返回项目页面
对比文件列表
2004-08-12_发明申请_US20040155175A1 Random access imaging sensor_+++C_F_I+++.docx
2026-02-23 17:34
2006-05-02_发明授权_US07038185B1 Camera for directly generating a gradient image_+++C_I_a_b_d_h+++.docx
2026-02-23 17:34
2006-12-19_发明授权_US07151844B2 Image sensor method and apparatus having hardware implemented edge detection processing_+++B_c_f_i+++.docx
2026-02-23 17:34
2008-06-05_发明专利_JP2008131407A Solid-state imaging element and imaging apparatus using same_+++C_I_f+++.docx
2026-02-23 17:34
2009-06-25_发明专利_JP2009140149A Information terminal equipment_+++a_b_c_i+++.docx
2026-02-23 17:34
2011-04-07_发明专利_DE102008052930B4 Bildverarbeitender Sensor_+++c_f_i+++.docx
2026-02-23 17:34
2011-12-08_发明申请_US20110298755A1 MATRIX SENSOR_+++C_I_a_b_f+++.docx
2026-02-23 17:34
2012-06-07_发明申请_US20120138774A1 FOCAL PLANE ARRAY PROCESSING METHOD AND APPARATUS_+++C_D_F_I_a_b_e+++.docx
2026-02-23 17:34
2012-07-12_发明申请_WO2012093381A1 CAMERA ASSEMBLY WITH AN INTEGRATED CONTENT ANALYZER_+++C_F_I_a_b+++.docx
2026-02-23 17:34
2013-01-07_发明专利_JP2013003787A Object detection device_+++c_f_i+++.docx
2026-02-23 17:34
2013-08-21_发明公开_CN103259985A CMOS图像传感器、像素单元及其控制方法_+++C_I+++.docx
2026-02-23 17:34
2014-01-23_发明申请_WO2014015194A2 METHODS FOR DETECTING AND MEASURING AGGREGATION_+++G_I_c_f+++.docx
2026-02-23 17:34
2014-01-23_发明申请_WO2014015194A3 METHODS FOR DETECTING AND MEASURING AGGREGATION_+++a_c_e_f_i+++.docx
2026-02-23 17:34
2014-05-01_发明申请_US20140118592A1 CMOS IMAGE SENSORS WITH FEATURE EXTRACTION_+++C_F_I_b+++.docx
2026-02-23 17:34
2014-05-08_发明申请_US20140125799A1 VEHICLE VISION SYSTEM_+++c_f_i+++.docx
2026-02-23 17:34
2014-05-29_发明申请_US20140149754A1 GESTURE DETECTION MANAGEMENT FOR AN ELECTRONIC DEVICE_+++F_c_i+++.docx
2026-02-23 17:34
2014-09-11_发明申请_US20140254864A1 SYSTEM AND METHOD FOR GESTURE DETECTION THROUGH LOCAL PRODUCT MAP_+++B_G_a_c_i+++.docx
2026-02-23 17:34
2014-10-30_发明申请_US20140319325A1 LAMP SIGNAL GENERATION CIRCUIT AND CMOS IMAGE SENSOR_+++C_I+++.docx
2026-02-23 17:34
2014-10-30_发明申请_US20140320666A1 OBJECT DETECTION_+++C_F_I_a_b_e+++.docx
2026-02-23 17:34
2014-12-11_发明申请_US20140363049A1 METHOD OF ESTIMATING OPTICAL FLOW ON THE BASIS OF AN ASYNCHRONOUS LIGHT SENSOR_+++J_c_i+++.docx
2026-02-23 17:34
2014-12-18_发明申请_US20140368626A1 COMPUTER VISION APPLICATION PROCESSING_+++C_F_i+++.docx
2026-02-23 17:34
2014-12-18_发明申请_US20140368712A1 IMAGE ADJUSTMENT APPARATUS AND IMAGE SENSOR FOR SYNCHRONOUS IMAGE AND ASYNCHRONOUS IMAGE_+++F_I_J_c+++.docx
2026-02-23 17:34
haoma_+++B_C_D_G_I_e_f+++.docx
2026-02-23 17:34
weixianzai_+++A_B_C_D_E_F_G_I_J+++.docx
2026-02-23 17:34
2013-01-07_发明专利_JP2013003787A Object detection device_+++c_f_i+++.docx

**对比文件名称**:2013-01-07_发明专利_JP2013003787A Object detection device

**目标专利名称**:基于事件的计算机视觉计算 CN106716441B

**本次调用模型名称**:DeepSeek-R1

### 特征比对表格

技术特征描述及公开性判断结果对比文件原文引用公开性论述
**技术特征A**:比较使用计算机视觉CV特征计算硬件计算的与传感器元件阵列的主体传感器元件相关联的先前局部CV特征与使用所述CV特征计算硬件计算的与所述主体传感器元件相关联的当前局部CV特征。 <br> **判断结果**:未被直接公开,也未隐含公开。对比文件第[0008]段:“検出対象画素群抽出手段は、撮影された画像において、前記被写体距離算出手段によって算出された被写体距離が、前記非対象物距離記憶手段によって記憶される距離よりも近距離を示す画素からなる検出対象画素群を抽出する”。 第[0010]段描述了背景更新回路的功能:“機能1:画素距離値算出回路206が1画像分の画素距離値を算出した場合に、それぞれの画素位置の画素距離値について、背景画素距離値記憶回路207に記憶されている、対応する画素位置の基準距離値と比較して、より小さい方を新たな基準距離値として背景画素距離値記憶回路207に出力する機能”。**论述**:对比文件公开了比较“当前画素距离值”与“存储的基准距离值”(背景距离),并更新背景。然而,目标专利的“局部CV特征”(如LBP标记、HSG标记)是基于主体及相邻传感器元件的读数计算出的局部模式特征(如边缘、拐角),其本质是纹理或梯度信息的编码。对比文件中的“画素距离值”是通过立体视差计算出的每个像素的深度/距离值,是单一的深度标量,并非通过比较局部邻域像素的读数(如强度)而得到的模式特征。两者比较的对象(CV特征 vs. 距离值)、计算方式(局部邻域运算 vs. 双目视差匹配)和作用(表征局部视觉模式 vs. 表征物体距离)均不相同。本领域技术人员无法从对比文件的距离值比较毫无疑义地或通过合理推理得出“比较先前与当前局部CV特征”的技术方案。因此,该技术特征未被直接公开,也未隐含公开。
**技术特征B**:对于所述先前局部CV特征和所述当前局部CV特征,所述CV特征计算硬件使用来自所述主体传感器元件的各个读数和来自与所述主体传感器元件相邻的传感器元件的各个读数来计算所述各个CV特征。 <br> **判断结果**:未被直接公开,也未隐含公开。对比文件第[0008]段:“被写体距離算出手段は、撮影された画像において、画像を構成する画素それぞれについて、被写体までの距離を示す被写体距離を算出する”。 具体计算涉及视差検波回路(第[0008]段及图3),通过比较第1和第2固体撮像装置拍摄的图像中对应区域的像素值来计算视差(例如第[0008]段描述差分积算部计算视差评价值)。**论述**:对比文件计算“画素距离值”(被写体距離)确实使用了来自多个传感器元件(即两个相机的像素)的读数,并通过匹配像素块(如5个连续像素)来计算视差。然而,目标专利中计算“局部CV特征”(如LBP)所使用的“来自主体传感器元件和相邻传感器元件的读数”是指在**同一图像/传感器阵列内**,为了提取局部纹理模式(如比较中心像素与周围8个像素的强度)而进行的运算。对比文件的计算是为了获取**深度信息**,其本质是**在两个不同视点的图像之间**进行对应像素区域的匹配,而非在单一图像内部利用相邻像素关系提取局部特征模式。两者的目的(三维深度感知 vs. 二维局部特征描述)和运算模式(跨图像区域匹配 vs. 单图像邻域比较)存在根本差异。本领域技术人员不能从对比文件的视差计算中推理出目标专利中用于计算LBP等局部CV特征的特定读数使用方式。因此,该技术特征未被直接公开,也未隐含公开。
**技术特征C**:传感器元件阵列包括多个传感器元件,所述多个传感器元件至少沿着所述传感器元件阵列的第一维度和第二维度布置,像素包括所述主体传感器元件和像素内电路。 <br> **判断结果**:**隐含公开 (c)**对比文件第[0008]段及图2描述了“第1固体撮像素子302”和“第2固体撮像素子303”,它们具有在水平和垂直方向(第一维度和第二维度)上二维排列的像素阵列。第[0008]段指出:“第1固体撮像素子302は、受光面として、例えば、水平方向にN個、垂直方向にM個となる2次元格子状に画素アレイを有するCMOS型イメージセンサであって、…受光面に入力される光を、画素毎に光電変換してデジタル値(以後、「画素値」と呼ぶ。)を生成し”。**论述**:对比文件明确公开了图像传感器(固体撮像素子)包含在水平和垂直方向上二维排列的像素阵列。每个像素能够进行光电转换并生成像素值,这必然意味着每个像素包含感光元件(相当于“传感器元件”)和实现光电转换及读出所必需的基本电路(可视为广义的“像素内电路”)。尽管对比文件未明确使用“像素内电路”一词,但本领域技术人员公知,CMOS或CCD图像传感器的每个像素都包含感光二极管和至少一个晶体管等基本电路以完成光电转换和信号读取功能。因此,可以合理推断出“像素包括传感器元件和像素内电路”这一特征。该特征在对比文件中起构成图像传感器基本单元的作用,与目标专利中作为感光和处理基本单元的作用相同。因此,该技术特征被对比文件**隐含公开**。
**技术特征D**:所述CV特征计算硬件被实施为所述像素内电路的一部分。 <br> **判断结果**:未被直接公开,也未隐含公开。对比文件中未发现描述将特征计算硬件(类似CV计算硬件)集成在每个像素内部的电路中的内容。主要的处理功能,如视差计算(視差検波回路205)、背景更新(背景更新回路208)、背景去除(背景除去回路209)和物体识别(識別処理回路211)等,均被描述为位于像素阵列外部的外围电路或专用处理模块(参见图1、图3、图5、图11)。**论述**:目标专利的核心之一是将CV特征计算硬件(专用CV计算硬件)集成在像素内部(像素内电路)。对比文件的所有图像处理和特征提取功能(如距离计算、背景建模、模式识别)均由像素阵列外部的独立电路模块执行。没有任何文字或图示表明存在像素级的、用于计算局部视觉特征(如LBP)的硬件电路。本领域技术人员无法从对比文件描述的架构中,推理出将CV计算硬件集成到每个像素内部的方案。因此,该技术特征既未被直接公开,也未被隐含公开。
**技术特征E**:基于所述比较来产生与所述主体传感器元件相关联的事件,所述事件包括所述主体传感器元件的位置和特征有效负载,所述特征有效负载包括表示与所述主体传感器元件相关联的所计算的当前局部CV特征的多个位。 <br> **判断结果**:未被直接公开,也未隐含公开。对比文件第[0008]段:“検出手段は、前記特徴情報記憶手段に記憶されている前記特徴情報を参照して、前記検出対象画素群抽出手段によって抽出された検出対象画素群から、前記所定の対象物が被写体として含まれていることを検出する”。 第[0008]段还提及検出手段输出位置信息。例如,图1中対象物識別回路105输出位置信息至外部。**论述**:目标专利的“事件”是基于局部CV特征(如LBP)的**实时变化**而触发的,包含该像素的位置和当前CV特征值本身(作为有效负载)。这是一种低层级、异步的感知数据报告机制。对比文件的“検出”是**对整帧或区域进行模式识别处理后的结果**,输出的是“所定の対象物”(如人物)是否被检测到及其位置。这并非由单个像素的特征变化实时触发,也不包含该像素的局部特征值(如LBP码)作为有效负载。两者在触发机制(特征变化触发 vs. 识别结果输出)、报告内容(像素位置+特征值 vs. 物体位置)和粒度(像素/特征级 vs. 物体级)上均不同。本领域技术人员无法从对比文件的物体检测输出中推理出目标专利基于CV特征变化的事件产生机制。因此,该技术特征未被直接公开,也未隐含公开。
**技术特征F**:将所述事件发送至处理器。 <br> **判断结果**:**隐含公开 (f)**对比文件第[0008]段及图1表明,対象物識別回路105将检测到的所定対象物的位置信息输出到外部。虽然未明确说明接收方是“处理器”,但根据系统常理,此类检测结果通常会被发送给更上层的控制系统或处理器进行后续处理(例如,在实施方式3的照明系统中,位置信息被发送给照明制御装置1503)。**论述**:将检测结果或信息发送至一个处理单元是此类系统的常规做法。目标专利中将事件发送至处理器(如应用程序处理器)用于进一步处理。对比文件中将物体检测的位置信息输出到外部(可合理推定为某个控制处理器或系统),两者在“发送信息至处理单元”这一基本功能上是相同的。尽管信息内容不同(CV特征事件 vs. 物体位置),但“发送”这一动作本身可以被认为被隐含公开。因此,该技术特征被对比文件**隐含公开**。
**技术特征G**:所述局部化CV特征包括局部二值模式LBP标记或所述LBP标记的变体。 <br> **判断结果**:未被直接公开,也未隐含公开。对比文件全文未提及“局部二值模式(LBP)”、“LBP标记”或其任何变体。对比文件使用的特征是“画素距離値”(距离值)及其分布(距离分布特征),并基于统计学习(如AdaBoost)进行物体识别(第[0008]、[0009]段)。**论述**:LBP标记及其变体是特定的局部纹理特征描述符。对比文件自始至终使用基于立体视觉计算出的距离信息(深度图)作为特征,完全未涉及基于灰度或强度图像的局部二值模式特征。本领域技术人员无法从对比文件公开的距离信息处理中,毫无疑义地或通过合理推理得出使用LBP标记或其变体作为局部CV特征的技术方案。因此,该技术特征未被直接公开,也未隐含公开。
**技术特征H**:所述局部化CV特征包括带正负号梯度直方图HSG标记。 <br> **判断结果**:未被直接公开,也未隐含公开。对比文件全文未提及“带正负号梯度直方图(HSG)”、“HSG标记”或任何类似的梯度直方图特征。**论述**:HSG标记是另一种特定的局部特征描述符。对比文件未涉及任何关于梯度直方图的特征计算。因此,该技术特征未被直接公开,也未隐含公开。
**技术特征I**:所述传感器元件阵列是视觉传感器并且所述传感器元件阵列的所述多个传感器元件中的每一个包括至少一个光电二极管。 <br> **判断结果**:**隐含公开 (i)**对比文件第[0008]段描述第1固体撮像素子302为“CMOS型イメージセンサ”,其功能是“受光面に入力される光を、画素毎に光電変換してデジタル値(画素値)を生成し”。实现光电转换的核心元件就是光电二极管。**论述**:本领域技术人员公知,CMOS图像传感器的每个像素通常至少包含一个光电二极管用于光电转换。对比文件明确其图像传感器为CMOS型,且功能为光电转换生成像素值,因此可以毫无疑义地推断每个传感器元件(像素)包含至少一个光电二极管。该特征在对比文件中是实现感光功能的基础,与目标专利中作为视觉传感器感光单元的作用相同。因此,该技术特征被对比文件**隐含公开**。
**技术特征J**:所述事件是使用动态视觉传感器DVS电路产生的。 <br> **判断结果**:未被直接公开,也未隐含公开。对比文件全文未提及“动态视觉传感器(DVS)”、“DVS电路”或任何基于异步事件检测的传感器原理。其图像传感器是基于帧的、同步采样的传统CMOS图像传感器。**论述**:DVS电路是一种专门用于检测像素级亮度变化并异步输出事件的特殊传感器电路。对比文件使用的是传统的、输出完整帧图像的CMOS图像传感器,其工作原理与DVS有本质区别。本领域技术人员无法从对比文件中推理出使用DVS电路产生事件的技术方案。因此,该技术特征未被直接公开,也未隐含公开。

<<<c>>><<<f>>><<<i>>>

权利要求与技术特征
Powered by Django

网站备案号:渝ICP备2023012882号


重庆市非显而易见网络科技有限责任公司 A Anti NPE NPE