JP4219805B2 - 画像シーケンス検索のための形状変化記述子の抽出方法 - Google Patents
画像シーケンス検索のための形状変化記述子の抽出方法 Download PDFInfo
- Publication number
- JP4219805B2 JP4219805B2 JP2003505809A JP2003505809A JP4219805B2 JP 4219805 B2 JP4219805 B2 JP 4219805B2 JP 2003505809 A JP2003505809 A JP 2003505809A JP 2003505809 A JP2003505809 A JP 2003505809A JP 4219805 B2 JP4219805 B2 JP 4219805B2
- Authority
- JP
- Japan
- Prior art keywords
- function
- frame
- shape
- descriptor
- image
- 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.)
- Expired - Lifetime
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
- G06F16/7854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using shape
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Description
x(t−t0):x座標
Vx:速度
αx:加速度
同様にy方向とz方向は次の数式2のようである。
z(t-t0):カメラのズームイン/ズームアウト
すなわち、グローバル動きは客体がどの2地点をどのくらいの速度で移動するかに対する程度を特徴量で示している。
α,β,χ:加重値
次いで、前記フレームセットSに対して所定の周期T、すなわちT個のフレームほど飛ばしながら画像フレームを選定して、再度M個の画像フレームから構成されたフレームセットS'を構成する。
S’={F’1,F’2,F’3,………,F’M} where, M〜N/T
一方、前記フレームセットS'を構成するための周期TはフレームセットSを構成するフレームの個数Nによって任意に調節できることは、本発明が属する技術分野における通常の知識を有した者にとって明白なものである。すなわち、後述する客体重畳ステップ(S107)において、グレイ画像インターポレーション(interpolation)ステップ(S403)を考慮したフレーム個数MになるようにTが選ばれる。したがって、Nが大きくない場合にはT=1(N=M、S=S´)になることができる。
関数f(x、y)に対したZernikeモーメントはZernike多項式(Zernike Polynomial)に対する関数f(x、y)の投影(projection)である。すなわち、Zernikeモーメントは数式6で定義される。
ARTは極座標上で単位円上に正弦関数(sinusoidal function)がベースで構成された直交単一変換(orthogonal unitary transform)であって、回転不変の形状を記述でき、直交性があるために情報の重複性がない。ARTは数式10のように定義される。
2個の4次元配列形態にATR複素基底関数(実数部関数BasisR[9][4][LUT_SIZE][LUT_SIZE]及び虚数部関数BasisI[9][4][LUT_SIZE][LUT_SIZE])を以下のようなコードを通して生成する。ここで、LUT_SIZEはルックアップ表の大きさを意味する(通常LUT_SIZE=101)。
cx=cy=LUT_SIZE/2; //基底関数の中心
for(y=0 ; y< LUT_SIZE ; y++)
for(x=0 ; x< LUT_SIZE ; x++) {
radius = sqrt((x-cx)* (x-cx) + (y-cy)*(y-cy));
angle = atan2(y-cy、 x-cx);
for(m=0 ; m<9 ; m++)
for(n=0 ; n< 4 ; n++) {
temp=cos(radius*π*n/(LUT_SIZE/2));
BasisR[m][n][x][y] = temp*cos(angle*m);
BasisI[m][n][x][y] = temp*sin(angle*m);
}
}
ii)大きさの正規化(Size Normalization):
SVMで整列された中心がルックアップ表の中心と一致するように整列させる。画像の大きさとルックアップ表の大きさが異なる場合、当該画像を対応するルックアップ表にマッピングされるように線型インターポレーションを行う。ここでは客体の大きさが客体中心からの最大距離の2倍となるように定義される。
ラスタースキャン順序(raster scan order)でSVMのピクセル値の積をルックアップ表の対応するピクセル各々に対して合算することによって、ART係数の実数部と虚数部とを計算する。
ART係数の各々の大きさを計算し、この値を客体領域のピクセルの数で分ける。
本一実施の形態に係るStatic Shape Variation[k](k=0、1、....34)は、下記の表2の量子化テーブルにしたがって、ART係数を16ステップに非線型量子化して4ビットで表現することによって獲得される。
ケース 2:NSVM(Dynamic Shape Variation)のみを適用
ケース 3:SVM(Static Shape Variation)とNSVM(Dynamic Shape Variation)を5対5に適用
ケース 4:SVM(Static Shape Variation)とNSVM(Dynamic Shape Variation)を3対7に適用
検索性能の定量的分析のための評価尺度にはANMRR[Chang-Duck Suh and Whoi-Yul Kim、「A New Metric to Measure the Retrieval Effectiveness for Evaluating Rank-based Retrieval Systems、」韓国放送工学会論文誌、第5巻、第1号、pp.68-81、June 2000.]が用いされた。ANMRRは0から1の間の値を有し、その値が小さいほど検索効率が良い。表5では各グループに対して求められたANMRRの平均を示す。
なお、本発明は、上記の実施の形態として開示した範囲に限定されるものではない。本発明に係る技術的思想から逸脱しない範囲内で多くの改良、変更が可能であり、それらも本発明の技術的範囲に属する。
Claims (28)
- 複数のフレームにより客体の動きを表現する画像シーケンスデータに対する内容基盤検索のために形状変化記述子(Shape Variation Descriptor)を抽出する方法において、
画像シーケンスデータから所定個数のフレームを選ぶ第1ステップと、
前記フレームを背景から分離された客体情報のみを含むフレームに変換する第2ステップと、
前記客体を前記フレームの所定位置に整列させる第3ステップであって、前記第 2 ステップで分離された客体の中心を計算する第 11 ステップと、前記中心座標と前記フレームの中心座標とが一致するように前記客体を移動させる第 12 ステップとを含む第 3 ステップと、
前記フレームのピクセルに値を割り当て、前記各ピクセルに割り当てられた値を累積することにより、前記第3ステップにより整列された複数のフレームを重畳して、前記客体の動き情報及び形状情報を含む一つのフレーム(SVM)を生成する第4ステップと、
前記生成された一つのフレーム(SVM)を正規化するステップと、
前記正規化されたフレームに対して画像の形状変化に対する特徴量である形状記述子(Shape Descriptor)を抽出する第5ステップと
を含むことを特徴とする形状変化記述子の抽出方法。 - 前記第1ステップは、
前記画像シーケンスデータからN個の連続したフレームを選ぶ第6ステップを含むことを特徴とする請求項1に記載の形状変化記述子の抽出方法。 - 前記第1ステップは、
前記N個のフレームを所定周期Tで分けたM個のフレームを選ぶ第7ステップをさらに含むことを特徴とする請求項2に記載の形状変化記述子の抽出方法。 - 前記第1ステップは、
前記N個のフレームのうち、客体の動きの変化が大きいM個のフレームを選ぶ第8ステップをさらに含むことを特徴とする請求項2に記載の形状変化記述子の抽出方法。 - 前記第2ステップは、
前記第1ステップで選ばれたフレームに含まれた背景情報を除去する第9ステップと、
前記背景情報が除去されたフレームに含まれた画像を2値化する第10ステップと
を含むことを特徴とする請求項1に記載の形状変化記述子の抽出方法。 - 前記第4ステップは、
前記第13ステップで割り当てられた累積値を正規化する第14ステップをさらに含むことを特徴とする請求項4に記載の形状変化記述子の抽出方法。 - 前記第14ステップは、
0から1までのグレイスケールで正規化することを特徴とする請求項8に記載の形状変化記述子の抽出方法。 - 前記第4ステップは、
前記生成された一つのフレーム(SVM)に対して画像の大きさを正規化する第15ステップを含むことを特徴とする請求項1に記載の形状変化記述子の抽出方法。 - 請求項1または12に記載の形状変化記述子の抽出方法によって抽出された Static Shape Variation及びDynamic Shape Variationに基づく画像シーケンスデータの検索方法において、
下記数式で定義される質疑画像とデータベースに存在する比較対象画像との類似度に基づいて画像を検索することを特徴とする画像シーケンスデータの検索方法。
- 複数のフレームにより客体の動きを表現する画像シーケンスデータに対する内容基盤検索のための形状変化記述子(Shape Variation Descriptor)を抽出するために、プロセッサを備えた内容基盤検索システムにおいて、
画像シーケンスデータから所定個数のフレームを選ぶ第1の機能と、
前記フレームを背景から分離された客体情報のみを含むフレームに変換する第2の機能と、
前記客体を前記フレームの所定位置に整列させる第3の機能であって、前記第 2 の機能で分離された客体の中心を計算する第 11 の機能と、前記中心座標と前記フレームの中心座標が一致するように前記客体を移動させる第 12 の機能とを含む第 3 の機能と、
前記フレームのピクセルに値を割り当て、前記各ピクセルに割り当てられた値を累積することにより、前記第3の機能により整列された複数のフレームを重畳させて、前記客体の動き情報及び形状情報を含む一つのフレーム(SVM)を生成する第4の機能と、
前記生成された一つのフレーム(SVM) を正規化する機能と、
前記正規化されたフレームに対して画像の形状変化に対する特徴量である形状記述子(Shape Descriptor)を抽出する第5の機能と、
を実現させることを特徴とするプログラムを記録したコンピュータで読み取り可能な記録媒体。 - 前記第1の機能は、
前記画像シーケンスデータからN個の連続したフレームを選ぶ第6の機能を実現させることを特徴とする請求項15に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体。 - 前記第1の機能は、
前記N個のフレームを所定周期Tで分けたM個のフレームを選ぶ第7の機能をさらに実現させることを特徴とする請求項16に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体。 - 前記第1の機能は、
前記N個のフレームのうち、客体の動きの変化が大きいM個のフレームを選ぶ第8の機能をさらに実現させることを特徴とする請求項16に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体。 - 前記第2機能は、
前記第1機能で選ばれたフレームに含まれた背景情報を除去する第9の機能と、
前記背景情報が除去されたフレームに含まれた画像を2値化する第10の機能と
を実現させることを特徴とする請求項15に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体。 - 前記第4の機能は、
前記第13の機能で割り当てられた累積値を正規化する第14の機能をさらに実現させることを特徴とする請求項21に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体。 - 前記第14の機能は、
0から1までのグレイスケールで正規化することを特徴とする請求項22に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体。 - 前記第4の機能は、
前記生成された一つのフレーム(SVM)に対して画像の大きさを正規化する第15の機能を実現させることを特徴とする請求項15に記載のプログラムを記録したコンピュータで読み取り可能な記録媒体。 - 請求項15または26の形状変化記述子の抽出方法によって抽出された形状変化記述子(Static Shape Variation)及び形状変化記述子(Dynamic Shape Variation)に基づく画像シーケンスデータ検索のために、プロセッサを備えた内容基盤検索システムにおいて、
下記数式で定義される質疑画像とデータベースに存在する比較対象画像の類似度に基づいて画像を検索することを特徴とするプログラムを記録したコンピュータで読み取り可能な記録媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20010034595 | 2001-06-19 | ||
PCT/KR2002/001162 WO2002103562A1 (en) | 2001-06-19 | 2002-06-19 | Method of extracting shape variation descriptor for retrieving image sequence |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004535005A JP2004535005A (ja) | 2004-11-18 |
JP4219805B2 true JP4219805B2 (ja) | 2009-02-04 |
Family
ID=19711028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003505809A Expired - Lifetime JP4219805B2 (ja) | 2001-06-19 | 2002-06-19 | 画像シーケンス検索のための形状変化記述子の抽出方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7212671B2 (ja) |
JP (1) | JP4219805B2 (ja) |
KR (1) | KR100508569B1 (ja) |
WO (1) | WO2002103562A1 (ja) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7643684B2 (en) * | 2003-07-15 | 2010-01-05 | Samsung Electronics Co., Ltd. | Apparatus for and method of constructing multi-view face database, and apparatus for and method of generating multi-view face descriptor |
US10721405B2 (en) | 2004-03-25 | 2020-07-21 | Clear Imaging Research, Llc | Method and apparatus for implementing a digital graduated filter for an imaging apparatus |
US8331723B2 (en) | 2004-03-25 | 2012-12-11 | Ozluturk Fatih M | Method and apparatus to correct digital image blur due to motion of subject or imaging device |
US9826159B2 (en) | 2004-03-25 | 2017-11-21 | Clear Imaging Research, Llc | Method and apparatus for implementing a digital graduated filter for an imaging apparatus |
ATE388449T1 (de) * | 2004-08-10 | 2008-03-15 | Oce Tech Bv | Detektion abweichender seiten während des scannens |
US20060153459A1 (en) * | 2005-01-10 | 2006-07-13 | Yan Zhang | Object classification method for a collision warning system |
KR100679124B1 (ko) * | 2005-01-27 | 2007-02-05 | 한양대학교 산학협력단 | 이미지 시퀀스 데이터 검색을 위한 정보 요소 추출 방법및 그 방법을 기록한 기록매체 |
US7702131B2 (en) * | 2005-10-13 | 2010-04-20 | Fujifilm Corporation | Segmenting images and simulating motion blur using an image sequence |
US9042606B2 (en) * | 2006-06-16 | 2015-05-26 | Board Of Regents Of The Nevada System Of Higher Education | Hand-based biometric analysis |
US8208731B2 (en) | 2008-04-07 | 2012-06-26 | Microsoft Corporation | Image descriptor quantization |
USD736254S1 (en) | 2008-12-26 | 2015-08-11 | Sony Corporation | Display panel or screen with an icon |
US8655084B2 (en) * | 2009-06-23 | 2014-02-18 | Board Of Regents Of The Nevada System Of Higher Education, On Behalf Of The University Of Nevada, Reno | Hand-based gender classification |
US7953245B2 (en) * | 2009-08-18 | 2011-05-31 | General Electric Company | System, method and program product for camera-based object analysis |
US8483433B1 (en) | 2009-09-17 | 2013-07-09 | Lockheed Martin Corporation | Detection of faint perturbations of interest using statistical models of image texture |
CN101945257B (zh) * | 2010-08-27 | 2012-03-28 | 南京大学 | 基于监控视频内容提取车辆底盘图像的合成方法 |
JP5919665B2 (ja) * | 2011-07-19 | 2016-05-18 | 日本電気株式会社 | 情報処理装置、物体追跡方法および情報処理プログラム |
TWI588778B (zh) * | 2012-01-17 | 2017-06-21 | 國立臺灣科技大學 | 動作辨識方法 |
KR20130108949A (ko) * | 2012-03-26 | 2013-10-07 | 한국전자통신연구원 | 영상부호 및 복호화 단계에서의 이중 객체검출 및 이동경로 정보를 이용한 영상 압축 방법 |
US9075846B2 (en) * | 2012-12-12 | 2015-07-07 | King Fahd University Of Petroleum And Minerals | Method for retrieval of arabic historical manuscripts |
US9367221B2 (en) * | 2013-09-02 | 2016-06-14 | Ken Lai | System and method for sequencing rotatable images |
US10062015B2 (en) | 2015-06-25 | 2018-08-28 | The Nielsen Company (Us), Llc | Methods and apparatus for identifying objects depicted in a video using extracted video frames in combination with a reverse image search engine |
CN107931012B (zh) * | 2017-10-25 | 2020-06-19 | 浙江华睿科技有限公司 | 一种提取点胶路径的方法及点胶系统 |
CN108256419B (zh) * | 2017-12-05 | 2018-11-23 | 交通运输部规划研究院 | 一种利用多光谱解译提取港口码头图像的方法 |
KR102140873B1 (ko) * | 2018-11-27 | 2020-08-03 | 연세대학교 산학협력단 | 동적 객체 검출 장치 및 방법 |
US11526674B2 (en) * | 2019-03-01 | 2022-12-13 | Rakuten Group, Inc. | Sentence extraction system, sentence extraction method, and information storage medium |
CN115330756B (zh) * | 2022-10-11 | 2023-02-28 | 天津恒宇医疗科技有限公司 | 基于光影特征的oct图像中导丝识别方法及识别系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5546572A (en) * | 1991-08-28 | 1996-08-13 | Hitachi, Ltd. | Method for retrieving database of image information |
US6182069B1 (en) * | 1992-11-09 | 2001-01-30 | International Business Machines Corporation | Video query system and method |
US5802361A (en) * | 1994-09-30 | 1998-09-01 | Apple Computer, Inc. | Method and system for searching graphic images and videos |
US5915250A (en) * | 1996-03-29 | 1999-06-22 | Virage, Inc. | Threshold-based comparison |
US5893095A (en) * | 1996-03-29 | 1999-04-06 | Virage, Inc. | Similarity engine for content-based retrieval of images |
US6285788B1 (en) * | 1997-06-13 | 2001-09-04 | Sharp Laboratories Of America, Inc. | Method for fast return of abstracted images from a digital image database |
US6785429B1 (en) * | 1998-07-08 | 2004-08-31 | Matsushita Electric Industrial Co., Ltd. | Multimedia data retrieval device and method |
JP4574771B2 (ja) * | 1999-01-28 | 2010-11-04 | 株式会社東芝 | 画像情報記述方法 |
US6643387B1 (en) * | 1999-01-28 | 2003-11-04 | Sarnoff Corporation | Apparatus and method for context-based indexing and retrieval of image sequences |
KR100772788B1 (ko) * | 1999-02-01 | 2007-11-01 | 주식회사 팬택앤큐리텔 | 동영상의 움직임 활동 특징 기술 방법 및 장치 |
JP4151158B2 (ja) * | 1999-06-14 | 2008-09-17 | ソニー株式会社 | シーン記述生成装置及び方法 |
KR20010009273A (ko) * | 1999-07-08 | 2001-02-05 | 김영환 | 움직임 정도 기술방법을 이용한 동영상 색인 및 검색방법 |
JP2001357008A (ja) * | 2000-06-14 | 2001-12-26 | Mitsubishi Electric Corp | コンテンツ検索配信装置およびコンテンツ検索配信方法 |
-
2002
- 2002-06-19 US US10/482,234 patent/US7212671B2/en not_active Expired - Lifetime
- 2002-06-19 JP JP2003505809A patent/JP4219805B2/ja not_active Expired - Lifetime
- 2002-06-19 KR KR10-2002-0034258A patent/KR100508569B1/ko not_active IP Right Cessation
- 2002-06-19 WO PCT/KR2002/001162 patent/WO2002103562A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US7212671B2 (en) | 2007-05-01 |
JP2004535005A (ja) | 2004-11-18 |
KR100508569B1 (ko) | 2005-08-18 |
WO2002103562A1 (en) | 2002-12-27 |
US20040170327A1 (en) | 2004-09-02 |
KR20020096998A (ko) | 2002-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4219805B2 (ja) | 画像シーケンス検索のための形状変化記述子の抽出方法 | |
Scovanner et al. | A 3-dimensional sift descriptor and its application to action recognition | |
Jain et al. | Image retrieval using color and shape | |
Hu et al. | Angular pattern and binary angular pattern for shape retrieval | |
Halima et al. | Bag of words based surveillance system using support vector machines | |
Wei et al. | Wide area localization and tracking on camera phones for mobile augmented reality systems | |
Battiato et al. | Exploiting textons distributions on spatial hierarchy for scene classification | |
Gao et al. | Robust template matching via hierarchical convolutional features from a shape biased CNN | |
Gupta et al. | Visual semantic-based representation learning using deep CNNs for scene recognition | |
Bommisetty et al. | Content-based video retrieval using integration of curvelet transform and simple linear iterative clustering | |
Liu | A survey of recent view-based 3d model retrieval methods | |
Chen et al. | Image retrieval based on quadtree classified vector quantization | |
Nair et al. | VSMCNN-dynamic summarization of videos using salient features from multi-CNN model | |
Zhang et al. | Exploiting spatial-temporal context for trajectory based action video retrieval | |
Banerjee et al. | Transformed deep spatio temporal-features with fused distance for efficient video retrieval | |
Jabnoun et al. | Visual scene prediction for blind people based on object recognition | |
Abrishami Moghaddam et al. | Spatiotemporal wavelet correlogram for human action recognition | |
Yoganand et al. | Face detection approach from video with the aid of KPCM and improved neural network classifier | |
Julsing | Face recognition with local binary patterns | |
Özkan et al. | Visual group binary signature for video copy detection | |
Hitam et al. | Content-Based Image Retrieval Using Zernike Moments for Binary and Grayscale Images. | |
Du et al. | DOERS: Distant Observation Enhancement and Recognition System | |
Agarwal et al. | Local peak valley co-occurrence patterns: A new feature descriptor for image retrieval | |
Elhady et al. | Weighted feature voting technique for content-based image retrieval | |
CN116704403B (zh) | 一种建筑物图像视觉辨别方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20041224 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20041224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20041224 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050513 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080620 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080922 |
|
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: 20081017 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081112 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111121 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4219805 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111121 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121121 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121121 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131121 Year of fee payment: 5 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |