[发明专利]图像识别方法和图像识别设备

说明书

技术领域

本发明涉及通过使用目标的照片图像推定目标的诸如名称、类型、存在位置和取向等的信息的图像识别方法。这里提到的“目标”表示任意的对象，并且可以为例如人、动物、汽车、照相机、打印机和半导体基板等中的任一个。

背景技术

近年来，已存在通过对已预先学习的目标对象的图像和新拍摄的包含目标对象的图像进行图案匹配来推定目标对象的类型和存在区域的方法(例如，参见日本专利申请公开No.2002-32766的公报)。在以上的方法中，从已预先学习和登记的目标对象的图像计算本征值和本征矢量。已制成这样的设备，即通过将从新拍摄的图像切出的图像投影到其本征矢量可通过更少的模型识别目标对象。还公开了通过使用通过划分已预先学习并登记的目标对象的图像获得的部分学习图像进一步提升识别率的设备。

但是，根据由以上的方法表示的图像的图案匹配方法，存在花费长时间来进行识别的问题。特别地，如果要鉴别的类别的数量非常多，则存在识别时间剧增的问题。例如，现在假定存在1000种类型的目标对象(例如，登记了1000个人的脸)并且存在对于每一目标对象从各个角度拍摄的(每个对象)100个(也包含轮廓等)学习图像。因此，总共存在100000个学习图案。因此，即使可10nsec进行一个登记图像和新照片图像的图像比对，也需要1秒以获得最终的识别结果。

关于这里提到的登记图像，例如，设想围绕目标对象的外接矩形的内部。关于新照片图像，设想包含登记图像的大尺寸的图像。因此，一个登记图像和新照片图像的图像比对不是简单的一对一对应关系的图像图案匹配，而包含用于规定目标对象存在于新照片图像中的哪个部分的位置规定任务。具体而言，例如，通过利用滑动窗口切割新照片图像并且对各切出的图像和登记图像进行匹配，实现图像比对。因此，虽然依赖于登记图像和新照片图像中的每一个的像素的数量，但是，前面的10nsec的图像比对时间可被视为在图像已被以就当前计算机处理速度而言非常高的速度处理的情况下获得的时间。

并且，在现有技术中，根据以上提到的使用部分学习图像的图像匹配方法，典型地出现识别时间剧增的问题。例如，现在假定一个学习图像被划分成100(＝10×10)个重叠部分图像，由于要被匹配的登记图像的数量增加100倍，因此，计算时间也简单地增加100倍。在以上的例子的情况下，需要100秒的时间。

即使通过以上的方法通过使用本征矢量减少维数，虽然可以减少距离计算的计算时间，但是，由于不能省略适于减少维数的矢量计算，因此，最终不能实现总图像识别的高速度。根本没有解决必须进行次数与登记图像的类型的数量相同的图像比对的基本问题。

发明内容

根据本发明的一个方面，提供一种图像识别方法，该图像识别方法包括：第一提取步骤，从事先登记的每个登记图像提取预定尺寸的登记部分图像的集合；第二提取步骤，从输入的新图像提取预定尺寸的新部分图像的集合；鉴别步骤，基于通过划分在第一提取步骤中提取的登记部分图像的集合所形成的规则鉴别新部分图像的属性；以及收集步骤，通过收集在输入作为新部分图像的集合的元素的新部分图像时鉴别步骤中的鉴别结果而导出新图像的最终识别结果。

参照附图从示例性实施例的以下详细描述，本发明的其它特征和方面将变得清晰。

附图说明

图1是示出一个实施例的图像识别设备的处理构成的示图。

图2A和图2B是示出该实施例的图像识别方法的处理过程的流程图。

图3是示出信息处理设备的硬件构成的例子的示图。

图4是用于描述部分图像属性鉴别步骤的示图。

图5是用于描述登记部分图像组的示图。

图6是示意性地示出学习图像的示图。

图7是用于描述学习步骤的特定处理的示图。

图8是用于描述划分部分图像集合的方法的示图。

图9是用于描述第二实施例中的部分图像结果收集步骤的示图。

图10A和图10B是用于描述第三实施例的示图。

图11是用于描述第三实施例的流程图。

图12是用于描述第四实施例中的部分图像尺寸决定步骤的流程图。

图13是用于描述第四实施例中的部分图像尺寸决定步骤中的尺寸评价方法的示图。

图14是用于描述第五实施例中的部分图像尺寸决定步骤中的尺寸评价方法的示图。

图15是示意性地示出第五实施例中的部分图像尺寸决定步骤中的操作的方法的示图。

图16是示出第六实施例中的处理过程的流程图。