JP5258506B2 - 情報処理装置 - Google Patents
情報処理装置 Download PDFInfo
- Publication number
- JP5258506B2 JP5258506B2 JP2008274443A JP2008274443A JP5258506B2 JP 5258506 B2 JP5258506 B2 JP 5258506B2 JP 2008274443 A JP2008274443 A JP 2008274443A JP 2008274443 A JP2008274443 A JP 2008274443A JP 5258506 B2 JP5258506 B2 JP 5258506B2
- Authority
- JP
- Japan
- Prior art keywords
- processing
- unit
- subject
- stage
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
この報告の中ではAdaBoostを使って多くの弱判別器を有効に組合せて判別精度を向上させる一方、この判別器を直列に繋ぎ、カスケード型の検出器を構成するようにしている。更に夫々の弱判別器をHaarタイプの矩形特徴量で構成し、矩形特徴量の算出を、積分画像を利用して高速に行っている。このカスケード型の検出器は、まず前段の単純な(即ち計算量のより少ない)判別器を使って明らかに被写体でないパターンの候補をその場で除去している。そして、それ以外の候補に対してのみ、より高い識別性能を持つ後段の複雑な(即ち計算量のより多い)判別器を使って被写体かどうかの判定を行っており、全ての候補に対して複雑な判定を行う必要がないので高速である。
従って、ハードウェア実装において高速化を図るには前段ほど並列度を高くしなければならない。しかしながら、従来は検出に必要な演算処理の総数の低減が着目されていた。
また、並列処理を簡単な回路構成で行うハードウェア実装方法に関するものに例えば、特許文献1がある。これは検出処理とこれを統合する統合処理とを複数並列動作させるとき、検出処理部と統合処理結果のメモリとを所定のタイミングで全て接続することで、単純な回路構成を実現するものである。
(画像処理装置の概要構成)
図1は、情報処理装置の一例である画像処理装置の機能構成の概要を示す図である。
図1に示されるように、情報処理装置は、制御部と、変更部と、処理部と、統合部と、を有する。なお、各部における処理の詳細は、後述する。
図2は、画像処理装置のハードウェア構成の一例を示す図である。
画像処理装置は、複数のPE(プロセッサエレメント)200、SRAM201、DRAM202、CPU205、ROM206、I/Oポート207、これらを接続するバス208を介して相互にデータの入出力を行う。
PE200は、並列処理によって所定の単位の処理を行う処理部を実現する。SRAM201は各PEに共通の情報を格納する。DRAM202は、画像処理装置が検出する被写体を定義した判別情報203、画像処理装置に入力された画像データ(画像)204、通過率209を含む情報を一時的に記憶する。CPU205は、PE200の並列処理の各種制御やPEの処理結果の統合、画像処理や、各部へのデータの入出力を制御する。ROM206は、本実施形態に係るプログラムや、その他の制御に必要なプログラム、検出する被写体の種類ごとの判別情報、その他のデータを格納する。I/Oポート207は、外部システムと画像データや処理結果を入出力する。
なお、複数のPE200は、それぞれ同じ処理性能を有する回路で構成される。
図3は、画像処理装置の機能構成の一例を示す図である。
まず、画像入力部301は、画像データを入力する。ここで入力される画像データは、例えば8ビットの画素により構成される2次元配列のデータであり、R、G、B、3つの面により構成される。このとき、画像データがJPEG等の方式により圧縮されている場合、画像入力部301は、画像データを所定の解凍方式にしたがって解凍し、RGB各画素により構成される画像データとする。更に、本実施形態では画像入力部301は、RGBデータを輝度データに変換し、輝度画像データを以後の処理に適用するものとし、画像メモリ20に格納する。画像データとしてYCrCbのデータを入力する場合、画像入力部301は、Y成分をそのまま輝度データとしてもよい。
次に、画像縮小部302は、画像データを所定の倍率に縮小した輝度画像データを生成する。これは、本実施形態では様々な大きさの顔の検出に対応するため複数のサイズの画像データに対して順次検出を行うようにしたためである。例えば、倍率が1.2倍程度異なる複数の画像への縮小処理が後段の検出処理のために順次、画像縮小部302において実行される。
この処理の様子を図4に示す。図4は、多重解像度用画像の作成の一例を示す図である。図4の様に多重解像度用画像作成部303は、縮小画像400全体に対してフィルタ401によりコンボリュージョンをかけて1/2解像度用画像402を生成する。
更に、多重解像度用画像作成部303は、1/2解像度用画像402にフィルタ403でコンボリュージョンをかけて1/4解像度用画像404を生成する。
次に、被写体判定部305は、照合パターンが顔パターンか非顔パターンかを判別する。この処理の詳細については後述する。部分領域設定部304の繰り返し走査が完了した場合、重複情報処理部306は、被写体と判定した部分領域の重複処理を行う。これは、実際の被写体に対して、その近隣の複数の部分領域が被写体と判定されるため、これらを1つにまとめるものである。
図6は、表示画面の一例を示す図である。入力画像601に顔の検出結果を重畳して出力した画面表示の一例である。602、603は被写体判別部によって抽出された顔パターンで、その位置と大きさとが示された枠である。また、ボタン604は、被写体判別処理の終了ボタンである。
次に、被写体判定部305における被写体判定の方法についてより詳細に説明する。図7は、被写体判定部305の一例を示す図である。被写体判定は、複数の被写体判別部を直列に接続することで実現される。前段の被写体判別部700に入力されたパターンデータが被写体であるか否かを判定し、被写体であると判定した場合にのみ後段の被写体判別部701が同じパターンデータが被写体であるか否かの判定を前段より高い精度で行う。各被写体判別部及びその内部の弱判別部は同様な構成であり、各部の数や判別パラメータが異なるのみである。前段より後段の方が多くの弱判別部で構成される。
弱判別部800、801は、各々がパターン(パターンデータ)を異なる方法で評価して被写体尤度(処理結果)を出力する。弱判別部800、801は、処理に用いる判別情報が異なるのみであり、構成は同じである。この処理の詳細については後述する。
統合部802は、各被写体判別部内の複数の弱判別部800、801が出力する被写体尤度の総和を求める。
H=ΣtHt,N ・・・ (式1)
ここで添え字t,Nは、N番目の被写体判別部のt番目の弱判別部を示す。
Ht,Nは、弱判別部の出力する被写体尤度である。
H≧ThN ・・・ (式2)
ここで、ThNは閾値である。
次に、各弱判別部800について説明する。図9は、各弱判別部の一例を示す図である。弱判別部は、局所領域抽出部901と、特徴量算出部902と、被写体信頼度変換部903と、から構成される。各々の部へは判別情報格納部904から判別情報203の一部が供給される。
判別情報203は、ある特定の被写体を検出するのに必要な情報であり、被写体判別部数1001と、その数分の被写体判別パラメータ1002と、が結合されたものである。
各々の被写体判別パラメータ1002は、1つの被写体判別部に関するパラメータが格納される。各々の被写体判別パラメータ1002は、弱判別部数1003と、弱判別部数1003数分の弱判別パラメータ1004と、閾値1005と、が結合されたものである。
各々の弱判別パラメータ1004は、1つの弱判別部に関するパラメータが格納される。各弱判別パラメータ1004は、それぞれの局所領域の画素数1006と、局所領域の画素番号を列挙した画素番号リスト905と、画素数1006に等しい行数*1列の行列である特徴抽出フィルタ906と、を含む。また、各弱判別パラメータ1004は、特徴量から被写体の信頼度への変換テーブルである、被写体信頼度変換ルックアップテーブル907を含む。
局所領域抽出部901は画素番号リスト905に基づいてパターン中の参照画素を読み込む。
Ut,N=φt、N Tzt,N ・・・ (式3)
ここで添え字t,Nは、N番目の被写体判別部のt番目の弱判別部を示す。
Ut,Nは、局所特徴量を示す数値であり、
φt,Nは、特徴抽出フィルタ906であり、
zt,Nは、局所領域抽出部901によって得られる画素番号リスト905で示されるパターン又は縮小パターン上の画素の輝度を要素とする画素数に等しい行数で1列の行列である。
Ht,N=ft,N(Ut,N) ・・・ (式4)
但しHt、Nは、被写体信頼度である。
但し、Ht、Nは被写体信頼度の出力である。
ここで、ft,Nは、被写体信頼度変換ルックアップテーブル907を使って、局所特徴量Ut,Nからテーブル変換によって被写体信頼度に変換し、弱判別部の出力とする。
被写体信頼度変換部903は、局所特徴量Ut,Nが変換テーブルの上限又は下限を超えている場合はそれぞれ、上限値、下限値にしたうえで、テーブルを参照し被写体信頼度を得る。
本実施形態では、局所特徴量として、照合パターンのうち所定解像度、所定サイズ、形状の局所領域における線形識別特徴を用いる。
局所領域としては、例えば、図12に示すように照合パターンFが20×20画素からなる輝度パターンであるとすると、その一部である5×5画素の正方形の局所領域P等である。この場合、照合パターン内の全ての位置において同様の局所領域Pを設定すると、256の局所領域が考えられる。
なお、画像処理装置は、図13のP1、P2、P3に示すように横長の矩形、縦長の矩形、楕円等様々な形状及びサイズの局所領域から得られたものを組合せて用いてもよい。また、画像処理装置は、元の照合パターンを縮小して様々な低解像度の照合パターンを作成し、各解像度の照合パターン中の局所領域を組み合せて用いてもよい。また、画像処理装置は、複数の乖離した領域・画素を用いてもよい。
上述したように、被写体判別部は検出(判別)する被写体に関係なく同じ構成をとることができる。従って、検出対象となる被写体を切り替えるには、判別情報203を被写体ごとに用意して切り替え、この判別情報203に記載された数の被写体判別部、弱判別部で構成すればよい。
以上の処理においてPE200は所定の時間当たりに、1つ又は複数の弱判別部801の処理と、これらの出力する被写体尤度の局所的な統合処理と、を実行する。各被写体判別部は、整数個のPEによって構成される。複雑度に応じて必要なPEの個数は異なる。
各被写体判別部は、整数個のPEの複雑度を余すことなく利用することは、設計時に判別性能を微調整することで可能である。弱判別部801の数と、判別性能とは、トレードオフの関係にあり、判別性能がわるいと通過率が多くなり、逆に判別性能がよいと通過率は低くなる。総合的な判別性能は被写体判別部の段数を増減したり、最終段の複雑度で微調整したりすればよい。
したがって、各処理部の処理内容は同じであるので、動機的に処理を行うことができる。
次に、被写体判定部をハードウェア実装した際の並列化手法について説明する。図14は、被写体判別部700〜701を並列化した一例を示す図である。図14に示されるように、画像処理装置は、情報処理手段の一例である被写体判別部を並列化し、前記並列化した被写体判別部を段階的に有し(段として有し)、被写体判別部の各段の前には割当部1300、1301を有する。これら割当部は、並列化された被写体判別部の何れかへ判別処理を割当るものである。処理が必要な入力数に対して並列度が足らない場合、割当部は、入力情報を処理待ちキューに格納し、次の処理開始タイミングを待つ。
直列に接続された被写体判別部では、前段ほど処理回数が多いので、並列度を高くしなければならない。並列化した各段で被写体判別部の1回の判別時間が等しい場合、例えば制御部は、次の式においてεを最小化するように並列度を設定する。
pkは、k−1段目での入力数に対して被写体であると判定される確率である。
p1は、先頭段であるから1である。
Pkは、先頭段の入力数に対してk−1段目で被写体であると判定される確率である。
Wkは、被写体判別部の複雑度に基づく重み係数であるが、k段目の被写体判別部の並列度を1つ上げるのに必要な処理部(PE200)の数である。
次に変更部の処理について詳細に説明する。
変更部は、各々の処理部であるPE200に供給する判別情報を変更し、PE200の出力と統合部802の入力との接続を変更することで処理部の役割を変更するものである。例えば、変更部は、判別情報のメモリアドレスや統合部802の入力情報へのメモリアドレスを切り替えることによって前記接続を変更するようにしてもよい。
次に変更部の変更方法を制御する制御部について詳細を説明する。
制御部は、処理負荷の少ない段から多い段へ処理リソース(処理部)を割当直すものである。
次に示す(式7)は、kで示される段数の並列度が、処理内容に対して並列度が足らない場合に大きな値となり、逆に、処理内容に対して並列度が多い場合には小さな値となる。
(他の制御部)
制御部における、役割変更(つまり、上述した接続の変更=処理部の割当直し)の頻度は、パラメータの全交換を行って検出対象となる被写体を変更する場合や、直近の所定時間の通過率に基づいて変化が生じる度に行ってもよい。
役割変更は各種の条件で限定することが可能である。制御部は、1枚の入力画像の処理中における一回の役割変更で必ずしもεを最小化する必要はなく、1回あたりで変更をするPEの数又は統合部802の数を限定したほうがよい。また、(式7)において、最大値が所定の閾値に満たない場合、変更は不要である。また、制御部は、予め段ごとに設定された並列度の上限、下限の中で、処理リソースの割当直しを行うようにしてもよい。ここで、1回とは通過率が変化したときでもよく、処理部がn回(nは1以上の整数)の判定を行う時間単位のいずれでもよい。
第1の実施形態ではプログラムをROM206に置いていたが、I/Oポートから同様なプログラムを読み込み、DRAM202に展開することで、第1の実施形態と同様の処理を実現することができる。
(被写体)
上述した実施形態では顔抽出を例に説明を行ったが、上述した構成及び処理は、顔以外の任意の物体に対しても適用することができる。例えば、人体全身、人体上半身、生物、自動車等がある。工業、流通分野等では生産物、部品、流通物品等の同定や検査等に適用することができる。
(他の通過率検知部)
また、各段における割当部において、処理待ちキューを設けるようにしてもよい。割当部は、これに溜まった処理の数に基づいて通過率を検出してもよい。その際、制御部は、待ち数の大きな段の並列度を上げ、待ち数の少ない段の並列度を下げるように変更部を制御するようにしてもよい。
(他の処理部)
第1の実施形態における弱判別部は局所特徴量を求め、被写体信頼度変換部を有していたが、弱判別部はこれに限定されるものではない。公知文献1は、Haarに似た特徴量を求め、この特徴量が所定の閾値で被写体であるかを判定し、重みをつけた値が弱判別部の出力となっている。弱判別部の構成を同じにし、Haar特徴の位置やサイズ、種類、閾値、重みを判別情報格納部904に格納するようにしてもよい。従って、1つ又は複数の弱判別部の処理をPE200で行い、制御部が、並列度を制御(処理の役割を制御)するようにしてもよい。
(被写体判定部の接続構成)
第1の実施形態における被写体判定部は、複数の被写体判別部を直列に接続することで実現していたが、直列に限定する必要はない。複数の被写体判別部をツリー上に構成し、前段の被写体判別部の結果に応じて後段の何れかの被写体判別部に分岐するように構成してもよい。この場合でも、通過率は(式5)を適用することができる。
更に、前段処理までの処理結果に基づいて後段処理を起動するか否かを変化させ、処理結果によって呼び出し回数が変化する画像処理の並列化の制御の方法において、制御部が、呼び出し回数に基づいて並列度を制御(処理の役割を制御)するようにしてもよい。
また、本発明の目的は、以下のようにすることによって達成される。即ち、上述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記憶媒体(又は記録媒体)を、システム或いは装置に供給する。そして、そのシステム或いは装置の中央演算処理手段(CPUやMPU)が記憶媒体に格納されたプログラムコードを読み出し実行する。この場合、記憶媒体から読み出されたプログラムコード自体が上述した実施形態の機能を実現することになり、そのプログラムコードを記録した記憶媒体は本発明を構成することになる。
202 DRAM
205 CPU
206 ROM
Claims (7)
- 複数段の情報処理を実行する情報処理装置であって、
前記複数段の情報処理の各段の通過率を取得する取得手段と、
情報を処理し、処理結果を出力する複数の処理手段と、
前記複数段の通過率に基づいて、前記複数段の各段で並列に実行すべき処理手段の個数を決定する決定手段と、
前記決定手段により決定された個数に基づいて、前記複数の処理手段を前記複数段の情報処理の各段に割り当てる割当手段と、
を有することを特徴とする情報処理装置。 - 前記複数段の各段は、1つ又は複数の前記処理手段の処理結果を入力とし、前記処理結果を統合して出力する統合手段を更に有し、
前記割当手段は、前記処理手段の処理結果の出力と前記統合手段の入力との接続関係を変更することを特徴とする請求項1に記載の情報処理装置。 - 前記複数段の情報処理の各段の通過率を検知する通過率検知手段を更に有し、
前記取得手段は、前記通過率検知手段で検知された前記通過率を取得することを特徴とする請求項1に記載の情報処理装置。 - 前記通過率検知手段は、所定時間ごとに前記通過率を検知することを特徴とする請求項3に記載の情報処理装置。
- 前記各段は処理待ちキューを有し、
前記通過率検知手段は、前記各段の処理待ちキューに蓄えられた処理の数に基づいて前記通過率を検知することを特徴とする請求項3に記載の情報処理装置。 - 前記処理手段は、画像から被写体を判別する被写体判別手段であって、
前記取得手段は、前記被写体判別手段で判別する被写体の種類が変更された場合、前記変更された被写体の種類に対応する、予め設定されている通過率を取得することを特徴とする請求項1に記載の情報処理装置。 - 前記割当手段は、前記決定手段により決定された個数よりも多くの処理手段が割り当てられている段から、前記決定手段により決定された個数よりも少ない処理手段が割り当てられている段へ、処理手段の一部の割り当てを変更することを特徴とする請求項1に記載の情報処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008274443A JP5258506B2 (ja) | 2008-10-24 | 2008-10-24 | 情報処理装置 |
US12/604,195 US8526738B2 (en) | 2008-10-24 | 2009-10-22 | Information processing apparatus including a plurality of multi-stage connected information processing units |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008274443A JP5258506B2 (ja) | 2008-10-24 | 2008-10-24 | 情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010102568A JP2010102568A (ja) | 2010-05-06 |
JP5258506B2 true JP5258506B2 (ja) | 2013-08-07 |
Family
ID=42165243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008274443A Active JP5258506B2 (ja) | 2008-10-24 | 2008-10-24 | 情報処理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8526738B2 (ja) |
JP (1) | JP5258506B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5574816B2 (ja) | 2010-05-14 | 2014-08-20 | キヤノン株式会社 | データ処理装置及びデータ処理方法 |
JP5618670B2 (ja) * | 2010-07-21 | 2014-11-05 | キヤノン株式会社 | データ処理装置及びその制御方法 |
US8699753B2 (en) * | 2010-11-30 | 2014-04-15 | Panasonic Corporation | Object detecting device, image dividing device, integrated circuit, method of detecting object, object detecting program, and recording medium |
JP6225844B2 (ja) * | 2014-06-30 | 2017-11-08 | 株式会社デンソー | 対象物検出装置 |
JP5974148B2 (ja) * | 2015-08-03 | 2016-08-23 | キヤノン株式会社 | 画像処理装置、画像データの処理方法およびプログラム |
JP7036686B2 (ja) * | 2018-07-24 | 2022-03-15 | 株式会社ダイヘン | オプション機能使用料演算方法、オプション機能使用料演算装置及びコンピュータプログラム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR920001287B1 (ko) * | 1988-02-12 | 1992-02-10 | 니혼 호오소오 고오카이 | 디지탈 영상신호 처리장치 |
US5978831A (en) * | 1991-03-07 | 1999-11-02 | Lucent Technologies Inc. | Synchronous multiprocessor using tasks directly proportional in size to the individual processors rates |
JPH08249306A (ja) * | 1995-03-09 | 1996-09-27 | Sharp Corp | データ駆動型情報処理装置 |
JP4846924B2 (ja) | 2001-05-31 | 2011-12-28 | キヤノン株式会社 | パターン認識装置 |
US7242810B2 (en) * | 2004-05-13 | 2007-07-10 | Proximex Corporation | Multimodal high-dimensional data fusion for classification and identification |
JP4553300B2 (ja) * | 2004-09-30 | 2010-09-29 | Kddi株式会社 | コンテンツ識別装置 |
JP4810090B2 (ja) * | 2004-12-20 | 2011-11-09 | キヤノン株式会社 | データ処理装置 |
JP4767595B2 (ja) * | 2005-06-15 | 2011-09-07 | パナソニック株式会社 | 対象物検出装置及びその学習装置 |
JP2008026974A (ja) * | 2006-07-18 | 2008-02-07 | Mitsubishi Electric Corp | 人物追跡装置 |
JP4218712B2 (ja) * | 2006-08-04 | 2009-02-04 | ソニー株式会社 | 顔検出装置、撮像装置および顔検出方法 |
JP2008102611A (ja) * | 2006-10-17 | 2008-05-01 | Canon Inc | 画像処理装置 |
US20090188727A1 (en) * | 2008-01-24 | 2009-07-30 | Yun-Hsiang Yeh | Apparatus For Processing Signals From Electromagnetic Antenna Board With Multiple Processing Units |
-
2008
- 2008-10-24 JP JP2008274443A patent/JP5258506B2/ja active Active
-
2009
- 2009-10-22 US US12/604,195 patent/US8526738B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2010102568A (ja) | 2010-05-06 |
US20100119107A1 (en) | 2010-05-13 |
US8526738B2 (en) | 2013-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5258506B2 (ja) | 情報処理装置 | |
JP6351240B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
US10026197B2 (en) | Signal processing method, signal processing apparatus, and storage medium | |
TWI627589B (zh) | 使用雙閥值本地二進制圖案運算符之用於增量物件偵測之系統及方法 | |
US20070041638A1 (en) | Systems and methods for real-time object recognition | |
US10079974B2 (en) | Image processing apparatus, method, and medium for extracting feature amount of image | |
JP2013533998A (ja) | 自己類似性を用いる画像内オブジェクトの検出 | |
JP2008033424A (ja) | 画像処理装置、画像処理方法、プログラム及び記憶媒体 | |
US20180183998A1 (en) | Power reduction and performance improvement through selective sensor image downscaling | |
US10810433B2 (en) | Method and system for tracking objects | |
JP2011053959A (ja) | 画像処理装置、被写体判別方法、プログラム及び記憶媒体 | |
US10909353B2 (en) | Information processing apparatus, information processing method, non-transitory computer-readable storage medium | |
JP2010262601A (ja) | パターン認識システム及びパターン認識方法 | |
US8913782B2 (en) | Object detection apparatus and method therefor | |
JP5523053B2 (ja) | 物体識別装置及び物体識別方法 | |
JPWO2012046426A1 (ja) | 物体検出装置、物体検出方法および物体検出プログラム | |
JP5294798B2 (ja) | 画像処理装置及び画像処理方法 | |
US9053354B2 (en) | Fast face detection technique | |
JP5335554B2 (ja) | 画像処理装置及び画像処理方法 | |
JP2014010633A (ja) | 画像認識装置、画像認識方法、及び画像認識プログラム | |
US9262443B2 (en) | Classifying materials using texture | |
JP2006323779A (ja) | 画像処理方法、画像処理装置 | |
JP2013164643A (ja) | 画像認識装置、画像認識方法および画像認識プログラム | |
JP5702960B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
KR101161580B1 (ko) | 인터리빙 히스토그램을 이용한 특징 벡터 추출 방법 및 이를 적용한 영상 인식 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20111024 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120705 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120717 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120914 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130326 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130423 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160502 Year of fee payment: 3 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5258506 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |