[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

本申请是国际申请日为2008年1月4日、国际申请号为PCT/US2008/000092、2009年8月27日进入中国国家阶段、中国申请号为200880006422.2、名称为“用于提供个人视频服务的系统和方法”的专利申请的分案申请。

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。