CN118102099A - 一种自然资源监管视频拍摄防抖方法和装置 - Google Patents
一种自然资源监管视频拍摄防抖方法和装置 Download PDFInfo
- Publication number
- CN118102099A CN118102099A CN202410460260.0A CN202410460260A CN118102099A CN 118102099 A CN118102099 A CN 118102099A CN 202410460260 A CN202410460260 A CN 202410460260A CN 118102099 A CN118102099 A CN 118102099A
- Authority
- CN
- China
- Prior art keywords
- video frame
- camera
- shake
- current video
- module
- 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 38
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000000903 blocking effect Effects 0.000 claims description 12
- 239000002243 precursor Substances 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 17
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Studio Devices (AREA)
Abstract
本发明提供了一种自然资源监管视频拍摄防抖方法和装置,其中,方法包括:通过第一摄像头拍摄的第一当前视频帧和第一前序视频帧、以及第二摄像头拍摄的第二当前视频帧和第二前序视频帧,确定第一摄像头的抖动参数,然后对第一当前视频帧进行防抖动处理,得到防抖视频帧。本发明的有益效果:解决了因为摄像头监测设备的剧烈晃动,可能会导致监测数据无法使用的问题,保证了在晃动条件下仍然能够获取到准确的监测数据。
Description
技术领域
本发明涉及人工智能领域,特别涉及一种自然资源监管视频拍摄防抖方法和装置。
背景技术
在自然资源信息获取的过程中,相机或摄像头设备的稳定性和可靠性是很重要的。在自然资源的监管过程中,视频摄像头焦距拉长后,以及无人机巡航,天气场景如大风等,可能会引起相机或摄像头监测设备的剧烈晃动,可能会导致监测数据无法使用。
发明内容
本发明的主要目的为提供一种自然资源监管视频拍摄防抖方法和装置,旨在解决摄像头监测设备的剧烈晃动,可能会导致监测数据无法使用的问题。
本发明提供了一种自然资源监管视频拍摄防抖方法,通过第一摄像头和第二摄像头实现,其中,第一摄像头和第二摄像头均能拍摄所有的固定参照物,所述方法包括:
获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧;
基于所述第一当前视频帧和第一前序视频帧判断所述第一摄像头是否发生抖动;
若发生抖动,则获取第二摄像头拍摄的第二当前视频帧和第二前序视频帧;其中,所述第一当前视频帧的拍摄时刻与所述第二当前视频帧的拍摄时刻相同,所述第一前序视频帧的拍摄时刻与所述第二前序视频帧的拍摄时刻相同;
根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数;
基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧。
进一步地,其中,所述固定参照物包括多个,所述根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数的步骤,包括:
对每个所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息进行标记,分别得到第一标记点、第二标记点、第三标记点以及第四标记点;
计算每个所述固定参照物的所述第一标记点与所述第二标记点的第一位置差,以及所述第三标记点与所述第四标记点的第二位置差;
计算所述所述第一当前视频帧中任意两个固定参照物的第三位置差,以及对应第一前序视频帧中该两个固定参照物的第四位置差;
将所述第一标记点和第二标记点的位置信息、所述第一位置差、第二位置差、第三位置差以及第四位置差输入至预设的神经网络模型中,以得到所述第一摄像头在对应第一标记点处的抖动参数;
综合所有第一标记点处的抖动参数,从而得到第一摄像头的抖动参数。
进一步地,所述基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧的步骤,包括:
根据各个第一标记点的位置,将所述第一当前视频帧进行分割处理,得到每个第一标记点对应的第一分块区域;
按照各个第一标记点的抖动参数对对应的第一分块区域进行校正,得到校正后的第二分块区域;
拼接各个所述第二分块区域并进行平滑处理,从而得到所述防抖视频帧。
进一步地,所述获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧的步骤之前,还包括:
获取所述第一摄像头在未抖动时的拍摄画面;
根据所述拍摄画面确定固定参照物或者确定固定参照物的指定地点。
进一步地,所述基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧的步骤之后,还包括:
对所述防抖视频帧进行分块处理,得到多个第三分块,同时对第一前序视频帧进行分块处理,得到多个第四分块;
按照预设的图片相似度的计算方式计算第三分块与对应位置的第四分块的相似度;
判断相似度大于预设值的分块数量是否大于预设分块数量;
若大于预设分块数量,则判定所述防抖视频帧合格。
本发明还提供了一种自然资源监管视频拍摄防抖装置,通过第一摄像头和第二摄像头实现,其中,第一摄像头和第二摄像头均能拍摄所有的固定参照物,所述装置包括:
第一获取模块,用于获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧;
判断模块,用于基于所述第一当前视频帧和第一前序视频帧判断所述第一摄像头是否发生抖动;
第二获取模块,用于若发生抖动,则获取第二摄像头拍摄的第二当前视频帧和第二前序视频帧;其中,所述第一当前视频帧的拍摄时刻与所述第二当前视频帧的拍摄时刻相同,所述第一前序视频帧的拍摄时刻与所述第二前序视频帧的拍摄时刻相同;
确定模块,用于根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数;
处理模块,用于基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧。
进一步地,其中,所述固定参照物包括多个,所述确定模块,包括:
标记子模块,用于对每个所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息进行标记,分别得到第一标记点、第二标记点、第三标记点以及第四标记点;
第一计算子模块,用于计算每个所述固定参照物的所述第一标记点与所述第二标记点的第一位置差,以及所述第三标记点与所述第四标记点的第二位置差;
第二计算子模块,用于计算所述所述第一当前视频帧中任意两个固定参照物的第三位置差,以及对应第一前序视频帧中该两个固定参照物的第四位置差;
输入子模块,用于将所述第一标记点和第二标记点的位置信息、所述第一位置差、第二位置差、第三位置差以及第四位置差输入至预设的神经网络模型中,以得到所述第一摄像头在对应第一标记点处的抖动参数;
综合子模块,用于综合所有第一标记点处的抖动参数,从而得到第一摄像头的抖动参数。
进一步地,所述处理模块,包括:
分割子模块,用于根据各个第一标记点的位置,将所述第一当前视频帧进行分割处理,得到每个第一标记点对应的第一分块区域;
校正子模块,用于按照各个第一标记点的抖动参数对对应的第一分块区域进行校正,得到校正后的第二分块区域;
拼接子模块,用于拼接各个所述第二分块区域并进行平滑处理,从而得到所述防抖视频帧。
进一步地,所述自然资源监管视频拍摄防抖装置,还包括:
拍摄画面获取模块,用于获取所述第一摄像头在未抖动时的拍摄画面;
固定参照物确定模块,用于根据所述拍摄画面确定固定参照物或者确定固定参照物的指定地点。
进一步地,所述自然资源监管视频拍摄防抖装置,还包括:
分块处理模块,用于对所述防抖视频帧进行分块处理,得到多个第三分块,同时对第一前序视频帧进行分块处理,得到多个第四分块;
相似度计算模块,用于按照预设的图片相似度的计算方式计算第三分块与对应位置的第四分块的相似度;
分块数量判断模块,用于判断相似度大于预设值的分块数量是否大于预设分块数量;
判定模块,用于若大于预设分块数量,则判定所述防抖视频帧合格。
本发明的有益效果:通过第一摄像头拍摄的第一当前视频帧和第一前序视频帧、以及第二摄像头拍摄的第二当前视频帧和第二前序视频帧,确定第一摄像头的抖动参数,然后对第一当前视频帧进行防抖动处理,得到防抖视频帧。从而解决了因为摄像头监测设备的剧烈晃动,可能会导致监测数据无法使用的问题,保证了在晃动条件下仍然能够获取到准确的监测数据。
附图说明
图1 是本发明一实施例的一种自然资源监管视频拍摄防抖方法的流程示意图;
图2 是本发明一实施例的一种自然资源监管视频拍摄防抖装置的结构示意框图;
图3 为本申请一实施例的计算机设备的结构示意框图。
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
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变,所述的连接可以是直接连接,也可以是间接连接。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参照图1,本发明提出一种自然资源监管视频拍摄防抖方法,通过第一摄像头和第二摄像头实现,其中,第一摄像头和第二摄像头均能拍摄所有的固定参照物,所述方法包括:
S1:获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧;
S2:基于所述第一当前视频帧和第一前序视频帧判断所述第一摄像头是否发生抖动;
S3:若发生抖动,则获取第二摄像头拍摄的第二当前视频帧和第二前序视频帧;其中,所述第一当前视频帧的拍摄时刻与所述第二当前视频帧的拍摄时刻相同,所述第一前序视频帧的拍摄时刻与所述第二前序视频帧的拍摄时刻相同;
S4:根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数;
S5:基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧。
如上述步骤S1所述,获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧,其中摄像头为高清摄像头,一直处于录制视频的状态,因此,可以获取到第一当前视频帧和第一前序视频帧。
如上述步骤S2所述,基于所述第一当前视频帧和第一前序视频帧判断所述第一摄像头是否发生抖动。可以理解的是,发生抖动的情况可以是目标图像在图像帧中的位置发生偏移,因此被认为抖动,否则,认为没有发生抖动。
如上述步骤S3所述,在确定发生了抖动后,则获取第二摄像头拍摄的第二当前视频帧和第二前序视频帧;其中,所述第一当前视频帧的拍摄时刻与所述第二当前视频帧的拍摄时刻相同,所述第一前序视频帧的拍摄时刻与所述第二前序视频帧的拍摄时刻相同,由于第一摄像头和第二摄像头同步处于拍摄状态,因此,根据时间可以同步获取到对应的第二当前视频帧和第二前序视频帧。
如上述步骤S4所述,根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数,根据固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息可以确定出抖动参数,具体地,可以将对应的位置信息发送至预设的神经网络中,由神经网络智能分析得到抖动参数。
如上述步骤S5所述,基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧,在确定了抖动参数后,根据抖动参数对第一当前视频帧进行处理,从而可以得到防抖视频帧,从而解决了因为摄像头监测设备的剧烈晃动,可能会导致监测数据无法使用的问题,保证了在晃动条件下仍然能够获取到准确的监测数据。
在一个实施例中,其中,所述固定参照物包括多个,其特征在于,所述根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数的步骤S4,包括:
S401:对每个所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息进行标记,分别得到第一标记点、第二标记点、第三标记点以及第四标记点;
S402:计算每个所述固定参照物的所述第一标记点与所述第二标记点的第一位置差,以及所述第三标记点与所述第四标记点的第二位置差;
S403:计算所述所述第一当前视频帧中任意两个固定参照物的第三位置差,以及对应第一前序视频帧中该两个固定参照物的第四位置差;
S404:将所述第一标记点和第二标记点的位置信息、所述第一位置差、第二位置差、第三位置差以及第四位置差输入至预设的神经网络模型中,以得到所述第一摄像头在对应第一标记点处的抖动参数;
S405:综合所有第一标记点处的抖动参数,从而得到第一摄像头的抖动参数。
如上述步骤S401-S405所述,实现了对抖动参数的计算。需要说明的是,由于摄像头的位置,导致各个固定参照物的抖动情况可能会不一致,因此,需要对不同的固定参照物所处的位置进行不同的防抖动的处理,即获取每个固定参照物的位置信息,得到第一标记点、第二标记点、第三标记点以及第四标记点。然后计算出第一位置差、第二位置差、第三位置差以及第四位置差,并将所述第一标记点和第二标记点的位置信息、所述第一位置差、第二位置差、第三位置差以及第四位置差输入至预设的神经网络模型中,以得到所述第一摄像头在对应第一标记点处的抖动参数,需要说明的是,该神经网络模型采用有监督的方式进行训练,即将不同的第一标记点和第二标记点的位置信息、第一位置差、第二位置差、第三位置差以及第四位置差作为神经网络模型的输入,将对应的抖动参数(此处的抖动参数为人为输入的准确抖动参数)作为输出,从而得到训练完成的神经网络模型。综合所有第一标记点处的抖动参数,从而得到第一摄像头的抖动参数。
在一个实施例中,基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧的步骤S5,包括:
S501:根据各个第一标记点的位置,将所述第一当前视频帧进行分割处理,得到每个第一标记点对应的第一分块区域;
S502:按照各个第一标记点的抖动参数对对应的第一分块区域进行校正,得到校正后的第二分块区域;
S503:拼接各个所述第二分块区域并进行平滑处理,从而得到所述防抖视频帧。
如上述步骤S501-S503所述,实现了对所述第一当前视频帧进行防抖动处理,即对根据各个第一标记点的位置,将所述第一当前视频帧进行分割处理,得到每个第一标记点对应的第一分块区域,按照各个第一标记点的抖动参数对对应的第一分块区域进行校正,得到校正后的第二分块区域,拼接各个所述第二分块区域并进行平滑处理,从而得到所述防抖视频帧,其中,平滑的方式不作限定,可以是高斯模糊、均值模糊、中值滤波中的任意一种方式,目的是为了使图片看起来更加自然,消除分块分别进行校正处理后的误差。
在一个具体地实施例中,固定参照物具体为5个,从而对应第一标记点的位置也为5个,将其进行分割处理后,得到五个第一分块区域,分别进行校正处理,拼接各个所述第二分块区域并进行平滑处理,从而得到所述防抖视频帧,相对于没有分割进行校正处理的方式,画面感更好,且更加利于后续处理,保证了在晃动条件下仍然能够获取到准确的监测数据。
在一个实施例中,所述获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧的步骤S1之前,还包括:
S001:获取所述第一摄像头在未抖动时的拍摄画面;
S002:根据所述拍摄画面确定固定参照物或者确定固定参照物的指定地点。
如上述步骤S001-S002所述,获取所述第一摄像头在未抖动时的拍摄画面;根据所述拍摄画面确定固定参照物或者确定固定参照物的指定地点。确定固定参照物的位置,其中,固定参照物的位置优选在于尽量处于拍摄画面中间位置,避免发生抖动无法拍摄到,并且需要均匀,以便于进行分块校正。
在一个实施例中,所述基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧的步骤S5之后,还包括:
S601:对所述防抖视频帧进行分块处理,得到多个第三分块,同时对第一前序视频帧进行分块处理,得到多个第四分块;
S602:按照预设的图片相似度的计算方式计算第三分块与对应位置的第四分块的相似度;
S603:判断相似度大于预设值的分块数量是否大于预设分块数量;
S604:若大于预设分块数量,则判定所述防抖视频帧合格。
如上述步骤S601-S604所述,实现了对防抖视频帧的检测,其中,由于自然资源随着时间的变化是会变化的,尤其是具有大风的影响下,即发生了抖动的情况下,因此,可以分块进行相似度的计算,相似度的计算方式可以是余弦相似度、均方误差、结构相似性指数中的任意一种,判断相似度大于预设值的分块数量是否大于预设分块数量;若大于预设分块数量,则判定所述防抖视频帧合格,否则,判定不合格。
在一个具体地实施例中,以精确率作为评估标准,随机抽取1000张防抖帧图像,将每张图像分为100个分块,然后设置预设分块数量为85,在该值下,在每帧图像中确定符合要求的分块数量为大于85即认为符合防抖合格,在检测过程中,1000张防抖帧图像中合格的数量有973,合格率为97.3%,因此本实施例中的合格率相当可观,适用于防抖视频帧的处理。
本发明的有益效果:通过第一摄像头拍摄的第一当前视频帧和第一前序视频帧、以及第二摄像头拍摄的第二当前视频帧和第二前序视频帧,确定第一摄像头的抖动参数,然后对第一当前视频帧进行防抖动处理,得到防抖视频帧。从而解决了因为摄像头监测设备的剧烈晃动,可能会导致监测数据无法使用的问题,保证了在晃动条件下仍然能够获取到准确的监测数据。
参照图2,本发明还提供了一种自然资源监管视频拍摄防抖装置,通过第一摄像头和第二摄像头实现,其中,第一摄像头和第二摄像头均能拍摄所有的固定参照物,所述装置包括:
第一获取模块10,用于获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧;
判断模块20,用于基于所述第一当前视频帧和第一前序视频帧判断所述第一摄像头是否发生抖动;
第二获取模块30,用于若发生抖动,则获取第二摄像头拍摄的第二当前视频帧和第二前序视频帧;其中,所述第一当前视频帧的拍摄时刻与所述第二当前视频帧的拍摄时刻相同,所述第一前序视频帧的拍摄时刻与所述第二前序视频帧的拍摄时刻相同;
确定模块40,用于根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数;
处理模块50,用于基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧。
在一个实施例中,其中,所述固定参照物包括多个,所述确定模块40,包括:
标记子模块,用于对每个所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息进行标记,分别得到第一标记点、第二标记点、第三标记点以及第四标记点;
第一计算子模块,用于计算每个所述固定参照物的所述第一标记点与所述第二标记点的第一位置差,以及所述第三标记点与所述第四标记点的第二位置差;
第二计算子模块,用于计算所述所述第一当前视频帧中任意两个固定参照物的第三位置差,以及对应第一前序视频帧中该两个固定参照物的第四位置差;
输入子模块,用于将所述第一标记点和第二标记点的位置信息、所述第一位置差、第二位置差、第三位置差以及第四位置差输入至预设的神经网络模型中,以得到所述第一摄像头在对应第一标记点处的抖动参数;
综合子模块,用于综合所有第一标记点处的抖动参数,从而得到第一摄像头的抖动参数。
在一个实施例中,所述处理模块50,包括:
分割子模块,用于根据各个第一标记点的位置,将所述第一当前视频帧进行分割处理,得到每个第一标记点对应的第一分块区域;
校正子模块,用于按照各个第一标记点的抖动参数对对应的第一分块区域进行校正,得到校正后的第二分块区域;
拼接子模块,用于拼接各个所述第二分块区域并进行平滑处理,从而得到所述防抖视频帧。
在一个实施例中,所述自然资源监管视频拍摄防抖装置,还包括:
拍摄画面获取模块,用于获取所述第一摄像头在未抖动时的拍摄画面;
固定参照物确定模块,用于根据所述拍摄画面确定固定参照物或者确定固定参照物的指定地点。
在一个实施例中,所述自然资源监管视频拍摄防抖装置,还包括:
分块处理模块,用于对所述防抖视频帧进行分块处理,得到多个第三分块,同时对第一前序视频帧进行分块处理,得到多个第四分块;
相似度计算模块,用于按照预设的图片相似度的计算方式计算第三分块与对应位置的第四分块的相似度;
分块数量判断模块,用于判断相似度大于预设值的分块数量是否大于预设分块数量;
判定模块,用于若大于预设分块数量,则判定所述防抖视频帧合格。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备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,该计算机设计的处理器用于提供计算和控制能力。该计算机设备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。该计算机设备的数据库用于存储各种视频帧等。该计算机设备的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可以实现上述任一实施例所述的自然资源监管视频拍摄防抖方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时可以实现上述任一实施例所述的自然资源监管视频拍摄防抖方法。
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,本申请所提供的和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。非易失性存储器可以包括只读存储器(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一多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、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。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
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。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种自然资源监管视频拍摄防抖方法,通过第一摄像头和第二摄像头实现,其中,第一摄像头和第二摄像头均能拍摄所有的固定参照物,其特征在于,所述方法包括:
获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧;
基于所述第一当前视频帧和第一前序视频帧判断所述第一摄像头是否发生抖动;
若发生抖动,则获取第二摄像头拍摄的第二当前视频帧和第二前序视频帧;其中,所述第一当前视频帧的拍摄时刻与所述第二当前视频帧的拍摄时刻相同,所述第一前序视频帧的拍摄时刻与所述第二前序视频帧的拍摄时刻相同;
根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数;
基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧;
对所述防抖视频帧进行分块处理,得到多个第三分块,同时对第一前序视频帧进行分块处理,得到多个第四分块;
按照预设的图片相似度的计算方式计算第三分块与对应位置的第四分块的相似度;
判断相似度大于预设值的分块数量是否大于预设分块数量;
若大于预设分块数量,则判定所述防抖视频帧合格。
2.如权利要求1所述的自然资源监管视频拍摄防抖方法,其中,所述固定参照物包括多个,其特征在于,所述根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数的步骤,包括:
对每个所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息进行标记,分别得到第一标记点、第二标记点、第三标记点以及第四标记点;
计算每个所述固定参照物的所述第一标记点与所述第二标记点的第一位置差,以及所述第三标记点与所述第四标记点的第二位置差;
计算所述所述第一当前视频帧中任意两个固定参照物的第三位置差,以及对应第一前序视频帧中该两个固定参照物的第四位置差;
将所述第一标记点和第二标记点的位置信息、所述第一位置差、第二位置差、第三位置差以及第四位置差输入至预设的神经网络模型中,以得到所述第一摄像头在对应第一标记点处的抖动参数;
综合所有第一标记点处的抖动参数,从而得到第一摄像头的抖动参数。
3.如权利要求2所述的自然资源监管视频拍摄防抖方法,其特征在于,所述基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧的步骤,包括:
根据各个第一标记点的位置,将所述第一当前视频帧进行分割处理,得到每个第一标记点对应的第一分块区域;
按照各个第一标记点的抖动参数对对应的第一分块区域进行校正,得到校正后的第二分块区域;
拼接各个所述第二分块区域并进行平滑处理,从而得到所述防抖视频帧。
4.如权利要求1所述的自然资源监管视频拍摄防抖方法,其特征在于,所述获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧的步骤之前,还包括:
获取所述第一摄像头在未抖动时的拍摄画面;
根据所述拍摄画面确定固定参照物或者确定固定参照物的指定地点。
5.一种自然资源监管视频拍摄防抖装置,通过第一摄像头和第二摄像头实现,其中,第一摄像头和第二摄像头均能拍摄所有的固定参照物,其特征在于,所述装置包括:
第一获取模块,用于获取第一摄像头拍摄的第一当前视频帧和第一前序视频帧;
判断模块,用于基于所述第一当前视频帧和第一前序视频帧判断所述第一摄像头是否发生抖动;
第二获取模块,用于若发生抖动,则获取第二摄像头拍摄的第二当前视频帧和第二前序视频帧;其中,所述第一当前视频帧的拍摄时刻与所述第二当前视频帧的拍摄时刻相同,所述第一前序视频帧的拍摄时刻与所述第二前序视频帧的拍摄时刻相同;
确定模块,用于根据所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息,确定所述第一摄像头的抖动参数;
处理模块,用于基于所述抖动参数对所述第一当前视频帧进行防抖动处理,得到防抖视频帧;
分块处理模块,用于对所述防抖视频帧进行分块处理,得到多个第三分块,同时对第一前序视频帧进行分块处理,得到多个第四分块;
相似度计算模块,用于按照预设的图片相似度的计算方式计算第三分块与对应位置的第四分块的相似度;
分块数量判断模块,用于判断相似度大于预设值的分块数量是否大于预设分块数量;
判定模块,用于若大于预设分块数量,则判定所述防抖视频帧合格。
6.如权利要求5所述的自然资源监管视频拍摄防抖装置,其中,所述固定参照物包括多个,其特征在于,所述确定模块,包括:
标记子模块,用于对每个所述固定参照物在所述第一当前视频帧、所述第一前序视频帧、所述第二当前视频帧和第二前序视频帧中的位置信息进行标记,分别得到第一标记点、第二标记点、第三标记点以及第四标记点;
第一计算子模块,用于计算每个所述固定参照物的所述第一标记点与所述第二标记点的第一位置差,以及所述第三标记点与所述第四标记点的第二位置差;
第二计算子模块,用于计算所述所述第一当前视频帧中任意两个固定参照物的第三位置差,以及对应第一前序视频帧中该两个固定参照物的第四位置差;
输入子模块,用于将所述第一标记点和第二标记点的位置信息、所述第一位置差、第二位置差、第三位置差以及第四位置差输入至预设的神经网络模型中,以得到所述第一摄像头在对应第一标记点处的抖动参数;
综合子模块,用于综合所有第一标记点处的抖动参数,从而得到第一摄像头的抖动参数。
7.如权利要求6所述的自然资源监管视频拍摄防抖装置,其特征在于,所述处理模块,包括:
分割子模块,用于根据各个第一标记点的位置,将所述第一当前视频帧进行分割处理,得到每个第一标记点对应的第一分块区域;
校正子模块,用于按照各个第一标记点的抖动参数对对应的第一分块区域进行校正,得到校正后的第二分块区域;
拼接子模块,用于拼接各个所述第二分块区域并进行平滑处理,从而得到所述防抖视频帧。
8.如权利要求5所述的自然资源监管视频拍摄防抖装置,其特征在于,所述自然资源监管视频拍摄防抖装置,还包括:
拍摄画面获取模块,用于获取所述第一摄像头在未抖动时的拍摄画面;
固定参照物确定模块,用于根据所述拍摄画面确定固定参照物或者确定固定参照物的指定地点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410460260.0A CN118102099A (zh) | 2024-04-17 | 2024-04-17 | 一种自然资源监管视频拍摄防抖方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410460260.0A CN118102099A (zh) | 2024-04-17 | 2024-04-17 | 一种自然资源监管视频拍摄防抖方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118102099A true CN118102099A (zh) | 2024-05-28 |
Family
ID=91142182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410460260.0A Pending CN118102099A (zh) | 2024-04-17 | 2024-04-17 | 一种自然资源监管视频拍摄防抖方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118102099A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643699A (zh) * | 2016-12-26 | 2017-05-10 | 影动(北京)科技有限公司 | 一种虚拟现实系统中的空间定位装置和定位方法 |
CN111835973A (zh) * | 2020-07-22 | 2020-10-27 | Oppo(重庆)智能科技有限公司 | 拍摄方法、拍摄装置、存储介质与移动终端 |
CN112702528A (zh) * | 2020-12-28 | 2021-04-23 | 维沃移动通信有限公司 | 视频防抖方法、装置及电子设备 |
CN113497881A (zh) * | 2020-03-20 | 2021-10-12 | 华为技术有限公司 | 图像处理方法及装置 |
US20220187583A1 (en) * | 2019-09-05 | 2022-06-16 | Apton Biosystems, Inc. | High speed scanning systems for super resolution imaging |
CN114637890A (zh) * | 2020-12-16 | 2022-06-17 | 花瓣云科技有限公司 | 在图像画面中显示标签的方法、终端设备及存储介质 |
CN114979504A (zh) * | 2022-05-25 | 2022-08-30 | 深圳市汇顶科技股份有限公司 | 相机拍摄参数确定方法、装置及存储介质 |
CN115131222A (zh) * | 2021-03-29 | 2022-09-30 | 华为技术有限公司 | 一种图像处理方法以及相关设备 |
CN115134521A (zh) * | 2022-04-22 | 2022-09-30 | 咪咕视讯科技有限公司 | 视频拍摄防抖动方法、装置、设备及存储介质 |
CN115396597A (zh) * | 2022-08-16 | 2022-11-25 | 中国铁塔股份有限公司 | 视频防抖拼接方法及相关设备 |
WO2023279849A1 (zh) * | 2021-07-09 | 2023-01-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2024
- 2024-04-17 CN CN202410460260.0A patent/CN118102099A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643699A (zh) * | 2016-12-26 | 2017-05-10 | 影动(北京)科技有限公司 | 一种虚拟现实系统中的空间定位装置和定位方法 |
US20220187583A1 (en) * | 2019-09-05 | 2022-06-16 | Apton Biosystems, Inc. | High speed scanning systems for super resolution imaging |
CN113497881A (zh) * | 2020-03-20 | 2021-10-12 | 华为技术有限公司 | 图像处理方法及装置 |
CN111835973A (zh) * | 2020-07-22 | 2020-10-27 | Oppo(重庆)智能科技有限公司 | 拍摄方法、拍摄装置、存储介质与移动终端 |
CN114637890A (zh) * | 2020-12-16 | 2022-06-17 | 花瓣云科技有限公司 | 在图像画面中显示标签的方法、终端设备及存储介质 |
CN112702528A (zh) * | 2020-12-28 | 2021-04-23 | 维沃移动通信有限公司 | 视频防抖方法、装置及电子设备 |
CN115131222A (zh) * | 2021-03-29 | 2022-09-30 | 华为技术有限公司 | 一种图像处理方法以及相关设备 |
WO2023279849A1 (zh) * | 2021-07-09 | 2023-01-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN115134521A (zh) * | 2022-04-22 | 2022-09-30 | 咪咕视讯科技有限公司 | 视频拍摄防抖动方法、装置、设备及存储介质 |
CN114979504A (zh) * | 2022-05-25 | 2022-08-30 | 深圳市汇顶科技股份有限公司 | 相机拍摄参数确定方法、装置及存储介质 |
CN115396597A (zh) * | 2022-08-16 | 2022-11-25 | 中国铁塔股份有限公司 | 视频防抖拼接方法及相关设备 |
Non-Patent Citations (3)
Title |
---|
HUIJIAO WANG: "Enhancing Event-based Structured Light Imaging with a Single Frame", 《2022 IEEE INTERNATIONAL CONFERENCE ON MULTISENSOR FUSION AND INTEGRATION FOR INTELLIGENT SYSTEMS (MFI)》, 13 October 2022 (2022-10-13) * |
许杰: "基于无累积误差滤波的数字稳像算法", 《计算机应用研究》, 30 July 2014 (2014-07-30) * |
龙云腾;尤晓明;沈俊;: "基于块匹配与灰度投影视频防抖算法研究", 电视技术, no. 09, 5 September 2018 (2018-09-05) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021082662A1 (zh) | 辅助用户拍摄车辆视频的方法及装置 | |
CN111314604B (zh) | 视频防抖方法和装置、电子设备、计算机可读存储介质 | |
CN110866480A (zh) | 对象的跟踪方法及装置、存储介质、电子装置 | |
CN105955308A (zh) | 一种飞行器的控制方法和装置 | |
CA3172605A1 (en) | Video jitter detection method and device | |
CN107124542B (zh) | 图像的防抖处理方法和装置 | |
CN110738687A (zh) | 对象跟踪方法、装置、设备及存储介质 | |
CN112954315A (zh) | 一种安防摄像机图像对焦测量方法及系统 | |
CN109308704B (zh) | 背景剔除方法、装置、计算机设备及存储介质 | |
CN110991385A (zh) | 一种识别船只行驶轨迹的方法、装置及电子设备 | |
CN103581562A (zh) | 全景拍摄的方法和装置 | |
CN113365028A (zh) | 一种巡检路径的生成方法、装置及系统 | |
CN110458971B (zh) | 课堂考勤记录方法、装置、计算机设备和存储介质 | |
CN110766077A (zh) | 证据链图像中特写图筛选方法、装置和设备 | |
CN112836682B (zh) | 视频中对象的识别方法、装置、计算机设备和存储介质 | |
CN114040094A (zh) | 一种基于云台相机的预置位调节方法和设备 | |
CN113014876A (zh) | 视频监控方法、装置、电子设备及可读存储介质 | |
CN118102099A (zh) | 一种自然资源监管视频拍摄防抖方法和装置 | |
CN109062220B (zh) | 控制终端运动的方法和装置 | |
JP2018201146A (ja) | 画像補正装置、画像補正方法、注目点認識装置、注目点認識方法及び異常検知システム | |
CN111612827A (zh) | 基于多摄像头的目标位置确定方法、装置和计算机设备 | |
CN112437253B (zh) | 一种视频拼接方法、装置、系统、计算机设备和存储介质 | |
KR101576426B1 (ko) | 어안 렌즈를 이용한 감시 장치 및 방법 | |
KR102630844B1 (ko) | 인공지능 카메라 시스템, 인공지능 카메라 시스템에서의 영상 변환 방법, 및 컴퓨터 판독 가능 매체 | |
CN112233020A (zh) | 无人机图像拼接方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |