JP2014002734A - オブジェクト認識設備及び方法 - Google Patents
オブジェクト認識設備及び方法 Download PDFInfo
- Publication number
- JP2014002734A JP2014002734A JP2013124489A JP2013124489A JP2014002734A JP 2014002734 A JP2014002734 A JP 2014002734A JP 2013124489 A JP2013124489 A JP 2013124489A JP 2013124489 A JP2013124489 A JP 2013124489A JP 2014002734 A JP2014002734 A JP 2014002734A
- Authority
- JP
- Japan
- Prior art keywords
- object recognition
- edge direction
- edge
- local
- distribution pattern
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
【解決手段】かかるオブジェクト認識設備は、候補オブジェクトの複数のローカル領域のうちの各ローカル領域のエッジ方向分布パターンを計算し、前記候補オブジェクトの複数のローカルエッジ方向分布パターン特徴とするためのエッジ方向分布パターン計算装置;及び、前記複数のローカルエッジ方向分布パターン特徴に基づいて、前記候補オブジェクトに対して分類を行うための分類器を含む。
【選択図】図2
Description
1-1.エッジ方向分布パターン計算装置
i)エッジ抽出モジュール
ii)確率分布計算モジュール
iii)二値化モジュール
1-2.分類器
2.オブジェクト認識方法
3.本発明の設備及び方法を実施するための計算設備
また、本開示の一つの図面又は一つの実施例に記載の要素及び特徴は、一つ以上の他の図面又は実施例に示す要素及び特徴と組み合わせることができる。
まず、図2を参照して、本発明の実施例によるオブジェクト認識設備の構造を説明する。図2に示すように、オブジェクト認識設備100は、エッジ方向分布パターン計算装置101及び分類器102を含む。そのうち、エッジ方向分布パターン計算装置101は、候補オブジェクトの複数のローカル領域のうちの各ローカル領域のエッジ方向分布パターンを計算し、上述の候補オブジェクトの複数のローカルエッジ方向分布パターン特徴とするように構成される。分類器102は、上述の複数のローカルエッジ方向分布パターン特徴に基づいて、上述の候補オブジェクトに対して分類を行うように構成される。
図3に示すように、エッジ方向分布パターン計算装置101は、エッジ抽出モジュール1001、確率分布計算モジュール1002及び二値化モジュール1003を含む。
エッジ抽出モジュール1001は、各ローカル領域におけるエッジを抽出するために用いられる。一例として、エッジ抽出モジュール1001は、ローカル領域における勾配ベクトルの分布を計算することにより、該ローカル領域におけるエッジを抽出することができる。
確率分布計算モジュール1002は、抽出されたエッジの方向の確率分布を計算するように構成される。一実施例では、確率分布計算モジュール1002は、エッジ画素の方向が同じである勾配ベクトルのノルムを累加(累積)して該方向の確率とし、エッジの方向の確率分布を取得する。
二値化モジュール1003は、上述の確率分布を二値化し、これにより、上述のローカル領域のエッジ方向分布パターンを取得する。好ましくは、二値化モジュール1003は、バイナリ(2進数)の1及び0を用いて二値化を行い、そして、得られたバイナリの1及び0のシーケンスを上述のエッジ方向分布パターン特徴とする。一実施例では、二値化モジュール1003は、確率の平均値又は中間値を閾値として二値化を行うように構成される。具体的に、二値化モジュール1003は、各エッジ方向の確率と、確率の平均値又は中間値としての閾値との差を取得し(引き算)、そして、得られた値の正負に基づいて、該エッジ方向のバイナリ桁が1か0であることを確定し、最終的に、一つのバイナリの1及び0のシーケンスを取得して該ローカル領域のエッジ方向分布パターン特徴とする。また、このバイナリのシーケンスを他の進法(例えば、10進法)の値に変換してもよい。
(外1)
は、所定の閾値を表し、且つ
(外2)
であり、式3により、K次元のヒストグラムをK個の2進数(バイナリ)に量化することができる。図5の真中の図では、8個の2進数の空間分布を示し、このような空間分布は、エッジ方向の分布パターンである。そのうち、h0、…、h7は、それぞれ、各方向区間に対応する2進数を表し、これらの2進数は、該方向区間上の勾配が主導的作用をするものであるかどうかを表すことができる。例えば、1は、該方向区間上の勾配が主導的作用をするものであることを表し、0は、その逆である。限定用ではない一つの例として、該空間分布パターンの表現として、該K個の2進数を直列接続してK桁の2進数のコード(シーケンス)を成し、ローカル領域のエッジ方向分布パターン特徴としてもよい。図4に示すヒストグラムH2を考慮する時に、二値化モジュール1003は、例えば、図5に示すように、8桁の2進数のコード「00001100」を得ることができる。また、この2進数のコードを10進法又は他の進法の値に変換してもよく、例えば、図5では、2進数のコード「00001100」は、10進数の12に変換することができる。K=8である場合、その値の範囲は、[0,255]である。
(外3)
を採用して閾値とする。
分類器102は、上述の複数のローカルエッジ方向分布パターン特徴に基づいて、候補オブジェクトに対して分類を行う。一実施例では、分類器102は、上述の複数のローカルエッジ方向分布パターンからオンラインで選択されたサブセットにおけるローカルエッジ方向分布パターン特徴に基づいて、上述の候補オブジェクトに対して分類を行う。
以上、図面を参照して本発明によるオブジェクト認識設備の実施例について説明した。以下、図面を参照して本発明によるオブジェクト認識方法の実施例について簡単に説明するが、その細部については、上述のオブジェクト認識設備の説明を参照することができる。
上述の設備における各構成モジュールやユニットなどは、ソフトウェア、ファームウェア、ハードウェア又はそれらの任意の組み合わせの方式で実現されてもよい。ソフトウェア又はファームウェアにより実現される場合は、記憶媒体又はネットワークから、専用ハードウェア構造を有する装置(例えば、図8に示す汎用装置1100)に、このソフトウェア又はファームウェアを構成するプログラムをインストールすることができ、この装置は、各種のプログラムがインストールされている時に、上述の各種の機能を行うことができる。
オブジェクト認識設備であって、
候補オブジェクトの複数のローカル領域のうちの各ローカル領域のエッジ方向分布パターンを計算し、前記候補オブジェクトの複数のローカルエッジ方向分布パターン特徴とするように構成されるエッジ方向分布パターン計算装置;及び、
前記複数のローカルエッジ方向分布パターン特徴に基づいて、前記候補オブジェクトに対して分類を行うように構成される分類器を含む、オブジェクト認識設備。
付記1に記載のオブジェクト認識設備であって、
前記エッジ方向分布パターン計算装置は、
前記ローカル領域におけるエッジを抽出するためのエッジ抽出モジュール;
前記エッジの方向の確率分布を計算するための確率分布計算モジュール;及び、
前記確率分布を二値化し、前記ローカル領域のエッジ方向分布パターンを得るための二値化モジュールを含む、オブジェクト認識設備。
付記2に記載のオブジェクト認識設備であって、
前記エッジ抽出モジュールは、前記ローカル領域における勾配ベクトルの分布を計算することにより、前記ローカル領域におけるエッジを抽出するように構成される、オブジェクト認識設備。
付記3に記載のオブジェクト認識設備であって、
前記確率分布計算モジュールは、エッジ画素の方向が同じである勾配ベクトルのノルムを累加して該方向の確率とすることにより、前記エッジの方向の確率分布を得るように構成される、オブジェクト認識設備。
付記3に記載のオブジェクト認識設備であって、
前記確率分布計算モジュールは、エッジ画素のうち方向が同じである画素の個数を累加して該方向の確率とすることにより、前記エッジの方向の確率分布を得るように構成される、オブジェクト認識設備。
付記4又は5に記載のオブジェクト認識設備であって、
前記確率分布計算モジュールは、エッジ方向の値の範囲を複数の区間に分け、各区間における全ての方向の確率を累加して、エッジ方向が該区間における確率とすることにより、エッジ方向が前記複数の区間の間における確率分布を得て、前記エッジの方向の確率分布とするように構成される、オブジェクト認識設備。
付記2乃至5のうちの何れか一つに記載のオブジェクト認識設備であって、
前記二値化モジュールは、2進数の1及び0を用いて二値化を行い、得られた2進数のシーケンスを前記エッジ方向分布パターン特徴とするように構成される、オブジェクト認識設備。
付記2に記載のオブジェクト認識設備であって、
前記二値化モジュールは、確率の平均値又は中間値を閾値として用いて、前記二値化を行うように構成される、オブジェクト認識設備。
付記1乃至4のうちの何れか一つに記載のオブジェクト認識設備であって、
前記分類器は、前記複数のローカルエッジ方向分布パターンからオンラインで選択されたサブセットにおけるローカルエッジ方向分布パターン特徴に基づいて、前記候補オブジェクトに対して分類を行うように構成される、オブジェクト認識設備。
付記1乃至4のうちの何れか一つに記載のオブジェクト認識設備であって、
前記分類器は、特徴サブセットに基づいて分けられた分類器又は決定木分類器である、オブジェクト認識設備。
オブジェクト認識方法であって、
候補オブジェクトの複数のローカル領域のうちの各ローカル領域のエッジ方向分布パターンを計算し、前記候補オブジェクトの複数のローカルエッジ方向分布パターン特徴とし;及び、
分類器を用いて、前記複数のローカルエッジ方向分布パターン特徴に基づいて、前記候補オブジェクトに対して分類を行うことを含む、オブジェクト認識方法。
付記11に記載のオブジェクト認識方法であって、
前記各ローカル領域のエッジ方向分布パターンを計算するステップは、
前記ローカル領域におけるエッジを抽出し;
前記エッジの方向の確率分布を計算し;及び、
前記確率分布を二値化し、前記ローカル領域のエッジ方向分布パターンを得ることを含む、オブジェクト認識方法。
付記12に記載のオブジェクト認識方法であって、
前記ローカル領域における勾配ベクトルの分布を計算することにより、前記ローカル領域におけるエッジを抽出する、オブジェクト認識方法。
付記13に記載のオブジェクト認識方法であって、
前記エッジの方向の確率分布を計算することは、
エッジ画素の方向が同じである勾配ベクトルのノルムを累加して該方向の確率とすることにより、前記エッジの方向の確率分布を得ることを含む、オブジェクト認識方法。
付記13に記載のオブジェクト認識方法であって、
前記エッジの方向の確率分布を計算することは、
エッジ画素のうち方向が同じである画素の個数を累加して該方向の確率とすることにより、前記エッジの方向の確率分布を得ることを含む、オブジェクト認識方法。
付記14又は15に記載のオブジェクト認識方法であって、
前記エッジの方向の確率分布を計算することは、さらに、
エッジ方向の値の範囲を複数の区間に分け、各区間における全ての方向の確率を累加して、エッジ方向が該区間における確率とすることにより、エッジ方向が前記複数の区間の間における確率分布を得て、前記エッジの方向の確率分布とすることを含む、オブジェクト認識方法。
付記12乃至15のうちの何れか一つに記載のオブジェクト認識方法であって、
前記確率分布を二値化することは、
2進数の1及び0を用いて二値化を行い、得られた2進数のシーケンスを前記エッジ方向分布パターン特徴とすることを含む、オブジェクト認識方法。
付記12に記載のオブジェクト認識方法であって、
前記確率分布を二値化することは、
確率の平均値又は中間値を閾値として用いて、前記二値化を行うことを含む、オブジェクト認識方法。
付記11乃至14のうちの何れか一つに記載のオブジェクト認識方法であって、
分類器を用いて前記複数のローカルエッジ方向分布パターン特徴に基づいて前記候補オブジェクトに対して分類を行うことは、さらに、
前記複数のローカルエッジ方向分布パターン特徴からオンラインで一つのサブセットを選択し、前記分類器を用いて、該サブセットにおけるローカルエッジ方向分布パターン特徴に基づいて、前記候補オブジェクトに対して分類を行うことを含む、オブジェクト認識方法。
付記11乃至14のうちの何れか一つに記載のオブジェクト認識方法であって、
前記分類器は、特徴サブセットに基づいて分けられた分類器又は決定木分類器である、オブジェクト認識方法。
コンピュータに、付記11乃至20の何れか1つに記載の方法を実行させるためのプログラム。
付記21に記載のプログラムを記録したコンピュータ読み取り可能な記憶媒体。
Claims (10)
- オブジェクト認識設備であって、
候補オブジェクトの複数のローカル領域のうちの各ローカル領域のエッジ方向分布パターンを計算し、前記候補オブジェクトの複数のローカルエッジ方向分布パターン特徴とするためのエッジ方向分布パターン計算装置;及び
前記複数のローカルエッジ方向分布パターン特徴に基づいて、前記候補オブジェクトに対して分類を行うための分類器を含む、オブジェクト認識設備。 - 請求項1に記載のオブジェクト認識設備であって、
前記エッジ方向分布パターン計算装置は、
前記ローカル領域におけるエッジを抽出するためのエッジ抽出モジュール;
前記エッジの方向の確率分布を計算するための確率分布計算モジュール;及び
前記確率分布に対して二値化を行い、前記ローカル領域のエッジ方向分布パターンを得るための二値化モジュールを含む、オブジェクト認識設備。 - 請求項2に記載のオブジェクト認識設備であって、
前記エッジ抽出モジュールは、前記ローカル領域における勾配ベクトルの分布を計算し、前記ローカル領域におけるエッジを抽出する、オブジェクト認識設備。 - 請求項3に記載のオブジェクト認識設備であって、
前記確率分布計算モジュールは、エッジ画素の方向が同じである勾配ベクトルのノルムを累積して該方向の確率とし、前記エッジの方向の確率分布を取得する、オブジェクト認識設備。 - 請求項3に記載のオブジェクト認識設備であって、
前記確率分布計算モジュールは、エッジ画素のうちの方向が同じである画素の個数を累積して該方向の確率とし、前記エッジの方向の確率分布を取得する、オブジェクト認識設備。 - 請求項4又は5に記載のオブジェクト認識設備であって、
前記確率分布計算モジュールは、エッジ方向の値の範囲を複数の区間に分割し、各区間における全ての方向の確率を累積して、エッジ方向が該区間における確率とし、エッジ方向が前記複数の区間の間における確率分布を取得して、前記エッジの方向の確率分布とする、オブジェクト認識設備。 - 請求項2乃至5のうちの何れか1項に記載のオブジェクト認識設備であって、
前記二値化モジュールは、バイナリの1及び0を用いて二値化を行い、得られたバイナリのシーケンスを前記エッジ方向分布パターン特徴とする、オブジェクト認識設備。 - 請求項2に記載のオブジェクト認識設備であって、
前記二値化モジュールは、確率の平均値又は中間値を閾値として用いて前記二値化を行う、オブジェクト認識設備。 - 請求項1乃至4のうちの何れか1項に記載のオブジェクト認識設備であって、
前記分類器は、前記複数のローカルエッジ方向分布パターンからオンラインで選択されたサブセットにおけるローカルエッジ方向分布パターン特徴に基づいて、前記候補オブジェクトに対して分類を行う、オブジェクト認識設備。 - オブジェクト認識方法であって、
候補オブジェクトの複数のローカル領域のうちの各ローカル領域のエッジ方向分布パターンを計算し、前記候補オブジェクトの複数のローカルエッジ方向分布パターン特徴とし;及び
分類器を用いて、前記複数のローカルエッジ方向分布パターン特徴に基づいて、前記候補オブジェクトに対して分類を行うことを含む、オブジェクト認識方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210203740.6A CN103514453B (zh) | 2012-06-15 | 2012-06-15 | 对象识别设备和方法 |
CN201210203740.6 | 2012-06-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014002734A true JP2014002734A (ja) | 2014-01-09 |
Family
ID=49897146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013124489A Pending JP2014002734A (ja) | 2012-06-15 | 2013-06-13 | オブジェクト認識設備及び方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2014002734A (ja) |
CN (1) | CN103514453B (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9824462B2 (en) | 2014-09-19 | 2017-11-21 | Samsung Electronics Co., Ltd. | Method for detecting object and object detecting apparatus |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011203853A (ja) * | 2010-03-24 | 2011-10-13 | Toyota Central R&D Labs Inc | 画像処理装置及びプログラム |
JP2012088787A (ja) * | 2010-10-15 | 2012-05-10 | Canon Inc | 画像処理装置、画像処理方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100452081C (zh) * | 2007-06-01 | 2009-01-14 | 华南理工大学 | 一种人眼定位及人眼状态识别方法 |
CN101609509B (zh) * | 2008-06-20 | 2012-02-15 | 中国科学院计算技术研究所 | 一种基于预分类器的图像物体检测方法及系统 |
CN102024141A (zh) * | 2010-06-29 | 2011-04-20 | 上海大学 | 基于Gabor小波变换和局部二值模式优化的人脸识别方法 |
CN102243706B (zh) * | 2011-08-18 | 2014-12-10 | 杭州海康威视数字技术股份有限公司 | 基于目标边缘方向的目标分类方法和系统 |
-
2012
- 2012-06-15 CN CN201210203740.6A patent/CN103514453B/zh not_active Expired - Fee Related
-
2013
- 2013-06-13 JP JP2013124489A patent/JP2014002734A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011203853A (ja) * | 2010-03-24 | 2011-10-13 | Toyota Central R&D Labs Inc | 画像処理装置及びプログラム |
JP2012088787A (ja) * | 2010-10-15 | 2012-05-10 | Canon Inc | 画像処理装置、画像処理方法 |
Non-Patent Citations (1)
Title |
---|
松島 千佳、外3名: "物体検出のためのRelational HOG特徴量とワイルドカードを用いたバイナリーのマスキング", 電子情報通信学会論文誌, vol. 第J94−D巻 第8号, JPN6017011731, 1 August 2011 (2011-08-01), JP, pages 1172 - 1182, ISSN: 0003531423 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9824462B2 (en) | 2014-09-19 | 2017-11-21 | Samsung Electronics Co., Ltd. | Method for detecting object and object detecting apparatus |
Also Published As
Publication number | Publication date |
---|---|
CN103514453B (zh) | 2017-07-11 |
CN103514453A (zh) | 2014-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jin et al. | A mobile application of American sign language translation via image processing algorithms | |
US9576196B1 (en) | Leveraging image context for improved glyph classification | |
Lai et al. | Efficient circular thresholding | |
US9547800B2 (en) | System and a method for the detection of multiple number-plates of moving cars in a series of 2-D images | |
Haddad et al. | Multifeature, sparse-based approach for defects detection and classification in semiconductor units | |
Dubey et al. | Species and variety detection of fruits and vegetables from images | |
KR20100014092A (ko) | 오브젝트 궤적에 기반한 모션 검출 시스템 및 방법 | |
US9575566B2 (en) | Technologies for robust two-dimensional gesture recognition | |
EP3664019A1 (en) | Information processing device, information processing program, and information processing method | |
CN110717497B (zh) | 图像相似度匹配方法、装置及计算机可读存储介质 | |
JP6897749B2 (ja) | 学習方法、学習システム、および学習プログラム | |
O’Connor et al. | Facial recognition using modified local binary pattern and random forest | |
US11816946B2 (en) | Image based novelty detection of material samples | |
US10810433B2 (en) | Method and system for tracking objects | |
Cerman et al. | A mobile recognition system for analog energy meter scanning | |
Du et al. | Context-based text detection in natural scenes | |
Yue et al. | An efficient color quantization based on generic roughness measure | |
US9269017B2 (en) | Cascaded object detection | |
JP2019220014A (ja) | 画像解析装置、画像解析方法及びプログラム | |
WO2016192213A1 (zh) | 一种图像特征提取方法和装置、存储介质 | |
Lahiani et al. | Hand gesture recognition system based on local binary pattern approach for mobile devices | |
Shubhangi et al. | Classification of Indian classical dance forms | |
JP2014002734A (ja) | オブジェクト認識設備及び方法 | |
Nasiri et al. | A new binarization method for high accuracy handwritten digit recognition of slabs in steel companies | |
Barnich et al. | Robust analysis of silhouettes by morphological size distributions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160310 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170601 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20171114 |