[发明专利]学习设备、学习方法、识别设备、识别方法和程序

说明书

相关申请的交叉引用 

本发明包含与在2007年12月7日向日本专利局提交的日本专利申请JP 2007-316636相关的主题，这个专利申请的全部内容通过引用并入在此。 

技术领域

本发明涉及学习设备、学习方法、识别设备、识别方法和程序，尤其涉及可以可靠地从图像中检测目标对象的学习设备、学习方法、识别设备、识别方法和程序。

背景技术

在过去，主要针对安全性或者车辆安装而研究和开发了从图像中检测人员的技术(例如，参见非专利文献1到6)。

在非专利文献2到6中，通过提取边缘而获得的轮廓特征量用作用于从图像中检测(识别)出人员的主特征量。更具体地说，在该技术中，通过提取边缘而获得的轮廓特征量的各种变体被定义为新特征量来识别人员。

例如，在非专利文献3中，通过在带边缘的小区域中获取方向直方图来获得特征量，并且通过使用该特征量而变得耐得住对轮廓的细微扭曲。在非专利文献5中，建议了一种使用带边缘的小区域的示教图像的学习方法，以及通过使用该示教图像来分层次地学习该带边缘的小区域而获得的模型。

在非专利文献2中，人体中的部分由使用高斯导数的特征量所表示。在非专利文献6中，使用边缘的全局模板来识别人员。

非专利文献1：Papageorgiou，C.、M.Oren和T.Poggio的“A GeneralFramework for Object Detection”，Proceedings of the Sixth International Conference on Computer Vision(ICCV′98)，印度孟买，第555-562页，1998年1月；

非专利文献2：K.Mikolajczyk、C.Schmid和A.Zisserman的“Humandetection based on a probabilistic assembly of robust part detectors”，Proc.ECCV，1：69.81，2004年；

非专利文献3：Navneet Dalal和Bill Triggs的“Histograms of OrientedGradients for Human Detection”，CVPR2005；

非专利文献4：B.Wu和R.Nevatia的“Detection of multiple，partiallyoccluded humans in a single image by bayesian combination of edgeletpart detectors”，In Proc.10th Int.Conf.Computer Vision，2005年；

非专利文献5：Payam Sabzmeydani和Greg Mori的“DetectingPedestrians by Learning Shapelet Features”，CVPR2007；

非专利文献6：S.Munder和D.Gavrilla的“An Experimental Studyon Pedestrian Classification”。

发明内容

然而，当意图通过利用轮廓从图像中识别出人员时，上述技术具有下述缺点，即当不能良好地从图像中提取出轮廓或者提取出在背景周围的多个轮廓时，不能检测到人员或者错误地检测到人员。

因此，所期望的是可靠地从图像检测出目标对象。

根据本发明的第一实施例，提供了一种学习设备，其包括：第一特征量计算装置，用于对在多个学习图像的每个中的预定像素和不同像素进行配对，其中所述多个学习图像包括包含要识别的目标对象的学习图像和不包含目标对象的学习图像，而且该第一特征量计算装置还用于通过计算在包括该预定像素的区域和包括该不同像素的区域之间的纹理距离来计算所配对的像素的第一特征量；第一鉴别器生成装置，用于生成第一鉴别器，该第一鉴别器用于通过使用多个第一特征量的统计学习来从图像中检测目标对象；第二特征量计算装置，用于进行从多个学习图像中的每一个中提取轮廓的计算，以及根据该计算结果生成第二特征量；第二鉴别器生成装置，用于生成第二鉴别器，该第二鉴别器用于通过使用多个第二特征量的统计学习来从图像中检测目标对象；以及第三鉴别器生成装置，用于组 合第一鉴别器和第二鉴别器以生成用于从图像中检测目标对象的第三鉴别器。

第三鉴别器生成装置可以通过线性地组合第一鉴别器和第二鉴别器来生成第三鉴别器。