[发明专利]具有物体位置侦测功能的装置及其侦测方法

说明书

技术领域

本发明涉及一种影像侦测技术，尤指一种以迭代演算法来快速侦测影像中特定物件的具体位置的影像侦测技术。

背景技术

近年来，智慧型影像侦测技术愈来愈受到重视，其可以应用于许多不同的电子产品，例如数位相机、体感互动产品以及安全监控系统上都可以看到智慧型影像侦测技术的应用。而在这些应用中，物体的形状资讯在影像侦测速度及品质上扮演着非常重要的角色。一个好的形状资讯，即使只是近似形状大小(Approximated Shape)，都能够大幅地加快侦测速度及改善侦测品质。

一般而言，要估测出影像中特定物件的形状资讯，可以利用预设的颜色资讯逐点地(pixel-by-pixel)比对，并逐渐扩大比对的范围，直到影像中像素的颜色值不符合预设的条件为止。在影像分割(Image Segmentation)的领域中，这类方法常被使用。例如，分水岭法(WaterShed)及区域成长法(Region Growing)等。虽然这类方法在颜色单纯的物体上可以提供很不错的估测效果，但其在计算速度上、颜色连续性(Connected Component)上及门槛条件的设定上则有不少的限制。

然而，为了能够对颜色复杂的物体进行形状估测，近年来以图形理论为基础的方法(Graph-Based Method)提供了有效的解决方案。例如，Graph-Cut及Normalized cuts等。虽然上述的方法能够精确地估测颜色复杂的物体的形状，但其计算上也有很高的复杂度。同样地，以模形为基础的方法(Model-Based Method)也有着相同的问题。例如，主动轮廓法(Active Contour Method)。因此，如何加快侦测速度、提高侦测品质、解决颜色连续性的限制、改善因门槛条件不易界定而造成弹性或容错性不足以及降低对颜色复杂的物体进行估测时计算上的复杂度即为本发明所欲解决的问题。

发明内容

有鉴于上述习知技术的问题，本发明的目的在于提供一种具有物体位置侦测功能的装置及其侦测方法，以解决习知技术中侦测速度慢、侦测品质差、弹性或容错性不足、颜色连续性有限制及对颜色复杂的物体进行估测时，计算复杂度过高等问题，并使物体位置侦测功能可以被应用于计算资源有限的手持行动装置上，如数位相机、手机等。

为了实现上述目的，本发明采用了以下技术方案：

根据本发明的目的，提出一种具有物体位置侦测功能的装置，其特征在于，包括：一影像撷取模组，撷取一影像资料；一权重分配模组，根据影像资料中的一待测物体的一可能的初始位置中的一影像及待测物体的一事前资讯(Priori Knowledge)进行一权重分配，并利用可能的初始位置计算出待测物体的一初始重心；一处理模组，根据权重分配所产生的结果及初始重心进行一统计分析，以计算出待测物体的一可能的位置，并求得一重心坐标，并判断统计分析的结果是否符合一预设值，若是，则产生一估测结果；若否，则以所述可能的位置取代可能的初始位置再一次计算待测物体的可能的位置及重心坐标。

其中，权重分配将事前资讯转换成机率密度函数(Probability Density Function，PDF)，并依据影像资料中的可能的初始位置中的影像中各个像素的颜色值(或边缘方向值或其结合)及其在机率密度函数之中对应值，分别给定各个像素一权重值。

其中，统计分析利用权重值，并计算各个像素相对于重心的空间关系，求得待测物体的一加权共变矩阵，并对加权共变矩阵(Weighted Covariance Matrix)进行特征值分解(Eigen Decomposition)或奇异值分解(Singular Value Decomposition)。

其中，预设值为预设的精确度、预设的迭代次数或其结合。

其中，事前资讯包括待测物体的颜色分布资讯、灰阶亮度统计图(Histogram)、边缘方向梯度统计图(Edge Orientation/Gradient Histogram)或其结合。

其中，事前资讯由训练资料(Training Data)、人工指定或分群方法(Clustering)所产生，而待测物体的可能的初始位置由人工指定、分群方法或随机采样符合法(Random Sample Consensus，RANSAC)所产生。