(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211036421.0 (22)申请日 2022.08.29 (71)申请人 特斯联科技 集团有限公司 地址 100027 北京市朝阳区新源南路8号启 皓北京西塔1 1层 (72)发明人 张大鹏　 (74)专利代理 机构 北京春江专利商标代理事务 所(普通合伙) 11835 专利代理师 向志杰 (51)Int.Cl. H04N 5/232(2006.01) H04N 5/235(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种监视移动物体的摄像机快门人工智能 调整方法及系统 (57)摘要 本发明提供一种监视移动物体的摄像机快 门人工智能调整方法及系统， 属于人工智能技术 领域。 该系统包括： 速度判断系统， 用于获取移动 物体在监控区域内的移动速度， 并将获取到的所 述移动速度传输至所述监控主系统； 监控主系 统， 用于接收所述速度判断系统传输的所述移动 速度； 监控主系统配置有第一深度学习模块， 所 述第一深度学习模块被训练以根据所述移动速 度确定快门速度的调节目标值； 所述监控主系统 还根据所述快门速度的调节目标值， 生成调节所 述监控主摄像机的快门速度的控制信号并发送 至所述监控主摄像机； 监控主摄像机根据所述控 制信号调节快门速度。 本发明能够根据移动物体 在监控画面上的移动速度自适应调整监控摄像 机的快门速度。 权利要求书2页 说明书10页 附图2页 CN 115412671 A 2022.11.29 CN 115412671 A 1.一种监视移动物体的摄像机快门人工智能调整系统， 其特征在于， 包括： 监控主系统 以及分别与所述 监控主系统通信连接的监控主摄 像机、 速度判断系统； 所述速度判断系统， 用于获取移动物体在监控区域内的移动速度， 并将获取到的所述 移动速度传输 至所述监控主系统； 所述监控主系统， 用于接收所述速度判断系统传输的所述移动速度； 所述监控主系统 配置有第一深度学习模块， 所述第一深度学习模块被训练以根据所述移动速度确定快门速 度的调节目标值； 所述监控主系统还根据所述快门速度的调节目标值， 生成调节所述监控 主摄像机的快门速度的控制信号并发送至所述 监控主摄 像机； 所述监控主摄 像机根据所述控制信号调节快门速度。 2.根据权利要求1所述的系统， 其特征在于， 所述监控主系统还用于根据 所述移动速度 计算所述移动物体到达监控中心 位置的时间， 所述第一深度学习模块被训练以根据所述移 动速度和所述移动物体到达监控中心位置的时间确定快门速度的调节目标值； 其中， 所述 监控中心位置为所述 监控主摄 像机沿着中心向外延伸的直线区域。 3.根据权利要求1所述的系统， 其特征在于， 所述第 一深度学习模块使用深度 学习模型 作为学习模型， 所述深度学习模 型为包括径向基神经网络和BP神经网络级联的多层神经网 络系统； 所述多层神经网络系统是通过粒子群算法优化得到， 所述粒子群算法的速度更新公 式、 位置更新公式和惯性权 重的公式如下： 其中， v为当前粒子的速度， x为当前粒子的位置， w ′为惯性权重， i为当前粒子的编号， d 为维数的编号， γ1,γ2为收缩因子， k为当前迭代次数， c1和c2为学习因子， r1和r2为大于或 等于0且小于或等于1的随机数， p为个体最优位置， g为全局最优位置， kmax为最大允许迭代 次数， wmax， wmin为最大惯性权 重和最小惯性权 重。 4.根据权利要求1所述的系统， 其特征在于， 所述监控主系统还用于根据 所述监控主摄 像机采集的图像中所述移动物体周围的像素的亮度值确定所述监控主摄像机的光圈调整 值或调整的目标光圈值， 并将所述光圈调整值或所述目标光圈值发送至所述监控主摄像 机。 5.根据权利要求1所述的系统， 其特征在于， 所述速度判断系统包括两个监控副摄像机 以及两个距离传感器， 每一所述距离传感器对应一个所述监控副摄像机； 每个所述监控副 摄像机上设置一个时间模块； 通过两个所述距离传感器测算所述移动物体与所述距离传感 器的距离， 并且通过两个所述监控副摄像机上监控到所述移动物体的时间差， 换算出所述 移动物体的移动距离和移动时间， 计算出 所述移动物体的所述移动速度。 6.根据权利要求5所述的系统， 其特征在于， 所述监控主系统还可以根据两个所述距离 传感器测算到的与所述移动物体的距离确定所述移动物体的位置 。权　利　要　求　书 1/2 页 2 CN 115412671 A 27.一种监视移动物体的摄 像机快门人工智能调整方法， 其特 征在于， 包括以下步骤： 速度判断系统获取移动物体在监控区域内的移动速度， 并将 获取到的所述移动速度传 输至监控主系统； 所述监控主系统接收所述速度判断系统传输的所述移动速度， 根据所述移动速度确定 快门速度的调节目标值； 所述监控主系统还根据 所述快门速度的调节目标值， 生成调节监控主摄像机的快门速 度的控制信号并发送至所述 监控主摄 像机； 所述监控主摄 像机根据所述控制信号调节快门速度。 8.根据权利要求7所述的方法， 其特征在于， 所述监控主系统根据 所述移动速度确定所 述快门速度的调节目标值， 包括： 所述监控主系统使用深度学习 模型， 根据 所述移动速度确定所述快门速度的调节目标 值； 所述深度学习模型为包括径向基神经网络和BP神经网络级联的多层神经网络系统； 所述多层神经网络系统是通过粒子群算法优化得到， 所述粒子群算法的速度更新公 式、 位置更新公式和惯性权 重的公式如下： 其中， v为当前粒子的速度， x为当前粒子的位置， w ′为惯性权重， i为当前粒子的编号， d 为维数的编号， γ1,γ2为收缩因子， k为当前迭代次数， c1和c2为学习因子， r1和r2为大于或 等于0且小于或等于1的随机数， p为个体最优位置， g为全局最优位置， kmax为最大允许迭代 次数， wmax， wmin为最大惯性权 重和最小惯性权 重。 9.根据权利要求7 所述的方法， 其特 征在于， 还 包括： 所述监控主系统根据所述监控主摄像机采集的图像中所述移动物体周围的像素的亮 度值确定所述监控主摄像机的光圈调整值或调整的目标光圈值， 并将所述光圈调整值或所 述目标光圈值发送至所述 监控主摄 像机。 10.根据权利要求7所述的方法， 其特征在于， 所述速度判断系统包括两个监控副摄像 机以及两个距离传感器， 每一所述距离传感器对应一个所述监控副摄像机； 每个所述监控 副摄像机上设置一个时间模块； 所述速度判断系统获取移动物体在监控区域内的移动速度， 包括： 根据两个所述距离传感器测算到的所述移动物体与所述距离传感器之间的距离， 以及 两个所述监控副摄像机上监控到所述移动物体的时间差， 换算出所述移动物体的移动距离 和移动时间； 根据所述移动距离和所述移动时间， 计算出 所述移动物体的所述移动速度。权　利　要　求　书 2/2 页 3 CN 115412671 A 3