JP2013536527A5 - - Google Patents

Claims (20)

1. ディジタル画像集合から再来性イベントを検出する方法であって、
   前記ディジタル画像のコンテンツの少なくとも一部に基づき、ディジタル画像集合内のイベントを識別するステップであって、各イベントはキャプチャー時間メタデータを有する各ディジタル画像の少なくとも１つを含む当該ステップと、
   前記識別されたイベントのディジタル画像に関するキャプチャー時間の分布に基づき、前記識別されたイベントを多次元の表現で特徴づけるステップと、
   前記イベントに対する多次元の表現の空間クラスタリング解析に基づき、前記識別されたイベントから１以上の再来性イベントを識別するステップと、
   を含む方法。
2. 前記イベントを識別するステップは、前記ディジタル画像集合におけるディジタル画像の色コンテンツに基づきイベントを識別することを含む、請求項１に記載の方法。
3. 前記ディジタル画像のコンテンツの少なくとも一部に基づきイベントを識別するステップは、
   第１のディジタル画像を、複数のブロックにパーティション化すること、
   前記第１のディジタル画像のブロックの少なくとも幾つかに関するカラーヒストグラムを決定すること、
   第２のディジタル画像を、複数のブロックにパーティション化することであって、前記第２のディジタル画像のキャプチャー時間は、前記第１のディジタル画像のキャプチャー時間に引き続いて来るものであり、
   前記第１のディジタル画像のブロックに対応する前記第２のディジタル画像のブロックのそれぞれに関するカラーヒストグラムを決定すること、
   前記第１のディジタル画像のブロックのカラーヒストグラムと、前記第２のディジタル画像のブロックの対応するカラーヒストグラムとを比較すること、
   を含む請求項２に記載の方法。
4. 前記イベントを識別するステップは、前記ディジタル画像集合におけるディジタル画像のフォアグランド及びバックグランドセグメンテーションの少なくとも一部に基づきイベントを識別することを含む、請求項１に記載の方法。
5. 前記イベントを識別するステップは、識別されたイベントを有するディジタル画像間でサブイベントを識別することを含む、請求項１に記載の方法。
6. 前記多次元の表現は、第１の時間軸と、当該第１の時間軸とは異なる第２の時間軸を含む表現である、請求項１に記載の方法。
7. 前記１以上の再来性イベントを識別するステップは、前記識別されたイベントに対して、イベントシグネチャに基づくフィルタリングを適用することを含む、請求項１に記載の方法。
8. 前記１以上の再来性イベントを識別するステップは、前記イベントシグネチャに基づくフィルタリングをパスする識別されたイベントのみに対して空間クラスタリング解析を適用することを含む、請求項７に記載の方法。
9. 前記イベントシグネチャに基づくフィルタリングは、ベイジアン信頼ネットワーク型イベント分類（Bayesian belief network-based event classification）に基づいている、請求項１に記載の方法。
10. 前記１以上の再来性イベントを識別するステップは、前記識別されたイベント及びディスプレイ上の前記イベントに対応するディジタル画像の少なくとも１つを識別することを含む、請求項１に記載の方法。
11. メモリと、
    前記メモリと通信可能に接続されたディスプレイと、
    前記メモリ及び前記ディスプレイを制御する１以上のプロセッサとを備えたコンピュータシステムであって、
    前記プロセッサは、
    前記メモリに記憶されたディジタル画像の集合内にあるイベントを、前記ディジタル画像のコンテンツの少なくとも一部に基づき識別し、前記各イベントはキャプチャー時間メタデータを有する各ディジタル画像の少なくとも１つを含むものであり、
    前記識別されたイベントのディジタル画像に関するキャプチャー時間の分布に基づき、前記識別されたイベントを多次元の表現で特徴づけ、
    前記イベントに対する多次元の表現の空間クラスタリング解析に基づき、前記識別されたイベントから１以上の再来性イベントを識別する、
    ように構成されているコンピュータシステム。
12. 前記１以上のプロセッサは、前記ディジタル画像集合におけるディジタル画像の色コンテンツに基づきイベントを識別するように構成されている、請求項１１に記載のコンピュータシステム。
13. 前記ディジタル画像のコンテンツの少なくとも一部に基づきイベントを識別するプロセッサは、
    第１のディジタル画像を、複数のブロックにパーティション化し、
    前記第１のディジタル画像のブロックの少なくとも幾つかに関するカラーヒストグラムを決定し、
    第２のディジタル画像を、複数のブロックにパーティション化することであって、前記第２のディジタル画像のキャプチャー時間は、前記第１のディジタル画像のキャプチャー時間に引き続いて来るものであり、
    前記第１のディジタル画像のブロックに対応する前記第２のディジタル画像のブロックのそれぞれに関するカラーヒストグラムを決定すること、
    前記第１のディジタル画像のブロックのカラーヒストグラムと、前記第２のディジタル画像のブロックの対応するカラーヒストグラムとを比較すること、
    を更に実行するように構成されている、請求項１２に記載のコンピュータシステム。
14. 前記１以上のプロセッサは、前記ディジタル画像集合におけるディジタル画像のフォアグランド及びバックグランドセグメンテーションの少なくとも一部に基づきイベントを識別するように構成されている、請求項１１に記載のコンピュータシステム。
15. 前記１以上のプロセッサは、識別されたイベントを有するディジタル画像間でサブイベントを識別するように構成されている、請求項１１に記載のコンピュータシステム。
16. 前記多次元の表現は、第１の時間軸と、当該第１の時間軸とは異なる第２の時間軸を含む表現である、請求項１１に記載のコンピュータシステム。
17. 前記１以上のプロセッサは、前記識別されたイベントに対して、イベントシグネチャに基づくフィルタリングを適用することによって１以上の再来性イベントを識別するように構成されている、請求項１１に記載のコンピュータシステム。
18. 前記１以上のプロセッサは、前記イベントシグネチャに基づくフィルタリングをパスする識別されたイベントのみに対して空間クラスタリング解析を適用するように構成されている、請求項１７に記載のコンピュータシステム。
19. 前記イベントシグネチャに基づくフィルタリングは、ベイジアン信頼ネットワーク型イベント分類（Bayesian belief network-based event classification）に基づいている、請求項１１に記載のコンピュータシステム。
20. 前記１以上のプロセッサは、前記識別されたイベント及びディスプレイ上の前記イベントに対応するディジタル画像の少なくとも１つを識別するように構成されている、請求項１１に記載のコンピュータシステム。