JP2018520443A5

JP2018520443A5 -

Info

Publication number: JP2018520443A5
Application number: JP2018500704A
Authority: JP
Filing date: 2016-07-06
Publication date: 2019-07-18
Anticipated expiration: 2036-07-06

Claims

ディシジョンツリーベースの適応ブースティング分類器におけるオブジェクト分類のための方法であって、
単一命令多重データ（ＳＩＭＤ）プロセッサによってメモリから、前記メモリに格納された画像におけるＮ個の連続ウィンドウ位置から抽出される特徴ベクトルを引き出すことであって、Ｎが、特徴のビットサイズで除算される前記ＳＩＭＤプロセッサのベクトル幅であり、特徴ベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの特徴値の、Ｎ個の特徴値を含む、前記引き出すことと、
前記特徴ベクトルと前記ＳＩＭＤプロセッサのベクトル命令とを用いて前記ＳＩＭＤプロセッサによって前記Ｎ個の連続ウィンドウ位置を同時に評価することであって、前記ＳＩＭＤプロセッサが、前記Ｎ個の連続ウィンドウ位置についてディシジョンツリーを同時にトラバースし、ディシジョンツリーが、複数のノードと各ノードについての閾値と複数のリーフとを含み、各リーフが部分スコアを含む、前記評価することと、
を含む、方法。
請求項１に記載の方法であって、
前記Ｎ個の連続ウィンドウ位置を評価することが、
前記ＳＩＭＤプロセッサのベクトルロード命令を用いて複数の前記特徴ベクトルをロードすることであって、前記適応ブースティング分類器の１つのディシジョンツリーの各ノードに対して１つの特徴ベクトルがロードされる、前記ロードすることと、
各ノードに対するマスクベクトルを生成するために、前記ＳＩＭＤプロセッサのベクトル比較命令を用いて各特徴ベクトルを対応する閾値ベクトルと比較することであって、前記対応する閾値ベクトルが、前記特徴ベクトルに対応する前記ノードについての前記閾値のＮ個のコピーを含み、前記マスクベクトルが、前記特徴ベクトルの前記Ｎ個の特徴の各々に対して１つの比較結果の、Ｎ個の比較結果を含む、前記比較することと、
前記マスクベクトルと前記ディシジョンツリーの前記リーフの前記部分スコア値とに基づいて部分スコアベクトルを生成することであって、前記部分スコアベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの部分スコア値の、Ｎ個の部分スコア値を含む、前記部分スコアベクトルを生成することと、
前記部分スコア値を累積されたスコアベクトルへと累積することであって、前記累積されたスコアベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの累積されたスコア値の、Ｎ個の累積されたスコア値を含む、前記累積することと、
前記Ｎ個の連続ウィンドウ位置の１つ又は複数についてオブジェクト分類の終了を決定するために、前記ＳＩＭＤプロセッサのベクトル比較命令を用いて前記累積されたスコアベクトルを出口閾値ベクトルと比較することと、
を含む、方法。
請求項２に記載の方法であって、
前記部分スコアベクトルを生成することが、
前記マスクベクトルに基づいて前記ディシジョンツリーの前記リーフの各々についてリーフ選択マスクベクトルを生成することであって、前記リーフ選択マスクベクトルが、前記リーフ選択マスクベクトルに対応する前記リーフに達する前記１つのディシジョンツリーのトラバースパスにおけるノードについてのマスクベクトルの論理結合である、前記生成することと、
前記Ｎ個の連続ウィンドウ位置の各々について部分スコア値を前記リーフベクトルから選択するために、各リーフ選択マスクベクトルの対応するリーフベクトルとの論理ＡＮＤ演算を実施することであって、前記対応するリーフベクトルが、前記リーフの部分スコアのＮ個のコピーを含む、前記実施することと、
を含む、方法。
請求項１に記載の方法であって、
前記ディシジョンツリーが２レベル２進ディシジョンツリーである、方法。
請求項１に記載の方法であって、
前記適応ブースティング分類器が歩行者分類についてトレーニングされる、方法。
請求項１に記載の方法であって、
前記ＳＩＭＤプロセッサがデジタルシグナルプロセッサである、方法。
デジタルシステムであって、
単一命令多重データ（ＳＩＭＤ）プロセッサと、
前記ＳＩＭＤプロセッサに結合される持続性コンピュータ可読記憶媒体であって、
画像から抽出される特徴と、
複数のディシジョンツリーであって、各ディシジョンツリーが、複数のノードと複数のリーフとを含み、各リーフが部分スコアを含む、前記複数のディシジョンツリーと、
前記ＳＩＭＤプロセッサによって実行されるプログラムであって、オブジェクト分類についてトレーニングされるディシジョンツリーベースの適応ブースティング分類器のための命令を含み、前記命令が、前記特徴と前記ＳＩＭＤプロセッサのベクトル命令とを用いてＮ個の連続ウィンドウ位置を同時に評価するためのものであり、前記ＳＩＭＤプロセッサが、前記Ｎ個の連続ウィンドウ位置についてディシジョンツリーを同時にトラバースし、Ｎが、特徴のビットサイズで除算される前記ＳＩＭＤプロセッサのベクトル幅である、前記プログラムと、
を格納する、前記持続性コンピュータ可読記憶媒体と、
を含む、デジタルシステム。
請求項７に記載のデジタルシステムであって、
前記プログラムが、前記画像における前記Ｎ個の連続ウィンドウ位置から前記特徴を抽出するための命令を更に含む、デジタルシステム。
請求項８に記載のデジタルシステムであって、
前記ＳＩＭＤプロセッサに結合されるカメラであって、前記画像を提供する、前記カメラを更に含む、デジタルシステム。
請求項７に記載のデジタルシステムであって、
前記プログラムが、前記Ｎ個の連続ウィンドウ位置を評価するための命令を更に含み、前記評価することが、
前記ＳＩＭＤプロセッサのベクトルロード命令を用いて前記持続性コンピュータ可読記憶媒体から複数の特徴ベクトルをロードすることであって、前記複数のディシジョンツリーの１つのディシジョンツリーの各ノードに対して１つの特徴ベクトルがロードされ、前記特徴ベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの特徴値の、Ｎ個の特徴値を含む、前記ロードすることと、
各ノードに対するマスクベクトルを生成するために、前記ＳＩＭＤプロセッサのベクトル比較命令を用いて各特徴ベクトルを対応する閾値ベクトルと比較することであって、前記対応する閾値ベクトルが、前記特徴ベクトルに対応する前記ノードについての前記閾値のＮ個のコピーを含み、前記マスクベクトルが、前記特徴ベクトルの前記Ｎ個の特徴の各々に対して１つの比較結果の、Ｎ個の比較結果を含む、前記比較することと、
前記マスクベクトルと前記ディシジョンツリーの前記リーフの前記部分スコア値とに基づいて部分スコアベクトルを生成することであって、前記部分スコアベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの部分スコア値の、Ｎ個の部分スコア値を含む、前記部分スコアベクトルを生成することと、
前記部分スコア値を累積して累積されたスコアベクトルにすることであって、前記累積されたスコアベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの累積されたスコア値の、Ｎ個の累積されたスコア値を含む、前記累積することと、
前記Ｎ個の連続ウィンドウ位置の１つ又は複数についてオブジェクト分類の終了を決定するために、前記ＳＩＭＤプロセッサのベクトル比較命令を用いて前記累積されたスコアベクトルを出口閾値ベクトルと比較することと、
によって成される、デジタルシステム。
請求項１０に記載のデジタルシステムであって、
前記部分スコアベクトルを生成することが、
前記マスクベクトルに基づいて前記ディシジョンツリーの前記リーフの各々についてリーフ選択マスクベクトルを生成することであって、前記リーフ選択マスクベクトルが、前記リーフ選択マスクベクトルに対応する前記リーフに達する前記１つのディシジョンツリーのトラバースパスにおけるノードについてのマスクベクトルの論理結合である、前記リーフ選択マスクベクトルを生成することと、
前記Ｎ個のウィンドウ位置の各々について前記リーフベクトルから部分スコア値を選択するために、各リーフ選択マスクベクトルの対応するリーフベクトルとの論理ＡＮＤ演算を実施することであって、前記対応するリーフベクトルが前記リーフの部分スコアのＮ個のコピーを含む、前記論理ＡＮＤ演算を実施することと、
を含む、デジタルシステム。
請求項７に記載のデジタルシステムであって、
前記ディシジョンツリーが２レベル２進ディシジョンツリーである、デジタルシステム。
請求項７に記載のデジタルシステムであって、
前記適応ブースティング分類器が歩行者分類についてトレーニングされる、デジタルシステム。
請求項７に記載のデジタルシステムであって、
前記ＳＩＭＤプロセッサがデジタルシグナルプロセッサである、デジタルシステム。
単一命令多重データ（ＳＩＭＤ）プロセッサよって実行される、ディシジョンツリーベースの適応ブースティング分類器における物体分類のためのプログラムをストアする非一時的コンピュータ可読記憶媒体であって、前記プログラムが、
画像におけるＮ個の連続ウィンドウ位置から抽出される特徴ベクトルを前記非一時的コンピュータ可読記憶媒体から引き出すことであって、Ｎが、特徴のビットサイズで除算される前記ＳＩＭＤプロセッサのベクトル幅であり、特徴ベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの特徴値の、Ｎ個の特徴値を含む、前記特徴ベクトルを引き出すことと、
前記特徴ベクトルと前記ＳＩＭＤプロセッサのベクトル命令とを用いて前記Ｎ個の連続ウィンドウ位置を同時に評価し、前記Ｎ個の連続ウィンドウ位置についてディシジョンツリーを同時にトラバースすることであって、ディシジョンツリーが、複数のノードと各ノードについての閾値と複数のリーフとを含み、各リーフが部分スコアを含む、前記評価してトラバースすることと、
のための命令を含む、非一時的コンピュータ可読媒体。
請求項１５に記載の非一時的コンピュータ可読記憶媒体であって、
前記Ｎ個の連続ウィンドウ位置を評価するための命令が、
前記ＳＩＭＤプロセッサのベクトルロード命令を用いて複数の前記特徴ベクトルをロードすることであって、前記適応ブースティング分類器の１つのディシジョンツリーの各ノードに対して１つの特徴ベクトルがロードされる、前記複数の特徴ベクトルをロードすることと、
各ノードに対してマスクベクトルを生成するために、前記ＳＩＭＤプロセッサのベクトル比較命令を用いて各特徴ベクトルを対応する閾値ベクトルと比較することであって、前記対応する閾値ベクトルが、前記特徴ベクトルに対応する前記ノードについての前記閾値のＮ個のコピーを含み、前記マスクベクトルが、前記特徴ベクトルの前記Ｎ個の特徴の各々に対して１つの比較結果の、Ｎ個の比較結果を含む、前記比較することと、
前記マスクベクトルと前記ディシジョンツリーの前記リーフの前記部分スコア値とに基づいて部分スコアベクトルを生成することであって、前記部分スコアベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの部分スコア値の、Ｎ個の部分スコア値を含む、前記部分スコアベクトルを生成することと、
前記部分スコア値を累積して累積されたスコアベクトルにすることであって、前記累積されたスコアベクトルが、前記Ｎ個の連続ウィンドウ位置の各々に対して１つの累積されたスコア値の、Ｎ個の累積されたスコア値を含む、前記累積することと、
前記Ｎ個の連続ウィンドウ位置の１つ又は複数についてオブジェクト分類の終了を決定するために、前記ＳＩＭＤプロセッサのベクトル比較命令を用いて前記累積されたスコアベクトルを出口閾値ベクトルと比較することと、
のための命令を含む、非一時的コンピュータ可読記憶媒体。
請求項１６に記載の非一時的コンピュータ可読記憶媒体であって、
前記部分スコアベクトルを生成するための命令が、
前記マスクベクトルに基づいて前記ディシジョンツリーの前記リーフの各々についてリーフ選択マスクベクトルを生成することであって、前記リーフ選択マスクベクトルが、前記リーフ選択マスクベクトルに対応する前記リーフに達する前記１つのディシジョンツリーのトラバースパスにおけるノードについてのマスクベクトルの論理結合である、前記リーフ選択マスクベクトルを生成することと、
前記Ｎ個のウィンドウ位置の各々について前記リーフベクトルから部分スコア値を選択するために、各リーフ選択マスクベクトルの、対応するリーフベクトルとの論理ＡＮＤ演算を実施することであって、対応するリーフベクトルが前記リーフの部分スコアのＮ個のコピーを含む、前記論理ＡＮＤ演算を実施することと、
のための命令を含む、非一時的コンピュータ可読記憶媒体。
請求項１５に記載の非一時的コンピュータ可読記憶媒体であって、
前記ディシジョンツリーが２レベル２進ディシジョンツリーである、非一時的コンピュータ可読記憶媒体。
請求項１５に記載の非一時的コンピュータ可読記憶媒体であって、
前記適応ブースティング分類器が歩行者分類についてトレーニングされる、非一時的コンピュータ可読記憶媒体。
請求項１５に記載の非一時的コンピュータ可読記憶媒体であって、
前記ＳＩＭＤプロセッサがデジタルシグナルプロセッサである、非一時的コンピュータ可読記憶媒体。