公开(公告)号：CN110235177B

公开(公告)日：2023-10-20

申请号：CN201880009329.0

申请日：2018-01-31

Applicant: 株式会社爱信 ,  国立大学法人九州工业大学

Inventor： 山田英夫 ,  久野和宏 ,  柴田雅聪 ,  榎田修一 ,  大塚广道

IPC: G06T7/45

Abstract: 本发明提高检测精度，并减少计算成本。图像处理装置(8)具有在特征面(15)中标绘图像的亮度梯度共生对，对该共生对应用EM算法来形成GMM的功能。图像处理装置(8)学习行人图像来创建行人图像的GMM，接着，学习背景图像来创建背景图像的GMM，还计算两者的差分，生成基于差分的再学习用的GMM。图像处理装置(8)通过应用逆函数定理而在特征面(15)中标绘按照再学习用的GMM的样本。最后，图像处理装置(8)通过以所指定的混合数量形成表示样本的分布的GMM来形成成为图像识别的基准的基准GMM。若将该混合数量设定得小于先前所指定的混合数量，则解析图像时的维度下降，能够减少计算成本。

公开(公告)号：CN110235177A

公开(公告)日：2019-09-13

申请号：CN201880009329.0

申请日：2018-01-31

Applicant: 株式会社爱考斯研究 ,  国立大学法人九州工业大学

Inventor： 山田英夫 ,  久野和宏 ,  柴田雅聪 ,  榎田修一 ,  大塚广道

IPC: G06T7/45

Abstract: 本发明提高检测精度，并减少计算成本。图像处理装置(8)具有在特征面(15)中标绘图像的亮度梯度共生对，对该共生对应用EM算法来形成GMM的功能。图像处理装置(8)学习行人图像来创建行人图像的GMM，接着，学习背景图像来创建背景图像的GMM，还计算两者的差分，生成基于差分的再学习用的GMM。图像处理装置(8)通过应用逆函数定理而在特征面(15)中标绘按照再学习用的GMM的样本。最后，图像处理装置(8)通过以所指定的混合数量形成表示样本的分布的GMM来形成成为图像识别的基准的基准GMM。若将该混合数量设定得小于先前所指定的混合数量，则解析图像时的维度下降，能够减少计算成本。