JP7098180B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP7098180B2 JP7098180B2 JP2020166856A JP2020166856A JP7098180B2 JP 7098180 B2 JP7098180 B2 JP 7098180B2 JP 2020166856 A JP2020166856 A JP 2020166856A JP 2020166856 A JP2020166856 A JP 2020166856A JP 7098180 B2 JP7098180 B2 JP 7098180B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- image data
- unit
- information processing
- recognizing
- 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
Landscapes
- Image Analysis (AREA)
Description
一態様の情報処理方法及び情報処理プログラムは、上述した一態様の情報処理装置と同様の効果を奏することができる。
本明細書では、「情報」の文言を使用しているが、「情報」の文言は「データ」と言い換えることができ、「データ」の文言は「情報」と言い換えることができる。
情報処理装置1は、カメラ部15で被写体101を撮像することにより画像データが生成された場合、例えば、その画像データに記録される被写体101を認識する等により、被写体101の特徴を取得する。なお、この場合、情報処理装置1には、被写体101(人物個人)を特定する情報が予め記憶されてなく、カメラ部15で生成される画像データに基づいて初めて被写体101(人物個人)を認識する。これにより、情報処理装置1は、ある人物と他の人物とを判別することが可能になる。
カメラ部15は、被写体101を撮像して画像データを生成する。カメラ部15は、複数あり、それぞれ異なる位置に配されてもよい。すなわち、複数のカメラ部15は、異なる位置を撮像するように配されてもよい。また、複数のカメラ部15は、同じ位置に配されて、異なる方向を撮像するようになっていてもよい。複数のカメラ部15の撮像範囲は、一部が重なっていてもよく、重なっていなくともよい。具体的な一例として、1つのカメラ部15は部屋の入口付近を撮像し、他のカメラ部15は部屋の内部(室内)を撮像することとしてもよい。カメラ部15は、動画を撮影して画像データ(動画データ)を生成してもよい。又は、カメラ部15は、時間的に連続して又は所定時間毎に静止画を撮影して画像データ(静止画データ)を生成してもよい。
取得部12は、カメラ部15によって生成された画像データに基づいて被写体101(人物)を認識するばかりでなく、情報処理装置1の外部に配される外部カメラ(図示せず)によって生成された画像データに基づいて被写体101(人物)を認識することとしてもよい。また、取得部12は、情報処理装置1の外部に配される記憶装置(例えば、サーバ等)(図示せず)に蓄積される画像データを取得し、その画像データに基づいて被写体101(人物)を認識することとしてもよい。
取得部12は、人物を認識する場合に、例えば、ResNet(Residual Network)を利用する。
従来のニューラルネットワークは、例えば、入力層と出力層との間に複数のConvolution層及びPooling層を備え、最終のConvolution層と出力層との間に結合層を備える。ニューラルネットワークは、Convolution層及びPooling層で求める最適な出力を学習するため、Convolution層及びPooling層を増やすことにより、より高度で複雑な特徴を抽出することができる。
ResNetは、図7に例示するように、ある1つのConvolution層Aの出力と、そのConvolution層Aへの入力とを後段のConvolution層Bが学習する。すなわち、ResNetは、例えば、層の入力を参照した残差関数を学習する。これにより、ResNetは、従来のニューラルネットワークよりも適切な出力を行うことができる。
図8に例示するように、取得部12は、ResNetを利用するブランチ(グローバル・ブランチ121及びローカル・ブランチ122))が並列に複数配され、各ブランチの出力が1つに結合されて、画像の推定結果を出力する。並列に配される複数のブランチは、例えば、3つであることが好ましい。実験の結果、並列に配される複数のブランチの数が4つ以上の場合、並列数が3つに比べて、出力の精度が劇的に向上しない。また、実験の結果並列に配される複数のブランチの数が2つ以下の場合、並列数が3つに比べて、出力の精度が向上しない。このため、実験の結果では、並列に配される複数のブランチは、例えば、3つであることが好ましい。
ソフトマックス損失は、入力画像の分類に影響を与えるため、損失が少ないほど入力画像(人物)の識別性能が向上する。
トリプレット損失は、入力画像を分類する際の計量に影響を与えるため、損失が少ないほど計量性能が向上する。ここで、トリプレット損失は、被写体101全体の画像におけるアンカー画像、正例画像及び負例画像それぞれの特徴ベクトル間の距離に関する損失である。ここで、正例画像に記録される人物は、アンカー画像に記録される被写体101である。負例画像に記録される人物は、アンカー画像に記録される被写体101とは異なる。
なお、本実施形態のResNetを実際に作製し、従来のニューラルネットワークを利用した人物の判定技術と比較すると、本実施形態のResNetは、従来の技術に比べて優れていること(より正確に被写体101(例えば、人物等)の推定ができること)を確認した。
上述した実施形態では、2つのローカル・ブランチ122が配される例について説明したが、この例に限定されることはない。例えば、ローカル・ブランチは122、1つ以上あってもよい。
一例として、取得部12は、画像Aに被写体101の上半身が記録され、その上半身のみでその被写体101が認識された後、画像Bにその被写体101の全身が記録され、その全身でその被写体101が認識された場合には、その被写体101を認識するための特徴をアップデートしてもよい。すなわち、取得部12は、画像Aに基づいて取得される被写体101の特徴から、画像Bに基づいて取得されるその被写体101の特徴にアップデートしてもよい。
なお、取得部12は、上述した例示の他にも、例えば、(1)~(4)の認識それぞれにおける同一の被写体として特定の可能性が数値(例えば、(1)の認識で80%、(2)の認識で70%、…等))で出力される場合、(1)~(4)の数値を相加平均した平均値が閾値以上の場合に、同一の被写体として特定することとしてもよい。
なお、重み付けは、ユーザが入力することにより取得部12に設定され、所定のタイミングで変更されてもよい。例えば、画像データに記録される被写体101の容姿(一例として、被写体101の顔)が不鮮明の場合には、容姿認識の重み付けを相対的に小さく変更し、他の認証の重み付けを相対的に大きく変更することとしてもよい。
なお、特定部13は、上述したマスクに限らず、衣服(例えば、上着及び帽子等)を脱いだ場合でも、同一の被写体101と特定することが可能である。
図5は、複数のカメラ部15が配される場合の、被写体101に対する所定の態様の情報、及び、被写体101の移動の軌跡103について説明するための図である。図5(A)は第1カメラ部で得られる画像の一例を示す図であり、図5(B)は第2カメラ部で得られる画像の一例を示す図である。
出力制御部14は、現在時刻により近い軌跡103の色を濃くし、現在時刻からより離れた軌跡103の色を薄くしてもよい。また、出力制御部14は、現在時刻から所定時間以上前の軌跡103を削除してもよい。
図6は、一実施形態に係る情報処理方法について説明するためのフローチャートである。
この場合、取得部12は、上述した(1)~(4)の認識に基づいて被写体101の特徴を取得する場合、認識した数が所定数(閾値)以上であると、同一の被写体101として特定することとしてもよい。
また、取得部12は、上述した(1)~(4)の認識それぞれに対して重み付けを設定し、重み付けが相対的に重く設定されたら認識事項を優先して被写体101の特徴を取得することとしてもよい。
ここで、例えば、特定部13は、複数のカメラ部15のうちの第1カメラ部で生成された第1画像データに基づいて取得した被写体101の特徴(被写体101の認識結果)と、第2カメラ部で生成された第2画像データに基づいて取得した被写体101の特徴(被写体101の認識結果)とが対応する場合に、その被写体101を同一の被写体として特定し、異なる画像データ間であっても同一の被写体101として追跡する。
情報処理装置1は、被写体101が記録される画像データに基づいて、被写体101の特徴を取得する取得部12と、取得部12によって取得された特徴に基づいて画像データ上の被写体101を特定して、被写体101の移動を追跡する特定部13と、特定部13によって追跡される被写体101に関する情報を出力するよう出力部を制御する出力制御部14と、を備える。この場合、取得部12は、(1)画像データに基づいて取得した被写体101の容姿を認識すること、(2)画像データに基づいて取得した被写体101の服装を認識すること、(3)画像データに基づいて取得した被写体101の関節位置と互いに隣接する関節位置の長さを認識すること、及び、(4)画像データ上の被写体101の歩容を認識することのうち、少なくとも1つに基づいて被写体101の特徴を取得する。
これにより、情報処理装置1は、被写体101を検出してその被写体101の移動を追跡することができる。また、情報処理装置1は、画像データから初めて被写体101を認識するので、予め被写体101を特定するためのデータを保有しておく必要がなく、認識処理の負荷を軽減することができる。また、情報処理装置1は、複数の被写体101が重なっている場合(カメラ部15に対して被写体101が前後にいる場合)でも、被写体101の重なりが解消された時点で被写体101(後ろにいる被写体)の認識を行うことができるので、それぞれの被写体101を特定することができる。また、情報処理装置1は、上述した(1)~(4)の認識事項の少なくとも1つに基づいて被写体101を認識するので、複数の画像データに被写体101が記録される場合でも、(1)~(4)の認識事項の少なくとも1つに基づいて、同一の被写体101か否かを特定することができる。すなわち、情報処理装置1は、上述した(1)~(4)のいずれかの認識の結果があいまいでも、他の認識結果に基づいて、同一の被写体101と認識することができる。
情報処理装置1は、第1画像データに基づいて被写体101を認識した結果と、第2画像データに基づいて被写体101を認識した結果とが対応していれば(一致していれば)、同一の被写体101として特定することができる。これにより、情報処理装置1は、複数のカメラ部15で異なる位置を撮像する場合でも、移動する被写体101の同一性を特定することができる。
これにより、情報処理装置1は、上述した(1)~(4)の認識事項のうち所定数(閾値)以上の認識事項が一致していれば、同一の被写体101として特定することができる。
これにより、情報処理装置1は、上述した(1)~(4)の認識事項に重み付けを設定することにより、重み付けが相対的に重く設定された認識事項について他の認識事項よりも注目して、被写体101の同一性を判断することができる。
これにより、情報処理装置1は、被写体101の特徴を正確に抽出することができる。取得部12は、例えば、画像に記録される被写体101と背景とを区別して、その被写体101の特徴を抽出することができる。その場合に、取得部12は、3つのブランチそれぞれで得られる特徴に基づいて、被写体101を特定(識別)することができる。
これにより、情報処理装置1は、同一の被写体101には1つの番号102を対応付けるので、複数のカメラ部15で異なる場所を撮像する場合でも、移動する同一の被写体101を特定することができる。
これにより、情報処理装置1は、同一の被写体101には同一の態様(例えば、軌跡の色及び軌跡を示す形状等)の軌跡103を対応付けるので、複数のカメラ部15で異なる場所を撮像する場合でも、移動する同一の被写体101を特定することができる。
これにより、情報処理方法は、被写体101を検出してその被写体101の移動を追跡することができる。また、情報処理方法は、画像データから初めて被写体101を認識するので、予め被写体101を特定するためのデータを保有しておく必要がなく、認識処理の負荷を軽減することができる。また、情報処理方法は、複数の被写体101が重なっている場合(カメラ部15に対して被写体101が前後にいる場合)でも、被写体101の重なりが解消された時点で被写体101(後ろにいる被写体)の認識を行うことができるので、それぞれの被写体101を特定することができる。また、情報処理方法は、上述した(1)~(4)の認識事項の少なくとも1つに基づいて被写体101を認識するので、複数の画像データに被写体101が記録される場合でも、(1)~(4)の認識事項の少なくとも1つに基づいて、同一の被写体101か否かを特定することができる。すなわち、情報処理方法は、上述した(1)~(4)のいずれかの認識の結果があいまいでも、他の認識結果に基づいて、同一の被写体101と認識することができる。
これにより、情報処理プログラムは、被写体101を検出してその被写体101の移動を追跡することができる。また、情報処理プログラムは、画像データから初めて被写体101を認識するので、予め被写体101を特定するためのデータを保有しておく必要がなく、認識処理の負荷を軽減することができる。また、情報処理プログラムは、複数の被写体101が重なっている場合(カメラ部15に対して被写体101が前後にいる場合)でも、被写体101の重なりが解消された時点で被写体101(後ろにいる被写体)の認識を行うことができるので、それぞれの被写体101を特定することができる。また、情報処理プログラムは、上述した(1)~(4)の認識事項の少なくとも1つに基づいて被写体101を認識するので、複数の画像データに被写体101が記録される場合でも、(1)~(4)の認識事項の少なくとも1つに基づいて、同一の被写体101か否かを特定することができる。すなわち、情報処理プログラムは、上述した(1)~(4)のいずれかの認識の結果があいまいでも、他の認識結果に基づいて、同一の被写体101と認識することができる。
情報処理プログラムは、上述した各機能をコンピュータに実現させることができる。情報処理プログラムは、外部メモリ又は光ディスク等の、コンピュータで読み取り可能な非一時的な記録媒体に記録されていてもよい。
また、上述したように、情報処理装置1の各部は、コンピュータの演算処理装置等で実現されてもよい。その演算処理装置等は、例えば、集積回路等によって構成される。このため、情報処理装置1の各部は、演算処理装置等を構成する回路として実現されてもよい。すなわち、情報処理装置1の取得部12、特定部13及び出力制御部14は、コンピュータの演算処理装置等を構成する取得回路、特定回路及び出力制御回路として実現されてもよい。
また、情報処理装置1のカメラ部15、並びに、記憶部16、通信部17及び表示部18(出力部)は、例えば、演算処理装置等の機能を含むカメラ機能、並びに、記憶機能、通信機能及び表示機能(出力機能)として実現されもよい。また、情報処理装置1のカメラ部15、並びに、記憶部16、通信部17及び表示部18(出力部)は、例えば、集積回路等によって構成されることによりカメラ回路、並びに、記憶回路、通信回路及び表示回路(出力回路)として実現されてもよい。また、情報処理装置1のカメラ部15、並びに、記憶部16、通信部17及び表示部18(出力部)は、例えば、複数のデバイスによって構成されることによりカメラ装置、並びに、記憶装置、通信装置及び表示装置(出力装置)として構成されてもよい。
12 取得部
13 特定部
14 出力制御部
15 カメラ部
16 記憶部
17 通信部
18 表示部
Claims (8)
- 被写体が記録される画像データに基づいて、被写体の特徴を取得する取得部と、
前記取得部によって取得された特徴に基づいて画像データ上の被写体を特定して、被写体の移動を追跡する特定部と、
前記特定部によって追跡される被写体に関する情報を出力するよう出力部を制御する出力制御部と、を備え、
前記取得部は、画像データに基づいて取得した被写体の容姿を認識すること、画像データに基づいて取得した被写体の服装を認識すること、画像データに基づいて取得した被写体の関節位置と互いに隣接する関節位置の長さを認識すること、及び、画像データ上の被写体の歩容を認識することのそれぞれを利用して被写体の同一性を認識し、それぞれの同一の被写体と認識される可能性の数値に基づいて相加平均を算出し、算出した結果が閾値以上の場合に同一の被写体と特定し、
さらに、前記取得部は、
被写体の全体の特徴を学習することに応じて生成された学習モデルと、画像データとに基づいて、被写体の全体の特徴を取得するグローバル・ブランチと、
被写体の局所的な特徴を学習することに応じて生成された学習モデルと、画像データとに基づいて、被写体の局所的な特徴を取得する複数のローカル・ブランチと、を備え、
前記複数のローカル・ブランチそれぞれは、粒度の異なる局所的な特徴を学習する
情報処理装置。 - 被写体を撮像して画像データを生成する、異なる位置に配される複数のカメラ部を備え、
前記特定部は、取得部によって前記複数のカメラ部のうちの1つのカメラ部としての第1カメラ部で生成された画像データとしての第1画像データに基づいて被写体の特徴を取得した場合、当該被写体の特徴を利用して、第1画像データに記録される被写体、及び、前記第1カメラ部を除く他のカメラ部で生成された画像データとしての第2画像データに記録される被写体を特定する
請求項1に記載の情報処理装置。 - 前記取得部は、画像データに基づいて取得した被写体の容姿を認識すること、画像データに基づいて取得した被写体の服装を認識すること、画像データに基づいて取得した被写体の関節位置と互いに隣接する関節位置の長さを認識すること、及び、画像データ上の被写体の歩容を認識することに基づいて被写体の特徴を取得し、認識した数が所定数以上の場合、同一の被写体として特定する
請求項1又は2に記載の情報処理装置。 - 前記取得部は、画像データに基づいて取得した被写体の容姿を認識すること、画像データに基づいて取得した被写体の服装を認識すること、画像データに基づいて取得した被写体の関節位置と互いに隣接する関節位置の長さを認識すること、及び、画像データ上の被写体の歩容を認識することのそれぞれに対して重み付けを設定し、重み付けが相対的に重く設定されたら認識事項を優先して被写体の特徴を取得する
請求項3に記載の情報処理装置。 - 前記出力部は、表示部であり、
前記出力制御部は、前記特定部によって特定される被写体に対して所定の態様の情報を対応付けて、被写体と所定の態様の情報とを表示するよう前記表示部を制御する
請求項1~4のいずれか1項に記載の情報処理装置。 - 前記出力制御部は、所定の態様の情報として被写体の移動の軌跡を示す画像を、その被写体の移動に応じて表示するよう前記表示部を制御する
請求項5に記載の情報処理装置。 - コンピュータが、
被写体が記録される画像データに基づいて、被写体の特徴を取得する取得ステップと、
前記取得ステップによって取得された特徴に基づいて画像データ上の被写体を特定して、被写体の移動を追跡する特定ステップと、
前記特定ステップによって追跡される被写体に関する情報を出力するよう出力ステップを制御する出力制御ステップと、を実行し、
前記取得ステップは、画像データに基づいて取得した被写体の容姿を認識すること、画像データに基づいて取得した被写体の服装を認識すること、画像データに基づいて取得した被写体の関節位置と互いに隣接する関節位置の長さを認識すること、及び、画像データ上の被写体の歩容を認識することのそれぞれを利用して被写体の同一性を認識し、それぞれの同一の被写体と認識される可能性の数値に基づいて相加平均を算出し、算出した結果が閾値以上の場合に同一の被写体と特定し、
さらに、前記取得ステップは、
被写体の全体の特徴を学習することに応じて生成された学習モデルと、画像データとに基づいて、被写体の全体の特徴を取得するグローバル・ブランチと、
被写体の局所的な特徴を学習することに応じて生成された学習モデルと、画像データとに基づいて、被写体の局所的な特徴を取得する複数のローカル・ブランチと、を備え、
前記複数のローカル・ブランチそれぞれは、粒度の異なる局所的な特徴を学習する
情報処理方法。 - コンピュータに、
被写体が記録される画像データに基づいて、被写体の特徴を取得する取得機能と、
前記取得機能によって取得された特徴に基づいて画像データ上の被写体を特定して、被写体の移動を追跡する特定機能と、
前記特定機能によって追跡される被写体に関する情報を出力するよう出力機能を制御する出力制御機能と、を実現させ、
前記取得機能は、画像データに基づいて取得した被写体の容姿を認識すること、画像データに基づいて取得した被写体の服装を認識すること、画像データに基づいて取得した被写体の関節位置と互いに隣接する関節位置の長さを認識すること、及び、画像データ上の被写体の歩容を認識することのそれぞれを利用して被写体の同一性を認識し、それぞれの同一の被写体と認識される可能性の数値に基づいて相加平均を算出し、算出した結果が閾値以上の場合に同一の被写体と特定し、
さらに、前記取得機能は、
被写体の全体の特徴を学習することに応じて生成された学習モデルと、画像データとに基づいて、被写体の全体の特徴を取得するグローバル・ブランチと、
被写体の局所的な特徴を学習することに応じて生成された学習モデルと、画像データとに基づいて、被写体の局所的な特徴を取得する複数のローカル・ブランチと、を備え、
前記複数のローカル・ブランチそれぞれは、粒度の異なる局所的な特徴を学習する
情報処理プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020072745 | 2020-04-15 | ||
JP2020072745 | 2020-04-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021170307A JP2021170307A (ja) | 2021-10-28 |
JP7098180B2 true JP7098180B2 (ja) | 2022-07-11 |
Family
ID=78150104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020166856A Active JP7098180B2 (ja) | 2020-04-15 | 2020-10-01 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7098180B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010257451A (ja) | 2009-03-31 | 2010-11-11 | Sogo Keibi Hosho Co Ltd | 人物検索装置、人物検索方法、及び人物検索プログラム |
JP2012079348A (ja) | 2012-01-23 | 2012-04-19 | Mitsubishi Electric Information Systems Corp | 人物特定装置、人物特定方法及び人物特定プログラム |
JP2018032950A (ja) | 2016-08-23 | 2018-03-01 | キヤノン株式会社 | 情報処理装置及びその方法、コンピュータプログラム |
JP2018125587A (ja) | 2017-01-30 | 2018-08-09 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2018526723A (ja) | 2015-07-09 | 2018-09-13 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | 画像中のオブジェクト検出のためのコンテキストベースの事前分布 |
-
2020
- 2020-10-01 JP JP2020166856A patent/JP7098180B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010257451A (ja) | 2009-03-31 | 2010-11-11 | Sogo Keibi Hosho Co Ltd | 人物検索装置、人物検索方法、及び人物検索プログラム |
JP2012079348A (ja) | 2012-01-23 | 2012-04-19 | Mitsubishi Electric Information Systems Corp | 人物特定装置、人物特定方法及び人物特定プログラム |
JP2018526723A (ja) | 2015-07-09 | 2018-09-13 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | 画像中のオブジェクト検出のためのコンテキストベースの事前分布 |
JP2018032950A (ja) | 2016-08-23 | 2018-03-01 | キヤノン株式会社 | 情報処理装置及びその方法、コンピュータプログラム |
JP2018125587A (ja) | 2017-01-30 | 2018-08-09 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021170307A (ja) | 2021-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10885372B2 (en) | Image recognition apparatus, learning apparatus, image recognition method, learning method, and storage medium | |
JP5008269B2 (ja) | 情報処理装置、情報処理方法 | |
JP4241763B2 (ja) | 人物認識装置及びその方法 | |
JP4650669B2 (ja) | 動体認識装置 | |
US9224037B2 (en) | Apparatus and method for controlling presentation of information toward human object | |
JP5459674B2 (ja) | 移動物体追跡システムおよび移動物体追跡方法 | |
CN107438173A (zh) | 视频处理装置、视频处理方法和存储介质 | |
Hasan et al. | Robust pose-based human fall detection using recurrent neural network | |
JP5001930B2 (ja) | 動作認識装置及び方法 | |
CN112989889B (zh) | 一种基于姿态指导的步态识别方法 | |
JP7422456B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP7484985B2 (ja) | 認証システム、認証方法、及び、プログラム | |
JP7518609B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
Li et al. | Robust multiperson detection and tracking for mobile service and social robots | |
US9036920B2 (en) | Method of detecting feature points of an object in a system for motion detection | |
JPWO2020065954A1 (ja) | 認証装置、認証方法、認証プログラムおよび記録媒体 | |
JP2021060866A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP6876312B1 (ja) | 学習モデル生成方法、コンピュータプログラム及び情報処理装置 | |
Uddin et al. | A thermal camera-based activity recognition using discriminant skeleton features and rnn | |
JP7098180B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JPWO2020049636A1 (ja) | 識別システム、モデル提供方法およびモデル提供プログラム | |
KR20230077560A (ko) | 전시관 맞춤형 서비스 제공 장치 및 이의 제어 방법 | |
Bhuiyan et al. | Person re-identification using robust brightness transfer functions based on multiple detections | |
De Beugher et al. | Semi-automatic hand annotation making human-human interaction analysis fast and accurate | |
CN114359646A (zh) | 一种视频分析方法、装置、系统、电子设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201001 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220106 |
|
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: 20220531 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220622 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7098180 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |