TWI459310B - 可簡化影像特徵值組之影像擷取裝置及其控制方法 - Google Patents
可簡化影像特徵值組之影像擷取裝置及其控制方法 Download PDFInfo
- Publication number
- TWI459310B TWI459310B TW100149685A TW100149685A TWI459310B TW I459310 B TWI459310 B TW I459310B TW 100149685 A TW100149685 A TW 100149685A TW 100149685 A TW100149685 A TW 100149685A TW I459310 B TWI459310 B TW I459310B
- Authority
- TW
- Taiwan
- Prior art keywords
- feature value
- feature
- image
- value group
- group
- Prior art date
Links
Classifications
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本發明係有關於一種影像擷取裝置,特別是有關於一種能夠將擷取之影像轉換為特徵影像,並簡化特徵影像中之特徵值組,以降低影像擷取裝置之記憶體需求及節省其運算資源之影像擷取裝置及其控制方法。
近年來,由於市場上激烈的競爭,電子產品愈來愈平價,功能也愈來愈強大。其中,物體偵測功能已經開始被加入在各式各樣的影像擷取裝置中。例如,數位相機(Digital Still Camera)、數位攝影機(Digital Camera)、監視器(Monitor)甚至是相照手機(Camera Phone)等,並有著多種的應用,例如人臉辨識、行人、車牌、車輛辨識或其它物件的辨識。但由於具備物體偵測功能的影像擷取裝置往往需要花費大量的記憶體來儲存人臉特徵模板(Template)等資料,更需要消耗龐大的運算資源,因此影像擷取裝置的成本也會大幅的增加。
上述的狀況對於小型手持攝像裝置而言更是明顯,小型手持攝像裝置由於成本上的考量,其資源也相當有限,特別是記憶體的使用上最是明顯,較高階的記憶體成本更是高昂。因此,若是要將物體偵測功能整合在小型手持攝像裝置上,其記憶體的需求也必然大幅的增加,並且直接反應在其製造成本上,造成產品的競爭力下降。
因此,如何開發出一種影像擷取裝置,具備物體偵測功能,並能夠在不影響物體偵測準確度的前提之下,有效地節省影像擷取裝置之硬體成本即為本發明所欲解決之問題。
有鑑於上述習知技藝之問題,本發明之目的就是在提供一種可簡化影像特徵值組之影像擷取裝置及其控制方法,以解決習知技藝之具物體辨識功能之影像擷取裝置需耗費大量的記憶體及運算資源,導致其成本過高的問題。
根據本發明之目的,提出一種可簡化影像特徵值組之影像擷取裝置,係包含:特徵轉換模組,係將待測影像轉換為特徵影像,特徵影像包含特徵值組群;特徵簡化模組,係根據一門檻值,來執行簡化程序,從特徵值組群中,將不存在於查找表的特徵值組刪除,各個被刪除的特徵值組則以符合一預設條件且存在該查找表的特徵值組取代,使特徵值組群總數不變但種類減少,產生簡化後之特徵值組群;模板儲存模組,係儲存複數個待測物模板(Template);以及辨識模組,係將該簡化後之特徵值組群與複數個待測物模板進行比對,以辨識待測影像中之待測物。
根據本發明之目的,再提出一種可簡化影像特徵值組之影像擷取裝置,特徵轉換手段,係用以將待測影像轉換為特徵影像,特徵影像包含特徵值組群;特徵簡化手段,係用以根據一查找表,來執行簡化程序,從特徵值組群中,將不存在於該查找表的特徵值組刪除,各個被刪除的特徵值組則以符合一預設條件且存在於查找表的特徵值組取代,使特徵值組群總數不變但種類減少,產生簡化後之特徵值組群;儲存手段,係用以儲存複數個待測物模板;以及辨識手段,係用以將簡化後之特徵值組群與複數個待測物模板進行比對,以辨識待測影像中之待測物。
根據本發明之目的,又提出一種可簡化影像特徵值組之控制方法,係包含下列步驟:利用將特徵轉換模組將待測影像轉換為特徵影像,特徵影像包含特徵值組群;藉由特徵簡化模組根據一查找表,來執行簡化程序,從特徵值組群中,將不存在於查找表的特徵值組刪除,各個被刪除的特徵值組則以符合預設條件且存在於查找表的特徵值組取代,使特徵值組群總數不變但種類減少,產生簡化後之特徵值組群;由模板儲存模組儲存複數個待測物模板;以及透過辨識模組將簡化後之特徵值組群與複數個待測物模板進行比對,以辨識待測影像中之待測物。
其中,預設條件係由差異性來決定,各個被刪除的徵值組需以與其差異性最小的特徵值組取代。
其中,查找表係以特徵值組之複雜度低於一複雜度(Entropy)門檻值的特徵值組來建立。
其中,在執行簡化程序後,簡化後之特徵值組群中各個特徵值組均能夠找到與其轉置後相對應之特徵值組。
其中,在執行簡化程序後,簡化後之特徵值組群中各個特徵值組均能夠找到與其鏡射後相對應之特徵值組。
其中,複數個待測物模板係根據存在於查找表之特徵值組,並經由推進演算法、支持向量機演算法或主成份分析法+線性有識別力分析法演算所建立。
承上所述,依本發明之可簡化影像特徵值組之影像擷取裝置及其控制方法,其可具有一或多個下述優點:
(1) 此可簡化影像特徵值組之影像擷取裝置及其控制方法可簡化特徵影像中之特徵值組之種類,因此能夠大幅降低影像擷取裝置之記憶體需求,進而減少其製造成本。
(2) 此可簡化影像特徵值組之影像擷取裝置及其控制方法可減少特徵影像中之特徵值組之種類,因此也能夠大幅節省影像擷取裝置之運算資源,提高其效率。
(3) 此可簡化影像特徵值組之影像擷取裝置及其控制方法是以差異性最小的特徵值組來取代各個被刪除的特徵值組,而不是直接刪除,因此不會降低物體偵測的準確度。
(4) 此可簡化影像特徵值組之影像擷取裝置及其控制方法雖然將特徵影像中之特徵值組之種類簡化,但簡化後之特徵值組群中之各個特徵值組均能找到與其轉置後或鏡射後相對應之特徵值組,因此可以保留原特徵值組群的特性,以執行相關的應用。
以下將參照相關圖式,說明依本發明之可簡化影像特徵值組之影像擷取裝置及其控制方法之實施例,為使便於理解,下述實施例中之相同元件係以相同之符號標示來說明。
請參閱第1圖,係為本發明之可簡化影像特徵值組之影像擷取裝置之第一實施例之方塊圖。如圖所示,本發明之影像擷取裝置1包含特徵轉換模組11、特徵簡化模組12、模板儲存模組13及辨識模組14。特徵轉換模組11可將影像擷取裝置1擷取之影像10轉換為特徵影像111,此特徵影像111包含一個由複數個特徵值組所組成的特徵值組群1111。
特徵簡化模組12可以根據由查找表來執行簡化程序,刪除不存在於查找表的特徵值組,各個被刪除的特徵值組則以符合一預設條件且存在於查找表的特徵值組取代,以產生簡化後之特徵值組群121。
須注意的是,此預設條件可以用特徵值組間的差異性來決定。各被刪除的特徵值組可以利用與其差異性最小的特徵值組來取代,而不是直接刪除不存在於查找表之特徵值組。這種方式的好處在於,被刪除之特徵值組之表示能力可以被與其差異性最小的特徵值組取代,因此仍然可以被保留,同時又能減少特徵值組群1111中特徵值組的種類。這樣一來,即可以在不影響影像擷取裝置之物體偵測準確度的情況之下,有效地降低影像擷取裝置1之記憶體需求。
最後,辨識模組14則就簡化後之特徵值組群121與儲存於模板儲存模組13中之複數個待測物模板131進行比對,以產生一辨識結果141,即可辨識影像10中之待測物。
值得一提的是,本發明雖然刪除了不存在於查找表之特徵值組,但是簡化後之各個特徵值組仍然可以找到與其轉置後或鏡射後相對應之特徵值組。也就是說,簡化後之特徵值組群121仍然可以保留原特徵值組1111的特性,因此也可以利用此特性,來執行各種物體偵測上的應用。
當然,儲存於模板儲存模組13中之複數個待測物模板131也是以符合門檻值所設定之條件的特徵值組所建立,如此才能與簡化後之特徵值組群121進行比對,以辨識目標物。
請參閱第2圖,係為本發明之可簡化影像特徵值組之影像擷取裝置之第一實施例之流程圖。
在步驟S21中,由影像擷取裝置擷取一影像。
在步驟S22中,由特徵轉換模組將此影像轉換為特徵影像,此特徵影像包含一特徵值組群。
在步驟S23中,經由特徵簡化模組執行簡化程序,刪除此特徵值組群中,不存在於查找表的特徵值組,各個被刪除的特徵值組則以存在於此查找表且與其差異性最小的特徵值組來取代,以產生簡化後之特徵值組群。
在步驟S24中,藉由辨識模組就簡化後之特徵值組群與儲存於模板儲存模組中之複數個待測物模板進行比對,以辨識影像中之待測物。
本發明之可簡化影像特徵值組之影像擷取裝置及其控制方法也可應用於任何具有物體辨識功能之攝像裝置。例如,數位相機(Digital Still Camera)、數位攝影機(Digital Camera)、監視器(Monitor)甚至是相照手機(Camera Phone)等,以執行人臉、行人、車牌、車輛或其它各種物件的辨識。下列之實施例以數位相機辨識人臉為例,但本發明並不以此為限。
請參閱第3圖,係為本發明之可簡化影像特徵值組之影像擷取裝置之第二實施例之方塊圖。如圖所示,本發明之數位相機3包含特徵轉換模組31、特徵簡化模組32、人臉模板儲存模組33及人臉辨識模組34。特徵轉換模組31可將數位相機3擷取之影像30轉換為特徵影像311,此特徵影像311包含一個由複數個特徵值組所組成的特徵值組群3111。
特徵簡化模組32可以根據由一查找表來執行簡化程序,此查找表係根據各特徵值組的複雜度(Entropy)門檻值來決定,複雜度(熵值)高於此門檻值之特徵值組則予以刪除,複雜度低於此門檻值之特徵值組則保留,各個被刪除的特徵值組則以與其差異性最小的特徵值組來取代,以產生簡化後之特徵值組群321。
除此之外,為了保留特徵值組群3111原本的特性,特徵簡化模組32更會保留簡化後之特徵值組群321中與各個特徵值組轉置後或鏡射後相對應之特徵值組,以執行各種人臉辨識功能。
最後,人臉辨識模組34則就簡化後之特徵值組群321與儲存於人臉模板儲存模組33中之複數個人臉模板331進行比對,產生一限位框341,即可辨識影像30中之人臉,完成辨識後使用者即可利用數位相機3進行對焦及拍攝的工作。
另外,複數個人臉模板331係以存在於查找表,即熵值較低的特徵值組,並經由推進演算法(Boosting)、支持向量機演算法(Support Vector Mechine,SVM)或主成份分析法+線性有識別力分析法(Principle Component Analysis+Linear Discriminant Analysis,PCA+LDA)演算而得。
值得一提的是,習知技藝之影像擷取裝置將影像轉換為特徵影像時,此特徵影像所包含的每一個特徵值組之使用率不盡相同,其中有一部分是經常被使用的,而其中有另一部份則是很少用到的。舉例而言,一個解析度為1920×1080的影像,其中每一個點均包含一個特徵值組,總共包含500種不同的特徵值組,而其中僅有250種是經常被使用的,而另外的250種則是很少用到的。而特徵值組使用的頻率則跟其複雜度或熵值(Entropy)有關。一般而言,熵值較低之特徵值組較具規則性,表示力較強,使用頻率也較高。
而本發明所提出的概念,正是利用分析各個特徵值組之熵值,以建立一查找表,並根據此查找表將其中較具規則性,表示力較強且使用頻率較高的特徵值組予以保留,而刪除複雜度較高的特徵值組。各個被刪除的特徵值組則以與其差異性最小且存在於此查找表且熵值較低的特徵值組所取代。如此,不但可以保留各個被刪除的特徵值組的表示能力,同時也可以縮減特徵值組種類的數量。
請參閱第4圖,係為特徵值組之一實施例之示意圖。由圖中可以很明顯的看出,有效特徵值組41中各特徵值的排列較具規則性,而無效特徵值組42中各特徵值的排列則較為散亂。此無效特徵值組42由於其排列較為散亂,因此其表示力較差,且使用頻率低。而本發明之特徵簡化模組此門檻值,分析各特徵值組之熵值,將熵值不符合一複雜度門檻值的無效特徵值組42予以刪除。
請參閱第5圖,係為特徵值組之一實施例之示意圖。如圖中所示,無效特徵值組52其排列較為散亂,熵值較高。當無效特徵值組52被刪除後,本發明之特徵簡化模組則利用與其差異性較低,則規則性較佳的有效特徵值組51取代此無效特徵值組52。
由圖中可以明顯的看出,有效特徵值組51與無效特徵值組52之間僅存在一個特徵值的差異。而本發明之特徵簡化模組則可利用分析各特徵值之熵值,找出與被刪除之無效特徵值組52差異性最小的有效特徵值組51來取代此無效特徵值組52。而有效特徵值組51與無效特徵值52的表示力相近,因此可以完全取代無效特徵值52。因此,經本發明之特徵簡化模組簡化後之特徵值組群不會喪失其原本的表示力,影像擷取裝置仍然可以維持原來精準的物體辨識能力。另外,不同的演算法之特徵值組的表示方式不同,例如會有不同的箭頭數等,但均可以使用本發明所提出的方法來加以簡化。
值得一提的是,由於特徵值組種類的數量與影像擷取裝置的記憶體需求習習相關,因此利用本發明之方法簡化後之特徵值組群可以大幅的減少影像擷取裝置的記憶體需求。在另一方面,由於特徵值組種類的減少,也能夠有效地節省影像擷取裝置的運算資源,使影像擷取裝置更有效率。而經由實際的測試,在不影響偵測品質的前提之下,數位相機的內部記憶體(Internal RAM)減少了34%,唯讀記憶體的大小(ROM Size)減少了36%,因此本發明確實能夠減少影像擷取裝置所需記憶體的大小。
請參閱第6圖,係為本發明之可簡化影像特徵值組之影像擷取裝置之第二實施例之流程圖。
在步驟S61中,藉由數位相機擷取一影像。
在步驟S62中,透過特徵轉換模組將此影像轉換為特徵影像,此特徵影像包含一特徵值組群。
在步驟S63中,由特徵簡化模組根據一查找表,以刪除熵值高複雜度門檻值之特徵值組,保留熵值低於此複雜度門檻值之特徵值組,各個被刪除的特徵值組則以與其差異性最小的特徵值組來取代,以產生簡化後之特徵值組群。
在步驟S64中,藉由人臉辨識模組則就簡化後之特徵值組群與儲存於人臉模板儲存模組中之複數個人臉模板進行比對,以辨識影像中之人臉。
在步驟S65中,利用數位相機進行對焦及拍攝的工作。
請參閱第7圖,係為本發明之可簡化影像特徵值組之影像擷取裝置之第三實施例之示意圖。本實施例以類赫爾特徵演算法(Haar-Like Features)為例。如圖中所示,Haar-Like演算法係利用一視窗71掃描數位相機7所擷取之影像70,再將視窗71分成二個或二個以上的方塊相互加減,再轉換為特徵訊號。如圖中所示,方塊710位於人臉額頭的位置,因此方塊710所擷取到的為顏色較淺的訊號,而方塊711位於人臉眼睛的位置,因此方塊711擷取到顏色較深的訊號。而將方塊711所擷取到的訊號與方塊710相減可得知兩者所擷取到的訊號有較大的差異,因此可判定此視窗71很有可能即為人臉所在的位置。
上述的方式屬於熵值較低,較具規則性且較常被使用的比對方法,當然還有在視窗71中,同時以多個位於不同位置的方塊相互加減的比對方法,但是這種方法較不具規則性,也較少被使用,可以利用熵值較低的比對方法來取代。透過本發明所提出的方法,即可透過查找表,執行簡化程序,刪除一些熵值較高,較不常被使用的比對方法,如此則可以有效地降低數位相機7的記憶體需求。
請參閱第8圖,係為本發明之可簡化影像特徵值組之影像擷取裝置之第四實施例之示意圖。本實施例以方向梯度直方圖演算法(Histogram of Oriented Gradient,HOG)來說明本發明的概念。
如圖所示,使用者使用數位相機8拍攝人物,數位相機8之特徵轉換模組利用HOG演算法將影像80轉換為由複數個特徵值組所組成的特徵值組群81。而特徵簡化模組則可以根據一查找表,執行簡化程序,將其中熵值高於此一熵值門檻值的特徵值組予以刪除,並使用其差異性最小的特徵值組取代。人臉辨識模組則將此簡化後結果與預先儲存於人臉模板儲存模組比對,即可產生限位框82。再完成人臉偵測的工作後,使用者便可以進行對焦及拍攝等工作。
儘管前述在說明本發明之可簡化影像特徵值組之影像擷取裝置的過程中,亦已同時說明本發明之本發明之可簡化影像特徵值組之控制方法的概念,但為求清楚起見,以下仍另繪示流程圖詳細說明。
請參閱第9圖,係為本發明之可簡化影像特徵值組之控制方法之流程圖。
在步驟S91中,利用特徵轉換模組將待測影像轉換為特徵影像,此特徵影像包含一特徵值組群。
在步驟S92中,藉由特徵簡化模組根據一門檻值,來執行簡化程序,從此特徵值組群中,將不存在於查找表的特徵值組刪除,各個被刪除的特徵值組則以符合預設條件且存在於此查找表的特徵值組取代,使特徵值組群總數不變但種類減少,產生簡化後之特徵值組群。
在步驟S93中,由模板儲存模組儲存複數個待測物模板。
在步驟S94中,透過辨識模組將簡化後之特徵值組群與複數個待測物模板進行比對,以辨識待測影像中之待測物。
本發明之可簡化影像特徵值組之控制方法的詳細說明以及實施方式已於前面敘述本發明之可簡化影像特徵值組之影像擷取裝置時描述過,在此為了簡略說明便不再重覆敘述。
綜上所述,本發明之可簡化影像特徵值組之影像擷取裝置及其控制方法可簡化特徵影像中之特徵值組之種類,因此能夠大幅降低影像擷取裝置之記憶體需求,進而減少其製造成本。本發明可減少特徵影像中之特徵值組之種類,因此也能夠大幅節省影像擷取裝置之運算資源,提高其效率。本發明是以差異性最小的特徵值組來取代各個被刪除的特徵值組,而不是直接刪除,因此不會降低物體偵測的準確度。經本發明之方法簡化後之特徵值組群中之各個特徵值組均能找到與其轉置後或鏡射後相對應之特徵值組,因此可以保留原特徵值組群的特性,以執行相關的應用。因此,本發明確實可以改善習知技藝之缺點。
以上所述僅為舉例性,而非為限制性者。任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應包含於後附之申請專利範圍中。
1...影像擷取裝置
3、7、8...數位相機
10、30、70、80...影像
11、31...特徵轉換模組
111、311...特徵影像
1111、3111、81...特徵值組群
12、32...特徵簡化模組
121、321...簡化後之特徵值組群
13...模板儲存模組
131...複數個待測物模板
14...辨識模組
141...辨識結果
33...人臉模板儲存模組
331...複數個人臉模板
34...人臉辨識模組
341、82...限位框
41、51...有效特徵值組
42、52...無效特徵值組
71...視窗
710、711...方塊
S21~S24、S61~S65、S91~S94...步驟流程
第1圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第一實施例之方塊圖。
第2圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第一實施例之流程圖。
第3圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第二實施例之方塊圖。
第4、5圖係為特徵值組之一實施例之示意圖。
第6圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第二實施例之流程圖。
第7圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第三實施例之示意圖。
第8圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第四實施例之示意圖。
第9圖係為本發明之可簡化影像特徵值組之控制方法之流程圖。
第2圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第一實施例之流程圖。
第3圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第二實施例之方塊圖。
第4、5圖係為特徵值組之一實施例之示意圖。
第6圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第二實施例之流程圖。
第7圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第三實施例之示意圖。
第8圖係為本發明之可簡化影像特徵值組之影像擷取裝置之第四實施例之示意圖。
第9圖係為本發明之可簡化影像特徵值組之控制方法之流程圖。
1...影像擷取裝置
10...影像
11...特徵轉換模組
111...特徵影像
1111...特徵值組群
12...特徵簡化模組
121...簡化後之特徵值組群
13...模板儲存模組
131...複數個待測物模板
14...辨識模組
141...辨識結果
Claims (18)
- 一種可簡化影像特徵值組之影像擷取裝置,係包含:
一特徵轉換模組,係將一待測影像轉換為一特徵影像,該特徵影像包含一特徵值組群;
一特徵簡化模組,係根據一查找表,來執行一簡化程序,從該特徵值組群中,將不存在於該查找表的特徵值組刪除,各個被刪除的特徵值組則以符合一預設條件且存在於該查找表的特徵值組取代,使該特徵值組群總數不變但種類減少,產生一簡化後之特徵值組群;
一模板儲存模組,係儲存複數個待測物模板(Template);以及
一辨識模組,係將該簡化後之特徵值組群與該複數個待測物模板進行比對,以辨識該待測影像中之待測物。 - 如申請專利範圍第1項所述之可簡化影像特徵值組之影像擷取裝置,其中該預設條件係由差異性來決定,各個被刪除的特徵值組需以與其差異性最小的特徵值組取代。
- 如申請專利範圍第2項所述之可簡化影像特徵值組之影像擷取裝置,其中該查找表係以特徵值組之複雜度低於一複雜度(Entropy)門檻值的特徵值組來建立。
- 如申請專利範圍第3項所述之可簡化影像特徵值組之影像擷取裝置,其中在執行該簡化程序後,該簡化後之特徵值組群中各個特徵值組均能夠找到與其轉置後相對應之特徵值組。
- 如申請專利範圍第3項所述之可簡化影像特徵值組之影像擷取裝置,其中在執行該簡化程序後,該簡化後之特徵值組群中各個特徵值組均能夠找到與其鏡射後相對應之特徵值組。
- 如申請專利範圍第1項所述之可簡化影像特徵值組之影像擷取裝置,其中該複數個待測物模板係利用存在於該查找表之特徵值組,並經由推進演算法(Boosting)、支持向量機演算法(Support Vector Mechine,SVM)或主成份分析法+線性有識別力分析法(Principle Component Analysis+Linear Discriminant Analysis,PCA+LDA)演算所建立。
- 一種可簡化影像特徵值組之影像擷取裝置,係包含:
一特徵轉換手段,係用以將一待測影像轉換為一特徵影像,該特徵影像包含一特徵值組群;
一特徵簡化手段,係用以根據一查找表,來執行一簡化程序,從該特徵值組群中,將不存在於該查找表的特徵值組刪除,各個被刪除的特徵值組則以符合一預設條件且存在於該查找表的特徵值組取代,使該特徵值組群總數不變但種類減少,產生一簡化後之特徵值組群;
一儲存手段,係用以儲存複數個待測物模板;以及
一辨識手段,係用以將該簡化後之特徵值組群與該複數個待測物模板進行比對,以辨識該待測影像中之待測物。
- 如申請專利範圍第7項所述之可簡化影像特徵值組之影像擷取裝置,其中該預設條件係由差異性來決定,各個被刪除的徵值組需以與其差異性最小的特徵值組取代。
- 如申請專利範圍第8項所述之可簡化影像特徵值組之影像擷取裝置,其中該查找表係以特徵值組之複雜度低於一複雜度門檻值的特徵值組來建立。
- 如申請專利範圍第9項所述之可簡化影像特徵值組之影像擷取裝置,其中在該特徵簡化手段完成該簡化程序後,該簡化後之特徵值組群中各個特徵值組均能夠找到與其轉置後相對應之特徵值組。
- 如申請專利範圍第9項所述之可簡化影像特徵值組之影像擷取裝置,其中在該特徵簡化手段完成該簡化程序後,該簡化後之特徵值組群中各個特徵值組均能夠找到與其鏡射後相對應之特徵值組。
- 如申請專利範圍第7項所述之可簡化影像特徵值組之影像擷取裝置,其中該複數個待測物模板係利用存在於該查找表的特徵值組,並經過並經由推進演算法、支持向量機演算法或主成份分析法+線性有識別力分析法演算所建立。
- 一種可簡化影像特徵值組之控制方法,係包含下列步驟:
利用一特徵轉換模組將一待測影像轉換為一特徵影像,該特徵影像包含一特徵值組群;
藉由一特徵簡化模組根據一查找表,來執行一簡化程序,從該特徵值組群中,將不存在於該查找表的特徵值組刪除,各個被刪除的特徵值組則以符合一預設條件且存在於該查找表的特徵值組取代,使該特徵值組群總數不變但種類減少,產生一簡化後之特徵值組群;
由一模板儲存模組儲存複數個待測物模板;以及
透過一辨識模組將該簡化後之特徵值組群與該複數個待測物模板進行比對,以辨識該待測影像中之待測物。
- 如申請專利範圍第13項所述之可簡化影像特徵值組之控制方法,其中該預設條件係由差異性來決定,各個被刪除的徵值組需以與其差異性最小的特徵值組取代。
- 如申請專利範圍第14項所述之可簡化影像特徵值組之控制方法,其中該查找表係以特徵值組之複雜度低於一複雜度(Entropy)門檻值的特徵值組來建立。
- 如申請專利範圍第15項所述之可簡化影像特徵值組之控制方法,其中在執行該簡化程序後,該簡化後之特徵值組群中各個特徵值組均能夠找到與其轉置後相對應之特徵值組。
- 如申請專利範圍第15項所述之可簡化影像特徵值組之控制方法,其中在執行該簡化程序後,該簡化後之特徵值組群中各個特徵值組均能夠找到與其鏡射後相對應之特徵值組。
- 如申請專利範圍第13項所述之可簡化影像特徵值組之控制方法,其中該複數個待測物模板係存在於該查找表的特徵值組,並經過並經由推進演算法、支持向量機演算法或主成份分析法+線性有識別力分析法演算所建立。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100149685A TWI459310B (zh) | 2011-12-30 | 2011-12-30 | 可簡化影像特徵值組之影像擷取裝置及其控制方法 |
US13/431,480 US8908974B2 (en) | 2011-12-30 | 2012-03-27 | Image capturing device capable of simplifying characteristic value sets of captured images and control method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100149685A TWI459310B (zh) | 2011-12-30 | 2011-12-30 | 可簡化影像特徵值組之影像擷取裝置及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201327421A TW201327421A (zh) | 2013-07-01 |
TWI459310B true TWI459310B (zh) | 2014-11-01 |
Family
ID=48694828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100149685A TWI459310B (zh) | 2011-12-30 | 2011-12-30 | 可簡化影像特徵值組之影像擷取裝置及其控制方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8908974B2 (zh) |
TW (1) | TWI459310B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108366204A (zh) * | 2018-03-05 | 2018-08-03 | 山东锋士信息技术有限公司 | 一种嵌入水位流量计算模型的智能监控摄像机 |
CR20180354U (es) * | 2018-07-10 | 2018-10-16 | Color Vision Sa | Pantalla inteligente para la comunicación con el cuidadano |
WO2021258284A1 (en) * | 2020-06-23 | 2021-12-30 | Alibaba Group Holding Limited | Edge processing data de-identification |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200832237A (en) * | 2007-01-19 | 2008-08-01 | Univ Nat Chiao Tung | Human activity recognition method by combining temple posture matching and fuzzy rule reasoning |
TW201137768A (en) * | 2009-11-30 | 2011-11-01 | Hewlett Packard Development Co | Face recognition apparatus and methods |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3279913B2 (ja) * | 1996-03-18 | 2002-04-30 | 株式会社東芝 | 人物認証装置、特徴点抽出装置及び特徴点抽出方法 |
TWI226589B (en) * | 2003-04-28 | 2005-01-11 | Ind Tech Res Inst | Statistical facial feature extraction method |
JP4628882B2 (ja) * | 2005-06-16 | 2011-02-09 | 富士フイルム株式会社 | 判別器の学習方法、顔判別方法および装置並びにプログラム |
JP4196302B2 (ja) * | 2006-06-19 | 2008-12-17 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
US8417960B2 (en) * | 2006-09-06 | 2013-04-09 | Hitachi, Ltd. | Method for generating an encryption key using biometrics authentication and restoring the encryption key and personal authentication system |
AU2006252025B2 (en) * | 2006-12-13 | 2012-10-04 | Canon Kabushiki Kaisha | Recognition of parameterised shapes from document images |
JP4668220B2 (ja) * | 2007-02-20 | 2011-04-13 | ソニー株式会社 | 画像処理装置および画像処理方法、並びにプログラム |
US8315465B1 (en) * | 2009-01-12 | 2012-11-20 | Google Inc. | Effective feature classification in images |
JP5075861B2 (ja) * | 2009-03-16 | 2012-11-21 | 株式会社東芝 | 画像処理装置及び画像処理方法 |
CN102906790B (zh) * | 2010-05-26 | 2015-10-07 | 松下电器(美国)知识产权公司 | 图像信息处理装置 |
US20120169860A1 (en) * | 2010-06-30 | 2012-07-05 | Guan Lian | Method for detection of a body part gesture to initiate a web application |
TWI511056B (zh) * | 2011-09-20 | 2015-12-01 | Altek Corp | 特徵資料壓縮裝置、多方向人臉偵測系統及其偵測方法 |
-
2011
- 2011-12-30 TW TW100149685A patent/TWI459310B/zh active
-
2012
- 2012-03-27 US US13/431,480 patent/US8908974B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200832237A (en) * | 2007-01-19 | 2008-08-01 | Univ Nat Chiao Tung | Human activity recognition method by combining temple posture matching and fuzzy rule reasoning |
TW201137768A (en) * | 2009-11-30 | 2011-11-01 | Hewlett Packard Development Co | Face recognition apparatus and methods |
Also Published As
Publication number | Publication date |
---|---|
TW201327421A (zh) | 2013-07-01 |
US20130170700A1 (en) | 2013-07-04 |
US8908974B2 (en) | 2014-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fang et al. | No-reference quality assessment of contrast-distorted images based on natural scene statistics | |
CN105740775B (zh) | 一种三维人脸活体识别方法及其装置 | |
WO2019085377A1 (zh) | 目标跟踪硬件实现***和方法 | |
US8938092B2 (en) | Image processing system, image capture apparatus, image processing apparatus, control method therefor, and program | |
JP2018501675A (ja) | センサ素子アレイにおける特徴計算 | |
TWI511056B (zh) | 特徵資料壓縮裝置、多方向人臉偵測系統及其偵測方法 | |
JP2014137756A5 (zh) | ||
TWI459310B (zh) | 可簡化影像特徵值組之影像擷取裝置及其控制方法 | |
US11189024B2 (en) | Information processing apparatus and information processing method | |
TW201328359A (zh) | 基於壓縮域的移動物件偵測方法及裝置 | |
Li et al. | Quality assessment for fingerprints collected by smartphone cameras | |
Peng et al. | CCoLBP: Chromatic co-occurrence of local binary pattern for face presentation attack detection | |
TWI606404B (zh) | 可變形物體分類之強健分析及藉由影像感測器之辨識 | |
JP2015005221A5 (zh) | ||
WO2015031350A1 (en) | Systems and methods for memory utilization for object detection | |
CN109711287A (zh) | 人脸采集方法及相关产品 | |
JP4383990B2 (ja) | パラメータ推定装置、パラメータ推定方法、パラメータ推定プログラム、および、パラメータ推定プログラムの記録媒体 | |
Edmunds et al. | Fake face detection based on radiometric distortions | |
Fonseca et al. | Face detection in the compressed domain | |
Nourmohammadi-Khiarak et al. | An ear anti-spoofing database with various attacks | |
CN115601712A (zh) | 适用于现场安全措施的图像数据处理方法及*** | |
TW201319956A (zh) | 人臉影像辨識方法及裝置 | |
CN103188427A (zh) | 可简化影像特征值组的影像撷取装置及其控制方法 | |
Van der Haar | Face antispoofing using shearlets: an empirical study | |
US8422790B2 (en) | Image processing apparatus and image processing method |