CN118056224A - 用于基于感兴趣事件的图像捕获的方法和电子设备 - Google Patents

用于基于感兴趣事件的图像捕获的方法和电子设备 Download PDF

Info

Publication number
CN118056224A
CN118056224A CN202280066776.6A CN202280066776A CN118056224A CN 118056224 A CN118056224 A CN 118056224A CN 202280066776 A CN202280066776 A CN 202280066776A CN 118056224 A CN118056224 A CN 118056224A
Authority
CN
China
Prior art keywords
electronic device
low resolution
event
image frame
resolution image
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
Application number
CN202280066776.6A
Other languages
English (en)
Inventor
阿努拉哥·米撒拉勒·贾殷
高拉维·库马尔·贾殷
普拉文·R·贾达夫
基兰·纳塔拉尤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN118056224A publication Critical patent/CN118056224A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/667—Camera operation mode switching, e.g. between still and video, sport and normal or high- and low-resolution modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/2628—Alteration of picture size, shape, position or orientation, e.g. zooming, rotation, rolling, perspective, translation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Television Signal Processing For Recording (AREA)
  • Image Processing (AREA)

Abstract

本文的实施例提供了一种用于由电子设备进行的基于感兴趣事件的图像捕获的方法。该方法包括接收多个图像帧。该方法包括将多个图像帧存储在高分辨率缓冲器(121)中。该方法包括将多个图像帧转换成多个低分辨率图像帧。该方法包括检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。该方法包括确定检测到的低分辨率图像帧中的感兴趣事件的视觉分数。该方法包括基于检测到的低分辨率图像帧中的感兴趣事件的视觉分数从高分辨率缓冲器(121)获取与检测到的低分辨率图像帧相对应的图像帧。

Description

用于基于感兴趣事件的图像捕获的方法和电子设备
技术领域
本公开涉及一种电子设备，更具体地涉及一种用于基于感兴趣事件的图像捕获的方法和电子设备。
背景技术
使用电子设备(例如相机或智能手机)拍摄图像的原因之一是捕获用户感兴趣的场景，例如用户的飞行的飞机、爆竹、站立的马等。捕获电子设备的视野(FOV)中包含几乎静止物体的感兴趣场景的图像很容易，因为用户将有足够的时间在正确时刻处触发图像捕获，然而捕获包含移动物体的场景的图像是困难的，因为用户在将移动物体键入到电子设备的FOV时永远没有时间在正确时刻处准确地触发图像捕获。因此，可能无法按照用户的期望捕获感兴趣的场景。
作为解决方案，用户可以对场景进行连续连拍，之后用户可以手动从连拍中选择感兴趣的场景。一般而言，连拍中的图像尺寸较大，因此会消耗电子设备大量的存储和计算资源来捕获连拍。同样，这种手动解决方案非常耗时，并且需要人工干预，从而降低了用户体验。此外，允许连拍捕获固定持续时间，这可能会导致错过固定持续时间之后的感兴趣场景。
在备选解决方案中，电子设备实时分析FOV中的每个图像帧，检测FOV中的事件，并且在检测到事件时触发图像捕获。分析高分辨率的图像帧消耗大量的计算资源，这降低了电子设备的整体性能。同样，由于生成图像捕获请求的处理延迟较高，因此该备选解决方案在捕获感兴趣的场景时效率低下，这导致错过正确时刻的图像捕获。因此，期望为基于感兴趣事件的图像捕获提供有用的备选方案。
发明内容
技术问题
本文实施例的主要目的是提供一种用于基于感兴趣事件的图像捕获的方法和电子设备。手动图像捕获方法对用户来说最大的痛点是跟踪移动物体并且在正确时刻处触发图像捕获，而所提出的方法允许电子设备自动捕获具有感兴趣事件的场景的图像，这提高了用户体验。同样，用户不再需要捕获场景的连拍并且手动选择捕获用户期望的时刻的图像帧，因此电子设备的存储和计算资源被消耗在最低水平。此外，对捕获具有感兴趣事件的图像帧的持续时间没有限制。
本文实施例的另一目的是实时分析场景的低分辨率图像帧并且基于用户的感兴趣事件为每个低分辨率图像帧生成分数。此外，电子设备可以从高分辨率缓冲器检索与具有最高分数的低分辨率图像帧相对应的高分辨率图像帧。在电子设备处，感兴趣事件检测的延迟为零，因此不会错过捕获任何感兴趣事件。
问题的解决方案
相应地，本文实施例提供了一种用于由电子设备进行的基于感兴趣事件的图像捕获的方法。该方法包括：由电子设备接收多个图像帧。该方法包括：由电子设备将多个图像帧存储到高分辨率缓冲器。该方法包括：由电子设备将多个图像帧转换成多个低分辨率图像帧。该方法包括：由电子设备检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。该方法包括：由电子设备确定检测到的低分辨率图像帧中的感兴趣事件的视觉分数。该方法包括：由电子设备基于检测到的低分辨率图像帧中的感兴趣事件的视觉分数，从高分辨率缓冲器获取与检测到的低分辨率图像帧相对应的图像帧。
在实施例中，其中，由电子设备检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件包括：由电子设备接收感兴趣事件的输入；由电子设备确定低分辨率图像帧的每个像素位置处的强度的总和的平均值的对数；由电子设备基于低分辨率图像帧的每个像素位置处的能量(强度)的总和的平均值的对数，确定低分辨率图像帧的每个像素位置处的差分能量(强度)变化；以及由电子设备在确定低分辨率图像帧的差分能量变化满足阈值差分能量变化时，检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。
在实施例中，其中，由电子设备确定检测到的低分辨率图像帧的视觉分数包括：由电子设备确定检测到的低分辨率图像帧的时间戳；由电子设备参考感兴趣事件，确定检测到的低分辨率图像帧的视觉分数；以及由电子设备将包括视觉分数的列表连同每个检测到的低分辨率图像帧的时间戳的列表存储到电子设备的存储器中。
在实施例中，其中，由电子设备参考感兴趣事件，确定检测到的低分辨率图像帧的视觉分数包括：由电子设备基于差分能量变化的时空位置和差分能量变化的幅度，确定检测到的低分辨率图像帧的视觉分数。
在实施例中，其中，时间戳基于滑动窗口上的视觉分数的排序顺序来维持，同时保持滑动窗口的尺寸与存储在高分辨率缓冲器中的图像帧的数量相同。
在实施例中，其中，由电子设备基于检测到的低分辨率图像帧中的感兴趣事件的视觉分数，从高分辨率缓冲器获取与检测到的低分辨率图像帧相对应的图像帧包括：由电子设备从存储在电子设备的存储器中的列表中确定具有较高视觉分数的时间戳；由电子设备确定存储的多个图像帧的时间戳；以及由电子设备基于具有较高视觉分数的时间戳与存储的多个图像帧的时间戳之间的匹配，从存储的多个图像帧中检索图像帧。
在实施例中，其中，图像帧是由电子设备在预览或录制视频时从高分辨率缓冲器获取图像帧以用于自动实时/非实时快照捕获。
在实施例中，其中，该方法包括：由电子设备使用获取的图像帧来导出感兴趣的高分辨率图像或视频的片段。该方法包括：由电子设备分析片段以进行图像后处理。
在实施例中，该方法包括：由电子设备使用获取的图像帧来导出感兴趣的高分辨率图像或视频的片段。该方法包括：由电子设备将片段发送到云/边缘服务器。该方法包括：由云/边缘服务器分析片段以进行图像后处理。
在实施例中，其中，多个图像帧是从电子设备的多个相机传感器接收的。
相应地，本文的实施例提供了用于基于感兴趣事件的图像捕获的电子设备。该电子设备包括基于事件的图像捕获引擎、存储器、处理器，其中，基于事件的图像捕获引擎耦接到存储器和处理器。基于事件的图像捕获引擎被配置为：接收多个图像帧。基于事件的图像捕获引擎被配置为：将多个图像帧存储在高分辨率缓冲器中。基于事件的图像捕获引擎被配置为：将多个图像帧转换成多个低分辨率图像帧。基于事件的图像捕获引擎被配置为：检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。基于事件的图像捕获引擎被配置为：确定检测到的低分辨率图像帧中的感兴趣事件的视觉分数。基于事件的图像捕获引擎被配置为：基于检测到的低分辨率图像帧中的感兴趣事件的视觉分数，从高分辨率缓冲器获取与检测到的低分辨率图像帧相对应的图像帧。
当结合以下描述和附图考虑时，将更好地了解和理解本文中的实施例的这些和其他方面。然而，应当理解，以下描述虽然指示了优选实施例及其许多具体细节，但其是通过说明而非限制的方式给出的。在实施例的范围内可以进行许多改变和修改，并且本文的实施例包括所有这样的修改。
附图说明
本方法和装置在附图中示出，附图中相同的参考字母指示各个图中的对应部分。从参考附图的以下描述中将更好地理解本文的实施例，在附图中：
图1是根据本文公开的实施例的用于基于感兴趣事件的图像捕获的电子设备的框图；
图2是示出了根据本文公开的实施例的用于基于感兴趣事件的图像捕获的方法的流程图；
图3示出了根据本文公开的实施例的用于基于感兴趣事件的图像捕获的方法的详细流程图；
图4a是根据本文公开的实施例的用于在照片模式下以零延迟进行自动事件捕获的方法的流程图；
图4b示出了根据本文公开的实施例的用于在照片模式下以零延迟进行自动事件捕获的示例场景；
图5a是根据本文公开的实施例的用于同时视频录制和捕获基于事件的实时快照的方法的流程图；
图5b示出了根据本文公开的实施例的基于由LoREA实时检测到的事件和使用HRR检索到的对应的高分辨率图像帧来自动提取实时快照的示例；
图5c示出了根据本文公开的实施例的同时视频录制和捕获基于事件的实时快照的示例场景；
图6是根据本文公开的实施例的用于通过减少图像后处理要处理的数据量来进行自动事件捕获的方法的流程图；
图7a至图7b示出了根据本文公开的实施例的现有图像捕获方法以及所提出的图像捕获方法；
图8a是根据本文公开的实施例的用于优化基于云的图像处理的网络带宽和延迟的方法的流程图；以及
图8b示出了根据本文公开的实施例的优化基于云的图像处理的网络带宽和延迟的示例场景。
具体实施方式
参照在附图中示出并在以下描述中详述的非限制性的实施例，更全面地解释本文中的实施例及其多种特点和有利的细节。省略对公知组件和处理技术的描述以便不会不必要地混淆本文中的实施例。此外，本文描述的各种实施例不一定是相互排斥的，因为一些实施例可以与一个或多个其他实施例组合以形成新的实施例。除非另有说明，本文所用的术语“或”是指非排他性的或。本文中的示例仅旨在便于理解实现实施例的方式并使本领域技术人员能够实现实施例。相应地，示例不应被理解为限制本文中的实施例的范围。
如在本领域中常见的，可以在执行一个或多个所描述功能的块的方面来描述和示出实施例。在本文中可以称为管理器、单元、模块、硬件组件等的这些块通过诸如逻辑门、集成电路、微处理器、微控制器、存储器电路、无源电子组件、有源电子组件、光学组件、硬连线电路等的模拟和/或数字电路物理地实现，并且可以可选地由固件驱动。例如，电路可以具体实现在一个或多个半导体芯片中，或者在诸如印刷电路板等的衬底支撑件上。构成块的电路可以由专用硬件或由处理器(例如，一个或多个编程的微处理器和关联的电路)来实现，或者由用于执行该块的一些功能的专用硬件和用于执行该块的其他功能的处理器的组合来实现。在不脱离本公开的范围的情况下，实施例的每个块可以物理地分成两个或更多个交互和分立的块。类似地，在不脱离本公开的范围的情况下，实施例的块可以物理地组合成更复杂的块。
附图用于帮助容易地理解各种技术特征，并且应当理解，本文中呈现的实施例不受附图限制。因此，本公开应当被解释为延伸到除了在附图中特别阐述的那些之外的任何改变、等同物和替代物。
许多用户发现很难在正确时刻以场景所需的最佳设置捕获场景的图像。它通常需要用户通过反复试验来学习，并且用户最终要么错过捕获正确时刻，要么在图像捕获设备中没有可用的最佳可能设置的情况下捕获图像。其中一种情况是捕获给定场景中事件实际发生的正确时刻。
本公开中提出了事件驱动的多模态零快门滞后(零延迟事件)方法，用于在计算低分辨率图像上的差分能量变化之后，在图像捕获管道上运行事件分析引擎，然后进行高分辨率图像检索操作。
相应地，本文的实施例提供了一种用于由电子设备进行的基于感兴趣事件的图像捕获的方法。该方法包括：由电子设备接收多个图像帧。该方法包括：由电子设备将多个图像帧存储到高分辨率缓冲器。该方法包括：由电子设备将多个图像帧转换成多个低分辨率图像帧。该方法包括：由电子设备检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。该方法包括：由电子设备确定检测到的低分辨率图像帧中的感兴趣事件的视觉分数。该方法包括：由电子设备基于检测到的低分辨率图像帧中的感兴趣事件的视觉分数，从高分辨率缓冲器获取与检测到的低分辨率图像帧相对应的图像帧。
相应地，本文的实施例提供了用于基于感兴趣事件的图像捕获的电子设备。该电子设备包括基于事件的图像捕获引擎、存储器和处理器，其中基于事件的图像捕获引擎耦接到存储器和处理器。基于事件的图像捕获引擎被配置为：接收多个图像帧。基于事件的图像捕获引擎被配置为：将多个图像帧存储在高分辨率缓冲器中。基于事件的图像捕获引擎被配置为：将多个图像帧转换成多个低分辨率图像帧。基于事件的图像捕获引擎被配置为：检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。基于事件的图像捕获引擎被配置为：确定检测到的低分辨率图像帧中的感兴趣事件的视觉分数。基于事件的图像捕获引擎被配置为：基于检测到的低分辨率图像帧中的感兴趣事件的视觉分数，从高分辨率缓冲器获取与检测到的低分辨率图像帧相对应的图像帧。
所提出的方法减少了用户捕获的图像的时间和数量以得到完美的定时捕获。此外，所提出的方法减少了存储用于后处理的图像所消耗的存储器，并且还减少了总体计算时间和功率。
所提出的方法解决了用户在拍摄移动物体或动态场景时正确定时按下电子设备的相机快门按钮的问题。所提出的方法允许用户先验地标记期望的事件，使得电子设备可以通过自动捕获或者每当用户按下相机快门按钮并且选择时间线中最接近的事件时返回那些图像。
所提出的方法允许电子设备自动执行多任务，例如视频录制并且同时捕获有趣时刻的快照，同时更容易地优化存储器和计算资源的使用，而无需用户诉诸多次/突发捕获，并且不会错过捕获用户感兴趣的最重要时刻。
与现有方法和系统不同，电子设备将从相机传感器接收到的未处理的高分辨率图像存储在零快门延迟(ZSL)缓冲器中，而取代了基于视觉分数维持ZSL缓冲器的逻辑电路，来代替传统的时间戳方法。ZSL缓冲器是电子设备的RAM中的滑动窗口缓冲器。该方法在很长的持续时间内提供基于事件的自动图像捕获，而无需担心电子设备的计算或存储容量。
手动图像捕获方法对用户来说最大的痛点是跟踪移动物体并且在正确时刻处触发图像捕获，而所提出的方法允许电子设备自动捕获具有感兴趣事件的场景的图像，这提高了用户体验。同样，用户不再需要捕获场景的连拍并且手动选择捕获用户期望的时刻的图像帧，因此电子设备的存储和计算资源被消耗在最低水平。此外，对捕获具有感兴趣事件的图像帧的持续时间没有限制。
本文实施例的另一个目的是实时分析场景的低分辨率图像帧并且基于用户的感兴趣事件为每个低分辨率图像帧生成分数。此外，电子设备可以从高分辨率缓冲器检索与具有最高分数的低分辨率图像帧相对应的高分辨率图像帧。在电子设备处，感兴趣事件检测的延迟为零，因此不会错过捕获任何感兴趣事件。
现在参照附图，并且更具体地参照图1至图8b，示出了优选实施例。
图1是根据本文公开的实施例的用于基于感兴趣事件的图像捕获的电子设备(100)的框图。电子设备(100)的示例包括但不限于智能手机、平板电脑、个人数字助理(PDA)、物联网(IoT)、可穿戴设备、相机设备等。在实施例中，电子设备(100)包括基于事件的图像捕获引擎(110)、存储器(120)、处理器(130)、通信器(140)和相机传感器(150)，其中相机传感器(150)捕获视野(FOV)前方的图像。相机传感器(150)的一个示例是有源像素传感器。基于事件的图像捕获引擎(110)由处理电路实现，例如逻辑门、集成电路、微处理器、微控制器、存储器电路、无源电子组件、有源电子组件、光学组件、硬连线电路等，并且可选地由固件驱动。例如，电路可以具体实现在一个或多个半导体芯片中，或者在诸如印刷电路板等的衬底支撑件上。
在实施例中，基于事件的图像捕获引擎(110)包括低分辨率事件分析器(LoREA)(111)和高分辨率图像检索器(HRR)(112)。LoREA(111)和HRR(112)由处理电路实现，例如逻辑门、集成电路、微处理器、微控制器、存储器电路、无源电子组件、有源电子组件、光学组件、硬连线电路等，并且可选地由固件驱动。例如，电路可以具体实现在一个或多个半导体芯片中，或者在诸如印刷电路板等的衬底支撑件上。
基于事件的图像捕获引擎(110)从电子设备(100)的多个相机传感器(150)接收多个图像帧。此外，基于事件的图像捕获引擎(110)将多个图像帧存储在高分辨率缓冲器(121)中。基于事件的图像捕获引擎(110)将多个图像帧转换成多个低分辨率图像帧。基于事件的图像捕获引擎(110)检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件(例如滑冰、飞鸟、跳马等)。基于事件的图像捕获引擎(110)确定检测到的低分辨率图像帧中的感兴趣事件的视觉分数(例如5、9等)。基于事件的图像捕获引擎(110)基于检测到的低分辨率图像帧中的感兴趣事件的视觉分数从高分辨率缓冲器(121)获取与检测到的低分辨率图像帧相对应的图像帧。例如，基于事件的图像捕获引擎(110)获取与检测到的具有最高视觉分数或最低视觉分数、或视觉分数的均值、或视觉分数的中值等的低分辨率图像帧相对应的图像帧。
在实施例中，为了检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件，基于事件的图像捕获引擎(110)接收感兴趣事件的输入。在实施例中，用户将感兴趣事件的输入提供给基于事件的图像捕获引擎(110)。此外，基于事件的图像捕获引擎(110)确定低分辨率图像帧的每个像素位置处的强度的总和的平均值的对数。此外，基于事件的图像捕获引擎(110)基于低分辨率图像帧的每个像素位置处的能量(强度)的总和的平均值的对数，确定低分辨率图像帧的每个像素位置处的差分能量(强度)变化。此外，基于事件的图像捕获引擎(110)在确定至少一个低分辨率图像帧的差分能量变化满足阈值差分能量变化时，检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。
在实施例中，为了确定检测到的低分辨率图像帧的视觉分数，基于事件的图像捕获引擎(110)确定检测到的低分辨率图像帧的时间戳。此外，基于事件的图像捕获引擎(110)参考感兴趣事件，确定检测到的低分辨率图像帧的视觉分数。此外，基于事件的图像捕获引擎(110)将包括视觉分数的列表连同每个检测到的低分辨率图像帧的时间戳一起存储到存储器(120)中。在实施例中，基于滑动窗口上的视觉分数的排序顺序来维持时间戳，同时保持滑动窗口的尺寸与存储在高分辨率缓冲器(121)中的图像帧的数量相同。在实施例中，基于事件的图像捕获引擎(110)基于差分能量变化的时空位置和差分能量变化的幅度，确定检测到的低分辨率图像帧的视觉分数。
在实施例中，为了基于检测到的低分辨率图像帧中的感兴趣事件的视觉分数，从高分辨率缓冲器(121)获取与检测到的低分辨率图像帧相对应的图像帧，基于事件的图像捕获引擎(110)从存储在电子设备(100)的存储器(120)中的列表中确定具有较高视觉分数的时间戳。此外，基于事件的图像捕获引擎(110)确定存储的多个图像帧的时间戳。此外，基于具有较高视觉分数的时间戳与所存储的多个图像帧的时间戳之间的匹配，基于事件的图像捕获引擎(110)从存储的多个图像帧中检索图像帧。基于事件的图像捕获引擎(110)使用峰值视觉分数和关联的时间戳来挑选检索一个或多个高分辨率ZSL缓冲器(HRR)。
在实施例中，当由电子设备(100)预览或录制视频的同时从高分辨率缓冲器(121)获取图像帧以用于自动实时/非实时快照捕获。
在实施例中，基于事件的图像捕获引擎(110)使用获取的图像帧来导出感兴趣的高分辨率图像或视频的片段。此外，基于事件的图像捕获引擎(110)分析片段以进行图像后处理。
在另一实施例中，基于事件的图像捕获引擎(110)使用获取的图像帧来导出感兴趣的高分辨率图像或视频的片段。此外，基于事件的图像捕获引擎(110)将片段发送到云/边缘服务器，其中云/边缘服务器分析片段以进行图像后处理。
存储器(120)包括高分辨率缓冲器(121)(例如零快门延迟(ZSL)缓冲器)。存储器(120)存储列表、由电子设备(100)捕获或检索的图像。存储器(120)存储要由处理器(130)执行的指令。存储器(120)可以包括非易失性存储元件。这种非易失性存储元件的示例可以包括磁性硬盘、光盘、软盘、闪存、或电可编程存储器(EPROM)或电可擦除可编程(EEPROM)存储器的形式。另外，在一些示例中，存储器(120)可以被认为是非瞬时性存储介质。术语“非瞬时性”可以指示存储介质没有以载波或传播信号来实现。然而，术语“非瞬时性”不应被解释为存储器(120)是不可移动的。在一些示例中，存储器(120)可以被配置为存储比其存储空间更大量的信息。在某些示例中，非瞬时性存储介质可以存储随时间变化的数据(例如，存储在随机存取存储器(RAM)或高速缓存中)。存储器(120)可以是内部存储单元或者可以是电子设备(100)的外部存储单元、云存储或任何其他类型的外部存储装置。
处理器(130)被配置为执行存储在存储器(120)中的指令。处理器(130)可以是通用处理器(例如中央处理单元(CPU)、应用处理器(AP)等)、仅图形处理单元(例如图形处理单元(GPU)、视觉处理单元(VPU)等。处理器(130)可以包括多个核来执行指令。通信器(140)被配置为在电子设备(100)中的硬件组件之间进行内部通信。此外，通信器(140)被配置为促进电子设备(100)与其他设备之间经由一个或多个网络(例如无线电技术)的通信。通信器(140)包括特定于实现有线或无线通信的标准的电子电路。
尽管图1示出了电子设备(100)的硬件组件，但是应当理解，其他实施例不限于此。在其他实施例中，电子设备(100)可以包括更少或更多数量的组件。此外，组件的标签或名称仅用于说明目的，并不限制本发明的范围。一个或多个组件可以组合在一起以针对基于感兴趣事件的图像捕获执行相同或基本相似的功能。
图2是示出了根据本文公开的实施例的用于基于感兴趣事件的图像捕获的方法的流程图(200)。在实施例中，该方法允许基于事件的图像捕获引擎(110)执行流程图(200)的步骤201至206。在步骤201处，该方法包括接收多个图像帧。在步骤202处，该方法包括将多个图像帧存储到高分辨率缓冲器(121)。在步骤203处，该方法包括将多个图像帧转换成多个低分辨率图像帧。在步骤204处，该方法包括检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。在步骤205处，该方法包括确定检测到的低分辨率图像帧的视觉分数。在步骤206处，该方法包括从高分辨率缓冲器(121)获取与检测到的具有较高视觉分数的低分辨率图像帧相对应的图像帧。
图3示出了根据本文公开的实施例的用于基于感兴趣事件的图像捕获的方法的详细流程图(300)。在301处，LoREA(111)从用户接收感兴趣事件的输入。在302处，LoREA(111)接收相机传感器(150)的预览的图像帧(例如原始域图像)。在303至304处，LoREA(111)缩小接收到的图像帧并且对齐缩小后的图像帧。在305处，LoREA(111)使用等式1确定对齐后的低分辨率图像帧的每个像素位置处的强度的总和的平均值的对数。
(x，y)像素位置处的强度的总和的平均值的对数由以下给出：
其中t是滑动窗口的大小，以图像帧的数量表示，在该窗口上计算每个像素位置处的强度的总和的平均值。
在306处，LoREA(111)使用等式2，基于低分辨率图像帧的每个像素位置处的能量(强度)的总和的平均值的对数，确定低分辨率图像帧的每个像素位置处的差分能量(强度)变化。
(x，y)像素位置处的差分能量(强度)变化由以下给出，
E(x，y，t)＝K(x，y，t-1)-logI(x，y，t) (2)
在307处，在确定至少一个低分辨率图像帧的差分能量变化满足阈值差分能量变化时，LoREA(111)检测多个低分辨率图像帧中的低分辨率图像帧中的感兴趣事件。在308处，LoREA(111)确定检测到的低分辨率图像帧的时间戳。此外，参考感兴趣事件，LoREA(111)确定检测到的低分辨率图像帧的视觉分数。在309处，LoREA(111)将包括视觉分数的列表连同每个检测到的低分辨率图像帧的时间戳存储到存储器(120)中。在310处，HRR(112)从列表中具有确定最高视觉分数的时间戳。在311处，HRR(112)确定存储在高分辨率缓冲器(121)中的多个图像帧的时间戳。此外，基于具有最高视觉分数的时间戳与存储的多个图像帧的时间戳之间的匹配，HRR(112)从存储的多个图像帧中检索图像帧。在312处，HRR(112)通过硬件抽象层(HAL)提供检索到的图像帧并且将检索到的图像帧存储在存储器(120)中或显示给用户。
图4a是根据本文公开的实施例的用于在照片模式下以零延迟进行自动事件捕获的方法的流程图(400)。在401至403处，LoREA(111)在相机传感器(150)的预览期间经由图像信号处理器(ISP)(130A)接收来自相机传感器(150)的图像帧。此外，LoREA(111)识别峰值事件发生的时间。在404处，HRR(112)挑选包含感兴趣的峰值事件的高分辨率图像。在405处，HRR(112)发送所挑选的高分辨率图像以用于自动快照捕获的进一步处理。
所提出的方法允许用户选择感兴趣事件作为视频录制和同时基于事件的高分辨率摄影捕获的输入配置。电子设备(100)从一个或多个相机传感器(150)接收高分辨率图像帧的连续流。此外，电子设备(100)使用来自一个或多个相机传感器(150)的高分辨率图像帧导出低分辨率图像帧流，同时将未处理的高分辨率图像存储在高分辨率缓冲器(121)中。此外，电子设备(100)对低分辨率图像帧运行事件分析，以计算低分辨率图像帧上的差分变化。此外，电子设备(100)基于由用户选择的感兴趣事件来确定每个传入的低分辨率图像帧的视觉分数。此外，电子设备(100)基于视觉分数自动从高分辨率缓冲器(121)中选择具有最佳分数的图像帧，并且以零延迟发送所选择的图像帧以用于进一步处理。此外，电子设备(100)在最终处理中对所选择的图像帧进行更多的分析和处理，并且细化选择过程，从而减少在图像后处理的每个阶段处处理的数据量。
图4b示出了根据本文公开的实施例的用于在照片模式下以零延迟进行自动事件捕获的示例场景。在411处，用户开始预览电子设备(100)的相机传感器(150)前面的场景。在412处，用户选择感兴趣事件的类型作为移动物体或零背景运动、或特定类型(例如滑冰)。在413处，用户选择事件捕获的模式为手动或自动或连续。在414处，当用户持有电子设备(100)时，电子设备(100)开始事件捕获。在415处，电子设备(100)继续预览，并且通过自动更新包含感兴趣事件的图像帧来捕获事件的卷轴(reel)。在416处，电子设备(100)停止事件捕获。在417处，电子设备(100)将具有事件的卷轴的图像帧移动到图库应用以查看高分辨率图像中的所有捕获的事件。
图5a是根据本文公开的实施例的用于同时视频录制和捕获基于事件的实时快照的方法的流程图(500)。在501至503处，LoREA(111)在相机传感器(150)的预览(P)期间经由ISP(130A)从相机传感器(150)接收图像帧。此外，LoREA(111)在相机捕获单元级别处分析低分辨率图像帧以识别与感兴趣事件相对应的帧。在504处，HRR(112)挑选对应的未处理的高分辨率原始图像帧并且发送所挑选的高分辨率原始图像帧以用于实时快照捕获的进一步处理。
所提出的方法允许用户选择感兴趣事件作为视频录制和同时基于事件的高分辨率摄影捕获的输入配置。电子设备(100)从一个或多个相机传感器(150)接收高分辨率图像帧的连续流。此外，电子设备(100)使用来自一个或多个相机传感器(150)的高分辨率图像帧导出低分辨率图像帧的流，同时将未处理的高分辨率图像存储在高分辨率缓冲器(121)中。此外，电子设备(100)对低分辨率图像帧运行事件分析，以计算低分辨率图像帧上的差分能量变化。此外，电子设备(100)基于由用户选择的感兴趣事件来确定每个传入的低分辨率图像帧的视觉分数。此外，电子设备(100)使用来自高分辨率缓冲器(121)的具有最佳分数的图像帧来自动选择用于创建实时快照的图像帧。此外，电子设备(100)在最终处理中对所选择的图像帧进行更多的分析和处理，并且细化选择过程，从而减少在图像后处理的每个阶段处处理的数据量。
图5b示出了根据本文公开的实施例的基于由LoREA(111)实时检测到的事件和使用HRR(112)检索到的对应的高分辨率图像帧来自动提取实时快照的示例。可以看到，借助LoREA(111)，高分辨率图像帧检索和处理操作的频率大大降低，从而减少了在图像后处理的每个阶段处处理的数据量。
图5c示出了根据本文公开的实施例的同时视频录制和捕获基于事件的实时快照的示例场景。在511处，用户开始预览电子设备(100)的相机传感器(150)前面的场景。在512处，用户选择感兴趣事件的类型作为移动物体或零背景运动、或特定类型(例如滑冰)。在513处，用户选择事件捕获的模式为手动或自动或连续。在514处，当用户持有电子设备(100)时，电子设备(100)开始事件捕获。在515，电子设备(100)继续录制视频，并且通过自动更新录制来捕获事件的卷轴。在516处，电子设备(100)停止视频录制捕获。在517处，电子设备(100)将具有事件的卷轴的图像帧移动到图库应用以将所有捕获的事件作为录制的视频进行查看。
图6是根据本文公开的实施例的用于通过减少图像后处理要处理的数据量来进行自动事件捕获的方法的流程图(600)。在601至603处，LoREA(111)经由ISP(130A)从相机传感器(150)接收图像帧。此外，LoREA(111)在使用所提出的方法将低分辨率图像帧传递到另一处理或实体之前在相机捕获单元级别处分析低分辨率图像帧。在604至605处，HRR(112)挑选对应的未处理的高分辨率原始图像帧并且发送以进行单个图像捕获过程的进一步处理。
所提出的方法允许用户选择感兴趣事件作为视频录制和同时基于事件的高分辨率摄影捕获的输入配置。电子设备(100)从一个或多个相机传感器(150)接收高分辨率图像帧的连续流。此外，电子设备(100)使用来自一个或多个相机传感器(150)的高分辨率图像帧导出低分辨率图像帧的流，同时将未处理的高分辨率图像存储在高分辨率缓冲器(121)中。此外，电子设备(100)对低分辨率图像帧运行事件分析，以计算低分辨率图像帧上的差分能量变化。此外，电子设备(100)基于用户选择的感兴趣事件来确定每个传入的低分辨率图像帧的视觉分数。此外，电子设备(100)导出感兴趣的高分辨率图像或视频的片段并且发送高分辨率图像或视频以用于进一步的后处理。此外，电子设备(100)在最终过程中更多地分析和处理所导出的片段，并且细化选择过程，从而减少在图像后处理的每个阶段处理的数据量。
图7a至图7b示出了根据本文公开的实施例的现有图像捕获方法以及所提出的图像捕获方法。图7a示出了现有的图像捕获和后处理方法。在图像的单次拍摄的情况下，现有方法会导致返回大量无事件的/冗余的高分辨率缓冲用于后处理。图7b示出了在相机硬件抽象层内的集成LoREA和HRR模块的所提出的方法，以仅在感兴趣事件发生时捕获高分辨率缓冲器。
图8a是根据本文公开的实施例的用于优化基于云的图像处理的网络带宽和延迟的方法的流程图(800)。在803处，LoREA(111)经由ISP(130A)从相机传感器(150)接收图像帧。此外，LoREA(111)在使用所提出的方法将低分辨率图像帧传递到另一处理或实体之前在相机捕获单元级别处分析低分辨率图像帧。在804至805处，HRR(112)挑选对应的未处理的高分辨率原始图像帧并且发送到基于边缘/云的软件即服务(SAAS)以进行图像处理。
所提出的方法允许用户选择感兴趣事件作为视频录制和同时基于事件的高分辨率摄影捕获的输入配置。电子设备(100)从一个或多个相机传感器(150)接收高分辨率图像帧的连续流。此外，电子设备(100)使用来自一个或多个相机传感器(150)的高分辨率图像帧导出低分辨率图像帧的流，同时将未处理的高分辨率图像存储在高分辨率缓冲器(121)中。此外，电子设备(100)对低分辨率图像帧运行事件分析，以计算低分辨率图像帧上的差分能量变化。此外，电子设备(100)基于由用户选择的感兴趣事件来确定每个传入的低分辨率图像帧的视觉分数。此外，电子设备(100)导出感兴趣的高分辨率图像或视频的片段，并且将高分辨率图像或视频发送到基于边缘/云的SAAS以用于进一步的图像后处理。此外，基于边缘/云的SAAS在最终过程中更多地分析和处理派生片段并且细化选择过程，从而优化基于云的图像处理的每个阶段处的网络带宽和延迟。
流程图(200、300、400、500、600、700B、800)中的各种动作、行为、方框、步骤等可以按所呈现的顺序、以不同的顺序或同时执行。此外，在一些实施例中，在不脱离本公开的范围的情况下，一些动作、行为、方框、步骤等可以在不脱离本发明的范围的情况下被省略、添加、修改、跳过等。
图8b示出了根据本文公开的实施例的优化基于云的图像处理的网络带宽和延迟的示例场景。在811处，用户开始预览电子设备(100)的相机传感器(150)前面的场景。在812处，用户选择感兴趣事件的类型作为移动物体或零背景运动、或特定类型(例如滑冰)。在813处，电子设备(100)开始事件捕获并且在用户持有电子设备(100)的同时在特定持续时间之后停止。此外，电子设备(100)经由云/其他SNS应用共享内容。在814处，电子设备(100)继续录制视频，并且通过自动更新录制来捕获事件的卷轴。在816处，电子设备(100)停止视频录制捕获。在517处，远程用户可以得到通过云/其他SNS应用直接共享的事件捕获。
本文公开的实施例可以使用至少一个硬件设备并且执行网络管理功能来控制元件来实现。
以上对具体实施例的描述充分揭示了本文中的实施例的一般性质，从而其他技术人员通过应用现有知识，能够在不背离总体构思的前提下，容易地对这些具体实施例进行修改和/或针对各种应用进行调整，因此这种调整和修改应该且意图被包括在所公开的实施例的等同物的意义和范围内。可以理解，本文使用的短语或术语用于描述目的而不是限制性的。因此，尽管已经根据优选实施例描述了本文的实施例，但是本领域技术人员将认识到，可以在如本文所述的实施例的范围内通过修改来实践本文的实施例。

Claims (15)

1.一种用于由电子设备进行的基于感兴趣事件的图像捕获的方法，包括：
由所述电子设备接收多个图像帧；
由所述电子设备将所述多个图像帧存储到高分辨率缓冲器；
由所述电子设备将所述多个图像帧转换成多个低分辨率图像帧；
由所述电子设备检测所述多个低分辨率图像帧中的至少一个低分辨率图像帧中的感兴趣事件；
由所述电子设备确定检测到的所述至少一个低分辨率图像帧中的所述感兴趣事件的视觉分数；以及
由所述电子设备基于检测到的所述至少一个低分辨率图像帧中的所述感兴趣事件的所述视觉分数，从所述高分辨率缓冲器获取与检测到的所述至少一个低分辨率图像帧相对应的至少一个图像帧。
2.根据权利要求1所述的方法，其中，由所述电子设备检测所述多个低分辨率图像帧中的所述至少一个低分辨率图像帧中的所述感兴趣事件包括：
由所述电子设备接收所述感兴趣事件的输入；
由所述电子设备确定低分辨率图像帧的每个像素位置处的强度的总和的平均值的对数；
由所述电子设备基于所述低分辨率图像帧的每个像素位置处的强度的总和的平均值的对数，确定所述低分辨率图像帧的每个像素位置处的差分强度变化；以及
由所述电子设备在确定所述至少一个低分辨率图像帧的所述差分能量变化满足阈值差分能量变化时，检测所述多个低分辨率图像帧中的所述至少一个低分辨率图像帧中的所述感兴趣事件。
3.根据权利要求1所述的方法，其中，由所述电子设备确定检测到的所述至少一个低分辨率图像帧的所述视觉分数包括：
由所述电子设备确定检测到的所述至少一个低分辨率图像帧的时间戳；
由所述电子设备参照所述感兴趣事件，确定检测到的所述至少一个低分辨率图像帧的所述视觉分数；以及
由所述电子设备将包括所述视觉分数的列表连同每个检测到的低分辨率图像帧的时间戳存储到所述电子设备的存储器(120)中。
4.根据权利要求3所述的方法，其中，由所述电子设备参考所述感兴趣事件，确定检测到的所述至少一个低分辨率图像帧的所述视觉分数包括：
由所述电子设备基于差分能量变化的时空位置和所述差分能量变化的幅度，确定检测到的所述至少一个低分辨率图像帧的所述视觉分数。
5.根据权利要求3所述的方法，其中，所述时间戳基于滑动窗口上的视觉分数的排序顺序来维持，同时保持所述滑动窗口的大小与存储在所述高分辨率缓冲器中的图像帧的数量相同。
6.根据权利要求1所述的方法，其中，由所述电子设备基于检测到的所述至少一个低分辨率图像帧中的所述感兴趣事件的所述视觉分数，从所述高分辨率缓冲器获取与检测到的所述至少一个低分辨率图像帧相对应的至少一个图像帧包括：
由所述电子设备从存储在所述电子设备的存储器中的列表中确定具有较高视觉分数的至少一个时间戳；
由所述电子设备确定存储的所述多个图像帧的时间戳；以及
由所述电子设备基于具有所述较高视觉分数的所述至少一个时间戳与存储的所述多个图像帧的所述时间戳之间的匹配，从存储的所述多个图像帧中检索至少一个图像帧。
7.根据权利要求1所述的方法，其中，所述至少一个图像帧是由所述电子设备在预览或录制视频时从所述高分辨率缓冲器获取以用于自动实时/非实时快照捕获。
8.根据权利要求1所述的方法，其中，所述方法还包括：
由所述电子设备使用获取的所述至少一个图像帧来导出感兴趣的高分辨率图像或视频的片段；以及
由所述电子设备分析所述片段以进行图像后处理。
9.一种用于基于感兴趣事件的图像捕获的电子设备，包括：
存储器；
处理器；
基于事件的图像捕获引擎，耦接到所述存储器和所述处理器，所述基于事件的图像捕获引擎被配置为：
接收多个图像帧，
将所述多个图像帧存储到高分辨率缓冲器，
将所述多个图像帧转换成多个低分辨率图像帧，
检测所述多个低分辨率图像帧中的至少一个低分辨率图像帧中的感兴趣事件，
确定检测到的所述至少一个低分辨率图像帧中的所述感兴趣事件的视觉分数，以及
基于检测到的所述至少一个低分辨率图像帧中的所述感兴趣事件的所述视觉分数，从所述高分辨率缓冲器获取与检测到的所述至少一个低分辨率图像帧相对应的至少一个图像帧。
10.根据权利要求9所述的电子设备，其中，检测所述多个低分辨率图像帧中的所述至少一个低分辨率图像帧中的所述感兴趣事件包括：
接收所述感兴趣事件的输入；
确定低分辨率图像帧的每个像素位置处的强度的总和的平均值的对数；
基于所述低分辨率图像帧的每个像素位置处的强度的总和的平均值的对数，确定所述低分辨率图像帧的每个像素位置处的差分强度变化；以及
在确定所述至少一个低分辨率图像帧的所述差分能量变化满足阈值差分能量变化时，检测所述多个低分辨率图像帧中的所述至少一个低分辨率图像帧中的所述感兴趣事件。
11.根据权利要求9所述的电子设备，其中，确定检测到的所述至少一个低分辨率图像帧的所述视觉分数包括：
确定检测到的所述至少一个低分辨率图像帧的时间戳；
参考所述感兴趣事件，确定检测到的所述至少一个低分辨率图像帧的所述视觉分数；以及
将包括所述视觉分数的列表连同每个检测到的低分辨率图像帧的时间戳存储到所述存储器中。
12.根据权利要求11所述的电子设备，其中，参考所述感兴趣事件，确定检测到的所述至少一个低分辨率图像帧的所述视觉分数包括：
基于差分能量变化的时空位置和所述差分能量变化的幅度，确定检测到的所述至少一个低分辨率图像帧的所述视觉分数。
13.根据权利要求11所述的电子设备，其中，所述时间戳基于滑动窗口上的所述视觉分数的排序顺序来维持，同时保持所述滑动窗口的大小与存储在所述高分辨率缓冲器中的图像帧的数量相同。
14.根据权利要求9所述的电子设备，其中，基于检测到的所述至少一个低分辨率图像帧中的所述感兴趣事件的所述视觉分数，从所述高分辨率缓冲器获取与检测到的所述至少一个低分辨率图像帧相对应的至少一个图像帧包括：
从存储在所述电子设备的所述存储器中的列表中确定具有较高视觉分数的至少一个时间戳；
确定存储的所述多个图像帧的时间戳；以及
基于具有所述较高视觉分数的所述至少一个时间戳与存储的所述多个图像帧的所述时间戳之间的匹配，从存储的所述多个图像帧中检索至少一个图像帧。
15.根据权利要求9所述的电子设备，其中，所述基于事件的图像捕获引擎被配置为：
使用获取的所述至少一个图像帧导出感兴趣的高分辨率图像或视频的片段；以及
分析所述片段以进行图像后处理。
CN202280066776.6A 2021-10-20 2022-10-20 用于基于感兴趣事件的图像捕获的方法和电子设备 Pending CN118056224A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
IN202141047750 2021-10-20
IN202141047750 2022-09-02
PCT/KR2022/016046 WO2023068845A1 (en) 2021-10-20 2022-10-20 Method and electronic device for interested event based image capture

Publications (1)

Publication Number Publication Date
CN118056224A true CN118056224A (zh) 2024-05-17

Family

ID=86059752

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280066776.6A Pending CN118056224A (zh) 2021-10-20 2022-10-20 用于基于感兴趣事件的图像捕获的方法和电子设备

Country Status (2)

Country Link
CN (1) CN118056224A (zh)
WO (1) WO2023068845A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8289400B2 (en) * 2009-06-05 2012-10-16 Apple Inc. Image capturing device having continuous image capture
US8810686B2 (en) * 2011-11-23 2014-08-19 Mediatek Inc. Method, device, and machine readable medium for image capture and selection
US10250799B2 (en) * 2014-05-21 2019-04-02 Google Technology Holdings LLC Enhanced image capture
US9836484B1 (en) * 2015-12-30 2017-12-05 Google Llc Systems and methods that leverage deep learning to selectively store images at a mobile image capture device
US10521705B2 (en) * 2017-11-14 2019-12-31 Adobe Inc. Automatically selecting images using multicontext aware ratings

Also Published As

Publication number Publication date
WO2023068845A1 (en) 2023-04-27

Similar Documents

Publication Publication Date Title
WO2020094091A1 (zh) 一种图像抓拍方法、监控相机及监控系统
WO2020094088A1 (zh) 一种图像抓拍方法、监控相机及监控系统
US20150364158A1 (en) Detection of action frames of a video stream
WO2014171258A1 (ja) 情報処理システム、情報処理方法及びプログラム
US10104345B2 (en) Data-enhanced video viewing system and methods for computer vision processing
US20090185784A1 (en) Video surveillance system and method using ip-based networks
JP7131599B2 (ja) 情報処理システム、情報処理方法及びプログラム
CN111951313B (zh) 图像配准方法、装置、设备及介质
KR20160020498A (ko) 트랙커 보조 이미지 캡쳐
JP2006031678A (ja) 画像処理
CN105723697A (zh) 用于对象跟踪的相机和光源同步
CN105808542B (zh) 信息处理方法以及信息处理装置
WO2020093164A1 (en) Methods and systems for detection of anomalous motion in a video stream and for creating a video summary
US11206347B2 (en) Object-tracking based slow-motion video capture
CN112507760B (zh) 暴力分拣行为的检测方法、装置及设备
US10410059B2 (en) Cloud platform with multi camera synchronization
CN112347856A (zh) 一种基于教室场景的无感知考勤系统及方法
JP2012105205A (ja) キーフレーム抽出装置、キーフレーム抽出プログラム、キーフレーム抽出方法、撮像装置、およびサーバ装置
CN108540817B (zh) 视频数据处理方法、装置、服务器及计算机可读存储介质
CN104170367A (zh) 虚拟快门图像捕获
CN114120165A (zh) 枪球联动的目标跟踪方法、装置、电子装置和存储介质
US10083720B2 (en) Method and system for video data stream storage
CN118056224A (zh) 用于基于感兴趣事件的图像捕获的方法和电子设备
CN114359828A (zh) 目标行为的记录方法、装置、存储介质及电子装置
CN116895032A (zh) 目标追踪方法、装置、终端设备以及存储介质

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