学习设备、学习方法、识别设备、识别方法和程序技术

本发明专利技术公开了学习设备、学习方法、识别设备、识别方法和程序。该学习设备包括特征提取器、临时学习器生成器和学习器生成器，特征提取器用于提取多个训练图像中的特征点处的特征，该多个训练图像包括含有目标对象的训练图像和不包含目标对象的训练图像，临时学习器生成器生成用于从图像中检测目标对象的临时学习器，其中临时学习器是通过利用训练图像和从训练图像获得的特征的统计学习而由多个弱学习器形成的，学习器生成器通过将该特征代入到由临时学习器的一部分弱学习器构成的特征函数中以便获得新特征并且利用新特征和训练图像来执行统计学习，而生成由弱学习器中的至少一个形成并且从图像中检测目标对象的最终学习器。

【技术实现步骤摘要】

本专利技术涉及学习设备、学习方法、识别设备、识别方法和程序， 具体而言，涉及能够可靠地从图像中检测出目标对象的学习方法、识 别设备、识别方法和程序。
技术介绍
基于Boosting算法的统计学习作为一种有效的机器学习方法已 被广泛地用在多种图像识别任务中。例如，作为这种机器学习方法之 一，已经广泛地使用被称为AdaBoost，，的统计机器学习方法(例如参 见 Y. Freund, R. Schapire， Experiments with a new boosting algorithm, IEEE Int. Conf. on Machine Learning, pp. 148在AdaBoost方法中，包含要检测的目标对象的图像的训练图像 和不包含目标对象的图像的训练图像被用作样本，以便生成弱学习 器。多个弱学习器被组合以便生成强学习器。利用这种强学习器，可 以从期望图像中检测出目标对象。
技术实现思路
然而，在上述技术中，具体而言如果用于机器学习的样本(训练 图像)的数目很小，则发生过拟合(over-fitting)。因此，难以增大 从图像中检测目标对象的准确性。也就是说，通过过拟合本文档来自技高网...

【技术保护点】
一种学习设备，包括：　特征提取装置，用于提取多个训练图像中的特征点处的特征，所述多个训练图像包括含有要识别的目标对象的训练图像和不包含目标对象的训练图像；　临时学习器生成装置，用于生成用于从图像中检测目标对象的临时学习器，其中通过利用多 个训练图像和从多个训练图像获得的特征的统计学习，由多个弱学习器形成所述临时学习器；以及　学习器生成装置，通过将所述特征代入到由形成所述临时学习器的弱学习器中的至少一个构成的特征函数中以便获得新特征并且执行利用该新特征和所述多个训练图像的统 计学习，生成由多个弱学习器形成并且从图像中检测目标对象的最终学习器。

【技术特征摘要】
JP 2008-9-4 2008-226690或其等同物的范围内。权利要求1.一种学习设备，包括特征提取装置，用于提取多个训练图像中的特征点处的特征，所述多个训练图像包括含有要识别的目标对象的训练图像和不包含目标对象的训练图像；临时学习器生成装置，用于生成用于从图像中检测目标对象的临时学习器，其中通过利用多个训练图像和从多个训练图像获得的特征的统计学习，由多个弱学习器形成所述临时学习器；以及学习器生成装置，通过将所述特征代入到由形成所述临时学习器的弱学习器中的至少一个构成的特征函数中以便获得新特征并且执行利用该新特征和所述多个训练图像的统计学习，生成由多个弱学习器形成并且从图像中检测目标对象的最终学习器。2. 如权利要求1所述的学习设备，其中所述特征函数由形成所 述临时学习器的多个弱学习器构成。3. 如权利要求2所述的学习设备，其中所述学习器生成装置使 用形成所述临时学习器的多个弱学习器当中的任意数目的弱学习器 的线性和来作为所述特征函数。4. 如权利要求3所述的学习设备，其中所述学习器生成装置利 用多个相应的特征函数来生成任意数目的多个特征，并且构成每个特 征函数的弱学习器的数目是不同的。5. —种用在学习设备中的学习方法，所述学习设备包括特征提 取装置、临时学习器生成装置和学习器生成装置，所述特征提取装置 用于提取多个训练图像中的特征点处的特征，所述多个训练图像包括 含有要识别的目标对象的训练图像和不包含目标对象的训练图像，所 述临时学习器生成装置生成用于从图像中检测目标对象的临时学习 器，其中通过利用多个训练图像和从多个训练图像获得的特征的统计 学习，由多个弱学习器形成所述临时学习器，所述学习器生成装置通 过将所述特征代入到由形成所述临时学习器的弱学习器中的至少一个构成的特征函数中以便获得新特征并且执行利用该新特征和所述 多个训练图像的统计学习，生成由多个弱学习器形成并且从图像中检测目标对象的最终学习器，该方法包括以下步骤利用所述特征提取装置从所述多个训练图像中提取所述特征； 利用所述临时学习器生成装置，通过使用多个训练图像和从多个训练图像获得的特征的统计学习来生成所述临时学习器；以及利用所述学习器生成装置，通过使用所述新特征和所述多个训练图像的统计学习来生成最终学习器。6. —种程序，包括用于使计算机执行以下步骤的程序代码提取多个训练图像中的特征点处的特征，所述多个训练图像包括 含有要识别的目标对象的训练图像和不包含目标对象的训练图像；生成用于从图像中检测目标对象的临时学习器，其中通过利用多 个训练图像和从多个训练图像获得的特征的统计学习，由多个弱学习 器形成所述临时学习器；以及通过将所述特征代入到由形成所述临时学习器的弱学习器中的 至少一个构成的特征函数中以便获得新特征并且执行利用该新特征 和所述多个训练图像的统计学习，生成由多个弱学习器形成并且从图 像中检测目标对象的最终学习器。7. —种识别设备，包括特征提取装置，用于提取输入图像中的特征点处的特征；以及 检测装置，用于通过将所述特征代入到用于从图像中检测要识别 的目标对象的学习器中并执行计算来从所述输入图像中检测出所述 目标对象，所述学习器是利用多个训练图像生成的，所述多个训练图 像包括含有要识别的目标对象的训练图像和不包含所述目标对象的 训练图像；其中，通过使用多个训练图像和多个训练图像的特征点处的特征 的统计学习来生成由多个弱学习器形成并且从图像中检测目标对象 的临时学习器，并且利用多个训练图像以及通过将从多个训练图像获得的特征代入到由形成所述临时学习器的弱学习器中的至少一个构 成的特征函数中而获得的新特征来...

【专利技术属性】
技术研发人员：横野顺，长谷川雄一，
申请(专利权)人：索尼株式会社，
类型：发明
国别省市：JP[日本]