TWI462029B - Face detection and tracking device - Google Patents

Face detection and tracking device Download PDF

Info

Publication number
TWI462029B
TWI462029B TW099117835A TW99117835A TWI462029B TW I462029 B TWI462029 B TW I462029B TW 099117835 A TW099117835 A TW 099117835A TW 99117835 A TW99117835 A TW 99117835A TW I462029 B TWI462029 B TW I462029B
Authority
TW
Taiwan
Prior art keywords
face
image
block
unit
value
Prior art date
Application number
TW099117835A
Other languages
English (en)
Other versions
TW201101199A (en
Inventor
Shu Sian Yang
Ren Hau Gu
Yi Fang Lee
Ming Tsan Kao
Teo Chin Chiang
Chi Chieh Liao
Wei Ting Chan
Yu Hao Huang
Wen Han Yao
Original Assignee
Pixart Imaging Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Pixart Imaging Inc filed Critical Pixart Imaging Inc
Publication of TW201101199A publication Critical patent/TW201101199A/zh
Application granted granted Critical
Publication of TWI462029B publication Critical patent/TWI462029B/zh

Links

Classifications

    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
    • 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
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Description

人臉偵測與追蹤裝置
本發明係關於一種人臉偵測與追蹤裝置，特別是一種可產生膚色更新門檻值的一種人臉偵測與追蹤裝置。
在現今的日常生活中，影像擷取裝置已經被廣泛的使用於日常生活中。影像擷取裝置利用光感測器擷取影像並轉換為數位訊號後，這些數位訊號可被儲存下來。藉由影像擷取裝置擷取到的數位訊號，再配合數位影像處理的技術，即可設計出各種形形色色的應用。
在影像擷取裝置所擷取的影像當中，人物影像為其中之核心。舉例來說當前有許多的影像擷取裝置具備人臉偵測及人臉追蹤技術，可輔助自動對拍攝區域進行多重對焦。此外，人臉偵測技術亦可以使用於判斷一個特定區域內是否有人的存在，比如說，人臉偵測的技術可應用於判斷電視螢幕前是否有使用者正在觀看此電視螢幕。當人臉偵測的技術判斷當下並沒有人位於電視螢幕前的時候，此電視螢幕可以被自動的關閉，以達到節能之功效。
人臉偵測係指利用分析比較人臉的視覺特徵資訊以判斷被拍攝的物體是否為人臉。然而，實際上人臉的外形很不穩定，因為人可以通過臉部肌肉的變化產生很多表情。而且在不同觀察角度，人臉的看起來的樣子也相差很大。此外，人臉偵測還受光照條件(例如白天和夜晚，室內和室外或是特殊光線下)而增加誤判的可能性。
鑒於以上的問題，本發明係提出一種人臉偵測裝置，以解決人臉辨識不易之問題。
人臉偵測裝置包括感光元件、人臉辨識單元與膚色門檻產生單元。感光元件擷取包含一第一人臉區塊之一第一影像。人臉辨識單元比對第一影像與至少一人臉特徵，用以辨識第一人臉區塊。膚色門檻產生單元，根據所辨識第一人臉區塊更新一膚色門檻值。其中，膚色門檻值係用以過濾第一影像訊號以取得一候選區域，而人臉辨識單元則比對候選區域與該至少一人臉特徵以取得第一人臉區塊，及/或該膚色門檻值係用以判斷該人臉辨識單元所辨識該第一人臉區塊是否正確。
除此之外，本發明係另出一種人臉追蹤裝置，包括感光元件、人臉辨識單元、人臉追蹤單元與信心值單元。感光元件擷取包含第一人臉區塊之第一影像，以及擷取包含第二人臉區塊之第二影像，其中第二影像係該感光元件擷取第一影像之後所擷取之影像。人臉辨識單元，比對第一影像與至少一人臉特徵，用以辨識第一人臉區塊。一人臉追蹤單元，將第二人臉區塊分為複數個影像區塊，利用人臉辨識單元所辨識第一人臉區塊比對複數個影像區塊，並判斷其中一個區塊為第二人臉區塊。信心值單元，比較第二人臉區塊與第一人臉區塊及/或至少一人臉特徵，並根據比較結果調整一信心值，其中當信心值小於一第一門檻值則放棄第二人臉區塊。
綜合以上所述，本發明可以動態地調整人臉膚色的門檻值，以在特殊光線的環境之下，準確地偵測人臉。本發明亦可利用人臉追蹤區域的信心值，提高人臉追蹤的精確度。此外，本發明可同時針對不同尺寸大小的人臉進行偵測，並且只需要少量記憶體的使用量。
以下在實施方式中係進一步詳細說明本發明之詳細特徵以及優點，其內容足以使任何熟習相關技藝者了解本發明之技術內容並據以實施，且根據本說明書所揭露之內容、申請專利範圍及圖式，任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。
『第1圖』係為根據本發明所適用之數位影像擷取裝置的架構示意圖。關於本發明所適用之數位相機可以是但不限於『第1圖』所示之架構。
請參考『第1圖』，影像擷取裝置10可包括一鏡頭裝置12、一感光元件14、一取樣電路16(Sampling hold circuit)、記憶體17以及一處理單元18。鏡頭裝置12前方的景象所反射的光線經由鏡頭裝置12進入感光元件14，而感光元件14將進入的光線轉換成影像的訊號並傳給取樣電路16後，影像可被紀錄於記憶體17。處理單元18可為微處理器、微控制器、特定應用積體電路(Application-specific integrated circuit，ASIC)或是場效可程式化閘陣列(Field Programmable Gate Array，FPGA)，處理單元18除了可用來控制感光元件14、取樣電路16與記憶體17之外，並且可用以執行本發明所提出之人臉偵測與追蹤的方法。
請參照『第2A圖』，係為用以執行人臉偵測裝置第一實施例之系統方塊圖。人臉偵測裝置主要元件包括感光元件14、人臉偵測單元32、人臉追蹤單元34與膚色門檻產生單元21。
感光元件14係擷取包含一第一人臉區塊之一第一影像。
人臉偵測單元32用以比對第一影像與至少一人臉特徵，用以辨識第一人臉區塊。
人臉追蹤單元34係將第二影像區分為複數個影像區塊，且在複數個影像區塊中，選擇人臉偵測單元32所辨識第一人臉區塊最近似者，作為第二人臉區塊。其中第二影像係感光元件14擷取第一影像之後所擷取之影像。
膚色門檻產生單元21，根據所辨識第一人臉區塊更新一膚色門檻值。膚色門檻值係用以過濾第一影像訊號以取得一候選區域，及/或膚色門檻值係用以判斷人臉偵測單元32所辨識該第一人臉區塊是否正確。
經由鏡頭裝置12與感光元件14擷取一影像訊號，之後影像色度/亮度分離單元22會將此影像訊號分離為色度訊號與亮度訊號。
亮度訊號會由動態壓縮單元24進行影像處理，動態壓縮單元24可將亮度很亮與很暗的部分調整至適中的亮度，以增加偵測或是追蹤成功的機率。接著，利用選擇單元27，選擇此時要將訊號送至人臉偵測單元32或是人臉追蹤單元34。
當人臉偵測單元32判斷影像中有人臉區域時，膚色遮罩產生單元26會根據此時影像訊號的色度訊號、膚色預設門檻值與膚色更新門檻值產生影像遮罩並傳送至膚色篩選單元36。膚色篩選單元36會根據影像遮罩判斷影像的色彩值，進一步確認影像訊號是否具有人臉。而當經過膚色篩選單元36確認影像訊號具有人臉時，會將此時的色彩值更新膚色更新門檻值。
最後，參數產生單元38會根據偵測到的人臉區域，產生多個參數。這些參數可回饋給拍攝參數調整單元15、動態壓縮單元24與人臉追蹤單元34，以動態的調整影像的擷取或是人臉偵測與追蹤的步驟。
在此系統方塊圖中，色度/亮度分離單元22、動態壓縮單元24、膚色遮罩產生單元26、選擇單元27、人臉偵測單元32、人臉追蹤單元34、膚色篩選單元36與參數產生單元38可利用程式碼或是電路來實現。程式碼可經由微處理器、微控制器來執行。電路可整合至一個或是多個的積體電路中，或是以FPGA來實現。
請參照『第2B圖』，係為用以執行人臉偵測裝置第二實施例之系統方塊圖。人臉偵測裝置主要元件包括感光元件14、人臉偵測單元32、人臉追蹤單元34、膚色門檻產生單元21與信心值單元23。
信心值單元23係用以比較第二人臉區塊與第一人臉區塊及/或至少一人臉特徵，並根據比較結果調整一信心值。其中當信心值小於一第一門檻值則放棄第二人臉區塊。
請參照『第2C圖』，係為用以執行人臉偵測裝置第二實施例之系統方塊圖。人臉偵測裝置主要元件包括感光元件14、人臉偵測單元32、人臉追蹤單元34、膚色門檻產生單元21與影像壓縮單元37。
影像壓縮單元37將第一影像降低取樣(down-sample)成解析度不同的複數個子影像，並壓縮該複數個子影像。而人臉偵測單元32選擇複數個子影像的其中之一子影像進行解碼，再從被選擇且已解碼之其中一子影像中辨識第一人臉區塊。
以上所述為本發明之系統架構，而根據此系統架構所執行之方法則可參考下述。
請參照『第3圖』，係為人臉偵測與追蹤的方法的第一實施例。人臉偵測與追蹤的方法包括：取得一影像(S10)、執行人臉偵測步驟(S20)與執行人臉追蹤步驟(S30)。
在步驟S10中，取得影像即是利用上述的影像擷取裝置10擷取並且取得影像。在一段時間內，影像擷取裝置10可連續地擷取多組影像，以組合而成一動態影像。
在取得影像後，即可進行人臉偵測步驟，也就是步驟S20。此步驟可經由上述的人臉偵測單元32所執行。人臉偵測步驟係用來偵測影像中是否有人臉的存在。若無法偵測到人臉時，則重複繼續執行步驟S20。若是偵測到影像中至少有一個人臉存在的時候，即可接著下去執行步驟S30，也就是執行一人臉追蹤步驟。人臉追蹤步驟(S30)可以持續多次的執行，直到當執行次數達到一個預定的數目時，再次的執行人臉偵測步驟(S20)。
人臉追蹤步驟(S30)即是根據人臉偵測步驟(S20)所辨識出的人臉為基礎進行追蹤，此一步驟可由人臉追蹤單元34所執行。因為人臉並不會產生跳躍性的移動，所以可以利用追蹤的方式，即可減少人臉偵測的次數，以降低運算的複雜度。
人臉偵測步驟(S20)與人臉追蹤步驟(S30)的詳細步驟容後詳述。
請參照『第4圖』，係為人臉偵測與追蹤的方法的第二實施例。此方法包括：取得一影像(S10)；將影像降低取樣成解析度不同的複數個子影像(S101)；藉由聯合圖像專家小組(Joint Photographic Experts Group，JPEG)標準，編碼複數個子影像(S102)；儲存複數個子影像於複數個記憶體中(S103)；選擇複數個子影像中的其中之一，解碼被選擇的子影像(S104)；執行人臉偵測步驟(S20)與執行人臉追蹤步驟(S30)。
為了能使本方法可偵測不同尺寸大小的人臉，因此可將擷取到的影像經過降低取樣(down-sampling)後，再根據預設大小(通常為24×24個畫素)的人臉特徵，來偵測畫面中是否有人臉。在步驟S101中，可先將此取得的影像降低取樣成解析度不同的複數個子影像。舉例而言，取得影像的原始解析度為320×240。此步驟可將取得的影像降低取樣成解析度為160×120、80×60與40×30的畫面。
之後，在步驟S102中，再利用JPEG標準，編碼上述的解析度不同的複數個子影像。
在壓縮完之後，再將此壓縮後的JPEG檔案儲存至記憶體中，也就是執行步驟S103。此時，將可大幅減少記憶體所需要的儲存容量。
在步驟S104中，當要進行人臉偵測之前，先選擇複數個子影像中的其中之一，並且解碼被選擇的子影像。之後，即可利用此被解碼的子影像執行人臉偵測步驟(S20)與人臉追蹤步驟(S30)。
請參照『第5圖』，係為人臉偵測與追蹤的方法的第三實施例。此方法包括：取得一影像(S10)；將影像降低取樣成解析度不同的複數個子影像(S101)；藉由JPEG標準，編碼複數個子影像(S102)；儲存複數個子影像於複數個記憶體中(S103)；選擇複數個子影像中的其中之一，解碼被選擇的子影像(S104)；降低取樣被解碼的子影像(S105)；執行人臉偵測步驟(S20)與執行人臉追蹤步驟(S30)。
因為在第二實施例中，僅能對於儲存於記憶體當中的不同解析度的影像進行人臉偵測。若是要能偵測更多不同解析度的人臉，則可在步驟S104之後，將被解碼的子影像再進行降低取樣的動作，也就是執行步驟S105。舉例而言，可將解析度為160×120的影像降低取樣為解析度120×90的影像，之後在針對解析度120×90的影像的圖片進行人臉特徵上的比對。此外，可將解析度為80×60的影像降低取樣為解析度60×45的影像。是以，此方法可以對於多種不同大小的人臉進行人臉偵測。
請參照『第6圖』，係為人臉偵測步驟的流程圖。人臉偵測步驟S20包括根據複數個人臉特徵，偵測影像是否具有一人臉區域(S201)；當影像具有人臉區域時，根據人臉區域的色彩值，產生膚色更新門檻值(S202)。
在步驟S201中，人臉特徵係為一般人臉部上較具特徵之區域，如眼睛，眉毛，鼻子或嘴巴等。偵測影像時，即可利用這些特徵來找出特徵間的梯度方向資訊，並且利用此梯度方向資訊作為偵測的依據。此外，亦可根據人臉的輪廓、形狀等特徵等作為偵測的依據。這些人臉特徵可為數百條或是上千條，此影像在經過這些數百條或是上千條的特徵過濾後，皆符合這些特徵的區域即為人臉區域。
為了減低儲存這些人臉特徵所需要的記憶體17的容量，這些人臉特徵可經過壓縮後再儲存。在此實施例中，一種名為向量量化(Vector Quanization)的壓縮方法可被用來壓縮這些人臉特徵。向量量化可利用查表的方式，將上述每一條的人臉特徵，轉換成一個字碼(codeword)。這些字碼的位元數遠低於人臉特徵的位元數。因此，只需要儲存這些字碼於記憶體17中，記憶體17用來儲存人臉特徵所需要的容量即可大幅的被降低。上述產生字碼的方法係可根據Linde-Buzo-Gray方法進行產生。利用這個方法所產生的字碼在進行人臉偵測時，偵測的錯誤率與未壓縮時的接近。因此，利用向量量化壓縮人臉特徵，可以在不大幅影響人臉偵測的精準度的前提之下，大幅地減少儲存人臉特徵所佔用的記憶體17容量。
在步驟S202中，會根據這些判定為人臉的區域所對應的色彩值，動態地產生膚色更新門檻值。因為人臉上所呈現的顏色，可能會因為在特殊場合而有差異很大的變化。舉例而言，當很強的藍色光線照射在人臉上時，人臉會呈現偏藍色的樣貌。若是根據人臉特徵過濾之後，再進一步使用一般膚色作為篩選機制時，偏藍色的人臉可能會因此被判定為非人臉，而產生誤判。此外，因為人臉特徵(比如說是特徵間的梯度或是輪廓等)並不太會受到顏色的改變而有所不同，所以在本發明中，係以人臉特徵判斷的結果，再去產生新的膚色更新門檻值，以反應當時人臉真正呈現出的顏色。此新產生的膚色更新門檻值，不僅可在人臉偵測步驟S20中作為篩選的機制，亦可在人臉追蹤步驟S30作為追蹤時輔助判斷的參考。
請參照『第7圖』，係為人臉追蹤步驟的流程圖。人臉追蹤步驟S30包括分別計算影像中的複數個候選區域與人臉區域，以得到複數個差異值(S301)；根據膚色預設門檻值與膚色更新門檻值，分別統計每個候選區域中符合膚色預設門檻值或膚色更新門檻值的數目，以得到複數個統計值(S302)；根據每一個候選區域的差異值與統計值，計算每一個候選區域的成本函數(S303)；根據複數個成本函數，在複數個候選區域之中，選定其中一個作為一追蹤區域(S304)。
在步驟S301中，候選區域的大小係與人臉區域相同。候選區域的位置，可位於影像中的任一個位置，或是人臉區域周圍的位置。若是影像中的任一個位置皆為候選區域，則此方法即可對於影像中的每一個位置進行追蹤。然而，候選位置越多，此方法所需要的運算量也越大。並且因為人臉的移動為連續的動作，前後不同的兩張影像之間的人臉位置的變動極小。因此，實際上只需要以人臉區域周圍的位置列為追蹤對象的候選區域，即可節省大量的運算量。
在選定多個候選區域後，則計算這些候選區域與人臉區域之間的差異值，每一個候選區域都會定義出一個差異值。每一個候選區域與人臉區域差異值的計算方式係為將兩個區域中的相互對應的每一點進行計算。計算的方式為之間的紅綠藍色彩值(Red Green Blue，RGB)或濃度色度彩度(Luminance Chrominance Chroma，YCbCr)或是灰階值相減。之後在將這些相減後的結果取絕對值加總，或是將相減後的結果取平方相加後加總。
而本發明除了會根據差異值作為追蹤的準則外，更可配合人臉偵測步驟S20所產生的膚色更新門檻值作為篩選的機制。在步驟S302中，分別統計在每個候選區域中，總共有多少個畫素符合膚色預設門檻值或膚色更新門檻值。每一個候選區域，都會根據上述的方法計算出一個統計值。膚色預設門檻即為在一般光影下的一般人的膚色值，而膚色更新門檻值則是在人臉偵測步驟時的光線值下所呈現的膚色值。
之後，在步驟S303中，根據每一個候選區域的差異值與統計值，計算每一個候選區域的成本函數。成本函數係與差異值以及統計值有關。差異值越高，則成本函數越高。而統計值越高，則成本函數越低。
最後，在步驟S304中，則根據每一個候選區域的成本函數，在複數個候選區域之中，選定成本函數最低的候選區域作為追蹤區域。此追蹤區域即代表當前人臉所在的位置。
綜合上述的方法，本方法可以配合當下的光線，準確地偵測並且追蹤人臉。
除了以上所述，本發明所提出之人臉偵測與追蹤的方法更可以做下列的變化。請參照『第8圖』，係為人臉偵測與追蹤的方法的第四實施例的流程圖。人臉偵測與追蹤的方法包括：取得一影像(S10)；執行人臉偵測步驟(S20)；執行人臉追蹤步驟(S30)；將追蹤區域設定一信心值(S305)；執行人臉追蹤步驟(S30)；根據至少一特定條件，調整信心值(S306)；判斷信心值是否小於一下限值(S307)、取消追蹤區域(S308)。
其中步驟S10、S20與S30與上述實施例相同，因此不再贅述。在步驟S305中，信心值可依據人臉區域中符合人臉特徵的數目而定，或是可依據成本函數而定，也可綜合考量上述兩因素後而決定。
接著，在步驟S306中，根據至少一特定條件，調整信心值。更詳細地說，當追蹤區域的位置保持固定時，或是當追蹤區域位於影像的周圍時，則可減少此信心值。另一方面，當成本函數低於一預設參考值，則可增加此信心值。
此外，從以上的敘述可知，每經過多次的人臉追蹤步驟之後，會執行一次的人臉偵測步驟。此次的人臉偵測步驟即可用來調整信心值。
再調整完信心值後，即判斷信心值是否小於一下限值，也就是步驟S307。當信心值小於下限值時，則代表人臉可能已經離開影像的範圍之內，因此此時可取消選定的追蹤區域，也就是執行步驟S308。
另一方面，若是信心值大於上限值時，則代表追蹤區域實際上為人臉的機率非常地高，因此可用另外一種不同的方式來進行信心值的調整。
綜合以上所述，本發明可以動態地調整人臉膚色的門檻值，以在特殊光線的環境之下，準確地偵測人臉。本發明亦可利用人臉追蹤區域的信心值，提高人臉追蹤的精確度。此外，本發明可同時針對不同尺寸大小的人臉進行偵測，並且只需要少量記憶體的使用量。
雖然本發明以前述之實施例揭露如上，然其並非用以限定本發明。在不脫離本發明之精神和範圍內，所為之更動與潤飾，均屬本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。
10．．．影像擷取裝置
12．．．鏡頭裝置
14．．．感光元件
15．．．拍攝參數調整單元
16．．．取樣電路
17‧‧‧記憶體
18‧‧‧處理單元
21‧‧‧膚色門檻產生單元
22‧‧‧影像色度/亮度分離單元
23‧‧‧信心值單元
24‧‧‧動態壓縮單元
26‧‧‧膚色遮罩產生單元
27‧‧‧選擇單元
32‧‧‧人臉偵測單元
34‧‧‧人臉追蹤單元
36‧‧‧膚色篩選單元
37‧‧‧影像壓縮單元
38‧‧‧參數產生單元
『第1圖』係為根據本發明所適用之數位相機的架構示意圖；
『第2A圖』係為根據本發明之用以執行人臉偵測與追蹤裝置的第一實施例之系統方塊圖；
『第2B圖』係為根據本發明之用以執行人臉偵測與追蹤裝置的第二實施例之系統方塊圖；
『第2C圖』係為根據本發明之用以執行人臉偵測與追蹤裝置的第三實施例之系統方塊圖；
『第3圖』係為根據本發明之人臉偵測與追蹤的方法的第一實施例的流程圖；
『第4圖』係為根據本發明之人臉偵測與追蹤的方法的第二實施例的流程圖；
『第5圖』係為根據本發明之人臉偵測與追蹤的方法的第三實施例的流程圖；
『第6圖』係為根據本發明之人臉偵測步驟的流程圖；
『第7圖』係為根據本發明之人臉追蹤步驟的流程圖；以及
『第8圖』係為根據本發明之人臉偵測與追蹤的方法的第四實施例的流程圖。
12．．．鏡頭裝置
14．．．感光元件
15．．．拍攝參數調整單元
21．．．膚色門檻產生單元
22．．．影像色度/亮度分離單元
27．．．選擇單元
32．．．人臉偵測單元
34．．．人臉追蹤單元
36．．．膚色篩選單元
38．．．參數產生單元

Claims (14)

  1. 一種人臉偵測裝置，包括：一感光元件，擷取包含一第一人臉區塊之一第一影像；一人臉偵測單元，比對該第一影像與至少一人臉特徵，用以偵測該第一人臉區塊；以及一膚色門檻產生單元，根據所偵測該第一人臉區塊的顏色更新一膚色門檻值；其中，該膚色門檻值係用以過濾該第一影像訊號以取得一候選區域，而該人臉偵測單元則比對該候選區域與該至少一人臉特徵以取得該第一人臉區塊，當該第一影像具有一人臉區域時，該膚色門檻產生單元根據該人臉區域的一色彩值產生一膚色更新門檻值，及該膚色門檻值係用以判斷該人臉偵測單元所偵測該第一人臉區塊是否正確。
  2. 如請求項1所述之人臉偵測裝置，其中進一步包含一人臉追蹤單元，該人臉追蹤單元係用以根據該人臉偵測單元所偵測該第一人臉區塊追蹤於一第二影像中之一第二人臉區塊，其中該第二影像係該感光元件擷取該第一影像之後所擷取之影像，且該人臉追蹤單元係將該第二影像區分為複數個影像區塊，並以該複數個影像區塊中與該第一人臉區塊最近似者作為該第二人臉區塊。
  3. 如請求項2所述之人臉偵測裝置，其中該人臉追蹤單元利用該膚色門檻值過濾該第二影像之該複數個影像區塊，將超過該膚 色門檻值之該複數個影像區塊與該第一人臉區塊進行比較，以判斷該第二人臉區塊。
  4. 如請求項2所述之人臉偵測裝置，其中該人臉追蹤單元進一步該第二人臉區塊之中大於該膚色門檻值之像素個數，並藉此判斷該第二人臉區塊是否正確。
  5. 如請求項1所述之人臉偵測裝置，其中進一步包含一影像壓縮單元，該影像壓縮單元將該第一影像降低取樣(down-sample)成解析度不同的複數個子影像，並壓縮該複數個子影像，而該人臉偵測單元選擇該複數個子影像的其中之一子影像進行解碼，再從被選擇且已解碼之該其中一子影像中偵測該第一人臉區塊，其中該子影像係透過一聯合圖像專家小組(JPEG)技術而被壓縮與解碼。
  6. 如請求項1所述之人臉偵測裝置，其中該至少一人臉特徵係為經過向量量化(Vector Quantization)轉換後的一字碼(codeword)，且該字碼被儲存於一記憶體。
  7. 一種人臉追蹤裝置，包括：一感光元件，擷取包含一第一人臉區塊之一第一影像，以及擷取包含一第二人臉區塊之一第二影像，其中該第二影像係該感光元件擷取該第一影像之後所擷取之影像；一人臉偵測單元，比對該第一影像與至少一人臉特徵，用以偵測該第一人臉區塊；一人臉追蹤單元，將該第二人臉區塊分為複數個影像區 塊，利用該人臉偵測單元所偵測該第一人臉區塊比對該複數個影像區塊，並判斷該複數個影像區塊的其中之一為該第二人臉區塊；以及一信心值單元，比較該第二人臉區塊與該第一人臉區塊及/或該至少一人臉特徵，並根據該第二人臉區塊與該第一人臉區塊的一比較結果調整一信心值，其中當該信心值小於一第一門檻值則放棄該第二人臉區塊。
  8. 如請求項7所述之人臉追蹤裝置，其中該至少一人臉特徵包括一膚色門檻值，且該信心值單元比較該第二人臉區塊與該膚色門檻值，當該第二人臉區塊中低於該膚色門檻值的比例大於一第二門檻值，則該信心值單元降低該信心值。
  9. 如請求項7所述之人臉追蹤裝置，其中該信心值單元比較該第二人臉區塊與該第一人臉區塊，當該第二人臉區塊相較於該第一人臉區塊的距離超過一第二門檻值，則該信心值單元降低該信心值。
  10. 如請求項7所述之人臉追蹤裝置，其中該信心值單元比較該第二人臉區塊與該第一人臉區塊，當該第二人臉區塊與該第一人臉區塊的位置重疊，則該信心值單元降低該信心值。
  11. 如請求項7所述之人臉追蹤裝置，其中進一步包含一影像壓縮單元，該影像壓縮單元將該第一影像降低取樣(down-sample)成解析度不同的複數個子影像，並壓縮該複數個子影像，而該人臉偵測單元選擇該複數個子影像的其中之一子影像進行解 碼，再從被選擇且已解碼之該其中一子影像中偵測該第一人臉區塊，其中該子影像係透過一聯合圖像專家小組(JPEG)技術而被壓縮與解碼。
  12. 如請求項7所述之人臉追蹤裝置，其中該至少一人臉特徵係為經過向量量化(Vector Quantization)轉換後的字碼(codeword)。
  13. 如請求項7所述之人臉追蹤裝置，其中該人臉追蹤單元分別計算該第二影像中該複數個影像區塊與該第一人臉區塊以得到複數個差異值，且統計每個一候選區域中符合一膚色門檻值的一畫素數目以得到複數個統計值，再根據每一個該影像區塊的該差異值與該統計值，計算每一個該影像區塊的一成本函數，以及根據該複數個成本函數，在該複數個候選區域之中，選定其中一個影像區塊作為該第二人臉區塊，其中該成本函數正相關於該差異值，該成本函數負相關於該統計值。
  14. 如請求項13所述之人臉追蹤裝置，其中係將該第二影像中該複數個影像區塊分別與該第一人臉區塊的一灰階值或一色彩值相減，並將相減後的一結果取絕對值或平均值後加總，以得到該差異值。
TW099117835A 2009-06-25 2010-06-02 Face detection and tracking device TWI462029B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US22055909P 2009-06-25 2009-06-25

Publications (2)

Publication Number Publication Date
TW201101199A TW201101199A (en) 2011-01-01
TWI462029B true TWI462029B (zh) 2014-11-21

Family

ID=43369700

Family Applications (3)

Application Number Title Priority Date Filing Date
TW099111695A TWI401963B (zh) 2009-06-25 2010-04-14 Dynamic image compression method for face detection
TW099115589A TWI414179B (zh) 2009-06-25 2010-05-14 Shooting parameter adjustment method for face detection and image capturing device for face detection
TW099117835A TWI462029B (zh) 2009-06-25 2010-06-02 Face detection and tracking device

Family Applications Before (2)

Application Number Title Priority Date Filing Date
TW099111695A TWI401963B (zh) 2009-06-25 2010-04-14 Dynamic image compression method for face detection
TW099115589A TWI414179B (zh) 2009-06-25 2010-05-14 Shooting parameter adjustment method for face detection and image capturing device for face detection

Country Status (3)

Country Link
US (3) US8390736B2 (zh)
CN (3) CN101930534B (zh)
TW (3) TWI401963B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI719409B (zh) * 2019-02-23 2021-02-21 和碩聯合科技股份有限公司 追蹤系統及其方法

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100295782A1 (en) 2009-05-21 2010-11-25 Yehuda Binder System and method for control based on face ore hand gesture detection
TW201114245A (en) * 2009-10-08 2011-04-16 Chunghwa Picture Tubes Ltd Method for forming three-dimension images and related display module
CN102834843B (zh) * 2010-04-02 2016-11-16 诺基亚技术有限公司 用于面部检测的方法和装置
CN102298452A (zh) * 2010-06-22 2011-12-28 原相科技股份有限公司 调整光学感应模块的曝光条件的方法与其光学感应模块
JP5166570B2 (ja) * 2011-04-27 2013-03-21 株式会社東芝 電子機器、及び映像処理方法
TWI449420B (zh) * 2011-05-31 2014-08-11 Nat Applied Res Laboratoires 搜索取像系統及其控制方法
CN102332095B (zh) * 2011-10-28 2013-05-08 中国科学院计算技术研究所 一种人脸运动跟踪方法和系统以及一种增强现实方法
US9148637B2 (en) 2011-11-04 2015-09-29 Microsoft Technology Licensing, Llc Face detection and tracking
CN102750672A (zh) * 2011-11-30 2012-10-24 新奥特（北京）视频技术有限公司 一种通过调节亮度实现特效的方法
CN102592148A (zh) * 2011-12-29 2012-07-18 华南师范大学 基于非负矩阵分解和多种距离函数的人脸识别方法
JP5959923B2 (ja) * 2012-04-26 2016-08-02 キヤノン株式会社 検出装置、その制御方法、および制御プログラム、並びに撮像装置および表示装置
TWI465825B (zh) * 2012-06-27 2014-12-21 Acer Inc 影像擷取裝置與其光源輔助拍攝方法
TWI479372B (zh) 2012-07-27 2015-04-01 Pixart Imaging Inc 光學位移偵測裝置及方法
CN103679125B (zh) * 2012-09-24 2016-12-21 致伸科技股份有限公司 人脸追踪的方法
US10558848B2 (en) 2017-10-05 2020-02-11 Duelight Llc System, method, and computer program for capturing an image with correct skin tone exposure
CN104184954B (zh) * 2013-05-27 2017-11-03 原相科技股份有限公司 光学侦测装置及其同步调整方法
EP3011536B1 (en) * 2013-06-13 2019-03-06 Hewlett-Packard Development Company, L.P. Establish image pipeline
CN103400567A (zh) * 2013-08-02 2013-11-20 苏州鼎富软件科技有限公司 屏幕亮度自动调节方法
CN103544488B (zh) * 2013-11-07 2016-04-13 湖南创合制造有限公司 一种人脸识别方法及装置
TWI505233B (zh) 2014-02-20 2015-10-21 Asustek Comp Inc 影像處理方法及影像處理裝置
CN104038703A (zh) * 2014-05-26 2014-09-10 四川长虹电器股份有限公司 数字摄像机感光自适应控制方法
TWI526879B (zh) 2015-01-30 2016-03-21 原相科技股份有限公司 互動系統、遙控器及其運作方法
CN106034215A (zh) * 2015-03-16 2016-10-19 冠捷投资有限公司 视频会议方法及系统
CN104994306B (zh) * 2015-06-29 2019-05-03 厦门美图之家科技有限公司 一种基于脸部亮度自动调整曝光度的摄像方法和摄像装置
US10007845B2 (en) 2015-07-06 2018-06-26 Pixart Imaging Inc. Eye state detecting method and eye state detecting system
CN106355135B (zh) * 2015-07-14 2019-07-26 原相科技股份有限公司 眼睛状态侦测方法以及眼睛状态侦测系统
CN106470308A (zh) * 2015-08-18 2017-03-01 联想(北京)有限公司 图像处理方法以及电子设备
TWI587242B (zh) 2015-09-08 2017-06-11 宏達國際電子股份有限公司 人臉影像調整系統及人臉影像調整方法
CN107690804B (zh) * 2015-10-28 2020-08-25 华为技术有限公司 一种图像处理方法及用户终端
CN107103271A (zh) * 2016-02-23 2017-08-29 芋头科技（杭州）有限公司 一种人脸检测方法
US11367308B2 (en) * 2016-06-08 2022-06-21 Panasonic Intellectual Property Management Co., Ltd. Comparison device and comparison method
CN106131449B (zh) * 2016-07-27 2019-11-29 维沃移动通信有限公司 一种拍照方法及移动终端
JP6793511B2 (ja) * 2016-09-30 2020-12-02 キヤノン株式会社 画像処理装置
US20180311512A1 (en) * 2017-04-28 2018-11-01 C-Rad Positioning Ab Patient monitoring
CN108875477B (zh) * 2017-08-14 2022-07-12 北京旷视科技有限公司 曝光控制方法、装置和系统及存储介质
CN109936693A (zh) * 2017-12-18 2019-06-25 东斓视觉科技发展（北京）有限公司 移动拍摄终端及相片的拍摄方法
US11405581B2 (en) * 2017-12-26 2022-08-02 Pixart Imaging Inc. Motion detection methods and image sensor devices capable of generating ranking list of regions of interest and pre-recording monitoring images
US20190205617A1 (en) * 2017-12-29 2019-07-04 Idemia Identity & Security USA LLC System and method for combining identity information to facilitate image acquisition
CN108573230B (zh) * 2018-04-10 2020-06-26 京东方科技集团股份有限公司 人脸跟踪方法和人脸跟踪装置
JP6973258B2 (ja) * 2018-04-13 2021-11-24 オムロン株式会社 画像解析装置、方法およびプログラム
TW201946434A (zh) * 2018-04-24 2019-12-01 虹光精密工業股份有限公司 拍攝裝置及拍攝方法
CN110536071B (zh) * 2018-05-25 2021-05-11 神讯电脑(昆山)有限公司 车用取像装置及影像撷取方法
US10896320B2 (en) * 2018-11-14 2021-01-19 Baidu Usa Llc Child face distance alert system
CN109782214B (zh) * 2019-01-26 2021-02-26 哈尔滨汇鑫仪器仪表有限责任公司 电能表状态远程发送机构
CN111917971B (zh) * 2019-05-09 2021-10-29 联策科技股份有限公司 取像参数优化调整系统与方法
CN110191292B (zh) * 2019-06-28 2020-09-25 联想(北京)有限公司 信息处理方法及其系统、介质和电子设备
CN112215740A (zh) * 2019-07-10 2021-01-12 英特尔公司 图形计算环境中使用偏导数像素着色器指令的针对可变速率着色的梯度近似
TWI744666B (zh) * 2019-07-16 2021-11-01 國立陽明交通大學 生理資訊偵測裝置及生理資訊偵測方法
TWI714318B (zh) * 2019-10-25 2020-12-21 緯創資通股份有限公司 人臉辨識方法及裝置
CN110853014B (zh) * 2019-11-12 2020-06-26 王文学 癌症手术室故障率解析装置
CN111462268B (zh) * 2020-03-31 2022-11-11 北京市商汤科技开发有限公司 图像重建方法及装置、电子设备和存储介质
CN112235483B (zh) * 2020-08-24 2023-04-07 深圳市雄帝科技股份有限公司 拍照灯光自动调节方法、系统及其自助拍摄设备
CN112312036A (zh) * 2020-10-30 2021-02-02 天津天地伟业智能安全防范科技有限公司 一种拍照领域的自动曝光方法
US20240029471A1 (en) * 2021-03-22 2024-01-25 Rakuten Group, Inc. Information processing device, information processing method and program
US12010466B2 (en) 2021-06-22 2024-06-11 Industrial Technology Research Institute Visual recognition based method and system for projecting patterned light, method and system applied to oral inspection, and machining system

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040264744A1 (en) * 2003-06-30 2004-12-30 Microsoft Corporation Speedup of face detection in digital images
US20070031041A1 (en) * 2005-08-02 2007-02-08 Samsung Electronics Co., Ltd. Apparatus and method for detecting a face
US20080298637A1 (en) * 2003-05-30 2008-12-04 Microsoft Corporation Head Pose Assessment Methods and Systems
US20090141949A1 (en) * 2007-12-03 2009-06-04 Samsung Electronics Co., Ltd. Method and apparatus for recognizing a plural number of faces, and method and apparatus for registering face, and an image capturing method and system
US20090263022A1 (en) * 2006-08-11 2009-10-22 Fotonation Vision Limited Real-Time Face Tracking in a Digital Image Acquisition Device
US20090303342A1 (en) * 2006-08-11 2009-12-10 Fotonation Ireland Limited Face tracking for controlling imaging parameters

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6151409A (en) * 1998-03-13 2000-11-21 National Science Council Methods for compressing and re-constructing a color image in a computer system
US6697502B2 (en) * 2000-12-14 2004-02-24 Eastman Kodak Company Image processing method for detecting human figures in a digital image
CA2436437A1 (en) * 2001-01-30 2002-08-15 Kabushiki Kaisha Office Noa Moving picture information compressing method and its system
US7020345B2 (en) * 2001-04-26 2006-03-28 Industrial Technology Research Institute Methods and system for illuminant-compensation
KR100831355B1 (ko) * 2002-04-16 2008-05-21 삼성전자주식회사 피사체를 촬영하는 장소의 위치정보 및 방위정보의 기록이가능한 영상기록장치
JP3680827B2 (ja) * 2002-08-27 2005-08-10 コニカミノルタフォトイメージング株式会社 デジタルカメラ
GB2395779A (en) * 2002-11-29 2004-06-02 Sony Uk Ltd Face detection
WO2004112401A1 (ja) * 2003-06-12 2004-12-23 Nikon Corporation 画像処理方法、画像処理プログラム、画像処理装置
TWI235608B (en) * 2004-02-13 2005-07-01 Inventec Appliances Corp Method and apparatus for transforming a high dynamic range image into a low dynamic range image
US20060280375A1 (en) * 2005-06-08 2006-12-14 Dalton Dan L Red-eye correction method and apparatus with user-adjustable threshold
JP2007074592A (ja) * 2005-09-09 2007-03-22 Sony Corp 画像処理装置および方法、プログラム、並びに記録媒体
CN100361138C (zh) * 2005-12-31 2008-01-09 北京中星微电子有限公司 视频序列中人脸的实时检测与持续跟踪的方法及系统
JP4867365B2 (ja) * 2006-01-30 2012-02-01 ソニー株式会社 撮像制御装置、撮像装置および撮像制御方法
JP2009527175A (ja) * 2006-02-15 2009-07-23 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 表示される画像における圧縮アーティファクトの低減、エンコードパラメータの解析
JP4567618B2 (ja) * 2006-02-23 2010-10-20 富士フイルム株式会社 撮像装置およびその制御方法
TWI294107B (en) * 2006-04-28 2008-03-01 Univ Nat Kaohsiung 1St Univ Sc A pronunciation-scored method for the application of voice and image in the e-learning
KR100809349B1 (ko) * 2006-09-25 2008-03-05 삼성전자주식회사 이미지의 밝기 보정을 위한 장치 및 방법
CN101563926B (zh) * 2006-12-18 2011-11-16 皇家飞利浦电子股份有限公司 图像压缩与解压缩
TW200833106A (en) * 2007-01-29 2008-08-01 Ind Tech Res Inst Tone mapping method for dynamic range image
JP4484896B2 (ja) * 2007-04-26 2010-06-16 キヤノン株式会社 画像処理装置及びその制御方法ならびにそのプログラム及び記憶媒体
JP4600435B2 (ja) * 2007-06-13 2010-12-15 ソニー株式会社 画像撮影装置及び画像撮影方法、並びにコンピュータ・プログラム
CN101369315A (zh) * 2007-08-17 2009-02-18 上海银晨智能识别科技有限公司 人脸检测方法
CN101236608B (zh) * 2008-01-25 2010-08-04 清华大学 基于图片几何结构的人脸检测方法
CN101271523B (zh) * 2008-05-21 2010-06-02 北京中星微电子有限公司 用于人脸检测的图像亮度调节控制方法和装置
JP4582212B2 (ja) * 2008-06-24 2010-11-17 カシオ計算機株式会社 撮像装置及びプログラム
CN101377813B (zh) * 2008-09-24 2010-08-11 上海大学 复杂场景中单个人脸的实时跟踪方法
CN101431676B (zh) * 2008-12-08 2011-08-03 哈尔滨工程大学 带有最大压缩比寻优的几何不变矩图像压缩方法
US8339506B2 (en) * 2009-04-24 2012-12-25 Qualcomm Incorporated Image capture parameter adjustment using face brightness information

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080298637A1 (en) * 2003-05-30 2008-12-04 Microsoft Corporation Head Pose Assessment Methods and Systems
US20040264744A1 (en) * 2003-06-30 2004-12-30 Microsoft Corporation Speedup of face detection in digital images
US20070031041A1 (en) * 2005-08-02 2007-02-08 Samsung Electronics Co., Ltd. Apparatus and method for detecting a face
US20090263022A1 (en) * 2006-08-11 2009-10-22 Fotonation Vision Limited Real-Time Face Tracking in a Digital Image Acquisition Device
US20090303342A1 (en) * 2006-08-11 2009-12-10 Fotonation Ireland Limited Face tracking for controlling imaging parameters
US20090141949A1 (en) * 2007-12-03 2009-06-04 Samsung Electronics Co., Ltd. Method and apparatus for recognizing a plural number of faces, and method and apparatus for registering face, and an image capturing method and system

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI719409B (zh) * 2019-02-23 2021-02-21 和碩聯合科技股份有限公司 追蹤系統及其方法

Also Published As

Publication number Publication date
CN101930535A (zh) 2010-12-29
CN101931749A (zh) 2010-12-29
CN101930535B (zh) 2014-04-16
US20100329518A1 (en) 2010-12-30
US8390736B2 (en) 2013-03-05
CN101930534B (zh) 2014-04-16
TW201101842A (en) 2011-01-01
CN101930534A (zh) 2010-12-29
US8374459B2 (en) 2013-02-12
CN101931749B (zh) 2014-01-08
US20100328442A1 (en) 2010-12-30
TW201101815A (en) 2011-01-01
TWI401963B (zh) 2013-07-11
US20100328498A1 (en) 2010-12-30
US8633978B2 (en) 2014-01-21
TW201101199A (en) 2011-01-01
TWI414179B (zh) 2013-11-01

Similar Documents

Publication Publication Date Title
TWI462029B (zh) Face detection and tracking device
US8068148B2 (en) Automatic flicker correction in an image capture device
JP4217698B2 (ja) 撮像装置及び画像処理方法
US11423524B2 (en) Image processing apparatus, method for controlling image processing apparatus, and non- transitory computer-readable storage medium
KR101450423B1 (ko) 화상회의 압축을 위한 피부톤 및 피처 검출
US8208690B2 (en) Image-processing device and image-processing method, image-pickup device, and computer program
CN108012078B (zh) 图像亮度处理方法、装置、存储介质和电子设备
EP1834302A1 (en) Automatic white balancing of colour gain values
KR20090078583A (ko) 저조도 영상 처리 방법 및 시스템
CN106600548B (zh) 鱼眼摄像头图像处理方法和系统
WO2016019817A1 (zh) 物体运动轨迹拍摄方法、系统及计算机存储介质
WO2017080348A2 (zh) 一种基于场景的拍照装置、方法、计算机存储介质
JP4982567B2 (ja) フラッシュを用いて撮影された画像のアーチファクト除去
CN111028165A (zh) 一种基于raw数据抵抗相机抖动的高动态图像恢复方法
JP2009124644A (ja) 画像処理装置、撮像装置及び画像再生装置
US20140354859A1 (en) Automatic banding correction in an image capture device
JP4726251B2 (ja) 撮像装置及び画像処理方法
CN108520036B (zh) 图像的选取方法、装置、存储介质及电子设备
JP6450107B2 (ja) 画像処理装置及び画像処理方法、プログラム、記憶媒体
JP2017157043A (ja) 画像処理装置、撮像装置、及び、画像処理方法
CN108259768B (zh) 图像的选取方法、装置、存储介质及电子设备
US11470258B2 (en) Image processing apparatus and image processing method to perform image processing on divided areas
JP2014215694A (ja) 画像処理装置、画像処理方法、プログラム及び撮像装置
JP6992947B2 (ja) 画像処理装置
JP6904518B2 (ja) 画像処理装置