CN114241014A - 一种用于实验考头戴式微型摄像头智能抓拍方法 - Google Patents
一种用于实验考头戴式微型摄像头智能抓拍方法 Download PDFInfo
- Publication number
- CN114241014A CN114241014A CN202111470479.1A CN202111470479A CN114241014A CN 114241014 A CN114241014 A CN 114241014A CN 202111470479 A CN202111470479 A CN 202111470479A CN 114241014 A CN114241014 A CN 114241014A
- Authority
- CN
- China
- Prior art keywords
- camera
- snapshot
- head
- intelligent
- optical flow
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000003287 optical effect Effects 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000009533 lab test Methods 0.000 claims 3
- 230000008447 perception Effects 0.000 abstract 1
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明揭示了一种用于实验考头戴式微型摄像头智能抓拍方法,包括如下具体步骤:首先通过摄像头运动情况感知算法,在摄像头运动时,利用帧间差分图像信息量的大小,估算出摄像头是否发生运动与移动的变化状态,随后通过基于帧间差分与光流跟踪的字符示数及刻度区域提取算法,在结合差分运算结果的基础上,融入光流信息,进一步的对目标的运动反向、速度做出估算,最后通过抓拍信号调整及自适应阈值技术,判断摄像头是否具有抓拍条件,若是,则输出抓拍信号。本发明实现运动目标捕获及关键帧抓拍。
Description
技术领域
本发明涉及智能算法领域,特别是涉及一种用于实验考头戴式微型摄像头智能抓拍方法。
背景技术
当前面对初高中实验考的智能实验设备,携带的摄像头都分布在顶部、侧面、前面;而学生做实验操作时,需要将一些仪器设备的示数面对自己进行读数,对于此种情况针对性的配置了头戴式便携款摄像头以便对相关示数及刻度进行精确的抓拍。
具体抓拍过程中,不能准确把握抓拍的时机,导致抓拍的照片容易模糊、不够清晰,或无法抓拍到关键信息,存在一定缺陷。
发明内容
本发明的目的在于,提供一种用于实验考头戴式微型摄像头智能抓拍方法,以实现精准抓拍关键信息。
为解决上述技术问题,本发明提供一种用于实验考头戴式微型摄像头智能抓拍方法,包括如下具体步骤:
S1、在摄像头运动时,估算出摄像头是否发生运动与移动的变化状态;
S2、通过所述变化状态,融入光流信息,对目标的运动状态做出估算;
S3、判断摄像头是否具有抓拍条件,若是,则输出抓拍信号。
进一步的,利用帧间差分图像信息量的大小估算出摄像头是否发生运动与移动的变化状态。
进一步的,所述光流信息的获取方法为:
根据光流方程:
fxu+fyv+ft=0,
fx,fy为图像渐变,ft为随时间变化的梯度,u、v为未知量;
通过前后帧图像中大量点对的匹配关系,采用最小二乘法求解。
进一步的,所述光流信息的获取方法中,光流方程的求解过程中,所述光流方程通过调用opencv库中的calcOpticalFlowFarneback函数进行求解。
进一步的,所述抓拍条件的判断方法为:
抓拍设备处于接近静止的状态,且目标位于视野中心范围。
进一步的,抓拍的内容包括刻度、示数、平衡状态、典型图像及实验结果。
进一步的,进行抓拍时,采用自适应阈值算法并结合边缘提取的方法,利用字符数字形态进行快速文本区域的筛选,估算出字符、刻度的大小以及缩放后的线宽,调节自适应阈值半径,快速定位字符或刻度。
进一步的,所述自适应阈值可根据光照在设定范围内半自动调整。
相比于现有技术,本发明至少具有以下有益效果:结合应用场景,利用光流信息的获取算法,对摄像头运动状态进行估算,实现运动目标捕获及关键帧抓拍,解决了顶视、前视、侧视摄像头捕捉相关示数、刻度、典型动作不能抓拍、无法抓拍、清晰度不够及视角与用户不一致的问题。
附图说明
图1为本发明一个实施例中的抓拍方法流程图;
图2为本发明一个实施例中的抓拍及处理流程图。
具体实施方式
下面将结合示意图对本发明的用于实验考头戴式微型摄像头智能抓拍方法进行更详细的描述,其中表示了本发明的优选实施例,应该理解本领域技术人员可以修改在此描述的本发明,而仍然实现本发明的有利效果。因此,下列描述应当被理解为对于本领域技术人员的广泛知道,而并不作为对本发明的限制。
在下列段落中参照附图以举例方式更具体地描述本发明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
如图1所示,本发明实施例提出了一种用于实验考头戴式微型摄像头智能抓拍方法,包括如下具体步骤:
S1、在摄像头运动时,估算出摄像头是否发生运动与移动的变化状态;
S2、通过所述变化状态,融入光流信息,对目标的运动状态做出估算;
S3、判断摄像头是否具有抓拍条件,若是,则输出抓拍信号。
当摄像头运动时,其内的图像一定会跟着出现相应的变化,通过对图像的对比,判断摄像头是否处于运动状态,该方法具有操作简单、识别速度快的特点;融入光流信息,进一步对目标的运动方向以及运动速度做出估算,为了更好的对拍摄目标相对于头戴式便携款摄像头的运动情况做出估算,所以针对性的设计了感兴趣目标提取算法(字符提取及判断、刻度及示数提取及判断、试管提取及判断等小型算法模块);在使用过程中,对采集到的画面进行抓拍判断,实现抓拍操作。
以下列举所述用于实验考头戴式微型摄像头智能抓拍方法的较优实施例,以清楚的说明本发明的内容,应当明确的是,本发明的内容并不限制于以下实施例,其他通过本领域普通技术人员的常规技术手段的改进亦在本发明的思想范围之内。
利用帧间差分图像信息量的大小估算出摄像头是否发生运动与移动的变化状态。在本实施方式中,帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法,它可以很好地适用于存在多个运动目标和摄像机移动的情况;当监控场景中出现异常物体运动时,帧与帧之间会出现较为明显的差别,两帧相减,得到两帧图像亮度差的绝对值,判断它是否大于阈值来分析视频或图像序列的运动特性,确定图像序列中有无物体运动。
所述光流信息的获取方法为:
根据光流方程:
fxu+fyv+ft=0,
fx,fy为图像渐变,ft为随时间变化的梯度,u、v为未知量;
通过前后帧图像中大量点对的匹配关系,采用最小二乘法求解。在本实施方式中,最小二乘法(又称最小平方法)是一种数学优化技术,它通过最小化误差的平方和寻找数据的最佳函数匹配;利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。
所述光流信息的获取方法中,光流方程的求解过程中,所述光流方程通过调用opencv库中的calcOpticalFlowFarneback函数进行求解。在本实施方式中,opencv是一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,具有轻量级且高效的优点,实现了图像处理和计算机视觉方面的很多通用算法;在物体的运动速度较大时,算法会出现较大的误差。那么就希望能减少图像中物体的运动速度,一个直观的方法就是,缩小图像的尺寸,采用calcOpticalFlowFarneback函数进行求解。
具体的说:假设当图像为400×400像素时,物体速度为[a,a],那么图像缩小为200×200像素时,速度变为[0.5a,0.5a],缩小为100×100时,速度减少到[0.25a,0.25a],在图像缩放了很多以后,原算法又变得适用了,所以光流可以通过生成原图像的金字塔图像,通过迭代方式逐层求解,不断精确来求得,简单来说上层金字塔(低分辨率)中的一个像素可以代表下层的两个,每一层的求解结果乘以2后加到下一层。
所述抓拍条件的判断方法为:
抓拍设备处于接近静止的状态,且目标位于视野中心范围。在本实施方式中,根据应用场景的实际情况,由于该设备,主要为了与实验操作者的第一视角保持一致,以便聚焦于想要的区域,并对目标内容进行抓拍;当用户在对目标内容进行识别时,需要使目标处于实现中心,且保持头部接近静止的状态。
在本实施方式中,抓拍的内容包括刻度、示数、平衡状态、典型图像及实验结果。通过抓拍设备对刻度、示数、平衡状态、典型图像及实验结果等关键进行识别,以便实现快速抓拍。
在本实施方式中,进行抓拍时,采用自适应阈值算法并结合边缘提取的方法,利用字符数字形态进行快速文本区域的筛选,估算出字符、刻度的大小以及缩放后的线宽,调节自适应阈值半径,快速定位字符或刻度。
所述自适应阈值可根据光照在设定范围内半自动调整。在本实施方式中,具体阈值依据当前光照情况进行设定,且可在设定的范围内进行半自动调整;在一个较优实施例中,阈值设定范围为11~51,阈值半径为31。
请参考图2,为本发明一个实施例中的抓拍及处理流程图,具体流程为:
先通过便携摄像头进行图像采集,并判定便携摄像头是否处于运动状态,并对便携摄像头采集到的图像中的刻度、示数等信息进行提取和判断,当便携式摄像头处于或接近处于静止状态,且图像中心目标区域内存在刻度、文字或相对独立的目标器件时,输出抓拍信号,对当前图像进行抓拍,并将图像上传至后台,通过后台智能批改算法,对刻度、示数进行定位识别,并将识别的结果输出,与学生输入的结果进行对比判断,对比一致的情况下,对学生的输入结果进行判分。
综上所述,结合应用场景,利用光流信息的获取算法,对摄像头运动状态进行估算,实现运动目标捕获及关键帧抓拍,解决了顶视、前视、侧视摄像头捕捉相关示数、刻度、典型动作不能抓拍、无法抓拍、清晰度不够及视角与用户不一致的问题。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种用于实验考头戴式微型摄像头智能抓拍方法,其特征在于,包括如下具体步骤:
S1、在摄像头运动时,估算出摄像头是否发生运动与移动的变化状态;
S2、通过所述变化状态,融入光流信息,对目标的运动状态做出估算;
S3、判断摄像头是否具有抓拍条件,若是,则输出抓拍信号。
2.如权利要求1所述的用于实验考头戴式微型摄像头智能抓拍方法,其特征在于,利用帧间差分图像信息量的大小估算出摄像头是否发生运动与移动的变化状态。
4.如权利要求3所述的用于实验考头戴式微型摄像头智能抓拍方法,其特征在于,所述光流信息的获取方法中,所述光流方程通过调用opencv库中的calcOpticalFlowFarneback函数进行求解。
5.如权利要求1所述的用于实验考头戴式微型摄像头智能抓拍方法,其特征在于,所述抓拍条件的判断方法为:
抓拍设备处于接近静止的状态,且目标位于视野中心范围。
6.如权利要求1所述的用于实验考头戴式微型摄像头智能抓拍方法,其特征在于,抓拍的内容包括刻度、示数、平衡状态、典型图像及实验结果。
7.如权利要求6所述的用于实验考头戴式微型摄像头智能抓拍方法,其特征在于,进行抓拍时,采用自适应阈值算法并结合边缘提取的方法,利用字符数字形态进行快速文本区域的筛选,估算出字符、刻度的大小以及缩放后的线宽,调节自适应阈值半径,快速定位字符或刻度。
8.如权利要求7所述的用于实验考头戴式微型摄像头智能抓拍方法,其特征在于,所述自适应阈值可根据光照在设定范围内半自动调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470479.1A CN114241014A (zh) | 2021-12-03 | 2021-12-03 | 一种用于实验考头戴式微型摄像头智能抓拍方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470479.1A CN114241014A (zh) | 2021-12-03 | 2021-12-03 | 一种用于实验考头戴式微型摄像头智能抓拍方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114241014A true CN114241014A (zh) | 2022-03-25 |
Family
ID=80753153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111470479.1A Pending CN114241014A (zh) | 2021-12-03 | 2021-12-03 | 一种用于实验考头戴式微型摄像头智能抓拍方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241014A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101860732A (zh) * | 2010-06-04 | 2010-10-13 | 天津市亚安科技电子有限公司 | 一种控制云台摄像机自动跟踪目标的方法 |
CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
CN108777767A (zh) * | 2018-08-22 | 2018-11-09 | Oppo广东移动通信有限公司 | 拍照方法、装置、终端及计算机可读存储介质 |
CN109146926A (zh) * | 2018-09-28 | 2019-01-04 | 耿四化 | 一种基于全景摄像机的运动目标智能追踪系统及方法 |
CN110557566A (zh) * | 2019-08-30 | 2019-12-10 | 维沃移动通信有限公司 | 视频拍摄方法及电子设备 |
CN113705518A (zh) * | 2021-09-03 | 2021-11-26 | 冯志全 | 一种智能识别系统与方法 |
-
2021
- 2021-12-03 CN CN202111470479.1A patent/CN114241014A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101860732A (zh) * | 2010-06-04 | 2010-10-13 | 天津市亚安科技电子有限公司 | 一种控制云台摄像机自动跟踪目标的方法 |
CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
CN108777767A (zh) * | 2018-08-22 | 2018-11-09 | Oppo广东移动通信有限公司 | 拍照方法、装置、终端及计算机可读存储介质 |
CN109146926A (zh) * | 2018-09-28 | 2019-01-04 | 耿四化 | 一种基于全景摄像机的运动目标智能追踪系统及方法 |
CN110557566A (zh) * | 2019-08-30 | 2019-12-10 | 维沃移动通信有限公司 | 视频拍摄方法及电子设备 |
CN113705518A (zh) * | 2021-09-03 | 2021-11-26 | 冯志全 | 一种智能识别系统与方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220138490A1 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
CN113992861B (zh) | 一种图像处理方法及图像处理装置 | |
CN106030653B (zh) | 用于生成高动态范围图像的图像处理系统和图像处理方法 | |
CN106778730B (zh) | 一种用于快速生成ocr训练样本的自适应方法及系统 | |
US20150215519A1 (en) | Focus assist system and method | |
KR20100020903A (ko) | 화상 식별 방법 및 촬상장치 | |
CN105279771B (zh) | 一种视频中基于在线动态背景建模的运动目标检测方法 | |
CN113592911B (zh) | 表观增强深度目标跟踪方法 | |
CN111031311B (zh) | 成像质量检测方法、装置、电子设备及可读存储介质 | |
CN110796041B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
CN112396073A (zh) | 基于双目图像的模型训练方法、装置及数据处理设备 | |
CN112508033B (zh) | 检测方法、存储介质和电子装置 | |
CN112508887A (zh) | 一种图像清晰度评价方法、系统、存储介质、设备及应用 | |
Vidal et al. | Ug^ 2: A video benchmark for assessing the impact of image restoration and enhancement on automatic visual recognition | |
CN114494085B (zh) | 一种视频流复原方法、系统、电子设备及存储介质 | |
US9094617B2 (en) | Methods and systems for real-time image-capture feedback | |
Tian et al. | Detecting good quality frames in videos captured by a wearable camera for blind navigation | |
CN116883897A (zh) | 一种低分辨率目标识别方法 | |
CN114241014A (zh) | 一种用于实验考头戴式微型摄像头智能抓拍方法 | |
CN108781280B (zh) | 一种测试方法、装置及终端 | |
CN110211155A (zh) | 目标跟踪方法及相关装置 | |
Bisagno et al. | Virtual camera modeling for multi-view simulation of surveillance scenes | |
US20080199073A1 (en) | Red eye detection in digital images | |
CN114972084A (zh) | 一种图像对焦准确度评价方法及系统 | |
TW201809671A (zh) | 一種光流測速模組與其測速方法 |
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 |