好的，作为一名资深专利代理师，我将对您提供的对比文件与目标专利进行创造性评估。
**对比文件名称：** 2004-05-27_US2004100567A_发明申请_US20040100567A1 Camera system with eye monitoring
**目标专利名称：** 基于手持式装置中的眼睛俘获的增强现实处理 CN103262097B
**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 (翻译为中文) | 公开性论述 |
| **技术特征A《直接公开》**<br>使用装置的第一相机俘获第一图像，所述第一相机相对于所述装置的用户指向外 | 说明书第[0037]段：“相机系统20包括一个取景镜头单元22，其将来自被摄体（未示出）的光引导以在图像传感器24上形成图像。”；第[0069]段：“图像传感器24捕获的数字图像被转换为评估图像，以便在取景器显示器33上呈现。” | 对比文件公开的相机系统20包含图像传感器24（即第一相机），其功能是捕获场景（被摄体）的图像。这与目标专利中“第一相机相对于用户指向外”以俘获用户观看的场景（第一图像）的作用完全一致。本领域技术人员能够毫无疑义地得出该技术方案。 |
| **技术特征B《直接公开》**<br>使用所述装置的第二相机俘获第二图像，其中所述第二图像包含所述用户的眼睛 | 说明书第[0061]段：“相机系统20还包含一个眼睛监测系统70。……眼睛监测系统70包含一个视频眼睛成像器80……捕获的图像可以包括包含眼睛2的图像的视频图像。”；第[0068]段：“视频眼睛成像器80捕获眼睛的图像（步骤108）。” | 对比文件明确公开了眼睛监测系统70包含视频眼睛成像器80（即第二相机），其专门用于捕获包含用户眼睛2的图像（第二图像）。该图像用于确定眼睛注视方向等信息，与目标专利中用于产生概率图的作用本质相同（均为提供用户注意力信息）。因此被直接公开。 |
| **技术特征C《未公开》**<br>基于所述第一图像中的一个或一个以上对象而产生第一概率图 | 说明书第[0103]段：“例如，档案图像532可以使用图像处理技术（例如图像分割）进行分析，并且可以识别图片中的分割对象或区域……”；第[0104]段：“这些模式……可能表明图像中某个区域的重要性。” | 对比文件提到了对捕获的档案图像（相当于第一图像）进行图像分割以识别对象或区域，并基于眼睛注视路径模式来确定重要区域。然而，“产生第一概率图”在目标专利中具有特定含义：它基于图像内容（对象的存在）本身来界定“包含感兴趣对象的概率”区域（参见说明书[0047]段及图4A），这是一个独立于眼睛信息的、基于图像分析的初步概率评估。对比文件虽然分析了图像内容，但其分析目的直接是为了与眼睛信息结合或解释眼睛信息，并未独立地、明确地公开一个基于纯图像对象分析产生的、用于后续与其他图组合的“第一概率图”。因此，对比文件未直接或隐含公开该特征。 |
| **技术特征D《隐含公开》**<br>基于所述第二图像中的所述用户的所述眼睛而产生第二概率图 | 说明书第[0098]段：“眼睛信息包含眼睛注视方向信息。……从该信息可以确定眼睛注视方向路径。”；第[0108]-[0113]段：描述了分析眼睛注视路径、识别注视点、对注视点进行聚类和加权，从而确定图像中的重要区域。 | 目标专利的“第二概率图”是基于用户眼睛来界定用户兴趣更高概率的区域（参见说明书[0048]段）。对比文件详细公开了基于眼睛图像获取眼睛注视方向信息，进而通过分析注视点、聚类、加权等一系列处理，最终确定图像中的“重要区域”（area of importance）。这一过程本质上是将眼睛信息转化为对图像不同区域的重要性评估，这与“产生概率图”在功能和效果上完全相同。虽然对比文件未明确使用“概率图”一词，但本领域技术人员能够从“确定重要区域”这一目的和具体分析方法中，合理推断出需要生成一种表征各区域重要性（或兴趣概率）的图或数据映射，即隐含公开了“第二概率图”。 |
| **技术特征E《未公开》**<br>基于所述第一和第二概率图而产生组合概率图 | 说明书第[0104]段：“档案图像532可以……使用图像处理技术……进行分析并且可以识别……对象或区域作为档案图像中的基准点。然后可以分析眼睛注视方向路径以确定……哪个基准点是重要的。” | 对比文件公开了两种信息的结合：一是对图像内容的分析（识别对象/区域），二是对眼睛信息的分析（确定重要区域）。然而，目标专利的“组合概率图”特指将两个独立的概率图（第一概率图基于对象，第二概率图基于眼睛）进行组合（例如相乘，见图5及说明书[0055]段），产生一个新的、综合考虑了对象存在可能性和用户注意力的优先级图。对比文件虽然结合了两种信息，但其结合方式更倾向于用眼睛信息（注视路径）去解释或选择已通过图像分析识别出的对象，或者直接用眼睛信息分析结果来定义重要区域，并未公开先生成两个独立的概率表征图再进行数学或逻辑组合以生成组合图的技术方案。因此，该特征未被公开。 |
| **技术特征F《未公开》**<br>至少部分基于所述组合概率图而产生与所述第一图像中的所述一个或一个以上对象相关联的增强现实AR信息 | 说明书第[0004]段：“这些数字图像处理工具允许用户裁剪图像以改变图像中对象的相对重要性。”；第[0106]段：“例如，重要区域数据可以用于为自动缩放和裁剪算法确定重要区域。” | 对比文件公开了利用眼睛信息确定的“重要区域”可用于后续图像处理，例如**裁剪、缩放**。而目标专利的“增强现实（AR）信息”特指覆盖在图像上的补充信息，如标记、图形、文本等，用于识别或描述对象（参见说明书[0002], [0031], [0045]段）。两者应用领域和技术效果不同：对比文件应用于图像编辑（优化构图），目标专利应用于增强现实（信息叠加）。本领域技术人员无法从对比文件公开的图像裁剪、缩放应用中，毫无疑义地或通过合理推断得出产生“AR信息”的技术方案。因此，该特征未被公开。 |
| **技术特征G《隐含公开》**<br>其中基于所述组合概率图而产生所述AR信息包含基于所述组合优先级图而区分所述第一图像中的不同对象的优先级。 | 说明书第[0113]段：“然后可以基于加权的聚类来确定重要区域（步骤616）。例如，重要区域可以被确定为在地理上与具有最高权重的单个聚类或一组聚类相关的区域。” | 虽然对比文件未公开“AR信息”，但其核心思想在于利用眼睛信息来**区分图像中不同区域或对象的重要性/优先级**（参见第[0008], [0108]段）。确定“重要区域”的过程本身就隐含了优先级区分的概念，例如对聚类进行加权（步骤614），并根据权重确定最重要的区域（步骤616）。这种“基于重要性/优先级进行区分”的逻辑，与目标专利中基于组合概率图区分对象优先级以指导AR处理（例如先处理高优先级对象）的**核心思路是相通的**。因此，从宽泛的“优先级区分”方法理念层面，可以认为该特征被对比文件隐含公开。 |
| **技术特征H《隐含公开》**<br>其中所述概率图包含多个瓦片，且至少部分基于所述第二图像中的所述用户的所述眼睛而给予所述概率图的一个或一个以上瓦片比其它瓦片高的优先级。 | 说明书第[0103]段：“……档案图像532可以被分成多个部分，如图中所示的区域534，536，538，540，542和544。检查每个区域以确定包含在区域内的眼睛注视方向路径530的部分。”；第[0112]段：“然后对注视点进行地理聚类……”。 | 目标专利的“瓦片”是将图像划分为多个子区域。对比文件明确公开了将档案图像分成多个“区域”（areas）或“部分”（sections）（如图13中的534-544），并通过分析眼睛注视路径在不同区域的分布（停留时间、注视点密度）来确定哪些区域更重要。这实质上是基于眼睛信息，赋予不同区域（相当于瓦片）不同的重要性等级或优先级。虽然对比文件未使用“瓦片”一词，但本领域技术人员能够合理推断出，为了实现基于区域的优先级分析，将图像划分为多个子单元是必然的、常规的技术手段。因此，该特征被隐含公开。 |
| **技术特征I《隐含公开》**<br>其中所述第一概率图界定所述第一图像中的具有比所述第一图像中的其它区域高的包含感兴趣的对象的概率的一个或一个以上区域；并且所述第二概率图界定基于所述用户眼睛相对于所述第一图像中的其它区域具有更高的用户兴趣的概率的一个或一个以上区域。 | 说明书第[0005]段：“这些自动和半自动图像处理算法分析图像的内容……例如，大的椭圆形物体……可以被假定为对摄影师很重要。”；第[0108]段：“……人们主要将他们的眼睛注视点固定在他们认为是照片或绘画重要元素的东西上。这项研究表明，可以通过捕获用户的眼睛注视点……来预测场景元素的相对重要性。” | 对比文件第[0005]段公开了基于图像内容（如形状、肤色）自动分析并假设重要对象（相当于界定可能包含感兴趣对象的区域）。第[0108]段引用现有技术指出，眼睛注视点可以指示用户认为重要的元素（相当于界定用户兴趣更高的区域）。虽然这些描述分散在背景技术和引用的文献中，并未明示为本发明生成的两种独立“图”，但它们揭示了本发明所依赖的两种基本信息来源及其作用：图像内容分析可指示“对象可能存在”，眼睛监测可指示“用户可能感兴趣”。本领域技术人员在阅读对比文件整体内容后，能够合理推断出为利用这两种信息，可以分别生成对应两种概率评估的映射关系（即概率图）。因此，该特征的技术理念被隐含公开。 |
| **技术特征J《未公开》**<br>其进一步包括产生所述第一或第二图像中的至少一者的镜像版本，使得所述第一和第二图像从共同角度对准，其中所述第一和第二概率图中的至少一者是基于所述镜像版本而产生。 | 无相关内容。 | 对比文件未提及因相机朝向不同（如一个朝外一个朝内）而产生的图像视角不对准问题，也未记载任何对图像进行镜像处理以使视角对准的内容。该特征涉及解决双相机系统图像配准的具体技术手段，在对比文件中没有依据。 |
| **技术特征K《隐含公开》**<br>其中使所述第一和第二图像时间同步。 | 说明书第[0069]段：“在图像合成模式中，相机系统20使图像传感器24捕获一系列数字图像……（步骤104）。同时，眼睛监测系统70捕获眼睛的图像（步骤108）。”；第[0076]段：“在图像捕获序列期间捕获的眼睛信息。” | 对比文件明确记载了在图像合成（composition）阶段，场景图像（由图像传感器24捕获）和眼睛图像（由视频眼睛成像器80捕获）是**同时（concurrently）** 进行的。并且，眼睛信息是在“图像捕获序列期间”捕获并关联的。这保证了场景视图与用户注视该视图的眼睛状态在时间上是对应的，即实现了时间同步。这与目标专利中“时间同步”的作用（确保眼睛信息与当前场景相关）相同。因此，该特征被隐含公开。 |
| **技术特征L《隐含公开》**<br>其进一步包括针对第一图像序列和第二图像序列的每个图像来重复所述方法，其中所述第一图像序列与所述第二图像序列时间同步。 | 说明书第[0069]段：“在图像合成模式中，相机系统20使图像传感器24捕获**一系列**数字图像……（步骤104）。**同时**，眼睛监测系统70捕获眼睛的图像（步骤108）。”；第[0128]段：“眼睛信息包含……在图像捕获序列期间的**眼睛注视方向**。” | 对比文件描述的方法是在一个“图像捕获序列”中持续进行的。在序列期间，图像传感器持续捕获场景图像“流”（stream），同时眼睛监测系统持续捕获眼睛图像。这必然意味着方法是针对时间同步的两个图像序列的每个图像（或图像帧）重复执行的，以持续获取眼睛注视信息。因此，该特征被隐含公开。 |
| **技术特征M《未公开》**<br>其进一步包括针对第一图像序列中的每第N图像以及第二图像序列中的每第N图像来重复所述方法，其中所述第一图像序列与所述第二图像序列时间同步，且其中N表示大于或等于2的整数。 | 无相关内容。 | 对比文件未提及以降低的频率（每第N帧）来处理图像序列以节省处理能力或电力的技术方案。该特征涉及特定的节能或处理优化策略，在对比文件中没有公开。 |
| **技术特征N《隐含公开》**<br>其中通过包含所述第一相机、所述第二相机和显示器的手持式装置来执行所述方法。 | 说明书第[0003]段：“典型的数字图像捕获设备是数码相机……”；附图1-2，5-6，7-8展示的均为相机设备的框图或示意图。 | 对比文件全文将其系统描述为“相机系统”（camera system），如附图1、7所示。虽然未明确写明“手持式”，但数码相机是本领域典型的手持式装置。并且，说明书提到了用户通过取景器或显示器（如图2的42，图8的258）进行构图。因此，本领域技术人员能够合理推断，该相机系统可以被实施为包含两个成像单元（场景和眼睛）和显示器的手持式装置。该特征被隐含公开。 |
| **技术特征O《隐含公开》**<br>其中实时地执行所述方法。 | 说明书第[0069]段：“在图像合成模式中，相机系统20使图像传感器24捕获一系列数字图像……并转换为评估图像……用户4使用这些评估图像来合成场景（步骤106）。” | 对比文件描述的方法中，用户是看着实时显示的评估图像流（stream of evaluation images）来合成场景的，并且眼睛监测也是实时进行的。这表明整个图像捕获、显示和眼睛监测过程是实时发生的，以满足用户实时构图和捕获的需求。这与目标专利中“实时”执行AR处理的作用（提供实时增强体验）在“实时性”这一属性上是一致的。因此，该特征被隐含公开。 |
| **技术特征P《隐含公开》**<br>使用所述第一相机俘获第一图像序列，使用所述第二相机俘获第二图像序列，其中所述第二图像序列包含所述用户的所述眼睛 | 同技术特征L的引用。说明书第[0069]段明确记载了捕获场景图像的“一系列”（a stream of）和同时捕获眼睛图像。 | 该特征与技术特征A、B、L的组合实质相同。对比文件已公开使用第一相机（图像传感器24）俘获场景图像序列，并使用第二相机（视频眼睛成像器80）俘获包含用户眼睛的图像序列。因此，该特征被隐含公开。 |
| **技术特征Q《隐含公开》**<br>基于所述第二图像序列中的所述用户的所述眼睛而产生多个概率图 | 同技术特征D、L的引用。既然眼睛监测是针对图像序列持续进行的（特征L），并且基于眼睛图像产生重要区域信息（特征D所隐含的“概率图”），那么自然会产生与序列对应的“多个”这样的概率图或重要性信息。 | 本领域技术人员能够从对比文件公开的“在序列期间持续捕获眼睛图像并确定眼睛信息”中，合理推断出会对序列中的多个时间点或图像帧产生相应的眼睛信息分析结果（即多个概率图或重要性映射）。因此，该特征被隐含公开。 |
| **技术特征R《未公开》**<br>至少部分基于所述多个概率图而产生所述AR信息 | 同技术特征F的论述。 | 虽然对比文件隐含公开了基于眼睛序列产生多个重要性信息（特征Q），但其应用目的是图像编辑（如裁剪），而非产生目标专利所定义的“增强现实（AR）信息”。因此，该特征未被公开。 |
| **技术特征S《未公开》**<br>显示所述AR信息与所述第一图像序列。 | 同技术特征F、U的论述。 | 由于对比文件未公开“AR信息”，因此自然也未曾公开将AR信息与图像序列一起显示。该特征未被公开。 |
| **技术特征T《未公开》**<br>其进一步包括通过以优先级区分的次序处理AR信息而基于所述不同对象的优先级区分来执行对所述不同对象的对象识别。 | 说明书第[0106]段：“例如，重要区域数据可以用于为自动缩放和裁剪算法确定重要区域。” | 对比文件公开了使用重要区域数据来指导后续处理（如裁剪），但该处理是**图像编辑处理**。目标专利该特征明确限定了处理的是“AR信息”和“对象识别”，这是**增强现实处理**的核心步骤。两者技术领域和目的不同。对比文件未涉及“对象识别”以用于AR，因此该特征未被公开。 |
| **技术特征U《未公开》**<br>其进一步包括显示所述增强现实AR信息与所述第一图像。 | 无相关内容。 | 对比文件未描述将任何补充性的增强信息（如标记、文本、图形）覆盖显示在所捕获的场景图像上。其显示的是原始的评估图像或档案图像。因此，该特征未被公开。 |
<<<A>>><<<B>>><<<d>>><<<g>>><<<h>>><<<i>>><<<k>>><<<l>>><<<n>>><<<o>>>