[發明專利]識別設備和方法、程序及記錄介質

在審

• 申請號: 201210185771.3
• 申請日: 2012-06-06
• 公開（公告）號: CN102982307A
• 公開（公告）日: 2013-03-20
• 發明（設計）人: 長谷川雄一
• 申請（專利權）人: 索尼公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李春暉;李德山

技術領域

本發明涉及識別設備和方法/程序及記錄介質，更具體地說，涉及能夠進一步提高與圖像識別相關的技術中的抗圖像損失和抗噪聲等特性的識別設備和方法、程序及記錄介質。

背景技術

過去，利用邊緣提取而獲得的輪廓特征量一直被用作從圖像中檢測(識別)對象的主特征量。在這種技術中，利用邊緣提取獲得的輪廓特征量的各種變形被定義成新的特征量，并進行對象的識別。

此外，例如，作為一種有效的機器學習方法，利用boosting的統計學習已被用于各種圖像識別任務。例如，稱為AdaBoost的統計機器學習方法被認為是一種機器學習方法。

在AdaBoost中，利用包括期望檢測的目標對象的學習圖像，和不包括目標對象的學習圖像，生成弱鑒別器(也稱為弱學習器)，并且通過結合多個弱鑒別器，構成強鑒別器。通過利用按照上述方式獲得的強鑒別器，能夠從任何圖像中檢測目標對象。

此外，例如，提出了一種即使當難以從輸入圖像中提取輪廓時，如果能夠從輸入圖像中充分提取兩個區域的紋理的相似性特征，那么通過利用綜合鑒別器，也能夠從圖像中檢測對象的技術(例如，參見日本特開2009-140283號公報)。

發明內容

然而，在按照現有技術的利用統計學習的圖像識別中，當用作樣本的學習圖像中的待識別對象的一部分隱藏在另一個對象之后時，難以恰當地學習待識別對象的特征點。

此外，例如，當從用作樣本的學習樣本中提取邊緣，并對特征點進行統計學習時，取決于照相機的性能、圖像的對比度和噪聲的大小等，可能從相同對象提取出不同的邊緣。這種情況下，即使當使用利用統計學習獲得的鑒別器時，也難以恰當地識別目標對象。

如上所述，與按照現有技術的利用統計學習的圖像識別相關的技術存在難以提高抗圖像損失和抗噪聲等的特性的問題。

鑒于上面所述而提出了本技術，理想的是能夠進一步提高與圖像識別相關的技術中的抗圖像損失及抗噪聲等的特性。

按照本技術的一個實施例，提供一種識別設備，包括：霍夫變換單元，其對輸入圖像進行霍夫變換，和檢測單元，利用由使用多個特征量的統計學習生成的鑒別器，根據所述多個特征量，從輸入圖像中檢測識別目標對象，所述多個特征量是從通過對包括識別目標對象的學習圖像進行霍夫變換而獲得的數據，和通過對不包括識別目標對象的學習圖像進行霍夫變換而獲得的數據中獲得的。

所述霍夫變換單元利用霍夫變換，獲得軌跡圖像，軌跡圖像是其中顯示用于確定包括在輸入圖像中的預定圖形的軌跡并且對應于特征點的圖像，檢測單元利用由使用多個特征量的統計學習生成的鑒別器，根據所述多個特征量，從輸入圖像中檢測識別目標對象，所述多個特征量是從根據包括識別目標對象的學習圖像獲得的軌跡圖像，和根據不包括識別目標對象的學習圖像獲得的軌跡圖像中獲得的。

所述識別設備還包括特征點提取單元，其提取從輸入圖像中獲得的預定特征點。所述特征點提取單元從通過對輸入圖像執行預定過濾處理而獲得的邊緣圖像中提取特征點，通過進行霍夫變換而獲得的數據包括其中顯示用于確定包括在邊緣圖像中的預定圖形的軌跡的圖像的數據。

所述識別設備還包括特征點提取單元，其提取從輸入圖像中獲得的預定特征點，所述特征點提取單元從如下圖像中提取所述特征點，在所述圖像中，通過對所述輸入圖像執行預定過濾處理而獲得的邊緣圖像的像素值被以預定的閾值判定二值化，而且所述邊緣圖像的邊緣被細化。

所述霍夫變換單元利用霍夫變換，獲得軌跡圖像，軌跡圖像是其中顯示用于確定包括在輸入圖像中的預定圖形的軌跡，并且所述軌跡對應于特征點的圖像，軌跡圖像包括其中顯示通過在參數空間中對特征點投票而獲得的軌跡的圖像，在所述參數空間中，表示預定圖形的公式的每個參數被用作軸。

霍夫變換單元利用霍夫變換，獲得軌跡圖像，軌跡圖像是其中顯示用于確定包括在輸入圖像中的預定圖形的軌跡，并且所述軌跡對應于特征點的圖像，所述霍夫變換單元利用與極坐標相關的函數，確定預定圖形，并且利用霍夫變換，獲得對應于特征點的軌跡數據。

按照本技術的另一個實施例，提供一種識別方法，包括利用霍夫變換單元對輸入圖像進行霍夫變換，和用檢測單元利用由使用多個特征量的統計學習生成的鑒別器，根據所述多個特征量，從輸入圖像中檢測識別目標對象，所述多個特征量是從通過對包括識別目標對象的學習圖像進行霍夫變換而獲得的數據，和通過對不包括識別目標對象的學習圖像進行霍夫變換而獲得的數據中獲得的。