JP2021089717A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2021089717A5 JP2021089717A5 JP2020180097A JP2020180097A JP2021089717A5 JP 2021089717 A5 JP2021089717 A5 JP 2021089717A5 JP 2020180097 A JP2020180097 A JP 2020180097A JP 2020180097 A JP2020180097 A JP 2020180097A JP 2021089717 A5 JP2021089717 A5 JP 2021089717A5
- Authority
- JP
- Japan
- Prior art keywords
- vector
- images
- anatomical features
- keypoint
- identifying
- 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
- 239000013598 vector Substances 0.000 claims 49
- 238000000034 method Methods 0.000 claims 13
- 238000013528 artificial neural network Methods 0.000 claims 9
- 238000001514 detection method Methods 0.000 claims 2
- 238000010191 image analysis Methods 0.000 claims 2
- 210000003484 anatomy Anatomy 0.000 claims 1
Claims (12)
- 対象とするタイプの対象の画像における対象の再特定の方法であって、
対象の再特定のための複数のニューラルネットワーク(27)を提供すること(S110)であって、前記複数のニューラルネットワーク(27)における異なるニューラルネットワークは、前記対象とするタイプに対する異なるセットの解剖学的特徴を学習している、対象の再特定のための複数のニューラルネットワーク(27)を提供することと、
各セットの解剖学的特徴について基準ベクトルを提供することであって、当該基準ベクトルは、キーポイントベクトルによって一セットの解剖学的特徴を表し、ここで当該ベクトルにおける各位置はキーポイントを表し、各ベクトルの位置のバイナリ値は、表された前記キーポイントが前記一セットの解剖学的特徴に含まれる解剖学的特徴に対応するかどうかを示す、基準ベクトルを提供することと、
前記対象とするタイプの対象(38)の複数の画像(4)を受け取ること(S102)と、
前記複数の画像(4)における前記対象とするタイプの対象(38)を、対象検出アルゴリズムによって検出すること(S104)と、
検出された前記対象(38)の解剖学的特徴を、画像分析アルゴリズムによって特定すること(S106)と、
前記複数の画像(4)のすべてにおいて特定された共通の一セットの解剖学的特徴を特定することと、
前記共通の一セットの解剖学的特徴を表している入力ベクトルを特定すること(S108)であって、前記入力ベクトルは、前記解剖学的特徴を表しているキーポイントベクトルの形態であり、ここで当該ベクトルにおける各位置はキーポイントを表し、各ベクトルの位置のバイナリ値は、表された前記キーポイントが前記共通の一セットの解剖学的特徴に含まれる解剖学的特徴に対応するかどうかを示す、入力ベクトルを特定することと、
最も類似する基準ベクトルを予め定められた条件にしたがって特定するために、前記入力ベクトルと前記基準ベクトルとを比較すること(S112)と、
前記複数の対象(38)が同じ固有性を有するか否かを判定するために、前記複数の画像(4)の画像データのすべて又は一部を含む、前記複数の対象(38)の画像データを、前記最も類似する基準ベクトルにより表される前記ニューラルネットワーク(#1)に入力すること(S116)と、
を含む、方法。 - 前記対象とするタイプは人である、請求項1に記載の方法。
- 前記予め定められた条件は、前記入力ベクトルに等しい基準ベクトルを、前記最も類似する基準ベクトルとして特定することを規定する、請求項1または2に記載の方法。
- 前記予め定められた条件は、前記基準ベクトルから、前記入力ベクトルとの重なりが最も大きい基準ベクトルを、前記最も類似する基準ベクトルとして特定することを規定する、請求項1から3のいずれか一項に記載の方法。
- 前記予め定められた条件は、前記基準ベクトルから、優先リストにより規定されるように、前記入力ベクトルと重なっている解剖学的特徴の数が最も多い基準ベクトルを特定することを規定する、請求項1から4のいずれか一項に記載の方法。
- 前記入力ベクトルを、予め設定された品質条件に対して評価することと、
前記予め設定された品質条件が満たされている場合、前記入力ベクトルを比較するステップと、前記画像データを入力するステップと、を行うことと、
前記予め設定された品質条件が満たされていない場合、前記複数の画像における少なくとも1つの画像を廃棄することと、前記複数の画像に基づいて、新たな入力ベクトルを前記入力ベクトルとして特定することと、前記方法を、前記入力ベクトルを評価するステップから繰り返すことと、
をさらに含む、請求項1から5のいずれか一項に記載の方法。 - 前記入力ベクトルの評価は、前記入力ベクトルと、そこから、少なくとも1つの解剖学的特徴が前記入力ベクトルにおいて表されるべきである、解剖学的特徴の予め規定されたリストとを比較することを含む、請求項6に記載の方法。
- 前記複数の画像は、複数の時点において1つのカメラにより、同じシーンを異なる角度からカバーする複数のカメラにより、又は、異なるシーンを描く複数のカメラにより撮像される、請求項1から7のいずれか一項に記載の方法。
- 前記複数の画像の画像データを入力することは、前記複数の画像のすべてに描かれている前記解剖学的特徴のみを表している画像データを入力することを含む、請求項1から8のいずれか一項に記載の方法。
- 前記複数の画像を受け取るステップは、
1つ又はそれ以上のカメラにより画像(22)を撮像することと、
所定のフレーム距離、タイムギャップ、画像鮮鋭度、描かれた対象のポーズ、解像度、領域のアスペクト比、及び平面の回転に基づいて前記複数の画像を形成するために、前記異なる画像を選択することと、
を含む、請求項1から9のいずれか一項に記載の方法。 - 処理能力を有するデバイス上で実行されると、請求項1から10のいずれか一項に記載の方法を行うよう構成されているコンピュータ可読プログラムコードが記録されている、非一時的コンピュータ可読記録媒体。
- 対象の再特定を促進するビデオ処理ユニットを制御するためのコントローラであって、前記コントローラは、対象とするタイプの対象の画像における対象の再特定のための複数のニューラルネットワークへのアクセスを有し、前記複数のニューラルネットワークにおける異なるニューラルネットワークは、前記対象とするタイプに対する異なるセットの解剖学的特徴を学習しており、各セットの解剖学的特徴は、基準ベクトルにより表されており、当該基準ベクトルは、キーポイントベクトルによって一セットの解剖学的特徴を表し、ここで当該ベクトルにおける各位置はキーポイントを表し、各ベクトルの位置のバイナリ値は、表された前記キーポイントが前記一セットの解剖学的特徴に含まれる解剖学的特徴に対応するかどうかを示し、前記コントローラは、
前記対象とするタイプの対象の複数の画像を受け取るよう構成されているレシーバと、
特定コンポーネントであって、
前記複数の画像における前記対象とするタイプの対象を、対象検出アルゴリズムによって検出し、
検出された前記対象の解剖学的特徴を、画像分析アルゴリズムによって特定し、
前記複数の画像のすべてにおいて特定された共通の一セットの解剖学的特徴を特定し、
前記共通の一セットの解剖学的特徴を表している入力ベクトルを特定する
よう構成されており、前記入力ベクトルは、前記解剖学的特徴を表しているキーポイントベクトルの形態であり、ここで当該ベクトルにおける各位置はキーポイントを表し、各ベクトルの位置のバイナリ値は、表された前記キーポイントが前記共通の一セットの解剖学的特徴に含まれる解剖学的特徴に対応するかどうかを示す、特定コンポーネントと、
最も類似する基準ベクトルを予め定められた条件にしたがって特定するために、前記入力ベクトルと前記基準ベクトルとを比較するよう適合されている比較コンポーネントと、
前記複数の対象が同じ固有性を有するか否かを判定するために、前記複数の画像の画像データのすべて又は一部を含む、前記複数の対象の画像データを、前記最も類似する基準ベクトルにより表される前記ニューラルネットワークに入力するよう構成されている入力コンポーネントと、
前記複数の対象を、同じ固有性を持つものとみなすか否かについて、前記ビデオ処理ユニットを制御するよう構成されている制御コンポーネントと、
を備える、コントローラ。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19207906 | 2019-11-08 | ||
EP19207906.9A EP3819812B1 (en) | 2019-11-08 | 2019-11-08 | A method of object re-identification |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021089717A JP2021089717A (ja) | 2021-06-10 |
JP2021089717A5 true JP2021089717A5 (ja) | 2023-08-18 |
JP7418315B2 JP7418315B2 (ja) | 2024-01-19 |
Family
ID=68501378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020180097A Active JP7418315B2 (ja) | 2019-11-08 | 2020-10-28 | 対象の再特定の方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210142149A1 (ja) |
EP (1) | EP3819812B1 (ja) |
JP (1) | JP7418315B2 (ja) |
CN (1) | CN112784669A (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230011817A (ko) * | 2021-07-14 | 2023-01-25 | 한국전자통신연구원 | 환경 매칭 기반 물체 인식 장치 및 방법 |
EP4198915A1 (fr) * | 2021-12-16 | 2023-06-21 | Bull SAS | Procédé de ré-identification d'objet, dispositif et système de ré-identification d'objets mettant en uvre un tel procédé |
US20230215519A1 (en) * | 2022-01-05 | 2023-07-06 | Merative Us L.P. | Indexing of clinical background information for anatomical relevancy |
JP7360115B1 (ja) | 2022-04-13 | 2023-10-12 | 株式会社Ridge-i | 情報処理装置、情報処理方法及び情報処理プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6128398A (en) * | 1995-01-31 | 2000-10-03 | Miros Inc. | System, method and application for the recognition, verification and similarity ranking of facial or other object patterns |
US9613258B2 (en) * | 2011-02-18 | 2017-04-04 | Iomniscient Pty Ltd | Image quality assessment |
CN109918975B (zh) * | 2017-12-13 | 2022-10-21 | 腾讯科技(深圳)有限公司 | 一种增强现实的处理方法、对象识别的方法及终端 |
JP2019109709A (ja) | 2017-12-18 | 2019-07-04 | 株式会社東芝 | 画像処理装置、画像処理方法およびプログラム |
US11429842B2 (en) * | 2019-02-24 | 2022-08-30 | Microsoft Technology Licensing, Llc | Neural network for skeletons from input images |
-
2019
- 2019-11-08 EP EP19207906.9A patent/EP3819812B1/en active Active
-
2020
- 2020-09-30 US US17/038,528 patent/US20210142149A1/en active Pending
- 2020-10-23 CN CN202011144403.5A patent/CN112784669A/zh active Pending
- 2020-10-28 JP JP2020180097A patent/JP7418315B2/ja active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021089717A5 (ja) | ||
US9036039B2 (en) | Apparatus and method for acquiring face image using multiple cameras so as to identify human located at remote site | |
JP5297530B2 (ja) | 画像処理装置、及びインターフェース装置 | |
US8532337B2 (en) | Object tracking method | |
US9633264B2 (en) | Object retrieval using background image and query image | |
JP5662670B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN102007499A (zh) | 检测数字图像中的脸部表情 | |
US20160189388A1 (en) | Video segmentation method | |
US10127424B2 (en) | Image processing apparatus, image processing method, and image processing system | |
KR102199094B1 (ko) | 관심객체 검출을 위한 관심영역 학습장치 및 방법 | |
JP7418315B2 (ja) | 対象の再特定の方法 | |
KR20130000828A (ko) | 얼굴 피쳐 검출 방법 | |
JP2018077807A (ja) | 変化点で複数候補を考慮して物体を追跡する装置、プログラム及び方法 | |
JP2016134803A (ja) | 画像処理装置及び画像処理方法 | |
KR101840944B1 (ko) | 영상 분석 기반의 불량 판별 장치 및 방법 | |
JP2013542528A (ja) | 夜景画像ボケ検出システム | |
JP2018097611A (ja) | 画像処理装置およびその制御方法 | |
Kumar et al. | Simultaneous estimation of defocus and motion blurs from single image using equivalent Gaussian representation | |
WO2020217643A1 (ja) | 画像処理方法、画像処理装置及び画像処理システム | |
US11631183B2 (en) | Method and system for motion segmentation | |
JP4888290B2 (ja) | 侵入者検知装置 | |
KR102547405B1 (ko) | 객체 재인식 장치 및 방법 | |
Fastowicz et al. | Estimation of geometrical deformations of 3D prints using local cross-correlation and Monte Carlo sampling | |
US9049382B2 (en) | Image processing apparatus and image processing method | |
JP2021012631A5 (ja) | 情報処理装置、情報処理方法及びプログラム |