是否具有基于特定协议与其他设备互通的能力而可以被辨别虚拟资源和目标。目标或资源的物理位置的使用的有利之处在于:设备可以被协同地控制以及设备可以被独立地控制。
[0027]虚拟资源识别和状态信息收集单元101识别存在于特定空间中的虚拟资源以收集当前虚拟资源的内部状态、提供的服务信息等。此外，虚拟资源识别和状态信息收集单元101提供以下功能:即，这种功能能够向连接到内部网络或外部网络的其他设备递送识别出的信息。
[0028]为此目的，通过使用布置的通信协议经由网络来连接虚拟资源识别和状态信息收集单元101和虚拟资源。例如，通用即插即用(UPnP)是其通信协议中的一个通信协议。
[0029]UPnP是指一种通信协议的集合，其能够使由虚拟资源提供的内容或服务被容易地分享和控制。支持UPnP的虚拟资源可以被网络内的其他设备容易地识别、分享内容和控制彼此，或者可以被彼此控制。UPnP协议被描述为这样一种示例:其支持虚拟资源之间的网络连接或支持虚拟资源与虚拟资源识别和状态信息收集单元101之间的网络连接，并且本发明并不限于此。例如，通过使用诸如表征状态转移(REST)的网络体系结构来同步或非同步地收集状态信息的方法，使用讯息传递界面(MPI)、紫蜂(ZigBee)?及蓝牙(Bluetooth) ?等的设备间通信方法或由用户直接注册虚拟资源信息的方法可以被使用。当然，最优选地，构造为通过使由用户有意地注册信息的过程最小化来自动识别连接到网络的虚拟资源，并且每个虚拟资源的状态信息被连续地收集和管理。
[0030]由虚拟资源识别和状态信息收集单元101收集的虚拟资源信息具有以下限制:即，它不能提供虚拟资源被放置在空间中的例如位置之类的物理位置信息。
[0031]虚拟资源的物理位置很重要的原因是因为:位置信息可以被用于通过直觉来控制设备、提供设备协同服务以及搜索虚拟资源的位置。可以直接由用户人工输入位置信息的映射；然而，手工输入在以下情形中是麻烦的且不实用的:在这个情形中，设备在数量方面是增加的，并且其位置是频繁变化的。
[0032]为了解决这个问题，本发明提供了一种空间监视单元102。空间监视单元102用于同步地和非同步地监视发生的事件或在诸如住宅或办公室等空间中做出的改变，为此，就有效地收集信息而言，期望的是构造可以连接到网络且执行监视的单个或多个摄像机。
[0033]例如，用于监视空间信息的摄像机大体上使用用于将光学信号转换为电信号的图像传感器、比如电荷耦合装置(CXD)互补型金属氧化物半导体(CMOS)，但使用能够直接或间接提取从摄像机到目标的深度信息的深度摄像机或红绿蓝(RGB)/深度摄像机或是更有效的。
[0034]图像信息和深度信息的使用甚至促使获取3D空间信息(深度信息)以及提取以摄像机的视角观察到的空间中的几个目标。此外，当深度信息被使用时，与仅使用2D信息相比，可以更快速和更准确地获取的人体骨骼信息和姿态信息。
[0035]比如，为了获取深度信息，在被输出之后将脉冲光从目标反射及返回所需的时间转化为距离的方法、向主体投射具有特定类型的结构光、捕捉图像以及通过使用三角测量来评估距离的有效方法等可以被使用。然而，利用大致成像摄像机，还可以通过使用输入图像和固有的及非固有的摄像机参数信息来对深度信息进行评估。大体上讲，利用在空间中物理分离的两个或多个摄像机来获取图像之后，特征点可以被匹配，并且相对于匹配点，可以通过使用三角测量利用固有的和非固有的摄像机参数信息来计算绝对距离。
[0036]信息处理单元120执行通过使用虚拟资源信息来获取关于虚拟资源的位置信息的过程。信息处理单元120包括虚拟资源事件检测单元121、目标提取单元122、目标位置计算单元123及虚拟资源位置识别单元124。
[0037]当基于由虚拟资源识别和状态信息收集单元101识别的虚拟资源信息来改变虚拟资源的状态时，虚拟资源事件检测单元121将其确定为事件。
[0038]例如，假设，支持UPnP的智能电视的音量、频道等发生了改变，其中，该UPnP设计有REST结构，或具有用于虚拟资源事件检测单元121的应用程序或协议。
[0039]此处，虚拟资源事件检测单元121可以感知被称为智能电视的特定虚拟资源的内部状态信息已经发生了改变，并且将其确定为事件信息。检测到的事件信息可以包括产生了该事件的虚拟资源的信息、该事件发生的时间、产生的事件的类型，并且目标提取单元122可以综合地使用该信息。
[0040]当虚拟资源事件检测单元121检测特定事件时，目标提取单元122在接收到从空间监视单元102获取到的图像信息或深度信息后提取被确定为产生了事件的虚拟资源的候选目标。
[0041]此处，当事件在虚拟资源中发生时，可以从空间监视单元102实时地获取空间监视信息(比如图像信息、深度信息等)。
[0042]另一方面，时间同步的时间戳信息可以被包括在从空间监视单元102获取的空间监视信息中并且随后被存储在临时缓冲区或存储库中，并且随着时间流逝一定程度后，可以处理该时间戳信息。
[0043]例如，假设，通过空间监视单元102来获取空间监视图像信息。
[0044]目标提取单元122检测包括从获取到的监视信息中被预期产生了事件的特征元素的候选目标，并且目标提取单元122输出检测到的候选目标。在本发明中，为了检测候选目标，可以使用两种方法，即(I)使用随时间流逝改变图像区域的方法以及(2)分析包括在图像中的信号的方法。
[0045]作为表示由检测到的图像中的候选目标所占据的区域的示例，以集合形式的表示包括在目标中的每个像素的位置信息的方法可以被使用。
[0046]在另一示例中，可以以格栅形式或蜂窝形式对图像进行辨别，并且可以通过使用单元索引来表示由图像中的候选目标所占据的区域。
[0047]在另一示例中，可以通过使用(包括目标的)圆形、矩形、多边形等来表示由图像中的候选目标所占据的区域。
[0048]在检测现实中的目标的示例中，假设，虚拟资源事件检测单元121检测“智能电视被打开”的事件。则，随着时间推移，在与电视相关的区域中，亮度或颜色很可能显著地发生了改变，并且在此处，很自然地将该区域确定为候选区域。即，可以通过将图像信息在其中在时间轴上发生改变的区域认作为特征元素来检测候选目标。在具体示例中，前景、背景、整体/局部亮度、移动等已经在其中发生的区域可以被检测为候选目标。
[0049]然而，随着时间推移，在监视图像中几乎不作出改变。在具体的相关示例中，当事件“智能电视声音被关小”发生时，由于声音音量发生了改变，因此，仅利用图像信息找到特性的改变也许是困难的。
[0050]在这种情形下，甚至通过一起使用存在于图像信号中的特征元素来检测候选目标。存在于图像中的特征元素的示例可以包括多种水平的目标，比如静态区域、复杂区域、人和物品、诸如人的脸部、眼睛、鼻子、嘴部等物理区域、诸如容器的目标区域以及框架等。
[0051]为了检测包括这种特征元素的目标，使用集群技术的目标检测方法和机器学习方