[发明专利]一种基于人工智能的相机防抖动自适应调节方法及系统

权利要求书

1.一种基于人工智能的相机防抖动自适应调节方法，其特征在于，所述方法包括：

采集当前图像，对所述当前图像进行极坐标变换，得到当前极坐标图像；

利用预先训练的关键点检测网络处理所述当前极坐标图像，获得包含两类关键点的热图信息；根据所述热图信息获得所述两类关键点的坐标信息；根据所述两类关键点的坐标信息获得相邻不同类别关键点的距离平均值h，进而得到反映相机抖动程度的相邻帧图像的所述距离平均值h之差Δh；

利用边缘提取网络对所述当前图像进行边缘提取，经过梯度处理后输入第一全连接神经网络根据预设图像质量等级进行分类，获得图像的质量等级G；

构建相机快门速度模型v＝a*ln(G+Δh)+k；其中a和k为第一类拟合参数，v表示相机快门速度；

获取光照强度I，构建相机感光度模型其中b和c为第二类拟合参数，s表示相机感光度；

利用所述相机快门速度模型和所述相机感光度模型调节相机参数。

2.如权利要求1所述的一种基于人工智能的相机防抖动自适应调节方法，其特征在于：所述当前图像进行极坐标变换包括以下步骤：

设置当前图像中心点坐标为(x₀,y₀)，对于平面上任意一点(x,y)，以(x₀,y₀)为中心点，使用对数极坐标进行变换。

3.如权利要求1或者2所述的一种基于人工智能的相机防抖动自适应调节方法，其特征在于：所述关键点检测网络的训练过程包括以下步骤：

采集训练图像，将所述训练图像经过极坐标转换为训练极坐标图像；

在所述训练极坐标图像内以图像中心点为原点绘制一个半径为R的圆和一个半径为r的圆，Rr且R不大于图片的外接圆半径；

以所述半径为R的圆与所述当前极坐标图像的螺旋线的交点为第一类关键点，以所述半径为r的圆与所述当前极坐标图像的螺旋线的交点为第二类关键点；

将两类关键点的位置利用高斯卷积核生成高斯热斑，作为关键点的标注信息；

将所述标注信息和所述极坐标图像作为训练集训练所述关键点检测网络。

4.如权利要求1所述的一种基于人工智能的相机防抖动自适应调节方法，其特征在于：所述两类关键点的坐标信息的获取具体包括以下步骤：

获得两类关键点在所述热图信息上的图像坐标；

获得所述热图信息中心点与第二类关键点的连线；

将所述连线延长，得到所述连线在半径为R的圆的交点，得到所述交点坐标信息；所述交点坐标信息表示第二类关键点在半径为R的圆上的坐标信息。

5.如权利要求1所述的一种基于人工智能的相机防抖动自适应调节方法，其特征在于：所述第一类拟合参数获取过程包括：

将多个已知质量等级和抖动程度的样本数据输入第二全连接神经网络，拟合得到所述第一类拟合参数a和k。

6.如权利要求1所述的一种基于人工智能的相机防抖动自适应调节方法，其特征在于：所述第二类拟合参数获取过程包括：

将多个已知相机感光度、光照强度、质量等级和抖动程度的样本数据输入第三全连接神经网络，拟合得到所述第二类拟合参数b和c。

7.一种基于人工智能的相机防抖动自适应调节系统，其特征在于：包括图像获取模块、抖动检测模块、图像质量分析模块、光照强度获取模块和在线学习模块；

图像获取模块用于采集图像，所述图像包括所述第一训练图像、第二训练图像和所述当前图像；

抖动检测模块用于对所述当前图像进行极坐标变换，自动添加特征点，使用关键点检测网络输出特征点位置信息，获得相机抖动程度；

图像质量分析模块用于提取所述当前图像的边缘特征，梯度处理后经过第一全连接神经网络对图像的质量进行判定，输出图像质量等级G；

光照强度获取模块用于获取当前环境的光照强度；

在线调节模块储存有所述相机快门速度模型和所述相机感光度模型，用于适应变化的环境，实时调整相机参数。