-
公开(公告)号：CN109074652B
公开(公告)日：2022-06-14
申请号：CN201780020960.6
申请日：2017-03-30
Applicant: 株式会社爱信 , 国立大学法人九州工业大学
Abstract: 进行稳健性高的图像识别。图像识别装置(2)在图像(4)中推测为出现对象者(3)的位置设定包围对象者(3)的全身的整体观测区域(5)、和包围对象者(3)的特征的部分的部分观测区域(6a～6g)。图像识别装置(2)切取整体观测区域(5)和部分观测区域(6a～6g)的图像，并将HOG特征量和颜色分布特征量这两个图像特征量组合来计算这些图像与预先学习过的图像的类似度。图像识别装置(2)针对整体观测区域(5)和部分观测区域(6a～6g)分别独立地计算组合HOG特征量和颜色分布特征量的最佳的比例(比率)。该比例的决定通过将设定组合HOG特征量和颜色分布特征量的权重的权重参数αi包含于状态向量并作为利用粒子滤波器的穷举搜索的对象来进行。
-
公开(公告)号：CN110998597B
公开(公告)日：2023-12-19
申请号：CN201880050342.0
申请日：2018-07-31
Applicant: 株式会社爱信 , 国立大学法人九州工业大学
IPC: G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明以对动态的识别对象进行图像识别为目的。图像识别装置(1)通过时空间图像数据生成部(2)来将构成视频数据(4)的帧图像数据进而将一维空间图像数据(7)在时间方向排列而生成保持空间信息与时间信息的二维的时空间图像数据(8)。像这样图像识别装置(1)保持空间信息与时间信息，并且将视频数据(4)图像转换为二维的时空间图像数据(8)。接下来，图像识别装置(1)通过CNN部(3)来对时空间图像数据(8)进行使用二维过滤器的卷积处理，而对识别对象亦即步行者的行动进行图像识别。像这样，图像识别装置(1)能够将需要空间二维、时间一维的三维的解析的步行者的行动识别通过二维图像的基于CNN的图像识别处理来进行，而推断步行(6)希尔伯特扫描而生成一维空间图像数据(7)，(56)对比文件JP 2008003765 A,2008.01.10JP 2008258980 A,2008.10.23US 2008205756 A1,2008.08.28
-
公开(公告)号：CN111164604B
公开(公告)日：2024-03-22
申请号：CN201880062230.7
申请日：2018-09-26
Applicant: 株式会社爱信 , 国立大学法人九州工业大学
Abstract: 本发明的目的在于实现处理成本的减少。图像识别装置(200)具备：图像处理装置(21)，从图像获取特征量；以及辨别装置(201)，使用获取到的特征量来判定图像中是否存在规定的辨别对象，并辨别该辨别对象。辨别装置(201)具备预先学习了辨别对象的BNN，并通过利用BNN对图像处理装置(21)获取到的特征量进行二进制计算，来进行辨别处理。此时，辨别装置(201)选择图像处理装置(21)输出的高维度特征量中对辨别有效的部分来减少在辨别处理中所使用的维度，或复制图像处理装置(21)输出的低维度特征量来增加维度。通过选择、复制特征量的维度，从而确保所需的辨别精度的同时，能够适当地调节用于辨别的特征量的维度，所以能够将辨别装置(201)安装于小规模、低消耗电力的硬件电路。
-
公开(公告)号：CN110235177B
公开(公告)日：2023-10-20
申请号：CN201880009329.0
申请日：2018-01-31
Applicant: 株式会社爱信 , 国立大学法人九州工业大学
IPC: G06T7/45
Abstract: 本发明提高检测精度，并减少计算成本。图像处理装置(8)具有在特征面(15)中标绘图像的亮度梯度共生对，对该共生对应用EM算法来形成GMM的功能。图像处理装置(8)学习行人图像来创建行人图像的GMM，接着，学习背景图像来创建背景图像的GMM，还计算两者的差分，生成基于差分的再学习用的GMM。图像处理装置(8)通过应用逆函数定理而在特征面(15)中标绘按照再学习用的GMM的样本。最后，图像处理装置(8)通过以所指定的混合数量形成表示样本的分布的GMM来形成成为图像识别的基准的基准GMM。若将该混合数量设定得小于先前所指定的混合数量，则解析图像时的维度下降，能够减少计算成本。
-
公开(公告)号：CN115023733A
公开(公告)日：2022-09-06
申请号：CN202180011637.9
申请日：2021-03-08
Applicant: 株式会社爱信 , 国立大学法人九州工业大学
Abstract: 本发明的目的在于稳健地追踪对象。追踪装置(1)具备配设于左右的全天球相机(9a、9b)。追踪装置(1)将由全天球相机(9a)拍摄到的左全天球相机图像粘贴到球形物体(30a)，在球形物体(30a)的内部设置虚拟相机(31a)。虚拟相机(31a)能够在形成于球形物体(30a)的内部的虚拟的拍摄空间自由旋转，并获取外界的左相机图像。追踪装置(1)也设置同样地获取右相机图像的虚拟相机(31b)，通过虚拟相机(31a、31b)构成会聚立体相机。追踪装置(1)使用这样构成的会聚立体相机，通过粒子滤波器追踪对象者(8)的位置。在第二实施方式中，在上下方向上配设全天球相机(9a、9b)，在上下方向上设置虚拟相机(31a、31b)。
-
Patent Agency Ranking
公开(公告)号：CN110249366B
公开(公告)日：2024-05-10
申请号：CN201880009328.6
申请日：2018-01-31
Applicant: 株式会社爱信 , 国立大学法人九州工业大学
IPC: G06T7/00
Abstract: 本发明提供更稳健的图像识别方式。图像处理装置(8)将作为图像识别的对象的图像转换为高分辨率图像(11)、中分辨率图像(12)、以及低分辨率图像(13)。图像处理装置(8)设定高分辨率图像(11)的关注像素(5)，并在共生矩阵(15)中对与偏移像素(1a)～(1d)的梯度方向的共生、在中分辨率图像(12)与像素(2a)～(2d)的梯度方向的共生、在低分辨率图像(13)中与像素(3a)～(3d)的梯度方向的共生进行投票。图像处理装置(8)对每个像素的组合以及每个分辨率创建这样的共生矩阵(15)。图像处理装置(8)对高分辨率图像(11)的各个像素进行上述的处理，其结果创建将完成的多个共生矩阵(15)的要素排成一列的共生直方图。进一步，图像处理装置(8)将共生直方图归一化，并提取以由此的频率为成分的矢量作为该图像的特征量。
-
公开(公告)号：CN108292367B
公开(公告)日：2022-08-02
申请号：CN201780003758.2
申请日：2017-03-30
Applicant: 株式会社爱信 , 国立大学法人九州工业大学
Abstract: 本发明涉及图像处理装置、半导体装置、图像识别装置、移动体装置、以及图像处理方法。构建对作为对象的图像高速地计算不同的分辨率间的亮度梯度方向的共生的硬件构成。图像处理装置(21)并列地配设高分辨率图像用的处理线、中分辨率图像用的处理线以及低分辨率图像用的处理线，并从这三个分辨率的图像并行地同时按每一亮像素提取度梯度方向。共生矩阵生成部(30a、30b、30c)使用从这三个分辨率的图像提取的亮度梯度方向来生成共生矩阵，直方图生成部31使用该共生矩阵输出直方图作为MRCoHOG特征量。由于同时处理三个分辨率的图像，所以能够高速地进行处理，能够实时处理从照相机输出的视频。
-
公开(公告)号：CN113678166A
公开(公告)日：2021-11-19
申请号：CN202080024604.3
申请日：2020-03-30
Applicant: 株式会社爱信 , 国立大学法人九州工业大学
IPC: G06T7/00
Abstract: 本发明的目的在于减少存储器的使用量。图像处理装置(8)通过基于椭圆(63)的计算式来近似基准GMM(55)的基函数。能够通过将椭圆(63)与共生对应点(51)的曼哈顿距离、以及椭圆(63)的宽度输入至基于基函数的负担率的计算式而通过计算近似地求出共生对应点(51)的负担率。另外，椭圆(63)的宽度被量化为2的n次方(n为0以上的整数)，能够通过位移位进行上述计算。这样图像处理装置(8)若存储规定椭圆(63)的参数，则能够根据该参数通过位移位计算负担率，因此无需将负担率的表格储存至存储器，而能够大幅减少存储器使用量，并且高速地计算负担率。此外，图像处理装置(8)通过将负担率量化为2的n次方，进一步节约存储器的使用。
-
公开(公告)号：CN110249366A
公开(公告)日：2019-09-17
申请号：CN201880009328.6
申请日：2018-01-31
Applicant: 株式会社爱考斯研究 , 国立大学法人九州工业大学
IPC: G06T7/00
Abstract: 本发明提供更稳健的图像识别方式。图像处理装置(8)将作为图像识别的对象的图像转换为高分辨率图像(11)、中分辨率图像(12)、以及低分辨率图像(13)。图像处理装置(8)设定高分辨率图像(11)的关注像素(5)，并在共生矩阵(15)中对与偏移像素(1a)～(1d)的梯度方向的共生、在中分辨率图像(12)与像素(2a)～(2d)的梯度方向的共生、在低分辨率图像(13)中与像素(3a)～(3d)的梯度方向的共生进行投票。图像处理装置(8)对每个像素的组合以及每个分辨率创建这样的共生矩阵(15)。图像处理装置(8)对高分辨率图像(11)的各个像素进行上述的处理，其结果创建将完成的多个共生矩阵(15)的要素排成一列的共生直方图。进一步，图像处理装置(8)将共生直方图归一化，并提取以由此的频率为成分的矢量作为该图像的特征量。
-
公开(公告)号：CN111164604A
公开(公告)日：2020-05-15
申请号：CN201880062230.7
申请日：2018-09-26
Applicant: 株式会社爱考斯研究 , 国立大学法人九州工业大学
Abstract: 本发明的目的在于实现处理成本的减少。图像识别装置(200)具备：图像处理装置(21)，从图像获取特征量；以及辨别装置(201)，使用获取到的特征量来判定图像中是否存在规定的辨别对象，并辨别该辨别对象。辨别装置(201)具备预先学习了辨别对象的BNN，并通过利用BNN对图像处理装置(21)获取到的特征量进行二进制计算，来进行辨别处理。此时，辨别装置(201)选择图像处理装置(21)输出的高维度特征量中对辨别有效的部分来减少在辨别处理中所使用的维度，或复制图像处理装置(21)输出的低维度特征量来增加维度。通过选择、复制特征量的维度，从而确保所需的辨别精度的同时，能够适当地调节用于辨别的特征量的维度，所以能够将辨别装置(201)安装于小规模、低消耗电力的硬件电路。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.032 seconds)
