JP2020205118A - オブジェクト検出のためのシステム及び方法 - Google Patents
オブジェクト検出のためのシステム及び方法 Download PDFInfo
- Publication number
- JP2020205118A JP2020205118A JP2020156507A JP2020156507A JP2020205118A JP 2020205118 A JP2020205118 A JP 2020205118A JP 2020156507 A JP2020156507 A JP 2020156507A JP 2020156507 A JP2020156507 A JP 2020156507A JP 2020205118 A JP2020205118 A JP 2020205118A
- Authority
- JP
- Japan
- Prior art keywords
- image
- feature
- hog
- planes
- calculating
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 title claims description 67
- 239000013598 vector Substances 0.000 claims abstract description 67
- 238000004364 calculation method Methods 0.000 claims description 39
- 230000004044 response Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 241000282887 Suidae Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
θi=tan−1 yi/xi (1)
によって表され、上式で、xi=i番目のピクセルの水平勾配であり、yi=i番目のピクセルの垂直勾配である。
xi=I(xi−1)−I(xi+1) (2)
によって表され、上式で、I(xi−1)=対応する水平に左のピクセル、即ちi−1番目(x)のピクセル、の強度であり、I(xi+1)=対応する水平に右のピクセル、即ちi+1番目(x)のピクセル、の強度である。
yi=I(yi−1)−I(yi+1) (3)
によって表され、上式で、I(yi+1)=対応する垂直に上のピクセル、即ちi+1番目(y)のピクセル、の強度であり、I(yi−1)=対応する垂直に下のピクセル、即ちi−1番目(y)のピクセル、の強度である。
MGxi=Abs(I(xi−1)−I(xi+1)) (4)
によって表される。
MGyi=Abs(I(yi−1)−I(yi+1)) (5)
によって表される。
によって表される。
MGi=MGxi+MGyi (7)
によって表すことができる。
Fi={Yi,Ui,Vi,Mi,Bi0,Bi1,Bi2,Bi3,Bi4,Bi5} (8)
によって表され、上式で、Yi、Ui、Viは、i番目のピクセルの事前定義されたカラースキームを表すカラー特徴平面であり、Miは、i番目のピクセルの勾配の大きさを表す大きさ特徴平面であり、Bi0、Bi1、Bi2、Bi3、Bi4、Bi5は、それぞれ、Bin 0、Bin 1、Bin 2、Bin 3、Bin 4、及びBin 5におけるi番目のピクセルの勾配の大きさを表すHOG特徴平面である。例示的実施形態において、i番目のピクセルは、1つのビンにおいて非ゼロの勾配大きさ、及び他の5つのビンにおいてゼロ勾配を有する。
Fi={Yi,Ui,Vi,Mi,0,Mi,0,0,0,0}
として表される。
によって表される。
によって表される。
Si={Ci(Y),Ci(U),Ci(V),Ci(M),Ci(B0),Ci(B1),
Ci(B2),Ci(B3),Ci(B4),Ci(B5)} (11)
によって表され、上式で、Ci(Y)、Ci(U)、及びCi(V)は、i番目のセルについてのY、U、及びV特徴平面和であり、Ci(M)はi番目のセルについてのM特徴平面和であり、Ci(B0)、Ci(B1)、Ci(B2)、Ci(B3)、Ci(B4)、及びCi(B5)は、i番目のセルについてのHOG特徴平面和である。
によって表される。
によって表される。
C3(Y)=C11(Y)+C21(Y)+C41(Y)+C51(Y) (14)
によって表され、上式で、C11(Y)=セル602のY特徴平面和であり、C21(Y)=セル604のY特徴平面和であり、C41(Y)=セル608のY特徴平面和であり、C51(Y)=セル610のY特徴平面和である。
P11(Y)={C1(Y),C2(Y),C3(Y),・・・,Cn(Y)} (15)
によって表され、上式で、C1(Y)=第1の検出ウィンドウ700の第1のセルのY特徴平面和であり、C2(Y)=第1の検出ウィンドウ700の第2のセルのY特徴平面和であり、Cn(Y)=第1の検出ウィンドウ700の第nのセルのY特徴平面和である。
は128×10=1280の要素を含む。
Claims (20)
- 複数の画像ピクセルを含む画像におけるオブジェクトを検出するためのオブジェクト検出システムであって、前記オブジェクト検出システムが、
命令を記憶するためのメモリ、及び、
プロセッサ、
を含み、
前記プロセッサが、記憶された命令に応答して、
前記画像の各画像ピクセルについて1つ又は複数のタイプの1つ又は複数の特徴平面を計算するステップと、
前記画像における複数のセルを画定するステップであって、各セルが1番目からn番目までのピクセルを含み、前記画像における各セルの水平及び垂直方向の開始位置が、それぞれ、事前に定義された水平及び垂直のステップサイズの整数倍である、前記画像における複数のセルを画定する前記ステップと、
前記複数のセルの各セルについて1つ又は複数のタイプの1つ又は複数の特徴平面の和を計算するステップであって、或るセルについての或るタイプの特徴平面和が、前記セルの前記1番目からn番目までのピクセルの対応する特徴を総計することによって計算され、nが整数である、前記計算するステップと、
前記画像の画像部分について特徴ベクトルを決定するステップであって、前記特徴ベクトルが、前記画像部分において画定される1つ又は複数のセルの特徴平面和のセットを含む、前記特徴ベクトルを決定するステップと、
前記画像の前記画像部分における前記オブジェクトの存在を検出するために、前記特徴ベクトルを対応するオブジェクト分類子と比較するステップと、
を行なう、オブジェクト検出システム。 - 請求項1に記載のオブジェクト検出システムであって、
前記1つ又は複数のタイプの1つ又は複数の特徴平面が、
前記画像ピクセルのカラースキームを表すための、第1、第2、及び第3の特徴平面と、
前記画像ピクセルの勾配大きさを表すための第4の特徴平面と、
対応する5番目からm番目までの勾配ヒストグラム(HOG)ビンにおける前記画像ピクセルの勾配を表すための5番目からm番目までのHOG特徴平面と、
を含み、mが整数である、オブジェクト検出システム。 - 請求項2に記載のオブジェクト検出システムであって、
前記5番目からm番目までのHOGビンの各HOGビンには最小ビニング角度及び最大ビニング角度が割り当てられ、
前記最小ビニング角度及び前記最大ビニング角度の各々のタンジェントが有理数であり、
前記画像ピクセルの前記5番目からm番目までのHOG特徴平面が、シフト演算、減算、及び比較演算のうちの少なくとも1つに基づいて決定される、オブジェクト検出システム。 - 請求項3に記載のオブジェクト検出システムであって、
個々の画像ピクセルについての前記5番目からm番目までの勾配ヒストグラム(HOG)特徴平面が、
前記画像ピクセルの水平勾配及び垂直勾配を計算すること、及び、前記水平勾配及び垂直勾配の比に基づいて、前記5番目からm番目までのHOGビンの中から対応するHOGビンを決定することであって、前記対応するHOGビンが、前記比を、前記対応するHOGビンに関連付けられる第1の閾値及び第2の閾値と比較することによって決定されること、
前記画像ピクセルの勾配値を計算すること、及び、
前記決定されたHOGビンに対応するHOG特徴平面に前記勾配値を割り当てること、及び、5番目からm番目までのHOG特徴平面の残りのHOG特徴平面にゼロ値を割り当てること、
によって計算される、オブジェクト検出システム。 - 請求項1に記載のオブジェクト検出システムであって、
前記プロセッサが更に、記憶された命令に応答して、
前記画像の前記画像部分の次の画像部分の特徴ベクトルを計算するステップと、
前記次の画像部分の前記特徴ベクトルを、対応するオブジェクト分類子と比較するステップと、
を行ない、
前記計算するステップ及び比較するステップが、前記画像の残りの画像部分の各々について逐次的に行われ、それにより、前記画像における前記対応するオブジェクトの前記存在を検出する、オブジェクト検出システム。 - 請求項5に記載のオブジェクト検出システムであって、
事前に定義された第1の水平及び垂直セルサイズが、それぞれ事前に定義された第2の水平及び垂直セルサイズの整数倍である場合、前記事前に定義された第1の水平及び垂直セルサイズのセルについての特徴平面和が、前記事前に定義された第2の水平及び垂直セルサイズの1つ又は複数のセルの対応する特徴平面和に基づいて計算される、オブジェクト検出システム。 - 請求項1に記載のオブジェクト検出システムであって、
前記プロセッサが、記憶された命令に応答して、
前記1つ又は複数のタイプの特徴平面から或るタイプの特徴平面を選択することと、
部分的特徴ベクトルを計算することであって、前記部分的特徴ベクトルが前記画像部分の1つ又は複数のセルについて、前記選択されたタイプの1つ又は複数の特徴平面和を含む、前記部分的特徴ベクトルを計算することと、
前記部分的特徴ベクトルを前記オブジェクトの対応する部分分類子と比較することと、
比較の結果を前記メモリに記憶することと、
を反復的に行うこと、
前記1つ又は複数のタイプの特徴平面の各タイプの前記特徴平面に対応する、1つ又は複数の比較結果を照合すること、及び、
前記照合された結果に基づいて、前記画像における前記オブジェクトの前記存在を検出すること、
によって前記特徴ベクトルを決定する前記ステップ及び比較する前記ステップを行なう、オブジェクト検出システム。 - 請求項1に記載のオブジェクト検出システムであって、
前記プロセッサが、記憶された命令に応答して、スケーリングされた画像を取得するために、事前に定義されたスケーリングファクタによって前記画像をスケーリングするステップを行なう、オブジェクト検出システム。 - 複数の画像ピクセルを含む画像におけるオブジェクトを検出する方法であって、前記方法が、
前記画像の各画像ピクセルについて1つ又は複数のタイプの1つ又は複数の特徴平面を計算すること、
前記画像における複数のセルを画定することであって、各セルが1番目からn番目までのピクセルを含み、前記画像における各セルの水平及び垂直方向の開始位置が、それぞれ事前に定義された水平及び垂直のステップサイズの整数倍である、前記画像における複数のセルを画定すること、
前記複数のセルの各セルについて1つ又は複数のタイプの1つ又は複数の特徴平面和を計算することであって、或るセルについての或るタイプの特徴平面和が、前記セルの前記1番目からn番目までのピクセルの対応する特徴平面を総計することによって計算され、nが整数である、前記1つ又は複数のタイプの1つ又は複数の特徴平面和を計算すること、
前記画像の画像部分について特徴ベクトルを決定することであって、前記特徴ベクトルが、前記画像部分において画定される1つ又は複数のセルの特徴平面和のセットを含む、前記特徴ベクトルを決定すること、及び、
前記画像の前記画像部分における前記オブジェクトの存在を検出するために、前記特徴ベクトルを対応するオブジェクト分類子と比較すること、
を含む、方法。 - 請求項9に記載の方法であって、
前記1つ又は複数のタイプの1つ又は複数の特徴平面を計算することが、
前記画像ピクセルのカラースキームを表すための、第1、第2、及び第3の特徴平面を計算すること、
前記画像ピクセルの強度を表すための第4の特徴平面を計算すること、及び、
対応する5番目からm番目までの勾配ヒストグラム(HOG)ビンにおける前記画像ピクセルの勾配を表すための、5番目からm番目までのHOG特徴平面を計算すること、
を含み、mが整数である、方法。 - 請求項10に記載の方法であって、
前記5番目からm番目までのHOGビンの各HOGビンには最小ビニング角度及び最大ビニング角度が割り当てられ、
前記最小ビニング角度及び前記最大ビニング角度の各々のタンジェントが有理数であり、
前記画像ピクセルの前記5番目からm番目までのHOG特徴平面が、シフト演算、減算、及び比較演算のうちの少なくとも1つに基づいて決定される、方法。 - 請求項9に記載の方法であって、
個々の画像ピクセルについての前記5番目からm番目までの勾配ヒストグラム(HOG)特徴平面を計算することが、
前記画像ピクセルの水平勾配及び垂直勾配を計算すること、及び、前記水平勾配及び垂直勾配の比に基づいて、前記5番目からm番目までのHOGビンの中から対応するHOGビンを決定することであって、前記対応するHOGビンが、前記比を、前記対応するHOGビンに関連付けられた第1の閾値及び第2の閾値と比較することによって決定されること、
前記画像ピクセルの勾配値を計算すること、及び、
前記決定されたHOGビンに対応するHOG特徴平面に前記勾配値を割り当てること、及び、5番目からm番目までのHOG特徴平面の残りのHOG特徴平面にゼロ値を割り当てること、
を含む、方法。 - 請求項9に記載の方法であって、
前記画像の前記画像部分の次の画像部分の特徴ベクトルを計算すること、及び、
前記次の画像部分の前記特徴ベクトルを、対応するオブジェクト分類子と比較すること、
を更に含み、
前記特徴ベクトルを計算すること及び比較することが、前記画像の残りの画像部分の各々について逐次的に行われ、それにより、前記画像における前記対応するオブジェクトの前記存在を検出する、方法。 - 請求項9に記載の方法であって、
事前に定義された第1の水平及び垂直セルサイズが、それぞれ事前に定義された第2の水平及び垂直セルサイズの整数倍である場合、前記事前に定義された第2の水平及び垂直セルサイズの1つ又は複数のセルの対応する特徴平面和に基づいて、前記事前に定義された第1の水平及び垂直セルサイズのセルについての特徴平面和を計算することを更に含む、方法。 - 請求項9に記載の方法であって、
前記特徴ベクトルを前記決定すること及び比較することが、
前記1つ又は複数のタイプの特徴平面から或るタイプの特徴平面を選択することと、
部分的特徴ベクトルを計算することであって、前記部分的特徴ベクトルが、前記画像部分の1つ又は複数のセルの前記選択されたタイプの1つ又は複数の特徴平面和を含む、前記部分的特徴ベクトルを計算することと、
前記部分特徴ベクトルを前記オブジェクトの対応する部分的分類子と比較することと、
比較の結果を前記メモリに記憶することと、
を反復的に行うこと、
前記1つ又は複数のタイプの特徴平面の各タイプの前記特徴平面に対応する、1つ又は複数の比較結果を照合すること、及び、
前記照合された結果に基づいて、前記画像における前記オブジェクトの前記存在を検出すること、
を含む、方法。 - 請求項9に記載の方法であって、
スケーリングされた画像を取得するために、事前に定義されたスケーリングファクタによって前記画像をスケーリングすることを更に含む、方法。 - 複数の画像ピクセルを含む画像におけるオブジェクトを検出する方法であって、前記方法が、
前記画像の各画像ピクセルについて1つ又は複数のタイプの1つ又は複数の特徴平面を計算すること、
前記画像における複数のセルを画定することであって、各セルが1番目からn番目までのピクセルを含み、前記画像における各セルの水平及び垂直方向の開始位置が、それぞれ事前に定義された水平及び垂直のステップサイズの整数倍である、前記画像における複数のセルを画定すること、
前記複数のセルの各セルについて1つ又は複数のタイプの1つ又は複数の特徴平面和を計算することであって、或るセルについての或るタイプの特徴平面和が、前記セルの前記1番目からn番目までのピクセルの対応する特徴平面を総計することによって計算され、nが整数である、前記1つ又は複数のタイプの1つ又は複数の特徴平面和を計算すること、
前記1つ又は複数のタイプの特徴平面から或るタイプの特徴平面を選択することと、
部分特徴ベクトルを計算することであって、前記部分特徴ベクトルが、前記画像部分の1つ又は複数のセルについて、前記選択されたタイプの1つ又は複数の特徴平面和を含む、前記部分特徴ベクトルを計算することと、
前記部分特徴ベクトルを前記オブジェクトの対応する部分分類子と比較することと、
比較の結果を前記メモリに記憶することと、
を反復的に行うこと、
各タイプの前記特徴平面に対応する、1つ又は複数の比較結果を照合すること、及び、
前記照合された結果に基づいて、前記画像における前記オブジェクトの前記存在を検出すること、
を含む、方法。 - 請求項17に記載の方法であって、
前記1つ又は複数のタイプの1つ又は複数の特徴平面を計算することが、
前記画像ピクセルのカラースキームを表すための、第1、第2、及び第3の特徴平面を計算すること、
前記画像ピクセルの強度を表すための第4の特徴平面を計算すること、及び、
対応する5番目からm番目までの勾配ヒストグラム(HOG)ビンにおける前記画像ピクセルの勾配を表すための、5番目からm番目までのHOG特徴平面を計算すること、
を含み、mが整数である、方法。 - 請求項17に記載の方法であって、
前記5番目からm番目までのHOGビンの各HOGビンには最小ビニング角度及び最大ビニング角度が割り当てられ、
前記最小ビニング角度及び前記最大ビニング角度の各々のタンジェントが有理数であり、
前記画像ピクセルの前記5番目からm番目までのHOG特徴平面が、シフト演算、減算、及び比較演算のうちの少なくとも1つに基づいて決定される、方法。 - 請求項17に記載の方法であって、
個々の画像ピクセルについての前記5番目からm番目までの勾配ヒストグラム(HOG)特徴平面を計算することが、
前記画像ピクセルの水平勾配及び垂直勾配を計算すること、及び、前記水平勾配及び垂直勾配の比に基づいて、前記5番目からm番目までのHOGビンの中から対応するHOGビンを決定することであって、前記対応するHOGビンが、前記比を、前記対応するHOGビンに関連付けられた第1の閾値及び第2の閾値と比較することによって決定されること、
前記画像ピクセルの勾配値を計算すること、及び、
前記決定されたHOGビンに対応するHOG特徴平面に前記勾配値を割り当てること、及び、5番目からm番目までのHOG特徴平面の残りのHOG特徴平面にゼロ値を割り当てること、
を含む、方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/551,942 US9508018B2 (en) | 2014-11-24 | 2014-11-24 | Systems and methods for object detection |
US14/551,942 | 2014-11-24 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017545876A Division JP2017535904A (ja) | 2014-11-24 | 2015-11-24 | オブジェクト検出のためのシステム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020205118A true JP2020205118A (ja) | 2020-12-24 |
JP7230294B2 JP7230294B2 (ja) | 2023-03-01 |
Family
ID=56010554
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017545876A Pending JP2017535904A (ja) | 2014-11-24 | 2015-11-24 | オブジェクト検出のためのシステム及び方法 |
JP2020156507A Active JP7230294B2 (ja) | 2014-11-24 | 2020-09-17 | オブジェクト検出のためのシステム及び方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017545876A Pending JP2017535904A (ja) | 2014-11-24 | 2015-11-24 | オブジェクト検出のためのシステム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9508018B2 (ja) |
EP (1) | EP3224764B1 (ja) |
JP (2) | JP2017535904A (ja) |
CN (1) | CN107004137B (ja) |
WO (1) | WO2016086002A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3058510B1 (en) * | 2014-11-28 | 2017-12-20 | FotoNation Limited | A method for producing a histogram of oriented gradients |
US10248876B2 (en) * | 2016-06-27 | 2019-04-02 | Texas Instruments Incorporated | Method and apparatus for avoiding non-aligned loads using multiple copies of input data |
CN106503697A (zh) * | 2016-12-05 | 2017-03-15 | 北京小米移动软件有限公司 | 目标识别方法及装置、人脸识别方法及装置 |
US20180260658A1 (en) * | 2017-03-09 | 2018-09-13 | Qualcomm Incorporated | Systems and methods for avoiding redundant pixel computations in an image processing pipeline |
FR3069087B1 (fr) * | 2017-07-11 | 2019-08-23 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede de traitement d'une image |
CN113326212B (zh) * | 2020-02-28 | 2023-11-03 | 加特兰微电子科技(上海)有限公司 | 数据处理方法、装置及相关设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007034704A (ja) * | 2005-07-27 | 2007-02-08 | Canon Inc | 画像処理装置 |
WO2011007390A1 (ja) * | 2009-07-15 | 2011-01-20 | 株式会社 東芝 | 画像処理装置、及びインターフェース装置 |
JP2014081826A (ja) * | 2012-10-17 | 2014-05-08 | Denso Corp | 対象物識別装置 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0638274B2 (ja) * | 1989-07-31 | 1994-05-18 | 工業技術院長 | 画像認識装置および画像認識方法 |
US6312123B1 (en) * | 1998-05-01 | 2001-11-06 | L&P Property Management Company | Method and apparatus for UV ink jet printing on fabric and combination printing and quilting thereby |
US6331902B1 (en) | 1999-10-14 | 2001-12-18 | Match Lab, Inc. | System and method for digital color image processing |
JP2001243479A (ja) * | 2000-02-28 | 2001-09-07 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理方法および装置、ならびに画像処理プログラムを記録した記録媒体 |
US7324665B2 (en) * | 2002-09-16 | 2008-01-29 | Massachusetts Institute Of Technology | Method of multi-resolution adaptive correlation processing |
US9129381B2 (en) * | 2003-06-26 | 2015-09-08 | Fotonation Limited | Modification of post-viewing parameters for digital images using image region or feature information |
US7689016B2 (en) * | 2005-05-27 | 2010-03-30 | Stoecker & Associates, A Subsidiary Of The Dermatology Center, Llc | Automatic detection of critical dermoscopy features for malignant melanoma diagnosis |
JP4588575B2 (ja) * | 2005-08-09 | 2010-12-01 | 富士フイルム株式会社 | デジタル画像の複数対象物検出方法および装置並びにプログラム |
JP4893489B2 (ja) * | 2007-06-15 | 2012-03-07 | ソニー株式会社 | 画像処理装置、画像処理方法、画像処理方法のプログラム及び画像処理方法のプログラムを記録した記録媒体 |
US8059888B2 (en) * | 2007-10-30 | 2011-11-15 | Microsoft Corporation | Semi-automatic plane extrusion for 3D modeling |
US8031963B2 (en) * | 2008-04-09 | 2011-10-04 | Eyep Inc. | Noise filter |
DE102010009906A1 (de) * | 2009-03-26 | 2010-10-14 | Heidelberger Druckmaschinen Ag | Verfahren zur Rasterung von Farbauszügen eines Lentikularbildes und Verfahren zur Herstellung eines Lentikularbildes auf einem Bedruckstoff |
JP4877374B2 (ja) * | 2009-09-02 | 2012-02-15 | 株式会社豊田中央研究所 | 画像処理装置及びプログラム |
US8811663B2 (en) * | 2011-01-05 | 2014-08-19 | International Business Machines Corporation | Object detection in crowded scenes |
EP2782066B1 (en) * | 2011-11-18 | 2019-09-11 | NEC Corporation | Local feature descriptor extracting apparatus, method for extracting local feature descriptor, and program |
US9008365B2 (en) * | 2013-04-18 | 2015-04-14 | Huawei Technologies Co., Ltd. | Systems and methods for pedestrian detection in images |
JP6095519B2 (ja) * | 2013-08-09 | 2017-03-15 | 三菱電機株式会社 | 撮像装置 |
US9595125B2 (en) * | 2013-08-30 | 2017-03-14 | Qualcomm Incorporated | Expanding a digital representation of a physical plane |
JP6217339B2 (ja) * | 2013-11-20 | 2017-10-25 | 株式会社リコー | 印刷制御装置、印刷制御方法及びプログラム |
CN103903238B (zh) * | 2014-03-21 | 2017-06-20 | 西安理工大学 | 图像特征的显著结构和相关结构融合方法 |
CN104111665B (zh) * | 2014-07-29 | 2017-02-01 | 深圳市步科电气有限公司 | 旋转变压器的角度跟踪装置 |
-
2014
- 2014-11-24 US US14/551,942 patent/US9508018B2/en active Active
-
2015
- 2015-11-24 EP EP15864007.8A patent/EP3224764B1/en active Active
- 2015-11-24 CN CN201580062263.8A patent/CN107004137B/zh active Active
- 2015-11-24 JP JP2017545876A patent/JP2017535904A/ja active Pending
- 2015-11-24 WO PCT/US2015/062461 patent/WO2016086002A1/en active Application Filing
-
2020
- 2020-09-17 JP JP2020156507A patent/JP7230294B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007034704A (ja) * | 2005-07-27 | 2007-02-08 | Canon Inc | 画像処理装置 |
WO2011007390A1 (ja) * | 2009-07-15 | 2011-01-20 | 株式会社 東芝 | 画像処理装置、及びインターフェース装置 |
JP2014081826A (ja) * | 2012-10-17 | 2014-05-08 | Denso Corp | 対象物識別装置 |
Non-Patent Citations (1)
Title |
---|
PEI-YIN CHEN, ET AL.: "An Efficient Hardware Implementation of HOG Feature Extraction for Human Detection", IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, JPN6021040614, 2013, US, pages 656 - 662, ISSN: 0004841947 * |
Also Published As
Publication number | Publication date |
---|---|
JP7230294B2 (ja) | 2023-03-01 |
US20160148071A1 (en) | 2016-05-26 |
EP3224764A1 (en) | 2017-10-04 |
JP2017535904A (ja) | 2017-11-30 |
CN107004137A (zh) | 2017-08-01 |
EP3224764B1 (en) | 2021-03-03 |
US9508018B2 (en) | 2016-11-29 |
WO2016086002A1 (en) | 2016-06-02 |
EP3224764A4 (en) | 2018-08-01 |
CN107004137B (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020205118A (ja) | オブジェクト検出のためのシステム及び方法 | |
CN109791695B (zh) | 基于图像块的运动向量确定所述块的方差 | |
WO2018040756A1 (zh) | 一种车身颜色识别的方法及装置 | |
US20120121166A1 (en) | Method and apparatus for three dimensional parallel object segmentation | |
US20150146919A1 (en) | Apparatus and method for detecting pedestrians | |
CN108780507A (zh) | 用于提供图像分类器的系统和方法 | |
US10878259B2 (en) | Vehicle detecting method, nighttime vehicle detecting method based on dynamic light intensity and system thereof | |
WO2021003823A1 (zh) | 基于视频帧图片分析的车辆违停检测方法及装置 | |
KR102476022B1 (ko) | 얼굴검출 방법 및 그 장치 | |
EP2951783B1 (en) | Method and system for detecting moving objects | |
US10445583B2 (en) | Method for scrolling text processing and image processing apparatus using the same | |
Costea et al. | Fast pedestrian detection for mobile devices | |
JP2017535904A5 (ja) | ||
US20170091581A1 (en) | Computing device, computing method, and computer program product | |
EP3726421A2 (en) | Recognition method and apparatus for false detection of an abandoned object and image processing device | |
JP6432296B2 (ja) | 画像中のゼブラクロッシングの検出装置及び方法 | |
US7403636B2 (en) | Method and apparatus for processing an image | |
JP2010198361A (ja) | 検出対象判定装置,インテグラルイメージ生成装置。 | |
JP6121997B2 (ja) | 識別器生成装置およびパターン検出装置 | |
JP2019211914A (ja) | 物体らしさ推定装置、方法、およびプログラム | |
CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
Chhabra | A hybrid approach for color based image edge detection | |
CN114332790A (zh) | 一种双目视觉3d目标检测方法、存储介质及终端设备 | |
Ćorić et al. | Implementation of different image edge detection algorithms on a real embedded ADAS platform | |
EP3479347B1 (en) | Method and apparatus for detecting a salient point of a protuberant object |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200918 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201014 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20210218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210323 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210602 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210910 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211020 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220112 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220318 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220420 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20220511 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220803 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221128 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20221128 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221208 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221214 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230117 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7230294 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |