JP6945639B2 - 画像処理方法及び装置 - Google Patents

Description

技術分野
この出願は、画像処理の分野に関し、より具体的には、画像処理方法及び装置に関する。

技術背景
画像処理技術の開発と共に、画像処理は、顔認識支払分野やアイデンティティ認識分野などの多くの分野において適用されてきた。画像処理では、通常、システムに保存された画像を処理のベースとして取り入れ、システムに保存された画像を処理することによって処理結果を得る必要がある。例えば、システムに保存された基本画像は、ユーザアイデンティティを検証するために、収集されたユーザ画像と比較される。

同じ対象物体の場合、システムに保存された対象物体の画像の画質は異なるため、対象物体の複数の基本画像から対象物体の高画質画像を選択するための技術的解決法を提供し、それにより、画像処理効果を向上させる必要がある。

発明の概要
この出願の実施形態の目的は、画像処理方法及び装置を提供することであり、対象物体の標準特徴に基づいて、対象物体の複数の画像から対象物体の標準特徴に対してより類似している画像が決定され、その結果、すべての選択画像が画像処理に適しており、それにより、画像処理効果が向上する。

上記の技術的問題を解決するため、この出願の実施形態は、以下の通り実装される。

この出願の実施形態では、
対象物体の複数の画像の特徴及び対象物体の標準特徴を取得することと、
複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することであって、信頼できる画像の特徴と標準特徴との間の類似性が、プリセット類似性要件を満たす、決定することと
を含む、画像処理方法が提供される。

この出願の実施形態では、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
を含む、別の画像処理方法であって、
第１の対象物体の信頼できる画像が、第１の対象物体の複数の画像から決定された画像であり、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像が、第２の対象物体の複数の画像から決定された画像であり、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像処理方法が提供される。

この出願の実施形態では、
第１の対象物体の複数の画像の特徴、第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び第２の対象物体の標準特徴を取得することと、
第１の対象物体の複数の画像の特徴と第１の対象物体の標準特徴との間の類似性に従って、第１の対象物体の複数の画像から第１の対象物体の信頼できる画像を決定し、第２の対象物体の複数の画像の特徴と第２の対象物体の標準特徴との間の類似性に従って、第２の対象物体の複数の画像から第２の対象物体の信頼できる画像を決定することであって、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、決定することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
を含む、さらなる別の画像処理方法が提供される。

この出願の実施形態では、
対象物体の複数の画像の特徴及び対象物体の標準特徴を取得するように構成された特徴取得モジュールと、
複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定するように構成された画像選択モジュールであって、信頼できる画像の特徴と標準特徴との間の類似性が、プリセット類似性要件を満たす、画像選択モジュールと
を含む、画像処理装置が提供される。

この出願の実施形態では、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得するように構成された画像取得モジュールと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断するように構成された画像比較モジュールと
を含む、別の画像処理装置であって、
第１の対象物体の信頼できる画像が、第１の対象物体の複数の画像から決定された画像であり、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像が、第２の対象物体の複数の画像から決定された画像であり、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像処理装置が提供される。

この出願の実施形態では、
第１の対象物体の複数の画像の特徴、第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び第２の対象物体の標準特徴を取得するように構成されたデータ取得モジュールと、
第１の対象物体の複数の画像の特徴と第１の対象物体の標準特徴との間の類似性に従って、第１の対象物体の複数の画像から第１の対象物体の信頼できる画像を決定し、第２の対象物体の複数の画像の特徴と第２の対象物体の標準特徴との間の類似性に従って、第２の対象物体の複数の画像から第２の対象物体の信頼できる画像を決定するように構成された画像決定モジュールであって、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像決定モジュールと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断するように構成された画像判定モジュールと
を含む、さらなる別の画像処理装置が提供される。

この出願の実施形態では、
プロセッサと、
コンピュータ実行可能命令を格納するように構成されたメモリであって、実行可能命令が、実行されると、
対象物体の複数の画像の特徴及び対象物体の標準特徴を取得することと、
複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することであって、信頼できる画像の特徴と標準特徴との間の類似性が、プリセット類似性要件を満たす、決定することと
をプロセッサに実行させる、メモリと
を含む、画像処理デバイスが提供される。

この出願の実施形態では、
プロセッサと、
コンピュータ実行可能命令を格納するように構成されたメモリであって、実行可能命令が、実行されると、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
をプロセッサに実行させる、メモリと
を含む、別の画像処理デバイスであって、
第１の対象物体の信頼できる画像が、第１の対象物体の複数の画像から決定された画像であり、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像が、第２の対象物体の複数の画像から決定された画像であり、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像処理デバイスが提供される。

この出願の実施形態では、
プロセッサと、
コンピュータ実行可能命令を格納するように構成されたメモリであって、実行可能命令が、実行されると、
第１の対象物体の複数の画像の特徴、第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び第２の対象物体の標準特徴を取得することと、
第１の対象物体の複数の画像の特徴と第１の対象物体の標準特徴との間の類似性に従って、第１の対象物体の複数の画像から第１の対象物体の信頼できる画像を決定し、第２の対象物体の複数の画像の特徴と第２の対象物体の標準特徴との間の類似性に従って、第２の対象物体の複数の画像から第２の対象物体の信頼できる画像を決定することであって、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、決定することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
をプロセッサに実行させる、メモリと
を含む、さらなる別の画像処理デバイスが提供される。

この出願の実施形態では、コンピュータ実行可能命令を格納するように構成された記憶媒体であって、実行可能命令が、実行されると、以下のプロセス：
対象物体の複数の画像の特徴及び対象物体の標準特徴を取得することと、
複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することであって、信頼できる画像の特徴と標準特徴との間の類似性が、プリセット類似性要件を満たす、決定することと
を実装する、記憶媒体が提供される。

この出願の実施形態では、コンピュータ実行可能命令を格納するように構成された別の記憶媒体であって、実行可能命令が、実行されると、以下のプロセス：
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
を実施し、
第１の対象物体の信頼できる画像が、第１の対象物体の複数の画像から決定された画像であり、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像が、第２の対象物体の複数の画像から決定された画像であり、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、記憶媒体が提供される。

この出願の実施形態では、コンピュータ実行可能命令を格納するように構成されたさらなる別の記憶媒体であって、実行可能命令が、実行されると、以下のプロセス：
第１の対象物体の複数の画像の特徴、第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び第２の対象物体の標準特徴を取得することと、
第１の対象物体の複数の画像の特徴と第１の対象物体の標準特徴との間の類似性に従って、第１の対象物体の複数の画像から第１の対象物体の信頼できる画像を決定し、第２の対象物体の複数の画像の特徴と第２の対象物体の標準特徴との間の類似性に従って、第２の対象物体の複数の画像から第２の対象物体の信頼できる画像を決定することであって、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、決定することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
を実装する、記憶媒体が提供される。

実施形態の技術的解決法を用いると、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な信頼できる画像を対象物体の複数の画像から決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上する。

図面の簡単な説明
この出願の実施形態又は先行技術の技術的解決法をより明確に示すため、実施形態又は先行技術の説明において使用される添付の図面を以下で簡単に説明する。以下の説明の添付の図面は、この出願に記録された単なるいくつかの実施形態であることは明らかであり、当業者は、創造的な取り組みを行うことなく、これらの添付の図面に従って、他の添付の図面を得ることもできる。

この出願の実施形態による画像処理方法の第１の概略フローチャートである。 この出願の実施形態による、対象物体の標準画像に従って対象物体の信頼できる画像を決定することに対する概略図である。 この出願の実施形態による、複数の画像の特徴と標準特徴との間の類似性の分布の概略図である。 この出願の実施形態による画像処理方法の第２の概略フローチャートである。 この出願の実施形態による、信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを比較することに対する概略図である。 この出願の実施形態による画像処理方法の第３の概略フローチャートである。 この出願の実施形態による画像処理方法の第４の概略フローチャートである。 この出願の実施形態による、画像処理方法の第５の概略フローチャートである。 この出願の実施形態による画像処理装置のモジュール構図の第１の概略図である。 この出願の実施形態による画像処理装置のモジュール構図の第２の概略図である。 この出願の実施形態による画像処理装置のモジュール構図の第３の概略図である。 この出願の実施形態による画像処理デバイスの概略構造図である。

詳細な説明
当業者がこの出願の技術的解決法をより良く理解できるようにするため、この出願の実施形態の技術的解決法は、この出願の実施形態の添付の図面を参照して、以下で明確且つ完全に説明する。説明される実施形態は、この出願の実施形態のすべてというよりむしろ、単にそのうちの一部であることは明らかである。創造的な取り組みを行うことなく、この出願の実施形態に基づいて当業者によって導出された他のすべての実施形態は、この出願の保護範囲内に収まるべきである。

この出願の実施形態では、対象物体の複数の画像において対象物体の信頼できる画像を選択することができ、さらに、対象物体の信頼できる画像に基づいて、対象物体が別の対象物体に類似しているかどうかを判断することができる画像処理方法及び装置が提供される。選択された対象物体の信頼できる画像は、対象物体の標準特徴に対してより類似しており、対象物体の標準特徴を反映することができる。

図１は、この出願の実施形態による画像処理方法の第１の概略フローチャートである。方法は、サーバによって実行される。図１に示されるように、方法は、少なくとも以下のステップを含む。

ステップＳ１０２では、対象物体の複数の画像の特徴及び対象物体の標準特徴が取得される。

ステップＳ１０４では、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像が決定され、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たす。

この実施形態による画像処理方法では、最初に、対象物体の複数の画像の特徴及び対象物体の標準特徴が取得され、次いで、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像が決定され、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たす。以上のように、この実施形態の画像処理方法によれば、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な信頼できる画像を対象物体の複数の画像から決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上する。

この実施形態では、対象物体は、人（natural person）又は物であり得る。ステップＳ１０２では、対象物体の複数の事前に格納された画像は、ローカルデータベース又はリモートデータベースから読み取ることができ、対象物体の複数の画像の特徴を取得することができ、対象物体の各画像は、対応する特徴を有する。

対象物体の標準特徴は、対象物体を正確に反映することができる特徴を指し、対象物体を正確に反映することができる特徴を使用することによって、対象物体の複数の画像から信頼できる画像を選択することにより、信頼できる画像もまた対象物体を正確に反映できることを保証することができる。標準特徴が対象物体を正確に反映する必要があることを考慮すると、この実施形態では、対象物体の標準特徴は、以下の方法（ａ１）又は（ａ２）によって取得される。
（ａ１）複数の画像の平均特徴を取得し、対象物体の標準特徴として、複数の画像の平均特徴を取り入れるか、又は、
（ａ２）複数の画像の平均特徴を取得し、対象物体の標準特徴として、複数の画像の特徴のうちの平均特徴に最も類似した１つの特徴を取り入れる。

方法（ａ１）では、対象物体の複数の画像の特徴が平均化され、具体的な平均化方法は、実際の実装形態シナリオに従って決定することができ、本明細書では制限されない。具体的な実装形態シナリオでは、すべての取得画像の特徴ベクトル（同じ次元のもの）を平均化することができ、従って、すべての画像の平均特徴を得ることができる。この方法では、すべての取得画像の平均特徴が対象物体の標準特徴として取り入れられる。

方法（ａ２）では、最初に、複数の画像の平均特徴が取得される。このプロセスは、方法（ａ１）のものと同一であり、ここでは詳述しない。対象物体の各画像は対応する特徴を有するため、対象物体の標準特徴として、複数の画像の特徴から平均特徴に最も類似した１つの特徴が決定される。具体的には、各画像の特徴と平均特徴との間の類似性は、最も高い類似性を有する画像を得るために、対象物体の複数の画像においてそれぞれ計算され、最も高い類似性を有する画像の特徴は、対象物体の標準特徴として取り入れられる。この方法では、平均特徴に最も類似した特徴を有する画像を得ることができる。その画像は、標準画像と呼ぶことができる。標準画像は、対象物体の標準特徴を反映し、対象物体の他の画像処理プロセスにおいて使用することができる。

方法（ａ１）と方法（ａ２）とを比較すると、方法（ａ１）で動作する場合、標準特徴を決定するプロセスは単純且つ容易であり、一方、方法（ａ２）の標準特徴を決定するプロセスでは、標準特徴に最も類似した標準画像をさらに得ることができ、従って、対象物体の他の画像処理プロセスを促進できることが分かる。当業者は、対象物体の標準特徴を決定するために、実際の状況に従って、方法（ａ１）又は方法（ａ２）のいずれかを選択することができる。

ステップＳ１０４では、具体的には、以下の方法（ｂ１）又は（ｂ２）で、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することができる。
（ｂ１）対象物体の信頼できる画像として、複数の画像の中からその特徴と標準特徴との間の類似性がプリセット類似性閾値より大きい画像のいくつか若しくはすべてを取り入れるか、又は、
（ｂ２）複数の画像の特徴と標準特徴との間の類似性の分布データを決定し、画像密度がプリセット密度より高い分布データの類似性区間（similarity interval）を決定し、対象物体の信頼できる画像として、決定された類似性区間に対応する画像のいくつか若しくはすべてを取り入れる。

方法（ｂ１）では、対象物体の複数の画像の各画像の特徴と対象物体の標準特徴との間の類似性がそれぞれ計算され、次いで、プリセット類似性閾値より大きい類似性を有する複数の画像が決定される。複数の画像はすべて対象物体の標準特徴に非常に近く、すべてが対象物体の標準特徴を反映できることを理解することができる。しかし、複数の画像の量が非常に大きい場合に、計算速度に影響が及ぶことを考慮する；それにより、この方法では、計算速度を考慮に入れない場合は、決定された複数の画像はすべて、対象物体の信頼できる画像として取り入れることができ、計算速度を考慮に入れる場合は、決定された複数の画像のいくつかを対象物体の信頼できる画像として取り入れることができる。この方法では、プリセット類似性閾値は、サーバによってプリセットされた値であり、プリセットの方法は、サーバによって、この実施形態の実装形態シナリオに従って設定することができる。

具体的な例は、以下の通りである。対象物体の複数の画像の各画像の特徴と対象物体の標準特徴との間の類似性が計算され、対象物体の複数の画像は、最も高い類似性を有するものから最も低い類似性を有するものへと順番にソートされる。ソーティングでは、プリセット類似性閾値より大きい類似性を有する画像が決定される。計算速度の要件を考慮して、プリセット類似性閾値より大きい類似性を有する画像の量がある特定の値（例えば、１００）以上である場合は、プリセット類似性閾値より大きい類似性を有する当該特定の画像の量の最初の半分（この事例では、５０の画像）が、最も高い類似性を有するものから最も低い類似性を有するものへと順番に、対象物体の信頼できる画像として選択される。プリセット類似性閾値より大きい類似性を有する画像の量が当該特定の値より少ない場合は、プリセット類似性閾値より大きい類似性を有する画像の量の最初の半分が、最も高い類似性を有するものから最も低い類似性を有するものへと順番に、対象物体の信頼できる画像として選択される。

例えば、対象物体の標準特徴は、対象物体の標準画像の特徴である。図２ａは、この出願の実施形態による、対象物体の標準画像に従って、対象物体の信頼できる画像を決定することに対する概略図である。図２ａに示されるように、対象物体は人であり、画像ａは、対象物体の標準画像であり、画像ａ１、ａ２、ａ３、ａ４は、対象物体の複数の取得画像のいくつかの画像である。標準画像とａ１、ａ２、ａ３、ａ４との間の類似性がそれぞれ計算され、標準画像とａ１、ａ２、ａ３、ａ４との間の類似性がそれぞれ８５％、６５％、８７％、８６％であることが得られる。プリセット類似性閾値は８０％に設定され、従って、ａ１、ａ３、ａ４は対象物体の信頼できる画像であり、ａ２は信頼できない画像であると決定される。

方法（ｂ２）では、複数の類似性データを得るために、対象物体の複数の画像の各画像の特徴と対象物体の標準特徴との間の類似性がそれぞれ計算される。統計は、分布データを得るために、複数の類似性データの分布に対して実施される。分布データは、統計分布ヒストグラムの形態で提示することができる。分布データは、複数の類似性区間を含み、各類似性区間に対応する画像の量がマーク付けされる。画像密度がプリセット密度より高い分布データの類似性区間が決定される。ここでは、画像密度は、類似性区間の類似性範囲に対する、類似性区間の画像の量の比率によって表すことができる。より高い画像密度は、より大きな画像の量を示し、その画像の量は、類似性区間の各類似性単位に相当する。プリセット密度は、サーバによってプリセットされた値であり、サーバによって、シナリオ要件に従って設定することができる。画像密度がプリセット密度より高い類似性区間が決定された後、方法（ｂ１）のものと同様に、計算速度を考慮に入れない場合は、決定された類似性区間の画像はすべて、対象物体の信頼できる画像として決定され、計算速度を考慮に入れる場合は、決定された類似性区間の画像のいくつかが、対象物体の信頼できる画像として決定される。画像密度がプリセット密度より高い類似性区間内の画像は、必ずしも標準特徴に最も類似したものであるとは限らない。

方法（ｂ２）では、画像密度がプリセット密度より高い類似性区間内に分布した画像は、主に、対象物体の正常な画像である。対象物体が写真を撮る際によく笑う人である場合は、対象物体の分布データに対して統計が実施されると、画像密度がプリセット密度より高い類似性区間内に分布した画像は、主に、対象物体の笑っている画像である。信頼できる画像として、画像密度がプリセット密度より高い類似性区間の画像のいくつか又はすべてを決定することにより、対象物体の信頼できる画像は、その正常な画像であり得る。

図２ｂは、この出願の実施形態による、複数の画像の特徴と標準特徴との間の類似性の分布の概略図である。図２ｂに示されるように、統計分布ヒストグラムは、対象物体の各画像の特徴と対象物体の標準特徴との間の類似性の分布データに従って得られる。当該ヒストグラムは、複数の類似性区間を含み、各類似性区間に対応する画像の量がマーク付けされる。当該ヒストグラムでは、画像密度がプリセット密度より高い類似性区間は、６０〜８０の類似性スコアを有する区間及び８０〜１００の類似性スコアを有する区間を含み、当該ヒストグラムでは斜線が引かれている。次いで、２つの区間に対応する画像のいくつか又はすべては、対象物体の信頼できる画像として決定される。

方法（ｂ１）と方法（ｂ２）とを比較することにより、方法（ｂ１）では、対象物体の信頼できる画像は、主に、プリセット類似性閾値に基づいて、対象物体の複数の画像から決定され、方法（ｂ２）では、対象物体の信頼できる画像は、主に、類似性の分布データに基づいて、対象物体の複数の画像から決定されることが分かる。対象物体の複数の画像がすべて対象画像自体の画像である際は、方法（ｂ１）において、対象物体の標準特徴に非常に近い対象物体の信頼できる画像を単純且つ迅速に得ることができる。少量の不純物画像（無意味な画像又は他の対象物体の画像など）が対象物体の複数の画像に混ざっている場合は、方法（ｂ２）において、不純物画像からの干渉を回避することができ、対象物体の正常な画像が、対象物体の信頼できる画像として取り入れられる。当業者は、対象物体の信頼できる画像を決定するために、実際の状況に従って、方法（ｂ１）又は方法（ｂ２）のいずれかを選択することができる。

方法（ｂ２）では、類似性分布に基づいて信頼できる画像が決定されるとき、類似性の分布データにおいて高い類似性（例えば、単に１つの画像と標準特徴との間の類似性が９８ポイントであり、残りの画像と標準特徴との間の類似性が最大で９０ポイントである）を有する分離画像が決定される場合は、高い類似性を有する分離画像は、標準特徴と完全に重複するか、又は、計算誤差を有する画像であり得る。この状況では、画像選択の正確度を保証するためにその画像を除外することができるが、間違いなく、具体的なシナリオに応じてその画像が除外されなくてもよい。

プロセスからわかるように、対象物体の複数の画像から対象物体の信頼できる画像が決定されるとき、対象物体の標準特徴に近くない低画質画像を対象物体の複数の画像から取り除くことができ、従って、対象物体の標準特徴を反映し得る高画質画像を得ることができる。従って、画像処理のために対象物体の信頼できる画像が使用される場合に、画像処理の正確度を改善することができる。

図３は、この出願の実施形態による画像処理方法の第２の概略フローチャートである。図３の方法を用いると、対象物体の信頼できる画像の取得に基づいて、２つの対象物体が類似しているかどうかを比較することができる。図３の方法は、好ましくは、対象物体が人であるシナリオに適している。図３に示されるように、方法は、図１に基づいて以下のステップをさらに含む。

ステップＳ１０６では、複数の類似性データを得るために、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の類似性が決定される。

ステップＳ１０８では、複数の類似性データに従って、第１の対象物体が第２の対象物体に類似しているかどうかが判断される。

ステップＳ１０２の対象物体は、複数の対象物体を含み得、それらはそれぞれ、第１の対象物体、第２の対象物体、第３の対象物体などである。従って、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像はそれぞれ、ステップＳ１０２及びステップＳ１０４に従って決定することができる。

ステップＳ１０６では、具体的には、第１の対象物体の信頼できる各画像と第２の対象物体の信頼できる各画像との間の類似性を決定することによって、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の類似性が決定される。類似性を計算するための方法は、本明細書では、具体的には制限されず、必要に応じて選択することができる。第１の対象物体の信頼できる各画像と第２の対象物体の信頼できる各画像との間の類似性が計算された後、計算によって得られる類似性データ量は、第１の対象物体の信頼できる画像の量と第２の対象物体の信頼できる画像の量との積に等しい。

ステップＳ１０８では、複数の類似性データに従って、以下の方法（ｃ１）又は（ｃ２）で、第１の対象物体が第２の対象物体に類似しているかどうかを判断することができる。
（ｃ１）複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定するか、又は、
（ｃ２）複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、第１の対象物体が第２の対象物体に類似していると決定する。

方法（ｃ１）では、複数の類似性データの平均値が計算される。複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定される。そうでなければ、第１の対象物体が第２の対象物体に類似していないと決定される。プリセット平均閾値は、サーバによってプリセットされた値であり、プリセットの方法は、サーバによって、この実施形態の実装形態シナリオに従って設定することができる。

方法（ｃ２）では、複数の類似性データの分布が計算される。分布は、統計分布ヒストグラムの形態で表すことができる。分布には、複数の類似性区間が含まれており、各類似性区間に対応する画像対の量がマーク付けされる。

具体的な実施形態では、プリセット類似性分布要件は、画像比較の総数に対する、ある特定の値より大きい類似性を有する画像対の量の比率がプリセット比率より大きいことであり得る。分布では、画像比較の総数に対する、ある特定の値より大きい類似性を有する画像対の量の比率がプリセット比率より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定される。そうでなければ、第１の対象物体が第２の対象物体に類似していないと決定される。画像比較の総数に対する７５ポイントより大きい類似性を有する画像対の量の比率が８０％より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定される。そうでなければ、第１の対象物体が第２の対象物体に類似していないと決定される。第１の対象物体と第２の対象物体の画像は対で比較されるため、ある特定の値より大きい類似性を有する画像対の量が決定され、画像比較の総数は、第１の対象物体の信頼できる画像の量と第２の対象物体の信頼できる画像の量との積に等しい。

別の具体的な実施形態では、プリセット類似性分布要件は、最大画像量に対応する類似性区間の類似性範囲がプリセット類似性範囲内にあることであり得る。分布では、最大画像量に対応する類似性区間の類似性範囲がプリセット類似性範囲内にある場合は、第１の対象物体が第２の対象物体に類似していると決定される。そうでなければ、第１の対象物体が第２の対象物体に類似していないと決定される。最大画像量に対応する類似性区間の類似性範囲が８０ポイント〜８５ポイントである（７０ポイント〜９０ポイントのプリセット類似性範囲内にある）場合は、第１の対象物体が第２の対象物体に類似していると決定される。そうでなければ、第１の対象物体が第２の対象物体に類似していないと決定される。

方法（ｃ１）と方法（ｃ２）とを比較することにより、方法（ｃ１）では、プリセット平均閾値を使用して、第１の対象物体が第２の対象物体に類似しているかどうかを単純且つ迅速に判断することができ、方法（ｃ２）では、類似性データの分布に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することができる。この実施形態が具体的に実装される際は、第１の対象物体が第２の対象物体に類似しているかどうかを判断するために、実装形態シナリオの要件に従って、方法（ｃ１）又は方法（ｃ２）のいずれかを決定することができる。

第１の対象物体の画像の量が小さい及び／又は第２の対象物体の画像の量が小さい場合のことを考慮すると、上記のステップＳ１０６で得られる複数の類似性データの量は小さく、それは、ステップＳ１０８における判定の正確度に影響を及ぼし得る。従って、この実施形態では、ステップＳ１０８の複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断することは、具体的には、複数の類似性データの量がプリセット数量要件を満たすかどうかを判断し、「はい」の場合は、複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断することである。第１の対象物体と第２の対象物体との間の類似性に対する判定の正確度は、ステップＳ１０６で得られた複数の類似性データの量がプリセット数量要件を満たすと決定することによって保証することができる。

具体的な実施形態では、サーバによって、類似性データに従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断するアルゴリズムが高い正確度を有する場合は、第１の対象物体が第２の対象物体に類似しているかどうかは、ステップＳ１０６で得られた複数の類似性データの量がプリセット数量要件を満たすかどうかを判断することなく、類似性データに従って直接判断することができる。サーバによって、類似性データに従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断するアルゴリズムが低い正確度を有する場合は、最初に、ステップＳ１０６で得られた複数の類似性データの量がプリセット数量要件を満たすかどうかを判断する必要があり、満たす場合は、類似性データに従って、第１の対象物体が第２の対象物体に類似しているかどうかが判断され、満たさない場合は、方法プロセスは終了する。

図４は、この出願の実施形態による、信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを比較することに対する概略図である。図４に示されるように、第１の対象物体は、ｍ個の信頼できるピクチャｐ１、ｐ２、ｐ３、…、ｐｍを含み（図では、説明のために、３つのピクチャが例として取り入れられている）、第２の対象物体は、ｎ個の信頼できるピクチャｑ１、ｑ２、ｑ３、…、ｑｎを含む（図では、説明のために、３つのピクチャが例として取り入れられている）。第１の対象物体の信頼できる各ピクチャと第２の対象物体の信頼できる各ピクチャとの間の類似性はそれぞれ、複数の類似性スコアを得るために計算される。図では、いくつかの類似性スコアがマーク付けされている。統計がすべての類似性スコアに対して実施され、８５の平均スコア（プリセット平均閾値より大きい）が得られ、第１の対象物体が第２の対象物体に類似していると決定される。

前述で開示される方法によれば、この実施形態では、別の画像処理方法が提供され、信頼できる画像を決定するプロセスと、２つの対象物体が類似しているかどうかを判断するプロセスとを含む。図５は、この出願の実施形態による画像処理方法の第３の概略フローチャートである。図５に示されるように、方法は、以下のステップを含む。

ステップＳ３０２では、画像が取得される。第１の対象物体の複数の画像及び第２の対象物体の複数の画像が取得される。

ステップＳ３０４では、第１の平均特徴及び第２の平均特徴が決定される。第１の対象物体の複数の画像の平均特徴は、第１の平均特徴として決定され、第２の対象物体の複数の画像の平均特徴は、第２の平均特徴として決定される。

ステップＳ３０６では、第１の類似性及び第２の類似性が計算される。第１の対象物体の各画像の特徴と第１の平均特徴との間の第１の類似性がそれぞれ、第１の対象物体の複数の画像において計算され、第２の対象物体の各画像の特徴と第２の平均特徴との間の第２の類似性がそれぞれ、第２の対象物体の複数の画像において計算される。

ステップＳ３０８では、第１の標準画像及び第２の標準画像が決定される。最大の第１の類似性を有する画像は、第１の対象物体の第１の標準画像として取り入れられ、最大の第２の類似性を有する画像は、第２の対象物体の第２の標準画像として取り入れられる。

ステップＳ３１０では、第３の類似性及び第４の類似性が計算される。第１の対象画像の各画像と第１の標準画像との間の第３の類似性がそれぞれ、第１の対象物体の複数の画像において計算され、第２の対象画像の各画像と第２の標準画像との間の第４の類似性がそれぞれ、第２の対象物体の複数の画像において計算される。

ステップＳ３１２では、第１の信頼できる画像及び第２の信頼できる画像が決定される。ある特定の値より大きい第３の類似性を有する画像は、第１の対象物体の第１の信頼できる画像として取り入れられ、ある特定の値より大きい第４の類似性を有する画像は、第２の対象物体の第２の信頼できる画像として取り入れられる。

ステップＳ３１４では、画像の量の積が計算される。第１の信頼できる画像の量と第２の信頼できる画像の量との積が計算される。

ステップＳ３１６では、類似性の平均値が計算される。第１の信頼できる各画像と第２の信頼できる各画像との間の類似性がそれぞれ、複数の類似性データを得るために計算され、複数の類似性データの平均値が計算される。

ステップＳ３１８では、ステップＳ３１４における計算によって得られた積がプリセット積より大きいかどうかが判定され、大きい場合は、ステップＳ３２０が実行され、そうでなければ、比較は終了する。

ステップＳ３２０では、ステップＳ３１６における計算によって得られた平均値がプリセット平均値より大きいかどうかが判定され、大きい場合は、ステップＳ３２２が実行され、そうでなければ、比較は終了する。

ステップＳ３２２では、第１の対象物体が第２の対象物体に類似していると決定される。

図１〜図５に示される画像処理方法では、類似性（各画像と平均特徴との間の類似性、各画像と標準画像との間の類似性、又は、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の類似性など）が計算される場合、類似性計算方法は制限されない。類似性を計算するため、特徴ベクトル間のユークリッド距離又はコサイン距離を計算することができる。対象物体が人である際は、特徴間の類似性を定量化するためのインジケータがある限り、固有顔ベースの比較方法を取り入れることなども行うことができる。ユークリッド距離又はコサイン距離を計算する場合は、主成分分析（ＰＣＡ）、顔局部分析、ニューラルネットワークなどを使用することができる。

この実施形態では、対象物体は人であり得る。この実施形態の方法を用いると、人の低画質画像は、人の信頼できる画像を選択するために、システムに確保された人の基本画像から除外することができる。人の信頼できる画像は、厚化粧や派手なアクセサリのない、適切な光の下での、顔の位置が正しい、鮮明な画像であり得る。人の顔の特徴は、信頼できる画像から反映させることができる。この実施形態の方法を用いると、２人の信頼できる画像に基づいて、２人が類似しているかどうかをさらに判定することができる。この実施形態の方法は、プロセスが単純であり、効果が正確であり、顔認識の分野、特に、一卵性双生児のスクリーニング、対象人物の測位及び他の分野において広範に使用することができ、潜在的な社会的価値（２人が共に顔収集されたことのある一卵性双生児の識別、誘拐された子供の探索又は名前が変更された逃亡者の追跡など）を有する。

さらに、図１〜図５の方法に基づいて、この出願の実施形態では、画像処理方法がさらに提供される。図６は、この出願の実施形態による画像処理方法の第４の概略フローチャートである。方法は、サーバによって実行される。ここでは、図６の方法に対し、その方法と図１〜図５の方法との違いを強調する。同一の部分については、前述の図１〜図５の説明を参照することができる。図６に示されるように、方法は、少なくとも以下のステップを含む。

ステップＳ４０２では、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像が取得される。

ステップＳ４０４では、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかが判断される。

第１の対象物体の信頼できる画像は、第１の対象物体の複数の画像から決定された画像であり、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たす。第２の対象物体の信頼できる画像は、第２の対象物体の複数の画像から決定された画像であり、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。

この実施形態の画像処理方法を用いると、第１の対象物体の信頼できる画像は、第１の対象物体の複数の画像から選択された画像であり、当該画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たす。第２の対象物体の信頼できる画像は、第２の対象物体の複数の画像から選択された画像であり、当該画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。従って、この実施形態の画像処理方法によれば、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な画像は、対象物体の標準特徴に基づいて対象物体の複数の画像から決定することができ、その結果、選択されたすべての画像が画像処理に適しており、それにより、画像処理効果が向上する。その上、この実施形態の方法によれば、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に基づいて、第１の対象物体が第２の対象物体に類似しているかどうかが判定される。従って、この実施形態の画像処理方法は、優れた画像処理効果及び正確な判定結果を有し、第１の対象物体が第２の対象物体に類似しているかどうかを正確に判断することができる。

図１〜図５についての説明によれば、この実施形態では、第１の対象物体の標準特徴は、第１の対象物体の複数の画像の平均特徴であるか、又は、第１の対象物体の標準特徴は、第１の対象物体の複数の画像の特徴のうちの第１の対象物体の複数の画像の平均特徴に最も類似した１つの特徴であることが分かる。第２の対象物体の標準特徴は、第２の対象物体の複数の画像の平均特徴であるか、又は、第２の対象物体の標準特徴は、第２の対象物体の複数の画像の特徴のうちの第２の対象物体の複数の画像の平均特徴に最も類似した１つの特徴である。第１のプリセット類似性要件は、第２のプリセット類似性要件と同一のものでも、異なるものでもよい。

第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を決定するために、統一規格を取り入れることによって、第１の対象物体と第２の対象物体が類似しているかどうかの判定の正確度を保証できることを考慮すると、好ましくは、第１の対象物体の標準特徴及び第２の対象物体の標準特徴は、同じ方法で決定される。それらは両方とも複数の画像の平均特徴であるか、又は、両方とも複数の画像の特徴のうちの複数の画像の平均特徴に最も類似した１つの特徴であり、第１のプリセット類似性要件は、第２のプリセット類似性要件と同一である。

第１のプリセット類似性要件及び第２のプリセット類似性要件に対する具体的な説明は、図１〜図５の説明と一致する。また、ステップＳ４０２において第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得する具体的なプロセスについては、図１〜図５の説明を参照することができ、ここでは詳述しない。

ステップＳ４０４では、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、具体的には、以下の方法（ｄ１）又は（ｄ２）で、第１の対象物体が第２の対象物体に類似しているかどうかが判断される。
（ｄ１）第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定するか、又は、
（ｄ２）第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、第１の対象物体が第２の対象物体に類似していると決定する。

方法（ｄ１）及び（ｄ２）の具体的な説明については、方法（ｃ１）及び（ｃ２）の説明を参照することができ、ここでは詳述しない。

あるアプリケーションシナリオでは、類似した外観を有する２人など、類似した特徴を有する２つの対象物体に対して、対象物体のデータベースを検索する必要がある。この事例では、この実施形態では、第１の対象物体は、対象物体のデータベース内の任意の対象物体であり、第２の対象物体は、対象物体のデータベース内の、第１の対象物体以外の任意の対象物体であり、従って、データベースにおいて類似した特徴を有する２つの対象物体を見つけ出すことになる。

別のアプリケーションシナリオでは、指定された人の外観に類似した別の人など、指定された対象物体に類似した対象物体に対して、データベースを検索する必要がある。この事例では、この実施形態では、第１の対象物体は、ユーザによって指定された対象物体であり、第２の対象物体は、対象物体のデータベース内の任意の対象物体であり、従って、データベースにおいて、指定された対象物体に類似した対象物体を見つけ出すことになる。

さらに、図１〜図５の方法に基づいて、この出願の実施形態では、画像処理方法がさらに提供される。図７は、この出願の実施形態による、画像処理方法の第５の概略フローチャートである。方法は、サーバによって実行される。ここでは、図７の方法に対し、その方法と図１〜図５の方法との違いを強調する。同一の部分については、前述の図１〜図５の説明を参照することができる。図７に示されるように、方法は、少なくとも以下のステップを含む。

ステップＳ５０２では、第１の対象物体の複数の画像の特徴、第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び第２の対象物体の標準特徴が取得される。

ステップＳ５０４では、第１の対象物体の複数の画像の特徴と第１の対象物体の標準特徴との間の類似性に従って、第１の対象物体の複数の画像から第１の対象物体の信頼できる画像が決定され、第２の対象物体の複数の画像の特徴と第２の対象物体の標準特徴との間の類似性に従って、第２の対象物体の複数の画像から第２の対象物体の信頼できる画像が決定され、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。

ステップＳ５０６では、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかが判断される。

この実施形態の画像処理方法によれば、最初に、対象物体の複数の画像の特徴及び対象物体の標準特徴が取得され、次いで、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像において対象物体の信頼できる画像が決定され、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たし、最後に、２つの対象物体の信頼できる画像に従って、２つの対象物体が互いに類似しているかどうかが判定される。この実施形態の画像処理方法によれば、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な信頼できる画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上する。第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に基づいて、第１の対象物体が第２の対象物体に類似しているかどうかが判定され、それにより、２つの対象物体間の類似性に対する判定の正確度を改善することができ、従って、２つの対象物体が互いに類似しているかどうかを正確に判定することができる。

ステップＳ５０２及びステップＳ５０４の具体的なプロセスについては、図１及び図２のステップＳ１０２及びステップＳ１０４についての説明を参照することができ、ステップＳ５０６の具体的なプロセスについては、図６のステップＳ４０４についての説明を参照することができ、ここでは詳述しない。

この実施形態の標準特徴の具体的な説明については、図１〜図６についての説明を参照することができる。この実施形態では、第１のプリセット類似性要件は第２のプリセット類似性要件と同一のものであるか、又は、第１のプリセット類似性要件は第２のプリセット類似性要件とは異なるものである。第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を決定するために、統一規格を取り入れることによって、第１の対象物体と第２の対象物体が類似しているかどうかの判定の正確度を保証できることを考慮すると、好ましくは、第１の対象物体の標準特徴及び第２の対象物体の標準特徴は、同じ方法で決定され、それらは両方とも複数の画像の平均特徴であるか、又は、両方とも複数の画像の特徴のうちの複数の画像の平均特徴に最も類似した１つの特徴であり、第１のプリセット類似性要件は、第２のプリセット類似性要件と同一である。

要約すれば、この実施形態の図１〜図７において示される方法によれば、対象物体の信頼できる画像を決定することができ、対象物体の信頼できる画像に基づいて、２つの対象物体が互いに類似しているかどうかを判断することができる。方法は、判定プロセスが単純であり、判定結果が正確であり、顔認識、双子のスクリーニング、対象人物の測位及び他の分野において広範に使用することができる。

さらに、この出願の実施形態では、図１〜図７において示される方法に基づいて、画像処理装置が提供される。図８は、この出願の実施形態による画像処理装置のモジュール構図の第１の概略図である。図８に示されるように、装置は、
対象物体の複数の画像の特徴及び対象物体の標準特徴を取得するように構成された特徴取得モジュール６１と、
複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定するように構成された画像選択モジュール６２であって、信頼できる画像の特徴と標準特徴との間の類似性が、プリセット類似性要件を満たす、画像選択モジュール６２と
を含む。

この実施形態では、特徴取得モジュール６１は、具体的には、複数の画像の平均特徴を取得し、対象物体の標準特徴として、複数の画像の平均特徴を取り入れるか、又は、複数の画像の平均特徴を取得し、対象物体の標準特徴として、複数の画像の特徴のうち平均特徴に最も類似した１つの特徴を取り入れるように構成される。

この実施形態では、画像選択モジュール６２は、具体的には、対象物体の信頼できる画像として、複数の画像の中からその特徴と標準特徴との間の類似性がプリセット類似性閾値より大きい画像のいくつか若しくはすべてを取り入れるか、又は、複数の画像の特徴と標準特徴との間の類似性の分布データを決定し、画像密度がプリセット密度より高い分布データの類似性区間を決定し、対象物体の信頼できる画像として、決定された類似性区間に対応する画像のいくつか若しくはすべてを取り入れるように構成される。

この実施形態では、装置は、
複数の類似性データを得るために、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の類似性を決定するように構成された類似性決定モジュールと、
複数の類似性データに従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断するように構成された類似性判定モジュールと
をさらに含む。

この実施形態では、類似性判定モジュールは、具体的には、複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定するか、又は、複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、第１の対象物体が第２の対象物体に類似していると決定するように構成される。

この実施形態では、類似性判定モジュールは、具体的には、複数の類似性データの量がプリセット数量要件を満たすかどうかを判断し、満たす場合は、複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断するように構成される。

この実施形態の画像処理装置は、最初に、対象物体の複数の画像の特徴及び対象物体の標準特徴を取得し、次いで、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することができ、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たす。従って、この実施形態の画像処理装置が、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な信頼できる画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上することは明確である。

さらに、この出願の実施形態では、図１〜図７において示される方法に基づいて、別の画像処理装がさらに提供される。図９は、この出願の実施形態による画像処理装置のモジュール構図の第２の概略図である。図９に示されるように、装置は、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得するように構成された画像取得モジュール７１と、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断するように構成された画像比較モジュール７２と
を含み、
第１の対象物体の信頼できる画像は、第１の対象物体の複数の画像から決定された画像であり、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像は、第２の対象物体の複数の画像から決定された画像であり、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。

この実施形態では、第１の対象物体の標準特徴は、第１の対象物体の複数の画像の平均特徴であるか、又は、第１の対象物体の標準特徴は、第１の対象物体の複数の画像の特徴のうちの第１の対象物体の複数の画像の平均特徴に最も類似した１つの特徴である。第２の対象物体の標準特徴は、第２の対象物体の複数の画像の平均特徴であるか、又は、第２の対象物体の標準特徴は、第２の対象物体の複数の画像の特徴のうちの第２の対象物体の複数の画像の平均特徴に最も類似した１つの特徴である。

この実施形態では、画像比較モジュール７２は、具体的には、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定するか、又は、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、第１の対象物体が第２の対象物体に類似していると決定するように構成される。

この実施形態では、第１の対象物体は、対象物体のデータベース内の任意の対象物体であり、第２の対象物体は、データベース内の第１の対象物体以外の任意の対象物体であるか、又は、第１の対象物体は、ユーザによって指定された対象物体であり、第２の対象物体は、対象物体のデータベース内の任意の対象物体でもある。

この実施形態の画像処理装置によれば、第１の対象物体の信頼できる画像は、第１の対象物体の複数の画像から選択された画像であり、当該画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像は、第２の対象物体の複数の画像から選択された画像であり、当該画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。従って、この実施形態の画像処理装置によれば、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての画像が画像処理に適しており、それにより、画像処理効果が向上する。その上、この実施形態の装置は、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に基づいて、第１の対象物体が第２の対象物体に類似しているかどうかを判定し、従って、この実施形態の画像処理装置は、優れた画像処理効果及び正確な判定結果を有し、第１の対象物体が第２の対象物体に類似しているかどうかを正確に判断することができる。

さらに、この出願の実施形態では、図１〜図７において示される方法に基づいて、さらなる別の画像処理装置がさらに提供される。図１０は、この出願の実施形態による画像処理装置のモジュール構図の第３の概略図である。図１０に示されるように、装置は、
第１の対象物体の複数の画像の特徴、第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び第２の対象物体の標準特徴を取得するように構成されたデータ取得モジュール８１と、
第１の対象物体の複数の画像の特徴と第１の対象物体の標準特徴との間の類似性に従って、第１の対象物体の複数の画像から第１の対象物体の信頼できる画像を決定し、第２の対象物体の複数の画像の特徴と第２の対象物体の標準特徴との間の類似性に従って、第２の対象物体の複数の画像から第２の対象物体の信頼できる画像を決定するように構成された画像決定モジュール８２であって、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像決定モジュール８２と、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断するように構成された画像判定モジュール８３と
を含む。

この実施形態では、第１のプリセット類似性要件は第２のプリセット類似性要件と同一のものであるか、又は、第１のプリセット類似性要件は第２のプリセット類似性要件とは異なるものである。

この実施形態の画像処理装置は、最初に、対象物体の複数の画像の特徴及び対象物体の標準特徴を取得し、次いで、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定し、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たし、最後に、２つの対象物体の信頼できる画像に従って、２つの対象物体が互いに類似しているかどうかを判定する。この実施形態の画像処理装置によれば、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な信頼できる画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上する。第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に基づいて、第１の対象物体が第２の対象物体に類似しているかどうかを判定し、それにより、２つの対象物体間の類似性に対する判定の正確度を改善することができ、従って、２つの対象物体が互いに類似しているかどうかを正確に判定することができる。

さらに、図１１に示されるように、この出願の実施形態では、図１〜図７において示される方法に基づいて、画像処理デバイスがさらに提供される。

画像処理デバイスは、構成又は性能に応じて大いに異なり得、１つ又は複数のプロセッサ９０１及びメモリ９０２を含み得る。１つ又は複数のストレージアプリケーション又はデータは、メモリ９０２に格納することができる。メモリ９０２は、一時的な又は永続的なものであり得る。メモリ９０２に格納されたアプリケーションは、１つ又は複数のモジュール（図示せず）を含み得、その各々は、画像処理デバイスの一連のコンピュータ実行可能命令を含み得る。その上、プロセッサ９０１は、メモリ９０２と通信し、画像処理デバイス上で、メモリ９０２の一連のコンピュータ実行可能命令を実行するように構成することができる。画像処理デバイスは、１つ又は複数の電源９０３、１つ又は複数の有線又は無線ネットワークインタフェース９０４、１つ又は複数の入力／出力インタフェース９０５及び１つ又は複数のキーボード９０６などをさらに含み得る。

具体的な実施形態では、画像処理デバイスは、メモリ及び１つ又は複数のプログラムを含む。１つ又は複数のプログラムは、メモリに格納され、１つ又は複数のモジュールを含み得、その各々は、画像処理デバイスの一連のコンピュータ実行可能命令を含み得、以下のコンピュータ実行可能命令：
対象物体の複数の画像の特徴及び対象物体の標準特徴を取得することと、
複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することであって、信頼できる画像の特徴と標準特徴との間の類似性が、プリセット類似性要件を満たす、決定することと
を実行するために、１つ又は複数のプロセッサによって１つ又は複数のプログラムを実行するように構成される。

任意選択により、コンピュータ実行可能命令が実行されるとき、対象物体の標準特徴を取得することは、複数の画像の平均特徴を取得し、対象物体の標準特徴として複数の画像の平均特徴を取り入れることか、又は、複数の画像の平均特徴を取得し、対象物体の標準特徴として、複数の画像の特徴のうちの平均特徴に最も類似した１つの特徴を取り入れることを含む。

任意選択により、コンピュータ実行可能命令が実行されるとき、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することは、対象物体の信頼できる画像として、複数の画像の中からその特徴と標準特徴との間の類似性がプリセット類似性閾値より大きい画像のいくつか若しくはすべてを取り入れるか、又は、複数の画像の特徴と標準特徴との間の類似性の分布データを決定し、画像密度がプリセット密度より高い分布データの類似性区間を決定し、対象物体の信頼できる画像として、決定された類似性区間に対応する画像のいくつか若しくはすべてを取り入れることを含む。

任意選択により、コンピュータ実行可能命令が実行されるとき、プロセッサは、複数の類似性データを得るために、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の類似性を決定し、複数の類似性データに従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断するようにさらに構成することができる。

任意選択により、コンピュータ実行可能命令が実行されるとき、複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断することは、複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定することか、又は、複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、第１の対象物体が第２の対象物体に類似していると決定することを含む。

任意選択により、コンピュータ実行可能命令が実行されるとき、複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断することは、複数の類似性データの量がプリセット数量要件を満たすかどうかを判断し、満たす場合は、複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断することを含む。

この実施形態の画像処理デバイスは、最初に、対象物体の複数の画像の特徴及び対象物体の標準特徴を取得し、次いで、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定し、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たす。従って、この実施形態の画像処理デバイスが、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な信頼できる画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上することは明確である。

別の具体的な実施形態では、画像処理デバイスは、メモリ及び１つ又は複数のプログラムを含む。１つ又は複数のプログラムは、メモリに格納され、１つ又は複数のモジュールを含み得、その各々は、画像処理デバイスの一連のコンピュータ実行可能命令を含み得、以下のコンピュータ実行可能命令：
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
を実行するために、１つ又は複数のプロセッサによって１つ又は複数のプログラムを実行するように構成され、
第１の対象物体の信頼できる画像は、第１の対象物体の複数の画像から決定された画像であり、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像は、第２の対象物体の複数の画像から決定された画像であり、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。

任意選択により、第１の対象物体の標準特徴は、第１の対象物体の複数の画像の平均特徴であるか、又は、第１の対象物体の標準特徴は、第１の対象物体の複数の画像の特徴のうちの第１の対象物体の複数の画像の平均特徴に最も類似した１つの特徴であり、第２の対象物体の標準特徴は、第２の対象物体の複数の画像の平均特徴であるか、又は、第２の対象物体の標準特徴は、第２の対象物体の複数の画像の特徴のうちの第２の対象物体の複数の画像の平均特徴に最も類似した１つの特徴である。

任意選択により、コンピュータ実行可能命令が実行されるとき、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することは、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定することか、又は、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、第１の対象物体が第２の対象物体に類似していると決定することを含む。

任意選択により、第１の対象物体は、対象物体のデータベース内の任意の対象物体であり、第２の対象物体は、データベース内の第１の対象物体以外の任意の対象物体であるか、又は、第１の対象物体は、ユーザによって指定された対象物体であり、第２の対象物体は、対象物体のデータベース内の任意の対象物体でもある。

この実施形態の画像処理デバイスによれば、第１の対象物体の信頼できる画像は、第１の対象物体の複数の画像から選択された画像であり、当該画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像は、第２の対象物体の複数の画像から選択された画像であり、当該画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。従って、この実施形態の画像処理デバイスによれば、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての画像が画像処理に適しており、それにより、画像処理効果が向上する。その上、この実施形態のデバイスは、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に基づいて、第１の対象物体が第２の対象物体に類似しているかどうかを判定し、従って、この実施形態の画像処理デバイスは、優れた画像処理効果及び正確な判定結果を有し、第１の対象物体が第２の対象物体に類似しているかどうかを正確に判断することができる。

さらなる別の具体的な実施形態では、画像処理デバイスは、メモリ及び１つ又は複数のプログラムを含む。１つ又は複数のプログラムは、メモリに格納され、１つ又は複数のモジュールを含み得、その各々は、画像処理デバイスの一連のコンピュータ実行可能命令を含み得、以下のコンピュータ実行可能命令：
第１の対象物体の複数の画像の特徴、第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び第２の対象物体の標準特徴を取得することと、
第１の対象物体の複数の画像の特徴と第１の対象物体の標準特徴との間の類似性に従って、第１の対象物体の複数の画像から第１の対象物体の信頼できる画像を決定し、第２の対象物体の複数の画像の特徴と第２の対象物体の標準特徴との間の類似性に従って、第２の対象物体の複数の画像から第２の対象物体の信頼できる画像を決定することであって、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、決定することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
を実行するために、１つ又は複数のプロセッサによって１つ又は複数のプログラムを実行するように構成される。

任意選択により、第１のプリセット類似性要件は第２のプリセット類似性要件と同一のものであるか、又は、第１のプリセット類似性要件は第２のプリセット類似性要件とは異なるものである。

この実施形態の画像処理デバイスは、最初に、対象物体の複数の画像の特徴及び対象物体の標準特徴を取得し、次いで、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定し、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たし、最後に、２つの対象物体の信頼できる画像に従って、２つの対象物体が互いに類似しているかどうかを判定する。この実施形態の画像処理デバイスによれば、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な信頼できる画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上する。第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に基づいて、第１の対象物体が第２の対象物体に類似しているかどうかを判定し、それにより、２つの対象物体間の類似性に対する判定の正確度を改善することができ、従って、２つの対象物体が互いに類似しているかどうかを正確に判定することができる。

さらに、この出願の実施形態では、図１〜図７において示される方法に基づいて、コンピュータ実行可能命令を格納するように構成された記憶媒体がさらに提供される。具体的な実施形態では、記憶媒体は、ＵＳＢフラッシュディスク、光ディスク、ハードディスクなどであり得る。記憶媒体に格納されたコンピュータ実行可能命令がプロセッサによって実行されると、以下のプロセス：
対象物体の複数の画像の特徴及び対象物体の標準特徴を取得することと、
複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することであって、信頼できる画像の特徴と標準特徴との間の類似性が、プリセット類似性要件を満たす、決定することと
を実施することができる。

この実施形態では、対象物体の標準特徴を取得することは、複数の画像の平均特徴を取得し、対象物体の標準特徴として、複数の画像の平均特徴を取り入れることか、又は、複数の画像の平均特徴を取得し、対象物体の標準特徴として、複数の画像の特徴のうちの平均特徴に最も類似した１つの特徴を取り入れることを含む。

この実施形態では、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像を決定することは、対象物体の信頼できる画像として、複数の画像の中からその特徴と標準特徴との間の類似性がプリセット類似性閾値より大きい画像のいくつか若しくはすべてを取り入れるか、又は、複数の画像の特徴と標準特徴との間の類似性の分布データを決定し、画像密度がプリセット密度より高い分布データの類似性区間を決定し、対象物体の信頼できる画像として、決定された類似性区間に対応する画像のいくつか若しくはすべてを取り入れることを含む。

この実施形態のプロセスは、複数の類似性データを得るために、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の類似性を決定し、複数の類似性データに従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することをさらに含む。

この実施形態では、複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断することは、複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定することか、又は、複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、第１の対象物体が第２の対象物体に類似していると決定することを含む。

この実施形態では、複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断することは、複数の類似性データの量がプリセット数量要件を満たすかどうかを判断し、満たす場合は、複数の類似性データに従って第１の対象物体が第２の対象物体に類似しているかどうかを判断することを含む。

この実施形態による記憶媒体の実行可能命令が実行されると、最初に、対象物体の複数の画像の特徴及び対象物体の標準特徴が取得され、次いで、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像が決定され、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たす。以上のように、この実施形態による記憶媒体の実行可能命令が実行されると、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な画像を、対象物体の複数の画像において決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上する。

別の具体的な実施形態では、記憶メモリは、ＵＳＢフラッシュディスク、光ディスク、ハードディスクなどであり得る。記憶メモリに格納されたコンピュータ実行可能命令がプロセッサによって実行されると、以下のプロセス：
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
を実施することができ、
第１の対象物体の信頼できる画像は、第１の対象物体の複数の画像から決定された画像であり、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像は、第２の対象物体の複数の画像から決定された画像であり、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。

第１の対象物体の標準特徴は、第１の対象物体の複数の画像の平均特徴であるか、又は、第１の対象物体の標準特徴は、第１の対象物体の複数の画像の特徴のうちの、第１の対象物体の複数の画像の平均特徴に最も類似した１つの特徴であり、第２の対象物体の標準特徴は、第２の対象物体の複数の画像の平均特徴であるか、又は、第２の対象物体の標準特徴は、第２の対象物体の複数の画像の特徴のうちの、第２の対象物体の複数の画像の平均特徴に最も類似した１つの特徴である。

第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することは、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の複数の類似性データの平均値がプリセット平均閾値より大きい場合は、第１の対象物体が第２の対象物体に類似していると決定することか、又は、第１の対象物体の信頼できる画像と第２の対象物体の信頼できる画像との間の複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、第１の対象物体が第２の対象物体に類似していると決定することを含む。

第１の対象物体は、対象物体のデータベース内の任意の対象物体であり、第２の対象物体は、データベース内の第１の対象物体以外の任意の対象物体であるか、又は、第１の対象物体は、ユーザによって指定された対象物体であり、第２の対象物体は、対象物体のデータベース内の任意の対象物体である。

この実施形態による記憶媒体の実行可能命令が実行されるとき、第１の対象物体の信頼できる画像は、第１の対象物体の複数の画像から選択された画像であり、当該画像の特徴と第１の対象物体の標準特徴との間の類似性は、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像は、第２の対象物体の複数の画像から選択された画像であり、当該画像の特徴と第２の対象物体の標準特徴との間の類似性は、第２のプリセット類似性要件を満たす。従って、この実施形態による記憶媒体の実行可能命令が実行されると、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての画像が画像処理に適しており、それにより、画像処理効果が向上する。その上、この実施形態による記憶媒体の実行可能命令が実行されると、第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に基づいて、第１の対象物体が第２の対象物体に類似しているかどうかを判定し、従って、この実施形態による記憶媒体の実行可能命令が実行されると、画像処理効果は優れており、判定結果は正確であり、第１の対象物体が第２の対象物体に類似しているかどうかを正確に判断することができる。

さらなる別の具体的な実施形態では、記憶媒体は、ＵＳＢフラッシュディスク、光ディスク、ハードディスクなどであり得る。記憶媒体に格納されたコンピュータ実行可能命令がプロセッサによって実行されると、以下のプロセス：
第１の対象物体の複数の画像の特徴、第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び第２の対象物体の標準特徴を取得することと、
第１の対象物体の複数の画像の特徴と第１の対象物体の標準特徴との間の類似性に従って、第１の対象物体の複数の画像から第１の対象物体の信頼できる画像を決定し、第２の対象物体の複数の画像の特徴と第２の対象物体の標準特徴との間の類似性に従って、第２の対象物体の複数の画像から第２の対象物体の信頼できる画像を決定することであって、第１の対象物体の信頼できる画像の特徴と第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、第２の対象物体の信頼できる画像の特徴と第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、決定することと、
第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に従って、第１の対象物体が第２の対象物体に類似しているかどうかを判断することと
を実施することができる。

第１のプリセット類似性要件は第２のプリセット類似性要件と同一のものであるか、又は、第１のプリセット類似性要件は第２のプリセット類似性要件とは異なるものである。

この実施形態による記憶媒体の実行可能命令が実行されると、最初に、対象物体の複数の画像の特徴及び対象物体の標準特徴が取得され、次いで、複数の画像の特徴と標準特徴との間の類似性に従って、複数の画像から対象物体の信頼できる画像が決定され、信頼できる画像の特徴と標準特徴との間の類似性は、プリセット類似性要件を満たし、最後に、２つの対象物体の信頼できる画像に従って、２つの対象物体が互いに類似しているかどうかが判定される。この実施形態による記憶媒体の実行可能命令が実行されると、対象物体の標準特徴に基づいて、対象物体の標準特徴に対してより類似しており、且つ、対象物体の標準特徴を反映することが可能な信頼できる画像を、対象物体の複数の画像から決定することができ、その結果、選択されたすべての信頼できる画像が画像処理に適しており、それにより、画像処理効果が向上する。第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像に基づいて、第１の対象物体が第２の対象物体に類似しているかどうかを判定し、それにより、２つの対象物体間の類似性に対する判定の正確度を改善することができ、従って、２つの対象物体が互いに類似しているかどうかを正確に判定することができる。

１９９０年代には、技術の改善は、ハードウェア上の改善（例えば、ダイオード、トランジスタ、スイッチなどの回路構造上の改善）又はソフトウェア上の改善（方法手順上の改善）として明らかに区別することができた。しかし、技術の開発と共に、現在の多くの方法手順の改善は、ハードウェア回路構造上の直接的な改善と考えることができる。ほぼすべての設計者は、対応するハードウェア回路構造を得るために、改善された方法手順をハードウェア回路にプログラムする。従って、ハードウェアエンティティモジュールを使用することによって方法手順の改善を実装することはできないと想定することはできない。例えば、プログラマブルロジックデバイス（ＰＬＤ）（例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ））は、そのような集積回路であり、その論理機能は、デバイスをプログラムするユーザによって決定される。設計者は、彼ら自身によって、チップ製造業者に専用集積回路チップを設計及び製造させることなく、デジタルシステムをＰＬＤに「組み込む」ようにプログラムする。その上、現在は、プログラミングは、大抵は、集積回路チップを手作業で製造する代わりに、「論理コンパイラ」ソフトウェアを使用することによって実装される。そのソフトウェアは、プログラムの開発及び記入を行うためのソフトウェアコンパイラと同様であり、コンパイル前のオリジナルのコードもまた、特定のプログラミング言語（ハードウェア記述言語（ＨＤＬ）と呼ばれる）で記入する必要がある。たった１つに限らず、アドバンストブール演算式言語（ＡＢＥＬ）、Alteraハードウェア記述言語（ＡＨＤＬ）、Confluence、Cornell Universityプログラミング言語（ＣＵＰＬ）、HDCal、Java（登録商標）ハードウェア記述言語（ＪＨＤＬ）、Lava、Lola、MyHDL、PALASM、Rubyハードウェア記述言語（ＲＨＤＬ）など、多くのタイプのＨＤＬがあり、その中でも、今は、超高速集積回路ハードウェア記述言語（ＶＨＤＬ）及びVerilogが最も一般的に使用される。また、当業者は、論理方法手順を実装するためのハードウェア回路が、上記のいくつかのハードウェア記述言語を使用して方法手順をやや論理的にプログラムし、その方法手順を集積回路にプログラムするだけで、容易に得られることも知るべきである。

コントローラは、任意の適切な方法で実装することができる。例えば、コントローラは、マイクロプロセッサ又はプロセッサや、マイクロプロセッサ又はプロセッサによって実行可能なコンピュータ可読プログラムコード（例えば、ソフトウェア若しくはファームウェア）を格納するコンピュータ可読媒体や、論理ゲート、スイッチ、特定用途向け集積回路（ＡＳＩＣ）、プログラマブルロジックコントローラ及び埋め込みマイクロコントローラの形態であり得る。コントローラの例は、これらに限定されないが、次のマイクロコントローラ：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20及びSilicone Labs C8051F320を含む。また、メモリコントローラは、メモリの制御論理の一部として実装することができる。また、当業者は、純粋なコンピュータ可読プログラムコードを使用することによってコントローラを実装することに加えて、論理ゲート、スイッチ、特定用途向け集積回路、プログラマブルロジックコントローラ及び埋め込みマイクロコントローラの形態での同じ機能の実装をコントローラが行えるように、方法ステップを論理的にプログラムできることも知っている。従って、そのようなコントローラは、ハードウェアコンポーネントと考えることができ、コントローラに含まれて様々な機能を実装するように構成された装置もまた、ハードウェアコンポーネントの内部の構造と考えることができる。又は、さらに、様々な機能を実装するように構成された装置は、方法を実装するためのソフトウェアモジュールとハードウェアコンポーネントの内部の構造の両方と考えることができる。

前述の実施形態において示されるシステム、装置、モジュール又はユニットは、コンピュータチップ又はエンティティによって実装することも、特定の機能を有する製品によって実装することもできる。典型的な実装デバイスはコンピュータである。例えば、コンピュータは、パーソナルコンピュータ、ラップトップコンピュータ、携帯電話、カメラ電話、スマートフォン、携帯情報端末、メディアプレーヤ、ナビゲーションデバイス、Ｅメールデバイス、ゲームコンソール、タブレットコンピュータ、着用可能デバイス又はこれらのデバイスの任意の組合せであり得る。

説明し易くするため、装置は、機能に基づいて様々なユニットに分割され、ユニットは、別々に説明される。間違いなく、この明細書の実装形態では、様々なユニットの機能は、ソフトウェア及び／又はハードウェアの１つ又は複数の部品において実装することもできる。

当業者は、この出願の実施形態を方法、システム又はコンピュータプログラム製品として提供できることを理解すべきである。従って、この出願は、完全なハードウェア実施形態、完全なソフトウェア実施形態、又は、ソフトウェアとハードウェアを組み合わせた実施形態の形態で実装することができる。その上、この出願は、コンピュータ使用可能プログラムコードを含む１つ又は複数のコンピュータ使用可能記憶媒体（これらに限定されないが、磁気ディスクメモリ、ＣＤ−ＲＯＭ、光メモリ及び同様のものを含む）上で実装されたコンピュータプログラム製品の形態であり得る。

この出願は、本発明の実施形態による、方法、デバイス（システム）及びコンピュータプログラム製品のフローチャート及び／又はブロック図を参照して説明される。コンピュータプログラム命令は、フローチャート及び／又はブロック図の各プロセス及び／又はブロック並びにフローチャート及び／又はブロック図のプロセス及び／又はブロックの組合せを実装するために使用できることを理解すべきである。これらのコンピュータプログラム命令は、機械を生成するために、汎用コンピュータ、専用コンピュータ、埋め込みプロセッサ又は別のプログラマブルデータ処理デバイスのプロセッサに提供することができ、その結果、コンピュータ又は別のプログラマブルデータ処理デバイスのプロセッサによって実行される命令は、フローチャートの１つ若しくは複数のプロセス及び／又はブロック図の１つ若しくは複数のブロックにおいて指定された機能を実装するように構成された装置を生成する。

また、これらのコンピュータプログラム命令は、特定の方法で動作するようにコンピュータ又は別のプログラマブルデータ処理デバイスを導くことができるコンピュータ可読メモリに格納することもでき、その結果、コンピュータ可読メモリに格納された命令は、命令装置を含む製造品を生成する。命令装置は、フローチャートの１つ若しくは複数のプロセス及び／又はブロック図の１つ若しくは複数のブロックにおいて指定された機能を実装する。

また、これらのコンピュータプログラム命令は、コンピュータ又は別のプログラマブルデータ処理デバイスにロードすることもでき、その結果、一連の動作ステップは、コンピュータ又は別のプログラマブルデバイス上で実行され、それにより、コンピュータ実装処理が生成される。従って、コンピュータ又は別のプログラマブルデバイス上で実行された命令は、フローチャートの１つ若しくは複数のプロセス及び／又はブロック図の１つ若しくは複数のブロックにおいて指定された機能を実装するためのステップを提供する。

典型的な構成では、コンピューティングデバイスは、１つ又は複数の中央処理装置（ＣＰＵ）、入力／出力インタフェース、ネットワークインタフェース及びメモリを含む。

メモリは、揮発性メモリ、ランダムアクセスメモリ（ＲＡＭ）及び／又は不揮発性メモリ（例えば、読み取り専用メモリ（ＲＯＭ）若しくはフラッシュＲＡＭ）などのコンピュータ可読媒体を含み得る。メモリは、コンピュータ可読媒体の例である。

コンピュータ可読媒体は、不揮発性及び揮発性媒体、並びに、可動及び非可動媒体を含み、いかなる方法又は技術によっても情報格納を実装することができる。情報は、コンピュータ可読命令、データ構造及びプログラムのモジュール又は他のデータであり得る。コンピュータの記憶媒体の例は、これらに限定されないが、相変化メモリ（ＰＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、他のタイプのランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、電気的消去型プログラム可能読み取り専用メモリ（ＥＥＰＲＯＭ）、フラッシュメモリ若しくは他のメモリ技術、コンパクトディスク読み取り専用メモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）若しくは他の光学記憶装置、カセットテープ、磁気テープ／磁気ディスク記憶装置若しくは他の磁気記憶装置、又は、他の任意の非伝送媒体を含み、コンピューティングデバイスにアクセス可能な情報を格納するために使用することができる。このテキストの定義によれば、コンピュータ可読媒体は、変調データ信号及び搬送波などの一時的な媒体を含まない。

さらに、「含む（include、comprise）」という用語又は他のその変形例は、非排他的包含をカバーすることが意図され、その結果、一連の要素を含むプロセス、方法、商品又はデバイスは、その要素を含むだけではなく、明示的にリストされていない他の要素も含むか、又は、プロセス、方法、商品又はデバイス固有の要素をさらに含むことに留意すべきである。さらなる制限なしでは、「（a/an）…を含む」によって定義される要素は、その要素を含むプロセス、方法、商品又はデバイスが他の同一の要素をさらに有することを除外しない。

当業者は、この出願の実施形態を方法、システム又はコンピュータプログラム製品として提供できることを理解すべきである。従って、この出願は、完全なハードウェア実施形態、完全なソフトウェア実施形態、又は、ソフトウェアとハードウェアを組み合わせた実施形態の形態で実装することができる。その上、この出願は、コンピュータ使用可能プログラムコードを含む１つ又は複数のコンピュータ使用可能記憶媒体（これらに限定されないが、磁気ディスクメモリ、ＣＤ−ＲＯＭ、光メモリ及び同様のものを含む）上で実装されたコンピュータプログラム製品の形態であり得る。

この出願は、コンピュータによって実行されるコンピュータ実行可能命令（例えば、プログラムモジュール）の一般的な文脈において説明することができる。一般に、プログラムモジュールは、特定のタスクを実行するか又は特定の抽象データタイプを実装するためのルーチン、プログラム、オブジェクト、アセンブリ、データ構造及び同様のものを含む。また、この出願は、分散型コンピューティング環境において実装することもできる。分散型コンピューティング環境では、タスクは、通信ネットワークを通じて接続されたリモート処理デバイスによって実行される。分散型コンピューティング環境では、プログラムモジュールは、記憶装置を含むローカル及びリモートコンピュータ記憶媒体に位置し得る。

この明細書の様々な実施形態は、段階的に説明されている。実施形態間の同じ又は同様の部分は、互いに参照し合うことができる。各実施形態では、他の実施形態とは異なる部分が主に説明される。特に、システムの実施形態は、方法の実施形態と同様であるため、比較的簡単に説明しており、関連部分については、方法の実施形態で説明されている部分を参照することができる。

上記の説明は、この出願の単なる実施形態であり、この出願を制限するためには使用されない。当業者にとって、この出願は、様々な改変及び変化を有し得る。この出願の精神及び原理から逸脱することなく行われたいかなる変更、同様の置換、改善及び同様のものも、この出願の請求項の範囲内に含まれるべきである。

Claims (20)

1. 画像処理方法であって、
   第１の対象物体の複数の画像の特徴及び前記第１の対象物体の標準特徴を取得することと、
   前記複数の画像の前記特徴と前記標準特徴との間の類似性に従って、前記複数の画像から前記第１の対象物体の信頼できる画像を決定することであって、前記信頼できる画像の特徴と前記標準特徴との間の類似性が、プリセット類似性要件を満たす、決定することと、
   複数の類似性データを得るために、前記第１の対象物体の前記信頼できる画像と第２の対象物体の信頼できる画像との間の類似性を決定することと、
   前記複数の類似性データに従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
   を含む、画像処理方法。
2. 前記第１の対象物体の標準特徴を前記取得することが、
   前記複数の画像の平均特徴を取得し、前記第１の対象物体の前記標準特徴として、前記複数の画像の前記平均特徴を取り入れることか、又は、
   前記複数の画像の平均特徴を取得し、前記第１の対象物体の前記標準特徴として、前記複数の画像の前記特徴のうちの前記平均特徴に最も類似した１つの特徴を取り入れること
   を含む、請求項１に記載の方法。
3. 前記複数の画像の前記特徴と前記標準特徴との間の類似性に従って、前記複数の画像から前記第１の対象物体の信頼できる画像を前記決定することが、
   前記第１の対象物体の前記信頼できる画像として、前記複数の画像の中からその特徴と前記標準特徴との間の類似性がプリセット類似性閾値より大きい画像のいくつか若しくはすべてを取り入れることか、又は、
   前記複数の画像の前記特徴と前記標準特徴との間の前記類似性の分布データを決定し、画像密度がプリセット密度より高い前記分布データの類似性区間を決定し、前記第１の対象物体の前記信頼できる画像として、前記決定された類似性区間に対応する画像のいくつか若しくはすべてを取り入れること
   を含む、請求項１に記載の方法。
4. 前記複数の類似性データに従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを前記判断することが、
   前記複数の類似性データの平均値がプリセット平均閾値より大きい場合は、前記第１の対象物体が前記第２の対象物体に類似していると決定することか、又は、
   前記複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、前記第１の対象物体が前記第２の対象物体に類似していると決定すること
   を含む、請求項１に記載の方法。
5. 前記複数の類似性データに従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを前記判断することが、
   前記複数の類似性データの量がプリセット数量要件を満たすかどうかを判断し、満たす場合は、前記複数の類似性データに従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することを含む、請求項１に記載の方法。
6. 画像処理方法であって、
   第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得することと、
   前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
   を含み、
   前記第１の対象物体の前記信頼できる画像が、前記第１の対象物体の複数の画像から決定された画像であり、前記第１の対象物体の前記信頼できる画像の特徴と前記第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、前記第２の対象物体の前記信頼できる画像が、前記第２の対象物体の複数の画像から決定された画像であり、前記第２の対象物体の前記信頼できる画像の特徴と前記第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像処理方法。
7. 前記第１の対象物体の前記標準特徴が、前記第１の対象物体の前記複数の画像の平均特徴であるか、又は、前記第１の対象物体の前記標準特徴が、前記第１の対象物体の前記複数の画像の特徴のうちの前記第１の対象物体の前記複数の画像の平均特徴に最も類似した１つの特徴であり、
   前記第２の対象物体の前記標準特徴が、前記第２の対象物体の前記複数の画像の平均特徴であるか、又は、前記第２の対象物体の前記標準特徴が、前記第２の対象物体の前記複数の画像の特徴のうちの前記第２の対象物体の前記複数の画像の平均特徴に最も類似した１つの特徴である、請求項６に記載の方法。
8. 前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを前記判断することが、
   前記第１の対象物体の前記信頼できる画像と前記第２の対象物体の前記信頼できる画像との間の複数の類似性データの平均値がプリセット平均閾値より大きい場合は、前記第１の対象物体が前記第２の対象物体に類似していると決定することか、又は、
   前記第１の対象物体の前記信頼できる画像と前記第２の対象物体の前記信頼できる画像との間の複数の類似性データの分布がプリセット類似性分布要件を満たす場合は、前記第１の対象物体が前記第２の対象物体に類似していると決定すること
   を含む、請求項６に記載の方法。
9. 前記第１の対象物体が、対象物体のデータベース内の任意の対象物体であり、前記第２の対象物体が、前記第１の対象物体以外の前記データベース内の任意の対象物体であるか、又は、
   前記第１の対象物体が、ユーザによって指定された対象物体であり、前記第２の対象物体が、対象物体のデータベース内の任意の対象物体である、請求項６〜８のいずれか一項に記載の方法。
10. 画像処理方法であって、
    第１の対象物体の複数の画像の特徴、前記第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び前記第２の対象物体の標準特徴を取得することと、
    前記第１の対象物体の前記複数の画像の前記特徴と前記第１の対象物体の前記標準特徴との間の類似性に従って、前記第１の対象物体の前記複数の画像から前記第１の対象物体の信頼できる画像を決定し、前記第２の対象物体の前記複数の画像の前記特徴と前記第２の対象物体の前記標準特徴との間の類似性に従って、前記第２の対象物体の前記複数の画像から前記第２の対象物体の信頼できる画像を決定することであって、前記第１の対象物体の前記信頼できる画像の特徴と前記第１の対象物体の前記標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、前記第２の対象物体の前記信頼できる画像の特徴と前記第２の対象物体の前記標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、決定することと、
    前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
    を含む、画像処理方法。
11. 前記第１のプリセット類似性要件が前記第２のプリセット類似性要件と同一のものであるか、又は、前記第１のプリセット類似性要件が前記第２のプリセット類似性要件とは異なるものである、請求項１０に記載の方法。
12. 画像処理装置であって、
    第１の対象物体の複数の画像の特徴及び前記第１の対象物体の標準特徴を取得するように構成された特徴取得モジュールと、
    前記複数の画像の前記特徴と前記標準特徴との間の類似性に従って、前記複数の画像から前記第１の対象物体の信頼できる画像を決定するように構成された画像選択モジュールであって、前記信頼できる画像の特徴と前記標準特徴との間の類似性が、プリセット類似性要件を満たす、画像選択モジュールと、
    複数の類似性データを得るために、前記第１の対象物体の前記信頼できる画像と第２の対象物体の信頼できる画像との間の類似性を決定するように構成された類似性決定モジュールと、
    前記複数の類似性データに従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断するように構成された類似性判定モジュールと
    を含む、画像処理装置。
13. 画像処理装置であって、
    第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得するように構成された画像取得モジュールと、
    前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断するように構成された画像比較モジュールと
    を含み、
    前記第１の対象物体の前記信頼できる画像が、前記第１の対象物体の複数の画像から決定された画像であり、前記第１の対象物体の前記信頼できる画像の特徴と前記第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、前記第２の対象物体の前記信頼できる画像が、前記第２の対象物体の複数の画像から決定された画像であり、前記第２の対象物体の前記信頼できる画像の特徴と前記第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像処理装置。
14. 画像処理装置であって、
    第１の対象物体の複数の画像の特徴、前記第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び前記第２の対象物体の標準特徴を取得するように構成されたデータ取得モジュールと、
    前記第１の対象物体の前記複数の画像の前記特徴と前記第１の対象物体の前記標準特徴との間の類似性に従って、前記第１の対象物体の前記複数の画像から前記第１の対象物体の信頼できる画像を決定し、前記第２の対象物体の前記複数の画像の前記特徴と前記第２の対象物体の前記標準特徴との間の類似性に従って、前記第２の対象物体の前記複数の画像から前記第２の対象物体の信頼できる画像を決定するように構成された画像決定モジュールであって、前記第１の対象物体の前記信頼できる画像の特徴と前記第１の対象物体の前記標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、前記第２の対象物体の前記信頼できる画像の特徴と前記第２の対象物体の前記標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像決定モジュールと、
    前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断するように構成された画像判定モジュールと
    を含む、画像処理装置。
15. 画像処理デバイスであって、
    プロセッサと、
    コンピュータ実行可能命令を格納するように構成されたメモリであって、前記実行可能命令が、実行されると、
    第１の対象物体の複数の画像の特徴及び前記第１の対象物体の標準特徴を取得することと、
    前記複数の画像の前記特徴と前記標準特徴との間の類似性に従って、前記複数の画像から前記第１の対象物体の信頼できる画像を決定することであって、前記信頼できる画像の特徴と前記標準特徴との間の類似性が、プリセット類似性要件を満たす、決定することと、
    複数の類似性データを得るために、前記第１の対象物体の前記信頼できる画像と第２の対象物体の信頼できる画像との間の類似性を決定することと、
    前記複数の類似性データに従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
    を前記プロセッサに実行させる、メモリと
    を含む、画像処理デバイス。
16. 画像処理デバイスであって、
    プロセッサと、
    コンピュータ実行可能命令を格納するように構成されたメモリであって、前記実行可能命令が、実行されると、
    第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得することと、
    前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
    を前記プロセッサに実行させる、メモリと
    を含み、
    前記第１の対象物体の前記信頼できる画像が、前記第１の対象物体の複数の画像から決定された画像であり、前記第１の対象物体の前記信頼できる画像の特徴と前記第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、前記第２の対象物体の前記信頼できる画像が、前記第２の対象物体の複数の画像から決定された画像であり、前記第２の対象物体の前記信頼できる画像の特徴と前記第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、画像処理デバイス。
17. 画像処理デバイスであって、
    プロセッサと、
    コンピュータ実行可能命令を格納するように構成されたメモリであって、前記実行可能命令が、実行されると、
    第１の対象物体の複数の画像の特徴、前記第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び前記第２の対象物体の標準特徴を取得することと、
    前記第１の対象物体の前記複数の画像の前記特徴と前記第１の対象物体の前記標準特徴との間の類似性に従って、前記第１の対象物体の前記複数の画像から前記第１の対象物体の信頼できる画像を決定し、前記第２の対象物体の前記複数の画像の前記特徴と前記第２の対象物体の前記標準特徴との間の類似性に従って、前記第２の対象物体の前記複数の画像から前記第２の対象物体の信頼できる画像を決定することであって、前記第１の対象物体の前記信頼できる画像の特徴と前記第１の対象物体の前記標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、前記第２の対象物体の前記信頼できる画像の特徴と前記第２の対象物体の前記標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、決定することと、
    前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
    を前記プロセッサに実行させる、メモリと
    を含む、画像処理デバイス。
18. 記憶媒体であって、コンピュータ実行可能命令を格納するように構成され、前記実行可能命令が、実行されると、以下のプロセス：
    第１の対象物体の複数の画像の特徴及び前記第１の対象物体の標準特徴を取得することと、
    前記複数の画像の前記特徴と前記標準特徴との間の類似性に従って、前記複数の画像から前記第１の対象物体の信頼できる画像を決定することであって、前記信頼できる画像の特徴と前記標準特徴との間の類似性が、プリセット類似性要件を満たす、決定することと、
    複数の類似性データを得るために、前記第１の対象物体の前記信頼できる画像と第２の対象物体の信頼できる画像との間の類似性を決定することと、
    前記複数の類似性データに従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
    を実施する、記憶媒体。
19. 記憶媒体であって、コンピュータ実行可能命令を格納するように構成され、前記実行可能命令が、実行されると、以下のプロセス：
    第１の対象物体の信頼できる画像及び第２の対象物体の信頼できる画像を取得することと、
    前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
    を実施し、
    前記第１の対象物体の前記信頼できる画像が、前記第１の対象物体の複数の画像から決定された画像であり、前記第１の対象物体の前記信頼できる画像の特徴と前記第１の対象物体の標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、前記第２の対象物体の前記信頼できる画像が、前記第２の対象物体の複数の画像から決定された画像であり、前記第２の対象物体の前記信頼できる画像の特徴と前記第２の対象物体の標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、記憶媒体。
20. 記憶媒体であって、コンピュータ実行可能命令を格納するように構成され、前記実行可能命令が、実行されると、以下のプロセス：
    第１の対象物体の複数の画像の特徴、前記第１の対象物体の標準特徴、第２の対象物体の複数の画像の特徴及び前記第２の対象物体の標準特徴を取得することと、
    前記第１の対象物体の前記複数の画像の前記特徴と前記第１の対象物体の前記標準特徴との間の類似性に従って、前記第１の対象物体の前記複数の画像から前記第１の対象物体の信頼できる画像を決定し、前記第２の対象物体の前記複数の画像の前記特徴と前記第２の対象物体の前記標準特徴との間の類似性に従って、前記第２の対象物体の前記複数の画像から前記第２の対象物体の信頼できる画像を決定することであって、前記第１の対象物体の前記信頼できる画像の特徴と前記第１の対象物体の前記標準特徴との間の類似性が、第１のプリセット類似性要件を満たし、前記第２の対象物体の前記信頼できる画像の特徴と前記第２の対象物体の前記標準特徴との間の類似性が、第２のプリセット類似性要件を満たす、決定することと、
    前記第１の対象物体の前記信頼できる画像及び前記第２の対象物体の前記信頼できる画像に従って、前記第１の対象物体が前記第２の対象物体に類似しているかどうかを判断することと
    を実施する、記憶媒体。

Images