返回项目页面
对比文件列表
2002-10-31_US2002159636A_发明申请_US20020159636A1 GENERALIZED TEXT LOCALIZATION IN IMAGES_+++A_C_D_F_I_J_L_O_b_p+++.docx
2026-03-19 23:32
2004-01-29_US2004017941A_发明申请_US20040017941A1 System and method for bounding and classifying regions within a graphical image_+++A_D_i+++.docx
2026-03-19 23:32
2004-12-24_JP2004362381A_发明专利_JP2004362381A Image processor and image processing method_+++a_b_c_d_f_i_j_o+++.docx
2026-03-19 23:32
2007-06-07_US2007127774A_发明申请_US20070127774A1 Target detection and tracking from video streams_+++A_D_I+++.docx
2026-03-19 23:32
2007-08-09_US2007183661A_发明申请_US20070183661A1 Multi-mode region-of-interest video object segmentation_+++D_I_a_b_c+++.docx
2026-03-19 23:32
2010-12-02_JP2010271987A_发明专利_JP2010271987A Area classification device, image quality improvement device, image display apparatus, and methods therefor_+++A_D_I_g_j+++.docx
2026-03-19 23:32
2011-06-30_US2011158558A_发明申请_US20110158558A1 METHODS AND APPARATUSES FOR FACILITATING CONTENT-BASED IMAGE RETRIEVAL_+++A_D_i_j+++.docx
2026-03-19 23:32
2011-10-06_US2011243443A_发明申请_US20110243443A1 IMAGE SEGMENTATION_+++a_c_d_i+++.docx
2026-03-19 23:32
2012-03-29_US2012078899A_发明申请_US20120078899A1 SYSTEMS AND METHODS FOR DEFINING OBJECTS OF INTEREST IN MULTIMEDIA CONTENT_+++A_I_d+++.docx
2026-03-19 23:32
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_+++A_D_I+++.docx
2026-03-19 23:32
2013-03-28_JP2013058158A_发明专利_JP2013058158A Image processor and image processing program_+++D_a_c_i_o+++.docx
2026-03-19 23:32
2013-05-08_CN102682454B_发明授权_CN102682454B 一种视频中的感兴趣区域跟踪方法及装置_+++A_D_I_b+++.docx
2026-03-19 23:32
2013-08-15_US2013208947A_发明申请_US20130208947A1 OBJECT TRACKING APPARATUS AND CONTROL METHOD THEREOF_+++C_D_F_I_O_a_b+++.docx
2026-03-19 23:32
2013-10-03_WO2013144418A_发明申请_WO2013144418A1 IMAGE SEGMENTATION_+++A_D_i+++.docx
2026-03-19 23:32
2013-12-26_JP2013257843A_发明专利_JP2013257843A Image processing apparatus, image processing method, program, and storage medium_+++I_c_d+++.docx
2026-03-19 23:32
2014-01-30_US2014028842A_发明申请_US20140028842A1 CALIBRATION DEVICE AND METHOD FOR USE IN A SURVEILLANCE SYSTEM FOR EVENT DETECTION_+++a_b_d_g_i+++.docx
2026-03-19 23:32
2014-05-08_US2014126821A_发明申请_US20140126821A1 FOREGROUND AND BACKGROUND IMAGE SEGMENTATION_+++A_D_I_b_c_e_f+++.docx
2026-03-19 23:32
2014-10-14_US8861864B_发明授权_US08861864B2 Image feature detection based on application of multiple feature detectors_+++A_D_E_I_J+++.docx
2026-03-19 23:32
JP2018517972A_Description_20260309_2152_+++A_B_C_D_E_F_G_H_I_J_K_L_M_P_n_o+++.docx
2026-03-19 23:32
2013-08-15_US2013208947A_发明申请_US20130208947A1 OBJECT TRACKING APPARATUS AND CONTROL METHOD THEREOF_+++C_D_F_I_O_a_b+++.docx

**对比文件名称**:2013-08-15_US2013208947A_发明申请_US20130208947A1 OBJECT TRACKING APPARATUS AND CONTROL METHOD THEREOF

**目标专利名称**:270用于减少多个限界区的系统和方法CN107636589B

**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**:其包括:基于图像产生多个限界区<br>**《隐含公开》**说明书第[0039]段:“... generating a plurality of sub search areas 201, 204, 205, and 206 in a predetermined search area around the starting point 203 ...”(在起始点203周围的预定搜索区域中生成多个子搜索区域201、204、205和206…)对比文件公开了在对象跟踪过程中,为估计目标位置,会在一个搜索区域内生成多个子搜索区域(粒子)。这些子搜索区域(例如粒子)是图像中定义的候选区域,其作用是为跟踪生成多个候选位置或区域,这与目标专利中为后续筛选产生“多个限界区”的作用实质相同。虽然对比文件未使用“限界区”一词,但本领域技术人员能够理解其生成的多个子搜索区域(粒子)即相当于多个候选区域(限界区)。因此,该技术特征被对比文件隐含公开。
**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>**《隐含公开》**说明书第[0070]-[0075]段:描述了检测目标对象(例如通过模板),生成目标对象和背景的直方图,并通过比较直方图来确定可靠数据(Trust Data)。第[0080]段:“When a value of Equation (9) is a positive number, the target tracking-object is determined. When the value of Equation (9) is a negative number, the background is determined.”(当方程(9)的值为正时,确定为目标对象。当方程(9)的值为负时,确定为背景。)对比文件公开了基于初始检测到的目标对象(类似于“选定区域”),通过比较目标对象区域与背景区域的色彩直方图(即基于色差)来区分并确定属于目标对象的“可靠数据”。这个过程实质上是从图像像素集合中,基于色彩差异准则,确定出代表目标对象的像素子集(即目标区域的子集)。虽然对比文件的操作层面是像素分类,但其核心思想与目标专利中从多个候选区域(限界区)中基于色差准则确定一个子集(最终的目标区域)是相通的。本领域技术人员可以从对比文件的像素级分类推理出区域级筛选的概念。因此,该技术特征被对比文件隐含公开。
**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>**《直接公开》**说明书第[0070]-[0075]段,特别是第[0073]段方程(6)和第[0074]段方程(7)。第[0080]段方程(9)定义了基于目标对象与背景直方图比较的似然比函数L_t^c(i_c)。第[0085]段方程(13)-(14)定义了加权似然比R_t(I)。对比文件明确公开了通过计算目标对象(可视为“限界区”)直方图与背景(可视为“环绕区”)直方图之间的差异(即方程(6)和(9)的log似然比),来区分目标对象和背景。方程(13)的加权似然比R_t(I)正是这种色彩距离的量化体现。其在对比文件中的作用是用于分类像素以确定可靠的目标对象区域,这与该技术特征在目标专利中用于区分不同限界区的作用相同。因此,该技术特征被对比文件直接公开。
**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》**说明书第[0042]-[0044]段:描述了基于加权似然图像(WLI)和粒子状态概率来估计目标对象的下一个位置(即跟踪)。第[0052]段:“... estimates a next position of the target tracking-object ...”。(…估计目标对象的下一个位置…)对比文件明确公开了在确定目标对象的可靠数据(即从像素中筛选出的目标对象子集)后,基于此进行对象跟踪(估计下一帧中的位置)。对象跟踪是目标专利说明书第[0070]段明确列举的图像处理操作之一。因此,基于确定的区域(子集)进行图像处理(对象跟踪)已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》**未发现相关描述。对比文件完全没有提及根据候选区域(或粒子)与某个选定区域(如触摸点)之间的中心距离或居中性来筛选或评估这些区域。其筛选机制完全基于色彩直方图比较,不涉及空间位置上的居中性准则。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>**《直接公开》**同技术特征C的引用,特别是第[0070]-[0075]段和第[0080]段。该技术特征是技术特征C的具体实现方式。对比文件已经直接公开了通过比较目标对象区域(限界区)的色彩直方图与背景区域(环绕区)的色彩直方图(方程(6)、(9)),来进行区分和确定可靠数据。因此,该技术特征被对比文件直接公开。
**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》**未发现相关描述。对比文件在生成粒子(候选区域)或筛选可靠数据时,未提及计算所有候选区域的平均大小(均值或中值),并基于此平均大小来接受或拒绝候选区域。其粒子状态模型中的窗口大小变化(方程(1)中的σ_w^2, σ_h^2)是基于历史运动统计,而非当前候选集的平均大小。因此,该技术特征未被对比文件公开。
**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》**未发现相关描述。由于技术特征G(基于平均大小)未被公开,作为其具体类型的技术特征H自然也未被公开。
**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》**说明书第[0042]-[0044]、[0052]段:明确描述了基于确定的目标对象区域进行“对象跟踪”。对比文件明确且唯一地公开了“对象跟踪”这一图像处理操作。目标专利权利要求中列举了包括对象跟踪在内的多个处理操作,采用“或”的表述。只要对比文件公开了其中一种(对象跟踪),即满足了该技术特征的公开要求。因此,该技术特征被对比文件直接公开。
**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》**未发现相关描述。对比文件产生多个子搜索区域(粒子)是基于粒子滤波和运动动力学模型(方程(1)),或基于初始目标对象模板。并未提及使用基于图像梯度的算法(如BING)来产生初始候选区域。因此,该技术特征未被对比文件公开。
**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》**未发现相关描述。对比文件在确定目标对象区域的过程中,没有涉及任何基于“居中性准则”或“第一大小准则”来拒绝候选区域(粒子)的步骤。其核心筛选机制是色彩直方图比较和迭代分类。因此,该技术特征未被对比文件公开。
**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》**未发现相关描述。对比文件通过色彩直方图比较确定“可靠数据”,这可以视为一种基于色差准则的选择。然而,权利要求L是作为步骤K的后续并列步骤,且包含了“第二大小准则”。对比文件完全没有涉及任何“大小准则”。同时,对比文件的选择是像素级的“可靠数据”集合,并非从一组预先生成的、离散的“限界区”中选择若干个。其选择机制与目标专利权利要求限定的“选择限界区”存在差异。综合来看,该技术特征未被对比文件公开。
**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》**未发现相关描述。由于“第二大小准则”本身未被公开(见技术特征L),其具体实现方式(经加权中值或均值大小)自然也未被公开。
**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》**未发现相关描述。对比文件没有涉及任何使用“居中性准则”进行拒绝的步骤,更没有“未能产生多个其余限界区”这样的判断逻辑。因此,该技术特征未被对比文件公开。
**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>**《直接公开》**同技术特征C的引用,特别是第[0070]-[0075]段和第[0080]段方程(9)。第[0085]段方程(13)-(14)定义了计算R_t(I)(即色彩距离的加权形式)。虽然对比文件没有“其余限界区”的概念,但其核心操作就是为所关注的目标对象区域(相当于限定的区域)计算其与背景区域(环绕区)之间的色彩距离(通过直方图比较,见方程(6)、(9)、(13))。该操作在对比文件中的作用是评估区域特征以进行分类,与目标专利中计算色彩距离的作用相同。因此,该技术特征被对比文件直接公开。
**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》**未发现相关描述。对比文件在确定可靠数据时,是通过设定阈值(如方程(7)、(15)中大于0或小于0)来分类像素,并非从一组候选区域中选取一个“色彩距离最大”的区域。其选择机制是基于分类而非排序择优。因此,该技术特征未被对比文件公开。

<<<C>>><<<D>>><<<F>>><<<I>>><<<O>>><<<a>>><<<b>>>

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