CN105657259A - 一种二分缩步平移法相机参数智能调整方法 - Google Patents

Abstract

一种二分缩步平移法相机参数智能调整方法，设计了二分缩步和平移这两种调整方式，其过程由粗到精、模拟人的手工调节及反馈过程，实现迭代过程的快速收敛。该方法依次调整每个参数至局部最优状态，快速反复迭代直至逼近至全局最优解，完全克服了当参数较多时穷举所有参数组合所需的巨大试探时间代价及期间的图像质量波动。有益效果：智能程度高，收敛速度快，无需人工干预，能够在短时间内达到理想状态；计算模型简单，便于实现，对软硬件要求不高；适应性好，通过更改图像质量及图像差距值的评测方式，可将该方法应用于不同领域。

Description

一种二分缩步平移法相机参数智能调整方法

技术领域

本发明涉及相机参数的自动调整方法，尤其涉及一种相机参数组合的连续的、实时的智能调整方法。该发明属于计算机视觉及智能控制领域，用于数字相机参数组合的快速调整，具体应用领域是智能监控、机器人视觉等领域的视频或图像采集质量的智能调控。

背景技术

数字相机在视频监控、工业检测、机器人视觉等领域内的应用日益广泛。在拍摄过程中，由于受到环境光照、物体位置、周围场景等方面不断变化的影响，会导致所拍视频或图像质量不稳定，影响后继的识别、检测等应用过程。例如：在监控系统中，因为天气变化影响监控区域的光照强度，或光源变化影响目标景物的颜色纹理等方面的呈现，可导致拍摄到的视频细节丢失或改变，从而影响系统后继功能的正常使用，如人脸识别。

在一定范围内，通过调整相机的参数可以迅速改变图像质量，弥补上述变化的影响。通常，可供调节的相机参数通常包括亮度、对比度、曝光时间、色调、饱和度、伽马、白平衡等十几至几十个(取决于相机应用领域和价位)，且这些参数对图像质量的影响有一定交叉耦合作用。因此，将如此众多的参数调整到一个客观最优组合，是一个需要巨大时间代价的反复试探和对比反馈过程。这在现实应用中由于拍摄环境条件的不断变化以及具体应用需求的不同，既没必要、也不可能。例如：设有6个待调整参数，每个参数的取值范围为[0,99]，则整个解空间的大小将达到10¹²，即便是程序自动调整，如果相机以每秒30帧的速度采集图像，则将所有参数组合测试一遍理论上至少需要10¹²/30≈3300亿秒，这是不切实际、无法容忍的。目前广泛采用的人工干预的参数调节过程，即以人类视觉、智能、经验等为基础的手动或半自动调整方式。这可以大大降低试探次数和调整代价，但依然需要巨大的人力和时间成本，且调整试探过程会引起图像质量的较大波动，影响期间的相关应用，难以适用于无人值守领域，如智能监控、自主机器人等。

本方法实时跟踪采集图像质量的变化，设计并实现相机参数的实时连续调整方法，其目标是快速弥补环境光照、物体位置、周围场景等方面不断变化对拍视频或图像质量的影响，最大限度地实现采集视频或图像质量的稳定和一致。本方法以预先设定的标准图像为基准，通过计算实时采集图像与预设标准图像间的差距值来量化图像质量变化的程度。当超出预先设定的阈值时，自动启动本方法以实现相机参数的连续快速调整，从而使拍摄的图像质量在短时间内调整至且连续保持与标准图像尽可能接近的状态。本方法设计了二分缩步和平移这两种调整方式，其过程由粗到精、模拟人的手工及调节反馈过程，实现迭代过程的快速收敛。本方法依次调整每个参数至局部最优状态，快速反复迭代的直至逼近至全局最优解，完全克服了当参数较多时穷举所有参数组合所需所需的巨大试探时间代价及期间的图像质量波动问题。

发明内容

本发明目的是提供一种相机参数的快速智能调整方法，用于解决当光照等现场拍摄条件发生变化时相机采集到的视频或图像质量不稳定的问题。在现实生活中，人手动调整参数时，多半会以较大的幅度向两个方向分别调整某个参数，从调整结果判断出正确的调整方向；调整方向确定后，再向这个方向进行微调，反复调试，逐次缩减调整步长，最终将该参数调整到一个最优位置。本发明模拟这种人工调节参数的过程，提出一种二分缩步平移法相机参数智能调整方法。该方法的内容及实现步骤：

1.选择参数调整策略

对于任意相机参数X，首先确定其相关的属性值：step、X_C、X_min、X_max、X_L以及X_H。其中，step为调整步长，X_C为X的当前值，X_min和X_max分别为X的最小值和最大值。令X_L＝X_C-step，X_H＝X_C+step，由此可以获得3个采样点X_L、X_C和X_H，如图1所示，横轴表示参数X的值，纵轴表示实时图像与预设标准图像的差距值。分别将参数X的值设置为X_L和X_H，当X的值分别为X_L、X_C和X_H时，记录实时图像与标准图像的差距值d_L、d_C和d_H为比较结果，根据这三个值的大小关系，选择不同的调整方法：

1)d_C<d_H且d_C<d_L：选择二分缩步法；

2)d_C>d_H且d_C<d_L：选择平移法，向右调整；

3)d_C<d_H且d_C>d_L：选择平移法，向左调整。

参数每调整一步，会得到一组新的属性值step、X_L、X_C和X_H，其计算方法详见内容2和内容3对二分缩步法和平移法的说明。

2.二分缩步法

当d_H和d_L都大于d_C时，将参数X的调整步长step缩减为当前值的二分之一，如图2所示。具体调整方法如公式组1所示：

$step\&LeftArrow;\frac{1}{2}step$

X_C←X_C(公式组1)

X_L←X_c-step

X_H←X_c+step

由此得到一组新的采样点X_L、X_H和X_C。

调整后判断step的值，若step＝1，则取调整后的3个比较结果d_L、d_C和d_H中的最小值所对应的采样点值为参数X在本次调整过程的最优解。若step>1，则将调整后的3个比较结果d_L、d_C和d_H再次进行内容1中的判断，继续选择采用二分缩步法或平移法。

3.平移法

分两种情况考虑：

1)当d_C>d_H且d_C<d_L时，应将X_L、X_C和X_H的位置整体向右平移一个长度为step的距离，如图3所示。具体调整方法如公式组2所示：

step←step

X_L←X_C(公式组2)

X_C←X_H

X_H←X_H+step

2)当d_C<d_H且d_C>d_L时，应将X_L、X_C和X_H的位置整体向左平移一个长度为step的距离，如图4所示。具体调整方法如公式组3所示：

step←step

X_H←X_C(公式组3)

X_C←X_L

X_L←X_L-step

根据平移后得到的3个新的采样点X_L、X_C和X_H，再次进行第1项内容中的判断，选择采用二分缩步法或平移法。

此外，平移调整过程中要进行越界判断。右移时，如果X_H>X_max，则令X_H＝X_max；左移时，如果X_L<X_min，则令X_L＝X_min。

4.实现步骤

该方法的实现包括预设标准图像，以及实时图像采集比较、参数循环调整、结果比较反馈等过程，其总体流程如图6所示。

1)预设标准图像：在现场条件下，相机参数初始调整后，采集一幅质量可接受的图像作为预设标准图像。该步骤须人为判断。在实际应用中，可采用人工智能技术根据应用需求采集和设定一幅或多幅。

2)图像质量比较：实时采集图像并计算与标准图像的差距，根据结果决定是否执行参数调整方法。图像质量及差距采用具体的评测方法，例如采用Bhattacharyya对比标准评测光强对图像质量的影响。在实际应用中，可根据需求选用不同的图像质量及图像差距值的评测方式，从而将该方法应用于不同领域。

3)参数循环调整：根据前述参数调整策略选择二分缩步法和平移法，逐个参数调整。

4)重复上述过程2)和3)，直至达到预期效果，即实时图像与标准图像的差距小于设定阈值，或者循环指定次数后二者差距已经微乎其微，表示当前情况下实时图像质量已尽可能地接近于标准图像。

本发明的有益效果：

本发明使得数字相机对光照等拍摄区域的环境变化做出实时反应，能够快速调节预先选定的相机参数，使得实时拍摄视频或图像在短时间内调整至且连续保持与标准图像质量尽可能接近的状态。

本发明特点：

1)智能程度高，收敛速度快，无需人工干预，能够在短时间内达到理想状态；

2)计算模型简单，便于实现，对软硬件要求不高；

3)适应性好，通过更改图像质量及图像差距值的评测方式，可将该方法应用于不同领域。

附图说明

图1.采样点选取示意图；

图2.二分缩步法示意图；

图3.向右平移示意图；

图4.向左平移示意图；

图5.二分缩步平移法流程图；

图6.总体操作流程图。

具体实施方式

结合说明书附图和具体实施过程截图，下面详细介绍一下本发明各步骤的具体实施方式及实施例：

一种二分缩步平移法相机参数智能调整方法。该方法的内容及实现步骤：

1.选择参数调整策略

对于任意相机参数X，首先确定其相关的属性值：step、X_C、X_min、X_max、X_L以及X_H。其中，step为调整步长，X_C为X的当前值，X_min和X_max分别为X的最小值和最大值。令X_L＝X_C-step，X_H＝X_C+step，由此可以获得3个采样点X_L、X_C和X_H，如图1所示，横轴表示参数X的值，纵轴表示实时图像与预设标准图像的差距值。分别将参数X的值设置为X_L和X_H，当X的值分别为X_L、X_C和X_H时，记录实时图像与标准图像的差距值d_L、d_C和d_H为比较结果，根据这三个值的大小关系，选择不同的调整方法：

4)d_C<d_H且d_C<d_L：选择二分缩步法；

5)d_C>d_H且d_C<d_L：选择平移法，向右调整；

6)d_C<d_H且d_C>d_L：选择平移法，向左调整。

参数每调整一步，会得到一组新的属性值step、X_L、X_C和X_H，其计算方法详见内容2和内容3对二分缩步法和平移法的说明。

2.二分缩步法

当d_H和d_L都大于d_C时，将参数X的调整步长step缩减为当前值的二分之一，如图2所示。具体调整方法如公式组1所示：

$step\&LeftArrow;\frac{1}{2}step$

X_C←X_C(公式组1)

X_L←X_c-step

X_H←X_c+step

由此得到一组新的采样点X_L、X_H和X_C。

调整后判断step的值，若step＝1，则取调整后的3个比较结果d_L、d_C和d_H中的最小值所对应的采样点值为参数X在本次调整过程的最优解。若step>1，则将调整后的3个比较结果d_L、d_C和d_H再次进行内容1中的判断，继续选择采用二分缩步法或平移法。

3.平移法

分两种情况考虑：

3)当d_C>d_H且d_C<d_L时，应将X_L、X_C和X_H的位置整体向右平移一个长度为step的距离，如图3所示。具体调整方法如公式组2所示：

step←step

X_L←X_C(公式组2)

X_C←X_H

X_H←X_H+step

4)当d_C<d_H且d_C>d_L时，应将X_L、X_C和X_H的位置整体向左平移一个长度为step的距离，如图4所示。具体调整方法如公式组3所示：

step←step

X_H←X_C(公式组3)

X_C←X_L

X_L←X_L-step

根据平移后得到的3个新的采样点X_L、X_C和X_H，再次进行第1项内容中的判断，选择采用二分缩步法或平移法。

此外，平移调整过程中要进行越界判断。右移时，如果X_H>X_max，则令X_H＝X_max；左移时，如果X_L<X_min，则令X_L＝X_min。

4.实现步骤

该方法的实现包括预设标准图像，以及实时图像采集比较、参数循环调整、结果比较反馈等过程，其总体流程如图6所示。

1)设置标准图像

开启相机，人工调节参数直到获得当前环境下质量较好的图像，此时截取一帧图像作为后续参数调整过程中参考的标准图像。如实施过程截图中的图1所示，区域①为实时图像，区域②为标准图像，区域③为实时图像直方图，区域④为标准图像直方图。

2)设定阈值

不同的应用场景对参数调整后的所要达到的预期目标有着不同的期待值。需要给实时图像和标准图像的对比结果设定一个阈值，每次参数调整后，若该结果设定的阈值范围内，则认定调整完成。

阈值的设定取决于计算实时图像与标准图像差距值时所选择的计算方法。本例采用Bhattacharyya对比标准进，每次参数调整后计算实时采集图像与标准图像的直方图的差距值。该直方图差距值的计算如公式1所示。

$d(H_1,H_2)=\sqrt{1-\frac{1}{\sqrt{\stackrel{\&OverBar;}{H_1{H}_2}{N}^2}}\underset{i}{\&Sigma;}\sqrt{H_1\left(i\right)\&times;H_2\left(i\right)}}$ (公式1)

其中：

计算结果d(H₁,H₂)为两幅图像的直方图差距值，范围为[0,1]，其值越小表示两幅图像越相似；

H_c(c＝1,2)为参与对比的两幅图像的直方图数据，它是一个一维数组，数组元素个数为图像可取像素值的个数；

N为图像像素的个数；

H_c(i)为图像中像素值为i的像素个数；

的计算如公式2所示：

$\stackrel{\&OverBar;}{H}=\frac{1}{N}\underset{i}{\&Sigma;}H\left(i\right)$ (公式2)

在本例中，将阈值THR设置为0.20；

3)选择待调整参数

选取在本例中，选择了亮度、对比度和伽马这三个参数参与调整，各参数的可取值范围分别为[-127,127]、[0,127]和[16,500]。

4)改变图像采集区域的光照条件并观察调整结果

改变图像采集区域的外部环境，在本例中采用开灯增强图像采集区域亮度，如实施过程截图中的图2所示，可以看到实时图像与标准图像的直方图对比差距已达到0.44。系统自动调用缩步二分平移法进行参数调整。

5)采集并分析实验数据

在参数调整过程中，记录每次参数调整后各参数值和图像对比结果。运行结果如实施过程截图中的图3和图4所示，开始调整前实时图像与标准图像的对比差距值为0.44，超出设定的阈值，通过3次总体循环，对亮度、对比度、伽马这3个参数共计59次调整后，实二者差距降低为0.17。如果采用穷举法，理论上最多需要256×128×485＝15892480次调整才能遍历整个解空间。

Claims (3)

1.一种二分缩步平移法相机参数智能调整方法，其特征在于：采取选择参数调整策略，具体为：

对于任意相机参数X，首先确定其相关的属性值：step、X_C、X_min、X_max、X_L以及X_H；其中，step为调整步长，X_C为X的当前值，X_min和X_max分别为X的最小值和最大值；令X_L＝X_C-step，X_H＝X_C+step，由此可以获得3个采样点X_L、X_C和X_H，分别将参数X的值设置为X_L和X_H，当X的值分别为X_L、X_C和X_H时，记录实时图像与标准图像的差距值d_L、d_C和d_H为比较结果，根据这三个值的大小关系，选择不同的调整方法：

1)d_C<d_H且d_C<d_L：选择二分缩步法；

2)d_C>d_H且d_C<d_L：选择平移法，向右调整；

3)d_C<d_H且d_C>d_L：选择平移法，向左调整；

参数每调整一步，会得到一组新的属性值step、X_L、X_C和X_H，采用二分缩步法和平移法进行计算。

2.根据权利要求1所述的二分缩步平移法相机参数智能调整方法，其特征在于：所述的二分缩步法，具体为：

当d_H和d_L都大于d_C时，将参数X的调整步长step缩减为当前值的二分之一，具体调整方法如公式组1所示：

X_C←X_C(公式组1)

X_L←X_c-step

X_H←X_c+step

由此得到一组新的采样点X_L、X_H和X_C；

调整后判断step的值，若step＝1，则取调整后的3个比较结果d_L、d_C和d_H中的最小值所对应的采样点值为参数X在本次调整过程的最优解；若step>1，则将调整后的3个比较结果d_L、d_C和d_H再次进行内容1中的判断，继续选择采用二分缩步法或平移法。

3.根据权利要求1所述的二分缩步平移法相机参数智能调整方法，其特征在于：所述的平移法，具体为：

分两种情况考虑：

1)当d_C>d_H且d_C<d_L时，应将X_L,X_C和X_H的位置整体向右平移一个长度为step的

距离，具体调整方法如公式组2所示：

step←step

X_L←X_C(公式组2)

X_C←X_H

X_H←X_H+step

2)当d_C<d_H且d_C>d_L时，应将X_L,X_C和X_H的位置整体向左平移一个长度为step的

距离，具体调整方法如公式组3所示：

step←step

X_H←X_C(公式组3)

X_C←X_L

X_L←X_L-step

根据平移后得到的3个新的采样点X_L,X_C和X_H，再次进行第1项内容中的判断，选择采用二分缩步法或平移法；

此外，平移调整过程中要进行越界判断，右移时，如果X_H>X_max，则令X_H＝X_max；左移时，如果X_L<X_min，则令X_L＝X_min。