CN111563895A - 一种图片清晰度确定方法、装置、设备及存储介质 - Google Patents

一种图片清晰度确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111563895A
CN111563895A CN202010438034.4A CN202010438034A CN111563895A CN 111563895 A CN111563895 A CN 111563895A CN 202010438034 A CN202010438034 A CN 202010438034A CN 111563895 A CN111563895 A CN 111563895A
Authority
CN
China
Prior art keywords
processed
picture
target
pictures
determining
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.)
Pending
Application number
CN202010438034.4A
Other languages
English (en)
Inventor
胡传振
姚维坚
王亚峰
崔兆辉
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.)
Suzhou Walklake Intelligent System Co ltd
Original Assignee
Suzhou Walklake Intelligent System 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 Suzhou Walklake Intelligent System Co ltd filed Critical Suzhou Walklake Intelligent System Co ltd
Priority to CN202010438034.4A priority Critical patent/CN111563895A/zh
Publication of CN111563895A publication Critical patent/CN111563895A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种图片清晰度确定方法、装置、设备及存储介质，所述方法包括：通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度；所述预设相机为拍摄范围固定的相机。本发明的图片清晰度确定方法、装置、设备及存储介质，能够快速确定图片的清晰度，及时剔除模糊的图片。

Description

一种图片清晰度确定方法、装置、设备及存储介质
技术领域
本发明涉及计算机视觉领域，具体涉及一种图片清晰度确定方法、装置、设备及存储介质。
背景技术
为了提高检测效率及检测准确度，很多幼儿园在幼儿的入园晨检环节均采用自动化晨检设备。但是，自动化晨检设备在对幼儿进行晨检时，需要检测多个项目。其中有很多检测项目都是需要通过拍摄的图片进行判断和检测的，但是在拍摄过程中，由于拍摄物体运动、相机脱焦、相机抖动等因素，导致拍摄的图片模糊不清晰，这样，会影响到检测的准确度。
发明内容
有鉴于此，本发明实施例期望提供一种图片清晰度确定方法、装置、设备及存储介质，能够快速确定图片的清晰度，及时剔除模糊的图片。
为达到上述目的，本发明实施例的技术方案是这样实现的：
第一方面。本发明实施例提供了一种图片清晰度确定方法，所述方法包括：
通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；
根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；
根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度；所述预设相机为拍摄范围固定的相机。
上述方案中，所述通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片，包括：
通过预设相机，获取三张连续拍摄的包含目标物体的待处理图片。
上述方案中，所述根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域，包括：
根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标矩形框。
上述方案中，所述根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度，包括：
根据获取的所述待处理图片内的目标矩形框，获取所述目标矩形框四个顶点在所述待处理图片中的坐标；
根据获取的所述目标矩形框四个顶点的坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度；
根据确定的三张所述待处理图片中目标矩形框相互间的偏离程度，确定所述待处理图片的清晰度。
上述方案中，所述根据获取的所述目标矩形框四个顶点坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度，包括：
将三张所述待处理图片中任意两张相邻的所述待处理图片的目标矩形框的四个顶点的坐标，分别两两计算欧氏距离；
将计算出的四个欧氏距离，作为相邻的两张所述待处理图片的四个偏离量。
上述方案中，所述根据确定的三张所述待处理图片中目标矩形框相互间的偏离程度，确定所述待处理图片的清晰度，包括：
相应于三张所述待处理图片中相邻的所述待处理图片的偏离量均小于或等于预设的偏离量阈值，确定所述待处理图片的清晰度合格；
否则，确定所述待处理图片的清晰度不合格。
上述方案中，所述方法还包括：
收集预设数量的包含目标物体的待处理图片，并手动标注出包含所述目标物体轮廓的目标区域；
将各个标注目标区域的所述待处理图片输入未知模型参数的图像识别模型中训练，确定所述物体轮廓识别规则。
第二方面，本发明实施例提供了一种图片清晰度确定装置，所述装置包括第一获取模块、第二获取模块和确定模块；其中，
所述第一获取模块，用于通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；
所述第二获取模块，用于根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；
所述确定模块，用于根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度。
第三方面，本发明实施例提供了一种智能设备，所述设备包括：存储器、通信总线和处理器，其中：
所述存储器，用于存储图片清晰度确定方法程序；
所述通信总线，用于实现所述存储器和所述处理器之间的连接通信；
所述处理器，用于执行存储器中存储的图片清晰度确定方法程序，以实现如上面所述的任意一种方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有可执行程序，所述可执行程序被处理器执行时实现如上面所述的任意一种方法的步骤。
本发明实施例的图片清晰度确定方法、装置、设备及存储介质，包括：通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度；所述预设相机为拍摄范围固定的相机；可见，本发明实施例的图片清晰度确定方法、装置、设备及存储介质，通过在预设时间内拍摄的多张图片中同一个目标物体的相互偏离程度，确定图片的清晰度，能够快速确定图片的清晰度，及时剔除模糊的图片。
本发明实施例的其他有益效果将在具体实施方式中结合具体技术方案进一步说明。
附图说明
为了更清楚地说明本发明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要的说明。应当理解，下面描述的附图仅仅是本发明实施例的一部分附图，对于本领域普通技术人员来讲，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它的附图。
图1为本发明实施例图片清晰度确定方法的流程示意图；
图2为本发明实施例图片清晰度确定方法的具体流程示意图；
图3为本发明实施例图片清晰度确定方法中待处理图片中任意两张相邻的所述待处理图片的目标矩形框的示意图；
图4为本发明实施例图片清晰度确定方法中确定物体轮廓识别规则的流程示意图；
图5为本发明实施例图片清晰度确定装置的结构示意图；
图6为本发明实施例幼儿园晨检设备的结构示意图。
具体实施方式
目前，图像模糊检测技术主要集中于图像本身的特征，即通过人工选定和能量函数的优化上，如利用多方向的梯度统计方法，为模糊分割建立能量函数，局部梯度统计方法同样被用来估计物体运动产生的模糊。但是，这些方法涉及的参数比较多，计算量比较大，因此检测效率比较低。
针对上述问题，本发明实施例提供了一种图片清晰度确定方法，所述方法包括：
通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；
根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；
根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度；所述预设相机为拍摄范围固定的相机。
本发明实施例的图片清晰度确定方法，通过在预设时间内拍摄的多张图片中同一个目标物体的相互偏离程度，确定图片的清晰度，能够快速确定图片的清晰度，及时剔除模糊的图片。
通过这个方法的目的在于，将有拍摄物体运动、相机脱焦、相机抖动等情况的照片排除，而在现有的摄影技术下，将上述情况排除的照片，一般都是符合清晰度要求的，而且，这种方法相比通过图像本身的特征确定图片清晰度，计算工作量更少，效率更高。
为更清楚的了解本发明，以下结合附图及具体实施例，对本发明进行进一步详细说明。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。并且，下面描述的实施例，仅仅是本发明的一部分实施例，而不是全部的实施例。本技术领域的普通技术人员，根据这些实施例，在不付出创造性劳动的前提下获得的所有其它实施例，均属于本发明保护的范围。
实施例一
图1为本发明实施例图片清晰度确定方法的流程示意图，所述方法可以由智能设备实现，即执行主体可以是智能设备；如图1所示，所述方法包括：
步骤101：通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；
这里，所述预设相机为拍摄范围固定的相机。具体地，所述相机的位置及镜头均是固定的，也不能变焦，当然，目标物体也需要在固定的位置，这样，便于获取：在预设时间内拍摄的多张图片中同一个目标物体的相互偏离程度。
在本发明的另一些实施例中，所述通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片，包括：
通过预设相机，获取三张连续拍摄的包含目标物体的待处理图片。
这样，既能准确确定图片的清晰度，又能减少计算工作量、提高效率，是更佳的实施方式。本领域技术人员能够理解，获取三张以上的待处理图片，也是可以的。
步骤102：根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；
在本发明的另一些实施例中，所述根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域，包括：
根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标矩形框。
目标矩形框更容易计算目标物体的偏离量，是更佳的实施方式。获取目标矩形框，即获取目标矩形框4个顶点的位置坐标值。能够理解，其它形状，如圆形等也是可以的。
步骤103：根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度。
这里，目标区域相互间的偏离程度，实质是同一个目标物体在不同的拍摄时间内的偏移，偏移的原因可能是目标物体运动、相机脱焦、相机抖动等，无论哪一种，都对待处理图片的清晰度产生影响，因此需要进行量化。
在本发明的另一些实施例中，所述根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度，包括：
根据获取的所述待处理图片内的目标矩形框，获取所述目标矩形框四个顶点在所述待处理图片中的坐标；
根据获取的所述目标矩形框四个顶点的坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度；
根据确定的三张所述待处理图片中目标矩形框相互间的偏离程度，确定所述待处理图片的清晰度。
根据目标矩形框四个顶点的坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度，更容易处理，是更佳的实施方式。
在本发明的另一些实施例中，所述根据获取的所述目标矩形框四个顶点坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度，包括：
将三张所述待处理图片中任意两张相邻的所述待处理图片的目标矩形框的四个顶点的坐标，分别两两计算欧氏距离；
将计算出的四个欧氏距离，作为相邻的两张所述待处理图片的四个偏离量。
通过计算相邻的所述待处理图片的目标矩形框的四个顶点的欧氏距离，既能准确反映两个目标矩形框的偏离程度，实施也比较简便，是更佳的实施方式。
在本发明的另一些实施例中，所述根据确定的三张所述待处理图片中目标矩形框相互间的偏离程度，确定所述待处理图片的清晰度，包括：
相应于三张所述待处理图片中相邻的所述待处理图片的偏离量均小于或等于预设的偏离量阈值，确定所述待处理图片的清晰度合格；
否则，确定所述待处理图片的清晰度不合格。
具体地，对于三张待处理图片来说，需要计算两次，即第一张和第二张计算出四个偏离量，第二张和第三张计算出四个偏离量，总共八个偏离量，即使有一个偏离量大于预设的偏离量阈值，所述待处理图片清晰度就不合格，这样，就能及时剔除模糊的图片，杜绝因为图片的模糊影响其它项目的检测，是更佳的实施方式。
由于本发明实施例图片清晰度确定方法的速度非常快，如果前面的偏离量大于预设的偏离量阈值，马上安排补拍待处理图片，基本无需等待。
为了更便于理解，下面举例说明本发明实施例图片清晰度确定方法的过程，所述过程如图2所示：
步骤201：拍摄图片。通过预设相机，拍摄包含目标物体的待处理图片。
步骤202：是否检测到目标物体。通过图像识别方式，确认拍摄的待处理图片包含目标物体。是的，进入步骤203，否则返回步骤201。
步骤203：获取目标矩形框。根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标矩形框。
步骤204：获取目标矩形框的四个顶点坐标。即获取所述目标矩形框四个顶点在所述待处理图片中的坐标。
步骤205：当前坐标为0？是：进入步骤206，否：进入步骤207。这里，判断当前坐标是否为0的目的在于：确定是否是第一张待处理图片，若为0，是第一张待处理图片，需要将四个顶点坐标替换当前坐标，若不为0，则不是第一张待处理图片，需要与之前的待处理图片计算目标物体的偏移量。这里，第一张待处理图片是指包含目标物体的第一张待处理图片，如果不包含，会被剔除，同样不会替换当前坐标。
步骤206：将四个顶点坐标替换当前坐标。由于当前坐标为0，因此当前的待处理图片是第一张待处理图片，将四个顶点坐标替换当前坐标。由于本方法是通过计算机程序实现的，因此，在实际实施时，将当前坐标设置为一组全局变量。执行完步骤206后，返回步骤201。
步骤207：计算两个目标矩形框的欧氏距离。由于不为0，则不是第一张待处理图片，需要与之前的待处理图片计算目标物体的偏移量。即将两张相邻的所述待处理图片的目标矩形框的四个顶点的坐标，分别两两计算欧氏距离。如图3所示，两张相邻的所述待处理图片的目标矩形框的四个顶点分别为：
第一张：(x1-1，y1-1)、(x1-2，y1-2)、(x1-3，y1-3)和(x1-4，y1-4)；
第二张：(x2-1，y2-1)、(x2-2，y2-2)、(x2-3，y2-3)和(x2-4，y2-4)。
欧氏距离的计算按表达式(1)：
Figure BDA0002503029040000081
其中，l1为两张待处理图片中目标矩形框的第一个顶点的欧氏距离，以此类推，可以计算出其它三个顶点的欧氏距离，作为相邻的两张所述待处理图片的四个偏离量。
步骤208：欧氏距离均<α？是：进入步骤209，否：进入步骤210。
具体地，α为偏离量阈值，如果欧氏距离均<α，则表示偏离量较小，无需补拍待处理图片，否则，偏离量较大，需要补拍待处理图片。这里，所述偏离量阈值α的取值范围可以是：10～100个像素点。
步骤209：i＝i+1。由于欧氏距离均<α，则表示偏离量较小，无需补拍待处理图片，合格计数加1。这里，i为偏离量较小的合格计数，同理，在计算机程序中，i也可以是一个全局变量。执行完步骤209后，接着执行步骤211。
步骤210：i＝0。由于欧氏距离有>α的，则表示偏离量较大，需补拍待处理图片，合格计数归0。
步骤211：i＝2？是：进入步骤212，否：进入步骤213。i＝2，表示有连续三张待处理图片中的目标物体的偏移量较小，可以进行清晰度合格的确定。否则，还需要继续拍摄待处理图片，并进行目标物体偏移量计算。
步骤212：确定当前的图片清晰度合格。由于有连续三张待处理图片中的目标物体的偏移量较小，即同一个目标物体在三次拍摄中的偏移量较小，可以确定清晰度合格。
步骤213：将后一个目标矩形框的四个顶点坐标替换当前坐标。由于合格计数归0，需要补拍待处理图片，即将后一个目标矩形框的四个顶点坐标替换当前坐标，并返回步骤201。
这里，需要注意的是，由于计算欧氏距离的速度很快，因此，计算第一张待处理图片和第二张待处理图片中目标物体的偏移量与拍摄第三张待处理图片是同时进行的，当第一张待处理图片和第二张待处理图片中目标物体的偏移量较大被剔除时，会马上拍摄第四张待处理图片，直至获取三张符合要求的待处理图片，这样，效率更高。
在本发明的另一些实施例中，所述方法还包括：
收集预设数量的包含目标物体的待处理图片，并手动标注出包含所述目标物体轮廓的目标区域；
将各个标注目标区域的所述待处理图片输入未知模型参数的图像识别模型中训练，确定所述物体轮廓识别规则。
即所述物体轮廓识别规则是通过深度学习的目标检测算法模型训练得到的。具体地，所述目标检测算法模型可以是YOLO系列，YOLO系列是一种速度快、性能好的神经网络模型。更具体地，所述目标检测算法模型可以是YOLOv3或YOLOv3-tiny。能够理解，深度学习的目标检测算法模型也可以是其它类型的模型。
具体地，如图4所示，所述将各个标注目标区域的待处理图片输入未知模型参数的图像识别模型中训练的过程如下：
步骤401：大量采集包含目标物体的待处理图片。
步骤402：数据准备。数据准备包括数据清洗和格式化处理，数据清洗即根据目标算法模型的规范，剔除不合格的待处理图片；格式化处理是将图片的类型统一为一种类型，例如统一为JPG格式。
步骤403：对目标物体的轮廓进行矩形框数据标注。根据目标算法模型的规范，对目标物体的轮廓进行矩形框数据标注。再将图片转化为目标算法模型所需的输入格式，例如统一为tfrecord格式。
步骤404：将标注的待处理图片输入目标算法模型进行训练。具体地，目标检测算法模型可以是YOLOv3或YOLOv3-tiny。
步骤405：优化模型。根据目标算法模型的输出，对模型进行进一步优化。
关于目标检测算法模型，是本技术领域的技术人员都了解的，不作更多赘述。
通过深度学习的目标检测算法模型训练得到所述物体轮廓识别规则，识别目标物体轮廓更精确、速度更快，是更佳的实施方式。
实施例二
图5为本发明实施例图片清晰度确定装置的结构示意图，如图5所示，所述装置500包括第一获取模块501、第二获取模块502和确定模块503；其中，
所述第一获取模块501，用于通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；
所述第二获取模块502，用于根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；
所述确定模块503，用于根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度。
在本发明的另一些实施例中，所述第一获取模块501还用于：
通过预设相机，获取三张连续拍摄的包含目标物体的待处理图片。
在本发明的另一些实施例中，所述第二获取模块502，还用于：
根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标矩形框。
在本发明的另一些实施例中，所述确定模块503，还用于：根据获取的所述待处理图片内的目标矩形框，获取所述目标矩形框在所述待处理图片中的坐标；
根据获取的坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度；
根据确定的三张所述待处理图片中目标矩形框相互间的偏离程度，确定所述待处理图片的清晰度。
在本发明的另一些实施例中，所述确定模块503，还用于：根据获取的所述待处理图片内的目标矩形框；
获取所述目标矩形框四个顶点在所述待处理图片中的坐标；
根据获取的坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度，包括：
将三张所述待处理图片中任意两张相邻的所述待处理图片的目标矩形框的四个顶点的坐标，分别两两计算欧氏距离；
将计算出的四个欧氏距离，作为相邻的两张所述待处理图片的四个偏离量。
在本发明的另一些实施例中，所述确定模块503，还用于：相应于任意两张相邻的所述待处理图片的四个偏离量均小于或等于预设的偏离量阈值，确定所述待处理图片的清晰度合格；
否则，确定所述待处理图片的清晰度不合格。
在本发明的另一些实施例中，所述第二获取模块502，还用于：收集预设数量的包含目标物体的待处理图片，并手动标注出包含所述目标物体轮廓的目标区域；
将各个标注目标区域的所述待处理图片输入未知模型参数的图像识别模型中训练，确定所述物体轮廓识别规则。
本发明实施例中的装置可以为设置在智能设备中的装置，也可以为与智能设备连接且通信的独立装置。
在一些实施例中，本发明实施例的装置可以用于执行上述实施例中所描述的图片清晰度确定方法，当然也可以包括用于执行上述实施例所描述的图片清晰度确定方法中的任意流程和/或步骤的模块，为了简洁，不再赘述。
以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
本发明实施例所包括的各模块，可以通过智能设备中的处理器来实现；当然也可通过智能设备中的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。
实施例三
如图6所示，本发明实施例还提供了一种智能设备，在具体实施时，所述智能设备可以是幼儿园晨检设备。所述设备600包括：存储器601、通信总线602和处理器603，其中：
所述存储器601，用于存储图片清晰度确定方法程序；
所述通信总线602，用于实现所述存储器和所述处理器之间的连接通信；
所述处理器603，用于执行存储器中存储的图片清晰度确定方法程序，以实现如实施例一所述的方法的步骤。
具体地，所述处理器可以是基于精简指令集计算机(RISC，Reduced InstructionSet Computer)架构的多核处理器；所述存储器可以是高容量的磁性存储器。
具体地，所述设备600还包括：外部通信接口604、拍摄部件605、显示屏606和语音提示部件607，其中：
所述外部通信接口604，可以用于与外部的终端通信，外部的终端包括服务器或客户端，所述外部通信接口604可以包括有线接口和无线接口；
所述拍摄部件605，可以用于拍摄包含目标物体的待处理图片；
所述显示屏606，用于显示待处理图片的清晰度结果或其它提示信息；
所述语音提示部件607，用于提示被测量者，例如可以提示被测量者站立位置不对。
以上设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本实施例的智能设备中未披露的技术细节，请参照本发明中方法实施例的描述而理解。
实施例四
本发明实施例还提供了一种计算机可读存储介质，其上存储有可执行程序，所述可执行程序被处理器执行时实现如实施例一所述图片清晰度确定方法的步骤。
所述计算机可读存储介质可以是高容量的磁性存储器。
以上计算机可读存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本实施例的计算机可读存储介质中未披露的技术细节，请参照本发明中方法实施例的描述而理解。
在本发明实施例记载中，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明实施例中如有涉及的术语“第一\第二\第三”，仅是区别类似的物体，不代表针对物体的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。
应理解，说明书通篇中提到的“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图片清晰度确定方法，其特征在于，所述方法包括：
通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；
根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；
根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度；所述预设相机为拍摄范围固定的相机。
2.根据权利要求1所述的方法，其特征在于，所述通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片，包括：
通过预设相机，获取三张连续拍摄的包含目标物体的待处理图片。
3.根据权利要求2所述的方法，其特征在于，所述根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域，包括：
根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标矩形框。
4.根据权利要求3所述的方法，其特征在于，所述根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度，包括：
根据获取的所述待处理图片内的目标矩形框，获取所述目标矩形框四个顶点在所述待处理图片中的坐标；
根据获取的所述目标矩形框四个顶点的坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度；
根据确定的三张所述待处理图片中目标矩形框相互间的偏离程度，确定所述待处理图片的清晰度。
5.根据权利要求4所述的方法，其特征在于，所述根据获取的所述目标矩形框四个顶点坐标，确定三张所述待处理图片中目标矩形框相互间的偏离程度，包括：
将三张所述待处理图片中任意两张相邻的所述待处理图片的目标矩形框的四个顶点的坐标，分别两两计算欧氏距离；
将计算出的四个欧氏距离，作为相邻的两张所述待处理图片的四个偏离量。
6.根据权利要求5所述的方法，其特征在于，所述根据确定的三张所述待处理图片中目标矩形框相互间的偏离程度，确定所述待处理图片的清晰度，包括：
相应于三张所述待处理图片中相邻的所述待处理图片的偏离量均小于或等于预设的偏离量阈值，确定所述待处理图片的清晰度合格；
否则，确定所述待处理图片的清晰度不合格。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
收集预设数量的包含目标物体的待处理图片，并手动标注出包含所述目标物体轮廓的目标区域；
将各个标注目标区域的所述待处理图片输入未知模型参数的图像识别模型中训练，确定所述物体轮廓识别规则。
8.一种图片清晰度确定装置，其特征在于，所述装置包括第一获取模块、第二获取模块和确定模块；其中，
所述第一获取模块，用于通过预设相机，获取至少三张在预设时间内拍摄的包含目标物体的待处理图片；
所述第二获取模块，用于根据预设的物体轮廓识别规则，获取所述待处理图片内包含所述目标物体轮廓的目标区域；
所述确定模块，用于根据至少三张所述待处理图片的目标区域相互间的偏离程度，确定所述待处理图片的清晰度。
9.一种智能设备，其特征在于，所述设备包括：存储器、通信总线和处理器，其中：
所述存储器，用于存储图片清晰度确定方法程序；
所述通信总线，用于实现所述存储器和所述处理器之间的连接通信；
所述处理器，用于执行存储器中存储的图片清晰度确定方法程序，以实现如权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有可执行程序，所述可执行程序被处理器执行时实现如权利要求1至7任一项所述的方法的步骤。
CN202010438034.4A 2020-05-21 2020-05-21 一种图片清晰度确定方法、装置、设备及存储介质 Pending CN111563895A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010438034.4A CN111563895A (zh) 2020-05-21 2020-05-21 一种图片清晰度确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010438034.4A CN111563895A (zh) 2020-05-21 2020-05-21 一种图片清晰度确定方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111563895A true CN111563895A (zh) 2020-08-21

Family

ID=72073536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010438034.4A Pending CN111563895A (zh) 2020-05-21 2020-05-21 一种图片清晰度确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111563895A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150496A (zh) * 2020-09-24 2020-12-29 平安科技（深圳）有限公司 照片处理方法、装置、电子设备及可读存储介质
US20230036808A1 (en) * 2021-08-02 2023-02-02 Intuit Inc. Vertex change detection for enhanced document capture

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210495A (zh) * 2015-05-06 2016-12-07 小米科技有限责任公司 图像拍摄方法和装置
CN106412228A (zh) * 2016-06-28 2017-02-15 维沃移动通信有限公司 一种拍摄预览方法和电子设备
WO2018184245A1 (zh) * 2017-04-08 2018-10-11 闲客智能（深圳）科技有限公司 一种眼动判断方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210495A (zh) * 2015-05-06 2016-12-07 小米科技有限责任公司 图像拍摄方法和装置
CN106412228A (zh) * 2016-06-28 2017-02-15 维沃移动通信有限公司 一种拍摄预览方法和电子设备
WO2018184245A1 (zh) * 2017-04-08 2018-10-11 闲客智能（深圳）科技有限公司 一种眼动判断方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112150496A (zh) * 2020-09-24 2020-12-29 平安科技（深圳）有限公司 照片处理方法、装置、电子设备及可读存储介质
CN112150496B (zh) * 2020-09-24 2023-06-02 平安科技（深圳）有限公司 照片处理方法、装置、电子设备及可读存储介质
US20230036808A1 (en) * 2021-08-02 2023-02-02 Intuit Inc. Vertex change detection for enhanced document capture
EP4131929A1 (en) * 2021-08-02 2023-02-08 Intuit Inc. Vertex change detection for enhanced document capture
US11910079B2 (en) * 2021-08-02 2024-02-20 Intuit, Inc. Vertex change detection for enhanced document capture
AU2022204454B2 (en) * 2021-08-02 2024-03-07 Intuit Inc. Vertex change detection for enhanced document capture
US20240147047A1 (en) * 2021-08-02 2024-05-02 Intuit Inc. Vertex change detection for enhanced document capture

Similar Documents

Publication Publication Date Title
KR102319177B1 (ko) 이미지 내의 객체 자세를 결정하는 방법 및 장치, 장비, 및 저장 매체
CA3121440C (en) Assembly body change detection method, device and medium based on attention mechanism
CN106228507B (zh) 一种基于光场的深度图像处理方法
US10509954B2 (en) Method and system of image segmentation refinement for image processing
CN113591795B (zh) 一种基于混合注意力特征金字塔结构的轻量化人脸检测方法和系统
CN109815770B (zh) 二维码检测方法、装置及系统
WO2022170844A1 (zh) 一种视频标注方法、装置、设备及计算机可读存储介质
US9767604B2 (en) Image analysis method by analyzing point cloud using hierarchical search tree
CN111462206B (zh) 一种基于卷积神经网络的单目结构光深度成像方法
JP4772839B2 (ja) 画像識別方法および撮像装置
US10645364B2 (en) Dynamic calibration of multi-camera systems using multiple multi-view image frames
CN108986152B (zh) 一种基于差分图像的异物检测方法及装置
CN109685078B (zh) 基于自动标注的红外图像识别方法
CN112200771B (zh) 一种高度测量方法、装置、设备和介质
CN107862698A (zh) 基于k均值聚类的光场前景分割方法及装置
CN107133986B (zh) 一种基于二维标定物的相机标定方法
CN109525786B (zh) 视频处理方法、装置、终端设备及存储介质
CN112200056B (zh) 人脸活体检测方法、装置、电子设备及存储介质
CN111307039A (zh) 一种物体长度识别方法、装置、终端设备和存储介质
WO2024012333A1 (zh) 位姿估计方法及相关模型的训练方法、装置、电子设备、计算机可读介质和计算机程序产品
US20220179485A1 (en) Gaze point estimation method, device, and electronic device
CN113822942A (zh) 一种基于二维码的单目摄像头测量物体尺寸的方法
CN111563895A (zh) 一种图片清晰度确定方法、装置、设备及存储介质
CN109859101A (zh) 农作物冠层热红外图像识别方法及系统
CN110505398A (zh) 一种图像处理方法、装置、电子设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200821

RJ01 Rejection of invention patent application after publication