信息处理装置以及信息处理方法制造方法及图纸

从图像获得，特征量和代表关于图像的情境的情境信息。从特征量获得，表示图像是特定物体的图像的似然度的第一似然度。从情境信息获得，表示图像是特定物体的图像的似然度的第二似然度。使用第一似然度和第二似然度来识别图像是否是特定物体的图像。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于从图像检测物体的技术。
技术介绍
传统上已提出了一种从由照相机拍摄的图像检测人体的方法(非专利文献1(Navneet Dalal and Bill Triggs,\Histograms of Oriented Gradients for Human Detection\,CVPR2005))。在该方法中，通过机器学习预先学习人体图像和背景图像。之后，识别从照相机输入的图像的部分图像是否是人体，来检测人体。然而，已知的是，在拍摄场景或人体的外观在预先学习时与检测时之间不同的情况下，检测性能劣化。拍摄场景的不同的示例是照明条件的不同，以及照相机安装角度、阴影的有/无和背景的不同。外观的不同的示例是人体的方位以及服装的不同。检测性能劣化的因素是，例如，预先学习时的学习样本无法覆盖拍摄场景和检测目标物体的外观的多样性。为了解决此问题，提出了一种通过针对已经在与检测时类似的拍摄场景中收集的附加学习，使用学习样本进行附加学习，来提高检测性能的方法。专利文献1(日本特开2010-529529号公报)提出了一种通过预先学习创建Real AdaBoost鉴别器的弱鉴别器，然后通过附加学习使弱鉴别器适应附加学习样本的方法。还已知的是，通过使用在检测时的场景中获得的特定场景情境(context)用于识别，来提高检测性能。情境的示例是检测目标物体在图像中的出现位置坐标。对于安装位置是永久的安全摄像机，要检测的人体在图像中的出现位置或大小具有对安装场景特定的分布。因此，在专利文献2(日本特许5096211号公报)中，人体的出现位置坐标的概率分布被创建并被用于鉴别器的前滤波器或结果校正。情境的另一示例是背景图像。检测目标出现在具有特定背景纹理的位置的频率依据照相机安装位置而上升。因此，在专利文献3(US20120219211 A1)中，不仅识别目标区域，而且识别目标区域周围的部分图像都被用于学习。然而，在专利文献1中，Real AdaBoost鉴别器的参数仅适用于附加学习样本。由于用于附加学习和附加学习后的检测的特征限于在预先学习时生成的那些特征，因此性能的提高受限。专利文献2假设了永久安装的照相机，并且仅物体的出现位置坐标的概率分布被用作情境。因此，在照相机不是永久安装的情形下，或在物体的出现概率不依据位置坐标的情形下，无法预期性能的提高。在专利文献3中，仅识别目标区域周围的部分图像能够被用作情境。在背景图像随时间改变的情形下，或在物体的出现概率不依据背景的情形下，无法预期性能的提高。
技术实现思路
为了解决上述问题而做出了本专利技术，并且本专利技术提供一种用于提高图像的识别性能的技术。根据本专利技术的第一方面，提供了一种信息处理装置，所述信息处理装置包括：被构造为从输入的图像获得特征量的单元；被构造为获得代表关于所述图像的情境的情境信息的单元；第一识别单元，其被构造为从特征量获得表示所述图像是特定物体的图像的似然度的第一似然度；第二识别单元，其被构造为从情境信息获得表示所述图像是特定物体的图像的似然度的第二似然度；以及被构造为通过使用第一似然度和第二似然度来识别所述图像是否是特定物体的图像的单元，其中，第二识别单元包括使用第一似然度和情境信息而学习的鉴别器。根据本专利技术的第二方面，提供了一种信息处理装置，所述信息处理装置包括：被构造为从输入的图像获得特征量的单元；被构造为获得代表关于所述图像的情境的情境信息的单元；第一识别单元，其被构造为从特征量获得表示所述图像是特定物体的图像的似然度的第一似然度；以及学习单元，其被构造为通过使用第一似然度和情境信息，对与第一识别单元不同的第二识别单元进行学习。根据本专利技术的第三方面，提供了一种要由信息处理装置进行的信息处理方法，所述信息处理方法包括：使被构造为获得信息处理装置的特征量的单元，从输入的图像获得特征量的步骤；使被构造为获得信息处理装置的情境信息的单元，获得代表关于所述图像的情境的情境信息的步骤；第一识别步骤，使信息处理装置的第一识别单元，从特征量获得表示所述图像是特定物体的图像的似然度的第一似然度；第二识别步骤，使信息处理装置的第二识别单元，从情境信息获得表示所述图像是特定物体的图像的似然度的第二似然度；以及使信息处理装置的识别单元，通过使用第一似然度和第二似然度来识别所述图像是否是特定物体的图像的步骤，其中，第二识别单元包括使用第一似然度和情境信息而学习的鉴别器。根据本专利技术的第四方面，提供了一种要由信息处理装置进行的信息处理方法，所述信息处理方法包括：使被构造为获得信息处理装置的特征量的单元，从输入的图像获得特征量的步骤；使被构造为获得信息处理装置的情境信息的单元，获得代表关于所述图像的情境的情境信息的步骤；第一识别步骤，使信息处理装置的第一识别单元，从特征量获得表示所述图像是特定物体的图像的似然度的第一似然度；以及学习步骤，使信息处理装置的学习单元，通过使用第一似然度和情境信息对与第一识别单元不同的第二识别单元进行学习。通过以下(参照附图)对示例性实施例的描述，本专利技术的进一步的特征将变得清楚。附图说明图1是示出信息处理装置的功能布置的示例的框图；图2是示出摄像装置的硬件布置的示例的框图；图3是示出要由学习单元111进行的处理的流程图；图4是示出在步骤S306中的处理的详情的流程图；图5是示出在步骤S403中的处理的详情的流程图；图6是示出要由识别单元101进行的处理的流程图；图7是用于说明情境特征向量的图；图8是用于说明式(11)的曲线图；以及图9是用于说明情境特征向量的图。具体实施方式现在，将参照附图描述本专利技术的实施例。注意，下面要描述的各个实施例将例示本专利技术被具体地实施并且是权利要求的范围中记载的布置的具体实施例的情况。[第一实施例]首先，将参照图1的框图说明根据第一实施例的信息处理装置的功能布置的示例。如图1中所示，根据本实施例的信息处理装置包括识别单元101和学习单元111。学习单元111由识别目标图像和伴随它们的情境(context)，对识别单元101的第二识别单元107进行学习。“识别目标图像”是检测目标物体的图像和背景图像共存的图像。根据由第一识别单元106a和学习单元111学习的第二识别单元107对输入的图像的识别处理的结果，识别单元101识别输入的图像是否是已经拍摄到特定物体的图像。注意，本实施例将描述学习单元111和识别单元101被布置在一个装置(信息处理装置)中。然而，学习单元111和识别单元101可以被布置在分开的装置中。在这种情况下，学习单元111和识别单元101彼此进行通信，以通过它们之间的通信来实现以下处理。首先，将说明学习单元111。学习样本获得单元112获得多个识别目标图像，并且从各个识别目标图像收集识别目标图像的图像特征向量以及附加到识别目标图像的情境特征向量。学习样本获得单元112针对各个识别目标图像，通过将从识别目标图像收集的图像特征向量和情境特征向量连结，来生成学习样本。此外，学习样本获得单元112接收用于各个识别目标图像的分类标签。分类标签是表示学习样本(识别目标图像)是否是检测目标物体的数值。当学习样本是检测目标物体时，分类标签取+1，而当学习样本是背景时，分类标签取-1。稍后将描述分类标签获得方法。学习样本获得本文档来自技高网...

【技术保护点】
一种信息处理装置，所述信息处理装置包括：被构造为从输入的图像获得特征量的单元；被构造为获得代表关于所述图像的情境的情境信息的单元；第一识别单元，其被构造为从特征量获得表示所述图像是特定物体的图像的似然度的第一似然度；第二识别单元，其被构造为从情境信息获得表示所述图像是特定物体的图像的似然度的第二似然度；以及被构造为通过使用第一似然度和第二似然度来识别所述图像是否是特定物体的图像的单元，其中，第二识别单元包括使用第一似然度和情境信息而学习的鉴别器。

【技术特征摘要】
【国外来华专利技术】2014.03.27 JP 2014-0668021.一种信息处理装置，所述信息处理装置包括：被构造为从输入的图像获得特征量的单元；被构造为获得代表关于所述图像的情境的情境信息的单元；第一识别单元，其被构造为从特征量获得表示所述图像是特定物体的图像的似然度的第一似然度；第二识别单元，其被构造为从情境信息获得表示所述图像是特定物体的图像的似然度的第二似然度；以及被构造为通过使用第一似然度和第二似然度来识别所述图像是否是特定物体的图像的单元，其中，第二识别单元包括使用第一似然度和情境信息而学习的鉴别器。2.根据权利要求1所述的信息处理装置，其中，第二识别单元的鉴别器包括，从使用第一似然度和情境信息而生成的鉴别器的候选中选择的鉴别器。3.根据权利要求2所述的信息处理装置，其中，第二识别单元的鉴别器包括，从针对通过将特征量和情境信息连结而获得的样本、使用基于第一似然度设置的权重而进一步生成的鉴别器的候选中选择的鉴别器。4.根据权利要求1至3中任一项所述的信息处理装置，其中，情境信息包括所述图像在从中提取所述图像的原图像中的位置和大小。5.一种信息处理装置，所述信息处理装置包括：被构造为从输入的图像获得特征量的单元；被构造为获得代表关于所述图像的情境的情境信息的单元；第一识别单元，其被构造为从特征量获得表示所述图像是特定物体的图像的似然度的第一似然度；以及学习单元，其被构造为通过使用第一似然度和情境信息，对与第一识别单元不同的第二识别单元进行学习。6.根据权利要求5所述的信息处理装置，其中，学习单元包括：被...

【专利技术属性】
技术研发人员：内山宽之，
申请(专利权)人：佳能株式会社，
类型：发明
国别省市：日本;JP