CN110529896B - 一种油烟机烟雾检测的矫正方法和油烟机 - Google Patents
一种油烟机烟雾检测的矫正方法和油烟机 Download PDFInfo
- Publication number
- CN110529896B CN110529896B CN201910733517.4A CN201910733517A CN110529896B CN 110529896 B CN110529896 B CN 110529896B CN 201910733517 A CN201910733517 A CN 201910733517A CN 110529896 B CN110529896 B CN 110529896B
- Authority
- CN
- China
- Prior art keywords
- image
- cooking
- information
- range hood
- shaking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
- F24C15/2021—Arrangement or mounting of control or safety systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种油烟机烟雾检测的矫正方法和油烟机,所述方法包括:提取所述图像序列中的烹饪图像,所述烹饪图像用于对相应的烟雾信息进行确定;获取油烟机抖动幅度信息,根据所述抖动幅度信息确定目标图像的偏移矢量,所述目标图像至少包含部分的所述烹饪图像;根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正。本发明实施例能够实现烟雾识别更精准。
Description
技术领域
本发明实施例涉及烟机控制技术,尤指一种油烟机烟雾检测的矫正方法和油烟机。
背景技术
随着智能化趋势发展,图像及视频识别技术在家电领域的广泛应用,大量的摄像头应用于家电及监控上,基于摄像头进行相关的智能应用,但如果图像采集过程中,出现摄像头抖动,而导致成像出现偏移,影响后续的计算结果。
现有的油烟机,烟雾识别算法在一定程度上依赖相邻帧之间的空间关系,当摄像头出现抖动情况时,采集的图像帧之间会存在一定周期的偏移,会影响烟雾识别的准确性。
发明内容
本发明实施例提供了一种油烟机烟雾检测的矫正方法和油烟机,实现烟雾识别更精准。
为了达到本发明实施例目的,本发明实施例提供了一种油烟机烟雾检测的矫正方法,所述油烟机设置有图像采集装置,用于获取烹饪区域内的图像序列,所述方法包括:
提取所述图像序列中的烹饪图像,所述烹饪图像用于对相应的烟雾信息进行确定;
获取油烟机抖动幅度信息,根据所述抖动幅度信息确定目标图像的偏移矢量,所述目标图像至少包含部分的所述烹饪图像;
根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正。
优选地,将偏移矢量小于预设偏移阈值的烹饪图像或者部分的所述烹饪图像作为目标图像。
优选地所述的方法还包括:获取油烟机抖动频率信息;
将与抖动原点的烹饪图像相邻的一帧或者多帧烹饪图像或者部分的所述烹饪图像作为目标图像,所述抖动原点的烹饪图像偏移矢量为零的烹饪图像。
优选地,获取油烟机抖动幅度信息和抖动频率信息包括:
根据传感器检测的振动信号确定油烟机抖动幅度信息和抖动频率信息,或者,
根据所述油烟机档位、抖动幅度信息以及抖动频率信息的关系确定油烟机抖动幅度信息和抖动频率信息。
优选地,根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正包括:
采集目标图像的特征获得对应的灶台特征信息;
对相邻的两帧所述目标图像的灶台特征信息进行特征匹配,获得相邻的两帧所述目标图像的偏移矢量;
按照所述偏移矢量的相反方向移动,矫正所述目标图像对应的烹饪图像。
优选地,油烟机档位、抖动幅度信息以及抖动频率信息的关系的确定方式包括:
对每个油烟机档位下的目标图像进行特征采集获得灶台特征信息;
对所述档位的连续采集的目标图像的灶台特征信息进行特征匹配,统计所述档位的抖动的偏移矢量;
根据所述偏移矢量的统计结果确定所述档位对应的抖动幅度信息和抖动频率信息。
优选地,按照所述偏移矢量的相反方向移动,矫正所述目标图像对应的烹饪图像包括:
将所述图像序列中的烹饪图像缩放到统一的尺寸,并对齐;
按照对应的偏移矢量的相反方向移动所述烹饪图像,对起始点位置对应烹饪图像采用帧间差分的方式确定相应的烟雾信息。
优选地,对灶台特征信息进行特征匹配包括:
以预设图像模板为中心向水平方向和垂直方向搜索与所述预设模板相同的灶台特征信息,并确定当前图像信息与预设图像模板的偏移矢量;或者,
提取当前图像信息的所述灶台特征信息的边缘信息,确定所述边缘信息与预设图像模板的偏移矢量。
优选地,水平方向搜索范围w,垂直方向搜索范围h;w、h的取值范围分别为模板的实际宽度和高度的1/4。
本发明还提供一种油烟机,包括:图像采集装置和控制线路板,
所述图像采集装置,设置为获取烹饪区域内的图像序列;
所述控制线路板设置有:
筛选模块,提取所述图像序列中的烹饪图像,所述烹饪图像用于对相应的烟雾信息进行确定;
偏移模块,获取油烟机抖动幅度信息,根据所述抖动幅度信息确定目标图像的偏移矢量,所述目标图像至少包含部分的所述烹饪图像;
矫正模块,根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正。
本发明实施例的有益效果可以包括:
1、本发明实施例的油烟机烟雾检测的矫正方法,解决油烟机在正常工作情况下,摄像头采集的图像出现偏移的问题,基于烟机抖动幅度消除烹饪图像因抖动产生的偏移问题;
2、本发明实施例基于连续两帧烹饪图像,通过提取特征信息进行匹配,计算出偏移矢量,然后进一步来统计运动矢量的规律以及对图像进行矫正工作;
3、由于烟机档位与抖动幅度以及抖动频率存在一定的对应关系;本发明实施例预先确定烟机档位与抖动幅度以及抖动频率的对应关系,根据烟机档位对获得的图像进行运动补偿和矫正;
4、本发明实施例根据补偿和矫正后的图像确定烹饪过程中所产生的烹饪油烟的分布情况;使得烟雾识别更精准;再根据所述烹饪油烟的分布情况确定烹饪过程中油烟机的工作参数;实现烟机转速调节更实时更精准;
5、本发明实施例可以以局部区域的模板为基础,以模板匹配确定偏移矢量,由于不对整图进行遍历匹配处理,可以高效、省时的确定偏移矢量,并完成矫正。
本发明实施例的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明实施例的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明实施例技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明实施例的技术方案,并不构成对本发明实施例技术方案的限制。
图1为本发明实施例的油烟机的烟雾检测方法的流程图;
图2为本发明实施例的油烟机控制线路板的结构示意图;
图3为本发明实施例的烹饪图像偏移的示意图;
图4为本发明实施例的烹饪图像矫正的流程图;
图5为本发明实施例的灶台特征的示意图;
图6为本发明实施例的灶台特征提取的流程图;
图7为本发明实施例的预设模板的示意图。
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明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
本发明实施例提供了一种油烟机烟雾检测的矫正方法,所述油烟机设置有图像采集装置,用于获取烹饪区域内的图像序列,所述方法包括:
S101、提取所述图像序列中的烹饪图像,所述烹饪图像用于对相应的烟雾信息进行确定;
S102、获取油烟机抖动幅度信息,根据所述抖动幅度信息确定目标图像的偏移矢量,所述目标图像至少包含部分的所述烹饪图像;
S103、根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正。
本发明实施例的油烟机烟雾检测的矫正方法,解决油烟机在正常工作情况下,摄像头采集的图像出现偏移的问题,基于烟机抖动幅度消除烹饪图像因抖动产生的偏移问题。
本发明实施例中,目标图像可以是整个烹饪图像,也可以从烹饪图像中截取的部分烹饪图像。
本发明实施例中,将偏移矢量小于预设偏移阈值的烹饪图像或者部分的所述烹饪图像作为目标图像。
本发明实施例通过对烹饪区域内的图像序列的筛选,将抖动较小,即偏移矢量较小的烹饪图像作为目标图像,这样可以节省矫正和烟雾识别的时间。
本发明实施例中,所述的方法还包括:获取油烟机抖动频率信息;
将与抖动原点的烹饪图像相邻的一帧或者多帧烹饪图像或者部分的所述烹饪图像作为目标图像,所述抖动原点的烹饪图像偏移矢量为零的烹饪图像。
由于摄像机抖动一般会具有周期性,本发明实施例中,结合油烟机抖动幅度信息和抖动频率信息,对烹饪区域内的图像序列的筛选,在抖动原点附近的图像帧抖动较小,将偏移矢量较小的烹饪图像作为目标图像,这样可以节省矫正和烟雾识别的时间。
本发明实施例中,获取油烟机抖动幅度信息和抖动频率信息包括:
根据传感器检测的振动信号确定油烟机抖动幅度信息和抖动频率信息,或者,
根据所述油烟机档位、抖动幅度信息以及抖动频率信息的关系确定油烟机抖动幅度信息和抖动频率信息。
本发明实施例,可以利用传感器检测对应的抖动信号,进而确定油烟机抖动幅度信息和抖动频率信息,或者统计每个油烟机档位的抖动幅度信息以及抖动频率信息,根据对应关系对所述烹饪图像进行补偿和矫正。
本发明实施例,根据矫正后的烹饪图像确定烹饪过程中所产生的烹饪油烟的分布情况;进一步根据所述烹饪油烟的分布情况确定烹饪过程中油烟机的工作参数。油烟机的工作参数包括以下至少一项:油烟机导烟板的位置、风机转速、风机的出风角度。
本发明实施例,步骤S103根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正包括:
采集目标图像的特征获得对应的灶台特征信息;
对相邻的两帧所述目标图像的灶台特征信息进行特征匹配,获得相邻的两帧所述目标图像的偏移矢量;
按照所述偏移矢量的相反方向移动,矫正所述目标图像对应的烹饪图像。
本发明实施例,确定相邻两帧目标图像的偏移矢量或者确定与抖动原点的目标图像的偏移矢量,按照偏移矢量相反的方向对烹饪图像进行矫正。
本发明实施例中,油烟机档位、抖动幅度信息以及抖动频率信息的关系的确定方式包括:
对每个油烟机档位下的采集烹饪目标图像进行特征采集获得灶台特征信息;
对所述档位的连续采集的目标烹饪图像的灶台特征信息进行特征匹配,统计所述档位的抖动的偏移矢量;
根据所述偏移矢量的统计结果确定所述档位对应的抖动幅度信息和抖动频率信息。
本发明实施例通过对每个档位的偏移矢量的统计确定摄像头周期性的抖动幅度信息和抖动频率信息,计算利用抖动幅度值的均值,得到当前档位的平均偏移矢量,利用平均抖动矢量对烹饪图像进行矫正,可以快速实现矫正。
本发明实施例中,按照所述偏移矢量的相反方向移动,矫正所述目标图像对应的烹饪图像包括:
将所述图像序列中的烹饪图像缩放到统一的尺寸,并对齐;
按照对应的偏移矢量的相反方向移动所述烹饪图像,对起始点位置对应烹饪图像采用帧间差分的方式确定相应的烟雾信息。
本发明实施例中,如存在上下振动,导致的成像大小存在偏差,需要将烹饪图像缩放到统一的尺寸,并对齐;如存在左右振动,产生了水平方向的位置,则对图像进行移动,使其起始点位置对应。
本发明实施例中,所述灶台特征信息包括以下至少一项:
灶台轮廓特征信息、灶眼特征信息、锅具外轮廓特征信息、旋钮开关特征信息。
本发明实施例中,对灶台特征信息进行特征匹配包括:
以预设图像模板为中心向水平方向和垂直方向搜索与所述预设模板相同的灶台特征信息,并确定当前图像信息与预设图像模板的偏移矢量;或者,
提取当前图像信息的所述灶台特征信息的边缘信息,确定所述边缘信息与预设图像模板偏移矢量。
本发明实施例可以以局部区域的模板为基础,以模板匹配确定偏移矢量,由于不对整图进行遍历匹配处理,可以高效、省时的确定偏移矢量,并完成矫正。
本发明实施例中,水平方向搜索范围w,垂直方向搜索范围h;w、h的取值范围分别为模板的实际宽度和高度的1/4。
实施例二
本发明实施例提供一种油烟机,如图2所示,包括:图像采集装置和控制线路板,
所述图像采集装置,设置为获取烹饪区域内的图像序列;
所述控制线路板设置有:
筛选模块,提取所述图像序列中的烹饪图像,所述烹饪图像用于对相应的烟雾信息进行确定;
偏移模块,获取油烟机抖动幅度信息,根据所述抖动幅度信息确定目标图像的偏移矢量,所述目标图像至少包含部分的所述烹饪图像;
矫正模块,根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正。
实施例三
本发明实施例基于连续视频图像序列进行运动估计,再进一步进行矫正和补偿来进行稳定图像;
由于视频抖动对油烟机的智能烟雾识别产生直接的影响,烟雾识别在一定程度上是基于连续帧间的差异来进行烟雾量化工作。当连续帧出现不同程度的偏移,将会导致烟雾值量化偏高或者偏低,从而进一步影响产品的使用效果。
如图3所示,此时油烟机的摄像头出现两个方向的偏移,片左上方的图像为第一帧检测到的烟雾集中位置,偏右下的为第二帧上检测的烟雾集中位置,由于是连续帧的烹饪图像,间隔时间很短,烟雾的扩展可以忽略不计,实际烟雾变化量接近于零。但由于摄像头随着油烟机抖动,导致连续帧存在偏移现象,导致图像呈现出图3的趋势,从而按照一般烟雾识别算法的计算逻辑,计算得到此两帧的烟雾变化量较大,和实际的变化量对比,存在很大的误差。鉴于此影响,本发明实施例需要确定偏移矢量、同时将其与烟机档位等因素建立关联。
本方案主要是基于算法来完成电子稳像,主要是基于连续两帧图像,通过提取特征信息来完成匹配,计算出相对运动矢量(即偏移矢量),然后进一步来统计运动矢量的规律以及对图像进行矫正工作。由于场景相对固定,主要采用局部区域提取特征来完成稳像算法逻辑。
本发明实施例,基于实际厨房场景进行图像矫正,由于油烟机安装后,摄像头视野内存在一些相对明显的参照物,本发明实施例合理组合使用参照物的特征信息。
如图4所示,方案采用如下流程进行处理:
步骤1.油烟机启动,同步摄像头开始连续的进行图像采集;
步骤2.对系统进行确认,判断是否是首次启动,如是首次启动,则按照步骤3-顺序进行;反之,直接进行步骤7;
步骤3.对采集的图像均进行灶台特征采集,具体特征包括:
(1)灶台轮廓特征;
(2)灶眼特征;
(3)锅具外轮廓特征;
(4)旋钮开关特征;
(5)组合特征。
对于上述特征将详细描述提取的特征信息,特征信息在图5中相应标示。
对于(1)灶台轮廓特征:
灶台可提取特征包含两种:
1)如图5所示的灶台上下边缘的部分边缘信息(会有部分遮挡的风险);
2)检测出灶台区域(即确定了灶台上下边缘),整个灶台区域进行灰度信息统计,使其形成一个模板;
对于(2)灶眼特征:
主要是基于边缘信息生成关键特征点,即多个环形特征点,需要忽略多余的噪声点以及比较细节的特征,由于不同款式的灶具的灶头会有所差异;
对于(3)锅具外轮廓特征:
此特征正常在两个灶头都被占用的情形下使用。其特征主要是锅具的外轮廓量化的边缘特征点。
对于(4)旋钮开关特征:
此特征将根据其先验知识进行定位,得到一个类似圆形的一个小区域,该区域可以量化出两组特征,
区域的疑似圆形边缘信息;
区域包含的灰度信息形成的模板图像。
对于(5)组合特征:
组合特征是指上述四个特征都存在一定程度的不可信情形下,将筛选其中可信度更高的两个或者更多,进行组合使用,比如锅具盖住了所有的灶眼,可以提取到灶台特征信息,但评估有效性时,得分过低,需要进一步提取锅具特征,而此时锅具上有人在炒菜,得到的特征信息可信度不高,将继续提取旋钮特征,从而形成一个组合特征序列,用于后续的匹配操作。
以上五种特征,并非全程提取所有特征进行比对校验工作,将根据实际采集过程中出现的情况,进行动态调节提取情况,具体的提取流程以及逻辑如图6所示:
(1)对采集来的图像进行灶台轮廓特征提取;
(2)对(1)特征进行校验,如特征有效(如只能检测到上边缘,找不到下边缘,则认为可信度50%;如可检测到上下边缘的部分轮廓,即有其他物体遮挡了部分的边缘,则可信度75%;如检测不到上下边缘,则该特征无效;对于无效或可信度小于等于50%,则需要对其他特征进行提取),则跳出特征提取流程,反之继续;
(3)进行灶眼检测;
(4)对(3)特征进行校验,如特征有效(灶眼特征的有效性主要有:1.两个灶眼均被遮挡,特征提取不到,无效处理;2.可提取到一个完整灶眼(可以定位灶眼的几个共性特征,大圆形嵌套几个小圆形的边缘特征),可信度95%;3.可提取两个灶眼,可能会出现特征后期不完整,即不可能烟机工作,无锅具情形,可信度仍然是95%;),则跳出特征提取流程,反之继续;
(5)进行锅具特征提取;
(6)对(5)特征进行校验,如特征有效(锅具特征主要分:1.完整锅具轮廓,可信度100%;2.有手、锅铲等遮挡部分边缘信息,可信度85%;),则跳出特征提取流程,反之继续;
(7)进行旋钮开关特征提取;
(8)对(7)特征进行校验,如特征有效(旋钮特征,主要是1.可检测到一个旋钮,可信度50%;2.可检测到两个旋钮,可信度100%;3.均被遮挡,无效处理),则跳出特征提取流程,对特征进行存储处理;
(9)如到此步均出现特征提取异常,说明采集的图像存在一定的问题,发出异常信号,提示用户擦拭摄像头等操作。
步骤4.根据步骤2对连续采集的图像进行特征匹配,并计算抖动的偏移矢量。
由于特征会有两种形式,特征匹配将会以两种形式在流程中被调用:
(1)一种是以局部区域的模板为特征,此类型主要以模板匹配形式进行。
本发明实施例不会对整图进行遍历匹配处理,经过测试,油烟机上摄像头抖动的幅度不大,只会在局部区域来回的振动,从而模板匹配如图7所示。
以模板为中心,水平方向搜索范围w,垂直方向搜索范围h,w、h的取值范围为模板的实际宽度及高度的1/4;
(2)另一种是以相关边缘信息量化出来的特征点,主要以特征点序列匹配为主。
此模式中,模板数据是特种点,主要对形状以及位置进行匹配。
特征匹配输出的是当前图像上对应对比图像的相关特征的位置信息{pos1,pos2,...,posn},设定比对的那张的相关特征为{oldpos1,oldpos2,...,oldposn},则两者的差值就是对应的偏移矢量:
λ={spos1,spos2,...,sposn}
={pos1-oldpos1,pos2-oldpos2,...,posn-oldposn}
模板匹配可以实现一对一的匹配成功,而特征点匹配会出现一定程度的偏差,即会出现部分特征点误匹配或者未匹配。此处将需要对其进行筛选,并去除。
对于计算出的偏移矢量,有三种处理方案。
(1)根据偏移矢量信息,对原图进行矫正,使其与前一副图像处于相同位置;
(2)根据偏移矢量信息来统计不同档位的抖动频率,从而有效的进行筛选图像,使得筛选的图像有效且均不存在偏移现象。
(3)1和2的结合,由于首次启动没有经验数据,需要同时经历校正和统计分析过程。
步骤5.根据偏移矢量对图像进行矫正处理。
对图像的校正过程:由于移动主要是平面型的移动,如上下振动,导致的成像大小存在偏差,则将其局部缩放到统一的尺寸,并对齐;如左右振动,产生了水平方向的位置,则对图像进行移动,使其起始点位置对应。
步骤6.对图像的偏移矢量进行分析,得到相应的抖动频率特性,再进行筛选图像。
此步骤主要是进行前面的偏移矢量的存储,将油烟机的档位信息和偏移矢量进行一一对应的存储,再对应次关机指令下达时,分析此次的数据信息,可得到一个周期性的曲线图像。
根据获取的偏移矢量按照原采集顺序进行分类,按不同档位进行分类,但需要保持原有的顺序信息;分成如下数据:
1档:{{npos11,npos12,...,npos1n}11,{npos21,npos22,...,npos2n}12,
...{npos11,npos12,...,npos1n}1n}
2档:{{npos11,npos12,...,npos1n}21,{npos21,npos22,...,npos2n}22,
...{npos11,npos12,...,npos1n}2n}
…
对于每一个档位的数据进行分析,统计其偏移矢量回到原点(参考帧,即大小接近0)的位置,并计算出现的频率情况,如每500毫秒回到原点。
然后剔去数据中回到原点的所有矢量数据,计算剩余的偏移矢量的幅度值的均值,得到当前档位的平均抖动矢量信息,用于后续的验证和使用。
步骤7.调用系统存储的参数数据,同时与烟机设备通讯,获取档位信息,直接按照档位在参数中查询到此档位的抖动频率,进行图像筛选。
得到的平均抖动矢量信息,并非在设备启动第二次就直接使用,而是同步会进行相应的比对验证操作,进行N次比对验证,如过程中会出现一些幅度的误差,将对平均抖动矢量进行修正,当N次验证完成,且误差在允许范围内后,将直接启动调用参数信息。
同时,还需要定期对平均抖动矢量进行修正处理,如半个月到一个月,对参数进行修正处理。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (8)
1.一种油烟机烟雾检测的矫正方法,所述油烟机设置有图像采集装置,用于获取烹饪区域内的图像序列,所述方法包括:
提取所述图像序列中的烹饪图像,所述烹饪图像用于对相应的烟雾信息进行确定;
获取油烟机抖动幅度信息,根据所述抖动幅度信息确定目标图像的偏移矢量,所述目标图像至少包含部分的所述烹饪图像;
根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正;
其中,所述方法还包括:
获取油烟机抖动频率信息;
根据所述抖动频率信息和所述抖动幅度信息,从所述图像序列中筛选与抖动原点的烹饪图像相邻的一帧或者多帧烹饪图像或者部分的所述烹饪图像;
将与抖动原点的烹饪图像相邻的一帧或者多帧烹饪图像或者部分的所述烹饪图像作为目标图像,所述抖动原点的烹饪图像偏移矢量为零的烹饪图像;
其中,获取油烟机抖动幅度信息和抖动频率信息包括:
根据所述油烟机档位、抖动幅度信息以及抖动频率信息的关系确定油烟机抖动幅度信息和抖动频率信息。
2.根据权利要求1所述的方法,其特征在于,将偏移矢量小于预设偏移阈值的烹饪图像或者部分的所述烹饪图像作为目标图像。
3.根据权利要求1所述的方法,其特征在于,根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正包括:
采集目标图像的特征获得对应的灶台特征信息;
对相邻的两帧所述目标图像的灶台特征信息进行特征匹配,获得相邻的两帧所述目标图像的偏移矢量;
按照所述偏移矢量的相反方向移动,矫正所述目标图像对应的烹饪图像。
4.根据权利要求1所述的方法,其特征在于,油烟机档位、抖动幅度信息以及抖动频率信息的关系的确定方式包括:
对每个油烟机档位下的目标图像进行特征采集获得灶台特征信息;
对所述档位的连续采集的目标图像的灶台特征信息进行特征匹配,统计所述档位的抖动的偏移矢量;
根据所述偏移矢量的统计结果确定所述档位对应的抖动幅度信息和抖动频率信息。
5.根据权利要求3所述的方法,其特征在于,按照所述偏移矢量的相反方向移动,矫正所述目标图像对应的烹饪图像包括:
将所述图像序列中的烹饪图像缩放到统一的尺寸,并对齐;
按照对应的偏移矢量的相反方向移动所述烹饪图像,对起始点位置对应烹饪图像采用帧间差分的方式确定相应的烟雾信息。
6.根据权利要求3或4所述的方法,其特征在于,对灶台特征信息进行特征匹配包括:
以预设图像模板为中心向水平方向和垂直方向搜索与所述预设图像模板相同的灶台特征信息,并确定当前图像信息与预设图像模板的偏移矢量;或者,
提取当前图像信息的所述灶台特征信息的边缘信息,确定所述边缘信息与预设图像模板的偏移矢量。
7.根据权利要求6所述的方法,其特征在于,水平方向搜索范围w,垂直方向搜索范围h;w、h的取值范围分别为模板的实际宽度和高度的1/4。
8.一种油烟机,其特征在于,包括:图像采集装置和控制线路板,
所述图像采集装置,设置为获取烹饪区域内的图像序列;
所述控制线路板设置有:
筛选模块,提取所述图像序列中的烹饪图像,所述烹饪图像用于对相应的烟雾信息进行确定;
偏移模块,获取油烟机抖动幅度信息,根据所述抖动幅度信息确定目标图像的偏移矢量,所述目标图像至少包含部分的所述烹饪图像;
矫正模块,根据所述偏移矢量对烹饪图像相对应的烟雾信息进行矫正;
其中,所述油烟机还用于:
获取油烟机抖动频率信息;
根据所述抖动频率信息和所述抖动幅度信息,从所述图像序列中筛选与抖动原点的烹饪图像相邻的一帧或者多帧烹饪图像或者部分的所述烹饪图像;
将与抖动原点的烹饪图像相邻的一帧或者多帧烹饪图像或者部分的所述烹饪图像作为目标图像,所述抖动原点的烹饪图像偏移矢量为零的烹饪图像;
其中,获取油烟机抖动幅度信息和抖动频率信息包括:
根据所述油烟机档位、抖动幅度信息以及抖动频率信息的关系确定油烟机抖动幅度信息和抖动频率信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733517.4A CN110529896B (zh) | 2019-08-09 | 2019-08-09 | 一种油烟机烟雾检测的矫正方法和油烟机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733517.4A CN110529896B (zh) | 2019-08-09 | 2019-08-09 | 一种油烟机烟雾检测的矫正方法和油烟机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110529896A CN110529896A (zh) | 2019-12-03 |
CN110529896B true CN110529896B (zh) | 2021-09-07 |
Family
ID=68662405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910733517.4A Active CN110529896B (zh) | 2019-08-09 | 2019-08-09 | 一种油烟机烟雾检测的矫正方法和油烟机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110529896B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112228928B (zh) * | 2020-09-04 | 2021-12-24 | 宁波方太厨具有限公司 | 一种吸油烟机运行控制方法及吸油烟机 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050090781A (ko) * | 2004-03-10 | 2005-09-14 | 삼성전자주식회사 | 영상촬영장치의 전면 케이스 |
CN100389601C (zh) * | 2005-10-09 | 2008-05-21 | 北京中星微电子有限公司 | 一种视频电子防抖的装置 |
CN103957351B (zh) * | 2014-04-21 | 2017-12-15 | 深圳市视晶无线技术有限公司 | 一种三维摄像系统及其图像去抖处理方法 |
CN105872370B (zh) * | 2016-03-31 | 2019-01-15 | 深圳力维智联技术有限公司 | 视频去抖动方法和装置 |
CN108111760B (zh) * | 2017-12-26 | 2019-09-10 | 北京理工大学 | 一种电子稳像方法及系统 |
CN108548199B (zh) * | 2018-03-08 | 2019-12-03 | 佛山市云米电器科技有限公司 | 一种智能抽油烟机风速调级方法及装置 |
CN108805832B (zh) * | 2018-05-29 | 2022-02-08 | 重庆大学 | 适于隧道环境特性的改进灰度投影稳像方法 |
-
2019
- 2019-08-09 CN CN201910733517.4A patent/CN110529896B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110529896A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9686505B2 (en) | Method for flicker detection and associated circuit | |
CN110889801B (zh) | 一种烟灶系统的摄像头去污优化方法以及烟灶系统 | |
CN101087366B (zh) | 影像信号处理方法及影像信号处理装置 | |
KR100557660B1 (ko) | 영상 신호에서의 플리커 검출 방법 | |
US20150279021A1 (en) | Video object tracking in traffic monitoring | |
JP2004260574A (ja) | フリッカ検出方法およびフリッカ検出装置 | |
CN102236784A (zh) | 屏幕区域检测方法及系统 | |
US9904853B2 (en) | Monitoring camera device and related region-based motion detection method | |
EP1998187B1 (en) | Distance measuring apparatus | |
CN110529896B (zh) | 一种油烟机烟雾检测的矫正方法和油烟机 | |
CN101980521A (zh) | 一种图像锐化方法以及相关装置 | |
CN105740874B (zh) | 确定自动化测试脚本回放时的操作坐标的方法及装置 | |
CN111126147B (zh) | 图像处理方法、装置和电子系统 | |
US9131126B2 (en) | Repairing scratch impairments to an image | |
US20200145572A1 (en) | Stereoscopic apparatus and a method for determining exposure time | |
JPH09510329A (ja) | ビデオ信号処理 | |
CN110853077A (zh) | 一种基于形态变化估计的自适应红外动态帧特征提取方法 | |
JP5841345B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び、撮像装置 | |
CN109377475A (zh) | 24色卡视频关键帧自动定位与色差时序变化分析方法 | |
JP2018026018A (ja) | 歩容解析装置 | |
CN110334606A (zh) | 画中画定位方法及装置 | |
JP2006302115A (ja) | 物体検出方法および物体検出装置 | |
CN113409345A (zh) | 用于识别镜头脏污的方法、处理器及家用电器 | |
JP2005149266A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
US7451931B2 (en) | Detecting barcodes on two-dimensional images using frequency domain data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |