[发明专利]电子防抖算法的性能分析方法及装置

权利要求书

1.一种电子防抖算法的性能分析方法，其特征在于，应用于分析设备，所述方法包括：

采用特征提取算法，获取视频样本数据包括的多帧图像中，每一帧图像中的多个特征点，其中，所述视频样本数据为采用电子防抖算法处理后的数据，所述特征点为用于表征图像特征的点；

根据每一帧图像中每个特征点与相邻的至少一帧图像中对应特征点的相对位置，确定每一帧图像中每个特征点的运动矢量；

根据每一帧图像中各个特征点的运动矢量，计算每一帧图像的卷帘快门失真度，所述卷帘快门失真度的大小与各个特征点的运动矢量的波动程度正相关，所述波动程度是指各个特征点的运动矢量的不一致程度；

根据计算得到的各帧图像的卷帘快门失真度，确定所述电子防抖算法的性能，所述电子防抖算法的性能优劣与所述卷帘快门失真度的大小负相关；

其中，所述根据每一帧图像中各个特征点的运动矢量，计算每一帧图像的卷帘快门失真度，包括：将每一帧图像中各个特征点的运动矢量的方差、标准差、极差或平均差中一种确定为每一帧图像的卷帘快门失真度。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算每一帧图像包括的多个特征点中，各个特征点的运动矢量的大小的平均值，得到每一帧图像的抖动度；

所述根据计算得到的各帧图像的卷帘快门失真度，确定所述电子防抖算法的性能，包括：

根据计算得到的各帧图像的卷帘快门失真度，以及各帧图像的抖动度，确定所述电子防抖算法的性能。

3.根据权利要求1或2所述的方法，其特征在于，所述根据每一帧图像中各个特征点的运动矢量，计算每一帧图像的卷帘快门失真度，包括：

将每一帧图像中，各个特征点的运动矢量的方差确定为每一帧图像的卷帘快门失真度。

4.根据权利要求1或2所述的方法，其特征在于，所述获取视频样本数据包括的多帧图像中，每一帧图像中的多个特征点，包括：

对每一帧图像进行图像分割，确定每一帧图像包括的至少一个拍摄对象；

在每个拍摄对象中确定多个特征点，得到每个拍摄对象对应的特征点集合；

所述根据每一帧图像中每个特征点与相邻的至少一帧图像中对应特征点的相对位置，确定每一帧图像中每个特征点的运动矢量，包括：

对于每一帧图像中每个拍摄对象对应的第一特征点集合，从前一帧图像中获取同一拍摄对象对应的第二特征点集合；

根据所述第一特征点集合中，每个特征点与第二特征点集合中对应特征点的相对位置，确定每个拍摄对象对应的第一特征点集合中，每个特征点的运动矢量；

所述根据每一帧图像中各个特征点的运动矢量，计算每一帧图像的卷帘快门失真度，包括：

根据每个拍摄对象中各个特征点的运动矢量，计算每个拍摄对象的失真度，所述失真度的大小与拍摄对象中各个特征点的运动矢量的波动程度正相关；

将每一帧图像中，各个拍摄对象的失真度的平均值确定为所述每一帧图像的卷帘快门失真度。

5.根据权利要求4所述的方法，其特征在于，所述对每一帧图像进行图像分割，包括：

采用基于深度学习的图像分割算法，对每一帧图像进行图像分割。

6.根据权利要求2所述的方法，其特征在于，所述根据计算得到的各帧图像的卷帘快门失真度，以及各帧图像的抖动度，确定所述电子防抖算法的性能，包括：

计算各帧图像的卷帘快门失真度的第一均值，以及各帧图像的抖动度的第二均值；

根据所述第一均值和所述第二均值，确定所述电子防抖算法的性能。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一均值和所述第二均值，确定所述电子防抖算法的性能，包括：

获取卷帘快门失真度对应的第一权重值w1，以及抖动度对应的第二权重值w2；

根据所述第一均值S1，以及所述第二均值S2，确定所述电子防抖算法的性能评价值P，所述性能评价值P满足：P＝S1×w1+S2×w2；

其中，所述电子防抖算法的性能优劣与所述性能评价值的大小负相关，且w1＞w2，w1+w2≤1。