[發(fā)明專利]鏡頭模式檢測方法及相關裝置、電子設備和存儲介質

在審

• 申請?zhí)枺?/td>: 202210614085.7
• 申請日: 2022-05-27
• 公開（公告）號: CN115205617A
• 公開（公告）日: 2022-10-18
• 發(fā)明（設計）人: 吳成路;余言勛;王亞運
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06V20/40;G06N3/04
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何倚雯

1.一種鏡頭模式檢測方法，其特征在于，包括：

分別基于至少一個圖像集進行場景檢測，得到場景檢測結果；其中，所述圖像集包括通過攝像器件分別先后拍攝的第一圖像和第二圖像，所述場景檢測結果表征各所述圖像集中所述第二圖像相對所述第一圖像發(fā)生場景變化的概率；

基于所述場景檢測結果對所述至少一個圖像集進行篩選，得到若干目標圖像，并基于所述若干目標圖像，構建待測視頻片段；

基于所述待測視頻片段，確定所述攝像器件的鏡頭模式。

2.根據權利要求1所述的方法，其特征在于，所述分別基于若干圖像集進行場景檢測，得到場景檢測結果，包括：

分別對所述圖像集中所述第一圖像和所述第二圖像進行特征提取，得到所述第一圖像的第一背景特征和所述第二圖像的第二背景特征；

基于所述圖像集中所述第一圖像的第一背景特征和所述第二圖像的第二背景特征進行特征對比，得到特征對比結果；其中，所述特征對比結果表征所述圖像集中所述第二圖像和所述第一圖像的背景差異程度；

基于各所述圖像集的特征對比結果，得到所述場景檢測結果。

3.根據權利要求1或2所述的方法，其特征在于，所述場景檢測由場景檢測模型執(zhí)行，所述場景檢測模型基于第一樣本圖像集和第二樣本圖像集訓練得到，所述第一樣本圖像集包括第一樣本圖像和第二樣本圖像，且所述第二樣本圖像相較于所述第一樣本圖像未發(fā)生場景變化，所述第二樣本圖像集包括第三樣本圖像和第四樣本圖像，且所述第四樣本圖像相較于所述第三樣本圖像發(fā)生場景變化。

4.根據權利要求3所述的方法，其特征在于，所述第一樣本圖像集和所述第二樣本圖像集的獲取步驟，包括：

在若干樣本圖像中選擇未發(fā)生場景變化的圖像集，構成所述第一樣本圖像集；

基于所述若干樣本圖像進行圖像篩選，得到所述第二樣本圖像集，和/或，基于所述第一樣本圖像集進行圖像增強，得到所述第二樣本圖像集。

5.根據權利要求3所述的方法，其特征在于，所述場景檢測模型的訓練步驟包括：

分別對所述第一樣本圖像集和所述第二樣本圖像集進行特征提取，得到所述第一樣本圖像的第一樣本背景特征、所述第二樣本圖像的第二樣本背景特征、所述第三樣本圖像的第三樣本背景特征和所述第四樣本圖像的第四樣本背景特征；

基于所述第一樣本背景特征和所述第二樣本背景特征進行預測，得到第一樣本檢測結果，和/或，基于所述第三樣本背景特征和所述第四樣本背景特征進行預測，得到第二樣本檢測結果；其中，所述第一樣本檢測結果表征所述第一樣本圖像相對于所述第二樣本圖像發(fā)生場景變化的概率，所述第二樣本檢測結果表征所述第三樣本圖像相對于所述第四樣本圖像發(fā)生場景變化的概率；

基于所述第一樣本背景特征、所述第二樣本背景特征、所述第三樣本背景特征和所述第四樣本背景特征間的特征距離，得到第一損失，并基于所述第一樣本檢測結果和/或所述第二樣本檢測結果，得到第二損失；

基于所述第一損失和所述第二損失，調整所述場景檢測模型的網絡參數。

6.根據權利要求5所述的方法，其特征在于，所述基于所述第一樣本背景特征、所述第二樣本背景特征、所述第三樣本背景特征和所述第四樣本背景特征間的特征距離，得到第一損失，包括：

獲取所述第一樣本背景特征和所述第二樣本背景特征的第一特征距離，并獲取所述第一樣本背景特征和所述第三樣本背景特征的第二特征距離，以及獲取所述第一樣本背景特征和所述第四樣本背景特征的第三特征距離；

基于所述第二特征距離和/或所述第三特征距離，以及所述第一特征距離，得到所述第一損失；其中，所述第一損失與所述第一特征距離正相關，所述第一損失與所述第二特征距離、所述第三特征距離均負相關。

7.根據權利要求1所述的方法，其特征在于，在所述基于所述若干目標圖像，構建待測視頻片段之前，所述方法還包括：

將篩選到的目標圖像緩存至圖像緩存單元；

所述基于所述若干目標圖像，構建待測視頻片段，包括：

響應于所述圖像緩存單元填滿，基于所述圖像緩存單元當前緩存的目標圖像，構建所述待測視頻片段。