JP5929896B2 - 画像認識システム、画像認識方法および画像認識用プログラム - Google Patents
画像認識システム、画像認識方法および画像認識用プログラム Download PDFInfo
- Publication number
- JP5929896B2 JP5929896B2 JP2013504406A JP2013504406A JP5929896B2 JP 5929896 B2 JP5929896 B2 JP 5929896B2 JP 2013504406 A JP2013504406 A JP 2013504406A JP 2013504406 A JP2013504406 A JP 2013504406A JP 5929896 B2 JP5929896 B2 JP 5929896B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- region
- learning
- partial area
- voting
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Description
すなわち、記憶装置1000は、認識対象物体に関する画像群及び認識対象物体以外の物体の画像群で構成される学習画像を格納する。特徴点検出部1001は、学習画像のそれぞれの画像から多数の特徴点を検出する。特徴量計算部1002は、特徴点とその周辺画像領域に関する特徴量として特徴ベクトルを計算する。投票学習部1003は、学習画像の認識対象物体に関する画像から計算された特徴ベクトルに対応する特徴点に関して、投票空間であるパラメータ空間内での投票位置情報を算出して記憶する。識別器学習部1004は、認識対象物体の認識の際に検出された任意の特徴点が認識対象物体に属するか否かを識別するための識別器を、特徴ベクトルを用いて学習する。
部分領域決定手段50は、認識対象物を含む学習用画像において、複数の学習部分領域を決定する。部分領域集合生成手段51は、部分領域決定手段50が決定した学習部分領域に基づいて、学習部分領域と、学習部分領域を基準として所定の範囲内に含まれる複数の周辺領域とを含む学習部分領域集合を生成する。学習手段52は、部分領域集合生成手段51が生成した学習部分領域集合に含まれる複数の領域から、識別対象物であると判定するのに適している画像を含む領域を選択する。そして、学習手段52は、選択した領域に関する特徴量に基づいて領域に含まれる画像が識別対象物である尤度をより高く判定するように、識別器を学習する。
画像データベース110は、識別器パラメータ・部分領域位置学習機能104の学習に必要な認識対象物を含む画像を格納する。ここで、画像データベース110は必要に応じて、さらに認識対象物を含まない画像を格納してもよい。画像データベース110に格納される画像は、後述する部分領域識別器を学習するための学習用画像となる。画像データベース110は、例えば、コンピュータ100が有するメモリ、ハードディスクドライブ又は光ディスクドライブ等の記憶手段であってもよく、画像を格納する記憶装置を有し、コンピュータ100と任意の通信手段によって画像を送受信可能なコンピュータであってもよい。
まず、画像分割機能101は、画像データベース110内の各画像を、複数の部分領域に分割する(S1)。次に、コンピュータ100は、全ての部分領域の内に、未処理の部分領域が存在するか否かを判定する(S2)。コンピュータ100は、未処理の部分領域が存在すればステップS3へとすすむ(S2:YES)。この場合、画像データベース110内の各画像間で同じ位置に位置する部分領域のそれぞれを、処理対象の部分領域として選択する。なお、ここで選択される部分領域は、未処理の部分領域のうち、いずれかの部分領域となる。コンピュータ100は、未処理の部分領域が存在しなければステップS10へとすすむ(S2:NO)。
まず、コンピュータ120は、撮像された原画像が画像入力装置130により入力される(S12)。次に、コンピュータ120は、原画像内の部分領域の内、未処理の部分領域が存在するか否かを判定する(S13)。コンピュータ120は、未処理の部分領域が存在すればステップS14へとすすむ(S13:YES)。コンピュータ120は、未処理の部分領域が存在しなければステップS17へとすすむ(S13:NO)。
本実施の形態では、直接部分領域を識別しているため、特徴点の検出を行なう必要がなく、特徴点の検出が困難な曲線を含む対象物にも適用可能である。さらに、本実施の形態では、ある部分領域について部分領域識別器の学習を行うに際して、その部分領域と、その部分領域を基準として所定の範囲内に含まれる複数の周辺領域とを含む部分領域集合を生成するようにしている。そして、部分領域集合に含まれる複数の領域のうち、識別対象物であると判定するのに適している画像を含む領域に基づいて、部分領域識別器を学習するようにしている。すなわち、学習用画像において、部分領域のみでなく、その周辺の領域も学習対象としている。そのため、部分領域識別器をより適切な領域によって学習することができ、部分領域識別器の性能を向上することができる。そのため、より頑健な認識を行うことができるようになる。
本実施例は、図8に示すように輝度画像600を原画像とするものであり、原画像から例えば人物601の認識を行うものである。
画像データベース710は、識別器パラメータ・部分領域位置学習機能704の学習に必要な、認識対象物の画像と認識対象物を含まない画像とを学習用画像として格納する。画像分割機能701は、画像データベース710内の各画像中の認識対象物を、例えば図10に示すように横5×縦10のそれぞれが矩形状の複数の部分領域801に分割する。なお、分割数は、ここで例示した値に限られない。また、このように、学習用画像のうち、認識対象物を含む所定の範囲を学習対象としてもよく、認識対象物のみを含む範囲又は学習用画像全体を学習対象としてもよい。好ましくは、認識対象物を含む所定の範囲又は認識対象物のみを含む範囲を学習対象とすることで、識別対象物を含まない領域によって学習が行われる確率を低減することができるため、より部分領域識別器の性能を向上する学習を行うことができる。また、学習用画像として、認識対象物のみを含む画像を用意してもよい。
まず、画像分割機能701は、画像データベース710内の各画像を、例えば図10に示すように横5×縦10の複数の部分領域に分割する(S21)。次に、コンピュータ700は、全ての部分領域の内に、未処理の部分領域が存在するか否かを判定する(S22)。コンピュータ700は、未処理の部分領域が存在すればステップS23へすすむ(S22:YES)。コンピュータ700は、未処理の部分領域が存在しなければステップS30へとすすむ(S22:NO)。
まず、コンピュータ720は、撮像された原画像が画像入力装置730により入力される(S32)。次に、コンピュータ720は、原画像内の部分領域の内に、未処理の部分領域が存在するか否かを判定する(S33)。ここで、原画像内の部分領域は、横幅を原画像横幅の1/10から1/4までの範囲で1ピクセル単位で異なる長さのいずれかとし、縦長は横幅の4倍の長さとし、位置を原画像内に収まる位置のいずれかとした場合にとり得る矩形状の領域の全て又はいずれか複数とする。コンピュータ720は、未処理の部分領域が存在すればステップS34へとすすむ(S33:YES)。コンピュータ720は、未処理の部分領域が存在しなければステップS37へとすすむ(ステップS33:NO)。部分領域画像識別機能721は、部分領域を、例えば非特許文献2に述べられているカスケード型識別器(いわゆるViola-Jonesの識別器)により部分領域クラスへと識別する(S34)。
記憶手段81は、上述した本実施の形態における処理を実行するプログラム、部分領域識別器として機能する識別関数を示すデータ、学習動作又は認識動作において生成・計算される各種データが格納される。記憶手段81は、例えば、メモリ、ハードディスクドライブ又は光ディスクドライブ等である。
50 部分領域決定手段
51 部分領域集合生成手段
52 学習手段
80 プロセッサ
81 記憶手段
82 通信手段
83 入力手段
84 外部記憶手段
100, 120, 700, 720 コンピュータ
101, 701 画像分割機能
102, 702 部分領域集合生成機能
103, 703 特徴ベクトル生成機能
104, 704 識別器パラメータ・部分領域位置学習機能
105, 705 部分領域投票パターン生成機能
106, 706 部分領域重み計算機能
107, 707 認識パラメータ出力機能
108, 708 特徴値ベクトル計算機能
110, 710 画像データベース
121, 721 部分領域画像識別機能
122, 722 部分領域投票機能
123, 723 投票ピーク検出機能
124, 724 対象物認識機能
125, 725 認識結果出力機能
130 画像入力装置
200 部分領域集合
201 部分領域集合200の内で最も識別対象らしい領域
300 認識対象
301 認識基準点
302, 401, 801 部分領域
303 相対位置
304, 402 投票パターン
305 相対位置に対応する投票パターン上の点
306 相対位置の分布
400 投票空間
403 投票値
500 原画像
601 人物
800 学習用画像
1000 学習画像
1001 特徴点検出部
1002 特徴量計算部
1003 投票学習部
1004 識別器学習部
Claims (9)
- 識別対象物を有する認識対象物を含む入力画像のうち、任意の領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物である尤度を判定する識別器の判定結果に基づいて、前記入力画像に含まれる認識対象物を認識する画像認識手段と、
前記認識対象物を含む学習用画像において、複数の学習部分領域を決定する部分領域決定手段と、
前記学習部分領域に基づいて、当該学習部分領域と、当該学習部分領域を基準として所定の範囲内に含まれる複数の周辺領域とを含む学習部分領域集合を生成する部分領域集合生成手段と、
前記学習部分領域について前記識別器の学習を行う場合に、当該学習部分領域から生成された学習部分領域集合に含まれる複数の領域から、前記識別対象物であると判定するのに適している画像を含む領域を選択して、選択した領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物である尤度をより高く判定するように、前記識別器を学習するとともに、
前記識別器が前記領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物であると判定する尤度が、第1の所定の尤度以上となるように学習された場合、当該領域からの当該識別対象物を有する認識対象物に対して予め設定された基準点の相対位置を算出する学習手段と、
前記学習手段によって算出された相対位置の分布を示す投票パターンを生成する投票パターン生成手段と、を備え、
前記画像認識手段は、
前記入力画像において複数の入力部分領域を決定して、当該入力部分領域に関する特徴量に基づいて当該入力部分領域に含まれる画像が前記識別対象物である尤度を前記識別器によって判定する識別手段と、
前記入力部分領域に含まれる画像が前記識別対象物である尤度が第2の所定の尤度以上である場合に、当該入力部分領域の位置を基準として、前記投票パターンを所定の投票空間に対して投票する投票手段と、
前記投票空間に対する投票結果に基づいて、前記認識対象物を認識する対象物認識手段と、を有する、
画像認識システム。 - 前記第1の所定の尤度以上の尤度とは、前記学習部分領域集合に含まれる複数の領域のそれぞれについて判定された尤度うち、最も高い尤度である、
請求項1に記載の画像認識システム。 - 前記識別器は、前記領域に含まれる画像が前記識別対象物であるか否かを判定し、
前記学習手段は、前記選択した領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物であると判定するように前記識別器を学習するとともに、当該識別器が前記領域に含まれる画像が前記識別対象物であると判定するように学習された場合、当該領域からの前記基準点の相対位置を算出し、
前記識別手段は、前記入力部分領域に含まれる画像が前記識別対象物であるか否かを前記識別器によって判定し、
前記投票手段は、前記入力部分領域に含まれる画像が前記識別対象物であると判定された場合に、前記投票を行う、
請求項1に記載の画像認識システム。 - 前記認識対象物は、前記識別対象物を複数有し、
前記投票パターン生成手段は、前記投票パターンを、前記複数の識別対象物のそれぞれに対応し、かつ対応する識別対象物についての相対位置の分布を示すように複数生成し、
前記投票手段は、前記入力部分領域に含まれる画像が前記識別対象物である尤度が、前記第2の所定の尤度以上である場合に、当該識別対象物に対応する投票パターンを投票する、
請求項1乃至3のいずれか1項に記載の画像認識システム。 - 前記画像認識システムは、前記複数の識別対象物のそれぞれについて、当該識別対象物に対応する投票パターンの重みを、所定の算出基準に基づいて算出する重み算出手段を更に備え、
前記投票手段は、前記投票パターンに、当該投票パターンに対応する重みをつけて投票する、
請求項4に記載の画像認識システム。 - 前記画像認識システムは、前記識別器を1つ有し、
前記1つの識別器は、前記領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物である尤度を、前記複数の識別対象物のそれぞれについて判定する、
請求項4又は5に記載の画像認識システム。 - 前記複数の入力部分領域は、それぞれが異なる識別対象物の画像を含む第1の入力部分領域と第2の入力部分領域とを含み、
前記識別器は、前記第1の入力部分領域と前記第2の入力部分領域との類似度が、所定の類似度以上となる場合、前記第1の入力部分領域及び前記第2の入力部分領域のいずれも、前記第1の入力部分領域及び前記第2の入力部分領域のいずれか一方に含まれる画像の識別対象物であると判定する、
請求項3に従属する請求項4に記載の画像認識システム。 - 識別対象物を有する認識対象物を含む学習用画像において、複数の学習部分領域を決定し、
前記学習部分領域に基づいて、当該学習部分領域と、当該学習部分領域を基準として所定の範囲内に含まれる複数の周辺領域とを含む学習部分領域集合を生成し、
前記学習部分領域について、前記認識対象物を含む入力画像のうち、任意の領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物である尤度を判定する識別器の学習を行う場合に、当該学習部分領域から生成された学習部分領域集合に含まれる複数の領域から、前記識別対象物であると判定するのに適している画像を含む領域を選択して、選択した領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物である尤度をより高く判定するように、前記識別器を学習し、
前記識別器が前記領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物であると判定する尤度が、第1の所定の尤度以上となるように学習された場合、当該領域からの当該識別対象物を有する認識対象物に対して予め設定された基準点の相対位置を算出し、
前記算出された相対位置の分布を示す投票パターンを生成し、
前記入力画像において複数の入力部分領域を決定して、当該入力部分領域に関する特徴量に基づいて当該入力部分領域に含まれる画像が前記識別対象物である尤度を前記識別器によって判定し、
前記入力部分領域に含まれる画像が前記識別対象物である尤度が第2の所定の尤度以上である場合に、当該入力部分領域の位置を基準として、前記投票パターンを所定の投票空間に対して投票し、
前記投票空間に対する投票結果に基づいて、前記入力画像に含まれる認識対象物を認識する、
画像認識方法。 - 識別対象物を有する認識対象物を含む学習用画像において、複数の学習部分領域を決定する処理と、
前記学習部分領域に基づいて、当該学習部分領域と、当該学習部分領域を基準として所定の範囲内に含まれる複数の周辺領域とを含む学習部分領域集合を生成する処理と、
前記学習部分領域について、前記認識対象物を含む入力画像のうち、任意の領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物である尤度を判定する識別器の学習を行う場合に、当該学習部分領域から生成された学習部分領域集合に含まれる複数の領域から、前記識別対象物であると判定するのに適している画像を含む領域を選択して、選択した領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物である尤度をより高く判定するように、前記識別器を学習する処理と、
前記識別器が前記領域に関する特徴量に基づいて当該領域に含まれる画像が前記識別対象物であると判定する尤度が、第1の所定の尤度以上となるように学習された場合、当該領域からの当該識別対象物を有する認識対象物に対して予め設定された基準点の相対位置を算出する処理と、
前記算出された相対位置の分布を示す投票パターンを生成する処理と、
前記入力画像において複数の入力部分領域を決定して、当該入力部分領域に関する特徴量に基づいて当該入力部分領域に含まれる画像が前記識別対象物である尤度を前記識別器によって判定する処理と、
前記入力部分領域に含まれる画像が前記識別対象物である尤度が第2の所定の尤度以上である場合に、当該入力部分領域の位置を基準として、前記投票パターンを所定の投票空間に対して投票する処理と、
前記投票空間に対する投票結果に基づいて、前記入力画像に含まれる認識対象物を認識する処理と、
をコンピュータに実行させる画像認識プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011059356 | 2011-03-17 | ||
JP2011059356 | 2011-03-17 | ||
PCT/JP2011/006377 WO2012124000A1 (ja) | 2011-03-17 | 2011-11-16 | 画像認識システム、画像認識方法および画像認識用プログラムが格納された非一時的なコンピュータ可読媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2012124000A1 JPWO2012124000A1 (ja) | 2014-07-17 |
JP5929896B2 true JP5929896B2 (ja) | 2016-06-08 |
Family
ID=46830138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013504406A Active JP5929896B2 (ja) | 2011-03-17 | 2011-11-16 | 画像認識システム、画像認識方法および画像認識用プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US9600745B2 (ja) |
JP (1) | JP5929896B2 (ja) |
WO (1) | WO2012124000A1 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014106685A (ja) * | 2012-11-27 | 2014-06-09 | Osaka Univ | 車両周辺監視装置 |
JP6128910B2 (ja) * | 2013-03-21 | 2017-05-17 | キヤノン株式会社 | 学習装置、学習方法及びプログラム |
JP6149710B2 (ja) * | 2013-11-27 | 2017-06-21 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
US10474949B2 (en) | 2014-08-19 | 2019-11-12 | Qualcomm Incorporated | Knowledge-graph biased classification for data |
JP6440303B2 (ja) * | 2014-12-02 | 2018-12-19 | エヌ・ティ・ティ・コムウェア株式会社 | 対象認識装置、対象認識方法、およびプログラム |
EP3136289A1 (en) * | 2015-08-28 | 2017-03-01 | Thomson Licensing | Method and device for classifying an object of an image and corresponding computer program product and computer-readable medium |
US10460470B2 (en) * | 2017-07-06 | 2019-10-29 | Futurewei Technologies, Inc. | Recognition and reconstruction of objects with partial appearance |
US10460210B1 (en) * | 2019-01-22 | 2019-10-29 | StradVision, Inc. | Method and device of neural network operations using a grid generator for converting modes according to classes of areas to satisfy level 4 of autonomous vehicles |
US10311336B1 (en) * | 2019-01-22 | 2019-06-04 | StradVision, Inc. | Method and device of neural network operations using a grid generator for converting modes according to classes of areas to satisfy level 4 of autonomous vehicles |
US10339424B1 (en) * | 2019-01-22 | 2019-07-02 | StradVision, Inc. | Method and device of neural network operations using a grid generator for converting modes according to classes of areas to satisfy level 4 of autonomous vehicles |
US11650164B2 (en) * | 2019-05-15 | 2023-05-16 | Getac Technology Corporation | Artificial neural network-based method for selecting surface type of object |
KR102250077B1 (ko) * | 2019-07-23 | 2021-05-10 | 파킹클라우드 주식회사 | 차량번호판 인식률을 모니터링 하는 방법, 장치 및 컴퓨터 판독가능 저장 매체 |
CN112686831A (zh) * | 2019-10-17 | 2021-04-20 | 神讯电脑(昆山)有限公司 | 基于人工神经网络的物件表面型态的检测方法 |
US11468294B2 (en) | 2020-02-21 | 2022-10-11 | Adobe Inc. | Projecting images to a generative model based on gradient-free latent vector determination |
JP7297705B2 (ja) * | 2020-03-18 | 2023-06-26 | 株式会社東芝 | 処理装置、処理方法、学習装置およびプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11306354A (ja) * | 1998-04-21 | 1999-11-05 | Matsushita Electric Ind Co Ltd | 画像認識方法及び画像認識装置 |
JP2002032751A (ja) * | 2000-07-18 | 2002-01-31 | Olympus Optical Co Ltd | 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体 |
JP2006293528A (ja) * | 2005-04-07 | 2006-10-26 | Sharp Corp | 学習用画像選択方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびに記録媒体 |
JP2007310805A (ja) * | 2006-05-22 | 2007-11-29 | Matsushita Electric Ind Co Ltd | 物体認識装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6421463B1 (en) * | 1998-04-01 | 2002-07-16 | Massachusetts Institute Of Technology | Trainable system to search for objects in images |
US6647139B1 (en) * | 1999-02-18 | 2003-11-11 | Matsushita Electric Industrial Co., Ltd. | Method of object recognition, apparatus of the same and recording medium therefor |
JP4161659B2 (ja) * | 2002-02-27 | 2008-10-08 | 日本電気株式会社 | 画像認識システム及びその認識方法並びにプログラム |
JP4767595B2 (ja) * | 2005-06-15 | 2011-09-07 | パナソニック株式会社 | 対象物検出装置及びその学習装置 |
JP4414401B2 (ja) * | 2006-02-10 | 2010-02-10 | 富士フイルム株式会社 | 顔特徴点検出方法および装置並びにプログラム |
JP2008217589A (ja) | 2007-03-06 | 2008-09-18 | Toshiba Corp | 学習装置及びパターン認識装置 |
WO2008133237A1 (ja) * | 2007-04-23 | 2008-11-06 | Sharp Kabushiki Kaisha | 撮像装置、その制御プログラムを記録したコンピュータ読取り可能な記録媒体、ならびに制御方法 |
JP5016541B2 (ja) * | 2008-04-01 | 2012-09-05 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
US20100014755A1 (en) * | 2008-07-21 | 2010-01-21 | Charles Lee Wilson | System and method for grid-based image segmentation and matching |
JP5259456B2 (ja) | 2009-03-02 | 2013-08-07 | 株式会社東芝 | 学習装置及び物体検出装置 |
JP5385759B2 (ja) * | 2009-10-30 | 2014-01-08 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
-
2011
- 2011-11-16 JP JP2013504406A patent/JP5929896B2/ja active Active
- 2011-11-16 US US14/005,228 patent/US9600745B2/en active Active
- 2011-11-16 WO PCT/JP2011/006377 patent/WO2012124000A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11306354A (ja) * | 1998-04-21 | 1999-11-05 | Matsushita Electric Ind Co Ltd | 画像認識方法及び画像認識装置 |
JP2002032751A (ja) * | 2000-07-18 | 2002-01-31 | Olympus Optical Co Ltd | 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体 |
JP2006293528A (ja) * | 2005-04-07 | 2006-10-26 | Sharp Corp | 学習用画像選択方法および装置、画像処理アルゴリズム生成方法および装置、プログラムならびに記録媒体 |
JP2007310805A (ja) * | 2006-05-22 | 2007-11-29 | Matsushita Electric Ind Co Ltd | 物体認識装置 |
Non-Patent Citations (1)
Title |
---|
JPN6015039680; Anuj Mohan et al.: 'Example-Based Object Detection in Images by Components' IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE VOL. 23, NO. 4, 200104, Pages 349-361, IEEE * |
Also Published As
Publication number | Publication date |
---|---|
JPWO2012124000A1 (ja) | 2014-07-17 |
US9600745B2 (en) | 2017-03-21 |
US20140010410A1 (en) | 2014-01-09 |
WO2012124000A1 (ja) | 2012-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5929896B2 (ja) | 画像認識システム、画像認識方法および画像認識用プログラム | |
Mita et al. | Joint haar-like features for face detection | |
Sikka et al. | Multiple kernel learning for emotion recognition in the wild | |
US10002290B2 (en) | Learning device and learning method for object detection | |
US9208375B2 (en) | Face recognition mechanism | |
Zhou et al. | Histograms of categorized shapes for 3D ear detection | |
US20120288166A1 (en) | Association and prediction in facial recognition | |
GB2516037A (en) | Compact and robust signature for large scale visual search, retrieval and classification | |
US9443137B2 (en) | Apparatus and method for detecting body parts | |
KR102286571B1 (ko) | 영상에서 다수의 객체를 인식하는 방법 | |
JP2012073684A (ja) | 画像認識方法及び装置並びにプログラム | |
Tofighi et al. | Face detection and recognition using skin color and AdaBoost algorithm combined with Gabor features and SVM classifier | |
Chen et al. | Object detection using color entropies and a fuzzy classifier | |
HN et al. | Human Facial Expression Recognition from static images using shape and appearance feature | |
Iqbal et al. | Positional Ternary Pattern (PTP): An edge based image descriptor for human age recognition | |
JP2014182754A (ja) | 学習装置、学習方法及びプログラム | |
US9697441B2 (en) | Feature selection method and apparatus, and pattern discrimination method and apparatus | |
Juang et al. | Stereo-camera-based object detection using fuzzy color histograms and a fuzzy classifier with depth and shape estimations | |
Sun et al. | Multiple-kernel, multiple-instance similarity features for efficient visual object detection | |
Bardeh et al. | New approach for human detection in images using histograms of oriented gradients | |
KR101521136B1 (ko) | 얼굴 인식 방법 및 얼굴 인식 장치 | |
Pereira et al. | Integral local binary patterns: A novel approach suitable for texture-based object detection tasks | |
WO2017179728A1 (ja) | 画像認識装置、画像認識方法および画像認識プログラム | |
CN111553195B (zh) | 基于多位图切平面与多尺度uLBP的三维人脸遮挡判别方法 | |
JP5625196B2 (ja) | 特徴点検出装置、特徴点検出方法、特徴点検出プログラム及び記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141009 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151119 |
|
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: 20160405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160418 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5929896 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |