[发明专利]信息处理设备和方法及系统、学习设备和方法、程序

说明书

技术领域

本发明涉及信息处理设备和方法、学习设备和方法、程序以及信息处理系统，具体而言，涉及能够易于产生适合于识别目标的特征提取器的信息处理设备和方法、学习设备和方法、程序以及信息处理系统。

背景技术

用于检测图像中的人的技术(下面被称为人检测技术)已经被研究和开发用于安全的目的和交通工具内的应用(例如，参见Papageorgiou，C.、M.Oren和T.Poggio的″A General Framework for Object Detection″，第六次计算机视觉国际会议期刊(Proceedings of the Sixth InternationalConference of Computer Vision，ICCV′98)，印度孟买，555-562，1998年1月；K.Mikolajczyk、C.Schmid和A.Zisserman的″Human DetectionBased on a Probabilistic Assembly of Robust Part Detectors″，Proc.ECCV，1：69.81，2004年；Navneet Dalal和Bill Triggs的″Histograms of OrientedGradients for Human Detection″，CVPR，2005年；B.Wu和R.Nevatia的″Detection of Multiple，Partially Occluded Humans in a Single ImageBy Bayesian Combination of Edgelet Part Detectors″，刊载于Proc.10thInt.Conf.Computer Vision，2005年；Payam Sabzmeydani和Greg Mori的″Detecting Pedestrians by Learning Shapelet Features″，CVPR 2007年；以及S.Munder和D.Gavrila的″An Experimental Study on PedestrianClassification″)。

这些人检测技术从图像中提取人的特征。

例如，在上述引用文件″Human Detection Based on a ProbabilisticAssembly of Robust Part Detectors″、″Histograms of Oriented Gradientsfor Human Detection″、″Detection of Multiple，Partially OccludedHumans in a Single Image by Bayesian Combination of Edgelet PartDetectors″、″Detecting Pedestrians by Learning Shapelet Features″和″An Experimental Study on Pedestrian Classification″中公开的人检测技术中，通过提取边缘而获得的轮廓特征被用作重要特征。一般而言，在这些文件中的人检测技术中，轮廓特征的不同变化被定义为新的特征，并且被用于检测人。

例如，在上述引用文件″Human Detection Based on a ProbabilisticAssembly of Robust Part Detectors″中，根据高斯导数的轮廓特征用于表示人体部位。例如，在上述引用的文件″Histograms of Oriented Gradientsfor Human Detection″中，通过包含边缘的小区域中的方位直方图来表示轮廓特征。例如，在上述引用文件″Detecting Pedestrians by LearningShapelet Features″，通过对小边缘区域的监督式学习及其分级监督式学习而获得的模型被用于使用轮廓特征的学习中。例如，在上述的引用文件″An Experimental Study on Pedestrian Classification″中，全局边缘模板被用于轮廓特征。

发明内容