[發明專利]圖像處理裝置、圖像處理系統、圖像處理方法及存儲介質

有效

• 申請號: 201810171215.8
• 申請日: 2018-03-01
• 公開（公告）號: CN108537112B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 馬場康夫
• 申請（專利權）人: 佳能株式會社
• 主分類號: G06V20/52
• 分類號: G06V20/52;G06V10/774;G06K9/62
• 代理公司: 北京怡豐知識產權代理有限公司 11293
• 代理人: 遲軍;李艷麗

本發明涉及圖像處理裝置、圖像處理系統、圖像處理方法及存儲介質。該圖像處理裝置例如用于圖像識別，諸如通過機器學習的物體計數。生成單元基于第一拍攝圖像，生成指示第一訓練圖像和針對第一訓練圖像的圖像識別結果的第一訓練數據。訓練單元通過使用第一訓練數據進行訓練，來基于第一訓練數據和第二訓練數據兩者，生成圖像識別用鑒別器，所述第二訓練數據是預先準備的且指示第二訓練圖像和針對第二訓練圖像的圖像識別結果。

技術領域

本發明涉及圖像處理裝置、圖像處理系統、圖像處理方法以及非暫時性存儲介質。

背景技術

近年來，提出了這樣的系統，其中，通過利用攝像裝置拍攝預定區域并且對拍攝的圖像進行圖像識別，來獲得諸如圖像中的人數或存在或不存在異常等的信息。這樣的系統可以檢測公共空間中的擁擠，并且可以用于掌握擁擠時的人流量，因此預期可應用于事件中的擁擠緩解和危機時的疏散指導。

作為這種圖像識別的方法，提出了一種方法，其中，通過使用預先準備的監督數據而通過機器訓練來生成識別模型，并且通過使用所獲得的識別模型來進行圖像識別。例如，作為使用機器訓練估計人數的方法，存在如下方法，其中，通過使用人數已知的圖像作為訓練數據，基于諸如支持向量機或深度學習等的已知機器訓練處理來訓練識別模型。具體示例是Lempitsky(V.Lempitsky等人“Learning to Count Objects in Images”，Advancesin Neural Information Processing Systems(NIPS)，2010)，其中，進行密度映射(density map)估計器的機器訓練，密度映射估計器估計對象物體的密度映射。然后，使用訓練后的密度映射估計器生成識別對象圖像的密度映射，并通過對密度映射進行積分來估計對象物體的數量。另外，在Ikeda(Hiroo Ikeda等人，“Accuracy Improvement of PeopleCounting Based on Crowd-Patch Learning Using Convolutional Neural Network”，FIT2014，第13屆信息科學和技術論壇，2014)中，進行使用固定大小的小圖像作為輸入并輸出小圖像中的人數的回歸器的機器訓練。然后，在將識別對象圖像分割成子區域之后，將各個子區域調整為固定大小以生成小圖像，并且由訓練后的回歸器獲得各個小圖像中的人數，并且通過獲得所獲得的各個小圖像的人數的總和，估計識別對象圖像中的人數。

發明內容

根據本發明的一個實施例，圖像處理裝置包括：生成單元，其被構造為基于第一拍攝圖像，生成指示第一訓練圖像和針對第一訓練圖像的圖像識別結果的第一訓練數據；以及訓練單元，其被構造為通過使用第一訓練數據進行訓練，來基于第一訓練數據和第二訓練數據兩者，生成圖像識別用鑒別器，所述第二訓練數據是預先準備的、指示第二訓練圖像和針對第二訓練圖像的圖像識別結果。

根據本發明的另一實施例，圖像處理裝置包括：訓練單元，其被構造為生成基于第一訓練數據和第二訓練數據兩者的鑒別器，所述第一訓練數據指示基于由第一攝像裝置獲得的第一拍攝圖像的第一訓練圖像和第一訓練圖像的圖像識別結果，所述第二訓練數據指示基于由不同于第一攝像裝置的第二攝像裝置獲得的第二拍攝圖像的第二訓練圖像和第二訓練圖像的圖像識別結果，其中，所述鑒別器是用于對由第一攝像裝置拍攝的圖像進行圖像識別的鑒別器。

根據本發明的又一實施例，圖像處理系統包括：生成單元，其被構造為基于第一拍攝圖像生成指示第一訓練圖像和針對第一訓練圖像的圖像識別結果的第一訓練數據；以及訓練單元，其被構造為通過使用第一訓練數據進行訓練，來基于第一訓練數據和第二訓練數據兩者，生成圖像識別用鑒別器，所述第二訓練數據是預先準備的且指示第二訓練圖像和針對第二訓練圖像的圖像識別結果。

根據本發明的又一實施例，圖像處理方法包括：基于第一拍攝圖像生成指示第一訓練圖像和針對第一訓練圖像的圖像識別結果的第一訓練數據；并且通過使用第一訓練數據進行訓練，來基于第一訓練數據和第二訓練數據兩者，生成圖像識別用鑒別器，所述第二訓練數據是預先準備的且指示第二訓練圖像和針對第二訓練圖像的圖像識別結果。