[发明专利]物体辨别装置及方法有效
| 申请号: | 201910255723.9 | 申请日: | 2019-04-01 |
| 公开(公告)号: | CN110414304B | 公开(公告)日: | 2023-10-27 |
| 发明(设计)人: | 矢野泰树;木村宣隆 | 申请(专利权)人: | 株式会社日立制作所 |
| 主分类号: | G06V10/74 | 分类号: | G06V10/74 |
| 代理公司: | 永新专利商标代理有限公司 72002 | 代理人: | 高迪 |
| 地址: | 日本*** | 国省代码: | 暂无信息 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 物体 辨别 装置 方法 | ||
1.一种物体辨别装置,为辨别物体的装置,其具备:
图像取得部,取得作为被输入的物体的输入物体的图像;
辨别候选选择部,通过选择作为所述取得的输入物体的图像的辨别候选的多个基准物体,从而生成辨别候选的组;
类似度计算部,对于所述辨别候选的组中所包含的各基准物体,计算与所述输入物体的图像的类似度;以及
识别部,基于由所述类似度计算部计算的类似度,从所述辨别候选的组中所包含的所述基准物体之中去除规定的类似度的基准物体,直至所述辨别候选的组中包含的所述基准物体的数量成为规定量为止,
在通过所述识别部去除了所述规定的类似度的基准物体的情况下,所述辨别候选选择部更新所述辨别候选的组,
在所述辨别候选的组被更新的情况下,所述类似度计算部对于所述更新后的辨别候选的组中所包含的所述各基准物体,再计算与所述输入物体的图像的类似度。
2.如权利要求1所述的物体辨别装置,还具备:
辨别结果输出部,将所述规定量的基准物体作为辨别结果输出。
3.如权利要求2所述的物体辨别装置,其中,
所述规定量为1。
4.如权利要求1所述的物体辨别装置,其中,
所述规定的类似度的基准物体是所述辨别候选的组中所包含的所述基准物体中、所述类似度最低的基准物体。
5.如权利要求1所述的物体辨别装置,还具备:
数据保持部,存储与拍摄所述基准物体而得的基准物体图像相关的数据。
6.如权利要求5所述的物体辨别装置,其中,
所述数据保持部将表示所述基准物体图像具有的局部特征的图像特征要素的组即基准物体图像特征图案,作为与所述基准物体图像相关的数据保持,
所述类似度计算部基于表示所述输入物体的图像具有的局部特征的图像特征要素的组即输入物体图像特征图案、与所述基准物体图像特征图案,计算所述类似度。
7.如权利要求6所述的物体辨别装置,其中,
所述类似度计算部基于所述基准物体图像特征图案,对于所述输入物体图像特征图案内的各个所述图像特征要素计算权重,
所述类似度计算部基于所述计算出的权重、所述输入物体图像特征图案、所述基准物体图像特征图案,计算所述类似度。
8.如权利要求7所述的物体辨别装置,其中,
所述类似度计算部,
计算特征点以及特征量作为所述图像特征要素,
基于所述基准物体的特征点以及特征量,对于从所述输入物体图像得到的所述特征点和所述特征量的至少某一个计算所述权重,
基于所述计算出的权重、所述输入物体的图像具有的所述特征点和所述特征量中的某一个、所述基准物体具有的所述特征点和所述特征量中的某一个,计算所述类似度。
9.如权利要求7所述的物体辨别装置,其中,
所述类似度计算部,
基于所述基准物体图像特征图案,对于所述输入物体图像特征图案内的各个所述图像特征要素,计算权重,
基于所述计算出的权重,去除所述输入物体图像特征图案内的规定的所述图像特征要素,
基于未被去除而剩余的所述输入物体图像特征图案内的所述图像特征要素、所述权重、所述基准物体图像特征图案,计算所述类似度。
10.一种物体辨别方法,为使用计算机辨别物体的方法,
所述计算机执行:
图像取得步骤,取得由照相机拍摄到的物体的图像;
辨别候选选择步骤,通过选择作为所述取得的物体的图像的辨别候选的多个基准物体,从而生成辨别候选的组;
类似度计算步骤,对于所述辨别候选的组中所包含的各基准物体,计算与所述输入物体的图像的类似度;以及
辨别步骤,基于所述计算出的类似度,从所述辨别候选的组中所包含的所述基准物体之中去除规定的类似度的基准物体,直至所述辨别候选的组中所包含的所述基准物体的数量成为规定量为止,
在所述辨别候选选择步骤中,在每次所述规定的类似度的基准物体通过所述辨别步骤被去除时更新所述辨别候选的组,
在所述类似度计算步骤中,在所述辨别候选的组每次被更新时,对于所述更新后的辨别候选的组中所包含的所述各基准物体,再计算与所述输入物体的图像的类似度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于株式会社日立制作所,未经株式会社日立制作所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910255723.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:含有三维纵向存储阵列的模式处理器
- 下一篇:人工智能卷积神经网络人脸识别系统





