返回项目页面
对比文件列表
2010-08-26_US2010214419A_发明申请_US20100214419A1 Video Sharing_+++C_I_M+++.docx
2026-07-18 15:35
2011-09-01_US2011211754A_发明申请_US20110211754A1 Tracking body parts by combined color image and depth processing_+++A_B_C_D_E_F_G_I_R_S_T_U_V_Z_h_w_x_y+++.docx
2026-07-18 15:35
2011-10-20_US2011255589A_发明申请_US20110255589A1 Methods of compressing data and methods of assessing the same_+++c_g_h_i_m+++.docx
2026-07-18 15:35
2012-03-01_US2012050524A_发明申请_US20120050524A1 APPARATUS AND METHOD FOR GENERATING AN OVERVIEW IMAGE OF A PLURALITY OF IMAGES USING AN ACCURACY INFORMATION_+++C_I_e_m_u_v+++.docx
2026-07-18 15:35
2012-03-08_US2012060077A_发明申请_US20120060077A1 METHOD AND APPARATUS FOR VIDEO SYNTHESIS_+++B_C_F_I_M_a_d_e_g_h_j_k_n_u_v_w_x+++.docx
2026-07-18 15:35
2012-08-02_US2012195471A_发明申请_US20120195471A1 Moving Object Segmentation Using Depth Images_+++B_C_D_E_F_G_I_R_S_T_U_W_a+++.docx
2026-07-18 15:35
2013-03-19_US8401225B_发明授权_US08401225B2 Moving object segmentation using depth images_+++B_C_D_E_F_G_H_I_M_R_S_T_U_V_W_X_Y_Z_a+++.docx
2026-07-18 15:35
2013-10-29_US8570320B_发明授权_US08570320B2 Using a three-dimensional environment model in gameplay_+++B_C_D_E_F_I_R_S_T_U_W_Z_a_g_m_v+++.docx
2026-07-18 15:35
2014-10-16_US2014307775A_发明申请_US20140307775A1 METHOD AND DEVICE FOR PARTITIONING AN IMAGE_+++G_H_N_P_Q_c_i_j_m_o+++.docx
2026-07-18 15:35
2014-10-29_GB2513303A_发明专利_GB2513303A Method and device for partitioning an image_+++G_H_J_Q_i_m_n_o_p+++.docx
2026-07-18 15:35
2015-09-24_US2015269739A_发明申请_US20150269739A1 APPARATUS AND METHOD FOR FOREGROUND OBJECT SEGMENTATION_+++B_C_D_E_F_I_S_V_W_Z_a_g_h_u_y+++.docx
2026-07-18 15:35
2016-05-18_CN105590312A_发明公开_CN105590312A 前景图像分割方法和装置_+++B_C_D_E_F_G_H_I_S_U_V_Z_a_w+++.docx
2026-07-18 15:35
2016-08-18_US2016241776A_发明申请_US20160241776A1 DEVICE AND METHOD FOR DETECTING FOCUS OF ELECTRONIC DEVICE_+++A_B_C_D_E_F_G_I_S_U_V_W_X_Y+++.docx
2026-07-18 15:35
2017-01-24_US9552655B_发明授权_US09552655B2 Image processing via color replacement_+++A_B_C_D_E_F_G_H_I_U_V_W_Z_y+++.docx
2026-07-18 15:35
2017-05-04_US2017124717A_发明申请_US20170124717A1 METHOD AND SYSTEM OF BACKGROUND-FOREGROUND SEGMENTATION FOR IMAGE PROCESSING_+++A_B_C_D_E_F_G_I_S_V_W_Z_h_u+++.docx
2026-07-18 15:35
2017-06-22_WO2017103065A_发明申请_WO2017103065A1 GENERATING OUTPUT VIDEO FROM VIDEO STREAMS_+++B_C_D_G_H_I_J_K_L_M_N_e_f+++.docx
2026-07-18 15:35
2011-10-20_US2011255589A_发明申请_US20110255589A1 Methods of compressing data and methods of assessing the same_+++c_g_h_i_m+++.docx

对比文件名称:2011-10-20_US2011255589A_发明申请_US20110255589A1 Methods of compressing data and methods of assessing the same

目标专利名称:2013获得场景中的对象的图像数据方法、系统以及可读介质CN111295872B

本次调用的模型名称:AI专利分析模型

### 特征比对表格

技术特征及公开性判断对比文件原文引用(中文翻译及段落标号)公开性论述
技术特征A:该距离传感器与该图像传感器具有已知的空间关系,未公开无相关内容对比文件未涉及任何距离传感器或图像传感器,也未公开传感器之间的空间关系,本领域技术人员无法从对比文件中得出该技术特征。
技术特征B:该距离传感器被配置用于捕获该场景的深度信息,未公开无相关内容对比文件全程未提及距离传感器或深度信息捕获,故未公开该特征。
技术特征C:该图像传感器被配置用于捕获该场景的可见光信息,《隐含公开》段落[0003]:“…使用诸如像素亮度(luma)和颜色(chroma)值之间的平方偏差总和等简单定量测量…”(…the use of simple quantitative measurements such as RMSE and PSNR as video quality metrics implies an assumption that a human observer is sensitive only to the summed squared deviations between pixel brightness (luma) and color (chroma) values…)对比文件处理的视频数据包含亮度(luma)和色度(chroma)信息,属于可见光信息范畴。本领域技术人员公知,视频数据通常由可见光图像传感器(如摄像头)捕获,因此对比文件隐含公开了图像传感器用于捕获场景的可见光信息。
技术特征D:该方法包括获得通过该距离传感器获取的该场景的深度图,未公开无相关内容对比文件既未涉及距离传感器,也未涉及深度图的获取,故未公开。
技术特征E:分析该深度图以识别该场景中的感兴趣区域,未公开无相关内容对比文件未公开深度图,更未公开基于深度图的分析识别感兴趣区域,故未公开。
技术特征F:其中,该感兴趣区域包含该对象,未公开无相关内容该特征依赖于特征E,对比文件未公开,故未公开。
技术特征G:生成指示该感兴趣区域的选择数据,《隐含公开》段落[0025]:“方法100包括构造掩码的程序110。掩码可用于确定HVS感知或注意到参考视频与处理视频之间变化或误差的程度。” (Method 100 includes a procedure 110 of constructing a mask. A mask can be used to determine how much the HVS will perceive or notice a change or error between a referenced video and a processed video.)<br>段落[0026]:“对于视频的每一帧,相应的掩码可在帧内每一区域具有加权值。该值指示人眼将感知到帧内每一区域变化或误差的容易程度。” (For each frame of a video, a respective mask may have a weighted value for each area within the frame. This value will indicate how easily a human will perceive a change or error in each area of the frame.)<br>段落[0144]:“显著图从视频序列中提取特定特征,并使用显著模型估计视频中相应位置的显著性。” (A saliency map extracts certain features from a video sequence and, using a saliency model, estimates the saliency at corresponding locations in the video.)对比文件中的掩码(mask)或显著图(saliency map)即为指示场景中感兴趣区域(显著区域)的选择数据,因此本领域技术人员可以合理推断对比文件隐含公开了生成指示感兴趣区域的选择数据。
技术特征H:基于该选择数据,选择性地获得该感兴趣区域的图像数据,《隐含公开》段落[0043]:“如果掩码指示帧的特定区域对观看者较不显著/可感知,则可在任何压缩发生前对该区域进行预模糊。” (If the mask indicates that a particular area of a frame will be less perceptible/salient to a viewer than other areas, then that area may be preblurred before any compression occurs.)<br>段落[0048]:“掩码可用于影响压缩程序中所用编解码器。如果掩码指示帧的特定区域对观看者较不显著/可感知,则编解码器无需在压缩中如此精确。” (The mask can be used to affect the codec (or codecs) used in the compression. If the mask indicates that a particular area of a frame will be less perceptible/salient to a viewer than other areas, then the codec does not need to be as precise in the compression of the video data.)<br>段落[0163]:“可应用预处理步骤来减少输入视频非显著区域上的编码比特率…使用二维加权平均滤波器引入模糊效果,降低非显著区域的视觉质量。” (A pre-processing step method can be applied to reduce encoding bit-rate on the non-salient regions of an input video… Blurring can be performed by using a 2-D weighted average filter. Such filter will introduce blurring effects and reduce the visual quality of the non-salient region…)对比文件基于掩码/显著图(选择数据)对视频数据的不同区域施加不同处理(如模糊、降低精度),从而在最终获得的图像数据中,显著区域(感兴趣区域)保持高质量,非显著区域质量降低,这实质上相当于选择性地获得感兴趣区域的图像数据。因此,该特征被隐含公开。
技术特征I:其中,该图像数据是通过该图像传感器获取的,《隐含公开》同特征C的引用,以及对比文件全文涉及视频数据。对比文件中的视频数据必然由图像传感器(如摄像头)捕获,因此本领域技术人员可以合理推断该特征被隐含公开。
技术特征J:其中,选择性地获得该感兴趣区域的图像数据包括经由诸如总线或网络等带宽受限链路选择性地接收该感兴趣区域的图像数据,未公开段落[0006]提及“无线或基于互联网的实时视频通信服务的计算复杂度和带宽约束”(computational complexity and bandwidth constraints of wireless or Internet based real-time video communication services),但未涉及选择性接收。对比文件虽提到带宽受限网络,但未公开根据选择数据选择性地接收感兴趣区域图像数据的具体步骤,也未公开通过链路选择性接收,故未公开。
技术特征K:其中,选择性地获得该感兴趣区域的图像数据包括配置该图像传感器以选择性地获取在该感兴趣区域内的该场景的可见光信息,未公开无相关内容对比文件未涉及配置图像传感器,故未公开。
技术特征L:和/或从包括在该图像传感器中或连接到该图像传感器的存储器中选择性地读出该感兴趣区域的图像数据,未公开无相关内容对比文件未涉及从存储器选择性读出,故未公开。
技术特征M:其中,可经由网络通过流式传输从媒体源访问通过该图像传感器获取的该场景的图像数据,《隐含公开》段落[0103]:“一种能够在移动设备和网络上部署于高质量、低比特率、实时、双向视频共享服务的编解码器,该服务使用全软件移动手持客户端应用,集成了视频编码器/解码器、音频编码器/解码器、基于SIP的网络信令、以及通过实时传输协议(RTP)和实时控制协议(RTCP)的带宽自适应编解码器控制/视频传输。” (a codec capable of being deployed in high-quality, low-bit-rate, real-time, 2-way video sharing services on mobile devices and networks using an all-software mobile handset client application that integrates video encoder/decoder, audio encoder/decoder, SIP-based network signaling, and bandwidth-adaptive codec control/video transport via real-time transport protocol (RTP), and real-time control protocol (RTCP).)<br>段落[0143]:“这种服务包括实时双向视频共享、移动对移动视频会议、以及移动对互联网视频广播。” (Such services include real time two way video sharing, mobile to mobile video conferencing, and mobile to internet video broadcasting.)对比文件明确公开了视频数据可通过网络以流式传输方式(如RTP)从媒体源访问,因此该特征被隐含公开。
技术特征N:选择性地接收该图像数据包括向该媒体源发信号通知该选择数据,以请求选择性地流式传输该感兴趣区域的图像数据,未公开无相关内容对比文件未公开向媒体源发信号通知选择数据以请求选择性流式传输,故未公开。
技术特征O:其中,可经由该网络通过基于图块的流式传输从该媒体源访问通过该图像传感器获取的该场景的图像数据;并且选择数据被生成为包括一个或多个图块的标识符,未公开无相关内容对比文件未涉及基于图块的流式传输,也未公开选择数据包括图块标识符,故未公开。
技术特征P:该一个或多个图块包括该感兴趣区域的图像数据,未公开无相关内容依赖于特征O,未公开。
技术特征Q:其中,所述选择数据是基于定义可用于流式传输的不同图块之间的空间关系的空间关系描述数据而生成的,未公开无相关内容对比文件未公开空间关系描述数据,故未公开。
技术特征R:其中,识别该场景中的感兴趣区域包括获得通过该距离传感器在该对象不存在时获取的该场景的第一深度图,未公开无相关内容对比文件未涉及深度图,更未涉及有无对象时的深度图比较,故未公开。
技术特征S:获得通过该距离传感器在该对象存在时获取的该场景的第二深度图,未公开无相关内容同上,未公开。
技术特征T:基于该第一深度图与该第二深度图的比较来识别该场景中的感兴趣区域,未公开无相关内容未公开。
技术特征U:其中,识别该场景中的感兴趣区域包括将对象检测技术应用于该深度图,未公开无相关内容对比文件未涉及深度图对象检测,故未公开。
技术特征V:和/或基于对象的指示与深度传感器的接近度的深度值来在该深度图中识别该对象,未公开无相关内容未公开。
技术特征W:其中,该深度图是在第一时间实例时通过该距离传感器获取的,未公开无相关内容未公开。
技术特征X:选择性地获得的图像数据是在时间上晚于该第一时间实例的第二时间实例时通过该图像传感器获取的,未公开无相关内容对比文件未涉及深度图与图像传感器在不同时间实例获取,故未公开。
技术特征Y:生成该选择数据包括补偿该对象在该第一时间实例到该第二时间实例之间相对于该场景的移动,未公开段落[0039]提及运动对感知的影响,但未涉及补偿对象在不同时间实例间的移动以生成选择数据。对比文件虽涉及运动估计与补偿(用于视频编码),但未公开基于深度图与图像时间差补偿对象移动以生成选择数据,故未公开。
技术特征Z:进一步包括将背景去除技术应用于该感兴趣区域的图像数据,以去除该图像数据中在该对象周围的背景,未公开无相关内容对比文件未公开背景去除技术,故未公开。

### 公开性代码

根据上述判断,对比文件隐含公开了技术特征C、G、H、I、M,因此对应插入小写英文代码:

<<<c>>><<<g>>><<<h>>><<<i>>><<<m>>>

权利要求与技术特征
Powered by Django

网站备案号:渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE