[发明专利]物体跟踪方法、物体跟踪装置以及程序

权利要求书

1.一种物体跟踪方法，是计算机使用神经网络进行的物体跟踪方法，包括：

输入步骤，向所述神经网络输入分别映现有一个以上的物体且按时间序列连续的两个以上的图像；和

输出步骤，对在所述输入步骤中输入的所述两个以上的图像各自的、使所述神经网络提取出的特征量进行比较来核对相似性，由此，将与映现在所述两个以上的图像中的时间序列上靠前的图像中的作为跟踪候选的一个以上的物体一致的、映现在时间序列上比所述靠前的图像靠后的图像中的一个以上的物体的识别信息以及位置信息作为识别结果进行输出，

所述神经网络包括两个以上的相同结构，所述相同结构具有零个以上的全连接层和一个以上的卷积层，在所述相同结构间的对应的层中共享参数。

2.根据权利要求1所述的物体跟踪方法，

在所述输入步骤中，向所述神经网络输入分别映现有一个以上的物体且按时间序列连续的第1图像以及第2图像，

在所述输出步骤中，使所述神经网络提取映现在通过所述输入步骤输入的所述第1图像中的作为跟踪候选的一个以上的物体各自的第1特征量、以及映现在所述第2图像中的一个以上的物体各自的第2特征量，对提取出的所述第1特征量和所述第2特征量进行比较来核对相似性，由此，将与映现在所述第1图像中的所述跟踪候选分别一致的映现在所述第2图像中的一个以上的物体的识别信息以及位置信息作为识别结果进行输出，

所述神经网络包括两个所述相同结构，通过两个所述相同结构提取所述第1图像的所述第1特征量以及所述第2图像的所述第2特征量。

3.根据权利要求1所述的物体跟踪方法，

在所述输入步骤中，向所述神经网络输入分别映现有一个以上的物体且按时间序列连续的第1图像、第2图像以及第3图像，

在所述输出步骤中，使所述神经网络提取映现在通过所述输入步骤输入的所述第1图像中的作为跟踪候选的一个以上的物体各自的第1特征量、映现在所述第2图像中的一个以上的物体各自的第2特征量、以及映现在所述第3图像中的一个以上的物体各自的第3特征量，对提取出的所述第1特征量、所述第2特征量以及所述第3特征量进行比较来核对相似性，由此，将与映现在所述第1图像中的所述跟踪候选分别一致的映现在所述第2图像以及所述第3图像中的一个以上的物体的识别信息以及位置信息作为识别结果进行输出，

所述神经网络包括三个所述相同结构，通过三个所述相同结构提取所述第1图像的所述第1特征量、所述第2图像的所述第2特征量以及所述第3图像的所述第3特征量。

4.根据权利要求1～3中任一项所述的物体跟踪方法，所述物体跟踪方法还包括：

学习步骤，在进行所述输入步骤之前，使用包括多个成对图像和非成对图像的学习用数据，使所述神经网络学习用于从所述成对图像的各图像中提取在基于比较的相似性的核对中表示同一物体的特征量的所述参数，所述成对图像是映现有同一物体的两个以上的图像，所述非成对图像是映现有非同一物体的两个以上的图像。

5.根据权利要求1～3中任一项所述的物体跟踪方法，

所述神经网络在所述两个以上的相同结构之外还具有追加层，所述追加层算出映现在通过所述输入步骤输入的所述两个以上的图像中的一个以上的物体的位置变化以及该图像中的区域变化。

6.根据权利要求5所述的物体跟踪方法，所述物体跟踪方法还包括：

第1学习步骤，在进行所述输入步骤之前，使用包括多个成对图像和非成对图像的学习用数据，使所述神经网络中的所述两个以上的相同结构学习用于从所述成对图像的各图像中提取在基于比较的相似性的核对中表示同一物体的特征量的所述参数，所述成对图像是映现有同一物体的两个以上的图像，所述非成对图像是映现有非同一物体的两个以上的图像；和第2学习步骤，使在所述两个以上的相同结构中反映了通过所述第1学习步骤学习后的所述参数的所述神经网络使用所述学习用数据，学习用于从所述成对图像的各图像中提取在基于比较的相似性的核对中表示同一物体的特征量的所述参数。