对比文件名称：2014-06-19_发明申请_US20140169663A1 System and Method for Video Detection and Tracking
目标专利名称：144基于事件的计算机视觉计算CN106716441B
本次调用的模型名称：DeepSeek
### 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：其包括：比较使用计算机视觉CV特征计算硬件计算的与传感器元件阵列的主体传感器元件相关联的先前局部CV特征与使用所述CV特征计算硬件计算的与所述主体传感器元件相关联的当前局部CV特征<br>**判断：未公开** | 无 | 对比文件描述了一种在通用处理器（CPU）上运行的视频检测与跟踪软件系统。该系统使用HOG和LBP算法对视频帧中的扫描窗口进行特征提取和分类（参见说明书第[0018], [0025]段及图5）。该过程是在应用程序层面（如视频播放软件）对已获取的数字图像帧进行处理，目的是检测和跟踪对象（如运动员）。对比文件并未提及在传感器阵列层面存在任何专用的“CV特征计算硬件”，也未提及由该硬件为传感器阵列中的“主体传感器元件”计算“局部CV特征”，更没有描述比较同一传感器元件的“先前”与“当前”局部CV特征以触发后续动作。因此，该技术特征未被对比文件公开。 |
| **技术特征B**：，其中对于所述先前局部CV特征和所述当前局部CV特征，所述CV特征计算硬件使用来自所述主体传感器元件的各个读数和来自与所述主体传感器元件相邻的传感器元件的各个读数来计算所述各个CV特征，<br>**判断：未公开** | 无 | 对比文件确实使用了LBP算法，而LBP算法的计算通常涉及比较中心像素与其相邻像素的灰度值（参见说明书第[0018]段）。然而，对比文件中的LBP计算是软件算法对存储在内存中的完整数字图像帧（由图像传感器捕获后提供）进行的处理（参见图5步骤505）。对比文件没有描述从物理的“传感器元件阵列”中实时读取“各个读数”，也没有提及为了计算某个“主体传感器元件”的局部特征而专门读取其自身及相邻传感器元件的读数。其处理对象是图像像素（Picture Element），而非目标专利中具有感光元件和像素内电路的物理传感器像素（Sensor Pixel）。因此，该技术特征未被对比文件公开。 |
| **技术特征C**：以及其中：所述传感器元件阵列包括多个传感器元件，所述多个传感器元件至少沿着所述传感器元件阵列的第一维度和第二维度布置，像素包括所述主体传感器元件和像素内电路，<br>**判断：未公开** | 无 | 对比文件涉及视频处理，其输入是视频帧，视频帧由二维像素阵列构成（参见图2显示窗口210中的图像）。然而，对比文件中的“像素”是指显示或图像数据中的像素，并非目标专利所定义的、包含“传感器元件”（如光电二极管）和“像素内电路”的物理实体像素。对比文件全文未提及任何传感器阵列的物理结构、布置方式，更未提及“像素内电路”。因此，该技术特征未被对比文件公开。 |
| **技术特征D**：以及<br><br>所述CV特征计算硬件被实施为所述像素内电路的一部分<br>**判断：未公开** | 无 | 对比文件中的CV特征（HOG和LBP）计算完全由软件算法在通用处理器（如CPU 910）上执行（参见说明书第[0025]段及图9）。没有任何内容表明存在专用的硬件计算模块，更不用说该硬件被实施为“像素内电路的一部分”。因此，该技术特征未被对比文件公开。 |
| **技术特征E**：基于所述比较来产生与所述主体传感器元件相关联的事件，所述事件包括所述主体传感器元件的位置和特征有效负载，所述特征有效负载包括表示与所述主体传感器元件相关联的所计算的当前局部CV特征的多个位<br>**判断：未公开** | 无 | 对比文件在检测到对象后，会在用户界面上“高亮”（highlight）显示该对象（参见说明书第[0017]段，图2中的玩家220）。这种“高亮”是一种图形显示和用户交互行为，并非目标专利中定义的、由专用硬件在传感器层面“产生”的、包含位置和特征有效负载的“事件”。对比文件没有描述基于局部CV特征比较来触发此类事件，也没有提及“特征有效负载”或使用多个位来表示局部CV特征。因此，该技术特征未被对比文件公开。 |
| **技术特征F**：以及将所述事件发送至处理器。<br>**判断：未公开** | 无 | 由于对比文件并未公开在传感器层面产生如技术特征E所述的“事件”，因此也就不存在将此类事件“发送至处理器”的步骤。在对比文件中，图像数据被捕获后传送至处理器进行处理是常规流程，但这与目标专利中发送特定格式的事件不同。因此，该技术特征未被对比文件公开。 |
| **技术特征G**：其中所述局部化CV特征包括局部二值模式LBP标记或所述LBP标记的变体。<br>**判断：直接公开** | 说明书第[0018]段：“A combination of Histograms of Oriented Gradients (HOG) and Local Binary Pattern (LBP) algorithms is used to describe every scanning window in a sliding window detection approach.” | 对比文件明确、直接地公开了在其视频检测与跟踪系统中使用LBP（局部二值模式）算法作为特征描述符（即“标记”）。LBP算法本身就是用于描述局部图像纹理特征的经典方法。虽然目标专利强调在传感器硬件层面计算“局部化CV特征”，而对比文件在软件层面为检测窗口计算特征，但两者所使用的核心特征描述符——LBP标记——是相同的。因此，本领域技术人员能够毫无疑义地从对比文件中得出该技术特征。 |
| **技术特征H**：其中所述局部化CV特征包括带正负号梯度直方图HSG标记。<br>**判断：隐含公开** | 说明书第[0018]段：“The HOG algorithm is described by N. Dalal and B. Triggs in ‘Histograms of oriented gradients for human detection,’... The HOG features (or descriptors) are based on edge orientation histograms...” | 目标专利中的“带正负号梯度直方图（HSG）标记”与对比文件中使用的“方向梯度直方图（HOG）”特征在技术本质上高度相似，都是基于图像梯度方向统计的直方图特征描述符。尽管名称略有不同（HSG强调“带正负号”），但HOG特征在计算梯度时本身就会考虑梯度的方向（可视为带有方向的符号）。在计算机视觉领域，HOG是此类梯度直方图特征的公认标准。因此，本领域技术人员阅读对比文件后，完全有可能合理推断出可以使用基于梯度直方图的特征（如HOG/HSG）作为局部CV特征。根据宽松的隐含公开判断标准，该特征被隐含公开。 |
| **技术特征I**：其中所述传感器元件阵列是视觉传感器并且所述传感器元件阵列的所述多个传感器元件中的每一个包括至少一个光电二极管。<br>**判断：隐含公开** | 说明书第[0017]段：“The features automatically detect and localize the position of an object (e.g., a sports player) in a video frame...”； 图2：显示视频的窗口210。 | 对比文件处理的输入是“视频帧”，而视频帧必然由图像传感器（即视觉传感器）捕获。本领域技术人员公知，现代数字图像传感器（如CMOS或CCD）的核心感光元件通常是光电二极管。因此，尽管对比文件没有明文写出“传感器元件阵列包括光电二极管”，但为了获得其处理的视频帧，必须存在一个包含光电二极管作为感光单元的视觉传感器阵列。这是一个必然的、合理的隐含技术特征。 |
| **技术特征J**：其中所述事件是使用动态视觉传感器DVS电路产生的。<br>**判断：未公开** | 无 | 对比文件处理的是传统的基于帧的视频（参见图2、图3），其系统架构和算法流程（如图5的HOG-LBP检测流程）均基于完整的图像帧进行处理。全文没有任何地方提及“动态视觉传感器（DVS）”或任何类似的基于事件的传感原理、电路或架构。因此，该技术特征未被对比文件公开。 |
<<<G>>><<<h>>><<<i>>>