CN105354833B - 一种阴影检测的方法和装置 - Google Patents
一种阴影检测的方法和装置 Download PDFInfo
- Publication number
- CN105354833B CN105354833B CN201510658599.2A CN201510658599A CN105354833B CN 105354833 B CN105354833 B CN 105354833B CN 201510658599 A CN201510658599 A CN 201510658599A CN 105354833 B CN105354833 B CN 105354833B
- Authority
- CN
- China
- Prior art keywords
- shade
- shadow
- pixel position
- frame
- value
- 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
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种阴影检测的方法和装置，针对连续视频图像的每帧中，处于相同位置处的任意一个像素点，该方法包括：生成像素点位置(x，y)的阴影样本集，所述阴影样本集中包括所述像素点位置(x，y)的阴影特征的N个特征值，所述N为正整数；针对待检测帧的像素点位置(x，y)，利用像素点位置(x，y)在待检测帧的阴影特征的特征值与所述阴影样本集中包括的阴影特征的N个特征值，确定待检测帧的像素点位置(x，y)为阴影或者运动物体。通过本发明的技术方案，通过维护像素点位置(x，y)的阴影样本集，从而基于像素点位置(x，y)的阴影样本集，准确判断出待检测帧的像素点位置(x，y)是否为阴影，从而提高阴影检测的准确度。
Description
技术领域
本发明涉及图像技术领域，尤其涉及一种阴影检测的方法和装置。
背景技术
运动物体的检测与分割是视觉领域的重要课题，但是运动物体的检测结果经常受到阴影的影响。阴影通常分为自身阴影和投影，投影可以分为暗影和半影。视频图像中存在的投影，将改变检测到的运动物体的形状和大小，而存在的自身阴影，会改变运动物体的形状和颜色。基于此，阴影具有与运动物体相同的运动特征，通常被误检测为前景。如果阴影和运动物体融合，将影响运动物体的几何特征；如果阴影与运动物体分离，则会被误检测为新的运动物体。这些误检测对运动物体分类、跟踪和行为分析等造成很大影响。
综上所述，视频图像中存在的阴影是影响运动物体检测效果的关键因素之一，在运动物体的检测过程中，如何从视频图像中检测出阴影，并去除视频图像中的阴影具有重要意义。而目前还没有有效的阴影检测的技术。
发明内容
本发明提供一种阴影检测的方法，针对连续视频图像的每帧中，处于相同位置处的任意一个像素点，均按照以下步骤进行处理：
步骤A、生成像素点位置(x，y)的阴影样本集，所述阴影样本集中包括所述像素点位置(x，y)的阴影特征的N个特征值，所述N为正整数；
步骤B、针对待检测帧的像素点位置(x，y)，利用所述像素点位置(x，y)在待检测帧的阴影特征的特征值与所述阴影样本集中包括的阴影特征的N个特征值，确定待检测帧的像素点位置(x，y)为阴影或者运动物体。
所述步骤A具体包括：
步骤A1，针对样本帧的像素点位置(x，y)，通过前景检测算法，得到样本帧的像素点位置(x，y)的前景建模和背景建模，并利用所述前景建模得到样本帧的像素点位置(x，y)的阴影特征的前景特征值，并利用所述背景建模得到样本帧的像素点位置(x，y)的阴影特征的背景特征值；
步骤A2、利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体；如果为阴影，执行步骤A3；否则执行步骤A4；
步骤A3、将样本帧的像素点位置(x，y)的阴影特征的特征值添加到所述像素点位置(x，y)的阴影样本集中，并判断阴影样本集中的阴影特征的特征值的数量是否达到N；如果否，执行步骤A4；如果是，执行步骤A5；
步骤A4、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为样本帧的像素点位置(x，y)，并执行步骤A1；
步骤A5、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为待检测帧的像素点位置(x，y)，并执行步骤B。
所述步骤B具体包括：
计算像素点位置(x，y)在待检测帧的阴影特征的特征值，与在阴影样本集中包括的阴影特征的每个特征值之间的第一差值，得到N个第一差值；
从N个第一差值中，选择第一差值的绝对值小于预设第一数值的第一差值；如果选择出的第一差值的数量小于预设第二数值，则确定待检测帧的像素点位置(x，y)为运动物体；如果选择出的第一差值的数量不小于所述预设第二数值，则确定待检测帧的像素点位置(x，y)为阴影。
所述阴影特征包括以下之一或者任意组合：阴影亮度、阴影色度、阴影饱和度、阴影纹理。当所述阴影特征包括阴影亮度、阴影色度、阴影饱和度、阴影纹理时，利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体的过程，具体包括：
判断阴影亮度的前景特征值除以阴影亮度的背景特征值，是否大于等于预设第三数值，且小于等于预设第四数值；如果是，则确定所述阴影亮度满足阴影判定策略；如果否，则确定所述阴影亮度满足运动物体判定策略；
判断阴影色度的前景特征值与阴影色度的背景特征值之间的差值的绝对值，是否小于等于预设第五数值；如果是，则确定所述阴影色度满足阴影判定策略；如果否，则确定所述阴影色度满足运动物体判定策略；
判断阴影饱和度的前景特征值与阴影饱和度的背景特征值之间的差值，是否小于等于预设第六数值；如果是，则确定所述阴影饱和度满足阴影判定策略；如果否，则确定所述阴影饱和度满足运动物体判定策略；
判断阴影纹理的前景特征值与阴影纹理的背景特征值之间的汉明距离，是否小于等于预设第七数值；如果是，则确定所述阴影纹理满足阴影判定策略；如果否，则确定所述阴影纹理满足运动物体判定策略；
其中，当所述阴影亮度、所述阴影色度、所述阴影饱和度、所述阴影纹理均满足阴影判定策略时，则确定所述样本帧的像素点位置(x，y)为阴影；否则，确定所述样本帧的像素点位置(x，y)为运动物体。
所述步骤B之后还包括：步骤C、在确定所述待检测帧的像素点位置(x，y)为阴影之后，利用1/T概率算法判断是否使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值更新所述阴影样本集；如果是，则使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值，替换所述阴影样本集中的所述阴影特征的N个特征值中的一个特征值；其中，所述T为预设正整数。
本发明提供一种阴影检测的装置，针对连续视频图像的每帧中，处于相同位置处的任意一个像素点，所述装置具体包括：
生成模块，用于生成像素点位置(x，y)的阴影样本集，所述阴影样本集中包括所述像素点位置(x，y)的阴影特征的N个特征值，N为正整数；
确定模块，用于针对待检测帧的像素点位置(x，y)，利用所述像素点位置(x，y)在待检测帧的阴影特征的特征值与阴影样本集中包括的阴影特征的N个特征值，确定待检测帧的像素点位置(x，y)为阴影或者运动物体。
所述生成模块，具体用于按照如下过程生成像素点位置(x，y)的阴影样本集；A1，针对样本帧的像素点位置(x，y)，通过前景检测算法，得到样本帧的像素点位置(x，y)的前景建模和背景建模，并利用所述前景建模得到样本帧的像素点位置(x，y)的阴影特征的前景特征值，并利用所述背景建模得到样本帧的像素点位置(x，y)的阴影特征的背景特征值；
A2、利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体；如果为阴影，执行A3；否则，执行A4；
A3、将样本帧的像素点位置(x，y)的阴影特征的特征值添加到所述像素点位置(x，y)的阴影样本集中，并判断阴影样本集中的阴影特征的特征值的数量是否达到N；如果否，则执行A4；如果是，则执行A5；
A4、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为样本帧的像素点位置(x，y)，并执行A1；
A5、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为待检测帧的像素点位置(x，y)，通知确定模块进行处理。
所述确定模块，具体用于计算像素点位置(x，y)在待检测帧的阴影特征的特征值，与在阴影样本集中包括的阴影特征的每个特征值之间的第一差值，得到N个第一差值；从N个第一差值中，选择第一差值的绝对值小于预设第一数值的第一差值；如果选择出的第一差值的数量小于预设第二数值，确定待检测帧的像素点位置(x，y)为运动物体；如果选择出的第一差值的数量不小于所述预设第二数值，确定待检测帧的像素点位置(x，y)为阴影。
所述阴影特征包括以下之一或者任意组合：阴影亮度、阴影色度、阴影饱和度、阴影纹理。当所述阴影特征具体包括阴影亮度、阴影色度、阴影饱和度、阴影纹理时；所述生成模块，具体用于在利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体的过程中，判断阴影亮度的前景特征值除以阴影亮度的背景特征值，是否大于等于预设第三数值，且小于等于预设第四数值；如果是，则确定所述阴影亮度满足阴影判定策略；如果否，则确定所述阴影亮度满足运动物体判定策略；判断阴影色度的前景特征值与阴影色度的背景特征值之间的差值的绝对值，是否小于等于预设第五数值；如果是，则确定所述阴影色度满足阴影判定策略；如果否，则确定所述阴影色度满足运动物体判定策略；判断阴影饱和度的前景特征值与阴影饱和度的背景特征值之间的差值，是否小于等于预设第六数值；如果是，则确定所述阴影饱和度满足阴影判定策略；如果否，则确定所述阴影饱和度满足运动物体判定策略；判断阴影纹理的前景特征值与阴影纹理的背景特征值之间的汉明距离，是否小于等于预设第七数值；如果是，则确定所述阴影纹理满足阴影判定策略；如果否，则确定所述阴影纹理满足运动物体判定策略；其中，当所述阴影亮度、所述阴影色度、所述阴影饱和度、所述阴影纹理均满足阴影判定策略时，则确定所述样本帧的像素点位置(x，y)为阴影；否则，确定所述样本帧的像素点位置(x，y)为运动物体。
还包括：更新模块，用于在确定所述待检测帧的像素点位置(x，y)为阴影之后，利用1/T概率算法判断是否使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值更新所述阴影样本集；如果是，则使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值，替换所述阴影样本集中的所述阴影特征的N个特征值中的一个特征值；其中，所述T为预设正整数。
基于上述技术方案，本发明实施例中，通过维护像素点位置(x，y)的阴影样本集，从而基于像素点位置(x，y)的阴影样本集，准确判断出待检测帧的像素点位置(x，y)是否为阴影，从而提高阴影检测的准确度。
附图说明
图1是本发明一种实施方式中的阴影检测的方法的流程图；
图2是本发明一种实施方式中的阴影检测的方法的流程图；
图3是本发明一种实施方式中的设备硬件结构图；
图4是本发明一种实施方式中的阴影检测的装置的结构图。
具体实施方式
针对现有技术中存在的问题，本发明实施例中提出一种阴影检测的方法，用于对连续的视频图像(连续的视频图像即视频录像)进行阴影检测。其中，每个视频图像对应一帧，连续的视频图像会对应多帧，如一共对应1000帧。在每帧中包括多个像素点，如分辨率为1920*1080时，一共有1920*1080个像素点。本发明实施例中，每个像素点的处理过程相同，以其中一个像素点的处理为例进行说明，该像素点为像素点位置(x，y)，该方法用于检测像素点位置(x，y)在所有帧(1000帧)的每帧中，为阴影还是运动物体。在上述应用场景下，针对连续视频图像的每帧中，处于相同位置处的任意一个像素点(后续过程中以像素点位置(x，y)为例进行说明)，均按照图1所示的流程进行处理，如图1所示，该阴影检测的方法可以包括以下步骤：
步骤101、生成像素点位置(x，y)的阴影样本集，其中，该阴影样本集中包括像素点位置(x，y)的阴影特征的N个特征值，N为正整数。
本发明实施例中，针对步骤101，如图2所示，该生成像素点位置(x，y)的阴影样本集的过程，具体可以包括但不限于如下步骤：
步骤1011、针对样本帧的像素点位置(x，y)，通过前景检测算法，得到样本帧的像素点位置(x，y)的前景建模和背景建模，并利用该前景建模得到样本帧的像素点位置(x，y)的阴影特征的前景特征值，并利用该背景建模得到样本帧的像素点位置(x，y)的阴影特征的背景特征值。
步骤1012、利用前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或者运动物体；如果为阴影，执行步骤1013；否则执行步骤1014。
步骤1013、将样本帧的像素点位置(x，y)的阴影特征的特征值添加到像素点位置(x，y)的阴影样本集中，并判断阴影样本集中的阴影特征的特征值的数量是否达到N；如果否，执行步骤1014；如果是，执行步骤1015。
步骤1014、确定当前处理帧的像素点位置(x，y)，并将当前处理帧的像素点位置(x，y)作为样本帧的像素点位置(x，y)，并执行步骤1011。
步骤1015、确定当前处理帧的像素点位置(x，y)，并将当前处理帧的像素点位置(x，y)作为待检测帧的像素点位置(x，y)，并执行步骤102。
其中，N的数量可以根据实际经验任意选择，如N的取值为20。
其中，针对像素点位置(x，y)在所有帧(1000帧)的每帧，各帧可以称为样本帧或者待检测帧。当阴影样本集中的阴影特征的特征值的数量未达到N时，在得到像素点位置(x，y)的一帧(即当前处理帧)时，将该帧的像素点位置(x，y)作为样本帧的像素点位置(x，y)，并采用步骤1011和1012的方式确定样本帧的像素点位置(x，y)为阴影或者运动物体。当阴影样本集中的阴影特征的特征值的数量达到N时，在得到像素点位置(x，y)的一帧(即当前处理帧)时，将该帧的像素点位置(x，y)作为待检测帧的像素点位置(x，y)，并采用步骤102的方式确定待检测帧的像素点位置(x，y)为阴影或者运动物体。
例如，在像素点位置(x，y)在所有帧(1000帧)的每帧中，如果在第100帧时，阴影样本集中的阴影特征的特征值的数量达到N。则第1帧-第99帧为样本帧，此时采用步骤1011和1012的方式确定样本帧的像素点位置(x，y)为阴影或者运动物体。第100帧-第1000帧为待检测帧，此时采用步骤102的方式确定待检测帧的像素点位置(x，y)为阴影或者运动物体。
步骤102、针对待检测帧的像素点位置(x，y)，利用该像素点位置(x，y)在待检测帧的阴影特征的特征值与阴影样本集中包括的阴影特征的N个特征值，确定待检测帧的像素点位置(x，y)为阴影或者运动物体。
本发明实施例中，利用像素点位置(x，y)在待检测帧的阴影特征的特征值与阴影样本集中包括的阴影特征的N个特征值，确定待检测帧的像素点位置(x，y)为阴影或者运动物体的过程，具体可以包括但不限于如下方式：计算像素点位置(x，y)在待检测帧的阴影特征的特征值，与在阴影样本集中包括的阴影特征的每个特征值之间的第一差值，得到N个第一差值，并从N个第一差值中，选择第一差值的绝对值小于预设第一数值的第一差值。进一步的，如果选择出的第一差值的数量小于预设第二数值，则确定该待检测帧的像素点位置(x，y)为运动物体；如果选择出的第一差值的数量不小于预设第二数值，则确定该待检测帧的像素点位置(x，y)为阴影。
其中，预设第一数值可以根据实际经验任意选择，表示待检测帧的像素点位置(x，y)的阴影特征的特征值，与阴影样本集中包括的阴影特征的特征值的相似程度阈值，可以使用参数R表示。当第一差值的绝对值小于预设第一数值时，表示待检测帧的像素点位置(x，y)的阴影特征的特征值，与阴影样本集中包括的阴影特征的特征值相似，否则，表示二者不相似。
其中，预设第二数值可以根据实际经验任意选择，但是预设第二数值小于N的取值，该预设第二数值表示待检测帧的像素点位置(x，y)的阴影特征的特征值，与阴影样本集中包括的阴影特征的N个特征值相似的个数阈值。
在一种具体应用中，可以先确定像素点位置(x，y)在待检测帧的阴影特征的特征值的R(即预设第一数值)半径范围的特征值集合1，并对特征值集合1与阴影样本集中包括的阴影特征的N个特征值，取特征值交集2。如果特征值交集2内包含的特征值的数量小于预设第二数值，则确定待检测帧的像素点位置(x，y)为运动物体；如果特征值交集2内包含的特征值的数量不小于预设第二数值，则确定待检测帧的像素点位置(x，y)为阴影。
本发明实施例中，上述阴影特征具体包括但不限于以下之一或者任意组合：阴影亮度、阴影色度、阴影饱和度、阴影纹理。实际应用中的阴影特征还可以根据需要选择其它特征，本例中以这四个阴影特征为例进行说明。
针对步骤1011，通过前景检测算法(即前景检测技术)，得到样本帧的像素点位置(x，y)的前景建模和背景建模。进一步的，利用该前景建模得到样本帧的像素点位置(x，y)的阴影亮度的前景特征值、阴影色度的前景特征值、阴影饱和度的前景特征值、阴影纹理的前景特征值。此外，利用该背景建模得到样本帧的像素点位置(x，y)的阴影亮度的背景特征值、阴影色度的背景特征值、阴影饱和度的背景特征值、阴影纹理的背景特征值。
其中，前景检测算法可以根据实际需要选择，如GMM(混合高斯模型)、帧差法、平均背景法、光流法、前景建模法、背景非参数估计法、背景建模法等。本实施例中对前景检测算法不再赘述，对基于前景检测算法得到样本帧的像素点位置(x，y)的前景建模和背景建模的方式也不再赘述。
其中，基于前景建模中包含的RGB(Red Green Blue，红色绿色蓝色)信息，可以得到阴影亮度的前景特征值、阴影色度的前景特征值、阴影饱和度的前景特征值。基于背景建模中包含的RGB信息，可以得到阴影亮度的背景特征值、阴影色度的背景特征值、阴影饱和度的背景特征值。
在本发明实施例中，阴影纹理可以使用像素点位置(x，y)与相邻像素点的梯度关系表示，正梯度为1，负梯度为0。具体的，如果像素点位置(x，y)的阴影亮度的前景特征值与相邻像素点的阴影亮度的前景特征值之间的差值为正，则阴影纹理的前景特征值为1，否则，阴影纹理的前景特征值为0。如果像素点位置(x，y)的阴影亮度的背景特征值与相邻像素点的阴影亮度的背景特征值之间的差值为正，则阴影纹理的背景特征值为1，否则，阴影纹理的背景特征值为0。例如，相邻像素点具体可以为(x-1，y+1)，(x，y+1)，(x+1，y+1)，(x-1，y)，(x+1，y)，(x-1，y-1)，(x，y-1)，(x+1，y-1)，则阴影纹理的前景特征值可以为(1，1，1，1，1，1，1，1)，阴影纹理的背景特征值可以为(1，1，1，1，0，0，0，0)。
针对步骤1012，当阴影特征包括阴影亮度、阴影色度、阴影饱和度、阴影纹理时，利用前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或者运动物体的过程，具体可以包括但不限于如下方式：判断阴影亮度的前景特征值除以阴影亮度的背景特征值，是否大于等于预设第三数值，且小于等于预设第四数值；如果是，则确定阴影亮度满足阴影判定策略；如果否，则确定阴影亮度满足运动物体判定策略。判断阴影色度的前景特征值与阴影色度的背景特征值之间的差值的绝对值，是否小于等于预设第五数值；如果是，则确定阴影色度满足阴影判定策略；如果否，则确定阴影色度满足运动物体判定策略。判断阴影饱和度的前景特征值与阴影饱和度的背景特征值之间的差值，是否小于等于预设第六数值；如果是，则确定阴影饱和度满足阴影判定策略；如果否，则确定阴影饱和度满足运动物体判定策略。判断阴影纹理的前景特征值与阴影纹理的背景特征值之间的汉明距离，是否小于等于预设第七数值；如果是，则确定阴影纹理满足阴影判定策略；如果否，则确定阴影纹理满足运动物体判定策略。进一步的，当阴影亮度、阴影色度、阴影饱和度、阴影纹理均满足阴影判定策略时，则确定样本帧的像素点位置(x，y)为阴影；否则，确定样本帧的像素点位置(x，y)为运动物体。
当然，在实际应用中，如果阴影特征并不是包含上述四个特征，而是包含其中的部分特征，则只要阴影特征包含的部分特征均满足阴影判定策略，即可以确定样本帧的像素点位置(x，y)为阴影，否则，确定样本帧的像素点位置(x，y)为运动物体。例如，当阴影特征包括阴影亮度、阴影色度时，当阴影亮度、阴影色度均满足阴影判定策略时，则确定样本帧的像素点位置(x，y)为阴影；否则，确定样本帧的像素点位置(x，y)为运动物体。
其中，可以记阴影亮度的前景特征值为L(x，y)，阴影亮度的背景特征值为LB(x，y)。预设第三数值为大于等于0，小于预设第四数值的数值。一般来说，由于阴影的亮度比背景暗，因此预设第四数值为小于1的数值。
其中，可以记阴影色度的前景特征值为H(x，y)，阴影色度的背景特征值为HB(x，y)。预设第五数值为大于等于0，小于等于1的数值。实际应用中，由于阴影的色调与背景的色调相似，因此预设第五数值可近似于1。
其中，可以记阴影饱和度的前景特征值为S(x，y)，阴影饱和度的背景特征值为SB(x，y)。阴影饱和度低于背景饱和度，预设第六数值小于0。
其中，计算阴影纹理的前景特征值与阴影纹理的背景特征值之间的汉明距离(hamming distance)是指：对阴影纹理的前景特征值和阴影纹理的背景特征值做点对点的异或运算，如果二者相同，则异或运算结果为0，如果二者不同，则异或运算结果为1。将得到的每个数值相加，得到汉明距离。例如，当阴影纹理的前景特征值为(1，1，1，1，1，1，1，1)，阴影纹理的背景特征值为(1，1，1，1，0，0，0，0)时，则异或运算结果为(0，0，0，0，1，1，1，1)，将各个数值相加，可以得到汉明距离为4。
其中，可以记阴影纹理的前景特征值为G(x，y)，阴影纹理的背景特征值为GB(x，y)。预设第七数值为0与相邻像素点的数量(即获得像素点位置(x，y)的阴影纹理时选取的相邻像素点，如数值8)之间的数值。
针对步骤1013-步骤1014，最终在像素点位置(x，y)的阴影样本集中添加N个阴影亮度的特征值、N个阴影色度的特征值、N个阴影饱和度的特征值、N个阴影纹理的特征值。例如，像素点位置(x，y)的阴影样本集包括四个阴影样本子集。第一个阴影样本子集为阴影亮度子集ML(x，y)＝(L1，L2，…，LN)。第二个阴影样本子集为阴影色度子集MH(x，y)＝(H1，H2，…，HN)。第三个阴影样本子集为阴影饱和度子集MS(x，y)＝(S1，S2，…，SN)。第四个阴影样本子集为阴影纹理子集MG(x，y)＝(G1，G2，…，GN)。
针对步骤102，当阴影特征包括阴影亮度、阴影色度、阴影饱和度、阴影纹理时，计算像素点位置(x，y)在待检测帧的阴影亮度的特征值，与在阴影样本集中包括的阴影亮度的每个特征值之间的第一差值，得到N个第一差值，从N个第一差值中选择第一差值的绝对值小于预设第一数值的第一差值，如果选择出的第一差值的数量小于预设第二数值，则确定阴影亮度满足运动物体判定策略；如果选择出的第一差值的数量不小于预设第二数值，则确定阴影亮度满足阴影判定策略。计算像素点位置(x，y)在待检测帧的阴影色度的特征值，与在阴影样本集中包括的阴影色度的每个特征值之间的第一差值，得到N个第一差值，从N个第一差值中选择第一差值的绝对值小于预设第一数值的第一差值，如果选择出的第一差值的数量小于预设第二数值，则确定阴影色度满足运动物体判定策略；如果选择出的第一差值的数量不小于预设第二数值，则确定阴影色度满足阴影判定策略。计算像素点位置(x，y)在待检测帧的阴影饱和度的特征值，与在阴影样本集中包括的阴影饱和度的每个特征值之间的第一差值，得到N个第一差值，从N个第一差值中选择第一差值的绝对值小于预设第一数值的第一差值，如果选择出的第一差值的数量小于预设第二数值，则确定阴影饱和度满足运动物体判定策略；如果选择出的第一差值的数量不小于预设第二数值，则确定阴影饱和度满足阴影判定策略。计算像素点位置(x，y)在待检测帧的阴影纹理的特征值，与在阴影样本集中包括的阴影纹理的每个特征值之间的第一差值，得到N个第一差值，从N个第一差值中选择第一差值的绝对值小于预设第一数值的第一差值，如果选择出的第一差值的数量小于预设第二数值，则确定阴影纹理满足运动物体判定策略；如果选择出的第一差值的数量不小于预设第二数值，则确定阴影纹理满足阴影判定策略。进一步的，当阴影亮度、阴影色度、阴影饱和度、阴影纹理均满足阴影判定策略时，则确定待检测帧的像素点位置(x，y)为阴影；否则，确定待检测帧的像素点位置(x，y)为运动物体。
其中，阴影亮度对应的预设第一数值、阴影色度对应的预设第一数值、阴影饱和度对应的预设第一数值、阴影纹理对应的预设第一数值，均可以根据实际需要配置，可以相同，也可以不同。阴影亮度对应的预设第二数值、阴影色度对应的预设第二数值、阴影饱和度对应的预设第二数值、阴影纹理对应的预设第二数值，均可以根据实际需要配置，可以相同，也可以不同。
考虑到随着外界光照变化等影响，阴影的各个特征值也会随时间缓慢变化，本发明实施例中，在步骤102后，还可以包括步骤103(图1中未视出)：
步骤103、在确定待检测帧的像素点位置(x，y)为阴影之后，利用1/T概率算法判断是否使用该待检测帧的像素点位置(x，y)的阴影特征的特征值更新阴影样本集；如果是，则使用该待检测帧的像素点位置(x，y)的阴影特征的特征值，替换该阴影样本集中的该阴影特征的N个特征值中的一个特征值。其中，T为预设正整数，可以根据实际经验任意设置，如T为5。
其中，1/T概率算法是指：针对确定的T个为阴影的待检测帧的像素点位置(x，y)，只需要选择一个待检测帧的像素点位置(x，y)的阴影特征的特征值去更新阴影样本集。例如，当T为5时，则可以选择第1个为阴影的待检测帧的像素点位置(x，y)的阴影特征的特征值去更新阴影样本集，可以选择第6个为阴影的待检测帧的像素点位置(x，y)的阴影特征的特征值去更新阴影样本集，以此类推，后续不再赘述。当然，上述选择第1个为阴影的待检测帧的像素点位置(x，y)的阴影特征的特征值、第6个为阴影的待检测帧的像素点位置(x，y)的阴影特征的特征值的方式，只是1/5概率算法的一种具体应用。在实际应用中，只要选择的用于更新阴影样本集的阴影特征的特征值的数量是1/5(即1/T)概率即可，如针对100个待检测帧的像素点位置(x，y)的阴影特征的特征值，选择20个左右的待检测帧的像素点位置(x，y)的阴影特征的特征值去更新阴影样本集。
其中，在使用待检测帧的像素点位置(x，y)的阴影特征的特征值，替换阴影样本集中的该阴影特征的N个特征值中的一个特征值时，具体替换哪个特征值，可以随机选择，N个特征值中的每个特征值被替换的概率为1/N。
基于上述技术方案，本发明实施例中，通过维护像素点位置(x，y)的阴影样本集，从而基于像素点位置(x，y)的阴影样本集，准确判断出待检测帧的像素点位置(x，y)是否为阴影，从而提高阴影检测的准确度。
基于与上述方法同样的发明构思，本发明实施例中还提供了一种阴影检测的装置，应用于设备中。该阴影检测的装置可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在的设备的处理器，将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本发明提出的阴影检测的装置所在的设备的一种硬件结构图，除了图3所示的处理器、网络接口、内存以及非易失性存储器外，设备还可以包括其他硬件，如负责处理报文的转发芯片等；从硬件结构上来讲，该设备还可能是分布式设备，可能包括多个接口卡，以便在硬件层面进行报文处理的扩展。
如图4所示，为本发明提出的阴影检测的装置的结构图，针对连续视频图像的每帧中，处于相同位置处的任意一个像素点，该装置具体包括：
生成模块11，用于生成像素点位置(x，y)的阴影样本集，所述阴影样本集中包括所述像素点位置(x，y)的阴影特征的N个特征值，N为正整数；确定模块12，用于针对待检测帧的像素点位置(x，y)，利用所述像素点位置(x，y)在待检测帧的阴影特征的特征值与阴影样本集中包括的阴影特征的N个特征值，确定待检测帧的像素点位置(x，y)为阴影或者运动物体。
所述生成模块11，具体用于按照如下过程生成像素点位置(x，y)的阴影样本集；A1，针对样本帧的像素点位置(x，y)，通过前景检测算法，得到样本帧的像素点位置(x，y)的前景建模和背景建模，并利用所述前景建模得到样本帧的像素点位置(x，y)的阴影特征的前景特征值，并利用所述背景建模得到样本帧的像素点位置(x，y)的阴影特征的背景特征值；
A2、利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体；如果为阴影，执行A3；否则，执行A4；
A3、将样本帧的像素点位置(x，y)的阴影特征的特征值添加到所述像素点位置(x，y)的阴影样本集中，并判断阴影样本集中的阴影特征的特征值的数量是否达到N；如果否，则执行A4；如果是，则执行A5；
A4、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为样本帧的像素点位置(x，y)，并执行A1；
A5、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为待检测帧的像素点位置(x，y)，并通知确定模块12进行处理。
所述确定模块12，具体用于计算像素点位置(x，y)在待检测帧的阴影特征的特征值，与在阴影样本集中包括的阴影特征的每个特征值之间的第一差值，得到N个第一差值；从N个第一差值中，选择第一差值的绝对值小于预设第一数值的第一差值；如果选择出的第一差值的数量小于预设第二数值，确定待检测帧的像素点位置(x，y)为运动物体；如果选择出的第一差值的数量不小于所述预设第二数值，确定待检测帧的像素点位置(x，y)为阴影。
所述阴影特征包括以下之一或者任意组合：阴影亮度、阴影色度、阴影饱和度、阴影纹理。当所述阴影特征具体包括阴影亮度、阴影色度、阴影饱和度、阴影纹理时；所述生成模块11，具体用于在利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体的过程中，判断阴影亮度的前景特征值除以阴影亮度的背景特征值，是否大于等于预设第三数值，且小于等于预设第四数值；如果是，则确定所述阴影亮度满足阴影判定策略；如果否，则确定所述阴影亮度满足运动物体判定策略；判断阴影色度的前景特征值与阴影色度的背景特征值之间的差值的绝对值，是否小于等于预设第五数值；如果是，则确定所述阴影色度满足阴影判定策略；如果否，则确定所述阴影色度满足运动物体判定策略；判断阴影饱和度的前景特征值与阴影饱和度的背景特征值之间的差值，是否小于等于预设第六数值；如果是，则确定所述阴影饱和度满足阴影判定策略；如果否，则确定所述阴影饱和度满足运动物体判定策略；判断阴影纹理的前景特征值与阴影纹理的背景特征值之间的汉明距离，是否小于等于预设第七数值；如果是，则确定所述阴影纹理满足阴影判定策略；如果否，则确定所述阴影纹理满足运动物体判定策略；其中，当所述阴影亮度、所述阴影色度、所述阴影饱和度、所述阴影纹理均满足阴影判定策略时，则确定所述样本帧的像素点位置(x，y)为阴影；否则，确定所述样本帧的像素点位置(x，y)为运动物体。
本发明实施例中，该阴影检测的装置还包括更新模块13。
更新模块13，用于在确定所述待检测帧的像素点位置(x，y)为阴影之后，利用1/T概率算法判断是否使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值更新所述阴影样本集；如果是，则使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值，替换所述阴影样本集中的所述阴影特征的N个特征值中的一个特征值；其中，所述T为预设正整数。
其中，本发明装置的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可进一步拆分成多个子模块。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (10)
1.一种阴影检测的方法，其特征在于，针对连续视频图像的每帧中，处于相同位置处的任意一个像素点，均按照以下步骤进行处理：
步骤A、生成像素点位置(x，y)的阴影样本集，所述阴影样本集中包括所述像素点位置(x，y)的阴影特征的N个特征值，所述N为正整数；
步骤B、针对待检测帧的像素点位置(x，y)，利用所述像素点位置(x，y)在待检测帧的阴影特征的特征值与所述阴影样本集中包括的阴影特征的N个特征值，确定待检测帧的像素点位置(x，y)为阴影或者运动物体；
所述步骤B具体包括：计算像素点位置(x，y)在待检测帧的阴影特征的特征值，与在阴影样本集中包括的阴影特征的每个特征值之间的第一差值，得到N个第一差值；从N个第一差值中，选择第一差值的绝对值小于预设第一数值的第一差值；如果选择出的第一差值的数量小于预设第二数值，则确定待检测帧的像素点位置(x，y)为运动物体；如果选择出的第一差值的数量不小于所述预设第二数值，则确定待检测帧的像素点位置(x，y)为阴影。
2.根据权利要求1所述的方法，其特征在于，所述步骤A具体包括：
步骤A1、针对样本帧的像素点位置(x，y)，通过前景检测算法，得到样本帧的像素点位置(x，y)的前景建模和背景建模，并利用所述前景建模得到样本帧的像素点位置(x，y)的阴影特征的前景特征值，并利用所述背景建模得到样本帧的像素点位置(x，y)的阴影特征的背景特征值；
步骤A2、利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体；如果为阴影，执行步骤A3；否则执行步骤A4；
步骤A3、将样本帧的像素点位置(x，y)的阴影特征的特征值添加到所述像素点位置(x，y)的阴影样本集中，并判断阴影样本集中的阴影特征的特征值的数量是否达到N；如果否，执行步骤A4；如果是，执行步骤A5；
步骤A4、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为样本帧的像素点位置(x，y)，并执行步骤A1；
步骤A5、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为待检测帧的像素点位置(x，y)，并执行步骤B。
3.根据权利要求1或2所述的方法，其特征在于，所述阴影特征包括以下之一或者任意组合：阴影亮度、阴影色度、阴影饱和度、阴影纹理。
4.根据权利要求2所述的方法，其特征在于，当所述阴影特征包括阴影亮度、阴影色度、阴影饱和度、阴影纹理时，利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体的过程，具体包括：
判断阴影亮度的前景特征值除以阴影亮度的背景特征值，是否大于等于预设第三数值，且小于等于预设第四数值；如果是，则确定所述阴影亮度满足阴影判定策略；如果否，则确定所述阴影亮度满足运动物体判定策略；
判断阴影色度的前景特征值与阴影色度的背景特征值之间的差值的绝对值，是否小于等于预设第五数值；如果是，则确定所述阴影色度满足阴影判定策略；如果否，则确定所述阴影色度满足运动物体判定策略；
判断阴影饱和度的前景特征值与阴影饱和度的背景特征值之间的差值，是否小于等于预设第六数值；如果是，则确定所述阴影饱和度满足阴影判定策略；如果否，则确定所述阴影饱和度满足运动物体判定策略；
判断阴影纹理的前景特征值与阴影纹理的背景特征值之间的汉明距离，是否小于等于预设第七数值；如果是，则确定所述阴影纹理满足阴影判定策略；如果否，则确定所述阴影纹理满足运动物体判定策略；
其中，当所述阴影亮度、所述阴影色度、所述阴影饱和度、所述阴影纹理均满足阴影判定策略时，则确定所述样本帧的像素点位置(x，y)为阴影；否则，确定所述样本帧的像素点位置(x，y)为运动物体。
5.根据权利要求1所述的方法，其特征在于，所述步骤B之后还包括：
步骤C、在确定所述待检测帧的像素点位置(x，y)为阴影之后，利用1/T概率算法判断是否使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值更新所述阴影样本集；如果是，则使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值，替换所述阴影样本集中的所述阴影特征的N个特征值中的一个特征值；其中，所述T为预设正整数；其中，1/T概率算法包括：针对确定的T个为阴影的待检测帧的像素点位置(x，y)，选择一个待检测帧的像素点位置(x，y)的阴影特征的特征值去更新阴影样本集。
6.一种阴影检测的装置，其特征在于，针对连续视频图像的每帧中，处于相同位置处的任意一个像素点，所述装置具体包括：
生成模块，用于生成像素点位置(x，y)的阴影样本集，所述阴影样本集中包括所述像素点位置(x，y)的阴影特征的N个特征值，N为正整数；
确定模块，用于针对待检测帧的像素点位置(x，y)，利用所述像素点位置(x，y)在待检测帧的阴影特征的特征值与阴影样本集中包括的阴影特征的N个特征值，确定待检测帧的像素点位置(x，y)为阴影或者运动物体；
所述确定模块，具体用于计算像素点位置(x，y)在待检测帧的阴影特征的特征值，与在阴影样本集中包括的阴影特征的每个特征值之间的第一差值，得到N个第一差值；从N个第一差值中，选择第一差值的绝对值小于预设第一数值的第一差值；如果选择出的第一差值的数量小于预设第二数值，确定待检测帧的像素点位置(x，y)为运动物体；如果选择出的第一差值的数量不小于所述预设第二数值，确定待检测帧的像素点位置(x，y)为阴影。
7.根据权利要求6所述的装置，其特征在于，所述生成模块，具体用于按照如下过程生成像素点位置(x，y)的阴影样本集；
A1，针对样本帧的像素点位置(x，y)，通过前景检测算法，得到样本帧的像素点位置(x，y)的前景建模和背景建模，并利用所述前景建模得到样本帧的像素点位置(x，y)的阴影特征的前景特征值，并利用所述背景建模得到样本帧的像素点位置(x，y)的阴影特征的背景特征值；
A2、利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体；如果为阴影，执行A3；否则，执行A4；
A3、将样本帧的像素点位置(x，y)的阴影特征的特征值添加到所述像素点位置(x，y)的阴影样本集中，并判断阴影样本集中的阴影特征的特征值的数量是否达到N；如果否，则执行A4；如果是，则执行A5；
A4、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为样本帧的像素点位置(x，y)，并执行A1；
A5、确定当前处理帧的像素点位置(x，y)，并将所述当前处理帧的像素点位置(x，y)作为待检测帧的像素点位置(x，y)，通知确定模块进行处理。
8.根据权利要求6或7所述的装置，其特征在于，所述阴影特征包括以下之一或者任意组合：阴影亮度、阴影色度、阴影饱和度、阴影纹理。
9.根据权利要求7所述的装置，其特征在于，当所述阴影特征具体包括阴影亮度、阴影色度、阴影饱和度、阴影纹理时；
所述生成模块，具体用于在利用所述前景特征值和背景特征值确定样本帧的像素点位置(x，y)为阴影或运动物体的过程中，判断阴影亮度的前景特征值除以阴影亮度的背景特征值，是否大于等于预设第三数值，且小于等于预设第四数值；如果是，则确定所述阴影亮度满足阴影判定策略；如果否，则确定所述阴影亮度满足运动物体判定策略；判断阴影色度的前景特征值与阴影色度的背景特征值之间的差值的绝对值，是否小于等于预设第五数值；如果是，则确定所述阴影色度满足阴影判定策略；如果否，则确定所述阴影色度满足运动物体判定策略；判断阴影饱和度的前景特征值与阴影饱和度的背景特征值之间的差值，是否小于等于预设第六数值；如果是，则确定所述阴影饱和度满足阴影判定策略；如果否，则确定所述阴影饱和度满足运动物体判定策略；判断阴影纹理的前景特征值与阴影纹理的背景特征值之间的汉明距离，是否小于等于预设第七数值；如果是，则确定所述阴影纹理满足阴影判定策略；如果否，则确定所述阴影纹理满足运动物体判定策略；
其中，当所述阴影亮度、所述阴影色度、所述阴影饱和度、所述阴影纹理均满足阴影判定策略时，则确定所述样本帧的像素点位置(x，y)为阴影；否则，确定所述样本帧的像素点位置(x，y)为运动物体。
10.根据权利要求6所述的装置，其特征在于，还包括：
更新模块，用于在确定所述待检测帧的像素点位置(x，y)为阴影之后，利用1/T概率算法判断是否使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值更新所述阴影样本集；如果是，则使用所述待检测帧的像素点位置(x，y)的阴影特征的特征值，替换所述阴影样本集中的所述阴影特征的N个特征值中的一个特征值；其中，所述T为预设正整数；其中，1/T概率算法包括：针对确定的T个为阴影的待检测帧的像素点位置(x，y)，选择一个待检测帧的像素点位置(x，y)的阴影特征的特征值去更新阴影样本集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510658599.2A CN105354833B (zh) | 2015-10-12 | 2015-10-12 | 一种阴影检测的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510658599.2A CN105354833B (zh) | 2015-10-12 | 2015-10-12 | 一种阴影检测的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105354833A CN105354833A (zh) | 2016-02-24 |
| CN105354833B true CN105354833B (zh) | 2019-02-15 |
Family
ID=55330800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510658599.2A Active CN105354833B (zh) | 2015-10-12 | 2015-10-12 | 一种阴影检测的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105354833B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111028357B (zh) * | 2018-10-09 | 2020-11-17 | 北京嘀嘀无限科技发展有限公司 | 增强现实设备的软阴影处理方法和装置 |
| CN111667420B (zh) * | 2020-05-21 | 2023-10-24 | 维沃移动通信有限公司 | 图像处理方法及装置 |
| CN116672707B (zh) * | 2023-08-04 | 2023-10-20 | 荣耀终端有限公司 | 生成游戏预测帧的方法和电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005115768A (ja) * | 2003-10-09 | 2005-04-28 | Brother Ind Ltd | 画像処理方法、画像処理装置、画像形成装置及び画像処理システム |
| CN101324927A (zh) * | 2008-07-18 | 2008-12-17 | 北京中星微电子有限公司 | 一种阴影检测方法及装置 |
| CN102184553A (zh) * | 2011-05-24 | 2011-09-14 | 杭州华三通信技术有限公司 | 一种运动阴影检测方法和装置 |
| CN102637301A (zh) * | 2012-03-20 | 2012-08-15 | 武汉大学 | 航空摄影过程中实时自动评定影像色彩质量的方法 |
| CN103065145A (zh) * | 2012-12-07 | 2013-04-24 | 北京中邮致鼎科技有限公司 | 一种车辆运动阴影消除方法 |
-
2015
- 2015-10-12 CN CN201510658599.2A patent/CN105354833B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005115768A (ja) * | 2003-10-09 | 2005-04-28 | Brother Ind Ltd | 画像処理方法、画像処理装置、画像形成装置及び画像処理システム |
| CN101324927A (zh) * | 2008-07-18 | 2008-12-17 | 北京中星微电子有限公司 | 一种阴影检测方法及装置 |
| CN102184553A (zh) * | 2011-05-24 | 2011-09-14 | 杭州华三通信技术有限公司 | 一种运动阴影检测方法和装置 |
| CN102637301A (zh) * | 2012-03-20 | 2012-08-15 | 武汉大学 | 航空摄影过程中实时自动评定影像色彩质量的方法 |
| CN103065145A (zh) * | 2012-12-07 | 2013-04-24 | 北京中邮致鼎科技有限公司 | 一种车辆运动阴影消除方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105354833A (zh) | 2016-02-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110321873B (zh) | 基于深度学习卷积神经网络的敏感图片识别方法及系统 | |
| JP7119910B2 (ja) | 検出方法、検出プログラムおよび検出装置 | |
| US11551337B2 (en) | Boundary-aware object removal and content fill | |
| US11468664B2 (en) | Machine learning to predict cognitive image composition | |
| CN103262119B (zh) | 用于对图像进行分割的方法和系统 | |
| KR101215987B1 (ko) | 전경/배경 분리 장치 및 방법 | |
| CN104573625B (zh) | 数据处理系统及其生成设备、和面部检测方法 | |
| US11314989B2 (en) | Training a generative model and a discriminative model | |
| CN109145766A (zh) | 模型训练方法、装置、识别方法、电子设备及存储介质 | |
| US11853892B2 (en) | Learning to segment via cut-and-paste | |
| CN109472193A (zh) | 人脸检测方法及装置 | |
| CN109410316A (zh) | 物体的三维重建的方法、跟踪方法、相关装置及存储介质 | |
| CN109671055B (zh) | 肺结节检测方法及装置 | |
| Sener et al. | Error-tolerant interactive image segmentation using dynamic and iterated graph-cuts | |
| CN105354833B (zh) | 一种阴影检测的方法和装置 | |
| KR20190125029A (ko) | 시계열 적대적인 신경망 기반의 텍스트-비디오 생성 방법 및 장치 | |
| CN109447006A (zh) | 图像处理方法、装置、设备及存储介质 | |
| US20230237777A1 (en) | Information processing apparatus, learning apparatus, image recognition apparatus, information processing method, learning method, image recognition method, and non-transitory-computer-readable storage medium | |
| CN110321892A (zh) | 一种图片筛选方法、装置及电子设备 | |
| CN113378812A (zh) | 一种基于Mask R-CNN和CRNN的数字表盘识别方法 | |
| CN108520532B (zh) | 识别视频中物体运动方向的方法及装置 | |
| CN105574844B (zh) | 辐射响应函数估计方法和装置 | |
| CN104680118B (zh) | 一种人脸属性检测模型生成方法及系统 | |
| JP2021086462A (ja) | データ生成方法、データ生成装置、モデル生成方法、モデル生成装置及びプログラム | |
| JP2023044674A (ja) | 自律運転における可動オブジェクトについての深層学習モデルを診断及び改善するための視覚的分析システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |