TWI494900B - 即時影像追蹤方法 - Google Patents
即時影像追蹤方法 Download PDFInfo
- Publication number
- TWI494900B TWI494900B TW102139318A TW102139318A TWI494900B TW I494900 B TWI494900 B TW I494900B TW 102139318 A TW102139318 A TW 102139318A TW 102139318 A TW102139318 A TW 102139318A TW I494900 B TWI494900 B TW I494900B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- original
- template
- original image
- matching
- Prior art date
Links
Landscapes
- Image Analysis (AREA)
Description
本發明係關於一種即時影像追蹤方法,尤指一種適用於模板影像物件與原圖(欲匹配)影像之目標物件不同動作、大小與形狀之即時影像追蹤方法。
影像追蹤目前被廣泛運用在軍事上以及視訊處理上,係正處於熱門發展的領域。常見的影像追蹤是使用一種完全搜尋法(Full search),其係將模板影像覆蓋至原圖影像上並與像素點比對以及將模板影像在原圖影像上移動,每移動一次便比對全部像素點一次,並把二圖各像素點之差值相加作為該位置的相似度,當整個原圖影像之比較完成後,將差值總和最小的位置作為匹配位置。然而此種方法往往需要耗費大量的時間,因此若原圖影像較大,其花費的時間將十分驚人。
在影像處理領域裡,有人使用一種中值門檻位元圖(Median threshold bitmap)進行影像校準處理,其係使用模板影像與原圖影像裡像素值的中間值做為門檻,將二影像進行轉換並進行校準,雖然這種方法只需比對影像的位元值而可以快速地處理影像校準,然而由於影像校準並不如同影像追蹤般會有模板影像與原圖影像物件大小不同、
動作也不同等變數,且當影像中被某個顏色大量佔據的時候取出的中值有很大的機會為此顏色(尤其當影像比較小的時候,也就是影像資訊較少的時候),那可能造成原圖影像的中值門檻位元圖和模板影像的中值門檻位元圖有所不同進而影響匹配結果,因此中值門檻位元圖並不適用於影像追蹤。
因此需要開發一種新的影像處理方法來達到快速影像追蹤的功能。
本發明之目的係在提供一種即時影像追蹤方法,其係藉由一影像處理裝置進行處理,該方法包括步驟:(A)輸入一模板影像資訊與原圖影像資訊;(B)使用一影像金字塔將該模板影像與原圖影像縮放為數組不同大小的影像層級,該等影像層級依照該等影像大小依序排列;(C)進行該最小影像層級中該模板影像與原圖影像之門檻位元圖轉換,用以分別取得該模板影像與原圖影像的一平均值門檻位元圖;(D)進行該模板影像與原圖影像之平均值門檻位元圖相似度匹配,藉此找出該模板影像於原圖影像中之一匹配位置;(E)將步驟(D)所取得的影像匹配位置對應至一下一影像層級的原圖影像上,並由該匹配位置處擴張一範圍,進行該影像層級之模板影像與原圖影像之門檻位元圖轉換,之後只針對該範圍進行模板影像與該原圖影像之平均值門檻位元圖相似度匹配;以及(F)重複進行步驟(E),直到影像層級為該等影像的原始大小層級,並以該層級之匹配為至
作為匹配結果輸出。藉此可以在該原圖影像中找出和模板影像匹配的物件。另外,本發明亦可將加入一放大後之原圖影像作為影像金字塔的最後一層,並且再進行一次模板匹配的程序,最後把匹配的位移除以二,藉此得到更精準的匹配位置。
11、31‧‧‧原圖影像
511‧‧‧最小影像層級匹配位置
12、32‧‧‧模板影像
52‧‧‧下一層級影像層級
13‧‧‧影像處理裝置
521‧‧‧下一影像層級匹配位置
14‧‧‧匹配完成示意圖
53‧‧‧原始層級影像層級
S21、S22、S23、S24、S25、S26、S27、S28‧‧‧步驟
531‧‧‧最終匹配位置
S31、S32、S33、S34‧‧‧步驟
S61、S62、S63‧‧‧步驟
33‧‧‧原圖影像之平均值門檻位元圖
S71、S72、S73、S74、S75、S76、S77、S78‧‧‧步驟
34‧‧‧模板影像之平均值門檻位元圖
S81、S82、S83、S84、S85、S86、S87、S88‧‧‧步驟
S41、S42、S43、S44、S45‧‧‧步驟
S91、S92、S93‧‧‧步驟
50‧‧‧影像金字塔
101‧‧‧放大影像中之原始像素點
51‧‧‧最小影像層級
102‧‧‧第一型態內插像素點
103‧‧‧第二型態內插像素點
圖1係本發明影像匹配之示意圖。
圖2係本發明影像匹配方法之流程圖。
圖3係本發明平均值門檻位元圖轉換之流程圖。
圖4係本發明平均值門檻位元圖匹配之流程圖。
圖5係本發明影像金字塔之流程圖。
圖6係本發明結合互斥或位元圖運算之流程圖。
圖7係本發明影像匹配方法之另一流程圖。
圖8係本發明取得更精準的匹配位置方法之流程圖。
圖9係本發明另一提升匹配精準度的方法之流程圖。
圖10係本發明雙線性內插法之示意圖。
本發明提出一種即時影像追蹤方法,請參照圖1,可知該追蹤意旨在原圖影像(11)上找出與模板影像(12)相匹配的物件(14),例如圖1中所示之“C”,其中一影像可視為由複數個以矩陣排列之像素(121)所構成,例如圖1所示之模板影像(12)實際上係由許多像素(121)構成。該方法係藉由一影像處理裝置(13)來實施,該影像處理裝置可以係一
電腦、一微處理器等,只要是任何具有計算功能之裝置皆可做為本發明之影像處理裝置。
圖2為本發明一實施例之流程圖,首先進行步驟S21,一影像處理裝置取得一模板影像與欲匹配的一原圖影像。之後進行步驟S22,該影像處理裝置使用一影像金字塔將該模板影像與該原圖影像縮放為數組不同大小的影像,並依此分為數個影像層級,並進行步驟S23將該等影像層級依照影像的大小依序排列,該依序排列係將最小的層級排在該影像金字塔的頂部做為第一層級,將原始影像大小的層級排在該影像金字塔的底部,其中各層級影像大小可以是整數倍縮放,例如各層級的差異為2倍大小,但不限於此。將各層級依序排列後,進行步驟S24,將最小影像層級中模板影像與原圖影像進行一平均值門檻位元圖轉換,用以取得該模板影像與原圖影像各別的平均值門檻位元圖,該平均值門檻位元圖將會在之後的段落做更詳細的說明。
當取得該二圖像各別的平均值門檻位元圖後,進行步驟S25,將該模板影像與原圖影像之平均值門檻位元圖進行相似度匹配,藉此找出該模板影像於原圖影像中之一匹配位置以及該匹配位置的匹配中心區塊,該相似度匹配將會在後續段落做更詳細的說明。之後進行步驟S26,其藉由步驟S25所取得的該匹配中心區塊,將該匹配中心區塊對應至下一層級之原圖影像,由於下一層級之原圖影像必大於上一層級之原圖影像,因此需將該對應的匹配中心區塊作為中心向外擴張至一範圍。之後進行步驟S27,將該
下一層級中之模板影像與原圖影像進行平均值門檻位元圖轉換,用以取得該下一影像層級中模板影像與原圖影像的平均值門檻位元圖,接著在該範圍裡進行模板影像與原圖影像之平均值門檻位元圖之相似度匹配,其中該原圖影像之平均值門檻位元圖之轉換較佳為只擷取該範圍裡的影像進行轉換,但也可以係整張原圖影像進行轉換或可自行選擇欲轉換的範圍。之後進行步驟S28,判斷影像大小是否為原始影像大小,若不是原始影像大小則重複步驟S26至S27進行更下一層級的相似度匹配,若是已達到原始的影像大小則將該層級完成之匹配位置輸出,以該匹配位置視為模板影像在原圖影像上之物件,藉此完成模板影像在原圖影像上之追蹤。
圖3為步驟S24或S27之平均值門檻位元圖轉換之細部流程圖,首先進行步驟S31,將原圖影像(31)與模板影像(32)進行一色彩轉換,該色彩轉換較佳為灰階轉換,但不限於此,為使說明清楚,以下將以灰階轉換作為舉例。當灰度轉換後,接著進行步驟S32,設定一平均值作為之後位元圖轉換之門檻值,該平均值可以是模板影像與原圖影像各自使用自身影像灰階值的平均值(即模板影像使用模板影像之平均值,原圖影像使用原圖影像之平均值),但較佳的情況是模板影像與原圖影像皆使用模板影像灰階值的平均值作為門檻圖運算之平均值,模板影像與原圖影像皆使用模板影像灰階值作為平均值的好處在於當進行平均值運算時,有時原圖影像與模板影像的平均值會有很大的差異
(例如因為原圖影像的背影太複雜所造成),而原圖影像一般而言會包含模板影像之物件,因此以模板影像作為平均值將可以達到最準確的運算效果。當設定好平均值後,進行步驟S33與S34,利用以下的條件各別求出模板影像與原圖影像的平均值門檻位元圖:
其中x為影像的灰階值,Mean為影像灰階值的平均值。經由該平均值門檻位元轉換後,模板影像與原圖影像上的像素點若大於平均值(即1)將以白色顯示,若小於等於平均值(即0)則以黑色顯示,但並不限定為白色與黑色,只要是兩種有區別的顏色及可作為轉換後之顯示顏色。之後將轉換後的原圖影像(33)和模板影像(34)輸出。
圖4(a)為本發明之相似度匹配示意圖,首先進行步驟S41,將模板影像之平均值位元圖覆蓋於原圖影像之平均值位元圖上,並進行步驟S42,在模板影像的位置處以及模板影像大小的範圍內進行二張影像之點對點的像素值比對運算,並取得一比對結果,之後進行步驟S43,將該比對結果進行一運算,該運算較佳為互斥或(XOR)運算,但不限於此,為了更清楚地說明,以下將以互斥或運算作為實施例。由於互斥或運算時同時輸入0與1時才會輸出1,否則皆為0,因此比對時,當模板影像之平均值位元圖與原圖影像之平均值位元圖之一像素點相同時,經由互斥或運算後將會得到0值,而當像素點不相同時,將會得到1值。
接著進行步驟S44,把該模板影像範圍內所有1值相加,即為模板影像在原圖該位置處的相異程度值。之後並將該模板影像之平均值位元圖移至下一個位置,並進行相似度的計算,並以此類推。當模板影像移動完所有原圖影像範圍後,進行步驟S45,將每個位置的相異程度進行相比,其中該相異程度最小(取得的1最少)的位置即為模板影像在原圖影像上所匹配的位置。圖4(b)為匹配示意圖,請一併參照圖3,其中示意圖41係模板影像(34)於原圖影像(33)中模板影像物件位置附近(411)進行像素比對之過程,由於各像素(黑與白)並不完全相同因此假設其差異的像素點共有60處,則將該60處記錄為1,並取得其相異程度值60。示意圖42係模板影像(34)於原圖影像(33)另一位置進行像素比對之過程,由於原圖影像(34)中該位置(412)經由位元圖轉換後已為全黑的像素,因此其相異程度值將比示意圖41之比對位置更高,假設其差異的像素點共有100處,則將該100處記錄為1,並取得其相異程度值100。示意圖43係模板影像(34)於原圖影像(33)之模板物件位置處(413)進行像素比對之過程,由於兩者白色像素與黑色像素分布最為接近,因此其相異程度值將最小,因此將此處設定為匹配位置。
圖5為一原圖影像之影像金字塔之示意圖,請一併參照圖1,當進行完最小影像層級(51)的匹配後,會得到最小影像層級之模板影像在原圖影像中的一匹配位置(511),由於影像金字塔係將影像依照比例從最小影像之層逐漸放大,因此該匹配位置(511)可以做為下一影像層級(52)
中原圖影像的參考,但是由於在小影像層級時,因為影像縮小失去了大部分的影像資訊,所以必須在最小影像層級時針對全部的原圖影像進行匹配處理。然而也由於隨著影像的放大,下一影像層級(52)中欲匹配物件(521)的大小也會放大,因此該匹配位置所包含的物件(511)會較小,且該匹配的位置也有可能稍微產生位移,因此必須將該取得的匹配範圍(511)擴張。該擴張係由該匹配位置作為擴張的中心處,向外擴張,再一時較佳實施例中,該擴張為3X3比例(即9倍大小),但不限於此,藉此來確保匹配位置範圍的精準度。
由此可知,藉由影像金字塔在最小影像層級中找出匹配位置(511)後,可以依照該位置快速地在之後更大影像層級中找出相對應的匹配位置(512),並只在該位置周圍進行該層級的匹配,直到所有層級皆已完成匹配,即當該層級為原始影像大小(53)時,即完成實際上的匹配。
藉此,本發明可提供一快速的影像追蹤方法。
此外在各影像層級的縮放中,有些影像層級可能會縮放得非常小,此時會造成模板影像的資訊不夠,若只將影像資訊不夠的模板影像在上一層級所取得的匹配位置對應到目前層級的匹配範圍上搜尋,將有可能造成匹配位置不正確,因為該等影像並不完整,所以當目前層級的影像資訊不足時,可不使用該上一層級的匹配範圍進行搜尋的方式,而改以使用完全搜尋法進行原圖影像的完全搜尋。其中該影像資訊可以係各種資訊,較佳為模板影像的
像素數量,但不限於此,為使說明更詳細,以下將以像素數量作為範例。另外該影像資訊足夠與否的判斷,較佳係設定為當模板影像的像素數量超過512時,該影像資訊視為足夠。
此外,該平均值門檻位元圖之步驟可結合其它的位元圖運算。由於利用平均值門檻時,在光影交錯的區域裡,常會有些光點的像素值接近於該平均值,因此可能會造成該平均值門檻位元圖出現該等光點雜訊,因此本發明可與互斥或位元圖結合藉此過濾該等光點雜訊,用以取得一更精準的平均值門檻位元圖。圖6為本發明結合互斥或運算之流程圖,請一併參考圖2與圖3,首先進行步驟S61設定雜訊門檻範圍,其係以該等模板影像之平均值為基礎,將該平均值±r作為該雜訊門檻範圍。接著進行步驟S62,將在該範圍內的該等模板影像與原圖影像之像素值(即光點雜訊)記錄為0,將不在該等範圍內之該等模板影像與原圖影像之像素值(即非光點雜訊)記錄為1,藉此取得該互斥或位元圖,其中該r值取決於光點雜訊之像素值與該平均值之差值,例如光點雜訊之值為172,該平均值為168,則r值為4。接著進行步驟S63,將圖2流程所取得的平均值門檻位元圖與該互斥或位元圖進行AND運算,由於兩張圖的像素值皆為1的部分才會在AND運算後以1輸出,因此互斥或位元圖上之光點雜訊(即為0)將會被過濾掉,藉此AND運算後的影像將是更精準的平均值門檻位元圖,即去除掉光點雜訊的平均值門檻位元圖。
藉此,本發明可提供一快速且精準的影像追蹤方法。
圖7為本發明另一實施例之流程圖,其中該流程與圖2實施例之流程不同之處在於圖2之流程係在於先將原圖影像與模板影像進行縮放並分為數個階級,當進行到該階級時再進行平均值門檻位元圖的轉換,本實施例則改為在影像縮放前先完成原始大小的原圖影像與模板影像之平均值門檻位元圖的轉換,在將轉換後的影像進行縮放。本實施例詳細的流程如下,首先進行步驟S71,將一模板影像與欲匹配的原圖影像輸入至一影像處理裝置。輸入影像後進行步驟S72,將該模板影像與原圖影像進行一平均值門檻位元圖轉換,用以取得該模板影像與原圖影像各別的平均值門檻位元圖,該平均值門檻位元圖的取得與前述實施例相同。之後進行步驟S73,使用一影像金字塔將該模板影像與該原圖影像的平均值門檻位元圖縮放為數組不同大小的影像,並依此分為數個影像層級,之後進行步驟S74,將該等影像層級依照影像的大小依序排列,該依序排列係將最小的層級排在該影像金字塔的頂部做為第一層級,將原圖大小的層級排在該影像金字塔的底部,其中各原圖大小可以是整數倍縮放,例如各層級的差異為2倍大小,但不限於此。
將各層級依序排列後,進行步驟S75,將該模板影像與原圖影像之平均值門檻位元圖進行相似度匹配,藉此找出該模板影像於原圖影像中之一匹配位置以及其匹
配中心像素區塊,該相似度匹配與前述實施例相同。之後進行步驟S76,藉由步驟S75所取得該匹配位置的匹配中心像素區塊,將該匹配中心區塊對應至目前層級中原圖影像,由於目前層級之原圖影像大於上一層級之原圖影像,因此將該對應的匹配中心區塊作為中心向外擴張至一範圍,並在該範圍裡進行目前層級中模板影像與原圖影像之平均值門檻位元圖之相似度匹配。之後進行步驟S77,判斷目前層級之影像大小是否為原始影像大小,進行下一層級的相似度匹配,若是原始影像大小則將匹配位置輸出,並完成模板影像在原圖影像上之匹配。
此外,如圖8所示為本發明之另一實施例,其與圖7實施例不同之處僅在於將圖7之流程改為先進行步驟S82之影像金字塔之縮放以及步驟S83將影像依大小排列,並進行步驟S84將各階層的影像同時進行位元圖轉換,之後再進行步驟S86~S88之各階層的影像匹配。
本發明亦提出一提升匹配精準度的方法,如圖9所示,在完成上述實施例中影像金字塔原始影像大小圖層的匹配後,可再進行步驟S91,將原始影像圖層的原圖影像與模板影像進行一雙線性內差法(Bilinear Interpolation)放大兩倍,之後進行步驟S92,將放大後的原圖影像作為影像金字塔的最後一層,並進行與模板影像之匹配,在取得匹配位置後,進行步驟S93將該放大的匹配位置座標值除以2,藉此可取得更為精準的匹配位置。其中該欲放大的影像可以係已進行位元值轉換之原始影像大小圖層的影像,也可
以是尚未進行位元值轉換之影像,即可以在放大後再進行位元值轉換,該放大後的原圖影像加入該影像金字塔後,亦可以如前述實施例將原圖影像層級的匹配位置映射至該放大影像層級形成一範圍,之後只在該範圍內進行匹配,藉此減少匹配的時間。
圖10為雙線性內插法之示意圖,放大兩倍後的影像中具備數個原始影像的像素點(101),以及各原始影像像素點(101)之間的第一型態內插像素點(102)與第二型態內插像素點(103),其中該第一型態內插像素點(102)係兩個原始影像像素點(101)之間的像素點,其像素值是該兩個原始影像像素值之平均值,該第二型態內插像素點(103)係四個原始影像像素點(101)之間的像素點,其像素值是該四個原始影像像素值之平均值。由於放大後的影像具備更多的像素值,因此原圖影像與模板影像之匹配將更加精準。由於放大後的影像上之位置座標值也會是原始大小影像座標值的兩倍,因此在處理完放大影像的匹配後,要將所取得的匹配位置之座標除以2,以取得原始大小影像的座標。此外,放大兩倍只是一較佳實施例,本發明亦可以放大其它的倍數。
以上實施例皆可將平均值門檻位元圖與互斥或位元圖結合運算,以取得更精準的平均值門檻位元圖。
以上實施例在影像資訊不足的影像金字塔層級上,皆可使用完全搜尋法來進行匹配比對。
因此,本發明可提供快速的影像追蹤方法,利
用平均值門檻篩選影像資訊以及利用影像金字塔縮放影像並分成數個層級,再利用各層級間影像的匹配位置資訊來減少下一層級的搜尋範圍大小,並可適用於影像資訊不足時,藉此大幅降低影像追蹤的時間。此外本發明利用模板影像像素值的平均值為位元圖的門檻,並藉由互斥或運算取得精準的位元圖,再將模板影像之位元圖與原圖影像之位元圖進行互斥或運算,在原圖影像上找出和模板影像最相近的一範圍作為匹配處,藉此由於模板影像物件的像素值在不同的動作、角度等情況並不會有太多差異,因此本發明可適用於模板影像與該原圖影像中欲匹配之物件係為完全相同、同一物件但不同動作、同一物件但不同背景、同一物件但不同角度等情況或該等不同情況之組合。此外,本發明更可以加入一放大影像匹配步驟,來獲得更為精準的匹配位置。
上述實施例僅係為了方便說明而舉例而已,本發明所主張之權利範圍自應以申請專利範圍所述為準,而非僅限於上述實施例。
S21、S22、S23、S24、S25、S26、S27、S28‧‧‧步驟
Claims (30)
- 一種即時影像追蹤方法,其係藉由一影像處理裝置進行處理,該方法包括步驟:(A)取得一模板影像資訊與原圖影像資訊;(B)使用一影像金字塔將該模板影像與原圖影像縮放為數組不同大小的影像層級,該等影像層級依照該等影像大小依序排列;(C)進行最小影像層級中該模板影像與原圖影像之門檻位元圖轉換,用以分別取得該模板影像與原圖影像的一平均值門檻位元圖;(D)進行該模板影像與原圖影像之平均值門檻位元圖相似度匹配,藉此找出該模板影像於原圖影像中之一匹配位置;(E)將步驟(D)所取得的該匹配位置對應至一下一影像層級的原圖影像上,並由該匹配位置處擴張一範圍,進行該影像層級之模板影像與原圖影像之門檻位元圖轉換,之後只針對該範圍進行模板影像與該原圖影像之平均值門檻位元圖相似度匹配;以及(F)重複進行步驟(E),直到影像層級為該等影像的原始大小層級;藉此以最後層級之匹配位置作為匹配結果輸出。
- 如申請專利範圍第1項所述之即時影像追蹤方法,其中步驟(F)後更包括一步驟(G)用以將該原始大小影像層級之原圖影像與模板影像透過一雙線性內插法(Bilinear Interpolation)放大一整數倍數以作為該影像金字塔的最後層級,並進行該等放大之原圖影像與模板影像的匹配,之後將該匹配位置之座標值除以該放大倍數,藉此取得一更精準的匹配位置。
- 如申請專利範圍第2項所述之即時影像追蹤方法,其中該平均值門檻位元圖之平均值為該模板影像之像素值的平均值。
- 如申請專利範圍第2項所述之即時影像追蹤方法,其中步驟(D)之相似度匹配係將該模板影像與該原圖影像之平均值門檻位元圖之像素點進行互斥或(XOR)運算。
- 如申請專利範圍第2項所述之即時影像追蹤方法,其中該步驟(E)之該範圍係為以該匹配位置為中心向外擴張。
- 如申請專利範圍第2項所述之即時影像追蹤方法,其中,當該層級之該等影像資訊不足時,藉由完全搜尋法(Full Search)進行搜尋。
- 如申請專利範圍第2項所述之即時影像追蹤方法,其中該步驟(C)或(E)所述之平均值門檻位元圖之取得進一步包括將該模板影像與原圖影像之平均值門檻位元圖各自與該模板影像與原圖影像之互斥或位元圖進行按位與(AND)運算,以取得該模板影像與原圖影像之精準平均值門檻位元圖,並以該等精準平均值門檻位元圖為原圖取代原本的平均值門檻位元圖來進行後續步驟。
- 如申請專利範圍第7項所述之即時影像追蹤方法,其中進行按位與(AND)運算係將互斥或位元圖光影交錯區域 上的雜質點設為0,藉此執行該運算後,該等雜質將被消除,其中該雜質點的判斷係判斷該像素點之值是否位於雜質點範圍內,若在雜質點範圍內則判斷像素點為雜質點。
- 如申請專利範圍第2項所述之即時影像追蹤方法,其中該影像金字塔每一層級之影像大小差距為整數倍。
- 如申請專利範圍第1項所述之即時影像追蹤方法,其中該模板影像與該原圖影像中欲匹配之物件係可為完全相同、同一物件但不同動作、同一物件但不同背景、同一物件但不同角度等情況或該等不同情況之組合。
- 一種即時影像追蹤方法,其係藉由一影像處理裝置進行處理,該方法包括步驟:(A)取得一模板影像資訊與原圖影像資訊;(B)使用一影像金字塔將該模板影像與原圖影像縮放為數組不同大小的影像層級,該等影像層級依照該等影像大小依序排列;(C)進行所有影像層級中該模板影像與原圖影像之門檻位元圖轉換,用以分別取得該等模板影像與原圖影像的一平均值門檻位元圖;(D)進行最小影像層集中該模板影像與原圖影像之平均值門檻位元圖相似度匹配,藉此找出該模板影像於原圖影像中之一匹配位置;(E)將步驟(D)所取得的該匹配位置對應至一下一影像層級的原圖影像上,並由該匹配位置處擴張一範圍,之後只針對該範圍進行模板影像與該原圖影像之平均值門檻位 元圖相似度匹配;以及(F)重複進行步驟(E),直到影像層級為該等影像的原始大小層級;藉此以最後層級之匹配位置作為匹配結果輸出。
- 如申請專利範圍第11項所述之即時影像追蹤方法,其中步驟(F)後更包括一步驟(G)用以將該原始大小影像層級之原圖影像與模板影像透過一雙線性內插法放大一整數倍數以作為該影像金字塔的最後層級,並進行該等放大之原圖影像與模板影像的匹配,之後將該匹配位置之座標值除以該放大倍數,藉此取得一更精準的匹配位置。
- 如申請專利範圍第12項所述之即時影像追蹤方法,其中該平均值門檻位元圖之平均值為該模板影像之像素值的平均值。
- 如申請專利範圍第12項所述之即時影像追蹤方法,其中步驟(D)之相似度匹配係將該模板影像與該原圖影像之平均值門檻位元圖之像素點進行互斥或(XOR)運算。
- 如申請專利範圍第12項所述之即時影像追蹤方法,其中該步驟(E)之該範圍係為以該匹配位置為中心向外擴張。
- 如申請專利範圍第12項所述之即時影像追蹤方法,其中,當該層級之該等影像資訊不足時,藉由完全搜尋法(Full Search)進行搜尋。
- 如申請專利範圍第12項所述之即時影像追蹤方法,其中該步驟(C)或(E)所述之平均值門檻位元圖之取得進一 步包括將該模板影像與原圖影像之平均值門檻位元圖各自與該模板影像與原圖影像之互斥或位元圖進行按位與(AND)運算,以取得該模板影像與原圖影像之精準平均值門檻位元圖,並以該等精準平均值門檻位元圖為原圖取代原本的平均值門檻位元圖來進行後續步驟。
- 如申請專利範圍第17項所述之即時影像追蹤方法,其中進行按位與(AND)運算係將互斥或位元圖光影交錯區域上的雜質點設為0,藉此執行該運算後,該等雜質將被消除,其中該雜質點的判斷係判斷該像素點之值是否位於雜質點範圍內,若在雜質點範圍內則判斷像素點為雜質點。
- 如申請專利範圍第12項所述之即時影像追蹤方法,其中該影像金字塔每一層級之影像大小差距為整數倍。
- 如申請專利範圍第12項所述之即時影像追蹤方法,其中該模板影像與該原圖影像中欲匹配之物件係可為完全相同、同一物件但不同動作、同一物件但不同背景、同一物件但不同角度等情況或該等不同情況之組合。
- 一種即時影像追蹤方法,其係藉由一影像處理裝置進行處理,該方法包括步驟:(A)取得一模板影像資訊與原圖影像資訊;(B)進行該模板影像與原圖影像之平均值門檻位元圖轉換;(C)使用一影像金字塔將該模板影像與原圖影像之平均值門檻位元圖縮放為數組不同大小的影像層級,該等影像層級依照該等影像大小依序排列; (D)進行最小影像層集中該模板影像與原圖影像之平均值門檻位元圖相似度匹配,藉此找出該模板影像於原圖影像中之一匹配位置;(E)將步驟(D)所取得的該匹配位置對應至一下一影像層級的原圖影像之平均值門檻位元圖上,並由該匹配位置處擴張一範圍,之後只針對該範圍進行模板影像與該原圖影像之平均值門檻位元圖相似度匹配;以及(G)重複進行步驟(E),直到影像層級為該等影像的原始大小層級;藉此以最後層級之匹配位置作為匹配結果輸出。
- 如申請專利範圍第21項所述之即時影像追蹤方法,其中步驟(G)後更包括一步驟(H)用以將該原始大小影像層級之原圖影像與模板影像透過一雙線性內插法放大一整數倍數以作為該影像金字塔的最後層級,並進行該等放大之原圖影像與模板影像的匹配,之後將該匹配位置之座標值除以該放大倍數,藉此取得一更精準的匹配位置。
- 如申請專利範圍第22項所述之即時影像追蹤方法,其中該平均值門檻位元圖之平均值為該模板影像之像素值的平均值。
- 如申請專利範圍第22項所述之即時影像追蹤方法,其中步驟(D)之相似度匹配係將該模板影像與該原圖影像之平均值門檻位元圖之像素點進行互斥或(XOR)運算。
- 如申請專利範圍第22項所述之即時影像追蹤方法,其中該步驟(E)之該範圍係為以該匹配位置為中心向外擴張。
- 如申請專利範圍第22項所述之即時影像追蹤方法,其中,當該層級之該等影像資訊不足時,藉由完全搜尋法(Full Search)進行搜尋。
- 如申請專利範圍第22項所述之即時影像追蹤方法,其中該步驟(C)或(E)所述之平均值門檻位元圖之取得進一步包括將該模板影像與原圖影像之平均值門檻位元圖各自與該模板影像與原圖影像之互斥或位元圖進行按位與(AND)運算,以取得該模板影像與原圖影像之精準平均值門檻位元圖,並以該等精準平均值門檻位元圖為原圖取代原本的平均值門檻位元圖來進行後續步驟。
- 如申請專利範圍第27項所述之即時影像追蹤方法,其中進行按位與(AND)運算係將互斥或位元圖光影交錯區域上的雜質點設為0,藉此執行該運算後,該等雜質將被消除,其中該雜質點的判斷係判斷該像素點之值是否位於雜質點範圍內,若在雜質點範圍內則判斷像素點為雜質點。
- 如申請專利範圍第22項所述之即時影像追蹤方法,其中該影像金字塔每一層級之影像大小差距為整數倍。
- 如申請專利範圍第22項所述之即時影像追蹤方法,其中該模板影像與該原圖影像中欲匹配之物件係可為完全相同、同一物件但不同動作、同一物件但不同背景、同一物件但不同角度等情況或該等不同情況之組合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102139318A TWI494900B (zh) | 2013-10-30 | 2013-10-30 | 即時影像追蹤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102139318A TWI494900B (zh) | 2013-10-30 | 2013-10-30 | 即時影像追蹤方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201516966A TW201516966A (zh) | 2015-05-01 |
TWI494900B true TWI494900B (zh) | 2015-08-01 |
Family
ID=53720427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102139318A TWI494900B (zh) | 2013-10-30 | 2013-10-30 | 即時影像追蹤方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI494900B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717362B (zh) * | 2018-07-13 | 2023-02-17 | 卢俊谚 | 数位影像的特征树结构的建立方法与影像物件辨识方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200844873A (en) * | 2007-05-11 | 2008-11-16 | Ind Tech Res Inst | Moving object detection apparatus and method by using optical flow analysis |
CN101312524A (zh) * | 2007-05-23 | 2008-11-26 | 财团法人工业技术研究院 | 利用光迹分析的移动物体侦测装置与方法 |
TW200930054A (en) * | 2007-12-21 | 2009-07-01 | Ind Tech Res Inst | Moving object detection apparatus and method |
US7697725B2 (en) * | 2006-04-03 | 2010-04-13 | Sri International | Method and apparatus for autonomous object tracking |
CN101909206A (zh) * | 2010-08-02 | 2010-12-08 | 复旦大学 | 基于视频的智能飞行器追踪*** |
US8098889B2 (en) * | 2007-01-18 | 2012-01-17 | Siemens Corporation | System and method for vehicle detection and tracking |
-
2013
- 2013-10-30 TW TW102139318A patent/TWI494900B/zh not_active IP Right Cessation
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7697725B2 (en) * | 2006-04-03 | 2010-04-13 | Sri International | Method and apparatus for autonomous object tracking |
US8098889B2 (en) * | 2007-01-18 | 2012-01-17 | Siemens Corporation | System and method for vehicle detection and tracking |
TW200844873A (en) * | 2007-05-11 | 2008-11-16 | Ind Tech Res Inst | Moving object detection apparatus and method by using optical flow analysis |
CN101312524A (zh) * | 2007-05-23 | 2008-11-26 | 财团法人工业技术研究院 | 利用光迹分析的移动物体侦测装置与方法 |
TW200930054A (en) * | 2007-12-21 | 2009-07-01 | Ind Tech Res Inst | Moving object detection apparatus and method |
CN101909206A (zh) * | 2010-08-02 | 2010-12-08 | 复旦大学 | 基于视频的智能飞行器追踪*** |
Also Published As
Publication number | Publication date |
---|---|
TW201516966A (zh) | 2015-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3837575B2 (ja) | 超解像処理の高速化方法 | |
JP2014089626A (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
JP2007000205A (ja) | 画像処理装置及び画像処理方法並びに画像処理プログラム | |
JP6093221B2 (ja) | 画像処理回路及び画像検出装置 | |
JP4772819B2 (ja) | 画像検索装置および画像検索方法 | |
JP2017045441A (ja) | 画像生成方法及び画像生成システム | |
CN112132164B (zh) | 目标检测方法、***、计算机装置及存储介质 | |
JP4649559B2 (ja) | 3次元物体認識装置、並びに3次元物体認識プログラム及びこれが記録されたコンピュータ読み取り可能な記録媒体 | |
CN111179173B (zh) | 一种基于离散小波变换和坡度融合算法的图像拼接方法 | |
JP7312026B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
WO2015005163A1 (ja) | 高解像度画像生成装置、高解像度画像生成方法及び高解像度画像生成プログラム | |
JP2020126383A (ja) | 動体検出装置、動体検出方法、動体検出プログラム | |
US8472756B2 (en) | Method for producing high resolution image | |
JP2010108205A (ja) | 超解像画像作成方法 | |
TWI494900B (zh) | 即時影像追蹤方法 | |
JP2016164709A (ja) | 画像処理装置、撮像装置および画像処理プログラム | |
CN115619678A (zh) | 一种图像变形的矫正方法、装置、计算机设备及存储介质 | |
JP7343336B2 (ja) | 検査支援装置および検査支援方法 | |
JP6276504B2 (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
JP2018010359A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US10380463B2 (en) | Image processing device, setting support method, and non-transitory computer-readable media | |
CN106023127B (zh) | 一种基于多帧的鱼眼视频校正方法 | |
JP7106144B2 (ja) | 画像解析装置 | |
US8768060B2 (en) | Image processing apparatus, image processing method and computer-readable medium | |
CN114185429B (zh) | 手势关键点定位或姿态估计的方法、电子装置和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |