对比文件名称：2011-03-31_US2011075851A_发明申请_US20110075851A1 AUTOMATIC LABELING AND CONTROL OF AUDIO ALGORITHMS BY AUDIO RECOGNITION
目标专利名称：333使用多模匹配方案的对象辨识CN104246796B
本次调用的模型名称：专利创造性评估模型
### 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：所述方法包括：从在场景处记录的音频计算多个声学辨识特征<br>《直接公开》 | 说明书第[0020]段：“...perform a first stage, first pass windowed signal analysis. This first pass analysis may use techniques such as...Mel-frequency cepstral coefficients (MFCC)...”； 说明书第[0043]段：“...mel-frequency cepstral coefficients (MFCC), which correlate to perceptually relevant features derived from the Short Time Fourier Transform...an embodiment of the present invention may use the accepted standard 12-coefficients...” | 对比文件公开了从音频信号（可视为在场景处记录的音频）中计算声学辨识特征，具体提到了MFCC（梅尔频率倒谱系数）作为从短时傅里叶变换导出的感知相关特征。该特征在对比文件中用于后续的识别和标记，与目标专利中用于声音源类型识别的作用相同。因此，本领域技术人员能毫无疑义地得出该技术特征。 |
| 技术特征B：将所述声学辨识特征与对应于一或多个对象的预定声学辨识特征进行比较以确定对象的声音源类型<br>《直接公开》 | 说明书第[0056]段：“...perform any number of machine-learning, data-mining, and/or artificial intelligence methodologies...”； 说明书第[0058]-[0064]段详细描述了使用支持向量机(SVM)等分类器，基于输入特征向量（包含MFCC等特征）来识别声音对象（如小军鼓），并输出其类别标签或概率。例如第[0060]段：“...a SVM classifier might be trained to identify snare drums...outputs a probability measure of the signal being a snare drum given the input feature vector...”。 | 对比文件公开了将提取的声学特征（如MFCC）输入到预训练的机器学习分类器（如SVM）中，与预先定义的、对应于不同声音对象（如乐器、人声）的模型（即预定声学辨识特征）进行比较，以确定音频信号中声音源的类型（例如“小军鼓”）。该过程在对比文件中用于声音对象识别和标记，与目标专利中“确定对象的声音源类型”的作用相同。因此，本领域技术人员能毫无疑义地得出该技术特征。 |
| 技术特征C：基于所述声音源类型选择所述对象中的稳定关键点<br>《未公开》 | 无相关原文引用。 | 对比文件全文仅涉及音频信号的分析、识别和标记，未提及任何与图像或视频处理相关的“关键点”概念，更未涉及基于音频识别出的声音源类型来从视觉图像中选择“稳定关键点”。该技术特征融合了音频与视觉模态的信息，是对比文件纯音频处理方案所不具备的。因此，对比文件既未直接公开也未隐含公开该特征。 |
| 技术特征D：基于选定关键点和所述声音源类型识别所述对象。<br>《未公开》 | 无相关原文引用。 | 如特征C所述，对比文件未公开“关键点”的选择。因此，也就不存在基于选定关键点和声音源类型来识别对象的技术方案。该特征是多模态（视听融合）识别过程的核心步骤，超出了对比文件纯音频识别的范围。 |
| 技术特征E：其进一步包括：基于在所述场景处记录的音频选择对应于一或多个对象的一或多个关键点标志<br>《未公开》 | 无相关原文引用。 | “关键点标志”是目标专利中用于视觉匹配的数据库中的视觉特征模板（如图6中的关键点标志数据库534）。对比文件仅处理音频，未涉及任何视觉特征模板或数据库的选择。因此，该特征未被公开。 |
| 技术特征F：识别所述场景的图像中的多个关键点<br>《未公开》 | 无相关原文引用。 | 对比文件未涉及对场景图像的获取或处理，也未提及“关键点”检测这一计算机视觉概念。因此，该特征未被公开。 |
| 技术特征G：将所述关键点与所述关键点标志进行比较以识别所述对象。<br>《未公开》 | 无相关原文引用。 | 对比文件未公开特征E和F，因此也就不存在将图像关键点与关键点标志进行比较以识别对象的步骤。这是纯粹基于视觉的特征匹配过程，未被对比文件公开。 |
| 技术特征H：其进一步包括：基于在所述场景处记录的所述音频选择场景图像的一部分<br>《未公开》 | 无相关原文引用。 | 对比文件未涉及任何图像处理，因此不可能基于音频来选择图像的一部分（即关注区ROI）。该特征体现了利用音频信息引导视觉处理空间范围的思想，是对比文件所没有的。 |
| 技术特征I：仅从所述图像的所述部分内选择所述关键点。<br>《未公开》 | 无相关原文引用。 | 由于特征H和F均未被公开，因此这一进一步限定关键点选择范围的特征也未被公开。 |
| 技术特征J：其中基于在所述场景处记录的所述音频选择所述图像的一部分包含：从所述音频确定音频到达方向DOA<br>《未公开》 | 无相关原文引用。 | 对比文件虽然处理音频，但全文未提及使用麦克风阵列、到达方向（DOA）估计或声源定位技术。其输入可以是单通道或多通道，但并未描述利用空间信息来确定方向。因此，该特征未被公开。 |
| 技术特征K：基于所述音频DOA选择所述图像的所述部分。<br>《未公开》 | 无相关原文引用。 | 由于特征J未被公开，该依赖DOA进行图像区域选择的特征也未被公开。 |
| 技术特征L：其中确定所述音频DOA包含：在位于所述场景处的多个麦克风处接收所述音频，借此产生多个麦克风信号<br>《未公开》 | 无相关原文引用。 | 对比文件未提及使用麦克风阵列接收音频以进行DOA估计。其系统架构（图1）中的音频信号源110可以是任何来源，并未特指或要求是多麦克风阵列。因此，该特征未被公开。 |
| 技术特征M：基于所述麦克风信号确定所述音频DOA。<br>《未公开》 | 无相关原文引用。 | 由于特征L未被公开，该基于麦克风信号确定DOA的特征也未被公开。 |
| 技术特征N：其进一步包括：从所述场景的视频记录计算多个局部运动向量<br>《未公开》 | 无相关原文引用。 | 对比文件未涉及任何视频记录的处理，也未提及“局部运动向量(LMV)”的概念。因此，该特征未被公开。 |
| 技术特征O：通过将所述局部运动向量与对应于一或多个对象的预定局部运动向量数据库进行比较且通过将所述关键点与一或多个关键点标志进行比较来识别所述对象。<br>《未公开》 | 无相关原文引用。 | 该特征融合了运动向量直方图匹配和关键点匹配两种视觉模态信息来识别对象。对比文件既未公开局部运动向量及其数据库（特征N），也未公开关键点与关键点标志的比较（特征E、F、G）。因此，该多模态识别方法完全未被公开。 |
| 技术特征P：其中基于将所述关键点与一或多个关键点标志进行比较来识别所述对象。<br>《未公开》 | 无相关原文引用。 | 这是特征G的另一种表述，基于纯视觉匹配进行识别。对比文件未公开相关视觉匹配内容。 |
| 技术特征Q：其中所述声学辨识特征包含梅尔频率倒谱系数。<br>《直接公开》 | 说明书第[0020]段、[0043]段（同特征A引用）。 | 对比文件明确将MFCC（梅尔频率倒谱系数）列举为首选和标准的声学特征提取技术之一。该特征在对比文件中的作用是作为声音对象识别的基础特征，与目标专利中的作用相同。因此被直接公开。 |
| 技术特征R：其进一步包括：确定出现在图像中的一或多个对象的范围信息<br>《未公开》 | 无相关原文引用。 | 对比文件未涉及对图像中对象的深度或范围信息的确定。该特征属于视觉深度感知范畴，未被公开。 |
| 技术特征S：基于所述范围信息分析所述关键点。<br>《未公开》 | 无相关原文引用。 | 由于特征R（范围信息）和特征F（关键点）均未被公开，因此这一基于深度信息分析关键点的特征也未被公开。 |
| 技术特征T：其中确定范围信息是选自由以下各项组成的群组：使用自动聚焦相机确定范围信息，使用多相机图像视差估计确定范围信息，和前述各项的任一组合。<br>《未公开》 | 无相关原文引用。 | 该特征具体限定了获取范围信息的两种具体视觉技术手段。对比文件全文未涉及相机、自动聚焦或视差估计。因此，该特征未被公开。 |
<<<A>>><<<B>>><<<Q>>>