CN109416838A - 用于基于图像模糊度确定接近度的技术 - Google Patents

用于基于图像模糊度确定接近度的技术 Download PDF

Info

Publication number
CN109416838A
CN109416838A CN201780039157.7A CN201780039157A CN109416838A CN 109416838 A CN109416838 A CN 109416838A CN 201780039157 A CN201780039157 A CN 201780039157A CN 109416838 A CN109416838 A CN 109416838A
Authority
CN
China
Prior art keywords
image
described image
measurement
degree
approach
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
Application number
CN201780039157.7A
Other languages
English (en)
Inventor
E·C·帕克
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
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 Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN109416838A publication Critical patent/CN109416838A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/0304—Detection arrangements using opto-electronic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/529—Depth or shape recovery from texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Telephone Function (AREA)
  • Image Analysis (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明的某些方面大体上涉及基于图像模糊度确定接近度。在一些方面中，装置可分析通过所述装置的图像传感器所感测的图像。所述装置可基于分析所述图像确定度量。所述度量可提供所述图像的模糊度或清晰度的指示。所述装置可基于所述度量确定与所述图像相关联的接近度的测量值。

Description

用于基于图像模糊度确定接近度的技术
技术领域
本发明的方面大体上涉及用于确定接近度的技术，且更具体地说，涉及用于基于图像模糊度确定接近度的技术。
背景技术
接近度传感器可以指能够检测附近对象的存在而无需与对象的任何物理接触的传感器。接近度传感器可发射电磁场或电磁辐射(例如，红外)的波束，并且检测场或返回信号中的变化。所感测的对象通常被称作接近度传感器的目标。不同的接近度传感器可用于检测不同目标。举例来说，电容式或光电传感器可适用于塑料目标，而电感式接近度传感器可适用于金属目标。其它实例接近度传感器包含红外发光二极管(LED)、环境光传感器、磁传感器、基于声音的传感器、基于多普勒的传感器、电感式传感器和雷达传感器。
发明内容
在一些方面中，方法可以包含通过装置分析装置的图像传感器所感测的图像。所述方法可以包含基于分析图像通过装置确定度量。所述度量可提供图像的模糊度或清晰度的指示。所述方法可以包含通过装置并且基于度量确定与图像相关联的接近度的测量值。
在一些方面中，装置可以包含一或多个处理器以分析通过装置的图像传感器所感测的图像。所述一或多个处理器可基于分析图像确定度量。所述度量可提供图像的模糊度或清晰度的指示。所述一或多个处理器可基于度量确定与图像相关联的接近度的测量值。
在一些方面中，非暂时性计算机可读媒体可存储一或多个指令，所述指令在由装置的一或多个处理器执行时，使得所述一或多个处理器分析通过装置的图像传感器所感测的图像。所述一或多个指令可使得一或多个处理器基于分析图像确定度量。所述度量可提供图像的模糊度或清晰度的指示。所述一或多个指令可使得所述一或多个处理器基于所述度量确定与图像相关联的接近度的测量值。
在一些方面中，设备可以包含用于分析通过设备的图像传感器所感测的图像的装置。所述设备可以包含用于基于分析图像确定度量的装置。所述度量可提供图像的模糊度或清晰度的指示。所述设备可以包含用于基于度量确定与图像相关联的接近度的测量值的装置。
前文已相当广泛地概述了根据本发明的实例的特征及技术优点以便可以更好的理解后面的详细描述。将在下文中描述额外特征和优点。所公开的概念和具体实例可以容易地用作修改或设计用于执行本发明的相同目的的其它结构的基础。此类等效构造并不脱离所附权利要求书的范围。本文中所公开的概念的特性，当结合附图考虑时其组织及操作的方法两者连同相关联优点将从以下描述中更好地理解。图中的每一者都出于说明及描述的目的而提供且并不提供为对权利要求书的限制的界定。
附图说明
为了可详细地理解本发明的上述特征的方式，可通过参考各方面来作出上文简要地概括的更特定描述，所述方面中的一些在附图中加以说明。然而，应注意，附图仅说明本发明的某些典型方面且因此不应被视为限制本发明的范围，这是因为描述可准许其它同等有效的方面。不同图式中的相同参考标号可识别相同或类似的元件。
图1是根据本发明的各种方面说明可以实施本文中所描述的技术的实例环境的图式。
图2是根据本发明的各种方面说明图1中所示的一或多个装置(例如，图像监测装置110)的实例组件的图式。
图3是根据本发明的各种方面说明基于图像模糊度确定接近度的测量值的实例的图式。
图4是根据本发明的各种方面说明基于图像模糊度确定接近度的测量值的另一实例的图式。
图5是根据本发明的各种方面说明基于图像模糊度确定接近度的测量值的另一实例的图式。
图6是根据本发明的各种方面说明用于基于图像模糊度确定接近度的测量值的另一实例过程的图式。
具体实施方式
下文结合附图而陈述的详细描述意图作为对各种配置的描述，而并非意图表示可实践本文中所描述的概念的唯一配置。所述详细描述为了提供对各种概念的透彻理解而包含具体细节。然而，对于所属领域的技术人员来说将显而易见的是，可在没有这些具体细节的情况下实践这些概念。
许多装置(例如，移动装置(例如，智能电话))可以包含接近度传感器以检测对象与装置之间的接近度。这些接近度传感器通常包含LED发射器和检测器，例如，环境光传感器。所述装置还可以包含其它类型的传感器，例如，图像传感器。当多个传感器存在于装置(例如，智能电话)上时，每个传感器可能需要在装置上或装置中的空间以容纳传感器的组件，或者可能需要在装置的外壳中的孔以俘获图像、发射光、检测光，或类似者。这可能增加装置的材料(BOM)开销的账单、可能增加装置的所需要的大小、可能增加由装置使用的计算资源(例如，存储器或处理器资源)的量，或类似者。本文中所描述的方面使用图像传感器以基于所感测的图像的模糊度或清晰度确定接近度，由此消除对单独的接近度传感器的需要且减少开销、所需要的大小以及使用图像传感器的装置的计算资源的利用。
图1是根据本发明的各种方面说明可以实施本文中所描述的技术的实例环境100的图式。如图1中所示，环境100可以包含一或多个图像监测装置110，例如，移动装置120和/或占用传感器130。如进一步所示，环境100可以包含配置装置140、处理装置150和/或网络160。环境100的装置可经由有线连接、无线连接或有线和无线连接的组合互连。
图像监测装置110包含能够感测图像并且基于图像的模糊度或清晰度确定与图像相关联的接近度的测量值的一或多个装置。举例来说，图像监测装置110可以包含移动装置120、占用传感器130，或另一类型的装置，如下文更详细地描述。
移动装置120是图像监测装置110的类型的实例。移动装置120可以包含便携式电子装置，例如，无线通信装置(例如，用户设备、移动电话、智能电话等)、膝上型计算机、平板计算机、游戏装置、可穿戴通信装置(例如，智能腕表，一副智能眼镜、智能束带等)，或类似类型的装置。在一些方面中，移动装置120可与配置装置140和/或处理装置150通信，以便接收用于配置移动装置120的配置信息或者提供与基于图像模糊度或清晰度确定接近度相关联的输出。
占用传感器130是图像监测装置110的类型的实例。占用传感器130可以包含检测个人或对象对空间的占用的装置。在一些方面中，占用传感器130包含安全装置，例如，眼睛扫描仪(例如，视网膜扫描仪、虹膜扫描仪等)、拇指指纹扫描仪、安全摄像机或类似者，它们可基于对象(例如，眼睛、拇指等)到占用传感器130的接近度开启和/或操作。在一些方面中，占用传感器130可以在较大装置内实施，例如，查询一体机、计算机，或类似者。在一些方面中，占用传感器130可与配置装置140和/或处理装置150通信，以便接收用于配置占用传感器130的配置信息或者提供与基于图像模糊度或清晰度确定接近度相关联的输出。
配置装置140包含能够接收、产生、存储、处理和/或提供与基于图像模糊度或清晰度确定接近度相关联的信息的一或多个装置。举例来说，配置装置140可以包含通信和/或计算装置，例如，桌上型计算机、膝上型计算机、平板计算机、无线通信装置、服务器或类似类型的装置。在一些方面中，配置装置140可接收与配置图像监测装置110相关联的输入(例如，以基于图像模糊度确定接近度)，并且可将输出和/或指令提供到图像监测装置110以基于输入使用配置信息配置图像监测装置110。
处理装置150包含能够接收、产生、存储、处理和/或提供与基于图像模糊度或清晰度确定接近度相关联的信息的一或多个服务器装置。举例来说，处理装置150可以包含通信和/或计算装置，例如，桌上型计算机、膝上型计算机、平板计算机、无线通信装置、服务器或类似类型的装置。在一些方面中，处理装置150可从图像监测装置110接收输出信息，例如，与基于图像模糊度确定接近度相关联的信息。在一些方面中，处理装置150可提供输出信息以供显示、可处理输出信息，和/或可基于处理输出信息将指令提供到另一装置(例如，图像监测装置110)。举例来说，处理装置150可基于处理输出信息提供用于重新配置图像监测装置110的信息。
作为一个实例，配置装置140和/或处理装置150可调节用于将指示模糊度或清晰度的度量映射到所估计的接近度的一或多个参数。举例来说，一或多个度量值可对应于特定接近度和/或接近度的特定范围。在一些方面中，配置装置140和/或处理装置150可接收输入和/或可应用机器学习以调节参数，并且可将调节过的参数提供到图像监测装置110以用于基于度量估计接近度。
网络160包含一或多个有线和/或无线网络。举例来说，网络160可以包含蜂窝式网络(例如，长期演进(LTE)网络、第三代(3G)网络、码分多址(CDMA)网络等)、公众陆地移动电话网(PLMN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、电话网(例如，公共交换电话网络(PSTN))、私用网络、特用网路、企业内部网、因特网、基于光纤的网络、云计算网络，或类似者，和/或这些或其它类型的网络的组合。
图1中所示的装置和网络的数量和布置是作为一个实例提供的。在实践中，可能存在与图1中所示的那些相比额外的装置的和/或网络、更少的装置和/或网络、不同的装置和/或网络，或不同地布置的装置和/或网络。此外，图1中所示的两个或大于两个装置可以在单个装置内实施，或图1中所示的单个装置可以被实施为多个分散的装置。在一些方面中，当图1中所示的两个或大于两个装置在单个装置内实施时，所述两个或大于两个装置可经由总线通信。另外或替代地，环境100的装置的集合(例如，一或多个装置)可执行被描述为由环境100的装置的另一集合执行的一或多个功能。作为一个实例，配置装置140和处理装置150可以在单个装置内实施。
图2是装置200的实例组件的图式。装置200可对应于图像监测装置110、移动装置120、占用传感器130、配置装置140和/或处理装置150。在一些方面中，图像监测装置110、移动装置120、占用传感器130、配置装置140和/或处理装置150可以包含一或多个装置200和/或装置200的一或多个组件。如图2中所示，装置200可以包含总线205、处理器210、存储器215、存储组件220、输入组件225、输出组件230、通信接口235、图像传感器240、接近度传感器245和加速计250。
总线205包含允许在装置200的组件之中通信的组件。处理器210包含解译和/或执行指令的处理器(例如，中央处理单元(CPU)、图形处理单元(GPU)、加速处理单元(APU)和/或数字信号处理器(DSP)、微处理器、微控制器、和/或任何处理组件(例如，现场可编程门阵列(FPGA)和/或专用集成电路(ASIC))。处理器210实施于硬件、固件或硬件与软件的组合中。在一些方面中，处理器210包含能够经编程以执行功能的一或多个处理器。存储器215包含随机存取存储器(RAM)、只读存储器(ROM)，和/或存储供处理器210使用的信息和/或指令的另一类型的动态或静态存储装置(例如，快闪存储器、磁性存储器和/或光学存储器)。
存储组件220存储涉及装置200的操作和使用的信息和/或软件。举例来说，存储组件220可以包含硬盘(例如，磁盘、光盘、磁-光盘，和/或固态盘)、压缩光盘(CD)、数字多功能光盘(DVD)、软盘、盒带、磁带，和/或另一类型的非暂时性计算机可读媒体，连同对应的驱动器。
输入组件225包含允许装置200例如经由用户输入(例如，触摸屏显示器、键盘、小键盘、鼠标、按钮、开关和/或麦克风)接收信息的组件。另外或替代地，输入组件225可以包含用于感测信息的传感器(例如，图像传感器、全球定位系统(GPS)组件、加速计、陀螺仪和/或致动器)。输出组件230包含从装置200(例如，显示器、扬声器和/或一或多个发光二极管(LED))提供输出的组件。
通信接口235包含例如经由有线连接、无线连接或有线和无线连接的组合使得装置200与其它装置通信的收发器和/或单独的接收器和发射器。通信接口235可允许装置200从另一装置接收信息和/或将信息提供到另一装置。举例来说，通信接口235可以包含以太网接口、光学接口、同轴接口、红外接口、射频(RF)接口、通用串行总线(USB)接口、Wi-Fi接口、蜂窝式网络接口、无线调制解调器、内置集成电路(I2C)、串行外围接口(SPI)，或类似者。
图像传感器240包含用于感测和/或俘获图像的组件。在一些方面中，图像传感器240包含低功率图像传感器，所述低功率图像传感器可能不包含相机。举例来说，图像传感器240可能具有固定焦距和/或严格地界定的焦距。在一些方面中，图像传感器240和/或图像传感器240的焦距可经配置以在距离图像传感器240较短的距离内俘获图像，例如，2厘米(cm)、5cm、10cm，或类似者。在一些方面中，当包含图像传感器240的装置开启时图像传感器240可总是开启。通过这种方式，与基于用户输入俘获图像且并不总是开启的相机相反，图像传感器240可连续地感测图像和/或可感测图像而无需指示图像被俘获和/或感测的用户输入。然而，在一些方面中，图像传感器240可以包含相机或类似相机的组件。在一些方面中，装置200可以包含多个图像传感器240。
接近度传感器245包含用于基于指示图像的模糊度或清晰度的度量确定与图像(例如，通过图像传感器240所感测的)相关联的接近度的测量值的组件。举例来说，接近度传感器245可以包含一或多个处理器210，例如，图像处理器。在一些方面中，接近度传感器245可从图像传感器240接收图像和/或图像数据、可分析图像以确定度量，并且可基于度量确定接近度的测量值。接近度的测量值可指示图像和/或图像中的对象相对于装置200和/或图像传感器240的接近度。在一些方面中，与可基于分析多个图像执行自动聚焦功能的相机相反，接近度传感器245可基于由图像传感器240俘获的单个图像确定接近度。然而，在一些方面中，接近度传感器245可基于多个图像(例如，随着时间推移所感测的多个图像)确定接近度。
加速计250包含能够测量加速度的组件。在一些方面中，加速计250可用于测量装置200的移动。通过这种方式，加速计250能够测量携带装置200的用户的移动。在一些方面中，加速计250可用于确定装置200是否处于运动或静止，以测量装置200的运动的速度或加速度，和/或测量装置220的定向。此信息可用于确定装置200的用户所执行的动作，例如，用户是否将装置200拿到用户的耳朵。
装置200可执行本文中所描述的一或多个方法。装置200可响应于处理器210执行非暂时性计算机可读媒体(例如，存储器215和/或存储组件220)所存储的软件指令执行这些过程。计算机可读媒体在本文中被定义为非暂时性存储器装置。存储器装置包含在单个物理存储装置内的存储器空间或遍及多个物理存储装置的存储器空间。
软件指令可以经由通信接口235从另一计算机可读媒体或从另一装置读取到存储器215和/或存储组件220中。在被执行时，存储在存储器215和/或存储组件220中的软件指令可使得处理器210执行本文中所描述的一或多个过程。另外或替代地，硬接线电路可替代或结合软件指令使用以执行本文中所描述的一或多个过程。因此，本文中所描述的方面不限于硬件电路和软件的任何特定组合。
图2中所示的组件的数量和布置是作为一个实例提供的。在实践中，装置200可以包含与图2中所示的那些相比额外的组件、更少的组件、不同的组件，或不同地布置的组件。另外或替代地，装置200的组件的集合(例如，一或多个组件)可执行被描述为由装置200的组件的另一集合执行的一或多个功能。
图3是根据本发明的各种方面说明基于图像模糊度确定接近度的测量值的实例300的图式。
如图3中所示，用户可将移动装置120移动到用户的耳朵以拨打或接听电话。如进一步所示，移动装置120的图像传感器240可感测图像(在此情况下，用户的耳朵的特写图像)，示出为所感测的图像310。在一些方面中，图像传感器240可连续地或周期性地感测和/或俘获图像。另外或替代地，图像传感器240可基于通过加速计250测量到的加速计数据或基于一或多个其它输入(例如，基于传感器、基于时间，或类似者)感测图像。举例来说，当加速计数据满足阈值时图像传感器240可感测图像，阈值可指示用户已经将移动装置120拿到用户的耳朵。
另外或替代地，图像传感器240可基于确定检测到的光和/或辐射的量(例如，通过环境光传感器检测到的)未能满足阈值感测图像，阈值可指示用户已经将移动装置120拿到用户的耳朵。在一些方面中，当加速计数据满足阈值时移动装置120可开启光(例如，背光)，这可在移动装置120位于较暗区域中时辅助图像传感器240感测图像。
如由参考编号320所示，移动装置120可分析所感测的图像310以确定与所感测的图像310相关联的度量。在一些方面中，度量提供所感测的图像310的模糊度或清晰度的指示。以如上文所描述的类似方式，在一些方面中，移动装置120可基于确定加速计数据满足阈值和/或检测到的光的量未能满足阈值分析所感测的图像310。在一些方面中，移动装置120可分析单个图像以确定度量。在一些方面中，移动装置120可分析多个图像(例如，随着时间推移所感测的)以确定度量。
如由参考编号330所示，移动装置120可基于度量确定与所感测的图像310相关联的接近度的测量值。举例来说，与相对清晰的图像(例如，与大于或等于阈值的度量相关联)相比相对模糊的图像(例如，与小于或等于阈值的度量相关联)可指示更靠近的接近度(例如，接近度的较小测量值)。在一些方面中，不同度量值可对应于接近度的不同测量值。在实例300中，由于在所感测的图像310中测量到的模糊度的量假设度量指示用户的耳朵到图像传感器240的靠近的接近度。
基于度量和/或接近度的测量值，移动装置120可执行动作，例如，控制移动装置120的显示器。举例来说，移动装置120可调节显示器的特性。所述特性可以包含(例如)显示器是否开启或关闭、显示器的亮度：背光的亮度、分辨率或类似者。如图3中所示，作为一个实例，移动装置120可关闭移动装置120的显示器，如由参考编号340所示。通过这种方式，当移动装置120的用户不大可能看着移动装置120的显示器时(例如，当移动装置120位于用户的耳朵附近时)移动装置120可省电。
当移动装置120示出为基于接近度的测量值关闭移动装置120的显示器时，移动装置120可另外或替代地基于接近度的测量值执行一或多个其它动作。举例来说，移动装置120可开启显示器、可调暗或调亮显示器、可显示或隐藏用户接口和/或用户接口的一部分(例如，软键盘或一或多个软输入机构)、可提供警示(例如，用于由移动装置120输出和/或到另一装置)、可开启或关闭移动装置120的一或多个硬件组件，或类似者。在一些方面中，移动装置120可与掩蔽所感测的图像310的一部分结合执行这些动作中的一或多个，如下文更详细地描述。
此外，虽然实例300示出了与移动装置120相关联的实例，但是本文中所描述的方面可结合一或多个其它图像监测装置110使用，例如，占用传感器130或另一类型的装置。
如上文所指示，图3被提供为一个实例。其它实例是可能的并且可能不同于上文结合图3所描述的内容。
图4是根据本发明的各种方面说明基于图像模糊度确定接近度的测量值的另一实例400的图式。
如图4中所示并且由参考编号410所示，移动装置120可使用例如局部二值模式(LBP)或局部三值模式(LTP)的一或多个计算机视觉特征分析所感测的图像310，以确定指示所感测的图像310的模糊度或清晰度的度量。另外或替代地，移动装置120可将所感测的图像310分段成多个块、可确定用于所述多个块的多个块的相应的度量，并且可基于相应的度量确定度量。举例来说，移动装置120可使用多块局部二值模式(MB-LBP)或多块局部三值模式(MB-LTP)以确定度量。另外或替代地，移动装置120可使用过渡局部二值模式(tLBP)或过渡局部三值模式(tLTP)、方向译码局部二值模式(dLBP)或方向译码局部三值模式(dLTP)、修改后的局部二值模式(mLBP)或修改后的局部三值模式(mLTP)、中心对称局部二值模式(CS-LBP)或中心对称局部三值模式(CS-LTP)、边缘检测算法、检测图像中的纹理的算法，或类似者。
作为一个实例，为了计算局部二值模式特征向量，移动装置120可将所感测的图像310分段成单元(例如，16乘16像素的单元，或一些其它大小)，并且对于单元中的每个像素(或像素的群组)，比较所述像素(或像素群组)与所述像素的(或像素群组的)8个相邻像素(或相邻像素群组)中的每一个。虽然在本文中结合分析个体像素描述了一些方面，但是在一些方面中，移动装置120可分析像素的群组而非个体像素。
作为一个实例，如果中心像素的像素值(例如，亮度值、色彩值等)大于相邻像素值，那么向中心像素指派第一局部二值模式值(例如，0)，并且如果中心像素值小于或等于相邻像素值，那么向中心像素指派第二局部二值模式值(例如，1)。当中心像素与每个相邻像素(例如，围绕中心像素顺时针或逆时针移动)相比时，结果是8位二进制数(其可以转换成十进制数)。移动装置120可随后在单元上计算每个数的出现的频率的直方图、可对直方图进行归一化，并且可串接所有单元的直方图以计算所感测的图像310的局部二值模式特征向量。
在一些方面中，如果像素或块的特征值并不满足第一阈值(例如，小于第一阈值)，那么移动装置120可将像素或块标记为模糊。如果模糊像素或块(例如，具有并不满足第一阈值的特征值)的数量满足第二阈值，那么这可指示图像整体是模糊的。类似地，如果像素或块的特征值满足第一阈值(例如，大于或等于第一阈值)，那么移动装置120可将像素或块标记为清晰的。如果清晰像素或块(例如，具有满足第一阈值的特征值)的数量满足第二阈值，那么这可指示图像整体是清晰的。
换句话说，如果移动装置120确定像素的阈值数量类似于相邻像素(例如，在类似性的阈值程度内，如由计算机视觉特征所指示)，那么这可指示所感测的图像310是相对模糊的，并且在所感测的图像310中的对象的接近度是相对接近于移动装置120的。相反地，如果移动装置120确定像素的阈值数量不同于相邻像素(例如，在类似性的阈值程度之外，如由计算机视觉特征所指示)，那么这可指示所感测的图像310是相对清晰的，并且在所感测的图像310中的对象的接近度是相对远离移动装置120的。
在一些方面中，移动装置120可使用局部三值模式计算度量，而非局部二值模式。在此情况下，并非使用二进制值(例如，0或1)对每个像素进行分类，移动装置120可使用阈值常数将像素分类成三个值中的一个。举例来说，如果p表示相邻像素的值，c表示中心像素的值，并且k表示阈值常数，那么移动装置120可对像素进行如下分类：
在图4中，参考编号420示出了将所感测的图像310分段成多个块的实例。移动装置120可执行此分段、可计算多个块中的每一个(例如，中心块8和相邻块0到7)的相应的度量，并且可基于相应的度量确定指示所感测的图像310的模糊度或清晰度的度量。通过这种方式，移动装置120可使用一或多个计算机视觉特征以计算度量，由此增大关于估计与所感测的图像310相关联的接近度的度量的精确度。
在一些方面中，移动装置120可使用与特定计算机视觉特征相关联的一或多个度量来估计与所感测的图像310相关联的接近度。另外或替代地，移动装置120可使用与多个计算机视觉特征相关联的一或多个度量来估计与所感测的图像310相关联的接近度。另外或替代地，移动装置120可使用与所感测的图像310的一或多个块(例如，片段)相关联的一或多个度量来估计与所感测的图像310相关联的接近度。举例来说，移动装置120可比较一或多个块的度量与阈值、可确定超过阈值的块的数量，并且可基于超过阈值的块的数量估计接近度。在一些方面中，移动装置120可应用机器学习以确定用于估计接近度的度量的最佳组合。通过这种方式，移动装置120可关于估计与所感测的图像310相关联的接近度改进度量的精确度。
如上文所指示，图4被提供为一个实例。其它实例是可能的并且可能不同于上文结合图4所描述的内容。
图5是根据本发明的各种方面说明基于图像模糊度确定接近度的测量值的另一实例500的图式。
如图5中所示并且由参考编号510所示，移动装置120可掩蔽所感测的图像310的一部分以形成经掩蔽的图像，并且可使用所述经掩蔽的图像来确定度量。举例来说，移动装置120可掩蔽所感测的图像310的部分，方法是从用于确定度量的一或多个计算中减弱(例如，减少或消除)经掩蔽的部分、与未经掩蔽的部分相比指派较低的权重值到经掩蔽的部分，或类似者。
举例来说，移动装置120可掩蔽所感测的图像310的边缘部分，如由参考编号520所示。通过掩蔽边缘部分，移动装置120可通过将对象中心聚焦到所感测的图像310上增加度量精确地对应于接近度的测量值的可能性。作为另一实例，移动装置120可掩蔽所感测的图像310的下部部分，如由参考编号530所示。通过掩蔽下部部分，当用户成角度地拿着移动装置120时移动装置120可通过移动装置120的底部(例如，麦克风部分)与移动装置120的顶部(例如，扬声器部分)相比距离用户的脸部更远来增加度量精确地对应于接近度的测量值的可能性。虽然未示出，但是在一些方面中移动装置120可掩蔽所感测的图像310的上部部分。
作为另一实例，移动装置120可掩蔽所感测的图像310的右侧部分，如由参考编号540所示，或者所感测的图像310的左侧部分，如由参考编号550所示。通过掩蔽右侧部分或左侧部分，当用户在用户的脸部的特定侧上拿着移动装置120时移动装置120可增加度量精确地对应于接近度的测量值的可能性。举例来说，如果用户在用户的脸部的右手侧上拿着移动装置120(例如，使用用户的右手)，那么移动装置120可掩蔽所感测的图像310的右手侧。相反地，如果用户在用户的脸部的左手侧上拿着移动装置120(例如，使用用户的左手)，那么移动装置120可掩蔽所感测的图像310的左手侧。移动装置120可确定移动装置120是否在用户的脸部的右手侧或左手侧上，如下文所述。
在一些方面中，移动装置120可接收与掩蔽所感测的图像310相关联的输入，并且可基于输入掩蔽所感测的图像310。举例来说，移动装置120可接收加速计数据以确定移动装置120的移动的方向和/或加速度，并且可使用此数据来确定待掩蔽的所感测的图像310的一部分(例如，确定移动装置120是在用户的脸部的右手侧上还是在左手侧上，如下文所述)。作为另一实例，移动装置120可接收指示移动装置120的用户是用右手的还是用左手的输入，并且可使用此输入来确定待掩蔽的部分。另外或替代地，移动装置120可将机器学习应用到加速计数据(和/或其它信息或传感器数据)以确定用户是用右手的还是用左手的。
作为另一实例，移动装置120可提示用户指示待掩蔽的部分。举例来说，移动装置120可显示一或多个所感测的图像310，并且可提示用户描绘或者指示待掩蔽的或解除掩蔽的所感测的图像310的部分。在一些方面中，移动装置120可分析提供在多个所感测的图像310上的输入以确定待掩蔽的所感测的图像310的一部分。
在一些方面中，移动装置120可应用机器学习以确定掩蔽所感测的图像310的方式。举例来说，移动装置120可掩蔽(例如，相同图像的多个复本的或不同图像的)多个不同部分，并且可使用输入到移动装置120的反馈以比较对应于不同的经掩蔽的部分的不同度量的精确度。在一些方面中，反馈可以包含用户输入。另外或替代地，反馈可以包含基于度量和/或对应于度量的接近度的测量值撤销通过移动装置120执行的动作的指示。举例来说，如果移动装置120关闭显示器，并且用户与移动装置120交互以在阈值时间量内开启显示器，那么移动装置120可将度量和对应的掩蔽标记为不精确的并且可使用此信息在将来作出度量的更精确的确定。
虽然图5示出了所感测的图像310的经掩蔽的部分为连续的，但是在一些方面中，移动装置120可掩蔽所感测的图像310的不连续的部分。举例来说，移动装置120可掩蔽所感测的图像310的多个不连续的部分。另外或替代地，移动装置120可应用多个(例如，不同)掩蔽以产生所感测的图像310的多个经掩蔽的版本，并且可基于多个经掩蔽的版本采取一或多个动作。举例来说，移动装置120可掩蔽所感测的图像310的第一部分以确定脸部是否在移动装置120的手机听筒部分附近，并且可基于此确定采取动作，例如，开启或关闭显示器。作为另一实例，移动装置120可掩蔽所感测的图像310的第二部分以确定手是否在移动装置120的输入部分附近，并且可基于此确定采取动作，例如，显示或隐藏输入机构(例如，软键盘)。
通过掩蔽所感测的图像310，移动装置120可作出接近度的测量值的更精确的确定，由此改进移动装置性能和用户体验。举例来说，通过更精确地确定接近度的测量值，当用户将移动装置120拿到用户的耳朵时移动装置120可关闭显示器，并且当用户并不将移动装置120拿到用户的耳朵时可防止移动装置120关闭显示器。
虽然实例500示出了与移动装置120相关联的实例，但是本文中所描述的方面可结合一或多个其它图像监测装置110使用，例如，占用传感器130或另一类型的装置。举例来说，在一些方面中，图像监测装置110(例如，占用传感器130)可使用从图像监测装置110的环境感测的环境数据，以确定待掩蔽的所感测的图像310的一部分。
如上文所指示，图5被提供为一个实例。其它实例是可能的并且可能不同于上文结合图5所描述的内容。
图6是根据本发明的各种方面说明用于基于图像模糊度确定接近度的测量值的另一实例过程600的图式。在一些方面中，图6的一或多个过程块可通过图像监测装置110(例如，移动装置120、占用传感器130或类似者)执行。在一些实施方案中，图6的一或多个过程块可通过另一装置或与图像监测装置110分开或包含图像监测装置110的装置的群组执行，例如，配置装置140和/或处理装置150。
如图6中所示，在一些方面中，过程600可以包含分析通过装置的图像传感器感测的图像(块610)。举例来说，图像监测装置110可感测图像(例如，使用图像传感器240)，并且可分析图像(例如，使用处理器210、接近度传感器245或类似者)。在一些方面中，图像监测装置110可分析通过图像监测装置110的图像传感器240所感测的图像。
如本文中其它处所描述，在一些方面中，图像监测装置110可基于局部二值模式或局部三值模式中的至少一个分析图像。另外或替代地，图像监测装置110可确定加速计数据(例如，通过加速计250测量到的和/或从加速计250接收的)满足阈值，并且可基于确定加速计数据满足阈值分析图像。上文结合图3到5提供了关于分析图像的额外细节。
如图6中所示，在一些方面中，过程600可以包含基于分析图像确定度量，其中度量提供图像的模糊度或清晰度的指示(块620)。举例来说，图像监测装置110可基于分析图像确定度量。在一些方面中，度量提供图像的模糊度或清晰度的指示。
如在本文中其它处更详细描述的，在一些方面中，图像监测装置110可基于在图像中检测到的一或多个计算机视觉特征确定度量。另外或替代地，图像监测装置110可掩蔽图像的一部分，并且可基于掩蔽图像的部分确定度量。在一些方面中，图像监测装置110可接收与掩蔽图像相关联的输入，并且可基于输入掩蔽图像的部分。另外或替代地，图像监测装置110可将图像分段成多个块、可确定用于所述多个块的多个块的相应的度量，并且可基于相应的度量确定度量。上文结合图3到5提供了关于确定度量的额外细节。
如图6中所示，在一些方面中，过程600可以包含基于度量确定与图像相关联的接近度的测量值(块630)。举例来说，图像监测装置110可基于度量确定与图像相关联的接近度的测量值。在一些方面中，接近度的测量值可表示至少部分地在图像中俘获的对象与图像监测装置110(和/或图像置监测装置110的组件)之间的接近度或距离。
如本文中其它处所描述，图像监测装置110可基于度量和/或接近度的测量值执行动作。举例来说，图像监测装置110可基于接近度的测量值和/或度量控制图像监测装置110的显示器。另外或替代地，图像监测装置110可关闭显示器、可开启显示器、可调暗或调亮显示器、可显示或隐藏用户接口和/或用户接口的一部分(例如，软键盘或一或多个软输入机构)、可提供警示(例如，用于由图像监测装置110输出和/或到另一装置)、可调节音量水平、可开启或关闭扬声器，或类似者。上文结合图3到5提供了关于确定接近度的测量值和执行动作的额外细节。
虽然图6示出了过程600的实例块，但是在一些方面中，过程600可以包含额外的块、更少的块、不同的块或与图6中描绘的那些相比不同地布置的块。另外或替代地，可并行地执行过程600的两个或多于两个块。
本文中所描述的技术使用图像传感器以基于所感测的图像的模糊度或清晰度确定接近度的测量值，由此消除对单独的接近度传感器的需要且减少开销、所需要的大小以及使用图像传感器的装置的计算资源的利用。
前述公开内容提供了说明和描述，但是并非意图是穷尽性的或将所述方面限制于所公开的确切形式。有可能根据以上公开内容进行修改和改变，或可以从所述方面的实践中获得修改和改变。
如本文中所使用，术语“组件”意图被广泛地理解为硬件、固件或硬件与软件的组合。
如本文中所使用，处理器包含能够解释和/或执行指令和/或能够经编程以执行功能的一或多个处理器。举例来说，处理器可以包含中央处理单元(CPU)、图形处理单元(GPU)、加速处理单元(APU)、数字信号处理器(DSP)、微处理器、微控制器、现场可编程门阵列(FPGA)、专用集成电路(ASIC)，或类似者。如本文中所使用，处理器实施于硬件、固件或硬件与软件的组合中。
一些方面是在本文中结合阈值描述的。如本文中所使用，满足阈值可以指大于阈值、大于或等于阈值、小于阈值、小于或等于阈值、等于阈值、不等于阈值的值，或类似者。
显然本文中所描述的系统和/或方法可以在不同形式的硬件、固件或硬件与软件的组合中实施。用于实施这些系统和/或方法的实际专用控制硬件或软件代码并不限制这些方面。因此，本文中描述了系统和方法的操作和行为而无需参考特定软件代码，应理解，可将软件和控制硬件设计成基于本文中的描述来实施所述系统和方法。
即使在权利要求书中叙述了和/或在说明书中公开了特征的特定组合，但是这些组合并非意图限制可能的方面的公开内容。实际上，这些特征中的许多可以未在权利要求书中具体地叙述和/或在说明书中公开的方式组合。虽然下文所列的每个从属权利要求可直接地取决于仅一个权利要求，但是可能的方面的公开内容包含每个从属权利要求结合权利要求集中的每个其它权利要求。参考项目的列表“中的至少一个”的短语指那些项目的任何组合，包含单个成员。作为一个实例，“以下各项中的至少一个者：a、b或c”意图涵盖：a；b；c；a和b；a和c；b和c；以及a、b和c。
除非明确地如此描述，否则本文中所使用的元件、动作或指令不应被理解为是关键的或必需的。并且，如本文中所使用，冠词“一”意图包含一或多个项目，并且可与“一或多个”互换使用。此外，如本文中所使用，术语“集合”和“群组”意图包含一或多个项目(例如，相关项目、不相关项目等)，并且可与“一或多个”互换使用。在仅意图有一个项目的情况下，使用术语“一个”或类似语言。并且，如本文中所使用，术语“具有”或类似者意图是开放式术语。另外，除非另外明确陈述，否则短语“基于”意图意味着“至少部分地基于”。

Claims (30)

1.一种方法，其包括：
通过装置分析通过所述装置的图像传感器所感测的图像；
通过所述装置确定基于分析所述图像的度量，
其中所述度量提供所述图像的模糊度或清晰度的指示；以及
通过所述装置并且基于所述度量确定与所述图像相关联的接近度的测量值。
2.根据权利要求1所述的方法，其进一步包括：
基于接近度的所述测量值控制所述装置的显示器。
3.根据权利要求1所述的方法，其中分析所述图像包括：
基于以下各项中的至少一个分析所述图像：
局部二值模式，或者
局部三值模式。
4.根据权利要求1所述的方法，其中确定所述度量包括：
基于在所述图像中检测到的一或多个计算机视觉特征确定所述度量。
5.根据权利要求1所述的方法，其进一步包括：
掩蔽所述图像的一部分；以及
基于掩蔽所述图像的所述部分确定所述度量。
6.根据权利要求5所述的方法，其进一步包括：
接收与掩蔽所述图像相关联的输入；以及
基于所述输入掩蔽所述图像的所述部分。
7.根据权利要求1所述的方法，其进一步包括：
确定加速计数据满足阈值；以及
基于确定所述加速计数据满足所述阈值分析所述图像。
8.根据权利要求1所述的方法，其进一步包括：
将所述图像分段成多个块；
确定用于所述多个块的多个块的相应的度量；以及
基于所述相应的度量确定所述度量。
9.根据权利要求1所述的方法，其中所述装置包含以下各项中的至少一个：
移动装置，或者
占用传感器。
10.一种装置，其包括：
一或多个处理器，以进行以下操作：
分析通过所述装置的图像传感器所感测的图像；
基于分析所述图像确定度量，
其中所述度量提供所述图像的模糊度或清晰度的指示；以及
基于所述度量确定与所述图像相关联的接近度的测量值。
11.根据权利要求10所述的装置，其中所述一或多个处理器进一步进行以下操作：
基于接近度的所述测量值控制所述装置的显示器。
12.根据权利要求10所述的装置，其中当分析所述图像时所述一或多个处理器进行以下操作：
基于以下各项中的至少一个分析所述图像：
局部二值模式，或者
局部三值模式。
13.根据权利要求10所述的装置，其中当确定所述度量时所述一或多个处理器进行以下操作：
基于在所述图像中检测到的一或多个计算机视觉特征确定所述度量。
14.根据权利要求10所述的装置，其中所述一或多个处理器进一步进行以下操作：
掩蔽所述图像的一部分；以及
基于掩蔽所述图像的所述部分确定所述度量。
15.根据权利要求14所述的装置，其中所述一或多个处理器进一步进行以下操作：
接收与掩蔽所述图像相关联的输入；以及
基于所述输入掩蔽所述图像的所述部分。
16.根据权利要求10所述的装置，其中所述一或多个处理器进一步进行以下操作：
确定加速计数据满足阈值；以及
基于确定所述加速计数据满足所述阈值分析所述图像。
17.一种存储指令的非暂时性计算机可读媒体，所述指令包括：
在由装置的一或多个处理器执行时使得所述一或多个处理器进行以下操作的一或多个指令：
分析通过所述装置的图像传感器所感测的图像；
基于分析所述图像确定度量，
其中所述度量提供所述图像的模糊度或清晰度的指示；以及
基于所述度量确定与所述图像相关联的接近度的测量值。
18.根据权利要求17所述的非暂时性计算机可读媒体，其中所述一或多个指令在由所述一或多个处理器执行时使得所述一或多个处理器进行以下操作：
基于接近度的所述测量值控制所述装置的显示器。
19.根据权利要求17所述的非暂时性计算机可读媒体，其中所述一或多个指令使得所述一或多个处理器分析所述图像，使得所述一或多个处理器进行以下操作：
基于以下各项中的至少一个分析所述图像：
局部二值模式，或者
局部三值模式。
20.根据权利要求17所述的非暂时性计算机可读媒体，其中使得所述一或多个处理器确定所述度量的所述一或多个指令使得所述一或多个处理器进行以下操作：
基于在所述图像中检测到的一或多个计算机视觉特征确定所述度量。
21.根据权利要求17所述的非暂时性计算机可读媒体，其中所述一或多个指令在由所述一或多个处理器执行时使得所述一或多个处理器进行以下操作：
掩蔽所述图像的一部分；以及
基于掩蔽所述图像的所述部分确定所述度量。
22.根据权利要求17所述的非暂时性计算机可读媒体，其中所述一或多个指令在由所述一或多个处理器执行时使得所述一或多个处理器进行以下操作：
确定加速计数据满足阈值；以及
基于确定所述加速计数据满足所述阈值分析所述图像。
23.根据权利要求17所述的非暂时性计算机可读媒体，其中所述一或多个指令在由所述一或多个处理器执行时使得所述一或多个处理器进行以下操作：
将所述图像分段成多个块；
确定用于所述多个块的多个块的相应的度量；以及
基于所述相应的度量确定所述度量。
24.一种设备，其包括：
用于分析通过所述设备的图像传感器所感测的图像的装置；
用于基于分析所述图像确定度量的装置，
其中所述度量提供所述图像的模糊度或清晰度的指示；以及
用于基于所述度量确定与所述图像相关联的接近度的测量值的装置。
25.根据权利要求24所述的设备，其进一步包括：
用于基于接近度的所述测量值控制所述设备的显示器的装置。
26.根据权利要求24所述的设备，其中所述用于分析所述图像的装置包括：
用于基于以下各项中的至少一个分析所述图像的装置：
局部二值模式，
局部三值模式，或者
包含在所述图像中的多个片段的分析。
27.根据权利要求24所述的设备，其中所述用于确定所述度量的装置包括：
用于基于在所述图像中检测到的一或多个计算机视觉特征确定所述度量的装置。
28.根据权利要求24所述的设备，其进一步包括：
用于掩蔽所述图像的一部分的装置；以及
用于基于掩蔽所述图像的所述部分确定所述度量的装置。
29.根据权利要求28所述的设备，其进一步包括：
用于接收与掩蔽所述图像相关联的输入的装置；以及
用于基于所述输入掩蔽所述图像的所述部分的装置。
30.根据权利要求24所述的设备，其进一步包括：
用于确定加速计数据满足阈值的装置；以及
用于基于确定所述加速计数据满足所述阈值分析所述图像的装置。
CN201780039157.7A 2016-07-12 2017-06-09 用于基于图像模糊度确定接近度的技术 Pending CN109416838A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/208,417 2016-07-12
US15/208,417 US20180018024A1 (en) 2016-07-12 2016-07-12 Techniques for determining proximity based on image blurriness
PCT/US2017/036711 WO2018013265A1 (en) 2016-07-12 2017-06-09 Techniques for determining proximity based on image blurriness

Publications (1)

Publication Number Publication Date
CN109416838A true CN109416838A (zh) 2019-03-01

Family

ID=59153297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780039157.7A Pending CN109416838A (zh) 2016-07-12 2017-06-09 用于基于图像模糊度确定接近度的技术

Country Status (4)

Country Link
US (1) US20180018024A1 (zh)
EP (1) EP3485461B1 (zh)
CN (1) CN109416838A (zh)
WO (1) WO2018013265A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6642457B2 (ja) * 2017-01-11 2020-02-05 京セラドキュメントソリューションズ株式会社 携帯端末装置、及び安全管理システム
IL251149A0 (en) * 2017-03-14 2017-06-29 Google Inc Semi-transparent marks for transferred content
WO2021171261A1 (en) 2020-02-28 2021-09-02 Novartis Ag A triple pharmaceutical combination comprising dabrafenib, an erk inhibitor and a shp2 inhibitor
CN117041531B (zh) * 2023-09-04 2024-03-15 无锡维凯科技有限公司 一种基于图像质量评估的手机摄像头聚焦检测方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110222734A1 (en) * 2010-03-10 2011-09-15 Industrial Technology Research Institute Methods for evaluating distances in a scene and apparatus and machine readable medium using the same
CN103093419A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种检测图像清晰度的方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7728316B2 (en) * 2005-09-30 2010-06-01 Apple Inc. Integrated proximity sensor and light sensor
US20090061819A1 (en) * 2007-09-05 2009-03-05 Avaya Technology Llc Method and apparatus for controlling access and presence information using ear biometrics
US8289438B2 (en) * 2008-09-24 2012-10-16 Apple Inc. Using distance/proximity information when applying a point spread function in a portable media device
US8050507B2 (en) * 2008-09-30 2011-11-01 Himax Technologies Limited 3D depth generation by local blurriness estimation
KR101184097B1 (ko) * 2009-12-07 2012-09-18 삼성전자주식회사 얼굴 정면포즈 판단 방법
JP5587930B2 (ja) * 2012-03-09 2014-09-10 日立オートモティブシステムズ株式会社 距離算出装置及び距離算出方法
US10216266B2 (en) * 2013-03-14 2019-02-26 Qualcomm Incorporated Systems and methods for device interaction based on a detected gaze

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110222734A1 (en) * 2010-03-10 2011-09-15 Industrial Technology Research Institute Methods for evaluating distances in a scene and apparatus and machine readable medium using the same
CN103093419A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种检测图像清晰度的方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AMYN POONAWALA: "Mask Design for Optical Microlithography—An Inverse Imaging Problem", 《 IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
张涛: "基于纹理特征的无参考图像模糊度评价方法", 《计算机工程与应用》 *

Also Published As

Publication number Publication date
WO2018013265A1 (en) 2018-01-18
US20180018024A1 (en) 2018-01-18
EP3485461B1 (en) 2021-04-21
EP3485461A1 (en) 2019-05-22

Similar Documents

Publication Publication Date Title
US11481571B2 (en) Automated localized machine learning training
KR102386271B1 (ko) 전자파 흡수율(sar) 요건들을 충족시키도록 송신기 출력 전력을 제한하기 위한, 인체에 대한 휴대용 디바이스들의 송신기 안테나들의 근접도의 결정
US10572072B2 (en) Depth-based touch detection
WO2018121428A1 (zh) 一种活体检测方法、装置及存储介质
CN109416838A (zh) 用于基于图像模糊度确定接近度的技术
US8879803B2 (en) Method, apparatus, and computer program product for image clustering
TW201832137A (zh) 識別圖像中物件的類型預測方法、裝置及電子設備
US20200167581A1 (en) Anti-counterfeiting processing method and related products
CN109325393B (zh) 使用单一网络的面部检测、姿态估计和距相机距离的估计
CN110163380B (zh) 数据分析方法、模型训练方法、装置、设备及存储介质
US11429807B2 (en) Automated collection of machine learning training data
CN110555360A (zh) 鲁棒的面部检测
US9607366B1 (en) Contextual HDR determination
US10607069B2 (en) Determining a pointing vector for gestures performed before a depth camera
CN107995422A (zh) 图像拍摄方法和装置、计算机设备、计算机可读存储介质
CN109814775B (zh) 菜单项调整方法、装置及终端
US20220326785A1 (en) Ambient light sensing device and method, and interactive device using same
CN110765924A (zh) 一种活体检测方法、装置以及计算机可读存储介质
WO2019024718A1 (zh) 防伪处理方法、防伪处理装置及电子设备
US20200349375A1 (en) Sensing Apparatus and Method
CN107423663A (zh) 一种图像处理方法及终端
US11789140B2 (en) Radar antenna array, mobile user equipment, and method and device for identifying gesture
CN115543115A (zh) 触控操作识别方法、装置及相关设备
Huang et al. Sparse representation for device-free human detection and localization with COTS RFID
US20210303060A1 (en) An apparatus, method and computer program for adjusting output signals

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: 20190301

WD01 Invention patent application deemed withdrawn after publication