JP6911995B2 - 特徴抽出方法、照合システム、およびプログラム - Google Patents
特徴抽出方法、照合システム、およびプログラム Download PDFInfo
- Publication number
- JP6911995B2 JP6911995B2 JP2020501744A JP2020501744A JP6911995B2 JP 6911995 B2 JP6911995 B2 JP 6911995B2 JP 2020501744 A JP2020501744 A JP 2020501744A JP 2020501744 A JP2020501744 A JP 2020501744A JP 6911995 B2 JP6911995 B2 JP 6911995B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- region
- reliability
- extracted
- recognition target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/24765—Rule-based classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/759—Region-based matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Description
まず、本発明の第1の実施形態について説明する。
図1は、第1の実施形態に係る特徴抽出装置11の構成を示すブロック図である。
画像取得部110は、特徴抽出装置11による処理に用いられる画像を取得する。画像取得部110は、例えば、カメラ等の撮影装置により撮影された画像を、その撮影装置またはその画像を記憶する記憶媒体等から取得する。画像取得部110が取得する画像は、典型的には、同じ場所を、ある間隔をおいて撮影することで得られる複数の画像である。画像取得部110は、動画データを取得してもよい。そして、画像取得部110は、動画データを構成する複数のフレームを、特徴抽出装置11による処理に用いられる画像として取得してもよい。
第1領域設定部111は、画像取得部110が取得した画像の少なくとも1つ(以下、「対象画像」とも称す)から、「第1領域」を設定する。本開示において画像の「第1領域」とは、その画像における、その画像に写る認識対象を含むように設定される領域である。
前景領域抽出部112は、第1領域設定部111が第1領域を設定した(または設定する)対象画像から、前景領域を抽出する。前景領域は、前景であると推定される領域である。別の表現では、前景領域は、背景画像には存在しない認識対象の領域と想定される領域である。
信頼度決定部113は、第1領域設定部111によって抽出された第1領域と、前景領域抽出部112により抽出された前景領域とに基づき、前景領域の信頼度を決定する。
第1抽出部114は、対象画像の第1領域から、特徴を抽出する。特徴を抽出する方法は周知の方法でよい。抽出される特徴の例としては、色特徴、周波数特徴等が挙げられる。特徴は、例えば、ベクトルの形式で表現される。特徴を表すデータの形式は、識別のために使用可能な形式であればよい。以下、第1抽出部114により抽出される特徴を、「第1領域特徴」と表記する。第1抽出部114は、第1領域特徴を、第1領域の全ての画素の情報を用いて抽出する。
第2抽出部115は、対象画像の前景領域から、特徴を抽出する。抽出される特徴は、第1領域特徴と同じ種類の特徴である。以下、第2抽出部115により抽出される特徴を、「前景領域特徴」と表記する。
特徴決定部116は、信頼度決定部113より決定された信頼度に基づき、第1抽出部114により抽出された第1領域特徴と、第2抽出部115により抽出された前景領域特徴との、少なくとも1つを用いて、認識対象の特徴を決定する。
F=c×f2+(1−c)×f1
ただし、f1は第1領域特徴、f2は前景領域特徴、cは信頼度を示すスカラー値である。
出力部117は、特徴決定部116により決定された、認識対象の特徴(決定特徴)を出力する。出力部117による出力の出力先の例には、表示装置、記憶装置、および通信ネットワークが含まれる。出力部117が情報を表示装置に出力する場合、出力部117は、表示装置が該情報を表示できるよう、情報を変換してもよい。なお、上記した表示装置および記憶装置は、特徴抽出装置11の外部のデバイスであってもよいし、特徴抽出装置11に含まれる構成要素であってもよい。
以下、特徴抽出装置11による処理の流れを、図5のフローチャートを参照しながら説明する。なお、各処理は、各処理がプログラムを実行するデバイスによって実行される場合においては、プログラムの中の命令の順序に従って実行されればよい。各処理が別個のデバイスによって実行される場合においては、処理を完了したデバイスが次の処理を実行するデバイスに通知を行うことで、次の処理が実行されればよい。なお、処理を行う各部は、めいめいの処理に必要なデータを、そのデータを生成した部から受け取るか、特徴抽出装置11の記憶領域から読み出せばよい。
第1の実施形態に係る特徴抽出装置11によれば、前景が正しく抽出されなかった場合でも、認識対象の特徴を安定的に抽出することができる。その理由は、信頼度決定部113が前景領域の信頼度を決定し、特徴決定部116が、信頼度が低いほど前景領域からの特徴よりも第1領域からの特徴に重みをつけて、認識対象の特徴を決定するからである。つまり、信頼度を設定することにより、正しく抽出されなかった前景領域から抽出される特徴が、決定される特徴に大きく反映されることが、抑制される。
(信頼度の決定方法の例)
(1)
信頼度決定部113は、前景領域の形状と基準の形状との比較に基づいて信頼度を決定してもよい。
c=min{1,p×(A1+A2)/S}
ただし、「p」は1以上の係数(設定値)、「S」は第1領域の面積である。例えばp=1.25と設定されている場合は、面積A1とA2との和の、第1領域の面積に対する割合が80%以上であれば、信頼度は「1」となる。
c=min{1,max{0,p×A1/(A1+A3+A4)}}
信頼度決定部113は、前景領域が分離している個数に基づいて信頼度を決定してもよい。認識対象が1つの塊であれば、理想的には、前景領域抽出部112により抽出される前景領域は1つの連続した領域である。したがって、連続していない前景領域の数が多いほど、前景領域が正しく抽出されていない蓋然性が高いといえる。この理論に基づき、信頼度決定部113は、分離している(すなわち、別々のものとして、つながらずに存在している)前景領域の個数が多いほど信頼度を低く決定するよう構成されてもよい。
信頼度は必ずしも数値で表されなくともよい。例えば、信頼度は、「高い」「低い」等のテキストデータの形式で表されてもよい。この場合、信頼度を表すテキストデータと、重みを表す数値とを紐付ける情報を、特徴抽出装置11が記憶しておけばよい。信頼度決定部113は、認識対象の特徴の決定において、信頼度を表すテキストデータに紐付く数値を用いて、前景領域特徴と第1領域特徴とに対して重みづけを伴う加算を行い、認識対象の特徴を導出すればよい。
本発明の第2の実施形態について説明する。図9は、第2の実施形態に係る照合システム2の構成を示すブロック図である。照合システム2は、撮影部20と、特徴抽出部21と、照合部22と、データベース部23と、を含む。
本発明の一実施形態に係る特徴抽出装置10について説明する。図11は、特徴抽出装置10の構成を示すブロック図である。特徴抽出装置10は、信頼度決定部101と、特徴決定部102と、出力部103と、を備える。
以上で説明された本発明の各実施形態において、各装置の各構成要素を示すブロックは、機能単位で示されている。しかし、構成要素を示すブロックは、各構成要素が別個のモジュールにより構成されることを必ずしも意味していない。
・1つまたは複数のCPU(Central Processing Unit)901
・ROM902
・RAM(Random Access Memory)903
・RAM903へロードされるプログラム904Aおよび記憶情報904B
・プログラム904Aおよび記憶情報904Bを格納する記憶装置905
・記憶媒体906の読み書きを行うドライブ装置907
・通信ネットワーク909と接続する通信インタフェース908
・データの入出力を行う入出力インタフェース910
・各構成要素を接続するバス911
[付記1]
画像から認識対象を含む部分領域として抽出された第1の領域内の、前記画像の前景領域として抽出された領域である第2の領域に対し、前記認識対象らしさを示す信頼度を決定する信頼度決定手段と、
前記信頼度に基づき、前記第1の領域から抽出される特徴である第1の特徴と、前記第2の領域から抽出される特徴である第2の特徴とを用いて、前記認識対象の特徴を決定する特徴決定手段と、
決定された前記認識対象の特徴を示す情報を出力する出力手段と、
を備える特徴抽出装置。
[付記2]
前記特徴決定手段は、前記信頼度が高いほど前記第2の特徴が大きく反映され、前記信頼度が低いほど前記第1の特徴が大きく反映されるような特徴決定方法により、前記認識対象の特徴を決定する
付記1に記載の特徴抽出装置。
[付記3]
前記特徴決定手段は、前記第1の特徴および前記第2の特徴に対し前記信頼度に基づく重みづけを伴う加算を行い、前記加算による結果を前記認識対象の特徴として決定する、
付記2に記載の特徴抽出装置。
[付記4]
前記信頼度決定手段は、
前記第1の領域の面積に対する前記第2の領域の面積の割合を算出し、
前記割合が第1の所定値よりも大きいほど前記信頼度が低く決定され、前記割合が第2の所定値よりも小さいほど前記信頼度が低く決定されるような信頼度決定方法に基づき、前記信頼度を決定する、
付記1から3のいずれか1つに記載の特徴抽出装置。
[付記5]
前記信頼度決定手段は、前記第2の領域と前記認識対象の形状のモデルとの比較に基づいて前記信頼度を決定する、
付記1から3のいずれか1つに記載の特徴抽出装置。
[付記6]
前記信頼度決定手段は、前記第1の領域の大きさおよび縦横比の少なくともいずれかに基づいて、複数の前記モデルから、比較に用いられる前記モデルを選択する、
付記5に記載の特徴抽出装置。
[付記7]
前記信頼度決定手段は、分離している前記第2の領域の個数に基づいて前記信頼度を決定する、
付記1から3のいずれか1つに記載の特徴抽出装置。
[付記8]
付記1から7のいずれか1つに記載の特徴抽出装置と、
前記出力手段により出力された前記認識対象の特徴を、データベースに記憶された特徴と比較する照合を行う照合実行手段と、
前記照合の結果を示す情報を出力する第2の出力手段と、
を含む照合システム。
[付記9]
画像から認識対象を含む部分領域として抽出された第1の領域内の、前記画像の前景領域として抽出された領域である第2の領域に対し、前記認識対象らしさを示す信頼度を決定し、
前記信頼度に基づき、前記第1の領域から抽出される特徴である第1の特徴と、前記第2の領域から抽出される特徴である第2の特徴とを用いて、前記認識対象の特徴を決定し、
決定された前記認識対象の特徴を示す情報を出力する、
特徴抽出方法。
[付記10]
前記信頼度が高いほど前記第2の特徴が大きく反映され、前記信頼度が低いほど前記第1の特徴が大きく反映されるような特徴決定方法により、前記認識対象の特徴を決定する
付記9に記載の特徴抽出方法。
[付記11]
前記第1の特徴および前記第2の特徴に対し前記信頼度に基づく重みづけを伴う加算を行い、前記加算による結果を前記認識対象の特徴として決定する、
付記10に記載の特徴抽出方法。
[付記12]
前記第1の領域の面積に対する前記第2の領域の面積の割合を算出し、
前記割合が第1の所定値よりも大きいほど前記信頼度が低く決定され、前記割合が第2の所定値よりも小さいほど前記信頼度が低く決定されるような信頼度決定方法に基づき、前記信頼度を決定する、
付記9から11のいずれか1つに記載の特徴抽出方法。
[付記13]
前記第2の領域と前記認識対象の形状のモデルとの比較に基づいて前記信頼度を決定する、
付記9から11のいずれか1つに記載の特徴抽出方法。
[付記14]
前記第1の領域の大きさおよび縦横比の少なくともいずれかに基づいて、複数の前記モデルから、比較に用いられる前記モデルを選択する、
付記13に記載の特徴抽出方法。
[付記15]
分離している前記第2の領域の個数に基づいて前記信頼度を決定する、
付記9から11のいずれか1つに記載の特徴抽出方法。
[付記16]
出力された前記認識対象の特徴を、データベースに記憶された特徴と比較する照合を行い、
前記照合の結果を示す情報を出力する、
付記9から15のいずれか1つに記載の特徴抽出方法。
[付記17]
画像から認識対象を含む部分領域として抽出された第1の領域内の、前記画像の前景領域として抽出された領域である第2の領域に対し、前記認識対象らしさを示す信頼度を決定する信頼度決定処理と、
前記信頼度に基づき、前記第1の領域から抽出される特徴である第1の特徴と、前記第2の領域から抽出される特徴である第2の特徴とを用いて、前記認識対象の特徴を決定する特徴決定処理と、
決定された前記認識対象の特徴を示す情報を出力する出力処理と、
をコンピュータに実行させるプログラムを記憶した、コンピュータ読み取り可能な記憶媒体。
[付記18]
前記特徴決定処理は、前記信頼度が高いほど前記第2の特徴が大きく反映され、前記信頼度が低いほど前記第1の特徴が大きく反映されるような特徴決定方法により、前記認識対象の特徴を決定する
付記17に記載の記憶媒体。
[付記19]
前記特徴決定処理は、前記第1の特徴および前記第2の特徴に対し前記信頼度に基づく重みづけを伴う加算を行い、前記加算による結果を前記認識対象の特徴として決定する、
付記18に記載の記憶媒体。
[付記20]
前記信頼度決定処理は、
前記第1の領域の面積に対する前記第2の領域の面積の割合を算出し、
前記割合が第1の所定値よりも大きいほど前記信頼度が低く決定され、前記割合が第2の所定値よりも小さいほど前記信頼度が低く決定されるような信頼度決定方法に基づき、前記信頼度を決定する、
付記17から19のいずれか1つに記載の記憶媒体。
[付記21]
前記信頼度決定処理は、前記第2の領域と前記認識対象の形状のモデルとの比較に基づいて前記信頼度を決定する、
付記17から19のいずれか1つに記載の記憶媒体。
[付記22]
前記信頼度決定処理は、前記第1の領域の大きさおよび縦横比の少なくともいずれかに基づいて、複数の前記モデルから、比較に用いられる前記モデルを選択する、
付記21に記載の記憶媒体。
[付記23]
前記信頼度決定処理は、分離している前記第2の領域の個数に基づいて前記信頼度を決定する、
付記17から19のいずれか1つに記載の記憶媒体。
[付記24]
前記プログラムは、
決定された前記認識対象の特徴を、データベースに記憶された特徴と比較する照合を行う照合実行処理と、
前記照合の結果を示す情報を出力する第2の出力処理と、
をさらにコンピュータに実行させる、付記17から23のいずれか1つに記載の記憶媒体。
111 第1領域設定部
112 前景領域抽出部
113、101 信頼度決定部
114 第1抽出部
115 第2抽出部
116、102 特徴決定部
117、103 出力部
2 照合システム
20 撮影部
21 特徴抽出部
22 照合部
221 照合実行部
222 出力部
23 データベース部
5A 第1の人物
5B 第2の人物
900 コンピュータ
901 CPU
902 ROM
903 RAM
904A プログラム
904B 記憶情報
905 記憶装置
906 記憶媒体
907 ドライブ装置
908 通信インタフェース
909 通信ネットワーク
910 入出力インタフェース
911 バス
Claims (10)
- 画像から認識対象を含む部分領域を抽出する方法によって抽出された第1の領域内の、背景差分法によって前記画像の前景領域として抽出された領域である第2の領域に対し、前記認識対象らしさを示す信頼度を決定する信頼度決定手段と、
前記信頼度に基づき、前記第1の領域から抽出される特徴である第1の特徴と、前記第2の領域から抽出される前記特徴である第2の特徴とを用いて、前記認識対象の前記特徴を決定する特徴決定手段と、
決定された前記認識対象の前記特徴を示す情報を出力する出力手段と、
を備える照合システム。 - 前記特徴決定手段は、前記信頼度が高いほど前記第2の特徴が大きく反映され、前記信頼度が低いほど前記第1の特徴が大きく反映されるような特徴決定方法により、前記認識対象の特徴を決定する
請求項1に記載の照合システム。 - 前記特徴決定手段は、前記第1の特徴および前記第2の特徴に対し前記信頼度に基づく重みづけを伴う加算を行い、前記加算による結果を前記認識対象の特徴として決定する、
請求項2に記載の照合システム。 - 前記信頼度決定手段は、
前記第1の領域の面積に対する前記第2の領域の面積の割合を算出し、
前記割合が第1の所定値よりも大きいほど前記信頼度が低く決定され、前記割合が第2の所定値よりも小さいほど前記信頼度が低く決定されるような信頼度決定方法に基づき、前記信頼度を決定する、
請求項1から3のいずれか1項に記載の照合システム。 - 前記信頼度決定手段は、前記第2の領域と前記認識対象の形状のモデルとの比較に基づいて前記信頼度を決定する、
請求項1から3のいずれか1項に記載の照合システム。 - 前記信頼度決定手段は、前記第1の領域の大きさおよび縦横比の少なくともいずれかに基づいて、複数の前記モデルから、比較に用いられる前記モデルを選択する、
請求項5に記載の照合システム。 - 前記信頼度決定手段は、分離している前記第2の領域の個数に基づいて前記信頼度を決
定する、
請求項1から3のいずれか1項に記載の照合システム。 - 前記出力手段により出力された前記認識対象の特徴を、データベースに記憶された特徴と比較する照合を行う照合実行手段と、
前記照合の結果を示す情報を出力する第2の出力手段と、をさらに備える、
請求項1から7のいずれか一項に記載の照合システム。 - 画像から認識対象を含む部分領域を抽出する方法によって抽出された第1の領域内の、背景差分法によって前記画像の前景領域として抽出された領域である第2の領域に対し、前記認識対象らしさを示す信頼度を決定し、
前記信頼度に基づき、前記第1の領域から抽出される特徴である第1の特徴と、前記第2の領域から抽出される前記特徴である第2の特徴とを用いて、前記認識対象の前記特徴を決定し、
決定された前記認識対象の前記特徴を示す情報を出力する、
特徴抽出方法。 - 画像から認識対象を含む部分領域を抽出する方法によって抽出された第1の領域内の、背景差分法によって前記画像の前景領域として抽出された領域である第2の領域に対し、前記認識対象らしさを示す信頼度を決定する信頼度決定処理と、
前記信頼度に基づき、前記第1の領域から抽出される特徴である第1の特徴と、前記第2の領域から抽出される前記特徴である第2の特徴とを用いて、前記認識対象の前記特徴を決定する特徴決定処理と、
決定された前記認識対象の前記特徴を示す情報を出力する出力処理と、
をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018027512 | 2018-02-20 | ||
JP2018027512 | 2018-02-20 | ||
PCT/JP2019/005798 WO2019163699A1 (ja) | 2018-02-20 | 2019-02-18 | 特徴抽出装置、特徴抽出方法、照合システム、および記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019163699A1 JPWO2019163699A1 (ja) | 2021-01-07 |
JP6911995B2 true JP6911995B2 (ja) | 2021-07-28 |
Family
ID=67688111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020501744A Active JP6911995B2 (ja) | 2018-02-20 | 2019-02-18 | 特徴抽出方法、照合システム、およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11379999B2 (ja) |
JP (1) | JP6911995B2 (ja) |
WO (1) | WO2019163699A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7094702B2 (ja) * | 2018-01-12 | 2022-07-04 | キヤノン株式会社 | 画像処理装置及びその方法、プログラム |
JP7446756B2 (ja) * | 2019-10-02 | 2024-03-11 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4780564B2 (ja) | 2006-11-21 | 2011-09-28 | 株式会社国際電気通信基礎技術研究所 | 画像処理装置、画像処理方法及び画像処理プログラム |
JP2009075868A (ja) * | 2007-09-20 | 2009-04-09 | Toshiba Corp | 画像から対象を検出する装置、方法およびプログラム |
JP4636146B2 (ja) * | 2008-09-05 | 2011-02-23 | ソニー株式会社 | 画像処理方法、画像処理装置、プログラム及び画像処理システム |
JP5387147B2 (ja) * | 2009-06-03 | 2014-01-15 | 日本電気株式会社 | 病理画像診断システム、病理画像処理方法、病理画像診断プログラム |
JP2011095921A (ja) | 2009-10-28 | 2011-05-12 | Canon Inc | 画像処理装置、画像処理方法及びプログラム |
JP2011211628A (ja) * | 2010-03-30 | 2011-10-20 | Sony Corp | 画像処理装置および方法、並びにプログラム |
JP5914046B2 (ja) | 2012-02-29 | 2016-05-11 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP5959093B2 (ja) | 2012-03-06 | 2016-08-02 | 学校法人東京電機大学 | 人物検索システム |
JP5930915B2 (ja) | 2012-08-31 | 2016-06-08 | セコム株式会社 | 対象物検出装置 |
JP6166705B2 (ja) | 2014-09-29 | 2017-07-19 | セコム株式会社 | 対象識別装置 |
JP6151677B2 (ja) | 2014-10-16 | 2017-06-21 | セコム株式会社 | 物体検出装置 |
-
2019
- 2019-02-18 US US16/966,984 patent/US11379999B2/en active Active
- 2019-02-18 WO PCT/JP2019/005798 patent/WO2019163699A1/ja active Application Filing
- 2019-02-18 JP JP2020501744A patent/JP6911995B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US11379999B2 (en) | 2022-07-05 |
US20210049777A1 (en) | 2021-02-18 |
WO2019163699A1 (ja) | 2019-08-29 |
JPWO2019163699A1 (ja) | 2021-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726244B2 (en) | Method and apparatus detecting a target | |
JP6544900B2 (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
US20190213563A1 (en) | Image-based vehicle maintenance plan | |
US9098760B2 (en) | Face recognizing apparatus and face recognizing method | |
US10216979B2 (en) | Image processing apparatus, image processing method, and storage medium to detect parts of an object | |
JP5424819B2 (ja) | 画像処理装置、画像処理方法 | |
JP5675145B2 (ja) | パターン認識装置及びパターン認識方法 | |
CN110428399B (zh) | 用于检测图像的方法、装置、设备和存储介质 | |
CN109614910B (zh) | 一种人脸识别方法和装置 | |
JP6112801B2 (ja) | 画像認識装置及び画像認識方法 | |
US20180075291A1 (en) | Biometrics authentication based on a normalized image of an object | |
US20160267339A1 (en) | Image processing apparatus and method of generating face image | |
US11475537B2 (en) | Method and apparatus with image normalization | |
JP6071002B2 (ja) | 信頼度取得装置、信頼度取得方法および信頼度取得プログラム | |
JP6794197B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN108875505B (zh) | 基于神经网络的行人再识别方法和装置 | |
JP6911995B2 (ja) | 特徴抽出方法、照合システム、およびプログラム | |
JP2015106197A (ja) | 画像処理装置、画像処理方法 | |
JPWO2012046426A1 (ja) | 物体検出装置、物体検出方法および物体検出プログラム | |
CN108596079B (zh) | 手势识别方法、装置及电子设备 | |
JP5648452B2 (ja) | 画像処理プログラムおよび画像処理装置 | |
JP6202938B2 (ja) | 画像認識装置および画像認識方法 | |
CN111027434B (zh) | 一种行人识别模型的训练方法、装置及电子设备 | |
CN112200109A (zh) | 面部属性识别方法、电子设备以及计算机可读存储介质 | |
KR102027786B1 (ko) | 다수의 얼굴 이미지를 동시에 사용하는 얼굴 인식 및 인증 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200716 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200716 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210318 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210608 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210621 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6911995 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |