**对比文件名称**：2010-07-01_JP2010148132A_发明专利_JP2010148132A Imaging device, image detector and program
**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》 | [2] “集音部６は、例えば、マイクやアンプ（図示略）等を備え、周囲から発せられた所定の音を集音して音声データを生成し、音声データをＣＰＵ７１に出力する。”<br>[2] “ＣＰＵ７１が検出用情報特定プログラム７２ｂを実行することで、集音部６の複数のマイクにより集音されて生成された音声データを分析して、当該分析結果に基づいて主要被写体の話者方向を特定したり、検出用情報特定用データｄを参照して、主要被写体の性別、年齢及び国籍を特定する。” | 对比文件明确公开了从场景处记录音频（集音部6收集声音并生成音频数据），并由CPU 71对音频数据进行分析，以指定说话者方向、性别、年龄、国籍等。这些“话者方向、性別、年齢及び国籍”正是从音频计算出的多个声学辨识特征。其作用在于辅助后续的图像检测（如人脸检测），与目标专利中利用声学特征来辅助对象辨识的作用相同。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》 | [2] “検出用情報特定用データｄは、性別、年齢別、国籍別などに区分された複数種の基準音響モデルデータである。”<br>[2] “検出用情報特定プログラム７２ｂは、ＣＰＵ７１を検出用情報特定手段として機能させるものである。即ち、検出用情報特定プログラム７２ｂは、集音部６により集音された音に基づいて、顔検出処理による人物の顔の検出用の音関連検出用情報、例えば、発音方向、性別、年齢及び国籍等を特定する処理に係る機能をＣＰＵ７１に実現させるためのプログラムである。” | 对比文件公开了将计算出的声学特征（如声音的频率特性）与预定的基准音响模型数据（按性别、年龄等分类）进行比较，以确定声音源（即人物）的类型（如性别、年龄、国籍）。这一过程在对比文件中用于指定“音関連検出用情報”，其作用是为后续图像检测提供目标对象类型的先验信息，与目标专利中通过比较确定声音源类型以缩窄视觉搜索范围的作用相同。因此，该技术特征被直接公开。 |
| **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>《未被公开》 | 无对应内容。 | 目标专利中的“稳定关键点”是指在图像处理（如SIFT分析）中检测出的、对变化鲁棒的关键点子集。对比文件虽然基于声音源类型（如性别、年龄）改变了人脸检测的基准（例如面部部件位置关系、肤色基准），但这属于调整检测算法参数或搜索策略，并非从已检测出的多个图像关键点中“选择”出一个稳定的子集。对比文件未公开任何关于“关键点”检测后并进行“选择”的技术手段。因此，该技术特征既未被直接公开，也未被隐含公开。 |
| **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>《未被公开》 | 无对应内容。 | 由于技术特征C（选择稳定关键点）未被对比文件公开，因此基于“选定关键点”进行对象识别的整体技术方案无法在对比文件中找到。对比文件的对象识别（人脸检测）是基于调整后的检测基准直接进行，不涉及“选定关键点”这一中间步骤。因此，该技术特征未被公开。 |
| **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>《隐含公开》 | [2] “顔画像情報特定プログラム７２ｄは、ＣＰＵ７１を顔画像情報特定手段として機能させるものである。即ち、顔画像情報特定プログラム７２ｄは、集音部６により集音された音の音声データに基づいて、データ記憶部８に音声データと対応付けて記録されている顔画像データを特定する処理に係る機能をＣＰＵ７１に実現させるためのプログラムである。”<br>[2] “ＣＰＵ７１がプログラムメモリ７２内の顔検出プログラム７２ａを実行することで、顔画像情報特定処理にて特定された顔画像データを基準として被写体内から主要被写体である人物の顔の検出を行う。” | 对比文件在变形例1中公开了：基于记录的音频（声音数据），从数据库（数据存储部8）中指定预先存储的、与该声音数据对应的面部图像数据，并以该面部图像数据为基准进行人脸检测。这里的“预先存储的面部图像数据”或其特征数据，其作用与目标专利中预存的“关键点标志”相同，都是用于与当前图像进行匹配以识别对象的模板。虽然对比文件未使用“关键点标志”这一术语，但本领域技术人员能够合理推断，基于音频信息从数据库中选择预存的图像特征数据（即关键点标志）用于对象匹配，是达成其发明目的（提高检测精度）的一种可能且合理的技术手段。因此，该技术特征被隐含公开。 |
| **技术特征F**：识别所述场景的图像中的多个关键点<br>《直接公开》 | [2] “顔検出プログラム７２ａは、ＣＰＵ７１を主要被写体検出手段として機能させるものである。即ち、顔検出プログラム７２ａは、撮像部１により生成された撮像画像データに基づいて、被写体画像内の主要被写体として人物の顔を検出する処理に係る機能をＣＰＵ７１に実現させるためのプログラムである。具体的には、ＣＰＵ７１が顔検出プログラム７２ａを実行することで、複数の撮像画像データのうち、一の撮像画像データについて顔探索枠を所定方向に走査して、目、鼻、ロなどに相当する特徴部分（顔パーツ）を特定して、各顔パーツの位置関係から顔であるか否かを判定し…” | 对比文件公开了在图像中扫描并识别“目、鼻、ロなどに相当する特徴部分（顔パーツ）”。这些“特征部分”即图像中的局部特征点，其作用在于通过它们的组合与位置关系来判定和定位对象（人脸）。这与目标专利中识别图像“关键点”以用于对象辨识的作用实质相同。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>《直接公开》 | [2] “ＣＰＵ７１がプログラムメモリ７２内の顔検出プログラム７２ａを実行することで、顔画像情報特定処理にて特定された顔画像データを基準として被写体内から主要被写体である人物の顔の検出を行う。” | 如上文特征E和F所述，对比文件公开了识别图像中的特征部分（关键点），并以基于音频指定的预先存储的面部图像数据（关键点标志）为基准进行检测/识别。这一过程必然包含将当前图像特征与存储的模板特征进行比较的步骤。其作用正是为了识别对象，与目标专利相同。因此，该技术特征被直接公开。 |
| **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>《直接公开》 | [2] “ＣＰＵ７１が重要度変更プログラム７２ｃを実行することで、顔検出処理において、顔検出を主要被写体の話者方向を中心として実行したり…” | 对比文件明确公开了基于音频确定的说话者方向（音関連検出用情報），将人脸检测的中心/焦点放在该方向上。这实质上就是基于音频信息选择了图像的一个特定区域（以说话者方向为中心的区域）进行重点搜索。其作用在于缩窄图像搜索空间，与目标专利中基于音频选择关注区（ROI）的作用相同。因此，该技术特征被直接公开。 |
| **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>《直接公开》 | [2] “ＣＰＵ７１が重要度変更プログラム７２ｃを実行することで、顔検出処理において、顔検出を主要被写体の話者方向を中心として実行したり…” | 既然人脸检测被设置为以说话者方向为中心执行，那么识别出的面部特征部分（关键点）自然主要来自于图像的该部分区域。这相当于将关键点的识别范围限定在基于音频选定的图像部分内。其作用与目标专利相同，都是为了提高处理效率和准确性。因此，该技术特征被直接公开。 |
| **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>《直接公开》 | [2] “マイクは、指向性を有し、人物（主要被写体）の発音方向、即ち、話者方向の特定のために複数設けられている。”<br>[2] “ＣＰＵ７１が検出用情報特定プログラム７２ｂを実行することで、集音部６の複数のマイクにより集音されて生成された音声データを分析して、当該分析結果に基づいて主要被写体の話者方向を特定したり…” | 对比文件明确公开了使用多个有指向性的麦克风阵列接收音频，并通过分析多个麦克风的信号来确定说话者方向（話者方向），这即是音频到达方向（DOA）估计。其作用是为选择图像区域提供依据，与目标专利中的作用相同。因此，该技术特征被直接公开。 |
| **技术特征K**：基于所述音频DOA选择所述图像的所述部分。<br>《直接公开》 | [2] “ＣＰＵ７１が重要度変更プログラム７２ｃを実行することで、顔検出処理において、顔検出を主要被写体の話者方向を中心として実行したり…” | 对比文件明确公开了基于确定出的说话者方向（音频DOA），将人脸检测的中心设置在该方向。这即是基于音频DOA选择图像部分（以该方向为中心的区域）。其作用与技术特征H、I一致。因此，该技术特征被直接公开。 |
| **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>《直接公开》 | [2] “マイクは、指向性を有し、人物（主要被写体）の発音方向、即ち、話者方向の特定のために複数設けられている。”<br>[2] “集音部６は、例えば、マイクやアンプ（図示略）等を備え、周囲から発せられた所定の音を集音して音声データを生成し…” | 对比文件明确记载了为确定说话者方向而设置了多个麦克风，并由集音部6收集声音生成音频数据（即多个麦克风信号）。这公开了使用位于场景处的麦克风阵列接收音频并产生多通道信号的技术特征。因此，该技术特征被直接公开。 |
| **技术特征M**：基于所述麦克风信号确定所述音频DOA。<br>《直接公开》 | [2] “ＣＰＵ７１が検出用情報特定プログラム７２ｂを実行することで、集音部６の複数のマイクにより集音されて生成された音声データを分析して、当該分析結果に基づいて主要被写体の話者方向を特定したり…” | 对比文件明确记载了CPU分析由多个麦克风生成的音频数据（即麦克风信号），从而确定说话者方向（音频DOA）。这完整公开了基于麦克风信号确定DOA的技术特征。因此，该技术特征被直接公开。 |
| **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>《未被公开》 | 无对应内容。 | 对比文件全文仅涉及静态图像的拍摄和音频处理，未提及视频记录，也未提及计算局部运动向量（LMV）。因此，该技术特征既未被直接公开，也未被隐含公开。 |
| **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>《未被公开》 | 无对应内容。 | 由于技术特征N（计算局部运动向量）未被公开，因此涉及局部运动向量比较的这部分技术方案在对比文件中不存在。虽然“将关键点与关键点标志比较”已被公开（特征G），但整体技术方案结合了运动信息，对比文件未公开该组合。因此，该技术特征未被公开。 |
| **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>《直接公开》 | 同技术特征G的引用与论述。 | 该技术特征是对特征G的进一步限定或另一种表述。对比文件已公开了将图像中识别的特征部分（关键点）与基于音频选择的预存面部图像数据（关键点标志）进行比较以识别人脸对象。因此，该技术特征被直接公开。 |
| **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>《未被公开》 | 无对应内容。 | 对比文件公开的声学辨识特征是“话者方向、性別、年齢及び国籍”，并通过分析音频数据的频率特性或与基准音响模型比较获得。虽然MFCC是本领域常见的声学特征之一，但对比文件文本中并未具体提及“梅尔频率倒谱系数”（MFCC）。因此，该具体特征未被公开。 |
| **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>《未被公开》 | 无对应内容。 | 对比文件涉及人脸检测，但未提及确定对象的深度、距离等“范围信息”。其自动对焦（AF）处理是基于检测到的人脸区域，但这属于相机对焦控制，并非为对象辨识而确定并利用范围信息。因此，该技术特征未被公开。 |
| **技术特征S**：基于所述范围信息分析所述关键点。<br>《未被公开》 | 无对应内容。 | 由于技术特征R（确定范围信息）未被公开，因此基于范围信息分析关键点的技术特征也未被公开。 |
| **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>《未被公开》 | 无对应内容。 | 对比文件未涉及使用自动聚焦或多相机视差来为对象辨识确定范围信息的具体技术手段。因此，该技术特征未被公开。 |
<<<A>>><<<B>>><<<F>>><<<G>>><<<H>>><<<I>>><<<J>>><<<K>>><<<L>>><<<M>>><<<P>>><<<e>>>