CN1299242C - 用于识别移动目标轮廓的图像处理设备及其方法 - Google Patents
用于识别移动目标轮廓的图像处理设备及其方法 Download PDFInfo
- Publication number
- CN1299242C CN1299242C CNB200310118664XA CN200310118664A CN1299242C CN 1299242 C CN1299242 C CN 1299242C CN B200310118664X A CNB200310118664X A CN B200310118664XA CN 200310118664 A CN200310118664 A CN 200310118664A CN 1299242 C CN1299242 C CN 1299242C
- Authority
- CN
- China
- Prior art keywords
- image
- contour images
- constantly
- obtains
- profile
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
Abstract
本发明提供了一种图像处理设备,它具有从按时间序列获取的至少四个静止图像中准确识别移动目标的轮廓的能力,而无需利用不包括该移动目标的背景图像。该设备包括第一运算单元,用于利用在参考时刻获取的参考图像与在参考时刻之外的第一和第二时刻获取的一对图像而输出处理的轮廓图像,第二运算单元,用于利用参考图像和在不同于参考时刻、第一时刻和第二时刻的第三时刻获取的图像而输出处理的图像,以及轮廓析取单元,用于从这些处理的轮廓图像中析取移动目标的轮廓。
Description
技术领域
本发明涉及一种图像处理设备,用于从多个静止图像中识别移动目标比如人和车辆的轮廓。
背景技术
以往,提议一种使用背景相减方法或帧相减方法的图像处理设备用于识别移动目标比如人和车辆。在这些方法中,对灰度图像进行图像处理,并且使用轮廓图像将亮度比如光线的变化产生的影响最小。
根据背景相减方法的图像处理设备的原理如图11简明地示出。在该图像处理中,事先获取并存储不包括移动目标的背景图像(α)。然后,按时间序列获取多个图像(β),每个图像包括了移动目标。利用SOBEL运算器将每个得到的图像转换为二进制轮廓图像并存储起来。通过确定需要的轮廓图像和背景图像之间的差,其中具有预定数量变化的一个区域就被识别为对应于移动目标(X)的区域。
然而,事先制备背景图像的步骤是一个杂乱的步骤。此外,当使用在需要的时间期间内获取的图像的平均作为背景图像的情况下,当移动目标在该时间期间内处于静止状态时,从后续的图像处理中会发生移动目标的识别错误。这成为降低图像处理设备可靠性的一个原因。
作为使用背景相减方法的另一图像处理设备,日本专利[早期]公开号6-337938公开了一种图像处理器和一种距离测量设备。在该图像处理中,使用了不包括移动目标的背景图像即第一图像,包括背景和具有第一速度或小于第一速度的移动目标的第二图像,与包括背景和具有第二速度或小于第二速度的另一移动目标的第三图像。确定第一和第二图像之间的差以得到第一相减图像。类似地,确定第二图像和第三图像之间的差以得到第二相减图像。此外,确定第三图像和图像输入装置提供的图像之间的差以得到第三相减图像。根据第一至第三相减图像,能够以视频速率分析不同速度的移动目标的运动。
由于该图像处理器使用背景相减方法,仍然需要事先制备背景图像的杂乱步骤。此外,由于难以精确地产生第一至第三图像的背景,担心会损坏分析不同速度的移动目标的运动的准确性。而且,还有一个问题是该图像处理对亮度的变化很敏感。
另一方面,根据帧相减方法的图像处理设备的原理如图12简明地示出。在该图像处理中,计算在不同时刻(T,T-ΔT1)获取的第一和第二图像之间的差|(T)-(T-ΔT1)|,从而其中具有预定数量变化的一个区域被识别为对应于移动目标的区域。
按照该方法,就不再需要事先制备背景图像的步骤。然而,在确定绝对值相减的情况下,移动目标(X)的轮廓可被析取,从而两个轮廓相互部分地交迭,如图12所示。另一方面,在确定饱和相减的情况下,可以解决绝对值相减的问题。然而,当用减法得到负值时,就认作是零。因此,当目标隐藏的背景轮廓由于目标的移动而出现在图像中时,产生的问题是背景轮廓(Y)随同移动目标(X)的轮廓被意外地析取出来,如图13所示。
作为使用帧相减方法的另一图像处理设备,日本专利[早期]公开号2000-82145公开了一种按时间序列获取的三个图像中识别移动目标的物体析取设备。在该图像处理中,在不同的时刻(T-ΔT1,T,T+ΔT1)获取一组第一、第二和第三图像,每个图像包括了移动目标。从第一和第二图像与第二和第三图像之间的帧相减得到一对相减图像。在每个相减图像中确定背景区域,从而选择剩余的区域作为移动目标的候选区域。最后,通过确定候选区域的交集,可析取移动目标在时刻(T)的轮廓。
然而,当移动目标是人体的局部比如胳膊和腿时,就有这样的一种情况,在第一时刻运动的局部不同于在第二时刻运动的局部,类似地在第二时刻运动的局部不同于在第三时刻运动的局部。在这样的情况下,第一和第二图像之间的帧相减析取的轮廓会不同于第二和第三图像之间的帧相减析取的轮廓。结果,确定候选区域的交集而得到的轮廓会失去相当一部分待析取的移动目标的轮廓。
因此,从进一步改进识别不包括背景信息的移动目标的准确性来看,常规的图像处理设备仍然有改进的空间。
发明内容
因而本发明主要目的是提供一种图像处理设备,它具有无需事先预备不包括移动目标的背景图像而准确识别移动目标的轮廓图像的能力。
更确切地说,本发明的图像处理设备包括图像读取单元、图像转换器、存储器、第一运算单元、第二运算单元和轮廓析取单元。图像读取单元按时间序列获取多个图像,在每个图像中存在着移动目标。图像转换器将图像转换为轮廓图像。这些轮廓图像被存储在存储器中。第一运算单元利用对应于在参考时刻获取的图像的轮廓图像之一即参考轮廓图像,对应于在参考时刻之外的第一时刻获取的图像的轮廓图像之一即第一轮廓图像,与对应于在参考时刻和第一时刻之外的第二时刻获取的图像的轮廓图像之一即第二轮廓图像进行运算,提供一个处理的轮廓图像,其仅具有在参考时刻、第一时刻和第二时刻之间发生任何位置变化的轮廓。第二运算单元利用参考轮廓图像与对应于在参考时刻、第一时刻和第二时刻之外的第三时刻获取的图像的轮廓图像之一即第三轮廓图像进行运算,提供一个处理的轮廓图像,其仅具有在参考时刻和第三时刻之间发生任何位置变化的轮廓。轮廓析取单元从第一运算单元和第二运算单元提供的处理的轮廓图像中析取移动目标的轮廓。
在本发明的一个优选实施例中,第二运算单元利用参考轮廓图像,第三轮廓图像与对应于在参考时刻、第一时刻、第二时刻和第三时刻之外的第四时刻获取的图像的轮廓图像之一即第四轮廓图像进行运算,提供一个处理的轮廓图像,其仅具有在参考时刻、第三时刻和第四时刻之间发生任何位置变化的轮廓。
在本发明的又一优选实施例中,第一运算单元利用对应于在作为参考时刻的第一和第二时间期间的中央获取的图像的轮廓图像即参考轮廓图像,对应于在作为第一时刻的第一时间期间的开始时刻获取的图像的轮廓图像即第一轮廓图像,与对应于在作为第二时刻的第一时间期间的结束时刻获取的图像的轮廓图像即第二轮廓图像进行运算。另一方面,第二运算单元利用参考轮廓图像,对应于在作为第三时刻的第二时间期间的开始时刻获取的图像的轮廓图像即第三轮廓图像,与对应于在作为第四时刻的第二时间期间的结束时刻获取的图像的轮廓图像即第四轮廓图像进行运算。
在本发明的另一优选实施例中,第一运算单元利用对应于在作为参考时刻的第一时间期间的中央和第二时间期间的一端获取的图像的轮廓图像即参考轮廓图像,对应于在作为第一时刻的第一时间期间的开始时刻获取的图像的轮廓图像即第一轮廓图像,与对应于在作为第二时刻的第一时间期间的结束时刻获取的图像的轮廓图像即第二轮廓图像进行运算。另一方面,第二运算单元利用参考轮廓图像与对应于在作为第三时刻的第二时间期间的另一端获取的图像的轮廓图像即第三轮廓图像进行运算。
此外,优选的是轮廓析取单元进行从第一运算单元和第二运算单元提供的处理的轮廓图像之间的最小运算。
在本发明的一个优选实施例中,第一运算单元进行第一轮廓图像和第二轮廓图像之间的最小运算,然后确定参考轮廓图像和最小运算结果之间的差,提供处理的轮廓图像。另一方面,第二运算单元进行第三和第四轮廓图像之间的最小运算,然后确定参考轮廓图像和最小运算结果之间的差,提供处理的轮廓图像。
在本发明的又一优选实施例中,第一运算单元进行第一轮廓图像和第二轮廓图像之间的最小运算,然后确定参考轮廓图像和最小运算结果之间的差,提供处理的轮廓图像。在另一方面,第二运算单元进行第三和第四轮廓图像之间的最小运算,然后确定参考轮廓图像和最小运算结果之间的差,提供处理的轮廓图像。
在本发明的另一优选实施例中,第一运算单元进行第一轮廓图像和第二轮廓图像之间的最小运算,然后确定参考轮廓图像和最小运算结果之间的差,提供处理的轮廓图像。在另一方面,第二运算单元确定参考轮廓图像和第三轮廓图像之间的差,提供处理的轮廓图像。
在本发明的又另一优选实施例中,第一运算单元利用对应于在作为参考时刻的第一时间期间的结束端和第二时间期间的开始端获取的图像的轮廓图像即参考轮廓图像,对应于在第一时间期间内的第一时刻获取的图像的轮廓图像即第一轮廓图像,与对应于在作为第二时刻的第一时间期间的开始端获取的图像的轮廓图像即第二轮廓图像进行运算。另一方面,第二运算单元利用参考轮廓图像,对应于在第二时间期间内的第三时刻获取的图像的轮廓图像即第三轮廓图像,与对应于在作为第四时刻的第二时间期间的结束端获取的图像的轮廓图像即第四轮廓图像进行运算。这时,特别优选的是第一时刻和参考时刻之间的时间区间等于第三时刻和参考时刻之间的时间区间,第二时刻和参考时刻之间的时间区间等于第四时刻和参考时刻之间的时间区间。
在本发明的一个优选实施例中,第一运算单元利用对应于在作为参考时刻的第一时间期间的结束端和第二时间期间的开始端获取的图像的轮廓图像即参考轮廓图像,对应于在第一时间期间内的第一时刻获取的图像的轮廓图像即第一轮廓图像,与轮廓图像中对应于在作为第二时刻的第一时间期间的开始端获取的图像的轮廓图像即第二轮廓图像进行运算。另一方面,第二运算单元利用参考轮廓图像与对应于在作为第三时刻的第二时间期间的结束端获取的图像的轮廓图像即第四轮廓图像进行运算。在这种情况下,第一时刻和参考时刻之间的时间区间等于第三时刻和参考时刻之间的时间区间。
在本发明的一个优选实施例中,第一运算单元进行第一轮廓图像和第二轮廓图像之间的最小运算,然后确定参考轮廓图像和最小运算结果之间的差,提供处理的轮廓图像。在另一方面,第二运算单元进行第三和第四轮廓图像之间的最小运算,然后确定参考轮廓图像和最小运算结果之间的差,提供处理的轮廓图像。
在本发明的又一优选实施例中,第一运算单元进行第一轮廓图像和第二轮廓图像之间的最小运算,然后确定参考轮廓图像和最小运算结果之间的差,提供处理的轮廓图像。在另一方面,第二运算单元确定参考轮廓图像和第三轮廓图像之间的差,提供处理的轮廓图像。
本发明的目的还在于提供一种识别移动目标轮廓的处理方法,该方法具有实现与上述图像处理设备一样的优点的能力。
更确切地说,在本发明的图像处理方法中,按时间序列获取多个图像,每个图像中存在着移动目标,然后转换成轮廓图像。这些轮廓图像被存储在存储器中。接着,利用对应于在参考时刻获取的图像的轮廓图像之一即参考轮廓图像,对应于在参考时刻之外的第一时刻获取的图像的轮廓图像之一即第一轮廓图像,与对应于在参考时刻和第一时刻之外的第二时刻获取的图像的轮廓图像之一即第二轮廓图像进行第一运算,提供一个处理轮廓图像,其仅具有在参考时刻、第一时刻和第二时刻之间发生任何位置变化的轮廓。此外,利用参考轮廓图像与对应于在参考时刻、第一时刻和第二时刻之外的第三时刻获取的图像的轮廓图像之一即第三轮廓图像进行第二运算,提供一个处理轮廓图像,其仅具有在参考时刻和第三时刻之间发生任何位置变化的轮廓。最后,从第一和第二运算得到的处理的轮廓图像中析取移动目标的轮廓。
从按照下面解释的优选实施例并参考附图的详细说明,本发明的这些以及其他目标和优点将会更明显。
附图说明
图1是按照本发明第一实施例的图像处理设备的框图;
图2是按照本发明第一实施例的图像处理方法的流程图;
图3A和3B是示出噪声减少单元的效果的图;
图4是按照本发明第二实施例的图像处理方法的流程图;
图5是按照本发明第三实施例的图像处理方法的流程图;
图6是按照本发明第四实施例的图像处理方法的流程图;
图7是按照本发明第五实施例的图像处理方法的流程图;
图8是按照本发明第六实施例的图像处理方法的流程图;
图9是按照本发明第七实施例的图像处理方法的流程图;
图10是按照本发明第八实施例的图像处理方法的流程图;
图11是一个常规图像处理方法的流程图;
图12是另一常规图像处理方法的流程图;以及
图13是又另一常规图像处理方法的流程图。
具体实施方式
下面将根据优选的实施例详细地说明本发明的图像处理设备和方法。
第一实施例
如图1所示,本实施例的图像处理设备具有从按时间序列获取的五个静止图像中识别移动目标轮廓的能力,而无需利用不包括移动目标的背景图像。换而言之,该设备包括读取单元1,用于按时间序列获取多个图像;图像输入单元2,由图像读取单元1获取的图像被输入到其中;图像转换器3,用于将图像输入单元2的图像转换成轮廓图像;存储器4,用于存储轮廓图像;第一和第二运算单元(5A,5B);和轮廓析取单元6,用于从第一和第二运算单元的输出中析取移动单元的轮廓。
第一运算单元5A利用对应于在参考时刻(T)获取的图像的轮廓图像即参考轮廓图像E(T),对应于在时刻(T-ΔT2)获取的图像的轮廓图像E(T-ΔT2),与对应于在时刻(T+ΔT2)获取的图像的轮廓图像E(T+ΔT2)进行运算,以提供一个处理的轮廓图像,其仅包括在时刻(T-ΔT2),T和(T+ΔT2)之间发生任何位置变化的轮廓。
另一方面,第二运算单元5B利用参考轮廓图像E(T),对应于在时刻(T-ΔT1)获取的图像的轮廓图像E(T-ΔT1),和对应于在时刻(T+ΔT1)获取的图像的轮廓图像E(T+ΔT1)进行运算,以提供一个处理的轮廓图像,其仅包括在时刻(T-ΔT1),T和(T+ΔT1)之间发生任何位置变化的轮廓。通过合成那些处理的轮廓图像的轮廓,轮廓析取单元6仅析取移动目标的轮廓。
参考图2的流程图来说明本实施例的图像处理方法。例如,利用微分滤波器比如SOBEL运算器(步骤S1),图像转换器3将图像读取单元1在参考时刻(T)获取的图像I(T)转换为对应的轮廓图像E(T)(步骤S1)。按照需要的阈值将得到的轮廓图像数字化,然后作为对应于图像I(T)的二进制轮廓图像E(T)被存储存储器4中(步骤S2)。类似地,将分别对应于图像I(T-ΔT2)和I(T+ΔT2)的二进制轮廓图像E(T-ΔT2)和E(T+ΔT2),和分别对应于图像I(T-ΔT1)和I(T+ΔT1)的二进制轮廓图像E(T-ΔT1)和E(T+ΔT1)存储在存储器4中。
在第一运算单元5A中,计算轮廓图像E(T-ΔT2)和E(T+ΔT2)的逻辑乘法结果(步骤S31)。该逻辑乘法得到的图2的轮廓图像(A)仅包括在时刻(T-ΔT2)和(T+ΔT2)之间没有变化的轮廓。接着,轮廓图像(A)被灰度反转以得到反转的轮廓图像。在轮廓图像(A)中,应该理解:表示存在轮廓(Y)的黑线是“1”,表示不存在轮廓的白色区域是“0”。因此在反转的轮廓图像中,存在轮廓(Y)用白色表示,没有轮廓用黑色表示。然后计算参考轮廓图像E(T)和反转轮廓图像的逻辑乘法结果(步骤S32),以得到图2的处理的轮廓图像(C)。简言之,只有在参考轮廓图像E(T)中用黑色和在轮廓图像(A)中用白色表示的区域可由该逻辑乘法析取。在该实施例中,处理的轮廓图像(C)仅包括移动目标(X)在参考时刻(T)的轮廓,移动目标(X)在时刻(T-ΔT2)隐藏和在参考时刻(T)出现的背景轮廓(Y),以及在参考时刻(T)出现而在时刻(T+ΔT2)由移动目标(X)隐藏的背景轮廓(Y)。
另一方面,在第二运算单元5B中,计算轮廓图像E(T-ΔT1)和E(T+ΔT1)的逻辑乘法结果(步骤S41)。该逻辑乘法得到的图2的轮廓图像(B)仅包括在时刻(T-ΔT1)和(T+ΔT1)之间没有变化的轮廓。与轮廓图像(A)的情况一样,轮廓图像(B)被灰度反转,得到反转的轮廓图像,然后计算参考轮廓图像E(T)和反转轮廓图像的逻辑乘法结果(步骤S42),以得到图2的处理的轮廓图像(D)。在该实施例中,处理的轮廓图像(D)仅包括移动目标(X)在参考时刻(T)的轮廓,移动目标(X)在时刻(T-ΔT1)隐藏和在参考时刻(T)出现的背景轮廓(Y),以及在参考时刻(T)出现而在时刻(T+ΔT1)由移动目标(X)隐藏的背景轮廓(Y)。
轮廓析取单元6计算第一运算单元5A的输出即轮廓图像(C)和第二运算单元5B的输出即轮廓图像(D)的逻辑乘法结果(步骤S5),以输出仅包括移动目标轮廓而基本上不包括背景轮廓的轮廓合成图像(F)。
因此,由于通过从参考轮廓图像E(T)中移走每个轮廓图像(A)和(B)而得到轮廓图像(C)和(D),参考轮廓图像中移动目标的轮廓被留在轮廓图像(C)和(D)二者中。此外,由于留在轮廓图像(C)中的背景轮廓(Y)在位置上不同于留在轮廓图像(D)中的背景轮廓(Y),通过在步骤S5进行的逻辑乘法消除了它们。因此,本实施例的图像处理设备能够仅析取移动目标的轮廓。
上述图像处理设备可包括噪声减少单元7,用于减少来自轮廓析取单元6提供的轮廓合成图像(F)的噪声。例如,一种情况是图像(F)含有噪声,如图3A所示。由于存储器4中存储的轮廓图像是二进制图像,具有接近阈值的亮度的轮廓在时间上是不稳定的。换而言之,轮廓的亮度是否大于阈值随时间波动。轮廓合成图像(F)中包括的噪声就是由该波动造成的。
作为例子,3×3像素的滤波块(filter)可被用于噪声减少单元7。通过扫描图像(F)上的该滤波块,来检查对应于滤波块的中心像素和周围八个像素的图像区域是否包含轮廓成分。当该区域包含轮廓成分时,计算包含轮廓成分的像素个数。当计算的个数大于阈值时,就认为轮廓存在于扫描点上。结果,得到噪声减少的图像,如图3B所示。
另外,当移动目标具有断续的运动时,通过利用帧相减方法的常规图像处理设备难以准确地析取移动目标的轮廓。然而,按照本实施例的图像处理设备,不管移动目标是断续运动还是连续运动,都能够以改善的精确度析取移动目标的轮廓。
第二实施例
除以下特征以外,本发明第二实施例的图像处理设备基本上与第一实施例的设备相同。因此不需要进行重复的说明。
更准确地说,在该实施例中,经过微分滤波块得到的轮廓图像不被数字化。由于没有数字化,第一运算单元5A进行最小运算来取代计算逻辑乘法,如图4所示。最小运算定义为利用两个轮廓图像之间对应的两个像素中的较小像素值来制备一个处理图像的处理。例如,在第一运算单元5A中,通过比较轮廓图像E(T-ΔT2)的灰度值和轮廓图像E(T+ΔT2)的对应灰度值进行最小运算,输出其中较小的灰度值(步骤S31)。结果,得到图4的轮廓图像(A)。类似地,在第二运算单元5B中,通过比较轮廓图像E(T-ΔT1)的灰度值和轮廓图像E(T+ΔT1)的对应灰度值进行最小运算,输出其中较小的灰度值(步骤S41)。结果,得到图4的轮廓图像(B)。
在步骤S32中,第一运算单元5A输出参考轮廓图像E(T)和步骤S31得到的图像(A)之间的灰度值的差。结果,得到图4的轮廓图像(C)。另一方面在步骤S42中,第二运算单元5B输出参考轮廓图像E(T)和步骤S41得到的图像(B)之间的灰度值的差。结果,得到图4的轮廓图像(D)。当该差是负值是,就被认为是零。接着,轮廓析取单元6通过比较轮廓图像(C)的灰度值和轮廓图像(D)的对应灰度值进行最小运算,输出具有其中较小灰度值的轮廓作为轮廓合成图像(F)。因而,通过在步骤S5进行的最小运算消除了轮廓图像(C)和(D)中包括的背景轮廓(Y)。结果,本实施例的图像处理设备能够仅析取移动目标(X)的轮廓。
第三实施例
除下面的特征以外,本发明第三实施例的图像处理设备基本上与第一实施例的设备相同。因此不需要进行重复的说明。
本实施例的第一运算单元5A利用对应于在参考时刻(T)获取的图像的轮廓图像即参考轮廓图像E(T)进行运算,与对应于在时刻(T-ΔT2)获取的图像的轮廓图像E(T-ΔT2)进行运算,提供一个处理的轮廓图像,其仅具有在时刻(T-ΔT2)和(T)之间发生任何位置变化的轮廓。
另一方面,本实施例的第二运算单元5B利用参考轮廓图像E(T),对应于在时刻(T-ΔT1)获取的图像的轮廓图像E(T-ΔT1),与对应于在时刻(T+ΔT1)获取的图像的轮廓图像E(T+ΔT1)进行运算,提供一个处理的图像,其仅具有在时刻(T-ΔT1),(T)和(T+ΔT1)之间发生任何位置变化的轮廓。通过合成这些处理的轮廓图像的轮廓,轮廓析取单元6仅析取移动目标的轮廓。
参考图5的流程图,说明本实施例的图像处理方法。与第一实施例的情况一样,分别对应于图像I(T),I(T-ΔT2),I(T-ΔT1)和I(T+ΔT1)的参考轮廓图像E(T)和轮廓图像E(T-ΔT2),E(T-ΔT1)和E(T+ΔT1)被存储在存储器4中。
在该实施例的第一运算单元5A中,轮廓图像E(T-ΔT2)被灰度反转以得到反转的轮廓图像。在轮廓图像E(T-ΔT2)中,应该理解:表示存在轮廓的黑线是“1”,表示没有轮廓的白色区域是“0”。因此,在反转的轮廓图像中,存在轮廓用白色表示,没有轮廓用黑色表示。然后,计算参考轮廓图像E(T)和反转轮廓图像的逻辑乘法结果(步骤S3)以得到图5的处理的轮廓图像(A)。简言之,该逻辑乘法仅析取参考轮廓图像E(T)中用黑色和轮廓图像E(T-ΔT2)中用白色表示的区域。在该实施例中,处理的轮廓图像(A)包括移动目标(X)在参考时刻(T)的轮廓与移动目标(X)在时刻(T-ΔT2)隐藏和在参考时刻(T)出现的背景轮廓(Y)。
另一方面,在该实施例的第二运算单元5B中,计算轮廓图像E(T-ΔT1)和E(T+ΔT1)的逻辑乘法结果(步骤S41)。该逻辑乘法得到的图5的轮廓图像(B)仅包括在时刻(T-ΔT1)和(T+ΔT1)之间没有变化的轮廓。与轮廓图像E(T-ΔT2)的情况一样,轮廓图像(B)被灰度反转以得到反转的轮廓图像,然后计算参考轮廓图像E(T)和反转轮廓图像的逻辑乘法结果(步骤S42)以得到图5的处理的轮廓图像(C)。在该实施例中,处理的轮廓图像(C)包括移动目标(X)在参考时刻(T)的轮廓,在时刻(T-ΔT1)由移动目标(X)隐藏而在参考时刻(T)出现的背景轮廓(Y),以及在参考时刻(T)出现而在时刻(T+ΔT1)由移动目标(X)隐藏的背景轮廓(Y)。
接着,轮廓析取单元6计算第一运算单元5A的输出即轮廓图像(A)和第二运算单元5B的输出即轮廓图像(C)的逻辑乘法结果(步骤S5)以输出仅包括移动目标的轮廓而基本上不包括背景轮廓的轮廓合成图像(F)。
第四实施例
除以下特征以外,本发明第四实施例的图像处理设备基本上与第三实施例的设备相同。因而不需要进行重复的说明。
更准确地说,在该实施例中,经过微分滤波块得到的轮廓图像不被数字化。此外,如图6所示,第一运算单元5A输出参考轮廓图像E(T)和轮廓图像E(T-ΔT2)之间的灰度值的差(步骤S3)。结果得到图6的轮廓图像(A)。
另一方面,第二运算单元5B进行最小运算来代替逻辑乘法。最小运算定义为利用两个轮廓图像之间对应的两个像素中的较小像素值来制备处理的图像的处理。例如,在第二运算单元5B中,通过比较轮廓图像E(T-ΔT1)的灰度值和轮廓图像E(T+ΔT1)的对应灰度值进行最小运算,输出其中较小的灰度值(步骤S41)。结果得到图6的轮廓图像(B)。接着在步骤S42中,第二运算单元5B输出参考轮廓图像E(T)和步骤S41得到的轮廓图像(B)之间的灰度值的差。当该差是负值是,就被认为是零。结果得到图4的轮廓图像(C)。
在轮廓析取单元6中,通过比较轮廓图像(A)的灰度值和轮廓图像(C)的对应灰度值进行最小运算(步骤S5)以输出具有其中较小灰度值的轮廓作为轮廓合成图像(F)。因而,通过在步骤S5进行的最小运算消除了轮廓图像(A)和(C)中的背景轮廓(Y)。结果,本实施例的图像处理设备能够仅析取移动目标的轮廓。
第五实施例
除以下特征以外,本发明第五实施例的图像处理设备基本上与第一实施例的设备相同。因而不需要进行重复的说明。
本实施例的第一运算单元5A利用对应于在参考时刻(T)获取的图像的轮廓图像即参考轮廓图像E(T),对应于在时刻(T-ΔT2)获取的图像的轮廓图像E(T-ΔT2),与对应于在时刻(T-ΔT1)获取的图像的轮廓图像E(T-ΔT1)进行运算,提供一个处理的轮廓图像,其仅具有在时刻(T-ΔT2),(T-ΔT1)和(T)之间发生任何位置变化的轮廓。
另一方面,本实施例的第二运算单元5B利用参考轮廓图像E(T),对应于在时刻(T+ΔT1)获取的图像的轮廓图像E(T+ΔT1),与对应于在时刻(T+ΔT2)获取的图像的轮廓图像E(T+ΔT2)进行运算,提供一个处理的轮廓图像,其仅具有在时刻(T),(T+ΔT1)和(T+ΔT2)之间发生任何位置变化的轮廓。通过合成这些处理的轮廓图像的轮廓,轮廓析取单元6仅析取移动目标的轮廓。
参考图7的流程图,说明本实施例的图像处理方法。与第一实施例的情况相同,分别对应于图像I(T),I(T-ΔT2),I(T-ΔT1),I(T+ΔT1)和I(T+ΔT2)的参考轮廓图像E(T)和轮廓图像E(T-ΔT2),E(T-ΔT1),E(T+ΔT1)和E(T+ΔT2)被存储在存储器4中。
在该实施例的第一运算单元5A中,计算轮廓图像E(T-ΔT2)和轮廓图像E(T-ΔT1)的逻辑乘法结果(步骤S31)。通过该逻辑乘法得到的图7的轮廓图像(A)仅包括在时刻(T-ΔT2)和(T-ΔT1)之间没有变化的轮廓。接着,轮廓图像(A)被灰度反转以得到反转的轮廓图像。在轮廓图像(A)中,应该理解:表示存在轮廓(Y)的黑线是“1”,表示没有轮廓的白色区域是“0”。因此,在反转的轮廓图像中,存在轮廓(Y)用白色表示,没有轮廓用黑色表示。然后,计算参考轮廓图像E(T)和反转轮廓图像的逻辑乘法结果(步骤S32)以得到图7的处理的轮廓图像(B)。简言之,该逻辑乘法仅析取参考轮廓图像E(T)中用黑色和轮廓图像(A)中用白色表示的区域。在该实施例中,处理的轮廓图像(B)包括移动目标(X)在参考时刻(T)的轮廓和在时刻(T-ΔT2)和(T-ΔT1)由移动目标(X)隐藏而在参考时刻(T)出现的背景轮廓(Y)。
另一方面,在该实施例的第二运算单元5B中,计算轮廓图像E(T+ΔT1)和轮廓图像E(T+ΔT2)的逻辑乘法结果(步骤S41)。该逻辑乘法得到的图7的轮廓图像(C)仅包括在时刻(T+ΔT1)和(T+ΔT2)之间没有变化的轮廓。与轮廓图像(A)的情况一样,轮廓图像(C)被灰度反转以得到反转的轮廓图像,然后计算参考轮廓图像E(T)和反转轮廓图像的逻辑乘法结果(步骤S42)以得到图7的处理的轮廓图像(D)。在该实施例中,处理的轮廓图像(D)包括移动目标(X)在参考时刻(T)的轮廓,在参考时刻(T)出现而在时刻(T+ΔT1)和(T+ΔT2)由移动目标(X)隐藏的背景轮廓(Y)。
接着,轮廓析取单元6计算第一运算单元5A的输出即轮廓图像(B)和第二运算单元5B的输出即轮廓图像(D)的逻辑乘法结果(步骤S5)以输出仅示出移动目标的轮廓而基本上不包括背景轮廓的轮廓合成图像(F)。
第六实施例
除以下特征以外,本发明第六实施例的图像处理设备基本上与第五实施例的设备相同。因而不需要进行重复的说明。
更准确地说,在该实施例中,经过微分滤波块得到的轮廓图像不被数字化。此外,如图8所示,第一运算单元5A进行最小运算来代替逻辑乘法。最小逻辑运算定义为利用两个轮廓图像之间对应的两个像素中的较小像素值来制备处理的图像的处理。例如,在第一运算单元5A中,通过比较轮廓图像E(T-ΔT2)的灰度值和轮廓图像E(T-ΔT1)的对应灰度值进行最小运算(步骤S31),输出其中较小的灰度值。结果得到图8的轮廓图像(A)。类似地,在第二运算单元5B中,通过比较轮廓图像E(T+ΔT1)的灰度值和轮廓图像E(T+ΔT2)的对应灰度值进行最小运算(步骤S41),输出其中较小的灰度值。结果得到图8的轮廓图像(B)。
此外,在步骤S32中,第一运算单元5A输出参考轮廓图像E(T)和步骤S31得到的轮廓图像(A)的灰度值的差。当该差是负值时,就被认为是零。结果,得到图8的轮廓图像(C)。另一方面,在步骤S42中,第二运算单元5B输出参考轮廓图像E(T)和步骤S41得到的轮廓图像(B)的灰度值的差。当该差是负值时,就被认为是零。结果得到图8的轮廓图像(D)。
接着,轮廓析取单元6通过比较轮廓图像(C)的灰度值和轮廓图像(D)的对应灰度值进行最小运算(步骤S5)以输出具有其中较小灰度值的轮廓作为轮廓合成图像(F)。因而,由于通过在步骤S5进行的最小运算消除了轮廓图像(C)和(D)中包括的背景轮廓(Y),本发明的图像处理设备能够仅析取移动目标的轮廓。
第七实施例
除以下特征以外,本发明第七实施例的图像处理设备基本上与第一实施例的设备相同。因而不需要进行重复的说明。
本实施例的第一运算单元5A利用对应于在参考时刻(T)获取的图像的轮廓图像即参考轮廓图像E(T),对应于在时刻(T-ΔT2)获取的图像的轮廓图像E(T-ΔT2),与对应于在时刻(T-ΔT1)获取的图像的轮廓图像E(T-ΔT1)进行运算,提供一个处理的图像,其仅包括在时刻(T-ΔT2),(T-ΔT1)和(T)之间发生任何位置变化的轮廓。
另一方面,本实施例的第二运算单元5B利用参考轮廓图像E(T),与对应于在时刻(T+ΔT1)获取的图像的轮廓图像E(T+ΔT1)进行运算,提供一个处理的图像,其仅包括在时刻(T)和(T+ΔT1)之间发生任何位置变化的轮廓。通过合成这些处理的轮廓图像的轮廓,轮廓析取单元6仅析取移动目标的轮廓。
参考图9的流程图,说明本实施例的图像处理方法。与第一实施例的情况一样,分别对应于图像I(T),I(T-ΔT2),I(T-ΔT1)和I(T+ΔT1)的参考轮廓图像E(T)和轮廓图像E(T-ΔT2),E(T-ΔT1)和E(T+ΔT1)被存储在存储器4中。
在该实施例的第一运算单元5A中,计算轮廓图像E(T-ΔT2)和轮廓图像E(T-ΔT1)的逻辑乘法结果(步骤S31)。该逻辑乘法得到的图9的轮廓图像(A)仅包括在时刻(T-ΔT2)和(T-ΔT1)之间没有变化的轮廓。接着,轮廓图像A被灰度反转以得到反转的轮廓图像。在轮廓图像A中,应该理解:表示存在轮廓(Y)的黑线是“1”,表示没有轮廓的白色区域是“0”。因此,在反转的轮廓图像中,存在轮廓(Y)用白色表示,没有轮廓用黑色表示。然后,计算参考轮廓图像E(T)和反转轮廓图像的逻辑乘法结果(步骤S32)以得到图9的处理的轮廓图像(B)。简言之,该逻辑乘法仅析取参考轮廓图像E(T)中用黑色和轮廓图像A中用白色表示的区域。在该实施例中,处理的轮廓图像(B)包括移动目标(X)在参考时刻(T)的轮廓和在时刻(T-ΔT2)和(T-ΔT1)由移动目标(X)隐藏而在参考时刻(T)出现的背景轮廓(Y)。
另一方面,在该实施例的第二运算单元5B中,与轮廓图像(A)的情况一样,轮廓图像E(T+ΔT1)被灰度反转以得到反转的轮廓图像,然后计算轮廓图像E(T)和反转轮廓图像的逻辑乘法结果(步骤S4),得到图9的处理的轮廓图像(C)。在该实施例中,处理的轮廓图像(C)包括在参考时刻(T)获取的移动目标(X)的轮廓,与在参考时刻(T)出现而在时刻(T+ΔT1)由移动目标(X)隐藏的背景轮廓(Y)。
接着,轮廓析取单元6计算第一运算单元5A的输出即轮廓图像(B)和第二运算单元5B的输出即轮廓图像(C)的逻辑乘法结果(步骤S5)以输出仅包括移动目标的轮廓而基本上不包括背景轮廓的轮廓合成图像(F)。
第八实施例
除以下特征以外,本发明第八实施例的图像处理设备基本上与第七实施例的设备相同。因而不需要进行重复的说明。
更准确地说,在该实施例中,经过微分滤波块得到的轮廓图像不被数字化。此外,如图10所示,第一运算单元5A进行最小运算来代替逻辑乘法。最小逻辑运算定义为利用两个轮廓图像之间对应的两个像素中的较小像素值来制备处理的图像的处理。例如,在第一运算单元5A中,通过比较轮廓图像E(T-ΔT2)的灰度值和轮廓图像E(T-ΔT1)的对应灰度值进行最小运算(步骤S31),输出其中较小的灰度值。结果得到图10的轮廓图像(A)。接着,在步骤S32中,第一运算单元5A输出参考轮廓图像E(T)和步骤S31得到的轮廓图像(A)的灰度值的差。当该差是负值时,就被认为是零。结果得到图10的轮廓图像(B)。
另一方面,在步骤S4中,第二运算单元5B输出参考轮廓图像E(T)和轮廓图像E(T+ΔT1)的灰度值的差。当该差是负值时,就被认为是零。结果得到图10的轮廓图像(C)。
接着轮廓析取单元6通过比较轮廓图像(B)的灰度值和轮廓图像(C)的对应灰度值进行最小运算(步骤S5)以输出具有其中较小灰度值的轮廓作为轮廓合成图像(F)。因而由于通过在步骤S5进行的最小运算消除了轮廓图像(B)和(C)中包括的背景轮廓(Y),本发明图像处理设备能仅析取移动目标的轮廓。
从按照本发明的上述优选实施例可以理解,不需要事先获取不包括移动目标的背景图像,而这在利用背景相减方法的图像处理中是必需的。此外,可以避免帧相减方法的一个问题,即移动目标的轮廓会随背景信息一起被析取。因而,与常规的图像处理设备相比,无论移动目标是断续运动还是连续运动,图像就识别移动目标比如人和车辆而言,本发明的图像处理设备和方法提供了更可靠的信息。
Claims (15)
1.一种用于识别移动目标轮廓的图像处理设备,包括:
图像读取装置,用于按时间序列获取多个图像,所述移动目标存在于每个图像中;
图像转换装置,用于将所述图像转换为轮廓图像;
存储器,用于存储所述轮廓图像;
第一运算装置,利用对应于在参考时刻获取的所述图像的所述轮廓图像之一即参考轮廓图像,对应于在参考时刻之外的第一时刻获取的所述图像的所述轮廓图像之一即第一轮廓图像,与对应于在参考时刻和第一时刻之外的第二时刻获取的所述图像的所述轮廓图像之一即第二轮廓图像进行运算,以提供一个处理的轮廓图像,其仅具有在参考时刻、第一时刻和第二时刻之间发生任何位置变化的轮廓;
第二运算装置,利用所述参考轮廓图像与对应于在参考时刻、第一时刻和第二时刻之外的第三时刻获取的所述图像的所述轮廓图像之一即第三轮廓图像进行运算,以提供一个处理的轮廓图像,其仅具有在参考时刻和第三时刻之间发生任何位置变化的轮廓;
轮廓析取装置,用于从所述第一运算装置和所述第二运算装置提供的处理的轮廓图像中析取所述移动目标的轮廓。
2.按照权利要求1所述的图像处理设备,其中所述第一运算装置利用对应于在作为参考时刻的第一时间期间的中央和第二时间期间的一端获取的所述图像的所述轮廓图像即所述参考轮廓图像,对应于在作为第一时刻的第一时间期间的开始时刻获取的所述图像的所述轮廓图像即第一轮廓图像,与对应于在作为第二时刻的第一时间期间的结束时刻获取的所述图像的所述轮廓图像即第二轮廓图像进行运算,以及其中
所述第二运算装置利用所述参考轮廓图像与对应于在作为第三时刻的第二时间期间的另一端获取的所述图像的所述轮廓图像即第三轮廓图像进行运算。
3.按照权利要求2所述的图像处理设备,其中所述第一运算装置进行所述第一轮廓图像和所述第二轮廓图像之间的最小运算,然后确定所述参考轮廓图像和所述最小运算结果之间的差,提供处理的轮廓图像,以及其中
所述第二运算装置确定所述参考轮廓图像和所述第三轮廓图像之间的差以提供处理的轮廓图像。
4.按照权利要求1所述的图像处理设备,其中所述第一运算装置利用对应于在作为参考时刻的第一时间期间的结束端和第二时间期间的开始端获取的所述图像的所述轮廓图像即所述参考轮廓图像,对应于在所述第一时间期间内的第一时刻获取的所述图像的所述轮廓图像即所述第一轮廓图像,与对应于在作为第二时刻的所述第一时间期间的开始端获取的所述图像的所述轮廓图像即所述第二轮廓图像进行运算,以及其中
所述第二运算装置利用所述参考轮廓图像,与对应于在作为第三时刻的所述第二时间期间的结束端获取的所述图像的所述轮廓图像即所述第三轮廓图像进行运算。
5.按照权利要求4所述的的图像处理设备,其中第一时刻和参考时刻之间的时间区间等于第三时刻和参考时刻之间的时间区间。
6.按照权利要求4所述的图像处理设备,其中所述第一运算装置进行所述第一轮廓图像和所述第二轮廓图像之间的最小运算,然后确定所述参考轮廓图像和所述最小运算结果之间的差,提供处理的轮廓图像,以及其中
所述第二运算装置确定所述参考轮廓图像和所述第三轮廓图像之间的差以提供处理的轮廓图像。
7.按照权利要求1所述的图像处理设备,其中所述轮廓析取装置在由所述第一运算装置和所述第二运算装置提供的处理的轮廓图像之间进行最小运算。
8.一种用于识别移动目标轮廓的图像处理设备,包括:
图像读取装置,用于按时间序列获取多个图像,所述移动目标存在于每个图像中;
图像转换装置,用于将所述图像转换为轮廓图像;
存储器,用于存储所述轮廓图像;
第一运算装置,利用对应于在参考时刻获取的所述图像的所述轮廓图像之一即参考轮廓图像,对应于在参考时刻之外的第一时刻获取的所述图像的所述轮廓图像之一即第一轮廓图像,与对应于在参考时刻和第一时刻之外的第二时刻获取的所述图像的所述轮廓图像之一即第二轮廓图像进行运算,以提供一个处理的轮廓图像,其仅具有在参考时刻、第一时刻和第二时刻之间发生任何位置变化的轮廓;
第二运算装置,利用所述参考轮廓图像,对应于在参考时刻、第一时刻和第二时刻之外的第三时刻获取的所述图像的所述轮廓图像之一即第三轮廓图像,与对应于在参考时刻、第一时刻、第二时刻和第三时刻之外的第四时刻获取的所述图像的所述轮廓图像之一即第四轮廓图像进行运算,以提供处理的轮廓图像,其仅具有在参考时刻、第三时刻和第四时刻之间发生任何位置变化的轮廓;
轮廓析取装置,用于从所述第一运算装置和所述第二运算装置提供的处理的轮廓图像中析取所述移动目标的轮廓。
9.按照权利要求8所述的图像处理设备,其中所述第一运算装置利用对应于在作为参考时刻的第一和第二时间期间的中央获取的所述图像的所述轮廓图像即所述参考轮廓图像,对应于在作为第一时刻的所述第一时间期间的开始时刻获取的所述图像的所述轮廓图像即所述第一轮廓图像,与对应于在作为第二时刻的所述第一时间期间的结束时刻获取的所述图像的所述轮廓图像即第二轮廓图像进行运算,以及其中
所述第二运算装置利用所述参考轮廓图像,对应于在作为第三时刻的所述第二时间期间的开始时刻获取的所述图像的所述轮廓图像即所述第三轮廓图像,与对应于在作为第四时刻的所述第二时间期间的结束时刻获取的所述图像的所述轮廓图像之一即所述第四轮廓图像进行运算。
10.按照权利要求8所述的图像处理设备,其中所述第一运算装置进行所述第一轮廓图像和所述第二轮廓图像之间的最小运算,然后确定所述参考轮廓图像和所述最小运算结果之间的差,提供处理的轮廓图像,以及其中
所述第二运算装置进行所述第三和所述第四轮廓图像之间的最小运算,然后确定所述参考轮廓图像和所述最小运算结果之间的差,提供处理的轮廓图像。
11.按照权利要求9所述的图像处理设备,其中所述第一运算装置进行所述第一轮廓图像和所述第二轮廓图像之间的最小运算,然后确定所述参考轮廓图像和所述最小运算结果之间的差,提供处理的轮廓图像,以及其中
所述第二运算装置进行所述第三和所述第四轮廓图像之间的最小运算,然后确定所述参考轮廓图像和所述最小运算结果之间的差,提供处理的轮廓图像。
12.按照权利要求8所述的图像处理设备,其中所述第一运算装置利用对应于在作为参考时刻的第一时间期间的结束端和第二时间期间的开始端获取的所述图像的所述轮廓图像即所述参考轮廓图像,对应于在所述第一时间期间内的第一时刻获取的所述图像的所述轮廓图像即所述第一轮廓图像,与对应于在作为第二时刻的所述第一时间期间的开始端获取的所述图像的所述轮廓图像即第二轮廓图像进行运算,以及其中
所述第二运算装置利用所述参考轮廓图像,对应于在所述第二时间期间内的第三时刻获取的所述图像的所述轮廓图像即所述第三轮廓图像,与对应于在作为第四时刻的第二时间期间的结束端获取的所述图像的所述轮廓图像即所述第四轮廓图像进行运算。
13.按照权利要求12所述的图像处理设备,其中第一时刻和参考时刻之间的时间区间等于第三时刻和参考时刻之间的时间区间,第二时刻和参考时刻之间的时间区间等于第四时刻和参考时刻之间的时间区间。
14.按照权利要求12所述的图像处理设备,其中所述第一运算装置进行所述第一轮廓图像和所述第二轮廓图像之间的最小运算,然后确定所述参考轮廓图像和所述最小运算结果之间的差,以提供处理的轮廓图像,以及其中
所述第二运算装置进行所述第三和所述第四轮廓图像之间的最小运算,然后确定所述参考轮廓图像和所述最小运算结果之间的差,提供处理的轮廓图像。
15.一种识别移动目标轮廓的图像处理方法,所述方法包括如下步骤:
按时间序列获取多个图像,每个图像中存在着所述移动目标;
将所述图像转换成轮廓图像;
存储所述轮廓图像;
利用对应于在参考时刻获取的所述图像的所述轮廓图像之一即参考轮廓图像,对应于在参考时刻之外的第一时刻获取的所述图像的所述轮廓图像之一即第一轮廓图像,与对应于在参考时刻和第一时刻之外的第二时刻获取的所述图像的所述轮廓图像之一即第二轮廓图像进行第一运算,以提供一个处理轮廓图像,其仅具有在参考时刻、第一时刻和第二时刻之间发生任何位置变化的轮廓;
利用所述参考轮廓图像与对应于在参考时刻、第一时刻和第二时刻之外的第三时刻获取的所述图像的所述轮廓图像之一即第三轮廓图像进行第二运算,以提供一个处理轮廓图像,其仅具有在参考时刻和第三时刻之间发生任何位置变化的轮廓;
从所述第一和第二运算步骤得到的处理的轮廓图像中析取所述移动目标的轮廓。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003056357A JP4140402B2 (ja) | 2003-03-03 | 2003-03-03 | 画像処理装置 |
JP2003056357 | 2003-03-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1527248A CN1527248A (zh) | 2004-09-08 |
CN1299242C true CN1299242C (zh) | 2007-02-07 |
Family
ID=32821167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200310118664XA Expired - Fee Related CN1299242C (zh) | 2003-03-03 | 2003-11-28 | 用于识别移动目标轮廓的图像处理设备及其方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7372994B2 (zh) |
EP (1) | EP1455306B1 (zh) |
JP (1) | JP4140402B2 (zh) |
KR (1) | KR100751467B1 (zh) |
CN (1) | CN1299242C (zh) |
DE (1) | DE60312301T2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101888535A (zh) * | 2009-05-14 | 2010-11-17 | 索尼公司 | 运动对象检测装置、运动对象检测方法和计算机程序 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070047834A1 (en) * | 2005-08-31 | 2007-03-01 | International Business Machines Corporation | Method and apparatus for visual background subtraction with one or more preprocessing modules |
TWI405149B (zh) * | 2008-12-08 | 2013-08-11 | Ind Tech Res Inst | 物體端點定位方法及應用其之系統 |
EP2720459B1 (en) * | 2011-06-08 | 2020-07-08 | Omron Corporation | Distributed image processing system |
JP5375897B2 (ja) * | 2011-08-25 | 2013-12-25 | カシオ計算機株式会社 | 画像生成方法、画像生成装置及びプログラム |
CN104599502B (zh) * | 2015-02-13 | 2017-01-25 | 重庆邮电大学 | 一种基于视频监控的车流量统计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5619593A (en) * | 1991-09-12 | 1997-04-08 | Fuji Photo Film Co., Ltd. | Method for extracting object images and method for detecting movements thereof |
JP2002251635A (ja) * | 2001-02-26 | 2002-09-06 | Nippon Telegr & Teleph Corp <Ntt> | 3次元cgキャラクタ生成方法、その装置、その方法の実現するためのプログラム、及びそのプログラムを記憶した記憶媒体 |
JP2002251621A (ja) * | 2001-02-22 | 2002-09-06 | Fujitsu Ltd | 画像作成システム、画像作成方法および画像作成プログラム |
WO2002084998A1 (fr) * | 2001-04-11 | 2002-10-24 | Sony Corporation | Dispositif d'accentuation de contour |
WO2003001451A2 (en) * | 2001-06-26 | 2003-01-03 | Koninklijke Philips Electronics N.V. | Adaptation of energy function in real-time contour computation for image segmentation |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3288474B2 (ja) | 1993-03-31 | 2002-06-04 | 富士通株式会社 | 画像処理装置 |
JP3419919B2 (ja) * | 1994-11-22 | 2003-06-23 | 富士通株式会社 | 移動物体検出装置 |
KR100219526B1 (ko) | 1997-01-29 | 1999-09-01 | 윤종용 | 이동 물체 영상 추출 장치 |
JP3612227B2 (ja) * | 1998-01-07 | 2005-01-19 | 株式会社東芝 | 物体抽出装置 |
US6335985B1 (en) * | 1998-01-07 | 2002-01-01 | Kabushiki Kaisha Toshiba | Object extraction apparatus |
JPH11284997A (ja) | 1998-03-31 | 1999-10-15 | Oki Electric Ind Co Ltd | 移動体検知装置 |
JP4031122B2 (ja) * | 1998-09-30 | 2008-01-09 | 本田技研工業株式会社 | 差分画像を用いた被写体の検出装置 |
JP2000209425A (ja) * | 1998-11-09 | 2000-07-28 | Canon Inc | 画像処理装置及び方法並びに記憶媒体 |
JP4046920B2 (ja) * | 2000-02-24 | 2008-02-13 | 日本放送協会 | 動オブジェクト抽出装置 |
JP2001351107A (ja) * | 2000-06-05 | 2001-12-21 | Mitsubishi Electric Corp | 交通監視装置および交通監視方法 |
JP4482778B2 (ja) * | 2000-09-11 | 2010-06-16 | ソニー株式会社 | 画像処理装置および画像処理方法、並びに記録媒体 |
KR100332639B1 (ko) * | 2000-10-05 | 2002-04-17 | 이종법 | 라인 매칭 기법을 이용한 이동 물체 검출 방법 |
JP3651419B2 (ja) * | 2001-08-03 | 2005-05-25 | 日産自動車株式会社 | 環境認識装置 |
US20040037361A1 (en) * | 2002-08-22 | 2004-02-26 | Eduardo Gudis | Video block error sensing by detection of shapes in output |
-
2003
- 2003-03-03 JP JP2003056357A patent/JP4140402B2/ja not_active Expired - Fee Related
- 2003-11-27 EP EP03027412A patent/EP1455306B1/en not_active Expired - Lifetime
- 2003-11-27 DE DE60312301T patent/DE60312301T2/de not_active Expired - Lifetime
- 2003-11-28 CN CNB200310118664XA patent/CN1299242C/zh not_active Expired - Fee Related
- 2003-11-28 US US10/722,481 patent/US7372994B2/en not_active Expired - Fee Related
- 2003-12-30 KR KR1020030100485A patent/KR100751467B1/ko not_active IP Right Cessation
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5619593A (en) * | 1991-09-12 | 1997-04-08 | Fuji Photo Film Co., Ltd. | Method for extracting object images and method for detecting movements thereof |
JP2002251621A (ja) * | 2001-02-22 | 2002-09-06 | Fujitsu Ltd | 画像作成システム、画像作成方法および画像作成プログラム |
JP2002251635A (ja) * | 2001-02-26 | 2002-09-06 | Nippon Telegr & Teleph Corp <Ntt> | 3次元cgキャラクタ生成方法、その装置、その方法の実現するためのプログラム、及びそのプログラムを記憶した記憶媒体 |
WO2002084998A1 (fr) * | 2001-04-11 | 2002-10-24 | Sony Corporation | Dispositif d'accentuation de contour |
WO2003001451A2 (en) * | 2001-06-26 | 2003-01-03 | Koninklijke Philips Electronics N.V. | Adaptation of energy function in real-time contour computation for image segmentation |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101888535A (zh) * | 2009-05-14 | 2010-11-17 | 索尼公司 | 运动对象检测装置、运动对象检测方法和计算机程序 |
CN101888535B (zh) * | 2009-05-14 | 2014-06-18 | 索尼公司 | 运动对象检测装置、运动对象检测方法和计算机程序 |
CN104077785A (zh) * | 2009-05-14 | 2014-10-01 | 索尼公司 | 运动对象检测装置、运动对象检测方法和计算机程序 |
Also Published As
Publication number | Publication date |
---|---|
JP2004265251A (ja) | 2004-09-24 |
EP1455306A1 (en) | 2004-09-08 |
KR20040078538A (ko) | 2004-09-10 |
CN1527248A (zh) | 2004-09-08 |
US7372994B2 (en) | 2008-05-13 |
US20040175044A1 (en) | 2004-09-09 |
DE60312301D1 (de) | 2007-04-19 |
KR100751467B1 (ko) | 2007-08-23 |
JP4140402B2 (ja) | 2008-08-27 |
EP1455306B1 (en) | 2007-03-07 |
DE60312301T2 (de) | 2007-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2011128990A (ja) | 画像処理装置とその方法 | |
JP2010525486A (ja) | 画像分割及び画像強調 | |
CN108133215A (zh) | 一种处理单元 | |
JP2009059060A (ja) | 動体画像抽出装置及びプログラム | |
CN110335233B (zh) | 基于图像处理技术的高速公路护栏板缺陷检测系统和方法 | |
CN1643543A (zh) | 将立体图像中的边缘链接成链的方法 | |
EP2228990A3 (en) | Image processing device and method | |
CN109977834B (zh) | 从深度图像中分割人手与交互物体的方法和装置 | |
CN1272631C (zh) | 运动图像检测方法 | |
CN1299242C (zh) | 用于识别移动目标轮廓的图像处理设备及其方法 | |
CN110751635B (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
CN101908205A (zh) | 基于幻方编码的中值滤波方法 | |
CN101079108A (zh) | 基于dsp的多通道机械数显数字煤气表自动检测装置 | |
CN1436424A (zh) | 用于图像相关性最小失真计算的自适应尽快退出技术 | |
CN1525387A (zh) | 检测图像模糊性的设备和方法 | |
Chen et al. | An improved edge detection in noisy image using fuzzy enhancement | |
CN105721738B (zh) | 一种彩色扫描文档图像预处理方法 | |
CN101035196A (zh) | 变动区域检测装置及其方法 | |
CN104156956B (zh) | 一种基于高斯小波一维峰值识别的多角度边缘检测方法 | |
CN1875379A (zh) | 视频图像中的对象跟踪 | |
CN1595957A (zh) | 医学影像坏点自动检测门限确定方法 | |
CN107220653B (zh) | 基于逻辑随机共振的水下弱目标检测系统的检测方法 | |
CN114693543A (zh) | 图像降噪方法及装置、图像处理芯片、图像采集设备 | |
CN1436426A (zh) | 用于图像相关性最小失真计算的自适应尽快退出技术 | |
CN101799872B (zh) | 一种场景图像的全局结构信息特征的提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20070207 Termination date: 20141128 |
|
EXPY | Termination of patent right or utility model |