对比文件名称：2008-03-13_JP2008060622A_发明专利_JP2008060622A Video editing system, video processing apparatus, video editing device, video processing method, video editing method, program, and data structure
目标专利名称：709一种用于人工智能的装置和方法CN112740715B
模型名称：DeepSeek-R1-0528-DeepEP
### 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：包括：接收采用容器文件格式的视觉数据<br>**《直接公开》** | **[2]** 記録再生装置における記録形式の一つとして、ＱｕｉｃｋＴｉｍｅファイルフォーマットが知られている。<br>（中文翻译：作为记录再现装置中的记录形式之一，QuickTime文件格式是公知的。）<br><br>**[2]** 本発明の実施の形態では、第１のビデオデータ１０１をＱｕｉｃｋＴｉｍｅベースファイル形式により保持するのみならず、メタデータ１０３もこのＱｕｉｃｋＴｉｍｅベースファイル形式により保持する。<br>（中文翻译：在本发明的实施方式中，不仅将第1视频数据101以QuickTime基础文件格式保持，元数据103也以此QuickTime基础文件格式保持。）<br><br>**[2]** 図１０（ａ）は、第１のビデオデータ１０１を含むビデオファイル６３０の構成例を示す図である。このビデオファイル６３０は、第１のビデオデータ１０１を有するメディアデータ６３２と、メディアデータ６３２を管理するムービーリソース６３１とを備えている。<br>（中文翻译：图10(a)是表示包含第1视频数据101的视频文件630的构成例的图。该视频文件630具备具有第1视频数据101的媒体数据632、以及管理媒体数据632的电影资源631。） | 对比文件明确记载了其处理的视频数据（第1视频数据101）采用QuickTime文件格式（一种容器文件格式）进行保存和处理。目标专利中的“容器文件格式”在实施例中具体为ISOBMFF或HEIF，而对比文件中的QuickTime文件格式是ISOBMFF的基础，两者属于同一类型的基于盒结构的容器文件格式。因此，对比文件直接公开了接收并处理采用容器文件格式的视觉数据的技术方案。 |
| **技术特征B**：通过使用多个基于人工智能的处理算法的多个过程来处理所述视觉数据以检测一个或多个内容元素<br>**《隐含公开》** | **[2]** 映像解析部１１２は、例えば、特徴量として第２のビデオデータ１０２に含まれる顔の画像を抽出して、その顔の表情を判断する。顔の表情を判断する処理手順は公知の技術を使用することができる。例えば、顔画像中の外眼角点を結ぶ線分と口角点を結ぶ線分との比から笑顔の判断をする技術...や、顔の構成要素毎に基準画像と評価ポイントを設けて平均値を算出して被撮影者の表情を判断する技術...等が提案されている。<br>（中文翻译：图像解析部112例如作为特征量提取第2视频数据102中包含的脸部图像，判断该脸部的表情。判断脸部表情的处理步骤可以使用公知技术。例如，提出了根据连接脸部图像中的外眼角点的线段与连接嘴角点的线段之比来判断笑脸的技术...、或者针对脸部的每个构成要素设置基准图像和评价点并计算平均值来判断被拍摄者的表情的技术...等。）<br><br>**[2]** 本発明の実施の形態では、第１のビデオデータ１０１に同期する第２のビデオデータ１０２から映像処理装置１１０によってメタデータ１０３が生成される。このメタデータ１０３は、第１のビデオデータ１０１に同期しており、第２のビデオデータ１０２の特徴量を時間軸で管理しながら保持するものである。<br>（中文翻译：在本发明的实施方式中，由影像处理装置110从与第1视频数据101同步的第2视频数据102生成元数据103。该元数据103与第1视频数据101同步，在时间轴上管理并保持第2视频数据102的特征量。） | 目标专利的技术特征B强调使用“多个基于人工智能的处理算法”的“多个过程”来处理视觉数据。对比文件公开了使用图像解析技术检测视频中的内容元素（如人脸表情）。虽然对比文件列举的“公知技术”示例（基于特征点比例或基准图像比较）属于传统的图像处理算法，但对比文件没有将其技术方案局限于这些传统算法，而是泛泛地指向能够实现“判断脸部表情”这一功能的“公知技术”。在目标专利的申请日时，基于人工智能（特别是神经网络）的图像识别技术已经属于本领域用于实现此类特征检测的“公知技术”范畴。本领域技术人员在阅读对比文件后，为了执行脸部表情判断的解析过程，有动机且能够合理地选择使用当时已公知的基于AI的处理算法。此外，对比文件图6（目标专利引用）所示的目标专利自身过程（检测特性、背景、对象、人脸、识别人脸等）也属于多个过程的级联，对比文件中虽未明确级联多个AI过程，但其解析过程本身可以包含多个步骤（如先检测人脸再判断表情）。因此，对比文件隐含公开了利用当时可用的AI处理算法来执行检测过程的可能性。 |
| **技术特征C**：存储所检测到的一个或多个内容元素和关于用于检测所述一个或多个内容元素的所述多个基于人工智能的处理算法的多个过程的信息，作为元数据<br>**《隐含公开》** | **[2]** メタデータ生成部１１３は、映像解析部１１２によって解析された特徴量を保持するメタデータ１０３を生成するものである。この生成されたメタデータ１０３は、第１のビデオデータ１０１の各時刻に対応して、第２のビデオデータ１０２の特徴量を保持している。これにより、例えば、第１のビデオデータ１０１の各時刻において、第２のビデオデータ１０２にどのような顔の表情が含まれているかを、編集のための中間状態として保持することができる。<br>（中文翻译：元数据生成部113生成保持由图像解析部112解析出的特征量的元数据103。该生成的元数据103对应于第1视频数据101的各个时刻，保持第2视频数据102的特征量。由此，例如，能够在第1视频数据101的各个时刻，将第2视频数据102中包含何种脸部表情作为用于编辑的中间状态来保持。）<br><br>**[2]** 図１５は、本発明の実施の形態におけるメタトラックのサンプルディスクリプションアトム（'ｓｔｓｄ'）の記載例を示す図である。...メタサンプルディスクリプションエントリの数は、特徴量の種類の数と一致する。<br>（中文翻译：图15是表示本发明的实施方式中的元数据轨道的样本描述原子('stsd')的记载例的图。...元数据样本描述条目的数量与特征量的种类数量一致。）<br><br>**[2]** 図１７...ストリームディスクリプターアトム（'ｓｔｒｄ'）...ユーザデファインドメタタイプ（User Defined Meta Type）...図１８...図１９...メタＩＤとして...顔の表情として、笑い（smile）、驚き（surprise）、怒り（angry）、眠い（sleepy）といった種別を表現することができる。<br>（中文翻译：图17...流描述符原子('strd')...用户定义元数据类型...图18...图19...作为元ID...作为脸部表情，可以表现笑(smile)、惊讶(surprise)、生气(angry)、困倦(sleepy)等类别。） | 对比文件明确公开了将检测到的内容元素（如人脸表情的种类和程度）作为元数据（Metadata）进行存储。关于“检测过程的信息”，对比文件通过轨道（Track）内的样本描述条目（Sample Description Entry）和流描述符原子（Stream Descriptor Atom）中的“用户定义元数据类型”（User Defined Meta Type）来定义元数据的种类和格式，这本质上构成了对“产生该元数据的过程”的一种描述和规定。也就是说，元数据的结构定义本身携带了其产生过程的信息。本领域技术人员能够合理推断，为了正确解析和使用这些元数据，需要知晓其定义，而这些定义就隐含了对应的检测过程信息。因此，对比文件隐含公开了存储内容元素及其相关过程信息。 |
| **技术特征D**：通过使用第一指示和第二指示来指示所述多个基于人工智能的处理算法的多个过程之间的依赖关系<br>**《隐含公开》** | **[2]** トラックリファレンスアトム（'ｔｒｅｆ'）は、ソーストラック（第１のビデオデータ１０１）との参照関係を指定するための情報を保持するものである。そのため、トラックリファレンスアトムは、指定対象となるトラックのトラックヘッダアトム（'ｔｋｈｄ'）に格納されているトラック固有のトラックＩＤを指定するトラックリファレンスタイプアトム（'ｓｓｒｃ'）を含む。<br>（中文翻译：轨道引用原子('tref')保持用于指定与源轨道（第1视频数据101）的参照关系的信息。因此，轨道引用原子包含轨道引用类型原子('ssrc')，该原子指定作为指定对象的轨道的轨道头原子('tkhd')中存储的轨道固有的轨道ID。）<br><br>**[2]** 図２２...メタトラックのムービーリソースでは、トラックリファレンスアトム（'ｔｒｅｆ'）のトラックリファレンスタイプアトム（'ｓｓｒｃ'）に、ソーストラック１のトラックＩＤ「＃１」が保持されている。また、メディアアトム（'ｍｄｉａ'）のトラックインプットマップアトム（'ｉｍａｐ'）には、インプットタイプＱＴアトム（' ｔｙ'）としてビデオメディアを表す'ｖｉｄｅ'が設定され、データソースタイプＱＴアトム（'ｄｔｓｔ'）としてソーストラック１の名称'ｓｒｃＡ'が設定されている。<br>（中文翻译：图22...在元数据轨道的电影资源中，在轨道引用原子('tref')的轨道引用类型原子('ssrc')中，保持着源轨道1的轨道ID“#1”。此外，在媒体原子('mdia')的轨道输入映射原子('imap')中，作为输入类型QT原子(' ty')设定了表示视频媒体的'vide'，作为数据源类型QT原子('dtst')设定了源轨道1的名称'srcA'。） | 对比文件公开了使用“轨道引用原子（'tref'）”和“轨道输入映射原子（'imap'）”中的信息来定义元数据轨道（Metadata Track）与源视频轨道（Source Track）之间的依赖和引用关系。其中，“轨道引用类型原子（'ssrc'）”通过指定源轨道的ID，可以视为一个“指示”（第一指示或第二指示）；而“轨道输入映射原子（'imap'）”中的“数据源类型QT原子（'dtst'）”提供了源轨道的名称，可视为另一个“指示”。这种机制明确地建立了一个过程（元数据生成过程）对另一个过程（源视频提供过程）的依赖关系。对比文件图24、25更进一步展示了存在多个源轨道时，如何通过这些指示来定义复杂的依赖关系。因此，对比文件隐含公开了使用多个指示来定义多个过程间依赖关系的技术方案。 |
| **技术特征E**：其中，所述第一指示表示包含人工智能有效载荷的人工智能项<br>**《隐含公开》** | **[2]** メタトラックのメディアデータ（'ｍｄａｔ'）において、メタサンプルが４つ設けられている。ソーストラックは１つだけであり、全て同じソーストラック１を示している。また、メタサンプル＃１および＃３が「ｍｅｔａ＿ｔｙｐｅ１」を示し、メタサンプル＃２および＃４が「ｍｅｔａ＿ｔｙｐｅ２」を示している。<br>（中文翻译：在元数据轨道的媒体数据('mdat')中，设有4个元数据样本。源轨道只有1个，全部表示相同的源轨道1。此外，元数据样本#1和#3表示“meta_type1”，元数据样本#2和#4表示“meta_type2”。）<br><br>**[2]** 図２３...「ｍｅｔａ＿ｔｙｐｅ２」を特定区間として抽出する場合には、ソーストラックからこの特定区間のみが抽出されることになり...<br>（中文翻译：图23...在将“meta_type2”作为特定区间提取的情况下，从源轨道中仅提取该特定区间...） | 对比文件中的“元数据样本（Meta Sample）”存储了具体的特征分析结果，即有效载荷（Payload）。在目标专利的语境下，这对应于“人工智能有效载荷”。同时，该元数据样本所在的“元数据轨道（Meta Track）”在ISOBMFF/QuickTime文件格式体系中，可以被视为一个“项（Item）”。对比文件中的“轨道引用类型原子（'ssrc'）”所指向的，正是这个包含了元数据有效载荷的轨道（即一个“项”）。因此，该指示（轨道引用）明确表示了包含有效载荷的项。虽然对比文件未明确使用“人工智能项”这一术语，但其元数据轨道及其引用的结构和功能与目标专利中的“AI项”一致，故隐含公开了此特征。 |
| **技术特征F**：并且其中，所述第二指示表示被用作用于生成所述多个基于人工智能的处理算法的多个过程的结果的输入的项<br>**《隐含公开》** | **[2]** トラックリファレンスアトム（'ｔｒｅｆ'）は、ソーストラック（第１のビデオデータ１０１）との参照関係を指定するための情報を保持するものである。<br>（中文翻译：轨道引用原子('tref')保持用于指定与源轨道（第1视频数据101）的参照关系的信息。）<br><br>**[2]** 図２２...メタトラックのムービーリソースでは、トラックリファレンスアトム（'ｔｒｅｆ'）のトラックリファレンスタイプアトム（'ｓｓｒｃ'）に、ソーストラック１のトラックＩＤ「＃１」が保持されている。<br>（中文翻译：图22...在元数据轨道的电影资源中，在轨道引用原子('tref')的轨道引用类型原子('ssrc')中，保持着源轨道1的轨道ID“#1”。） | 对比文件中，元数据轨道通过“轨道引用原子（'tref'）”指定其“源轨道（Source Track）”。这个“源轨道”正是作为输入的视频数据，它被用于生成元数据（即处理过程的结果）。在文件格式中，该源轨道同样可以被视为一个“项（Item）”。因此，“轨道引用原子”这个指示，明确表示了作为处理过程输入的“项”。这与目标专利技术特征F所述的第二指示的功能和目的完全一致。因此，对比文件隐含公开了此特征。 |
| **技术特征G**：将所述元数据包括到与所述视觉数据相关联的所述容器文件中。<br>**《直接公开》** | **[2]** 図１０（ｂ）は、メタデータ１０３を含むメタファイル６４０の構成例を示す図である。このメタファイル６４０は、メタデータ１０３を有するメディアデータ６４２と、メディアデータ６４２を管理するムービーリソース６４１とを備えている。<br>（中文翻译：图10(b)是表示包含元数据103的元文件640的构成例的图。该元文件640具备具有元数据103的媒体数据642、以及管理媒体数据642的电影资源641。）<br><br>**[2]** 図１０（ｃ）...メタトラック６６０では、ビデオトラック６５０のサンプル６５３と同期して、各サンプル６６３が時間軸上に並んでいる。<br>（中文翻译：图10(c)...在元数据轨道660中，与视频轨道650的样本653同步地，各个样本663排列在时间轴上。）<br><br>**[2]** なお、これらメディアデータアトムおよびムービーアトムは、同一のファイルに含まれていてもよく、別ファイルに分かれていてもよい。<br>（中文翻译：另外，这些媒体数据原子和电影原子可以包含在同一文件中，也可以分开在不同文件中。） | 对比文件明确指出，元数据（Metadata）和视频数据可以存储在同一个文件中（自我内包型文件），也可以存储在不同文件中（外部参照型文件）。当它们存储在同一文件中时，就构成了一个包含视觉数据及其关联元数据的容器文件。图10及其相关描述也展示了元数据轨道和视频轨道在时间轴上的同步关系，这进一步确认了元数据与视觉数据的关联性及其在文件中的共同存在。因此，对比文件直接公开了将元数据包括到与视觉数据相关联的容器文件中的技术方案。 |
| **技术特征H**：其中，所述容器文件包括第一盒，所述第一盒包括关于基于人工智能的处理算法的元数据。<br>**《隐含公开》** | **[2]** 図１５...メタサンプルディスクリプションエントリは、ＱｕｉｃｋＴｉｍｅにおけるサンプルディスクリプションエントリに対してストリームディスクリプターアトムを拡張追加した構造になっている。...図１６...タイプ名'ＵＤＥＦ'をこのデータフォーマットフィールドで指定することによって、メタデータとして独自拡張された意味を有することを示している。<br>（中文翻译：图15...元数据样本描述条目是在QuickTime中的样本描述条目上扩展追加了流描述符原子的结构。...图16...通过在数据格式字段中指定类型名'UDEF'，表示具有作为元数据而独自扩展的含义。）<br><br>**[2]** 図１７...ストリームディスクリプターアトム（'ｓｔｒｄ'）...ユーザデファインドメタタイプ（User Defined Meta Type）フィールド...オーナーＩＤ...メタＩＤ...<br>（中文翻译：图17...流描述符原子('strd')...用户定义元类型字段...所有者ID...元ID...） | 目标专利中的“第一盒”用于包含关于处理算法本身的元数据。对比文件中的“样本描述原子（'stsd'）”及其内部的“流描述符原子（'strd'）”正是用于定义元数据轨道中样本的数据格式和类型。特别是其中的“用户定义元类型（User Defined Meta Type）”字段，它通过“所有者ID”和“元ID”的组合，详细定义了元数据的具体种类（如笑脸、惊讶等表情类别）。这种对元数据类型的定义，本质上就包含了产生该元数据的“处理算法”的信息（例如，是“笑脸检测算法”还是“惊讶检测算法”）。因此，这个包含“流描述符原子”的“样本描述原子”在功能上等同于目标专利所述的“第一盒”，隐含公开了此特征。 |
| **技术特征I**：其中，所述容器文件包括第二盒，所述第二盒包括关于所述一个或多个内容元素的元数据。<br>**《直接公开》** | **[2]** 図２１は、本発明の実施の形態におけるメタトラックのメディアデータ（メタデータ１０３）のサンプルの記載例を示す図である。...ここでは、第２のビデオデータ１０２の対応するサンプルにおいて抽出された顔の数（face_number）と、それぞれの顔についてその表情の度合いを示すことができるようになっている。例えば、笑顔度合い、驚き度合い、怒り度合い、眠さ度合いをそれぞれ示すことができる。<br>（中文翻译：图21是表示本发明的实施方式中的元数据轨道的媒体数据（元数据103）的样本的记载例的图。...这里，可以表示在第2视频数据102的对应样本中提取的脸部数量(face_number)、以及关于各个脸部的其表情的程度。例如，可以分别表示笑脸程度、惊讶程度、生气程度、困倦程度。）<br><br>**[2]** 図１０（ｂ）...メディアデータ６４２は、メタデータ１０３の各サンプル６４３を含んでおり...<br>（中文翻译：图10(b)...媒体数据642包含元数据103的各个样本643...） | 对比文件的图21及其相关描述明确公开了，在文件格式的“媒体数据（'mdat'）”部分，以“样本”为单位存储了检测到的具体内容元素（如人脸数量）及其相关信息（如各种表情的程度）。这些样本数据就是关于内容元素的元数据。在ISOBMFF格式中，媒体数据被封装在“媒体数据盒（'mdat'）”中。因此，这个存储了内容元素元数据的“媒体数据盒”直接对应于目标专利所述的“第二盒”。 |
| **技术特征J**：其中，所述容器文件包括第三盒，所述第三盒包括关于多个基于人工智能的处理算法的过程的元数据。<br>**《隐含公开》** | **[2]** 図２２は、本発明の実施の形態におけるメタデータを含むファイルの階層構造の一例を示す図である。...メタトラックのムービーリソースでは、トラックリファレンスアトム（'ｔｒｅｆ'）のトラックリファレンスタイプアトム（'ｓｓｒｃ'）に、ソーストラック１のトラックＩＤ「＃１」が保持されている。また、メディアアトム（'ｍｄｉａ'）のトラックインプットマップアトム（'ｉｍａｐ'）には...<br>（中文翻译：图22是表示本发明的实施方式中的包含元数据的文件的层次结构的一个例子的图。...在元数据轨道的电影资源中，在轨道引用原子('tref')的轨道引用类型原子('ssrc')中，保持着源轨道1的轨道ID“#1”。此外，在媒体原子('mdia')的轨道输入映射原子('imap')中...）<br><br>**[2]** 図２４...メタトラックのムービーリソースでは、トラックリファレンスアトム（'ｔｒｅｆ'）のトラックリファレンスタイプアトム（'ｓｓｒｃ'）に、ソーストラック１のトラックＩＤ「＃１」およびソーストラック２のトラックＩＤ「＃２」がそれぞれ保持されている。<br>（中文翻译：图24...在元数据轨道的电影资源中，在轨道引用原子('tref')的轨道引用类型原子('ssrc')中，分别保持着源轨道1的轨道ID“#1”和源轨道2的轨道ID“#2”。） | 目标专利的“第三盒”用于包含关于多个处理算法“过程”的元数据，特别是过程的组合、输入输出关系等。对比文件中的“轨道引用原子（'tref'）”和“轨道输入映射原子（'imap'）”共同定义了元数据生成过程是如何依赖于一个或多个源视频轨道的。这种定义过程间引用和依赖关系的机制，提供了关于“过程”的元信息（如需要哪些输入）。当存在多个源轨道时（如图24所示），这个机制就描述了多个输入过程如何组合到一起。该“轨道引用原子”通常嵌套在“轨道盒（'trak'）”中，因此，该“轨道盒”或其内部的“轨道引用原子”在功能上等同于目标专利所述的“第三盒”，隐含公开了此特征。 |
| **技术特征K**：其中，所述容器文件包括图像序列或视频，并且其中，所述容器文件包括用于包含所述元数据的媒体轨道的媒体样本定义。<br>**《直接公开》** | **[2]** 第１のビデオデータ１０１および第２のビデオデータ１０２は、時系列に管理される映像データであり、動画像データに加えて音声データを含んでもよい。<br>（中文翻译：第1视频数据101和第2视频数据102是在时间序列上管理的影像数据，除了动态图像数据之外也可以包含声音数据。）<br><br>**[2]** 図１５は、本発明の実施の形態におけるメタトラックのサンプルディスクリプションアトム（'ｓｔｓｄ'）の記載例を示す図である。この記載例では、メタサンプルディスクリプションエントリがＭ個...含まれている。<br>（中文翻译：图15是表示本发明的实施方式中的元数据轨道的样本描述原子('stsd')的记载例的图。在该记载例中，包含M个元数据样本描述条目。）<br><br>**[2]** 図９...サンプルディスクリプションアトム（'ｓｔｓｄ'）は、各サンプルに関する圧縮方式やその特性に関する情報を保持するものである。<br>（中文翻译：图9...样本描述原子('stsd')保持与各样本相关的压缩方式及其特性的信息。） | 对比文件处理的视觉数据明确为“动态图像数据”（即视频）。同时，对比文件详细描述了如何为其生成的元数据定义一个“元数据轨道（Meta Track）”，并且在该轨道的“样本描述原子（'stsd'）”中定义了媒体的样本格式，即“媒体样本定义”（Sample Description）。这完全符合技术特征K的描述，即容器文件包含视频，并且包含用于包含元数据的媒体轨道的媒体样本定义。因此，该特征被直接公开。 |
| **技术特征L**：其中，所述容器文件包括用于定义容器与包括所述容器文件中的信息的其他实体之间的关联的关系定义。<br>**《直接公开》** | **[2]** トラックリファレンスアトム（'ｔｒｅｆ'）は、ソーストラック（第１のビデオデータ１０１）との参照関係を指定するための情報を保持するものである。そのため、トラックリファレンスアトムは、指定対象となるトラックのトラックヘッダアトム（'ｔｋｈｄ'）に格納されているトラック固有のトラックＩＤを指定するトラックリファレンスタイプアトム（'ｓｓｒｃ'）を含む。<br>（中文翻译：轨道引用原子('tref')保持用于指定与源轨道（第1视频数据101）的参照关系的信息。因此，轨道引用原子包含轨道引用类型原子('ssrc')，该原子指定作为指定对象的轨道的轨道头原子('tkhd')中存储的轨道固有的轨道ID。）<br><br>**[2]** 図２２...メタトラックのムービーリソースでは、トラックリファレンスアトム（'ｔｒｅｆ'）のトラックリファレンスタイプアトム（'ｓｓｒｃ'）に、ソーストラック１のトラックＩＤ「＃１」が保持されている。<br>（中文翻译：图22...在元数据轨道的电影资源中，在轨道引用原子('tref')的轨道引用类型原子('ssrc')中，保持着源轨道1的轨道ID“#1”。） | 对比文件公开的“轨道引用原子（'tref'）”正是用于定义容器文件内部不同实体（如元数据轨道与视频轨道）之间关联关系的机制。它通过引用其他轨道的ID，明确地建立了“关系定义”。这与目标专利技术特征L所述的“用于定义...其他实体之间的关联的关系定义”完全一致。因此，该特征被直接公开。 |
| **技术特征M**：其中，所述视觉数据通过一个或多个神经网络或一个或多个基于非神经网络的算法来处理，以检测所述一个或多个内容元素。<br>**《隐含公开》** | **[2]** 映像解析部１１２は、例えば、特徴量として第２のビデオデータ１０２に含まれる顔の画像を抽出して、その顔の表情を判断する。顔の表情を判断する処理手順は公知の技術を使用することができる。例えば、顔画像中の外眼角点を結ぶ線分と口角点を結ぶ線分との比から笑顔の判断をする技術...や、顔の構成要素毎に基準画像と評価ポイントを設けて平均値を算出して被撮影者の表情を判断する技術...等が提案されている。<br>（中文翻译：图像解析部112例如作为特征量提取第2视频数据102中包含的脸部图像，判断该脸部的表情。判断脸部表情的处理步骤可以使用公知技术。例如，提出了根据连接脸部图像中的外眼角点的线段与连接嘴角点的线段之比来判断笑脸的技术...、或者针对脸部的每个构成要素设置基准图像和评价点并计算平均值来判断被拍摄者的表情的技术...等。） | 目标专利的技术特征M提供了两种并行的处理方式：神经网络或非神经网络算法。对比文件在描述其图像解析部112如何检测内容元素（人脸表情）时，明确列举了两种公知技术作为示例，其中基于特征点比例和基准图像比较的方法均属于“基于非神经网络的算法”。同时，对比文件指出其处理步骤可以使用“公知技术”，这并未排除使用神经网络的可能性，但至少明确包含了使用非神经网络算法的实现方式。因此，对比文件公开了使用非神经网络算法来处理视觉数据以检测内容元素的技术方案，隐含公开了技术特征M中的这一分支。 |
<<<A>>><<<G>>><<<I>>><<<K>>><<<L>>><<<b>>><<<c>>><<<d>>><<<e>>><<<f>>><<<h>>><<<j>>><<<m>>>