CN113259595A - 图像采集方法、装置以及存储介质 - Google Patents

Abstract

本公开提出一种图像采集方法、装置以及存储介质，该方法包括：控制装置控制图像采集装置采集目标区域的第一图像，并采用预设的图像评估模型对第一图像的图像质量进行评估，根据评估结果判断图像质量是否满足成像标准，并在图像质量不满足成像标准时，控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度，以及控制图像采集装置采集目标区域的第二图像并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准，通过本公开能够根据采集图像的质量评估结果对图像采集区域的物理环境进行调控，能够在图像采集阶段改善成像质量，达到了从根本上提高图像质量的效果。

Description

图像采集方法、装置以及存储介质

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图像采集方法、装置以及存储介质。

背景技术

随着煤矿智能化的发展，可见光相机等图像采集设备被广泛应用于煤矿的巡检、人员监控、行为识别、故障检测等领域。但由于煤矿尤其是井下的成像环境复杂，采集图像的质量易受环境光照、粉尘和水雾等因素的干扰。目前，煤矿井下许多采集到的图像数据难以直接使用，针对煤矿井下图像采集装置采集图像质量差的问题，目前主要通过图像增强算法进行解决。但是，仅通过图像增强算法难以从根本上解决问题，增强效果有限，并且算法开发难度大、开发周期长，影响巡检、监控等任务的作业效果。

发明内容

本申请提出了一种图像采集方法、装置以及存储介质，旨在至少在一定程度上解决相关技术中的技术问题之一。

本申请第一方面实施例提出了一种图像采集方法，应用于图像采集系统，图像采集系统包括：控制装置、图像采集装置、送风装置、照明装置，方法包括：控制装置控制图像采集装置采集目标区域的第一图像；控制装置采用预设的图像评估模型对第一图像的图像质量进行评估，并根据评估结果判断图像质量是否满足成像标准；如果图像质量不满足成像标准，则控制装置控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度；以及控制装置控制图像采集装置采集目标区域的第二图像，并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准。

本申请第二方面实施例提出了一种图像采集装置，包括：第一采集模块，用于控制图像采集装置采集目标区域的第一图像；评估模块，用于采用预设的图像评估模型对第一图像的图像质量进行评估，并根据评估结果判断图像质量是否满足成像标准；调整模块，用于在图像质量不满足成像标准时，控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度；以及第二采集模块，用于控制图像采集装置采集目标区域的第二图像，并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准。

本申请第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例的图像采集方法。

本申请第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例公开的图像采集方法。

本实施例中，通过控制装置控制图像采集装置采集目标区域的第一图像，并采用预设的图像评估模型对第一图像的图像质量进行评估，根据评估结果判断图像质量是否满足成像标准，并在图像质量不满足成像标准时，控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度，以及控制图像采集装置采集目标区域的第二图像并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准。与现有的通过图像增强算法解决图像质量差的问题相比，本公开技术方案可以根据采集图像的质量评估结果对图像采集区域的物理环境进行调控，能够在图像采集阶段改善成像质量，达到了从根本上提高图像质量的目的，实现了提升图像质量、降低开发难度、缩短开发周期的技术效果。从而可以提高井下巡检、监控等任务的作业效果。进而解决了现有技术中存在的仅通过图像增强算法增强效果有限，并且算法开发难度大、开发周期长，影响井下巡检、监控等任务的作业效果的技术问题。

本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。

附图说明

本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本公开实施例提供的图像采集系统的组成结构示意图；

图2是根据本公开实施例提供的图像采集系统的物理结构示意图；

图3是根据本公开实施例提供的照明装置的分布图；

图4是根据本公开一实施例提供的图像采集方法的流程示意图；

图5是根据本公开实施例提供的图像采集流程示意图；

图6是根据本公开另一实施例提供的图像采集装置的示意图；

图7示出了适于用来实现本申请实施方式的示例性计算机设备的框图。

具体实施方式

下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本公开，而不能理解为对本公开的限制。相反，本公开的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

针对背景技术中提到的现有技术中存在的仅通过图像增强算法增强效果有限，并且算法开发难度大、开发周期长，影响井下巡检、监控等任务的作业效果的技术问题，本实施例技术方案提供了一种图像采集方法，下面结合具体的实施例对该方法进行说明。

其中，需要说明的是，本实施例的图像采集方法的执行主体可以为图像采集装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。

图1是根据本公开实施例提供的图像采集系统的组成结构示意图，如图1所示，图像采集系统可以包括：控制装置10、图像采集装置11、送风装置12、照明装置13、移动装置14、防爆外壳15。其中，图像采集装置11、送风装置12、照明装置13、移动装置14可通过控制装置10进行控制。

图2是根据本公开实施例提供的图像采集系统的物理结构示意图，如图2所示，图像采集装置11、照明装置13以及控制装置10可以安装在防爆外壳15的内部，送风装置12可以安装于防爆外壳15的外部，并且出风口朝向图像采集装置11的成像区域。系统整体可随移动装置14进行移动，改变系统的朝向，以采集不同区域的图像。

其中，图像采集装置11可以是支持实时图像采集的工业相机、安防相机、双目相机、多目相机、红外相机中的一种或多种组合，或者还可以是其它具有图像采集功能的装置，此处不作限制。

照明装置13可以是LED光源、防爆白炽灯等光源，并且可以包括白光、蓝光、黄光等单一颜色或多种颜色的组合。此外，照明装置13可以采用集中式或者分散式的排列方式，图3是根据本公开实施例提供的照明装置的分布图，如图3所示，多个LED光源13（LED1~LED8）可以呈分散式分布在图像采集装置11的周围，从而可以在成像区域形成良好的照明效果。

送风装置12可以为小型风机或从外部接入压缩气体等，此处不作限制。

移动装置14可以是支持运动的夹具、支撑平台等，例如：移动装置14为多自由度云台，系统整体可随多自由度云台转向运动，改变系统的朝向，以采集不同方向的图像。

控制装置10可以是具有控制功能的装置，例如：嵌入式工控机、PLC、单片机等设备，此处不作限制。

图4是根据本公开一实施例提供的图像采集方法的流程示意图，如图4所示，该方法包括：

S401：控制装置控制图像采集装置采集目标区域的第一图像。

本公开实施例中，控制装置10首先控制图像采集装置11采集目标区域的第一图像。

其中，目标区域例如可以是低照度、高粉尘浓度、高水雾环境下的任意区域，例如：矿井区域、巷道区域以及其它任意可能的区域。并且，该目标区域可以是需要进行图像采集的区域，例如：目标区域为井下人工作业区域，或者目标区域为设备运行区域，关于目标区域此处不作限制。

一些实施例，控制装置10还可以控制移动装置14进行移动，以调整目标区域，从而可以实现对不同目标区域进行图像采集。

也即是说，本公开实施例提供的图像采集方法支持在低照度、高粉尘浓度、高水雾的矿井下环境进行图像采集，以进行巡检、人员监控、行为识别、故障检测等作业。

可以理解的是，本实施例技术方案的应用场景包括但不限于在矿井下，还可以应用于其它环境进行图像采集，此处不作限制。

S402：控制装置采用预设的图像评估模型对第一图像的图像质量进行评估，并根据评估结果判断图像质量是否满足成像标准。

其中，图像评估模型可以是通过深度学习等机器学习方法训练得到的模型，或者还可以是基于图像特征训练的分类器，或者还可以是图像评估函数，此处不作限制。通过图像评估模型，可以对图像质量进行评估。

而成像标准可以用于衡量图像质量，例如：衡量图像的清晰度、曝光度、眩光度等，通过成像标准可以对图像进行筛选，而满足成像标准的图像可以用于后续的巡检、人员监控、行为识别、故障检测任务。并且，成像标准可以根据实际的应用场景灵活设定，此处不作限制。

本实施例可以采用该图像评估模型对第一图像的图像质量进行评估，进而根据评估结果判断图像质量是否满足成像标准。

S403：如果图像质量不满足成像标准，则控制装置控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度。

进一步地，如果图像质量不满足成像标准，也即是说，第一图像可能受到低照度、高粉尘浓度、高水雾环境的干扰，而影响图像质量。

在这种情况下，控制装置10可以控制送风装置12调整目标区域的通风量，例如：增大通风量以降低目标区域粉尘、水雾等介质的浓度，提高目标区域的能见度，从而提高采集图像的图像质量。

或者，控制装置10还可以控制照明装置13调整目标区域的照明度，例如：增大照明度以提高目标区域的亮度；或者，当照明条件良好时或成像目标表面反光系数较高时，过度的照明同样会引起成像质量降低，在这种情况下，可以降低照明度，从而提高采集图像的图像质量。

或者，控制装置10还可以同时控制送风装置12和照明装置13增大通风量和调整照明度，提高目标区域的能见度和亮度。

可选地，一些实施例中，可以根据单位时间通风量将风量划分为不同的等级，例如：风量等级包括1-5级，风量逐级增加。在控制送风装置12调整目标区域的通风量的操作中，控制装置10可以根据该风量等级控制送风装置12逐级调整目标区域的通风量。

并且，还可以根据由弱到强对亮度进行划分，例如：亮度等级划分为1-5级。在控制照明装置13调整目标区域的照明度的操作中，控制装置10可以根据该亮度等级控制照明装置13逐级调整目标区域的照明度。从而，能够根据实际情况进行逐级调整，因此可以实现节能的效果。

S404：控制装置控制图像采集装置采集目标区域的第二图像，并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准。

上述每次调整目标区域的通风量和/或照明度后，控制装置10可以控制图像采集装置11再次采集目标区域的第二图像，例如：每增大一级通风等级，采集一次第二图像，并采用图像评估模型对第二图像的图像质量进行评估，直至采集的第二图像的图像质量满足成像标准。也即是说，本实施例逐步的对目标区域的通风量和照明度进行优化调整，直至目标区域的环境状态符合图像采集的要求。

在一个具体实例中，图5是根据本公开实施例提供的图像采集流程示意图，如图5所示，首先实时采集图像，并对成像效果进行评估，如果成像质量良好表示采集的图像可以用于进行图像分析，则可以停止对送风装置和照明装置的调整，否则控制照明装置输出提升（即：提升亮度等级），再次实时采集图像并对成像效果进行评估，如果成像质量良好表示采集的图像可以用于进行图像分析，则可以停止对送风装置和照明装置的调整，否则控制送风装置输出调整（即：提升风量等级），再次实时采集图像并对成像效果进行评估，如果成像质量良好表示采集的图像可以用于进行图像分析，则可以停止对送风装置和照明装置的调整，否则继续控制照明装置输出提升（即：提升亮度等级），依次循环，直至成像质量良好，结束对送风装置和照明装置的调整。

本实施例中，通过控制装置控制图像采集装置采集目标区域的第一图像，并采用预设的图像评估模型对第一图像的图像质量进行评估，根据评估结果判断图像质量是否满足成像标准，并在图像质量不满足成像标准时，控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度，以及控制图像采集装置采集目标区域的第二图像并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准。与现有的通过图像增强算法解决图像质量差的问题相比，本公开技术方案可以根据采集图像的质量评估结果对图像采集区域的物理环境进行调控，能够在图像采集阶段改善成像质量，达到了从根本上提高图像质量的目的，实现了提升图像质量、降低开发难度、缩短开发周期的技术效果。从而可以提高井下巡检、监控等任务的作业效果。进而解决了现有技术中存在的仅通过图像增强算法增强效果有限，并且算法开发难度大、开发周期长，影响井下巡检、监控等任务的作业效果的技术问题。

可选地，一些实施例，采用预设的图像评估模型对第一图像的图像质量进行评估之前，还包括：获取多个训练图像；以及根据多个训练图像，训练图像评估模型。

具体地，在采用预设的图像评估模型对第一图像的图像质量进行评估之前，本实施例还可以获取多个训练图像，其中，多个训练图像例如可以是煤矿井下各类型降质图像及正常图像，或者还可以是其它场景下采集的图像，此处不作限制。

进一步地，根据多个训练图像，训练图像评估模型。

一些实施例中，多个训练图像可以是3000张煤矿井下各类成像效果图像，在训练图像评估模型的过程中，可以采用双刺激连续质量分级法（Double Stimulus ContinuousScale, DSCQS），例如：邀请20位观察者对每张训练图像的图像效果进行评分，按照分数等级1-5分对每个训练图像依次打分，成像效果最好为1分，最差为5分，确定所有观察者的打分平均值作为该张训练图像的评分值，并根据多个训练图像和对应的多个评分值构建训练数据集。使用这些图像数据进行卷积神经网络模型的训练，训练数据为成像效果图像，标签即为主观质量分数。

进一步地，基于训练数据集，通过机器学习方法训练图像评估模型，例如：该图像评估模型可以是基于卷积神经网络结构，采用训练数据集对卷积神经网络进行训练，输入数据为训练图像，标签为评分值，不断对模型参数进行调整，直至模型训练完成，得到图像评估模型。

并且，在采用预设的图像评估模型对第一图像的图像质量进行评估，根据评估结果判断图像质量是否满足成像标准的操作中，可以采用该基于卷积神经网络结构的图像评估模型对第一图像的图像质量进行评估，输出第一图像的图像质量分数，并将图像质量分数与预设阈值（例如：3.5）进行对比，判断图像质量是否满足成像标准，也即是说，本实施例中的成像标准可以采用阈值进行表示，如果第一图像的图像质量分数大于3.5，则表示满足成像标准。通过阈值可以灵活的调整成像标准，从而本实施例可以灵活的应用到不同的应用场景中。

另一些实施例，在训练图像评估模型的过程中，首先确定多个训练图像分别包含的多个图像特征数据，即：从训练图像中提取图像特征数据。其中，图像特征数据可以是单一的图像特征数据或多种图像特征数据的组合，并且图像特征例如包括：纹理特征、颜色特征、形状特征、特征点特征等，此处不作限制。进一步地，根据多个图像特征数据训练分类器，并将分类器作为图像评估模型。其中，分类器例如包括：神经网络、支持向量机、决策树、贝叶斯分类器等，此处不作限制。从而，图像评估模型输出的评估结果可以是图像类别，可以根据图像类别判断是否满足成像标准，例如：图像类别为模糊，则表示为不满足成像标准。

另一些实施例，在训练图像评估模型的过程中，首先采用多个清晰度评价函数确定多个训练图像分别对应的多个清晰度评价结果，例如：采用Brenner梯度函数、Tenengrad函数等计算每个训练图像的清晰度评价结果。进一步地，综合多个清晰度评价结果以及对应的多个权重值，训练综合评估函数，并将综合评估函数作为图像评估模型。

本实施例中，通过控制装置控制图像采集装置采集目标区域的第一图像，并采用预设的图像评估模型对第一图像的图像质量进行评估，根据评估结果判断图像质量是否满足成像标准，并在图像质量不满足成像标准时，控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度，以及控制图像采集装置采集目标区域的第二图像并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准。与现有的通过图像增强算法解决图像质量差的问题相比，本公开技术方案可以根据采集图像的质量评估结果对图像采集区域的物理环境进行调控，能够在图像采集阶段改善成像质量，达到了从根本上提高图像质量的目的，实现了提升图像质量、降低开发难度、缩短开发周期的技术效果。从而可以提高井下巡检、监控等任务的作业效果。进而解决了现有技术中存在的仅通过图像增强算法增强效果有限，并且算法开发难度大、开发周期长，影响井下巡检、监控等任务的作业效果的技术问题。

图6是根据本公开另一实施例提供的图像采集装置的示意图。如图6所示，该图像采集装置60包括：第一采集模块610，用于控制图像采集装置采集目标区域的第一图像；评估模块620，用于采用预设的图像评估模型对第一图像的图像质量进行评估，并根据评估结果判断图像质量是否满足成像标准；调整模块630，用于在图像质量不满足成像标准时，控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度；以及第二采集模块640，用于控制图像采集装置采集目标区域的第二图像，并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准。

可选地，一些实施例，装置60还包括：移动控制模块，用于控制移动装置进行移动，以调整目标区域。

可选地，一些实施例，装置60还包括：获取模块，用于获取多个训练图像；以及训练模块，用于根据多个训练图像，训练图像评估模型。

可选地，一些实施例，训练模块，具体用于：采用双刺激连续质量分级法确定多个训练图像对应的多个评分值，并根据多个训练图像和对应的多个评分值构建训练数据集；以及基于训练数据集，通过机器学习方法训练图像评估模型。

可选地，一些实施例，训练模块，具体用于：确定多个训练图像分别包含的多个图像特征数据；以及根据多个图像特征数据训练分类器，并将分类器作为图像评估模型。

可选地，一些实施例，训练模块，具体用于：采用多个清晰度评价函数确定多个训练图像分别对应的多个清晰度评价结果；以及综合多个清晰度评价结果以及对应的多个权重值，训练综合评估函数，并将综合评估函数作为图像评估模型。

可选地，一些实施例，评估模块620，包括：输出子模块，用于采用图像评估模型对第一图像的图像质量进行评估，输出第一图像的图像质量分数；以及对比子模块，用于将图像质量分数与预设阈值进行对比，判断图像质量是否满足成像标准。

可选地，一些实施例，调整模块630，具体用于：根据预设的风量等级控制送风装置逐级调整目标区域的通风量，和/或根据预设的亮度等级控制照明装置逐级调整目标区域的照明度。

需要说明的是，前述对图像采集方法的解释说明也适用于本实施例的装置，此处不再赘述。

本实施例中，通过控制装置控制图像采集装置采集目标区域的第一图像，并采用预设的图像评估模型对第一图像的图像质量进行评估，根据评估结果判断图像质量是否满足成像标准，并在图像质量不满足成像标准时，控制送风装置调整目标区域的通风量，和/或控制照明装置调整目标区域的照明度，以及控制图像采集装置采集目标区域的第二图像并对第二图像的图像质量进行评估，直至第二图像的图像质量满足成像标准。与现有的通过图像增强算法解决图像质量差的问题相比，本公开技术方案可以根据采集图像的质量评估结果对图像采集区域的物理环境进行调控，能够在图像采集阶段改善成像质量，达到了从根本上提高图像质量的目的，实现了提升图像质量、降低开发难度、缩短开发周期的技术效果。从而可以提高井下巡检、监控等任务的作业效果。进而解决了现有技术中存在的仅通过图像增强算法增强效果有限，并且算法开发难度大、开发周期长，影响井下巡检、监控等任务的作业效果的技术问题。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

为了实现上述实施例，本申请还提出一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行如本申请前述实施例提出的图像采集方法。

图7示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图7显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件（包括系统存储器28和处理单元16）的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（Industry StandardArchitecture；以下简称：ISA）总线，微通道体系结构（Micro Channel Architecture；以下简称：MAC）总线，增强型ISA总线、视频电子标准协会（Video Electronics StandardsAssociation；以下简称：VESA）局域总线以及外围组件互连（Peripheral ComponentInterconnection；以下简称：PCI）总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（Random Access Memory；以下简称：RAM）30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质（图7未显示，通常称为“硬盘驱动器”）。

尽管图7中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如：光盘只读存储器（Compact Disc Read OnlyMemory；以下简称：CD-ROM）、数字多功能只读光盘（Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM）或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组（至少一个）程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14（例如键盘、指向设备、显示器24等）通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络（例如局域网（Local Area Network；以下简称：LAN），广域网（Wide Area Network；以下简称：WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及图像采集，例如实现前述实施例中提及的图像采集方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是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，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种图像采集方法，应用于图像采集系统，其特征在于，所述图像采集系统包括：控制装置、图像采集装置、送风装置、照明装置，所述方法包括：

所述控制装置控制所述图像采集装置采集目标区域的第一图像；

所述控制装置采用预设的图像评估模型对所述第一图像的图像质量进行评估，并根据评估结果判断所述图像质量是否满足成像标准；

如果所述图像质量不满足所述成像标准，则所述控制装置控制所述送风装置调整所述目标区域的通风量，和/或控制所述照明装置调整所述目标区域的照明度；以及

所述控制装置控制所述图像采集装置采集所述目标区域的第二图像，并对所述第二图像的图像质量进行评估，直至所述第二图像的图像质量满足所述成像标准。

2.如权利要求1所述的方法，其特征在于，所述图像采集系统还连接移动装置，并且所述方法还包括：

所述控制装置控制所述移动装置进行移动，以调整所述目标区域。

3.如权利要求1所述的方法，其特征在于，采用预设的图像评估模型对所述第一图像的图像质量进行评估之前，还包括：

获取多个训练图像；以及

根据所述多个训练图像，训练所述图像评估模型。

4.如权利要求3所述的方法，其特征在于，根据所述多个训练图像，训练所述图像评估模型，包括：

采用双刺激连续质量分级法确定所述多个训练图像对应的多个评分值，并根据所述多个训练图像和对应的多个评分值构建训练数据集；以及

基于所述训练数据集，通过机器学习方法训练所述图像评估模型。

5.如权利要求3所述的方法，其特征在于，根据所述多个训练图像，训练所述图像评估模型，包括：

确定所述多个训练图像分别包含的多个图像特征数据；以及

根据所述多个图像特征数据训练分类器，并将所述分类器作为所述图像评估模型。

6.如权利要求3所述的方法，其特征在于，根据所述多个训练图像，训练所述图像评估模型，包括：

采用多个清晰度评价函数确定所述多个训练图像分别对应的多个清晰度评价结果；以及

综合所述多个清晰度评价结果以及对应的多个权重值，训练综合评估函数，并将所述综合评估函数作为所述图像评估模型。

7.如权利要求4所述的方法，其特征在于，所述控制装置采用预设的图像评估模型对所述第一图像的图像质量进行评估，并根据评估结果判断所述图像质量是否满足成像标准，包括：

采用所述图像评估模型对所述第一图像的图像质量进行评估，输出所述第一图像的图像质量分数；以及

将所述图像质量分数与预设阈值进行对比，判断所述图像质量是否满足成像标准。

8.如权利要求1所述的方法，其特征在于，控制所述送风装置调整所述目标区域的通风量，和/或控制所述照明装置调整所述目标区域的照明度，包括：

根据预设的风量等级控制所述送风装置逐级调整所述目标区域的通风量，和/或根据预设的亮度等级控制所述照明装置逐级调整所述目标区域的照明度。

9.一种图像采集装置，其特征在于，包括：

第一采集模块，用于控制图像采集装置采集目标区域的第一图像；

评估模块，用于采用预设的图像评估模型对所述第一图像的图像质量进行评估，并根据评估结果判断所述图像质量是否满足成像标准；

调整模块，用于在所述图像质量不满足所述成像标准时，控制送风装置调整所述目标区域的通风量，和/或控制照明装置调整所述目标区域的照明度；以及

第二采集模块，用于控制所述图像采集装置采集所述目标区域的第二图像，并对所述第二图像的图像质量进行评估，直至所述第二图像的图像质量满足所述成像标准。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。

Images