CN115866411B - 基于光线校正的车载监控自适应曝光方法、装置及设备 - Google Patents

Abstract

本发明涉及曝光控制技术，揭露了一种基于光线校正的车载监控自适应曝光方法，包括：对车载监控视频进行视频帧划分，得到视频帧序列；提取视频帧序列对应的监控图像，对监控图像进行图像分区，得到分区图像；提取分区图像中的图像光线特征和图像像素特征；根据图像光线特征计算分区图像的图像曝光度，根据图像像素特征计算分区图像的图像熵值；根据图像熵值计算监控图像的平均熵值，根据图像熵值及平均熵值确定分区图像中的曝光图像；根据图像曝光度对曝光图像进行曝光度调整，得到调整曝光度。本发明还提出一种基于光线校正的车载监控自适应曝光装置及电子设备。本发明可以提高车载监控的清晰度。

Description

基于光线校正的车载监控自适应曝光方法、装置及设备

技术领域

本发明涉及曝光控制技术领域，尤其涉及一种基于光线校正的车载监控自适应曝光方法、装置及电子设备。

背景技术

随着监控设备的普及，监控摄像头成为汽车必备的车载设备之一。汽车配备监控摄像头在汽车行驶期间会不间断地采集并生成监控视频，实时记录汽车的车内情况。但有时室外光线或明或暗，会使监控视频画面有时出现曝光现象，就需要针对光线环境对车载监控视频画面曝光度进行调整，以保证监控画面的清晰度。

现有的自适应曝光技术多为基于自适应曝光CMOS图像传感器，通过动态调节帧间的曝光时间对画面图像进行曝光度调节。实际应用中，曝光度的调节存在着多种可能影响的因素，仅考虑调节单一的因素，可能导致对画面曝光度的调节过于单一，从而对进行车载监控的画面曝光度调整时的清晰度较低。

发明内容

本发明提供一种基于光线校正的车载监控自适应曝光方法、装置及电子设备，其主要目的在于解决进行车载监控的画面曝光度调整时的清晰度较低的问题。

为实现上述目的，本发明提供的一种基于光线校正的车载监控自适应曝光方法，包括：

S1、获取预设的车载监控视频，利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列；

S2、提取每个所述视频帧序列对应的监控图像，对所述监控图像进行图像分区，得到分区图像，提取所述分区图像中的图像光线特征和图像像素特征；

S3、根据所述图像光线特征计算每个所述分区图像的图像曝光度，利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值，其中所述利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值，包括：

S31、获取所述图像像素特征中的颜色信息中的颜色值；

S32、利用如下的图像熵算法根据所述颜色值计算每个所述分区图像的图像熵值：

其中，P_k为第k个分区图像的图像熵值，h_k为第k个分区图像的灰度级出现的概率，R_k为k个分区图像的红色分量的颜色值，G_k为k个分区图像的绿色分量的颜色值，B_k为k个分区图像的蓝色分量的颜色值，log为对数函数；

S4、利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像；

S5、根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，当所述调整曝光度存在于预设的曝光度范围内时，返回至提取所述视频帧序列对应的监控图像的步骤，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内。

可选地，所述利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列，包括：

利用所述帧窗口对所述车载监控视频进行视频帧划分，得到每个帧视频；

利用如下局部相似度公式计算每个所述帧视频之间的局部相似度：

其中，S(f_i,f_j)为第i个所述帧视频与第j个所述帧视频之间的局部相似度，m为第i个所述帧视频中的特征点个数，n为第j个所述帧视频中的特征点个数，g为第i个所述帧视频与第j个所述帧视频之间匹配特征点个数；

根据所述局部相似度对所述帧窗口进行调整，得到调整帧窗口；

根据所述调整帧窗口汇集每个所述帧视频，得到所述视频帧序列。

可选地，所述提取所述分区图像中的图像光线特征和图像像素特征，包括：

获取预设的车载监控摄像头的内部参数，以及获取光线亮度参数；

利用预设的一阶矩提取所述分区图像的颜色信息；

对所述分区图像进行图像二值化处理，得到灰度图像；

将所述内部参数及所述光线亮度参数作为所述图像光线特征，将所述颜色信息的颜色值作为所述图像像素特征。

可选地，所述根据所述图像光线特征计算每个所述分区图像的图像曝光度，包括：

获取所述图像光线特征中的光圈值、曝光时间及光线亮度；

利用如下的曝光度公式根据所述光圈值、所述曝光时间及所述光线亮度计算每个所述分区图像的图像曝光度：

其中，E为所述图像曝光度，A为所述光圈值，T为所述曝光时间，L为所述光线亮度，log为对数函数。

可选地，所述利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，包括：

利用预设的层次分析法确定每个所述分区图像的图像权重；

利用如下的均值算法根据所述图像权重及每个所述图像熵值计算所述监控图像的平均熵值：

其中，Q为所述平均熵值，α_d为第d个分区图像的图像权重，P_d第d个分区图像的图像熵值，D为所述分区图像的数量。

可选地，所述根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像，包括：

当所述图像熵值小于所述平均熵值时，将所述图像熵值对应的分区图像作为背景图像。

当所述图像熵值大于或等于所述平均熵值时，将所述图像熵值对应的分区图像作为所述曝光图像。

可选地，所述根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，包括：

计算所述图像曝光度与预设的曝光度最小值之间的第一差值，计算所述图像曝光度与预设的曝光度最大值之间的第二差值；

计算所述曝光度最小值与所述曝光度最大值的第三差值；

将所述图像曝光度调整至所述第三差值，将所述第三差值作为所述调整曝光度。

为了解决上述问题，本发明还提供一种基于光线校正的车载监控自适应曝光装置，所述装置包括：

车载监控视频划分模块，用于获取预设的车载监控视频，利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列；

分区图像特征提取模块，用于提取每个所述视频帧序列对应的监控图像，对所述监控图像进行图像分区，得到分区图像，提取所述分区图像中的图像光线特征和图像像素特征；

图像曝光度计算模块，用于根据所述图像光线特征计算每个所述分区图像的图像曝光度，利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值；

曝光图像确定模块，用于利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像；

曝光度调整模块，用于根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，当所述调整曝光度存在于预设的曝光度范围内时，返回至提取所述视频帧序列对应的监控图像的步骤，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

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计算机程序，所述计算机程序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上述所述的基于光线校正的车载监控自适应曝光方法。

本发明实施例通过对车载监控视频进行视频划分，得到视频帧序列，进而根据视频帧序列提取对应的监控图像，提取当前监控图像的图像光线特征和图像像素特征，进而根据图像光线特征可以确定图像曝光度；对监控图像进行分区，可以提高对图像曝光处理的效率，根据图像像素特征计算每个分区图像的图像熵值，可以仅仅针对需要曝光的分区图像才进行曝光度调整，提高了对图像曝光度进行处理的速度；并统计整体监控图像的平均熵值，进而根据平均熵值与每个图像熵值的差值确定需要曝光的曝光图像；根据在当前光线环境下的图像曝光度进行调整，直到调整至预设的曝光度范围内完成对画面曝光度的调整，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内，可以减少少在光线环境下逆光或太暗条件下车载监控画面不清晰的情况。因此本发明提出的基于光线校正的车载监控自适应曝光方法、装置及电子设备，可以解决进行车载监控的画面曝光度调整时的清晰度较低的问题。

附图说明

图1为本发明一实施例提供的基于光线校正的车载监控自适应曝光方法的流程示意图；

图2为本发明一实施例提供的提取分区图像特征的流程示意图；

图3为本发明一实施例提供的计算图像熵值的流程示意图；

图4为本发明一实施例提供的基于光线校正的车载监控自适应曝光装置的功能模块图；

图5为本发明一实施例提供的实现所述基于光线校正的车载监控自适应曝光方法的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种基于光线校正的车载监控自适应曝光方法。所述基于光线校正的车载监控自适应曝光方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于光线校正的车载监控自适应曝光方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

参照图1所示，为本发明一实施例提供的基于光线校正的车载监控自适应曝光方法的流程示意图。在本实施例中，所述基于光线校正的车载监控自适应曝光方法包括：

S1、获取预设的车载监控视频，利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列；

本发明其中一个实际应用场景中，在车辆设备中都会装有车载摄像头，利用车载监控摄像头可以获取行车过程中具体情况，提供车内外视频图像的实时传输、车辆位置实时定位、纠纷取证、不规范驾驶等状态监督功能，以便实时掌握路况，便于对车辆驾驶过程中出现的意外情况进行及时处理。

本发明实施例中，所述车载监控视频是由成千上万的帧组成，视频数据流中t时刻的图像帧和t+1时刻的图像帧在视觉特征和内容上差别不大，通过对视频进行抽帧处理，可以从帧序列中获取画面图像，从而确定画面曝光度。

详细地，可利用具有数据抓取功能的计算机语句（如java语句、python语句等）从预先确定的存储区域抓取存储的车载监控视频，所述存储区域包括但不限于数据库、区块链节点、网络缓存。

本发明实施例中，所述帧窗口是指对车载监控画面进行帧抽取按照多大的帧窗口进行抽取的，即按照设定号的帧窗口对车载监控视频进行分割。

本发明实施例中，所述利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列，包括：

利用所述帧窗口对所述车载监控视频进行视频帧划分，得到每个帧视频；

利用如下局部相似度公式计算每个所述帧视频之间的局部相似度：

其中，S(f_i,f_j)为第i个所述帧视频与第j个所述帧视频之间的局部相似度，m为第i个所述帧视频中的特征点个数，n为第j个所述帧视频中的特征点个数，g为第i个所述帧视频与第j个所述帧视频之间匹配特征点个数；

根据所述局部相似度对所述帧窗口进行调整，得到调整帧窗口；

根据所述调整帧窗口汇集每个所述帧视频，得到所述视频帧序列。

详细地，若所述帧窗口的大小为30帧，即根据每30帧对车载监控视频进行划分，得到多个帧视频，其中，所述帧视频为按照帧窗口大小进行划分之后的帧序列，并计算划分之后的每个帧视频的局部相似度，所述局部相似度可以确保进行分帧之后的视频画面的连贯性。此外，所述局部相似度公式中的图像特征点是通过光流法提取的特征点。

具体地，根据每个帧视频之间的相似度可以重新调整帧窗口大小，对车载监控视频进行重新划分，如按照帧窗口为30帧对监控视频进行划分，根据划分之后的帧视频计算他们之间的局部相似度，可能划分之后的帧视频的画面并没有保持连贯，将处于同一相似度阈值内的帧视频汇集在一起，最终确定一个合适的帧窗口大小对车载监控视频进行帧划分，将多个帧视频汇集，形成车载监控视频的一个个的视频帧序列，最终将每个视频帧序列组合称车载监控视频的完整视频帧序列。

进一步地，对车载监控视频进行分帧之后，会提取每个所述视频帧序列对应的画面图像，用于对监控视频中的画面曝光度进行分析。

S2、提取每个所述视频帧序列对应的监控图像，对所述监控图像进行图像分区，得到分区图像，提取所述分区图像中的图像光线特征和图像像素特征；

本发明实施例中，每个视频帧序列都会有对应的画面图像，进而可以对画面图像的曝光、分辨率、亮度等进行一系列的操作，增强画面图像的质量。其中，可利用opencv-python提取每个所述视频帧序列对应的监控图像，opencv（Open Source Computer VisionLibrary），是一个跨平台的计算机视觉库，提供了python、matlab和java等语言的接口。

详细地，可根据中心区域的位置对所述监控图像进行分区，即首先确定监控图像的中心位置，围绕中心位置将监控图像划分为多个分区图像，将整个监控图像划分成不同的区域，对每个不同的分区图像进行曝光度分析。

本发明实施例中，所述图像光线特征包括光线亮度、光圈、曝光时间、增益等，所述图像像素特征包括像素灰度值，RGB颜色值等。

本发明实施例中，参图2所示，所述提取所述分区图像中的图像光线特征和图像像素特征，包括：

S21、获取预设的车载监控摄像头的内部参数，以及获取光线亮度参数；

S22、利用预设的一阶矩提取所述分区图像的颜色信息；

S23、对所述分区图像进行图像二值化处理，得到灰度图像；

S24、将所述内部参数及所述光线亮度参数作为所述图像光线特征，将所述颜色信息的颜色值作为所述图像像素特征。

详细地，所述内部参数包括光圈、曝光时间及增益。其中，光圈是一种通过物理控制进光量的方式，通过调控光圈的大小，从而控制图像的明亮程度，调大光圈时，外界光线能够进入越多，因此对应的画面越明亮，反之画面较暗。曝光时间是值从快门打开到关闭的时间间隔，即传感器接收的光照时间，曝光时间是由软件控制的，通常情况，曝光时间越长，成像越亮，具体情况根据不同感光材料的感光度以及感光面上的照度来确定。增益包括模拟增益和数字增益，模拟增益是使光信号吸收转化为电信号，使输出的图像的效果更好，图画面更亮，同时提高了信噪比，但易导致图像失真；数字增益是数模转化之前的输入信号为电信号，即光圈、曝光时间及增益都会影响图像画面的曝光量。此外，所述光线亮度参数表示目前环境下的光线明暗程度，可利用光线传感器识别环境光线亮度。

具体地，从图像中提取颜色特征时，很多算法都先要对图像进行量化处理。量化处理容易导致误检，并且产生的图像特征维数较高，不利于检索。AMA Stricker和M Orengo提出了颜色矩的方法，颜色矩是一种简单有效的颜色特征表示方法，有一阶矩(均值,mean)、二阶矩(方差, variance)和三阶矩(斜度,skewness)等，由于颜色信息主要分布于低阶矩中，所以用一阶矩，二阶矩和三阶矩足以表达图像的颜色分布，颜色矩已证明可有效地表示图像中的颜色分布，，并将颜色信息的颜色值作为图像像素特征。

进一步地，根据图像光线特征及图像像素特征可以确定分区图像的图像曝光度，进而根据曝光度对图像画面进行自适应曝光调节。

S3、根据所述图像光线特征计算每个所述分区图像的图像曝光度，利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值；

本发明实施例中，所述图像曝光值是由快门速度值和光圈值组合表示摄像镜头通光能力的一个数值。在曝光的时候，通常用快门速度和光圈值的组合来表示曝光值。

本发明实施例中，所述根据所述图像光线特征计算每个所述分区图像的图像曝光度，包括：

获取所述图像光线特征中的光圈值、曝光时间及光线亮度；

利用如下的曝光度公式根据所述光圈值、所述曝光时间及所述光线亮度计算每个所述分区图像的图像曝光度：

其中，E为所述图像曝光度，A为所述光圈值，T为所述曝光时间，L为所述光线亮度，log为对数函数。

详细地，根据图像光线特征中光圈值、曝光时间及光线亮度可以计算在当前光线亮度的情况下图像画面的曝光度的大小。根据曝光度判断当前画面的曝光量是否满足预设的曝光量阈值，根据当前的曝光量进行曝光调节。

具体地，在分区图像中并不是每一个分区图像都需要进行曝光调节，而是要计算每个分区图像的熵值，进而确定分区图像中的重要区域，仅对重要区域进行曝光处理，可以节省曝光处理时间，提高曝光效率。

本发明实施例中，熵指的是体系的混乱程度，在不同的学科中有不同的定义，在天体物理、控制论、数论等科学领域都有着很多的应用，是各个领域很重要的参数，在图像处理中是一种特殊的统计方式，即所述图像熵值表示图像中平均信息量的数量，是一种不确定性的一种度量。

本发明实施例中，参图3所示，所述利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值，包括：

S31、获取所述图像像素特征中的颜色信息中的颜色值；

S32、利用如下的图像熵算法根据所述颜色值计算每个所述分区图像的图像熵值：

其中，P_k为第k个分区图像的图像熵值，h_k为第k个分区图像的灰度级出现的概率，R_k为k个分区图像的红色分量的颜色值，G_k为k个分区图像的绿色分量的颜色值，B_k为k个分区图像的蓝色分量的颜色值，log为对数函数；

详细地，对于彩色图像而言，从监控中获得得信号属于RGB色彩空间，就需要将每个分区图像中RGB颜色值转换为具有灰度表示的图像像素，处于不同位置的像素有着不同的灰度，可根据各灰度级出现的概率计算每个分区图像的图像熵值，可以表示分区图像中平均信息量的数量。

具体地，在只改变曝光参数，同时其他条件保持不变的时候，通过自动曝光拍摄目标物达到的图像熵值比其他曝光值下得到的图像熵值大，则说明此时自动曝光得到的图像为最佳。依据图像熵来进行算法处理，最后的评判结论分析与灰度均值等算法依靠目标灰度值不同，它在各种的光照条件下均可以应用，可以提高每个分区图像需要曝光的精确度。

进一步地，计算出每个分区图像的图像熵值，可统计出车载监控图像的整体图像熵值，进而根据整体图像熵值确定分区图像中需要曝光的曝光图像。

S4、利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像；

本发明实施例中，所述平均熵值是用来反映整个监控视频的熵值，图像熵值主要是使背景区域在整幅图像的亮度的影响减到最小，当计算出分区图像的图像熵值在所有区域的熵值中较大时，可以认为这个分区图像是需要重点关注的分区图像，能够准确的反映图像的目标信息。

本发明实施例中，所述利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，包括：

利用预设的层次分析法确定每个所述分区图像的图像权重；

利用如下的均值算法根据所述图像权重及每个所述图像熵值计算所述监控图像的平均熵值：

其中，Q为所述平均熵值，α_d为第d个分区图像的图像权重，P_d第d个分区图像的图像熵值，D为所述分区图像的数量。

详细地，利用层次分析法对每个分区图像进行权重赋值，层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的决策方法，例如，根据分区图像中的亮度、饱和度、分辨率、背景信息等进行决策确定每个分区图像的图像权重。

具体地，所述均值算法中将图像权重与图像熵值进行组合，可以进一步确定需要重点关注的分区图像，进而保证下一步确定需要曝光图像的准确性，使计算得到的平均熵值更加准确，更能反映每个分区图像的关键信息和重要程度。

进一步地，根据图像熵值及平均熵值的大小关系可以进一步确定分区图像中需要曝光的曝光图像。

本发明实施例中，所述曝光图像是指当前的图像画面曝光度与原先设置的图像画面的曝光度具有一定程度的差别，需要将画面图像调整至预设的曝光度阈值，即首先需要确定分区图像中的重点曝光图像。

本发明实施例中，所述根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像，包括：

当所述图像熵值小于所述平均熵值时，将所述图像熵值对应的分区图像作为背景图像。

当所述图像熵值大于或等于所述平均熵值时，将所述图像熵值对应的分区图像作为所述曝光图像。

详细地，在对画面进行曝光度调节时，并不是针对所有的画面进调节，而是根据整体画面的平均熵值和每个分区图像的图像熵值确定在整体画面中哪些分区图像中包含重要的信息，若此分区图像中出现曝光现象，则会对此分区图像进行曝光调整；若在分区图像中出现曝光现象并不是包含重要信息的画面，则就把此分区图像视为背景图像，可能就不会对此分区图像进行曝光调整。因此，可以提高对画面曝光度调整的效率。

具体地，确定分区图像中需要进行曝光调整的曝光图像，则会根据原始分区图像中的图像曝光度对画面进行调整。

S5、根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，当所述调整曝光度存在于预设的曝光度范围内时，返回至提取所述视频帧序列对应的监控图像的步骤，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内。

本发明实施例中，根据在当前光线环境下获取的图像曝光度与正常的预设曝光度范围进行比对，直到图像的曝光度调整到预设的曝光度范围内，才得到所述调整曝光度。

本发明实施例中，所述根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，包括：

计算所述图像曝光度与预设的曝光度最小值之间的第一差值，计算所述图像曝光度与预设的曝光度最大值之间的第二差值；

计算所述曝光度最小值与所述曝光度最大值的第三差值；

将所述图像曝光度调整至所述第三差值，将所述第三差值作为所述调整曝光度。

详细地，将原始需要进行曝光调整的分区图像的曝光度调整至预设的曝光度范围内，保证曝光图像得到调整，减少逆光或太暗等条件下车载监控的不清晰问题。

具体地，对监控画面进行自适应曝光，即相当于自动曝光，自动曝光是一个反馈调节地过程，同时是一个亮度调节的过程，会对每一帧图像重复执行，直到图像曝光度达到预设的曝光度范围内，根据当前画面图像的亮度，入射光亮度，光圈参数、曝光时间及增益对画面曝光度进行自动曝光调节。

进一步地，当对一个视频帧序列对应的监控图像的曝光度完成调整时，需要对下一个视频帧序列对应的监控图像的曝光度进行分析并进行曝光度调整，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内，才会对整个车载监控视频画面的画面曝光度完成曝光度调整。

本发明实施例通过对车载监控视频进行视频划分，得到视频帧序列，进而根据视频帧序列提取对应的监控图像，提取当前监控图像的图像光线特征和图像像素特征，进而根据图像光线特征可以确定图像曝光度；对监控图像进行分区，可以提高对图像曝光处理的效率，根据图像像素特征计算每个分区图像的图像熵值，可以仅仅针对需要曝光的分区图像才进行曝光度调整，提高了对图像曝光度进行处理的速度；并统计整体监控图像的平均熵值，进而根据平均熵值与每个图像熵值的差值确定需要曝光的曝光图像；根据在当前光线环境下的图像曝光度进行调整，直到调整至预设的曝光度范围内完成对画面曝光度的调整，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内，可以减少少在光线环境下逆光或太暗条件下车载监控画面不清晰的情况。因此本发明提出的基于光线校正的车载监控自适应曝光方法、装置及电子设备，可以解决进行车载监控的画面曝光度调整时的清晰度较低的问题。

如图4所示，是本发明一实施例提供的基于光线校正的车载监控自适应曝光装置的功能模块图。

本发明所述基于光线校正的车载监控自适应曝光装置100可以安装于电子设备中。根据实现的功能，所述基于光线校正的车载监控自适应曝光装置100可以包括车载监控视频划分模块101、分区图像特征提取模块102、图像曝光度计算模块103、曝光图像确定模块104及曝光度调整模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述车载监控视频划分模块101，用于获取预设的车载监控视频，利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列；

所述分区图像特征提取模块102，用于提取每个所述视频帧序列对应的监控图像，对所述监控图像进行图像分区，得到分区图像，提取所述分区图像中的图像光线特征和图像像素特征；

所述图像曝光度计算模块103，用于根据所述图像光线特征计算每个所述分区图像的图像曝光度，利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值；

所述曝光图像确定模块104，用于利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像；

所述曝光度调整模块105，用于根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，当所述调整曝光度存在于预设的曝光度范围内时，返回至提取所述视频帧序列对应的监控图像的步骤，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内。

详细地，本发明实施例中所述基于光线校正的车载监控自适应曝光装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于光线校正的车载监控自适应曝光方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。

如图5所示，是本发明一实施例提供的实现基于光线校正的车载监控自适应曝光方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于光线校正的车载监控自适应曝光程序。

其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于光线校正的车载监控自适应曝光程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。

所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于光线校正的车载监控自适应曝光程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述通信总线12可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。

图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的基于光线校正的车载监控自适应曝光程序是多个指令的组合，在所述处理器10中运行时，可以实现：

获取预设的车载监控视频，利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列；

提取每个所述视频帧序列对应的监控图像，对所述监控图像进行图像分区，得到分区图像，提取所述分区图像中的图像光线特征和图像像素特征；

根据所述图像光线特征计算每个所述分区图像的图像曝光度，利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值；

利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像；

根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，当所述调整曝光度存在于预设的曝光度范围内时，返回至提取所述视频帧序列对应的监控图像的步骤，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内。

具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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，所述模块的划分，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。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (8)

1.一种基于光线校正的车载监控自适应曝光方法，其特征在于，所述方法包括：

S1、获取预设的车载监控视频，利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列；

S2、提取每个所述视频帧序列对应的监控图像，对所述监控图像进行图像分区，得到分区图像，提取所述分区图像中的图像光线特征和图像像素特征；

S3、根据所述图像光线特征计算每个所述分区图像的图像曝光度，利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值，其中所述利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值，包括：

S31、获取所述图像像素特征中的颜色信息中的颜色值；

S32、利用如下的图像熵算法根据所述颜色值计算每个所述分区图像的图像熵值：

其中，P_k为第k个分区图像的图像熵值，h_k为第k个分区图像的灰度级出现的概率，R_k为第k个分区图像的红色分量的颜色值，G_k为第k个分区图像的绿色分量的颜色值，B_k为第k个分区图像的蓝色分量的颜色值，log为对数函数；

S4、利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像；

S5、根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，当所述调整曝光度存在于预设的曝光度范围内时，返回至提取所述视频帧序列对应的监控图像的步骤，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内。

2.如权利要求1所述的基于光线校正的车载监控自适应曝光方法，其特征在于，所述利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列，包括：

利用所述帧窗口对所述车载监控视频进行视频帧划分，得到每个帧视频；

利用如下局部相似度公式计算每个所述帧视频之间的局部相似度：

其中，S(f_i,f_j)为第i个所述帧视频与第j个所述帧视频之间的局部相似度，m为第i个所述帧视频中的特征点个数，n为第j个所述帧视频中的特征点个数，g为第i个所述帧视频与第j个所述帧视频之间匹配特征点个数；

根据所述局部相似度对所述帧窗口进行调整，得到调整帧窗口；

根据所述调整帧窗口汇集每个所述帧视频，得到所述视频帧序列。

3.如权利要求1所述的基于光线校正的车载监控自适应曝光方法，其特征在于，所述提取所述分区图像中的图像光线特征和图像像素特征，包括：

获取预设的车载监控摄像头的内部参数，以及获取光线亮度参数；

利用预设的一阶矩提取所述分区图像的颜色信息；

对所述分区图像进行图像二值化处理，得到灰度图像；

将所述内部参数及所述光线亮度参数作为所述图像光线特征，将所述颜色信息的颜色值作为所述图像像素特征。

4.如权利要求1所述的基于光线校正的车载监控自适应曝光方法，其特征在于，所述根据所述图像光线特征计算每个所述分区图像的图像曝光度，包括：

获取所述图像光线特征中的光圈值、曝光时间及光线亮度；

利用如下的曝光度公式根据所述光圈值、所述曝光时间及所述光线亮度计算每个所述分区图像的图像曝光度：

其中，E为所述图像曝光度，A为所述光圈值，T为所述曝光时间，L为所述光线亮度，log为对数函数。

5.如权利要求1至4中任一项所述的基于光线校正的车载监控自适应曝光方法，其特征在于，所述利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，包括：

利用预设的层次分析法确定每个所述分区图像的图像权重；

利用如下的均值算法根据所述图像权重及每个所述图像熵值计算所述监控图像的平均熵值：

其中，Q为所述平均熵值，α_d为第d个分区图像的图像权重，P_d第d个分区图像的图像熵值，D为所述分区图像的数量。

6.如权利要求1所述的基于光线校正的车载监控自适应曝光方法，其特征在于，所述根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像，包括：

当所述图像熵值小于所述平均熵值时，将所述图像熵值对应的分区图像作为背景图像；

当所述图像熵值大于或等于所述平均熵值时，将所述图像熵值对应的分区图像作为所述曝光图像。

7.一种基于光线校正的车载监控自适应曝光装置，其特征在于，所述装置包括：

车载监控视频划分模块，用于获取预设的车载监控视频，利用预设的帧窗口对所述车载监控视频进行视频帧划分，得到视频帧序列；

分区图像特征提取模块，用于提取每个所述视频帧序列对应的监控图像，对所述监控图像进行图像分区，得到分区图像，提取所述分区图像中的图像光线特征和图像像素特征；

图像曝光度计算模块，用于根据所述图像光线特征计算每个所述分区图像的图像曝光度，利用预设的熵值算法根据所述图像像素特征计算每个所述分区图像的图像熵值；

曝光图像确定模块，用于利用预设的均值算法根据每个所述图像熵值计算所述监控图像的平均熵值，根据所述图像熵值及所述平均熵值确定所述分区图像中的曝光图像；

曝光度调整模块，用于根据所述图像曝光度对所述曝光图像进行曝光度调整，得到调整曝光度，当所述调整曝光度存在于预设的曝光度范围内时，返回至提取所述视频帧序列对应的监控图像的步骤，直至所有的视频帧序列对应的监控图像的曝光度都存在于预设的曝光度范围内。

8.一种电子设备，其特征在于，所述电子设备包括：

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计算机程序，所述计算机程序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如权利要求1至6中任意一项所述的基于光线校正的车载监控自适应曝光方法。

Images