【技术实现步骤摘要】
【国外来华专利技术】信息处理设备、信息处理方法和程序
[0001]本专利技术涉及用于追踪图像中的特定被摄体的技术。
技术介绍
[0002]用于追踪图像中的特定被摄体的技术的示例包括用于使用亮度和颜色信息的技术以及模板相关技术。近年利用深度神经网络(以下称为DNN)的技术作为高精度追踪技术已经引起了越来越多的关注。例如，非专利文献1讨论了一种用于追踪图像中的特定被摄体的方法。包括追踪对象的图像和要作为搜索范围的图像被输入到具有相同权重的卷积神经网络(以下被缩写为CNN)。然后，计算从CNN获得的特征量之间的互相关性，以识别在作为搜索范围的图像中存在追踪对象的位置。
[0003]引文列表
[0004]专利文献
[0005]专利文献1：日本特开2013
‑
219531
[0006]非专利文献
[0007]非专利文献1：Bertinetto,“Fully
‑
Convolutional Siamese Networks fоr Object Tracking”,arXiv 201...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种信息处理设备，其被配置为在多个时间拍摄的图像中追踪特定物体，所述信息处理设备包括：保持单元，其被配置为基于经学习模型来保持追踪对象的特征量，所述经学习模型被配置为检测输入图像中的预定物体的位置；获取单元，其被配置为基于所述经学习模型来获取多个图像中的物体的特征量；检测单元，其被配置为基于所述追踪对象的特征量和从所述多个图像获取的物体的特征量来检测与所述追踪对象相似的候选物体；以及识别单元，其被配置为识别在所述多个图像中的第一图像中检测到的候选物体和在与所述第一图像不同的时间拍摄的第二图像中的候选物体之间的相关性。2.根据权利要求1所述的信息处理设备，其中，所述识别单元基于在所述第一图像中检测到的候选物体和在所述第二图像中检测到的候选物体之间的相关性来识别所述第二图像中的追踪对象。3.根据权利要求2所述的信息处理设备，其中，所述保持单元保持所述第二图像中的所述追踪对象的特征量和所述第二图像中的候选物体的特征量。4.根据权利要求1至3中任一项所述的信息处理设备，还包括更新单元，所述更新单元被配置为基于所识别的相关性来更新所述保持单元所保持的追踪对象的特征量。5.根据权利要求4所述的信息处理设备，其中，在所述第二图像中检测到在所述保持单元所保持的追踪对象的特征量与所述第一图像中的所述追踪对象的特征量之间的相似度高于预定阈值的候选物体的情况下，所述更新单元利用从所述第二图像获取的特征量来更新所述追踪对象的特征量，以及其中，在所述第二图像中没有检测到与所述追踪对象的特征量的相似度高于所述预定阈值的候选物体的情况下，所述更新单元利用从所述第一图像获取的特征量来更新所述追踪对象的特征量。6.根据权利要求4或5所述的信息处理设备，其中，所述检测单元检测所述多个图像中的候选物体的位置，其中，在所述第二图像中检测到与所述第一图像中的所述追踪对象的特征量的相似度高于所述预定阈值的候选物体时，所述更新单元更新所述第二图像中的所述追踪对象的位置，以及其中，在所述第二图像中没有检测到与所述追踪对象的特征量的相似度高于所述预定阈值的候选物体的情况下，所述更新单元不更新所述追踪对象的位置。7.根据权利要求1至6中任一项所述的信息处理设备，其中，所述识别单元识别所述多个图像中的除了所述追踪对象之外的候选物体的相关性。8.根据权利要求1至7中任一项所述的信息处理设备，其中，所述保持单元保持用户所指定的物体的特征量作为所述追踪对象的特征量。9.根据权利要求1至8中任一项所述的信息处理设备，其中，所述第一图像是在所述第二图像之前拍摄的图像，其中，所述信息处理设备还包括提取单元，所述提取单元被配置为基于在所述第一图像中检测到的候选物体的位置，在所述第二图像中提取部分图像以检测候选物体，以及其中，所述获取单元基于所述提取单元所提取出的所述第二图像的部分图像，从所述
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。