CN110602393B - 一种基于图像内容理解的视频防抖方法 - Google Patents

一种基于图像内容理解的视频防抖方法 Download PDF

Info

Publication number
CN110602393B
CN110602393B CN201910830543.9A CN201910830543A CN110602393B CN 110602393 B CN110602393 B CN 110602393B CN 201910830543 A CN201910830543 A CN 201910830543A CN 110602393 B CN110602393 B CN 110602393B
Authority
CN
China
Prior art keywords
frame
jitter
shake
reference object
static
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
CN201910830543.9A
Other languages
English (en)
Other versions
CN110602393A (zh
Inventor
王强
余建飞
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.)
Nanjing Borun Intelligent Technology Co Ltd
Original Assignee
Nanjing Borun Intelligent Technology 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 Nanjing Borun Intelligent Technology Co Ltd filed Critical Nanjing Borun Intelligent Technology Co Ltd
Priority to CN201910830543.9A priority Critical patent/CN110602393B/zh
Publication of CN110602393A publication Critical patent/CN110602393A/zh
Application granted granted Critical
Publication of CN110602393B publication Critical patent/CN110602393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
    • H04N23/682—Vibration or motion blur correction
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像内容理解的视频防抖方法，基于每一帧图像的内容理解来达到视频防抖的目的，通过对比基准帧和当前帧中静止对象计算出抖动幅度值，通过抖动幅度值对当前帧进行抖动消除。该方法充分利用每一帧图像的内容信息，通过对图像中每一帧的对象进行归类，找出可以判别抖动的静止对象作为对比依据，计算出抖动幅度信息后，通过图像变换算法对图片进行纠正处理，然后对当前基准帧进行更新，由于对比的是帧间的对象信息然后进行纠正，因此能够很好的处理大幅度的帧间抖动。

Description

一种基于图像内容理解的视频防抖方法
技术领域
本发明属于图像处理和图像识别技术领域，尤其涉及一种基于图像内容理解的视频防抖方法。
背景技术
视频抖动是摄像头拍摄过程中绕不开的问题，目前主流的处理方法是光学防抖和电子防抖。光学防抖大致为镜头防抖，镜头防抖是利用镜头里的陀螺仪对微小的移动进行测量，然后将测量信号传递给镜头内的微处理器计算需要补偿的位移量，根据位移量调整镜头的角度和距离来实现光路的稳定，达到克服抖动所带来的画面模糊的问题。其次是传感器防抖技术，传感器防抖的原理是在支架上安装传感器，通过与镜头中传感器相同的功能对抖动进行检测，计算需要补偿的位移量，补偿位移量达到防抖的目的。
电子防抖技术是在传感器防抖技术上发展而来的。相对于正常拍摄，拍摄画面只有90％，剩余的10％的画面通过像素插值来补偿，通过对剩余画面的补偿来达到防抖的目的，这就相当于对画面进行了后期的数据处理。电子防抖虽然能达到防抖的目的，但是对于画面的质量却有负面影响。电子防抖实现原理和数码变焦类似，都是通过像素插值来补偿震动，也就是说画面像素的大小决定了电子防抖的效果，试想一下，一个像素为800万画面，要拿出一部分像素出来做抖动处理，这势必会降低画面的分辨率，造成画面质量变差，噪点增加，色彩还原度变差。对于光学防抖，电子防抖具有低成本的优势，省去了对镜头进行处理的高成本开销，在不更换镜头的前提下可以在一定范围内达到防抖的目的。
总的来说，防抖技术是人们在实际拍摄过程中为了解决抖动问题而发明的一种技术，防抖技术能够在一定程度上满足用户对画面质量的要求，但是随着摄像头技术的不断发展，像素越来越高，人们对防抖技术的要求也越来越高，防抖的需求也日益广泛，目前防抖技术仅仅是微调的辅助的作用，并不能处理振动过大的画面。
发明内容
为了解决上述技术问题，本发明提出了一种基于图像内容理解的视频防抖方法，解决了目前防抖技术不能处理抖动过大画面的问题。
本发明是通过以下技术方案来实现的：一种基于图像内容理解的视频防抖方法，其特征在于，包括如下步骤：
步骤1，获得视频画面的第一帧作为基准帧；
步骤2，对基准帧中的图像内容识别和分类，选择参照物；
步骤3，获得视频画面的下一帧作为当前帧，对当前帧中的参照物进行姿态检测，计算抖动变化值，若参照物的抖动变化值大于等于设定值，则进行抖动消除及画面补偿；
步骤4，根据当前帧和基准帧重新计算基准帧信息后，重复执行步骤2～4，直至视频画面处理完毕。
前述的一种基于图像内容理解的视频防抖方法，其特征在于，所述对基准帧中的图像内容识别和分类，选择参照物，具体过程为：
对基准帧图像利用神经网络进行分析，找出画面中的静止对象和非静止对象，对静止对象进行分析，找出符合条件的静止对象作为参照物。
前述的一种基于图像内容理解的视频防抖方法，其特征在于，所述选择参照物，具体为：
遍历分类出的静止对象，获得每个静止对象掩码中最下沿的像素点；
根据透视变换矩阵计算每个静止对象掩码中最下沿像素点离摄像头的水平距离，得到满足前后帧位移小于设定像素的所有静止对象；
从所述所有静止对象中选择掩码面积最大的静止对象做为参照物。
前述的一种基于图像内容理解的视频防抖方法，其特征在于，所述对当前帧中的参照物进行姿态检测，计算抖动变化值，具体为：
对参照物利用MASK R-CNN神经网络进行姿态检测，对比前后帧参照物姿态，计算出水平、垂直方向抖动幅度值和旋转角度变化值。
前述的一种基于图像内容理解的视频防抖方法，其特征在于，所述对当前帧中的参照物进行姿态检测，计算抖动变化值，具体过程为：
通过训练好的Mask R-CNN来对参照物姿态进行检测，将参照物的k个关键点的位置进行one-hot编码，利用Mask R-CNN对k个关键点检测其所属的类别，根据关键点的类别进行像素级分割，将前后帧中同一类别的内容进行比对，计算出在水平方向的抖动x，垂直方向的抖动y及以绕同一类别内容中心点旋转的角度θ。
前述的一种基于图像内容理解的视频防抖方法，其特征在于，所述若参照物的抖动变化值大于等于设定值，则进行抖动消除及画面补偿，具体为：
若参照物的抖动变化值大于等于设定值，根据计算出的水平方向的抖动x，垂直方向的抖动y及以绕同一类别内容中心点旋转的角度θ，对原图进行水平和垂直方向的平移及绕中心点旋转变换纠正，通过双线性插值补偿填充画面信息。
前述的一种基于图像内容理解的视频防抖方法，其特征在于，所述根据当前帧和基准帧重新计算基准帧信息，具体为：对当前基准帧和当前帧做加权平均计算新的基准帧信息。
一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行前述的基于图像内容理解的视频防抖方法中的任一方法。
一种计算设备，其特征在于：包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行前述的基于图像内容理解的视频防抖方法中的任一方法的指令。
本发明与现有技术相比，具有的有益效果是：
1)本发明通过对基准帧中的图像内容识别和分类，选择参照物，对当前帧中的参照物进行姿态检测，计算抖动变化值，若参照物的抖动变化值大于等于设定值，则进行抖动消除及画面补偿；对参照物的抖动变化值没有特殊要求，可以处理较大幅度的画面抖动；
2)基于内容理解的防抖只要计算出画面的偏转角度，便可以对画面进行纠正，对偏转的角度信息没有特殊的要求，可以处理较大幅度的抖动；
3)基于内容理解的防抖选择静止对象作为帧间防抖参照物，一般的电子防抖只是选择帧间的几个特征点作为抖动消除的参照物，这些特征点可能是静止的也可能是运动的，如果选择的参照物正好是运动的话，那么不但不能实现防抖的目的，还有可能使得抖动幅度进一步增大，达到相反的效果，本发明选择静止对象作为参照物防抖效果更好。
附图说明
图1是摄像头抖动参照选择的示意图；
图2是摄像头抖动示意图；
图3是基准帧示意图；
图4是抖动变化后的帧示意图；
图5是纠正后的帧示意图；
附图标记的含义：1-装在运动车辆上的摄像头，2-正常运动的摄像头，3-出现抖动的摄像头，3、远处静止对象(可作为参照物对象)。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1：
一种基于图像内容理解的视频防抖方法，包括如下步骤：
步骤1，获得视频画面的第一帧，作为基准帧：摄像头安装在运动物体上，与运动物体保持刚性连接，摄像头和运动物体保持相对静止，摄像头以固定频率采集画面信息，输出一帧一帧的图像信息；将当前帧设置为基准帧。
步骤2，对基准帧中的图像内容识别和分类，选择参照物：对基准帧图像利用神经网络算法进行分析，找出画面中的静止对象和非静止对象。
画面对象的识别和分类是基于已经训练好的神经网络，神经网络通过目标检测、目标分类和目标像素级分割三个步骤来实现对象的识别和分类；目标分类后能分辨出静止对象，目标像素级分割后能够获得静止对象的掩码。
参照物的选择：对静止对象进行分析，找出符合条件的静止对象作为参照物。
参照物选择的具体过程如下：
1)遍历分类出的静止对象，取每个静止对象掩码中最下沿的像素点；
2)根据透视变换矩阵计算每个静止对象掩码中最下沿像素点离摄像头的水平距离，得到满足前后帧位移小于1个像素的所有静止对象；
3)从所述所有静止对象中选择掩码mask面积最大的静止对象做为参照物。
所述透视变换矩阵根据摄像头拍摄图片中4个点和实际场景的对应4个点，通过计算得出来的。透视变换矩阵由3x3的矩阵组成，令矩阵中的第三行第三列元素a33＝1,利用上述8个点就可以求解出透视变换矩阵剩下的8个矩阵参数。
假设摄像头安装在时速120千米/小时的车辆上，摄像头的采样率是每秒30帧，那么相邻帧间摄像头运动了1.1米，取两帧间车辆运动了1.5米计算(运动距离大若满足前后帧同一静止对象位移小于1个像素，运动距离小的更能满足)，通过透视变换矩阵可以得出，如果要使得参照物像素位移小于1个像素，则参照物离摄像头至少90米。
取所有水平距离大于90米的静止对象，从静止对象掩码中选择mask面积最大的静止对象做为参照物。
步骤3，获得视频画面的下一帧作为当前帧，对当前帧中的参照物进行姿态检测，计算抖动变化值：若参照物的抖动变化值大于等于设定值，则基于画面内容理解进行抖动消除及画面补偿；
对输入的参照物利用MASK R-CNN(掩膜基于区域的卷积神经网络)神经网络进行姿态检测，对比前后帧参照物姿态，计算出水平、垂直方向抖动幅度值和旋转角度变化值。
对选定的参照物进行姿态检测，根据前后帧的姿态计算出抖动的幅度；通过训练好的Mask R-CNN来对参照物姿态进行检测，将参照物的k个关键点的位置进行one-hot(独热)编码，利用Mask R-CNN对k个关键点检测其所属的类别，根据关键点的类别进行像素级分割；例如：以远处的树作为参照物，识别出树干类别，并进行像素级的分割，然后将前后帧树干进行比对，计算出树干在水平方向的抖动x，垂直方向的抖动y及以绕树干中心点旋转的角度θ。
基于画面内容理解进行抖动消除及画面补偿：根据计算出来的水平方向的抖动x，垂直方向的抖动y及以绕中心点旋转的角度θ，对原图进行水平和垂直方向的平移及绕中心点旋转变换纠正；
纠正后的画面边缘会出现黑边的情况，通过双线性插值补偿填充画面信息。
步骤4，根据当前帧和基准帧重新计算基准帧信息后，重复执行步骤2～4，直至视频画面处理完毕。
摄像头不断的运动，帧也在不断的变化，因此基准帧也需要不断的做调整，基准帧的更新规则是对当前基准帧和当前帧做加权平均，时间越近的帧权重值越大。
上述步骤是一个循环的过程，对于每一帧都会进行对比，如果有抖动会做纠正处理，对画面对象归类按照传统图片处理方式是一个很耗时的过程，但利用神经网络可以很快的处理完成，参照物姿态及抖动变化值也是通过神经网络计算得出。本发明基于内容理解的防抖只要计算出画面的偏转角度，便可以对画面进行纠正，对偏转的角度信息没有特殊的要求，可以处理较大幅度的抖动；本发明选择静止对象作为参照物防抖效果更好。
图1是摄像头抖动参照选择的示意图；图中：1、装在运动车辆上的摄像头，还有近处的路灯(近处静止对象)，运动中的汽车(远处非静止对象)，远处的树(远处静止对象)，在本发明中选择远处的树作为参照对象；
图2是摄像头抖动示意图；当运动中的摄像头上下抖动时，会出现帧画面抖动；图中：2-正常运动的摄像头，3-出现抖动的摄像头，4-远处静止对象(可作为参照物对象)。
图3是基准帧，打开摄像头，捕捉到当前的画面，将当前帧作为基准帧。
图4是抖动变化后的帧，由于车辆行驶的路面有坑，摄像头往下，所以整个画面往上，如果需要纠正，则需要选择远方参照物进行纠正，图中框内的指示牌可作为参照物。
图5是纠正后的帧，经过图3和图4中参照物的对比，将图4进行纠正，纠正后的图为图5。
实施例2，
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行上述的基于图像内容理解的视频防抖方法。
实施例3，
一种计算设备，包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行上述的基于图像内容理解的视频防抖方法的指令。
基于每一帧图像的内容理解来达到视频防抖的目的，通过对比基准帧和当前帧中静止对象计算出抖动幅度值，通过抖动幅度值对当前帧进行抖动消除。该方法充分利用每一帧图像的内容信息，通过对图像中每一帧的对象进行归类，找出可以判别抖动的静止对象作为对比依据，计算出抖动幅度信息后，通过图像变换算法对图片进行纠正处理，然后对当前基准帧进行更新，由于对比的是帧间的对象信息然后进行纠正，因此能够很好的处理大幅度的帧间抖动。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (7)

1.一种基于图像内容理解的视频防抖方法，其特征在于，包括如下步骤：
步骤1，获得视频画面的第一帧作为基准帧；
步骤2，对基准帧中的图像内容识别和分类，选择参照物；
步骤3，获得视频画面的下一帧作为当前帧，对当前帧中的参照物进行姿态检测，计算抖动变化值，若参照物的抖动变化值大于等于设定值，则进行抖动消除及画面补偿；
步骤4，根据当前帧和基准帧重新计算基准帧信息后，重复执行步骤2~4，直至视频画面处理完毕；
所述对基准帧中的图像内容识别和分类，选择参照物，具体过程为：
对基准帧图像利用神经网络进行分析，找出画面中的静止对象和非静止对象，对静止对象进行分析，找出符合条件的静止对象作为参照物；
所述选择参照物，具体为：
遍历分类出的静止对象，获得每个静止对象掩码中最下沿的像素点；
根据透视变换矩阵计算每个静止对象掩码中最下沿像素点离摄像头的水平距离，得到满足前后帧位移小于设定像素的所有静止对象；
从所述所有静止对象中选择掩码面积最大的静止对象做为参照物。
2.根据权利要求1所述的一种基于图像内容理解的视频防抖方法，其特征在于，所述对当前帧中的参照物进行姿态检测，计算抖动变化值，具体为：
对参照物利用MASK R-CNN神经网络进行姿态检测，对比前后帧参照物姿态，计算出水平、垂直方向抖动幅度值和旋转角度变化值。
3.根据权利要求2所述的一种基于图像内容理解的视频防抖方法，其特征在于，所述对当前帧中的参照物进行姿态检测，计算抖动变化值，具体过程为：
通过训练好的Mask R-CNN来对参照物姿态进行检测，将参照物的k个关键点的位置进行one-hot编码，利用Mask R -CNN对k个关键点检测其所属的类别，根据关键点的类别进行像素级分割，将前后帧中同一类别的内容进行比对，计算出在水平方向的抖动x，垂直方向的抖动y及以绕同一类别内容中心点旋转的角度θ。
4.根据权利要求3所述的一种基于图像内容理解的视频防抖方法，其特征在于，所述若参照物的抖动变化值大于等于设定值，则进行抖动消除及画面补偿，具体为：
若参照物的抖动变化值大于等于设定值，根据计算出的水平方向的抖动x，垂直方向的抖动y及以绕同一类别内容中心点旋转的角度θ，对原图进行水平和垂直方向的平移及绕中心点旋转变换纠正，通过双线性插值补偿填充画面信息。
5.根据权利要求1所述的一种基于图像内容理解的视频防抖方法，其特征在于，所述根据当前帧和基准帧重新计算基准帧信息，具体为：对当前基准帧和当前帧做加权平均计算新的基准帧信息。
6.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1 至5所述的基于图像内容理解的视频防抖方法中的任一方法。
7.一种计算设备，其特征在于：包括，
一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1 至5 所述的基于图像内容理解的视频防抖方法中的任一方法的指令。
CN201910830543.9A 2019-09-04 2019-09-04 一种基于图像内容理解的视频防抖方法 Active CN110602393B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910830543.9A CN110602393B (zh) 2019-09-04 2019-09-04 一种基于图像内容理解的视频防抖方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910830543.9A CN110602393B (zh) 2019-09-04 2019-09-04 一种基于图像内容理解的视频防抖方法

Publications (2)

Publication Number Publication Date
CN110602393A CN110602393A (zh) 2019-12-20
CN110602393B true CN110602393B (zh) 2020-06-05

Family

ID=68857271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910830543.9A Active CN110602393B (zh) 2019-09-04 2019-09-04 一种基于图像内容理解的视频防抖方法

Country Status (1)

Country Link
CN (1) CN110602393B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111951180B (zh) * 2020-07-09 2024-05-14 北京迈格威科技有限公司 图像抖动校正方法、装置、计算机设备和存储介质
CN112019749B (zh) * 2020-09-02 2021-06-25 中国银行股份有限公司 一种摄像头调整方法及装置
CN112565607A (zh) * 2020-12-03 2021-03-26 深圳市九象数字科技有限公司 一种智能安全帽图像防抖动方法及其装置
CN113301249B (zh) * 2021-05-07 2023-06-30 影石创新科技股份有限公司 全景视频处理方法、装置、计算机设备和存储介质
CN113418455B (zh) * 2021-05-24 2023-05-09 深圳亦芯智能视觉技术有限公司 基于图像视觉的路基位移监测方法及装置
CN115134521B (zh) * 2022-04-22 2023-09-22 咪咕视讯科技有限公司 视频拍摄防抖动方法、装置、设备及存储介质
CN114866695B (zh) * 2022-04-27 2024-02-20 影石创新科技股份有限公司 视频的防抖处理方法、装置、存储介质及电子设备
CN116506732B (zh) * 2023-06-26 2023-12-05 浙江华诺康科技有限公司 一种图像抓拍防抖的方法、装置、系统和计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101558637A (zh) * 2007-03-20 2009-10-14 松下电器产业株式会社 摄像装置以及摄像方法
CN104135599A (zh) * 2013-05-03 2014-11-05 能晶科技股份有限公司 镜头图像校正系统及镜头图像校正方法
CN104408725A (zh) * 2014-11-28 2015-03-11 中国航天时代电子公司 一种基于tld优化算法的目标重捕获系统及方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3679988B2 (ja) * 2000-09-28 2005-08-03 株式会社東芝 画像処理装置及び画像処理方法
JP3980565B2 (ja) * 2004-02-16 2007-09-26 松下電器産業株式会社 運転支援装置
CN101511024A (zh) * 2009-04-01 2009-08-19 北京航空航天大学 实时电子稳像中基于运动状态识别的运动补偿方法
CN103813056B (zh) * 2012-11-15 2016-03-16 浙江大华技术股份有限公司 一种稳像方法及装置
TW201443827A (zh) * 2013-05-03 2014-11-16 Altek Autotronics Corp 鏡頭影像校正系統及鏡頭影像校正方法
CN104469086B (zh) * 2014-12-19 2017-06-20 北京奇艺世纪科技有限公司 一种视频去抖动方法及装置
US9838604B2 (en) * 2015-10-15 2017-12-05 Ag International Gmbh Method and system for stabilizing video frames
CN105892471B (zh) * 2016-07-01 2019-01-29 北京智行者科技有限公司 汽车自动驾驶方法和装置
US10425582B2 (en) * 2016-08-25 2019-09-24 Facebook, Inc. Video stabilization system for 360-degree video data
CN107564063B (zh) * 2017-08-30 2021-08-13 广州方硅信息技术有限公司 一种基于卷积神经网络的虚拟物显示方法及装置
CN109887011A (zh) * 2017-12-06 2019-06-14 中国科学院宁波材料技术与工程研究所 视频稳像方法及装置
CN109544584B (zh) * 2018-11-30 2021-03-16 国网智能科技股份有限公司 一种实现巡检稳像精度测量的方法及系统
CN109816686A (zh) * 2019-01-15 2019-05-28 山东大学 基于物体实例匹配的机器人语义slam方法、处理器及机器人
CN109922258B (zh) * 2019-02-27 2020-11-03 杭州飞步科技有限公司 车载相机的电子稳像方法、装置及可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101558637A (zh) * 2007-03-20 2009-10-14 松下电器产业株式会社 摄像装置以及摄像方法
CN104135599A (zh) * 2013-05-03 2014-11-05 能晶科技股份有限公司 镜头图像校正系统及镜头图像校正方法
CN104408725A (zh) * 2014-11-28 2015-03-11 中国航天时代电子公司 一种基于tld优化算法的目标重捕获系统及方法

Also Published As

Publication number Publication date
CN110602393A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN110602393B (zh) 一种基于图像内容理解的视频防抖方法
US9202263B2 (en) System and method for spatio video image enhancement
US8743222B2 (en) Method and apparatus for cropping and stabilization of video images
US8588546B2 (en) Apparatus and program for producing a panoramic image
US9596411B2 (en) Combined optical and electronic image stabilization
US11277562B2 (en) Image stabilization using machine learning
US20150256772A1 (en) Systems and Methods for Reducing Noise in Video Streams
CN110035222A (zh) 半导体装置和电子设备
JPH10512694A (ja) 連続画像内での物体の移動を検知する方法及び装置
US20110134329A1 (en) Stabilization method for vibrating video frames
US20210099646A1 (en) Method and Apparatus for Detecting Subject, Electronic Device, and Computer Readable Storage Medium
CN110415186B (zh) 一种图像去抖动的方法和设备
US8436906B2 (en) Image processing apparatus, image processing method, program, and recording medium
CN112104869B (zh) 一种视频大数据存储及转码优化系统
CN103997602B (zh) 摄像设备及其控制方法
KR20150031766A (ko) 영상 흔들림 보정을 이용한 영상 안정화 장치 및 방법
CN110796041A (zh) 主体识别方法和装置、电子设备、计算机可读存储介质
CN109272014B (zh) 一种基于畸变适应卷积神经网络的图像分类方法
CN111986116A (zh) 视频降噪方法和装置、电子设备、计算机可读存储介质
CN116433496A (zh) 一种图像去噪方法、装置和存储介质
US20150350547A1 (en) Scene Stability Detection
US20210088803A1 (en) Method for stabilizing a camera frame of a video sequence
JP2021111929A (ja) 撮像装置、撮像装置の制御方法およびプログラム
US8319840B2 (en) Image processing device, image processing method, and information terminal apparatus
CN107317970B (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备

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