利用基于AI的对象识别的监控摄像机的快门值调节的制作方法

本发明涉及一种监控摄像机的图像处理方法。

背景技术：

1、为了实现监控摄像机的残影减少效果而使用的高速快门在低照度条件下也必然会存在由于传感器增益(gain)的放大量增加而导致在画面上产生很多噪声的问题。

2、为了减少这种噪声的产生，可以考虑使用低速快门的方案，但是，在使用低速快门的情况下，画面上的噪声减少，但是对作为监控摄像机的主要监视对象的人和对象(例如，汽车等)的运动模糊效果(motion blur)可能会增加。可能出现通过这种运动模糊效果增强的图像数据无法识别人和对象的问题。

3、此外，监控摄像机为了最大限度地减少监视对象对象的运动残影，需要适当地降低噪声去除强度，若降低噪声去除强度，运动残影减少，但是噪声会更多，并且画面上的噪声经常会产生过多，从而可能引起增加图像传输带宽(band width)的问题。

4、因此，需要一种提高针对作为主要监视对象的人和对象的识别率的同时使残影效果最小化的方案。

技术实现思路

1、技术问题

2、本发明用于解决上述的技术问题，其目的在于提供一种能够通过根据画面上的对象的存在与否来自动控制快门速度而使运动残影(motion blur)最小化的监控摄像机的图像处理方法。

3、此外，本发明的目的在于提供一种能够在低照度条件下根据画面上的对象的运动与否来使运动残影和噪声最小化的监控摄像机的图像处理方法。

4、本发明所要实现的技术问题不限于以上提及的技术问题，本发明所属技术领域的普通人员可以从以下的详细说明中清楚地理解未提及的其他技术问题。

5、技术方案

6、根据本发明的一实施例的监控摄像机图像的处理装置包括：图像拍摄部；以及处理器，从通过所述图像拍摄部获取的图像中识别对象，计算与所述对象的移动速度对应的目标快门值，并控制为基于计算出的所述目标快门值来确定在自动曝光控制过程中的传感器增益控制区间的开始点的快门值，其中，所述传感器增益控制区间的开始点的快门值被确定为根据所述对象的移动速度来在第一快门值与比所述第一快门值小的第二快门值之间改变。

7、所述处理器可以在所述对象的移动速度为第一临界速度以上的情况下，将所述快门值设定为高速快门值，在所述对象的移动速度为比所述第一临界速度小的第二临界速度的情况下，将所述快门值设定为低速快门值。

8、所述处理器可以应用基于深度学习的yolo(you only look once)算法识别所述对象。

9、所述处理器可以向识别到的每个所述对象赋予id，提取所述对象的坐标，并基于第一图像帧和所述第一图像帧的下一帧的第二图像帧中包含的所述对象的坐标信息来计算所述对象的平均移动速度。

10、所述目标快门值可以以所述监控摄像机的最低快门值(minimum shutter speed)为基准，基于一帧时间内的对象的移动量和所述监控摄像机图像的分辨率(resolution)来计算。

11、所述一帧时间内的移动量可以基于所述对象的平均移动速度来计算。

12、所述监控摄像机图像的分辨率可以是指分别可应用于高分辨率摄像机和/或低分辨率摄像机的视觉敏感度(visual sensitivity)。

13、所述处理器可以通过将与所述监控摄像机图像的分辨率对应的性能信息、在没有运动模糊(motion blur)现象的情况下可识别的对象的速度信息设定为学习数据来训练学习模型，并基于将所述对象的移动速度作为输入数据并根据所述对象的移动速度自动计算所述目标快门值的所述学习模型来计算所述目标快门值。

14、所述处理器可以控制为根据所述对象的移动速度来使所述传感器增益控制区间的开始点的快门值在从所述低速快门值到所述高速快门值之间的区间改变。

15、所述传感器增益控制区间的开始点的快门值可以被确定为随着所述对象的移动速度增加而收敛到所述第一快门值，并且可以被确定为随着所述对象的移动速度减小而收敛到所述第二快门值。

16、所述第一快门值可以为1/300秒以上，所述第二快门值可以为1/30秒。

17、所述自动曝光控制过程在与所述传感器增益控制区间对应的低照度区间和利用光圈和快门的高照度区间控制快门速度，所述目标快门值可以根据在经过所述传感器增益控制区间的开始点的快门值后随着传感器增益放大量增加而减小的自动曝光控制进程来控制，所述自动曝光控制进程可以设定为在所述对象的移动速度增加时增大所述传感器增益控制区间的开始点的快门值。

18、由此，除了低照度区间以外，在高照度区间也可以通过根据对象移动速度提高快门值来应用。

19、所述监控摄像机还可以包括通信部，所述处理器可以将通过所述图像拍摄部获取的图像数据利用所述通信部发送到外部服务器，并且可以利用所述通信部从外部服务器接收基于人工智能的对象识别结果。

20、根据本发明的另一实施例的监控摄像机的图像处理装置可以包括：图像拍摄部；以及处理器，从由所述图像拍摄部获取的图像中识别对象，计算识别到的所述对象的移动速度，并根据所述对象的移动速度来可变地控制快门值，其中，所述处理器可以通过应用将由所述图像拍摄部获取的图像设定为输入数据并将对象识别设定为输出数据而预训练的神经网络模型来识别所述对象。

21、所述处理器可以在对象不存在的情况下应用与最低快门值对应的第一快门值，并且可以在识别到至少一个对象的情况下，在所述对象的平均移动速度超过预定阈值时应用与最高快门值对应的第二快门值。

22、所述处理器可以根据所述对象的平均移动速度在所述第一快门值与第二快门值之间的区间可变地应用快门值。

23、根据本发明的又一实施例的监控摄像机系统可以包括：监控摄像机，拍摄监视区域的图像；以及计算装置，通过通信部从所述监控摄像机接收拍摄到的所述图像，利用基于人工智能的对象识别算法从所述图像中识别对象，计算与识别到的所述对象的移动速度对应的快门值而发送到所述监控摄像机，其中，所述快门值可以根据所述对象的平均移动速度来在与最低快门值对应的第一快门值和第二快门值之间的区间改变。

24、根据本发明的又一实施例的监控摄像机图像的处理方法可以包括以下步骤：从通过图像拍摄部获取的图像中识别对象；计算与识别到的所述对象的移动速度对应的目标快门值；以及基于计算出的所述目标快门值来确定在自动曝光控制过程中的传感器增益控制开始点的快门值，其中，所述传感器增益控制区间的开始点的快门值可以被确定为根据所述对象的移动速度来在第一快门值与比所述第一快门值小的第二快门值之间改变。

25、识别所述对象的步骤可以应用基于深度学习的yolo(you only look once)算法来识别所述对象。

26、所述监控摄像机图像的处理方法还可以包括以下步骤：向识别到的每个所述对象赋予id，提取所述对象的坐标；以及基于第一图像帧和所述第一图像帧的下一帧的第二图像帧中包含的对象的坐标信息来计算所述对象的平均移动速度。

27、所述目标快门值可以以所述监控摄像机的最低快门值(minimum shutter speed)为基准，基于一帧时间内的对象的移动量和所述监控摄像机图像的分辨率(resolution)来计算。

28、计算所述目标快门值的步骤可以包括以下步骤：将与所述监控摄像机图像的分辨率对应的性能信息、在没有运动模糊(motion blur)现象的情况下可识别的对象的速度信息设定为学习数据来训练学习模型；以及基于将所述对象的移动速度作为输入数据并自动计算根据所述对象的移动速度的所述目标快门值的所述学习模型来计算所述目标快门值。

29、所述传感器增益控制区间的开始点的快门值可以被确定为随着所述对象的移动速度增加而收敛到所述第一快门值，并且可以被确定为随着所述对象的移动速度减小而收敛到所述第二快门值。

30、所述第一快门值可以为1/300秒以上，所述第二快门值可以为1/30秒。

31、根据本发明的又一实施例的监控摄像机图像的处理方法可以包括以下步骤：从通过图像拍摄部获取的图像中识别对象；计算与识别到的所述对象的移动速度对应的目标快门值；以及基于计算出的所述目标快门值来确定在自动曝光控制过程中的传感器增益控制开始点的快门值，其中，在所述对象的移动速度为第一临界速度以上的情况下，可以将所述快门值设定为高速快门值，在所述对象的移动速度为比所述第一临界速度小的第二临界速度的情况下，可以将所述快门值设定为低速快门值。

32、根据本发明的又一实施例的监控摄像机图像的处理方法可以包括以下步骤：从通过图像拍摄部获取的图像中识别对象；计算识别到的所述对象的移动速度；以及根据所述对象的移动速度来可变地控制快门值，其中，在识别所述对象的步骤中，可以通过应用将由所述图像拍摄部获取的图像作为输入数据并将对象识别设定为输出数据而预训练的神经网络模型来识别所述对象。

33、技术效果

34、根据本发明的一实施例的监控摄像机的图像处理方法能够通过根据画面上的对象的存在与否来适当地控制快门速度，从而保持图像的清晰度并使运动残影最小化。

35、此外，根据本发明的一实施例的监控摄像机的图像处理方法可以解决因经常保持高速快门的必要性非常大的监控摄像机的特性而在低照度条件下保持高速快门的情况下产生的噪声、传输带宽增加的问题。

36、本发明可获得的效果不限于以上提及的效果，本发明所属技术领域的普通人员可以从以下的详细说明中清楚地理解未提及的其他效果。