信息處理設備、信息處理方法和程序技術

校正單元使用校正信息來校正總體學習者的參數，所述總體學習者具有接收從輸入圖像提取的特征量、并且輸出指示預定目標是否反映在輸入圖像中的弱假定的多個弱學習者。分辨處理單元使用其參數被校正的總體學習者，關于所述特征量積分從所述弱學習者輸出的所述弱假定，并且基于所述弱假定的積分值分辨所述目標是否反映在輸入圖像中。在校正信息計算單元54中基于照明該目標的光源計算所述校正信息。本技術可以應用于例如分辨目標是否反映在輸入圖像中的情況等。

【技術實現步驟摘要】

本公開涉及信息處理設備、信息處理方法和程序，具體地涉及能夠容易地防止分辨預定目標是否反映在輸入圖像中的分辨性能劣化的信息處理設備、信息處理方法和程序。
技術介紹
執行總體學習者的學習的總體學習例如包括提升(boosting)或裝袋(bagging),其中總體學習者利用作為多個弱學習者的輸出的弱假定的多數表決(majority vote)執行識別。此外，已經提出使用總體學習者分辨預定目標是否反映在通過總體學習獲得的圖 像中的方法(目標分辨方法)(見日本專利登記No. 4517633)。在日本專利登記No. 4517633中，僅僅通過非常簡單的處理(如減法)獲得的、以及作為輸入圖像中每兩個像素的像素值之間的差異的像素間差異特征量用作圖像特征量，并且可以通過減法計算的像素間差異特征量用于實現分辨目標的足夠分辨性能。此外，在日本專利登記No. 4517633中，因為對于構成總體學習者的每個弱學習者設置用于獲得像素間差異特性量的兩個像素的位置，所以必需計算對應于構成總體學習者的弱學習者的數量的像素間差異特性量。然而，像素間差異特性量可以通過如減法的非常簡單的處理獲得，并且對應于構成總體學習者的弱學習者的數量的像素間差異特性量可以高速地計算，使得目標分辨處理可以高速地執行。
技術實現思路
在總體學習中，用于總體學習者的學習的學習圖像包括其中反映了目標的正圖像和其中沒有反映目標的負圖像。例如，優選使用其中整體目標用照明目標而沒有偏移的光適當地照明(如果可能)的圖像，即，其中整體目標由來自各個方向的光均勻地照明而沒有偏移的圖像(以下稱為適當照明圖像)，作為包括正圖像和負圖像的學習圖像或者變為要使用總體學習者分辨的目標的輸入圖像。同時，在相機捕獲的圖像中，照明目標的光通常偏移，使得目標具有其中臉部的左側和右側產生不同陰影的圖像(以下稱為偏移陰影圖像)，即使目標如在人臉中在一定程度上是雙邊対稱的。即使學習圖像是偏移陰影圖像，通過使用多個偏移陰影圖像作為學習圖像執行總體學習者的學習，平均照明作為學習圖像的偏移陰影圖像中的目標的光的偏移，使得可以獲得使用適當照明圖像作為學習圖像執行學習的總體學習者。結果，當輸入圖像是偏移陰影圖像時，在使用總體學習者分辨目標吋，分辨目標的分辨性能可能劣化，而不管用于分辨目標的圖像的特征量。鑒于以上情形，本技術允許容易地防止分辨目標的分辨性能的劣化。根據本技術ー個方面的信息處理設備或用于使得計算機用作信息處理設備的程序，包括校正単元，配置為使用用于校正總體學習者的參數的校正信息來校正總體學習者的參數，所述總體學習者具有接收從輸入圖像提取的特征量、并且輸出指示預定目標是否反映在輸入圖像中的弱假定的多個弱學習者，所述校正信息基于照明該目標的光源計算；以及分辨單元，配置為使用其參數被校正的總體學習者，關于所述特征量積分從所述弱學習者輸出的所述弱假定，并且基于所述弱假定的積分值分辨所述目標是否反映在輸入圖像中。根據本技術另一方面的信息處理方法，包括使用用于校正總體學習者的參數的校正信息來校正總體學習者的參數，所述總體學習者具有接收從輸入圖像提取的特征量、并且輸出指示預定目標是否反映在輸入圖像中的弱假定的多個弱學習者，所述校正信息基于照明該目標的光源計算；以及使用其參數被校正的總體學習者，關于所述特征量積分從所述弱學習者輸出的所述弱假定，并且基于所述弱假定的積分值分辨所述目標是否反映在輸入圖像中。根據本技術的另一方面，使用用于校正總體學習者的參數的校正信息來校正總體學習者的參數，所述總體學習者具有接收從輸入圖像提取的特征量、并且輸出指示預定目 標是否反映在輸入圖像中的弱假定的多個弱學習者，并且所述校正信息基于照明該目標的光源計算。然后，使用其參數被校正的總體學習者，積分關于所述特征量從所述弱學習者輸出的所述弱假定，并且基于所述弱假定的積分值分辨所述目標是否反映在輸入圖像中。此外，信息處理設備可以是單獨設備或可以是ー個設備中包括的內部塊。此外，程序可以通過傳輸介質傳輸，或者可以記錄在記錄介質上并且提供。根據本專利技術的ー個方面，可能容易地防止分辨目標的分辨性能的劣化。附圖說明圖I是圖示使用總體學習者執行目標分辨的分辨設備的配置示例的框圖；圖2是圖示執行檢測詞典存儲單元20中存儲的總體學習者的總體學習的學習設備的配置示例的框圖；圖3是圖示學習設備執行的總體學習者H(X)的總體學習處理的流程圖；圖4是圖示生成弱學習者ht(x)的弱學習者生成處理的流程圖；圖5是圖不獲得到切閾值Rt的方法的圖；圖6是圖不分辨處理的流程圖；圖7是圖示窗ロ圖像分辨處理的流程圖；圖8A和8B是圖不輸入圖像(運動圖像)和當對作為目標的輸入圖像執行分辨處理時的接收器操作特性(ROC)曲線的圖；圖9是圖示使用偏移陰影圖像作為目標的分辨目標的分辨性能劣化的圖；圖10是圖示當輸入圖像不是適當照明圖像時的處理方法的圖，適當照明圖像中整個目標被適當地照明；圖11是圖示對其部分應用亮度轉換濾波器的情況的圖；圖12是圖示對其應用本技術的信息處理設備的分辨設備的實施例的配置示例的框圖13是圖示平均圖像存儲單元57中存儲的平均圖像的示例的圖；圖14是圖示本技術的原理的圖；圖15是圖示標準學習者的參數校正的圖；圖16是圖示通過光源估計單元52從校準圖像中估計照明校準圖像中反映的目標的光源的光源估計方法的圖；圖17是圖示通過光源估計單元52估計光源的另一光源估計方法的圖；圖18是圖示通過陰影區域識別單元53檢測陰影邊界的邊界檢測方法的圖，在該陰影邊界上由于來自校準圖像中的光源的光而出現陰影； 圖19是圖示另ー邊界檢測方法的圖；圖20是圖示通過校正信息計算單元54確定(計算)校正系數k’的方法的圖；圖21是圖示圖像獲取單元51中獲取校準圖像的獲取方法的圖；圖22是圖示校準處理的流程圖；圖23是圖示校正信息計算單元54執行的校正系數確定處理的流程圖；圖24是圖示分辨設備執行的分辨處理的流程圖；圖25是圖示根據像素位置利用不同放大率k’執行放大的亮度轉換濾波器、以及對其應用亮度轉換濾波器的平均圖像的圖；以及圖26是圖示對其應用本技術的計算機的實施例的配置示例的框圖。具體實施例方式以下，將參考附圖詳細描述本公開的優選實施例。注意，在本說明書和附圖中，具有基本相同功能和結構的結構元件用相同參考標號表示，并且省略這些結構元件的重復說明。在本技術實施例的描述之前，將在前級準備中描述總體學習和通過使用總體學習者的總體學習獲得的目標分辨。圖I是圖示使用總體學習者執行目標分辨的分辨設備的配置示例的框圖。在圖I中，分辨設備具有分辨處理単元10和檢測詞典存儲單元20。對其執行目標分辨的目標的輸入圖像從外部提供到分辨處理単元10。分辨處理単元10例如執行目標分辨，其使用總體學習者(的參數)作為檢測詞典存儲單元20中存儲的檢測詞典，分辨如人臉的預定目標是否反映在從外部提供(輸入)的輸入圖像中，并且輸出分辨結果。檢測詞典存儲單元20存儲通過總體學習獲得的總體學習者(的參數)作為用于檢測(分辨)目標的檢測詞典。在圖I中，分辨處理單元10具有縮放單元11、掃描單元12和分辨單元13。對縮放単元11提供作為對其執行目標分辨的目標的輸入圖像。縮放單元11在分辨單元13的控制下，例如通過雙線性本文檔來自技高網...

【技術保護點】
一種信息處理設備，包括：校正單元，配置為使用用于校正總體學習者的參數的校正信息來校正總體學習者的參數，所述總體學習者具有接收從輸入圖像提取的特征量、并且輸出指示預定目標是否反映在輸入圖像中的弱假定的多個弱學習者，所述校正信息基于照明該目標的光源計算；以及分辨單元，配置為使用其參數被校正的總體學習者，關于所述特征量積分從所述弱學習者輸出的所述弱假定，并且基于所述弱假定的積分值分辨所述目標是否反映在輸入圖像中。

【技術特征摘要】
...

【專利技術屬性】
技術研發人員：山下潤一，尾上直之，
申請(專利權)人：索尼公司，
類型：發明
國別省市：