CN111586279B - 确定拍摄状态的方法、装置、设备及存储介质 - Google Patents

确定拍摄状态的方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111586279B
CN111586279B CN201910117119.XA CN201910117119A CN111586279B CN 111586279 B CN111586279 B CN 111586279B CN 201910117119 A CN201910117119 A CN 201910117119A CN 111586279 B CN111586279 B CN 111586279B
Authority
CN
China
Prior art keywords
feature point
point matching
matching
determining
screened
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
CN201910117119.XA
Other languages
English (en)
Other versions
CN111586279A (zh
Inventor
郑远力
顾照鹏
谢年华
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201910117119.XA priority Critical patent/CN111586279B/zh
Publication of CN111586279A publication Critical patent/CN111586279A/zh
Application granted granted Critical
Publication of CN111586279B publication Critical patent/CN111586279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04N23/681—Motion detection
    • H04N23/6811—Motion detection based on the image signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种确定拍摄状态的方法、装置、设备及存储介质，属于电子技术领域。所述方法包括：将第一特征点集合和第二特征点集合中的特征点进行匹配，得到多个特征点匹配对，第一特征点集合包括多个第一特征点，第二特征点集合包括多个第二特征点；对多个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对；根据多个筛选后的特征点匹配对，确定终端的拍摄状态。本发明不依赖于传感器获取的加速度值，通过将第一帧图像和当前帧图像的特征点进行匹配，得到特征点匹配对，并基于筛选后的特征点匹配对，确定出终端的拍摄状态。由于终端的拍摄状态改变后，特征点会发生偏移，因而基于特征点匹配对能够准确地确定出拍摄状态。

Description

确定拍摄状态的方法、装置、设备及存储介质
技术领域
本发明涉及电子技术领域，特别涉及一种确定拍摄状态的方法、装置、设备及存储介质。
背景技术
在某些业务场景下，为了获取到高质量的视频画面，需要具有拍摄功能的终端在静止状态下进行拍摄。然而，在很多时候，微小动作引起的拍摄状态的改变，很难通过人眼识别出来，需要采用一定的方法确定出终端的拍摄状态，进而在其处于运动状态时，及时进行调整。
目前，相关在确定拍摄状态时，采用如下方法：预先在终端内配置加速度计、陀螺仪等用于检测加速度的传感器，基于这些传感器实时获取终端的加速度值，如果获取到非零的加速度值时，则确定终端的拍摄状态为运动状态。
然而，受限于传感器本身的物理性质，仅当终端进行加速运动或减速运动时，才能获取到非零的加速度值，并确定终端的拍摄状态为运动状态，而当终端进行匀速运动时，传感器因无法获取到非零的加速度值，而确定终端的拍摄状态为静止状态，因此，所确定的拍摄状态并不准确。
发明内容
为了解决相关技术的问题，本发明实施例提供了一种确定拍摄状态的方法、装置、设备及存储介质。所述技术方案如下：
一方面，提供了一种确定拍摄状态的方法，所述方法包括：
将第一特征点集合和第二特征点集合中的特征点进行匹配，得到多个特征点匹配对，所述第一特征点集合包括从第一帧图像中提取的多个第一特征点，所述第二特征点集合包括从当前帧图像中提取的多个第二特征点，所述第一帧图像和所述当前帧图像由终端拍摄得到；
对所述多个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对；
根据所述多个筛选后的特征点匹配对，确定所述终端的拍摄状态。
另一方面，提供了一种确定拍摄状态的装置，所述装置包括：
匹配模块，用于将第一特征点集合和第二特征点集合中的特征点进行匹配，得到多个特征点匹配对，所述第一特征点集合包括从第一帧图像中提取的多个第一特征点，所述第二特征点集合包括从当前帧图像中提取的多个第二特征点，所述第一帧图像和所述当前帧图像由终端拍摄得到；
筛选模块，用于对所述多个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对；
确定模块，用于根据所述多个筛选后的特征点匹配对，确定所述终端的拍摄状态。
另一方面，提供了一种确定拍摄状态的设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现确定拍摄状态的方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现确定拍摄状态的方法。
本发明实施例提供的技术方案带来的有益效果是：
不依赖于传感器获取的加速度值，通过将第一帧图像和当前帧图像的特征点进行匹配，得到特征点匹配对，并基于筛选后的特征点匹配对，确定出终端的拍摄状态。由于终端的拍摄状态改变后，特征点会发生偏移，因而基于特征点匹配对能够准确地确定出拍摄状态。
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单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。
图1是本发明实施例提供的确定拍摄状态的装置的硬件结构图；
图2是本发明实施例提供的确定拍摄状态的方法流程图；
图3是本发明实施例提供的一帧图像的示意图；
图4是本发明实施例提供的确定摄像状态的装置结构示意图；
图5示出了本发明一个示例性实施例提供的确定拍摄状态的终端的结构框图；
图6是根据一示例性实施例示出的一种用于确定拍摄状态的服务器。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
目前，相关技术在确定终端的拍摄状态时，主要采用两种方法：
一种方法、预先在终端内配置用于检测加速度的传感器，例如，加速度计、陀螺仪等，通过这些传感器实时检测加速度值，从而判断终端拍摄时是否处于运动状态，也即是确定终端的拍摄状态。
另一种方法、获取终端拍摄的图像，采用流光法通过计算两帧图像上像素点之间的相对运动，从而判断终端拍摄时是否处于运动状态。
第一种方法由于需要配置传感器，成本较高，且受限于传感器本身的物理性质，只在检测到加速度值时，才判断终端拍摄时处于运动状态。对于静止状态和匀速运动状态无法进行区分。
另一种方法虽然能够获取终端拍摄的图像，但是光流法只能判断相邻两帧图像之间的运动，当终端朝着某一方向一直做微小的运动时，无法判断出来，且因未对图像的非背景区域进行排除，也未排除计算错误的光流，导致确定出的拍摄状态并不准确。
本发明实施例提供的方法从图像的背景区域提取特征点，并对两帧图像的特征点进行匹配，得到特征点匹配对，通过对特征点匹配对进行筛选，排除匹配错误的特征点匹配对，进而基于筛选后的特征点匹配对，判断终端拍摄时是否处于运动状态。该方法不依赖于加速度计、陀螺仪等额外的传感器，即便终端在匀速缓慢运动，也可以很准确地确定出其拍摄状态。
本发明实例提供的确定拍摄状态的方法，可由确定拍摄状态的装置执行，该装置安装在用于确定拍摄状态的设备上，该设备可以为拍摄视频文件的终端，也可以为对视频文件进行存储、分发、处理等操作的服务器。参见图1，其示出了本发明实施例提供的确定拍摄状态的装置的硬件结构图，该硬件结构包括：一个视频输入接口、一个处理器及一个结果输出接口。
其中，视频输入接口用于从终端拍摄的视频文件中获取图像。该视频输入接口获取图像的方式，包括但不限于以下两种：第一种方式、可以直接将该视频输入接口安装在用于拍摄视频文件的终端内部，通过终端内部的信令交互，实时获取终端拍摄的图像；第二种方式，可以不将该视频输入接口安装在用于拍摄视频文件的终端内部，而是从其它外部设备，例如，U盘、硬盘、网线等中读取视频文件中的图像。
处理器为该装置的核心部件，用于对获取到的图像进行识别、计算等操作。以获取的图像为视频文件中的第一帧图像和第二帧图像为例，处理器的处理过程为：对第一帧图像和第二帧图像的非背景的区域进行识别，将第一帧图像和第二帧图像上非背景区域以外的区域确定为背景区域；从第一帧图像的背景区域上提取第一特征点，组成第一特征点集合F1，并从第二帧图像的背景区域上提取第二特征点，组成第二特征点集合F2，将F1与F2进行匹配，得到特征点匹配对；采用运动约束方程来筛选掉误匹配的特征点匹配对；通过计算筛选后的特征点匹配对的数量、平均像素距离以及移动位置超过某一阈值的特征点匹配对的占比，判断终端拍摄时是否处于运动状态；如果确定终端拍摄时处于静止状态，则继续从第三帧图像的背景区域内提取第三特征点，组成第三特征点集合F3，并将F1与F3进行匹配，重复执行上述操作，直至根据某一帧图像确定终端的拍摄状态为运动状态，流程结束；或者，根据该视频文件的所有帧图像均不能确定终端的拍摄状态为运动状态，则可以确定终端的拍摄状态为静止状态。
结果输出接口用于输出处理器的处理过程以及判断结果。
本发明实施例的应用场景，包括但不限于如下几种：
第一种场景、可以接入视频广告植入业务中，例如，安装在用于投放视频文件的服务器上，从而在将广告植入到视频文件之前，可以判断出哪些视频文件是由终端在静止状态下拍摄的，哪些视频文件是由终端在运动状态下拍摄的。
第二种场景、还可以接入监控视频业务中，例如，安装在视频监控系统，从而在对各个监控摄像头进行管理时，可以判断出各个监控摄像头工作时处于静止状态，还是运动状态。
第三种场景、还可以安装在照相机、摄像机等终端上，以提醒拍摄人员终端拍摄时是否处于静止状态，尤其在手持终端拍摄的场景下，拍摄人员手持终端拍摄，需要保持终端处于静止状态，这时更需要采用本发明实施例提供的方法进行提醒。
本发明实施例提供了一种确定拍摄状态的方法，该方法由用于确定拍摄状态的设备执行，参见图2，本发明实施例提供的方法流程包括：
201、获取第一特征点集合和第二特征点集合。
其中，第一特征点集合包括从第一帧图像中提取的多个第一特征点，第二特征点集合包括从当前帧图像中提取的多个第二特征点，第一帧图像和当前帧图像为视频文件中的图像，由终端拍摄得到。
本发明实施例在获取第一特征点集合和第二特征点集合时，可以采用如下方法：
2011、确定第一帧图像和当前帧图像的背景区域。
一般来说，每帧图像均包括会运动的人、视频的台标、字幕、动画等内容，这些内容为图像中的重要内容，这些内容所在的区域可以作为非背景区域，而每帧图像上除了非背景区域以外的区域，则可以作为背景区域。因此，在确定第一帧图像和当前帧图像的背景区域时，可以先对第一帧图像和当前帧图像上的非背景的区域进行识别，进而将第一帧图像上除非背景区域以外的区域确定为第一帧图像的背景区域，并将当前帧图像上除非背景区域以外的区域确定为当前帧图像到的背景区域。对非背景区域进行识别时，可以采用人工方式，也可以采用图像识别方法，本发明实施例对此不作具体的限定。
2012、从第一帧图像的背景区域中提取多个第一特征点，组成第一特征点集合。
从第一帧图像的背景区域中提取多个第一特征点，并将提取的多个第一特征点组成第一特征点集合。其中，从第一帧图像的背景区域中提取第一特征点时，可以采用特征点提取算法进行提取，例如，SIFT(Scale-invariant feature transform，尺度不变性特征)、SURF(Speeded Up Robust Features，加速稳健特征)、ORB(Oriented FAST and RotatedBRIEF，旋转不变性特征)等，相应地，提取的第一特征点为sift特征点、surf特征点、ORB特征点等；也可以采用深度学习方法进行提取；还可以采用人工方法进行提取。多个第一特征点实际上为第一帧图像上的多个像素点，每个像素点都具有一个坐标。设定提取的多个第一特征点的坐标分别为p1 1(u1 1,v1 1),p1 2(u1 2,v1 2)…p1 n(u1 n,v1 n)，则第一特征点集合F1可以表示为：F1＝{p1 1(u1 1,v1 1),p1 2(u1 2,v1 2)…p1 n(u1 n,v1 n)}。
2013、从当前帧图像的背景区域中提取多个第二特征点，组成第二特征点集合。
从当前帧图像的背景区域中提取多个第二特征点，并将提取的多个第二特征点组成第二特征点集合。其中，从当前帧图像的背景区域中提取第二特征点时，可以采用特征点提取算法进行提取，例如，sift、surf、ORB等，相应地，提取的第二特征点为sift特征点、surf特征点、ORB特征点等；也可以采用深度学习方法进行提取；还可以采用人工方法进行提取。多个第二特征点实际上为当前帧图像上的多个像素点，每个像素点都具有一个坐标。设定提取的多个第二特征点的坐标分别为p2 1(u2 1,v2 1),p2 2(u2 2,v2 2)…p2 n(u2 n,v2 n)，则该第二特征点集合F2可以表示为：F2＝{p2 1(u2 1,v2 1),p2 2(u2 2,v2 2)…p2 n(u2 n,v2 n)}。
图3为视频文件的任一帧图像的示意图，由图3可以看出，本发明实施例首先识别出人物所在的非背景区域，然后从非背景区域中提取多个特征点。
需要说明的，本发明实施例提取的第一特征点的数量及第二特征点的数量可以相同，也可以不同。
202、将第一特征点集合和第二特征点集合中的特征点进行匹配，得到多个特征点匹配对。
在进行特征点匹配时，可将第一特征点集合中的每个第一特征点分别与第二特征点集合中的每个第二特征点进行匹配，从而得到多个特征点匹配对。如果第一特征点和第二特征点采用特征点提取算法提取的，则采用相应的特征点提取算法进行匹配；如果第一特征点和第二特征点采用深度学习方法提取的，则采用相应的深度学习方法进行匹配；如果第一特征点和第二特征点采用人工方式提取的，则采用人工方式进行匹配。在将第一特征点和第二特征点进行匹配时，可将第一特征点的编码信息和第二特征点的编码信息进行匹配，当二者编码信息之间的相似度满足阈值条件时，可以确定该第一特征点和该第二特征点匹配，能够组成一个特征点匹配对。
203、对多个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对。
本发明实施例对多个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对，可以采用如下方法：
2031、根据多个特征点匹配对，确定目标单应矩阵。
其中，目标单应矩阵用于对特征点进行约束，从而基于约束结果对误匹配的特征点匹配对进行删除。目标单应矩阵在确定时，包括以下步骤：
20311、根据多个特征点匹配对，获取多个特征点匹配组。
其中，每个特征点匹配组包括至少一个特征点匹配对。基于多个特征点匹配对，可以随机选取至少一个(例如，4个、5个等等)特征点匹配对，组成一个特征点匹配组。重复执行该过程多次，可以得到多个特征点匹配组。
20312、根据每个特征点匹配组中的特征点匹配对和运动约束方程，确定每个特征点匹配组对应的单应矩阵。
将每个特征点匹配组中的特征点匹配对代入到运动约束方程中，通过求解线性方程，可以得到每个特征点匹配组对应的单应矩阵。
例如，随机选取4个特征点匹配对组成特征点匹配组，4个特征点匹配对分别为p1 1(u1 1,v1 1)和p2 1(u2 1,v2 1)、p1 2(u1 2,v1 2)和p2 2(u2 2,v2 2)、p1 3(u1 3,v1 3)和p2 3(u2 3,v2 3)、p1 4(u1 4,v1 4)和p2 4(u2 4,v2 4)，将其代入到运动约束方程中，可以得到：
Figure BDA0001970557820000071
通过求解线性方程组，可以得到h1,h2…h8的值，将h1,h2…h8组成该特征点匹配组对应的单应矩阵H。其中，
Figure BDA0001970557820000081
20313、根据每个特征点匹配组对应的单应矩阵，对多个特征点匹配对进行筛选，得到每个特征点匹配组中符合约束条件的匹配数量。
对于任一特征点匹配组对应的单应矩阵，可以采用该单应矩阵将每个特征点匹配对中的第二特征点映射到第一帧图像上，得到每个第二特征点对应的映射点，获取每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离，当任一特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离满足第一阈值条件，确定特征点匹配对符合约束条件。当将特征点匹配组中所有的特征点匹配对进行上述处理后，获取特征点匹配组中符合约束条件的匹配数量。其中，第一阈值条件所指示的阈值可以根据精度需求设置。
例如，对于任一特征点匹配对，该特征点匹配对中的第一特征点为p1 1(u1 1,v1 1)，第二特征点为p2(u2,v2)，采用单应矩阵
Figure BDA0001970557820000082
将p2(u2,v2)映射到第一帧图像上，得到第二特征点p2(u2,v2)对应的映射点p1 1'(u1 1',v1 1')，该映射点的横纵坐标分别为
Figure BDA0001970557820000083
计算第一帧图像上的像素点p1 1(u1 1,v1 1)和p1 1'(u1 1',v1 1')之间像素距离d1，得到
Figure BDA0001970557820000084
当d1小于阈值tH时，可以确定该特征点匹配对满足第一阈值条件，进而确定该特征点匹配对符合约束条件。对于第一特征点集合和第二特征点集合匹配得到的每个特征点匹配对均采用上述方法进行处理，可以统计出符合约束条件的匹配数量NH。
20314、从多个特征点匹配组对应的匹配数量中，获取匹配数量的最大值。
获取每个特征点匹配组对应的匹配数量，并从多个特征点匹配组对应的匹配数量中，获取匹配数量的最大值。
20315、根据匹配数量的最大值对应的单应矩阵和多个特征点匹配对，确定目标单应矩阵。
当获取到匹配数量的最大值对应的单应矩阵，采用该单应矩阵将各个特征点匹配对中的第二特征点映射到第一帧图像上，通过计算每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离，对多个特征点匹配对进行筛选，得到基于单应矩阵筛选后的多个特征点匹配对，然后将基于单应矩阵筛选后的多个特征点匹配对代入到运动约束方程中，通过求解方程，可以得到目标单应矩阵。
例如，基于单应矩阵筛选后的多个特征点匹配对为p1 1(u1 1,v1 1)和p2 1(u2 1,v2 1)、p1 2(u1 2,v1 2)和p2 2(u2 2,v2 2)、…、p1 n(u1 n,v1 n)和p2 n(u2 n,v2 n)，其中，第一特征点为p1 1(u1 1,v1 1),p1 2(u1 2,v1 2)…p1 n(u1 n,v1 n)，第二特征点为p2 1(u2 1,v2 1),p2 2(u2 2,v2 2)…p2 n(u2 n,v2 n)，将p1 1(u1 1,v1 1),p1 2(u1 2,v1 2)…p1 n(u1 n,v1 n)和p2 1(u2 1,v2 1),p2 2(u2 2,v2 2)…p2 n(u2 n,v2 n)代入到运动约束方程，可以得到：
Figure BDA0001970557820000091
采用最小二乘法求解上述线性方程，可以得到h1,h2…h8。将h1,h2…h8代入到单应矩阵中，可以得到目标单应矩阵。
2032、根据目标单应矩阵，将每个特征点匹配对中的第二特征点映射到第一帧图像上，得到每个第二特征点对应的映射点。
2033、根据每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点，对每个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对。
获取每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离，当任一特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离满足第一阈值条件，确定特征点匹配对符合约束条件，获取所有符合约束条件的特征点匹配对，将所有符合约束条件的特征点匹配对，作为多个筛选后的特征点匹配对。
204、根据多个筛选后的特征点匹配对，确定终端的拍摄状态。
在根据多个筛选后的特征点匹配对，确定终端的拍摄状态时，可以采用如下方法：
2041、当多个筛选后的特征点匹配对的数量满足第二阈值条件，获取每个筛选后的特征点匹配对的像素距离。
获取基于目标单应矩阵筛选后的特征点匹配对的数量，将该数量与阈值t1进行比较，当该数量小于阈值t1，则不再基于当前帧图像进行判断，直接跳到下一帧图像；当该数量大于等于阈值t1，则确定多个筛选后的特征点匹配对的数量满足第二阈值条件，进而根据每个筛选后的特征点匹配对的坐标，获取每个筛选后的特征点匹配对的像素距离。其中，阈值t1可以根据精度需求进行设置。
例如，对于任一特征点匹配对，其包括的第一特征点为p1 1(u1 1,v1 1)，第二特征点为p2 1(u2 1,v2 1)，则该特征点匹配对的像素距离
Figure BDA0001970557820000101
2042、根据每个筛选后的特征点匹配对的像素距离，确定多个筛选后的特征点匹配对的平均像素距离。
获取每个筛选后的特征点匹配对的像素距离，通过对多个筛选后的特征点匹配对的像素距离取平均值，可以得到多个筛选后的特征点匹配对的平均像素距离，该平均像素距离可以表示为dis_avg。
2043、根据平均像素距离及每个筛选后的特征点匹配对的像素距离，确定终端的拍摄状态。
该步骤在执行时，可以采用如下方法：
20431、根据每个筛选后的特征点匹配对的像素距离，可以将每个筛选后的特征点匹配对的像素距离与阈值t3进行比较，当筛选后的特征点匹配对的像素距离大于阈值t3，则确定该筛选后的特征点匹配对满足第三阈值条件。通过将每个筛选后的特征点匹配对的像素距离与阈值t3进行比较，可以获取像素距离满足第三阈值条件的筛选后的特征点匹配对的数量。其中，阈值t3可以根据精度需求进行设置。
20432、将满足第三阈值条件的筛选后的特征点匹配对的数量除以多个筛选后的特征点匹配对的数量，可以获取满足第三阈值条件的筛选后的特征点匹配对所占的比值percent。
20433、将平均距离dis_avg与阈值t2进行比较，并将该比值percent与阈值t4进行比较，当平均距离dis_avg与大于阈值t2时，确定平均像素距离满足第四阈值条件，当比值percent大于阈值t4时，确定比值percent满足第五阈值条件。当平均像素距离满足第四阈值条件，且比值满足第五阈值条件时，可以确定终端的拍摄状态为运动状态。
综合上述步骤2041～2043可以看出，当多个筛选后的特征点匹配对在数量上满足第二阈值条件，且在平均像素距离上满足第四阈值条件，且在比值上满足第五阈值条件时，可以确定终端的拍摄状态为运动状态，流程结束。当多个筛选后的特征点匹配对的数量不满足第二阈值条件，或平均像素距离不满足第四阈值条件，或比值不满足第五阈值条件时，需要继续获取下一帧图像进行判断，直至确定出终端的拍摄状态为运动状态，或者最后一帧图像。当直至最后一帧图像未确定出终端的拍摄状态为运动状态，可以确定终端的拍摄状态为静止状态。
本发明实施例提出了这么一套完整的静止镜头判断方案，通过确定出目标单应矩阵并设置一系列的阈值条件判断镜头是否静止。特别是，结合像素点的平均像素距离和有位移的像素点所占的比值进行判断，非常有效地减少误判的概率，极大地提高判断结果的准确率。
需要说明的是，本发明实施例以将视频文件中的图像与第一帧图像进行比较时，可以是逐帧选取图像与第一帧图像进行比较，也可以是跳帧选取图像与第一帧图像进行比较，本发明实施例对此不作具体的限定。
本发明实施例提供的方法，不依赖于传感器获取的加速度值，通过将第一帧图像和当前帧图像的特征点进行匹配，得到特征点匹配对，并基于筛选后的特征点匹配对，确定出终端的拍摄状态。由于终端的拍摄状态改变后，特征点会发生偏移，因而基于特征点匹配对能够准确地确定出拍摄状态。
参见图4，本发明实施例提供了一种确定拍摄状态的装置，该装置包括：
匹配模块401，用于将第一特征点集合和第二特征点集合中的特征点进行匹配，得到多个特征点匹配对，第一特征点集合包括从第一帧图像中提取的多个第一特征点，第二特征点集合包括从当前帧图像中提取的多个第二特征点，第一帧图像和当前帧图像由终端拍摄得到；
筛选模块402，用于对多个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对；
确定模块403，用于根据多个筛选后的特征点匹配对，确定终端的拍摄状态。
在另一种可能的实现方式中，筛选模块402，用于根据多个特征点匹配对，确定目标单应矩阵；根据目标单应矩阵，将每个特征点匹配对中的第二特征点映射到第一帧图像上，得到每个第二特征点对应的映射点；根据每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点，对每个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对。
在另一种可能的实现方式中，筛选模块402，用于获取每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离；当任一特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离满足第一阈值条件，确定特征点匹配对符合约束条件；将所有符合约束条件的特征点匹配对，作为多个筛选后的特征点匹配对。
在另一种可能的实现方式中，筛选模块402，用于根据多个特征点匹配对，获取多个特征点匹配组，每个特征点匹配组包括至少一个特征点匹配对；根据每个特征点匹配组中的特征点匹配对和运动约束方程，确定每个特征点匹配组对应的单应矩阵；根据每个特征点匹配组对应的单应矩阵，对多个特征点匹配对进行筛选，得到每个特征点匹配组中符合约束条件的匹配数量；从多个特征点匹配组对应的匹配数量中，获取匹配数量的最大值；根据匹配数量的最大值对应的单应矩阵和多个特征点匹配对，确定目标单应矩阵。
在另一种可能的实现方式中，确定模块403，用于当多个筛选后的特征点匹配对的数量满足第二阈值条件，获取每个筛选后的特征点匹配对的像素距离；根据每个筛选后的特征点匹配对的像素距离，确定多个筛选后的特征点匹配对的平均像素距离；根据平均像素距离及每个筛选后的特征点匹配对的像素距离，确定终端的拍摄状态。
在另一种可能的实现方式中，确定模块403，用于根据每个筛选后的特征点匹配对的像素距离，获取像素距离满足第三阈值条件的筛选后的特征点匹配对的数量；根据满足第三阈值条件的筛选后的特征点匹配对的数量和多个筛选后的特征点匹配对的数量，获取满足第三阈值条件的筛选后的特征点匹配对所占的比值；当平均像素距离满足第四阈值条件，且比值满足第五阈值条件时，确定终端的拍摄状态为运动状态。
在另一种可能的实现方式中，确定模块403，用于当多个筛选后的特征点匹配对的数量不满足第二阈值条件，或平均像素距离不满足第四阈值条件，或比值不满足第五阈值条件时，获取下一帧图像进行判断，直至确定出终端的拍摄状态为运动状态，或者最后一帧图像；当直至最后一帧图像未确定出终端的拍摄状态为运动状态，确定终端的拍摄状态为静止状态。
在另一种可能的实现方式中，该装置还包括：
确定模块402，用于确定第一帧图像和当前帧图像的背景区域；
提取模块，用于从第一帧图像的背景区域中提取多个第一特征点，组成第一特征点集合；
提取模块，用于从当前帧图像的背景区域中提取多个第二特征点，组成第二特征点集合。
综上所述，本发明实施例提供的装置，不依赖于传感器获取的加速度值，通过将第一帧图像和当前帧图像的特征点进行匹配，得到特征点匹配对，并基于筛选后的特征点匹配对，确定出终端的拍摄状态。由于终端的拍摄状态改变后，特征点会发生偏移，因而基于特征点匹配对能够准确地确定出拍摄状态。
图5示出了本发明一个示例性实施例提供的确定拍摄状态的终端500的结构框图。该终端500可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts GroupAudio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture ExpertsGroup Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端500还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端500包括有：处理器501和存储器502。
处理器501可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器501可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器501可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器501还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器502可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器501所执行以实现本申请中方法实施例提供的确定拍摄状态的方法。
在一些实施例中，终端500还可选包括有：外围设备接口503和至少一个外围设备。处理器501、存储器502和外围设备接口503之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口503相连。具体地，外围设备包括：射频电路504、触摸显示屏505、摄像头506、音频电路507、定位组件508和电源509中的至少一种。
外围设备接口503可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器501和存储器502。在一些实施例中，处理器501、存储器502和外围设备接口503被集成在同一芯片或电路板上；在一些其他实施例中，处理器501、存储器502和外围设备接口503中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路504用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路504将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路504包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路504还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏505用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏505是触摸显示屏时，显示屏505还具有采集在显示屏505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器501进行处理。此时，显示屏505还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏505可以为一个，设置终端500的前面板；在另一些实施例中，显示屏505可以为至少两个，分别设置在终端500的不同表面或呈折叠设计；在再一些实施例中，显示屏505可以是柔性显示屏，设置在终端500的弯曲表面上或折叠面上。甚至，显示屏505还可以设置成非矩形的不规则图形，也即异形屏。显示屏505可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件506用于采集图像或视频。可选地，摄像头组件506包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件506还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路507可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器501进行处理，或者输入至射频电路504以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器501或射频电路504的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路507还可以包括耳机插孔。
定位组件508用于定位终端500的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件508可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源509用于为终端500中的各个组件进行供电。电源509可以是交流电、直流电、一次性电池或可充电电池。当电源509包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端500还包括有一个或多个传感器510。该一个或多个传感器510包括但不限于：加速度传感器511、陀螺仪传感器512、压力传感器513、指纹传感器514、光学传感器515以及接近传感器516。
加速度传感器511可以检测以终端500建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器511可以用于检测重力加速度在三个坐标轴上的分量。处理器501可以根据加速度传感器511采集的重力加速度信号，控制触摸显示屏505以横向视图或纵向视图进行用户界面的显示。加速度传感器511还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器512可以检测终端500的机体方向及转动角度，陀螺仪传感器512可以与加速度传感器511协同采集用户对终端500的3D动作。处理器501根据陀螺仪传感器512采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器513可以设置在终端500的侧边框和/或触摸显示屏505的下层。当压力传感器513设置在终端500的侧边框时，可以检测用户对终端500的握持信号，由处理器501根据压力传感器513采集的握持信号进行左右手识别或快捷操作。当压力传感器513设置在触摸显示屏505的下层时，由处理器501根据用户对触摸显示屏505的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器514用于采集用户的指纹，由处理器501根据指纹传感器514采集到的指纹识别用户的身份，或者，由指纹传感器514根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器501授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器514可以被设置终端500的正面、背面或侧面。当终端500上设置有物理按键或厂商Logo时，指纹传感器514可以与物理按键或厂商Logo集成在一起。
光学传感器515用于采集环境光强度。在一个实施例中，处理器501可以根据光学传感器515采集的环境光强度，控制触摸显示屏505的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏505的显示亮度；当环境光强度较低时，调低触摸显示屏505的显示亮度。在另一个实施例中，处理器501还可以根据光学传感器515采集的环境光强度，动态调整摄像头组件506的拍摄参数。
接近传感器516，也称距离传感器，通常设置在终端500的前面板。接近传感器516用于采集用户与终端500的正面之间的距离。在一个实施例中，当接近传感器516检测到用户与终端500的正面之间的距离逐渐变小时，由处理器501控制触摸显示屏505从亮屏状态切换为息屏状态；当接近传感器516检测到用户与终端500的正面之间的距离逐渐变大时，由处理器501控制触摸显示屏505从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图5中示出的结构并不构成对终端500的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本发明实施例提供的终端，不依赖于传感器获取的加速度值，通过将第一帧图像和当前帧图像的特征点进行匹配，得到特征点匹配对，并基于筛选后的特征点匹配对，确定出终端的拍摄状态。由于终端的拍摄状态改变后，特征点会发生偏移，因而基于特征点匹配对能够准确地确定出拍摄状态。
图6是根据一示例性实施例示出的一种用于确定拍摄状态的服务器。参照图6，服务器600包括处理组件622，其进一步包括一个或多个处理器，以及由存储器632所代表的存储器资源，用于存储可由处理组件622的执行的指令，例如应用程序。存储器632中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件622被配置为执行指令，以执行上述确定拍摄状态的方法。
服务器600还可以包括一个电源组件626被配置为执行服务器600的电源管理，一个有线或无线网络接口650被配置为将服务器600连接到网络，和一个输入输出(I/O)接口658。服务器600可以操作基于存储在存储器632的操作系统，例如Windows ServerTM，Mac OSXTM，UnixTM,LinuxTM，FreeBSDTM或类似。
本发明实施例提供的服务器，不依赖于传感器获取的加速度值，通过将第一帧图像和当前帧图像的特征点进行匹配，得到特征点匹配对，并基于筛选后的特征点匹配对，确定出终端的拍摄状态。由于终端的拍摄状态改变后，特征点会发生偏移，因而基于特征点匹配对能够准确地确定出拍摄状态。
本发明实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现图2所示的确定拍摄状态的方法。
本发明实施例提供的计算机可读存储介质，不依赖于传感器获取的加速度值，通过将第一帧图像和当前帧图像的特征点进行匹配，得到特征点匹配对，并基于筛选后的特征点匹配对，确定出终端的拍摄状态。由于终端的拍摄状态改变后，特征点会发生偏移，因而基于特征点匹配对能够准确地确定出拍摄状态。
需要说明的是：上述实施例提供的确定拍摄状态的装置在确定拍摄状态时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将确定拍摄状态的装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的确定拍摄状态的装置与确定拍摄状态的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种确定拍摄状态的方法，其特征在于，所述方法包括：
将第一特征点集合和第二特征点集合中的特征点进行匹配，得到多个特征点匹配对，所述第一特征点集合包括从第一帧图像中提取的多个第一特征点，所述第二特征点集合包括从当前帧图像中提取的多个第二特征点，所述第一帧图像和所述当前帧图像由终端拍摄得到；
根据所述多个特征点匹配对，获取多个特征点匹配组，每个特征点匹配组包括至少一个特征点匹配对；
根据每个特征点匹配组中的特征点匹配对和运动约束方程，确定每个特征点匹配组对应的单应矩阵；
根据每个特征点匹配组对应的单应矩阵，对所述多个特征点匹配对进行筛选，得到每个特征点匹配组中符合约束条件的匹配数量；
从多个特征点匹配组对应的匹配数量中，获取匹配数量的最大值；
根据所述匹配数量的最大值对应的单应矩阵和所述多个特征点匹配对，确定目标单应矩阵；
根据所述目标单应矩阵，将每个特征点匹配对中的第二特征点映射到所述第一帧图像上，得到每个第二特征点对应的映射点；
根据每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点，对每个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对；
根据所述多个筛选后的特征点匹配对，确定所述终端的拍摄状态。
2.根据权利要求1所述的方法，其特征在于，所述根据每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点，对每个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对，包括：
获取每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离；
当任一特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离满足第一阈值条件，确定所述特征点匹配对符合约束条件；
将所有符合约束条件的特征点匹配对，作为所述多个筛选后的特征点匹配对。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述多个筛选后的特征点匹配对，确定所述终端的拍摄状态，包括：
当所述多个筛选后的特征点匹配对的数量满足第二阈值条件，获取每个筛选后的特征点匹配对的像素距离；
根据每个筛选后的特征点匹配对的像素距离，确定所述多个筛选后的特征点匹配对的平均像素距离；
根据所述平均像素距离及每个筛选后的特征点匹配对的像素距离，确定所述终端的拍摄状态。
4.根据权利要求3所述的方法，其特征在于，所述根据所述平均像素距离及每个筛选后的特征点匹配对的像素距离，确定所述终端的拍摄状态，包括：
根据每个筛选后的特征点匹配对的像素距离，获取像素距离满足第三阈值条件的筛选后的特征点匹配对的数量；
根据满足第三阈值条件的筛选后的特征点匹配对的数量和所述多个筛选后的特征点匹配对的数量，获取满足第三阈值条件的筛选后的特征点匹配对所占的比值；
当所述平均像素距离满足第四阈值条件，且所述比值满足第五阈值条件时，确定所述终端的拍摄状态为运动状态。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
当所述多个筛选后的特征点匹配对的数量不满足第二阈值条件，或所述平均像素距离不满足第四阈值条件，或所述比值不满足第五阈值条件时，获取下一帧图像进行判断，直至确定出所述终端的拍摄状态为运动状态，或者最后一帧图像；
当直至所述最后一帧图像未确定出所述终端的拍摄状态为运动状态，确定所述终端的拍摄状态为静止状态。
6.根据权利要求1或2所述的方法，其特征在于，所述将第一特征点集合和第二特征点集合中的特征点进行匹配，得到多个特征点匹配对之前，还包括：
确定所述第一帧图像和所述当前帧图像的背景区域；
从所述第一帧图像的背景区域中提取多个第一特征点，组成所述第一特征点集合；
从所述当前帧图像的背景区域中提取多个第二特征点，组成所述第二特征点集合。
7.一种确定拍摄状态的装置，其特征在于，所述装置包括：
匹配模块，用于将第一特征点集合和第二特征点集合中的特征点进行匹配，得到多个特征点匹配对，所述第一特征点集合包括从第一帧图像中提取的多个第一特征点，所述第二特征点集合包括从当前帧图像中提取的多个第二特征点，所述第一帧图像和所述当前帧图像由终端拍摄得到；
筛选模块，用于根据所述多个特征点匹配对，获取多个特征点匹配组，每个特征点匹配组包括至少一个特征点匹配对；根据每个特征点匹配组中的特征点匹配对和运动约束方程，确定每个特征点匹配组对应的单应矩阵；根据每个特征点匹配组对应的单应矩阵，对所述多个特征点匹配对进行筛选，得到每个特征点匹配组中符合约束条件的匹配数量；从多个特征点匹配组对应的匹配数量中，获取匹配数量的最大值；根据所述匹配数量的最大值对应的单应矩阵和所述多个特征点匹配对，确定目标单应矩阵；根据所述目标单应矩阵，将每个特征点匹配对中的第二特征点映射到所述第一帧图像上，得到每个第二特征点对应的映射点；根据每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点，对每个特征点匹配对进行筛选，得到多个筛选后的特征点匹配对；
确定模块，用于根据所述多个筛选后的特征点匹配对，确定所述终端的拍摄状态。
8.根据权利要求7所述的装置，其特征在于，所述筛选模块，用于获取每个特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离；当任一特征点匹配对中的第一特征点与匹配的第二特征点对应的映射点之间的像素距离满足第一阈值条件，确定所述特征点匹配对符合约束条件；将所有符合约束条件的特征点匹配对，作为所述多个筛选后的特征点匹配对。
9.根据权利要求8所述的装置，其特征在于，所述确定模块，用于当所述多个筛选后的特征点匹配对的数量满足第二阈值条件，获取每个筛选后的特征点匹配对的像素距离；根据每个筛选后的特征点匹配对的像素距离，确定所述多个筛选后的特征点匹配对的平均像素距离；根据所述平均像素距离及每个筛选后的特征点匹配对的像素距离，确定所述终端的拍摄状态。
10.一种确定拍摄状态的设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1至6中任一项所述的确定拍摄状态的方法。
11.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由处理器加载并执行以实现如权利要求1至6中任一项所述的确定拍摄状态的方法。
CN201910117119.XA 2019-02-15 2019-02-15 确定拍摄状态的方法、装置、设备及存储介质 Active CN111586279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910117119.XA CN111586279B (zh) 2019-02-15 2019-02-15 确定拍摄状态的方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910117119.XA CN111586279B (zh) 2019-02-15 2019-02-15 确定拍摄状态的方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111586279A CN111586279A (zh) 2020-08-25
CN111586279B true CN111586279B (zh) 2022-07-29

Family

ID=72110738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910117119.XA Active CN111586279B (zh) 2019-02-15 2019-02-15 确定拍摄状态的方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111586279B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991410A (zh) * 2021-04-29 2021-06-18 北京世纪好未来教育科技有限公司 一种文本图像配准方法、电子设备及其存储介质
CN114998773B (zh) * 2022-08-08 2023-02-17 四川腾盾科技有限公司 适用于无人机系统航拍图像的特征误匹配剔除方法及系统
CN115880512B (zh) * 2023-02-01 2023-07-21 有米科技股份有限公司 一种图标匹配方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105872370A (zh) * 2016-03-31 2016-08-17 深圳中兴力维技术有限公司 视频去抖动方法和装置
CN106887015A (zh) * 2017-01-19 2017-06-23 华中科技大学 一种基于时空一致性的无约束多相机画面匹配方法
CN107316275A (zh) * 2017-06-08 2017-11-03 宁波永新光学股份有限公司 一种光流辅助的大尺度显微图像拼接算法
CN108399627A (zh) * 2018-03-23 2018-08-14 云南大学 视频帧间目标运动估计方法、装置和实现装置
CN108520502A (zh) * 2018-04-13 2018-09-11 苏州大学 一种扫描电镜图像漂移的快速矫正方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8054881B2 (en) * 2008-12-22 2011-11-08 Honeywell International Inc. Video stabilization in real-time using computationally efficient corner detection and correspondence

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105872370A (zh) * 2016-03-31 2016-08-17 深圳中兴力维技术有限公司 视频去抖动方法和装置
CN106887015A (zh) * 2017-01-19 2017-06-23 华中科技大学 一种基于时空一致性的无约束多相机画面匹配方法
CN107316275A (zh) * 2017-06-08 2017-11-03 宁波永新光学股份有限公司 一种光流辅助的大尺度显微图像拼接算法
CN108399627A (zh) * 2018-03-23 2018-08-14 云南大学 视频帧间目标运动估计方法、装置和实现装置
CN108520502A (zh) * 2018-04-13 2018-09-11 苏州大学 一种扫描电镜图像漂移的快速矫正方法

Also Published As

Publication number Publication date
CN111586279A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN110059685B (zh) 文字区域检测方法、装置及存储介质
CN110650379B (zh) 视频摘要生成方法、装置、电子设备及存储介质
CN110490179B (zh) 车牌识别方法、装置及存储介质
CN111753784A (zh) 视频的特效处理方法、装置、终端及存储介质
CN110839128B (zh) 拍照行为检测方法、装置及存储介质
CN110933468A (zh) 播放方法、装置、电子设备及介质
CN110442521B (zh) 控件单元检测方法及装置
CN111586279B (zh) 确定拍摄状态的方法、装置、设备及存储介质
CN112667835A (zh) 作品处理方法、装置、电子设备及存储介质
CN112084811A (zh) 身份信息的确定方法、装置及存储介质
CN110647881A (zh) 确定图像对应的卡片类型的方法、装置、设备及存储介质
CN111754386A (zh) 图像区域屏蔽方法、装置、设备及存储介质
CN112565806A (zh) 虚拟礼物赠送方法、装置、计算机设备及介质
CN110675473A (zh) 生成gif动态图的方法、装置、电子设备及介质
CN109189290B (zh) 点击区域识别方法、装置和计算机可读存储介质
CN111753606A (zh) 一种智能模型的升级方法及装置
CN112396076A (zh) 车牌图像生成方法、装置及计算机存储介质
CN111127541A (zh) 车辆尺寸的确定方法、装置及存储介质
CN111931712A (zh) 人脸识别方法、装置、抓拍机及系统
CN109819308B (zh) 虚拟资源获取方法、装置、终端、服务器及存储介质
CN111327819A (zh) 选择图像的方法、装置、电子设备及介质
CN110853124A (zh) 生成gif动态图的方法、装置、电子设备及介质
CN111988664B (zh) 视频处理方法、装置、计算机设备及计算机可读存储介质
CN111669611B (zh) 图像处理方法、装置、终端及存储介质
CN113407774A (zh) 封面确定方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40027921

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant