TW201715472A - 影像分區門檻值決定方法、手勢判斷方法、影像感測系統以及手勢判斷系統 - Google Patents
影像分區門檻值決定方法、手勢判斷方法、影像感測系統以及手勢判斷系統 Download PDFInfo
- Publication number
- TW201715472A TW201715472A TW104135154A TW104135154A TW201715472A TW 201715472 A TW201715472 A TW 201715472A TW 104135154 A TW104135154 A TW 104135154A TW 104135154 A TW104135154 A TW 104135154A TW 201715472 A TW201715472 A TW 201715472A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- partition
- sensing
- partitioned
- partition threshold
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
- G06V40/113—Recognition of static hand signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
Abstract
一種影像分區門檻值決定方法,包含:定義出第一感測影像中的複數個影像區域;根據影像區域中的第一、第二影像區域決定出相對應的第一、第二局部影像分區門檻值;以第一、第二局部影像分區門檻值來分別對第一感測影像執行第一、第二影像分區動作以得到第一、第二分區後影像;以及根據該第一分區後影像以及該第二分區後影像決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為影像處理器的第一影像分區門檻值。
Description
本發明有關於影像分區門檻值決定方法、影像感測系統、手勢判斷方法以及手勢判斷系統,特別有關於可動態改變影像分區門檻值的影像感測系統、手勢判斷方法以及手勢判斷系統。
越來越多電子裝置可根據使用者的手勢來執行不同的功能(例如智慧手機和智慧電視)。然而,要執行此類操作前,須先偵測手的所在位置,才能正確的判斷手勢。一般而言,若不使用深度偵測器,為了從影像感測器所擷取的影像中判斷出手的影像,會先對影像施行影像分區 (image segmentation)。較常見的影像分區方法為根據亮度來進行分區。
第1A圖和第1B圖繪示了習知技術中根據亮度對影像執行影像分區的示意圖。如第1A圖所示,影像感測器所擷取的感測影像Img包含了手部影像Img_h以及背景影像Img_b。而在第1B圖中,感測影像Img已被執行過影像分區,因此形成了分區後影像Img_s。影像分區通常是指當感測影像中某些部份的亮度若高於一影像分區門檻值,則給予一較暗的亮度 (例如灰階255),相反的,若感測影像中某些部份的亮度低於影像分區門檻值,則給予一較亮的亮度 (例如灰階0)。如第1B圖所示,在執行過影像分區後,分區後影像Img_s中的分區後手部影像Img_hs具有較亮的亮度,而分區後背景影像Img_bs具有較暗的亮度。對感測影像進行分區後,可讓手部影像較容易被正確的判斷。
然而,第1A圖和第1B圖所示的方法在某些狀況下可能會產生不正確的分區後手部影像Img_hs。第2A圖和第2B圖繪示了習知技術中根據亮度對影像執行影像分區時,背景影像產生干擾的示意圖。如第2A圖所示,影像感測器所擷取的感測影像Img包含了手部影像Img_h以及背景影像Img_b,且背景影像Img_b更包含了一物件影像Img_o。此物件影像Img_o的亮度與手部影像Img_h的亮度接近,因此在第2B圖中,分區後手部影像Img_hs和分區後物件影像Img_os都會具有相同的亮度。在此狀況下,手部影像的大小和位置都會被誤判。
除了第2A圖和第2B圖外,第1A圖和第1B圖所示的方法亦可能有手部破碎的問題。第3圖繪示了習知技術中根據亮度對影像執行影像分區時,產生手部破碎的示意圖。第3圖是針對第1A圖施行影像分區而得,然而,因為不適當的門檻值或是因為環境光的干擾,分區後手部影像Img_hs變成不完整的影像,如此手部影像的大小和位置亦會被誤判。
因此,本發明之一目的為提供一種影像分區門檻值決定方法,其可動態的決定出最佳的門檻值。
本發明另一目的為提供一種手勢判斷方法,其利用本發明的影像分區門檻值決定方法對感測影像先施行影像分區後,可較精確的判斷手勢。
本發明另一目的為提供使用本發明所提供的影像分區門檻值決定方法的影像感測系統以及使用本發明所提供的手勢判斷方法的手勢判斷系統。
本發明一實施例提供了一種影像分區門檻值決定方法,施行在一影像處理器上,用以決定該影像處理器的一第一影像分區門檻值,包含:(a) 定義出一第一感測影像中的複數個影像區域;(b) 根據該些影像區域中的一第一影像區域決定出相對應的一第一局部影像分區門檻值;(c) 根據該些影像區域中的一第二影像區域決定出相對應的一第二局部影像分區門檻值;(d) 以該第一局部影像分區門檻值來對該第一感測影像執行一第一影像分區動作以得到一第一分區後影像;(e) 以該第二局部影像分區門檻值來對該第一感測影像執行一第二影像分區動作以得到一第二分區後影像;以及(f) 根據該第一分區後影像以及該第二分區後影像決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該第一影像分區門檻值。
本發明一實施例提供了使用前述影像分區門檻值決定方法的手勢判斷方法,其除了前述步驟(a)-(f) 外,更包含(g) 使該影像處理器以該第一影像分區門檻值處理該影像感測器所擷取的至少一感測影像來產生至少一分區後感測影像;以及(h) 依據該分區後感測影像來判斷該感測影像所代表的手勢。
本發明一實施例提供了使用本發明所提供的影像分區門檻值決定方法的影像感測系統,其包含一影像感測器以及一影像處理器,影像感測器用以擷取第一感測影像,而影像處理器用以執行前述步驟(a)-(f)。若此影像感測系統使用在一手勢判斷系統上,則更包含一手勢偵測裝置,影像處理器用以執行前述步驟(a)-(g),手勢偵測裝置用以執行步驟(h)。
根據前述實施例,可動態的調整影像分區門檻值使影像處理器805的影像分區門檻值為最佳化,如此可以得到較正確的分區後影像。當此方法運用在手勢判斷時,亦可得到較精確的手勢判斷結果。
第4圖、第5圖和第6圖繪了根據本發明實施例的影像分區門檻值決定方法的示意圖。如第4圖所示,當調整影像分區門檻值的機制被啟動時,會先對影像感測器感測到的影像定義出複數個影像區域,然後再以這些影像區域分別決定出相對應的局部影像分區門檻值 (例如第4圖中的局部影像分區門檻值_1、局部影像分區門檻值_2…局部影像分區門檻值_n)。然後再將此影像分別以這些局部影像分區門檻值進行影像分區處理而形成分區後影像Img_s1、Img_s2…Img_sn。接著再對這些分區後影像Img_s1、Img_s2…Img_sn進行評分,然後根據這些評分選擇出評分最高的分區後影像所對應的局部影像分區門檻值做為所須的影像分區門檻值。
以下將對各步驟的細節再做更詳細的說明。第5圖繪示了對影像感測器感測到的影像進行影像分區的示意圖。如第5圖所示,影像Img中被定義出複數個影像區域Img_p1、Img_p2、Img_p3以及Img_p4。然後會以這些影像區域Img_p1、Img_p2、Img_p3以及Img_p4分別決定出相對應的局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4。許多種方法可被用以根據影像區域Img_p1、Img_p2、Img_p3以及Img_p4分別決定出相對應的局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4。在一實施例中,是根據影像區域Img_p1、Img_p2、Img_p3以及Img_p4各別的平均亮度決定出相對應的局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4。然後會如前所述,以不同的局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4對影像Img進行影像分區,並對不同的分區後影像進行評分來選擇出最佳的局部影像分區門檻值做為所須的影像分區門檻值。
但請留意,亦可根據影像區域Img_p1、Img_p2、Img_p3以及Img_p4的其他參數決定出相對應的局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4。舉例來說,可利用最大亮度、最低亮度或是亮度變化趨勢等。而且,影像區域的位置、數量和大小不限定於第5圖的例子。舉例來說,第5圖中的影像區域的數量為4個且所有影像區域的總和為整張影像Img。然而,在第6圖的實施例中,影像區域的數量為5個且所有影像區域的總和僅為影像Img的一部份。而且,影像區域彼此間亦可以有重疊的部份,此類變化亦應包含在本發明的範圍之內。
許多種方法可用以實現前述的評分動作。舉例來說,可利用形狀分析(shape analysis) 或是紋理分析(texture analysis)來對影像進行評分。影像分析是指把以局部影像分區門檻值處理過的分區後影像來與預存的標準影像做比對,如此便可知道那一個分區後影像會跟預存的標準影像相似度最高,便可具有較高的分數。紋理分析則是會對以局部影像分區門檻值處理過的分區後影像之亮度變化趨勢進行分析,若符合預存的變化規則,便可具有較高的分數。
請留意,在第5圖和第6圖的實施例中,是利用不同的影像區域Img_p1、Img_p2、Img_p3以及Img_p4來產生不同的局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4。然而,在另一實施例中,可利用相同的影像區域來產生不同的局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4。第9圖繪示了根據本發明實施例的影像分區門檻值決定方法的示意圖。如第9圖所示,影像區域Img_p1、Img_p2、Img_p3以及Img_p4是指相同的影像區域,在此實施例中,會根據此影像區域來產生不同的局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4。
許多種方式可用以產生局部影像分區門檻值Tr_p1、Tr_p2、Tr_p3以及Tr_p4。在一實施例中,求出一局部影像分區門檻值後,將此局部影像分區門檻值乘上一調整比例來產生其他局部影像分區門檻值。舉例來說,先求出局部影像分區門檻值Tr_p1,然後分別乘上1.1、0.9以及0.8來產生局部影像分區門檻值Tr_p2、Tr_p3以及Tr_p4。或者,可利用同一影像區域的不同亮度資訊來產生不同的局部影像分區門檻值。舉例來說,以影像區域的平均亮度來產生局部影像分區門檻值Tr_p1,然後以同一影像區域的最大亮度來產生局部影像分區門檻值Tr_p2,並以同一影像區域的最小亮度來產生局部影像分區門檻值Tr_p3。然請留意,這些例子僅用以舉例,並非用以限定本發明。其他以相同的影像區域來產生不同的局部影像分區門檻值的方法均應包含在本發明的範圍之內。
除了現今影像外,於一實施例中會參照前影像來決定局部影像分區門檻值或是評分。請參閱第7圖,在第7圖中,會根據前影像的結果來決定局部影像分區門檻值以及評分。舉例來說,會根據整張前影像的影像分區門檻值來決定現今影像的局部影像分區門檻值。而且,會根據前影像的評分來決定不同局部影像分區門檻值處理過的不同分區後影像的評分。此處的”決定”可為根據前影像直接決定一個新的值,或是根據前影像來調整已經依先前步驟計算而得的局部影像分區門檻值和評分。會參照前影像來決定局部影像分區門檻值或是評分的原因在於,若前影像與後續影像的時間差距不大,通常兩者的內容相差亦不大,因此可參照前影像來決定局部影像分區門檻值或是評分以節省計算時間或是避免誤差。但請留意,此處的前影像指是前n張影像,n為正整數,不限定是前一張影像。
根據前述實施例,可得到一種影像分區門檻值決定方法,其施行在一影像處理器上,用以決定影像處理器的一第一影像分區門檻值。此方法包含:(a) 定義出一第一影像中的至少一個影像區域 (例如第5圖或第9圖中的Img_p1、Img_P2..);(b) 根據該些影像區域中的一第一影像區域決定出相對應的一第一局部影像分區門檻值 (例如第5圖中的Tr_p1);(c) 根據該些影像區域中的一第二影像區域決定出相對應的一第二局部影像分區門檻值(例如第5圖中的Tr_p2);(d) 以該第一局部影像分區門檻值來對該第一感測影像執行一第一影像分區動作以得到一第一分區後影像;(e) 以該第二局部影像分區門檻值來對該第一感測影像執行一第二影像分區動作以得到一第二分區後影像;以及(f)根據該第一分區後影像以及該第二分區後影像決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該第一影像分區門檻值。如前所述,第一影像區域和第二影像區域可為相同的影像區域亦可為不同的影像區域。
第8圖繪示了根據本發明實施例的手勢判斷系統以及影像感測系統的方塊圖。然請留意,第8圖中的方塊圖僅是為了方便說明,用以實施本發明所提供的影像分區門檻值決定方法之手勢判斷系統以及影像感測系統其結構不限制於第8圖所示的結構。舉例來說,第8圖中的控制單元803可整合在影像感測器801或是影像處理器805中。此外,第8圖中的各元件可以硬體 (例如電路)或是軔體方法實現。
如第8圖所示,影像感測系統800包含:影像感測器801、控制單元803以及影像處理器805。控制單元803用以控制影像感測器801以及影像處理器805的動作。影像感測器801擷取一感測影像Img。影像處理器805會根據此感測影像Img來定義出複數個影像區域並決定出複數個局部影像分區門檻值 (例如第5圖所示的例子),影像處理器805會根據這些局部影像分區門檻值來產生相對應的分區後影像,並根據這些分區後影像決定出一影像分區門檻值。影像處理器805會依此來處理影像感測器801所擷取的後續感測影像 (亦可包含現今的感測影像Img)來產生分區後感測影像。在一實施例中,影像處理器805可運作於一普通模式或是一調整模式。於普通模式下,影像處理器805會根據先前所設定的影像分區門檻值來產生相對應的分區後影像。而在調整模式下,影像處理器805會如前所述般產生複數個局部影像分區門檻值然後再從其中決定出一最佳的影像分區門檻值。於一實施例中,可包含一觸發機制,來讓影像處理器805自普通模式切換到調整模式。舉例來說,可持續監控影像處理器805產生的分區後影像的影像品質,若影像品質太差時 (例如評分太低),則將影像處理器805自普通模式切換到調整模式。
請再參閱第8圖,在一實施例中,影像感測系統800是包含在一手勢判斷系統807中,影像處理器805產生的分區後感測影像會輸出至一手勢偵測裝置809,然後手勢偵測裝置809會根據此分區後感測影像決定手影像的位置,然後再據以判斷手影像所代表的手勢。然請留意,本發明所提供的影像感測系統800可運用在任何電子裝置上。
根據前述實施例,可動態的調整影像分區門檻值使影像處理器805的影像分區門檻值為最佳化,如此可以得到較正確的分區後影像。當此方法運用在手勢判斷時,亦可得到較精確的手勢判斷結果。 以上所述僅為本發明之較佳實施例,凡依本發明申請專利範圍所做之均等變化與修飾,皆應屬本發明之涵蓋範圍。
Img‧‧‧感測影像
Img_h‧‧‧手部影像
Img_b‧‧‧背景影像
Img_s‧‧‧分區後影像
Img_hs‧‧‧分區後手部影像
Img_bs‧‧‧分區後背景影像
Img_o‧‧‧物件影像
Img_os‧‧‧分區後物件影像
Img_p1、Img_p2、Img_p3、Img_p4‧‧‧影像區域
Tr_p1、Tr_p2、Tr_p3、Tr_p4‧‧‧局部影像分區門檻值
800‧‧‧影像感測系統
801‧‧‧影像感測器
803‧‧‧控制單元
805‧‧‧影像處理器
807‧‧‧手勢判斷系統
809‧‧‧手勢偵測裝置
Img_h‧‧‧手部影像
Img_b‧‧‧背景影像
Img_s‧‧‧分區後影像
Img_hs‧‧‧分區後手部影像
Img_bs‧‧‧分區後背景影像
Img_o‧‧‧物件影像
Img_os‧‧‧分區後物件影像
Img_p1、Img_p2、Img_p3、Img_p4‧‧‧影像區域
Tr_p1、Tr_p2、Tr_p3、Tr_p4‧‧‧局部影像分區門檻值
800‧‧‧影像感測系統
801‧‧‧影像感測器
803‧‧‧控制單元
805‧‧‧影像處理器
807‧‧‧手勢判斷系統
809‧‧‧手勢偵測裝置
第1A圖和第1B圖繪示了習知技術中根據亮度對影像執行影像分區的示意圖。 第2A圖和第2B圖繪示了習知技術中根據亮度對影像執行影像分區時,背景影像產生干擾的示意圖。 第3圖繪示了習知技術中根據亮度對影像執行影像分區時,產生手部破碎的示意圖。 第4圖、第5圖、第6圖以及第9圖繪示了根據本發明實施例的影像分區門檻值決定方法的示意圖。 第7圖根據本發明另一實施例的影像分區門檻值決定方法的示意圖。 第8圖繪示了根據本發明實施例的手勢判斷系統以及影像感測系統的方塊圖。
均為步驟示意圖
Claims (28)
- 一種影像分區門檻值決定方法,施行在一影像處理器上,用以決定該影像處理器的一第一影像分區門檻值,包含: (a) 定義出一第一感測影像中的至少一影像區域; (b) 根據該些影像區域中的一第一影像區域決定出相對應的一第一局部影像分區門檻值; (c) 根據該些影像區域中的一第二影像區域決定出相對應的一第二局部影像分區門檻值; (d) 以該第一局部影像分區門檻值來對該第一感測影像執行一第一影像分區動作以得到一第一分區後影像; (e) 以該第二局部影像分區門檻值來對該第一感測影像執行一第二影像分區動作以得到一第二分區後影像;以及 (f) 根據該第一分區後影像以及該第二分區後影像決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該第一影像分區門檻值。
- 如請求項1所述的影像分區門檻值決定方法,其中該步驟(f)包含計算該第一分區後影像的評分以及計算該第二分區後影像的評分,且該步驟(f) 根據該第一分區後影像以及該第二分區後影像的該評分決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該第一影像分區門檻值。
- 如請求項2所述的影像分區門檻值決定方法,其中該步驟(f)是以影像分析(shape analysis)來決定該第一分區後影像以及該第二分區後影像的該評分。
- 如請求項2所述的影像分區門檻值決定方法,其中該步驟(f)是以紋理分析(texture analysis)來決定該第一分區後影像以及該第二分區後影像的該評分。
- 如請求項2所述的影像分區門檻值決定方法,其中該步驟(f)更包含: 對一第二感測影像進行評分;以及 參考該第二感測影像的該評分調整該第一分區後影像以及該第二分區後影像中至少其一的該評分; 其中該第二感測影像為該第一感測影像的前n張影像,其中n為正整數。
- 如請求項1所述的影像分區門檻值決定方法,其中該步驟(b)更包含: 參考一第二感測影像的一第二影像分區門檻值來決定第一局部影像分區門檻值,其中該第二感測影像為該第一感測影像的前影像,其中n為正整數。
- 如請求項1所述的影像分區門檻值決定方法,其中該第一影像區域和該第二影像區域為相同的影像區域。
- 一種手勢判斷方法,施行在一手勢判斷系統上,該手勢判斷系統包含一影像處理器以及一影像感測器,該手勢判斷方法包含: (a) 將一第一感測影定義為至少一個影像區域; (b) 根據該些影像區域中的一第一影像區域決定出相對應的一第一局部影像分區門檻值; (c) 根據該些影像區域中的一第二影像區域決定出相對應的一第二局部影像分區門檻值; (d) 以該第一局部影像分區門檻值來對該第一感測影像執行一第一影像分區動作以得到一第一分區後影像; (e) 以該第二局部影像分區門檻值來對該第一感測影像執行一第二影像分區動作以得到一第二分區後影像; (f) 根據該第一分區後影像以及該第二分區後影像決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該影像處理器的一第一影像分區門檻值 (g) 使該影像處理器以該第一影像分區門檻值處理該影像感測器所擷取的至少一感測影像來產生至少一分區後感測影像;以及 (h) 依據該分區後感測影像來判斷該感測影像所代表的手勢。
- 如請求項8所述的手勢判斷方法,其中該步驟(f)包含計算該第一分區後影像的評分以及計算該第二分區後影像的評分,且該步驟(f) 根據該第一分區後影像以及該第二分區後影像的該評分決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該第一影像分區門檻值。
- 如請求項9所述的手勢判斷方法,其中該步驟(f)是以影像分析(shape analysis)來決定該第一分區後影像以及該第二分區後影像的該評分。
- 如請求項9所述的手勢判斷方法,其中該步驟(f)是以紋理分析(texture analysis)來決定該第一分區後影像以及該第二分區後影像的該評分。
- 如請求項9所述的手勢判斷方法,其中該步驟(f)更包含: 對一第二影像進行評分;以及 參考該第二感測影像的該評分調整該第一分區後影像以及該第二分區後影像中至少其一的該評分; 其中該第二感測影像為該第一感測影像的前影像。
- 如請求項8所述的手勢判斷方法,其中該步驟(b)更包含: 參考一第二影像的一第二影像分區門檻值來決定第一局部影像分區門檻值,其中該第二感測影像為該第一感測影像的前影像。
- 如請求項8所述的手勢判斷方法,其中該第一影像區域和該第二影像區域為相同的影像區域。
- 一種影像感測系統,包含: 一影像感測器,用以感測一第一感測影像; 一影像處理器,用以執行下列步驟: (a) 接收該第一感測影像並定義出該第一感測影像中的至少一個影像區域; (b)根據該些影像區域中的一第一影像區域決定出相對應的一第一局部影像分區門檻值; (c) 根據該些影像區域中的一第二影像區域決定出相對應的一第二局部影像分區門檻值; (d)以該第一局部影像分區門檻值來對該第一感測影像執行一第一影像分區動作以得到一第一分區後影像; (e)以該第二局部影像分區門檻值來對該第一感測影像執行一第二影像分區動作以得到一第二分區後影像;以及 (f) 根據該第一分區後影像以及該第二分區後影像決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該影像處理器所使用的第一影像分區門檻值。
- 如請求項15所述的影像感測系統,其中該步驟(f)包含計算該第一分區後影像的評分以及計算該第二分區後影像的評分,且該步驟(f) 根據該第一分區後影像以及該第二分區後影像的該評分決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該第一影像分區門檻值。
- 如請求項16所述的影像感測系統,其中該步驟(f)是以影像分析(shape analysis)來決定該第一分區後影像以及該第二分區後影像的該評分。
- 如請求項16所述的影像感測系統,其中該步驟(f)是以紋理分析(texture analysis)來決定該第一分區後影像以及該第二分區後影像的該評分。
- 如請求項16所述的影像感測系統,其中該步驟(f)更包含: 對一第二感測影像進行評分;以及 參考該第二感測影像的該評分調整該第一分區後影像以及該第二分區後影像中至少其一的該評分; 其中該第二感測影像為該第一感測影像的前n張影像,其中n為正整數。
- 如請求項15所述的影像感測系統,其中該步驟(b)更包含: 參考一第二感測影像的一第二影像分區門檻值來決定第一局部影像分區門檻值,其中該第二感測影像為該第一感測影像的前影像,其中n為正整數。
- 如請求項15所述的影像感測系統,其中該第一影像區域和該第二影像區域為相同的影像區域。
- 一種手勢判斷系統,包含 一影像感測器,用以感測一第一感測影像; 一影像處理器,用以執行下列步驟: (a) 接收該第一感測影像並定義出該第一感測影像中的至少一個影像區域; (b)根據該些影像區域中的一第一影像區域決定出相對應的一第一局部影像分區門檻值; (c) 根據該些影像區域中的一第二影像區域決定出相對應的一第二局部影像分區門檻值; (d)以該第一局部影像分區門檻值來對該第一感測影像執行一第一影像分區動作以得到一第一分區後影像; (e)以該第二局部影像分區門檻值來對該第一感測影像執行一第二影像分區動作以得到一第二分區後影像;以及 (f) 根據該第一分區後影像以及該第二分區後影像決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該影像處理器所使用的第一影像分區門檻值 (g)以該第一影像分區門檻值處理該影像感測器所擷取的至少一感測影像來產生至少一分區後感測影像;以及 一手勢偵測裝置,依據該分區後感測影像來判斷該感測影像所代表的手勢。
- 如請求項22所述的手勢判斷系統,其中該步驟(f)包含計算該第一分區後影像的評分以及計算該第二分區後影像的評分,且該步驟(f) 根據該第一分區後影像以及該第二分區後影像的該評分決定要使用該第一局部影像分區門檻值以及該第二局部影像分區門檻值中的那一個做為該第一影像分區門檻值。
- 如請求項23所述的手勢判斷系統,其中該步驟(f)是以影像分析(shape analysis)來決定該第一分區後影像以及該第二分區後影像的該評分。
- 如請求項23所述的手勢判斷系統,其中該步驟(f)是以紋理分析(texture analysis)來決定該第一分區後影像以及該第二分區後影像的該評分。
- 如請求項23所述的手勢判斷系統,其中該步驟(f)更包含: 對一第二影像進行評分;以及 參考該第二感測影像的該評分調整該第一分區後影像以及該第二分區後影像中至少其一的該評分; 其中該第二感測影像為該第一感測影像的前影像。
- 如請求項22所述的手勢判斷系統,其中該步驟(b)更包含: 參考一第二影像的一第二影像分區門檻值來決定第一局部影像分區門檻值,其中該第二感測影像為該第一感測影像的前影像。
- 如請求項22所述的手勢判斷系統,其中該第一影像區域和該第二影像區域為相同的影像區域。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104135154A TW201715472A (zh) | 2015-10-26 | 2015-10-26 | 影像分區門檻值決定方法、手勢判斷方法、影像感測系統以及手勢判斷系統 |
US15/173,555 US9846816B2 (en) | 2015-10-26 | 2016-06-03 | Image segmentation threshold value deciding method, gesture determining method, image sensing system and gesture determining system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104135154A TW201715472A (zh) | 2015-10-26 | 2015-10-26 | 影像分區門檻值決定方法、手勢判斷方法、影像感測系統以及手勢判斷系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201715472A true TW201715472A (zh) | 2017-05-01 |
Family
ID=58561764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104135154A TW201715472A (zh) | 2015-10-26 | 2015-10-26 | 影像分區門檻值決定方法、手勢判斷方法、影像感測系統以及手勢判斷系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9846816B2 (zh) |
TW (1) | TW201715472A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480644B (zh) * | 2017-08-21 | 2019-11-19 | 吉林大学 | 眼底图像中视盘的定位与分割方法、装置和存储介质 |
CN108062751A (zh) * | 2017-12-05 | 2018-05-22 | 安徽四创电子股份有限公司 | 应用于雾霾天气下的视频图像的两级分割图像的方法 |
CN108256534B (zh) * | 2018-01-29 | 2019-03-15 | 中国科学院地理科学与资源研究所 | 一种基于高分遥感影像的筏式海水养殖区域提取方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1268547A (en) * | 1986-03-31 | 1990-05-01 | Ahmed Mostafa El-Sherbini | Thresholding algorithm selection apparatus |
JPH0659351A (ja) * | 1992-08-07 | 1994-03-04 | Minolta Camera Co Ltd | 原稿サイズ検出装置 |
US6978039B2 (en) * | 2001-12-13 | 2005-12-20 | General Electric Company | Method and system for segmentation of medical images |
US7088857B2 (en) * | 2002-01-31 | 2006-08-08 | Hewlett-Packard Development Company, L.P. | Dynamic bilevel thresholding of digital images |
JP4053345B2 (ja) * | 2002-04-25 | 2008-02-27 | シャープ株式会社 | 画像処理方法および画像処理装置、それを備える画像形成装置ならびにプログラムおよび記録媒体 |
US7653242B2 (en) * | 2005-11-15 | 2010-01-26 | Honeywell International Inc. | Dynamically adjusting and predicting image segmentation threshold |
TWI372371B (en) | 2008-08-27 | 2012-09-11 | Inventec Appliances Corp | Sign language recognition system and method |
CN101661556A (zh) | 2009-09-25 | 2010-03-03 | 哈尔滨工业大学深圳研究生院 | 基于视觉的静态手势识别方法 |
TW201118791A (en) * | 2009-11-27 | 2011-06-01 | Inst Information Industry | System and method for obtaining camera parameters from a plurality of images, and computer program products thereof |
WO2012095893A1 (ja) * | 2011-01-14 | 2012-07-19 | 三菱電機株式会社 | 印画制御装置 |
TWI579798B (zh) | 2011-05-23 | 2017-04-21 | 國立中興大學 | 有效和可調權重之影像切割方法其程式產品 |
TWI488068B (zh) | 2012-03-20 | 2015-06-11 | Acer Inc | 手勢控制方法及裝置 |
CN103324977B (zh) * | 2012-03-21 | 2016-03-30 | 日电(中国)有限公司 | 一种目标数量检测方法和设备 |
US9367731B2 (en) * | 2012-05-23 | 2016-06-14 | Intel Corporation | Depth gradient based tracking |
TWI559236B (zh) | 2012-06-20 | 2016-11-21 | 原相科技股份有限公司 | 適用於影像處理的更新背景方法 |
TWI498830B (zh) | 2012-11-01 | 2015-09-01 | Univ Nat Yunlin Sci & Tech | 不均勻光線下的車牌辨識方法及系統 |
TWI496094B (zh) | 2013-01-23 | 2015-08-11 | Wistron Corp | 手勢辨識模組及手勢辨識方法 |
US9842391B2 (en) * | 2013-05-14 | 2017-12-12 | Pathxl Limited | Method and apparatus for processing an image of a tissue sample |
-
2015
- 2015-10-26 TW TW104135154A patent/TW201715472A/zh unknown
-
2016
- 2016-06-03 US US15/173,555 patent/US9846816B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20170116742A1 (en) | 2017-04-27 |
US9846816B2 (en) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10592759B2 (en) | Object recognition apparatus and control method therefor | |
US10469812B2 (en) | Projection display system, information processing apparatus, information processing method, and storage medium therefor | |
US9508136B2 (en) | Image fusing method | |
WO2014074959A1 (en) | Real-time face detection using pixel pairs | |
TW201715472A (zh) | 影像分區門檻值決定方法、手勢判斷方法、影像感測系統以及手勢判斷系統 | |
US11036974B2 (en) | Image processing apparatus, image processing method, and storage medium | |
US20130287254A1 (en) | Method and Device for Detecting an Object in an Image | |
JP2015232482A (ja) | 検査装置、検査方法およびプログラム | |
US11455489B2 (en) | Device that updates recognition model and method of updating recognition model | |
US20190045100A1 (en) | Image processing device, method, and program | |
US20190166299A1 (en) | Image processing apparatus, control method thereof, and non-transitory computer-readable storage medium | |
CN106951902B (zh) | 一种图像二值化处理方法及装置 | |
KR101853276B1 (ko) | 깊이 영상에서의 손 영역 검출 방법 및 그 장치 | |
US20220262031A1 (en) | Information processing apparatus, information processing method, and storage medium | |
CN106650557B (zh) | 影像分区门坎值决定方法及系统、手势判断方法及系统 | |
US11494944B2 (en) | Automatic low contrast detection | |
US9842406B2 (en) | System and method for determining colors of foreground, and computer readable recording medium therefor | |
KR20220016783A (ko) | 화상 감지 장치 및 그 노광 시간 조절 방법 | |
JP7340487B2 (ja) | プログラム作成装置、対象物検知システム、アンカー設定方法及びアンカー設定プログラム | |
US10104302B2 (en) | Image determining method and image sensing apparatus applying the image determining method | |
JP2013242702A (ja) | 顔画像照合装置、顔画像照合方法、特異領域検出装置及び特異領域検出方法 | |
JP6510451B2 (ja) | 画像内の人物の瞳孔領域を特定する特定装置、特定方法及びプログラム | |
US9591220B2 (en) | Selection apparatus, selection method, and storage medium | |
JP2002330354A (ja) | 欠損画素検出補正装置、欠損画素検出補正方法、欠損画素検出補正プログラム、および、映像信号処理装置 | |
US9721151B2 (en) | Method and apparatus for detecting interfacing region in depth image |