【技术实现步骤摘要】
【国外来华专利技术】物体位置估计设备、物体位置估计方法和记录介质
[0001]本专利技术涉及物体位置估计设备、物体位置估计方法和记录介质,并且更具体地,涉及用于估计物体在图像中的位置的物体位置估计设备、物体位置估计方法和记录介质。
技术介绍
[0002]用于估计物体在图像中的位置的相关技术是已知的(PTL 1和PTL2)。在NPL 1中描述的相关技术中,估计器通过使用显示整个物体的样本图像来学习物体的识别。由此训练的估计器为了估计物体在图像中的位置而对图像进行扫描。具体地,在NPL 1中描述的相关技术中,例如,估计器估计图像中的物体的类海尔(Haar
‑
Like)特征量,并估计所识别的物体的物体区域。此时,估计器扫描每个部分局域,同时改变图像中每个部分局域的位置和尺寸。
[0003][引用列表][0004][专利文献][0005][PTL 1]JP 2019
‑
096072 A
[0006][PTL 2]JP 2018
‑
147431 A
[0007][非专利文献][0008][NPL 1]"Rapid Object Detection Using a Boosted Cascade of Simple Features",P.Viola等人,CVPR(Conference on Compu ter Vision and Pattern Recognition),第511
‑
518页。
技术实现思路
[0009]技术问题 />[0010]计算机的处理速度是有限的。因此,当估计器扫描图像时,难以连续并全面地改变图像中部分区域的位置和大小。在图像中物体的一部分或全部被另一物体遮挡的情况下,可能难以指定图像中的物体区域,并准确估计每个物体的位置。
[0011]本专利技术是鉴于上述问题而完成的,并且本专利技术的目的在于提供一种即使当图像中物体彼此重叠时,也能够稳健且高精度地估计每个物体的位置的物体位置估计设备、物体位置估计方法以及记录介质。
[0012]问题的解决方案
[0013]根据本专利技术的方面的物体位置估计设备包括:特征提取单元,包括第一特征提取单元和第二特征提取单元,所述第一特征提取单元被配置为通过对目标图像执行卷积处理来生成第一特征图,所述第二特征提取单元被配置为通过对所述第一特征图进一步执行卷积处理来生成第二特征图;以及似然图估计单元,包括第一位置似然估计单元和第二位置似然估计单元,第一位置似然估计单元被配置为通过使用第一特征图来估计指示目标图像的每个位置处存在具有第一大小的物体的概率的第一似然图,第二位置似然估计单元被配置为通过使用第二特征图来估计指示目标图像的每个位置处存在具有大于第一大小的第
二大小的物体的概率的第二似然图。
[0014]根据本专利技术的方面的位置估计方法包括:通过对目标图像执行卷积处理来生成第一特征图,并且通过对第一特征图进一步执行卷积处理来生成第二特征图;以及使用第一特征图来估计指示目标图像的每个位置处存在具有第一大小的物体的概率的第一似然图,并使用第二特征图来估计指示目标图像的每个位置处存在具有大于第一大小的第二大小的物体的概率的第二似然图。
[0015]根据本专利技术的方面的记录介质使计算机执行:通过对目标图像执行卷积处理来生成第一特征图,并且通过对第一特征图进一步执行卷积处理来生成第二特征图;以及使用第一特征图来估计指示目标图像的每个位置处存在具有第一大小的物体的概率的第一似然图,并使用第二特征图来估计指示目标图像的每个位置处存在具有大于第一大小的第二大小的物体的概率的第二似然图。
[0016]专利技术的有益效果
[0017]根据本专利技术的一个方面,即使物体在图像中彼此重叠,也可以稳健且高精度地估计每个物体的位置。
附图说明
[0018]图1是示出了根据示例实施例1的物体位置估计设备的配置的框图。
[0019]图2是示出了根据示例实施例2的包括物体位置估计设备的系统的配置的框图。
[0020]图3是示出了根据示例实施例2的由物体位置估计设备的每个单元执行的处理流程的流程图。
[0021]图4是示出了根据示例实施例2的修改的物体位置估计设备的配置的框图。
[0022]图5是示出了根据示例实施例3的物体位置估计设备的配置的框图。
[0023]图6是示出了根据示例实施例4的物体位置估计设备的配置的框图。
[0024]图7是示出了根据示例实施例5的物体位置估计设备的配置的框图。
[0025]图8是示出了根据示例实施例6的物体位置估计设备的配置的框图。
[0026]图9是示出了根据示例实施例6的由物体位置估计设备的每个单元执行的处理流程的流程图。
[0027]图10是示出了根据示例实施例6的修改型的物体位置估计设备的配置的框图。
[0028]图11是用于说明根据示例实施例6的修改型的物体位置估计设备的训练数据生成单元生成第一正确似然图/第二正确似然图的处理流程的图。
[0029]图12是示出了根据示例实施例7的物体位置估计设备的配置的框图。
[0030]图13是示出了根据示例实施例7的修改型的物体位置估计设备的配置的框图。
[0031]图14是示出了根据示例实施例1至7中的任何一个的物体位置估计设备的硬件配置的图。
具体实施方式
[0032][示例实施例1][0033]将参照图1来描述示例实施例1。
[0034](系统)
[0035]将参照图1来描述根据本示例实施例1的系统。图1示意性地示出了根据本示例实施例1的系统的配置。如图1所示,根据本示例实施例1的系统包括图像获取设备90和物体位置估计设备1。图像获取设备90获取一幅或多幅图像。例如,图像获取设备90获取从诸如相机之类的视频设备输出的静止图像、或从诸如录像机之类的视频设备输出的运动图像的图像帧。
[0036]图像获取设备90将所获取的一幅或多幅图像(例如,静止图像或运动图像的图像帧)发送到物体位置估计设备1。在下文中,从图像获取设备90向物体位置估计设备1发送的图像被称为目标图像70。物体位置估计设备1的操作由例如计算机程序控制。
[0037](物体位置估计设备1)
[0038]如图1所示,物体位置估计设备1包括特征提取单元10和似然图估计单元20。似然图估计单元20是似然图估计装置的示例。
[0039]特征提取单元10包括第一特征提取单元21和第二特征提取单元22。似然图估计单元20包括第一位置似然估计单元23和第二位置似然估计单元24。物体位置估计设备1可以包括三个或更多个特征提取单元和三个或更多个位置似然估计单元。第一特征提取单元21和第二特征提取单元22是第一特征提取装置和第二特征提取装置的示例。第一位置似然估计单元23和第二位置似然估计单元24是第一位置似然估计装置和第二位置似然估计装置的示例。
[0040]第一特征提取单元21通过对目标本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种物体位置估计设备,包括:特征提取部件,包括第一特征提取部件和第二特征提取部件,所述第一特征提取部件被配置为通过对目标图像执行卷积处理来生成第一特征图,所述第二特征提取部件被配置为通过进一步对所述第一特征图执行卷积处理来生成第二特征图;以及似然图估计部件,包括:第一位置似然估计部件,被配置为通过使用所述第一特征图来估计第一似然图,所述第一似然图指示所述目标图像的每个位置处存在具有第一大小的物体的概率,以及第二位置似然估计部件,被配置为通过使用所述第二特征图来估计第二似然图,所述第二似然图指示所述目标图像的每个位置处存在具有大于所述第一大小的第二大小的物体的概率。2.根据权利要求1所述的物体位置估计设备,其中,所述第一似然图上的每个坐标对应于所述目标图像上的一个位置,并且所述第一似然图上的每个坐标处的似然指示所述目标图像上的对应一个位置处存在具有所述第一大小的物体的概率,或指示所述目标图像上另外存在的具有所述第一大小的物体的数量,以及所述第二似然图上的每个坐标对应于所述目标图像上的一个位置,并且所述第二似然图上的每个坐标处的似然指示所述目标图像上的对应一个位置处存在具有所述第二大小的物体的概率,或指示所述目标图像上另外存在的具有所述第二大小的物体的数量。3.根据权利要求1或2所述的物体位置估计设备,其中,所述第一位置似然估计部件被配置为:针对所述第一大小的物体的每个属性估计具有所述第一大小的物体的位置,以及所述第二位置似然估计部件被配置为:针对所述第二大小的物体的每个属性估计具有所述第二大小的物体的位置。4.根据权利要求1至3中任一项所述的物体位置估计设备,还包括:第一计数部件,被配置为基于所述第一特征图来对所述目标图像中具有所述第一大小的物体的总数进行计数;以及第二计数部件,被配置为基于所述第二特征图来对所述目标图像中具有所述第二大小的物体的总数进行计数。5.根据权利要求1至4中任一项所述的物体位置估计设备,还包括:第一位置指定部件,被配置为基于所述第一似然图中指示似然的局部最大值的坐标来指定所述目标图像中具有所述第一大小的物体的位置;以及第二位置指定部件,被配置为基于所述第二似然图中指示似然的局部最大值的坐标来指定所述目标图像中具有所述第二大小的物体的位置。6.根据权利要求5所述的物体位置估计设备,其中,所述第一位置指定部件被配置为:根据所述第一似然图的全体似然之和来计算所述目标图像中具有所述第一大小的物体的总数,或对所述目标图像中具有所述第一大小的物体的总数进行计数,按照所述似然的局部最大值的降序,从所述第一似然图中指示所述似然的局部最大值的坐标之中提取与具有所述第一大小的物体的总数相同数量的坐标,以及基于所提取的指示所述似然的局部最大值的坐标来指定所述目标图像中具有所述第
一大小的物体的位置,以及所述第二位置指定部件被配置为:根据所述第二似然图的全体似...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。