TWI482468B - 物體偵測裝置、方法及其電腦可讀取紀錄媒體 - Google Patents
物體偵測裝置、方法及其電腦可讀取紀錄媒體 Download PDFInfo
- Publication number
- TWI482468B TWI482468B TW101144012A TW101144012A TWI482468B TW I482468 B TWI482468 B TW I482468B TW 101144012 A TW101144012 A TW 101144012A TW 101144012 A TW101144012 A TW 101144012A TW I482468 B TWI482468 B TW I482468B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- value
- filtering
- mean square
- root mean
- Prior art date
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
- H04N23/673—Focus control based on electronic image sensor signals based on contrast or high frequency components of image signals, e.g. hill climbing method
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Automatic Focus Adjustment (AREA)
Description
本揭示內容是有關於一種數位影像偵測技術,特別是有關於一種物體偵測裝置、方法及其電腦可讀取紀錄媒體。
由於一般攝影裝置未具有偵測空間深度的功能,因此無法從拍攝的結果中獲得空間深度的資料,必須加裝特殊的深度偵測裝置,或是透過數位影像處理方法來估測空間深度。接著,利用空間深度資訊或是類似的替代資訊,偵測在特定距離上的物體。
當物體落在攝影裝置的聚焦位置上時,物體將會清楚呈現在擷取的影像中。若物體偏離聚焦位置時,則會出現模糊的形體。由此可知,拍攝物體的模糊程度與攝影裝置聚焦參數具有十分密切的關聯性,同時拍攝物體的模糊程度與空間深度距離也具有關聯性。在數位影像處理技術中邊界是一個參考指標,其可以用來計算邊界模糊程度,進而偵測物體。在先前技術中,曾經由判斷邊界的寬度來決定邊界的模糊度,或是計算邊界內外像素的差異值來判別像素的模糊度。然而,這些技術對於光源強度的變化十分敏感,亦會造成計算的模糊值的變動,進而造成無法穩定地、準確地偵測物體。
因此,設計一個新的物體偵測裝置、方法及其電腦可讀取紀錄裝置,使用具備抵抗光源變化能力的像素的模糊值計算方法,進而偵測清晰物體,為業界亟待解決的問題。
本揭示內容之一態樣是在提供一種物體偵測方法,應用於物體偵測裝置中,包含:擷取包含複數像素(pixel)之影像;產生複數影像區塊,其中各影像區塊分別對應像素其中之一;對影像區塊其中之一特定影像區塊以N個濾波參數進行濾波以產生N個濾波結果,濾波參數依序將特定影像區塊之模糊度增加;計算特定影像區塊之N個均方根誤差(root mean square error;RMSE)值,其中第M個均方根誤差值是依據第M個及第M-1個濾波結果計算產生;根據N個均方根誤差值計算近似線斜率值,以做為特定影像區塊之模糊值;重複上述步驟以產生所有像素對應之影像區塊之模糊值;以及將影像區塊對應之模糊值與門檻值比較以偵測出清晰物體之至少一對應像素,俾進一步偵測出聚焦(in-focus)物體。
依據本揭示內容一實施例,其中近似線斜率值是利用N個均方根誤差值進行最小平方近似法(least squares approximations)計算產生。
依據本揭示內容另一實施例,其中門檻值為適應性(adaptive)門檻值,以先前的門檻值以及特定影像區塊中包含的像素之平均模糊值計算產生。
依據本揭示內容又一實施例,物體偵測方法包含判斷影像是否為動態影像,當影像為動態影像時,包含下列步驟:對動態影像與參考動態影像進行比較,以偵測出移動物體;以及根據清晰物體和移動物體偵測出聚焦物體。其
中參考動態影像為先前動態影像。
依據本揭示內容再一實施例,物體偵測方法包含擷取參考深度表,以影像區塊對應之模糊值以及參考深度表產生影像之影像深度圖。
依據本揭示內容更具有之一實施例,物體偵測方法包含對聚焦物體進行數位影像處理,其中數位影像處理包含形態學處理和中間值濾波處理。
本揭示內容之另一態樣是在提供一種物體偵測裝置,包含:影像擷取模組、影像轉換模組以及聚焦物體偵測模組。影像擷取模組擷取包含複數像素之影像,以產生複數影像區塊,其中各影像區塊分別對應像素其中之一。影像轉換模組包含:N個濾波單元、N個均方根誤差計算單元以及斜率值計算單元。濾波單元具有對應濾波單元其中之一之N個濾波參數,用以對影像區塊其中之一特定影像區塊進行濾波以產生N個濾波結果,其中濾波參數依序將特定影像區塊之模糊度增加。均方根誤差計算單元計算對應特定影像區塊之N個均方根誤差值,其中第M個均方根誤差值是依據第M個及第M-1個該等濾波結果計算產生。斜率值計算單元根據N個均方根誤差值計算近似線斜率值,以做為特定影像區塊之模糊值。聚焦物體偵測模組在所有影像區塊對應之模糊值產生後,將影像區塊對應之模糊值與門檻值比較以偵測出清晰物體之至少一對應像素,俾進一步偵測出聚焦物體。
依據本揭示內容一實施例,其中斜率值計算單元利用N個均方根誤差值進行最小平方近似法計算產生近似線斜
率值。
依據本揭示內容另一實施例,其中門檻值為適應性門檻值,以先前門檻值以及特定影像區塊中包含之像素之平均模糊值計算產生。
依據本揭示內容又一實施例,物體偵測裝置包含移動物體偵測模組,用以在當影像為動態影像時,對動態影像與參考動態影像進行比較,以偵測出移動物體,聚焦物體偵測模組根據清晰物體以及移動物體判斷出聚焦物體。其中參考動態影像為先前動態影像。
依據本揭示內容再一實施例,物體偵測裝置包含深度圖建構模組,用以擷取參考深度表,根據影像區塊對應之模糊值以及參考深度表產生影像之影像深度圖。
依據本揭示內容更具有之一實施例,物體偵測裝置包含數位影像處理模組,對聚焦物體進行數位影像處理,其中數位影像處理包含形態學處理和中間值濾波處理。
本揭示內容之一態樣是在提供一種電腦可讀取紀錄媒體,儲存電腦程式,用以執行一種應用於物體偵測裝置中之物體偵測方法,其中物體偵測方法包含:擷取包含複數像素之影像;產生複數影像區塊,其中各影像區塊分別對應像素其中之一;對影像區塊其中之一特定影像區塊以N個濾波參數進行濾波以產生N個濾波結果,濾波參數依序將特定影像區塊之模糊度增加;計算特定影像區塊之N個均方根誤差值,其中第M個均方根誤差值是依據第M個及第M-1個濾波結果計算產生;根據N個均方根誤差值計算近似線斜率值,以做為特定影像區塊之模糊值;重複上述
步驟以產生所有像素對應之影像區塊之模糊值;以及將影像區塊對應之模糊值與門檻值比較以偵測出清晰物體之至少一對應像素,俾進一步偵測出聚焦物體。
依據本揭示內容一實施例,其中近似線斜率值是利用N個均方根誤差值進行最小平方近似法計算產生。
依據本揭示內容另一實施例,其中門檻值為適應性門檻值,以先前門檻值以及特定影像區塊中包含之像素之平均模糊值計算產生。
依據本揭示內容又一實施例,物體偵測方法包含判斷影像是否為動態影像,當影像為動態影像時,包含下列步驟:對動態影像與參考動態影像進行比較,以偵測出移動物體;以及根據清晰物體以及移動物體偵測出聚焦物體。其中參考動態影像為先前動態影像。
依據本揭示內容再一實施例,物體偵測方法更包含擷取參考深度表,根據影像區塊對應之模糊值以及參考深度表產生影像之影像深度圖。
依據本揭示內容更具有之一實施例,物體偵測方法包含對聚焦物體進行數位影像處理,其中數位影像處理包含形態學處理和中間值濾波處理。
應用本揭示內容之優點在於藉由模糊值之計算,建立空間深度的參考資料,以由模糊值的大小偵測特定距離上的物體,並與參考深度表結合可以產生影像的深度圖,而輕易地達成上述之目的。
請參照第1圖。第1圖為本揭示內容一實施例,一種物體偵測裝置1之方塊圖。物體偵測裝置1包含:影像擷取模組100、影像轉換模組102、聚焦物體偵測模組104、影像處理模組106以及深度圖建構模組108。
影像擷取模組100擷取含有複數像素之影像101。於本實施例中,影像101為靜態影像。影像擷取模組100根據此影像101產生複數影像區塊103,其中影像區塊103分別對應像素其中之一。影像轉換模組102根據這些影像區塊103,經過濾波及計算後,產生對應各個像素的影像區塊103的模糊值105。
聚焦物體偵測模組104根據影像101中各個像素的模糊值105與門檻值比較。於不同實施例中,此門檻值可為固定的或是適應性的。於本實施例中,模糊值105愈小代表此像素較為清晰,模糊值105愈大則代表此像素較為模糊。因此,在經過各個像素的模糊值105與門檻值的比較後,聚焦物體偵測模組104將可偵測出影像101中的清晰物體。於本實施例中,影像101是為靜態影像,因此所偵測出的清晰物體即為聚焦物體107。影像處理模組106可進一步對聚焦物體107進行處理,以產生最終的聚焦物體結果109。
以下將對於整個物體偵測的過程進行更詳細的說明。首先,請參照第2圖。第2圖為本揭示內容一實施例中,影像擷取模組100所擷取的影像101的示意圖。
影像擷取模組100所擷取的影像101由複數個像素20所組成。於一實施例中,前述的數個影像區塊103其中任
一者,是以影像101的其中一個像素,如第2圖繪示的像素21為中心,與其周圍的像素23所形成W×H的圖窗(window)25。於本實施例中影像區塊103分別是一個3×3的圖窗25。因此,如影像的大小為A×B,在將此大小的圖窗沿著每個像素20移動,將可產生A×B個影像區塊。
請參照第3圖。第3圖為本揭示內容一實施例中,影像轉換模組102之方塊圖。影像轉換模組102包含:N個濾波單元30、N個均方根誤差(RMSE)計算單元32以及斜率值計算單元34。
N個濾波單元30具有N個相對應的濾波參數Φ1
、Φ2
、...、ΦN
。N個濾波單元30分別接收影像區塊103其中之一特定影像區塊做為輸入(如第2圖所繪示的圖窗25)。N個濾波單元30進一步對此特定影像區塊進行濾波,以產生N個濾波結果I1
、I2
、...、IN
。其中於本實施例中,濾波參數Φ1
、Φ2
、...、ΦN
依序將特定影像區塊之模糊度增加。換句話說,濾波結果I1
的結果將比原特定影像區塊模糊,濾波結果I2
的結果將比濾波結果I1
的結果模糊,以此類推。因此,濾波結果IN
的結果將產生最模糊的影像區塊。
於一實施例中,第M個濾波結果IM
是依據下列式子產生:I M
=I 0
*Φ M
,andM
={1,2,...,N
}
其中,I0
為原始的影像區塊,ΦM
為第M個濾波參數,IM
為兩者的迴旋積分(convolution)結果。於一實施例中,濾波參數可由下二式決定:
其中,σ M
為第M個濾波參數的標準變異量。
需注意的是,於其他實施例中,濾波參數亦可能以其他方式產生,以達到將特定影像區塊之模糊度逐漸增加的結果。
N個均方根誤差計算單元32將根據濾波結果計算出對應特定影像區塊之N個均方根誤差值δ 1
、δ 2
、...、δ N
。於本實施例中,第M個均方根誤差值是依據第M個及第M-1個濾波結果計算產生。舉例來說,均方根誤差值δ 2
是依據第2個濾波結果I2
及第1個濾波結果I1
計算產生。而均方根誤差值δ 1
是依據第1個濾波結果I1
及原始的特定影像區塊計算產生。
於一實施例中,第M個均方根誤差值δ M
是依據下列式子產生:
其中,H及W為此特定影像區塊的高度與寬度。
斜率值計算單元34進一步根據均方根誤差值δ 1
、δ 2
、...、δ N
計算近似線斜率值,以做為特定影像區塊的中心像素之模糊值。
請參照第4圖。第4圖為本揭示內容一實施例中,均方根誤差計算單元32對應的濾波單元數量以及所計算的均方根誤差值δ 1
、δ 2
、...、δ N
分佈的示意圖。
各均方根誤差值δ 1
、δ 2
、...、δ N
間的線段400可以一個近似線401逼近。而此近似線401的斜率值於一實施例
中,依據下列式子產生:
因此,所有影像區塊103重複上述步驟後,可以獲得所有對應的中心像素的模糊值。
在影像轉換模組102計算產生影像101中各個像素的模糊值105後,第1圖中的聚焦物體偵測模組104將根據模糊值105與一個門檻值比較。於一實施例中,比較的過程以下列式子進行比較與判斷:Θ(x
,y
)=1,ifs
(x
,y
)<T 2
Θ(x
,y
)=0,otherwise
意即,當模糊值105小於門檻值T2
時,將被標識為一個清晰像素,而當模糊值105大於T2
時,則被視為模糊像素而不予標識。需注意的是,上述的門檻值T2
可為固定的值或是一個適應性門檻值。當門檻值T2
為適應性門檻值時,可依據下列式子產生:
其中,為先前影像區塊所使用的門檻值,為目前整個影像區塊的各像素的模糊值的平均,而α
則為權重值。
對靜態影像101來說,經過上述的比較過程,聚焦物體偵測模組104將可標識出影像101中所有的清晰像素並將之分割出來成為清晰物體,亦稱為聚焦物體107。依據不同門檻值的設定,可偵測出對應不同特定距離(深度)上的聚焦物體107。
在偵測出影像101的聚焦物體107後,影像處理模組106可進一步對聚焦物體107進行處理。於一實施例中,影像處理模組106可對聚焦物體107進行形態學處理、中間值濾波處理或是其他類型的處理,以產生聚焦物體結果109。
於第1圖中繪示的深度圖建構模組108用以擷取參考深度表111,根據影像區塊103對應之模糊值105以及參考深度表111產生影像101之影像深度圖113。此影像深度圖113表示影像101的深度資訊,可用以表示影像101中的物體相對於攝影鏡頭的遠近關係。
請參照第5圖。第5圖為本揭示內容另一實施例中,一種動態影像的物體偵測裝置5之方塊圖。物體偵測裝置5與第1圖的物體偵測裝置1大同小異,包含:影像擷取模組100、影像轉換模組102、聚焦物體偵測模組104、影像處理模組106以及深度圖建構模組108。然而,於本實施例中,物體偵測裝置5更包含移動物體偵測模組500。
於本實施例中,影像擷取模組100所擷取的影像101為動態影像。移動物體偵測模組500將接收此影像101以及一個參考動態影像501,將影像101與參考動態影像501進行比較。於一實施例中,參考動態影像501即為先前的動態影像。
移動物體偵測模組500將先對影像101與參考動態影像501計算各個像素的差值平方和。於一實施例中,此差值平方和依據下列式子產生:
其中,I R
為參考動態影像501,而I M
為影像101。
產生差值平方和後,移動物體偵測模組500進一步依照下式進行比較與判斷:
Ω(x
,y
)=0,otherwise
因此,當上述的差值平方和大於門檻值T1
時,即表示此影像區塊103所對應的中心像素與前一時刻的參考動態影像差距大,而被標識為移動像素。在對整個影像101進行上述處理後,將可偵測出影像101中的移動物體503。
因此,在影像轉換模組102進行於先前實施例所述的模糊值105計算後,聚焦物體偵測模組104除根據模糊值105與門檻值比較產生清晰物體之像素的函數Θ(x
,y
)外,將進一步依據移動物體503的函數Ω(x
,y
)計算以產生聚焦物體107的函數:R
(x
,y
)=Ω(x
,y
).Θ(x
,y
)
在偵測出聚焦物體107後,影像處理模組106可進行後續的影像處理。因此,本實施例中的物體偵測裝置5可以對動態影像進行聚焦物體的偵測處理。
應用本揭示內容物體偵測裝置之優點在於藉由模糊值之計算,建立空間深度的參考資料,藉由模糊值的大小偵測特定距離上的物體,並可以與參考深度表結合產生影像的深度圖。其中,像素的模糊值計算結果將不受光源變化而影響。當相機連續拍攝多張照片,過程中若是光源突然變亮或突然變暗的時候,以其他先前技術所偵測到的物體形狀會有劇烈的變化,門檻值需要不斷的調整變動,十分
費時且偵測結果不精準。然而本揭示內容依據多個差值的變化程度進行分析,因此可以抵抗光源劇烈變化的情形,即使門檻值不改變亦可以偵測物體。
請參照第6圖。第6圖為本揭示內容一實施例中,表示亮度的伽瑪參數與依本揭示內容之方式計算出的模糊值之變化率的關係圖。由第6圖可以得知,在伽瑪參數自0.5至2.5的變動區間中(亦即不同光源變化的情形下),變化率值皆小於0.8,對光源變化有高度穩定性。
請參照第7圖。第7圖為本揭示內容一實施例中,物體的距離與模糊值的關係圖。於本實施例中,以圓形點繪製而成的線段為對焦距離為175公釐時的情形,而以方形點繪製而成的線為為對焦距離為250公釐時的情形。
由第7圖可知,在不同深度時將有不同的對應模糊值,最小的模糊值表示為相機的對焦距離。當物體在對焦距離上時,其像素模糊值將為最小,然後隨著距離拉遠像素模糊值逐漸變大。因此,藉由本揭示內容的方法,可以有效地建立像素模糊值與空間深度的關係。
請參照第8圖。第8圖為本揭示內容一實施例中,物體偵測方法800之流程圖。物體偵測方法800可應用於如第1圖繪示的物體偵測裝置1或第5圖繪示的動態影像的物體偵測裝置5。此物體偵測方法800可實作為一電腦程式,並儲存於一電腦可讀取記錄媒體中,而使電腦讀取此記錄媒體後執行即時物體偵測。電腦可讀取記錄媒體可為唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟悉此技藝者可輕易思及
具有相同功能之電腦可讀取紀錄媒體。物體偵測方法800包含下列步驟(應瞭解到,在本實施方式中所提及的步驟,除特別敘明其順序者外,均可依實際需要調整其前後順序,甚至可同時或部分同時執行)。
於步驟801,由影像擷取模組100擷取含有複數像素之影像,並產生對應像素其中之一之複數影像區塊103。
於步驟802,影像轉換模組102對影像區塊103其中之一特定影像區塊分別以N個濾波參數進行濾波以產生N個濾波結果,其中濾波參數依序將特定影像區塊之模糊度增加。
於步驟803,影像轉換模組102計算對應特定影像區塊之N個均方根誤差值,其中第M個均方根誤差值是依據第M個及第M-1個濾波結果計算產生。
於步驟804,影像轉換模組102根據N個均方根誤差值計算近似線斜率值,以做為特定影像區塊之模糊值105。
於步驟805,判斷是否所有影像區塊均完成計算。當尚未完成計算時,流程將回至步驟802繼續進行計算。
當完成計算所有像素對應之影像區塊之模糊值時,聚焦、物體偵測模組104於步驟806分別將影像區塊103對應之模糊值105與門檻值比較以偵測出清晰物體之對應像素,俾進一步偵測出聚焦物體107。
雖然本揭示內容已以實施方式揭露如上,然其並非用以限定本揭示內容,任何熟習此技藝者,在不脫離本揭示內容之精神和範圍內,當可作各種之更動與潤飾,因此本揭示內容之保護範圍當視後附之申請專利範圍所界定者為
準。
1‧‧‧物體偵測裝置
100‧‧‧影像擷取模組
101‧‧‧影像
102‧‧‧影像轉換模組
103‧‧‧影像區塊
104‧‧‧聚焦物體偵測模組
105‧‧‧模糊值
106‧‧‧影像處理模組
107‧‧‧聚焦物體
108‧‧‧深度圖建構模組
109‧‧‧聚焦物體結果
111‧‧‧參考深度表
113‧‧‧影像深度圖
20、21、23‧‧‧像素
25‧‧‧圖窗
30‧‧‧濾波單元
32‧‧‧均方根誤差計算單元
34‧‧‧斜率值計算單元
400‧‧‧線段
401‧‧‧近似線
500‧‧‧移動物體偵測模組
501‧‧‧參考動態影像
503‧‧‧移動物體
800‧‧‧物體偵測方法
801-806‧‧‧步驟
為讓本揭示內容之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:第1圖為本揭示內容一實施例中,一種物體偵測裝置之方塊圖;第2圖為本揭示內容一實施例中,影像的示意圖;第3圖為本揭示內容一實施例中,影像轉換模組之方塊圖;第4圖為本揭示內容一實施例中,均方根誤差計算單元對應的濾波單元數量以及所計算的均方根誤差值分佈的示意圖;第5圖為本揭示內容另一實施例中,一種動態影像的物體偵測裝置之方塊圖;第6圖為本揭示內容一實施例中,表示亮度的伽瑪參數與依本揭示內容之方式計算出的模糊值之變化率的關係圖;第7圖為本揭示內容一實施例中,物體的距離與模糊值的關係圖;以及第8圖為本揭示內容一實施例中,物體偵測方法之流程圖。
800‧‧‧物體偵測方法
801-806‧‧‧步驟
Claims (21)
- 一種物體偵測方法,應用於一物體偵測裝置中,包含:擷取包含複數像素(pixel)之一影像;產生複數影像區塊,其中該等影像區塊分別對應該等像素其中之一;對該等影像區塊其中之一特定影像區塊分別以N個濾波參數進行濾波以產生N個濾波結果,其中該等濾波參數係依序將該等特定影像區塊之一模糊度增加,其中N為大於一之一整數;計算對應該特定影像區塊之N個均方根誤差(root mean square error;RMSE)值,其中M為二至N之間任一個整數,第一個該等均方根誤差值是依據第一個該等濾波結果及未濾波的該特定影像區塊計算產生,並且第M個該等均方根誤差值是依據第M個及第M-1個該等濾波結果計算產生;根據該N個均方根誤差值計算一近似線斜率值,以做為該特定影像區塊之一模糊值;重複上述步驟以產生所有該等像素對應之該等影像區塊之該模糊值;以及分別將該等影像區塊對應之該模糊值與一門檻值比較以偵測出一清晰物體之至少一對應像素,俾進一步偵測出一聚焦(in-focus)物體。
- 如請求項1所述之物體偵測方法,其中該近似線 斜率值是利用該N個均方根誤差值進行一最小平方近似法(least squares approximations)計算產生。
- 如請求項1所述之物體偵測方法,其中該門檻值為一適應性(adaptive)門檻值,以一先前門檻值以及該特定影像區塊中包含之該等像素之一平均模糊值計算產生。
- 如請求項1所述之物體偵測方法,更包含判斷該影像是否為一動態影像,當該影像為該動態影像時,更包含下列步驟:對該動態影像與一參考動態影像進行比較,以偵測出一移動物體;以及根據該清晰物體以及該移動物體偵測出該聚焦物體。
- 如請求項4所述之物體偵測方法,其中該參考動態影像為一先前動態影像。
- 如請求項1所述之物體偵測方法,更包含擷取一參考深度表,以根據該等影像區塊對應之該模糊值以及該參考深度表產生該影像之一影像深度圖。
- 如請求項1所述之物體偵測方法,更包含對該聚焦物體進行一數位影像處理,其中該數位影像處理包含一形態學處理和包含一中間值濾波處理。
- 一種物體偵測裝置,包含:一影像擷取模組,擷取包含複數像素之一影像,以產生複數影像區塊,其中該等影像區塊分別對應該等像素其中之一;一影像轉換模組,包含:N個濾波單元,具有分別對應該等濾波單元其中之一之N個濾波參數,用以對該等影像區塊其中之一特定影像區塊進行濾波以產生N個濾波結果,其中該等濾波參數係依序將該等特定影像區塊之一模糊度增加,其中N為大於一之一整數;N個均方根誤差計算單元,用以計算對應該特定影像區塊之N個均方根誤差值,其中M為二至N之間任一個整數,第一個該等均方根誤差值是依據第一個該等濾波結果及未濾波的該特定影像區塊計算產生,並且第M個該等均方根誤差值是依據第M個及第M-1個該等濾波結果計算產生;以及一斜率值計算單元,用以根據該N個均方根誤差值計算一近似線斜率值,以做為該特定影像區塊之一模糊值;以及一聚焦物體偵測模組,用以於所有該等像素對應之該等影像區塊之該模糊值產生後,使該模糊值與一門檻值比較以偵測出一清晰物體之至少一對應像素,俾進一步偵測出一聚焦物體。
- 如請求項8所述之物體偵測裝置,其中該斜率值計算單元利用該N個均方根誤差值進行一最小平方近似法計算產生該近似線斜率值。
- 如請求項8所述之物體偵測裝置,其中該門檻值為一適應性門檻值,以一先前門檻值以及該特定影像區塊中包含之該等像素之一平均模糊值計算產生。
- 如請求項8所述之物體偵測裝置,更包含一移動物體偵測模組,用以在當該影像為一動態影像時,對該動態影像與一參考動態影像進行比較,以偵測出一移動物體,該聚焦物體偵測模組根據該清晰物體以及該移動物體判斷出該聚焦物體。
- 如請求項11所述之物體偵測裝置,其中該參考動態影像為一先前動態影像。
- 如請求項8所述之物體偵測裝置,更包含一深度圖建構模組,用以擷取一參考深度表,以根據該等影像區塊對應之該模糊值以及該參考深度表產生該影像之一影像深度圖。
- 如請求項8所述之物體偵測裝置,更包含一數位影像處理模組,用以對該聚焦物體進行一數位影像處理,其中該數位影像處理包含一形態學處理和包含一中間值濾 波處理。
- 一種電腦可讀取紀錄媒體,儲存一電腦程式,用以執行一種應用於一物體偵測裝置中之一物體偵測方法,其中該物體偵測方法包含擷取包含複數像素之一影像;產生複數影像區塊,其中該等影像區塊分別對應該等像素其中之一;對該等影像區塊其中之一特定影像區塊分別以N個濾波參數濾波以產生N個濾波結果,其中該等濾波參數係依序使該等特定影像區塊之一模糊度增加,其中N為大於一之一整數;計算對應該特定影像區塊之N個均方根誤差值,其中M為二至N之間任一個整數,第一個該等均方根誤差值是依據第一個該等濾波結果及未濾波的該特定影像區塊計算產生,並且第M個該等均方根誤差值是依據第M個及第M-1個該等濾波結果計算產生;根據該N個均方根誤差值計算一近似線斜率值,以做為該特定影像區塊之一模糊值;重複上述步驟以產生所有該等像素對應之該等影像區塊之該模糊值;以及分別將該等影像區塊對應之該模糊值與一門檻值比較以偵測出一清晰物體之至少一對應像素,俾進一步偵測出一聚焦物體。
- 如請求項15所述之電腦可讀取紀錄媒體,其中該近似線斜率值是利用該N個均方根誤差值進行一最小平方近似法計算產生。
- 如請求項15所述之電腦可讀取紀錄媒體,其中該門檻值為一適應性門檻值,以一先前門檻值以及該特定影像區塊中包含之該等像素之一平均模糊值計算產生。
- 如請求項15所述之電腦可讀取紀錄媒體,其中該物體偵測方法更包含判斷該影像是否為一動態影像,當該影像為該動態影像時,更包含下列步驟:對該動態影像與一參考動態影像進行比較,以偵測出一移動物體;以及根據該清晰物體以及該移動物體偵測出該聚焦物體。
- 如請求項18所述之電腦可讀取紀錄媒體,其中該參考動態影像為一先前動態影像。
- 如請求項15所述之電腦可讀取紀錄媒體,其中該物體偵測方法更包含擷取一參考深度表,以根據該等影像區塊對應之該模糊值以及該參考深度表產生該影像之一影像深度圖。
- 如請求項15所述之電腦可讀取紀錄媒體,其中該 物體偵測方法更包含對該聚焦物體進行一數位影像處理,其中該數位影像處理包含一形態學處理和包含一中間值濾波處理。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101144012A TWI482468B (zh) | 2012-11-23 | 2012-11-23 | 物體偵測裝置、方法及其電腦可讀取紀錄媒體 |
US13/716,220 US8948453B2 (en) | 2012-11-23 | 2012-12-17 | Device, method and non-transitory computer readable storage medium for detecting object |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101144012A TWI482468B (zh) | 2012-11-23 | 2012-11-23 | 物體偵測裝置、方法及其電腦可讀取紀錄媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201421990A TW201421990A (zh) | 2014-06-01 |
TWI482468B true TWI482468B (zh) | 2015-04-21 |
Family
ID=50773338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW101144012A TWI482468B (zh) | 2012-11-23 | 2012-11-23 | 物體偵測裝置、方法及其電腦可讀取紀錄媒體 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8948453B2 (zh) |
TW (1) | TWI482468B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013136403A1 (ja) * | 2012-03-15 | 2013-09-19 | パナソニック株式会社 | 画像処理装置、集積回路、プログラム、撮像装置、表示装置 |
US9625995B2 (en) * | 2013-03-15 | 2017-04-18 | Leap Motion, Inc. | Identifying an object in a field of view |
US9344619B2 (en) * | 2013-08-30 | 2016-05-17 | Qualcomm Incorporated | Method and apparatus for generating an all-in-focus image |
US9251416B2 (en) * | 2013-11-19 | 2016-02-02 | Xerox Corporation | Time scale adaptive motion detection |
US11893753B2 (en) * | 2019-08-27 | 2024-02-06 | Pixart Imaging Inc. | Security camera and motion detecting method for security camera |
JP7185608B2 (ja) * | 2019-09-10 | 2022-12-07 | Kddi株式会社 | オブジェクト検出装置、方法及びプログラム |
CN113688850A (zh) * | 2020-05-14 | 2021-11-23 | 武汉Tcl集团工业研究院有限公司 | 一种图像处理的方法及终端 |
CN113905181B (zh) * | 2021-11-16 | 2023-05-26 | 福州鑫图光电有限公司 | 一种自动对焦方法及终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100271502A1 (en) * | 2007-12-20 | 2010-10-28 | Nxp B.V. | Image filtering |
US20100290710A1 (en) * | 2009-04-22 | 2010-11-18 | Nikhil Gagvani | System and method for motion detection in a surveillance video |
US20110091073A1 (en) * | 2009-07-31 | 2011-04-21 | Masahiro Iwasaki | Moving object detection apparatus and moving object detection method |
TWI351001B (en) * | 2007-11-21 | 2011-10-21 | Ind Tech Res Inst | Method and apparatus for adaptive object detection |
TWI353778B (en) * | 2007-12-21 | 2011-12-01 | Ind Tech Res Inst | Moving object detection apparatus and method |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002235252A1 (en) | 2000-12-19 | 2002-07-01 | Pulsent Corporation | Deblurring and re-blurring image segments |
US7302096B2 (en) | 2002-10-17 | 2007-11-27 | Seiko Epson Corporation | Method and apparatus for low depth of field image segmentation |
TW201001338A (en) * | 2008-06-16 | 2010-01-01 | Huper Lab Co Ltd | Method of detecting moving objects |
TWI383332B (zh) * | 2009-05-08 | 2013-01-21 | Chunghwa Picture Tubes Ltd | 影像處理裝置及其方法 |
US8457348B2 (en) * | 2010-06-28 | 2013-06-04 | The Chinese University Of Hong Kong | Producing structure-based ASCII pictures |
US9147260B2 (en) * | 2010-12-20 | 2015-09-29 | International Business Machines Corporation | Detection and tracking of moving objects |
-
2012
- 2012-11-23 TW TW101144012A patent/TWI482468B/zh active
- 2012-12-17 US US13/716,220 patent/US8948453B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI351001B (en) * | 2007-11-21 | 2011-10-21 | Ind Tech Res Inst | Method and apparatus for adaptive object detection |
US20100271502A1 (en) * | 2007-12-20 | 2010-10-28 | Nxp B.V. | Image filtering |
TWI353778B (en) * | 2007-12-21 | 2011-12-01 | Ind Tech Res Inst | Moving object detection apparatus and method |
US20100290710A1 (en) * | 2009-04-22 | 2010-11-18 | Nikhil Gagvani | System and method for motion detection in a surveillance video |
US20110091073A1 (en) * | 2009-07-31 | 2011-04-21 | Masahiro Iwasaki | Moving object detection apparatus and moving object detection method |
Also Published As
Publication number | Publication date |
---|---|
TW201421990A (zh) | 2014-06-01 |
US20140146999A1 (en) | 2014-05-29 |
US8948453B2 (en) | 2015-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI482468B (zh) | 物體偵測裝置、方法及其電腦可讀取紀錄媒體 | |
US10997696B2 (en) | Image processing method, apparatus and device | |
TWI441095B (zh) | 距離估算方法及其距離估算裝置,及其機器可讀取媒體 | |
US9361680B2 (en) | Image processing apparatus, image processing method, and imaging apparatus | |
Kumar et al. | Sharpness estimation for document and scene images | |
US9307134B2 (en) | Automatic setting of zoom, aperture and shutter speed based on scene depth map | |
KR101324268B1 (ko) | 화상 식별 방법 및 촬상장치 | |
JP4416795B2 (ja) | 補正方法 | |
US20120163704A1 (en) | Apparatus and method for stereo matching | |
RU2538941C1 (ru) | Улучшения качества распознавания за счет повышения разрешения изображений | |
EP1347417A2 (en) | Face detection computer program product for redeye correction | |
JP2014057303A (ja) | 深度推定手順において改善されたシーン検出を利用するためのシステム及び方法 | |
KR20150037369A (ko) | 영상의 노이즈를 저감하는 방법 및 이를 이용한 영상 처리 장치 | |
CN110717942A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
TWI496114B (zh) | 影像追蹤裝置及其影像追蹤方法 | |
JP2006050494A (ja) | 画像撮影装置 | |
KR102360773B1 (ko) | 스테레오-시간적 이미지 시퀀스들로부터 향상된 3-d 데이터 재구성을 위한 방법들 및 장치 | |
CN113313626A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
US9995905B2 (en) | Method for creating a camera capture effect from user space in a camera capture system | |
CN112204957A (zh) | 白平衡处理方法和设备、可移动平台、相机 | |
US20120148108A1 (en) | Image processing apparatus and method therefor | |
JP6395429B2 (ja) | 画像処理装置、その制御方法及び記憶媒体 | |
CN103841312B (zh) | 物体侦测装置及方法 | |
JP6063680B2 (ja) | 画像生成装置、画像生成方法、撮像装置、および撮像方法 | |
CN113055584B (zh) | 基于模糊程度的对焦方法、镜头控制器及相机模组 |