**本次调用的模型名称**：专利创造性评估模型
**目标专利名称**：270用于减少多个限界区的系统和方法CN107636589B
**对比文件名称**：2012-09-19_CN102682454A_发明公开_CN102682454A 一种视频中的感兴趣区域跟踪方法及装置
### **特征比对表格**
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A：其包括：基于图像产生多个限界区** <br>《直接公开》 | [0096] “当前帧中ROI的位置、大小等数据是根据其参考帧中ROI的信息获得。... 由粒子状态转移模块估计当前帧中的ROI位置和大小信息分布；” <br> [0140] “参考帧中的粒子集合表示参考帧中ROI的状态信息分布，参考帧中的粒子集合经过粒子状态转移后获得当前帧中的粒子集合，该当前帧中的粒子集合代表了当前帧中ROI的状态信息分布；” | 本领域技术人员能够毫无疑义地确定，对比文件公开了在视频跟踪过程中，通过粒子状态转移模块，基于参考帧信息为当前帧产生多个“粒子集合”，其中每个粒子代表一个ROI（感兴趣区域）候选，包含其位置、大小等信息。这与目标专利中“基于图像产生多个限界区”的技术特征相同。因此，该技术特征被对比文件**直接公开**。 |
| **技术特征B：基于色差准则以及所述图像中的选定区域，确定所述多个限界区的子集，** <br>《未公开》 | [0151] “对进行状态转移处理后的粒子执行各粒子区域颜色直方图统计处理，并根据各粒子区域颜色直方图统计处理结果进行粒子更新处理；根据粒子更新处理获得的结果计算ROI位置大小。” | 对比文件公开了基于“各粒子区域颜色直方图统计处理结果”来更新粒子并最终确定ROI，这包含了基于色彩信息（可视为一种色差准则）来从多个粒子（多个限界区候选）中确定最终ROI（子集）。**然而**，目标专利中“基于...所述图像中的选定区域”是该技术特征的必要组成部分。对比文件中ROI的确定是基于前一帧的ROI信息进行预测和跟踪，或基于整个跟踪算法流程，并非基于当前帧图像中一个由用户输入或自动检测指定的“选定区域”（如触摸点）来启动或约束子集的确定过程。二者作用不同：目标专利是利用选定区域作为空间位置锚点进行筛选；对比文件是利用时间上的连续性进行预测跟踪。因此，该技术特征作为一个整体未被对比文件公开。 |
| **技术特征C：其中所述色差准则基于限界区与相应环绕区之间的色彩距离来区分限界区** <br>《未公开》 | [0149] “统计图中椭圆形区域的颜色直方图” | 对比文件仅公开了统计**粒子区域内部**（即限界区内部）的颜色直方图，并将其与初始ROI的直方图进行比较（[0151]）。并未公开计算限界区与一个包围它的“相应环绕区”之间的色彩距离。目标专利的技术特征明确要求比较“限界区”与“环绕区”两个不同区域，以利用边界处的色彩反差来区分对象。对比文件缺少“环绕区”及其与限界区色彩距离比较的技术手段，因此该技术特征未被公开。 |
| **技术特征D：以及基于所述多个限界区的所述子集来处理所述图像。** <br>《直接公开》 | [0005] “可以传输基本层和ROI的编码码流以充分利用带宽...” <br> [0131] “经过跟踪处理后，输出ROI在当前帧中的大小位置信息，以便于增强层的ROI区域编码。” <br> [0170] “可以放入图14中所示的级联型转码器的ROI跟踪模块用于获取ROI的位置大小信息，以将ROI编码成质量较高的码流。” | 对比文件明确公开了其跟踪ROI的目的就是为了后续的图像处理，具体为：基于最终确定的ROI（即多个粒子/限界区候选经过筛选后得到的子集，最终表现为一个ROI）进行视频编码（如SVC中的ROI编码）或转码处理。这属于目标专利中“基于所述多个限界区的所述子集来处理所述图像”的具体应用场景（压缩）。因此，该技术特征被对比文件**直接公开**。 |
| **技术特征E：其中确定所述多个限界区的所述子集是进一步基于所述多个限界区中的每一者相对于所述选定区域的居中性。** <br>《未公开》 | 无相关描述。 | 对比文件在确定ROI（即筛选粒子/限界区）的过程中，未涉及任何基于“选定区域”的“居中性”准则。其粒子更新和ROI计算依赖于颜色直方图相似性和粒子权重，与空间上的居中性无关。因此，该技术特征未被对比文件公开。 |
| **技术特征F：其中确定所述多个限界区的所述子集是进一步基于每一限界区的色彩直方图与每一相应环绕区的色彩直方图之间的比较。** <br>《未公开》 | [0149] “统计图中椭圆形区域的颜色直方图” | 同技术特征C，对比文件只公开了限界区内部的色彩直方图，未公开“环绕区”的直方图，更未进行两者之间的比较。因此，该技术特征未被公开。 |
| **技术特征G：其中确定所述多个限界区的所述子集是进一步基于所述多个限界区的平均大小。** <br>《未公开》 | 无相关描述。 | 对比文件在粒子状态转移和更新过程中，未提及基于所有候选粒子（限界区）的“平均大小”这一准则来筛选或确定子集。粒子大小的变化受缩放参数ρ和随机噪声影响，但非基于整体平均值的筛选。因此，该技术特征未被公开。 |
| **技术特征H：其中所述平均大小是中值大小和均值大小中的至少一者。** <br>《未公开》 | 无相关描述。 | 该技术特征是对技术特征G中“平均大小”的具体定义。由于技术特征G本身未被公开，且对比文件中也未提及中值或均值大小作为筛选依据，因此该技术特征未被公开。 |
| **技术特征I：其中处理所述图像包括执行对象辨识、对象跟踪、聚焦、对象去除、图像增强、裁剪或压缩中的一或多者。** <br>《直接公开》 | [0005] “可以传输基本层和ROI的编码码流以充分利用带宽...” <br> [0131], [0170] （同上文技术特征D引用） | 对比文件明确且反复地指出了其跟踪ROI的目的是为了后续的**视频编码**或**转码**，这属于目标专利所列出的“压缩”处理。因此，对比文件公开了“处理所述图像包括执行压缩”这一具体方式，该技术特征被**直接公开**。 |
| **技术特征J：其中产生所述多个限界区是基于一基于梯度的限界区产生算法。** <br>《未公开》 | [0096] “根据粒子滤波理论，利用编码过程中产生的或者码流中已经存在的MV信息实现对ROI的跟踪。” | 对比文件产生多个ROI候选（粒子）是基于**粒子滤波算法**，并利用**运动矢量（MV）** 信息指导粒子状态转移。这完全不同于目标专利中明确限定的“基于梯度的限界区产生算法”（如BING算法）。二者原理和实现手段均不同。因此，该技术特征未被公开。 |
| **技术特征K：其中基于所述色差准则和所述图像中的所述选定区域来确定所述多个限界区的子集包括：拒绝所述多个限界区中使居中性准则或第一大小准则中的一或多者失效的任一者** <br>《未公开》 | 无相关描述。 | 对比文件在确定ROI子集的过程中，未涉及任何“居中性准则”或“第一大小准则”。其筛选机制是基于颜色直方图相似性计算权重，并进行重采样。因此，该技术特征未被公开。 |
| **技术特征L：以及选择满足色差准则或第二大小准则中的一或多者的限界区。** <br>《未公开》 | 无相关描述。 | 该技术特征与技术特征K是连续步骤。由于对比文件未公开“色差准则”（其基于内部直方图相似性，而非目标专利的区内外对比）和“第二大小准则”，因此该技术特征未被公开。 |
| **技术特征M：其中对于具有经加权中值大小或经加权均值大小的限界区，满足所述第二大小准则。** <br>《未公开》 | 无相关描述。 | 该技术特征是对技术特征L中“第二大小准则”的进一步限定。由于技术特征L未被公开，且对比文件也未涉及“经加权中值大小或经加权均值大小”的概念，因此该技术特征未被公开。 |
| **技术特征N：其中基于所述色差准则和所述图像中的所述选定区域来确定所述多个限界区的子集包括：拒绝所述多个限界区中使居中性准则未能产生多个其余限界区的任一者** <br>《未公开》 | 无相关描述。 | 对比文件未公开“居中性准则”。该技术特征描述了一种具体的拒绝逻辑，但该逻辑所依赖的核心准则（居中性准则）在对比文件中不存在。因此，该技术特征未被公开。 |
| **技术特征O：确定所述多个其余限界区中的每一者与相应环绕区之间的色彩距离** <br>《未公开》 | 无相关描述。 | 对比文件未公开“环绕区”的概念，也未涉及计算限界区与环绕区之间的“色彩距离”。其距离计算是粒子区域直方图与参考直方图之间的相似度。因此，该技术特征未被公开。 |
| **技术特征P：以及选择具有最大色彩距离的限界区。** <br>《未公开》 | [0151] “根据各粒子区域颜色直方图统计处理结果进行粒子更新处理” | 对比文件的粒子更新过程是根据颜色直方图相似性赋予粒子权重，权重高的粒子在重采样中被保留的概率大。这是一个基于**相似性最大化**（或差异最小化）的筛选逻辑。而目标专利的技术特征是明确“选择具有最大色彩距离”的限界区，这是一个基于**差异性最大化**的逻辑。两者作用原理相反。因此，该技术特征未被公开。 |
**结论**：
根据对比文件CN102682454A的公开内容，经逐一比对分析：
- 技术特征A、D、I被**直接公开**。
- 技术特征B、C、E、F、G、H、J、K、L、M、N、O、P**既未被直接公开，也未被隐含公开**。主要区别在于：对比文件缺乏基于用户“选定区域”的筛选触发点、缺乏“环绕区”概念及与之比较的“色彩距离”准则、缺乏“居中性”和“（平均）大小”等空间筛选准则，且其产生限界区的方法（粒子滤波 vs 基于梯度的算法）和筛选逻辑（相似性最大化 vs 差异性最大化）与目标专利存在本质不同。
<<<A>>><<<D>>><<<I>>>