[发明专利]图像处理方法、图像处理装置及记录介质

说明书

本发明提供图像处理方法、图像处理装置及程序，能抑制学习用数据的质量偏差。图像处理方法包括：判定步骤(S102)，在被赋予表示两个以上的第1区域的第1注释且由搭载于车辆的车载摄像头拍摄到的时序上连续的、至少包含一个以上的该两个以上的第1区域存在于所述车辆的行驶路径中且第1区域彼此的距离为阈值以下的图像的多个图像中，一边从时序上最后的时刻起回溯，一边判定该两个以上的第1区域各自的位置；决定步骤(S103)，确定判定为该两个以上的第1区域各自的位置不在行驶路径中的最初的第1时刻的第1图像，将所确定的第1图像中的该两个以上的第1区域彼此间的区域决定为第2区域；和赋予步骤(S104)，向第1时刻的第1图像赋予表示所决定的第2区域的第2注释。

技术领域

本发明涉及图像处理方法、图像处理装置及程序。

背景技术

近年来，基于使用了神经网络的机器学习技术的一般物体识别呈现出高性能而正受到关注。

但是，在基于神经网络的一般物体识别中，为了引出高识别性能，需要大量使用作为识别目标的物体的名称和/或种类等作为注释(正确解答信息)而标注的图像来进行学习处理。

另外，已知在机器学习中若提供大规模的数据(大数据)作为学习用数据，则精度会提高。

作为收集大数据的方法之一，存在利用众包(Crowd-sourcing)等向第三者外包的方法。众包是通过互联网将简单的作业(任务)以低廉的价格委托给不特定的许多人(工作人员)的方法。因而，若利用众包来进行大数据的数据收集，则能够将针对构成大数据的各个数据的任务分配并委托给许多工作人员，所以能够高效地(以比较低廉的价格在短时间内)收集大数据。

例如，专利文献1中公开了一种通过尽量少的人数、以高作业精度实现众包的技术。

现有技术文献

专利文献

专利文献1：日本特开2013-197785号公报

发明内容

发明要解决的问题

但是，即使使用专利文献1所公开的技术，也存在如下问题：在标注注释的作业需要高度的识别的情况下，标注注释的作业的精度容易出现众包的工作人员的个人差异。作为标注注释的作业需要高度的识别的情况，可举出例如标注表示人会横穿车辆行驶的前方而可能成为危险的危险区域的注释。因此，在标注注释的作业需要高度的识别的情况下，存在通过众包得到的学习用数据的质量会产生偏差这一问题。并且，在使用包含存在质量偏差的学习用数据的大数据进行了机器学习的情况下，学习的精度不会提高。

本公开鉴于上述情况而完成，目的在于提供一种能够抑制学习用数据的质量偏差的图像处理方法、图像处理装置及程序。

用于解决问题的技术方案

为了达成上述目的，本发明的一个技术方案的图像处理方法包括：取得步骤，取得多个图像，所述多个图像是被赋予第1注释且由搭载于车辆的车载摄像头拍摄到的时序上连续的多个图像，所述第1注释表示至少一个是人物区域的两个以上的第1区域，所述多个图像至少包含一个以上的所述两个以上的第1区域存在于所述车辆的行驶路径中且所述第1区域彼此的距离为阈值以下的图像；判定步骤，在所述取得步骤中取得的所述多个图像中，一边从时序上的最后的时刻的图像开始依次回溯时刻，一边判定所述两个以上的第1区域各自的位置；决定步骤，确定所述多个图像中的在所述判定步骤中判定为所述两个以上的第1区域各自的位置不在所述行驶路径中的最初的第1时刻的第1图像，将所确定的所述第1图像中的所述两个以上的第1区域彼此之间的区域决定为第2区域；以及赋予步骤，向所述第1时刻的第1图像赋予表示在所述决定步骤中决定出的所述第2区域的第2注释。

此外，这些概括的或具体的方式既可以由系统、方法、集成电路、计算机程序或计算机可读的CD-ROM等记录介质来实现，又可以由系统、方法、集成电路、计算机程序及记录介质的任意组合来实现。