识别器关联地存储。然后，处理返回到图6中的处理。
[0090]往回参考图6，在完成利用对应于标签L的识别器的学习处理时，在步骤S113，图像处理设备10确定是否存在另外的待学习的标签。如果图像处理设备10确定存在另一待学习的标签(步骤S113中为是)，则处理返回到步骤S102。如果图像处理设备10确定不存在待学习的标签(步骤S113中为否)，则学习处理终止。
[0091]2-2.关于识别处理的流程的描述
[0092]图9A和图9B是示出识别待识别的图像(目标图像)中的对象的处理的示例的流程图。
[0093]参考图9A和图9B，在步骤S401中，图像处理设备10获取待识别的目标图像T。在步骤S402，图像处理设备10对于目标图像T计算局部特征值。可以根据图7中所示的流程图来执行局部特征值的计算。
[0094]在步骤S403，图像处理设备10将变量i和变量j初始化为I。在步骤S404，图像处理设备10读出与对应于标签Li (标签Li对应于第i (i = I至N)识别模型)的识别器关联地存储的矩形区域设置参数。
[0095]在步骤S405，图像处理设备10基于在步骤S404读出的矩形区域设置参数对于目标图像T设置多个矩形区域(A1至Am) (Μ是大于或等于2的整数)。
[0096]在步骤S406，图像处理设备10基于矩形区域A的尺寸选择为目标图像T设置的矩形区域?的尺度。例如，图像处理设备10可以对于尺度S1至Sb中的每一个定义尺寸的范围以基于矩形区域?的尺寸的范围对应于哪个尺度来选择尺度。
[0097]在步骤S407，图像处理设备10基于在步骤SlOl中聚类的结果在步骤S406中选择的尺度(例如，尺度Sk)上对矩形区域Aj的局部特征值进行量化。由于以与学习处理中的局部特征值的量化相同的方式来执行局部特征值的量化，因此这里省略识别处理中的局部特征值的量化的描述。
[0098]在步骤S408，图像处理设备10基于对于矩形区域Aj中包括的每个像素量化的局部特征值的频率计算矩形特征值。例如，图像处理设备10可以使用通过计数对于矩形区域Aj中包括的每个像素量化的局部特征值的频率生成的直方图作为矩形特征值。
[0099]在步骤S409，图像处理设备10基于步骤S408中计算的矩形区域Aj的矩形特征值和对应于标签Li的第i识别模型参数计算标签Li的对象包括在矩形区域?中的几率Pijt5在步骤S410，图像处理设备10存储计算出的几率Pijt5
[0100]在步骤S411，图像处理设备10确定变量j是否达到M。如果图像处理设备10确定变量j没有达到M(步骤S411中为否)，则在步骤S412，图像处理设备10递增变量j (加I)。然后，处理返回步骤S406。如果图像处理设备10确定变量j达到M(步骤S411中为是)，则处理转向图9B中的步骤S413。
[0101]在步骤S413，图像处理设备10分别基于为矩形区域A1至Am计算的几率Pil至PiM计算针对目标图像T的标签Li的评估值。例如，图像处理设备10可以计算几率Pil至Pm中最上面的X (X是大于或等于I且小于M的整数)个几率的平均值作为用于目标图像T的标签Li的评估值Vp
[0102]在步骤S414，图像处理设备10确定变量i是否达到N。如果图像处理设备10确定变量i没有达到N (步骤S414中为否)，则在步骤S415中，图像处理设备10递增变量i (加I)并且将变量j初始化为I。然后，处理返回到图9A中的步骤S404。如果图像处理设备10确定变量i达到N(步骤S414中为是)，则在步骤S416，图像处理设备10基于关于目标图像T的每个标签的评估值(几率)生成识别结果并且输出生成的识别结果。然后，识别处理终止。
[0103]例如，图像处理设备10可以识别对应于为关于目标图像T的标签L1至Ln计算的评估值V1至Vn中大于或等于阈值(或大于阈值)的阈值的标签，以输出关于识别的标签(对象的种类)的信息。
[0104]本发明不限于上述示例性实施方式。例如，虽然在上述示例性实施方式中描述了其中图像处理设备10执行学习处理和识别处理的示例，但是可以分离地提供执行学习处理的学习设备和执行识别处理的识别设备。在该情况下，学习设备可以具有上述参考图1描述的功能并且识别设备可以具有上面参考图2描述的功能。
[0105]已经为了示出和描述的目的提供了本发明的示例性实施方式的前述描述。不意在是穷尽的或者将本发明限制到所公开的具体形式。显而易见地，对于本领域技术人员来说，很多修改和变化都是显而易见的。选择并描述了实施方式以便于最好地解释本发明的原理和其实际应用，从而使得本领域技术人员能够对于各种实施方式理解本发明并且能够预计到适合于特定用途的各种修改。想要的是，本发明的范围由所附权利要求及其等价物来限定。
【主权项】
1.一种图像处理设备，所述图像处理设备包括: 第一获取部，所述第一获取部获取待处理图像； 设置部，所述设置部在所述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被包括在所述多个部分图像区域中的每一个中的可能性；以及 生成部，所述生成部基于所述多个部分图像区域中的每一个的所述第一识别结果生成第二识别结果，该第二识别结果指示所述特定种类的对象被包括在所述待处理图像中的可能性。
2.根据权利要求1所述的图像处理设备，所述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所述第一识别结果中提取所述第一识别结果的一部分， 其中，所述生成部基于由所述提取部提取的所述第一识别结果生成所述第二识别结果，该第二识别结果指示所述特定种类的对象被包括在所述待处理图像中的可能性。
3.根据权利要求2所述的图像处理设备， 其中，所述第一识别结果是包括所述特定种类的对象的几率，并且其中，所述提取部从各多个部分图像区域的所述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。
4.根据权利要求2所述的图像处理设备， 其中，所述第一识别结果是包括所述特定种类的对象的几率，并且其中，所述提取部从各多个部分图像区域的所述第一识别结果中提取具有高于或等于阈值的几率的所述第一识别结果。
5.根据权利要求1所述的图像处理设备， 其中，所述第一识别结果是包括所述特定种类的对象的几率，并且其中，所述生成部基于作为各多个部分图像区域的所述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所述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所述第二识别结果，该第二识别结果指示所述特定种类的对象被包括在所述待处理图像中的可能性。
6.根据权利要求1至5中的任一项所述的图像处理设备，所述图像处理设备进一步包括: 使得识别器基于为包括所述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所述特定种类的对象的识别条件的单元， 其中，所述第二获取部基于所述部分图像区域的所述图像特征利用所述识别器获取所述第一识别结果，该第一识别结果指示所述特定种类的对象被包括在所述多个部分图像区域中的每一个中的可能性。
7.根据权利要求6所述的图像处理设备，所述图像处理设备进一步包括: 部分区域信息学习部，所述部分区域信息学习部学习关于在所述样本图像中设置的所述部分图像区域中的每一个的位置和大小的特征， 其中，所述设置部基于由所述部分区域信息学习部学习的关于所述部分图像区域中的每一个的位置和大小的特征在所述待处理图像中设置所述多个部分图像区域。
8.根据权利要求6或7所述的图像处理设备， 其中，基于所述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所述部分图像区域中的每一个的图像特征。
9.根据权利要求1至8中的任一项所述的图像处理设备， 其中，所述设置部设置所述多个部分图像区域使得在所述待处理图像中设置的所述多个部分图像区域中的至少一些彼此交叠。
10.一种图像处理方法，所述图像处理方法包括下述步骤: 获取待处理图像； 在所述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被包括在所述多个部分图像区域中的每一个中的可能性；以及 基于所述多个部分图像区域中的每一个的所述第一识别结果生成第二识别结果，所述第二识别结果指示所述特定种类的对象被包括在所述待处理图像中的可能性。
【专利摘要】本发明提供了一种图像处理设备和图像处理方法。图像处理设备包括第一获取部、设置部、第二获取部和生成部。第一获取部获取待处理图像。设置部在待处理图像中设置多个部分图像区域。第二获取部获取第一识别结果，该第一识别结果指示特定种类的对象被包括在多个部分图像区域中的每一个中的可能性。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。
【IPC分类】G06K9-62, G06K9-46, H04N5-232
【公开号】CN104683686
【申请号】CN201410321273
【发明人】加藤典司
【申请人】富士施乐株式会社
【公开日】2015年6月3日
【申请日】2014年7月7日
【公告号】US9122957, US20150146974