信息处理设备和处理信息的方法、存储介质以及程序的制作方法

文档序号:6370257阅读:123来源:国知局
专利名称:信息处理设备和处理信息的方法、存储介质以及程序的制作方法
信息处理设备和处理信息的方法、存储介质以及程序技术领域
本技术涉及一种信息处理设备和处理信息的方法、存储介质以及程序,更具体地说,涉及一种提高识别(identification)精确度的信息处理设备和处理信息的方法、存储介质以及程序。
背景技术
公开了一种用于根据认识(recognition)目标人物的面部图像来识别认识目标人物是否是同一人物的技术(参见日本专利特开No. 2006-178651)。
在日本专利特开No. 2006-178651中公开的技术中,多个认识部分获取人物的面部图像并从所获取的面部图像中提取特征图案,并且计算所提取的特征图案与先前注册的字典图案之间的相似度。
然后,计算与每个由每个认识部分计算的多个相似度对应的统计量,并识别人物。 发明内容
然而,在日本专利特开No. 2006-178651中公开的技术中,因为由面部认识部分获取的面部图像的特征图案与先前注册的字典图案被一对一比较并计算相似度,所以识别精确度可能是不足的。
因此,因为根据具有不足精确度的相似度来计算统计量并基于该统计量来识别人物,所以对于识别精确度存在限制。
鉴于上述情形而提供本技术,并且本技术能够提高识别精确度。
根据本技术的一个方面,提供了一种信息处理设备,包括统计量提取部分,计算第一识别目标的多个图像的组中的所有与第二识别目标的多个图像的组中的所有之间的相似度,并从相似度中提取相似度统计量;以及识别部分,基于相似度统计量来识别第一识别目标与第二识别目标是否相同。
该信息处理设备可以进一步包括特征量提取部分,从第一识别目标和第二识别目标的图像中提取局部特征量,并且统计量提取部分可以基于由特征量提取部分提取的第一识别目标和第二识别目标的局部特征量来计算相似度。
识别部分可以通过确定关于第一识别目标与第二识别目标的每个组合的相似度的统计量是否等于或高于对应预定阈值并综合确定结果来识别第一识别目标与第二识别目标是否相同。
统计量提取部分可以提取直方图来作为相似度统计量。
统计量提取部分可以提取平均值来作为相似度统计量。
可以从先前注册的一个图像中检测第一识别目标和第二识别目标中的一个。
根据本技术的一个方面,提供了一种处理信息的方法,包括计算第一识别目标的多个图像的组中的所有与第二识别目标的多个图像的组中的所有之间的相似度,并从相似度中提取相似度统计量;以及基于相似度统计量来识别第一识别目标与第二识别目标是否相同。
根据本技术的一个方面,提供了一种存储程序的计算机可读存储介质,所述程序使得计算机执行如下步骤计算第一识别目标的多个图像的组中的所有与第二识别目标的多个图像的组中的所有之间的相似度,并从相似度中提取相似度统计量;以及基于相似度统计量来识别第一识别目标与第二识别目标是否相同。
根据本技术的一个方面,提供了一种程序,使得计算机执行如下步骤计算第一识别目标的多个图像的组中的所有与第二识别目标的多个图像的组中的所有之间的相似度, 并从相似度中提取相似度统计量;以及基于相似度统计量来识别第一识别目标与第二识别目标是否相同。
根据本技术的一个方面,可以提高识别精确度。


图I是示出面部识别单元的配置的框图,
图2是示出面部特征点检测部分的配置的框图,
图3是示出局部特征量提取部分的配置的框图,
图4是目标注册处理的流程图解释,
图5是特征点检测处理的流程图解释,
图6是示出特征点检测的例子的图,
图7是特征量提取处理的流程图解释,
图8A到图8C是示出特征提取滤波器的例子的图,
图9是面部注册处理的流程图解释,
图10是示出面部注册单元的另一配置的框图,
图11是目标注册处理的流程图解释,
图12是示出辨认器(recognizer)创建单元的配置的框图,
图13是示出局部特征量提取部分的配置的框图,
图14是面部识别字典创建处理的流程图解释,
图15是特征量提取处理的流程图解释,
图16是统计量提取处理的流程图解释,
图17是统计量提取处理的框图解释,
图18是辨认器创建处理的流程图解释,
图19是示出面部识别单元的配置的框图,
图20是目标识别处理的流程图解释,
图21A和图21B是示出面部图像组的例子的图,
图22是面部识别处理的流程图解释,
图23是图像数目与识别性能之间的关系的图解,
图24是示出面部识别单元的另一配置的框图,
图25是目标识别处理的流程图解释,以及
图26是示出应用本技术的实施例的个人计算机的硬件配置的框图。CN 102982305 A书明说3/16 页
具体实施例方式此后,将参照附图详细描述本公开的优选实施例。应当注意,在该说明书和附图中,用相同的参考数字来表示具有基本相同的功能和结构的结构元素,并且省略这些结构元素的重复解释。
下面将描述实现本公开的实施例(此后,将被称为实施例)的模式。将按照以下次序来描述实施例。
〈1>第一实施例
I.面部注册单元的配置
2.目标注册处理I
3.特征点检测处理
4.特征量提取处理I
5.面部注册处理I
6.面部注册单元的配置
7.目标注册处理2
<2>第二实施例
8.辨认器创建单元的配置
9.面部识别字典创建处理
10.特征量提取处理2
11.统计量提取处理
12.辨认器创建处理
<3>第三实施例
13.面部识别单元的配置
14.目标识别处理I
15.面部识别处理
16.面部识别单元的配置
17.目标识别处理2
18.个人计算机的配置
19.其他
<第一实施例>
[面部注册单元的配置]
图I是示出面部注册单元I的配置的框图。
面部注册单元I包括图像获取部分21、同一人物面部图像提取部分22、面部特征点检测部分23、学习数据库24、局部特征量提取部分25、面部注册部分26、注册面部数据库 27和面部识别字典28。
图像获取部分21获取用户输入的图像和与图像相关的信息,并将输入图像和信息输出到同一人物面部图像提取部分22。同一人物面部图像提取部分22从所获取的多个图像中的每一个中获取同一人物的面部图像,并将所提取的面部图像输出到面部特征点检测部分23。
面部特征点检测部分23基于先前存储在学习数据库24中的学习数据来从图像中5检测特征点。将参照图2来详细描述面部特征点检测部分23。
图2是示出面部特征点检测部分23的配置的框图。面部特征点检测部分23包括图像剪切部分41和面部特征确定部分42。
图像剪切部分41根据所获取的图像来创建各种剪切图像,并将所创建的剪切图像输出到面部特征确定部分42。面部特征确定部分42基于所创建的剪切图像和学习数据来确定面部特征,并检测特征点。
再次参照图1,局部特征量提取部分25提取每个所检测到的特征点的特征量,即局部特征量。将参照图3来详细描述局部特征量提取部分25。
图3是示出局部特征量提取部分25的配置的框图。局部特征量提取部分25包括规格化(normalize)部分61、中间图像创建部分62、滤波器组(filter-set)选择部分63 和特征量提取部分64。
规格化部分61将所获取的图像进行规格化,并将规格化后的图像输出到中间图像创建部分62和滤波器组选择部分63。中间图像创建部分62从所获取的图像中创建积分图像作为中间图像,并将积分图像输出到特征量提取部分64。
滤波器组选择部分63选择特征点和特征提取滤波器,在面部识别字典28中将所选择的特征点与所选择的特征提取滤波器相关地存储,并将所选择的特征点和特征提取滤波器输出到特征量提取部分64。特征量提取部分64基于中间图像和滤波器组来提取特征量。
再次参照图I,面部注册部分26在注册面部数据库27中将所提取的特征量与要注册的面部的人物相关地注册。
[目标注册处理I]
将参照图4至图9来描述目标注册处理I。图4是由面部注册单元I执行的目标注册处理I的流程图解释。当用户输入包括面部作为目标的图像时启动目标注册处理I。
在步骤SI中,图像获取部分21获取多个图像和注册ID (标识)。注册ID是用于识别要注册的目标的标识信息。
在步骤S2中,同一人物面部图像提取部分22从由图像获取部分21获取的图像中提取同一人物的面部图像。也就是说,按照在多个图像中包括的人物的面部图像来对多个图像进行分类。
关于面部图像的提取,例如,在运动图像的情况下可以使用面部跟踪算法,并且在静态图像的情况下可以使用面部聚类算法。可替换地,用户可以指定面部图像。
在步骤S3中,面部特征点检测部分23的图像剪切部分41获取所提取的面部图像中的一个。也就是说,从同一人物的面部图像的组中获取一个面部图像。
在步骤S4中,面部特征点检测部分23执行特征点检测处理。将参照图5来描述特征点检测处理。
[特征点检测处理]
图5是特征点检测处理的流程图解释。
在步骤S21中,图像剪切部分41创建多类剪切图像。也就是说,图像剪切部分41 对所获取的图像的整个区域或部分区域执行光栅扫描,以剪切预想包括面部特征(例如,眼睛、鼻子、嘴等)的各种尺寸的图像。
在步骤S22中,面部特征确定部分42从学习数据库24中获取学习数据。在学习数据库24中,预先存储面部特征的学习数据。
在步骤S23中,面部特征确定部分42从学习数据获取一类面部特征。例如,获取眼睛作为面部特征。
在步骤S24中,面部特征确定部分42将最大相似度设置为O。也就是说,将最大相似度初始化。
在步骤S25中,面部特征确定部分42获取一个剪切图像。也就是说,获取由步骤 S21中的处理创建的剪切图像。
在步骤S26中,面部特征确定部分42计算该剪切图像与面部特征之间的相似度。 也就是说,对由步骤S25中的处理获取的剪切图像和步骤S23中的处理获取的面部特征实行匹配。
在步骤S27中,面部特征确定部分42确定相似度值是否大于最大相似度。也就是说,确定由步骤S26中的处理计算的值是否大于其他相似度值。
在步骤S27中,当确定相似度值大于最大相似度值时,在步骤S28中,面部特征确定部分42将最大相似度值改变为最新相似度值。也就是说,在步骤S26中计算的相似度值被分配给最大相似度值。
另一方面,如果在步骤S27中确定相似度值不大于最大相似度值,也就是说当在步骤S26中计算的相似度值低于或等于最大相似度值时,跳过步骤S28中的处理并且过程进行到步骤S29。
在步骤S29中,面部特征确定部分42确定是否获取了预定数目的剪切图像。当在步骤S29中确定未获取预定数目的剪切图像时,过程进行到步骤S30。
在步骤S30中,面部特征确定部分42获取另一剪切图像。也就是说,获取由步骤 S21中的处理所创建的剪切图像中、未计算其与学习数据的面部特征的相似度的剪切图像。
在执行步骤S30中的处理之后,过程返回到步骤S26并且重复执行随后的处理。也就是说,对其他剪切图像执行类似的处理。
另一方面,当在步骤S29中确定获取了预定数目的剪切图像时,在步骤S31中,面部特征确定部分42从具有最大相似度的剪切图像中检测特征点。
图6是示出特征点检测的例子的图。在图6的例子中,用标记X来表示特征点。 当获取眼睛的学习数据来作为面部特征时,检测用于识别眼睛的特征点、诸如特征点81-1。
可替换地,当获取嘴的学习数据来作为面部特征时,检测用于识别嘴的特征点、诸如特征点81-2。
在执行步骤S31中的处理之后,在步骤S32中面部特征确定部分42确定是否获取了所有类型的面部特征。当在步骤S32中确定还未获取所有类型的面部特征时,过程进行到步骤S33。
在步骤S33中,面部特征确定部分42获取另一类面部特征。例如,获取嘴来作为面部特征。在执行步骤S33中的处理之后,过程返回到步骤S24,并且重复执行随后的处理。 也就是说,对另一类面部特征重复执行类似的处理。
另一方面,当在步骤S32中确定获取了所有类型的面部特征时,终止特征点提取处理,并且过程进行到图4中的步骤S5。
再次参照图4,局部特征量提取部分25在步骤S5中执行特征量提取处理I。将参照图7来描述特征量提取处理I。
[特征量提取处理I]
图7是特征量提取处理I的流程图解释。
在步骤S51中,规格化部分61对面部图像进行规格化。也就是说,通过分析面部图像来检测面部图像的方向,并且规格化面部图像,使得特征点的位置与参考位置相匹配。 具体而言,执行仿射变换等。
在步骤S52中,中间图像创建部分62创建中间图像。也就是说,从规格化后的面部图像来创建积分图像,作为中间图像。
中间图像的尺寸(像素的数目)与原始图像的尺寸相同。当假设预定位置,诸如原始图像的四个角中的左上角,作为参考位置时,中间图像的每个像素的像素值被假设是在一如下的四边形范围内包括的原始图像的每个像素的亮度值之和,其中该四边形范围具有由将参考位置与每个像素的位置连接起来的线限定的对角线。
在步骤S53中,滤波器组选择部分63获取一个特征点。也就是说,从由在步骤S4 执行的特征点检测处理所检测到的多个特征点中随机获取一个特征点。
在步骤S54中,滤波器组选择部分63获取特征提取滤波器。随机获取特征提取滤波器。将参照图8来描述特征提取滤波器。
图8A至图8C是示出特征提取滤波器的例子的图。在图8A至图8C中,矩形滤波器被示出为特征提取滤波器。
矩形滤波器被分割为预定数目的矩形白色区域和矩形黑色区域,通过相对于水平方向、垂直方向或预定方向具有45度斜率的直线来分割每个区域。
通过如下操作来执行使用矩形滤波器的特征量提取,即将矩形滤波器布置在图像的预定位置,并计算在白色区域内包括的像素的亮度值之和与在黑色区域内包括的像素的亮度值之和之间的差。
例如,在图8A中示出的2-矩形滤波器适于提取边缘的特征量,而在图8B中示出的3-矩形滤波器和在图SC中示出的4-矩形滤波器适于提取线的特征量。
滤波器组选择部分63选择例如任意选择的特征点81-1和随机选择的特征提取滤波器91-1来作为滤波器组。
可替换地,滤波器组选择部分63选择例如随机选择的特征点81-2和随机选择的特征提取滤波器91-2来作为滤波器组。
注意,除了矩形滤波器之外,特征提取滤波器可以是盖伯(Gabor)滤波器、LBP (Local Binary Pattern,局部二值模式)、SIFT (Scale-Invariant Feature Transform,尺度不变特征变换)等。
再次参照图7,在步骤S55中,滤波器组选择部分63在面部识别字典28中存储滤波器组。也就是说,彼此相关地存储一对所选择的特征点和所选择的特征提取滤波器。所存储的滤波器组将在后面描述的图15的步骤S224中使用。
在步骤S56中,特征量提取部分64提取特征量。也就是说,滤波器组被应用于中间图像,并提取与特征点对应的特征量。
在步骤S57中,特征量提取部分64确定是否获取了预定数目的特征量。当在步骤S57中确定还未获取预定数目的特征量时,过程进行到步骤S58。
在步骤S58中,滤波器组选择部分63获取另一特征点。随机获取该另一特征点。 在执行了步骤S58中的处理之后,过程返回到步骤S54并且重复执行随后的处理。也就是说,对其他特征点执行类似的处理。
另一方面,当在步骤S57中确定获取了预定数目的特征量时,在步骤S59中特征量提取部分64计算特征矢量。也就是说,通过使用所提取的特征量作为参数来计算特征矢量。
在执行了步骤S59中的处理之后,特征量提取处理I终止,且过程进行到图4中的步骤S6。
在图4的步骤S6中,面部注册部分26执行面部注册处理。将参照图9来描述面部注册处理。
[面部注册处理]
图9是面部注册处理的流程图解释。
在步骤S71中,面部注册部分26获取特征矢量。也就是说,获取由在图7的步骤 S59中的处理计算的特征矢量。
在步骤S72中,面部注册部分26在注册面部数据库27中彼此相关地存储由在图4 的步骤SI中的处理获取的注册ID和特征矢量。通过将特征矢量与注册ID相关来标识由特征矢量识别的面部。
在执行了步骤S72中的处理之后,面部注册处理终止,并且过程进行到图4中的步骤S7。
在图4的步骤S7中,面部特征点检测部分23的图像剪切部分41确定是否获取了全部面部图像。也就是说,确定是否对由在步骤Si中执行的处理所获取的全体图像执行了特征点检测处理、特征量提取处理I和面部注册处理。
在步骤S7中,当确定还未获取全体面部图像时,在步骤S8中,面部特征点检测部分23的图像剪切部分41获取另一面部图像。在执行步骤S8中的处理之后,过程返回到步骤S4并且重复执行随后的处理。也就是说,对其他面部图像执行类似的处理。
另一方面,当在步骤S7中确定获取了全体面部图像时,终止面部注册处理。
如上所述,提取多个图像中的每一个的特征量并与标识人物的信息一起存储在注册面部数据库27中。
注意,虽然在本实施例中输入多个图像,但是输入图像的数目可以是一个。
[面部注册单元的配置]
参照图10和图11,将描述其中输入一个图像的情况。图10是示出面部注册单元 101的配置的框图。
在图10示出的面部注册单元101中,用相同的数字来表示与在图I中示出的面部注册单元I的组件相对应的那些组件。
也就是说,与面部注册单元I不同的是,面部注册单元101包括面部检测部分121, 且省略了同一人物面部图像提取部分22,其他组件与面部注册单元I中的类似。当然,可以包括同一人物面部图像提取部分22。
面部检测部分121通过分析图像来检测在从图像获取部分21提供的每一个图像中包括的人物的面部的部分,并创建面部图像。[目标注册处理2]下面,将参照图11来描述由面部注册单元101执行的目标注册处理2。图11是目标注册处理2的流程图解释。在图11中,步骤S103至S105中的处理分别对应于图4的步骤S4至S6的处理。因此,将简要描述这些步骤中的处理以减少重复。在步骤SlOl中,图像获取部分21获取一个图像和注册ID。在步骤S102中,面部检测部分121从由图像获取部分21获取的图像中检测面部。也就是说,检测在所获取的图像中包括的人物的面部部分。在步骤S103中,执行参照图5描述的特征点检测处理。也就是说,从由在步骤S102的处理检测的面部图像中检测特征点。在步骤S104中,执行参照图7描述的特征量提取处理I。也就是说,提取由在步骤S103中的处理所检测到的每一个特征点的特征量。在步骤S105中,执行参照图9描述的面部注册处理。也就是说,在注册面部数据库27中彼此相关地注册由步骤SlOl中的处理所获取的注册ID和由步骤S104中的处理所提取的特征量。在执行了步骤S105中的处理之后,终止目标注册处理2。如上所述,至少一次将特征矢量与一个注册ID相关地注册在注册面部数据库27中,这就足够了。〈第二实施例〉[辨认器创建单元的配置]图12是示出辨认器创建单元201的配置的框图。在图12的辨认器创建单元201,用相同的数字来表示与在图1中示出的面部注册单元I的组件相对应的那些组件。也就是说,与面部注册单元I不同的是,辨认器创建单元201包括局部特征量提取部分221、统计量提取部分222和辨认器创建部分223,且省略了局部特征量提取部分25和面部注册部分26,并且其他组件与面部注册单元I中的那些类似。当然,可以在该实施例中包括局部特征量提取部分25、面部注册部分26和图10中示出的面部检测部分121中的至少一个。局部特征量提取部分221提取所检测到的特征点中的每一个的特征量。将参照图13来详细描述局部特征量提取部分221。图13是不出局部特征量提取部分221的配置的框图。在图13不出的局部特征量提取部分221中,用相同的数字来表示与在图3中示出的局部特征量提取部分25的组件相对应的那些组件。也就是说,与局部特征量提取部分25不同的是,局部特征量提取部分221中省略了滤波器组选择部分63,并且其他组件与局部特征量提取部分25中的那些类似。局部特征量提取部分221的特征量提取部分64获取在面部识别字典28中存储的滤波器组。再次参照图12,统计量提取部分222基于所提取的特征量和在注册面部数据库27中先前注册的特征量来提取相似度统计量。
辨认器创建部分223基于所提取的相似度统计量,来创建多个弱辨认器用于提升(boost)处理,并且在面部识别字典28中存储综合了所创建的弱辨认器的辨认器。[面部识别字典创建处理]将参照图14至图18来描述面部识别字典创建处理。图14是面部识别字典创建处理的流程图解释。在图14中,步骤S202至S204、S206和S207中的处理分别对应于图4的步骤S2至S4、S7和S8中的处理。因此,将简要描述那些步骤中的处理以减少重复。当用户输入用于学习的图像时启动面部识别字典创建处理。在步骤S201中,图像获取部分21获取用于学习的图像、用于学习的图像信息和注册ID。用于学习的图像是与存储在注册面部数据库27中的注册ID对应的人物相同的人物的面部图像或者是不同人物的面部图像。用于学习的图像信息是指示用于学习的图像是与注册ID对应的人物相同的人物的面部图像还是不同人物的面部图像的信息。在步骤S202中,同一人物面部图像提取部分22从由图像获取部分21所获取的用于学习的图像中提取同一人物的面部图像。在步骤S203中,面部特征点检测部分23的图像剪切部分41获取所提取的面部图像中的一个。在步骤S204中,执行参照图5描述的特征点检测处理。也就是说,从由步骤S203中的处理所获取的面部图像中检测特征点。在步骤S205中,局部特征量提取部分221执行特征量提取处理2。将参照图15来描述特征量提取处理2。[特征量提取处理2]图15是特征量提取处理2的流程图解释。在图15中,步骤S221至S223和S225至S228中的处理分别对应于图7中的步骤S51至S53和S56至S59中的处理。将简要描述这些步骤中的处理以减少重复。在步骤S221中,规格化部分61对面部图像进行规格化。在步骤S222中,中间图像创建部分62创建中间图像。在步骤S223中,滤波器组选择部分63获取一个特征点。在步骤S224中,特征量提取部分64从面部识别字典28中获取滤波器组。也就是说,获取通过图7中的步骤S55而存储在面部识别字典28中的滤波器组。例如,在其中由步骤S223中的处理所获取的特征点与图6中示出的特征点81_1对应的情况下,获取与特征点81-1相关的、在图8中示出的特征提取滤波器91-1。在步骤S225中,特征量提取部分64提取特征量。在步骤S226中,特征量提取部分64确定是否获取了预定数目的特征量。当在步骤S226中确定还未获取预定数目的特征量时,在步骤S227中,特征量提取部分64提取另一特征点。在执行了步骤S227中的处理之后,过程返回到步骤S224并且重复执行随后的处理。另一方面,当在步骤S226中确定获取了预定数目的特征量时,在步骤S228中,特征量提取部分64计算特征矢量。在执行了步骤S228中的处理之后,特征量提取处理2终止,且过程进行到图14中的步骤S206。在图14中的步骤S206中,面部特征点检测部分23的图像剪切部分41确定是否获取了全体面部图像。当在步骤S206中确定还未获取全体面部图像时,在步骤S207中,面部特征点检测部分23的图像剪切部分41获取另一面部图像。在执行了步骤S207中的处理之后,过程返回到步骤S204并且重复执行随后的处理。另一方面,在步骤S206中确定获取了全体面部图像,在步骤S208中,统计量提取部分222执行统计量提取处理。将参照图16来描述统计量提取处理。[统计量提取处理]图16是统计量提取处理的流程图解释。图17是统计量提取的图解释。在步骤S241中,统计量提取部分222获取输入特征量矩阵X。如下面的表达式(I)所表示的,输入特征量矩阵X由M (M是自然数)个图像中的每一个的K (K是自然数)个特征量来表示。[表达式I]
权利要求
1.一种信息处理设备,包括 统计量提取部分,计算第一识别目标的多个图像的组中的全体与第二识别目标的多个图像的组中的全体之间的相似度,并从相似度中提取相似度统计量;以及 识别部分,基于所述相似度统计量来识别所述第一识别目标与所述第二识别目标是否相同。
2.根据权利要求I所述的信息处理设备,进一步包括 特征量提取部分,从所述第一识别目标和所述第二识别目标的图像中提取局部特征量, 其中,所述统计量提取部分基于由所述特征量提取部分提取的所述第一识别目标和所述第二识别目标的局部特征量来计算所述相似度。
3.根据权利要求2所述的信息处理设备,其中,所述识别部分通过确定关于所述第一识别目标与所述第二识别目标的每个组合的相似度的统计量是否等于或高于对应预定阈值并综合确定结果来识别所述第一识别目标与所述第二识别目标是否相同。
4.根据权利要求3所述的信息处理设备,其中,所述统计量提取部分提取直方图来作为所述相似度统计量。
5.根据权利要求3所述的信息处理设备,其中,所述统计量提取部分提取平均值来作为所述相似度统计量。
6.根据权利要求4所述的信息处理设备,其中,所述第一识别目标和所述第二识别目标中的一个是从先前注册的一个图像中检测的。
7.—种信息处理方法,包括 计算第一识别目标的多个图像的组中的全体与第二识别目标的多个图像的组中的全体之间的相似度,并从相似度中提取相似度统计量;以及 基于所述相似度统计量来识别所述第一识别目标与所述第二识别目标是否相同。
8.一种存储程序的计算机可读存储介质,所述程序使得计算机执行如下步骤 计算第一识别目标的多个图像的组中的全体与第二识别目标的多个图像的组中的全体之间的相似度,并从相似度中提取相似度统计量;以及 基于所述相似度统计量来识别所述第一识别目标与所述第二识别目标是否相同。
9.一种程序,使得计算机执行如下步骤 计算第一识别目标的多个图像的组中的全体与第二识别目标的多个图像的组中的全体之间的相似度,并从相似度中提取相似度统计量;以及 基于所述相似度统计量来识别所述第一识别目标与所述第二识别目标是否相同。
全文摘要
提供了一种信息处理设备和处理信息的方法、存储介质以及程序,信息处理设备包括统计量提取部分,计算第一识别目标的多个图像的组中的全体与第二识别目标的多个图像的组中的全体之间的相似度,并从相似度中提取关于相似度的统计量;以及识别部分,基于所述关于相似度的统计量来识别所述第一识别目标与所述第二识别目标是否相同。本技术可以例如被应用于个人计算机。
文档编号G06K9/64GK102982305SQ20121016598
公开日2013年3月20日 申请日期2012年5月25日 优先权日2011年6月1日
发明者大久保厚志 申请人:索尼公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1