JP4394930B2 - パラメータ推定方法とその装置、プログラム及び記録媒体 - Google Patents

パラメータ推定方法とその装置、プログラム及び記録媒体 Download PDF

Info

Publication number
JP4394930B2
JP4394930B2 JP2003383580A JP2003383580A JP4394930B2 JP 4394930 B2 JP4394930 B2 JP 4394930B2 JP 2003383580 A JP2003383580 A JP 2003383580A JP 2003383580 A JP2003383580 A JP 2003383580A JP 4394930 B2 JP4394930 B2 JP 4394930B2
Authority
JP
Japan
Prior art keywords
parameter
function
image data
parameter estimation
target 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
Application number
JP2003383580A
Other languages
English (en)
Other versions
JP2005148988A (ja
Inventor
慎吾 安藤
賢一 荒川
章 鈴木
良規 草地
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2003383580A priority Critical patent/JP4394930B2/ja
Publication of JP2005148988A publication Critical patent/JP2005148988A/ja
Application granted granted Critical
Publication of JP4394930B2 publication Critical patent/JP4394930B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Landscapes

  • Image Analysis (AREA)

Description

本発明は、画像中に含まれるオブジェクトの識別およびパラメータを推定する方法とその装置、プログラム及び記録媒体に関するものである。
カメラで撮像したオブジェクトには、どの向きから撮ったものか、どこから照明をあてているか等、様々なパラメータが含まれている。これらのパラメータ情報を画像のみから推定することは、工業部品の分類、移動物体の監視といった幅広い応用が考えられ、工学的価値は高い。これを実現する方法として、「パラメトリック固有空間法」が提案されている（非特許文献１）。
これは、パラメータを様々に変えたときの画像の変化を、特徴空間における画像の固有ベクトルから構成される部分空間上での多様体で表現し、その多様体のうち、入力された画像との距離の最も近い位置を検出することでパラメータを推定する手法である。
しかしながら、この方法では、多様体との距離を求めるために、多様体を代表するサンプリング点を全てメモリに蓄えておく必要があり、パラメータの段階数を細かくしようとするとメモリ空間を圧迫してしまう問題がある。この傾向は、推定したいパラメータの個数が増えるに従って、より顕著となる。
村瀬 洋、ＳｈｒｅｅＫ．ＮＡＹＡＲ「２次元照合による３次元物体認識−パラメトリック固有空間法−」電子情報通信学会論文詩Ｄ−ＩＩ，Ｖｏｌ．Ｊ７７−Ｄ−１１，Ｎｏ．１１，ｐｐ．２１７９−２１８７（１９９４）
本発明は、かかる事情に鑑みなされたもので、その目的は、画像内オブジェクトのパラメータを推定するにあたり、メモリに蓄える学習サンプル数を超える段階数の推定が行えるようにすると共に、未学習のパラメータ値をできるだけ精度良く推定し、さらに、効率の良いオブジェクト識別を行えるパラメータを推定する方法とその装置、プログラム及び記録媒体の提供にある。
そこで、本発明のパラメータ推定方法とその装置は、新たなパラメータ推定方法を導入している。パターン認識問題において近年よく適用されるようになった「サポートベクトルマシン」は、カーネル関数を利用して２クラス問題のための非線形織別関数を構成する方法であるが、これを拡張して回帰推定を行えるようにしたものに「サポートベクトル回帰」がある（Ｖ．Ｖａｐｎｉｋ，Ｓ．Ｅ．Ｇｏｌｏｗｉｃｈ，ａｎｄ Ａ．Ｓｍｏ１ａ，“Ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍｅｔｈｏｄ ｆｏｒ ｆｕｎｃｔｉｏｎ ａｐｐｒｏｘｉｍａｔｉｏｎ，ｒｅｇｒｅｓｓｉｏｎ ｅｓｔｉｍａｔｉｏｎ ａｎｄ ｓｉｇｎａ１ ｐｒｏｃｅｓｓｉｎｇ”，Ｉｎ Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ，Ｖｏｌ．９，ｐｐ．２８１−２８７（１９９７））。
本発明は、様々なパラメータ値を持つ画像群（例えば図７）を用意し、それらの部分空間を構成した後、サポートベクトル回帰を利用して、部分空間上における入力画像およびパラメータ値を関係付ける関数を算出している。サポートベクトル回帰では、パラメータ推定関数を構成するにあたり、サポートベクトルと呼ばれる小数のサンプルのみをメモリに蓄えておけばよいので、メモリ空間を節約することができる。
また、本発明は、撮影角度などパラメータ値が周期的である場合の対処として、角度値の正弦関数及び余弦関数を新たな中間パラメータとして算出し、これをサポートベクトル回帰で学習させるといった手法をとっている。これにより、部分空問上で、点の近傍におけるパラメータ値の連続性が保証される。さらに、オブジェクトの識別をより精度良く行うために、算出した正弦関数及び余弦関数に基づき演算を行い、この算出値が１に対してどれだけ近いかを識別に反映させる。例えば、正弦関数の自乗値と余弦関数の自乗値の和を算出し、この値が１に対してどれだけ近いかを識別に反映させている。
すなわち、本発明のパラメータ推定装置は、対象画像データに含まれるオブジェクトの撮影角度を推定するパラメータ推定装置であって、学習画像データから当該学習画像データに含まれるオブジェクトの特徴量を抽出する第一特徴抽出手段と、前記抽出した特徴量に基づき前記学習画像データに含まれるオブジェクトの部分空間を作成する部分空間作成手段と、前記作成した部分空間を記憶する部分空間記憶手段と、前記学習画像データの正解パラメータ値と前記作成された部分空間における特徴量を用いてサポートベクトル回帰することにより、前記学習画像データに含まれるオブジェクトの撮影角度の正弦関数及び余弦関数を中間パラメータとして算出するためのパラメータ推定関数を作成するパラメータ推定関数作成手段と、前記中間パラメータの逆関数である正弦関数の逆関数、前記中間パラメータの逆関数である余弦関数の逆関数、前記中間パラメータから求まる正接関数の逆関数のいずれか１つ以上を用いて、前記中間パラメータを前記撮影角度に変換するパラメータ変換式を決定するパラメータ変換手段と、前記作成されたパラメータ推定関数と、前記決定されたパラメータ変換式とを記憶するパラメータ推定関数記憶手段と、前記対象画像データから特徴量を抽出する第二特徴抽出手段と、前記対象画像データから抽出された特徴量を前記部分空間記憶手段に記憶された複数種類の部分空間それぞれに射影する部分空間射影手段と、前記複数種類の部分空間のうち前記対象画像データから抽出された特徴量と最も距離の近い部分空間に対応する、前記パラメータ推定関数記憶手段に記憶されたパラメータ推定関数と前記パラメータ変換式とに基づき、前記対象画像データに含まれるオブジェクトの撮影角度の算出を行うパラメータ推定識別手段とを備える。
また、本発明のパラメータ推定方法は、対象画像データに含まれるオブジェクトのパラメータとして前記対象画像データに含まれるオブジェクトの撮影角度を推定するパラメータ推定方法であって、第一特徴抽出手段が学習画像データから当該学習画像データに含まれるオブジェクトの特徴量を抽出するステップと、部分空間作成手段が前記抽出した特徴量に基づき前記学習画像データに含まれるオブジェクトの部分空間を作成するステップと、部分空間記憶手段が前記作成した部分空間を記憶するステップと、パラメータ推定関数作成手段が、前記学習画像データの正解パラメータ値と前記作成された部分空間における特徴量を用いてサポートベクトル回帰することにより、前記学習画像データに含まれるオブジェクトの撮影角度の正弦関数及び余弦関数を中間パラメータとして算出するためのパラメータ推定関数を作成するステップと、パラメータ変換手段が、前記中間パラメータの逆関数である正弦関数の逆関数、前記中間パラメータの逆関数である余弦関数の逆関数、前記中間パラメータから求まる正接関数の逆関数のいずれか１つ以上を用いて、前記中間パラメータを前記撮影角度に変換するパラメータ変換式を決定すると、パラメータ推定関数記憶手段が、前記作成されたパラメータ推定関数と、前記決定されたパラメータ変換式とを記憶するステップと、第二特徴抽出手段が前記対象画像データから特徴量を抽出するステップと、部分空間射影手段が前記対象画像データから抽出された特徴量を前記部分空間記憶手段に記憶された複数種類の部分空間それぞれに射影するステップと、パラメータ推定識別手段が、前記複数種類の部分空間のうち前記対象画像データから抽出された特徴量と最も距離の近い部分空間に対応する、前記パラメータ推定関数記憶手段に記憶されたパラメータ推定関数と前記パラメータ変換式とに基づき、前記対象画像データに含まれるオブジェクトの撮影角度の算出を行うステップとを有する。
本発明のパラメータ推定プログラムは、前記パラメータ推定方法をコンピュータに実行させるためのプログラムである。また、本発明の記録媒体は、前記パラメータ推定方法をコンピュータに実行させるためのプログラムをコンピュータ読み取り可能な記録媒体に記録したものである。前記記録媒体としては、例えば、フレキシブルディスク、ＭＯ、ＲＯＭ、メモリカード、ＣＤ、ＤＶＤ、リムーバブルディスク及びＨＤＤ等がある。
以上のパラメータ推定方法とその装置、プログラム及び記録媒体によれば、学習においてサポートベクトル回帰により求められたサポートベクトルのみを保存し、その保存されたベクトルでパラメータ推定関数を構成するため、メモリ空間を圧迫することなく、細かい段階数でパラメータ値を推定することが可能となる。また、周期的なパラメータの場合、正弦関数及び余弦関数からなる中問パラメータを推定することでパラメータ値０〜３６０度間の不連続が連続化されるので、良好なパラメータ推定関数を得ることができる。さらに、副次的作用効果として、正弦関数と余弦関数の自乗値の和が一定値を満たすか否かでオブジェクトを識別することもできる。
したがって、本発明のパラメータ推定方法とその装置、プログラム及び記録媒体によれば、画像中に含まれるオブジェクトに対し、メモリ空間を節約しながら、精度の良いパラメータ推定及び識別ができる。
本発明の実施の形態について図面を参照しながら説明する。
図１は、本発明の実施形態例に係るパラメータ推定装置の概略構成図である。図２は、本実施形態による学習処理の手順を示したフローチャート、及び、パラメータ推定、識別処理の手順を示したフローチャートを示したものである。
先ず、学習処理の手順について説明する。
学習画像データ入力部１０１は、デジタルカメラ等で撮像された学習用のオブジェクト画像データおよびその正解パラメータ値を入力し、特徴抽出部１０２に伝送する（Ｓ０１）。
特徴抽出部１０２は、前記入力されたデジタル画像データに含まれるオブジェクトの特徴量を抽出し、部分空間作成部１０３へ伝送する（Ｓ０２）。
特微量は、例えば、フーリエ変換のパワースペクトル、色ヒストグラム特徴（村瀬 洋、Ｖ．Ｖ．Ｖｉｎｏｄ，“局所色情報を用いた高速物体探索−アクティブ探索法−”，電子情報通信学会論文詩Ｄ−ＩＩ，Ｖｏ１．Ｊ８１−Ｄ−ＩＩ，Ｎｏ．９，ｐｐ．２０３５−２０４２，１９９８）、局所方向ヒストグラム特徴（若林哲史、鶴岡信治、木村文隆、三宅康二“特徴量の次元数増加による手書き数字認識の高精度化”，電子情報通信学会論文詩Ｄ−ＩＩ、Ｖｏｌ．Ｊ７７−Ｄ−ＩＩ，Ｎｏ．１０，ｐｐ．２０４６−２０５３（１９９４））等がある。また、こういった特徴抽出処理を行わず、画像の輝度値そのものを特徴量としてもよい。
部分空間作成部１０３は、オブジェクトの画像から抽出された特徴ベクトルの集合に基づき、そのオブジェクトの部分空間を作成する（Ｓ０３）。
部分空間は、特徴ベクトルの共分散行列の固有値および固有ベクトルを算出する（主成分分析する）ことにより、求めることができる。これにより、オブジェクトの特徴ベクトルがより低次元に圧縮され、メモリ節約に貢献することとなる。また、部分空間法（石井健一郎、上田修功、前田英作、村瀬洋共著“わかりやすいパターン認識”、オーム社、１９９８）による効果的なオブジェクトの識別が可能となる。
次いで、部分空間記憶部１０５は、部分空間作成部１０３にて作成されたオブジェクトの部分空間をメモリに記憶する（Ｓ０４）。
一方、パラメータ推定関数作成部１０４は、サポートベクトル回帰によりパラメータ推定関数を生成する（Ｓ０５）。
サポートベクトル回帰では、カーネル関数ｋ（ｘi，ｘj）（ｘは部分空間作成部１０３により低次元圧縮された特徴ベクトル）を用いて、推定式を以下のように表す。
Figure 0004394930
数１式において、ｘiは学習用の特徴ベクトル、ｍはその数である。（αi *−αi）≠０となるｘiをサポートベクトルと呼ぶ。この式中のαi *、αiおよびｂを、以下の最適化問題を解くことにより得ることができる。
Figure 0004394930
数２式において、ｙiはｘiに対応する正解パラメータ値である。最適化は、例えば凸二次計画法（今野浩、山下立“非線形計画法”，日科技連出版社（１９７８））によって解くことができる、また、カーネル関数は数３式や数４式で示される多項式カーネルやガウシアンカーネル等がある。
Figure 0004394930
Figure 0004394930
ここで、パラメータ値が周期的である場合は、真のパラメータθに対し、ＣＯＳθ（以下、Ａと称する）及びｓｉｎθ（以下、Ｂと称する）を算出する関数を作成する。
図３及び図４は、パラメータ値が周期的である場合の装置構成及び処理手順を示したフローチャートである。
図３に示された中問パラメータ推定関数作成部１１２は、ＡおよびＢの推定関数を上記のサポートベクトル回帰により作成する（Ｓ１１）。次いで、パラメータ変換部１１３は、パラメータ変換式の決定を行い、Ａ及びＢに基づきθに変換する（Ｓ１２）。具体的には以下の変換法が考えられる。
（ａ）推定したＡからθ＝ｃｏｓ-1Ａの演算によってθを算出する。（可能性として２つの解があらわれるが、Ｂの正負符号によって唯一つの解に限定できる。以下の方法もほぼ同様に限定可能。）
（ｂ）推定したＢからθ＝ｓｉｎ-1Ｂの演算によってθを算出する。
（ｃ）推定したＡおよびＢから、θ＝（ｃｏｓ-1Ａ＋ｓｉｎ-1Ｂ）／２として求める。
（ｄ）推定したＡおよびＢから、θ＝ｔａｎ-1（Ｂ／Ａ）として求める。
ここでは、ＡおよびＢをｃｏｓθおよびｓｉｎθとしたが、θ＝０度とθ＝３６０度の間の不連続が連続化されるような他の関数を用いてもよい。
そして、パラメータ推定関数記憶部１０６は、パラメータ推定関数作成部１０４にて作成されたオブジェクトのパラメータ推定関数をメモリに記憶する（Ｓ０６）。尚、前述のようにパラメータが周期的である場合は、パラメータ変換式もメモリに記憶する。
次いで、パラメータ推定及び識別処理の手順について説明する。
対象画像データ入力部１０７は、デジタルカメラ等で撮像された識別及びパラメータ推定対象となるオブジェクト画像データを入力し、特徴抽出部１０８に伝送する（Ｓ０７）。
特徴抽出部１０８は、特徴抽出部１０２と同様、オブジェクトの特徴量を抽出し、部分空間射影部１０９へ伝送する（Ｓ０８）。
部分空間射影部１０９は、部分空間記憶部１０５によりメモリに記憶された複数種類オブジェクトの部分空間を読み出し、それぞれの部分空間に対象画像データの特徴ベクトルを射影する（Ｓ０９）。
パラメータ推定識別部１１０では、パラメータ推定関数記憶部１０６によりメモリに記憶された複数種類オブジェクトのパラメータ推定関数およびパラメータ変換式を読み出し、パラメータを推定する（Ｓ１０）。
パラメータは、先ず学習オブジェクト全てにおいて推定値を算出しておく。尚、パラメータが周期的である場合は、そのパラメータθの余弦関数値及び正弦関数値であるＡおよびＢを推定する。
図５及び図６は、パラメータ値が周期的である場合の推定識別部１１０の装置構成及び処理手順を示したフローチャートである。
先ず、識別変数計算部１１４は、前記推定したＡおよびＢから（Ａ2＋Ｂ2）の演算処理を行う（Ｓ１３）。
次いで、識別変数判定部１１５は、以下の条件（１）（２）に従い、オブジェクトを識別する（Ｓ１４）。
（１）１−δ≦Ａ2＋Ｂ2≦１＋δを満たす（δは適当な定数）。
（２）部分空間との距離が最も近いもの。
（１）の場合は周期的であるパラメータ全てにおいて行う。また、（２）の場合は前述した部分空間法による識別方法である。これにより、オブジェクトが一つに限定されるので、この結果を識別結果とし、さらに、そのオブジェクトのパラメータ推定関数より算出された値をパラメータ推定結果とする。
以上の処理により、推定されたパラメータ値および識別されたオブジェクト名を出力部１１１に伝送する。出力部１１１は、パラメータ推定識別部１１０で演算された識別結果を出力する。尚、どのパラメータも周期的でない場合は、（２）のみを使って識別を行う。
本発明のパラメータ推定方法は、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録した記録媒体を、システム若しくは装置に供給し、このシステム若しくは装置のＣＰＵ（ＭＰＵ）が記憶媒体に格納されたプログラムコードを読み出し実行することによっても、実現できる。その場合、記録媒体から読み出されたプログラムコード自体が上述した実施の形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体、例えばフレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＭＯ、ＨＤＤ等は本発明を構成するものである。
本発明の実施形態例に係るパラメータ推定装置の概略構成図。 学習処理の手順を示したフローチャート、及び、パラメータ推定、識別処理の手順を示したフローチャート。 パラメータ値が周期的である場合の装置構成を示した概略構成図。 パラメータ値が周期的である場合の演算処理手順を示したフローチャート。 パラメータ値が周期的である場合の推定識別部１１０の装置構成を示した概略構成図。 パラメータ値が周期的である場合の推定識別部１１０による処理手順を示したフローチャート。 様々なパラメータ値を有する画像群の一例。
符号の説明
１０１…学習画像データ入力部、１０２…特徴抽出部、１０３…部分空間生成部、１０４…パラメータ推定関数作成部、１０５…部分空間記憶部、１０６…パラメータ推定関数記憶部、１０７…対象画像データ入力部、１０８…特徴抽出部、１０９…部分空間射影部、１１０…パラメータ推定識別部、１１１…出力部
１１２…中間パラメータ推定関数作成部、１１３…パラメータ変換部
１１４…識別変数計算部、１１５…識別変数判定部

Claims (4)

  1. 対象画像データに含まれるオブジェクトの撮影角度を推定するパラメータ推定装置であって、
    学習画像データから当該学習画像データに含まれるオブジェクトの特徴量を抽出する第一特徴抽出手段と、
    前記抽出した特徴量に基づき前記学習画像データに含まれるオブジェクトの部分空間を作成する部分空間作成手段と、
    前記作成した部分空間を記憶する部分空間記憶手段と、
    前記学習画像データの正解パラメータ値と前記作成された部分空間における特徴量を用いてサポートベクトル回帰することにより、前記学習画像データに含まれるオブジェクトの撮影角度の正弦関数及び余弦関数を中間パラメータとして算出するためのパラメータ推定関数を作成するパラメータ推定関数作成手段と、
    前記中間パラメータの逆関数である正弦関数の逆関数、前記中間パラメータの逆関数である余弦関数の逆関数、前記中間パラメータから求まる正接関数の逆関数のいずれか１つ以上を用いて、前記中間パラメータを前記撮影角度に変換するパラメータ変換式を決定するパラメータ変換手段と、
    前記作成されたパラメータ推定関数と、前記決定されたパラメータ変換式とを記憶するパラメータ推定関数記憶手段と、
    前記対象画像データから特徴量を抽出する第二特徴抽出手段と、
    前記対象画像データから抽出された特徴量を前記部分空間記憶手段に記憶された複数種類の部分空間それぞれに射影する部分空間射影手段と、
    前記複数種類の部分空間のうち前記対象画像データから抽出された特徴量と最も距離の近い部分空間に対応する、前記パラメータ推定関数記憶手段に記憶されたパラメータ推定関数と前記パラメータ変換式とに基づき、前記対象画像データに含まれるオブジェクトの撮影角度の算出を行うパラメータ推定識別手段と
    を備えること
    を特徴とするパラメータ推定装置。
  2. 対象画像データに含まれるオブジェクトのパラメータとして前記対象画像データに含まれるオブジェクトの撮影角度を推定するパラメータ推定方法であって、
    第一特徴抽出手段が学習画像データから当該学習画像データに含まれるオブジェクトの特徴量を抽出するステップと、
    部分空間作成手段が前記抽出した特徴量に基づき前記学習画像データに含まれるオブジェクトの部分空間を作成するステップと、
    部分空間記憶手段が前記作成した部分空間を記憶するステップと、
    パラメータ推定関数作成手段が、前記学習画像データの正解パラメータ値と前記作成された部分空間における特徴量を用いてサポートベクトル回帰することにより、前記学習画像データに含まれるオブジェクトの撮影角度の正弦関数及び余弦関数を中間パラメータとして算出するためのパラメータ推定関数を作成するステップと、
    パラメータ変換手段が、前記中間パラメータの逆関数である正弦関数の逆関数、前記中間パラメータの逆関数である余弦関数の逆関数、前記中間パラメータから求まる正接関数の逆関数のいずれか１つ以上を用いて、前記中間パラメータを前記撮影角度に変換するパラメータ変換式を決定すると、
    パラメータ推定関数記憶手段が、前記作成されたパラメータ推定関数と、前記決定されたパラメータ変換式とを記憶するステップと、
    第二特徴抽出手段が前記対象画像データから特徴量を抽出するステップと、
    部分空間射影手段が前記対象画像データから抽出された特徴量を前記部分空間記憶手段に記憶された複数種類の部分空間それぞれに射影するステップと、
    パラメータ推定識別手段が、前記複数種類の部分空間のうち前記対象画像データから抽出された特徴量と最も距離の近い部分空間に対応する、前記パラメータ推定関数記憶手段に記憶されたパラメータ推定関数と前記パラメータ変換式とに基づき、前記対象画像データに含まれるオブジェクトの撮影角度の算出を行うステップと
    を有すること
    を特徴とするパラメータ推定方法。
  3. 請求項２に記載のパラメータ推定方法をコンピュータに実行させるためのパラメータ推定プログラム。
  4. 請求項３に記載のパラメータ推定プログラムを記録したコンピュータ読み取り可能な記録媒体。
JP2003383580A 2003-11-13 2003-11-13 パラメータ推定方法とその装置、プログラム及び記録媒体 Expired - Lifetime JP4394930B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2003383580A JP4394930B2 (ja) 2003-11-13 2003-11-13 パラメータ推定方法とその装置、プログラム及び記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2003383580A JP4394930B2 (ja) 2003-11-13 2003-11-13 パラメータ推定方法とその装置、プログラム及び記録媒体

Publications (2)

Publication Number Publication Date
JP2005148988A JP2005148988A (ja) 2005-06-09
JP4394930B2 true JP4394930B2 (ja) 2010-01-06

Family

ID=34692262

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003383580A Expired - Lifetime JP4394930B2 (ja) 2003-11-13 2003-11-13 パラメータ推定方法とその装置、プログラム及び記録媒体

Country Status (1)

Country Link
JP (1) JP4394930B2 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4742370B2 (ja) * 2007-02-01 2011-08-10 独立行政法人産業技術総合研究所 異常検出装置および異常検出方法
JP4740889B2 (ja) * 2007-03-06 2011-08-03 日本電信電話株式会社 パラメータ推定装置，パラメータ推定方法，その方法を実装したプログラム及びそのプログラムを記録した記録媒体

Also Published As

Publication number Publication date
JP2005148988A (ja) 2005-06-09

Similar Documents

Publication Publication Date Title
JP5451302B2 (ja) 画像処理装置及び方法、プログラム及び記憶媒体
US8103115B2 (en) Information processing apparatus, method, and program
JP5259456B2 (ja) 学習装置及び物体検出装置
US10216979B2 (en) Image processing apparatus, image processing method, and storage medium to detect parts of an object
JP4947769B2 (ja) 顔照合装置および方法並びにプログラム
AU2017201281B2 (en) Identifying matching images
JP5261501B2 (ja) 不変の視覚場面及び物体の認識
JP6071002B2 (ja) 信頼度取得装置、信頼度取得方法および信頼度取得プログラム
US20180122097A1 (en) Apparatus, method, and non-transitory computer-readable storage medium for storing program for position and orientation estimation
JP2008102611A (ja) 画像処理装置
JP5776694B2 (ja) 物体識別向けの学習装置、学習システム、学習方法、及び学習プログラム
JP4394930B2 (ja) パラメータ推定方法とその装置、プログラム及び記録媒体
JP4383990B2 (ja) パラメータ推定装置、パラメータ推定方法、パラメータ推定プログラム、および、パラメータ推定プログラムの記録媒体
US20230281762A1 (en) Fingerphoto deblurring using deep learning gan architectures
JP6126979B2 (ja) 特徴選択装置、方法、及びプログラム
JP2017084006A (ja) 画像処理装置およびその方法
JP4740889B2 (ja) パラメータ推定装置，パラメータ推定方法，その方法を実装したプログラム及びそのプログラムを記録した記録媒体
JP2019211914A (ja) 物体らしさ推定装置、方法、およびプログラム
JP2005149302A (ja) 顔画像認識装置及び顔画像認識プログラム
JP4231375B2 (ja) パターン認識装置、パターン認識方法、パターン認識プログラムおよびパターン認識プログラムを記録した記録媒体。
JP4866891B2 (ja) 顔検出装置、顔検出方法および顔検出プログラム
JP2010055325A (ja) パターン認識装置及びパターン認識方法
JP6946959B2 (ja) 同一性判定装置、局所特徴抽出装置、方法、及びプログラム
Guðmundsson et al. Robust pose estimation using the Swissranger SR-3000 camera
JP6668228B2 (ja) 被写体識別装置、方法、及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060410

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20090306

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090331

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090601

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20090612

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090714

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090914

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: 20091013

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: 20091016

R150 Certificate of patent or registration of utility model

Ref document number: 4394930

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: 20121023

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121023

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131023

Year of fee payment: 4

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

EXPY Cancellation because of completion of term