CN112887593B - 图像获取方法及装置 - Google Patents
图像获取方法及装置 Download PDFInfo
- Publication number
- CN112887593B CN112887593B CN202110044243.5A CN202110044243A CN112887593B CN 112887593 B CN112887593 B CN 112887593B CN 202110044243 A CN202110044243 A CN 202110044243A CN 112887593 B CN112887593 B CN 112887593B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- shooting
- image
- visible light
- detection result
- 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
-
- 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
- H04N23/667—Camera operation mode switching, e.g. between still and video, sport and normal or high- and low-resolution modes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Studio Devices (AREA)
Abstract
本申请公开了一种图像获取方法及装置。其中,该图像获取方法包括:对可见光图像和/或红外图像进行过车检测;在过车检测结果与拍摄可见光图像和红外图像的摄像机的拍摄模式不匹配时,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,其中,红外图像与可见光图像的拍摄区域相同且拍摄时间相同;在过车检测结果显示有车经过,将可见光图像和红外图像按照第一融合比例进行融合;在过车检测结果显示无车经过,将可见光图像和红外图像按照第二融合比例进行融合;其中,第一融合比例小于第二融合比例。本申请可以提高摄像机的场景适应性。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像获取方法及装置。
背景技术
随着图像处理技术的不断发展,通过摄像机获取到的图像可以应用在越来越多的领域中,市场对摄像机的场景需求也越来越多。默认摄像机效果显然无法完美满足多样的场景和用户需求。目前主要是通过在不同场景中采用不同拍摄控制参数以及算法逻辑来获得图像,提高摄像机的场景适应性。但是本申请的发明人在长期的研发过程中,发现目前的图像获取方法还存在一定的局限性,也在一定程度上影响了摄像机的场景适应性。
发明内容
本申请提供一种图像获取方法及装置,以提高摄像机的场景适应性。
为达到上述目的,本申请提供一种图像获取方法,该方法包括:
对可见光图像和/或红外图像进行过车检测;
在过车检测结果与拍摄可见光图像和红外图像的摄像机的拍摄模式不匹配时,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,其中,红外图像与可见光图像的拍摄区域相同且拍摄时间相同;
在过车检测结果显示有车经过,将可见光图像和红外图像按照第一融合比例进行融合;
在过车检测结果显示无车经过,将可见光图像和红外图像按照第二融合比例进行融合;
其中,第一融合比例小于第二融合比例。
其中,在过车检测结果与拍摄可见光图像和红外图像的摄像机的拍摄模式不匹配时,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,包括:
在过车检测结果显示有车经过,且拍摄可见光图像的摄像机的拍摄模式为无车模式时,将拍摄可见光图像和红外图像的摄像机的拍摄控制参数切换为有车模式下的拍摄控制参数,
在过车检测结果显示无车经过,且拍摄可见光图像的摄像机的拍摄模式为有车模式时,将拍摄可见光图像和红外图像的摄像机的拍摄控制参数切换为无车模式下的拍摄控制参数。
其中,拍摄控制参数包括快门、增益、光圈和曝光参数中的至少一种。
其中,可见光图像和红外图像是同一摄像机的两个传感器分别拍摄得到的;
对可见光图像和/或红外图像进行过车检测,之后包括:将可见光图像的过车检测结果作为红外图像的过车检测结果;
在过车检测结果与拍摄可见光图像和红外图像的摄像机的拍摄模式不匹配时,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,包括:
在红外图像的过车检测结果与拍摄红外图像的传感器的拍摄模式不匹配时,将红外图像的传感器的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数;
在可见光图像的过车检测结果与拍摄可见光图像的传感器的拍摄模式不匹配时,将可见光图像的传感器的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数。
其中,拍摄控制参数包括曝光参数;
将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,包括:获取曝光阻尼,将摄像机的曝光参数以第一曝光步长切换至与过车检测结果匹配的拍摄模式下的曝光参数,其中,第一曝光步长为默认曝光步长与曝光阻尼的比值,其中,曝光阻尼大于1;
该方法还包括:基于过车检测结果确认摄像机的拍摄模式不变,且摄像机的曝光参数需调节时,将摄像机的曝光参数按照默认曝光步长进行调节。
其中,获取曝光阻尼,包括:
确认摄像机的当前曝光参数和目标曝光参数;
基于当前曝光参数和目标曝光参数确定曝光阻尼。
其中,可见光图像为摄像机在低照度场景中拍摄到的图像,对可见光图像和/或红外图像进行过车检测,包括:
利用SVM分类器确认可见光图像中有车灯移动,过车检测结果为有车经过;和/或,
利用SVM分类器确认可见光图像中无车灯移动,过车检测结果为无车经过;
其中,可见光图像的车灯是利用SVM分类器并通过车灯的颜色识别出的。
为达到上述目的,本申请还提供一种图像获取装置,该装置包括图像获取模块、过车检测模块、切换模块和融合模块;
图像获取模块用于获取可见光图像;
过车检测模块用于对可见光图像进行过车检测;
切换模块用于在过车检测结果与拍摄可见光图像和红外图像的摄像机的拍摄模式不匹配时,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,其中,红外图像与可见光图像的拍摄区域相同且拍摄时间相同;
融合模块用于在过车检测结果显示有车经过,将可见光图像和红外图像按照第一融合比例进行融合;在过车检测结果显示无车经过,将可见光图像和红外图像按照第二融合比例进行融合;
其中,第一融合比例小于第二融合比例。
为达到上述目的,本申请提供一种图像获取装置,该图像获取装置包括处理器;处理器用于执行指令以实现上述图像获取方法。
为达到上述目的,本申请提供一种计算机可读存储介质,其用于存储指令/程序数据,指令/程序数据能够被执行以实现上述图像获取方法。
本申请对可见光图像和/或红外图像进行过车检测;在过车检测结果与拍摄可见光图像和红外图像的摄像机的拍摄模式不匹配时,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,以提高摄像机的场景适应性;在过车检测结果显示有车经过,将可见光图像和红外图像按照第一融合比例进行融合;在过车检测结果显示无车经过,将可见光图像和红外图像按照第二融合比例进行融合;其中,第一融合比例小于第二融合比例,这样在有车经过的图像融合时提高红外图像的融合比例,可以将红外图像中更多的清晰的车牌信息融合至可见光图像中,从而基于融合图像可以得到更加准确的车牌信息,提高车牌检测的准确性,在无车经过的图像融合时可以获得相对较多的可见光信息,可以保证无车的场景监控效果,从而可以提高通过摄像机获取的图像的场景适应性。
附图说明
图1是本申请图像获取方法一实施方式的流程示意图;
图2是本申请图像获取方另一实施方式的流程示意图;
图3是本申请图像获取装置一实施方式的结构示意图;
图4是本申请计算机可读存储介质一实施方式的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本申请所提供的图像获取方法及装置做进一步详细描述。
具体请参阅图1,图1是本申请图像获取方法第一实施方式的流程示意图。本实施例图像获取方法包括以下步骤。需要注意的是,以下编号仅用于简化说明,并不旨在限制步骤的执行顺序,本实施方式的各步骤可以在不违背本申请技术思想的基础上,任意更换执行顺序。
S101:对可见光图像和/或红外图像进行过车检测。
可以先对可见光图像和/或红外图像进行过车检测,以便后续在判定过车检测结果与摄像机的拍摄模式不匹配时,将摄像机的拍摄模式更改为与过车检测结果匹配的模式,从而可以基于过车检测结果灵活地切换摄像机的拍摄模式,可以满足不同场景下的图像拍摄需求,提高了场景适应性。
可以采用多种方式对可见光图像和/或红外图像进行过车检测。
在一实现方式中,可以利用支持向量机SVN和人工神经网络ANN等技术识别出当前可见光图像和/或红外图像中的车辆,并基于前N帧可见光图像和/或红外图像判断可见光图像和/或红外图像中的车辆是否移动,在确认可见光图像和/或红外图像中的车辆移动时过车检测结果为有车经过,在基于可见光图像和/或红外图像确认无车辆移动时过车检测结果为无车经过。
在另一实现方式中,在低照度场景中,可以利用SVM分类器、Adaboost级联分类器或CNN分类器等将车灯的颜色进行归类,当可见光图像中有车灯颜色在运动时过车检测结果为有车经过,当可见光图像中没有车灯颜色在运动时过车检测结果为无车经过。
可以理解的是,在步骤S101之前,需要建立过车检测训练库,训练库包含大量的过车和非过车时连续raw生成的训练数据,然后利用过车检测训练库训练SVN、ANN、SVM分类器、Adaboost级联分类器或CNN分类器等。
S102:在过车检测结果与拍摄可见光图像和红外图像的摄像机的拍摄模式不匹配时,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数。
对可见光图像和/或红外图像进行过车检测后,可以在判定过车检测结果与摄像机的拍摄模式不匹配时,将摄像机的拍摄模式更改为与过车检测结果匹配的模式,以提高摄像机的场景适应性。
可以理解的是,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,即代表着摄像机的拍摄模式更改为与过车检测结果匹配的模式。
摄像机的拍摄模式的数量、条件和拍摄控制参数等可以根据具体场景以及实际拍摄需求进行设置,在此不做限定。
例如,摄像机的拍摄模式可以包括有车模式和无车模式这两类。此时,过车检测结果与摄像机的拍摄模式匹配包括:过车检测结果显示有车经过且摄像机的拍摄模式为有车模式的情况;和,过车检测结果显示无车经过且摄像机的拍摄模式为无车模式的情况。而过车检测结果与摄像机的拍摄模式不匹配包括:过车检测结果显示有车经过且摄像机的拍摄模式为无车模式的情况;和,过车检测结果显示无车经过且摄像机的拍摄模式为有车模式的情况。在过车检测结果与摄像机的拍摄模式不匹配时,需要将摄像机的拍摄模式更改为与过车检测结果匹配的模式。
又例如,摄像机的拍摄模式可以包括低照度无车模式、普通无车模式、低照度有车模式、正常照度有车模式、高照度有车模式这五类。此时,过车检测结果与摄像机的拍摄模式匹配包括:环境照度为正常照度、过车检测结果显示有车经过且摄像机的拍摄模式为正常照度有车模式的情况;环境照度为低照度、过车检测结果显示有车经过且摄像机的拍摄模式为低照度有车模式的情况;环境照度为高照度、过车检测结果显示有车经过且摄像机的拍摄模式为高照度有车模式的情况;环境照度为低照度、过车检测结果显示无车经过且摄像机的拍摄模式为低照度无车模式的情况;环境照度为正常照度、过车检测结果显示无车经过且摄像机的拍摄模式为普通无车模式的情况;以及,环境照度为高照度、过车检测结果显示无车经过且摄像机的拍摄模式为普通车模式的情况。其余情况则是过车检测结果与摄像机的拍摄模式不匹配的情况。
可选地,可以基于摄像机拍摄到的图像确认环境照度属于低照度、正常照度和高照度中的哪种情况。具体地,可为摄像机配置一种环境照度判断模式,可以检测摄像机通过环境照度判断模式的拍摄控制参数拍摄到的图像亮度,然后判断该图像亮度过高,还是过低,或者适中,如果图像亮度过低则环境照度属于低亮度;如果图像亮度过高则环境照度属于高亮度;如果图像亮度适中则环境照度属于正常亮度。若确认环境照度属于低照度,可以利用SVM分类器、Adaboost级联分类器或CNN分类器等将车灯的颜色进行归类,并判断可见光图像是否有车灯颜色在运动的方式进行过车检测,以避免亮度过低无法基于车辆形状准确地识别出图像中的车辆,从而提高过车检测的准确性。
可选地,拍摄控制参数可以包括快门、增益、光圈和曝光参数中的至少一种。
另外,红外图像与可见光图像的拍摄区域相同且拍摄时间相同。
其中,红外图像与可见光图像可以由一个摄像机的两个传感器拍摄得到,例如由双sensor融合摄像机拍摄得到。此时,摄像机本身基于红外图像和可见光图像中的任一者进行过车检测,继而在过车检测结果与两个摄像机的拍摄模式不匹配时,将自身的两个传感器的拍摄控制参数修改为与过车检测结果匹配的拍摄模式下的拍摄控制参数。
在其他实现方式中,红外图像与可见光图像可以由两个摄像机拍摄得到。此时可由一处理设备获取两个摄像机分别拍摄到的红外图像和可见光图像,然后处理设备基于红外图像和可见光图像中的任一者进行过车检测,继而在过车检测结果与两个摄像机的拍摄模式不匹配时,处理设备向两个摄像机发送拍摄控制参数修改指令,以让摄像机将拍摄控制参数修改为与过车检测结果匹配的拍摄模式下的拍摄控制参数。
S103:在过车检测结果显示有车经过,将可见光图像和红外图像按照第一融合比例进行融合。
S104:在过车检测结果显示无车经过,将可见光图像和红外图像按照第二融合比例进行融合。
在步骤S101确定的过车检测结果显示有车经过时,将可见光图像和红外图像按照第一融合比例进行融合;在过车检测结果显示无车经过时,将可见光图像和红外图像按照第二融合比例进行融合,其中,第一融合比例小于第二融合比例,这样在有车经过的图像融合时提高红外图像的融合比例,可以将红外图像中更多的清晰的车牌信息融合至可见光图像中,从而基于融合图像可以得到更加准确的车牌信息,提高车牌检测的准确性,在无车经过的图像融合时可以获得相对较多的可见光信息,可以保证无车的场景监控效果。
其中,第一融合比例小于第二融合比例。第一融合比例和第二融合比例可以根据实际情况进行设置,在此不做限制。例如,第一融合比例为0.3,即通过可见光图像与的乘积加上红外图像与的乘积的方式将可见光图像和红外图像融合;第二融合比例为0.6,即通过可见光图像与的乘积加上红外图像与的乘积的方式将可见光图像和红外图像融合。
在本实施方式中,对可见光图像和/或红外图像进行过车检测;在过车检测结果与拍摄可见光图像和红外图像的摄像机的拍摄模式不匹配时,将摄像机的拍摄控制参数切换为与过车检测结果匹配的拍摄模式下的拍摄控制参数,以提高摄像机的场景适应性;在过车检测结果显示有车经过,将可见光图像和红外图像按照第一融合比例进行融合;在过车检测结果显示无车经过,将可见光图像和红外图像按照第二融合比例进行融合;其中,第一融合比例小于第二融合比例,这样在有车经过的图像融合时提高红外图像的融合比例,可以将红外图像中更多的清晰的车牌信息融合至可见光图像中,从而基于融合图像可以得到更加准确的车牌信息,提高车牌检测的准确性,在无车经过的图像融合时可以获得相对较多的可见光信息,可以保证无车的场景监控效果,从而可以提高通过摄像机获取的图像的场景适应性。
进一步地,本申请提供一对低照度下使用双sensor融合摄像机进行道路或卡口监控的实施方式,具体请参阅图2,图2是本申请图像获取方法第二实施方式的流程示意图。本实施例图像获取方法包括以下步骤。需要注意的是,以下编号仅用于简化说明,并不旨在限制步骤的执行顺序,本实施方式的各步骤可以在不违背本申请技术思想的基础上,任意更换执行顺序。
S201:对可见光图像进行过车检测。
对可见光图像进行过车检测的方法可参见步骤S101,在此不做赘述。
对可见光图像进行过车检测,获得过车检测结果后,可以进入步骤S202和步骤S206。
S202:将可见光图像的过车检测结果作为红外图像的过车检测结果。
对可见光图像进行过车检测后,因为双sensor融合摄像机是双路分别控制,即红外图像路会基于红外图像的过车检测结果确认是否需要更改红外图像传感器的拍摄控制参数,而可见光图像路会基于可见光图像的过车检测结果确认是否需要更改可见光图像传感器的拍摄控制参数,这样可以将可见光图像的过车检测结果作为红外图像的过车检测结果,红外图像路就无需对红外图像进行过车检测,以避免基于低照度下的红外图像无法准确地检测过车,以提高拍摄模式切换的准确性。
在一实现方式中,对每一帧可见光图像进行过车检测后,都会将每一帧可见光图像的过车检测结果作为对应帧红外图像的过车检测结果。
在另一实现方式中,可以在基于可见光图像确认过车检测结果变化时,会将变化后的可见光图像的过车检测结果作为对应帧红外图像的过车检测结果,并将缓存中红外图像的过车检测结果更新为变化后的可见光图像的过车检测结果;在基于可见光图像确认过车检测结果未变化时,会将缓存中记录的红外图像的过车检测结果作为对应帧红外图像的过车检测结果。
S203:判断红外图像的过车检测结果与拍摄红外图像的传感器的拍摄模式是否匹配。
确认红外图像的过车检测结果后,可以判断红外图像的过车检测结果与拍摄红外图像的传感器的拍摄模式是否匹配;若匹配且过车检测结果显示有车经过时,进入步骤S209;若匹配且过车检测结果显示无车经过时,进入步骤S210;若处于过车检测结果显示有车经过且拍摄红外图像的传感器的拍摄模式为无车模式导致的不匹配情况时,进入步骤S204;若处于过车检测结果显示无车经过且拍摄红外图像的传感器的拍摄模式为有车模式导致的不匹配情况时,进入步骤S205。
可以理解的是,在红外图像的过车检测结果与拍摄红外图像的传感器的拍摄模式匹配时,拍摄红外图像的传感器的拍摄模式不变,此时摄像机的曝光参数需调节时,可以按照默认曝光步长对摄像机的曝光参数按照进行调节。
S204:将拍摄红外图像的传感器的拍摄控制参数切换为有车模式下的拍摄控制参数。
确认过车检测结果显示有车经过且拍摄红外图像的传感器的拍摄模式为无车模式时,可将拍摄红外图像的传感器的拍摄控制参数切换为有车模式下的拍摄控制参数,以使拍摄到的图像能够满足车牌信息抓取的要求。
可选地,因为拍摄模式切换导致的曝光参数需要变化时,可以先获取曝光阻尼,然后将摄像机的曝光参数以第一曝光步长切换至与过车检测结果匹配的拍摄模式下的曝光参数,其中,第一曝光步长为默认曝光步长与曝光阻尼的比值,且曝光阻尼大于1,这样可以在模式切换时以较慢的曝光步长切换至目标曝光参数,以消除曝光参数剧烈变化导致的图像异常现象。
在一实现方式中,曝光阻尼VarDamp的确认公式可如下所示:
其中,ModeChange为拍摄模式切换状态,ModeChange为0则代表拍摄模式未切换,ModeChange为1代表拍摄模式正在切换,ExpStep为默认曝光步长。
在另一实现方式中,可以确认摄像机的当前曝光参数和目标曝光参数;基于当前曝光参数和目标曝光参数确定曝光阻尼。
可选地,拍摄红外图像的传感器的有车模式下的拍摄控制参数可为:快门0~4ms、增益10~36db、光圈5000~9500。曝光参数可以根据目标亮度在上下限之间自动调整,如此保证获得清晰的红外光车牌。
S205:将拍摄红外图像的传感器的拍摄控制参数切换为无车模式下的拍摄控制参数。
确认过车检测结果显示无车经过且拍摄红外图像的传感器的拍摄模式为有车模式时,可将拍摄红外图像的传感器的拍摄控制参数切换为无车模式下的拍摄控制参数,以保证无车的场景监控效果。
可选地,因为拍摄模式切换导致的曝光参数需要变化时,可以先获取曝光阻尼,然后将摄像机的曝光参数以第一曝光步长切换至与过车检测结果匹配的拍摄模式下的曝光参数。
S206:判断可见光图像的过车检测结果与拍摄可见光图像的传感器的拍摄模式是否匹配。
确认可见光图像的过车检测结果后,可以判断可见光图像的过车检测结果与拍摄可见光图像的传感器的拍摄模式是否匹配;若匹配且过车检测结果显示有车经过时,进入步骤S209;若匹配且过车检测结果显示无车经过时,进入步骤S210;若处于过车检测结果显示有车经过且拍摄可见光图像的传感器的拍摄模式为无车模式导致的不匹配情况时,进入步骤S207;若处于过车检测结果显示无车经过且拍摄可见光图像的传感器的拍摄模式为有车模式导致的不匹配情况时,进入步骤S208。
可以理解的是,在可见光图像的过车检测结果与拍摄可见光图像的传感器的拍摄模式匹配时,拍摄可见光图像的传感器的拍摄模式不变,此时摄像机的曝光参数需调节时,可以按照默认曝光步长对摄像机的曝光参数按照进行调节。
S207:将拍摄可见光图像的传感器的拍摄控制参数切换为有车模式下的拍摄控制参数。
确认过车检测结果显示有车经过且拍摄可见光图像的传感器的拍摄模式为无车模式时,可将拍摄可见光图像的传感器的拍摄控制参数切换为有车模式下的拍摄控制参数,以使拍摄到的图像能够满足无车时监控全场的要求。
可选地,因为拍摄模式切换导致的曝光参数需要变化时,可以先获取曝光阻尼,然后将摄像机的曝光参数以第一曝光步长切换至与过车检测结果匹配的拍摄模式下的曝光参数。
可选地,拍摄可见光图像的传感器的有车模式下的拍摄控制参数可为:快门4~15ms、增益10~36db、光圈5000~9500。曝光参数可以根据目标亮度在上下限之间自动调整,如此可见光图像路车灯和车牌不至于过曝。
S208:将拍摄可见光图像的传感器的拍摄控制参数切换为无车模式下的拍摄控制参数。
确认过车检测结果显示无车经过且拍摄可见光图像的传感器的拍摄模式为有车模式时,可将拍摄可见光图像的传感器的拍摄控制参数切换为无车模式下的拍摄控制参数,以保证无车的场景监控效果。
可选地,因为拍摄模式切换导致的曝光参数需要变化时,可以先获取曝光阻尼,然后将摄像机的曝光参数以第一曝光步长切换至与过车检测结果匹配的拍摄模式下的曝光参数。
S209:将可见光图像和红外图像按照第一融合比例进行融合。
S210:将可见光图像和红外图像按照第二融合比例进行融合。
请参阅图3,图3是本申请图像获取装置一实施方式的结构示意图。本图像获取装置10包括处理器12,处理器12用于执行指令以实现上述图像获取方法。
处理器12还可以称为CPU(Central Processing Unit,中央处理单元)。处理器12可能是一种集成电路芯片,具有信号的处理能力。处理器12还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器12也可以是任何常规的处理器等。
图像获取装置10还可进一步包括存储器11,用于存储处理器12运行所需的指令和数据。
处理器12用于执行指令以实现上述本申请图像获取方法任一实施例及任意不冲突的组合所提供的方法。
请参阅图4,图4为本申请实施方式中计算机可读存储介质的结构示意图。本申请实施例的计算机可读存储介质20存储有指令/程序数据21,该指令/程序数据21被执行时实现本申请图像获取方法任一实施例以及任意不冲突的组合所提供的方法。其中,该指令/程序数据21可以形成程序文件以软件产品的形式存储在上述存储介质20中,以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质20包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种图像获取方法,其特征在于,所述方法包括:
对可见光图像和/或红外图像进行过车检测,其中,所述红外图像与所述可见光图像的拍摄区域相同且拍摄时间相同;
在所述过车检测结果与拍摄所述可见光图像和红外图像的摄像机的拍摄模式不匹配时,将所述摄像机的拍摄控制参数切换为与所述过车检测结果匹配的拍摄模式下的拍摄控制参数;
在所述过车检测结果显示有车经过,将所述可见光图像和红外图像按照第一融合比例进行加权融合,所述第一融合比例等于有车经过模式下的图像融合时可见光图像的加权系数与红外图像的加权系数的比值;
在所述过车检测结果显示无车经过,将所述可见光图像和所述红外图像按照第二融合比例进行加权融合,所述第二融合比例等于无车经过模式下的图像融合时可见光图像的加权系数与红外图像的加权系数的比值;
其中,所述第一融合比例小于所述第二融合比例。
2.根据权利要求1所述的图像获取方法,其特征在于,所述在所述过车检测结果与拍摄所述可见光图像和红外图像的摄像机的拍摄模式不匹配时,将所述摄像机的拍摄控制参数切换为与所述过车检测结果匹配的拍摄模式下的拍摄控制参数,包括:
在所述过车检测结果显示有车经过,且拍摄所述可见光图像的摄像机的拍摄模式为无车模式时,将拍摄所述可见光图像和所述红外图像的摄像机的拍摄控制参数切换为有车模式下的拍摄控制参数,
在所述过车检测结果显示无车经过,且拍摄所述可见光图像的摄像机的拍摄模式为有车模式时,将拍摄所述可见光图像和所述红外图像的摄像机的拍摄控制参数切换为无车模式下的拍摄控制参数。
3.根据权利要求2所述的图像获取方法,其特征在于,
所述拍摄控制参数包括快门、增益、光圈和曝光参数中的至少一种。
4.根据权利要求1所述的图像获取方法,其特征在于,所述可见光图像和红外图像是同一摄像机的两个传感器分别拍摄得到的;
所述对可见光图像和/或红外图像进行过车检测,之后包括:将所述可见光图像的过车检测结果作为所述红外图像的过车检测结果;
所述在所述过车检测结果与拍摄所述可见光图像和红外图像的摄像机的拍摄模式不匹配时,将所述摄像机的拍摄控制参数切换为与所述过车检测结果匹配的拍摄模式下的拍摄控制参数,包括:
在所述红外图像的过车检测结果与拍摄所述红外图像的传感器的拍摄模式不匹配时,将所述红外图像的传感器的拍摄控制参数切换为与所述过车检测结果匹配的拍摄模式下的拍摄控制参数;
在所述可见光图像的过车检测结果与拍摄所述可见光图像的传感器的拍摄模式不匹配时,将所述可见光图像的传感器的拍摄控制参数切换为与所述过车检测结果匹配的拍摄模式下的拍摄控制参数。
5.根据权利要求1所述的图像获取方法,其特征在于,所述拍摄控制参数包括曝光参数;
所述将所述摄像机的拍摄控制参数切换为与所述过车检测结果匹配的拍摄模式下的拍摄控制参数,包括:获取曝光阻尼,将所述摄像机的曝光参数以第一曝光步长切换至与所述过车检测结果匹配的拍摄模式下的曝光参数,其中,所述第一曝光步长为默认曝光步长与曝光阻尼的比值,其中,所述曝光阻尼大于1;
所述方法还包括:基于所述过车检测结果确认所述摄像机的拍摄模式不变,且所述摄像机的曝光参数需调节时,将所述摄像机的曝光参数按照所述默认曝光步长进行调节。
6.根据权利要求5所述的图像获取方法,其特征在于,所述获取曝光阻尼,包括:
确认所述摄像机的当前曝光参数和目标曝光参数;
基于所述当前曝光参数和所述目标曝光参数确定所述曝光阻尼。
7.根据权利要求1所述的图像获取方法,其特征在于,所述可见光图像为所述摄像机在低照度场景中拍摄到的图像,所述对可见光图像和/或红外图像进行过车检测,包括:
利用SVM分类器确认所述可见光图像中有车灯移动,所述过车检测结果为有车经过;和/或,
利用SVM分类器确认所述可见光图像中无车灯移动,所述过车检测结果为无车经过;
其中,所述可见光图像的车灯是利用SVM分类器并通过车灯的颜色识别出的。
8.一种图像获取装置,其特征在于,所述装置包括:
图像获取模块,用于获取可见光图像;
过车检测模块,用于对所述可见光图像进行过车检测;
切换模块,用于在所述过车检测结果与拍摄所述可见光图像和红外图像的摄像机的拍摄模式不匹配时,将所述摄像机的拍摄控制参数切换为与所述过车检测结果匹配的拍摄模式下的拍摄控制参数,其中,所述红外图像与所述可见光图像的拍摄区域相同且拍摄时间相同;
融合模块,用于在所述过车检测结果显示有车经过,将所述可见光图像和红外图像按照第一融合比例进行加权融合;在所述过车检测结果显示无车经过,将所述可见光图像和所述红外图像按照第二融合比例进行加权融合;
其中,所述第一融合比例小于所述第二融合比例,所述第一融合比例等于有车经过模式下的图像融合时可见光图像的加权系数与红外图像的加权系数的比值,所述第二融合比例等于无车经过模式下的图像融合时可见光图像的加权系数与红外图像的加权系数的比值。
9.一种图像获取装置,其特征在于,所述图像获取装置包括处理器;所述处理器用于执行指令以实现如权利要求1-7任一项所述的图像获取方法。
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用于存储指令/程序数据,所述指令/程序数据能够被处理器执行以实现如权利要求1-7任一项所述的图像获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110044243.5A CN112887593B (zh) | 2021-01-13 | 2021-01-13 | 图像获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110044243.5A CN112887593B (zh) | 2021-01-13 | 2021-01-13 | 图像获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112887593A CN112887593A (zh) | 2021-06-01 |
CN112887593B true CN112887593B (zh) | 2023-04-07 |
Family
ID=76045705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110044243.5A Active CN112887593B (zh) | 2021-01-13 | 2021-01-13 | 图像获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112887593B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113905214A (zh) * | 2021-10-27 | 2022-01-07 | 济南中维世纪科技有限公司 | 一种基于车辆检测的车牌监控模式触发的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1339228A1 (de) * | 2002-02-20 | 2003-08-27 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur Sichtbarmachung eines Ausschnitts der Umgebung eines Fahrzeugs sowie eine Kalibriereinheit zur Kalibrierung der Vorrichtung |
CN107945149A (zh) * | 2017-12-21 | 2018-04-20 | 西安工业大学 | 增强IHS‑Curvelet变换融合可见光和红外图像的汽车抗晕光方法 |
CN108737741A (zh) * | 2017-12-21 | 2018-11-02 | 西安工业大学 | 一种夜间视频图像处理的汽车抗晕光系统 |
CN110111581A (zh) * | 2019-05-21 | 2019-08-09 | 哈工大机器人(山东)智能装备研究院 | 目标识别方法、装置、计算机设备及存储介质 |
CN110213501A (zh) * | 2019-06-25 | 2019-09-06 | 浙江大华技术股份有限公司 | 一种抓拍方法、装置、电子设备及存储介质 |
CN110572583A (zh) * | 2018-05-18 | 2019-12-13 | 杭州海康威视数字技术股份有限公司 | 拍摄图像的方法及摄像机 |
CN111586314A (zh) * | 2020-05-25 | 2020-08-25 | 浙江大华技术股份有限公司 | 一种图像融合方法、装置以及计算机存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8478480B2 (en) * | 2006-10-27 | 2013-07-02 | International Electronic Machines Corp. | Vehicle evaluation using infrared data |
US20130107061A1 (en) * | 2011-10-31 | 2013-05-02 | Ankit Kumar | Multi-resolution ip camera |
TWI603623B (zh) * | 2016-04-20 | 2017-10-21 | 恆景科技股份有限公司 | 自動曝光控制與影像對比調整系統 |
US10375317B2 (en) * | 2016-07-07 | 2019-08-06 | Qualcomm Incorporated | Low complexity auto-exposure control for computer vision and imaging systems |
CN106780392B (zh) * | 2016-12-27 | 2020-10-02 | 浙江大华技术股份有限公司 | 一种图像融合方法及装置 |
CN110869976A (zh) * | 2018-12-04 | 2020-03-06 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、设备、无人机、系统及存储介质 |
CN110166705B (zh) * | 2019-06-06 | 2021-04-23 | Oppo广东移动通信有限公司 | 高动态范围hdr图像生成方法和装置、电子设备、计算机可读存储介质 |
-
2021
- 2021-01-13 CN CN202110044243.5A patent/CN112887593B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1339228A1 (de) * | 2002-02-20 | 2003-08-27 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zur Sichtbarmachung eines Ausschnitts der Umgebung eines Fahrzeugs sowie eine Kalibriereinheit zur Kalibrierung der Vorrichtung |
CN107945149A (zh) * | 2017-12-21 | 2018-04-20 | 西安工业大学 | 增强IHS‑Curvelet变换融合可见光和红外图像的汽车抗晕光方法 |
CN108737741A (zh) * | 2017-12-21 | 2018-11-02 | 西安工业大学 | 一种夜间视频图像处理的汽车抗晕光系统 |
CN110572583A (zh) * | 2018-05-18 | 2019-12-13 | 杭州海康威视数字技术股份有限公司 | 拍摄图像的方法及摄像机 |
CN110111581A (zh) * | 2019-05-21 | 2019-08-09 | 哈工大机器人(山东)智能装备研究院 | 目标识别方法、装置、计算机设备及存储介质 |
CN110213501A (zh) * | 2019-06-25 | 2019-09-06 | 浙江大华技术股份有限公司 | 一种抓拍方法、装置、电子设备及存储介质 |
CN111586314A (zh) * | 2020-05-25 | 2020-08-25 | 浙江大华技术股份有限公司 | 一种图像融合方法、装置以及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112887593A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108322646B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN110636223B (zh) | 防抖处理方法和装置、电子设备、计算机可读存储介质 | |
CN110349163B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN107395957B (zh) | 拍照方法、装置、存储介质及电子设备 | |
CN108848306B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
KR102661185B1 (ko) | 전자 장치 및 그의 이미지 촬영 방법 | |
US8798369B2 (en) | Apparatus and method for estimating the number of objects included in an image | |
US12003867B2 (en) | Electronic device and method for displaying image in electronic device | |
KR20190050516A (ko) | 우선 순위에 기반하여 이미지를 처리하는 전자 장치 및 그 동작 방법 | |
CN113411498A (zh) | 图像拍摄方法、移动终端及存储介质 | |
CN110650288B (zh) | 对焦控制方法和装置、电子设备、计算机可读存储介质 | |
CN110365897B (zh) | 图像修正方法和装置、电子设备、计算机可读存储介质 | |
CN112887593B (zh) | 图像获取方法及装置 | |
CN113747008B (zh) | 一种摄像机及补光方法 | |
US20230419505A1 (en) | Automatic exposure metering for regions of interest that tracks moving subjects using artificial intelligence | |
CN110971889A (zh) | 一种获取深度图像的方法、摄像装置以及终端 | |
JP7278764B2 (ja) | 撮像装置、電子機器、撮像装置の制御方法およびプログラム | |
CN111630839B (zh) | 一种图像处理方法及装置 | |
CN113870300A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN114073063B (zh) | 图像处理方法及装置、相机组件、电子设备、存储介质 | |
CN113132645B (zh) | 图像采集方法、装置、设备及存储介质 | |
CN114998957B (zh) | 自动曝光数据处理方法、装置、设备及系统 | |
CN114762313B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
WO2023236215A1 (zh) | 图像处理方法、装置及存储介质 | |
US9936158B2 (en) | Image processing apparatus, method and program |
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 |