JP6547626B2 - 画像の特徴量に関する処理システム、処理方法及びプログラム - Google Patents
画像の特徴量に関する処理システム、処理方法及びプログラム Download PDFInfo
- Publication number
- JP6547626B2 JP6547626B2 JP2015544890A JP2015544890A JP6547626B2 JP 6547626 B2 JP6547626 B2 JP 6547626B2 JP 2015544890 A JP2015544890 A JP 2015544890A JP 2015544890 A JP2015544890 A JP 2015544890A JP 6547626 B2 JP6547626 B2 JP 6547626B2
- Authority
- JP
- Japan
- Prior art keywords
- classification
- likelihood
- image
- pixel
- value
- 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
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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Description
その他、特許文献2−5も、関連技術を開示している。
図1乃至図11は、第1実施形態を説明するための図である。以下、これらの図を参照しながら説明する。本実施形態に係る処理は、尤度分類情報を生成する処理と、当該尤度分類情報を利用する処理とに大きく分かれる。よって、「1.1」で尤度分類情報を生成する処理について説明し、「1.2」で尤度分類情報を利用する処理について説明する。「1.3」では、尤度分類情報を生成する処理や尤度分類情報を利用する処理を実行可能なハードウェア構成の具体例を説明する。最後に、「1.4」で、本実施形態に係る効果などを説明する。
(1.1.1 概要)
監視や検索などの用途のために、単一若しくは複数のカメラで撮影された画像(映像を構成する画像フレームも含む)にそれぞれ映る人物に対して、同一物体(人物も含む)であるかを特定することが求められている。このとき、画像に映る物体の物体領域から、色彩、輝度、エッジ等の画像特徴量を抽出した上で、当該画像特徴量の類似度を算出することにより、同一性を判定することが考えられる。しかしながら、撮影画像に映る画像特徴量は、照明や対象物体の向き、画像内の大きさ等の様々な要因により、大きく変化する場合がある。
以下、図1を参照しながら、本実施形態に係る、尤度分類情報を生成する処理を行なう画像処理システム100のシステム構成を説明する。図1は、画像処理システム100のシステム構成を示すブロック図である。
画像処理システム100は、画像入力部101、尤度分布算出部105、尤度分布算出部105、及びデータベース107を含む。
以下、カテゴリが、洋服の色である場合を中心に説明する。
画素特徴量抽出部103は、画像入力部101により入力されたサンプル画像のうち、物体領域内の各画素から、視覚特徴量(画素値)を抽出する。
以下、尤度の算出方法の詳細を説明する。カテゴリ数をm個とする。つまり、カテゴリの集合Cは以下のように表現できる。
以下、画像処理システム100の処理の流れを、図4を参照しながら説明する。図4は、本実施形態に係る画像処理システム100の、尤度分布情報108(尤度テーブル)を生成する処理の流れを示すフローチャートである。
(1.2 尤度分類情報を利用する処理)
まず、図5を参照しながら、本実施形態に係る、尤度分類情報を利用する処理を行なう画像処理システム500のシステム構成を説明する。図5は、画像処理システム500のシステム構成を示すブロック図である。なお、画像処理システム500は、画像処理システム100と同一の情報処理装置(コンピュータ)内に実装されても良いし、それぞれ別の情報処理装置内に実装されても良い。
前述のとおり、画素特徴量抽出部503は、入力画像から物体領域を特定した上で、当該物体領域内の各画素の画素値を抽出する。図7の例では、画素値として、RGB値(239,170,123)が抽出されている。
なお、類似度の算出方法は前述のとおり式4に限られるものではなく、例えば、ユークリッド距離等によっても算出することができる。
以下、画像処理システム500の処理の流れを、図9及び図10を参照しながら説明する。図9は、分類尤度情報(分類ヒストグラム)を生成するまでの処理の流れ、図10は同一物体であるか否かを判別する際の処理の流れを示すフローチャートである。
まず、画像入力部501は処理対象である画像の入力を受ける(S901)。この画像は、1以上の撮影装置により撮影されたものであり、例えば、1以上の監視カメラが撮影する映像を構成する1以上の画像フレームとすることができる。
続いて、図10を参照しながら、画像処理システム500による、各画像に写る物体の同一性判定の処理を説明する。
以下、図11を参照しながら、上述してきた画像処理システム100や画像処理システム500をコンピュータ1100により実現する場合のハードウェア構成の一例を説明する。なお、画像処理システム100、500のそれぞれの機能は、複数のコンピュータにより実現することも可能であるし、或いは同一の1台のコンピュータにより実現することも可能である。
以上説明したように、本実施形態に係る画像処理システム100は、対象物体の視覚特徴量を、様々な環境で撮影されたサンプル画像から学習した、カテゴリ毎の出現頻度(尤度)として表現する。これにより、非線形な撮影環境に対して頑健な色分布情報を生成することが可能となる。
また、画像処理システム500は、予め学習したカテゴリ毎の線形重みを考慮して類似度を計算するため、この点でも、計算処理コストの削減が可能となる。
つまり、本実施形態に係る画像処理システム100及び500は、それぞれ、好適に画像の特徴量を処理することができる。
以下、第2実施形態を、図12及び図13を参照しながら説明する。図12及び図13は、それぞれ画像の特徴量を処理する画像処理システム1200及び1300の機能構成を示すブロック図である。図12に示すように、画像処理システム1200は、入力部1210及び生成部1220を含む。
入力部1210は、複数の分類に対して、分類が対応付けられる物体がそれぞれ異なる条件下で撮影された複数のサンプル画像の入力を受ける。
また、図13に示すように、画像処理システム1300は、入力部1310、格納部1320、及び生成部1330を含む。
入力部1310は、画像の入力を受ける。
格納部1320は、画像の各画素が取りうる特徴量の各値と、各値が複数の分類のそれぞれに属する尤度とが対応付けられた尤度分布情報を格納する。
このように実装することで、本実施形態に係る画像処理システム1200及び1300によれば、好適に画像の特徴量を処理することができる。
なお、前述の実施形態の構成は、組み合わせたり或いは一部の構成部分を入れ替えたりしてもよい。また、本発明の構成は前述の実施形態のみに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更を加えてもよい。
複数の分類に対して、分類が対応付けられる物体がそれぞれ異なる条件下で撮影された複数のサンプル画像の入力を受ける入力手段と、分類が対応付けられた前記複数のサンプル画像中の各物体に係る領域に含まれる各画素又は画素ブロックの特徴量に基づき、各画素又は画素ブロックが取りうる特徴量の各値と、各値が前記複数の分類のそれぞれに属する尤度とが対応付けられた尤度分布情報を生成する手段とを備える、画像の特徴量に関する処理システム。
前記特徴量は色を表現するものを含み、前記分類は、色バリエーションの服である、付記1記載の処理システム。
画像の入力を受ける入力手段と、画像の各画素又は画素ブロックが取りうる特徴量の各値と、各値が複数の分類のそれぞれに属する尤度とが対応付けられた尤度分布情報を格納する手段と、画像内の物体領域の各画素又は画素ブロックの特徴量の値に対して、前記尤度分布情報を参照することにより、当該物体領域の前記複数の分類に係る尤度分布を示す分類尤度情報を生成する手段とを備える、画像の特徴量に関する処理システム。
前記入力手段により入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別する判別手段を更に備える、付記3記載の処理システム。
前記判別手段は、各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮する、付記4記載の処理システム。
分類毎の前記重みを、画像を撮影する撮影装置のペアに対して算出する手段を更に備える、付記5記載の処理システム。
前記特徴量は、色を表現するものを含む、付記3乃至付記6のいずれか1項記載の処理システム。
前記特徴量は、模様に関するものを含む、付記3乃至付記7のいずれか1項記載の処理システム。
複数の分類に対して、分類が対応付けられる物体がそれぞれ異なる条件下で撮影された複数のサンプル画像の入力を受けるステップと、分類が対応付けられた前記複数のサンプル画像中の各物体に係る領域に含まれる各画素又は画素ブロックの特徴量に基づき、各画素又は画素ブロックが取りうる特徴量の各値と、各値が前記複数の分類のそれぞれに属する尤度とが対応付けられた尤度分布情報を生成するステップとをコンピュータが行なう、画像の特徴量に関する処理方法。
前記特徴量は色を表現するものを含み、前記分類は、色バリエーションの服である、付記9記載の処理方法。
画像の入力を受けるステップと、画像の各画素又は画素ブロックが取りうる特徴量の各値と、各値が複数の分類のそれぞれに属する尤度とが対応付けられた尤度分布情報を格納するステップと、画像内の物体領域の各画素又は画素ブロックの特徴量の値に対して、前記尤度分布情報を参照することにより、当該物体領域の前記複数の分類に係る尤度分布を示す分類尤度情報を生成するステップとをコンピュータが行なう、画像の特徴量に関する処理方法。
入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別するステップを更に備える、付記11記載の処理方法。
各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮する、付記12記載の処理方法。
分類毎の前記重みを、画像を撮影する撮影装置のペアに対して算出するステップを更に備える、付記13記載の処理方法。
前記特徴量は、色を表現するものを含む、付記11乃至付記14のいずれか1項記載の処理方法。
前記特徴量は、模様に関するものを含む、付記11乃至付記15のいずれか1項記載の処理方法。
複数の分類に対して、分類が対応付けられる物体がそれぞれ異なる条件下で撮影された複数のサンプル画像の入力を受ける処理と、分類が対応付けられた前記複数のサンプル画像中の各物体に係る領域に含まれる各画素又は画素ブロックの特徴量に基づき、各画素又は画素ブロックが取りうる特徴量の各値と、各値が前記複数の分類のそれぞれに属する尤度とが対応付けられた尤度分布情報を生成する処理とをコンピュータに実行させる、画像の特徴量に関するプログラム。
前記特徴量は色を表現するものを含み、前記分類は、色バリエーションの服である、付記17記載のプログラム。
画像の入力を受ける処理と、画像の各画素又は画素ブロックが取りうる特徴量の各値と、各値が複数の分類のそれぞれに属する尤度とが対応付けられた尤度分布情報を格納する処理と、画像内の物体領域の各画素又は画素ブロックの特徴量の値に対して、前記尤度分布情報を参照することにより、当該物体領域の前記複数の分類に係る尤度分布を示す分類尤度情報を生成する処理とをコンピュータに実行させる、画像の特徴量に関するプログラム。
入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別する処理を更にコンピュータに実行させる、付記19記載のプログラム。
各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮する、付記20記載のプログラム。
分類毎の前記重みを、画像を撮影する撮影装置のペアに対して算出する処理を更にコンピュータに実行させる、付記21記載のプログラム。
前記特徴量は、色を表現するものを含む、付記19乃至付記22のいずれか1項記載のプログラム。
前記特徴量は、模様に関するものを含む、付記19乃至付記23のいずれか1項記載のプログラム。
2 :カテゴリ
3 :カテゴリ
5 :カテゴリ
100 :画像処理システム
101 :画像入力部
103 :画素特徴量抽出部
105 :尤度分布算出部
107 :データベース
108 :尤度分布情報
500 :画像処理システム
501 :画像入力部
503 :画素特徴量抽出部
505 :分類尤度情報生成部
507 :データベース
508 :尤度分布情報
509 :照合部
511 :データベース
512 :分類重み情報
513 :学習用情報入力部
515 :分類重み情報生成部
1100 :コンピュータ
1101 :プロセッサ
1103 :メモリ
1105 :記憶装置
1107 :入力インタフェース部
1109 :データインタフェース部
1111 :通信インタフェースF部
1113 :表示装置
1200 :画像処理システム
1210 :入力部
1220 :生成部
1300 :画像処理システム
1310 :入力部
1320 :格納部
1330 :生成部
Claims (9)
- 複数の分類に対して、分類が対応付けられる物体がそれぞれ異なる条件下で撮影された複数のサンプル画像の入力を受ける入力手段と、
前記複数のサンプル画像中の各物体に係る領域に含まれる各画素又は各画素ブロックの特徴量の各値と、前記各値が前記複数の分類のそれぞれに属する尤度と、が対応付けられた尤度分布情報を生成する手段と、
前記入力手段により入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別する判別手段と、
を備え、
前記判別手段は、各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮し、
前記分類尤度情報は、異なる撮影装置のペアまたは異なる撮影環境下において、同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペア、および、非同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペアを含み、
分類毎の前記重みを、画像を撮影する撮影装置のペアに対して算出する手段を更に備える、
画像の特徴量に関する処理システム。 - 前記特徴量は色を表現するものを含み、
前記分類は、色バリエーションの服である、
請求項1記載の処理システム。 - 画像の入力を受ける入力手段と、
画像の各画素又は各画素ブロックの特徴量の各値と、前記各値が複数の分類のそれぞれに属する尤度と、が対応付けられた尤度分布情報を格納する手段と、
画像内の物体領域の各画素又は各画素ブロックの特徴量の値に対して、前記尤度分布情報を参照することにより、前記物体領域における前記分類の構成比率を示す分類尤度情報を生成する手段と
前記入力手段により入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別する判別手段と、
を備え、
前記判別手段は、各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮し、
前記分類尤度情報は、異なる撮影装置のペアまたは異なる撮影環境下において、同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペア、および、非同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペアを含み、
分類毎の前記重みを、前記分類ヒストグラムのペアを用いて算出する
画像の特徴量に関する処理システム。 - 前記特徴量は、色を表現するものを含む、
請求項3記載の処理システム。 - 前記特徴量は、模様に関するものを含む、
請求項3または4記載の処理システム。 - 複数の分類に対して、分類が対応付けられる物体がそれぞれ異なる条件下で撮影された複数のサンプル画像の入力を受け、
前記複数のサンプル画像中の各物体に係る領域に含まれる各画素又は各画素ブロックの特徴量の各値と、前記各値が前記複数の分類のそれぞれに属する尤度と、が対応付けられた尤度分布情報を生成することと、
入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別することと、
を含み、
各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮し、
前記分類尤度情報は、異なる撮影装置のペアまたは異なる撮影環境下において、同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペア、および、非同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペアを含み、
分類毎の前記重みを、前記分類ヒストグラムのペアを用いて算出する
画像の特徴量に関する処理方法。 - 画像の入力を受け、
画像の各画素又は各画素ブロックの特徴量の各値と、前記各値が複数の分類のそれぞれに属する尤度と、が対応付けられた尤度分布情報を格納し、
画像内の物体領域の各画素又は各画素ブロックの特徴量の値に対して、前記尤度分布情報を参照することにより、前記物体領域における前記分類の構成比率を示す分類尤度情報を生成することと、
入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別することと、
各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮することと、
を含み、
前記分類尤度情報は、異なる撮影装置のペアまたは異なる撮影環境下において、同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペア、および、非同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペアを含み、
分類毎の前記重みを、前記分類ヒストグラムのペアを用いて算出する
画像の特徴量に関する処理方法。 - 複数の分類に対して、分類が対応付けられる物体がそれぞれ異なる条件下で撮影された複数のサンプル画像の入力を受ける処理と、
前記複数のサンプル画像中の各物体に係る領域に含まれる各画素又は各画素ブロックの特徴量の各値と、前記各値が前記複数の分類のそれぞれに属する尤度と、が対応付けられた尤度分布情報を生成する処理と、
入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別する処理と、
各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮する処理と、
をコンピュータに実行させ、
前記分類尤度情報は、異なる撮影装置のペアまたは異なる撮影環境下において、同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペア、および、非同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペアを含み、
分類毎の前記重みを、前記分類ヒストグラムのペアを用いて算出する処理
をコンピュータに実行させる、画像の特徴量に関するプログラム。 - 画像の入力を受ける処理と、
画像の各画素又は各画素ブロックの特徴量の各値と、前記各値が複数の分類のそれぞれに属する尤度と、が対応付けられた尤度分布情報を格納する処理と、
画像内の物体領域の各画素又は各画素ブロックの特徴量の値に対して、前記尤度分布情報を参照することにより、前記物体領域における前記分類の構成比率を示す分類尤度情報を生成する処理と、
入力される1以上の画像内の各物体領域に対してそれぞれ生成される分類尤度情報に基づき、各物体領域が同一物体に係るものであるか否かを判別する処理と、
各物体領域が同一物体に係るものであるか否かを判別する際に、各分類に係る分類尤度情報の値に対して、それぞれ重みを考慮する処理と、
をコンピュータに実行させ、
前記分類尤度情報は、異なる撮影装置のペアまたは異なる撮影環境下において、同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペア、および、非同一物体である物体領域が撮影されることによって生成された分類ヒストグラムのペアを含み、
分類毎の前記重みを、前記分類ヒストグラムのペアを用いて算出する処理
をコンピュータに実行させる、画像の特徴量に関するプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013225917 | 2013-10-30 | ||
JP2013225917 | 2013-10-30 | ||
PCT/JP2014/076380 WO2015064292A1 (ja) | 2013-10-30 | 2014-10-02 | 画像の特徴量に関する処理システム、処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2015064292A1 JPWO2015064292A1 (ja) | 2017-03-09 |
JP6547626B2 true JP6547626B2 (ja) | 2019-07-24 |
Family
ID=53003905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015544890A Active JP6547626B2 (ja) | 2013-10-30 | 2014-10-02 | 画像の特徴量に関する処理システム、処理方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10140555B2 (ja) |
JP (1) | JP6547626B2 (ja) |
WO (1) | WO2015064292A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017154630A1 (ja) * | 2016-03-09 | 2017-09-14 | 日本電気株式会社 | 画像処理装置、画像処理方法および記録媒体 |
JP2018005555A (ja) * | 2016-07-01 | 2018-01-11 | ソニー株式会社 | 画像処理装置、情報処理装置、および方法、並びにプログラム |
US10755419B2 (en) * | 2017-01-30 | 2020-08-25 | Nec Corporation | Moving object detection apparatus, moving object detection method and program |
JP2019109709A (ja) * | 2017-12-18 | 2019-07-04 | 株式会社東芝 | 画像処理装置、画像処理方法およびプログラム |
WO2023152898A1 (ja) * | 2022-02-10 | 2023-08-17 | 日本電気株式会社 | 学習装置、照合装置、学習方法、照合方法及びコンピュータ可読媒体 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005165965A (ja) * | 2003-12-05 | 2005-06-23 | Canon Inc | 画像認識システムおよび画像認識方法 |
JP2005250692A (ja) | 2004-03-02 | 2005-09-15 | Softopia Japan Foundation | 物体の同定方法、移動体同定方法、物体同定プログラム、移動体同定プログラム、物体同定プログラム記録媒体、移動体同定プログラム記録媒体 |
JP4418829B2 (ja) | 2006-09-28 | 2010-02-24 | シャープ株式会社 | 色補正方法および画像処理装置 |
JP5022956B2 (ja) | 2008-03-19 | 2012-09-12 | 株式会社東芝 | 画像処理装置、画像処理方法および画像処理システム |
JP2010068120A (ja) | 2008-09-09 | 2010-03-25 | Toshiba Corp | 監視システム |
JP5085621B2 (ja) | 2009-09-10 | 2012-11-28 | 株式会社東芝 | 画像認識処理に適用する特徴情報選択装置、画像認識処理装置、監視システム、方法、及びプログラム |
JP2011237907A (ja) | 2010-05-07 | 2011-11-24 | Sony Corp | 画像処理装置、画像処理方法、およびプログラム |
JP5771413B2 (ja) | 2011-03-02 | 2015-08-26 | パナソニック株式会社 | 姿勢推定装置、姿勢推定システム、および姿勢推定方法 |
BR112013025032A2 (pt) | 2011-03-28 | 2017-01-10 | Nec Corp | dispositivo de rastreamento de pessoa, método de rastreamento de pessoa, e meio legível por computador não transitório que armazena programa de rastreamento de pessoa |
US20120301014A1 (en) * | 2011-05-27 | 2012-11-29 | Microsoft Corporation | Learning to rank local interest points |
JP5836779B2 (ja) * | 2011-12-02 | 2015-12-24 | キヤノン株式会社 | 画像処理方法、画像処理装置、撮像装置およびプログラム |
-
2014
- 2014-10-02 JP JP2015544890A patent/JP6547626B2/ja active Active
- 2014-10-02 WO PCT/JP2014/076380 patent/WO2015064292A1/ja active Application Filing
- 2014-10-02 US US15/033,613 patent/US10140555B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20160253581A1 (en) | 2016-09-01 |
US10140555B2 (en) | 2018-11-27 |
JPWO2015064292A1 (ja) | 2017-03-09 |
WO2015064292A1 (ja) | 2015-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220138490A1 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
JP5546317B2 (ja) | 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム | |
US8792722B2 (en) | Hand gesture detection | |
JP6428266B2 (ja) | 色補正装置、色補正方法および色補正用プログラム | |
US8750573B2 (en) | Hand gesture detection | |
JP6547626B2 (ja) | 画像の特徴量に関する処理システム、処理方法及びプログラム | |
US20170032222A1 (en) | Cross-trained convolutional neural networks using multimodal images | |
CN108292362A (zh) | 用于光标控制的手势识别 | |
KR20200130440A (ko) | 이미지 내 객체를 식별하기 위한 방법 및 상기 방법을 실행하기 위한 모바일 디바이스(method for identifying an object within an image and mobile device for executing the method) | |
JP5361664B2 (ja) | 画像処理装置、画像処理方法 | |
JP7142420B2 (ja) | 画像処理装置、学習方法、学習済モデル、画像処理方法 | |
Vanetti et al. | Gas meter reading from real world images using a multi-net system | |
CN107025442B (zh) | 一种基于颜色和深度信息的多模态融合手势识别方法 | |
US11151583B2 (en) | Shoe authentication device and authentication process | |
JP2014041477A (ja) | 画像認識装置及び画像認識方法 | |
JP2013206458A (ja) | 画像における外観及びコンテキストに基づく物体分類 | |
US10891740B2 (en) | Moving object tracking apparatus, moving object tracking method, and computer program product | |
Bao et al. | Context modeling combined with motion analysis for moving ship detection in port surveillance | |
JP5349622B2 (ja) | パターン識別装置 | |
JP6384167B2 (ja) | 移動体追跡装置及び移動体追跡方法、並びにコンピュータ・プログラム | |
Hassen et al. | Multi-shot person re-identification approach based key frame selection | |
JP4966946B2 (ja) | 時空間画像分離装置、時空間画像分離方法および時空間画像分離プログラム | |
Jothilakshmi et al. | Automatic Machine Learning Forgery Detection Based On SVM Classifier | |
JP2021174442A (ja) | 個体識別システム | |
JP2021174439A (ja) | 個体識別システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170915 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180605 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180731 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20181218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190313 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20190408 |
|
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: 20190528 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190610 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6547626 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |