【課題】相互に相手を基準に移動可能な任意数の部分からなる可能性のある、イメージ中の物体を認識するための方法を提供する。
【解決手段】オフライン段階では、本発明は一連の例示イメージから単一の物体の部分の相対的な動きを自動的に学習し、単一の物体の部分の記述、部分間の関係、および効率的な検索戦略を組み込んだ、階層型モデルを構築する。これは、例示イメージ中の単一の物体の部分のポーズ変化を解析することによって実行される。ポーズは、物体認識に関する任意の類似性尺度によって取得できる。オンライン段階では、本発明は、階層型モデルを使用して検索イメージ中の物体全体を効率的に見つける。オンライン段階中には、物体の有効なインスタンスのみが見つけられ、すなわち、物体の部分は全体イメージ中ではなく、効率的な検索を容易にしてその後の妥当性検査ステップを不要にする階層型モデル内の物体部分間の関係によって定義される、パラメータスペースの制限された部分でのみ検索される。 （もっと読む）

【課題】コンピュータにより自動的に実行して画像処理アプリケーションを開発するための方法を提供する。
【解決手段】本方法は、コンピュータは複数の画像処理コンポーネント１―１０およびコネクタ手段１１を含み、コネクタ手段は選択されたコンポーネントを自動接続するための特別セットのメソッドおよびデータ構造であって、動作されるときに１つのインスタンスを生成するクラスとして実現される。このコンピュータは、複数の画像処理コンポーネントを受信するステップと、ユーザによって複数のコンポーネントから選択されたコンポーネント間の接続を確立するため、該選択されたコンポーネントを受信するステップと、前記コネクタ手段を動作して、前記選択されたコンポーネント間を接続する定義を要求されることなく、前記選択されたコンポーネントを互いに自動的に接続して、前記画像処理アプリケーションを生成するステップと、を含む。 （もっと読む）

【課題】部分遮蔽、クラッタおよび非線形照射変化の存在下においても、画像中の変形可能なオブジェクトを検出するシステムおよび方法を提供する。
【解決手段】モデル点の正規化された勾配方向に基づく一致測量、モデルの部分への分解、および、全ての部分の全検索結果を同時に算出する検索方法の、それぞれの利点を組み合わせた、変形可能なオブジェクトを検出するための全体論的な手法である。モデルが下位区分に分解されるにも関わらず、最高ピラミッドレベルでの検索に使用され、モデルの要部の大きさは縮小しない。したがって、ピラミッドレベルの数の減少によって生じる速度の限界の問題が回避される。 （もっと読む）

【課題】相互に相手を基準に移動可能な任意数の部分からなる可能性のある、イメージ中の物体を認識するための方法を提供する。
【解決手段】オフライン段階では、本発明は一連の例示イメージから単一の物体の部分の相対的な動きを自動的に学習し、単一の物体の部分の記述、部分間の関係、および効率的な検索戦略を組み込んだ、階層型モデルを構築する。これは、例示イメージ中の単一の物体の部分のポーズ変化を解析することによって実行される。ポーズは、物体認識に関する任意の類似性尺度によって取得できる。オンライン段階では、本発明は、階層型モデルを使用して検索イメージ中の物体全体を効率的に見つける。オンライン段階中には、物体の有効なインスタンスのみが見つけられ、すなわち、物体の部分は全体イメージ中ではなく、効率的な検索を容易にしてその後の妥当性検査ステップを不要にする階層型モデル内の物体部分間の関係によって定義される、パラメータスペースの制限された部分でのみ検索される。 （もっと読む）

【課題】単眼カメラ画像において三次元オブジェクトを認識するためのシステムおよび方法、並びにカメラ座標系においてオブジェクトの三次元位置姿勢を測定するためのシステムおよび方法を提供する。
【解決手段】本発明は、オブジェクト認識およびオンライン段階における三次元位置姿勢の測定に用いることができる三次元モデルの学習を、オフライン段階において自動的に行なう。この学習のために、ユーザは、例えば三次元ＣＡＤモデル等のオブジェクトの幾何学的三次元表象を提供する。前記学習は、十分な数のオブジェクトの二次元画像を得、各画像に対して二次元モデルを算出し、多数の二次元モデルを三次元モデルにおいて保存することで実行される。オンライン段階において、前記二次元モデルは、ランタイムイメージとマッチされ、サーチされたオブジェクトの１つまたは複数の例に対し近似三次元位置姿勢が得られる。前記近似位置姿勢は、その後最小二乗マッチングを用いて絞り込まれる。 （もっと読む）

【課題】一般にはマシンビジョン、特に物体認識における自動パラメータ決定のシステムおよび方法を提供する。
【解決手段】多くのマシンビジョンシステムは、現在のアプリケーションに依存するアルゴリズムの挙動に適応するために、１以上のパラメータを指定するようにユーザに要求するアルゴリズムを使用する。イメージ内の物体のコントラストを自動的に決定する方法は、物体の電子イメージを提供するステップ、前記物体のエッジ振幅を識別するステップ１０２、前記エッジ振幅に適用される閾値の範囲に関する前記物体のエッジ領域を識別するステップ１０６、より高い評価結果がよりよい評価を示す、閾値の前記範囲について得られる前記エッジ領域を評価するステップ１０８、最大エッジ領域値に対応する最適閾値を決定するステップ１１２、前記物体の前記コントラストを表す、最大エッジ領域値に対応する前記最適閾値を提供するステップ１１６を含む。 （もっと読む）