CN110572636B - 摄像头脏污检测方法、装置、存储介质及电子设备 - Google Patents

摄像头脏污检测方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN110572636B
CN110572636B CN201910720195.XA CN201910720195A CN110572636B CN 110572636 B CN110572636 B CN 110572636B CN 201910720195 A CN201910720195 A CN 201910720195A CN 110572636 B CN110572636 B CN 110572636B
Authority
CN
China
Prior art keywords
camera
image
data sequence
characteristic quantity
correlation
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
Application number
CN201910720195.XA
Other languages
English (en)
Other versions
CN110572636A (zh
Inventor
姚坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Realme Chongqing Mobile Communications Co Ltd
Original Assignee
Realme Chongqing Mobile Communications Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Realme Chongqing Mobile Communications Co Ltd filed Critical Realme Chongqing Mobile Communications Co Ltd
Priority to CN201910720195.XA priority Critical patent/CN110572636B/zh
Publication of CN110572636A publication Critical patent/CN110572636A/zh
Application granted granted Critical
Publication of CN110572636B publication Critical patent/CN110572636B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Abstract

本申请实施例提供一种摄像头脏污检测方法、装置、存储介质及电子设备，所述摄像头脏污检测方法包括：获取摄像头拍摄的至少两个图像；依次将每一所述图像转换为一维数据序列；将至少两个所述一维数据序列进行卷积运算，以得到脏污检测标志特征量；判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素；若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。所述摄像头脏污检测方法中，电子设备可以通过摄像头在不同场景中拍摄的图像来检测摄像头是否出现脏污，从而无需人为干预，也无需用户人为地对摄像头的脏污情况进行检测，可以实现智能化地实时检测摄像头的脏污情况。

Description

摄像头脏污检测方法、装置、存储介质及电子设备
技术领域
本申请涉及电子技术领域，特别涉及一种摄像头脏污检测方法、装置、存储介质及电子设备。
背景技术
随着电子技术的发展，诸如智能手机等电子设备的功能越来越丰富。其中，拍照功能已经成为电子设备中最常用的功能之一。
电子设备中通常设置有一个或多个摄像头，例如前置摄像头、后置摄像头、后置双摄像头、甚至后置四摄像头，等等。在用户使用电子设备的过程中，摄像头可能会出现脏污的情况。例如，摄像头上可能会附着有水滴、灰尘、污渍等等。而摄像头出现脏污时，用户难以及时发现，从而影响拍摄的照片的质量。
发明内容
本申请实施例提供一种摄像头脏污检测方法、装置、存储介质及电子设备，可以智能化地实时检测摄像头的脏污情况。
本申请实施例提供一种摄像头脏污检测方法，包括：
获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像；
依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性；
将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素；
若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。
本申请实施例还提供一种摄像头脏污检测装置，包括：
获取模块，用于获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像；
图像转换模块，用于依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性；
运算模块，用于将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
检测模块，用于判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素，若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。
本申请实施例还提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述摄像头脏污检测方法。
本申请实施例还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述摄像头脏污检测方法。
本申请实施例提供的摄像头脏污检测方法中，电子设备可以通过摄像头在不同场景中拍摄的图像对应的一维数据序列进行卷积运算，并根据卷积运算得到的脏污检测标志特征量来检测摄像头是否出现脏污，从而无需人为干预，也无需用户人为地对摄像头的脏污情况进行检测，可以实现智能化地实时检测摄像头的脏污情况。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的摄像头脏污检测方法的应用场景示意图。
图2为本申请实施例提供的摄像头脏污检测方法的流程示意图。
图3为本申请实施例提供的摄像头脏污检测方法的另一流程示意图。
图4为本申请实施例提供的摄像头脏污检测方法中的图像转换示意图。
图5为本申请实施例提供的摄像头脏污检测方法中的Z字形扫描示意图。
图6为本申请实施例提供的摄像头脏污检测装置的结构示意图。
图7为本申请实施例提供的电子设备的结构示意图。
图8为本申请实施例提供的电子设备的另一结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请的保护范围。
参考图1，图1为本申请实施例提供的摄像头脏污检测方法的应用场景示意图。
用户在使用电子设备的过程中，会经常通过电子设备的摄像头拍照，从而拍照的场景会有很多个。例如，家里、公司、各个旅游景点、动物、植物、建筑物等等，都可以成为拍照场景。
本申请实施例提供的摄像头脏污检测方法中，首先获取摄像头在不同场景中拍摄的图像，例如获取第一场景的图像和第二场景的图像。随后，将第一场景的图像对应的数据与第二场景的图像对应的数据进行卷积运算，以得到摄像头的脏污检测标志特征量。所述脏污检测标志特征量即可表示摄像头的脏污程度。随后，将所述脏污检测标志特征量与预设阈值之间进行阈值判断，以得到摄像头的脏污检测结果。
本申请实施例提供的摄像头脏污检测方法，无需用户进行人为干预，在用户使用电子设备的整个过程中，可以智能化地自动进行摄像头的脏污检测。因此，当摄像头出现脏污时，可以及时检测到摄像头的脏污情况，并对用户进行提醒，使用户及时对摄像头进行清洁，从而保证拍摄的照片的质量。
本申请实施例提供的摄像头脏污检测方法可以应用于电子设备中。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(Augmented Reality，增强现实)设备、汽车、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子头盔、电子衣物等设备。
参考图2，图2为本申请实施例提供的摄像头脏污检测方法的流程示意图。其中，所述摄像头脏污检测方法包括以下步骤：
110，获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像。
首先，电子设备可以获取摄像头拍摄的至少两个图像。其中，每一所述图像均为不同场景中拍摄的图像。例如，其中一个图像可以为在海边拍摄的图像，另一个图像可以为在公园拍摄的图像。
可以理解的，在同一场景中拍摄的多个图像之间的相似度比较高。例如，在同一个海边场景中拍摄的两个图像，两个图像之间的相似度比较高。而在不同场景中拍摄的多个图像，图像之间的相似度比较低。例如，在海边拍摄的图像与在公园拍摄的图像，两个图像之间的相似度比较低，或者可以认为两个图像之间几乎没有相似性。
需要说明的是，所述至少两个图像可以在摄像头拍摄完成并存储在电子设备中之后，由电子设备在同一时刻获取。所述至少两个图像也可以由电子设备在不同的时刻获取。例如，电子设备可以对摄像头拍摄的场景进行智能识别，每当摄像头完成一个场景中的拍摄后，电子设备即可从所述场景中拍摄的多个图像中获取一个图像，作为所述场景的图像。
举例而言，在用户的旅游途中，当用户在公园入口处拍摄多个图像后，电子设备可以从中获取一个图像作为公园入口的图像；随后，当用户在公园内的湖边拍摄多个图像后，电子设备可以从中获取一个图像作为公园湖边的图像；随后，当用户在公园内的山上拍摄多个图像后，电子设备可以从中获取一个图像作为公园山上的图像。
120，依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性。
需要说明的是，本申请实施例中，电子设备是通过拍摄的不同场景的多个图像的每一像素点的相似性来实现检测摄像头的脏污的。而不管在哪个场景中拍摄的图像，图像自身的像素点之间是具有一定关联性的。图像自身的像素点之间的关联性具体表现在：每一个像素点的像素值总是与其周围像素点的像素值大致相似，或者理解为变化不大，从而每一个像素点与其周围像素点之间是具有相似性的。
因此，为了去除每一所述图像中的像素点之间的相关性，可以依次将每一所述图像转换为一维数据序列。其中，一维数据序列即为通过依次间隔的多个数据元素来表示图像特征的数据序列。一维数据序列中的每一个数据元素即可表示图像中的一个像素点的像素值。例如，所述一维数据序列可以为以下数据序列：(122，58，190，......，77，251，15)。
可以理解的，摄像头拍摄的图像中，每一个像素点与其周围的多个像素点相邻，从而每一像素点与其周围多个像素点之间具有较强的相关性，而一维数据序列中，由于每一个数据元素只与其左右两个数据元素相邻，与其左右两个数据元素之外的其它数据元素都不相邻，也即每一个数据元素与其左右两个数据元素之外的其它数据元素之间都不具有相关性，因此可以大大降低每一数据元素与其它数据元素之间的相关性，或者可以理解为去除了每一数据元素与其它数据元素之间的相关性。因此，将图像转换为一维数据序列后，即可认为去除了所述图像中的像素点之间的相关性。
130，将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量。
电子设备将所述至少两个图像中的每一图像均转换为一维数据序列后，可以将转换得到的至少两个一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量。
其中，所述脏污检测标志特征量即为所述卷积运算的运算结果。所述脏污检测标志特征量也为一维数据序列，所述脏污检测标志特征量中也包括多个数据元素。其中，所述脏污检测标志特征量中的每一个数据元素表示所述至少两个图像中对应位置的像素点之间的相关性。数据元素的值越大，表示所述至少两个图像中对应位置的像素点之间的相关性越高；数据元素的值越小，表示所述至少两个图像中对应位置的像素点之间的相关性越低；当数据元素的值为0时，表示所述至少两个图像中对应位置的像素点之间不具有相关性。
可以理解的，从理论上来讲，在不同场景中拍摄的图像，两个图像中对应位置的像素点之间是不具有相关性的。因此，当摄像头未出现脏污时，摄像头不会对拍摄的图像中的像素点的像素值造成影响，此时所述脏污检测标志特征量应该为以下数据序列或者趋近于以下数据序列：(0，0，0，......，0，0，0)。也即，所述脏污检测标志特征量中，每一个数据元素的值均为0或者趋近于0。
此外，还可以理解的，当摄像头出现脏污时，摄像头上的脏污点会对拍摄的图像中对应位置的像素点的像素值造成影响，使得所述像素点的像素值无法呈现出所拍摄对象应有的像素值，而是呈现出所述脏污点的像素值。因此，在不同场景中拍摄的图像，两个图像中对应于摄像头的脏污点的位置处的像素值是相似的，从而两个图像中本来不应该具有相关性的像素点之间表现出了相关性。此时，所述脏污检测标志特征量中用于表示两个图像中位于摄像头脏污点处的像素值之间相关性的数据元素的值不为0，并且会显著增大。
140，判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素。
电子设备中可以预先设置一个预设阈值。所述预设阈值表示摄像头出现了脏污时，所述脏污检测标志特征量中用于表示摄像头脏污点处的像素值之间相关性的数据元素的最小值。所述预设阈值可以根据经验设定，或者也可以根据实验测得的数据来设定。例如，所述预设阈值可以为80。
电子设备通过卷积运算得到脏污检测标志特征量后，即可将所述脏污检测标志特征量中的每一个数据元素与所述预设阈值进行比较，以判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素。
若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，表示摄像头出现了脏污，随后执行步骤150。若所述脏污检测标志特征量中不存在大于所述预设阈值的数据元素，表示摄像头未出现脏污，此时电子设备可以终止流程并再次进行摄像头脏污检测，或者间隔一段时间后再次进行检测。
可以理解的，摄像头出现脏污，表示摄像头已经出现了脏污并且脏污程度足以对所拍摄的图像的质量造成影响。摄像头未出现脏污，表示摄像头未出现任何程度的脏污；或者摄像头已经出现了脏污但是脏污程度较轻而不足以对所拍摄的图像的质量造成影响，此时也可以认为摄像头未出现脏污。
150，若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。
若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则电子设备确定为所述摄像头出现脏污。此时，电子设备可以对用户进行提醒，以提醒用户对所述摄像头进行清洁。提醒的方式可以有多种，例如可以通过在显示屏上显示信息进行提醒，可以播放预设音频以产生声音信号进行提醒，还可以通过诸如发光二极管等发光器件来发光进行提醒，或者还可以控制电子设备产生振动以进行提醒，等等。
本申请实施例提供的摄像头脏污检测方法中，电子设备可以通过摄像头在不同场景中拍摄的图像对应的一维数据序列进行卷积运算，并根据卷积运算得到的脏污检测标志特征量来检测摄像头是否出现脏污，从而无需人为干预，也无需用户人为地对摄像头的脏污情况进行检测，可以实现智能化地实时检测摄像头的脏污情况。
参考图3，图3为本申请实施例提供的摄像头脏污检测方法的另一流程示意图。可以理解的，电子设备依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性时，可以通过以下步骤进行，也即步骤120可以包括以下步骤：
121，依次将每一所述图像转换为灰度图；
122，依次对每一所述灰度图进行Z字形扫描，以得到每一所述灰度图对应的一维数据序列，以去除每一所述图像中的像素点之间的相关性。
其中，同时参考图4，图4为本申请实施例提供的摄像头脏污检测方法中的图像转换示意图。电子设备获取到摄像头拍摄的原始图像后，可以进行灰度图转换，依次将每一所述图像转换为灰度图。其中，灰度图中通过每一个数值来表示对应位置像素点的像素值。像素值的数值范围为0～255，0表示黑色，255表示白色。其中，灰度图也可以理解为一个矩阵。
随后，电子设备可以对灰度图进行一维数据序列转换，将灰度图转换为一维数据序列。其中，电子设备可以采取Z字形扫描的方式，依次对得到的每一灰度图进行Z字形扫描，以得到每一所述灰度图对应的一维数据序列，以去除每一所述图像中的像素点之间的相关性。例如，扫描后得到的一维数据序列可以为：(60，50，50，62，......，221，230，110，255)。
需要说明的是，电子设备也可以在将原始图像转换为灰度图后，对灰度图进行归一化处理，将每一个像素值映射到-127～127范围内的整数值，以得到标准的灰度图，随后再对标准的灰度图进行一维数据序列转换，以得到一维数据序列。
同时参考图5，图5为本申请实施例提供的摄像头脏污检测方法中的Z字形扫描示意图。其中，Z字形扫描即为电子设备在对灰度图进行扫描的过程中，每完成几个像素点的扫描后即改变一次扫描方向，扫描路径呈Z字形，直至完成所有像素点扫描的扫描方式。
举例而言，对于4*4的矩阵，电子设备可以先向右扫描2个像素点，再向左下扫描1个像素点，再向下扫描1个像素点，再向右上扫描2个像素点，再向右扫描1个像素点，再向左下扫描3个像素点，再向右扫描1个像素点，再向右上扫描2个像素点，再向下扫描1个像素点，再向左下扫描1个像素点，最后向右扫描1个像素点，完成全部16个像素点的扫描。
需要说明的是，图5所示Z字形扫描方式仅仅是一种示例，实际应用中的扫描方式与图5所示相似，但不必完全相同，本申请对Z字形扫描的具体扫描方式不进行限定。
可以理解的，电子设备获取的所述图像的数量可以为至少三个，至少三个所述图像转换得到的所述一维数据序列为至少三个。例如，所述图像的数量可以为3个、4个、5个、100个，等等。
其中，继续参考图3，步骤130、将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量，包括以下步骤：
131，将两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
132，依次将所述两个一维数据序列之外的一个一维数据序列与所述脏污检测标志特征量进行卷积运算，以得到新的互相关数据序列，并根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新。
电子设备可以首先将两个一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量。也即，首先根据两个一维数据序列的卷积运算结果得到脏污检测标志特征量。
随后，电子设备依次将所述两个一维数据序列之外的一个一维数据序列与所述脏污检测标志特征量进行卷积运算，以得到新的互相关数据序列，并根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新。
例如，电子设备获取到摄像头依次在四个不同场景中拍摄的四个图像A、B、C、D，将每一图像转换为一维数据序列后得到a、b、c、d四个一维数据序列。随后，电子设备可以首先将一维数据序列a、b进行卷积运算，得到a与b的互相关数据序列P1，并将互相关数据序列P1确定为脏污检测标志特征量Q1。随后，将一维数据序列c与脏污检测标志特征量Q1进行卷积运算，得到新的互相关数据序列P2，并根据P2对脏污检测标志特征量Q1进行更新，得到更新后的脏污检测标志特征量Q2。随后，将一维数据序列d与脏污检测标志特征量Q2进行卷积运算，得到新的互相关数据序列P3，并根据P3对脏污检测标志特征量Q2进行更新，得到更新后的脏污检测标志特征量Q3。其中，最新得到的脏污检测标志特征量Q3即为进行阈值判断时候的脏污检测标志特征量。
在一些实施例中，电子设备根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新时，可以通过以下步骤进行：
计算所述新的互相关数据序列与所述脏污检测标志特征量的平均数据序列；
将所述平均数据序列确定为更新后的脏污检测标志特征量。
其中，电子设备通过卷积运算得到新的互相关数据序列后，可以计算所述新的互相关数据序列与脏污检测标志特征量的平均数据序列，并将所述平均数据序列确定为更新后的脏污检测标志特征量。
例如，电子设备中首先确定的脏污检测标志特征量为Q1，随后通过卷积运算得到新的互相关数据序列P2后，可以计算P2与Q1的平均数据序列，并将计算得到的平均数据序列确定为更新后的脏污检测标志特征量Q2。随后，继续通过卷积运算得到新的互相关数据序列P3后，可以计算P3与Q2的平均数据序列，并将计算得到的平均数据序列确定为更新后的脏污检测标志特征量Q3。从而，在电子设备的使用过程中，可以实现对脏污检测标志特征量的持续更新。
可以理解的，摄像头拍摄的图像越新时，也即图像的拍摄时间距离当前时间越短时，图像越能够反映出摄像头的脏污情况。因此，电子设备中可以预先设置脏污检测标志特征量对应的第一权重k1和新的互相关数据序列对应的第二权重k2，并且所述第一权重k1小于所述第二权重k2。例如，k1可以为0.4，k2可以为0.6。
在电子设备对脏污检测标志特征量进行更新的过程中，首先获取所述第一权重k1和所述第二权重k2，通过脏污检测标志特征量、新的互相关数据序列、第一权重k1、第二权重k2对脏污检测标志特征量进行更新，以计算得到新的脏污检测标志特征量。
例如，电子设备中首先确定的脏污检测标志特征量为Q1，随后通过卷积运算得到新的互相关数据序列P2后，可以计算新的脏污检测标志特征量Q2＝k1*Q1+k2*P2。随后，继续通过卷积运算得到新的互相关数据序列P3后，可以计算新的脏污检测标志特征量Q3＝k1*Q2+k2*P3。
可以理解的，电子设备判断出摄像头出现脏污后，还可以对脏污区域进行定位，并提醒用户摄像头的哪个区域出现了脏污，以便于用户对摄像头的脏污区域进行清洁。
因此，步骤150、若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污之后，还可以包括以下步骤：
161，对所述脏污检测标志特征量进行逆向转换，以得到所述脏污检测标志特征量对应的矩阵图像；
162，确定所述脏污检测标志特征量中大于所述预设阈值的数据元素在所述矩阵图像中所处的像素点区域；
163，将所述像素点区域确定为所述摄像头的脏污区域。
其中，由于脏污检测标志特征量为一维数据序列，而一维数据序列可以理解为是对矩阵的每一个数值进行扫描得到的，因此电子设备可以对所述脏污检测标志特征量进行逆向转换，以得到所述脏污检测标志特征量对应的矩阵图像。
其中，所述逆向转换为与电子设备根据摄像头拍摄的图像进行一维数据序列转换而得到一维数据序列相反的扫描方式。例如，电子设备对灰度图进行Z字形扫描而得到灰度图对应的一维数据序列时，那么电子设备可以对所述脏污检测标志特征量进行反Z字形扫描，以得到所述脏污检测标志特征量对应的矩阵图像。其中，反Z字形扫描即为与Z字形扫描的扫描路径相反的扫描方式。
随后，电子设备确定所述脏污检测标志特征量中大于所述预设阈值的数据元素在所述矩阵图像中所处的像素点区域，并将所述像素点区域确定为所述摄像头的脏污区域。
举例而言，若电子设备得到的脏污检测标志特征量为(0，0，0，......，0，0，105，120，90，150，0，0，......，0，0，0)，则其中的数据元素105、120、90、150即为所述脏污检测标志特征量中大于所述预设阈值的数据元素。电子设备根据逆向转换得到的矩阵图像，确定所述数据元素105、120、90、150在所述矩阵图像中所处的像素点区域，随后即可将确定的像素点区域确定为摄像头的脏污区域。
具体实施时，本申请不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。
由上可知，本申请实施例提供的摄像头脏污检测方法，包括：获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像；依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性；将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素；若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。所述摄像头脏污检测方法中，电子设备可以通过摄像头在不同场景中拍摄的图像对应的一维数据序列进行卷积运算，并根据卷积运算得到的脏污检测标志特征量来检测摄像头是否出现脏污，从而无需人为干预，也无需用户人为地对摄像头的脏污情况进行检测，可以实现智能化地实时检测摄像头的脏污情况。
本申请实施例还提供一种摄像头脏污检测装置，所述摄像头脏污检测装置可以集成在电子设备中。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(AugmentedReality，增强现实)设备、汽车、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子头盔、电子衣物等设备。
参考图6，图6为本申请实施例提供的摄像头脏污检测装置的结构示意图。其中，所述摄像头脏污检测装置200包括：获取模块201、图像转换模块202、运算模块203、检测模块204。
获取模块201，用于获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像。
其中，获取模块201可以获取摄像头拍摄的至少两个图像。其中，每一所述图像均为不同场景中拍摄的图像。例如，其中一个图像可以为在海边拍摄的图像，另一个图像可以为在公园拍摄的图像。
可以理解的，在同一场景中拍摄的多个图像之间的相似度比较高。例如，在同一个海边场景中拍摄的两个图像，两个图像之间的相似度比较高。而在不同场景中拍摄的多个图像，图像之间的相似度比较低。例如，在海边拍摄的图像与在公园拍摄的图像，两个图像之间的相似度比较低，或者可以认为两个图像之间几乎没有相似性。
需要说明的是，所述至少两个图像可以在摄像头拍摄完成并存储在电子设备中之后，由获取模块201在同一时刻获取。所述至少两个图像也可以由获取模块201在不同的时刻获取。例如，电子设备可以对摄像头拍摄的场景进行智能识别，每当摄像头完成一个场景中的拍摄后，获取模块201即可从所述场景中拍摄的多个图像中获取一个图像，作为所述场景的图像。
举例而言，在用户的旅游途中，当用户在公园入口处拍摄多个图像后，获取模块201可以从中获取一个图像作为公园入口的图像；随后，当用户在公园内的湖边拍摄多个图像后，获取模块201可以从中获取一个图像作为公园湖边的图像；随后，当用户在公园内的山上拍摄多个图像后，获取模块201可以从中获取一个图像作为公园山上的图像。
图像转换模块202，用于依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性。
需要说明的是，本申请实施例中，电子设备是通过拍摄的不同场景的多个图像的每一像素点的相似性来实现检测摄像头的脏污的。而不管在哪个场景中拍摄的图像，图像自身的像素点之间是具有一定关联性的。图像自身的像素点之间的关联性具体表现在：每一个像素点的像素值总是与其周围像素点的像素值大致相似，或者理解为变化不大，从而每一个像素点与其周围像素点之间是具有相似性的。
因此，为了去除每一所述图像中的像素点之间的相关性，图像转换模块202可以依次将每一所述图像转换为一维数据序列。其中，一维数据序列即为通过依次间隔的多个数据元素来表示图像特征的数据序列。一维数据序列中的每一个数据元素即可表示图像中的一个像素点的像素值。例如，所述一维数据序列可以为以下数据序列：(122，58，190，......，77，251，15)。
可以理解的，摄像头拍摄的图像中，每一个像素点与其周围的多个像素点相邻，从而每一像素点与其周围多个像素点之间具有较强的相关性，而一维数据序列中，由于每一个数据元素只与其左右两个数据元素相邻，与其左右两个数据元素之外的其它数据元素都不相邻，也即每一个数据元素与其左右两个数据元素之外的其它数据元素之间都不具有相关性，因此可以大大降低每一数据元素与其它数据元素之间的相关性，或者可以理解为去除了每一数据元素与其它数据元素之间的相关性。因此，图像转换模块202将图像转换为一维数据序列后，即可认为去除了所述图像中的像素点之间的相关性。
运算模块203，用于将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量。
图像转换模块202将所述至少两个图像中的每一图像均转换为一维数据序列后，运算模块203可以将转换得到的至少两个一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量。
其中，所述脏污检测标志特征量即为所述卷积运算的运算结果。所述脏污检测标志特征量也为一维数据序列，所述脏污检测标志特征量中也包括多个数据元素。其中，所述脏污检测标志特征量中的每一个数据元素表示所述至少两个图像中对应位置的像素点之间的相关性。数据元素的值越大，表示所述至少两个图像中对应位置的像素点之间的相关性越高；数据元素的值越小，表示所述至少两个图像中对应位置的像素点之间的相关性越低；当数据元素的值为0时，表示所述至少两个图像中对应位置的像素点之间不具有相关性。
可以理解的，从理论上来讲，在不同场景中拍摄的图像，两个图像中对应位置的像素点之间是不具有相关性的。因此，当摄像头未出现脏污时，摄像头不会对拍摄的图像中的像素点的像素值造成影响，此时所述脏污检测标志特征量应该为以下数据序列或者趋近于以下数据序列：(0，0，0，......，0，0，0)。也即，所述脏污检测标志特征量中，每一个数据元素的值均为0或者趋近于0。
此外，还可以理解的，当摄像头出现脏污时，摄像头上的脏污点会对拍摄的图像中对应位置的像素点的像素值造成影响，使得所述像素点的像素值无法呈现出所拍摄对象应有的像素值，而是呈现出所述脏污点的像素值。因此，在不同场景中拍摄的图像，两个图像中对应于摄像头的脏污点的位置处的像素值是相似的，从而两个图像中本来不应该具有相关性的像素点之间表现出了相关性。此时，所述脏污检测标志特征量中用于表示两个图像中位于摄像头脏污点处的像素值之间相关性的数据元素的值不为0，并且会显著增大。
检测模块204，用于判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素，若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。
电子设备中可以预先设置一个预设阈值。所述预设阈值表示摄像头出现了脏污时，所述脏污检测标志特征量中用于表示摄像头脏污点处的像素值之间相关性的数据元素的最小值。所述预设阈值可以根据经验设定，或者也可以根据实验测得的数据来设定。例如，所述预设阈值可以为80。
运算模块203通过卷积运算得到脏污检测标志特征量后，检测模块204即可将所述脏污检测标志特征量中的每一个数据元素与所述预设阈值进行比较，以判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素。
若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，表示摄像头出现了脏污。若所述脏污检测标志特征量中不存在大于所述预设阈值的数据元素，表示摄像头未出现脏污，此时可以终止流程并再次进行摄像头脏污检测，或者间隔一段时间后再次进行检测。
可以理解的，摄像头出现脏污，表示摄像头已经出现了脏污并且脏污程度足以对所拍摄的图像的质量造成影响。摄像头未出现脏污，表示摄像头未出现任何程度的脏污；或者摄像头已经出现了脏污但是脏污程度较轻而不足以对所拍摄的图像的质量造成影响，此时也可以认为摄像头未出现脏污。
当检测模块204确定为所述摄像头出现脏污时，电子设备可以对用户进行提醒，以提醒用户对所述摄像头进行清洁。提醒的方式可以有多种，例如可以通过在显示屏上显示信息进行提醒，可以播放预设音频以产生声音信号进行提醒，还可以通过诸如发光二极管等发光器件来发光进行提醒，或者还可以控制电子设备产生振动以进行提醒，等等。
本申请实施例提供的摄像头脏污检测装置200可以通过摄像头在不同场景中拍摄的图像对应的一维数据序列进行卷积运算，并根据卷积运算得到的脏污检测标志特征量来检测摄像头是否出现脏污，从而无需人为干预，也无需用户人为地对摄像头的脏污情况进行检测，可以实现智能化地实时检测摄像头的脏污情况。
可以理解的，图像转换模块202依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性时，可以通过以下步骤进行：
依次将每一所述图像转换为灰度图；
依次对每一所述灰度图进行Z字形扫描，以得到每一所述灰度图对应的一维数据序列，以去除每一所述图像中的像素点之间的相关性。
获取模块201获取到摄像头拍摄的原始图像后，图像转换模块202可以进行灰度图转换，依次将每一所述图像转换为灰度图。其中，灰度图中通过每一个数值来表示对应位置像素点的像素值。像素值的数值范围为0～255，0表示黑色，255表示白色。其中，灰度图也可以理解为一个矩阵。
随后，图像转换模块202可以对灰度图进行一维数据序列转换，将灰度图转换为一维数据序列。其中，图像转换模块202可以采取Z字形扫描的方式，依次对得到的每一灰度图进行Z字形扫描，以得到每一所述灰度图对应的一维数据序列，以去除每一所述图像中的像素点之间的相关性。例如，扫描后得到的一维数据序列可以为：(60，50，50，62，......，221，230，110，255)。
需要说明的是，图像转换模块202也可以在将原始图像转换为灰度图后，对灰度图进行归一化处理，将每一个像素值映射到-127～127范围内的整数值，以得到标准的灰度图，随后再对标准的灰度图进行一维数据序列转换，以得到一维数据序列。
可以理解的，获取模块201获取的所述图像的数量可以为至少三个，至少三个所述图像转换得到的所述一维数据序列为至少三个。例如，所述图像的数量可以为3个、4个、5个、100个，等等。
其中，将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量时，运算模块203执行以下步骤：
将两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
依次将所述两个一维数据序列之外的一个一维数据序列与所述脏污检测标志特征量进行卷积运算，以得到新的互相关数据序列，并根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新。
运算模块203可以首先将两个一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量。也即，首先根据两个一维数据序列的卷积运算结果得到脏污检测标志特征量。
随后，运算模块203依次将所述两个一维数据序列之外的一个一维数据序列与所述脏污检测标志特征量进行卷积运算，以得到新的互相关数据序列，并根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新。
在一些实施例中，根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新时，运算模块203执行以下步骤：
计算所述新的互相关数据序列与所述脏污检测标志特征量的平均数据序列；
将所述平均数据序列确定为更新后的脏污检测标志特征量。
其中，运算模块203通过卷积运算得到新的互相关数据序列后，可以计算所述新的互相关数据序列与脏污检测标志特征量的平均数据序列，并将所述平均数据序列确定为更新后的脏污检测标志特征量。
可以理解的，摄像头拍摄的图像越新时，也即图像的拍摄时间距离当前时间越短时，图像越能够反映出摄像头的脏污情况。因此，电子设备中可以预先设置脏污检测标志特征量对应的第一权重k1和新的互相关数据序列对应的第二权重k2，并且所述第一权重k1小于所述第二权重k2。例如，k1可以为0.4，k2可以为0.6。
在对脏污检测标志特征量进行更新的过程中，运算模块203首先获取所述第一权重k1和所述第二权重k2，通过脏污检测标志特征量、新的互相关数据序列、第一权重k1、第二权重k2对脏污检测标志特征量进行更新，以计算得到新的脏污检测标志特征量。
例如，运算模块203首先确定的脏污检测标志特征量为Q1，随后通过卷积运算得到新的互相关数据序列P2后，可以计算新的脏污检测标志特征量Q2＝k1*Q1+k2*P2。随后，继续通过卷积运算得到新的互相关数据序列P3后，可以计算新的脏污检测标志特征量Q3＝k1*Q2+k2*P3。
可以理解的，检测模块204判断出摄像头出现脏污后，电子设备还可以对脏污区域进行定位，并提醒用户摄像头的哪个区域出现了脏污，以便于用户对摄像头的脏污区域进行清洁。
因此，当检测模块204确定为所述摄像头出现脏污之后，图像转换模块202还可以执行以下步骤：
对所述脏污检测标志特征量进行逆向转换，以得到所述脏污检测标志特征量对应的矩阵图像；
确定所述脏污检测标志特征量中大于所述预设阈值的数据元素在所述矩阵图像中所处的像素点区域；
将所述像素点区域确定为所述摄像头的脏污区域。
其中，由于脏污检测标志特征量为一维数据序列，而一维数据序列可以理解为是对矩阵的每一个数值进行扫描得到的，因此图像转换模块202可以对所述脏污检测标志特征量进行逆向转换，以得到所述脏污检测标志特征量对应的矩阵图像。
其中，所述逆向转换为与根据摄像头拍摄的图像进行一维数据序列转换而得到一维数据序列相反的扫描方式。例如，图像转换模块202对灰度图进行Z字形扫描而得到灰度图对应的一维数据序列时，那么图像转换模块202可以对所述脏污检测标志特征量进行反Z字形扫描，以得到所述脏污检测标志特征量对应的矩阵图像。其中，反Z字形扫描即为与Z字形扫描的扫描路径相反的扫描方式。
随后，图像转换模块202确定所述脏污检测标志特征量中大于所述预设阈值的数据元素在所述矩阵图像中所处的像素点区域，并将所述像素点区域确定为所述摄像头的脏污区域。
具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现。
由上可知，本申请实施例提供的摄像头脏污检测装置200，包括：获取模块201，用于获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像；图像转换模块202，用于依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性；运算模块203，用于将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；检测模块204，用于判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素，若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。所述摄像头脏污检测装置200可以通过摄像头在不同场景中拍摄的图像对应的一维数据序列进行卷积运算，并根据卷积运算得到的脏污检测标志特征量来检测摄像头是否出现脏污，从而无需人为干预，也无需用户人为地对摄像头的脏污情况进行检测，可以实现智能化地实时检测摄像头的脏污情况。
本申请实施例还提供一种电子设备。所述电子设备可以为智能手机、平板电脑、游戏设备、AR(Augmented Reality，增强现实)设备、汽车、视频播放装置、笔记本电脑、桌面计算设备、可穿戴设备诸如电子头盔、电子衣物等设备。
参考图7，图7为本申请实施例提供的电子设备的结构示意图。
电子设备300包括处理器301和存储器302。其中，处理器301与存储器302电性连接。
处理器301是电子设备300的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或调用存储在存储器302内的计算机程序，以及调用存储在存储器302内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
在本实施例中，电子设备300中的处理器301按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的计算机程序，从而执行以下步骤：
获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像；
依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性；
将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素；
若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。
在一些实施例中，所述图像的数量为至少三个，至少三个所述图像转换得到的所述一维数据序列为至少三个，将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量时，处理器301执行以下步骤：
将两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
依次将所述两个一维数据序列之外的一个一维数据序列与所述脏污检测标志特征量进行卷积运算，以得到新的互相关数据序列，并根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新。
在一些实施例中，根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新时，处理器301执行以下步骤：
计算所述新的互相关数据序列与所述脏污检测标志特征量的平均数据序列；
将所述平均数据序列确定为更新后的脏污检测标志特征量。
在一些实施例中，若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污之后，处理器301还执行以下步骤：
对所述脏污检测标志特征量进行逆向转换，以得到所述脏污检测标志特征量对应的矩阵图像；
确定所述脏污检测标志特征量中大于所述预设阈值的数据元素在所述矩阵图像中所处的像素点区域；
将所述像素点区域确定为所述摄像头的脏污区域。
在一些实施例中，分别将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性时，处理器301执行以下步骤：
依次将每一所述图像转换为灰度图；
依次对每一所述灰度图进行Z字形扫描，以得到每一所述灰度图对应的一维数据序列，以去除每一所述图像中的像素点之间的相关性。
存储器302可用于存储计算机程序和数据。存储器302存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器301通过调用存储在存储器302的计算机程序，从而执行各种功能应用以及数据处理。
在一些实施例中，参考图8，图8为本申请实施例提供的电子设备的另一结构示意图。
其中，电子设备300还包括：摄像头303、显示屏304、控制电路305、输入单元306以及电源307。其中，处理器301分别与摄像头303、显示屏304、控制电路305、输入单元306以及电源307电性连接。
摄像头303用于拍摄图像。其中，用户可以通过所述摄像头303在不同的场景中拍摄图像。
显示屏304可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。
控制电路305与显示屏304电性连接，用于控制显示屏304显示信息。
输入单元306可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元306可以包括指纹识别模组。
电源307用于给电子设备300的各个部件供电。在一些实施例中，电源307可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图8中未示出，电子设备300还可以包括射频电路、蓝牙模块等，在此不再赘述。
由上可知，本申请实施例提供了一种电子设备，所述电子设备执行以下步骤：获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像；依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性；将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素；若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。所述电子设备可以通过摄像头在不同场景中拍摄的图像对应的一维数据序列进行卷积运算，并根据卷积运算得到的脏污检测标志特征量来检测摄像头是否出现脏污，从而无需人为干预，也无需用户人为地对摄像头的脏污情况进行检测，可以实现智能化地实时检测摄像头的脏污情况。
本申请实施例还提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，所述计算机执行上述任一实施例所述的摄像头脏污检测方法。
需要说明的是，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过计算机程序来指令相关的硬件来完成，所述计算机程序可以存储于计算机可读存储介质中，所述存储介质可以包括但不限于：只读存储器(ROM，Read OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
在本申请的描述中，需要理解的是，诸如“第一”、“第二”等术语仅用于区分类似的对象，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
以上对本申请实施例所提供的摄像头脏污检测方法、装置、存储介质及电子设备进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (12)

1.一种摄像头脏污检测方法，其特征在于，包括：
获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像；
依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性；
将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素；
若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。
2.根据权利要求1所述的摄像头脏污检测方法，其特征在于，所述图像的数量为至少三个，至少三个所述图像转换得到的所述一维数据序列为至少三个，所述将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量，包括：
将两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
依次将所述两个一维数据序列之外的一个一维数据序列与所述脏污检测标志特征量进行卷积运算，以得到新的互相关数据序列，并根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新。
3.根据权利要求2所述的摄像头脏污检测方法，其特征在于，所述根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新，包括：
计算所述新的互相关数据序列与所述脏污检测标志特征量的平均数据序列；
将所述平均数据序列确定为更新后的脏污检测标志特征量。
4.根据权利要求1至3任一项所述的摄像头脏污检测方法，其特征在于，所述若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污之后，还包括：
对所述脏污检测标志特征量进行逆向转换，以得到所述脏污检测标志特征量对应的矩阵图像；
确定所述脏污检测标志特征量中大于所述预设阈值的数据元素在所述矩阵图像中所处的像素点区域；
将所述像素点区域确定为所述摄像头的脏污区域。
5.根据权利要求1至3任一项所述的摄像头脏污检测方法，其特征在于，所述依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性，包括：
依次将每一所述图像转换为灰度图；
依次对每一所述灰度图进行Z字形扫描，以得到每一所述灰度图对应的一维数据序列，以去除每一所述图像中的像素点之间的相关性。
6.一种摄像头脏污检测装置，其特征在于，包括：
获取模块，用于获取摄像头拍摄的至少两个图像，每一所述图像均为不同场景中拍摄的图像；
图像转换模块，用于依次将每一所述图像转换为一维数据序列，以去除每一所述图像中的像素点之间的相关性；
运算模块，用于将至少两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
检测模块，用于判断所述脏污检测标志特征量中是否存在大于预设阈值的数据元素，若所述脏污检测标志特征量中存在大于所述预设阈值的数据元素，则确定为所述摄像头出现脏污。
7.根据权利要求6所述的摄像头脏污检测装置，其特征在于，所述图像的数量为至少三个，至少三个所述图像转换得到的所述一维数据序列为至少三个，所述运算模块用于：
将两个所述一维数据序列进行卷积运算，以得到互相关数据序列，并将所述互相关数据序列确定为脏污检测标志特征量；
依次将所述两个一维数据序列之外的一个一维数据序列与所述脏污检测标志特征量进行卷积运算，以得到新的互相关数据序列，并根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新。
8.根据权利要求7所述的摄像头脏污检测装置，其特征在于，根据所述新的互相关数据序列对所述脏污检测标志特征量进行更新时，所述运算模块用于：
计算所述新的互相关数据序列与所述脏污检测标志特征量的平均数据序列；
将所述平均数据序列确定为更新后的脏污检测标志特征量。
9.根据权利要求6至8任一项所述的摄像头脏污检测装置，其特征在于，所述图像转换模块还用于：
当确定所述摄像头出现脏污时，对所述脏污检测标志特征量进行逆向转换，以得到所述脏污检测标志特征量对应的矩阵图像；
所述检测模块还用于：
确定所述脏污检测标志特征量中大于所述预设阈值的数据元素在所述矩阵图像中所处的像素点区域；
将所述像素点区域确定为所述摄像头的脏污区域。
10.根据权利要求6至8任一项所述的摄像头脏污检测装置，其特征在于，所述图像转换模块用于：
依次将每一所述图像转换为灰度图；
依次对每一所述灰度图进行Z字形扫描，以得到每一所述灰度图对应的一维数据序列，以去除每一所述图像中的像素点之间的相关性。
11.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，当所述计算机程序被处理器调用在计算机上运行时，使得所述计算机执行权利要求1至5任一项所述的摄像头脏污检测方法。
12.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行权利要求1至5任一项所述的摄像头脏污检测方法。
CN201910720195.XA 2019-07-23 2019-07-23 摄像头脏污检测方法、装置、存储介质及电子设备 Active CN110572636B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910720195.XA CN110572636B (zh) 2019-07-23 2019-07-23 摄像头脏污检测方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910720195.XA CN110572636B (zh) 2019-07-23 2019-07-23 摄像头脏污检测方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN110572636A CN110572636A (zh) 2019-12-13
CN110572636B true CN110572636B (zh) 2020-08-04

Family

ID=68774494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910720195.XA Active CN110572636B (zh) 2019-07-23 2019-07-23 摄像头脏污检测方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN110572636B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461016A (zh) * 2020-04-01 2020-07-28 联想(北京)有限公司 残迹确定方法、装置和电子设备
CN113689493A (zh) * 2020-05-18 2021-11-23 杭州海康威视数字技术股份有限公司 镜头附着物检测方法、装置、电子设备和存储介质
CN112333441A (zh) * 2020-10-28 2021-02-05 维沃移动通信有限公司 摄像头检测方法、装置及电子设备
CN114040181A (zh) * 2021-10-29 2022-02-11 中国铁塔股份有限公司盐城市分公司 一种全息显示系统及全息显示方法
CN114441543A (zh) * 2022-02-22 2022-05-06 江苏新亚勘测设计有限公司 一种建筑物状态的实时监测装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102413354A (zh) * 2011-10-05 2012-04-11 深圳市联德合微电子有限公司 一种手机摄像模组自动光学检测方法、装置及系统
CN104867159A (zh) * 2015-06-05 2015-08-26 北京大恒图像视觉有限公司 一种数字相机传感器污点检测及分级方法与装置
CN107743224A (zh) * 2017-09-30 2018-02-27 奇酷互联网络科技（深圳）有限公司 镜头脏污的提醒方法、系统、可读存储介质及移动终端
WO2019026457A1 (ja) * 2017-08-03 2019-02-07 パナソニックＩｐマネジメント株式会社 画像監視装置、画像監視方法、画像監視プログラムおよび記録媒体
CN109840911A (zh) * 2017-11-24 2019-06-04 法可赛阿达斯独资有限公司 确定干净或脏污的拍摄图像的方法、系统和计算机可读存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5603798B2 (ja) * 2011-02-14 2014-10-08 株式会社キーエンス 欠陥検出装置、欠陥検出方法及びコンピュータプログラム
US10108003B2 (en) * 2014-05-30 2018-10-23 General Electric Company Systems and methods for providing monitoring state-based selectable buttons to non-destructive testing devices
CN108765424B (zh) * 2018-04-03 2021-06-08 迈克医疗电子有限公司 污点区域检测方法和装置、分析仪器和存储介质
CN108898592A (zh) * 2018-06-22 2018-11-27 北京小米移动软件有限公司 提示镜头脏污程度的方法及装置、电子设备
CN109118498B (zh) * 2018-08-22 2021-04-30 科大讯飞股份有限公司 一种摄像头污点检测方法、装置、设备及存储介质
CN110012287B (zh) * 2019-02-16 2019-11-05 深圳市创生达电子有限公司 基于视网膜感知的数字相机影像传感器的脏污自检方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102413354A (zh) * 2011-10-05 2012-04-11 深圳市联德合微电子有限公司 一种手机摄像模组自动光学检测方法、装置及系统
CN104867159A (zh) * 2015-06-05 2015-08-26 北京大恒图像视觉有限公司 一种数字相机传感器污点检测及分级方法与装置
WO2019026457A1 (ja) * 2017-08-03 2019-02-07 パナソニックＩｐマネジメント株式会社 画像監視装置、画像監視方法、画像監視プログラムおよび記録媒体
CN107743224A (zh) * 2017-09-30 2018-02-27 奇酷互联网络科技（深圳）有限公司 镜头脏污的提醒方法、系统、可读存储介质及移动终端
CN109840911A (zh) * 2017-11-24 2019-06-04 法可赛阿达斯独资有限公司 确定干净或脏污的拍摄图像的方法、系统和计算机可读存储介质

Also Published As

Publication number Publication date
CN110572636A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110572636B (zh) 摄像头脏污检测方法、装置、存储介质及电子设备
US8175336B2 (en) Target tracker
CN107404628B (zh) 图像处理装置及方法以及监视系统
CN112767392B (zh) 图像清晰度确定方法、装置、设备及存储介质
CN109951636A (zh) 拍照处理方法、装置、移动终端以及存储介质
JP2009265827A (ja) 対象物検出装置及び方法、対象物検出システム、プログラム
CN112381104A (zh) 一种图像识别方法、装置、计算机设备及存储介质
CN109951635A (zh) 拍照处理方法、装置、移动终端以及存储介质
JP6924064B2 (ja) 画像処理装置およびその制御方法、ならびに撮像装置
CN108764139B (zh) 一种人脸检测方法、移动终端及计算机可读存储介质
CN110072078A (zh) 监控摄像机、监控摄像机的控制方法和存储介质
KR101503017B1 (ko) 모션 검출 방법 및 장치
US20180205877A1 (en) Information processing apparatus, information processing method, system, and non-transitory computer-readable storage medium
CN113596344B (zh) 拍摄处理方法、装置、电子设备和可读存储介质
US10733706B2 (en) Mobile device, and image processing method for mobile device
CN112333441A (zh) 摄像头检测方法、装置及电子设备
CN111368596B (zh) 人脸识别逆光补偿方法、装置、可读存储介质及设备
WO2023001110A1 (zh) 神经网络训练方法、装置及电子设备
CN114764821B (zh) 移动物体检测方法、装置、电子设备和存储介质
CN112637588B (zh) 检测摄像头污损的方法、装置和电子设备
JP2009116686A (ja) 撮像対象検出装置および方法
CN114359166A (zh) 屏幕颜色检测方法、装置、设备及存储介质
CN109040604B (zh) 拍摄图像的处理方法、装置、存储介质及移动终端
JP6953184B2 (ja) 画像処理装置および画像処理方法
CN113055599B (zh) 摄像头的切换方法、装置、电子设备和可读存储介质

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