TWI499291B - 視訊資料之雜訊估測方法及系統 - Google Patents
視訊資料之雜訊估測方法及系統 Download PDFInfo
- Publication number
- TWI499291B TWI499291B TW101100419A TW101100419A TWI499291B TW I499291 B TWI499291 B TW I499291B TW 101100419 A TW101100419 A TW 101100419A TW 101100419 A TW101100419 A TW 101100419A TW I499291 B TWI499291 B TW I499291B
- Authority
- TW
- Taiwan
- Prior art keywords
- video
- noise
- background difference
- video data
- difference value
- Prior art date
Links
Description
本發明係有關於一種視訊資料的雜訊處理技術,特別是有關於一種利用背景差異值決定雜訊大小之雜訊估測方法及系統。
數位視訊分割技術(video segmentation)為保全監視系統常用的一種視訊處理技術,可用以將監視區域的影像中的移動性的物體(例如為非法闖入者)分割出來;亦即將視訊影像中的背景物(例如為建築物之門窗)的影像全部消除,而僅留下移動物體的影像。此作法可讓保全人員於調查非法闖入事件時,可專注於審視具有非法闖入者之視訊內容,並可針對分割出來的前景物體,作進一步的電腦自動分析與辨識。
目前已有許多各式不同的數位視訊分割技術可提供上述之保全監視功能。於保全監視的應用上,先前之數位視訊分割技術均是假設背景物為靜態性的固定物體(例如為建築物、門窗、室內擺設),並假設非法闖入者為一動態性的移動物體,因此其所設計之數位視訊分割功能即為於靜態性的影像中將動態性的影像分割出來。
由於靜態性之背景物的影像於前後畫面中的畫素位置會恆定不變,而動態性之前景物體的影像則會不斷改變;因此理論上,我們可藉由偵測各個畫素的像素值是否有變化來判定動態性之前景物體所在之畫素位置,亦即我們可預先設定一色彩變化的門檻值(以下稱為"視訊分割門檻值");若有一畫素於前後畫面的色彩變化值大於此門檻值,則即可判定為屬於動態性之前景物體的影像,並藉此來生成一視訊分割罩幕。
然而於實際應用上,數位視訊的影像品質常會受到雜訊的影響(例如視訊系統之攝影裝置的內部電路即會產生相當程度之雜訊)。由於雜訊會使得視訊影像的像素值產生變異,因此若其變異程度超過視訊分割門檻值,則其即會被誤判為屬於動態性之前景物體的影像,致使生成之視訊分割罩幕具有不準確的缺點。
於習知的雜訊估測技術中,通常是由視訊的畫面(frame)中先找出屬於背景的區塊,再將該區塊的目前畫面(current frame)的像素減去前一次畫面的像素以取得畫面差異值(frame difference)。該差異值可作為視訊分割的門檻值Th。
所求得之Th之值用來作為對數位視訊串流進行分割處理,其處理方式可用下列之運算公式來表示:
其中FD代表前後之畫面的像素值的差值;FDM(x
,y
,t
)代表第(t
)個畫面的視訊分割罩幕,而(x
,y
)代表畫素之座標。
於實際操作時,若當前之畫面中有某一畫素的像素值與其前一個畫面的像素值之間的差值FD大於此門檻值Th,則視訊分割罩幕FDM(x
,y
,t
)即將該畫素所對應之位置設定為1,代表當前之畫面於該畫素上所顯示的色彩為屬於動態之前景物體的影像;反之,若小於此門檻值Th,則對應之畫素位置即被設定為0,代表當前之畫面於該畫素上所顯示的色彩為屬於靜態之背景物的影像。此視訊分割罩幕FDM(x
,y
,t
)即可用來對當前之第(t
)個畫面進行視訊分割。
由於背景的像素值理想的情況是不會改變的(理想的畫面差異值為零),但由於有雜訊的干擾,因此可將畫面差異值視為雜訊的估計值。然而,雜訊通常係高斯函數分布,故可能會造成目前畫面的像素與前一次畫面的像素分別位於高斯函數的兩側,產生很大的畫面差異值使雜訊估測失真。另一方面,背景中若有變動的物體存在(例如轉動的電風扇或搖動的樹木),則使用上述方式估測雜訊將會使得誤差增加,視訊系統也難以正確的將動態物體的視訊資料切割出來。
有鑒於以上所述先前技術之缺點,本發明提供一種視訊資料之雜訊估測方法及系統,係設計來應用至一視訊系統,特別是保全監視用之視訊系統,用以對數位視訊串流進行雜訊估測,以依據所估測的雜訊形成一視訊分割門檻值,俾有利於視訊分割功能。
於雜訊估測方法,本發明至少包含以下之處理動作:(1)取出視訊串流以建立複數個背景模型;(2)將當前的視訊串流之畫面分別減去該背景模型,以獲得複數個背景差異值(BD);以及(3)於該複數個背景差異值中取出最小背景差異值(BDmin)以估測該視訊串流之雜訊。
本發明更提供一種雜訊估測方法,至少包含以下之處理動作:(1)取出視訊串流以建立複數個背景模型,並將每一背景模型分割成多個區塊;(2)將視訊串流的畫面對應分割成多個區塊,再將該畫面之區塊內的像素值減去該背景模型所對應之區塊的像素值,以獲得複數個背景差異值,並取得最小的背景差異值;(3)將該畫面的區塊內的像素之最小背景差異值執行一高斯性測試程序,藉以判定各個區塊所顯示的影像是否具有一高斯雜訊分佈;以及(4)由具有高斯雜訊分佈之區塊的像素之最小背景差異值來估測該視訊串流之雜訊。
於一較佳態樣中,上述之雜訊估測方法復包括:(5)利用一最佳化運算法來處理該最小背景差異值,藉以求得一最佳化之視訊分割門檻值;以及(6)依據該最佳化門檻值形成視訊分割罩幕以對各個當前之畫面進行視訊分割。
本發明又提供一種雜訊估測方法,至少包含以下之處理動作:(1)取出視訊串流以建立複數個背景模型,並將該每一背景模型分割成多個區塊;(2)將視訊串流的畫面對應分割成多個區塊,再將該畫面之區塊內的像素減去複數個該背景模型所對應之區塊內的像素,以獲得每個像素的複數個背景差異值;(3)將該畫面的各個區塊之像素之背景差異值的最小值執行一高斯性測試程序,藉以判定該畫面的各個區塊所顯示的影像是否具有一高斯雜訊分佈;以及(4)由具有高斯雜訊分佈之區塊內的像素之最小背景差異值以估測該視訊串流之雜訊。
於雜訊估測系統,本發明至少包含以下之模組化之系統構件:一背景模型建立模組,係依據視訊串流建立複數個背景模型;一背景差異值計算模組,係用以將當前的視訊串流之畫面分別減去該背景模型,以獲得複數個背景差異值;一高斯雜訊分析模組,係用以將該畫面的各個區塊之像素的背景差異值執行一高斯性測試程序,藉以判定各個區塊所顯示的影像是否具有一高斯雜訊分佈;以及一背景差異值分析模組,係用以由具有高斯雜訊分佈之區塊的背景差異值中取出最小背景差異值以估測該視訊串流之雜訊。
於一較佳態樣中,上述之雜訊估測系統復包括:一門檻值計算模組,其可利用一最佳化運算法來處理該最小背景差異值,藉以求得一最佳化之視訊分割門檻值;以及一視訊分割罩幕生成模組,係用以依據該最佳化之視訊門檻值形成視訊分割罩幕以對各個當前之畫面進行視訊分割。
本發明的關鍵技術在於採用複數個背景模型,再將視訊串流的畫面分別減去該背景模型,以獲得複數個背景差異值,最後,於該複數個背景差異值取出最小背景差異值以作為雜訊估測的依據。藉由雜訊估測值可計算出視訊分割門檻值,視訊系統可利用此視訊分割門檻值來生成一視訊分割用之罩幕,使得分割出之動態性之前景物體具有最佳化之分割效果。
以下即配合所附之圖式,詳細揭露說明本發明之雜訊適應式視訊分割罩幕生成處理方法及系統之實施例。
第1圖顯示本發明之雜訊估測系統40的應用方式。如圖所示,本發明於實際應用上可整合至一視訊系統10,特別是保全監視用之視訊系統(但亦可為其它任何類型之視訊系統),用以對該視訊系統10所攝取到之各個數位視訊串流進行雜訊估測,藉以獲得視訊分割門檻值及視訊分割罩幕。
第2A圖顯示利用本發明之雜訊估測系統40而產生視訊分割罩幕的輸入輸出功能模型。如圖所示,本發明係用以處理一輸入之數位視訊串流21,藉以求得一組最佳化之視訊分割門檻值,並依據此最佳化之視訊分割門檻值來生成一視訊分割罩幕22。於實際應用上,該數位視訊串流21例如為一MPEG-4規格之數位視訊串流;但亦可為其它任何規格之數位視訊。
如第2B圖所示,假設數位視訊串流21的影像包括一靜態性之背景物31和一動態性之前景物體32(例如為一人物),則本發明所欲求得之視訊分割罩幕22即為將靜態性之背景物31的影像部分全部遮罩,而僅顯現出動態性之前景物體32的影像部分。
於以下之說明中,假設以I(x
,y
,t
)來代表數位視訊串流21中的各個畫面(frame)的畫素像素值;其中(x
,y
)代表畫素之座標,而t
則代表畫面之順序(例如t
=1代表第1個畫面,t
=2代表第2個畫面)。
如第3A圖所示,本發明之視訊資料之雜訊估測包括以下步驟。步驟S30中,取出視訊串流以建立複數個背景模型。步驟S31中,將當前的視訊串流之畫面分別減去該背景模型,以獲得複數個背景差異值。步驟S32中,於該複數個背景差異值中取出最小背景差異值以估測該視訊串流之雜訊。
本發明須預先建立複數個背景模型,以電風扇為例,隨著電風扇的轉動,可能有三種不同電風扇之像素值的背景。於估算雜訊時,由於不知道該畫面中電風扇的狀態,故將當前的視訊串流之畫面分別減去該背景模型以獲得複數個背景差異值,若當前的視訊串流之畫面中的電風扇狀態與某一背景模型的電風扇狀態相同,則其背景差異值會最小且該背景差異值即雜訊值。
如第3B圖所示,本發明之視訊資料之雜訊估測系統30一具體實施例,至少包含以下之模組:一背景模型建立模組301、一背景差異值計算模組302、一高斯雜訊分析模組303、一背景差異值分析模組304、門檻值計算模組305以及罩幕生成模組306。以下即首先分別說明此些構件的個別屬性及功能。
背景模型建立模組301,係用以依據視訊串流建立複數個背景模型。為了使雜訊的估計更為精確,本發明依據視訊資料變動的狀況在同一畫面預先建立背景模型,舉例而言,當背景裡的樹支在搖晃時,於樹支周圍的像素值會持續改變,因此要建立複數個背景模型以包括背景中樹支搖晃時的所有狀態。
背景差異值計算模組302,係用以將當前的視訊串流之畫面分別減去該背景模型,以獲得複數個背景差異值。
高斯雜訊分析模組303,係用以將該畫面的各個區塊之背景差異值執行一高斯性測試程序,藉以判定各個區塊所顯示的影像是否具有一高斯雜訊分佈畫面。
背景差異值分析模組304,係用以由具有高斯雜訊分佈之區塊的背景差異值中取出最小背景差異值以估測該視訊串流之雜訊。
門檻值計算模組305,係利用一最佳化運算法來處理該最小背景差異值,藉以求得一最佳化之視訊分割門檻值。
罩幕生成模組306,係用以依據該最佳化之視訊門檻值形成視訊分割罩幕以對各個當前之畫面進行視訊分割。
如第4圖所示,用以顯示本發明所執行之高斯雜訊分析程序將視訊影像分割成多個區塊的基本原理。於此程序中,視訊畫面係預先分割成P×Q個區塊,其中每一個區塊包括M×N個畫素,且(R,S)為每一個區塊的最左下角之畫素的座標。
此高斯雜訊分析程序所執行之運算法如下所示:
H(I 1
,I 2
,I 3
,I 4
)=I 3
+I 4
-3‧I 3
‧(I 4
-I 3 2
)-3‧I 2 2
-I 1 2
)-2‧I 1 4
其中BD min
(i
,j
)代表畫素位置(i
,j
)之最小之背景色彩差值;BImg
(i
,j
,k
)代表第(k)個背景影像BImg
的畫素(i
,j
)之像素值;CurFrm(i
,j
)代表當前之畫面的畫素(i
,j
)之像素值;(R
,S)為每一個區塊的最左下角之畫素的座標。
接著根據上述運算式所求得之|H(I 1
,I 2
,I 3
,I 4
)|值來對每一個區塊進行下列之高斯性測試:若|H(I 1
,I 2
,I 3
,I 4
)|<Gth
,則該區塊具有高斯性;若|H(I 1
,I 2
,I 3
,I 4
)|Gth
,則該區塊不具有高斯性。
其中Gth為一預定之高斯性門檻值。
以上之高斯性測試(Gaussianity Test)所採用之基本原理可參考以下之論文:"Influence function based gaussianity tests for detecion of microcalcifications in mammogram images
",作者及發表期刊為M. N. Gurean et al,Proc. International Conference on Image Processing 1999,vol. 3,Oct. 1999,pp. 407-411。
以下假設數位視訊串流之當前畫面具有高斯性的區塊其像素共有Fth
個,且此Fth
個像素的BD min
之值分別表示為BD min
(1),BD min
(2),.....,BD min
(Fth)。完成高斯性測試之後,將其所求得之處理結果,即[BD min
(1),BD min
(2),.....,BD min
(Fth)]傳送給門檻值計算模組305作進一步之處理。
第5圖即顯示第2B圖所示之靜態性之背景物31及動態性之前景物體32於通過此高斯雜訊分析程序之處理後的結果。
門檻值計算模組305可依據上述所求得之Fth
個像素的BD min
之值,即[BD min
(1),BD min
(2),.....,BD min
(Fth)],來求得一視訊分割門檻值Th。理論上,此視訊分割門檻值Th可用下列2種方法來求得:
(方法1)最大背景差值運算法
此方法為將最佳化的視訊分割門檻值Th設定為等於[BD min
(1),BD min
(2),.....,BD min
(Fth)]中之最大值或最大值的期望值,亦即:
Th=max[BD min
(1),BD min
(2),.....,BD min
(Fth)]
(方法2)基於雜訊分佈標準差的期望值運算法
此方法為將最佳化的視訊分割門檻值Th設定為等於統計上的期望值E(Th),亦即:
其中q
為像素值(於此應用實例中為0至255);P
(Th
=q
)為Th
=q
的機率;σ為視訊系統10的視訊攝影裝置所產生之雜訊的標準差(standard deviation)或其估計值。
上述之期望值E(Th)的計算公式如下所示:
假設BDmin
之值為k
(k
=0至255)的機率為P k
,亦即P k
=P(BDmin
=k
),則P k
之值的計算方法如下所示:
但於具體實施上,由於視訊系統中的畫面像素值之差為整數,因此上列公式中的參數σ的值並不易依據畫面像素值之差來求得。本發明因此改為採用一新的參數σnew
來取代σ,如下所示:
此外,σnew
值亦可用下列公式來計算:
第6圖即顯示本發明採用來計算最佳化門檻值的雜訊標準差與期望值的對應曲線。門檻值計算模組305可利用σnew
-E(Th)相對於不同之Fth
值的曲線圖來求得最佳化之門檻值Th。
此門檻值計算模組305所求得之最佳化的視訊分割門檻值Th接著即傳送給罩幕生成模組306。
以下即利用一應用實例來說明本發明的操作方式。當本發明之系統接收到輸入之數位視訊串流時,會預先建立數個背景模型並將其區分為數個區塊,且將當前的畫面對應區分為數個區塊(例如P×Q個區塊),再分別將畫面之區塊減去背景模型的區塊以獲得複數個背景差異值。然後,由高斯雜訊分析模組對該輸入之於畫面中的P×Q個區塊分別執行一高斯性測試功能,以將非高斯分佈之區塊排除。假設此P×Q個區塊中具有高斯性的區塊其內含的像素共有Fth
個,且此Fth
個像素的BD min
之值分別表示為BD min
(1),BD min
(2),.....,BD min
(Fth)。
接著,由門檻值計算模組負責依據上述之高斯雜訊分析模組所求得之[BD min
(1),BD min
(2),.....,BD min
(Fth)]來求得一最佳化之視訊分割門檻值Th。於具體實施上,此最佳化之視訊分割門檻值Th可利用一最大背景差值運算法或一基於雜訊分佈標準差的期望值運算法。
最後,由罩幕生成模組負責將上述之門檻值計算模組所求得之Th之值用來作為對數位視訊串流進行視訊分割的門檻值,以藉此生成一視訊分割罩幕。
於具體實現上,本發明之雜訊估測系統40的實施方式例如可採用SIMD(Single Instruction,Multiple Data)之平台來達到平行化之處理而獲得最佳之處理效能。
本發明的優點在於可將視訊攝影裝置所產生之雜訊進行評估並列入考慮來求得最佳化視訊分割門檻值,以利用此最佳化之門檻值來生成一視訊分割用之罩幕,使得分割出之動態性之前景物體具有最佳化之分割效果。
以上所述僅為本發明之較佳實施例而已,並非用以限定本發明之實質技術內容的範圍。本發明之實質技術內容係廣義地定義於下述之申請專利範圍中。若任何他人所完成之技術實體或方法與下述之申請專利範圍所定義者為完全相同、或是為一種等效之變更,均將被視為涵蓋於本發明之申請專利範圍之中。
10...視訊系統
21...數位視訊串流
22...視訊分割罩幕
30...視訊資料之雜訊估測系統
301...背景模型建立模組
302...背景差異值計算模組
303...高斯雜訊分析模組
304...背景差異值分析模組
305...門檻值計算模組
306...罩幕生成模組
31...靜態性之背景物
32...動態性之前景物體
40...雜訊估測系統
S30~S32...步驟
第1圖為一應用示意圖,用以顯示本發明之視訊資料之雜訊估測方法與系統的應用方式;
第2A圖為一功能示意圖,用以顯示本發明之視訊資料之雜訊估測系統產生視訊分割罩幕的輸入輸出功能模型;
第2B圖為一實例示意圖,用以顯示本發明所處理之視訊影像及其所求得之視訊分割罩幕的一個實例;
第3A圖為一流程圖,用以顯示本發明之視訊資料之雜訊估測之運作流程;
第3B圖為一架構示意圖,用以顯示本發明之視訊資料之雜訊估測系統的具體實施例架構;
第4圖為一原理示意圖,用以顯示本發明所執行之高斯雜訊分析程序將視訊影像分割成多個區塊的基本原理;
第5圖為一實例示意圖,用以顯示本發明所執行之高斯雜訊分析程序所求得之高斯性區塊的的一個實例;以及
第6圖為一函數曲線圖,用以顯示本發明採用來計算最佳化門檻值的雜訊標準差與門檻值之期望值的對應曲線。
S30~S32...步驟
Claims (27)
- 一種視訊資料之雜訊估測方法,其可應用於一視訊系統,用以對一視訊串流進行雜訊估測,此視訊資料之雜訊估測方法至少包含:(1)取出視訊串流以建立複數個背景模型;(2)將當前的視訊串流之畫面分別減去該背景模型,以獲得複數個背景差異值;以及(3)於該複數個背景差異值中取出最小背景差異值以估測該視訊串流之雜訊。
- 如申請專利範圍第1項之視訊資料之雜訊估測方法,復包括:(4)利用一最佳化運算法來處理該最小背景差異值,藉以求得一最佳化之視訊分割門檻值;以及(5)依據該門檻值形成視訊分割罩幕以對各個當前之畫面進行視訊分割。
- 如申請專利範圍第2項之視訊資料之雜訊估測方法,其中,該最佳化運算法係將該最小背景差異值之最大值或最大值的期望值作為最佳化之視訊分割門檻值。
- 如申請專利範圍第2項之視訊資料之雜訊估測方法,其中,該最佳化運算法係計算該最小背景差異值的標準差,以將該標準差作為最佳化之視訊分割門檻值的決定依據。
- 如申請專利範圍第1項之視訊資料之雜訊估測方法,其中,該視訊系統為一保全監視用之視訊系統。
- 如申請專利範圍第1項之視訊資料之雜訊估測方法,其中,該視訊串流為一MPEG-4規格之視訊串流。
- 如申請專利範圍第2項之視訊資料之雜訊估測方法,其於具體實現上係採用SIMD(Single Instruction,Multiple Data)之處理架構。
- 一種視訊資料之雜訊估測方法,其可應用於一視訊系統,用以對一視訊串流進行雜訊估測,此視訊資料之雜訊估測方法至少包含:(1)取出視訊串流以建立複數個背景模型,並將每一背景模型分割成多個區塊;(2)將視訊串流的畫面對應分割成多個區塊,再將該畫面之區塊減去複數個該背景模型所對應之區塊,以獲得複數個背景差異值;(3)將該畫面的各個區塊之背景差異值執行一高斯性測試程序,藉以判定各個區塊所顯示的影像是否具有一高斯雜訊分佈;以及(4)由具有高斯雜訊分佈之區塊的背景差異值中取出最小背景差異值以估測該視訊串流之雜訊。
- 如申請專利範圍第8項之視訊資料之雜訊估測方法,復包括:(5)利用一最佳化運算法來處理該最小背景差異值,藉以求得一最佳化之視訊分割門檻值;以及(6)依據該最佳化門檻值形成視訊分割罩幕以對各個當前之畫面進行視訊分割。
- 如申請專利範圍第8項之視訊資料之雜訊估測方法,其中,該視訊系統為一保全監視用之視訊系統。
- 如申請專利範圍第8項之視訊資料之雜訊估測方法,其中,該視訊串流為一MPEG-4規格之視訊串流。
- 如申請專利範圍第9項之視訊資料之雜訊估測方法,其中,該最佳化運算法係將該最小背景差異值之最大值或最大值的期望值作為最佳化之視訊分割門檻值。
- 如申請專利範圍第9項之視訊資料之雜訊估測方法,其中,該最佳化運算法係計算該最小背景差異值的標準差,以將該標準差作為最佳化之視訊分割門檻值的決定依據。
- 如申請專利範圍第9項之視訊資料之雜訊估測方法,其於具體實現上可係採用SIMD(Single Instruction,Multiple Data)之處理架構。
- 一種視訊資料之雜訊估測系統,其可整合至一視訊系統,用以對一視訊串流進行雜訊估測,該視訊資料之雜訊估測系統至少包含:一背景模型建立模組,係依據視訊串流建立複數個背景模型;一背景差異值計算模組,係用以將當前的視訊串流之畫面分別減去該背景模型,以獲得複數個背景差異值;一高斯雜訊分析模組,係用以將該畫面的各個區塊之背景差異值執行一高斯性測試程序,藉以判定各個區塊所顯示的影像是否具有一高斯雜訊分佈;以及一背景差異值分析模組,係用以由具有高斯雜訊分佈之區塊的背景差異值中取出最小背景差異值以估測該視訊串流之雜訊。
- 如申請專利範圍第15項之視訊資料之雜訊估測系統,復包括:一門檻值計算模組,係利用一最佳化運算法來處理該最小背景差異值,藉以求得一最佳化之視訊分割門檻值;以及一視訊分割罩幕生成模組,係用以依據該最佳化之視訊門檻值形成視訊分割罩幕以對各個當前之畫面進行視訊分割。
- 如申請專利範圍第16項之視訊資料之雜訊估測系統,其中,該最佳化運算法係將該最小背景差異值之最大值或最大值的期望值作為最佳化之視訊分割門檻值。
- 如申請專利範圍第16項之視訊資料之雜訊估測系統,其中,該最佳化運算法係計算該最小背景差異值的標準差,以將該標準差作為最佳化之視訊分割門檻值的決定依據。
- 如申請專利範圍第15項之視訊資料之雜訊估測系統,其中,該視訊系統為一保全監視用之視訊系統。
- 如申請專利範圍第15項之視訊資料之雜訊估測系統,其中,該視訊串流為一MPEG-4規格之視訊串流。
- 一種視訊資料之雜訊估測方法,其可應用於一視訊系統,用以對一視訊串流進行雜訊估測,此視訊資料之雜訊估測方法至少包含:(1)取出視訊串流以建立複數個背景模型,並將該每一背景模型分割成多個區塊;(2)將視訊串流的畫面對應分割成多個區塊,再將該畫面之區塊內的像素減去複數個該背景模型所對應之區塊內的像素,以獲得每個像素的複數個背景差異值;(3)將該畫面的各個區塊之像素之背景差異值的最小值執行一高斯性測試程序,藉以判定該畫面的各個區塊所顯示的影像是否具有一高斯雜訊分佈;以及(4)由具有高斯雜訊分佈之區塊內的像素之最小背景差異值以估測該視訊串流之雜訊。
- 如申請專利範圍第21項視訊資料之雜訊估測方法,復包括:(5)利用一最佳化運算法來處理該最小背景差異值,藉以求得一最佳化之視訊分割門檻值;以及(6)依據該最佳化門檻值形成視訊分割罩幕以對各個當前之畫面進行視訊分割。
- 如申請專利範圍第21項之視訊資料之雜訊估測方法,其中,該視訊系統為一保全監視用之視訊系統。
- 如申請專利範圍第21項之視訊資料之雜訊估測方法,其中,該視訊串流為一MPEG-4規格之視訊串流。
- 如申請專利範圍第22項之視訊資料之雜訊估測方法,其中,該最佳化運算法係由最小背景差異值之最大值或最大值的期望值作為最佳化之視訊分割門檻值。
- 如申請專利範圍第22項之視訊資料之雜訊估測方法,其中,該最佳化運算法係計算最小背景差異值的標準差,以將該標準差作為最佳化之視訊分割門檻值的決定依據。
- 如申請專利範圍第22項之視訊資料之雜訊估測方法,其於具體實現上可採用SIMD(Single Instruction,Multiple Data)之處理架構。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101100419A TWI499291B (zh) | 2012-01-05 | 2012-01-05 | 視訊資料之雜訊估測方法及系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101100419A TWI499291B (zh) | 2012-01-05 | 2012-01-05 | 視訊資料之雜訊估測方法及系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201330605A TW201330605A (zh) | 2013-07-16 |
TWI499291B true TWI499291B (zh) | 2015-09-01 |
Family
ID=49225912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW101100419A TWI499291B (zh) | 2012-01-05 | 2012-01-05 | 視訊資料之雜訊估測方法及系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI499291B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447674B (zh) * | 2016-09-30 | 2020-01-14 | 北京大学深圳研究生院 | 一种视频的背景去除方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4987481A (en) * | 1989-04-28 | 1991-01-22 | Walker Digital Audio Video Systems, Inc. | Video noise reduction system |
CN100502466C (zh) * | 2007-08-31 | 2009-06-17 | 湖北科创高新网络视频股份有限公司 | 一种视频数据实时去噪的方法和系统 |
CN101859440A (zh) * | 2010-05-31 | 2010-10-13 | 浙江捷尚视觉科技有限公司 | 基于块的运动区域检测方法 |
US20100290710A1 (en) * | 2009-04-22 | 2010-11-18 | Nikhil Gagvani | System and method for motion detection in a surveillance video |
-
2012
- 2012-01-05 TW TW101100419A patent/TWI499291B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4987481A (en) * | 1989-04-28 | 1991-01-22 | Walker Digital Audio Video Systems, Inc. | Video noise reduction system |
CN100502466C (zh) * | 2007-08-31 | 2009-06-17 | 湖北科创高新网络视频股份有限公司 | 一种视频数据实时去噪的方法和系统 |
US20100290710A1 (en) * | 2009-04-22 | 2010-11-18 | Nikhil Gagvani | System and method for motion detection in a surveillance video |
CN101859440A (zh) * | 2010-05-31 | 2010-10-13 | 浙江捷尚视觉科技有限公司 | 基于块的运动区域检测方法 |
Non-Patent Citations (1)
Title |
---|
J.-C. Li, H.-M. Tang, and C. Lu, "Noise estimation in video surveillance systems," 2009 World Congress on Computer Science and Information Engineering, pp. 578-582, April, 2009.^&rn^ * |
Also Published As
Publication number | Publication date |
---|---|
TW201330605A (zh) | 2013-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9600898B2 (en) | Method and apparatus for separating foreground image, and computer-readable recording medium | |
TWI381717B (zh) | 數位視訊動態目標物體分割處理方法及系統 | |
WO2018103244A1 (zh) | 直播视频处理方法、装置及电子设备 | |
US10445590B2 (en) | Image processing apparatus and method and monitoring system | |
TWI489395B (zh) | 前景偵測裝置及方法 | |
WO2021254134A1 (zh) | 一种隐私遮蔽处理方法、装置、电子设备及监控系统 | |
Vosters et al. | Background subtraction under sudden illumination changes | |
TW200915196A (en) | Method for detecting water regions in video | |
EP3707895B1 (en) | Static video recognition | |
Singh et al. | Detection and localization of copy-paste forgeries in digital videos | |
WO2021013049A1 (zh) | 前景图像获取方法、前景图像获取装置和电子设备 | |
Bagiwa et al. | Chroma key background detection for digital video using statistical correlation of blurring artifact | |
KR20170053807A (ko) | 동적 배경을 가진 영상의 대상 객체 검출 방법 | |
CN102118547A (zh) | 图像加权滤波的方法 | |
KR101215666B1 (ko) | 오브젝트 색상 보정 방법, 시스템 및 컴퓨터 프로그램 제품 | |
KR101064946B1 (ko) | 다중 영상 분석 기반의 객체추출 장치 및 그 방법 | |
TWI499291B (zh) | 視訊資料之雜訊估測方法及系統 | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
Abuarafah et al. | Integration of background removal and thermography techniques for crowd density scrutinizing | |
CN109598276A (zh) | 图像处理装置和方法及监控系统 | |
KR102453392B1 (ko) | 이동체를 고려한 영상 잡음 제거 방법 및 그를 위한 장치 | |
Sebastian et al. | Parametric Tracking Across Multiple Cameras with Spatial Estimation | |
Chen et al. | An EM-CI based approach to fusion of IR and visual images | |
CN117011288B (zh) | 视频质量诊断方法及系统 | |
Jakhetiya et al. | Context Region Identification based Quality Assessment of 3D Synthesized Views |