專利名稱：輪廓提取裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于提取由視頻傳感器(例如CCD或紅外攝像機)攝取物體的輪廓的輪廓提取裝置。
作為提取由CCD攝像機等攝取圖像中物體輪廓的技術(shù)，特別是抗噪聲的輪廓提取技術(shù)，已知的有在“JOHO SHORI(信息處理)Vol.30，No.9，pp.1047-1057”中描述的SNAKES等和在日本特許未審查申請No.319051中揭示的圖像處理裝置。
根據(jù)這些技術(shù)，當(dāng)預(yù)先給出待提取物體粗略的輪廓時，通過使得由輪廓和圖像特征定義的能量函數(shù)最小化可以獲得物體精確的輪廓。這些技術(shù)可以應(yīng)用于例如交互式圖像編輯裝置等的多媒體設(shè)備中。
但是，上述已有技術(shù)存在的問題是，除非預(yù)先規(guī)定了有待提取的物體個數(shù)，否則無法提取多個物體。
在SNAKES中，要求預(yù)先給出待提取物體粗略的輪廓作為初始輪廓。因此，當(dāng)有待處理的物體個數(shù)或圖像數(shù)較多時，涉及設(shè)置初始輪廓的處理工作量將變得過分龐大。
而且，SNAKES的缺點在于，它無法用于需要自動檢測圖像中所含物體個數(shù)的場合，例如安全系統(tǒng)應(yīng)用中對入侵者數(shù)目的檢測或空調(diào)控制中對室內(nèi)人數(shù)的檢測。
基于上述情況，本發(fā)明的一個目標(biāo)是提供一種輪廓提取裝置，它無需預(yù)先指定待提取物體的個數(shù)及其粗略的輪廓就能提取出圖像中多個物體的輪廓。
本發(fā)明的另一個目標(biāo)是提供一種輪廓提取裝置，它無需預(yù)先指定待提取物體的個數(shù)及其粗略的輪廓就能提取出僅僅滿足預(yù)先設(shè)定條件(例如尺寸大小等)的多個物體的輪廓。
本發(fā)明進一步的目標(biāo)是提供一種輪廓提取裝置，它無需預(yù)先指定待提取物體的個數(shù)及其粗略的輪廓就能提取出多個運動物體的輪廓。
本發(fā)明進一步的目標(biāo)是提供一種輪廓提取裝置，它無需預(yù)先指定待提取物體的個數(shù)及其粗略的輪廓就能區(qū)分出運動物體與靜止物體。
為了達到上述目標(biāo)，本發(fā)明提供一種輪廓提取裝置，它包含存儲圖像的圖像存儲部件；存儲包圍圖像中至少一個物體并用來提取該物體輪廓的輪廓模型的輪廓模型存儲部件；根據(jù)制定的規(guī)則變換和收縮輪廓模型的輪廓模型變換部件；檢測出由輪廓模型變換部件變換和收縮的輪廓模型中的任意兩個部分接壤或相交時的接壤點或交點的輪廓模型交叉檢測部件；當(dāng)輪廓模型交叉檢測部件檢測出接壤點或交點時根據(jù)檢測到的接壤點或交點將該輪廓模型劃分為多個輪廓模型的輪廓模型劃分部件；以及判斷物體輪廓提取是否完成的提取完成判斷部件。
通過以下結(jié)合附圖對本發(fā)明的描述將更為清晰地理解本發(fā)明的這些以及其它目標(biāo)、優(yōu)點、特征和用途。


圖1為表示按照本發(fā)明第一實施例的輪廓提取裝置的框圖；圖2為表示按照第一實施例的操作序列的流程圖；圖3為表示包含物體(細胞)的圖像實例的示意圖；圖4為表示輪廓模型的相交和劃分實例的示意圖；圖5為表示如何提取物體(細胞)的示意圖；圖6為表示按照本發(fā)明第二實施例的輪廓提取裝置的框圖；圖7為表示按照第二實施例的操作序列的流程圖；圖8為表示如何根據(jù)其尺寸大小提取物體(細胞)的示意圖9為表示按照本發(fā)明第三實施例的輪廓提取裝置的框圖；圖10為表示按照第三實施例的操作序列的流程圖；圖11為表示包含運動物體(行走的人)的圖像實例的示意圖；圖12為表示運動物體(行走的人)的運動檢測結(jié)果和提取結(jié)果的示意圖；圖13為表示按照本發(fā)明第四實施例的輪廓提取裝置的框圖；圖14為表示按照第四實施例的操作序列的流程圖；以及圖15為表示區(qū)分人體與發(fā)熱裝置的處理結(jié)果的示意圖。
實施例1圖1示出了按照本發(fā)明第一實施例的輪廓提取裝置的框圖。標(biāo)號1為存儲從包含物體的場景攝取的圖像的圖像存儲部件；2為存儲輪廓候選點的輪廓模型存儲部件，輪廓候選點作為搜尋限定了圖像存儲部件1所存儲圖像中物體輪廓點的始點；3為根據(jù)預(yù)先確定的規(guī)則移動存儲在輪廓模型存儲部件2內(nèi)的輪廓候選點的輪廓模型變換部件；4為當(dāng)在根據(jù)預(yù)先確定的規(guī)則連接輪廓候選點所形成的輪廓模型中發(fā)生相交的情況時對交點進行檢測的輪廓模型交叉檢測部件；5為當(dāng)輪廓模型交叉檢測部件4檢測出交點時將輪廓候選點構(gòu)成的輪廓模型劃分為幾個部分的輪廓模型劃分部件；6為當(dāng)輪廓模型交叉檢測部件4沒有檢測到交點時新增或刪除輪廓候選點的輪廓候選點創(chuàng)建/刪除部件；以及7為判斷圖像中物體輪廓的提取是否完成的提取完成判斷部件。
而且，標(biāo)號8為與部件1—7相連的控制部件，用來控制各個部件的操作或它們之間的數(shù)據(jù)傳送的啟停?？刂撇考?為一個包含存儲器(例如ROM或RAM)和CPU的計算機，并且如圖1所示，經(jīng)過各個接口與成像裝置9(例如CCD攝像機或掃描儀)、顯示裝置10(例如CRT)和輸入裝置11(例如鍵盤或鼠標(biāo))連接。圖像存儲部件1和輪廓模型存儲部件2通常由RAM構(gòu)成。
接著描述本實施例的操作。圖2為表示按照本實施例的輪廓提取裝置的操作流程圖。為了便于理解本實施例的操作，圖3示出了一個從顯微照片中提取細胞輪廓的實例。這意味著本發(fā)明可以應(yīng)用于例如癌細胞醫(yī)學(xué)診斷自動系統(tǒng)中。細胞的顯微圖像由掃描儀之類的成像裝置9攝取并以數(shù)字形式存儲在圖像存儲部件1內(nèi)。數(shù)字化圖像數(shù)據(jù)以例如8比特數(shù)據(jù)表示每個像素亮度的方式存儲。本實施例的操作將在下面的序列中描述。[步驟1a]輪廓候選點的初始化設(shè)置構(gòu)成包圍存儲在圖像存儲部件1內(nèi)的圖像中所有物體的多邊形(輪廓模型)的n個點作為初始輪廓候選點Vi(xi(0)，yi(0))(i＝1，2，…，n)存儲在輪廓模型存儲部件2內(nèi)，這里的i表示連接次序。通過利用輸入裝置11(例如鍵盤或鼠標(biāo))操作者可以在顯示裝置1O顯示的圖像上工作，將初始輪廓候選點輸入輪廓模型存儲部件2存儲起來。另外，將邊長與圖像大小相近的矩形劃分為n個相等部分的點也可以作為初始輪廓候選點預(yù)先存儲在輪廓模型存儲部件2中。[步驟2a]輪廓模型的變換輪廓模型變換部件3一次移動所有輪廓候選點的位置。由此變換了由輪廓模型候選點連接構(gòu)成的輪廓模型。輪廓模型變換部件3沿著使得輪廓模型的預(yù)定能量Esnake(Vi)取最小值的方向移動每個輪廓候選點。
例如輪廓模型變換部件3獲得了每個輪廓候選點Vi(xi，yi)(i＝1，2，…，n)的Esnake(Vi)的最陡下降矢量(—Esnake/xi，－Esnake/yi)，并沿輪廓依次移動輪廓候選點或用下面的方程式以相互平行的方式獨立地移動各個輪廓候選點。方程式1xi(t＋1)＝xi(t)－Kx(Esnake/xi)yi(t＋1)＝y(tǒng)i(t)－Ky(Esnake/yi)在方程式1中，t(t＝0，1，…)表示每個輪廓候選點移動的次數(shù)。而且，Kx＞0和Ky＞0都是控制每個輪廓候選點移動量的常數(shù)。
但是，如果移動輪廓候選點預(yù)期會導(dǎo)致能量Esnake(Vi)的增加，則輪廓模型變換部件3將不移動該輪廓候選點。
輪廓模型變換部件3還存儲輪廓模型存儲部件2中各個輪廓候選點的標(biāo)志F(Vi)(i＝1，2，…，n)以指示該點是否發(fā)生了移動。具體而言，對于已經(jīng)移動的輪廓候選點，輪廓模型變換部件3設(shè)定F(Vi)＝1，而對于沒有移動的輪廓候選點，設(shè)定F(Vi)＝0。
而且，輪廓模型的能量Esnake(Vi)可以定義為例如下面用方程2—6表示的能量項之和。(1)表示輪廓模型平滑度的Espline方程式2Eapline(vi)=(1/2)Σi=1n[Wspl|vi-vi-1|2+Wsp2|vi+1-2vi+vi-1|2]]]>當(dāng)移動每個輪廓候選點使方程式2最小時，輪廓模型收縮。(2)與輪廓模型包圍的閉合區(qū)域面積對應(yīng)的Earea方程式3Earea(Vi)=(1/2)Σi=1nWarea[xi(yi+1-yi)-(xi+1-xi)yi]]]>這里xn＋1＝x1和yn＋1＝y(tǒng)1。
當(dāng)移動某個輪廓候選點使方程式3最小時，輪廓候選點沿著與輪廓模型垂直的方向移動。因此，通過利用Earea，可以提取含有凹面形的物體的輪廓。(3)取輪廓候選點之間距離平均值的Edist方程式4Edist(vi)=(1/2)Σi=1nWdist|dav-|vi-vi-1||2]]>這里dav表示輪廓候選點之間的平均距離。(4)表示圖像亮度I(Vi)斜率大小的Eedge方程式5Eedge(vi)=-(1/2)Σi=1nWedge|▿I(vi)|2]]>=-(1/2)Σi=1nWedge[(∂I(vi)/∂xi)2+(∂I(vi)/yi)2]]]>
當(dāng)移動某個輪廓候選點使方程式5最小時，該輪廓候選點沿著使亮度斜率增加的方向移動，即朝著物體的輪廓方向移動。(5)表示圖像亮度值的Eintens方程式6Eintens(vi)=Σi=1nWintensI(vi)]]>當(dāng)移動某個輪廓候選點使方程式6最小時，如果Wintens＞0，則輪廓候選點沿著使亮度減少(暗化)的方向移動，而如果Wintens＜0，則沿著使亮度增加(變亮)的方向移動。
在方程式2—6中，Wsp1、Wsp2、Warea、Wdist、Wedge和Wintens都是各個能量項的權(quán)重因子。
如果輪廓模型的變換方式為使得作為方程式2—6中能量項之和的輪廓模型能量Esnake(Vi)取值最小，則輪廓模型收縮，但收縮會停止下來，最后到達某一點，在該點上，由方程式2—6中移動輪廓候選點的能量項表示的矢量在物體的輪廓部分達到平衡。將以這種狀態(tài)的輪廓候選點組成的輪廓模型提取為該物體的輪廓。[步驟3a]輪廓模型中的交點檢測給定了由輪廓候選點按照設(shè)定次序連接形成的多邊形輪廓模型后，輪廓模型交叉檢測裝置4檢測多邊形除了相鄰邊以外是否還有其它接壤或相交的邊。當(dāng)逐個像素地移動每個輪廓候選點時，在大多數(shù)情況下，會檢測到邊的一端或另一端與其它邊接壤(見圖4)。
例如，輪廓模型交叉檢測部件4可以按下面的方式構(gòu)造以檢測接壤或相交點。
如果假定輪廓模型的線段ViVi＋1和線段VjVj＋1有一個交點，則存在滿足下面方程式7的實數(shù)p(0＜p＜1)和q(0＜q＜1)。
方程式7p(vi＋1－vi)＋vi＝q(vj＋1－vj)＋vj方程式7是包含p和q的聯(lián)立方程，并且在按照下面方程式8計算的行列式det不為0時具有一個解。
方程式8det＝(xi－xi＋1)(yj＋1－yj)－(xj＋1－xj)(yi－yi＋1)當(dāng)det＝0時，線段ViVj＋1和線段VjVj＋1可能重合；因此在計算行列式det之前應(yīng)該先檢測重合性。
下面的方程式9表示了線段ViVj＋1與線段VjVj＋1相互接壤或相交點的位置。
方程式9p＝((yj＋1－yj)(xi－xj)＋(xj－xj＋1)(yi－yj))/detq＝((yi＋1－yi)(xi－xj)＋(xi－xi＋1)(yi－yj))/det
具體而言，i和j是依次變化的，并且當(dāng)det≠0時，如果由方程式9計算的p和q分別滿足0＜p＜1和0＜q＜1，則輪廓模型交叉檢測部件4判定線段ViVi＋1和線段VjVj＋1在輪廓模型的點(p，q)處接壤或相交，并檢測接壤點或交點。一旦檢測出接壤點或交點，輪廓模型交叉檢測部件4即終止其檢測操作。
當(dāng)檢測出接壤點或交點時，控制部件8指示執(zhí)行步驟4a；否則，執(zhí)行步驟5a。[步驟4a]輪廓模型的劃分圖4表示當(dāng)Earea被用作輪廓模型能量時發(fā)生相交情況的典型實例。輪廓模型劃分部件5將該輪廓模型劃分為幾個部分。當(dāng)輪廓模型劃分部件5完成劃分操作時，控制部件8返回步驟2a。
輪廓模型劃分部件5通過利用首先由輪廓模型交叉檢測部件4檢測到交叉的線段ViVi＋1和線段VjVj＋1將輪廓模型(＝圖4所示的輪廓模型1和2)劃分為輪廓模型1和輪廓模型2。具體而言，輪廓模型劃分部件5把包含相交線段ViVi＋1內(nèi)最前面數(shù)字的輪廓候選點Vi與包含相交的另一條線段VjVj＋1內(nèi)最后面數(shù)字的輪廓候選點Vj＋1連接起來，并劃分輪廓模型(＝輪廓模型1和2)以形成輪廓模型2。同樣，輪廓模型劃分部件5把包含相交線段VjVj＋1內(nèi)最前面數(shù)字的輪廓候選點Vj與包含相交的另一條線段ViVi＋1內(nèi)最后面數(shù)字的輪廓候選點Vi＋1連接起來，并劃分輪廓模型(＝輪廓模型1和2)以形成輪廓模型1。
由此將輪廓模型(＝輪廓模型1和2)劃分為兩個部分，一個連接次序為{V1，…，Vi，Vi＋1，…Vn}，另一個為{Vi＋1，…，Vj}。在完成上述劃分之后，控制部件8指示輪廓模型交叉檢測部件4檢測接在線段ViVi＋1后面的線段上的接壤點或交點和在前面的步驟3a中沒有在其上面進行檢測的接壤點或交點。在這種情況下，當(dāng)首先檢測到接在線段ViVi＋1后面的任意一條線段上的接壤點或交點時就停止檢測操作，并且再次進行步驟4a中的劃分操作。不斷重復(fù)這樣的遞歸處理直到處理完所有的輪廓模型(＝輪廓模型1和2)線段。[步驟5a]判斷是否創(chuàng)建或刪除輪廓候選點輪廓候選點創(chuàng)建/刪除部件6創(chuàng)建或刪除輪廓候選點。
輪廓候選點創(chuàng)建/刪除部件6例如在下面的情況下創(chuàng)建新的輪廓候選點。即，當(dāng)相鄰輪廓候選點之間的距離滿足|Vi＋1－Vi|＞DTH時，輪廓候選點創(chuàng)建/刪除部件6在Vi與Vi＋1之間創(chuàng)建新的輪廓候選點。這里，DTH是輪廓候選點之間預(yù)置的最大距離。此時，當(dāng)創(chuàng)建輪廓候選點時，輪廓候選點創(chuàng)建/刪除部件6設(shè)置Gflag為1；否則Gflag設(shè)置為0。
另一方面，輪廓候選點創(chuàng)建/刪除部件6例如在下面的情況下刪除輪廓候選點。即，如果滿足cosθ＞θTH(這里的θ是ViVi－1與ViVi＋1之間的夾角)，則輪廓候選點創(chuàng)建/刪除部件6刪除候選點Vi。這里，θ是用來判斷輪廓模型峰值度的預(yù)置閾值。此時，當(dāng)刪除輪廓候選點時，輪廓候選點創(chuàng)建/刪除部件6設(shè)置Dflag為1；否則Dflag設(shè)置為0。
附加輪廓候選點的創(chuàng)建補償了因劃分引起的每個物體輪廓候選點數(shù)量的損失，從而可以正確地提取多個物體的輪廓。
而且，按照上述方法，刪除了物體輪廓以外的輪廓候選點，因此可以避免錯誤的輪廓提取。[步驟6a]提取完成判斷如果所有的輪廓點都是靜止的(Vi；F(Vi)＝0)并且如果沒有輪廓候選點要創(chuàng)建或刪除(Gflag＝0和Dflag＝0)，則提取完成判斷部件7判斷輪廓提取已經(jīng)完成。
當(dāng)提取完成判斷部件7判斷輪廓提取已經(jīng)完成時，控制部件8終止輪廓提取過程；否則處理過程返回步驟2a。
按照上述程序，如圖5所示，包含整個一組物體(細胞)的初始輪廓模型(圖5(a))在變換過程中(圖5(b)-(e))依次經(jīng)過交點檢測和劃分，從而最后可以相互獨立地檢測出多個物體(圖5(f))。
如上所述，按照本實施例，對輪廓模型進行交點的檢測并劃分為幾個部分；這樣就能夠自動提取圖像中多個物體的輪廓。實施例2接下來，我們將描述按照本發(fā)明第二實施例的輪廓提取裝置。在第一實施例的描述中，我們說明了通過檢測輪廓模型中的交點或接壤點并將輪廓模型劃分為幾個部分可以自動提取一幅圖像中多個物體的輪廓。在第二實施例中，準(zhǔn)備有選擇地只提取滿足特定判據(jù)的某個物體。這類判據(jù)例如包括物體的尺寸大小。第一實施例借助細胞輪廓提取的實例已作描述；但是應(yīng)該注意的是，在醫(yī)學(xué)診斷中通常需要僅僅提取具有特定尺寸大小的細胞。
圖6示出了本實施例的示意圖。與圖1中第一實施例相同的部分用同一標(biāo)號表示，并且不再詳細解釋。與第一實施例構(gòu)造不同，第二實施例的特征在于包含輪廓模型選取部件12，當(dāng)至少有一個存儲在輪廓模型存儲部件2中的輪廓模型不滿足預(yù)先設(shè)定的判據(jù)時，它將從輪廓模型存儲部件2中刪除該輪廓模型。這使得可以根據(jù)尺寸或其它因素來選擇提取的對象。
以下將描述實施例的操作。圖7為表示按照本實施例的輪廓提取裝置操作的流程圖。該流程圖中的步驟1b和步驟3b—步驟7b分別與第一實施例中的步驟1a和步驟2a—步驟6a完全一樣。下面描述步驟2b的差別。[步驟2b]輪廓模型的選擇如果輪廓模型不滿足預(yù)先設(shè)定的判據(jù)，則輪廓模型選取部件12從輪廓模型存儲部件2中刪除該輪廓模型。
例如，將方程式3中的Earea的閾值設(shè)置為預(yù)先設(shè)定的判據(jù)。如果輪廓模型的Earea小于該閾值，就從輪廓模型存儲部件2中刪除該輪廓模型。
通過不斷重復(fù)該過程，如圖8所示，那些尺寸小于特定值的輪廓模型依次被刪除，最后只剩下位于圖像中央的較大細胞有待提取。
如上所述，按照本實施例，當(dāng)已對每個物體完成輪廓提取時，或者當(dāng)已對所有物體完成輪廓提取時，計算每個輪廓模型包圍的閉合區(qū)域的面積(Earea)，并且刪除任何小于規(guī)定面積或大于規(guī)定面積的輪廓模型，或者刪除任何位于規(guī)定面積范圍之內(nèi)或之外的輪廓模型。這樣就可以只提取具有所需尺寸的物體。實施例3接下來，我們將描述按照本發(fā)明第三實施例的輪廓提取裝置。第一和第二實施例的描述涉及了多個靜止物體的提取。與此相反，第三實施例涉及多個運動物體的提取。基本原理是檢測邊緣運動是否存在并且采用輪廓模型只是平滑連接運動的邊緣以提取運動物體。
具體而言，采用以時間序列依次攝取的多幅圖像獲得運動矢量。在變換輪廓模型時，如果輪廓模型上輪廓候選點位置處的運動矢量大小小于待提取物體的運動速度(例如每幀一個像素)，則該點的圖像能量(例如Eedge)的權(quán)重因子(例如Wedge)設(shè)定為0。以這種方式，可以只沿運動邊緣提取輪廓模型，并且通過平滑連接這些運動邊緣可以提取多個運動物體的輪廓。
圖9示出了本實施例的示意圖。與圖1中第一實施例相同的部分用同一標(biāo)號表示，并且不再詳細解釋。與第一實施例構(gòu)造不同，第三實施例的特征在于包含從以時間序列依次攝取的多幅圖像提取運動的運動檢測部件13。依次攝取的多幅圖像存儲在圖像存儲部件1中。
以下將描述實施例的操作。圖10為表示按照本實施例的輪廓提取裝置操作的流程圖。該流程圖中的步驟2c和步驟4c—步驟7c分別與第一實施例中的步驟1a和步驟3a—步驟6a完全一樣。下面將只描述步驟1c和3c的差別。在本實施例中，如圖11所示的把在室內(nèi)行走的人作為提取的運動物體。[步驟1c]運動檢測運動檢測部件13從存儲在圖像存儲部件1中的多幅圖像檢測運動矢量。
例如，運動檢測部件13采用基于梯度方法的最小平方方法獲得運動矢量。在梯度方法中，利用了圖像亮度I(x，y)對時間和空間的偏微分以及下面與物體表觀速度(u，v)＝(dx/dt，dy/dt)有關(guān)的約束方程。
方程式10Ix(x，y)u＋Iy(x，y)v＋It(x，y)＝0其中Ix＝I/X，Iy＝I/y，It＝I/t(yī)這里，假設(shè)在圖像的小塊局部區(qū)域內(nèi)的運動矢量是相同的，即方程式10表示的約束方程在小塊局部區(qū)域S內(nèi)具有相同的解，使得下面的方程式11取值最小的(u，v)可以作為運動矢量。
方程式11E＝∑(Ix(i，j)u＋Iy(i，j)v＋It(i，j))2(i，j)∈S因此，利用下面的方程式12可以獲得滿足E/u＝0和E/v＝0的(u，v)。
方程式12u＝(∑IxIy·∑ItIy－∑(Iy)2·∑ItIx)/Detv＝(∑IxIy·∑ItIx－∑(Ix)2·∑ItIy)/Det其中，Ix、Iy、It分別是Ix(i，j)、Iy(i，j)、It(i，j)，如方程式11所示，i、j是圖像的小塊局部區(qū)域S上的像素坐標(biāo)x、y，而∑對(i，j)∈s求和。而且，Det由以下方程式計算。
方程式13Det＝∑(Iy)2·∑(Ix)2－(∑IxIy)2[步驟3c]輪廓模型的變換輪廓模型變換部件3一次移動所有輪廓候選點的位置。此時，對于在步驟1c中未檢測到運動的位置，Eedge中的權(quán)重因子Wedge設(shè)置為零。它的作用是使得僅僅沿著檢測到運動的邊緣提取輪廓模型。
按照上述步驟，如圖12所示，通過利用梯度方法檢測運動(圖12(a))并對移動輪廓候選點時未檢測到運動的各個位置的Eedge設(shè)置權(quán)重因子Wedge，可以僅僅沿著檢測到運動的邊緣提取輪廓。以這種方式，本實施例的輪廓提取裝置可以提取多個運動物體，例如行走的人(圖12(b))。
如上所述，按照本實施例，通過從依次攝取的多幅圖像中檢測運動并僅僅平滑連接運動的邊緣可以提取多個運動的物體。實施例4接下來，我們將描述按照本發(fā)明第四實施例的輪廓提取裝置。第一到第三實施例涉及了從CCD攝像機等攝取的可視圖像中提取多個物體的裝置。但是，通常很難僅僅依靠視覺圖像信息提取諸如人體之類的物體。第四實施例涉及的裝置采用紅外攝像機攝取熱成像，并可以提取諸如人體之類的發(fā)熱物體，還可以把人體與諸如個人計算機的CRT之類的靜止發(fā)熱裝置區(qū)分開來。
圖13示出了本實施例的示意圖。與圖1中第一實施例相同的部分用同一標(biāo)號表示，并且不再詳細解釋。與第一實施例構(gòu)造不同，第四實施例的特征在于包含檢測存儲在輪廓模型存儲部件2中的輪廓候選點附近的運動的輪廓模型區(qū)分運動檢測部件14。以時間序列依次攝取的多幅熱成像存儲在圖像存儲部件1中。
在這種結(jié)構(gòu)中，可以將檢測到運動的輪廓模型確定為人體的輪廓模型，由此可以將其與靜止發(fā)熱裝置的輪廓模型區(qū)分開來。
以下將描述實施例的操作。圖14為表示按照本實施例的輪廓提取裝置操作的流程圖。該流程圖中的步驟1d—步驟6d分別與第一實施例中的步驟1a—步驟6a完全一樣。下面將只描述步驟7d的差別。[步驟7d]每個輪廓模型的運動檢測輪廓模型區(qū)分運動檢測部件14檢測構(gòu)成至少一個輪廓模型的輪廓候選點附近的運動，而該輪廓模型已在步驟6d中經(jīng)過判斷，其提取已經(jīng)完成。
可以采用例如第三實施例中的梯度方法來檢測運動。當(dāng)檢測到一個輪廓模型中有預(yù)先設(shè)定數(shù)量的輪廓候選點運動時，判斷該輪廓模型代表運動的發(fā)熱物體(例如人體)。
按照上述步驟，如圖15所示，通過檢測每個輪廓模型的運動，可以將人體與靜止發(fā)熱裝置區(qū)分開來。
如上所述，按照第四實施例，利用以時間序列依次攝取的多幅熱成像檢測了每個輪廓模型的運動。這樣就可以將人體與靜止發(fā)熱裝置區(qū)分開來。
按照本發(fā)明的第一實施例，通過檢測輪廓模型中的交點并將輪廓模型劃分為幾個部分，可以自動提取圖像中多個物體的輪廓。這可以實現(xiàn)一種例如無需人工干預(yù)的自動圖像編輯裝置。
按照本發(fā)明的第二實施例，通過刪除不滿足預(yù)先設(shè)定的判據(jù)的輪廓模型，可以只提取例如符合規(guī)定尺寸的物體。這可以用于例如對特定尺寸的細胞進行檢查的醫(yī)學(xué)診斷自動系統(tǒng)中。
按照本發(fā)明的第三實施例，通過從依次攝取的多幅圖像中檢測運動并僅僅平滑連接運動邊緣，可以提取多個運動物體。例如，可以只提取室內(nèi)行走的人。因此，它可以用于適應(yīng)人體活動變化的空調(diào)等控制中。
按照本發(fā)明的第四實施例，通過從依次攝取的多幅熱成像中檢測每個輪廓模型的運動，就可以將人體與靜止發(fā)熱裝置區(qū)分開來。這可以實現(xiàn)適應(yīng)室內(nèi)人數(shù)情況的精確空調(diào)控制，例如通過將空氣出口導(dǎo)向檢測到人體的位置。
權(quán)利要求
1.一種輪廓提取裝置，其特征在于包含存儲圖像的圖像存儲部件；存儲包圍所述圖像中至少一個物體并用來提取該物體輪廓的輪廓模型的輪廓模型存儲部件；根據(jù)制定的規(guī)則變換和收縮所述輪廓模型的輪廓模型變換部件；檢測出由所述輪廓模型變換部件變換和收縮的輪廓模型中的任意兩個部分接壤或相交時的接壤點或交點的輪廓模型交叉檢測部件；當(dāng)所述輪廓模型交叉檢測部件檢測出接壤點或交點時根據(jù)檢測到的接壤點或交點將所述輪廓模型劃分為多個輪廓模型的輪廓模型劃分部件；以及判斷所述物體輪廓提取是否完成的提取完成判斷部件。
2.如權(quán)利要求1所述的輪廓提取裝置，其特征在于，所述輪廓模型存儲部件存儲多個構(gòu)成所述輪廓模型的輪廓候選點和將輪廓候選點連接起來的次序。
3.如權(quán)利要求2所述的輪廓提取裝置，其特征在于，存儲在所述輪廓模型存儲部件中的多個輪廓候選點及其連接次序更新為由所述輪廓模型劃分部件劃分后得到的多個不同輪廓模型中每一個輪廓模型的多個輪廓候選點及其連接次序。
4.如權(quán)利要求2或3所述的輪廓提取裝置，其特征在于，所述輪廓模型變換部件通過移動或停止輪廓模型中多個輪廓候選點的每一點來變換和收縮所述輪廓模型。
5.如權(quán)利要求2—4中任意一項所述的輪廓提取裝置，其特征在于進一步包括輪廓模型創(chuàng)建/刪除部件，當(dāng)滿足規(guī)定的判據(jù)時，它向所述輪廓模型新增加一輪廓候選點和/或從輪廓模型中至少刪除一個輪廓候選點。
6.如權(quán)利要求2—5中任意一項所述的輪廓提取裝置，其特征在于進一步包含輪廓模型選取部件，當(dāng)由所述輪廓模型劃分部件劃分得到的多個不同輪廓模型中任意一個不滿足規(guī)定判據(jù)時，從輪廓模型存儲部件中刪除任何這樣的輪廓模型。
7.如權(quán)利要求1—6中任意一項所述的輪廓提取裝置，其特征在于，所述圖像存儲部件除了存儲規(guī)定時間間隔內(nèi)連續(xù)的不同圖像中的至少一幅所述圖像以外，所述輪廓提取裝置還進一步包括根據(jù)存儲在所述圖像存儲部件中的多幅連續(xù)圖像檢測運動矢量的運動檢測部件。
8.如權(quán)利要求1—6中任意一項所述的輪廓提取裝置，其特征在于，所述圖像存儲部件存儲規(guī)定時間間隔內(nèi)連續(xù)相鄰的多幅圖像，所述輪廓提取裝置還進一步包括輪廓模型區(qū)分運動檢測部件，它檢測構(gòu)成至少一個由所述輪廓提取裝置提取的物體輪廓模型的每個輪廓候選點規(guī)定范圍內(nèi)的所述多幅圖像中至少一幅的運動矢量。
全文摘要
本發(fā)明提供了一種輪廓提取裝置，它包括存儲圖像的圖像存儲部件1；存儲輪廓模型的輪廓模型存儲部件2；根據(jù)制定的規(guī)則變換和收縮輪廓模型的輪廓模型變換部件3；檢測輪廓模型中接壤點或交點的輪廓模型交叉檢測部件4；根據(jù)檢測到的接壤點或交點將該輪廓模型劃分為多個輪廓模型的輪廓模型劃分部件5；以及判斷物體輪廓提取是否完成的提取完成判斷部件7。
文檔編號G06T5/00GK1141459SQ9610379
公開日1997年1月29日 申請日期1996年3月25日 優(yōu)先權(quán)日1995年3月24日
發(fā)明者荒木昭一, 橫矢直和 申請人:松下電器產(chǎn)業(yè)株式會社