一種基于bibavr算法的自動(dòng)聚焦頭盔攝像機(jī)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于自動(dòng)聚焦攝像技術(shù)領(lǐng)域，具體涉及一種基于BIBAVR算法的自動(dòng)聚焦 頭盔攝像機(jī)。
【背景技術(shù)】
[0002] 在礦井、鐵路通道等施工現(xiàn)場，維護(hù)檢修人員常常通過頭盔攝像機(jī)實(shí)時(shí)拍攝現(xiàn)場 視頻，再傳輸給監(jiān)控器端的專家分析處理。這種可隨人員移動(dòng)的便攜設(shè)備使現(xiàn)場始終處于 監(jiān)控狀態(tài)，大大提高了安全保障，既可將現(xiàn)場情況及時(shí)傳回監(jiān)控器端供專家分析處理，也可 以為后期的分類、存儲(chǔ)和檢測提供便利。
[0003] 現(xiàn)有適用于施工現(xiàn)場的頭盔攝像機(jī)一般分為紅外攝像和礦燈攝像監(jiān)控兩類。相關(guān) 文獻(xiàn)和專利一方面主要針對(duì)頭盔的硬件設(shè)計(jì)，使之適合實(shí)時(shí)網(wǎng)絡(luò)傳輸、便攜頭部佩戴或者 解決防水防火等安全隱患；另一方面集成音頻等功能，方便后端專家與佩戴工作人員實(shí)時(shí) 交互。因便攜性、價(jià)格等原因，目前頭盔攝像機(jī)只包含攝像或者簡單拍照功能，無法自動(dòng)聚 焦。由于人在行走過程難免造成攝像機(jī)的晃動(dòng)，使拍攝的視頻圖像質(zhì)量低下，圖像模糊，這 樣的視頻圖像只能用于實(shí)時(shí)監(jiān)測，不利于后端專家準(zhǔn)確分析故障。因此需要在傳統(tǒng)頭盔攝 像機(jī)基礎(chǔ)上集成自動(dòng)聚焦功能，以便可以拍攝聚焦清晰的圖像供后端供專家分析問題。
[0004] 為了有效地安全監(jiān)控，頭盔攝像機(jī)輸出的視頻要求畫面清晰穩(wěn)定，但是該需求常 常難以達(dá)到。一方面，使用頭盔攝像機(jī)的環(huán)境復(fù)雜，達(dá)不到清晰錄像的要求，如礦井昏暗或 不均勻的光線等；另一方面，受到環(huán)境和人員移動(dòng)而產(chǎn)生抖動(dòng)，圖像出現(xiàn)畫面模糊、辨識(shí)度 較低、畫面閃動(dòng)等現(xiàn)象?，F(xiàn)有的視頻穩(wěn)像技術(shù)多應(yīng)用于軍事、測繪、室外公共安全、無人駕 駛、民用攝像、手持?jǐn)z像機(jī)等領(lǐng)域，還沒有專門面向頭盔攝像機(jī)這一應(yīng)用場景的視頻穩(wěn)像 算法研究，因此對(duì)頭盔攝像機(jī)拍攝的視頻穩(wěn)像處理具有重要的應(yīng)用價(jià)值。
[0005] 自動(dòng)聚焦技術(shù)在照相器材、醫(yī)學(xué)儀器、一些軍用觀測設(shè)備以及各種基于機(jī)器視覺 的智能系統(tǒng)中有著廣泛的用途。自動(dòng)聚焦主要有以下三種實(shí)現(xiàn)方式：一是通過激光、紅外 線或者超聲波對(duì)目標(biāo)進(jìn)行測距，根據(jù)所測距離驅(qū)動(dòng)電機(jī)調(diào)節(jié)鏡頭至聚焦位置，這種方式也 稱為主動(dòng)式聚焦方式；二是利用圖像處理方法獲取相應(yīng)的信息控制電機(jī)調(diào)節(jié)鏡頭至聚焦位 置，這是一種較先進(jìn)的自動(dòng)聚焦方法；三是通過圖像處理估計(jì)點(diǎn)擴(kuò)散函數(shù)PSF，并根據(jù)得到 的PSF進(jìn)行圖像恢復(fù)。其中，第二、三種方式被稱為被動(dòng)式聚焦方式。方法一需要紅外線或 超聲波源及相應(yīng)的傳感器，這使得自動(dòng)聚焦系統(tǒng)體積大，而且成本高，不適合用于頭盔攝像 機(jī)等便攜式設(shè)備；方法三則只能在比較小的離焦范圍內(nèi)起作用，實(shí)際的圖像模糊比較復(fù)雜， 很難找到合適的點(diǎn)擴(kuò)散函數(shù)，計(jì)算復(fù)雜度較高。因此針對(duì)便攜式的頭盔攝像機(jī)宜采用方法 二，該方法主要包括聚焦調(diào)節(jié)和聚焦檢測兩個(gè)過程，一種準(zhǔn)確高效的圖像清晰度評(píng)價(jià)算法 (又稱聚焦算法）是聚焦檢測的關(guān)鍵。
[0006] 對(duì)于特定的成像系統(tǒng)，圖像的清晰度反應(yīng)了系統(tǒng)的離焦程度。目前廣泛使用的聚 焦函數(shù)評(píng)價(jià)指標(biāo)包括：單峰性、精確性、尖銳性、單調(diào)性等。然而大多數(shù)基于該類指標(biāo)設(shè)計(jì) 的聚焦算法均建立在圖像越清晰，圖像灰度變化明顯的假設(shè)基礎(chǔ)上，如高頻分量法、圖像灰 度熵法、方差函數(shù)法、梯度函數(shù)法等。該類方法的主要特點(diǎn)是計(jì)算簡單，從統(tǒng)計(jì)學(xué)上計(jì)算圖 像包含的邊緣細(xì)節(jié)信息，然而沒有考慮到人眼視覺特性，結(jié)果往往與人類視覺感知的圖像 質(zhì)量存在較大差異。在另一個(gè)研究領(lǐng)域，無參考圖像質(zhì)量評(píng)估算法的研究中，最常用的算法 評(píng)價(jià)指標(biāo)有：線性皮爾森相關(guān)系數(shù)（LPCC)，斯皮爾曼等級(jí)相關(guān)系數(shù)（SROCC)，平均絕對(duì)誤差 (MAE)，離出率（OR)等，這類指標(biāo)旨在計(jì)算算法評(píng)價(jià)圖像分?jǐn)?shù)與實(shí)際人類主觀評(píng)分之間的 關(guān)系，可以很好的反應(yīng)算法與人類視覺評(píng)價(jià)的相似程度。由于人是頭盔攝像機(jī)拍攝視頻或 圖像的最終接收者，所以頭盔攝像機(jī)的聚焦函數(shù)也要求達(dá)到與人類視覺一致的質(zhì)量評(píng)價(jià)結(jié) 果；同時(shí)頭盔攝像機(jī)對(duì)實(shí)時(shí)性有嚴(yán)格要求，需要聚焦函數(shù)復(fù)雜度較低，算法高效準(zhǔn)確。因此 我們綜合傳統(tǒng)聚焦函數(shù)評(píng)價(jià)與無參考圖像質(zhì)量評(píng)價(jià)兩種指標(biāo)，提出了適用于便攜式設(shè)備自 動(dòng)聚焦算法的評(píng)價(jià)指標(biāo)VAE (Visual associated and efficiency)，并在此基礎(chǔ)上設(shè)計(jì)符 合該應(yīng)用場景的聚焦算法。
[0007] 近年來許多國內(nèi)外學(xué)者從人類視覺感知出發(fā)，研究無參考圖像質(zhì)量評(píng)估算法，最 典型的算法有Ferzli提出的空域JNB算法和對(duì)該算法的改進(jìn)Niranjan D. Narvekar提出 的CPBD算法，Anish Mittal提出在時(shí)域操作的BRISQUE算法等。與基于邊緣檢測的自動(dòng) 聚焦模塊圖像聚焦算法相比，該類算法的主要優(yōu)勢是符合人類視覺感知特點(diǎn)，但需要提取 大量圖像特征，計(jì)算復(fù)雜度較高，不適宜實(shí)時(shí)監(jiān)測的應(yīng)用場景。因此，我們急需一種可以折 中的算法，要求該算法不僅計(jì)算簡單高效，而且要與人類視覺感知相近。因此在考慮了本專 利VAE等多項(xiàng)圖像評(píng)價(jià)指標(biāo)的基礎(chǔ)上，我們提出了 BIBAVR聚焦算法用于實(shí)現(xiàn)頭盔攝像機(jī)的 自動(dòng)聚焦功能。

【發(fā)明內(nèi)容】

[0008] 為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于BIBAVR算法的自動(dòng)聚焦 頭盔攝像機(jī)實(shí)現(xiàn)方案。
[0009] 首先，研究了頭盔攝像機(jī)實(shí)現(xiàn)自動(dòng)聚焦功能的需求，提出了一種適用于便攜式攝 像設(shè)備聚焦算法的評(píng)價(jià)指標(biāo)VAE。該評(píng)價(jià)指標(biāo)不僅要求圖像清晰度評(píng)價(jià)算法能準(zhǔn)確反應(yīng)人 類視覺特征，而且要求算法復(fù)雜度較低，滿足實(shí)時(shí)檢測要求。然后，綜合考慮傳統(tǒng)評(píng)價(jià)指標(biāo) 與本專利提出的VAE指標(biāo)，設(shè)計(jì)應(yīng)用于頭盔攝像機(jī)等便攜式攝像設(shè)備的聚焦算法BIBAVR。 最后，對(duì)傳統(tǒng)頭盔攝像機(jī)進(jìn)行改進(jìn)，集成照相與攝像功能，并由遙控開關(guān)在兩種模式間自由 切換。
[0010] 頭盔攝像機(jī)是主要的前端設(shè)備，拍攝的圖像或者視頻可經(jīng)無線網(wǎng)絡(luò)傳送至后端計(jì) 算機(jī)存儲(chǔ)。當(dāng)系統(tǒng)處于照相模式時(shí)，系統(tǒng)會(huì)自動(dòng)調(diào)焦，拍攝聚焦清晰的高質(zhì)量圖像，經(jīng)網(wǎng)絡(luò) 傳輸至監(jiān)控器端（后端）由專家分析問題；當(dāng)操作人員處于行動(dòng)狀態(tài)可以切換至攝像模式， 自動(dòng)濾除模糊嚴(yán)重圖像。同時(shí)，考慮到頭盔攝像機(jī)的便攜性，不適宜加入過多硬件設(shè)置，我 們?cè)谂恼蘸蛿z像兩種模式下共用同一圖像清晰度評(píng)價(jià)（BIBAVR算法）硬件模塊。在照相模 式中，該算法作為圖像聚焦函數(shù)，快速實(shí)現(xiàn)自動(dòng)調(diào)焦；在攝像模式中，估計(jì)無參考圖像質(zhì)量， 快速濾除視頻中質(zhì)量特別低的圖像，為后端專家提供清晰穩(wěn)定的視頻內(nèi)容。
[0011]與現(xiàn)有技術(shù)相比，本發(fā)明集成了自動(dòng)聚焦的照相功能和快速去模糊的視頻拍攝功 能，功能更為強(qiáng)大，也更符合頭盔攝像機(jī)的應(yīng)用需求。本發(fā)明提出的VAE評(píng)價(jià)指標(biāo)可應(yīng)用于 各類便攜式攝像設(shè)備的聚焦算法的評(píng)價(jià)，為傳統(tǒng)基于邊緣檢測的聚焦算法評(píng)價(jià)指標(biāo)提供了 補(bǔ)充。用于頭盔攝像機(jī)自動(dòng)聚焦模塊的圖像清晰度評(píng)價(jià)算法BIBAVR，符合評(píng)價(jià)指標(biāo)VAE和 傳統(tǒng)單峰性、精確性等要求。該算法對(duì)樣本無依賴性，在照相機(jī)聚焦調(diào)節(jié)階段可以大大減少 搜索空間，控制電機(jī)快速定位清晰圖像位置，實(shí)現(xiàn)自動(dòng)聚焦。同時(shí)，在攝像模式中，該算法估 計(jì)無參考圖像質(zhì)量，快速濾除模糊視頻幀，不僅降低傳輸成本，也為后端專家提供清晰穩(wěn)定 的視頻圖像以供進(jìn)一步檢測。
【附圖說明】
[0012] 圖1為：圖像清晰度評(píng)價(jià)BIBAVR算法
[0013] 圖2為：圖像再模糊原理圖
[0014] 圖3為：頭藍(lán)攝像機(jī)應(yīng)用不意圖
[0015] 圖4為：頭藍(lán)攝像機(jī)功能不意圖
[0016] 圖5為：頭盔攝像機(jī)外部結(jié)構(gòu)
[0017] 圖6為：無線遙控內(nèi)部結(jié)構(gòu)
[0018] 圖7為：頭盔攝像機(jī)內(nèi)部結(jié)構(gòu)
[0019] 圖8為：頭盔攝像機(jī)內(nèi)部原理圖
[0020] 圖9為：自動(dòng)聚焦流程圖
[0021] 圖10為：模糊幀快速濾除流程圖
【具體實(shí)施方式】
[0022] 為進(jìn)一步闡述本發(fā)明達(dá)成預(yù)定目的所采取的技術(shù)手段及功效，以下將結(jié)合附圖及 實(shí)施例說明本發(fā)明的【具體實(shí)施方式】、結(jié)構(gòu)特征及其功效。首先介紹適用于便攜式攝像設(shè)備 聚焦算法的評(píng)價(jià)指標(biāo)VAE，然后詳細(xì)介紹圖像清晰度評(píng)價(jià)算法BIBAVR，最后將該算法應(yīng)用 到頭盔攝像機(jī)的自動(dòng)聚焦中，結(jié)合具體實(shí)例說明自動(dòng)聚焦頭盔攝像機(jī)的工作原理及流程。
[0023] 1.聚焦算法評(píng)價(jià)指標(biāo)VAE
[0024] 圖像和視頻質(zhì)量評(píng)價(jià)方法，主要分為主觀評(píng)價(jià)和客觀評(píng)價(jià)兩大類。主觀評(píng)價(jià)就是 人來評(píng)價(jià)圖像質(zhì)量的方法，由于我們?nèi)祟愂菆D像的最終接收者和消費(fèi)者，這無疑是最為直 接和可靠的方法。
[0025] 主觀圖像質(zhì)量評(píng)分包括不需要參考圖像的主觀平均意見得分（Mean Opinion Score，M0S)和需要參考圖像的主觀差異平均意見得分（Difference Mean Opinion Score， DM0S)兩種。由于人類主觀評(píng)分費(fèi)時(shí)費(fèi)力，無法滿足實(shí)時(shí)性要求，因此開發(fā)出能夠代替人類 視覺系統(tǒng)的客觀評(píng)價(jià)方法是一直來專家學(xué)者等研究人員關(guān)注的焦點(diǎn)。<