[发明专利]用于调节相机的方法、装置、电子设备与存储介质在审
申请号: | 202010617545.2 | 申请日: | 2020-06-30 |
公开(公告)号: | CN111787222A | 公开(公告)日: | 2020-10-16 |
发明(设计)人: | 齐欢 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
主分类号: | H04N5/232 | 分类号: | H04N5/232;G06N3/04;G06N3/08 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 张娜;臧建明 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 调节 相机 方法 装置 电子设备 存储 介质 | ||
1.一种用于调节相机的方法,包括:
获取所述相机的当前网络状态值,其中所述当前网络状态值是根据所述相机采集的当前的图像信息确定的;
将所述当前的网络状态值通过深度强化学习模型确定能使所述相机奖励值增大的网络动作值,其中所述奖励值与所述相机采集的图像质量参数相关,所述相机采集的图像质量随着所述奖励值的增大而提高,所述网络动作值包括能使所述奖励值增大的所述相机的参数;以及
根据所述能使奖励值增大的网络动作值对所述相机的参数进行调节,以使得所述相机获取的图像质量更佳。
2.根据权利要求1所述的方法,在所述将所述当前的网络状态值通过深度强化学习模型确定能使所述相机奖励值增大的网络动作值之前,还包括:
根据所述相机的不同网络状态值,对所述深度强化学习模型进行训练,以确定能使所述相机奖励值增大的网络动作值。
3.根据权利要求2所述的方法,其中,所述根据所述相机的不同网络状态值,对所述深度强化学习模型深度强化学习模型进行训练,以确定能使所述相机奖励值增大的网络动作值,包括:
根据所述相机在不同场景下的不同网络状态值对所述深度强化学习模型深度强化学习模型进行训练,以确定所述相机在不同场景下能使奖励值增大的网络动作值。
4.根据权利要求1所述的方法,其中,所述图像信息包括人脸信息和人体结构化信息中的至少一种,所述图像质量参数包括清晰度、亮度和完整度。
5.根据权利要求4所述的方法,其中,所述图像信息包括人脸信息时,所述图像质量参数还包括人脸大小和人脸角度。
6.根据权利要求1所述的方法,其中,所述相机的参数包括相机的角度、相机的焦距和相机的光学参数。
7.根据权利要求6所述的方法,其中,所述根据所述能使奖励值增大的网络动作值对所述相机的参数进行调节,包括:
根据所述能使所述奖励值增大的所述网络动作值,对所述相机的角度、所述相机的焦距和所述相机的光学参数中的至少一种进行调节。
8.根据权利要求1所述的方法,还包括:
确定增大的奖励值是否达到奖励值阈值;以及
当所述增大的奖励值达到所述奖励值阈值,结束调节。
9.一种用于调节相机的装置,包括:
获取模块,用于获取所述相机的当前网络状态值,其中所述当前网络状态值是根据所述相机采集的当前的图像信息确定的;
确定模块,用于将所述当前的网络状态值通过深度强化学习模型确定能使所述相机奖励值增大的网络动作值,其中所述奖励值与所述相机采集的图像质量参数相关,所述相机采集的图像质量随着所述奖励值的增大而提高,所述网络动作值包括能使所述奖励值增大的所述相机的参数;以及
调节模块,用于根据所述能使奖励值增大的网络动作值对所述相机的参数进行调节,以使得所述相机获取的图像质量更佳。
10.根据权利要求9所述的装置,还包括:
训练模块,用于根据所述相机的不同网络状态值,对所述深度强化学习模型进行训练,以确定能使所述相机奖励值增大的网络动作值。
11.根据权利要求10所述的装置,其中,所述训练模块,用于:
根据所述相机在不同场景下的不同网络状态值对所述深度强化学习模型深度强化学习模型进行训练,以确定所述相机在不同场景下能使所述奖励值增大的网络动作值。
12.根据权利要求9所述的装置,其中,所述图像信息包括人脸信息和人体结构化信息中的至少一种,所述图像质量参数包括清晰度、亮度和完整性。
13.根据权利要求12所述的装置,其中,所述图像信息包括人脸信息时,所述图像质量参数还包括人脸大小和人脸角度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010617545.2/1.html,转载请声明来源钻瓜专利网。