專利名稱：運動視頻的全景圖合成方法
技術領域：
本發(fā)明涉及一種圖像處理方法，具體地說，涉及一種由運動視頻合成全景圖的方法。
背景技術：
全景圖是指通常由一系列互相重疊的圖像生成的描述一個連續(xù)景色的圖像。全景圖合成是指由描述連續(xù)場景的一系列局部圖像，合成一個單一的、展現(xiàn)整個場景全貌的圖像。利用視頻合成全景圖是將一段視頻中的一系列幀圖像合成為一個單一的、展現(xiàn)整個場景全貌的圖像。全景圖合成技術在虛擬現(xiàn)實、圖像編碼等領域有著廣泛的應用。
全景圖合成技術在運動視頻中，可以得到廣泛的應用。例如，根據(jù)體育運動的視頻片斷合成全景圖，輔助運動員和教練員的比賽和訓練，是全景圖合成的新應用。運動視頻通常包含有一個運動對象作為視頻的前景，而將視頻中除前景之外的圖像稱之為背景。如圖1所示的一副合成后全景圖，該全景圖在一幅圖像中同時展現(xiàn)了背景的全貌和運動對象(圖1中的運動員)的一系列動作，比讓運動員去看錄像回放分析之前動作的得失，顯得更為直觀。
由于運動視頻的特殊性，使運動視頻的全景圖有著不同于傳統(tǒng)應用的特點，對全景圖合成提出了新的要求。在傳統(tǒng)的應用中，全景圖獲取的是場景中靜態(tài)的沒有移動的背景，而在運動視頻的全景圖中，不僅要完整的構建出運動場景的背景全景圖，更要求在背景上展現(xiàn)出一系列的前景(運動對象的圖像)，表現(xiàn)出運動的軌跡和動作的細節(jié)。相對于視頻本身，全景圖提供的信息更直觀、更全面。從技術實現(xiàn)來看，運動視頻的源圖像具有連續(xù)性強、運動劇烈、有明顯的前景存在等特點，造成了背景全景圖合成的難度較大。而如何將前景的運動對象的動作清晰的疊加到生成的背景上，目前還缺少深入的研究。
在現(xiàn)有運動視頻的全景圖合成方法中，有采用拼接的方法進行背景全景圖的合成。拼接法是依次將各幀投影到背景坐標系中，如果原來某塊區(qū)域尚未賦值，就將該幀賦給背景全局，該方法就像在一點一點地打補丁。利用該方法在前景很大而且攝像機移動很快的情況下，就難保會有一些前景區(qū)域被錯加到背景全景圖上。此外，使用拼接法時第一幀的前景區(qū)域無法消除，一個完整的背景全景圖上還留著那一幀的運動前景的圖像，需要用其他算法再次消除，這樣做并不方便。

發(fā)明內容
本發(fā)明的目的是解決現(xiàn)有的全景圖合成技術無法克服運動視頻圖像連續(xù)性強、運動劇烈、有明顯的前景存在等缺陷，提供一種能很好地表現(xiàn)出運動對象動作的過程和細節(jié)的全景圖合成方法。
為實現(xiàn)上述目的，本發(fā)明提供了一種運動視頻的全景圖合成方法，用于將一段運動視頻中的多個視頻幀合成為一個全景圖，所述運動視頻中包含有運動前景和背景，每一個視頻幀中都包含有運動前景和部分背景，所述全景圖中包含有該運動視頻中的背景全貌和一系列運動前景；該方法包括用所述多個視頻幀生成一描述運動視頻中背景全貌的背景全景圖；分別提取出所述多個視頻幀中的運動前景；將提取出的運動前景疊加到背景全景圖中。
在上述方案中，還包括在所述多個視頻幀中的一個視頻幀上建立一全景圖坐標系，所述全景圖在該全景圖坐標系上合成。
在上述方案中，所述背景全景圖的生成包括步驟對所述多個視頻幀之間相對的全局運動進行全局運動估計；根據(jù)所述多個視頻幀之間的全局運動估計，將所述多個視頻幀映射到所述全景圖坐標系中，得到所述全景圖在全景圖坐標系中的范圍；根據(jù)所述多個視頻幀之間的全局運動估計，尋找全景圖范圍內每一個點在所述多個視頻幀中對應的像素點；將尋找到的所有像素點的像素值中值，作為全景圖中該點的像素值，以構成背景全景圖。
在上述方案中，所述的全局運動估計包括初步估計步驟，采用Konrad算法對兩個視頻幀之間相對的全局運動進行全局運動估計，得到初步全局運動參數(shù)；二步估計步驟，采用基于Fisher線性判別準則的外點過濾算法對初步估計步驟中得到的初步全局運動參數(shù)進行處理，得到全局運動參數(shù)。
在上述方案中，所述的從多個視頻幀中提取運動前景包括將所述多個視頻幀投影到全景圖坐標系，每一個視頻幀在投影后到一個投影幀圖像；將投影幀圖像與背景全景圖作差值運算，得到一灰度圖像；對所述灰度圖像作二值化，得到一可作為前景-背景模板的二值化圖像；依據(jù)所述二值化圖像提取出視頻幀中的運動前景。
在上述方案中對所述灰度圖像作中值濾波，以消除灰度圖像中的噪聲。
在上述方案中對所述二值化圖像作形態(tài)學處理，以消除二值化圖像中的噪聲。
在上述方案中，還包括將所提取的多個視頻幀的前景疊加為一個前景全景圖；將所述前景全景圖疊加到所述背景全景圖中。
在上述方案中，在對多個視頻幀的前景進行疊加時，對于在全景圖中重疊的部分，采用了ALPHA混合的方法，并對在所述多個視頻幀組成的幀序列中靠后的視頻幀給予不小于靠前視頻幀的權重。
本發(fā)明的方法優(yōu)點在于1、本方法對于攝影機運動劇烈或前景運動劇烈的情況也同樣有效。
2、最后得到的結果中前景(運動對象圖像)非常清晰，能很好的表現(xiàn)出運動對象動作的過程和細節(jié)。


圖1為一個示例性的全景圖。
圖2為本發(fā)明方法的流程圖。
具體實施例方式
下面結合附圖和具體實施方式
對本發(fā)明作進一步詳細描述。
圖2示出了依照本發(fā)明的一個運動視頻的全景圖合成方法實施例的流程圖。
在運動視頻的拍攝過程中，攝像機的運動會造成視頻圖像背景的運動，這種運動形式就被稱為全局運動。與全局運動相對應的為局部運動，局部運動指運動對象動作造成的前景的運動。前景與背景是一對相對的概念，在本發(fā)明所應用的運動視頻中，前景是指視頻中的運動對象本身，背景是指視頻中除去運動對象以外的部分。
如圖2所示，在步驟101中，從一段運動視頻中提取出待合成的多個視頻幀，該多個視頻幀通常是視頻中按時間順序拍攝的視頻幀序列。多個視頻幀描述了運動對象或者說運動前景在背景中的一系列運動狀態(tài)。
在步驟102中建立全景圖坐標系。首先為多個視頻幀的每一幀圖像建立自身的坐標系，則該幀圖像中像素點的坐標反映了該像素點在該幀圖像中的位置。但是，由于全局運動的存在，背景中的同一點在不同的視頻幀中會有不同的坐標。在構造全景圖時，所有像素必須投影到一個統(tǒng)一的坐標系，因此，需要建立一個統(tǒng)一的坐標系，可稱之為全景圖坐標系。通常，全景圖坐標系可以選定為多個視頻幀中任一視頻幀的坐標系，該被選定的視頻幀可稱為參照幀。優(yōu)選地，可以將多個視頻幀中的第一個視頻幀作為參照幀，并將該參照幀的坐標系作為全景圖坐標系。
在步驟103中，對視頻幀之間相對的全局運動進行全局運動估計，得到全局運動參數(shù)。通常，可對多個視頻幀中的每相鄰兩幀之間全局運動進行估計，從而可通過遞推計算出各視頻幀相對于前述參照幀的全局運動。這樣可以得到各視頻幀坐標系相對于全景圖坐標系的變換參數(shù)。
相鄰圖像幀之間的全局運動的規(guī)律可由全局運動參數(shù)表征，根據(jù)全局運動估計所針對的場景的不同，可以選用不同的參數(shù)模型。在本發(fā)明的一個實施例中選用六參數(shù)的仿射運動模型設(xi，yi)T是某像素點在當前幀圖像中的位置，(x′i，y′i)T是該像素點在上一幀圖像中的位置，則兩者之間的關系可表示為xi′=(a0+a2xi+a3yi)yi′=(a1+a4xi+a5yi)]]>或xi′yi′=Axiyi+T]]>其中A=a2a3a4a5,]]>表示攝像機的縮放和旋轉運動；T=a0a1,]]>表示攝像機的平移運動。
為了求解全局運動的A和T，本發(fā)明采用兩步估計法首先利用MPEG-4校驗模型所采用的Konrad算法，得到初步的估計結果；然后，為了消除特征匹配誤差、局部運動等噪聲數(shù)據(jù)(即外點)的干擾，采用基于Fisher線性判別準則的外點過濾算法進行二步估計，得到更準確的全局運動估計。與本發(fā)明采用的兩步估計法相比，傳統(tǒng)方法只用第一步算法或其它類似算法做估計，這樣做容易受前景運動的影響，所得到的全局運動參數(shù)不太準確。
關于Konrad算法可參見參考文獻1Frédéric Dufaux and JanuszKonrad.Efficient，Robust，and Fast Global Motion Estimation for VideoCoding.IEEE Transactions On Image Processing，Vol.9，No.3，March 2000。
對Konrad算法進行簡單描述，它的運算過程為1)對輸入的兩幀圖像縮小形成不同分辨率的三對圖像，形成三層金字塔結構，其中第三層分辨率最低，第二層分辨率較高，第一層是原圖像，其分辨率最高；2)對第三層圖像用修正的n步搜索法進行預估計；3)按從上到下的順序，在金字塔的每一層，用梯度下降法進行迭代運算，直到一個迭代收斂條件滿足為止。
利用Konrad算法進行初步估計以后，得到初步估計結果或者說初步全局運動參數(shù)A*和T*。初步估計的A*和T*是圖像整體進行估計的結果，在進行塊匹配時，由于前景部分的運動和背景的運動不同，將兩者混在一起估計所得到的結果不能有效描述背景的(也就是全局的)運動。因此本發(fā)明還采用基于Fisher線性判別準則的外點過濾算法進行二步估計。
Fisher線性判別準則是模式識別里的一個基本概念，它是根據(jù)特征將一系列樣本進行分類的一個算法。基于Fisher線性判別準則的外點過濾算法的基本方法是1)在幀圖像中選取一個框形區(qū)域，避開圖像邊緣和最有可能存在前景的圖像中間部分，對框形區(qū)域中的圖像分塊進行塊匹配搜索，得到一組特征點對{(u1，u1’)，…，(uN，uN’)}。所述的塊匹配搜索采用了一般的視頻編碼中通用的塊匹配算法，在本發(fā)明中為了減少計算量并提高匹配精度，只選取方差大于圖像方差二分之一的塊去進行匹配搜索。所述的特征點對的選取是在找到的一對一對相互匹配的塊中，取它們左上角的像素作為特征點對。
2)得到前述的一組特征點對{(u1，u1’)，…，(uN，uN’)}后，用兩步估計法中的第一步得到的全局運動初步估計值A*和T*計算每個點對的估計殘差ri=ui′-A*ui-T*]]>根據(jù)本公式，可以得到每個點對的殘差，以殘差為特征，用Fisher線性判別準則可以將各個分成兩個集合，殘差大的為外點，殘差小的為內點。對外點進行濾除，在濾除外點后，用剩余內點集合重新估計全局運動。交替進行外點過濾和從剩余內點進行參數(shù)估計，通常不超過10次迭代就可以達到收斂條件，得到比較準確的估計結果。
從第二步估計的算法中可以看到，在二步估計中區(qū)分了前景和背景，從背景的特征點對計算全局運動，所得到的全局運動參數(shù)更為準確。
在步驟104中，根據(jù)步驟103得到的多個視頻幀中的相鄰幀間的全局運動參數(shù)后，則可以利用遞推迭代的方法得到任意兩幀之間的點相互投影時的變換參數(shù)。這樣，在一個實施例中，當將多個視頻幀中的第一幀作為參照幀時，根據(jù)步驟103中的全局運動參數(shù)，可以得到第一幀中的像素點投影到其它各個幀的坐標系的對齊變換參數(shù)Ai-＞1和Ti-＞1(i＝2，3…N)，利用對齊變換參數(shù)Ai-＞1和Ti-＞1，有xiyi=Ai->1x1y1+Ti->1]]>上面這一公式表示由第一幀中的點的坐標，利用相應的對齊變換參數(shù)Ai-＞1和Ti-＞1，可以求得該點投影到第i幀中的坐標。同樣，也可以得到反對齊變換參數(shù)A1-＞i和T1-＞i(i＝2，3…N)，有x1y1=A1->ixiyi+T1->i]]>上面這一公式表示由在第i幀中的點的坐標，利用相應的反對齊變換參數(shù)A1-＞i和T1-＞i，可以求得該點投影到第一幀坐標系中的坐標。
在步驟105中，確定待合成的全景圖在全景圖坐標系中的范圍。仍然以第一幀為參照幀為例，在求得第一幀到各幀的對齊及反對齊參數(shù)后，首先要確定全景圖的尺寸，即各幀投影到全景圖坐標系后的范圍。具體做法是分別取第2～N幀的四個頂點，用反對齊變換求得它們在全景圖坐標系上的坐標。取X方向的最大值xmax和最小值xmin，Y方向的最大值ymax和最小值ymin。則全景圖寬w＝xmax-xmin，高h＝y(tǒng)max-ymin。
在步驟106中，為全景圖中每一個點都生成一個信息鏈表。由對齊變換，可以得到全景圖上的點投影到各幀坐標系中的坐標，判斷是否在該幀存在對應點。對于全景圖上一個點，它既可能是一個非圖像區(qū)域的點，即在所有幀都沒有對應點；也可能只在一幀有對應點，或者在多個幀中都有對應點。對全景圖的每一個點都生成一個鏈表，這個點在哪些幀上有對應點，就將這些對應點的像素值加入鏈表，鏈表長度由0到N不等(0表示非圖像區(qū)域)。例如全景圖范圍內的一個點在五個視頻幀中存在對應點，則該點的鏈表長度就是五。
在步驟107中，生成背景全景圖。全景圖范圍內每個點的鏈表上包含的值可能既有背景，又有前景和噪聲，就需要從中求得最有可能代表背景的值賦給全景圖。通常情況下，鏈表中前景和噪聲的個數(shù)總是少于背景的個數(shù)，因此采用中值法得到全景圖的像素值。中值法具體而言就是將對應一點的所有元素的RGB值排序并將其中間值賦給背景全景圖。
下面介紹中值法的具體實現(xiàn)，假設全景圖上某一點的鏈表為(v0，v1，v2，…，vL)(0＜L＜＝N-1)，其中vi＝(Ri，Gi，Bi)T是表示像素RGB值的向量，鏈表按照對應的幀號先后排序。將一個鏈表中所有的元素的RGB值進行排序，得到R0′,R1′,R2′,...RL-1′G0′,G1′,G2′,...GL-1′B0′,B1′,B2′,...BL-1′=(v0′,v1′,v2′,...vL-1′)]]>其中R0′≤R1′≤R2′≤...≤RL-1′G0′≤G1′≤G2′≤...≤GL-1′B0′≤B1′≤B2′≤...≤BL-1′]]>然后取其中間的值賦給全景圖，則基本可以代表背景的信息。由于在前文已提到鏈表中前景和噪聲的個數(shù)總是少于背景的個數(shù)，所以取中間值基本可以保證賦給背景全景圖的是背景的像素值而不是前景和噪聲的像素值。
當全景圖范圍內的每個點都通過上述方法賦以像素值后，則得到背景全景圖。
在步驟108中，提取多個視頻幀上的前景區(qū)域。對于多個視頻幀中的每一個視頻幀，將視頻幀作仿射變換投影到全景圖的坐標系上。用反對齊變換參數(shù)求當前視頻幀的四個頂點在全景圖坐標系下的坐標，獲得一個該幀的投影后的范圍。在這個范圍之內，用投影幀圖像和背景全景圖作差值，得到一個表示差值的灰度圖像?；叶葓D是反映圖像中各像素點亮度信息的圖像，它用來反映幀與幀之間像素變化的程度。差值的公式為ε(x，y)＝|RF(x，y)-RB(x，y)|+|GF(x，y)-GB(x，y)|+|BF(x，y)-BB(x，y)|D(x,y)=0ϵ(x,y)<ϵ0ϵ(x,y)ϵ0≤ϵ(x,y)≤255255ϵ(x,y)>255]]>其中x、y為全景圖的坐標，RF(x，y)、GF(x，y)、BF(x，y)為投影幀圖像的RGB值，RB(x，y)、GB(x，y)、BB(x，y)為背景全景圖RGB值，D(x，y)為差值圖的灰度，ε0是一個閾值，用于濾除因光照等原因造成的一些輕微差異，該閥值的大小對于本領域的技術人員而言是很容易確定的。
作差值得到的灰度圖像中存在有噪聲，包括一些小的區(qū)域和一些條紋。造成這些噪聲的原因主要有兩個一是采用中值法得到的背景全景圖相當于進行過平滑濾波，比之投影的幀圖像要模糊，在部分區(qū)域會產生較大的差值；二是由于全局運動參數(shù)的誤差使投影后的幀圖像坐標也會存在誤差，前景和背景之間物體的邊緣無法對齊，在差值圖上產生一些條紋。對圖像紋理較密的區(qū)域，這種情況尤其明顯。因此，優(yōu)選先對作差值得到的灰度圖像進行中值濾波，去除那些細條紋狀以及小塊孤立的噪聲，同時對前景區(qū)域的差值起到平滑的作用。然后對中值濾波后的灰度圖像做二值化處理，二值化是圖像處理里的基本方法，指將灰度圖像中亮度大于某個值的點都變成白的，小于某個值的點變成黑的，從而得到一幅黑白兩色的圖像。作二值化得到的黑白圖像可以理解為一個描述前景-背景的模板，在該模板中，黑的部分對應背景區(qū)域，白的部分對應前景區(qū)域。該模板的作用是可以把投影的幀圖像中對應白色區(qū)域的前景部分取出來以合成前景全景圖。最后用形態(tài)學的方法處理所得到的二值化圖像首先，對二值化圖像進行一次閉運算，填補前景區(qū)域中的小洞，柔化大塊區(qū)域邊緣；之后再進行一次開運算，將小塊的噪聲區(qū)域消除。經過形態(tài)學的處理，基本消除了小塊的噪聲，得到了前景區(qū)域的準確輪廓，或者說得到一個精確的模板。
將最后所得到二值化圖像作為模板可以將每一個視頻幀中的前景區(qū)域內的圖像(即視頻幀的前景)準確地提取出來。
在步驟109中，生成一個與背景全景圖尺寸相同的底板，將從多個視頻幀中提取出來的前景區(qū)域疊加到該底板上，以形成一個前景全景圖。
得到每一個視頻幀的前景區(qū)域模板后，也就可以得到投影后的前景圖像。為了防止和背景中原有的像素互相干擾，首先生成一個只有各幀前景構成的前景全景圖，然后再疊加到背景全景圖上。合成前景全景圖的關鍵就是各幀前景區(qū)域在前景全景圖上相互重疊的部分如何處理。
當前景全景圖上的一個點只與一個待疊加的幀上處于前景區(qū)域的點對應，也就是說該點沒有重疊，則直接將該待疊加幀上前景區(qū)域的對應點的像素值賦值給底板。當前景全景圖上的一個點與多個待疊加的幀上處于前景區(qū)域的多個點對應，也就是說該點有重疊時，在本發(fā)明，為了更好的體現(xiàn)出運動對象的動作過程，優(yōu)選對這多個點的像素值以不同的權值進行ALPHA融合疊加。通常是，對于多個重疊的待疊加幀，對在幀序列中靠后的也就是較新的幀給予不小于靠前幀的權重。這樣的結果是，在重疊的部分，運動對象靠后的動作通常顯得更為清晰。ALPHA融合是一種現(xiàn)有技術，它的目的是將兩幅圖像中的像素點逐點合成為一幅圖像，做到在同一幅圖中反映原來兩幅圖的內容。
在一個實施中，對于重疊區(qū)域，在按照視頻幀序列順序將其各自前景疊加到底板上時，給予當前疊加幀像素點的像素值50％的權重，而給予之前已經疊加到底板上的像素值50％的權重。。這樣，假設有同一點上疊加兩幀的話兩者像素各占1/2；疊加上第三幀則前兩幀各占1/4，第三幀占1/2；疊加上第四幀則前兩幀各占1/8，第三幀占1/4，第四幀占1/2；依次類推。這樣將各個待疊加幀疊加上去，得到前景全景圖。
在步驟110中，將前景全景圖中除底板外的部分疊加到背景全景圖上，得到最終所需要的全景圖。
權利要求
1.一種運動視頻的全景圖合成方法，用于將一段運動視頻中的多個視頻幀合成為一個全景圖，所述運動視頻中包含有運動前景和背景，每一個視頻幀中都包含有運動前景和部分背景，所述全景圖中包含有該運動視頻中的背景全貌和一系列運動前景；該方法包括用所述多個視頻幀生成一描述運動視頻中背景全貌的背景全景圖；分別提取出所述多個視頻幀中的運動前景；將提取出的運動前景疊加到背景全景圖中。
2.根據(jù)權利要求1所述的運動視頻的全景圖合成方法，其特征在于，還包括在所述多個視頻幀中的一個視頻幀上建立一全景圖坐標系，所述全景圖在該全景圖坐標系上合成。
3.根據(jù)權利要求2所述的運動視頻的全景圖合成方法，其特征在于，所述背景全景圖的生成包括步驟對所述多個視頻幀之間相對的全局運動進行全局運動估計；根據(jù)所述多個視頻幀之間的全局運動估計，將所述多個視頻幀映射到所述全景圖坐標系中，得到所述全景圖在全景圖坐標系中的范圍；根據(jù)所述多個視頻幀之間的全局運動估計，尋找全景圖范圍內每一個點在所述多個視頻幀中對應的像素點；將尋找到的所有像素點的像素值中值，作為全景圖中該點的像素值，以構成背景全景圖。
4.根據(jù)權利要求3所述的運動視頻的全景圖合成方法，其特征在于，所述的全局運動估計包括初步估計步驟，采用Konrad算法對兩個視頻幀之間相對的全局運動進行全局運動估計，得到初步全局運動參數(shù)；二步估計步驟，采用基于Fisher線性判別準則的外點過濾算法對初步估計步驟中得到的初步全局運動參數(shù)進行處理，得到全局運動參數(shù)。
5.根據(jù)權利要求2所述的運動視頻的全景圖合成方法，其特征在于，所述的從多個視頻幀中提取運動前景包括將所述多個視頻幀投影到全景圖坐標系，每一個視頻幀在投影后到一個投影幀圖像；將投影幀圖像與背景全景圖作差值運算，得到一灰度圖像；對所述灰度圖像作二值化，得到一可作為前景-背景模板的二值化圖像；依據(jù)所述二值化圖像提取出視頻幀中的運動前景。
6.根據(jù)權利要求5所述的運動視頻的全景圖合成方法，其特征在于，還包括對所述灰度圖像作中值濾波，以消除灰度圖像中的噪聲。
7.根據(jù)權利要求5所述的運動視頻的全景圖合成方法，其特征在于，還包括對所述二值化圖像作形態(tài)學處理，以消除二值化圖像中的噪聲。
8.根據(jù)權利要求1所述的運動視頻的全景圖合成方法，其特征在于，還包括將所提取的多個視頻幀的前景疊加為一個前景全景圖；將所述前景全景圖疊加到所述背景全景圖中。
9.根據(jù)權利要求1或8所述的運動視頻的全景圖合成方法，其特征在于，在對多個視頻幀的前景進行疊加時，對于在全景圖中重疊的部分，采用了ALPHA混合的方法，并對在所述多個視頻幀組成的幀序列中靠后的視頻幀給予不小于靠前視頻幀的權重。
全文摘要
本發(fā)明公開了一種運動視頻的全景圖合成方法，用于將一段運動視頻中的多個視頻幀合成為一個全景圖，所述運動視頻中包含有運動前景和背景，每一個視頻幀中都包含有運動前景和部分背景，所述全景圖中包含有該運動視頻中的背景全貌和一系列運動前景；該方法包括用所述多個視頻幀生成一描述運動視頻中背景全貌的背景全景圖；分別提取出所述多個視頻幀中的運動前景；將提取出的運動前景疊加到背景全景圖中。本發(fā)明所述方法的優(yōu)點在于本方法對于攝影機運動劇烈或前景運動劇烈的情況也同樣有效；最后得到的結果中前景非常清晰，能很好的表現(xiàn)出運動對象動作的過程和細節(jié)。
文檔編號H04N5/272GK1756313SQ20041008102
公開日2006年4月5日 申請日期2004年9月30日 優(yōu)先權日2004年9月30日
發(fā)明者陶焜, 林守勛, 張勇東 申請人:中國科學院計算技術研究所