CN105163110A - 摄像头清洁度的检测方法、检测系统及拍摄终端 - Google Patents

Abstract

本发明公开了一种摄像头清洁度的检测方法、检测系统及拍摄终端，其根据拍摄终端的陀螺仪数据判断所述的拍摄终端的稳定性，当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据，并分析和判断各帧的摄像头数据的清晰度，然后根据所述的摄像头数据的清晰度判断摄像头的清洁度；特别适用于肉眼不易观察的污染物的检测，而且无需增加硬件成本即可实现，适用性更强，从而减小外界因素的干扰，提高了拍摄质量，用户体验更好。

Description

摄像头清洁度的检测方法、检测系统及拍摄终端

技术领域

本发明涉及图像处理技术领域，特别是一种摄像头清洁度的检测方法及其应用该方法的系统、拍摄终端。

背景技术

照相机、摄像机、手机等具备摄像功能的设备的镜头常常会因人为、自然环境等因素的影响，造成镜头部分受到污染，而一旦镜头受到污染，将影响到影像拍摄的清晰度，甚至摄像设备的使用寿命，因此如何智能地检测出摄像头是否模糊，特别是检测是否有指纹、汗液等肉眼较不易发现的污垢，并提示用户进行擦拭或清洗，成为拍摄前的一项必要的准备工作。

现有技术中已有对摄像头进行污染检测的相关专利，例如中国公开专利CN103792783A公开的一种设想设备镜头污染实时检测系统及方法，其通过设置用于探测透过镜头的光束的光照强度的第一感光设备和用于探测摄像设备的外界光束的光照强度的第二感光设备，然后实时对比所述的第一感光设备和第二感光设备回传的光照强度值，通过对二者的比值的计算来判断摄像头是否被污染。上述专利需要增加硬件装置来解决问题，成本较高。

发明内容

本发明为解决上述问题，提供了一种摄像头清洁度的检测方法、检测系统及拍摄终端，特别适用于肉眼不易观察的污染物的检测，而且无需增加硬件成本即可实现，适用性更强。

为实现上述目的，本发明采用的技术方案为：

首先，本发明提供一种摄像头清洁度的检测方法，其特征在于，包括以下步骤：

10.获取拍摄终端的陀螺仪数据；

20.根据所述的陀螺仪数据判断所述的拍摄终端的稳定性；

30.当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据；

40.分析和判断各帧的摄像头数据的清晰度；

50.根据所述的摄像头数据的清晰度判断摄像头的清洁度。

优选的，所述的步骤10中获取拍摄终端的陀螺仪数据，是指在拍摄过程中进行实时获取所述的陀螺仪数据，或者在拍摄前的预览过程中进行实时获取所述的陀螺仪数据。

优选的，所述的步骤20中根据所述的陀螺仪数据判断所述的拍摄终端的稳定性，所述的陀螺仪数据是指陀螺仪的x，y，z三个方向的角速度；如果三个方向的所有方向的角速度均低于预设阈值，则判定所述的拍摄终端处于平稳状态；如果三个方向的任意一个方向的角速度超过预设阈值，则判定所述的拍摄终端处于运动状态。

优选的，所述的步骤30中当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据，该摄像头数据为RGB数据格式、YUV数据格式或者LAB数据格式。

优选的，所述的步骤40中分析和判断各帧的摄像头数据的清晰度，进一步包括以下步骤：

41.获取所述的摄像头数据的亮度通道；

42.通过所述的亮度通道计算出空域图像；

43.通过所述的空域图像计算出摄像头数据的清晰度。

优选的，所述的空域图像的计算步骤进一步包括：

a.定义所述的摄像头数据的亮度通道的扩大图像，并将所述亮度通道的像素点复制到扩大图像中，其中，所述的摄像头数据的亮度通道的大小为m*n，扩大图像的大小为(m+16)*(n+16)；

b.遍历所述的扩大图像，并将扩大图像分割为8*8的子块，每个子块的大小64，且子块的数量为(m+16)*(n+16)/64；

c.遍历扩大图像的每个8*8子块，并对每个8*8的子块滑动计算2*2的滑动块的总变差；

d.计算扩大图像每个8*8子块中的总变差最大的2*2滑动块；

e.根据2*2滑动块的最大总变差计算扩大图像每个8*8子块的平均最大总变差，并将该平均最大总变差作为所述空域图像的像素点的颜色值，得到空域图像。

优选的，所述的步骤43中通过所述的空域图像计算出摄像头数据的清晰度，是指通过空域图像计算出摄像头数据的清晰度的评分值，其通过将空域图像的每个8*8子块的平均最大总变差从大到小进行排序，并对排序在前1％的部分数值求和取平均值，该平均值即为待处理图像的清晰度评分值。

优选的，所述的步骤50中根据所述的摄像头数据的清晰度判断摄像头的清洁度，首先计算所述的摄像头数据的清晰度的评分值，并将该清晰度评分值与预设的分界线分值进行比较，如果清晰度评分值大于或等于分界线分值，则判断为所述的摄像头数据是清晰的，即拍摄终端的摄像头的清洁度较高，无需进行清洁处理；如果清晰度评分值小于分界线分值，则判断为所述的摄像头数据是模糊的，即拍摄终端的摄像头的清洁度较低，并进一步提醒用户对摄像头进行清洁处理。

其次，本发明还提供一种摄像头清洁度的检测系统，其包括：

陀螺仪数据采集模块，用于获取拍摄终端的陀螺仪数据；

稳定性判断模块，用于根据所述的陀螺仪数据判断所述的拍摄终端的稳定性；

摄像头数据采集模块，用于当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据；

图像清晰度分析模块，用于分析和判断各帧的摄像头数据的清晰度；

摄像头清洁度判断模块，用于根据所述的摄像头数据的清晰度判断摄像头的清洁度。

优选的，所述的图像清晰度分析模块进一步包括：

亮度通道计算单元，用于获取所述的摄像头数据的亮度通道；

空域图像计算单元，用于通过所述的亮度通道计算出空域图像；

清晰度计算单元，用于通过所述的空域图像计算出摄像头数据的清晰度。

优选的，还包括清洁提醒模块，其通过计算所述的摄像头数据的清晰度的评分值，并将该清晰度评分值与预设的分界线分值进行比较，如果清晰度评分值大于或等于分界线分值，则判断为所述的摄像头数据是清晰的，即拍摄终端的摄像头的清洁度较高，无需进行清洁处理；如果清晰度评分值小于分界线分值，则判断为所述的摄像头数据是模糊的，即拍摄终端的摄像头的清洁度较低，并进一步提醒用户对摄像头进行清洁处理。

另外，本发明还提供一种拍摄终端，该拍摄终端包括如上所述的摄像头清洁度的检测系统。

优选的，所述拍摄终端包括：手机、数码相机或平板电脑。

本发明的有益效果是：

本发明的一种摄像头清洁度的检测方法、检测系统及拍摄终端，其根据拍摄终端的陀螺仪数据判断所述的拍摄终端的稳定性，当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据，并分析和判断各帧的摄像头数据的清晰度，然后根据所述的摄像头数据的清晰度判断摄像头的清洁度；特别适用于肉眼不易观察的污染物的检测，而且无需增加硬件成本即可实现，适用性更强，从而减小外界因素的干扰，提高了拍摄质量，用户体验更好。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明摄像头清洁度的检测方法的流程简图；

图2为本发明摄像头清洁度的检测系统的结构示意图；

图3为本发明拍摄终端的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明的一种摄像头清洁度的检测方法，其包括以下步骤：

10.获取拍摄终端的陀螺仪数据；

20.根据所述的陀螺仪数据判断所述的拍摄终端的稳定性；

30.当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据；

40.分析和判断各帧的摄像头数据的清晰度；

50.根据所述的摄像头数据的清晰度判断摄像头的清洁度。

所述的步骤10中获取拍摄终端的陀螺仪数据，是指在拍摄过程中进行实时获取所述的陀螺仪数据，或者在拍摄前的预览过程中进行实时获取所述的陀螺仪数据；即本发明可适用于在整个拍摄过程中进行摄像头清洁度的实时检测和提醒，也可以仅在拍摄前的预览过程中进行摄像头清洁度的检测和提醒。

所述的步骤20中根据所述的陀螺仪数据判断所述的拍摄终端的稳定性，所述的陀螺仪数据是指陀螺仪的x，y，z三个方向的角速度；如果三个方向的所有方向的角速度均低于预设阈值，则判定所述的拍摄终端处于平稳状态；如果三个方向的任意一个方向的角速度超过预设阈值，则判定所述的拍摄终端处于运动状态；如果拍摄终端处于运动状态，一般所获取的摄像头数据是较模糊的；如果拍摄终端处于平稳状态，一般可得到较清晰的摄像头数据，此时，若出现模糊的摄像头数据，则可通过本发明的方法进行检测和判断是否为摄像头的清洁度较低所引起的模糊。

所述的步骤30中当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据，该摄像头数据为RGB数据格式、YUV数据格式或者LAB数据格式。如果摄像头数据为RGB数据格式，则其亮度通道可通过灰度处理得到各帧摄像头数据的灰度图；如果摄像头数据为YUV数据格式或者LAB数据格式，则其Y通道或者L通道即为所述的亮度通道。

所述的步骤40中分析和判断各帧的摄像头数据的清晰度，进一步包括以下步骤：

41.获取所述的摄像头数据的亮度通道；

42.通过所述的亮度通道计算出空域图像(spatialmap)；

43.通过所述的空域图像计算出摄像头数据的清晰度。

其中，所述的空域图像的计算步骤进一步包括：

a.定义所述的摄像头数据的亮度通道的扩大图像，并将所述亮度通道的像素点复制到扩大图像中，所述亮度通道的像素点存在bitmapBuf中，扩大图像的像素点存在padmapBuf，padmapBuf的内存为(m+16)*(n+16)*(BYTE)，padmapBuf的起点为(m+8,n+8)，padmapBuf的上8行，下8行，左8列，右8列赋值为bitmapBuf的上8行，下8行，左8列，右8列的像素点；其中，所述的摄像头数据的亮度通道的大小为m*n，扩大图像的大小为(m+16)*(n+16)；

b.遍历所述的扩大图像，并将扩大图像分割为8*8的子块，每个子块的大小64，且子块的数量为(m+16)*(n+16)/64；

c.遍历扩大图像的每个8*8子块，并对每个8*8的子块滑动计算2*2的滑动块的总变差；计算方法如下：

$\mathrm{\υ}\left(x\right)=\frac{1}{255}\underset{i,j}{\Σ}|x_i-x_j|;$

其中,v(x)为2*2滑动块的总变差，X为2*2的滑动块的颜色值，xi和xj为2*2滑动块的相邻像素的颜色值。

上述公式的代码解析如下：

tv_temp＝

(abs(x[r][c]-x[r][c+1])

+abs(x[r][c]-x[r+1][c])

+abs(x[r][c]-x[r+1][c+1])

+abs(x[r+1][c]-x[r][c+1])

+abs(x[r+1][c]-x[r+1][c+1])

+abs(x[r][c+1]-x[r+1][c+1]))/255；

其中，tv_temp即为上述公式中的v(x)，是指2*2滑动块的总变差，(r,c)为当前遍历到的像素点；

d.计算扩大图像每个8*8子块中的总变差最大的2*2滑动块；计算方法如下：

$S\left(x\right)=\frac{1}{4}\underset{\mathrm{\ξ}\∈x}{\max }\mathrm{\υ}\left(\mathrm{\ξ}\right);$

其中，S(x)为每个8*8子块中的总变差最大的2*2滑动块；

e.根据2*2滑动块的最大总变差计算扩大图像每个8*8子块的平均最大总变差，并将该平均最大总变差作为所述空域图像的像素点的颜色值，得到空域图像；所述平均最大总变差的计算方法如下：

grad＝gradmax/(2*2)；

grad为每个8*8子块的2*2滑动块的平均最大总变差，gradmax为每个8*8子块的2*2滑动块的最大总变差；得到的grad值放在std::vector<double>grad_vector；的Vector容器里面。

并且，所述的步骤43中通过所述的空域图像计算出摄像头数据的清晰度，是指通过空域图像计算出摄像头数据的清晰度的评分值，其通过将空域图像的每个8*8子块的平均最大总变差从大到小进行排序，并对排序在前1％的部分数值求和取平均值，该平均值即为待处理图像的清晰度评分值；其中，所述平均值的计算方法如下：

$Aver=\frac{1}{N}\underset{k=1}{\overset{N}{\&Sigma;}}g\tilde{r}ad\left(k\right);$

其中，Aver为所述平均值，为排序后的平均最大总变差，N＝(2*8+m)*(2*8+n)/(8*8)/100，k为排序后第k个的平均最大总变差；

具体如下：

本实施例中，所述的步骤50中根据所述的摄像头数据的清晰度判断摄像头的清洁度，首先计算所述的摄像头数据的清晰度的评分值，并将该清晰度评分值与预设的分界线分值进行比较，如果清晰度评分值大于或等于分界线分值，则判断为所述的摄像头数据是清晰的，即拍摄终端的摄像头的清洁度较高，无需进行清洁处理；如果清晰度评分值小于分界线分值，则判断为所述的摄像头数据是模糊的，即拍摄终端的摄像头的清洁度较低，并进一步提醒用户对摄像头进行清洁处理。

所述的分界线分值主要是通过以下步骤获取得到：

1.搜集样本图像，并对样本图像进行清晰图像或模糊图像的人工标注；

2.选取数量相等的清晰图像和模糊图像进行灰度化处理，得到样本灰度图像；

3.通过样本灰度图像计算出样本空域图像；

4.通过样本空域图像计算出样本图像的清晰度评分值；

5.计算所有样本图像的评分值的均值，并将该均值作为所述分界线分值。

其中，步骤3、4的计算过程与前述的步骤42、43的计算过程是相似的，这里不再赘述。

如图2所示，本发明还提供一种摄像头清洁度的检测系统100，其包括：

陀螺仪数据采集模块101，用于获取拍摄终端的陀螺仪数据；

稳定性判断模块102，用于根据所述的陀螺仪数据判断所述的拍摄终端的稳定性；

摄像头数据采集模块103，用于当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据；

图像清晰度分析模块104，用于分析和判断各帧的摄像头数据的清晰度；

摄像头清洁度判断模块105，用于根据所述的摄像头数据的清晰度判断摄像头的清洁度。

其中，所述的图像清晰度分析模块104进一步包括：

亮度通道计算单元1041，用于获取所述的摄像头数据的亮度通道；

空域图像计算单元1042，用于通过所述的亮度通道计算出空域图像；

清晰度计算单元1043，用于通过所述的空域图像计算出摄像头数据的清晰度。

另外，还包括清洁提醒模块106，其通过计算所述的摄像头数据的清晰度的评分值，并将该清晰度评分值与预设的分界线分值进行比较，如果清晰度评分值大于或等于分界线分值，则判断为所述的摄像头数据是清晰的，即拍摄终端的摄像头的清洁度较高，无需进行清洁处理；如果清晰度评分值小于分界线分值，则判断为所述的摄像头数据是模糊的，即拍摄终端的摄像头的清洁度较低，并进一步提醒用户对摄像头进行清洁处理。

如图3所示，本发明还提供一种拍摄终端200，该拍摄终端200包括如上所述的摄像头清洁度的检测系统100，其中，摄像头清洁度的检测系统100可以采用图2实施例的结构，其对应地，可以执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，详细可以参见上述实施例中的相关记载，此处不再赘述。

所述拍摄终端200包括：手机、数码相机或平板电脑等配置有摄像头的设备。

需要说明的是，所述的步骤40中分析和判断各帧的摄像头数据的清晰度，上述仅作为其中一种较优选的实施例，现有技术中的任意一种的图像的模糊检测方法或者清晰度判断方法均能够实现类似的效果，例如，还可以通过显著性检测来判断所述的摄像头数据的清晰度，基本步骤如下：

41’.收集样本图像，对每个样本图像进行显著性检测以获取样本图像中最显著区域，并对所述的最显著区域的RGB三个通道分别进行快速傅里叶变换，得到变换后的复数数据；

42’.对所述的复数数据进行尺寸缩小处理，并取尺寸缩小后的复数数据的实数部分构建新图像，得到缩小图像；

43’.将所述的新构建的缩小图像作为卷积神经网络的输入图像，进行清晰-模糊图像分类训练，得到模糊检测模型；

44’.获取待检测图像(即摄像头数据)，对待检测图像进行显著性检测以获取待检测图像中最显著区域，并对所述的最显著区域的RGB三个通道进行快速傅里叶变换，对变换得到的复数数据进行尺寸缩小处理，并取尺寸缩小后的复数数据的实数部分构建新的待检测图像，然后采用所述模糊检测模型对所述的新的待检测图像进行清晰-模糊图像的判别；如果是模糊图像则认为上述的摄像头清洁度较低，需进行清洁处理。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统实施例和终端实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。并且，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (13)

1.一种摄像头清洁度的检测方法，其特征在于，包括以下步骤：

10.获取拍摄终端的陀螺仪数据；

20.根据所述的陀螺仪数据判断所述的拍摄终端的稳定性；

30.当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据；

40.分析和判断各帧的摄像头数据的清晰度；

50.根据所述的摄像头数据的清晰度判断摄像头的清洁度。

2.根据权利要求1所述的一种摄像头清洁度的检测方法，其特征在于：所述的步骤10中获取拍摄终端的陀螺仪数据，是指在拍摄过程中进行实时获取所述的陀螺仪数据，或者在拍摄前的预览过程中进行实时获取所述的陀螺仪数据。

3.根据权利要求1所述的一种摄像头清洁度的检测方法，其特征在于：所述的步骤20中根据所述的陀螺仪数据判断所述的拍摄终端的稳定性，所述的陀螺仪数据是指陀螺仪的x，y，z三个方向的角速度；如果三个方向的所有方向的角速度均低于预设阈值，则判定所述的拍摄终端处于平稳状态；如果三个方向的任意一个方向的角速度超过预设阈值，则判定所述的拍摄终端处于运动状态。

4.根据权利要求1所述的一种摄像头清洁度的检测方法，其特征在于：所述的步骤30中当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据，该摄像头数据为RGB数据格式、YUV数据格式或者LAB数据格式。

5.根据权利要求1所述的一种摄像头清洁度的检测方法，其特征在于：所述的步骤40中分析和判断各帧的摄像头数据的清晰度，进一步包括以下步骤：

41.获取所述的摄像头数据的亮度通道；

42.通过所述的亮度通道计算出空域图像；

43.通过所述的空域图像计算出摄像头数据的清晰度。

6.根据权利要求5所述的一种摄像头清洁度的检测方法，其特征在于：所述的空域图像的计算步骤进一步包括：

a.定义所述的摄像头数据的亮度通道的扩大图像，并将所述亮度通道的像素点复制到扩大图像中，其中，所述的摄像头数据的亮度通道的大小为m*n，扩大图像的大小为(m+16)*(n+16)；

b.遍历所述的扩大图像，并将扩大图像分割为8*8的子块，每个子块的大小64，且子块的数量为(m+16)*(n+16)/64；

c.遍历扩大图像的每个8*8子块，并对每个8*8的子块滑动计算2*2的滑动块的总变差；

d.计算扩大图像每个8*8子块中的总变差最大的2*2滑动块；

e.根据2*2滑动块的最大总变差计算扩大图像每个8*8子块的平均最大总变差，并将该平均最大总变差作为所述空域图像的像素点的颜色值，得到空域图像。

7.根据权利要求6所述的一种摄像头清洁度的检测方法，其特征在于：所述的步骤43中通过所述的空域图像计算出摄像头数据的清晰度，是指通过空域图像计算出摄像头数据的清晰度的评分值，其通过将空域图像的每个8*8子块的平均最大总变差从大到小进行排序，并对排序在前1％的部分数值求和取平均值，该平均值即为待处理图像的清晰度评分值。

8.根据权利要求1至7任一项所述的一种摄像头清洁度的检测方法，其特征在于：所述的步骤50中根据所述的摄像头数据的清晰度判断摄像头的清洁度，首先计算所述的摄像头数据的清晰度的评分值，并将该清晰度评分值与预设的分界线分值进行比较，如果清晰度评分值大于或等于分界线分值，则判断为所述的摄像头数据是清晰的，即拍摄终端的摄像头的清洁度较高，无需进行清洁处理；如果清晰度评分值小于分界线分值，则判断为所述的摄像头数据是模糊的，即拍摄终端的摄像头的清洁度较低，并进一步提醒用户对摄像头进行清洁处理。

9.一种摄像头清洁度的检测系统，其特征在于，包括：

陀螺仪数据采集模块，用于获取拍摄终端的陀螺仪数据；

稳定性判断模块，用于根据所述的陀螺仪数据判断所述的拍摄终端的稳定性；

摄像头数据采集模块，用于当所述的拍摄终端处于平稳状态时，则连续获取多帧摄像头数据；

图像清晰度分析模块，用于分析和判断各帧的摄像头数据的清晰度；

摄像头清洁度判断模块，用于根据所述的摄像头数据的清晰度判断摄像头的清洁度。

10.根据权利要求9所述的一种摄像头清洁度的检测系统，其特征在于：所述的图像清晰度分析模块进一步包括：

亮度通道计算单元，用于获取所述的摄像头数据的亮度通道；

空域图像计算单元，用于通过所述的亮度通道计算出空域图像；

清晰度计算单元，用于通过所述的空域图像计算出摄像头数据的清晰度。

11.根据权利要求9所述的一种摄像头清洁度的检测系统，其特征在于：还包括清洁提醒模块，其通过计算所述的摄像头数据的清晰度的评分值，并将该清晰度评分值与预设的分界线分值进行比较，如果清晰度评分值大于或等于分界线分值，则判断为所述的摄像头数据是清晰的，即拍摄终端的摄像头的清洁度较高，无需进行清洁处理；如果清晰度评分值小于分界线分值，则判断为所述的摄像头数据是模糊的，即拍摄终端的摄像头的清洁度较低，并进一步提醒用户对摄像头进行清洁处理。

12.一种拍摄终端，其特征在于，包括权利要求9至11任一项所述的摄像头清洁度的检测系统。

13.根据权利要求12所述的拍摄终端，其特征在于，所述拍摄终端包括：手机、数码相机或平板电脑。