TWI530913B - 移動物體偵測系統及方法 - Google Patents
移動物體偵測系統及方法 Download PDFInfo
- Publication number
- TWI530913B TWI530913B TW101114622A TW101114622A TWI530913B TW I530913 B TWI530913 B TW I530913B TW 101114622 A TW101114622 A TW 101114622A TW 101114622 A TW101114622 A TW 101114622A TW I530913 B TWI530913 B TW I530913B
- Authority
- TW
- Taiwan
- Prior art keywords
- images
- image
- primitive
- brightness
- value
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 15
- 238000001514 detection method Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 14
- 230000004069 differentiation Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
Description
本發明涉及一種省電監控系統系統及方法。
通常，監控系統通過對一系列連續之影像進行輪廓檢測來判斷是否有移動物體出現。已有之一種輪廓檢測方法包括以下步驟：將一系列連續之影像中之其中一張作為參考影像對其餘影像依次作差異化、灰階化、二值化及邊緣化處理。差異化是指將其餘影像中之每張影像之每個圖元之圖元值分別與參考影像對應圖元之圖元值相減後取絕對值。灰階化是指將差異化後之每張影像之每個之圖元之圖元值由紅、綠、藍三個值進行表徵轉換為由亮度值進行表徵。二值化是指將灰階化後之每張影像之每個圖元之亮度值與一亮度臨界值相比較，當該圖元之亮度值大於亮度臨界值時則設定該圖元之亮度值為255，反之設定該圖元之亮度值為0。邊緣化是指將二值化後之每張影像之每個圖元之亮度值分別乘上不同矩陣，相加之後取平均值，如此檢測移動物體之輪廓。然而，二值化後之影像中移動物體之圖形常常不完整，導致出現邊緣化時檢測之移動物體之輪廓斷裂、與影像中移動物體之實際輪廓差異較大之情況，偵測精度低。
有鑒於此，有必要提供一種可提高偵測精度之移動物體偵測系統及方法。
一種移動物體偵測系統，包括：一拍攝裝置以及一偵測模組。所述拍攝裝置用於在一個時段內拍攝以獲得N張連續之影像。所述偵測模組將N張影像中之其中一張作為參考影像對其他N-1張影像依次作差異化、灰階化、二值化、模糊化、膨脹化、及邊緣化處理。所述差異化是指將其他N-1張影像中之每張影像之每個圖元之圖元值分別與參考影像對應圖元之圖元值相減後取絕對值。所述灰階化是指將差異化後之N-1張影像中之每張影像之每個圖元之圖元值由紅、綠、藍三個值進行表徵轉換為由亮度值進行表徵。所述二值化是指將灰階化後之N-1張影像中之每張影像之每個圖元之亮度值與一個亮度臨界值相比較，當該圖元之亮度值大於所述亮度臨界值時則設定該圖元之亮度為255，反之設定該圖元之亮度值為0。所述模糊化是指將二值化後之N-1張影像中之每張影像之亮度值為255之圖元作為中心圖元取與該中心圖元相鄰之八個圖元進行分析，如果八個相鄰圖元中至少有兩個圖元值為255時，則將八個相鄰圖元之亮度值均設置為255，否則將中心圖元及相鄰之八個圖元之亮度值設置為0。所述膨脹化是指將模糊化後之N-1張影像中之每張影像之每個圖元乘以一矩陣Martix。所述邊緣化是指將膨脹化後之N-1張影像中之每張影像之每個圖元分別乘上矩陣Sobel(V)和矩陣Sobel(H)然後相加，之後再除以2。
一種移動物體偵測方法，包括以下步驟：
S1：開啟一個拍攝裝置，該拍攝裝置在一個時段進行拍攝以獲取N張連續之影像；
S2：將N張影像中之其中一張作為參考影像對其他N-1張影像作差異化處理，所述差異化是指對其他N-1張影像中之每張影像之每個圖元之圖元值分別與參考影像對應之圖元之圖元值相減後取絕對值；
S3：將差異化後之N-1張影像中之每張影像進行灰階化處理，所述灰階化是指將差異化後之每張影像之每個圖元之圖元值由紅、綠、藍三個值進行表徵轉換為由亮度值進行表徵；
S4：將灰階化後之N-1張影像中之每張影像進行二值化處理，所述二值化是指將灰階化後之N-1張影像中之每張影像之每個圖元之亮度值與一個亮度臨界值相比較，當每個圖元之亮度值大於所述亮度臨界值時則設定該圖元之亮度為255，反之設定該圖元之亮度值為0；
S5：將二值化後之N-1張影像中之每張影像進行模糊化處理，所述模糊化是指將二值化後之N-1張影像中之每張影像之亮度值為255之圖元作為中心圖元取與中心圖元相鄰之八個相鄰圖元進行分析，如果八個相鄰圖元中至少有兩個圖元值為255時，則將所述八個相鄰圖元之亮度值均設置為255，否則將中心圖元及相鄰之八個圖元之亮度值設置為0；
S6：將模糊化後之N-1張影像中之每張影像進行膨脹化處理，所述膨脹化是指將模糊化後之N-1張影像中之每張影像之每個圖元乘以一矩陣Martix；
S7：將膨脹化後之N-1張影像中之每張影像進行邊緣化處理；所述邊緣化是指將膨脹化後之N-1張影像中之每張影像之每個圖元之亮度值分別乘上矩陣Sobel(V)和矩陣Sobel(H)然後相加，之後再除以2。
相對於已有技術，本發明移動物體偵測系統及方法，對N-1張影像進行二值化後分別進行模糊化及膨脹化處理，可以將二值化後之影像中之移動物體之斷裂之圖形連接起來，使得移動物體之圖形更加完整，然後進行邊緣化處理，可使得檢測之N-1張影像中移動物體之輪廓更加接近N-1張影像中移動物體之實際輪廓，提高偵測精度。
以下將結合圖式對本發明作進一步詳細說明。
請參閱圖1至圖3，本發明提供較佳實施例提供之一種移動物體偵測系統1000，包括一個拍攝裝置100、一個偵測模組200及一個存儲模組300。所述拍攝裝置100可安裝於室外或室內。所述拍攝裝置100用於監控其拍攝範圍內之場景。
所述拍攝裝置100開啟後以拍攝時間t為順序進行連續之拍攝。例如，所述拍攝裝置100在t1時刻獲取第一張影像N1、在t2時刻獲取第二張影像N2、在t3時刻獲取第三張影像N3、在t4時刻獲取第四張影像N4、在t5時刻獲取第五張影像N5…以及在tn時刻獲取第N張影像Nn。所述拍攝裝置100在時刻0至時刻tn這一時段T內獲取N張影像。本實施方式中，N為整數，例如，N可以為5。在第一張影像N1中無移動物體出現，在第二張影像N2中出現移動物體A(即人物A)、在第三張影像N3中同時出現移動物體A及移動物體B(即人物B)、在第四張影像N4中移動物體A與移動物體B部分重疊、在第五張影像N5中同時出現移動物體A及移動物體B。
所述偵測模組200電性連接至所述拍攝裝置100。所述偵測單元用於將所述拍攝裝置100在時段T內所獲取之N張影像以第一張影像N1作為參考影像對其他N-1張影像進行處理。本實施方式中，其他N-1張影像即第一張影像N1、第二張影像N2、第三張影像N3、第四張影像N4及第五張影像N5。具體地，所述偵測模組200以第一張影像N1作為參考影像對其他N-1依次作差異化、灰階化、二值化、模糊化、膨脹化及邊緣化處理，如此檢測N-1張影像中每張影像中之移動物體之輪廓。在其他實施方式中，也可以從N張影像中任意選擇一張作為參考影像。
所述差異化是指將其他N-1張影像中之每張影像之圖元值分別與第一張影像N1對應圖元之圖元值相減後取絕對值。其中，所述拍攝裝置100所拍攝的N張影像中之每張影像之每個圖元之圖元值由R(紅)、G(綠)、B(藍) 三個值進行表徵。
所述灰階化是指將差異化後之N-1張影像中之每張影像轉換為灰階影像，即將差異化後之每張影像之每個圖元之圖元值由R(紅)、G(綠)、B(藍)三個值進行表徵轉換為由亮度值進行表徵。
所述二值化是指將灰階化後之N-1張影像中之每張影像之每個圖元之亮度值與一個亮度臨界值相比較，當該圖元之亮度值大於所述亮度臨界值時則設定該圖元之亮度值為255，反之設定該圖元之亮度值為0。在本實施方式中，所述亮度臨界值，例如，可以為125。
所述模糊化是指將二值化後之N-1張影像中之每張影像中之亮度值為255之圖元作為中心圖元取與中心圖元八個相鄰圖元進行分析，如果八個相鄰圖元中至少有兩個圖元值為255時，則將所述八個相鄰圖元之亮度值均設置為255，否則將中心圖元及相鄰之八個圖元之亮度值設置為0。
所述膨脹化是指將模糊化後之N-1張影像中之每張影像之每個圖元之亮度值乘以矩陣Martix，其中矩陣Martrix如下：
如此，可將每張影像中原本斷掉之圖形連接起來，讓每張影像中之圖形更加完整。
所述邊緣化是指將膨脹化後之N-1張影像中之每張影像之每一個圖元之亮度值分別乘上Sobel(V)和Sobel(H)這兩個矩陣然後相加，之後再除以2，可檢測每張影像中之圖形之輪廓，其中Sobel(V)矩陣和Sobel(H)矩陣分別如下：
如圖3所示，邊緣化之N-1張影像中，在第二張影像N2檢測到移動物體A之輪廓a、在第三張影像檢測到移動物體A之輪廓a及移動物體B之輪廓b、在第四張影像檢測到移動物體A與移動物體B部分重疊時之輪廓c、在第五張影像檢測到移動物體A之輪廓a及移動物體B之輪廓b。
本發明移動物體偵測系統1000，對N-1張影像進行二值化後分別進行模糊化及膨脹化處理，可以將二值化後之影像中之移動物體之斷裂之圖形連接起來，使得移動物體之圖形更加完整，然後進行邊緣化處理，可使得檢測之N-1張影像中移動物體之輪廓更加接近N-1張影像中移動物體之實際輪廓，提高檢測之準確度。
如圖4所示，所述偵測模組200進一步地將邊緣化之N-1張影像進行再次二值化處理及將再次二值化後之N-1張影像進行物件化處理。所述再次二值化之是指將邊緣化之N-1中之每張影像之每個圖元之亮度值與一個亮度閾值進行比較，如果該圖元之亮度值大於所述亮度閾值，則將該圖元之亮度值設定為255，反之將該圖元之亮度值設定為0。在本實施方式中，所述亮度閾值，例如，可以為150。再次二值化之N-1張影像中，在第二張影像N2中獲得輪廓a1、在第三張影N3中獲得輪廓a1及輪廓b1、在第四張影像N4中獲得輪廓c1、在第五張影像N5中獲得輪廓a1及輪廓b1。
所述物件化是將再次二值化之N-1張影像中之每張影像進行對像提取，即根據每張影像之邊緣用矩形框提取出整個完整物件。將第二張影像N2之輪廓a1、第三張影N3之廓a1及輪廓b1、在第四張影像N4之輪廓c1、在第五張影像N5中之輪廓a1及輪廓b1分別用矩形之邊緣框進行提取並將提取之物件(即輪廓a1、b1及c1)存儲在所述存儲模組300內以方便後續追蹤移動物體A及移動物體B。另外，物件提取方式也可以採用已有技術之任意方式。
請參閱圖5，為本發明提供之一種移動物體偵測方法，包括以下步驟：
S1：開啟一個拍攝裝置，該拍攝裝置在一個時段進行拍攝以獲取N張連續之影像。
S2：將N張影像中之其中一張作為參考影像對其他N-1張影像作差異化處理。所述差異化是指對其他N-1張影像中之每張影像之每個圖元之圖元值分別與參考影像對應之圖元之圖元值相減後取絕對值。
S3：將差異化後之N-1張影像中之每張影像進行灰階化處理。所述灰階化是指將差異化後之每張影像之每個圖元之圖元值由紅、綠、藍三個值進行表徵轉換為由亮度值進行表徵。
S4：將灰階化後之N-1張影像中之每張影像進行二值化處理。所述二值化是指將灰階化後之N-1張影像中之每張影像之每個圖元之亮度值與一個亮度臨界值相比較，當每個圖元之亮度值大於所述亮度臨界值時則設定該圖元之亮度為255，反之設定該圖元之亮度值為0。
S5：將二值化後之N-1張影像中之每張影像進行模糊化處理。所述模糊化是指將二值化後之N-1張影像中之每張影像之亮度值為255之圖元作為中心圖元取與中心圖元相鄰之八個相鄰圖元進行分析，如果八個相鄰圖元中至少有兩個圖元值為255時，則將所述八個相鄰圖元之亮度值均設置為255，否則將中心圖元及相鄰之八個圖元之亮度值設置為0。
S6：將模糊化後之N-1張影像中之每張影像進行膨脹化處理。所述膨脹化是指將模糊化後之N-1張影像中之每張影像之每個圖元之亮度值乘以一矩陣Martix。
S7：將膨脹化後之N-1張影像中之每張影像進行邊緣化處理。所述邊緣化是指將膨脹化後之N-1張影像中之每張影像之每個圖元之亮度值分別乘上矩陣Sobel(V)和矩陣Sobel(H)然後相加，之後再除以2，如此檢測N-1張影像中移動物體之輪廓。
所述移動物體偵測方法進一步包括以下步驟：
S8：將邊緣化之N-1張影像進行再次二值化處理。所述再次二值化之是指將邊緣化之N-1中之每張影像之每個圖元之亮度值與一個亮度閾值進行比較，如果該圖元之亮度值大於所述亮度閾值，則將該圖元之亮度值設定為255，反之將該圖元之亮度值設定為0。
S9：將再次二值化後之N-1張影像進行物件化處理。所述物件化是將再次二值化之N-1張影像中之每張影像進行對像提取，根據每張影像之邊緣用矩形框提取出整個完整物件。
綜上所述，本發明確已符合發明專利之要件，遂依法提出專利申請。惟，以上所述者僅為本發明之較佳實施方式，自不能以此限制本案之申請專利範圍。舉凡熟悉本案技藝之人士爰依本發明之精神所作之等效修飾或變化，皆應涵蓋於以下申請專利範圍內。
1000．．．移動物體偵測系統
100．．．拍攝裝置
200．．．偵測模組
300．．．存儲模組
S1、S2、S3、S4、S5、S6、S7、S8、S9．．．步驟
圖1為本發明所提供之移動物體偵測系統之結構方框圖。
圖2為圖1所示之移動物體偵測系統之拍攝裝置之拍攝過程之示意圖。
圖3為圖2所示之拍攝裝置所拍攝之N張影像以其中一張作為參考影像對其餘N-1張影像依次進行差異化、灰階化、二值化、模糊化、膨脹化及邊緣化處理之示意圖。
圖4為圖3所示之邊緣化處理後之N-1張影像進一步進行再次二值化及物件化處理之示意圖。
圖5為本發明所提供之移動物體偵測方法之流程框圖。
S1、S2、S3、S4、S5、S6、S7、S8、S9．．．步驟
Claims (9)
- 一種移動物體偵測系統，包括：一拍攝裝置以及一偵測模組，所述拍攝裝置用於在一個時段內進行拍攝以獲得N張連續之影像，所述偵測模組將N張影像中之其中一張作為參考影像對其他N-1張影像依次作差異化、灰階化、二值化、模糊化、膨脹化、及邊緣化處理；所述差異化是指將其他N-1張影像中之每張影像之每個圖元之圖元值分別與參考影像對應圖元之圖元值相減後取絕對值；所述灰階化是指將差異化後之N-1張影像中之每張影像之每個圖元之圖元值由紅、綠、藍三個值進行表徵轉換為由亮度值進行表徵；所述二值化是指將灰階化後之N-1張影像中之每張影像之每個圖元與一個亮度臨界值相比較，當該圖元之亮度值大於所述亮度臨界值時則設定該圖元之亮度為255，反之設定該圖元之亮度值為0；所述模糊化是指將二值化後之N-1張影像中之每張影像之亮度值為255之圖元作為中心圖元取與該中心圖元相鄰之八個圖元進行分析，如果八個相鄰圖元中至少有兩個圖元之亮度值為255時，則將所述八個相鄰圖元之亮度值均設置為255，否則將中心圖元及相鄰之八個圖元之亮度值設置為0；所述膨脹化是指將模糊化後之N-1張影像中之每張影像之每個圖元乘以一矩陣Martix；所述邊緣化是指將膨脹化後之N-1張影像中之每張影像之每個圖元分別乘上矩陣Sobel(V)和矩陣Sobel(H)然後相加，之後再除以2。
- 如申請專利範圍第1項所述之移動物體偵測系統，其中，所述矩陣Martrix如下：
所述Sobel(V)矩陣和Sobel(H)矩陣分別如下：
。 - 如申請專利範圍第1項所述之移動物體偵測系統，其中，所述偵測模組進一步地將邊緣化之N-1張影像進行再次二值化處理；所述再次二值化之是指將邊緣化之N-1中之每張影像之每個圖元之亮度值與一個亮度閾值進行比較，如果該圖元之亮度值大於所述亮度閾值，則將該圖元之亮度值設定為255，反之將該圖元之亮度值設定為0。
- 如申請專利範圍第3項所述之移動物體偵測系統，其中，所述亮度閾值為150。
- 如申請專利範圍第3項所述之移動物體偵測系統，其中，所述偵測模組進一步將再次二值化後之N-1張影像進行物件化處理；所述物件化是指將再次二值化之N-1張影像中之每張影像進行對像提取，根據每張影像中之邊緣用矩形框提取出整個完整物件。
- 如申請專利範圍第5所述之移動物體偵測系統，其中，所述移動物體偵測系統還包括一個存儲模組，所述存儲模組用於存儲邊緣框提取出整個完整物件。
- 一種移動物體偵測方法，包括以下步驟：
S1：開啟一個拍攝裝置，該拍攝裝置在一個時段進行拍攝以獲取N張連續之影像；
S2：將N張影像中之其中一張作為參考影像對其他N-1張影像作差異化處理，所述差異化是指對其他N-1張影像中之每張影像之每個圖元之圖元值分別與參考影像對應圖元之圖元值相減後取絕對值；
S3：將差異化後之N-1張影像中之每張影像進行灰階化處理，所述灰階化是指將差異化後之每張影像之每個圖元之圖元值由紅、綠、藍三個值進行表徵轉換為由亮度值進行表徵；
S4：將灰階化後之N-1張影像中之每張影像進行二值化處理，所述二值化是指將灰階化後之N-1張影像中之每張影像之每個圖元之亮度值與一個亮度臨界值相比較，當每個圖元之亮度值大於所述亮度臨界值時則設定該圖元之亮度為255，反之設定該圖元之亮度值為0；
S5：將二值化後之N-1張影像中之每張影像進行模糊化處理，所述模糊化是指將二值化後之N-1張影像中之每張影像之亮度值為255之圖元作為中心圖元取與中心圖元相鄰之八個相鄰圖元進行分析，如果八個相鄰圖元中至少有兩個圖元值為255時，則將所述八個相鄰圖元之亮度值均設置為255，否則將作為中心圖元及相鄰之八個圖元之亮度值設置為0；
S6：將模糊化後之N-1張影像中之每張影像進行膨脹化處理，所述膨脹化是指將模糊化後之N-1張影像中之每張影像之每個圖元乘以一矩陣Martix；
S7：將膨脹化後之N-1張影像中之每張影像進行邊緣化處理；所述邊緣化是指將膨脹化後之N-1張影像中之每張影像之每個圖元之亮度值分別乘上矩陣Sobel(V)和矩陣Sobel(H)然後相加，之後再除以2。 - 如申請專利範圍第7項所述之移動物體偵測方法，其中，所述矩陣Martrix如下：
所述Sobel(V)矩陣和Sobel(H)矩陣分別如下：
。 - 如申請專利範圍第7項所述之移動物體偵測方法，其中，進一步包括以下步驟：
S8：將邊緣化之N-1張影像進行再次二值化處理，所述再次二值化之是指將邊緣化之N-1中之每張影像之每個圖元之亮度值與一個亮度閾值進行比較，如果該圖元之亮度值大於所述亮度閾值，則將該圖元之亮度值設定為255，反之將該圖元之亮度值設定為0；
S9：將再次二值化後之N-1張影像進行物件化處理，所述物件化是將再次二值化之N-1張影像中之每張影像進行對像提取，根據每張影像之邊緣用矩形框提取出整個完整物件。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW101114622A TWI530913B (zh) | 2012-04-25 | 2012-04-25 | 移動物體偵測系統及方法 |
| US13/631,702 US8958598B2 (en) | 2012-04-25 | 2012-09-28 | System and method for detecting moving objects using video capturing device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW101114622A TWI530913B (zh) | 2012-04-25 | 2012-04-25 | 移動物體偵測系統及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201344630A TW201344630A (zh) | 2013-11-01 |
| TWI530913B true TWI530913B (zh) | 2016-04-21 |
Family
ID=49477320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW101114622A TWI530913B (zh) | 2012-04-25 | 2012-04-25 | 移動物體偵測系統及方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US8958598B2 (zh) |
| TW (1) | TWI530913B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105023278B (zh) * | 2015-07-01 | 2019-03-05 | 中国矿业大学 | 一种基于光流法的运动目标跟踪方法及系统 |
| TWI622914B (zh) * | 2017-07-24 | 2018-05-01 | 友達光電股份有限公司 | 顯示裝置及其影像處理方法 |
| US10192319B1 (en) * | 2017-07-27 | 2019-01-29 | Nanning Fugui Precision Industrial Co., Ltd. | Surveillance method and computing device using the same |
| TWI663575B (zh) * | 2018-03-26 | 2019-06-21 | 奇景光電股份有限公司 | 影像的動作偵測方法與電子裝置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6965645B2 (en) * | 2001-09-25 | 2005-11-15 | Microsoft Corporation | Content-based characterization of video frame sequences |
| RU2484531C2 (ru) * | 2009-01-22 | 2013-06-10 | Государственное научное учреждение центральный научно-исследовательский и опытно-конструкторский институт робототехники и технической кибернетики (ЦНИИ РТК) | Устройство обработки видеоинформации системы охранной сигнализации |
-
2012
- 2012-04-25 TW TW101114622A patent/TWI530913B/zh active
- 2012-09-28 US US13/631,702 patent/US8958598B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| TW201344630A (zh) | 2013-11-01 |
| US20130287249A1 (en) | 2013-10-31 |
| US8958598B2 (en) | 2015-02-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI358674B (zh) | ||
| US9811746B2 (en) | Method and system for detecting traffic lights | |
| US20170261319A1 (en) | Building height calculation method, device, and storage medium | |
| JP2017520050A5 (zh) | ||
| JP2006350557A5 (zh) | ||
| TWI530913B (zh) | 移動物體偵測系統及方法 | |
| WO2019076326A1 (zh) | 监控视频图像的阴影检测方法及其系统、阴影去除方法 | |
| CN109801231B (zh) | 一种电泳电子纸检测设备的图像处理方法 | |
| TWI528163B (zh) | 省電監控系統及方法 | |
| CN112991374A (zh) | 基于Canny算法的边缘增强方法、装置、设备及存储介质 | |
| JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
| JP5662890B2 (ja) | 画像処理方法、画像処理装置及び画像処理プログラム、並びに、画像処理による放射線量推定方法 | |
| JP2016053763A (ja) | 画像処理装置、画像処理方法及びプログラム | |
| TWI571859B (zh) | 顯示器亮度控制系統及方法 | |
| JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
| KR101267279B1 (ko) | 영상에서 비를 제거하기 위한 영상 처리 장치 및 방법 | |
| TWI620147B (zh) | 用於合成人物的影像合成方法 | |
| JP5754931B2 (ja) | 画像解析装置、画像解析方法及びプログラム | |
| JP2004219291A (ja) | 画面の線欠陥検出方法及び装置 | |
| WO2015140484A1 (en) | A method, apparatus, system, and computer readable medium for enhancing differences between two images of a structure | |
| JP4863050B2 (ja) | 色ムラ欠陥検査方法及び装置 | |
| CN108205672B (zh) | 一种显示屏幕的自动标定方法 | |
| JP6348020B2 (ja) | 画像処理装置、画像処理方法およびそれを用いた検査方法。 | |
| JP2005198016A5 (zh) | ||
| JP2004219072A (ja) | 画面のスジ欠陥検出方法及び装置 |