一种视觉传感器采样参数自适应学习系统的制作方法

本发明涉及自适应学习领域，更具体的，涉及一种视觉传感器采样参数自适应学习系统。

背景技术：

1、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：

2、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。

3、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。

技术实现思路

1、为了解决上述至少一个技术问题，本发明提出了一种视觉传感器采样参数自适应学习系统。

2、本发明第一方面提供了一种视觉传感器采样参数自适应学习系统，包括：视觉传感器；

3、获取用于光学测试的标准样本图像，进行视觉传感器采样参数自适应学习，得到针对该类别视觉传感器的算法模型；

4、算法模型利用视觉传感器当前采样参数进行采样得到图像特征，并通过算法模型自动调节视觉传感器采样参数，达到与屏幕刷新动作同步采样；

5、将视觉传感器和算法模型相结合，用于其它屏幕的属性测量和计算，测量过程中，算法模型自动调整视觉传感器采样参数，消除采样图像中的频闪纹理噪声。

6、本发明一个较佳实施例中，标准样本图像包括红、绿、蓝、黑和白5个标准色。

7、本发明一个较佳实施例中，还包括学习单元，学习单元读取样本图像数据和屏幕频率范围，以一定步进的方式将显示器屏幕设置在不同刷新频率点并依次显示5个颜色的标准图像，每一种显示图像和频率组合作为一组显示条件。

8、本发明一个较佳实施例中，还包括光电传感器，学习单元读取光电传感器采集到的亮度变化波形信号，根据图像特征的提取和计算，调整视觉传感器采样参数。

9、本发明一个较佳实施例中，所述算法模型采用多层神经网络，包括输入层、卷积层、第一隐含层、第二隐含层、全连接层和输出层。

10、本发明一个较佳实施例中，所述输入层包括3个部分，分别为时刻i的视觉传感器采样率si；采样占空比pi构成的视觉传感器参数特征；时刻i的视觉传感器采样图像在红色通道的数据，绿色通道数据和蓝色通道数据。

11、本发明一个较佳实施例中，所述的输出层包括2个神经元，分别为模型预测的下一个时刻视觉传感器的采样率和占空比。

12、本发明一个较佳实施例中，算法模型采用神经网络的正向和反向传播方法进行训练，当系统内所有图像样本和整个频率范围内的预测的损失函数los s均小于指定值δ，且δ不大于显示器测试标准中的误差时，停止训练。

13、本发明的上述技术方案相比现有技术具有以下优点：

14、(1)本申请支持对不同的显示器屏幕类别、不同的视觉传感器类别和不同频率范围的自适应学习，随场景更改而自动学习，鲁棒性高。

15、(2)本申请对测量仪器的依赖程度低，显示器屏幕属性的测量仅依赖视觉传感器，用时短，效率高。

16、(3)本申请无需显示器提供刷新频率的软件控制接口即可实现自动化测量，对显示器软件的依赖程度低。

技术特征：

1.一种视觉传感器采样参数自适应学习系统，其特征在于，包括：视觉传感器；

2.根据权利要求1所述的一种视觉传感器采样参数自适应学习系统，其特征在于，标准样本图像包括红、绿、蓝、黑和白5个标准色。

3.根据权利要求2所述的一种视觉传感器采样参数自适应学习系统，其特征在于，还包括学习单元，学习单元读取样本图像数据和屏幕频率范围，以一定步进的方式将显示器屏幕设置在不同刷新频率点并依次显示5个颜色的标准图像，每一种显示图像和频率组合作为一组显示条件。

4.根据权利要求3所述的一种视觉传感器采样参数自适应学习系统，其特征在于，还包括光电传感器，学习单元读取光电传感器采集到的亮度变化波形信号，根据图像特征的提取和计算，调整视觉传感器采样参数。

5.根据权利要求4所述的一种视觉传感器采样参数自适应学习系统，其特征在于，所述算法模型采用多层神经网络，包括输入层、卷积层、第一隐含层、第二隐含层、全连接层和输出层。

6.根据权利要求5所述的一种视觉传感器采样参数自适应学习系统，其特征在于，所述输入层包括3个部分，分别为时刻i的视觉传感器采样率si；采样占空比pi构成的视觉传感器参数特征；时刻i的视觉传感器采样图像在红色通道的数据，绿色通道数据和蓝色通道数据。

7.根据权利要求4所述的一种视觉传感器采样参数自适应学习系统，其特征在于，所述的输出层包括2个神经元，分别为模型预测的下一个时刻视觉传感器的采样率和占空比。

8.根据权利要求5所述的一种视觉传感器采样参数自适应学习系统，其特征在于，算法模型采用神经网络的正向和反向传播方法进行训练，当系统内所有图像样本和整个频率范围内的预测的损失函数loss均小于指定值δ，且δ不大于显示器测试标准中的误差时，停止训练。

技术总结
本发明公开的一种视觉传感器采样参数自适应学习系统，包括视觉传感器；获取用于光学测试的标准样本图像，进行视觉传感器采样参数自适应学习，得到针对该类别视觉传感器的算法模型；算法模型利用视觉传感器当前采样参数进行采样得到图像特征，并通过算法模型自动调节视觉传感器采样参数，达到与屏幕刷新动作同步采样；将视觉传感器和算法模型相结合，用于其它屏幕的属性测量和计算，测量过程中，算法模型自动调整视觉传感器采样参数，消除采样图像中的频闪纹理噪声；本申请支持对不同的显示器屏幕类别、不同的视觉传感器类别和不同频率范围的自适应学习，随场景更改而自动学习，鲁棒性高。

技术研发人员：刘曜轩,陈曦,王恒旭,赵振刚,余艳玮,冷兆清,辛书岳
受保护的技术使用者：苏州威达智科技股份有限公司
技术研发日：
技术公布日：2024/1/13