一种基于bibavr算法的自动聚焦头盔摄像机的利记博彩app
【技术领域】
[0001] 本发明属于自动聚焦摄像技术领域，具体涉及一种基于BIBAVR算法的自动聚焦 头盔摄像机。
【背景技术】
[0002] 在矿井、铁路通道等施工现场，维护检修人员常常通过头盔摄像机实时拍摄现场 视频，再传输给监控器端的专家分析处理。这种可随人员移动的便携设备使现场始终处于 监控状态，大大提高了安全保障，既可将现场情况及时传回监控器端供专家分析处理，也可 以为后期的分类、存储和检测提供便利。
[0003] 现有适用于施工现场的头盔摄像机一般分为红外摄像和矿灯摄像监控两类。相关 文献和专利一方面主要针对头盔的硬件设计，使之适合实时网络传输、便携头部佩戴或者 解决防水防火等安全隐患；另一方面集成音频等功能，方便后端专家与佩戴工作人员实时 交互。因便携性、价格等原因，目前头盔摄像机只包含摄像或者简单拍照功能，无法自动聚 焦。由于人在行走过程难免造成摄像机的晃动，使拍摄的视频图像质量低下，图像模糊，这 样的视频图像只能用于实时监测，不利于后端专家准确分析故障。因此需要在传统头盔摄 像机基础上集成自动聚焦功能，以便可以拍摄聚焦清晰的图像供后端供专家分析问题。
[0004] 为了有效地安全监控，头盔摄像机输出的视频要求画面清晰稳定，但是该需求常 常难以达到。一方面，使用头盔摄像机的环境复杂，达不到清晰录像的要求，如矿井昏暗或 不均匀的光线等；另一方面，受到环境和人员移动而产生抖动，图像出现画面模糊、辨识度 较低、画面闪动等现象。现有的视频稳像技术多应用于军事、测绘、室外公共安全、无人驾 驶、民用摄像、手持摄像机等领域，还没有专门面向头盔摄像机这一应用场景的视频稳像 算法研究，因此对头盔摄像机拍摄的视频稳像处理具有重要的应用价值。
[0005] 自动聚焦技术在照相器材、医学仪器、一些军用观测设备以及各种基于机器视觉 的智能系统中有着广泛的用途。自动聚焦主要有以下三种实现方式：一是通过激光、红外 线或者超声波对目标进行测距，根据所测距离驱动电机调节镜头至聚焦位置，这种方式也 称为主动式聚焦方式；二是利用图像处理方法获取相应的信息控制电机调节镜头至聚焦位 置，这是一种较先进的自动聚焦方法；三是通过图像处理估计点扩散函数PSF，并根据得到 的PSF进行图像恢复。其中，第二、三种方式被称为被动式聚焦方式。方法一需要红外线或 超声波源及相应的传感器，这使得自动聚焦系统体积大，而且成本高，不适合用于头盔摄像 机等便携式设备；方法三则只能在比较小的离焦范围内起作用，实际的图像模糊比较复杂， 很难找到合适的点扩散函数，计算复杂度较高。因此针对便携式的头盔摄像机宜采用方法 二，该方法主要包括聚焦调节和聚焦检测两个过程，一种准确高效的图像清晰度评价算法 (又称聚焦算法）是聚焦检测的关键。
[0006] 对于特定的成像系统，图像的清晰度反应了系统的离焦程度。目前广泛使用的聚 焦函数评价指标包括：单峰性、精确性、尖锐性、单调性等。然而大多数基于该类指标设计 的聚焦算法均建立在图像越清晰，图像灰度变化明显的假设基础上，如高频分量法、图像灰 度熵法、方差函数法、梯度函数法等。该类方法的主要特点是计算简单，从统计学上计算图 像包含的边缘细节信息，然而没有考虑到人眼视觉特性，结果往往与人类视觉感知的图像 质量存在较大差异。在另一个研究领域，无参考图像质量评估算法的研究中，最常用的算法 评价指标有：线性皮尔森相关系数（LPCC)，斯皮尔曼等级相关系数（SROCC)，平均绝对误差 (MAE)，离出率（OR)等，这类指标旨在计算算法评价图像分数与实际人类主观评分之间的 关系，可以很好的反应算法与人类视觉评价的相似程度。由于人是头盔摄像机拍摄视频或 图像的最终接收者，所以头盔摄像机的聚焦函数也要求达到与人类视觉一致的质量评价结 果；同时头盔摄像机对实时性有严格要求，需要聚焦函数复杂度较低，算法高效准确。因此 我们综合传统聚焦函数评价与无参考图像质量评价两种指标，提出了适用于便携式设备自 动聚焦算法的评价指标VAE (Visual associated and efficiency)，并在此基础上设计符 合该应用场景的聚焦算法。
[0007] 近年来许多国内外学者从人类视觉感知出发，研究无参考图像质量评估算法，最 典型的算法有Ferzli提出的空域JNB算法和对该算法的改进Niranjan D. Narvekar提出 的CPBD算法，Anish Mittal提出在时域操作的BRISQUE算法等。与基于边缘检测的自动 聚焦模块图像聚焦算法相比，该类算法的主要优势是符合人类视觉感知特点，但需要提取 大量图像特征，计算复杂度较高，不适宜实时监测的应用场景。因此，我们急需一种可以折 中的算法，要求该算法不仅计算简单高效，而且要与人类视觉感知相近。因此在考虑了本专 利VAE等多项图像评价指标的基础上，我们提出了 BIBAVR聚焦算法用于实现头盔摄像机的 自动聚焦功能。
【发明内容】
[0008] 为了克服上述现有技术的不足，本发明提供了一种基于BIBAVR算法的自动聚焦 头盔摄像机实现方案。
[0009] 首先，研究了头盔摄像机实现自动聚焦功能的需求，提出了一种适用于便携式摄 像设备聚焦算法的评价指标VAE。该评价指标不仅要求图像清晰度评价算法能准确反应人 类视觉特征，而且要求算法复杂度较低，满足实时检测要求。然后，综合考虑传统评价指标 与本专利提出的VAE指标，设计应用于头盔摄像机等便携式摄像设备的聚焦算法BIBAVR。 最后，对传统头盔摄像机进行改进，集成照相与摄像功能，并由遥控开关在两种模式间自由 切换。
[0010] 头盔摄像机是主要的前端设备，拍摄的图像或者视频可经无线网络传送至后端计 算机存储。当系统处于照相模式时，系统会自动调焦，拍摄聚焦清晰的高质量图像，经网络 传输至监控器端（后端）由专家分析问题；当操作人员处于行动状态可以切换至摄像模式， 自动滤除模糊严重图像。同时，考虑到头盔摄像机的便携性，不适宜加入过多硬件设置，我 们在拍照和摄像两种模式下共用同一图像清晰度评价（BIBAVR算法）硬件模块。在照相模 式中，该算法作为图像聚焦函数，快速实现自动调焦；在摄像模式中，估计无参考图像质量， 快速滤除视频中质量特别低的图像，为后端专家提供清晰稳定的视频内容。
[0011]与现有技术相比，本发明集成了自动聚焦的照相功能和快速去模糊的视频拍摄功 能，功能更为强大，也更符合头盔摄像机的应用需求。本发明提出的VAE评价指标可应用于 各类便携式摄像设备的聚焦算法的评价，为传统基于边缘检测的聚焦算法评价指标提供了 补充。用于头盔摄像机自动聚焦模块的图像清晰度评价算法BIBAVR，符合评价指标VAE和 传统单峰性、精确性等要求。该算法对样本无依赖性，在照相机聚焦调节阶段可以大大减少 搜索空间，控制电机快速定位清晰图像位置，实现自动聚焦。同时，在摄像模式中，该算法估 计无参考图像质量，快速滤除模糊视频帧，不仅降低传输成本，也为后端专家提供清晰稳定 的视频图像以供进一步检测。
【附图说明】
[0012] 图1为：图像清晰度评价BIBAVR算法
[0013] 图2为：图像再模糊原理图
[0014] 图3为：头蓝摄像机应用不意图
[0015] 图4为：头蓝摄像机功能不意图
[0016] 图5为：头盔摄像机外部结构
[0017] 图6为：无线遥控内部结构
[0018] 图7为：头盔摄像机内部结构
[0019] 图8为：头盔摄像机内部原理图
[0020] 图9为：自动聚焦流程图
[0021] 图10为：模糊帧快速滤除流程图
【具体实施方式】
[0022] 为进一步阐述本发明达成预定目的所采取的技术手段及功效，以下将结合附图及 实施例说明本发明的【具体实施方式】、结构特征及其功效。首先介绍适用于便携式摄像设备 聚焦算法的评价指标VAE，然后详细介绍图像清晰度评价算法BIBAVR，最后将该算法应用 到头盔摄像机的自动聚焦中，结合具体实例说明自动聚焦头盔摄像机的工作原理及流程。
[0023] 1.聚焦算法评价指标VAE
[0024] 图像和视频质量评价方法，主要分为主观评价和客观评价两大类。主观评价就是 人来评价图像质量的方法，由于我们人类是图像的最终接收者和消费者，这无疑是最为直 接和可靠的方法。
[0025] 主观图像质量评分包括不需要参考图像的主观平均意见得分（Mean Opinion Score，M0S)和需要参考图像的主观差异平均意见得分（Difference Mean Opinion Score， DM0S)两种。由于人类主观评分费时费力，无法满足实时性要求，因此开发出能够代替人类 视觉系统的客观评价方法是一直来专家学者等研究人员关注的焦点。<