(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 202210645359.9 (22)申请日 2022.06.07 (71)申请人 浙江华感科技有限公司 地址 311225 浙江省杭州市萧 山区经济技 术开发区建设二路858号集成电路设 计产业园A幢201室 (72)发明人 朱家骅　裘科杭　范雷　徐狄权　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. H04N 5/232(2006.01) (54)发明名称 成像防抖方法、 成像防抖装置、 摄像器件和 可读存储介质 (57)摘要 本申请公开了一种成像防抖方法、 成像防抖 装置、 摄像器件和可读 存储介质， 其中， 成像防抖 方法包括： 基于摄像器件当前时刻的第一抖动数 据， 得到摄像器件在当前时刻的抖动状态数据； 其中， 抖动状态数据包括第一抖动数据和摄像器 件在当前时刻之前至少一个第二抖动数据； 基于 摄像器件在当前时刻的抖动状态数据， 进行补偿 预测， 得到当前时刻的抖动补偿数据； 基于当前 时刻的抖动补偿数据， 控制抖动补偿器对摄像器 件的成像元件进行抖动补偿。 上述方案， 能够预 测抖动趋势， 并尽可能准确地抑制抖动。 权利要求书2页 说明书12页 附图4页 CN 115242967 A 2022.10.25 CN 115242967 A 1.一种成像防抖 方法， 其特 征在于， 包括： 基于摄像器件当前时刻的第 一抖动数据， 得到所述摄像器件在所述当前时刻的抖动状 态数据； 其中， 所述抖动状态数据包括所述第一抖动数据和所述摄像器件在所述当前时刻 之前至少一个第二抖动数据； 基于所述摄像器件在所述当前时刻的抖动状态数据， 进行补偿预测， 得到所述当前时 刻的抖动补偿数据； 基于所述当前时刻的抖动补偿数据， 控制抖动补偿器对所述摄像器件的成像元件进行 抖动补偿。 2.根据权利要求1所述的方法， 其特征在于， 所述补偿预测由补偿生成网络执行， 抖动 补偿模型包括补偿评价网络和所述补偿生成网络， 所述抖动补偿模型基于样本数据训练得 到， 所述样本数据包括： 样 本第一时刻的样本第一抖动状态、 所述样 本第一时刻的样本第一 抖动补偿、 执行所述样本第一抖动补偿之后的样本效用值和执行所述样本第一抖动补偿之 后样本第二时刻的样本第二抖动状态。 3.根据权利要求2所述的方法， 其特 征在于， 所述样本效用值的获取步骤 包括： 在执行所述样本第 一抖动补偿之后， 获取所述摄像器件对目标载体拍摄到的样本第 一 图像； 其中， 所述目标 载体上设有目标对象； 基于所述样本第一图像上所述目标对象以及样本第二图像上所述目标对象之间的差 异， 得到第一效用值； 其中， 所述摄像器件在静止状态下对所述目标载体拍摄到所述样 本第 二图像， 所述第一效用值表征 执行所述样本第一抖动补偿的抖动补偿效果； 至少基于所述第一效用值， 得到所述样本效用值。 4.根据权利要求3所述的方法， 其特征在于， 所述基于所述样本第 一图像上所述目标对 象以及样本第二图像上 所述目标对象之间的差异， 得到第一效用值， 包括： 检测所述样本第 一图像上所述目标对象的样本第 一轮廓， 并检测所述样本第 二图像上 所述目标对象的样本第二轮廓； 获取所述样本第 一轮廓上距离最远的两点之间的样本第 一距离， 并获取所述样本第 二 轮廓上距离最远的两点之间的样本第二距离； 基于所述样本第一距离与所述样本第二距离之间的绝对差值， 得到所述第一效用值。 5.根据权利要求3所述的方法， 其特征在于， 在所述至少基于所述第一效用值， 得到所 述样本效用值之前， 所述方法还 包括： 基于所述样本第 一抖动补偿， 得到第 二效用值； 其中， 所述第二效用值表征所述抖动补 偿器执行所述样本第一抖动补偿的执 行复杂程度； 所述至少基于所述第一效用值， 得到所述样本效用值， 包括： 基于所述第一效用值和所述第二效用值进行融合， 得到所述样本效用值。 6.根据权利要求2所述的方法， 其特 征在于， 所述抖动补偿模型的训练步骤 包括： 基于所述样本数据， 训练所述抖动补偿模型； 基于训练后的补偿生成网络对所述摄像器件新的样本第 一抖动状态进行预测， 得到新 的样本第一抖动补偿， 并在执行所述新的样本第一抖动补偿之后， 获取新的样本效用值和 新的样本第二抖动状态， 以及基于所述新的样本第一抖动状态、 所述新的样本第一抖动补 偿、 所述新的样本第二抖动状态和所述 新的样本第二抖动状态， 得到新的样本数据；权　利　要　求　书 1/2 页 2 CN 115242967 A 2基于所述 新的样本数据， 重新执 行所述训练所述抖动补偿模型的步骤以及后续 步骤。 7.根据权利要求6所述的方法， 其特征在于， 所述基于所述样本数据， 训练所述抖动补 偿模型， 包括： 基于所述补偿生成网络对所述样本第二抖动状态进行 预测， 得到样本第二抖动补偿； 基于所述补偿评价网络对所述样本第 二抖动状态和所述样本第 二抖动补偿进行评价， 得到未来 折扣回报； 基于所述样本效用值和所述未来 折扣回报， 调整所述抖动补偿模型的网络参数。 8.根据权利要求6所述的方法， 其特征在于， 在所述基于所述新的样本数据， 重新执行 所述训练所述抖动补偿模型的步骤以及后续 步骤之前， 所述方法还 包括： 检测所述 新的样本效用值是否满足预设训练条件； 所述基于所述新的样本数据， 重新执行所述训练所述抖动补偿模型的步骤以及后续步 骤， 包括： 响应于所述新的样本效用值满足所述预设训练条件， 基于所述新的样本数据， 重新执 行所述训练所述抖动补偿模型的步骤以及后续 步骤。 9.根据权利要求1所述的方法， 其特征在于， 所述抖动补偿数据包括： 所述成像元件的X 轴方向上的第一补偿量、 所述成像元件的Y轴方向上的第二补偿量、 所述成像元件在竖直方 向的第三补偿量、 所述成像元件在竖直方向的倾斜角度、 所述成像元件所在平面的旋转角 度。 10.一种成像防抖装置， 其特 征在于， 包括： 抖动状态获取模块， 用于基于摄像器件当前时刻的第一抖动数据， 得到所述摄像器件 在所述当前时刻的抖动状态数据； 其中， 所述抖动状态数据包括所述第一抖动数据和所述 摄像器件在所述当前时刻之前至少一个第二抖动数据； 抖动补偿预测模块， 用于基于所述摄像器件在所述当前时刻的抖动状态数据， 进行补 偿预测， 得到所述当前时刻的抖动补偿数据； 抖动补偿控制模块， 用于基于所述当前时刻的抖动补偿数据， 控制抖动补偿器对所述 摄像器件的成像元件进行 抖动补偿。 11.一种摄像器件， 其特征在于， 包括抖动补偿器、 成像元件、 处理器和存储器， 所述抖 动补偿器、 所述成像元件和所述存储器分别与所述处理器耦接； 所述处理器用于执行所述 存储器存储的程序指令， 以实现权利要求1 ‑9任一项所述的成像防抖 方法。 12.一种计算机可读存储介质， 其特征在于， 存储有能够被处理器运行的程序指令， 所 述程序指令用于实现权利要求1 ‑9任一项所述的成像防抖 方法。权　利　要　求　书 2/2 页 3 CN 115242967 A 3