基于人工智能的智能摄像头自动调控方法及系统技术方案

本发明专利技术涉及图像通信技术领域，具体涉及基于人工智能的智能摄像头自动调控方法及系统，该方法获取监控图像的灰度图像，确定灰度图像中的边界点进而获取边界线，将不能构成封闭区域的边界线作为目标边界线，获取目标边界线的生长边缘线确定目标边界线的边缘细节丢失概率，根据边缘细节丢失概率获取目标边界线对应的封闭区域，通过灰度共生矩阵获取封闭区域的清晰度，通过封闭区域与背景区域之间的灰度值获取对比度，通过清晰度与对比度获取图像模糊程度，根据边缘细节丢失概率与图像模糊程度获取图像质量评价指标，基于图像质量评价指标获取最优曝光时间，基于最优曝光时间对图像采集设备进行自动调控，提高采集图像质量。提高采集图像质量。提高采集图像质量。

【技术实现步骤摘要】
基于人工智能的智能摄像头自动调控方法及系统


[0001]本专利技术涉及图像通信
，具体涉及基于人工智能的智能摄像头自动调控方法及系统。

技术介绍

[0002]摄像头是一种视频输入设备，被广泛的运用于视频会议、远程医疗及实时监控等方面。一个涉及硬件和软件的成像系统，成像的质量好坏往往受到来自外界干扰和自身限制的很多因素的影响，这些影响会产生噪声和成像不均匀，导致图像数据质量较差，对后续的处理造成影响，故需对摄像头进行调控提高图像数据质量。
[0003]现有技术对于提高图像数据质量的方法通常是根据摄像头拍摄的历史图像的最大曝光时间和最小曝光时间，以及当前拍摄图像的灰度值和曝光时间获取最优曝光时间，进而基于最优曝光时间获取高质量的拍摄图像。由于该方法中当前拍摄图像中存在噪点或成像不均匀时，会导致当前拍摄图像的灰度值出现偏差，使得由灰度值获取的最优曝光时间不准确，进而影响拍摄的图像质量。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能的智能摄像头自动调控方法及系统，所采用的技术方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的智能摄像头自动调控方法，其特征在于，该方法包括以下步骤：利用图像采集设备采集监控图像，获取监控图像对应的灰度图像；将所述灰度图像中的像素点划分为核心点、边界点和噪声点，将相邻所述边界点连接，得到至少两条边界线，根据边界线获取封闭区域，将不能构成封闭区域的边界线作为目标边界线，基于目标边界线获得生长边缘线，在目标边界线上每间隔设定数量的像素点得到一个目标像素点，根据目标像素点获得至少两条实际边缘线，每条实际边缘线上的目标像素点的数量和生长边缘线上的像素点的数量相同，获取每条实际边缘线与生长边缘线之间的形状相似值，根据生长边缘线与每条实际边缘线之间的灰度差异以及形状相似值计算生长边缘线的边缘细节丢失概率，根据边缘细节丢失概率获取目标边界线对应的封闭区域；获取所述灰度图像中每个封闭区域的灰度共生矩阵得到对应封闭区域的清晰度；根据每一个封闭区域和背景区域之间的灰度差异获得封闭区域与背景区域之间的对比度，背景区域是指所述灰度图像中除去封闭区域的其他区域；根据所述清晰度和所述对比度获得监控图像的图像模糊程度；结合目标边界线的边缘细节丢失概率和图像模糊程度获取监控图像的图像质量评价指标，基于图像质量评价指标获取最优曝光时间，基于最优曝光时间对图像采集设备进行自动调控。2.如权利要求1所述的基于人工智能的智能摄像头自动调控方法，其特征在于，所述将所述灰度图像中的像素点划分为核心点、边界点和噪声点的方法，包括：以所述灰度图像中的每个像素点为中心像素点获取设定尺寸的窗口区域，计算窗口中每个邻域像素点与中心像素点之间的灰度差值绝对值，将灰度差值绝对值的相反数代入以自然常数e为底数的指数函数中得到第三结果，计算常数1与第三结果的差值作为对应邻域像素点与中心像素点之间的距离度量；获取窗口区域内每个邻域像素点与中心像素点之间的距离度量，当距离度量满足距离阈值时，确认对应邻域像素点为中心像素点的同类像素点；统计窗口区域内同类像素点的数量，当数量满足数量阈值时，确认中心像素点为核心点；当数量不满足数量阈值且对应中心像素点位于其他核心点的窗口区域内时，确认对应中心像素点为边界点；所述灰度图像中的非边界点和非核心点的像素点确认为噪声点。3.如权利要求1所述的基于人工智能的智能摄像头自动调控方法，其特征在于，所述目标边界线对应的封闭区域的获取方法，包括：计算生长边缘线上的任意一个像素点与任意一条实际边缘线上相对应位置的目标像素点之间的灰度差值绝对值，将灰度差值绝对值的相反数代入以自然常数e为底数的指数函数中得到第四结果，根据生长边缘线与任意一条实际边缘线之间的所有第四结果计算平均第四结果，将平均第四结果与对应的形状相似值的乘积作为边缘细节丢失概率；获取每条实际边缘线与生长边缘线之间的边缘细节丢失概率，当最大的边缘细节丢失概率满足概率阈值时，确定生长边缘线作为目标边界线对应的缺失部分的实际边缘线，进而得到目标边界线的封闭区域。4.如权利要求1所述的基于人工智能的智能摄像头自动调控方法，其特征在于，所述根据每一个封闭区域和背景区域之间的灰度差异获得封闭区域与背景区域之间的对比度的方法，包括：获取任意一个封闭区域内以及背景区域内像素点的平均灰度值，得到最大平均灰度
值；计算任意一个封闭区域的平均灰度值与背景区域的平均灰度值的差值绝对值，以差值绝对值为分子，最大平均灰度值为分母得到对应的比值，根据所有封闭区域对应的比值计算平均比值作为对比度。5.如权利要求1所述的基于人工智能的智能摄像头自动调控方法，其特征在于，所述根据所述清晰度和所述对比度获得监控图像的图像模糊程度的方法，包括：在封闭区域之间不存在包含的情况下，根据所述灰度图像中每个封闭区域的清晰度计算平均清晰度作为封闭区域的整体清晰度，获取整体清晰度与对比度的平均数，计算常数1与平均数的差值作为监控图像的图像模糊程度；在封闭区域之间存在包含的情况下，计算相互包含的两个封闭区域属于同一区域的可能性指...

【专利技术属性】
技术研发人员：程伟，杨丽丹，杨顺作，杨丽香，杨金燕，杨丽霞，
申请(专利权)人：深圳市泰迅数码有限公司，
类型：发明
国别省市：