[发明专利]一种裸眼立体显示方法、装置及设备在审

专利信息
申请号: 201710825543.0 申请日: 2017-09-14
公开(公告)号: CN109508574A 公开(公告)日: 2019-03-22
发明(设计)人: 唐春益 申请(专利权)人: 深圳超多维科技有限公司
主分类号: G06K9/00 分类号: G06K9/00
代理公司: 深圳市凯达知识产权事务所 44256 代理人: 刘大弯;沈荣彬
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人脸特征点 图像 裸眼立体显示 人脸区域 预测位置 立体显示效果 图像处理技术 装置及设备 立体显示 视频图像 大位移 帧图像 人脸 跟踪 保证
【权利要求书】:

1.一种裸眼立体显示方法,其特征在于,包括:

确定人脸特征点在第一图像中的位置;

基于所述人脸特征点在第一图像中的位置,确定所述人脸特征点在第二图像中的预测位置,其中,所述第一图像和所述第二图像为人脸跟踪摄像头捕获的视频图像序列中连续的两帧图像,所述第二图像为所述第一图像的下一帧图像;

根据所述人脸特征点在第二图像中的预测位置,确定所述第二图像中的人脸区域;

基于所述第二图像中的人脸区域,确定所述人脸特征点在所述第二图像中的位置;

根据所述人脸特征点在所述第二图像中的位置,进行立体显示,以使所述用户观看到的显示内容与所述用户的观看位置相适配。

2.根据权利要求1所述的裸眼立体显示方法,其特征在于,所述基于所述人脸特征点在第一图像中的位置,确定所述人脸特征点在第二图像中的预测位置,包括:

基于所述人脸特征点在第一图像中的位置以及预定预测算法,预测得到所述人脸特征点在所述第二图像中的预测位置。

3.根据权利要求2所述的裸眼立体显示方法,其特征在于,所述基于所述人脸特征点在第一图像中的位置以及预定预测算法,预测得到所述人脸特征点在第二图像中的预测位置,包括:

对于每个所述人脸特征点,将所述人脸特征点在第一图像中的位置代入至预定预测算法中,从而获取所述人脸特征点在所述第二图像中的初步预测位置,并计算所述人脸特征点的初步预测位置与所述人脸特征点在所述第一图像中的位置的差值;

基于每个所述人脸特征点的初步预测位置与所述人脸特征点在所述第一图像中的位置的差值,计算所述差值的平均值,将所述平均值作为每个所述人脸特征点各自的平均增量;

基于所述平均增量以及所述人脸特征点在所述第一图像中的位置,确定所述人脸特征点在所述第二图像中的预测位置。

4.根据权利要求1至3任一项所述的裸眼立体显示方法,其特征在于,所述确定人脸特征点在第一图像中的位置,包括:

确定所述第一图像中的人脸区域,基于所述第一图像中的人脸区域,确定人脸特征点在所述第一图像中的位置。

5.根据权利要求4所述的裸眼立体显示方法,其特征在于,所述确定所述第一图像中的人脸区域包括:

基于人脸检测算法检测所述第一图像中的人脸区域;

或者,

基于用户输入的区域指示确定所述第一图像的人脸区域;

或者,

基于预先设定的区域位置信息确定所述第一图像中的人脸区域;

或者,

确定人脸特征点在第三图像中的位置,基于所述人脸特征点在第三图像中的位置,确定所述人脸特征点在第一图像中的预测位置,其中,所述第一图像和所述第三图像为视频图像序列中连续的两帧图像,所述第一图像为所述第三图像的下一帧图像,根据所述人脸特征点在第一图像中的预测位置,确定所述第一图像中的人脸区域。

6.根据权利要求1所述的裸眼立体显示方法,其特征在于,所述基于所述第二图像中的人脸区域,确定所述人脸特征点在所述第二图像中的位置,包括:

采用监督梯度下降SDM算法或者深度学习算法在所述第二图像中的人脸区域中进行检测,确定所述人脸特征点在所述第二图像中的位置。

7.根据权利要求2或3所述的裸眼立体显示方法,其特征在于,所述预定预测算法包括卡尔曼滤波算法或均值漂移算法。

8.根据权利要求1至3任一项所述的裸眼立体显示方法,其特征在于,所述根据所述人脸特征点在所述第二图像中的位置,进行立体显示包括:

根据所述人脸特征点在所述第二图像中的位置,确定所述用户的空间观看位置信息;

根据所述用户的空间观看位置信息,进行立体显示。

9.根据权利要求1至3任一项所述的裸眼立体显示方法,其特征在于,在所述确定人脸特征点在第一图像中的位置后,所述根据所述人脸特征点在所述第二图像中的位置,进行立体显示前,所述方法还包括:

根据所述人脸特征点在所述第一图像中的位置,进行立体显示。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳超多维科技有限公司,未经深圳超多维科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710825543.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top