JP2013519409A5 - - Google Patents

Claims (38)

1. コンピュータにより実施される画像内の特徴を識別する方法であって、
   複数の第２のモデルを前記画像に適合させるステップであって、前記複数の第２のモデルは共に関心領域をモデル化し、前記関心領域の各部分は、前記複数の第２のモデルのうちの少なくとも２つによりモデル化される、ステップ、
   前記複数の第２のモデルの前記適合に基づき、前記画像内の前記特徴を識別するステップ、
   を有する方法。
2. 最初に前記関心領域の第１のモデルを前記画像に適合させるステップ、
   を更に有し、
   前記複数の第２のモデルを適合させるステップは、前記第１のモデルの前記適合に基づく、
   請求項１に記載の方法。
3. 前記複数の第２のモデルを前記画像に適合させるステップは、前記第１のモデルの前記適合に基づき初期化される、請求項２に記載の方法。
4. 前記複数の第２のモデルを適合させるステップは、前記第１のモデルの前記適合により制限される、請求項２又は３に記載の方法。
5. 前記複数の第２のモデルの前記適合に基づき、前記画像内の前記特徴を識別するステップは、前記複数の第２のモデルの前記適合に基づきデータを結合するステップ、
   を有する、請求項１乃至４のいずれか一項に記載の方法。
6. 前記複数の第２のモデルの前記適合に基づきデータを結合するステップは、前記関心領域の各部分について、該部分が含まれる前記複数の第２のモデルの各々から引き出されたデータに関連する重みを適用するステップを有する、請求項５に記載の方法。
7. 特定の第２のモデルでは、前記関連する重みは、前記特定の第２のモデルに関して定められた点から前記領域の前記部分までの距離に基づく、請求項６に記載の方法。
8. 前記特定の第２のモデルに関して定められた前記点は、前記特定のモデルの中心に関して定められる、請求項７に記載の方法。
9. 特定の特徴は、前記第２のモデルのうちの２つによりモデル化され、前記結合は、前記第２のモデルのうちの前記２つの各々を適合させることにより生成された前記特定の特徴と関連するデータを結合することにより、前記特定の特徴を識別する、請求項５乃至８のいずれか一項に記載の方法。
10. 前記結合は、複数の関係を示す格納されたデータに基づき、各関係は、第２のモデルの少なくとも一部と少なくとも１つの他の第２のモデルの少なくとも一部との間のものである、請求項５乃至９のいずれか一項に記載の方法。
11. 複数の関係を示す前記格納されたデータは、第２のモデルの少なくとも一部と前記第１のモデルの一部との間の関係を示す、請求項２に従属するときの請求項１０に記載の方法。
12. 前記結合は、例えば、前記複数の第２のモデルのうちの少なくとも２つに含まれる前記関心領域の各部分について、前記関心領域の前記部分の重み付けされた平均的な適合を、前記複数の第２のモデルのうちの前記少なくとも２つの各々の前記関心領域の前記部分への適合に基づき、決定するステップを有する、請求項６乃至１１のいずれか一項に記載の方法。
13. 前記複数の第２のモデルの前記適合に基づき、前記画像内の前記特徴を識別するステップは、前記複数の第２のモデルの前記適合に基づき前記画像内の前記特徴の位置の推定を決定するステップ、
    を更に有する、請求項１乃至１２の何れか一項に記載の方法。
14. 前記画像内の特徴の位置の推定を決定するステップは、
    前記画像内の前記特徴の位置の初期の推定を得るステップ、
    前記複数の第２のモデルの適合に基づき、前記初期の推定を更新するステップ、
    を有する、請求項１３に記載の方法。
15. 前記初期の推定を更新するステップは、
    前記第２のモデルのうちの１つの適合が所定の基準を満たす場合、前記第２のモデルのうちの前記１つの前記適合に基づき初期の推定を更新するステップ、
    を有する、前記請求項１４に記載の方法。
16. 前記所定の基準は、前記特徴の位置の前記初期の推定と前記第２のモデルのうちの前記１つの前記適合との間の関係である、請求項１５に記載の方法。
17. 前記所定の基準は、幾何学的基準を有する、請求項１５又は１６に記載の方法。
18. 前記所定の基準は、トレーニング段階中に、トレーニング画像のセットに基づき、前記第２のモデルのうちの前記１つについて決定される、請求項１５乃至１７のいずれか一項に記載の方法。
19. 前記所定の基準は、複数のデータアイテムに基づき、各データアイテムは、前記第２のモデルのうちの１つの前記トレーニング画像のうちの個々の１つへの適合を表す、請求項１８に記載の方法。
20. 前記複数の第２のモデルの各々は、関連付けられた所定の基準を有する、請求項１５乃至１９のいずれか一項に記載の方法。
21. 複数の第３のモデルを前記画像に適合させるステップであって、前記複数の第３のモデルは、前記関心領域の少なくとも一部を共にモデル化し、前記複数の第３のモデルの適合は、前記特徴の位置の前記推定に基づく、ステップ、
    前記複数の第３のモデルの前記適合に基づき、前記画像内の前記特徴を識別するステップ、
    を更に有する請求項１３乃至２０のいずれか一項に記載の方法。
22. 前記関心領域の所与の部分は、第１の数の前記第２のモデル及び異なる第２の数の前記第３のモデルによりモデル化される、請求項２１に記載の方法。
23. 前記第２の数は前記第１の数より大きい、請求項２２に記載の方法。
24. 前記複数の第２のモデルは、前記オブジェクトの任意の分解である、請求項１乃至２３のいずれか一項に記載の方法。
25. 前記複数の第２のモデルを生成するステップ、
    を更に有する請求項１乃至２３のいずれか一項に記載の方法。
26. トレーニング画像セットを受信するステップであって、前記トレーニング画像セットの中の各画像は、前記関心領域を表す、ステップ、
    を更に有し、
    前記オブジェクトの前記複数の第２のモデルを生成するステップは、前記トレーニング画像セットに基づく、
    請求項２５に記載の方法。
27. 前記複数の第２のモデルの中の各モデルは、前記トレーニング画像セットの中の画像のサブセットに基づき生成され、前記サブセットは、前記トレーニング画像セットからの交換によりランダムにサンプリングすることにより選択される、
    請求項２６に記載の方法。
28. 前記複数の第２のモデルを生成するステップは、
    複数のモデルを生成するステップであって、前記複数のモデルのうちの各々は、前記関心領域の少なくとも一部をモデル化する、ステップ、
    更なるトレーニング画像セットに関して、前記複数のモデルを処理するステップ、
    前記関心領域の各部分がモデルのサブセットの中の複数のモデルにより表されるように、前記処理に基づき、前記複数のモデルの前記サブセットを選択するステップ、
    を有する、請求項２５乃至２７のいずれか一項に記載の方法。
29. 前記複数の第２のモデルを生成するステップは、
    第１の複数の第２のモデルを生成するステップであって、前記関心領域の各部分が前記第１の複数の第２のモデルのうちの複数によりモデル化されるようにする、ステップ、
    第２の複数の第２のモデルを生成するステップであって、前記関心領域の各部分が前記第２の複数の第２のモデルのうちの複数によりモデル化されるようにする、ステップ、
    前記第１の複数の第２のモデル及び前記第２の複数の第２のモデルを、前記更なるトレーニング画像セットに関して処理するステップ、
    前記処理に基づき、前記関心領域の前記第１の複数の第２のモデル及び前記第２の複数の第２のモデルのうちの一方を選択するステップ、
    を有する請求項２８に記載の方法。
30. 前記第１の複数の第２のモデル及び前記第２の複数の第２のモデルを、前記更なるトレーニング画像セットに関して処理するステップは、
    前記第１の複数の第２のモデルを前記更なるトレーニング画像セットの中の各画像に適合するステップ、
    前記第２の複数の第２のモデルを前記更なるトレーニング画像セットの中の各画像に適合するステップ、
    を有し、
    前記処理に基づき前記関心領域の前記複数の第２のモデルのうちの一方を選択するステップは、前記の２つの適合するステップに基づく、
    請求項２９に記載の方法。
31. 前記複数の第２のモデルのうちの１つ又は各々を生成するステップは、
    前記関心領域内の複数の関心点を示すデータを受信するステップ、
    前記の受信した複数の関心点に基づき、前記複数の第２のモデルの一方又は各々を生成するステップ、を有する、請求項２５乃至３０のいずれか一項に記載の方法。
32. 前記の受信したデータに基づき、前記複数の第２のモデルの一方又は各々を生成するステップは、
    前記の受信した関心点の各々について、前記複数のモデルのうちの１つのための基礎を提供するために、所定の大きさの前記関心領域の一部を選択するステップ、
    を有する、請求項３１に記載の方法。
33. 前記関心領域の各部分は、関心のある特徴を表す、請求項３１又は３２に記載の方法。
34. 前記トレーニング画像セットに基づき、前記オブジェクトの前記複数の第２のモデルを生成するステップは、
    前記複数の点の各々について、前記トレーニング画像セットの中の各画像内の前記関心領域の対応する部分を処理するステップ、
    を有する、請求項２６に従属するときの請求項３１又は３２に記載の方法。
35. コンピュータプログラムであって、実行されるとコンピュータに請求項１乃至３４のいずれか一項に記載の方法を実行させるコンピュータ可読命令を有する、コンピュータプログラム。
36. 請求項３５に記載のコンピュータプログラムを有するコンピュータ可読媒体。
37. 画像内の特徴を識別するコンピュータ装置であって、
    プロセッサ可読命令を格納するメモリ、
    前記メモリに格納された命令を読み出し実行するプロセッサ、
    を有し、
    前記プロセッサ可読命令は、請求項１乃至３４のいずれか一項に記載の方法を実行するよう前記コンピュータを制御する命令を有する、装置。
38. 画像内の特徴を識別する装置であって、
    複数の第２のモデルを前記画像に適合させる手段であって、前記複数の第２のモデルは共に関心領域をモデル化し、前記関心領域の各部分は、前記複数の第２のモデルのうちの少なくとも２つによりモデル化される、手段、
    前記複数の第２のモデルの前記適合に基づき、前記画像内の前記特徴を識別する手段と、
    を有する装置。