JPH0291778A - パターン認識方法 - Google Patents
パターン認識方法Info
- Publication number
- JPH0291778A JPH0291778A JP1204568A JP20456889A JPH0291778A JP H0291778 A JPH0291778 A JP H0291778A JP 1204568 A JP1204568 A JP 1204568A JP 20456889 A JP20456889 A JP 20456889A JP H0291778 A JPH0291778 A JP H0291778A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- radial
- silhouette
- unknown
- vectors
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000013598 vector Substances 0.000 claims abstract description 135
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 210000000078 claw Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- 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
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
(産業上の利用分野)
本発明は広くはパターン認識に関し、更に詳しくは、未
知の物体のシルエットを既知の物体のシルエットに付き
合わせる(マツチングを行なう)ことによって物体の分
類を行なう方法に関する。
知の物体のシルエットを既知の物体のシルエットに付き
合わせる(マツチングを行なう)ことによって物体の分
類を行なう方法に関する。
(背景技術)
物体の認識は、その物体の顕著な特徴を利用して行なう
ことができる。多くの場合に有用な、その種の特徴のう
ちの1つに、可視光ないし赤外線を感知する装置によっ
て記録された物体のシルエットがある。ある未知の物体
のシルエットが既に同定されている物体のシルエットと
一致し得るならば、この未同定の物体はその既知の物体
と同一の分類に属すものであると結論することができる
。シルエットというものは2次元パターンと同等である
ため、公知のパターンeマツチング法を利用することが
できる。
ことができる。多くの場合に有用な、その種の特徴のう
ちの1つに、可視光ないし赤外線を感知する装置によっ
て記録された物体のシルエットがある。ある未知の物体
のシルエットが既に同定されている物体のシルエットと
一致し得るならば、この未同定の物体はその既知の物体
と同一の分類に属すものであると結論することができる
。シルエットというものは2次元パターンと同等である
ため、公知のパターンeマツチング法を利用することが
できる。
公知の方法のうちの1つに、シルエットを小さな要素、
即ち「ピクセル(画素)」に分割するという方法がある
。所定の割合を占める対応するピクセルどうしの内容が
互いに同一である場合に、既知のシルエットと未知のシ
ルエットとが一致していると見なされるようになってい
る。この方法は計算処理に関しては簡明な方法であるが
、しかしながら比較されている双方のシルエットが互い
に重なり合っていない場合には、その件部が低下する。
即ち「ピクセル(画素)」に分割するという方法がある
。所定の割合を占める対応するピクセルどうしの内容が
互いに同一である場合に、既知のシルエットと未知のシ
ルエットとが一致していると見なされるようになってい
る。この方法は計算処理に関しては簡明な方法であるが
、しかしながら比較されている双方のシルエットが互い
に重なり合っていない場合には、その件部が低下する。
この方法は更に、未知の物体の画像の大きさが既知の物
体の画像の大きさと異なる場合(このような事態は、そ
れらの画像が物体から夫々に異なった距離に置かれた装
置によって生成されたときに生じることがある)にも、
その性能が低下する。これとは別の方法に、既知の画像
の2次元フーリエ変換を未知のシルエットの2次元フー
リエ変換と比較するという方法もあり、この方法は既知
のシルエットの向きと未知のシルエットの向きとが異な
っていても良好に機能する。しかしながらこのような方
法は、はるかに多量の計算処理を必要とするゆ (発明の概要) 本発明の目的は、未知の物体のシルニー/ トを含む画
像を既知のシルエットを含む画像と付き合わせることに
よって、物体の分類を行なう手段を提供することにある
。
体の画像の大きさと異なる場合(このような事態は、そ
れらの画像が物体から夫々に異なった距離に置かれた装
置によって生成されたときに生じることがある)にも、
その性能が低下する。これとは別の方法に、既知の画像
の2次元フーリエ変換を未知のシルエットの2次元フー
リエ変換と比較するという方法もあり、この方法は既知
のシルエットの向きと未知のシルエットの向きとが異な
っていても良好に機能する。しかしながらこのような方
法は、はるかに多量の計算処理を必要とするゆ (発明の概要) 本発明の目的は、未知の物体のシルニー/ トを含む画
像を既知のシルエットを含む画像と付き合わせることに
よって、物体の分類を行なう手段を提供することにある
。
本発明の更なる目的は、計算処理に関して簡明であり、
しかもシルエットどうしが正確に重なり合っていない場
合にも、またそれらのシルエットの大きさが互いに異な
っている場合にも効果的に機能する物体分類方法を提供
することにある。
しかもシルエットどうしが正確に重なり合っていない場
合にも、またそれらのシルエットの大きさが互いに異な
っている場合にも効果的に機能する物体分類方法を提供
することにある。
本発明の以上の目的並びにその他の目的は、デジタル化
された画像から未知の物体のシルエットを生成するステ
ップと、この未知の物体のシルエットを標準化すること
によって、同様に標準化された既知の物体のノ^準シル
エットとの比較に適した形にするステップと、この標準
化された未知の物体の画像を、標準化された基準と比較
するステップとを含む手順によって、達成することがで
きる。
された画像から未知の物体のシルエットを生成するステ
ップと、この未知の物体のシルエットを標準化すること
によって、同様に標準化された既知の物体のノ^準シル
エットとの比較に適した形にするステップと、この標準
化された未知の物体の画像を、標準化された基準と比較
するステップとを含む手順によって、達成することがで
きる。
以下の更に詳細な説明を添付図面と共に参照することに
より、本発明を更に明瞭に理解することができよう。
より、本発明を更に明瞭に理解することができよう。
(実施例)
パターン認識法は多くの用途を持つものである。本発明
を説明するという目的に鑑み、ここでは、パターンは、
船舶ないし航空機のシルエットを含む画像を表わすもの
として説明することにする。当業者には理解されるよう
に、パターンのもとどなっているそれらの船舶や航空機
は単に例として挙げられているだけであり、本発明は認
識しようとしているパターンの具体的な種類の如何にか
かわらず機イ侶するものである。
を説明するという目的に鑑み、ここでは、パターンは、
船舶ないし航空機のシルエットを含む画像を表わすもの
として説明することにする。当業者には理解されるよう
に、パターンのもとどなっているそれらの船舶や航空機
は単に例として挙げられているだけであり、本発明は認
識しようとしているパターンの具体的な種類の如何にか
かわらず機イ侶するものである。
さて第1図に関し、同図には撮像装置lOが、そΩ焦点
を未知の船舶14に合わせられた状態で示されている。
を未知の船舶14に合わせられた状態で示されている。
この撮像装置lOは、可視光或いは赤外線を利用して画
像を形成するようにした、公知のいかなる装置であって
も良い、未知の船舶14の画像はデジタイザ20によっ
てデジタル化される。このデジタル化画像はデジタル・
コンピュータ12へ伝送され、このコンピュータ12に
おいて、第2図に図示し以下に説明するところの方法に
従った処理が実行される。この処理の一部として、この
デジタル化画像をメモリ18に格納されている既知の船
舶のシルエットと比較することが行なわれる。この比較
の結果は、例えば陰極Vj管(cRT)等の、操作者が
この比較結果を読取れるようにするための利用装置11
へ送られる。撮像装置lO1画像デジタイザ20、デジ
タル自コンピュータ12、及びメモリ18は、デジタル
化画像を生成し処理するためのものとしてち業界におい
て公知となっている、いかなる装置であっても良い。
像を形成するようにした、公知のいかなる装置であって
も良い、未知の船舶14の画像はデジタイザ20によっ
てデジタル化される。このデジタル化画像はデジタル・
コンピュータ12へ伝送され、このコンピュータ12に
おいて、第2図に図示し以下に説明するところの方法に
従った処理が実行される。この処理の一部として、この
デジタル化画像をメモリ18に格納されている既知の船
舶のシルエットと比較することが行なわれる。この比較
の結果は、例えば陰極Vj管(cRT)等の、操作者が
この比較結果を読取れるようにするための利用装置11
へ送られる。撮像装置lO1画像デジタイザ20、デジ
タル自コンピュータ12、及びメモリ18は、デジタル
化画像を生成し処理するためのものとしてち業界におい
て公知となっている、いかなる装置であっても良い。
次に第2図について説明すると、この第2図に示されて
いる処理は、デジタル壷イクイップメント[相]コーポ
レーション(Digital Equipment。
いる処理は、デジタル壷イクイップメント[相]コーポ
レーション(Digital Equipment。
Corporation、 Maynard、 MaS
SachuSettS)が製造しているVAX−11/
780型等の汎用デジタル・コンピュータをプログラミ
ングすることによって実行されるものである。第2図の
フローダイヤグラムの中の、例えば要素30等の、以下
に「処理ブロック」と言い表わされる矩形の要素は、汎
用デジタル・コンピュータ12(第2図)によって実行
される単一の命令、或いは1つのグループをなすコンピ
ュータ・ソフトウェア命令群を表わすものである。例え
ば要素44等の、以下に「判断ブロック」と言い表わさ
れるひし形の要素は、何らかの条件を評価してその条件
に関する複数の処理ブロックの実行の順序に影響を与え
るコンピュータ・ソフトウェア命令群を表わすものであ
る。例えばメモリ18等の、底部が波形とされている要
素は、汎用デジタル・コンピュータ12(第1図)がア
クセスすることのできるハードウェアφメモリに格納さ
れた情報を表わすものである。メモリを図中に明示する
のは大量の情報が格納される場合に限り1例えばプログ
ラム変数の格納等のように大多数のコンピューターソフ
トウェア・プログラムにおいて一般的に行なわれている
メモリ利用については図中には明示しない。
SachuSettS)が製造しているVAX−11/
780型等の汎用デジタル・コンピュータをプログラミ
ングすることによって実行されるものである。第2図の
フローダイヤグラムの中の、例えば要素30等の、以下
に「処理ブロック」と言い表わされる矩形の要素は、汎
用デジタル・コンピュータ12(第2図)によって実行
される単一の命令、或いは1つのグループをなすコンピ
ュータ・ソフトウェア命令群を表わすものである。例え
ば要素44等の、以下に「判断ブロック」と言い表わさ
れるひし形の要素は、何らかの条件を評価してその条件
に関する複数の処理ブロックの実行の順序に影響を与え
るコンピュータ・ソフトウェア命令群を表わすものであ
る。例えばメモリ18等の、底部が波形とされている要
素は、汎用デジタル・コンピュータ12(第1図)がア
クセスすることのできるハードウェアφメモリに格納さ
れた情報を表わすものである。メモリを図中に明示する
のは大量の情報が格納される場合に限り1例えばプログ
ラム変数の格納等のように大多数のコンピューターソフ
トウェア・プログラムにおいて一般的に行なわれている
メモリ利用については図中には明示しない。
当業者には気付かれるように、諸変数やループ(それに
コンピュータ・ソフトウェアψプログラムのその他の標
準的な要素)の初期化については図中に明示していない
。
コンピュータ・ソフトウェアψプログラムのその他の標
準的な要素)の初期化については図中に明示していない
。
処理ブロック30においては、公知のアルゴリズムない
しアルゴリズムの組合わせに従って未知の船舶14(第
1図)のシルエットの抽出が行なわれる。例を挙げるな
らば、ウィリアム−に−プラット箸「デジタル画像処理
J (Digital L+eageProcess
ing by William K、 Pra
tt、 published b7John Wil
ey & 5ons、 Inc、、197B )の第3
22頁〜第326頁に記載されているエツジ強調のため
のアルゴリズム、並びに同参考文献の第542頁〜第5
45頁に記載されているエッジーセグメンテーシ摺ンの
ためのアルゴリズム等を利用することができる。ただし
、当業者には理解されるように、その他のアルゴリズム
を用いてこの未知の船舶14(第1図)のシルエットを
抽出することも可能である。
しアルゴリズムの組合わせに従って未知の船舶14(第
1図)のシルエットの抽出が行なわれる。例を挙げるな
らば、ウィリアム−に−プラット箸「デジタル画像処理
J (Digital L+eageProcess
ing by William K、 Pra
tt、 published b7John Wil
ey & 5ons、 Inc、、197B )の第3
22頁〜第326頁に記載されているエツジ強調のため
のアルゴリズム、並びに同参考文献の第542頁〜第5
45頁に記載されているエッジーセグメンテーシ摺ンの
ためのアルゴリズム等を利用することができる。ただし
、当業者には理解されるように、その他のアルゴリズム
を用いてこの未知の船舶14(第1図)のシルエットを
抽出することも可能である。
処理ブロック32においては、シルエットがベクトル化
されて、第3図に示すような垂直ベクトル74の集合が
形成される。第3図は、視野の中にある未知の船舶14
(第1図)のシルエット72を描き出しているN木の垂
直ベクトル74の集合のうちの、数本の垂直ベクトルを
例示している。各々の垂直ベクトル74は、Xの値とY
の値とを表わす一対の数字によって表わされる。第3図
から分るように、垂直ベクトル74はシルエット72の
下縁から上縁まで延伸している。第3図に関して注意す
べきことは、垂直ベクトル74の発する位置はX軸方向
に等間隔をなしているということである。それらの垂直
ベクトル74がX軸方向に等間隔とされているために、
それらの合計本数NはシルエットのX軸方向の長さに応
じて異なってくる。それらのベクトルの高さ、即ちそれ
らの垂直ベクトルの長さは、各々のxa霞におけるシル
エット72の下縁と上縁との間の距離に応じて定まるも
のである。
されて、第3図に示すような垂直ベクトル74の集合が
形成される。第3図は、視野の中にある未知の船舶14
(第1図)のシルエット72を描き出しているN木の垂
直ベクトル74の集合のうちの、数本の垂直ベクトルを
例示している。各々の垂直ベクトル74は、Xの値とY
の値とを表わす一対の数字によって表わされる。第3図
から分るように、垂直ベクトル74はシルエット72の
下縁から上縁まで延伸している。第3図に関して注意す
べきことは、垂直ベクトル74の発する位置はX軸方向
に等間隔をなしているということである。それらの垂直
ベクトル74がX軸方向に等間隔とされているために、
それらの合計本数NはシルエットのX軸方向の長さに応
じて異なってくる。それらのベクトルの高さ、即ちそれ
らの垂直ベクトルの長さは、各々のxa霞におけるシル
エット72の下縁と上縁との間の距離に応じて定まるも
のである。
第2図の処理ブロック34においては、未知の船舶14
(第1図)のシルエットを描き出している垂直ベクトル
74(第3図)に対して、シルエットの上縁の線、この
例では未知の船舶の船楼の外郭線であるが、この線に沿
った変動のみが表わされるように、調整が加えられる。
(第1図)のシルエットを描き出している垂直ベクトル
74(第3図)に対して、シルエットの上縁の線、この
例では未知の船舶の船楼の外郭線であるが、この線に沿
った変動のみが表わされるように、調整が加えられる。
この処理ブロック34においては、船舶中央部における
最小ベクトル76(第3図)が同定される。このベクト
ル76は、以下にrVNJでも表わされるものであるが
、全ての6直ベクトル(ただしこの画像の左端の例えば
4パ一セント程度の少数の垂直ベクトル、並びにこの画
像の右端の例えば4パ一セント程度の少数の垂直ベクト
ルを除いたもの)のうちの最短のベクトルとして同定さ
れる。続いて全ての6直ベクトルに対して、このVNの
大きさを減じるという調整が加えられる。調整を加えら
れたベクトルの集合の、その各々の要素を、以下にU(
X)で表わすことにする。以上に替えて、処理ブロック
34で実行されるこの処理を省略し、以降の処理におい
ては標準化された垂直ベクトル74が用いられるように
しても良い。
最小ベクトル76(第3図)が同定される。このベクト
ル76は、以下にrVNJでも表わされるものであるが
、全ての6直ベクトル(ただしこの画像の左端の例えば
4パ一セント程度の少数の垂直ベクトル、並びにこの画
像の右端の例えば4パ一セント程度の少数の垂直ベクト
ルを除いたもの)のうちの最短のベクトルとして同定さ
れる。続いて全ての6直ベクトルに対して、このVNの
大きさを減じるという調整が加えられる。調整を加えら
れたベクトルの集合の、その各々の要素を、以下にU(
X)で表わすことにする。以上に替えて、処理ブロック
34で実行されるこの処理を省略し、以降の処理におい
ては標準化された垂直ベクトル74が用いられるように
しても良い。
第2図の処理ブロック36においては、シルエットのI
’lの標べち化が行なわれ、この標準化は、rclNr
(N/100)J番目ごとのベクトルのみを用いると
いう方法で行なわれる。ここでCINTとは、括弧内の
値を丸めてその値に最も近い整数にする関数である。従
って、この標準化処理の結果書られる画像は常に100
本の垂直ベクトルだけを含んでいる。処理ブロック38
においては、ベクトルの高さの標準化が行なわれ、この
標準化によって、シルエットは所定の面積を占めるよう
になる。コノ標準化は、H(X) −U(X)/(MS
V/8) トイウ式に従って行なわれ、ここで。
’lの標べち化が行なわれ、この標準化は、rclNr
(N/100)J番目ごとのベクトルのみを用いると
いう方法で行なわれる。ここでCINTとは、括弧内の
値を丸めてその値に最も近い整数にする関数である。従
って、この標準化処理の結果書られる画像は常に100
本の垂直ベクトルだけを含んでいる。処理ブロック38
においては、ベクトルの高さの標準化が行なわれ、この
標準化によって、シルエットは所定の面積を占めるよう
になる。コノ標準化は、H(X) −U(X)/(MS
V/8) トイウ式に従って行なわれ、ここで。
H(X)は標準化されたベクトルXの高さ、υ(X)は
上記調整を加えられた上で標準化されたベクトルXの高
さ、 MSV は集合をなす調整を加えられたベクトルの平
均値である。
上記調整を加えられた上で標準化されたベクトルXの高
さ、 MSV は集合をなす調整を加えられたベクトルの平
均値である。
処理ブロック40.41、及び42においては、未知の
船舶シルエットを標準化して得られた画像を、格納され
ている既知の諸々の船舶のシルエットと比較する。既知
の船舶のそれらのシルエットは、装置の使用に先立って
メモリ18に格納されており、しかも、認識しようとし
ているシルエットの、処理ブロック30.32.34.
36及び38を通過した後の形に相当する、ベクトル化
し標準化して得られた形で格納されている。メモリ18
は、この処理によって同定することのできる、あらゆる
船舶級の船舶の画像を包含している。更に、メモリ18
は好ましくは各々の船舶級につき、幾つかの異なった角
度から(本実施例においては4つの角度から)見たその
船舶の姿を表わす、幾つかの画像を包含しているものと
するのが良い。処理ブロック40においては減算が行な
われ、この減算は、基準画像(即ち特定の船舶級の船舶
のシルエット)の1つのベクトルを、そのとき受取って
いる。ベクトル化され標準化されているシルエットの、
対応するベクトルから減じることによって行なわれる。
船舶シルエットを標準化して得られた画像を、格納され
ている既知の諸々の船舶のシルエットと比較する。既知
の船舶のそれらのシルエットは、装置の使用に先立って
メモリ18に格納されており、しかも、認識しようとし
ているシルエットの、処理ブロック30.32.34.
36及び38を通過した後の形に相当する、ベクトル化
し標準化して得られた形で格納されている。メモリ18
は、この処理によって同定することのできる、あらゆる
船舶級の船舶の画像を包含している。更に、メモリ18
は好ましくは各々の船舶級につき、幾つかの異なった角
度から(本実施例においては4つの角度から)見たその
船舶の姿を表わす、幾つかの画像を包含しているものと
するのが良い。処理ブロック40においては減算が行な
われ、この減算は、基準画像(即ち特定の船舶級の船舶
のシルエット)の1つのベクトルを、そのとき受取って
いる。ベクトル化され標準化されているシルエットの、
対応するベクトルから減じることによって行なわれる。
未知の船舶の船首は画像のいずれの側を向いていること
もあり得るため、第2の差分の算出を処理ブロック41
において行なうようになっている。この処理ブロック4
1では、基準画像があたかも逆方向に向けられた船舶に
基づいて形成されたものであるかのように見なしてノ、
(準ベクトルを選択するという方法でこの差分の算出が
行なわれる。即ち、処理ブロック40において第1番口
の基準ベクトルが使用されるときには処理ブロック41
では最後尾のノフ準ベクトルが使用され、また、処理ブ
ロック40において第2番目の基準ベクトル使用される
ときには処理ブロック41では最後尾から第211i目
の基準ベクトルが使用され、以下同様である。処理ブロ
ック42においては、処理ブロック40及び41で算出
された差分の絶対値が積算される0判断ブロック44は
、処理ブロック46によって決定される未知の船舶のシ
ルエットの中の次のベクトルを処理するために、処理ブ
ロック40.41及び42を反復して実行させるもので
あり、この反復は、受取ったベクトル化され標準化され
ているシルエットの各々のベクトルのことごとくか、そ
のときメモリ18から取り出されている基準画像の中の
対応するベクトルからの減算を完了されるまで、続けら
れる0以上の処理の結果書られる夫々の差分の絶対値の
合計値は、基準画像の「スコア」と呼ばれるものであり
、それらのスコアのうちの一方は基準画像との比較にお
けるその未知の画像のスコア、他方はこの基準画像の向
きを反転させたものとの比較におけるその未知の画像の
スコアである。処理ブロック48においては、処理ブロ
ック40.41及び42で算出された、このノ、(準船
舶に関するスコアがメモリ50に格納される。当業者に
は理解されるように、処理ブロック48は、以上の別実
施態様として、例えば最小のスコアだけを格納するとい
うような、メモリ50に格納される情報の量を減少させ
ることができるような何らかの方式でスコアの処理をす
るものとしても良い0以上の比較の過程は、処理ブロッ
ク58を含むループバック経路によって制御され、この
未知の船舶がメモリ18に格納されている個々の基準画
像のことごとくと比較されてしまうまで反復して実行さ
れる。
もあり得るため、第2の差分の算出を処理ブロック41
において行なうようになっている。この処理ブロック4
1では、基準画像があたかも逆方向に向けられた船舶に
基づいて形成されたものであるかのように見なしてノ、
(準ベクトルを選択するという方法でこの差分の算出が
行なわれる。即ち、処理ブロック40において第1番口
の基準ベクトルが使用されるときには処理ブロック41
では最後尾のノフ準ベクトルが使用され、また、処理ブ
ロック40において第2番目の基準ベクトル使用される
ときには処理ブロック41では最後尾から第211i目
の基準ベクトルが使用され、以下同様である。処理ブロ
ック42においては、処理ブロック40及び41で算出
された差分の絶対値が積算される0判断ブロック44は
、処理ブロック46によって決定される未知の船舶のシ
ルエットの中の次のベクトルを処理するために、処理ブ
ロック40.41及び42を反復して実行させるもので
あり、この反復は、受取ったベクトル化され標準化され
ているシルエットの各々のベクトルのことごとくか、そ
のときメモリ18から取り出されている基準画像の中の
対応するベクトルからの減算を完了されるまで、続けら
れる0以上の処理の結果書られる夫々の差分の絶対値の
合計値は、基準画像の「スコア」と呼ばれるものであり
、それらのスコアのうちの一方は基準画像との比較にお
けるその未知の画像のスコア、他方はこの基準画像の向
きを反転させたものとの比較におけるその未知の画像の
スコアである。処理ブロック48においては、処理ブロ
ック40.41及び42で算出された、このノ、(準船
舶に関するスコアがメモリ50に格納される。当業者に
は理解されるように、処理ブロック48は、以上の別実
施態様として、例えば最小のスコアだけを格納するとい
うような、メモリ50に格納される情報の量を減少させ
ることができるような何らかの方式でスコアの処理をす
るものとしても良い0以上の比較の過程は、処理ブロッ
ク58を含むループバック経路によって制御され、この
未知の船舶がメモリ18に格納されている個々の基準画
像のことごとくと比較されてしまうまで反復して実行さ
れる。
この未知の船舶のシルエットがメモリ18に格納されて
いる基準画像の全てと比較された後に、処理ブロック5
4において、スコアが最小の基準画像が選択される。こ
の最小のスコアに対応する基準船舶が、未知の船舶と「
一致(膳atching) Jしていることになる。こ
うして以上の処理により、未知の船舶がこの選択された
基準船舶と同一の船舶縁に属するものであることが認識
されることになる。別実施態様として、全ての基準シル
エットに関して得られた最小のスコアがある所定の値よ
り小さくない場合にはその未知の船舶に対していかなる
分類も与えられないようにする、スレショルド機能を採
用しても良い。
いる基準画像の全てと比較された後に、処理ブロック5
4において、スコアが最小の基準画像が選択される。こ
の最小のスコアに対応する基準船舶が、未知の船舶と「
一致(膳atching) Jしていることになる。こ
うして以上の処理により、未知の船舶がこの選択された
基準船舶と同一の船舶縁に属するものであることが認識
されることになる。別実施態様として、全ての基準シル
エットに関して得られた最小のスコアがある所定の値よ
り小さくない場合にはその未知の船舶に対していかなる
分類も与えられないようにする、スレショルド機能を採
用しても良い。
(放射状ベクトル方式の実施例)
垂直ベクトルを用いて物体の同定を行なうようにした以
上のアルゴリズムは、平坦な下縁部を有する画像に適用
するのに殊に適している。例えば船舶はその喫水線より
下の部分がかくれているために、その下縁部が平坦であ
るように見える。上縁部と下縁部との両方に構造的な凹
凸を有する物体に適用するには、放射状ベクトル方式の
アルゴリズムがより適している。例えば航空機はその種
の物体である。
上のアルゴリズムは、平坦な下縁部を有する画像に適用
するのに殊に適している。例えば船舶はその喫水線より
下の部分がかくれているために、その下縁部が平坦であ
るように見える。上縁部と下縁部との両方に構造的な凹
凸を有する物体に適用するには、放射状ベクトル方式の
アルゴリズムがより適している。例えば航空機はその種
の物体である。
第4図は、放射状ベクトル方式のアルゴリズムを用いて
画像に加えられる処理を図示している。
画像に加えられる処理を図示している。
先ず最初に処理ブロック30Aが、処理ブロック32(
第2図)と同様の方法で物体の外郭線を抽出する。
第2図)と同様の方法で物体の外郭線を抽出する。
処理ブロック100はこの外郭線の放射状ベクトルを形
成するブロックであり、その形成の方法については第5
図を参照すればより良く理解することができる。第5図
は、未知の航空機の外郭線152を示している。この外
郭線上の各点は、「x」座標値と「Y」座標値とを有す
るものであるということに注意されたい、放射状ベクト
ルを決定するには、先ず最初にこの外郭線の図心Cを算
出する0本実施例では、外郭線上の全ての点のX座標イ
11並びにY座標値の平均値を求めることによって、図
心の値を近似値として得ている。座標値の平均値を求め
るならば、対称形の画像の場合には、図心に等しい値が
得られる。平均値を求めることによって図心の近似値を
得るという方法は必要とされる処理を簡明化しており、
また、この方法を用いた結果、物体の向きにかかわらず
不変の長さを持つベクトルが得られるようになっている
。
成するブロックであり、その形成の方法については第5
図を参照すればより良く理解することができる。第5図
は、未知の航空機の外郭線152を示している。この外
郭線上の各点は、「x」座標値と「Y」座標値とを有す
るものであるということに注意されたい、放射状ベクト
ルを決定するには、先ず最初にこの外郭線の図心Cを算
出する0本実施例では、外郭線上の全ての点のX座標イ
11並びにY座標値の平均値を求めることによって、図
心の値を近似値として得ている。座標値の平均値を求め
るならば、対称形の画像の場合には、図心に等しい値が
得られる。平均値を求めることによって図心の近似値を
得るという方法は必要とされる処理を簡明化しており、
また、この方法を用いた結果、物体の向きにかかわらず
不変の長さを持つベクトルが得られるようになっている
。
放射状ベクトルの各々は、図心Cと外郭線152上の1
つの点との間の距離を反映した大きさを持っている。外
郭線上の各々の点ごとに1つの放射状ベクトルを算出す
る必要がある。放射状ベクトルの総本数は例えばN本と
して表わされるが、様々な総本数のベクトルを算出する
ようにすることができる。それらのN箇所の点を選択す
るためにはレシオ(比)Rを算出し、このレシオRは、
外郭線152上に存在する点の総数をNで割ったものに
等しい0本実施例ではNの値は「36」であるが、他の
値を使用しても良い0次に外郭線152上の第1番目の
点を選択するのであるが、この点は固有のX座標値とY
座標値とを持っている。第1番目の放射状ベクトル15
01の大きさは、この点と図心Cとの、X座標値どうし
の間の差分の二乗値とY座標値どうしの間の差分の二乗
値との和の平方根に等しい。
つの点との間の距離を反映した大きさを持っている。外
郭線上の各々の点ごとに1つの放射状ベクトルを算出す
る必要がある。放射状ベクトルの総本数は例えばN本と
して表わされるが、様々な総本数のベクトルを算出する
ようにすることができる。それらのN箇所の点を選択す
るためにはレシオ(比)Rを算出し、このレシオRは、
外郭線152上に存在する点の総数をNで割ったものに
等しい0本実施例ではNの値は「36」であるが、他の
値を使用しても良い0次に外郭線152上の第1番目の
点を選択するのであるが、この点は固有のX座標値とY
座標値とを持っている。第1番目の放射状ベクトル15
01の大きさは、この点と図心Cとの、X座標値どうし
の間の差分の二乗値とY座標値どうしの間の差分の二乗
値との和の平方根に等しい。
外郭線152上の第2番目の点には、第1番目の点から
数えて8個めの点を選択する。Rはレシオ(比の値)で
あるため、必ずしも整数とは限らない。Rが整数ではな
い場合には、第1番目の点から数えて8個めの点に最も
近い2つの点のX座標値とY座標値とを求め、それらの
値の間に内挿法を適用することによって、第2番目の点
の座標値を求めるようにする。この内挿法によって求め
られた座標値に基づいて、第2番目の放射状ベクトル1
502のqlが算出される。
数えて8個めの点を選択する。Rはレシオ(比の値)で
あるため、必ずしも整数とは限らない。Rが整数ではな
い場合には、第1番目の点から数えて8個めの点に最も
近い2つの点のX座標値とY座標値とを求め、それらの
値の間に内挿法を適用することによって、第2番目の点
の座標値を求めるようにする。この内挿法によって求め
られた座標値に基づいて、第2番目の放射状ベクトル1
502のqlが算出される。
その他の放射状ベクトル1503.、.15ONの値も
同様にして求める。以下に説明する放射状ベクトルを標
゛準化するための処理が行なわれるため、第1番目の放
射状ベクトルを算出するための点として、いかなる点を
選択しても良いようになっている。同様に、それに続く
一連の放射状ベクトルを算出するための点についても、
外郭線に沿って時計回りにとって行くようにしても、ま
た反時計回りにとって行くようにしても良いようになっ
ている。
同様にして求める。以下に説明する放射状ベクトルを標
゛準化するための処理が行なわれるため、第1番目の放
射状ベクトルを算出するための点として、いかなる点を
選択しても良いようになっている。同様に、それに続く
一連の放射状ベクトルを算出するための点についても、
外郭線に沿って時計回りにとって行くようにしても、ま
た反時計回りにとって行くようにしても良いようになっ
ている。
再び第4図に関して説明すると、放射状ベクトルの集合
は処理ブロック102において標準化される。即ち先ず
、この集合に属する放射状ベクトルの値の平均値を求め
る。この平均値をある定数、例えば15で割る除算を行
なうことによって、スケール・ファクタを算出する。集
合の中の各々の放射状ベクトルをこのスケール奉ファク
タで割る除算を行なうと、標準化された放射状ベクトル
の集合が得られる。
は処理ブロック102において標準化される。即ち先ず
、この集合に属する放射状ベクトルの値の平均値を求め
る。この平均値をある定数、例えば15で割る除算を行
なうことによって、スケール・ファクタを算出する。集
合の中の各々の放射状ベクトルをこのスケール奉ファク
タで割る除算を行なうと、標準化された放射状ベクトル
の集合が得られる。
標準化されたそれらのベクトルは、次に処理ブロック1
04により、それ・らのうちの最大のベクトルが第1番
目の位殿にくるまで「回転」させられる。例えば、その
最大のベクトルが第5番目のベクトルであったとするな
らば、このベクトルの集合は、その第5番目のベクトル
が第1番目のベクトルになり、その第6番目のベクトル
が第2番目のベクトルとなり、以下同様となるように回
転させられる。更に、これらのベクトルは回転させられ
る際には「循環」するようになっており、そのため第4
番目のベクトルは回転させられた後には最後尾のベクト
ルとなり、また第3番目のベクトルは回転させられた後
には最後尾から第2番目のベクトルとなり、以下同様で
ある。ベクトルを回転させることによって、未知の物体
は、その物体から画像が生成されたときのその物体の向
きがどのようなものであったかとは無関係に、同一の放
射状ベクトルの集合を提供することになる。
04により、それ・らのうちの最大のベクトルが第1番
目の位殿にくるまで「回転」させられる。例えば、その
最大のベクトルが第5番目のベクトルであったとするな
らば、このベクトルの集合は、その第5番目のベクトル
が第1番目のベクトルになり、その第6番目のベクトル
が第2番目のベクトルとなり、以下同様となるように回
転させられる。更に、これらのベクトルは回転させられ
る際には「循環」するようになっており、そのため第4
番目のベクトルは回転させられた後には最後尾のベクト
ルとなり、また第3番目のベクトルは回転させられた後
には最後尾から第2番目のベクトルとなり、以下同様で
ある。ベクトルを回転させることによって、未知の物体
は、その物体から画像が生成されたときのその物体の向
きがどのようなものであったかとは無関係に、同一の放
射状ベクトルの集合を提供することになる。
これらの未知の物体の放射状ベクトルは、処理ブロック
39Aにおいて、既知の物体の画像、即ち基準と比較さ
れる。本実施例の処理ブロック39Aは処理ブロック3
9(第2図)と同様である。無論、メモリ18に格納さ
れている複数の既知のベクトル集合は、船舶に替えて航
空機等を表わすものとされている。更には、それらの既
知のベクトル集合を画像から抽出する際には、第2図に
示されている処理に従ってではなく、処理ブロック30
A、100,102、及び104(第4図)によって表
わされている処理に従って、抽出が行なわれる。
39Aにおいて、既知の物体の画像、即ち基準と比較さ
れる。本実施例の処理ブロック39Aは処理ブロック3
9(第2図)と同様である。無論、メモリ18に格納さ
れている複数の既知のベクトル集合は、船舶に替えて航
空機等を表わすものとされている。更には、それらの既
知のベクトル集合を画像から抽出する際には、第2図に
示されている処理に従ってではなく、処理ブロック30
A、100,102、及び104(第4図)によって表
わされている処理に従って、抽出が行なわれる。
メモリ18(第2図)内に格納されている各々の基準の
ことごとくについてスコアの算出がなされたならば、処
理は判断ブロック10Bへ進む。
ことごとくについてスコアの算出がなされたならば、処
理は判断ブロック10Bへ進む。
ここで再度述べておくと、基準に対する比較は、未知の
物体の放射状ベクトルを、最大のベクトルがその集合の
第1番目のベクトルになるように回転させて得られたベ
クトル集合について、行なわれるようになっている。メ
モリ18(第2図)内に格納されている基準も同様に回
転されたものであるため、夫々の集合の中の最大のベク
トルどうしが比較されることになる。しかしながら、未
知の物体の上の最大の放射状ベクトルを発生させている
点が、基準の中に包含されている既知の物体の上の最大
の放射状ベクトルを発生させている点と一致していない
場合には、この比較は不正確なものとなる0例えば、未
知の物体の画像が形成される際にノイズがある放射状ベ
クトルに作用し、そのノイズが無かったならば別のベク
トルが最大となるはずであったにもかかわらずそのベク
トルが最大ベクトルであるかのように見えてしまうこと
もあり得る。
物体の放射状ベクトルを、最大のベクトルがその集合の
第1番目のベクトルになるように回転させて得られたベ
クトル集合について、行なわれるようになっている。メ
モリ18(第2図)内に格納されている基準も同様に回
転されたものであるため、夫々の集合の中の最大のベク
トルどうしが比較されることになる。しかしながら、未
知の物体の上の最大の放射状ベクトルを発生させている
点が、基準の中に包含されている既知の物体の上の最大
の放射状ベクトルを発生させている点と一致していない
場合には、この比較は不正確なものとなる0例えば、未
知の物体の画像が形成される際にノイズがある放射状ベ
クトルに作用し、そのノイズが無かったならば別のベク
トルが最大となるはずであったにもかかわらずそのベク
トルが最大ベクトルであるかのように見えてしまうこと
もあり得る。
不正確な比較が行なわれる回部性を低減するために、未
知の画像から生成された放射状ベクトルは、はぼ最大に
近い別のベクトルがそのベクトル集合の中の第1番目の
放射状ベクトルとなるように回転させられるようになっ
ている。第4図に示すように、判断ブロック108が、
その放射状ベクトルの集合の中の「ピーク」を探すため
のチエツクを行なっている。ピークとは、以下の判定基
準を満足する放射状ベクトルのことである。
知の画像から生成された放射状ベクトルは、はぼ最大に
近い別のベクトルがそのベクトル集合の中の第1番目の
放射状ベクトルとなるように回転させられるようになっ
ている。第4図に示すように、判断ブロック108が、
その放射状ベクトルの集合の中の「ピーク」を探すため
のチエツクを行なっている。ピークとは、以下の判定基
準を満足する放射状ベクトルのことである。
(1)ピークをなす放射状ベクトルはその直前の放射状
ベクトル及びその直後の放射状ベクトルより大きい、(
2)ピークをなす放射状ベクトルの大きさは第1の所定
の閾値(例えばr18J)より大きい、(3)ピークを
なす放射状ベクトルの大きさはその直前の「谷」にある
放射状ベクトルと比較して第2の所定の閾値(例えば「
3」)分以上に大きい(谷とは、その直前の放射状ベク
トル及びその直後の放射状ベクトルより小さい放射状ベ
クトルのことである)、 (4)ピークの直後に統〈放
射状ベクトルの大きさはピークをなす放射状ベクトルの
大きさと比較して所定のパーセンテージ(例えばr20
%」)分以上に小さい。
ベクトル及びその直後の放射状ベクトルより大きい、(
2)ピークをなす放射状ベクトルの大きさは第1の所定
の閾値(例えばr18J)より大きい、(3)ピークを
なす放射状ベクトルの大きさはその直前の「谷」にある
放射状ベクトルと比較して第2の所定の閾値(例えば「
3」)分以上に大きい(谷とは、その直前の放射状ベク
トル及びその直後の放射状ベクトルより小さい放射状ベ
クトルのことである)、 (4)ピークの直後に統〈放
射状ベクトルの大きさはピークをなす放射状ベクトルの
大きさと比較して所定のパーセンテージ(例えばr20
%」)分以上に小さい。
判断ブロック108が、放射状ベクトルの集合の中に別
のピークが存在することを認めた場合には、処理は処理
プロラック106へ進み、このブロックにおいては、そ
のピークがそのベクトル集合内の第1番目のベクトルに
なるまでそのベクトル集合が回転させられる。続いて処
理ブロック39Aにおいて、この回転して得られた放射
状ベクトル集合に関する新たなスコアの算出が行なわれ
る。
のピークが存在することを認めた場合には、処理は処理
プロラック106へ進み、このブロックにおいては、そ
のピークがそのベクトル集合内の第1番目のベクトルに
なるまでそのベクトル集合が回転させられる。続いて処
理ブロック39Aにおいて、この回転して得られた放射
状ベクトル集合に関する新たなスコアの算出が行なわれ
る。
判断ブロック108が、その集合の中の全てのピークが
回転により第1番目の位置へ移動されたと判断したなら
ば、処理は処理ブロック54Aへ進む。この処理ブロッ
ク54Aは、処理ブロック54(第2図)と同様に、処
理ブロック39Aで算出されたスコアのうちの最小のス
コアを選択する。未知の物体は、この最小スコアの算出
に用いられた基準ベクトル集合と一致するものと見なさ
れる。
回転により第1番目の位置へ移動されたと判断したなら
ば、処理は処理ブロック54Aへ進む。この処理ブロッ
ク54Aは、処理ブロック54(第2図)と同様に、処
理ブロック39Aで算出されたスコアのうちの最小のス
コアを選択する。未知の物体は、この最小スコアの算出
に用いられた基準ベクトル集合と一致するものと見なさ
れる。
当業者には理解されるように、本明細書に記載された本
発明の概念及び範囲から逸脱することなく、本発明に対
し種々の変更を加えることが可俺である。
発明の概念及び範囲から逸脱することなく、本発明に対
し種々の変更を加えることが可俺である。
第1図は、本発明を採用することのできる1つのシステ
ムを理解するための概略図、 第2図は、本発明の物体同定のプロセスのフローチャー
ト、 第3図は、画像を垂直ベクトルで表わす際の表わし方を
理解するための概略図、 第4図は、本発明の物体同定のプロセスの別実施例のフ
ローチャート、 第5図は、画像を放射状ベクトルで表わす際の表わし方
を理解するための概略図である。 尚、図中、 10・・・撮像装置、 11・・・利用装置、 12・・・デジタルφコンピュータ、 14・・・船舶、 18・・・メモリ、 20・・・デジタイザ、 72・・・シルエット、 74・・・爪有ベクトル、 76・・・船舶中央部における最小ベクトル、 50・・・放射状ベク トル、 52・・・外郭線。
ムを理解するための概略図、 第2図は、本発明の物体同定のプロセスのフローチャー
ト、 第3図は、画像を垂直ベクトルで表わす際の表わし方を
理解するための概略図、 第4図は、本発明の物体同定のプロセスの別実施例のフ
ローチャート、 第5図は、画像を放射状ベクトルで表わす際の表わし方
を理解するための概略図である。 尚、図中、 10・・・撮像装置、 11・・・利用装置、 12・・・デジタルφコンピュータ、 14・・・船舶、 18・・・メモリ、 20・・・デジタイザ、 72・・・シルエット、 74・・・爪有ベクトル、 76・・・船舶中央部における最小ベクトル、 50・・・放射状ベク トル、 52・・・外郭線。
Claims (1)
- 【特許請求の範囲】 1、未知の物体のシルエットのデジタル化画像を複数の
既知の物体のシルエットの複数の画像の各々と比較する
ことにより、前記未知の物体の前記シルエットの前記デ
ジタル化画像から、前記未知の物体を同定する方法であ
って、 (a)前記未知の物体の前記シルエットの前記デジタル
化画像を放射状ベクトルの集合で表わすステップと、 (b)前記集合内の各々の放射状ベクトルをスケール・
ファクタで割る除算を行なうことにより、標準化された
放射状ベクトル集合を形成するステップと、 (c)前記放射状ベクトル集合を、最大の放射状ベクト
ルが該集合内の第1番目のベクトルとなるまで回転する
ステップと、 を含む未知の物体の同定方法。 2、(a)標準化し回転して得られた前記放射状ベクト
ル集合を、複数の既知の物体の複数のデジタル化画像を
表わす複数の標準化し回転して得られた放射状ベクトル
集合の各々と比較し、それによって、それらの比較の各
々についてのスコアを算出するステップであって、該ス
コアが、標準化し回転して得られた未知のシルエットの
中の各々の放射状ベクトルと、標準化し回転して得られ
た複数の既知のシルエットの各々の中の対応する放射状
ベクトルとの間の差分の絶対値の合計値に等しいスコア
であるステップ、 を更に含む請求項1記載の未知の物体の同定方法。 3、(a)前記標準化放射状ベクトル集合の中のピーク
をなす放射状ベクトルを同定するステップと、 (b)前記標準化放射状ベクトル集合を、前記ピークを
なす前記放射状ベクトルが該集合内の第1番目のベクト
ルとなるまで回転するステップと、 (c)標準化し回転して得られた前記放射状ベクトル集
合を、複数の既知の物体の複数のデジタル化画像を表わ
す複数の標準化し回転して得られた放射状ベクトル集合
の各々と比較し、それによって、それらの比較の各々に
ついてのスコアを算出するステップであって、該スコア
は、標準化し回転して得られた未知のシルエットの中の
各々の放射状ベクトルと、標準化し回転して得られた複
数の既知のシルエットの各々の中の対応する放射状ベク
トルとの間の差分の絶対値の合計値に等しいスコアであ
るステップと、 を更に含む請求項2記載の未知の物体の同定方法。 4、既知の物体を表わす前記複数のデジタル化画像が、
様々な角度からの航空機のシルエットを含むことを特徴
とする請求項3記載の未知の物体の同定方法
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US07/229,395 US4901362A (en) | 1988-08-08 | 1988-08-08 | Method of recognizing patterns |
US229395 | 1988-08-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0291778A true JPH0291778A (ja) | 1990-03-30 |
JP2872702B2 JP2872702B2 (ja) | 1999-03-24 |
Family
ID=22861054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP1204568A Expired - Lifetime JP2872702B2 (ja) | 1988-08-08 | 1989-08-07 | パターン認識方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US4901362A (ja) |
EP (1) | EP0354701B1 (ja) |
JP (1) | JP2872702B2 (ja) |
DE (1) | DE68924458T2 (ja) |
Families Citing this family (281)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE68929383T2 (de) * | 1988-06-08 | 2002-08-08 | Canon Kk | Bildverarbeitungsvorrichtung und -verfahren |
US5719774A (en) * | 1990-04-18 | 1998-02-17 | Texas Instruments Incorporated | System and method for relating disparate data models of physical objects |
US5210799A (en) * | 1991-03-28 | 1993-05-11 | Texas Instruments Incorporated | System and method for ranking and extracting salient contours for target recognition |
WO1992017287A2 (en) * | 1991-03-29 | 1992-10-15 | Csx Transportation, Inc. | Device to uniquely recognize travelling containers |
DE4211904C2 (de) * | 1991-04-09 | 1994-03-17 | Werner Maier | Automatisches Verfahren zum Erstellen einer Liste unterschiedlicher Arten für eine flüssige Probe |
US5416851A (en) * | 1991-07-30 | 1995-05-16 | Xerox Corporation | Image analysis based on location sampling |
JP3361124B2 (ja) * | 1991-07-30 | 2003-01-07 | ゼロックス・コーポレーション | テキストを含む2次元画像上での画像処理方法と画像処理装置 |
US5245674A (en) * | 1991-07-30 | 1993-09-14 | Xerox Corporation | Image processing using distance as a function of direction |
US8352400B2 (en) | 1991-12-23 | 2013-01-08 | Hoffberg Steven M | Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore |
US5408541A (en) * | 1993-01-05 | 1995-04-18 | Lockheed Corporation | Method and system for recognizing targets at long ranges |
US6118886A (en) * | 1993-03-30 | 2000-09-12 | The United States Of America As Represented By The United States Department Of Energy | Automatic target recognition apparatus and method |
US5983161A (en) | 1993-08-11 | 1999-11-09 | Lemelson; Jerome H. | GPS vehicle collision avoidance warning and control system and method |
US6553130B1 (en) * | 1993-08-11 | 2003-04-22 | Jerome H. Lemelson | Motor vehicle warning and control system and method |
US5600733A (en) * | 1993-11-01 | 1997-02-04 | Kulicke And Soffa Investments, Inc | Method for locating eye points on objects subject to size variations |
US5604822A (en) * | 1993-11-12 | 1997-02-18 | Martin Marietta Corporation | Methods and apparatus for centroid based object segmentation in object recognition-type image processing system |
US5923781A (en) * | 1995-12-22 | 1999-07-13 | Lucent Technologies Inc. | Segment detection system and method |
US6229918B1 (en) * | 1998-10-20 | 2001-05-08 | Microsoft Corporation | System and method for automatically detecting clusters of data points within a data space |
US7904187B2 (en) | 1999-02-01 | 2011-03-08 | Hoffberg Steven M | Internet appliance system and method |
US6807286B1 (en) * | 2000-04-13 | 2004-10-19 | Microsoft Corporation | Object recognition using binary image quantization and hough kernels |
US7006694B1 (en) * | 2000-10-05 | 2006-02-28 | Coreco Imaging, Inc. | System and method for pattern identification |
US6990639B2 (en) * | 2002-02-07 | 2006-01-24 | Microsoft Corporation | System and process for controlling electronic components in a ubiquitous computing environment using multimodal integration |
US8745541B2 (en) * | 2003-03-25 | 2014-06-03 | Microsoft Corporation | Architecture for controlling a computer using hand gestures |
US7665041B2 (en) * | 2003-03-25 | 2010-02-16 | Microsoft Corporation | Architecture for controlling a computer using hand gestures |
US7697827B2 (en) | 2005-10-17 | 2010-04-13 | Konicek Jeffrey C | User-friendlier interfaces for a camera |
US8155312B2 (en) * | 2005-10-18 | 2012-04-10 | The University Of Connecticut | Optical data storage device and method |
WO2007133085A1 (en) * | 2006-05-15 | 2007-11-22 | Telefonaktiebolaget Lm Ericsson (Publ) | A method and system for automatic classification of objects |
US20070288452A1 (en) * | 2006-06-12 | 2007-12-13 | D&S Consultants, Inc. | System and Method for Rapidly Searching a Database |
US7870140B2 (en) * | 2006-06-12 | 2011-01-11 | D&S Consultants, Inc. | System and method of incorporating user preferences in image searches |
US8027549B2 (en) * | 2006-06-12 | 2011-09-27 | D&S Consultants, Inc. | System and method for searching a multimedia database using a pictorial language |
US20080123901A1 (en) * | 2006-11-29 | 2008-05-29 | D&S Consultants, Inc. | Method and System for Comparing Images Using a Pictorial Edit Distance |
US8311341B1 (en) | 2006-11-29 | 2012-11-13 | D & S Consultants, Inc. | Enhanced method for comparing images using a pictorial edit distance |
US8504546B2 (en) * | 2006-11-29 | 2013-08-06 | D&S Consultants, Inc. | Method and system for searching multimedia content |
US7921120B2 (en) | 2006-11-30 | 2011-04-05 | D&S Consultants | Method and system for image recognition using a similarity inverse matrix |
US7773811B2 (en) * | 2006-12-06 | 2010-08-10 | D & S Consultants, Inc. | Method and system for searching a database of graphical data |
US8005238B2 (en) | 2007-03-22 | 2011-08-23 | Microsoft Corporation | Robust adaptive beamforming with enhanced noise suppression |
US8005237B2 (en) | 2007-05-17 | 2011-08-23 | Microsoft Corp. | Sensor array beamformer post-processor |
US8629976B2 (en) * | 2007-10-02 | 2014-01-14 | Microsoft Corporation | Methods and systems for hierarchical de-aliasing time-of-flight (TOF) systems |
US20090166684A1 (en) * | 2007-12-26 | 2009-07-02 | 3Dv Systems Ltd. | Photogate cmos pixel for 3d cameras having reduced intra-pixel cross talk |
US8385557B2 (en) * | 2008-06-19 | 2013-02-26 | Microsoft Corporation | Multichannel acoustic echo reduction |
US8325909B2 (en) | 2008-06-25 | 2012-12-04 | Microsoft Corporation | Acoustic echo suppression |
US8203699B2 (en) | 2008-06-30 | 2012-06-19 | Microsoft Corporation | System architecture design for time-of-flight system having reduced differential pixel size, and time-of-flight systems so designed |
US8681321B2 (en) | 2009-01-04 | 2014-03-25 | Microsoft International Holdings B.V. | Gated 3D camera |
US20100199228A1 (en) * | 2009-01-30 | 2010-08-05 | Microsoft Corporation | Gesture Keyboarding |
US8682028B2 (en) * | 2009-01-30 | 2014-03-25 | Microsoft Corporation | Visual target tracking |
US8294767B2 (en) * | 2009-01-30 | 2012-10-23 | Microsoft Corporation | Body scan |
US8448094B2 (en) * | 2009-01-30 | 2013-05-21 | Microsoft Corporation | Mapping a natural input device to a legacy system |
US7996793B2 (en) | 2009-01-30 | 2011-08-09 | Microsoft Corporation | Gesture recognizer system architecture |
US8565476B2 (en) * | 2009-01-30 | 2013-10-22 | Microsoft Corporation | Visual target tracking |
US20100199231A1 (en) * | 2009-01-30 | 2010-08-05 | Microsoft Corporation | Predictive determination |
US8295546B2 (en) | 2009-01-30 | 2012-10-23 | Microsoft Corporation | Pose tracking pipeline |
US8267781B2 (en) * | 2009-01-30 | 2012-09-18 | Microsoft Corporation | Visual target tracking |
US8577084B2 (en) * | 2009-01-30 | 2013-11-05 | Microsoft Corporation | Visual target tracking |
US8487938B2 (en) * | 2009-01-30 | 2013-07-16 | Microsoft Corporation | Standard Gestures |
US8577085B2 (en) * | 2009-01-30 | 2013-11-05 | Microsoft Corporation | Visual target tracking |
US8588465B2 (en) | 2009-01-30 | 2013-11-19 | Microsoft Corporation | Visual target tracking |
US8565477B2 (en) * | 2009-01-30 | 2013-10-22 | Microsoft Corporation | Visual target tracking |
US8773355B2 (en) * | 2009-03-16 | 2014-07-08 | Microsoft Corporation | Adaptive cursor sizing |
US8988437B2 (en) * | 2009-03-20 | 2015-03-24 | Microsoft Technology Licensing, Llc | Chaining animations |
US9256282B2 (en) * | 2009-03-20 | 2016-02-09 | Microsoft Technology Licensing, Llc | Virtual object manipulation |
US9313376B1 (en) | 2009-04-01 | 2016-04-12 | Microsoft Technology Licensing, Llc | Dynamic depth power equalization |
US8340432B2 (en) | 2009-05-01 | 2012-12-25 | Microsoft Corporation | Systems and methods for detecting a tilt angle from a depth image |
US9498718B2 (en) * | 2009-05-01 | 2016-11-22 | Microsoft Technology Licensing, Llc | Altering a view perspective within a display environment |
US9015638B2 (en) * | 2009-05-01 | 2015-04-21 | Microsoft Technology Licensing, Llc | Binding users to a gesture based system and providing feedback to the users |
US8503720B2 (en) | 2009-05-01 | 2013-08-06 | Microsoft Corporation | Human body pose estimation |
US9377857B2 (en) | 2009-05-01 | 2016-06-28 | Microsoft Technology Licensing, Llc | Show body position |
US8638985B2 (en) * | 2009-05-01 | 2014-01-28 | Microsoft Corporation | Human body pose estimation |
US8660303B2 (en) * | 2009-05-01 | 2014-02-25 | Microsoft Corporation | Detection of body and props |
US8253746B2 (en) * | 2009-05-01 | 2012-08-28 | Microsoft Corporation | Determine intended motions |
US20100277470A1 (en) * | 2009-05-01 | 2010-11-04 | Microsoft Corporation | Systems And Methods For Applying Model Tracking To Motion Capture |
US9898675B2 (en) * | 2009-05-01 | 2018-02-20 | Microsoft Technology Licensing, Llc | User movement tracking feedback to improve tracking |
US8181123B2 (en) | 2009-05-01 | 2012-05-15 | Microsoft Corporation | Managing virtual port associations to users in a gesture-based computing environment |
US8942428B2 (en) | 2009-05-01 | 2015-01-27 | Microsoft Corporation | Isolate extraneous motions |
US8649554B2 (en) * | 2009-05-01 | 2014-02-11 | Microsoft Corporation | Method to control perspective for a camera-controlled computer |
US20100295771A1 (en) * | 2009-05-20 | 2010-11-25 | Microsoft Corporation | Control of display objects |
US8320619B2 (en) * | 2009-05-29 | 2012-11-27 | Microsoft Corporation | Systems and methods for tracking a model |
US8625837B2 (en) * | 2009-05-29 | 2014-01-07 | Microsoft Corporation | Protocol and format for communicating an image from a camera to a computing environment |
US8542252B2 (en) * | 2009-05-29 | 2013-09-24 | Microsoft Corporation | Target digitization, extraction, and tracking |
US20100302138A1 (en) * | 2009-05-29 | 2010-12-02 | Microsoft Corporation | Methods and systems for defining or modifying a visual representation |
US9182814B2 (en) | 2009-05-29 | 2015-11-10 | Microsoft Technology Licensing, Llc | Systems and methods for estimating a non-visible or occluded body part |
US8693724B2 (en) | 2009-05-29 | 2014-04-08 | Microsoft Corporation | Method and system implementing user-centric gesture control |
US9400559B2 (en) * | 2009-05-29 | 2016-07-26 | Microsoft Technology Licensing, Llc | Gesture shortcuts |
US8509479B2 (en) * | 2009-05-29 | 2013-08-13 | Microsoft Corporation | Virtual object |
US8418085B2 (en) * | 2009-05-29 | 2013-04-09 | Microsoft Corporation | Gesture coach |
US20100306716A1 (en) * | 2009-05-29 | 2010-12-02 | Microsoft Corporation | Extending standard gestures |
US20100302365A1 (en) * | 2009-05-29 | 2010-12-02 | Microsoft Corporation | Depth Image Noise Reduction |
US8856691B2 (en) * | 2009-05-29 | 2014-10-07 | Microsoft Corporation | Gesture tool |
US9383823B2 (en) | 2009-05-29 | 2016-07-05 | Microsoft Technology Licensing, Llc | Combining gestures beyond skeletal |
US8744121B2 (en) * | 2009-05-29 | 2014-06-03 | Microsoft Corporation | Device for identifying and tracking multiple humans over time |
US8379101B2 (en) * | 2009-05-29 | 2013-02-19 | Microsoft Corporation | Environment and/or target segmentation |
US8487871B2 (en) | 2009-06-01 | 2013-07-16 | Microsoft Corporation | Virtual desktop coordinate transformation |
US8390680B2 (en) * | 2009-07-09 | 2013-03-05 | Microsoft Corporation | Visual representation expression based on player expression |
US9159151B2 (en) * | 2009-07-13 | 2015-10-13 | Microsoft Technology Licensing, Llc | Bringing a visual representation to life via learned input from the user |
US20110025689A1 (en) * | 2009-07-29 | 2011-02-03 | Microsoft Corporation | Auto-Generating A Visual Representation |
US8264536B2 (en) * | 2009-08-25 | 2012-09-11 | Microsoft Corporation | Depth-sensitive imaging via polarization-state mapping |
US9141193B2 (en) * | 2009-08-31 | 2015-09-22 | Microsoft Technology Licensing, Llc | Techniques for using human gestures to control gesture unaware programs |
US8508919B2 (en) * | 2009-09-14 | 2013-08-13 | Microsoft Corporation | Separation of electrical and optical components |
US8330134B2 (en) | 2009-09-14 | 2012-12-11 | Microsoft Corporation | Optical fault monitoring |
US8976986B2 (en) * | 2009-09-21 | 2015-03-10 | Microsoft Technology Licensing, Llc | Volume adjustment based on listener position |
US8428340B2 (en) * | 2009-09-21 | 2013-04-23 | Microsoft Corporation | Screen space plane identification |
US8760571B2 (en) * | 2009-09-21 | 2014-06-24 | Microsoft Corporation | Alignment of lens and image sensor |
US9014546B2 (en) | 2009-09-23 | 2015-04-21 | Rovi Guides, Inc. | Systems and methods for automatically detecting users within detection regions of media devices |
US8452087B2 (en) * | 2009-09-30 | 2013-05-28 | Microsoft Corporation | Image selection techniques |
US8723118B2 (en) * | 2009-10-01 | 2014-05-13 | Microsoft Corporation | Imager for constructing color and depth images |
DE102009048066A1 (de) | 2009-10-01 | 2011-04-07 | Conti Temic Microelectronic Gmbh | Verfahren zur Verkehrszeichenerkennung |
US20110083108A1 (en) * | 2009-10-05 | 2011-04-07 | Microsoft Corporation | Providing user interface feedback regarding cursor position on a display screen |
US7961910B2 (en) | 2009-10-07 | 2011-06-14 | Microsoft Corporation | Systems and methods for tracking a model |
US8564534B2 (en) | 2009-10-07 | 2013-10-22 | Microsoft Corporation | Human tracking system |
US8963829B2 (en) | 2009-10-07 | 2015-02-24 | Microsoft Corporation | Methods and systems for determining and tracking extremities of a target |
US8867820B2 (en) * | 2009-10-07 | 2014-10-21 | Microsoft Corporation | Systems and methods for removing a background of an image |
US9400548B2 (en) * | 2009-10-19 | 2016-07-26 | Microsoft Technology Licensing, Llc | Gesture personalization and profile roaming |
US20110099476A1 (en) * | 2009-10-23 | 2011-04-28 | Microsoft Corporation | Decorating a display environment |
US8988432B2 (en) * | 2009-11-05 | 2015-03-24 | Microsoft Technology Licensing, Llc | Systems and methods for processing an image for target tracking |
US20110109617A1 (en) * | 2009-11-12 | 2011-05-12 | Microsoft Corporation | Visualizing Depth |
US8843857B2 (en) * | 2009-11-19 | 2014-09-23 | Microsoft Corporation | Distance scalable no touch computing |
US9244533B2 (en) * | 2009-12-17 | 2016-01-26 | Microsoft Technology Licensing, Llc | Camera navigation for presentations |
US20110150271A1 (en) | 2009-12-18 | 2011-06-23 | Microsoft Corporation | Motion detection using depth images |
US20110151974A1 (en) * | 2009-12-18 | 2011-06-23 | Microsoft Corporation | Gesture style recognition and reward |
US8320621B2 (en) | 2009-12-21 | 2012-11-27 | Microsoft Corporation | Depth projector system with integrated VCSEL array |
US8631355B2 (en) | 2010-01-08 | 2014-01-14 | Microsoft Corporation | Assigning gesture dictionaries |
US9268404B2 (en) * | 2010-01-08 | 2016-02-23 | Microsoft Technology Licensing, Llc | Application gesture interpretation |
US9019201B2 (en) * | 2010-01-08 | 2015-04-28 | Microsoft Technology Licensing, Llc | Evolving universal gesture sets |
US8933884B2 (en) * | 2010-01-15 | 2015-01-13 | Microsoft Corporation | Tracking groups of users in motion capture system |
US8334842B2 (en) | 2010-01-15 | 2012-12-18 | Microsoft Corporation | Recognizing user intent in motion capture system |
US8676581B2 (en) * | 2010-01-22 | 2014-03-18 | Microsoft Corporation | Speech recognition analysis via identification information |
US8265341B2 (en) * | 2010-01-25 | 2012-09-11 | Microsoft Corporation | Voice-body identity correlation |
US8864581B2 (en) | 2010-01-29 | 2014-10-21 | Microsoft Corporation | Visual based identitiy tracking |
US8891067B2 (en) | 2010-02-01 | 2014-11-18 | Microsoft Corporation | Multiple synchronized optical sources for time-of-flight range finding systems |
US8619122B2 (en) * | 2010-02-02 | 2013-12-31 | Microsoft Corporation | Depth camera compatibility |
US8687044B2 (en) * | 2010-02-02 | 2014-04-01 | Microsoft Corporation | Depth camera compatibility |
US8717469B2 (en) * | 2010-02-03 | 2014-05-06 | Microsoft Corporation | Fast gating photosurface |
US8659658B2 (en) * | 2010-02-09 | 2014-02-25 | Microsoft Corporation | Physical interaction zone for gesture-based user interfaces |
US8499257B2 (en) * | 2010-02-09 | 2013-07-30 | Microsoft Corporation | Handles interactions for human—computer interface |
US20110199302A1 (en) * | 2010-02-16 | 2011-08-18 | Microsoft Corporation | Capturing screen objects using a collision volume |
US8633890B2 (en) * | 2010-02-16 | 2014-01-21 | Microsoft Corporation | Gesture detection based on joint skipping |
US8928579B2 (en) * | 2010-02-22 | 2015-01-06 | Andrew David Wilson | Interacting with an omni-directionally projected display |
US8655069B2 (en) * | 2010-03-05 | 2014-02-18 | Microsoft Corporation | Updating image segmentation following user input |
US8422769B2 (en) * | 2010-03-05 | 2013-04-16 | Microsoft Corporation | Image segmentation using reduced foreground training data |
US8411948B2 (en) | 2010-03-05 | 2013-04-02 | Microsoft Corporation | Up-sampling binary images for segmentation |
US20110223995A1 (en) | 2010-03-12 | 2011-09-15 | Kevin Geisner | Interacting with a computer based application |
US20110221755A1 (en) * | 2010-03-12 | 2011-09-15 | Kevin Geisner | Bionic motion |
US8279418B2 (en) | 2010-03-17 | 2012-10-02 | Microsoft Corporation | Raster scanning for depth detection |
US8213680B2 (en) * | 2010-03-19 | 2012-07-03 | Microsoft Corporation | Proxy training data for human body tracking |
US8514269B2 (en) * | 2010-03-26 | 2013-08-20 | Microsoft Corporation | De-aliasing depth images |
US20110234481A1 (en) * | 2010-03-26 | 2011-09-29 | Sagi Katz | Enhancing presentations using depth sensing cameras |
US8523667B2 (en) * | 2010-03-29 | 2013-09-03 | Microsoft Corporation | Parental control settings based on body dimensions |
US8605763B2 (en) | 2010-03-31 | 2013-12-10 | Microsoft Corporation | Temperature measurement and control for laser and light-emitting diodes |
US9098873B2 (en) | 2010-04-01 | 2015-08-04 | Microsoft Technology Licensing, Llc | Motion-based interactive shopping environment |
US9646340B2 (en) | 2010-04-01 | 2017-05-09 | Microsoft Technology Licensing, Llc | Avatar-based virtual dressing room |
US8351651B2 (en) | 2010-04-26 | 2013-01-08 | Microsoft Corporation | Hand-location post-process refinement in a tracking system |
US8379919B2 (en) | 2010-04-29 | 2013-02-19 | Microsoft Corporation | Multiple centroid condensation of probability distribution clouds |
US8284847B2 (en) | 2010-05-03 | 2012-10-09 | Microsoft Corporation | Detecting motion for a multifunction sensor device |
US8498481B2 (en) | 2010-05-07 | 2013-07-30 | Microsoft Corporation | Image segmentation using star-convexity constraints |
US8885890B2 (en) | 2010-05-07 | 2014-11-11 | Microsoft Corporation | Depth map confidence filtering |
DE102010020330A1 (de) | 2010-05-14 | 2011-11-17 | Conti Temic Microelectronic Gmbh | Verfahren zur Erkennung von Verkehrszeichen |
US8457353B2 (en) | 2010-05-18 | 2013-06-04 | Microsoft Corporation | Gestures and gesture modifiers for manipulating a user-interface |
US8803888B2 (en) | 2010-06-02 | 2014-08-12 | Microsoft Corporation | Recognition system for sharing information |
US9008355B2 (en) | 2010-06-04 | 2015-04-14 | Microsoft Technology Licensing, Llc | Automatic depth camera aiming |
US8751215B2 (en) | 2010-06-04 | 2014-06-10 | Microsoft Corporation | Machine based sign language interpreter |
US9557574B2 (en) | 2010-06-08 | 2017-01-31 | Microsoft Technology Licensing, Llc | Depth illumination and detection optics |
US8330822B2 (en) | 2010-06-09 | 2012-12-11 | Microsoft Corporation | Thermally-tuned depth camera light source |
US9384329B2 (en) | 2010-06-11 | 2016-07-05 | Microsoft Technology Licensing, Llc | Caloric burn determination from body movement |
US8675981B2 (en) | 2010-06-11 | 2014-03-18 | Microsoft Corporation | Multi-modal gender recognition including depth data |
US8749557B2 (en) | 2010-06-11 | 2014-06-10 | Microsoft Corporation | Interacting with user interface via avatar |
US8982151B2 (en) | 2010-06-14 | 2015-03-17 | Microsoft Technology Licensing, Llc | Independently processing planes of display data |
US8670029B2 (en) | 2010-06-16 | 2014-03-11 | Microsoft Corporation | Depth camera illuminator with superluminescent light-emitting diode |
US8558873B2 (en) | 2010-06-16 | 2013-10-15 | Microsoft Corporation | Use of wavefront coding to create a depth image |
US8296151B2 (en) | 2010-06-18 | 2012-10-23 | Microsoft Corporation | Compound gesture-speech commands |
US8381108B2 (en) | 2010-06-21 | 2013-02-19 | Microsoft Corporation | Natural user input for driving interactive stories |
US8416187B2 (en) | 2010-06-22 | 2013-04-09 | Microsoft Corporation | Item navigation using motion-capture data |
US9075434B2 (en) | 2010-08-20 | 2015-07-07 | Microsoft Technology Licensing, Llc | Translating user motion into multiple object responses |
US8613666B2 (en) | 2010-08-31 | 2013-12-24 | Microsoft Corporation | User selection and navigation based on looped motions |
US8437506B2 (en) | 2010-09-07 | 2013-05-07 | Microsoft Corporation | System for fast, probabilistic skeletal tracking |
US20120058824A1 (en) | 2010-09-07 | 2012-03-08 | Microsoft Corporation | Scalable real-time motion recognition |
US8988508B2 (en) | 2010-09-24 | 2015-03-24 | Microsoft Technology Licensing, Llc. | Wide angle field of view active illumination imaging system |
US8681255B2 (en) | 2010-09-28 | 2014-03-25 | Microsoft Corporation | Integrated low power depth camera and projection device |
US8548270B2 (en) | 2010-10-04 | 2013-10-01 | Microsoft Corporation | Time-of-flight depth imaging |
US9484065B2 (en) | 2010-10-15 | 2016-11-01 | Microsoft Technology Licensing, Llc | Intelligent determination of replays based on event identification |
US8592739B2 (en) | 2010-11-02 | 2013-11-26 | Microsoft Corporation | Detection of configuration changes of an optical element in an illumination system |
US8866889B2 (en) | 2010-11-03 | 2014-10-21 | Microsoft Corporation | In-home depth camera calibration |
US8667519B2 (en) | 2010-11-12 | 2014-03-04 | Microsoft Corporation | Automatic passive and anonymous feedback system |
US10726861B2 (en) | 2010-11-15 | 2020-07-28 | Microsoft Technology Licensing, Llc | Semi-private communication in open environments |
US9349040B2 (en) | 2010-11-19 | 2016-05-24 | Microsoft Technology Licensing, Llc | Bi-modal depth-image analysis |
US10234545B2 (en) | 2010-12-01 | 2019-03-19 | Microsoft Technology Licensing, Llc | Light source module |
US8553934B2 (en) | 2010-12-08 | 2013-10-08 | Microsoft Corporation | Orienting the position of a sensor |
US8618405B2 (en) | 2010-12-09 | 2013-12-31 | Microsoft Corp. | Free-space gesture musical instrument digital interface (MIDI) controller |
US8408706B2 (en) | 2010-12-13 | 2013-04-02 | Microsoft Corporation | 3D gaze tracker |
US8884968B2 (en) | 2010-12-15 | 2014-11-11 | Microsoft Corporation | Modeling an object from image data |
US9171264B2 (en) | 2010-12-15 | 2015-10-27 | Microsoft Technology Licensing, Llc | Parallel processing machine learning decision tree training |
US8920241B2 (en) | 2010-12-15 | 2014-12-30 | Microsoft Corporation | Gesture controlled persistent handles for interface guides |
US8448056B2 (en) | 2010-12-17 | 2013-05-21 | Microsoft Corporation | Validation analysis of human target |
US8803952B2 (en) | 2010-12-20 | 2014-08-12 | Microsoft Corporation | Plural detector time-of-flight depth mapping |
US9823339B2 (en) | 2010-12-21 | 2017-11-21 | Microsoft Technology Licensing, Llc | Plural anode time-of-flight sensor |
US9821224B2 (en) | 2010-12-21 | 2017-11-21 | Microsoft Technology Licensing, Llc | Driving simulator control with virtual skeleton |
US9848106B2 (en) | 2010-12-21 | 2017-12-19 | Microsoft Technology Licensing, Llc | Intelligent gameplay photo capture |
US8385596B2 (en) | 2010-12-21 | 2013-02-26 | Microsoft Corporation | First person shooter control with virtual skeleton |
US8994718B2 (en) | 2010-12-21 | 2015-03-31 | Microsoft Technology Licensing, Llc | Skeletal control of three-dimensional virtual world |
US9123316B2 (en) | 2010-12-27 | 2015-09-01 | Microsoft Technology Licensing, Llc | Interactive content creation |
US8488888B2 (en) | 2010-12-28 | 2013-07-16 | Microsoft Corporation | Classification of posture states |
US8401242B2 (en) | 2011-01-31 | 2013-03-19 | Microsoft Corporation | Real-time camera tracking using depth maps |
US8587583B2 (en) | 2011-01-31 | 2013-11-19 | Microsoft Corporation | Three-dimensional environment reconstruction |
US8401225B2 (en) | 2011-01-31 | 2013-03-19 | Microsoft Corporation | Moving object segmentation using depth images |
US9247238B2 (en) | 2011-01-31 | 2016-01-26 | Microsoft Technology Licensing, Llc | Reducing interference between multiple infra-red depth cameras |
US8724887B2 (en) | 2011-02-03 | 2014-05-13 | Microsoft Corporation | Environmental modifications to mitigate environmental factors |
US8942917B2 (en) | 2011-02-14 | 2015-01-27 | Microsoft Corporation | Change invariant scene recognition by an agent |
US8497838B2 (en) | 2011-02-16 | 2013-07-30 | Microsoft Corporation | Push actuation of interface controls |
US9551914B2 (en) | 2011-03-07 | 2017-01-24 | Microsoft Technology Licensing, Llc | Illuminator with refractive optical element |
US9067136B2 (en) | 2011-03-10 | 2015-06-30 | Microsoft Technology Licensing, Llc | Push personalization of interface controls |
US8571263B2 (en) | 2011-03-17 | 2013-10-29 | Microsoft Corporation | Predicting joint positions |
US9470778B2 (en) | 2011-03-29 | 2016-10-18 | Microsoft Technology Licensing, Llc | Learning from high quality depth measurements |
US9760566B2 (en) | 2011-03-31 | 2017-09-12 | Microsoft Technology Licensing, Llc | Augmented conversational understanding agent to identify conversation context between two humans and taking an agent action thereof |
US10642934B2 (en) | 2011-03-31 | 2020-05-05 | Microsoft Technology Licensing, Llc | Augmented conversational understanding architecture |
US9842168B2 (en) | 2011-03-31 | 2017-12-12 | Microsoft Technology Licensing, Llc | Task driven user intents |
US9298287B2 (en) | 2011-03-31 | 2016-03-29 | Microsoft Technology Licensing, Llc | Combined activation for natural user interface systems |
US8824749B2 (en) | 2011-04-05 | 2014-09-02 | Microsoft Corporation | Biometric recognition |
US8503494B2 (en) | 2011-04-05 | 2013-08-06 | Microsoft Corporation | Thermal management system |
US8620113B2 (en) | 2011-04-25 | 2013-12-31 | Microsoft Corporation | Laser diode modes |
US8702507B2 (en) | 2011-04-28 | 2014-04-22 | Microsoft Corporation | Manual and camera-based avatar control |
US9259643B2 (en) | 2011-04-28 | 2016-02-16 | Microsoft Technology Licensing, Llc | Control of separate computer game elements |
US10671841B2 (en) | 2011-05-02 | 2020-06-02 | Microsoft Technology Licensing, Llc | Attribute state classification |
US8888331B2 (en) | 2011-05-09 | 2014-11-18 | Microsoft Corporation | Low inductance light source module |
US9064006B2 (en) | 2012-08-23 | 2015-06-23 | Microsoft Technology Licensing, Llc | Translating natural language utterances to keyword search queries |
US9137463B2 (en) | 2011-05-12 | 2015-09-15 | Microsoft Technology Licensing, Llc | Adaptive high dynamic range camera |
US8788973B2 (en) | 2011-05-23 | 2014-07-22 | Microsoft Corporation | Three-dimensional gesture controlled avatar configuration interface |
US8760395B2 (en) | 2011-05-31 | 2014-06-24 | Microsoft Corporation | Gesture recognition techniques |
US8526734B2 (en) | 2011-06-01 | 2013-09-03 | Microsoft Corporation | Three-dimensional background removal for vision system |
US9594430B2 (en) | 2011-06-01 | 2017-03-14 | Microsoft Technology Licensing, Llc | Three-dimensional foreground selection for vision system |
US9098110B2 (en) | 2011-06-06 | 2015-08-04 | Microsoft Technology Licensing, Llc | Head rotation tracking from depth-based center of mass |
US8929612B2 (en) | 2011-06-06 | 2015-01-06 | Microsoft Corporation | System for recognizing an open or closed hand |
US9208571B2 (en) | 2011-06-06 | 2015-12-08 | Microsoft Technology Licensing, Llc | Object digitization |
US8597142B2 (en) | 2011-06-06 | 2013-12-03 | Microsoft Corporation | Dynamic camera based practice mode |
US8897491B2 (en) | 2011-06-06 | 2014-11-25 | Microsoft Corporation | System for finger recognition and tracking |
US9013489B2 (en) | 2011-06-06 | 2015-04-21 | Microsoft Technology Licensing, Llc | Generation of avatar reflecting player appearance |
US10796494B2 (en) | 2011-06-06 | 2020-10-06 | Microsoft Technology Licensing, Llc | Adding attributes to virtual representations of real-world objects |
US9724600B2 (en) | 2011-06-06 | 2017-08-08 | Microsoft Technology Licensing, Llc | Controlling objects in a virtual environment |
US9597587B2 (en) | 2011-06-08 | 2017-03-21 | Microsoft Technology Licensing, Llc | Locational node device |
DE102011109387A1 (de) | 2011-08-04 | 2013-02-07 | Conti Temic Microelectronic Gmbh | Verfahren zur Erkennung von Verkehrszeichen |
US8786730B2 (en) | 2011-08-18 | 2014-07-22 | Microsoft Corporation | Image exposure using exclusion regions |
US9557836B2 (en) | 2011-11-01 | 2017-01-31 | Microsoft Technology Licensing, Llc | Depth image compression |
US9117281B2 (en) | 2011-11-02 | 2015-08-25 | Microsoft Corporation | Surface segmentation from RGB and depth images |
US8854426B2 (en) | 2011-11-07 | 2014-10-07 | Microsoft Corporation | Time-of-flight camera with guided light |
US8724906B2 (en) | 2011-11-18 | 2014-05-13 | Microsoft Corporation | Computing pose and/or shape of modifiable entities |
US8509545B2 (en) | 2011-11-29 | 2013-08-13 | Microsoft Corporation | Foreground subject detection |
US8635637B2 (en) | 2011-12-02 | 2014-01-21 | Microsoft Corporation | User interface presenting an animated avatar performing a media reaction |
US8803800B2 (en) | 2011-12-02 | 2014-08-12 | Microsoft Corporation | User interface control based on head orientation |
US9100685B2 (en) | 2011-12-09 | 2015-08-04 | Microsoft Technology Licensing, Llc | Determining audience state or interest using passive sensor data |
US8971612B2 (en) | 2011-12-15 | 2015-03-03 | Microsoft Corporation | Learning image processing tasks from scene reconstructions |
US8879831B2 (en) | 2011-12-15 | 2014-11-04 | Microsoft Corporation | Using high-level attributes to guide image processing |
US8630457B2 (en) | 2011-12-15 | 2014-01-14 | Microsoft Corporation | Problem states for pose tracking pipeline |
US8811938B2 (en) | 2011-12-16 | 2014-08-19 | Microsoft Corporation | Providing a user interface experience based on inferred vehicle state |
US9342139B2 (en) | 2011-12-19 | 2016-05-17 | Microsoft Technology Licensing, Llc | Pairing a computing device to a user |
US9720089B2 (en) | 2012-01-23 | 2017-08-01 | Microsoft Technology Licensing, Llc | 3D zoom imager |
US8898687B2 (en) | 2012-04-04 | 2014-11-25 | Microsoft Corporation | Controlling a media program based on a media reaction |
US9210401B2 (en) | 2012-05-03 | 2015-12-08 | Microsoft Technology Licensing, Llc | Projected visual cues for guiding physical movement |
CA2775700C (en) | 2012-05-04 | 2013-07-23 | Microsoft Corporation | Determining a future portion of a currently presented media program |
CN104395929B (zh) | 2012-06-21 | 2017-10-03 | 微软技术许可有限责任公司 | 使用深度相机的化身构造 |
US9836590B2 (en) | 2012-06-22 | 2017-12-05 | Microsoft Technology Licensing, Llc | Enhanced accuracy of user presence status determination |
US9696427B2 (en) | 2012-08-14 | 2017-07-04 | Microsoft Technology Licensing, Llc | Wide angle depth detection |
KR20140044173A (ko) * | 2012-10-04 | 2014-04-14 | 한국전자통신연구원 | 객체 영상 인식 장치 및 객체 영상 인식 방법 |
US8882310B2 (en) | 2012-12-10 | 2014-11-11 | Microsoft Corporation | Laser die light source module with low inductance |
US9857470B2 (en) | 2012-12-28 | 2018-01-02 | Microsoft Technology Licensing, Llc | Using photometric stereo for 3D environment modeling |
US9251590B2 (en) | 2013-01-24 | 2016-02-02 | Microsoft Technology Licensing, Llc | Camera pose estimation for 3D reconstruction |
US9052746B2 (en) | 2013-02-15 | 2015-06-09 | Microsoft Technology Licensing, Llc | User center-of-mass and mass distribution extraction using depth images |
US9940553B2 (en) | 2013-02-22 | 2018-04-10 | Microsoft Technology Licensing, Llc | Camera/object pose from predicted coordinates |
US9135516B2 (en) | 2013-03-08 | 2015-09-15 | Microsoft Technology Licensing, Llc | User body angle, curvature and average extremity positions extraction using depth images |
US9092657B2 (en) | 2013-03-13 | 2015-07-28 | Microsoft Technology Licensing, Llc | Depth image processing |
US9274606B2 (en) | 2013-03-14 | 2016-03-01 | Microsoft Technology Licensing, Llc | NUI video conference controls |
US9953213B2 (en) | 2013-03-27 | 2018-04-24 | Microsoft Technology Licensing, Llc | Self discovery of autonomous NUI devices |
US9442186B2 (en) | 2013-05-13 | 2016-09-13 | Microsoft Technology Licensing, Llc | Interference reduction for TOF systems |
US10013507B2 (en) * | 2013-07-01 | 2018-07-03 | Here Global B.V. | Learning synthetic models for roof style classification using point clouds |
US9462253B2 (en) | 2013-09-23 | 2016-10-04 | Microsoft Technology Licensing, Llc | Optical modules that reduce speckle contrast and diffraction artifacts |
DE102013219909A1 (de) | 2013-10-01 | 2015-04-02 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zur Erkennung von Verkehrszeichen |
US9443310B2 (en) | 2013-10-09 | 2016-09-13 | Microsoft Technology Licensing, Llc | Illumination modules that emit structured light |
US9674563B2 (en) | 2013-11-04 | 2017-06-06 | Rovi Guides, Inc. | Systems and methods for recommending content |
US9769459B2 (en) | 2013-11-12 | 2017-09-19 | Microsoft Technology Licensing, Llc | Power efficient laser diode driver circuit and method |
US9489765B2 (en) | 2013-11-18 | 2016-11-08 | Nant Holdings Ip, Llc | Silhouette-based object and texture alignment, systems and methods |
US9508385B2 (en) | 2013-11-21 | 2016-11-29 | Microsoft Technology Licensing, Llc | Audio-visual project generator |
US9971491B2 (en) | 2014-01-09 | 2018-05-15 | Microsoft Technology Licensing, Llc | Gesture library for natural user input |
US10412280B2 (en) | 2016-02-10 | 2019-09-10 | Microsoft Technology Licensing, Llc | Camera with light valve over sensor array |
US10257932B2 (en) | 2016-02-16 | 2019-04-09 | Microsoft Technology Licensing, Llc. | Laser diode chip on printed circuit board |
US10462452B2 (en) | 2016-03-16 | 2019-10-29 | Microsoft Technology Licensing, Llc | Synchronizing active illumination cameras |
US20220366180A1 (en) * | 2021-05-12 | 2022-11-17 | Rakuten Group, Inc. | Image matching system |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL104327C (ja) * | 1952-06-28 | 1900-01-01 | ||
US3050711A (en) * | 1959-02-26 | 1962-08-21 | Bell Telephone Labor Inc | Automatic character analyzer |
US3112468A (en) * | 1959-04-14 | 1963-11-26 | Bell Telephone Labor Inc | Character recognition system |
US3710323A (en) * | 1971-12-13 | 1973-01-09 | Ibm | Pattern-size normalizing for recognition apparatus |
GB1545117A (en) * | 1976-05-25 | 1979-05-02 | Nat Res Dev | Comparison apparatus eg for use in character recognition |
JPS5926064B2 (ja) * | 1979-09-10 | 1984-06-23 | 工業技術院長 | 輪郭画像の特徴抽出装置 |
JPS57178578A (en) * | 1981-04-27 | 1982-11-02 | Toshiba Corp | Pattern recognition system |
JPS58129684A (ja) * | 1982-01-29 | 1983-08-02 | Toshiba Corp | パタ−ン認識装置 |
US4672678A (en) * | 1984-06-25 | 1987-06-09 | Fujitsu Limited | Pattern recognition apparatus |
-
1988
- 1988-08-08 US US07/229,395 patent/US4901362A/en not_active Expired - Fee Related
-
1989
- 1989-07-31 DE DE68924458T patent/DE68924458T2/de not_active Expired - Fee Related
- 1989-07-31 EP EP89307766A patent/EP0354701B1/en not_active Expired - Lifetime
- 1989-08-07 JP JP1204568A patent/JP2872702B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JP2872702B2 (ja) | 1999-03-24 |
DE68924458T2 (de) | 1996-06-27 |
EP0354701B1 (en) | 1995-10-04 |
EP0354701A3 (en) | 1991-11-21 |
EP0354701A2 (en) | 1990-02-14 |
DE68924458D1 (de) | 1995-11-09 |
US4901362A (en) | 1990-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH0291778A (ja) | パターン認識方法 | |
JP5714599B2 (ja) | イメージ認識のための記述子パッチの高速部分空間射影 | |
JP6216508B2 (ja) | 3dシーンにおける3d物体の認識および姿勢決定のための方法 | |
US7450763B2 (en) | Reshaping freehand drawn lines and shapes in an electronic document | |
JP2815045B2 (ja) | 画像特徴抽出装置,画像特徴解析装置,および画像照合システム | |
JP2006252162A (ja) | パターン認識装置及びその方法 | |
CN110069989B (zh) | 人脸图像处理方法及装置、计算机可读存储介质 | |
JP2008146329A (ja) | 顔特徴点検出装置及びその方法 | |
CN110781937B (zh) | 一种基于全局视角的点云特征提取方法 | |
Gankin et al. | Iris image segmentation based on approximate methods with subsequent refinements | |
Garagad et al. | A novel technique of iris identification for biometric systems | |
CN113159103B (zh) | 图像匹配方法、装置、电子设备以及存储介质 | |
JP3797686B2 (ja) | 形状認識装置及びその方法 | |
JP2014010633A (ja) | 画像認識装置、画像認識方法、及び画像認識プログラム | |
US20160292529A1 (en) | Image collation system, image collation method, and program | |
US10115195B2 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
Arjun et al. | An efficient image retrieval system based on multi-scale shape features | |
US7110603B2 (en) | Fast invariant matching using template decomposition and synthesis | |
RU2672622C1 (ru) | Способ распознавания графических образов объектов | |
CN109815791B (zh) | 基于血管的身份识别方法和装置 | |
JP4185083B2 (ja) | 形状認識装置及びその方法 | |
JPH05174182A (ja) | 文書傾き角検出方法および文書傾き角検出装置 | |
JP2020086899A (ja) | オブジェクト位置特定装置、オブジェクト位置特定方法、及びオブジェクト位置特定プログラム | |
Hahmann et al. | Model interpolation for eye localization using the Discriminative Generalized Hough Transform | |
Jackway et al. | Morphological scale-space fingerprints and their use in object recognition in range images |