[发明专利]图像数据生成装置、图像识别装置、图像数据生成程序以及图像识别程序

说明书

本发明的目的在于对动态的对象进行图像识别。时间空间图像识别装置1具备在保持有空间信息和时间信息的状态下将动态图像数据4转换为时间空间图像数据的时间空间图像数据生成部2a、2b、2c，它们通过分别不同的扫描路径扫描动态图像数据4。由此，时间空间图像数据生成部2a、2b、2c生成通过分别不同的扫描路径进行扫描而得到的时间空间图像数据8a、8b、8c(未图示)并输出至图像识别部3。图像识别部3在分别独立地对时间空间图像数据8a、8b、8c进行卷积处理来生成二维特征图60a、60b、60c之后，将它们整合并通过神经网络进行解析，输出图像识别结果。

技术领域

本发明涉及图像数据生成装置、图像识别装置、图像数据生成程序以及图像识别程序，例如涉及使用CNN来识别行人等各种图像的技术。

背景技术

近年来，积极研究使用了人工智能的深度学习，在使用了CNN的二维图像的图像识别的领域中已报告了重大成果。

动态图像是按时间序列排列作为二维图像的帧图像而成的图像，想要将对二维图像的深度学习的技术应用于动态图像的期望日益增长。

作为这样的使用二维的图像识别技术来识别动态图像的技术，有非专利文献1“3DConvolutional Neural Networks for Human Action Recognition(用于人类动作识别的3D卷积神经网络)”、非专利文献2“基于使用了帧连结图像的CNN的场景识别”。

非专利文献1的技术是对动态图像数据应用由空间二维和时间一维构成的卷积滤波器来进行卷积处理的技术。

非专利文献2的技术是通过平铺状地配置拍摄对象的活动(讲话场景)而得到的一系列的帧图像并连结，从而通过一张二维图像来表示对象的随时间变化的技术。将其投入到基于CNN的图像识别装置来进行场景的识别。

然而，在非专利文献1的技术中，对动态图像数据反复使用三维的卷积滤波器，所以存在计算成本变多，需要大规模的计算机这样的问题。

在非专利文献2所记载的技术中，使用二维的卷积滤波器，所以能够减少计算成本，但存在在平铺状地邻接的图像的像素间没有信息的相关性，对象的识别精度降低这样的问题。

非专利文献1：IEEE Transactions on Pattern Analysis and MachineIntelligence，Vol.35，pp.221－231，2013，「3D Convolutional Neural Networks forHuman Action Recognition」。

非专利文献2：MIRU2016第19回图像的识别、理解研讨会PS1－27“基于使用了帧连结图像的CNN的场景识别”。

发明内容

本发明的目的在于对动态的识别对象进行图像识别。

(1)在技术方案1所记载的发明中，提供图像数据生成装置，其特征在于，具备：时间序列空间信息获取单元，获取随着时间的经过而记录有空间内的识别对象的位置的时间序列空间信息；数据值获取单元，在规定方向上以不同的扫描路径对获取到的上述时间序列空间信息进行多次扫描，来获取上述规定方向上的每个上述扫描路径的数据值的列；图像数据生成单元，按照每个上述扫描路径生成图像数据，在上述图像数据中，与上述时间序列空间信息的其它方向对应地排列获取到的上述数据值的列；以及输出单元，输出生成的上述图像数据。

(2)在技术方案2所记载的发明中，提供技术方案1所记载的图像数据生成装置，其特征在于，上述规定方向是上述时间序列空间信息的空间方向，上述其它方向是上述时间序列空间信息的时间方向。