CN101317457B - 目标监测方法和目标监测装置 - Google Patents

目标监测方法和目标监测装置 Download PDF

Info

Publication number
CN101317457B
CN101317457B CN2006800442119A CN200680044211A CN101317457B CN 101317457 B CN101317457 B CN 101317457B CN 2006800442119 A CN2006800442119 A CN 2006800442119A CN 200680044211 A CN200680044211 A CN 200680044211A CN 101317457 B CN101317457 B CN 101317457B
Authority
CN
China
Prior art keywords
pixel
pixel value
subregion
movement images
reference picture
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN2006800442119A
Other languages
English (en)
Other versions
CN101317457A (zh
Inventor
大场良次
山下浩史
林功
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kansal Thermochemistry Co Ltd
Kansai Coke and Chemicals Co Ltd
Azbil Corp
Original Assignee
Kansal Thermochemistry Co Ltd
Kansai Coke and Chemicals Co Ltd
Azbil Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kansal Thermochemistry Co Ltd, Kansai Coke and Chemicals Co Ltd, Azbil Corp filed Critical Kansal Thermochemistry Co Ltd
Publication of CN101317457A publication Critical patent/CN101317457A/zh
Application granted granted Critical
Publication of CN101317457B publication Critical patent/CN101317457B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19634—Electrical details of the system, e.g. component blocks for carrying out specific functions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
    • G08B21/14—Toxic gas alarms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Environmental & Geological Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

一种方法，其包括像素值修正步骤，该步骤在包括第一子区域的第二子区域中产生像素值的平均值和变化值，第一子区域包括分解成像素的比较图像中形成的仅一个像素，以与相应于相似分解成像素的参考图像的第二子区域的子区域中的像素值的平均值和变化值相匹配，由此，通过将每个子区域识别为第一子区域来执行修正比较图像中的第一子区域中的每个像素的像素值的计算，当比较图像被分成各包括由仅一个像素形成的子区域时，获得子区域；并且变化确定步骤通过比较参考图像与像素值修正步骤获得的后修正比较图像来确定目标中变化的出现或消失。

Description

目标监测方法和目标监测装置
技术领域
本发明涉及一种通过比较在时间间隔内捕获目标所获得的两个图像，由此来监测目标变化的出现或消失的目标监测方法和目标监测装置。
背景技术
随着近年来计算机处理能力的提升，人们希望图像使用系统能够执行例如测量或监测，但是由于巨大数量和复杂的数据要处理，因此，直到现在这些都是不易实现的。特别地，使用传统监测系统时，存在许多从监测照相机传出的视频图像通过人眼校验的情况，因此，希望实现校验操作自动化。
例如在需要上述自动化的一个领域，在钢铁制造厂存在焦炉漏气的场景。在许多情况下，这些漏气从炉盖发生，并且考虑来自如下原因：例如由于高温炉盖的热变形，接触表面的腐蚀以及例如煤、焦炭和焦油外界物质的侵入。近年来，开发出了具有不易产生气体泄漏的结构的炉灶。然而，目前，无法获得长期使用的完全不产生气体泄漏的炉盖。当由于连续操作导致的气体泄漏出现时，由工人执行停止操作。在目前这样的情况下，尽管必须修理气体泄漏部分，但是这些气体泄漏部分的探测仅由工人执行。由于这种焦炉通常昼夜不停的使用，因此希望实现一种能够自动探测从炉盖泄漏的气体的装置。这样，当人们观察到气体泄漏的图像时，可迅速地或看一眼就能发现气体泄漏。最简单的方式是从图像信息发现气体泄漏，在气体泄漏图像完全相同的条件下捕获图像，关于天气和相机的位置可从气体泄漏图像中去除，因此这样获得的相关图像仅示出气体泄漏部分。
但是，很难产生关于天气(即照明条件)相同的条件。由于照明条件彼此不同，当在不同条件下捕获图像时，存在除了气体泄漏部分之外的剩余部分。
这样，当试图机械的和定量的提取这种可迅速被人们识别的变化时，图像捕获条件的差异，例如照明条件，将产生巨大的障碍。这样，出现执行图像处理的必要性，例如修正图像，以阻止上述问题。另外，在许多情况下，图像信息是多维的，具有位置x、y的密度值R、G和B，因此有必要从信息中成功的获取图像特征。
从上述的情况看，本发明的目的是提供一种目标监测方法和目标监测装置，即使当图像捕获条件，例如照明条件，在捕获图像的情况下彼此不同时，它们能够通过获得的图像信息准确的获得两图像之间的变化(下文中，两个图像中的一个作为“参考图像”，且另一个作为“比较图像”)。
发明内容
本发明的目标监测方法通过在第一时间点由捕获目标获得的参考图像与第二时间点由捕获目标获得的比较图像之间执行比较，来实现监测目标中变化的出现或消失，该目标监测方法包括：
像素值修正步骤，该像素值修正步骤通过执行计算操作来修正由被分解成多个像素的比较图像中的多个像素形成的第一子区域中的每个像素的像素值，该计算操作使用包括第一子区域的第二子区域中的像素的像素值的平均值和变化值，以及相应于相似分解成多个像素的参考图像上的第二子区域的子区域中的像素值的平均值和变化值；以及
变化确定步骤，该变化确定步骤通过执行参考图像与由像素值修正步骤获得的后修正比较图像之间的比较来确定目标中变化的出现或消失；
其中：
该像素值修正步骤是以如下第一方式执行修正的步骤，该第一方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(1)被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 ( f 1 ( x , y ) - E 1 ) + E 0 公式(1)；
或者，该像素值修正步骤是确定边缘是否包括在第二子区域并且当边缘包括在第二子区域时，以如下第二方式执行修正的步骤，该第二方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，且当
h ( x , y ) = 1 f 0 ( x , y ) &GreaterEqual; E 0 - 1 f 0 ( x , y ) < E 0 时，
比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(2) 被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 h ( x , y ) ( f 1 ( x , y ) - E 1 ) + E 0 公式(2)。
两个图像中的任何一个可以被作为参考图像。在像素值修正中，这两个图像的像素值，即参考图像和比较图像的像素值，可被使得与其独立提供的第三平均值和变化值相匹配。
本发明的目标监测方法包括像素值修正步骤，且修正像素值，以与本地区域单元中的平均值和变化值相匹配。这样，可高精确度修正照明条件，并且，可高精确度地确定参考图像与比较图像之间的变化的出现或消失。
本发明的目标监测方法还可包括微分计算操作步骤，该微分计算操作步骤获得由参考图像和由像素值修正步骤获得的后修正比较图像的彼此相应的像素的像素值之间的微分形成的微分图像，
其中，变化确定步骤是根据微分计算操作步骤获得的微分图像来确定目标中变化的出现或消失的步骤。
随着微分图像的获得，可以很容易地捕获参考图像与后修正比较图像之间的变化。
而且，在本发明的目标监测方法中，优选像素值修正步骤是通过将形成比较图像的各一个像素识别为第一子区域的步骤。
通过将各一个像素识别成第一子区域来执行计算操作，该修正甚至可更准确地执行。但是，一套多个图像可被设置为第一子区域，由此，可实现高速度计算。
具体地，例如，可根据公式(1)来修正像素值。
可发生如下情况：根据在获得参考图像的情况下的目标照明方向与在获得比较图像的情况下的照明方向之间的差异，在边界边缘之间反转两个区域的照明。甚至在这种情况下，根据表达式(2)可执行高准确度地修正。
当不局限于确定边缘是否包括在第二子区域的方法时，例如，可确定当第二子区域中的像素值的变化超过预定阈值时边缘包括在第二子区域中。
而且，根据本发明的目标监测方法，参考图像和比较图像可分别为彩色图像，其中多个颜色的像素值与各像素相关；像素值修正步骤是对至少一个颜色执行计算操作的步骤；并且变化确定步骤是通过对在参考图像与由像素值修正步骤获得的后修正比较图像之间的至少一个颜色执行比较来确定目标中变化 的出现或消失的步骤。
甚至在彩色图像的情况下，当预先了解变化的出现或消失与具体的颜色一起出现时，可通过执行仅对该颜色的计算操作来确定变化的出现或消失。
可选择地，根据本发明的目标监测方法，参考图像和比较图像可分别是彩色图像，其中多个颜色像素值与各像素相关；像素值修正步骤是对多个颜色中的一些颜色各自执行计算操作的步骤；并且变化确定步骤是获得参考图像与由像素值修正步骤获得的后修正比较图像之间的彼此相应的像素或区域之间的色彩空间的距离，并根据该距离确定目标中变化的出现或消失的步骤。
在这种情况下，如果是彩色图像，可由多个颜色之和确定变化的出现或消失。
而且，优选本发明的目标监测方法包括未对准修正步骤，该未对准修正步骤修正参考图像与比较图像之间的位置未对准和/或旋转未对准，在像素值修正步骤之前执行该未对准修正。
在提供未对准修正步骤的情况下，当有例如相机的位置未对准的危险情况发生时，可高准确度地实现变化的确定。
而且，本发明的目标监测装置通过在第一时间点由捕获目标获得的参考图像与第二时间点由捕获目标获得的比较图像之间执行比较，来实现监测目标中变化的出现或消失，该目标监测装置包括：
像素值修正部分，该像素值修正部分通过执行计算操作来修正由被分解成多个像素的比较图像中的多个像素形成的第一子区域中的每个像素的像素值，该计算操作使用包括第一子区域的第二子区域中的像素的像素值的平均值和变化值，以及相应于相似分解成多个像素的参考图像上的第二子区域的子区域中的像素值的平均值和变化值；以及
变化确定部分，该变化确定部分通过执行参考图像与由在像素值修正部分修正获得的后修正比较图像之间的比较来确定目标中变化的出现或消失；
其中：
该像素值修正部分以如下第一方式执行修正，该第一方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，比较图像中位置(x，y)出现的像素的像素 值f1(x，y)根据下面的公式(1)被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 ( f 1 ( x , y ) - E 1 ) + E 0 公式(1)；
或者，该像素值修正部分确定边缘是否包括在第二子区域中，并且当边缘包括在第二子区域时，以如下第二方式执行修正，该第二方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，且当
h ( x , y ) = 1 f 0 ( x , y ) &GreaterEqual; E 0 - 1 f 0 ( x , y ) < E 0 时，
比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(2)被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 h ( x , y ) ( f 1 ( x , y ) - E 1 ) + E 0 公式(2)。
本发明的目标监测装置还可包括微分计算操作部分，该微分计算操作部分获得参考图像和由像素值修正部分获得的后修正比较图像的彼此相应的像素的像素值之间的微分形成的微分图像，
其中变化确定部分根据在微分计算操作部分获得的微分图像来确定目标中变化的出现或消失。
而且，在本发明的目标监测装置中，优选像素值修正部分通过将形成比较图像的各一个像素识别为第一子区域来执行计算操作。
当像素值修正部分采用第二方式执行修正时，像素值修正部分可确定当第二子区域中的像素值的变化超过预定阈值时边缘包括在第二子区域中。
而且，在本发明的目标监测装置中，参考图像和比较图像可分别是彩色图像，其中多个颜色的像素值与各像素相关；像素值修正部分对至少一个颜色执行计算操作；并且变化确定部分通过对在参考图像与由像素值修正部分获得的后修正比较图像之间的至少一个颜色执行比较来确定目标中变化的出现或消失。
可选择地，在本发明的目标监测装置中，优选参考图像和比较图像分别是彩色图像，其中多个彩色像素值与各像素相关；像素值修正部分对多个颜色中的一些颜色各自执行计算操作；并且变化确定部分获得参考图像与由像素值修正部分获得的后修正比较图像之间的彼此相应的像素或区域的距离，并根据该 距离确定目标中变化的出现或消失。
而且，优选本发明的目标监测装置在像素值修正部分之前的阶段包括未对准修正部分，该未对准修正部分修正参考图像与比较图像之间的位置未对准和/或旋转未对准。
而且，在信息处理装置中执行实现目标的本发明目标监测程序，并该目标监测程序使得信息处理装置作为目标监测装置运行，该目标监测装置通过在由捕获目标获得的参考图像与由捕获目标获得的比较图像之间执行比较来监测目标中变化的出现或消失，该目标监测程序的特征在于使信息处理装置作为目标监测装置运行，该目标监测装置包括：
像素值修正部分，该像素值修正部分产生包括第一子区域的第二子区域中像素值的平均值和变化值，第一子区域包括由分解成多个像素的比较图像中的形成的仅一个像素，以与相应于相似分解成多个像素的参考图像上的第二子区域的子区域中的像素值的平均值和变化值相匹配，由此通过将多个子区域的每个识别为第一子区域来执行计算操作，该计算操作修正比较图像中的第一子区域中的每个像素的像素值，当比较图像被分成各包括仅由一个像素形成的多个子区域时，获得多个子区域；以及
变化确定部分，该变化确定部分通过执行参考图像与由在像素值修正部分修正获得的后修正比较图像之间的比较来确定目标中变化的出现或消失。
本发明的目标监测程序的特征在于使信息处理装置作为目标监测装置运行，目标监测装置还包括微分计算操作部分，该微分计算操作部分获得参考图像和由像素值修正部分获得的后修正比较图像的彼此相应的像素的像素值之间的微分形成的微分图像，
其中变化确定部分根据在微分计算操作部分获得的微分图像来确定目标中变化的出现或消失。
而且，在本发明的目标监测程序中，优选像素值修正部分通过将形成比较图像的各一个像素识别成第一子区域来执行计算操作。
而且，在本发明的目标监测程序中，像素值修正部分可以如下方式执行修正，该方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(1)被修正为后 修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 ( f 1 ( x , y ) - E 1 ) + E 0 . . . ( 1 ) .
可选择地，优选在本发明的目标监测程序中，像素值修正部分确定边缘是否包括在第二子区域中，并且当边缘包括在第二子区域中时，以如下方式执行修正，该方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，且当
h ( x , y ) = 1 f 0 ( x , y ) &GreaterEqual; E 0 - 1 f 0 ( x , y ) < E 0 时，
比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(2)被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 h ( x , y ) ( f 1 ( x , y ) - E 1 ) + E 0 . . . ( 2 ) .
这样，像素值修正部分可确定当第二子区域中的像素值的变化超过预定阈值时边缘包括在第二子区域中。
而且，在本发明的目标监测程序中，参考图像和比较图像可分别是彩色图像，其中多个颜色的像素值与各像素相应；像素值修正部分对至少一个颜色执行计算操作；并且变化确定部分通过对参考图像与由像素值修正部分获得的后修正比较图像之间的至少一个颜色执行比较来确定目标中变化的出现或消失。
可选择地，优选在本发明的目标监测程序中，参考图像和比较图像分别为彩色图像，其中多个彩色像素值与各像素相关；像素值修正部分对多个颜色中各个颜色执行计算操作；并且变化确定部分获得在参考图像与由像素值修正部分获得的后修正比较图像之间的彼此相应像素或区域的距离，并根据该距离确定目标中变化的出现或消失。
而且，优选本发明的目标监测程序使信息处理装置作为目标监测装置运行，目标监测装置还包括在像素值修正部分之前的阶段中的未对准修正部分，该未对准修正部分修正参考图像与比较图像之间的位置未对准和/或旋转未对准。
如上所述，根据本发明，可高准确度地捕获目标中变化的出现或消失。
附图说明
图1是个人笔记本电脑和连接个人笔记本电脑的相机的外视图。
图2是图1所示的个人笔记本电脑的硬件配置图。
图3是图1和2所示的个人笔记本电脑中执行的目标监测程序的流程图。
图4是图3所示的目标监测程序的相机运动模糊修正步骤(步骤a)的详细流程图。
图5是应用Prewitt过滤器前的源图像(参考图像或比较图像)的视图。
图6是向图5所示的源图像应用相机Prewitt过滤器而获得的二元图像视图。
图7是二元图像的像素特征图。
图8是减薄过程的示意图。
图9是图6应用减薄后的结果图。
图10是Hough变换处理的示意图。
图11是图9直线探测结果图。
图12是旋转和平移过程的示意图。
图13是图5旋转/平移后的结果图。
图14是图3所示的目标监测程序的照明变化修正步骤(步骤b)的详细流程图。
图15是各自图像(参考图像、比较图像)一部分的子区域R的视图。
图16是数值“1”或“-1”分配给子区域R中的各自像素的所在区域的视图。
图17是包括边缘的子区域的密度值修正过程的示意图。
图18是密度值线性修正的变化实例的示意图。
图19是图3所示的目标监测程序的照明变化探测步骤(步骤c)的详细流程图。
图20是示出参考图像和比较图像之间巨大变化的部分(重点部分)的特征的视图。
图21是整体图像的平均距离分布的视图。
具体实施方式
下面将描述本发明的实施例。
下面描述的实施例是以如下方式在计算机中实现目标监测装置的实施例，该方式为在计算机中执行实现本发明一个实施例的目标监测方法的目标监测 程序。
下面描述计算机硬件并且然后描述在计算机中执行的程序。
图1是个人笔记本电脑(下面简称“笔记本PC”)和连接到该笔记本PC的相机的外视图。
笔记本PC 10配置为：包括主体部分20和相对于主体部分20能开和关的显示部分30。在主体部分20的上表面上，例如，提供由用户主要操作的键盘21以及用于在显示屏上具体化任意点的触摸板22。另外，作为图1所示的组成部件，如图1所示，在主体部分20的侧壁中，提供了用于MO插入的MO插入槽231和用于插入CD-R或CD-RW的CD-R/RW插入槽241。另外，鼠标25连接到主体部分20，并且其比触摸板22具有更好的操作性。而且，相机40连接到主体部分20。相机40将作为监测目标的物体收获到图像捕获的范围，在预定时间间隔，例如每一分钟，执行图像捕获，且向笔记本PC的主体部分20发出或提供由图像捕获获得的图像数据。在本实施例中，认为相机40产生分别相应于由图像捕获的R(红)、G(绿)和B(蓝)颜色的彩色图像数据，并将彩色图像数据提供给笔记本PC的主体部分20。
而且，显示屏31在笔记本PC 10的显示屏31的中心宽区域中延伸。通过图1所示打开使用显示部分30，并且使用之后，与显示屏31一起朝内折叠，以这种方式与主体部分20上面重叠，在主体部分20上布置着键盘21等。
图2是笔记本PC的硬件配置图，笔记本PC的外部在图1中示出。
图2的硬件配置图示出了CPU 111、RAM 112、硬盘控制器113、MO驱动114、CD-R/RW驱动115、USB接口116、键盘控制器117、显示控制器118、触摸板控制器119、相机控制器120和图像接收部分121，并且它们经由总线110互相连接。
MO驱动114和CD-R/RW驱动115分别访问图1所描述的MO插入槽231和CD-R/RW插入槽241插入的MO 232和CD-R(或CD-RW)242。
图2还示出了由硬盘控制器113访问的硬盘122。图2还示出了图1所示的鼠标25、键盘21、显示屏31以及触摸板22。硬盘控制器113、USB接口116、键盘控制器117、显示控制器118和触摸板控制器119分别用于控制硬盘122、USB标准兼容器件(目前情况是鼠标25)、键盘21、显示屏31和触摸板22。
而且，相机控制器120连接到图1所示的相机40，并用于在周期时间间隔(例如每一分钟)向相机40提供或发布图像捕获指令。
而且，图像接收部分121也连接到图1所示的相机40，并用于接收由相机40获得的图像数据并且而后从相机40提供。
图3是图1和图2所示的笔记本PC中执行目标监测程序的流程图。
目标监测程序的配置包括相机运动模糊修正步骤(步骤a)、照明变化修正步骤(步骤b)、目标变化探测步骤(步骤c)。
在这种情况下，由相机40基本捕获的参考图像与由通过目前图像捕获的相机40获得的比较图像之间进行比较，由此根据参考图像的图像捕获的时间点，在比较图像的图像捕获的时间点探测目标中变化的出现或消失。
图4是图3所示的目标监测程序的相机运动模糊修正步骤(步骤a)的详细流程图。
当在获得参考图像的情况下，以及在获得比较图像的情况下，存在转换相机40(参见图1)的图像捕获屏的可能性时，相机运动模糊修正步骤是必要步骤。
在目前情况下，执行各过程，即线性部件提取过程(步骤a1)、减薄过程(步骤a2)、通过Hough变换的直线探测过程(步骤a3)以及旋转和平移过程(步骤a4)。下面将逐个描述各过程。
(线性部件提取过程(步骤a1))
在目前的情况下，通过水平部件和垂直部件各自的Prewitt过滤器探测参考图像和比较图像的线性部件。
Prewitt过滤器是特征提取过滤器，其在边界线形状的模板和重要图像之间寻找相关值。其配置为由两个过滤器ΔX和ΔY构成。
&Delta;X = - 1 0 1 - 1 0 1 - 1 0 1 &Delta;Y = - 1 - 1 - 1 0 0 0 1 1 1 . . . ( 10 )
在该过滤器中，仅垂直边缘部件通过ΔX提取，并且仅水平边缘部件通过ΔY提取。虽然方程(10)代表一个3×3Prewitt过滤器，但是在准确提取边缘的方法中，尤其是很长的水平或垂直边缘，使用例如3×5Prewitt过滤器的简短过滤器。
通过将Prewitt过滤器应用到各自的参考图像和比较图像，二元图像被获得，各自图像的线性部件从该二元图像中提取。
图5是应用Prewitt过滤器之前的源图像(参考图像或比较图像)视图，并且图6是将相机Prewitt过滤器应用到图5所示的源图像而获得的二元图像视图。
在这种情况下，虽然使用了Prewitt过滤器，但是还可使用另外的线性部件提取过滤器来代替Prewitt过滤器，例如Laplacian过滤器。
(减薄过程(步骤a2))
由过滤器获得的二元图像(例如由Laplacian过滤器或Prewitt过滤器获得)通常具有几个像素矩阵的宽度。但是，理想地，优选目标轮廓线具有一个像素的宽度。从线图像获得一个像素线宽的图像的过程称为“减薄”。
如图7所示，二元图像的像素特征经历减薄，中心像素由p0表示，并且每个相邻像素由pk表示。由于考虑到相邻像素的连接性，所以中心像素是否可擦除可在从图像的左下到右上执行搜索的情况下，通过确定相邻像素相应于图8所示的三种图案中的哪一种来确定。更具体地，其中各黑像素由1代表，并且各白像素由0代表，在从左下到右上执行搜索的情况下，像素满足如下示出的一个条件，则像素可擦除。
p 2 &CenterDot; p 3 &CenterDot; p 4 = 1 I p 6 + p 7 + p 8 = 0 p 1 &CenterDot; p 2 &CenterDot; p 3 = 1 I p 5 + p 6 + p 7 = 0 p 8 &CenterDot; p 1 &CenterDot; p 2 = 1 I p 4 + p 5 + p 6 = 0 . . . ( 11 )
在完成从左下到右上的搜索后，擦除确定为可擦除的像素。然后，搜索起始点设置到右上，且搜索方向设置为到左下的方向，以便图8所示的相邻像素的图案变为反转图案，由此再一次执行搜索并且擦除像素。而且，当搜索起始点是左上或右下时，应用类似的程序来擦除像素。重复该程序，直到确定为可擦除的像素没有剩余，由此，线图像的线宽变为一个像素，且当它具有该线宽时，获得的线图像成为中心线。
图9是将减薄应用于图6后的结果图。
(通过Hough变换的直线探测过程(步骤a3))
为了识别轮廓，从由图像过滤获得的线图像中获得的例如出现或消失的信息以及线性部件的位置是很重要的。提取直线的代表方案是Hough变换。
不仅对于直线，而且对于变量绘图的图案，例如圆或椭圆，Hough变换作为图案提取方案来说都是有效的方案。
在直线探测Hough变换的情况下，虽然其基本过程使用(斜率m)-(截距c)坐标系，但是θ-ρ常规表达的坐标系也适合作为m-c坐标系的替代，以提高探测的准确性。而且，尝试朝着多条曲线或弯曲的直线图案以及具有任何图案的绘画图案的探测提高了。
根据下面的表达式(12)，给出m-c参考平面的Hough变换。它通过“点 -线变换”的操作实现。如果重要的图像是二元图像，那么表达式(12)所示的变换执行仅为二元图像中的黑像素(n条)。
Si：c＝-Xi·m+Yi  (i＝1，2，...，n)...(12)
更具体地，当m-c参考平面上由表达式(12)表示的轨道按照图10(a)部分所示的各点pi(Xi，Yi)绘出或画出时，每个轨道产生图10(b)部分所示的一条直线si。
图11示出了图9直线探测的结果。
然后，在m-c参考平面的轨道根据X-Y平面各黑像素画出的同时，获得参考平面上各点的积累频率。更具体地，1被加到参考平面各点的积累频率上，其与相应于X-Y平面的各黑像素的直线相应，点的积累频率，例如图10(b)部分所示的点a和点b，其相应于直线。所以，积累频率具有巨大的数值。从而，二元图像中出现的各直线的斜率和截距值可以根据给出积累频率相对巨大数值的(m，c)值而得到。
(旋转和平移过程(步骤a4))
图像旋转和平移的方法由旋转和平移图像中各像素的位置矢量来实现。如图12所示，图像绕点(x0，y0)旋转，且由此沿x方向平移Δx，并沿y方向平移Δy。由此，图像中(x，y)位置的像素根据表达式(13)转移到(x1，y1)位置。
x 1 y 1 = cos &theta; - sin &theta; sin &theta; cos &theta; x - x 0 y 0 - y 0 + x 0 + &Delta;x y 0 + &Delta;y . . . ( 13 )
但是，由于像素位置不连续，所以，由于环绕错误，转移后的图像形成有空隙。这样，可执行操作，以便获得与转移后的(x1，y1)位置相适应的源图像中的位置(x，y)，并且通过源图像插入的数据获得密度值。当表达式(13)被求解时，获得如下结果。
x y = cos &theta; sin &theta; - sin &theta; cos &theta; x - x 0 - &Delta;x y 0 - y 0 - &Delta;y + x 0 y 0 . . . ( 14 )
图13示出了将图5所示图像绕左下旋转10°、向右平移10个像素、且向下平移20个像素后获得的图像。
这样，比较图像相对于参考图像平移并旋转，以便根据上述过程而提取的直线最精确地匹配。由此，两个图像可以彼此高精确度的对准。
图14是图3所示目标监测程序的照明变换修正步骤(步骤b)的详细流程图。
这样，为整个图像(步骤b3)执行子区域内平均值和变化值获取过程(步 骤b1)以及密度值线性变换过程(步骤b2)。
(子区域内平均值和变化值获取过程(步骤b1))
在这种情况下，首先从参考图像和比较图像中的相同位置提取n×n子区域，并且获得子区域内的平均值和变化值。
图15示出了图像(参考图像、比较图像)一部分的子区域R的视图。该子区域R与本发明中提及的第二子区域的一个实例相应。在这种情况下，通过一个实例，子区域R配置为关于像素P0的7×7像素。在这种情况下，获得参考图像和比较图像中每个的平均值和变化值。
在这种情况下，从参考图像获得的平均值和变化值分别由E0和S0 2表示，且从比较图像获得的平均值和变化值分别由E1和S1 2表示。而且，子区域R的中心像素P0的坐标表示为(x，y)，且像素P0的密度值为f1(x，y)。
(密度值线性变换过程(步骤b2))
在这种情况下，以上述方式，在获得参考图像和比较图像中每个的平均值和变化值后，比较图像的子区域R的中心像素P0的密度值f1(x，y)根据表达式(1)被线性变换成后修正或修正的密度值g(x，y)。
g ( x , y ) = S 0 2 S 1 2 ( f 1 ( x , y ) - E 1 ) + E 0 . . . ( 1 ) .
在这种情况下，虽然关于各中心像素P0的子区域R被连续转移，但是，步骤b1和b2是重复的。由此，获得比较图像，其中各像素的密度值被线性变换。
然后，下面将描述在由于照明变化导致边缘密度值较高或较低关系反转情况下的密度值修正过程。然而，这样，当修正只是对密度值的平均值和变化值来执行时，不修正边缘密度值较高或较低关系。由此，不能获得良好的结果。为了完成这些修正，当可确定边缘包括在比较图像一侧上的子区域R中时，如图16所示，以1或-1的形式初步获得各像素密度值比子区域R的平均值高或低的显示信息。然后，如表达式(2)所示，当比较图像一侧上的位置x，y的密度值f1(x，y)被修正为后修正密度值g(x，y)时，满足参考值(图17)。
更具体地，在这种情况下，其中参考图像的子区域中的每个像素(坐标(x，y)(x，y是变量))的密度值是f0(x，y)，
使用
h ( x , y ) = 1 f 0 ( x , y ) &GreaterEqual; E 0 - 1 f 0 ( x , y ) < E 0 ,
且根据
g ( x , y ) = S 0 2 S 1 2 h ( x , y ) ( f 1 ( x , y ) - E 1 ) + E 0 . . . ( 2 ) .
可得到后修正密度值g(x，y)。
图18是密度值线性修正的一修改实例的示意图。
在这种情况下，根据子区域R中的平均值和变化值来修正子区域R中心位置的另一子区域D中的各像素P0到P8的密度值。在这个情况下，子区域D中各像素的坐标(x，y)被认为是可变的，可运用表达式(1)或(2)。
这样，当根据子区域R的平均值和变化值而仅修正一个中心像素P0的密度值时，可实现高精确度修正。可选择地，当由多个像素组成的中心子区域D中各像素的密度值根据子区域R的平均值和变化值被修正时，可实现高速度修正。
图19是图3所示目标监测程序的变化探测步骤(步骤c)的详细流程图。
首先，在这种情况下，获得按照上述方式修正密度值的参考图像和比较图像之间的微分图像，由此获得图像之间被提取变化的图像(步骤c1)。
然后，对微分图像的每个像素计算外围n个像素的RGB空间中的平均距离，由此产生整个微分图像的平均距离分布(步骤c2)。
根据来自获得平均距离分布的平均值E和标准偏离σ的表达式(15)确定阈值T。
T＝E+3σ    (15)
将具有大于阈值T的各平均距离的部分探测为变化的部分(步骤c3)。在这种情况下，当表达式(15)由此作为阈值T使用时，宽度T(方程(15)中3σ的3)近似可调。
图20示出了在参考图像与比较图像之间具有巨大变化的部分(微分图像的重要部分)的特征。这里可以看出，平均距离越大，变化越大(重要的)。
而且，图21示出了整个图像的平均距离分布。随着对具有大于阈值的平均距离的各部分的探测，发现比较图像从参考图像变化而来(也就是，变化发生在目标中)。
目标中变化的发生显示在图1所示的笔记本PC 10的显示屏31上。另外，通过使用例如蜂鸣器或灯来引起注意。
在本实施例中，在如图3所示的步骤a到c中，在步骤a和b，对R、G和B各图像数据执行该过程，且在步骤c，对R、G和B各图像数据执行获得 微分图像的过程。之后，通过计算R、G和B各数据之和来获得平均距离，并且根据平均距离来确定目标中变化的出现或消失。但是，例如，在预先知道在G颜色中高度发生目标变化的情况下，如图3所示，在步骤a到c的任何一个步骤中，可仅在G图像数据上执行该过程。这样，仅针对微分图像的G的密度值来确定目标变化的出现或消失。
而且，在这种情况下，获得微分图像，并且根据微分图像来确定目标变化的出现或消失。但是，在这种情况下，可执行表明参考图像与后修正比较图像之间的“差异”的操作，以便不限制狭义词“微分”。
而且，如果相机安全地固定到与目标之间的位置关系不变的程度，那么可以省略图3所示的步骤a。
在这种情况下，如图1所示，虽然使用了由笔记本PC和连接到笔记本PC的相机构成的类型的装置，但是，本发明不局限于这种类型的装置。例如，可使用台式个人电脑并集成配置相机的类型的任何一种装置。
而且，图2所示的装置的内部配置也不局限于图2所示的配置，可使用不同配置，例如，不使用MO。

Claims (14)

1.一种目标监测方法，该方法通过在第一时间点由捕获目标获得的参考图像与第二时间点由捕获目标获得的比较图像之间执行比较，来监测目标中变化的出现或消失，其特征在于，该目标监测方法包括：
像素值修正步骤，该像素值修正步骤通过执行计算操作来修正由被分解成多个像素的比较图像中的多个像素形成的第一子区域中的每个像素的像素值，该计算操作使用包括第一子区域的第二子区域中的像素的像素值的平均值和变化值，以及相应于相似分解成多个像素的参考图像上的第二子区域的子区域中的像素值的平均值和变化值；以及
变化确定步骤，该变化确定步骤通过执行参考图像与由像素值修正步骤获得的后修正比较图像之间的比较来确定目标中变化的出现或消失；
其中：
该像素值修正步骤是以如下第一方式执行修正的步骤，该第一方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(1)被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 ( f 1 ( x , y ) - E 1 ) + E 0 公式(1)；
或者，该像素值修正步骤是确定边缘是否包括在第二子区域并且当边缘包括在第二子区域时，以如下第二方式执行修正的步骤，该第二方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，且当
h ( x , y ) = 1 f 0 ( x , y ) &GreaterEqual; E 0 - 1 f 0 ( x , y ) < E 0 时，
比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(2)被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 h ( x , y ) ( f 1 ( x , y ) - E 1 ) + E 0 公式(2)。
2.根据权利要求1所述的目标监测方法，其特征在于：进一步包括微分计算操作步骤，该微分计算操作步骤获得由参考图像和由像素值修正步骤获得的后修正比较图像的彼此相应的像素的像素值之间的微分形成的微分图像，
其中，变化确定步骤是根据微分计算操作步骤获得的微分图像来确定目标中变化的出现或消失的步骤。
3.根据权利要求1所述的目标监测方法，其特征在于：像素值修正步骤是通过将形成比较图像的各一个像素识别为第一子区域的步骤。
4.根据权利要求1所述的目标监测方法，其特征在于：当像素值修正步骤采用第二方式执行修正时，像素值修正步骤是当第二子区域中的像素值的变化超过预定阈值时确定边缘包括在第二子区域内的步骤。
5.根据权利要求1所述的目标监测方法，其特征在于：参考图像和比较图像分别为彩色图像，其中多个颜色的像素值与各像素相关；像素值修正步骤是对至少一个颜色执行计算操作的步骤；并且变化确定步骤是通过对在参考图像与由像素值修正步骤获得的后修正比较图像之间的至少一个颜色执行比较来确定目标中变化的出现或消失的步骤。
6.根据权利要求1所述的目标监测方法，其特征在于：参考图像和比较图像分别是彩色图像，其中多个颜色的像素值与各像素相关；像素值修正步骤是对多个颜色中的一些颜色各自执行计算操作的步骤；并且变化确定步骤是获得参考图像与由像素值修正步骤获得的后修正比较图像之间的彼此相应的像素或区域之间的色彩空间的距离，并根据该距离确定目标中变化的出现或消失的步骤。
7.根据权利要求1所述的目标监测方法，其特征在于：进一步包括未对准修正步骤，该未对准修正步骤修正参考图像与比较图像之间的位置未对准和/或旋转未对准，在像素值修正步骤之前执行该未对准修正。
8.一种目标监测装置，该目标监测装置通过在第一时间点由捕获目标获得的参考图像与第二时间点由捕获目标获得的比较图像之间执行比较，来监测目标中变化的出现或消失，其特征在于，该目标监测装置包括：
像素值修正部分，该像素值修正部分通过执行计算操作来修正由被分解成多个像素的比较图像中的多个像素形成的第一子区域中的每个像素的像素值，该计算操作使用包括第一子区域的第二子区域中的像素的像素值的平均值和变化值，以及相应于相似分解成多个像素的参考图像上的第二子区域的子区域中的像素值的平均值和变化值；以及
变化确定部分，该变化确定部分通过执行参考图像与由在像素值修正部分修正获得的后修正比较图像之间的比较来确定目标中变化的出现或消失；
其中：
该像素值修正部分以如下第一方式执行修正，该第一方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(1)被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 ( f 1 ( x , y ) - E 1 ) + E 0 公式(1)；
或者，该像素值修正部分确定边缘是否包括在第二子区域中，并且当边缘包括在第二子区域时，以如下第二方式执行修正，该第二方式为：在比较图像的位置(x，y)中出现一个像素或在位置(x，y)出现一套多个像素的情况下，当x、y可变时，包括第一子区域的第二子区域的像素值的平均值和变化值分别用E1和S1 2表示，且相应于参考图像第二子区域的子区域中的像素值的平均值和变化值分别表示为E0和S0 2，且当
h ( x , y ) = 1 f 0 ( x , y ) &GreaterEqual; E 0 - 1 f 0 ( x , y ) < E 0 时，
比较图像中位置(x，y)出现的像素的像素值f1(x，y)根据下面的公式(2)被修正为后修正像素值g(x，y)，
g ( x , y ) = S 0 2 s 1 2 h ( x , y ) ( f 1 ( x , y ) - E 1 ) + E 0 公式(2)。
9.根据权利要求8所述的目标监测装置，其特征在于：进一步包括微分计算操作部分，该微分计算操作部分获得参考图像和由像素值修正部分获得的后修正比较图像的彼此相应的像素的像素值之间的微分形成的微分图像，
其中变化确定部分根据在微分计算操作部分获得的微分图像来确定目标中变化的出现或消失。
10.根据权利要求8所述的目标监测装置，其特征在于：像素值修正部分通过将形成比较图像的各一个像素识别为第一子区域来执行计算操作。
11.根据权利要求8所述的目标监测装置，其特征在于：当像素值修正部分采用第二方式执行修正时，像素值修正部分确定当第二子区域中的像素值的变化超过预定阈值时边缘包括在第二子区域中。
12.根据权利要求8所述的目标监测装置，其特征在于：参考图像和比较图像分别是彩色图像，其中多个颜色的像素值与各像素相关；像素值修正部分对至少一个颜色执行计算操作；并且变化确定部分通过对在参考图像与由像素值修正部分获得的后修正比较图像之间的至少一个颜色执行比较来确定目标中变化的出现或消失。
13.根据权利要求8所述的目标监测装置，其特征在于：参考图像和比较图像分别是彩色图像，其中多个彩色像素值与各像素相关；像素值修正部分对多个颜色中的一些颜色各自执行计算操作；并且变化确定部分获得参考图像与由像素值修正部分获得的后修正比较图像之间的彼此相应的像素或区域的距离，并根据该距离确定目标中变化的出现或消失。
14.根据权利要求8所述的目标监测装置，其特征在于：在像素值修正部分前的阶段，进一步包括未对准修正部分，该未对准修正部分修正参考图像与比较图像之间的位置未对准和/或旋转未对准。
CN2006800442119A 2005-11-24 2006-11-22 目标监测方法和目标监测装置 Active CN101317457B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2005339271A JP4843297B2 (ja) 2005-11-24 2005-11-24 被写体監視方法、被写体監視装置、および被写体監視プログラム
JP339271/2005 2005-11-24
PCT/JP2006/323312 WO2007060987A1 (ja) 2005-11-24 2006-11-22 被写体監視方法、被写体監視装置、および被写体監視プログラム

Publications (2)

Publication Number Publication Date
CN101317457A CN101317457A (zh) 2008-12-03
CN101317457B true CN101317457B (zh) 2011-09-14

Family

ID=38067212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2006800442119A Active CN101317457B (zh) 2005-11-24 2006-11-22 目标监测方法和目标监测装置

Country Status (8)

Country Link
US (1) US8144928B2 (zh)
EP (1) EP1954053B1 (zh)
JP (1) JP4843297B2 (zh)
KR (1) KR100957519B1 (zh)
CN (1) CN101317457B (zh)
PL (1) PL1954053T3 (zh)
TW (1) TWI410891B (zh)
WO (1) WO2007060987A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5223069B2 (ja) * 2007-04-25 2013-06-26 独立行政法人理化学研究所 標本の分析方法およびそれを利用した針状領域の分析装置
CN103761134A (zh) * 2014-01-28 2014-04-30 华为技术有限公司 一种处理图片的方法及电子设备
US9462052B2 (en) * 2014-06-12 2016-10-04 Sony Corporation Input handover from a first device to a second device
DK178701B1 (en) * 2015-04-01 2016-11-21 Spx Flow Tech Danmark As A method and a system for monitoring spray nozzles in a spray drying or spray cooling chamber
CN110033468B (zh) * 2019-03-21 2020-01-17 孙凯 一种物体移除检测方法、装置及终端设备
CN111105366B (zh) * 2019-12-09 2023-11-24 Oppo广东移动通信有限公司 图像处理方法和装置、终端设备及存储介质
CN111914673B (zh) * 2020-07-08 2023-06-16 浙江大华技术股份有限公司 目标行为的检测方法、装置及计算机可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1543742A (zh) * 2002-04-17 2004-11-03 ���µ�����ҵ��ʽ���� 运动检测装置、图像处理系统、运动检测方法、程序及记录介质
CN1612165A (zh) * 2003-10-28 2005-05-04 株式会社日立国际电气 物体检测方法及物体检测装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5121446A (en) 1989-02-10 1992-06-09 Canon Kabushiki Kaisha Image processing apparatus capable of obtaining multi-level data
US6134355A (en) 1989-02-10 2000-10-17 Canon Kabushiki Kaisha Binarization using a local average, and using error diffusion
JPH02210959A (ja) * 1989-02-10 1990-08-22 Canon Inc 画像処理装置
JP2758282B2 (ja) * 1991-05-02 1998-05-28 三菱電機株式会社 画像監視装置
JP3222183B2 (ja) 1992-02-19 2001-10-22 株式会社リコー 画像処理装置
US5777690A (en) * 1995-01-20 1998-07-07 Kabushiki Kaisha Toshiba Device and method for detection of moving obstacles
US6157677A (en) * 1995-03-22 2000-12-05 Idt International Digital Technologies Deutschland Gmbh Method and apparatus for coordination of motion determination over multiple frames
JP3572750B2 (ja) * 1995-10-26 2004-10-06 石川島播磨重工業株式会社 コンクリート欠陥の自動評価方法
JPH11296653A (ja) * 1998-04-06 1999-10-29 Sanyo Electric Co Ltd 画像処理装置及びこれを用いた人体検知装置
JP4189060B2 (ja) * 1998-07-10 2008-12-03 株式会社Ｉｈｉ コンクリート表面の遊離石灰抽出方法
US6141441A (en) * 1998-09-28 2000-10-31 Xerox Corporation Decoding data from patterned color modulated image regions in a color image
US6570608B1 (en) * 1998-09-30 2003-05-27 Texas Instruments Incorporated System and method for detecting interactions of people and vehicles
JP2001197501A (ja) * 2000-01-07 2001-07-19 Fujitsu Ltd 動きベクトル探索器及び動きベクトル探索方法並びに動画像符号化装置
JP2002150440A (ja) * 2000-11-13 2002-05-24 Fujitsu General Ltd 監視対象物検出装置
JP2003263644A (ja) * 2002-03-07 2003-09-19 Mitsumi Electric Co Ltd 輪郭抽出方法及び装置
JP4340836B2 (ja) * 2002-07-18 2009-10-07 富士フイルム株式会社 画像合成装置及び画像合成プログラム
JP2005022247A (ja) * 2003-07-02 2005-01-27 Fuji Photo Film Co Ltd 画像記録方法及び画像記録装置
US20100053367A1 (en) * 2003-08-05 2010-03-04 Fotonation Ireland Limited Partial face tracker for red-eye filter method and apparatus
JP4408355B2 (ja) * 2003-08-08 2010-02-03 株式会社竹中工務店 画像処理装置及び画像処理プログラム
EP2137599A1 (de) * 2007-03-14 2009-12-30 AXSionics AG Druckmessvorrichtung und entsprechendes verfahren

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1543742A (zh) * 2002-04-17 2004-11-03 ���µ�����ҵ��ʽ���� 运动检测装置、图像处理系统、运动检测方法、程序及记录介质
CN1612165A (zh) * 2003-10-28 2005-05-04 株式会社日立国际电气 物体检测方法及物体检测装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JP特开2002-232875A 2002.08.16 *
JP特开2002-279429A 2002.09.27 *
JP特开平11-296653A 1999.10.29 *

Also Published As

Publication number Publication date
US20090238450A1 (en) 2009-09-24
KR20080070035A (ko) 2008-07-29
EP1954053A4 (en) 2015-09-02
JP4843297B2 (ja) 2011-12-21
PL1954053T3 (pl) 2020-11-16
KR100957519B1 (ko) 2010-05-17
JP2007148576A (ja) 2007-06-14
EP1954053A1 (en) 2008-08-06
WO2007060987A1 (ja) 2007-05-31
TW200802186A (en) 2008-01-01
EP1954053B1 (en) 2020-04-22
CN101317457A (zh) 2008-12-03
US8144928B2 (en) 2012-03-27
TWI410891B (zh) 2013-10-01

Similar Documents

Publication Publication Date Title
CN101317457B (zh) 目标监测方法和目标监测装置
CN105913093B (zh) 一种用于文字识别处理的模板匹配方法
CN103246883B (zh) 一种煤矿井下热红外图像人脸识别方法
CN100349185C (zh) 地图生成设备、地图发送方法
CN103150557B (zh) 一种基于机器视觉的显示终端操作响应匹配检测装置
CN102103753A (zh) 使用实时相机运动估计检测和跟踪运动对象的方法和终端
WO2005071611A1 (ja) 画像中の人物候補領域抽出方法及び人物候補領域抽出システム、人物候補領域抽出プログラム、並びに人物像の天地判定方法及び天地判定システム、天地判定プログラム
JP7191823B2 (ja) 画像から変状を検知する画像処理装置、画像処理方法及びプログラム
EP2793172B1 (en) Image processing apparatus, image processing method and program
JP4242796B2 (ja) 画像認識方法及び画像認識装置
CN101872421B (zh) 基于机器视觉的比色法色彩特征向量自动提取方法
CN113610052A (zh) 一种基于深度学习的隧道渗漏水自动识别方法
CN116432160A (zh) 基于rpa和lbp特征的滑块验证码识别方法及系统
CN109359646A (zh) 基于巡检机器人的液位型仪表识别方法
CN105930813B (zh) 一种在任意自然场景下检测行文本的方法
Shengze et al. Research based on the HSV humanoid robot soccer image processing
JP4914762B2 (ja) 被写体監視方法、被写体監視装置、および被写体監視プログラム
JP4454075B2 (ja) パターンマッチング方法
Du et al. Optical remote sensing images feature extraction of forest regions
JP2013250927A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
JP2024005257A (ja) 作業機械用旋回角度測定装置、該方法およびプログラム
Mu et al. An Automatic Acquisition Method of Detection Data for Substation Equipment
Gao et al. Extraction method of weld centerline based on fast median filtering and morphological processing
TW201533667A (zh) 偵測指峰的影像處理方法
Tompkinson et al. An automated change detection system: Making change detection applicable to a production environment

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant