[发明专利]用于提供个人视频服务的系统和方法

说明书

相关申请

本申请要求对2007年1月23日提交的美国临时申请No. 60/881,979的优先权。本申请与2007年1月23日提交、标题为 “Computer Method and Apparatus for Processing Image Data”的美国临 时申请No.60/881,966和于2006年6月8日提交、标题为“Apparatus And Method For Processing Video Data”的美国临时申请 No.60/811,890号有关。本申请与2006年3月31日提交的美国申请 No.11/396,010有关，该美国申请No.11/396,010是于2006年1月20 日提交的美国申请No.11/336,366的部分继续申请，该美国申请 No.11/336,366是于2005年11月16日提交的美国申请No.11/280,625 的部分继续申请，该美国申请No.11/280,625是于2005年9月20日 提交的美国申请No.11/230,686的部分继续申请，该美国申请 No.11/230,686是现为美国专利No.7,158,680、于2005年7月28日 提交的美国申请No.11/191,562的部分继续申请。通过整体引用将各 前述申请结合于此。

背景技术

随着数字视频近来迅速普及，对视频压缩的需求已经急剧增 加。视频压缩减少了存储和传输数字媒体所需的比特数。视频数据 包含空间冗余性和时间冗余性，并且可以通过登记(register)帧内 (空间)和帧间(时间)的差值来对这些空间和时间相似性进行编 码。执行压缩的硬件或软件称为编码解码器(编码器/解码器)。编 码解码器是能够对数字信号进行编码和解码的设备或软件。由于数 据密集的数字视频应用已经变得无处不在，所以需要更高效的信号 编码方式。因此，视频压缩现在已经成为存储和通信技术中的一个 中心组成。

编码解码器常常使用于许多不同技术如视频会议、视频博客和 其它流媒体应用(例如视频播客(podcast))中。通常，视频会议 或视频博客系统实时提供对音频和视频流的数字压缩。视频会议和 视频博客的问题之一在于许多参与者受困于外观感受。然而，在纯 音频通信中，呈现可接受的屏上(on-screen)外观这一负担并不是 一个问题。

视频会议和视频博客带来的另一问题在于信息压缩可能造成 视频质量下降。压缩率是视频会议中的最重要因素之一，因为压缩 率越高，视频会议信息传输越快。遗憾的是，利用常规视频压缩方 案，压缩率越高，视频质量越低。压缩视频流常常造成不良的图像 和不良的声音质量。

一般而言，常规视频压缩方案受困于形式上表现为低数据通信 速度、大量储存要求和干扰感知效果的诸多低效性。这些阻碍可能 给需要容易、高效地操控视频数据而不牺牲质量(对于人们所具有 的对某些形式的视觉信息的先天敏感性而言，这尤为重要)的各种 用户带来严重问题。

在视频压缩中通常要考虑的诸多关键因素包括：视频质量和比 特率、编码和解码算法的计算复杂度、对数据损失和错误的抗扰性 以及延时。随着数量越来越多的视频数据充斥因特网，可以明显缓 解拥塞或提高质量的技术不仅对于计算机而且对于电视机、蜂窝电 话和其它手持设备而言都代表一种重大突破。

发明内容

提供用于处理视频的系统和方法，以取得相对于本领域现有技 术方法而言的计算上和分析上的优点。提供视频压缩技术，以减少 在视频会议或视频博客应用中存储和传输数字媒体所需的比特数。 创建视频会议参与者的照片真实感头像表示。该头像表示可以基于 视频流中描绘会议参与者的部分。基于对象的视频压缩算法可以使 用脸部检测器(如Violla-Jones脸部检测器)对会议参与者的脸部进 行检测、跟踪和分类。基于所检测的脸部，并结合普通脸部的预定 对象模型的配准，创建用于结构、形变、外观和照明的对象模型。 这些对象模型用来创建视频会议参与者的隐式表示，并由此生成视 频会议参与者的照片真实感头像表示。

这一描绘可以是视频会议参与者脸部的逼真版本。其在用户的 外貌和表情方面可以是准确的。原始捕获帧的其它部分可以通过较 低的精度来描绘。可以对每个唯一的用户执行一次短校准会话。这 将使系统能够初始化压缩算法并且创建对象模型。优选地，后续视 频会议会话将无需附加校准。