專利名稱:信息處理裝置、方法和程序的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及信息處理裝置、方法和程序,具體而言涉及用于識(shí)別圖像中的對(duì)象(object)的信息處理裝置、方法和程序。
技術(shù)背景對(duì)于存在于圖像(例如,由照相機(jī)捕獲)中的對(duì)象的識(shí)別已經(jīng)研究了 很長(zhǎng)時(shí)間。這些研究主要關(guān)于如何以透視法描述對(duì)象,即,如何通過(guò)準(zhǔn)備 整個(gè)對(duì)象的紋路模板并將該模板應(yīng)用于整個(gè)對(duì)象以檢查該對(duì)象是否與模板 相匹配來(lái)識(shí)別對(duì)象。但是,例如當(dāng)對(duì)象的一部分是隱藏的或者圖像包括復(fù) 雜背景時(shí)這些方法在識(shí)別所捕獲的圖像中的對(duì)象時(shí)有困難。為了解決這樣的問(wèn)題,近年來(lái)提出了 一種對(duì)于捕獲的圖像中的對(duì)象的 部分隱藏部分、復(fù)雜背景等非常健壯的方法,該方法利用局部特征值來(lái)描 述對(duì)象并且執(zhí)行局部特征值之間的匹配(例如,見(jiàn)D. G. Lowe, "Object Recognition from local scale-invariant features", ICCV, 1999, 下文中稱為非 專利文獻(xiàn)O 。已提出了大量的用于利用對(duì)象的輪廓(contour)形狀(例如邊緣)來(lái) 識(shí)別紋路較少的對(duì)象的方法?;谶吘壍淖R(shí)別方法的主體也使用透視描 述,從而它們?cè)谔崛〉湫蛨D像中的整個(gè)對(duì)象的輪廓時(shí)有明顯的困難。另 外,如上所述,當(dāng)對(duì)象的一部分是隱藏的或者背景復(fù)雜時(shí),使用透視描述 的方法在識(shí)別這樣的對(duì)象時(shí)有困難。為了解決這些問(wèn)題,近年來(lái)提出了用于局部描述邊緣的方法,該方法 是基于上述用于利用局部特征值描述紋路的方法的(例如,見(jiàn)S. Belongie, J. Malik禾口 J. Puzicha, "Shape Matching and Object Recognition Using Shape Contexts", PAMI, 2002以及F. Jurie和C. Schmid, "Scale-invariant shape features for recognition of object categories", CVPR, 2004,下文中稱為非專利文獻(xiàn)2和3)。發(fā)明內(nèi)容盡管在非專利文獻(xiàn)1中描述的方法對(duì)于紋路充分的對(duì)象來(lái)說(shuō)是非常有 效的,但是難以將該方法應(yīng)用于紋路較少的對(duì)象。另一方面,當(dāng)前可以認(rèn)為,在非專利文獻(xiàn)2和3中描述的方法對(duì)于包括部分隱藏的部分和復(fù)雜背 景的典型圖像來(lái)說(shuō)是夠健壯的??紤]到這樣的情形,希望更可靠地識(shí)別部分包括部分隱藏的部分和復(fù) 雜背景的典型圖像中的對(duì)象。根據(jù)本發(fā)明實(shí)施例的信息處理裝置將輸入圖像與模型圖像相比較以利 用模型圖像的被拍攝體(subject)來(lái)識(shí)別輸入圖像的被拍攝體。該信息處 理裝置包括特征值提取裝置和匹配裝置,特征值提取裝置用于設(shè)置特征 點(diǎn),每個(gè)特征點(diǎn)在模型圖像的邊緣上并且提供用于提取出作為模型圖像的 特征值的模型圖像特征值,并且特征值提取裝置還用于從每個(gè)特征點(diǎn)附近 的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出模型圖像特征值,匹配裝置用于 檢查在輸入圖像的邊緣上并且與特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為輸入圖像的特 征值的輸入圖像特征值是否與特征點(diǎn)處的多個(gè)模型圖像特征值中的任何一 個(gè)相匹配。特征值提取裝置可以從多個(gè)特征值提取區(qū)域中的每一個(gè)提取出多種類 型的模型圖像特征值,并且匹配裝置可以針對(duì)多種類型中的每一種執(zhí)行匹 酉己^j乍。特征值提取裝置可以被配置為從多個(gè)特征值提取區(qū)域中的每一個(gè)提取 出模型圖像特征值,模型圖像特征值對(duì)于模型圖像的邊緣附近的每個(gè)像素 具有連續(xù)值。特征值提取裝置可以被配置為從多個(gè)特征值提取區(qū)域中的每一個(gè)提取 出邊緣強(qiáng)度,邊緣強(qiáng)度是在模型圖像的邊緣附近獲得的。特征值提取裝置可以被配置為從特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中 的每一個(gè)提取出作為模型圖像的特征值的模型圖像特征值,特征點(diǎn)被定義 為參考圓與模型圖像的邊緣相交的點(diǎn),參考圓是以下述方式確定的,該方式使得其中包含相對(duì)較大部分的模型圖像的邊緣。特征值提取裝置可以被配置為從通過(guò)對(duì)每個(gè)特征值提取區(qū)域進(jìn)行徑向 分割而獲得的每個(gè)小區(qū)域提取出特征值,特征值提取區(qū)域由具有不同半徑 的多個(gè)同心圓形成,并且被最外層同心圓包圍,每個(gè)分割區(qū)域具有預(yù)定角 度,所提取出的特征值由距同心圓的中心的距離和角度的兩維柱狀圖表 示。該信息處理裝置還可以包括識(shí)別裝置,用于當(dāng)匹配對(duì)的數(shù)目大于預(yù)定 值時(shí)利用模型圖像的被拍攝體來(lái)識(shí)別輸入圖像的被拍攝體,匹配對(duì)是用于 檢査輸入圖像特征值是否與多個(gè)模型圖像特征值中的任何一個(gè)相匹配的操 作的結(jié)果。根據(jù)本發(fā)明另一個(gè)實(shí)施例的信息處理方法被用在將輸入圖像與模型圖 像相比較以利用模型圖像的被拍攝體來(lái)識(shí)別輸入圖像的被拍攝體的信息處 理裝置中。該信息處理方法包括以下步驟設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在模 型圖像的邊緣上并且提供用于提取出作為模型圖像的特征值的模型圖像特 征值,并且從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出模 型圖像特征值;以及檢查在輸入圖像的邊緣上并且與特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為輸入圖像的特征值的輸入圖像特征值是否與特征點(diǎn)處的多個(gè)模型圖 像特征值中的任何一個(gè)相匹配。根據(jù)本發(fā)明另一個(gè)實(shí)施例的程序是一種使得計(jì)算機(jī)執(zhí)行用于將輸入圖 像與模型圖像相比較以利用模型圖像的被拍攝體來(lái)識(shí)別輸入圖像的被拍攝體的過(guò)程的程序。該過(guò)程包括以下步驟設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在模型 圖像的邊緣上并且提供用于提取出作為模型圖像的特征值的模型圖像特征 值,并且從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出模型 圖像特征值;以及檢査在輸入圖像的邊緣上并且與特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為輸入圖像的特征值的輸入圖像特征值是否與特征點(diǎn)處的多個(gè)模型圖像 特征值中的任何一個(gè)相匹配。在本發(fā)明的實(shí)施例中,在設(shè)置了特征點(diǎn)(每個(gè)特征點(diǎn)在模型圖像的邊 緣上并且提供用于提取出作為模型圖像的特征值的模型圖像特征值)之 后,從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出模型圖像特征值,并且執(zhí)行檢查以查看在輸入圖像的邊緣上并且與特征點(diǎn)相對(duì)應(yīng)的 點(diǎn)處的作為輸入圖像的特征值的輸入圖像特征值是否與特征點(diǎn)處的多個(gè)模 型圖像特征值中的任何一個(gè)相匹配。如上所述,根據(jù)本發(fā)明的實(shí)施例,可以識(shí)別圖像中的對(duì)象。具體而 言,根據(jù)本發(fā)明的實(shí)施例,可以更可靠地識(shí)別包括部分隱藏的部分和復(fù)雜 背景的典型圖像中的對(duì)象。
圖1是示出作為本發(fā)明實(shí)施例的對(duì)象識(shí)別裝置的功能組件的配置的框圖;圖2說(shuō)明了由模型特征值提取器確定的基點(diǎn)和支撐點(diǎn);圖3說(shuō)明了基點(diǎn)和每個(gè)支撐點(diǎn)之間的幾何位置關(guān)系;圖4是用于說(shuō)明用于注冊(cè)模型圖像的特征值的過(guò)程的流程圖;圖5是用于說(shuō)明用于生成邊緣強(qiáng)度圖像的過(guò)程細(xì)節(jié)的流程圖; 圖6示出了用在用于生成邊緣強(qiáng)度圖像的過(guò)程中的差分濾波器 (differential filter);圖7是用于說(shuō)明用于生成邊緣圖像的過(guò)程細(xì)節(jié)的流程圖; 圖8A和8B是說(shuō)明參考圓中的幾何約束的視圖; 圖9說(shuō)明了邊緣點(diǎn)跨參考圓散布多寬的評(píng)估; 圖IO是用于說(shuō)明用于確定參考圓的過(guò)程的流程圖; 圖ll示出了熵圖; 圖12說(shuō)明了如何對(duì)采樣點(diǎn)采樣; 圖13A和13B示出了支撐點(diǎn)相對(duì)于基點(diǎn)的位置; 圖14說(shuō)明了如何設(shè)置特征值提取區(qū)域; 圖15說(shuō)明了如何提取特征值提取區(qū)域中的特征值; 圖16說(shuō)明了如何劃分特征值提取區(qū)域131; 圖17說(shuō)明了劃分的特征值提取區(qū)域中的邊緣強(qiáng)度; 圖18是用于說(shuō)明用于獲取目標(biāo)圖像和模型圖像之間的匹配對(duì)的過(guò)程 的流程圖;圖19說(shuō)明了如何檢查模型圖像中的基點(diǎn)處的模型特征值是否與目標(biāo) 圖像中的點(diǎn)處的目標(biāo)特征值相匹配;圖20示出了多個(gè)模型特征值和目標(biāo)特征值之間的匹配操作的示例;圖21說(shuō)明了如何去除局外點(diǎn)(outlier);圖22說(shuō)明了特征值提取區(qū)域中的多種類型的特征值的提?。?圖23說(shuō)明了作為 一 種類型的特征值的色彩柱狀圖(color histogram);圖24示出了用于檢查第一類型的多個(gè)模型特征值是否與第一類型的 目標(biāo)特征值相匹配的操作的示例;圖25示出了用于檢查第二類型的多個(gè)模型特征值是否與第二類型的 目標(biāo)特征值相匹配的操作的示例;以及圖26是示出個(gè)人計(jì)算機(jī)的示例性配置的框圖。
具體實(shí)施方式
在下面描述本發(fā)明的實(shí)施例之前,本發(fā)明的配置需求如何與在說(shuō)明書 或附圖中描述的實(shí)施例相對(duì)應(yīng)通過(guò)示例說(shuō)明如下這一段中的描述旨在確 認(rèn)在說(shuō)明書或附圖中描述了支持本發(fā)明的實(shí)施例。因此,當(dāng)在說(shuō)明書或附 圖中描述的某一實(shí)施例被描述為并不與本發(fā)明的配置需求中的一個(gè)或多個(gè) 相對(duì)應(yīng)時(shí),并不意味著該實(shí)施例不與配置需求中的一個(gè)或多個(gè)相對(duì)應(yīng)。相 反地,當(dāng)這里某一實(shí)施例被描述為與配置需求中的一個(gè)或多個(gè)相對(duì)應(yīng)時(shí), 并不意味著該實(shí)施例排它地對(duì)應(yīng)于配置需求中的一個(gè)或多個(gè)。根據(jù)本發(fā)明實(shí)施例的信息處理裝置將輸入圖像與模型圖像相比較以利 用模型圖像的被拍攝體來(lái)識(shí)別輸入圖像的被拍攝體。該信息處理裝置包括 特征值提取裝置(例如,圖1中的模型特征值提取器55)和匹配裝置(例 如,圖1中的匹配部件66),特征值提取裝置用于設(shè)置特征點(diǎn),每個(gè)特征 點(diǎn)在模型圖像的邊緣上并且提供用于提取出作為模型圖像的特征值的模型 圖像特征值,并且特征值提取裝置還用于從每個(gè)特征點(diǎn)附近的多個(gè)特征值 提取區(qū)域中的每一個(gè)提取出模型圖像特征值,匹配裝置用于檢查在輸入圖 像的邊緣上并且與特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為輸入圖像的特征值的輸入圖像特征值是否與特征點(diǎn)處的多個(gè)模型圖像特征值中的任何一個(gè)相匹配。特征值提取裝置可以被配置為從多個(gè)特征值提取區(qū)域中的每一個(gè)提取 出多種類型的模型圖像特征值(例如,在圖22的示例中,從特征值提取區(qū)域131A提取出第一類型的特征值A(chǔ)l和第二類型的特征值A(chǔ)2,而從特 征值提取區(qū)域131B提取出第一類型的特征值Bl和第二類型的特征值 B2),并且匹配裝置可以被配置為針對(duì)多種類型中的每一種執(zhí)行匹配操作 (例如,如圖24所示執(zhí)行針對(duì)第一類型的匹配操作,并且如圖25所示執(zhí) 行針對(duì)第二類型的匹配操作)。特征值提取裝置可以被配置為從多個(gè)特征值提取區(qū)域中的每一個(gè)提取 出模型圖像特征值,模型圖像特征值對(duì)于模型圖像的邊緣附近的每個(gè)像素 具有連續(xù)值(例如,圖4中的步驟S16)。特征值提取裝置可以被配置為從多個(gè)特征值提取區(qū)域中的每一個(gè)提取 出邊緣強(qiáng)度,邊緣強(qiáng)度是在模型圖像的邊緣附近獲得的(例如,圖4中的 步驟S16)。特征值提取裝置可以被配置為從特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中 的每一個(gè)提取出作為模型圖像的特征值的模型圖像特征值,特征點(diǎn)被定義 為參考圓與模型圖像的邊緣相交的點(diǎn),參考圓是以下述方式確定的,該方 式使得其中包含相對(duì)較大部分的模型圖像的邊緣(例如,圖4中的步驟 S16)。特征值提取裝置可以被配置為從通過(guò)對(duì)每個(gè)特征值提取區(qū)域進(jìn)行徑向 分割而獲得的每個(gè)小區(qū)域提取出特征值,特征值提取區(qū)域由具有不同半徑 的多個(gè)同心圓形成,每個(gè)分割區(qū)域具有預(yù)定角度,并且被最外層同心圓包 圍,所提取出的特征值由距同心圓的中心的距離和角度的兩維柱狀圖表示 (例如,圖4中的步驟S16)。該信息處理裝置還可以包括識(shí)別裝置(例如,圖1中的對(duì)象識(shí)別器 67),用于當(dāng)匹配對(duì)的數(shù)目大于預(yù)定值時(shí)利用模型圖像的被拍攝體來(lái)識(shí)別 輸入圖像的被拍攝體,匹配對(duì)是用于檢查輸入圖像特征值是否與多個(gè)模型 圖像特征值中的任何一個(gè)相匹配的操作的結(jié)果。根據(jù)本發(fā)明另一個(gè)實(shí)施例的信息處理方法被用在將輸入圖像與模型圖10像相比較以利用模型圖像的被拍攝體來(lái)識(shí)別輸入圖像的被拍攝體的信息處 理裝置中。該信息處理方法包括以下步驟設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在模 型圖像的邊緣上并且提供用于提取出作為模型圖像的特征值的模型圖像特 征值,并且從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出模 型圖像特征值(例如,圖4中的步驟S16);以及檢查在輸入圖像的邊緣 上并且與特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為輸入圖像的特征值的輸入圖像特征值 是否與特征點(diǎn)處的多個(gè)模型圖像特征值中的任何一個(gè)相匹配(例如,圖18中的步驟S94)。根據(jù)本發(fā)明另一個(gè)實(shí)施例的程序是一種使得計(jì)算機(jī)執(zhí)行用于將輸入圖 像與模型圖像相比較以利用模型圖像的被拍攝體來(lái)識(shí)別輸入圖像的被拍攝體的過(guò)程的程序。該過(guò)程包括以下步驟設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在模型 圖像的邊緣上并且提供用于提取出作為模型圖像的特征值的模型圖像特征 值,并且從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出模型圖像特征值(例如,圖4中的步驟S16);以及檢查在輸入圖像的邊緣上并且與特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為輸入圖像的特征值的輸入圖像特征值是否與特征點(diǎn)處的多個(gè)模型圖像特征值中的任何一個(gè)相匹配(例如,圖18 中的步驟S94)。下面將參考附圖描述本發(fā)明的實(shí)施例。圖1是示出作為本發(fā)明的實(shí)施例的對(duì)象識(shí)別裝置的功能組件的配置的 框圖。在圖1中,對(duì)象識(shí)別裝置11包括模型特征值注冊(cè)單元31和目標(biāo)圖像 識(shí)別單元32。在對(duì)象識(shí)別中,模型特征值注冊(cè)單元31由作為要識(shí)別的對(duì)象圖像的 模型圖像生成邊緣圖像,提取出作為邊緣圖像上的每個(gè)邊緣點(diǎn)處的局部特 征值的模型特征值,并在辭典中注冊(cè)模型特征值以及邊緣點(diǎn)之間的幾何位 置關(guān)系。模型特征值注冊(cè)單元31包括照相機(jī)51、幀存儲(chǔ)器52、邊緣強(qiáng)度圖像 生成器53、邊緣圖像生成器54、模型特征值提取器55和模型辭典56。 照相機(jī)51包括成像器件和用于將圖像聚焦在成像器件上的光學(xué)系統(tǒng)(例如透鏡)。照相機(jī)51捕獲對(duì)象的圖像并將所捕獲的圖像提供給幀存 儲(chǔ)器52。所捕獲的圖像或者是靜止圖像,或者是運(yùn)動(dòng)圖像。幀存儲(chǔ)器52累積由照相機(jī)51提供的模型圖像。當(dāng)所提供的圖像是靜 止圖像時(shí),幀存儲(chǔ)器52按原樣存儲(chǔ)靜止圖像。另一方面,當(dāng)所提供的圖 像是運(yùn)動(dòng)圖像時(shí),幀存儲(chǔ)器52存儲(chǔ)運(yùn)動(dòng)圖像的每個(gè)幀。存儲(chǔ)在幀存儲(chǔ)器 52中的靜止圖像或運(yùn)動(dòng)圖像的幀圖像在下面的過(guò)程中被當(dāng)作模型圖像。邊緣強(qiáng)度圖像生成器53基于累積在幀存儲(chǔ)器52中的任何一個(gè)模型圖 像生成邊緣強(qiáng)度圖像。邊緣強(qiáng)度圖像由邊緣強(qiáng)度形成,每個(gè)邊緣強(qiáng)度代表 像素值的變化相對(duì)于模型圖像的預(yù)定區(qū)域中的位置變化的大小程度。在邊 緣強(qiáng)度圖像中,像素值的變化越突然越大,邊緣強(qiáng)度就越高,而像素值的 變化越緩慢越小,邊緣強(qiáng)度就越低。S卩,邊緣強(qiáng)度圖像生成器53生成由 邊緣強(qiáng)度形成的邊緣強(qiáng)度圖像,每個(gè)邊緣強(qiáng)度代表像素值的變化相對(duì)于模 型圖像中關(guān)注像素附近的位置變化的大小程度。邊緣強(qiáng)度圖像生成器53 將所生成的邊緣強(qiáng)度圖像提供給模型特征值提取器55。邊緣圖像生成器54基于累積在幀存儲(chǔ)器52中的任何一個(gè)模型圖像生 成邊緣圖像。邊緣圖像代表模型圖像中具有較大像素值的像素和具有較小 像素值的像素之間的邊界。例如,邊緣圖像生成器54生成以如下方式獲 得的邊緣圖像當(dāng)模型圖像中關(guān)注像素的像素值大于或等于預(yù)定閾值時(shí)向 該像素分配值1,否則分配值0。邊緣圖像生成器54將所生成的邊緣圖像 提供給模型特征值提取器55。模型特征值提取器55確定從邊緣圖像生成器54提供的邊緣圖像上的 局部區(qū)域中的采樣點(diǎn),每個(gè)采樣點(diǎn)用來(lái)提取一個(gè)特征值。模型特征值提取 器55還確定基點(diǎn)和每個(gè)支撐點(diǎn)之間的幾何位置關(guān)系,基點(diǎn)是采樣點(diǎn)中的 參考點(diǎn),支撐點(diǎn)是除了基點(diǎn)以外的采樣點(diǎn),并且是依賴于基點(diǎn)確定的。這 里所用的幾何位置關(guān)系是以如下方式定義的,該方式使得關(guān)注的兩個(gè)點(diǎn)中 的一點(diǎn)被指定作為參考,而另一點(diǎn)由距參考點(diǎn)的距離和角度表示。即,模 型特征值提取器55確定每個(gè)支撐點(diǎn)相對(duì)于基點(diǎn)的位置。用于提取特征值的采樣點(diǎn)是在該處邊緣圖像與設(shè)置在邊緣圖像上的局 部區(qū)域中的參考圓相交的邊緣點(diǎn)?;c(diǎn)是參考圓上的邊緣點(diǎn)之一,而其他點(diǎn)是支撐點(diǎn)。利用基點(diǎn)和每個(gè)支撐點(diǎn)之間的幾何位置關(guān)系,每個(gè)支撐點(diǎn)的 位置由距基點(diǎn)的距離和角度表示。
更具體而言,如圖2所示,模型特征值提取器55確定參考圓R作為 由邊緣圖像生成器54生成的邊緣圖像Ul中的局部區(qū)域,并且指定在邊 緣圖像111與參考圓R相交的邊緣點(diǎn)為基點(diǎn)b和支撐點(diǎn)sl、 s2和s3。
如圖3所示,在模型特征值提取器55中,如圖2所示確定的支撐點(diǎn) sl至s3相對(duì)于基點(diǎn)b的位置(距離和角度)由相對(duì)距離rl、 r2和r3以及
根據(jù)參考軸i測(cè)得的相對(duì)角度ei、 e2和03表示。
模型特征值提取器55在這樣確定的基點(diǎn)和支撐點(diǎn)中的每一個(gè)的附近 設(shè)置多個(gè)特征值提取區(qū)域,并且基于從邊緣強(qiáng)度圖像生成器53提供的邊 緣強(qiáng)度圖像提取出每個(gè)特征值提取區(qū)域中的邊緣強(qiáng)度作為模型特征值,該 值是模型圖像的特征值。
所提取的模型圖像的模型特征值不是由根據(jù)邊緣圖像獲得的二進(jìn)制值 0和1表示的,而是對(duì)于邊緣附近的每個(gè)像素具有連續(xù)值,這與上述邊緣 強(qiáng)度一樣。即,模型特征值并不限于邊緣強(qiáng)度,而是可以是通過(guò)圖像處理 獲得并且代表模型圖像的邊緣附近的變化的任何東西。例如,模型特征值 是隨像素位置變化的亮度。更具體而言,模型特征值例如是通過(guò)對(duì)模型圖 像執(zhí)行諸如使用差分濾波器的操作之類的操作而提取的,差分濾波器包括 Gabor濾波器和Gaussian差分濾波器。
另外,模型特征值提取器55將基點(diǎn)和每個(gè)支撐點(diǎn)之間的幾何位置關(guān) 系以及針對(duì)每個(gè)模型圖像的每個(gè)點(diǎn)由特征值提取區(qū)域提取的模型特征值提 供給(注冊(cè)到)模型辭典56。
模型辭典56例如由諸如硬盤驅(qū)動(dòng)器之類的存儲(chǔ)設(shè)備以及諸如硬盤和 RAM (隨機(jī)訪問(wèn)存儲(chǔ)器)之類的存儲(chǔ)介質(zhì)形成。模型辭典56以這樣的方 式存儲(chǔ)基點(diǎn)和每個(gè)支撐點(diǎn)之間的幾何位置關(guān)系以及從模型特征值提取器55 提供的每個(gè)點(diǎn)的模型特征值,該方式使得這些模型特征值與幾何位置關(guān)系 相關(guān)。
如上所述,模型特征值注冊(cè)單元31可以利用關(guān)注點(diǎn)(基點(diǎn)b)的特征 值、周圍點(diǎn)(支撐點(diǎn)sl至s3)的特征值、以及關(guān)注點(diǎn)和周圍點(diǎn)之間的位置關(guān)系(相對(duì)距離rl至r3和相對(duì)角度ei至63)來(lái)描述模型圖像的局部區(qū) 域。
返回圖l的描述,現(xiàn)在將描述目標(biāo)圖像識(shí)別單元32。目標(biāo)圖像識(shí)別單 元32通過(guò)將要識(shí)別的目標(biāo)圖像與包含在任何一個(gè)模型圖像中的對(duì)象相比 較來(lái)由目標(biāo)圖像生成邊緣圖像,并提取出目標(biāo)特征值,該值是所生成的邊 緣圖像上的每個(gè)邊緣點(diǎn)處的局部特征值。目標(biāo)圖像識(shí)別單元32檢查所提 取的目標(biāo)特征值是否與注冊(cè)在模型特征值注冊(cè)單元31中的模型辭典56內(nèi) 的任何一個(gè)模型特征值相匹配,以便獲取模型圖像和目標(biāo)圖像之間的匹配 對(duì)。目標(biāo)圖像識(shí)別單元32基于所獲取的匹配對(duì)的數(shù)目來(lái)利用模型圖像中 的對(duì)象識(shí)別目標(biāo)圖像中的對(duì)象。
與模型圖像中一樣,目標(biāo)圖像是原樣的靜止圖像或者是運(yùn)動(dòng)圖像的幀 圖像。
目標(biāo)圖像識(shí)別單元32包括照相機(jī)61、幀存儲(chǔ)器62、邊緣強(qiáng)度圖像生 成器63、邊緣圖像生成器64、目標(biāo)特征值提取器65、匹配部件66和對(duì)象 識(shí)別器67。
照相機(jī)61、幀存儲(chǔ)器62、邊緣強(qiáng)度圖像生成器63和邊緣圖像生成器 64的描述被省略,因?yàn)樗鼈兙哂信c上述模型特征值注冊(cè)單元31中照相機(jī) 51、幀存儲(chǔ)器52、邊緣強(qiáng)度圖像生成器53和邊緣圖像生成器54相同的配置。
基于目標(biāo)圖像的邊緣強(qiáng)度圖像和邊緣圖像,目標(biāo)特征值提取器65提 取出與模型圖像中的基點(diǎn)和支撐點(diǎn)相對(duì)應(yīng)的目標(biāo)圖像中的每個(gè)邊緣點(diǎn)處的 邊緣強(qiáng)度作為目標(biāo)特征值,該值是目標(biāo)圖像的特征值。目標(biāo)特征值提取器 65將所提取的目標(biāo)圖像的目標(biāo)特征值提供給匹配部件66。
所提取的目標(biāo)特征值不是由根據(jù)邊緣圖像獲得的二進(jìn)制值0和1表示 的,而是對(duì)于邊緣附近的每個(gè)像素具有連續(xù)值。目卩,目標(biāo)特征值并不限于 邊緣強(qiáng)度,而是可以是通過(guò)圖像處理獲得并且代表目標(biāo)圖像的邊緣附近的 變化的任何東西。例如,目標(biāo)特征值是隨像素位置變化的亮度。更具體而 言,目標(biāo)特征值例如是通過(guò)對(duì)目標(biāo)圖像執(zhí)行諸如使用差分濾波器的操作之 類的操作而提取的,差分濾波器包括Gabor濾波器和Gaussian差分濾波
14器。
通過(guò)這樣(即不使用由0和1的二進(jìn)制值表示的邊緣信息,而是使用 隨像素位置變化的值來(lái)作為目標(biāo)特征值和模型特征值),可以減少在提取 特征值時(shí)產(chǎn)生的任何差錯(cuò)對(duì)目標(biāo)特征值和模型特征值之間的比較的影響。
匹配部件66檢査在目標(biāo)特征值提取器65中提取出的目標(biāo)圖像的每個(gè) 目標(biāo)特征值是否與注冊(cè)在模型辭典56中的模型圖像的任何一個(gè)模型特征 值相匹配,以便獲取模型圖像和目標(biāo)圖像之間的匹配對(duì)。更具體而言,匹 配部件66檢查位于目標(biāo)圖像的邊緣上并且與模型圖像中的基點(diǎn)和支撐點(diǎn) 相對(duì)應(yīng)的每個(gè)點(diǎn)處的在目標(biāo)特征值提取器65中提取出的目標(biāo)特征值是否 與模型圖像中基點(diǎn)和支撐點(diǎn)處的多個(gè)模型特征值中的任何一個(gè)相匹配。
對(duì)象識(shí)別器67基于匹配部件66中獲取的匹配對(duì)的數(shù)目來(lái)識(shí)別包含在 目標(biāo)圖像中的對(duì)象。更具體而言,當(dāng)匹配對(duì)的數(shù)目(這是每個(gè)目標(biāo)特征值 和多個(gè)模型特征值之間的匹配的結(jié)果)大于預(yù)定值時(shí),對(duì)象識(shí)別器67利
用模型圖像的被拍攝體來(lái)識(shí)別目標(biāo)圖像的被拍攝體。
利用上述配置(即,檢查目標(biāo)圖像的特征值是否與模型圖像的特征值 相匹配以便利用包含在模型圖像中的對(duì)象來(lái)識(shí)別包含在目標(biāo)圖像中的對(duì) 象),目標(biāo)圖像識(shí)別單元32可以識(shí)別圖像中的對(duì)象。
下面將描述在對(duì)象識(shí)別裝置11中執(zhí)行的用于注冊(cè)模型的特征值的過(guò)程。
例如,當(dāng)照相機(jī)51對(duì)預(yù)定對(duì)象成像并且邊緣強(qiáng)度圖像生成器53和邊 緣圖像生成器54獲取記錄在幀存儲(chǔ)器52中的圖像時(shí),模型特征值注冊(cè)單 元31開始用于注冊(cè)模型圖像的特征值的過(guò)程。
圖4是用于說(shuō)明在對(duì)象識(shí)別裝置11中的模型特征值注冊(cè)單元31內(nèi)執(zhí) 行的用于注冊(cè)模型圖像的特征值的過(guò)程的流程圖。
在步驟Sll中,從幀存儲(chǔ)器52獲取的模型圖像在邊緣強(qiáng)度圖像生成 器53中經(jīng)歷用于生成邊緣強(qiáng)度圖像的過(guò)程。
圖5是用于說(shuō)明用于生成邊緣強(qiáng)度圖像的過(guò)程細(xì)節(jié)的流程圖。
下面的描述示出了用于由灰度圖像生成邊緣圖像的方法。在各種邊緣 提取方法中,Canny邊緣濾波器在穩(wěn)定性和精度方面尤其是出名的,并且這里將用在邊緣提取過(guò)程中。Canny邊緣濾波器在非專利文獻(xiàn).T.R. Parker 的"Algorithms for Image Processing and Computer Vision" (John Wiley & Sons, Inc.)中有詳細(xì)描述。
在步驟S31中,邊緣強(qiáng)度圖像生成器53執(zhí)行平滑?!熠?,邊緣強(qiáng)度圖 像生成器53對(duì)圖像f(x, y)應(yīng)用Gaussian濾波G(x, y)以減少圖像中的噪聲 和細(xì)微紋路。更具體而言,邊緣強(qiáng)度圖像生成器53執(zhí)行Gaussian濾波器 G(x, y)和圖像f(x, y)之間的巻積,以提供由方程(1)所表示的經(jīng)平滑的圖 像g(x,y)。 Gaussian濾波器G(x,y)由方程(2)表示。
g(x,力-G(x,力V(x,力 (1)
G(x,力=exp[—^f^] ( 2)
在步驟S32中,邊緣強(qiáng)度圖像生成器53計(jì)算x軸方向上的梯度gx(x, y)和y軸方向上的梯度gy(x, y)。更具體而言,邊緣強(qiáng)度圖像生成器53對(duì) 在步驟S31中獲得的經(jīng)平滑圖像g(x, y)應(yīng)用圖6中所示的差分濾波,以創(chuàng) 建由x軸方向上的梯度和y軸方向上的梯度表示的梯度圖像。即,應(yīng)用圖 6的左側(cè)所示的x軸方向?yàn)V波以創(chuàng)建x軸方向上的梯度gx(x, y),應(yīng)用圖6 的右側(cè)所示的y軸方向?yàn)V波以創(chuàng)建y軸方向上的梯度gy(x,y)。
在步驟S33中,邊緣強(qiáng)度圖像生成器53計(jì)算邊緣強(qiáng)度和邊緣角度。 邊緣強(qiáng)度圖像生成器53使用在步驟S32中創(chuàng)建的梯度圖像gx(x, y)和gy(x, y)來(lái)生成由方程(3)表示的邊緣強(qiáng)度圖像M(x, y)和由方程(4)表示的邊 緣角度圖像e(x, y)。
M(x,力-Jg義(x,力2 +gyO,y)2 (3)
) = tan-'[^4] (4)
因而,邊緣強(qiáng)度圖像生成器53生成了邊緣強(qiáng)度圖像。
返回對(duì)圖4中的流程圖的描述,在步驟S12中,從幀存儲(chǔ)器52獲取
的模型圖像在邊緣圖像生成器54中經(jīng)歷用于生成邊緣圖像的過(guò)程。 圖7是用于說(shuō)明用于生成邊緣圖像的過(guò)程細(xì)節(jié)的流程圖。 在圖7的流程圖中,由邊緣圖像生成器54執(zhí)行的步驟S51至S53的
過(guò)程與圖5的流程圖中由邊緣強(qiáng)度圖像生成器53執(zhí)行的步驟S31至S33的過(guò)程相同。因而,對(duì)步驟S51至S53的過(guò)程的描述被省略。
在步驟S54中,邊緣圖像生成器54執(zhí)行邊緣減薄(edge-thinning)。 即,在步驟S53中生成的邊緣強(qiáng)度圖像M(x, y)的邊緣寬度范圍從一個(gè)像素 到若干像素。邊緣圖像生成器54將這樣的寬度減薄為一個(gè)像素的寬度。 更具體而言,當(dāng)邊緣強(qiáng)度圖像M(x, y)在預(yù)定點(diǎn)(x, y)處不為0時(shí),邊緣圖 像生成器54將該點(diǎn)處邊緣強(qiáng)度圖像M(x, y)的值與位于由點(diǎn)(x, y)的邊緣角 度圖像e(x, y)表示的邊緣方向上的點(diǎn)(xl, yl)處的邊緣強(qiáng)度圖像M(x, y)的值 和位于與點(diǎn)(xl, yl)相反一側(cè)的邊緣方向上的點(diǎn)(x2, y2)處的邊緣強(qiáng)度圖像 M(x2, y2)的值相比較。當(dāng)點(diǎn)(x, y)處的邊緣強(qiáng)度圖像M(x, y)小于邊緣強(qiáng)度 圖像M(xl, yl)或邊緣強(qiáng)度圖像M(x2, y2)時(shí),邊緣圖像生成器54判斷出點(diǎn) (x, y)不是邊緣點(diǎn)并且將邊緣強(qiáng)度圖像M(x, y)設(shè)置為0。
在步驟S55中,邊緣圖像生成器54檢測(cè)邊緣。即,在步驟S54中減 薄的邊緣強(qiáng)度圖像M(x, y)在邊緣圖像生成器54中經(jīng)歷門限過(guò)程
(thresholding process)從而生成邊緣圖像。當(dāng)使用Canny邊緣濾波器時(shí), 在門限過(guò)程中使用了兩個(gè)閾值TJiigh和T—low。更具體而言,當(dāng)點(diǎn)(x,y)處 的邊緣強(qiáng)度圖像M(x, y)大于T一high時(shí),邊緣圖像生成器54將該點(diǎn)設(shè)置為 起始點(diǎn),接著搜索邊緣強(qiáng)度圖像M(x,y)大于或等于T—low處的點(diǎn),并將該 點(diǎn)設(shè)置為邊緣點(diǎn)。
上述Carmy邊緣濾波器中的參數(shù)是在步驟S51 (或步驟S31)中使用 的平滑程度cj以及在步驟S55中用于邊緣檢測(cè)的兩個(gè)閾值T—high和 T一low。預(yù)先將這些參數(shù)設(shè)置為適當(dāng)?shù)闹的軌驅(qū)崿F(xiàn)更精確的邊緣檢測(cè)。
返回對(duì)圖4中的流程圖的描述,在步驟S13中,模型特征值提取器55
執(zhí)行用于確定參考圓的過(guò)程。
對(duì)象的輪廓局部變化。為了使用由上述相對(duì)距離和相對(duì)角度限定的幾 何約束,根據(jù)包含在每個(gè)局部區(qū)域中的對(duì)象(即,邊緣圖像)的輪廓設(shè)置 參考圓的大小(半徑)。這里所用的幾何約束是指保持上述基點(diǎn)和每個(gè)支 撐點(diǎn)之間的幾何位置關(guān)系??梢哉J(rèn)為,對(duì)于每個(gè)基點(diǎn)支撐點(diǎn)越多,幾何約 束就越強(qiáng)。
更具體而言,例如如圖8A所示,當(dāng)每個(gè)參考圓的半徑固定時(shí),在參考圓R1的區(qū)域中幾何約束將是不夠的。另一方面,通過(guò)增大參考圓R1的
半徑,如同圖8B中所示的參考圓R1'的區(qū)域,可以獲得足夠的幾何約束。 即,參考圓Rl'多提供了兩個(gè)邊緣點(diǎn)。取決于對(duì)象的輪廓,利用具有較小 半徑的參考圓可以獲得足夠的幾何約束。
因此,參考圓的半徑是以這樣一種方式確定的,該方式使得存在合適 數(shù)目的參考圓與邊緣圖像相交的邊緣點(diǎn)。
為了確定這樣的參考圓R,有必要確定變?yōu)閰⒖紙AR的中心的中心像 素和其半徑。為了提取出圍繞參考圓R的周長(zhǎng)獲得足夠的幾何約束的區(qū) 域,參考圓R的輪廓附近的邊緣點(diǎn)跨參考圓R散布多寬的程度被用作評(píng)估 參數(shù)。
艮口,邊緣點(diǎn)散布多寬的評(píng)估由方程(5)和(6)表示,方程(5)和 (6)使用了參考圓R的半徑r、參考圓R的中心c、從中心c到每個(gè)邊緣 點(diǎn)p的距離d、以及根據(jù)x軸測(cè)得的每個(gè)邊緣點(diǎn)p的角度cp,如圖9所示。
//(c,r)=》(A,c,r)l0gA(A:,c,r) (5)
維,c力=v j ] Z |叱-卡("告&) (6)
在這一評(píng)估中,參考圓R被劃分為L(zhǎng)個(gè)步進(jìn),并且值k范圍從1到L。
在方程(6)中,K(x)表示平滑核心(kernel),并且由方程(7)表
= exp(t) (7)
隨著參考圓R的附近的邊緣點(diǎn)跨參考圓R散布多寬的程度變大,熵值 H(c,r)也變大。§卩,大的熵值意味著參考圓R包含足夠數(shù)目的邊緣點(diǎn)。
更具體而言,模型特征值提取器55逐漸地圍繞非邊緣點(diǎn)增大參考圓R 的半徑。每一次增大參考圓R的半徑時(shí),模型特征值提取器55都評(píng)估熵 值并且存儲(chǔ)給出最大熵值的半徑。模型特征值提取器55對(duì)于所有點(diǎn)確定 給出最大熵值的半徑。這一過(guò)程確定了具有給出較大熵值的中心和半徑的 參考圓,即,包含更多邊緣點(diǎn)的參考圓。
圖10是用于說(shuō)明用于使用上述因子來(lái)確定其中心在模型圖像上的任意點(diǎn)d處的參考圓的過(guò)程的流程圖。
在步驟S71中,模型特征值提取器55將參考圓的半徑r設(shè)置為預(yù)先設(shè) 置的參考圓的最小半徑st—r,并將最大值H—max設(shè)置為0。最大值H—max 代表隨著任意點(diǎn)ci處參考圓的半徑變化而變化的最大熵值。
在步驟S72中,模型特征值提取器55使用方程(5)來(lái)計(jì)算在參考圓 的當(dāng)前半徑下其中心在任意點(diǎn)ci處的參考圓的熵值Hi=H(ci, r)。
在步驟S73中,模型特征值提取器55判斷計(jì)算出的熵值Hi是否大于 最大值H—max。當(dāng)模型特征值提取器55判斷出熵值Hi大于最大值H—max 時(shí),執(zhí)行步驟S74中的下一過(guò)程。
在步驟S74中,模型特征值提取器55將最大值H一max設(shè)置為熵值 Hi,并且將半徑r設(shè)置為給出最大熵值的參考圓的半徑r—max。在步驟S74 之后,執(zhí)行步驟S75中的過(guò)程。
另一方面,在步驟S73中,當(dāng)模型特征值提取器55判斷出熵值Hi小 于或等于最大熵值H—max時(shí),跳過(guò)步驟S74并且執(zhí)行步驟S75中的過(guò) 程。
在步驟S75中,模型特征值提取器55將半徑r遞增預(yù)先設(shè)置的半徑更 新步長(zhǎng)匸step。
在步驟S76中,模型特征值提取器55判斷半徑r是否大于預(yù)定閾值 r—thresh。當(dāng)模型特征值提取器55判斷出半徑r大于閾值r—thresh時(shí),該過(guò) 程終止。
另一方面,當(dāng)模型特征值提取器55判斷出半徑r小于或等于閾值 r—thresh時(shí),該過(guò)程返回步驟S72并且重復(fù)步驟S72和后續(xù)步驟中的過(guò) 程。
因而,模型特征值提取器55通過(guò)將半徑連續(xù)地遞增預(yù)先設(shè)置的半徑 更新步長(zhǎng),計(jì)算出了其中心在任意點(diǎn)ci處的參考圓的半徑和熵值,并且存 儲(chǔ)了最大熵值H—max和給出最大熵值H_max的參考圓的半徑r_max。
艮口,模型特征值提取器55對(duì)于模型圖像上的所有點(diǎn)執(zhí)行了上述過(guò)程 以獲得圖11中所示的熵圖E一map,熵圖E—map存儲(chǔ)了每個(gè)像素的參考圓 的最大熵值H max和半徑r—max。在這樣確定了所有點(diǎn)的參考圓之后,模型特征值提取器55使用熵圖
E—map中的熵值來(lái)執(zhí)行非最大抑制(non-maximum suppression)作為用于 確定最終參考圓的過(guò)程。即,當(dāng)關(guān)注像素不具有局部最大值時(shí),模型特征 值提取器55將熵圖E—map中保存的關(guān)注像素附近(八個(gè)鄰居、十六個(gè)鄰 居等)的熵值和半徑值設(shè)置為O。
然后,模型特征值提取器55利用預(yù)先設(shè)置的最小熵值來(lái)執(zhí)行二元化 (binarization),以創(chuàng)建最終熵圖E—map。熵圖E—map具有與模型圖像相 同的大小,并且每個(gè)像素保存與該像素相關(guān)聯(lián)的圓的熵值和半徑。因而確 定了參考圓Ri (i是從1到n的整數(shù)),參考圓Ri的中心是具有非零熵值 的像素的位置。
返回對(duì)圖4中的流程圖的描述,在步驟S14中,模型特征值提取器55 確定基點(diǎn)和支撐點(diǎn)。
更具體而言,模型特征值提取器55使用參考圓Ri和邊緣圖像來(lái)確定 基點(diǎn)bi和支撐點(diǎn)sij (j是大于或等于1的整數(shù))。參考圓的選擇是在熵圖 E—map中以熵值的降序進(jìn)行的。
圖12說(shuō)明了如何對(duì)作為基點(diǎn)和支撐點(diǎn)的采樣點(diǎn)進(jìn)行采樣。
在基點(diǎn)和支撐點(diǎn)的采樣中,模型特征值提取器55將參考圓Ri在角向 方向上劃分為m個(gè)部分,如圖12所示。劃分?jǐn)?shù)m根據(jù)參考圓Ri的半徑而 變化(例如,當(dāng)參考圓Ri的半徑較大時(shí),劃分?jǐn)?shù)m較大,而當(dāng)參考圓Ri 的半徑較小時(shí),劃分?jǐn)?shù)m較小)。
另外,模型特征值提取器55在每個(gè)劃分區(qū)域中設(shè)置采樣區(qū)域。更具 體而言,例如,模型特征值提取器55設(shè)置采樣區(qū)域Asam,采樣區(qū)域 Asam是其長(zhǎng)邊在弧的切向方向上的矩形區(qū)域,采樣區(qū)域Asam的設(shè)置使得 其幾乎包含劃分弧的中心部分,如圖12所示。在采樣區(qū)域Asam中的點(diǎn) 內(nèi),離邊緣圖像111最近的點(diǎn)被指定為采樣點(diǎn)mij (j是至少為1但是小于 或等于m的整數(shù))。
然后,模型特征值提取器55確定多個(gè)采樣點(diǎn)中的基點(diǎn)。例如,模型 特征值提取器55指定在多個(gè)采樣點(diǎn)中具有最小x坐標(biāo)的點(diǎn)為基點(diǎn)。在本 發(fā)明中,對(duì)象的形狀由一組基點(diǎn)描述,從而基點(diǎn)最好沿邊緣圖像伸展。為此,通過(guò)參考已經(jīng)確定為基點(diǎn)的位置作為歷史來(lái)確定新的基點(diǎn)。g口,模型
特征值提取器55參考由在先基點(diǎn)的位置形成的歷史,從采樣點(diǎn)mij中選擇
一個(gè)點(diǎn)(像素)(選擇方式使得要選擇的點(diǎn)在在先基點(diǎn)像素的附近的外 部),并將該點(diǎn)(像素)指定為新的基點(diǎn)且將其他點(diǎn)(像素)指定為支撐 點(diǎn)。每當(dāng)確定新的基點(diǎn)時(shí),就更新基點(diǎn)的位置的歷史。
在步驟S15中,模型特征值提取器55確定每個(gè)支撐點(diǎn)的相對(duì)角度的 和相對(duì)距離rij。更具體而言,模型特征值提取器55使用所確定的基點(diǎn)bi 和其參考軸方向(零度方向)來(lái)確定每個(gè)支撐點(diǎn)sij相對(duì)于基點(diǎn)bi的位 置。
圖13A和13B示出了支撐點(diǎn)sij相對(duì)于基點(diǎn)bi的位置。 在圖13A中,基點(diǎn)bi和其支撐點(diǎn)sil至si3被設(shè)置在邊緣圖像111 上。如圖13A所示,模型特征值提取器55確定支撐點(diǎn)sil相對(duì)于基點(diǎn)bi 的距離ril、支撐點(diǎn)si2相對(duì)于基點(diǎn)bi的距離ri2以及支撐點(diǎn)si3相對(duì)于基點(diǎn) bi的距離ri3。
如圖13B所示,模型特征值提取器55確定支撐點(diǎn)sil相對(duì)于基點(diǎn)bi 的參考軸的角度eil、支撐點(diǎn)si2相對(duì)于基點(diǎn)bi的參考軸的角度ei2以及支 撐點(diǎn)si3相對(duì)于基點(diǎn)bi的參考軸的角度ei3。
在步驟S16中,模型特征值提取器55從基于參考圓Ri設(shè)置在基點(diǎn)bi 和支撐點(diǎn)sij的附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出模型特征值。 此時(shí),該過(guò)程完成。更具體而言,模型特征值提取器55相對(duì)于將參考圓 Ri的中心連接到每個(gè)采樣點(diǎn)的線在采樣點(diǎn)(基點(diǎn)和支撐點(diǎn))的附近提供多 個(gè)特征值提取區(qū)域,以便提取出特征值提取區(qū)域中的模型特征值。
圖14說(shuō)明了如何設(shè)置參考圓Rl的特征值提取區(qū)域。如圖14所示, 兩個(gè)特征值提取區(qū)域131A和131B被設(shè)置在將參考圓Rl的中心連接到基 點(diǎn)bl的線上,基點(diǎn)bl是參考圓Rl上的采樣點(diǎn)之一。特征值提取區(qū)域 131A和131B相對(duì)于基點(diǎn)bl在參考圓Rl的內(nèi)部和外部。
以這種方式,模型特征值提取器55對(duì)于一個(gè)采樣點(diǎn)(基點(diǎn)或任何一 個(gè)支撐點(diǎn))可以提取出兩個(gè)模型特征值。
要設(shè)置的特征值提取區(qū)域并不限于上述這兩個(gè)參考圓Rl內(nèi)部和外部的區(qū)域,而是可以在每個(gè)采樣點(diǎn)的附近設(shè)置多個(gè)特征值提取區(qū)域。因而, 每個(gè)采樣點(diǎn)可以具有多個(gè)特征值。一般而言,對(duì)于紋路較少的對(duì)象,在步驟S14中確定的基點(diǎn)和支撐點(diǎn) 通常位于對(duì)象的輪廓部分中。在這種情況下,當(dāng)目標(biāo)圖像包含復(fù)雜背景 時(shí),從圍繞每個(gè)采樣點(diǎn)的區(qū)域提取的特征值受到背景噪聲的影響,因此難 以檢査一個(gè)特征值是否與另一個(gè)相匹配。為了解決這一問(wèn)題,通過(guò)如上所述給一個(gè)采樣點(diǎn)指定多個(gè)特征值,這 多個(gè)模型特征值中的至少一個(gè)可能不受背景噪聲的影響,從而即使當(dāng)目標(biāo) 圖像包含復(fù)雜背景時(shí)在對(duì)象的輪廓部分中一個(gè)特征值也可能與另一個(gè)相匹 配。注意,在這樣確定的特征值提取區(qū)域的每一個(gè)中的模型特征值不是通 過(guò)對(duì)邊緣圖像采樣而獲得的,而是通過(guò)對(duì)在步驟Sll中生成的具有例如從0到255的連續(xù)值的邊緣強(qiáng)度圖像M采樣而獲得的。圖15說(shuō)明了如何利 用邊緣強(qiáng)度圖像151提取特征值提取區(qū)域131A和131B中的特征值。如圖15所示,在邊緣強(qiáng)度圖像151中,特征值提取區(qū)域131A和 131B被設(shè)置在與圖14所示的邊緣圖像111中的特征值提取區(qū)域相對(duì)應(yīng)的 位置處。圖15中的特征值提取區(qū)域131A和131B由具有不同半徑的多個(gè) 同心圓形成,這多個(gè)同心圓被最外層的圓包圍。這些同心圓是沿徑向分割 的,每個(gè)分割部分都具有預(yù)定角度。下文中,特征值提取區(qū)域131A和131B被簡(jiǎn)稱為特征值提取區(qū)域 131,除非它們需要被區(qū)分。圖16說(shuō)明了如何劃分圖15中設(shè)置的特征值提取區(qū)域131。如圖16所示,特征值提取區(qū)域131包括具有不同半徑的三個(gè)同心 圓,并且被劃分為24個(gè)更小區(qū)域,其中三個(gè)是沿距同心圓中心的距離方 向的(r0至r2),八個(gè)是角向方向的(的至07)。圖17說(shuō)明了如圖16所示劃分的特征值提取區(qū)域131B中的邊緣強(qiáng)度。如圖17所示,對(duì)于通過(guò)劃分特征值提取區(qū)域131B而獲得的每個(gè)區(qū)域 的邊緣強(qiáng)度圖像151的邊緣強(qiáng)度求和提供了距離和半徑的兩維柱狀圖。更具體而言,由于在位于距離r2和角度ei的區(qū)域、位于距離rl和角 度02的區(qū)域、位于距離rl和角度03的區(qū)域、以及位于距離r2和角度64的 區(qū)域(每個(gè)區(qū)域包含圖17中的邊緣強(qiáng)度圖像151的輪廓的相對(duì)較大部 分)中邊緣強(qiáng)度很高,因此兩維柱狀圖中與具有高邊緣強(qiáng)度的區(qū)域相對(duì)應(yīng) 的部分被填充以高灰度。由于在位于距離rl和角度ei的區(qū)域以及位于距 離rl和角度04的區(qū)域(每個(gè)區(qū)域包含圖17中的邊緣強(qiáng)度圖像151的輪廓 的一小部分)中邊緣強(qiáng)度相對(duì)較高,因此兩維柱狀圖中與具有相對(duì)較高邊 緣強(qiáng)度的區(qū)域相對(duì)應(yīng)的部分被填充以低灰度。由于在不包含圖17中的邊 緣強(qiáng)度圖像151的輪廓的區(qū)域中邊緣強(qiáng)度很低,因此兩維柱狀圖中與具有 低邊緣強(qiáng)度的區(qū)域相對(duì)應(yīng)的部分是空的。這種柱狀圖代表邊緣強(qiáng)度,邊緣強(qiáng)度是通過(guò)劃分特征值提取區(qū)域而獲 得的每個(gè)區(qū)域中的模型特征值。除了上述24個(gè)更小區(qū)域(三個(gè)在距離方 向上,八個(gè)在角向方向上)以外,特征值提取區(qū)域還可以被劃分為任何數(shù) 目的小區(qū)域。一般而言,由于用于提取邊緣的過(guò)程包括二元化,因此對(duì)于作為輸入 圖像的目標(biāo)圖像和模型圖像來(lái)說(shuō),很難獲取彼此類似的邊緣圖像。當(dāng)邊緣 點(diǎn)處的邊緣信息被直接用作特征值時(shí),由二進(jìn)制值0和1表示的特征值將 極大地受到邊緣提取差錯(cuò)的影響,因而目標(biāo)圖像將與模型圖像有極大的不 同。為了解決這一問(wèn)題,通過(guò)使用具有從0到255的連續(xù)值的邊緣強(qiáng)度信 息,而不是上述由0和1的二進(jìn)制值表示的邊緣點(diǎn)處的邊緣信息,可以消 除由邊緣提取差錯(cuò)引起的特征值的偏移。另外,通過(guò)粗略地劃分已被設(shè)置的特征值提取區(qū)域并對(duì)每個(gè)劃分區(qū)域 中的特征值求和,可以應(yīng)對(duì)對(duì)象的外觀隨亮度等的變化而變化的情形和例 如當(dāng)對(duì)象位于近距離或遠(yuǎn)距離處時(shí)比率變化的情形。因此,當(dāng)對(duì)于每個(gè)基點(diǎn)來(lái)說(shuō)支撐點(diǎn)的數(shù)目是N并且特征值的數(shù)目(特 征值提取區(qū)域的數(shù)目)是M時(shí),從模型圖像提供了下面的信息。艮口, 一個(gè)模型圖像提供了基點(diǎn)(bx, by)的位置、特征值提取區(qū)域?qū)c(diǎn) 的相對(duì)位置(fbei, fbri)、以及基點(diǎn)的特征值bfi。在以上描述中,i是從l到M的整數(shù)。類似地, 一個(gè)模型圖像提供了支撐點(diǎn)(6j, rj) (j是從1到N的整數(shù))的相對(duì)位置、特征值提取區(qū)域?qū)γ總€(gè)支撐點(diǎn)的相對(duì)位置(fsei,fsri)、以及每個(gè)支撐點(diǎn)的特征值sfi。針對(duì)這樣提供的基點(diǎn)和支撐點(diǎn)中的每一個(gè)的每個(gè)特征值提取區(qū)域的位置和特征值被注冊(cè)在模型辭典56中。接下來(lái),將描述在對(duì)象識(shí)別裝置11中如何識(shí)別目標(biāo)對(duì)象。即,將描 述用于識(shí)別在包含在模型辭典56中注冊(cè)的模型圖像中的對(duì)象內(nèi),哪個(gè)模 型圖像包括一個(gè)最類似包含在輸入目標(biāo)圖像中的對(duì)象的對(duì)象的過(guò)程。存在各種用于評(píng)估相似性的方法。例如,根據(jù)其中一種方法,考慮作 為模型圖像中的P個(gè)特征點(diǎn)的邊緣點(diǎn)和目標(biāo)圖像中與P個(gè)特征點(diǎn)相對(duì)應(yīng)的 點(diǎn)。計(jì)算彼此相對(duì)應(yīng)的一對(duì)特征值之間的代價(jià),并且當(dāng)該對(duì)具有足夠高的 代價(jià)時(shí)保存該對(duì)作為匹配對(duì),并且對(duì)于所有特征值的對(duì)重復(fù)該過(guò)程。當(dāng)這 樣獲得的匹配對(duì)的數(shù)目足夠大時(shí),利用模型圖像中包含的對(duì)象識(shí)別了目標(biāo) 圖像中包含的對(duì)象。下面將描述用于在對(duì)象識(shí)別裝置11中獲取目標(biāo)圖像和模型圖像之間 的匹配對(duì)的過(guò)程。例如,當(dāng)照相機(jī)61對(duì)要識(shí)別的對(duì)象成像并且邊緣強(qiáng)度圖像生成器63 和邊緣圖像生成器64獲取記錄在幀存儲(chǔ)器62中的目標(biāo)圖像時(shí),目標(biāo)圖像 識(shí)別單元32開始用于獲取匹配對(duì)的過(guò)程。圖18是用于說(shuō)明用于在對(duì)象識(shí)別裝置11中的目標(biāo)圖像識(shí)別單元32內(nèi) 獲取目標(biāo)圖像和模型圖像之間的匹配對(duì)的過(guò)程的流程圖。對(duì)圖18的流程圖中由邊緣強(qiáng)度圖像生成器63執(zhí)行的步驟S91的過(guò)程 的描述被省略,因?yàn)樵撨^(guò)程與圖4的流程圖中由邊緣強(qiáng)度圖像生成器53 執(zhí)行的步驟Sll的過(guò)程相同。另外,對(duì)圖18的流程圖中由邊緣圖像生成器64執(zhí)行的步驟S92的過(guò) 程的描述被省略,因?yàn)樵撨^(guò)程與圖4的流程圖中由邊緣圖像生成器54執(zhí) 行的步驟S12的過(guò)程相同。在步驟S93中,目標(biāo)特征值提取器65提取出圍繞所有邊緣點(diǎn)的特征值。更具體而言,目標(biāo)特征值提取器65在從邊緣圖像生成器64提供的邊 緣圖像中設(shè)置圍繞所有邊緣點(diǎn)的特征值提取區(qū)域,每個(gè)特征值提取區(qū)域具有由模型特征值提取器55在圖4的流程圖中的步驟S16內(nèi)設(shè)置的相同半 徑。目標(biāo)特征值提取器65以與參考圖17所述相同的方式,基于從邊緣強(qiáng) 度圖像生成器63提供的邊緣強(qiáng)度圖像和已設(shè)置的特征值提取區(qū)域提取出 作為目標(biāo)特征值的邊緣強(qiáng)度。目標(biāo)特征值提取器65將所提取的目標(biāo)特征 值提供給匹配部件66。在步驟S94中,匹配部件66檢查在位于目標(biāo)圖像的邊緣上并且與模 型圖像中的基點(diǎn)和支撐點(diǎn)相對(duì)應(yīng)的點(diǎn)處的目標(biāo)特征值是否與在模型圖像中 的基點(diǎn)和支撐點(diǎn)處的多個(gè)相應(yīng)模型特征值中的任何一個(gè)相匹配。圖19說(shuō)明了如何檢查模型圖像的邊緣圖像111中的基點(diǎn)bl處的模型 特征值是否與目標(biāo)圖像的邊緣圖像211中的點(diǎn)p'處的目標(biāo)特征值相匹配。如圖19所示,對(duì)于其位置與基點(diǎn)bl的位置相對(duì)應(yīng)的點(diǎn)p',匹配部件 66計(jì)算基點(diǎn)bl和點(diǎn)p'之間的特征值代價(jià)d(bl, p')。另外,對(duì)于支撐點(diǎn) sll、 s12和s13,匹配部件66在圖19的邊緣圖像211中的搜索區(qū)域內(nèi)搜 索給出最大特征值代價(jià)d(slj, p,k)的點(diǎn)。經(jīng)歷搜索過(guò)程的點(diǎn)是搜索區(qū)域中 的邊緣點(diǎn)。通過(guò)這樣搜索搜索區(qū)域中的最匹配點(diǎn),即使當(dāng)目標(biāo)圖像失真或者大小 變化時(shí),也可以執(zhí)行匹配操作。如上所述,由于模型圖像中基點(diǎn)和支撐點(diǎn)中的每一個(gè)都具有多個(gè)模型 特征值,因此匹配部件66采用從模型圖像中的基點(diǎn)和支撐點(diǎn)處的模型特 征值獲得的代價(jià)中的最高代價(jià)。圖20示出了多個(gè)模型特征值和目標(biāo)特征值之間的匹配操作的示例。如圖20的左側(cè)所示,特征值提取區(qū)域131A和131B被設(shè)置在模型圖 像的邊緣強(qiáng)度圖像151中的基點(diǎn)bl處,而特征值提取區(qū)域231A和231B 被設(shè)置在支撐點(diǎn)sll處。類似地,特征值提取區(qū)域232A和232B被設(shè)置在 支撐點(diǎn)s12處,而特征值提取區(qū)域233A和233B被設(shè)置在支撐點(diǎn)s13處。如圖20的中部所示,當(dāng)匹配部件66檢査在模型圖像的邊緣強(qiáng)度圖像 151中設(shè)置的特征值提取區(qū)域中的模型特征值是否與目標(biāo)圖像的邊緣強(qiáng)度圖像251中的目標(biāo)特征值相匹配時(shí),特征值提取區(qū)域131B的特征值被選在目標(biāo)圖像中的點(diǎn)p'處,而特征值提取區(qū)域231A的特征值被選在目標(biāo)圖 像中的點(diǎn)p'l處,如圖20的右側(cè)所示。另外,特征值提取區(qū)域232B的特 征值被選在目標(biāo)圖像中的點(diǎn)p'2處,而特征值提取區(qū)域233B的特征值被 選在目標(biāo)圖像中的點(diǎn)p'3處。以這種方式,目標(biāo)圖像識(shí)別單元32對(duì)于每個(gè)采樣點(diǎn)(基點(diǎn)和支撐 點(diǎn))檢査多個(gè)模型特征值是否與目標(biāo)特征值相匹配,并且選擇給出最高特 征值代價(jià)的特征值作為匹配對(duì)。因而,即使當(dāng)存在復(fù)雜背景或者對(duì)象外觀 變化時(shí),也可以執(zhí)行匹配操作。在這樣對(duì)于所有基點(diǎn)和支撐點(diǎn)執(zhí)行了匹配操作之后,所得到的特征值 代價(jià)的總和由方程(8)表示CoW(W, ; ') = ; ) +a/W(sl 乂, ' A:)( 8 )在方程(8)中,N代表支撐點(diǎn)的數(shù)目,a和p分別代表角度和距離的 虧損(penalty cost),這兩個(gè)值隨著支撐點(diǎn)偏離模型圖像中的局部約束而 變小。現(xiàn)在,令m為模型圖像中的采樣點(diǎn),而t為目標(biāo)圖像中與其相對(duì)應(yīng)的 點(diǎn)。指示局部特征值之間的距離的特征值代價(jià)函數(shù)d(m, t)由表示為方程 (9)的歸一化相關(guān)函數(shù)表示咖,0= , 1關(guān)-兩W) (9)^(/m(/c) - /m ')2 Z (貞"—')2 在方程(9)中,fhl和ft分別代表模型圖像和目標(biāo)圖像中的特征值向量,fm,和ft,代表各個(gè)特征值向量的平均值。匹配部件66對(duì)于模型圖像中的每個(gè)基點(diǎn),針對(duì)目標(biāo)圖像中的所有邊緣點(diǎn)計(jì)算由方程(8)表示的特征值代價(jià),并且將具有最高代價(jià)的點(diǎn)指定為與該基點(diǎn)相對(duì)應(yīng)的點(diǎn)。當(dāng)模型圖像中基點(diǎn)的數(shù)目是q時(shí),這樣獲得的信息包括以下項(xiàng)目。 艮P,提供了模型圖像中的坐標(biāo)(mxi, myi)和目標(biāo)圖像中的坐標(biāo)(txi, tyi)(i是從l到q的整數(shù))。返回對(duì)圖18中的流程圖的描述,在步驟S95中,對(duì)象識(shí)別器67去除不匹配對(duì)。艮口,在步驟S94中獲取的模型圖像和目標(biāo)圖像之間的匹配對(duì)包括許多局外點(diǎn)(不匹配對(duì)),這是因?yàn)椴襟ES94中的過(guò)程是局部匹配過(guò)程。對(duì)象 識(shí)別器67去除這種局外點(diǎn)。當(dāng)模型圖像中包含的對(duì)象與目標(biāo)圖像中包含的對(duì)象相同時(shí),在模型圖 像中的采樣點(diǎn)是(mx, my)且目標(biāo)圖像中與其相對(duì)應(yīng)的點(diǎn)是(tx, ty)時(shí),匹配 對(duì)需要滿足以下約束條件。<formula>formula see original document page 27</formula>在方程(10)中,dx代表x軸方向上的偏移量,dy代表y軸方向上的 偏移量。圖21示出了如何使用約束條件來(lái)去除局外點(diǎn)。在圖21中,模型圖像301中的采樣點(diǎn)ml、 m2、 m3和m4對(duì)應(yīng)于目 標(biāo)圖像302中的邊緣點(diǎn)tl、 t2、 t3和t4。艮卩,在圖21中,mi-ti (i是從1 到4的整數(shù))表示匹配對(duì)。對(duì)象識(shí)別器67使用方程(10)來(lái)計(jì)算每個(gè)對(duì) 的偏移量dx和dy。對(duì)象識(shí)別器67將計(jì)算出的偏移量表決在預(yù)先準(zhǔn)備的表 決空間303中。當(dāng)模型圖像中包含的對(duì)象與目標(biāo)圖像中包含的對(duì)象相同時(shí),存在大量 的滿足由方程(10)表示的約束條件的對(duì),從而在所得到的最終表決空間 303中形成峰值304。由于峰值代表匹配對(duì)的數(shù)目,因此通過(guò)提取出針對(duì) 峰值表決的對(duì)(假定峰值足夠大)去除了局外點(diǎn)。例如,在圖21中,ml-tl、 m2-t2和m3-t3具有相同的偏移量,從而它 們被表決在同一表決空間中。但是,m4-t4被表決在不同的表決空間中并 且被檢測(cè)為局外點(diǎn)。返回對(duì)圖18中的流程圖的描述,在步驟S96中,對(duì)象識(shí)別器67獲取 最終的匹配對(duì),并且該過(guò)程完成。以這種方式,例如,當(dāng)所得到的匹配對(duì) 的數(shù)目充分大于預(yù)定值時(shí),對(duì)象識(shí)別器67可以利用包含在關(guān)注的模型圖 像中的對(duì)象來(lái)識(shí)別包含在輸入的目標(biāo)圖像中的對(duì)象。因而,對(duì)象識(shí)別裝置11可以檢査模型圖像是否與目標(biāo)圖像相匹配以 利用目標(biāo)圖像中的對(duì)象來(lái)識(shí)別模型圖像中的對(duì)象。如上所述,通過(guò)使用由參考圓確定的局部特征值,即使當(dāng)對(duì)象具有部 分隱藏的部分時(shí)也可以更可靠地識(shí)別對(duì)象。即,通過(guò)使用具有各種大小的 參考圓,即使當(dāng)要識(shí)別的對(duì)象具有隱藏部分時(shí),與未隱藏的部分相對(duì)應(yīng)的 參考圓也可以用于利用模型圖像中的對(duì)象來(lái)識(shí)別目標(biāo)圖像中的對(duì)象。另外,通過(guò)使用在關(guān)注點(diǎn)和其周圍點(diǎn)(如同基點(diǎn)和支撐點(diǎn))處的特征 值以及它們之間的位置關(guān)系作為約束條件,可以更精確地檢測(cè)目標(biāo)圖像中 與這些點(diǎn)相對(duì)應(yīng)的點(diǎn)。在本發(fā)明中,邊緣點(diǎn)被用作高度可再現(xiàn)的點(diǎn),并且用于邊緣點(diǎn)的搜索 區(qū)域在匹配過(guò)程中是有限的,從而允許減少計(jì)算量并因而實(shí)現(xiàn)高效的匹 配。在以上描述中,盡管對(duì)于一個(gè)參考圓只建立了一個(gè)基點(diǎn),但是在一個(gè) 參考圓中可以設(shè)置多個(gè)基點(diǎn)。在這種情況下,即使當(dāng)與一個(gè)基點(diǎn)相對(duì)應(yīng)的 邊緣點(diǎn)位于目標(biāo)圖像中部分隱藏的部分內(nèi)時(shí),匹配也可以以合適的方式執(zhí) 行。在以上描述中,基點(diǎn)和支撐點(diǎn)通過(guò)建立局部參考圓來(lái)確定。在這種情 況下,參考圖的形狀并不限于圓形,而是可以是任何其他形狀,只要它是 局部閉合的曲線即可。注意,任何目標(biāo)圖像一般都可以通過(guò)對(duì)于一個(gè)模型圖像生成不同比例 的模型圖像和不同角度的模型圖像來(lái)加以處理。另外,對(duì)象識(shí)別裝置11可以被配置為獲知在重復(fù)對(duì)象識(shí)別的過(guò)程中 在多個(gè)特征值提取區(qū)域中要使用哪一個(gè)特定的特征值提取區(qū)域。即,對(duì)于 例如設(shè)置在對(duì)象的輪廓內(nèi)部和外部的特征值提取區(qū)域,設(shè)置在內(nèi)部的特征 值提取區(qū)域?qū)⒈仍O(shè)置在外部的特征值提取區(qū)域更頻繁地用在匹配過(guò)程中, 其中設(shè)置在外部的特征值提取區(qū)域更接近背景。因此,對(duì)象識(shí)別裝置11可以通過(guò)據(jù)此更新模型辭典56來(lái)獲知這一事實(shí)。如上所述,可以通過(guò)檢查模型圖像的特征值是否與目標(biāo)圖像的特征值 相匹配來(lái)識(shí)別圖像中的對(duì)象。另外,即使在包含部分隱藏的部分或復(fù)雜背景的典型圖像中,也可以通過(guò)從每個(gè)特征點(diǎn)(每個(gè)特征點(diǎn)位于模型圖像的 邊緣上并且提供用于提取模型圖像特征值)附近的多個(gè)特征值提取區(qū)域中 的每一個(gè)提取出作為模型圖像的特征值的模型圖像特征值,并檢查在位于 輸入圖像的邊緣上并且與特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為輸入圖像的特征值的 輸入圖像特征值是否與特征點(diǎn)處的多個(gè)模型圖像特征值中的任何一個(gè)相匹 配,來(lái)更加可靠地識(shí)別對(duì)象。另外,如上所述可以提供這樣的有利效果,其中通過(guò)給參考圓中的一 個(gè)采樣點(diǎn)(基點(diǎn)或支撐點(diǎn))指定多個(gè)模型特征值,多個(gè)模型特征值中的至 少一個(gè)不太可能受到背景噪聲的影響,從而即使當(dāng)目標(biāo)圖像包含復(fù)雜背景 時(shí),甚至在對(duì)象的輪廓部分中彼此相對(duì)應(yīng)的一對(duì)特征值也更加有可能變?yōu)?匹配對(duì)。為了提供這樣的有利效果,在上述示例中,對(duì)于一個(gè)采樣點(diǎn)(基點(diǎn)或 支撐點(diǎn))設(shè)置了兩個(gè)特征值提取區(qū)域,并且從這兩個(gè)特征值提取區(qū)域中的 每一個(gè)提取出 一類模型特征值。例如,在圖14所示的示例中,在將參考圓Rl的中心連接到基點(diǎn)bl(基點(diǎn)bl是參考圓Rl上的采樣點(diǎn)之一)的線上設(shè)置了兩個(gè)特征值提取區(qū) 域131A和131B。然后,從特征值提取區(qū)域131A和131B中的每一個(gè)提取 出一類模型特征值。即,對(duì)于一個(gè)采樣點(diǎn)(基點(diǎn)或任何一個(gè)支撐點(diǎn))提取 出兩個(gè)模型特征值。但是,圖14中的"兩個(gè)"模型特征值僅僅是示例,因?yàn)榭商崛〉哪P吞卣髦档淖銐驍?shù)目是兩個(gè)或更多個(gè)。要設(shè)置的特征值提取區(qū)域并不限于如上所述的參考圓Rl內(nèi)部和外部 的兩個(gè)。通過(guò)在采樣點(diǎn)的附近設(shè)置多個(gè)特征值提取區(qū)域,每個(gè)采樣點(diǎn)可以 具有多個(gè)特征值,因而上述效果變得更加有利。另外,例如,從一個(gè)特征值提取區(qū)域提取出的模型特征值的類型數(shù)目 并不限于一類(這是上述情況),而是可以是兩類或更多類。在這種情況 下, 一個(gè)采樣點(diǎn)(基點(diǎn)或支撐點(diǎn))具有多個(gè)特征值提取區(qū)域,并且從每個(gè) 特征值提取區(qū)域提取出多種類型的模型特征值。結(jié)果,每個(gè)采樣點(diǎn)可以具 有大量的特征值,因而上述效果進(jìn)一步變得更加有利。具體而言,例如,如圖22所示,模型特征值提取器55在將參考圓R1 的中心連接到基點(diǎn)bl (基點(diǎn)bl是參考圓Rl上的采樣點(diǎn)之一)的線上設(shè)置 兩個(gè)特征值提取區(qū)域131A和B1B。迄今為止的過(guò)程與圖14所示的示例 中的過(guò)程基本相同。然后,在圖14所示的示例中,模型特征值提取器55從特征值提取區(qū) 域131A提取出一種預(yù)定類型的模型特征值,并從特征值提取區(qū)域131B提 取出相同類型的模型特征值。作為對(duì)比,在圖22所示的示例中,模型特征值提取器55從特征值提 取區(qū)域131A提取出第一類模型特征值(圖22中標(biāo)為特征值A(chǔ)l)和第二 類模型特征值(圖22中標(biāo)為特征值A(chǔ)2)。模型特征值提取器55還從特征 值提取區(qū)域131B提取出第一類模型特征值(圖22中標(biāo)為特征值Bl)和 第二類模型特征值(圖22中標(biāo)為特征值B2)。因而,從基點(diǎn)bl提取的模型特征值的數(shù)目在圖14所示的示例中是 2,而在圖22所示的示例中該數(shù)目是4。因此,盡管在圖14所示的示例中己經(jīng)描述了有利效果,但是這樣的 有利效果在圖22所示的示例中變得更加有利,在圖14所示的示例中,通 過(guò)給一個(gè)采樣點(diǎn)指定多個(gè)模型特征值,多個(gè)模型特征值中的至少一個(gè)不太 可能受到背景噪聲的影響,從而即使當(dāng)目標(biāo)圖像包含復(fù)雜背景時(shí),甚至在 對(duì)象的輪廓部分中彼此相對(duì)應(yīng)的一對(duì)特征值也更有可能變?yōu)槠ヅ鋵?duì),在圖 22所示的示例中,這種有利效果變的更有利。用作模型特征值的類型并不限于特定種類,只要它們彼此不同即可。例如,可采用的多種類型中的一類可以是參考圖17所述的類型, 即,通過(guò)劃分特征值提取區(qū)域獲得的每個(gè)區(qū)域中的邊緣強(qiáng)度(下文中簡(jiǎn)稱 為邊緣強(qiáng)度)、在兩維柱狀圖中表示的特征值提取區(qū)域中的邊緣強(qiáng)度。另外,例如,由于RGB層中的每一個(gè)都具有從0到255的連續(xù)值, 因此可以以與用于邊緣強(qiáng)度圖像的方式相同的方式來(lái)處理每層中的圖像。 模型特征值提取器55隨后可以利用與用于邊緣強(qiáng)度的過(guò)程相同的過(guò)程 (即,參考圖16和17所述的過(guò)程)來(lái)為色彩R、 G和B中的每一種創(chuàng)建 兩維柱狀圖,并提取出這樣的一類值作為模型特征值。這樣提取出的(一種或多種)類型(下文中稱為色彩模板)可以用作多種類型中的一種或三 種。在以上陳述中類型數(shù)是一種或三種的原因在于RGB作為整體可以被當(dāng)作一種類型,或者RGB層中的每一種可以被當(dāng)作個(gè)別類型,總共是三種類型。用于創(chuàng)建色彩模板的信息并不限于RGB,而是可以采用與任何其他色 彩空間相關(guān)聯(lián)的信息。另外,例如,如圖23所示,模型特征值提取器55可以對(duì)在特征值提 取區(qū)域131中呈現(xiàn)的每個(gè)色彩值進(jìn)行數(shù)字化并在預(yù)先設(shè)置的空間中對(duì)其進(jìn) 行表決以便創(chuàng)建色彩柱狀圖。模型特征值提取器55隨后可以提取出這樣 的一類值作為模型特征值。這樣提取出的(一種或多種)類型(下文中稱 為色彩柱狀圖)可以用作多種類型中的一種或三種。在以上陳述中類型數(shù) 是一種或三種的原因與上述參考色彩模板所述的原因相同。盡管用于創(chuàng)建色彩柱狀圖的信息在圖23所示的示例中是RGB,但是 該信息并不限于RGB,而是可以采用與任何其他色彩空間相關(guān)聯(lián)的信息。在采用上述模型特征值的類型之一的任何一種情況下,可以通過(guò)采用 這樣的提取過(guò)程來(lái)應(yīng)對(duì)對(duì)象外觀或比例改變的情形,在該提取過(guò)程中,特 征值提取區(qū)域131或值被粗略地劃分并且使用劃分后的區(qū)域或值的總和。如上所述,模型特征值提取器55可以針對(duì)一個(gè)采樣點(diǎn)(基點(diǎn)或支撐 點(diǎn))設(shè)置多個(gè)特征值提取區(qū)域131,并且從每個(gè)特征值提取區(qū)域131可以 提取出多種類型的特征值。結(jié)果,令N是每個(gè)基點(diǎn)的支撐點(diǎn)的數(shù)目,M是特征值提取區(qū)域131的 數(shù)目,而L是提取出的模型特征值類型的數(shù)目,則一個(gè)模型圖像提供了以 下信息,該信息隨后被注冊(cè)在模型辭典56中。艮口, 一個(gè)模型圖像提供了基點(diǎn)的位置(bx, by)、特征值提取區(qū)域?qū)c(diǎn) 的相對(duì)位置(fb0i, fbri)、以及基點(diǎn)的特征值bfik。字符i是從1到M的整 數(shù),而字符k是從l到L的整數(shù)。類似地, 一個(gè)模型圖像提供了支撐點(diǎn)的相對(duì)位置(ej, rj) (j是從1到N 的整數(shù))、特征值提取區(qū)域?qū)γ總€(gè)支撐點(diǎn)的相對(duì)位置(fsei, fsri)、以及每個(gè) 支撐點(diǎn)的特征值sfik (k是從l到L的整數(shù))?,F(xiàn)在將描述當(dāng)這樣從一個(gè)特征值提取區(qū)域131提取出多種類型的模型 特征值時(shí)在目標(biāo)圖像識(shí)別單元32中執(zhí)行的過(guò)程。但是,該描述主要集中 于與上述當(dāng)從一個(gè)特征值提取區(qū)域131提取出一種類型的特征值時(shí)在目標(biāo)圖像識(shí)別單元32中執(zhí)行的過(guò)程之間的差別,并且對(duì)共同點(diǎn)的描述將適當(dāng)?shù)乇皇÷?。目?biāo)特征值提取器65針對(duì)提取出的多種類型的模型特征值中的每一 類提取出作為目標(biāo)圖像的特征值的目標(biāo)特征值。目標(biāo)特征值提取器65將 提取出的目標(biāo)圖像的多種類型的目標(biāo)特征值提供給匹配部件66。匹配部件66針對(duì)每種類型檢査在目標(biāo)特征值提取器65中提取出的目 標(biāo)圖像的目標(biāo)特征值是否與模型辭典56中注冊(cè)的模型圖像的模型特征值 相匹配,并且獲取模型圖像和目標(biāo)圖像之間的匹配對(duì)。艮口,匹配部件66針對(duì)每種類型的模型特征值執(zhí)行圖18的步驟S94中 的過(guò)程。例如,當(dāng)針對(duì)上述圖22中的邊緣圖像111執(zhí)行匹配操作時(shí),匹配部 件66針對(duì)每個(gè)采樣點(diǎn)(基點(diǎn)和支撐點(diǎn))檢查第一類型的多個(gè)模型特征值 是否與第一類型的目標(biāo)特征值相匹配,并且選擇給出最高特征值代價(jià)的一 對(duì)特征值作為匹配對(duì)候選,如圖24所示。類似地,匹配部件66針對(duì)每個(gè)采樣點(diǎn)(基點(diǎn)和支撐點(diǎn))檢查第二類 型的多個(gè)模型特征值是否與第二類型的目標(biāo)特征值相匹配,并且選擇給出 最高特征值代價(jià)的一對(duì)特征值作為匹配對(duì)候選,如圖25所示。在該操作中,對(duì)于每個(gè)采樣點(diǎn)(基點(diǎn)和支撐點(diǎn))設(shè)置了兩個(gè)特征值提 取區(qū)域,并且從每個(gè)特征值提取區(qū)域提取出第一類型的特征值和第二類型 的特征值。因此,在圖24和25所示的示例中,對(duì)于根據(jù)圖22中的符號(hào)具 有字符A的特征值提取區(qū)域,第一類型的模型特征值被標(biāo)記為特征值 Al,第二類型的模型特征值被標(biāo)記為特征值A(chǔ)2。類似地,對(duì)于具有字符 B的特征值提取區(qū)域,第一類型的模型特征值被標(biāo)記為特征值B1,第二類 型的模型特征值被標(biāo)記為特征值B2。例如,如圖24的中部所示,匹配部件66檢查針對(duì)模型圖像的邊緣強(qiáng) 度圖像151設(shè)置的特征值提取區(qū)域中的第一類型的模型特征值(特征值A(chǔ)l和Bl)是否與目標(biāo)圖像的邊緣強(qiáng)度圖像251中的第一類型的目標(biāo)特征值相匹配。在這種情況下,如圖24的右側(cè)所示,特征值提取區(qū)域131B的 特征值Bl被選在目標(biāo)圖像中的點(diǎn)p'處,而特征值提取區(qū)域231A的特征值 Al被選在目標(biāo)圖像中的點(diǎn)p'l處。特征值提取區(qū)域232B的特征值Bl被 選在目標(biāo)圖像中的點(diǎn)p'2處,而特征值提取區(qū)域233B的特征值Bl被選在 目標(biāo)圖像中的點(diǎn)p'3處。另外,與上述利用第一類型的模型特征值(特征值A(chǔ)1和特征值B1) 的匹配相獨(dú)立地,例如如圖25的中部所示,匹配部件66檢查針對(duì)模型圖 像的邊緣強(qiáng)度圖像151設(shè)置的特征值提取區(qū)域中的第二類型的模型特征值 (特征值A(chǔ)2和B2)是否與目標(biāo)圖像的邊緣強(qiáng)度圖像251中的第二類型的 目標(biāo)特征值相匹配。在這種情況下,如圖25的右側(cè)所示,特征值提取區(qū) 域131B的特征值B2被選在目標(biāo)圖像中的點(diǎn)p'處,而特征值提取區(qū)域 231A的特征值A(chǔ)2被選在目標(biāo)圖像中的點(diǎn)p'l處。特征值提取區(qū)域232B 的特征值B2被選在目標(biāo)圖像中的點(diǎn)p'2處,而特征值提取區(qū)域233B的特 征值B2被選在目標(biāo)圖像中的點(diǎn)p'3處。圖24和25中所示的模型特征值的選擇結(jié)果僅僅是示例。即,第一和 第二類型的特征值是彼此獨(dú)立并因而是彼此分離的,并且匹配操作對(duì)于每 種類型是獨(dú)立執(zhí)行的,如上所述。因此,當(dāng)然地,取決于目標(biāo)圖像,在點(diǎn) p'、 p,l、 p'2或p'3處,對(duì)于第一類型可以選擇特征值A(chǔ)l,而對(duì)于第二類 型可以選擇特征值B2?;蛘撸Q于目標(biāo)圖像,在點(diǎn)p'、 p'l、 p'2或p'3 處,對(duì)于第一類型可以選擇特征值Bl,而對(duì)于第二類型可以選擇特征值 A2。在以上描述中,為了便于理解本發(fā)明,模型特征值的類型數(shù)是2,即 第一和第二類型。但是,當(dāng)然地,模型特征值的類型數(shù)并不限于2,而是 可以是L (L是等于或大于2的整數(shù))。在這種情況下,令q是模型圖像 中基點(diǎn)的數(shù)目,則針對(duì)L類特征值中的每一類的匹配過(guò)程對(duì)于q個(gè)基點(diǎn)中 的每一個(gè)是獨(dú)立執(zhí)行的。結(jié)果,最終獲得了以下信息。艮口,獲得了模型圖像中的坐標(biāo)(mxij, myij)、目標(biāo)圖像中的坐標(biāo)(txij, tyij)、以及最大代價(jià)值cost—ij (i是從1到q的整數(shù),j是從1到L的整數(shù))。對(duì)于一個(gè)關(guān)注基點(diǎn),將獲取L類特征值的匹配對(duì)候選。在這種情況 下,L類特征值的所有匹配對(duì)候選都可以是最終匹配對(duì)。但是,在該實(shí)施例中,匹配部件66試圖基于所存儲(chǔ)的每個(gè)基點(diǎn)的代 價(jià)值來(lái)從L類特征值的匹配對(duì)候選中選擇一個(gè)最終匹配對(duì)。注意,要選擇的匹配對(duì)的數(shù)目并不限于l,這將在后面描述。當(dāng)L類特征值包括與其他類型具有不同比例的一種類型時(shí)用于選擇匹 配對(duì)的方法不同于當(dāng)所有的L類特征值都具有相同比例時(shí)用于選擇匹配對(duì) 的方法。下面將描述這兩種情況下選擇方法的示例。首先,將描述當(dāng)L類特征值包括具有不同于其他類型的比例的一種類 型時(shí)選擇方法的示例。例如,假定L二2并且第一類型的特征值是邊緣強(qiáng)度,而第二類型的特 征值是色彩柱狀圖。在這種情況下,由于這兩類特征值在特征空間中的比例是不同的,因 此它們的代價(jià)值不能簡(jiǎn)單地相互比較。在這種情況下,對(duì)于每一類特征值 的代價(jià)值,可以設(shè)置指示可靠性的閾值。例如,用于邊緣強(qiáng)度(第一類型 的特征值)的閾值是threshl,而用于色彩柱狀圖(第二類型的特征值)的 閾值是thresh2。在這種情況下,匹配部件66針對(duì)每個(gè)基點(diǎn)判斷邊緣強(qiáng)度(第一類型 的特征值)的匹配對(duì)候選的代價(jià)值是否大于閾值threshl。當(dāng)代價(jià)值大于閾 值threshl時(shí),匹配部件66采用該匹配對(duì)候選作為匹配對(duì)。類似地,匹配部件66針對(duì)每個(gè)基點(diǎn)判斷色彩柱狀圖(第二類型的特 征值)的匹配對(duì)候選的代價(jià)值是否大于閾值thresh2。當(dāng)代價(jià)值大于閾值 thresh2時(shí),匹配部件66采用該匹配對(duì)候選作為匹配對(duì)。因而,通過(guò)針對(duì)每一類特征值使用不同的閾值來(lái)執(zhí)行比較,對(duì)于同一 基點(diǎn)來(lái)說(shuō),這兩種類型的特征值代價(jià)都可以大于各自的閾值。在這種情況 下,匹配部件66判斷出這兩種類型的匹配對(duì)都具有足夠高的可靠性,并 且即使當(dāng)與同一基點(diǎn)相對(duì)應(yīng)的點(diǎn)彼此不同時(shí)也采用這兩者作為匹配對(duì)。接下來(lái),將描述當(dāng)L類特征值不包括具有不同于其他類型的比例的一種類型時(shí)(即,當(dāng)所有類型的特征值都具有相同比例時(shí))選擇方法的示 例。例如,假定L=3并且色彩模板中的R、 G和B層分別是第一類型、第 二類型和第三類型的特征值。在這種情況下,三種類型的特征值R、 G和B可以當(dāng)作具有相同比例 來(lái)應(yīng)對(duì)。因此,匹配部件66可以從每個(gè)基點(diǎn)的匹配對(duì)候選中選擇給出最 高代價(jià)值的匹配對(duì)。通過(guò)執(zhí)行以上過(guò)程,可以獲取每個(gè)基點(diǎn)的匹配對(duì)和最終模型中的相應(yīng) 目標(biāo)點(diǎn)。但是,如上所述,對(duì)于某些基點(diǎn),在某些情況下獲得了多個(gè)相應(yīng) 點(diǎn)。艮口,通過(guò)執(zhí)行以上過(guò)程,模型中的每個(gè)基點(diǎn)都具有從圍繞該基點(diǎn)周圍 提供的多個(gè)特征值提取區(qū)域提取出的特征值,并且在匹配過(guò)程中從這樣提 取出的特征值中選擇給出最高分?jǐn)?shù)的特征值。因此,可以應(yīng)對(duì)環(huán)境的改變 (其中,例如背景變復(fù)雜或場(chǎng)景改變)。另外,模型中的每個(gè)基點(diǎn)具有多種類型的特征值,并且通過(guò)利用代價(jià) 值對(duì)其進(jìn)行縮窄來(lái)從所得到的匹配對(duì)候選中選擇一個(gè)匹配對(duì),這是針對(duì)多 種類型的特征值的匹配操作的結(jié)果。因此,這種匹配對(duì)選擇相比于利用一 種類型的特征值進(jìn)行的匹配對(duì)選擇來(lái)說(shuō)對(duì)于上述環(huán)境變化更加健壯。另外,由于在對(duì)每個(gè)基點(diǎn)的匹配時(shí)以自適應(yīng)方式確定要使用的特征 值,因此沒(méi)有必要預(yù)先選擇一個(gè)特征值。當(dāng)提供了這樣的各種有利效果的圖18的步驟S94中的過(guò)程完成時(shí), 執(zhí)行步驟S95中的過(guò)程。由于步驟S95和后續(xù)步驟中的過(guò)程基本與上述相 同,因此其描述將被省略。盡管己經(jīng)描述了本發(fā)明被應(yīng)用于對(duì)象識(shí)別裝置的實(shí)施例,但是本發(fā)明 例如也可適用于通過(guò)比較過(guò)程識(shí)別圖像中的對(duì)象的信息處理裝置。上述過(guò)程序列可以由硬件或軟件執(zhí)行。當(dāng)該過(guò)程序列通過(guò)軟件執(zhí)行 時(shí),形成軟件的程序被從程序記錄介質(zhì)安裝到結(jié)合在專用硬件中的計(jì)算機(jī) 內(nèi),或者例如安裝到其中安裝有各種程序以執(zhí)行各種功能的通用個(gè)人計(jì)算 機(jī)中。圖26是示出用于執(zhí)行程序形式的上述過(guò)程序列的個(gè)人計(jì)算機(jī)的示例性配置的框圖。CPU (中央處理單元)401根據(jù)存儲(chǔ)在ROM (只讀存儲(chǔ) 器)402或存儲(chǔ)部件408中的程序來(lái)執(zhí)行各種處理。RAM (隨機(jī)訪問(wèn)存儲(chǔ) 器)403存儲(chǔ)由CPU 401執(zhí)行的程序和適當(dāng)?shù)毓〤PU 401使用的關(guān)聯(lián)數(shù) 據(jù)。CPU401、 ROM402和RAM403經(jīng)由總線404彼此相連。CPU 401還經(jīng)由總線404連接到輸入/輸出接口 405。輸入/輸出接口 405連接到包括鍵盤、鼠標(biāo)和麥克風(fēng)的輸入部件406以及包括顯示器和揚(yáng) 聲器的輸出部件407。 CPU 401響應(yīng)于從輸入部件406輸入的命令而執(zhí)行 各種處理。CPU401隨后將處理結(jié)果輸出到輸出部件407。連接到輸入/輸出接口 405的存儲(chǔ)部件408包括硬盤驅(qū)動(dòng)器,并且存儲(chǔ) 由CPU 401執(zhí)行的程序和供CPU 401使用的各種數(shù)據(jù)。通信部件409經(jīng)由 諸如因特網(wǎng)和局域網(wǎng)之類的網(wǎng)絡(luò)與外部設(shè)備通信。連接到輸入/輸出接口 405的驅(qū)動(dòng)器410被載入有可移動(dòng)介質(zhì)411,例 如磁盤、光盤、磁光盤和半導(dǎo)體存儲(chǔ)器,驅(qū)動(dòng)器410驅(qū)動(dòng)該介質(zhì)并且獲取 記錄在其中的程序和數(shù)據(jù)。所獲取的程序和數(shù)據(jù)根據(jù)需要被傳送到存儲(chǔ)部 件408并被存儲(chǔ)在存儲(chǔ)部件408中。存儲(chǔ)被安裝在計(jì)算機(jī)中并且變得可供計(jì)算機(jī)執(zhí)行的程序的程序記錄介 質(zhì)的示例是作為封裝介質(zhì)的可移動(dòng)介質(zhì)411、以臨時(shí)或永久方式存儲(chǔ)程序 的ROM 402和形成存儲(chǔ)部件408的硬盤驅(qū)動(dòng)器,如圖26所示,可移動(dòng)介 質(zhì)411例如是磁盤(包括柔性盤)、光盤(包括CD-ROM (致密盤-只讀 存儲(chǔ)器)和DVD (數(shù)字多功能盤))、磁光盤和半導(dǎo)體存儲(chǔ)器。將程序 存儲(chǔ)到程序記錄介質(zhì)上的操作是根據(jù)需要經(jīng)由作為接口的通信部件409 (例如路由器和調(diào)制解調(diào)器)利用有線或無(wú)線通信介質(zhì)(例如局域網(wǎng)、因 特網(wǎng)和數(shù)字衛(wèi)星廣播)執(zhí)行的。在本說(shuō)明書中,描述存儲(chǔ)在記錄介質(zhì)上的程序的步驟不僅包括以時(shí)序 方式按指定順序執(zhí)行的過(guò)程,還包括不一定以時(shí)序方式執(zhí)行而是并行或分 別執(zhí)行的過(guò)程。本發(fā)明的實(shí)施例并不限于上述實(shí)施例,而是可以進(jìn)行各種改變,改變 的程度使得這些改變不脫離本發(fā)明的精神。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解,取決于設(shè)計(jì)需求和其他因素可以發(fā)生各種 修改、組合、子組合和變更,只要這些修改、組合、子組合和變更在權(quán)利 要求或其等同物的范圍內(nèi)即可。本發(fā)明包含與分別于2007年2月26日和2007年7月31日向日本專 利局提交的日本專利申請(qǐng)JP 2007-044996和JP 2007-199227有關(guān)的被拍攝 體,這些申請(qǐng)的全部?jī)?nèi)容通過(guò)引用結(jié)合于此。
權(quán)利要求
1.一種將輸入圖像與模型圖像相比較,以利用所述模型圖像的被拍攝體來(lái)識(shí)別所述輸入圖像的被拍攝體的信息處理裝置,所述裝置包括特征值提取裝置,用于設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在所述模型圖像的邊緣上并且提供用于提取出作為所述模型圖像的特征值的模型圖像特征值,并且還用于從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出所述模型圖像特征值;以及匹配裝置,用于檢查在所述輸入圖像的邊緣上并且與所述特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為所述輸入圖像的特征值的輸入圖像特征值是否與所述特征點(diǎn)處的多個(gè)模型圖像特征值中的任何一個(gè)相匹配。
2. 如權(quán)利要求1所述的信息處理裝置,其中所述特征值提取裝置從所述多個(gè)特征值提取區(qū)域中的每一個(gè)提取 出多種類型的模型圖像特征值,并且所述匹配裝置針對(duì)所述多種類型中的每一種執(zhí)行所述匹配操作。
3. 如權(quán)利要求1所述的信息處理裝置,其中所述特征值提取裝置從所述多個(gè)特征值提取區(qū)域中的每一個(gè)提取 出所述模型圖像特征值,所述模型圖像特征值對(duì)于所述模型圖像的邊緣附 近的每個(gè)像素具有連續(xù)值。
4. 如權(quán)利要求1所述的信息處理裝置,其中所述特征值提取裝置從所述多個(gè)特征值提取區(qū)域中的每一個(gè)提取 出邊緣強(qiáng)度,所述邊緣強(qiáng)度是在所述模型圖像的邊緣附近獲得的。
5. 如權(quán)利要求1所述的信息處理裝置,其中所述特征值提取裝置從所述特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中 的每一個(gè)提取出作為所述模型圖像的特征值的模型圖像特征值,所述特征 點(diǎn)被定義為參考圓與所述模型圖像的邊緣相交的點(diǎn),所述參考圓是以其中 包含所述模型圖像的相對(duì)大量邊緣的方式確定的。
6. 如權(quán)利要求1所述的信息處理裝置,其中所述特征值提取裝置從通過(guò)對(duì)每個(gè)特征值提取區(qū)域進(jìn)行徑向分割而獲得的每個(gè)小區(qū)域提取出所述特征值,所述特征值提取區(qū)域每個(gè)由具有 不同半徑的多個(gè)同心圓形成,并且被最外層同心圓包圍,每個(gè)分割區(qū)域具 有預(yù)定角度,所提取出的特征值由距所述同心圓的中心的距離和角度的兩 維柱狀圖表示。
7. 如權(quán)利要求1所述的信息處理裝置,還包括識(shí)別裝置,用于當(dāng)匹配對(duì)的數(shù)目大于預(yù)定值時(shí)利用所述模型圖像的被 拍攝體來(lái)識(shí)別所述輸入圖像的被拍攝體,所述匹配對(duì)是用于檢查所述輸入 圖像特征值是否與所述多個(gè)模型圖像特征值中的任何一個(gè)相匹配的操作的 結(jié)果。
8. —種用在信息處理裝置中的信息處理方法,所述信息處理裝置將輸 入圖像與模型圖像相比較,以利用所述模型圖像的被拍攝體來(lái)識(shí)別所述輸 入圖像的被拍攝體,所述方法包括以下步驟設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在所述模型圖像的邊緣上并且提供用于提取 出作為所述模型圖像的特征值的模型圖像特征值,并且從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出所述模型圖像特征值;以及檢查在所述輸入圖像的邊緣上并且與所述特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為 所述輸入圖像的特征值的輸入圖像特征值是否與所述特征點(diǎn)處的多個(gè)模型 圖像特征值中的任何一個(gè)相匹配。
9. 一種使得計(jì)算機(jī)執(zhí)行用于將輸入圖像與模型圖像相比較以利用所述模型圖像的被拍攝體來(lái)識(shí)別所述輸入圖像的被拍攝體的過(guò)程的程序,所述過(guò)程包括以下步驟設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在所述模型圖像的邊緣上并且提供用于提取 出作為所述模型圖像的特征值的模型圖像特征值,并且從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出所述模型圖像特征值;以及檢查在所述輸入圖像的邊緣上并且與所述特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為 所述輸入圖像的特征值的輸入圖像特征值是否與所述特征點(diǎn)處的多個(gè)模型 圖像特征值中的任何一個(gè)相匹配。
10. —種將輸入圖像與模型圖像相比較,以利用所述模型圖像的被拍攝體來(lái)識(shí)別所述輸入圖像的被拍攝體的信息處理裝置,所述裝置包括特征值提取器,用于設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在所述模型圖像的邊緣 上并且提供用于提取出作為所述模型圖像的特征值的模型圖像特征值,并 且特征值提取器還用于從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一 個(gè)提取出所述模型圖像特征值;以及匹配部件,用于檢査在所述輸入圖像的邊緣上并且與所述特征點(diǎn)相對(duì) 應(yīng)的點(diǎn)處的作為所述輸入圖像的特征值的輸入圖像特征值是否與所述特征 點(diǎn)處的多個(gè)模型圖像特征值中的任何一個(gè)相匹配。
全文摘要
本發(fā)明公開了一種將輸入圖像與模型圖像相比較以利用模型圖像的被拍攝體來(lái)識(shí)別輸入圖像的被拍攝體的信息處理裝置。該裝置包括特征值提取裝置和匹配裝置,特征值提取裝置用于設(shè)置特征點(diǎn),每個(gè)特征點(diǎn)在模型圖像的邊緣上并且提供用于提取出作為模型圖像的特征值的模型圖像特征值,并且特征值提取裝置還用于從每個(gè)特征點(diǎn)附近的多個(gè)特征值提取區(qū)域中的每一個(gè)提取出模型圖像特征值,匹配裝置用于檢查在輸入圖像的邊緣上并且與特征點(diǎn)相對(duì)應(yīng)的點(diǎn)處的作為輸入圖像的特征值的輸入圖像特征值是否與特征點(diǎn)處的多個(gè)模型圖像特征值中的任何一個(gè)相匹配。
文檔編號(hào)G06K9/64GK101256632SQ20081000635
公開日2008年9月3日 申請(qǐng)日期2008年2月26日 優(yōu)先權(quán)日2007年2月26日
發(fā)明者中村章, 巖井嘉昭, 蘆原隆之 申請(qǐng)人:索尼株式會(huì)社