JP6873342B2 - 背景モデル生成装置、背景モデル生成プログラム、及び背景モデル生成方法 - Google Patents
背景モデル生成装置、背景モデル生成プログラム、及び背景モデル生成方法 Download PDFInfo
- Publication number
- JP6873342B2 JP6873342B2 JP2020570313A JP2020570313A JP6873342B2 JP 6873342 B2 JP6873342 B2 JP 6873342B2 JP 2020570313 A JP2020570313 A JP 2020570313A JP 2020570313 A JP2020570313 A JP 2020570313A JP 6873342 B2 JP6873342 B2 JP 6873342B2
- Authority
- JP
- Japan
- Prior art keywords
- background model
- image
- pixel
- background
- pixels
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 70
- 230000008569 process Effects 0.000 claims description 52
- 238000001514 detection method Methods 0.000 claims description 14
- 230000004048 modification Effects 0.000 description 22
- 238000012986 modification Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Description
背景画像の更新処理に係る負荷を低減できるようにすること、及び
映像中に背景画像として適切でない領域が含まれる場合に、分類処理を実施して前記領域に係る画素を除外することを目的とする。
画像を取得する画像取得部と、
前記画像取得部が取得した画像の画素に係る値に基づいて、分類条件に従って前記画素を分類する画素分類部と、
前記画素分類部が分類した画素から前記画像取得部が取得した画像に係る背景画像と同一又は類似の画像である背景モデルを生成する背景モデル生成部とを備える。
以下、本実施の形態について、図面を参照しながら詳細に説明する。
図1は、本実施の形態に係る背景モデル生成装置10の構成図である。
画像は、映像ストリームを構成する単位である。画像は、複数の画素からなる。
その画素から取得できる値、
その画素から取得できる少なくとも1の値とその画素の周辺に位置する少なくとも1の画素から取得できる値を合成した値、
その画素の周辺に位置する画素のいずれかの画素から取得できる値、及び
その画素の周辺に位置する少なくとも1の画素から取得できる複数の値を合成した値のいずれかの値である。
また、画素に係る値を代表画素値とも呼ぶ。
背景モデル生成装置10は、図2に示す一般的なコンピュータ100から構成され、プロセッサ111、メモリ112、記憶装置113、入力インタフェース114、及び出力インタフェース115等のハードウェアを備える。
画像取得部101、画素分類部102、及び背景モデル生成部103は、プロセッサ111及びメモリ112から構成される。パラメータ保存用ストレージ105は、記憶装置113から構成される。
以下、本実施の形態における背景モデル生成装置10の動作について説明する。背景モデル生成装置10の動作は、背景モデル生成方法に相当する。背景モデル生成方法の手順は、背景モデル生成プログラムの手順に相当する。
図3は、本実施の形態に係る背景モデル生成装置10の動作を示すフローチャートである。
画像取得部101は、背景モデル生成装置10に入力された背景の固定された映像から少なくとも1の画像を取得する画像取得処理を実施する。
画素分類部102は、画像取得部101が取得した全ての画像に係る全ての画素に対して、画素に係る値に基づいて画素を分類する画素分類処理を実施する。分類処理においては分類条件を利用し、前記分類条件は、パラメータ保存用ストレージ105から取得した分類条件設定用パラメータに基づき設定する。
背景モデル生成部103は、画素分類部102によって背景画素として分類された画素を利用して、背景モデルを生成する背景モデル生成処理を実施する。なお、背景になり得る値を示したテキストファイル又はバイナリファイルを生成してもよい。また、本ステップで生成したものを記憶装置113に記憶してもよい。
図4は、本実施の形態における画素分類部102及び背景モデル生成部103の構成図である。
図5は、本実施の形態における画素分類部102及び背景モデル生成部103の動作を示すフローチャートである。
条件取得部121は、パラメータ保存用ストレージ105から分類条件設定用パラメータを取得する。
値選定部122は、画像取得部101が取得した全ての画像に係る全ての画素Vt(x,y)について、画素に係る値vt(x,y)を選定する。ここで、添え字のtは画像に係る時刻を表す。つまり、Vt(x,y)は、時刻tにおける画像の位置座標(x,y)における画素を表す。
ここでは、画素に係る値は、具体例としては、画素値をHSV表色系で表現した際の明度Vの値であるものとする。
値選定部122は、画素Vt(x,y)の画素に係る値vt(x,y)として、明度Vの値を選定する。
値判定部123は、画像取得部101が取得した全ての画像に係る全ての画素を、値選定部122において選定した画素に係る値と、条件取得部121において取得した分類条件設定用パラメータとの関係に基づいて判定する。
Tmin(x,y)≦vt(x,y)≦Tmax(x,y)・・・(式1)
vt(x,y)<Tmin(x,y)・・・(式2)
Tmax(x,y)<vt(x,y)・・・(式3)
画素生成部131は、画素分類部102が分類した背景画素を利用し、背景モデルに係る背景画素である背景モデル画素を生成する。
画像生成部132は、前記背景モデル画素を使用して背景モデルに係る画像を生成する。なお、背景になり得る値を示したテキストファイル又はバイナリファイルを生成してもよい。また、本ステップで生成したものを記憶装置113に記憶してもよい。
この実施の形態の背景モデル生成装置は、画角の固定された長時間映像から画像を取得する画像取得部101と、映像の画素値を分類条件に従って振り分ける画素分類部102と、振り分けられた画素値から背景モデルを生成する背景モデル生成部103とを備えることを特徴とする。
図6は、本実施の形態における処理の具体例であり、本図を参照して本実施の形態に係る効果を具体的に説明する。
本図は、背景モデル生成装置10が、カメラ20が同じ地点を8時から20時まで撮影した映像であって、日照変化により照明条件が変化する映像に基づき、明度の高い領域の画素のみから成る背景モデルである高明度背景モデル61を生成する流れを示している。
パラメータ保存用ストレージ105は、明度Vの高い画素を背景画素と分類できるような前記背景と認められる最小値Tmin(x,y)及び前記背景と認められる最大値Tmax(x,y)を記憶することにより、
背景モデル生成装置10は、高明度背景モデル61を生成する。
本実施の形態の背景モデル生成装置10では、入力装置として、カメラ20を対象とするように構成されているが、RGBカメラに限定されるものではない。具体例としては、サーマルカメラ(Thermal Camera)又はデプスカメラ(Depth Camera)を入力装置としてもよい。
本実施の形態の背景モデル生成装置10には、1台のカメラのみ接続されている。しかし、背景モデル生成装置10にカメラが複数台接続されていてもよい。本変形例では、背景モデル生成装置10は、1のカメラにつき1の背景モデルを生成する。
本実施の形態の背景モデル生成装置10は、カメラから入力された映像を使用している。しかし、背景モデル生成装置10が使用する背景の固定された映像は、記憶装置113に記憶された映像であってもよい。前記映像の具体例としては、カメラで撮影した映像若しくはこれを加工した映像、アニメーション映像、又は、CG(Computer Graphics)映像がある。
本変形例における背景モデル生成装置10は、記憶装置113に映像を記憶しており、また、入力インタフェース114を備える必要がない。
前記変形例3では、記憶装置113に1の背景の固定された映像が記憶されている。しかし、記憶装置113に複数の背景の固定された映像が記憶されており、それぞれの映像に対応する複数の背景モデルを生成してもよい。
本変形例では、背景モデル生成装置10は、1の映像につき1の背景モデルを生成する。
本実施の形態の画像取得部101は、図3に示すように、ステップS101が完了した後でステップS102を実行し、ステップS102が完了した後でステップS103を実行することとなっているが、各ステップに係る処理の一部を実行してから次のステップに係る処理の一部を実行し、その後前のステップに戻ってもよい。
本実施の形態の画素分類部102は、図5に示すように、ステップS121が完了した後で、ステップS122及びステップS123を画像取得部101が取得した全ての画像に係る全ての画素分繰り返すこととなっている。しかし、ステップS121に係る処理を一部実行した後でステップS122及びステップS123に係る処理の少なくとも一方の一部を実行し、その後ステップS121に戻ってもよい。
また、ステップS122に係る処理を複数画素分実施してからステップS123に係る処理を実行し、ステップS122に戻ってもよい。
本実施の形態の背景モデル生成部103は、図5に示すように、ステップS131に係る処理を背景モデルの全ての画素分繰り返し実行し、その後ステップS132を実行する。しかし、ステップS131に係る処理を背景モデルの一部の画素分実行してからステップS132に係る処理の一部を実行し、その後ステップS131に戻ってもよい。
本実施の形態では、背景モデル生成装置10は、背景モデル生成装置10が生成した背景モデルを外部の装置に出力することができるが、前記背景モデルを外部の装置に出力することができなくてもよい。本変形例において、背景モデル生成装置10は、出力インタフェース115を備える必要がない。
本実施の形態では、画像取得部101が取得した画像の解像度と、背景モデルの解像度は同じである。しかし、両者の解像度は異なってもよい。
本実施の形態では、前記背景と認められる最小値Tmin(x,y)及び前記背景と認められる最大値Tmax(x,y)は、記憶装置113に記憶されている。しかし、これらの値は背景モデル生成プログラムに組み込まれていてもよく、背景モデル生成装置のユーザーが任意に設定できるようにしてもよい。
本変形例では、記憶装置113は分類条件設定用パラメータを記憶する必要がなくなり、また、画素分類部102において条件取得部121が存在する必要がなくなる。
本実施の形態では、記憶装置113は、前記背景と認められる最小値Tmin(x,y)及び前記背景と認められる最大値Tmax(x,y)を記憶している。しかし、記憶装置113は、これらの値のうち一方のみを記憶してもよい。
具体的には、画素分類部102は、式4及び式5に示す、画素Vt(x,y)の分類条件に基づいて判定する。
画素に係る値vt(x,y)が、背景と認められる最小値Tmin(x,y)以上(式4)であるとき、画素Vt(x,y)は背景画素として分類される。一方、画素に係る値vt(x,y)が、背景と認められる最小値Tmin(x,y)より小さい(式5)とき、画素Vt(x,y)は非背景画素として分類される。
Tmin(x,y)≦vt(x,y)・・・(式4)
vt(x,y)<Tmin(x,y)・・・(式5)
具体的には、画素分類部102は、式6及び式7に示す、画素Vt(x,y)の分類条件に基づいて判定する。
画素に係る値vt(x,y)が、背景と認められる最大値Tmax(x,y)以下(式6)であるとき、画素Vt(x,y)は背景画素として分類される。一方、画素に係る値vt(x,y)が、背景と認められる最大値Tmax(x,y)より大きい(式7)とき、画素Vt(x,y)は非背景画素として分類される。
vt(x,y)≦Tmax(x,y)・・・(式6)
Tmax(x,y)<vt(x,y)・・・(式7)
本実施の形態では、各機能構成要素をソフトウェアで実現する場合を説明した。しかし、変形例として、各機能構成要素はハードウェアで実現されてもよい。
各機能構成要素がハードウェアで実現される場合には、背景モデル生成装置10は、プロセッサ111に代えて、電子回路116を備える。あるいは、図示しないが、背景モデル生成装置10は、プロセッサ111、メモリ112、及び記憶装置113に代えて、電子回路116を備える。電子回路116は、各機能構成要素(及びメモリ112と記憶装置113)との機能とを実現する専用の電子回路である。ここで、電子回路は処理回路と呼ぶこともある。
各機能構成要素を1つの電子回路116で実現してもよいし、各機能構成要素を複数の電子回路116に分散させて実現してもよい。
以下、前述した実施の形態と異なる点について、図面を参照しながら説明する。
図8は、本実施の形態に係る背景モデル生成装置10の構成図である。
本図に示されるように、背景モデル生成装置10は、画像取得部101と画素分類部102の間に検出処理部104を備える。検出処理部104は、画像取得部101が取得した画像内に移動体の少なくとも一部が表示されている場合に前記移動体が含まれる画像内の領域を検出し、前記領域に係る画素を除外する。
図9は、本実施の形態における背景モデル生成装置10の動作を示すフローチャートである。
検出処理部104は、画像取得部101が取得した全ての画像に対して、画像内に移動体の少なくとも一部が表示されている場合に、前記移動体が含まれる画像内の領域を検出する処理及び前記領域に係る画素を画素分類部102に係る分類対象から除外する処理を実行する。
画素分類部102は、画像取得部101が取得した全ての画像に係る全ての画素のうち検出処理部104が除外した画素を除いた画素に対して、画素分類処理を実行する。
実施の形態1では、画像取得部101で取得した画像に人又は自動車等の移動体が映り込んでいた場合、その移動体の領域の画素も背景画素として分類されてしまうことがある。一方、実施の形態2では、背景モデル生成装置10の、画像取得部101と画素分類部102の間に、画像取得部101で取得した画像中の移動体を検知する処理部を設けることで、移動体の領域を除外した背景モデルを生成することを特徴とする。
本実施の形態によれば、検出処理部104が、画像取得部101が取得した画像内に移動体の少なくとも一部が表示されている場合に前記移動体が含まれる画像内の領域を検出し、前記領域に係る画素を除外する。そのため、移動体を含まない背景モデルを生成できる。
本実施形態における画像取得部101は、図9に示すように、ステップS101が完了してからステップS104を実行し、ステップS104が完了してからステップS102を実行し、ステップS102が完了してからステップS103を実行する。しかし、各ステップの一部を実行してから次のステップの一部を実行し、その後1以上前のステップに戻ってもよい。
以下、前述した実施の形態と異なる点について、図面を参照しながら説明する。
図10は、本実施の形態における画素分類部102の構成図である。
画素分類部102は、値選定部122、条件設定部124、及び値判定部123を備える。
図11は、本実施の形態における画素分類部102の動作を示すフローチャートである。
条件設定部124は、画像取得部101が取得した画像の画素の位置座標毎に、分類条件に係る境界値を設定する。
式8から式11は、背景と認められる最大値Tmax(x,y)と背景と認められる最小値Tmin(x,y)の算出に係る式である。時刻0から時刻nまでの位置座標(x,y)における画素(v0(x,y)、v1(x,y)、...、vn(x,y))の最大値をvmax(x,y)、最小値をvmin(x,y)とする(式8、式9)。画素分類部102で、n枚の画像から抽出したn個の画素に係る値の上位20%に該当する画素に係る値を持つ画素を背景画素と分類する場合、背景と認められる最大値Tmax(x,y)は式10のようになり、背景と認められる最小値Tmin(x,y)は式11のようになる。
vmax(x,y)=maxV∈{vt(x,y)}V(x,y)・・・(式8)
vmin(x,y)=minV∈{vt(x,y)}V(x,y)・・・(式9)
Tmax(x,y)=vmax(x,y)・・・(式10)
Tmin(x,y)=vmax(x,y)−(vmax(x,y)−vmin(x,y))×0.2・・・(式11)
また、条件設定部124は、画像取得部101が取得した画像の一部のみを利用して分類条件を設定してもよい。
値判定部123は、画像取得部101が取得した全ての画像に係る全ての画素を、値選定部122において選定した画素に係る値と、条件設定部124が設定した分類条件との関係に基づいて判定する。
実施の形態1及び実施の形態2では、パラメータ保存用ストレージ105は、画素分類部102における分類条件に係る境界値を記憶しておく必要がある。
また、地面又は建造物等異なる色の背景領域に対して、その領域ごとに境界値を設定することは非常に困難である。実施の形態3では、画素分類の条件となる境界値を、自動的に変動させて画素を分類することを特徴とする。
本実施の形態によれば、パラメータ保存用ストレージ105が事前に画素分類部102における背景と認められる最大値Tmax(x,y)及び背景と認められる最小値Tmin(x,y)を記憶しなくても、画素分類部102は、画素を分類することができる。
本実施の形態における画素分類部102は、図11に示すように、ステップS122が完了した後でステップS124を実行し、ステップS124が完了した後でステップS123を実行することとなっているが、各ステップに係る処理の一部を実行してから次のステップに係る処理の一部を実行し、その後1つ又は2つ前のステップに戻ってもよい。
以下、前述した実施の形態と異なる点について、図面を参照しながら説明する。
本実施の形態における背景モデル生成装置10の構成は、実施の形態1、実施の形態2、又は実施の形態3に係る構成と同じである。
本実施の形態では、
画素分類部102は、複数の分類条件に従って1の画素を分類し、
背景モデル生成部103は、前記複数の分類条件に対応する複数の背景モデルを生成する。
本図は、本実施の形態に係る処理の例であり、画像取得部101が取得した画像の画素を、画素分類部102が条件1、条件2、及び条件3に従って分類し、背景モデル生成部103が3種類の背景モデルを生成する流れを示したものである。
画素分類部102の条件1で分類された画素から高明度背景モデル61を、
条件2で分類された画素から明度の低い領域の画素のみから成る背景モデルである低明度背景モデル62を、
条件3で分類された画素から夕焼け領域の画素のみから成る背景モデルである夕焼け背景モデル63を生成する。
実施の形態1から実施の形態3では、背景モデル生成装置10は、1つの分類条件を設定し、1つの背景モデルを生成していた。しかし、背景の照明条件の変化に幅広く対応するためには、高明度背景モデル又は日陰領域のみから成る背景モデルである低明度背景モデル等、複数の背景モデルを用意することが有効である。そこで実施の形態4における背景モデル生成装置10では、画素分類の条件を複数設定し、複数に分類した画素から複数の背景モデルを生成することを特徴とする。
本実施の形態によれば、背景モデル生成装置10は、複数の分類条件に従って分類した画素から複数の背景モデルを生成することができる。
実施の形態2において、画像取得部101と画素分類部102の間に検出処理部104を備える背景モデル生成装置10を説明したが、検出処理部104で行われる移動体が含まれる画像内の領域を検出する手法は、必要に応じて種々に変更が可能である。
Claims (7)
- 画像を取得する画像取得部と、
前記画像取得部が取得した画像の画素に係る値に基づいて、分類条件に従って前記画素を分類する画素分類部と、
前記画素分類部が分類した画素から前記画像取得部が取得した画像に係る背景画像と同一又は類似の画像である背景モデルを生成する背景モデル生成部と、
を備え、
前記画素分類部は、複数の分類条件に従って1の画素を分類し、
前記背景モデル生成部は、前記複数の分類条件の分類条件毎に背景モデルを生成する背景モデル生成装置。 - 前記画像取得部は、映像から少なくとも1の画像を取得し、
前記画素分類部は、前記画像取得部が取得した画像の画素に係る値が背景と認められる最小値以上かつ背景と認められる最大値以下である前記値に対応する画素を背景画素として分類し、
前記背景モデル生成部は、前記背景画素の位置座標に基づいて前記背景画素の集合を生成し、前記集合毎に前記集合に属する画素を使用して背景モデル画素を生成し、前記背景モデル画素を前記背景モデル画素に係る前記集合に対応する位置座標の画素とすることにより背景モデルを生成する請求項1に記載の背景モデル生成装置。 - 前記画素分類部は、前記画素に係る値として画素の明るさに係る値を用いる請求項1又は請求項2に記載の背景モデル生成装置。
- 前記画像取得部が取得した複数の画像内の経時的に位置を変更する物体の少なくとも一部が表示されている領域を検出する検出処理部を備え、
前記検出処理部は、検出した領域に係る画素を前記画素分類部に係る分類対象から除外する請求項1から請求項3のいずれか1項に記載の背景モデル生成装置。 - 前記画素分類部は、動的に分類条件を変更する請求項1から請求項4のいずれか1項に記載の背景モデル生成装置。
- 画像取得部が画像を取得し、
画素分類部が、前記画像取得部が取得した画像の画素値に基づいて、分類条件に従って前記画素を分類し、
背景モデル生成部が、前記画素分類部が分類した画素から前記画像取得部が取得した画像に係る背景画像と同一又は類似の画像である背景モデルを生成し、
前記画素分類部は、複数の分類条件に従って1の画素を分類し、
前記背景モデル生成部は、前記複数の分類条件の分類条件毎に背景モデルを生成する背景モデル生成方法。 - コンピュータに、
画像取得部が画像を取得する処理と、
画素分類部が、前記画像取得部が取得した画像の画素値に基づいて、分類条件に従って前記画素を分類する処理と、
背景モデル生成部が、前記画素分類部が分類した画素から前記画像取得部が取得した画像に係る背景画像と同一又は類似の画像である背景モデルを生成する処理とを実行させ、
前記画素分類部は、複数の分類条件に従って1の画素を分類し、
前記背景モデル生成部は、前記複数の分類条件の分類条件毎に背景モデルを生成する背景モデル生成プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/004634 WO2020161888A1 (ja) | 2019-02-08 | 2019-02-08 | 背景モデル生成装置、背景モデル生成プログラム、及び背景モデル生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020161888A1 JPWO2020161888A1 (ja) | 2021-04-01 |
JP6873342B2 true JP6873342B2 (ja) | 2021-05-19 |
Family
ID=71948124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020570313A Active JP6873342B2 (ja) | 2019-02-08 | 2019-02-08 | 背景モデル生成装置、背景モデル生成プログラム、及び背景モデル生成方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6873342B2 (ja) |
WO (1) | WO2020161888A1 (ja) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3037469B2 (ja) * | 1991-07-29 | 2000-04-24 | 日本電信電話株式会社 | 物体像の抽出処理方法 |
JP2002099909A (ja) * | 2000-09-25 | 2002-04-05 | Hitachi Kokusai Electric Inc | 侵入物体検出画像処理方法及び装置 |
US8280106B2 (en) * | 2007-09-29 | 2012-10-02 | Samsung Electronics Co., Ltd. | Shadow and highlight detection system and method of the same in surveillance camera and recording medium thereof |
JP6054771B2 (ja) * | 2013-02-22 | 2016-12-27 | Kddi株式会社 | 背景モデル構築装置、背景モデル構築方法、およびプログラム |
-
2019
- 2019-02-08 WO PCT/JP2019/004634 patent/WO2020161888A1/ja active Application Filing
- 2019-02-08 JP JP2020570313A patent/JP6873342B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JPWO2020161888A1 (ja) | 2021-04-01 |
WO2020161888A1 (ja) | 2020-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9852499B2 (en) | Automatic selection of optimum algorithms for high dynamic range image processing based on scene classification | |
JP4234195B2 (ja) | 画像分割方法および画像分割システム | |
JP6159298B2 (ja) | 複数スケールの規格化された相互相関を用いた、hdr画像処理におけるゴーストアーティファクトの検出および除去方法 | |
CN108668093B (zh) | Hdr图像的生成方法及装置 | |
JP5458905B2 (ja) | 画像におけるシャドーの検知装置および検知方法 | |
KR101954851B1 (ko) | 메타데이터 기반 영상 처리 방법 및 장치 | |
JP6312714B2 (ja) | 陰影検出および減衰のためのマルチスペクトル撮像システム | |
US10528820B2 (en) | Colour look-up table for background segmentation of sport video | |
US8577170B2 (en) | Shadow detection in a single image | |
US20170323465A1 (en) | Image processing apparatus, image processing method, and storage medium | |
Li et al. | A multi-scale fusion scheme based on haze-relevant features for single image dehazing | |
CN112969005A (zh) | 用于处理图像的方法和*** | |
JP5779089B2 (ja) | エッジ検出装置、エッジ検出プログラム、およびエッジ検出方法 | |
CN106815587B (zh) | 图像处理方法及装置 | |
CN111127476A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN111311556B (zh) | 手机缺陷位置识别方法及设备 | |
WO2013114803A1 (ja) | 画像処理装置及びその画像処理方法、並びにコンピュータ・プログラム、および画像処理システム | |
CN113052923B (zh) | 色调映射方法、装置、电子设备和存储介质 | |
JP5338762B2 (ja) | ホワイトバランス係数算出装置及びプログラム | |
JP6873342B2 (ja) | 背景モデル生成装置、背景モデル生成プログラム、及び背景モデル生成方法 | |
JP2020135653A (ja) | 映像補正装置及びそのプログラム | |
JP2006186983A (ja) | カラー画像の露出補正方法 | |
JP5050141B2 (ja) | カラー画像の露出評価方法 | |
CN111080543A (zh) | 图像处理方法及装置、电子设备及计算机可读存储介质 | |
CN113225486B (zh) | 拍摄画面的处理方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201222 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201222 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201222 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210316 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210323 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210420 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6873342 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |