JP7089045B2 - メディア処理方法、その関連装置及びコンピュータプログラム - Google Patents

メディア処理方法、その関連装置及びコンピュータプログラム Download PDF

Info

Publication number
JP7089045B2
JP7089045B2 JP2020545244A JP2020545244A JP7089045B2 JP 7089045 B2 JP7089045 B2 JP 7089045B2 JP 2020545244 A JP2020545244 A JP 2020545244A JP 2020545244 A JP2020545244 A JP 2020545244A JP 7089045 B2 JP7089045 B2 JP 7089045B2
Authority
JP
Japan
Prior art keywords
walking
gait
energy map
feature vector
energy
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
Application number
JP2020545244A
Other languages
English (en)
Other versions
JP2021515321A (ja
Inventor
ジャン，カイハオ
ルオ，ウエンハン
マ，リン
リィウ，ウエイ
Original Assignee
テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド filed Critical テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド
Publication of JP2021515321A publication Critical patent/JP2021515321A/ja
Application granted granted Critical
Publication of JP7089045B2 publication Critical patent/JP7089045B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Image Analysis (AREA)

Description

本出願は、２０１８年０４月１２日に中国特許庁に提出された、出願番号が２０１８１０３２７６３８.４であって、発明の名称が「ビデオ処理方法及び関連装置、イメージ処理方法及び関連装置」である中国特許出願に基づく優先権を主張するものであり、その全内容を本開示に参照により援用する。
本発明は、歩行認識技術分野に関し、具体的に、ビデオ処理方法、ビデオ処理装置、ビデオ処理デバイス及び記憶媒体、イメージ処理方法、イメージ処理装置、イメージ処理デバイス及び記憶媒体に関する。
多くのシナリオで、歩行認識が必要である。例えば、公共の場所には屋外カメラがたくさんあるが、カメラは一般的に人から遠く離れており、撮影したイメージ又はビデオについて、顔によって歩行者認識を行うことができない。歩行認識技術は、人の歩行特徴ベクトルに基づいて歩行者認識を行うことができ、顔に基づいて認識する必要がなく、高精細な画質も必要としないので、歩行認識技術は１つの重要な研究の方向になった。
本発明の実施例は、歩行認識を実現するためのメディア処理方法、メディア処理装置及び記憶媒体を提供し、さらに、本発明の実施例は、姿勢認識を実現するためのイメージ処理方法、イメージ処理デバイス及び記憶媒体を提供する。
本発明の実施例は、上記の目的を達成するために、以下の技術的解決策を提供する。
メディア処理装置に適用されるメディア処理方法であって、
処理対象ビデオを取得するステップであって、前記処理対象ビデオが、アイデンティティが認識されるべきオブジェクトを含むステップと、
前記処理対象ビデオに基づき第１の歩行エネルギーマップを生成するステップと、
第２の歩行エネルギーマップを取得するステップであって、前記第２の歩行エネルギーマップが、アイデンティティが既知のオブジェクトを含むビデオに基づき生成されるステップと、
ディープニューラルネットワークに基づき、前記第１の歩行エネルギーマップ及び第２の歩行エネルギーマップに対して第１の歩行認識を行うステップと、
を含み、
前記第１の歩行認識は、
前記第１の歩行エネルギーマップ及び第２の歩行エネルギーマップのそれぞれに対応するアイデンティティ情報を抽出し、前記第１の歩行エネルギーマップ及び第２の歩行エネルギーマップの歩行特徴ベクトルによって融合歩行特徴ベクトルを決定するステップであって、前記第１の歩行エネルギーマップのアイデンティティ情報が前記第１の歩行エネルギーマップの歩行特徴ベクトルを含み、前記第２の歩行エネルギーマップのアイデンティティ情報が前記第２の歩行エネルギーマップの歩行特徴ベクトルを含むステップと、
少なくとも前記融合歩行特徴ベクトルに基づき、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップの類似度を計算するステップと、
を含む方法。
この実施例で使用されるディープニューラルネットワークは、アイデンティティが認識されるべきオブジェクト及びアイデンティティが既知のオブジェクトの融合歩行特徴ベクトルを抽出するだけでなく、同時に、アイデンティティが認識されるべきオブジェクト及びアイデンティティが既知のオブジェクトのアイデンティティ情報(識別子及び歩行特徴ベクトルを含む)を抽出し、そして、融合歩行特徴ベクトルは歩行特徴ベクトルによって決定され、その後、少なくとも融合歩行特徴ベクトルに基づき、２つの歩行エネルギーマップの類似度(即ち、アイデンティティが認識されるべきオブジェクトとアイデンティティが既知のオブジェクトの類似度)を計算し、これにより、アイデンティティが認識されるべきオブジェクトに対する歩行認識が実現される。
メディア処理装置であって、少なくともプロセッサとメモリを含み、前記プロセッサは、前記メモリに格納されたプログラムを実行し、他の装置を呼び出すことにより、上記のメディア処理方法を実行する。
本発明の実施例は、記憶媒体をさらに提供し、前記記憶媒体は、複数の命令を記憶し、前記命令は、本発明の実施例によって提供されるメディア処理方法のいずれかを実行するために、プロセッサによってロードされるように適合される。
本実施例で使用されるディープニューラルネットワークは、アイデンティティが認識されるべきオブジェクトとアイデンティティが既知のオブジェクトの融合姿勢特徴ベクトルを抽出するだけでなく、同時に、アイデンティティが認識されるべきオブジェクトとアイデンティティが既知のオブジェクトのアイデンティティ情報(識別子と姿勢特徴ベクトルを含む)も抽出し、そして、融合姿勢特徴ベクトルは姿勢特徴ベクトルによって決定され、その後、少なくとも融合姿勢特徴ベクトルに基づき２つの姿勢エネルギーマップの類似度(即ち、アイデンティティが認識されるべきオブジェクトとアイデンティティが既知のオブジェクトの類似度)を計算し、これにより、アイデンティティが認識されるべきオブジェクトに対する姿勢認識が実現される。
図１ａから図１ｄは、本発明の実施例によるビデオ処理適用シナリオの例示的な構造図である。 図２ａ及び図２ｂは、本発明の実施例によるビデオ処理装置の例示的な構造図であり、図２ｃは、本発明の実施例によるビデオ処理デバイスの例示的な構造図である。 本発明の実施例によるビデオ処理方法の例示的なフローチャートである。 本発明の実施例による歩行エネルギーマップの概略図である。 図５ａから図５ｄは、本発明の実施例による歩行特徴ベクトルを抽出する概略図である。 本発明の実施例によるビデオ処理方法の例示的なフローチャートである。 本発明の実施例によるトレーニングプロセスの概略図である。 本発明の実施例によるトレーニングプロセスの概略図である。 本発明の実施例によるビデオ処理方法の例示的なフローチャートである。 本発明の実施例によるイメージ処理適用シナリオの例示的な構造図である。 図１１ａから図１１ｄは、本発明の実施例によるイメージ処理装置の例示的な構造図である。
歩行認識は、人々の歩行姿勢によってアイデンティティを認識することを目的とした、新しいタイプの生体特徴認識技術である。歩行認識は、非接触長距離、及びカモフラージュが容易ではないという利点があり、高精細な画質も必要としない。そのため、セキュリティ保護、公安、公共交通などのシナリオで広く使用でき、適用の可能性が非常に大きくなる。
本発明の実施例は、リアルタイム又はオフライン歩行認識技術サービスを提供する必要がある様々なシナリオ(例えば、インテリジェントビデオ監視)に適した、メディア処理方法及び関連装置(メディア処理デバイス及び記憶媒体など)を提供する。
最初に、コアアイデアを説明する。
歩行認識は１つの検索問題として理解でき、照会対象の人物(アイデンティティが認識されるべきオブジェクト)のメディア(例えば、メディアがビデオである場合に、第１のビデオ又は処理対象ビデオと呼ばれ、第１のビデオにおけるビデオフレームにはアイデンティティが認識されるべきオブジェクトが含まれる)を与え、データベース内のどの既知のアイデンティティ情報を持つ人物(アイデンティティが既知のオブジェクト)のビデオ(第２のビデオとも呼ばれる)が、それに類似又は最も類似するかを照会する。
本発明の実施例によって提供されるメディア処理方法及び関連装置は、ディープニューラルネットワークに基づいて歩行認識を実現する。説明の便宜上、以下の実施例では、主にビデオをメディアのオプションの表現形式として説明する。
上記のディープニューラルネットワークは、歩行エネルギーマップに基づいて歩行認識を行うため、ディープニューラルネットワークによる歩行認識の前に、予め第１のビデオから第１の歩行エネルギーマップを抽出し、第２のビデオから第２の歩行エネルギーマップを抽出し、その後、第１の歩行エネルギーマップ及び第２の歩行エネルギーマップを当該ディープニューラルネットワークに入力し、ディープニューラルネットワークによって、２つの歩行エネルギーマップの類似度を、上記の処理対象ビデオ及び第２のビデオの類似度として出力する。
より具体的に、上記のディープニューラルネットワークは、入力された２つの歩行エネルギーマップのそれぞれのアイデンティティ情報、及び、２つの歩行エネルギーマップの融合歩行特徴ベクトルを抽出し、任意の歩行エネルギーマップのアイデンティティ情報は、当該歩行エネルギーマップの識別子、及び当該歩行エネルギーマップに基づいて抽出された歩行特徴ベクトルを含み得る。２つの歩行エネルギーマップの融合歩行特徴ベクトルは、２つの歩行エネルギーマップのそれぞれの歩行特徴ベクトルによって決定される。
その後、上記のディープニューラルネットワークは、少なくとも抽出された融合歩行特徴ベクトルに基づき、２つの歩行エネルギーマップの類似度を計算する。
このことから分かるように、上記のディープニューラルネットワークは、アイデンティティが認識されるべきオブジェクト及びアイデンティティが既知のオブジェクトの融合歩行特徴ベクトルを抽出するだけでなく、同時に、アイデンティティが認識されるべきオブジェクト及びアイデンティティが既知のオブジェクトのアイデンティティ情報(識別子と歩行特徴ベクトルを含む)を抽出し、そして、融合歩行特徴ベクトルは歩行特徴ベクトルによって決定される。その後、少なくとも融合歩行特徴ベクトルに基づき、２つの歩行エネルギーマップの類似度(即ち、アイデンティティが認識されるべきオブジェクトとアイデンティティが既知のオブジェクトの類似度)を計算し、これにより、アイデンティティが認識されるべきオブジェクトに対する歩行認識が実現される。
ディープニューラルネットワークは、ニューロンによって階層構造で構成され、各ニューロンレイヤーには複数のフィルタが含まれ、それらの間の重みとオフセット量(フィルタパラメータ)はトレーニングによって取得できる。
したがって、一例では、上記のディープニューラルネットワークは、そのパラメータを調整するように、事前にトレーニングされてもよい。これについて後述する。
以下、コアアイデアを説明した後、歩行認識を実現するための本発明の実施例に係るビデオ処理装置、及び、ビデオ処理デバイスについて説明する。
上記のビデオ処理装置は、ソフトウェア又はハードウェアの形で、ビデオ処理デバイスに適用することができる。具体的に、ビデオ処理デバイスは、歩行認識サービスを提供するサーバー又はパーソナルコンピュータ(ＰＣ)であってもよいし、例えば、デジタルカメラ、モバイル端末(例えば、スマートフォン)、ｉｐａｄなどの端末であってもよい。
ソフトウェアの形でビデオ処理デバイスに適用する場合に、上記のビデオ処理装置は、独立したソフトウェアであってもよい。勿論、大規模システム(例えば、オペレーティングシステム)のサブシステム(サブコンポーネント)として使用して、歩行認識サービスを提供することもできる。
ハードウェアの形でビデオ処理デバイスに適用する場合に、上記のビデオ処理装置は、例えば、端末又はサーバーのコントローラ／プロセッサであってもよい。
図１ａに示すように、例として、上記のビデオ処理方法の適用シナリオでは、カメラ１０１は、移動している歩行者(アイデンティティが認識されるべきオブジェクト)のビデオを撮影し、ビデオをビデオ処理デバイス１０２に提供し、ビデオ処理デバイス１０２は、データベース１０３におけるアイデンティティが既知のオブジェクトのビデオに基づいて、歩行認識を行う。このシナリオでは、ビデオ処理デバイス１０２は、歩行エネルギーマップを抽出できるモジュール又は装置を備える必要がある。
図１ｂに示すように、例として、上記のビデオ処理方法の他の適用シナリオでは、ビデオ処理デバイス１０２は、移動している歩行者(アイデンティティが認識されるべきオブジェクト)のビデオを撮影し、データベース１０３におけるアイデンティティが既知のオブジェクトのビデオに基づいて歩行認識を行う。このシナリオでは、ビデオ処理デバイス１０２は、撮影装置、及び歩行エネルギーマップを抽出できるモジュール又は装置を備える必要がある。
さらに図１ｃに示すように、例として、上記のビデオ処理方法の他の適用シナリオでは、外部デバイス１０４は、アイデンティティが認識されるべきオブジェクトの歩行エネルギーマップ又はビデオをビデオ処理デバイス１０２へ提供し、ビデオ処理デバイス１０２は、データベース１０３に記憶された各アイデンティティが既知のオブジェクトの歩行エネルギーマップに基づいて歩行認識を行う。このシナリオでは、外部デバイスがビデオを提供する場合に、ビデオ処理デバイス１０２は、歩行エネルギーマップを抽出するモジュール又は装置を備える必要がある。
なお、上記のディープニューラルネットワークニーズをトレーニングする必要がある場合に、上記の各シナリオでは、トレーニングデバイス１０５を含めることもできる。勿論、トレーニングデバイス１０５の機能は、ビデオ処理デバイス１０２によって実現することもできる。トレーニングデバイス１０５は、ディープニューラルネットワークをトレーニングするために、又は、トレーニング用のサンプルを提供するために使用され得る。
より具体的なシナリオ(クライアントサーバーシナリオ)では、図１ｄを参照し、ｗｅｂサーバー１０６、ビデオ処理サーバー１０７(即ち、ビデオ処理デバイス)、データベース１０３を含み得る。なお、トレーニングサーバー１０８(トレーニングデバイス)も含み得る。
ただし、ｗｅｂサーバー１０６は、フロントエンド(フォアグラウンド)であり、クライアントブラウザ(上記の外部デバイス)との通信を担当する。ビデオ処理サーバー１０７、データベース１０３、トレーニングサーバー１０８などは、バックエンドであり、ビデオ処理サーバー１０７は、クライアントブラウザにビデオ処理(歩行認識)サービスを提供することができる。トレーニングサーバー１０８は、ビデオ処理サーバー１０７によって使用されるビデオ処理アルゴリズムをトレーニングする(即ち、ディープニューラルネットワークをトレーニングする)ために、又は、トレーニング用のサンプルを提供するために使用され得る。
次に、ビデオ処理装置の内部構成について説明するが、ビデオ処理装置の例示的な構成は図２ａに示され、第１の取得ユニット１１と、歩行認識ユニット１２とを含む。
第１の取得ユニット１１は、処理対象ビデオを取得し、当該処理対象ビデオに基づき第１の歩行エネルギーマップを生成し、第２の歩行エネルギーマップを取得するために使用され、当該第２の歩行エネルギーマップは、アイデンティティが既知のオブジェクトを含むビデオに基づき生成され、
歩行認識ユニット１２は、ディープニューラルネットワークを含み、当該ディープニューラルネットワークは、第１の取得ユニット１１によって提供される第１の歩行エネルギーマップ及び第２の歩行エネルギーマップに対して第１の歩行認識を行うために使用されることができる。
本発明の他の実施例では、図２ｂを参照し、上記のビデオ処理装置は、トレーニングプロセスを実行するためのトレーニングユニット１３をさらにを含んでもよい。
本明細書では、以下、ビデオ処理方法と組み合わせて、上記の各ユニットの機能を説明する。
図２ｃは、上記の実施例におけるビデオ処理デバイスの可能な構造の概略図を示す。バス、プロセッサ１、メモリ２、通信インタフェース３、入力デバイス４、及び出力デバイス５を含む。プロセッサ１、メモリ２、通信インタフェース３、入力デバイス４、及び出力デバイス５は、バスを介して互いに接続されている。なお、バスは、コンピュータシステムの各コンポーネントの間で情報を伝送するための経路を含み得る。
プロセッサ１は、例えば、汎用中央処理装置(ＣＰＵ)、ネットワークプロセッサ(Ｎｅｔｗｏｒｋ Ｐｒｏｃｅｓｓｏｒ、ＮＰと略称する)、マイクロプロセッサなどの汎用プロセッサであってもよく、特定用途向け集積回路(ａｐｐｌｉｃａｔｉｏｎ-ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ、ＡＳＩＣ)、又は本発明解決策のプログラムの実行を制御するための１つ又は複数の集積回路であってもよい。また、デジタル信号プロセッサ(ＤＳＰ)、フィールドプログラマブルゲートアレイ(ＦＰＧＡ)又はその他のプログラマブルロジックデバイス、ディスクリートゲートまたはトランジスタロジックデバイス、ディスクリートハードウェアコンポーネントであってもよい。
メモリ２は、本発明の技術的解決策を実行するためのプログラム又はスクリプトを格納しており、オペレーティングシステム及び他の主要なサービスも格納することができる。具体的に、プログラムはプログラムコードを含むことができ、プログラムコードはコンピュータ操作命令を含む。スクリプトは、通常、テキスト(例えば、ＡＳＣＩＩ)で保存され、呼び出されたときにのみ解釈又はコンパイルされる。
より具体的に、メモリ２は、読み取り専用メモリ(ｒｅａｄ-ｏｎｌｙ ｍｅｍｏｒｙ、ＲＯＭ)、静的情報及び命令を記憶できる他のタイプの静的記憶デバイス、ランダムアクセスメモリ(ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ、ＲＡＭ)、情報及び命令を記憶できる他のタイプの動的記憶デバイス、磁気ディスクメモリ、ｆｌａｓｈなどを含み得る。
入力デバイス４は、例えば、キーボード、マウス、カメラ、音声入力装置、タッチスクリーンなど、ユーザーによって入力されたデータと情報を受け取る装置を含み得る。
出力デバイス５は、例えば、ディスプレイスクリーン、スピーカなど、ユーザーへの情報の出力を可能にする装置を含み得る。
通信インタフェース３は、例えば、イーサネット、無線アクセスネットワーク(ＲＡＮ)、無線ローカルネットワーク(ＷＬＡＮ)などの他のデバイス又は通信ネットワークと通信するように、任意のトランシーバなどを使用する装置を含み得る。
図２ｃは、ビデオ処理デバイスの単純化された設計のみを示していることが理解され得る。実際の用途では、上記のビデオ処理デバイスは、任意の数の送信機、受信機、プロセッサ、コントローラ、メモリ、通信インタフェースなどを含むことができる。本発明を実現できる全てのサーバー/インテリジェント端末は、本発明の保護範囲内にある。
プロセッサ１は、メモリ２に格納されたプログラムを実行し、他のデバイスを呼び出すことによって、以下の実施例によって提供されるビデオ処理方法を実現することができる。
なお、図１ａ～１ｄに示したビデオ処理装置の各ユニットの機能は、上記のプロセッサ１がメモリ２に格納されたプログラムを実行し、他のデバイスを呼び出すことによって実現することができる。
以下、以上の本発明に係る共通点を踏まえ、歩行認識を実現するための本発明の実施例について、さらに詳細に説明する。
図３は、上記のビデオ処理装置／デバイスによって実行されるビデオ処理方法の例示的なフローを示す。この方法は、少なくとも次のステップを含み得る。
３００部分：処理対象ビデオを取得し、当該処理対象ビデオに基づき第１の歩行エネルギーマップを生成し、第２の歩行エネルギーマップを取得する。
ただし、処理対象ビデオ(第１のビデオ)におけるビデオフレームは、アイデンティティが認識されるべきオブジェクトを含み、第２の歩行エネルギーマップは、アイデンティティが既知のオブジェクトのビデオ(第２のビデオ)に基づき生成されたものである。
第１の歩行エネルギーマップと第２の歩行エネルギーマップは、それぞれ対応する一意の識別子(ＩＤ)を持つことができる。１つの歩行エネルギーマップに対応するＩＤは、当該歩行エネルギーマップに対応するオブジェクトのアイデンティティを識別することができる。
歩行エネルギーマップの概略図については、図４を参照されたい。ビデオフレームに基づきマルチフレーム歩行シルエットを取得し、次に、マルチフレーム歩行シルエットを重ね合わせ、正規化処理を実行して、歩行エネルギーマップを取得することができる。
第１の歩行エネルギーマップと第２の歩行エネルギーマップを取得するには、多くの方法がある。
図１ａに示す適用シナリオを例として、カメラ１０１は、処理対象ビデオを撮影した後、処理対象ビデオをビデオ処理デバイス１０２に提供し、ビデオ処理デバイス１０２は処理対象ビデオから第１の歩行エネルギーマップを抽出し、データベース１０３から第２のビデオを取得し、それから第２の歩行エネルギーマップを抽出して取得する(又は、データベース１０３から第２の歩行エネルギーマップを取得する)。
図１ｂに示す適用シナリオを例として、ビデオ処理デバイス１０２のカメラによって処理対象ビデオを撮影した後、ビデオ処理デバイス１０２は処理対象ビデオから第１の歩行エネルギーマップを抽出し、データベース１０３から第２のビデオを取得し、それから第２の歩行エネルギーマップを抽出して取得する(又は、データベース１０３から第２の歩行エネルギーマップを取得する)。
図１ｃに示す適用シナリオを例として、外部デバイス１０４からビデオ処理デバイス１０２に処理対象ビデオを提供した後、ビデオ処理デバイス１０２は処理対象ビデオから第１の歩行エネルギーマップを抽出し、データベース１０３から第２のビデオを取得し、それから第２の歩行エネルギーマップを抽出して取得する。又は、外部デバイス１０４からビデオ処理デバイス１０２に第１の歩行エネルギーマップを提供し、ビデオ処理デバイス１０２はデータベース１０３から第２のビデオを取得し、それから第２の歩行エネルギーマップを抽出して取得する。又は、外部デバイス１０４からビデオ処理デバイス１０２に第１の歩行エネルギーマップを提供し、ビデオ処理デバイス１０２はデータベース１０３から第２の歩行エネルギーマップを取得する。
図１ｄに示す適用シナリオを例として、クライアントからビデオ処理サーバー１０７に処理対象ビデオを提供した後、ビデオ処理サーバー１０７は処理対象ビデオから第１の歩行エネルギーマップを抽出し、データベース１０３から第２のビデオを取得し、それから第２の歩行エネルギーマップを抽出して取得する。又は、クライアントからビデオ処理サーバー１０７に第１の歩行エネルギーマップを提供し、ビデオ処理サーバー１０７はデータベース１０３から第２のビデオを取得し、それから第２の歩行エネルギーマップを抽出して取得する。又は、クライアントからビデオ処理サーバー１０７に第１の歩行エネルギーマップを提供し、ビデオ処理サーバー１０７はデータベース１０３から第２の歩行エネルギーマップを取得する。
一例では、ビデオ処理装置の第１の取得ユニット１１によって３００部分を実行してもよく、又は、ビデオ処理デバイスの通信インタフェース３によって外部デバイス又はクライアントから提供された処理対象ビデオを受信してもよく、又は、入力デバイス４(例えば、カメラ)によって処理対象ビデオを撮影してもよく、又は、プロセッサ１によってメモリ２のギャラリーから処理対象ビデオを取得してもよい。
上記の識別子は、第１の取得ユニット１１又はプロセッサ１によって割り当てることができる。
３０１部分：ディープニューラルネットワークに基づき、第１の歩行エネルギーマップと第２の歩行エネルギーマップに対して第１の歩行認識を行う。
一例では、３０１部分の入力は、ビデオ処理装置の第１の取得ユニット１１によって実行されるか、又はプロセッサ１によって実行されることができる。
３０２Ａ部分：第１及び第２の歩行エネルギーマップのそれぞれのアイデンティティ情報、及び、第１及び第２の歩行エネルギーマップの融合歩行特徴ベクトルを抽出する。
ここで、任意の歩行エネルギーマップのアイデンティティ情報は、当該歩行エネルギーマップの歩行特徴ベクトルを含んでもよい。さらに、当該歩行エネルギーマップの識別子を含んでもよい。
例えば、第１の歩行エネルギーマップのアイデンティティ情報は、第１の歩行エネルギーマップに対応する歩行特徴ベクトルを含んでもよく、第２の歩行エネルギーマップのアイデンティティ情報は、第２の歩行エネルギーマップに対応する歩行特徴ベクトルを含んでもよい。
融合歩行特徴ベクトルは、第１及び第２の歩行エネルギーマップのそれぞれの歩行特徴ベクトルによって共同で決定される。本明細書では、融合歩行特徴ベクトルを取得する方法について後述する。
より具体的に、上記のディープニューラルネットワークは、アイデンティティ情報抽出レイヤーと、融合歩行特徴ベクトル抽出レイヤーとを含み得る。
ここで、上記のアイデンティティ情報抽出レイヤーは、少なくとも第１の抽出レイヤーと、第２の抽出レイヤーとを含み得る。
一例では、図５ａを参照して、第１の抽出レイヤーは、入力された各歩行エネルギーマップの第１のレベルの歩行特徴ベクトルを抽出し、第１のレベルの歩行特徴ベクトルを第２の抽出レイヤーに入力し、第２の抽出レイヤーは、２つの歩行エネルギーマップ(例えば、第１の歩行エネルギーマップと第２の歩行エネルギーマップ)のそれぞれの第２のレベルの歩行特徴ベクトルを抽出する。
上記の融合歩行特徴ベクトル抽出レイヤーは、２つの歩行エネルギーマップの第２のレベルの歩行特徴ベクトルを融合することで、第２のレベルの融合歩行特徴ベクトルを取得してもよい。
別の例では、図５ｂを参照して、融合歩行特徴ベクトル抽出レイヤーは、ディープニューラルネットワークに入力された２つの歩行エネルギーマップ(例えば、第１の歩行エネルギーマップと第２の歩行エネルギーマップ)の第１のレベルの歩行特徴ベクトルを融合することで、第１のレベルの融合歩行特徴ベクトルを取得し、第１のレベルの融合歩行特徴ベクトルに基づき第２のレベルの融合歩行特徴ベクトルを抽出してもよい。
この例では、融合歩行特徴ベクトル抽出レイヤーは、融合レイヤー(第１のレベルの歩行特徴ベクトルを融合することで第１のレベルの融合歩行特徴ベクトルを取得する)と、抽出レイヤー(第１のレベルの融合歩行特徴ベクトルに基づき第２のレベルの融合歩行特徴ベクトルを抽出して取得する)とをさらに含んでもよい。
一例では、上記の第１の抽出レイヤーと第２の抽出レイヤーは、イメージ特徴ベクトルを抽出するための複数の特徴ベクトル抽出レイヤーをさらに含み得る論理層であってもよく、入力に近い特徴ベクトル抽出レイヤーで抽出された特徴ベクトルのレベルが低く、出力に近い特徴ベクトル抽出レイヤーで抽出された特徴ベクトルのレベルが高くなる。
例えば、図５ｃを参照して、アイデンティティ情報抽出レイヤーは、２つの歩行エネルギーマップの歩行特徴ベクトルをそれぞれ抽出するために、２つのチャネル(各チャネルがいずれも、第１の抽出レイヤーと第２の抽出レイヤーを含む)をそれぞれ含み得る。どのチャネルでも、まず、低レベルの歩行特徴ベクトルを抽出し、低レベルの歩行特徴ベクトルを組み合わせて、高レベルの歩行特徴ベクトルを抽出することができる。２つの歩行エネルギーマップで同じ操作を実行する必要があるため、第１の抽出レイヤーにおける２つのチャネルは重みを共有することができる。
例えば、チャネルにおける第１の特徴ベクトル抽出レイヤーによって抽出された歩行特徴ベクトルレベルは最低で、一般的に、エッジ、コーナー、カーブなどであり(ｃｏｖ-１６に対応し、ここで、「ｃｏｖ」が畳み込みを表し、１６がフィルタの数を表し、フィルタの数は抽出された歩行特徴ベクトルの次元を決定する)、第２の特徴ベクトル抽出レイヤーは、第１の抽出レイヤーから出力された歩行特徴ベクトルの組み合わせ特徴ベクトル(ｃｏｖ-６４に対応する)を抽出し、以下同様に類推される。抽出された歩行特徴ベクトルのレベルは、低レベルから中レベル、さらに高レベル／抽象(セマンティックレベル)であり、さらに、図５ｃにおける「ＦＣ」が接続レイヤーを表し、「ＦＣ-２０４８」が２０４８個のニューロンを有する接続レイヤーを表し、抽出された特徴ベクトルは２０４８次元である。勿論、低レベルと中レベルを第１のレベルと総称してもよい。
融合歩行特徴ベクトル抽出レイヤー(アイデンティティ情報抽出レイヤーの２つのチャネルとは独立した別のチャネルと見なすこともできる)について、低レベルの歩行特徴ベクトルを繋ぎ合わせて、低レベルの融合歩行特徴ベクトルを取得し、さらに、高レベル融合歩行特徴ベクトルが得られるまでに、より高いレベルの融合歩行特徴ベクトル(中レベル融合歩行特徴ベクトル)を抽出してもよい。
又は、融合歩行特徴ベクトル抽出レイヤーは、中レベル歩行特徴ベクトルを繋ぎ合わせて、中レベル融合歩行特徴ベクトルを取得し、さらにより高いレベルの融合歩行特徴ベクトルを抽出してもよい。
又は、融合歩行特徴ベクトル抽出レイヤーは、高レベル歩行特徴ベクトルを直接繋ぎ合わせて、高レベル融合歩行特徴ベクトルを取得してもよい。
図５ｃに示すように、低レベルの歩行特徴ベクトルと中レベル歩行特徴ベクトルを第１のレベルの歩行特徴ベクトルと総称してもよい。勿論、第１のレベルの歩行特徴ベクトルは、最終的な中レベル歩行特徴ベクトルを含むと考えることもできる。
勿論、融合歩行特徴ベクトル抽出レイヤーが低レベルの歩行特徴ベクトルを繋ぎ合わせて低レベルの融合歩行特徴ベクトルを取得する場合に、第１のレベルの歩行特徴ベクトルは、低レベルの歩行特徴ベクトルのみを含むことができる。
当業者は、必要に応じて、柔軟に設計することができる。ここでは、繰り返さない。
また、なお、図５ｃに示する例は、次のようにも理解できる。前段の６層ネットワーク構造は、それぞれ、１対の歩行エネルギーマップのそれぞれの歩行特徴ベクトルを抽出し、その後、２つの独立した操作に分割する。第１部分の操作は、第７層ネットワーク構造で、それぞれの歩行特徴ベクトルを融合し、融合歩行特徴ベクトルを取得し、さらに、融合歩行特徴ベクトルをより高いレベルで抽出することを含む。第２部分の操作は、１対の歩行エネルギーマップのそれぞれの歩行特徴ベクトルを引き続き抽出して、第２のレベルの融合歩行特徴ベクトル、又は最終的な高レベル歩行特徴ベクトルを取得することを含む。
本実施例では、上記のディープニューラルネットワークは、そのパラメータを調整するように、事前にトレーニングされてもよい。
さらに、本実施例のディープニューラルネットワークがトレーニングプロセス中にパラメータを調整するときに、異なる歩行エネルギーマップの融合歩行特徴ベクトルだけではなく、歩行エネルギーマップに暗黙的に含まれているアイデンティティ情報も考慮される。このようにトレーニングされたディープニューラルネットワークは、より識別性を持つ歩行特徴ベクトルをより効果的に抽出できる。そして、融合歩行特徴ベクトルは２つの歩行エネルギーマップの歩行特徴ベクトルによって共同で決定されるため、融合歩行特徴ベクトルはそれに応じて識別性がより高くなり、より正確な類似度を得ることができる。
３０２Ｂ部分：少なくとも抽出された融合歩行特徴ベクトルに基づき、類似度を計算する。
類似度は、具体的にパーセンテージにすることができる。両者(アイデンティティが認識されるべきオブジェクトとアイデンティティが既知のオブジェクト)が同じオブジェクトに対応する確率のパーセンテージを表す。例えば、類似度が６０％である場合、両者が同じ人物である可能性は６０％である。
一例では、融合歩行特徴ベクトルのみに基づいて、類似度を計算してもよい。
別の例では、上記の融合歩行特徴ベクトルに基づき第１の類似度を計算し、２つの歩行エネルギーマップのアイデンティティ情報に基づき第２の類似度を計算し、次に、両者の加重和を求め(最も簡単なものは、加算して２で除算して平均を取る)、最終的な類似度を得ってもよい。
例えば、融合歩行特徴ベクトルに基づき計算した第１の類似度が８０％であり、アイデンティティ情報に基づき計算した第２の類似度が６０％であると仮定すると、最終的な類似度は、(８０％＋６０％)／２＝７０％になる。
類似度を計算する方法は多数あるので、ここでは繰り返さない。
上記の３０２Ａと３０２Ｂ部分は、ディープニューラルネットワークによって実行される第１の歩行認識である。一例では、３０２Ａと３０２Ｂ部分は、上記ビデオ処理装置の歩行認識ユニット１２、又はプロセッサ１によって実行されてもよい。
別の例では、図５ａと図５ｂを参照して、上記のディープニューラルネットワークは、類似度計算レイヤーを含んでもよく、３０２Ｂ部分は、類似度計算レイヤーによって実行されてもよい。
３０３部分：ディープニューラルネットワークは認識結果を出力する。この認識結果は、類似度、又は、アイデンティティが認識されるべきオブジェクトとアイデンティティが既知のオブジェクトが同じオブジェクトに属するかどうかに関する情報を含む。
一例では、認識結果は上記の類似度を含み得る。
なお、認識結果は、入力された２つの歩行エネルギーマップが同じオブジェクトに属するかどうかを示す情報を含み得る。例えば、値「１」は、両者が同じオブジェクトに属することを表し、値「０」は、両者が異なるオブジェクトに属することを表す。
より具体的に、ディープニューラルネットワークは、１組の(２つの)歩行エネルギーマップに対して第１の歩行認識を実行する度に、認識結果を１回出力することができる。
又は、ディープニューラルネットワークは、第１の歩行認識のバッチが完了した後に、認識結果を１回出力することができる。
例えば、オブジェクトＡのアイデンティティが認識されるべきであり、データベースにアイデンティティが既知のオブジェクトのビデオが１０個あり、１０個の第２の歩行エネルギーマップを取得することができると仮定する。ある順序に従って、ディープニューラルネットワークは、オブジェクトＡの第１の歩行エネルギーマップと１０個の第２の歩行エネルギーマップの類似度を１つずつ計算し、計算が完了した後、ディープニューラルネットワークは認識結果を出力する。すると、上記の認識結果は、１０個の類似度を含み得る。勿論、上記の認識結果は、２つの歩行エネルギーマップが同じオブジェクトに属するかどうかを識別する情報をさらに含み得る。
別の例では、上記の認識結果は、アイデンティティが認識されるべきオブジェクトとアイデンティティが既知のオブジェクトが同じオブジェクトに属するかどうかに関する情報を含む。例えば、第１及び第２の歩行エネルギーマップが異なるオブジェクトに属する確率を含む。この確率は、「１―類似度」で計算される。例えば、第１の歩行エネルギーマップと第２の歩行エネルギーマップの類似度が８０％である場合、第１及び第２の歩行エネルギーマップが異なるオブジェクトに属する確率は２０％である。
第１及び第２の歩行エネルギーマップが同じオブジェクトに属するかどうかを判定する方法について、次の操作を実行することができる。
類似度が認識条件を満たす場合、第１の歩行エネルギーマップと第２の歩行エネルギーマップが同じオブジェクトに対応すると判定し、即ち、第２の歩行エネルギーマップに対応する一意の識別子は、当該アイデンティティが認識されるべきオブジェクトのアイデンティティを識別することができる。さもなければ、異なるオブジェクトに対応すると判定する。
上記の認識条件は、類似度が類似度閾値以上であるか、又は類似度が類似度閾値よりも大きいことを含む。
例えば、類似度閾値が８０％であると仮定すると、２つの歩行エネルギーマップの類似度が７０％である場合に、両者が同じ人物ではないと考えられ、２つの歩行エネルギーマップの類似度が８０％よりも大きい（又は等しい）場合に、両者が同じ人物であると考えられる。したがって、第２の歩行エネルギーマップに対応する一意の識別子は、アイデンティティが認識されるべきブジェクトのアイデンティティを識別することができる。
前述のように、データベースにアイデンティティが既知のオブジェクトのビデオ又は歩行エネルギーマップを記憶しており、本発明の他の実施例では、あるアイデンティティが既知のオブジェクトの第２の歩行エネルギーマップと第１の歩行エネルギーマップの類似度が認識条件を満たすか、又は、全てのアイデンティティが既知のオブジェクトの第２の歩行エネルギーマップと第１の歩行エネルギーマップの類似度が算出されるまでに、データベースにおけるアイデンティティが既知のオブジェクトの第２の歩行エネルギーマップと第１の歩行エネルギーマップの類似度を１つずつ計算してもよい。
例えば、オブジェクトＡのアイデンティティが認識され、データベースにアイデンティティが既知のオブジェクトのビデオが１０個ある。ある順序に従って、類似度が上記の認識条件を満たすか、又は、１０個の類似度が算出されるまでに、オブジェクトＡの第１の歩行エネルギーマップと１０個のアイデンティティが既知のオブジェクトの第２の歩行エネルギーマップの類似度を１つずつ計算する。
勿論、本発明の他の実施例では、全てのアイデンティティが既知のオブジェクトの第２の歩行エネルギーマップと第１の歩行エネルギーマップの類似度を計算し、次に、認識条件に基づき、２つの歩行エネルギーマップが同じオブジェクトに属するかどうかを判定してもよい。
なお、必要に応じて、ディープニューラルネットワークは、２つの歩行エネルギーマップのそれぞれの歩行特徴ベクトルを出力してもよい。例えば、トレーニングプロセスでは、ディープニューラルネットワークは、損失値を計算するために、歩行エネルギーマップのそれぞれの歩行特徴ベクトルを出力してもよい。
以上のように、本実施例におけるディープニューラルネットワークは、トレーニングプロセスでは、アイデンティティ情報及び類似度に基づき、フィルタパラメータを調整し、つまり、パラメータが調整される場合に、異なる歩行エネルギーマップの融合歩行特徴ベクトルだけではなく、歩行エネルギーマップに暗黙的に含まれるアイデンティティ情報が考慮される。このようにして、より識別性を持つ歩行特徴ベクトルをより効果的に抽出できる。また、融合歩行特徴ベクトルは、２つの歩行エネルギーマップの歩行特徴ベクトルによって決定されるため、融合歩行特徴ベクトルはそれに応じて識別性がより高くなり、より正確の類似度を得ることができる。
以下では、ディープニューラルネットワークをトレーニングする方法を説明する。
なお、ディープニューラルネットワークには複数のフィルタがあり、トレーニングの主な目的はフィルタパラメータを調整することである。したがって、ニューラルネットワークのトレーニング又は最適化のプロセスは、フィルタパラメータを調整して損失関数の損失値を最小化するプロセスとしても理解できる(損失値が小さいほど、対応する予測／出力結果は実際の結果に近くなる)。
既存のトレーニングプロセスでは、採用される損失関数は主に分類損失を反映している。つまり、２つの歩行エネルギーマップのカテゴリー(ここで、カテゴリーは異なる人々を区別することを指す)を判断し、抽出された同じ人物に対応する歩行特徴ベクトルができるだけ類似しており、抽出された異なる人物からの歩行特徴ベクトルができるだけ乖離していることを確保できないため、抽出された歩行特徴ベクトルが優れた識別性を持つことを保証できない。
上記の問題を解决するために、本出願の実施例によって提供されるトレーニングプロセスのトレーニング目標は、同じオブジェクトの異なる歩行エネルギーマップから抽出された歩行特徴ベクトルを近づけ、異なるオブジェクトの歩行エネルギーマップから抽出された歩行特徴ベクトルを乖離させることを含む。
同時に、本出願の実施例はさらに、トレーニングによって上記のトレーニング目標を達成するために、新しい損失関数を提供する。
上記の新しい損失関数は、アイデンティティ情報損失関数と、融合歩行特徴ベクトル損失関数とを含む。
図６及び図７は、上記の新しい損失関数に基づく例示的なトレーニングプロセスを示している。このプロセスには、少なくとも次のステップが含まれる。
ステップＳ６００は、トレーニングサンプルを取得する。
さらに、各トレーニングサンプルは、ｎ個のトレーニングサブサンプルを含むことができ、任意のトレーニングサブサンプルは、２つの(１対の)アイデンティティが既知のオブジェクトの歩行エネルギーマップを含むことができる。上記ｎは、正の整数であってもよい。
具体的に、ステップＳ６００は、前述の取得ユニット１１、又はトレーニングユニット１３、又はプロセッサ１によって実行され得る。
ステップＳ６０１は、ディープニューラルネットワークが、トレーニングサンプルにおける各トレーニングサブサンプルに対して、第２の歩行認識を実行する。
第２の歩行認識は、トレーニングサブサンプルにおける２つの歩行エネルギーマップのそれぞれのアイデンティティ情報、及び、上記の２つの歩行エネルギーマップの融合歩行特徴ベクトルを抽出し、少なくとも抽出された融合歩行特徴ベクトルに基づき、上記の２つの歩行エネルギーマップの類似度を計算することを含み得る。
第２の歩行認識は、前述の第１の歩行認識と同様であり、具体的に、詳細については、上記３０２Ａと３０２Ｂ部分に関する説明を参照されたい。ここで、繰り返さない。
ステップＳ６０１は、前述の歩行認識ユニット１２、又はトレーニングユニット１３、又はプロセッサ１によって実行され得る。
ステップＳ６０２は、歩行認識で抽出されたアイデンティティ情報に従って、アイデンティティ情報損失関数を使用して、トレーニングサンプルのアイデンティティ損失値を計算する。
さらに、アイデンティティ損失値が小さいほど、同じオブジェクトの異なる歩行エネルギーマップから抽出された歩行特徴ベクトルがより類似し、異なるオブジェクトの歩行エネルギーマップから抽出された歩行特徴ベクトルがより乖離することを示す。
ステップＳ６０３は、トレーニングサンプルの融合損失値を計算する。
ステップＳ６０２とステップＳ６０３の実行順序は、入れ替えてもよく、並列に実行してもよい。
ステップＳ６０４は、融合損失値とアイデンティティ損失値の加重和を求めて、トレーニングサンプルの最終的な損失値を取得する。
例えば、ａが融合損失値を表し、ｂがアイデンティティ損失値を表し、ｃが最終的な損失値を表すと、３つの関係は次のようになる。
ｃ＝ａ＋ηｕ・ｂ、又はｃ＝ηｃ・ａ＋ｂ、又はｃ＝ηｃ・ａ＋ηｕ・ｂ。
当業者は、必要に応じて、ηｕ、ηｃの値を柔軟に設計することができ、ここでは繰り返さない。
ステップＳ６０５は、少なくとも１つのトレーニングサンプルの最終的な損失値に基づき、ディープニューラルネットワークのフィルタパラメータを調整する。
実際に、時間を節約して効率を向上させるために、一般的は、複数のトレーニングサンプル(例えば、６４個のサンプル)をトレーニングした後、フィルタパラメータを1回調整する。即ち、各トレーニングサンプルの最終的な損失値を個別に計算した後、各最終的な損失値に基づきフィルタパラメータを調整することができる。
ステップＳ６０２から６０５は、前述のトレーニングユニット１３又はプロセッサ１によって実行され得る。
本実施例では、同じオブジェクトの異なる歩行エネルギーマップから抽出された歩行特徴ベクトルが類似しており、異なるオブジェクトの歩行エネルギーマップから抽出された歩行特徴ベクトルが乖離しているというトレーニング目標で、ディープニューラルネットワークをトレーニングし、抽出された同じ人物の歩行特徴ベクトルをできるだけ近づけ、抽出された異なる人物からの歩行特徴ベクトルをできるだけ乖離させることができ、これにより、抽出された歩行特徴ベクトルを良好に区別することができ、より正確な類似度を得ることができる。
前述の説明では、トレーニングサンプルは、ｎ個のトレーニングサブサンプルを含み得る。以下では、１つのトレーニングサンプルには３個のサブサンプルが含まれる(即ち、３対の歩行エネルギーマップが含まれる)ことを例として、トレーニングプロセスをより詳細に記載する。
１つのトレーニングサンプルには３個のサブサンプルが含まれる場合について、図８にトレーニングフレームワークを示している。図９は、上記の新しい損失関数に基づく例示的なトレーニングプロセスを示す。このプロセスは、少なくとも次のステップを含み得る。
ステップＳ９００は、トレーニングサンプルを取得する。
本実施例では、各トレーニングサンプルには、第１から第３のトレーニングサブサンプルが含まれ(第１及び第２、第３は、区別するためにのみ使用され、ディープニューラルネットワークへの入力の順序を表さない)、第１から第３のトレーニングサブサンプルの組み合わせ方式は、次の方式を含み得る。
第１の組み合わせ方式は、第１のトレーニングサブサンプルにおける２つの歩行エネルギーマップが同じオブジェクトに対応し、第２のトレーニングサブサンプルにおける２つの歩行エネルギーマップが異なるオブジェクトに対応し、第３のトレーニングサブサンプルにおける２つの歩行エネルギーマップが異なるオブジェクトに対応することである。
第２の組み合わせ方式は、第１のトレーニングサブサンプルにおける２つの歩行エネルギーマップが同じオブジェクトに対応し、第２のトレーニングサブサンプルの２つの歩行エネルギーマップが同一オブジェクトに対応し、第３のトレーニングサブサンプルにおける２つの歩行エネルギーマップが異なるオブジェクトに対応することである。
具体的に、ステップＳ９００は、前述の第１の取得ユニット１１、又はトレーニングユニット１３、又はプロセッサ１によって実行され得る。
ステップＳ９０１：ディープニューラルネットワークは、トレーニングサンプルにおける各トレーニングサブサンプルに対して、第２の歩行認識を実行する。
第２の歩行認識を実行する方法については、前述の３０２Ａと３０２Ｂ部分に関する説明を参照されたい。ここでは繰り返さない。
ステップＳ９０１は、前述の歩行認識ユニット１２、又はトレーニングユニット１３、又はプロセッサ１によって実行され得る。
ステップＳ９０２は、トレーニングサンプルにおける第１から第３のトレーニングサブサンプルの組み合わせ方式が上記の第１の組み合わせ方式である場合に、第１のアイデンティティ損失関数を使用して、当該トレーニングサンプルのアイデンティティ損失値を計算する。
第１のアイデンティティ損失関数は、次のようになる。
Figure 0007089045000001
ただし、Ｌｕはアイデンティティ損失値を表し、ηは係数を表し(値の範囲が０から１である)、
Figure 0007089045000002
はユークリッド距離を表し、
ｐ、ｇ、ｐ′、ｇ′、ｐ″及びｇ″は歩行エネルギーマップの識別子を表し、ＸｐとＸｇは、第１のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し(Ｘｐは第１の歩行エネルギーマップとも呼ばれ、Ｘｇは第２の歩行エネルギーマップとも呼ばれる)、Ｘｐ′とＸｇ′は第２のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し(Ｘｐ′は第３の歩行エネルギーマップとも呼ばれ、Ｘｇ′は第４の歩行エネルギーマップとも呼ばれる)、Ｘｐ″とＸｇ″は第３のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し(Ｘｐ″は第５の歩行エネルギーマップとも呼ばれ、Ｘｇ″は第６の歩行エネルギーマップとも呼ばれる)、そして、ＸｐとＸｐ′は同じオブジェクトに対応し、ＸｐとＸｐ″は異なるオブジェクトに対応し、
Ｕ(Ｘｐ)からＵ(Ｘｇ″)は各歩行エネルギーマップの歩行特徴ベクトルを表す。
なお、第１のアイデンティティ損失関数における
Figure 0007089045000003
は、第１のトレーニングサブサンプルにおける２つの歩行特徴ベクトルのユークリッド距離を表す。ＸｐとＸｇは同じオブジェクトに対応しているので、同じオブジェクトの異なる歩行エネルギーマップから抽出された歩行特徴ベクトルを近づけるためは、
Figure 0007089045000004
ができるだけ小さくなる(０に近い)ように、フィルタパラメータを調整する。
Ｘｐ′とＸｇ′は異なるオブジェクトに対応しているので、異なるオブジェクトの歩行エネルギーマップから抽出された歩行特徴ベクトルを乖離させるために、

Figure 0007089045000005
ができるだけ大きくなる(１に近い)ように、フィルタパラメータを調整する。
さらに、

Figure 0007089045000006
ができるだけ小さく、

Figure 0007089045000007
ができるだけ大きくなる場合、第１のアイデンティティ損失関数における

Figure 0007089045000008
も、できるだけ小さくなる。
同様に、


Figure 0007089045000009
ができるだけ小さく、

Figure 0007089045000010
ができるだけ大きい場合、第１のアイデンティティ損失関数における

Figure 0007089045000011
も、できるだけ小さくなる。
以上のように、上記の第１のアイデンティティ損失関数は、同じオブジェクトの異なる歩行エネルギーマップから抽出された歩行特徴ベクトルが類似しており、異なるオブジェクトの歩行エネルギーマップから抽出された歩行特徴ベクトルが乖離しているというトレーニング目標を反映している。
ステップＳ９０３は、トレーニングサンプルにおける第１から第３のトレーニングサブサンプルの組み合わせ方式が上記の第２の組み合わせ方式である場合に、第２のアイデンティティ損失関数を使用して、当該トレーニングサンプルのアイデンティティ損失値を計算する。
第２のアイデンティティ損失関数は、次のようになる。

Figure 0007089045000012
ただし、ＸｐとＸｐ′は同じオブジェクトに対応し、ＸｐとＸｐ″は異なるオブジェクトに対応する。
第２の組み合わせでは、ＸｐとＸｇは同じオブジェクトに対応し、Ｘｐ′とＸｇ′は同じオブジェクトに対応し、ＸｐとＸｐ″は異なるオブジェクトに対応するため、

Figure 0007089045000013
はできるだけ大きく、被減数として使用されることが望ましい。
第２のアイデンティティ損失関数は同様に、同じオブジェクトの異なる歩行エネルギーマップから抽出された歩行特徴ベクトルが類似しており、異なるオブジェクトの歩行エネルギーマップから抽出された歩行特徴ベクトルが乖離しているというトレーニング目標を反映している。
ステップＳ９０４は、融合歩行特徴ベクトル損失関数を使用して、トレーニングサンプルの融合損失値を計算する。
一例では、各トレーニングサブサンプルに対応する融合損失サブ値を計算し、次に、各トレーニングサブサンプルの融合損失サブ値を累積して、融合損失値を得ることができる。
融合歩行特徴ベクトル損失関数は、様々な表現形態を有する。
融合損失値としてクロスエントロピーが計算される場合、一例では、あるトレーニングサブサンプルの融合損失サブ値(クロスエントロピー)を計算する融合歩行特徴ベクトル損失関数は、次のようになる。
Ｌｃ＝-Ｐ(ｘａｂ)ｌｏｇＱ(ｘａｂ)。
ただし、ａ、ｂは、任意のトレーニングサブサンプルにおける１対の歩行エネルギーマップの識別子を表し、ｘａｂは当該トレーニングサブサンプルにおける１対の歩行エネルギーマップペアを表し、Ｐ(ｘａｂ)は当該１対の歩行エネルギーマップに対応するラベルの分布状況(実際結果／実際ラベル分布)を表し、Ｑ(ｘａｂ)はトレーニングされるディープニューラルネットワークの予測結果(予測された認識結果)を表す。
例えば、２つの歩行エネルギーマップａ及びｂが同じオブジェクトに対応する場合、実際のラベル分布は「１，０」であり、その中の「１」は、２つの歩行エネルギーマップが同じオブジェクトからのものである確率が１００％であることを表し、「０」は、２つの歩行エネルギーマップが異なるオブジェクトからのものである確率が０％であることを表す。
予測認識結果を「０.７，０.３」とすると、「１，０」と「０.７，０.３」のクロスエントロピーを求めることができる。
２つの歩行エネルギーマップａ及びｂが異なるオブジェクトに対応する場合、ラベルの実際分布は「０，１」であり、その中の「０」は、２つの歩行エネルギーマップが同じオブジェクトからのものである確率が０％であることを表し、「１」は、２つの歩行エネルギーマップが異なるオブジェクトからのものである確率が１００％であることを表す。
予測認識結果を「０.７，０.３」とすると、「０，１」と「０.７，０.３」のクロスエントロピーを求めることができる。
別の例では、融合歩行特徴ベクトル損失関数は、前述の異なる組み合わせによって、第１の融合歩行特徴ベクトル損失関数と第２の融合歩行特徴ベクトル損失関数を含み得る。
前述の第１の組み合わせに対応して、第１の融合歩行特徴ベクトル損失関数は、次のようになる。

Figure 0007089045000014
ただし、Ｌｃは融合損失値を表し、μとηｃは重み付け係数を表し、その値は０から１の間であり、δは緩和係数を表し、その値の範囲は０から１であり、||*|| +は、値を０と比較して、両方の大きい方を取ること、即ち、ｍａｘ(*，０)を表し、
ｘｐｇは歩行エネルギーマップｐ、ｇで構成される歩行エネルギーマップペアを表し、これによって類推して、ｘｐｇからｘｇｐ′は歩行エネルギーマップペアを表し、Ｃ(*)は２つの歩行エネルギーマップペアの間のラベル分布が同じである確率を計算するための確率計算関数である。
Ｃ(ｘｐｇ,ｘｐ″ｇ″)を例にとると、歩行エネルギーマップペアｘｐｇと歩行エネルギーマップペアｘｐ″ｇ″のラベル分布が同じである確率を計算し、Ｃ(ｘｐｇ,ｘｐｇ″)を例にとると、歩行エネルギーマップペアｘｐｇと歩行エネルギーマップペアｘｐｇ″のラベル分布が同じである確率を計算する。
前述の説明では、２つの歩行エネルギーマップが同じオブジェクトに対応する場合に、ラベル分布は「１，０」であり、さもなければ、ラベル分布は「０，１」である。
歩行エネルギーマップペアｘｐｇを例にとると、歩行エネルギーマップｐ、ｇが同じオブジェクトに対応する場合、ｘｐｇのラベル実際分布は「１，０」であり、歩行エネルギーマップｐ、ｇが異なるオブジェクトに対応する場合、ｘｐｇのラベル分布は「０，１」である。同様に、他の歩行エネルギーマップペアの実際ラベル分布を推測できる。
Ｄ[*]は、ユークリッド距離を表し、Ｄ[Ｃ(ｘｐｇ,ｘｐ″ｇ″),Ｃ(ｘｐｇ,ｘｐｇ″)]を例にとると、確率ａと確率ｂの距離を計算し、ここで、確率ａはｘｐｇとｘｐ″ｇ″のラベル分布が同じである確率を表し、確率ｂはｘｐｇとｘｐｇ″のラベル分布が同じである確率を表す。
理論的には、ｘｐｇとｘｐ″ｇ″のラベル分布が同じであり(例えば、いずれも「１，０」又は「０，１」である)、かつ、ｘｐｇとｘｐｇ″のラベル分布が同じである場合、Ｄ[Ｃ(ｘ ｐｇ,ｘ ｐ″ｇ″),Ｃ(ｘ ｐｇ,ｘ ｐｇ″)]は０である。
又は、ｘｐｇとｘｐ″ｇ″のラベル分布が異なり、かつ、ｘｐｇとｘｐ″ｇ″のラベル分布も異なる場合、Ｄ[Ｃ(ｘｐｇ,ｘｐ″ｇ″),Ｃ(ｘｐｇ,ｘｐｇ″)]は０である。
ｘｐｇとｘｐ″ｇ″のラベル分布が同じである(例えば、いずれも「１，０」又は「０，１」である)が、ｘｐｇとｘｐｇ″のラベル分布が異なる場合、又は、ｘｐｇとｘｐ″ｇ″のラベル分布が異なるが、ｘｐｇとｘｐｇ″のラベル分布が同じである場合、Ｄ[Ｃ(ｘ ｐｇ,ｘ ｐ″ｇ″),Ｃ(ｘ ｐｇ,ｘ ｐｇ″)]は大きければ大きいほど良い。
実際には、上記の第１の組み合わせでは、ｐ、ｇ、ｐ′は同じオブジェクトに対応し、「ｐ、ｇ′、ｐ″、ｇ″」、「ｇ、ｇ′、ｐ″、ｇ″」又は「ｇ′、ｐ″、ｇ″」は異なるオブジェクトに対応する。ｐ、ｇ、ｐ′から任意の２つの歩行エネルギーマップを選択して組み合わせて、ラベル分布が「１，０」である歩行エネルギーマップペアが得られる。同様に、「ｐ、ｇ′、ｐ″、ｇ″」、「ｇ、ｇ′、ｐ″、ｇ″」又は「ｇ′、ｐ″、ｇ″」から任意の２つの歩行エネルギーマップを選択して組み合わせて、ラベル分布が「０，１」である歩行エネルギーマップペアが得られる。歩行エネルギーマップペアの間のラベルの同じ又は異なる関係によって、それらをＣ関数における異なる位置に入力して、別の第１の融合歩行特徴ベクトル損失関数を取得することができる。
以上のように、Ｃ関数における２つの歩行エネルギーマップペアを１つの計算サンプルと見なすと、Ｄ[*]は２つの計算サンプルの間のラベル分布が同じである確率の距離を計算する。
トレーニングでは、次のようなトレーニング目標を達成するように、フィルタパラメータを調整する必要がある。
２つの計算サンプルについて、第１の計算サンプルにおける２つの歩行エネルギーマップペアのラベル実際分布が同じであって、第２の計算サンプルにおける２つの歩行エネルギーマップペアのラベル実際分布が異なる場合、第１の計算サンプルに対応する第１の確率と第２の計算サンプルに対応する第２の確率は乖離し、さもなければ、第１の確率と第２の確率は近づく。ここで、第１の確率は、第１の計算サンプルにおける２つの歩行エネルギーマップペアの間のラベル分布が同じである確率であり、第２の確率は、第２の計算サンプルにおける２つの歩行エネルギーマップペアの間のラベル分布が同じである確率である。
第２の組み合わせに対応して、トレーニング目標を満たす第２の融合歩行特徴ベクトル損失関数は、次のようになる。
Figure 0007089045000015
第２の組み合わせでは、ｐ、ｇ、ｐ′、ｇ′は同じオブジェクトからのものであり、「ｐ、ｐ″、ｇ″」又は「ｇ、ｐ″、ｇ″」は異なるオブジェクトに対応する。ｐ、ｇ、ｐ′、ｇ′から任意の２つの歩行エネルギーマップを選択して組み合わせて、ラベルが「１，０」である歩行エネルギーマップペアが得られる。同様に、「ｐ、ｐ″、ｇ″」又は「ｇ、ｐ″、ｇ″」から任意の２つの歩行エネルギーマップを選択して組み合わせて、ラベルが「０，１」である歩行エネルギーマップペアが得られる。歩行エネルギーペアの間のラベルの同じ又は異なる関係によって、それらをＣ関数における異なる位置に入力して、別の第２の融合歩行特徴ベクトル損失関数を取得する。
上記の融合歩行特徴ベクトル損失関数は、一方では、各組の歩行エネルギーマップを分類することができ、他方では、各２組の歩行エネルギーマップの特点に基づき、同じカテゴリーからのものである場合に、特徴ベクトルをできるだけ近づけ、異なるカテゴリーからのものである場合に、特徴ベクトルをできるだけ乖離させる。
ステップＳ９０５は、融合損失値とアイデンティティ損失値の加重和を求めて、トレーニングサンプルの最終的な損失値を得る。
ステップＳ９０５は、前述のＳ６０４と同様であるので、ここでは繰り返さない。
ステップＳ９０６は、少なくとも１つのトレーニングサンプルの最終的な損失値に基づき、ディープニューラルネットワークにおけるフィルタパラメータを調整する。
ステップＳ９０６は、前述のステップＳ６０５と同様であるので、ここでは繰り返さない。
ステップＳ９０２-９０５は、前述のトレーニングユニット１３又はプロセッサ１によって実行され得る。
なお、図８では、Ｆ１―Ｆ３は歩行エネルギーマップペアを表し、Ｄ(Ｃ(Ｆ１)，Ｃ(Ｆ２))におけるＤ(*)は距離を表し、Ｃは確率計算関数を表し、ＩＤ(＝)は、同じオブジェクトからの確率を表し、ＩＤ(≠)は、異なるオブジェクトからの確率を表す。
本実施例では、各トレーニングサブサンプルが入力された後、ディープニューラルネットワークを利用して各歩行エネルギーマップの歩行特徴ベクトルを抽出し、そして、それらを融合してから、損失関数を使用して、トレーニングされるディープニューラルネットワークを調整する。一方では、各組の歩行エネルギーマップを分類し、他方では、各２組の特点に基づき、同じカテゴリーからのものである場合、特徴ベクトルをできるだけ近づけ、異なるカテゴリーからのものである場合、特徴ベクトルをできるだけ乖離させる。ネットワークトレーニングが完了した後、トレーニング済みのディープニューラルネットワークを歩行認識に使用することができる。
本発明の実施例はさらに、ビデオ処理デバイスを保護請求する。当該ビデオ処理デバイスは、少なくとも、プロセッサと、メモリとを含む。当該プロセッサは、メモリに格納されたプログラムを実行し、他のデバイスを呼び出すことによって、上記のビデオ処理方法を実行する。
本発明の実施例はさらに、複数の命令が記憶される記憶媒体を保護請求する。命令は、本発明の任意の実施例によって提供されるビデオ処理方法におけるステップを実行するために、プロセッサによってロードされるように適合される。
歩行は一種の姿勢であるので、本発明の実施例は、姿勢認識を実現するためのイメージ処理方法、イメージ処理装置、イメージ処理デバイス及び記憶媒体を対象とすることができる。
上記のイメージ処理方法は、
アイデンティティが認識されるべきオブジェクトの第１の姿勢エネルギーマップ(又は、第１の姿勢マップ)を取得するステップと、
アイデンティティが既知のオブジェクトの第２の姿勢エネルギーマップ(又は、第２の姿勢マップ)を取得するステップと、
第１の姿勢エネルギーマップ及び第２の姿勢エネルギーマップをディープニューラルネットワークに入力して、第１の姿勢認識を行うステップと、を含み、
さらに、第１の姿勢認識は、
第１及び第２の姿勢エネルギーマップに対応するアイデンティティ情報を抽出し、前記第１の姿勢エネルギーマップ及び第２の姿勢エネルギーマップの姿勢特徴によって融合姿勢特徴ベクトルを決定するステップであって、前記第１の姿勢エネルギーマップのアイデンティティ情報が前記第１の姿勢エネルギーマップの姿勢特徴を含み、前記第２の姿勢エネルギーマップのアイデンティティ情報が前記第２の姿勢エネルギーマップの姿勢特徴を含むステップと、
少なくとも融合姿勢特徴ベクトルに基づき、第１の姿勢エネルギーマップと第２の姿勢エネルギーマップの類似度を計算するステップと、を含む。
本実施例におけるアイデンティティ情報、融合姿勢特徴ベクトルは、前記アイデンティティ情報及び融合歩行特徴ベクトルと同様であるので、ここでは繰り返さない。
なお、アイデンティティが認識されるべきオブジェクトは人間であってもよく、動物であってもよく、さらに、生命のない移動又は静止しているものであってもよい。
上記のイメージ処理装置は、ソフトウェア又はハードウェアの形でイメージ処理デバイスに適用されてもよい。具体的に、イメージ処理デバイスは、歩行認識サービスを提供するサーバー又はパーソナルコンピュータ(ＰＣ)であってもよく、例えば、デジタルカメラ、モバイル端末(例えば、スマートフォン)、ｉｐａｄなどの端末であってもよい。
ソフトウェアの形でイメージ処理デバイスに適用される場合、上記のイメージ処理装置は、独立したソフトウェアであってもよい。勿論、大規模システム(例えば、オペレーティングシステム)のサブシステム(サブコンポーネント)として使用して、歩行認識サービスを提供することもできる。
ハードウェアの形でイメージ処理デバイスに適用される場合、上記のイメージ処理装置は、例示的に、端末又はサーバーのコントローラ／プロセッサであってもよい。
上記のイメージ処理方法の他の適用シナリオは、図１０に例示的に示されている。イメージ処理デバイス１００１は、アイデンティティが認識されるべきオブジェクトの第１の姿勢エネルギーマップを取得し、データベース１００２におけるアイデンティティが既知のオブジェクトの第２の姿勢エネルギーマップに基づいて、第１の姿勢認識を行う。
なお、ディープニューラルネットワークニーズをトレーニングする必要がある場合に、上記のシナリオにはトレーニングデバイス１００３をさらに含んでもよい。勿論、トレーニングデバイス１００３の機能は、イメージ処理デバイス１００１によって実現されてもよい。トレーニングデバイス１００３は、ディープニューラルネットワークをトレーニングするために、又は、トレーニング用のサンプルを提供するために使用されることができる。
イメージ処理装置の例示的な構成は、図１１に示すように、２の取得ユニット１１１と、姿勢認識ユニット１１２とを含む。
ただし、第２の取得ユニット１１１は、アイデンティティが認識されるべきオブジェクトの第１の姿勢エネルギーマップを取得し、アイデンティティが既知のオブジェクトの第２の姿勢エネルギーマップを取得するために使用され、
姿勢認識ユニット１１２は、ディープニューラルネットワークを含み、当該ディープニューラルネットワークは、第２の取得ユニット１１１によって提供された第１の姿勢エネルギーマップ及び第２の姿勢エネルギーマップに対して、第１の姿勢認識を行う。
第１の姿勢認識については、前述の説明を参照されたい。ここでは、繰り返さない。
本発明の他の実施例では、図１１ｂを参照し、上記のイメージ処理装置は、トレーニングプロセスを実行するためのトレーニングユニット１１３をさらに含んでもよい。
トレーニングプロセスには、第２の姿勢認識が含まれ、第２の姿勢認識は、第１の姿勢認識と同様であるので、ここでは繰り返さない。
また、本実施例におけるトレーニングプロセスは、前述の実施例におけるトレーニングプロセスと同様であり、トレーニング目標は、前述の実施例におけるトレーニング目標と同様であり、式も同様であるので、ここでは繰り返さない。
イメージ処理デバイスの別の可能な構造の概略図について、図２ｃを参照することができ、ここでは繰り返さない。
本発明の実施例は、また、イメージ処理デバイスを保護請求する。当該イメージ処理デバイスは、少なくとも、プロセッサと、メモリとを含む。このプロセッサは、メモリに格納されたプログラムを実行し、他の装置を呼び出すことによって、上記のイメージ処理方法を実行する。
本発明の実施例はさらに、複数の命令が記憶される記憶媒体を保護請求する。命令は、本発明の実施例によって提供されるイメージ処理方法におけるステップを実行するために、プロセッサによってロードされるように適合される。
本明細書における各実施例は、漸進的に説明された。各実施例は、ともに他の実施例との違いを重要に説明して、各実施例の間の同じ又は類似する部分について、互いに参照することができる。実施例に開示された装置について、実施例に開示された方法に対応するため、説明は比較的簡単であり、関連部分については方法部分の説明を参照されたい。
専門家はさらに、本明細書に開示された実施例を結合して説明される各例におけるユニット及びアルゴリズムステップが、電子ハードウェア、コンピュータソフトウェア、又はそれらの組み合わせによって実現され得ることを理解することができる。ハードウェアとソフトウェアの互換性を明確に説明するために、上記の説明では、機能に従って、各例の構成及びステップを一般的に説明した。これらの機能がハードウェア又はソフトウェアのどちらで実行されるかは、技術的解決策の特定の適用及び設計制約条件に依存する。当業者は、特定の適用ごとに異なる方法を使用して、説明された機能を実現することができるが、このような実現は本発明の範囲を超えるものと見なされるべきではない。
本明細書に開示された実施例と結合して説明される方法又はアルゴリズムのステップは、ハードウェア、プロセッサによって実行されるソフトウェアユニット、又はそれらの組み合わせによって直接実施され得る。ソフトウェアユニットは、ランダムアクセスメモリ(ＲＡＭ)、メモリ、読み取り専用メモリ(ＲＯＭ)、電気的にプログラム可能なＲＯＭ、電気的に消去可能なプログラマブルＲＯＭ、レジスタ、ハードディスク、リムーバブルディスク、ＣＤ-ＲＯＭ、又は技術分野で知られている任意の他の形式の記憶媒体に配置できる。
開示された実施例に関する上記の説明は、当業者が本発明を実施又は使用することを可能にする。これらの実施例に対する様々な修正は当業者には明らかであり、本明細書で定義された一般的な原理は、本発明の精神又は範囲から逸脱することなく、他の実施例で実現することができる。したがって、本発明は、本明細書に示されるこれらの実施例に限定されず、本明細書に開示された原理及び新規の特徴と一致する最も広い範囲に適合すべきである。

Claims (16)

  1. メディア処理装置に適用されるメディア処理方法であって、
    処理対象ビデオを取得するステップであって、前記処理対象ビデオが、アイデンティティが認識されるべきオブジェクトを含むステップと、
    前記処理対象ビデオに基づき第１の歩行エネルギーマップを生成するステップと、
    第２の歩行エネルギーマップを取得するステップであって、前記第２の歩行エネルギーマップが、アイデンティティが既知のオブジェクトを含むビデオに基づき生成されるステップと、
    ディープニューラルネットワークに基づき、前記第１の歩行エネルギーマップ及び第２の歩行エネルギーマップに対して第１の歩行認識を実行するステップと、を含み、
    前記第１の歩行認識は、
    前記第１の歩行エネルギーマップ及び第２の歩行エネルギーマップのそれぞれに対応するアイデンティティ情報を抽出し、前記第１の歩行エネルギーマップ及び第２の歩行エネルギーマップの歩行特徴ベクトルによって融合歩行特徴ベクトルを決定するステップであって、前記第１の歩行エネルギーマップのアイデンティティ情報が前記第１の歩行エネルギーマップの歩行特徴ベクトルを含み、前記第２の歩行エネルギーマップのアイデンティティ情報が前記第２の歩行エネルギーマップの歩行特徴ベクトルを含むステップと、
    少なくとも前記融合歩行特徴ベクトルに基づき、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップの類似度を計算するステップと、
    を含むことを特徴とする方法。
  2. 少なくとも前記融合歩行特徴ベクトルに基づき、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップの類似度を計算するステップは、
    前記融合歩行特徴ベクトルに基づき、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップの第１の類似度を計算するステップと、
    前記第１の歩行エネルギーマップと第２の歩行エネルギーマップのそれぞれに対応するアイデンティティ情報に基づき、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップの第２の類似度を計算するステップと、
    前記第１の類似度と第２の類似度に基づき、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップの類似度を計算するステップと、を含むことを特徴とする請求項１に記載の方法。
  3. 前記ディープニューラルネットワークは、アイデンティティ情報抽出レイヤー及び融合歩行特徴ベクトル抽出レイヤーを含み、前記アイデンティティ情報抽出レイヤーは少なくとも第１の抽出レイヤー及び第２の抽出レイヤーを含み、
    前記第１の歩行エネルギーマップ及び第２の歩行エネルギーマップのそれぞれに対応するアイデンティティ情報を抽出し、前記第１の歩行エネルギーマップ及び第２の歩行エネルギーマップの歩行特徴ベクトルによって融合歩行特徴ベクトルを決定するステップは、
    前記第１の抽出レイヤーによって、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップのそれぞれに対応する第１のレベルの歩行特徴ベクトルを抽出するステップと、
    前記第１の歩行エネルギーマップと第２の歩行エネルギーマップのそれぞれに対応する第１のレベルの歩行特徴ベクトルに基づき、前記第２の抽出レイヤーによって、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップのそれぞれに対応する第２のレベルの歩行特徴ベクトルを抽出するステップと、
    前記融合歩行特徴ベクトル抽出レイヤーによって、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップのそれぞれに対応する第２のレベルの歩行特徴ベクトルを融合することで、第２のレベルの融合歩行特徴ベクトルを取得し、前記第２のレベルの融合歩行特徴ベクトルを前記融合歩行特徴ベクトルとするステップ、又は、
    前記融合歩行特徴ベクトル抽出レイヤーによって、前記第１の歩行エネルギーマップと第２の歩行エネルギーマップのそれぞれに対応する第１のレベルの歩行特徴ベクトルを融合することで第１のレベルの融合歩行特徴ベクトルを取得し、前記第１のレベルの融合歩行特徴ベクトルに基づき、第２のレベルの融合歩行特徴ベクトルを抽出して取得し、前記第２のレベルの融合歩行特徴ベクトルを前記融合歩行特徴ベクトルとするステップと、
    を含むことを特徴とする請求項１に記載の方法。
  4. 認識結果を取得するステップをさらに含み、
    前記認識結果は、前記類似度、又は、前記アイデンティティが認識されるべきオブジェクトと前記アイデンティティが既知のオブジェクトが同じオブジェクトに属するかどうかを示す情報を含む、ことを特徴とする請求項１に記載の方法。
  5. 前記ディープニューラルネットワークがトレーニングプロセスにおいて、アイデンティティ情報と融合歩行特徴ベクトルに基づきフィルタパラメータを調整するステップ、をさらに含み、
    前記トレーニングプロセスのトレーニング目標は、
    同じオブジェクトの異なる歩行エネルギーマップから抽出された歩行特徴ベクトルが類似することと、異なるオブジェクトの歩行エネルギーマップから抽出された歩行特徴ベクトルが乖離すること、を含む、ことを特徴とする請求項１に記載の方法。
  6. 前記トレーニングプロセスで使用される各トレーニングサンプルにｎ個のトレーニングサブサンプルが含まれ、何れの前記トレーニングサブサンプルにも、２つのアイデンティティが既知のオブジェクトの歩行エネルギーマップが含まれ、前記ｎは正の整数であり、
    前記トレーニングプロセスは、
    前記ディープニューラルネットワークを使用して、前記トレーニングサンプルにおける各トレーニングサブサンプルに対して第２の歩行認識を実行するステップであって、前記第２の歩行認識が、前記トレーニングサブサンプルにおける２つの歩行エネルギーマップのそれぞれのアイデンティティ情報及び前記２つの歩行エネルギーマップの融合歩行特徴ベクトルを抽出し、少なくとも抽出された融合歩行特徴ベクトルに基づき、前記２つの歩行エネルギーマップの類似度を計算することを含むステップと、
    前記第２の歩行認識にて抽出されたアイデンティティ情報に基づき、アイデンティティ情報損失関数を使用して、前記トレーニングサンプルのアイデンティティ損失値を計算するステップであって、前記アイデンティティ損失値が小さいほど、同じオブジェクトの異なる歩行エネルギーマップから抽出された歩行特徴ベクトルがより類似し、異なるオブジェクトの歩行エネルギーマップから抽出された歩行特徴ベクトルがより乖離することを示すステップと、
    融合歩行特徴ベクトル損失関数を使用して、前記トレーニングサンプルの融合損失値を計算するステップと、
    前記融合損失値とアイデンティティ損失値の加重和を求めて、前記トレーニングサンプルの最終的な損失値を得るステップと、
    少なくとも１つのトレーニングサンプルの最終的な損失値に基づき、前記ディープニューラルネットワークのフィルタパラメータを調整するステップと、
    を含むことを特徴とする請求項５に記載の方法。
  7. 前記ｎ＝３であり、前記トレーニングサンプルは、第１から第３のトレーニングサブサンプルを含み、前記第１から第３のトレーニングサブサンプルの組み合わせ方式は、第１の組み合わせ方式又は第２の組み合わせ方式を含み、
    前記第１の組み合わせ方式は、前記第１のトレーニングサブサンプルにおける２つの歩行エネルギーマップが同じオブジェクトに対応し、前記第２のトレーニングサブサンプルにおける２つの歩行エネルギーマップが異なるオブジェクトに対応し、前記第３のトレーニングサブサンプルにおける２つの歩行エネルギーマップが異なるオブジェクトに対応することであり、
    前記第２の組み合わせ方式は、前記第１のトレーニングサブサンプルにおける２つの歩行エネルギーマップが同じオブジェクトに対応し、前記第２のトレーニングサブサンプルにおける２つの歩行エネルギーマップが前記同じオブジェクトに対応し、前記第３のトレーニングサブサンプルにおける２つの歩行エネルギーマップが異なるオブジェクトに対応することである、ことを特徴とする請求項６に記載の方法。
  8. 前記第１から第３のトレーニングサブサンプルが前記第１の組み合わせ方式である場合に、前記アイデンティティ情報損失関数は、次の式を含み、

    Figure 0007089045000016
    ただし、Ｌｕはアイデンティティ損失値を表し、ηは係数を表し、

    Figure 0007089045000017
    はユークリッド距離を表し、
    ｐ、ｇ、ｐ′、ｇ′、ｐ″及びｇ″は歩行エネルギーマップの識別子を表し、ＸｐとＸｇは第１のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し、Ｘｐ′とＸｇ′は第２のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し、Ｘｐ″とＸｇ″は第３のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し、また、ＸｐとＸｐ′は同じオブジェクトに対応し、ＸｐとＸｐ″は異なるオブジェクトに対応し、
    Ｕ(Ｘｐ)からＵ(Ｘｇ″)は各歩行エネルギーマップの歩行特徴ベクトルを表す、ことを特徴とする請求項７に記載の方法。
  9. 前記第１から第３のトレーニングサブサンプルが前記第２の組み合わせ方式である場合に、前記アイデンティティ情報損失関数は、次の式を含み、
    Figure 0007089045000018
    ただし、Ｌｕはアイデンティティ損失値を表し、ηは係数を表し、

    Figure 0007089045000019
    はユークリッド距離を表し、
    ｐ、ｇ、ｐ′、ｇ′、ｐ″及びｇ″は歩行エネルギーマップの識別子を表し、ＸｐとＸｇは第１のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し、Ｘｐ′とＸｇ′は第２のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し、Ｘｐ″とＸｇ″は第３のトレーニングサブサンプルにおける１対の歩行エネルギーマップを表し、また、ＸｐとＸｐ′は同じオブジェクトに対応し、ＸｐとＸｐ″は異なるオブジェクトに対応し、
    Ｕ(Ｘｐ)からＵ(Ｘｇ″)は各歩行エネルギーマップの歩行特徴ベクトルを表す、ことを特徴とする請求項７に記載の方法。
  10. 前記トレーニング目標は、
    第１の計算サンプルにおける２つの歩行エネルギーマップペアの実際ラベル分布が同じであって、第２の計算サンプルにおける２つの歩行エネルギーマップペアの実際ラベル分布が異なる場合に、前記第１の計算サンプルに対応する第１の確率を第２の計算サンプルに対応する第２の確率から乖離させ、さもなければ、前記第１の確率を前記第２の確率に近づけることをさらに含み、
    前記第１の計算サンプルと第２の計算サンプルはそれぞれ、２つの歩行エネルギーマップペアを含み、
    前記第１の確率は、前記第１の計算サンプルにおける２つの歩行エネルギーマップペアの間のラベル分布が同じである予測確率であり、前記第２の確率は、前記第２の計算サンプルにおける２つの歩行エネルギーマップペアの間のラベル分布が同じである予測確率である、ことを特徴とする請求項８又は９に記載の方法。
  11. 前記第１から第３のトレーニングサブサンプルが前記第１の組み合わせ方式である場合に、前記融合歩行特徴ベクトル損失関数は、次の式を含み、

    Figure 0007089045000020
    ただし、Ｌｃは融合損失値を表し、μとηｃは重み付け係数を表し、δは緩和係数を表し、ｘｐｇからｘｇｐ′は各歩行エネルギーマップペアを表し、Ｐ(*)は１つの歩行エネルギーマップペアに対応する実際ラベル分布を表し、Ｑ(*)は前記ディープニューラルネットワークによる前記歩行エネルギーマップペアの予測結果を表し、Ｐ(*)ｌｏｇ Ｑ(*)は実際ラベル分布と予測結果に対してクロスエントロピーを求めることを表し、||*|| +は値を０と比較し、両方の大きい方を取ることを表し、Ｃ(*)は第１の計算サンプル又は第２の計算サンプルにおける２つの歩行エネルギーマップペアの間のラベル分布が同じである予測確率を計算するための確率計算関数であり、Ｄ[*]関数は第１の計算サンプルと第２の計算サンプルのユークリッド距離を計算するために使用される、ことを特徴とする請求項１０に記載方法。
  12. 前記第１から第３のトレーニングサブサンプルが前記第２の組み合わせ方式である場合に、前記融合歩行特徴ベクトル損失関数は、次の式を含み、

    Figure 0007089045000021
    ただし、Ｌｃは融合損失値を表し、μ及びηｃは重み付け係数を表し、δは緩和係数を表し、ｘｐｇからｘｇｐ′は各歩行エネルギーマップペアを表し、Ｐ(*)は１つの歩行エネルギーマップペアに対応する実際ラベル分布を表し、Ｑ(*)は前記ディープニューラルネットワークによる前記歩行エネルギーマップペアの予測結果を表し、Ｐ(*)ｌｏｇ Ｑ(*)は実際ラベル分布と予測結果に対してクロスエントロピーを求めることを表し、||*|| +は、値を０と比較し、両方の大きい方を取ることを表し、Ｃ(*)は第１の計算サンプル又は第２の計算サンプルにおける２つの歩行エネルギーマップペアの間のラベル分布が同じである予測確率を計算するための確率計算関数であり、Ｄ[*]関数は第１の計算サンプルと第２の計算サンプルのユークリッド距離を計算するために使用される、ことを特徴とする請求項１０に記載の方法。
  13. アイデンティティが認識されるべきオブジェクトの第１の姿勢エネルギーマップを取得するステップと、
    アイデンティティが既知のオブジェクトの第２の姿勢エネルギーマップを取得するステップと、
    ディープニューラルネットワークに基づき、前記第１の姿勢エネルギーマップ及び第２の姿勢エネルギーマップに対して第１の姿勢認識を行うステップと、
    をさらに含み、
    前記第１の姿勢認識は、
    前記第１の姿勢エネルギーマップ及び第２の姿勢エネルギーマップに対応するアイデンティティ情報を抽出し、前記第１の姿勢エネルギーマップ及び第２の姿勢エネルギーマップの姿勢特徴によって融合姿勢特徴ベクトルを決定するステップであって、前記第１の姿勢エネルギーマップのアイデンティティ情報が前記第１の姿勢エネルギーマップの姿勢特徴を含み、前記第２の姿勢エネルギーマップのアイデンティティ情報が前記第２の姿勢エネルギーマップの姿勢特徴を含むステップと、
    少なくとも前記融合姿勢特徴ベクトルに基づき、前記第１の姿勢エネルギーマップと第２の姿勢エネルギーマップの類似度を計算するステップと、
    を含むことを特徴とする請求項１に記載の方法。
  14. メディア処理装置であって、
    少なくともプロセッサとメモリを含み、
    前記メモリは、請求項１乃至１３のいずれか１項に記載のメディア処理方法を前記プロセッサに実行させるコンピュータプログラムを記憶していることを特徴とする装置。
  15. 複数の命令が記憶される記憶媒体であって、
    前記命令は、請求項１乃至１３のいずれか１項に記載のメディア処理方法を前記メディア処理装置のプロセッサに実行させることを特徴とする記憶媒体。
  16. コンピュータに、請求項１乃至１３のうちのいずれか１項に記載のメディア処理方法を実行させるためのコンピュータプログラム。
JP2020545244A 2018-04-12 2019-03-22 メディア処理方法、その関連装置及びコンピュータプログラム Active JP7089045B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201810327638.4 2018-04-12
CN201810327638.4A CN110378170B (zh) 2018-04-12 2018-04-12 视频处理方法及相关装置，图像处理方法及相关装置
PCT/CN2019/079156 WO2019196626A1 (zh) 2018-04-12 2019-03-22 媒体处理方法及相关装置

Publications (2)

Publication Number Publication Date
JP2021515321A JP2021515321A (ja) 2021-06-17
JP7089045B2 true JP7089045B2 (ja) 2022-06-21

Family

ID=68163919

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020545244A Active JP7089045B2 (ja) 2018-04-12 2019-03-22 メディア処理方法、その関連装置及びコンピュータプログラム

Country Status (5)

Country Link
US (1) US11335127B2 (ja)
EP (1) EP3779775B1 (ja)
JP (1) JP7089045B2 (ja)
CN (3) CN110443232B (ja)
WO (1) WO2019196626A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443232B (zh) * 2018-04-12 2022-03-25 腾讯科技（深圳）有限公司 视频处理方法及相关装置，图像处理方法及相关装置
CN111310587B (zh) * 2020-01-19 2023-04-28 中国计量大学 一种基于渐弱运动轨迹图的步态特征表示和特征提取方法
CN111340090B (zh) * 2020-02-21 2023-08-01 每日互动股份有限公司 图像特征比对方法及装置、设备、计算机可读存储介质
CN113657169B (zh) * 2021-07-19 2023-06-20 浙江大华技术股份有限公司 一种步态识别方法、装置、系统和计算机可读存储介质
CN114140873A (zh) * 2021-11-09 2022-03-04 武汉众智数字技术有限公司 一种基于卷积神经网络多层次特征的步态识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101571924A (zh) 2009-05-31 2009-11-04 北京航空航天大学 一种多区域特征融合的步态识别方法及系统
CN101630364A (zh) 2009-08-20 2010-01-20 天津大学 基于融合特征的步态信息处理与身份识别方法
CN101807245A (zh) 2010-03-02 2010-08-18 天津大学 基于人工神经网络的多源步态特征提取与身份识别方法
CN105574510A (zh) 2015-12-18 2016-05-11 北京邮电大学 一种步态识别方法及装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201113143D0 (en) * 2011-07-29 2011-09-14 Univ Ulster Gait recognition methods and systems
WO2013177060A2 (en) * 2012-05-20 2013-11-28 Trustees Of Boston University Methods and systems for monitoring, diagnosing, and treating chronic obstructive polmonary disease
CN103514432B (zh) * 2012-06-25 2017-09-01 诺基亚技术有限公司 人脸特征提取方法、设备和计算机程序产品
CN103942577B (zh) * 2014-04-29 2018-08-28 上海复控华龙微系统技术有限公司 视频监控中基于自建立样本库及混合特征的身份识别方法
CN104299012B (zh) * 2014-10-28 2017-06-30 银河水滴科技（北京）有限公司 一种基于深度学习的步态识别方法
WO2016065534A1 (zh) * 2014-10-28 2016-05-06 中国科学院自动化研究所 一种基于深度学习的歩态识别方法
CN104794449B (zh) * 2015-04-27 2017-11-28 青岛科技大学 基于人体hog特征的步态能量图获取及身份识别方法
US10014967B2 (en) * 2015-11-23 2018-07-03 Huami Inc. System and method for authenticating a broadcast device using facial recognition
CN106951753B (zh) * 2016-01-06 2020-08-21 北京三星通信技术研究有限公司 一种心电信号的认证方法和认证装置
CN106503687B (zh) * 2016-11-09 2019-04-05 合肥工业大学 融合人脸多角度特征的监控视频人物身份识别系统及其方法
CN106529499A (zh) * 2016-11-24 2017-03-22 武汉理工大学 基于傅里叶描述子和步态能量图融合特征的步态识别方法
CN106919921B (zh) * 2017-03-06 2020-11-06 重庆邮电大学 结合子空间学习与张量神经网络的步态识别方法及系统
CN107122711A (zh) * 2017-03-20 2017-09-01 东华大学 一种基于角度径向变换和质心的夜视视频步态识别方法
CN107085716B (zh) * 2017-05-24 2021-06-04 复旦大学 基于多任务生成对抗网络的跨视角步态识别方法
CN107590452A (zh) * 2017-09-04 2018-01-16 武汉神目信息技术有限公司 一种基于步态与人脸融合的身份识别方法及装置
CN107423730B (zh) * 2017-09-20 2024-02-13 湖南师范大学 一种基于语义折叠的人体步态行为主动检测识别系统和方法
CN110443232B (zh) * 2018-04-12 2022-03-25 腾讯科技（深圳）有限公司 视频处理方法及相关装置，图像处理方法及相关装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101571924A (zh) 2009-05-31 2009-11-04 北京航空航天大学 一种多区域特征融合的步态识别方法及系统
CN101630364A (zh) 2009-08-20 2010-01-20 天津大学 基于融合特征的步态信息处理与身份识别方法
CN101807245A (zh) 2010-03-02 2010-08-18 天津大学 基于人工神经网络的多源步态特征提取与身份识别方法
CN105574510A (zh) 2015-12-18 2016-05-11 北京邮电大学 一种步态识别方法及装置

Also Published As

Publication number Publication date
CN110472622A (zh) 2019-11-19
CN110443232A (zh) 2019-11-12
EP3779775A4 (en) 2021-12-29
EP3779775B1 (en) 2024-02-28
EP3779775A1 (en) 2021-02-17
CN110378170B (zh) 2022-11-08
CN110443232B (zh) 2022-03-25
JP2021515321A (ja) 2021-06-17
US20200320284A1 (en) 2020-10-08
WO2019196626A1 (zh) 2019-10-17
CN110378170A (zh) 2019-10-25
CN110472622B (zh) 2022-04-22
US11335127B2 (en) 2022-05-17

Similar Documents

Publication Publication Date Title
JP7089045B2 (ja) メディア処理方法、その関連装置及びコンピュータプログラム
WO2020221278A1 (zh) 视频分类方法及其模型的训练方法、装置和电子设备
CN109255352B (zh) 目标检测方法、装置及系统
US11232288B2 (en) Image clustering method and apparatus, electronic device, and storage medium
CN109543714B (zh) 数据特征的获取方法、装置、电子设备及存储介质
CN108304435B (zh) 信息推荐方法、装置、计算机设备及存储介质
US10402627B2 (en) Method and apparatus for determining identity identifier of face in face image, and terminal
CN110362677B (zh) 文本数据类别的识别方法及装置、存储介质、计算机设备
CN109145766B (zh) 模型训练方法、装置、识别方法、电子设备及存储介质
CN109635686B (zh) 结合人脸与外观的两阶段行人搜索方法
CN108491794B (zh) 面部识别的方法和装置
CN108269254B (zh) 图像质量评估方法和装置
CN111626371B (zh) 一种图像分类方法、装置、设备及可读存储介质
CN110717411A (zh) 一种基于深层特征融合的行人重识别方法
CN111739539B (zh) 确定说话人数量的方法、装置及存储介质
Chokkadi et al. A Study on various state of the art of the Art Face Recognition System using Deep Learning Techniques
WO2023123923A1 (zh) 人体重识别方法、人体重识别装置、计算机设备及介质
WO2019128564A1 (zh) 对焦方法、装置、存储介质及电子设备
CN111126159A (zh) 用于实时跟踪行人的方法、装置、电子设备和介质
CN116824641B (zh) 姿态分类方法、装置、设备和计算机存储介质
Hasan et al. Tiny head pose classification by bodily cues
KR20220058915A (ko) 이미지 검출 및 관련 모델 트레이닝 방법, 장치, 기기, 매체 및 프로그램
WO2022252519A1 (zh) 图像处理方法、装置、终端、介质和程序
Abayomi-Alli et al. Facial image quality assessment using an ensemble of pre-trained deep learning models (EFQnet)
CN115578749A (zh) 步态特征提取及其训练方法、步态识别方法及相关设备

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200924

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200828

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211005

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211221

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220201

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220415

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: 20220524

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220609

R150 Certificate of patent or registration of utility model

Ref document number: 7089045

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150