本發明專利技術的一個實施方式涉及的運動推測裝置（300），利用與一個場景對應的焦點相互不同的多焦點圖像群（226），推測該場景所包含的多個第一區域各自的運動，具備成本值計算部（305）和運動推測部（306），該成本值計算部（305）利用上述多焦點圖像群（226），按上述多個第一區域的每個計算成本值，該成本值表示該第一區域的模糊量與按深度方向的每個距離而確定的基準的模糊量之間的差，該運動推測部（306）利用上述成本值，推測與該成本值對應的第一區域的運動。
【技術實現步驟摘要】
【國外來華專利技術】
本專利技術涉及，更具體而言，涉及從焦點不同的多焦點圖像群推測一個場景的運動的運動推測裝置。
技術介紹
深度圖(depth map)是指包含與從視點到場景對象面之間的距離有關的信息的圖像或圖像通道。該深度圖用于汽車用傳感器、醫用圖像處理以及三維(3D)應用等多種用途。通常，場景的深度圖能夠用兩種手法即主動手法及被動手法來取得。主動手法中，將編碼信號(即被結構化的光、紅外線(IR)信號、激光、或聲音信號)向場景進行投影或照射，接收器或檢測器將該投影信號接收或拍攝。并且，根據投影信號與接收信號之差計算或推測深度圖。作為主動手法的例子，有T0F(Time Of Flight)傳感器、·LiDAR(Light DetectionAnd Ranging :光檢測與測距)、結構化光圖案以及超聲波距離傳感器。被動手法中，不需要將信號向場景進行投影，能夠僅根據拍攝圖像推測深度圖。因此，被動手法能夠以低成本實現，例如能夠用現有的I臺數字攝像機實現。公開有多種被動的深度推測技術(例如參考非專利文獻I、非專利文獻2、非專利文獻3以及非專利文獻4)。它們能夠分類成兩個主流即DFF(depthfrom focus :對焦測距)法和DFD (depth from defocus :散焦測距)法。DFF法及DFD法都需要焦點分別不同的多個輸入圖像，以用于深度推測。DFF法中，以不同的焦點位置拍攝一個場景的多個圖像。然后測定各拍攝圖像的焦點或清晰度(對比度)。場景的深度圖能夠通過對圖像的最大清晰度和與其對應的焦點設定進行檢測而最終獲得。DFD法中，所使用的多焦點圖像較少(至少2個圖像)。深度圖能夠通過求出多焦點圖像的像素間的模糊量來推測。專利文獻I公開了記錄三維場景的深度信息的單反相機系統。圖I是表示專利文獻I的多焦點圖像拍攝系統的圖。該系統中，將鏡頭沿鏡頭的中心軸方向移動，從而以透鏡系統正面的各種距離來拍攝被攝體(對象)。這里，圖像傳感器的焦點對準或脫離被攝體。若知曉透鏡系統的焦點距離，則深度圖(透鏡系統與被攝體之間的距離)能夠根據焦點對準于被攝體的情況下的透鏡系統與圖像傳感器之間的距離來計算。專利文獻2中，公開了全焦點圖像以及利用二維尺度空間匹配的深度圖的制作方法。該方法中，場景的多焦點圖像被拍攝多個。并且，根據拍攝到的多焦點圖像制作全焦點圖像，根據該全焦點圖像生成多個尺度空間模糊圖像。最后，利用所拍攝到的圖像的模糊量和所生成的尺度空間模糊圖像的模糊量之間的匹配(matching)來制作深度圖。現有技術文獻專利文獻專利文獻I :美國專利第6128071號說明書專利文獻2 :美國專利申請公開第2007 / 0019883號說明書非專利文獻非專利文獻I John Ens 及 Peter Lawerence^An Investigation of MethodsforDetermining Depth from Focus，，， IEEE Transaction on Pattern Analysis andMachineInteligence,第 15 卷第 2 號，1993 年 2 月非專利文獻2 :Murali Subbarao 及 Tae Choi “Accurate Recovery of Three —Dimensional Shape from Image Focus，，，IEEE Transaction on PatternAnalysis andMachine Inteligence,第 17 卷第 3 號，1995 年 3 月非專利文獻3Murali Subbarao及Gopal Surva^Depth from Defocus A SpatialDomain Approach，，, International Journal of Computer Vision,第 13 卷第 3 號，1994 年12月非專利文獻4 :Subhasis Chaudhuri 及 A. N. Rajagopalan^Depth fromDefocus A Real Aperture Imaging Approach”，Springer — Verlag New York, Inc.,1999 年 非專利文獻5 B. D. Lucas 及 T. Kanade “An iterative imageregistrationtechnique with an application to stereo vision，，，第7次人工智倉泛國際合同會議記錄，1981年非專利文獻6 :C. Tomasi 及 T. Kadane^Shape and motion from imagestreams a factorization method — 3-Detection and Tracking of Point Features，，,技術報告書CMU - CS - 91 - 132，卡內基梅隆大學，賓夕法尼亞州匹茲堡，1991年4月專利技術概要專利技術要解決的課題此外，可以認為，在這樣的DFF法以及DFD法中，推測被攝體的運動，利用推測到的被攝體的運動能夠實現各種各樣的處理。此外，作為這樣的DFF法以及DFD法中的被攝體的運動的推測方法，希望有更容易的運動推測方法。
技術實現思路
因此，本專利技術的目的在于，提供一種能夠容易地推測被攝體的運動的運動推測裝置以及運動推測方法。解決課題所采用的手段為了實現上述目的，本專利技術的一技術方案的運動推測裝置，利用與一個場景對應的焦點相互不同的多焦點圖像群，推測該場景所包含的多個第一區域各自的運動，具備成本值計算部，利用上述多焦點圖像群，按上述多個第一區域的每個第一區域，計算成本值，該成本值表示與該第一區域對應的模糊量與按深度方向的每個距離而決定的基準的模糊量之間的差；以及運動推測部，利用上述成本值，推測與該成本值對應的第一區域的運動。專利技術效果本專利技術能夠提供一種能夠容易地推測被攝體的運動的運動推測裝置以及運動推測方法。附圖說明圖I是表不現有的多焦點圖像拍攝系統的圖。圖2是具有本專利技術實施方式I的深度推測裝置的拍攝裝置的框圖。圖3是本專利技術實施方式I的深度推測裝置的框圖。圖4是表示本專利技術實施方式I的多焦點圖像群的一例的圖。圖5是本專利技術實施方式I的深度推測處理的流程圖。圖6是本專利技術實施方式I的運動推測處理的流程圖。圖7A是表示本專利技術實施方式I的最小成本值的分布的例子的圖。圖7B是表示本專利技術實施方式I的最小成本值的分布的例子的圖。圖7C是表示本專利技術實施方式I的最小成本值的分布的例子的圖。 圖8是本專利技術實施方式I的特征跟蹤處理的流程圖。圖9是本專利技術實施方式I的深度圖補充處理的流程圖。圖IOA是表示本專利技術實施方式I的靜止被攝體的圖像的一例的圖。圖IOB是表示本專利技術實施方式I的靜止被攝體的圖像的一例的圖。圖IOC是表示本專利技術實施方式I的靜止被攝體的圖像的一例的圖。圖IOD是表示本專利技術實施方式I的靜止被攝體的深度圖的一例的圖。圖IlA是表示本專利技術實施方式I的包含移動被攝體的圖像的一例的圖。圖IlB是表示本專利技術實施方式I的包含移動被攝體的圖像的一例的圖。圖IlC是表示本專利技術實施方式I的包含移動被攝體的圖像的一例的圖。圖IlD是表示本專利技術本文檔來自技高網...
【技術保護點】
【技術特征摘要】
【國外來華專利技術】...
【專利技術屬性】
技術研發人員：山田整，P·拉桑，申省梅，
申請(專利權)人：松下電器產業株式會社，
類型：
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。