CN113365023B - 一种云台视角校正方法及装置、电子设备和存储介质 - Google Patents
一种云台视角校正方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113365023B CN113365023B CN202110438526.8A CN202110438526A CN113365023B CN 113365023 B CN113365023 B CN 113365023B CN 202110438526 A CN202110438526 A CN 202110438526A CN 113365023 B CN113365023 B CN 113365023B
- Authority
- CN
- China
- Prior art keywords
- preset
- angle
- image frame
- score
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种云台视角校正方法及装置、电子设备和存储介质。其中,云台视角校正方法包括:获取云台当前视角对应的图像帧,对当前视角对应的图像帧进行处理,得到图像帧对应的业务评分;判断图像帧的业务评分是否大于预设的评分阈值;若业务评分大于预设的评分阈值,将当前视角作为目标视角;若业务评分不大于预设的评分阈值,基于预设的视角增量值控制云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至业务评分大于预设的评分阈值。在本发明中,利用上述方法对云台进行视角校正,通过校正确定云台的目标视角,提高了通用性。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种云台视角校正方法及装置、电子设备和存储介质。
背景技术
在装修领域,通过加强对装修现场的管控,可以有效的控制装修成本。
常用的对装修现场进行管控的措施主要指,在装修现场布置云台设备,通过布置的云台设备对装修现场进行监控。具体而言,布置于装修现场的云台设备可以以视频形式获取其视野内的实时场景,并可以对获取的视频进行存储;进一步地,通过实时查看视频或者回看视频的方式,对获取的装修现场的实时场景进行分析,得到分析结果,并根据分析结果确定装修现场是否发生违规,若发生违规,则对发生的违规进行处理,若未发生违规,则继续执行对装修现场进行监控的步骤。
上述对装修现场进行管控的措施存在的缺点或不足包括:利用在装修现场布置云台设备,通过布置的云台设备对装修现场进行监控,由于云台设备可能安装不规范、视角被频繁调整,或视角被固定于某一特定角度,故而,存在通用性差的问题。
发明内容
针对现有技术中存在的问题,本发明的实施例提供一种云台视角校正方法及装置、电子设备和存储介质。
本发明提供一种云台视角校正方法,包括:获取云台当前视角对应的图像帧,对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分;
判断所述图像帧的业务评分是否大于预设的评分阈值;
若所述业务评分大于所述预设的评分阈值,将所述当前视角作为目标视角;
若所述业务评分不大于所述预设的评分阈值,基于预设的视角增量值控制所述云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至所述业务评分大于预设的评分阈值。
根据本发明提供的一种云台视角校正方法,所述对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分,包括:
将所述当前视角对应的图像帧输入预设的图像分割模型进行处理,得到对应的地面分割图像,其中,所述地面分割图像包括地面区域;所述图像分割模型由基于预设的样本图像以及预设的样本图像对应的分割区域进行训练得到;
确定所述地面区域在所述地面分割图像中的占比,基于所述占比以及预设的评分规则,得到所述图像帧对应的所述业务评分。
根据本发明提供的一种云台视角校正方法,所述预设的视角增量值包括预设的横向角度增量值和预设的纵向角度增量值;所述下一个视角包括横向视角和纵向视角;
基于所述预设的视角增量值控制所述云台调整至下一个视角,包括:
基于所述预设的横向角度增量值控制所述云台沿横向转动至下一个所述横向视角,基于所述预设的纵向角度增量值控制所述云台沿纵向转动至下一个所述纵向视角。
根据本发明提供的一种云台视角校正方法,所述基于所述预设的横向角度增量值控制所述云台沿横向转动至下一个横向视角,基于所述预设的纵向角度增量值控制所述云台沿纵向转动至下一个纵向视角,包括:
基于所述预设的横向角度增量值,控制所述云台在预设的横向角度范围内沿横向转动至第i个横向视角;其中,i小于等于m,所述预设的横向角度范围包括,m个所述预设的横向角度增量值之和;
基于所述预设的纵向角度增量值,控制所述云台在预设的纵向角度范围内依次沿纵向转动至n个纵向视角;其中,所述预设的纵向角度范围包括,n个所述预设的纵向角度增量值之和;
将i自增1,在确定自增1后的i小于等于m的情况下,继续执行基于所述预设的横向角度增量值,控制所述云台在预设的横向角度范围内沿横向转动至第i个横向视角的步骤。
根据本发明提供的一种云台视角校正方法,所述基于预设的视角增量值控制所述云台调整至下一个视角之前,还包括:
控制所述云台分别在所述预设的横向角度范围和所述预设的纵向角度范围内转动,直至所述云台转动至起始横向角度和起始纵向角度对应的位置。
根据本发明提供的一种云台视角校正方法,所述方法,还包括:
获取校正时间范围,在所述校正时间范围内,确定所述云台获取的所述图像帧对应的所述业务评分均小于等于所述预设的评分阈值的情况下,生成预警信息。
根据本发明提供的一种云台视角校正方法,所述基于所述占比以及预设的评分规则,得到所述图像帧对应的所述业务评分,包括:
确定所述预设的评分规则的多个规则项;
将所述占比与所述多个规则项分别进行匹配,得到与所述占比匹配的目标规则项;
确定所述目标规则项对应的评分为所述图像帧对应的所述业务评分。
本发明还提供一种云台视角校正装置,包括:获取模块,用于获取云台当前视角对应的图像帧,对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分;
判断模块,用于判断所述图像帧的业务评分是否大于预设的评分阈值;
基础模块,用于若所述业务评分大于所述预设的评分阈值,将所述当前视角作为目标视角;
控制模块,用于若所述业务评分不大于所述预设的评分阈值,基于预设的视角增量值控制所述云台调整至下一个视角,继续通过获取模块获取云台的图像帧及其对应的业务评分,直至所述业务评分大于预设的评分阈值。
根据本发明提供的一种云台视角校正装置,所述获取模块,包括:
分割子模块,用于将所述当前视角对应的图像帧输入预设的图像分割模型进行处理,得到对应的地面分割图像,其中,所述地面分割图像包括地面区域;所述图像分割模型由基于预设的样本图像以及预设的样本图像对应的分割区域进行训练得到;
评分子模块,用于确定所述地面区域在所述地面分割图像中的占比,基于所述占比以及预设的评分规则,得到所述图像帧对应的所述业务评分。
根据本发明提供的一种云台视角校正装置,所述控制模块,还用于:
基于预设的横向角度增量值控制所述云台沿横向转动至下一个横向视角,基于预设的纵向角度增量值控制所述云台沿纵向转动至下一个纵向视角;
其中,所述预设的视角增量值包括,所述预设的横向角度增量值和所述预设的纵向角度增量值;所述下一个视角包括,所述横向视角和所述纵向视角。
根据本发明提供的一种云台视角校正装置,所述控制模块,进一步用于:
基于所述预设的横向角度增量值,控制所述云台在预设的横向角度范围内沿横向转动至第i个横向视角;其中,i小于等于m,所述预设的横向角度范围包括,m个所述预设的横向角度增量值之和;
基于所述预设的纵向角度增量值,控制所述云台在预设的纵向角度范围内依次沿纵向转动至n个纵向视角;其中,所述预设的纵向角度范围包括,n个所述预设的纵向角度增量值之和;
将i自增1,在确定自增1后的i小于等于m的情况下,继续基于所述预设的横向角度增量值,控制所述云台在预设的横向角度范围内沿横向转动至第i个横向视角。
根据本发明提供的一种云台视角校正装置,所述控制模块,进一步用于:
基于预设的视角增量值控制所述云台调整至下一个视角前,控制所述云台分别在所述预设的横向角度范围和所述预设的纵向角度范围内转动,直至所述云台转动至起始横向角度和起始纵向角度对应的位置。
根据本发明提供的一种云台视角校正装置,所述装置,还包括:
预警模块,用于获取校正时间范围,在所述校正时间范围内,确定所述云台获取的所述图像帧对应的所述业务评分均小于等于所述预设的评分阈值的情况下,生成预警信息。
根据本发明提供的一种云台视角校正装置,所述评分子模块,具体用于:
确定所述预设的评分规则的多个规则项;
将所述占比与所述多个规则项分别进行匹配,得到与所述占比匹配的目标规则项;
确定所述目标规则项对应的评分为所述图像帧对应的所述业务评分。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述云台视角校正方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述云台视角校正方法的步骤。
本发明提供的一种云台视角校正方法及装置、电子设备和存储介质,通过获取云台当前视角对应的图像帧,对当前视角对应的图像帧进行处理,得到图像帧对应的业务评分;判断图像帧的业务评分是否大于预设的评分阈值;若业务评分大于预设的评分阈值,将当前视角作为目标视角;若业务评分不大于预设的评分阈值,基于预设的视角增量值控制云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至业务评分大于预设的评分阈值。在本发明中,利用上述方法对云台进行视角校正,通过校正确定云台的目标视角,提高了通用性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的云台视角校正方法的流程示意图;
图2是本发明实施例提供的云台视角校正方法中生成业务评分的流程示意图;
图3是本发明实施例提供的云台视角校正方法中调整云台的流程示意图;
图4是本发明实施例提供的云台视角校正方法的细化流程示意图;
图5是本发明实施例提供的云台视角校正装置的结构示意图;
图6是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
附图仅为示例而并非严格按比例绘制。如在本文中使用的,用语“优选”以及类似的用语,用作表近似,而不用作表程度,并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。应注意,在本说明书中,“第一”、“第二”、“第三”等的表述仅用于将一个特征与另一个特征区分开来,而不表示对特征的任何限制,尤其不表示任何的先后顺序。
还应理解的是,诸如“包括”、“包括有”、“包含”和/或“包含有”等表述在本说明书中是开放性而非封闭性的表述,其表示存在所陈述的特征、元件和/或部件,但不排除一个或多个其它特征、元件、部件和/或它们的组合的存在。此外,当描述本申请的实施方式时,使用“可”表示“本申请的一个或多个实施方式”。并且,用语“示例性的”旨在指代示例或举例说明。
除非另外限定,否则本文中使用的所有措辞(包括工程术语和科技术语)均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是,除非本申请中有明确的说明,否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义,而不应以理想化或过于形式化的意义解释。
为了解决现有技术中存在的问题,本发明的实施例提供一种云台视角校正方法及装置、电子设备和存储介质。
图1是根据本发明的一个实施例提供的云台视角校正方法的流程示意图。如图1所示,该方法包括:
步骤101,获取云台当前视角对应的图像帧,对当前视角对应的图像帧进行处理,得到图像帧对应的业务评分。
具体地,获取云台当前视角对应的图像帧,对当前视角对应的图像帧进行处理,得到图像帧对应的业务评分是指,当云台处于当前视角时,获取云台在当前视角对应的图像帧,对获取的当前视角对应的图像帧进行处理,得到前述获取的图像帧对应的业务评分。
对应地,在确认云台处于当前视角前,还需要将云台部署于目标施工现场,并将已部署的云台连接于控制目标施工现场的控制服务器。具体而言,云台处于当前视角时,获取云台在当前视角对应的图像帧,对获取的当前视角对应的图像帧进行处理,得到前述获取的图像帧对应的业务评分,对应的过程包括:通过已部署的云台,获取在当前视角对应的图像帧;前述控制服务器通过“视角图片智能评分”服务,对获取的当前视角对应的图像帧进行处理,得到前述获取的图像帧对应的业务评分。
基于以上实施例,图2是根据本发明的一个实施例提供的云台视角校正方法中生成业务评分的流程示意图,如图2所示,步骤101具体包括:
步骤201,将当前视角对应的图像帧输入预设的图像分割模型进行处理,得到对应的地面分割图像。
具体地,将当前视角对应的图像帧输入预设的图像分割模型进行处理,得到对应的地面分割图像是指,将获取的云台当前视角对应的图像帧输入至图像分割模型,利用图像分割模型对输入的图像帧进行处理得到前述输入的图像帧对应的地面分割图像。其中,地面分割图像包括地面区域;图像分割模型由基于预设的样本图像以及预设的样本图像对应的分割区域进行训练得到。
对应地,图像分割模型由多层全卷积网络和FCN分割算法组合形成;具体而言,利用图像分割模型对输入的图像帧进行处理得到前述输入的图像帧对应的地面分割图像是指,利用图像分割模型对输入的图像帧的地面区域进行确认,并在前述输入的图像帧表面对确认的地面区域进行分割,得到前述输入的图像帧对应的地面分割图像。
步骤202,确定地面区域在地面分割图像中的占比,基于占比以及预设的评分规则,得到图像帧对应的业务评分。
具体地,确定地面区域在地面分割图像中的占比,基于占比以及预设的评分规则,得到图像帧对应的业务评分是指,确定地面分割图像中地面区域的面积占地面分割图像总面积的占比;并预先设置评分规则,基于前述占比以及预设的评分规则,得到图像帧但对应的业务评分。
对应地,基于占比以及预设的评分规则,得到图像帧对应的业务评分的步骤包括:
确定预设的评分规则的多个规则项;将占比与多个规则项分别进行匹配,得到与占比匹配的目标规则项;确定目标规则项对应的评分为图像帧对应的业务评分。
优选地,确定地面分割图像中地面区域的面积占地面分割图像总面积的占比的方式可以包括多种,本发明不对其进行具体限定;在发明中,可以利用将地面分割图像中地面区域的总像素与地面分割图像的总像素作商,来确定地面分割图像中地面区域的面积占地面分割图像总面积的占比。
示例性地,预设的评分规则的多个规则项可以包括:地面分割图像中地面区域的面积占地面分割图像总面积的占比位于大于等于40%,且小于等于60%的范围内,对应的业务评分为90分;地面分割图像中地面区域的面积占地面分割图像总面积的占比位于大于等于20%且小于40%,或者大于60%且小于等于70%的范围内,对应的业务评分为60分;地面分割图像中地面区域的面积占地面分割图像总面积的占比位于其他范围内,对应的业务评分为50分。其中,若占比为47%,则图像帧对应的业务评分为90分;若占比为32%或66%,则图像帧对应的业务评分为60分;若占比为13%或87%,则图像帧对应的业务评分为50分。
需要说明的是,预设的评分规则的多个规则项可以根据实际情况进行具体设定,本发明不对其进行限定。
步骤102,判断图像帧的业务评分是否大于预设的评分阈值。
具体地,判断图像帧的业务评分是否大于预设的评分阈值是指,预设评分阈值,将图像帧的业务评分与预设的评分阈值进行比较,判断图像帧的业务评分是否大于预设的评分阈值。
示例性地,若图像帧的业务评分为X,且预设的评分阈值为Y,将X与Y进行比较,判断X是否大于Y。
步骤103,若业务评分大于预设的评分阈值,将当前视角作为目标视角。
具体地,若业务评分大于预设的评分阈值,将当前视角作为目标视角是指,若当前视角对应的图像帧的业务评分大于预设的评分阈值,将当前视角作为目标视角。
示例性地,若当前视角对应的图像帧的业务评分为X1,且预设的评分阈值为Y1,同时,X1大于Y1,将云台的当前视角作为目标视角。
步骤104,若业务评分不大于预设的评分阈值,基于预设的视角增量值控制云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至业务评分大于预设的评分阈值。
具体地,若业务评分不大于预设的评分阈值,基于预设的视角增量值控制云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至业务评分大于预设的评分阈值是指,若当前视角对应的图像帧的业务评分不大于预设的评分阈值,对云台进行调整,调整的角度值为预设的视角增量值,使云台由当前视角调整至下一视角,并继续执行获取云台下一个视角对应的图像帧以及对下一个视角对应的图像帧进行处理得到对应的业务评分的步骤,直至得到的业务评分大于预设的评分阈值。
示例性地,若预设的视角增量值为A,当前视角为B,下一个视角为C,B对应的图像帧的业务评分为X2,且预设的评分阈值为Y2,同时,X1不大于Y1,将云台由B进行调整,调整A后调整至C,并继续执行获取C对应的图像帧以及对C对应的图像帧进行处理得到对应的业务评分的步骤。
对应地,预设的视角增量值包括预设的横向角度增量值和预设的纵向角度增量值;下一个视角包括横向视角和纵向视角。
进一步地,基于预设的视角增量值控制云台调整至下一个视角的步骤包括:
基于预设的横向角度增量值控制云台沿横向转动至下一个横向视角,基于预设的纵向角度增量值控制云台沿纵向转动至下一个纵向视角。
具体地,基于预设的横向角度增量值控制云台沿横向转动至下一个横向视角,基于预设的纵向角度增量值控制云台沿纵向转动至下一个纵向视角是指,控制云台由当前视角沿横向转动预设的横向角度增量值后,转动至下一个横向视角;待云台在横向转动完成后,将其由实时视角沿纵向转动预设的纵向角度增量值后,转动至下一个纵向视角。
其中,需要说明的是,在本发明中,横向是指与水平面平行的方向,纵向是指与水平面垂直的方向。
基于以上实施例,图3是根据本发明的一个实施例提供的云台视角校正方法中调整云台的流程示意图,如图3所示,基于预设的视角增量值控制云台调整至下一个视角的步骤,具体包括:
步骤301,基于预设的横向角度增量值,控制云台在预设的横向角度范围内沿横向转动至第i个横向视角。
具体地,基于预设的横向角度增量值,控制云台在预设的横向角度范围内沿横向转动至第i个横向视角是指,预设横向角度范围,在预设的横向角度范围内,基于预设的横向角度增量值,控制云台沿横向转动至i个横向视角。其中,预设的横向角度范围包括,m个预设的横向角度增量值之和,且i小于等于m。
示例性地,若预设的横向角度范围为300°至360°,且预设的横向角度增量值ABS/10,则在300°至360°的范围内,基于ABS/10,控制云台沿横向转动至i个横向视角。
优选地,在本发明中,选择i为1。
需要说明的是,在本发明中,横向是指与水平面平行的方向。
步骤302,基于预设的纵向角度增量值,控制云台在预设的纵向角度范围内依次沿纵向转动至n个纵向视角。
具体地,基于预设的纵向角度增量值,控制云台在预设的纵向角度范围内依次沿纵向转动至n个纵向视角是指,预设纵向角度范围,在预设的纵向角度范围内,基于预设的纵向角度增量值,控制云台沿纵向转动至n个纵向视角。其中,预设的纵向角度范围包括,n个预设的纵向角度增量值之和。
示例性地,若预设的纵向角度范围为90°至140°,且预设的纵向角度增量值VER/4,则在90°至140°的范围内,基于VER/4,控制云台沿纵向转动至n个横向视角。
优选地,在本发明中,选择n为4。
需要说明的是,在本发明中,纵向是指与水平面垂直的方向。
步骤303,将i自增1,判断自增1后的i是否小于等于m。
其中,在确定自增1后的i小于等于m的情况下,执行步骤301,在确定自增1后的i大于m的情况下,执行步骤304。
步骤304,在确定自增1后的i大于m的情况下,结束对云台的控制进程。
示例性地,需要说明的是,继续执行基于预设的横向角度增量值,控制云台在预设的横向角度范围内沿横向转动至第i个横向视角的步骤的频率,可以为30分钟/次。
另外,基于预设的视角增量值控制云台调整至下一个视角之前,还包括:控制云台分别在预设的横向角度范围和预设的纵向角度范围内转动,直至云台转动至起始横向角度和起始纵向角度对应的位置。
具体地,控制云台分别在预设的横向角度范围和预设的纵向角度范围内转动,直至云台转动至起始横向角度和起始纵向角度对应的位置是指,在准备对云台的视角进行第一次调整之前,控制云台分别在预设的横向角度范围和预设的纵向角度范围内转动,直至云台转动至起始横向角度和起始纵向角度对应的位置。
对应地,控制云台分别在预设的横向角度范围和预设的纵向角度范围内转动,直至云台转动至起始横向角度和起始纵向角度对应的位置,具体而言,是指控制云台分别在预设的横向角度范围和预设的纵向角度范围内由实时视角开始转动,并在转动的过程中不断确定云台转动至起始横向角度和起始纵向角度对应的位置,在该位置确定后,停止转动。需要说明的是,云台转动的角度范围并不一定等于预设的横向角度范围和/或预设的纵向角度范围,以实现对云台的初始化。
示例性地,在本发明中,预设的横向角度范围可以为0°至360°,预设的纵向角度范围可以为0°至180°。
可选地,云台视角校正方法,还包括:获取校正时间范围,在校正时间范围内,确定云台获取的所述图像帧对应的业务评分均小于等于预设的评分阈值的情况下,生成预警信息。
具体地,获取校正时间范围,在校正时间范围内,确定云台获取的所述图像帧对应的业务评分均小于等于预设的评分阈值的情况下,生成预警信息是指,获取预设的对云台进行校正的校正时间范围,判断云台获取的图像帧对应的业务评分是否均小于等于预设的评分阈值;若获取的图像帧对应的业务评分均小于等于预设的评分阈值,生成预警信息;反之,将当前视角作为目标视角。
对应地,校正时间范围是根据预设的对云台进行校正的频率以及目标校正次数得到的。生成的预警信息标识的是当前云台安装位置不规范。
示例性地,在本发明中,可以基于生成的预警信息对云台的安装位置进行调整。
需要说明的是,在本发明中,优选的目标校正次数是10,并将对云台进行第一次视角调整的次数,标记为目标校正次数1。
基于以上实施例,概括而言,在本发明中,利用上述方法对云台进行视角校正,通过校正确定云台的目标视角,有效避免了云台设备可能安装不规范、视角被频繁调整,或视角被固定于某一特定角度等情况的发生,提高了通用性。
基于上述实施例,图4是根据本发明的另一个实施例提供的云台视角校正方法的细化流程示意图。如图4所示,该方法包括:
步骤401,获取云台当前视角对应的图像帧,将当前视角对应的图像帧输入预设的图像分割模型进行处理,得到对应的地面分割图像。
步骤402,确定地面区域在地面分割图像中的占比,基于占比以及预设的评分规则,得到图像帧对应的业务评分。
步骤403,判断图像帧的业务评分是否大于预设的评分阈值,若是,执行步骤404,若否,执行步骤405。
步骤404,若图像帧的业务评分大于预设的评分阈值,将当前视角作为目标视角。
步骤405,控制云台分别在预设的横向角度范围和预设的纵向角度范围内转动,直至云台转动至起始横向角度和起始纵向角度对应的位置。
步骤406,基于预设的视角增量值控制云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分。
步骤407,获取校正时间范围,在校正时间范围内,判断云台获取的图像帧对应的业务评分是否均小于等于预设的评分阈值,若是,执行步骤408,若否,执行步骤404。
步骤408,在校正时间范围内,确定云台获取的图像帧对应的业务评分均小于等于预设的评分阈值的情况下,生成预警信息。
基于上述实施例,图5是根据本发明的再一个实施例提供的云台视角校正装置的结构示意图。如图5所示,云台视角校正装置包括:获取模块510、判断模块520、基础模块530和控制模块540。
获取模块510,用于获取云台当前视角对应的图像帧,对当前视角对应的图像帧进行处理,得到图像帧对应的业务评分。
获取模块510,包括:分割子模块和评分子模块。
分割子模块,用于将当前视角对应的图像帧输入预设的图像分割模型进行处理,得到对应的地面分割图像,其中,地面分割图像包括地面区域;图像分割模型由基于预设的样本图像以及预设的样本图像对应的分割区域进行训练得到。
评分子模块,用于确定地面区域在地面分割图像中的占比,基于占比以及预设的评分规则,得到图像帧对应的业务评分。
评分子模块,具体用于确定预设的评分规则的多个规则项;将占比与多个规则项分别进行匹配,得到与占比匹配的目标规则项;确定目标规则项对应的评分为图像帧对应的业务评分。
判断模块520,用于判断图像帧的业务评分是否大于预设的评分阈值。
基础模块530,用于若业务评分大于预设的评分阈值,将当前视角作为目标视角。
控制模块540,用于若业务评分不大于预设的评分阈值,基于预设的视角增量值控制云台调整至下一个视角,继续通过获取模块510获取云台的图像帧及其对应的业务评分,直至业务评分大于预设的评分阈值。
控制模块540,还用于基于预设的横向角度增量值控制云台沿横向转动至下一个横向视角,基于预设的纵向角度增量值控制云台沿纵向转动至下一个纵向视角;
其中,预设的视角增量值包括,预设的横向角度增量值和预设的纵向角度增量值;下一个视角包括,横向视角和纵向视角。
控制模块540,进一步用于基于预设的横向角度增量值,控制云台在预设的横向角度范围内沿横向转动至第i个横向视角;其中,i小于等于m,预设的横向角度范围包括,m个预设的横向角度增量值之和;
基于预设的纵向角度增量值,控制云台在预设的纵向角度范围内依次沿纵向转动至n个纵向视角;其中,预设的纵向角度范围包括,n个预设的纵向角度增量值之和;
将i自增1,在确定自增1后的i小于等于m的情况下,继续基于所述预设的横向角度增量值,控制所述云台在预设的横向角度范围内沿横向转动至第i个横向视角。
控制模块540,进一步用于基于预设的视角增量值控制云台调整至下一个视角前,控制云台分别在预设的横向角度范围和预设的纵向角度范围内转动,直至云台转动至起始横向角度和起始纵向角度对应的位置。
可选地,所述装置还包括:预警模块,用于获取校正时间范围,在校正时间范围内,确定云台获取的图像帧对应的业务评分均小于等于预设的评分阈值的情况下,生成预警信息。
基于以上实施例,概括而言,在本发明中,利用上述装置对云台进行视角校正,通过校正确定云台的目标视角,有效避免了云台设备可能安装不规范、视角被频繁调整,或视角被固定于某一特定角度等情况的发生,提高了通用性。
图6是根据本发明的又一个实施例提供的电子设备的硬件结构示意图。如图6所示,该电子设备可以包括:处理器610、通信接口620、存储器630和通信总线640;其中,处理器610,通信接口620,存储器630相互间通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行提供的云台视角校正方法,该方法包括:获取云台当前视角对应的图像帧,对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分;判断所述图像帧的业务评分是否大于预设的评分阈值;若所述业务评分大于所述预设的评分阈值,将所述当前视角作为目标视角;若所述业务评分不大于所述预设的评分阈值,基于预设的视角增量值控制所述云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至所述业务评分大于预设的评分阈值。
此外,上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的云台视角校正方法,该方法包括:获取云台当前视角对应的图像帧,对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分;判断所述图像帧的业务评分是否大于预设的评分阈值;若所述业务评分大于所述预设的评分阈值,将所述当前视角作为目标视角;若所述业务评分不大于所述预设的评分阈值,基于预设的视角增量值控制所述云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至所述业务评分大于预设的评分阈值。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各步骤提供的云台视角校正方法,该方法包括:获取云台当前视角对应的图像帧,对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分;判断所述图像帧的业务评分是否大于预设的评分阈值;若所述业务评分大于所述预设的评分阈值,将所述当前视角作为目标视角;若所述业务评分不大于所述预设的评分阈值,基于预设的视角增量值控制所述云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至所述业务评分大于预设的评分阈值。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种云台视角校正方法,其特性在于,包括:
获取云台当前视角对应的图像帧,对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分;
判断所述图像帧的业务评分是否大于预设的评分阈值;
若所述业务评分大于所述预设的评分阈值,将所述当前视角作为目标视角;
若所述业务评分不大于所述预设的评分阈值,基于预设的视角增量值控制所述云台调整至下一个视角,继续获取云台的图像帧及其对应的业务评分,直至所述业务评分大于预设的评分阈值;
获取校正时间范围,在所述校正时间范围内,确定所述云台获取的所述图像帧对应的所述业务评分均小于等于所述预设的评分阈值的情况下,生成预警信息,其中,所述预警信息用于标识所述云台安装位置不规范;
所述对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分,包括:
将所述当前视角对应的图像帧输入预设的图像分割模型进行处理,得到对应的地面分割图像,其中,所述地面分割图像包括地面区域;所述图像分割模型由基于预设的样本图像以及预设的样本图像对应的分割区域进行训练得到;
确定所述地面区域在所述地面分割图像中的占比,基于所述占比以及预设的评分规则,得到所述图像帧对应的所述业务评分。
2.根据权利要求1所述的云台视角校正方法,其特征在于,所述预设的视角增量值包括预设的横向角度增量值和预设的纵向角度增量值;所述下一个视角包括横向视角和纵向视角;
基于所述预设的视角增量值控制所述云台调整至下一个视角,包括:
基于所述预设的横向角度增量值控制所述云台沿横向转动至下一个所述横向视角,基于所述预设的纵向角度增量值控制所述云台沿纵向转动至下一个所述纵向视角。
3.根据权利要求2所述的云台视角校正方法,其特征在于,所述基于所述预设的横向角度增量值控制所述云台沿横向转动至下一个横向视角,基于所述预设的纵向角度增量值控制所述云台沿纵向转动至下一个纵向视角,包括:
基于所述预设的横向角度增量值,控制所述云台在预设的横向角度范围内沿横向转动至第i个横向视角;其中,i小于等于m,所述预设的横向角度范围包括,m个所述预设的横向角度增量值之和;
基于所述预设的纵向角度增量值,控制所述云台在预设的纵向角度范围内依次沿纵向转动至n个纵向视角;其中,所述预设的纵向角度范围包括,n个所述预设的纵向角度增量值之和;
将i自增1,在确定自增1后的i小于等于m的情况下,继续执行基于所述预设的横向角度增量值,控制所述云台在预设的横向角度范围内沿横向转动至第i个横向视角的步骤。
4.根据权利要求1所述的云台视角校正方法,其特征在于,所述基于预设的视角增量值控制所述云台调整至下一个视角之前,还包括:
控制所述云台分别在所述预设的横向角度范围和所述预设的纵向角度范围内转动,直至所述云台转动至起始横向角度和起始纵向角度对应的位置。
5.根据权利要求1所述的云台视角校正方法,其特征在于,所述基于所述占比以及预设的评分规则,得到所述图像帧对应的所述业务评分,包括:
确定所述预设的评分规则的多个规则项;
将所述占比与所述多个规则项分别进行匹配,得到与所述占比匹配的目标规则项;
确定所述目标规则项对应的评分为所述图像帧对应的所述业务评分。
6.一种云台视角校正装置,其特征在于,包括:
获取模块,用于获取云台当前视角对应的图像帧,对所述当前视角对应的图像帧进行处理,得到所述图像帧对应的业务评分;
判断模块,用于判断所述图像帧的业务评分是否大于预设的评分阈值;
基础模块,用于若所述业务评分大于所述预设的评分阈值,将所述当前视角作为目标视角;
控制模块,用于若所述业务评分不大于所述预设的评分阈值,基于预设的视角增量值控制所述云台调整至下一个视角,继续通过获取模块获取云台的图像帧及其对应的业务评分,直至所述业务评分大于预设的评分阈值;
预警模块,用于获取校正时间范围,在所述校正时间范围内,确定所述云台获取的所述图像帧对应的所述业务评分均小于等于所述预设的评分阈值的情况下,生成预警信息,其中,所述预警信息用于标识所述云台安装位置不规范;
所述获取模块,包括:分割子模块和评分子模块;
所述分割子模块,用于将所述当前视角对应的图像帧输入预设的图像分割模型进行处理,得到对应的地面分割图像,其中,所述地面分割图像包括地面区域;所述图像分割模型由基于预设的样本图像以及预设的样本图像对应的分割区域进行训练得到;
所述评分子模块,用于确定所述地面区域在所述地面分割图像中的占比,基于所述占比以及预设的评分规则,得到所述图像帧对应的所述业务评分。
7.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5任一项所述的云台视角校正方法的步骤。
8.一种非暂态计算机可读存储介质,所述存储介质中存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的云台视角校正方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110438526.8A CN113365023B (zh) | 2021-04-22 | 2021-04-22 | 一种云台视角校正方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110438526.8A CN113365023B (zh) | 2021-04-22 | 2021-04-22 | 一种云台视角校正方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113365023A CN113365023A (zh) | 2021-09-07 |
CN113365023B true CN113365023B (zh) | 2023-06-02 |
Family
ID=77525288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110438526.8A Active CN113365023B (zh) | 2021-04-22 | 2021-04-22 | 一种云台视角校正方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113365023B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883495B (zh) * | 2015-04-30 | 2018-05-29 | 广东欧珀移动通信有限公司 | 一种拍照方法及装置 |
CN106408603B (zh) * | 2016-06-21 | 2023-06-02 | 北京小米移动软件有限公司 | 拍摄方法及装置 |
CN106973221B (zh) * | 2017-02-24 | 2020-06-16 | 北京大学 | 基于美学评价的无人机摄像方法和系统 |
CN108198177A (zh) * | 2017-12-29 | 2018-06-22 | 广东欧珀移动通信有限公司 | 图像获取方法、装置、终端及存储介质 |
KR102155154B1 (ko) * | 2018-02-01 | 2020-09-11 | 주식회사 스칼라웍스 | 드론을 이용한 예술사진 촬영방법 및 그 기능을 갖는 드론 |
CN109639973A (zh) * | 2018-12-21 | 2019-04-16 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 拍摄图像评分方法、评分装置、电子设备及存储介质 |
-
2021
- 2021-04-22 CN CN202110438526.8A patent/CN113365023B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113365023A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932609A (zh) | 阀厅设备巡检机器人的云台校准方法及装置、存储介质 | |
CN111027541A (zh) | 基于可见光和热成像的火焰检测方法、系统及存储介质 | |
CN113176270B (zh) | 一种调光方法、装置及设备 | |
CN110991297A (zh) | 一种基于场景监控的目标定位方法及系统 | |
CN109034058B (zh) | 一种针对图像中区域划分和自修正方法和系统 | |
CN112561986A (zh) | 巡检机器人云台的二次对准方法、装置、设备和存储介质 | |
CN112017210A (zh) | 目标物体跟踪方法及装置 | |
CN117853749A (zh) | 一种信息处理方法及电子设备 | |
CN111654668B (zh) | 监控设备同步方法、装置及计算机终端 | |
CN113365023B (zh) | 一种云台视角校正方法及装置、电子设备和存储介质 | |
CN116758425A (zh) | 一种大基地光伏电站自动验收方法和装置 | |
CN114462646B (zh) | 一种基于接触网安全巡检的杆号牌识别方法及系统 | |
CN109996063B (zh) | 视频图像花屏检测方法、装置、计算机设备和存储介质 | |
CN110909617A (zh) | 基于双目视觉的活体人脸检测方法及装置 | |
CN108647613B (zh) | 一种应用于考场的考生查验方法 | |
CN109840453B (zh) | 一种人脸匹配方法及装置 | |
CN117152103B (zh) | 显示屏点缺陷、线缺陷和Mura缺陷判断方法、系统及装置 | |
WO2021035729A1 (zh) | 一种曝光方法、装置及摄像模组、电子设备 | |
CN116091405B (zh) | 图像处理方法及装置、计算机设备、存储介质 | |
CN114627079B (zh) | 基于人工智能的安防监控设备异常检测方法及系统 | |
CN116758447A (zh) | 一种基于数字孪生的变电站设备故障分析系统 | |
CN113076983B (zh) | 一种图像的识别方法和装置 | |
CN114463803A (zh) | 一种基于多算法的人脸特征聚合分析自学习方法及系统 | |
CN111079735B (zh) | 一种铸坯端面字符识别方法及装置 | |
CN112085683A (zh) | 一种显著性检测中的深度图可信度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |