返回项目页面
对比文件列表
2011-09-01_US2011211754A_发明申请_US20110211754A1 Tracking body parts by combined color image and depth processing_+++A_B_C_D_E_F_G_I_R_S_T_U_V_Z_h_w_x_y+++.docx
2026-07-18 15:35
2012-03-08_US2012060077A_发明申请_US20120060077A1 METHOD AND APPARATUS FOR VIDEO SYNTHESIS_+++B_C_F_I_M_a_d_e_g_h_j_k_n_u_v_w_x+++.docx
2026-07-18 15:35
2012-08-02_US2012195471A_发明申请_US20120195471A1 Moving Object Segmentation Using Depth Images_+++B_C_D_E_F_G_I_R_S_T_U_W_a+++.docx
2026-07-18 15:35
2013-03-19_US8401225B_发明授权_US08401225B2 Moving object segmentation using depth images_+++B_C_D_E_F_G_H_I_M_R_S_T_U_V_W_X_Y_Z_a+++.docx
2026-07-18 15:35
2013-10-29_US8570320B_发明授权_US08570320B2 Using a three-dimensional environment model in gameplay_+++B_C_D_E_F_I_R_S_T_U_W_Z_a_g_m_v+++.docx
2026-07-18 15:35
2014-09-11_US2014254919A_发明申请_US20140254919A1 DEVICE AND METHOD FOR IMAGE PROCESSING_+++D_E_F_S_U_V_W_b_g_r_t+++.docx
2026-07-18 15:35
2015-09-24_US2015269739A_发明申请_US20150269739A1 APPARATUS AND METHOD FOR FOREGROUND OBJECT SEGMENTATION_+++B_C_D_E_F_I_S_V_W_Z_a_g_h_u_y+++.docx
2026-07-18 15:35
2016-05-18_CN105590312A_发明公开_CN105590312A 前景图像分割方法和装置_+++B_C_D_E_F_G_H_I_S_U_V_Z_a_w+++.docx
2026-07-18 15:35
2016-08-18_US2016241776A_发明申请_US20160241776A1 DEVICE AND METHOD FOR DETECTING FOCUS OF ELECTRONIC DEVICE_+++A_B_C_D_E_F_G_I_S_U_V_W_X_Y+++.docx
2026-07-18 15:35
2017-01-24_US9552655B_发明授权_US09552655B2 Image processing via color replacement_+++A_B_C_D_E_F_G_H_I_U_V_W_Z_y+++.docx
2026-07-18 15:35
2017-05-04_US2017124717A_发明申请_US20170124717A1 METHOD AND SYSTEM OF BACKGROUND-FOREGROUND SEGMENTATION FOR IMAGE PROCESSING_+++A_B_C_D_E_F_G_I_S_V_W_Z_h_u+++.docx
2026-07-18 15:35
2017-06-22_WO2017103065A_发明申请_WO2017103065A1 GENERATING OUTPUT VIDEO FROM VIDEO STREAMS_+++B_C_D_G_H_I_J_K_L_M_N_e_f+++.docx
2026-07-18 15:35
2013-03-19_US8401225B_发明授权_US08401225B2 Moving object segmentation using depth images_+++B_C_D_E_F_G_H_I_M_R_S_T_U_V_W_X_Y_Z_a+++.docx

对比文件名称:2013-03-19_US8401225B_发明授权_US08401225B2 Moving object segmentation using depth images

目标专利名称:2013获得场景中的对象的图像数据方法、系统以及可读介质CN111295872B

本次调用的模型名称:DeepSeek AI

### 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(翻译)公开性论述
技术特征A:距离传感器与图像传感器具有已知的空间关系《隐含公开》对比文件[0032]:“在一些示例中,除了深度相机302之外,移动环境捕获设备300包括一个彩色视频相机,称为RGB相机306。RGB相机306被布置为以可见光频率捕获场景的图像序列。” 对比文件[0065]描述将RGB图像与深度图像结合使用。虽然对比文件未明确表述“已知的空间关系”,但本领域技术人员公知,在集成设备中,深度相机与RGB相机通常具有固定的相对位置和姿态,且需经标定才能实现深度图与RGB图像的对齐(如[0065]所暗示的结合使用)。因此,本领域技术人员可合理推断该特征被隐含公开。
技术特征B:距离传感器被配置用于捕获场景的深度信息《直接公开》对比文件[0027]:“深度相机302被布置为捕获场景的深度图像序列。”对比文件明确公开了深度相机(距离传感器)用于捕获深度信息,本领域技术人员毫无疑义地得出该特征被直接公开。
技术特征C:图像传感器被配置用于捕获场景的可见光信息《直接公开》对比文件[0032]:“RGB相机306被布置为以可见光频率捕获场景的图像序列。”对比文件明确公开了RGB相机(图像传感器)用于捕获可见光信息,本领域技术人员可直接得出该特征。
技术特征D:获得通过距离传感器获取的场景的深度图《直接公开》对比文件[0043]:“首先,接收待分割场景的深度图像400(由移动深度相机捕获)。”对比文件直接公开了接收深度图像(即获得深度图)的步骤,本领域技术人员可毫无疑义地确定该特征被公开。
技术特征E:分析深度图以识别场景中的感兴趣区域《直接公开》对比文件[0046]:“在ICP算法确定对应点时,发现发散的点被称为异常点。这些异常点被用于分割操作。” 对比文件[0060]:“异常点被存储并提供给对象分割系统。”对比文件明确通过ICP算法分析深度图,将异常点(对应移动对象)识别为感兴趣区域,本领域技术人员可直接得出该特征。
技术特征F:感兴趣区域包含对象《直接公开》对比文件[0021]:“移动对象分割系统114接收深度图像并执行分割以识别正在移动的对象。”对比文件明确异常点或分割出的区域对应移动对象(即包含对象),本领域技术人员可直接确定该特征。
技术特征G:生成指示感兴趣区域的选择数据《直接公开》对比文件[0060]:“异常点被存储并提供给对象分割系统。”对比文件将异常点作为输入数据,即生成指示感兴趣区域(异常点)的选择数据,本领域技术人员可直接得出该特征。
技术特征H:基于选择数据,选择性地获得感兴趣区域的图像数据《直接公开》对比文件[0065]:“在另一示例中,异常点可以结合RGB图像使用,在RGB图像中定位异常点对应的位置,并对该位置应用高级分割算法。”对比文件明确基于异常点(选择数据)在RGB图像中定位感兴趣区域并处理,即选择性获得该区域的图像数据,本领域技术人员可直接得出该特征。
技术特征I:图像数据是通过图像传感器获取的《直接公开》对比文件[0032]:“RGB相机306被布置为以可见光频率捕获场景的图像序列。”对比文件明确RGB图像由RGB相机(图像传感器)获取,本领域技术人员可直接得出该特征。
技术特征J:选择性地获得包括经由带宽受限链路选择性地接收感兴趣区域的图像数据《不公开》对比文件未明确记载选择性接收感兴趣区域图像数据,也未提及带宽受限链路的选择性接收。对比文件[0041]虽提到流式传输深度图像,但未涉及选择性接收,本领域技术人员无法从对比文件直接或隐含得出该特征。
技术特征K:配置图像传感器以选择性地获取感兴趣区域内的可见光信息《不公开》对比文件未记载配置图像传感器选择性获取感兴趣区域可见光信息的内容。对比文件未提供任何关于配置图像传感器进行选择性获取的教导,本领域技术人员无法得出该特征。
技术特征L:从存储器中选择性地读出感兴趣区域的图像数据《不公开》对比文件未记载选择性读出感兴趣区域图像数据的内容。对比文件未涉及从存储器选择性读出,本领域技术人员无法得出该特征。
技术特征M:可经由网络通过流式传输从媒体源访问图像传感器获取的图像数据《隐含公开》对比文件[0041]:“移动环境捕获设备300可以连接到具有较低处理能力的计算设备,并通过通信网络流式传输深度图像到服务器。”对比文件虽仅明确深度图像流式传输,但本领域技术人员可合理推断,RGB图像(图像传感器获取的数据)也可通过类似方式流式传输,且服务器可作为媒体源,因此该特征被隐含公开。
技术特征N:向媒体源发信号通知选择数据以请求选择性流式传输《不公开》对比文件未记载向媒体源发信号通知选择数据的内容。对比文件未涉及任何发信号通知机制,本领域技术人员无法得出该特征。
技术特征O:基于图块的流式传输,选择数据包括图块标识符《不公开》对比文件未提及基于图块的流式传输或图块标识符。对比文件完全未涉及图块概念,本领域技术人员无法得出该特征。
技术特征P:一个或多个图块包括感兴趣区域的图像数据《不公开》对比文件未提及图块。同特征O,不公开。
技术特征Q:基于空间关系描述数据生成选择数据《不公开》对比文件未提及空间关系描述数据。对比文件未涉及空间关系描述数据,本领域技术人员无法得出该特征。
技术特征R:获得对象不存在时获取的第一深度图《隐含公开》对比文件[0043]:“在替代示例中,先前深度图像可以从密集3D模型生成,该模型可能不包含移动对象,通过请求GPU生成。”对比文件虽未明确“对象不存在”,但本领域技术人员可合理推断,从密集3D模型生成的深度图通常仅包含静态背景,即对象不存在时的深度图,因此该特征被隐含公开。
技术特征S:获得对象存在时获取的第二深度图《直接公开》对比文件[0043]:“首先,接收待分割场景的深度图像400(当前深度图像)。”当前深度图像通常包含移动对象,本领域技术人员可直接得出该特征。
技术特征T:基于第一深度图与第二深度图的比较识别感兴趣区域《直接公开》对比文件[0044]-[0046]描述通过ICP算法比较当前深度图像与先前深度图像,检测异常点(即感兴趣区域)。对比文件明确公开了基于两帧深度图的比较来识别移动对象区域,本领域技术人员可直接得出该特征。
技术特征U:将对象检测技术应用于深度图《直接公开》对比文件[0045]:“ICP算法是一个迭代过程,确定两帧深度图之间的对应点。”ICP算法属于对象检测技术,对比文件直接公开了将其应用于深度图,本领域技术人员可毫无疑义地得出该特征。
技术特征V:基于深度值识别对象《直接公开》对比文件[0053]:“比较欧氏距离与预定阈值”和[0055]:“比较表面法线角度与预定阈值”。对比文件明确基于距离阈值(深度值)和角度阈值识别异常点(对象),本领域技术人员可直接得出该特征。
技术特征W:深度图在第一时间实例获取《直接公开》对比文件[0043]:“接收当前深度图像400。”当前深度图像在第一时间实例获取,本领域技术人员可直接得出该特征。
技术特征X:选择获得的图像数据在第二时间实例获取《隐含公开》对比文件[0066]:“对分割出的移动对象执行单独的ICP算法以跟踪其运动。”跟踪运动需要后续时间实例的数据,本领域技术人员可合理推断,选择性获得的图像数据(如RGB)可以在稍后的第二时间实例获取,该特征被隐含公开。
技术特征Y:生成选择数据包括补偿对象移动《隐含公开》对比文件[0060]:“异常点被存储,表示深度图像中发生变化的区域。”异常点本身反映对象移动,生成选择数据(异常点)隐含了对移动的检测,但未明确补偿。本领域技术人员可合理推断,在后续处理中可能涉及补偿,因此该特征被隐含公开。
技术特征Z:将背景去除技术应用于感兴趣区域的图像数据《直接公开》对比文件[0021]:“移动对象分割系统114执行分割操作以识别正在移动的对象,并与背景区分。”对比文件明确执行分割(即背景去除),将移动对象从背景中分离,本领域技术人员可直接得出该特征。

### 公开性代码汇总

根据上述判断,对比文件直接公开或隐含公开的技术特征对应代码(直接公开大写,隐含公开小写)如下:

<<<B>>> <<<C>>> <<<D>>> <<<E>>> <<<F>>> <<<G>>> <<<H>>> <<<I>>> <<<S>>> <<<T>>> <<<U>>> <<<V>>> <<<W>>> <<<Z>>> <<<a>>> <<<M>>> <<<R>>> <<<X>>> <<<Y>>>

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