ES2888916T3 - Un método para generar una función de transferencia relacionada con la cabeza adaptada/personalizada - Google Patents

Abstract

Un método (100) para generar una Función de Transferencia Relacionada con la Cabeza (HRTF) personalizada, comprendiendo el método: capturar una imagen (102) de al menos una oreja de un individuo usando un dispositivo de captura de imágenes comprendido en un dispositivo de procesamiento portátil, en donde el dispositivo de procesamiento portátil está configurado para presentar visualmente la imagen en tiempo real en una pantalla de visualización; determinar un factor de escala en relación con la imagen capturada (104); aplicar un modelo de forma activa (106) a la imagen capturada para obtener un modelo de forma activa conformado a una forma de al menos una oreja del individuo por deformación basándose en puntos de control (200a/200b/200c/200d/200e), en donde los puntos de control se solapan en tiempo real en la pantalla de visualización del dispositivo de procesamiento portátil; generar una indicación para un usuario cuando los puntos de control del modelo de forma activa se ajustan a la imagen de al menos una oreja del individuo de acuerdo con una medida de calidad; extraer propiedades geométricas basadas en imagen de la al menos una oreja del individuo a partir de los puntos de control del modelo de forma activa conformados a dicha forma de la al menos una oreja del individuo; y seleccionar (108), basándose en las propiedades geométricas basadas en la imagen de la oreja y el factor de escala, un conjunto de datos de HRTF personalizado para la al menos una oreja de dicho individuo a partir de una pluralidad de conjuntos de datos de HRTF contenidos en una base de datos de HRTF.

Description

DESCRIPCIÓN

Un método para generar una función de transferencia relacionada con la cabeza adaptada/personalizada Campo de la invención

La presente divulgación se refiere en general a un método para generar una Función de Transferencia Relacionada con la Cabeza (HRTF) adaptada/personalizada basándose en una imagen capturada.

Antecedentes

La representación de audio espacial en 3D interactiva precisa requiere funciones de transferencia relacionadas con la cabeza (HRTF) personalizadas.

De manera tradicional, para obtener tales HRTF personalizadas, se requiere que un usuario se siente, sin moverse, durante aproximadamente media hora en una cámara anecoica con señales de audio que se emiten desde diferentes ubicaciones dentro de la cámara. Se coloca un micrófono en la oreja del usuario para capturar señales de audio según de perciben de manera audible por el usuario. También hay necesidad de considerar factores tales como las respuestas de la cámara, la fuente o fuentes de la señal de audio y del micrófono. Tales respuestas pueden considerarse respuestas falsas y puede haber una necesidad de eliminar tales respuestas falsas para obtener una Respuesta de Impulso Relacionada con la Cabeza (HRIR) que pueden convertirse posteriormente a una HRTF. Han surgido técnicas de la técnica anterior para simplificar el enfoque anterior. Específicamente, se desea eliminar la necesidad de una cámara anecoica y tratar problemas tales como las respuestas falsas anteriormente mencionadas. Una técnica de la técnica anterior de este tipo es "P-HRTF: Efficient Personalized HRTF Computation for High-Fidelity Spatial Sound, Meshram et al. Proc. of iMa R 2014 (http://gamma.cs.unc.edu/HRTF/)". Esta técnica de la técnica anterior reconstruye un modelo de la oreja detallado a partir de múltiples fotos y realiza simulación acústica para obtener HRTF. Se requeriría un conjunto de fotos capturadas de manera densa (más de 20 fotos a un intervalo de 15 grados recomendado, usando una SLR Canon60D 8MP) y potencia informática significativa.

Otra técnica de la técnica anterior de este tipo es "Selection of Head-Related Transfer Function through Ear Contour Matching for Personalized Binaural Rendering. POLITECNICO DI MILANO. Master of Science in Computer Engineering. Dalena Marco. Academic Year 2012/2013". Esta técnica de la técnica anterior contempla que, en lugar de modelar físicamente la oreja y la acústica, puede ser posible realizar una coincidencia basada en imagen usando una base de datos existente. La base de datos existente puede incluir una colección de imágenes (por ejemplo, fotos) asociadas con la o las correspondientes HRTF. Dada una imagen, puede usarse la transformada de Hough generalizada para hallar la mejor coincidencia (con relación a la colección de imágenes en la base de datos existente) para la imagen dada para obtener una correspondiente HRTF.

Sin embargo, es apreciable que los enfoques/técnicas anteriormente analizadas requerirían muchos recursos en términos de potencia informática. Además, los enfoques/técnicas anteriormente analizados pueden no facilitar la creación de la o las HRTF personalizadas de una manera fácil de usar y/o eficaz.

Zotkin D N et al "HRTF personalization using anthropometric measurements", APPLICATIONS OF SIGNAL PROCESSING TO AUDIO AND ACOUSTICS, 2003 IEEE WO RKSHOP ON. NEW PALTZ, NY, ESTADOS UNIDOS 19-22 de octubre de 2003, PISCATAWAY, NJ, ESTADOS UNIDOS, IEEE, describe una estrategia para personalización de HRTF.

M. Dalena ET AL, "Selection of Head-Related Transfer Function through Ear Contour Matching for Personalized Binaural Rendering", POLITECNICO DI MILANO y el documento US2013169779 también proporcionan divulgaciones en el campo de la selección de HRTF.

Por lo tanto, es deseable proporcionar una solución para tratar los problemas anteriores.

Sumario de la invención

De acuerdo con un aspecto de la presente invención, se proporciona un método para generar una Función de Transferencia Relacionada con la Cabeza (HRTF) personalizada, como se indica por la reivindicación 1. Además, se define un dispositivo y sistema de procesamiento portátil configurados para implementar tal método en las reivindicaciones 9 y 12.

Se exponen los aspectos y realizaciones preferidas y adicionales en las reivindicaciones dependientes.

Breve descripción de los dibujos

Se describen en lo sucesivo realizaciones de la divulgación con referencia a los siguientes dibujos, en los que:

La Figura 1 muestra un método para crear/generar una Función de Transferencia Relacionada con la Cabeza (HRTF) personalizada/adaptada desde una imagen capturada usando un dispositivo portátil tal como un teléfono inteligente que tiene una cámara, de acuerdo con una realización de la divulgación;

La Figura 2a muestra un modelo de forma activa que tiene una pluralidad de puntos de control que pueden entrenarse usando una pluralidad de muestras, de acuerdo con una realización de la divulgación;

La Figura 2b muestra que la pluralidad de muestras de la Figura 2a puede incluir una primera muestra y una segunda muestra, de acuerdo con una realización de la divulgación; y

La Figura 2c muestra los puntos de control de la Figura 2a que están conformados a la forma de una oreja del usuario, de acuerdo con una realización de la divulgación.

Descripción detallada

La presente divulgación se refiere a un método 100 (como se mostrará en detalle adicional con referencia a la Figura 1) para crear/generar una Función de Transferencia Relacionada con la Cabeza (HRTF) personalizada/adaptada desde una imagen capturada usando un dispositivo portátil tal como un teléfono inteligente que tiene una cámara. La presente divulgación contempla que la técnica de la técnica anterior con respecto a la transformada de Hough es la más sencilla en comparación con la técnica de la técnica anterior que se refiere a la reconstrucción de un modelo de oreja detallado a partir de múltiples fotos y al enfoque tradicional que implica el uso de una cámara anecoica. La presente divulgación contempla adicionalmente la necesidad de simplificar adicionalmente la técnica de la técnica anterior con respecto a la transformada de Hough para facilitar al menos la creación/generación de la o las HRTF personalizadas de una manera fácil de usar y/o eficaz.

Haciendo referencia a la Figura 1 se muestra un método 100 para crear/generar una HRTF personalizada/adaptada de acuerdo con una realización de la divulgación. Específicamente, una HRTF personalizada/adaptada puede crearse/generarse desde una imagen capturada usando un dispositivo portátil.

El método 100 incluye una etapa de captura de imagen 102, una etapa de determinación de referencia 104, una etapa de análisis 106 y una etapa de personalización 108.

En la etapa de captura de imagen 102, se captura al menos una imagen de una oreja usando un dispositivo portátil que tiene un dispositivo de captura de imágenes. Por ejemplo, el dispositivo portátil puede corresponder a un teléfono inteligente que tiene una cámara.

En la etapa de determinación de referencia 104, se determina un factor de escala en relación con la imagen capturada. Preferentemente, se determina el factor de escala sin tener que basarse en medición manual. El factor de escala puede usarse como una base para el auto-escalamiento como se analizará más tarde en detalle adicional.

En una realización, puede determinarse el factor de escala basándose en la separación del ojo (es decir, la distancia interpupilar). En otra realización, puede determinarse el factor de escala basándose en la longitud del trago promedio. En otra realización más, puede determinarse el factor de escala basándose en el punto de enfoque del dispositivo de captura de imágenes. En una realización adicional más, puede determinarse el factor de escala basándose en un objeto de referencia (por ejemplo, una tarjeta de visita o una lata) y/o una cámara de profundidad con una longitud focal conocida.

Con respecto a la determinación del factor de escala basándose en la separación del ojo, un usuario puede capturar dos imágenes. Una imagen puede ser una fotografía que toma el usuario de sí mismo/a (por ejemplo, un autorretrato tomado con el dispositivo portátil a aproximadamente la mitad de un brazo de distancia) donde pueden detectarse los ojos del usuario. Otra imagen puede ser una fotografía de una oreja del usuario tomada, por ejemplo, haciendo que el usuario gire su cabeza después de que se ha capturado la primera imagen. Específicamente, después de que el usuario ha tomado un autorretrato (es decir, la primera imagen) de sí mismo/a donde pueden detectarse los ojos del usuario, el usuario puede girar su cabeza para capturar una imagen de su oreja (es decir, la segunda imagen que puede corresponder a la imagen anteriormente mencionada de una oreja capturada en la etapa de captura de imagen 102) con el dispositivo portátil se mantiene que en su lugar para ambas imágenes (es decir, se retiene la posición del dispositivo portátil cuando se tomó el autorretrato para capturar la segunda imagen). Como alternativa, también es posible hacer un barrido del dispositivo portátil en un arco (es decir, desde los ojos hasta la oreja o desde la oreja hasta los ojos), mientras se mantiene la distancia entre el dispositivo portátil y la cabeza del usuario sustancialmente constante durante el barrido, para capturar ambas imágenes de los ojos y la oreja. Por ejemplo, un usuario puede sostener el dispositivo portátil con el brazo extendido mientras toma un autorretrato (es decir, la primera imagen) de sí mismo/a donde pueden detectarse los ojos del usuario y después de que se toma el autorretrato, el usuario puede hacer un barrido, mientras mantiene el dispositivo portátil a la misma distancia del brazo (cuando se capturó la primera imagen), hasta el lado de su cabeza para capturar una imagen de su oreja (es decir, la segunda imagen). Se contempla que la separación física del ojo sea normalmente de aproximadamente 6,5 cm para adultos (de manera apreciable, la separación del ojo para los niños puede diferir). Por lo tanto, puede derivarse un factor de escala. Por ejemplo, para la primera imagen, la separación, en cuanto a la imagen, entre los dos ojos puede ser de 50 píxeles. Por lo tanto, 50 píxeles, en cuanto a la imagen, pueden corresponder a 6,5 cm en separación física (es decir, 50 píxeles pueden corresponder, por ejemplo, a 6,5 cm en términos de dimensión/medición física). Usar una dimensión de imagen a proporción de dimensión física de 50 píxeles: 6,5 cm (es decir, basándose en la primera imagen), puede ser posible traducir la imagen de la oreja (es decir, la segunda imagen) a dimensiones físicas.

Con respecto a la determinación del factor de escala basándose en la longitud del trago promedio, se contempla que la longitud del trago sea relativamente consistente a través de diferentes orejas. Por lo tanto, puede usarse la longitud del trago como una referencia de manera análoga para el análisis anterior en relación con la separación de ojos (es decir, la traducción de la imagen de una oreja a dimensiones físicas basándose en la longitud del trago conocida/convencional).

Con respecto a la determinación del factor de escala basándose en el punto focal del dispositivo de captura de imágenes, se contempla que el dispositivo de captura de imágenes (por ejemplo, una cámara) pueda tener una característica de autofoco. Por consiguiente, el dispositivo de captura de imágenes puede enfocar automáticamente la oreja del usuario cuando el usuario usa el dispositivo de captura de imágenes para capturar una imagen de su oreja. El autofoco está basado en la distancia de la lente al objeto (es decir, la oreja del usuario). La presente divulgación contempla que conocer la distancia de la lente a la oreja y la longitud focal (es decir, el campo de visión de la lente) es suficiente para determinar el factor de escala.

En la etapa de análisis 106, se detectan las características de la oreja y las propiedades geométricas, basándose en la imagen de la oreja, usando un Modelo de Forma Activa (ASM). ASM (desarrollado por Tim Cootes y Chris Taylor en 1995) es comúnmente conocido que corresponde a un modelo de distribución de la forma de un objeto (por ejemplo, la forma de una oreja) que se deforma de manera iterativa para ajustarse a un ejemplo del objeto en una nueva imagen (por ejemplo, la imagen capturada de una oreja del usuario) y la forma está restringida por un modelo de distribución de puntos (PDM). En este sentido, pueden extraerse/determinarse las propiedades geométricas basadas en la imagen (por ejemplo, en términos de pixeles) tales como la longitud de la concha, la longitud del trago, anchura y/o altura de la oreja a partir de puntos de control que pueden deformarse de acuerdo con el PDM. Por consiguiente, los puntos de control pueden adaptarse a la forma de la oreja basándose en la imagen capturada (es decir, la imagen de la oreja) en la etapa de captura de imagen 102. Los puntos de control se analizarán más adelante en detalle adicional con referencia a la Figura 2.

En la etapa de personalización 108, se deriva/determina una HRTF personalizada basándose en propiedades geométricas basadas en imagen (por ejemplo, en términos de píxeles) de la oreja del usuario según se determina la etapa de análisis 106 y el factor de cambio de escala según se determina en la etapa de determinación de referencia 104. Esto se analizará más adelante en detalle adicional con referencia a un escenario ilustrativo).

La presente divulgación contempla que las dimensiones físicas de una oreja del usuario pueden derivarse basándose en propiedades geométricas basadas en imagen (por ejemplo, en términos de píxeles) y el factor de cambio de escala. Tales dimensiones físicas pueden ser la base para derivar/determinar una HRTF personalizada.

La Figura 2a muestra un modelo de forma activa 200 que tiene una pluralidad de puntos de control analizados anteriormente con referencia a la Figura 1. Por ejemplo, el modelo de forma activa 200 puede incluir un primer punto de control 200a, un segundo punto de control 200b, un tercer punto de control 200c, un cuarto punto de control 200d y un quinto punto de control 200e. Como se muestra, el modelo de forma activa 200 puede corresponder a la forma de una oreja. Específicamente, la pluralidad de puntos de control puede estar dispuesta para corresponder a la forma de una oreja. El modelo de forma activa 200 puede derivarse basándose en entrenamiento usando una pluralidad de muestras. Las muestras pueden corresponder a una pluralidad de imágenes de oreja (es decir, más de una imagen de una oreja). Preferentemente, las muestras se obtienen de diferentes sujetos (es decir, de diferentes personas). Por ejemplo, el modelo de forma activa 200 puede entrenarse a partir de 20 diferentes sujetos (es decir, 20 diferentes orejas). En un escenario ilustrativo, el modelo de forma activa 200 puede derivarse situando los puntos de control, en una manera consistente, en cada una de las muestras.

Específicamente, haciendo referencia a la Figura 2b, la pluralidad de muestras según se ha mencionado en la Figura 2a puede incluir una primera muestra 201a y una segunda muestra 201b. Cada uno de los puntos de control puede situarse de manera consistente en respectivas ubicaciones diferentes de una oreja. Por ejemplo, uno de los puntos de control (por ejemplo, la etiqueta 16) puede situarse de manera consistente en una ubicación (por ejemplo, el lóbulo de la oreja) de una oreja mostrada en cada una de las muestras 201a/201b. De manera apreciable, haciendo eso para cada punto de control, puede obtenerse un promedio, basándose en el mismo punto de control (por ejemplo, la etiqueta 16) que está situado en la ubicación sustancialmente idéntica (por ejemplo, el lóbulo de la oreja) de una oreja a través de las muestras. Por lo tanto, a partir del entrenamiento usando una pluralidad de muestras, puede derivarse una forma promedio de una oreja. En este sentido, el modelo de forma activa 200 puede ser similar a una plantilla genérica que representa una oreja promedio (es decir, basándose en el entrenamiento usando la pluralidad de muestras) y su PDM subyacente. Una plantilla genérica de este tipo puede ser una base para la deformación iterativa para una nueva imagen (es decir, una nueva imagen de una oreja según se captura en la etapa de captura de imagen 102). Adicionalmente, se deriva al mismo tiempo el PDM subyacente cuando se entrena el modelo de forma activa 200. Específicamente, los límites de la deformación iterativa de la distribución de los puntos de control (es decir, la desviación de la posición de los puntos de control según el modelo de forma activa 200) basándose en una nueva imagen (es decir, una nueva imagen de una oreja según se captura durante la etapa de captura de imagen 102), como se analizará en detalle adicional con referencia a la Figura 2c, pueden estar restringidos por el PDM según se entrena usando la pluralidad de muestras.

De acuerdo con una realización de la divulgación, el dispositivo portátil incluye una pantalla (no mostrada) y los puntos de control del modelo de forma activa 200 pueden presentarse mediante una interfaz de usuario de gráficos (GUI) presentada visualmente en la pantalla. Como se muestra, el modelo de forma activa 200 incluye una pluralidad de puntos de control 200a/200b/200c/200d/200e.

La Figura 2c muestra el modelo de forma activa 200 de la Figura 2a adaptado a la forma de una oreja del usuario (es decir, la imagen anteriormente mencionada de una oreja según se captura durante la etapa de captura de imagen 102) de acuerdo con una realización de la divulgación.

Los puntos de control pueden corresponder a la nueva imagen anteriormente mencionada analizada en la Figura 2a. En una aplicación ilustrativa, el modelo de forma activa 200 derivado (es decir, basándose en el entrenamiento usando una pluralidad de muestras como se ha analizado anteriormente) se presenta visualmente en la pantalla de un dispositivo portátil y a medida que un usuario que usa el dispositivo portátil sitúa el dispositivo portátil para capturar una imagen de su oreja (es decir, nueva imagen), al menos una porción de la pantalla presenta visualmente una imagen en tiempo real 202 de la oreja del usuario.

De manera apreciable, la imagen en tiempo real 202 puede cambiar de acuerdo con cómo el usuario sitúa el dispositivo portátil. Como tal, el modelo de forma activa 200 puede deformarse de manera iterativa en consecuencia. Es decir, los puntos de control (por ejemplo, del primer al quinto puntos de control 200a/200b/200c/200d/200e) pueden cambiar de manera iterativa para adaptar la imagen de la oreja del usuario según se presenta visualmente en la pantalla. Como tal, los puntos de control pueden percibirse de manera visual, por ejemplo, para desviarse en la posición de modo que los puntos de control se superpongan sustancialmente a la imagen de la oreja del usuario. Específicamente, como se muestra en la Figura 2b, el modelo de forma activa 200 debe solapar sustancialmente la imagen de la oreja del usuario. Más específicamente, los puntos de control del modelo de forma activa 200 como se muestra en la Figura 2a pueden adaptarse a la forma de la oreja del usuario. Por lo tanto, las posiciones de los puntos de control 200a/200b/200c/200d/200e del modelo de forma activa 200 pueden cambiarse de manera iterativa de una manera para perfilar la forma de la oreja del usuario (es decir, como se muestra por la imagen en tiempo real 202 de la oreja del usuario).

Preferentemente, puede proporcionarse una indicación de estabilidad (por ejemplo, en forma de una realimentación de audio tal como un "pitido") para indicar si una imagen actualmente visualizada en la pantalla es adecuada para su captura. Por ejemplo, puede proporcionarse una indicación de estabilidad cuando los puntos de control del modelo de forma activa 200 dejan de cambiar en posición (es decir, dejan de moverse). Es decir, el modelo de forma activa 200 puede considerarse que está sustancialmente adaptado a la forma de la oreja del usuario (es decir, según la imagen en tiempo real 202 de la oreja del usuario). De manera apreciable, de esta manera, se proporciona alguna forma de medida de "bondad". Adicionalmente, de esta manera, también es posible realizar una detección en tiempo real de la oreja del usuario a medida que el usuario sitúa el dispositivo portátil en preparación para la captura de imagen en la etapa de captura de imagen 102.

Además, la presente divulgación contempla que es deseable mejorar el rendimiento de detección de la oreja para evitar cualquier captura de imagen "falsa" en la que se captura una imagen que se parece a la oreja del usuario (es decir, que no es realmente una imagen de la oreja del usuario).

Por lo tanto, de acuerdo con una realización de la divulgación, pueden proporcionarse señales de realimentación adicionales (es decir, además de la indicación anteriormente mencionada de estabilidad) para indicar si el dispositivo portátil se ha situado de manera apropiada. En un ejemplo, pueden proporcionarse señales de realimentación de sensores de movimiento tales como un giroscopio/acelerómetro y/o sensores magnéticos llevados por el dispositivo portátil para indicar si el dispositivo portátil está situado de manera apropiada.

Como alternativa, puede usarse la distancia de enfoque asociada con el dispositivo de captura de imágenes llevado por el dispositivo portátil como un parámetro en relación con mejorar el rendimiento de detección de la oreja. Específicamente, puede usarse la distancia de enfoque asociada con el dispositivo de captura de imágenes llevado por el dispositivo portátil para determinar la distancia de un objeto de interés al dispositivo de captura. La presente divulgación contempla que, en la práctica, la distancia entre la oreja (es decir, un objeto de interés) y la captura puede ser bastante cercana (por ejemplo, aproximadamente 10 cm de distancia), por lo que únicamente es necesario considerar la presencia de una oreja en la imagen o imágenes capturadas (por ejemplo, flujo de vídeo de cámara) cuando la distancia de enfoque es a aproximadamente 10 cm (por ejemplo, únicamente necesita considerarse la distancia de enfoque de 2 a 20 cm). Por lo tanto, cuando el enfoque del dispositivo de captura de imágenes es, por ejemplo, 1,2 metros en un ejemplo, puede asumirse con seguridad que el objeto de interés en el flujo de vídeo de la cámara capturado por el dispositivo de captura de imágenes en ese caso no corresponde a una imagen de la oreja apropiada.

Lo anterior se pondrá en contexto basándose en un escenario ilustrativo de acuerdo con una realización de la divulgación en lo sucesivo.

En un escenario ilustrativo, un dispositivo portátil tal como un teléfono inteligente con una cámara que puede usarse para que un usuario capture una imagen de su oreja y una pantalla que puede presentar visualmente una GUI que presenta un ASM relacionado con una oreja. El usuario puede usar el dispositivo portátil para capturar un autorretrato para el análisis anterior para obtener un factor de cambio de escala. El factor de cambio de escala puede usarse como una base para auto-escalar la imagen capturada de una oreja.

De acuerdo con una realización de la divulgación, el dispositivo portátil puede incluir software que puede presentar la GUI en la pantalla y adaptar los puntos de control del modelo de forma activa 200 a la imagen de la oreja del usuario para que se capture. Específicamente, el dispositivo portátil puede incluir un procesador que puede configurarse para deformar el modelo de forma activa 200 de modo que los puntos de control se adaptan a la forma de la oreja del usuario por la imagen de la oreja del usuario para que se capture. Tras recibir una indicación de estabilidad, preferentemente, el usuario puede continuar para capturar una imagen de su oreja (es decir, en la etapa de captura de imagen 102). Como alternativa, puede capturarse una imagen de la oreja del usuario automáticamente tras la recepción de una indicación de estabilidad (por ejemplo, operativamente como una Exploración de Código de Respuesta Rápida o Escáner de Código de Barras). Por lo tanto, puede capturarse una imagen de la oreja del usuario (preferentemente con el modelo de forma activa 200 que se superpone a la imagen de la oreja del usuario como se muestra en la Figura 2b). Basándose en la imagen capturada de la oreja del usuario, se extraen/determinan propiedades geométricas y/o características basadas en la imagen de la oreja del usuario (por ejemplo, en términos de píxeles) en la etapa de análisis 106. Además, basándose en el factor de cambio de escala, que se determina durante la etapa de determinación de referencia 104, puede realizarse auto-escalado de la imagen capturada de la oreja del usuario para determinar las geometrías y/o características físicas de la oreja del usuario (por ejemplo, pueden convertirse/traducirse propiedades geométricas y/o características en términos de píxeles a dimensiones físicas en términos de centímetros).

Basándose en las geometrías y/o características físicas determinadas de la oreja del usuario (que puede realizarse, por ejemplo, por el procesador en, por ejemplo, la etapa de análisis 106), puede realizarse una búsqueda, que puede realizarse en la etapa de personalización 108, en una base de datos de HRTF (por ejemplo, una base de datos en línea que tiene una colección/biblioteca de HRTF) para hallar una HRTF que coincide/coincide de manera más estrecha con tales geometrías y/o características físicas. De esta manera, puede crearse/generase una HRTF personalizada. De manera apreciable, si se desea hallar una HRTF para cada oreja de un usuario (por ejemplo, ambas de las orejas izquierda y derecha del usuario), puede aplicarse en consecuencia el método anteriormente analizado 100 de la Figura 1. Se contempla que la HRTf hallada (por ejemplo, basándose en la búsqueda anteriormente analizada realizada en una base de datos de HRTF) para cada oreja puede ser la misma o diferente.

Como alternativa, puede crearse/generarse una HRTF personalizada, en la etapa de personalización 108, interrumpiendo una HRTF existente (por ejemplo, una HRTF disponible en una base de datos de HRTF). La interrupción en una HRTF existente puede hacerse en una manera de interpolación entre más de una Respuesta de Impulso Relacionada con la Cabeza (HRIR).

Específicamente, basándose en las geometrías y/o características físicas determinadas de la oreja del usuario, puede realizarse una búsqueda en una base de datos (por ejemplo, una base de datos en línea que tiene una colección/librería de HRIR) para hallar más de una HRIR (es decir, HRIR-A y HRIR-B) que coinciden más estrechamente con tales geometrías y/o características físicas. Puede realizarse un proceso de desvanecimiento cruzado de las HRIR halladas para generar una HRIR interpolada (es decir, "HRIR-interpolada"). Puede realizarse un proceso adicional de la transformación de Fourier para derivar la HRTF. De manera apreciable, puede crearse/generarse una HRTF personalizada basándose en la HRIR interpolada. En relación con el desvanecimiento cruzado, los coeficientes de desvanecimiento para cada HRIR hallada pueden ser inversamente proporcionales a la distancia (por ejemplo, distancia euclidiana o de Mahalanobis). Por ejemplo:

HRIR-A = [a1, a2, a3, ... a25];

HRIR-B = [b1, b2, b3, ... b25];

HRIR-interpolada = [a1*c b1*(1-c), ... ], donde "c" representa la distancia anteriormente mencionada y varía de 0 a 1.

Por lo tanto, es posible obtener una HRTF personalizada/adaptada simplemente en forma de la captura de un usuario de una imagen de su oreja usando, por ejemplo, un teléfono inteligente. Es apreciable que, la presente divulgación facilita la creación/generación de la o las HRTF personalizadas de una manera fácil para el usuario y/o eficaz. Además, también puede crearse/generarse una HRTF personalizada/adaptada en tiempo real.

De la manera anterior, se describen diversas realizaciones de la divulgación para abordar al menos una de las desventajas anteriores. El alcance de protección no está limitado a formas o disposiciones específicas de partes como se ha descrito anteriormente y será evidente para un experto en la materia en vista de esta divulgación que pueden realizarse numerosos cambios y/o modificaciones a las realizaciones anteriormente descritas, definiéndose únicamente el alcance de protección por las reivindicaciones adjuntas.

Por ejemplo, distinto a interpolar HRIR, la presente divulgación contempla que es posible interpolar también modelos de la oreja para hacer coincidir características/geometrías de la oreja usando métodos de transformación en 3D (por ejemplo "Cross-Parameterization and Compatible Remeshing de 3D Models" por Kraevoy V., Sheffer A., ACM Transactions on Graphics (TOG) - Proceedings of ACM SIGGRAPH 2004) y realizar simulación acústica para derivar una nueva HRIR. La nueva HRIR puede transformarse por Fourier para derivar la HRTF).

En otro ejemplo, la presente divulgación contempla la posibilidad de capturar la dimensión de la cabeza del usuario para mejorar adicionalmente la calidad de HRTF. Capturar la dimensión de la cabeza puede ser posible puesto que, de acuerdo con una realización de la divulgación, pueden estar disponibles tanto las imágenes frontal como lateral (es decir, en relación con el "autorretrato o autorretratos" anteriormente analizados). Como alternativa, puede usarse un detector de la cabeza (incluso uno basado en ASM, pero con el modelo de la cabeza en su lugar) para capturar la dimensión de la cabeza.

Claims (12)

REIVINDICACIONES

1. Un método (100) para generar una Función de Transferencia Relacionada con la Cabeza (HRTF) personalizada, comprendiendo el método:

capturar una imagen (102) de al menos una oreja de un individuo usando un dispositivo de captura de imágenes comprendido en un dispositivo de procesamiento portátil, en donde el dispositivo de procesamiento portátil está configurado para presentar visualmente la imagen en tiempo real en una pantalla de visualización; determinar un factor de escala en relación con la imagen capturada (104);

aplicar un modelo de forma activa (106) a la imagen capturada para obtener un modelo de forma activa conformado a una forma de al menos una oreja del individuo por deformación basándose en puntos de control (200a/200b/200c/200d/200e), en donde los puntos de control se solapan en tiempo real en la pantalla de visualización del dispositivo de procesamiento portátil;

generar una indicación para un usuario cuando los puntos de control del modelo de forma activa se ajustan a la imagen de al menos una oreja del individuo de acuerdo con una medida de calidad;

extraer propiedades geométricas basadas en imagen de la al menos una oreja del individuo a partir de los puntos de control del modelo de forma activa conformados a dicha forma de la al menos una oreja del individuo; y seleccionar (108), basándose en las propiedades geométricas basadas en la imagen de la oreja y el factor de escala, un conjunto de datos de HRTF personalizado para la al menos una oreja de dicho individuo a partir de una pluralidad de conjuntos de datos de HRTF contenidos en una base de datos de HRTF.

2. El método de acuerdo con la reivindicación 1, en donde se determina el factor de escala usando al menos uno de: un objeto de referencia convencionalmente dimensionado en la imagen; distancia de una lente del dispositivo de captura de imágenes portátil a la oreja del individuo y una longitud focal del dispositivo de captura de imágenes portátil; o promediando la longitud del trago.

3. El método de acuerdo con la reivindicación 1, en donde capturar la imagen incluye una etapa de detección que comprende una determinación de la presencia de la oreja del individuo.

4. El método de acuerdo con la reivindicación 1, en donde el modelo de forma activa se entrenó previamente en al menos una pluralidad de imágenes de la oreja de los individuos.

5. El método de acuerdo con la reivindicación 1, en donde el modelo de forma activa se procesa iterativamente por deformación para hacer coincidir la imagen de la oreja según se visualiza en la pantalla.

6. El método de acuerdo con la reivindicación 1, en donde se selecciona el conjunto de datos de HRTF personalizado de la pluralidad de conjuntos de datos de HRTF basándose en hacer coincidir de la manera más estrecha las propiedades geométricas, basadas en la imagen extraídas, con las correspondientes propiedades geométricas basadas en la imagen de cada uno de los conjuntos de datos de HRTF en la pluralidad.

7. El método de acuerdo con la reivindicación 1, en donde la base de datos de HRTF contiene una colección de respuestas de impulso relacionadas con la cabeza (HRIR), y la selección del conjunto de datos de HRTF personalizado comprende seleccionar más de una HRIR e interpolar entre dicha más de una HRIR para determinar el conjunto de datos de HRTF personalizado.

8. El método de acuerdo con cualquier reivindicación anterior, en donde el dispositivo de captura de imágenes es la cámara de un teléfono inteligente.

9. Un dispositivo de procesamiento portátil para generar las HRTF personalizadas, que comprende:

un dispositivo de captura de imágenes configurado para:

obtener una imagen (102) de al menos una oreja de un individuo, comprendiendo adicionalmente el dispositivo de procesamiento portátil una pantalla de visualización configurada para presentar visualmente la imagen en tiempo real a un usuario;

el dispositivo de procesamiento portátil configurado para determinar un factor de escala en relación con la imagen capturada y aplicar un modelo de forma activa (106) a la imagen capturada para obtener un modelo de forma activa conformado a una forma de la al menos una oreja del individuo mediante deformación basándose en puntos de control (200a/200b/200c/200d/200e), en donde los puntos de control se solapan en tiempo real en la pantalla de visualización del dispositivo de captura de imágenes;

el dispositivo de procesamiento portátil configurado adicionalmente para:

generar una indicación para un usuario cuando los puntos de control del modelo de forma activa se ajustan a la imagen de al menos una oreja del individuo de acuerdo con una medida de calidad;

extraer propiedades geométricas basadas en imagen de la al menos una oreja del individuo a partir de los puntos de control del modelo de forma activa conformados a dicha forma de la al menos una oreja del individuo; y

seleccionar (108), basándose en las propiedades geométricas basadas en la imagen extraídas de la oreja y el factor de escala, un conjunto de datos de HRTF personalizado para la al menos una oreja de dicho individuo a partir de una pluralidad de conjuntos de datos de HRTF contenidos en una base de datos de HRTF.

10. El dispositivo de procesamiento portátil de acuerdo con la reivindicación 9, configurado para determinar el factor de escala usando al menos uno de: un objeto de referencia convencionalmente dimensionado en la imagen; distancia de una lente del dispositivo de captura de imágenes a la oreja del individuo y una longitud focal del dispositivo de captura de imágenes; o promediando la longitud del trago.

11. El dispositivo de procesamiento portátil de acuerdo con la reivindicación 9, en donde la base de datos de HRTF contiene una colección de respuestas de impulso relacionadas con la cabeza (HRIR), y la selección del conjunto de datos de HRTF personalizado comprende seleccionar más de una HRIR e interpolar entre dichas más de una HRIR para determinar el conjunto de datos de HRTF personalizado.

12. Un sistema para generar HRTF personalizadas, que comprende:

el dispositivo de procesamiento portátil de cualquiera de las reivindicaciones 9 a 11; y

una memoria accesible por el dispositivo de procesamiento portátil y que incluye la base de datos de HRTF.