CN102339466A - 用于检测具有特定形状的区域的方法和相机 - Google Patents

用于检测具有特定形状的区域的方法和相机 Download PDF

Info

Publication number
CN102339466A
CN102339466A CN2011102101338A CN201110210133A CN102339466A CN 102339466 A CN102339466 A CN 102339466A CN 2011102101338 A CN2011102101338 A CN 2011102101338A CN 201110210133 A CN201110210133 A CN 201110210133A CN 102339466 A CN102339466 A CN 102339466A
Authority
CN
China
Prior art keywords
gray
level difference
zone
lgp
pixel
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
CN2011102101338A
Other languages
English (en)
Other versions
CN102339466B (zh
Inventor
全承先
金大镇
全俸辰
尹钟敏
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.)
Hanhua Vision Co ltd
Academy Industry Foundation of POSTECH
Original Assignee
Samsung Techwin Co Ltd
Academy Industry Foundation of POSTECH
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
Priority claimed from KR1020110059649A external-priority patent/KR101665392B1/ko
Application filed by Samsung Techwin Co Ltd, Academy Industry Foundation of POSTECH filed Critical Samsung Techwin Co Ltd
Publication of CN102339466A publication Critical patent/CN102339466A/zh
Application granted granted Critical
Publication of CN102339466B publication Critical patent/CN102339466B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]

Abstract

提供了用于检测具有特定形状的区域的方法和相机。提供了一种在相机中检测具有特定形状的区域的方法。所述方法包括：在相机中处理输入图像数据，并检测具有特定形状的区域。所述方法包括：计算图像帧的每一局部区域中的中央像素和各外围像素之间的灰度级差；将平均灰度级差和每一灰度级差进行比较，并在每一局部区域中基于比较结果来获得局部梯度模式(LGP)值；通过使用从各局部区域获得的LGP值来从图像帧中检测具有特定形状的区域。

Description

用于检测具有特定形状的区域的方法和相机
本申请要求于2010年7月15日在韩国知识产权局提交的第10-2010-0068588号韩国专利申请以及2011年6月20日在韩国知识产权局提交的第10-2011-0059649号韩国专利申请的利益，所述申请的整个公开通过引用包含于此。
技术领域
与示例性实施例一致的方法和设备涉及一种用于检测具有特定形状的区域的方法和相机，更具体地讲，涉及这样一种用于检测具有特定形状的区域的方法和相机：通过所述方法和相机，输入图像数据在相机中被处理，以检测具有所述特定形状的区域。
背景技术
相机(例如，监视相机或数码相机)可用于处理输入图像数据，并检测具有特定形状的区域(例如，具有人脸的区域或车牌的区域)。相机的上述功能可被用于许多领域。
例如，数码相机可校正人脸的检测区域的肤色，或从人脸的检测区域去除瑕疵。另外，仅当在测量人脸的检测区域的角度中人脸转向相机的正前方时，相机才可捕获图像或执行自动对焦(AF)操作。
仅当人出现在相机中时，监视相机才可检测人脸区域，并执行监视功能或跟踪运动轨迹。因此，可减少不必要的计算量和存储空间。
当监视相机观测自动存提款机(ATM)时，监视相机可在取现期间确定人脸，当人脸被掩饰时，监视相机可阻止取现，当人脸正常暴露时，监视相机使得能够取现。
同时，在另一示例中，监视相机可准确地检测车牌的区域，并帮助捕获违反交通规则的车辆。
图1是示出形成局部二值模式(LBP)的方法的示图，所述LBP用于在典型相机中检测具有特定形状的区域。在图1中，标号11表示局部区域，标号12表示LBP的二进制值，标号13表示LBP的十进制值。
参照图1，输入图像帧的每一局部区域11可包括以3×3矩阵的形式排列的9个像素。现在将详细描述获得每一局部区域11中的LBP的值的方法。
由于左上像素的灰度级70大于中央像素的灰度级60，所以第一位(位号0，最低有效位(LSB))的二进制数据可以是“1”。
由于中上像素的灰度级20小于中央像素的灰度级60，所以第二位(位号1)的二进制数据可以是“0”。类似地，由于右上像素的灰度级20小于中央像素的灰度级60，所以第三位(位号2)的二进制数据可以是“0”。
由于中右像素的灰度级120大于中央像素的灰度级60，所以第四位(位号3)的二进制数据可以是“1”。类似地，当右下像素的灰度级120大于中央像素的灰度级60时，第五位(位号4)的二进制数据可以是“1”。
由于中下像素的灰度级20小于中央像素的灰度级60，所以第六位(位号5)的二进制数据可以是“0”。由于左下像素的灰度级20小于中央像素的灰度级60，所以第七位(位号6)的二进制数据可以是“0”。类似地，由于中左像素的灰度级50小于中央像素的灰度60，所以第八位(位号7)的二进制数据可以是“0”。
可如等式1来表示上述的形成LBP的方法：
LBP ( x c , y c ) = Q n = 0 7 s ( i n - i c ) 2 n - - - ( 1 )
其中，xc、yc表示每一局部区域11的中央坐标，ic表示中央像素的灰度级60，in表示与中央像素邻近的像素的灰度级。当(in-ic)为0或大于0时，函数s(in-ic)为“1”；当(in-ic)小于0时，函数s(in-ic)为“0”。
当相机通过使用如上所述的LBP检测具有特定形状的区域时，由于没有直接使用灰度级模式，所以相机针对照明变化可为鲁棒性的。
然而，当在具有特定形状的分界区域中邻近像素之间的灰度级差特别大时，LBP值也会特别地增大。因此，在有限的学习结果数据的环境下，检测具有特定形状的区域可能是困难的。
例如，当作为摄像的主体的人在高亮度下配戴了非常暗的眼镜，或者在低亮度下化妆化得非常亮时，检测人脸区域可能是困难的。
类似地，当车牌在非常亮的光线下与非常暗的背景成对照，或者在非常暗的光线下与非常亮的背景成对照时，检测车牌区域可能是困难的。
发明内容
一个或多个示例性实施例提供了一种检测具有特定形状的区域的方法，其中，即使在具有特定形状的分界区域中邻近像素之间的灰度级差特别大，所述方法也可在各种照明设置中工作，并检测具有特定形状的区域。
根据示例性实施例的一方面，提供了一种检测具有特定形状的区域的方法，所述方法包括：在相机中处理输入图像数据，并检测具有特定形状的区域。所述方法包括：(a)计算图像帧的每一局部区域中的中央像素和各外围像素之间的灰度级差；(b)将平均灰度级差和每一灰度级差进行比较，并在每一局部区域中基于比较结果来获得局部梯度模式(LGP)的值；(c)通过使用从各局部区域获得的LGP值来从图像帧中检测具有特定形状的区域。
附图说明
通过参照附图对本公开的特定示例性实施例进行详细描述，本公开的以上和/或其他特征和优点将变得更清楚，其中：
图1是示出形成局部二值模式(LBP)的方法的示图，所述LBP用于在典型相机中检测具有特定形状的区域；
图2是根据示例性实施例的使用检测形状的方法的监视相机的内部结构的框图；
图3是示出通过使用图2的用作主控制器的数字信号处理器执行的形状检测方法的流程图；
图4是解释图3的操作S32和S33的示图；
图5是显示图1的传统局部二值模式(LBP)的特性的曲线图；
图6是显示根据示例性实施例的被称为局部梯度模式(LGP)的图4的模式的特性的曲线图；
图7显示与在不同照明环境中捕获的原始灰度级模式的图像相应的图4的LGP的图像；
图8是示出应用了图3的形状检测方法的整个形状检测方法的流程图；
图9是示出这样一种方法的示例的流程图：在图8的操作S84中，所述方法确定应用了子窗口的区域是否为具有特定形状的区域；
图10是用于解释图8的形状检测方法的示例的示图。
具体实施方式
以下将参照附图更全面地描述特定示例性实施例。
图2是根据示例性实施例的使用检测具有特定形状的区域的方法的监视相机2的内部结构的框图。
参照图2，监视相机2可包括光学系统OPS、光电转换器OEC、相关双采样器和模数转换器(CDS-ADC)201、时序电路202、用作控制器的数字信号处理器(DSP)207、视频信号产生器208、光圈马达MA、变焦马达MZ、聚焦马达MF、滤镜马达MD、摇头马达MP、倾斜马达MT、驱动器210、通信接口212、微计算机213和照明器215。
包括镜头单元和滤镜单元的OPS可对从主体发射的光进行光学处理。
OPS的镜头单元可包括变焦镜头和聚焦镜头。OPS的滤镜单元可包括在夜间操作模式下使用的光学低通滤镜(OLPF)和在日间操作模式下使用的红外截止滤镜(IRF)。OLPF可去除射频(RF)光学噪声，IRF可阻挡入射光的IR分量。
OEC为电荷耦合装置(CCD)类型或互补金属氧化物半导体(CMOS)类型，OEC可将OPS发射的光转换成电模拟信号。这里，DSP 207可控制时序电路202，并可控制OEC和CDS-ADC 201的操作。
CDS-ADC 201可处理来自光电转换器OEC的模拟图像信号，以从模拟图像信号中去除射频(RF)噪声，调节模拟图像信号的幅度，并将处理后的模拟图像信号转换成数字图像信号。可将数字图像信号发送到数字信号处理器207。
用作主控制器的数字信号处理器207可处理从CDS-ADC 201发送的数字图像信号，并产生数字图像数据，所述数字图像数据被分成亮度信号和色度信号。
视频信号产生器208可将由数字信号处理器207产生的数字图像数据转换成视频信号SVID，所述视频信号SVID是模拟图像信号。
用作主控制器的数字信号处理器207可经由通信接口212和通信信道DCOM与主机装置(例如，计算机)进行通信，并通过视频信号信道将来自视频信号产生器208的视频信号SVID发送到主机装置。
同时，微计算机213可控制驱动器210驱动光圈马达MA、变焦马达MZ、聚焦马达MF、滤镜马达MD、摇头马达MP和倾斜马达MT。另外，微计算机213可控制照明器215将照明光照射至透明罩(未示出)。
光圈马达MA可驱动虹彩光圈，变焦马达MZ可驱动变焦镜头，聚焦马达MF可驱动聚焦镜头。滤镜马达MD可驱动OLPF和IRF。
摇头马达MP可向右旋转和向左旋转OPS。倾斜马达MT可向上旋转和向下旋转OPS。
以下，将参照图3至图10描述由用作主控制器的数字信号处理器207执行的形状检测方法。
图3是示出由图2的用作主控制器的数字信号处理器207执行的检测具有特定形状的区域的方法的流程图。图4是解释图3的操作S32和S33的示图。在图4中，标号41表示局部区域，标号42表示LGP的二进制值，标号43表示LGP的十进制值。现在将参照图2至图4来描述图3的方法。
当输入了图像帧的数据时(操作S31)，数字信号处理器207可计算图像帧的每一局部区域41中的中央像素的灰度级60和各外围像素的灰度级之间的灰度级差(操作S32)。
另外，DSP 207可将平均灰度级差与每一灰度级差进行比较，并基于比较结果来获得LGP的值42和43(操作S33)。
另外，DSP 207可通过使用从各局部区域41获得的LGP的值43来从图像帧检测具有特定形状的区域(例如，人脸区域或车牌号码区域)。
可重复执行操作S31至操作S35。
即，可通过使用LGP的值来从图像帧检测具有特定形状的区域。因此，相机可通过使用纹理模式而不直接使用灰度级模式在照明变化的情况下很好地操作。
另外，每一LGP值可包括与每一局部区域中的灰度级差有关的梯度信息。即，每一LGP值可包括与每一灰度级差及平均灰度级差有关的信息。
因此，即使在具有特定形状的边界区域中邻近像素之间的灰度级差变得特别大，由于LGP值没有增加，所以可解决在有限学习结果的环境下检测具有特定形状的区域的困难。
例如，可解决当作为摄像主体的人在高亮度下配戴非常暗的眼镜或者在低亮度下化妆化的非常亮时检测人脸区域的困难。
类似地，可解决当车牌在非常亮光线下与非常暗的背景成对照或者在非常暗的光线下与非常亮的背景成对照时检测车牌区域的困难。
关于操作S32和操作S33，现在将在下面描述从任何一个局部区域获得LGP的值的详细处理。
每一局部区域41可包括9个像素，具有正方形形式的四个边，每个边具有3个像素。即，可以以3×3矩阵的形式排列所述9个像素。
现在将参照图4详细描述操作S32。
第一，可计算中央像素的灰度级60和左上像素的灰度级70之间的第一灰度级差10。
第二，可计算中央像素的灰度级60和中上像素的灰度级20之间的第二灰度级差40。
第三，可计算中央像素的灰度级60和右上像素的灰度级20之间的第三灰度级差40。
第四，可计算中央像素的灰度级60和中右像素的灰度级120之间的第四灰度级差60。
第五，可计算中央像素的灰度级60和右下像素的灰度级120之间的第五灰度级差60。
第六，可计算中央像素的灰度级60和中下像素的灰度级20之间的第六灰度级差40。
第七，可计算中央像素的灰度级60和左下像素的灰度级20之间的第七灰度级差40。
第八，可计算中央像素的灰度级60和中左像素的灰度级50之间的第八灰度级差10。
在操作S33，开始可计算第一灰度级差至第八灰度级差的平均值(37.5)。因此，可如等式2所示来获得所述平均值：
Δm = Q n = 0 7 | i n - i c | 8 - - - ( 2 )
其中，Δm表示灰度级差的平均值，ic表示中央像素的灰度级60，in表示与中央像素邻近的每一像素的灰度级。
接下来，可将每一灰度级差与灰度级差的平均值(Δm＝37.5)进行比较，并可基于比较结果来获得LGP的8位值126。
这里，当第一灰度级差至第八灰度级差中的每一个小于平均值(Δm＝37.5)时，可将二进制数据设置为“0”，当第一灰度级差至第八灰度级差中的每一个不小于平均值时，可将二进制数据设置为“1”。因此，可获得LGP的8位值126。可这样排列8位：基于第一灰度级差10和平均值(Δm＝37.5)之间的比较结果所获得的二进制数据是最低有效位(LSB)，基于第八灰度级差10和平均值(Δm＝37.5)之间的比较结果所获得的二进制数据是最高有效位(MSB)。
更具体地讲，由于第一灰度级差10小于平均值(Δm＝37.5)，所以第一位(位号0，LSB)的二进制数据可以是“0”。
由于第二灰度级差40大于平均值(Δm＝37.5)，所以第二位(位号1)的二进制数据可以是“1”。由于第三灰度级差40大于平均值(Δm＝37.5)，所以第三位(位号2)的二进制数据可以是“1”。
由于第四灰度级差60大于平均值(Δm＝37.5)，所以第四位(位号3)的二进制数据可以是“1”。由于第五灰度级差60大于平均值(Δm＝37.5)，所以第五位(位号4)的二进制数据可以是“1”。
由于第六灰度级差40大于平均值(Δm＝37.5)，所以第六位(位号5)的二进制数据可以是“1”。由于第七灰度级差40大于平均值(Δm＝37.5)，所以第七位(位号6)的二进制数据可以是“1”。
另外，由于第八灰度级差10小于平均值(Δm＝37.5)，所以第八位(位号7)的二进制数据可以是“0”。
可如等式3来表示形成LGP的方法：
LGP ( x c , y c ) = Q n = 0 7 s ( | i n - i c | - Δm ) 2 n - - - ( 3 )
其中，xc、yc表示每一局部区域41的中央坐标，ic表示中央像素的灰度级，in表示与中央像素邻近的每一像素的灰度级。当|in-ic|-Δm为0或大于0时，s(|in-ic|-Δm)为“1”，当|in-ic|-Δm小于“0”时，s(|in-ic|-Δm)为“0”。
图5是显示图1的传统LBP的特性的曲线图，图6是显示根据示例性实施例的被称为LGP的图4的模式的特性的曲线图。
参照图5，当每一邻近像素的灰度级小于中央像素的灰度级时，传统LBP的纹理数据可以是“0”，当每一邻近像素的灰度级不小于中央像素的灰度级时，传统LBP的纹理数据可以是“1”。当在具有特定形状的边界区域中邻近像素之间的灰度级差特别大时，LBP值也可能特别地增大。因此，在有限学习结果数据的环境下，无法检测到具有特定形状的区域。
然而，参照图6，当每一邻近像素的灰度级小于中央像素的灰度级时，根据实施例的LGP的纹理数据可以是“0”或“1”，当每一邻近像素的灰度不小于中央像素的灰度级时，根据实施例的LGP的纹理数据可以是“0”或“1”。即，根据实施例的LGP可不与邻近像素之间的灰度级差直接相关。当在具有特定形状的边界区域中邻近像素之间的灰度级差特别大时，LBP值也不会特别地增大。因此，可解决在有限学习结果数据的环境下检测具有特定形状的区域的困难。
图7显示与在不同照明环境中捕获的原始灰度级模式的图像相应的图4的LGP的图像。
在图7中，标号71a至标号73a表示在不同照明环境中捕获的原始灰度级模式的图像。标号71b至标号73b表示与原始灰度级模式的图像相应的图4的LGP的图像。LGP的图像71b至图像73b可展示好的纹理，并彼此相似。
即，当通过使用图4的LGP的图像来检测人脸区域时，由于使用纹理模式而非直接使用灰度模式，所以相机可在各种照度的环境中很好地操作。
图8是示出应用了图3的形状检测方法的整个形状检测方法的流程图。图10的用于解释图8的形状检测方法的示例的示图。
将参照图2、图8和图10来描述应用了图3的形状检测方法的整个形状检测方法。
当输入了图像帧的数据(FRin)时(操作S81)，用作主控制器的DSP 207可获得具有不同尺寸的一系列图像帧的各灰度级数据，所述具有不同尺寸的一系列图像帧的范围可从具有最小尺寸的图像帧(FRminp)到具有最大尺寸的图像帧(FRmaxp)。
另外，DSP 207可对具有不同尺寸的每一图像帧执行图3的操作S32和操作S33，并可获得各图像帧的LGP值FRming至FRmaxg(操作S83)。
另外，DSP 207可通过使用子窗口扫描各图像帧的LGP值FRming至FRmaxg，并在图3的操作S34检测具有特定形状的区域(例如，人脸区域)(操作S84)。
可重复执行操作S81至操作S84，直到产生结束信号为止(操作S85)。
在操作S84，为了确定应用了子窗口的任何一个区域是否为具有特定形状的区域(例如，人脸区域)，当子窗口是非形状区域(例如，非人脸区域)时，LGP值的非形状权重，例如，非人脸权重(WT1等)的学习结果数据(101等)，可被应用于子窗口的特定位置。
这里，学习结果数据可以是当非形状权重(例如，非人脸权重(WT1等))的参考数据具有不同精度时所获得的多个学习结果数据(101等)。另外，具有最低精度的学习结果数据至具有最高精度的学习结果数据可被顺序地应用到应用了子窗口的任何一个区域。
图9是示出这样方法的示例的流程图：在图8的操作S84中，所述方法确定应用了子窗口的区域是否为具有特定形状的区域。自然地，图9的确定方法可被同样应用于车牌的区域。现在将参照图2、图9和图10来描述这样一种方法：在图8的操作S84中，所述方法确定应用了子窗口的任何一个区域是否为具有特定形状的区域(例如，人脸区域)。
最初，用作主控制器的DSP 207可将在子窗口的第一特定位置SW1获得的LGP值的第一非人脸权重WT1相加(操作S901)。
接下来，当第一非人脸权重WT1的和H1不小于第一参考值T1时(操作S902)时，DSP 207可确定子窗口的当前区域是非人脸区域(操作S912)，并结束处理。这里，处理结束可表示将子窗口转移到下一个区域。
当和H1小于第一参考值T1时(操作S902)，DSP 207可将在子窗口的第二特定位置SW2所获得的各LGP值的第二非人脸权重相加(操作S903)。
接下来，当第二非人脸权重的和H2不小于第二参考值T2时(操作S904)时，DSP 207可确定子窗口的当前区域是非人脸区域(操作S912)，并结束处理。
上述处理可同样被应用于与子窗口的第三特定位置SW3相应的第三非人脸权重的和H3和第三参考值T3以及与子窗口的第四特定位置SW4相应的第四非人脸权重的和H4和第四参考值T4。
当在子窗口的第四特定位置SW4获得的第四非人脸权重的和H4小于第四参考值T4时，DSP 207可将在子窗口的第五特定位置SW5所获得的LGP值的第五非人脸权重相加(操作S909)。
当第五非人脸权重的和H5不小于第五参考值T5时(操作S910)，DSP 207可确定子窗口的当前区域是非人脸区域(操作S912)，并结束处理。
当和H5小于第五参考值T5时(操作S910)，DSP 207可确定子窗口的当前区域是人脸区域(操作S911)。
图9的方法可被总结和补充如下。
在子窗口的特定位置SW1至SW5的任何一个的学习结果数据被应用的情况下，当确定应用了子窗口的任何一个区域是非形状区域(例如，非人脸区域)时，无需应用下一学习结果数据就可最终确定非形状区域(例如，非人脸区域)。另外，当确定应用了子窗口的任何一个区域是具有特定形状的区域(例如，人脸区域)时，可应用下一学习结果数据。
这里，在最终应用具有最高精度的学习结果数据的情况下，当确定应用了子窗口的任何一个区域是具有特定形状的区域(例如，人脸区域)时，可最终确定具有特定形状的区域(参照图9的操作S910至操作S911)。
根据图9的确定方法，可更迅速地确定非形状区域(例如，非人脸区域)，从而子窗口可快速移动到下一个区域。换句话讲，可提高形状检测速度。
自然地，根据实施例的图9和图10的方法可同样被应用于车牌区域。
根据迄今解释的形状检测方法，可通过使用新命名的LGP值来从图像帧中检测具有特定形状的区域。因此，相机可通过使用纹理模式而非直接使用灰度级模式对于照明变化是鲁棒性的。
另外，每一LGP值可包括与局部区域中的灰度级差有关的梯度信息。即，每一LGP值可包括与每一灰度级差及平均灰度级差有关的信息。
因此，即使在具有特定形状的边界区域中邻近像素之间的灰度级差变得特别大，但由于LGP值没有增大，所以在有限学习结果的环境下可检测到具有特定形状的区域。
例如，可解决当作为摄像主体的人在高亮度下配戴非常暗的眼镜或者在低亮度下化妆化的非常亮时检测人脸区域的困难。
类似地，可解决当车牌在非常亮的光线下与非常暗的背景成对照或者在非常暗的光线下与非常亮的背景成对照时检测车牌区域的困难。
尽管已经显示和描述了一些示例性实施例，但本领域的普通技术人员应该理解，在不脱离由权利要求限定的发明构思的精神和范围的情况下，可对示例性实施例进行形式和细节方面的各种改变。

Claims (16)

1.一种通过处理输入图像数据来检测具有特定形状的区域的方法，所述方法包括以下步骤：
计算图像帧的每一局部区域中的中央像素和各外围像素之间的灰度级差；
将平均灰度级差和计算的每一灰度级差进行比较，并在图像帧的每一局部区域中基于比较结果来获得局部梯度模式LGP值；
通过使用从各局部区域获得的LGP值来从图像帧中检测具有特定形状的区域。
2.如权利要求1所述的方法，其中，在计算灰度级差、比较平均灰度级差和检测具有特定形状的区域的步骤中，每一局部区域包括以3×3矩阵的形式排列的9个像素。
3.如权利要求2所述的方法，其中，计算灰度级差的步骤包括：
计算中央像素与左上像素之间的第一灰度级差；
计算中央像素与中上像素之间的第二灰度级差；
计算中央像素与右上像素之间的第三灰度级差；
计算中央像素与中右像素之间的第四灰度级差；
计算中央像素与右下像素之间的第五灰度级差；
计算中央像素与中下像素之间的第六灰度级差；
计算中央像素与左下像素之间的第七灰度级差；
计算中央像素与中左像素之间的第八灰度级差。
4.如权利要求3所述的方法，其中，比较平均灰度级差的步骤包括：
计算第一灰度级差至第八灰度级差的平均值；
将每一灰度级差与灰度级差的平均值进行比较，并基于比较结果来获得8位LGP值。
5.如权利要求4所述的方法，其中，获得8位LGP值的步骤包括：当第一灰度级差至第八灰度级差中的每一个小于第一灰度级差至第八灰度级差的平均值时，将二进制数据设置为“0”，当第一灰度级差至第八灰度级差中的每一个不小于第一灰度级差至第八灰度级差的平均值时，将二进制数据设置为“1”。
6.如权利要求5所述的方法，其中，在获得8位LGP值的步骤中，以如下方式来排列8位：基于第一灰度级差和第一灰度级差至第八灰度级差的平均值之间的比较结果所获得的二进制数据是最低有效位LSB，基于第八灰度级差和第一灰度级差至第八灰度级差的平均值之间的比较结果所获得的二进制数据是最高有效位MSB。
7.如权利要求1所述的方法，其中，获得具有不同尺寸的一系列图像帧的各灰度数据，所述具有不同尺寸的一系列图像帧的范围是从具有最小尺寸的图像帧到具有最大尺寸的图像帧，
对具有不同尺寸的每一图像帧执行计算灰度级差和比较平均灰度级差，以获得各图像帧的LGP数据，
在检测具有特定形状的区域的步骤中，通过使用子窗口来扫描各图像帧的LGP数据。
8.如权利要求7所述的方法，其中，在检测具有特定形状的区域的步骤中，为确定应用了子窗口的任何一个区域是否为具有特定形状的区域，当子窗口是非形状区域时，将LGP值的非形状权重的学习结果数据应用于子窗口的特定位置。
9.如权利要求8所述的方法，其中，学习结果数据是当非形状权重的参考数据具有不同精度时所获得的多个学习结果数据，并且具有最低精度的学习结果数据至具有最高精度的学习结果数据被顺序地应用到应用了子窗口的任何一个区域。
10.如权利要求9所述的方法，其中，当任何一个学习结果数据被应用并确定应用了子窗口的任何一个区域是非形状区域时，无需应用下一学习结果数据而最终确定非人脸区域，
当确定应用了子窗口的任何一个区域是具有特定形状的区域时，应用下一学习结果数据。
11.如权利要求10所述的方法，其中，当具有最高精度的学习结果数据被最终应用，并确定应用了子窗口的任何一个区域是具有特定形状的区域时，最终确定具有特定形状的区域。
12.一种执行如权利要求1所述的方法的相机。
13.一种检测具有特定形状的区域的方法，所述方法包括如下步骤：
输入图像帧数据；
获得具有不同尺寸的一系列图像帧的灰度级数据；
获得具有不同尺寸的每一图像帧的局部梯度模式LGP值；
在通过使用子窗口扫描每一图像帧的LGP值的同时，检测具有特定形状的区域。
14.如权利要求13所述的方法，其中，在检测具有特定形状的区域的步骤中，为确定应用了子窗口的任何一个区域是否为具有特定形状的区域，当子窗口是非形状区域时，LGP值的非形状权重被应用于子窗口的特定位置。
15.如权利要求13所述的方法，其中，通过计算图像帧的每一局部区域中的中央像素和各外围像素之间的灰度级差来获得具有不同尺寸的每一图像帧的LGP值，
将平均灰度级差与计算的每一灰度级差进行比较，并在每一局部区域中基于比较结果来获得LGP值。
16.一种执行如权利要求13所述的方法的相机。
CN201110210133.8A 2010-07-15 2011-07-15 用于检测具有特定形状的区域的方法和相机 Active CN102339466B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20100068588 2010-07-15
KR10-2010-0068588 2010-07-15
KR1020110059649A KR101665392B1 (ko) 2010-07-15 2011-06-20 카메라 내에서의 형상 검출 방법
KR10-2011-0059649 2011-06-20

Publications (2)

Publication Number Publication Date
CN102339466A true CN102339466A (zh) 2012-02-01
CN102339466B CN102339466B (zh) 2016-04-13

Family

ID=45467048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110210133.8A Active CN102339466B (zh) 2010-07-15 2011-07-15 用于检测具有特定形状的区域的方法和相机

Country Status (2)

Country Link
US (1) US8588530B2 (zh)
CN (1) CN102339466B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102380A (zh) * 2013-04-09 2014-10-15 北京紫霄科技有限公司 一种实现力度识别的触控设备及方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6731616B2 (ja) * 2016-06-10 2020-07-29 パナソニックＩｐマネジメント株式会社 バーチャルメイク装置、バーチャルメイク方法、およびバーチャルメイクプログラム
CN108205684B (zh) * 2017-04-25 2022-02-11 北京市商汤科技开发有限公司 图像消歧方法、装置、存储介质和电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101116106A (zh) * 2005-02-23 2008-01-30 富士通株式会社 图像处理方法、图像处理装置、图像处理系统以及计算机程序
US20080166026A1 (en) * 2007-01-10 2008-07-10 Samsung Electronics Co., Ltd. Method and apparatus for generating face descriptor using extended local binary patterns, and method and apparatus for face recognition using extended local binary patterns
US20090052798A1 (en) * 2007-08-23 2009-02-26 Samsung Electro-Mechanics Co., Ltd. Method for eliminating noise from image generated by image sensor
CN101567044A (zh) * 2009-05-22 2009-10-28 北京大学 一种人脸图像质量检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3638028B2 (ja) 1994-08-22 2005-04-13 オムロン株式会社 車両ナンバー認識装置
KR100484141B1 (ko) 2002-06-05 2005-04-18 삼성전자주식회사 영상 이진화 장치 및 방법
KR100559471B1 (ko) 2003-12-17 2006-03-10 한국전자통신연구원 대칭축을 이용한 얼굴 검출 시스템 및 방법
US7639896B2 (en) * 2004-08-09 2009-12-29 Carestream Health, Inc. Multimodal image registration using compound mutual information
RU2477522C2 (ru) * 2006-06-01 2013-03-10 Эдванст Трэк Энд Трэйс Способ и устройство для обеспечения безопасности документов
CN101743566A (zh) * 2007-07-06 2010-06-16 布拉科成像S.P.A.公司 使用神经网络的图像处理
JP2009123081A (ja) 2007-11-16 2009-06-04 Fujifilm Corp 顔検出方法及び撮影装置
FI121901B (fi) * 2008-10-17 2011-05-31 Visidon Oy Objektien ilmaiseminen ja seuraaminen digitaalisissa kuvissa
US8429168B1 (en) * 2009-12-15 2013-04-23 Google Inc. Learning semantic image similarity
KR101237970B1 (ko) * 2011-01-17 2013-02-28 포항공과대학교 산학협력단 영상 감시 시스템, 및 이의 방치 및 도난 검출 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101116106A (zh) * 2005-02-23 2008-01-30 富士通株式会社 图像处理方法、图像处理装置、图像处理系统以及计算机程序
US20080166026A1 (en) * 2007-01-10 2008-07-10 Samsung Electronics Co., Ltd. Method and apparatus for generating face descriptor using extended local binary patterns, and method and apparatus for face recognition using extended local binary patterns
US20090052798A1 (en) * 2007-08-23 2009-02-26 Samsung Electro-Mechanics Co., Ltd. Method for eliminating noise from image generated by image sensor
CN101567044A (zh) * 2009-05-22 2009-10-28 北京大学 一种人脸图像质量检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DI HUANG等。: "ASYMMETRIC 3D/2D FACE RECOGNITION BASED ON LBP FACIAL REPRESENTATION AND CANONICAL CORRELATION ANALYSIS", 《IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 *
齐永锋等。: "一种基于肤色与改进的LBP的人脸检测方法", 《光电子·激光》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102380A (zh) * 2013-04-09 2014-10-15 北京紫霄科技有限公司 一种实现力度识别的触控设备及方法

Also Published As

Publication number Publication date
CN102339466B (zh) 2016-04-13
US20120014607A1 (en) 2012-01-19
US8588530B2 (en) 2013-11-19

Similar Documents

Publication Publication Date Title
US11418729B2 (en) Image sensor having symmetrical opaque layer
KR101393391B1 (ko) 임베디드 시스템 기반의 차량 번호판 인식 방법
CN101204083A (zh) 利用颜色数字图像对动作如锐度修改进行控制的方法
CN107431760A (zh) 摄像装置、摄像装置的图像处理方法以及程序
CN108288264B (zh) 一种广角摄像头模组脏污测试方法
CN105933589A (zh) 一种图像处理方法及终端
CN102103754A (zh) 被摄体跟踪设备、被摄体区域提取设备及其控制方法
CN111965636A (zh) 一种基于毫米波雷达和视觉融合的夜间目标检测方法
CN103914810A (zh) 用于动态后视镜的图像超分辨率
CN102339466B (zh) 用于检测具有特定形状的区域的方法和相机
CN101937505B (zh) 一种目标检测方法和设备及其使用的图像采集装置
US20070223819A1 (en) Pattern matching system
CN111031256B (zh) 图像处理方法、装置、存储介质及电子设备
CN113905223B (zh) 基于单个彩色相机零配准误差彩色3d成像方法及彩色相机
JP2006318061A (ja) 画像処理装置、画像処理方法、および画像処理用プログラム
KR20190100833A (ko) Hdr 이미지 생성 장치
CN101025546A (zh) 自动拍摄方法及系统
KR101665392B1 (ko) 카메라 내에서의 형상 검출 방법
CN100594418C (zh) 影像撷取装置、其对焦方法以及影像对比值的确定方法
JPH06348991A (ja) 移動車の走行環境認識装置
KR20200139567A (ko) 카메라 장치 및 이의 이미지 합성 방법
CN108886587A (zh) 用于观察车辆驾驶员的多功能观察摄像机的图像传感器、图像传感器装置、观察摄像机以及用于生成红外图像和强度图像的方法
WO2023062873A1 (ja) 撮像装置、および電子機器
JP2610884B2 (ja) カラー濃淡パターンマツチング方法
JP5395651B2 (ja) 被写体追跡装置、被写体追跡装置の制御方法及びプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Gyeongnam Changwon City, South Korea

Applicant after: HANWHA TECHWIN Co.,Ltd.

Applicant after: POSTECH ACADEMY-INDUSTRY FOUNDATION

Address before: Gyeongnam Changwon City, South Korea

Applicant before: Samsung Techwin Co.,Ltd.

Applicant before: POSTECH ACADEMY-INDUSTRY FOUNDATION

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: SAMSUNG TAI KEWEI CO., LTD. TO: HANWHA TECHWIN CO., LTD.

Free format text: CORRECT: ADDRESS; FROM:

C14 Grant of patent or utility model
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: Gyeongnam Changwon City, South Korea

Co-patentee after: POSTECH ACADEMY-INDUSTRY FOUNDATION

Patentee after: HANWHA AEROSPACE Co.,Ltd.

Address before: Gyeongnam Changwon City, South Korea

Co-patentee before: POSTECH ACADEMY-INDUSTRY FOUNDATION

Patentee before: HANWHA TECHWIN Co.,Ltd.

CP01 Change in the name or title of a patent holder
TR01 Transfer of patent right

Effective date of registration: 20190228

Address after: Gyeonggi Do city of South Korea

Co-patentee after: POSTECH ACADEMY-INDUSTRY FOUNDATION

Patentee after: HANWHA TECHWIN Co.,Ltd.

Address before: Gyeongnam Changwon City, South Korea

Co-patentee before: POSTECH ACADEMY-INDUSTRY FOUNDATION

Patentee before: HANWHA AEROSPACE Co.,Ltd.

TR01 Transfer of patent right
CP01 Change in the name or title of a patent holder

Address after: Gyeonggi Do city of South Korea

Patentee after: Hanhua Vision Co.,Ltd.

Patentee after: POSTECH ACADEMY-INDUSTRY FOUNDATION

Address before: Gyeonggi Do city of South Korea

Patentee before: HANWHA TECHWIN Co.,Ltd.

Patentee before: POSTECH ACADEMY-INDUSTRY FOUNDATION

CP01 Change in the name or title of a patent holder