JP2018507495A

JP2018507495A - 特徴抽出方法及び装置

Info

Publication number: JP2018507495A
Application number: JP2017552216A
Authority: JP
Inventors: ▲飛▼ ▲龍▼; 志▲軍▼ ▲陳▼; 涛 ▲張▼
Original assignee: Xiaomi Inc
Current assignee: Xiaomi Inc
Priority date: 2015-11-25
Filing date: 2015-12-29
Publication date: 2018-03-15
Also published as: RU2016110719A; MX360590B; CN105654092B; US20170147899A1; US10282637B2; KR101756605B1; EP3173978A1; WO2017088250A1; RU2635267C2; CN105654092A; MX2016003767A; KR20170074215A

Abstract

【課題】本発明は特徴抽出方法及び装置を開示し、画像処理技術分野に属する。【解決手段】特徴抽出方法は、画像を複数のセルを含む複数のブロックに区分することと、各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得することと、スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出することとを含み、スパース信号分解後の画像に対してＨＯＧ特徴を抽出することにより、ＨＯＧ特徴の抽出過程における画像の空間領域に対して直接的に計算して取得することによるパターン認識における検出率及び正確度が低いという問題を解決する。周波数領域における画像のＨＯＧ特徴の抽出を実現し、パターン認識における検出率及び正確度を向上させる効果を達成している。【選択図】図１

Description

本発明は画像処理技術分野に関し、特に特徴抽出方法及び装置に関する。

本発明は出願番号が２０１５１０８２７７５３．４であり、出願日が２０１５年１１月２５日である中国特許出願に基づいて提出され、該中国特許出願の優先権を主張し、該中国特許出願の全ての内容はここで参考として本発明に援用される。

画像検出と認識はコンピュータビジョンにおける一つの重要な研究分野である。画像検出と認識技術において最もよく使われる方法は、画像におけるある特徴を抽出することにより、画像に対して検出と認識を行う。

関わる技術において、画像のＨＯＧ（ＨｉｓｔｏｇｒａｍｏｆＯｒｉｅｎｔｅｄＧｒａｄｉｅｎｔ、勾配方向ヒストグラム）特徴を抽出することにより、画像に対して検出と認識を行う。ＨＯＧ特徴抽出の方法は、画像における各画素の勾配を計算することと、画像を複数の画素を含む複数のセルに区分し、各隣接するｎ個のセルを一つのブロックに形成することと、各セルにおける全ての画素の勾配ヒストグラムを統計し、各ブロックにおける全てのセルの勾配ヒストグラムに基づき、各ブロックのＨＯＧ特徴を取得することと、画像における全てのブロックのＨＯＧ特徴を統計し画像のＨＯＧ特徴を取得することと、を含む。

関わる技術に存在する問題を解決するために、本発明は特徴抽出方法及び装置を提供する。当該技術的解決手段は以下のとおりである。

本発明の実施例の第１態様によれば、
画像を複数のセルを含む複数のブロックに区分することと、
各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得することと、
スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出することと、
を含む特徴抽出方法を提供している。

好ましい実施例において、各セルに対してスパース信号分解を行い、各セルに対応するスパースベクトルを取得することは、
各セルにおける画素をｎ＊１次元のベクトルに調整することと、
下記の数１を用いて、各セルにおけるベクトルに対してスパース信号分解を行い、対応するスパースベクトルを取得することと、を含み、

ｙは各セルにおけるベクトルであり、Ｄは予め与えられた過完備辞書であり、ｘは過完備辞書Ｄにおいてｙをスパース化して得られたスパースベクトルであり、||ｘ||_１はスパースベクトルｘの各列の絶対値の和を求めることを示し、各スパースベクトルはｍ＊１次元のベクトルであり、過完備辞書Ｄはｎ＊ｍの行列である。

好ましい実施例において、スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出することは、
スパースベクトルに基づき、各セルの勾配の大きさと勾配の方向を計算し、各セルの記述子を取得することと、
各ブロック内の各記述子を統計し、各ブロックのＨＯＧ特徴を取得することと、
画像における各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得することと、を含む。

好ましい実施例において、画像における各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得することは、
画像における各ブロックのＨＯＧ特徴を一つの列として一つの行列に直列接続することを含む。

好ましい実施例において、画像における各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得することは、
画像における、Ｍ＊Ｎ個の画素を含む各ブロックのＨＯＧ特徴を初期のＬ＊１次元ベクトルからＭ＊Ｎの行列（Ｌ＝Ｍ＊Ｎ）に調整することと、
各ブロックの調整後のＨＯＧ特徴と画像における各ブロックの対応する位置に基づき、画像のＨＯＧ特徴を取得することと、を含む。

好ましい実施例において、該方法は、さらに、
画像に対して正規化処理を行い、所定のサイズの画像を取得することを含む。

本発明の実施例の第２態様によれば、
画像を複数のセルを含む複数のブロックに区分するように配置された区分モジュールと、
各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得するように配置された分解モジュールと、
スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出するように配置された抽出モジュールと、
を含む特徴抽出装置を提供している。

好ましい実施例において、分解モジュールは、
各セルにおける画素をｎ＊１次元のベクトルに調整するように配置された第１調整サブモジュールと、
下記の数２を用いて、各セルにおけるベクトルに対してスパース信号分解を行い、対応するスパースベクトルを取得するように配置された信号分解サブモジュールと、を含み、

ｙは各セルにおけるベクトルであり、Ｄは予め与えられた過完備辞書であり、ｘは過完備辞書Ｄにおいてｙをスパース化して得られたスパースベクトルであり、||ｘ||_１はスパースベクトルｘの各例の絶対値の和を求めることを示し、各スパースベクトルはｍ＊１次元のベクトルであり、過完備辞書Ｄはｎ＊ｍの行列である。

好ましい実施例において、抽出モジュールは、
スパースベクトルに基づき、各セルの勾配の大きさと勾配の方向を計算し、各セルの記述子を取得するように配置された計算サブモジュールと、
各ブロック内の各記述子を統計し、各ブロックのＨＯＧ特徴を取得するように配置された第１統計サブモジュールと、
画像における各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得するように配置された第２統計サブモジュールと、を含む。

好ましい実施例において、第２統計サブモジュールは、画像における各ブロックのＨＯＧ特徴を一つの列として一つの行列に直列接続し、画像のＨＯＧ特徴を取得するように配置される。

好ましい実施例において、第２統計サブモジュールは、
画像における、Ｍ＊Ｎ個の画素を含む各ブロックのＨＯＧ特徴を初期のＬ＊１次元ベクトルからＭ＊Ｎの行列（Ｌ＝Ｍ＊Ｎ）に調整するように配置された第２調整サブモジュールと、
各ブロックの調整後のＨＯＧ特徴と画像における各ブロックの対応する位置に基づき、画像のＨＯＧ特徴を取得するように配置された特徴抽出サブモジュールと、を含む。

好ましい実施例において、該装置は、さらに、
画像に対して正規化処理を行い、所定のサイズの画像を取得するように配置された処理モジュールを含む。

本発明の実施例の第３態様によれば、
画像を複数のセルを含む複数のブロックに区分し、
各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得し、
スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出するように配置されたプロセッサと、
プロセッサにより実行可能なコマンドを記憶するメモリと、
を含む特徴抽出装置を提供している。

本発明の実施例により提供される技術的解決手段は、下記の好適な効果を含むことができる。

画像を複数のセルを含むブロックに区分することと、各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得することと、スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出することにより、ＨＯＧ特徴の抽出過程における画像の空間領域に対して直接的に計算して取得することによるパターン認識における検出率及び正確度が低いという問題を解決し、周波数領域における画像のＨＯＧ特徴の抽出を実現し、パターン認識における検出率及び正確度を向上させる効果を達成している。

理解すべきことは、以上の一般的な説明と後の詳細な説明は例示的なものに過ぎず、本発明を限定するものではない。

ここの図面は明細書に合せされ本明細書の一部を構成し、本発明に適合する実施例を示し、明細書と共に本発明の原理を解釈するのに用いられる。

一例示的な実施例により示された特徴抽出方法のフローチャートである。別の一例示的な実施例により示された特徴抽出方法のフローチャートである。一例示的な実施例により示された画像の区分の概略図である。別の一例示的な実施例により示された画像の区分の概略図である。一例示的な実施例により示されたセル画素の調整の概略図である。一例示的な実施例により示されたブロック内のＨＯＧ特徴を統計する概略図である。一例示的な実施例により示された特徴抽出方法のフローチャートである。一例示的な実施例により示された画像ＨＯＧ特徴を統計する概略図である。一例示的実施例により示された特徴抽出装置のブロック図である。別の一例示的実施例により示された特徴抽出装置のブロック図である。一例示的実施例により示された特徴抽出装置のサブモジュールのブロック図である。別の一例示的実施例により示された特徴抽出装置のブロック図である。

ここで例示的な実施例について詳しく説明し、その実例は図面に示す通りである。下記の説明が図面に関わる時、別途に表示されない限り、異なる図面における同じ数字は同じ又は類似する要素を表示する。以下の例示的な実施例に説明される実施形態は本発明と一致する全ての実施形態を代表するわけではない。逆に、それらは特許請求の範囲に詳細に記載された本発明の一部の態様と一致する装置と方法の例に過ぎない。

図１は一例示的な実施例により示された特徴抽出方法のフローチャートであり、図１に示すように、本実施例は該方法をパターン認識のハードウェアに用いることを例として説明し、該方法は以下のステップを含むことができる。

ステップ１０２において、画像を複数のセルを含む複数のブロックに区分する。

ステップ１０４において、各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得する。

スパース信号分解は所与の観測信号を分解ルールに従って複数の要素の値がゼロであるスパースベクトルに転換することである。本実施例において、各セルにおける画素を所与の観測信号とするよって各セルにそれぞれ対応するスパースベクトルを取得する。

ステップ１０６において、スパースベクトルに基づき、画像のＨＯＧ特徴を抽出する。

端末は得られたスパース信号分解後のスパースベクトルに基づき、画像のＨＯＧ特徴を抽出する。

上述したように、本発明の実施例により提供される特徴抽出方法は、画像を複数のセルを含むブロックに区分することと、各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得することと、スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出することにより、ＨＯＧ特徴の抽出過程における画像の空間領域に対して直接的に計算して取得することによるパターン認識における検出率及び正確度が低いという問題を解決し、周波数領域における画像のＨＯＧ特徴の抽出を実現し、パターン認識における検出率及び正確度を向上させる効果を達成している。

図２Ａは別の一例示的な実施例により示された特徴抽出方法のフローチャートであり、図２Ａに示すように、本実施例は該方法をパターン認識のハードウェアに用いることを例として説明し、該方法は以下のステップを含むことができる。

ステップ２０１において、画像に対して正規化処理を行い、所定のサイズの画像を取得する。

パターン認識において、一般的に複数の画像から特徴を抽出することが多く、画像に対する統一処理が便利であるように、画像に対して特徴抽出を行う前、まず端末により画像に対して正規化処理を行い、異なるサイズの画像を所定のサイズの画像に処理する。

ステップ２０２において、画像を複数のセルを含む複数のブロックに区分する。

好ましくは、正規化処理後の画像を区分することは、画像を複数のブロックに区分し、各ブロックを複数のセルに区分することを含む。

好ましくは、正規化処理後の画像を区分することは、画像を複数のセルに区分し、接続されたセルを複数のセルを含む一つのブロックに組み合わせ、例えば二つずつ隣接する四つの田字状に配列されたセルを一つのブロックに組み合わせることを含む。

本実施例において、画像区分過程では、ブロックとセルの区分の順序を詳しく限定せず、ブロックを区分してからセルを区分してもよく、セルを区分してからブロックに組み合わせてもよい。

本実施例において、画像が区分されたブロックの間に重複領域が存在するか否かを詳しく限定せず、ブロックの間に重複領域が存在してもよく、存在しなくてもよい。

例えば、図２Ｂに示すように、１２８画素＊１２８画素の画像２０を先に互いに重なっていない１６画素＊１６画素のブロック２１に区分してから、さらに１６画素＊１６画素の各ブロック２１を８画素＊８画素のセル２２に区分する場合、画像には８個＊８個＝６４個の互いに重なっていないブロック２１が含まれ、各ブロックには２個＊２個＝４個のセルが含まれる。

例えば、図２Ｃに示すように、１２８画素＊１２８画素の画像２０を先に重複領域が存在する１６画素＊１６画素のブロック２３に区分してから、さらに１６画素＊１６画素の各ブロック２３を８画素＊８画素のセル２４に区分する場合、画像には１６個＊１６個＝２５６個の重複領域が存在するブロック２３が含まれ、各ブロックには２個＊２個＝４個のセルが含まれる。

ステップ２０３において、各セルにおける画素をｎ＊１次元のベクトルに調整する。

画像を区分した後、各セルにおける画素を一つの行列と考えてもよく、各セルにおける画素に対応する行列をｎ＊１次元のベクトルに調整する。

行列調整過程において、図２Ｄに示すように、画素に対応する行列２５の第２列Ｋ_２２７を第１列Ｋ_１２６の下に直列接続し、画素に対応する行列２５の第３列（図示せず）を直列接続された後の第２列Ｋ_２２７の下に直列接続し、これによって類推し、各セルにおける画素に対応する行列２５をｎ＊１次元のベクトル２８に調整する。

ステップ２０４において、下記の数３を用いて、各セルにおけるベクトルに対してスパース信号分解を行い、対応するスパースベクトルを取得する。

画像における各セルに対して、端末は過完備辞書Ｄを事前に設定し、各セルにおけるベクトルを所与の観測信号ｙとする場合、上記の数３によって計算して各セルにおけるベクトルの予め与えられた過完備辞書Ｄにおけるスパースベクトルｘを取得する。各セルにおける調整後のベクトルはｎ＊１次元であり、端末により予め与えられた過完備辞書Ｄがｎ＊ｍ行列であるため、上記の数３によって計算により取得された各セルにおけるベクトルに対応するスパースベクトルがｍ＊１次元である。

ステップ２０５において、スパースベクトルに基づき、各セルの勾配の大きさと勾配の方向を計算し、各セルの記述子を取得する。

勾配演算子を用いて、スパース信号分解後の各セルにおける各画素の横方向勾配と縦方向勾配を計算する。

即ち、勾配演算子を利用して、各セルに対応するスパースベクトルにおける各要素に対し、横方向勾配と縦方向勾配を計算する。

一例示的に、一般的な勾配演算子は表１に示すように、

本実施例において、各セルにおける画素の勾配の大きさを計算する時、表１におけるいずれかの勾配演算子を選択してもよく、他の勾配演算子を選択してもよく、本実施例において勾配演算子に対する選択を詳しく限定しない。

スパースベクトルにおける要素の横方向勾配はＨ（ｘ，ｙ）であり、縦方向勾配はＶ（ｘ，ｙ）であると仮定する場合、該要素に対応する勾配方向と勾配ゲインを下記の数４で計算する。

θ（ｘ，ｙ）はスパースベクトルにおける要素（ｘ，ｙ）の勾配方向であり、ｍ（ｘ，ｙ）は要素（ｘ，ｙ）の勾配の大きさである。

勾配方向θ（ｘ，ｙ）の値の範囲は−９０度から９０度までであり、勾配方向θ（ｘ，ｙ）をｚ個の部分に均等に区分し、各セルに対応するスパースベクトルにおける全ての要素に対して重み付けｍ（ｘ，ｙ）に従って勾配方向に区分された各部分を統計し、最後に各セルはｚ次元のベクトル、即ち、各セルに対応する記述子を取得する。

例えば、勾配方向θ（ｘ，ｙ）を９部分に均等に区分し、各部分に対応する角度は２０度であり、各セルに対応するスパースベクトルにおける全ての要素を重み付けｍ（ｘ，ｙ）に従って２０度ごとに統計し、最後に各セルに対応して９次元のベクトルを取得する。

本実施例において、勾配方向を何個の部分に区分するのを詳しく限定しない。

ステップ２０６において、各ブロックにおける各記述子を統計し、各ブロックのＨＯＧ特徴を取得する。

端末は各ブロックに含まれている各セルにおける計算により取得された記述子を統計し、各ブロックのＨＯＧ特徴を取得する。

各セルにおける計算により取得された記述子を統計する時、端末は各セルに対応する記述子を直列接続し、各ブロックのＨＯＧ特徴が一つのベクトルであるようにして、該ベクトルの次元は該ブロックに含まれているセルに対応する記述子次元のｋ倍である。

例えば、各セルにおける記述子は９次元のベクトルであり、各ブロックには４個のセルが含まれている場合、４個のセルにおける９次元の記述子を直列接続し、３６次元のベクトルを形成し、該３６次元のベクトルを対応するブロックのＨＯＧ特徴とする。

ステップ２０７において、画像における各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得する。

端末が画像における各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得する。端末は画像における各ブロックのＨＯＧ特徴を一つの列として一つの行列に直列接続し、画像のＨＯＧ特徴を取得する。

例えば、図２Ｅに示すように、画像にはＨＯＧ特徴がＫ_ｉであるＫ個のブロックが含まれている場合、Ｋ_ｉ個のＨＯＧ特徴を一つの行列２５０に直列接続し、Ｋ_１を直列接続された行列の第１列２６０に置き、Ｋ_２を直列接続された行列の第２列２７０に置き、これによって類推する。

上述したように、本発明の実施例により提供される特徴抽出方法は、画像を複数のセルを含むブロックに区分し、各セルにおける画素をｎ＊１次元のベクトルに調整し、式を用いて、各セルにおけるベクトルに対してスパース信号分解を行い、対応するスパースベクトルを取得し、スパースベクトルに基づき、各セルの勾配の大きさと勾配の方向を計算し、各セルの記述子を取得し、各ブロックにおける各記述子を統計し、各ブロックのＨＯＧ特徴を取得し、画像における各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得することにより、ＨＯＧ特徴の抽出過程における画像の空間領域に対して直接的に計算して取得することによるパターン認識における検出率及び正確度が低いという問題を解決し、周波数領域における画像のＨＯＧ特徴の抽出を実現し、パターン認識における検出率及び正確度を向上させる効果を達成している。

図２Ａにより示された好ましい実施例において、画像における各ブロックのＨＯＧ特徴を統計し画像のＨＯＧ特徴の取得過程において、画像における対応的な位置に従うように配列することができる。図３Ａに示すようにステップ２０７を下記ステップ２０７ａと２０７ｂで代替できる。

ステップ２０７ａにおいて、画像における、Ｍ＊Ｎ個の画素を含む各ブロックのＨＯＧ特徴を初期のＬ＊１次元ベクトルからＭ＊Ｎの行列（Ｌ＝Ｍ＊Ｎ）に調整する。

各ブロックのＨＯＧ特徴は各セルに対応する記述子を直列接続してＬ＊１次元ベクトルを取得して、Ｌ＊１次元ベクトルをＭ＊Ｎの行列に調整するものであり、即ち、各ブロックにおけるＬ＊１次元ベクトルを含まれているセルに従って、各列が一つのセルの記述子である対応する行列に調整し、各セルの記述子を対応する画素に従って調整し、得られた調整後の行列の各列は対応するブロックにおける対応する列の画素に対応するＨＯＧ特徴である。

ステップ２０７ｂにおいて、各ブロックの調整後のＨＯＧ特徴と画像における各ブロックの対応する位置に基づき、画像のＨＯＧ特徴を取得する。

各ブロックの調整後のＨＯＧ特徴と画像における各ブロックの対応する位置に基づき、画像における画素位置に対応するＨＯＧ特徴を取得する。

例えば、図３Ｂに示すように、画像にＨＯＧ特徴がＫ_ｉであるＫ個のブロックが含まれている場合、Ｋ_ｉ個のＨＯＧ特徴をＭ＊Ｎの行列に調整し、Ｋ_１を調整した後の行列３１を画像における第１のブロック３２の対応的な位置に置き、Ｋ_２を調整した後の行列３３を画像における第２のブロック３４の対応的な位置に置き、これによって類推し、行列ＭＮを画像における最後のブロックＭＮの対応的な位置に置く。

上に述べたように、本実施例により提供される特徴抽出方法は、画像における、Ｍ＊Ｎ個の画素を含む各ブロックのＨＯＧ特徴を初期のＬ＊１次元ベクトルからＭ＊Ｎの行列（Ｌ＝Ｍ＊Ｎ）に調整し、各ブロックの調整後のＨＯＧ特徴と画像における各ブロックの対応する位置に基づき、画像のＨＯＧ特徴を取得することにより、抽出後の画像のＨＯＧ特徴と画像における各ブロックの対応する位置に対応し、画像における各ブロックの特徴をより良く強調することができる。

以下は本発明に関わる装置の実施例であり、本発明に関わる方法の実施例を実行するのに用いることができる。本発明に関わる装置の実施例に開示されていない詳細については、本発明に関わる方法の実施例を参照する。

図４は一例示的な実施例により示された特徴抽出装置のブロック図であり、図４に示すように、該特徴抽出装置は、区分モジュール４２０と、分解モジュール４４０と、抽出モジュール４６０とを含むが、それに限定されない。

区分モジュール４２０は、画像を複数のセルを含む複数のブロックに区分するように配置される。

分解モジュール４４０は、各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得するように配置される。

抽出モジュール４６０は、スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出するように配置される。

上述したように、本発明の実施例により提供される特徴抽出装置は、画像を複数のセルを含むブロックに区分し、各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得し、スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出することにより、ＨＯＧ特徴の抽出過程における画像の空間領域に対して直接的に計算して取得することによるパターン認識における検出率及び正確度が低いという問題を解決し、周波数領域における画像のＨＯＧ特徴の抽出を実現し、パターン認識における検出率及び正確度を向上させる効果を達成している。

図５は別の一例示的な実施例により示された特徴抽出装置のブロック図であり、図５に示すように、該特徴抽出装置は、処理モジュール４１０と、区分モジュール４２０と、分解モジュール４４０とを含むが、それに限定されない。

処理モジュール４１０は、画像に対して正規化処理を行い、所定のサイズの画像を取得するように配置される。

パターン認識において、一般的に複数の画像から特徴を抽出することが多い。

画像に対する統一処理が便利になるように、画像に対して特徴抽出を行う前、処理モジュール４１０は、画像に対して正規化処理を行い、異なるサイズの画像を所定のサイズの画像に処理する。

好ましくは、区分モジュール４２０が正規化処理後の画像を区分することは、画像を複数のブロックに区分し、各ブロックを複数のセルに区分することを含む。

好ましくは、区分モジュール４２０が正規化処理後の画像を区分することは、画像を複数のセルに区分し、接続されたセルを複数のセルを含む一つのブロックに組み合わせ、例えば、二つずつ隣接する四つの田字状に配列されたセルを一つのブロックに組み合わせることを含む。

本実施例において、区分モジュール４２０は画像区分過程において、ブロックの区分とセルの区分の順序を詳しく限定せず、ブロックを区分してからセルを区分してもよく、セルを区分してからブロックに組み合わせてもよい。

本実施例において、区分モジュール４２０は画像が区分されたブロックの間に重複領域が存在するか否かを詳しく限定せず、ブロックの間に重複領域が存在してもよく、存在しなくてもよい。

スパース信号分解は所与の観測信号を分解ルールに従って複数の要素の値がゼロであるスパースベクトルに転換することである。

本実施例において、区分モジュール４４０は第１調整サブモジュール４４１と、信号分解サブモジュール４４２と、抽出モジュール４６０と、を含むことができる。

第１調整サブモジュール４４１は、各セルにおける画素をｎ＊１次元のベクトルに調整するように配置される。

画像を区分した後、各セルにおける画素が一つの行列と考えてもよく、第１調整サブモジュール４４１は各セルにおける画素に対応する行列をｎ＊１次元のベクトルに調整する。

信号分解サブモジュール４４２は、下記の数５を用いて、各セルにおけるベクトルに対してスパース信号分解を行い、対応するスパースベクトルを取得するように配置される。

画像における各セルに対して、端末は過完備辞書Ｄを事前に設定し、さらに各セルにおけるベクトルを所与の観測信号ｙとする場合、信号分解サブモジュール４４２は上記の数５の計算により、各セルにおけるベクトルの予め与えられた過完備辞書Ｄにおけるスパースベクトルｘを取得する。各セルにおける調整後のベクトルはｎ＊１次元であり、端末の予め与えられた過完備辞書Ｄがｎ＊ｍであるため、上記の数５によって計算して取得された各セルにおけるベクトルに対応するスパースベクトルはｍ＊１次元である。

本実施例において、抽出モジュール４６０は、計算サブモジュール４６１と、第１統計サブモジュール４６２と、第２統計サブモジュール４６３と、を含むことができる。

計算サブモジュール４６１は、周波数領域における各セルの勾配の大きさと勾配の方向を計算し、各セルの記述子を取得するように配置される。

計算サブモジュール４６１は、勾配演算子を利用して、ＤＣＴ変換又はＤＦＴ変換後の各セルにおける各画素の横方向勾配と縦方向勾配を計算する。

本実施例は勾配演算子の選択を詳しく限定しない。

画素の横方向勾配はＨ（ｘ，ｙ）であり、縦方向勾配はＶ（ｘ，ｙ）であると仮定する場合、各画素の勾配方向と勾配ゲインを下記の数６で計算する。

θ（ｘ，ｙ）は画素（ｘ，ｙ）の勾配方向であり、ｍ（ｘ，ｙ）は画素（ｘ，ｙ）の勾配の大きさである。

勾配方向θ（ｘ，ｙ）の値の範囲は−９０度から９０度までであり、勾配方向θ（ｘ，ｙ）をｚ個の部分に均等に区分し、各セルにおける全ての画素に対して重み付けｍ（ｘ，ｙ）に従って勾配方向に区分された各部分を統計し、最後に各セルは一つのｚ次元のベクトル、即ち、各セルに対応する記述子を取得する。

第１統計サブモジュール４６２は、各周波数領域における各ブロック内の各記述子を統計し、各ブロックのＨＯＧ特徴を取得するように配置される。

第１統計サブモジュール４６２は、各ブロックに含まれている各セルにおける計算により取得された記述子を統計し、各ブロックのＨＯＧ特徴を取得する。

各セルにおける計算により取得された記述子を統計する時、第１統計サブモジュール４６２は各セルに対応する記述子を直列接続し、各ブロックのＨＯＧ特徴が一つのベクトルであるようにして、該ベクトルの次元が該ブロックに含まれているセルに対応する記述子次元のｋ倍である。

第２統計サブモジュール４６３は、画像の周波数領域における各ブロックのＨＯＧ特徴を統計するように配置される。

第２統計サブモジュール４６３は各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得する。

好ましくは、第２統計サブモジュール４６３は、画像における各ブロックのＨＯＧ特徴を一つの列として一つの行列に直列接続し、画像のＨＯＧ特徴を取得するように配置される。

上述したように、本発明の実施例により提供される特徴抽出装置は、画像を複数のセルを含むブロックに区分し、各セルにおける画素をｎ＊１次元のベクトルに調整し、式を用いて、各セルにおけるベクトルに対してスパース信号分解を行い、対応するスパースベクトルを取得し、スパースベクトルに基づき、各セルの勾配の大きさと勾配の方向を計算し、各セルの記述子を取得し、各ブロックにおける各記述子を統計し、各ブロックのＨＯＧ特徴を取得し、画像における各ブロックのＨＯＧ特徴を統計し、画像のＨＯＧ特徴を取得することにより、ＨＯＧ特徴の抽出過程における画像の空間領域に対して直接的に計算して取得することによるパターン認識における検出率及び正確度が低いという問題を解決し、周波数領域における画像のＨＯＧ特徴の抽出を実現し、パターン認識における検出率及び正確度を向上させる効果を達成している。

図５により示された好ましい実施例において、図６に示すように、第２統計サブモジュール４６３は、第２調整サブモジュール６１０と、抽出サブモジュール６２０と、を含むことができる。

第２調整サブモジュール６１０は、画像における、Ｍ＊Ｎ個の画素を含む各ブロックのＨＯＧ特徴を初期のＬ＊１次元ベクトルからＭ＊Ｎの行列（Ｌ＝Ｍ＊Ｎ）に調整するように配置される。

各ブロックのＨＯＧ特徴は各セルに対応する記述子を直列接続してＬ＊１次元ベクトルを取得して、調整サブモジュール６１０はＬ＊１次元ベクトルをＭ＊Ｎの行列に調整し、即ち、各ブロックにおけるＬ＊１次元ベクトルを含まれているセルに従って、各列が一つのセルの記述子である対応する行列に調整し、各セルの記述子を対応する画素に従って調整し、得られた調整後の行列の各列は対応するブロックにおける対応する列の画素に対応するＨＯＧ特徴である。

特徴抽出サブモジュール６２０は、各ブロックの調整後のＨＯＧ特徴と画像における各ブロックの対応する位置に基づき、画像のＨＯＧ特徴を取得するように配置される。

特徴抽出サブモジュール６２０は、各ブロックの調整後のＨＯＧ特徴と画像における各ブロックの対応する位置に基づき、画像の対応する画素位置のＨＯＧ特徴を取得する。

上述したように、本実施例により提供される特徴抽出方法は、画像における、Ｍ＊Ｎ個の画素を含む各ブロックのＨＯＧ特徴を初期のＬ＊１次元ベクトルからＭ＊Ｎの行列（Ｌ＝Ｍ＊Ｎ）に調整することにより、各ブロックの調整後のＨＯＧ特徴と上記画像における各ブロックの対応的な位置に基づき、画像のＨＯＧ特徴を取得し、抽出後の画像のＨＯＧ特徴と画像における各ブロックの対応的な位置に対応し、画像における各ブロックの特徴をより良く強調することができる。

上記実施例における装置について、各モジュールの操作を実行する具体的な形態は、すでに該方法に関する実施例において詳しく説明されたため、ここでは詳細な説明を省略する。

本発明の一例示的な実施例は特徴抽出装置を提供し、本発明により提供される特徴抽出方法を実現することができ、該特徴抽出装置は、
画像を複数のセルを含む複数のブロックに区分し、
各セルに対してスパース信号分解を行い、各セルにそれぞれ対応するスパースベクトルを取得し、
スパースベクトルに基づき、画像の勾配方向ヒストグラムＨＯＧ特徴を抽出するように配置されたプロセッサと、
プロセッサの実行可能なコマンドを記憶するメモリと、を含む。

図７は一例示的実施例により示される特徴抽出装置のブロック図である。例えば、装置７００は、携帯電話、コンピュータ、デジタル放送端末、メッセージ送受信装置、ゲームコンソール、タブレット型装置、医療機器、運動器具、個人用デジタル補助装置などであってもよい。

図７に示すように、装置７００は、処理部７０２、メモリ７０４、電源部７０６、マルチメディア部７０８、音声部７１０、入力／出力（Ｉ／Ｏ）のインターフェース７１２、センサー部７１４、及び通信部７１６のうちの一つ又は複数の部材を含むことができる。

処理部７０２は、一般的に装置７００の全体的操作、例えば、表示、電話呼び出し、データ通信、カメラ操作及び記録操作に関する操作を制御する。処理部７０２は、上記方法の全部又は一部のステップを完成するために、一つ又は複数のプロセッサ７２０を含んでコマンドを実行してもよい。さらに、処理部７０２は、その他のモジュールとのインタラクションを便利にするように、一つ又は複数のモジュールを含んでもよい。例えば、処理部７０２は、マルチメディア部７０８と処理部７０２とのインタラクションを便利にするように、マルチメディアモジュールを含んでもよい。

メモリ７０４は、装置７００の操作をサポートするために、様々な種類のデータを記憶するように配置される。これらのデータの実例は、装置７００において操作される如何なるアプリケーション又は方法のコマンド、連絡先データ、電話帳データ、メッセージ、画像、ビデオなどを含む。メモリ７０４は、如何なる種類の揮発性又は不揮発性メモリ又はそれらの組合せ、例えば、スタティックランダムアクセスメモリ（ＳＲＡＭ）、電気的消去可能なプログラマブル読み取り専用メモリ（ＥＥＰＲＯＭ）、消去可能なプログラマブル読み取り専用メモリ（ＥＰＲＯＭ）、プログラマブル読み取り専用メモリ（ＰＲＯＭ）、読み取り専用メモリ（ＲＯＭ）、磁気メモリ、フラッシュメモリ、磁気ディスク又は光ディスクにより実現することができる。

電源部７０６は、装置７００の様々な部材のために電力を供給する。電源部７０６は、電源管理システム、一つ又は複数の電源、及びその他の装置７００のための電力の生成、管理及び供給に関連する部材を含むことができる。

マルチメディア部７０８は、装置７００とユーザーとの間の一つの出力インターフェースを提供するスクリーンを含む。一部の実施例において、スクリーンは液晶ディスプレイ（ＬＣＤ）とタッチパネル（ＴＰ）を含んでもよい。スクリーンにタッチパネルが含まれる場合、スクリーンはユーザーからの入力信号を受信するために、タッチスクリーンに実現されることができる。タッチパネルは、タッチ、スワイプ及びタッチパネルにおけるジェスチャーを感知するために、一つ又は複数のタッチセンサを含む。上記タッチセンサは、タッチ又はスワイプ動作の境界を感知するとともに、上記タッチ又はスワイプ動作に関わる持続時間及び圧力を検出することができる。一部の実施例において、マルチメディア部７０８は、フロントカメラ及び／又はバックカメラを含む。装置７００が操作モードである場合、例えば、撮影モード又はビデオモードである場合、フロントカメラ及び／又はバックカメラは外部のマルチメディアデータを受信することができる。各フロントカメラ及びバックカメラは、固定された光学レンズシステムであってもよく、又は焦点距離と光学ズーム能力を有する。

音声部７１０は、音声信号を出力及び／又は入力するように配置される。例えば、音声部７１０は、マイクロホン（ＭＩＣ）を含み、装置７００が操作モードである場合、例えば、呼び出しモード、記録モード及び音声認識モードである場合、マイクロホンは外部の音声信号を受信するように配置される。受信された音声信号は、さらにメモリ７０４に記憶され、又は通信部７１６を介して送信される。一部の実施例において、音声部７１０は、さらに音声信号を出力するスピーカーを含む。

Ｉ／Ｏインターフェース７１２は、処理部７０２と周辺インターフェース部との間にインターフェースを提供し、上記周辺インターフェース部は、キーボード、クリックホイール、ボタンなどであってもよい。これらのボタンは、ホームボタン、ボリュームボタン、スタートボタン及びホールドボタンを含むことができるが、それに限定されない。

センサー部７１４は、一つ又は複数のセンサーを含み、装置７００に各方面の状態評価を提供するためである。例えば、センサー部７１４は、装置７００のオン／オフ状態、部材の相対的位置決めを検出することができ、例えば、前記部材が装置７００のディスプレイ及びキーパッドであり、センサー部７１４は、さらに装置７００又は装置７００の一つの部材の位置変化、ユーザーと装置７００との接触の有無、装置７００の方角又は加速／減速及び装置７００の温度変化を検出することができる。センサー部７１４は、近接センサーを含むことができ、如何なる物理的接触がない時、近傍物体の存在を検出するように配置される。センサー部７１４は、さらに光学センサー、例えば、ＣＭＯＳ又はＣＣＤイメージセンサーを含むことができ、イメージングアプリケーションに用いられる。一部の実施例において、該センサー部７１４は、さらに加速度センサー、ジャイロセンサー、磁気センサー、圧力センサー又は温度センサーを含むことができる。

通信部７１６は、装置７００とその他の装置との有線又は無線方式による通信を便利にするように配置される。装置７００は、通信標準に基づく無線ネットワーク、例えば、Ｗｉ−Ｆｉ、２Ｇ又は３Ｇ、又はそれらの組み合わせにアクセスすることができる。一例示的な実施例において、通信部７１６は、放送チャネルを介して外部放送管理システムからの放送信号又は放送関連情報を受信する。一例示的な実施例において、通信部７１６は、狭域通信を促進するために、さらに近距離無線通信（ＮＦＣ）モジュールを含む。例えば、ＮＦＣモジュールにおいて、無線周波数認識（ＲＦＩＤ）技術、赤外線データ協会（ＩｒＤＡ）技術、超広帯域（ＵＷＢ）技術、ブルートゥース（ＢＴ）及びその他の技術に基づいて実現することができる。

例示的な実施例において、装置７００は、一つ又は複数の特定用途向け集積回路（ＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）、デジタル信号処理装置（ＤＳＰＤ）、プログラマブルロジックデバイス（ＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、コントローラ、マイクロコントローラ、マイクロプロセッサ又はその他の電子部品により実現することができ、上記特徴抽出方法を実行するのに用いられる。

例示的な実施例において、さらに、コマンドを含む非一時的コンピュータ可読記憶媒体、例えば、コマンドを含むメモリ７０４を提供し、上記方法を完成するために、上記コマンドは装置７００のプロセッサ７２０により実行することができる。例えば、上記非一時的なコンピュータ可読記憶媒体は、ＲＯＭ、ランダムアクセスメモリ（ＲＡＭ）、ＣＤ−ＲＯＭ、磁気テープ、フロッピーディスク及び光データ記憶装置などであってもよい。

当業者であれば、明細書を考慮しここに開示された発明を実践した後、本発明のその他の実施様態を容易に想到できる。本発明は、本発明の如何なる変形、用途又は適応的変化を含むためのものであり、これらの変形、用途又は適応的変化は本発明の一般的な原理に準じ、本発明の開示されていない当該技術分野における一般的知識又は慣用の技術手段を含む。明細書と実施例は例示的なものに過ぎず、本発明の実際の範囲と精神は特許請求の範囲により与えられる。

理解すべきことは、本発明は既に上記のように説明され、図面に示された正確な構造に限定されず、その範囲を逸脱しない限りにおいて様々な修正や変更を行うことができる。本発明の範囲は特許請求の範囲のみにより限定される。

Claims

特徴抽出方法であって、
画像を複数のセルを含む複数のブロックに区分することと、
各前記セルに対してスパース信号分解を行い、各前記セルにそれぞれ対応するスパースベクトルを取得することと、
前記スパースベクトルに基づき、前記画像の勾配方向ヒストグラムＨＯＧ特徴を抽出することと、
を含むことを特徴とする方法。
各前記セルに対してスパース信号分解を行い、各前記セルに対応するスパースベクトルを取得することは、
各前記セルにおける画素をｎ＊１次元のベクトルに調整することと、
下記の数１を用いて、各前記セルにおける前記ベクトルに対してスパース信号分解を行い、対応するスパースベクトルを取得することと、を含み、

ｙは各前記セルにおける前記ベクトルであり、Ｄは予め与えられた過完備辞書であり、ｘは過完備辞書Ｄにおいてｙをスパース化して得られたスパースベクトルであり、||ｘ||_１は前記スパースベクトルｘの各例の絶対値の和を求めることを示し、各前記スパースベクトルはｍ＊１次元のベクトルであり、前記過完備辞書Ｄはｎ＊ｍの行列であることを特徴とする請求項１に記載の方法。
前記スパースベクトルに基づき、前記画像の勾配方向ヒストグラムＨＯＧ特徴を抽出することは、
前記スパースベクトルに基づき、各前記セルの勾配の大きさと勾配の方向を計算し、各前記セルの記述子を取得することと、
各前記ブロックにおける各前記記述子を統計し、各前記ブロックのＨＯＧ特徴を取得することと、
前記画像における各前記ブロックのＨＯＧ特徴を統計し、前記画像のＨＯＧ特徴を取得することと、
を含むことを特徴とする請求項１に記載の方法。
前記画像における各前記ブロックのＨＯＧ特徴を統計し、前記画像のＨＯＧ特徴を取得することは、
前記画像における各前記ブロックのＨＯＧ特徴を一つの列として一つの行列に直列接続し、前記画像のＨＯＧ特徴を取得することを含むことを特徴とする請求項３に記載の方法。
前記画像における各前記ブロックのＨＯＧ特徴を統計し、前記画像のＨＯＧ特徴を取得することは、
前記画像における、Ｍ＊Ｎ個の画素を含む各前記ブロックのＨＯＧ特徴を初期のＬ＊１次元ベクトルからＭ＊Ｎの行列（Ｌ＝Ｍ＊Ｎ）に調整することと、
各前記ブロックの調整後の前記ＨＯＧ特徴と前記画像における各前記ブロックの対応する位置に基づき、前記画像のＨＯＧ特徴を取得することと、
を含むことを特徴とする請求項３に記載の方法。
前記方法は、さらに、
前記画像に対して正規化処理を行い、所定のサイズの前記画像を取得することを含むことを特徴とする請求項１〜５のいずれかに記載の方法。
特徴抽出装置であって、
画像を複数のセルを含む複数のブロックに区分するように配置された区分モジュールと、
各前記セルに対してスパース信号分解を行い、各前記セルにそれぞれ対応するスパースベクトルを取得するように配置された分解モジュールと、
前記スパースベクトルに基づき、前記画像の勾配方向ヒストグラムＨＯＧ特徴を抽出するように配置された抽出モジュールと、
を含むことを特徴とする装置。
前記分解モジュールは、
各前記セルにおける画素をｎ＊１次元のベクトルに調整するように配置された第１調整サブモジュールと、
下記の数２を用いて、各前記セルにおける前記ベクトルに対してスパース信号分解を行い、対応するスパースベクトルを取得するように配置された信号分解サブモジュールと、を含み、

ｙは各前記セルにおける前記ベクトルであり、Ｄは予め与えられた過完備辞書であり、ｘは過完備辞書Ｄにおいてｙをスパース化して得られたスパースベクトルであり、||ｘ||_１は前記スパースベクトルｘの各例の絶対値の和を求めることを示し、各前記スパースベクトルはｍ＊１次元のベクトルであり、前記過完備辞書Ｄはｎ＊ｍの行列であることを特徴とする請求項７に記載の装置。
前記抽出モジュールは、
前記スパースベクトルに基づき、各前記セルの勾配の大きさと勾配の方向を計算し、各前記セルの記述子を取得するように配置された計算サブモジュールと、
各前記ブロックにおける各前記記述子を統計し、各前記ブロックのＨＯＧ特徴を取得するように配置された第１統計サブモジュールと、
前記画像における各前記ブロックのＨＯＧ特徴を統計し、前記画像のＨＯＧ特徴を取得するように配置された第２統計サブモジュールと、
を含むことを特徴とする請求項７に記載の装置。
前記第２統計サブモジュールは、
前記画像における各前記ブロックのＨＯＧ特徴を一つの列として一つの行列に直列接続し、前記画像のＨＯＧ特徴を取得するように配置されたことを特徴とする請求項９に記載の装置。
前記第２統計サブモジュールは、
前記画像における、Ｍ＊Ｎ個の画素を含む各前記ブロックのＨＯＧ特徴を初期のＬ＊１次元ベクトルからＭ＊Ｎの行列（Ｌ＝Ｍ＊Ｎ）に調整するように配置された第２調整サブモジュールと、
各前記ブロックの調整後の前記ＨＯＧ特徴と前記画像における各前記ブロックの対応的な位置に基づき、前記画像のＨＯＧ特徴を取得するように配置された特徴抽出サブモジュールと、
を含むことを特徴とする請求項９に記載の装置。
前記装置は、さらに、
前記画像に対して正規化処理を行い、所定のサイズの前記画像を取得するように配置された処理モジュールを含むことを特徴とする請求項７〜１１のいずれかに記載の装置。
特徴抽出装置であって、
画像を複数のセルを含む複数のブロックに区分し、
各前記セルに対してスパース信号分解を行い、各前記セルにそれぞれ対応するスパースベクトルを取得し、
前記スパースベクトルに基づき、前記画像の勾配方向ヒストグラムＨＯＧ特徴を抽出するように配置されたプロセッサと、
プロセッサにより実行可能なコマンドを記憶するメモリと、
を含むことを特徴とする装置。