CN115103105A - 拍摄控制方法、电子设备、存储介质及计算机程序产品 - Google Patents
拍摄控制方法、电子设备、存储介质及计算机程序产品 Download PDFInfo
- Publication number
- CN115103105A CN115103105A CN202210473713.4A CN202210473713A CN115103105A CN 115103105 A CN115103105 A CN 115103105A CN 202210473713 A CN202210473713 A CN 202210473713A CN 115103105 A CN115103105 A CN 115103105A
- Authority
- CN
- China
- Prior art keywords
- boundary
- video frame
- target
- current
- position information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000004590 computer program Methods 0.000 title claims abstract description 31
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000002194 synthesizing effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Landscapes
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种拍摄控制方法、电子设备、存储介质及计算机程序产品。方法包括:获取图像拍摄装置采集的至少一个视频帧;对于至少一个视频帧中的每一个当前视频帧,获取当前视频帧中的至少一个目标的当前位置信息;基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域,先前视频帧为位于当前视频帧之前的前一视频帧;在至少一个视频帧满足目标条件时,基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。这种方案可以实现针对目标区域的自动化、智能化定位及拍摄参数控制,有助于提高后续采集的视频帧的图像质量。此外,这种方案无需人工干预,因此可以很大程度地节省人力资源成本。
Description
技术领域
本申请涉及图像处理领域,更具体地涉及一种拍摄控制方法、电子设备、存储介质及计算机程序产品。
背景技术
近年来,相机在通行场景的智能抓拍识别中的应用越来越广泛,相机架设的场景也越来越丰富,例如园区门口、商场入口、廊道等。相机前端的图像处理,尤其是相机的拍摄参数控制(即拍摄控制),对智能抓拍识别的效果影响重大。
下面以自动曝光为例说明现有拍摄控制方法的局限性对图像采集或目标识别的影响。自动曝光控制作为调整图像亮度的模块,直接影响获取的图像的质量。当前常用的自动曝光的方法主要有两种。一是全局曝光法,即将画面中所有区域都统计在内,以进行亮度调整的方法。二是区域曝光法,即人工选择曝光区域,然后算法根据所选区域进行曝光。
对于现有技术中的全局曝光方法,各种场景均使用相同的曝光统计方法,因此无法保证目标的亮度达到理想程度。对于现有技术中的区域曝光方法,虽然可以使得目标区域的效果达到比较理想的程度,但仍需要手动设置。并且,由于相机架设的场景不一样,目标区域有差别,还需要针对每台设备分别进行拍摄设置。因此拍摄效率低,也消耗人力资源。
发明内容
考虑到上述问题而提出了本申请。本申请提供了一种拍摄控制方法、电子设备、存储介质及计算机程序产品。
根据本申请一方面,提供了一种拍摄控制方法,包括:获取图像拍摄装置采集的至少一个视频帧;对于至少一个视频帧中的每一个当前视频帧,获取当前视频帧中的至少一个目标的当前位置信息;基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域,其中,先前视频帧为位于当前视频帧之前的前一视频帧;在至少一个视频帧满足目标条件时,基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。
示例性地,当前位置信息用于表示至少一个目标所在的矩形区域的位置,先前目标区域和当前目标区域为矩形区域,矩形区域包括左边界、上边界、右边界和下边界;基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域包括:对于矩形区域中的任一特定边界,执行边界确定操作;边界确定操作包括:当当前位置信息所表示的矩形区域的特定边界相对先前目标区域的特定边界距离视频帧的特定边界更近时,基于当前位置信息所表示的矩形区域的特定边界确定当前目标区域的特定边界;当当前位置信息所表示的矩形区域的特定边界相对先前目标区域的特定边界距离视频帧的特定边界更远时,基于先前目标区域的特定边界确定当前目标区域的特定边界;对于矩形区域中除特定边界以外的任一剩余边界,基于先前目标区域的剩余边界确定当前目标区域的剩余边界。
示例性地,在当前视频帧为至少一个视频帧中的第一个视频帧的情况下,方法还包括:将当前位置信息所表示的矩形区域确定为当前目标区域。
示例性地,在当前视频帧为至少一个视频帧中的第一个视频帧的情况下,在基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域之前,方法还包括:通过初始化获得第一初始目标区域;将第一初始目标区域确定为先前目标区域。
示例性地,第一初始目标区域包括视频帧的中心位置;通过以下步骤确定特定边界:如果当前位置信息所表示的矩形区域的右边界位于第一边界的左侧,则在左边界和右边界中仅选择左边界作为特定边界,其中,第一边界为过视频帧的中心且与第一初始目标区域的左边界和右边界平行的边界;如果当前位置信息所表示的矩形区域的左边界位于第一边界的右侧,则在左边界和右边界中仅选择右边界作为特定边界;如果当前位置信息所表示的矩形区域的左边界位于第一边界的左侧且当前位置信息所表示的矩形区域的右边界位于第一边界的右侧,则选择左边界和右边界一起作为特定边界;如果当前位置信息所表示的矩形区域的下边界位于第二边界的上侧,则在上边界和下边界中仅选择上边界作为特定边界,其中,第二边界为过视频帧的中心且与第一初始目标区域的上边界和下边界平行的边界;如果当前位置信息所表示的矩形区域的上边界位于第二边界的下侧,则在上边界和下边界中仅选择下边界作为特定边界;如果当前位置信息所表示的矩形区域的上边界位于第二边界的上侧且当前位置信息所表示的矩形区域的下边界位于第二边界的下侧,则选择上边界和下边界一起作为特定边界。
示例性地,目标条件包括以下一项或多项:至少一个视频帧的采集时间跨度达到第一目标时间;至少一个视频帧是连续的且数目达到第一目标数目;至少一个视频帧中的最后第二目标数目的视频帧各自对应的当前目标区域保持不变。
示例性地,在获取图像拍摄装置采集的至少一个视频帧之前,方法还包括:确定第二初始目标区域;基于第二初始目标区域对图像拍摄装置的拍摄参数进行控制。
示例性地,获取图像拍摄装置采集的至少一个视频帧包括:获取初始视频;检测初始视频中的每一个视频帧中包括的初始目标;将初始视频中初始目标的目标信息满足目标质量要求的视频帧确定为至少一个视频帧。
示例性地,当前视频帧中的至少一个目标的数目为一个或多个;其中,当至少一个目标的数目为一个时,获取当前视频帧中的至少一个目标的当前位置信息包括:将目标在当前视频帧中的位置信息确定为当前位置信息;当至少一个目标的数目为多个时,获取当前视频帧中的至少一个目标的当前位置信息包括:分别获取至少一个目标中的每个目标在当前视频帧中的位置信息;合并至少一个目标中的每个目标在当前视频帧中的位置信息,以获得合并位置信息;将合并位置信息确定为当前位置信息。
根据本申请另一方面,提供了一种电子设备,包括处理器和存储器,其中,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行上述拍摄控制方法。
根据本申请另一方面,提供了一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行上述拍摄控制方法。
根据本申请另一方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序在运行时用于执行上述拍摄控制方法。
根据本申请实施例的拍摄控制方法、电子设备、存储介质及计算机程序产品,基于各视频帧当前对应的目标位置以及先前视频帧对应的先前目标区域确定当前目标区域,即针对各视频帧不断更新目标区域,这种方案可以实现针对目标区域的自动化、智能化定位及拍摄参数控制。这种拍摄控制方法对目标区域的定位比较准确,因此基于目标区域的拍摄控制也比较准确,有助于提高后续采集的视频帧的图像质量。此外,这种方案无需人工干预,因此可以很大程度地节省人力资源成本。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1示出用于实现根据本申请实施例的拍摄控制方法和装置的示例电子设备的示意性框图;
图2示出根据本申请一个实施例的拍摄控制方法的示意性流程图;
图3示出了根据本申请一个实施例的当前视频帧的简化示意图;
图4a至图4f示出了根据本申请实施例的当前位置信息所表示的矩形区域在当前视频帧中的不同分布情况;
图5示出根据本申请实施例的当前视频帧中的2个目标的位置信息的示意图;
图6示出了根据本申请实施例的学习型区域曝光控制方法的流程示意图;
图7示出根据本申请一个实施例的拍摄控制装置的示意性框图;
图8示出根据本申请一个实施例的电子设备的示意性框图。
具体实施方式
近年来,基于人工智能的计算机视觉、深度学习、机器学习、图像处理、图像识别等技术研究取得了重要进展。人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸人的智能的理论、方法、技术及应用系统的新兴科学技术。人工智能学科是一门综合性学科,涉及芯片、大数据、云计算、物联网、分布式存储、深度学习、机器学习、神经网络等诸多技术种类。计算机视觉作为人工智能的一个重要分支,具体是让机器识别世界,计算机视觉技术通常包括人脸识别、解锁、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像处理、图像识别、图像语义理解、图像检索、文字识别、视频处理、视频内容识别、三维重建、虚拟现实、增强现实、同步定位与地图构建(SLAM)、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究和进步,该项技术在众多领域展开了应用,例如安全防控、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机影像、云服务、智能家居、穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、指纹解锁、人证核验、智慧屏、智能电视、摄像机、移动互联网、网络直播、美颜、美妆、医疗美容、智能测温等领域。
为了使得本申请的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请中描述的本申请实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本申请的保护范围之内。
为了至少部分地解决上述技术问题,本申请实施例提供了一种拍摄控制方法、电子设备、存储介质及计算机程序产品。根据本申请实施例的拍摄控制方法,可以实现针对目标区域的自动化、智能化定位并基于定位的目标区域进行拍摄参数的控制。
虽然上文以相机的曝光控制为例进一步描述现有的拍摄控制方法存在的问题,但是可以理解,根据本申请实施例的拍摄控制方法还可以应用于任何其他合适类型的拍摄控制领域,例如,白平衡控制、聚焦控制等等。此外,根据本申请实施例的拍摄控制方法可以应用于任何需要进行拍摄控制的领域,包括但不限于各种针对行人、车辆、动物或其他任何合适的目标进行图像采集或目标识别的技术领域。
首先,参照图1来描述用于实现根据本申请实施例的拍摄控制方法和装置的示例电子设备100。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储装置104。可选地,电子设备100还可以包括输入装置106、输出装置108、以及图像拍摄装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、微处理器中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU)、图像处理器(GPU)、专用的集成电路(ASIC)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元中的一种或几种的组合,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本申请实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像和/或声音),并且可以包括显示器、扬声器等中的一个或多个。可选地,所述输入装置106和所述输出装置108可以集成在一起,采用同一交互装置(例如触摸屏)实现。
所述图像拍摄装置110可以采集图像,并且将所采集的图像存储在所述存储装置104中以供其它组件使用。图像拍摄装置110可以是单独的相机或移动终端中的摄像头等。应当理解,图像拍摄装置110仅是示例,电子设备100可以不包括图像拍摄装置110。在这种情况下,可以利用其他具有图像采集能力的器件采集图像,并将采集的图像发送给电子设备100。
示例性地,用于实现根据本申请实施例的拍摄控制方法和装置的示例电子设备可以在诸如个人计算机、终端设备、考勤机、面板机、相机或远程服务器等的设备上实现。
下面,将参考图2描述根据本申请实施例的拍摄控制方法。图2示出根据本申请一个实施例的拍摄控制方法200的示意性流程图。如图2所示,拍摄控制方法200包括步骤S210、S220、S230、S240和S250。
在步骤S210,获取图像拍摄装置采集的至少一个视频帧。
本文所述的图像拍摄装置可以采用常规的图像传感器实现,图像传感器例如电荷耦合元件(Charge Coupled Device,CCD)传感器、互补金属氧化物半导体(ComplementaryMetal Oxide Semiconductor,CMOS)传感器等。在一个示例中,图像拍摄装置可以是一体式摄像机。该一体式摄像机可以是黑白摄像机,也可以是彩色摄像机。图像拍摄装置可以架设于任何合适的或需要的场景,例如架设于居民家中、小区门口、街道十字路口、大型商场的入口等等。
将图像拍摄装置架设于目标场景的合适位置之后,可以开启拍摄采集模式,以获取图像拍摄装置采集到的图像,例如获取图像拍摄装置采集的一段连续的视频帧。本文所述的至少一个视频帧可以是图像拍摄装置采集的一段连续视频帧中的全部视频帧,也可以是采集的一段连续视频帧中的部分视频帧。示例性而非限制性地,可以从原始的连续视频帧中提取位于某时间段内的视频帧作为至少一个视频帧或者提取质量满足一定要求的视频帧作为至少一个视频帧。另一示例中,可以从原始的连续视频帧中提取包含特定目标的视频帧作为至少一个视频帧。示例性地,至少一个视频帧的图像尺寸可以与原始视频帧的图像尺寸一致,也可以是对原始视频帧进行缩放之后的具有更大或更小尺寸的视频帧。或者,至少一个视频帧可以是对原始视频帧进行预处理之后的视频帧。示例性而非限制性地,预处理例如图像灰度化、图像去噪声等。可以理解,对于原始视频帧的预处理,有助于提高后期操作的便利性。
示例性地,在至少一个视频帧中可以包括目标对象(简称目标)。目标对象可以是任何物体,例如可以是活动的人或动物,人体的局部例如人脸,车辆或其他物体等。在一个具体示例中,目标对象可以是出现在拍摄范围内的人脸或者具有特定人脸特征的人脸。
在步骤S220,对于至少一个视频帧中的每一个当前视频帧,获取当前视频帧中的至少一个目标的当前位置信息。
示例性地,当前视频帧中的至少一个目标的当前位置信息的获取可以通过任何现有的或未来可能出现的目标识别方法实现,本申请对此不作限制。可选地,本文所述的“目标识别”可以仅包括从视频帧中检测出任意一个或多个目标所在的位置的操作(目标定位操作)。可选地,本文所述的“目标识别”除包括目标定位操作之外,还可以包括其他附加操作,例如确定目标的身份信息的操作等等。
在一个示例中,上述图像拍摄装置可以包括具备智能抓拍或者识别功能的智能相机。当开启智能相机的智能抓拍或者识别功能之后,智能相机拍摄到的视频流可以实时传送到目标识别模型中,该目标识别模型可以直接返回各视频帧中的目标的位置信息。示例性地,可以在步骤S210开启该智能相机中的智能抓拍或识别功能。示例性而非限制性地,步骤S210还可以包括,响应于用户输入的智能抓拍或识别功能开启指令,自动获取至少一个视频帧以及其中的每个当前视频帧中的至少一个目标的当前位置信息。在一个示例中,在智能相机的“设置”菜单栏中,可以包含有标识为“开启智能识别”的触摸按键。当用户触摸该按键后,智能相机的“智能识别”功能即开启。示例性地,每拍摄一个视频帧,相机即可自动识别该视频帧中包含的目标对象的当前位置信息。
本文所述的至少一个目标可以是上文中的目标对象。在目标对象是人脸的示例中,至少一个目标可以是至少一个视频帧中的每个当前视频帧中所包含的一个或多个人脸。在至少一个视频帧中的每个视频帧中,目标的数目可以是固定的,例如可以是固定的2个特定人脸。当然,目标的数目也可以是变化的,例如第1帧中包含有1个人脸,而在第30帧中则包含3个人脸。
至少一个目标的当前位置信息可以是至少一个目标在当前视频帧中的特定区域的位置信息。在至少一个目标是人脸的示例中,当前位置信息可以是人脸所在的特定区域在当前视频帧中的位置信息。在至少一个目标是车辆的示例中,当前位置信息可以是车辆所在的特定区域在当前视频帧中的位置信息。示例性地,特定区域可以是特定形状的区域,例如矩形区域、椭圆形区域、任意多边形区域等,本申请在此不对其进行限制。
示例性地,至少一个目标的当前位置信息可以用以下一种或多种形式表示:特定区域的顶点坐标、特定区域的中心点坐标、特定区域的边长或半径、特定区域的任意两个边之间的距离或夹角等。例如,当特定区域是圆形区域时,可以用代表至少一个目标在该视频帧中的位置的圆形区域的圆心坐标和半径来表示。又例如,当特定区域是矩形区域时,可以用代表至少一个目标在该视频帧中的位置的矩形区域的两个对角顶点坐标表示。需注意,任何现有的或未来的能够表示至少一个目标的当前位置信息的方法都在本申请的保护范围内。
在步骤S230,对于至少一个视频帧中的每一个当前视频帧,基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域,其中,先前视频帧为位于当前视频帧之前的前一视频帧。
示例性地,至少一个视频帧可以是任意连续相等时间间隔的视频帧,例如每秒25帧或者每秒一帧等。至少一个视频帧也可以是连续不等时间间隔的视频帧,例如第一帧和第二帧之间间隔1s,而第二帧和第三帧之间间隔2s。在本申请实施例中,先前视频帧和当前视频帧在步骤S210获取的至少一个视频帧中,为先后相邻的两个视频帧。但是,先前视频帧和当前视频帧在图像拍摄装置采集的原始的连续视频帧中可以相邻,也可以不相邻。容易理解,对于至少一个视频帧中的每一个当前视频帧,在当前视频帧并非至少一个视频帧中的第一帧的情况下,每个当前视频帧均对应有先前视频帧,例如第n帧为当前视频帧,则第n-1帧为先前视频帧。而对于第n+1帧来说,其为当前视频帧时,第n帧为其先前视频帧。
每个视频帧具有与之对应的目标区域。当前视频帧变成下一视频帧的先前视频帧时,当前视频帧所对应的当前目标区域就变成对下一视频帧来说的“与先前视频帧相对应的先前目标区域”。示例性而非限制性地,与先前视频帧相对应的先前目标区域可以是通过综合位于当前视频帧之前的一个或多个视频帧中包含的全部目标的活动区域获得的综合目标区域。例如,在第4帧为当前视频帧的示例中,先前目标区域可以是通过综合前3帧视频帧中包含的全部目标的活动区域获得的综合目标区域。又例如,当第6帧为当前视频帧时,先前目标区域可以是通过综合前5帧视频帧中包含的全部目标的活动区域获得的综合目标区域。在一个示例中,与先前视频帧相对应的先前目标区域,可以是通过综合位于当前视频帧之前的一个或多个视频帧中包含的特定目标的活动区域获得的综合目标区域。例如,针对每个当前视频帧,可以仅考虑先前视频帧中包含某一特定人脸的目标区域,将获取的包含该人脸的目标区域作为与先前视频帧相对应的先前目标区域。
在本申请实施例中,获取的每个视频帧的图像大小是相同的。在步骤S220获取了当前视频帧中的至少一个目标的当前位置信息。例如,已获取当前第6帧中的2个人脸所在矩形区域在该视频帧中的位置A,且已获取与第5帧对应的先前人脸区域在该视频帧中的位置B。此时,可以根据位置A和位置B,基于特定的算法获得与第6帧对应的目标区域的位置,即位置C。如此循环,可以进一步获取与第7帧视频帧对应的目标区域的位置D和与第8帧视频帧对应的目标区域的位置E。
在步骤S240,在至少一个视频帧满足目标条件时,基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。
最新的当前目标区域即至少一个视频帧中的最后一个视频帧作为当前视频帧时所确定的当前目标区域。
根据前述步骤可以获取与当前视频帧对应的当前目标区域。示例性地,如此循环,可以获取与至少一个视频帧中包含的每个视频帧对应的目标区域。容易理解,当至少一个视频帧中的一个或多个目标在某一区域内活动时,可以通过上述步骤获得针对该一个目标或多个目标的活动覆盖区域。例如,采用智能相机检测经过某一廊道的行人活动,至少一个目标被设置为人脸。智能相机的智能识别功能一旦开启,从某一行人进入该智能相机所检测的廊道范围内起,至该行人走出该廊道并从视频中消失,均可以对出现在视频中的该行人的人脸进行识别,可以获取与每一视频帧对应的行人人脸区域的位置。容易理解,当行人持续在该廊道中来回走动时,其人脸的位置信息可以持续更新,但是人脸区域的位置却可以保持不变。以此类推,可以获取经过该廊道的多个行人的综合人脸区域F。示例性而非限制性地,可以基于该综合人脸区域F对图像拍摄装置的拍摄参数进行控制。
示例性地,本文所述的图像拍摄装置的拍摄参数可以包括以下一项或多项:区域曝光设置参数、区域白平衡设置参数、区域聚焦设置参数等。在一个示例中,对于获取的针对多个行人的综合人脸区域F,可以控制图像拍摄装置基于该区域F进行区域曝光计算,以使拍摄到的视频帧中该区域能够保持较佳的亮度。在另一个示例中,可以控制图像拍摄装置基于该区域F进行区域白平衡设置,由此可以对人脸区域的色温偏差进行校准,以获得更理想的人脸画面效果。在再一个示例中,可以控制图像拍摄装置基于该区域F进行区域聚焦设置,由此可以保证获取的视频帧中的人脸可以具有足够的清晰度。在其他示例中,当然也可以基于该区域F,对图像拍摄装置的区域曝光设置参数、区域白平衡设置参数、区域聚焦设置参数均进行控制。
仍需要说明的是,该步骤240需在至少一个视频帧满足目标条件的情况下执行,该目标条件并不仅限于上述示例,还可以有多种其他条件的示例,这将在后文进行描述,在此不再赘述。
根据上述技术方案,基于各视频帧当前对应的目标位置以及先前视频帧对应的先前目标区域确定当前目标区域,即针对各视频帧不断更新目标区域,这种方案可以实现针对目标区域的自动化、智能化定位及拍摄参数控制。这种拍摄控制方法对目标区域的定位比较准确,因此基于目标区域的拍摄控制也比较准确,有助于提高后续采集的视频帧的图像质量。此外,这种方案无需人工干预,因此可以很大程度地节省人力资源成本。
需注意,图2所示的流程图仅是示例,其并不限制拍摄控制方法200中的各个步骤的执行顺序。例如,步骤S210、S220和S230中的任意两个步骤彼此之间可以同步或基本同步地执行,也可以按照前后顺序依次执行。在一个示例中,步骤S210、S220和S230可以均是实时执行的,在步骤S210每获取一个视频帧,就将其当作当前视频帧,通过步骤S220获取该视频帧的当前位置信息,并通过步骤S230确定其对应的当前目标区域。针对当前视频帧执行步骤S220或S230时或执行完步骤S230之后,开始获取下一个视频帧并重复以上过程。在另一个示例中,步骤S210、S220和S230可以是依次执行的。例如,在步骤S210获取至少一个视频帧中的全部视频帧之后,才开始执行步骤S220,并在步骤S220中获取全部视频帧中的当前位置信息之后才开始执行步骤S230。当然,拍摄控制方法200中的各个步骤还可以有其他合适的执行顺序和执行方式,此处不再赘述。
示例性地,根据本发明实施例的拍摄控制方法可以在具有存储器和处理器的设备、装置或者系统中实现。
根据本发明实施例的拍摄控制方法可以部署在图像采集端处,例如,可以部署在具有图像采集功能的个人终端或服务器端处。
替代地,根据本发明实施例的拍摄控制方法还可以分布地部署在服务器端(或云端)和个人终端处。例如,可以在客户端采集视频帧,客户端将采集的视频帧传送给服务器端(或云端),由服务器端(或云端)进行拍摄控制。
示例性地,当前位置信息用于表示至少一个目标所在的矩形区域的位置,先前目标区域和当前目标区域为矩形区域,矩形区域包括左边界、上边界、右边界和下边界;步骤S230可以包括:对于矩形区域中的任一特定边界,执行边界确定操作;边界确定操作包括:当当前位置信息所表示的矩形区域的特定边界相对先前目标区域的特定边界距离视频帧的特定边界更近时,基于当前位置信息所表示的矩形区域的特定边界确定当前目标区域的特定边界;当当前位置信息所表示的矩形区域的特定边界相对先前目标区域的特定边界距离视频帧的特定边界更远时,基于先前目标区域的特定边界确定当前目标区域的特定边界;对于矩形区域中除特定边界以外的任一剩余边界,基于先前目标区域的剩余边界确定当前目标区域的剩余边界。
示例性地,对于至少一个视频帧,当前视频帧可以表示为至少一个视频帧中的第n个视频帧,n为正整数,n=1,2,3,……,m,m为至少一个视频帧的总数目。对于n=1、n≠1的两种情况,可以根据相同或不同的技术方案确定当前目标区域的边界。
例如,对于n≠1的情况,即当前视频帧并非至少一个视频帧中的第一个视频帧的情况下,可以通过边界确定操作来确定当前目标区域的特定边界。又例如,对于n=1的情况,即当前视频帧为至少一个视频帧中的第一个视频帧,则可以通过边界确定操作或其他操作来确定当前目标区域的特定边界。例如,如果在当前视频帧为至少一个视频帧中的第一个视频帧的情况下,存在先前目标区域(例如下述第一目标初始区域),则可以通过边界确定操作确定当前目标区域的特定边界。又例如,如果在当前视频帧为至少一个视频帧中的第一个视频帧的情况下,不存在先前目标区域,则可以直接基于当前位置信息所表示的矩形区域的特定边界确定当前目标区域的特定边界。
示例性而非限制性地,当前位置信息所表示的目标所在的区域、先前目标区域、当前目标区域均可以为矩形区域。
图3示出了根据本申请一个实施例的当前视频帧的简化示意图。如图3所示,至少一个目标在当前视频帧310中的当前位置信息所表示的矩形区域320、与先前视频帧对应的先前目标区域330、与当前视频帧对应的当前目标区域340均可以用矩形表示。并且,每个矩形均对应有四个边,分别可以对应四个边界,即左边界、上边界、右边界和下边界。容易理解与每个矩形区域分别对应的四个边界,在此不再赘述。示例性地,在图3示出的当前视频帧310中,当前位置信息所表示的矩形区域320的四个边界与先前目标区域330的四个边界没有任何交集,而当前目标区域340的左边界与当前位置信息所表示的矩形区域320的左边界部分重叠,当前目标区域340的上边界、右边界和下边界均与先前目标区域330的相应边界重叠或部分重叠。其中,当前目标区域340包括先前目标区域330在内。上述示图仅是一个示例而非对本申请的限制,当前位置信息所表示的矩形区域320和先前目标区域330之间的相应边界之间可以部分重叠、也可以完全重叠或完全不重叠。示例性而非限制性地,当前目标区域340可以与先前目标区域330和当前位置信息所表示的矩形区域320中的至少一者存在边界重叠关系。
示例性地,视频帧的特定边界也可以用视频帧所对应的矩形的边表示。可选地,在步骤S210获取的视频帧与图像拍摄装置原始采集的视频帧大小一致的情况下,视频帧的特定边界可以是视频帧所对应的原始图像所对应的边界,例如对于原始图像尺寸为1080P的视频帧而言,其边界可以是高1080,宽1920的整个矩形区域的四个边界。又可选地,视频帧的特定边界也可以是在对原始图像预处理的基础上重新确定的矩形区域的边界,例如在原始图像去掉噪点比较多的边缘区域之后的中间部分矩形区域。视频帧的特定边界可以根据实际需要自由设置,本申请在此不对其进行限制。
示例性地,可以基于当前位置信息所表示的矩形区域的特定边界、先前目标区域的特定边界两者分别与视频帧的特定边界的距离关系来确定当前目标区域的特定边界,将这两者中距离视频帧的特定边界最近的一者的特定边界确定为当前目标区域的特定边界,由此分别确定当前目标区域的一个或多个边界。示例性地,如图3所示,在当前视频帧310中,当前位置信息所表示的矩形区域320的左边界距离当前视频帧310的左边界更近,因此可以将矩形区域320的左边界确定为当前目标区域340的左边界;而先前目标区域330的上边界、右边界和下边界与当前视频帧310的相应边界的距离均更近,因此将先前目标区域330的上边界、右边界和下边界确定为当前目标区域340的上边界、右边界和下边界。最后将依次确定的四个边界构成的矩形区域确定为当前目标区域340。
特定边界是上边界、下边界、左边界和右边界中的一者或多者。在上边界、下边界、左边界和右边界中,可以全部四个边界都是特定边界,也可以仅有部分边界是特定边界。在仅有部分边界是特定边界的情况下,对于除特定边界以外的任一剩余边界来说,其无需执行边界确定操作,即无需进行当前位置信息所表示的矩形区域与先前目标区域之间的边界比较,而是可以直接基于先前目标区域的对应边界确定在当前目标区域中该边界的位置。
图3仅是本申请实施例的一个示例,还可以包括其他多种可能的示例。本领域普通技术人员容易理解上述边界确定操作的技术方案,本申请不再对其他示例进行展开陈述。
上述矩形区域的边界确定方式的算法简单、容易实现,该算法可以快速而准确地确定视频帧中的目标区域,有利于高效进行拍摄控制。
示例性地,在当前视频帧为至少一个视频帧中的第一个视频帧的情况下,方法还包括:将当前位置信息所表示的矩形区域确定为当前目标区域。
基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域的步骤可以在当前视频帧为至少一个视频帧中的非第一个视频帧的情况下执行,而在当前视频帧为至少一个视频帧中的第一个视频帧的情况下,可以直接将当前位置信息所表示的矩形区域确定为当前目标区域。
例如,至少一个视频帧可以包含100个视频帧,当前视频帧可以是100个视频帧中的任意帧。前述步骤S210至步骤S240可以在当前视频帧是其中的第2至100帧的情况下执行。而对于当前视频帧为100个视频帧中的第一个视频帧的情况下,可以直接将当前位置信息所表示的矩形区域确定为当前目标区域。容易理解,在图3示出的示例中,当当前视频帧是第一帧时,其并不存在先前视频帧,则可以直接将矩形区域320确定为当前目标区域。这种方案无需考虑至少一个视频帧以外的其他视频帧的影响,而直接根据当前的目标位置信息来更新目标区域。这种方案尤其适用于切换了新的相机架设场景之后的首次运行。
示例性地,在当前视频帧为至少一个视频帧中的第一个视频帧的情况下,在基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域之前,方法还包括:通过初始化获得第一初始目标区域;将第一初始目标区域确定为先前目标区域。
在当前视频帧为至少一个视频帧中的第一个视频帧的情况下,其不存在先前视频帧。这种情况下可以可选地进行目标区域初始化,将初始化获得的第一初始目标区域作为第一个视频帧的先前目标区域,以便于针对第一个视频帧执行步骤S230的当前目标区域的确定操作。
示例性地,初始目标区域可以根据当前视频帧的图像中心进行设定。可选地,可以设定以图像中心为中心且边长为某一特定数值的正方形为初始目标区域。特定数值例如20。示例性地,再次参考图3,可以设置以图像中心C为中心、边长为20的矩形区域为第一初始目标区域350。这种情况可以基于预先架设相机时,已经过拍摄测试,可以使得拍摄到视频帧的图像中心接近于拍摄区域的中心。在这种情况下,目标的运动轨迹大概率会经过该图像中心,因此基于图像中心来设置第一初始目标区域的方法有助于获得覆盖范围比较理想的初始目标区域。又可选地,还可以基于图像拍摄装置在获取至少一个视频帧之前获取的视频帧中确定的目标区域为第一初始目标区域。当然,也可以采用其他合适的方法来确定第一初始目标区域,本申请不对其进行限制。
示例性地,第一初始目标区域包括视频帧的中心位置;通过以下步骤确定特定边界:如果当前位置信息所表示的矩形区域的右边界位于第一边界的左侧,则在左边界和右边界中仅选择左边界作为特定边界,其中,第一边界为过视频帧的中心且与第一初始目标区域的左边界和右边界平行的边界;如果当前位置信息所表示的矩形区域的左边界位于第一边界的右侧,则在左边界和右边界中仅选择右边界作为特定边界;如果当前位置信息所表示的矩形区域的左边界位于第一边界的左侧且当前位置信息所表示的矩形区域的右边界位于第一边界的右侧,则选择左边界和右边界一起作为特定边界;如果当前位置信息所表示的矩形区域的下边界位于第二边界的上侧,则在上边界和下边界中仅选择上边界作为特定边界,其中,第二边界为过视频帧的中心且与第一初始目标区域的上边界和下边界平行的边界;如果当前位置信息所表示的矩形区域的上边界位于第二边界的下侧,则在上边界和下边界中仅选择下边界作为特定边界;如果当前位置信息所表示的矩形区域的上边界位于第二边界的上侧且当前位置信息所表示的矩形区域的下边界位于第二边界的下侧,则选择上边界和下边界一起作为特定边界。
示例性地,初始化获得的第一初始目标区域可以包括视频帧的中心位置,并且在图3中示出了第一初始目标区域350的示例,此处不再赘述。可以理解,后续与每个视频帧相对应的目标区域(即与每个当前视频帧相对应的当前目标区域)都不会小于第一初始目标区域,因此每个当前目标区域均至少包括视频帧的中心位置。
对于第一初始目标区域包括视频帧中心的示例,还可以分多种情况分别选出特定边界以执行对应的边界确定操作。下面参考图4a至图4f,其中示出了根据本申请实施例的当前位置信息所表示的矩形区域在当前视频帧中的不同分布情况。在图4a中,示出了经过视频帧中心C的第一边界410和第二边界420。图4b-4f虽然没有再明确标示出第一边界、第二边界和视频帧中心,但是这些边界或中心的位置与图4a是一致的,因此省略示出且省略相关描述。
在图4a中,当前位置信息所表示的第一矩形区域430的右边界位于第一边界410的左侧,在这种情况下,由于当前位置信息所表示的第一矩形区域430的右边界不会比先前目标区域(其大于或等于第一初始目标区域)的右边界距离视频帧的右边界更近,因此,可以在左边界和右边界中仅选择左边界作为特定边界执行上述确定边界操作,而当前目标区域的右边界则可以直接基于先前目标区域的右边界确定。在图4b中,当前位置信息所表示的第二矩形区域440的左边界位于第一边界410的右侧,在这种情况下,由于当前位置信息所表示的第二矩形区域440的左边界不会比先前目标区域的左边界距离视频帧的左边界更近,因此,可以在左边界和右边界中仅选择右边界作为特定边界执行上述确定边界操作,而当前目标区域的左边界则可以直接基于先前目标区域的左边界确定。而在图4c中,由于当前位置信息所表示的第三矩形区域450的左边界位于第一边界的左侧且第三矩形区域450的右边界位于第一边界的右侧,则选择左边界和右边界一起作为特定边界。这种情况下,第三矩形区域450的左右边界均可能存在距离视频帧的对应边界更近或更远的情况,因此均需要进一步通过边界确定操作来确定这些边界的位置。容易理解,图4d示出的是当前位置信息所表示的第四矩形区域460的下边界位于第二边界的上侧,在上边界和下边界中仅选择上边界作为特定边界的情况。图4e示出的是当前位置信息所表示的第五矩形区域470的上边界位于第二边界的下侧,在上边界和下边界中仅选择下边界作为特定边界的情况。图4f示出的是当前位置信息所表示的第六矩形区域480的上边界位于第二边界的上侧且下边界位于第二边界的下侧,而选取上边界和下边界作为特定边界的情况。参考关于图4a-4c的描述可以理解图4d-4f的情况下的特定边界的选择原理,本文不赘述。
上述示例基于视频帧中心,根据当前位置信息所表示的矩形区域相对视频帧中心的不同位置来分别选取相应的边界作为特定边界。这种方案可以充分过滤掉无需执行边界确定操作的边界,从而可以进一步提高确定当前目标区域的效率。此外,通过上述方案确定的目标区域,至少会包括视频帧的中心在内。也就是说,目标区域围绕视频帧的中心形成。这样,可以尽量避开拍摄范围的边缘区域。这种方案尤其适用于边缘处不适于目标通行的拍摄场景,例如狭长的廊道等。
下面结合一种具体示例描述在第一初始目标区域包括视频帧中心的情况下确定当前目标区域的位置的实现方式。
示例性地,在获取当前视频帧中的至少一个目标的当前位置信息之前,该拍摄控制方法200还可以包括:基于至少一个视频帧中每个视频帧的整体图像区域建立直角坐标系,其中视频帧的整体图像区域为矩形区域,并且可以可选地将该矩形区域的左上角设置为直角坐标系的原点。返回参考图3,示出了直角坐标系,即xy坐标系。此外,图3还示出了直角坐标系的原点(0,0)。
假设视频帧中心的坐标为(960,540),并且假设当前目标区域是以(960,540)为中心的,高度为h_down+h_up,并且宽度为w_left+w_right的矩形区域。h_down表示当前目标区域的下边界与视频帧中心的纵坐标(即540)之间的距离,h_up表示当前目标区域的上边界与视频帧中心的纵坐标(即540)之间的距离。w_left表示当前目标区域的左边界与视频帧中心的横坐标(即960)之间的距离,w_right表示当前目标区域的右边界与视频帧中心的横坐标(即960)之间的距离。确定当前目标区域的位置也就是计算h_down,h_up,w_left,w_right的值。示例性的计算方法如下:
1)、对目标区域进行初始化,使得h_down=0,h_up=0,w_left=0,w_right=0。此步骤获得的目标区域可以视为上述第一初始目标区域,该第一初始目标区域的高度和宽度都是0。
2)、按照获取的视频帧的先后顺序将各视频帧所对应的当前位置信息的坐标分别定义为(x0,y0,w0,h0),(x1,y1,w1,h1),……,(xn,yn,wn,hn),……。
3)、当获取到(x0,y0,w0,h0)时,进行以下计算:
如果x0<960–w0,则令w_left_tmp=960–x0,如果w_left_tmp>w_left,则w_left=w_left_tmp;
如果x0>960,则令w_right_tmp=x0-960+w0,如果w_right_tmp>w_right,则w_right=w_right_tmp;
如果960–w0<x0<960,则令w_left_tmp=960–x0,w_right_tmp=x0-960+w0,如果w_left_tmp>w_left,则w_left=w_left_tmp,并且如果w_right_tmp>w_right,则w_right=w_right_tmp;
如果y0<540–h0,则令h_up_temp=540–y0,如果h_up_temp>h_up,则h_up=h_up_temp;
如果y0>540,则令h_down_temp=y0–540+h0;如果h_down_temp>h_down,则h_down=h_down_temp;
如果540–h0<y0<540,则令h_up_temp=540–y0,h_down_temp=y0–540+h0;如果h_up_temp>h_up,则h_up=h_up_temp,如果h_down_temp>h_down,则h_down=h_down_temp。
4)、依次获取到其他视频帧所对应的当前位置信息的坐标后,按照3)中的方法依次更新h_down,h_up,w_left,w_right。
5)、若是获取的视频帧的持续时间达到24小时,且w_left_tmp<w_left,w_right_tmp<w_right,h_up_temp<h_up,h_down_temp<h_down(即目标区域已保持稳定,不再变化),则可以确定目标的活动区域已经确定完毕。
随后,可以针对第5)步获得的最新的当前目标区域进行拍摄参数的控制。
示例性地,目标条件包括以下一项或多项:至少一个视频帧的采集时间跨度达到第一目标时间;至少一个视频帧是连续的且数目达到第一目标数目;至少一个视频帧中的最后第二目标数目的视频帧各自对应的当前目标区域保持不变。
示例性地,第一目标时间可以是任意合适的时间数值,例如1小时、3小时或者24小时。例如,可以当图像拍摄装置采集至少一个视频帧的时间达到24小时的情况下,基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。示例性地,第一目标数目可以是任何合适的数目,例如10000帧、20000帧等。第一目标数目也可以根据需要进行设置,本申请不对其进行限制。容易理解,当至少一个视频帧达到连续的10000帧时,可以基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。
基于视频帧的采集时间跨度或者帧数来判断是否满足目标条件,这种方案主要是为了在经过一定合适时长之后就及时执行一次针对目标区域的拍摄参数控制(例如区域曝光控制)。该时长可以根据需要设置,以尽量避免过于频繁的拍摄参数控制或避免长时间不进行拍摄参数控制。这种基于采集时间跨度或者帧数执行拍摄参数控制的方案实现比较简单,计算量小。
示例性地,第二目标数目也可以根据需要进行任意设置,第二目标数目与第一数目可以相同或不同。例如,第二目标数目可以小于第一目标数目。例如,第二目标数目为100帧,步骤S240可以包括,当至少一个视频帧中的最后100帧的视频帧各自对应的当前目标区域保持不变的情况下,基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。
上述设置目标条件的方案,主要是考虑了目标区域达到相对稳定的状态时,即确定了当前场景下,目标的大概率活动范围之后,针对该活动范围进行拍摄控制,以保证获取的目标图像的质量较佳。
在目标条件中,可以仅包括上述三种条件中的一种,也可以同时包括上述条件中的任意两种或三种。当然,目标条件还可以进一步包括其他合适的条件。
示例性地,在获取图像拍摄装置采集的至少一个视频帧之前,方法还包括:确定第二初始目标区域;基于第二初始目标区域对图像拍摄装置的拍摄参数进行控制。
示例性地,第二初始目标区域可以是视频帧所包含的全部区域。例如对于尺寸为1080P的视频帧而言,第二初始目标区域可以是高1080,宽1920的矩形区域。示例性地,第二初始目标区域也可以是视频帧所包含的部分区域。例如在当前视频帧图像中去掉噪点比较多的边缘区域,将剩余的中间部分矩形区域作为第二初始目标区域。这种情况可以首先进行一个初步的区域过滤操作,将目标不可能经过的区域例如墙壁去掉,这样可以使得初步拍摄就能达到相对较好的效果。
示例性地,可以将获取的第二初始目标区域发送给智能相机的自动曝光模块,进行全局曝光。由此,可以在目标的活动区域尚不明确的情况下,首先将图像亮度调整到相对较好的状态。
示例性地,步骤S210可以包括:获取初始视频;检测初始视频中的每一个视频帧中包括的初始目标;将初始视频中初始目标的目标信息满足目标质量要求的视频帧确定为至少一个视频帧。
示例性地,目标信息可以包括以下一项或多项:目标大小、目标姿态、目标模糊程度、目标遮挡程度、目标特征、目标亮度、整体图像亮度。目标姿态是指目标在视频帧中的姿态,其可以采用目标的俯仰角(pitch)、偏航角(yaw)和滚转角(roll)表示。目标特征是从目标中提取的特征,其可以用例如特征向量表示。
示例性地,可以基于目标质量要求对获取的初始视频中的视频帧进行一定的过滤,使得获取的至少一个视频帧满足该目标质量要求。例如,在目标是人脸的示例中,可以对初始视频中每个视频帧中包含的每个人脸进行检测,判断人脸大小、人脸姿态、人脸的模糊程度、人脸的遮挡程度、人脸的人脸特征、人脸的亮度和初始视频帧的整体图像亮度中的一项或多项是否满足预设的要求。
示例性而非限制性地,可以在智能相机的后台加载一定的算法,依据目标大小、目标姿态、目标模糊程度、目标遮挡程度、目标特征、目标亮度、整体图像亮度对每个视频帧的质量进行评分。在评分时,可选地,针对目标信息中的每种信息,可以将该信息与自己对应的标准进行比较,确定该种信息的得分。随后,可以将目标信息所包括的各种信息进行加权求和,获得总的质量得分。最后,可以将该总的质量得分与质量得分阈值进行比较。在该视频帧的总的质量得分达到质量得分阈值的条件下,可以将该视频帧作为至少一个视频帧。
针对目标信息中的每种信息来说,其对应的标准可以根据需要设定。例如,目标大小可以与大小阈值相比较,根据目标大小与大小阈值之间的差确定对应的得分。目标姿态可以与角度阈值相比较,根据目标姿态与角度阈值之间的差确定对应的得分。目标模糊程度可以与模糊阈值相比较,根据目标模糊程度与模糊阈值之间的差确定对应的得分。目标遮挡程度可以与遮挡阈值相比较,根据目标遮挡程度与遮挡阈值之间的差确定对应的得分。目标亮度可以与第一亮度阈值相比较,根据目标亮度与第一亮度阈值之间的差确定对应的得分。整体图像亮度可以与第二亮度阈值相比较,根据整体图像亮度与第二亮度阈值之间的差确定对应的得分。第一亮度阈值和第二亮度阈值可以根据需要任意设定,二者可以相同或不同。针对目标特征,其可以与特定目标特征相比较。例如,可以计算目标信息中的目标特征与特定目标特征之间的相似度,将该相似度作为对应的得分。特定目标特征是与特定目标关联的目标特征,例如属于某一特定人脸的人脸特征。基于特定目标特征对视频帧进行筛选的方案,可以使得拍摄控制方法主要针对特定目标进行拍摄控制,即这种方案的针对性更强。
示例性地,当至少一个目标的数目为一个时,步骤S220包括:将目标在当前视频帧中的位置信息确定为当前位置信息;当至少一个目标的数目为多个时,步骤S230包括:分别获取至少一个目标中的每个目标在当前视频帧中的位置信息;合并至少一个目标中的每个目标在当前视频帧中的位置信息,以获得合并位置信息;将合并位置信息确定为当前位置信息。
示例性地,在每个当前视频帧中,可以包括一个或多个目标。目标的位置信息例如用于表示目标在该视频帧中的矩形区域的位置。当当前视频帧中只有一个目标时,可以直接将该目标在当前视频帧中的矩形区域确定为当前位置信息所表示的矩形区域。示例性地,当至少一个目标的数目为多个时,可以合并每个目标的位置信息。参考图5,图5为根据本申请实施例的当前视频帧中的2个目标的位置信息的示意图。在图5示出的视频帧中,可以首先确定第一个目标的位置信息所表示的第一矩形区域510和第二个目标的位置信息所表示的第二矩形区域520。然后合并两个矩形区域的边界,得到该视频帧中的两个目标的位置信息所代表的矩形区域530。示例性地,还可以采用其他任何现有的或将来的计算方法获得该合并位置信息。本申请不对其进行限制。
本申请实施例的上述拍摄控制方法200还可以用于多种具体的拍摄控制流程中。图6示出了根据本申请实施例的学习型区域曝光控制方法600的流程示意图。参考图6,可以将上述拍摄控制算法加载在图像拍摄装置中。示例性地,可以在该图像拍摄装置中加载“学习型区域曝光”模块。在开启“学习型区域曝光”模块之后可以根据上述方法进行目标区域的初始化,并将获取的初始区域发送至曝光控制模块,以根据该初始区域进行如上文所述的初始全局曝光。在图像拍摄装置采集视频帧的同时,也可以开启“智能识别功能”。这样,可以实时检测采集的各个视频帧中的目标的当前位置信息,并可以根据上述拍摄控制方法200实时更新目标的运动范围,即前文所述的当前目标区域。根据前述方法判断视频帧是否满足目标条件,例如判断最后的若干视频帧所对应的当前目标区域是否保持稳定。如果满足目标条件则记录最新的目标区域,并将该目标区域发送至自动曝光模块,使图像拍摄装置基于更新的目标区域进行区域曝光。如果不满足目标条件,则继续更新目标区域,直至目标条件满足为止。
根据本申请另一方面,提供一种拍摄控制装置。图7示出了根据本申请一个实施例的拍摄控制装置700的示意性框图。
如图7所示,根据本申请实施例的拍摄控制装置700包括第一获取模块710、第二获取模块720、确定模块730和控制模块740。各个模块可分别执行上文中图2描述的拍摄控制方法的各个步骤。以下仅对该拍摄控制装置700的各部件的主要功能进行描述,而省略以上已经描述过的细节内容。
第一获取模块710用于获取图像拍摄装置采集的至少一个视频帧。第一获取模块710可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
第二获取模块720用于获取至少一个视频帧中的每一个当前视频帧中的至少一个目标的当前位置信息。第二获取模块720可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
确定模块730用于基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域,其中,先前视频帧为位于当前视频帧之前的前一视频帧。确定模块730可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
控制模块740用于在至少一个视频帧满足目标条件时,基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。控制模块740可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
图8示出了根据本申请一个实施例的电子设备800的示意性框图。电子设备800包括存储器810和处理器820。
存储器810存储用于实现根据本申请实施例的拍摄控制方法中的相应步骤的计算机程序指令。
处理器820用于运行存储器810中存储的计算机程序指令,以执行根据本申请实施例的拍摄控制方法的相应步骤。
在一个实施例中,计算机程序指令被处理器820运行时用于执行以下步骤:获取图像拍摄装置采集的至少一个视频帧;对于至少一个视频帧中的每一个当前视频帧,获取当前视频帧中的至少一个目标的当前位置信息;基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域,其中,先前视频帧为位于当前视频帧之前的前一视频帧;在至少一个视频帧满足目标条件时,基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。
示例性地,电子设备800还可以包括图像拍摄装置830。图像拍摄装置830用于采集至少一个视频帧。图像拍摄装置830是可选的,电子设备800可以不包括图像拍摄装置830。在这种情况下,可以利用其他图像拍摄装置采集至少一个视频帧,并将采集的至少一个视频帧发送给电子设备800。
可选地,电子设备800可以是上述图像拍摄装置本身。即拍摄控制方法可以由图像拍摄装置中的处理器执行。
此外,根据本申请实施例,还提供了一种存储介质,在存储介质上存储了程序指令,在程序指令被计算机或处理器运行时用于执行本申请实施例的拍摄控制方法的相应步骤,并且用于实现根据本申请实施例的拍摄控制装置中的相应模块。存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
在一个实施例中,程序指令在被计算机或处理器运行时可以使得计算机或处理器实现根据本申请实施例的拍摄控制装置的各个功能模块,并和/或者可以执行根据本申请实施例的拍摄控制方法。
在一个实施例中,程序指令在运行时用于执行以下步骤:获取图像拍摄装置采集的至少一个视频帧;对于至少一个视频帧中的每一个当前视频帧,获取当前视频帧中的至少一个目标的当前位置信息;基于当前位置信息和与先前视频帧相对应的先前目标区域确定与当前视频帧相对应的当前目标区域,其中,先前视频帧为位于当前视频帧之前的前一视频帧;在至少一个视频帧满足目标条件时,基于最新的当前目标区域对图像拍摄装置的拍摄参数进行控制。
此外,根据本申请实施例,还提供了一种计算机程序产品,计算机程序产品包括计算机程序,计算机程序在运行时用于执行上述拍摄控制方法200。
根据本申请实施例的电子设备中的各模块可以通过根据本申请实施例的实施拍摄控制的电子设备的处理器运行在存储器中存储的计算机程序指令来实现,或者可以在根据本申请实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
此外,根据本申请实施例,还提供了一种计算机程序,该计算机程序在运行时用于执行上述拍摄控制方法200。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本申请的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本申请的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本申请的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备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设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个申请方面中的一个或多个,在对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本申请的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的拍摄控制装置中的一些模块的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上,仅为本申请的具体实施方式或对具体实施方式的说明,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种拍摄控制方法,包括:
获取图像拍摄装置采集的至少一个视频帧;
对于所述至少一个视频帧中的每一个当前视频帧,
获取所述当前视频帧中的至少一个目标的当前位置信息;
基于所述当前位置信息和与先前视频帧相对应的先前目标区域确定与所述当前视频帧相对应的当前目标区域,其中,所述先前视频帧为位于所述当前视频帧之前的前一视频帧;
在所述至少一个视频帧满足目标条件时,基于最新的当前目标区域对所述图像拍摄装置的拍摄参数进行控制。
2.如权利要求1所述的方法,其中,所述当前位置信息用于表示所述至少一个目标所在的矩形区域的位置,所述先前目标区域和所述当前目标区域为矩形区域,所述矩形区域包括左边界、上边界、右边界和下边界;
所述基于所述当前位置信息和与先前视频帧相对应的先前目标区域确定与所述当前视频帧相对应的当前目标区域包括:
对于所述矩形区域中的任一特定边界,执行边界确定操作,所述边界确定操作包括:
当所述当前位置信息所表示的矩形区域的所述特定边界相对所述先前目标区域的所述特定边界距离视频帧的所述特定边界更近时,基于所述当前位置信息所表示的矩形区域的所述特定边界确定所述当前目标区域的所述特定边界;
当所述当前位置信息所表示的矩形区域的所述特定边界相对所述先前目标区域的所述特定边界距离视频帧的所述特定边界更远时,基于所述先前目标区域的所述特定边界确定所述当前目标区域的所述特定边界;
对于所述矩形区域中除所述特定边界以外的任一剩余边界,基于所述先前目标区域的所述剩余边界确定所述当前目标区域的所述剩余边界。
3.如权利要求2所述的方法,其中,在所述当前视频帧为所述至少一个视频帧中的第一个视频帧的情况下,所述方法还包括:
将所述当前位置信息所表示的矩形区域确定为所述当前目标区域。
4.如权利要求2所述的方法,其中,在所述当前视频帧为所述至少一个视频帧中的第一个视频帧的情况下,在所述基于所述当前位置信息和与先前视频帧相对应的先前目标区域确定与所述当前视频帧相对应的当前目标区域之前,所述方法还包括:
通过初始化获得第一初始目标区域;
将所述第一初始目标区域确定为所述先前目标区域。
5.如权利要求4所述的方法,其中,所述第一初始目标区域包括视频帧的中心位置;通过以下步骤确定所述特定边界:
如果所述当前位置信息所表示的矩形区域的右边界位于第一边界的左侧,则在左边界和右边界中仅选择左边界作为所述特定边界,其中,所述第一边界为过视频帧的中心且与所述第一初始目标区域的左边界和右边界平行的边界;
如果所述当前位置信息所表示的矩形区域的左边界位于所述第一边界的右侧,则在左边界和右边界中仅选择右边界作为所述特定边界;
如果所述当前位置信息所表示的矩形区域的左边界位于所述第一边界的左侧且所述当前位置信息所表示的矩形区域的右边界位于所述第一边界的右侧,则选择左边界和右边界一起作为所述特定边界;
如果所述当前位置信息所表示的矩形区域的下边界位于第二边界的上侧,则在上边界和下边界中仅选择上边界作为所述特定边界,其中,所述第二边界为过视频帧的中心且与所述第一初始目标区域的上边界和下边界平行的边界;
如果所述当前位置信息所表示的矩形区域的上边界位于所述第二边界的下侧,则在上边界和下边界中仅选择下边界作为所述特定边界;
如果所述当前位置信息所表示的矩形区域的上边界位于所述第二边界的上侧且所述当前位置信息所表示的矩形区域的下边界位于所述第二边界的下侧,则选择上边界和下边界一起作为所述特定边界。
6.如权利要求1至5任一项所述的方法,其中,所述目标条件包括以下一项或多项:所述至少一个视频帧的采集时间跨度达到第一目标时间;所述至少一个视频帧是连续的且数目达到第一目标数目;所述至少一个视频帧中的最后第二目标数目的视频帧各自对应的当前目标区域保持不变。
7.如权利要求1至5任一项所述的方法,其中,在所述获取图像拍摄装置采集的至少一个视频帧之前,所述方法还包括:
确定第二初始目标区域;
基于所述第二初始目标区域对所述图像拍摄装置的拍摄参数进行控制。
8.如权利要求1至5任一项所述的方法,其中,所述获取图像拍摄装置采集的至少一个视频帧包括:
获取初始视频;
检测所述初始视频中的每一个视频帧中包括的初始目标;
将所述初始视频中初始目标的目标信息满足目标质量要求的视频帧确定为所述至少一个视频帧。
9.如权利要求1至5任一项所述的方法,其中,
当所述至少一个目标的数目为一个时,所述获取所述当前视频帧中的至少一个目标的当前位置信息包括:
将所述目标在所述当前视频帧中的位置信息确定为所述当前位置信息;
当所述至少一个目标的数目为多个时,所述获取所述当前视频帧中的至少一个目标的当前位置信息包括:
分别获取所述至少一个目标中的每个目标在所述当前视频帧中的位置信息;
合并所述至少一个目标中的每个目标在所述当前视频帧中的位置信息,以获得合并位置信息;
将所述合并位置信息确定为所述当前位置信息。
10.一种电子设备,包括处理器和存储器,其特征在于,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行如权利要求1至9任一项所述的拍摄控制方法。
11.一种存储介质,在所述存储介质上存储了程序指令,其特征在于,所述程序指令在运行时用于执行如权利要求1至9任一项所述的拍摄控制方法。
12.一种计算机程序产品,所述计算机程序产品包括计算机程序,其特征在于,所述计算机程序在运行时用于执行如权利要求1至9任一项所述的拍摄控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210473713.4A CN115103105B (zh) | 2022-04-29 | 2022-04-29 | 拍摄控制方法、电子设备、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210473713.4A CN115103105B (zh) | 2022-04-29 | 2022-04-29 | 拍摄控制方法、电子设备、存储介质及计算机程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115103105A true CN115103105A (zh) | 2022-09-23 |
CN115103105B CN115103105B (zh) | 2024-06-11 |
Family
ID=83286992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210473713.4A Active CN115103105B (zh) | 2022-04-29 | 2022-04-29 | 拍摄控制方法、电子设备、存储介质及计算机程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115103105B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247480A (zh) * | 2008-03-26 | 2008-08-20 | 北京中星微电子有限公司 | 一种基于图像中目标区域的自动曝光方法 |
CN104243834A (zh) * | 2013-06-08 | 2014-12-24 | 杭州海康威视数字技术股份有限公司 | 高清相机的图像分流控制方法及其装置 |
CN105898107A (zh) * | 2016-04-21 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种目标物体抓拍方法及系统 |
CN105894817A (zh) * | 2015-01-26 | 2016-08-24 | 杭州海康威视数字技术股份有限公司 | 车辆违章停车的取证方法及其装置 |
US20180268563A1 (en) * | 2017-03-14 | 2018-09-20 | Qualcomm Incorporated | Methods and systems for performing sleeping object detection in video analytics |
CN108875503A (zh) * | 2017-11-09 | 2018-11-23 | 北京旷视科技有限公司 | 人脸检测方法、装置、系统、存储介质和抓拍机 |
CN109451240A (zh) * | 2018-12-04 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 对焦方法、装置、计算机设备和可读存储介质 |
CN110225241A (zh) * | 2019-04-29 | 2019-09-10 | 努比亚技术有限公司 | 一种视频拍摄控制方法、终端及计算机可读存储介质 |
CN112686165A (zh) * | 2020-12-31 | 2021-04-20 | 百果园技术(新加坡)有限公司 | 视频中目标对象的识别方法、装置、电子设备及存储介质 |
CN112843733A (zh) * | 2020-12-31 | 2021-05-28 | 上海米哈游天命科技有限公司 | 拍摄图像的方法、装置、电子设备及存储介质 |
CN113472994A (zh) * | 2020-03-30 | 2021-10-01 | 北京小米移动软件有限公司 | 拍照方法及装置、移动终端及存储介质 |
CN113784108A (zh) * | 2021-08-25 | 2021-12-10 | 盐城香农智能科技有限公司 | 一种基于5g传输技术的vr旅游观光方法及系统 |
WO2022021093A1 (zh) * | 2020-07-28 | 2022-02-03 | 深圳市大疆创新科技有限公司 | 拍摄方法、拍摄装置及存储介质 |
-
2022
- 2022-04-29 CN CN202210473713.4A patent/CN115103105B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101247480A (zh) * | 2008-03-26 | 2008-08-20 | 北京中星微电子有限公司 | 一种基于图像中目标区域的自动曝光方法 |
CN104243834A (zh) * | 2013-06-08 | 2014-12-24 | 杭州海康威视数字技术股份有限公司 | 高清相机的图像分流控制方法及其装置 |
CN105894817A (zh) * | 2015-01-26 | 2016-08-24 | 杭州海康威视数字技术股份有限公司 | 车辆违章停车的取证方法及其装置 |
CN105898107A (zh) * | 2016-04-21 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种目标物体抓拍方法及系统 |
US20180268563A1 (en) * | 2017-03-14 | 2018-09-20 | Qualcomm Incorporated | Methods and systems for performing sleeping object detection in video analytics |
CN108875503A (zh) * | 2017-11-09 | 2018-11-23 | 北京旷视科技有限公司 | 人脸检测方法、装置、系统、存储介质和抓拍机 |
CN109451240A (zh) * | 2018-12-04 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 对焦方法、装置、计算机设备和可读存储介质 |
CN110225241A (zh) * | 2019-04-29 | 2019-09-10 | 努比亚技术有限公司 | 一种视频拍摄控制方法、终端及计算机可读存储介质 |
CN113472994A (zh) * | 2020-03-30 | 2021-10-01 | 北京小米移动软件有限公司 | 拍照方法及装置、移动终端及存储介质 |
WO2022021093A1 (zh) * | 2020-07-28 | 2022-02-03 | 深圳市大疆创新科技有限公司 | 拍摄方法、拍摄装置及存储介质 |
CN112686165A (zh) * | 2020-12-31 | 2021-04-20 | 百果园技术(新加坡)有限公司 | 视频中目标对象的识别方法、装置、电子设备及存储介质 |
CN112843733A (zh) * | 2020-12-31 | 2021-05-28 | 上海米哈游天命科技有限公司 | 拍摄图像的方法、装置、电子设备及存储介质 |
CN113784108A (zh) * | 2021-08-25 | 2021-12-10 | 盐城香农智能科技有限公司 | 一种基于5g传输技术的vr旅游观光方法及系统 |
Non-Patent Citations (2)
Title |
---|
王想;郭延文;杜振龙;武港山;张福炎;彭群生;: "图像和视频亮度的自动调整", 电子学报, no. 1, 15 April 2009 (2009-04-15) * |
王想等: "图像和视频亮度的自动调整", 《电子学报》, no. 1 * |
Also Published As
Publication number | Publication date |
---|---|
CN115103105B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101530255B1 (ko) | 객체 자동 추적 장치가 구비된 cctv 시스템 | |
US8903139B2 (en) | Method of reconstructing three-dimensional facial shape | |
JP5127531B2 (ja) | 画像監視装置 | |
CN108875750B (zh) | 物体检测方法、装置和系统及存储介质 | |
US11206376B2 (en) | Systems and methods for image processing | |
CN110136091B (zh) | 图像处理方法及相关产品 | |
CN112947419B (zh) | 避障方法、装置及设备 | |
JP2007074033A (ja) | 撮像装置及びその制御方法及びプログラム及び記憶媒体 | |
KR20180086048A (ko) | 카메라 및 카메라의 영상 처리 방법 | |
CN108229281B (zh) | 神经网络的生成方法和人脸检测方法、装置及电子设备 | |
CN111105351B (zh) | 一种视频序列影像拼接方法及装置 | |
CN109785439B (zh) | 人脸素描图像生成方法及相关产品 | |
CN114359618A (zh) | 神经网络模型的训练方法、电子设备及计算机程序产品 | |
US20170278254A1 (en) | Moving-object counter apparatus, moving-object counting method, and non-transitory computer readable medium | |
CN114358112A (zh) | 视频融合方法、计算机程序产品、客户端及存储介质 | |
CN113228035A (zh) | 用于对象识别的系统和方法 | |
CN110689007B (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
CN115103105B (zh) | 拍摄控制方法、电子设备、存储介质及计算机程序产品 | |
CN114840288A (zh) | 分布图的渲染方法、电子设备及存储介质 | |
CN113077396B (zh) | 直线段检测方法及装置、计算机可读介质和电子设备 | |
CN113592777A (zh) | 双摄拍照的图像融合方法、装置和电子系统 | |
CN113421275A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN115037869A (zh) | 自动对焦方法、装置、电子设备及计算机可读存储介质 | |
KR101774913B1 (ko) | 전처리를 이용한 영상 디스플레이 방법 및 장치 | |
CN113095347A (zh) | 基于深度学习的标记识别方法和训练方法及其系统和电子设备 |
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 |