JP2789967B2 - 動きベクトル検出装置 - Google Patents
動きベクトル検出装置Info
- Publication number
- JP2789967B2 JP2789967B2 JP29412092A JP29412092A JP2789967B2 JP 2789967 B2 JP2789967 B2 JP 2789967B2 JP 29412092 A JP29412092 A JP 29412092A JP 29412092 A JP29412092 A JP 29412092A JP 2789967 B2 JP2789967 B2 JP 2789967B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- class
- data
- class data
- memory
- 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.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Analysis (AREA)
- Picture Signal Circuits (AREA)
- Television Systems (AREA)
Description
【０００１】
【産業上の利用分野】本発明は例えば映像の符号化、ノ
イズ低減、物体追跡のための動きベクトル検出装置であ
る。
イズ低減、物体追跡のための動きベクトル検出装置であ
る。
【０００２】
【従来の技術】時空間微分法に基づく動きベクトル検出
の手法は、例えば、ホーンの方法（Ｈｏｒｎ，Ｂ．Ｋ．
Ｐ．ａｎｄＢ．Ｇ．Ｓｈｕｎｋ：”Ｄｅｔｅｒｍｉｎｉ
ｎｇｏｐｔｉｃａｌ ｆｌｏｗ”， Ａｒｔｉｆｉｃｉ
ａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｖｏｌ．１７，ｐ
ｐ．１８５−２０３，１９８１）が既に示されている。
これは、画像上の点（ｘ，ｙ）の時刻ｔにおける明るさ
をＩ（ｘ，ｙ，ｔ）とし、微小時間Δｔの間に物体がｘ
軸にΔｘ，ｙ軸にΔｙ動くとする。物体上同一点の明る
さの不変性を仮定すると、（数１）が成り立つ。
の手法は、例えば、ホーンの方法（Ｈｏｒｎ，Ｂ．Ｋ．
Ｐ．ａｎｄＢ．Ｇ．Ｓｈｕｎｋ：”Ｄｅｔｅｒｍｉｎｉ
ｎｇｏｐｔｉｃａｌ ｆｌｏｗ”， Ａｒｔｉｆｉｃｉ
ａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｖｏｌ．１７，ｐ
ｐ．１８５−２０３，１９８１）が既に示されている。
これは、画像上の点（ｘ，ｙ）の時刻ｔにおける明るさ
をＩ（ｘ，ｙ，ｔ）とし、微小時間Δｔの間に物体がｘ
軸にΔｘ，ｙ軸にΔｙ動くとする。物体上同一点の明る
さの不変性を仮定すると、（数１）が成り立つ。
【０００３】
【数１】
【０００４】（数１）の右辺をテイラー展開し、高次項
を無視し、Δｔで除してΔｔ＝０の極限を考えると、
（数２）が成り立つ。
を無視し、Δｔで除してΔｔ＝０の極限を考えると、
（数２）が成り立つ。
【０００５】
【数２】
【０００６】ここで、ｕ＝ｄΔｘ／ｄｔ， ｖ＝ｄΔｙ
／ｄｔである。（ｕ，ｖ）を速度ベクトルと考えるとこ
れが時空間微分による拘束式になる。この拘束式では、
輝度の時空間微分から動きベクトル（ｕ，ｖ）が存在す
る直線を決めることができるが、（ｕ，ｖ）を求めるに
は拘束が必要となる。ホーンは（ｕ，ｖ）の変化が画像
上で滑らかに変化するとして、新たな拘束を与え、動き
ベクトルを求めた。これを動きベクトル検出装置の従来
例として、その構成図を図３に示す。図３において、３
０１はＡ／Ｄ変換器、３０２，３０３はフレームメモ
リ、３０４は水平方向微分フィルタ、３０５垂直方向微
分フィルタ，３０６は時間方向微分フィルタ、３０７は
水平方向微分画像メモリ、３０８は垂直方向微分画像メ
モリ、３０９は時間方向微分画像メモリ，３１０は水平
方向動きメモリ，３１１は水平方向動き推定部，３１２
は垂直方向動き推定部，３１３は垂直方向動きメモリ，
３１４，３１５は平滑化フィルタである。
／ｄｔである。（ｕ，ｖ）を速度ベクトルと考えるとこ
れが時空間微分による拘束式になる。この拘束式では、
輝度の時空間微分から動きベクトル（ｕ，ｖ）が存在す
る直線を決めることができるが、（ｕ，ｖ）を求めるに
は拘束が必要となる。ホーンは（ｕ，ｖ）の変化が画像
上で滑らかに変化するとして、新たな拘束を与え、動き
ベクトルを求めた。これを動きベクトル検出装置の従来
例として、その構成図を図３に示す。図３において、３
０１はＡ／Ｄ変換器、３０２，３０３はフレームメモ
リ、３０４は水平方向微分フィルタ、３０５垂直方向微
分フィルタ，３０６は時間方向微分フィルタ、３０７は
水平方向微分画像メモリ、３０８は垂直方向微分画像メ
モリ、３０９は時間方向微分画像メモリ，３１０は水平
方向動きメモリ，３１１は水平方向動き推定部，３１２
は垂直方向動き推定部，３１３は垂直方向動きメモリ，
３１４，３１５は平滑化フィルタである。
【０００７】Ａ／Ｄより入力された画像は、フレームメ
モリ（３０２）で１フレーム時間遅延され順次フレーム
メモリ（３０３）を通る。水平方向微分フィルタ（３０
４）、垂直方向微分フィルタ（３０５），時間方向微分
フィルタ（３０６）は動きベクトル推定に必要な（数
２）の時空間微分（∂Ｉ／∂ｘ，∂Ｉ／∂ｙ，∂Ｉ／∂
ｔ）を画素毎に演算する。演算結果は各々、水平方向微
分画像メモリ（３０７）、垂直方向微分画像メモリ（３
０８）、時間方向微分画像メモリ（３０９）に記録され
る。画像は標本化されているために、微分の演算は差分
に置き換えられて演算される。ホーンは（ｕ，ｖ）の変
化が画像上で滑らかに変化するとして、（数３）を最小
化する形で動きベクトルを求めた。
モリ（３０２）で１フレーム時間遅延され順次フレーム
メモリ（３０３）を通る。水平方向微分フィルタ（３０
４）、垂直方向微分フィルタ（３０５），時間方向微分
フィルタ（３０６）は動きベクトル推定に必要な（数
２）の時空間微分（∂Ｉ／∂ｘ，∂Ｉ／∂ｙ，∂Ｉ／∂
ｔ）を画素毎に演算する。演算結果は各々、水平方向微
分画像メモリ（３０７）、垂直方向微分画像メモリ（３
０８）、時間方向微分画像メモリ（３０９）に記録され
る。画像は標本化されているために、微分の演算は差分
に置き換えられて演算される。ホーンは（ｕ，ｖ）の変
化が画像上で滑らかに変化するとして、（数３）を最小
化する形で動きベクトルを求めた。
【０００８】
【数３】
【０００９】以後、（∂Ｉ／∂ｘ，∂Ｉ／∂ｙ，∂Ｉ／
∂ｔ）を簡単のため（Ｉｘ，Ｉｙ，Ｉｔ）と略す。（数
３）の最小化は、（数３）を偏微分して得られたオイラ
ーラグランジェ方程式を解く形で（数４）に示す反復に
より解くことができる。ここで、（ｕ￣，ｖ￣）は動き
ベクトルの近傍平均、ｋは反復回数である。
∂ｔ）を簡単のため（Ｉｘ，Ｉｙ，Ｉｔ）と略す。（数
３）の最小化は、（数３）を偏微分して得られたオイラ
ーラグランジェ方程式を解く形で（数４）に示す反復に
より解くことができる。ここで、（ｕ￣，ｖ￣）は動き
ベクトルの近傍平均、ｋは反復回数である。
【００１０】
【数４】
【００１１】（数４）の（ｕk+1，ｖk+1）は各々水平方
向動き推定部（３１１），垂直方向動き推定部（３１
２）で計算され、各々，水平方向動きメモリ（３１０）
は垂直向動きメモリ（３１３）に格納される。計算に必
要な近傍平均は、平滑化フィルタ（３１４）−（３１
５）より計算される。以上、この従来の動きベクトル検
出装置によれば、動き推定と近傍の平滑化により動きベ
クトルを求めることができる。
向動き推定部（３１１），垂直方向動き推定部（３１
２）で計算され、各々，水平方向動きメモリ（３１０）
は垂直向動きメモリ（３１３）に格納される。計算に必
要な近傍平均は、平滑化フィルタ（３１４）−（３１
５）より計算される。以上、この従来の動きベクトル検
出装置によれば、動き推定と近傍の平滑化により動きベ
クトルを求めることができる。
【００１２】
【発明が解決しようとする課題】しかしながら、前記し
た従来例では以下の課題が存在する。 （１）通常数十回以上の反復演算が必要で処理時間が長
い。 （２）近傍の平均を求めるために平滑化が必要で、これ
により、物体の境界近傍の異なる動きベクトルが平滑化
されて正確に求まらない。 （３）あるいは、物体の境界上で推定誤差が大きくな
る。 課題の（２），（３）は、動きベクトルの推定と画像の
領域分割が相互依存していることによる。動きベクトル
推定には、なんらかの領域分割の枠組との結合が必要で
ある。本発明は、上記課題を解決し、動きベクトル検出
装置の物体境界での動きベクトル検出の精度の向上と処
理時間の短縮を目的とする。
た従来例では以下の課題が存在する。 （１）通常数十回以上の反復演算が必要で処理時間が長
い。 （２）近傍の平均を求めるために平滑化が必要で、これ
により、物体の境界近傍の異なる動きベクトルが平滑化
されて正確に求まらない。 （３）あるいは、物体の境界上で推定誤差が大きくな
る。 課題の（２），（３）は、動きベクトルの推定と画像の
領域分割が相互依存していることによる。動きベクトル
推定には、なんらかの領域分割の枠組との結合が必要で
ある。本発明は、上記課題を解決し、動きベクトル検出
装置の物体境界での動きベクトル検出の精度の向上と処
理時間の短縮を目的とする。
【００１３】
【課題を解決するための手段】本発明は上記の問題点を
解決するために、（ａ）符号化され、かつフレーム単位
で構成される映像信号を、保持するメモリと、（ｂ）前
記メモリから輝度データを読みだし、任意の画像座標の
水平方向の微分を行なう水平微分フィルタと、（ｂ）前
記メモリから輝度データを読みだし、前記画像座標の垂
直方向の微分を行なう垂直微分フィルタと、（ｃ）前記
メモリから、前後するフレームの輝度データを読みだ
し、時間方向微分を行なう時間微分フィルタと、（ｄ）
前記水平微分フィルタ、前記垂直微分フィルタ、前記時
間微分フィルタの結果を並べた輝度微分ベクトル（Ｉ
ｘ，Ｉｙ，Ｉｔ）と、前記画像座標の位置ベクトル
（ｘ，ｙ）を結合して標本ベクトルとする標本ベクトル
合成手段と、（ｅ）前記標本ベクトルのうち位置ベクト
ル平均（ｘ￣，ｙ￣）と動きベクトル（ｕ，ｖ）の推定
をクラスデータとして、複数保持するメモリと、（ｆ）
前記クラスデータと前記標本ベクトル間の距離を，前記
した（ｘ−ｘ￣，ｙ−ｙ￣）とｕ＊Ｉｘ＋ｖ＊Ｉｙ＋Ｉ
ｔから求め、前記標本ベクトルと最も近いクラスデータ
を対応付ける最尤クラス選択手段と、（ｇ）前記した最
尤クラス選択手段で対応付けられたクラスデータと１以
上の標本ベクトルのデータから、前記クラスデータを前
記１以上の標本ベクトルとの距離和が小さくなるように
変更するクラスデータ修正手段を有することを特徴とす
る動きベクトル検出装置である。
解決するために、（ａ）符号化され、かつフレーム単位
で構成される映像信号を、保持するメモリと、（ｂ）前
記メモリから輝度データを読みだし、任意の画像座標の
水平方向の微分を行なう水平微分フィルタと、（ｂ）前
記メモリから輝度データを読みだし、前記画像座標の垂
直方向の微分を行なう垂直微分フィルタと、（ｃ）前記
メモリから、前後するフレームの輝度データを読みだ
し、時間方向微分を行なう時間微分フィルタと、（ｄ）
前記水平微分フィルタ、前記垂直微分フィルタ、前記時
間微分フィルタの結果を並べた輝度微分ベクトル（Ｉ
ｘ，Ｉｙ，Ｉｔ）と、前記画像座標の位置ベクトル
（ｘ，ｙ）を結合して標本ベクトルとする標本ベクトル
合成手段と、（ｅ）前記標本ベクトルのうち位置ベクト
ル平均（ｘ￣，ｙ￣）と動きベクトル（ｕ，ｖ）の推定
をクラスデータとして、複数保持するメモリと、（ｆ）
前記クラスデータと前記標本ベクトル間の距離を，前記
した（ｘ−ｘ￣，ｙ−ｙ￣）とｕ＊Ｉｘ＋ｖ＊Ｉｙ＋Ｉ
ｔから求め、前記標本ベクトルと最も近いクラスデータ
を対応付ける最尤クラス選択手段と、（ｇ）前記した最
尤クラス選択手段で対応付けられたクラスデータと１以
上の標本ベクトルのデータから、前記クラスデータを前
記１以上の標本ベクトルとの距離和が小さくなるように
変更するクラスデータ修正手段を有することを特徴とす
る動きベクトル検出装置である。
【００１４】
【作用】上記構成によれば、フレーム単位で構成される
映像信号を保持するメモリから水平微分フィルタ、垂直
微分フィルタ、時間微分フィルタより、時空間微分（Ｉ
ｘ，Ｉｙ，Ｉｔ）を得る。さらに、標本ベクトル合成手
段では前記（Ｉｘ，Ｉｙ，Ｉｔ）と、前記画像座標の位
置ベクトル（ｘ，ｙ）を結合して標本ベクトルとする。
一方、前記標本ベクトルのうち位置ベクトル平均（ｘ
￣，ｙ￣）と動きベクトル（ｕ，ｖ）の推定をクラスデ
ータとして、複数保持するメモリがある。最尤クラス選
択手段は、前記メモリ中の複数クラスデータの中から、
標本データに最も近いものを（ｘ−ｘ￣，ｙ−ｙ￣）と
ｕ＊Ｉｘ＋ｖ＊Ｉｙ＋Ｉｔの演算を基にして選び、対応
付けを行なう。これにより、画像上の空間位置近傍の時
空間微分による拘束式を満足する動きベクトルを持つク
ラスデータとの対応が行なわれる。この対応づけから、
クラスデータ修正手段は、対応付けられたクラスデータ
と１以上の標本ベクトルのデータから、前記クラスデー
タを前記１以上の標本ベクトルとの距離和が小さくなる
ように変更する。これにより、クラスデータは統計的に
標本ベクトルへの距離が小さくなるように変更され、結
果として、クラスデータは、画像中のある位置（ｘ￣，
ｙ￣）の動きベクトル（ｕ、ｖ）を代表することにな
る。このように、画像中の近傍から複数の標本ベクトル
を集めることにより、複数の空間微分の拘束式を得るこ
とが期待でき、動きベクトルが定まる。物体境界付近で
異なる動きがある場合は、一方の標本ベクトルから他方
のクラスデータへの距離が大きくなることから、従来の
平滑化の弊害が避けられる。
映像信号を保持するメモリから水平微分フィルタ、垂直
微分フィルタ、時間微分フィルタより、時空間微分（Ｉ
ｘ，Ｉｙ，Ｉｔ）を得る。さらに、標本ベクトル合成手
段では前記（Ｉｘ，Ｉｙ，Ｉｔ）と、前記画像座標の位
置ベクトル（ｘ，ｙ）を結合して標本ベクトルとする。
一方、前記標本ベクトルのうち位置ベクトル平均（ｘ
￣，ｙ￣）と動きベクトル（ｕ，ｖ）の推定をクラスデ
ータとして、複数保持するメモリがある。最尤クラス選
択手段は、前記メモリ中の複数クラスデータの中から、
標本データに最も近いものを（ｘ−ｘ￣，ｙ−ｙ￣）と
ｕ＊Ｉｘ＋ｖ＊Ｉｙ＋Ｉｔの演算を基にして選び、対応
付けを行なう。これにより、画像上の空間位置近傍の時
空間微分による拘束式を満足する動きベクトルを持つク
ラスデータとの対応が行なわれる。この対応づけから、
クラスデータ修正手段は、対応付けられたクラスデータ
と１以上の標本ベクトルのデータから、前記クラスデー
タを前記１以上の標本ベクトルとの距離和が小さくなる
ように変更する。これにより、クラスデータは統計的に
標本ベクトルへの距離が小さくなるように変更され、結
果として、クラスデータは、画像中のある位置（ｘ￣，
ｙ￣）の動きベクトル（ｕ、ｖ）を代表することにな
る。このように、画像中の近傍から複数の標本ベクトル
を集めることにより、複数の空間微分の拘束式を得るこ
とが期待でき、動きベクトルが定まる。物体境界付近で
異なる動きがある場合は、一方の標本ベクトルから他方
のクラスデータへの距離が大きくなることから、従来の
平滑化の弊害が避けられる。
【００１５】
【実施例】以下、本発明の実施例を図面を用いて説明す
る。請求項１に記載の発明の第１の実施例を図１、図４
を用いて説明する。
る。請求項１に記載の発明の第１の実施例を図１、図４
を用いて説明する。
【００１６】図１は第１の実施例における動きベクトル
検出装置の構成図である。図４は第１の実施例における
動き推定の原理図である。図１において、１０１はＡ／
Ｄ変換器、１０２，１０３はフレームメモリ、１０４は
水平方向微分フィルタ、１０５垂直方向微分フィルタ，
１０６は時間方向微分フィルタ、１０７は水平方向微分
画像メモリ、１０８は垂直方向微分画像メモリ、１０９
は時間方向微分画像メモリ，１１０は特徴ベクトル合成
部，１１１はランダムアドレス発生部、１１２は最尤ク
ラス決定部、１１３は最尤クラス変更部、１１４はクラ
スデータメモリバンクである。
検出装置の構成図である。図４は第１の実施例における
動き推定の原理図である。図１において、１０１はＡ／
Ｄ変換器、１０２，１０３はフレームメモリ、１０４は
水平方向微分フィルタ、１０５垂直方向微分フィルタ，
１０６は時間方向微分フィルタ、１０７は水平方向微分
画像メモリ、１０８は垂直方向微分画像メモリ、１０９
は時間方向微分画像メモリ，１１０は特徴ベクトル合成
部，１１１はランダムアドレス発生部、１１２は最尤ク
ラス決定部、１１３は最尤クラス変更部、１１４はクラ
スデータメモリバンクである。
【００１７】Ａ／Ｄより入力された画像は、フレームメ
モリ（１０２）で１フレーム時間遅延され順次フレーム
メモリ（１０３）を通る。水平方向微分フィルタ（１０
４）、垂直方向微分フィルタ（１０５），時間方向微分
フィルタ（１０６）は動きベクトル推定に必要な（数
２）の時空間微分（∂Ｉ／∂ｘ，∂Ｉ／∂ｙ，∂Ｉ／∂
ｔ）を画素毎に演算する。演算結果は各々、水平方向微
分画像メモリ（１０７）、垂直方向微分画像メモリ（１
０８）、時間方向微分画像メモリ（１０９）に記録され
る。画像は標本化されているために、微分の演算は差分
に置き換えられて演算される。
モリ（１０２）で１フレーム時間遅延され順次フレーム
メモリ（１０３）を通る。水平方向微分フィルタ（１０
４）、垂直方向微分フィルタ（１０５），時間方向微分
フィルタ（１０６）は動きベクトル推定に必要な（数
２）の時空間微分（∂Ｉ／∂ｘ，∂Ｉ／∂ｙ，∂Ｉ／∂
ｔ）を画素毎に演算する。演算結果は各々、水平方向微
分画像メモリ（１０７）、垂直方向微分画像メモリ（１
０８）、時間方向微分画像メモリ（１０９）に記録され
る。画像は標本化されているために、微分の演算は差分
に置き換えられて演算される。
【００１８】ランダム発生回路（１１１）は，画面上の
水平、垂直位置を乱数を用いてランダムに発生させる。
特徴ベクトル合成部は、この画像位置（ｘ，ｙ）を受け
て、メモリ（１０７）、（１０８）、（１０９）よりそ
の位置にある時空間微分値、（Ｉｘ，Ｉｙ，Ｉｔ）を読
み出し、標本ベクトル（Ｉｘ，Ｉｙ，Ｉｔ，ｘ，ｙ）t
（（）tは行列の転置）を生成する。一方、クラスデー
タメモリバンク（１１４）にはｎ個のクラスデータが格
納されている。本実施例では、クラスデータは標本ベク
トル（Ｉｘ，Ｉｙ，Ｉｔ，ｘ，ｙ）t中の位置ベクトル
ｐ＝（ｘ，ｙ）tの平均ｓ、位置ベクトルの共分散行列
Ｓ、輝度微分ベクトルｄ＝（Ｉｘ，Ｉｙ，Ｉｔ）tの共
分散行列Ｍである。行列Ｍのノルム１に正規化された固
有ベクトルを対応する固有値の大きいものから、ｅ１，
ｅ２，ｅ３とする。クラスデータの初期値は、位置につ
いて画面上等間隔になるよう設定し、共分散行列Ｓ、Ｍ
は単位行列であるとする。この時Ｍの固有ベクトルｅ３
は特別に（０，０，１）であるように定める。
水平、垂直位置を乱数を用いてランダムに発生させる。
特徴ベクトル合成部は、この画像位置（ｘ，ｙ）を受け
て、メモリ（１０７）、（１０８）、（１０９）よりそ
の位置にある時空間微分値、（Ｉｘ，Ｉｙ，Ｉｔ）を読
み出し、標本ベクトル（Ｉｘ，Ｉｙ，Ｉｔ，ｘ，ｙ）t
（（）tは行列の転置）を生成する。一方、クラスデー
タメモリバンク（１１４）にはｎ個のクラスデータが格
納されている。本実施例では、クラスデータは標本ベク
トル（Ｉｘ，Ｉｙ，Ｉｔ，ｘ，ｙ）t中の位置ベクトル
ｐ＝（ｘ，ｙ）tの平均ｓ、位置ベクトルの共分散行列
Ｓ、輝度微分ベクトルｄ＝（Ｉｘ，Ｉｙ，Ｉｔ）tの共
分散行列Ｍである。行列Ｍのノルム１に正規化された固
有ベクトルを対応する固有値の大きいものから、ｅ１，
ｅ２，ｅ３とする。クラスデータの初期値は、位置につ
いて画面上等間隔になるよう設定し、共分散行列Ｓ、Ｍ
は単位行列であるとする。この時Ｍの固有ベクトルｅ３
は特別に（０，０，１）であるように定める。
【００１９】最尤クラス決定部（１１２）では以下の
（数５）で表される距離を用いてランダム位置について
合成された標本ベクトルとこれについて最小距離にある
クラスデータを対応付ける。
（数５）で表される距離を用いてランダム位置について
合成された標本ベクトルとこれについて最小距離にある
クラスデータを対応付ける。
【００２０】
【数５】
【００２１】ここで、（ｅ３３）は、固有ベクトルｅ３
のＩｔ成分である。本実施例では、標本ベクトルとクラ
スデータの対応づけが１組得られた時点で、逐次、最尤
クラスデータ変更部（１１３）で該当クラスデータの変
更を行なう。ｋ番目の標本ベクトルについて、今そのク
ラスデータの識別子をｉとする。データｉ以外のクラス
データは変更されず、データｉのみ、（数６）、（数
７）、（数８）でクラスデータｉが変更される。
のＩｔ成分である。本実施例では、標本ベクトルとクラ
スデータの対応づけが１組得られた時点で、逐次、最尤
クラスデータ変更部（１１３）で該当クラスデータの変
更を行なう。ｋ番目の標本ベクトルについて、今そのク
ラスデータの識別子をｉとする。データｉ以外のクラス
データは変更されず、データｉのみ、（数６）、（数
７）、（数８）でクラスデータｉが変更される。
【００２２】
【数６】
【００２３】
【数７】
【００２４】
【数８】
【００２５】以上のランダムアドレス発生，特徴ベクト
ル合成、最尤クラスの決定、最尤クラスのデータ変更を
幾つかの標本に適用することによって、クラスデータの
自己組織化（クラスタリング）がおこなわれる。すなわ
ち、画像中で近傍にあり、動きの拘束を共に満足する画
素の集合が、同一のクラスデータを形成する。ランダム
アドレス発生は、逐次クラスデータを変更する時の偏り
を防ぐためである。図４は本実施例の動き推定の原理を
示している。輝度微分ベクトルｄ＝（Ｉｘ，Ｉｙ，Ｉ
ｔ）tの特徴空間を考えて見えると、全てのデータが時
空間微分の拘束式を満たしているならば、図４上のよう
に、一つの平面上に分布するはずである。したがって、
ｄｄtの期待値、すなわち共分散行列Ｍの第１固有ベク
トルと第２固有ベクトルはこの平面を張る。そして、第
３固有ベクトルがこの平面の単位法線ベクトルであり、
その成分を（ｅ３１，ｅ３２，ｅ３３）とすると、
（ｕ，ｖ）＝ （ｅ３１／ｅ３３，ｅ３２／ｅ３３）と
して求めることができる。
ル合成、最尤クラスの決定、最尤クラスのデータ変更を
幾つかの標本に適用することによって、クラスデータの
自己組織化（クラスタリング）がおこなわれる。すなわ
ち、画像中で近傍にあり、動きの拘束を共に満足する画
素の集合が、同一のクラスデータを形成する。ランダム
アドレス発生は、逐次クラスデータを変更する時の偏り
を防ぐためである。図４は本実施例の動き推定の原理を
示している。輝度微分ベクトルｄ＝（Ｉｘ，Ｉｙ，Ｉ
ｔ）tの特徴空間を考えて見えると、全てのデータが時
空間微分の拘束式を満たしているならば、図４上のよう
に、一つの平面上に分布するはずである。したがって、
ｄｄtの期待値、すなわち共分散行列Ｍの第１固有ベク
トルと第２固有ベクトルはこの平面を張る。そして、第
３固有ベクトルがこの平面の単位法線ベクトルであり、
その成分を（ｅ３１，ｅ３２，ｅ３３）とすると、
（ｕ，ｖ）＝ （ｅ３１／ｅ３３，ｅ３２／ｅ３３）と
して求めることができる。
【００２６】最尤クラスデータ変更部（１１３）での
（数８）に示した相関行列の変更は、図４の上下に示し
た平面の回転に相当する。これにより、第３固有ベクト
ルｅ３が標本ベクトルから遠ざけられ、ｕ＊Ｉｘ＋ｖ＊
Ｉｙ＋Ｉｔから演算される距離はその標本ベクトルにつ
いて減少される。
（数８）に示した相関行列の変更は、図４の上下に示し
た平面の回転に相当する。これにより、第３固有ベクト
ルｅ３が標本ベクトルから遠ざけられ、ｕ＊Ｉｘ＋ｖ＊
Ｉｙ＋Ｉｔから演算される距離はその標本ベクトルにつ
いて減少される。
【００２７】本実施例の特長は、動きベクトル推定を共
分散行列の固有ベクトルとして求めたことによる。尚、
ｅ３だけを求めるのであれば、（数９）に示すようにｅ
３で表現される部分空間を回転させることにより、逐次
近似することができる。（数９）中、Ｉは３×３の単位
行列である。
分散行列の固有ベクトルとして求めたことによる。尚、
ｅ３だけを求めるのであれば、（数９）に示すようにｅ
３で表現される部分空間を回転させることにより、逐次
近似することができる。（数９）中、Ｉは３×３の単位
行列である。
【００２８】
【数９】
【００２９】共分散行列の固有ベクトルを求めることよ
り、求めた動きベクトルの信頼度を評価することができ
る。Ｍの階数は理想的には、２であるから、固有値を、
λ1＞λ2＞λ3とすると、λ2／λ3の値が大きければ、
得られた動きベクトルの信頼度が高い。また本実施例で
は逐次クラスデータを変更するため、使用するメモリが
少なくすることができる。
り、求めた動きベクトルの信頼度を評価することができ
る。Ｍの階数は理想的には、２であるから、固有値を、
λ1＞λ2＞λ3とすると、λ2／λ3の値が大きければ、
得られた動きベクトルの信頼度が高い。また本実施例で
は逐次クラスデータを変更するため、使用するメモリが
少なくすることができる。
【００３０】次に、請求項１に記載の発明の第２の実施
例を図２を用いて説明する。 図２は第２の実施例にお
ける動きベクトル検出装置の構成図である。
例を図２を用いて説明する。 図２は第２の実施例にお
ける動きベクトル検出装置の構成図である。
【００３１】図２において、２０１はＡ／Ｄ変換器、２
０２，２０３はフレームメモリ、２０４は水平方向微分
フィルタ、２０５垂直方向微分フィルタ，２０６は時間
方向微分フィルタ、２０７は水平方向微分画像メモリ、
２０８は垂直方向微分画像メモリ、２０９は時間方向微
分画像メモリ，２１０は特徴ベクトル合成部，２１１は
ランダムアドレス発生部、２１２は最尤クラス決定部、
２１３は最尤クラス変更部、２１４はクラスデータメモ
リバンク、２１５はＲＧＢ輝度メモリ、２１６はクラス
別標本スタックである。第２の実施例では、標本ベクト
ルに新たにＲＧＢの色ベクトルを結合した。そして、最
尤クラスデータ変更は、第１の実施例のように逐次変更
するのではなく、以下の２つのステップを繰り返し行な
う。
０２，２０３はフレームメモリ、２０４は水平方向微分
フィルタ、２０５垂直方向微分フィルタ，２０６は時間
方向微分フィルタ、２０７は水平方向微分画像メモリ、
２０８は垂直方向微分画像メモリ、２０９は時間方向微
分画像メモリ，２１０は特徴ベクトル合成部，２１１は
ランダムアドレス発生部、２１２は最尤クラス決定部、
２１３は最尤クラス変更部、２１４はクラスデータメモ
リバンク、２１５はＲＧＢ輝度メモリ、２１６はクラス
別標本スタックである。第２の実施例では、標本ベクト
ルに新たにＲＧＢの色ベクトルを結合した。そして、最
尤クラスデータ変更は、第１の実施例のように逐次変更
するのではなく、以下の２つのステップを繰り返し行な
う。
【００３２】ステップ１）標本ベクトルと対となったク
ラスデータの組を各クラスについて、少なくとも１０程
度以上作成記憶する。
ラスデータの組を各クラスについて、少なくとも１０程
度以上作成記憶する。
【００３３】ステップ２）前記複数の組からクラスデー
タを直接計算する。以上、標本ベクトルの拡張と、クラ
スデータの変更ステップが第１の実施例と異なる。次
に、この差異について説明する。
タを直接計算する。以上、標本ベクトルの拡張と、クラ
スデータの変更ステップが第１の実施例と異なる。次
に、この差異について説明する。
【００３４】Ａ／Ｄ（２０１）は輝度とＲＧＢ値を符号
化し、ＲＧＢ値はＲＧＢ輝度メモリ（２１５）に記憶す
る。（２０２）から（２０９）（２１１）の動作は、第
１の実施例の対応する構成要素と機能は同じである。
特徴ベクトル合成部（２１０）は、ランダムに発生され
た画像位置（ｘ，ｙ）を受けて時空間微分値、（Ｉｘ，
Ｉｙ，Ｉｔ）、ＲＧＢ値（ｒ，ｇ，ｂ）を読み出し、標
本ベクトル（Ｉｘ，Ｉｙ，Ｉｔ，ｘ，ｙ，ｒ，ｇ，ｂ）
tを生成する。一方、クラスデータメモリバンク（２１
４）にはｎ個のクラスデータが格納されている。第２の
実施例では、クラスデータは標本ベクトル（Ｉｘ，Ｉ
ｙ，Ｉｔ，ｘ，ｙ，ｒ，ｇ,ｂ）t中の色位置ベクトルｑ
＝（ｘ，ｙ，ｒ，ｇ，ｂ）tの平均ｔ、色位置ベクトル
の共分散行列Σ、輝度微分ベクトルｄ＝（Ｉｘ，Ｉｙ，
Ｉｔ）tの共分散行列Ｍである。第１の実施例と同様に
行列Ｍのノルム１に正規化された固有ベクトルを対応す
る固有値の大きいものから、ｅ１，ｅ２，ｅ３とする。
クラスデータの初期値は、位置について画面上等間隔に
なるよう設定し、共分散行列Σ、Ｍは単位行列であると
する。この時Ｍの固有ベクトルｅ３は特別に（０，０，
１）であるように定める。
化し、ＲＧＢ値はＲＧＢ輝度メモリ（２１５）に記憶す
る。（２０２）から（２０９）（２１１）の動作は、第
１の実施例の対応する構成要素と機能は同じである。
特徴ベクトル合成部（２１０）は、ランダムに発生され
た画像位置（ｘ，ｙ）を受けて時空間微分値、（Ｉｘ，
Ｉｙ，Ｉｔ）、ＲＧＢ値（ｒ，ｇ，ｂ）を読み出し、標
本ベクトル（Ｉｘ，Ｉｙ，Ｉｔ，ｘ，ｙ，ｒ，ｇ，ｂ）
tを生成する。一方、クラスデータメモリバンク（２１
４）にはｎ個のクラスデータが格納されている。第２の
実施例では、クラスデータは標本ベクトル（Ｉｘ，Ｉ
ｙ，Ｉｔ，ｘ，ｙ，ｒ，ｇ,ｂ）t中の色位置ベクトルｑ
＝（ｘ，ｙ，ｒ，ｇ，ｂ）tの平均ｔ、色位置ベクトル
の共分散行列Σ、輝度微分ベクトルｄ＝（Ｉｘ，Ｉｙ，
Ｉｔ）tの共分散行列Ｍである。第１の実施例と同様に
行列Ｍのノルム１に正規化された固有ベクトルを対応す
る固有値の大きいものから、ｅ１，ｅ２，ｅ３とする。
クラスデータの初期値は、位置について画面上等間隔に
なるよう設定し、共分散行列Σ、Ｍは単位行列であると
する。この時Ｍの固有ベクトルｅ３は特別に（０，０，
１）であるように定める。
【００３５】最尤クラス決定部では以下の（数１０）で
表される距離を用いてランダム位置について合成された
標本ベクトルとこれについて最小距離にあるクラスデー
タを対応付ける。
表される距離を用いてランダム位置について合成された
標本ベクトルとこれについて最小距離にあるクラスデー
タを対応付ける。
【００３６】
【数１０】
【００３７】共分散行列Σには（数１１）のように、色
に関する共分散Ｃと位置に関する共分散Ｓが独立である
制約をおいている。
に関する共分散Ｃと位置に関する共分散Ｓが独立である
制約をおいている。
【００３８】
【数１１】
【００３９】本実施例では、標本ベクトルとクラスデー
タの対応づけを最尤クラス決定部（２１２）で所定の回
数を行ない（例えば、クラス数ｎ×１００回程度）対応
づけができた標本ベクトルをクラスの識別子毎、クラス
別標本スタック（２１６）に記憶しておく。その後、ク
ラス別標本スタック（２１６）に記憶された標本を基に
（数１２）、（数１３）、（数１４）の演算を最尤クラ
スデータ変更部（２１３）が行ない、色位置ベクトルの
平均ｔ(l)とその共分散行列Σ(l)、輝度微分ベクトルの
相関行列Ｍ(l)をｔ(l+1)とΣ(l+1)、Ｍ(l+1)に更新す
る。 （数１２）、１３、１４の中で、ｍiは、クラス
別スタック内の標本個数、ｌは更新回数である。
タの対応づけを最尤クラス決定部（２１２）で所定の回
数を行ない（例えば、クラス数ｎ×１００回程度）対応
づけができた標本ベクトルをクラスの識別子毎、クラス
別標本スタック（２１６）に記憶しておく。その後、ク
ラス別標本スタック（２１６）に記憶された標本を基に
（数１２）、（数１３）、（数１４）の演算を最尤クラ
スデータ変更部（２１３）が行ない、色位置ベクトルの
平均ｔ(l)とその共分散行列Σ(l)、輝度微分ベクトルの
相関行列Ｍ(l)をｔ(l+1)とΣ(l+1)、Ｍ(l+1)に更新す
る。 （数１２）、１３、１４の中で、ｍiは、クラス
別スタック内の標本個数、ｌは更新回数である。
【００４０】
【数１２】
【００４１】
【数１３】
【００４２】
【数１４】
【００４３】この繰り返しをｌ＞１０程度行なうことに
り、標本ベクトルのクラスタリングが行なわれる。色情
報を統合することにより、異なる物体間の分離が良くな
り、領域間の動きベクトル検出精度が良くなる。色と動
きを統合した画像の領域分割を行なうことができる。本
実施例ではランダムアドレス発生は必然ではないが、ク
ラス別標本スタックの標本数が格納可能数を越えた場
合、推定の偏りを防ぐことができる。
り、標本ベクトルのクラスタリングが行なわれる。色情
報を統合することにより、異なる物体間の分離が良くな
り、領域間の動きベクトル検出精度が良くなる。色と動
きを統合した画像の領域分割を行なうことができる。本
実施例ではランダムアドレス発生は必然ではないが、ク
ラス別標本スタックの標本数が格納可能数を越えた場
合、推定の偏りを防ぐことができる。
【００４４】
【発明の効果】本発明によれば、従来の時空間微分法に
基づく動きベクトル検出装置に比べて、以下の効果を得
ることができる。 （１）反復演算が不必要で処理時間の少ない構成が可
能。 （２）色など他の情報との統合により領域分割が可能。 （３）領域境界で大きな推定誤差を生じない。
基づく動きベクトル検出装置に比べて、以下の効果を得
ることができる。 （１）反復演算が不必要で処理時間の少ない構成が可
能。 （２）色など他の情報との統合により領域分割が可能。 （３）領域境界で大きな推定誤差を生じない。
【００４５】よって、映像の符号化、ノイズ低減、物体
追跡の応用に利用でき、その利用効果は大きい。
追跡の応用に利用でき、その利用効果は大きい。
【図面の簡単な説明】
【図１】動きベクトル検出装置、第１の実施例における
構成図
構成図
【図２】動きベクトル検出装置、第２の実施例における
構成図
構成図
【図３】動きベクトル検出装置、従来例における構成図
【図４】動きベクトル検出装置、第１、第２の実施例に
おける動きベクトル推定の原理図図
おける動きベクトル推定の原理図図
１０１、２０１、３０１ Ａ／Ｄ変換器 １０２、１０３、２０２、２０３、３０４、３０５ フ
レームメモリ １０４、２０４、３０４ 水平方向微分フィルタ １０５、２０５、３０５ 垂直方向微分フィルタ １０６、２０６、３０６ 時間方向微分フィルタ １０７、２０７、３０７ 水平方向微分画像メモリ １０８、２０８、３０８ 垂直方向微分画像メモリ １０９、２０９、３０９ 時間方向微分画像メモリ １１０、２１０、３１０ 特徴ベクトル合成部 １１１、２１１ ランダムアドレス発生部 １１２、２１２ 最尤クラス決定部 １１３、２１３ 最尤クラスデータ変更部 １１４、２１４ クラスデータメモリバンク ２１５ ＲＧＢ輝度画像メモリ ２１６ クラス別標本スタック ３１０ 水平方向動き推定部 ３１１ 垂直方向動き推定部 ３１２ 水平方向動きメモリ ３１３ 垂直方向動きメモリ ３１４、３１５ 平滑化フィルタ
レームメモリ １０４、２０４、３０４ 水平方向微分フィルタ １０５、２０５、３０５ 垂直方向微分フィルタ １０６、２０６、３０６ 時間方向微分フィルタ １０７、２０７、３０７ 水平方向微分画像メモリ １０８、２０８、３０８ 垂直方向微分画像メモリ １０９、２０９、３０９ 時間方向微分画像メモリ １１０、２１０、３１０ 特徴ベクトル合成部 １１１、２１１ ランダムアドレス発生部 １１２、２１２ 最尤クラス決定部 １１３、２１３ 最尤クラスデータ変更部 １１４、２１４ クラスデータメモリバンク ２１５ ＲＧＢ輝度画像メモリ ２１６ クラス別標本スタック ３１０ 水平方向動き推定部 ３１１ 垂直方向動き推定部 ３１２ 水平方向動きメモリ ３１３ 垂直方向動きメモリ ３１４、３１５ 平滑化フィルタ
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 栄藤稔，白井良明，浅田稔，”クラス タリングから得られる領域の記述に基づ く動的な輪郭抽出”，1992年，電子情報 通信学会論文誌Ｄ−２，Ｖｏｌ．75，Ｎ ｏ．７，Ｐ．1111−1119 栄藤稔，白井良明，”色と輝度勾配に 基づく領域分割による２次元動き推 定”，情報処理学会研究報告，1992年, Ｖｏｌ．92，Ｎｏ．101（ＣＧ−60）, Ｐ．163−170 (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 7/20 H04N 7/00 H04N 7/32 H04N 5/21 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (1)
- 【請求項１】（ａ）符号化され、かつフレーム単位で構
成される映像信号を、保持するメモリと、（ｂ）前記メ
モリから輝度データを読みだし、任意の画像座標の水平
方向の微分を行なう水平微分フィルタと、（ｂ）前記メ
モリから輝度データを読みだし、前記画像座標の垂直方
向の微分を行なう垂直微分フィルタと、（ｃ）前記メモ
リから、前後するフレームの輝度データを読みだし、時
間方向微分を行なう時間微分フィルタと、（ｄ）前記水
平微分フィルタ、前記垂直微分フィルタ、前記時間微分
フィルタの結果を並べた輝度微分ベクトル（Ｉｘ，Ｉ
ｙ，Ｉｔ）と、前記画像座標の位置ベクトル（ｘ，ｙ）
を結合して標本ベクトルとする標本ベクトル合成手段
と、（ｅ）前記標本ベクトルのうち位置ベクトル平均
（ｘ￣，ｙ￣）と動きベクトル（ｕ，ｖ）の推定をクラ
スデータとして、複数保持するメモリと、（ｆ）前記ク
ラスデータと前記標本ベクトル間の距離を，前記した
（ｘ−ｘ￣，ｙ−ｙ￣）とｕ＊Ｉｘ＋ｖ＊Ｉｙ＋Ｉｔか
ら求め、前記標本ベクトルと最も近いクラスデータを対
応付ける最尤クラス選択手段と、（ｇ）前記した最尤ク
ラス選択手段で対応付けられたクラスデータと１以上の
標本ベクトルのデータから、前記クラスデータを前記１
以上の標本ベクトルとの距離和が小さくなるように変更
するクラスデータ修正手段を有することを特徴とする動
きベクトル検出装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29412092A JP2789967B2 (ja) | 1992-11-02 | 1992-11-02 | 動きベクトル検出装置 |
| US08/141,051 US5479218A (en) | 1992-11-02 | 1993-10-26 | Motion vector detecting apparatus |
| EP19930117489 EP0596409B1 (en) | 1992-11-02 | 1993-10-28 | Apparatus for detecting motion vectors |
| DE69326522T DE69326522T2 (de) | 1992-11-02 | 1993-10-28 | Bewegungsvektornachweisgerät |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29412092A JP2789967B2 (ja) | 1992-11-02 | 1992-11-02 | 動きベクトル検出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06150007A JPH06150007A (ja) | 1994-05-31 |
| JP2789967B2 true JP2789967B2 (ja) | 1998-08-27 |
Family
ID=17803554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP29412092A Expired - Fee Related JP2789967B2 (ja) | 1992-11-02 | 1992-11-02 | 動きベクトル検出装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5479218A (ja) |
| EP (1) | EP0596409B1 (ja) |
| JP (1) | JP2789967B2 (ja) |
| DE (1) | DE69326522T2 (ja) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5535302A (en) * | 1994-12-01 | 1996-07-09 | Tsao; Tien-Ren | Method and apparatus for determining image affine flow using artifical neural system with simple cells and lie germs |
| KR0171146B1 (ko) * | 1995-03-18 | 1999-03-20 | 배순훈 | 특징점을 이용한 움직임 벡터 검출 장치 |
| DE69624225T2 (de) * | 1995-12-21 | 2003-07-10 | Koninklijke Philips Electronics N.V., Eindhoven | Gerichtete adaptive geräuschreduktion |
| GB2311182A (en) * | 1996-03-13 | 1997-09-17 | Innovision Plc | Improved gradient based motion estimation |
| GB2311184A (en) * | 1996-03-13 | 1997-09-17 | Innovision Plc | Motion vector field error estimation |
| DE19712017A1 (de) * | 1997-03-15 | 1998-09-17 | Gmd Gmbh | Kompaktes Sensorsystem zur optischen Bewegungserkennung in Echtzeit |
| US6750900B1 (en) | 1998-07-23 | 2004-06-15 | Eastman Kodak Company | Method and apparatus for computing motion tracking parameters |
| SG89282A1 (en) | 1999-05-28 | 2002-06-18 | Kent Ridge Digital Labs | Motion information extraction system |
| US6785329B1 (en) * | 1999-12-21 | 2004-08-31 | Microsoft Corporation | Automatic video object extraction |
| US7639741B1 (en) * | 2002-12-06 | 2009-12-29 | Altera Corporation | Temporal filtering using object motion estimation |
| US7583819B2 (en) * | 2004-11-05 | 2009-09-01 | Kyprianos Papademetriou | Digital signal processing methods, systems and computer program products that identify threshold positions and values |
| JP4966945B2 (ja) * | 2008-10-08 | 2012-07-04 | 日本電信電話株式会社 | 時空間画像特徴量検出装置、時空間画像特徴量検出方法および時空間画像特徴量検出プログラム |
| US8953097B2 (en) | 2011-11-15 | 2015-02-10 | Nec Corporation | Motion vector estimation device, motion vector estimation method, and program for estimating motion vector |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2845473B2 (ja) * | 1989-02-13 | 1999-01-13 | 繁 安藤 | 動画像の運動、非運動領域検出装置 |
| US5166788A (en) * | 1990-06-29 | 1992-11-24 | Samsung Electronics Co., Ltd. | Motion signal processor |
| DE69126930T2 (de) * | 1990-09-03 | 1998-02-19 | Philips Electronics Nv | Video-Bewegungsvektorabschätzung mit asymmetrischem Aktualisierungsgebiet |
| GB2252466B (en) * | 1991-02-04 | 1994-10-19 | Sony Broadcast & Communication | Television standards converters |
| KR950009699B1 (ko) * | 1992-06-09 | 1995-08-26 | 대우전자주식회사 | 움직임벡터 검출방법 및 장치 |
-
1992
- 1992-11-02 JP JP29412092A patent/JP2789967B2/ja not_active Expired - Fee Related
-
1993
- 1993-10-26 US US08/141,051 patent/US5479218A/en not_active Expired - Lifetime
- 1993-10-28 EP EP19930117489 patent/EP0596409B1/en not_active Expired - Lifetime
- 1993-10-28 DE DE69326522T patent/DE69326522T2/de not_active Expired - Fee Related
Non-Patent Citations (2)
| Title |
|---|
| 栄藤稔，白井良明，"色と輝度勾配に基づく領域分割による２次元動き推定"，情報処理学会研究報告，１９９２年，Ｖｏｌ．９２，Ｎｏ．１０１（ＣＧ−６０），Ｐ．１６３−１７０ |
| 栄藤稔，白井良明，浅田稔，"クラスタリングから得られる領域の記述に基づく動的な輪郭抽出"，１９９２年，電子情報通信学会論文誌Ｄ−２，Ｖｏｌ．７５，Ｎｏ．７，Ｐ．１１１１−１１１９ |
Also Published As
| Publication number | Publication date |
|---|---|
| DE69326522T2 (de) | 2000-02-17 |
| DE69326522D1 (de) | 1999-10-28 |
| EP0596409B1 (en) | 1999-09-22 |
| US5479218A (en) | 1995-12-26 |
| EP0596409A2 (en) | 1994-05-11 |
| JPH06150007A (ja) | 1994-05-31 |
| EP0596409A3 (en) | 1994-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6356647B1 (en) | Hough transform based method of estimating parameters | |
| JP3277418B2 (ja) | 動きベクトル検出装置および方法 | |
| US8805121B2 (en) | Method and device for video image processing, calculating the similarity between video frames, and acquiring a synthesized frame by synthesizing a plurality of contiguous sampled frames | |
| JP2789967B2 (ja) | 動きベクトル検出装置 | |
| US6987866B2 (en) | Multi-modal motion estimation for video sequences | |
| CA2430591C (en) | Techniques and systems for developing high-resolution imagery | |
| EP1864502B1 (en) | Dominant motion estimation for image sequence processing | |
| US7868946B2 (en) | Adaptive motion compensated interpolating method and apparatus | |
| WO2005079062A1 (ja) | 画像処理装置と画像処理方法およびプログラム | |
| US5644651A (en) | Method for the estimation of rotation between two frames via epipolar search for use in a three-dimensional representation | |
| US20110075025A1 (en) | System and method producing high definition video from low definition video | |
| JPH06197264A (ja) | ディジタル映像安定化方法及びシステム | |
| JP2000244851A (ja) | 画像処理装置、方法及びコンピュータ読み取り可能な記憶媒体 | |
| US6266371B1 (en) | Motion vector detecting apparatus and method | |
| US6122319A (en) | Motion compensating apparatus using gradient pattern matching and method thereof | |
| US20060098886A1 (en) | Efficient predictive image parameter estimation | |
| US5943450A (en) | Apparatus and method for compensating for camera vibration during video photography | |
| US5859672A (en) | Image motion detection device | |
| JPH0795591A (ja) | ディジタル画像信号処理装置 | |
| JPH10261092A (ja) | オプティカルフローを予測する局部弛張方法 | |
| JP2980810B2 (ja) | 動きベクトル探索方法と装置 | |
| JP3480011B2 (ja) | 画像情報変換装置 | |
| JP3033291B2 (ja) | 画素間相関適応型動き検出方式 | |
| JP2752007B2 (ja) | 動きベクトル検出装置 | |
| JP2000113167A (ja) | 信号処理装置及び信号処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |