[发明专利]信息处理装置、同一性判定方法、以及存储介质

说明书

技术问题：提高检测到的物体的同一性的判定精度。解决方案：信息处理装置(1)具备：替换部(103)，其替换物体检测部(101)检测到的物体的纵向宽度和横向宽度的值；以及同一性判定部(104)，其基于替换后的纵向宽度和横向宽度的值，判定物体检测部(101)分别从多个图像中检测到的物体是否是同一物体。

技术领域

本发明涉及一种从图像中检测物体的信息处理装置等。

背景技术

近年来，由于深度学习等机器学习的发展，图像上的物体的识别/检测精度正在提高。而且，由此，图像识别技术的用途正在扩展。但是，由于现状的检测精度不是100％，因此需要为了进一步扩展用途而进行进一步改进。在使用深度学习(或其它的神经网络系统的检测技术等)检测图像上的物体的情况下，首先准备教学数据(日语：教師データ)。教学数据是将图像和呈现到图像上的物体的详细信息(例如物体识别符、物体的位置、大小、形状、角度等)进行关联而制作的。而且，使用教学数据进行机器学习，输出一个或多个权重(已学习模型(日语：学習済モデル))作为学习结果。而且，使用该已学习模型进行物体检测。

另外，在根据动态图像进行物体检测的情况下，对在动态图像的某一帧检测到的物体、在该帧的前后的帧检测到的物体是否是同一物体进行判定。例如，在下述的专利文献1中，关于当前与过去的帧图像，使用物体、人物的位置的差异、移动方向的差异进行移动的物体、人物的检测(追踪)。

现有技术文献

专利文献

专利文献1：日本公开专利公报“日本专利公开2010-257441号公报(2010年11月11日公开)”

发明内容

(一)要解决的技术问题

在使用了机器学习算法的物体检测中，能够进行物体的检测，并且也能够对检测到的物体的大小、旋转角度进行检测。而且，大小、旋转角度能够用于通过不同的帧检测到的物体的同一性判定。

但是，即使作为检测对象的物体是同一物体，在使用了学习设定信息(教学数据、参数设定等)不同的已学习模型的情况下，有作为计算旋转角度的基准的轴的朝向变化的情况。而且，在由此检测的旋转角度、物体的纵向宽度/横向宽度中也有产生差异的情况。

对此，基于图16进行说明。图16是表示由于用于物体检测的已学习模型不同，从而以相同物体的旋转角度不同的方式进行检测的例子的图。在图16的例子中，从图像1000和1100的每一个中进行物体检测，该图像1000和1100是从拍摄了物体1010的动态图像中提取的。呈现在图像1000上的物体1010和呈现在图像1100上的物体1010是同一物体，但是随着时间的经过而旋转(图像1000的拍摄时刻较早)。

使用已学习模型a和b进行物体检测。已学习模型a和b都是用于检测物体1010的模型，但是利用在不同的学习设定信息(教学数据、参数设定等)下的机器学习而构建。而且，在图16中，将已学习模型a对图像1000、1100的物体检测结果示出为方框1020a、1120a。这样的方框能够使用已学习模型a输出的、表示检测物体的位置的信息(例如中心位置的坐标)等信息绘制。

方框1020a的纵向宽度是32，横向宽度是10，角度是-9°。另外，方框1120a的纵向宽度和横向宽度与方框1020a相同，角度是7°。此外，纵横的宽度的单位是任意的。另外，对于物体的分类，在也使用了学习的已学习模型的情况下，也输出分类结果。

在基于利用这些已学习模型a的物体检测结果判定从图像1000和1100中检测到的各物体是否是同一物体的情况下，准确地判定为是同一物体。因为方框1020a和1120a的纵横的宽度相等，角度差的绝对值是16°(7°+9°)这样充分小的值。此外，能够将基于图像1000和1100的提取源即动态图像的帧率(例如10fps：Frames Per Second，每秒帧数)设定的阈值作为基准来判定角度差是否为小。