JP2021089717A5

JP2021089717A5 -

Info

Publication number: JP2021089717A5
Application number: JP2020180097A
Authority: JP
Filing date: 2020-10-28
Publication date: 2023-08-18
Anticipated expiration: 2040-10-28

Claims

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。