[发明专利]一种基于强化学习的显示器屏幕刷新频率追踪方法

说明书

本发明公开的一种基于强化学习的显示器屏幕刷新频率追踪方法，包括通过显示屏持续播放视频画面，视觉传感器以初始采样频率F0对画面进行采样；学习单元实时读取画面帧，并对图像做差分运算，差分运算后的图像输入学习算法模型；场景同步单元根据差分图像的灰度大小与分布进行判断前后帧的相似度，得到差分图像值；若差分图像值大于预定阈值，则冻结当前差分图像，直至差分图像值小于预定阈值。

技术领域

本发明涉及屏幕刷屏频率追踪领域，更具体的，涉及一种基于强化学习的显示器屏幕刷新频率追踪方法。

背景技术

显示器的光学属性测定包括显示器的时间稳定性、亮度和色度均匀性、色域、色品恒定性、通道独立性及色温等，传统的显示器测量需要给定屏幕特定颜色的纯色画面进行显示，同时利用亮度计、色度计和视觉传感器等多种设备对屏幕的光学特性进行测量并与已知的样本图像特征进行比对，从而计算出显示器的这些光学属性。这类设备种类多、成本高，对环境光照条件要求苛刻，且体积和重量较大，通常需要部署在专门的光学实验室，存在以下问题：

1. 无法对播放任意视频画面的显示器进行频率测定，因为光电传感器测定的是显示器的亮度绝对值的变化，而屏幕刷新、画面内容的切换均会导致前后时刻的亮度差异，已有方法均是对纯色画面进行测定，获得屏幕亮度随时间的变化波形，从而得到显示器刷新频率。

2. 无法对刷新频率动态变化的显示器进行频率跟踪，如VR眼镜中的画面渲染存在低功耗模式，需要根据画面内容变化、VR头盔的姿态变化来动态调节显示屏的工作参数，在对其光电属性测定时，如果能根据一段时间的频率变化来预测后续时刻的频率，响应时间更短则会获得更好的动态性能测量效果，但是光电传感器仅对瞬时的频率进行测量而无法与前面一段时间频率变化趋势进行关联和预测。

随着视觉传感器和图像处理算法的发展，视觉传感器的亮度和色度测量精度和分辨率已有显著提高，且基于视觉传感器可采集到一段时间内的亮度变化特征，具备变化趋势预测的能力。

但是，不同于自然景物的拍摄，在单纯依赖视觉传感器对显示器进行亮度采样时，视觉传感器的采样频率和显示器的刷新频率的不一致会导致两者之间存在着频率失步造成采样画面伴入频闪条纹噪声的现象。频率失步是指屏幕画面是动态刷新而不是自然景物反射光照的一个持续不变的画面，视觉传感器采样时也存在一个帧率，表征一秒内拍摄画面的次数，假设屏幕刷新频率为α，视觉传感器采样率为β，当α≠β或者两者时间不同步时，会造成拍摄的画面中有面积、移动速度不一的黑色纹理产生，就是所谓的“频闪现象”，如图1所示，特别是在VR设备中，为了给人眼渲染更为自然的画面感，其屏幕刷新率高达90Hz，且这类设备的刷新频率难以通过软件控制，这对视觉传感器的同步动作要求也更高。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于强化学习的显示器屏幕刷新频率追踪方法，该方法可支持任意画面内容播放场景中的显示器刷新频率追踪，可用于各类光电显示器、VR设备等屏幕的刷新频率等光电属性测定。

本发明第一方面提供了一种基于强化学习的显示器屏幕刷新频率追踪方法，包括如下步骤：

通过显示屏持续播放视频画面，视觉传感器以初始采样频率F0对画面进行采样；

学习单元实时读取画面帧，并对图像做差分运算，差分运算后的图像输入学习算法模型；

场景同步单元根据差分图像的灰度大小与分布进行判断前后帧的相似度，得到差分图像值；

若差分图像值大于预定阈值，则冻结当前差分图像，直至差分图像值小于预定阈值。

本发明一个较佳实施例中，差分运算方式为：

   (1)