TW200834459A - Video object segmentation method applied for rainy situations - Google Patents
Video object segmentation method applied for rainy situations Download PDFInfo
- Publication number
- TW200834459A TW200834459A TW096104153A TW96104153A TW200834459A TW 200834459 A TW200834459 A TW 200834459A TW 096104153 A TW096104153 A TW 096104153A TW 96104153 A TW96104153 A TW 96104153A TW 200834459 A TW200834459 A TW 200834459A
- Authority
- TW
- Taiwan
- Prior art keywords
- pixels
- background
- pixel
- value
- saturation
- Prior art date
Links
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/20—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using video object coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Description
200834459 九、發明說明: 【發明所屬之技術領域】 本發明提供一種視訊切割方法’尤指一種適應於雨天環境的 視訊切割方法。 【先前技術】 近年來,電腦及通訊等相關技術已經全方位蓬勃地被發展, Φ 其中數位多媒體以其多樣化與人性化的介面功能而成為開發的重 點技術,又由於其所呈現的語義能以最少的資訊量直接地傳達給 使用者了解,因此,各種相關研究發展正深深地改變著人們的生 活。數位多媒體技術不但包含常見的音樂與影像,也整合了文字、 語音、視訊與繪圖等媒體。在所謂電腦、通訊、及消費性電子的 3C整合產品中,處處可見多媒體技術深入其中。譬如熱門的 隨身聽、具攝影功能手機,以及具未來感的電子衣服等,都是集 料媒體科技於一身。在多樣化與多功能的多媒體領域中,視: 頃域、、、巴對疋研發的重點技術之一。相較於單張的靜態影像,視訊 的動態性分減理除了包含單張職影像喊理技術,更包含分 析Μπ間遷、$的因素,也就是說,可以把視訊想像成是隨時間而 不斷地變化的連續單張影像,其所包含的資訊量也隨時間而急劇 地增加’因此視訊多媒體技術及其所需較大資訊量的處理而 潛在的困難度。 〃 見代視Λ夕媒體技術已經由低階特徵(low-level)分析處理,從 5 200834459 對亮度(luminance)、色彩(color)或紋路(texture)的描述分析,提升 至研九夕媒體的内各s吾義與概念性的南階特徵描述,孽如研介物 體與事件的抽象關聯概念。視訊技術的提升讓使用者更能直接互 動(interactive)以促進相互了解。上述的互動概念從近年來制定的 視訊壓縮標準MPEG-4與其後的MPEG-7就可以看出端倪,^訊 技術的未來發展係以物體當作基本操作元素,利用視訊中有音義 的物體,以實現物體導向的壓縮技術,進而實現物體的描述二互 動。要達到上述功,視訊物體切割就是主要的關鍵技術,如果 能夠精確地切割出視訊物體,就可提升壓縮演算法的壓縮率,並 且對於視訊内容的相關處理,譬如要在網路或資料庫中搜尋相似 的視訊物體’其檢索準確度與速度的關鍵就在視訊物體切=技 術。除此之外’視訊物體_錢大多數電腦視覺辨識應用的前 級處理’亦即需先將物體從視訊影像中分離出來,才能對該物體 做追蹤、計數、辨識、行為分析等等應用。 〜視訊物體切割不同於靜態影像切割,因為視訊所考慮的不只 =空間上的内容變化,更包含了隨咖因素遷變的資訊,因此, 提供了靜_影像所沒有的物體移動資訊,也朗為多了物體移動 資使視訊物體切割比靜態影像物體切割更容易實現,由物體 ^時間轴上_化所提供之移動資訊,配合物體之低階特徵的辅 可以提砂割視訊物體之準確度。但視訊動態環境的許多變 旦口素’也!丨起視訊處理的其他問題。譬如因雨天環境之變動背 厅、而將雨滴誤判為移動物體,或因雨滴而影響到對移動物體的切 200834459 割準確度。 一般之視訊物體切割方法可分為兩大類,其中一類是自動視訊 物體切利法’另一類則是半自動(semi_automatiC)視訊物體切割法。 自動視訊物體切割法亦稱為非監督公式(unsupervised)視訊物體切 割法,係藉由電腦自動分割出視訊物體。半自動視訊物體切割法 亦稱為監督公式(supervised)視訊物體切割法,係在切割前先定義 好想要切狀物體區域,之後的晝面再根據所錢的物體區域特 倣作切割。底下將分別描述此兩種類型的視訊物體切割法,一般 而s,自動視訊物體切割演算法可分為基於物體邊緣資訊之視訊 物體切割法、級咖與空間域之視訊物體切割法以及基於改變 偵測之撓訊物體切割法,而屬於半自動視訊物體切割演算法者有 與使用者互動式之視訊物體切割法。 μ基於物體邊緣的切割演算法中,主要是利用Ca卿遂緣偵測運 异子來取出物體輪廓資訊。其—開始先計算相鄰晝面之差值,並 執行C:y邊、_ 生了雙倍的物體邊緣_(喻_。之後 面之物體邊緣’然後’物體輪廓可結合移動與靜止部 :的邊緣來取得’最後再經由水平與垂直區域交集偵測,以及型 理方法,以進一步的得出較完整之輪靡。然而,此 中,由於是—運算子作為取出移動物體之方 ,亚且Canny是由梯度(gradient)來決定其邊緣的可 此當物體區域與背景區域之紋理接近 i又’因 了次因雨滴的影響使物體 7 200834459 适、彖模糊化’則其差值之梯度幾乎無法取得,因此物體邊緣會遺 失’而移動與靜止邊界的_錯誤率姐著提高,進而使原始物 體輪摩與切割出的物體輪廓產生明顯差異。 …5 %間與空間域資訊的視訊物體切割法是目前視訊切割演 异法中最常被使用的方法之一,其使用空間域之分割區域來輔助 日寸間域上的切割缺陷以提供—較準確的輪廓位置,破常被利用 _ 的空間域切割法,包括了分水嶺技術、K-Mean分群技術等。此演 异法中,主要分為三個部份:時間域(timed〇mai⑴、空間域(叩atial domain)以及時間域和空間域並用。時間域包含了三個步驟 :全域 移動估測與補償、場景改變偵測以及核心切割。其中全域移動估 測與補償’是為了克服攝影機的些微移動,而場景改變偵測則是 偵測所輸入的視訊晝面中是否有場景改變發生,這兩個部份可以 算是時間域取得的前處理階段。之後則執行時間域的核心切割, 而所得出移動資訊是採用改變偵測法,利用機率估測方式來判斷 修 像素的改變與否。接著,就空間域而言,施行此演算法的空間域 切副’工間域切剔主要是利用影像低階特徵(image c〇ntent),將影 像區分為有意義之區域,但實際上所切割出來的區域,在人類視 覺感官認知中還是有一段差距,因為在人眼感官中,認為應該切 割屬於不同區域的,但電腦的切割卻是認為同區域。 分水嶺切割法,主要是將影像灰階相近的像素歸為同一區域, 而目剷分水領演异法中,以沈浸法(immersi〇n_base(j)最常被使用, 200834459 其動作開聽區域最小值,即騎度影像的最小值之位置,想像 在此挖個洞,讓水從此處開始上深,這就好像將梯度值相近的像 素歸為同i域,並且逐漸賴纽_,—直剩達影像梯度 的極大值才停止’即疋平原的最高點,之後,在此處建立一水壤 (dam) ’其主要目的是為了防止不同區域之水流互相淹沒。最後藉 由結合所求得的時’空間域之資訊,以得到最後的物體區域輪 廓。 ❿ 細,分水嶺蝴法有著雜織祕影響,尤其是雨天環境的 雨滴更是大量雜訊的來源。過量的雜訊會造成過度切割問題,譬 如臉部區域應該視為同—區域,但因雨雜訊的影響,可能被分 口J成α午夕區域,所以後續還需要有區域合併(代由⑽merging)演算法 來解決過度切割的問題,然而這樣的演算法會增加系統負載量, 因此對於整合於即時系統的困難度也相對複雜許多。 ® 另外’ K_Mean分群技術係將區域分割為K個相近區域。在 將每一 K-Mean分群的區域與相對應改變偵測的結果區域作and 運π若AND運#後之結果除以該區域之像素數目大於預設的門 k值’則將此區域設定為移動區域,之後再利用區域描述運算子 來得出移動物體。但這樣的作法缺點在於,其門棰值並沒有採用 適應性於視朗容,因崎取㈣鑛區域並不完美,因為大部 分屬於靜止部分之前景物體部分,其改變偵測結果會被忽略掉, 反而在雨天環境巾變麵雨水料可能被誤判為前景物體部分。 200834459 而誤ίΖΓΓ1算後,靜賴域之前景物體,財沒辦法取出, 用區域描非所要的前景物體部分’雖然可以利 部分十;:完整物體輪臟消除非所要的前景物體 仁而再化費很多時間以執行前後晝 於要求即時系統而言將是一大困難,且 所需要的分類數,這對於視訊_毅相當重要的H7去決疋 關於以改交偵刪changedetection)為基礎的演算法, 貞=鄰畫面間的改變,而最直接的改變偵測法,則是把= 鄰書订=’所得出的差值(碰⑽Ce)大小則代表物體在相 ▲旦a之改、樣度,以作為相鄰晝面間改變程度之參考 =偵測後’所得到物體遮罩之結果,再進—步作後處理而得出完 正的物體輪廓’由於是直接的利用畫面的差值來決定移動的資 T因此對於料谓,如亮錢化(lightehange)、陰影(shad_ 或雜離01se)等,有著較低的容忍度’所以特別不適用於包含很多 雨滴雜訊_天環境視訊,但基於這種方式的切割演算法, 對的計算量將減少很多。 此外’當移動物在移動-段時間後,如果突然停止或是移動較 緩慢時’基於改變偵測的作法,也將會失去部分可用的移動資訊, 此-問題有相_發明提出解決方法,但基本上還是不能解決亮 度變化與陰影效應_,譬如雨量A小就會直接導至到雨天視ς 的党度變化,而地_水聚錢動所產生的動態倒影效應也是另 200834459 問題再力!7上其固有的未遮背景㈣⑽㈣backgr_d)問題, 都έ &成誤躺情況。在習知技術巾係糊移動估測法,去判斷 在守門k 0守改變區域上之偏移向量(出物⑶爪⑽vect〇r)是否也同 樣對應到時_時之改變區域上,若是的話則將此區域視為前 景物體,否則騎景區域’。喊方法由於是機估測,因 此對於邊鱗確度沒辦法達職高,糾,其只能處理單純移動 _的物體,對於其他的變動(譬如轉動何能會誤判, 並且也增加了系統的計算複雜度。 ^後’與使用者互動式之視訊物體鱗則允許使用者在切割 軸料嘛_飾輪廓, 在= 來的畫面中,針對此框出的區域特徵做 =亚配合低階特徵來得出物體輯。這樣_割枝雖 =出不錯的物體邊緣,但缺點在於t所取得 _ 則輪廓較新將會狀錯細降低 所以 中,因雨滴使物體邊緣模糊化而造成輪廊更新 限制了其應用之範圍。 r7、'a誕率, 由上述可知 11 200834459 * 【發明内容】 本發明揭露一種適應於雨天環境的視訊切割方法,於一視訊中 切割出一移動物體,包含:偵測該視訊之一第一晝面而區分 出複數個邊緣像素與複數個非邊緣像素;(b)偵測該視訊於該第一 晝面之前的一第二晝面而區分出複數個邊緣像素與複數個非邊緣 像素;(C)比較該第一晝面的複數個邊緣像素與該第二畫面的複數 個邊緣像素而區分成複數個靜止邊像素與複數個移動邊像素,並 0 產生一移動邊緣連通區域;(d)依據步驟(c)之區分結果以決定該第 一晝面中一移動物體;以及(e)更新一背景成分。 上述步驟(d)可包含:(dl)偵測該第一晝面與該第二晝面之間 的改變狀態;(d2)依據步驟(dl)之偵測結果將該第一晝面區分成一 移動區域、一靜止區域、一背景區域與一未遮背景區域;以及(d3) 依據步驟(d2)之區分結果以產生一初始物體遮罩;(d4)將移動邊緣 連通區域的複數個移動邊像素存入一佇列(queue)中,當一成長區 • 域的區域成長之像素種子,其後,從該佇列中依序取出像素種子, 若所取出之像素種子與一鄰近像素之像素值的差值小於一臨界 值,則將該鄰近像素歸類於該成長區域並存入佇列中繼續區域成 長,以產生該成長區域;以及(d5)依據該成長區域與該初始物體 遮罩以區分出該第一晝面之該移動物體。 有關本發明相關概念於2006年8月30日至9月1日在中國大 陸北京舉辦之關於資訊處理的國際學術研討會(正EE 26 12 200834459
International Conference on Innovative Computing, Information and Control(ICICIC 06))中,由王大瑾(Da-JinnWang)、陳昭和 (Chao-Ho(Thou-Ho) Chen)、廖鴻軒(Hung-Shiuan Liau)、陳聰毅 (Tsong-Yi Chen )所發表的「a DCT-Based Moving Object Extraction Algorithm for Rainy Situation」(一種基於離散餘弦轉換之 雨天環境中移動物體抽取方法)(ρρ·261-264)並公開出版。 鬱 【實施方式】 為了室外雨天環境的適應性,本發明提出了基於邊緣資訊偵測 結合改變偵測的視訊物體切割方法,主要是考慮到未來實現於即 時系統時需減少系統運算負荷,因此本發明揭露之視訊物體切割 方法中採用改變偵測來取得移動資訊,以藉此取代計算量較高的 移動估測,另外,配合空間域切割來提高物體輪廓的準確度,以 減少雨天動態環境對改變偵測法的影響,雖然空間域必須每個晝 • 面都執行空間切割,為了減少空間域切割的運算量,則採用運算 量較低的梯度臨界值法來取得移動物體的邊緣資訊,由於考慮到 下雨因素影響使晝面易產生較模糊效果,造成不穩定的物體邊 緣’因此,本發明亦提出利用色彩空間轉換來取得色彩資訊來判 別物體邊緣的技術,以提高切割結果的準確率。 請參考第!圖’其為本發明視訊物體切割演算法的功能方塊流 程100之示意圖。功能方塊流程100包含魏畫面輸入1〇5、色彩 13 200834459 空,轉換與分析110、背景緩衝115、晝面緩衝120、高斯平滑濾 波器125、改變偵測13〇、物體區域偵測135、邊緣姻14〇、及“ 物,區域匹配H5等功能方塊。假設所輸人的視訊來源其背景是 為靜止的情況’且攝影機朗定,_在好的顧巾,例如監 視系統歧通流量計數系統等,都是在靜止背景條件下攝取與= 析視訊資訊。所以,視訊畫面輸入1〇5就是用以接收由攝影監視 系統所擷取的視訊晝面,背景緩衝115係用以暫存經色彩空間轉 • 換”刀析110處理後的背景畫面,晝面緩衝Π0則用以暫存經色 彩空間轉換與分析11G處理後的複細_面,其餘功能魏 次^類視覺在雨天環境仍能辨識物體,除_動態資訊外,最多 的貝絲源則料境的色彩分佈。因此,_色彩空間轉換將 轉換為HSI模式,即亮度(—η—、色調㈣及飽和度
=mtiGn) ’ _亮__叫雜糊,再彻色調及飽和 度貧訊補償切割物體的缺陷部份。 由上述可知—般切贿算法是針__或空_兩個方向 效能。在日峨方面常見的方法為改變偵測法, 或上吊見的方法則是利用物體邊緣、紋理、色彩區域等特 性來找出物體之間的目聯… 為預設場景,使科料你―异法中大都以室内環境 保持切割的準確度演算法的影響程度不會㈣ "、、y視σίΐ媒體的應用而言,不會只侷限 200834459 ; 裒兄之使用,當視訊媒體之應用轉換至室外環境時,所需 要考慮的目素’得相當複雜。所考慮的目素巾最令人苦惱的因 素主要疋天候變化,而天候變化的因素中最常遇見的則是雨天, 雨天%火會讓視訊晝面—直呈現變動狀態,且比内或是一般 晴天的情況,光源會稍嫌不足,加上雨水之半透明性質會使得畫 面欠得為模糊。在這種情形下,大多切割演算法幾乎無法發揮 作用j而人類視覺在雨天中仍能分辨出雨巾之移動物體,除了知 Φ 迢是3有移動貧訊的移動物體以外,則是人類視覺可以辨別顏色 的差異使我們還能在雨中看到移動中的物體,因此,我們利用色 彩資訊來降低雨天因素的影響。 為了模擬人類視覺系統對顏色感觀的特性,一般會藉由數學上 的轉換將強度成份從一個彩色影像中帶有顏色的資訊分離出來。 在許多的色彩轉換模型中,以HSI模型最適合做為人類對顏色感 觀的描述,因為人類所感知的物體可由其色彩成份以最自然直接 • 的方式表示。在HSI模型中,色調(H)係用以描述顏色的一個色彩 屬性’飽和度⑸係用以量測純色彩加入白光的程度,而強度(I)則 係用以表示顏色明暗的程度。因此,由RGB構成之像素經由下列 式子轉換後,即可以色調(H)、飽和度(S)及強度地φ等三個成份來 表示。 ^^(R + G + B)......公式(1) 5=1—^+l^)[min(足σ,5)]……公式(2) 15 200834459
θ 360-0 > if B<q ^ if B>q > Θ = c〇s < 2 ~ [(R-G) -l· (R - B)(G - B)]2 〇° <360° 公式(3) 式⑴表tf色彩的亮度值為紅色、綠色、及藍色等三原色強 产八:、广式(2)表示色彩的飽和度為移除白光成份後的純彩 又△式(3 )則表不色調係以角度的大小描述色彩的屬性。 對母個移動物體來說,利用其身上顏色的色調資訊即可提供一 /且、碎別特彳政。然而,當彩色攝影機所擷取之移動物體影像圖 、= B成知二者量均相同時,則飽和度將近似於零,等同 於=影像,所以無法·色調值做為物體之_特徵。因此, 色彩空間轉換與分析11G係在將像素之RGB值轉換為HSI健, 先利用強度(1)特徵當作_移動資訊的輸人,當取得移動資訊 後’再利用色調與飽和度特徵去姻移動物體與背景的關聯性, 用以在惡劣的視訊環境下,提供物體切割技術更高的切割準確率。 由於本發明利用強度(1)特徵與改變偵測法來取得移動物體資 t所以只要先估測出—背景模型,則可透過此背韻型提高分 離月景與别景的準雜,因此在經色彩空間轉換後,可對色調⑻ ’、飽和度(S)特湖職方圖分析以取得—色彩特徵之背景模型參 數0 16 200834459 背景參數估測主要目的是要從目前影傻斑葚枯旦^ ,
,因此其分佈啊為一高斯 L下,不淪是攝影機雜訊或 背景模型 noise)或是雨滴快速變動所引起的情況,
是爾滴快速變動所產生的雜訊,被假設成高斯分佈是可接受的。 假設在差值影像中的背景區域其像素是一隨機變數β,則在假設高 斯雜訊分佈下的機率密度函數,可以下式表示。
公式(4) 在公式(4)中,#1?與(715分別表示背景區域之平均值(mea幻與 變異數(variance)。 ^後,要估測色彩空間中已分離出之色調與餘和度部份的背景 品或之平均值與標準差。先將目前影像與前一張影像的色調與飽 • 又。卩伤進行晝面相減(frame difference)的動作,以產生色調差值 心像DIh及飽和度差值影像DIS,並對這兩個差值畫面分別做直方 圖刀析,在一範圍參數r内選出具有像素數目最多的色調及飽和 度用以當作背景參數估測之參考。假設色調差值影像叫及飽 和度差值影像吨的直方圖可表示如下列二式。 h(p) - Num {(lj)\DjH ^ ^ = e DJ^ ……公式⑸ s(p) Num {(i,j)\DIs (/?y) = e ^ J ……公式⑹ 17 200834459 公式⑶中的P為色調值’公式⑹中的p為飽和度值。假設在範 圍茶數,’具有像素數目最多的色調值及飽和度值分別為心㈧ 和啤⑻’若有兩個值數量相同時,則取較大的色調值或是飽和 度值’範圍參數,可被預設為100。 當和化⑻中的像素被決定後,則將這些像素的位置對 應至目前影像的像素位置,並以每-像素為巾心,彻_ 3x3大 小的估測視窗,配合下列二式計算該估測視窗内之平均值與標準
公式⑺ …公式(8) 〜(户)—知·=½…,祕(P’) ·. /_α·.,历(〆) 、在公式(7)與公式⑻中,Ν係為該估測視窗内的像素數目。當 Ρ’為色調值時,公式⑺制輯算色調平均值,公式⑻係用^ • 算色調標準差,w_具有像素數目最多的色調值之第i個像素的 t像素數目的色雛之像素數目(施W,))。當P,為飽和度值 公式(7)係用以計算飽和度平均值,公式⑻係用以計算飽和度 標2差,W1(j)為具有像素數目最多的飽和度值之第i個像素的估2 視_内之第j個像素,公式⑺及公式⑻之His(p,)係為具有最多像 素數目的餘和度值之像素數目(/%(〆))。先根據公式⑺計算該 估測視窗的色調與飽和度之平均值,再將色調與飽和度之平均 18 200834459 值# wi分別代人公式⑻計算該侧視窗的色調與飽和度之標準差 stdWi ° 其後,將所計算的所有平均值^與所有標準差stdwi,分別 根據下列-’想仃總平均料算,即可得酬估測出的背景模式 之背景平均值與背景標準差。 、、 ! 卿)
·...··公式(9) 1 .柯〆)
Sidb =i^f) Σ ^{ρ9) 1 •…··公式(10) 當公式(9)與公式⑽中的His(p,)為册"(〆)時公式⑼係用以 t W色射均值(H"b) ’公式(1G)侧輯算背景色調標準差 (Hstdb) ’當公式(9)與公式⑽中的压納為施办,)時公式⑼ 係用以計算背景飽和度平均值(、),公式⑽係用以計算背景飽和 度標準差(Sstdb)。其中,飽和度的變化翻之原始定麟在〇至i 之間,為方便配合灰階程度變化之說明,可將其變化範圍正規化 至0至255的區間。 在先前技射,姻小波及DCT(d_teeGsinet_fGnn,離 散餘弦轉換)等分頻技術測試濾、除τ_轉視訊畫面之影響,對 於中小雨量的情形仍可處理,但雨勢較大的情形則會失敗。歸究 其原因,係由於_在視訊晝面間乃為時間域之變化而產生晝面 19 200834459 變動的情形’科波及DCT是對單張 當在中小喊哺科可_分赌術的f作,因此, 除’但雨勢較大時卻益 里的向頻變動區排 …、^王處理其晝_的大量高頻變動。 在很多數理佩巾,高斯函數是—驗 數,在影像視訊處理中倾應用於平滑濾波器_=函 因f訊制在輸人難算法處理之前—般都會因為攝的 取像元件之谓,峨細嫩_删,多少=
=到雜_,擾,此,訊號輸人前細濾波器將轴雜訊= ’以產生雜峨少的喊。麵天環境的視訊則巾,本發明 ^W^fS^IKGaussian smoothing filteD^S 4景晝面、—目前晝面、及—前-晝面的變動影響,除上述優 點外,由於雨滴具透明性質而高斯平滑濾波器125是針對晝面^ 每個像素做高斯展開僧,因此,可排除雨天對視訊晝面的影響 並保留晝面的完整性。在本發明中,高斯平滑化濾波器125之二 維高斯函數可定義如下式。 〜 g{ij) = cxe ^ 公式(11) 在公式(11)中,i與j代表影像像素之座標值;c為一常數,用 以決定高斯函數之高度;σ為一變異數,用以決定高斯函數的展開 程度,也就是說,可以根據輸入視訊受雜訊影響之程度而調整 大小,當σ愈大則所產生之影像的平滑度愈高。 20 200834459 …畫=值處理係將相鄰的兩張晝面執行相減的處理程序,因 :、,义々’單且有效率’所以常被使用在基於改變侦測的切割 法之前級處理。差值畫面的變化程度也可稱為移動資訊(motion _ation) ’其中包含著移動物體區域與靜止背景區域的差值, 而姆於背景區域,移動區域往往會產生較大的差值,因此就可 以將巧些變化較大的像素從靜止的背景區域中分離出來,而種分 •離程序即稱為改變躺請。一般而言,由於視訊晝面都會受電子 凡件干擾或是魏亮度變化等辟,以致於差值晝财造成較大 f化量的麵可能就不只是物體的移祕域,另會包含受干擾影 響的區域’而這也是_畫面相減程序以切割移動物體的一個主 f缺點。此外,本演算法中的背影械處理同樣於差值運算 部分,只不過是以目前畫面與背景晝面來做相減運算。# •、」咖不_料鳩-的晝面分別為胸與編,則書面 是值的相減處理程序可表示為下式。 一 邮....公式(12) 在公_中,偏代表在時間t之輸入晝面,⑽代表書 的前-輸人晝面,d舰表兩晝面在座標值⑼之像素= 在根據本發騎揭露之方摘_實驗巾,係針料同的影像 21 200834459 畫面做處理,其中這些不同的影像晝面包含在大雨環境下所拍攝 的Rain一woman視訊之背景影像晝面,並稱之為一第一影像晝面; Rain—woman視訊之一第二影像晝面;以及如记一卿瓜肪視訊的第 一影像晝面與第二影像晝面之差值影像晝面。 在產生差值影像後,接著必須將差值影像區分為改變 (changeregion)區域與未改變(unchangedregi〇n)區域,配合一預 $又6品界值(threshold)以執行改變偵測如把此⑽)。差值影像上 的像素灰階值與背景區域相比較,若超過該預設臨界值則此像素 即被判斷為改變,否則判斷為未改變,因此必須先從差值影像中 估測出背景模式(backgroundmodel)。在先前技術中,是利用先前 晝面的改變偵測結果之未改變區域作為目前晝面改變偵測時的背 景區域,可是當雜訊影響較大時,所得出的未改變區域必定不符 合真實情況,因此造成之後的估測錯誤蔓延。 因此針對先前技術的缺點,本發明一開始即針對色彩資訊部份 估測一色彩背景模式,而在改變偵測方面則是以亮度⑴的資訊來 決定亮度部份的背景模式。請參考第2圖,其為本發明包含背景 模式估測之改變偵測130的功能方塊流程圖。改變偵測13〇包含 一直方圖分析410、一背景參數估測420、及一像素分類430。如 前所述,改變偵測130另具有一晝面差值處理4〇5之前級處理, 當所輸入的一第一晝面為一背景畫面而一第二晝面為一目前晝面 時,則改變偵測130輸出一背景相減遮罩;當所輸入的該第一晝 22 200834459 一晝面時,則改變偵測13〇 面為該目前畫面而該第二晝面為一前 輸出一畫面差值遮罩。 、直主方圖分析的魏主要是提供絲影像之灰階或色彩的 =佈=形’藉由直方圖功能以方便後續的分析功。—般而言, 差值影像係包含靜止的背景與移動的物體,__物體常常產 =較大的触變化,當絲大的強度變化也有可能是雜訊造成的 Φ 影響’反之,較小的強度變化一般都會對應到背景區域,也就是 靜止部分。請參考第3圖,其為上述Rain—w_n視訊之第一影 ,晝面與第二影像晝面所產生之差值影像畫面的直方圖分佈。從 第3圖所示之差值影像的直方圖分布可觀察出大部分的灰階分佈 都是靠近於灰階零值區域,因為這些灰階是最能夠表現出差值晝 面中的背景區域,所以我們在一灰階範圍"内,選出其具有像素數 目最多的灰階,以當作後續的參數估測參考。假設差值影像的 直方圖分布可以下式表示。 _ His(p) = Num{(i,j) | DI{iJ) = {ij) E /)/| ......公式(13) 在公式(13)中’ p為像素之灰階值,DI(i,j)代表差值畫面之座標 值為0,j)的像素灰階值,His(p)表示差值畫面中,像素灰階值為p 的像素數目。所以在灰階範圍「内,若具有像素數目最多的灰階值 為〆,而其數目即為,若灰階數量相同時,則取比較大的 灰階。譬如說,在本發明中,灰階範圍參數r可被設定為1〇〇。 23 200834459 接著月厅、參數估測420即是要估測背景區域之平均值與變異 數。本發财法係先找出差值影像中所有像素雄為^,之位置, =以此像素為中心,考慮—大小為_估測視‘,計算此估測視 ^内之平均健鮮差,計算方式可根據公式⑺與公财)。也就 疋。尤’利用公式⑺計算視窗平均值,利用公式⑻計算視窗標準差。 由於考慮了〆及其鄰近之像素,因此估測參數之準確度會因而 ⑩較高,而估測視窗在本發明係可採用-W的工作視窗,其後,再 I均所估測之平均值與標準差,以取得亮度部份背景參數之背景 儿度平均值(/〃")與@景⑥度標準差,計算方式可根據公式⑼ 與=式⑽。也就是說’利用公式⑼計算背景平均值旧用公式⑽ 计鼻背景標準差。 像素/7 443G即疋要湘先前參數估酬制的背景標準差, 再乘上H以絲臨界值,接著,紐影像上的像素值與背景 癱I均值之雖若纽此轉值,_此像讀_前景部份(以灰 ^ 55表7F)否則將此像素歸類為背景部份(以灰階〇表示),也 、、疋兄歸類為月ij厅、的像素係以亮點表示,歸類為背景的像素係 以暗點表示。 常^翻以控制像她_度,當。較小時可能會將雜訊 <判為·狀時可能會把物體移動量較小之物體部份 Ζ為背景,因此常數e的大小主要是由晝面内容的變化程度所 決疋’當晝面内容產生較大變化時爾要-較高數值之c,反之, 24 200834459 m 當畫面内容變化較緩和時,則需要一較小數值之c。在本發明中, 常數C之範圍可在〇至1〇中間。 在根據本發明所揭露之方法所做的實驗中,Rain—w〇man視訊 之差值影像畫面經像素分類後的影像所使用之常數C係設為1〇。 根據實驗結果可以很明顯地發現,Rain—w〇man視訊之差值影像書 面經像素分類後的影像由於視訊受到雨勢影響,因此在像素分類 之後,差值較大的雨滴雜訊也被誤判為是前景物體,進而被分類 • 產生許多不該有的亮點,如果提高像素分類所需之常數c,則可衰 減因雨滴雜訊所產生的亮點數目。 物體區域偵測135的主要的目的是結合改變偵測結果之晝面差 值遮罩(frame difference mask)與背景相減遮罩(backgr〇un(1 subtraction mask),用以偵測物體區域的各種情況。請參考第4圖, 其為根據本發明揭露之方法利用物體區域偵測,當移動物體8〇〇 _ 攸左邊移至右邊日守,所偵測到的四種不同性質之區域,其中這四 種區域包含背景區域(backgroundregi〇n)8〇;l、靜止區域(s僅 region)803、未遮背景區域(unc〇veredbackgr_dregi〇n)8〇5、及移 動區域(m〇vingregi〇n)807,且虛線部分代表前一畫面的移動物體 外框。 通常在改變_技術中’靜止區域常會被誤認為是背景區域, 而未遮背景區域會被誤判是移祕體的—部分。軸上述二種情 25 200834459 :=::==== 所以’為解決靜止區域絲遮背景區域被誤判的情況,在不提 南計算量需求的前提下’在本發明晝面差值遮罩,配合背景 相減遮罩以偵測每-區域。請參考第5圖,其為顯示利用:體= 域偵測判斷第4圖所示之四種不同性質區域的方法列表,其中⑽ •表示像素在遮罩上是判斷為改變,而〇FF則表示未改變f根據第 5圖所示之方法列表偵測出的背景區域8〇1與未遮背景區域應 即能從遮罩中被刪除,因此物體區域偵測只有輸出移動區域8〇7 與靜止區域803 ’而結合移動區域807與靜止區域8〇3就可以輸出 一初始移動物體遮罩(Initial 〇bj ect Mask,IOM)。 所以在上述技術中係以改變偵測方法取得移動資訊,並透過物 φ 體區域偵測得到一初始物體遮罩,改變偵測方法是經由晝面間物 體移動變化以取得移動資訊。但當晝面中除感興趣的真實移動物 體外,背景也可能是呈現變動狀態,譬如在下雨情況時,會造成 整個影像畫面呈現連續變動的現象,此時便容易影響改變债測判 斷之結果,而造成移動物體區域的誤判情形。由於雨滴具有光線 透射的透明物理性質,且移動相當快速,使得雨滴在晝面中形成 模糊的細長形狀,雖然下雨造成晝面有被模糊化的效果,但畫面 中大部份的邊緣資訊仍被保留下來。 26 200834459 ϋ柄明提出彻邊緣伽》1 HO方法取得重要的邊緣資 a: X疋位移動物體的區域細,以彌補改變制技術在雨天環 兄下^區域判斷▲力。請參考第6圖,其為邊緣偵測刚的功能 方塊流程圖。邊緣_⑽包含—導數運算處理⑽、—物體邊緣 ,、j 820及物體填補83〇。所謂邊緣是定義在灰階層面的變動 里一而k緣偵測運算子則是針對此變動量去進行制並獲取其邊 ^貝A 1來說’邊緣_係綱導數觀細侧影像邊緣的 ^動里,由於影像是屬於離散性質,所以導數運算處理810即用 差值近似以取代原導數的線性運算,接著再進行—次導數運算就 可臺成—階導型式的邊緣偵測運算式,二階導數的運算式可表示 為如下所示之公切4),m數運算為最基本的導數運算,所以 省略不贅列示。
A,K dy ) θχ Δχ2 Δ,,-Δχ/ ^ .......公式(14) 若將一階與二階的導數運算式轉換成函數圖形,就可报清楚地 看出影像邊緣經由導數梯度運算後所產生的變化。請參考第7圖, 其為影像空間灰階值分布與其一階導數和二階導數的函數分 圖。 , 在第7圖最上方的函數圖形係顯示影像對χ方向做橫切剖面, 27 200834459 崎 其灰階值的分布變化,_顯地,其分布變化係由_較低灰階值 的平π區域★化至I场灰階值的平滑區域,巾間的斜坡部份則是 兩個區域之間的邊緣變化。當經過—階導數運算後便形成第7圖 中間的函數圖形’平滑區域經一階導數運算後,大部分趨近於灰 Ρ皆G值’而斜坡_經—階導數運算後,則變成—山脊區域,在 該山脊區域所包含的範圍,廣義來說可都算是邊緣區域,但為了 得到較準_邊緣位置,可利關示之—臨界值定義真正的邊緣 •區域(如第7圖中標示之a與b之間)。再進行一次導數運算則可得 出第7圖最下方的二階導數函數圖形,類似正弦波的函數曲線, 其零點位置正好對應到一階導數函數圖形的最頂峰位置,此位置 一般稱為”零跨越點,,(zero_cr〇ssing p〇int)。 由上述可知’一JI白導數為零而一階導數為極大值之零跨越點 必^落於_區域的内部位置,換句話說,零跨越點屬於邊緣的 可能性為最高。因此’本發明_零跨越點的特性決定邊缘偵、則 i 種界值。假設在影像中零跨越點位置會位於邊緣區域中像素值 ,低點的部份’並利用5x5遮罩搜尋整張影像,在遮罩内像素值 最低的像素會被標記為候選點(candidatepoint),以cp表示如 示之公式(15)。 ’、卜所 CPt = [p\rnm{Masknxm (p)), p e G/,., 〇 < „ < 5, 〇 < w < 5} ……公式(15) P為梯度影像 在公式(15)中,GI為梯度影像,i表第i張晝面 28 200834459
Glj中的像素,遮罩的大小為nXm,n與m可均假設為$。 但為避免當像素值為0時,會與背景像素或平滑區像素混清而 造成誤判,因此需要濾除非零跨越點的部份。所以,在取得所有 候選點CP後,可以產生第i張梯度影像GIi之候選點集合邙,以 每一候選點CP為中心點取3x3遮罩,若中心點與鄰近點的差值大 於一預設臨界值r,且滿足此條件的像素數目超過4個,則將此 _ cp保留並圮為零跨越點,以ZCp表示如下所示之公式(μ)。 叫 P 卜 4i1>r)>4,pea^eMa^_(p),〇w3,G^3^ 公式(16) a式(16)中,為遮罩中心點之鄰近像素點,預設臨界值『可 設為10。
當取得所有ZCP之位置後,以每一奶斜心,利用一大小 N的估_® ’根據下列三式計算該估顺窗内之平均值與標 準差。
J. N 公式(Π) f〇r i^\X.^ZCP{x) std (x)
N
N ......公式(18) for 1 = 1,2,..., ZCP(X) 29 200834459 在公式(17)與公式(ι8)中, 、 估測視窗内之平均值, 值可為9 ’公式(17)細以計算該 差。 么式(1δ)係用以計算該估測視窗内之標準 由於以零跨越點灸+ 最s,所以㈣ 週軸祕素點為觀的可能性為 取冋所以將中心點及其鄰近點 翏數之準確度。在本 … *用以^估測 , v 估測視窗係採用-3x3的工作視窗。
;公式(19)與公式⑽,平均所估測之平均值盘標 準差’作為_是否為邊緣像素的參數依據。 MEd§e X ~ ZCP(i) Σ UWi(x) for i = l?2?...?ZCP(^r) ….公式(19) idEd (x)=z — 1 zc^) ^ zcp(x) Σ for i = h2>^^ZCP(x) •…·公式(20) 所以對梯度t;像做邊緣像素之顺,係湘上紐測參數所得 到的邊緣標準差當作—臨界值n梯度影像上的像素與邊緣平 均值之差值大腿界值?;w,驗此像素分_輕部份(以灰階 255表不),否則將此像素分類為背景部份(以灰階〇表示)。 經由上述方法可得砸面邊緣資訊,㈣緣__dge
Map) ’、巾仍έ有屬於背景部份的邊緣區域’但只有移動物體的 邊緣為所要區域,為了只_所要的邊緣區域,必須將邊緣進- 30 200834459 步分類為靜止邊(static edge)和蒋氣、心 ·. 布多動邊(moving edge),靜止邊是屬於 月厅、孙’而移動邊則是屬於移動物體部份。本發明方法之物體 邊緣偵測82G係利❹重晝面分析觀念,將背景邊緣從邊緣映射 圖中去除’只保留移動物體的邊緣部份。由於視訊晝面間像素與 像素的關聯性高,顧這個特性我們設在目前晝面中邊緣映射的 邊緣點若是被歸屬於靜止邊,則是當在這時間點之前的晝面,其 相同位置的邊緣點也被考慮為靜止邊,換句話說,若目前畫面中 的像素點被歸類為邊緣點,且前幾張畫面中相同位置的像素亦同 樣為邊緣點,則將此像素分類為靜止邊。總而言之,若一像素之 像素值為0,則表示該像素絲被分類為輕部份,將此像素分類 為非邊緣點(not edge),即為背景部份;若一像素之像素值為255, 且在之雨晝面相同位置的像素之像素值也是255,則該像素被分類 為靜止邊,也是背景部分;若一像素是在上述兩種情況之外,則 將該像素視為移動邊。以上判斷方法可以表示為下列的公式(21)。 ifiEdge^p)二 Q) not edge pixel else if {Edge, (p) = Edge^ (p) = Edge^ (p) ^ 255) static edge pixel else initial moving edge pixel ......公式(21). 在公式(21)中,尸表為像素心是指在第丨張晝面,而”與历 可分別定為3與5,即五办^是指經導數運算處理81〇分析處理後 31 200834459 的第1張晝面,而及/ge^是指經導數運算處理81〇分析處理後於 第1張晝面之前的第?·々張,方是指經導數運算處理81〇分析 處理後於第i張畫面之前的第^所張晝面,也就是說,畫面緩衝 120提供第i張晝面、第以張晝面、及第纟_所張畫面至邊緣偵測 140,该二張畫面經導數運算處理81〇分析處理後,產生另三張晝 面及fee,’、及Λ、及及纟约—⑺以供物體邊緣偵測82〇做進一步的處 理。不㈣轉晝面是考翻移祕體在柳晝面間的關聯性太 馨冋’而使得移動邊容㈣判為靜止邊,尤其是當鑛物體的移動 速度較緩慢時。 备考慮在雨中環境之情況時,雨滴可能因變動的差值大於臨界 值的觸而被偵測出來,使晝面中產生非真實移動物體的雜訊 ·、、、占為了㈣轉確的物體邊緣區域並排除因下雨影響造成的雜 祕’本發縣合改變侧所得摘初始物體遮罩,即當經由公 式(2!W㈣的鶴邊像素亦屬於初始物體遮罩⑽像素,則將 1 像素決福真正的鶴物體雜部份,爲邊緣決 列公式(22)表示。 丁」田下
Moving region, ^{p\pe lnitial M〇ving p ^ J〇^ ^ ........公式(22) ' 上述移動物體邊緣_方法只能產生移動物體的邊 補830係狀—掃描式物體翻方法㈣分出移動物體 亚不I枝很完整的輪廊,所以本發明方法之物體填 的完整輪 32 200834459 * 廓。習知技術所提及之掃描式物體填補方法先對整張影像進行 次橫向掃描,對每一行中位於移動物體邊緣内部的所有像素=行 連接,並設定被連接的像素點之灰階值為255,接著,这一 ^^ L i張影像 進仃一。人縱向掃描,對每一列中位於移動物體邊緣内部的所有像 素進仃連接,並設定被連接的像素點之灰階值為255,然後,再對 ,張影像進行另-次橫向掃描,對每—行中位於移動物體邊緣内 #的所有像素進行連接,並設定被連接的像素點之灰階值為攻。 _ 考第8圖至第1〇圖。第8圖係為一移動物體的不完整邊緣輪 f ^ 9圖係為第8圖所示之移動物體_的不完整邊緣輪廊經 —次橫向掃描連接與-次縱向掃描連接後產生的移動物體填補 圖’射移動物體960之形狀係以第9 _示之實線所圍繞。第9 圖中最右邊的一直向邊緣線95〇並沒有被連接,因為在第8圖中, 直$邊緣線950係對應到左邊直向邊緣的中央缺口處,造成在第 -欠橫向掃描時,沒有可以對應連接的像素。因此,需要再進行 • 另_人杈向掃描,以填補第一次橫向掃描所可能漏失的區域。第 川圖即為第8圖所示之不完整邊緣輪廓經三次掃描連接後所產生 較完整的移動物體96〇填補圖’其中該移動物體填姻可用以作 為後、戈移動物體%〇切割所需的移動物體遮罩,且移動物體96〇 之形狀係以第1〇圖所示之實線所圍繞。 六^述習知技術所述之掃描式物體填補方法只對單一物體有 若晝面中存在多個物體時’則上述填補方法很可能將背景也 I s進去。因此,本發明方法之物體填補83〇另加入距離與像素 33 200834459 ·_ 差值兩個階段的判斷以改良上述物體填補方法。首先執行横向掃 描時遇到的第一個邊緣點,記為,其後再遇到第二個 邊緣點日守會先判斷是否小於一段距離而,若是則記為 並繼續掃描下一點,否則將上一個所找到的邊緣點記 為/^>如,並將目前找到的點設定為候選孤立點c/p(candid槪 isolate point),將孤立點C/P的權重值加ι(因第一個邊緣點已成為 孤立點),接著從^到/^―如/以做像素相連的動作。上 述方法可由下列公式(23)表示。 if (\First 一 index — Edge(p)\< distance)
Second 一 index 二 Edgeip) and search next pixel else
Last Jndex- Second Jndex and CIP(Edge(p)) + \ ……公式(23) 在公式(23)中,及igefo)表示移動邊緣影像的像素。 _ 其後’判斷是從FWex到/^」Wex做像素相連時是否包 含有背景像素,物體填補830利用亮度、色調及飽和度三種資訊 與背景像素做比較,若欲連接的像素之亮度、色調及飽和度與背 景像素之焭度、色調及飽和度平均值的差值若分別大於前面所估 測的背景亮度標準差、背景色調標準差及背景飽和度標準差,則 表示欲連接之像素與背景相異,係為所要連接的像素,所以執行 其相關之連接動作,否則將之移除。假設連接點所成的集合為移 動邊緣連接區域似(Moving Edge Connection Region),則上述 34 200834459
V 方法所產生的移動邊緣連接區域MECR可以下列公式(24)表示。 最後,當三次縱橫方向掃描完成後,將孤立點CIP權重值大於2 的像素移除,表示該像素在三次掃描中沒有與其他物體連接,可 視為孤立點並將該像素移除。 mCR^p^p-l^l^ \p-H^\>Hstdb yFmtJndex<p<LastJndex\ if(CIP(p)>2) 八 —j the pixel is removed A 式(24) _ 公式(24)中,p表介於朽r毛/ix與之間的像素,工 "b為背景亮度平均值,istdb為背景亮度標準差,s〃b為背景飽和度 平均值,sstdb為背景飽和度標準差,H〃b為背景色調平均值, 為背景色調標準差。 在本^明所做之其他實驗中,係提出⑺pk視訊所包含 的一晝面經移動物體邊緣_方法所產生的移動物體邊緣晝面、 將該移動物體邊緣晝碰先前技術三次縱财向掃描填補後產生 的移動物_罩、以及將該移動物體邊緣晝面經本發明所揭露之 方法掃描填微產生的雜鐘鮮。由實驗結果可以發現經過 t發明所揭露之方法所處_移動物體遮觀以先前技術三次縱 知 '方向掃描填補後的移動物體遮罩更為精確。 經過物體切割處理後,移動物體可以從畫面中被切割出來, ㈣動物體的特性(characteristics)與行為(behav㈣資訊實際上是 無法穩定且精確地產生,職生的輪廓可能會躲,或包含 35 200834459 了其他不屬於該物體區域的凸出部分,主要3 訊、陰影(shadow)、及物體移動方式轉響,而、^(到了背景雜 環麵而異’譬如在室内環境情況所;的以 小’因為室_境係細嫩_,較少有料動= 而增加影_轉。在斜魏切__變 演算法的準確度受雜大的影響,#如因下雨_使得敕張查二 日:直=變動的狀態’或因雨水造成地面積水使得移動^二過 二二映射的移動反射區域’即水中倒影的影響讓切割 濟异法的準確度日聰降低。耻本發财法另包含修整物體輪 廓,,並降低受水中倒影區域的影響’使切割演算法的準確度獲得
月/考第11圖’其為依本發明方法之物體區域匹配⑷的功 能方塊流程圖。物體區域匹配145包含—物體方框侧160、一區 或成長170物體區域匹配18〇、及一後級處理渡波器卿。其 中輸入的貝成包含物體區域偵測135所產生的初始物體遮罩與經 邊、、彖偵測14〇所得之移動邊緣連舰域,並配合經色彩轉換所分 離的色見、飽和度資訊。在初始物體遮罩中會擁有較完整的物體 邊緣’但在雨天環境下容易含有移動倒影區域,該移動倒影 區域 並非所要@切動區域遮罩中會提供較正確祕域,即較不會 ^有倒影區域的部份,因為大部份倒影區域之邊緣像素變化1 背景區域有她性,所以可_色調與飽和度資訊識別倒影[ 二移除之 < 由於利用空間域資訊偵測物體邊緣變化,所以$ 36 200834459 ,_财敎。因此祕核物雜叙不包含娜區域的 則k下,本發明利用物體方框偵測16〇框出畫面中物體區域範圍, ^尤是說’透過方框所定義的顧進行比虹作,而由初始物體 遮罩狀_方_圍可能包含物體區域顧與爾彡區域範圍, 該倒影區域範圍就可利用其與背景區域的相似性而識別並移除 • …經過邊緣偵測及物體填補處理程序後,可以產生移動邊緣連通 區域’但整個移動物體的輪廓會較不穩定,所以本發明方法另利 用區域成長170的方法以補償移動邊緣連通區域所缺陷的部份。 在執行區域成長之$必須先取得成長的像素種子,假設像素種子 所成的集合為物體的邊緣像素#作成長的像素種子, 所以可使耻前技術的拉普_運算子以取得像素種子。取得像 素種子後,就可以執行區域成長。 _ 區域成長170所提供的區域成長法係利用仵列(queue)技術處 理,此’執行前先將所有像素種子存入仔列,成為仔列之元素, 之後再從符列中-一取出每個元素,並且判斷其鄰近的像素值與 取出元素之像素值的差值是否小於—臨界I,若是_此鄰近像 '、匕入^丁列中,並歸類屬於成長區域,一直重複此動作直到件列 為空便表示區域成長已完成,至祕域成長的條件的設定係利用 色彩資訊’即亮度(1)、色調(H)及飽和度⑻,這三種資訊個別都以 三個條件來做為判斷的依據: 37 200834459 1·種子是否與其鄰近像素相似。 3. 2.種子與對翻f景畫面相同位置的像素是否相似。 L種子_近像素與其對_背景晝帥随置的像素是否 相似。 當條件1為相似且條件2與3為不相似時,表示此像素為移動物 體亚歸類於成紐域’上述崎方法可表示如下列公式⑽。 s^=s^M^)-q\^ SR = SRiuSRsai^SRH .......公式(25) 在a式(25)中,岫二式之qi依序為仔列元素之亮度值、飽和度 $、及色調值’卿為仔列元素之鄰近像素的亮度值,為 仵列元素讀近像素_和度值,NH(qi)為侧元素之鄰近像素 的色雛,ri為亮度臨界值,rsat為飽和度臨界值,γη為色調 S品界值’ I〃b為背景亮度平均值’ Istdb騎景亮度標準差,s〃b為背 景飽和度平均值’Sstdb為背錄和度鮮差,〜騎景色調平均 值’ Η祕為背景色調鮮差,Qi表侧元素之亮度值集合,‘ 表4丁列元素之飽和度值集合’ qh表仲列元素之色調值集合,sr 表經區域成長後的物體區域之像素集合。 在得到一個較穩定的切割物體後,物體區域匹配18〇係用以比 對初始物體方框及軸邊料舰域方框的翻,並以移動邊緣 38 200834459 連通區域方框為基準,在此方框的範圍内結合初始物體遮罩和移 動區域遮罩,可將初始物體遮罩的娜區域排除,並使移動區域 遮罩付到#x準確的輪廓’最鮮取出所要的軸蝴物體區域。 有關於上述萃取出移動切割物體區域的過程,在本發明之實驗 中係提出-原始測試影像、將該原始測試影像經拉普拉斯運算處 it後產生之種子像素晝面、以及_種子像素晝面經區域成長、 鲁 HSI色雜合、及物體區域匹配處理後所產生的畫面,並可藉此 觀察到上述之移動切割物體過程之精確性。 後級處理濾波器190為物體區域匹配技術的最後一個處理,主 要目的是要將物體遮罩中的小區域雜訊消除,並^平滑化其邊緣 以制最後的浦遮罩。雜訊區域絲主要是消除遮罩畫面中的 背景雜訊(白色區域)與物體中的雜訊(黑色區域),本發明方法係利 • 用連通成份標記法(connected-component labeling)將連通區域之面 積小於面積臨界值的區域消除掉。 在消除背景與物體中的小區域雜訊後’其邊緣可能還有毛邊或 不平滑現象,因此,最後利用3x3結構元素(structureelement)的形 態濾波器(mo—ologymter),包括了打開(〇_與關閉 滑化物體輪廓,經形態平滑化處理後,就可相當精確地萃取出所 要的物體區域。 39 200834459 在上述萃取出所要的物體區域之過程中,本發明所做之實驗係 提供-物體遮罩晝面,以及由該物體遮罩晝面中消除物體區域雜 訊與背景雜訊後’再經平滑化處理與腦色彩結合所產生的晝 面,並可以藉此證實本發明之方法的物體區域萃取精確性。 乂上所述僅為本舍明之車父佳實施例,凡依本發明申請專利範 目所做之均等變化與修飾,皆應屬本發明之涵蓋範圍。 9 【®式簡單說明】 ,1圖為本發明視訊物體切割演算法的功能方塊流程之示意圖。 $ 2圖為本發明包含背景模式估測之改㈣測的魏方塊流程圖。 第3圖為根據本發明之方法所做的實驗中,第—影像晝面與第二 影像晝面所產生之差值影像晝面的直方圖分佈。 第4圖為根據本發明揭露之方法侧物體區域侧,當移動物體 從左邊移至右邊時,所偵測到的四種不同性質之區域的示 麵^ 意圖。 第5圖為顯示利用物體區域债測判斷第4圖所示之四種不同性質 區域的方法列表。 ^圖為本發明之方法中所實施之邊緣偵測的功能方塊流程圖。 弟7圖為第6圖中影像空間灰階值分布與其一階導數和二階導數 的函數分布圖。 ^ 8圖係為—移動物體的不完整邊緣輪廓。 第9圖係為第8圖所示之鑛物體的不完整邊緣輪廓經-次橫向 200834459 卜掃描連接與一次縱向掃插連接後產生的移動物體填補圖。 第ίο圖為第8圖所不之不完整邊緣輪廓經三次掃描連接後所產生 較完整的移動物體填補圖。 第11圖為依本發鴨揭露之方法所實施之物親域㈣145的功 月包方塊流程圖。 功能方塊 移動物體 背景區域 靜止區域 未遮背景區域 移動區域 直向邊緣線 【主要元件符號說明】 105-145、160-190、 405-430 > 810-830 800 801 803 805 807 950
Claims (1)
- 200834459 、申請專利範圍: 於一視訊中切割出 一種應用於雨天環境的視訊物體切割方法, 一移動物體,包含: ⑻ 侧該視訊之一第一畫面而區分出__ 個非邊緣像素; 1豕京興複數 ⑼偵測該視訊於該第-晝面之_—第二晝喊區 數個邊緣像素與複數個非邊緣像素; • (c)比較該第一晝面的複數個邊緣像素與該第二晝面的複數個 構像素而區分成複數個靜止邊像素與複數個移動邊像 素,並產生至少一移動邊緣連通區域; (Φ依據步驟(c)之區分結果以決定該第一畫面中—移動物 體;以及 更新一背景成分。 _ •如請求項1所述之視訊物體切割方法,其另包含有·· ;執仃步驟(a)之前,使用一平滑濾波器(sm〇〇th filter)去除該第 思面中的雜訊與該第二畫面中的雜訊。 3 如 、、 凊求項1所述之視訊物體切割方法,其中步驟(幻包含: 執仃该第一晝面的導數運算以產生一第一梯度影像;以及 據4第一梯度影像決定該第一畫面的複數個邊緣像素。 4· 如上主、、 明求項1所述之視訊物體切割方法,其中步驟⑼包含: 42 200834459 以產生一第二梯度影像;以及 弟一晝面的複數個邊緣像素。 執行該第二晝面的導數運算 根據該帛二梯度影像決定該 t,1,之視訊物體切割方法,其中步驟⑹包含: 右 晝面與鱗二晝面姻位置之像素均被_為 ㈣素’職像讀分類為靜止邊像素;以及為=绪晝面與该第二晝面相同位置之像素分別被偵測 像素與—非邊緣像素,則該像素被分類為移動 •如睛求項5所述之視訊物體切割方法,其中人. e 4峨她伽素產^移 朗掃描式物體填補方法,先對該移動 ”像進仃一次橫向掃描,對每一扞中入协一 邊像素間之像素進行連接,接著 ^;移動 進行-次縱向掃描,對每,介::=影像 像素進行連接 於—移動邊像素間之 横向掃描,對每二^移動邊像素影像進行另—次 連接,以區分出—輪域,移動邊像素間之像素進行 ,方法’其中步驟⑹另包^ W勤L之-背景亮度平均值、广. f景飽和度平均值、“ 4標準差、— ‘景色 用,7、Μ和度標準差 43 調平均值及-背景色調標準差。 據該第晝面被區分出的複數個移動邊像素產生一移 動邊像素影像,使用掃描式物體填補方法,先對該移 動k像素影像進行一次橫向掃描,每一行所掃描到的 一移動邊像素,與接續該移動邊像素後所掃描到的另 一移動邊像素之間的距離,若小於一預設距離,且介 於该二移動邊像素間的像素之亮度值、飽和度值及色 凋值與該背景亮度平均值、該背景飽和度平均值及該 背景色調平均值的差值分別大於該背景亮度標準差、 該背景飽和度標準差及該背景色調標準差,則對介於 该二移動邊像素間的像素進行連接,接著,對該移動 1像素影像進行-次縱向掃描,每—列所掃描到的一 私動邊像素,與接續該移動邊像素後所掃描到的另一 移動邊像紅__,若轉—預設_,且介於 該二移動邊像素間的像素之亮度值、飽和度值及色調 2與心景⑥度平均值、該背景飽和度平均值及該背 =色調平均值的差值分別大於該背景亮度標準差: 背景飽和度標準差及該背景色調標準差,卿介於= =2像素間的像素進行連接,接著,對_動= t像進行另—次橫向掃描,每―行所掃插到的一 素’與接續該移動邊像素後 移動邊像素之間的距離,若小於⑼力 該二移動邊像素間的像素之亮度值、、二 200834459 值與該背景亮度平均值、該背景飽和度平均值及該背 景色調平均值的差值分別大於該背景亮度標準差、該 背景飽和度標準差及該背景色調標準差,則對介於該 二移動邊像素間的像素進行連接,以區分出一輪廓區 域0 8·如請求項7所述之視訊物體切割方法,其中步驟(c3)包含: 將該第一畫面與該第二畫面的亮度部分進行晝面相減以產生 一亮度差值影像,對該亮度差值影像做直方圖分析,在一 免度範圍内選出具有像素數目最多的亮度,根據具有像素 數目最多的亮度之複數個像素,計算該背景亮度平均值與 該背景亮度標準差; 將該第一晝面與該第二畫面的飽和度部分進行晝面相減以產 生一飽和度差值影像,對該飽和度差值影像做直方圖分 析,在一飽和度範圍内選出具有像素數目最多的亮度,根 據具有像素數目最多的飽和度之複數個像素,計算該背景 飽和度平均值與該背景飽和度標準差;以及 將該第-晝面與該第二晝_色調部分進行晝面相減以產生 -色調差值影像,對該色調差值影像做直方圖分析,在一 色減圍内選出具有像素數目最多的色調,根據具有像素 數目最多的色調之複數個像素’計算該背景色調平均值與 該背景色調標準差。 〃 45 200834459 9 9·如請求項1所述之視訊物體切割方法,其中步驟⑼包含: (dl)偵測該第一晝面與該第二晝面之間的改變狀態; (d2)依據步驟(dl)之偵測結果將該第一晝面區分成一移動區 域、-靜止區域、-背景區域與-未遮背景區域;以及 (d3)依據步驟(d2)之區分結果以產生一初始物體遮罩。 (d4)將該至少一移動邊緣連通區域的複數個移動邊像素存入 一佇列(queue)中,當一成長區域的區域成長之像素種 子,其後’攸该j宁列中依序取出一像素種子,若所取出 ® 之該像素種子與一鄰近像素之像素值的差值小於一臨界 值’則將該鄰近像素歸類於該成長區域並存入仵列中繼 續區域成長,以產生該成長區域。 (d5)依據該成長區域與該初始物體遮罩以區分出該第一畫面 之該移動物體。 10·如請求項9所述之視訊物體切割方法,其中步驟(dl)包含: • (dla)偵測該第一晝面與該第二畫面之間的像素值差異;以 及 (dlb)摘測該第一晝面與該背景成份之間的像素值差異; 其中步驟(d2)係同時依據步驟(dla)與(dlb)之結果來進行處 理0 11·如請求項9所述之視訊物體切割方法,其中步驟(dl)包含: 分析該像素值差異之灰階差值分佈,以決定出像素數目最多 46 200834459 的一特定灰階差值; 根據該特定灰階差值以及對應該特定灰階差值的像素數目決 定對應一特定背景模型之一背景標準差;以及 根據該背景標準差將該第一晝面中的複數個像素進行分類。 12·如請求項9所述之視訊物體切割方法,其中步驟(d4)包含: 若從該佇列所取出之該像素種子之亮度值與該鄰近像素之亮 度值的差值小於一亮度臨界值,且該像素種子之亮度值 ® 與一背景亮度平均值的差值大於一背景亮度標準差,且 該鄰近像素之亮度值與該背景亮度平均值的差值大於該 背景亮度標準差,則將該鄰近像素歸類於該成長區域並 存入佇列中繼續區域成長。 13·如請求項12所述之視訊物體切割方法,包含: 將該第-晝面與該第二晝面的亮度部分進行晝面相減以產生 • 一亮度差值影像,對該亮度差值影像做直方圖分析,在 -亮度範圍内選出具有像素數目最多的亮度,根據具有 像素數目最多的亮度之複數個像素,計算該背景亮度平 均值與該背景亮度標準差。 14·如請求項13所述之視訊物體切割方法,包含: 若具有像素數目最多的亮度係為複數個亮度,則選擇具有嗜 複數個免度之隶大免度的複數個像素,計算該背,古产 47 200834459 平均值與該背景亮度標準差。 15·如請求項9所述之視訊物體切割方法,其中步驟(d4)包含: 若k邊佇列所取出之像素種子之飽和度值與該鄰近像素之飽 和度值的差值小於一飽和度臨界值,且該像素種子之飽 和度值與一背景飽和度平均值的差值大於一背景飽和度 標準差’且該鄰近像素之飽和度值與該背景飽和度平均 _ 值的差值大於該背景飽和度標準差,則將該鄰近像素歸 類於該成長區域並存入佇列中繼續區域成長。 16·如請求項15所述之視訊物體切割方法,包含: 將該第一晝面與該第二晝面的飽和度部分進行畫面相減以產 生一飽和度差值影像,對該飽和度差值影像做直方圖分 析’在一飽和度範圍内選出具有像素數目最多的亮度, 根據具有像素數目最多的飽和度之複數個像素,計算該 _ 背景飽和度平均值與該背景飽和度標準差。 17.如請求項所述之視訊物體切割方法,包含: 若具有像素數目最多的飽和度係為複數個飽和度,則選擇具 有該複數個飽和度之最大飽和度的複數個像素,計算該 背景飽和度平均值與該背景飽和度標準差。 18·如請求項9所述之視訊物體切割方法,其中步驟(d4)包含: 48 200834459 若從該佇列所取出之像素種子之色調值與該鄰近像素之色調 值的差值小於一色調臨界值,且該像素種子之色調值與 一背景色調平均值的差值大於一背景色調標準差,且該 鄰近像素之色調值與該背景色調平均值的差值大於該背 景色調標準差,則將該鄰近像素歸類於該成長區域並存 入佇列中繼續區域成長。 19·如請求項18所述之視訊物體切割方法,包含: 將該第-晝面與該第二畫面的色調部分進行畫面相減以產生 一色調差值影像,對該色調差值影像做直方圖分析,在 一色調範圍内選出具有像素數目最多的色調,根據具有 像素數目最多的色調之複數個像素,計算該背景色調平 均值與該背景色調標準差。 20·如凊求項19所述之視訊物體切割方法,包含·· 若具有像素數目最多的色調係為複數個色調,則選擇具有該 複數個色調之最大色調的複數個像素,計算該背景色調 平均值與該背景色調標準差。 /长員1所述之視訊物體切割方法,其中步驟⑻另包含·· 若該至少-移動邊緣連通區域之一移動邊緣連通區域之面積 j於面積臨界值,移除該移動邊緣連通區域。 49 200834459 22. 如請求項1所述之視訊物體切割方法,其中步驟(d)另包含: 消除該移動物體之輪廓的雜訊。 23. 如請求項1所述之視訊物體切割方法,其中步驟⑹另包含: 平滑該移動物體之輪廓的外圍。 十一、圖式:50
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW096104153A TW200834459A (en) | 2007-02-05 | 2007-02-05 | Video object segmentation method applied for rainy situations |
US11/849,348 US7860311B2 (en) | 2007-02-05 | 2007-09-03 | Video object segmentation method applied for rainy situations |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW096104153A TW200834459A (en) | 2007-02-05 | 2007-02-05 | Video object segmentation method applied for rainy situations |
Publications (1)
Publication Number | Publication Date |
---|---|
TW200834459A true TW200834459A (en) | 2008-08-16 |
Family
ID=39676223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW096104153A TW200834459A (en) | 2007-02-05 | 2007-02-05 | Video object segmentation method applied for rainy situations |
Country Status (2)
Country | Link |
---|---|
US (1) | US7860311B2 (zh) |
TW (1) | TW200834459A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI554979B (zh) * | 2015-05-15 | 2016-10-21 | 財團法人國家實驗研究院 | 雨滴偵測系統及其方法 |
TWI650018B (zh) * | 2017-07-18 | 2019-02-01 | 晶睿通訊股份有限公司 | 提供使用者介面以進行場景之監控畫面縫合之方法及其電子裝置 |
Families Citing this family (67)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7643698B2 (en) * | 2005-12-22 | 2010-01-05 | Apple Inc. | Image sharpening using diffusion |
US8264544B1 (en) * | 2006-11-03 | 2012-09-11 | Keystream Corporation | Automated content insertion into video scene |
US9778351B1 (en) | 2007-10-04 | 2017-10-03 | Hrl Laboratories, Llc | System for surveillance by integrating radar with a panoramic staring sensor |
US9196053B1 (en) * | 2007-10-04 | 2015-11-24 | Hrl Laboratories, Llc | Motion-seeded object based attention for dynamic visual imagery |
EP2061004A1 (en) * | 2007-11-14 | 2009-05-20 | Sony Corporation | Object boundary accurate motion detection using hierarchical block splitting and motion segmentation |
US8280167B2 (en) * | 2008-02-04 | 2012-10-02 | Eyep, Inc. | Connected component labeling system and method |
MX2010012703A (es) | 2008-05-21 | 2010-12-21 | Ariad Pharma Inc | Derivados fosforosos como inhibidores de cinasa. |
US8212932B1 (en) * | 2008-07-14 | 2012-07-03 | Marvell International Ltd | Video noise estimator |
US8405691B2 (en) * | 2008-09-22 | 2013-03-26 | Rambus Inc. | Field sequential color encoding for displays |
US8442348B2 (en) * | 2008-11-06 | 2013-05-14 | Seiko Epson Corporation | Image noise reduction for digital images using Gaussian blurring |
RU2653461C2 (ru) | 2014-01-21 | 2018-05-08 | Общество с ограниченной ответственностью "Аби Девелопмент" | Обнаружение блика в кадре данных изображения |
US8928763B2 (en) * | 2008-12-09 | 2015-01-06 | Abbyy Development Llc | Detecting and correcting blur and defocusing |
JP2010147538A (ja) * | 2008-12-16 | 2010-07-01 | Sony Corp | 画像処理装置および方法、並びにプログラム |
TWI407776B (zh) * | 2009-06-30 | 2013-09-01 | Silicon Integrated Sys Corp | 影像產生裝置、靜態文字偵測裝置及相關方法 |
WO2011014138A1 (en) * | 2009-07-27 | 2011-02-03 | Utc Fire & Security Corporation | System and method for video-quality enhancement |
US8452087B2 (en) * | 2009-09-30 | 2013-05-28 | Microsoft Corporation | Image selection techniques |
US8116527B2 (en) * | 2009-10-07 | 2012-02-14 | The United States Of America As Represented By The Secretary Of The Army | Using video-based imagery for automated detection, tracking, and counting of moving objects, in particular those objects having image characteristics similar to background |
FR2956236B1 (fr) * | 2010-02-09 | 2012-11-30 | France Etat Ponts Chaussees | Procede et dispositif de detection de gouttes dans une image numerique; programme d'ordinateur pour la mise en oeuvre de ce procede. |
US8655069B2 (en) | 2010-03-05 | 2014-02-18 | Microsoft Corporation | Updating image segmentation following user input |
US8422769B2 (en) | 2010-03-05 | 2013-04-16 | Microsoft Corporation | Image segmentation using reduced foreground training data |
US8411948B2 (en) | 2010-03-05 | 2013-04-02 | Microsoft Corporation | Up-sampling binary images for segmentation |
JP2011250167A (ja) * | 2010-05-27 | 2011-12-08 | Sony Corp | 色変換装置、色変換方法及びプログラム |
CN103003843B (zh) * | 2010-05-28 | 2016-08-03 | 高通股份有限公司 | 用于跟踪具有动态变化部分的目标的数据集创建 |
US8625897B2 (en) * | 2010-05-28 | 2014-01-07 | Microsoft Corporation | Foreground and background image segmentation |
KR101630286B1 (ko) | 2010-08-09 | 2016-06-15 | 한화테크윈 주식회사 | 전경 및 배경 분리 장치 및 방법 |
JP5719141B2 (ja) * | 2010-10-28 | 2015-05-13 | キヤノン株式会社 | 情報処理装置、その処理方法及びプログラム |
TWI492186B (zh) * | 2010-11-03 | 2015-07-11 | Ind Tech Res Inst | 修補三維立體影像之裝置及方法 |
US9865083B2 (en) | 2010-11-03 | 2018-01-09 | Industrial Technology Research Institute | Apparatus and method for inpainting three-dimensional stereoscopic image |
US9171372B2 (en) * | 2010-11-23 | 2015-10-27 | Qualcomm Incorporated | Depth estimation based on global motion |
US9123115B2 (en) | 2010-11-23 | 2015-09-01 | Qualcomm Incorporated | Depth estimation based on global motion and optical flow |
CN102567727B (zh) * | 2010-12-13 | 2014-01-01 | 中兴通讯股份有限公司 | 一种背景目标替换方法和装置 |
KR101299237B1 (ko) | 2011-11-23 | 2013-08-22 | 서울대학교산학협력단 | 팬틸트줌 카메라를 이용한 물체 탐지 장치 및 방법 |
JP5938631B2 (ja) * | 2011-12-19 | 2016-06-22 | パナソニックIpマネジメント株式会社 | 物体検出装置及び物体検出方法 |
US9552648B1 (en) | 2012-01-23 | 2017-01-24 | Hrl Laboratories, Llc | Object tracking with integrated motion-based object detection (MogS) and enhanced kalman-type filtering |
US9269155B2 (en) * | 2012-04-05 | 2016-02-23 | Mediatek Singapore Pte. Ltd. | Region growing method for depth map/color image |
KR101886333B1 (ko) * | 2012-06-15 | 2018-08-09 | 삼성전자 주식회사 | 멀티 코어를 이용한 영역 성장 장치 및 방법 |
CN102982313B (zh) * | 2012-10-31 | 2015-08-05 | 深圳辉锐天眼科技有限公司 | 烟雾检测的方法 |
CN104183127B (zh) * | 2013-05-21 | 2017-02-22 | 北大方正集团有限公司 | 交通监控视频检测方法和装置 |
CN104182718B (zh) * | 2013-05-21 | 2019-02-12 | 深圳市腾讯计算机系统有限公司 | 一种人脸特征点定位方法及装置 |
US9305214B1 (en) * | 2013-10-29 | 2016-04-05 | The United States Of America, As Represented By The Secretary Of The Navy | Systems and methods for real-time horizon detection in images |
US9639954B2 (en) * | 2014-10-27 | 2017-05-02 | Playsigh Interactive Ltd. | Object extraction from video images |
US10133927B2 (en) * | 2014-11-14 | 2018-11-20 | Sony Corporation | Method and system for processing video content |
AU2014280948A1 (en) | 2014-12-24 | 2016-07-14 | Canon Kabushiki Kaisha | Video segmentation method |
CN104599502B (zh) * | 2015-02-13 | 2017-01-25 | 重庆邮电大学 | 一种基于视频监控的车流量统计方法 |
US9749685B2 (en) * | 2015-07-23 | 2017-08-29 | Echostar Technologies L.L.C. | Apparatus, systems and methods for accessing information based on an image presented on a display |
JP6759785B2 (ja) * | 2016-07-12 | 2020-09-23 | 日本製鉄株式会社 | 液面形状の抽出方法、装置及びプログラム |
CN106780646B (zh) * | 2016-12-01 | 2020-06-16 | 中科唯实科技(北京)有限公司 | 一种适用多场景的无参数背景建模方法 |
CA3047758A1 (en) * | 2016-12-22 | 2018-06-28 | Walmart Apollo, Llc | Systems and methods for monitoring item distribution |
CN106683086B (zh) * | 2016-12-23 | 2018-02-27 | 深圳市大唐盛世智能科技有限公司 | 一种智能视频监控的背景建模方法和装置 |
US10373316B2 (en) * | 2017-04-20 | 2019-08-06 | Ford Global Technologies, Llc | Images background subtraction for dynamic lighting scenarios |
CN108965647B (zh) * | 2017-05-18 | 2020-12-15 | 北京金山云网络技术有限公司 | 一种前景图像获得方法及装置 |
CN107248164A (zh) * | 2017-06-19 | 2017-10-13 | 太仓埃特奥数据科技有限公司 | 一种动态背景提取方法 |
CN107507140B (zh) * | 2017-08-03 | 2021-02-12 | 重庆大学 | 基于特征融合的高速公路露天场景车辆阴影干扰抑制方法 |
CN107564018A (zh) * | 2017-08-30 | 2018-01-09 | 北京航空航天大学 | 一种利用改进迭代算法提取目标图像的方法 |
KR102414783B1 (ko) * | 2017-11-01 | 2022-06-30 | 삼성전자주식회사 | 전자 장치 및 이의 제어방법 |
JP7047418B2 (ja) * | 2018-01-31 | 2022-04-05 | 富士通株式会社 | 判定プログラム、判定方法および判定装置 |
US11010883B2 (en) * | 2018-04-17 | 2021-05-18 | Saudi Arabian Oil Company | Automated analysis of petrographic thin section images using advanced machine learning techniques |
US11506804B2 (en) | 2018-05-31 | 2022-11-22 | Saudi Arabian Oil Company | Inverse stratigraphic modeling using a hybrid linear and nonlinear algorithm |
CN110719474A (zh) * | 2019-10-18 | 2020-01-21 | 山东浪潮人工智能研究院有限公司 | 一种基于连通域分析的监控视频二次压缩方法 |
US11893714B2 (en) * | 2020-06-02 | 2024-02-06 | Objectvideo Labs, Llc | Precipitation removal from video |
CN112037148B (zh) * | 2020-09-07 | 2022-02-08 | 车链云(深圳)科技有限公司 | 大数据运动目标检测识别方法及系统 |
US11668847B2 (en) | 2021-01-04 | 2023-06-06 | Saudi Arabian Oil Company | Generating synthetic geological formation images based on rock fragment images |
US12094133B2 (en) * | 2021-02-10 | 2024-09-17 | Objectvideo Labs, Llc | Augmenting training samples for motion detection systems using image additive operations |
CN112949527B (zh) * | 2021-03-12 | 2024-07-09 | 河北省高速公路延崇管理中心(河北省高速公路京雄管理中心) | 一种航拍道路图像路面区域提取方法及系统 |
CN114862894A (zh) * | 2022-03-25 | 2022-08-05 | 哈尔滨工程大学 | 一种基于多线索融合的手部分割方法 |
JP7382479B1 (ja) | 2022-12-08 | 2023-11-16 | ソフトバンク株式会社 | 画像処理装置、プログラム、及び画像処理方法 |
CN115661464B (zh) * | 2022-12-09 | 2023-03-21 | 季华实验室 | 图像分割方法、装置、设备及计算机存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5838828A (en) * | 1995-12-12 | 1998-11-17 | Massachusetts Institute Of Technology | Method and apparatus for motion estimation in a video signal |
TWI264684B (en) * | 2004-11-16 | 2006-10-21 | Univ Nat Kaohsiung Applied Sci | Fire detection method and system applying with image acquisition |
-
2007
- 2007-02-05 TW TW096104153A patent/TW200834459A/zh unknown
- 2007-09-03 US US11/849,348 patent/US7860311B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI554979B (zh) * | 2015-05-15 | 2016-10-21 | 財團法人國家實驗研究院 | 雨滴偵測系統及其方法 |
TWI650018B (zh) * | 2017-07-18 | 2019-02-01 | 晶睿通訊股份有限公司 | 提供使用者介面以進行場景之監控畫面縫合之方法及其電子裝置 |
Also Published As
Publication number | Publication date |
---|---|
US7860311B2 (en) | 2010-12-28 |
US20080187219A1 (en) | 2008-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW200834459A (en) | Video object segmentation method applied for rainy situations | |
CN111209952B (zh) | 基于改进ssd和迁移学习的水下目标检测方法 | |
CN107452010B (zh) | 一种自动抠图算法和装置 | |
CN105894484B (zh) | 一种基于直方图归一化与超像素分割的hdr重建算法 | |
Jiang et al. | Image dehazing using adaptive bi-channel priors on superpixels | |
US20170365046A1 (en) | Algorithm and device for image processing | |
CN109558806B (zh) | 高分遥感图像变化的检测方法 | |
WO2018099136A1 (zh) | 一种低照度图像降噪方法、装置及存储介质 | |
EP1359543A2 (en) | Method for detecting subject matter regions in images | |
WO2021159767A1 (zh) | 一种医学图像处理的方法、图像处理的方法及装置 | |
CN111415316A (zh) | 基于生成对抗网络的缺陷数据合成算法 | |
CN103136766B (zh) | 一种基于颜色对比和颜色分布的物体显著性检测方法 | |
CN111667400B (zh) | 一种基于无监督学习的人脸轮廓特征风格化生成方法 | |
Ren et al. | Fusion of intensity and inter-component chromatic difference for effective and robust colour edge detection | |
CN111062293B (zh) | 一种基于深度学习的无人机森林火焰识别方法 | |
CN107016682B (zh) | 一种自然图像显著对象自适应分割方法 | |
CN107944403B (zh) | 一种图像中的行人属性检测方法及装置 | |
Palou et al. | Monocular depth ordering using T-junctions and convexity occlusion cues | |
CN108537239A (zh) | 一种图像显著性目标检测的方法 | |
CN110929593A (zh) | 一种基于细节辨别区别的实时显著性行人检测方法 | |
CN111681198A (zh) | 一种形态学属性滤波多模融合成像方法、系统及介质 | |
CN110705634B (zh) | 一种鞋跟型号识别方法、装置及存储介质 | |
Obrador et al. | Towards category-based aesthetic models of photographs | |
CN108805838A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
Sivakumar et al. | A brief study of image segmentation using thresholding technique on a noisy image |