IMAGE PROCESSING DEICE, IMAGE RECOGNITION DEVICE, IMAGE PROCESSING PROGRAM, AND IMAGE RECOGNITION PROGRAM

To save a calculation resource by image recognition using a luminance gradient direction.SOLUTION: Basis functions are unified over each block by adopting a unified GMM-MRCoHOG feature amount about a state block of the entire block. This can greatly reduce the use of a calculation resource to be made hardware. Concretely, frequency distributions of respective luminance gradients of a positive image and a negative image to be used in each block are approximated with probability density distributions by kernel density estimation. Next, characteristic parts of the positive image and the negative image are focused on, and a cumulative distribution function is calculated by using a scale based on JS information amount. Then, a fixed sample is generated in a common feature space from the cumulative distribution function of the entire block by an inverse function method, and is approximated with a mixed Gaussian distribution by using an EM algorithm. In approximation, an appropriate mixture number is automatically determined by Akaike's information criteria.SELECTED DRAWING: Figure 9 【課題】輝度勾配方向を用いた画像認識で計算リソースを節約する。【解決手段】全ブロックの状態空間について統一したＧＭＭ－ＭＲＣｏＨＯＧ特徴量を採用することにより、各ブロックに渡って基底関数を統一する。これにより、ハードウェア化に向けて、計算リソースの使用を大幅に削減することができる。具体的には，各ブロックで学習に用いるポジティブ画像とネガティブ画像それぞれの輝度勾配の頻度分布をカーネル密度推定により確率密度分布で近似する。次に，ポジティブ画像とネガティブ画像で特徴的な部分に着目し、ＪＳ情報量に基づく尺度を用いて累積分布関数を算出する。そして、逆関数法により全ブロックの累積分布関数から一定のサンプルを共通の特徴空間に生成し、ＥＭアルゴリズムを用いて混合ガウス分布で近似する。近似の際には、赤池情報基準により、適当な混合数を自動決定する。【選択図】図９