TWI718459B - 影像分析方法及其影像分析裝置 - Google Patents

影像分析方法及其影像分析裝置 Download PDF

Info

Publication number
TWI718459B
TWI718459B TW107147054A TW107147054A TWI718459B TW I718459 B TWI718459 B TW I718459B TW 107147054 A TW107147054 A TW 107147054A TW 107147054 A TW107147054 A TW 107147054A TW I718459 B TWI718459 B TW I718459B
Authority
TW
Taiwan
Prior art keywords
pixel unit
trigger
image
image analysis
trigger pixel
Prior art date
Application number
TW107147054A
Other languages
English (en)
Other versions
TW202025087A (zh
Inventor
王翔生
陳世軒
Original Assignee
晶睿通訊股份有限公司
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 晶睿通訊股份有限公司 filed Critical 晶睿通訊股份有限公司
Priority to TW107147054A priority Critical patent/TWI718459B/zh
Priority to US16/671,190 priority patent/US11012592B2/en
Publication of TW202025087A publication Critical patent/TW202025087A/zh
Application granted granted Critical
Publication of TWI718459B publication Critical patent/TWI718459B/zh

Links

Images

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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/142—Edging; Contouring

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

一種用來偵測影像內一感興趣區塊尺度之影像分析方法，應用於影像分析裝置。該影像分析方法包含有在一影像之一偵測辨識區域內定位一初始觸發像素單元，指派以該初始觸發像素單元為中心之一第一偵測範圍，在該第一偵測範圍裡定位出符合一第一目標值之一第一基準像素單元，以該第一基準像素單元為基準套用一遮罩，判斷該遮罩內是否能定位出一第一觸發像素單元，以及利用該初始觸發像素單元與該第一觸發像素單元之定位結果，決定該影像內該感興趣區塊之一最大尺度。

Description

影像分析方法及其影像分析裝置
本發明係提供一種影像分析方法及其影像分析裝置，尤指一種可用來偵測影像內感興趣區塊尺度之影像分析方法及其影像分析裝置。
傳統的影像分析方法係在監控影像內畫設偵測辨識區域，判斷偵測辨識區域內的被觸發像素單元之總數，決定是否觸發事件以啟動特定功能或應用程式。如果感興趣區塊只有少部分面積落在偵測辨識區域內，感興趣區塊所佔的被觸發像素單元被偵測到的數量較少，傳統影像分析方法便無法辨識出感興趣區塊，導致事件漏判。若偵測辨識區域內有多個偽觸發區塊或小型非感興趣區塊在移動，偵測到的被觸發像素單元數量較多，傳統影像分析方法反而會觸發事件造成誤判。因此，如何設計出一種能夠過濾偽觸發區塊、並精準偵測感興趣區塊落在偵測辨識區域外的最大尺度以避免誤判的影像分析方法，即為相關監控設備產業的重點發展目標之一。
本發明係提供一種可用來偵測影像內感興趣區塊尺度之影像分析方法及其影像分析裝置，以解決上述之問題。
本發明之申請專利範圍係揭露一種用來偵測影像內一感興趣區塊尺度之影像分析方法，其包含有在一影像之一偵測辨識區域內定位一初始觸發像素單元，指派以該初始觸發像素單元為中心之一第一偵測範圍，在該第一偵測範圍裡定位出符合一第一目標值之一第一基準像素單元，以該第一基準像素單元為基準套用一遮罩，判斷該遮罩內是否能定位出一第一觸發像素單元，以及利用該初始觸發像素單元與該第一觸發像素單元之定位結果，決定該影像內該感興趣區塊之一最大尺度。
本發明之申請專利範圍另揭露一種用來偵測影像內一感興趣區塊尺度的影像分析裝置，應用於一監控攝影設備。該影像分析裝置包含有一影像取得器以及一運算處理器。該影像取得器用來取得一影像。該運算處理器電連接於該影像取得器，用來在一影像之一偵測辨識區域內定位一初始觸發像素單元，指派以該初始觸發像素單元為中心之一第一偵測範圍，在該第一偵測範圍裡定位出符合一第一目標值之一第一基準像素單元，以該第一基準像素單元為基準套用一遮罩，判斷該遮罩內是否能定位出一第一觸發像素單元，以及利用該初始觸發像素單元與該第一觸發像素單元之定位結果，決定該影像內該感興趣區塊之一最大尺度。
本發明之影像分析方法及其影像分析裝置能精準定位出偵測辨識區域內感興趣區塊的最大尺度，有效改善影像辨識之誤判率。如果監控畫面裡的移動感興趣區塊所佔被觸發像素單元之總數量符合觸發條件，本發明的影像分析方法可分析取得感興趣區塊之最大尺度，有效辨識出前揭移動感興趣區塊係屬於大尺寸的單個感興趣區塊、或為小尺寸的多個零散感興趣區塊或偽觸發區塊。如果感興趣區塊只有部份位於偵測辨識區域內，例如監控影像內的路人只有下半身位於斑馬線上的偵測辨識區域內，本發明的影像分析方法仍能自偵測辨識區域內的被觸發像素單元，延伸定位出感興趣區塊可能落在偵測辨識區域外的最大尺度，進一步正確判斷是否要觸發事件或應用在類似矩陣運算分析。此外，本發明的影像分析方法在不同定位階段會分別調整該階段的目標值以及被觸發像素單元的標記值，讓前階段定位出的被觸發像素單元不會在後階段被重複定位，有效減少運算數據量而提高影像分析裝置的運算效能。
請參閱第1圖與第2圖，第1圖為本發明實施例之影像分析裝置10之功能方塊圖，第2圖為本發明實施例之影像分析裝置10所取得監控影像I之示意圖。影像分析裝置10通常應用於監控攝影設備，可以分析監控影像I內感興趣區塊O的尺度，進一步判斷是否觸發事件而啟動特定功能或應用程式。舉例來說，監控攝影設備生成監控影像I後，影像分析裝置10係分析監控影像I裡特定感興趣區塊O的尺寸。如感興趣區塊O的尺寸大小符合預設標準，表示感興趣區塊O在監控範圍內接近監控攝影設備，可對感興趣區塊O進行影像辨識或其他自訂應用；如感興趣區塊O的尺寸不符預設標準，則表示感興趣區塊O距離監控攝影設備尚遠，不需啟動影像辨識功能或其他自訂應用。其他自訂應用可能為偵測與分析感興趣區塊O的亮度或特定參數。
影像分析裝置10可包含彼此電連接的影像取得器12以及運算處理器14。影像取得器12用來取得欲分析的監控影像I，運算處理器14根據監控影像I執行影像分析方法以取得感興趣區塊O的最大尺度，藉此判斷是否會觸發事件、或應用在類似的矩陣運算分析。影像取得器12可為攝影單元，直接拍攝取得監控影像I；或者影像取得器12可為影像接收單元，由監控攝影設備的攝影器拍攝監控影像I，影像取得器12向攝影器送出請求以接收及獲取監控影像I。
請參閱第1圖至第10圖，第3A圖與第3B圖為本發明實施例之影像分析方法之流程圖。第4圖至第10圖分別為本發明實施例之監控影像I在不同分析階段之示意圖。第3A圖與第3B圖所述影像分析方法適用於第1圖所示影像分析裝置10。監控影像I較佳係為二元影像；監控影像I由多個像素單元組成，被觸發的像素單元設定其初始標記值為數字1，沒被觸發的像素單元設定其初始標記值為數字0，然實際應用可不以此為限。首先，執行步驟S300與步驟S302，如第4圖所示，在監控影像I內劃設偵測辨識區域Ri，並在偵測辨識區域Ri內定位至少一個初始觸發像素單元Ci。偵測辨識區域Ri可由系統自動標記、或使用者手動劃設。偵測辨識區域Ri用來指定監控影像I裡需要特別關注的區域，例如斑馬線。
特別一提的是，本發明的影像分析裝置10也可選擇不劃設偵測辨識區域，此時影像分析方法係於監控影像I的全幅範圍內定位一個或多個初始觸發像素單元Ci，進行後續的分析步驟。
接著，執行步驟S304與步驟S306，指派以初始觸發像素單元Ci為中心之第一偵測範圍Rd1，且在第一偵測範圍Rd1裡定位出符合第一目標值T1之第一基準像素單元Cb1，如第5圖所示。此階段的監控影像I只涵蓋被觸發像素單元(其初始標記值為數字1)和未被觸發像素單元(其初始標記值為數字0)，故第一目標值T1可設定為數字0，用來區分被觸發及未觸發的像素單元；符合第一目標值T1係指找出其標記值大於第一目標值T1的像素單元作為第一基準像素單元Cb1。由於第一偵測範圍Rd1為1x1的單元矩陣，故第一基準像素單元Cb1即相當於初始觸發像素單元Ci。接下來，執行步驟S308，以第一基準像素單元Cb1為基準套用遮罩M，判斷遮罩M內是否能定位出至少一個第一觸發像素單元Ct1，如第6圖所示。
若遮罩M內無法定位出第一觸發像素單元Ct1，執行步驟S310，判斷感興趣區塊O的最大尺度僅對應於初始觸發像素單元Ci。如遮罩M可定位出第一觸發像素單元Ct1，執行步驟S312，判斷感興趣區塊O的最大尺度可至少對應於初始觸發像素單元Ci與第一觸發像素單元Ct1。第一觸發像素單元Ct1如同初始觸發像素單元Ci都具有初始標記值(意即數字1)。為了避免重複搜尋被觸發的像素單元，在定位出第一觸發像素單元Ct1之後，可再執行步驟S314，將第N個第一觸發像素單元Ct1的標記值修改為初始標記值與N的總和。其中N為大於或等於1之正整數。運算處理器14係自上而下、由左往右逐格掃瞄所有像素單元，故遮罩M裡面的三個第一觸發像素單元Ct1的標記值可分別修改為數字2、3與4，如第6圖所示。
影像分析方法還會進一步判斷感興趣區塊O是否具有更大尺度，故執行步驟S316，將第一目標值T1調校為第二目標值T2。第二目標值T2用來區分初始觸發像素單元Ci與第一觸發像素單元Ct1，因此第二目標值T2可設為數字1。接著，執行步驟S318，指派以初始觸發像素單元Ci為中心的第二偵測範圍Rd2，如第7圖所示。第二偵測範圍Rd2係大於第一偵測範圍Rd1，且為第一偵測範圍Rd1朝各方向分別擴張一個或數個像素單元的範圍；例如第二偵測範圍Rd2可為3x3的單元矩陣。再來，執行步驟S320與步驟S322，在第二偵測範圍Rd2裡定位出符合第二目標值T2的第二基準像素單元Cb2，以一個或多個第二基準像素單元Cb2為基準分別套用遮罩M，判斷遮罩M內是否能定位出第二觸發像素單元Ct2，如第7圖至第10圖所示。
步驟S320中，符合第二目標值T2係指找出其標記值大於第二目標值T2的像素單元作為第二基準像素單元Cb2，如標記值分別為2、3與4的像素單元。步驟S322中，第二觸發像素單元Ct2之定位結果會重新改變感興趣區塊O的最大尺度。若遮罩M無法定位出第二觸發像素單元Ct2，執行步驟S324，感興趣區塊O的最大尺度對應於初始觸發像素單元Ci與第一觸發像素單元Ct1，例如第9圖的遮罩M內就無法定位到第二觸發像素單元Ct2；若遮罩M可以定位出第二觸發像素單元Ct2，如第8圖與第10圖所示，執行步驟S326，感興趣區塊O的最大尺度至少對應為初始觸發像素單元Ci、第一觸發像素單元Ct1與第二觸發像素單元Ct2。因此，本發明的影像分析方法可藉由擴展偵測範圍，以初始觸發像素單元Ci為中心逐步偵測周圍與其相鄰接的其他被觸發像素單元，而能判斷感興趣區塊O所占有的被觸發像素單元之數量(意即最大尺度)。
接下來，再執行步驟S328，定位出M個第二觸發像素單元Ct2後，將第M個第二觸發像素單元Ct2的標記值修改為初始標記值及N與M之總和。其中M為大於或等於1之正整數。完成步驟S328之後，影像分析方法還可再次調校目標值，進一步判斷感興趣區塊O是否具有更大尺度，例如重複執行步驟S316至步驟S326，以初始觸發像素單元Ci為中心指派更大的第三偵測範圍，在第三偵測範圍內定位出符合第三目標值的第三基準像素單元並套用遮罩，直到遮罩內無法定位出被觸發像素單元始停止。在本發明實施例中，前階段的目標值等於數字0時，後階段的目標值僅調整為數字1，如前述將第一目標值調校為第二目標值的實施態樣；若前階段的目標值不是數字0時，後階段的目標值則調校為初始標記值與前階段觸發像素單元之數量的總和。舉例來說，步驟S328之後若要再次判斷感興趣區塊O是否有更大尺度，下階段的第三目標值可為初始標記值(數字為1)和第一觸發像素單元Ct1之數量(N=3)的總和，意即數字4。
步驟S328完成之後，若要再次判斷感興趣區塊O是否有更大尺度，會以初始觸發像素單元Ci為中心指派大於第二偵測範圍Rd2的第三偵測範圍。本發明實施例的後階段偵測範圍係於前階段偵測範圍的上方、下方、左方及右方分別擴展K個像素單元，其中K為大於或等於1之正整數。由此可知，下階段的第三偵測範圍可為5x5的單元矩陣，再下一階段的第四偵測範圍則為7x7的單元矩陣。
本發明實施例所提供的遮罩M係為3x3的單元矩陣，然實際應用並不限於此。遮罩M屬於具有可調式尺寸，例如可以示5x5的單元矩陣、或7x7的單元矩陣。遮罩M用來在前階段定位出的被觸發像素單元周圍，尋找是否仍具有其它尚未被定位出的被觸發像素單元。若遮罩M屬於小尺寸單元矩陣，緊密貼靠在一起的被觸發像素單元才能被定位，感興趣區塊O的最大尺度判斷較為精準；如遮罩M設計成大尺寸單元矩陣，稍具間隔的被觸發像素單元都會被定位，能用來提高監控攝影設備的觸發敏感度。遮罩M之尺寸設計係依實際需求而定。
影像分析方法利用遮罩M從監控影像I定位出鄰近的多個被觸發像素單元(例如初始觸發像素單元Ci、第一觸發像素單元Ct1和/或第二觸發像素單元Ct2)之後，可統計多個被觸發像素單元的總數量，以取得感興趣區塊O在監控影像I內的最大尺度數據。如此一來，影像分析方法就能判斷被觸發像素單元之總數量是否符合預設的觸發條件，決定是否觸發事件以執行特定功能或啟動應用程式、或應用在類似的矩陣運算分析上。觸發條件可為被觸發像素單元總數量和監控影像I的比例值。舉例來說，觸發條件可設定為被觸發像素單元之總數量占監控影像I的百分之十，意即如監控影像I由100個像素單元組成時，感興趣區塊O的最大尺度若佔有十個或十個以上的被觸發像素單元時，就會認定感興趣區塊O屬於監控攝影設備的監控目標。
本發明實施例中所提到之感興趣區塊可為在監控影像內的目標物件，在其它可能的實施變化中，感興趣區塊亦可為監控影像內的過曝區、或其它具有特定影像特徵的區塊，但實際應用不以此為限，端視影像分析方法欲針對何種類型的影像區塊進行過濾及調整。
在感興趣區塊為監控影像內的過曝區的實施例中，本發明的影像分析方法可有效辨識出監控影像內的集合式過曝區，以區別於其它零散式過曝區。舉例來說，影像分析裝置可能針對夜間道路取得監控影像，藉由辨識車燈以偵測行經的車輛。車輛車燈的亮度偏高，在監控影像內的特定區塊會形成過曝區，即為影像分析方法欲偵測的感興趣區塊。路燈也可能在監控影像上產生過曝區，但路燈係零散地沿路旁設置僅能生成小範圍過曝區，有別於車輛車燈的大範圍過曝區。因此，本發明的影像分析方法係接收監控影像，在監控影像或其偵測辨識區域裡定位初始觸發像素單元，並依前述步驟定位出第一觸發像素單元、甚或第二觸發像素單元。路燈所形成曝光區的尺度較小(可能只對應初始觸發像素單元)，車輛車燈所形成曝光區的尺度較大(可能對應到初始觸發像素單元、第一觸發像素單元與第二觸發像素單元)，故能從監控影像有效過濾出所需資訊，如感興趣區塊的最大尺度。
綜上所述，本發明的影像分析方法及其影像分析裝置能精準定位出偵測辨識區域內感興趣區塊的最大尺度，有效改善影像辨識之誤判率。如果監控畫面裡的移動感興趣區塊所佔被觸發像素單元之總數量符合觸發條件，本發明的影像分析方法可分析取得感興趣區塊之最大尺度，有效辨識出前揭移動感興趣區塊係屬於大尺寸的單個感興趣區塊、或為小尺寸的多個零散感興趣區塊或偽觸發區塊。如果感興趣區塊只有部份位於偵測辨識區域內，例如監控影像內的路人只有下半身位於斑馬線上的偵測辨識區域內，本發明的影像分析方法仍能自偵測辨識區域內的被觸發像素單元，延伸定位出感興趣區塊可能落在偵測辨識區域外的最大尺度，進一步正確判斷是否要觸發事件或應用在類似矩陣運算分析。此外，本發明的影像分析方法在不同定位階段會分別調整該階段的目標值以及被觸發像素單元的標記值，讓前階段定位出的被觸發像素單元不會在後階段被重複定位，有效減少運算數據量而提高影像分析裝置的運算效能。   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。
10:影像分析裝置12:影像取得器14:運算處理器I:監控影像O:感興趣區塊Ri:偵測辨識區域Ci:初始觸發像素單元Cb1:第一基準像素單元Cb2:第二基準像素單元Ct1:第一觸發像素單元Ct2:第二觸發像素單元Rd1:第一偵測範圍Rd2:第二偵測範圍T1:第一目標值T2:第二目標值M:遮罩S300、S302、S304、S306、S308、S310、S312、S314、S316、S318、S320、S322、S324、S326、S328:步驟
第1圖為本發明實施例之影像分析裝置之功能方塊圖。 第2圖為本發明實施例之影像分析裝置所取得監控影像之示意圖。 第3A圖與第3B圖為本發明實施例之影像分析方法之流程圖。 第4圖至第10圖分別為本發明實施例之監控影像在不同分析階段之示意圖。
S300、S302、S304、S306、S308、S310、S312、S314:步驟

Claims (12)

  1. 一種用來偵測影像內一感興趣區塊尺度之影像分析方法，其包含有： 在一影像之一偵測辨識區域內定位一初始觸發像素單元； 指派以該初始觸發像素單元為中心之一第一偵測範圍； 在該第一偵測範圍裡定位出符合一第一目標值之一第一基準像素單元； 以該第一基準像素單元為基準套用一遮罩，判斷該遮罩內是否能定位出一第一觸發像素單元；以及 利用該初始觸發像素單元與該第一觸發像素單元之定位結果，決定該影像內該感興趣區塊之一最大尺度。
  2. 如請求項1所述之影像分析方法，其中若該遮罩內無法定位出該第一觸發像素單元時，該感興趣區塊之該最大尺度對應於該初始觸發像素單元，若該遮罩內定位出該第一觸發像素單元時，該感興趣區塊之該最大尺度對應於該初始觸發像素單元與該第一觸發像素單元。
  3. 如請求項1所述之影像分析方法，其中該初始觸發像素單元與該第一觸發像素單元皆具有一初始標記值，該影像分析方法另包含有： 定位出N個該第一觸發像素單元後，將第N個該第一觸發像素單元修改為該初始標記值及N之總和，其中N為大於或等於1之正整數。
  4. 如請求項3所述之影像分析方法，另包含有： 將該第一目標值調校為一第二目標值； 指派以該初始觸發像素單元為中心之一第二偵測範圍，且該第二偵測範圍係大於該第一偵測範圍； 在該第二偵測範圍裡定位出符合該第二目標值之一第二基準像素單元； 以該第二基準像素單元為基準套用該遮罩，判斷該遮罩內是否能定位出一第二觸發像素單元；以及 利用該第二觸發像素單元之定位結果，重新決定該感興趣區塊之該最大尺度。
  5. 如請求項4所述之影像分析方法，其中若該遮罩內無法定位出該第二觸發像素單元時，該感興趣區塊之該最大尺度對應於該初始觸發像素單元與該第一觸發像素單元，若該遮罩內定位到該第二觸發像素單元時，該感興趣區塊之該最大尺度對應於該初始觸發像素單元、該第一觸發像素單元與該第二觸發像素單元。
  6. 如請求項4所述之影像分析方法，其中該第二觸發像素單元具有該初始標記值，該影像分析方法另包含有： 定位出M個該第二觸發像素單元後，將第M個該第二觸發像素單元修改為該初始標記值及N與M之總和，其中M為大於或等於1之正整數。
  7. 如請求項4所述之影像分析方法，其中該第一偵測範圍係於其上方、下方、左方及右方分別擴展K個像素單元以生成該第二偵測範圍，其中K為大於或等於1之正整數。
  8. 如請求項7所述之影像分析方法，其中該第一目標值等於0時，該第二目標值係調校為1，該第一目標值非0時，該第二目標值係調校為1與N之總和。
  9. 如請求項1所述之影像分析方法，另包含有： 統計該初始觸發像素單元與該第一觸發像素單元之一總數量；以及 根據統計結果判斷該總數量是否符合一觸發條件，據此相應啟動一應用程序。
  10. 如請求項9所述之影像分析方法，其中該觸發條件為該總數量與該影像之一預設比例。
  11. 如請求項1所述之影像分析方法，其中該遮罩為具有可調式尺寸之一矩陣。
  12. 一種用來偵測影像內一感興趣區塊尺度的影像分析裝置，應用於一監控攝影設備，該影像分析裝置包含有： 一影像取得器，用來取得一影像；以及 一運算處理器，電連接於該影像取得器，用來執行如請求項1至請求項11之其中之一或其組合所述之影像分析方法。
TW107147054A 2018-12-26 2018-12-26 影像分析方法及其影像分析裝置 TWI718459B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW107147054A TWI718459B (zh) 2018-12-26 2018-12-26 影像分析方法及其影像分析裝置
US16/671,190 US11012592B2 (en) 2018-12-26 2019-11-01 Image analyzing method and related image analyzing device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107147054A TWI718459B (zh) 2018-12-26 2018-12-26 影像分析方法及其影像分析裝置

Publications (2)

Publication Number Publication Date
TW202025087A TW202025087A (zh) 2020-07-01
TWI718459B true TWI718459B (zh) 2021-02-11

Family

ID=71124510

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107147054A TWI718459B (zh) 2018-12-26 2018-12-26 影像分析方法及其影像分析裝置

Country Status (2)

Country Link
US (1) US11012592B2 (zh)
TW (1) TWI718459B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7119816B2 (en) * 2003-03-31 2006-10-10 Microsoft Corp. System and method for whiteboard scanning to obtain a high resolution image
US7899208B2 (en) * 2004-01-06 2011-03-01 Sony Corporation Image processing device and method, recording medium, and program for tracking a desired point in a moving image
TW201328312A (zh) * 2011-12-27 2013-07-01 Icatch Technology Inc 修正紅眼的影像處理方法及裝置
TW201834445A (zh) * 2017-03-13 2018-09-16 晶睿通訊股份有限公司 影像擷取裝置及亮度調整方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10628699B2 (en) * 2017-06-13 2020-04-21 Samsung Electronics Co., Ltd. Event-based image feature extraction

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7119816B2 (en) * 2003-03-31 2006-10-10 Microsoft Corp. System and method for whiteboard scanning to obtain a high resolution image
US7899208B2 (en) * 2004-01-06 2011-03-01 Sony Corporation Image processing device and method, recording medium, and program for tracking a desired point in a moving image
TW201328312A (zh) * 2011-12-27 2013-07-01 Icatch Technology Inc 修正紅眼的影像處理方法及裝置
TW201834445A (zh) * 2017-03-13 2018-09-16 晶睿通訊股份有限公司 影像擷取裝置及亮度調整方法

Also Published As

Publication number Publication date
TW202025087A (zh) 2020-07-01
US11012592B2 (en) 2021-05-18
US20200213481A1 (en) 2020-07-02

Similar Documents

Publication Publication Date Title
CN106650662B (zh) 目标对象遮挡检测方法及装置
WO2019033572A1 (zh) 人脸遮挡检测方法、装置及存储介质
WO2019076187A1 (zh) 视频遮蔽区域选取方法、装置、电子设备及系统
CN106803083B (zh) 行人检测的方法及装置
KR101935010B1 (ko) 영상 기반 차량 번호판 인식 장치 및 방법
CN109784487B (zh) 用于事件检测的深度学习网络、该网络的训练装置及方法
CN112906647B (zh) 小跨径桥梁载重监测方法、装置、计算机设备及存储介质
US10659680B2 (en) Method of processing object in image and apparatus for same
CN111582255A (zh) 车辆超限检测方法、装置、计算机设备和存储介质
CN109389622A (zh) 车辆追踪方法、装置、识别设备及存储介质
CN111797726A (zh) 一种火焰检测方法、装置、电子设备及存储介质
CN110225236B (zh) 为视频监控系统配置参数的方法、装置和视频监控系统
CN107403169B (zh) 信号灯检测识别方法及装置
CN111372042B (zh) 故障检测方法、装置、计算机设备和存储介质
WO2022227548A1 (zh) 抛洒事件检测方法、装置、电子设备、存储介质及计算机程序产品
CN111127358A (zh) 图像处理方法、装置及存储介质
TWI718459B (zh) 影像分析方法及其影像分析裝置
CN108831158A (zh) 违停监测方法、装置及电子终端
CN112287905A (zh) 车辆损伤识别方法、装置、设备及存储介质
US10268922B2 (en) Image processing by means of cross-correlation
CN116168345B (zh) 火灾检测方法及相关设备
CN105574490B (zh) 基于车前灯图像特征的车辆品牌识别方法和系统
US10062155B2 (en) Apparatus and method for detecting defect of image having periodic pattern
CN116052230A (zh) 一种掌静脉识别方法、装置、设备及存储介质
WO2022179016A1 (zh) 车道检测方法、装置、设备及存储介质