JP2023065515A - 勾配方向ヒストグラムの演算のためのハードウェアアクセレレータ - Google Patents
勾配方向ヒストグラムの演算のためのハードウェアアクセレレータ Download PDFInfo
- Publication number
- JP2023065515A JP2023065515A JP2023026830A JP2023026830A JP2023065515A JP 2023065515 A JP2023065515 A JP 2023065515A JP 2023026830 A JP2023026830 A JP 2023026830A JP 2023026830 A JP2023026830 A JP 2023026830A JP 2023065515 A JP2023065515 A JP 2023065515A
- Authority
- JP
- Japan
- Prior art keywords
- bin
- gradient
- hardware accelerator
- representative azimuth
- mag
- 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 claims description 43
- 238000001514 detection method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
- G06V10/473—Contour-based spatial representations, e.g. vector-coding using gradient 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
- G06V10/50—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
により演算される。
θ=tan-1(Gy/Gx)
により演算される。次いで、これらの方位角を用いて各画素に対して角度ビンが決定される(104)。ビンを決定するために、検出ウィンドウ200は、セルと称する局所空間領域に分割される。図2の例において、セル202は8×8画素である。各セルにおける64画素を離散化して、それらの方位角に従った角度ビンにする。角度ビンは、勾配が符号付きか符号なしかによって、0~180度又は0~360度にわたって均一に広がる。例えば、符号付き勾配の場合、0~180度にわたって均一に広がる9個の角度ビンがあり得る。或る画素についての方位角θにより、その画素についての特定のビンが決まる。
により演算され得る。ここで、Gx及びGyは、それぞれ、x方向の画素の勾配及びy方向の画素の勾配である。或いは、勾配の大きさGmagは、
Gmag=Gx*sec(θ)
により演算され得る。ここで、sec(θ)=1/cos(θ)であり、θは勾配の方位角である。したがって、勾配大きさ及びtan-1(Gy/Gx)を演算するための2つの基本式が、
Gmag=Gx*sec(θ)
Gy=Gx*tan(θ)
と表され得る。
Gx=[1 0 -1]*I
Gy=[1 0 -1]T*I
により演算される。ここで、Iは画素を含む画像であり、*は畳み込みである。勾配演算構成要素400の出力は、Gx、Gy、及び勾配の符号を含む。
Gy=Gx*tan(θ)
を演算するように構成される。これらの演算は並行して実施され、特定され得る代表的な方位角の数は実装に依存する。或る応用例が、Gy推定構成要素406によってサポートされる最大値までの任意の数の角度について値を特定し得る。幾つかの例において、最大45個の角度についての並列演算をサポートするための回路要素が存在する。上述したように、各特定された角度値は、第1の象限におけるビンに対応する。Gy推定構成要素406の出力は、特定された代表的な方位角についてのGyの推定値である。
Gmag=Gx*sec(θ)
を演算するように構成される。こういった演算は並列に成され、代表的な方位角はGy推定構成要素406によって用いられるものと同じである。大きさ演算構成要素の出力は、特定された代表的な方位角に対応する演算された大きさである。
Gy=Gx*tan(θ)
を演算し、大きさ演算構成要素412は、代表的な方位各々に対して、
Gmax=Gx*sec(θ)
を演算する。Gx*tan(θ)及びGx*sec(θ)を演算するために任意の適切な技術がこれらの構成要素において用いられ得る。例えば、こういった演算は、tan(θ)及びsec(θ)についてのルックアップテーブルに基づき得る。
Gy=Gx*tan(θ)
により演算される。
Gmag=Gx*sec(θ)
により演算され(508)、ビン識別子及び勾配符号ビットを用いて、ビン識別子を決定するために用いられる代表的な方位角に対応する演算された大きさを選択する(510)。
本明細書において説明される幾つかの例において、ビン決定構成要素410は、第1の象限におけるビン識別子を決定するために、表2のルックアップテーブルなどのルックアップテーブルを用い、次いで、符号を適用して、実際の象限及び真のビン識別子を決定する。他の例において表は符号を含む。
Claims (25)
- 勾配方向ヒストグラムの演算のためのハードウェアアクセレレータであって、
或る画素の勾配Gx及びGyを演算するように構成される勾配演算構成要素、
複数の代表的な方位角、Gxと、Gx及びGyの符号とに基づいて、前記画素についての角度ビンのビン識別子を決定するように構成されるビン識別構成要素、及び
前記複数の代表的な方位角と前記ビン識別子とに基づいて前記勾配の大きさGmagを決定するように構成される大きさ構成要素、
を含む、ハードウェアアクセレレータ。 - 請求項1に記載のハードウェアアクセレレータであって、
前記複数の代表的な方位角の各々が0~90度の象限にある、ハードウェアアクセレレータ。 - 請求項1に記載のハードウェアアクセレレータであって、
前記ビン識別構成要素がさらに、
前記複数の代表的な方位角の代表的な方位角各々に対して、θを前記代表的な方位角としてGy=Gx*tan(θ)によりGyの値を推定し、
前記勾配の実際の方位角に最も近い前記代表的な方位角を選択するため、Gyの前記推定された値を前記勾配演算構成要素によって演算された前記Gyと比較し、
前記選択された代表的な方位角及び前記符号を用いて前記ビン識別子を決定する、
ように構成される、ハードウェアアクセレレータ。 - 請求項3に記載のハードウェアアクセレレータであって、
前記大きさ構成要素がさらに、
前記複数の代表的な方位角の代表的な方位角各々に対して、θを代表的な方位角としてGmag=Gx*sec(θ)によりGmagの値を生成し、
前記ビン識別子を決定するために用いられた前記選択された代表的な方位角に対応する前記Gmag値を選択する、
ように構成される、ハードウェアアクセレレータ。 - 請求項4に記載のハードウェアアクセレレータであって、
前記大きさ構成要素がさらに、前記ビン識別子及び前記符号を用いて前記Gmag値を選択するように構成される、ハードウェアアクセレレータ。 - 請求項4に記載のハードウェアアクセレレータであって、
前記ビン識別子構成要素が、Gx*tan(θ)を演算するため、制限された範囲の座標回転デジタルコンピュータ(CORDIC)エンジンを実装し、前記大きさ構成要素が、Gx*sec(θ)を演算するため、制限された範囲のCORDICエンジンを実装する、ハードウェアアクセレレータ。 - ハードウェアアクセレレータにおける勾配方向ヒストグラムの演算のための方法であって、
前記ハードウェアアクセレレータの勾配演算構成要素において、或る画素の勾配Gx及びGyを演算すること、
前記ハードウェアアクセレレータのビン識別構成要素において前記画素について角度ビンのビン識別子を決定することであって、複数の代表的な方位角、Gx、並びにGx及びGyの符号に基づいて前記ビン識別子が決定される、前記ビン識別子を決定すること、及び
前記ハードウェアアクセレレータの大きさ構成要素において前記勾配Gmagの大きさを決定することであって、前記複数の代表的な方位角及び前記ビン識別子に基づいて前記大きさが決定される、前記勾配Gmagの大きさを決定すること、
を含む、方法。 - 請求項7に記載の方法であって、
前記複数の代表的な方位角の各々が0~90度の象限にある、方法。 - 請求項7に記載の方法であって、
ビン識別子を決定することがさらに、
前記複数の代表的な方位角の代表的な方位角各々に対して、θを前記代表的な方位角としてGy=Gx*tan(θ)によりGyの値を推定すること、
前記勾配の実際の方位角に最も近い前記代表的な方位角を選択するため、Gyの前記推定された値を前記勾配演算構成要素によって演算された前記Gyと比較すること、及び
前記選択された代表的な方位角及び前記符号を用いて前記ビン識別子を決定すること、
を含む、方法。 - 請求項9に記載の方法であって、
前記勾配の大きさを決定することがさらに、
前記複数の代表的な方位角の代表的な方位角各々に対して、θを代表的な方位角としてGmag=Gx*sec(θ)によりGmagの値を生成すること、及び
前記ビン識別子を決定するために用いられた前記選択された代表的な方位角に対応する前記Gmag値を選択すること、
を含む、方法。 - 請求項10に記載の方法であって、
前記Gmag値を選択することがさらに、前記ビン識別子及び前記符号を用いて前記Gmag値を選択することを含む、方法。 - 請求項10に記載の方法であって、
制限された範囲の座標回転デジタルコンピュータ(CORDIC)エンジンを用いてGx*tan(θ)を演算し、制限された範囲のCORDICエンジンを用いてGx*sec(θ)を演算する、方法。 - システムオンチップ(SOC)であって、
勾配方向ヒストグラム(HOG)演算のためのハードウェアアクセレレータであって、或る画像における各画素に対してビン識別子及び勾配大きさを生成するように構成可能である、前記ハードウェアアクセレレータ、
前記ビンID及び勾配大きさをストアするように前記ハードウェアアクセレレータに結合されるメモリ、
前記メモリに結合されるHOGジェネレータであって、前記ハードウェアアクセレレータによって生成された前記ビンID及び勾配大きさを用いてHOG記述子を生成するように構成可能である、前記HOGジェネレータ、及び
前記メモリ及び前記ハードウェアアクセレレータに結合されるプロセッサであって、複数のオブジェクトを検出するようにプログラムされるビジョン処理応用例を実行するように動作可能である前記プロセッサ、
を含み、
前記ビジョン処理応用例が、前記ビンID及び勾配大きさを生成するように前記ハードウェアアクセレレータを構成し、また、前記ビンID及び勾配大きさを用いて前記複数のオブジェクトの各オブジェクトに対してHOG記述子を生成するように前記HOGジェネレータを構成する、ソフトウェア命令を含む、SOC。 - 請求項13に記載のSOCであって、
前記ハードウェアアクセレレータが、
或る画素の勾配Gx及びGyを演算するように構成される勾配演算構成要素、
複数の代表的な方位角、Gx、並びにGx及びGyの符号に基づいて前記画素について角度ビンのビン識別子を決定するように構成されるビン識別構成要素、及び
前記複数の代表的な方位角及び前記ビン識別子に基づいて前記勾配Gmagの大きさを決定するように構成される大きさ構成要素、
を含む、SOC。 - 請求項14に記載のSOCであって、
前記複数の代表的な方位角の各々が0~90度の象限にあり、前記ビジョン処理応用例が、前記ハードウェアアクセレレータにおいて前記複数の代表的な方位角を構成する、SOC。 - 請求項14に記載のSOCであって、
前記ビン識別構成要素がさらに、
前記複数の代表的な方位角の代表的な方位角各々に対して、θを前記代表的な方位角とするGy=Gx*tan(θ)によりGyの値を推定し、
前記勾配の実際の方位角に最も近い前記代表的な方位角を選択するため、Gyの前記推定された値を前記勾配演算構成要素によって演算された前記Gyと比較し、
前記選択された代表的な方位角及び前記符号を用いて前記ビン識別子を決定する、
ように構成される、SOC。 - 請求項16に記載のSOCであって、
前記大きさ構成要素がさらに、
前記複数の代表的な方位角の代表的な方位角各々に対して、θを代表的な方位角とするGmag=Gx*sec(θ)によりGmagの値を生成し、
前記ビン識別子を決定するために用いられた前記選択された代表的な方位角に対応する前記Gmag値を選択する、
ように構成される、SOC。 - 請求項17に記載のSOCであって、
前記大きさ構成要素がさらに、前記ビン識別子及び前記符号を用いて前記Gmag値を選択するように構成される、SOC。 - 勾配方向のヒストグラム(HOG)演算ためのハードウェアアクセレレータを用いるための方法であって、
前記ハードウェアアクセレレータによって或る画像における各画素に対してビン識別子及び勾配大きさを決定すること、及び
前記ビンID及び勾配大きさを用いて複数のタイプのオブジェクトの分類のためのHOG記述子を演算すること、
を含む、方法。 - 請求項19に記載の方法であって、
少なくとも1つのタイプのオブジェクトについての検出ウィンドウサイズが、別のタイプのオブジェクトの検出ウィンドウサイズと異なる、方法。 - 請求項19に記載の方法であって、
ビン識別子及び勾配大きさを決定することがさらに、
前記ハードウェアアクセレレータの勾配演算構成要素において或る画素の勾配Gx及びGyを演算すること、
前記ハードウェアアクセレレータのビン識別構成要素において前記画素について角度ビンのビン識別子を決定することであって、複数の代表的な方位角、Gx、並びにGx及びGyの符号に基づいて前記ビン識別子が決定される、前記ビン識別子を決定すること、及び
前記ハードウェアアクセレレータの大きさ構成要素において前記勾配Gmagの大きさを決定することであって、前記複数の代表的な方位角及び前記ビン識別子に基づいて前記大きさが決定される、前記勾配Gmagの大きさを決定すること、
を含む、方法。 - 請求項21に記載の方法であって、
前記複数の代表的な方位角の各々が0~90度の象限にある、方法。 - 請求項21に記載の方法であって、
角度ビンのビン識別子を決定することがさらに、
前記複数の代表的な方位角の代表的な方位角各々に対して、θを前記代表的な方位角としてGy=Gx*tan(θ)によりGyの値を推定すること、
前記勾配の実際の方位角に最も近い前記代表的な方位角を選択するため、Gyの前記推定された値を前記勾配演算構成要素によって演算された前記Gyと比較すること、及び
前記選択された代表的な方位角及び前記符号を用いて前記ビン識別子を決定すること、
を含む、方法。 - 請求項23に記載の方法であって、
前記勾配大きさを決定することがさらに
前記複数の代表的な方位角の代表的な方位角各々に対して、θを代表的な方位角としてGmag=Gx*sec(θ)によりGmagの値を生成すること、及び
前記ビン識別子を決定するために用いられた前記選択された代表的な方位角に対応する前記Gmag値を選択すること、
を含む、方法。 - 請求項24に記載の方法であって、
前記Gmag値を選択することがさらに、前記ビン識別子及び前記符号を用いて前記Gmag値を選択することを含む、方法。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762486557P | 2017-04-18 | 2017-04-18 | |
US62/486,557 | 2017-04-18 | ||
US15/954,590 US11004205B2 (en) | 2017-04-18 | 2018-04-16 | Hardware accelerator for histogram of oriented gradients computation |
US15/954,590 | 2018-04-16 | ||
PCT/US2018/027959 WO2018195069A1 (en) | 2017-04-18 | 2018-04-17 | Hardware accelerator for histogram of oriented gradients computation |
JP2019556907A JP7265107B2 (ja) | 2017-04-18 | 2018-04-17 | 勾配方向ヒストグラムの演算のためのハードウェアアクセレレータ |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019556907A Division JP7265107B2 (ja) | 2017-04-18 | 2018-04-17 | 勾配方向ヒストグラムの演算のためのハードウェアアクセレレータ |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023065515A true JP2023065515A (ja) | 2023-05-12 |
JP7368924B2 JP7368924B2 (ja) | 2023-10-25 |
Family
ID=63790831
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019556907A Active JP7265107B2 (ja) | 2017-04-18 | 2018-04-17 | 勾配方向ヒストグラムの演算のためのハードウェアアクセレレータ |
JP2023026830A Active JP7368924B2 (ja) | 2017-04-18 | 2023-02-24 | 勾配方向ヒストグラムの演算のためのハードウェアアクセレレータ |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019556907A Active JP7265107B2 (ja) | 2017-04-18 | 2018-04-17 | 勾配方向ヒストグラムの演算のためのハードウェアアクセレレータ |
Country Status (5)
Country | Link |
---|---|
US (2) | US11004205B2 (ja) |
EP (1) | EP3612979A4 (ja) |
JP (2) | JP7265107B2 (ja) |
CN (1) | CN110663046B (ja) |
WO (1) | WO2018195069A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10460144B2 (en) * | 2016-07-20 | 2019-10-29 | Cypress Semiconductor Corporation | Non-finger object rejection for fingerprint sensors |
CN114359683B (zh) * | 2021-12-31 | 2023-10-20 | 电子科技大学 | 一种面向文本定位的单内核hog高效异构加速方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015184908A (ja) * | 2014-03-24 | 2015-10-22 | 東芝アルパイン・オートモティブテクノロジー株式会社 | 画像処理装置および画像処理プログラム |
US20160203384A1 (en) * | 2015-01-08 | 2016-07-14 | Linear Algebra Technologies Limited | Hardware accelerator for histogram of gradients |
US20170091575A1 (en) * | 2015-09-25 | 2017-03-30 | Intel Corporation | Method and system of low-complexity histrogram of gradients generation for image processing |
US20170098135A1 (en) * | 2014-11-28 | 2017-04-06 | Fotonation Limited | Method for producing a histogram of oriented gradients |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6104833A (en) * | 1996-01-09 | 2000-08-15 | Fujitsu Limited | Pattern recognizing apparatus and method |
US6408109B1 (en) * | 1996-10-07 | 2002-06-18 | Cognex Corporation | Apparatus and method for detecting and sub-pixel location of edges in a digital image |
US6975764B1 (en) * | 1997-11-26 | 2005-12-13 | Cognex Technology And Investment Corporation | Fast high-accuracy multi-dimensional pattern inspection |
GB2431717A (en) * | 2005-10-31 | 2007-05-02 | Sony Uk Ltd | Scene analysis |
CN100405017C (zh) * | 2007-06-22 | 2008-07-23 | 北京航空航天大学 | 阵列小孔式太阳敏感器信号处理方法和装置 |
US20090094306A1 (en) * | 2007-10-09 | 2009-04-09 | Krishnakalin Gahn W | Cordic rotation angle calculation |
FR2939547B1 (fr) * | 2008-12-09 | 2011-06-10 | Commissariat Energie Atomique | Dispositif et procede pour le reconnaissance et la localisation d'objets dans une image par balayage de fenetres de detection |
US9189670B2 (en) * | 2009-02-11 | 2015-11-17 | Cognex Corporation | System and method for capturing and detecting symbology features and parameters |
JP5361530B2 (ja) * | 2009-05-20 | 2013-12-04 | キヤノン株式会社 | 画像認識装置、撮像装置及び画像認識方法 |
US8510354B1 (en) * | 2010-03-12 | 2013-08-13 | Altera Corporation | Calculation of trigonometric functions in an integrated circuit device |
US8774508B2 (en) * | 2012-02-27 | 2014-07-08 | Denso It Laboratory, Inc. | Local feature amount calculating device, method of calculating local feature amount, corresponding point searching apparatus, and method of searching corresponding point |
US9936132B2 (en) * | 2012-10-26 | 2018-04-03 | The Regents Of The University Of Michigan | CMOS image sensors with feature extraction |
US20140270479A1 (en) * | 2013-03-15 | 2014-09-18 | Sony Corporation | Systems and methods for parameter estimation of images |
US20160026898A1 (en) * | 2014-07-24 | 2016-01-28 | Agt International Gmbh | Method and system for object detection with multi-scale single pass sliding window hog linear svm classifiers |
CN104268857B (zh) * | 2014-09-16 | 2017-07-18 | 湖南大学 | 一种基于机器视觉的快速亚像素边缘检测与定位方法 |
EP3109823A1 (en) * | 2015-06-22 | 2016-12-28 | Sick IVP AB | Method and arrangements for estimating one or more dominating orientations in a digital image |
WO2017054941A1 (en) * | 2015-09-30 | 2017-04-06 | Fotonation Limited | A method and system for tracking an object |
US9639777B1 (en) * | 2015-12-17 | 2017-05-02 | Linear Algebra Technologies Limited | Systems and methods for providing an image classifier |
KR20170103472A (ko) * | 2016-03-04 | 2017-09-13 | 한국전자통신연구원 | 허프 변환을 이용한 하드웨어 기반 원 검출 장치 및 방법 |
JP6656988B2 (ja) * | 2016-03-30 | 2020-03-04 | 株式会社エクォス・リサーチ | 画像処理装置、半導体装置、画像認識装置、移動体装置、及び画像処理方法 |
GB2556908B (en) * | 2016-11-24 | 2021-10-13 | Emdalo Tech Limited Ie | System and method for determining the presence of objects in an image |
-
2018
- 2018-04-16 US US15/954,590 patent/US11004205B2/en active Active
- 2018-04-17 JP JP2019556907A patent/JP7265107B2/ja active Active
- 2018-04-17 CN CN201880032159.8A patent/CN110663046B/zh active Active
- 2018-04-17 EP EP18787940.8A patent/EP3612979A4/en active Pending
- 2018-04-17 WO PCT/US2018/027959 patent/WO2018195069A1/en unknown
-
2021
- 2021-05-07 US US17/314,177 patent/US20210264612A1/en active Pending
-
2023
- 2023-02-24 JP JP2023026830A patent/JP7368924B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015184908A (ja) * | 2014-03-24 | 2015-10-22 | 東芝アルパイン・オートモティブテクノロジー株式会社 | 画像処理装置および画像処理プログラム |
US20170098135A1 (en) * | 2014-11-28 | 2017-04-06 | Fotonation Limited | Method for producing a histogram of oriented gradients |
US20160203384A1 (en) * | 2015-01-08 | 2016-07-14 | Linear Algebra Technologies Limited | Hardware accelerator for histogram of gradients |
US20170091575A1 (en) * | 2015-09-25 | 2017-03-30 | Intel Corporation | Method and system of low-complexity histrogram of gradients generation for image processing |
Also Published As
Publication number | Publication date |
---|---|
US11004205B2 (en) | 2021-05-11 |
CN110663046B (zh) | 2024-05-28 |
JP2020518052A (ja) | 2020-06-18 |
JP7368924B2 (ja) | 2023-10-25 |
WO2018195069A1 (en) | 2018-10-25 |
CN110663046A (zh) | 2020-01-07 |
EP3612979A1 (en) | 2020-02-26 |
US20210264612A1 (en) | 2021-08-26 |
US20180300881A1 (en) | 2018-10-18 |
JP7265107B2 (ja) | 2023-04-26 |
EP3612979A4 (en) | 2020-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7368924B2 (ja) | 勾配方向ヒストグラムの演算のためのハードウェアアクセレレータ | |
CN106960451B (zh) | 一种提升图像弱纹理区域特征点数量的方法 | |
CN104221031B (zh) | 将影像特征与参考特征相匹配之方法及其所用集成电路 | |
CN102831386B (zh) | 物体识别方法及识别装置 | |
CN105335748B (zh) | 图像特征提取方法和系统 | |
US9092697B2 (en) | Image recognition system and method for identifying similarities in different images | |
CN110400315A (zh) | 一种缺陷检测方法、装置及系统 | |
CN112861870B (zh) | 指针式仪表图像矫正方法、系统及存储介质 | |
CN112270719A (zh) | 相机标定方法、装置及系统 | |
CN106062824A (zh) | 边缘检测装置、边缘检测方法和程序 | |
JP5704909B2 (ja) | 注目領域検出方法、注目領域検出装置、及びプログラム | |
CN108737821B (zh) | 基于多通道浅层特征的视频兴趣区域快速预选方法及系统 | |
KR20160148806A (ko) | 방향정보를 이용한 객체 검출기 생성 방법, 이를 이용한 객체 검출 장치 및 방법 | |
CN111223139A (zh) | 目标定位方法及终端设备 | |
CN112464753B (zh) | 图像中关键点的检测方法、检测装置及终端设备 | |
Dinh et al. | StereoPairFree: self-constructed stereo correspondence network from natural images | |
Fanfani et al. | Addressing Domain Shift in Pedestrian Detection from Thermal Cameras without Fine-Tuning or Transfer Learning | |
CN111009004B (zh) | 一种加速图像匹配的硬件优化方法 | |
CN113191370A (zh) | 一种基于阈值自适应阈值调整的orb算法 | |
Hu et al. | An improved ORB, gravity-ORB for target detection on mobile devices | |
Chang et al. | The shape of patterns tells more: Using two dimensional Hough transform to detect circles | |
CN118314363B (zh) | 目标跟踪方法、装置、存储介质及计算机设备 | |
Mai et al. | An improved method for vietnam license plate location based on mathematic morphology and measuring properties of image regions | |
Shasani et al. | Color and Shape Recognition | |
Iwahori et al. | Neural Network Based Image Modification for Shape from Observed SEM Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230324 |
|
A625 | Written request for application examination (by other person) |
Free format text: JAPANESE INTERMEDIATE CODE: A625 Effective date: 20230324 |
|
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: 20230913 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231010 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7368924 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |