[发明专利]训练数据生成设备、方法和程序以及人群状态识别设备、方法和程序

说明书

提供了一种教学数据生成设备，由此有可能容易地生成在用于识别人群状态的识别设备的字典的机器学习中使用的大量教学数据。人状态确定单元(72)根据作为与多个人有关的人状态的指令信息的多人状态控制指令和作为与该多个人之中的个别人的状态的指令信息的特定人状态控制指令来确定人群的人状态。人群状态图像合成单元(73)生成人群状态图像并且针对该人群状态图像指定教学水平，该人群状态图像是其中对应于人状态确定单元(72)已经确定的人状态的人图像被与由背景提取单元(71)获得的预定尺寸的图像相合成的图像。

技术领域

本发明涉及用于生成训练数据的训练数据生成设备、训练数据生成方法和训练数据生成程序以及用于识别图像中的人群的状态的人群状态识别设备、人群状态识别方法和人群状态识别程序。

背景技术

提出了用于识别图像中的人群的状态(其在下面将被表示为人群状态)的各种技术(见PTL 1至PTL 3)。

在PTL 1中描述的人行为确定设备从视频提取改变的区域，并且根据该改变的区域来计算特征量，在改变的区域中由于背景差分等而造成差异。人行为确定设备然后通过使用对特征量进行机器学习的人鉴别器来确定改变的区域是否是人区域，从而检测人区域。另外，人行为确定设备考虑到距离或者颜色直方图而在帧之间关联检测到的人区域，并且在预定数目的帧上跟踪人区域。人行为确定设备然后根据通过跟踪获取的人轨迹来计算诸如平均速度、跟踪时间和运动方向之类的人轨迹的特征量，并且基于人轨迹的特征量来确定人行为。

在PTL 2中描述的人头数计数设备根据拍摄视频中的人群的视频对人的数目进行计数。人头数计数设备基于头部模型来提取图像中包括的人的头部。人头数计数设备然后通过使用诸如位置信息或颜色分布之类的特征量在帧之间将被确定为同一人的头部位置链接，并且根据链接结果(人跟踪结果)对人的数目进行计数。

在PTL 3中描述的系统检测诸如稳定(例如，人的主流)/不稳定(例如，与主流相对)之类的状态。系统聚集作为确定单元的确定块的光流属性，并且计算用于评估光流的稳定程度的评估值。系统然后根据评估值来确定确定块的状态。

引用列表

专利文献

PTL 1：日本专利申请特开第2011-100175号(0028至0030段)

PTL 2：日本专利申请特开第2010-198566号(0046至0051段)

PTL 3：日本专利申请特开第2012-22370号(0009段)

发明内容

技术问题

对于在PTL 1至PTL 3中描述的技术，确定性能对于低帧速率的视频降低。特别地，对于在PTL 1至PTL3中描述的技术，针对静止图像无法确定图像中的人群状态。

这是因为在PTL 1至PTL 3中描述的技术使用视频中的每个帧并且状态确定性能依赖于帧之间的间隔。例如，利用在PTL 1中描述的技术，人区域在帧之间被关联从而获取人轨迹。另外，利用在PTL 2中描述的技术，头部位置在帧之间被链接并且其结果被假定为人跟踪结果。当这种轨迹或者跟踪结果被获取时，人区域或者头部位置需要在帧之间关联。此时，人的运动量在低帧速率处更大，并且因此人区域或头部位置的变化或者形状(姿势)的变化增大。另外，由于照明的干扰等产生的影响也增大。因此，人区域或头部位置难以在帧之间关联。结果，人轨迹等的精度降低并且确定图像中的人群状态的精度降低。另外，同样利用在PTL 3中描述的技术，难以正确地找到低帧速率的光流，并且结果聚集的属性的精度降低并且状态确定性能降低。