[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

说明书

本发明涉及人工智能领域，具体涉及一种基于人工智能的相机防抖动自适应调节方法及系统。采集当前图像，对当前图像进行极坐标变换，在极坐标图像上标注两类关键点，经过关键点检测网络的处理，通过坐标转换得到关键点坐标信息，计算两类关键点的平均距离，输出相邻帧图片的距离差作为相机抖动程度；利用边缘提取网络对所述图像进行边缘提取，经过梯度处理后送入第一全连接神经网络进行分类，获得图像的质量等级；获取光照强度，根据光照强度、抖动程度和质量等级构建相机参数模型；根据模型实时调整相机参数。在光伏电站的特殊环境，通过实时调整相机参数可以快速有效的消除抖动对相机成像的影响。

技术领域

本发明涉及人工智能领域，具体涉及一种基于人工智能的相机防抖动自适应调节方法及系统。

背景技术

光伏发电行业随着人工智能的发展，也想着智能化方向发展。对光伏电池板表面的图像进行采集时，相机的抖动会造成获得的图像拼接不齐且边缘模糊。

在现有技术中消除抖动的方法一般采用拍摄多张图片，根据不同图片的不同参数，拼接合成一张图片。

发明人在实践中，发现上述现有技术存在以下缺陷：

在相机抖动过程中相机会拍摄大量具有抖动效果的图片，只通过图片上的处理运算并不能有效减少相机抖动对拍摄的图片的影响。而且图片的剪切处理时间较长，在光伏电站环境中拍摄速度较慢，不适合光伏电站的工作环境，无法从相机本身上消除抖动对拍摄图像的影响。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的相机防抖动自适应调节方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于人工智能的相机防抖动自适应调节方法，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。

进一步地，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。

进一步地，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；