JP2019096320A5 - - Google Patents

Claims (14)

1. 画像のキャプチャ装置(100)によってキャプチャされた画像(400)がきれいであるか又はよごれているかを判定する方法であって、
   前記キャプチャ装置によってキャプチャされた画像(400)を受信(301)すること、
   受信した前記画像(400)を所定の分割基準に従って複数の画像部分に分割(302)すること、
   前記画像部分の幾つかの各々に対して、エッジ／シャープネス・フィルタの工程(303)を実行して、前記画像部分の特徴ベクトルを生成すること、
   生成した前記特徴ベクトルの少なくとも幾つかの各々を第１機械学習モジュールであって、対応する画像部分の清潔さ又は汚れの確率的な値を含む清潔さ／汚れの指数を対応する特徴ベクトルに応じて生成(304)するように学習された前記第１機械学習モジュールに送信すること、
   コンテキストベースのフィルタを実行すること、前記コンテキストベースのフィルタ実行が、
   汚れを示す清潔さ／汚れの指数を持つ部分である隣接のよごれている部分(410-412)を含む１以上のよごれているブロック(401)を判定することと、
   前記１以上のよごれているブロック(401)の１以上のエッジ(409)を検出することと、
   前記１以上のエッジ(409)のシャープネスを判定することと、
   前記エッジ(409)に隣接する清潔さを示す清潔さ／汚れの指数を持つ部分であるきれいな部分(413-416)のシャープネス及び／又は清潔さ／汚れの指数に応じて、前記よごれているブロック(401)内の前記よごれている部分(410-412)の清潔さ／汚れの指数を調整することと、を有し、及び、
   前記第１機械学習モジュールによって生成されてその後に前記コンテキストベースのフィルタ実行によって調整された清潔さ／汚れの前記指数に応じて、前記画像がきれいであるか又はよごれているかを判定(305)すること、
   を含む方法。
2. 請求項１に記載の方法であって、
   前記エッジ／シャープネス・フィルタは、特徴ベクトルに含まれるラプラシアン・フィルタ特徴を生成するラプラシアン・フィルタである、
   方法。
3. 請求項２に記載の方法であって、
   対応する画像部分のラプラシアン・フィルタから得られるラプラシアン・フィルタ特徴は、前記画像部分の前記ラプラシアン・フィルタの、尖度、平均値、分散、平均グレー値、及び１以上のモーメントのうちの少なくとも１つを含む、
   方法。
4. 請求項１乃至３の何れか１項に記載の方法であって、
   前記第１機械学習モジュールは、線形分類器である、
   方法。
5. 請求項１乃至４の何れか１項に記載の方法であって、
   前記画像がきれいであるか又はよごれているかの前記判定は、
   前記第１機械学習モジュールによって提供される清潔さ／汚れの前記指数を集約して、前記画像の全体の清潔さ／汚れの指数を生成すること、及び、
   前記画像の前記全体の清潔さ／汚れの前記指数が全体の清潔さ／汚れの閾値を超えるか否かによって、前記画像がきれいであるか又はよごれているかを判定すること、
   を有する、
   方法。
6. 請求項１乃至５の何れか１項に記載の方法であって、
   前記画像がきれいであるか又はよごれているかの前記判定は、
   きれいな部分の数及び／又はよごれている部分の数を決定するために、前記第１機械学習モジュールによって提供される清潔さ／汚れの前記指数をカウントすること、及び、
   きれいな部分の前記数がきれいな部分の閾値を超えるか否か及び／又はよごれている部分の前記数がよごれている部分の閾値を超えるか否かによって、前記画像がきれいであるか又はよごれているかを判定すること、
   を有する、
   方法。
7. 請求項１乃至６の何れか１項に記載の方法であって、
   前記画像がきれいであるか又はよごれているかの前記判定は、
   前記第１機械学習モジュールによって提供される清潔さ／汚れの前記指数を第２機械学習モジュールであって、前記画像の全体の清潔さ／汚れの指数を画像部分の対応する清潔さ又は汚れの指数に応じて生成するように学習された前記第２機械学習モジュールに送信すること、及び、
   前記第２機械学習モジュールによって生成された前記画像の前記全体の清潔さ／汚れの前記指数に応じて、前記画像がきれいであるか又はよごれているかを判定すること、
   を有する、
   方法。
8. 請求項１乃至７の何れか１項に記載の方法であって、
   前記キャプチャ装置(100)によって時間とともにキャプチャされた異なる画像における対応する画像部分の清潔さ／汚れの指数に関して時間フィルタを実行すること、
   を更に含む方法。
9. 請求項８に記載の方法であって、
   前記時間フィルタの前記実行は、
   対応する画像部分の複数の清潔さ／汚れの指数から最大値又は平均値又は中央値を決定すること、及び、
   前記複数の清潔さ／汚れの前記指数と前記最大値又は平均値又は中央値との間の偏差に応じて、１以上の外れ値を決定すること、
   を有する、
   方法。
10. 請求項１乃至９の何れか１項に記載の方法であって、
    前記よごれているブロック(401)における前記画像部分の前記清潔さ／汚れの前記指数の前記調整は、
    清潔から汚れへの急激な変化又はその逆の急激な変化を示すように急激な閾値の上のシャープネスを選択し、選択したシャープネスに応じて前記清潔さ／汚れの前記指数を調整すること、及び／又は、
    隣接のきれいな部分の清潔さを決定し、前記隣接のきれいな部分の前記清潔さに応じて前記清潔さ／汚れの前記指数を調整すること、
    を有する、
    方法。
11. 請求項１乃至１０の何れか１項に記載の方法であって、
    対応する画像の画素レベルのラプラシアン・フィルタであって、ラプラシアン畳み込みカーネルを決定すること及び前記画像の各画素に前記ラプラシアン畳み込みカーネルを適用することを有する前記ラプラシアン・フィルタを、実行すること、
    を更に含む方法。
12. 請求項１乃至１１の何れか１項に記載の方法をコンピュータ・システムに実行させて、キャプチャ装置(100)によってキャプチャされた画像(400)がきれいであるか又はよごれているかを判定させるためのプログラム命令を備えるコンピュータ・プログラム。
13. 記録媒体に組み込まれ、且つ／又は、搬送信号によって運ばれる請求項１２に記載のコンピュータ・プログラム。
14. 画像のキャプチャ装置(100)によってキャプチャされた画像(400)がきれいであるか又はよごれているかを判定するシステム(200)であって、
    前記キャプチャ装置(100)によってキャプチャされた画像(400)を受信するための受け付けモジュール(201)と、
    受信した前記画像(400)を所定の分割基準に従って複数の画像部分に分割するための分割モジュール(202)と、
    前記画像部分の幾つかの各々に対して、エッジ／シャープネス・フィルタの工程を実行して、前記画像部分の特徴ベクトルを生成するためのフィルタ・モジュール(203)と、
    生成した前記特徴ベクトルの少なくとも幾つかの各々を第１機械学習モジュールであって、対応する画像部分の清潔さ又は汚れの確率的な値を含む清潔さ／汚れの指数を対応する特徴ベクトルに応じて生成するように学習された前記第１機械学習モジュールに供給するための供給モジュール(204)と、
    コンテキストベースのフィルタを実行するように構成されるコンテキストベースのフィルタ・モジュールであって、前記コンテキストベースのフィルタ実行が、
    汚れを示す清潔さ／汚れの指数を持つ部分である隣接のよごれている部分(410-412)を含む１以上のよごれているブロック(401)を判定すること、
    前記１以上のよごれているブロック(401)の１以上のエッジ(409)を検出すること、
    前記１以上のエッジ(409)のシャープネスを判定すること、及び
    前記エッジ(409)に隣接する清潔さを示す清潔さ／汚れの指数を持つ部分であるきれいな部分(413-416)のシャープネス及び／又は清潔さ／汚れの指数に応じて、前記よごれているブロック(401)内の前記よごれている部分(410-412)の清潔さ／汚れの指数を調整することを有する、前記コンテキストベースのフィルタ・モジュールと、
    前記第１機械学習モジュールによって生成された清潔さ／汚れの前記指数に応じて、前記画像がきれいであるか又はよごれているかを判定するための状態判定モジュール(205)と、
    を備えるシステム(200)。