[发明专利]屏幕显示的控制方法、系统和电子设备

说明书

本申请涉及屏幕摄像头成像的领域，其具体地公开了一种屏幕显示的控制方法、系统和电子设备。其通过对于深度学习的卷积神经网络的训练，以使得卷积神经网络模型更加关注于图像中的噪声的特征，包括噪声的模式和噪声在图像中的位置分布等，从而基于图像噪声的特征提取来确定适当的屏幕亮度值，并且在本申请中还采用了图像的热力学参数，而不是普通的像素值来进行特征提取和回归，以使得分类的结果更加准确。通过这样的方式，可以根据实际的情况来确定适当的屏幕亮度值，进而使得摄像头拍摄的图像的效果较好。

技术领域

本申请涉及屏幕摄像头成像的领域，且更为具体地，涉及一种屏幕显示的控制方法、系统和电子设备。

背景技术

随着通信技术的发展，安装有摄像头的电子设备的使用更加广泛，而改变摄像头的安装位置可以提高电子设备的屏占比。

通常情况下，摄像头安装于电子设备的屏幕下方，以较大可能的提高电子设备的屏占比。示例性的，摄像头可以安装在电子设备的屏幕的正下方，这样，其可以采集透过电子设备的屏幕的光线进行成像。但是，在上述摄像头采集图像的过程中，如果电子设备的屏幕为自发光屏幕，且该屏幕处于点亮状态，那么该屏幕点亮所产生的光线可能对摄像头的成像造成干扰，从而导致摄像头拍摄图像的效果较差。因此，为了使得摄像头拍摄更好的图像，期望提供一种屏幕显示的控制方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种屏幕显示的控制方法、系统和电子设备，其通过对于深度学习的卷积神经网络的训练，以使得卷积神经网络模型更加关注于图像中的噪声的特征，包括噪声的模式和噪声在图像中的位置分布等，从而基于图像噪声的特征提取来确定适当的屏幕亮度值，并且在本申请中还采用了图像的热力学参数，而不是普通的像素值来进行特征提取和回归，以使得分类的结果更加准确。通过这样的方式，可以根据实际的情况来确定适当的屏幕亮度值，进而使得摄像头拍摄的图像的效果较好。

根据本申请的一个方面，提供了一种屏幕显示的控制方法，其包括：

训练阶段，包括：

获取训练数据，所述训练数据包括由显示屏的各个像素的色温值组成的色温图像和所述显示屏的亮度值；

使用卷积神经网络从所述色温图像获得色温特征图；

计算所述色温特征图中各个位置的热功率谱密度以获得功率谱密度特征图，其中，所述热功率谱密度基于所述色温图中各个位置的特征值、普朗克常数、各个像素对应的色波长和玻尔兹曼热力学常数计算而得；

对所述色温特征图进行全局池化处理以获得全局色温值；

计算所述全局色温值与所述功率谱密度特征图之间的第一交叉熵损失函数值；

计算所述亮度值与所述功率谱密度特征图之间的第二交叉熵损失函数值；

将所述功率谱密度特征图通过分类器以获得分类损失函数值；以及基于所述第一交叉熵损失函数值、所述第二交叉熵损失函数值和所述分类损失函数值的加权和来训练所述卷积神经网络；以及

推断阶段，包括：

获取待检测数据，所述待检测数据为由显示屏的各个像素的色温值组成的色温图像；

将所述色温图像输入经训练阶段训练完成的所述卷积神经网络以获得检测用色温特征图；

计算所述检测用色温特征图中各个位置的热功率谱密度以获得检测用功率谱密度特征图；

将所述检测用功率谱密度特征图输入分类器以获得分类结果，所述分类结果用于表示显示屏的亮度值应增大还是应减小；

基于所述分类结果，控制所述显示屏的亮度值。

根据本申请的另一方面，提供了一种屏幕显示的控制系统，其包括：