CN106548184A - 一种调整光照平衡的方法和装置 - Google Patents
一种调整光照平衡的方法和装置 Download PDFInfo
- Publication number
- CN106548184A CN106548184A CN201610978288.9A CN201610978288A CN106548184A CN 106548184 A CN106548184 A CN 106548184A CN 201610978288 A CN201610978288 A CN 201610978288A CN 106548184 A CN106548184 A CN 106548184A
- Authority
- CN
- China
- Prior art keywords
- color histogram
- image
- target area
- value
- area image
- 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.)
- Pending
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- 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
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明的实施例公开一种调整光照平衡的方法和装置，方法包括：基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图；比较目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内；如果不是，调整目标区域图像光平衡参数使得目标区域图像的颜色直方图的分布均衡值位于样本图像的颜色直方图的分布均衡值的范围内。本发明的调整光照平衡的方法和装置，可以解决现有技术中光照不平衡的技术问题，提高目标识别率。
Description
技术领域
本发明实施例涉及虚拟现实技术领域，尤其涉及一种调整光照平衡的方法和装置。
背景技术
虚拟现实技术(VR)是一种可以创建和体验虚拟世界的计算机仿真系统，它利用计算机生成一种模拟环境，是一种多源信息融合的交互式的三维动态视景和实体行为的系统，仿真使用户沉浸到该环境中。
虚拟现实技术是仿真技术的一个重要方向，是仿真技术与计算机图形学人机接口技术、多媒体技术传感技术、网络技术等多种技术的集合，是一门富有挑战性的交叉技术。
虚拟现实技术丰要包括模拟环境、感知、自然技能和传感设各等方面。模拟环境是由计算机生成的、实时动态的三维立体逼真图像。感知是指理想的VR应该具有一切人所具有的感知。除计算机图形技术所生成的视觉感知外，还有听觉、触觉、力觉、运动等感知，甚至还包括嗅觉和味觉等，也称为多感知。自然技能是指人的头部转动，眼睛、手势、或其他人体行为动作，由计算机来处理与参与者的动作相适应的数据，并对用户的输入作出实时响应，并分别反馈到用户的五官。传感设备是指三维交互设备。
虚拟现实是多种技术的综合，包括实时三维计算机图形技术，广角(宽视野)立体显示技术，对观察者头、眼和手的跟踪技术，以及触觉/力觉反馈、立体声、网络传输、语音输入输出技术等。手势识别技术是虚拟现实的重要技术，例如，视觉机器人利用手型识别技术采集手势的动作而进行相应的处理。
手势识别技术，由简单粗略的到复杂精细的，大致可以分为三个等级：二维手型识别、二维手势识别、三维手势识别。
二维只是一个平面空间，可以用(X坐标，Y坐标)组成的坐标信息来表示一个物体在二维空间中的坐标位置，就像是一幅画出现在一面墙上的位置。三维则在此基础上增加了“深度”(Z坐标)的信息，这是二维所不包含的。
在实现本发明的过程中，发明人发现，虚拟现实VR头盔的使用情景大多限制在室内，受到光照的不平衡影响，严重影响手(肤色目标)的识别，即严重影响手势的识别的效率或者准确性。
发明内容
本发明实施例的目的在于提供一种调整光照平衡的方法和装置，用以解决现有技术中因为光照不平衡，导致手势识别率较低的技术问题。
本发明实施例采用的技术方案如下：
本发明的一实施例提供一种调整光照平衡的方法，包括：
基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图；
比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内；
如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
可选地，所述光平衡参数为颜色值、亮度值，对比度值的至少一种。
可选地，所述方法还包括：
获取样本图像；
基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
可选地，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布均采用高斯分布描述。
可选地，在所述比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，所述方法还包括：
通过机器学习得到所述样本图像的颜色直方图的分布均衡值。
可选地，所述目标区域图像和所述样本图像为手型图像或手势图像。
可选地，所述分布均衡值为颜色直方图的曲率值或平滑度值。
本发明的另一实施例还提供一种调整光照平衡的装置，包括：
训练单元，用于基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图；
调整单元，用于比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内，如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
可选地，所述光平衡参数为颜色值、亮度值，对比度值的至少一种。
可选地，还包括：图像获取单元，用于获取样本图像；
所述训练单元还用于基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
可选地，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布采用高斯分布描述。
可选地，所述训练单元还用于在比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，通过机器学习得到所述样本图像的颜色直方图的分布均衡值。
可选地，所述目标区域图像和所述样本图像为手型图像或手势图像。
可选地，所述分布均衡值为颜色直方图的曲率值或平滑度值。
本发明实施例提供的一种调整光照平衡的方法和装置，通过基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图；之后，比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内；最后，如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内，从而实现了在光照不平衡时识别目标，提高了目标识别率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明另一实施例的一种调整光照平衡的方法的流程示意图；
图2为本发明一实施例的一种调整光照平衡的装置的结构示意图；
图3为本发明另一实施例的一种虚拟现实终端的结构示意图；
图4为本发明一实施例的一种调整光照平衡的装置的结构示意图；
图5为本发明另一实施例的一种调整光照平衡的方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在描述本发明实施例之前，有几个技术概念词需要陈述，主要如下所述。
直方图(Histogram)又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据类型，纵轴表示分布情况。
颜色直方图反映的是图像中颜色的组成分布，即出现了哪些颜色以及各种颜色出现的概率。颜色直方图是在许多图像检索系统中被广泛采用的颜色特征，它所描述的是不同色彩在整幅图像中所占的比例。
颜色直方图中的数值都是统计而来，描述该图像中关于颜色的数量特征，可以反映图像颜色的统计分布和基本色调；颜色直方图只包含了该图像中某一颜色值出现的频数，而丢失了某像素所在的空间位置信息。如将图像划分为若干个子区域，所有子区域的直方图之和等于全图直方图；一般情况下，由于图像上的背景和目标物体颜色分布明显不同，从而在直方图上会出现双峰特性，但背景和目标颜色较为接近的图像不具有这个特性。
颜色直方图可以是基于不同的颜色空间和坐标系。最常用的颜色空间是RGB颜色空间，原因在于大部分的数字图像都是用这种颜色空间表达的。在本发明的另一实施例，也有基于HSV空间的颜色直方图，它更接近于人们对颜色的主观认识。所述HSV空间的三个分量分别代表色彩(Hue)、饱和度(Saturation)和值(Value)。
HSV颜色直方图：HSV(huesaturationvalue)颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集，圆锥的顶面对应于V＝1。HSV颜色直方图包含RGB模型中的R＝1，G＝1，B＝1三个面，所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于角度0°，绿色对应于角度120°，蓝色对应于角度240°。在HSV颜色模型中，每一种颜色和它的补色相差180°。饱和度S取值从0到1，所以圆锥顶面的半径为1。在圆锥的顶点(即原点)处，V＝0，H和S无定义，代表黑色。圆锥的顶面中心处S＝0，V＝1，H无定义，代表白色。从该点到原点代表亮度渐暗的灰色，即具有不同灰度的灰色。对于这些点，S＝0，H的值无定义。可以说，HSV模型中的V轴对应于RGB颜色空间中的主对角线。在圆锥顶面的圆周上的颜色，V＝1，S＝1，这种颜色是纯色。
高斯分布(Gaussian distribution)即为正态分布(Normal distribution)，也称“常态分布”。
正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此又经常称之为钟形曲线。
若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ＝0，σ＝1时的正态分布是标准正态分布。
若随机变量X服从一个位置参数为μ、尺度参数为σ的概率分布，且其概率密度函数为：
则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为正态分布，记作X～N(μ，σ2)，读作X服从N(μ，σ2)，或X服从正态分布。
μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。
当μ＝0，σ＝1时，正态分布就成为标准正态分布
分类(Categorization or Classification)，是指按照某种标准给对象贴标签(label)，再根据标签来区分归类。例如，对获取的某种行为动作的一系列手型图像进行标签。
分类是数据挖掘的一种非常重要的方法，分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型(即通常所说的分类器(Classifier))。该函数或模型能够把数据库中的数据纪录映射到给定类别中的某一个，从而可以应用于数据预测。总之，分类器是数据挖掘中对样本进行分类的方法的统称。
训练分类器基本步骤为：利用样本(大约几百幅样本图片)的harr特征进行分类器训练，得到一个级联的boosted分类器。
分类器中的“级联”是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器，这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。
分类器训练完以后，就可以应用于输入图像中的感兴趣区域(与训练样本相同的尺寸)的检测。检测到目标区域(例如，手型或手势)分类器输出为1，否则输出为0。为了检测整副图像，可以在图像中移动搜索窗口，检测每一个位置来确定可能的目标。为了搜索不同大小的目标物体，分类器被设计为可以进行尺寸改变，这样比改变待检图像的尺寸大小更为有效。所以，为了在图像中检测未知大小的目标物体，扫描程序通常需要用不同比例大小的搜索窗口对图片进行几次扫描。
如图1所示，为本发明一实施例的一种调整光照平衡的方法的流程示意图，所述调整光照平衡的方法可以应用于机器人、计算机和电视等等各种视觉机器，例如虚拟现实VR头盔，所述调整光照平衡的方法主要如下所述。
步骤11，获得目标的目标区域图像。
步骤12，基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图。
步骤13，比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内。
步骤14，如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
在本发明的另一实施例中，所述光平衡参数为颜色值、亮度值，对比度值的至少一种。
在本发明的另一实施例中，所述方法还包括：获取样本图像；基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
在本发明的另一实施例中，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布均采用高斯分布描述。
在本发明的另一实施例中，在所述比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，所述方法还包括：通过机器学习得到所述样本图像的颜色直方图的分布均衡值。
在本发明的另一实施例中，所述目标区域图像和所述样本图像为手型图像或手势图像。
在本发明的另一实施例中，所述分布均衡值为颜色直方图的曲率值或平滑度值。
综上所述，本实施例的调整光照平衡的方法，可以解决现有技术中虚拟现实终端的光照不平衡的技术问题，提高目标识别率。
如图2所示，为本发明另一实施例的一种调整光照平衡的装置的结构示意图，所述调整光照平衡的装置可以应用于机器人、计算机和电视等等各种视觉机器，例如虚拟现实VR头盔，所述调整光照平衡的装置包括：图像获取单元21，训练单元22和调整单元23。
所述图像获取单元21，用于获得目标的目标区域图像。
所述训练单元22，用于基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图。
所述调整单元23，用于比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内，如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
在本发明的另一实施例中，所述光平衡参数为颜色值、亮度值，对比度值的至少一种。
在本发明的另一实施例中，所述图像获取单元21还用于获取样本图像，所述训练单元22还用于基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
在本发明的另一实施例中，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布采用高斯分布描述。
在本发明的另一实施例中，所述训练单元22还用于在所述比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，通过机器学习得到所述样本图像的颜色直方图的分布均衡值。
在本发明的另一实施例中，所述目标区域图像和所述样本图像为手型图像或手势图像。
在本发明的另一实施例中，所述分布均衡值为颜色直方图的曲率值或平滑度值。
综上所述，本实施例的调整光照平衡的装置，可以解决现有技术中虚拟现实终端的光照不平衡的技术问题，提高目标识别率。
如图3所示，为本发明另一实施例的一种虚拟现实终端的结构示意图，所述虚拟现实终端可以应用于机器人、计算机和电视等等各种视觉机器，例如虚拟现实VR头盔，所述虚拟现实终端包括：硬件处理器31和存储器32。
所述硬件处理器31，用于获得目标的目标区域图像；基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图；比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内，如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
所述存储器32用于存储所述样本图像的颜色直方图布。
在本发明的另一实施例中，所述光平衡参数为颜色值、亮度值，对比度值的至少一种。
在本发明的另一实施例中，所述硬件处理器31还用于获取样本图像，基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
在本发明的另一实施例中，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布采用高斯分布描述。
在本发明的另一实施例中，所述硬件处理器31还用于在所述比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，通过机器学习得到所述样本图像的颜色直方图的分布均衡值。
在本发明的另一实施例中，所述目标区域图像和所述样本图像为手型图像或手势图像。
在本发明的另一实施例中，所述分布均衡值为颜色直方图的曲率值或平滑度值。
综上所述，本实施例的虚拟现实终端，可以解决现有技术中虚拟现实终端的光照不平衡的技术问题，提高目标识别率。
如图4所示，为本发明另一实施例的一种调整光照平衡的装置的结构示意图，所述调整光照平衡的装置可以应用于机器人、计算机和电视等等各种视觉机器中，例如虚拟现实VR头盔，所述调整光照平衡的装置包括：图像获取单元41、训练单元42、调整单元43和存储单元44。
例如，所述图像获取单元41，既可以用于离线地获取样本图像，也可以用于实时地获取目标区域图像。
在本发明的另一实施例中，所述图像获取单元41可以为各种摄像头，所述摄像头可以为视觉传感器，例如有线摄像头和无线摄像头，例如，USB摄像头，wifi摄像头，ARM接摄像头和cmos摄像头。
所述离线是指所述图像获取单元41非实时地获取样本图像，例如，在摄像头没有获取目标区域图像时，可以预先设置样本图像。或者，再例如，在摄像头摄取一系列图像作为样本图像并存储，然后在某个时间点，所述图像获取单元41获取所述样本图像。
在本发明的另一实施例中，所述训练单元42还用于基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
在本发明的另一实施例中，所述存储单元44，用于存储所述样本图像的颜色直方图。
在本发明的另一实施例中，所述存储单元44还用于存储所述样本图像。
所述实时是指当前根据需要获取图像，例如，所述图像获取单元41用于获取目标区域图像。
在本发明的另一实施例中，所述图像获取单元41既可以获取静态目标区域图像，也可以获取动态目标区域图像。
例如，所述目标区域图像包括手和手周边一定区域的图像，也就是说，手就是目标，手周边区域是背景，一般而言，手的肤色和手周边区域背景的颜色可能不同。
例如，所述图像获取单元41用于获取手的V字、手的五指张开、手的石头、手的剪刀或手的布形状等等静态目标区域图像。
再例如，所述图像获取单元41还用于获取头部、手臂、手指还是其他物体(如武器)的静态目标区域图像。
再例如，所述图像获取单元41还可以用于获取目标的动作(例如，跳起、下蹲、或前倾)的动态目标区域图像。
在本发明的另一实施例中，所述目标区域图像或样本图像可以为手型图像，所述手型图像可以为V字、五指张开、石头、剪刀和布等等手型图像。
在本发明的另一实施例中，所述目标区域图像或样本图像也可以为向上、向下、向左、向右、向前、向后、左右摇摆等动态手势图像。
所述训练单元42，用于基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图。
所述调整单元43，用于比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内，如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
在本发明的另一实施例中，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布采用高斯分布描述。
在本发明的另一实施例中，所述训练单元42还用于在比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，通过机器学习得到所述存储的样本图像的颜色直方图的分布均衡值。
在本发明的另一实施例中，所述目标区域图像和所述样本图像为手型图像或手势图像。
在本发明的另一实施例中，所述光平衡参数为颜色值、亮度值，对比度值的至少一种。
在本发明的另一实施例中，所述分布均衡值为颜色直方图的曲率值或平滑度值。
综上所述，本实施例的调整光照平衡的装置，可以解决现有技术中虚拟现实终端的光照不平衡的技术问题，提高目标识别率。
如图5所示，为本发明另一实施例的一种调整光照平衡的方法的流程示意图，所述调整光照平衡的方法可以应用于机器人、计算机和电视等等各种视觉机器中，例如虚拟现实VR头盔，所述调整光照平衡的方法主要如下所述。
为进行图像比较，需要预先通过图像获取单元离线地获取样本图像。在本发明的另一实施例中，所述图像获取单元可以为各种摄像头，所述摄像头可以为视觉传感器，例如有线摄像头和无线摄像头，例如，USB摄像头，wifi摄像头，ARM接摄像头和cmos摄像头。
步骤51，离线地获取样本图像。
所述离线是指所述图像获取单元非实时地获取样本图像，例如，在摄像头没有获取目标区域图像时，可以预先设置样本图像。或者，再例如，在摄像头摄取一系列图像作为样本图像并存储，然后在某个时间点，所述图像获取单元获取所述样本图像。
在本发明的另一实施例中，基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
在本发明的另一实施例中，存储所述样本图像的颜色直方图和存储所述样本图像。
步骤52，实时地获取目标区域图像。
所述实时是指当前根据需要获取图像，例如，所述图像获取单元实时获取目标区域图像。
例如，所述目标区域图像包括手和手周边一定区域的图像，也就是说，手就是目标，手周边区域是背景，一般而言，手的肤色和手周边区域背景的颜色可能不同。
在本发明的另一实施例中，所述图像获取单元既可以获取静态目标区域图像，也可以获取动态目标区域图像。
例如，所述图像获取单元获取手的V字、手的五指张开、手的石头、手的剪刀或手的布形状等等静态目标区域图像。
再例如，所述图像获取单元获取头部、手臂、手指还是其他物体(如武器)的静态目标区域图像。
再例如，所述图像获取单元获取目标的动作(例如，跳起、下蹲、或前倾)的动态目标区域图像。
在本发明的另一实施例中，所述目标区域图像或样本图像可以为手型图像，所述手型图像可以为V字、五指张开、石头、剪刀和布等等手型图像。
在本发明的另一实施例中，所述目标区域图像或样本图像也可以为向上、向下、向左、向右、向前、向后、左右摇摆等动态手势图像。
步骤53，基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图。
步骤54，比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内。
步骤55，如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
在本发明的另一实施例中，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布采用高斯分布描述。
在本发明的另一实施例中，在比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，通过机器学习得到所述存储的样本图像的颜色直方图的分布均衡值。
在本发明的另一实施例中，所述目标区域图像和所述样本图像为手型图像或手势图像。
在本发明的另一实施例中，所述光平衡参数为颜色值、亮度值，对比度值的至少一种。
在本发明的另一实施例中，所述分布均衡值为颜色直方图的曲率值或平滑度值。
综上所述，本实施例的调整光照平衡的方法，可以解决现有技术中虚拟现实终端的光照不平衡的技术问题，提高目标识别率。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (14)
1.一种调整光照平衡的方法，其特征在于，包括：
基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图；
比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内；
如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
2.如权利要求1所述的方法，其特征在于，所述光平衡参数为颜色值、亮度值、对比度值的至少一种。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取样本图像；
基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
4.如权利要求1所述的方法，其特征在于，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布均采用高斯分布描述。
5.如权利要求1所述的方法，其特征在于，在所述比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，所述方法还包括：
通过机器学习得到所述样本图像的颜色直方图的分布均衡值。
6.如权利要求1-5任意一项所述的方法，其特征在于，所述目标区域图像和所述样本图像为手型图像或手势图像。
7.如权利要求1-5任意一项所述的方法，其特征在于，所述分布均衡值为颜色直方图的曲率值或平滑度值。
8.一种调整光照平衡的装置，其特征在于，包括：
训练单元，用于基于颜色直方图的统计特征对目标区域图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到目标区域图像的颜色直方图；
调整单元，用于比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内，如果所述目标区域图像的颜色直方图的分布均衡值超出所述样本图像的颜色直方图的分布均衡值的范围，调整所述目标区域图像光平衡参数使得所述目标区域图像的颜色直方图的分布均衡值位于所述样本图像的颜色直方图的分布均衡值的范围内。
9.如权利要求8所述的装置，其特征在于，所述光平衡参数为颜色值、亮度值、对比度值的至少一种。
10.如权利要求8所述的装置，其特征在于，还包括：图像获取单元，用于获取样本图像；
所述训练单元还用于基于颜色直方图的统计特征对样本图像进行区域划分，根据统计特征与分类器的对应关系确定每个区域对应的分类器，根据分类器与直方图的对应关系得到样本图像的颜色直方图。
11.如权利要求8所述的装置，其特征在于，所述目标区域图像的颜色直方图分布和所述样本图像的颜色直方图分布采用高斯分布描述。
12.如权利要求8所述的装置，其特征在于，所述训练单元还用于在所述比较所述目标区域图像的颜色直方图的分布均衡值是否位于样本图像的颜色直方图的分布均衡值的范围内之前，通过机器学习得到所述样本图像的颜色直方图的分布均衡值。
13.如权利要求8-12任意一项所述的装置，其特征在于，所述目标区域图像和所述样本图像为手型图像或手势图像。
14.如权利要求8-12任意一项所述的装置，其特征在于，所述分布均衡值为颜色直方图的曲率值或平滑度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610978288.9A CN106548184A (zh) | 2016-11-07 | 2016-11-07 | 一种调整光照平衡的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610978288.9A CN106548184A (zh) | 2016-11-07 | 2016-11-07 | 一种调整光照平衡的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106548184A true CN106548184A (zh) | 2017-03-29 |
Family
ID=58395541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610978288.9A Pending CN106548184A (zh) | 2016-11-07 | 2016-11-07 | 一种调整光照平衡的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106548184A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133610A (zh) * | 2017-06-01 | 2017-09-05 | 电子科技大学 | 一种复杂路况下行车流量视觉检测与计数方法 |
| CN108470366A (zh) * | 2018-03-28 | 2018-08-31 | 同方威视技术股份有限公司 | 模拟图像生成方法和装置以及计算机可读存储介质 |
| CN108198130B (zh) * | 2017-12-28 | 2021-09-28 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1438610A (zh) * | 2002-02-06 | 2003-08-27 | 三星电子株式会社 | 使用直方图匹配增强对比度的装置和方法 |
| CN101729911A (zh) * | 2009-12-23 | 2010-06-09 | 宁波大学 | 一种基于视觉感知的多视点图像颜色校正方法 |
| CN103839236A (zh) * | 2014-02-25 | 2014-06-04 | 中国科学院自动化研究所 | 一种基于稀疏表示的图像白平衡方法 |
| CN104038752A (zh) * | 2014-06-04 | 2014-09-10 | 上海师范大学 | 基于三维高斯混合模型的多视点视频直方图颜色校正 |
| US20150199579A1 (en) * | 2014-01-16 | 2015-07-16 | GM Global Technology Operations LLC | Cooperative vision-range sensors shade removal and illumination field correction |
-
2016
- 2016-11-07 CN CN201610978288.9A patent/CN106548184A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1438610A (zh) * | 2002-02-06 | 2003-08-27 | 三星电子株式会社 | 使用直方图匹配增强对比度的装置和方法 |
| CN101729911A (zh) * | 2009-12-23 | 2010-06-09 | 宁波大学 | 一种基于视觉感知的多视点图像颜色校正方法 |
| US20150199579A1 (en) * | 2014-01-16 | 2015-07-16 | GM Global Technology Operations LLC | Cooperative vision-range sensors shade removal and illumination field correction |
| CN103839236A (zh) * | 2014-02-25 | 2014-06-04 | 中国科学院自动化研究所 | 一种基于稀疏表示的图像白平衡方法 |
| CN104038752A (zh) * | 2014-06-04 | 2014-09-10 | 上海师范大学 | 基于三维高斯混合模型的多视点视频直方图颜色校正 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107133610A (zh) * | 2017-06-01 | 2017-09-05 | 电子科技大学 | 一种复杂路况下行车流量视觉检测与计数方法 |
| CN108198130B (zh) * | 2017-12-28 | 2021-09-28 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
| CN108470366A (zh) * | 2018-03-28 | 2018-08-31 | 同方威视技术股份有限公司 | 模拟图像生成方法和装置以及计算机可读存储介质 |
| CN108470366B (zh) * | 2018-03-28 | 2020-10-16 | 同方威视技术股份有限公司 | 模拟图像生成方法和装置以及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Thompson et al. | Visual perception from a computer graphics perspective | |
| AU2011250829B2 (en) | Image processing apparatus, image processing method, and program | |
| CN106204690B (zh) | 一种图像处理方法及装置 | |
| CN110070621A (zh) | 电子装置、显示增强现实场景的方法及电脑可读取媒体 | |
| US20180357819A1 (en) | Method for generating a set of annotated images | |
| AU2011250827B2 (en) | Image processing apparatus, image processing method, and program | |
| US11915362B2 (en) | UV mapping on 3D objects with the use of artificial intelligence | |
| CN107038738A (zh) | 使用经修改的渲染参数来显示对象 | |
| CN113658316B (zh) | 三维模型的渲染方法和装置、存储介质及计算机设备 | |
| KR101919077B1 (ko) | 증강 현실 표시 방법 및 장치 | |
| CN106548184A (zh) | 一种调整光照平衡的方法和装置 | |
| CN113052923A (zh) | 色调映射方法、装置、电子设备和存储介质 | |
| US9508317B2 (en) | Display evaluation device, display evaluation method, and non-transitory computer readable medium | |
| CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
| US20240013349A1 (en) | Arranging digital images | |
| CN113989831A (zh) | 近视防控方法、装置、终端设备及存储介质 | |
| CN114067172A (zh) | 一种仿真图像生成方法、仿真图像生成装置及电子设备 | |
| US20170274285A1 (en) | Method and apparatus for automating the creation of a puzzle pix playable on a computational device from a photograph or drawing | |
| Takimoto et al. | Image modification based on a visual saliency map for guiding visual attention | |
| US20230306880A1 (en) | Display medium, processing apparatus, program, and computer-readable recording medium provided with program recorded thereon | |
| Wibawa | Vector quantization based color blindness test images | |
| CN117689782B (zh) | 一种生成海报图像的方法、装置、设备及存储介质 | |
| CN113436284B (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
| US11967016B1 (en) | Systems and methods for presenting and editing selections of three-dimensional image data | |
| CN117315154B (zh) | 一种可量化的人脸模型重建方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170329 |
|
| WD01 | Invention patent application deemed withdrawn after publication |