JP6422955B2 - コンピュータビジョンアプリケーション処理 - Google Patents

Description

優先権の主張

[0001]本出願は、２０１３年６月１４日に出願された「IMAGE-STATISTIC PROCESSING TO REDUCE COMPUTER VISION POWER USAGE」と題する米国仮特許出願第６１／８３５，４００号、２０１３年８月２９日に出願された「SYSTEM AND METHOD TO IDENTIFY A CONTEXT OF AN IMAGE」と題する米国仮特許出願第６１／８７１，６７８号、および２０１４年６月１２日に出願された「COMPUTER VISION APPLICATION PROCESSING」と題する米国非仮特許出願第１４／３０３，４９０号による優先権を主張し、それらの内容が全体として参照により組み込まれる。

[0002]本開示は一般に、コンピュータビジョンアプリケーション処理に関する。

[0003]技術の進歩は、より小型でより強力なコンピューティングデバイスをもたらした。たとえば、現在、小型で、軽量で、ユーザによって容易に持ち運ばれるポータブルワイヤレス電話、携帯情報端末（ＰＤＡ）、およびページングデバイスなどのワイヤレスコンピューティングデバイスを含む様々なポータブルパーソナルコンピューティングデバイスが存在する。より詳細には、携帯電話およびインターネットプロトコル（ＩＰ）電話などのポータブルワイヤレス電話は、ワイヤレスネットワークを介して音声とデータパケットとを通信することができる。さらに、多くのそのようなワイヤレス電話は、内蔵されている他のタイプのデバイスを含む。たとえば、ワイヤレス電話は、デジタルスチルカメラと、デジタルビデオカメラと、デジタルレコーダと、オーディオファイルプレーヤとを含むこともできる。また、そのようなワイヤレス電話は、インターネットにアクセスするために使用され得るウェブブラウザアプリケーションなどのソフトウェアアプリケーションを含む実行可能命令を処理することができる。そのため、これらのワイヤレス電話は、かなりのコンピューティング能力を含むことができる。

[0004]ワイヤレス電子デバイス（たとえば、ワイヤレス電話）は、所与のデータサンプリング周波数で画像をキャプチャする画像センサーを有することができる。画像センサーは、内部トリガまたは外部トリガに応答して画像をキャプチャすることができる。外部トリガの一例は、通信デバイスへのユーザの近接性である。例示すると、ワイヤレス電子デバイスは、ユーザに関連する音を検出したことに応答して画像センサーをトリガすることができる。内部トリガの一例は、ワイヤレス電子デバイスのリソースの利用可能性である。例示すると、ワイヤレス電子デバイスは、しきい値量よりも多くのバッテリー電力が利用可能であると決定したことに応答して、画像センサーをトリガすることができる。

[0005]さらに、ワイヤレス電子デバイスは、様々なコンピュータビジョンアプリケーションを実行するためにコンピュータビジョン技法を利用することができる。たとえば、コンピュータビジョン技法は、セキュリティアプリケーション（たとえば、監視、侵入検出、オブジェクト検出、顔認識など）、環境使用アプリケーション（environmental-use application）（たとえば、照明制御）、オブジェクト検出および追跡アプリケーションなどに使用され得る。コンピュータビジョン技法は、エッジ検出、光学式文字認識（ＯＣＲ）、顔検出などにも使用され得る。

[0006]コンピュータビジョンアプリケーションは、大量の電力を消費し得る。たとえば、コンピュータビジョンアプリケーションは、警告事象が存在するかどうかを決定するために、ビデオストリームにおける各フレームにアプリケーション特有処理（application-specific processing）を適用することができる。例示すると、視野の中にオブジェクト（たとえば、警告事象）があるかどうかを検出するようにコンピュータビジョンアプリケーションが設計されている場合、各フレームは、フレーム中にオブジェクトがあるかどうかを決定するためにアプリケーション特有処理を受けることがある。各フレームに対してアプリケーション特有処理を実行することで、大量の電力を消費し得る。

[0007]コンピュータビジョンアプリケーションによっては、ワイヤレス電子デバイスは、画像またはフレームの視覚記述子を計算することができる。視覚記述子は、ライフロギング（life-logging）、ジェスチャー識別／認識、屋内−屋外推論などに使用され得る。すべての画像またはフレームの視覚記述子を計算することはリソース集約的であり得、ワイヤレス電子デバイスは限られたリソースを有し得る。その上、カメラによってキャプチャされた多くの画像は、価値がほとんど、またはまったくないことがある。たとえば、カメラによって周期的にキャプチャされた画像は、同一またはほぼ同一であり得る。

[0008]コンピュータビジョンアプリケーションの電力使用量を低減するための方法およびシステムが開示される。ビデオストリーム（たとえば、時間系列の静止画像のセット）がカメラを介してキャプチャされることがあり、ビデオストリームの個別フレームが処理（たとえば、統計処理）を受けることがある。たとえば、統計生成器が、ビデオストリームの各フレームについての画像統計を決定することができる。画像統計は、各フレームについての強度ヒストグラム、各フレームについての色ヒストグラム、各フレームにおける特定のピクセル（たとえば、ピクセルの特定の行またはピクセルの特定の列）についてのピクセル値の合計、またはそれらの組合せを含むことができる。変化検出回路が、第１のフレームの第１の画像統計と第２のフレームの第２の画像統計との間の差がしきい値を満たすかどうかを決定することができる。差がしきい値を満たさない場合、電力を節約するために、第２のフレームに対するコンピュータビジョンアプリケーション特有処理が省略または回避され得る。差がしきい値を満たす場合、変化検出回路は、「高電力」処理経路をアクティブ化する（たとえば、起動する）ために選択回路にフィードバック信号を提供することができる。たとえば、高電力処理経路は、第２のフレームに対するコンピュータビジョンアプリケーション特有処理を実行するためのアプリケーションプロセッサ（たとえば、コンピュータビジョンアプリケーションを実行するために使用されるプロセッサ）を含むことができる。いくつかの例では、異なる処理経路またはその一部分が、異なる条件に基づいて異なる時間に有効にされ得る。

[0009]コンピュータビジョンアプリケーション特有処理の非限定的な例として、アプリケーションプロセッサは、特徴（視覚記述子）または特徴のセットを、一度にすべての代わりに必要に応じて抽出することができる。たとえば、アプリケーションプロセッサは、第２のフレームのコンテキスト（たとえば、ロケーション）を識別するために第２のフレームの特徴（たとえば、視覚記述子）の第１のサブセットを抽出することができる。たとえば、アプリケーションプロセッサは、第２のフレームに関係するエッジ情報を抽出することができる。アプリケーションプロセッサは、特徴の第１のサブセットに関連する信頼性レベルがしきい値信頼性レベルを満たさないと決定し得る。決定に基づいて、アプリケーションプロセッサは、第２のフレームのより多くの特徴（たとえば、特徴の第２のサブセット）を抽出することができる。たとえば、アプリケーションプロセッサは、第２のフレームのより高い解像度のコピーからエッジ情報を抽出することができる。別の例として、アプリケーションプロセッサは、第２のフレームの色情報を抽出することができる。アプリケーションプロセッサは、第２のフレームの追加の抽出された特徴に関連する信頼性レベルがしきい値信頼性レベルを満たすと決定することがあり、フレームのコンテキストを決定するために追加の抽出された特徴を使用することがある。

[0010]アプリケーションプロセッサは、第２のフレームに対するコンピュータビジョンアプリケーション特有処理を実行するための処理リソース（たとえば、処理コア）の階層を有し得る。たとえば、第１の処理リソース（たとえば、「低電力」処理リソース）は、第２のフレームに対する第１のコンピュータビジョンアプリケーション特有処理を実行することができる。第２のフレームが第１の処理リソースの能力外の追加のコンピュータビジョンアプリケーション特有処理（たとえば、第２のコンピュータビジョンアプリケーション特有処理）を必要とすると第１の処理リソースが決定した場合、第１の処理リソースは、第２の処理リソース（たとえば、「高電力」処理リソース）が第２のフレームに対する第２のコンピュータビジョンアプリケーション特有処理を実行する（たとえば、第２の処理リソースを起動する）ことを要求し得る。いくつかの実施形態では、第１の処理リソースが電力を節約するために非アクティブ化され得る（たとえば、「スリープ」状態に入り得る）ように、第２の処理リソースは第２のフレームに対する第１および第２のコンピュータビジョンアプリケーション特有処理を実行することができる。他の実施形態では、第２の処理リソースは、第２のフレームに対する第２のコンピュータビジョンアプリケーション特有処理を実行することを「拒否」し、第２のコンピュータビジョンアプリケーション特有処理を実行するように第１の処理リソースに通知／第１の処理リソースをプログラムし、電力を節約するためにスリープ状態に入ることができる。

[0011]特定の実施形態では、一方法は、変化検出回路において、センサーによってキャプチャされた第１のセンサーデータとセンサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成することを含み、変化検出回路が第１の処理経路に含まれる。本方法はまた、制御信号に基づいてコンピュータビジョンアプリケーション特有処理のために第２の処理経路に第２のセンサーデータを提供することを含む。

[0012]別の特定の実施形態では、一装置は、センサーによってキャプチャされた第１のセンサーデータとセンサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成するように構成された変化検出回路を含み、変化検出回路が第１の処理経路に含まれる。本装置はまた、制御信号に基づいて第２のセンサーデータに対するコンピュータビジョンアプリケーション特有処理を実行するように構成された第２の処理経路を含む。

[0013]別の特定の実施形態では、一装置は、センサーによってキャプチャされた第１のセンサーデータとセンサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成するための手段を含み、制御信号を生成するための手段が第１の処理経路に含まれる。本装置はまた、制御信号に基づいて第２のセンサーデータに対するコンピュータビジョンアプリケーション特有処理を実行するための手段を含み、コンピュータビジョンアプリケーション特有処理を実行するための手段が第２の処理経路に含まれる。

[0014]別の特定の実施形態では、一非一時的コンピュータ可読媒体は、処理ユニットによって実行されたときに、変化検出回路において、センサーによってキャプチャされた第１のセンサーデータとセンサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成することを処理ユニットに行わせる命令を含み、変化検出回路が第１の処理経路に含まれる。命令はまた、制御信号に基づいてコンピュータビジョンアプリケーション特有処理のために第２の処理経路に第２のセンサーデータを提供することを処理ユニットに行わせるように実行可能である。

[0015]別の特定の実施形態では、一方法は、モバイルデバイスにおいて、画像センサーから知覚データを受信することを含み、知覚データが画像に関係する。本方法はまた、知覚データから画像の特徴の第１のサブセットを抽出することと、特徴の第１のサブセットが分析基準を満たすことに基づいて、知覚データから画像の特徴の第２のサブセットを抽出することとを含む。本方法は、特徴の第２のサブセットに少なくとも部分的に基づいて、画像のコンテキストを示すコンテキストデータを生成することをさらに含む。

[0016]別の特定の実施形態では、一装置は、画像センサーから知覚データを受信するように構成されたプロセッサを含み、知覚データが画像に関係する。プロセッサはまた、知覚データから特徴の第１のサブセットを抽出するように構成され、特徴の第１のサブセットが選択基準に基づいて選択される。プロセッサは、特徴の第１のサブセットに少なくとも部分的に基づいて、画像のコンテキストを示すコンテキストデータを生成するようにさらに構成される。

[0017]別の特定の実施形態では、一装置は、画像センサーから知覚データを受信するための手段を含み、知覚データが画像に関係する。本装置はまた、知覚データから特徴の第１のサブセットを抽出するための手段を含み、特徴の第１のサブセットが選択基準に基づいて選択される。本装置は、特徴の第１のサブセットに少なくとも部分的に基づいて、画像のコンテキストを示すコンテキストデータを生成するための手段をさらに含む。

[0018]別の特定の実施形態では、一コンピュータ可読記憶媒体は、プロセッサによって実行されたときに、プロセッサに動作を実行させる命令を含む。動作は、第１の画像センサーから第１の知覚データを受信することを含み、第１の知覚データが第１の画像に関係する。動作はまた、第１の知覚データから第１の画像の特徴の第１のサブセットを抽出することと、特徴の第１のサブセットが分析基準を満たすことに基づいて、第２の画像センサーからの第２の知覚データを要求することとを含み、第２の知覚データが第２の画像に関係する。動作は、第２の画像センサーから第２の知覚データを受信することと、第２の知覚データから第２の画像の特徴の第２のサブセットを抽出することと、特徴の第２のサブセットに少なくとも部分的に基づいて、第１の画像のコンテキストを示すコンテキストデータを生成することとをさらに含む。

[0019]開示する実施形態のうちの少なくとも１つによってもたらされる１つの特別な利点は、コンピュータビジョンアプリケーションを実行するために使用されるアプリケーションプロセッサによって消費される電力の量を低減することである。たとえば、特定のフレームおよび以前のフレームが実質的に同様であるとの（たとえば、フレームの画像統計の比較に基づく）決定に応答して、特定のフレームのアプリケーション特有処理が回避され得る。アプリケーション特有処理を回避することで、バッテリー電力を節約することができる。

[0020]開示する実施形態のうちの少なくとも１つによってもたらされる別の特別な利点は、画像コンテキストの識別を可能にすることである。たとえば、画像のコンテキストが、画像のすべての特徴よりも少ない特徴を抽出することによって識別され得る。大幅な計算コスト低減および対応する電力使用量低減が達成され得る。本開示の他の態様、利点、および特徴は、以下のセクション、すなわち、図面の簡単な説明と、発明を実施するための形態と、特許請求の範囲とを含む本出願全体を検討すれば明らかになろう。

ビデオストリームの画像フレームおよび画像フレームの対応するピクセル表現の特定の例示的な実施形態の図。 ビデオストリームの画像フレームの部分的ピクセル表現の特定の例示的な実施形態の図。 画像統計に基づいてコンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システムの特定の例示的な実施形態のブロック図。 コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システムの特定の例示的な実施形態の図。 コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システムの別の特定の例示的な実施形態の図。 コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システムの別の特定の例示的な実施形態の図。 図６の第２の処理経路の図。 コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能な処理システムの別の特定の例示的な実施形態の図。 コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システムの別の特定の例示的な実施形態の図。 部分的電力モードにおける図９の処理システムを示す図。 全電力モードにおける図９の処理システムを示す図。 画像のコンテキストを識別するために常時接続カメラを利用し得るモバイルデバイスの特定の例示的な実施形態のブロック図。 常時接続カメラのサンプリングレートの調節に影響を与え得るコンテキスト決定の際にデバイスの実施形態がセンサーと他の情報とをどのように利用し得るかを示す入力／出力図の図。 画像のコンテキストを識別するためのシステムの特定の例示的な実施形態のブロック図。 画像の特徴のサブセットを抽出することに関連する計算間隔を示す図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図であり、図２１のシステムに結合され得る図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図であり、図２２のシステム、図２３のシステム、または両方に結合され得る図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図であり、図２４のシステムに結合され得る図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図であり、図２４のシステム、図２５のシステム、または両方に結合され得る図。 画像のコンテキストを識別するためのシステムの別の特定の実施形態の図であり、図２４のシステム、図２６のシステム、または両方に結合され得る図。 テスト画像の特徴の様々なサブセットを抽出することに関連する実行時間の一例を示す棒グラフ。 テスト画像の特徴の様々なサブセットを抽出することに関連するメモリ使用量の一例を示す棒グラフ。 画像統計に基づいてコンピュータビジョンアプリケーションに関連する電力使用量を低減する方法の特定の実施形態のフローチャート。 画像のコンテキストを識別する方法の特定の実施形態を示すフローチャート。 画像のコンテキストを識別する方法の別の特定の実施形態を示すフローチャート。 画像のコンテキストを識別する方法の別の特定の実施形態を示すフローチャート。 画像のコンテキストを識別する方法の別の特定の実施形態を示すフローチャート。 コンピュータビジョンアプリケーションに関連する電力使用量を低減する方法の特定の実施形態のフローチャート。 モバイルデバイスの例示的な実施形態の図。 コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能な構成要素を含むワイヤレスデバイスのブロック図。 画像のコンテキストを識別するように動作可能であるデバイスの特定の例示的な実施形態のブロック図。

[0059]図１を参照すると、ビデオストリームの画像フレームおよび画像フレームの対応するピクセル表現の特定の例示的な実施形態が示されている。たとえば、ビデオストリームは、画像データの第１のフレーム１０２と、画像データの第２のフレーム１０４と、画像データの第３のフレーム１０６とを含むことができる。特定の実施形態では、第１のフレーム１０２、第２のフレーム１０４、および第３のフレーム１０６は、ビデオストリームにおける連続した画像フレームであり得る。

[0060]ビデオストリームは、アプリケーション特有処理（たとえば、コンピュータビジョンアプリケーション処理）の対象になり得る。たとえば、特定の例示的な実施形態では、ビデオストリームは、手認識アプリケーションの対象に（たとえば、視野の中に手があるかどうかを検出する処理の対象に）なり得る。一方、他の実施形態では、ビデオストリームは、他のコンピュータビジョンアプリケーションの対象になり得る。たとえば、ビデオストリームは、セキュリティアプリケーション（たとえば、監視、侵入検出、オブジェクト検出、顔認識など）、環境使用アプリケーション（たとえば、照明制御）、オブジェクト検出および追跡アプリケーションなどの対象になり得る。

[0061]図１に示すフレームでは、第１のフレーム１０２の視野の中に手が存在せず（たとえば、見えず）、第２のフレーム１０４の視野の中に手の一部分が見えており、第３のフレーム１０６の視野の中に手が完全に見える。第１のフレーム１０２は、第１のピクセル表現１１２におけるピクセルによって特徴付けられてよく、第２のフレーム１０４は、第２のピクセル表現１１４におけるピクセルによって特徴付けられてよく、第３のフレーム１０６は、第３のピクセル表現１１６におけるピクセルによって特徴付けられてよい。

[0062]処理システム内の低電力デバイス（図１に示されていない）は、ビデオストリームにおける各フレーム１０２〜１０６についての画像統計を、各フレーム１０２〜１０６がキャプチャされた後に生成することができる。たとえば、低電力デバイスは、各フレーム１０２〜１０６についての画像統計を、対応するピクセル表現１１２〜１１６に基づいて生成することができる。グレースケール画像フレームの場合、ピクセル表現１１２〜１１６における各ピクセルは、０と２５５との間の強度値に対応し得る。０の強度値は白ピクセルに対応することができ、２５５の強度値は黒ピクセルに対応することができる。低電力デバイスは、特定のフレーム１０２〜１０６における各ピクセルについての強度値を決定し、各強度値についてのカウントに基づいて特定のフレーム１０２〜１０６についての強度ヒストグラムを生成することができる。たとえば、低電力デバイスは、第１のフレーム１０２についての第１の強度ヒストグラムと、第２のフレーム１０４についての第２の強度ヒストグラムと、第３のフレーム１０６についての第３の強度ヒストグラムとを生成することができる。

[0063]マルチスペクトラル画像フレームの場合、ピクセル表現１１２〜１１６における各ピクセルは、特定の色値（color value）に対応し得る。色値は、ピクセルにおける赤（Ｒ）、緑（Ｇ）、および青（Ｂ）の濃度に基づき得る。低電力デバイスは、特定のフレーム１０２〜１０６における各ピクセルについての色値を決定し、各色値についてのカウントに基づいて特定のフレーム１０２〜１０６についての色ヒストグラムを生成することができる。たとえば、低電力デバイスは、第１のフレーム１０２についての第１の色ヒストグラムと、第２のフレーム１０４についての第２の色ヒストグラムと、第３のフレーム１０６についての第３の色ヒストグラムとを生成することができる。

[0064]処理システム内の高電力デバイス（図１に示されていない）は、ビデオストリームにおける特定のフレームに対するアプリケーション特有処理を実行することができる。たとえば、特定の例示的な実施形態では、アプリケーション特有処理は、選択されたフレームの中に特定のオブジェクト（たとえば、手）があるかどうかを決定することを含み得る。他の実施形態では、アプリケーション特有処理は、警告事象がトリガされているかどうかを決定することを含み得る。警告事象は、フレーム間の状況の変化に対応し得る。例示的な非限定的例として、警告事象は、患者がベッドから落ちること、住居侵入、車が私道に入ること、人が部屋に入ってくることなどに対応し得る。低電力デバイスにおいて画像統計を生成することは、高電力デバイスにおいてアプリケーション特有処理を実行することよりも少ない電力を消費し得る。たとえば、第２の画像統計を生成することは、第２のフレーム１０４に対するアプリケーション特有処理を実行することよりも少ない電力を消費し得る。

[0065]動作中、カメラ（たとえば、ビデオカメラ）が第１の時間に第１のフレーム１０２をキャプチャすることがあり、処理システムは第１のフレーム１０２に対する画像処理を実行し得る。たとえば、低電力デバイスは、第１のフレーム１０２についての第１の画像統計（たとえば、第１の強度ヒストグラムおよび／または第１の色ヒストグラム）を生成することができ、高電力デバイスは、第１のフレーム１０２の中に手が見えるかどうかを決定するために、第１のフレーム１０２に対するアプリケーション特有処理を実行することができる。第１のフレーム１０２を処理した後、カメラは第２の時間に第２のフレーム１０４をキャプチャし得る。低電力デバイスは、第２のフレーム１０４についての第２の画像統計を生成することができる。第１のフレーム１０２の中に手が見えていないと高電力デバイスが決定した場合、処理システム内の統計処理デバイス１０８は、（たとえば、第２のフレーム１０４の中に手が見えるかどうかを決定するために）第２のフレーム１０４に対するアプリケーション特有処理を実行するべきかどうかを決定するために、第１の画像統計と第２の画像統計を比較することができる。別の特定の実施形態では、アプリケーション特有処理を実行することは、警告事象がトリガされているかどうかを決定することを含み得る。たとえば、警告事象は、第１のフレーム１０２と第２のフレーム１０４との間の状況の変化に対応し得る。

[0066]たとえば、統計処理デバイス１０８は、第１の画像統計と第２の画像統計（たとえば、第Ｎの画像統計）とを受信し得る。統計処理デバイス１０８は、第２の画像統計と第１の画像統計との間の第１の変化量がしきい値を満たすかどうかを決定することができる。変化量がしきい値を満たさない場合、処理システムは、（たとえば、第２のフレーム１０４の第２の画像統計を生成するために）第２のフレーム１０４の部分的処理を実行するだけでよく、第２のフレーム１０４のアプリケーション特有処理を回避するか、または見送ることができる。変化量がしきい値を満たす場合、処理システムは、第２の画像統計を生成すること、ならびに第２のフレーム１０４に対するアプリケーション特有処理を実行することによって、第２のフレーム１０４に対するより完全な処理を実行し得る。

[0067]グレースケール画像の場合、第１の強度ヒストグラムにおける特定の強度値についてのピクセルの第１のカウントと第２の強度ヒストグラムにおける特定の強度値についてのピクセルの第２のカウントとの間の差が特定の値よりも大きいときに、第１の変化量はしきい値を満たし得る。しきい値は、ユーザが選択したしきい値であり得る。非限定的な例として、第１のピクセル表現１１２および第２のピクセル表現１１４はそれぞれ、２，０００万（２０，０００，０００）ピクセルを含むことがある（たとえば、第１および第２のフレーム１０２、１０４は２０メガピクセル画像である）。第１のピクセル表現１１２は１，１００万（１１，０００，０００）の白ピクセル（たとえば、０の強度値を有する１，１００万ピクセル）を含むことがあり、第２のピクセル表現１１４は１，０５０万（１０，５００，０００）の白ピクセルを含むことがある（たとえば、５０万ピクセルの差）。しきい値が１０万ピクセルである場合、第１の変化量（たとえば、差）はしきい値を満たし、処理システムは、第２のフレーム１０４の中に手が見えるかどうかを決定するために、第２のフレーム１０４に対するアプリケーション特有処理を実行することができる。しきい値が１００万ピクセルである場合、第１の変化量はしきい値を満たさず、処理システムは、電力を節約するために第２のフレーム１０４に対するアプリケーション特有処理を回避することができる。

[0068]マルチスペクトラル画像フレームの場合、第１の色ヒストグラムにおける特定の色値についてのピクセルの第１のカウントと第２の色ヒストグラムにおける特定の色についてのピクセルの第２のカウントとの間の差が特定の値よりも大きいときに、第１の変化量はしきい値を満たし得る。非限定的な例として、第１のピクセル表現１１２および第２のピクセル表現１１４はそれぞれ、２，０００万ピクセルを含むことがある。第１のピクセル表現１１２は５００万の赤ピクセルを含むことがあり、第２のピクセル表現１１４は８００万の赤ピクセルを含むことがある（たとえば、３００万ピクセルの差）。しきい値が２００万ピクセルである場合、第１の変化量（たとえば、差）はしきい値を満たし、処理システムは、第２のフレーム１０４の中に手が見えるかどうかを決定するために、第２のフレーム１０４に対するアプリケーション特有処理を実行することができる。しきい値が４００万ピクセルである場合、第１の変化量はしきい値を満たさず、処理システムは、電力を節約するために第２のフレーム１０４に対するアプリケーション特有処理を回避することができる。特定のコンピュータビジョンアプリケーションに基づいて、値の特定の範囲がしきい値に使用され得る。たとえば、手検出（または顔検出）に関連するコンピュータビジョンアプリケーションが、肌の色合いに関連する色に焦点を当てることがある。

[0069]第２のフレーム１０４を処理した後、処理システムは第３のフレーム１０６を処理することができる。たとえば、低電力デバイスは、第３のフレーム１０６についての第３の画像統計（たとえば、第３の強度ヒストグラムおよび／または第３の色ヒストグラム）を生成することができる。第２のフレーム１０４に対するアプリケーション特有処理が回避された場合、統計処理デバイス１０８は、第３の画像統計と第２の画像統計との間の第２の変化量がしきい値を満たすかどうかを決定することができる。第２の変化量がしきい値を満たす場合、高電力デバイスは、第３のフレーム１０６の中に手が見えるかどうかを決定するために、第３のフレーム１０６に対するアプリケーション特有処理を実行することができる。第２の変化量がしきい値を満たさない場合、高電力デバイスは、エネルギーを節約するために第３のフレーム１０６に対するアプリケーション特有処理を回避することができる。

[0070]特定の実施形態では、統計処理デバイス１０８は、第３の画像統計と第１の画像統計との間の第３の変化量がしきい値を満たすかどうかを決定することができる。第３の変化量がしきい値を満たす場合、第３のフレーム１０６に対してアプリケーション特有処理が実行されてよく、第３の変化量がしきい値を満たさない場合、第３のフレーム１０６に対するアプリケーション特有処理が回避され得る。第３の変化量に基づいてアプリケーション特有処理を実行することで、最終的に大きい変化につながるフレーム間で発生しているわずかな変化（たとえば、画像統計の小さい変化）に起因する警告事象（たとえば、見える手）を見逃す可能性を低減することができる。さらに、しきい値が満たされないとの決定に基づいて、不確定数のフレームの完全処理が省略され（たとえば、回避され）得る。特定の実施形態では、画像統計が周期的にリフレッシュされ得、しきい値が任意の第Ｎのフレームによって満たされない場合でも、そのような第Ｎのフレームに対して完全処理が実行され得る。

[0071]以前のフレームと同様の画像統計を有する特定のフレームに対するアプリケーション特有処理を回避することで、電子デバイスにおける電力を節約することができる。たとえば、アプリケーション特有処理は、処理システム内の高電力デバイスを利用し得る。各フレームの統計を生成および／または評価するために統計処理デバイス１０８などの低電力デバイスを使用することによって、特定のフレームが実質的に同一であるとの決定、および同一のフレームのうちの１つに対してのみアプリケーション特有処理が実行される必要があるとの決定が行われ得る。結果として、同一のフレームに対するアプリケーション特有処理を見送ることによって、電力が節約され得る。

[0072]図２を参照すると、ビデオストリームの画像フレームの部分的ピクセル表現の特定の例示的な実施形態が示されている。たとえば、図１の第１のフレーム１０２が第１の部分的ピクセル表現２１２によって特徴付けられることがあり、図１の第２のフレーム１０４が第２の部分的ピクセル表現２１４によって特徴付けられることがある。

[0073]第１の部分的ピクセル表現２１２は、ピクセルの第１の行２０２、ピクセルの第１の列２０４、または両方を含むことができる。ピクセルの第１の行２０２およびピクセルの第１の列２０４は、図１の第１のピクセル表現１１２に含まれる選択ピクセルであり得る。第２の部分的ピクセル表現２１４は、ピクセルの第２の行２２２、ピクセルの第２の列２２４、または両方を含むことができる。ピクセルの第２の行２２２およびピクセルの第２の列２２４は、図１の第２のピクセル表現１１４に含まれる選択ピクセルであり得る。特定の実施形態では、ピクセルの第１の行２０２は、第１のフレーム１０２における１つのエリアを表すピクセルに対応することができ、ピクセルの第２の行２２２は、第２のフレーム１０４における同じエリアを表すピクセルに対応することができる。さらに、ピクセルの第１の列２０４は、第１のフレーム１０２における１つのエリアを表すピクセルに対応することができ、ピクセルの第２の列２２４は、第２のフレーム１０４における同じエリアを表すピクセルに対応することができる。

[0074]低電力デバイスは、ピクセルの第１の行２０２、ピクセルの第１の列２０４、またはそれらの組合せに基づいて、第１のフレーム１０２の第１の画像統計を生成することができる。たとえば、第１の画像統計は、ピクセルの第１の行２０２についてのピクセル値の第１の合計（たとえば、ｒｏｗｓｕｍ［］）に対応し得る。代替または追加として、第１の画像統計は、ピクセルの第１の列２０４についてのピクセル値の第１の合計（たとえば、ｃｏｌｕｍｎｓｕｍ［］）に対応し得る。高電力デバイスは、第１のフレーム１０２の中に手が見えるかどうかを決定するために、第１のフレーム１０２に対するアプリケーション特有処理を実行することができる。特定の実施形態では、第１の画像統計は、ピクセルの２つ以上の行におけるピクセル値の合計、ピクセルの２つ以上の列の合計、またはピクセルの１つもしくは複数の行およびピクセルの１つもしくは複数の列の合計に対応し得る。

[0075]第１のフレーム１０２を処理した後、低電力デバイスは、ピクセルの第２の行２２２、ピクセルの第２の列２２４、またはそれらの組合せに基づいて、第２のフレーム１０４の第２の画像統計を生成することができる。たとえば、第２の画像統計は、第２の行２２２についてのピクセル値の第２の合計に対応し得る。代替または追加として、第２の画像統計は、ピクセルの第２の列２２４についてのピクセル値の第２の合計に対応し得る。特定の実施形態では、第２の画像統計は、ピクセルの２つ以上の行におけるピクセル値の合計、ピクセルの２つ以上の列の合計、またはピクセルの１つもしくは複数の行およびピクセルの１つもしくは複数の列の合計に対応し得る。

[0076]第１のフレーム１０２の中に手が見えていないと高電力デバイスが決定した場合、統計処理デバイス１０８は、（たとえば、第２のフレーム１０４の中に手が見えるかどうかを決定するために）第２のフレーム１０４に対するアプリケーション特有処理を実行するべきかどうかを決定するために、第１の画像統計と第２の画像統計を比較することができる。たとえば、統計処理デバイス１０８は、第２の画像統計と第１の画像統計との間の第１の変化量がしきい値を満たすかどうかを決定することができる。変化量がしきい値を満たさない場合、処理システムは、（たとえば、第２のフレーム１０４の第２の画像統計を生成するために）第２のフレーム１０４の部分的処理を実行するだけでよく、第２のフレーム１０４のアプリケーション特有処理を回避するか、または見送ることができる。変化量がしきい値を満たす場合、処理システムは、第２の画像統計を生成すること、ならびに第２のフレーム１０４に対するアプリケーション特有処理を実行することによって、第２のフレーム１０４に対するより完全な処理を実行し得る。

[0077]ピクセル値の第１の合計とピクセル値の第２の合計との間の差が特定の値よりも大きいとき、第１の変化量はしきい値を満たすことができる。たとえば、例示的な実施形態では、第１の画像統計がピクセルの第１の列２０４におけるピクセル値の合計に対応し、第２の画像統計がピクセルの第２の列２２４におけるピクセル値の合計に対応するときに、第１の変化量がしきい値を満たさないことがある。ピクセルの第１の列２０４における各ピクセルは白ピクセル（たとえば、０の強度値を有するピクセル）である。結果として、ピクセルの第１の列２０４についての強度値の和は０に等しくなり得る。同様に、ピクセルの第２の列２２４における各ピクセルは白ピクセルである。結果として、第２の列２２４についての強度値の和は０に等しくなり得る。したがって、ピクセル値の第１の合計とピクセル値の第２の合計との比較に基づいて、第１の変化量がしきい値を満たないことがある。結果として、第２のフレーム１０４に対するアプリケーション特有処理が回避され得る。

[0078]一方、第１の画像統計がピクセルの第１の行２０２におけるピクセル値の合計に対応し、第２の画像統計がピクセルの第２の行２２２におけるピクセル値の合計に対応するときに、第１の変化量がしきい値を満たすことがある。ピクセルの第１の行２０２における各ピクセルは白ピクセルである。結果として、ピクセルの第１の行２０２の強度値の和は０に等しくなり得る。一方、ピクセルの第２の行２２２におけるいくつかのピクセルは、より大きい強度値（たとえば、より暗い領域に基づく２５５により近い強度値）を有する。結果として、ピクセルの第２の行２２２の強度値の和は０よりも大きくなり得る。ピクセル値の第１の合計とピクセル値の第２の合計との間の差がしきい値を満たすと仮定すると、高電力デバイスは、第２のフレーム１０４に対するアプリケーション特有処理を実行することができる。

[0079]フレームにおける特定の行および／または列を選択し、フレーム全体についての画像統計を生成するのではなく、選択された行および／または列に基づいてフレームに関する画像統計を生成することによって、電力が節約され得る。たとえば、低電力デバイスは、ピクセルの第１の行２０２についての画像統計を生成するために、第１のフレーム１０２におけるあらゆるピクセルについての画像統計を生成するためよりも少ない電力を利用し得る。

[0080]図３を参照すると、画像統計に基づいてコンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システム３００の特定の例示的な実施形態が示されている。処理システム３００は、カメラ３０２と、第１の処理デバイス３０４と、メモリ３０６と、統計処理デバイス１０８と、第２の処理デバイス３１０とを含む。第２の処理デバイス３１０は、第１の処理デバイス３０４よりも高い電力使用デバイスであり得る。特定の実施形態では、第１の処理デバイス３０４は統計生成器であってよく、第２の処理デバイス３１０はアプリケーションプロセッサであってよい。特定の実施形態では、統計処理デバイス１０８および第１の処理デバイス３０４の機能は、デジタル信号プロセッサ（ＤＳＰ）などの単一の低電力処理デバイスに含まれ得る。

[0081]カメラ３０２は、複数の画像フレーム（たとえば、ビデオストリーム）をキャプチャすることができる。たとえば、カメラ３０２は、第１の時間に図１の第１のフレーム１０２、第２の時間に第２のフレーム１０４、そして第３の時間に第３のフレーム１０６をキャプチャすることができる。特定のフレーム１０２〜１０６がキャプチャされた後、特定のフレームは第１の処理デバイス３０４に提供される。

[0082]第１の処理デバイス３０４は、ビデオストリームにおける各フレーム１０２〜１０６についての画像統計を、フレーム１０２〜１０６がキャプチャされると生成するように構成され得る。たとえば、第１の処理デバイス３０４は、各フレーム１０２〜１０６についての画像統計を、図１の対応するピクセル表現１１２〜１１６または図２の部分的ピクセル表現２１２、２１４に基づいて生成することができる。画像統計が生成された後、画像統計がメモリ３０６および統計処理デバイス１０８に提供される。画像統計は、各フレーム１０２〜１０６の特性、各フレーム１０２〜１０６についてのキャプチャの時間などを識別するために使用されることもある。

[0083]統計処理デバイス１０８は、第１の処理デバイス３０４から現在のフレーム１０２〜１０６（たとえば、直近のフレーム）についての画像統計を受信するように構成され得る。特定の実施形態では、統計処理デバイス１０８は別の低電力デバイスである。たとえば、統計処理デバイス１０８は、第２の処理デバイス３１０よりも少ない電力を消費し得る。統計処理デバイス１０８は、現在のフレーム１０２〜１０６がアプリケーション特有処理のために第２の処理デバイス３１０に提供されるように構成され得る。たとえば、統計処理デバイス１０８は、現在のフレーム１０２〜１０６を、以前のフレームがないとの決定に応答して第２の処理デバイス３１０に提供することができる。

[0084]以前のフレームが処理済みである場合、統計処理デバイス１０８は、現在のフレームの画像統計と以前のフレームの画像統計との間の変化量がしきい値を満たすかどうかを決定することができる。たとえば、統計処理デバイス１０８は、メモリ３０６から以前のフレームについての画像統計を取り出すことができる。変化量がしきい値を満たす場合、統計処理デバイス１０８は、アプリケーション特有処理のために第２の処理デバイス３１０に現在のフレームを提供することができる。そうでない場合、統計処理デバイス１０８は、電力を節約し、現在のフレームに対するアプリケーション特有処理を回避することを決定することができる。

[0085]第２の処理デバイス３１０は、現在のフレームに対するコンピュータビジョンアプリケーションおよび動作を実行するように動作可能であり得る。たとえば、第２の処理デバイス３１０は、セキュリティアプリケーション（たとえば、監視、侵入検出、オブジェクト検出、顔認識など）、環境使用アプリケーション（たとえば、照明制御）、オブジェクト検出および追跡アプリケーションなどを実行するように構成され得る。第２の処理デバイス３１０は、色ユニット３１２、照明ユニット３１４、特徴抽出ユニット３１６、セグメント化ユニット３１８、姿勢検出ユニット３２０、追跡および予測ユニット３２２、分類ユニット３２４、またはそれらの組合せを含むことができる。色ユニット３１２は、現在のフレームの色と、露出と、焦点とを改善することができる。照明ユニット３１４は、フレームの環境照明を改善することができる。特徴抽出ユニット３１６は、現在のフレームから特定の特徴を抽出することができる。セグメント化ユニット３１８は、現在のフレームを複数のセグメント（たとえば、ピクセルの複数のセット）に区分することができる。姿勢検出ユニット３２０は、現在のフレームに位置する特定の特徴の姿勢を検出することができる。追跡および予測ユニット３２２は、現在のフレームにおける特徴の相対位置を決定し、特徴が次のフレーム中のどこにあり得るかを予測することができる。分類ユニット３２４は、現在のフレームを分類すること、および／または警告事象を検出することができる。第２の処理デバイス３１０は、コンピュータビジョンアプリケーションを処理するための処理ユニットの任意の組合せを含むことができる。たとえば、高電力デバイスは、追加のユニットまたはより少ないユニットを含み得る。

[0086]動作中、カメラ３０２は、第１の時間に第１のフレーム１０２をキャプチャすることができ、第１の処理デバイス３０４は、第１のフレーム１０２についての第１の画像統計を生成することができる。第１の処理デバイス３０４は、メモリ３０６に第１の画像統計を提供することができる。さらに、第１の処理デバイス３０４は、第１のフレーム１０２と第１の画像統計とを統計処理デバイス１０８に提供することができる。統計処理デバイス１０８は、比較のためにメモリ３０６に他の以前のフレームについての画像統計が記憶されているかどうかを決定するために、メモリ３０６をポーリングすることができる。比較のためにメモリ３０６に以前のフレームについての画像統計が記憶されてはいないと決定したことに応答して、統計処理デバイス１０８は、第１のフレーム１０２が第２の処理デバイス３１０に提供されるようにすることができ、第２の処理デバイス３１０は、第１のフレーム１０２の中に手が見えるかどうかを決定するために、第１のフレーム１０２に対するアプリケーション特有処理を実行することができる。

[0087]第１のフレーム１０２をキャプチャした後、カメラ３０２は、第２の時間に第２のフレーム１０４をキャプチャすることができ、第１の処理デバイス３０４は、第２のフレーム１０４についての第２の画像統計を生成することができる。第１の処理デバイス３０４は、メモリ３０６に第２の画像統計を提供することができる。さらに、第１の処理デバイス３０４は、第２のフレーム１０４と第２の画像統計とを統計処理デバイス１０８に提供することができる。

[0088]統計処理デバイス１０８は、メモリ３０６をポーリングし、第１の画像統計を取り出すことができる。第１の画像統計を取り出した後、統計処理デバイス１０８は、第２のフレーム１０４に対するアプリケーション特有処理のために第２の処理デバイス３１０に第２のフレーム１０４を提供するべきかどうかを決定するために、第１の画像統計と第２の画像統計を比較することができる。例示的な環境では、第２のフレーム１０４の中に手が見えるかどうかを決定するために、アプリケーション特有処理が使用され得る。たとえば、統計処理デバイス１０８は、第２の画像統計と第１の画像統計との間の第１の変化量がしきい値を満たすかどうかを決定することができる。変化量がしきい値を満たさない場合、統計処理デバイス１０８は、電力を節約し、第２のフレーム１０４のアプリケーション特有処理を回避することを決定することができる。変化量がしきい値を満たす場合、統計処理デバイス１０８は、第２のフレーム１０４に対するアプリケーション特有処理のために第２の処理デバイス３１０に第２のフレーム１０４を提供することができる。

[0089]第２のフレーム１０４をキャプチャした後、カメラ３０２は、第３の時間に第３のフレーム１０６をキャプチャすることができ、第１の処理デバイス３０４は、第３のフレーム１０６についての第３の画像統計を生成することができる。第１の処理デバイス３０４は、メモリ３０６に第３の画像統計を提供することができる。さらに、第１の処理デバイス３０４は、第３のフレーム１０６と第３の画像統計とを統計処理デバイス１０８に提供することができる。

[0090]統計処理デバイス１０８は、メモリ３０６をポーリングし、第１の画像統計、第２の画像統計、またはそれらの組合せを取り出すことができる。統計処理デバイス１０８が第２のフレーム１０４に対するアプリケーション特有処理を回避することを決定した場合、統計処理デバイス１０８は、第３のフレーム１０６に対するアプリケーション特有処理を実行するべきかどうかを決定するために、第２の画像統計と第３の画像統計を比較することができる。代替的に、統計処理デバイス１０８は、第１の画像統計または第１の画像統計および第２の画像統計の組合せと第３の画像統計を比較することができる。

[0091]以前のフレームと同様の画像統計を有する特定のフレームに対するアプリケーション特有処理を回避することで、電子デバイスにおける電力を節約することができる。たとえば、アプリケーション特有処理は、コンピュータビジョンアプリケーションデバイスなどの処理システム内の高電力デバイス（たとえば、汎用プロセッサまたはグラフィックスプロセッサ）を利用し得る。各フレームの統計を生成および／または評価するために統計処理デバイス１０８などの低電力デバイス（たとえば、デジタル信号プロセッサ、特定用途向け集積回路、フィールドプログラマブルゲートアレイなど）を使用することによって、特定のフレームが実質的に同一であるとの決定、および同一のフレームのうちの１つに対してのみアプリケーション特有処理が実行される必要があるとの決定が行われ得る。結果として、同一または同様のフレームに対するアプリケーション特有処理を見送ることによって、電力が節約され得る。

[0092]図４を参照すると、コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システム４００の特定の例示的な実施形態が示されている。処理システム４００は、センサー４０２と、変化検出回路４１４と、アプリケーションプロセッサ４１８と、メモリ４２０とを含む。特定の実施形態では、変化検出回路４１４は、第１の処理経路４０８（たとえば、低電力処理経路および／または低データレート処理経路）に含まれ得る。アプリケーションプロセッサ４１８およびメモリ４２０は、第２の処理経路４１０（たとえば、高電力処理経路および／または高データレート処理経路）に含まれ得る。

[0093]センサー４０２は、センサーデータ４３０（たとえば、複数の画像フレームまたはビデオストリーム）をキャプチャするように構成され得る。特定の実施形態では、センサー４０２は図３のカメラ３０２に対応し得る。別の特定の実施形態では、センサー４０２は、図８に関して説明する周辺光センサー８４０などの周辺光センサーまたは別のタイプのセンサーであり得る。センサーデータ４３０は、第１のセンサーデータ（たとえば、図１の第１のフレーム１０２）、第２のセンサーデータ（たとえば、図１の第２のフレーム１０４）、第３のセンサーデータ（たとえば、図１の第３のフレーム１０６）などを含むことができる。センサーデータ４３０は、第１の処理経路４０８の変化検出回路４１４に提供され得る。

[0094]変化検出回路４１４は、センサーデータ４３０の第１のフレーム１０２とセンサーデータ４３０の第２のフレーム１０４（または別のフレーム）とを、フレーム１０２、１０４間の変化量を検出するために比較することができる。例示を簡単にするために、変化検出回路４１４については、第１のフレーム１０２を第２のフレーム１０４と比較するものとして説明する。ただし、第１のフレーム１０２と第２のフレーム１０４との間では比較的小さい変化が発生し得るので、変化検出回路４１４がフレーム間の変化を検出するために、第１のフレーム１０２をさらに離れたフレームと比較し得ることが諒解されよう。

[0095]変化検出回路４１４は、第１のフレーム１０２を記憶するための「オンボード」メモリを含み得る。センサーデータ４３０の第２のフレーム１０４（または別のフレーム）がセンサー４０２から受信されたとき、変化検出回路４１４は、オンボードメモリから第１のフレーム１０２を取り出し、フレーム１０２、１０４を比較し、比較に基づいて制御信号４１６を生成することができる。たとえば、変化検出回路４１４は、比較に基づいて（たとえば、第１のフレーム１０２と第２のフレーム１０４との間の類似性に基づいて）アプリケーションプロセッサ４１８を起動するべきかどうかを決定することができる。特定の実施形態では、変化検出回路４１４は、図１〜図３に関して説明したように、第１のフレーム１０２の第１の画像統計を第２のフレーム１０４の第２の画像統計と比較することができる。たとえば、変化検出回路４１４は、図１〜図３の統計処理デバイス１０８に対応することができ、オンボードメモリは、図３のメモリ３０６に対応することができる。

[0096]制御信号４１６は、アプリケーションプロセッサ４１８に提供され得る。制御信号４１６は、第２のフレーム１０４に対するアプリケーション特有処理（たとえば、コンピュータビジョンアプリケーション特有処理）を実行するためにアプリケーションプロセッサ４１８を「起動する」べきかどうかを示すことができる。たとえば、第１のフレーム１０２と第２のフレーム１０４との間の変化量がしきい値を満たさないと変化検出回路４１４が決定した場合、制御信号４１６は、電力を節約するためにアプリケーションプロセッサ４１８を「スリープ」状態に維持することができる。第１のフレーム１０２と第２のフレーム１０４との間の変化量がしきい値を満たすと変化検出回路４１４が決定した場合、制御信号４１６は、第２のフレーム１０４に対するアプリケーション特有処理を実行するためにアプリケーションプロセッサ４１８を起動することができる。したがって、変化検出回路４１４は、コンピュータビジョンアプリケーション特有処理のためにアプリケーションプロセッサ４１８にセンサーデータ４３０（たとえば、第２のフレーム１０４）を提供することもできる。

[0097]アプリケーションプロセッサ４１８は、第２のフレーム１０４に対するコンピュータビジョンアプリケーション特有処理を実行するように構成され得る。非限定的な例として、アプリケーションプロセッサ４１８は、第２のフレーム１０４の中に特定のオブジェクト（たとえば、手）があるかどうかを決定することができる。したがって、アプリケーションプロセッサ４１８は、オブジェクト検出／オブジェクト認識コンピュータビジョンアプリケーション特有処理を実行することができる。コンピュータビジョンアプリケーション特有処理の他の例は、セキュリティアプリケーション（たとえば、監視、侵入検出、オブジェクト検出、顔認識など）、環境使用アプリケーション（たとえば、照明制御）、オブジェクト検出および追跡アプリケーションなどを含み得る。本明細書で使用する「コンピュータビジョンアプリケーション」および／または「コンピュータビジョンアプリケーション特有処理」は、ビデオ／画像データに基づく無限の数のアプリケーションに対応すること、またはそのようなアプリケーションを含むことがある。本明細書で使用する例は、限定的であることが意図されていない。

[0098]特定の実施形態では、アプリケーションプロセッサ４１８は、図１３〜図２７に関して説明するコンピュータビジョンアプリケーション特有処理を実行することができる。たとえば、アプリケーションプロセッサ４１８は、第２のフレーム１０４の特徴の第１のサブセットを抽出し、特徴の第１のサブセットが分析基準を満たすことに基づいて、第２のフレーム１０４の特徴の第２のサブセットを抽出し、特徴の第２のサブセットに少なくとも部分的に基づいて、第２のフレーム１０４のコンテキストを示すコンテキストデータを生成することができる。

[0099]アプリケーションプロセッサ４１８は、メモリ４２０にセンサーデータ４３０（たとえば、コンピュータビジョンアプリケーション特有処理を受けるフレーム）を提供することもできる。したがって、アプリケーションプロセッサ４１８（および追加のプロセッサ／処理リソース）は、コンピュータビジョンアプリケーション特有処理中にメモリ４２０からセンサーデータ４３０にアクセスすることができる。特定の実施形態では、メモリ４２０はダブルデータレート（ＤＤＲ）メモリであり得る。たとえば、メモリ４２０は、ＤＤＲ同期ダイナミックランダムアクセスメモリ（ＤＤＲ ＳＤＲＡＭ）であり得る。

[00100]図４の処理システム４００は、以前のフレームと同様である特定のフレームに対するコンピュータビジョンアプリケーション特有処理を回避することによって、電力消費量を低減することができる。たとえば、変化検出回路４１４は、現在のフレームと以前のフレームとの間の比較に基づいて、アプリケーションプロセッサ４１８をアクティブ化する（たとえば、起動する）べきかどうかを（制御信号４１６を介して）を示すことができる。現在のフレームと以前のフレームとの間の差がしきい値（たとえば、変化しきい値）を満たさないと変化検出回路４１４が決定した場合、変化検出回路４１４は、電力を節約するためにアプリケーションプロセッサ４１８を非アクティブ化する（たとえば、アプリケーションプロセッサ４１８をスリープモードに維持する）ことを決定することができる。

[00101]図５を参照すると、コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システム５００の特定の例示的な実施形態が示されている。処理システム５００は、センサー５０２と、選択回路５０６と、第１の処理経路５０８と、第２の処理経路５１０とを含む。

[00102]第１の処理経路５０８は、信号分析器５１２と変化検出回路５１４とを含むことができる。第２の処理経路５１０は、アプリケーションプロセッサ５１８とメモリ５２０とを含むことができる。特定の実施形態では、第１の処理経路５０８は、低電力処理経路および／または低データレート処理経路であってよく、第２の処理経路５１０は、高電力処理経路および／または高データレート処理経路であってよい。たとえば、第１の処理経路５０８における構成要素は、第２の処理経路５１０における構成要素よりも少ない電力を消費し得る。

[00103]センサー５０２は、センサーデータ（たとえば、複数の画像フレームまたはビデオストリーム）をキャプチャするように構成され得る。特定の実施形態では、センサー５０２は図３のカメラ３０２または図４のセンサー４０２に対応し得る。センサーデータは、第１のセンサーデータ（たとえば、図１の第１のフレーム１０２）、第２のセンサーデータ（たとえば、図１の第２のフレーム１０４）、第３のセンサーデータ（たとえば、図１の第３のフレーム１０６）などを含むことができる。センサーデータは選択回路５０６に提供され得る。

[00104]選択回路５０６は、第１の処理経路５０８に着信フレーム（たとえば、センサーデータ）を提供し、および／または制御信号５１６（たとえば、フィードバック信号）に基づいて第２の処理経路５１０に着信フレームを提供するように構成され得る。特定の実施形態では、選択回路５０６は、制御信号５１６に応答するマルチプレクサとして実装され得る。選択回路５０６は最初に、センサーデータ５３０を処理のために信号分析器５１２に提供する（たとえば、低データレートチャネルを介して着信フレームを提供する）ことができる。例示すると、選択回路５０６は、信号分析器５１２に第１のフレーム１０２を提供することができ、選択回路５０６は、信号分析器５１２に第２のフレーム１０４を提供することができる。

[00105]第１のフレーム１０２を受信すると、信号分析器５１２は、第１のフレーム１０２を分析し、分析の第１の分析結果５４２を変化検出回路５１４に提供することができる。特定の実施形態では、信号分析器５１２は、図３の第１の処理デバイス３０４に対応し、実質的に同様の方法で動作することができる。変化検出回路５１４は、第１の分析結果５４２を記憶するための「オンボード」メモリを含み得る。特定の実施形態では、変化検出回路５１４は、図４の変化検出回路４１４と実質的に同様の方法で動作することができる。第２のフレーム１０４を受信すると、信号分析器５１２は、第２のフレーム１０４を分析し、分析の第２の分析結果５４２を変化検出回路５１４に提供することができる。

[00106]特定の実施形態では、アプリケーションプロセッサ５１８は、分析構成データ５３４を生成し、信号分析器５１２および／または変化検出回路５１４に提供することができる。分析構成データ５３４は、信号分析器５１２および／または変化検出回路５１４によって分析されるべき特定のタイプの特徴（たとえば、生成されるべき特定のタイプの画像統計）を示すことができる。分析されるべき特定のタイプの特徴は、アプリケーションプロセッサ５１８によって実行されるべき特定のコンピュータビジョンアプリケーションに基づき得る。非限定的な例として、アプリケーションプロセッサ５１８が画像フレームの中で「手」を検出するためにオブジェクト検出／認識コンピュータビジョンアプリケーションを実行する場合、アプリケーションプロセッサ５１８は、信号分析器５１２が「肌の色合い」の色を有するピクセルについての画像データを生成するように、分析構成データ５３４を提供することができる。

[00107]変化検出回路５１４は、第１のフレーム１０２と第２のフレーム１０４との間の変化量（たとえば、第１の分析結果５４２（または第１のセンサーデータ）と第２の分析結果５４２（または第２のセンサーデータ）との間の変化量）を決定するように構成され得る。変化量がしきい値（たとえば、変化しきい値）を満たさないとき、変化検出回路５１４は、第１の値を有する制御信号５１６を生成することができる。変化量がしきい値を満たすとき、変化検出回路５１４は、第２の値を有する制御信号５１６を生成することができる。非限定的な例として、（信号分析器５１２によって生成された）第１の色ヒストグラムにおける特定の色値（たとえば、茶色）についてのピクセルの第１のカウントと（信号分析器５１２によって生成された）第２の色ヒストグラムにおける特定の色値についてのピクセルの第２のカウントとの間の差がしきい値よりも大きいときに、変化量はしきい値を満たし得る。

[00108]制御信号５１６が（たとえば、変化量がしきい値を満たさないことを示す）第１の値を有する場合、信号分析器５１２が追加のフレーム（たとえば、センサーデータ５３０）についてのデータを生成することができ、追加のフレームに関連する変化量がしきい値を満たすかどうかを変化検出回路５１４が決定することができるように、選択回路５０６は第１の処理経路５０８に追加のフレームを提供することができる。制御信号５１６が（たとえば、変化量がしきい値を満たすことを示す）第２の値を有する場合、選択回路５０６は、センサーデータ５３２（たとえば、第２のフレーム１０４および／または後続のフレーム１０６）をアプリケーション特有処理（たとえば、コンピュータビジョンアプリケーション特有処理）のために第２の処理経路５１０に提供することができる。たとえば、選択回路５０６は、高データレートチャネルを介してアプリケーションプロセッサ５１８にセンサーデータ５３２を提供することができる。

[00109]アプリケーションプロセッサ５１８は、第２のフレーム１０４に対するコンピュータビジョンアプリケーション特有処理を実行するように構成され得る。非限定的な例として、アプリケーションプロセッサ５１８は、第２のフレーム１０４の中に特定のオブジェクト（たとえば、手）があるかどうかを決定することができる。

[00110]特定の実施形態では、アプリケーションプロセッサ５１８は、図１３〜図２７に関して説明するコンピュータビジョンアプリケーション特有処理を実行することができる。たとえば、アプリケーションプロセッサ５１８は、第２のフレーム１０４の特徴の第１のサブセットを抽出し、特徴の第１のサブセットが分析基準を満たすことに基づいて第２のフレーム１０４の特徴の第２のサブセットを抽出し、特徴の第２のサブセットに少なくとも部分的に基づいて、第２のフレーム１０４のコンテキストを示すコンテキストデータを生成することができる。特定の実施形態では、第１の処理経路５０８の構成要素（たとえば、信号分析器５１２および／または変化検出回路５１４）は、アプリケーションプロセッサ５１８に分析フィードバックデータ５３６を提供することができる。分析フィードバックデータ５３６は、センサーデータ５３０の分析結果５４２、分析結果の正確性レベルのインジケーション、特徴の第１および第２のサブセットなどを含むことができる。たとえば、変化検出回路５１４は、第２のフレーム１０４の特徴の第１および第２のサブセットを抽出し、アプリケーションプロセッサ５１８がコンテキストデータを生成し得るように、抽出された特徴を（分析フィードバックデータ５３６を介して）アプリケーションプロセッサ５１８に提供することができる。

[00111]アプリケーションプロセッサ５１８は、メモリ５２０にセンサーデータ５３２（たとえば、コンピュータビジョンアプリケーション特有処理を受けるフレーム）を提供することもできる。したがって、アプリケーションプロセッサ５１８（および追加のプロセッサ／処理リソース）は、コンピュータビジョンアプリケーション特有処理中にメモリ５２０からセンサーデータ５３２にアクセスすることができる。特定の実施形態では、メモリ５２０はＤＤＲメモリ（たとえば、ＤＤＲ ＳＤＲＡＭ）であり得る。

[00112]図５の処理システム５００は、以前のフレームと同様である特定のフレームに対するコンピュータビジョンアプリケーション特有処理を回避することによって、電力消費量を低減することができる。たとえば、変化検出回路５１４は、現在のフレームの画像統計と以前のフレームの画像統計との間の比較に基づいて、アプリケーションプロセッサ５１８をアクティブ化する（たとえば、起動する）べきかどうかを、制御信号５１６を介して示すことができる。現在のフレームと以前のフレームとの間の差がしきい値（たとえば、変化しきい値）を満たさないと変化検出回路５１４が決定した場合、変化検出回路５１４は、電力を節約するためにアプリケーションプロセッサ５１８を非アクティブ化する（たとえば、アプリケーションプロセッサ５１８をスリープ状態に維持する）ことを決定することができる。

[00113]アプリケーションプロセッサ５１８は、分析構成データ５３４を介してコンピュータビジョンアプリケーションに「関連する」統計のタイプを（第１の処理経路５０８の構成要素に）示すことができるので、変化検出回路５１４によって生成される偽陽性の数が低減され得る。たとえば、信号分析器５１２および変化検出回路５１４は、アプリケーションプロセッサ５１８を起動するべきかどうかを、フレーム間の「あらゆる」変化に基づいて決定するのではなく、特定のコンピュータビジョンアプリケーションに適合する画像統計に基づいて決定することができる。偽陽性の数を低減すること（たとえば、コンピュータビジョンアプリケーションに関連する画像統計に基づいて、第２の処理経路５１０がアクティブ化される回数を低減すること）で、電力を節約することもできる。

[00114]図６を参照すると、コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システム６００の別の特定の例示的な実施形態が示されている。処理システム６００は、センサー６０２と、前処理回路６０４と、選択回路５０６と、第１の処理経路６０８と、第２の処理経路６１０とを含む。

[00115]第１の処理経路６０８は、信号分析器５１２と変化検出回路５１４とを含むことができる。第２の処理経路６１０は、アプリケーションプロセッサ５１８と、メモリ５２０と、１つまたは複数の追加のプロセッサ６２２とを含むことができる。特定の実施形態では、第１の処理経路６０８は低電力処理経路であってよく、第２の処理経路６１０は高電力処理経路であってよい。たとえば、第１の処理経路６０８における構成要素は、第２の処理経路６１０における構成要素よりも少ない電力を消費し得る。

[00116]センサー６０２は、複数の画像フレーム（たとえば、ビデオストリーム）をキャプチャするように構成され得る。特定の実施形態では、センサー６０２は図３のカメラ３０２に対応し得る。センサー６０２によってキャプチャされたビデオストリームは、前処理回路６０４に提供され得る。前処理回路６０４は、ビデオストリームからフレーム（たとえば、図１の第１のフレーム１０２、第２のフレーム１０４、および第３のフレーム１０６）のセットを生成するためにビデオストリームをサンプリングするように構成され得る。たとえば、前処理回路６０４は、第１の時間に第１のフレーム１０２が生成され、第２の時間に第２のフレーム１０４が生成され、第３の時間に第３のフレーム１０６が生成されるようなサンプルレートでビデオストリームをサンプリングすることができる。各フレーム１０２〜１０６は選択回路５０６に提供され得る。

[00117]選択回路５０６、信号分析器５１２、変化検出回路５１４、およびアプリケーションプロセッサ５１８は、図５に関して説明したのと同様の方法で動作することができる。１つまたは複数の追加のプロセッサ６２２は、図７に関して説明するように、センサーデータ５３２に対する追加の処理（たとえば、追加のコンピュータビジョンアプリケーション特有処理）を実行するために、メモリ５２０からセンサーデータ５３２にアクセスすることができる。特定の実施形態では、１つまたは複数の追加のプロセッサ４２２のうちの少なくとも１つは、第２のアプリケーションプロセッサまたはデジタル信号プロセッサ（ＤＳＰ）に対応すること、またはこれらを含むことがある。

[00118]図７を参照すると、第２の処理経路６１０の特定の例示的な実施形態が示されている。第２の処理経路６１０は、データバス７０２と、アプリケーションプロセッサ５１８と、１つまたは複数の追加のプロセッサ６２２と、制御バス７１０とを含む。１つまたは複数の追加のプロセッサ６２２は、第２のアプリケーションプロセッサ７０６と、第Ｍのアプリケーションプロセッサ７０８とを含むことができる。特定の実施形態では、Ｍは、１以上である任意の整数であり得る。たとえば、Ｍが５に等しい場合、第２の処理経路６１０は、５個のアプリケーションプロセッサを含むことができる。

[00119]各アプリケーションプロセッサ５１８、７０６、７０８は、処理コア、アプリケーションプロセッササブシステム、処理リソースなどに対応し得る。各アプリケーションプロセッサ５１８、７０６、７０８は、異なる電力量を消費し得る。たとえば、アプリケーションプロセッサ５１８は第１の電力量を消費し得、第２のアプリケーションプロセッサ７０６は第２の電力量を消費し得、第Ｍのアプリケーションプロセッサ７０８は第Ｍの電力量を消費し得る。第１の電力量は第２の電力量よりも少なくてよく、第２の電力量は第Ｍの電力量よりも少なくてよい。

[00120]選択回路５０６は、データバス７０２を介してメモリ５２０にセンサーデータ５３２（たとえば、第２のフレーム１０４）を提供することができる。各アプリケーションプロセッサ５１８、７０６、７０８は、データバス７０２を介してメモリ５２０からセンサーデータ５３２にアクセスすることが可能であり得る。たとえば、各アプリケーションプロセッサ５１８、７０６、７０８は、メモリ５２０から第２のフレーム１０４（または第２のフレーム１０４の処理済みバージョン）を受信するようにデータバス７０２に結合され得る。

[00121]アプリケーションプロセッサ５１８は、センサーデータ５３２に対する第１のコンピュータビジョンアプリケーション特有処理を実行するように構成され得る。非限定的な例として、アプリケーションプロセッサ５１８は、特定の色（たとえば、手検出／認識のための人間の肌の色合いに関連する色）を対象に第２のフレーム１０４のピクセルをスキャンするように構成され得る。アプリケーションプロセッサ５１８が第２のフレーム１０４に対する第１のコンピュータビジョンアプリケーション特有処理を実行しているとき、第２のアプリケーションプロセッサ７０６および第Ｍのアプリケーションプロセッサ７０８は、電力を節約するために「スリープ」状態にあり得る。

[00122]アプリケーションプロセッサ５１８が特定の事象を検出した場合、アプリケーションプロセッサ５１８は、第２のアプリケーションプロセッサ７０６が第２のフレーム１０４に対する第２のコンピュータビジョンアプリケーション特有処理を実行することを要求する（たとえば、第２のアプリケーションプロセッサ７０６がスリープ状態から「起動する」ことを要求する）ことができる。非限定的な例として、第２のフレーム１０４の特定のピクセルが特定の色を有するとアプリケーションプロセッサ５１８が検出し決定した場合、アプリケーションプロセッサ５１８は、第２のアプリケーションプロセッサ７０６が第２のフレーム１０４に対する第２のコンピュータビジョンアプリケーション特有処理（たとえば、オブジェクト検出処理、オブジェクト認識処理、またはそれらの任意の組合せ）を実行することを要求することができる。アプリケーションプロセッサ５１８は、制御バス７１０を介して第２のアプリケーションプロセッサ７０６と通信することができる。たとえば、アプリケーションプロセッサ５１８は、第２のアプリケーションプロセッサ７０６に特定の事象を警告するために、制御バス７１０を介して第２のアプリケーションプロセッサ７０６に命令を送ることができる。

[00123]第２のアプリケーションプロセッサ７０６は、センサーデータ５３２（たとえば、第２のフレーム１０４）に対する第２のコンピュータビジョンアプリケーション特有処理を実行するべきかどうかを決定することができる。決定は、第２のアプリケーションプロセッサ７０６の処理能力、特定の事象の関連性などに基づき得る。第２のアプリケーションプロセッサ７０６が第２のフレーム１０４に対する第２のコンピュータビジョンアプリケーション特有処理を実行することを決定した場合、第２のアプリケーションプロセッサ７０６は、アプリケーションプロセッサ５１８における第２のフレーム１０４に対するコンピュータビジョンアプリケーション特有処理を中止するべきかどうかを決定することもできる。

[00124]たとえば、第２のアプリケーションプロセッサ７０６は、第２のフレーム１０４に対する第１および第２のコンピュータビジョンアプリケーション特有処理を実行することが可能であり得る。第２のアプリケーションプロセッサ７０６における決定に基づいて、第２のフレーム１０４に対するコンピュータビジョンアプリケーション特有処理がアプリケーションプロセッサ５１８において中止され得る。この実施形態では、第２のアプリケーションプロセッサ７０６は、スリープ状態に入るよう（制御バス７１０を介して）アプリケーションプロセッサ５１８に命令を送ることができ、第２のアプリケーションプロセッサ７０６は、第２のフレーム１０４に対する第１のコンピュータビジョンアプリケーション特有処理を実行することができる。たとえば、第２のアプリケーションプロセッサ７０６が第２のフレーム１０４に対する第１のコンピュータビジョンアプリケーション特有処理を実行することが可能である場合、アプリケーションプロセッサ５１８は、電力を節約するために非アクティブ化され得る。

[00125]第２のアプリケーションプロセッサ７０６が第２のフレーム１０４に対する第２のコンピュータビジョンアプリケーション特有処理を見送ることを決定した場合、第２のアプリケーションプロセッサ７０６は、第２のコンピュータビジョンアプリケーション特有処理を実行することの拒否のインジケーションを送ることができる。たとえば、第２のアプリケーションプロセッサ７０６は、制御バス７１０を介してアプリケーションプロセッサ５１８にインジケーションを送ることができる。特定の実施形態では、第２のアプリケーションプロセッサ７０６は、特定の事象に基づいて第２のコンピュータビジョンアプリケーション特有処理を実行するよう第２のアプリケーションプロセッサ７０６に要求するのをアプリケーションプロセッサ５１８に控えさせる命令を送ることができる。さらに、第２のアプリケーションプロセッサ７０６は、特定の事象の発生に伴ってアプリケーションプロセッサ５１８が第２のアプリケーションプロセッサ７０６を起動することのないように、特定の事象を解決するようにアプリケーションプロセッサ５１８を「プログラムする」ことができる。したがって、第２のアプリケーションプロセッサ７０６は、アプリケーションプロセッサ５１８の状態（たとえば、スリープ状態またはアクティブ化状態）を制御することができ、第２のアプリケーションプロセッサ７０６は、より効率的な方法で機能するようにアプリケーションプロセッサ５１８をプログラムすることもできる。

[00126]第２のアプリケーションプロセッサ７０６がアプリケーションプロセッサ５１８に対して動作するのと実質的に同様の方法で、第Ｍのアプリケーションプロセッサ７０８は第２のアプリケーションプロセッサ７０６およびアプリケーションプロセッサ５１８に対して動作することができる。たとえば、第Ｍのアプリケーションプロセッサ７０８は、第２のフレーム１０４に対する第Ｍのコンピュータビジョンアプリケーション特有処理と、第２のコンピュータビジョンアプリケーション特有処理と、第１のコンピュータビジョンアプリケーション特有処理とを実行するように構成され得る。第２のアプリケーションプロセッサ７０６と同様に、第Ｍのアプリケーションプロセッサ７０８は、第Ｍのコンピュータビジョンアプリケーション特有処理を実行することを拒否すること、他のアプリケーションプロセッサ５１８、７０６の状態を制御すること、より効率的な方法で動作するように他のアプリケーションプロセッサ５１８、７０６をプログラムすることなどができる。

[00127]第２の処理経路６１０は、処理効率を高めるために１つまたは複数のアプリケーションプロセッサ５１８、７０６、７０８を選択的に非アクティブ化することによって、電力消費量を低減することができる。たとえば、より複雑で（たとえば、より多くのコンピュータビジョンアプリケーション特有処理機能を実行することが可能で）より多くの電力を消費するアプリケーションプロセッサは、さほど複雑ではなく、さほど電力を消費しないアプリケーションプロセッサの状態を制御することができる。したがって、アクティブなアプリケーションプロセッサは、より低い電力のアプリケーションプロセッサのコンピュータビジョンアプリケーション特有処理機能を実行することが可能であり、アクティブなアプリケーションプロセッサは、より低い電力のアプリケーションプロセッサに、電力を節約するためにスリープ状態に入るよう命令することができる。

[00128]図８を参照すると、コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システム８００の別の特定の例示的な実施形態が示されている。処理システム８００は、センサー８０２と、システムコントローラ８０６と、第１の処理経路８０８と、第２の処理経路８１０とを含む。図８では、センサー８０２は、周辺光センサー８４０とカメラ８４２とを含む。代替実施形態では、異なる数および／またはタイプのセンサーが含まれ得る。第１の処理経路８０８は、信号分析器５１２と、アクティブ化分析器８１４と、非アクティブ化分析器８１６とを含むことができる。第２の処理経路８１０は、オブジェクト検出器８５０と、オブジェクト識別器８５２と、活動分類器８５４と、ユーザインターフェース８５６とを含むことができる。

[00129]周辺光センサー８４０は、視野の中で光および／または動きを検出するように構成され得る。たとえば、周辺光センサー８４０は、視野の中に光または動きが存在するかどうかを決定するための低電力および低解像度の微小電気機械システム（ＭＥＭＳ）ベースのカメラであり得る。周辺光センサー８４０が視野の中で動きおよび／または光を検出した場合、周辺光センサー８４０は、センサーステータス８８２としてシステムコントローラ８０６に第１の値（たとえば、論理高電圧値）を提供することができる。代替的に、周辺光センサー８４０が視野の中で動きおよび／または光を検出しなかった場合、周辺光センサー８４０は、センサーステータス８８２としてシステムコントローラ８０６に第２の値（たとえば、論理低電圧値）を提供することができる。

[00130]センサーステータス８８２に基づいて、システムコントローラ８０６は、カメラ８４２を選択的にアクティブ化または非アクティブ化することができる。たとえば、システムコントローラ８０６は、周辺光センサー８４０が視野の中で光および／または動きを検出したときに、カメラ８４２をアクティブ化するためのセンサー構成データ８８０を提供することができる。カメラ８４２がアクティブ化されたとき、カメラ８４２は信号分析器５１２に低レートデータ８３４（たとえば、センサーデータ５３０）を提供することができる。代替的に、システムコントローラ８０６は、周辺光センサー８４０が視野の中で光および／または動きを検出しなかったときに、カメラ８４２を非アクティブ化するためのセンサー構成データ８８０を提供することができる。視野の中で光および／または動きが検出されなかったときにカメラ８４２を非アクティブ化することで、電力を節約することができる。特定の実施形態では、センサー構成データ８８０は、光および／または動きが検出された視野の中の部分（たとえば、ロケーション）を示すこともできる。

[00131]図８におけるセンサー８０２は、周辺光センサー８４０とカメラ８４２とを示しているが、他の実施形態では、第１のモード（たとえば、低電力モード）および第２のモード（たとえば、高電力モード）で動作するように構成された単一のカメラが使用され得る。たとえば、低電力モードでは、カメラは、視野の中で光および／または動きを検出するように構成され得る。光および／または動きを検出すると、カメラは高電力モードに入り、信号分析器５１２に低レートデータ８３４（たとえば、センサーデータ５３０）を提供することができる。

[00132]信号分析器５１２は、アクティブ化分析器８１４および非アクティブ化分析器８１６に分析結果５４２を提供することができる。特定の実施形態では、アクティブ化分析器８１４および非アクティブ化分析器８１６は、図４の変化検出回路４１４または図５の変化検出回路５１４に対応し得る。たとえば、アクティブ化分析器８１４は、分析結果５４２に基づいてアクティブ化信号８４４を生成することができる（たとえば、第１のセンサーデータと第２のセンサーデータとの間の変化量が変化しきい値を満たす場合）。システムコントローラ８０６は、第２の処理経路８１０における構成要素をアクティブ化する（たとえば、起動する）ために第２の処理経路８１０にアクティブ化信号８４４を提供することができる。代替的に、非アクティブ化分析器８１６は、分析結果５４２に基づいて非アクティブ化信号８４６を生成することができる（たとえば、第１のセンサーデータと第２のセンサーデータとの間の変化量がしきい値を満たさない場合）。システムコントローラ８０６は、第２の処理経路８１０における構成要素を非アクティブ化するために第２の処理経路８１０に非アクティブ化信号を提供することができる。

[00133]第２の処理経路８１０がアクティブ化された場合、カメラ８４２は、コンピュータビジョンアプリケーション特有処理のために第２の処理経路８１０における構成要素に高レートデータ８３２を提供することができる。たとえば、オブジェクト検出器８５０が高レートデータ８３２のフレームの中でオブジェクトを検出すること、オブジェクト識別器８５２がオブジェクトを識別すること、活動分類器８５４が識別されたオブジェクトを分類することなどができる。特定の実施形態では、オブジェクト検出器８５０は図７のアプリケーションプロセッサ５１８に対応することができ、オブジェクト識別器８５２は図７の第２のアプリケーションプロセッサ７０６に対応することができ、活動分類器８５４は図７の第Ｍのアプリケーションプロセッサ７０８に対応することができる。図８における第２の処理経路８１０はオブジェクト検出器８５０と、オブジェクト識別器８５２と、活動分類器８５４とを含むが、他の実施形態では、第２の処理経路８１０は追加の構成要素または異なる構成要素を含み得る。たとえば、第２の処理経路８１０における構成要素はコンピュータビジョンアプリケーションに基づき得る。ユーザインターフェース８５６は、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器、またはそれらの任意の組合せの出力をユーザに（たとえば、ディスプレイデバイスにおいて）表示するように構成され得る。

[00134]特定の実施形態では、第２の処理経路８１０は、システムコントローラ８０６を介して第１の処理経路８０８にステータスインジケーション８４８を提供することができる。ステータスインジケーション８４８は第１の処理経路８０８に、第２の処理経路８１０における特定の構成要素がアクティブ状態であるか、またはアイドル状態であるかを示すことができる。

[00135]図９を参照すると、コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能である処理システム９００の別の特定の例示的な実施形態が示されている。処理システム９００は、センサー４０２と、ビデオフロントエンド（ＶＦＥ）Ｌｉｔｅサブシステム９０４と、低電力コンピュータビジョンサブシステム（ＬＰＣＶＳＳ）９０６と、低電力アプリケーションサブシステム（ＬＰＡＳＳ）９０８と、アプリケーションプロセッササブシステム（ＡＰＳＳ）９１０と、１つまたは複数の他のプロセッサ９１２と、データバス９１６とを含む。特定の実施形態では、ＬＰＡＳＳ９０８は、図７のアプリケーションプロセッサ５１８に対応することができ、実質的に同様の方法で動作することができ、ＡＰＳＳ９１０は、図７の第２のアプリケーションプロセッサ７０６に対応することができ、実質的に同様の方法で動作することができ、１つまたは複数の他のプロセッサ９１２は、図７の第Ｍのアプリケーションプロセッサ７０８に対応することができ、実質的に同様の方法で動作することができる。

[00136]ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、および１つまたは複数の他のプロセッサ９１２はそれぞれ、処理コア、アプリケーションプロセッササブシステム、処理リソースなどに対応し得る。ＬＰＡＳＳ９０８は第１の電力量を消費し得、ＡＰＳＳ９１０は第２の電力量を消費し得、追加のプロセッサ９１２は第３の電力量を消費し得る。第１の電力量は第２の電力量よりも少なくてよく、第２の電力量は第３の電力量よりも少なくてよい。

[00137]センサー４０２は、ＶＦＥ−Ｌｉｔｅ９０４にセンサーデータ４３０（たとえば、第１のフレーム１０２、第２のフレーム１０４、第３のフレーム１０６など）を提供することができる。第１のフレーム１０２を受信すると、ＶＦＥ−Ｌｉｔｅ９０４は、第１のフレーム１０２を分析し、分析の第１の分析結果５４２をＬＰＣＶＳＳ９０６に提供することができる。特定の実施形態では、ＶＦＥ−Ｌｉｔｅ９０４は、図３の第１の処理デバイス３０４または図５の信号分析器５１２に対応し、実質的に同様の方法で動作することができる。ＬＰＣＶＳＳ９０６は、第１の分析結果５４２を記憶するための「オンボード」メモリを含み得る。特定の実施形態では、ＬＰＣＶＳＳ９０６は、図４の変化検出回路４１４または図５の変化検出回路５１４と実質的に同様の方法で動作することができる。第２のフレーム１０４を受信すると、ＶＦＥ−Ｌｉｔｅ９０４は、第２のフレーム１０４を分析し、分析の第２の分析結果５４２をＬＰＣＶＳＳ９０６に提供することができる。

[00138]さらに、ＶＦＥ−Ｌｉｔｅ９０４は、データバス９１６を介してＤＤＲ９１４にセンサーデータ４３０（たとえば、第２のフレーム１０４）を提供することができる。ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、および追加のプロセッサ９１２は、データバス９１６を介してＤＤＲ９１４からセンサーデータ４３０にアクセスすることが可能であり得る。たとえば、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、および追加のプロセッサ９１２は、ＤＤＲ９１４から第２のフレーム１０４（または第２のフレーム１０４の処理済みバージョン）を受信するようにデータバス９１６に結合され得る。

[00139]ＬＰＣＶＳＳ９０６は、第１のフレーム１０２と第２のフレーム１０４との間の変化量（たとえば、第１の分析結果５４２（または第１のセンサーデータ）と第２の分析結果５４２（または第２のセンサーデータ）との間の変化量）を決定するように構成され得る。変化量がしきい値（たとえば、変化しきい値）を満たさないとき、ＬＰＣＶＳＳ９０６は、第１の値を有する制御信号９２０を生成することができる。変化量がしきい値を満たすとき、ＬＰＣＶＳＳ９０６は、第２の値を有する制御信号５１６を生成することができる。

[00140]図９の図示の実施形態では、制御信号９２０は、変化量がしきい値を満たさなかったことを示す第１の値を有する。結果として、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、および１つまたは複数の追加のプロセッサ９１２は、網掛けパターンにより示されるようにスリープ状態にある。たとえば、ＬＰＣＶＳＳ９０６は変化量に基づいてスリープ状態にとどまるよう（制御信号９２０を介して）ＬＰＡＳＳ９０８に指示することができる。したがって、図９の図示の実施形態では、現在のフレームに対するコンピュータビジョンアプリケーション特有処理が回避され得るので、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、および１つまたは複数の追加のプロセッサ９１２をオフにして電力が節約され得る。

[00141]図１０の図示の実施形態では、処理システム９００は部分的電力モードにあり得る。例示すると、制御信号９２０は、変更量がしきい値を満たすことを示す第２の値を有し得る。たとえば、ＬＰＣＶＳＳ９０６は、「活動」（たとえば、現在のフレームと以前のフレームとの間の変化）を検出し、現在のフレームに対するコンピュータビジョンアプリケーション特有処理を実行するようＬＰＡＳＳ９０８にシグナリングすることがある。ＬＰＡＳＳ９０８が制御信号９２０を受信したとき、ＬＰＡＳＳ９０８は「起動」し、センサーデータ４３０に対する第１のコンピュータビジョンアプリケーション特有処理を実行することができる。非限定的な例として、ＬＰＡＳＳ９０８は、特定の色（たとえば、手検出／認識のための人間の肌の色合いに関連する色）を対象に第２のフレーム１０４のピクセルをスキャンするように構成され得る。別の非限定的な例として、ＬＰＡＳＳ９０８は局所化された「関心領域」（ＲＯＩ）を、ＲＯＩにおける活動がしきい値を満たすかどうかを決定するために生成することができる。ＲＯＩにおける活動がしきい値を満たさない場合、ＬＰＡＳＳ９０８はＡＰＳＳ９１０と他のプロセッサ９１２とを「オフにする」ことができ、現在のフレームを「ドロップする」ことができる。ＡＰＳＳ９１０と他のプロセッサ９１２とをオフにすることで、電力消費量を低減することができる。

[00142]図１１の図示の実施形態では、処理システム９００は全電力モードにあり得る。たとえば、ＲＯＩにおける活動がしきい値を満たす場合、ＬＰＡＳＳ９０８は、制御信号９２２を介して、ＡＰＳＳ９１０が第２のフレーム１０４に対する第２のコンピュータビジョンアプリケーション特有処理を実行することを要求する（たとえば、ＡＰＳＳ９１０がスリープ状態から「起動する」ことを要求する）ことができる。非限定的な例として、第２のフレーム１０４の特定のピクセルが特定の色を有するとＬＰＡＳＳ９０８が検出し決定した場合、ＬＰＡＳＳ９０８は、ＡＰＳＳ９１０が第２のフレーム１０４に対する第２のコンピュータビジョンアプリケーション特有処理（たとえば、オブジェクト検出処理、オブジェクト認識処理、またはそれらの任意の組合せ）を実行することを要求することができる。ＬＰＡＳＳ９０８は、ＩＰＣ制御を介してＡＰＳＳ９１０と通信することができる。

[00143]同様に、ＡＰＳＳ９１０は、制御信号９２４を介して、追加のプロセッサ９１２が第２のフレーム１０４に対する第３のコンピュータビジョンアプリケーション特有処理を実行することを要求する（たとえば、追加のプロセッサ９１２がスリープ状態から「起動する」ことを要求する）ことができる。ＡＰＳＳ９１０は、ＩＰＣ制御を介して追加のプロセッサ９１２と通信することができる。

[00144]したがって、図９〜図１１に関して説明した実施形態は、処理効率を高めるために１つまたは複数のプロセッサ／サブシステムを選択的に非アクティブ化することによって電力消費量を低減することができる。

[00145]コンピュータビジョンアプリケーションプロセッサに入力を提供し得るセンサーの一例（たとえば、図４のセンサー４０２）は、常時接続カメラを含む。常時接続カメラは、様々なモバイルデバイスのいずれかに含まれること、および／または通信可能に結合されることがある。図１２は、たとえば、常時接続カメラを利用し得るモバイルデバイス１２００の実施形態の例示である。モバイルデバイス１２００は、モバイルフォン１２００−１と、タブレット１２００−２と、頭部装着ディスプレイ（ＨＭＤ）１２００−３とを含む。図１２に示されていないが、モバイルデバイス１２００は、携帯情報端末（ＰＤＡ）ノートブックコンピュータ、パーソナルメディアプレーヤ、ゲームデバイス、カメラ、ビデオレコーダなどを含み得る。モバイルデバイス１２００は、ユーザの体に分散され得る１つまたは複数の装着型デバイス（たとえば、ヘルメットカメラ、スポーツカメラなど）を含み得る。図１３を参照してさらに説明するように、複数のデバイス（たとえば、装着型デバイス）がコンテキスト決定エンジンと通信可能に接続されること、および／またはコンテキスト決定エンジンによって管理されることがある。

[00146]さらに、モバイルデバイスのスタイル、サイズ、機能、および／または他の特徴は、同じタイプの異なるモバイルデバイス間で異なり得る。モバイルデバイス１２００は、モバイルデバイス１２００上の様々なロケーションのいずれかに位置する１つまたは複数のカメラ１２１０（たとえば、図３のカメラ３０２、図８のカメラ８４２）を含むことができる。モバイルフォン１００−１は、たとえば、前向きカメラ１２１０−１および／または後ろ向きカメラ１２１０−２を含むことができる。タブレット１２００−２は、前向きカメラ１２１０−３および／または他の方向に面し得る他の表面（たとえば、側面および／または裏面）上の追加のカメラ１２１０−４を含むことができる。ＨＭＤ１００−３は、図示のようにＨＭＤ１２００−３のディスプレイ１２２０の間および／またはＨＭＤ１２００−３の別のロケーションに位置する外向きカメラ１２１０−５を有し得る。

[00147]モバイルデバイスのカメラ１２１０のいずれかまたはすべてが、所望の機能に応じて常時接続カメラとして利用され得る。いくつかの実施形態は、常時接続機能に対応する特定の特徴（たとえば、広角、魚眼、低電力、低解像度など）を有する常時接続機能専用の特定のカメラを利用することができるが、実施形態は、常時接続機能のために様々なカメラタイプ（たとえば、赤外線、紫外線、分光計、高解像度、前向きなど）のいずれかを追加的または代替的に利用することができる。モバイルデバイスが複数のカメラを含む実施形態は、ユーザが常時接続カメラとして使用するカメラを選択することを可能にすることができ、および／またはモバイルデバイスは、いくつかの状況において異なるカメラの間でトグルすることができる。

[00148]モバイルデバイスの実施形態は、図１２に示すモバイルデバイス１２００とは異なり得る。たとえば、モバイルデバイス内に埋め込まれたカメラの追加または代替として、特定の実施形態は、カメラとは物理的に別個であるが、（たとえば、ワイヤレス技術または有線技術により）カメラと通信可能に結合されたモバイルデバイスを含むことができる。たとえばユーザの体の上および／または周りの様々なロケーションにカメラおよび／または他のセンサーが分散され得るように、他のセンサーがモバイルデバイスとは物理的に別個であるが、モバイルデバイスと通信していることもある。

[00149]図１３は、常時接続カメラのサンプリングレートの調節に影響を与え得るコンテキスト決定の際にデバイスの実施形態がセンサーと他の情報とをどのように利用し得るかを示す入力／出力図である。これらのコンテキスト決定は、たとえば、モバイルデバイス１２００のうちの１つまたは複数のソフトウェアおよび／またはハードウェアによって実行されるコンテキスト決定エンジン１３８０によって行われ得る。コンテキスト決定エンジン１３８０は、モバイルデバイス１２００のうちの１つまたは複数のより大きいソフトウェアおよび／またはハードウェアアプリケーションの一部であること、またはそのようなアプリケーションに組み込まれることがある。たとえば、コンテキスト決定エンジン１３８０の１つまたは複数の構成要素は、アプリケーションプロセッサ（たとえば、図３の第２の処理デバイス３１０、図４のアプリケーションプロセッサ４１８、図５〜図７のアプリケーションプロセッサ５１８、１つまたは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、および／または第Ｍのアプリケーションプロセッサ７０８）、図８のオブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、アクティブ化分析器８１４、非アクティブ化分析器８１６、システムコントローラ８０６、図９〜図１１のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、変化検出回路（たとえば、図４の変化検出回路４１４および／または図５の変化検出回路５１４）、図５の信号分析器５１２、またはそれらの組合せの一部であること、またはそれらに組み込まれることがある。コンテキスト決定エンジン１３８０は、コンテキスト決定を行うために、光センサー１３１０（たとえば、図８の周辺光センサー８４０、紫外線（ＵＶ）センサー、ＵＶ−Ａセンサー、ＵＶ−Ｂセンサー、赤−緑−青（ＲＧＢ）センサーなどを含み得る）、マイクロフォン１３２０、動き／方位検出器１３３０（たとえば、１つもしくは複数のジャイロスコープ、磁力計（および／または他のタイプの羅針盤）、加速度計などを含み得る）、カメラ１２１０（たとえば、図３のカメラ３０２および／または図８のカメラ８４２）、ワイヤレス通信インターフェース１３４０（たとえば、第２世代（２Ｇ）モデム、第３世代（３Ｇ）モデム、第４世代（４Ｇ）モデム、ｗｉｒｅｌｅｓｓ ｆｉｄｅｌｉｔｙ（ＷｉＦｉ（登録商標））インターフェース、ｗｏｒｌｄｗｉｄｅ ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ ｍｉｃｒｏｗａｖｅ ａｃｃｅｓｓ（ＷｉＭａｘ（登録商標））インターフェース、および／またはＢｌｕｅｔｏｏｔｈ（登録商標）（Ｂｌｕｅｔｏｏｔｈ ＳＩＧ， Ｉｎｃ．の登録商標）インターフェースまたはＢｌｕｅｔｏｏｔｈ（Ｂｌｕｅｔｏｏｔｈ ＳＩＧ， Ｉｎｃ．の登録商標）低エネルギー（ＬＥ）インターフェースなどの別のワイヤレスインターフェースを含み得る）、衛星測位受信機１３５０、および／または他のセンサー１３６０（たとえば、図４のセンサー４０２、図５のセンサー５０２、図６のセンサー６０２、高度計、近接センサー、圧縮画像センサー（compressive imaging sensor）、温度センサー、圧力センサー、タッチセンサー、指紋センサーなど）を含む様々な構成要素からデータを受信することができる。

[00150]特定の実施形態では、コンテキスト決定エンジン１３８０は、マップ１３７０、動きモデル１３９０、および／またはアプリケーションデータ１３９５（たとえば、コンピュータビジョンアプリケーションデータ）からデータを受信し得る。所望の機能に応じて、構成要素のうちの１つまたは複数は、モバイルデバイス１２００のうちの１つまたは複数に組み込まれること、および／または（たとえば、前述したように有線接続および／またはワイヤレス接続を介して通信している）モバイルデバイス１２００のうちの１つまたは複数とは別個であることがある。

[00151]１つまたは複数のカメラ１２１０は、モバイルデバイス１２００のうちの１つまたは複数に組み込まれること、および／または通信可能に結合されることがある。さらに、カメラ１２１０のうちのいずれかまたはすべてが常時接続カメラとして指定され得る。コンテキスト決定エンジン１３８０は、この指定を行うことができる。コンテキスト決定エンジン１３８０のコンテキスト決定によって常時接続カメラのサンプルレートが影響を受け得るだけではなく、さらなるコンテキスト決定のために常時接続カメラ（および／または他のカメラ１２１０）からの画像が処理され得る。

[00152]コンテキスト決定の結果、（ソフトウェアアプリケーションアンカーハードウェアデフォルト（software application anchor hardware default）によって選択された初期サンプリングレートであり得る）常時接続カメラのサンプリングレートを調節することがある。サンプリングレートは、多種多様なサンプリングレートのいずれかに調節され得る。たとえば、初期サンプリングレートは、４〜５秒ごとに１サンプルであり得る。しかしながら、コンテキスト決定によっては、サンプリングレートが３０サンプル毎秒（すなわち、３０フレーム毎秒（ＦＰＳ））以上に引き上げられることがある。他の決定の結果、サンプリングレートをたとえば５分ごとに１回に低減すること、および／またはサンプルを完全に抑制することがある。コンテキスト決定の結果、サンプリングレートが０（すなわち、サンプリングなし）から常時接続カメラのハードウェアおよび／またはソフトウェア制約下で実現可能な最高レートになることがある。追加または代替として、以下でより詳細に説明するように、実施形態は、コンテキスト決定に基づいて常時接続カメラを選択的にトリガすること、および／またはマルチセンサーシステムにおけるいくつかのセンサー（たとえば、カメラ、光センサー、動き検出器、マイクロフォンなど）を選択的にアクティブ化することができる。

[00153]光センサー１３１０は、活性光センサー、ＲＧＢセンサー、紫外線（ＵＶ）センサーなどのような様々な感光センサーのいずれかを含み得る。そのような光センサー１３１０は、一般に、常時接続カメラよりもはるかに少ない電力を消費し、モバイルデバイス１２００のうちの１つまたは複数のコンテキストを決定する際に使用され得る。たとえば、１つまたは複数の光センサー１３１０は、常時接続カメラが露出される光強度を決定するように位置付けられ得る。検出された光強度があるしきい値を下回る場合、コンテキスト決定エンジン１３８０は、常時接続カメラがポケットもしくは財布の中または暗くした部屋にあると決定することができ、その場合、常時接続カメラのサンプリングレートは低減または一時停止され得る。

[00154]いくつかの実施形態は、常時接続カメラとして利用され得る複数のカメラ１２１０を有し得る。照明条件がカメラロケーションによって変わる可能性があり、１つまたは複数の光センサー１３１０が各カメラに対応するように位置付けられる場合、コンテキスト決定エンジン１３８０は、光センサー１３１０からの光強度に基づいて、複数のカメラ１２１０のうちのどれを常時接続カメラとして利用するべきかを決定することができる。

[00155]追加または代替として、コンテキスト決定エンジン１３８０は、（机の上、またはユーザの手、かばん、シャツのポケット、ズボンのポケット、ホルスターの中などのような）ユーザに対するモバイルデバイスの位置および／または常時接続カメラの位置を決定し、それに応じて常時接続カメラのサンプリングレートを調節するために、動き／方位検出器１３３０、動きモデル１３９０、および／または光センサー１３１０を使用することができる。たとえば、モバイルデバイスがポケット、かばん、財布もしくはホルスターの中で検出され、および／またはあるしきい値を下回る光にさらされた場合、常時接続カメラへのビューは遮られる公算が大きく、常時接続カメラのサンプリングレートは低減され得る。特定の実施形態では、常時接続カメラのサンプリングレートは０に低減され、画像キャプチャを一時停止することがある。ユーザの生活の写真ログを自動的に収集するためにライフロギングアプリケーションによって常時接続カメラのキャプチャされた画像が使用されるシナリオでは、この機能は、写真が有用な情報をほとんどまたはまったく提供しないとき、たとえば夜の時間帯、常時接続カメラがポケット、かばんの中にあるときなどに、結果的に、不必要な画像キャプチャを回避することができ、大幅な電力節約をもたらすことができる。動き／方位検出器１３３０および／または動きモデル１３９０はまた、コンテキスト決定エンジン１３８０が、モバイルデバイス１２００のうちの１つもしくは複数を携帯している、および／またはモバイルデバイス１２００のうちの１つもしくは複数に関連付けられるユーザの状態を決定することを可能にし得る。例として、歩いていること、走っていること、運動していること、移動中、および検出可能な動きおよび／または方位を伴い得る他の活動がある。さらに、ユーザ状態は、常時接続カメラがどのように調節されるかに影響を与え得る。たとえば、常時接続カメラは、ユーザ状態が屋外での移動を示す場合（たとえば、ユーザの環境が頻繁に変わる公算が大きい場合）にサンプリングレートを引き上げるように構成され得る。他方、屋内での比較的不活発な状態を示すユーザ状態を受けて、コンテキスト決定エンジン１３８０は、常時接続カメラのサンプリング周波数を低減することができる。

[00156]コンテキスト決定エンジン１３８０は、あるオーディオの活動および方向を検出するためにマイクロフォン１３２０からのデータを利用することもできる。マイクロフォン１３２０からのデータは、特定の活動（たとえば、会合または会話）が生じていると決定するために使用され得る。マイクロフォン１３２０からのデータは、たとえば、音が検出されたときに、常時接続カメラのサンプリング周波数を調節して、サンプリングレートを引き上げるために使用され得る。

[00157]特定の実施形態では、モバイルデバイスは、複数のカメラ１２１０のいずれかを常時接続カメラとして利用することができる。マイクロフォンデータから導出されたオーディオ方向性は、音がどの方向から来ているかを決定するために使用され得る。その場合、音の方向に向いている公算が大きい対応するカメラが、オーディオ活動の方向に基づいて画像をキャプチャするための常時接続カメラとして指定され得る。オーディオ活動の方向に向いているカメラによってキャプチャされた画像は、話者の身元、話者の感情、話者の表情、オーディオ活動に対応する視覚シーンなどに関する視覚情報を含む公算も大きい。マイクロフォン１３２０は、オーディオ方向性を決定するための１つまたは複数の低電力マイクロフォン活動検出器を含むことができる。

[00158]オーディオ方向性およびユーザ状態の決定は、複数のカメラ１２１０を有するモバイルデバイス１２００のうちの１つまたは複数がライフロギングアプリケーションを実行しているシナリオにおいて使用され得る。会合のコンテキストでは、ユーザはモバイルデバイス１２００のうちの１つまたは複数をテーブルの上に置くことがあり、その時点で、コンテキスト決定エンジン１３８０は、ユーザ状態（たとえば、「会合に参加中」）を決定するためにマイクロフォン１３２０および／または他の構成要素を使用し、ユーザの状態に基づいて、どのカメラ１２１０からサンプリングするべきか、および／またはカメラのサンプリングレートをどのように調節する（たとえば、引き上げるまたは引き下げる）べきかを決定するためにマイクロフォン１３２０のオーディオ方向性情報を活用することがある。ユーザが自分のオフィスで仕事をしているとき、コンテキスト決定エンジンは、このユーザ状態（たとえば、「オフィスで仕事中」）を決定するために（たとえば、オーディオ環境クラスタ化および／または他のオーディオ分析技法を使用して）オーディオデータを利用することができ、ユーザ状態に基づいて、オーディオ環境の変化が検出されるまで、サンプリングレートを低減すること、または常時接続カメラをオフにすることができる。

[00159]コンテキスト決定エンジン１３８０は、ユーザが関与し得る活動（たとえば、歩くこと、走ること、移動中など）などのコンテキスト情報を決定するために動き／方位検出器１３３０からのデータを使用することもできる。動き／方位検出器１３３０からのデータは、決定を行うために、ユーザの異なる活動および／または他の状態をモデル化し得る動きモデル１３９０と比較され得る。たとえば、感知された動きが、ある活動のモデル化された動きのしきい値類似性の中にある（すなわち、感知された動きが、しきい値の中のモデル化された動きと同様である）場合、コンテキスト決定エンジン１３８０は、ユーザがその活動に関与していると決定することができる。いくつかの実施形態では、データは、絶対動き分類器または相対もしくは完全動き分類器などの分類器によって処理されてよく、またはデータは、歩数計モジュールまたは機能によって処理されてよい。

[00160]コンテキスト決定エンジン１３８０は、ユーザ（たとえば、ユーザ状態）および／またはモバイルデバイス１２００の速度、動き、および／または決定されたコンテキストに基づいて、常時接続カメラのサンプリングレートを調節することができる。たとえば、走ること、またはジャンプすることなど、比較的大きい移動量を伴うある種の活動にユーザが関与しているとコンテキスト決定エンジン１３８０が決定した場合、コンテキスト決定エンジン１３８０は、それに応じて常時接続カメラのサンプリングレートを調整することができる。たとえば、ユーザの移動を検出したことに応答して、コンテキスト決定エンジン１３８０は、常時接続カメラからのサンプリングを低減または一時停止することができる。

[00161]同様に、コンテキスト決定エンジン１３８０は、動き／方位検出器１３３０および／または（たとえば、衛星測位受信機１３５０、測位情報および／または速度情報を提供することが可能なワイヤレス通信インターフェース１３４０などを使用して決定され得る）ロケーション情報から速度を推定することによって、ユーザがある速度で進んでいると決定することができる。速度があるしきい値を上回る場合、コンテキスト決定エンジン１３８０は、不鮮明な画像をキャプチャする可能性を低減するために、常時接続カメラからのサンプリングを低減または一時停止することができる。追加または代替として、ユーザ状態の決定の際に速度が使用されることがあり、その場合、常時接続カメラのサンプリングがどのように調節され得るかを決定するために、ユーザ状態が使用され得る。

[00162]コンテキスト決定エンジン１３８０は、常時接続カメラのサンプリングレートを調節するべきかどうかを決定するために、動き／方位検出器１３３０からの方位情報を使用すること、および／または１つまたは複数の他の構成要素と組み合わせられたときに、感知された方位および／または動きに基づいて常時接続機能のためのカメラを指定することもできる。たとえば、コンテキスト決定エンジン１３８０は、常時接続カメラによって取られた以前の画像が、ある使用事例にとって情報価値がない（たとえば、空または天井を指している）と決定され、モバイルデバイス１２００のうちの１つもしくは複数および／または常時接続カメラが、以前の画像をキャプチャした時点以降、完全静止状態である場合、常時接続カメラの画像キャプチャを抑制することができる。常時接続カメラのサンプリングレートに影響を与え得るコンテキスト決定の際に、ジオフェンシングおよび関連場所（ＰＯＲ：place of relevance）ベースのトリガが使用されることもある。

[00163]図１４を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に１４００と称される。システム１４００は、デバイス１４０２を含むことができる。デバイス１４０２は、プロセッサ１４１０と、マルチメディアコンテンツ分類器１４１２と、メモリ１４０８とを含むことができる。マルチメディアコンテンツ分類器１４１２は、特徴セット抽出器１４１４、特徴セットクラスタ器１４１６、特徴セット分類器１４１８、シーン変化検出器１４６０、不鮮明画像検出器１４６２、またはそれらの任意の組合せを含むことができる。特定の実施形態では、マルチメディアコンテンツ分類器１４１２の１つまたは複数の構成要素は、図３の第１の処理デバイス３０４、統計処理デバイス１０８、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、アプリケーションプロセッサ５１８、信号分析器５１２、変化検出回路５１４、図６の１つもしくは複数の追加のプロセッサ６２２、第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のオブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、ユーザインターフェース８５６、アクティブ化分析器８１４、非アクティブ化分析器８１６、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、またはそれらの組合せの一部であること、またはそれらに組み込まれることがある。

[00164]メモリ１４０８は、しきい値データ１４３４、選択基準１４３８、分類モデル１４２８、ユーザ選好１４２２、タイムスタンプ１４９４、特徴セットデータ１４３２、コンテキストデータ１４９０、中間コンテキストデータ１４９２、アプリケーション１４４４、またはそれらの任意の組合せを含むことができる。特定の実施形態では、メモリ１４０８の少なくとも一部分は、図３のメモリ３０６、図４のメモリ４２０、図５のメモリ５２０、図９のＤＤＲ９１４、またはそれらの組合せに対応し得る。本明細書で使用する画像の「コンテキスト」は、画像から推論もしくは決定された情報および／または画像から抽出された特徴を含むことができる。たとえば、画像のコンテキストは、特定のロケーション、特定の人、特定のオブジェクト、特定の活動、またはそれらの任意の組合せを含むことができる。例示すると、特定の会議室での会合に出席している特定の人の画像のコンテキストは、特定の人（たとえば、「ジョン」）、会合に出席する活動（たとえば、「グループ会合出席」）、特定の会議室（たとえば、「部屋２．１３４」）、会議室中のオブジェクト（たとえば、「ホワイトボード」）、またはそれらの任意の組合せを含むことができる。

[00165]しきい値データ１４３４は、１つもしくは複数のしきい値持続時間１４８０、しきい値信頼性レベル１４８２、しきい値鮮明度レベル１４８４、しきい値バッテリー電力１４８６、しきい値帯域幅１４８８、またはそれらの任意の組合せを含むことができる。選択基準１４３８は、リソースバジェット１４２０（たとえば、アクティブ化される同種または異種プロセッサコアのしきい値数）、使用事例１４３６、関心領域１４７８、またはそれらの任意の組合せを含むことができる。特定の実施形態では、デバイス１４０２は、ユーザ１４５２からユーザ入力１４３０を介して、しきい値データ１４３４、選択基準１４３８、または両方に対応する１つまたは複数の値を受信することができる。特定の実施形態では、マルチメディアコンテンツ分類器１４１２は、しきい値データ１４３４に対応する１つまたは複数の値を、１つまたは複数の画像に関連する対応する値に基づいて生成することができる。たとえば、マルチメディアコンテンツ分類器１４１２は、以前に処理および／またはキャプチャされたいくつかの画像の平均鮮明度に基づいて、しきい値鮮明度レベル１４８４を決定することができる。

[00166]デバイス１４０２は、１つまたは複数の画像センサーおよびディスプレイ１４０６に結合されること、またはそれらと通信していることがある。１つまたは複数の画像センサーは、第１の画像センサー１４０４、第Ｎの画像センサー１４４０、または画像センサーの組合せを含むことができる。特定の実施形態では、デバイス１４０２は、第１の画像センサー１４０４、第Ｎの画像センサー１４４０を介して、または画像センサーの組合せから画像をキャプチャするように構成されたモバイルデバイスであり得る。特定の実施形態では、第１の画像センサー１４０４、第Ｎの画像センサー１４４０、または１つもしくは複数の他のセンサーは、モバイルデバイスのカメラに組み込まれ得る。１つまたは複数の画像センサーは、図３のカメラ３０２、図４のセンサー４０２、図５のセンサー５０２、図６のセンサー６０２、図８のセンサー８０２、図１２のカメラ１２１０、１つもしくは複数の他のセンサー１３６０、またはそれらの組合せに対応し得る。

[00167]デバイス１４０２は、図１４に示すものよりも少ない、または多くの構成要素を含み得る。たとえば、デバイス１４０２は、２つ以上のプロセッサを含むこと、２つ以上のメモリを含むこと、または両方がある。デバイス１４０２は、ネットワーク化または分散型コンピューティングシステムを含み得る。特定の例示的な実施形態では、デバイス１４０２は、モバイル通信デバイス、スマートフォン、セルラーフォン、ラップトップコンピュータ、コンピュータ、タブレット、携帯情報端末、ディスプレイデバイス、テレビ、ゲーム機、音楽プレーヤ、ラジオ、デジタルビデオプレーヤ、デジタルビデオディスク（ＤＶＤ）プレーヤ、チューナー、カメラ、ナビゲーションデバイス、またはそれらの任意の組合せを含むことができる。そのようなデバイスは、ユーザインターフェース、たとえば、タッチスクリーン、音声認識能力、または他のユーザインターフェース能力を含むことができる。

[00168]動作中、デバイス１４０２は、画像センサー（たとえば、第１の画像センサー１４０４）から知覚データ（たとえば、第１の知覚データ１４７０）を受信し得る。第１の知覚データ１４７０は、画像に関係し得る。たとえば、第１の画像センサー１４０４は、画像をキャプチャすることができ、画像に関係する第１の知覚データ１４７０をデバイス１４０２に送ることができる。第１の画像センサー１４０４は、図１９および図２７を参照しながらさらに説明するように、様々なトリガに基づいて第１の知覚データ１４７０を生成することができる。たとえば、第１の画像センサー１４０４は、データサンプリング間隔で（たとえば、毎分１回）画像を周期的にキャプチャすることができ、画像に関係する知覚データ（たとえば、第１の知覚データ１４７０）をデバイス１４０２に周期的に送ることができる。第１の画像センサー１４０４は、しきい値画像キャプチャ持続時間（たとえば、しきい値持続時間１４８０）が満たされるとの決定に基づいて画像をキャプチャすることができる。たとえば、しきい値画像キャプチャ持続時間は、画像をキャプチャする間の特定のデータサンプリング間隔（たとえば、１分）を示すことができる。以前の画像をキャプチャした後に特定のデータサンプリング間隔が経過したときに、しきい値画像キャプチャ持続時間が満たされ得る。

[00169]別の例として、第１の画像センサー１４０４は、デバイス１４０２における利用可能帯域幅がしきい値帯域幅（たとえば、しきい値帯域幅１４８８）を満たすとの決定、利用可能バッテリー電力がしきい値バッテリー電力（たとえば、しきい値バッテリー電力１４８６）を満たすとの決定、または両方に基づいて、第１の知覚データ３７０を生成することができる。さらなる例として、第１の画像センサー１４０４は、ユーザ選好（たとえば、ユーザ選好１４２２）に基づいて、ユーザ入力（たとえば、ユーザ入力１４３０）に基づいて、またはそれらの任意の組合せに基づいて、第１の知覚データ１４７０を生成することができる。

[00170]別の例として、第１の画像センサー１４０４は、デバイス１４０２から受信された画像キャプチャ要求（たとえば、第１の画像キャプチャ要求１４７２）に基づいて第１の知覚データ１４７０を生成することができる。例示すると、様々なトリガのうちの１つまたは複数がアクティブ化されていると決定したことに応答して、マルチメディアコンテンツ分類器１４１２は第１の画像センサー１４０４に第１の画像キャプチャ要求１４７２を送ることができる。マルチメディアコンテンツ分類器１４１２は、第１の画像センサー１４０４から第１の知覚データ１４７０を受信することができる。

[00171]特徴セット抽出器１４１４は、画像の特徴の第１のサブセット（たとえば、特徴のサブセット１４４２）を第１の知覚データ１４７０から抽出することができる。たとえば、特徴セット抽出器１４１４は、画像の１つまたは複数の視覚記述子を計算することができる。特定の実施形態では、特徴セット抽出器１４１４は、抽出基準が満たされると決定したことに基づいて、画像の特徴の第１のサブセットを抽出することができる。たとえば、第１の知覚データ１４７０が以前の画像に対する画像の変化を示す場合に、抽出基準が満たされ得る。例示すると、本明細書で説明するように、第１の知覚データ１４７０に対応する第１の画像統計と以前の画像に対応する第２の画像統計との間の差が変化しきい値を満たす場合に、抽出基準が満たされ得る。第１の知覚データ１４７０が抽出基準を満たさないと決定したことに基づいて、特徴の第１のサブセットを抽出するのを控えることで、デバイス１４０２のリソースを節約し得ることが諒解されよう。たとえば、画像が以前の画像と同様であることがあり、無視されることがあり（たとえば、画像の処理が省略されることがあり）、次の画像を処理するためにデバイス１４０２のリソースが使用されることがある。特定の実施形態では、メモリ１４０８がマルチメディアコンテンツ分類器１４１２の外部にあることがあり、メモリ１４０８が第１の知覚データ１４７０を記憶することがあり、特徴の第１のサブセットを抽出することがメモリ１４０８にアクセスすることを含み得る。

[00172]特定の実施形態では、特徴セット抽出器１４１４は、図１８〜図２１を参照しながらさらに説明するように、選択基準（たとえば、選択基準１４３８）に基づいて特徴の第１のサブセットを選択することができる。選択基準１４３８は、リソースバジェット（たとえば、リソースバジェット１４２０）、使用事例（たとえば、使用事例１４３６）、関心領域（たとえば、関心領域１４７８）、またはそれらの任意の組合せを含むことができる。特定の実施形態では、特徴セット抽出器１４１４は、特徴セット抽出器１４１４が第１の知覚データ１４７０から抽出することが可能であるすべての特徴よりも少ない特徴を抽出することができる。抽出された各特徴は、対応する信頼性レベルを有すること、または対応する信頼性レベルに関連付けられることがある。代替または追加として、抽出された複数の特徴から（たとえば、抽出された複数の特徴を平均化することによって）総信頼性レベルが決定され得る。マルチメディアコンテンツ分類器１４１２が、特徴の第１のサブセットに関連する分析基準（たとえば、信頼性レベル）に基づいて、より多くの特徴が抽出されるべきであると決定した場合、特徴セット抽出器１４１４は続いてより多くの特徴を抽出することができる。様々な条件が、追加の特徴の抽出をトリガし得る。一実施形態では、抽出された任意の特徴の信頼性レベルがしきい値信頼性レベルを下回る場合、追加の特徴が抽出される。別の実施形態では、総信頼性レベルがしきい値信頼性レベルを下回る場合、追加の特徴が抽出される。追加の特徴が抽出されるべきかどうかを決定する際に、他の条件が使用されることもある。より多くの特徴が抽出されるべきではないとマルチメディアコンテンツ分類器１４１２が決定することがあるので、より少ない特徴を最初に抽出することで、デバイス１４０２のリソースを節約し得ることが諒解されよう。

[00173]特定の実施形態では、特徴セット抽出器１４１４は、第２の処理デバイス３１０の一部であること、または第２の処理デバイス３１０に組み込まれることがある。たとえば、特徴セット抽出器１４１４は、抽出基準が満たされることに基づいて、特徴の第１のサブセットを抽出することができる。抽出基準は、第１の知覚データ１４７０に基づき得る。たとえば、図３の第１の処理デバイス３０４は、図１の第１のフレーム１０２に対応する第１の画像統計を生成することができ、図１の第２のフレーム１０４に対応する第２の画像統計を生成することができる。この実施形態では、第１の知覚データ１４７０は第２のフレーム１０４に対応し得る。

[00174]第１の画像統計および第２の画像統計は、アプリケーション特有処理に基づいて生成され得る。アプリケーション特有処理は、知覚データ（たとえば、第１の知覚データ１４７０および／または第１のフレーム１０２に対応する第２の知覚データ）が、対応する画像の中に特定のオブジェクト（たとえば、一時停止の交通標識）があることを示すかどうか、警告事象がトリガされている（たとえば、特定のジェスチャーが検出されている）ことを示すかどうか、画像の中に特定の色のオブジェクトがあることを示すかどうか、またはそれらの組合せを決定することを含み得る。アプリケーション特有処理は、活動認識、人認識、オブジェクト認識、ロケーション認識、またはジェスチャー認識のうちの少なくとも１つを含み得る。

[00175]特定の実施形態では、メモリ１４０８は、様々なアプリケーション処理タイプと対応する統計タイプとの間のマッピングを記憶することができる。たとえば、特定のオブジェクト（たとえば、一時停止の交通標識）を検出することに対応する特定のアプリケーション処理タイプは、特定の色（たとえば、赤）の色ヒストグラムに対応する特定の統計タイプにマッピングし得る。第２の処理デバイス３１０は、特定のアプリケーション処理タイプおよびマッピングに基づく特定の統計タイプを示す構成データを第１の処理デバイス３０４に提供することができる。第１の処理デバイス３０４は、特定の統計タイプに対応する第１の画像統計と第２の画像統計とを生成することができる。たとえば、第１の画像統計は、第２のフレーム１０４に対応する第１の色ヒストグラムにおける特定の色（たとえば、赤）のピクセルの第１のカウントを含むことができ、第２の画像統計は、第１のフレーム１０２に対応する第２の色における特定の色（たとえば、赤）のピクセルの第２のカウントを含むことができる。

[00176]図１の統計処理デバイス１０８は、抽出基準が満たされると決定したことに応答して、第２の処理デバイス３１０に第１の知覚データ１４７０を提供することができる。たとえば、統計処理デバイス１０８は、第１の画像統計（たとえば、ピクセルの第１のカウント）と第２の画像統計（たとえば、ピクセルの第２のカウント）との間の変化量が変化しきい値を満たすと決定したことに応答して、第２の処理デバイス３１０（たとえば、特徴セット抽出器１４１４）に第１の知覚データ１４７０を提供することができる。特定の実施形態では、第１の知覚データ１４７０がシーン変化を示すときに、摘出基準は満たされ得る。たとえば、統計処理デバイス１０８は、シーン変化検出器１４６０を含むことができる。統計処理デバイス１０８は、図２２を参照しながらさらに説明するように、第１の知覚データ１４７０がシーン変化を示すとシーン変化検出器１４６０が決定したことに基づいて、抽出基準が満たされると決定することができる。特定の実施形態では、図２３を参照しながらさらに説明するように、画像の鮮明度がしきい値鮮明度レベル（たとえば、しきい値データ１４３４のしきい値鮮明度レベル１４８４）を満たすことを第１の知覚データ１４７０が示すときに、抽出基準は満たされ得る。たとえば、統計処理デバイス１０８は、画像の鮮明度がしきい値鮮明度レベルを満たすかどうかを決定するように構成された不鮮明画像検出器１４６２を含むことができる。

[00177]統計処理デバイス１０８は、変化量が変化しきい値を満たさないと決定したことに応答して、特徴セット抽出器１４１４に第１の知覚データ１４７０を提供するのを控えることができる。特徴セット抽出器１４１４は、第１の知覚データ１４７０を受信したことに応答して、特徴の第１のサブセットを抽出することができる。抽出基準が満たされるかどうかを決定することは、特徴の第１のサブセットを抽出することよりも少ないデバイス１４０２のリソースを使用することができる。第２のフレーム１０４の特徴を抽出するために第１のフレーム１０２と第２のフレーム１０４との間の変化量が不十分である（たとえば、変化しきい値を下回る）と統計処理デバイス１０８が決定することがあるので、抽出基準が満たされるかどうかを最初に決定することで、デバイス１４０２のリソースを節約し得ることが諒解されよう。

[00178]代替実施形態では、特徴セット抽出器１４１４は、図３の第１の処理デバイス３０４の一部であること、または第１の処理デバイス３０４に組み込まれることがある。たとえば、第１の処理デバイス３０４における特徴セット抽出器１４１４は、第１の知覚データ１４７０から特徴の第１のサブセットを抽出することができる。第１の処理デバイス３０４は、特徴の第１のサブセットに基づいて第１の画像統計を決定することができる。第１の処理デバイス３０４は、図１の統計処理デバイス１０８に第１の画像統計を提供することができる。統計処理デバイス１０８は、本明細書で説明するように、第１の画像統計および第２の画像の第２の画像統計に基づいて、抽出基準が満たされるかどうかを決定することができる。統計処理デバイス１０８は、抽出基準が満たされると決定したことに基づいて、図３の第２の処理デバイス３１０に第１の知覚データ１４７０を提供することができる。

[00179]また別の実施形態では、第１の処理デバイス３０４における特徴セット抽出器１４１４は、第１の知覚データ１４７０から特徴の第１のサブセットを抽出することができる。第１の処理デバイス３０４は、特徴の第１のサブセットを抽出することに関連する信頼性レベルを決定することができ、図１の統計処理デバイス１０８に信頼性レベルを提供することができる。統計処理デバイス１０８は、信頼性レベルがしきい値信頼性レベル１４８２を満たすかどうかを決定したことに基づいて、抽出基準が満たされるかどうかを決定することができる。統計処理デバイス１０８は、信頼性レベルがしきい値信頼性レベル１４８２を満たすと決定したことに基づいて、第１の知覚データ１４７０、特徴の第１のサブセット、または両方を特徴セットクラスタ器１４１６に提供することができる。統計処理デバイス１０８は代替的に、信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定したことに基づいて、追加の特徴を抽出するために特徴セット抽出器１４１４に第１の知覚データ１４７０を提供することができる。特定の実施形態では、図３の第２の処理デバイス３１０は、特徴セットクラスタ器１４１６を含むことができ、特徴セット抽出器１４１４を含むことができる。たとえば、第１の処理デバイス３０４および第２の処理デバイス３１０の各々は、特徴セット抽出器１４１４の１つのバージョンを含むことができる。

[00180]特定の実施形態では、画像の特徴は、ムービングピクチャエキスパートグループ７（ＭＰＥＧ−７：moving picture experts group 7）視覚記述子、汎用検索ツリー（ＧＩＳＴ：generalized search tree）記述子、センサス変換ヒストグラム（ＣＥＮＴＲＩＳＴ：census transform histogram）視覚記述子、単語の袋（bag-of-words）記述子、視覚的局所総計（visually locally aggregated）記述子、空間ピラミッドマッチング（spatial pyramid matching）記述子、またはそれらの組合せを含むことができる。ＭＰＥＧ−７視覚記述子は、スケーラブル色記述子（ＳＣＤ：scalable color descriptor）、色構造記述子（ＣＳＤ：color structure descriptor）、フレームグループ（ＧＯＦ：group of frame）記述子、ピクチャグループ（ＧＯＰ：group of pictures）記述子、支配色記述子（ＤＣＤ：dominant color descriptor）、色レイアウト記述子（ＣＬＤ：color layout descriptor）、テクスチャブラウジング記述子（ＴＢＤ：texture browsing descriptor）、同種テクスチャ記述子（ＨＴＤ：homogeneous texture descriptor）、エッジヒストグラム記述子（ＥＨＤ：edge histogram descriptor）、輪郭ベース形状記述子（contour-based shape descriptor）、領域ベース形状記述子（region-based shape descriptor）、カメラ動き記述子（ＣＭＤ：camera motion descriptor）、動き経路記述子（ＭＴＤ：motion trajectory descriptor）、パラメトリック動き記述子（ＰＭＤ：parametric motion descriptor）、または動き活動記述子（ＭＡＤ：motion activity descriptor）のうちの１つまたは複数を含み得る。これらの記述子のうちの１つまたは複数は、キャプチャされた画像から色、テクスチャ、動き、エッジ、形状、および／またはシーン情報を抽出することができる。特徴セット抽出器は、特徴の第１のサブセットの各々に関連する信頼性レベルを決定することができる。たとえば、各ＭＰＥＧ−７視覚記述子は関連信頼性レベルを有し得る。特徴セット抽出器１４１４は、特徴の第１のサブセット（たとえば、特徴のサブセット３４２）をメモリ１４０８に記憶することができる。

[00181]特定の実施形態では、第１の画像センサー１４０４が所与のデータサンプリング間隔で（たとえば、毎分１回）画像を継続的にキャプチャするとき、知覚データ（たとえば、第１の知覚データ１４７０）は、多くの連続画像について実質的に同じままであり得る。たとえば、デバイス１４０２は、ユーザ１４５２のモバイルデバイスであり得る。ユーザ１４５２が仕事中に机の上にデバイス１４０２を置き、第１の画像センサー１４０４が実質的に同様の（たとえば、天井の）画像をキャプチャすることがある。そのような例では、特徴セットクラスタ器１４１６は、特定の持続時間にキャプチャされた画像の特徴のサブセットを組み合わせることによって、特徴の第１のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）を生成することができる。たとえば、特徴セットクラスタ器１４１６は、第１のタイムスタンプが第２のタイムスタンプのしきい値クラスタ持続時間（たとえば、しきい値持続時間１４８０）内にあることに基づいて、画像に関係する特徴の第１のサブセットと第２の画像に関係する特徴の別のサブセット（たとえば、特徴のサブセット１４４２）とを組み合わせることによって、特徴の第１のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）を生成することができる。第１のタイムスタンプ（たとえば、タイムスタンプ１４９４）は画像に関連付けられてよく、第２のタイムスタンプ（たとえば、タイムスタンプ１４９４）は第２の画像に関連付けられてよい。たとえば、第１のタイムスタンプは、第１の画像センサー１４０４がいつ画像をキャプチャしたか、またはデバイス１４０２がいつ第１の知覚データ１４７０を受信したかを示すことができる。同様に、第２のタイムスタンプは、第１の画像センサー１４０４がいつ第２の画像をキャプチャしたか、またはデバイス１４０２がいつ第２の画像に関係する知覚データを受信したかを示すことができる。したがって、特徴のクラスタ化サブセット１４７６は、一時的にクラスタ化された共通の特徴（たとえば、ユーザが机に向かっていた時間中の天井の特徴）を表すことができる。

[00182]特徴セットクラスタ器１４１６は、第１のタイムスタンプ（たとえば、２０１３年７月１０日の１０：００ＡＭ）および第２のタイムスタンプ（たとえば、２０１３年７月１０日の１０：０３ＡＭ）がしきい値クラスタ持続時間（たとえば、５分間）内にあることに基づいて、画像の特徴の第１のサブセット（たとえば、エッジヒストグラム記述子、センサス変換、またはガボールフィルタ処理結果）と第２の画像の特徴の別のサブセット（たとえば、第２のエッジヒストグラム記述子、センサス変換、またはガボールフィルタ処理結果）とを組み合わせることによって、特徴の第１のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）を生成することができる。特徴の第１のクラスタ化サブセットは、特徴の第１のサブセット、特徴の他のサブセット、または両方を含み得る。特徴の第１のクラスタ化サブセットは、対応する持続時間（たとえば、２０１３年７月１０日の１０：００ＡＭ〜１０：０４ＡＭ）を示し得る。特徴の第１のクラスタ化サブセットの後続分析は、特徴の第１のサブセットと特徴の第２のサブセットとを個別に分析することと比較して、デバイス３０２のより少ないリソースを使用し得る。特徴セットクラスタ器１４１６は、特徴の第１のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）をメモリ１４０８に記憶することができる。

[00183]特徴セット分類器１４１８は、第１の分類モデル（たとえば、分類モデル１４２８）に基づいて特徴の第１のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）を分類することによって、特徴の第１の分類サブセット（たとえば、特徴の分類サブセット１４７４）を生成することができる。第１の分類モデルは、特徴の第１のクラスタ化サブセットが特定のロケーション、特定の人、特定のオブジェクト、特定の活動、またはそれらの任意の組合せに対応することを示し得る。第１の分類モデルはまた、対応に関連する信頼性レベルを示し得る。結果として、特徴セット分類器１４１８は、特徴の第１のクラスタ化サブセットがロケーション、人、オブジェクト、活動、またはそれらの任意の組合せに対応することを示す特徴の第１の分類サブセットを生成することができる。特徴の第１の分類サブセットはまた、関連信頼性レベルを示し得る。たとえば、特徴の第１の分類サブセットは、特定の信頼性レベル（たとえば、低い）により、特徴の第１のクラスタ化サブセットが特定のタイプのロケーション（たとえば、屋内）に対応することを示し得る。特定の実施形態では、特徴の第１の分類サブセットはまた、関連持続時間を示し得る。たとえば、特徴の第１の分類サブセットは、特徴の第１のクラスタ化サブセット、第１のタイムスタンプ、第２のタイムスタンプ、またはそれらの任意の組合せに関連する持続時間（たとえば、２０１３年７月１０日の１０：００ＡＭ〜１０：０４ＡＭ）を示し得る。例示すると、特徴の第１の分類サブセットは、「低い」信頼性レベル（たとえば、２５％の「低い」信頼性レベルしきい値を下回る２０％の信頼性レベル）により、「コンテキスト」が２０１３年７月１０日の１０：００ＡＭ〜１０：０４ＡＭの間の屋内であることを示し得る。特徴セット分類器１４１８は、特徴の第１の分類サブセット（たとえば、特徴の分類サブセット１４７４）をメモリ３０８に記憶することができる。

[00184]マルチメディアコンテンツ分類器１４１２は、特徴の第１のサブセットの信頼性レベルがしきい値信頼性レベル（たとえば、しきい値信頼性レベル１４８２）を満たすかどうかを決定することができる。特定の実施形態では、マルチメディアコンテンツ分類器１４１２は、中間コンテキストデータ（たとえば、中間コンテキストデータ１４９２）の信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定したことに応答して、特徴の第１のサブセットの信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定し得る。中間コンテキストデータ１４９２は、画像の部分的コンテキストに対応し得る。たとえば、中間コンテキストデータ１４９２は、特徴の第１のサブセット（たとえば、特徴のサブセット１４４２）、特徴の第１のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）、または特徴の第１の分類サブセット（たとえば、特徴の分類サブセット１４７４）に対応し得る。

[00185]たとえば、特徴の第１のサブセットは、画像のエッジヒストグラム記述子またはセンサス変換と関連信頼性レベルとを含むことができる。マルチメディアコンテンツ分類器１４１２は、関連信頼性レベルのうちの１つまたは複数がしきい値信頼性レベル１４８２を満たさないと決定し得る。結果として、マルチメディアコンテンツ分類器１４１２は、特徴の第１のサブセット、したがって中間コンテキストデータ１４９２の信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定し得る。

[00186]別の例として、特徴セットクラスタ器１４１６は、特徴の第１のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）に関連する信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定し得る。例示すると、特徴セットクラスタ器１４１６は、画像と第２の画像の両方ではなく一方に関係する特徴の第１のクラスタ化サブセットの特徴についての特定の（たとえば、低い）信頼性レベルを決定し得る。別の例として、特徴セットクラスタ器１４１６は、第１画像と第２の画像とに関連する特徴の信頼性レベルの関数（たとえば、平均）に基づいて特定の信頼性レベルを決定することができる。特徴の第１のサブセットの特定の特徴は、第１の信頼性レベル（たとえば、低い）を有し得る。特徴の他のサブセットの特定の特徴は、第２の信頼性レベル（たとえば、高い）を有し得る。特徴セットクラスタ器１４１６は、特定の信頼性レベルが第１の信頼性レベルおよび第２の信頼性レベルの平均（たとえば、中間）であると決定し得る。マルチメディアコンテンツ分類器１４１２は、特定の信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定し得る。結果として、マルチメディアコンテンツ分類器１４１２は、特徴の第１のクラスタ化サブセット、したがって中間コンテキストデータ１４９２に関連する信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定し得る。

[00187]さらなる例として、マルチメディアコンテンツ分類器１４１２は、特徴の第１の分類サブセット（特徴の分類サブセット１４７４）に関連する信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定し得る。例示すると、特徴の第１の分類サブセットは、しきい値信頼性レベル１４８２を満たさない特定の信頼性レベルにより、特徴の第１のクラスタ化サブセットが特定のタイプのロケーション（たとえば、屋内）に対応することを示し得る。結果として、マルチメディアコンテンツ分類器１４１２は、特徴の第１の分類サブセット、したがって中間コンテキストデータ１４９２に関連する信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定し得る。

[00188]中間コンテキストデータ１４９２の信頼性レベルがしきい値信頼性レベル１４８２を満たさないとの決定に応答して、特徴セット抽出器１４１４は、特徴の第２のサブセット（たとえば、特徴のサブセット１４４２）を抽出することができる。たとえば、特徴セット抽出器１４１４は、特徴の第１のサブセット、特徴の第１のクラスタ化サブセット、または特徴の第１の分類サブセットがしきい値信頼性レベル１４８２を満たさないと決定したことに応答して、追加の特徴（たとえば、特徴の第２のサブセット）を抽出することができる。

[00189]特定の実施形態では、特徴の第２のサブセット（たとえば、特徴のサブセット１４４２）は、画像に関係することがあり、第１の知覚データ１４７０から抽出されることがある。たとえば、特徴セット抽出器１４１４は、画像のエッジヒストグラム記述子を再計算する前に、画像のグレーレベル範囲を拡大するためにヒストグラム均等化を使用することができる。再計算されたエッジヒストグラム記述子（すなわち、特徴の第２のサブセット）は、以前計算されたエッジヒストグラム記述子よりも高い関連信頼性レベルを有し得る。別の例として、特徴セット抽出器１４１４は、以前抽出されていない画像の第２の視覚記述子（すなわち、特徴の第２のサブセット）（たとえば、色記述子、テクスチャ記述子、ＧＩＳＴ記述子、ＣＥＮＴＲＩＳＴ記述子、またはそれらの任意の組合せ）を抽出することができる。第２の視覚記述子は、以前抽出された視覚記述子よりも高い関連信頼性レベルを有し得る。

[00190]特定の実施形態では、特徴の第２のサブセット（たとえば、特徴のサブセット１４４２）は、別の画像に関係し得る。たとえば、マルチメディアコンテンツ分類器１４１２は、特徴の第１のサブセットの信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定したことに応答して、第２の知覚データ（たとえば、第２の知覚データ１４２４）についての要求（たとえば、第２の画像キャプチャ要求１４２６）を別の画像センサー（たとえば、第Ｎの画像センサー１４４０）に送ることができる。第２の画像キャプチャ要求１４２６に応答して、第Ｎの画像センサー１４４０は、他の画像をキャプチャすることができ、他の画像に関係する第２の知覚データ１４２４をデバイス１４０２に送ることができる。

[00191]特定の実施形態では、画像は、第１の画像センサー１４０４の第１の設定に対応することができ、他の画像は、第Ｎの画像センサー１４４０の第２の設定に対応することができる。第１の設定は、ズーム設定、解像度設定、角度設定、ロケーション、またはそれらの任意の組合せを含むことができる。第１の設定は第２の設定とは別個のものであり得る。たとえば、第２の設定は、第１の設定よりも高いズーム、第１の設定よりも高い解像度、第１の設定とは異なる角度、第１の設定とは異なるロケーション、またはそれらの任意の組合せに対応し得る。特徴の第２のサブセット（たとえば、特徴のサブセット１４４２）を使用することで、特徴の第１のクラスタ化サブセット、特徴の第１の分類サブセット、または両方に関連する１つまたは複数の信頼性レベルを高めることができる。

[00192]特定の実施形態では、第１の画像センサー１４０４は第１のデバイスに組み込まれることがあり、第Ｎの画像センサー１４４０は第２のデバイスに組み込まれることがあり、第１のデバイスは第２のデバイスとは別個のものであり得る。たとえば、第１の画像センサー１４０４はカメラに組み込まれることがあり、第Ｎの画像センサー１４４０は別のカメラに組み込まれることがある。

[00193]特徴セット抽出器１４１４は、特徴の第２のサブセット（たとえば、特徴のサブセット１４４２）を第２の知覚データ１４２４から抽出することができる。特定の実施形態では、特徴セット抽出器１４１４は、抽出基準が満たされると決定したことに基づいて、特徴の第２のサブセットを抽出することができる。たとえば、マルチメディアコンテンツ分類器１４１２（たとえば、図３の第１の処理デバイス３０４）は、第１の知覚データ１４７０に基づいて第１の画像統計を決定することができ、第２の知覚データ１４２４に基づいて第２の画像統計を決定することができる。マルチメディアコンテンツ分類器１４１２（たとえば、図１の統計処理デバイス１０８）は、第１の画像統計と第２の画像統計との間の差に対応する変化量が変化しきい値を満たすと決定したことに基づいて特徴の第２のサブセットを抽出するために（たとえば、第２の処理デバイス３１０における）特徴セット抽出器１４１４に第２の知覚データ１４２４を提供することができる。マルチメディアコンテンツ分類器１４１２（たとえば、図１の統計処理デバイス１０８）は、変化量が変化しきい値を満たさないと決定したことに基づいて第２の知覚データ１４２４を処分する（たとえば、第２の処理デバイス３１０に第２の知覚データ１４２４を提供するのを控える）ことができる。

[00194]特定の実施形態では、特徴セット抽出器１４１４は、図１８〜図２１を参照しながらさらに説明するように、選択基準１４３８に基づいて特徴の第２のサブセットを選択することができる。特徴セット抽出器１４１４は、特徴の第２のサブセット（たとえば、特徴のサブセット１４４２）をメモリ１４０８に記憶することができる。特徴の第１のサブセットを抽出することは、特徴の第２のサブセットを抽出することよりも少ないデバイス１４０２のリソース（たとえば、メモリ、電力、プロセッサ実行サイクル）を使用し得る。

[00195]特徴セットクラスタ器１４１６は、画像に関連する第１のタイムスタンプ、第２の画像に関連する第２のタイムスタンプ、他の画像に関連する別のタイムスタンプ、またはそれらの任意の組合せに基づいて、特徴の第２のサブセット（たとえば、特徴のサブセット１４４２）をクラスタ化することによって、特徴の第２のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）を生成することができる。たとえば、特徴の第２のクラスタ化サブセットは、特徴の第１のクラスタ化サブセット、特徴の第２のサブセット、特徴の第２のサブセットに対応する第２の画像の特徴の別のサブセット、またはそれらの任意の組合せを含むことができる。特定の実施形態では、特徴の第２のクラスタ化サブセットは、画像のエッジヒストグラム記述子および第２の画像の第２のエッジヒストグラム記述子の組合せと、第１の画像のＧＩＳＴ記述子および第２の画像の第２のＧＩＳＴ記述子の組合せと、第１の画像のＣＥＮＴＲＩＳＴ記述子および第２の画像の第２のＣＥＮＴＲＩＳＴ記述子の組合せとを含むことができる。

[00196]特徴セット分類器１４１８は、特徴の第２のサブセットに少なくとも部分的に基づいて、画像のコンテキストを示すコンテキストデータ（たとえば、コンテキストデータ１４９０）を生成することができる。画像のコンテキストは、ロケーション、人、活動、またはそれらの任意の組合せを含むことができる。たとえば、特徴セット分類器１４１８は、第２の分類モデル（たとえば、分類モデル１４２８）に基づいて特徴の第１のクラスタ化サブセット、特徴の第２のクラスタ化サブセット、または両方を分類することによって、コンテキストデータ１４９０を生成することができる。たとえば、第２の分類モデルは、特徴の第１のクラスタ化サブセット、特徴の第２のクラスタ化サブセット、または両方が特定の建物の特定の部屋に対応することを示し得る。第２の分類モデルは、対応に関連する信頼性レベルを示し得る。第２の分類モデルに基づいて、特徴セット分類器１４１８は、画像のコンテキストが特定の部屋に対応することを示すコンテキストデータ１４９０を生成することができる。コンテキストデータ１４９０は、関連信頼性レベルを示し得る。たとえば、コンテキストデータ１４９０は、特定の部屋に対応する画像のコンテキストに関連する特定の信頼性レベル（たとえば、高い）を示し得る。特定の実施形態では、コンテキストデータ１４９０はまた、関連持続時間を示し得る。たとえば、コンテキストデータ１４９０は、持続時間（たとえば、２０１３年７月１０日の１０：００ＡＭ〜１０：０４ＡＭ）に（たとえば、ユーザ１４５２が仕事している）特定の部屋の中にデバイス１４０２があったことを示し得る。持続時間は、特徴のクラスタ化サブセット（たとえば、特徴の第１のクラスタ化サブセット、特徴の第２のクラスタ化サブセット、または両方）、第１のタイムスタンプ、第２のタイムスタンプ、他のタイムスタンプ、またはそれらの任意の組合せに関連付けられ得る。

[00197]したがって、上記の例では、特徴の第１の分類サブセットがコンテキスト「屋内」に関連する「低い」信頼性レベル（たとえば、２５％）を示す一方、コンテキストデータ１４９０は、より精緻化されたコンテキスト（たとえば、「仕事中」）のより高い信頼性レベル（たとえば、８５％）を示す。使用事例によっては、より低い信頼性レベルおよび特徴の第１のサブセットから生成されたさほど精緻化されていないコンテキストで十分であり得ることが諒解されよう。そのような状況では、さほど精緻化されていないコンテキストを出力すること、および特徴の第２のサブセットを抽出するのを控えることによって、リソースが節約され得る。より低い信頼性レベルおよびさほど精緻化されていないコンテキストでは不十分である状況では、より高い信頼性レベルを有するより精緻化されたコンテキストを生成するために特徴の第２のサブセットを抽出するために追加のリソースが使用され得る。

[00198]マルチメディアコンテンツ分類器１４１２は、アプリケーション（たとえば、アプリケーション１４４４）にコンテキストデータ１４９０を出力する（またはコンテキストデータ１４９０にアクセス可能にする）ことができる。特定の実施形態では、アプリケーション１４４４は、コンテキスト抽出エンジン、コンテキスト認識エンジン、または両方を含むことができる。アプリケーション１４４４は、コンピュータビジョンアプリケーションを含むことができる。たとえば、アプリケーション１４４４は、ライフタグタギング（life tagging）アプリケーション、マクロジオフェンシングアプリケーション、ミクロジオフェンシングアプリケーション、動き活動検出アプリケーション、テキスト検出アプリケーション、オブジェクト検出アプリケーション、ジェスチャー検出アプリケーション、またはそれらの任意の組合せを含むことができる。たとえば、マルチメディアコンテンツ分類器１４１２は、ライフタグ付けアプリケーションにコンテキストデータ１４９０を出力することができる。コンテキストデータ１４９０に基づいて、ライフタグ付けアプリケーションは、持続時間（たとえば、２０１３年７月１０日の１０：００ＡＭ〜１０：０４ＡＭ）中に（たとえば、仕事中に）特定の部屋の中にユーザ１４５２がいたと推論し得る。

[00199]特定の実施形態では、特徴セット抽出器１４１４は、図２２を参照しながらさらに説明するように、第１の知覚データ１４７０がシーン変化を示すことをシーン変化検出器（たとえば、シーン変化検出器１４６０）が検出したことに応答して、特徴の第１のサブセット（たとえば、特徴のサブセット１４４２）を抽出することができる。たとえば、以前分析された画像と同じシーンを表す画像の特徴は抽出されなくてよく、それによってデバイス１４０２のリソースを節約することができる。

[00200]特定の実施形態では、特徴セット抽出器１４１４は、図２３を参照しながらさらに説明するように、画像の鮮明度がしきい値鮮明度レベル（たとえば、しきい値データ１４３４のしきい値鮮明度レベル１４８４）を満たすことを第１の知覚データ１４７０が示すと不鮮明画像検出器（たとえば、不鮮明画像検出器１４６２）が決定したことに応答して、特徴の第１のサブセット（たとえば、特徴のサブセット１４４２）を抽出することができる。たとえば、あまりにも不鮮明でしきい値鮮明度レベル１４８４を満たすことができない画像の特徴は、画像のコンテキストを識別するのに有用ではないことがあり、分析のために抽出されないことがあり、それによってデバイス１４０２のリソースを節約することができる。

[00201]したがって、システム１４００は、デバイス１４０２のリソースの効率的使用による画像コンテキスト識別を可能にし得る。たとえば、画像の特徴は、画像が以前抽出された画像、不鮮明な画像、または両方に対応しないときに抽出され得る。その上、画像の部分的特徴が最初に抽出され、部分的特徴がしきい値信頼性レベルを満たさない場合に追加の特徴が抽出されることがある。デバイス１４０２は、より少ないリソースを使用する一方でより多くの数の画像を分析することを可能にされ得る。

[00202]図１５を参照すると、画像の特徴のサブセットを抽出することに関連する計算間隔の特定の例示的な実施形態が開示され、全体的に１５００と称される。

[00203]図１４のデバイス１４０２は、データサンプリング間隔（たとえば、データサンプリング間隔１５０６）で画像センサー（たとえば、第１の画像センサー１４０４）から知覚データ（たとえば、第１の知覚データ１４７０）を周期的に受信することができる。特徴セット抽出器１４１４によって知覚データから特定の数（たとえば、Ｎ＝２）の特徴が抽出可能であり得る。たとえば、デバイス１４０２は、時間１５０２および時間１５０４に（すなわち、データサンプリング間隔１５０６で）第１の知覚データ１４７０を周期的に受信することができる。別の例として、デバイス１４０２は、時間１５１２、時間１５１４および時間１５１６に第１の知覚データ１４７０を受信することができる。特定の実施形態では、特徴セット抽出器１４１４は、各データサンプリング間隔中にすべての（たとえば、Ｎ個の）特徴を抽出することができる。

[00204]別の特定の実施形態では、抽出される特徴の数は、知覚データ（たとえば、抽出される特徴）に関連する抽出基準、分析基準（たとえば、信頼性レベル）、または両方に基づき得る。たとえば、特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、特徴の第１のサブセットに関連する信頼性レベルがしきい値信頼性レベル（たとえば、しきい値信頼性レベル１４８２）を満たさないことに応答して、時間１５１２に特徴の第１のサブセットと特徴の第２のサブセットとを抽出することができる。したがって、特徴セット抽出器１４１４は、時間１５１２に第１の数の（たとえば、２つの）特徴を抽出することができる。特定の実施形態では、特徴セット抽出器１４１４は、図１４を参照しながら説明したように、抽出基準が満たされると決定したことに少なくとも部分的に基づいて、時間１５１２に特徴の第１のサブセットと特徴の第２のサブセットとを抽出することができる。

[00205]その後、デバイス１４０２は、時間１５１４に第１の知覚データ１４７０を受信することができる。特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、特徴の第１のサブセットに関連する信頼性レベルがしきい値信頼性レベル１４８２を満たすと決定したことに応答して、時間１５１４に特徴の第１のサブセットを抽出すること、および特徴の第２のサブセットを抽出しないことがある。したがって、特徴セット抽出器１４１４は時間１５１４に、より少ない（たとえば、１つの）特徴を抽出することができる。特定の実施形態では、特徴セット抽出器１４１４は、図１４を参照しながら説明したように、抽出基準が満たされると決定したことに少なくとも部分的に基づいて、時間１５１４に特徴の第１のサブセットを抽出することができる。

[00206]デバイス１４０２はその後、時間１５１６に第１の知覚データ１４７０を受信することができる。特徴セット抽出器１４１４は、特徴の第１のサブセットに関連する信頼性レベルがしきい値信頼性レベル１４８２を満たさないことに応答して、時間１５１６に特徴の第１のサブセットと特徴の第２のサブセットとを抽出することができる。したがって、特徴セット抽出器１４１４は時間１５１６に、時間１５１４のときよりも多くの（たとえば、２つの）特徴を抽出することができる。特定の実施形態では、特徴セット抽出器１４１４は、図１４を参照しながら説明したように、抽出基準が満たされると決定したことに少なくとも部分的に基づいて、時間１５１６に特徴の第１のサブセットと特徴の第２のサブセットとを抽出することができる。

[00207]したがって、図１５に示すように、第１の計算間隔１５０８で時間１５１２、１５１４および１５１６に特徴の第１のサブセットが抽出され得る。第１の計算間隔１５０８は、データサンプリング間隔１５０６にほぼ等しくなり得る。第２の計算間隔１５１０で時間１５１２および１５１６に特徴の第２のサブセットが抽出され得る。第２の計算間隔１５１０は、データサンプリング間隔１５０６よりも大きくなり得る。

[00208]したがって、特徴セット抽出器１４１４は、より高い頻度でより少ない特徴を抽出することができ、より低い頻度で必要に応じてより多くの特徴を抽出することができ、それによってデバイス１４０２のリソースを節約することができる。

[00209]図１６を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に１６００と称される。システム１６００の動作のうちの１つまたは複数は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00210]システム１６００は１６０４に、特徴セット１抽出を含み得る。動作５０４は、図１４を参照しながらさらに説明したように、図１４の特徴セット抽出器１４１４が特徴の第１のサブセットを抽出することに対応し得る。システム１６００は１６２４に、特徴セットＭ抽出を含み得る。動作１６２４は、図１４を参照しながらさらに説明したように、図１４の特徴セット抽出器１４１４が特徴の第２のサブセットを抽出することに対応し得る。システム１６００は１６０６に、特徴セットクラスタ化を含み得る。動作１６０６は図１４の特徴セットクラスタ器１４１６の動作に対応し得る。システム１６００は１６０８に、特徴セット分類を含み得る。動作１６０８は図１４の特徴分類器１４１８の動作に対応し得る。

[00211]システム１６００は中間推論１６２０を生成することができる。中間推論１６２０は、図１４の特徴の分類サブセット１４７４に対応し得る。システム１６００は最終推論１６１０を生成することができる。最終推論１６１０は図１４のコンテキストデータ１４９０に対応し得る。

[00212]特定の実施形態では、どの特徴がいくつ抽出されるべきかは、デバイス能力に依存し得る。たとえば、第１のメモリしきい値を満たさないメモリを有するデバイス、第１のプロセッサ速度しきい値を満たさないプロセッサ速度、または両方は、低ティアデバイスに対応し得る。第１のメモリしきい値を満たし、第２のメモリしきい値を満たさないメモリを有するデバイス、第１のプロセッサ速度しきい値を満たし、第２のプロセッサ速度しきい値を満たさないプロセッサ速度、または両方は、中間ティアデバイスに対応し得る。両方のメモリしきい値を満たすデバイス、両方の速度しきい値を満たすプロセッサ速度は、高ティアデバイスに対応し得る。

[00213]特定の実施形態では、システム１６００は、低ティアデバイスについては、より多くの特徴が抽出されるべきかどうかを決定するのを控えることができる。この実施形態では、特徴の第１の分類サブセットは、最終推論１６１０として扱われ得る。第１の知覚データ１４７０のより多くの特徴を分析することは、低ティアデバイスのリソース（たとえば、メモリまたはプロセッサ速度）制約により実用的ではないことがある。たとえば、低ティアデバイスを使用して第１の知覚データ１４７０の追加の特徴を分析することは、しきい値分析持続時間よりも長い時間を要することがある。

[00214]システム１６００は１６２２において、より多くの特徴が必要とされるかどうかを決定することができる。たとえば、システム１６００は、デバイス１４０２の能力（たとえば、プロセッサ速度、メモリ速度、または両方）、抽出基準、分析基準（たとえば、信頼性レベル）、またはそれらの組合せに基づいて、特徴の第２のサブセットが抽出されるべきであるかどうかを決定することができる。たとえば、システム１６００は、図１４を参照しながらさらに説明したように、特徴の分類サブセット１４７４に関連する信頼性レベルに基づいて、中間ティアデバイスまたは高ティアデバイスについて追加の特徴（たとえば、特徴の第２のサブセット）が抽出されるべきかどうかを決定することができる。

[00215]特定の実施形態では、特徴セット抽出器１４１４は、デバイス１４０２の能力に基づいて、特徴の第２のサブセットに含まれるべき特定の数の特徴を選択することができる。たとえば、特徴セット抽出器１４１４は、中間ティアデバイスの場合に、高ティアデバイスの場合よりも少ない追加の特徴を抽出し得る。

[00216]したがって、より高いティアのデバイスにおいて、より低いティアのデバイスにおいてよりも多くの特徴が知覚データから抽出され得る。画像コンテキストデータを生成するために、より低いティアのデバイスのより少ないリソースが使用され得る一方、より高いティアのデバイスについては、より高い関連信頼性レベルを有する画像コンテキストデータが生成され得る。

[00217]図１７を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に１７００と称される。システム１７００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00218]システム１７００の構成要素は、図１６のシステム１６００の対応する構成要素と同様の方法で動作することができる。システム１７００は第１の中間推論１７０２を生成することができる。第１の中間推論１７０２は、図１４の特徴のクラスタ化サブセット１４７６に対応し得る。システム１７００は第２の中間推論１７０４を生成することができる。第２の中間推論１７０４は、図１４の特徴の分類サブセット１４７４に対応し得る。

[00219]システム１７００は、１つまたは複数の特徴抽出（たとえば、特徴セット１抽出１６０４、特徴セット２抽出１７２２、特徴セットＮ抽出１７２４、またはそれらの任意の組合せ）を実行することができる。システム１７００は、特徴セットクラスタ化１６０６を実行することができ、特徴セット分類１６０８を実行することができる。

[00220]１つまたは複数の特徴セット抽出（たとえば、特徴セット１抽出１６０４、特徴セット２抽出１６２２、または特徴セットＮ抽出１６２４）、特徴セットクラスタ化１６０６、および特徴セット分類１６０８の各々を実行した後、システム１７００は、たとえば、１７１０、１７１２、１７１４、または１６２２において、より多くの特徴が必要とされるかどうかを決定することができる。たとえば、マルチメディアコンテンツ分類器１４１２は、図１４を参照しながらさらに説明したように、分析基準（たとえば、信頼性レベル）、抽出基準、または両方に基づいて、追加の特徴が抽出されるべきであるかどうかを決定することができる。

[00221]したがって、システム１７００は画像コンテキスト識別を可能にし得る。しきい値信頼性レベルが達成されるまで、分析の様々な段階で（たとえば、他の特徴を抽出した後、クラスタ化した後、または分類後）追加の特徴が抽出され得る。

[00222]図１８を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に１８００と称される。システム１８００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00223]システム１８００の構成要素は、図１７のシステム１７００の対応する構成要素と同様の方法で動作することができる。システム１８００は、使用事例１４３６に基づいて知覚データ（たとえば、図１４の第１の知覚データ１４７０）から抽出するべき特徴のサブセットを選択することができる。使用事例１４３６は、活動認識、人認識、オブジェクト認識、ロケーション認識、ジェスチャー認識、感情認識、視線認識、ヘルスモニタリング（たとえば、体調認識）、またはそれらの任意の組合せを含み得る。特定の実施形態では、使用事例１４３６はアプリケーション特有処理に対応し得る。たとえば、図３の第１の処理デバイス３０４は、使用事例１４３６に基づいて、図１４を参照しながら説明したように画像統計を生成することができる。

[00224]認識され得る活動の一例としては、テレビを見ていること、ゲームをしていること、読んでいること、書いていること、スクリーンを見ていること、プレゼンテーションをしていること、会合に参加中、１人で仕事していること、人々と会っていること、食べていること、買い物していること、料理していること、通勤していることなどがある。認識され得る人々の一例としては、特定の個人（たとえば、「ジョン スミス」）、人のタイプ（たとえば、警察官、消防隊員、パイロット、客室乗務員、または医師）、またはそれらの任意の組合せがある。

[00225]オブジェクトの一例としては、道路標識、顔、手、指、拇印、玩具、鍵、電話、武器、車、ナンバープレートなどがある。認識され得るロケーションの一例としては、特定の建物（たとえば、特定の州の州会議事堂）、建物のタイプ（たとえば、博物館、学校、病院、または遊び場）、またはそれらの任意の組合せがある。認識され得るジェスチャーの一例としては、特定の方向を見ていること、特定の方向を指していること、特定の方向に打っていること、手つき、眼球運動、またはそれらの任意の組合せがある。

[00226]特定の実施形態では、分類モデル（たとえば、分類モデル１４２８）は、特徴の少なくとも第１のサブセットが使用事例１４３６のために分析されるべきであることを示し得る。たとえば、使用事例１４３６は、画像のコンテキストが特定のタイプのロケーション（たとえば、「屋内」）に対応するかどうかを決定することに対応し得る。分類モデルは、画像のコンテキストが特定のロケーションに対応するかどうかを決定するために、少なくともＣＥＮＴＲＩＳＴ記述子およびＧＩＳＴ記述子が分析され得ることを示すことができる。使用事例１４３６および分類モデルに基づいて、特徴セット抽出器１４１４は、画像の特徴（たとえば、ＧＩＳＴ記述子およびＣＥＮＴＲＩＳＴ記述子）の第１のサブセットを第１の知覚データ１４７０から抽出することができる。特定の実施形態では、特徴セット抽出器１４１４は、図１４を参照しながら説明したように、抽出基準が満たされると決定したことに基づいて、特徴の第１のサブセットを抽出することができる。

[00227]特定の実施形態では、分類モデルは、同じまたは異なる使用事例１４３６のために特徴の第２のサブセットが分析されるべきであることを示し得る。たとえば、特徴の第２のサブセットは、オブジェクトバンク記述子（object bank descriptor）など、事前トレーニングされた一般的オブジェクト検出器のスケール不変応答マップを含むことができる。特定の実施形態では、分類モデルは、特徴の第１のサブセットが強く推奨されることと、特徴の第２のサブセットが使用事例１４３６を分析するのに役立ち得ることとを示すことができる。この実施形態では、特徴セット抽出器１４１４は、特徴の第２のサブセットを、分析基準、抽出基準、または両方に基づいて抽出することができる。たとえば、特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、抽出基準が満たされると決定したこと、特徴の第１のサブセットを抽出することに関連する信頼性レベルがしきい値信頼性レベル（たとえば、しきい値信頼性レベル１４８２）を満たさないと決定したこと、または両方に応答して、特徴の第２のサブセットを抽出することができる。

[00228]したがって、特定の使用事例を分析することに適した特徴のサブセットが知覚データから抽出され得る。結果として、画像コンテキストが識別される際の効率性が高まり得る。たとえば、特徴セット抽出器１４１４は、特定の使用事例を分析するために特徴の特定のセットが強く推奨されると決定し得る。最初の特徴抽出中に強く推奨される特徴のすべてを抽出することは、関連信頼性レベルに基づいて強く推奨される各特徴を抽出し、次いで強く推奨される次の特徴を抽出した後にクラスタ化と分類とを実行することよりも効率的であり得る。別の例として、特徴セット抽出器１４１４は、特定の使用事例１４３６を分析するのに役に立たないとわかっている追加の特徴を抽出するのを控えることができ、それによってデバイス１４０２のリソースを節約することができる。

[00229]図１９を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に１９００と称される。システム１６００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、カメラ３０２、図４のセンサー４０４、変化検出回路４１４、アプリケーションプロセッサ４１８、図５のセンサー５０２、選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、センサー６０２、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のカメラ８４２、周辺光センサー８４０、アクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１２の１つもしくは複数のカメラ１２１０、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、デバイス１４０２の１つもしくは複数の画像センサー（たとえば、第１の画像センサー１４０４または第Ｎの画像センサー１４４０）、またはそれらの組合せによって実行され得る。

[00230]システム１９００の構成要素は、図１８のシステム１８００の対応する構成要素と同様の方法で動作することができる。システム１９００は、リソース情報（たとえば、リソース情報１９０２）に基づいて知覚データ（たとえば、図１４の第１の知覚データ１４７０）から抽出するべき特徴のサブセットを選択することができる。リソース情報１９０２は、リソース利用可能性情報、リソースバジェット（たとえば、図１４のリソースバジェット１４２０）、または両方を含むことができる。

[00231]リソースバジェット１４２０は、メモリバジェット、電力バジェット、時間期間当たり（たとえば、１秒当たり）命令数バジェット、またはそれらの任意の組合せを含むことができる。リソース利用可能性情報１８０２は、メモリ利用可能性、電力利用可能性、時間期間当たり（たとえば、１秒当たり）命令数利用可能性、またはそれらの任意の組合せを含むことができる。

[00232]デバイス１４０２のリソースのどれだけの部分または量が（たとえば、任意のアプリケーションによる）使用に利用可能であるかをリソース利用可能性情報１８０２が示し得る点、およびデバイス１４０２のリソースのどれだけの部分または量がマルチメディアコンテンツ分類器１４１２によって使用されることを許可されるかをリソースバジェット１４２０が示し得る点で、リソース利用可能性情報１８０２はリソースバジェット１４２０とは異なり得る。

[00233]リソース利用可能性情報１８０２は、リソースの特定のパーセンテージ（または特定の量）が利用可能であることを示し得る。特定の実施形態では、特徴セット抽出器１４１４は、リソース利用可能性がしきい値リソース利用可能性（たとえば、しきい値バッテリー電力１４８６、しきい値帯域幅１４８８、しきい値メモリ、１秒当たり命令のしきい値数、またはそれらの任意の組合せを）を満たさない場合に、いかなる特徴も抽出しないことがある。

[00234]特定の実施形態では、マルチメディアコンテンツ分類器１４１２は、特徴の特定のサブセットの分析に関連するリソース利用推定量にアクセスすることができる。この実施形態では、マルチメディアコンテンツ分類器１４１２は、特徴の特定のサブセットを分析する推定リソース利用量よりもリソース利用可能性が大きいときに、特徴の特定のサブセットを選択することができる。

[00235]特定の実施形態では、マルチメディアコンテンツ分類器１４１２は、リソースバジェット１４２０に基づいて第１の知覚データ１４７０から特徴のサブセット（たとえば、特徴の第１のサブセット、特徴の第２のサブセット、または両方）を抽出するべきかどうかを決定することができる。たとえば、特徴セット抽出器１４１４は、リソースバジェット１４２０の特定のパーセンテージ（または特定の量）がマルチメディアコンテンツ分類器１４１２によって利用されていると決定することができる。特徴セット抽出器１４１４は、リソースバジェット１４２０全体よりも少ない量がマルチメディアコンテンツ分類器１４１２によって利用されているとき、特徴のサブセットを抽出することができる。

[00236]特定の実施形態では、リソースバジェット１４２０は抽出基準に対応し得る。たとえば、図３の第１の処理デバイス３０４は、リソースバジェット１４２０を受信することができ、リソースバジェット１４２０の特定のパーセンテージ（または特定の量）が（たとえば、システム３００によって）利用されていることを示す第１の画像統計を生成することができる。統計処理デバイス１０８は、リソースバジェット１４２０全体よりも少ない量が利用されていると決定したことに基づいて、第２の処理デバイス３１０に第１の知覚データ１４７０を提供することができる。

[00237]特定の実施形態では、マルチメディアコンテンツ分類器１４１２は、特徴の特定のサブセットの分析（たとえば、抽出、クラスタ化、または分類）に関連するリソース利用の推定量にアクセスすることができる。たとえば、推定リソース利用量はマルチメディアコンテンツ分類器１４１２によって、別の画像についての特徴の特定のサブセットの以前の分析に基づいて生成され得る。この実施形態では、マルチメディアコンテンツ分類器１４１２は、特徴の特定のサブセットを分析する推定リソース利用量よりも残存リソースバジェット１４２０が大きいときに、特徴の特定のサブセットを抽出することができる。特定の実施形態では、第１の処理デバイス３０４は、推定リソース利用量を示す第１の画像統計を生成することができ、統計処理デバイス１０８は、残存リソースバジェット１４２０が推定リソース利用量よりも大きいと決定したことに基づいて、第２の処理デバイス３１０に第１の知覚データ１４７０を提供することができる。

[00238]リソースバジェット１４２０は、ユーザ選好（たとえば、ユーザ選好１４２２）に基づき得る。たとえば、ユーザ選好１４２２は、バックグラウンドアプリケーションがリソースの特定のパーセンテージ（たとえば、２０％）よりも多くを占めるべきではないことを示し得る。

[00239]特定の実施形態では、システム１９００は、リソース利用可能性情報、リソースバジェット１４２０、または両方に基づいて、知覚データ（たとえば、図１４の第１の知覚データ１４７０）を生成することもできる。たとえば、マルチメディアコンテンツ分類器１４１２は、特定のリソースが利用可能であることをリソース利用可能性情報１８０２が示すと決定したこと、リソースバジェット１４２０全体よりも少ない量がマルチメディアコンテンツ分類器１４１２によって利用されていると決定したこと、または両方に応答して、第１の画像センサー１４０４に要求（たとえば、第１の画像キャプチャ要求１４７２）を送ることができる。

[00240]したがって、マルチメディアコンテンツ分類器１４１２は、現在または将来のリソース利用可能性（たとえば、リソースバジェット１４２０、リソース利用可能性情報、または両方）に基づいて画像コンテキスト識別を実行することができる。十分なリソースが利用可能であるときに知覚データが生成され得る。十分なリソースが利用不可能であるときに、第１の画像センサー１４０４がマルチメディアコンテンツ分類器１４１２による分析のために知覚データを生成するのを控えることによって、デバイス１４０２のリソースが節約され得る。リソースバジェット１４２０がより限られているときに、デバイス１４０２のより少ないリソースが画像コンテキスト識別に使用され得る一方、リソースバジェット１４２０がより大きいときに、より高い関連信頼性レベルを有するコンテキストデータが生成され得る。さらに、限られたリソースが利用可能であるときに、デバイス１４０２のより少ないリソースが画像コンテキスト識別に使用され得る一方、より多くのリソースが利用可能であるときに、より高い関連信頼性レベルを有するコンテキストデータが生成され得る。たとえば、デバイス１４０２の残存バッテリー電力がしきい値バッテリー電力１４８６を満たさないことをリソース利用可能性情報１８０２が示す場合、マルチメディアコンテンツ分類器１４１２は、より少ない画像を分析すること（たとえば、データサンプリング間隔を増大させること）、第１の知覚データ１４７０からより少ない特徴を抽出すること、第１の知覚データ１４７０から特徴を抽出するのを控えること、またはそれらの組合せがある。

[00241]図２０を参照すると、画像のコンテキストを識別するように動作可能なシステムの別の特定の実施形態の図が開示され、全体的に２０００と称される。システム２０００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00242]システム２０００の構成要素は、図１８のシステム１８００の対応する構成要素と同様の方法で動作することができる。システム２０００は、特徴セット１抽出１６０４中に関心領域（たとえば、関心領域１４７８）を抽出または識別することができる。関心領域１４７８は、画像の特定の部分に対応し得る。関心領域１４７８は、使用事例（たとえば、図１４の使用事例１４３６）に基づいて、画像と先行画像との間の差に基づいて、または両方に基づいて決定され得る。たとえば、関心領域１４７８は、使用事例１４３６が人認識を含むときに顔に対応することができ、使用事例１４３６が活動認識を含むときにオブジェクトに対応することができる。

[00243]別の例として、使用事例１４３６は、特定のオブジェクト（たとえば、車の鍵）のオブジェクト検出を含むことができる。ユーザ１４５２は、車の鍵を置き忘れていることがあり、車の鍵を最後に含んだ第１の画像の表示を要求することがある。特定の実施形態では、使用事例１４３６はアプリケーション特有処理に対応し得る。第１の分類モデル（たとえば、図１４の分類モデル１４２８）は、使用事例１４３６に対応する特徴の特定のサブセットの特定の値を示すことができる。例示すると、第１の分類モデルは、特定のオブジェクト（たとえば、車の鍵）に対応するエッジヒストグラム記述子の特定の値を示すことができる。特徴セット抽出器１４１４は、知覚データ（たとえば、第１の知覚データ１４７０）から画像の特徴の特定のサブセットを抽出することができる。特徴セット抽出器１４１４は、画像の特定の部分の特徴の特定のサブセットの値が、第１の分類モデルによって示された特定の値に対応すると決定し得る。第１の知覚データ１４７０の一部分は、画像の特定の部分に対応し得る。例示すると、画像の特定の部分は、特定のオブジェクト（たとえば、車の鍵）または同様の特性（たとえば、形状）を有する別のオブジェクトを含むことができる。特徴セット抽出器１４１４は、画像の特定の部分に対応する第１の知覚データ１４７０の部分をコピーすることによって、関心領域１４７８を生成することができる。

[00244]別の例として、特徴セット抽出器１４１４は、画像に対応する第１の知覚データ１４７０を、先行画像に対応する他の知覚データと比較することができる。たとえば、画像および先行画像は、会合中にキャプチャされていることがある。比較に基づいて、特徴セット抽出器１４１４は、第１の知覚データ１４７０の一部分が他の知覚データとは別個のものであると決定し得る。第１の知覚データ１４７０の一部分は、画像の特定の部分に対応し得る。たとえば、画像の特定の部分は、会合中に位置を変えた人に対応し得る。特徴セット抽出器１４１４は、画像の特定の部分に対応する第１の知覚データ１４７０の部分をコピーすることによって、関心領域１４７８を生成することができる。

[00245]システム２０００は、関心領域１４７８を使用して特徴抽出（たとえば、特徴セット２抽出、特徴セットＮ抽出、または両方）を実行することができる。たとえば、特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、関心領域１４７８から特徴の第１のサブセットを抽出することができる。

[00246]特定の実施形態では、図３の第１の処理デバイス３０４は、関心領域１４７８を示すか、または第１の知覚データ１４７０における関心領域１４７８の不在を示す第１の画像統計を生成することができる。統計処理デバイス１０８は、第１の画像統計が関心領域１４７８を示すと決定したことに基づいて、抽出基準が満たされると決定することができ、抽出基準が満たされると決定したことに基づいて、関心領域１４７８に対応する第１の知覚データ１４７０の部分を第２の処理デバイス３１０に提供することができる。

[00247]したがって、画像の関心領域１４７８の特徴のサブセットが、画像のコンテキストを識別するために抽出され、クラスタ化され、分類され得る。画像全体と比較して、関心領域１４７８を分析すること（たとえば、関心領域１４７８についての追加の特徴を抽出すること）で、デバイス１４０２のリソースを節約することができる。

[00248]図２１を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に２１００と称される。システム２１００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00249]システム２１００の構成要素は、図２０のシステム２０００の対応する構成要素と同様の方法で動作することができる。システム２１００は、関心領域（たとえば、関心領域１４７８）から抽出された特徴の第１のサブセット（たとえば、特徴のサブセット１４４２）を以前計算された特徴（たとえば、以前計算された特徴２１０２）と組み合わせることによって、特徴セットクラスタ化１６０６を実行することができる。たとえば、図１４の特徴セットクラスタ器１４１６は、特徴の第１のサブセットと以前計算された特徴２１０２とをクラスタ化することができる。例示すると、関心領域１４７８は、先行画像と比較して変わった画像の特定の部分に対応することができ、以前計算された特徴２１０２は、先行画像と比較して変わっていない画像の残存部分に対応することができる。たとえば、以前計算された特徴２１０２は以前に、先行画像を分析したときに抽出されていることがある。図１４の特徴セットクラスタ器１４１６は、図１４を参照しながらさらに説明したように、特徴の第１のサブセットと、以前計算された特徴２１０２と、第２の画像の特徴の別のサブセットとをクラスタ化することができる。

[00250]画像全体に対応する特徴を抽出することと比較して、以前計算された特徴２１０２を使用することで、デバイス１４０２のリソースを節約することができる。その上、以前計算された特徴２１０２と関心領域１４７８とを分類のためにクラスタ化することで、関心領域１４７８のみをクラスタ化することと比較して、分類分析を改善することができる。

[00251]図２２を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態の図が開示され、全体的に２２００と称される。システム２２００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00252]システム２２００は、メモリ１４０８を介してシーン変化検出器１４６０に結合されるか、またはシーン変化検出器１４６０と通信している画像センサー２２０８（たとえば、図３のカメラ３０２、図４のセンサー４０２、図５のセンサー５０２、図６のセンサー６０２、図８のカメラ８４２、図１２の１つまたは複数のカメラ１２１０、図１３の１つまたは複数の他のセンサー１３６０、図１４の第１の画像センサー１４０４、第Ｎの画像センサー１４４０などの画像センサーのうちの１つまたは複数）を含み得る。特定の実施形態では、メモリ１４０８は図３のメモリ３０６に対応し得る。

[00253]メモリ１４０８は、低／高解像度画像バッファ２２１４、第１の高解像度画像バッファ２２１６、第２の高解像度画像バッファ２２１８、またはそれらの任意の組合せを含むことができる。画像バッファの各々は、別個のメモリサイズを有することができ、別個のメモリアクセス時間を有することができる。たとえば、第２の高解像度画像バッファ２２１８は、第１の高解像度画像バッファ２２１６よりも大きいメモリサイズを有することができ、第１の高解像度画像バッファ２２１６よりも長いメモリアクセス時間を有することができ、第１の高解像度画像バッファ２２１６は、低／高解像度画像バッファ２２１４よりも大きいメモリサイズを有することができ、低／高解像度画像バッファ２２１４よりも長いメモリアクセス時間を有することができる。

[00254]メモリ１４０８は、フィルタ２２２２を介してシーン変化検出器１４６０に結合されること、またはシーン変化検出器１４６０と通信していることがある。第１の画像センサー１４０４は、トリガ論理２２０２に結合されること、またはトリガ論理２２０２と通信していることがある。トリガ論理２２０２は、カウンタ２２０４に結合されること、またはカウンタ２２０４と通信していることがある。シーン変化検出器１４６０は、ローカルストレージ２２２８を含むこと、ローカルストレージ２２２８に結合されること、またはローカルストレージ２２２８と通信していることがある。特定の実施形態では、システム２２００はデバイス１４０２の常時接続電力ドメインに対応し得る。

[00255]動作中、トリガ論理２２０２は、第１の画像センサー１４０４に画像キャプチャ要求（たとえば、第１の画像キャプチャ要求１４７２）を送ることができる。特定の実施形態では、トリガ論理２２０２は、１つまたは複数の非同期事象通知（たとえば、非同期事象通知２２０６）に応答して第１の画像キャプチャ要求１４７２を送ることができる。非同期事象通知２２０６は、リソース利用可能性、ユーザ入力、ユーザ近接性、無線周波数信号、電磁信号、機械信号、微小電気機械システム（ＭＥＭＳ）信号、他のコンテキスト情報、またはそれらの任意の組合せに関する通知を含むことができる。たとえば、非同期事象通知２２０６は、リソース利用可能性に関する通知を含むことができる。トリガ論理２２０２は、リソース利用可能性に関する通知に応答して第１の画像キャプチャ要求１４７２を送ることができる。例示すると、トリガ論理２２０２は、リソース利用可能性がリソースバジェット（たとえば、リソースバジェット１４２０）、ユーザ選好（たとえば、ユーザ選好１４２２）、または両方を満たすと決定したことに応答して、第１の画像キャプチャ要求１４７２を送ることができる。

[00256]別の例として、非同期事象通知２２０６は、ユーザ入力（たとえば、ユーザ入力１４３０）に関する通知を含むことができる。ユーザ入力１４３０は、画像をキャプチャすることを求めるユーザ要求に対応し得る。トリガ論理２２０２は、ユーザ入力１４３０に関する通知に応答して第１の画像キャプチャ要求１４７２を送ることができる。

[00257]特定の実施形態では、トリガ論理２２０２は、カウンタ２２０４の値に応答して第１の画像キャプチャ要求１４７２を送ることができる。たとえば、カウンタ２２０４は、以前の画像キャプチャ以降に特定の持続時間が経過していることを示し得る。トリガ論理２２０２は、図１４を参照しながらさらに説明したように、特定の持続時間がしきい値画像キャプチャ持続時間（たとえば、しきい値持続時間１４８０）を満たすと決定したことに応答して、第１の画像センサー１４０４に第１の画像キャプチャ要求１４７２を送ることができる。

[00258]第１の画像キャプチャ要求１４７２を受信したことに応答して、第１の画像センサー１４０４は、メモリ１４０８に高解像度生画像データ２２２０を送ることができる。特定の実施形態では、高解像度生画像データ２２２０は図１４の第１の知覚データ１４７０に対応し得る。メモリ１４０８は、画像バッファ（たとえば、低／高解像度画像バッファ２２１４、第１の高解像度画像バッファ２２１６、第２の高解像度画像バッファ２２１８、またはそれらの任意の組合せ）に高解像度生画像データ２２２０を記憶することができる。メモリ１４０８は、フィルタ２２２２に高解像度生画像データ２２２０を送る（または高解像度生画像データ２２２０にアクセス可能にする）ことができる。

[00259]フィルタ２２２２は、高解像度生画像データ２２２０から低解像度生画像データ２２２６を生成することができる。たとえば、低解像度生画像データ２２２６は、高解像度生画像データ２２２０よりも少ない画像ピクセルに対応し得る。特定の実施形態では、特定のピクセルに対応する低解像度生画像データ２２２６の値が、複数の（たとえば、４つの）ピクセルに対応する高解像度生画像データ２２２０の値から生成され得る。たとえば、特定のピクセルに対応する値は、複数のピクセルに対応する値の平均であり得る。

[00260]フィルタ２２２２は、シーン変化検出器１４６０に低解像度生画像データ２２２６を送る（または低解像度生画像データ２２２６にアクセス可能にする）ことができる。シーン変化検出器１４６０は、ローカルストレージ２２２８に低解像度生画像データ２２２６を記憶することができる。特定の実施形態では、フィルタ２２２２は、ローカルストレージ２２２８に低解像度生画像データ２２２６を送る（または低解像度生画像データ２２２６にアクセス可能にする）ことができる。シーン変化検出器１４６０は、低解像度生画像データ２２２６を、以前キャプチャされた画像に対応する他の画像データと比較することができる。比較に基づいて、シーン変化検出器１４６０は、２２２６において、低解像度生画像データ２２２６がシーン変化を示すかどうかを決定することができる。たとえば、シーン変化検出器１４６０は、画像と以前キャプチャされた画像とをブロック（たとえば、３×３ブロック）に分割することができる。シーン変化検出器１４６０は、画像の各ブロックに関連する第１の知覚データ１４７０（たとえば、低解像度生画像データ２２２６）の一部分と以前キャプチャされた画像の対応するブロックに関連する知覚データ（たとえば、他の画像データ）の一部分との差を決定することができる。たとえば、シーン変化検出器１４６０は、画像および以前キャプチャされた画像の部分の間の絶対値差の平均（mean of the absolute difference）を決定することができる。シーン変化検出器１４６０は、第１の知覚データ１４７０（たとえば、低解像度生画像データ２２２６）がシーン変化を示すかどうかを決定するために、差（たとえば、平均）をしきい値画像差と比較することができる。

[00261]低解像度生画像データ２２２６がシーン変化を示さないと決定したことに応答して、システム２２００は、２２４２において、次のトリガを待つことができる。たとえば、図１４のマルチメディアコンテンツ分類器１４１２は、トリガ論理２２０２が別の非同期事象通知２２０６またはカウンタ２２０４の別の値を受信するのを待つことができる。

[00262]２２２６において、低解像度生画像データ２２２６がシーン変化を示すと決定したことに応答して、システム２２００は、図２３を参照しながらさらに説明するように動作することができる。特定の実施形態では、フィルタ２２２２は図３の第１の処理デバイス３０４に含まれてよく、シーン変化検出器１４６０は図１の統計処理デバイス１０８に含まれてよい。たとえば、低解像度生画像データ２２２６は第１の画像統計に対応し得る。シーン変化検出器１４６０は、低解像度生画像データ２２２６がシーン変化を示すと決定したことに基づいて、抽出基準が満たされると決定することができる。

[00263]特定の実施形態では、メモリ１４０８は、図２４を参照しながらさらに説明するように、画像データ要求２２３８を受信し得る。画像データ要求２２３８に応答して、メモリ１４０８は、図２４を参照しながらさらに説明するように、画像データ２２４０を出力し得る。画像データ２２４０は、高解像度生画像データ２２２０に対応し得る。

[00264]フィルタ２２２２は、第１の画像センサー１４０４が高解像度画像データを生成したときに低解像度画像データを生成するために使用され得る。低解像度画像データはシーン変化検出器１４６０によって、高解像度画像データの分析を続けるべきかどうかを決定するために分析され得る。高解像度画像データと比較して、低解像度画像データをシーン変化検出器１４６０に分析させることで、デバイス１４０２のリソースを節約することができる。

[00265]図２３を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に２３００と称される。システム２３００は図２２のシステム２２００に結合され得る。システム２３００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00266]システム２３００は図１４の不鮮明画像検出器１４６２を含むことができる。不鮮明画像検出器１４６２は、ローカルストレージ２３０６を含むこと、ローカルストレージ２３０６に結合されること、またはローカルストレージ２３０６と通信していることがある。

[00267]動作中、システム２３００は、２３０２において、デバイス１４０２の第１の電力ドメインをアクティブ化することができる。たとえば、マルチメディアコンテンツ分類器１４１２は、図２２を参照しながらさらに説明したように、画像データ（たとえば、低解像度生画像データ２２２６）がシーン変化に対応するとシーン変化検出器１４６０が決定したことに応答して、第１の電力ドメインをアクティブ化することができる。別の例として、統計処理デバイス１０８は、抽出基準が満たされる（たとえば、シーン変化が検出されている）と決定したことに基づいて、第２の処理デバイス３１０の第１の電力ドメインをアクティブ化することができる。

[00268]不鮮明画像検出器１４６２は、低解像度生画像データ２２２６を受信し得る。たとえば、不鮮明画像検出器１４６２は、フィルタ２２２２から低解像度生画像データ２２２６を受信し得る。不鮮明画像検出器１４６２は、ローカルストレージ２３０６に低解像度生画像データ２２２６を記憶することができる。不鮮明画像検出器１４６２は、２３０８において、画像が不鮮明であることを低解像度生画像データ２２２６が示すかどうかを決定することができる。たとえば、不鮮明画像検出器１４６２は、画像の鮮明度がしきい値鮮明度レベル（たとえば、しきい値鮮明度レベル１４８４）を満たすことを低解像度生画像データ２２２６が示すかどうかを決定することができる。例示すると、不鮮明画像検出器１４６２は、画像の鮮明度がしきい値鮮明度レベル１４８４を満たさないことを低解像度生画像データ２２２６が示すと決定したことに基づいて、低解像度生画像データ２２２６が不鮮明な画像を示すと決定することができる。不鮮明画像検出器１４６２は代替的に、画像の鮮明度がしきい値鮮明度レベル１４８４を満たすことを低解像度生画像データ２２２６が示すと決定したことに基づいて、低解像度生画像データ２２２６が不鮮明な画像を示さないと決定することができる。

[00269]２３０８において、画像が不鮮明であることを低解像度生画像データ２２２６が示すと不鮮明画像検出器１４６２が決定したことに応答して、システム２３００は、２３１０において、デバイス１４０２の第１の電力ドメインを非アクティブ化することができる。たとえば、マルチメディアコンテンツ分類器１４１２は、画像が不鮮明であることを低解像度生画像データ２２２６が示すと不鮮明画像検出器１４６２が決定したことに応答して、デバイス１４０２の第１の電力ドメインを非アクティブ化することができる。特定の実施形態では、統計処理デバイス１０８、第２の処理デバイス３１０、または両方は、不鮮明画像検出器１４６２を含むことができる。統計処理デバイス１０８または第２の処理デバイス３１０は、画像が不鮮明であることを低解像度生画像データ２２２６が示すと不鮮明画像検出器１４６２が決定したことに基づいて、統計処理デバイス１０８の第１の電力ドメインを非アクティブ化することができる。

[00270]２３０８において、画像が不鮮明ではないことを低解像度生画像データ２２２６が示すと不鮮明画像検出器１４６２が決定したことに応答して、システム２３００は、図２６を参照しながら説明するように動作することができる。

[00271]したがって、図２３に示すデバイス１４０２の第１の電力ドメインは、画像がシーン変化に対応しないときに非アクティブ化されたままとなり、デバイス１４０２のリソースを節約することができる。その上、低解像度画像データが不鮮明画像検出器１４６２によって、高解像度画像データの分析を続けるべきかどうかを決定するために分析され得る。高解像度画像データと比較して、低解像度画像データを不鮮明画像検出器１４６２に分析させることで、デバイス１４０２のリソースを節約することもできる。

[00272]図２４を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に２４００と称される。システム２４００は、図２２のシステム２２００、図１２のシステム２３００、もしくは両方に結合されること、またはこれらと通信していることがある。システム２４００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00273]動作中、システム２４００は、２４０２において、デバイス１４０２の第２の電力ドメインをアクティブ化することができる。たとえば、マルチメディアコンテンツ分類器１４１２は、図２３を参照しながらさらに説明したように、画像が不鮮明ではないことを低解像度生画像データ２２２６が示すと不鮮明画像検出器１４６２が決定したことに応答して、第２の電力ドメインをアクティブ化することができる。

[00274]特定の実施形態では、図１の統計処理デバイス１０８または図３の第２の処理デバイス３１０は、図２３を参照しながらさらに説明したように、画像が不鮮明ではないことを低解像度生画像データ２２２６が示すと不鮮明画像検出器１４６２が決定したことに基づいて、第２の統計処理デバイス３１０の第２の電力ドメインをアクティブ化することができる。

[00275]システム２４００は、２４０２において、画像データ要求（たとえば、図２２の画像データ要求２２３８）を出力することができる。たとえば、マルチメディアコンテンツ分類器１４１２は、画像が不鮮明ではないことを低解像度生画像データ２２２６が示すと不鮮明画像検出器１４６２が決定したことに応答して、図２２を参照しながらさらに説明したように、メモリ１４０８に画像データ要求２２３８を出力することができる。特定の実施形態では、第２の処理デバイス３１０は、画像が不鮮明ではないことを低解像度生画像データ２２２６が示すと不鮮明画像検出器１４６２が決定したことに基づいて、メモリ３０６に画像データ要求を出力することができる。

[00276]システム２４００は、画像データ（たとえば、画像データ２２４０）を受信することができ、特徴計算２４０４を実行することができる。たとえば、メモリ１４０８は、図２２を参照しながらさらに説明したように、（画像データ要求２２３８に応答して）マルチメディアコンテンツ分類器１４１２に画像データ２２４０を出力することができる。画像データ２２４０は、高解像度生画像データ２２２０に対応し得る。特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、高解像度生画像データ２２２０から特徴の第１のサブセットを抽出することができる。特定の実施形態では、第２の処理デバイス３１０は、メモリ３０６から受信された高解像度生画像データに対するアプリケーション特有処理を実行することができる。たとえば、第２の処理デバイス３１０は、アプリケーション特有処理の特定のステップに対応する後続電力ドメインをアクティブ化することができる。例示すると、第２の電力ドメインは、図７の第２のアプリケーションプロセッサ７０６に対応することができ、後続電力ドメインは、第Ｍのアプリケーションプロセッサ７０８に対応することができる。

[00277]システム２４００は、図１６を参照しながらさらに説明したように、特徴クラスタ化１６０６を実行することができ、特徴セット分類１６０８を実行することができる。システム２４００は、２４０６において、特徴の第１のサブセットに関連する信頼性レベルが高いかどうかを決定することができる。特定の実施形態では、動作１３０６は図１６の動作１６２２に対応し得る。たとえば、マルチメディアコンテンツ分類器１４１２は、図１４を参照しながらさらに説明したように、特徴の第１の分類サブセット（たとえば、特徴の分類サブセット１４７４）に関連する信頼性レベルがしきい値信頼性レベル（たとえば、しきい値信頼性レベル１４８２）を満たすかどうかを決定し得る。

[00278]２４０６において、信頼性レベルが高くない（たとえば、「高い」信頼性を表す数値のしきい値（たとえば、７５％）を満たさない）と決定したことに応答して、システム２４００は、追加の特徴（たとえば、ＭＰＥＧ−７、ＧＩＳＴ、ＣＥＮＴＲＩＳＴなど）計算２４０４を実行することができる。たとえば、特徴セット抽出器１４１４は、図２４を参照しながらさらに説明するように、画像データ２２４０から特徴の第２のサブセットを抽出することができる。

[00279]２４０６において、信頼性レベルが高いと決定したことに応答して、システム２４００は、２４０８において、視環境データを出力することに進むことができる。たとえば、マルチメディアコンテンツ分類器１４１２は、図１４を参照しながら説明したように、コンテキストデータ（たとえば、コンテキストデータ１４９０）を生成することができる。マルチメディアコンテンツ分類器１４１２は、ディスプレイ１４０６におけるコンテキストデータ１４９０の表示を開始することができる。

[00280]システム２４００は、２４１０において、第２の電力ドメインを非アクティブ化することができる。たとえば、マルチメディアコンテンツ分類器１４１２は、デバイス１４０２の第２の電力ドメインを非アクティブ化することができる。特定の実施形態では、第２の処理デバイス３１０は、第２の処理デバイス３１０の第２の電力ドメインを非アクティブ化することができる。

[00281]したがって、図２４に示すデバイス１４０２の第２の電力ドメインは、画像がシーン変化に対応しないとき、または画像が不鮮明であるときに非アクティブ化されたままとなり、それによってデバイス１４０２のリソースを節約することができる。

[00282]図２５を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に２５００と称される。システム２５００は図２４のシステム２４００に結合され得る。システム２５００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00283]システム２５００の構成要素は、図２２のシステム２２００の対応する構成要素と同様の方法で動作することができる。システム２５００は、画像センサーおよびフィルタ２５０２を含むことができる。画像センサーおよびフィルタ２５０２は、画像センサー（たとえば、図１４の第１の画像センサー１４０４、第Ｎの画像センサー１４４０、または両方など、図１４のデバイス１４０２の画像センサーのうちの１つまたは複数）とフィルタ（たとえば、図２２のフィルタ２２２２）との組合せであり得る。

[00284]画像センサーおよびフィルタ２５０２は、生画像データ２５０４を生成することができる。生画像データ２５０４は、図１４の第１の知覚データ１４７０に対応し得る。生画像データ２５０４は、低解像度画像データ（たとえば、低解像度生画像データ２２２６）、高解像度画像データ（たとえば、高解像度生画像データ２２２０）、または両方を含むことができる。特定の実施形態では、図３の第１の処理デバイス３０４およびカメラ３０２は、画像センサーおよびフィルタ２５０２に対応することができ、生画像データ２５０４は、図３の第１の処理デバイス３０４によって統計処理デバイス１０８に提供された第１の画像統計に対応することができる。

[00285]特定の実施形態では、画像センサーおよびフィルタ２５０２は、高解像度画像データがキャプチャされるべきであることを第１の画像キャプチャ要求１４７２が示すことに応答して、高解像度生画像データ２２２０を生成することができる。たとえば、マルチメディアコンテンツ分類器１４１２は、第１の画像キャプチャ要求１４７２において要求された解像度を示すことができる。特定の実施形態では、画像センサーおよびフィルタ２５０２は、デバイス１４０２の画像センサーのうちの１つまたは複数（たとえば、第１の画像センサー１４０４または第Ｎの画像センサー１４４０）を使用して、低解像度生画像データ２２２６をキャプチャすることができ、デバイス１４０２の画像センサーのうちの別のもの（たとえば、第１の画像センサー１４０４および第Ｎの画像センサー１４４０のうちの他方または別の画像センサー）を使用して、高解像度生画像データ２２２０をキャプチャすることができる。

[00286]画像データ２２４０は、生画像データ２５０４に対応し得る。たとえば、画像データ２２４０は、低解像度生画像データ２２２６、高解像度生画像データ２２２０、または両方を含むことができる。

[00287]メモリ１４０８は、図２６を参照しながらさらに説明するように、生画像データ２５０４を出力することができる。メモリ３０８は、シーン変化検出器１４６０に生画像データ２５０４を出力することができる。特定の実施形態では、メモリ１４０８は、ローカルストレージ２２２８に生画像データ２５０４を出力することができる。シーン変化検出器１４６０は、図１４を参照しながらさらに説明したように、２２２６において、生画像データ２５０４がシーン変化を示すかどうかを決定することができる。

[00288]生画像データ２５０４がシーン変化を示すとシーン変化検出器１４６０が決定したことに応答して、システム２５００は、図２６を参照しながらさらに説明するように動作を実行することができる。

[00289]したがって、画像センサーおよびフィルタ２５０２は、様々な解像度を有する画像データを生成することができる。低解像度画像データのみを生成することで、デバイス１４０２のリソースを節約することができる一方、高解像度画像データを生成することで、画像データから生成されるコンテキストデータに関連する信頼性レベルを改善することができる。

[00290]図２６を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態の図が開示され、全体的に２６００と称される。システム２６００は、図２４のシステム２４００、図２５のシステム２５００、または両方に結合され得る。システム２６００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00291]システム２６００の構成要素は、図２３のシステム２３００の対応する構成要素と同様の方法で動作することができる。不鮮明画像検出器１４６２は、図２５を参照しながらさらに説明したように、メモリ１４０８から生画像データ（たとえば、生画像データ２５０４）を受信し得る。たとえば、不鮮明画像検出器１４６２は、メモリ１４０８から生画像データ２５０４を受信し得る。

[00292]２３０８において、画像が不鮮明ではないことを生画像データ２５０４が示すと不鮮明画像検出器１４６２が決定したことに応答して、システム２５００は、図２４を参照しながらさらに説明したように動作を実行することができる。

[00293]したがって、デバイス１４０２の第１の電力ドメインは、画像がシーン変化に対応しないときに非アクティブ化されたままとなり、デバイス１４０２のリソースを節約することができる。その上、画像データが不鮮明画像検出器１４６２によって、画像データの分析（たとえば、抽出、クラスタ化、または分類）を続けるべきかどうかを決定するために分析され得る。

[00294]図２７を参照すると、画像のコンテキストを識別するように動作可能なシステムの特定の例示的な実施形態が開示され、全体的に２７００と称される。システム２７００は、図２４のシステム２４００、図２６のシステム２６００、または両方に結合され得る。システム２７００の１つまたは複数の動作は、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図４の変化検出回路４１４、アプリケーションプロセッサ４１８、図５の選択回路５０６、信号分析器５１２、変化検出回路５１４、アプリケーションプロセッサ５１８、前処理回路６０４、１つもしくは複数の追加のプロセッサ６２２、図７の第２のアプリケーションプロセッサ７０６、第Ｍのアプリケーションプロセッサ７０８、図８のアクティブ化分析器８１４、非アクティブ化分析器８１６、オブジェクト検出器８５０、オブジェクト識別器８５２、活動分類器８５４、システムコントローラ８０６、図９のＶＦＥ−Ｌｉｔｅ９０４、ＬＰＣＶＳＳ９０６、ＬＰＡＳＳ９０８、ＡＰＳＳ９１０、１つもしくは複数の他のプロセッサ９１２、図１３のコンテキスト決定エンジン１３８０、図１４のデバイス１４０２、またはそれらの組合せによって実行され得る。

[00295]システム２７００の構成要素は、図２５のシステム２５００の対応する構成要素と同様の方法で動作することができる。システム２７００は、画像センサー、フィルタ、およびシーン変化検出器２７０２を含むことができる。画像センサー、フィルタ、およびシーン変化検出器２７０２は、画像センサー（たとえば、第１の画像センサー１４０４、第Ｎの画像センサー１４４０、または両方など、図１４のデバイス１４０２の１つまたは複数の画像センサー）と、シーン変化検出器（たとえば、図１４のシーン変化検出器１４６０）と、フィルタ（たとえば、図２２のフィルタ２２２２）との組合せであり得る。

[00296]特定の実施形態では、図３のカメラ３０２、第１の処理デバイス３０４、および図１の統計処理デバイス１０８は、画像センサー、フィルタ、およびシーン変化検出器２７０２に対応し得る。統計処理デバイス１０８は、シーン変化通知２７０４と生画像データ２５０４とを図３の第２の処理デバイス３１０に提供することができる。画像センサー、フィルタ、およびシーン変化検出器２７０２は、生画像データ２５０４を生成することができる。画像センサー、フィルタ、およびシーン変化検出器２７０２は、シーン変化通知２７０４を生成することもできる。画像センサー、フィルタ、およびシーン変化検出器２７０２は、図１４を参照しながらさらに説明したように、画像がシーン変化に対応すると決定したことに応答して、シーン変化通知２７０４を生成することができる。画像センサー、フィルタ、およびシーン変化検出器２７０２は、シーン変化通知２７０４を出力することができる。たとえば、システム２７００は、シーン変化通知２７０４に応答して、図２６を参照しながらさらに説明したように動作を実行することができる。

[00297]図２８を参照すると、テスト画像の特徴の様々なサブセットを抽出することに関連する実行時間の一例を示す棒グラフが示され、全体的に２８００と称される。特定の実施形態では、特徴の様々なサブセットは、図１４の特徴抽出器１４１４によって抽出され得る。

[00298]棒グラフ２８００は、複数のテスト画像（たとえば、テスト画像１〜４）の各々に関連する知覚データから特徴の様々なサブセットを抽出することに関連する実行時間を示す。たとえば、各テスト画像は、１０８０順次スキャン（１０８０ｐ）解像度を有し得る。特徴の第１のサブセットは、テスト特徴１と、テスト特徴２と、テスト特徴３とを含む。特徴の第２のサブセットは、特徴の第１のサブセットとテスト特徴４とを含む。特徴の第３のサブセットは、特徴の第２のサブセットとテスト特徴５とを含む。特徴の第４のサブセットは、特徴の第３のサブセットとテスト特徴６とを含む。特定の実施形態では、テスト特徴１は色レイアウト記述子に対応することができ、テスト特徴２は同種テクスチャ記述子に対応することができ、テスト特徴３はエッジヒストグラム記述子に対応することができ、テスト特徴４は色構造記述子に対応することができ、テスト特徴５はスケーラブル色記述子に対応することができ、テスト特徴６は支配色記述子に対応することができる。

[00299]棒グラフ２８００は、テスト画像１の知覚データから特徴の第１のサブセットを抽出することに関連する数百ミリ秒の実行時間に対応する棒２８０２を含む。棒グラフ２８００は、テスト画像２の知覚データから特徴の第１のサブセットを抽出することに関連する約１秒の実行時間に対応する棒２８１２を含む。棒グラフ２８００は、テスト画像３の知覚データから特徴の第１のサブセットを抽出することに関連する約１秒の実行時間に対応する棒２８２２を含む。棒グラフ２８００は、テスト画像４の知覚データから特徴の第１のサブセットを抽出することに関連する約１秒の実行時間に対応する棒２８３２を含む。

[00300]棒グラフ２８００は、テスト画像１の知覚データから特徴の第２のサブセットを抽出する実行時間に対応する棒２８０４を含み、テスト画像１の知覚データから特徴の第１のサブセットを抽出する実行時間の約２倍である。棒グラフ２８００は、テスト画像２の知覚データから特徴の第２のサブセットを抽出することに関連する約２秒の実行時間に対応する棒２８１４を含む。棒グラフ２８００は、テスト画像３の知覚データから特徴の第２のサブセットを抽出することに関連する約２秒の実行時間に対応する棒２８２４を含む。棒グラフ２８００は、テスト画像４の知覚データから特徴の第２のサブセットを抽出することに関連する約２秒の実行時間に対応する棒２８３４を含む。

[00301]棒グラフ２８００は、テスト画像１の知覚データから特徴の第３のサブセットを抽出することに関連する０．５秒の実行時間に対応する棒２８０６を含む。棒グラフ２８００は、テスト画像２の知覚データから特徴の第３のサブセットを抽出することに関連する約３秒の実行時間に対応する棒２８１６を含む。棒グラフ２８００は、テスト画像３の知覚データから特徴の第３のサブセットを抽出することに関連する約３秒の実行時間に対応する棒２８２６を含む。棒グラフ２８００は、テスト画像３の知覚データから特徴の第３のサブセットを抽出することに関連する約３秒の実行時間に対応する棒２８３６を含む。

[00302]棒グラフ２８００は、テスト画像１の知覚データから特徴の第４のサブセットを抽出することに関連する約３秒の実行時間に対応する棒２８０８を含む。棒グラフ２８００は、テスト画像２の知覚データから特徴の第４のサブセットを抽出することに関連する約３６秒の実行時間に対応する棒２８１８を含む。棒グラフ２８００は、テスト画像３の知覚データから特徴の第４のサブセットを抽出することに関連する約３３秒の実行時間に対応する棒２８２８を含む。棒グラフ２８００は、テスト画像４の知覚データから特徴の第４のサブセットを抽出することに関連する約３８秒の実行時間に対応する棒２８３８を含む。

[00303]したがって、特徴のサブセットを抽出することに関連する実行時間は、サブセットに含まれる記述子に基づいて変わる。特に、テスト画像２〜４の知覚データからテスト特徴６を抽出することは、約３０秒を要する。したがって、信頼性レベルに基づいて特徴のサブセットを漸進的に抽出することは、特徴のいくつかのサブセットが画像ごとに抽出されなくてよいので、デバイス１４０２のリソースを節約することができる。

[00304]図２９を参照すると、図２８のテスト画像の特徴の様々なサブセットを抽出することに関連するメモリ使用量の一例を示す棒グラフが示され、全体的に２９００と称される。特定の実施形態では、特徴の様々なサブセットは、図１４の特徴セット抽出器１４１４によって抽出され得る。

[00305]棒グラフ２９００は、特徴の第１のサブセットを抽出することに関連する約１００キロバイトのメモリ使用量を示す棒２９０２と、特徴の第２のサブセットを抽出することに関連する約１４０キロバイトのメモリ使用量を示す棒２９０４と、特徴の第３のサブセットを抽出することに関連する約２００キロバイトのメモリ使用量を示す棒２９０６と、特徴の第４のサブセットを抽出することに関連する約２８０キロバイトのメモリ使用量を示す棒２９０８とを含む。特定の実施形態では、メモリ使用量は、特徴セット抽出器１４１４によって使用されるメモリ３０８の量を示すことができる。

[00306]したがって、特徴のサブセットを抽出することに関連するメモリ使用量は、サブセットに含まれる記述子に基づいて変わる。特に、テスト特徴４と、テスト特徴５と、テスト特徴６とを知覚データから抽出することは、メモリ使用量を約１８０キロバイト増加させる。したがって、信頼性レベルに基づいて特徴のサブセットを漸進的に抽出することは、特徴のいくつかのサブセットが画像ごとに抽出されなくてよいので、デバイス１４０２のリソースを節約することができる。

[00307]図３０を参照すると、画像統計に基づいてコンピュータビジョンアプリケーションに関連する電力使用量を低減する方法３０００の特定の実施形態のフローチャートが示されている。例示的な実施形態では、方法３０００は、図１〜図２９に関して説明したシステム、デバイス、および技法のうちの少なくとも１つを使用して実行され得る。

[00308]方法３０００は、３００２において、画像データの第１のフレームについての第１の画像統計を生成することを含む。たとえば、図３において、カメラ３０２は、第１の時間に図１の第１のフレーム１０２をキャプチャすることができ、第１の処理デバイス３０４は、第１のフレーム１０２についての第１の画像統計を生成することができる。第１の処理デバイス３０４は、メモリ３０６に第１の画像統計を提供することができる。

[00309]３００４において、画像データの第２のフレームについて第２の画像統計が生成され得る。たとえば、図３において、第１のフレーム１０２をキャプチャした後、カメラ３０２は、第２の時間に図１の第２のフレーム１０４をキャプチャすることができ、第１の処理デバイス３０４は、第２のフレーム１０４についての第２の画像統計を生成することができる。第１の処理デバイス３０４は、メモリ３０６に第２の画像統計を提供することができる。さらに、第１の処理デバイス３０４は、第２のフレーム１０４と第２の画像統計とを統計処理デバイス１０８に提供することができる。

[00310]３００６において、第２の画像統計と第１の画像統計との間の第１の変化量がしきい値を満たすかどうかの決定が行われ得る。たとえば、図３において、統計処理デバイス１０８は、第２のフレーム１０４に対するアプリケーション特有処理のために第２の処理デバイス３１０に第２のフレーム１０４を提供するべきかどうかを決定するために、第１の画像統計と第２の画像統計を比較することができる。たとえば、統計処理デバイス１０８は、第２の画像統計と第１の画像統計との間の第１の変化量がしきい値を満たすかどうかを決定することができる。

[00311]３００８において、第１の変化量がしきい値を満たすとの決定に応答して、第２のフレームに対するアプリケーション特有処理が実行され得る。たとえば、図３において、変化量がしきい値を満たす場合、統計処理デバイス１０８は、第２のフレーム１０４に対するアプリケーション特有処理のために第２の処理デバイス３１０に第２のフレーム１０４を提供することができる。

[00312]特定の実施形態では、方法３０００は、第１の変化量がしきい値を満たさないとの決定に応答して、第２のフレームに対するアプリケーション特有処理を回避するか、または見送ることを含み得る。たとえば、図３において、変化量がしきい値を満たさない場合、統計処理デバイス１０８は、電力を節約し、第２のフレーム１０４のアプリケーション特有処理を回避することを決定することができる。

[00313]特定の実施形態では、方法３０００は、第２のフレームのアプリケーション特有処理を回避した後に、画像データの第３のフレームについての第３の画像統計を生成することを含み得る。たとえば、図３において、第２のフレーム１０４をキャプチャした後、カメラ３０２は、第３の時間に第３のフレーム１０６をキャプチャすることができ、第１の処理デバイス３０４は、第３のフレーム１０６についての第３の画像統計を生成することができる。第１の処理デバイス３０４は、メモリ３０６に第３の画像統計を提供することができる。この例では、方法３０００は、第３の画像統計と第２の画像統計との間の第２の変化量がしきい値を満たすかどうかを決定することを含み得る。たとえば、図３において、統計処理デバイス１０８が第２のフレーム１０４に対するアプリケーション特有処理を回避するか、または見送ることを決定した場合、統計処理デバイス１０８は、第３のフレーム１０６に対するアプリケーション特有処理を実行するべきかどうかを決定するために、第２の画像統計（または第１の画像統計）と第２の画像統計を比較することができる。

[00314]特定の実施形態では、方法３０００は、第２の変化量がしきい値を満たすとの決定に応答して、第３のフレームに対するアプリケーション特有処理を実行することを含み得る。たとえば、図３において、第２の変化量がしきい値を満たす場合、統計処理デバイス１０８は、第３のフレーム１０６に対するアプリケーション特有処理のために第２の処理デバイス３１０に第３のフレーム１０６を提供することができる。

[00315]以前のフレームと同様の画像統計を有する特定のフレームに対するアプリケーション特有処理を回避するか、または見送ることで、電子デバイスにおける電力を節約することができる。たとえば、アプリケーション特有処理は、汎用プロセッサまたはグラフィックスプロセッサなど、処理システム内の高電力デバイスを利用し得る。各フレームの統計を生成および／または評価するために統計処理デバイス１０８および第１の処理デバイス３０４などの低電力デバイス（たとえば、デジタル信号プロセッサ、特定用途向け集積回路など）を使用することによって、特定のフレームが実質的に同一であるとの決定、および同一のフレームのうちの１つに対してのみアプリケーション特有処理が実行される必要があるとの決定が行われ得る。結果として、同一または同様のフレームに対するアプリケーション特有処理を見送ることによって、電力が節約され得る。

[00316]図３１を参照すると、画像のコンテキストを識別する方法の特定の例示的な実施形態のフローチャートが示され、全体的に３１００と称される。方法３１００は、図１〜図２９に関して説明したシステム、デバイス、および技法のうちの少なくとも１つを使用して実行され得る。

[00317]方法３１００は、３１０２において、モバイルデバイスにおいて、画像センサーから知覚データを受信することを含み得る。知覚データは画像に関係し得る。たとえば、図１４のデバイス１４０２は、第１の画像センサー１４０４から知覚データ（たとえば、第１の知覚データ１４７０）を受信し得る。第１の知覚データ１４７０は、図１の第２のフレーム１０４に関係し得る。

[00318]方法１３００はまた、１３０４において、知覚データに基づいて画像の第１の画像統計を生成することを含み得る。第１の画像統計と第２の画像の第２の画像統計との間の変化量が変化しきい値を満たすとき、抽出基準が満たされ得る。たとえば、図１の統計処理デバイス１０８は、図１を参照しながら説明したように、第２のフレーム１０４に対応する第１の画像統計を生成することができ、第１のフレーム１０２に対応する第２の画像統計を生成することができる。図１４を参照しながらさらに説明したように、第１の画像統計と第２の画像統計との間の変化量が変化しきい値を満たすときに抽出基準が満たされ得る。

[00319]方法３１００は、３１０６において、抽出基準が満たされることに基づいて、知覚データから画像の特徴の第１のサブセットを抽出することをさらに含み得る。たとえば、図１４の特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、抽出基準が満たされることに基づいて、第１の知覚データ１４７０から特徴の第１のサブセット（たとえば、図１４の特徴のサブセット１４４２のうちの第１のもの）を抽出することができる。

[00320]図３１の方法３１００は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）デバイス、特定用途向け集積回路（ＡＳＩＣ）、中央処理装置（ＣＰＵ）などの処理ユニット、デジタル信号プロセッサ（ＤＳＰ）、コントローラ、別のハードウェアデバイス、ファームウェアデバイス、またはそれらの任意の組合せによって実装され得る。一例として、図３１の方法３１００は、命令を実行するプロセッサによって実行され得る。

[00321]したがって、方法３１００は画像コンテキスト識別を可能にし得る。抽出基準に基づいて特徴のサブセットを抽出することで、いくつかの状況において画像の特徴の抽出を防止し、それによってデバイス１４０２のリソースを節約することができる。

[00322]図３２を参照すると、画像のコンテキストを識別する方法の特定の例示的な実施形態のフローチャートが示され、全体的に３２００と称される。方法３２００は、図１〜図２９に関して説明したシステム、デバイス、および技法のうちの少なくとも１つを使用して実行され得る。特定の実施形態では、方法３２００は図３１の３１０６から進み得る。

[00323]方法３２００は、３２０２において、第１のタイムスタンプが第２のタイムスタンプのしきい値持続時間内にあることに基づいて、特徴の第１のクラスタ化サブセットを生成することを含み得る。第１のタイムスタンプは、画像（たとえば、図１の第２のフレーム１０４）に関連付けられる。第２のタイムスタンプは、第２の画像に関連付けられる。特徴の第１のクラスタ化サブセットは、特徴の第１のサブセット、第２の画像の特徴の第２のサブセット、または両方を含む。たとえば、図１４の特徴セットクラスタ器１４１６は、図１４を参照しながらさらに説明したように、第１のタイムスタンプ（たとえば、タイムスタンプ１４９４のうちの第１のもの）が第２のタイムスタンプ（たとえば、タイムスタンプ１４９４のうちの第２のもの）のしきい値画像キャプチャ持続時間（たとえば、しきい値持続時間１４８０）内にあることに基づいて、特徴の第１のクラスタ化サブセット（たとえば、図１４の特徴のクラスタ化サブセット１４７６）を生成することができる。

[00324]方法３２００はまた、３２０４において、第１の分類モデルに基づいて特徴の第１のクラスタ化サブセットを分類することによって、特徴の分類サブセットを生成することを含み得る。たとえば、図１４の特徴セット分類器１４１８は、図１４を参照しながらさらに説明したように、第１の分類モデル（たとえば、分類モデル１４２８のうちの第１のもの）に基づいて特徴の第１のクラスタ化サブセットを分類することによって、特徴の分類サブセット（たとえば、特徴の分類サブセット１４７４）を生成することができる。

[00325]方法３２００は、３２０６において、中間コンテキストデータの信頼性レベルがしきい値信頼性レベルを満たさないと決定したことに基づいて、特徴の第１のサブセットを抽出することに関連する信頼性レベルがしきい値信頼性レベルを満たさないと決定することをさらに含み得る。中間コンテキストデータは、特徴の第１のサブセット、特徴の第１のクラスタ化サブセット、または特徴の分類サブセットに対応し得る。たとえば、マルチメディアコンテンツ分類器１４１２は、図１４を参照しながらさらに説明したように、中間コンテキストデータ１４９２の信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定したことに基づいて、特徴の第１のサブセットを抽出することに関連する信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定することができる。

[00326]方法３２００はまた、３２０８において、特徴の第１のサブセットが分析基準を満たすことに基づいて、知覚データから画像の特徴の第２のサブセットを抽出することを含み得る。分析基準は、特徴の第１のサブセットを抽出することに関連する信頼性レベルに基づく。たとえば、図１４の特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、特徴の第１のサブセットが分析基準を満たすことに基づいて、第１の知覚データ１４７０から特徴の第２のサブセット（たとえば、特徴のサブセット１４４２のうちの第２のもの）を抽出することができる。分析基準は、図１４を参照しながらさらに説明したように、特徴の第１のサブセットを抽出することに関連する信頼性レベルに基づき得る。

[00327]方法３２００は、３２１０において、第１のタイムスタンプおよび第２のタイムスタンプに基づいて特徴の第２のサブセットをクラスタ化することによって、特徴の第２のクラスタ化サブセットを生成することをさらに含み得る。たとえば、図１４の特徴セットクラスタ器１４１６は、図１４を参照しながらさらに説明したように、第１のタイムスタンプおよび第２のタイムスタンプに基づいて特徴の第２のサブセットをクラスタ化することによって、特徴の第２のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６のうちの第２のもの）を生成することができる。

[00328]方法３２００はまた、３２１２において、特徴の第２のサブセットに少なくとも部分的に基づいて、画像のコンテキストを示すコンテキストデータを生成することを含み得る。コンテキストデータは、第２の分類モデルに基づいて、特徴の第１のクラスタ化サブセット、特徴の第２のクラスタ化サブセット、または両方を分類することによって生成され得る。たとえば、マルチメディアコンテンツ分類器１４１２は、図１４を参照しながらさらに説明したように、特徴の第２のサブセットに少なくとも部分的に基づいて、画像のコンテキストを示すコンテキストデータ１４９０を生成することができる。

[00329]図３２の方法３２００は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）デバイス、特定用途向け集積回路（ＡＳＩＣ）、中央処理装置（ＣＰＵ）などの処理ユニット、デジタル信号プロセッサ（ＤＳＰ）、コントローラ、別のハードウェアデバイス、ファームウェアデバイス、またはそれらの任意の組合せによって実装され得る。一例として、図３２の方法３２００は、命令を実行するプロセッサによって実行され得る。

[00330]したがって、方法３２００は画像コンテキスト識別を可能にし得る。関連信頼性レベルに基づいて特徴のサブセットを分析すること（たとえば、抽出すること、クラスタ化すること、および分類すること）で、結果的に、画像のすべての特徴よりも少ない特徴を抽出し、それによってデバイス１４０２のリソースを節約することができる。

[00331]図３３を参照すると、画像のコンテキストを識別する方法の特定の実施形態のフローチャートが示され、全体的に３３００と称される。方法３３００は、図１〜図２９に関して説明したシステム、デバイス、および技法のうちの少なくとも１つを使用して実行され得る。

[00332]方法３３００は、３３０２において、モバイルデバイスにおいて、画像センサーから知覚データを受信することを含み得る。知覚データは画像に関係する。たとえば、図１４のデバイス１４０２は、第１の画像センサー１４０４から知覚データ（たとえば、第１の知覚データ１４７０）を受信し得る。第１の知覚データ１４７０は、図１の第２のフレーム１０４に関係し得る。

[00333]方法３３００はまた、知覚データに基づいて画像の第１の画像統計を生成することを含み得る。抽出基準は、第１の画像統計に少なくとも部分的に基づく。第１の画像統計は、活動認識、人認識、オブジェクト認識、ロケーション認識、またはジェスチャー認識のうちの少なくとも１つを含むアプリケーション特有処理に基づいて生成される。たとえば、図３の統計処理デバイス１０８は、図１４を参照しながら説明したように、第１の知覚データ１４７０に基づいて第２のフレーム１０４の第１の画像統計を生成することができ、抽出基準は、第１の画像統計に少なくとも部分的に基づき得る。第１の画像統計は、図１４を参照しながら説明したように、活動認識、人認識、反対認識、ロケーション認識、またはジェスチャー認識のうちの少なくとも１つを含むアプリケーション特有処理に基づいて生成され得る。

[00334]方法３３００は、３３０６において、抽出基準が満たされることに基づいて、知覚データから特徴の第１のサブセットを抽出することをさらに含み得る。特徴の第１のサブセットは、選択基準に基づいて選択され得る。たとえば、図１４の特徴セット抽出器１４１４は、図１４を参照しながら説明したように、抽出基準が満たされることに基づいて、第１の知覚データ１４７０から特徴の第１のサブセット（たとえば、図１４の特徴のサブセット１４４２）を抽出することができる。特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、選択基準（たとえば、図１４の選択基準１４３８）に基づいて特徴の第１のサブセットを選択することができる。

[00335]方法３３００は、３３０８において、知覚データがシーン変化を示すと決定したことに応答して、第１の電力ドメインをアクティブ化することをさらに含み得る。たとえば、図１４のマルチメディアコンテンツ分類器１４１２は、図２３を参照しながらさらに説明したように、第１の知覚データ１４７０がシーン変化を示すと決定したことに応答して、デバイス１４０２の第１の電力ドメインをアクティブ化することができる。

[00336]方法３３００はまた、３３１０において、画像の鮮明度がしきい値鮮明度レベルを満たすことを知覚データが示すと決定したことに応答して、第２の電力ドメインをアクティブ化することを含み得る。たとえば、図１４のマルチメディアコンテンツ分類器１４１２は、図２４を参照しながらさらに説明したように、画像の鮮明度がしきい値鮮明度レベルを満たすことを第１の知覚データ１４７０が示すと決定したことに応答して、デバイス１４０２の第２の電力ドメインをアクティブ化することができる。

[00337]方法３３００はまた、３３１２において、特徴の第１のサブセットに少なくとも部分的に基づいて、画像のコンテキストを示すコンテキストデータを生成することをさらに含み得る。たとえば、図１４のマルチメディアコンテンツ分類器１４１２は、図１４を参照しながらさらに説明したように、特徴の第１のサブセットに少なくとも部分的に基づいて、画像のコンテキストを示すコンテキストデータ１４９０を生成することができる。

[00338]図３３の方法３３００は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）デバイス、特定用途向け集積回路（ＡＳＩＣ）、中央処理装置（ＣＰＵ）などの処理ユニット、デジタル信号プロセッサ（ＤＳＰ）、コントローラ、別のハードウェアデバイス、ファームウェアデバイス、またはそれらの任意の組合せによって実装され得る。一例として、図３３の方法３３００は、命令を実行するプロセッサによって実行され得る。

[00339]したがって、方法３３００は画像コンテキスト識別を可能にし得る。画像がシーン変化に対応すると決定したこと、画像が不鮮明ではないと決定したこと、または両方に応答して、画像の特徴のサブセットを分析することで、結果的に、画像を選択的に分析し、それによってデバイス１４０２のリソースを節約することができる。その上、デバイス１４０２の第１の電力ドメイン、第２の電力ドメイン、または両方を選択的にアクティブ化することで、デバイス１４０２のリソースを節約することもできる。

[00340]図３４を参照すると、画像のコンテキストを識別する方法の特定の例示的な実施形態のフローチャートが示され、全体的に３４００と称される。

[00341]方法３４００は、３４０２において、モバイルデバイスにおいて、第１の画像センサーから第１の知覚データを受信することを含み得る。第１の知覚データは第１の画像に関係し得る。たとえば、図１４のデバイス１４０２は、第１の画像センサー１４０４から知覚データ（たとえば、第１の知覚データ１４７０）を受信し得る。第１の知覚データ１４７０は、図１の第１のフレーム１０２に関係し得る。

[00342]方法３４００はまた、３４０４において、知覚データに基づいて第１の画像の第１の画像統計を生成することを含み得る。第１の画像統計は、アプリケーション特有処理に基づいて生成される。たとえば、統計処理デバイス１０８は、図１４を参照しながら説明したように、第１の知覚データ１４７０に基づいて図１の第１のフレーム１０２の第１の画像統計を生成することができる。第１の画像統計は、図１４を参照しながら説明したように、アプリケーション特有処理に基づいて生成され得る。

[00343]方法３４００は、３４０６において、第１の知覚データから第１の画像の特徴の第１のサブセットを抽出することをさらに含み得る。たとえば、図１４の特徴セット抽出器１４１４は、第１の知覚データ１４７０から特徴の第１のサブセット（たとえば、図１４の特徴のサブセット１４４２のうちの第１のもの）を抽出することができる。

[00344]方法３４００はまた、３４０８において、特徴の第１のサブセットが分析基準を満たすことに基づいて、第２の画像センサーに第２の知覚データを要求することを含み得る。たとえば、図１４のマルチメディアコンテンツ分類器１４１２は、図１４を参照しながらさらに説明したように、特徴の第１のサブセットを抽出することに関連する信頼性レベルがしきい値信頼性レベル１４８２を満たさないと決定したことに応答して、第Ｎの画像センサー１４４０に第２の画像キャプチャ要求（たとえば、第２の画像キャプチャ要求１４２６）を送ることができる。

[00345]方法３４００は、３４１０において、第２の画像センサーから第２の知覚データを受信することをさらに含み得る。第２の知覚データは第２の画像に関係し得る。たとえば、図１４のマルチメディアコンテンツ分類器１４１２は、第Ｎの画像センサー１４４０から第２の知覚データ（たとえば、第２の知覚データ１４２４）を受信し得る。第２の知覚データ１４２４は、図１の第２のフレーム１０４に関係し得る。

[00346]方法３４００はまた、３４１２において、第２の知覚データに基づいて第２の画像の第２の画像統計を生成することを含み得る。第２の画像統計は、アプリケーション特有処理に基づいて生成される。たとえば、統計処理デバイス１０８は、図１４を参照しながら説明したように、第２の知覚データ１４２４に基づいて図１の第２のフレーム１０４の第２の画像統計を生成することができる。第２の画像統計は、図１４を参照しながら説明したように、アプリケーション特有処理に基づいて生成され得る。

[00347]方法３４００は、３４１４において、第２の知覚データから第２の画像の特徴の第２のサブセットを抽出することをさらに含み得る。特徴の第２のサブセットは、第１の画像統計と第２の画像統計との間の変化量が変化しきい値を満たすことに基づいて抽出される。たとえば、特徴セット抽出器１４１４は、図１４を参照しながらさらに説明したように、第１の画像統計と第２の画像統計との間の変化量が変化しきい値を満たすことに基づいて、第２の知覚データ１４２４から特徴の第２のサブセット（たとえば、特徴のサブセット１４４２のうちの第２のもの）を抽出することができる。

[00348]方法３４００はまた、３４１６において、特徴の第１のサブセット、特徴の第２のサブセット、または両方をクラスタ化することによって、特徴のクラスタ化サブセットを生成することを含み得る。たとえば、特徴セットクラスタ器１４１６は、図１４を参照しながらさらに説明したように、特徴の第１のサブセット、特徴の第２のサブセット、または両方をクラスタ化することによって、特徴のクラスタ化サブセット（たとえば、特徴のクラスタ化サブセット１４７６）を生成することができる。

[00349]方法３４００はまた、３４１８において、特徴の第２のサブセットに少なくとも部分的に基づいて、第１の画像のコンテキストを示すコンテキストデータを生成することをさらに含み得る。コンテキストデータは、分類モデルに基づいて特徴のクラスタ化サブセットを分類することによって生成され得る。たとえば、図１４のマルチメディアコンテンツ分類器１４１２は、図１４を参照しながらさらに説明したように、特徴の第２のサブセットに少なくとも部分的に基づいてコンテキストデータ１４９０を生成することができる。

[00350]図３４の方法３４００は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）デバイス、特定用途向け集積回路（ＡＳＩＣ）、中央処理装置（ＣＰＵ）などの処理ユニット、デジタル信号プロセッサ（ＤＳＰ）、コントローラ、別のハードウェアデバイス、ファームウェアデバイス、またはそれらの任意の組合せによって実装され得る。一例として、図３４の方法３４００は、命令を実行するプロセッサによって実行され得る。

[00351]したがって、方法３４００は画像コンテキスト識別を可能にし得る。マルチメディアコンテンツ分類器１４１２は、単一の画像センサーからの知覚データに関連する信頼性レベルがしきい値信頼性レベルを満たさないときに、複数の画像センサーからの知覚データを分析することに基づいて画像のコンテキストを識別することができる。単一の画像センサーからの知覚データを分析することで、デバイス１４０２のリソースを節約することができる一方、複数の画像センサーからの知覚データを分析することで、分析の結果に関連する信頼性レベルを高めることができる。後続画像からの知覚データが、以前の画像と後続画像との間で変化が検出されたときに分析され得る。以前の画像からの（たとえば、変化しきい値よりも大きい）十分な変化がないとき、後続画像を分析しないことによってデバイス１４０２のリソースが節約され得る。

[00352]図３５を参照すると、コンピュータビジョンアプリケーションに関連する電力使用量を低減する方法３５００の特定の例示的な実施形態が示されている。方法３５００は、図１〜図２９に関して説明したシステム、デバイス、および技法のうちの少なくとも１つを使用して実行され得る。

[00353]方法３５００は、３５０２において、変化検出回路において、センサーによってキャプチャされた第１のセンサーデータとセンサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成することを含むことができる。たとえば、図４を参照すると、変化検出回路４１４は、センサー４０２によってキャプチャされた第１のセンサーデータ４３０とセンサー４０２によってキャプチャされた第２のセンサーデータ４３０との間の変化量に基づいて制御信号を生成することができる。変化検出回路４１４は、第１の処理経路４０８に含まれ得る。

[00354]３５０４において、制御信号に基づいてコンピュータビジョンアプリケーション特有処理のために第２の処理経路に第２のセンサーデータが提供され得る。たとえば、図４を参照すると、変化検出回路４１４は、第１のセンサーデータ４３０と第２のセンサーデータ４３０との間の差を示す制御信号に基づいて、コンピュータビジョンアプリケーション特有処理のために第２の処理経路４１０のアプリケーションプロセッサ４１８に第２のセンサーデータ４３０を提供することができる。代替実施形態（たとえば、図５〜図６）では、制御信号は、選択回路（たとえば、マルチプレクサ）に提供されるフィードバック信号であってよく、第２のセンサーデータは、選択回路を介してアプリケーションプロセッサ（たとえば、アプリケーションプロセッサ５１８）に提供され得る。

[00355]方法３５００は、以前のフレームと同様である特定のフレームに対するコンピュータビジョンアプリケーション特有処理を回避することによって、電力消費量を低減することができる。たとえば、変化検出回路４１４は、現在のフレームと以前のフレームとの間の比較に基づいて、アプリケーションプロセッサ４１８をアクティブ化する（たとえば、起動する）べきかどうかを（制御信号４１６を介して）示すことができる。現在のフレームと以前のフレームとの間の差がしきい値（たとえば、変化しきい値）を満たさないと変化検出回路４１４が決定した場合、変化検出回路４１４は、電力を節約するためにアプリケーションプロセッサ４１８を非アクティブ化する（たとえば、アプリケーションプロセッサ４１８をスリープ状態に維持する）ことを決定することができる。

[00356]図３６を参照すると、モバイルデバイスの例示的な実施形態の図が示され、全体的に３６００と称される。モバイルデバイス３６００は、常時接続カメラを含むこと、および／または常時接続カメラと通信可能に結合されることがある。特定の実施形態では、モバイルデバイス３６００は、図１２のモバイルデバイス１２００のうちの１つまたは複数に対応し得る。例示的な実施形態では、モバイルデバイス３６００は、図３０〜図３５の方法３０００〜３５００またはそれらの任意の組合せに従って動作することができる。

[00357]図１６は、様々な構成要素の一般化された図を与えるものにすぎず、それらの構成要素のいずれかまたはすべてが適宜に利用され得ることに留意されたい。さらに、図３６に示すモバイルデバイス３６００のハードウェアおよび／またはソフトウェア構成要素は、コンテキスト決定エンジン１３８０、センサー、および他の構成要素など、図１３に示す構成要素のうちの１つまたは複数を実装するように構成され得る。

[00358]図３６に示す構成要素は、単一のモバイルデバイスに局所化されること、および／または異なる物理的ロケーションに配設され得る様々なネットワーク化されたデバイス間に分散されることがある。たとえば、いくつかの実施形態は、ユーザの体またはその近くの様々なロケーションに分散カメラ３６４３および／または他のセンサー３６４９を含むことができる。（ユーザの頭に装着された）ＨＭＤの常時接続カメラが、たとえば、ユーザのポケットの中のモバイルフォンと通信可能に結合されてよく、図３６に示す構成要素が、所望の機能に応じて様々な方法のいずれかでＨＭＤおよびモバイルフォンの間に分散されてよい。

[00359]バス３６０５を介して電気的に結合され得る（または、適宜に、他の方法で通信していることがある）ハードウェア要素を含むモバイルデバイス３６００が示されている。ハードウェア要素は、限定はしないが、１つもしくは複数の汎用プロセッサ、（デジタル信号プロセッサ（ＤＳＰ）、グラフィックスアクセラレーションプロセッサ、特定用途向け集積回路（ＡＳＩＣ）などの）１つもしくは複数の専用プロセッサ、および／または図３０〜図３５の方法３０００〜３５００を含む本明細書で説明した方法のうちの１つまたは複数を実行するように構成され得る他の処理構造もしくは手段を含むことができる処理ユニット３６１０を含み得る。モバイルデバイス３６００はまた、１つまたは複数の入力デバイス３６７０（たとえば、タッチスクリーン、タッチパッド、ボタン、ダイヤル、スイッチなど）と、限定はしないが、ディスプレイ、発光ダイオード（ＬＥＤ）、スピーカーなどを含むことができる１つまたは複数の出力デバイス３６１５とを含むことができる。

[00360]モバイルデバイス３６００はまた、限定はしないが、モデム、ネットワークカード、赤外線通信デバイス、（Ｂｌｕｅｔｏｏｔｈ（Ｂｌｕｅｔｏｏｔｈ ＳＩＧ， Ｉｎｃ．の登録商標）デバイス、ＩＥＥＥ８０２．１１デバイス、ＩＥＥＥ８０２．１５．４デバイス、ＷｉＦｉデバイス、ＷｉＭａｘデバイス、セルラー通信ファシリティなどの）ワイヤレス通信デバイスおよび／またはチップセットなどを含むことができる、ワイヤレス通信インターフェース３６３０を含み得る。モバイルデバイス３６００との間の通信はまた、いくつかの実施形態では、様々なワイヤレス通信ネットワークを使用して実装され得る。これらのネットワークは、たとえば、ワイドエリアワイヤレスネットワーク（ＷＷＡＮ）、ワイヤレスローカルエリアネットワーク（ＷＬＡＮ）、ワイヤレスパーソナルエリアネットワーク（ＷＰＡＮ）などを含むことができる。ＷＷＡＮは、符号分割多元接続（ＣＤＭＡ）ネットワーク、時分割多元接続（ＴＤＭＡ）ネットワーク、周波数分割多元接続（ＦＤＭＡ）ネットワーク、直交周波数分割多元接続（ＯＦＤＭＡ）ネットワーク、シングルキャリア周波数分割多元接続（ＳＣ−ＦＤＭＡ）ネットワーク、ＷｉＭａｘ（ＩＥＥＥ８０２．１６）ネットワークなどであり得る。ＣＤＭＡネットワークは、ｃｄｍａ２０００、広帯域ＣＤＭＡ（Ｗ−ＣＤＭＡ（登録商標））などのような、１つまたは複数の無線アクセス技術（ＲＡＴ）を実装し得る。ｃｄｍａ２０００は、ＩＳ−９５規格、ＩＳ−２０００規格、および／またはＩＳ−８５６規格を含む。ＴＤＭＡネットワークは、モバイル通信用グローバルシステム（ＧＳＭ（登録商標）：Global System for Mobile Communications）、デジタルアドバンストモバイルフォンシステム（Ｄ−ＡＭＰＳ：Digital Advanced Mobile Phone System）、または何らかの他のＲＡＴを実装し得る。ＯＦＤＭＡネットワークは、ロングタームエボリューション（ＬＴＥ：Long Term Evolution）、ＬＴＥアドバンストなどを実装し得る。ＬＴＥ、ＬＴＥアドバンスト、ＧＳＭ、およびＷ−ＣＤＭＡは、「第３世代パートナーシッププロジェクト」（３ＧＰＰ：3rd Generation Partnership Project）と
称する団体からの文書に記載されている。ｃｄｍａ２０００は、「第３世代パートナーシッププロジェクト２」（「３ＧＰＰ２」：3rd Generation Partnership Project 2）と称する団体からの文書に記載されている。３ＧＰＰおよび３ＧＰＰ２の文書は公開されている。ＷＬＡＮはまた、ＩＥＥＥ８０２．１１ｘネットワークであり得、ＷＰＡＮは、Ｂｌｕｅｔｏｏｔｈ（Ｂｌｕｅｔｏｏｔｈ ＳＩＧ， Ｉｎｃ．の登録商標）ネットワーク、ＩＥＥＥ８０２．１５ｘネットワーク、または何らかの他のタイプのネットワークであり得る。また、本明細書で説明する技法は、ＷＷＡＮ、ＷＬＡＮ、および／またはＷＰＡＮの任意の組合せのために使用され得る。ワイヤレス通信インターフェース３６３０は、データが他のセンサー、システム、および／または本明細書で説明する任意の他の電子デバイスと直接交換されることを可能にし得る。通信は、ワイヤレス信号３６３４を送るおよび／または受信する１つまたは複数のワイヤレス通信アンテナ３６３２を介して行われ得る。

[00361]ワイヤレス通信インターフェース３６３０は、モバイルデバイス３６００のロケーションを決定するために利用されることもある。たとえば、（ワイヤレス音声および／またはデータ通信に使用される基地局および／または他のシステムを含む）アクセスポイントは、たとえば、たとえば往復時間（ＲＴＴ）および／または受信信号強度インジケーション（ＲＳＳＩ）測定に基づく三辺測量ベースの手順の実施を通して、位置データの独立ソースの働きをすることができる。アクセスポイントは、ＷＷＡＮよりも小さい地理的領域にわたる通信を実行するために建築物中で動作するＷＬＡＮの一部であり得る。その上、アクセスポイントは、ＷｉＦｉネットワーク（８０２．１ｘ）、セルラーピコネットおよび／またはフェムトセル、Ｂｌｕｅｔｏｏｔｈ（Ｂｌｕｅｔｏｏｔｈ ＳＩＧ， Ｉｎｃ．の登録商標）ネットワークなどの一部であり得る。アクセスポイントはまた、Ｑｕａｌｃｏｍｍ屋内測位システム（ＱＵＩＰＳＴＭ：Qualcomm indoor positioning system）の一部を形成することができる。

[00362]モバイルデバイス３６００はセンサー３６４０をさらに含むことができる。本明細書に示すように、図２に説明するセンサーに対応し得るセンサー３６４０は、１つまたは複数の加速度計３６４１、ジャイロスコープ３６４２、磁力計３６４４など、モバイルデバイス３６００の方位および／または動きの決定の源となり得るセンサーを含むことができる。モバイルデバイス３６００は、図１３を参照しながら説明したように、マイクロフォン１６６５、光センサー１６４６、近接センサー、および他のセンサーなどの他のセンサー１６４０を含むことができる。カメラ３６４３は、異なる特徴（ＲＧＢ、赤外線、広角、魚眼、高解像度など）を有する任意の数の異なるカメラを含むことができ、これらのいずれかまたはすべては、本明細書で説明する常時接続カメラとして利用され得る。

[00363]モバイルデバイス３６００の実施形態はまた、衛星測位システム（ＳＰＳ）アンテナ３６８２を使用して１つまたは複数のＳＰＳから信号３６８４を受信することが可能なＳＰＳ受信機３６８０を含み得る。ＳＰＳ受信機３６８０は、モバイルデバイス３６００に関するロケーション情報（たとえば、座標）ならびにロケーション情報から導出される情報（速度、加速度など）を提供することができる図１３の衛星測位受信機１３５０に対応し得る。送信される衛星信号３６８４は、たとえば、設定された数のチップの反復擬似ランダム雑音（ＰＮ）コードでマークされた信号を含み得、地上ベースの制御局、ユーザ機器および／または宇宙ビークル上に位置し得る。衛星測位システムは、全地球測位システム（ＧＰＳ）、Ｇａｌｉｌｅｏ、Ｇｌｏｎａｓｓ、Ｃｏｍｐａｓｓ、日本の準天頂衛星システム（ＱＺＳＳ）、インドのＩｎｄｉａｎ Ｒｅｇｉｏｎａｌ Ｎａｖｉｇａｔｉｏｎａｌ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ（ＩＲＮＳＳ）、中国の北斗などのようなシステム、および／または１つもしくは複数の全地球および／もしくは地域航法衛星システムに関連付けられ、または場合によってはそれらのシステムとともに使用することが可能であり得る、様々な補強システム（たとえば、静止衛星型衛星航法補強システム（ＳＢＡＳ））を含み得る。限定ではなく例として、ＳＢＡＳは、たとえば、広域補強システム（ＷＡＡＳ：Wide Area Augmentation System）、欧州静止衛星航法オーバレイサービス（ＥＧＮＯＳ：European Geostationary Navigation Overlay Service）、多機能衛星補強システム（ＭＳＡＳ：Multifunctional Satellite Augmentation System）、ＧＰＳ支援ＧＥＯ補強航法またはＧＰＳおよびＧＥＯ補強航法システム（ＧＡＧＡＮ：GPS Aided Geo Augmented Navigation or GPS and Geo Augmented Navigation system）などの、完全性情報、差分補正などを提供する補強システムを含み得る。

[00364]モバイルデバイス３６００はさらに、メモリ３６６０を含むこと（および／または、メモリ３６６０と通信していること）がある。メモリ３６６０は、限定はしないが、ローカルストレージおよび／またはネットワークアクセス可能ストレージと、ディスクドライブと、ドライブアレイと、光ストレージデバイスと、ランダムアクセスメモリ（「ＲＡＭ」）および／またはプログラム可能、フラッシュアップデート可能などであり得る読取り専用メモリ（「ＲＯＭ」）などのソリッドステートストレージデバイスとを含むことができる。そのようなストレージデバイスは、限定はしないが、様々なファイルシステム、データベース構造などを含む、任意の適切なデータストアを実装するように構成され得る。

[00365]モバイルデバイス３６００のメモリ３６６０はまた、様々な実施形態によって提供されるコンピュータプログラムを備え得、ならびに／または本明細書で説明するように、他の実施形態によって提供される、方法を実装するように、および／もしくはシステムを構成するように設計され得る、オペレーティングシステム、デバイスドライバ、実行可能ライブラリ、および／または１つまたは複数のアプリケーションプログラムなどの他のコードを含む、ソフトウェア要素（図示せず）を含むことができる。単に例として、図３０〜図３５の方法に関して説明した１つまたは複数の手順は、モバイルデバイス３６００（および／またはモバイルデバイス３６００内の処理ユニット）（および／または測位システムの別のデバイス）によって実行可能なコードおよび／または命令として実装され得る。一態様では、そのようなコードおよび／または命令は、説明した方法に従って１つまたは複数の動作を実行するように汎用コンピュータ（または他のデバイス）を構成するためおよび／または適応させるために使用され得る。

[00366]図３７を参照すると、コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能な構成要素を含むワイヤレスデバイス３７００のブロック図が示されている。デバイス３７００は、コンピュータビジョンアプリケーションに関連する電力使用量を低減するように動作可能なプロセッサ３７１０（たとえば、変化検出回路４１４およびアプリケーションプロセッサ４１８）を含む。プロセッサ３７１０はメモリ３７３２に結合されている。特定の実施形態では、プロセッサ３７１０は、図３の処理システム３００、図４の処理システム４００、図５の処理システム５００、図６の処理システム６００、図８の処理システム８００、またはそれらの組合せを含むことができる。

[00367]図３７はまた、プロセッサ３７１０とディスプレイ３７２８とに結合されたディスプレイコントローラ３７２６を示す。カメラコントローラ３７９０がプロセッサ３７１０とセンサー４０２とに結合され得る。センサー４０２は、画像フレーム（たとえば、図１の画像１０２〜１０６）を含むビデオストリームをキャプチャするように構成され得る。コーダ／デコーダ（コーデック）３７３４もプロセッサ３７１０に結合され得る。スピーカー３７３６およびマイクロフォン３７３８がコーデック３７３４に結合され得る。図３７はまた、ワイヤレスコントローラ３７４０が、プロセッサ３７１０に結合され、無線周波数（ＲＦ）インターフェース３７８０を介してワイヤレスアンテナ３７４２に結合され得ることを示す。

[00368]メモリ３７３２は、実行可能命令３７５６を含む有形の非一時的プロセッサ可読記憶媒体であり得る。命令３７５６は、図３０〜図３５の方法３０００〜３５００のいずれかを実行するためにプロセッサ３７１０などのプロセッサまたはプロセッサ３７１０内のデバイス（たとえば、第１の処理デバイス３０４、統計生成器３０４、および／または第２の処理デバイス３１０）によって実行され得る。

[00369]特定の実施形態において、プロセッサ３７１０、ディスプレイコントローラ３７２６、メモリ３７３２、コーデック３７３４、およびワイヤレスコントローラ３７４０は、システムインパッケージまたはシステムオンチップデバイス３７２２に含まれる。特定の実施形態において、入力デバイス３７３０および電源３７４４がシステムオンチップデバイス３７２２に結合される。その上、特定の実施形態では、図３７に示すように、ディスプレイ３７２８、入力デバイス３７３０、カメラ３０２、スピーカー３７３６、マイクロフォン３７３８、ワイヤレスアンテナ３７４２、および電源３７４４は、システムオンチップデバイス３７２２の外部にある。ただし、ディスプレイ３７２８、入力デバイス３７３０、カメラ３０２、スピーカー３７３６、マイクロフォン３７３８、ワイヤレスアンテナ３７４２、および電源３７４４の各々は、インターフェースまたはコントローラなどのシステムオンチップデバイス３７２２の構成要素に結合され得る。

[00370]説明する実施形態に関連して、画像データの第１のフレームについての第１の画像統計と画像データの第２のフレームについての第２の画像統計とを生成するための手段を含む装置が開示される。たとえば、画像統計を生成するための手段は、図３の第１の処理デバイス３０４、図３７の命令３７５６を実行するようにプログラムされたプロセッサ３７１０、画像統計を生成するための１つもしくは複数の他のデバイス、回路、モジュール、もしくは命令、またはそれらの任意の組合せを含むことができる。

[00371]装置はまた、第２の画像統計と第１の画像統計との間の変化量がしきい値を満たすかどうかを決定するための手段を含むことができる。たとえば、決定するための手段は、図３の統計処理デバイス１０８、図３７の命令３７５６を実行するようにプログラムされたプロセッサ３７１０、第２の画像統計と第１の画像統計との間の第１の変化量がしきい値を満たすかどうかを決定するための１つもしくは複数の他のデバイス、回路、モジュール、もしくは命令、またはそれらの任意の組合せを含むことができる。

[00372]装置はまた、変化量がしきい値を満たすとの決定に応答して、第２のフレームに対するアプリケーション特有処理を実行するための手段を含むことができる。たとえば、アプリケーション特有処理を実行するための手段は、図３の第２の処理デバイス３１０、図３７の命令３７５６を実行するようにプログラムされたプロセッサ３７１０、アプリケーション特有処理を実行するための１つもしくは複数の他のデバイス、回路、モジュール、もしくは命令、またはそれらの任意の組合せを含むことができる。

[00373]説明する実施形態に関連して、センサーによってキャプチャされた第１のセンサーデータとセンサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成するための手段を含む装置が開示される。制御信号を生成するための手段は、図１〜図３の統計処理デバイス１０８、図４の変化検出回路４１４、図５〜図６の変化検出回路５１４、図８のアクティブ化分析器８１４、図８のアクティブ化分析器８１６、制御信号を生成するための１つもしくは複数の他のデバイス、回路、モジュール、もしくは命令、またはそれらの任意の組合せを含むことができる。

[00374]装置はまた、制御信号に基づいて第２のセンサーデータに対するコンピュータビジョンアプリケーション特有処理を実行するための手段を含むことができる。コンピュータビジョンアプリケーション特有処理を実行するための手段は、図３の第２の処理デバイス３１０、図４の第２の処理経路４１０における構成要素、図５の第２の処理経路５１０における構成要素、図６の第２の処理経路６１０における構成要素、図８の第２の処理経路８１０における構成要素、第２のセンサーデータに対するコンピュータビジョンアプリケーション特有処理を実行するための１つもしくは複数の他のデバイス、回路、モジュール、もしくは命令、またはそれらの任意の組合せを含むことができる。

[00375]図３８を参照すると、モバイルデバイスの特定の例示的な実施形態のブロック図が示され、全体的に３８００と称される。様々な実施形態では、デバイス３８００は、図３８に示すものよりも多くの、または少ない構成要素を有し得る。デバイス３８００は、図３のデバイス３０２を含むこと、デバイス３０２に含まれること、またはデバイス３０２に対応することがある。例示的な実施形態では、デバイス３８００は、図３０〜図３４の方法またはそれらの任意の組合せに従って動作することができる。

[00376]特定の実施形態では、デバイス３８００は、図１４のメモリ１４０８に結合され、コーダ／デコーダ（コーデック）３８３４に結合され、ワイヤレスコントローラ３８４０を介してワイヤレスアンテナ３８４２に結合されたプロセッサ３８１０（たとえば、中央処理装置（ＣＰＵ）またはデジタル信号プロセッサ（ＤＳＰ））を含む。プロセッサ３８１０はまた、ディスプレイコントローラ３８２６を介して図１４のディスプレイ１４０６に結合され得る。スピーカー３８３６およびマイクロフォン３８３８がコーデック３８３４に結合され得る。デバイス３８００は、図１４のデバイス１４０２の１つまたは複数の画像センサーに結合され得る。たとえば、デバイス３８００は、図１４の第１の画像センサー１４０４、第Ｎの画像センサー１４４０、または両方に結合され得る。デバイス３８００は、１つまたは複数の他のセンサー３８４６に結合され得る。たとえば、１つまたは複数の他のセンサー３８４６は、微小電気機械システム（ＭＥＭＳ）センサー、光学センサー、磁気センサー、またはそれらの任意の組合せを含むことができる。デバイス３８００は、図１４のマルチメディアコンテンツ分類器１４１２を含むことができる。特定の実施形態では、プロセッサ３８１０は、図１４のプロセッサ１４１０に対応し得る。特定の実施形態では、プロセッサ３８１０は、図１４のマルチメディアコンテンツ分類器１４１２を含むことができる。

[00377]マルチメディアコンテンツ分類器１４１２は、本明細書で説明する画像コンテキスト識別技法のハードウェア実施形態を実施するために使用され得る。代替または追加として、ソフトウェア実施形態（または合成ソフトウェア／ハードウェア実施形態）が実施され得る。たとえば、メモリ１４０８は命令３８５６を含むことができる。命令３８５６はマルチメディアコンテンツ分類器１４１２に対応し得る。命令３８５６は、プロセッサ３８１０またはデバイス３８００の別の処理ユニットによって実行可能であり得る。たとえば、メモリ１４０８は、知覚データを受信することによって画像のコンテキストを識別し、特徴の第１のサブセットを抽出し、特徴の第１のサブセットに関連する信頼性レベルがしきい値信頼性レベルを満たさないと決定し、決定に応答して特徴の第２のサブセットを抽出し、特徴の第２のサブセットに少なくとも部分的に基づいて画像のコンテキストを示すコンテキストデータを生成するようにプロセッサ３８１０によって実行可能である命令３８５６を記憶する非一時的コンピュータ可読媒体またはデバイスであり得る。

[00378]特定の実施形態では、プロセッサ３８１０、ディスプレイコントローラ３８２６、メモリ１４０８、コーデック３８３４、およびワイヤレスコントローラ３８４０は、システムインパッケージまたはシステムオンチップデバイス３８２２に含まれる。特定の実施形態では、入力デバイス３８３０および電源３８４４がシステムオンチップデバイス３８２２に結合される。その上、特定の実施形態では、図３８に示すように、ディスプレイ１４０６、入力デバイス３８３０、スピーカー３８３６、マイクロフォン３８３８、第１の画像センサー１４０４、第Ｎの画像センサー３４０、ワイヤレスアンテナ３８４２、および電源３８４４は、システムオンチップデバイス３８２２の外部にある。ただし、ディスプレイ１４０６、入力デバイス３８３０、スピーカー３８３６、マイクロフォン３８３８、第１の画像センサー１４０４、第Ｎの画像センサー１４４０、ワイヤレスアンテナ３８４２、および電源３８４４の各々は、インターフェースまたはコントローラなど、システムオンチップデバイス３８２２の構成要素に結合され得る。

[00379]説明する実施形態に関連して、ワイヤレスアンテナ３８４２、図１４のマルチメディアコンテンツ分類器１４１２、図３の第１の処理デバイス３０４、知覚データを受信するように構成された１つもしくは複数の他のデバイスもしくは回路、またはそれらの任意の組合せなど、画像センサーから知覚データを受信するための手段を含むことができるシステムが開示される。知覚データは画像に関係し得る。システムはまた、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図１４の特徴セット抽出器１４１４、マルチメディアコンテンツ分類器１４１２、プロセッサ１４１０、図３８のプロセッサ３８１０、特徴の第１のサブセットを抽出するように構成された１つもしくは複数の他のデバイスもしくは回路、またはそれらの任意の組合せなど、知覚データから特徴の第１のサブセットを抽出するための手段を含むことができる。特徴の第１のサブセットは、選択基準に基づいて選択され得る。システムは、図３の第２の処理デバイス３１０、図１４のマルチメディアメディアコンテンツ分類器１４１２、プロセッサ１４１０、図３８のプロセッサ３８１０、コンテキストデータを生成するように構成された１つもしくは複数の他のデバイスもしくは回路、またはそれらの任意の組合せなど、特徴の第１のサブセットに少なくとも部分的に基づいて画像のコンテキストを示すコンテキストデータを生成するための手段をさらに含むことができる。

[00380]システムはまた、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図１４のマルチメディアメディアコンテンツ分類器１４１２、抽出器１４１４、図３８のプロセッサ３８１０、知覚データに基づいて抽出基準が満たされるかどうかを決定するように構成された１つもしくは複数の他のデバイスもしくは回路、またはそれらの任意の組合せなど、知覚データに基づいて抽出基準が満たされるかどうかを決定するための手段を含むことができる。特徴の第１のサブセットは、抽出基準が満たされることに基づいて抽出され得る。

[00381]システムはまた、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図１４のマルチメディアメディアコンテンツ分類器１４１２、抽出器１４１４、図３８のプロセッサ３８１０、第１の電力ドメインをアクティブ化するように構成された１つもしくは複数の他のデバイスもしくは回路、またはそれらの任意の組合せなど、知覚データがシーン変化を示すと決定したことに応答して第１の電力ドメインをアクティブ化するための手段を含むことができる。

[00382]システムは、図１の統計処理デバイス１０８、図３の第１の処理デバイス３０４、第２の処理デバイス３１０、図１４のマルチメディアメディアコンテンツ分類器１４１２、抽出器１４１４、図３８のプロセッサ３８１０、第２の電力ドメインをアクティブ化するように構成された１つもしくは複数の他のデバイスもしくは回路、またはそれらの任意の組合せなど、画像の鮮明度がしきい値鮮明度レベルを満たすことを知覚データが示すと決定したことに応答して第２の電力ドメインをアクティブ化するための手段をさらに含むことができる。

[00383]本明細書で開示する実施形態に関して説明する様々な例示的な論理ブロック、構成、モジュール、回路、およびアルゴリズムステップが、電子ハードウェア、プロセッサによって実行されるコンピュータソフトウェア、または両方の組合せとして実装され得ることを、当業者はさらに諒解されよう。様々な例示的な構成要素、ブロック、構成、モジュール、回路、およびステップが、概してそれらの機能に関して上述された。そのような機能がハードウェアとして実装されるか、またはプロセッサ実行可能命令として実装されるかは、特定の適用例および全体的なシステムに課された設計制約に依存する。当業者は、説明されている機能を特定の適用例ごとに様々な方法で実装することができるが、そのような実装の決定は、本開示の範囲からの逸脱を引き起こすと解釈されるべきではない。

[00384]本明細書で開示する実施形態に関して説明する方法またはアルゴリズムのステップは、直接ハードウェアで、プロセッサによって実行されるソフトウェアモジュールで、またはそれら２つの組合せで具体化され得る。ソフトウェアモジュールは、ランダムアクセスメモリ（ＲＡＭ）、フラッシュメモリ、読取り専用メモリ（ＲＯＭ）、プログラマブル読取り専用メモリ（ＰＲＯＭ）、消去可能プログラマブル読取り専用メモリ（ＥＰＲＯＭ）、電気消去可能プログラマブル読取り専用メモリ（ＥＥＰＲＯＭ（登録商標））、レジスタ、ハードディスク、リムーバブルディスク、コンパクトディスク読取り専用メモリ（ＣＤ−ＲＯＭ）、または当技術分野で知られている任意の他の形態の非一時的記憶媒体に存在し得る。例示的な記憶媒体は、プロセッサが記憶媒体から情報を読み取り、記憶媒体に情報を書き込むことができるようにプロセッサに結合される。代替として、記憶媒体は、プロセッサと一体化され得る。プロセッサおよび記憶媒体は、特定用途向け集積回路（ＡＳＩＣ）に存在し得る。ＡＳＩＣは、コンピューティングデバイスまたはユーザ端末に存在し得る。代替として、プロセッサおよび記憶媒体は、コンピューティングデバイスまたはユーザ端末に個別の構成要素として存在し得る。

[00385]開示されている実施形態の上記の説明は、当業者が開示されている実施形態を製作または使用することを可能にするために提供されている。これらの実施形態に対する様々な修正は、当業者には容易に明らかであり、本明細書で定義されている原理は、本開示の範囲から逸脱することなく、他の実施形態に適用され得る。したがって、本開示は、本明細書に示されている実施形態に限定されることを意図されておらず、以下の特許請求の範囲によって定義される原理および新規な特徴と一致する可能な最も広い範囲を与えられるべきである。
以下に、本願出願の当初の特許請求の範囲に記載された発明を付記する。
［Ｃ１］
変化検出回路において、センサーによってキャプチャされた第１のセンサーデータと、前記センサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成すること、ここにおいて、前記変化検出回路は、第１の処理経路中に含まれる、と、
前記制御信号に基づいてコンピュータビジョンアプリケーション特有処理のために第２の処理経路に前記第２のセンサーデータを提供することと
を備える方法。
［Ｃ２］
前記第１のセンサーデータは、周辺光センサーからの第１の電圧に対応し、前記第２のセンサーデータは、前記周辺光センサーからの第２の電圧に対応する、
Ｃ１に記載の方法。
［Ｃ３］
前記第１のセンサーデータは、カメラによってキャプチャされた第１の画像に関連するピクセル値の第１のセットに対応し、前記第２のセンサーデータは、前記カメラによってキャプチャされた第２の画像に関連するピクセル値の第２のセットに対応する、
Ｃ１に記載の方法。
［Ｃ４］
前記変化量は、前記変化検出回路において前記第１のセンサーデータから抽出された第１の特徴と、前記変化検出回路において前記第２のセンサーデータから抽出された第２の特徴とに基づく、
Ｃ１に記載の方法。
［Ｃ５］
前記変化量は、前記第１のセンサーデータの第１の画像統計と、前記第２のセンサーデータの第２の画像統計との間の差に基づく、
Ｃ１に記載の方法。
［Ｃ６］
前記第２の処理経路中のアプリケーションプロセッサにおいて、特定のコンピュータビジョンアプリケーションに基づいて、画像統計の特定のタイプを決定することをさらに備える、
Ｃ５に記載の方法。
［Ｃ７］
前記アプリケーションプロセッサにおいて、前記第１の処理経路中の信号分析器に、前記画像統計の特定のタイプのインジケーションを提供することと、
前記信号分析器において、前記画像統計の特定のタイプに基づいて前記第１の画像統計および前記第２の画像統計を生成することと
をさらに備える、Ｃ６に記載の方法。
［Ｃ８］
前記第２のセンサーデータは、前記制御信号に応答する選択回路を介して前記第２の処理経路に提供される、
Ｃ１に記載の方法。
［Ｃ９］
前記選択回路は、マルチプレクサを含む、
Ｃ８に記載の方法。
［Ｃ１０］
前記制御信号は、フィードバック信号である、
Ｃ８に記載の方法。
［Ｃ１１］
前記コンピュータビジョンアプリケーション特有処理は、
前記第２のセンサーデータに対応する第２のフレームの特徴の第１のサブセットを抽出することと、
分析基準を満たす前記特徴の第１のサブセットに基づいて前記第２のフレームの特徴の第２のサブセットを抽出することと、
前記特徴の第２のサブセットに少なくとも部分的に基づいて、前記第２のフレームのコンテキストを示すコンテキストデータを生成することと
を備える、Ｃ１に記載の方法。
［Ｃ１２］
前記第２の処理経路中の第１のアプリケーションプロセッサにおいて、前記第２のセンサーデータに対応する第２のフレームに対する第１のコンピュータビジョンアプリケーション特有処理を実行することをさらに備え、前記第１のアプリケーションプロセッサは、第１の電力量を消費する、
Ｃ１に記載の方法。
［Ｃ１３］
特定の事象に基づく前記第１のアプリケーションプロセッサおいて、前記第２のフレームに対する第２のコンピュータビジョンアプリケーション特有処理を実行するために、前記第２の処理経路中の第２のアプリケーションプロセッサを使用するように要求すること、ここにおいて、前記第２のアプリケーションプロセッサは、前記第１の電力量より多い第２の電力量を消費する、と、
前記第２のアプリケーションプロセッサにおいて、前記第２のフレームに対して前記第２のコンピュータビジョンアプリケーション特有処理を実行するかどうかを決定することと
をさらに備える、Ｃ１２に記載の方法。
［Ｃ１４］
前記第１のコンピュータビジョンアプリケーション特有処理は、特定の色のための前記第２のフレームのピクセルをスキャンすることを含み、前記特定の事象は、前記第２のフレームの特定のピクセルが前記特定の色を有すると決定することを含み、前記第２のコンピュータビジョンアプリケーション特有処理は、オブジェクト検出、オブジェクト認識、またはそれらの組み合わせを実行することを含む、
Ｃ１３に記載の方法。
［Ｃ１５］
前記第２のアプリケーションプロセッサにおいて、前記第２のフレームに対する前記第２のコンピュータビジョンアプリケーション特有処理を実行することをさらに備える、
Ｃ１３に記載の方法。
［Ｃ１６］
前記第２のアプリケーションプロセッサにおいて、前記第１の処理リソースにおける前記第２のフレームに対して前記第１のコンピュータビジョンアプリケーション特有処理を中断するかどうか決定することと、
前記第２のアプリケーションプロセッサでの前記決定に基づいて前記第１のアプリケーションプロセッサにおいて前記第２のフレームに対する前記第１のコンピュータビジョンアプリケーション特有処理を中断することと
をさらに備える、Ｃ１５に記載の方法。
［Ｃ１７］
前記第１のアプリケーションプロセッサは、前記第２のフレームに対する前記第１のコンピュータビジョンアプリケーション特有処理を中断した後、電力ダウンに入る、
Ｃ１６に記載の方法。
［Ｃ１８］
前記第２のアプリケーションプロセッサにおいて、前記第２のフレームに対する前記第１のコンピュータビジョンアプリケーション特有処理を実行することをさらに備える、
Ｃ１６に記載の方法。
［Ｃ１９］
前記第２のアプリケーションプロセッサから前記第１のアプリケーションプロセッサへ、前記第２のフレームに対する前記第２のコンピュータビジョンアプリケーション特有処理を実行するために、拒否のインジケーションを送ることをさらに備える、
Ｃ１３に記載の方法。
［Ｃ２０］
前記第２のアプリケーションプロセッサから前記第１のアプリケーションプロセッサへ、前記第１のアプリケーションプロセッサに、前記特定の事象に基づいて前記第２のコンピュータビジョンアプリケーション特有処理を実行するように前記第２のアプリケーションプロセッサに要求することを控えさせる命令を送ることをさらに備える、
Ｃ１９に記載の方法。
［Ｃ２１］
センサーによってキャプチャされた第１のセンサーデータと、前記センサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成することを行うように構成された変化検出回路、ここにおいて、前記変化検出回路は、第１の処理経路中に含まれる、と、
前記制御信号に基づいて前記第２のセンサーデータに対してコンピュータビジョンアプリケーション特有処理を実行することを行うように構成された第２の処理経路と
を備える、装置。
［Ｃ２２］
前記センサーは、
検出された光、検出された動き、またはそれらの両方のインジケーションを提供するように構成される周辺光センサーと、
前記周辺光センサーからの前記インジケーションに基づいて前記第１のセンサーデータと、前記第２のセンサーデータとをキャプチャするように構成されるカメラと
を備える、Ｃ２１に記載の装置。
［Ｃ２３］
前記センサーは、第１のモードおよび第２のモードで動作するように構成されたカメラを備え、前記カメラは、前記第１のモードにおいて、光、動き、またはその両方を検出するように構成され、前記カメラは、前記第２のモードにおいて、前記第１のセンサーデータおよび前記第２のセンサーデータをキャプチャするように構成される、
Ｃ２１に記載の装置。
［Ｃ２４］
前記制御信号に基づいて前記第２の処理経路をアクティブ化するように構成されるシステム制御器をさらに備える、Ｃ２１に記載の装置。
［Ｃ２５］
前記第２のセンサーデータを記憶するために前記第２の処理経路中にメモリをさらに備える、
Ｃ２１に記載の装置。
［Ｃ２６］
センサーによってキャプチャされた第１のセンサーデータと、前記センサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成するための手段、前記制御信号を生成するための前記手段は、第１の処理経路中に含まれる、と、
前記制御信号に基づいて前記第２のセンサーデータに対してコンピュータビジョンアプリケーション特有処理を実行するための手段と
を備え、前記コンピュータビジョンアプリケーション特有処理を実行するための前記手段は、第２の処理経路中に含まれる、
装置。
［Ｃ２７］
前記制御信号を生成するための前記手段は、変化検出回路および信号分析器を含む、
Ｃ２６に記載の装置。
［Ｃ２８］
前記第２のセンサーデータに対して前記コンピュータビジョンアプリケーション特有処理を実行するための前記手段は、アプリケーションプロセッサを含む、
Ｃ２６に記載の装置。
［Ｃ２９］
コンピュータによって実行されると、前記コンピュータに、
変化検出回路において、センサーによってキャプチャされた第１のセンサーデータと、前記センサーによってキャプチャされた第２のセンサーデータとの間の変化量に基づいて制御信号を生成すること、ここにおいて、前記変化検出回路は、第１の処理経路中に含まれる、と、
前記制御信号に基づいてコンピュータビジョンアプリケーション特有処理のために第２の処理経路に対する前記第２のセンサーデータを提供することと
を行わせる命令を備える、非一時的コンピュータ可読媒体。
［Ｃ３０］
前記制御信号は、マルチプレクサに提供されるフィードバック信号である、
Ｃ２９に記載の非一時的コンピュータ可読媒体。

Claims (15)

1. 第１の処理経路中に含まれる変化検出回路において、しきい値を満たす、第１のセンサーデータと第２のセンサーデータとの間の変化量に基づいて制御信号を生成すること、前記第１のセンサーデータは、第１のセンサーによってキャプチャされた第１の画像に関連するピクセル値の第１のセットに対応し、前記第２のセンサーデータは、前記第１のセンサーによってキャプチャされた第２の画像に関連するピクセル値の第２のセットに対応する、と、
   前記制御信号に基づいてコンピュータビジョンアプリケーション特有処理のために第２の処理経路に前記第２のセンサーデータを提供すること、前記第２の処理経路は、前記第１の処理経路とは異なる、と
   を備え、前記第１の処理経路のための前記計算電力は、前記第２の処理経路のための前記計算電力より小さく、前記しきい値を満たすことは、前記ピクセル値の第１のセットの特定の色値の第１のカウントと前記ピクセル値の第２のセットの特定の色値の第２のカウントとの間の差が前記しきい値より大きい場合であり、前記コンピュータビジョンアプリケーション特有処理は、オブジェクト検出、オブジェクト認識、またはそれらの組み合わせを実行することを含む、方法。
2. 前記第１の処理経路に低レートセンサーデータを入力することをさらに備え、前記低レートセンサーデータは、前記第２の処理経路に入力された高レートセンサーデータの第２のデータレートよりも少ない第１のデータレートで入力され、
   前記第１のセンサーは、画像センサーを備える、
   請求項１に記載の方法。
3. 前記変化検出回路において前記第１のセンサーデータから第１の特徴を抽出し、前記変化検出回路において前記第２のセンサーデータから第２の特徴を抽出することと
   をさらに備え、
   前記変化量は、前記第１の特徴に基づき、前記第２の特徴に基づく、
   請求項１に記載の方法。
4. 前記第１のセンサーデータの第１の画像統計と、前記第２のセンサーデータの第２の画像統計との間の差を決定することと
   をさらに備え、
   前記変化量は、前記差に基づく、
   請求項１に記載の方法。
5. 前記第２の処理経路中のアプリケーションプロセッサにおいて、特定のコンピュータビジョンアプリケーションに基づいて、画像統計の特定のタイプを決定することをさらに備える、
   請求項４に記載の方法。
6. 前記アプリケーションプロセッサにおいて、前記第１の処理経路中の信号分析器に、前記画像統計の特定のタイプのインジケーションを提供することと、
   前記信号分析器において、前記画像統計の特定のタイプに基づいて前記第１の画像統計および前記第２の画像統計を生成することと
   をさらに備える、請求項５に記載の方法。
7. 前記コンピュータビジョンアプリケーション特有処理は、
   前記第２のセンサーデータに対応する第２のフレームの特徴の第１のサブセットを抽出することと、
   分析基準を満たす前記特徴の第１のサブセットに基づいて前記第２のフレームの特徴の第２のサブセットを抽出することと、
   前記特徴の第２のサブセットに少なくとも部分的に基づいて、前記第２のフレームのコンテキストを示すコンテキストデータを生成することと
   を備える、請求項１に記載の方法。
8. 前記第２の処理経路中の第１のアプリケーションプロセッサにおいて、前記第２のセンサーデータに対応する第２のフレームに対する第１のコンピュータビジョンアプリケーション特有処理を実行することをさらに備え、前記第１のアプリケーションプロセッサは、第１の電力量を消費する、
   請求項１に記載の方法。
9. 特定の事象に基づく前記第１のアプリケーションプロセッサおいて、前記第２のフレームに対する第２のコンピュータビジョンアプリケーション特有処理を実行するために、前記第２の処理経路中の第２のアプリケーションプロセッサを使用するように要求すること、ここにおいて、前記第２のアプリケーションプロセッサは、前記第１の電力量より多い第２の電力量を消費する、と、
   前記第２のアプリケーションプロセッサにおいて、前記第２のフレームに対して前記第２のコンピュータビジョンアプリケーション特有処理を実行するかどうかを決定することと
   をさらに備える、請求項８に記載の方法。
10. 前記第１のコンピュータビジョンアプリケーション特有処理は、特定の色のための前記第２のフレームのピクセルをスキャンすることを含み、
    前記特定の事象は、前記第２のフレームの特定のピクセルが前記特定の色を有すると決定することを含み、
    前記第２のコンピュータビジョンアプリケーション特有処理は、オブジェクト検出、オブジェクト認識、またはそれらの組み合わせを実行することを含む、
    請求項９に記載の方法。
11. 前記第２のアプリケーションプロセッサにおいて、前記第２のフレームに対する前記第２のコンピュータビジョンアプリケーション特有処理を実行することをさらに備える、
    請求項９に記載の方法。
12. 前記第２のアプリケーションプロセッサにおいて、前記第１のアプリケーションプロセッサにおける前記第２のフレームに対して前記第１のコンピュータビジョンアプリケーション特有処理を中断するかどうか決定することと、
    前記第２のアプリケーションプロセッサでの前記決定に基づいて前記第１のアプリケーションプロセッサにおいて前記第２のフレームに対する前記第１のコンピュータビジョンアプリケーション特有処理を中断することと
    をさらに備える、請求項１１に記載の方法。
13. 前記第２のフレームに対する前記第１のコンピュータビジョンアプリケーション特有処理を中断した後に、前記第１のアプリケーションプロセッサを電力ダウンさせること
    をさらに備える、請求項１２に記載の方法。
14. しきい値を満たす、第１のセンサーデータと第２のセンサーデータとの間の変化量に基づいて制御信号を生成するように構成される手段、ここにおいて、前記第１のセンサーデータは、第１のセンサーによってキャプチャされた第１の画像に関連するピクセル値の第１のセットに対応し、前記第２のセンサーデータは、前記第１のセンサーによってキャプチャされた第２の画像に関連するピクセル値の第２のセットに対応し、前記制御信号を生成するための前記手段は、第１の処理経路中に含まれる、と、
    前記制御信号に基づいて前記第２のセンサーデータに対してコンピュータビジョンアプリケーション特有処理を実行するように構成される手段と
    を備え、前記コンピュータビジョンアプリケーション特有処理を実行するための前記手段は、前記第１の処理経路とは異なる第２の処理経路中に含まれ、前記第１の処理経路のための前記計算電力は、前記第２の処理経路のための前記計算電力より小さく、前記しきい値を満たすことは、前記ピクセル値の第１のセットの特定の色値の第１のカウントと前記ピクセル値の第２のセットの特定の色値の第２のカウントとの間の差が前記しきい値より大きい場合であり、前記コンピュータビジョンアプリケーション特有処理は、オブジェクト検出、オブジェクト認識、またはそれらの組み合わせを実行することを含む、
    装置。
15. コンピュータによって実行されると、前記コンピュータに、
    請求項１乃至１３のいずれか１項に従う方法を実行することを行わせる命令を備える、
    コンピュータ可読媒体。