[發明專利]圖像處理裝置及圖像處理方法

在審

• 申請號: 201780093880.3
• 申請日: 2017-08-22
• 公開（公告）號: CN111033564A
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 守屋芳美;涉谷直大;杉本和夫
• 申請（專利權）人: 三菱電機株式會社
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/292
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 孫明浩;崔成哲

具備：目標檢測部(103a)，其檢測出現在圖像數據中的目標；目標追蹤部(103b)，其沿著時間方向追蹤檢測到的目標；描述符生成部(104)，其基于目標的檢測結果和追蹤結果，生成目標的特征描述符；數據記錄控制部(105)，其根據生成的特征描述符和與該特征描述符對應的目標的圖像數據而構成數據庫；圖像檢索部(108a)，其從數據庫中檢索與檢索條件一致、且構成在拍攝不同區域而得到的圖像數據中分別出現的目標的組的目標；特征提取部(108b)，其從檢索到的目標的圖像數據及特征描述符中提取用于對照的特征量；以及判定部(108c)，其進行提取出的特征量的對照，判定構成目標的組的目標是否相同。

技術領域

本發明涉及進行由多個攝像頭拍攝到的目標(object)是否為同一目標這一解析的圖像處理技術。

背景技術

例如非專利文獻1及非專利文獻2公開了對跨越多個攝像頭而拍攝到的目標是否為同一目標的現有方法。

在非專利文獻1中，將包括人物圖像的矩形區域分割成子窗口，按照分割出的每個子窗口而生成顏色的直方圖和紋理的直方圖作為特征量。并且，準備匯集了被賦予是否為同一人物的標簽的學習用的人物圖像的數據集，根據學習用的人物圖像生成上述的特征量的向量，進行距離學習。在距離學習中，以相同的人物圖像對的特征量的向量的距離變小的方式進行權重參數的學習，以不相同的人物圖像對的特征量的向量的距離變大的方式進行權重參數的學習。

在非專利文獻2中，使用神經網絡從人物圖像進行特征提取，使用由神經網絡生成的特征量的向量，判定人物圖像對是否為同一人物。

在上述的非專利文獻1或非專利文獻2所公開的現有方法中，通過對靜態圖像的人物圖像對進行比較，判定是否為同一人物。另一方面，在實際的環境下，需要根據例如由監視攝像頭拍攝到的動態圖像來確定人物圖像的序列，對確定出的人物圖像的序列與由其他監視攝像頭拍攝到的動態圖像的人物圖像的序列進行比較，進行是否為同一人物的判定。例如非專利文獻3公開了根據動態圖像來估計是否為同一目標的現有方法。

在非專利文獻3中，生成序列內的人物圖像的顏色和紋理的直方圖作為特征量，在序列內將生成的特征量進行平均化，作為人物圖像的序列的特征量。通過在序列內將特征量平均化，能夠無視因背景或遮擋引起的特征量的變化，生成穩健(robust)的人物圖像的特征量。

現有技術文獻

專利文獻

非專利文獻1：S.Liao，Y.Hu，X.Zhu，S.Z.Li，“Person re-identification bylocal maximal occurrence representation and metric learning”，In ComputerVision and Pattern Recognition(CVPR)，2015.

非專利文獻2：E.Ahmed，M.Jones，T.K.Marks，“An improved deep learningarchitecture for person re-identification，”In Computer Vision and PatternRecognition(CVPR)，2015.

非專利文獻3：J.You，A.Wu，X.Li，and W.-S.Zheng，“Top-push video-basedperson re-identification，”in Computer Vision and Pattern Recognition(CVPR)，2016.

發明內容

發明要解決的問題