[發(fā)明專利]物體識(shí)別裝置

有效

• 申請?zhí)枺?/td>: 201280029406.1
• 申請日: 2012-06-14
• 公開（公告）號(hào): CN103620645A
• 公開（公告）日: 2014-03-05
• 發(fā)明（設(shè)計(jì)）人: N·拉扎維;J·加爾;L·范戈?duì)?/a>;船山龍士
• 申請（專利權(quán)）人: 豐田自動(dòng)車株式會(huì)社;瑞士蘇黎世聯(lián)邦理工大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 中國國際貿(mào)易促進(jìn)委員會(huì)專利商標(biāo)事務(wù)所 11038
• 代理人: 黃永杰

技術(shù)領(lǐng)域

本發(fā)明涉及基于拍攝圖像識(shí)別多種物體的物體識(shí)別裝置。

背景技術(shù)

為了實(shí)現(xiàn)汽車用的安全系統(tǒng)，識(shí)別交通環(huán)境的技術(shù)必不可少。對于交通環(huán)境而言，除汽車、二輪車、行人之外，還會(huì)出現(xiàn)各種各樣的物體，因此，需要開發(fā)用于識(shí)別上述多種物體的算法。另外，對于汽車而言，在作為識(shí)別技術(shù)的問題進(jìn)行掌握時(shí)，也需要分成從普通乘用車到公共汽車、卡車等大型車輛、特殊車輛等多個(gè)種類。而且，在考慮觀察方向、行人等的姿勢變化時(shí)，必須將上述多個(gè)種類作為全都不同的種類考慮圖像識(shí)別的問題。

通常在進(jìn)行多種物體識(shí)別（多類別識(shí)別）的情況下，將2類別識(shí)別用識(shí)別器進(jìn)行組合來實(shí)現(xiàn)的情況較多。例如，準(zhǔn)備普通乘用車的正面、右斜前方、橫向右側(cè)、右斜后方、后面、左斜后方、橫向左側(cè)、左斜前方這八種圖案。而且，也按照卡車、公共汽車、特殊車輛、二輪車，準(zhǔn)備上述八種圖案。并且，對于行人，除方向之外，還必須準(zhǔn)備例如八種圖案左右的姿勢變化。因此，所有的物體識(shí)別所需要的2類別識(shí)別用識(shí)別器的數(shù)量龐大。

另外，物體的識(shí)別所花費(fèi)的時(shí)間與至少應(yīng)識(shí)別的數(shù)量成正比例地增多。因此，在如汽車用的識(shí)別技術(shù)那樣要求即時(shí)響應(yīng)的情況下是不利的。另外，不僅處理要花費(fèi)時(shí)間，而且必須準(zhǔn)備大量的2類別識(shí)別用識(shí)別器，因此，存在如下可能性：開發(fā)耗費(fèi)時(shí)間，ECU中存儲(chǔ)的程序容量、詞典的容量增多。

另外，在非專利文獻(xiàn)1中提出有如下技術(shù)：不使用2類別識(shí)別用識(shí)別器，而基于拍攝圖像來識(shí)別車輛或行人之類的物體的類別。

在先技術(shù)文獻(xiàn)

非專利文獻(xiàn)

非專利文獻(xiàn)1：《Class-Specific?Hough?Forests?for?Object?Detection》，Juergen?Gall,Victor?Lempitsky，IEEE?Conference?on?Computer?Vision?and?Pattern?Recongnition(CVPR)（IEEE國際計(jì)算機(jī)視覺與模式識(shí)別會(huì)議）

發(fā)明內(nèi)容

發(fā)明要解決的課題

但是，在上述現(xiàn)有技術(shù)中，若表示物體的一部分的圖像圖案的數(shù)量、物體的類別數(shù)量增多，則存在用于識(shí)別物體的計(jì)算量增大且識(shí)別性能降低的問題。

本發(fā)明的目的在于提供一種物體識(shí)別裝置，能夠減少用于識(shí)別物體的計(jì)算量并提高識(shí)別性能。

用于解決課題的方案

本發(fā)明的物體識(shí)別裝置基于拍攝圖像對物體進(jìn)行識(shí)別，所述物體識(shí)別裝置的特征在于，具有：函數(shù)表取得部，所述函數(shù)表取得部針對表示物體的一部分的多個(gè)圖像圖案，取得表示物體的類別及位置信息與出現(xiàn)概率之間的關(guān)系的函數(shù)表；圖案出現(xiàn)程度算出部，所述圖案出現(xiàn)程度算出部使用由函數(shù)表取得部取得的函數(shù)表，算出各圖像圖案相對于物體的類別的出現(xiàn)程度；圖案選擇部，所述圖案選擇部將拍攝圖像與多個(gè)圖像圖案進(jìn)行對照，選擇與拍攝圖像對應(yīng)的圖像圖案；類別提取部，所述類別提取部提取由圖案選擇部選擇的圖像圖案的出現(xiàn)程度達(dá)到規(guī)定值以上的類別；投票部，所述投票部針對由類別提取部提取出的類別，對由圖案選擇部選擇的圖像圖案的位置信息進(jìn)行投票；以及識(shí)別部，所述識(shí)別部基于投票部的投票結(jié)果識(shí)別物體。

如上所述在本發(fā)明的物體識(shí)別裝置中，針對表示物體的一部分的多個(gè)圖像圖案，取得表示物體的類別及位置信息與出現(xiàn)概率之間的關(guān)系的函數(shù)表，使用該函數(shù)表算出各圖像圖案相對于物體的類別的出現(xiàn)程度。接著，將拍攝圖像與多個(gè)圖像圖案進(jìn)行對照并選擇與拍攝圖像對應(yīng)的圖像圖案，提取該圖像圖案的出現(xiàn)程度達(dá)到規(guī)定值以上的類別。接著，僅針對提取出的類別，對所選擇的圖像圖案的位置信息進(jìn)行投票，并基于該投票結(jié)果識(shí)別物體。如上所述僅取出與拍攝圖像對應(yīng)的圖像圖案出現(xiàn)的可能性高的類別，對圖像圖案的位置信息進(jìn)行投票，從而可以減少用于識(shí)別物體的計(jì)算量，并且可以提高識(shí)別性能。

優(yōu)選為，圖案出現(xiàn)程度算出部基于由函數(shù)表取得部取得的函數(shù)表，求出所述類別彼此的包含圖像圖案的特征量的共用度，并基于特征量的共用度，算出各圖像圖案相對于類別的出現(xiàn)程度。在該情況下，根據(jù)特征量的共用度，可知不同的類別彼此及相同類別彼此的包含圖像圖案的特征量共用多少。因此，通過使用如上所述的特征量的共用度，能夠可靠地算出各圖像圖案相對于物體的類別的出現(xiàn)程度。

此時(shí)，圖案出現(xiàn)程度算出部基于特征量的共用度，制成將具有相似性的類別彼此匯總后的樹形圖，作為圖像圖案相對于類別的出現(xiàn)程度而算出樹形圖的各節(jié)點(diǎn)的權(quán)重。在該情況下，根據(jù)樹形圖的各節(jié)點(diǎn)的權(quán)重，可以簡單地把握圖像圖案容易出現(xiàn)在哪個(gè)類別的群中。

發(fā)明的效果