專利名稱：自動曝光的方法
技術領域：
本發(fā)明涉及一種影像調整的方法，尤其涉及一種通過偵測前景物體，以自 動曝光的方法。
技術背景在影像調整的技術中，曝光控制的目的在于，當拍攝環(huán)境的亮度發(fā)生變化 時，系統(tǒng)控制光圏或快門使擷取到的影像維持適當曝光量，不至于過亮或過暗。 自動曝光控制是指系統(tǒng)隨時偵測畫面亮度的變化，以進行曝光量控制。如圖1 所示，現有自動曝光技術在擷取畫面后，對整張畫面進行亮度分析。之后，根 據前述亮度分析的結果，現有自動曝光技術改變曝光的時間，以調整曝光量。然而，現有自動曝光技術存在許多嚴重的缺點，無法正確評估畫面的亮度。 在現有自動曝光技術中，最常見的缺點是，大面積的深色或淺色物體經過畫面后，使相機誤認為光源改變，而調整曝光量。如圖2所示，若第一影像數據200 所對應的畫面內含有袋子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與白色的長褲210，走過袋子202附近， 則現有自動曝光技術將判斷光源改變，而調整曝光量，造成亮度不穩(wěn)定。由上 述可知，現有自動曝光技術過于簡略，而不能正確地進行亮度分析。再者，現 有自動曝光技術沒有運用畫面中的對象特征來提高自動曝光的正確率，十分可 惜。因此，若我們能利用準確度高的對象偵測算法，根據對象偵測的結果來調 整曝光量，必能大幅提高影像的質量。然而，不幸的是，現有對象偵測算法仍存在許多無法克服的缺點。如圖3所示，對象切割方塊將輸入影像中的前景物體切割出來。對象擷取方塊將切割 出來的物體依其特征建立對象信息。通過追蹤每張畫面物體的動向，對象追蹤 方塊可得知物體速度等等數據。如圖4所示，現有的對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，找出移動的物體。該方法的優(yōu)點在于運算簡單，缺 點在于若欲偵測的前景物體沒有運動，則無法切割出來。2、 區(qū)域結合算法(Region Merge):該方法利用相鄰〗象素的相似性作結合， 經由一定次數的重復運算，找出具有一致性特征的物體。該方法的缺點為只能 找出具有均勻特征的物體，且需要一定次數的重復運算。優(yōu)點在于由于釆取相 鄰像素作結合，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，經由每一像素與背景模型相比對，找出與背景不相同的物體。該方法 的優(yōu)點為可靠度較高，對于動態(tài)背景等情況有較佳的抵抗力。缺點為需要維持 背景纟莫型。然而，不幸的是，現有的對象切割算法都單純地以像素為出發(fā)點作偵測， 并未從r對象」的角度來作處理。因此，現有的對象切割算法，極容易產生錯 誤警報(False alarm),如將光影變化，畫面噪聲誤認為前景物體，而使得判斷 失誤的情形增加。當現有對象切割算法執(zhí)行對象切割時，通常會設定一個臨界值(threshold) 來作為前景與背景的分別。但是，現有對象切割算法設定臨界值時，將會遇到 兩難的問題。最常見的缺點是，若臨界值設定太寬，則許多物體產生的噪聲、 反光、微弱的光影變化將被視為前景。若臨界值設定太窄，則某些與背景相似 的前景物體，將不會被切割出來。相關專利案請參考US6999620, US6141433 US6075875。如此一來，現有對象切割算法在準確率尚未能達到令人滿意的程度，因而 在應用上，更產生許多的限制，例如1、 當物體與背景顏色特征相當接近時，現有對象切割算法不易準確地切割。2、 現有對象切割算法容易發(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)，進而使單一物體被判斷成兩個物體的現象。3、 當畫面有光線反射與影子變化時，現有對象切割算法不易準確地切割，而容易將光影變化當成新的前景物件而切割出來，使得錯誤警報次數增加。4、 以物體學習速率的變化而言，當物體學習速率快時，若物體不移動很快 就被學進背景。當物體學習速率慢時，若背景產生變化，則背景模型無法實時 的更新。這些效果都會造成對象切割算法的失敗。綜合上述，現有對象切割算法不僅存在許多限制，而且現有對象切割算法 具有許多嚴重的缺點，使得圖像處理過程產生許多瑕疵。這些缺點大部分是因 為現有對象切割算法均以像素為出發(fā)點而造成的，舉例而言，若由對象為出發(fā) 點，則物體不慎切割成兩個物體可通過對象信息救回，光影變化也可由對象突 然出現等對象信息解決。因此，現有對象切割算法亟待改善。 發(fā)明內容有鑒于此，本發(fā)明的目的就是在提供一種自動曝光的方法。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)明通過預測 前景物體的位置，以進行對象切割。本發(fā)明欲解決現有技術對象切割時所產生 的瑕瘋，以提高對象切割的準確度。為達成上述及其他目的，本發(fā)明提出一種自動曝光的方法，適用于圖像處 理。其中，在t時間(即第t張畫面)時，第二影像數據(第t-l, t-2，…，t-n 張畫面)產生的時間在第一影像數據(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據。之后，本方法執(zhí)行對象偵測程序，以取得至少一個 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行亮度分析，以調整曝光量。若前景物體的面積小于臨界 值，則本方法忽略此前景，對背景部分進行亮度分析，以調整曝光量。依照本發(fā)明的較佳實施例所述，上述的對象偵測程序包括下列步驟本方 法執(zhí)行對象切割程序，輸入前述第一影像數據，根據前述第一影像數據與對象8投影程序所算出的目標位置，以切割出前景物體，并且輸出切割數據(二元式影 像光罩)。之后，本方法執(zhí)行對象擷取程序，輸入前述切割數據，根據前述前景 物體與前述切割資料，萃取出每一個前景物體所對應的第一特征數據。接下來，本方法執(zhí)行對象追蹤程序，輸入前述第一特征數據，分析前述第一影像數據中 的第 一特征數據與前述第二影像數據中對應的第 一特征數據，以得到第 一影像 數據中每個物體的第二特征數據。其后，本方法執(zhí)行對象4殳影程序，輸入前述 第二特征數據，分析前述第二特征數據與前述第二影像數據中的第二特征數據， 以預測前述前景物體在第三影像數據中(第t + l張畫面)對應的目標位置，之后， 將前述目標位置輸出至前述對象切割程序，以切割出第三影^^數據中(第t + l 張畫面)的前景物體。在本發(fā)明中，第一影像數據指當前畫面，即第t張畫面。第二影像數據指歷史畫面，即第t-l， t-2，…，t-n張畫面。第三影像數據指下一張畫面，即第t+l 張畫面。第一特征數據指對象擷取程序后所獲得的物體信息。第二特征數據指 對象追蹤程序后的特征信息。第一位置指對象在第一影^f象數據中的位置，第二 位置指對象在第二影像中的位置，第三位置指對象在第三影像中的位置。第一 機率指對象切割中通過對象投影程序產生的目標位置所得知的每個位置為前景的機率。第二機率指經由與多重高斯混合背景模型相比，所得到的機率。第三 機率指目標像素與鄰近像素相比較所得的機率。綜合第一、第二、及第三機率 可得到該位置出現前景的前景機率。依照本發(fā)明的較佳實施例所述，上述的對象切割程序包括下列步驟本方 法讀取第一影像數據的其中一個像素成為目標像素。之后，根據前述目標像素 與對應的前述對象投影程序產生的目標位置，以決定前述目標像素為前景像素 的機率，成為第一機率。其后，本方法比較前述目標像素與多重高斯混合背景 模型的相似度，以決定前述目標像素為前景像素的機率，成為第二機率。接下 來，本方法比較前述目標像素與目標像素的對應鄰近像素的相似度，以決定前 述目標像素為前景像素的機率，成為第三機率。最后，根據前述第一機率、前述第二機率與前述第三機率，決定前述—目標像素是芬為前景像'景。依照本發(fā)明的較佳實施例所述，上述的前述對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，本方法得到時域差異參數。之后，藉由前述 目標像素鄰近的像素，本方法以得到空間差異參數。接著，若前述時域差異參 數與前述空間差異參數之和大于一個臨界值，則本方法判斷前述目標像素為前 景像素。若前述時域差異參數與前述空間差異參數之和小于一個臨界值，則本 方法判斷前述目標像素不為前景像素。依照本發(fā)明的較佳實施例所述，若前述目標位置投影至對應的位置，則提 高對應的位置出現前述前景像素的機率或降低該位置判別是否為前景的臨界 值。依照本發(fā)明的較佳實施例所述，上述的對象投影程序包括下列步驟根據 第二特征數據與第二影像數據，本對象投影程序可得知第一影像數據(第t張畫 面，即當前畫面)中所有目標對象的目標位置(第一位置)。之后，根據前述第 一影像數據的第一位置及第二影像數據的第二位置，對象投影程序決定第t+l 張畫面時的第三影像數據中，前述目標對象的第三位置(即t+l張畫面時該目 標對象的位置)。對象投影程序計算目標位置的方式如下根據前述第二影像數 據，本方法得知前述目標對象的第二位置(即t-l，t-2，…，t-n張畫面的該目標 對象的位置)。其后，根據前述第一位置與前述第二位置，本方法估計該目標對 象對應的運動方向與運動速度。接下來，本方法記錄歷史運動方向與歷史運動 速度。之后，本方法預測第t+l張畫面對應的運動方向與對應的運動速度。最 后，本方法預測前述目標對象在下一張影像(第三影像數據)中的目標位置(即 第三位置)。綜合上述，本發(fā)明提出一種自動曝光的方法。本發(fā)明通過偵測前景物體， 以調整曝光量。因此，本發(fā)明不僅能正確地偵測前景物體，而且更能精確地調 整曝光量。在對象偵測程序中，由于對象追蹤功能可以求得物體的速度，所以 本發(fā)明利用對象追蹤功能的結果，以預測下一張畫面的前景物體所在的位置，即可大幅提升對象切割的準確度。本發(fā)明至少具有下列優(yōu)；、1、 本發(fā)明結合自動曝光與對象偵測的技術，不僅具有新穎性，而且更具有進步性。通過偵測前景物體的特征(例如面積)，本發(fā)明能大幅提高自動曝光 的準確率，例如通過偵測畫面中的移動物體，本發(fā)明能消除前景顏色造成的亮度誤判，進而能更穩(wěn)定、更精確地評估畫面的亮度。2、 由前述第l點可知，本發(fā)明已克服現有技術的缺點，前景物體的顏色將 不會影響曝光的穩(wěn)定性。也就是，大面積的深色或淺色物體經過畫面后，相機 不會誤認為光源改變，而調整曝光量。3、 為了使曝光量穩(wěn)定且正確，準確的對象偵測能力是必要的。本發(fā)明采用 整個對象偵測系統(tǒng)的數據來調整臨界值，使得對象偵測的正確率大幅提升。4、 本發(fā)明以投影的原理來預測對象的位置，這種方法在對象切割的技術中， 不僅具備新穎性，更具有進步性。對象投影的目的在于，本發(fā)明利用第二影像 數據(第t-1， t-2，…，t-n張畫面)，以預測第三影像數據(第t+l張畫面)的物 體所可能出現的位置。之后，本方法將這個可能出現的位置反饋至對象切割方 塊，以當作對象切割的輔助，例如本發(fā)明提高對象投影區(qū)域出現物體的機率， 并且降低沒有投影到的區(qū)域出現前景物體的機率。如此一來，本發(fā)明提高對象 切割的正確率，并且達到P爭低錯誤警報的效果。5、 對象投影對對象切割的幫助在于，對象投影可補回物體不慎切割斷開的 部分，本發(fā)明克服現有技術的缺點，避免一個物體因斷開而被誤認為兩個物體。6、 對象投影對對象切割的幫助在于，對象投影增加偵測物體輪廓的準確性。 本發(fā)明可增加物體在相似背景中，成功割出的機率。7、 對象投影對對象切割的幫助在于，對象投影可依投影結果調整臨界值， 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、 對象投影對對象切割的幫助在于，對象投影增加前景物體可在畫面中停 留靜止的時間，而使物體不會被快速學入背景而不被偵測出來。9、對象投影對對象切割的幫助在于，對象扳影克膩規(guī)有對象偵效'了算法以像 素為單位來作切割的缺點，對象投影利用整個物體的特征數據，來增加對象切 割的正確度。由上述可知，對象投影計算出的每個位置可能出現前景物體的機率，調整 對象切割算法的切割能力(例如臨界值)，以提升整體對象偵測系統(tǒng)的準確度。


圖1為現有自動曝光技術的流程圖； 圖2為現有自動曝光的示意圖； 圖3為現有對象偵測算法的功能方塊圖； 圖4為現有對象切割的功能方塊圖； 圖5為本發(fā)明一較佳實施例的自動曝光的方法的流程圖； 圖6為本發(fā)明一較佳實施例的對象偵測程序的功能方塊圖； 圖7為本發(fā)明一較佳實施例的對象切割程序的流程圖； 圖8為本發(fā)明一較佳實施例的決定目標像素為前景像素的機率的流程圖； 圖9為本發(fā)明一較佳實施例的對象投影程序的流程圖； 圖10為本發(fā)明一較佳實施例的對象切割的示意圖。
具體實施方式
如圖5所示，本發(fā)明一較佳實施例的自動曝光的方法的流程圖。本方法適 用于圖像處理，其中，在t時間(即第t張畫面)時，第二影像數據(第 t-l， t-2， ...， t-n張畫面)產生的時間在第一影像數據(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據(S502)。之后，本方法執(zhí)行對象偵測 程序，以取得至少一個前景物體(S504)。接下來，本方法判斷前述前景物體在 畫面中所占據的面積是否大于一個臨界值(S506)。若前景物體的面積大于該臨 界值，則本方法對整個第一影像數據進行亮度分析，以調整曝光量(S508、 S512)。 再者，若前景物體的面積小于該臨界值，則本方法僅對目標背景進行亮度分析, 以調整曝光量(S510、 S512)。另外，若第一影像數據包含復數個前景物體，則只要住一個前景物體的面 積大于臨界值，本方法便選擇對第一影像數據進行一亮度分析，以調整曝光量。 若所有前景物體的面積都小于臨界值，則本方法會忽略所有前景物體，僅對目 標背景進行亮度分析，以調整曝光量。此外，前述對象偵測程序可利用背景相減算法，以取得前景物體。當在本 方法決定前景物體時，本方法判斷物體是否移動。之后，根據前述物體是否移 動，本方法選擇移動的物體為前景物體，或者本方法不選擇移動的物體為前景 物體。如圖6所示，本發(fā)明一較佳實施例的對象偵測程序的功能方塊圖。本方塊 圖包括對象切割方塊602、對象擷取方塊604、對象追蹤方塊606與對象投影方 塊608。本方法將第一影像數據(第t張畫面)與第二影像數據(第t-1， t-2，...， t-n張畫面)產生的對應目標位置輸入對象切割方塊602。接下來，本方法執(zhí)行 對象切割程序，使對象切割方塊602輸出對應的二元式影像光罩至對象擷取方 塊604。之后，本方法執(zhí)行對象擷取程序，使對象擷取方塊604輸出對應的第一 特征數據至對象追蹤方塊606。其后，本方法執(zhí)行對象追蹤程序，使對象追蹤方 塊606輸出對應的第二特征數據至對象投影方塊608。接著，本方法執(zhí)行對象投 影程序，使對象投影方塊608輸出第一影像數據的對應目標位置至對象切割方 塊602,以協助第三影像數據(第t+l張畫面)的影像數據切割對象。本方法包括下列步驟本方法執(zhí)行對象切割程序，輸入前述第一影像數據 與目標位置。根據前述第一影像數據與前述目標位置，以切割出畫面中所有的 前景物體與形成其對應的切割資料。之后，本方法執(zhí)行對象擷取程序，輸入前述切割數據，此切割數據即二元式影像光罩。根據前述前景物體與前述切割資 料，使每一個前景物體具有對應的第一特征數據。其后，本方法執(zhí)行對象追蹤 程序，輸入前述第一特征數據，并分析前述第一影像數據中的第一特征數據與 前述第二影像數據中對應的前述第一特征數據，通過比對得知對應關系，以得 到第一影像數據中每個對象的第二特征數據。接著，本方法執(zhí)行對象投影程序，輸入前述第二特征數據，分析前述第二特征數據與前述第二影像數據對應的第 二特征數據，以預測前述前景物體對應的前述目標位置(第三位置)。之后，本 方法將前述目標位置輸出至前述對象切割程序，以進行前述的第三影像數據的 對象切割。如圖7所示，本發(fā)明一較佳實施例的對象切割程序的流程圖。前述對象切割程序包括下列步驟本方法讀取第一影像數據(第t張畫面)的其中一個像素 成為目標像素(S704)。接下來，本方法輸入第二影像數據(第t-1, t-2， ...， t-n 張畫面)，以及在第t_l張畫面時決定對應的目標位置(S706)。之后，本方法讀 取此目標位置(S708)。接著，根據前述目標像素與對應的前述目標位置，以決 定前述目標位置出現前景像素的機率，成為第一機率(S710)。此外，根據高斯 混合背景模型，取得對應的時域切割資料(S712)。接下來，本方法讀取前述時 域切割數據(S714)。接著，本方法比較前述目標像素與高斯混合背景模型的相 似度，以決定前述目標像素為前景像素的機率，成為第二機率(S716)。另外， 本方法讀取第一影像數據(S718)。之后，根據前述目標像素與目標像素的對應 鄰近像素，取得空間數據(S720)。其后，本方法比較前述目標像素與目標像素 的對應鄰近像素的相似度，以決定前述目標像素為前景像素的機率，成為第三 機率(S722)。接著，根據第一機率、第二機率與第三機率，決定前述目標像素 是否為前景像素。(S724)。接下來，本方法輸出前述目標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，則本方法結束對象切割程序(S730)。如圖8所示，本發(fā)明一較佳實施例的決定目標像素為前景像素的機率的流 程圖。本方法形成前景像素機率包括下列步驟通過讀取該物體的第一影像數 據及對象投影信息目標位置，可得知前述的第一機率。通過多重高斯混合背景 模型，本方法得到時域差異參數。通過此時域差異參數，可得知前述的第二機 率。之后，通過目標像素鄰近的像素，本方法得到空間差異參數。通過此空間差異參數，可得知前述的第三機率。通過前述第一機率，調整第二機率及第三 機率判斷的臨界值，并由與臨界值比較的結果，可求得前景像素機率。由此前 景像素機率可判定該像素是否為前景像素，完成該像素的對象切割。如圖6所示，對象擷取程序可使用現有的鏈接組件巻標算法(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 第一特征數據。對象追蹤程序可使用對象配對算法，通過一對一的比對每張畫 面，尋找相似對象以進行追蹤，以取得第二特征數據。如圖9所示，本發(fā)明一較佳實施例的對象投影程序的流程圖。對象投影程 序包括下列步驟本方法讀取要進行對象投影的目標對象(S904)。此外，本方 法取得第二影像數據的目標對象的數據(S906)。之后，本方法讀取第二影像數 據(第t-l, t-2， ...， t-n張畫面)的目標對象的位置(S908)。此外，本方法 取得第一影像數據(本張畫面t)的目標對象的數據(S910)。之后，根據第一影像 數據，決定第t張畫面時，目標對象的第一位置，也即，本方法讀取本張畫面(第 t張畫面)的目標對象的位置(S912)。之后，根據前述第一位置與前述第二位置， 估計運動方向與運動速度(S914)。之后，本方法記錄歷史運動方向與歷史運動 速度(S916)。并且，本方法預測第三影像數據(第t+l張畫面)的對應的運動 方向與對應的運動速度(S918)。根據步驟912與步驟918，本方法預測目標對象 在第三影像數據(第t+l張畫面)中的目標位置(S920)。其后，本方法輸出目標 對象在第t+l張畫面的影像中的目標位置(S922)。接著，本方法判斷第一影像 數據中的所有目標對象是否全部投影完成(S924)。若第一影像數據中的所有目 標對象尚未投影完成，則本方法再次執(zhí)行步驟904。若第一影像數據中的所有目 標對象已投影完成，則本方法結束對象投影程序(S926)。值得說明的是，第一特征數據為顏色分布、物體質心或對象大小等對象信 息。第二特征數據為移動數據，通過分析對象移動狀況所取得的數據，例如 對象速度、對象位置或運動方向等信息。此外，第二特征數據也可為分類數據， 前述分類數據指示對象的種類，例如人或車。再者，第二特征數據也可為場景位置數據，前述場景位置數據指示對象所在場景，例如門口、上'坡或下坡。 另外，第二特征數據也可為互動數據，通過分析各個鏈接組件間的互動行為， 可得到前述互動數據，例如談話行為或身體接觸行為。再者，第二特征數據 也可為場景深度數據，前述場景深度數據指示對象所在的場景深度。通過第二 特征數據，本方法可利用第二特征數據來預測目標對象在下一張畫面的目標位 置，之后，本方法回授下一張畫面的目標位置至原有的對象切割程序，即可得 到第一機率。本方法配合其他第二機率與第三機率作更精確的預測，即可更精 確的完成對象切割的工作。
如圖IO所示，本發(fā)明一較佳實施例的對象切割的示意圖。結合圖8與圖9， 第一影像數據1000內含目標像素1002,通過目標像素1002鄰近像素，可以得 到第三機率。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個模型，可得到第二機率。另外，通 過對象移動數據，本方法可取得第一機率，其數學形式如下
Pos (Obj (k) ， t):物體k在t時間的位置
MV(Obj(k)， t):物體k在t與t-l時間的移動向量(mot ion vector) MV(0bj(k)，t) =Pos(0bj(k), t) - Pos (Ob j (k) ， t-l) MP(0bj (k)， t):牙多動予貞測函數(motion prediction) Low—pass— filter (X):低通濾波函數
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):根據前述資料，本方法預測(投影)物體t+1時間 出現的位置
Proj —pos(Obj(k)， t+l)=Pos(0bj(k), t)+MP(Obj(k)， t)
本方法在進行t+l張畫面的物體分割時，若該位置為對象投影的目標位置， 則提高該位置物體出現的機率，也就是，本方法降低判斷該位置為前景的臨界 值。本方法在進行t + l張畫面的物體分割時，若該位置為對'象投影的目標位置， 則提高該位置物體出現的機率，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的對象偵測程序，本方法能精確地將偵測出前 景物體與背景。結合圖2，第一影像數據200所對應的畫面內含有黑色的袋子 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 的長褲210。當第一影^像數據200中，人物206正走近黑色的袋子202時，由于 本方法偵測到人物206與黑色的袋子202為前景物體，且占據的面積小于臨界 值，則本方法忽略此二前景物體，僅對畫面中的背景部份進行亮度分析，以調 整曝光量。另外，若身著白衣的人物206朝攝影機方向走近，致使在畫面中占 據的面積大于臨界值，則此前景物體206對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行亮度分析，以調整曝光量。
本方法進行亮度分析時，統(tǒng)計像素值得到畫面亮度。之后，本方法利用預 設的亮度評估表以評估畫面亮度。接著，通過亮度分析的結果，本方法調整鏡 頭曝光量，例如延長或縮短曝光時間。接著，本方法再擷取下一張畫面，重 復進行前述動作，以調整曝光量。
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 的實施可能性，敘述特殊細節(jié)的目的，乃是為了使本發(fā)明被詳盡地了解。然而， 熟習此技藝者當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 特征之下，上述的實施例可以其他的特殊形式呈現。
權利要求
1、一種自動曝光的方法，適用于圖像處理，其特征在于，其中，至少一第二影像數據產生的時間在一第一影像數據之前，本方法包括下列步驟輸入該第一影像數據；執(zhí)行一對象偵測程序，以取得至少一前景物體與一目標背景；判斷該前景物體的面積是否大于一臨界值；以及，根據該前景物體、該目標背景與該臨界值，以決定曝光量。
2、 根據權利要求1所述的自動曝光的方法，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，則對該第一影像數據進行一亮度分析， 以調整曝光量；以及，若該前景物體的面積小于該臨界值，則對該目標背景進行該亮度分析，以 調整曝光量。
3、 根據權利要求l所述的自動曝光的方法，其特征在于，該方法還包括下 列步驟若該第一影像數據報含復數個前景物體，且該些前景物體的其一的面積大 于該臨界值，則對該第一影像數據進行一亮度分析，以調整曝光量。
4、 根據權利要求1所述的自動曝光的方法，其特征在于，該方法更包括下 列步驟若該第一影像數據報含復數個前景物體，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，僅對該目標背景進行亮度分析，以調整 曝光量。
5、 根據權利要求l所述的自動曝光的方法，其特征在于，其中，該對象偵 測程序還包括下列步驟執(zhí)行一對象切割程序，輸入該第一影像數據與對象投影的一目標位置，根 據該第一影像數據與該目標位置，以切割出畫面中所有該前景物體與形成對應 的切割資料；執(zhí)行一對象擷取程序，輸入該切割數據，根據該前景物體與該切割資料，使每一該前景物體具有對應的一第一特征數據；執(zhí)行一對象追蹤程序，輸入該第一特征數據，分析該第一影像數據中的該 第 一特征數據與該第二影像數據中對應的該第 一特征數據，以得到至少 一第二 特征數據；以及，執(zhí)行一對象投影程序，輸入該第二特征數據，分析該第二特征數據與該第 二影像數據，以預測該前景物體對應的該目標位置，之后，將該目標位置輸出 至該對象切割程序，以輔助進行一第三影像數據的切割。
6、 根據權利要求5所述的自動曝光的方法，其特征在于，該對象切割程序 包括下列步驟讀取該第一影像數據的其中 一個像素成為一 目標像素；根據該目標像素與對應的該目標位置，以決定該目標位置出現一前景像素 的機率，成為一第一機率；比較該目標像素與一背景模型的相似度，以決定該目標像素為該前景像素 的機率，成為一第二機率；比較該目標像素與該目標像素的對應鄰近像素的相似度，以決定該目標像 素為該前景像素的機率，成為一第三機率；以及，根據該第一機率、該第二機率與該第三機率，決定該目標像素是否為該前 景像素。
7、 根據權利要求6所述的自動曝光的方法，其特征在于，該背景模型為一 多重高斯混合背景模型。
8、 根據權利要求7所述的自動曝光的方法，其特征在于，該對象切割程序 還包括下列步驟通過該多重高斯混合背景模型，以得到一時域差異參數； 通過該目標像素鄰近的像素，以得到一空間差異參數； 若該時域差異參數與該空間差異參數之和大于一臨界值，則判斷該目標像 素為該前景像素；以及，若該時域差異參數與該空間差異參數之和小于該臨界值，則判斷該目標像素不為該前景像素。
9、 根據權利要求6所述的自動曝光的方法，其特征在于，若該目標位置投 影至對應的位置，則提高對應的位置出現該前景像素的機率。
10、 根據權利要求5所述的自動曝光的方法，其特征在于，該切割數據為 一二元式影像光罩。
11、 根據權利要求5所述的自動曝光的方法，其特征在于，該第一特征數 據為一顏色分布、 一物體質心或一對象大小。
12、 根據權利要求5所述的自動曝光的方法，其特征在于，其中，該第二 特征數據為一移動數據，通過分析對象移動狀況所取得的數據。
13、 根據權利要求12所述的自動曝光的方法，其特征在于，該移動數據為 一對象速度、 一對象位置或一運動方向。
14、 根據權利要求5所述的自動曝光的方法，其特征在于，該第二特征數 據為一分類數據，該分類數據指示對象的種類。
15、 根據權利要求14所述的自動曝光的方法，其特征在于，該分類數據為 一人或一車。
16、 根據權利要求5所述的自動曝光的方法，其特征在于，該第二特征數 據為一場景位置數據，該場景位置數據指示對象所在場景。
17、 根據權利要求16所述的自動曝光的方法，其特征在于，該場景位置數 據為一門口、 一上Jt皮或一下坡。
18、 根據權利要求5所述的自動曝光的方法，其特征在于，該第二特征數 據為一互動數據，通過分析至少一鏈接組件間的互動行為，以得到該互動數據。
19、 根據權利要求18所述的自動曝光的方法，其特征在于，該互動數據為一談話行為與一身體接觸行為。
20、 根據權利要求5所述的自動曝光的方法，其特征在于，該第二特征數 據為一場景深度數據，該場景深度數據指示對象的場景深度。
21、 根據權利要求5所述的自動曝光的方法，其特征在于，該對象投影程 序包括下列步驟根據該第二特征數據與該第二影像數據—決定至'少一 U標'對象； 根據該第一影像數據，決定第t張畫面時，該目標對象的一第一位置； 根據該第二影l(fā)象數據，決定第t-l，t-2,…，t-n張畫面時，該目標對象的一 第二位置；根據該第一位置與該第二位置，估計一運動方向與一運動速度； 記錄一歷史運動方向與一歷史運動速度；預測該第三影像數據，該第三影像數據為第t+l張畫面時對應的該運動方 向與對應的該運動速度；以及，預測該自標對象在該第三影像數據中的該目標位置。
22、根據權利要求1所述的自動曝光的方法，其特征在于，該對象偵測程 序為一背景相減算法。
全文摘要
本發(fā)明公開一種自動曝光的方法，設計一種影像調整的方法。為解決現有技術對對象切割不準確而造成曝光效果不佳的問題而發(fā)明。本發(fā)明的技術方案包括一種自動曝光的方法，適用于圖像處理，其中，至少一第二影像數據產生的時間在一第一影像數據之前，本方法包括下列步驟輸入該第一影像數據；執(zhí)行一對象偵測程序，以取得至少一前景物體與一目標背景；判斷該前景物體的面積是否大于一臨界值；以及，根據該前景物體、該目標背景與該臨界值，以決定曝光量。
文檔編號H04N5/235GK101621629SQ20081012915
公開日2010年1月6日 申請日期2008年6月30日 優(yōu)先權日2008年6月30日
發(fā)明者沈俊宏, 連國欽 申請人:睿致科技股份有限公司