TW202026949A

TW202026949A - 物件偵測方法及其相關電腦系統

Info

Publication number: TW202026949A
Application number: TW109100397A
Authority: TW
Inventors: 魏谷竹
Original assignee: 多方科技股份有限公司
Priority date: 2019-01-13
Filing date: 2020-01-07
Publication date: 2020-07-16
Also published as: CN111435962A; US20200226763A1

Abstract

一種物件偵測方法，包含有接收一影音之複數個訊框之一當前訊框；同時追蹤並偵測該當前訊框，以決定一物件清單；以及更新該物件清單以追蹤該當前訊框之一接續訊框的至少一物件。

Description

物件偵測方法及其相關電腦系統

本發明涉及一種物件偵測方法及相關電腦系統，尤其是一種提升物件偵測效率的物件偵測方法及相關電腦系統。

隨著科技的發展與進步，習知技術已發展了各種相機及相關裝置。影像擷取裝置或影音擷取裝置可以用來追蹤影像中的物件，例如人類或車輛。物件追蹤流程僅可在前一訊框已知的情形下，才能執行物件追蹤流程。換句話說，在追蹤影像擷取裝置或影音擷取裝置的物件之前，確定當前訊框的前一訊框為物件偵測的必要條件。物件偵測可用於各種偵測，例如臉部偵測、車輛偵測或行人偵測。

舉例來說，第1圖現有技術的物件偵測及物件追蹤之時序圖。如第1圖所示，一影音包含訊框0-15，其為由一擷取裝置（例如一數位相機）依序地產生。當訊框0被輸入後，執行物件偵測以辨識訊框0中的任何新物件。當一或多個新物件於訊框0中被識別出時，即可針對訊框3執行物件追蹤流程。然而，現有技術的物件偵測需要較長時間（例如，大於1個訊框時間）來確定任何新物件，而延遲物件追蹤的流程。在此情形下，由於物件追蹤必須在物件偵測於辨識物件後才能進行，因此，現有的物件偵測及物件追蹤的順序為預先定義好的，而降低其效率。換言之，物件追蹤流程只能在物件偵測流程完成後才能執行。

因此，如何解決上述問題，並且有效率地偵測並追蹤一影音中的物件即成為一重要課題。

因此，本發明實施例提供一物件偵測方法及其相關電腦系統，以提高物件偵測的效率，進而改善先前技術的缺點。

本發明實施例揭露一種物件偵測方法，包含有接收一影音之複數個訊框之一當前訊框；同時追蹤並偵測該當前訊框，以決定一物件清單；以及更新該物件清單以追蹤該當前訊框之一接續訊框的至少一物件。

本發明實施例另揭露一種電腦系統，包含有一處理裝置；以及一記憶體裝置耦接於該處理裝置，用來儲存一程式碼以指示該處理裝置執行用於一影音之影像強化流程，其中該影像強化流程包含有接收該影音之複數個訊框之一當前訊框；同時追蹤並偵測該當前訊框，以決定一物件清單；以及更新該物件清單以追蹤該當前訊框之一接續訊框的至少一物件。

請參考第2圖，第2圖為本發明實施例之一物件偵測流程20之示意圖。本發明實施例的物件偵測流程20可應用各種偵測方法，例如，影像中的臉部偵測、車輛偵測或行人偵測。物件偵測流程20包含下列步驟：

步驟202：開始。

步驟204：接收一影音之複數個訊框之一當前訊框。

步驟206：同時追蹤並偵測當前訊框，以決定一物件清單。

步驟208：更新物件清單以追蹤當前訊框之一接續訊框的至少一物件。

步驟210：結束。

請同時參考第3圖以理解物件偵測流程20，第3圖為本發明實施例之物件偵測流程20之時序圖。如第3圖所示，影音包含依序由一擷取裝置（例如，一數位相機）所產生的訊框0-15，其中訊框0-15為物件偵測流程20中步驟204的輸入。

在步驟206中，同時針對訊框0進行物件偵測以及物件追蹤。當執行物件偵測於訊框0偵測到任何新物件時，則更新物件清單並據以用來進行物件追蹤。在一實施例中，由於在訊框3之前，尚未完成訊框0的物件偵測，因此，在完成訊框0的物件偵測完成之前，訊框0-2的物件追蹤皆為空值。也就是說，訊框3的物件追蹤為根據訊框0的一偵測結果而據以執行的。因此，訊框4-15的物件追蹤需根據其偵測結果才能據以執行。舉例來說，訊框4的物件追蹤可以根據訊框0的偵測結果據以執行。在另一例中，由於最新的訊框（訊框3）偵測已完成，訊框5的物件追蹤可以根據訊框3的偵測結果據以執行。

在步驟208，更新物件清單是用來追蹤一接續訊框的一或多個物件。換句話說，物件追蹤可根據自前一訊框所產生的更新物件清單，以追蹤接續訊框中的物件。如此一來，本發明實施例可分別並且不同時地針對訊框執行物件偵測及物件追蹤。因此，物件偵測流程20可不需如先前技術中，預先決定物件偵測及物件追蹤的順序，以提升物件偵測的效率。

根據不同的應用方法及設計概念，本發明實施例的物件偵測流程20可以不同的方法實現。請參考第4圖，第4圖為本發明實施例之物件偵測流程20之一實施態樣40之示意圖。實施態樣40包含一物件偵測模組402、一物件追蹤模組404及一物件清單更新模組406。在此例中，物件偵測模組402及物件追蹤模組404同時接收訊框，以分別地產生物件清單。此外，物件清單更新模組406評估物件偵測模組402所產生的偵測結果，以及根據物件追蹤模組404所產生的一追蹤結果，以決定物件清單。值得注意的是，物件清單更新模組406所決定的更新物件清單可進一步作為物件追蹤模組404的一回饋。舉例來說，當物件追蹤模組404對訊框3執行物件追蹤時，物件清單更新模組406所產生針對訊框0的更新物件清單可用來追蹤訊框3中的物件，以提升追蹤結果的正確性及效率。

在另一實施例中，請參考第5圖，第5圖為本發明實施例之物件偵測流程20之一實施態樣50之示意圖。實施態樣50包含一物件偵測模組502、一物件追蹤模組504、一物件清單更新模組506及一運動估計模組508。值得注意的是，與實施態樣40不同的地方在於，實施態樣50進一步包含運動估計模組508以產生當前訊框的一密集運動向量場（dense motion vector field）。詳細而言，運動估計模組508可以一影音編碼器實現，以產生當前訊框的密集運動向量場，其代表當前訊框與先前訊框的一運動關係。在此例中，當物件追蹤模組504追蹤訊框5，運動估計模組508產生關於訊框4與訊框5的密集運動向量場，以提升物件追蹤模組504的正確性及效率。在另一實施例中，運動估計模組508可決定一物件的內運動向量（inner motion vector）的一平均，並且該物件的內運動向量的平均可以用來作為該物件的速度。如此一來，先前訊框的密集運動向量場可被用來追蹤當前訊框中的物件。舉例來說，在訊框4所產生的物件的內運動向量的平均可以用來追蹤訊框5的物件。值得注意的是，密集運動向量場可以根據多於二或多個先前訊框來產生，且不以此為限。例如，訊框4及訊框5可被用來決定運動向量場以追蹤訊框6的物件，但不限於此。

請參考第6圖，第6圖為本發明實施例之物件偵測流程20之一實施態樣60之示意圖。實施態樣60包含一物件偵測模組602、一物件追蹤模組604以及一物件清單更新模組606。不同於實施態樣40及50，物件偵測模組602與物件追蹤模組604皆接收訊框及密集運動向量場。在此情形下，物件偵測模組602可根據產生的密集運動向量場偵測當前訊框的物件，進一步地，物件追蹤模組604可追蹤當前訊框的物件，以提升物件偵測流程20的正確性及效率。除此之外，密集運動向量場可以根據物件的內運動向量決定。

此外，請參考第7圖，第7圖為本發明實施例之一電腦系統70之示意圖。電腦系統70包括一處理單元700，例如一微處理器或一特定應用積體電路（Application-Specific Integrated Circuit，ASIC）、一儲存單元710以及一通信介面單元720。儲存單元710可為任一資料儲存裝置，用來儲存一程式碼714，處理單元700可通過儲存單元710讀取及執行程式碼714。舉例來說，儲存單元710可為使用者識別模組（Subscriber Identity Module，SIM）、唯讀式記憶體（Read-Only Memory，ROM）、隨機存取記憶體（Random-Access Memory，RAM）、光碟唯讀記憶體（CD-ROM／DVD-ROM）、磁帶（magnetic tape）、硬碟（hard disk）及光學資料儲存裝置（optical data storage device），而不限於此。

值得注意的是，上述實施例僅概略地描述本發明的概念，本領域具有通常知識者可據以適當修改，而不限於此。舉例來說，密集運動向量場可藉由解碼影音得到，或者實施態樣40、50、60中的模組可以其他裝置、軟體或電路實現，而不限於上述的模組。除此之外，本發明實施例的物件偵測方法可用於所有物件的偵測，例如，影像中的臉部偵測、車輛偵測或行人偵測。

綜上所述，本發明的物件偵測方法及電腦系統可不同時地追蹤並偵測訊框中的物件，以提升影音的物件偵測的效率及正確性。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。

20:物件偵測流程 202,204,206,208,210:步驟 40,50,60:實施態樣 402,502,602:物件偵測模組 404,504,604:物件追蹤模組 406,506,606:物件清單更新模組 508:運動估計模組 70:電腦系統 700:處理單元 710:儲存單元 714:程式碼 720:通信介面單元

第1圖現有技術的物件偵測集物件追蹤之時序圖。第2圖為本發明實施例之一物件偵測流程之示意圖。第3圖為本發明實施例之一物件偵測流程之時序圖。第4圖至第6圖為本發明實施例之物件偵測流程之實施態樣之示意圖。第7圖為本發明實施例之一電腦系統之示意圖。

20:物件偵測流程

202,204,206,208,210:步驟

Claims

一種物件偵測方法，包含有：接收一影音之複數個訊框之一當前訊框；同時追蹤並偵測該當前訊框，以決定一物件清單；以及更新該物件清單以追蹤該當前訊框之一接續訊框的至少一物件。
如請求項1所述之物件偵測方法，另包含有：在同時追蹤並偵測該當前訊框以決定該物件清單之前，決定該當前訊框之一密集運動向量場（dense motion vector field）。
如請求項2所述之物件偵測方法，其中該密集運動向量場係由解碼該影音所獲得。
如請求項2所述之物件偵測方法，其中該密集運動向量場係由一運動估計模組產生。
如請求項1所述之物件偵測方法，另包含有：追蹤並偵測該複數個訊框之該當前訊框，以根據該密集運動向量場決定該物件清單。
一種電腦系統，包含有：一處理裝置；以及一記憶體裝置，耦接於該處理裝置，用來儲存一程式碼以指示該處理裝置執行用於一影音之物件偵測流程，其中該物件偵測流程包含有：接收該影音之複數個訊框之一當前訊框；同時追蹤並偵測該當前訊框，以決定一物件清單；以及更新該物件清單以追蹤該當前訊框之一接續訊框的至少一物件。
如請求項6所述之電腦系統，其中該物件偵測流程包含在同時追蹤並偵測該當前訊框以決定該物件清單之前，決定該當前訊框之一密集運動向量場（dense motion vector field）。
如請求項7所述之電腦系統，其中該密集運動向量場係由解碼該影音所獲得。
如請求項7所述之電腦系統，其中該密集運動向量場係由一運動估計模組產生。
如請求項6所述之電腦系統，其中該物件偵測流程包含追蹤並偵測該複數個訊框之該當前訊框，以根據該密集運動向量場決定該物件清單。