CN103841340A - 图像传感器及其运作方法 - Google Patents

图像传感器及其运作方法 Download PDF

Info

Publication number
CN103841340A
CN103841340A CN201310231531.7A CN201310231531A CN103841340A CN 103841340 A CN103841340 A CN 103841340A CN 201310231531 A CN201310231531 A CN 201310231531A CN 103841340 A CN103841340 A CN 103841340A
Authority
CN
China
Prior art keywords
imageing sensor
feature
order
characteristic point
circuit
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN201310231531.7A
Other languages
English (en)
Inventor
李泉欣
姚文翰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pixart Imaging Inc
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 CN103841340A publication Critical patent/CN103841340A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

一种图像传感器，其包括感光元件和数字信号处理电路。所述感光元件用以输出数字图像。所述数字信号处理电路用以检测所述数字图像中至少一个特征点并计算所述特征点的特征点坐标。

Description

图像传感器及其运作方法
技术领域
本发明是有关于一种传感器，且特别是有关于一种整合演算逻辑于数字信号处理电路的图像传感器及其运作方法。
背景技术
现行特征点检测（feature detection）多用于电脑视觉的前处理，之后，再利用特征点来进行后续的电脑视觉运算。一般来说，通常是利用软体的方式先将所获得的图像进行图像的特征点取得，之后再利用软体进行特征点比对。
详细来说，由于图像中通过使用者定义的方式所获得的特征点通常在图像空间中具有较高的独特性，因此在进行图像匹配时可具有较好的比对正确性，也就是说，通常是利用特征点来进行后续的电脑视觉运算。简言之，传统已知的方法是由图像传感器提供输出图像，之后再利用电脑或行动装置的运算单元，以进行图像中特征点搜寻与检测。
发明内容
本发明提供一种图像传感器，其整合演算逻辑于数字信号处理电路中而具有高效率的特征检测表现。
本发明的其他目的和优点可以从本发明所披露的技术特征中得到进一步的了解。
为实现上述的部分或全部目的或是其他目的，本发明一实施例提出一种图像传感器，包含感光元件和数字信号处理电路。所述感光元件用以输出数字图像。所述数字信号处理电路包含特征点检测电路用以检测所述数字图像中至少一个角特征并计算所述角特征的特征点坐标。
本发明还提供一种图像传感器，包含感光元件、存储单元和特征点检测电路。所述感光元件用以输出数字图像。所述特征点检测电路包含角特征演算逻辑、角响应演算逻辑和非最大值抑制演算逻辑。所述角特征演算逻辑用以检测所述数字图像中至少一个角坐标并储存在所述存储单元中。所述角响应演算逻辑用以计算相对每一个所述角坐标的角响应值。所述非最大值抑制演算逻辑用以将预设像素空间范围内具有最大角响应值以外的角坐标的角坐标自所述存储单元移除。
本发明还提供一种图像传感器的运作方法，包含下列步骤：以感光元件获取数字图像；以及以处理电路计算并输出所述数字图像中至少一个特征点的特征点坐标。
一实施例中，检测数字图像中的特征点的方式可使用角检测（cornerdetection）演算法来进行。
一实施例中，图像传感器还包含特征描述演算逻辑，该特征描述演算逻辑用以计算特征点的识别特征（identification feature）。
一实施例中，图像传感器还包含特征匹配电路，该特征描述演算逻辑用以匹配连续的数字图像中具有最近似识别特征的特征点。
一实施例中，图像传感器还包含特征追踪电路，该特征追踪电路用以在连续的数字图像中追踪特征点。
基于上述，本发明的图像传感器可即时输出预览图像和数字图像中的特征点位置或其特征值，并可结合前后的数字图像所检测到的特征点，进行特征点比对（Matching）运算，进一步可求出图像序列中具特征点物体的运动向量。此外，本实施例的图像传感器也可利用所检测到的特征点，对接下来的图像序列中的这些特征点进行追踪（Tracking），当所追踪的特征点消失或数量不足，可再重新对数字图像进行特征点检测，以维持追踪中的特征点数量。另外，本实施例的图像传感器还可利用多个具特征点检测的图像传感器，在同时间不同位置取得的特征点，进行特征点比对运算，并利用图像传感器相对应的实体空间关系，以求得数字图像中具特征点物体的深度的立体视觉应用。
为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。
附图说明
图1显示本发明实施例的图像传感器的方块示意图；
图2显示图1的图像传感器中的数字信号处理电路的方块示意图；
图3显示图2的数字信号处理电路中的特征点检测电路的方块示意图；
图4A和4B显示角检测演算逻辑进行角检测的示意图；
图5显示稀疏演算逻辑的运作示意图；
图6显示本发明实施例的图像传感器的运作方法的流程图。
附图标记说明
100     图像传感器
110     感光元件
112     感光阵列
114     类比数字转换电路
120     数字信号处理电路
122     特征点检测电路
122a    角检测演算逻辑
122′   稀疏演算逻辑
122b    角响应演算逻辑
122c    非最大值抑制演算逻辑
122d    特征描述演算逻辑
124     特征点匹配电路
126     特征点追踪电路
140     传感器控制电路
150     存储单元
170     图像信号处理电路
180     输入输出介面
182     串列介面
184     并列介面
S1      图像信号
S1′    数字图像
L1      图像光束
S21-S27 步骤
C1、C2  特征点
M       预设像素空间范围。
具体实施方式
有关本发明的前述和其他技术内容、特点与功效，在以下配合参考图式的较佳实施例的详细说明中，将可清楚的呈现。以下实施例中所提到的方向用语，例如：上、下、左、右、前或后等，仅是参考附加图式的方向。因此，使用的方向用语是用来说明并非用来限制本发明。
图1为本发明实施例的图像传感器的示意图，图2为图1的图像传感器中的数字信号处理电路的方块示意图，而图3为图2的数字信号处理电路中的特征点检测电路的方块示意图。请先同时参考图1和图2，本实施例的图像传感器100包括感光元件110和数字信号处理电路120。一般来说，感光元件110包含有感光阵列112和类比数字转换电路114（ADC），因此当图像光束L1照射于感光元件110时，感光阵列112便可感测所述图像光束L1而产生对应的图像信号S1，其中感光阵列112所产生的图像信号S1通常是类比信号。为了让后续的数字信号处理电路120可对图像信号S1进行计算，感光元件110中的类比数字转换电路114（ADC）可将类比的图像信号S1转换成数字图像S1′，以供之后的数字信号处理电路120进行运算和处理。换句话说，感光元件110用以检测图像光束L1并输出数字图像S1′。
在本实施例中，数字信号处理电路120包含特征点（feature）检测电路122，其中数字信号处理电路120在接收到数字图像S1′后，特征点检测电路122会针对数字图像S1′进行处理和运算而检测出数字图像S1′中的特征点。本实施例中，特征点检测电路122可利用角检测（corner detection）演算法检测数字图像S1′中的角特征；其中，特征点演算法可使用如Harris,FAST,Shi_Tomasi,LoG/DoG,SIFT,SURF和SUSAN等演算法。另一实施例中，特征点检测电路122并不一定要检测角特征，也可用以检测其他图像特征，例如十字特征演算法，只要是能够检测出数字图像S1′中的特征点以进行后续处理者即可，上述后处理例如包括特征匹配（matching）或特征追踪（tracking）等，但并不以此为限。
具体来说，特征点检测电路122至少包含有角检测演算逻辑122a，如图3所示；其中，角检测演算逻辑122a可以进行角检测或其他特征检测。本实施例中，角检测演算逻辑122a可以采用FAST（Features from AcceleratedSegment Test）演算法进行角检测；例如，角检测演算逻辑122a可用以检测数字图像S1′中至少一个角特征并将所述角特征相关的信息，例如特征点坐标（即角坐标），储存于存储单元150中或直接输出角坐标。一种角检测演算法中，角检测演算逻辑122a进行角检测的方式可以图4A与图4B进行说明；其中，图4B是说明针对图4A的局部图像区进行角检测的示意图。由图4B中可知，每一选定画素P的周边可选取16个连续相连的画素，如图4B所绘示排列方式，其中若这些画素的灰阶值的中有出现九个或以上“连续”大于或小于所选定画素P的灰阶值时，所述选定画素P便可被判定是“角”（corner）；反之，则否。可以了解的是，图4A和4B仅为一种实施方式，本发明可使用的特征点的检测方式并不限于此。
当图像传感器100操作于背景复杂的环境中时，数字图像S1′中会包含大量的角特征，因此为了节省***资源，特征点检测电路122较佳还包含稀疏演算逻辑122′用以选择预设像素空间范围内的极值角特征并移除所述极值角特征以外的角特征，以降低数字图像S1′中角特征数目。
在可选择的实施例中，稀疏演算逻辑122′还可包括有角响应演算逻辑122b，如图3所示，用以修正、重复确认或优化角检测演算逻辑122a所检测到的特征点（如：上述的“角”），其中角响应演算逻辑122b例如是使用Harris演算法进行角检测的优化。具体来说，已检测出的特征点可估算HarrisCorner Response以作为每一特征点的响应值，利用阈值（Threshold）来滤除一些响应值较低的特征点，或用以进行空间特征点的稀疏化，其中稀疏化例如可定义为保留预设像素空间范围中特征响应值最大的一个或数个特征点并移除其他特征点。
为了避免前述角检测演算逻辑122a或角响应演算逻辑122b所产生特征点过多而导致存储单元150的储存容量不够，或是为了提高整体的运算效率，在本实施例中，特征点检测电路122可包括有非最大值抑制演算逻辑（Non-maximal suppression）122c，如图3所示，对所检测到的特征点进行进一步的选取滤除，其中非最大值抑制演算逻辑122c例如可以是选用5x5或3x3或其他大小的矩阵依序对数字图像S1′中的特征点进行滤除。例如参照图5所示，其显示感光元件110所输出的数字图像S1′。角响应演算逻辑122b用以计算相对每一角坐标（例如此处将具有高响应的特征点显示为C1并将具有低响应的特征点显示为C2）的角响应值；非最大值抑制演算逻辑122c此处以5x5的预设像素空间范围M（例如矩阵）依序扫描数字图像S1′并当所框选的位置上有数个特征点时便仅会留下响应值最大的一个特征点，而滤除其他特征点（例如将C1保留而将C2移除），如此便可有效地降低特定区域内特征点过于集中的情况，以达成特征点在图像空间上的稀疏化。上述移除是指将预设像素空间范围M内具有最大角响应值的角坐标以外的角坐标（例如C2）自存储单元移除。换句话说，稀疏演算逻辑122′是用以计算数字图像S1′中每一特征点的响应值并选择保留预设像素空间范围M内具有最大响应值的极值特征点（例如特征点C1）和/或以响应阈值保留部分特征点。
另外，通过上述的演算逻辑（包括角检测演算逻辑122a和稀疏演算逻辑122′）所获得的特征点通常是仅包含位置信息，也即特征点与特征点的间的并无其他较为独特的区分。因此，特征点检测电路122可还包括有特征描述演算逻辑（feature descriptor）122d，用以对各特征点进行固定方式的运算以求得每一特征点的识别特征，例如包括旋转角度、亮度分布和/或夹角等。所述识别特征使得每一特征点可具有独特性，如此一来，数字信号处理电路120在进行后续特征点比对（feature matching）时，可利用每一特征点的识别特征进行比对，便可具有较佳的比对正确性表现。此外，当特征点检测电路122a包含用以移除预设像素空间范围M内具有最大响应值的特征点以外的特征点的稀疏演算逻辑122′时，特征描述演算逻辑122d用以计算具有最大角响应值的特征点（即被保留的特征点）的识别特征。
此外，数字信号处理电路120可还包括有特征点匹配电路124和特征点追踪电路126，其中当前述的特征点检测电路122检测出特征点时，特征点匹配电路124便可将两张相似的数字图像上所产生的特征点进行特征点匹配，例如匹配连续的数字图像S1′中具有最近似识别特征的特征点。在一实施例中，当特征点匹配电路124将不同时间下两张相似的数字图像上所产生的特征点进行特征点匹配后，特征点追踪电路126便可根据匹配后的特征点所产生的位移量，进行特征点追迹，也即可根据所产生的位移量判断目标物或者是图像传感器本身的移动，而应用于各种电子装置上。另一实施例中，特征追踪电路126可直接在连续的数字图像S1′中追踪至少一个特征点或具有最大响应值的特征点。需要说明的是，上述的特征点匹配电路124和特征点追踪电路126可以是硬体、韧体或软体，本发明并不特别限定，此部分可视使用者的考虑而可有弹性调整的空间，上述的特征点检测电路122在本发明中以硬体架构作为例示。
本实施例中，图像传感器100可还包括有传感器控制电路140和存储单元150，其中传感器控制电路140是可控制感光元件110的图像输出信号和特征点输出信号。详细来说，本实施例的图像传感器100可包括有图像信号处理电路170，其中图像信号处理电路170是可接受并处理感光元件110所产生的数字图像S1′，传感器控制电路140便可控制图像信号处理电路170的图像输出（例如输出预览图像）和数字信号处理电路120的特征点输出（例如输出坐标、识别特征）。换言之，本实施的图像传感器100除了可即时地输出预览图像也可同时检测数字图像中的特征点的坐标和其特征值。本实施例中，存储单元150适于储存前述所提及的数据。其他实施例中，图像信号处理电路170和数字信号处理电路120可合并成单一处理电路。
值得一提的是，本实施例是以感光元件110所获取的数字图像S1′进行举例说明。然而，在其他实施例中，本发明所提供的方法也可以是利用外部感光元件所获取到的图像进行处理而判断所述图像的特征点信息，具体实施方法如前述实施态样所描述，在此不再赘述。
另外，本实施例的图像传感器100还可包括有输入输出介面180用以进行数据传输；其中，输入输出介面180可包括有串列介面182或并列介面184。
请参照图6所示，本发明实施例的图像传感器的运作方法包含下列步骤：以感光元件获取数字图像（步骤S21）;以处理电路计算并输出所述数字图像中至少一个特征点的特征点坐标（步骤S22）;计算每一个所述特征点的特征响应值（步骤S23）;选择预设像素空间范围内的最大特征响应值（步骤S24）;以及计算每一个所述特征点的识别特征（步骤S25）；其中，本实施例的详细实施方式已说明于图2-5和其相关说明，故于此不在赘述。必须说明的是，上述各步骤并不需要全部被实施，可根据不同需求仅选择一部分实施。例如，当图像传感器100操作于背景单纯的环境中时，可不执行步骤S23和S24而直接执行步骤S25，以计算出数字图像S1′中每一个特征点的识别特征；其中，所述识别特征例如可为旋转角度、亮度分布、夹角等任何可表现特征点的独特性的特征值，并无特定限制。
本发明中，图像传感器100除了通过图像信号处理电路170根据数字图像S1′输出预览图像以外，还可通过数字信号处理电路120计算并输出所述数字图像S1′中至少一个特征点的特征点坐标（步骤S22）。此外，为了降低***资源（例如存储单元150的使用空间以和数字信号处理电路120的运算时间），可仅保留预设像素空间范围内具有最大特征响应值的特征点相关的信息并移除具有所述最大特征响应值的特征点以外的特征点，如图5所示，故可大幅增加特征点的稀疏程度。例如需计算位移量时，可利用特征匹配电路124匹配连续的数字图像S1′中具有最近似识别特征的特征点（步骤S26）。当要进行物件追踪时，可利用特征追踪电路126在连续的数字图像S1′中追踪至少一个特征点或上述具有最大响应值的特征点（步骤S27）。必须说明的是，特征点匹配电路124和特征追踪电路126可根据***需求选择性的被实施。
基于上述可知，本实施例的图像传感器100可即时输出预览图像和数字图像中的特征点位置或其特征值，并可结合前后张数字图像所检测到的特征点，进行特征点比对（Matching）运算，进一步可求出图像序列中具特征点物体的运动向量。此外，本实施例的图像传感器100也可利用所检测到的特征点，对接下来的图像序列中的这些特征点进行追踪（Tracking），当所追踪的特征点消失或数量不足，可再重新对数字图像进行特征点检测，以维持追踪中的特征点数量。另外，本实施例的图像传感器100还可利用多个具特征点检测的图像传感器，在同时间不同位置取得的特征点，进行特征点比对运算，并利用图像传感器相对应的实体空间关系，以求得数字图像中具特征点物体的深度的立体视觉应用。
以上所述仅为本发明的较佳实施例而已，不能以此限定本发明实施的范围，即依本发明权利要求和发明说明内容所作的简单的等效变化与修饰，皆属本发明专利涵盖的范围内。另外本发明的任一实施例或权利要求不须达成本发明所披露的全部目的或优点或特点。此外，摘要部分和标题仅是用来辅助专利文件搜寻之用，并非用来限制本发明的权利范围。

Claims (19)

1.一种图像传感器，该图像传感器包含：
感光元件，该感光元件用以输出数字图像；以及
数字信号处理电路，该数字信号处理电路包含特征点检测电路，该特征点检测电路用以检测所述数字图像中至少一个角特征并计算所述角特征的特征点坐标。
2.根据权利要求1所述的图像传感器，其中所述特征点检测电路还包含稀疏演算逻辑，该稀疏演算逻辑用以选择预设像素空间范围内的极值角特征。
3.根据权利要求2所述的图像传感器，其中所述稀疏演算逻辑用以计算每一个所述角特征的角响应值并选择所述预设像素空间范围内具有最大角响应值的极值角特征。
4.根据权利要求1所述的图像传感器，其中所述特征点检测电路还包含特征描述演算逻辑，该特征描述演算逻辑用以计算每一个所述角特征的识别特征。
5.根据权利要求1所述的图像传感器，其中所述数字信号处理电路还包含特征匹配电路，该特征匹配电路用以匹配连续的数字图像中具有最近似识别特征的角特征。
6.根据权利要求1所述的图像传感器，其中所述数字信号处理电路还包含特征追踪电路，该特征追踪电路用以在连续的数字图像中追踪所述至少一个角特征。
7.根据权利要求1所述的图像传感器，该图像传感器还包含图像信号处理电路，该图像信号处理电路用以根据所述数字图像输出预览图像。
8.一种图像传感器，该图像传感器包含：
感光元件，用以输出数字图像；
存储单元；以及
特征点检测电路，该特征点检测电路包含：
角特征演算逻辑，用以检测所述数字图像中至少一个角坐标并储存在所述存储单元中；
角响应演算逻辑，用以计算相对每一个所述角坐标的角响应值；以及
非最大值抑制演算逻辑，用以将预设像素空间范围内具有最大角响应值的角坐标以外的角坐标从所述存储单元移除。
9.根据权利要求8所述的图像传感器，其中所述特征点检测电路还包含特征描述演算逻辑，该特征描述演算逻辑用以计算所述具有最大角响应值的角坐标的识别特征。
10.根据权利要求9所述的图像传感器，该图像传感器还包含特征匹配电路，该特征匹配电路用以匹配连续的数字图像中具有最近似识别特征的角坐标。
11.根据权利要求9所述的图像传感器，其中所述识别特征为旋转角度、亮度分布和/或夹角。
12.根据权利要求8所述的图像传感器，该图像传感器还包含特征追踪电路，该特征追踪电路用以在连续的数字图像中追踪所述具有最大角响应值的角坐标。
13.根据权利要求8所述的图像传感器，该图像传感器还包含图像信号处理电路，该图像信号处理电路用以根据所述数字图像输出预览图像。
14.一种图像传感器的运作方法，该运作方法包含：
以感光元件获取数字图像；以及
以处理电路计算并输出所述数字图像中至少一个特征点的特征点坐标。
15.根据权利要求14所述的运作方法，该运作方法还包含：
计算每一个所述特征点的特征响应值；以及
选择预设像素空间范围内的最大特征响应值。
16.根据权利要求14或15所述的运作方法，该运作方法还包含：
计算每一个所述特征点的识别特征。
17.根据权利要求16所述的运作方法，该运作方法还包含：
匹配连续的数字图像中具有最近似识别特征的特征点。
18.根据权利要求14所述的运作方法，该运作方法还包含：
在连续的数字图像中追踪所述至少一个特征点。
19.根据权利要求14所述的运作方法，该运作方法还包含：
根据所述数字图像输出预览图像。
CN201310231531.7A 2012-11-26 2013-06-09 图像传感器及其运作方法 Pending CN103841340A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
TW101144248 2012-11-26
TW101144248 2012-11-26
TW102114787A TW201421423A (zh) 2012-11-26 2013-04-24 影像感測器及其運作方法
TW102114787 2013-04-24

Publications (1)

Publication Number Publication Date
CN103841340A true CN103841340A (zh) 2014-06-04

Family

ID=50804436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310231531.7A Pending CN103841340A (zh) 2012-11-26 2013-06-09 图像传感器及其运作方法

Country Status (3)

Country Link
US (1) US9313412B2 (zh)
CN (1) CN103841340A (zh)
TW (1) TW201421423A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106162001A (zh) * 2016-07-07 2016-11-23 宁波舜宇智能科技有限公司 用于位移传感器的图像处理***、装置和方法
CN106412441A (zh) * 2016-11-04 2017-02-15 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10460453B2 (en) * 2015-12-30 2019-10-29 Texas Instruments Incorporated Feature point identification in sparse optical flow based tracking in a computer vision system
CN106981073B (zh) * 2017-03-31 2019-08-06 中南大学 一种基于无人机的地面运动目标实时跟踪方法及***
CN114913216A (zh) * 2021-01-29 2022-08-16 深圳光峰科技股份有限公司 图像中图形角点的识别方法、装置、介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1394078A (zh) * 2001-06-22 2003-01-29 三洋电机株式会社 摄影装置
US20050281440A1 (en) * 2004-06-18 2005-12-22 Pemer Frederick A Iris feature detection and sensor-based edge detection
TW201019241A (en) * 2008-11-14 2010-05-16 Topseed Technology Corp Method for identifying and tracing gesture
CN102118549A (zh) * 2009-12-31 2011-07-06 敦南科技股份有限公司 影像感测装置侦测闪频光的方法及其影像感测装置
US20120182442A1 (en) * 2011-01-14 2012-07-19 Graham Kirsch Hardware generation of image descriptors

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311305A (en) * 1992-06-30 1994-05-10 At&T Bell Laboratories Technique for edge/corner detection/tracking in image frames
US7085404B2 (en) * 2001-10-11 2006-08-01 Industry-University Cooperation Foundation, Hangyang University Image analysis system and method of biochip
US7409092B2 (en) * 2002-06-20 2008-08-05 Hrl Laboratories, Llc Method and apparatus for the surveillance of objects in images
US7406196B2 (en) * 2004-03-19 2008-07-29 Lockheed Martin Corporation Methods and systems for automatic detection of corners of a region
US7373012B2 (en) * 2005-02-01 2008-05-13 Mitsubishi Electric Research Laboratories, Inc. Detecting moving objects in videos with corner-based background model
US8942283B2 (en) 2005-03-31 2015-01-27 Euclid Discoveries, Llc Feature-based hybrid video codec comparing compression efficiency of encodings
US8218836B2 (en) * 2005-09-12 2012-07-10 Rutgers, The State University Of New Jersey System and methods for generating three-dimensional images from two-dimensional bioluminescence images and visualizing tumor shapes and locations
KR100780151B1 (ko) * 2005-11-22 2007-11-27 주식회사 휴맥스 최소/최대 필터를 이용한 에지 보상 장치 및 방법
WO2008018398A1 (fr) * 2006-08-10 2008-02-14 Nec Corporation dispositif d'extraction de région d'objet
US20100027839A1 (en) * 2007-07-31 2010-02-04 Think/Thing System and method for tracking movement of joints
US8081798B2 (en) * 2007-11-20 2011-12-20 Lawrence Livermore National Security, Llc Method and system for detecting polygon boundaries of structures in images as particle tracks through fields of corners and pixel gradients
CN101458814B (zh) * 2007-12-13 2012-02-01 东软集团股份有限公司 一种用于从图像中分割对象感兴趣区域的方法和装置
JP2009212969A (ja) * 2008-03-05 2009-09-17 Toshiba Corp 画像処理装置、画像処理方法、及び画像処理プログラム
US8379989B2 (en) * 2008-04-01 2013-02-19 Toyota Jidosha Kabushiki Kaisha Image search apparatus and image processing apparatus
JP5487610B2 (ja) * 2008-12-18 2014-05-07 ソニー株式会社 画像処理装置および方法、並びにプログラム
JP2010171797A (ja) * 2009-01-23 2010-08-05 Nikon Corp 撮像装置及びプログラム
TWI384408B (zh) 2009-04-30 2013-02-01 Ind Tech Res Inst 影像辨識以及輸出方法與其系統
WO2011015801A1 (en) * 2009-08-06 2011-02-10 Toshiba Research Europe Limited Correlated probabilistic trajectories pedestrian motion detection using a decision forest
JP5372680B2 (ja) * 2009-09-24 2013-12-18 日立オートモティブシステムズ株式会社 障害物検知装置
JP5781743B2 (ja) * 2010-06-28 2015-09-24 ソニー株式会社 画像処理装置、画像処理方法及び画像処理プログラム
JP5700968B2 (ja) * 2010-07-16 2015-04-15 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
US8508612B2 (en) 2010-09-30 2013-08-13 Apple Inc. Image signal processor line buffer configuration for processing ram image data
JP5597096B2 (ja) * 2010-10-18 2014-10-01 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
JP2012234258A (ja) * 2011-04-28 2012-11-29 Sony Corp 画像処理装置と画像処理方法およびプログラム
US8582821B1 (en) * 2011-05-23 2013-11-12 A9.Com, Inc. Tracking objects between images
US8873865B2 (en) * 2011-10-10 2014-10-28 Qualcomm Incorporated Algorithm for FAST corner detection
US9374571B2 (en) * 2011-10-11 2016-06-21 Panasonic Intellectual Property Management Co., Ltd. Image processing device, imaging device, and image processing method
US9224205B2 (en) * 2012-06-14 2015-12-29 Qualcomm Incorporated Accelerated geometric shape detection and accurate pose tracking
JP5679229B2 (ja) * 2012-08-24 2015-03-04 楽天株式会社 画像処理装置、画像処理方法、及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1394078A (zh) * 2001-06-22 2003-01-29 三洋电机株式会社 摄影装置
US20050281440A1 (en) * 2004-06-18 2005-12-22 Pemer Frederick A Iris feature detection and sensor-based edge detection
TW201019241A (en) * 2008-11-14 2010-05-16 Topseed Technology Corp Method for identifying and tracing gesture
CN102118549A (zh) * 2009-12-31 2011-07-06 敦南科技股份有限公司 影像感测装置侦测闪频光的方法及其影像感测装置
US20120182442A1 (en) * 2011-01-14 2012-07-19 Graham Kirsch Hardware generation of image descriptors

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CHRISTOPHER CLAUS ET AL.: "Optimizing the SUSAN corner detection algorithm for a high speed FPGA implementation", 《2009 INTERNATIONAL CONFERENCE ON FIELD PROGRAMMABLE LOGIC AND APPLICATIONS》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106162001A (zh) * 2016-07-07 2016-11-23 宁波舜宇智能科技有限公司 用于位移传感器的图像处理***、装置和方法
CN106162001B (zh) * 2016-07-07 2019-05-10 宁波舜宇智能科技有限公司 用于位移传感器的图像处理***、装置和方法
CN106412441A (zh) * 2016-11-04 2017-02-15 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端
CN106412441B (zh) * 2016-11-04 2019-09-27 珠海市魅族科技有限公司 一种视频防抖控制方法以及终端

Also Published As

Publication number Publication date
TW201421423A (zh) 2014-06-01
US9313412B2 (en) 2016-04-12
US20140232893A1 (en) 2014-08-21

Similar Documents

Publication Publication Date Title
Noh et al. Hvpr: Hybrid voxel-point representation for single-stage 3d object detection
EP1975879B1 (en) Computer implemented method for tracking object in sequence of frames of video
US11663691B2 (en) Method and apparatus for restoring image
Chen et al. MSARN: A deep neural network based on an adaptive recalibration mechanism for multiscale and arbitrary-oriented SAR ship detection
US10621446B2 (en) Handling perspective magnification in optical flow processing
Liu et al. Fg-net: A fast and accurate framework for large-scale lidar point cloud understanding
CN113286194A (zh) 视频处理方法、装置、电子设备及可读存储介质
CN103841340A (zh) 图像传感器及其运作方法
CN103279952A (zh) 一种目标跟踪方法和装置
CN108875519B (zh) 对象检测方法、装置和***及存储介质
CN114119992B (zh) 基于图像与点云融合的多模态三维目标检测方法及装置
CN110827320B (zh) 基于时序预测的目标跟踪方法和装置
WO2021098802A1 (en) Object detection device, method, and systerm
Cambuim et al. Hardware module for low-resource and real-time stereo vision engine using semi-global matching approach
US11657485B2 (en) Method for expanding image depth and electronic device
CN111914756A (zh) 一种视频数据处理方法和装置
US9349069B2 (en) Dynamic line-detection system for processors having limited internal memory
CN108696745A (zh) 相机校准
Stumpp et al. Harms: A hardware acceleration architecture for real-time event-based optical flow
Buder Dense real-time stereo matching using memory efficient semi-global-matching variant based on FPGAs
KR101806453B1 (ko) 무인 비행체 충돌 회피를 위한 이동 객체 검출 장치 및 방법
US11706546B2 (en) Image sensor with integrated single object class detection deep neural network (DNN)
CN116977671A (zh) 基于图像空间定位的目标跟踪方法、装置、设备及存储介质
CN113033578B (zh) 基于多尺度特征匹配的图像校准方法、***、终端及介质
CN114549429B (zh) 基于超图结构的深度数据质量评价方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140604