国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種圖象采集的方法和裝置的制作方法

      文檔序號:6464387閱讀:169來源:國知局
      專利名稱:一種圖象采集的方法和裝置的制作方法
      技術(shù)領(lǐng)域
      本發(fā)明涉及計算機技術(shù)領(lǐng)域,特別地涉及一種圖象采集的方法和裝置。
      背景技術(shù)
      目前圖象采集設(shè)備的應用場合日益廣泛,包括對公共場所目標物的監(jiān)視、 工業(yè)生產(chǎn)現(xiàn)場目標物的監(jiān)控以及個人信息溝通等多種方面。在應用中,圖象采 集設(shè)備直接根據(jù)鏡頭獲取到的光線的亮度平均值來決定曝光的等級。通常,在 許多實際拍攝中,目標物附近存在非常亮的背景或一個點光源是不可避免的, 例如在戶外攝影中,目標的背景可能是晴朗的天空、反光耀眼的雪地,或者室 內(nèi)情況下,面對鏡頭的目標物附近可能有明亮的窗戶或者燈。當這些情況下, 快門速度增加的時候,光圈會被關(guān)閉導致主要目標變得太黑而難以辨認。因此, 就需要調(diào)節(jié)曝光參數(shù)來獲得合適的光圈大小,使得圖象采集設(shè)備采集到的幀中 目標物圖象區(qū)域的亮度得到提升。
      現(xiàn)有的圖象采集設(shè)備大多備有曝光調(diào)節(jié)功能,通過對所采集的視頻幀固定 區(qū)域進行加權(quán)的方式計算全幀的亮度值,然后進行曝光調(diào)節(jié),這種做法并沒有 突出目標區(qū)域的視覺效果。并且,在圖象采集設(shè)備的實際應用中,若場景中存 在運動狀態(tài)的目標物,由于調(diào)整自動曝光參數(shù)需要一定的計算時間,這樣,在 對場景的曝光參數(shù)進行調(diào)節(jié)之后,場景已發(fā)生變化,得到的曝光參數(shù)不再適用 于變化后的場景。

      發(fā)明內(nèi)容
      本發(fā)明實施例給出一種圖象采集的方法與裝置,以解決現(xiàn)有技術(shù)中對于存 在運動狀態(tài)的目標物的場景,在對場景的曝光參數(shù)進行調(diào)節(jié)之后,由于場景已 發(fā)生變化,得到的曝光參數(shù)不再適用于變化后的場景的問題。本發(fā)明實施例給出的一種圖象采集方法,包括 釆集場景圖象得到幀序列并根據(jù)該幀序列得到背景圖象; 根據(jù)采集所得當前幀和所述背景圖象檢測所述當前幀是否包含目標物圖 象,若是,貝'J:
      在采集當前幀的后續(xù)幀之前,根據(jù)所述幀序列和當前幀得到所述后續(xù)幀中 目標物圖象的預期位置,
      根據(jù)背景圖象、當前幀中目標物圖象和所述預期位置調(diào)整曝光參數(shù), 在采集所述后續(xù)幀時應用調(diào)整后的曝光參數(shù)。
      本發(fā)明實施例給出的一種圖象采集裝置包括采集模塊、背景模塊、檢測模 塊、位置預測模塊和曝光參數(shù)模塊,其中
      采集模塊,用于采集場景圖象得到幀序列以及根據(jù)所述曝光參數(shù)模塊給出 的曝光參數(shù)采集場景圖象;
      背景模塊,用于根據(jù)所述幀序列得出背景圖象;
      檢測模塊,用于根據(jù)采集所得當前幀和所述背景圖象檢測所述當前幀是否 包含目標物圖象;
      位置預測模塊,用于若所述當前幀包含目標物圖象,則在釆集當前幀的后 續(xù)幀之前,根據(jù)所述幀序列和當前幀得到所述后續(xù)幀中目標物圖象的預期位 置;
      曝光參數(shù)模塊,用于根據(jù)背景圖象、當前幀中目標物圖象和所述預期位置 調(diào)整曝光參數(shù)。
      采用本發(fā)明實施例中的方法和裝置,當場景中存在運動狀態(tài)的目標物時能 夠根據(jù)運動狀態(tài)的目標物的位置調(diào)節(jié)采集圖象時的曝光參數(shù),這樣,在采集到 的圖象中,運動狀態(tài)的目標物圖象有著良好的視覺效果。


      圖1為本發(fā)明實施例的方法流程圖;圖2為邊緣檢測模板示意圖; 圖3為層次型Adaboost分類器示意圖; 圖4為本發(fā)明實施例給出的圖象采集裝置示意圖; 圖5為本發(fā)明實施例給出的圖象采集裝置中檢測模塊的一種結(jié)構(gòu)示意圖; 圖6為本發(fā)明實施例給出的圖象采集裝置中動態(tài)區(qū)域^r測單元的一種結(jié)構(gòu) 示意圖7為本發(fā)明實施例給出的圖象采集裝置中曝光參數(shù)模塊的一種結(jié)構(gòu)示意圖。
      具體實施例方式
      本發(fā)明實施例給出一種圖象采集方法,如圖l所示,包括如下步驟
      步驟1:采集場景圖象得到幀序列并才艮據(jù)該幀序列得到背景圖象。
      步驟2:根據(jù)采集所得當前幀和背景圖象檢測當前幀是否包含目標物圖象,
      若是,進入步驟3,否則進入步驟5。
      步驟3:在采集當前幀的后續(xù)幀之前,根據(jù)幀序列和當前幀得到后續(xù)幀中
      目標物圖象的預期位置。
      步驟4:根據(jù)背景圖象、當前幀中目標物圖象和預期位置得到曝光參數(shù)。 步驟5:設(shè)置后續(xù)幀的預期平均亮度為當前幀像素點的平均亮度并根據(jù)該
      預期平均亮度調(diào)整曝光參數(shù)。
      步驟6:在采集后續(xù)幀時應用步驟4或步驟5中得到的曝光參數(shù)。 下面對上述各步驟進行詳細說明。
      在本發(fā)明實施例中,對當前時刻采集到的當前幀作一系列分析并根據(jù)分析 結(jié)果確定曝光參數(shù)。本發(fā)明實施例中,支設(shè)在當前時刻之前已采集了 "幀圖象來 用于得到步驟1中背景圖象,即上述步驟l中的幀序列,這通常只需很短的時 間例如l秒即可完成。在當前時刻,場景中可能包含運動狀態(tài)的目標物。目標 物是需要關(guān)注其狀態(tài)或運動情況的物體,其中包括人體。在步驟l中不論當前場景中是否包含運動目標物,得到的背景圖象內(nèi)都不存在運動目標物的圖象。 也就是說步驟1的目的在于得到一個只顯示靜態(tài)物體的背景圖象, 一般情形下 的圖象則是在該背景圖象上疊加運動目標物的圖象。背景圖象才艮據(jù)已采集的包
      含了n幀圖象的幀序列而得出。首先設(shè)置一個條件公式
      <formula>formula see original document page 8</formula>,力 (1) 其中/(x,力是坐標為(x,力的像素灰度值,A(x,力和 (x,力分別是"幀圖象 坐標為(x,力的位置的像素灰度值的平均值和均方差,-是設(shè)定的參數(shù),當"較 大,例如大于20時,"可取為1。構(gòu)建背景圖象,是確定背景圖象每一像素點 的灰度值。令S(x,力為背景圖象中坐標為(x,力的像素點灰度值,當前采集的"幀 圖象中坐標為(x,力的像素滿足式(l)的幀共有m幀,則有如下公式得到背景圖象 每一像素點的灰度值
      <formula>formula see original document page 8</formula>(2) 附5
      式中/ (x, _y)是滿足式(1)的附幀中第/幀的坐標為(x,力的像素的灰度值。 此外,因為在視頻序列圖象中,每個像素點的灰度值是符合高斯分布的, 因此(l)式中
      <formula>formula see original document page 8</formula>式中">1。
      因為隨著時間的推移,當前場景會發(fā)生變化,所以對于從(2)式得到的背景 圖象,較佳的做法還可以包括背景更新,即利用當前幀對該背景圖象作出修正。 隨著時間推移,不斷有當前幀被采集,可以利用每次采集所得當前幀不斷地對 背景圖象作出修正,即不斷地進行背景更新。背景更新的具體作法是判斷當前 幀與當前幀的前一幀中坐標相同的像素點灰度值的差值絕對值是否大于設(shè)定值,若是,則令50,力="《(1,力,若否,則令萬0,力="^0,力+ (1-cO/(;c,力,其 中萬(jc,力為修正后的背景圖象中坐標為(;c,力的像素點灰度值,5,(x,力為修正前 的背景圖象中坐標為Oc,力的像素點灰度值,/(x,力是當前幀中坐標為(;c,力的像 素點灰度值,a取值滿足OSaSl。
      在背景圖象得到確定之后,接下來對當前幀進行檢測,以確定當前幀是否 包含目標物圖象,即上述步驟2。在步驟l之后的各步驟中,優(yōu)選地應當使用 經(jīng)過上述方法修正得到的背景圖象。步驟2具體又分為如下2步
      步驟21:根據(jù)當前幀和背景圖象確定當前幀中動態(tài)區(qū)域。具體說明如下。 判斷當前幀中坐標為(x,力的像素點灰度值與背景圖象中坐標為(x,力的像 素點灰度值之差的絕對值是否大于設(shè)定值,若是,則令M(x,力-l,若否,則令 M(;c,>0 = 0,其中M(x,力是當前幀的二值圖矩陣中第x行第少列的元素。即有如 下公式
      <formula>formula see original document page 9</formula> 其中A"力是背景圖象中坐標為Oc,力的像素點灰度值,Kx,W是背景圖
      象中坐標為(x,力的像素點灰度值,r是設(shè)定值。M是運動區(qū)域分割的二值圖矩
      陣,M(;c,力"表示目標物圖象區(qū)域,M(;c,力-O表示背景區(qū)域。對應的二值圖
      中像素灰度值為1的區(qū)域即為運動目標圖象區(qū)域,隨著目標的運動,運動目標 圖象在不斷地發(fā)生變化,所以運動目標圖象區(qū)域為動態(tài)區(qū)域。這里并不是直接 獲取運動目標圖象本身,而是其形狀和在幀中的位置,即當前幀中的動態(tài)區(qū)域。
      步驟22:根據(jù)當前幀中動態(tài)區(qū)域檢測當前幀是否包含目標物圖象。具體包 括下述的步驟221-224。
      步驟221:使用邊緣檢測算子求取當前幀中動態(tài)區(qū)域圖象的水平和垂直方 向邊緣。該步驟具體說明如下
      對當前幀中動態(tài)區(qū)域圖象的每一個像素,分別使用邊緣檢測算子進行檢驗,例如Sobel算子,它的水平方向檢測模板和垂直方向檢測模板^和&分別 為
      <formula>formula see original document page 10</formula>使用Sobel算子時,可以把檢測模板S,和&看作是一個"框架",套在每一 個待檢測像素上。如圖2所示,矩形ABCD是圖象中的一個區(qū)域,其中每一小 格是1個像素。例如圖中像素21的灰度值為^,它周圍像素的灰度值如圖中 所示,計算像素21水平邊緣值£//(21)如下
      <formula>formula see original document page 10</formula>
      同樣可計算像素21的垂直邊緣值£7(21)。
      步驟222:對水平和垂直方向邊緣進行離散化并求取離散化的邊緣方向和 強度。在該步驟中具體根據(jù)如下公式進行計算
      離散化的邊緣強度E/的計算公式為£/ =如2+£"
      無符號邊緣方向的計算公式為£D = wccot(I)
      接下來計算像素點離散化的邊緣方向,計算公式為
      <formula>formula see original document page 10</formula>
      步驟223:根據(jù)離散化的邊緣方向和強度計算邊緣直方圖。具體說明如下 邊緣方向直方圖HOG定義為區(qū)域內(nèi)所有離散化邊緣方向取值為i的像素 點邊緣強度的累積和,計算公式為
      P(jc,力e/ ,五Z)(P(;c,:v)H 式中力)為坐標為(x,力的像素點的值。
      步驟224:根據(jù)邊緣直方圖,使用模式識別的方法檢測當前幀是否包含目 標物圖象。因為動態(tài)區(qū)域中既包含了需要監(jiān)視的運動目標例如車輛或人體,也 包含了其他不需關(guān)心的運動目標例如搖擺的樹木,所以使用模式識別,將需要監(jiān)視的運動目標識別出來。下面對該步驟進行詳細說明。
      圖象區(qū)域內(nèi)包含的任意矩形區(qū)域稱為子矩形,子矩形所包含的區(qū)域可以互
      相重疊。同時,為了減少運算量,提高下一步將要進行的Adaboost分類器訓 練速度,可以限定子矩形的寬度和高度范圍,以及各個子矩形邊沿之間的間距。 當采用上述圖象對Adaboost分類器進行訓練時,對于每個子矩形范圍內(nèi)的圖 象,都存在一個計算邊緣直方圖Hist,根據(jù)Hist的計算方法,可知Hist是一個 N維向量,其中包含N個元素,每個元素為一個離散化邊緣方向上的邊緣強度 的累積和。設(shè)訓練共選定R個子矩形,則這R個子矩形共包含NxR個Hist 元素。本發(fā)明實施例采用Adaboost分類器進行目標物圖象識別,此時需要構(gòu) 造候選弱特征集,為了提高目標物圖象檢測的速度,采用層次型Adaboost,其 組成結(jié)構(gòu)如圖3所示,每層分類器(稱作強分類器)是由多個弱分類器組成, 每個弱分類器由一個弱特征值和查找表構(gòu)成,本發(fā)明實施例中采用上述NxR 個Hist元素作為弱特征,每個弱特征值對應一個弱分類器,若某矩形區(qū)域符合 所有設(shè)定的弱特征,則認為該區(qū)域檢測通過,即該區(qū)域中包含目標物圖象的一 部分。當所有子矩形完成識別后,即完成了全幀區(qū)域的模式識別,此時就確定 了當前幀中是否存在目標物圖象,當存在目標物圖象時,在本步驟中也得到了 目標物圖象。
      接下來進行步驟3,即在釆集當前幀的后續(xù)幀之前,才艮據(jù)幀序列和當前幀 得到后續(xù)幀中目標物圖象的預期位置。該步驟的工作又可稱為位置預測,即預 測當前幀的后續(xù)幀中目標物圖象區(qū)域的預期位置,可以是當前幀的下一幀,也 可以是在當前幀之后的其他幀。常用的方法有卡爾曼預測和《--濾波器等。下 面以a - 濾波器為例進行說明。
      因為對圖象的釆樣間隔很短,在該短時間間隔中可近似認為運動物體為勻 速運動狀態(tài)。所以在本發(fā)明實施例中考慮目標勻速運動的情況下"-/ 濾波器, 目標的狀態(tài)方程和測量方程分別為
      +1) = F輝)+ G, , =股("+。其中;c 、 分別表示目標物圖象區(qū)域圖象外接矩形中心的列坐標和行坐標: 少表示兩個坐標方向上的速度,式中,
      <formula>formula see original document page 12</formula>為零均值系統(tǒng)噪聲,滿足五[V(A:)J^C/)] = o;2^ ;
      『("為零均值觀測噪聲,滿足£[『(/t,rco] = W《;
      r為采樣間隔。 則a-Z 狀態(tài)估計方程為 i(A; + l|A: + l) = i(A: + l|A;) + a[Z(A: + l)-, +
      }(A: + l|"l) = i("l|A:) + *[Z(A: + l) — f +
      ","e[O,l];
      狀態(tài)預測方程為
      i (a+1|" = ,|"+ri (豐)
      從式中+1|^即可得出當前幀的下一幀中目標物圖象區(qū)域圖象外接矩 形中心的列坐標和行坐標,即確定了當前幀中目標物圖象區(qū)域的位置。如果預 測當前幀的下一幀中目標物圖象區(qū)域圖象外接矩形中心的列坐標和行坐標,則
      使用上述方法,對于當前幀的其他后續(xù)幀,則將上述各式中r改為其整數(shù)倍。
      在得到當前幀的后續(xù)幀中目標物圖象的預期位置之后,進行步驟4,即根 據(jù)背景圖象、當前幀中目標物圖象和預期位置得到曝光參數(shù)。步驟4又可分為 場景擬合的步驟41和計算步驟42。
      步驟41:場景擬合,是將當前幀中目標物圖象在背景圖象的預期位置所占 區(qū)域作為前景區(qū)域,將背景圖象中前景區(qū)域之外的區(qū)域作為背景區(qū)域。經(jīng)過步 驟1-3,已經(jīng)得到了背景圖象、目標物圖象,并且通過計算得出了目標物圖象 在后續(xù)幀中的預期位置。所以接下來將目標物圖象置于背景圖象中目標物圖象在后續(xù)幀中的預期位置,將此時目標物圖象在背景圖象所占區(qū)域作為前景區(qū) 域,同時背景圖象中前景區(qū)域之外的區(qū)域即為背景區(qū)域。對于同一運動的目標 物,在不同的幀中其圖象不同,從而所占區(qū)域也有所不同,但因間隔l個或幾 個采樣間隔的幀的圖象內(nèi)容差別很小,所以上述的近似作法帶來的誤差也很
      小。這里的后續(xù)幀具體應當是上述步驟3中的后續(xù)幀。從這里可以看出步驟3 中優(yōu)選地應當預測目標物圖象在當前幀的下一幀中的位置,這樣上述誤差達到 最小。
      步驟42:計算后續(xù)幀的預期平均亮度。通過預期的目標物圖象亮度設(shè)定參 數(shù)并計算后續(xù)幀的預期平均亮度,在該亮度下采集的后續(xù)幀中運動目標物圖象 有較好的視覺效果。具體地根據(jù)"];+ (1-")72計算,其中1^和K分別是前景區(qū)域 像素點的平均亮度值和背景區(qū)域像素點的平均亮度值,"是設(shè)定的參數(shù),取值 滿足0.5^d,使用該取值范圍,使得前景區(qū)域亮度大于背景區(qū)域,從而使運 動目標物圖象得到突出。根據(jù)計算所得預期平均亮度調(diào)整曝光參數(shù)。
      另一方面若步驟2中未檢測到目標物圖象,則不調(diào)整曝光參數(shù),這樣設(shè)置 后續(xù)幀的預期平均亮度為當前幀像素點的平均亮度并根據(jù)該預期平均亮度調(diào) 整曝光參數(shù),即上述的步驟5。
      在采集后續(xù)幀時應用步驟4或步驟5中調(diào)整的曝光參數(shù),能夠使后續(xù)幀的 平均亮度達到預期平均亮度,從而若后續(xù)幀中存在運動目標物圖象,其視覺效 果也達到了預期的效果。
      根據(jù)本發(fā)明實施例給出的方法,本發(fā)明實施例給出相應的圖象處理裝置。 如圖4所示,圖象采集裝置4包括采集模塊、背景模塊、檢測模塊41、位置預 測模塊和曝光參數(shù)模塊42。采集模塊用于采集場景圖象得到幀序列以及根據(jù)曝 光參數(shù)模塊給出的曝光參數(shù)采集場景圖象。背景模塊用于根據(jù)幀序列得出背景 圖象。檢測模塊41用于根據(jù)采集所得當前幀和背景圖象檢測當前幀是否包含 目標物圖象。位置預測模塊,用于若當前幀包含目標物圖象,則在采集當前幀 的后續(xù)幀之前,4艮據(jù)幀序列和當前幀得到后續(xù)幀中目標物圖象的預期位置。曝光參數(shù)模塊42用于根據(jù)背景圖象、當前幀中目標物圖象和后續(xù)幀中目標物圖 象的預期位置調(diào)整曝光參數(shù)。
      檢測模塊41的一種結(jié)構(gòu)如圖5所示,包括動態(tài)區(qū)域確定單元和動態(tài)區(qū)域 檢測單元51 。動態(tài)區(qū)域確定單元用于根據(jù)當前幀和背景圖象確定當前幀中動態(tài) 區(qū)域。動態(tài)區(qū)域檢測單元51用于根據(jù)當前幀中動態(tài)區(qū)域檢測當前幀是否包含 目標物圖象。
      動態(tài)區(qū)域檢測單元51的一種結(jié)構(gòu)如圖6所示,包括邊^(qū)^r測單元、離散 化單元、直方圖計算單元和識別單元。邊緣檢測單元用于使用邊緣檢測算子求 取當前幀中存在的各個水平和垂直方向邊緣。離散化單元用于對水平和垂直方 向邊緣進行離散化并求取離散化的邊緣方向和強度。直方圖計算單元用于根據(jù) 離散化的邊緣方向和強度計算邊緣直方圖。識別單元用于根據(jù)邊緣直方圖,使 用模式識別的方法確定當前幀是否包含目標物圖象。
      曝光參數(shù)^t塊42的一種結(jié)構(gòu)如圖7所示,包括區(qū)域劃分單元、計算單元 和參數(shù)單元。區(qū)域劃分單元用于將當前幀中目標物圖象在背景圖象的預期位置 所占區(qū)域作為前景區(qū)域,將背景圖象中前景區(qū)域之外的區(qū)域作為背景區(qū)域。計 算單元用于根據(jù)^ + (1 -W)r2計算后續(xù)幀的預期平均亮度,其中X和r2分別是前
      景區(qū)域像素點的平均亮度值和背景區(qū)域像素點的平均亮度,"是設(shè)定的參數(shù), 取值滿足0.5""。參數(shù)單元用于根據(jù)預期平均亮度調(diào)整曝光參數(shù)。
      如果當前幀沒有包含目標物圖象,則計算單元還用于設(shè)置后續(xù)幀的預期平 均亮度為當前幀像素點的平均亮度。
      采用本發(fā)明實施例中的方法和裝置,當場景中存在運動狀態(tài)的目標物時能 夠根據(jù)運動狀態(tài)的目標物的位置調(diào)節(jié)采集圖象時的曝光參數(shù),這樣,在采集到 的圖象中,運動狀態(tài)的目標物圖象有著良好的視覺效果。
      明的精神和范圍。這樣,倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及 其等同技術(shù)的范圍之內(nèi),則本發(fā)明也意圖包含這些改動和變型在內(nèi)。
      權(quán)利要求
      1、一種圖象采集方法,其特征在于,包括采集場景圖象得到幀序列并根據(jù)該幀序列得到背景圖象;根據(jù)采集所得當前幀和所述背景圖象檢測所述當前幀是否包含目標物圖象,若是,則在采集當前幀的后續(xù)幀之前,根據(jù)所述幀序列和當前幀得到所述后續(xù)幀中目標物圖象的預期位置,根據(jù)背景圖象、當前幀中目標物圖象和所述預期位置調(diào)整曝光參數(shù),在采集所述后續(xù)幀時應用調(diào)整后的曝光參數(shù)。
      2、 如權(quán)利要求1所述方法,其特征在于,所述后續(xù)幀為所述當前幀的下 一幀。
      3、 如權(quán)利要求1所述方法,其特征在于,所述根據(jù)采集所得當前幀和所 述背景圖象檢測所述當前幀是否包含目標物圖象包括根據(jù)當前幀和背景圖象確定當前幀中動態(tài)區(qū)域;根據(jù)當前幀中動態(tài)區(qū)域檢測當前幀是否包含目標物圖象。
      4、 如權(quán)利要求3所述方法,其特征在于,所述根據(jù)當前幀中動態(tài)區(qū)域檢 測所述當前幀是否包含目標物圖象包括使用邊緣^r測算子求取當前幀中動態(tài)區(qū)域圖象的水平和垂直方向邊緣; 對所述水平和垂直方向邊緣進行離散化并求取離散化的邊緣方向和強度; 根據(jù)離散化的邊緣方向和強度計算邊緣直方圖;根據(jù)邊緣直方圖,使用模式識別的方法檢測當前幀是否包含目標物圖象。
      5、 如權(quán)利要求1所述方法,其特征在于,所述^^艮據(jù)背景圖象、當前幀中 目標物圖象和所述預期位置調(diào)整曝光參數(shù)包括將當前幀中目標物圖象在所述背景圖象的預期位置所占區(qū)域作為前景區(qū) 域,將背景圖象中所述前景區(qū)域之外的區(qū)域作為背景區(qū)域;根據(jù)t^+(1-w)^計算所述后續(xù)幀的預期平均亮度,其中K和^分別是所述前景區(qū)域像素點的平均亮度值和所述背景區(qū)域像素點的平均亮度值,"是設(shè)定的參凄史,取《直滿足o.5《"^i;根據(jù)所述預期平均亮度調(diào)整曝光參數(shù)。
      6、 如權(quán)利要求1所述方法,其特征在于,所述方法進一步包括若所述 當前幀不包含目標物圖象,則設(shè)置所述后續(xù)幀的預期平均亮度為當前幀像素點 的平均亮度并根據(jù)該預期平均亮度調(diào)整曝光參數(shù)。
      7、 一種圖象采集裝置,其特征在于,包括采集模塊、背景模塊、檢測模 塊、位置預測模塊和曝光參數(shù)模塊,其中所述采集模塊,用于采集場景圖象得到幀序列以及根據(jù)所述曝光參數(shù)模塊 給出的曝光參數(shù)采集場景圖象;所述背景模塊,用于根據(jù)所述幀序列得出背景圖象;所述檢測模塊,用于根據(jù)采集所得當前幀和所述背景圖象檢測所述當前幀 是否包含目標物圖象;所述位置預測模塊,用于若所述當前幀包含目標物圖象,則在采集當前幀 的后續(xù)幀之前,根據(jù)所述幀序列和當前幀得到所述后續(xù)幀中目標物圖象的預期 位置;所述啄光參數(shù)模塊,用于根據(jù)背景圖象、當前幀中目標物圖象和所述預期 位置調(diào)整曝光參數(shù)。
      8、 如權(quán)利要求7所述裝置,其特征在于,所述檢測模塊包括動態(tài)區(qū)域確 定單元和動態(tài)區(qū)域;險測單元,其中所述動態(tài)區(qū)域確定單元,用于根據(jù)當前幀和背景圖象確定當前幀中動態(tài)區(qū)域;所述動態(tài)區(qū)域^r測單元,用于根據(jù)當前幀中動態(tài)區(qū)域檢測當前幀是否包含 目標物圖象。
      9、 如權(quán)利要求7所述裝置,其特征在于,所述動態(tài)區(qū)域檢測單元包括邊 緣檢測單元、離散化單元、直方圖計算單元和識別單元,其中所述邊緣檢測單元,用于使用邊緣檢測算子求取當前幀中存在的各個水平和垂直方向邊緣;所述離散化單元,用于對水平和垂直方向邊緣進行離散化并求取離散化的 邊緣方向和強度;所述直方圖計算單元,用于根據(jù)離散化的邊緣方向和強度計算邊緣直方圖;所述識別單元,用于根據(jù)邊緣直方圖,使用模式識別的方法確定當前幀是 否包含目標物圖象。
      10、 如權(quán)利要求8所述裝置,其特征在于,所述曝光參數(shù)模塊包括區(qū)域劃 分單元、計算單元和參數(shù)單元,其中所述區(qū)域劃分單元,用于將當前幀中目標物圖象在所述背景圖象的預期位 置所占區(qū)域作為前景區(qū)域,將背景圖象中所述前景區(qū)域之外的區(qū)域作為背景區(qū) 域;所述計算單元,用于根據(jù)^+(1-")K計算所述后續(xù)幀的預期平均亮度,其 中《和72分別是所述前景區(qū)域像素點的平均亮度值和所述背景區(qū)域像素點的平 均亮度,w是設(shè)定的參數(shù),取值滿足0.5"si;所述參數(shù)單元,用于根據(jù)預期平均亮度調(diào)整曝光參數(shù)。
      11、 如權(quán)利要求10所述裝置,其特征在于,所述計算單元進一步用于若 所述當前幀不包含目標物圖象,則設(shè)置所述后續(xù)幀的預期平均亮度為當前幀像 素點的平均亮度。
      全文摘要
      本發(fā)明公開一種圖象采集的方法與裝置,采集場景圖象得到幀序列并根據(jù)該幀序列得到背景圖象,根據(jù)采集所得當前幀和所述背景圖象檢測當前幀是否包含目標物圖象,若是,則在采集當前幀的后續(xù)幀之前,根據(jù)幀序列和當前幀得到后續(xù)幀中目標物圖象的預期位置,并根據(jù)背景圖象、當前幀中目標物圖象和預期位置調(diào)整曝光參數(shù),以及在采集所述后續(xù)幀時應用調(diào)整后的曝光參數(shù)。采用本發(fā)明實施例中的方法和裝置,當場景中存在運動狀態(tài)的目標物時能夠根據(jù)運動狀態(tài)的目標物的位置調(diào)節(jié)采集圖象時的曝光參數(shù),這樣,在采集到的圖象中,運動狀態(tài)的目標物圖象有著良好的視覺效果。
      文檔編號G06T7/20GK101304488SQ20081011531
      公開日2008年11月12日 申請日期2008年6月20日 優(yōu)先權(quán)日2008年6月20日
      發(fā)明者盧曉鵬, 鄧亞峰 申請人:北京中星微電子有限公司
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1