CN107240116A - 生成稀疏样本直方图 - Google Patents

生成稀疏样本直方图 Download PDF

Info

Publication number
CN107240116A
CN107240116A CN201710183394.2A CN201710183394A CN107240116A CN 107240116 A CN107240116 A CN 107240116A CN 201710183394 A CN201710183394 A CN 201710183394A CN 107240116 A CN107240116 A CN 107240116A
Authority
CN
China
Prior art keywords
value
stick
input value
block
histogram
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
CN201710183394.2A
Other languages
English (en)
Other versions
CN107240116B (zh
Inventor
T·史密斯
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.)
Imagination Technologies Ltd
Original Assignee
Imagination Technologies Ltd
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 Imagination Technologies Ltd filed Critical Imagination Technologies Ltd
Publication of CN107240116A publication Critical patent/CN107240116A/zh
Application granted granted Critical
Publication of CN107240116B publication Critical patent/CN107240116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/40—Extracting pixel data from image sensors by controlling scanning circuits, e.g. by modifying the number of pixels sampled or to be sampled
    • H04N25/46—Extracting pixel data from image sensors by controlling scanning circuits, e.g. by modifying the number of pixels sampled or to be sampled by combining or binning pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/144—Movement detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/50—Control of the SSIS exposure
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Measurement Of Radiation (AREA)

Abstract

生成稀疏样本直方图。一种将输入值分选到条块阵列中的设备，各个条块表示一定范围的输入值并且所述条块共同地表示输入值的直方图，所述设备包括：用于接收所述输入值的输入端；用于存储所述阵列的存储器；以及分选控制器，该分选控制器被配置为：根据关于所述输入值所设置的分选分布从所述输入值获得多个条块值，所述分选分布跨越一定范围的输入值并且各个条块值具有取决于所述条块值在所述分选分布中的位置的相应输入值；并且将所述多个条块值分配给所述阵列中的多个条块，各个条块值被分配给根据所述条块值的相应输入值选择的条块。

Description

生成稀疏样本直方图
技术领域
本发明涉及生成输入值的直方图的设备以及分选(binning)输入值以生成这样的直方图的方法。
背景技术
数字相机的处理流水线通常使用直方图来总结由相机传感器的像素捕获的参数(例如，曝光度或颜色通道参数)的频率分布。直方图将参数的可能输入值范围分成一系列条块(bin)，各个条块表示具有落入该条块的相应范围内的参数的像素的数量的计数。流水线的图像处理算法可使用这样的直方图以便执行诸如自动曝光、自动聚焦和自动白平衡的相机的控制功能。相机传感器将通常包括数以百万计的像素，使用这样的直方图有助于以适当的流水线算法可管理的细节水平提供所捕获的帧的特性的总结。
发明内容
根据本发明的第一方面，提供了一种将输入值分选到条块阵列中的设备，各个条块表示一定范围的输入值并且所述条块共同地表示输入值的直方图，所述设备包括：
用于接收所述输入值的输入端；
用于存储所述阵列的存储器；以及
分选控制器，该分选控制器被配置为：
根据关于所述输入值所设置的分选分布从所述输入值获得多个条块值，所述分选分布跨越一定范围的输入值并且各个条块值具有取决于所述条块值在所述分选分布中的位置的相应输入值；并且
将所述多个条块值分配给所述阵列中的多个条块，各个条块值被分配给根据所述条块值的相应输入值选择的条块。
所述分选分布可以以所述输入值为中心。
所述分选分布可以是高斯分布或高斯分布的近似。
所述输入值可以是从图像帧的一个或更多个像素获得的图像特性。
所述分选控制器可被配置为根据一个或更多个预定义参数或自适应参数来选择所述分选分布的跨度。
所述分选控制器可被配置为依据由所述条块阵列表示的所述直方图的稀疏度的度量来选择所述分选分布的跨度。
所述分选控制器可被配置为在将所述多个条块值中的每一个分配给其相应条块之前，根据预定义的衰减因子使保持在所述条块阵列的值衰减。
所述分选控制器可被配置为通过依据所述输入值缩放所述分选分布来从所述输入值获得所述多个条块值，所多个述条块值中的每一个是所述分选分布在所述阵列的相应条块处的缩放的高度。
分选控制器可被配置为将所述直方图归一化，使得所述阵列中的条块的和为1。
所述阵列中的各个条块可具有等于一个单位的输入值的宽度。
可在所述输入端处接收表示成多个分量值的所述输入值。
根据本发明的第二方面，提供了一种用于检测输入值序列的变化的数据处理装置，该数据处理装置包括：
如本文所述的设备，该设备被配置为通过将所述序列中的多个输入值分选到所述条块阵列中来生成所述输入值的直方图；以及
变化检测逻辑，该变化检测逻辑被配置为使用所述直方图来估计所接收的输入值的可能性并且依据所估计的可能性来生成所述输入值的变化的度量。
所估计的可能性可表示在假定由所述直方图表示所述输入值的频率分布的情况下出现所接收的输入值的概率的度量。
所述变化检测逻辑可被配置为依据所述阵列中的与所接收的输入值对应的条块的值来形成所述概率的度量。
所述变化检测逻辑可被配置为从所述阵列中的条块获得归一化的直方图并且使用所述归一化的直方图中的与所接收的输入值对应的条块的值作为所述概率的度量。
所述变化检测逻辑可被配置为获得所述归一化的直方图，使得所述直方图中的条块的和为1。
所述变化检测逻辑可被配置为通过将所估计的可能性与预定义阈值或自适应阈值进行比较来生成所述输入值的变化的度量。
如果所估计的可能性超过所述预定义阈值或自适应阈值，则所述变化的度量可指示所述输入值序列的变化。
所述变化检测逻辑可被配置为通过按照值的降序对所述条块求和并且标识该和首次超过预定义的总数处的阈值条块来形成所述自适应阈值，并且依据所述阈值条块的值来获得所述自适应阈值。
所述输入值可以是针对帧的像素块接收的图像特性，并且所述数据处理装置用于检测所述像素块中的运动。
所述变化的指示可以是标识所估计的可能性是否指示所述输入值序列的变化的二进制值。
所述输入值可以是亮度、色调、明度、光亮度、色度、彩度、饱和度或者其变化的度量中的一个或更多个。
根据本发明的第三方面，提供了一种将输入值分选到条块阵列中的计算机实现的方法，各个条块表示一定范围的输入值并且所述条块共同地表示输入值的直方图，所述方法包括以下步骤：
接收输入值；
根据关于所述输入值所设置的分选分布从所述输入值获得多个条块值，所述分选分布跨越一定范围的输入值并且各个条块值具有由所述条块值在所述分选分布中的位置指示的相应输入值；以及
将所述多个条块值分配给多个条块，各个条块值被分配给根据所述条块值的相应输入值选择的条块。
所述方法还可包括步骤：在将所述多个条块值中的每一个分配给其相应条块之前，根据预定义的衰减因子使保持在所述条块阵列的值衰减。
从所述输入值获得所述多个条块值的步骤可包括依据所述输入值缩放所述分选分布，所述多个条块值中的每一个是所述分选分布在所述阵列的相应条块处的缩放的高度。
所述方法可包括以下步骤：
将所述序列中的多个输入值分选呢到所述条块阵列中以生成所述输入值的直方图；
利用所述直方图来估计所接收的输入值的可能性；以及
依据所估计的可能性，生成所述输入值的变化的度量。
所估计的可能性可表示在假定由所述直方图表示所述输入值的频率分布的情况下出现所接收的输入值的概率的度量。
使用所述直方图的步骤可包括：依据所述阵列中的与所接收的输入值对应的条块的值来形成所述概率的度量。
使用所述直方图的步骤可包括：从所述阵列中的条块获得归一化的直方图并且使用所述归一化的直方图中的与所接收的输入值对应的条块的值作为所述概率的度量。
生成变化的度量的步骤可包括：将所估计的可能性与预定义阈值或自适应阈值进行比较。
如果所估计的可能性超过所述预定义阈值或自适应阈值，则所述变化的度量可指示所述输入值序列的变化。
所述方法还可包括通过以下步骤来形成所述自适应阈值：
按照值的降序对所述条块求和以标识该和首次超过预定义的总数处的阈值条块；以及
依据所述阈值条块的值来获得所述自适应阈值。
所述设备可在集成电路上以硬件来实现。可提供一种在集成电路制造系统处制造所述设备的方法。可提供一种集成电路定义数据集，该集成电路定义数据集在集成电路制造系统中被处理时配置所述系统以制造所述设备。可提供一种存储有集成电路的计算机可读描述的非瞬时计算机可读存储介质，所述计算机可读描述在集成电路制造系统中被处理时使得集成电路制造系统制造所述设备。
可提供一种集成电路制造系统，该集成电路制造系统包括：
非瞬时计算机可读存储介质，其存储有描述所述设备的计算机可读集成电路描述；
布局处理系统，其被配置为处理所述集成电路描述以生成实现所述设备的集成电路的电路布局描述；以及
集成电路生成系统，其被配置为根据所述电路布局描述来制造所述设备。
可提供用于执行如本文所述的方法的计算机程序代码。可提供存储有计算机可读指令的非瞬时计算机可读存储介质，所述计算机可读指令在计算机系统处执行时使得计算机系统执行如本文所述的方法。
附图说明
现在将参照附图作为示例描述本发明。附图中：
图1是用于在相机处所捕获的视频帧的流中执行运动检测的设备的示意图。
图2示出通过将关于帧的块形成的各个亮度值分选到单个条块中来形成的稀疏直方图。
图3示出根据本文所描述的原理从图2中所表示的相同亮度值集合形成的直方图。
图4是示出可在图像处理器处执行的处理的流程图。
图5示出按照大小排序的图3所示的直方图的条块值。
图6是示出根据第一方面的分选控制器和运动检测器的操作的流程图。
图7示出在被分割成多个块的图像帧上操作的运动检测器的二进制输出。
图8是集成电路制造系统的示意图。
具体实施方式
作为示例呈现以下描述以使得本领域技术人员能够制造并使用本发明。本发明不限于本文所描述的实施方式，对于本领域技术人员而言对所公开的时时反思后的各种修改将是显而易见的。
使用直方图的一个示例是在通过相机传感器捕获的帧序列中执行运动检测。例如，这在安全相机中会是有用特征，因为它允许相机在检测运动时标记视频供给中的运动周期或者仅记录或发送所捕获的视频流。情况往往是这样，相机硬件或者关联的处理设备中可用于执行运动检测的资源非常有限，和/或期望以低功率来执行运动检测。结果，由相机传感器捕获的帧通常被下采样(例如，从HD至VGA分辨率)并且以低帧频(例如，每秒10-15帧，而非比如说相机传感器所提供的每秒30帧)在下采样的帧中执行运动检测。
为了进一步降低处理负担，通常关于执行何种运动检测将帧分成块集合，各个块包括帧的多个像素。为了方便基于每块的运动检测处理(以及可能其它图像处理功能)，相机流水线可针对各个块生成表示块内(可能在多个帧上)的图像参数的频率分布的直方图。例如，可针对块生成表示亮度的典型度量的直方图，并且可通过寻找块中的指示运动的亮度的突然变化来在该块中标识运动。
然而，每块针对参数使用有限数量的像素或采样点和/或使用窄条块和/或使用低帧频可导致针对块生成稀疏填充(sparsely-populated)的直方图，即，在直方图分布中具有相当大比例的空条块和间隙的直方图。这样的直方图可被称为稀疏直方图。稀疏直方图的示例示出于图2中。
稀疏直方图往往是参数的基础频率分布的差质量的表示。稀疏直方图可在使用之前被过滤，以便形成直方图所表示的参数的基础频率分布的改进估计。通常执行这种过滤以生成更密集的直方图，从而生成没有显著间隙的平滑分布。以这样的方式过滤稀疏直方图需要附加处理步骤，并且可导致保真度的损失(例如，多模态分布中的中间峰的衰减)。
描述用于生成输入值的直方图的设备和方法，其特别适合于随输入值的稀疏数据集一起使用。在本文所描述的示例中，所述设备和方法涉及在图像帧序列中执行运动检测。通常，所述设备和方法可用于出于任何目的生成任何输入值的直方图，包括用于生成从相机传感器或流水线接收的任何图像特性的直方图以及用于生成从音频源接收的任何音频特性的直方图。如本文所述配置的设备和方法可被配置用于检测输入值中的变化的目的：这种变化检测不限于在图像帧序列中执行运动检测。将理解，下面关于生成特定图像特性(例如，亮度或其标准偏差)的直方图所描述的任何示例、特征或功能可通常被应用于出于任何目的生成任何其它图像特性、音频特性或者来自任何源的其它输入值的直方图，不限于运动检测。
现在将作为示例针对图1所示的用于在相机处所捕获的视频帧序列中执行运动检测的设备描述本发明的各方面。
图1是包括相机模块101和运动检测器115的设备的示意图。相机模块101包括被布置为向图像处理器103提供帧的相机传感器102。图像处理器103可生成在运动检测器和(可能地)在相机流水线上或之外的其它处理单元处使用的各种图像特性。例如，图像处理器可收集在相机流水线的自动白平衡和自动曝光功能处使用的统计数据。图像处理器被配置为提供帧的一个或更多个块的图像特性。例如，各个帧可被分割成16个块的集合，图像处理器关于各个块生成图像特性。
块可以是帧的一部分或全部，任何给定块可与同一帧的其它块交叠或不交叠。块可以是帧的一个或更多个像素的集合，并且可具有任何形状。块的像素可在帧内邻接或不邻接。帧的一个或更多个像素可不属于针对帧定义的任何块。帧的任何给定像素可属于一个或更多个块。
图像处理器可被配置为针对图像帧的一个或更多个颜色通道(例如，在相机处所捕获的RGB图像的情况下，针对红色、绿色和蓝色通道中的每一个)独立地生成图像特性。由图像处理器提供的亮度的度量可作为颜色分量或其它图像特性的集合来提供，以便于在运动检测器处解释为亮度的度量。
图4中示出了流程图400，流程图400示出图像处理器103的示例性操作。图像处理器从相机传感器102接收(输入流104的)原始图像401，并且执行图像的Bayer空间处理402和去马赛克403。在404，图像处理器将原始图像转换为RGB图像，在该RGB图像上图像处理器计算在相机流水线(未示出)的自动曝光和自动白平衡功能处使用的统计数据405。这些统计数据可被包括在提供给运动检测器115的图像特性108中。图像处理器可另外执行进一步的RGB空间处理406，例如颜色校正。图像处理器将RGB图像帧转换到YUV颜色空间407以生成YUV图像帧408，对该YUV图像帧408可执行YUV空间处理409(例如，对比度增强)。所得YUV帧可根据从图像处理器得到其输入的后续单元(例如，编码器106)的要求按照一个或更多个不同的比例(scale)410、411来提供。在此示例中，缩放器(scalar)410可对应于提供给编码器106的帧流105以便于编码为视频流107。编码器106可经由可存储来自相机传感器(可能通过图像处理器103处理)的帧数据的帧存储部(store)118来接收帧。在一些示例中，运动检测器可从图像处理器103(例如，缩放器411)接收帧流。
可由图像处理器103按照低于相机传感器所捕获的分辨率的分辨率来执行图像处理。例如，相机传感器可以是HD传感器，但是可按照比如说VGA分辨率(640×480像素)来执行图像处理。诸如VGA的较低分辨率通常对于生成用于运动检测的统计数据而言足够了，并且降低了图像处理器所需的处理能力和/或允许图像处理以低功率来执行。在一些示例中，由相机传感器捕获的图像帧可在被提供给图像处理器之前被缩小，而相机传感器直接向编码器106提供完整分辨率帧(可能经由数据存储部118和/或另一单元，例如将原始帧转换为YUV帧)。图像处理器可被配置为提供在运动检测器处使用的描述各个帧的一个或更多个块的图像特性，而不是提供图像帧本身。
图1所示的相机模块101的布置方式仅是一种可能，将理解，相机模块的各种其它布置方式也是可能的。具体地讲，编码器106是否存在与运动检测器115的操作无关，仅出于例示性目的被包括。相机模块101仅需要为运动检测器提供图像特性108，这对运动检测器形成指示块处的运动的输出而言足够了。图像特性108可包括一种或更多种不同类型的图像特性，例如一个或更多个颜色通道的曝光度信息和颜色信息。在其它示例中，相机模块101可以是在运动检测器处使用的图像特性108的任何其它源(例如，模块101可从所存储的图像帧获得图像特性)。
在本发明的示例中，图像处理器可提供帧的各个块的亮度的度量作为运动检测器的输入值。这可以是块的两个或更多个像素上的平均亮度的度量、块的随机选择或预定的像素的亮度的度量或者与块关联的亮度的任何其它度量。在这种情况下亮度的度量表示执行运动检测所基于的图像特性108。亮度的度量可按照任何合适的方式来提供。例如，亮度值可用作块的一个或更多个像素的亮度的度量(例如，YUV颜色空间的亮度分量)，或者块的亮度的度量可包括一个或更多个单独的颜色分量，各个颜色分量表示块的相应颜色分量的平均值。
分选控制器109被配置为针对各个块，基于随时间针对块(例如，关于多个帧)接收的图像特性108维持表示块的预期亮度分布的直方图。直方图的各个条块表示一定范围的亮度值。各个条块的范围可为单个亮度值。例如，在表示为0至255范围内的亮度值的亮度的情况下，直方图可包括256个条块，分选控制器将各个亮度值分配给其相应条块。在其它示例中，各个条块可对应于多个条块值。条块的宽度可在直方图的输入值的可能范围上变化。
分选控制器109被配置为通过在从图像处理器接收到块的亮度输入值时使针对该块维持的直方图的条块值衰减并且将所接收的亮度值分配给其对应条块来维持直方图。各个条块可以是计数器，使得在将亮度值分配给条块时，分选控制器109被配置为使与该条块对应的计数器的计数值增加某一预定值(例如，一)。以这样的方式，形成输入值的频率分布的总结。
图6示出表示包括分选控制器109的运动检测器115的操作的示例的流程图。在(例如，从相机模块101)接收到块601的亮度值时，分选控制器109和块逻辑110执行其相应的功能，以便分别维持块的直方图和形成块的运动输出。下面更详细地描述分选控制器和块逻辑的操作。分选控制器和块逻辑可按照任何方式(包括串行地或同时地/并行地)操作。然而，优选地，在分选控制器利用所接收的亮度值更新直方图之前由块逻辑使用块的直方图。块逻辑110表示变化检测逻辑的示例，运动检测器115表示用于检测输入值的变化的数据处理装置的示例，其中，数据处理装置被配置为对该输入值操作。在其它示例中，输入值可以不是关于帧的块接收的，可以是例如要检测电平的变化的音频样本。
现在将参照图1和图6描述示出分选控制器109可如何维持存储器111处的直方图112的示例。存储器111可以是运动检测器115可访问的任何类型的数据存储部；它可在数据存储部的内部或外部，并且可包括一个或更多个存储元件。各个帧被分成一个或更多个块，各个块包括帧的一个或更多个像素，并且关于各个块，由分选控制器在存储器111处维持256条块直方图。
运动检测器115可接收帧的各个块的亮度的度量(图6中的601)。在此示例中，各个帧被分成16个不交叠的块，各个块的亮度的度量是由图像处理器103计算的块的像素上的平均亮度的度量。在此示例中，分选控制器109被配置为从相机模块101接收在相机传感器102处捕获的图像帧的各个块的像素上的红色、绿色和蓝色通道之和作为图像特性108。这些图像特性通常可用在相机流水线处。可在图像处理器103处计算图像特性或统计数据。
运动检测器115可处理所接收的图像特性以形成亮度值或其它值，要关于所述亮度值或其它值针对帧的一个或更多个块维持直方图。这可被视为形成针对图6中的601接收块的亮度的部分。例如，可针对帧的第i块计算亮度值Yi：
其中Ri、Gi和Bi是块上的作为图像特性接收的红色、绿色和蓝色值之和，Npixels是块中的像素的数量，Nblocks是图像所分成的块的数量。在本示例中，Nblocks＝16。亮度值Yi将被称作当前亮度值。
分选控制器109被配置为维持帧的一个或更多个块的直方图，所述直方图针对各个块表示随时间的亮度的频率分布。在接收到块的亮度值时，分选控制器按照下面所述的方式利用所接收的亮度值来更新块的直方图(图6中的603)。块的直方图的各个条块可利用适合于实现的值来初始化。例如，对于具有256个条块的直方图，直方图的各个条块可初始被设定为：
在接收到块的亮度值时，使该块的直方图的各个条块衰减(图6中的604)以相对于所计算出的亮度值降低历史条块值的权重。这可在亮度值被分配给直方图(图6中的605)之前执行。例如，块的直方图的各个条块可依据取介于0和1之间的值的预定义或自适应学习系数learnCoeff来衰减：
采取简化的方法，则可根据下式利用当前亮度值来更新第i块的直方图的第Li直方图条块：
其中learnCoeff充当当前亮度值对其相应条块的贡献。learnCoeff的合适值可通过经验来确定。
在若干帧上，可构建特定块的像素值的预期分布的非参数表示，其允许捕获复杂的多模态行为。然而，可从图2所示的示例性直方图看出，由于针对各个块提供的有限数量的图像特性以及相对于一定范围的可能亮度值的窄条块，上述简化方法往往会导致稀疏直方图。在图2中，亮度值在条块上的分布可被视为是不均匀的(具有间隙201和峰值202)。在本示例中，提供单个亮度值，但是在其它示例中，可提供图像特性的一个以上的值(例如，可针对块的不同区域提供不同图像特性)。
现在将描述将图像特性分配给直方图条块的改进方法。不是将针对块接收的各个图像特性分配给对应直方图的相应条块，而是使用各个图像特性根据分选分布来获得关于相应条块设置的多个直方图条块的条块值。这是图6中的602。分选分布可被预定义(例如，在设备或分选控制器的初始化时)或者被动态地定义(例如，依据由图像处理器针对所捕获的帧生成的特性)。例如，在针对块接收的亮度值表示块的像素上的平均亮度的情况下，可假设块内的实际亮度值具有高斯分布，该高斯分布具有以所接收的值为中心的均值μ并且具有预定义或自适应的标准偏差σ。因此，将分选分布定义为高斯分布，可在图6的603利用下式更新直方图的条块：
其中w是高斯核的半宽，并且通过以这样的方式定义标准偏差，核可被预先计算到长度为2w+1的缓冲器中。A是归一化因子，例如：
将所获得的条块值分配给其相应条块(图6中的605)可在直方图的条块衰减(图6中的604)之后执行(例如，根据上式3)。一旦针对亮度值获得的条块值被分配给直方图，可通过关于为下一块维持的直方图执行相同步骤来将分选控制器移至所述下一块(图6中的606)。可在存储器111处针对帧的一个或更多个块维持直方图112，使得随着针对帧序列的块接收亮度值，各个直方图表示针对对应块，亮度值的频率随时间的学习分布。
获得条块值所依据的分选分布的标准偏差可针对给定系统通过经验来确定(例如，通过利用分选控制器所生成的直方图优化由运动检测器115执行的运动检测的精度)。可针对整个帧或者针对帧的任何区域确定或定义标准偏差(例如，可针对帧的各个块确定标准偏差，针对块确定的标准偏差在分选该块的值时被使用)。可由分选控制器或者在相机模块的任何其它元件或运动检测器处自适应地确定标准偏差(例如，从通过简单地分选亮度值而形成的直方图估计标准偏差(例如，如上面参照图2讨论的))。这允许标准偏差随着例如场景和/或光照条件变化而变化。标准偏差可以是由相机模块提供的统计数据(例如，作为在图像处理器103处执行的计算的结果)。标准偏差无需为真实的数学标准偏差，可以是图像特性的基础或预期分布的宽度的任何合适的度量。
分选控制器可被配置为接收块的多个亮度值，各个亮度值在为该块维持的直方图处被分选。分选控制器可被配置为接收块的多个亮度值，各个亮度值在针对块的相应亮度值维持的单独直方图处被分选，使得针对该块维持多个直方图。可按照任何方式针对块生成各个亮度值：例如，各个亮度值可关于块的不同像素或像素组而生成，和/或各个亮度值可按照不同的方式(例如，块的相同或不同像素的不同的平均值)来计算。
图3示出由分选控制器109维持的直方图301，使得针对块接收的亮度值根据高斯分布被分配给块的直方图。可以看出，由分选控制器学习的直方图不会遭受值稀疏的问题，并且表示对块的真实亮度概率分布的更好的近似。分选控制器可被配置为利用对真实高斯分布的近似来分配亮度值。通常，可使用被认为针对特定应用提供足够好的性能的任何合适的分布(例如，三角形分布或矩形分布)。
对于除了亮度以外的图像特性，可能适合的是根据除了高斯分布以外的分布(其反映块上的该图像特性的值的基础分布)将图像特性分配给直方图条块。
在图1中，分选控制器109被示出为运动检测器115的一部分。这仅是示例，将理解，分选控制器无需被设置在运动检测器处；分选控制器可被设置在任何类型的设备处，作为分立的单元设置，或者设置在软件中。
由分选控制器109在存储器111处针对帧序列的块维持的学习的直方图112可被块逻辑110用作针对块出现的特定亮度值的概率分布的表示。所接收的亮度值属于直方图分布的概率Pbackground可由块逻辑110通过在与所接收的亮度值对应的条块处的学习的直方图中查找来确定。这是图6中的607。直方图可以是直方图的归一化版本：
其中
各个直方图可按照归一化的形式存储在存储器111处，或者各个条块的归一化的值可由运动检测器115(例如，在块逻辑110处)计算。例如，式8中所使用的条块之和可随直方图被存储，使得可由运动检测器根据式8从所存储的直方图112平常地(trivially)形成各个直方图条块的归一化的值。
通常，块逻辑可被配置为形成在假定由直方图表示频率分布的情况下出现所接收的亮度值的可能性的某种度量。这是图6中的608。所述可能性无需为真实概率，可采用任何合适范围的值，未必在0到1之间。
可在所接收的亮度值被分配给直方图之前利用直方图执行条块概率计算。由于分选控制器根据某种分选分布将亮度值分配给直方图，所以针对各个块维持的直方图是平滑的并且可被直接采样，而不存在由于将随稀疏直方图出现的不均匀分布(因此，不精确概率)而引起的错误。
由块逻辑110进行的概率的直接采样可能不完全精确，因为与学习的直方图相比的输入亮度值本身具有与其关联的分布。这可通过假设相同的高斯分布(或者适合于特定实现方式的其它分布)并且将它与采样的概率相联系来解决。然后可由块逻辑将输入亮度值属于直方图分布的概率计算为：
同样，分布可被近似。例如，如果计算资源极其有限，则分布可利用方框内核(boxkernel)来近似：
块逻辑110使用关于针对块接收的亮度值所计算的概率以便确定块是否可能表示运动。例如，块逻辑可就针对块接收的亮度值是否指示块包含运动(即，表示所捕获的场景中的前景)形成二进制决策，前景运动的决策为Fi＝1，块表示背景的决策为Fi＝0。一个方法是将亮度值属于针对该块维持的直方图分布(即，是背景)的概率与预定义或自适应阈值T进行比较：
可按照任何方式来标识合适的阈值，方法包括：通过经验来确定；从帧序列获得(例如，作为在图像处理器处生成的一个或更多个统计数据)；以及按照任何合适的方式自适应地计算。在阈值自适应的情况下这是图6中的609。
使用预定义阈值通常不考虑直方图所表示的亮度概率分布的可能多模态本质。块可处于的模式越多，被指派给各个模式的总概率越小，意味着应该使用越小的阈值；而对于单模式块，较高的阈值更适合。因此优选的是使用自适应地计算的阈值。
例如，合适的自适应阈值可如下确定。块的归一化直方图按照条块值的顺序排序，如图5所示(对应于图3的直方图)。这是图6中的610。然后直方图的条块按照条块值的降序求和，以标识满足下式的n的值：
其中Tuser是预定义阈值。这是图6中的611。该阈值表示针对块接收的亮度值属于直方图分布(即，表示由相机传感器捕获的场景中的背景)的总概率。将理解，排序步骤可被不明确地执行，条块可按照任何合适的方式按照条块值的降序求和。将理解，高的n指示散开的直方图，而低的n指示紧密聚集的直方图。需要注意的是，表示图3的直方图的256个条块在图3和图5中通过较少数量的条块示意性地表示。
在图5中，前n个条块之和对应于亮阴影区域501中的条块值之和，使得阈值在条块502处交叉：该条块的值(在图中由线503指示)被当作自适应阈值Tadaptive：
这是图6中的612。自适应阈值Tadaptive可用于根据下式标识块是否表示运动：
块表示前景运动的决策为Fi＝1，块表示背景的决策为Fi＝0。这是图6中的613。由块逻辑生成的决策表示运动检测器所接收的亮度值的变化的度量。在其它示例中，块逻辑的输出可表示其它输入值的变化的度量。通常，变化的度量可按照任何合适的方式提供，并且被表示为具有任何合适的范围的值(包括像本示例中一样，作为二进制值)。
在亮度值属于块的直方图所表示的分布的概率低于自适应阈值的情况下，块逻辑被配置为将该块标识为表示所捕获的场景中的运动。或者，块逻辑被配置为将该块标识为不表示所捕获的场景中的运动。将显而易见的是，对于更散开的多模态概率分布，自适应阈值将较低，对于更紧密聚集的直方图，自适应阈值将较高。
通过就帧的各个块是否被认为表示运动形成二进制决策，块逻辑110可将运动矩阵114存储在存储器111中，其表示块方式运动被确定存在于所接收的帧中。图7中针对帧701示出了所存储的矩阵114处保持的信息的示例。帧被分成16个块，运动矩阵114指示哪些块表示帧中的运动：指示运动的块(例如，703)在图中利用“M”来标记，不指示运动的块(例如，702)在图中不利用“M”来标记。图中的这些标记仅是例示性的；通常，可使用确定块处是否存在运动的任何指示。运动矩阵114可按任何合适的方式表示帧的一个或更多个块的运动信息，包括例如作为二进制串、值阵列、或者作为被编码为帧或者与帧本身关联的信息。运动矩阵可以是或者可以不是值的矩形阵列。
在上述示例中，亮度作为在帧的各个块中评估运动所基于的图像特性被提供给运动检测器115。然而，使用亮度在某些条件下可遭受差的性能(例如，场景中的光照条件的变化可导致假阳性运动决策。可利用块的一个或更多个分量的散布的度量(例如，RGB帧的红色、绿色和蓝色通道)和/或块的亮度的散布的度量来实现更稳健的性能。散布的度量可以是图像特性的变化的任何合适的度量，例如方差或标准偏差。
现在将参照图1描述示例，其中由运动检测器基于针对块的红色、绿色和蓝色通道中的每一个形成的空间标准偏差来执行运动检测。相机模块101被配置为针对帧的各个块提供红色、绿色和蓝色通道中的每一个在块的像素上的平方值之和作为图像特性108。从这些和，可计算红色、绿色和蓝色通道中的每一个的空间标准偏差。例如，块内的红色通道的标准偏差可根据下式来确定：
其中Ri是块的像素的红色通道像素值，Npixels是块中的像素的数量。
可直接从各个像素的红色、绿色和蓝色像素值计算块内的像素值的复合空间标准偏差。可在分选控制器109处形成这种复合空间标准偏差以表示块的亮度的标准偏差。例如，可在分选控制器处从作为图像特性接收的红色、绿色和蓝色像素值(或其平方)计算块的亮度的标准偏差：
其中像素的亮度Yi(或其平方)可例如作为图像特性108从相机模块101接收，或者从针对各个像素接收的红色、绿色和蓝色像素值(或其平方)计算。
可在上式2至14中代替亮度值Yi使用块的亮度的标准偏差σluminance。上面参照图1至图7以及式1至14描述的使用亮度值的任何示例、另选方式或选项加以必要变通应用于使用亮度或其它图像特性的标准偏差(或者散布的其它度量)。代替亮度使用标准偏差，分选控制器109被配置为针对各个块维持块的亮度的空间标准偏差的概率分布。因此，在各个帧处，针对块接收的标准偏差根据分选分布被分选到该块的学习的分布中。块逻辑110被配置为就帧序列的一个或更多个块中是否存在运动形成二进制决策。可如上所述基于预定义或自适应阈值形成决策。
在本文所描述的示例中，决策逻辑116可被配置为使用在运动检测器115处针对帧的一个或更多个块生成的运动信息(例如，运动矩阵)来形成帧的运动输出117。例如，块逻辑116可被配置为当在落在所定义的感兴趣内的一个或更多个块中检测到运动时在帧中标识出运动，或者当预定邻接数量的块指示运动时可标识出运动。帧的运动输出117可采取任何合适的形式，包括作为二进制指示或者帧中观察到的运动程度的某种度量(例如，运动检测器115标识为代表运动的块的数量或比例)。
决策逻辑还可接收(例如，与运动矩阵一起或者包括在运动矩阵中)在假定由分选控制器针对那些块形成的直方图表示频率分布的情况下出现块亮度值的可能性的度量(例如，在块逻辑处形成)。这可允许决策逻辑进一步解释针对帧形成的运动矩阵。例如，决策逻辑可被配置为检查运动矩阵中没有指示运动的一个或更多个块是否在其相应帧中被运动矩阵中指示运动的块围绕，并且如果是这种情况，则在其相应的可能性的度量落在由块逻辑确定的预定义或自适应阈值附近的情况下，将那些被围绕的块也解释为指示运动。
根据本文所描述的原理配置的运动检测器115可在低功率处理器处实现。由运动检测器或者关联的决策逻辑117生成的块或帧的运动输出(例如，117)可被布置为唤醒另一处理器(例如，编码器106)。此特定示例使得能够以节能方式实现运动激活记录。
帧包括多个像素，各个像素具有关联的图像特性。本文中使用术语像素来表示关于其计算、采样、感测或者以其它方式形成图像特性的任何类型的图像元素。像素不限于与数字相机的感测元件(例如，红色、绿色或蓝色感测元件或其收集)具有一对一对应关系。如本文所用，术语随机涵盖真实随机和伪随机分布、选择或值二者；术语伪随机涵盖真实随机和伪随机分布、选择或值二者。
图1的相机模块和运动检测器被示出为包括若干功能块。这仅是示意性的，并非意在限定这些实体的不同逻辑元件之间的严格划分。各个功能块可按照任何合适的方式设置。将理解，本文中被描述为由相机模块或运动检测器的任何实体形成的中间值无需由相机模块或运动检测器在任何点物理地生成，可仅仅表示方便地描述由相机模块或运动检测器在其输入和输出之间执行的处理的逻辑值。
图4和图6的流程图仅是示意性的。那些流程图中所示的示例中的步骤的间距和相对位置不应被当作以绝对方式或相对于其它步骤指示各个步骤发生的精确时间。流程图仅仅示出根据本文所描述的示例可执行步骤的示例性顺序。
通常，上述任何功能、方法、技术或组件可实现于软件、固件、硬件(例如，固定逻辑电路)或其组合中。本文中可使用术语“模块”、“功能”、“组件”、“元件”、“单元”、“块”和“逻辑”来总体地表示软件、固件、硬件或其任何组合。在软件实现方式的情况下，模块、功能、组件、元件、单元、块或逻辑表示当在处理器上执行那时执行所指定的任务的程序代码。本文所述的算法和方法可由执行代码的一个或更多个处理器来执行，所述代码使得处理器执行所述算法/方法。计算机可读存储介质的示例包括随机存取存储器(RAM)、只读存储器(ROM)、光盘、快闪存储器、硬盘存储器以及可使用磁、光以及其它技术来存储指令或其它数据并且可由机器访问的其它存储器装置。
如本文所用，术语计算机程序代码和计算机可读指令表示用于处理器的任何类型的可执行代码，包括以机器语言表示的代码、解释性语言或脚本语言。可执行代码包括二进制代码、机器代码、字节代码、定义集成电路的代码(例如，硬件描述语言或网表)以及以诸如C、Java或OpenCL的编程语言代码表示的代码。可执行代码可以是例如任何类型的软件、固件、脚本、模块或库，其在虚拟机或其它软件环境处被适当地执行、处理、解释、编译、执行时，使得支持可执行代码的计算机系统的处理器执行代码所指定的任务。
处理器、计算机或计算机系统可以是任何类型的装置、机器或专用电路、或者其收集或一部分，其具有处理能力以使得它可执行指令。处理器可以是任何类型的通用或专用处理器，例如CPU、GPU、系统芯片、状态机、媒体处理器、专用集成电路(ASIC)、可编程逻辑阵列、现场可编程门阵列(FPGA)等。计算机或计算机系统可包括一个或更多个处理器。
还旨在涵盖定义如本文所述的硬件的配置的软件，例如HDL(硬件描述语言)软件，其用于设计集成电路，或者用于配置可编程芯片，以执行期望的功能。即，可提供一种以集成电路定义数据集的形式编码有计算机可读程序代码的计算机可读存储介质，所述集成电路定义数据集在集成电路制造系统中被处理时配置所述系统制造被配置为执行本文所述的任何方法的设备，或者制造本文所述的设备。集成电路定义数据集可以是例如集成电路描述。
集成电路定义数据集可为计算机代码的形式，例如作为网表、用于配置可编程芯片的代码、作为在任何级别定义集成电路的硬件描述语言，包括作为寄存器传送级(RTL)代码、作为高级电路表示(例如，Verilog或VHDL)以及作为低级电路表示(例如，OASIS(RTM)和GDSII)。逻辑上定义集成电路的高级表示(例如，RTL)可在被配置用于在包括电路元件的定义以及组合那些元件的规则的软件环境的上下文中生成集成电路的制造定义的计算机系统处被处理以便生成由所述表示如此定义的集成电路的制造定义。软件在计算机系统处执行以定义机器时通常是这样，为了使被配置用于生成集成电路的制造定义的计算机系统执行定义集成电路的代码，可能需要一个或更多个中间用户步骤(例如，提供命令、变量等)以生成该集成电路的制造定义。
现在将参照图8描述在集成电路制造系统处处理集成电路定义数据集以配置所述系统制造用于将输入值分选到条块阵列中的设备的示例。
图8示出包括布局处理系统1004和集成电路生成系统1006的集成电路(IC)制造系统1002的示例。IC制造系统1002被配置为接收IC定义数据集(例如，定义如本文的任何示例中所描述的设备)，处理IC定义数据集，并且根据IC定义数据集来生成IC(例如，实现如本文的任何示例中所描述的设备)。IC定义数据集的处理配置IC制造系统1002制造实现如本文的任何示例中所描述的设备的集成电路。
布局处理系统1004被配置为接收并处理IC定义数据集以确定电路布局。从IC定义数据集确定电路布局的方法是本领域已知的，例如可涉及合成RTL代码以确定要生成的电路的门级表示(例如，从逻辑组件(例如，NAND、NOR、AND、OR、MUX和FLIP-FLOP组件)方面)。可从电路的门级表示通过确定逻辑组件的位置信息来确定电路布局。这可自动地进行或者通过用户参与来进行，以便优化电路布局。当布局处理系统1004确定了电路布局时，它可向IC生成系统1006输出电路布局定义。电路布局定义可以是例如电路布局描述。
IC生成系统1006根据电路布局定义来生成IC，如本领域已知的。例如，IC生成系统1006可实现半导体装置制造工艺以生成IC，这可涉及在由半导体材料制成的晶圆上逐渐形成电子电路的多步的照相平版印刷和化学处理步骤序列。电路布局定义可为掩模的形式，该掩模可用在用于根据电路定义生成IC的平版印刷工艺中。另选地，提供给IC生成系统1006的电路布局定义可为计算机可读代码的形式，IC生成系统1006可使用其来形成用于生成IC的合适掩模。
由IC制造系统1002执行的不同处理可全部在一个位置实现(例如，由一方实现)。另选地，IC制造系统1002可以是分布式系统，使得一些处理可在不同位置处执行，并且可由不同方执行。例如，一些阶段：(i)合成表示IC定义数据集的RTL代码以形成要生成的电路的门级表示、(ii)基于门级表示来生成电路布局、(iii)根据电路布局来形成掩模以及(iv)利用该掩模制造集成电路，可在不同位置执行和/或由不同方执行。
在其它示例中，在集成电路制造系统处处理集成电路定义数据集可配置所述系统制造设备，而无需处理IC定义数据集以生成电路布局。例如，集成电路定义数据集可定义可重配置处理器(例如，FPGA)的配置，并且处理该数据集可配置IC制造系统生成具有该定义的配置的可重配置处理器(例如，通过将配置数据加载到FPGA)。
在一些实施方式中，集成电路制造定义数据集当在集成电路制造系统中被处理时可使得集成电路制造系统生成如本文所述的装置。例如，通过集成电路制造定义数据集按照上面关于图8所描述的方式配置集成电路制造系统可使得如本文所述的装置被制造。
在一些示例中，集成电路定义数据集可包括在数据集处定义的硬件上运行或者与数据集处定义的硬件组合的软件。在图8所示的示例中，IC生成系统还可由集成电路定义数据集配置，以在制造集成电路时根据集成电路定义数据集处定义的程序代码将固件加载到集成电路上，或者向程序代码提供集成电路以随集成电路一起使用。
申请人由此孤立地公开了本文所述的各个单独的特征以及两个或更多个这些特征的任何组合，使得这些特征或组合能够依据本领域技术人员的公知常识基于本说明书作为整体来实现，而不管这些特征或特征的组合是否解决本文所公开的任何问题。鉴于以上描述，对于本领域技术人员而言将显而易见的是，在本发明的范围内可进行各种修改。

Claims (23)

1.一种将输入值分选到条块阵列中的设备，各个条块表示一定范围的输入值并且所述条块共同地表示输入值的直方图，所述设备包括：
用于接收所述输入值的输入端；
用于存储所述阵列的存储器；以及
分选控制器，该分选控制器被配置为：
根据关于所述输入值所设置的分选分布从所述输入值获得多个条块值，所述分选分布跨越一定范围的输入值，并且各个条块值具有取决于所述条块值在所述分选分布中的位置的相应输入值；以及
将所述多个条块值分配给所述阵列中的多个条块，各个条块值被分配给根据所述条块值的相应输入值选择的条块。
2.根据权利要求1所述的设备，其中，所述分选分布为以下中的至少一个：
以所述输入值为中心；以及
高斯分布或高斯分布的近似。
3.根据权利要求1或权利要求2所述的设备，其中，所述输入值是从图像帧的一个或更多个像素获得的图像特性。
4.根据权利要求1或权利要求2所述的设备，其中，所述分选控制器被配置为以下列方式中的至少一种选择所述分选分布的跨度：
根据一个或更多个预定义参数或自适应参数；以及
依据由所述条块阵列表示的所述直方图的稀疏度的度量。
5.根据权利要求1或权利要求2所述的设备，其中，所述分选控制器被配置为在将所述多个条块值中的每一个分配给其相应条块之前，根据预定义的衰减因子使保持在所述条块阵列的值衰减。
6.根据权利要求1或权利要求2所述的设备，其中，所述分选控制器被配置为通过依据所述输入值缩放所述分选分布来从所述输入值获得所述多个条块值，所述多个条块值中的每一个是所述分选分布在所述阵列的相应条块处的缩放的高度。
7.根据权利要求1或权利要求2所述的设备，其中，在所述输入端处接收被表示为多个分量值的所述输入值。
8.一种用于检测输入值序列的变化的数据处理装置，该数据处理装置包括：
根据权利要求1或权利要求2所述的设备，该设备被配置为通过将所述序列中的多个输入值分选到所述条块阵列中来生成所述多个输入值的直方图；以及
变化检测逻辑，该变化检测逻辑被配置为使用所述直方图来估计所接收的输入值的可能性，并且依据所估计的可能性来生成所述输入值的变化的度量。
9.根据权利要求8所述的数据处理装置，其中，所估计的可能性表示在假定由所述直方图表示输入值的频率分布的情况下出现所接收的输入值的概率的度量。
10.根据权利要求9所述的数据处理装置，其中，所述变化检测逻辑被配置为依据所述阵列中的与所接收的输入值对应的条块的值来形成所述概率的度量。
11.根据权利要求10所述的数据处理装置，其中，所述变化检测逻辑被配置为从所述阵列中的条块获得归一化的直方图，并且使用所述归一化的直方图中的与所接收的输入值对应的条块的值作为所述概率的度量。
12.根据权利要求11所述的数据处理装置，其中，所述变化检测逻辑被配置为获得所述归一化的直方图，使得所述直方图中的条块的和为1。
13.根据权利要求8所述的数据处理装置，其中，所述变化检测逻辑被配置为通过将所估计的可能性与预定义阈值或自适应阈值进行比较来生成所述输入值的变化的度量。
14.根据权利要求13所述的数据处理装置，其中，如果所估计的可能性超过所述预定义阈值或自适应阈值，则所述变化的度量指示所述输入值序列的变化。
15.根据权利要求13所述的数据处理装置，其中，所述变化检测逻辑被配置为通过按照值的降序对所述条块求和并且标识该和首次超过预定义的总数处的阈值条块来形成所述自适应阈值，并且依据所述阈值条块的值来获得所述自适应阈值。
16.根据权利要求8所述的数据处理装置，其中，所述输入值是针对帧的像素块接收的图像特性。
17.根据权利要求16所述的数据处理装置，其中，所述数据处理装置用于检测所述像素块中的运动。
18.根据权利要求8所述的数据处理装置，其中，所述输入值是针对音频信号接收的音频特性。
19.根据权利要求18所述的数据处理装置，其中，所述数据处理装置用于检测所述音频信号的电平的变化。
20.根据权利要求8所述的数据处理装置，其中，所述输入值是亮度、色调、明度、光亮度、色度、彩度、饱和度或者其变化的度量中的一个或更多个。
21.根据权利要求8所述的数据处理装置，该数据处理装置被配置为依据所述变化的度量来唤醒处理器。
22.一种将输入值分选到条块阵列中的计算机实现的方法，各个条块表示一定范围的输入值并且所述条块共同地表示输入值的直方图，所述方法包括以下步骤：
接收输入值；
根据关于所述输入值所设置的分选分布从所述输入值获得多个条块值，所述分选分布跨越一定范围的输入值并且各个条块值具有由所述条块值在所述分选分布中的位置指示的相应输入值；以及
将所述多个条块值分配给多个条块，各个条块值被分配给根据所述条块值的相应输入值选择的条块。
23.一种集成电路制造系统，该集成电路制造系统包括：
存储有描述根据权利要求1所述的设备的计算机可读集成电路描述的非瞬时计算机可读存储介质；
布局处理系统，该布局处理系统被配置为处理所述集成电路描述以生成实现所述设备的集成电路的电路布局描述；以及
集成电路生成系统，该集成电路生成系统被配置为根据所述电路布局描述来制造所述设备。
CN201710183394.2A 2016-03-24 2017-03-24 分选输入值的设备、方法、制造系统和数据处理装置 Active CN107240116B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
GB1605115.3 2016-03-24
GB1605115.3A GB2549073B (en) 2016-03-24 2016-03-24 Generating sparse sample histograms

Publications (2)

Publication Number Publication Date
CN107240116A true CN107240116A (zh) 2017-10-10
CN107240116B CN107240116B (zh) 2022-06-17

Family

ID=56027409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710183394.2A Active CN107240116B (zh) 2016-03-24 2017-03-24 分选输入值的设备、方法、制造系统和数据处理装置

Country Status (4)

Country Link
US (3) US10306161B2 (zh)
EP (1) EP3223240B1 (zh)
CN (1) CN107240116B (zh)
GB (1) GB2549073B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2549073B (en) * 2016-03-24 2020-02-26 Imagination Tech Ltd Generating sparse sample histograms
KR102615070B1 (ko) * 2016-10-12 2023-12-19 삼성전자주식회사 디스플레이 장치, 및 그 제어방법
US10929945B2 (en) * 2017-07-28 2021-02-23 Google Llc Image capture devices featuring intelligent use of lightweight hardware-generated statistics
US20220325946A1 (en) * 2021-04-12 2022-10-13 Haier Us Appliance Solutions, Inc. Selective image capture using a plurality of cameras in a refrigerator appliance

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216942A (zh) * 2008-01-14 2008-07-09 浙江大学 一种自适应选取权重的增量式特征背景建模算法
CN101295486A (zh) * 2007-04-24 2008-10-29 株式会社瑞萨科技 显示装置、显示装置驱动电路以及图像显示方法
US20130329076A1 (en) * 2012-06-06 2013-12-12 Aptina Imaging Corporation Method and apparatus for pixel data extrema detection and histogram generation
US20140205157A1 (en) * 2013-01-24 2014-07-24 Fujitsu Limited Image processing device, method for processing image
CN105023258A (zh) * 2014-05-01 2015-11-04 想象技术有限公司 噪声增强直方图

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5600574A (en) * 1994-05-13 1997-02-04 Minnesota Mining And Manufacturing Company Automated image quality control
KR20010081894A (ko) * 2000-02-18 2001-08-29 구자홍 이종 시스템간의 내용기반 멀티미디어 검색을 가능하게하는 칼라 히스토그램 변환방법, 멀티미디어 검색 방법,데이터 구조 및 멀티미디어 검색 시스템
KR100393071B1 (ko) * 2001-08-18 2003-07-31 삼성전자주식회사 영상의 히스토그램 평활화 장치 및 방법
US6996277B2 (en) * 2002-01-07 2006-02-07 Xerox Corporation Image type classification using color discreteness features
US6985628B2 (en) * 2002-01-07 2006-01-10 Xerox Corporation Image type classification using edge features
US7454058B2 (en) * 2005-02-07 2008-11-18 Mitsubishi Electric Research Lab, Inc. Method of extracting and searching integral histograms of data samples
US8831716B2 (en) * 2007-09-11 2014-09-09 Cardiac Pacemakers, Inc. Histogram-based thoracic impedance monitoring
EP2180461A1 (en) * 2008-10-23 2010-04-28 TPO Displays Corp. Method of color gamut mapping of color input values of input image pixels of an input image to RGBW output values for an RGBW display, display module, display controller and apparatus using such method
US9001200B2 (en) * 2010-01-12 2015-04-07 Bio-Rad Laboratories, Inc. Cell characterization using multiple focus planes
KR101500711B1 (ko) * 2012-01-19 2015-03-10 한국전자통신연구원 컬러 히스토그램을 이용한 사람 추적 방법
US8970739B2 (en) * 2012-03-05 2015-03-03 Apple Inc. Devices and methods for creating structure histograms for use in image enhancement
US8868474B2 (en) * 2012-08-01 2014-10-21 Empire Technology Development Llc Anomaly detection for cloud monitoring
CN105005755B (zh) * 2014-04-25 2019-03-29 北京邮电大学 三维人脸识别方法和系统
US10459932B2 (en) * 2014-12-18 2019-10-29 Business Objects Software Ltd Visualizing large data volumes utilizing initial sampling and multi-stage calculations
US10711590B2 (en) * 2014-12-31 2020-07-14 Halliburton Energy Services, Inc. Visualization of look-ahead sensor data for wellbore drilling tools
WO2016135597A1 (en) * 2015-02-25 2016-09-01 Koninklijke Philips N.V. Apparatus, method and system for resolution dependent graphical representation of signals
GB2549073B (en) * 2016-03-24 2020-02-26 Imagination Tech Ltd Generating sparse sample histograms
GB2549074B (en) * 2016-03-24 2019-07-17 Imagination Tech Ltd Learned feature motion detection
US11282695B2 (en) * 2017-09-26 2022-03-22 Samsung Electronics Co., Ltd. Systems and methods for wafer map analysis
US10346728B2 (en) * 2017-10-26 2019-07-09 Hitachi, Ltd. Nodule detection with false positive reduction
KR102580271B1 (ko) * 2021-02-25 2023-09-20 삼성전자주식회사 이미지센서를 이용한 다중 생체신호 측정 장치 및 방법과, 전자장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101295486A (zh) * 2007-04-24 2008-10-29 株式会社瑞萨科技 显示装置、显示装置驱动电路以及图像显示方法
CN101216942A (zh) * 2008-01-14 2008-07-09 浙江大学 一种自适应选取权重的增量式特征背景建模算法
US20130329076A1 (en) * 2012-06-06 2013-12-12 Aptina Imaging Corporation Method and apparatus for pixel data extrema detection and histogram generation
US20140205157A1 (en) * 2013-01-24 2014-07-24 Fujitsu Limited Image processing device, method for processing image
CN105023258A (zh) * 2014-05-01 2015-11-04 想象技术有限公司 噪声增强直方图

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AHMED ELGAMMAL ET AL: "Background and Foreground Modeling Using Nonparametric Kernel Density for Visual Surveillance", 《PROCEEDINGS OF THE IEEE》 *

Also Published As

Publication number Publication date
GB2549073B (en) 2020-02-26
US11616920B2 (en) 2023-03-28
EP3223240B1 (en) 2020-02-12
US20190246050A1 (en) 2019-08-08
EP3223240A2 (en) 2017-09-27
EP3223240A3 (en) 2017-11-08
CN107240116B (zh) 2022-06-17
GB2549073A (en) 2017-10-11
GB201605115D0 (en) 2016-05-11
US20170280069A1 (en) 2017-09-28
US20210152760A1 (en) 2021-05-20
US10904461B2 (en) 2021-01-26
US20230232127A1 (en) 2023-07-20
US10306161B2 (en) 2019-05-28

Similar Documents

Publication Publication Date Title
CN107230215A (zh) 学习特征运动检测
CN107240116A (zh) 生成稀疏样本直方图
CN109977886B (zh) 货架空置率计算方法及装置、电子设备、存储介质
US10410084B2 (en) Devices, systems, and methods for anomaly detection
CN102891966B (zh) 数码成像设备的对焦方法及装置
CN105608459B (zh) 商品图片的分割方法及其装置
CN104052979B (zh) 用于图像处理的装置和技术
CN104811692A (zh) 用于测试摄像模组的图片及其方法
Souza et al. Real-time high-quality specular highlight removal using efficient pixel clustering
Losson et al. Color texture analysis using CFA chromatic co-occurrence matrices
CN112507923A (zh) 证件翻拍检测方法、装置、电子设备及介质
CN114155241A (zh) 一种异物检测方法、装置及电子设备
CN108364298A (zh) 用于将像素识别为局部极值点的方法和布置
CN105354833A (zh) 一种阴影检测的方法和装置
JP7251426B2 (ja) 付着物検出装置および付着物検出方法
WO2020151529A1 (zh) 服装图像分类、图像分类方法、装置及设备
Techawatcharapaikul et al. Improved radiometric calibration by brightness transfer function based noise & outlier removal and weighted least square minimization
Wang et al. A novel deghosting method for exposure fusion
US12003871B2 (en) Generating sparse sample histograms in image processing
CN116681926A (zh) 一种二维码颜色识别方法、系统、装置与存储介质
CN115130367A (zh) 布片信息数字化系统及其方法

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
GR01 Patent grant
GR01 Patent grant