图像处理设备和图像处理方法
【技术领域】
[0001 ] 本发明涉及一种图像处理设备和图像处理方法。
【背景技术】
[0002]非专利文献I (Lazebnik,“Beyond Bags of Features: Spatial Pyramid MatchingforRecognizing Natural Scene Categories”，计算机视觉与模式识别会议(Conferenceon Computer Vis1n and Pattern Recognit1n)，第 2169-2178 页(2006))公开了下述技术，其中，图像被分为多个区域以利用通过各划分区域的图像特征的整合获得的特征向量来执行图像识别。
【发明内容】
[0003]本发明的目的在于提供一种图像处理设备和图像处理方法，其能够改进从图像识别处特定种类的对象的准确性。
[0004]根据本发明的第一方面，提供了一种图像处理设备，其包括第一获取部，所述第一获取部获取待处理图像；设置部，所述设置部在待处理图像中设置多个部分图像区域;第二获取部，所述第二获取部获取第一识别结果，该第一识别结果指示特定种类的对象包括在多个部分图像区域中的每一个中的可能性；以及生成部，所述生成部基于多个部分图像区域中的每一个的第一识别结果生成第二识别结果，该第二识别结果指示特定种类的对象被包括在待处理图像中的可能性。
[0005]根据本发明的第二方面，图像处理设备进一步包括提取部，所述提取部从各多个部分图像区域的第一识别结果中提取第一识别结果的一部分。生成部基于由提取部提取的第一识别结果生成第二识别结果，该第二识别结果指示特定种类的对象被包括在待处理图像中的可能性。
[0006]根据本发明的第三方面，在图像处理设备中，第一识别结果是包括特定种类的对象的几率。提取部从各多个部分图像区域的第一识别结果中提取从具有最高几率的第一识别结果开始计数的预定数目或比率的第一识别结果。
[0007]根据本发明的第四方面，在图像处理设备中，第一识别结果是包括特定种类的对象的几率。提取部从各多个部分图像区域的第一识别结果中提取具有高于或等于阈值的几率的第一识别结果。
[0008]根据本发明的第五方面，在图像处理设备中，第一识别结果是包括特定种类的对象的几率。生成部基于是各多个部分图像区域的第一识别结果的几率的和或乘积或具有高于或等于阈值的几率的第一识别结果的数目与具有低于阈值的几率的第一识别结果的数目之间的比较的结果生成第二识别结果，该第二识别结果指示特定种类的对象被包括在待处理图像中的可能性。
[0009]根据本发明的第六方面，图像处理设备进一步包括使得识别器基于为包括特定种类的对象的一个或多个样本图像中的每一个设置的部分图像区域中的每一个的图像特征学习特定种类的对象的识别条件的单元。第二获取部基于部分图像区域的图像特征利用识别器获取第一识别结果，该第一识别结果指示特定种类的对象包括在多个部分图像区域中的每一个中的可能性。
[0010]根据本发明的第七方面，图像处理设备进一步包括部分区域信息学习部，该部分区域信息学习部学习关于在样本图像中设置的部分图像区域中的每一个的位置和大小的特征。设置部基于由部分区域信息学习部学习的关于部分图像区域中的每一个的位置和大小的特征在待处理图像中设置多个部分图像区域。
[0011]根据本发明的第八方面，在图像处理设备中，基于部分图像区域中包括的一个或更多个像素中的每一个的局部特征的分布生成部分图像区域中的每一个的图像特征。
[0012]根据本发明的第九方面，在图像处理设备中，设置部设置多个部分图像区域使得在待处理图像中设置的多个部分图像区域中的至少一些彼此交叠。
[0013]根据本发明的第十方面，提供了一种图像处理方法，所述图像处理方法包括下述步骤:获取待处理图像；在待处理图像中设置多个部分图像区域；获取第一识别结果，所述第一识别结果指示特定种类的对象包括在多个部分图像区域中的每一个中的可能性；以及基于多个部分图像区域中的每一个的第一识别结果生成第二识别结果，所述第二识别结果指示特定种类的对象包括在待处理图像中的可能性。
[0014]根据本发明的第一方面，与不采用上述构造的情况相比，能够使用具有包括特定种类的对象的不同可能性的多个部分图像区域的识别的结果改进从图像识别特定种类的对象的准确性。
[0015]根据本发明的第二方面，与不采用上述构造的情况相比，能够使用具有包括特定种类的对象的不同可能性的多个部分图像区域的识别的结果的一部分改进从图像识别特定种类的对象的准确性。
[0016]根据本发明的第三方面，与不采用上述构造的情况相比，能够使用图像中设置的部分图像区域中具有包括特定种类的对象的最高可能性的部分图像区域的识别的结果改进从图像识别特定种类的对象的准确性。
[0017]根据本发明的第四方面，与不采用上述构造的情况相比，能够使用图像中设置的部分图像区域中具有包括特定种类的对象的较高可能性的部分图像区域的识别的结果改进从图像识别特定种类的对象的准确性。
[0018]根据本发明的第五方面，与不采用上述构造的情况相比，能够使用具有包括特定种类的对象的不同可能性的多个部分图像区域的识别的所有结果改进从图像识别特定种类的对象的准确性。
[0019]根据本发明的第六方面，与不采用上述构造的情况相比，能够准确地识别特定种类的对象包括在图像中设置的部分图像区域中的每一个中的可能性。
[0020]根据本发明的第七方面，与不采用上述构造的情况相比，能够设置具有适合于图像中待识别对象的大小和位置的部分图像区域。
[0021]根据本发明的第八方面，与不采用上述构造的情况相比，能够减少对象的形状和亮度的变化对于识别准确性的影响。
[0022]根据本发明的第九方面，与不采用上述构造的情况相比，能够增加包括待识别对象的部分图像区域的数目。
【附图说明】
[0023]下面将基于附图详细描述本发明的示例性实施方式，其中:
[0024]图1示出了根据关于学习处理的示例性实施方式的图像处理设备的示例性功能；
[0025]图2示出了关于识别处理的图像处理设备的示例性功能；
[0026]图3示出了示例性目标图像；
[0027]图4示出了为目标图像设置的示例性多个识别目标区域；
[0028]图5是用于描述整合识别结果的示例性处理的图；
[0029]图6是示出学习处理的示例的流程图；
[0030]图7是示出计算局部特征值的示例性处理的流程图；
[0031]图8是示出具有识别器的示例性学习处理的流程图；以及
[0032]图9A和图9B是示出识别处理的示例的流程图。
【具体实施方式】
[0033]这里将参考附图描述本发明的示例性实施方式。根据示例性实施方式的图像处理设备10是使得识别器学习一个或多个种类的对象的图像特征并且执行处理以利用识别器识别待处理图像中的对象(主体)的计算机。
[0034]现在将描述根据本示例性实施方式的图像处理设备10执行的示例性处理的概况。图像处理设备10对于其中拍摄的对象的种类相同的样本图像设置一个或更多个部分图像区域并且基于设置的部分图像区域的图像特征利用识别器对于每个对象种类执行学习处理。图像处理设备10对于其中拍摄的对象的种类不相同的目标图像设置多个部分图像区域，基于设置的多个部分图像区域的图像特征利用识别器执行识别处理，并且将多个部分图像区域的识别的结果彼此整合以确定关于目标图像中拍摄的对象的信息。
[0035]1.功能块的描述
[0036]现在将参考图1和图2中所示的功能框图描述根据本示例性实施方式的图像处理设备10的示例性功能。
[0037]1-1.关于学习处理的功能块的描述
[0038]图1示出了图像处理设备10的功能中关于利用机器学习模型(识别器)学习对象的图像特征的处理的示例性功能。
[0039]参考图1，图像处理设备10包括学习信息接受部11、样本图像获取部12、局部图像特征生成部13、局部图像特征聚类设置部14、局部图像特征量化部15、学习区域设置部16、矩形特征值生成部17、矩形特征值存储器18、机器学习部19和识别模型参数存储器20。
[0040]上述图像处理设备10中的块的功能可以由计算机来实现，其包括控制器(例如，中央处理单元(CPU))、存储器、输入输出部(其向外部装置发送数据以及从其接收数据)等等，并且读出计算机可读信息存储介质中存储的程序以执行读出的程序。该程序可以经由诸如光盘、磁盘、磁带、磁光盘或闪存的信息存储介质提供给是计算机的图像处理设备10，或者可以经由诸如互联网的数据通信网络提供给图像处理设备10。现在将详细描述图1中所示的块的功能。
[0041]学习信息接受部11从例如连接到图像处理设备10的输入设备或外部装置(用户终端等等)接受学习信息。例如，学习信息接受部11可以接受在学习中使用的样本图像的文件路径、指定样本图像中在学习处理中使用的部分图像区域(学习区域)的区域指定数据和/或关于利用样本图像学习的对象的类型的信息。
[0042]样本图像获取部12基于由学习信息接受部11接受的学习信息获取在学习处理时使用的样本图像。例如，样本图像获取部12可以基于由学习信息接受部11接受的样本的文件路径获取样本。可以从图像处理设备10中的存储器获取样本图像或者