基于人工智能的智能攝像頭自動調控方法及系統與流程
1.本發明涉及圖像通信技術領域，具體涉及基于人工智能的智能攝像頭自動調控方法及系統。
背景技術：
2.攝像頭是一種視頻輸入設備，被廣泛的運用于視頻會議、遠程醫療及實時監控等方面。一個涉及硬件和軟件的成像系統，成像的質量好壞往往受到來自外界干擾和自身限制的很多因素的影響，這些影響會產生噪聲和成像不均勻，導致圖像數據質量較差，對后續的處理造成影響，故需對攝像頭進行調控提高圖像數據質量。
3.現有技術對于提高圖像數據質量的方法通常是根據攝像頭拍攝的歷史圖像的最大曝光時間和最小曝光時間，以及當前拍攝圖像的灰度值和曝光時間獲取最優曝光時間，進而基于最優曝光時間獲取高質量的拍攝圖像。由于該方法中當前拍攝圖像中存在噪點或成像不均勻時，會導致當前拍攝圖像的灰度值出現偏差，使得由灰度值獲取的最優曝光時間不準確，進而影響拍攝的圖像質量。
技術實現要素：
4.為了解決上述技術問題，本發明的目的在于提供一種基于人工智能的智能攝像頭自動調控方法及系統，所采用的技術方案具體如下：第一方面，本發明一個實施例提供了基于人工智能的智能攝像頭自動調控方法，該方法包括以下步驟：利用圖像采集設備采集監控圖像，獲取監控圖像對應的灰度圖像；將所述灰度圖像中的像素點劃分為核心點、邊界點和噪聲點，將相鄰所述邊界點連接，得到至少兩條邊界線，根據邊界線獲取封閉區域，將不能構成封閉區域的邊界線作為目標邊界線，基于目標邊界線獲得生長邊緣線，在目標邊界線上每間隔設定數量的像素點得到一個目標像素點，根據目標像素點獲得至少兩條實際邊緣線，每條實際邊緣線上的目標像素點的數量和生長邊緣線上的像素點的數量相同，獲取每條實際邊緣線與生長邊緣線之間的形狀相似值，根據生長邊緣線與每條實際邊緣線之間的灰度差異以及形狀相似值計算生長邊緣線的邊緣細節丟失概率，根據邊緣細節丟失概率獲取目標邊界線對應的封閉區域；獲取所述灰度圖像中每個封閉區域的灰度共生矩陣得到對應封閉區域的清晰度；根據每一個封閉區域和背景區域之間的灰度差異獲得封閉區域與背景區域之間的對比度，背景區域是指所述灰度圖像中除去封閉區域的其他區域；根據所述清晰度和所述對比度獲得監控圖像的圖像模糊程度；結合目標邊界線的邊緣細節丟失概率和圖像模糊程度獲取監控圖像的圖像質量評價指標，基于圖像質量評價指標獲取最優曝光時間，基于最優曝光時間對圖像采集設備進行自動調控。
5.進一步的，所述將所述灰度圖像中的像素點劃分為核心點、邊界點和噪聲點的方法，包括：以所述灰度圖像中的每個像素點為中心像素點獲取設定尺寸的窗口區域，計算窗口中每個鄰域像素點與中心像素點之間的灰度差值絕對值，將灰度差值絕對值的相反數代入以自然常數e為底數的指數函數中得到第三結果，計算常數1與第三結果的差值作為對應鄰域像素點與中心像素點之間的距離度量；獲取窗口區域內每個鄰域像素點與中心像素點之間的距離度量，當距離度量滿足距離閾值時，確認對應鄰域像素點為中心像素點的同類像素點；統計窗口區域內同類像素點的數量，當數量滿足數量閾值時，確認中心像素點為核心點；當數量不滿足數量閾值且對應中心像素點位于其他核心點的窗口區域內時，確認對應中心像素點為邊界點；所述灰度圖像中的非邊界點和非核心點的像素點確認為噪聲點。
6.進一步的，所述目標邊界線對應的封閉區域的獲取方法，包括：計算生長邊緣線上的任意一個像素點與任意一條實際邊緣線上相對應位置的目標像素點之間的灰度差值絕對值，將灰度差值絕對值的相反數代入以自然常數e為底數的指數函數中得到第四結果，根據生長邊緣線與任意一條實際邊緣線之間的所有第四結果計算平均第四結果，將平均第四結果與對應的形狀相似值的乘積作為邊緣細節丟失概率；獲取每條實際邊緣線與生長邊緣線之間的邊緣細節丟失概率，當最大的邊緣細節丟失概率滿足概率閾值時，確定生長邊緣線作為目標邊界線對應的缺失部分的實際邊緣線，進而得到目標邊界線的封閉區域。
7.進一步的，所述根據每一個封閉區域和背景區域之間的灰度差異獲得封閉區域與背景區域之間的對比度的方法，包括：獲取任意一個封閉區域內以及背景區域內像素點的平均灰度值，得到最大平均灰度值；計算任意一個封閉區域的平均灰度值與背景區域的平均灰度值的差值絕對值，以差值絕對值為分子，最大平均灰度值為分母得到對應的比值，根據所有封閉區域對應的比值計算平均比值作為對比度。
8.進一步的，所述根據所述清晰度和所述對比度獲得監控圖像的圖像模糊程度的方法，包括：在封閉區域之間不存在包含的情況下，根據所述灰度圖像中每個封閉區域的清晰度計算平均清晰度作為封閉區域的整體清晰度，獲取整體清晰度與對比度的平均數，計算常數1與平均數的差值作為監控圖像的圖像模糊程度；在封閉區域之間存在包含的情況下，計算相互包含的兩個封閉區域屬于同一區域的可能性指標，獲取可能性指標大于或等于可能性閾值的這兩個封閉區域中的最小封閉區域；計算可能性指標小于可能性閾值的這些封閉區域與所有最小封閉區域之間的第一平均清晰度；利用同一區域中的最大封閉區域減去最小封閉區域得到的剩余區域作為邊界模糊區域，獲取邊界模糊區域的清晰度，計算所有邊界模糊區域的第二平均清晰度，計算第一平均清晰度、第二平均清晰度和對比度之間的平均值，將常數1減去平均值的差值作為監控圖像的圖像模糊程度。
9.進一步的，所述計算相互包含的兩個封閉區域屬于同一區域的可能性指標的方法，包括：對于相互包含的兩個封閉區域，任意選一個封閉區域內的任意一個像素點作為第
一目標像素點，過第一目標像素點作n條直線得到每條直線與對應封閉區域的兩個交點，n為正整數；分別計算兩個交點與第一目標像素點之間的歐式距離，獲取每條直線對應的兩個交點之間的歐式距離的差值絕對值，將差值絕對值的相反數代入以自然常數e為底數的指數函數中得到對應的指數函數結果，計算n條直線的指數函數結果的平均值作為第一目標像素點作為封閉區域的中心點的置信度；獲取封閉區域中每個像素點作為封閉區域的中心點的置信度，取最大置信度對應的像素點作為中心點；獲取另一個封閉區域的中心點，計算相互包含的兩個封閉區域之間的中心點的第一歐式距離；分別計算兩個封閉區域的中心點的第i條直線的同側兩個交點之間的歐式距離和灰度差值絕對值，將兩側歐式距離的相加結果的相反數代入自然常數e為底數的指數函數中得到第一差異值，將兩側灰度差值絕對值的相加結果的相反數代入自然常數e為底數的指數函數中得到第二差異值，獲取第一差異值與第二差異值的乘積；計算互相包含的兩個封閉區域之間n條直線對應乘積的均值與第一歐式距離的倒數的乘積作為可能性指標。
10.進一步的，所述結合目標邊界線的邊緣細節丟失概率和圖像模糊程度獲取監控圖像的圖像質量評價指標的方法，包括：根據每個目標邊界線對應的最大的邊緣細節丟失概率計算平均邊緣細節丟失概率，將常數1減去平均邊緣細節丟失概率的差值作為第一結果、常數1減去圖像模糊程度的差值作為第二結果，將第一結果與第二結果的乘積作為監控圖像的圖像質量評價指標。
11.進一步的，所述基于圖像質量評價指標獲取最優曝光時間的方法，包括：設置質量評價指標閾值，當圖像質量評價指標大于質量評價指標閾值時，對應監控圖像的曝光時間作為最優曝光時間；當圖像質量評價指標小于或等于質量評價指標閾值時，根據平均邊緣細節丟失概率和圖像模糊程度獲取最優曝光時間。
12.進一步的，所述根據平均邊緣細節丟失概率和圖像模糊程度獲取最優曝光時間的方法，包括：當平均邊緣細節丟失概率大于或等于圖像模糊程度時，獲取常數1與平均邊緣細節丟失概率之間的第一差值，將第一差值與監控圖像的曝光時間的相乘結果與監控圖像的曝光時間相加得到調節后的曝光時間；當平均邊緣細節丟失概率小于圖像模糊程度時，獲取監控圖像的曝光時間與圖像模糊程度的乘積，將監控圖像的曝光時間減去乘積的差值作為調節后的曝光時間；當調節后的曝光時間所采集的監控圖像的圖像質量評價指標大于質量評價指標閾值時，確認調節后的曝光時間為最優曝光時間；在調節次數滿足調節次數閾值的情況下，當調節后的曝光時間所采集的監控圖像的圖像質量評價指標都是小于或等于質量評價指標閾值時，取圖像質量評價指標最大所對應的曝光時間作為最優曝光時間。
13.第二方面，本發明另一個實施例提供了基于人工智能的智能攝像頭自動調控系統，該系統包括：存儲器、處理器以及存儲在所述存儲器中并可在處理器上運行的計算機程序，處理器執行所述計算機程序時，實現上述任意一項方法的步驟。
14.本發明具有如下有益效果：通過對灰度圖像中的所有像素點進行分析，將灰度圖像中的像素點劃分為核心點、邊界點和噪聲點，對確定是噪聲點的像素點全部進行去除，避免了噪聲點對圖像質量的影響；將相鄰的邊界點進行連接獲得邊界線，根據邊界線獲取封
閉區域，將不能構成封閉區域的邊界線作為目標邊界線，基于目標邊界線獲得生長邊緣線，根據生長邊緣線上的每個像素點的灰度值和生長邊緣線的形狀相似值獲得邊緣細節丟失概率，根據邊緣細節丟失概率獲取目標邊界線對應的封閉區域，避免了因曝光不足導致封閉區域的丟失以及封閉區域與背景區域的混淆，造成最優曝光時間獲取的不準確；為檢測封閉區域的成像紋理深淺，獲取每個封閉區域的灰度共生矩陣得到對應封閉區域的清晰度，又通過對于每一個封閉區域和背景區域之間的灰度差異獲得封閉區域與背景區域之間的對比度，進而令結合清晰度和對比度得到的監控圖像的圖像模糊程度更加嚴謹，根據邊緣細節丟失概率和圖像模糊程度獲得質量評價指標，根據質量評價指標確定最優曝光時間，基于最優曝光時間對圖像采集設備進行自動調控，提高拍攝的圖像質量。
附圖說明
15.為了更清楚地說明本發明實施例或現有技術中的技術方案和優點，下面將對實施例或現有技術描述中所需要使用的附圖作簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它附圖。
16.圖1為本發明一個實施例所提供的一種基于人工智能的智能攝像頭自動調控方法的步驟流程圖。
具體實施方式
17.為了更進一步闡述本發明為達成預定發明目的所采取的技術手段及功效，以下結合附圖及較佳實施例，對依據本發明提出的一種基于人工智能的智能攝像頭自動調控方法及系統，其具體實施方式、結構、特征及其功效，詳細說明如下。在下述說明中，不同的“一個實施例”或“另一個實施例”指的不一定是同一實施例。此外，一或多個實施例中的特定特征、結構或特點可由任何合適形式組合。
18.除非另有定義，本文所使用的所有的技術和科學術語與屬于本發明的技術領域的技術人員通常理解的含義相同。
19.下面結合附圖具體的說明本發明所提供的一種基于人工智能的智能攝像頭自動調控方法及系統的具體方案。
20.請參閱圖1，其示出了本發明一個實施例提供的基于人工智能的智能攝像頭自動調控方法的流程圖，該方法包括以下步驟：s1：利用圖像采集設備采集監控圖像，獲取監控圖像對應的灰度圖像。
21.本發明通過智能攝像頭，固定光源采集攝像頭前方的監控圖像，采集的監控圖像為rgb圖像，本發明使用加權灰度化的方法對rgb圖像進行灰度化處理，獲得智能攝像頭前方的監控圖像的灰度圖像，其中，加權灰度化為公知技術，此處不再贅述。
22.s2：將所述灰度圖像中的像素點劃分為核心點、邊界點和噪聲點，將相鄰所述邊界點連接，得到至少兩條邊界線，根據邊界線獲取封閉區域，將不能構成封閉區域的邊界線作為目標邊界線，基于目標邊界線獲得生長邊緣線，在目標邊界線上每間隔設定數量的像素點得到一個目標像素點，根據目標像素點獲得至少兩條實際邊緣線，每條實際邊緣線上的目標像素點的數量和生長邊緣線上的像素點的數量相同，通過形狀上下文算法計算每條實
際邊緣線與生長邊緣線之間的形狀相似值，根據生長邊緣線與每條實際邊緣線之間的灰度差異以及形狀相似值計算生長邊緣線的邊緣細節丟失概率，根據邊緣細節丟失概率獲取目標邊界線對應的封閉區域。
23.具體的，根據先驗知識可知，攝像頭采集圖像的時候，在感光度確定的情況下，光圈大小和快門速度（曝光的時間長短）決定了曝光量的大小，即光圈不變的情況下，曝光時間越長，曝光量越大；曝光時間不變的情況下，光圈越大，曝光量越大。曝光時間越長，進光量越多，就會有更多時間的圖像出現在同一幀上，但曝光時間過長，會導致每一幀所用時間過長，造成圖像卡頓，如果是拍攝運動過程，則會導致一幀圖像上的運動物體的運動過程過長，導致運動物體在圖像上呈現模糊狀態。如果曝光時間很短，光圈一定的情況下，得到的光就會很少，拍攝的物體就會比較暗淡，會導致丟失掉物體的某些細節。
24.基于上述特征，首先以所述灰度圖像中的每個像素點為中心像素點獲取設定尺寸的窗口區域，計算窗口中每個鄰域像素點與中心像素點之間的灰度差值絕對值，將灰度差值絕對值的相反數代入以自然常數e為底數的指數函數中得到第三結果，計算常數1與第三結果的差值作為對應鄰域像素點與中心像素點之間的距離度量；獲取窗口區域內每個鄰域像素點與中心像素點之間的距離度量，當距離度量滿足距離閾值時，確認對應鄰域像素點為中心像素點的同類像素點；統計窗口區域內同類像素點的數量，當數量滿足數量閾值時，確認中心像素點為核心點；當數量不滿足數量閾值且對應中心像素點位于其他核心點的窗口區域內時，確認對應中心像素點為邊界點；所述灰度圖像中的非邊界點和非核心點的像素點確認為噪聲點。
25.作為一個示例，以所述灰度圖像中的一個像素點q為例，以像素點q為中心像素點，獲取其對應的5*5的窗口區域，根據窗口區域中每個像素點的灰度值，分別計算窗口區域中的每一個鄰域像素點與中心像素點q之間的灰度差值絕對值，將每一個灰度差值絕對值的相反數分別代入以自然常數e為底數的指數函數中得到每個鄰域像素點對應的第三結果，常數1與任意一個第三結果的差值為對應鄰域像素點與中心像素點q之間的距離度量，每個鄰域像素點對應一個距離度量，則距離度量的計算公式為：其中，為中心像素點q的灰度值；為窗口區域內第i個鄰域像素點的灰度值；為絕對值函數；為鄰域像素點與中心像素點q的距離度量；為自然常數。
26.需要說明的是，鄰域像素點與中心像素點q之間的灰度差值越小，說明鄰域像素點與中心像素點越屬于同一類像素點，對應距離度量越小。
27.利用距離度量的計算公式，獲取窗口區域內每個鄰域像素點與中心像素點q之間的距離度量，本方案設置距離閾值為0.1，當距離度量小于距離閾值時，對應的鄰域像素點與中心像素點q屬于同一類像素點；對窗口區域內的所有鄰域像素點通過距離度量進行判斷，確定窗口區域內的鄰域像素點與中心像素點q屬于同一類像素點的數量，本方案設置的數量閾值為20，當數量大于或等于數量閾值時，確認中心像素點q為核心點；當數量小于數量閾值，但中心像素點q位于其它核心點的窗口區域內時，確認中心像素點q為邊界點。基于邊界點和核心點的確認方法，對灰度圖像中的每個像素點進行確認，將既不屬于核心點
又不屬于邊界點的像素點作為噪聲點。
28.然后，在確定了灰度圖像中的核心點、邊界點和噪聲點后，先對噪聲點進行去除，以避免噪聲點對圖像質量的影響，再對邊界點進行如下操作：連接相鄰的邊界點，獲得至少兩條邊界線，判斷邊界線能否構成一個封閉區域，若能構成封閉區域，則封閉區域表示灰度圖像中的一個物體，若不能構成封閉區域，將不能構成封閉區域的邊界線作為目標邊界線，考慮到曝光時間過短會導致物體的部分細節丟失，因此通過對目標邊界線進行區域生長獲取目標邊界線的生長邊緣線，具體過程如下：以一條目標邊界線為例，取當前目標邊界線首尾的兩個端點，分別設置為a點、b點；以a點為起始點，使用區域生長算法獲取當前目標邊界線對應的生長邊緣線，其中區域生長算法的生長準則為：計算a點鄰域內的待生長點與a點之間的差異程度，選擇差異程度最小的待生長點進行生長，其中，待生長點為a點鄰域內與b點之間的歐式距離小于a點與b點之間的歐式距離所對應的像素點；本方案中選擇灰度差異程度最小的像素點進行生長，不斷重復生長過程，直至生長到b點處結束，進而將生長的這條線作為當前目標邊界線的生長邊緣線。
29.需要說明的是，區域生長算法是公知技術，這里不再過多贅述。
30.確定生長邊緣線是否可以作為當前目標邊界線對應封閉區域的缺失部分的實際邊緣線，具體如下：（1）通過獲得的生長邊緣線，確定生長邊緣線上的像素點的數量為，為正整數，在當前目標邊緣線上每間隔設定數量的像素點開始截取目標像素點，且順時針方向截取個目標像素點，將個目標像素點對應在當前目標邊界線上的邊界線作為一條實際邊緣線，截取至少兩條實際邊緣線，且每條實際邊緣線上的目標像素點的數量和生長邊緣線上的像素點的數量相同；通過形狀上下文算法計算每條實際邊緣線與生長邊緣線之間的形狀相似值，形狀上下文算法是公知的技術，這里不做過多贅述。
31.（2）計算生長邊緣線上的任意一個像素點與任意一條實際邊緣線上相對應位置的目標像素點之間的灰度差值絕對值，將灰度差值絕對值的相反數代入以自然常數e為底數的指數函數中得到第四結果，根據生長邊緣線與任意一條實際邊緣線之間的所有第四結果計算平均第四結果，將平均第四結果與對應的形狀相似值的乘積作為邊緣細節丟失概率，其中邊緣細節丟失概率的計算公式為：其中，為生長邊緣線上第i個像素點的灰度值；為截取出的任意一條實際邊緣線上第i個像素點的灰度值；為生長邊緣線或實際邊緣線上的像素點數量；為實際邊緣線與生長邊緣線之間的形狀相似值；為絕對值函數；e為自然常數。
32.需要說明的是，的差值越小，生長邊緣線與當前實際邊緣線的灰度差值越小，表示兩條邊緣線之間越相似，對應細節丟失情況越大，邊緣細節丟失概率越大；形狀
相似值越大，說明實際邊緣線與生長邊緣線之間的輪廓形狀越相似，生長邊緣線越可能為目標邊界線對應的缺失部分的實際邊緣線，對應邊緣細節丟失概率越大，同時p值越大說明生長邊緣線越有可能作為當前目標邊界線對應的缺失部分的實際邊緣線。
33.（3）利用步驟（2）的方法獲取每條實際邊緣線與生長邊緣線之間的邊緣細節丟失概率，當最大的邊緣細節丟失概率滿足概率閾值時，確定生長邊緣線作為目標邊界線對應的缺失部分的實際邊緣線，進而得到目標邊界線的封閉區域。
34.作為一個示例，分別計算當前目標邊界線上截取的每一條實際邊緣線對應的邊緣細節丟失概率p，選擇最大的邊緣細節丟失概率p與概率閾值進行比較，本方案設置的概率閾值為0.95，當最大的邊緣細節丟失概率p大于概率閾值時，說明生長邊緣線處存在一條實際邊緣線由于曝光時間過短丟失了，此時生長邊緣線可以作為當前目標邊界線對應的缺失部分的實際邊緣線，進而獲取當前目標邊界線對應的封閉區域。通過以上操作，確定目標邊界線的封閉區域。
35.利用獲取目標邊界線的封閉區域的方法，分別獲取每個目標邊界線對應的封閉區域，進而得到灰度圖像中所有的封閉區域。
36.s3：獲取所述灰度圖像中每個封閉區域的灰度共生矩陣得到對應封閉區域的清晰度；根據每一個封閉區域和背景區域之間的灰度差異獲得封閉區域與背景區域之間的對比度，背景區域是指所述灰度圖像中除去封閉區域的其他區域；根據所述清晰度和所述對比度獲得監控圖像的圖像模糊程度。
37.具體的，考慮到出現模糊會導致邊界范圍變寬出現邊界區域，進而使得邊界區域中存在實際物體對應的區域，也即是存在大封閉區域包含小封閉區域的情況，因此本發明實施例對灰度圖像中的所有封閉區域進行了如下分析：（1）在封閉區域之間不存在包含的情況下，根據所述灰度圖像中每個封閉區域的清晰度計算平均清晰度作為封閉區域的整體清晰度，獲取整體清晰度與對比度的平均數，計算常數1與平均數的差值作為監控圖像的圖像模糊程度。
38.具體的，當灰度圖像中的所有封閉區域都是單獨存在，沒有互相包含的情況時，本發明中將灰度圖像中像素點的灰度級壓縮至16級，并進行了歸一化處理，進而獲取灰度圖像中的每一個封閉區域的灰度共生矩陣，灰度共生矩陣的獲取為公知技術，這里不再多過贅述，根據灰度共生矩陣獲取每一個封閉區域的清晰度，則清晰度的計算公式為：其中，分別為灰度共生矩陣的第行、第列；為灰度點對在封閉區域內出現的概率。
39.需要說明的是，清晰度qx表示了封閉區域的清晰度和紋理的溝紋深淺，其值越大說明該封閉區域越清晰，其值越小說明該封閉區域越模糊。
40.獲取任意一個封閉區域內以及背景區域內像素點的平均灰度值，得到最大平均灰度值；計算任意一個封閉區域的平均灰度值與背景區域的平均灰度值的差值絕對值，以差值絕對值為分子，最大平均灰度值為分母得到對應的比值，根據所有封閉區域對應的比值
計算平均比值作為對比度，則對比度的計算公式為：其中，為第i個封閉區域內像素點的平均灰度值；為背景區域內像素點的平均灰度值；為封閉區域的數量；為取最大值函數；為絕對值函數。
41.需要說明的是，背景區域是指除去封閉區域的其他區域，的差值越大，封閉區域與背景區域之間的灰度差異越明顯，封閉區域與背景區域的分割越明顯，對比度越大；對比度越大，封閉區域與背景區域的差異越大，封閉區域的邊界模糊或缺失的情況越少，圖像越清晰。
42.基于上述清晰度的計算公式得到了每個封閉區域的清晰度，進而能夠得到封閉區域的整體清晰度，其中，為第i個封閉區域的清晰度，為封閉區域的數量；結合整體清晰度和對比度計算監控圖像的圖像模糊程度：其中，為封閉區域的整體清晰度；為對比度。
43.需要說明的是，整體清晰度越大，說明封閉區域的清晰度越大，封閉區域越清晰，圖像模糊程度越小，也即是整體清晰度和圖像模糊程度呈負相關關系；對比度越大，封閉區域與背景區域的差異越大，封閉區域邊界線模糊或缺失的現象越少，圖像模糊程度越小，也即是對比度和圖像模糊程度呈負相關關系；因此圖像模糊程度越小，圖像越清晰。
44.（2）在封閉區域之間存在包含的情況下，計算相互包含的兩個封閉區域屬于同一區域的可能性指標，獲取可能性指標大于或等于可能性閾值的這兩個封閉區域中的最小封閉區域；計算可能性指標小于可能性閾值的這些封閉區域與所有最小封閉區域之間的第一平均清晰度；利用同一區域中的最大封閉區域減去最小封閉區域得到的剩余區域作為邊界模糊區域，獲取邊界模糊區域的清晰度，計算所有邊界模糊區域的第二平均清晰度，計算第一平均清晰度、第二平均清晰度和對比度之間的平均值，將常數1減去平均值的差值作為監控圖像的圖像模糊程度。
45.具體的，對于相互包含的兩個封閉區域，首先，任意選一個封閉區域內的任意一個像素點作為第一目標像素點，過第一目標像素點作n條直線得到每條直線與對應封閉區域的兩個交點，n為正整數；分別計算兩個交點與第一目標像素點之間的歐式距離，獲取每條直線對應的兩個交點之間的歐式距離的差值絕對值，將差值絕對值的相反數代入以自然常
數e為底數的指數函數中得到對應的指數函數結果，計算n條直線的指數函數結果的平均值作為第一目標像素點作為封閉區域的中心點的置信度；獲取封閉區域中每個像素點作為封閉區域的中心點的置信度，取最大置信度對應的像素點作為中心點。
46.作為一個示例，假設封閉區域q包含封閉區域w，在封閉區域q內任意選一個像素點r，過像素點r作n條直線，n為正整數；每條直線必定與封閉區域q有對應的兩個交點，即交點c和交點f，分別計算交點c、交點f與像素點r的歐式距離，根據獲得的兩個歐式距離的差異計算像素點r作為中心點的置信度：其中，為第i條直線與封閉區域q的交點c與像素點r的歐式距離；為第i條直線與封閉區域q的交點f與像素點r的歐式距離；n為直線的數量；為絕對值函數；為自然常數。
47.需要說明的是，與這兩個歐式距離的差異越小，交點c與像素點r的歐式距離越等于交點f與像素點r的歐式距離，像素點r越有可能是中心點，置信度越大。
48.計算封閉區域q內所有像素點的置信度，選擇置信度最大的對應的像素點作為封閉區域q的中心點。
49.然后，獲取另一個封閉區域的中心點，計算相互包含的兩個封閉區域之間的中心點的第一歐式距離；分別計算兩個封閉區域的中心點的第i條直線的同側兩個交點之間的歐式距離和灰度差值絕對值，將兩側歐式距離的相加結果的相反數代入自然常數e為底數的指數函數中得到第一差異值，將兩側灰度差值絕對值的相加結果的相反數代入自然常數e為底數的指數函數中得到第二差異值，獲取第一差異值與第二差異值的乘積；計算互相包含的兩個封閉區域之間n條直線對應乘積的均值與第一歐式距離的倒數的乘積作為可能性指標。
50.作為一個示例，利用封閉區域q的中心點的獲取方法，獲取封閉區域w的中心點；計算中心點與中心點之間的歐式距離。
51.封閉區域q的中心點的第i條直線與封閉區域q的交點分別為點、點，封閉區域w的中心點的第i條直線與封閉區域w的交點分別為點、點；計算點與點的歐式距離以及灰度差值絕對值，計算點與點的歐式距離以及灰度差值絕對值；結合歐式距離、歐式距離、歐式距離和灰度差值絕對值、灰度差值絕對值，計算相互包含的封閉區域q和
封閉區域w屬于同一區域的可能性指標：其中，n為直線的數量；為中心點與中心點的歐式距離；為點與點的歐式距離；為點與點的歐式距離；為點的灰度值；為點的灰度值；為點的灰度值；為點的灰度值；為絕對值函數；為自然常數。
52.需要說明的是，歐式距離越小，中心點與中心點越接近，封閉區域q與封閉區域w越可能為同一區域，可能性指標越大；越小，點與點越接近，點與點越接近，封閉區域q的邊界線與封閉區域w的邊界線越接近，封閉區域q與封閉區域w越可能為同一區域，可能性指標越大；越小，點與點之間的灰度差異越小，點與點越相似，越小，點與點之間的灰度差異越小，點與點越相似，所以越小，封閉區域q與封閉區域w越可能為同一區域，可能性指標越大；因此，可能性指標越大，封閉區域q與封閉區域w越可能為同一區域。
53.本方案設置的可能性閾值為0.9，當大于可能性閾值時，封閉區域q與封閉區域w為同一區域，發生這種情況是因為曝光過量導致灰度圖像中的物體的邊界出現了模糊現象，從而檢測出兩個封閉區域。
54.對灰度圖像中的所有存在相互包含的封閉區域進行上述操作，確定相互包含的兩個封閉區域是否為同一區域。基于確定為同一區域的兩個封閉區域，需要重新確定灰度圖像中封閉區域的實際數量，即將同一區域對應的兩個封閉區域中的最大封閉區域排除，統計最小封閉區域和不是同一區域對應的所有封閉區域的數量作為封閉區域的實際數量，根據實際數量對應的封閉區域的清晰度計算清晰度的均值作為第一平均清晰度，其中利用上述清晰度的計算公式分別獲取實際數量對應的每個封閉區域的清晰度；利用上述對比度的計算公式獲取實際數量對應的封閉區域與背景區域之間的對比度；同時對于確認為同一區域的兩個封閉區域，利用同一區域中的最大封閉區域減去最小封閉區域得到的剩余區域作為邊界模糊區域，利用上述清晰度的計算公式獲取邊界模糊區域的清晰度，計算所有邊界模糊區域的清晰度的均值作為第二平均清晰度，結合第一平均清晰度、對比度和第二平均
清晰度計算監控圖像的圖像模糊程度清晰度計算監控圖像的圖像模糊程度其中，為整體清晰度；為對比度；為邊界模糊區域的平均清晰度。
55.需要說明的是，當整體清晰度越大，說明封閉區域的清晰度越大，封閉區域越清晰，圖像模糊程度越小，也即是整體清晰度和圖像模糊程度呈負相關關系；對比度越大，封閉區域與背景區域的差異越大，封閉區域的邊界線模糊或缺失的現象越少，圖像模糊程度越小，也即是對比度和圖像模糊程度呈負相關關系；邊界模糊區域的平均清晰度越大，邊界模糊區域越清晰，圖像模糊程度越小，也即是邊界模糊區域的平均清晰度和圖像模糊程度呈負相關關系；因此，圖像模糊程度越小，圖像越清晰。
56.s4：結合目標邊界線的邊緣細節丟失概率和圖像模糊程度獲取監控圖像的圖像質量評價指標，基于圖像質量評價指標獲取最優曝光時間，基于最優曝光時間對圖像采集設備進行自動調控。
57.具體的，根據每個目標邊界線對應的最大的邊緣細節丟失概率計算平均邊緣細節丟失概率，將常數1減去平均邊緣細節丟失概率的差值作為第一結果、常數1減去圖像模糊程度的差值作為第二結果，將第一結果與第二結果的乘積作為監控圖像的圖像質量評價指標；圖像質量評價指標的計算公式為：其中，為平均邊緣細節丟失概率；為圖像模糊程度。
58.需要說明的是，越小，說明封閉區域的邊界線越不會發生丟失，越不存在曝光不足的情況，相應的圖像質量評價指標越大；越小，圖像越清晰，相應的圖像質量評價指標越大；因此，圖像質量評價指標越大，圖像越清晰，說明當前曝光時間越準確。
59.設置質量評價指標閾值，當圖像質量評價指標大于質量評價指標閾值時，對應監控圖像的曝光時間作為最優曝光時間；當圖像質量評價指標小于或等于質量評價指標閾值時，根據平均邊緣細節丟失概率和圖像模糊程度獲取最優曝光時間。
60.本方案中設置的質量評價指標閾值為0.9，當圖像質量評價指標大于質量評價指標閾值時，則認為此時的曝光時間就是最優曝光時間，當圖像質量評價指標小于或等于質量評價指標閾值時，對曝光時間進行以下調節：當平均邊緣細節丟失概率大于或等于圖像模糊程度時，獲取常數1與平均邊緣細節丟失概率之間的第一差值，將第一差值與監控圖像的曝光時間的相乘結果與監控圖像的曝光時間相加得到調節后的曝光時間；當平均邊緣細節丟失概率小于圖像模糊程度時，獲
取監控圖像的曝光時間與圖像模糊程度的乘積，將監控圖像的曝光時間減去乘積的差值作為調節后的曝光時間，其中，調節后的曝光時間的計算公式為：其中，t為當前曝光時間；為當前曝光時間t下的平均邊緣細節丟失概率；為當前曝光時間t下的圖像模糊程度；為調節后的曝光時間。
61.需要說明的是，當時，圖像中存在因曝光不足而導致的物體部分細節丟失的現象，調節曝光時間時，要增加曝光時間，提高進光量，因此利用平均邊緣細節丟失概率來調節曝光時間，獲取調節后的曝光時間；當時，圖像中存在因曝光過量而導致的物體模糊的現象，調節曝光時間時，要減小曝光時間，減少進光量，因此利用圖像模糊程度來調節曝光時間，獲取調節后的曝光時間。
62.進一步的，當調節后的曝光時間所采集的監控圖像的圖像質量評價指標大于質量評價指標閾值時，確認調節后的曝光時間為最優曝光時間；在調節次數滿足調節次數閾值的情況下，當調節后的曝光時間所采集的監控圖像的圖像質量評價指標都是小于或等于質量評價指標閾值時，取圖像質量評價指標最大所對應的曝光時間作為最優曝光時間。具體操作步驟如下：得到調節后的曝光時間，計算調節后的曝光時間下的圖像質量評價指標，當圖像質量評價指標大于質量評價指標閾值時，調節后的曝光時間就為最優曝光時間；當圖像質量評價指標小于或等于質量評價指標閾值時，繼續調節曝光時間。本方案設置調節次數閾值為20次，當調節曝光時間的次數大于調節次數閾值時，仍未有圖像質量評價指標大于質量評價指標閾值，則在獲得的20個圖像質量評價指標中選擇最大的圖像質量評價指標對應的曝光時間作為最優曝光時間。
63.基于獲得的最優曝光時間對智能攝像頭進行自動調控，提高采集圖像質量。
64.基于與上述方法實施例相同的發明構思，本發明實施例還提供了基于人工智能的智能攝像頭自動調控系統，該系統包括：存儲器、處理器以及存儲在所述存儲器中并可在處理器上運行的計算機程序，處理器執行所述計算機程序時實現上述基于人工智能的智能攝像頭自動調控方法實施例中的步驟，例如圖1所示的步驟。該基于人工智能的智能攝像頭自動調控方法在上述實施例中已經詳細說明，不再贅述。
65.需要說明的是：上述本發明實施例先后順序僅僅為了描述，不代表實施例的優劣。在附圖中描繪的過程不一定要求示出的特定順序或者連續順序才能實現期望的結果。在某些實施方式中，多任務處理和并行處理也是可以的或者可能是有利的。
66.本說明書中的各個實施例均采用遞進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。
67.以上所述僅為本發明的較佳實施例，并不用以限制本發明，凡在本發明的原則之
內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
技術特征：
1.基于人工智能的智能攝像頭自動調控方法，其特征在于，該方法包括以下步驟：利用圖像采集設備采集監控圖像，獲取監控圖像對應的灰度圖像；將所述灰度圖像中的像素點劃分為核心點、邊界點和噪聲點，將相鄰所述邊界點連接，得到至少兩條邊界線，根據邊界線獲取封閉區域，將不能構成封閉區域的邊界線作為目標邊界線，基于目標邊界線獲得生長邊緣線，在目標邊界線上每間隔設定數量的像素點得到一個目標像素點，根據目標像素點獲得至少兩條實際邊緣線，每條實際邊緣線上的目標像素點的數量和生長邊緣線上的像素點的數量相同，獲取每條實際邊緣線與生長邊緣線之間的形狀相似值，根據生長邊緣線與每條實際邊緣線之間的灰度差異以及形狀相似值計算生長邊緣線的邊緣細節丟失概率，根據邊緣細節丟失概率獲取目標邊界線對應的封閉區域；獲取所述灰度圖像中每個封閉區域的灰度共生矩陣得到對應封閉區域的清晰度；根據每一個封閉區域和背景區域之間的灰度差異獲得封閉區域與背景區域之間的對比度，背景區域是指所述灰度圖像中除去封閉區域的其他區域；根據所述清晰度和所述對比度獲得監控圖像的圖像模糊程度；結合目標邊界線的邊緣細節丟失概率和圖像模糊程度獲取監控圖像的圖像質量評價指標，基于圖像質量評價指標獲取最優曝光時間，基于最優曝光時間對圖像采集設備進行自動調控。2.如權利要求1所述的基于人工智能的智能攝像頭自動調控方法，其特征在于，所述將所述灰度圖像中的像素點劃分為核心點、邊界點和噪聲點的方法，包括：以所述灰度圖像中的每個像素點為中心像素點獲取設定尺寸的窗口區域，計算窗口中每個鄰域像素點與中心像素點之間的灰度差值絕對值，將灰度差值絕對值的相反數代入以自然常數e為底數的指數函數中得到第三結果，計算常數1與第三結果的差值作為對應鄰域像素點與中心像素點之間的距離度量；獲取窗口區域內每個鄰域像素點與中心像素點之間的距離度量，當距離度量滿足距離閾值時，確認對應鄰域像素點為中心像素點的同類像素點；統計窗口區域內同類像素點的數量，當數量滿足數量閾值時，確認中心像素點為核心點；當數量不滿足數量閾值且對應中心像素點位于其他核心點的窗口區域內時，確認對應中心像素點為邊界點；所述灰度圖像中的非邊界點和非核心點的像素點確認為噪聲點。3.如權利要求1所述的基于人工智能的智能攝像頭自動調控方法，其特征在于，所述目標邊界線對應的封閉區域的獲取方法，包括：計算生長邊緣線上的任意一個像素點與任意一條實際邊緣線上相對應位置的目標像素點之間的灰度差值絕對值，將灰度差值絕對值的相反數代入以自然常數e為底數的指數函數中得到第四結果，根據生長邊緣線與任意一條實際邊緣線之間的所有第四結果計算平均第四結果，將平均第四結果與對應的形狀相似值的乘積作為邊緣細節丟失概率；獲取每條實際邊緣線與生長邊緣線之間的邊緣細節丟失概率，當最大的邊緣細節丟失概率滿足概率閾值時，確定生長邊緣線作為目標邊界線對應的缺失部分的實際邊緣線，進而得到目標邊界線的封閉區域。4.如權利要求1所述的基于人工智能的智能攝像頭自動調控方法，其特征在于，所述根據每一個封閉區域和背景區域之間的灰度差異獲得封閉區域與背景區域之間的對比度的方法，包括：獲取任意一個封閉區域內以及背景區域內像素點的平均灰度值，得到最大平均灰度
值；計算任意一個封閉區域的平均灰度值與背景區域的平均灰度值的差值絕對值，以差值絕對值為分子，最大平均灰度值為分母得到對應的比值，根據所有封閉區域對應的比值計算平均比值作為對比度。5.如權利要求1所述的基于人工智能的智能攝像頭自動調控方法，其特征在于，所述根據所述清晰度和所述對比度獲得監控圖像的圖像模糊程度的方法，包括：在封閉區域之間不存在包含的情況下，根據所述灰度圖像中每個封閉區域的清晰度計算平均清晰度作為封閉區域的整體清晰度，獲取整體清晰度與對比度的平均數，計算常數1與平均數的差值作為監控圖像的圖像模糊程度；在封閉區域之間存在包含的情況下，計算相互包含的兩個封閉區域屬于同一區域的可能性指標，獲取可能性指標大于或等于可能性閾值的這兩個封閉區域中的最小封閉區域；計算可能性指標小于可能性閾值的這些封閉區域與所有最小封閉區域之間的第一平均清晰度；利用同一區域中的最大封閉區域減去最小封閉區域得到的剩余區域作為邊界模糊區域，獲取邊界模糊區域的清晰度，計算所有邊界模糊區域的第二平均清晰度，計算第一平均清晰度、第二平均清晰度和對比度之間的平均值，將常數1減去平均值的差值作為監控圖像的圖像模糊程度。6.如權利要求5所述的基于人工智能的智能攝像頭自動調控方法，其特征在于，所述計算相互包含的兩個封閉區域屬于同一區域的可能性指標的方法，包括：對于相互包含的兩個封閉區域，任意選一個封閉區域內的任意一個像素點作為第一目標像素點，過第一目標像素點作n條直線得到每條直線與對應封閉區域的兩個交點，n為正整數；分別計算兩個交點與第一目標像素點之間的歐式距離，獲取每條直線對應的兩個交點之間的歐式距離的差值絕對值，將差值絕對值的相反數代入以自然常數e為底數的指數函數中得到對應的指數函數結果，計算n條直線的指數函數結果的平均值作為第一目標像素點作為封閉區域的中心點的置信度；獲取封閉區域中每個像素點作為封閉區域的中心點的置信度，取最大置信度對應的像素點作為中心點；獲取另一個封閉區域的中心點，計算相互包含的兩個封閉區域之間的中心點的第一歐式距離；分別計算兩個封閉區域的中心點的第i條直線的同側兩個交點之間的歐式距離和灰度差值絕對值，將兩側歐式距離的相加結果的相反數代入自然常數e為底數的指數函數中得到第一差異值，將兩側灰度差值絕對值的相加結果的相反數代入自然常數e為底數的指數函數中得到第二差異值，獲取第一差異值與第二差異值的乘積；計算互相包含的兩個封閉區域之間n條直線對應乘積的均值與第一歐式距離的倒數的乘積作為可能性指標。7.如權利要求3所述的基于人工智能的智能攝像頭自動調控方法，其特征在于，所述結合目標邊界線的邊緣細節丟失概率和圖像模糊程度獲取監控圖像的圖像質量評價指標的方法，包括：根據每個目標邊界線對應的最大的邊緣細節丟失概率計算平均邊緣細節丟失概率，將常數1減去平均邊緣細節丟失概率的差值作為第一結果、常數1減去圖像模糊程度的差值作為第二結果，將第一結果與第二結果的乘積作為監控圖像的圖像質量評價指標。8.如權利要求7所述的基于人工智能的智能攝像頭自動調控方法，其特征在于，所述基于圖像質量評價指標獲取最優曝光時間的方法，包括：設置質量評價指標閾值，當圖像質量評價指標大于質量評價指標閾值時，對應監控圖
像的曝光時間作為最優曝光時間；當圖像質量評價指標小于或等于質量評價指標閾值時，根據平均邊緣細節丟失概率和圖像模糊程度獲取最優曝光時間。9.如權利要求8所述的基于人工智能的智能攝像頭自動調控方法，其特征在于，所述根據平均邊緣細節丟失概率和圖像模糊程度獲取最優曝光時間的方法，包括：當平均邊緣細節丟失概率大于或等于圖像模糊程度時，獲取常數1與平均邊緣細節丟失概率之間的第一差值，將第一差值與監控圖像的曝光時間的相乘結果與監控圖像的曝光時間相加得到調節后的曝光時間；當平均邊緣細節丟失概率小于圖像模糊程度時，獲取監控圖像的曝光時間與圖像模糊程度的乘積，將監控圖像的曝光時間減去乘積的差值作為調節后的曝光時間；當調節后的曝光時間所采集的監控圖像的圖像質量評價指標大于質量評價指標閾值時，確認調節后的曝光時間為最優曝光時間；在調節次數滿足調節次數閾值的情況下，當調節后的曝光時間所采集的監控圖像的圖像質量評價指標都是小于或等于質量評價指標閾值時，取圖像質量評價指標最大所對應的曝光時間作為最優曝光時間。10.基于人工智能的智能攝像頭自動調控系統，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器在執行所述計算機程序時，實現上述權利要求1-9任意一項所述基于人工智能的智能攝像頭自動調控方法的步驟。
技術總結
本發明涉及圖像通信技術領域，具體涉及基于人工智能的智能攝像頭自動調控方法及系統，該方法獲取監控圖像的灰度圖像，確定灰度圖像中的邊界點進而獲取邊界線，將不能構成封閉區域的邊界線作為目標邊界線，獲取目標邊界線的生長邊緣線確定目標邊界線的邊緣細節丟失概率，根據邊緣細節丟失概率獲取目標邊界線對應的封閉區域，通過灰度共生矩陣獲取封閉區域的清晰度，通過封閉區域與背景區域之間的灰度值獲取對比度，通過清晰度與對比度獲取圖像模糊程度，根據邊緣細節丟失概率與圖像模糊程度獲取圖像質量評價指標，基于圖像質量評價指標獲取最優曝光時間，基于最優曝光時間對圖像采集設備進行自動調控，提高采集圖像質量。提高采集圖像質量。提高采集圖像質量。
