**对比文件名称**：1999-08-10_US5937079A_发明授权_US5937079A Method for stereo image object detection
**目标专利名称**：392用于基于反馈的三维视频的零视差平面CN103270759B
**本次调用的模型名称**：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**：获取至少两个以立体方式俘获的图像<br>《直接公开》 | 说明书第[2]段：“FIG. 1 shows a stereo image pair 1a, 1b reproducing a typical street traffic scene. For continuous recording of traffic in front of a vehicle on the basis of such stereo image pairs 1a, 1b, a forwardly directed stereo camera system is mounted in conventional fashion on the vehicle.” | 对比文件明确记载了获取立体图像对（stereo image pair 1a, 1b），这是其执行对象检测方法的基础步骤。本领域技术人员能毫无疑义地得出对比文件公开了“获取至少两个以立体方式俘获的图像”这一技术特征。 |
| **技术特征B**：识别所述所获取的至少两个图像的兴趣区ROI<br>《直接公开》 | 说明书第[2]段：“The goal of the object detection method described in greater detail below is in particular to determine quickly, reliably and automatically the position of these two objects 2, 3 relative to the vehicle itself.” 以及第[2]段：“Then the histogram is studied for grouping point areas. At fixed grouping point areas of interest, the corresponding pixel group of a corresponding structure class image is then conversely represented and interpreted as an object that is located at a certain distance.” | 对比文件的方法旨在自动、快速地检测立体图像中的对象（如车辆2，3），并将其位置确定出来。说明书明确指出，通过对视差直方图的分析，将特定的频率点范围（grouping point areas）对应的像素组解释为处于特定距离的对象。该“对象”即为目标专利中所述的“兴趣区（ROI）”。因此，对比文件公开了识别所获取立体图像中的对象/ROI。 |
| **技术特征C**：确定所述所获取的至少两个图像之间的像素视差<br>《直接公开》 | 说明书第[2]段：“For all the other structure classes, disparity values of corresponding pixels in the same structure class are then determined and collected in a disparity histogram...” 以及第[2]段：“With each pixel in a structure class image as a reference point, within a predetermined disparity interval a search is made for pixels of the same structure class in the other structure class image... For a pixel that is found, its distance from the position of the reference pixel is determined and added as a corresponding disparity value to a disparity histogram...” | 对比文件详细描述了其视差分析过程：以结构分类图像中的一个像素为参考点，在另一结构分类图像中沿极线方向搜索相同结构类的像素，并确定其位置距离作为视差值（disparity value）。这直接对应于确定两个立体图像之间的像素视差。 |
| **技术特征D**：其中所述所获取的至少两个图像之间的所述像素视差与所述所获取的至少两个图像的每一所获取图像中表示的所述ROI相关联<br>《直接公开》 | 说明书第[2]段：“Then the histogram is studied for grouping point areas. At fixed grouping point areas of interest, the corresponding pixel group of a corresponding structure class image is then conversely represented and interpreted as an object...” 以及图4-6的描述。 | 对比文件中，通过分析视差直方图得到特定的频率点范围（如d1， d2），每个范围对应一个对象（如图5中的车辆2对应d1，图6中的车辆3对应d2）。这意味着，特定的视差值范围（由像素视差统计得出）与特定的对象（ROI）相关联。因此，像素视差与ROI的表示是相关联的。 |
| **技术特征E**：且其中确定所述像素视差包括产生直方图来表示所述所获取的至少两个图像的每一所获取图像中表示的所述ROI的相对像素视差<br>《直接公开》 | 说明书第[2]段：“disparity values of corresponding pixels... are then determined and collected in a disparity histogram to form a frequency value.” 以及第[2]段：“FIG. 4 shows the disparity histogram obtained... with disparity values between zero and 200.” 和第[2]段：“After the disparity histogram has been prepared... it is investigated for grouping point areas. ... Each such frequency point range should correspond to an object in the observation area.” | 对比文件明确记载了通过收集像素视差值来形成视差直方图（disparity histogram），如图4所示。该直方图显示了不同视差值出现的频率，并且通过分析直方图中的频率点范围（grouping point areas）来识别对象（ROI）。因此，对比文件公开了通过产生直方图来表示与ROI（对象）相关的相对像素视差分布。 |
| **技术特征F**：识别所述所获取的至少两个图像的三维3D呈现的平面作为用于所述所获取的至少两个图像的所述3D呈现的零视差平面ZDP<br>《未被公开》 | 对比文件全文未提及“三维呈现（3D presentation）”、“零视差平面（ZDP）”或类似概念。 | 对比文件涉及立体图像的对象检测和距离测量，其视差（disparity）用于计算物体距离（L=fx·B/d）。目标专利中的“零视差平面（ZDP）”是专为三维显示（3D presentation）服务的一个概念，指在3D呈现中物体看起来是二维（2D）的平面。对比文件没有涉及任何3D显示或呈现的技术，其目的和应用场景（车辆自动驾驶、机器人）与目标专利（视频电话、人机接口的3D反馈视频）完全不同。因此，对比文件未公开识别用于3D呈现的ZDP这一技术特征。 |
| **技术特征G**：所述所获取的至少两个图像的一个或一个以上图像对象在所述平面处大体上以二维2D出现<br>《未被公开》 | 对比文件全文未涉及在某个平面使图像对象以2D形式呈现的概念。 | 该特征与特征F紧密相关，是ZDP定义的直接体现。由于对比文件未公开任何关于3D呈现或ZDP的内容，因此自然也未曾公开“图像对象在ZDP处以2D出现”这一技术效果或目的。 |
| **技术特征H**：至少部分基于所述所确定的像素视差调整所述ZDP，使得所述ROI的至少一部分显示在所述ZDP处或附近<br>《未被公开》 | 对比文件全文未提及调整一个用于显示的“零视差平面（ZDP）”。 | 对比文件中确定像素视差是为了检测对象并计算其距离，而不是为了调整一个用于3D显示的参考平面（ZDP）以使ROI显示在特定深度。目标专利的该特征是实现3D视频反馈的核心步骤之一，在对比文件中没有相应教导。 |
| **技术特征I**：其中识别所述所获取的至少两个图像的所述ROI包括：接收识别所述ROI的用户输入<br>《未被公开》 | 对比文件全文未提及通过接收用户输入来识别ROI（对象）。 | 对比文件描述的对象检测方法是全自动的（“automatically”），旨在快速可靠地自动确定对象位置。说明书未记载任何需要或允许用户输入来指定ROI的步骤或实施例。因此，该特征未被公开。 |
| **技术特征J**：其中识别所述所获取的至少两个图像的所述ROI包括：自动识别所述ROI<br>《直接公开》 | 说明书第[2]段：“The goal of the object detection method... is in particular to determine quickly, reliably and automatically the position of these two objects 2, 3...” | 对比文件明确其方法目的是自动（automatically）确定对象位置。其整个技术方案，包括结构分类、视差分析、直方图峰值检测，都是为实现自动对象识别而设计的。因此，对比文件公开了自动识别ROI（对象）的特征。 |
| **技术特征K**：其进一步包括：确定所述所获取的至少两个图像的至少一个像素的视差<br>《直接公开》 | 同技术特征C的引用。说明书第[2]段详细描述了确定像素视差的过程。 | 对比文件的核心步骤之一就是确定像素的视差（disparity values）。这已被特征C的论述所覆盖，是直接公开的内容。 |
| **技术特征L**：基于所述至少一个像素的所述所确定的视差自动识别所述ROI<br>《直接公开》 | 说明书第[2]段描述了通过视差分析生成直方图，并研究直方图以找到对应对象的频率点范围（grouping point areas）。例如，第[2]段：“From this it can be concluded that these two vehicles 2, 3 belong to these two disparity grouping point ranges d1 and d2.” | 对比文件自动识别对象（ROI）的过程正是基于之前确定的像素视差：将视差值收集到直方图中，通过分析直方图的峰值（频率点范围）来识别和关联不同的对象。因此，自动识别ROI是基于所确定的像素视差完成的。 |
| **技术特征M**：其中自动识别所述ROI包括基于选自由以下各项组成的群组的一种或一种以上技术而自动识别：运动检测<br>《未被公开》 | 对比文件全文未提及使用“运动检测（motion detection）”技术来识别ROI。 | 对比文件用于自动识别ROI（对象）的具体技术是“结构分类（structure classification）”结合“视差分析（disparity analysis）”，并生成视差直方图。虽然“运动检测”是计算机视觉中一种可能的对象检测技术，但对比文件明确记载并使用的是不同的技术手段。本领域技术人员无法从对比文件公开的内容中毫无疑义地得出或合理推断出使用了“运动检测”技术。 |
| **技术特征N**：光流<br>《未被公开》 | 对比文件全文未提及使用“光流（optical flow）”技术来识别ROI。 | 同特征M的论述。对比文件未使用也未提及光流技术。该具体技术手段未被公开。 |
| **技术特征O**：面部辨识<br>《未被公开》 | 对比文件全文未提及使用“面部辨识（face recognition）”技术来识别ROI。 | 对比文件的应用场景是车辆和道路环境，检测的对象是车辆、行人等，并未涉及面部辨识。该具体技术手段未被公开。 |
| **技术特征P**：对象辨识<br>《未被公开》 | 对比文件虽然进行“对象检测（object detection）”，但目标专利中“对象辨识”特指利用如SIFT算法等识别具有已知纹理的对象的技术。对比文件使用的是基于结构分类和视差直方图的通用对象检测方法，而非特指的“对象辨识”技术。 | 对比文件公开的是一种通用的、基于视差和结构特征的对象检测方法，其并未限定或描述为使用如SIFT等特定的“对象辨识”算法。虽然最终结果都是识别出对象，但具体实现的技术手段不同。本领域技术人员不能从对比文件直接或隐含地得出其使用了权利要求中特指的“对象辨识”技术。 |
| **技术特征Q**：颜色直方图<br>《未被公开》 | 对比文件全文未提及使用“颜色直方图（color histogram）”技术来识别ROI。 | 对比文件在结构分类时比较的是像素的亮度（brightness），并未涉及颜色信息或颜色直方图。该具体技术手段未被公开。 |
| **技术特征R**：模糊度<br>《未被公开》 | 对比文件全文未提及使用“模糊度（blur）”技术来识别ROI。 | 对比文件未使用图像模糊度作为判断对象远近或识别ROI的依据。该具体技术手段未被公开。 |
| **技术特征S**：其中确定所述像素视差进一步包括以下中的至少一者：1)确定所述经识别的ROI的至少一个像素的视差，以及2)确定所述经识别的ROI的平均视差<br>《直接公开》 | 说明书第[2]段：“Then the histogram is studied for grouping point areas... Each such frequency point range should correspond to an object...” 以及第[2]段描述了从直方图峰值获得视差值d1， d2。第[2]段还提到：“it may also be advantageous to perform an improved disparity estimate that corresponds to a sub-pixel accurate measurement in which the peak value of an individual disparity grouping point range has added to it a correction term...” | 对比文件中，在识别出与对象对应的视差直方图峰值范围（grouping point area）后，该峰值（如d1=28， d2=15）可被视为该对象（ROI）的代表性视差或平均视差。同时，构成该对象的像素（如图5，6中的像素组）的视差也必然在确定直方图时已被计算。因此，对比文件公开了确定经识别的ROI（对象）的视差，并且通过直方图峰值获得了其典型（可理解为平均）视差。 |
| **技术特征T**：其中确定用于所述所获取的至少两个图像的3D呈现的ZDP包括显示所述3D呈现，使得所述经识别的ROI的至少一个对象出现在显示表面处或附近<br>《未被公开》 | 对比文件全文未涉及“3D呈现”的显示，也未涉及调整显示使对象出现在“显示表面处或附近”。 | 该特征是实现目标专利3D视频反馈显示效果的具体步骤。对比文件的目的在于检测和测距，其输出是对象的位置和距离信息，而非用于控制一个3D显示器以使特定对象呈现在零视差平面。因此，该特征未被公开。 |
| **技术特征U**：其中所述ROI是第一ROI，且其中所述ZDP是第一ZDP，且所述方法进一步包括：识别所述所获取的至少两个图像的第二ROI<br>《直接公开》 | 说明书第[2]段明确指出方法检测了多个对象，例如车辆2和车辆3。图4的直方图显示了多个频率点范围（d1和d2），分别对应不同的对象。 | 对比文件的方法能够同时识别多个对象（如车辆2和车辆3），这相当于识别了第一ROI（如车辆2）和第二ROI（如车辆3）。因此，公开了识别第二ROI的特征。 |
| **技术特征V**：调整所述第一ZDP以基于所述经识别的第二ROI形成用于所述所获取的至少两个图像的3D呈现的第二ZDP，使得所述第二ROI的至少一部分显示在所述第二ZDP处或附近<br>《未被公开》 | 对比文件全文未涉及任何“ZDP”的概念，更谈不上基于新的ROI去调整ZDP。 | 该特征是目标专利中实现动态3D显示效果的关键，即根据ROI的变化动态调整零视差平面。对比文件仅静态地检测出多个对象及其距离，完全没有涉及为3D显示而调整参考平面的任何内容。因此，该特征未被公开。 |
| **技术特征W**：其中识别用于所述所获取的至少两个图像的3D呈现的所述ZDP包括对准和/或裁剪所述所获取的至少两个图像的一者或一者以上<br>《未被公开》 | 对比文件全文未提及为了确定或设置一个用于3D呈现的平面（ZDP）而对图像进行“对准（align）”或“裁剪（crop）”。 | 对比文件中可能存在的图像处理（如设定评估窗口4）是为了缩小处理区域以节省算力或排除干扰，而非为了设定3D显示的零视差平面。目标专利中的对准和裁剪是专门用于调整3D视图以使ROI位于ZDP的具体图像处理步骤。对比文件未公开该特征。 |
<<<A>>><<<B>>><<<C>>><<<D>>><<<E>>><<<J>>><<<K>>><<<L>>><<<S>>><<<U>>>