專利名稱：自動(dòng)曝光的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種影像調(diào)整的方法，尤其涉及一種通過偵測(cè)前景物體，以自 動(dòng)曝光的方法。
技術(shù)背景在影像調(diào)整的技術(shù)中，曝光控制的目的在于，當(dāng)拍攝環(huán)境的亮度發(fā)生變化 時(shí)，系統(tǒng)控制光圏或快門使擷取到的影像維持適當(dāng)曝光量，不至于過亮或過暗。 自動(dòng)曝光控制是指系統(tǒng)隨時(shí)偵測(cè)畫面亮度的變化，以進(jìn)行曝光量控制。如圖1 所示，現(xiàn)有自動(dòng)曝光技術(shù)在擷取畫面后，對(duì)整張畫面進(jìn)行亮度分析。之后，根 據(jù)前述亮度分析的結(jié)果，現(xiàn)有自動(dòng)曝光技術(shù)改變曝光的時(shí)間，以調(diào)整曝光量。然而，現(xiàn)有自動(dòng)曝光技術(shù)存在許多嚴(yán)重的缺點(diǎn)，無法正確評(píng)估畫面的亮度。 在現(xiàn)有自動(dòng)曝光技術(shù)中，最常見的缺點(diǎn)是，大面積的深色或淺色物體經(jīng)過畫面后，使相機(jī)誤認(rèn)為光源改變，而調(diào)整曝光量。如圖2所示，若第一影像數(shù)據(jù)200 所對(duì)應(yīng)的畫面內(nèi)含有袋子202、地板204與人物206。若袋子202與地板204為 黑色，而人物206穿著白色的襯衫208與白色的長(zhǎng)褲210，走過袋子202附近， 則現(xiàn)有自動(dòng)曝光技術(shù)將判斷光源改變，而調(diào)整曝光量，造成亮度不穩(wěn)定。由上 述可知，現(xiàn)有自動(dòng)曝光技術(shù)過于簡(jiǎn)略，而不能正確地進(jìn)行亮度分析。再者，現(xiàn) 有自動(dòng)曝光技術(shù)沒有運(yùn)用畫面中的對(duì)象特征來提高自動(dòng)曝光的正確率，十分可 惜。因此，若我們能利用準(zhǔn)確度高的對(duì)象偵測(cè)算法，根據(jù)對(duì)象偵測(cè)的結(jié)果來調(diào) 整曝光量，必能大幅提高影像的質(zhì)量。然而，不幸的是，現(xiàn)有對(duì)象偵測(cè)算法仍存在許多無法克服的缺點(diǎn)。如圖3所示，對(duì)象切割方塊將輸入影像中的前景物體切割出來。對(duì)象擷取方塊將切割 出來的物體依其特征建立對(duì)象信息。通過追蹤每張畫面物體的動(dòng)向，對(duì)象追蹤 方塊可得知物體速度等等數(shù)據(jù)。如圖4所示，現(xiàn)有的對(duì)象切割方式主要有以下 幾種'1、 畫面差異算法(Frame Difference):該方法利用本畫面的每一^f象素與前 一張畫面的每一像素相減，找出移動(dòng)的物體。該方法的優(yōu)點(diǎn)在于運(yùn)算簡(jiǎn)單，缺 點(diǎn)在于若欲偵測(cè)的前景物體沒有運(yùn)動(dòng)，則無法切割出來。2、 區(qū)域結(jié)合算法(Region Merge):該方法利用相鄰〗象素的相似性作結(jié)合， 經(jīng)由一定次數(shù)的重復(fù)運(yùn)算，找出具有一致性特征的物體。該方法的缺點(diǎn)為只能 找出具有均勻特征的物體，且需要一定次數(shù)的重復(fù)運(yùn)算。優(yōu)點(diǎn)在于由于釆取相 鄰像素作結(jié)合，因此不需維持背景模型。3、 背景相減算法(Background Subtraction):此方法利用歷史畫面建立背 景模型，經(jīng)由每一像素與背景模型相比對(duì)，找出與背景不相同的物體。該方法 的優(yōu)點(diǎn)為可靠度較高，對(duì)于動(dòng)態(tài)背景等情況有較佳的抵抗力。缺點(diǎn)為需要維持 背景纟莫型。然而，不幸的是，現(xiàn)有的對(duì)象切割算法都單純地以像素為出發(fā)點(diǎn)作偵測(cè)， 并未從r對(duì)象」的角度來作處理。因此，現(xiàn)有的對(duì)象切割算法，極容易產(chǎn)生錯(cuò) 誤警報(bào)(False alarm),如將光影變化，畫面噪聲誤認(rèn)為前景物體，而使得判斷 失誤的情形增加。當(dāng)現(xiàn)有對(duì)象切割算法執(zhí)行對(duì)象切割時(shí)，通常會(huì)設(shè)定一個(gè)臨界值(threshold) 來作為前景與背景的分別。但是，現(xiàn)有對(duì)象切割算法設(shè)定臨界值時(shí)，將會(huì)遇到 兩難的問題。最常見的缺點(diǎn)是，若臨界值設(shè)定太寬，則許多物體產(chǎn)生的噪聲、 反光、微弱的光影變化將被視為前景。若臨界值設(shè)定太窄，則某些與背景相似 的前景物體，將不會(huì)被切割出來。相關(guān)專利案請(qǐng)參考US6999620, US6141433 US6075875。如此一來，現(xiàn)有對(duì)象切割算法在準(zhǔn)確率尚未能達(dá)到令人滿意的程度，因而 在應(yīng)用上，更產(chǎn)生許多的限制，例如1、 當(dāng)物體與背景顏色特征相當(dāng)接近時(shí)，現(xiàn)有對(duì)象切割算法不易準(zhǔn)確地切割。2、 現(xiàn)有對(duì)象切割算法容易發(fā)生物體因切割不慎而斷開(如身體某部分與 背景顏色相似)，進(jìn)而使單一物體被判斷成兩個(gè)物體的現(xiàn)象。3、 當(dāng)畫面有光線反射與影子變化時(shí)，現(xiàn)有對(duì)象切割算法不易準(zhǔn)確地切割，而容易將光影變化當(dāng)成新的前景物件而切割出來，使得錯(cuò)誤警報(bào)次數(shù)增加。4、 以物體學(xué)習(xí)速率的變化而言，當(dāng)物體學(xué)習(xí)速率快時(shí)，若物體不移動(dòng)很快 就被學(xué)進(jìn)背景。當(dāng)物體學(xué)習(xí)速率慢時(shí)，若背景產(chǎn)生變化，則背景模型無法實(shí)時(shí) 的更新。這些效果都會(huì)造成對(duì)象切割算法的失敗。綜合上述，現(xiàn)有對(duì)象切割算法不僅存在許多限制，而且現(xiàn)有對(duì)象切割算法 具有許多嚴(yán)重的缺點(diǎn)，使得圖像處理過程產(chǎn)生許多瑕疵。這些缺點(diǎn)大部分是因 為現(xiàn)有對(duì)象切割算法均以像素為出發(fā)點(diǎn)而造成的，舉例而言，若由對(duì)象為出發(fā) 點(diǎn)，則物體不慎切割成兩個(gè)物體可通過對(duì)象信息救回，光影變化也可由對(duì)象突 然出現(xiàn)等對(duì)象信息解決。因此，現(xiàn)有對(duì)象切割算法亟待改善。 發(fā)明內(nèi)容有鑒于此，本發(fā)明的目的就是在提供一種自動(dòng)曝光的方法。本方法利用切 割出背景物體，本發(fā)明執(zhí)行亮度分析，以決定曝光量。再者，本發(fā)明通過預(yù)測(cè) 前景物體的位置，以進(jìn)行對(duì)象切割。本發(fā)明欲解決現(xiàn)有技術(shù)對(duì)象切割時(shí)所產(chǎn)生 的瑕瘋，以提高對(duì)象切割的準(zhǔn)確度。為達(dá)成上述及其他目的，本發(fā)明提出一種自動(dòng)曝光的方法，適用于圖像處 理。其中，在t時(shí)間(即第t張畫面)時(shí)，第二影像數(shù)據(jù)(第t-l, t-2，…，t-n 張畫面)產(chǎn)生的時(shí)間在第一影像數(shù)據(jù)(第t張畫面)之前，本方法包括下列步驟 本方法輸入第一影像數(shù)據(jù)。之后，本方法執(zhí)行對(duì)象偵測(cè)程序，以取得至少一個(gè) 前景物體。其后，本方法逐一判斷所有前景物體的面積是否大于臨界值。接下 來，根據(jù)前景物體、背景與臨界值，本方法決定曝光量。依照本發(fā)明的較佳實(shí)施例所述，若某一前景物體的面積大于臨界值，則本 方法將此前景納入進(jìn)行亮度分析，以調(diào)整曝光量。若前景物體的面積小于臨界 值，則本方法忽略此前景，對(duì)背景部分進(jìn)行亮度分析，以調(diào)整曝光量。依照本發(fā)明的較佳實(shí)施例所述，上述的對(duì)象偵測(cè)程序包括下列步驟本方 法執(zhí)行對(duì)象切割程序，輸入前述第一影像數(shù)據(jù)，根據(jù)前述第一影像數(shù)據(jù)與對(duì)象8投影程序所算出的目標(biāo)位置，以切割出前景物體，并且輸出切割數(shù)據(jù)(二元式影 像光罩)。之后，本方法執(zhí)行對(duì)象擷取程序，輸入前述切割數(shù)據(jù)，根據(jù)前述前景 物體與前述切割資料，萃取出每一個(gè)前景物體所對(duì)應(yīng)的第一特征數(shù)據(jù)。接下來，本方法執(zhí)行對(duì)象追蹤程序，輸入前述第一特征數(shù)據(jù)，分析前述第一影像數(shù)據(jù)中 的第 一特征數(shù)據(jù)與前述第二影像數(shù)據(jù)中對(duì)應(yīng)的第 一特征數(shù)據(jù)，以得到第 一影像 數(shù)據(jù)中每個(gè)物體的第二特征數(shù)據(jù)。其后，本方法執(zhí)行對(duì)象4殳影程序，輸入前述 第二特征數(shù)據(jù)，分析前述第二特征數(shù)據(jù)與前述第二影像數(shù)據(jù)中的第二特征數(shù)據(jù)， 以預(yù)測(cè)前述前景物體在第三影像數(shù)據(jù)中(第t + l張畫面)對(duì)應(yīng)的目標(biāo)位置，之后， 將前述目標(biāo)位置輸出至前述對(duì)象切割程序，以切割出第三影^^數(shù)據(jù)中(第t + l 張畫面)的前景物體。在本發(fā)明中，第一影像數(shù)據(jù)指當(dāng)前畫面，即第t張畫面。第二影像數(shù)據(jù)指歷史畫面，即第t-l， t-2，…，t-n張畫面。第三影像數(shù)據(jù)指下一張畫面，即第t+l 張畫面。第一特征數(shù)據(jù)指對(duì)象擷取程序后所獲得的物體信息。第二特征數(shù)據(jù)指 對(duì)象追蹤程序后的特征信息。第一位置指對(duì)象在第一影^f象數(shù)據(jù)中的位置，第二 位置指對(duì)象在第二影像中的位置，第三位置指對(duì)象在第三影像中的位置。第一 機(jī)率指對(duì)象切割中通過對(duì)象投影程序產(chǎn)生的目標(biāo)位置所得知的每個(gè)位置為前景的機(jī)率。第二機(jī)率指經(jīng)由與多重高斯混合背景模型相比，所得到的機(jī)率。第三 機(jī)率指目標(biāo)像素與鄰近像素相比較所得的機(jī)率。綜合第一、第二、及第三機(jī)率 可得到該位置出現(xiàn)前景的前景機(jī)率。依照本發(fā)明的較佳實(shí)施例所述，上述的對(duì)象切割程序包括下列步驟本方 法讀取第一影像數(shù)據(jù)的其中一個(gè)像素成為目標(biāo)像素。之后，根據(jù)前述目標(biāo)像素 與對(duì)應(yīng)的前述對(duì)象投影程序產(chǎn)生的目標(biāo)位置，以決定前述目標(biāo)像素為前景像素 的機(jī)率，成為第一機(jī)率。其后，本方法比較前述目標(biāo)像素與多重高斯混合背景 模型的相似度，以決定前述目標(biāo)像素為前景像素的機(jī)率，成為第二機(jī)率。接下 來，本方法比較前述目標(biāo)像素與目標(biāo)像素的對(duì)應(yīng)鄰近像素的相似度，以決定前 述目標(biāo)像素為前景像素的機(jī)率，成為第三機(jī)率。最后，根據(jù)前述第一機(jī)率、前述第二機(jī)率與前述第三機(jī)率，決定前述—目標(biāo)像素是芬為前景像'景。依照本發(fā)明的較佳實(shí)施例所述，上述的前述對(duì)象切割程序更包括下列步驟 藉由前述多重高斯混合背景模型，本方法得到時(shí)域差異參數(shù)。之后，藉由前述 目標(biāo)像素鄰近的像素，本方法以得到空間差異參數(shù)。接著，若前述時(shí)域差異參 數(shù)與前述空間差異參數(shù)之和大于一個(gè)臨界值，則本方法判斷前述目標(biāo)像素為前 景像素。若前述時(shí)域差異參數(shù)與前述空間差異參數(shù)之和小于一個(gè)臨界值，則本 方法判斷前述目標(biāo)像素不為前景像素。依照本發(fā)明的較佳實(shí)施例所述，若前述目標(biāo)位置投影至對(duì)應(yīng)的位置，則提 高對(duì)應(yīng)的位置出現(xiàn)前述前景像素的機(jī)率或降低該位置判別是否為前景的臨界 值。依照本發(fā)明的較佳實(shí)施例所述，上述的對(duì)象投影程序包括下列步驟根據(jù) 第二特征數(shù)據(jù)與第二影像數(shù)據(jù)，本對(duì)象投影程序可得知第一影像數(shù)據(jù)(第t張畫 面，即當(dāng)前畫面)中所有目標(biāo)對(duì)象的目標(biāo)位置(第一位置)。之后，根據(jù)前述第 一影像數(shù)據(jù)的第一位置及第二影像數(shù)據(jù)的第二位置，對(duì)象投影程序決定第t+l 張畫面時(shí)的第三影像數(shù)據(jù)中，前述目標(biāo)對(duì)象的第三位置(即t+l張畫面時(shí)該目 標(biāo)對(duì)象的位置)。對(duì)象投影程序計(jì)算目標(biāo)位置的方式如下根據(jù)前述第二影像數(shù) 據(jù)，本方法得知前述目標(biāo)對(duì)象的第二位置(即t-l，t-2，…，t-n張畫面的該目標(biāo) 對(duì)象的位置)。其后，根據(jù)前述第一位置與前述第二位置，本方法估計(jì)該目標(biāo)對(duì) 象對(duì)應(yīng)的運(yùn)動(dòng)方向與運(yùn)動(dòng)速度。接下來，本方法記錄歷史運(yùn)動(dòng)方向與歷史運(yùn)動(dòng) 速度。之后，本方法預(yù)測(cè)第t+l張畫面對(duì)應(yīng)的運(yùn)動(dòng)方向與對(duì)應(yīng)的運(yùn)動(dòng)速度。最 后，本方法預(yù)測(cè)前述目標(biāo)對(duì)象在下一張影像(第三影像數(shù)據(jù))中的目標(biāo)位置(即 第三位置)。綜合上述，本發(fā)明提出一種自動(dòng)曝光的方法。本發(fā)明通過偵測(cè)前景物體， 以調(diào)整曝光量。因此，本發(fā)明不僅能正確地偵測(cè)前景物體，而且更能精確地調(diào) 整曝光量。在對(duì)象偵測(cè)程序中，由于對(duì)象追蹤功能可以求得物體的速度，所以 本發(fā)明利用對(duì)象追蹤功能的結(jié)果，以預(yù)測(cè)下一張畫面的前景物體所在的位置，即可大幅提升對(duì)象切割的準(zhǔn)確度。本發(fā)明至少具有下列優(yōu)；、1、 本發(fā)明結(jié)合自動(dòng)曝光與對(duì)象偵測(cè)的技術(shù)，不僅具有新穎性，而且更具有進(jìn)步性。通過偵測(cè)前景物體的特征(例如面積)，本發(fā)明能大幅提高自動(dòng)曝光 的準(zhǔn)確率，例如通過偵測(cè)畫面中的移動(dòng)物體，本發(fā)明能消除前景顏色造成的亮度誤判，進(jìn)而能更穩(wěn)定、更精確地評(píng)估畫面的亮度。2、 由前述第l點(diǎn)可知，本發(fā)明已克服現(xiàn)有技術(shù)的缺點(diǎn)，前景物體的顏色將 不會(huì)影響曝光的穩(wěn)定性。也就是，大面積的深色或淺色物體經(jīng)過畫面后，相機(jī) 不會(huì)誤認(rèn)為光源改變，而調(diào)整曝光量。3、 為了使曝光量穩(wěn)定且正確，準(zhǔn)確的對(duì)象偵測(cè)能力是必要的。本發(fā)明采用 整個(gè)對(duì)象偵測(cè)系統(tǒng)的數(shù)據(jù)來調(diào)整臨界值，使得對(duì)象偵測(cè)的正確率大幅提升。4、 本發(fā)明以投影的原理來預(yù)測(cè)對(duì)象的位置，這種方法在對(duì)象切割的技術(shù)中， 不僅具備新穎性，更具有進(jìn)步性。對(duì)象投影的目的在于，本發(fā)明利用第二影像 數(shù)據(jù)(第t-1， t-2，…，t-n張畫面)，以預(yù)測(cè)第三影像數(shù)據(jù)(第t+l張畫面)的物 體所可能出現(xiàn)的位置。之后，本方法將這個(gè)可能出現(xiàn)的位置反饋至對(duì)象切割方 塊，以當(dāng)作對(duì)象切割的輔助，例如本發(fā)明提高對(duì)象投影區(qū)域出現(xiàn)物體的機(jī)率， 并且降低沒有投影到的區(qū)域出現(xiàn)前景物體的機(jī)率。如此一來，本發(fā)明提高對(duì)象 切割的正確率，并且達(dá)到P爭(zhēng)低錯(cuò)誤警報(bào)的效果。5、 對(duì)象投影對(duì)對(duì)象切割的幫助在于，對(duì)象投影可補(bǔ)回物體不慎切割斷開的 部分，本發(fā)明克服現(xiàn)有技術(shù)的缺點(diǎn)，避免一個(gè)物體因斷開而被誤認(rèn)為兩個(gè)物體。6、 對(duì)象投影對(duì)對(duì)象切割的幫助在于，對(duì)象投影增加偵測(cè)物體輪廓的準(zhǔn)確性。 本發(fā)明可增加物體在相似背景中，成功割出的機(jī)率。7、 對(duì)象投影對(duì)對(duì)象切割的幫助在于，對(duì)象投影可依投影結(jié)果調(diào)整臨界值， 有效地降低使用單一固定臨界值造成的不良影響。例如降低投影區(qū)域的臨界 值，提高非投影區(qū)域的臨界值。8、 對(duì)象投影對(duì)對(duì)象切割的幫助在于，對(duì)象投影增加前景物體可在畫面中停 留靜止的時(shí)間，而使物體不會(huì)被快速學(xué)入背景而不被偵測(cè)出來。9、對(duì)象投影對(duì)對(duì)象切割的幫助在于，對(duì)象扳影克膩規(guī)有對(duì)象偵效'了算法以像 素為單位來作切割的缺點(diǎn)，對(duì)象投影利用整個(gè)物體的特征數(shù)據(jù)，來增加對(duì)象切 割的正確度。由上述可知，對(duì)象投影計(jì)算出的每個(gè)位置可能出現(xiàn)前景物體的機(jī)率，調(diào)整 對(duì)象切割算法的切割能力(例如臨界值)，以提升整體對(duì)象偵測(cè)系統(tǒng)的準(zhǔn)確度。


圖1為現(xiàn)有自動(dòng)曝光技術(shù)的流程圖； 圖2為現(xiàn)有自動(dòng)曝光的示意圖； 圖3為現(xiàn)有對(duì)象偵測(cè)算法的功能方塊圖； 圖4為現(xiàn)有對(duì)象切割的功能方塊圖； 圖5為本發(fā)明一較佳實(shí)施例的自動(dòng)曝光的方法的流程圖； 圖6為本發(fā)明一較佳實(shí)施例的對(duì)象偵測(cè)程序的功能方塊圖； 圖7為本發(fā)明一較佳實(shí)施例的對(duì)象切割程序的流程圖； 圖8為本發(fā)明一較佳實(shí)施例的決定目標(biāo)像素為前景像素的機(jī)率的流程圖； 圖9為本發(fā)明一較佳實(shí)施例的對(duì)象投影程序的流程圖； 圖10為本發(fā)明一較佳實(shí)施例的對(duì)象切割的示意圖。
具體實(shí)施方式
如圖5所示，本發(fā)明一較佳實(shí)施例的自動(dòng)曝光的方法的流程圖。本方法適 用于圖像處理，其中，在t時(shí)間(即第t張畫面)時(shí)，第二影像數(shù)據(jù)(第 t-l， t-2， ...， t-n張畫面)產(chǎn)生的時(shí)間在第一影像數(shù)據(jù)(第t張畫面)之前，本方法 包括下列步驟本方法輸入第一影像數(shù)據(jù)(S502)。之后，本方法執(zhí)行對(duì)象偵測(cè) 程序，以取得至少一個(gè)前景物體(S504)。接下來，本方法判斷前述前景物體在 畫面中所占據(jù)的面積是否大于一個(gè)臨界值(S506)。若前景物體的面積大于該臨 界值，則本方法對(duì)整個(gè)第一影像數(shù)據(jù)進(jìn)行亮度分析，以調(diào)整曝光量(S508、 S512)。 再者，若前景物體的面積小于該臨界值，則本方法僅對(duì)目標(biāo)背景進(jìn)行亮度分析, 以調(diào)整曝光量(S510、 S512)。另外，若第一影像數(shù)據(jù)包含復(fù)數(shù)個(gè)前景物體，則只要住一個(gè)前景物體的面 積大于臨界值，本方法便選擇對(duì)第一影像數(shù)據(jù)進(jìn)行一亮度分析，以調(diào)整曝光量。 若所有前景物體的面積都小于臨界值，則本方法會(huì)忽略所有前景物體，僅對(duì)目 標(biāo)背景進(jìn)行亮度分析，以調(diào)整曝光量。此外，前述對(duì)象偵測(cè)程序可利用背景相減算法，以取得前景物體。當(dāng)在本 方法決定前景物體時(shí)，本方法判斷物體是否移動(dòng)。之后，根據(jù)前述物體是否移 動(dòng)，本方法選擇移動(dòng)的物體為前景物體，或者本方法不選擇移動(dòng)的物體為前景 物體。如圖6所示，本發(fā)明一較佳實(shí)施例的對(duì)象偵測(cè)程序的功能方塊圖。本方塊 圖包括對(duì)象切割方塊602、對(duì)象擷取方塊604、對(duì)象追蹤方塊606與對(duì)象投影方 塊608。本方法將第一影像數(shù)據(jù)(第t張畫面)與第二影像數(shù)據(jù)(第t-1， t-2，...， t-n張畫面)產(chǎn)生的對(duì)應(yīng)目標(biāo)位置輸入對(duì)象切割方塊602。接下來，本方法執(zhí)行 對(duì)象切割程序，使對(duì)象切割方塊602輸出對(duì)應(yīng)的二元式影像光罩至對(duì)象擷取方 塊604。之后，本方法執(zhí)行對(duì)象擷取程序，使對(duì)象擷取方塊604輸出對(duì)應(yīng)的第一 特征數(shù)據(jù)至對(duì)象追蹤方塊606。其后，本方法執(zhí)行對(duì)象追蹤程序，使對(duì)象追蹤方 塊606輸出對(duì)應(yīng)的第二特征數(shù)據(jù)至對(duì)象投影方塊608。接著，本方法執(zhí)行對(duì)象投 影程序，使對(duì)象投影方塊608輸出第一影像數(shù)據(jù)的對(duì)應(yīng)目標(biāo)位置至對(duì)象切割方 塊602,以協(xié)助第三影像數(shù)據(jù)(第t+l張畫面)的影像數(shù)據(jù)切割對(duì)象。本方法包括下列步驟本方法執(zhí)行對(duì)象切割程序，輸入前述第一影像數(shù)據(jù) 與目標(biāo)位置。根據(jù)前述第一影像數(shù)據(jù)與前述目標(biāo)位置，以切割出畫面中所有的 前景物體與形成其對(duì)應(yīng)的切割資料。之后，本方法執(zhí)行對(duì)象擷取程序，輸入前述切割數(shù)據(jù)，此切割數(shù)據(jù)即二元式影像光罩。根據(jù)前述前景物體與前述切割資 料，使每一個(gè)前景物體具有對(duì)應(yīng)的第一特征數(shù)據(jù)。其后，本方法執(zhí)行對(duì)象追蹤 程序，輸入前述第一特征數(shù)據(jù)，并分析前述第一影像數(shù)據(jù)中的第一特征數(shù)據(jù)與 前述第二影像數(shù)據(jù)中對(duì)應(yīng)的前述第一特征數(shù)據(jù)，通過比對(duì)得知對(duì)應(yīng)關(guān)系，以得 到第一影像數(shù)據(jù)中每個(gè)對(duì)象的第二特征數(shù)據(jù)。接著，本方法執(zhí)行對(duì)象投影程序，輸入前述第二特征數(shù)據(jù)，分析前述第二特征數(shù)據(jù)與前述第二影像數(shù)據(jù)對(duì)應(yīng)的第 二特征數(shù)據(jù)，以預(yù)測(cè)前述前景物體對(duì)應(yīng)的前述目標(biāo)位置(第三位置)。之后，本 方法將前述目標(biāo)位置輸出至前述對(duì)象切割程序，以進(jìn)行前述的第三影像數(shù)據(jù)的 對(duì)象切割。如圖7所示，本發(fā)明一較佳實(shí)施例的對(duì)象切割程序的流程圖。前述對(duì)象切割程序包括下列步驟本方法讀取第一影像數(shù)據(jù)(第t張畫面)的其中一個(gè)像素 成為目標(biāo)像素(S704)。接下來，本方法輸入第二影像數(shù)據(jù)(第t-1, t-2， ...， t-n 張畫面)，以及在第t_l張畫面時(shí)決定對(duì)應(yīng)的目標(biāo)位置(S706)。之后，本方法讀 取此目標(biāo)位置(S708)。接著，根據(jù)前述目標(biāo)像素與對(duì)應(yīng)的前述目標(biāo)位置，以決 定前述目標(biāo)位置出現(xiàn)前景像素的機(jī)率，成為第一機(jī)率(S710)。此外，根據(jù)高斯 混合背景模型，取得對(duì)應(yīng)的時(shí)域切割資料(S712)。接下來，本方法讀取前述時(shí) 域切割數(shù)據(jù)(S714)。接著，本方法比較前述目標(biāo)像素與高斯混合背景模型的相 似度，以決定前述目標(biāo)像素為前景像素的機(jī)率，成為第二機(jī)率(S716)。另外， 本方法讀取第一影像數(shù)據(jù)(S718)。之后，根據(jù)前述目標(biāo)像素與目標(biāo)像素的對(duì)應(yīng) 鄰近像素，取得空間數(shù)據(jù)(S720)。其后，本方法比較前述目標(biāo)像素與目標(biāo)像素 的對(duì)應(yīng)鄰近像素的相似度，以決定前述目標(biāo)像素為前景像素的機(jī)率，成為第三 機(jī)率(S722)。接著，根據(jù)第一機(jī)率、第二機(jī)率與第三機(jī)率，決定前述目標(biāo)像素 是否為前景像素。(S724)。接下來，本方法輸出前述目標(biāo)像素至二元式影像光 罩(S726)。之后，本方法判斷整張畫面的像素是否都切割完成(S728)。若整張 畫面的像素未切割完成，則本方法再次執(zhí)行步驟704。若整張畫面的像素切割完 成，則本方法結(jié)束對(duì)象切割程序(S730)。如圖8所示，本發(fā)明一較佳實(shí)施例的決定目標(biāo)像素為前景像素的機(jī)率的流 程圖。本方法形成前景像素機(jī)率包括下列步驟通過讀取該物體的第一影像數(shù) 據(jù)及對(duì)象投影信息目標(biāo)位置，可得知前述的第一機(jī)率。通過多重高斯混合背景 模型，本方法得到時(shí)域差異參數(shù)。通過此時(shí)域差異參數(shù)，可得知前述的第二機(jī) 率。之后，通過目標(biāo)像素鄰近的像素，本方法得到空間差異參數(shù)。通過此空間差異參數(shù)，可得知前述的第三機(jī)率。通過前述第一機(jī)率，調(diào)整第二機(jī)率及第三 機(jī)率判斷的臨界值，并由與臨界值比較的結(jié)果，可求得前景像素機(jī)率。由此前 景像素機(jī)率可判定該像素是否為前景像素，完成該像素的對(duì)象切割。如圖6所示，對(duì)象擷取程序可使用現(xiàn)有的鏈接組件巻標(biāo)算法(Connected Component Labeling),以分析鏈接組件的連接情況、位置與物體分布，以取得 第一特征數(shù)據(jù)。對(duì)象追蹤程序可使用對(duì)象配對(duì)算法，通過一對(duì)一的比對(duì)每張畫 面，尋找相似對(duì)象以進(jìn)行追蹤，以取得第二特征數(shù)據(jù)。如圖9所示，本發(fā)明一較佳實(shí)施例的對(duì)象投影程序的流程圖。對(duì)象投影程 序包括下列步驟本方法讀取要進(jìn)行對(duì)象投影的目標(biāo)對(duì)象(S904)。此外，本方 法取得第二影像數(shù)據(jù)的目標(biāo)對(duì)象的數(shù)據(jù)(S906)。之后，本方法讀取第二影像數(shù) 據(jù)(第t-l, t-2， ...， t-n張畫面)的目標(biāo)對(duì)象的位置(S908)。此外，本方法 取得第一影像數(shù)據(jù)(本張畫面t)的目標(biāo)對(duì)象的數(shù)據(jù)(S910)。之后，根據(jù)第一影像 數(shù)據(jù)，決定第t張畫面時(shí)，目標(biāo)對(duì)象的第一位置，也即，本方法讀取本張畫面(第 t張畫面)的目標(biāo)對(duì)象的位置(S912)。之后，根據(jù)前述第一位置與前述第二位置， 估計(jì)運(yùn)動(dòng)方向與運(yùn)動(dòng)速度(S914)。之后，本方法記錄歷史運(yùn)動(dòng)方向與歷史運(yùn)動(dòng) 速度(S916)。并且，本方法預(yù)測(cè)第三影像數(shù)據(jù)(第t+l張畫面)的對(duì)應(yīng)的運(yùn)動(dòng) 方向與對(duì)應(yīng)的運(yùn)動(dòng)速度(S918)。根據(jù)步驟912與步驟918，本方法預(yù)測(cè)目標(biāo)對(duì)象 在第三影像數(shù)據(jù)(第t+l張畫面)中的目標(biāo)位置(S920)。其后，本方法輸出目標(biāo) 對(duì)象在第t+l張畫面的影像中的目標(biāo)位置(S922)。接著，本方法判斷第一影像 數(shù)據(jù)中的所有目標(biāo)對(duì)象是否全部投影完成(S924)。若第一影像數(shù)據(jù)中的所有目 標(biāo)對(duì)象尚未投影完成，則本方法再次執(zhí)行步驟904。若第一影像數(shù)據(jù)中的所有目 標(biāo)對(duì)象已投影完成，則本方法結(jié)束對(duì)象投影程序(S926)。值得說明的是，第一特征數(shù)據(jù)為顏色分布、物體質(zhì)心或?qū)ο蟠笮〉葘?duì)象信 息。第二特征數(shù)據(jù)為移動(dòng)數(shù)據(jù)，通過分析對(duì)象移動(dòng)狀況所取得的數(shù)據(jù)，例如 對(duì)象速度、對(duì)象位置或運(yùn)動(dòng)方向等信息。此外，第二特征數(shù)據(jù)也可為分類數(shù)據(jù)， 前述分類數(shù)據(jù)指示對(duì)象的種類，例如人或車。再者，第二特征數(shù)據(jù)也可為場(chǎng)景位置數(shù)據(jù)，前述場(chǎng)景位置數(shù)據(jù)指示對(duì)象所在場(chǎng)景，例如門口、上'坡或下坡。 另外，第二特征數(shù)據(jù)也可為互動(dòng)數(shù)據(jù)，通過分析各個(gè)鏈接組件間的互動(dòng)行為， 可得到前述互動(dòng)數(shù)據(jù)，例如談話行為或身體接觸行為。再者，第二特征數(shù)據(jù) 也可為場(chǎng)景深度數(shù)據(jù)，前述場(chǎng)景深度數(shù)據(jù)指示對(duì)象所在的場(chǎng)景深度。通過第二 特征數(shù)據(jù)，本方法可利用第二特征數(shù)據(jù)來預(yù)測(cè)目標(biāo)對(duì)象在下一張畫面的目標(biāo)位 置，之后，本方法回授下一張畫面的目標(biāo)位置至原有的對(duì)象切割程序，即可得 到第一機(jī)率。本方法配合其他第二機(jī)率與第三機(jī)率作更精確的預(yù)測(cè)，即可更精 確的完成對(duì)象切割的工作。
如圖IO所示，本發(fā)明一較佳實(shí)施例的對(duì)象切割的示意圖。結(jié)合圖8與圖9， 第一影像數(shù)據(jù)1000內(nèi)含目標(biāo)像素1002,通過目標(biāo)像素1002鄰近像素，可以得 到第三機(jī)率。再者，通過多重高斯混合背景模型1004、多重高斯混合背景模型 1006、多重高斯混合背景模型1008等等N個(gè)模型，可得到第二機(jī)率。另外，通 過對(duì)象移動(dòng)數(shù)據(jù)，本方法可取得第一機(jī)率，其數(shù)學(xué)形式如下
Pos (Obj (k) ， t):物體k在t時(shí)間的位置
MV(Obj(k)， t):物體k在t與t-l時(shí)間的移動(dòng)向量(mot ion vector) MV(0bj(k)，t) =Pos(0bj(k), t) - Pos (Ob j (k) ， t-l) MP(0bj (k)， t):牙多動(dòng)予貞測(cè)函數(shù)(motion prediction) Low—pass— filter (X):低通濾波函數(shù)
MP (0b j (k) ， t) =Low_pass —fi 1 ter (MV (Ob j (k) ， t) ， MV (Ob j (k) ， t-l), MV (0b j ( k),t-2)，…)
Proj-pos(Obj(k), t+1):根據(jù)前述資料，本方法預(yù)測(cè)(投影)物體t+1時(shí)間 出現(xiàn)的位置
Proj —pos(Obj(k)， t+l)=Pos(0bj(k), t)+MP(Obj(k)， t)
本方法在進(jìn)行t+l張畫面的物體分割時(shí)，若該位置為對(duì)象投影的目標(biāo)位置， 則提高該位置物體出現(xiàn)的機(jī)率，也就是，本方法降低判斷該位置為前景的臨界 值。本方法在進(jìn)行t + l張畫面的物體分割時(shí)，若該位置為對(duì)'象投影的目標(biāo)位置， 則提高該位置物體出現(xiàn)的機(jī)率，也就是，本方法降低判斷該位置為前景的臨界值。
舉例來說，通過圖6至圖IO的對(duì)象偵測(cè)程序，本方法能精確地將偵測(cè)出前 景物體與背景。結(jié)合圖2，第一影像數(shù)據(jù)200所對(duì)應(yīng)的畫面內(nèi)含有黑色的袋子 202、黑色的地^反204與人物206。其中，人物206穿著白色的襯衫208與白色 的長(zhǎng)褲210。當(dāng)?shù)谝挥癪像數(shù)據(jù)200中，人物206正走近黑色的袋子202時(shí)，由于 本方法偵測(cè)到人物206與黑色的袋子202為前景物體，且占據(jù)的面積小于臨界 值，則本方法忽略此二前景物體，僅對(duì)畫面中的背景部份進(jìn)行亮度分析，以調(diào) 整曝光量。另外，若身著白衣的人物206朝攝影機(jī)方向走近，致使在畫面中占 據(jù)的面積大于臨界值，則此前景物體206對(duì)畫面亮度的影響不可忽略，故本方 法將前景物體與背景一并進(jìn)行亮度分析，以調(diào)整曝光量。
本方法進(jìn)行亮度分析時(shí)，統(tǒng)計(jì)像素值得到畫面亮度。之后，本方法利用預(yù) 設(shè)的亮度評(píng)估表以評(píng)估畫面亮度。接著，通過亮度分析的結(jié)果，本方法調(diào)整鏡 頭曝光量，例如延長(zhǎng)或縮短曝光時(shí)間。接著，本方法再擷取下一張畫面，重 復(fù)進(jìn)行前述動(dòng)作，以調(diào)整曝光量。
值得注意的是，上述的說明僅是為了解釋本發(fā)明，而并非用以限定本發(fā)明 的實(shí)施可能性，敘述特殊細(xì)節(jié)的目的，乃是為了使本發(fā)明被詳盡地了解。然而， 熟習(xí)此技藝者當(dāng)知此并非唯一的解法。在沒有違背發(fā)明的精神或所揭露的本質(zhì) 特征之下，上述的實(shí)施例可以其他的特殊形式呈現(xiàn)。
權(quán)利要求
1、一種自動(dòng)曝光的方法，適用于圖像處理，其特征在于，其中，至少一第二影像數(shù)據(jù)產(chǎn)生的時(shí)間在一第一影像數(shù)據(jù)之前，本方法包括下列步驟輸入該第一影像數(shù)據(jù)；執(zhí)行一對(duì)象偵測(cè)程序，以取得至少一前景物體與一目標(biāo)背景；判斷該前景物體的面積是否大于一臨界值；以及，根據(jù)該前景物體、該目標(biāo)背景與該臨界值，以決定曝光量。
2、 根據(jù)權(quán)利要求1所述的自動(dòng)曝光的方法，其特征在于，該方法還包括下 列步驟若該前景物體的面積大于該臨界值，則對(duì)該第一影像數(shù)據(jù)進(jìn)行一亮度分析， 以調(diào)整曝光量；以及，若該前景物體的面積小于該臨界值，則對(duì)該目標(biāo)背景進(jìn)行該亮度分析，以 調(diào)整曝光量。
3、 根據(jù)權(quán)利要求l所述的自動(dòng)曝光的方法，其特征在于，該方法還包括下 列步驟若該第一影像數(shù)據(jù)報(bào)含復(fù)數(shù)個(gè)前景物體，且該些前景物體的其一的面積大 于該臨界值，則對(duì)該第一影像數(shù)據(jù)進(jìn)行一亮度分析，以調(diào)整曝光量。
4、 根據(jù)權(quán)利要求1所述的自動(dòng)曝光的方法，其特征在于，該方法更包括下 列步驟若該第一影像數(shù)據(jù)報(bào)含復(fù)數(shù)個(gè)前景物體，且所有該些前景物體的面積皆小 于臨界值，則忽略所有該些前景物體，僅對(duì)該目標(biāo)背景進(jìn)行亮度分析，以調(diào)整 曝光量。
5、 根據(jù)權(quán)利要求l所述的自動(dòng)曝光的方法，其特征在于，其中，該對(duì)象偵 測(cè)程序還包括下列步驟執(zhí)行一對(duì)象切割程序，輸入該第一影像數(shù)據(jù)與對(duì)象投影的一目標(biāo)位置，根 據(jù)該第一影像數(shù)據(jù)與該目標(biāo)位置，以切割出畫面中所有該前景物體與形成對(duì)應(yīng) 的切割資料；執(zhí)行一對(duì)象擷取程序，輸入該切割數(shù)據(jù)，根據(jù)該前景物體與該切割資料，使每一該前景物體具有對(duì)應(yīng)的一第一特征數(shù)據(jù)；執(zhí)行一對(duì)象追蹤程序，輸入該第一特征數(shù)據(jù)，分析該第一影像數(shù)據(jù)中的該 第 一特征數(shù)據(jù)與該第二影像數(shù)據(jù)中對(duì)應(yīng)的該第 一特征數(shù)據(jù)，以得到至少 一第二 特征數(shù)據(jù)；以及，執(zhí)行一對(duì)象投影程序，輸入該第二特征數(shù)據(jù)，分析該第二特征數(shù)據(jù)與該第 二影像數(shù)據(jù)，以預(yù)測(cè)該前景物體對(duì)應(yīng)的該目標(biāo)位置，之后，將該目標(biāo)位置輸出 至該對(duì)象切割程序，以輔助進(jìn)行一第三影像數(shù)據(jù)的切割。
6、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，該對(duì)象切割程序 包括下列步驟讀取該第一影像數(shù)據(jù)的其中 一個(gè)像素成為一 目標(biāo)像素；根據(jù)該目標(biāo)像素與對(duì)應(yīng)的該目標(biāo)位置，以決定該目標(biāo)位置出現(xiàn)一前景像素 的機(jī)率，成為一第一機(jī)率；比較該目標(biāo)像素與一背景模型的相似度，以決定該目標(biāo)像素為該前景像素 的機(jī)率，成為一第二機(jī)率；比較該目標(biāo)像素與該目標(biāo)像素的對(duì)應(yīng)鄰近像素的相似度，以決定該目標(biāo)像 素為該前景像素的機(jī)率，成為一第三機(jī)率；以及，根據(jù)該第一機(jī)率、該第二機(jī)率與該第三機(jī)率，決定該目標(biāo)像素是否為該前 景像素。
7、 根據(jù)權(quán)利要求6所述的自動(dòng)曝光的方法，其特征在于，該背景模型為一 多重高斯混合背景模型。
8、 根據(jù)權(quán)利要求7所述的自動(dòng)曝光的方法，其特征在于，該對(duì)象切割程序 還包括下列步驟通過該多重高斯混合背景模型，以得到一時(shí)域差異參數(shù)； 通過該目標(biāo)像素鄰近的像素，以得到一空間差異參數(shù)； 若該時(shí)域差異參數(shù)與該空間差異參數(shù)之和大于一臨界值，則判斷該目標(biāo)像 素為該前景像素；以及，若該時(shí)域差異參數(shù)與該空間差異參數(shù)之和小于該臨界值，則判斷該目標(biāo)像素不為該前景像素。
9、 根據(jù)權(quán)利要求6所述的自動(dòng)曝光的方法，其特征在于，若該目標(biāo)位置投 影至對(duì)應(yīng)的位置，則提高對(duì)應(yīng)的位置出現(xiàn)該前景像素的機(jī)率。
10、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，該切割數(shù)據(jù)為 一二元式影像光罩。
11、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，該第一特征數(shù) 據(jù)為一顏色分布、 一物體質(zhì)心或一對(duì)象大小。
12、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，其中，該第二 特征數(shù)據(jù)為一移動(dòng)數(shù)據(jù)，通過分析對(duì)象移動(dòng)狀況所取得的數(shù)據(jù)。
13、 根據(jù)權(quán)利要求12所述的自動(dòng)曝光的方法，其特征在于，該移動(dòng)數(shù)據(jù)為 一對(duì)象速度、 一對(duì)象位置或一運(yùn)動(dòng)方向。
14、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，該第二特征數(shù) 據(jù)為一分類數(shù)據(jù)，該分類數(shù)據(jù)指示對(duì)象的種類。
15、 根據(jù)權(quán)利要求14所述的自動(dòng)曝光的方法，其特征在于，該分類數(shù)據(jù)為 一人或一車。
16、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，該第二特征數(shù) 據(jù)為一場(chǎng)景位置數(shù)據(jù)，該場(chǎng)景位置數(shù)據(jù)指示對(duì)象所在場(chǎng)景。
17、 根據(jù)權(quán)利要求16所述的自動(dòng)曝光的方法，其特征在于，該場(chǎng)景位置數(shù) 據(jù)為一門口、 一上Jt皮或一下坡。
18、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，該第二特征數(shù) 據(jù)為一互動(dòng)數(shù)據(jù)，通過分析至少一鏈接組件間的互動(dòng)行為，以得到該互動(dòng)數(shù)據(jù)。
19、 根據(jù)權(quán)利要求18所述的自動(dòng)曝光的方法，其特征在于，該互動(dòng)數(shù)據(jù)為一談話行為與一身體接觸行為。
20、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，該第二特征數(shù) 據(jù)為一場(chǎng)景深度數(shù)據(jù)，該場(chǎng)景深度數(shù)據(jù)指示對(duì)象的場(chǎng)景深度。
21、 根據(jù)權(quán)利要求5所述的自動(dòng)曝光的方法，其特征在于，該對(duì)象投影程 序包括下列步驟根據(jù)該第二特征數(shù)據(jù)與該第二影像數(shù)據(jù)—決定至'少一 U標(biāo)'對(duì)象； 根據(jù)該第一影像數(shù)據(jù)，決定第t張畫面時(shí)，該目標(biāo)對(duì)象的一第一位置； 根據(jù)該第二影l(fā)象數(shù)據(jù)，決定第t-l，t-2,…，t-n張畫面時(shí)，該目標(biāo)對(duì)象的一 第二位置；根據(jù)該第一位置與該第二位置，估計(jì)一運(yùn)動(dòng)方向與一運(yùn)動(dòng)速度； 記錄一歷史運(yùn)動(dòng)方向與一歷史運(yùn)動(dòng)速度；預(yù)測(cè)該第三影像數(shù)據(jù)，該第三影像數(shù)據(jù)為第t+l張畫面時(shí)對(duì)應(yīng)的該運(yùn)動(dòng)方 向與對(duì)應(yīng)的該運(yùn)動(dòng)速度；以及，預(yù)測(cè)該自標(biāo)對(duì)象在該第三影像數(shù)據(jù)中的該目標(biāo)位置。
22、根據(jù)權(quán)利要求1所述的自動(dòng)曝光的方法，其特征在于，該對(duì)象偵測(cè)程 序?yàn)橐槐尘跋鄿p算法。
全文摘要
本發(fā)明公開一種自動(dòng)曝光的方法，設(shè)計(jì)一種影像調(diào)整的方法。為解決現(xiàn)有技術(shù)對(duì)對(duì)象切割不準(zhǔn)確而造成曝光效果不佳的問題而發(fā)明。本發(fā)明的技術(shù)方案包括一種自動(dòng)曝光的方法，適用于圖像處理，其中，至少一第二影像數(shù)據(jù)產(chǎn)生的時(shí)間在一第一影像數(shù)據(jù)之前，本方法包括下列步驟輸入該第一影像數(shù)據(jù)；執(zhí)行一對(duì)象偵測(cè)程序，以取得至少一前景物體與一目標(biāo)背景；判斷該前景物體的面積是否大于一臨界值；以及，根據(jù)該前景物體、該目標(biāo)背景與該臨界值，以決定曝光量。
文檔編號(hào)H04N5/235GK101621629SQ20081012915
公開日2010年1月6日 申請(qǐng)日期2008年6月30日 優(yōu)先權(quán)日2008年6月30日
發(fā)明者沈俊宏, 連國欽 申請(qǐng)人:睿致科技股份有限公司