CN101930534A - 用于人脸侦测的动态影像压缩方法 - Google Patents

用于人脸侦测的动态影像压缩方法 Download PDF

Info

Publication number
CN101930534A
CN101930534A CN2010101532055A CN201010153205A CN101930534A CN 101930534 A CN101930534 A CN 101930534A CN 2010101532055 A CN2010101532055 A CN 2010101532055A CN 201010153205 A CN201010153205 A CN 201010153205A CN 101930534 A CN101930534 A CN 101930534A
Authority
CN
China
Prior art keywords
brightness
block
grad
human face
face detection
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.)
Granted
Application number
CN2010101532055A
Other languages
English (en)
Other versions
CN101930534B (zh
Inventor
杨恕先
古人豪
李宜方
高铭璨
张振强
廖祈杰
詹伟廷
黄昱豪
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.)
Pixart Imaging Inc
Original Assignee
Pixart Imaging Inc
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 Pixart Imaging Inc filed Critical Pixart Imaging Inc
Publication of CN101930534A publication Critical patent/CN101930534A/zh
Application granted granted Critical
Publication of CN101930534B publication Critical patent/CN101930534B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明是关于一种用于人脸侦测的动态影像压缩方法，此方法包括以下步骤：取得一原始影像，将影像区分成多个区块；计算每一个区块的一第一亮度与多个梯度值；根据一亮度转换函数以及第一亮度，计算每一个区块的一第二亮度；根据每一个该区块的第二亮度以及多个梯度值，产生一重建影像；以及，根据重建影像，执行一人脸侦测步骤。经由本发明的方法，原本方格内的梯度值将可以被保留。当人脸侦测流程在利用梯度方向信息进行侦测时，侦测的成功率将会大幅的提升。

Description

用于人脸侦测的动态影像压缩方法
技术领域
本发明关于一种动态影像压缩方法，特别是一种用于人脸侦测的动态影像压缩方法。
背景技术
在现今的日常生活中，影像撷取装置已经被广泛的使用于日常生活中。影像撷取装置利用光传感器撷取影像并转换为数字信号后，这些数字信号可被储存下来。藉由影像撷取装置撷取到的数字信号，再配合数字影像处理的技术，即可设计出各种形形色色的应用。
在影像撷取装置所撷取的影像当中，人物影像为其中的核心。举例来说当前有许多的影像撷取装置具备人脸侦测及人脸追踪技术，可辅助自动对拍摄区域进行多重对焦。此外，人脸侦测技术亦可以使用于判断一个特定区域内是否有人的存在，比如说，人脸侦测的技术可应用于判断电视屏幕前是否有使用者正在观看此电视屏幕。当人脸侦测的技术判断当下并没有人位于电视屏幕前的时候，此电视屏幕可以被自动的关闭，以达到节能的功效。
然而，当影像撷取装置拍摄一被摄物而得一影像时，若是被摄物位于光线复杂的区域，此影像可能会有大部分区域的亮度偏亮，且有另外大部分区域的亮度偏暗。此种同时有许多像素聚集在亮部与暗部的影像称之为高动态范围影像(High Dynamic Range Image，HDRI)。在高动态范围影像中，过亮与过暗的地方都会丧失影像原本的特征。也就是说，而当人脸上的亮度明显偏亮或是明显偏暗时，可能会导致人脸的特征丧失，而降低人脸侦测的准确率。
现有的方法是直接利用亮度转换函数校正。高动态范围影像经过亮度转换函数校正后，可将过亮的部分调暗，并将过暗的部分调亮。然而，直接经过转换，将会使原本人脸的特征，比如说五官的轮廓，变得较为模糊。因此，人脸侦测的准确率将会变低。
发明内容
鉴于以上所述，本发明提出一种用于人脸侦测的动态影像压缩方法，用以解决人脸侦测准确率降低的问题。
为了实现上述目的，本发明提供一种用于人脸侦测的动态影像压缩方法，其特征在于，包括：
取得一原始影像，将该原始影像区分成多个区块；
计算每一个该区块的一第一亮度与多个梯度值；
根据一亮度转换函数以及该第一亮度，计算每一个该区块的一第二亮度；
根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建影像；以及
根据该重建影像，执行一人脸侦测步骤。
所述的用于人脸侦测的动态影像压缩方法，其中，该区块为一方格。
所述的用于人脸侦测的动态影像压缩方法，其中，该多个梯度值为一水平梯度值、一垂直梯度值以及一对角梯度值。
所述的用于人脸侦测的动态影像压缩方法，其中，在计算每一个该区块的一第一亮度与多个梯度值的该步骤中，将该区块的多个数值，经过一线性转换，以得到该第一亮度与该多个梯度值。
所述的用于人脸侦测的动态影像压缩方法，其中，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建影像的该步骤中，对于每一个该区块，根据该区块的该第二亮度以及该多个梯度值重建出一区块影像，待重建该多个区块影像之后，组合该多个区块影像，以得到该重建影像。
所述的用于人脸侦测的动态影像压缩方法，其中，在根据该区块的该第二亮度以及该多个梯度值重建出一区块影像的该步骤中，将该第二亮度以及该多个梯度值，经过该线性转换的一逆转换，以得到该区块的该多个数值。
所述的用于人脸侦测的动态影像压缩方法，其中，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建影像的该步骤中，对于每一个该区块，将该梯度值乘上一参数，来调整该梯度值，并以该第二亮度与被调整的该梯度值，重建出一区块影像，待重建该多个区块影像之后，组合该多个区块影像，以得到该重建影像。
所述的用于人脸侦测的动态影像压缩方法，其中，在以该第二亮度与被调整的该梯度值，重建出一区块影像的该步骤中，将该第二亮度以及被调整的该梯度值，经过该线性转换的一逆转换，以得到该区块的该多个数值。
所述的用于人脸侦测的动态影像压缩方法，其中，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建影像的该步骤中，对于每一个该区块，根据该第一亮度与该第二亮度的差异，来调整该梯度值，并以该第二亮度与被调整的该梯度值，重建出一区块影像，待重建该多个区块影像之后，组合该多个区块影像，以得到该重建影像。
所述的用于人脸侦测的动态影像压缩方法，其中，在以该第二亮度与被调整的该梯度值，重建出一区块影像的该步骤中，将该第二亮度以及该梯度值，经过该线性转换的一逆转换，以得到该区块的该多个数值。
在本发明中，可先计算出方格内的梯度值，并且这些方格在经过亮度转换之后，可再将此梯度值重新计算出这些方格的亮度值。因此，原本方格内的梯度值将可以被保留。当人脸侦测流程在利用梯度方向信息进行侦测时，侦测的成功率将会大幅的提升。此外，因为本发明是以每一个方格为单位，对方格内的像素进行梯度值的计算、亮度转换与根据梯度值重新计算亮度。
附图说明
图1为根据本发明所适用的影像撷取装置的架构示意图；
图2为本发明所揭露的一实施例的流程图；以及
图3为本发明所揭露的亮度转换函数的示意图。
其中，附图标记：
12镜头装置
14感光元件
16取样电路
17内存
18处理单元
具体实施方式
以下在实施方式中进一步详细说明本发明的详细特征以及优点，其内容足以使任何熟习相关技艺者了解本发明的技术内容并据以实施，且根据本说明书所揭露的内容、申请专利范围及图式，任何熟习相关技艺者可轻易地理解本发明相关的目的及优点。
图1为根据本发明所适用的影像撷取装置的架构示意图。关于本发明所适用的影像撷取装置可以是但不限于图1所示的架构。
请参照图1，影像撷取装置10可包括一镜头装置12、一感光元件14、一取样电路16(Sampling hold circuit)、内存17以及一处理单元18。镜头装置12前方的景象所反射的光线经由镜头装置12进入感光元件14。感光元件14可为电荷耦合元件(Charge-coupled Device，CCD)或是互补式金属氧化层半导体(Complementary Metal-Oxide-Semiconductor，CMOS)。感光元件14将进入的光线转换成电子信号并传给取样电路16后，一影像档案可被纪录于内存17。处理单元18可为微处理器、微控制器、特定应用集成电路(Application-specificintegrated circuit，ASIC)或是场效可程序化门阵列(Field Programmable GateArray，FPGA)，处理单元18除了可用来控制感光元件14、取样电路16与内存17之外，并且可用以执行本发明所提出的影像动态影像压缩方法。
请参照图2，为本发明所揭露的一实施例的流程图。
在步骤S101中，可利用上述的影像撷取装置10，以取得一原始影像。影像撷取装置10可以周期性地或是非周期性地取得一原始影像。之后，再将取得的原始影像区分成多个区块，这些区块较佳为方格。举例来说，若是一个分辨率为240×180个像素的影像，可区分成120×90个方格，每个方格的大小为2×2个像素。亦可区分成80×60，每个方格的大小为3×3个像素。
在步骤S102中，分别计算每个区块的一第一亮度与多个梯度值。第一亮度定义为此区块中每一个像素的亮度的平均值。像素的亮度定义为此像素的明度色度浓度(YUV)色彩值当中的Y值。每一个区块皆会产一个亮度值。区块的梯度值为水平梯度值、垂直梯度值与对角梯度值。
以上述大小为2×2的方格为例。假设2×2的方格像素的亮度定义为
Figure GSA00000074377800041
第一亮度为
Figure GSA00000074377800042
水平梯度值定义为a1+a3-(a2+a4)，垂直梯度值定义为a1+a2-(a3+a4)，对角梯度值定义为a1+a4-(a2+a3)。
从上述的2×2方格的示例可知，像素的数目与第一亮度、水平梯度值、垂直梯度值与对角梯度值总共的个数相等。换言之，上述方格内的数值，可经由一线性转换，比如说小波转换，而得到第一亮度与梯度值。
在步骤S103中，根据一亮度转换函数以及第一亮度，计算每一个区块的一第二亮度，即第一亮度可经由亮度转换函数而得到第二亮度。请参照图3，为亮度转换函数的示意图。在图3中，水平轴代表亮度转换函数的输入值，垂直轴代表亮度转换函数的输出值。第一亮度即为此输入值，而第二亮度即为此输出值。亮度转换函数可以以一查找表(look-up table)，当需要转换时，再经由此查找表，将第一亮度转换成第二亮度。此亮度转换函数可为一枷玛曲线(Gamma Curve)。
在步骤S104中，则是根据每一个区块的第二亮度以及水平梯度值、垂直梯度值与对角梯度值，并利用上述线性转换的逆转换，以算出方格内的数值。以2×2的方格为例。此方格的第二亮度为c2，并且水平梯度值为g1＝a1+a3-(a2+a4)，垂直梯度值定义为g2＝a1+a2-(a3+a4)，对角梯度值定义为g3＝a1+a4-(a2+a3)。从上述的四个方程式，即可求出四个未知数a1、a2、a3、a4。在此例中，
Figure GSA00000074377800052
Figure GSA00000074377800053
Figure GSA00000074377800054
Figure GSA00000074377800055
同样地，在3×3的方格中，也可以以此精神，重新算出方格内的每一个数值。
上述的步骤S102到步骤S104，可以针对每一个方格不断地重复执行。换句话说，可将影像中的一个方格，经过步骤S102到步骤S104处理并且输出后，得到重建后的区块影像，并将此影像输出。待全部的方格皆经过处理并输出后，即可依照每一个方格在原本影像中的位置，重新组合这些方格，以得到重建影像。
最后，在步骤S105中，则根据上述的重建影像，执行人脸侦测步骤/流程。人脸侦测流程根据多个人脸特征，侦测影像是否具有一人脸区域。其中，人脸特征为一般人脸部上较具特征的区域，如眼睛，眉毛，鼻子或嘴巴等。执行侦测流程时，即可利用这些特征来找出特征间的梯度方向信息，并且利用此梯度方向信息作为侦测的依据。此外，亦可根据人脸的轮廓、形状等特征等作为侦测的依据。这些人脸特征可为数百条或是上千条，此影像在经过这些此数百条或是上千条的特征过滤后，皆符合这些特征的区域即为人脸区域。
经由步骤S101到步骤S105的运算，可先计算出方格内的梯度值，并且这些方格在经过亮度转换之后，可再将此梯度值重新计算出这些方格的亮度值，以保留原始画面之中的特征。
为了使此领域中的人士能更加了解本发明的功效，以下将以实际的数值来举例说明。
假设一个2×2的方格表示为
Figure GSA00000074377800061
其第一亮度c1＝45，水平梯度值为g1＝40+46-(44+50)＝-8，垂直梯度值定义为g2＝40+44-(46+50)＝-12，对角梯度值定义为g3＝40+50-(44+46)＝0。
在进行经过亮度转换函数转换时，假设亮度函数在下列区段中，输入值与输出值之间的关系为：若是输入值为40～42时，输出值为50；若是输入值为43～45时，输出值为51；若是输入值为46～47时，输出值为52；若是输入值为48～49时，输出值为53；若是输入值为50～51时，输出值为54。
若是以现有的方法，将此方格直接通过亮度转换函数进行转换，则得到的输出结果为
Figure GSA00000074377800062
原本转换前，方块中左上与右下数值的差异为10，而转换后差异只剩下4。因为人脸侦测常理用差异值作为判断的门槛，所以这些数值再经过亮度转换之后，原本高于侦测门槛的数值，在转换后反而低于侦测门槛。也就是说，现有的方法再经过亮度转换后，可能会使人脸侦测的成功率降低。
而本发明将第一亮度c1＝45经过亮度转换后，得到第二亮度为c2＝51。之后，再根据水平梯度值g1＝-8，垂直梯度值g2＝-12，对角梯度值g3＝0，计算原本方块中的每一个数值。根据上述的计算方法，可以得到2×2方块中，左上、右上、左下与右下的数值分别为
Figure GSA00000074377800063
a 2 = 51 + - ( - 8 ) + ( - 12 ) - 0 4 = 50 , a 3 = 51 + ( - 8 ) - ( - 12 ) - 0 4 = 52 , 也就是说，2×2方块为
Figure GSA00000074377800067
利用本发明所计算出的2×2方块，左上与右下数值的差异同样为10，也就是与转换前的差异相同。因此，根据本发明的动态影像压缩方法，可将影像调整至适当的亮度，并且仍然保持像素彼此之间的差异值不会降低，藉以提高人脸侦测的成功率。
除了上述的计算方式之外，本发明更可以进行以下的变化。为了进一步提高人脸侦测的成功率，可以对于水平梯度值、垂直梯度值与对角梯度值进行调整。
在本发明一实施例中，水平梯度值、垂直梯度值与对角梯度值可以乘上一参数。之后，再以这些被调整后的梯度值，来计算方块中的像素值。
以上述的例子进行说明，水平梯度值、垂直梯度值与对角梯度值可先乘以2，得到调整后的水平梯度值g1＝-8×2＝-16，垂直梯度值g2＝-12×2＝-24，对角梯度值g3＝0。根据上述的计算方法，可以得到2×2方块中，左上、右上、左下与右下的数值分别为
Figure GSA00000074377800071
a 2 = 51 + - ( - 16 ) + ( - 24 ) - 0 4 = 49 , a 3 = 51 + ( - 16 ) - ( - 24 ) - 0 4 = 53 与
Figure GSA00000074377800074
也就是说，2×2方块为
Figure GSA00000074377800075
从上述算出的结果可见，在方块中左上与右下数值的差异从原本的10，扩大为20。此一方法，可以加强边缘的特征，以增加辨识的成功率。
除此之外，亦可以视第一亮度与第二亮度之间的差异，动态地调整梯度值。比如说，当第一亮度与第二亮度差异较大时，即将梯度值适当的放大。而当第一亮度与第二亮度差异较小时，梯度值保持不变。
综合以上所述，在本发明中，可先计算出方格内的梯度值，并且这些方格在经过亮度转换之后，可再将此梯度值重新计算出这些方格的亮度值。因此，原本方格内的梯度值将可以被保留。当人脸侦测流程在利用梯度方向信息进行侦测时，侦测的成功率将会大幅的提升。此外，因为本发明是以每一个方格为单位，对方格内的像素进行梯度值的计算、亮度转换与根据梯度值重新计算亮度。所以，只要非常少量的数据需要被暂存下来进行处理与运算。也就是说，若要以硬件实现本发明的方法，只需要一个容量很小的内存17即可以达成。此外，本发明的运算复杂度极低，因此非常适用在影像撷取装置10进行实时运算。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种用于人脸侦测的动态影像压缩方法，其特征在于，包括：
取得一原始影像，将该原始影像区分成多个区块；
计算每一个该区块的一第一亮度与多个梯度值；
根据一亮度转换函数以及该第一亮度，计算每一个该区块的一第二亮度；
根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建影像；以及
根据该重建影像，执行一人脸侦测步骤。
2.根据权利要求1所述的用于人脸侦测的动态影像压缩方法，其特征在于，该区块为一方格。
3.根据权利要求2所述的用于人脸侦测的动态影像压缩方法，其特征在于，该多个梯度值为一水平梯度值、一垂直梯度值以及一对角梯度值。
4.根据权利要求1所述的用于人脸侦测的动态影像压缩方法，其特征在于，在计算每一个该区块的一第一亮度与多个梯度值的该步骤中，将该区块的多个数值，经过一线性转换，以得到该第一亮度与该多个梯度值。
5.根据权利要求4所述的用于人脸侦测的动态影像压缩方法，其特征在于，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建影像的该步骤中，对于每一个该区块，根据该区块的该第二亮度以及该多个梯度值重建出一区块影像，待重建该多个区块影像之后，组合该多个区块影像，以得到该重建影像。
6.根据权利要求5所述的用于人脸侦测的动态影像压缩方法，其特征在于，在根据该区块的该第二亮度以及该多个梯度值重建出一区块影像的该步骤中，将该第二亮度以及该多个梯度值，经过该线性转换的一逆转换，以得到该区块的该多个数值。
7.根据权利要求4所述的用于人脸侦测的动态影像压缩方法，其特征在于，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建影像的该步骤中，对于每一个该区块，将该梯度值乘上一参数，来调整该梯度值，并以该第二亮度与被调整的该梯度值，重建出一区块影像，待重建该多个区块影像之后，组合该多个区块影像，以得到该重建影像。
8.根据权利要求7所述的用于人脸侦测的动态影像压缩方法，其特征在于，在以该第二亮度与被调整的该梯度值，重建出一区块影像的该步骤中，将该第二亮度以及被调整的该梯度值，经过该线性转换的一逆转换，以得到该区块的该多个数值。
9.根据权利要求4所述的用于人脸侦测的动态影像压缩方法，其特征在于，在根据每一个该区块的该第二亮度以及该多个梯度值，产生一重建影像的该步骤中，对于每一个该区块，根据该第一亮度与该第二亮度的差异，来调整该梯度值，并以该第二亮度与被调整的该梯度值，重建出一区块影像，待重建该多个区块影像之后，组合该多个区块影像，以得到该重建影像。
10.根据权利要求9所述的用于人脸侦测的动态影像压缩方法，其特征在于，在以该第二亮度与被调整的该梯度值，重建出一区块影像的该步骤中，将该第二亮度以及该梯度值，经过该线性转换的一逆转换，以得到该区块的该多个数值。
CN201010153205.5A 2009-06-25 2010-04-21 用于人脸检测的动态图像压缩方法 Active CN101930534B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US22055909P 2009-06-25 2009-06-25
US61/220,559 2009-06-25
US61/220559 2009-06-25

Publications (2)

Publication Number Publication Date
CN101930534A true CN101930534A (zh) 2010-12-29
CN101930534B CN101930534B (zh) 2014-04-16

Family

ID=43369700

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201010153205.5A Active CN101930534B (zh) 2009-06-25 2010-04-21 用于人脸检测的动态图像压缩方法
CN201010188968.3A Active CN101931749B (zh) 2009-06-25 2010-05-24 用于人脸检测的拍摄参数调整方法与影像撷取装置
CN201010198376.XA Active CN101930535B (zh) 2009-06-25 2010-06-08 人脸侦测与追踪装置

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201010188968.3A Active CN101931749B (zh) 2009-06-25 2010-05-24 用于人脸检测的拍摄参数调整方法与影像撷取装置
CN201010198376.XA Active CN101930535B (zh) 2009-06-25 2010-06-08 人脸侦测与追踪装置

Country Status (3)

Country Link
US (3) US8374459B2 (zh)
CN (3) CN101930534B (zh)
TW (3) TWI401963B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544488A (zh) * 2013-11-07 2014-01-29 湖南创合制造有限公司 一种人脸识别方法及装置
CN108989701A (zh) * 2018-04-24 2018-12-11 虹光精密工业股份有限公司 拍摄装置及拍摄方法
CN112237420A (zh) * 2019-07-16 2021-01-19 财团法人交大思源基金会 生理信息侦测装置及生理信息侦测方法

Families Citing this family (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100295782A1 (en) 2009-05-21 2010-11-25 Yehuda Binder System and method for control based on face ore hand gesture detection
TW201114245A (en) * 2009-10-08 2011-04-16 Chunghwa Picture Tubes Ltd Method for forming three-dimension images and related display module
EP2553657A4 (en) * 2010-04-02 2015-04-15 Nokia Corp METHODS AND APPARATUS FOR FACIAL DETECTION
CN102298452A (zh) * 2010-06-22 2011-12-28 原相科技股份有限公司 调整光学感应模块的曝光条件的方法与其光学感应模块
JP5166570B2 (ja) * 2011-04-27 2013-03-21 株式会社東芝 電子機器、及び映像処理方法
TWI449420B (zh) * 2011-05-31 2014-08-11 Nat Applied Res Laboratoires 搜索取像系統及其控制方法
CN102332095B (zh) * 2011-10-28 2013-05-08 中国科学院计算技术研究所 一种人脸运动跟踪方法和系统以及一种增强现实方法
US9148637B2 (en) 2011-11-04 2015-09-29 Microsoft Technology Licensing, Llc Face detection and tracking
CN102750672A (zh) * 2011-11-30 2012-10-24 新奥特（北京）视频技术有限公司 一种通过调节亮度实现特效的方法
CN102592148A (zh) * 2011-12-29 2012-07-18 华南师范大学 基于非负矩阵分解和多种距离函数的人脸识别方法
JP5959923B2 (ja) * 2012-04-26 2016-08-02 キヤノン株式会社 検出装置、その制御方法、および制御プログラム、並びに撮像装置および表示装置
TWI465825B (zh) 2012-06-27 2014-12-21 Acer Inc 影像擷取裝置與其光源輔助拍攝方法
TWI479372B (zh) 2012-07-27 2015-04-01 Pixart Imaging Inc 光學位移偵測裝置及方法
CN103679125B (zh) * 2012-09-24 2016-12-21 致伸科技股份有限公司 人脸追踪的方法
US10558848B2 (en) 2017-10-05 2020-02-11 Duelight Llc System, method, and computer program for capturing an image with correct skin tone exposure
CN104184954B (zh) * 2013-05-27 2017-11-03 原相科技股份有限公司 光学侦测装置及其同步调整方法
WO2014200495A1 (en) * 2013-06-13 2014-12-18 Hewlett-Packard Development Company, L. P. Establish image pipeline
CN103400567A (zh) * 2013-08-02 2013-11-20 苏州鼎富软件科技有限公司 屏幕亮度自动调节方法
TWI505233B (zh) 2014-02-20 2015-10-21 Asustek Comp Inc 影像處理方法及影像處理裝置
CN104038703A (zh) * 2014-05-26 2014-09-10 四川长虹电器股份有限公司 数字摄像机感光自适应控制方法
TWI526879B (zh) 2015-01-30 2016-03-21 原相科技股份有限公司 互動系統、遙控器及其運作方法
CN106034215A (zh) * 2015-03-16 2016-10-19 冠捷投资有限公司 视频会议方法及系统
CN104994306B (zh) * 2015-06-29 2019-05-03 厦门美图之家科技有限公司 一种基于脸部亮度自动调整曝光度的摄像方法和摄像装置
US10007845B2 (en) 2015-07-06 2018-06-26 Pixart Imaging Inc. Eye state detecting method and eye state detecting system
CN110263749A (zh) * 2015-07-14 2019-09-20 原相科技股份有限公司 眼睛状态侦测方法以及眼睛状态侦测系统
CN106470308A (zh) * 2015-08-18 2017-03-01 联想(北京)有限公司 图像处理方法以及电子设备
TWI587242B (zh) * 2015-09-08 2017-06-11 宏達國際電子股份有限公司 人臉影像調整系統及人臉影像調整方法
CN107690804B (zh) * 2015-10-28 2020-08-25 华为技术有限公司 一种图像处理方法及用户终端
CN107103271A (zh) * 2016-02-23 2017-08-29 芋头科技（杭州）有限公司 一种人脸检测方法
JP6574988B2 (ja) * 2016-06-08 2019-09-18 パナソニックＩｐマネジメント株式会社 照合装置及び照合方法
CN106131449B (zh) * 2016-07-27 2019-11-29 维沃移动通信有限公司 一种拍照方法及移动终端
JP6793511B2 (ja) * 2016-09-30 2020-12-02 キヤノン株式会社 画像処理装置
US20180311512A1 (en) * 2017-04-28 2018-11-01 C-Rad Positioning Ab Patient monitoring
CN108875477B (zh) * 2017-08-14 2022-07-12 北京旷视科技有限公司 曝光控制方法、装置和系统及存储介质
CN109936693A (zh) * 2017-12-18 2019-06-25 东斓视觉科技发展（北京）有限公司 移动拍摄终端及相片的拍摄方法
US11405581B2 (en) * 2017-12-26 2022-08-02 Pixart Imaging Inc. Motion detection methods and image sensor devices capable of generating ranking list of regions of interest and pre-recording monitoring images
WO2019133996A1 (en) * 2017-12-29 2019-07-04 Brian Bertan System and method for combining identity information to facilitate image acquisition
CN108573230B (zh) * 2018-04-10 2020-06-26 京东方科技集团股份有限公司 人脸跟踪方法和人脸跟踪装置
JP6973258B2 (ja) * 2018-04-13 2021-11-24 オムロン株式会社 画像解析装置、方法およびプログラム
CN110536071B (zh) * 2018-05-25 2021-05-11 神讯电脑(昆山)有限公司 车用取像装置及影像撷取方法
US10896320B2 (en) * 2018-11-14 2021-01-19 Baidu Usa Llc Child face distance alert system
CN109782214B (zh) * 2019-01-26 2021-02-26 哈尔滨汇鑫仪器仪表有限责任公司 电能表状态远程发送机构
TWI719409B (zh) 2019-02-23 2021-02-21 和碩聯合科技股份有限公司 追蹤系統及其方法
CN111917971B (zh) * 2019-05-09 2021-10-29 联策科技股份有限公司 取像参数优化调整系统与方法
CN110191292B (zh) * 2019-06-28 2020-09-25 联想(北京)有限公司 信息处理方法及其系统、介质和电子设备
CN112215740A (zh) * 2019-07-10 2021-01-12 英特尔公司 图形计算环境中使用偏导数像素着色器指令的针对可变速率着色的梯度近似
TWI714318B (zh) * 2019-10-25 2020-12-21 緯創資通股份有限公司 人臉辨識方法及裝置
CN110853014B (zh) * 2019-11-12 2020-06-26 王文学 癌症手术室故障率解析装置
CN111462268B (zh) * 2020-03-31 2022-11-11 北京市商汤科技开发有限公司 图像重建方法及装置、电子设备和存储介质
CN112235483B (zh) * 2020-08-24 2023-04-07 深圳市雄帝科技股份有限公司 拍照灯光自动调节方法、系统及其自助拍摄设备
CN112312036A (zh) * 2020-10-30 2021-02-02 天津天地伟业智能安全防范科技有限公司 一种拍照领域的自动曝光方法
JPWO2022201247A1 (zh) * 2021-03-22 2022-09-29
US12010466B2 (en) 2021-06-22 2024-06-11 Industrial Technology Research Institute Visual recognition based method and system for projecting patterned light, method and system applied to oral inspection, and machining system

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1456016A (zh) * 2001-01-30 2003-11-12 株式会社欧菲士诺亚 压缩运动图像信息的方法和系统
US20040264744A1 (en) * 2003-06-30 2004-12-30 Microsoft Corporation Speedup of face detection in digital images
CN1806448A (zh) * 2003-06-12 2006-07-19 株式会社尼康 图像处理方法、图像处理程序以及图像处理器
WO2007029640A1 (ja) * 2005-09-09 2007-03-15 Sony Corporation 画像処理装置および方法、プログラム、並びに記録媒体
WO2008075247A1 (en) * 2006-12-18 2008-06-26 Koninklijke Philips Electronics N.V. Image compression and decompression
CN101296280A (zh) * 2007-04-26 2008-10-29 佳能株式会社 图像处理装置及其控制方法
CN101385046A (zh) * 2006-02-15 2009-03-11 皇家飞利浦电子股份有限公司 减少显示图像中的压缩伪影、分析编码参数
CN101431676A (zh) * 2008-12-08 2009-05-13 哈尔滨工程大学 带有最大压缩比寻优的几何不变矩图像压缩方法

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6151409A (en) * 1998-03-13 2000-11-21 National Science Council Methods for compressing and re-constructing a color image in a computer system
US6697502B2 (en) * 2000-12-14 2004-02-24 Eastman Kodak Company Image processing method for detecting human figures in a digital image
US7020345B2 (en) * 2001-04-26 2006-03-28 Industrial Technology Research Institute Methods and system for illuminant-compensation
KR100831355B1 (ko) * 2002-04-16 2008-05-21 삼성전자주식회사 피사체를 촬영하는 장소의 위치정보 및 방위정보의 기록이가능한 영상기록장치
JP3680827B2 (ja) * 2002-08-27 2005-08-10 コニカミノルタフォトイメージング株式会社 デジタルカメラ
GB2395779A (en) * 2002-11-29 2004-06-02 Sony Uk Ltd Face detection
US7391888B2 (en) * 2003-05-30 2008-06-24 Microsoft Corporation Head pose assessment methods and systems
TWI235608B (en) * 2004-02-13 2005-07-01 Inventec Appliances Corp Method and apparatus for transforming a high dynamic range image into a low dynamic range image
US7315631B1 (en) * 2006-08-11 2008-01-01 Fotonation Vision Limited Real-time face tracking in a digital image acquisition device
US20060280375A1 (en) * 2005-06-08 2006-12-14 Dalton Dan L Red-eye correction method and apparatus with user-adjustable threshold
KR100724932B1 (ko) * 2005-08-02 2007-06-04 삼성전자주식회사 얼굴 검출 장치 및 방법
CN100361138C (zh) * 2005-12-31 2008-01-09 北京中星微电子有限公司 视频序列中人脸的实时检测与持续跟踪的方法及系统
JP4867365B2 (ja) * 2006-01-30 2012-02-01 ソニー株式会社 撮像制御装置、撮像装置および撮像制御方法
JP4567618B2 (ja) * 2006-02-23 2010-10-20 富士フイルム株式会社 撮像装置およびその制御方法
TWI294107B (en) * 2006-04-28 2008-03-01 Univ Nat Kaohsiung 1St Univ Sc A pronunciation-scored method for the application of voice and image in the e-learning
US7916897B2 (en) * 2006-08-11 2011-03-29 Tessera Technologies Ireland Limited Face tracking for controlling imaging parameters
KR100809349B1 (ko) * 2006-09-25 2008-03-05 삼성전자주식회사 이미지의 밝기 보정을 위한 장치 및 방법
TW200833106A (en) * 2007-01-29 2008-08-01 Ind Tech Res Inst Tone mapping method for dynamic range image
JP4600435B2 (ja) * 2007-06-13 2010-12-15 ソニー株式会社 画像撮影装置及び画像撮影方法、並びにコンピュータ・プログラム
CN101369315A (zh) * 2007-08-17 2009-02-18 上海银晨智能识别科技有限公司 人脸检测方法
KR101423916B1 (ko) * 2007-12-03 2014-07-29 삼성전자주식회사 복수의 얼굴 인식 방법 및 장치
CN101236608B (zh) * 2008-01-25 2010-08-04 清华大学 基于图片几何结构的人脸检测方法
CN101271523B (zh) * 2008-05-21 2010-06-02 北京中星微电子有限公司 用于人脸检测的图像亮度调节控制方法和装置
JP4582212B2 (ja) * 2008-06-24 2010-11-17 カシオ計算機株式会社 撮像装置及びプログラム
CN101377813B (zh) * 2008-09-24 2010-08-11 上海大学 复杂场景中单个人脸的实时跟踪方法
US8339506B2 (en) * 2009-04-24 2012-12-25 Qualcomm Incorporated Image capture parameter adjustment using face brightness information

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1456016A (zh) * 2001-01-30 2003-11-12 株式会社欧菲士诺亚 压缩运动图像信息的方法和系统
CN1806448A (zh) * 2003-06-12 2006-07-19 株式会社尼康 图像处理方法、图像处理程序以及图像处理器
US20040264744A1 (en) * 2003-06-30 2004-12-30 Microsoft Corporation Speedup of face detection in digital images
WO2007029640A1 (ja) * 2005-09-09 2007-03-15 Sony Corporation 画像処理装置および方法、プログラム、並びに記録媒体
CN101385046A (zh) * 2006-02-15 2009-03-11 皇家飞利浦电子股份有限公司 减少显示图像中的压缩伪影、分析编码参数
WO2008075247A1 (en) * 2006-12-18 2008-06-26 Koninklijke Philips Electronics N.V. Image compression and decompression
CN101296280A (zh) * 2007-04-26 2008-10-29 佳能株式会社 图像处理装置及其控制方法
CN101431676A (zh) * 2008-12-08 2009-05-13 哈尔滨工程大学 带有最大压缩比寻优的几何不变矩图像压缩方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544488A (zh) * 2013-11-07 2014-01-29 湖南创合制造有限公司 一种人脸识别方法及装置
CN103544488B (zh) * 2013-11-07 2016-04-13 湖南创合制造有限公司 一种人脸识别方法及装置
CN108989701A (zh) * 2018-04-24 2018-12-11 虹光精密工业股份有限公司 拍摄装置及拍摄方法
CN112237420A (zh) * 2019-07-16 2021-01-19 财团法人交大思源基金会 生理信息侦测装置及生理信息侦测方法
CN112237420B (zh) * 2019-07-16 2024-07-26 财团法人交大思源基金会 生理信息侦测装置及生理信息侦测方法

Also Published As

Publication number Publication date
US20100329518A1 (en) 2010-12-30
CN101931749B (zh) 2014-01-08
US20100328498A1 (en) 2010-12-30
TW201101199A (en) 2011-01-01
TWI414179B (zh) 2013-11-01
US8633978B2 (en) 2014-01-21
US8374459B2 (en) 2013-02-12
TWI462029B (zh) 2014-11-21
TWI401963B (zh) 2013-07-11
TW201101842A (en) 2011-01-01
US20100328442A1 (en) 2010-12-30
CN101931749A (zh) 2010-12-29
CN101930534B (zh) 2014-04-16
CN101930535B (zh) 2014-04-16
US8390736B2 (en) 2013-03-05
CN101930535A (zh) 2010-12-29
TW201101815A (en) 2011-01-01

Similar Documents

Publication Publication Date Title
CN101930534A (zh) 用于人脸侦测的动态影像压缩方法
US10009549B2 (en) Imaging providing ratio pixel intensity
US8363131B2 (en) Apparatus and method for local contrast enhanced tone mapping
US7444075B2 (en) Imaging device, camera, and imaging method
CN111915526A (zh) 一种基于亮度注意力机制低照度图像增强算法的摄影方法
US10489897B2 (en) Apparatus and methods for artifact detection and removal using frame interpolation techniques
CN101409825B (zh) 基于信息融合的夜间视觉监控方法
CN104601905A (zh) 产生高动态范围影像的方法与装置以及计算机程序产品
Leñero-Bardallo et al. A wide linear dynamic range image sensor based on asynchronous self-reset and tagging of saturation events
CN109816603A (zh) 单光子计数成像的图像传感器图像还原方法
CN206058228U (zh) 机器视觉检测系统
Zeng et al. High dynamic range infrared image compression and denoising
CN110930311A (zh) 一种提高红外图像与可见光图像融合的信噪比方法与装置
US8792032B2 (en) Dynamic range enhancement
US9013605B2 (en) Apparatus and method for processing intensity of image in digital camera
Ou et al. Real-time tone mapping: A state of the art report
CN114581355A (zh) 一种重建hdr图像的方法、终端及电子设备
CN111666869B (zh) 一种基于宽动态处理的人脸识别方法、装置及电子设备
Han et al. Low-light images enhancement and denoising network based on unsupervised learning multi-stream feature modeling
CN106454159A (zh) 一种高动态emccd图像传感器
US20230019360A1 (en) Video data processing
Kumar et al. Image Enhancement Using Laplacian Gaussian Pyramid Based Fusion and Band Rationing Algorithm
CN205247454U (zh) 一种图像增强处理装置
Bao et al. Temporal-Mapping Photography for Event Cameras
Punchihewa et al. From a review of HDR sensing and tone compression to a novel imaging approach

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