專利名稱：：用于人臉偵測的動態(tài)影像壓縮方法
技術(shù)領(lǐng)域：
：本發(fā)明關(guān)于一種動態(tài)影像壓縮方法，特別是一種用于人臉偵測的動態(tài)影像壓縮方法。
背景技術(shù)：
：在現(xiàn)今的日常生活中，影像擷取裝置已經(jīng)被廣泛的使用于日常生活中。影像擷取裝置利用光傳感器擷取影像并轉(zhuǎn)換為數(shù)字信號后，這些數(shù)字信號可被儲存下來。藉由影像擷取裝置擷取到的數(shù)字信號，再配合數(shù)字影像處理的技術(shù)，即可設(shè)計出各種形形色色的應(yīng)用。在影像擷取裝置所擷取的影像當中，人物影像為其中的核心。舉例來說當前有許多的影像擷取裝置具備人臉偵測及人臉追蹤技術(shù)，可輔助自動對拍攝區(qū)域進行多重對焦。此外，人臉偵測技術(shù)亦可以使用于判斷一個特定區(qū)域內(nèi)是否有人的存在，比如說，人臉偵測的技術(shù)可應(yīng)用于判斷電視屏幕前是否有使用者正在觀看此電視屏幕。當人臉偵測的技術(shù)判斷當下并沒有人位于電視屏幕前的時候，此電視屏幕可以被自動的關(guān)閉，以達到節(jié)能的功效。然而，當影像擷取裝置拍攝一被攝物而得一影像時，若是被攝物位于光線復(fù)雜的區(qū)域，此影像可能會有大部分區(qū)域的亮度偏亮，且有另外大部分區(qū)域的亮度偏暗。此種同時有許多像素聚集在亮部與暗部的影像稱之為高動態(tài)范圍影像(HighDynamicRangeImage,HDRI)0在高動態(tài)范圍影像中，過亮與過暗的地方都會喪失影像原本的特征。也就是說，而當人臉上的亮度明顯偏亮或是明顯偏暗時，可能會導(dǎo)致人臉的特征喪失，而降低人臉偵測的準確率?，F(xiàn)有的方法是直接利用亮度轉(zhuǎn)換函數(shù)校正。高動態(tài)范圍影像經(jīng)過亮度轉(zhuǎn)換函數(shù)校正后，可將過亮的部分調(diào)暗，并將過暗的部分調(diào)亮。然而，直接經(jīng)過轉(zhuǎn)換，將會使原本人臉的特征，比如說五官的輪廓，變得較為模糊。因此，人臉偵測的準確率將會變低。
發(fā)明內(nèi)容鑒于以上所述，本發(fā)明提出一種用于人臉偵測的動態(tài)影像壓縮方法，用以解決人臉偵測準確率降低的問題。為了實現(xiàn)上述目的，本發(fā)明提供一種用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，包括取得一原始影像，將該原始影像區(qū)分成多個區(qū)塊；計算每一個該區(qū)塊的一第一亮度與多個梯度值；根據(jù)一亮度轉(zhuǎn)換函數(shù)以及該第一亮度，計算每一個該區(qū)塊的一第二亮度；根據(jù)每一個該區(qū)塊的該第二亮度以及該多個梯度值，產(chǎn)生一重建影像；以及根據(jù)該重建影像，執(zhí)行一人臉偵測步驟。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，該區(qū)塊為一方格。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，該多個梯度值為一水平梯度值、一垂直梯度值以及一對角梯度值。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，在計算每一個該區(qū)塊的一第一亮度與多個梯度值的該步驟中，將該區(qū)塊的多個數(shù)值，經(jīng)過一線性轉(zhuǎn)換，以得到該第一亮度與該多個梯度值。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，在根據(jù)每一個該區(qū)塊的該第二亮度以及該多個梯度值，產(chǎn)生一重建影像的該步驟中，對于每一個該區(qū)塊，根據(jù)該區(qū)塊的該第二亮度以及該多個梯度值重建出一區(qū)塊影像，待重建該多個區(qū)塊影像之后，組合該多個區(qū)塊影像，以得到該重建影像。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，在根據(jù)該區(qū)塊的該第二亮度以及該多個梯度值重建出一區(qū)塊影像的該步驟中，將該第二亮度以及該多個梯度值，經(jīng)過該線性轉(zhuǎn)換的一逆轉(zhuǎn)換，以得到該區(qū)塊的該多個數(shù)值。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，在根據(jù)每一個該區(qū)塊的該第二亮度以及該多個梯度值，產(chǎn)生一重建影像的該步驟中，對于每一個該區(qū)塊，將該梯度值乘上一參數(shù)，來調(diào)整該梯度值，并以該第二亮度與被調(diào)整的該梯度值，重建出一區(qū)塊影像，待重建該多個區(qū)塊影像之后，組合該多個區(qū)塊影像，以得到該重建影像。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，在以該第二亮度與被調(diào)整的該梯度值，重建出一區(qū)塊影像的該步驟中，將該第二亮度以及被調(diào)整的該梯度值，經(jīng)過該線性轉(zhuǎn)換的一逆轉(zhuǎn)換，以得到該區(qū)塊的該多個數(shù)值。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，在根據(jù)每一個該區(qū)塊的該第二亮度以及該多個梯度值，產(chǎn)生一重建影像的該步驟中，對于每一個該區(qū)塊，根據(jù)該第一亮度與該第二亮度的差異，來調(diào)整該梯度值，并以該第二亮度與被調(diào)整的該梯度值，重建出一區(qū)塊影像，待重建該多個區(qū)塊影像之后，組合該多個區(qū)塊影像，以得到該重建影像。所述的用于人臉偵測的動態(tài)影像壓縮方法，其中，在以該第二亮度與被調(diào)整的該梯度值，重建出一區(qū)塊影像的該步驟中，將該第二亮度以及該梯度值，經(jīng)過該線性轉(zhuǎn)換的一逆轉(zhuǎn)換，以得到該區(qū)塊的該多個數(shù)值。在本發(fā)明中，可先計算出方格內(nèi)的梯度值，并且這些方格在經(jīng)過亮度轉(zhuǎn)換之后，可再將此梯度值重新計算出這些方格的亮度值。因此，原本方格內(nèi)的梯度值將可以被保留。當人臉偵測流程在利用梯度方向信息進行偵測時，偵測的成功率將會大幅的提升。此外，因為本發(fā)明是以每一個方格為單位，對方格內(nèi)的像素進行梯度值的計算、亮度轉(zhuǎn)換與根據(jù)梯度值重新計算亮度。圖1為根據(jù)本發(fā)明所適用的影像擷取裝置的架構(gòu)示意圖；圖2為本發(fā)明所揭露的一實施例的流程圖；以及圖3為本發(fā)明所揭露的亮度轉(zhuǎn)換函數(shù)的示意圖。其中，附圖標記12鏡頭裝置14感光元件416取樣電路17內(nèi)存18處理單元具體實施例方式以下在實施方式中進一步詳細說明本發(fā)明的詳細特征以及優(yōu)點，其內(nèi)容足以使任何熟習(xí)相關(guān)技藝者了解本發(fā)明的技術(shù)內(nèi)容并據(jù)以實施，且根據(jù)本說明書所揭露的內(nèi)容、申請專利范圍及圖式，任何熟習(xí)相關(guān)技藝者可輕易地理解本發(fā)明相關(guān)的目的及優(yōu)點。圖1為根據(jù)本發(fā)明所適用的影像擷取裝置的架構(gòu)示意圖。關(guān)于本發(fā)明所適用的影像擷取裝置可以是但不限于圖1所示的架構(gòu)。請參照圖1，影像擷取裝置10可包括一鏡頭裝置12、一感光元件14、一取樣電路16(Samplingholdcircuit)、內(nèi)存17以及一處理單元18。鏡頭裝置12前方的景象所反射的光線經(jīng)由鏡頭裝置12進入感光元件14。感光元件14可為電荷耦合元件(Charge-coupledDevice,CCD)或是互補式金屬氧化層半導(dǎo)體(ComplementaryMetal-Oxide-Semiconductor,CMOS)。感光元件14將進入的光線轉(zhuǎn)換成電子信號并傳給取樣電路16后，一影像檔案可被紀錄于內(nèi)存17。處理單元18可為微處理器、微控制器、特定應(yīng)用集成電路(Application-specificintegratedcircuit,ASIC)或是場效可程序化門陣列(FieldProgrammableGateArray,FPGA)，處理單元18除了可用來控制感光元件14、取樣電路16與內(nèi)存17之外，并且可用以執(zhí)行本發(fā)明所提出的影像動態(tài)影像壓縮方法。請參照圖2，為本發(fā)明所揭露的一實施例的流程圖。在步驟SlOl中，可利用上述的影像擷取裝置10，以取得一原始影像。影像擷取裝置10可以周期性地或是非周期性地取得一原始影像。之后，再將取得的原始影像區(qū)分成多個區(qū)塊，這些區(qū)塊較佳為方格。舉例來說，若是一個分辨率為240X180個像素的影像，可區(qū)分成120X90個方格，每個方格的大小為2X2個像素。亦可區(qū)分成80X60，每個方格的大小為3X3個像素。在步驟S102中，分別計算每個區(qū)塊的一第一亮度與多個梯度值。第一亮度定義為此區(qū)塊中每一個像素的亮度的平均值。像素的亮度定義為此像素的明度色度濃度(YUV)色彩值當中的Y值。每一個區(qū)塊皆會產(chǎn)一個亮度值。區(qū)塊的梯度值為水平梯度值、垂直梯度值與對角梯度值。以上述大小為2X2的方格為例。假設(shè)2X2的方格像素的亮度定義為％，_a}a4_第一亮度為f(L±f^l±^l，水平梯度值定義為ai+a3_(a2+a4)，垂直梯度值定義為Bfa2-(a3+a4)，對角梯度值定義為ai+a4_(a2+a3)。從上述的2X2方格的示例可知，像素的數(shù)目與第一亮度、水平梯度值、垂直梯度值與對角梯度值總共的個數(shù)相等。換言之，上述方格內(nèi)的數(shù)值，可經(jīng)由一線性轉(zhuǎn)換，比如說小波轉(zhuǎn)換，而得到第一亮度與梯度值。在步驟S103中，根據(jù)一亮度轉(zhuǎn)換函數(shù)以及第一亮度，計算每一個區(qū)塊的一第二亮度，即第一亮度可經(jīng)由亮度轉(zhuǎn)換函數(shù)而得到第二亮度。請參照圖3，為亮度轉(zhuǎn)換函數(shù)的示意圖。在圖3中，水平軸代表亮度轉(zhuǎn)換函數(shù)的輸入值，垂直軸代表亮度轉(zhuǎn)換函數(shù)的輸出值。第一亮度即為此輸入值，而第二亮度即為此輸出值。亮度轉(zhuǎn)換函數(shù)可以以一查找表(look-uptable)，當需要轉(zhuǎn)換時，再經(jīng)由此查找表，將第一亮度轉(zhuǎn)換成第二亮度。此亮度轉(zhuǎn)換函數(shù)可為一枷瑪曲線(GammaCurve)。在步驟S104中，則是根據(jù)每一個區(qū)塊的第二亮度以及水平梯度值、垂直梯度值與對角梯度值，并利用上述線性轉(zhuǎn)換的逆轉(zhuǎn)換，以算出方格內(nèi)的數(shù)值。以2X2的方格為例。此方格的第二亮度為C2,并且C2=，水平梯度值為gi=ai+a3-(a2+a4)，垂直梯度值定義為&=+_(+。，對角梯度值定義為g3=ai+a4-(a2+a3)。從上述的四個方程式，即可求出四個未知數(shù)、a2、a3、a4。在此例中，A=C1+幻+，+容3、Cl2=C2+~8l+g2~g}、"廣C2+gl_g2_g3,=C2+—gl+g3。同樣地，在3X3的Τ"^Τ"方格中，也可以以此精神，重新算出方格內(nèi)的每一個數(shù)值。上述的步驟S102到步驟S104，可以針對每一個方格不斷地重復(fù)執(zhí)行。換句話說，可將影像中的一個方格，經(jīng)過步驟S102到步驟S104處理并且輸出后，得到重建后的區(qū)塊影像，并將此影像輸出。待全部的方格皆經(jīng)過處理并輸出后，即可依照每一個方格在原本影像中的位置，重新組合這些方格，以得到重建影像。最后，在步驟S105中，則根據(jù)上述的重建影像，執(zhí)行人臉偵測步驟/流程。人臉偵測流程根據(jù)多個人臉特征，偵測影像是否具有一人臉區(qū)域。其中，人臉特征為一般人臉部上較具特征的區(qū)域，如眼睛，眉毛，鼻子或嘴巴等。執(zhí)行偵測流程時，即可利用這些特征來找出特征間的梯度方向信息，并且利用此梯度方向信息作為偵測的依據(jù)。此外，亦可根據(jù)人臉的輪廓、形狀等特征等作為偵測的依據(jù)。這些人臉特征可為數(shù)百條或是上千條，此影像在經(jīng)過這些此數(shù)百條或是上千條的特征過濾后，皆符合這些特征的區(qū)域即為人臉區(qū)域。經(jīng)由步驟SlOl到步驟S105的運算，可先計算出方格內(nèi)的梯度值，并且這些方格在經(jīng)過亮度轉(zhuǎn)換之后，可再將此梯度值重新計算出這些方格的亮度值，以保留原始畫面之中的特征。為了使此領(lǐng)域中的人士能更加了解本發(fā)明的功效，以下將以實際的數(shù)值來舉例說明。"4044"假設(shè)一個2X2的方格表示為μ^n，其第一亮度C1=45，水平梯度值為gl=465040+46-(44+50)=_8，垂直梯度值定義為&=40+44-(46+50)=-12，對角梯度值定義為g3=40+50-(44+46)=0。在進行經(jīng)過亮度轉(zhuǎn)換函數(shù)轉(zhuǎn)換時，假設(shè)亮度函數(shù)在下列區(qū)段中，輸入值與輸出值之間的關(guān)系為若是輸入值為4042時，輸出值為50；若是輸入值為4345時，輸出值為51；若是輸入值為4647時，輸出值為52；若是輸入值為4849時，輸出值為53；若是輸入值為5051時，輸出值為54。若是以現(xiàn)有的方法，將此方格直接通過亮度轉(zhuǎn)換函數(shù)進行轉(zhuǎn)換，則得到的輸出結(jié)—5051"果為m_。原本轉(zhuǎn)換前，方塊中左上與右下數(shù)值的差異為10，而轉(zhuǎn)換后差異只剩下4。因為人臉偵測常理用差異值作為判斷的門檻，所以這些數(shù)值再經(jīng)過亮度轉(zhuǎn)換之后，原本高于偵測門檻的數(shù)值，在轉(zhuǎn)換后反而低于偵測門檻。也就是說，現(xiàn)有的方法再經(jīng)過亮度轉(zhuǎn)換后，可能會使人臉偵測的成功率降低。而本發(fā)明將第一亮度C1=45經(jīng)過亮度轉(zhuǎn)換后，得到第二亮度為C2=51。之后，再根據(jù)水平梯度值gl=_8，垂直梯度值&=-12，對角梯度值g3=0，計算原本方塊中的每一個數(shù)值。根據(jù)上述的計算方法，可以得到2X2方塊中，左上、右上、左下與右下的數(shù)值分別為=。也就是說，2X2萬利用本發(fā)明所計算出的2X2方塊，左上與右下數(shù)值的差異同樣為10，也就是與轉(zhuǎn)換前的差異相同。因此，根據(jù)本發(fā)明的動態(tài)影像壓縮方法，可將影像調(diào)整至適當?shù)牧炼?，并且仍然保持像素彼此之間的差異值不會降低，藉以提高人臉偵測的成功率。除了上述的計算方式之外，本發(fā)明更可以進行以下的變化。為了進一步提高人臉偵測的成功率，可以對于水平梯度值、垂直梯度值與對角梯度值進行調(diào)整。在本發(fā)明一實施例中，水平梯度值、垂直梯度值與對角梯度值可以乘上一參數(shù)。之后，再以這些被調(diào)整后的梯度值，來計算方塊中的像素值。以上述的例子進行說明，水平梯度值、垂直梯度值與對角梯度值可先乘以2，得到調(diào)整后的水平梯度值gl=-8X2=-16，垂直梯度值&=-12X2=-24，對角梯度值g3=0。根據(jù)上述的計算方法，可以得到2X2方塊中，左上、右上、左下與右下的數(shù)值分別為A^+^^Mi、…ΜΙ++16)—24)-Q=49、44+=51+(-16)-(—24)-0=53與“=51+—(―8)-丨—12)+0=θ1。也就是說，2X2方塊為44"4149"5361J°從上述算出的結(jié)果可見，在方塊中左上與右下數(shù)值的差異從原本的10，擴大為20。此一方法，可以加強邊緣的特征，以增加辨識的成功率。除此之外，亦可以視第一亮度與第二亮度之間的差異，動態(tài)地調(diào)整梯度值。比如說，當?shù)谝涣炼扰c第二亮度差異較大時，即將梯度值適當?shù)姆糯蟆６數(shù)谝涣炼扰c第二亮度差異較小時，梯度值保持不變。綜合以上所述，在本發(fā)明中，可先計算出方格內(nèi)的梯度值，并且這些方格在經(jīng)過亮度轉(zhuǎn)換之后，可再將此梯度值重新計算出這些方格的亮度值。因此，原本方格內(nèi)的梯度值將可以被保留。當人臉偵測流程在利用梯度方向信息進行偵測時，偵測的成功率將會大幅的提升。此外，因為本發(fā)明是以每一個方格為單位，對方格內(nèi)的像素進行梯度值的計算、亮度轉(zhuǎn)換與根據(jù)梯度值重新計算亮度。所以，只要非常少量的數(shù)據(jù)需要被暫存下來進行處理與運算。也就是說，若要以硬件實現(xiàn)本發(fā)明的方法，只需要一個容量很小的內(nèi)存17即可以達成。此外，本發(fā)明的運算復(fù)雜度極低，因此非常適用在影像擷取裝置10進行實時運算。當然，本發(fā)明還可有其它多種實施例，在不背離本發(fā)明精神及其實質(zhì)的情況下，熟悉本領(lǐng)域的技術(shù)人員當可根據(jù)本發(fā)明做出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護范圍。權(quán)利要求一種用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，包括取得一原始影像，將該原始影像區(qū)分成多個區(qū)塊；計算每一個該區(qū)塊的一第一亮度與多個梯度值；根據(jù)一亮度轉(zhuǎn)換函數(shù)以及該第一亮度，計算每一個該區(qū)塊的一第二亮度；根據(jù)每一個該區(qū)塊的該第二亮度以及該多個梯度值，產(chǎn)生一重建影像；以及根據(jù)該重建影像，執(zhí)行一人臉偵測步驟。2.根據(jù)權(quán)利要求1所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，該區(qū)塊為一方格。3.根據(jù)權(quán)利要求2所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，該多個梯度值為一水平梯度值、一垂直梯度值以及一對角梯度值。4.根據(jù)權(quán)利要求1所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，在計算每一個該區(qū)塊的一第一亮度與多個梯度值的該步驟中，將該區(qū)塊的多個數(shù)值，經(jīng)過一線性轉(zhuǎn)換，以得到該第一亮度與該多個梯度值。5.根據(jù)權(quán)利要求4所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，在根據(jù)每一個該區(qū)塊的該第二亮度以及該多個梯度值，產(chǎn)生一重建影像的該步驟中，對于每一個該區(qū)塊，根據(jù)該區(qū)塊的該第二亮度以及該多個梯度值重建出一區(qū)塊影像，待重建該多個區(qū)塊影像之后，組合該多個區(qū)塊影像，以得到該重建影像。6.根據(jù)權(quán)利要求5所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，在根據(jù)該區(qū)塊的該第二亮度以及該多個梯度值重建出一區(qū)塊影像的該步驟中，將該第二亮度以及該多個梯度值，經(jīng)過該線性轉(zhuǎn)換的一逆轉(zhuǎn)換，以得到該區(qū)塊的該多個數(shù)值。7.根據(jù)權(quán)利要求4所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，在根據(jù)每一個該區(qū)塊的該第二亮度以及該多個梯度值，產(chǎn)生一重建影像的該步驟中，對于每一個該區(qū)塊，將該梯度值乘上一參數(shù)，來調(diào)整該梯度值，并以該第二亮度與被調(diào)整的該梯度值，重建出一區(qū)塊影像，待重建該多個區(qū)塊影像之后，組合該多個區(qū)塊影像，以得到該重建影像。8.根據(jù)權(quán)利要求7所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，在以該第二亮度與被調(diào)整的該梯度值，重建出一區(qū)塊影像的該步驟中，將該第二亮度以及被調(diào)整的該梯度值，經(jīng)過該線性轉(zhuǎn)換的一逆轉(zhuǎn)換，以得到該區(qū)塊的該多個數(shù)值。9.根據(jù)權(quán)利要求4所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，在根據(jù)每一個該區(qū)塊的該第二亮度以及該多個梯度值，產(chǎn)生一重建影像的該步驟中，對于每一個該區(qū)塊，根據(jù)該第一亮度與該第二亮度的差異，來調(diào)整該梯度值，并以該第二亮度與被調(diào)整的該梯度值，重建出一區(qū)塊影像，待重建該多個區(qū)塊影像之后，組合該多個區(qū)塊影像，以得到該重建影像。10.根據(jù)權(quán)利要求9所述的用于人臉偵測的動態(tài)影像壓縮方法，其特征在于，在以該第二亮度與被調(diào)整的該梯度值，重建出一區(qū)塊影像的該步驟中，將該第二亮度以及該梯度值，經(jīng)過該線性轉(zhuǎn)換的一逆轉(zhuǎn)換，以得到該區(qū)塊的該多個數(shù)值。全文摘要本發(fā)明是關(guān)于一種用于人臉偵測的動態(tài)影像壓縮方法，此方法包括以下步驟取得一原始影像，將影像區(qū)分成多個區(qū)塊；計算每一個區(qū)塊的一第一亮度與多個梯度值；根據(jù)一亮度轉(zhuǎn)換函數(shù)以及第一亮度，計算每一個區(qū)塊的一第二亮度；根據(jù)每一個該區(qū)塊的第二亮度以及多個梯度值，產(chǎn)生一重建影像；以及，根據(jù)重建影像，執(zhí)行一人臉偵測步驟。經(jīng)由本發(fā)明的方法，原本方格內(nèi)的梯度值將可以被保留。當人臉偵測流程在利用梯度方向信息進行偵測時，偵測的成功率將會大幅的提升。文檔編號H04N5/14GK101930534SQ20101015320公開日2010年12月29日申請日期2010年4月21日優(yōu)先權(quán)日2009年6月25日發(fā)明者古人豪,廖祈杰,張振強,李宜方,楊恕先,詹偉廷,高銘璨,黃昱豪申請人:原相科技股份有限公司