CN116033142A - 一种基于摄像装置的环境光测量方法与系统 - Google Patents

Abstract

本发明提供一种基于摄像装置的环境光测量方法与系统，属于图像通信技术领域，具体包括：获取最近第一时间段内的筛选图像，并根据对筛选图像的光照强度进行评估得到光照强度评估结果，并基于其确定摄像装置的环境光测量的推荐时刻;基于推荐时刻通过光照强度测量模块对环境光进行实时监测获取环境光光照强度，并基于其确定光照强度测量模块不存在故障时，基于摄像装置的使用年限、在环境光光照强度下的摄像装置的图像的光照强度评估结果、安装位置构建光照强度修正量，并基于光照强度修正量对环境光光照强度进行修正得到修正环境光光照强度，从而确定是否发出红外补光指令，从而进一步提升了环境光测量的准确性和可靠性。

Description

一种基于摄像装置的环境光测量方法与系统

技术领域

本发明属于图像通信技术领域，尤其涉及一种基于摄像装置的环境光测量方法与系统。

背景技术

为了实现对摄像装置的环境光的实时测量，在授权发明专利授权公告号CN112995510B《一种安防监控摄像机环境光检测方法及系统》中通过光线传感器检测得到当前监控场景的理论光照强度；基于理论光照强度，获取当前监控场景的当前监控图像集，利用预设的深度学习模型对当前监控图像集进行光照强度分析，获取当前监控场景的实际光照强度；基于实际光照强度，并当监控场景满足监控摄像机开启红外补光的第二条件时生成红外补光指令，并将红外补光指令发送至监控摄像机的控制器，但是却存在以下技术问题:

1、忽视了结合历史中的图像监控数据进行环境光测量的开启时机的确定，在实际的运行过程中，对于大部分的摄像头其无需进行时刻的光照强度的检测，只有当由于环境光的图像质量较差时才需要进行光照强度的获取，因此若不能根据上述的图像分析结果进行开启时间的设置，则有可能会导致不必要的电能消耗。

2、在实际的运行过程中，忽视了根据使用年限以及图像质量的分析结果对测量到的光线强度进行修正，当使用年限较长时光线强度传感器由于灰尘等的影响，从而导致测量结果不够准确，进而有可能摄像装置根据采集到的光线强度，对进行红外补光的时机造成误判，最终有可能导致图像结果存在曝光度异常或者造成不必要的电能损失。

针对上述技术问题，本发明提供了一种基于摄像装置的环境光测量方法与系统。

发明内容

为实现本发明目的，本发明采用如下技术方案：

根据本发明的一个方面，提供了一种基于摄像装置的环境光测量方法。

一种基于摄像装置的环境光测量方法，其特征在于，具体包括：

S11获取最近第一时间段内的图像，并根据摄像装置的补光装置的开启时刻，对所述图像进行筛选得到筛选图像，并对所述筛选图像的光照强度进行评估得到光照强度评估结果，并基于所述光照强度评估结果确定所述摄像装置的环境光测量的推荐时刻；

S12基于所述推荐时刻，通过光照强度测量模块对环境光进行实时监测获取环境光光照强度，并基于所述环境光光照强度与最近第一时段内的同一时刻的环境光光照强度的偏差量确定所述光照强度测量模块是否存在故障，若是，进入步骤S13；若否，则进入步骤S14；

S13对所述摄像装置的采集图像进行实时获取，并基于所述采集图像进行光照强度的评估得到实时光照强度评估结果，并基于所述实时光照强度评估结果、环境光光照强度、所述偏差量确定所述光照强度测量模块是否存在故障，若是，输出无法进行环境光光照强度获取；若否，则进入步骤S14；

S14基于所述摄像装置的使用年限、在所述环境光光照强度下的摄像装置的图像的光照强度评估结果、安装位置构建光照强度修正量，并基于所述光照强度修正量对所述环境光光照强度进行修正得到修正环境光光照强度，并基于所述修正环境光光照强度确定是否发出红外补光指令。

通过筛选图像、光照强度评估结果以及环境光测量的推荐时刻的生成，从而实现了结合第一时间段的光照强度的实际情况实现了推荐时刻的生成，防止由于时刻进行光照强度的获取导致的不必要的电能损失，同时也与实际的图像光照强度相结合，保证了图像的质量和亮度。

通过结合与同一时刻的环境光光照强度的偏差量实现对光照强度测量模块的故障的判断，从而避免了由于光照强度测量模块的故障导致的环境光光照强度测量结果不够准确导致的最终的补光指令以及补光强度的指令的不够准确的技术问题的出现。

通过进一步结合实时光照强度评估结果、环境光光照强度、偏差量进行光照强度测量模块的故障的判断，从而实现了从多个角度对光照强度测量模块的故障的判断，不仅结合光照强度测量模块的光照强度的测量结果，同时还结合历史数据以及图像的光照强度评估结果，保证了诊断结果的准确性和全面性。

通过基于所述摄像装置的使用年限、在所述环境光光照强度下的摄像装置的图像的光照强度评估结果、安装位置构建光照强度修正量，从而进一步保证了光照强度的测量的准确性，避免了由于使用时间长或者环境灰尘较多导致的测量结果不够准确的技术问题，进一步保证了最终的红外补光指令的准确性。

另一方面，本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于摄像装置的环境光测量方法。

另一方面，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于摄像装置的环境光测量方法。

其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；

图1是根据实施例1的一种基于摄像装置的环境光测量方法的流程图；

图2是根据实施例1的确定光照强度测量模块是否存在故障的具体步骤的流程图；

图3是根据实施例1的光照强度修正量构建的具体步骤的流程图；

图4是根据实施例3的一种计算机存储介质的结构图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。

实施例1

为解决上述问题，根据本发明的一个方面，如图1所示，提供了根据本发明的一个方面，提供了一种基于摄像装置的环境光测量方法，其特征在于，具体包括：

S11获取最近第一时间段内的图像，并根据摄像装置的补光装置的开启时刻，对所述图像进行筛选得到筛选图像，并对所述筛选图像的光照强度进行评估得到光照强度评估结果，并基于所述光照强度评估结果确定所述摄像装置的环境光测量的推荐时刻；

具体的，所述第一时间段根据所述摄像装置的使用年限进行确定，具体的至少为三天。

具体的举个例子，具体的取近一周的图像，首先根据摄像装置的补光装置的开启时刻的前后的30分钟的图像作为筛选图像，并对每一分钟的筛选图像分别进行特征图像的提取，并根据特征图像的光照强度评估结果确定对应分钟的光照强度无法满足摄像装置的图像的摄像要求，并将该时刻加上2-3分钟，作为环境光测量的推荐时刻。

在另外一种可能的实施例中，所述筛选图像为所述摄像装置的补光装置的开启时刻的前后第二时间段内的图像，具体的，对所述前后第二时间段内的图像以时间为基础，按照等间隔的方式筛选得到确定数量的筛选图像。

具体的举个例子，第二时段内的图像为30分钟的图像，以30秒为间隔，从而提取得到60张筛选图像。

在另外一种可能的实施例中，所述筛选图像的光照强度评估结果采用基于深度学习的图像识别算法进行确定，并将光照强度评估结果不满足所述摄像装置的光照强度要求的筛选图像所对应的最早的时刻作为推荐时刻。

具体的举个例子，所述基于深度学习的图像识别算法采用基于CNN算法的图像识别模型进行确定，其具体的构建步骤为：

步骤1：预处理训练图像，得到样本数据与标签；

步骤2：依据各种比例分割样本数据，得到训练集与测试集；

步骤3：预设Ｔ，设计卷积层、池化层各个参数，初始化ω与ｂ；

步骤4：局部归一化样本数据，优化CNN内输入样本数据，求解ρ和ｙ的误差E；

步骤5：通过反向传播算法结合E，依次更新每层的ω与ｂ；

步骤6：迭代运算步骤4与5，以训练误差最低（迭代步长结束）为止，输出故障检测结果。

通过筛选图像、光照强度评估结果以及环境光测量的推荐时刻的生成，从而实现了结合第一时间段的光照强度的实际情况实现了推荐时刻的生成，防止由于时刻进行光照强度的获取导致的不必要的电能损失，同时也与实际的图像光照强度相结合，保证了图像的质量和亮度。

S12基于所述推荐时刻，通过光照强度测量模块对环境光进行实时监测获取环境光光照强度，并基于所述环境光光照强度与最近第一时段内的同一时刻的环境光光照强度的偏差量确定所述光照强度测量模块是否存在故障，若是，进入步骤S13；若否，则进入步骤S14；

具体的举个例子，最近第一时段内的同一时刻的环境光光照强度根据最近一时段内的同一时刻的环境光光照强度的平均值或者中值进行确定。

在另外一种可能的实施例中，当偏差量大于一定的设定值的基础上，则说明此时的环境光光照强度准确度较差，同时也可以进行多次的环境光光照强度的测量，从而避免由于单次测量导致的光照强度测量模块的故障的错误。

通过结合与同一时刻的环境光光照强度的偏差量实现对光照强度测量模块的故障的判断，从而避免了由于光照强度测量模块的故障导致的环境光光照强度测量结果不够准确导致的最终的补光指令以及补光强度的指令的不够准确的技术问题的出现。

S13对所述摄像装置的采集图像进行实时获取，并基于所述采集图像进行光照强度的评估得到实时光照强度评估结果，并基于所述实时光照强度评估结果、环境光光照强度、所述偏差量确定所述光照强度测量模块是否存在故障，若是，输出无法进行环境光光照强度获取；若否，则进入步骤S14；

在另外一种可能的实施例中，如图2所示，确定光照强度测量模块是否存在故障的具体步骤为：

S21基于所述环境光光照强度的幅值判断所述光照测量模块是否存在故障，若是，则输出确定光照强度测量模块存在故障，若否，则进入步骤S22；

需要另外说明的是，当环境光光照强度的幅值小于一定的程度时，则说明此时的光照测量模块无法准确正常的测量到环境光光照强度，即此时输出确定光照强度测量模块存在故障。

S22基于所述实时光照强度评估结果与所述环境光光照强度的差值，判断所述光照测量模块是否存在故障，若是，则输出确定光照强度测量模块存在故障，若否，则进入步骤S23；

S23基于在最近第一时段内的同一时刻的摄像装置的图像的光照强度评估结果与所述最近第一时段内的同一时刻的环境光光照强度的差值，确定所述最近第一时段内的同一时刻的环境光光照强度是否准确，若是，则进入步骤S25，若否，则进入步骤S24；

S24将所述最近第一时段内的同一时刻的摄像装置的图像的光照强度评估结果与所述实时光照强度评估结果的差值作为偏差量；

S25基于所述实时光照强度评估结果与所述环境光光照强度的差值，环境光光照强度的幅值、所述偏差量确定当前的故障评估值，并基于所述故障评估值确定所述光照强度测量模块是否存在故障。

具体的，所述故障评估值的取值范围在0到1之间，其中当当前的故障评估值的取值越大，则确定此时的光照强度测量模块存在故障。

具体的，所述故障评估值采用基于SSA-GRU算法的评估模型进行确定，其中所述SSA-GRU算法的评估模型构建的具体步骤为:

利用 GRU 对时间序列的特殊循环预测性能，同时通过麻雀搜索算法的全局寻优能力对GRU网络进行学习率优化，以提高GRU算法的预测精度。

步骤如下：

步骤1初始化。设定麻雀搜索算法的参数及确定GRU网络结构；麻雀搜索算法的参数主要指种群规模，最大迭代次数以及速度取值的范围区间；GRU网络结构指各个网络层神经元节点数及隐含层个数。

步骤2寻优。将麻雀种群划分为发现者和跟随者，通过不断更新发现者位置以及跟随者位置从而不断更新麻雀种群的全局最优位置，将均方根误差作为适应度函数，选择性对最优位置进行更新，麻雀搜索算法不断进行迭代，当迭代到达最大迭代次数时输出最优值。

步骤3训练。将步骤2的获得的学习率赋给GRU神经网络，利用输入数据进行训练并预测。

具体的，麻雀搜索算法主要模拟麻雀的觅食行为，寻找全局最优值；麻雀分为发现者和追随者；发现者负责寻找食物并起引导作用，追随者通过追随发现者获得食物。 在寻找食物的过程中，为了得到更好的食物，麻雀种群中的成员会一直监视发现者，与发现者竞争或在发现者周围觅食。 此外，当麻雀种群意识到捕食者的存在时，会做出反捕食行为。外围的麻雀很容易受到捕食者的攻击，因此需要不断调整自己的位置，以减少受到伤害的可能性。 基于麻雀的这些行为，开发了麻雀搜索算法。

步骤1参数设定，对适应度进行排序，找到当前最佳适应度个体和最差适应度个体。

步骤2更新适应度靠前麻雀（发现者）位置。

步骤3更新适应度靠后麻雀（跟随者）位置。

步骤4随机更新部分麻雀（警戒者）位置。

步骤 5得到当前更新后的位置。

步骤 6如果新位置优于旧位置，更新旧位置。

步骤 7重复进行步骤 4 到步骤 6。

步骤 8达到最大迭代次数输出最佳适应度值。

具体的举个例子，当所述故障评估值在正常值以外时，则确定所述光照强度测量模块存在故障，其中所述正常值根据所述摄像装置的运行年限进行动态调整。

具体的，自适应安全值改进，原始SSA中安全值ST为固定值，若ST设置较小，前期搜索范围小不利于算法求解且易出现过早熟现象；若ST设置较大，后期种群多样性减少，不利于最优解求解，降低了算法效率；引入动态安全值递减策略，即安全值随迭代次数递减，动态调整搜索区域，更新后安全值公式如下：

其中ST_start、ST_end为安全值的初始值和，t为当前迭代次数，iter_max为最大迭代次数，rand（0,1）为取值范围在0到1之间的随机数。

自适应安全值策略在寻优前期设置较大可广泛搜索，后期收敛安全值随最优解逐渐变小，平衡了全局搜索性能和最优解附近可搜索性；

一般来说，正常值一般为反应此时的运行状态的较为准确的状态的评估值，一般来说，其取值均较小，而当故障评估值大于正常值时，则说明此时的光照强度测量模块存在故障。

通过进一步结合实时光照强度评估结果、环境光光照强度、偏差量进行光照强度测量模块的故障的判断，从而实现了从多个角度对光照强度测量模块的故障的判断，不仅结合光照强度测量模块的光照强度的测量结果，同时还结合历史数据以及图像的光照强度评估结果，保证了诊断结果的准确性和全面性。

S14基于所述摄像装置的使用年限、在所述环境光光照强度下的摄像装置的图像的光照强度评估结果、安装位置构建光照强度修正量，并基于所述光照强度修正量对所述环境光光照强度进行修正得到修正环境光光照强度，并基于所述修正环境光光照强度确定是否发出红外补光指令。

在另外一种可能的实施例中，如图3所示，所述光照强度修正量构建的具体步骤为：

S31基于所述摄像装置的安装位置的含尘量、粉尘含水率，确定所述摄像装置的年限设定值；

S32判断所述摄像装置的使用年限与所述年限设定值，确定是否需要对所述环境光光照强度进行修正，若是，则进入步骤S33，若否，则确定所述光照强度修正量为零；

S33基于在所述环境光光照强度下的摄像装置的图像的光照强度评估结果与所述环境光光照强度的偏差值，确定是否需要对所述环境光光照强度进行修正，若是，则进入步骤S34，若否，则确定所述光照强度修正量为零；

S34基于所述摄像装置的使用年限、在所述环境光光照强度下的摄像装置的图像的光照强度评估结果、所述摄像装置的安装位置的含尘量、粉尘含水率构建光照强度修正量。

具体的举个例子，所述年限设定值基于所述摄像装置的安装位置的含尘量、粉尘含水率，采用基于经验公式的方式进行确定，其中所述安装位置的含尘量越高、粉尘含水率越高，则所述年限设定值越小。

具体的举个例子，所述修正环境光光照强度可以采用但不限于与光照强度修正量相加、相乘等多种方式进行构建，且修正环境光光照强度大于环境光光照强度。

具体的举个例子，当所述修正环境光光照强度小于光照设定值时，则发出红外补光指令。

通过基于所述摄像装置的使用年限、在所述环境光光照强度下的摄像装置的图像的光照强度评估结果、安装位置构建光照强度修正量，从而进一步保证了光照强度的测量的准确性，避免了由于使用时间长或者环境灰尘较多导致的测量结果不够准确的技术问题，进一步保证了最终的红外补光指令的准确性。

实施例2

本申请实施例中提供一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能 够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于摄像装置的环境光测量方法。

具体的，本实施例还提供了一种计算机系统，该计算机系统包括通过系统总线连接的处理器、存储器、网络接口和数据库；其中，该计算机系统的处理器用于提供计算和控制能力；该计算机系统的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述的一种基于摄像装置的环境光测量方法。

实施例3

如图4所示，本发明提供了一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于摄像装置的环境光测量方法。

具体的，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以 通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可 包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM （PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括 随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得， 诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强 型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM （RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用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)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：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。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (11)

1.一种基于摄像装置的环境光测量方法，其特征在于，具体包括：

S11获取最近第一时间段内的图像，并根据摄像装置的补光装置的开启时刻，对所述图像进行筛选得到筛选图像，并对所述筛选图像的光照强度进行评估得到光照强度评估结果，并基于所述光照强度评估结果确定所述摄像装置的环境光测量的推荐时刻；

S12基于所述推荐时刻，通过光照强度测量模块对环境光进行实时监测获取环境光光照强度，并基于所述环境光光照强度与最近第一时段内的同一时刻的环境光光照强度的偏差量确定所述光照强度测量模块是否存在故障，若是，进入步骤S13；若否，则进入步骤S14；

S13对所述摄像装置的采集图像进行实时获取，并基于所述采集图像进行光照强度的评估得到实时光照强度评估结果，并基于所述实时光照强度评估结果、环境光光照强度、所述偏差量确定所述光照强度测量模块是否存在故障，若是，输出无法进行环境光光照强度获取；若否，则进入步骤S14；

S14基于所述摄像装置的使用年限、在所述环境光光照强度下的摄像装置的图像的光照强度评估结果、安装位置构建光照强度修正量，并基于所述光照强度修正量对所述环境光光照强度进行修正得到修正环境光光照强度，并基于所述修正环境光光照强度确定是否发出红外补光指令。

2.如权利要求1所述的环境光测量方法，其特征在于，所述第一时间段根据所述摄像装置的使用年限进行确定，具体的至少为三天。

3.如权利要求1所述的环境光测量方法，其特征在于，所述筛选图像为所述摄像装置的补光装置的开启时刻的前后第二时间段内的图像，具体的，对所述前后第二时间段内的图像以时间为基础，按照等间隔的方式筛选得到确定数量的筛选图像。

4.如权利要求1所述的环境光测量方法，其特征在于，所述筛选图像的光照强度评估结果采用基于深度学习的图像识别算法进行确定，并将光照强度评估结果不满足所述摄像装置的光照强度要求的筛选图像所对应的最早的时刻作为推荐时刻。

5.如权利要求1所述的环境光测量方法，其特征在于，确定光照强度测量模块是否存在故障的具体步骤为：

S21基于所述环境光光照强度的幅值判断所述光照测量模块是否存在故障，若是，则输出确定光照强度测量模块存在故障，若否，则进入步骤S22；

S22基于所述实时光照强度评估结果与所述环境光光照强度的差值，判断所述光照测量模块是否存在故障，若是，则输出确定光照强度测量模块存在故障，若否，则进入步骤S23；

S23基于在最近第一时段内的同一时刻的摄像装置的图像的光照强度评估结果与所述最近第一时段内的同一时刻的环境光光照强度的差值，确定所述最近第一时段内的同一时刻的环境光光照强度是否准确，若是，则进入步骤S25，若否，则进入步骤S24；

S24将所述最近第一时段内的同一时刻的摄像装置的图像的光照强度评估结果与所述实时光照强度评估结果的差值作为偏差量；

S25基于所述实时光照强度评估结果与所述环境光光照强度的差值，环境光光照强度的幅值、所述偏差量确定当前的故障评估值，并基于所述故障评估值确定所述光照强度测量模块是否存在故障。

6.如权利要求1所述的环境光测量方法，其特征在于，当所述故障评估值在正常值以外时，则确定所述光照强度测量模块存在故障，其中所述正常值根据所述摄像装置的运行年限进行动态调整。

7.如权利要求1所述的环境光测量方法，其特征在于，所述光照强度修正量构建的具体步骤为：

基于所述摄像装置的安装位置的含尘量、粉尘含水率，确定所述摄像装置的年限设定值；

判断所述摄像装置的使用年限与所述年限设定值，确定是否需要对所述环境光光照强度进行修正，若是，则进入下一步骤，若否，则确定所述光照强度修正量为零；

基于在所述环境光光照强度下的摄像装置的图像的光照强度评估结果与所述环境光光照强度的偏差值，确定是否需要对所述环境光光照强度进行修正，若是，则进入下一步骤，若否，则确定所述光照强度修正量为零；

基于所述摄像装置的使用年限、在所述环境光光照强度下的摄像装置的图像的光照强度评估结果、所述摄像装置的安装位置的含尘量、粉尘含水率构建光照强度修正量。

8.如权利要求7所述的环境光测量方法，其特征在于，所述年限设定值基于所述摄像装置的安装位置的含尘量、粉尘含水率，采用基于经验公式的方式进行确定，其中所述安装位置的含尘量越高、粉尘含水率越高，则所述年限设定值越小。

9.如权利要求1所述的环境光测量方法，其特征在于，当所述修正环境光光照强度小于光照设定值时，则发出红外补光指令。

10.一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-9任一项所述的一种基于摄像装置的环境光测量方法。

11.一种计算机存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-9任一项所述的一种基于摄像装置的环境光测量方法。

Images