[發明專利]物體檢測裝置、物體檢測方法、以及程序

有效

• 申請號: 201880030654.5
• 申請日: 2018-07-11
• 公開（公告）號: CN110651300B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 酒井俊
• 申請（專利權）人: 歐姆龍株式會社
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 金蘭

物體檢測裝置從圖像中檢測規定的物體。物體檢測裝置包括：第一檢測部件，從所述圖像中檢測存在所述物體的多個候選區域；區域整合部件，基于由所述第一檢測部件檢測出的多個候選區域，決定1個或者多個整合區域；以及第二檢測部件，將所述整合區域作為對象，通過與所述第一檢測部件不同的檢測算法來檢測所述物體。由此，能夠進行與以往相比高速且高精度的物體檢測。

技術領域

本發明涉及從圖像中檢測物體的技術。

背景技術

以往，已知從圖像中檢測人的面部等規定的物體的技術。例如，已知使用Haar-like(類哈爾)特征量作為圖像特征量、使用AdaBoost(自適應提升算法)作為學習算法的方法(專利文獻1、專利文獻2)。AdaBoost是通過將許多個單個而言辨別能力并不那么高的弱識別器連接而制作強識別器的學習/辨別算法。

近年來，因深度學習(deep?learning)的出現，圖像檢測精度飛躍提高。但是，深度學習使用被稱為卷積神經網絡(CNN：Convolutional?Neural?Network)的多層網絡，計算量比以往方法多出許多。

如上述，由于深度學習的計算負荷高，所以被認為不適合于移動設備那樣的嵌入式設備。即使考慮到近年來的技術革新，在嵌入式設備中執行深度學習算法也不容易。考慮到這樣的狀況，尋求即使是在嵌入式設備這樣的計算資源缺乏的設備中也能夠進行動作的、高速且高精度的物體檢測算法。

現有技術文獻

專利文獻

專利文獻1：日本特開2007－133840號公報

專利文獻2：日本特開2008－102611號公報

發明內容

發明要解決的課題

本發明的目的在于，提供能夠實現高速且高精度的物體檢測的技術。

用于解決課題的方案

本發明具有根據互相不同的檢測算法從圖像中檢測規定的物體的第一檢測部件以及第二檢測部件，將由第一檢測部件檢測出的候選區域整合，僅對于整合后的候選區域執行基于第二檢測部件的物體檢測。

更具體而言，本發明的物體檢測裝置是從圖像中檢測規定的物體的物體檢測裝置，其包括第一檢測部件、第二檢測部件、以及區域整合部件。第一檢測部件以及第二檢測部件均構成為從圖像中檢測規定的物體，但是各自的檢測算法不同。這里，第二檢測部件的檢測算法也可以是與第一檢測部件相比檢測精度更高但計算量更多的檢測算法。

第一檢測部件構成為從圖像中檢測被推定為存在物體的多個候選區域。區域整合部件構成為基于這些多個候選區域來決定1個或者多個整合區域。第二檢測部件構成為將該整合區域作為對象進行物體檢測。

根據這樣的結構，由于可以限定在整合區域進行基于第二檢測部件的物體檢測，所以能夠實現處理的高速化，并且能夠維持第二檢測部件的檢測精度。即，根據本發明的物體檢測裝置，能夠實現高速且高精度的物體識別。

本發明中的區域整合部件能夠構成為像以下那樣決定整合區域。區域整合部件能夠構成為，首先，從多個候選區域之中決定代表區域，接著，基于規定的基準從多個候選區域之中決定與該代表區域關聯的區域(以下，也稱為關聯區域)，然后，通過將代表區域和關聯區域整合來決定整合區域。

區域整合部件也可以決定多個整合區域。在該情況下，區域整合部件構成為，在決定了1個整合區域后，從由第一檢測部件檢測出的多個候選區域中，將去除代表區域和關聯區域后的候選區域作為對象進行上述的處理來決定其他整合區域。通過將該處理反復進行N次，能夠決定N個整合區域。