CN102724531A - 一种二维视频转三维视频的方法及系统 - Google Patents
一种二维视频转三维视频的方法及系统 Download PDFInfo
- Publication number
- CN102724531A CN102724531A CN2012101834938A CN201210183493A CN102724531A CN 102724531 A CN102724531 A CN 102724531A CN 2012101834938 A CN2012101834938 A CN 2012101834938A CN 201210183493 A CN201210183493 A CN 201210183493A CN 102724531 A CN102724531 A CN 102724531A
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- dimensional
- camera lens
- background
- 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
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明揭示了一种二维视频转三维视频的方法及系统，所述方法包括如下步骤：对输入的二维视频进行镜头分割，把视频序列分割成镜头；提取镜头的关键帧；对视频帧进行场景分割，将视频帧分割为背景和前景；根据背景的运动信息建立全局运动模型；对关键帧的背景进行深度赋值，根据全局运动模型计算后续视频帧的背景深度信息，进行视频帧背景的三维重建；对关键帧的前景深度赋值，对后续视频帧的前景进行全局运动补偿，然后根据前景各目标在前后帧中的时域相关性计算前景深度信息，进行视频帧前景的三维重建；将重建得到的三维背景和三维前景合成为三维视频输出。本发明可实现高精度高效率的3D转换，产生逼真的3D效果。
Description
技术领域
本发明属于立体视频处理技术领域，涉及一种三维视频转换方法，尤其涉及一种二维视频转三维视频的方法；同时，本发明还涉及一种二维视频转三维视频的系统。
背景技术
随着三维显示技术的成熟与推广，三维内容逐渐成为三维产业发展的瓶颈。三维内容主要有两个来源：3D拍摄与2D转3D，利用3D摄像机拍摄新的3D视频是一种提供内容的可行方式，但这种方式成本较高，并且无法利用已经存在的海量2D视频内容。因此将已有的2D视频转换为3D视频的技术有着巨大的市场需求。
2D视频转换成3D视频的方法和装置已经有不少，例如：
中国台湾的广达电脑股份有限公司申请的专利“可自动将二维影像转换为三维影像的方法”（公开号CN101211463）利用在2D影像中圈选对象、设定基线、给予物件位移量等操作转换3D视频，没有有效利用视频的时空相关性，人工干预工作量大，效率较低。
上海交通大学申请的专利“二维图像序列三维重建方法”（公开号CN1588452）从二维图像序列中分割出感兴趣的对象并构造三维体数据，最终采用计算机绘制手段将三维物体绘制出来，但该方法的最终输出是图形数据，而不是3D视频。
福州华映视讯有限公司申请的专利“将二维影像转换为三维影像的方法”（公开号CN101593349）将二维影像转换为灰阶影像再提取深度值，其缺陷在于利用的信息量小，适用范围比较有限。
美国奥拉西伊公司的专利“用于自动进行二维和三维转换的方法”（公开号CN1524249）提供了一种用于控制已知的光学原理来将单个主图像转换成多个图像的方法，该专利是针对图像的技术，没有利用视频的相关性信息。
日本三洋电机株式会社的专利“将二维图像转换成三维图像的方法”（公开号CN1126344）同样是关于图像的转换方法，没有利用视频信息。
韩国三星电子株式会社的专利“从二维图像产生三维图像的装置及其方法”（公开号CN1426024），根据图像的照明特征利用滤波器生成三维图像。
荷兰皇家飞利浦电子股份有限公司申请的专利“将二维视频转换为三维视频的方法和系统”（公开号CN101563935），根据对场景的音频信息的分析来制定该场景的视觉深度。
美国切克梅特国际公司的专利“用于从二维视频源中合成出三维视频的系统和方法”（公开号CN1244278）对来自二维视频源的帧进行数字化并将其分解为多个场，随后对这些场单独进行处理并对其进行变换以引入在与其它场组接在一起时可被观察者理解为三维图像的视觉线索。
本发明与上述已有的专利相比具有不同之处。自动二维视频转三维视频的技术，效果极其有限，缺乏实用性；人工二维视频转三维视频技术，人工干预工作量大，效率低。本发明的优点是对无结构的视频序列进行结构化，将视频序列用镜头与关键帧来描述；由于关键帧数目远小于非关键帧数目，因此对关键帧2D转3D实施人工干预，提高3D转换效果；对非关键帧，利用镜头内视频的强相关性和关键帧的3D转换结果进行自动处理，提升3D转换效率。本发明不仅可以实现高质量的3D效果，还可以节约时间，提高效率。
发明内容
本发明所要解决的技术问题是：提供一种二维视频转三维视频的方法，可实现高精度高效率的3D转换，产生逼真的3D效果。
此外，本发明还提供一种二维视频转三维视频的系统，可实现高精度高效率的3D转换，产生逼真的3D效果。
为解决上述技术问题，本发明采用如下技术方案：
一种二维视频转三维视频的方法，所述方法包括如下步骤：
步骤S1、对输入的二维视频进行镜头分割，把视频序列分割成镜头；
步骤S2、提取镜头的关键帧；
步骤S3、对视频帧进行场景分割，将视频帧分割为背景和前景；
步骤S4、根据背景的运动信息建立全局运动模型；
步骤S5、对关键帧的背景进行深度赋值，根据全局运动模型计算后续视频帧的背景深度信息，进行视频帧背景的三维重建；
步骤S6、对关键帧的前景深度赋值，对后续视频帧的前景进行全局运动补偿，然后根据前景各目标在前后帧中的时域相关性计算前景深度信息，进行视频帧前景的三维重建；
步骤S7、将步骤S5重建得到的三维背景和步骤S6重建得到的三维前景合成为三维视频输出。
作为本发明的一种优选方案，所述步骤S1中，所述镜头指一次摄像机操作连续拍下的不间断帧序列，同一个镜头内的帧具有强相关性；镜头分割使用基于区域或边界的镜头分割方法。所述步骤S3中，场景分割利用基于彩色信息或基于运动信息的分割方法。
作为本发明的一种优选方案，所述关键帧为镜头中具有最显著内容的代表帧，可描述镜头内容；所述步骤S2中，提取每个镜头的第一帧及其它具有显著运动信息的帧为关键帧。
作为本发明的一种优选方案，所述步骤S4中，背景的全局运动由摄像机操作引起，采用基于先验模型的方法计算全局运动模型。
作为本发明的一种优选方案，所述步骤S6中，对视频关键帧的前景进行深度赋值，并基于全局运动模型对视频关键帧的前景进行全局运动补偿，基于其后帧的时域相关性计算非关键帧的前景运动信息，进行视频帧前景的三维重建。
一种二维视频转三维视频的系统，所述系统包括：
镜头分割模块，用以对输入的二维视频进行镜头分割，把视频序列分割成镜头；
关键帧提取模块，用以提取镜头的关键帧；
场景分割模块，对视频帧进行场景分割，将视频帧分割为背景和前景；
全局运动模型建立模块，用以根据背景的运动信息建立全局运动模型；
背景三维重建模块，用以对关键帧的背景进行深度赋值，根据全局运动模型计算后续视频帧的背景深度信息，进行视频帧背景的三维重建；
前景三维重建模块，用以对关键帧的前景深度赋值，对后续视频帧的前景进行全局运动补偿，然后根据前景各目标在前后帧中的时域相关性计算前景深度信息，进行视频帧前景的三维重建；
三维视频输出模块，用以将所述背景三维重建模块重建得到的三维背景、前景三维重建模块重建得到的三维前景合成为三维视频输出。
作为本发明的一种优选方案，所述镜头指一次摄像机操作连续拍下的不间断帧序列，同一个镜头内的帧具有强相关性；所述镜头分割模块使用基于区域或边界的镜头分割方法分割镜头；
所述关键帧提取模块利用基于彩色信息或基于运动信息的分割方法进行场景分割。
作为本发明的一种优选方案，所述关键帧为镜头中具有最显著内容的代表帧，可描述镜头内容；所述关键帧提取模块提取每个镜头的第一帧及其它具有显著运动信息的帧为关键帧。
作为本发明的一种优选方案，所述背景的全局运动由摄像机操作引起，采用基于先验模型的方法计算全局运动模型。
作为本发明的一种优选方案，所述前景三维重建模块对视频关键帧的前景进行深度赋值，并基于全局运动模型对视频关键帧的前景进行全局运动补偿，基于其后帧的时域相关性计算非关键帧的前景运动信息，进行视频帧前景的三维重建。
本发明的有益效果在于：本发明提出的二维视频转三维视频的方法及系统，利用有限的人工干预处理视频关键帧进行深度初始赋值，可实现高精度的3D转换，产生逼真的3D效果；同时充分利用视频的时空相关性基于视频关键帧的结果自动处理非关键帧，可以充分利用现代计算设备强大的计算能力自动完成大部分非关键帧的2D转3D计算工作量，减少人工工作量，大幅提高3D转换效率。
附图说明
图1为本发明二维视频转三维视频方法的流程图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例一
请参阅图1，本发明揭示了一种二维视频转三维视频的方法，所述方法包括如下步骤：
【步骤S1】对输入的二维视频进行镜头分割，把视频序列分割成镜头。
所述镜头指一次摄像机操作连续拍下的不间断帧序列，同一个镜头内的帧具有强相关性。对镜头分割方法没有具体限制，如可以使用基于区域或边界的镜头分割方法。
【步骤S2】提取镜头的关键帧。
关键帧提取的方法没有具体限制，如可基于运动信息提取关键帧。通常提取每个镜头的第一帧及其它具有显著运动信息的帧为关键帧。
【步骤S3】对视频帧进行场景分割，将视频帧分割为背景和前景。
对分割方法没有具体限制，如可以利用基于彩色信息或基于运动信息的分割方法。
【步骤S4】根据背景的运动信息建立全局运动模型。
背景的全局运动通常由摄像机操作引起，可以采用基于先验模型的方法计算全局运动模型。
【步骤S5】对关键帧的背景进行深度赋值，根据全局运动模型计算后续视频帧的背景深度信息，进行视频帧背景的三维重建。
【步骤S6】对关键帧的前景深度赋值，对后续视频帧的前景进行全局运动补偿，然后根据前景各目标在前后帧中的时域相关性计算前景深度信息，进行视频帧前景的三维重建。
具体地，本实施例中，对视频关键帧的前景进行深度赋值，并基于全局运动模型对视频关键帧的前景进行全局运动补偿，基于其后帧的时域相关性计算非关键帧的前景运动信息（时域相关性可以基于运动、目标大小变化等），对前景进行三维重建。
【步骤S7】将步骤S5重建得到的三维背景和步骤S6重建得到的三维前景合成为三维视频输出。其中，3D视频输出形式可以双视点3D视频、多视点视频或图像加深度视频等。
以上介绍了本发明二维视频转三维视频的方法，本发明在揭示上述方法的同时，还揭示一种二维视频转三维视频的系统，所述系统包括：镜头分割模块、关键帧提取模块、场景分割模块、全局运动模型建立模块、背景三维重建模块、前景三维重建模块、三维视频输出模块。
镜头分割模块用以对输入的二维视频进行镜头分割，把视频序列分割成镜头；所述镜头指一次摄像机操作连续拍下的不间断帧序列，同一个镜头内的帧具有强相关性。
关键帧提取模块用以提取镜头的关键帧。关键帧提取的方法没有具体限制，如可基于运动信息提取关键帧。通常提取每个镜头的第一帧及其它具有显著运动信息的帧为关键帧。
场景分割模块对视频帧进行场景分割，将视频帧分割为背景和前景。对分割方法没有具体限制，如可以利用基于彩色信息或基于运动信息的分割方法。
全局运动模型建立模块用以根据背景的运动信息建立全局运动模型。背景的全局运动通常由摄像机操作引起，可以采用基于先验模型的方法计算全局运动模型。
背景三维重建模块用以对关键帧的背景进行深度赋值，根据全局运动模型计算后续视频帧的背景深度信息，进行视频帧背景的三维重建。
前景三维重建模块用以对关键帧的前景深度赋值，对后续视频帧的前景进行全局运动补偿，然后根据前景各目标在前后帧中的时域相关性计算前景深度信息，进行视频帧前景的三维重建。
三维视频输出模块用以将所述背景三维重建模块重建得到的三维背景、前景三维重建模块重建得到的三维前景合成为三维视频输出。
上述方案中所涉及的概念归纳说明如下：
镜头——镜头指一次摄像机操作连续拍下的不间断帧序列，同一个镜头内的帧通常具有强相关性。
关键帧——指镜头中具有最显著内容的代表帧，可以描述镜头内容。
前景——指视频中离摄像机较近并且是视频内容所要关心的主要目标，包括但不限于人、动物、交通工具等。
背景——指视频中离摄像机较远并且非视频内容所要关心的主要目标，包括但不限于建筑、山地、天空等。
全局运动模型——用来描述视频帧全局运动的数学模型，通常由摄像机操作产生，摄像机操作类型包括但不限于变焦（Zoom）、左右摆动（Pan）、上下摆动（Tilt）、旋转（Roll）、平移（Translation）以及它们的复合操作等。
综上所述，本发明提出的二维视频转三维视频的方法及系统，利用有限的人工干预处理视频关键帧进行深度初始赋值，并充分利用视频的时空相关性基于视频关键帧的结果自动处理非关键帧，可实现高精度的3D转换，产生逼真的3D效果；同时充分利用现代计算设备强大的计算能力自动完成大部分2D转3D计算工作量，减少人工工作量，大幅提高2D转3D效率。
这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。
Claims (10)
1.一种二维视频转三维视频的方法，其特征在于，所述方法包括如下步骤：
步骤S1、对输入的二维视频进行镜头分割，把视频序列分割成镜头；
步骤S2、提取镜头的关键帧；
步骤S3、对视频帧进行场景分割，将视频帧分割为背景和前景；
步骤S4、根据背景的运动信息建立全局运动模型；
步骤S5、对关键帧的背景进行深度赋值，根据全局运动模型计算后续视
频帧的背景深度信息，进行视频帧背景的三维重建；
步骤S6、对关键帧的前景深度赋值，对后续视频帧的前景进行全局运动补偿，然后根据前景各目标在前后帧中的时域相关性计算前景深度信息，进行视频帧前景的三维重建；
步骤S7、将步骤S5重建得到的三维背景和步骤S6重建得到的三维前景合成为三维视频输出。
2.根据权利要求1所述的二维视频转三维视频的方法，其特征在于：
所述步骤S1中，所述镜头指一次摄像机操作连续拍下的不间断帧序列，同一个镜头内的帧具有强相关性；镜头分割使用基于区域或边界的镜头分割方法；
所述步骤S3中，场景分割利用基于彩色信息或基于运动信息的分割方法。
3.根据权利要求1所述的二维视频转三维视频的方法，其特征在于：
所述关键帧为镜头中具有最显著内容的代表帧，可描述镜头内容；所述步骤S2中，提取每个镜头的第一帧及其它具有显著运动信息的帧为关键帧。
4.根据权利要求1所述的二维视频转三维视频的方法，其特征在于：
所述步骤S4中，背景的全局运动由摄像机操作引起，采用基于先验模型的方法计算全局运动模型。
5.根据权利要求1所述的二维视频转三维视频的方法，其特征在于：
所述步骤S6中，对视频关键帧的前景进行深度赋值，并基于全局运动模型对视频关键帧的前景进行全局运动补偿，基于其后帧的时域相关性计算非关键帧的前景运动信息，进行视频帧前景的三维重建。
6.一种二维视频转三维视频的系统，其特征在于，所述系统包括：
镜头分割模块，用以对输入的二维视频进行镜头分割，把视频序列分割成镜头；
关键帧提取模块，用以提取镜头的关键帧；
场景分割模块，对视频帧进行场景分割，将视频帧分割为背景和前景；
全局运动模型建立模块，用以根据背景的运动信息建立全局运动模型；
背景三维重建模块，用以对关键帧的背景进行深度赋值，根据全局运动模型计算后续视频帧的背景深度信息，进行视频帧背景的三维重建；
前景三维重建模块，用以对关键帧的前景深度赋值，对后续视频帧的前景进行全局运动补偿，然后根据前景各目标在前后帧中的时域相关性计算前景深度信息，进行视频帧前景的三维重建；
三维视频输出模块，用以将所述背景三维重建模块重建得到的三维背景、前景三维重建模块重建得到的三维前景合成为三维视频输出。
7.根据权利要求6所述的二维视频转三维视频的系统，其特征在于：
所述镜头指一次摄像机操作连续拍下的不间断帧序列，同一个镜头内的帧具有强相关性；所述镜头分割模块使用基于区域或边界的镜头分割方法分割镜头；
所述关键帧提取模块利用基于彩色信息或基于运动信息的分割方法进行场景分割。
8.根据权利要求6所述的二维视频转三维视频的系统，其特征在于：
所述关键帧为镜头中具有最显著内容的代表帧，可描述镜头内容；所述关键帧提取模块提取每个镜头的第一帧及其它具有显著运动信息的帧为关键帧。
9.根据权利要求6所述的二维视频转三维视频的系统，其特征在于：
所述背景的全局运动由摄像机操作引起，采用基于先验模型的方法计算全局运动模型。
10.根据权利要求6所述的二维视频转三维视频的系统，其特征在于：
所述前景三维重建模块对视频关键帧的前景进行深度赋值，并基于全局运动模型对视频关键帧的前景进行全局运动补偿，基于其后帧的时域相关性计算非关键帧的前景运动信息，进行视频帧前景的三维重建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210183493.8A CN102724531B (zh) | 2012-06-05 | 2012-06-05 | 一种二维视频转三维视频的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210183493.8A CN102724531B (zh) | 2012-06-05 | 2012-06-05 | 一种二维视频转三维视频的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102724531A true CN102724531A (zh) | 2012-10-10 |
| CN102724531B CN102724531B (zh) | 2015-08-12 |
Family
ID=46950175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210183493.8A Active CN102724531B (zh) | 2012-06-05 | 2012-06-05 | 一种二维视频转三维视频的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102724531B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268606A (zh) * | 2013-05-15 | 2013-08-28 | 华为技术有限公司 | 一种运动模糊图像的深度信息补偿方法和装置 |
| CN104243950A (zh) * | 2013-06-06 | 2014-12-24 | 索尼公司 | 用于将2维内容实时转换为3维内容的方法和设备 |
| CN104994365A (zh) * | 2015-04-30 | 2015-10-21 | 西安电子科技大学 | 一种获取非关键帧深度图像的方法以及2d视频立体化方法 |
| CN106897708A (zh) * | 2017-03-06 | 2017-06-27 | 深圳英飞拓科技股份有限公司 | 立体人脸检测方法及装置 |
| CN107194964A (zh) * | 2017-05-24 | 2017-09-22 | 电子科技大学 | 一种基于实时人体三维重建的vr社交系统及其方法 |
| CN107659805A (zh) * | 2017-09-07 | 2018-02-02 | 深圳市迅雷网络技术有限公司 | 一种视频转换方法和装置 |
| CN110602479A (zh) * | 2019-09-11 | 2019-12-20 | 海林电脑科技（深圳）有限公司 | 视频转换方法及系统 |
| CN111064945A (zh) * | 2019-12-26 | 2020-04-24 | 和信光场(深圳)科技有限公司 | 一种裸眼3d图像采集及生成方法 |
| CN112668410A (zh) * | 2020-12-15 | 2021-04-16 | 浙江大华技术股份有限公司 | 分拣行为检测方法、系统、电子装置和存储介质 |
| CN112789660A (zh) * | 2018-08-02 | 2021-05-11 | 脸谱科技有限责任公司 | 使用深度信息来外推出二维图像的系统和方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101287142A (zh) * | 2008-05-16 | 2008-10-15 | 清华大学 | 基于双向跟踪和特征点修正的平面视频转立体视频的方法 |
| CN101917636A (zh) * | 2010-04-13 | 2010-12-15 | 上海易维视科技有限公司 | 复杂场景的二维视频转换为三维视频的方法及系统 |
| CN102223554A (zh) * | 2011-06-09 | 2011-10-19 | 清华大学 | 平面图像序列的深度图序列生成方法及装置 |
| CN102223553A (zh) * | 2011-05-27 | 2011-10-19 | 山东大学 | 一种二维视频到三维视频的自动转换方法 |
| US20120127270A1 (en) * | 2010-11-23 | 2012-05-24 | Qualcomm Incorporated | Depth estimation based on global motion |
-
2012
- 2012-06-05 CN CN201210183493.8A patent/CN102724531B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101287142A (zh) * | 2008-05-16 | 2008-10-15 | 清华大学 | 基于双向跟踪和特征点修正的平面视频转立体视频的方法 |
| CN101917636A (zh) * | 2010-04-13 | 2010-12-15 | 上海易维视科技有限公司 | 复杂场景的二维视频转换为三维视频的方法及系统 |
| US20120127270A1 (en) * | 2010-11-23 | 2012-05-24 | Qualcomm Incorporated | Depth estimation based on global motion |
| CN102223553A (zh) * | 2011-05-27 | 2011-10-19 | 山东大学 | 一种二维视频到三维视频的自动转换方法 |
| CN102223554A (zh) * | 2011-06-09 | 2011-10-19 | 清华大学 | 平面图像序列的深度图序列生成方法及装置 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103268606B (zh) * | 2013-05-15 | 2016-03-30 | 华为技术有限公司 | 一种运动模糊图像的深度信息补偿方法和装置 |
| CN103268606A (zh) * | 2013-05-15 | 2013-08-28 | 华为技术有限公司 | 一种运动模糊图像的深度信息补偿方法和装置 |
| CN104243950A (zh) * | 2013-06-06 | 2014-12-24 | 索尼公司 | 用于将2维内容实时转换为3维内容的方法和设备 |
| CN104243950B (zh) * | 2013-06-06 | 2016-08-24 | 索尼公司 | 用于将2维内容实时转换为3维内容的方法和设备 |
| CN104994365A (zh) * | 2015-04-30 | 2015-10-21 | 西安电子科技大学 | 一种获取非关键帧深度图像的方法以及2d视频立体化方法 |
| CN106897708A (zh) * | 2017-03-06 | 2017-06-27 | 深圳英飞拓科技股份有限公司 | 立体人脸检测方法及装置 |
| CN106897708B (zh) * | 2017-03-06 | 2020-06-16 | 深圳英飞拓科技股份有限公司 | 立体人脸检测方法及装置 |
| CN107194964B (zh) * | 2017-05-24 | 2020-10-09 | 电子科技大学 | 一种基于实时人体三维重建的vr社交系统及其方法 |
| CN107194964A (zh) * | 2017-05-24 | 2017-09-22 | 电子科技大学 | 一种基于实时人体三维重建的vr社交系统及其方法 |
| CN107659805A (zh) * | 2017-09-07 | 2018-02-02 | 深圳市迅雷网络技术有限公司 | 一种视频转换方法和装置 |
| CN112789660A (zh) * | 2018-08-02 | 2021-05-11 | 脸谱科技有限责任公司 | 使用深度信息来外推出二维图像的系统和方法 |
| CN110602479A (zh) * | 2019-09-11 | 2019-12-20 | 海林电脑科技（深圳）有限公司 | 视频转换方法及系统 |
| CN111064945A (zh) * | 2019-12-26 | 2020-04-24 | 和信光场(深圳)科技有限公司 | 一种裸眼3d图像采集及生成方法 |
| CN111064945B (zh) * | 2019-12-26 | 2021-07-16 | 和信光场(深圳)科技有限公司 | 一种裸眼3d图像采集及生成方法 |
| CN112668410A (zh) * | 2020-12-15 | 2021-04-16 | 浙江大华技术股份有限公司 | 分拣行为检测方法、系统、电子装置和存储介质 |
| CN112668410B (zh) * | 2020-12-15 | 2024-03-29 | 浙江大华技术股份有限公司 | 分拣行为检测方法、系统、电子装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102724531B (zh) | 2015-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102724531A (zh) | 一种二维视频转三维视频的方法及系统 | |
| CN101917636B (zh) | 复杂场景的二维视频转换为三维视频的方法及系统 | |
| CN102592275B (zh) | 虚拟视点绘制方法 | |
| CN102254348B (zh) | 一种基于自适应视差估计的虚拟视点绘制方法 | |
| CN101287143B (zh) | 基于实时人机对话的平面视频转立体视频的方法 | |
| CN101287142A (zh) | 基于双向跟踪和特征点修正的平面视频转立体视频的方法 | |
| CN103810685A (zh) | 一种深度图的超分辨率处理方法 | |
| CN103581650B (zh) | 双目3d视频转多目3d视频的方法 | |
| CN1331822A (zh) | 用于从顺序的2d图象数据产生3d模型的系统和方法 | |
| CN102905145B (zh) | 立体影像系统、影像产生方法、影像调整装置及其方法 | |
| CN102724529B (zh) | 虚拟视点视频序列的生成方法及生成装置 | |
| CN104506872B (zh) | 一种平面视频转立体视频的方法及装置 | |
| US9736449B1 (en) | Conversion of 2D image to 3D video | |
| CN103220545A (zh) | 一种立体视频实时深度估计系统硬件实现方法 | |
| CN106341676A (zh) | 基于超像素的深度图像预处理和深度空洞填充方法 | |
| Wu et al. | A novel method for semi-automatic 2D to 3D video conversion | |
| CN102333234B (zh) | 一种双目立体视频状态信息的监测方法及装置 | |
| CN104506871B (zh) | 一种基于hevc的3d视频快速编码方法 | |
| CN102647602B (zh) | 一种基于gpu加速的2d视频转3d视频系统及方法 | |
| CN103634584A (zh) | 一种多视点3d视频合成方法 | |
| CN110149508A (zh) | 一种基于一维集成成像系统的阵列图生成及填补方法 | |
| CN104853177A (zh) | 一种单幅图像自动生成3d立体图像的方法 | |
| CN107103620A (zh) | 一种基于独立相机视角下空间采样的多光编码相机的深度提取方法 | |
| CN102231841A (zh) | 基于双视点立体数据裸眼立体显示电视及实现方法 | |
| Feng et al. | Superpixel based depth propagation for semi-automatic 2D-to-3D video conversion |
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 |