对比文件名称：2012-12-06_JP2012238175A_发明专利_JP2012238175A Information processing device, information processing method, and program
目标专利名称：基于前景物体再现扩增实境CN104903934B
本次调用模型名称：GPT-4
作为资深专利代理师，我将基于对目标专利说明书和对比文件说明书的深度理解，对技术特征进行逐一比对和公开性判断。目标专利的核心在于通过扭曲图像与参考图像至相同视图后进行比对，以检测前景物体（如手指）上的关注点（如指尖），进而基于该关注点再现并追踪扩增对象。对比文件的核心在于通过背景差分和基于确信度（確信度）的背景模型更新，来区分并持续检测特定被写体（如人体）与临时出现的物体。
以下是根据目标专利权利要求的技术特征划分创建的特征比对表格。
### 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（已翻译为中文） | 公开性论述 |
| **A：产生场景的参考图像** <br> **《直接公开》** | [0008] “背景モデル情報として記憶する記憶手段”（存储作为背景模型信息的存储手段）<br> [2] “背景差分法は、予め、固定したカメラにより被写体がいない背景の画像を撮影し、その特徴量を背景モデルとして記憶する。”（背景差分法是预先通过固定摄像机拍摄不存在被写体的背景图像，并将其特征量作为背景模型存储。） | 对比文件明确公开了存储背景模型信息（背景モデル情報），该模型基于不包含特定被写体（可对应于前景物体）的场景图像（背景の画像）建立，并包含特征量信息等。其作用在于作为与后续获取图像进行比较的基准，以检测前景（物体）。这与目标专利中“参考图像”作为不包含前景物体的场景图像用于后续比较的作用相同。因此，本领域技术人员能够毫无疑义地得出该技术特征。 |
| **B：捕捉所述场景的图像** <br> **《直接公开》** | [0008] “解析対象の画像を取得する取得手段”（获取解析对象的图像的获取手段）<br> 图3，S301：“画像取得手段２０１は、例えば所定時間ごとに撮像された画像を取得する”（图像获取手段201获取例如每隔规定时间拍摄的图像） | 对比文件明确公开了获取作为解析对象的图像（解析対象の画像）。这是进行后续图像处理的基础步骤，其作用与目标专利中“捕捉场景的图像”用于后续处理的作用完全相同。因此被直接公开。 |
| **C：所述场景具有未附加到所述场景的前景物体** <br> **《直接公开》** | [2] “入力された画像において特徴量が背景モデルの特徴量と異なる領域を前景（物体）として検出する。”（在输入的图像中，将特征量与背景模型的特征量不同的区域检测为前景（物体）。）<br> [0007] “人物や、鞄、花瓶などといった一時的に出現した物体”（人物、包、花瓶等暂时出现的物体） | 对比文件公开了通过比较检测出与背景模型不同的区域作为“前景（物体）”，并举例说明如人物、包等物体。这些物体是出现在场景中但并非场景固定部分的“前景物体”，其作用与目标专利中“未附加到场景的前景物体”相同，都是待检测和分割的对象。因此被直接公开。 |
| **D：所述前景物体包含关注点** <br> **《未直接公开，也未隐含公开》** | 无对应内容。对比文件主要检测作为整体的“前景领域”或“被写体领域”（如人体），并未提及或聚焦于前景物体上的一个特定物理“点”（如指尖）。 | 目标专利中的“关注点”特指前景物体（如手指）上独特的物理部位或属性（如指尖），是用于精确定位和后续扩增交互的关键。对比文件检测的是“被写体”（如人体）的整体区域或轮廓，虽然人体包含多个部位，但说明书并未将其任何一个部位定义为类似“关注点”的精确定位特征。本领域技术人员阅读对比文件后，无法必然推理出需要在前景物体上检测这样一个特定的“关注点”。因此，既非直接公开，也非隐含公开。 |
| **E：所述关注点是所述前景物体的属性** <br> **《未直接公开，也未隐含公开》** | 无对应内容。理由同特征D。 | 由于对比文件未公开“关注点”这一概念，因此自然也未曾公开“关注点是前景物体的属性”这一具体限定。 |
| **F：其中所述前景物体为用户的至少一个手指或指针且所述关注点为所述用户的所述至少一个手指或所述指针的尖端** <br> **《未直接公开，也未隐含公开》** | 无对应内容。对比文件示例中的被写体是“人体”，未具体到手指或指针，更未提及“尖端”。 | 该技术特征对前景物体和关注点的类型做了非常具体的限定。对比文件完全没有涉及手指、指针或其尖端。本领域技术人员无法从对比文件中推理出此具体限定。 |
| **G：其中所述图像是使用不具有深度信息的摄像机捕捉的** <br> **《隐含公开》** | [2] “画像取得装置１０５は、例えば、デジタルビデオカメラ、ネットワークカメラ、又は赤外線カメラなどの撮影装置で撮影された画像を取得する。”（图像获取装置105获取由例如数字摄像机、网络摄像机或红外摄像机等拍摄装置拍摄的图像。） | 对比文件公开了使用普通摄像机（デジタルビデオカメラ）获取图像。在本领域技术人员的常识中，此类普通摄像机在常规操作下捕捉的是2D图像，不提供深度信息。目标专利特意强调“不具有深度信息”是为了区别于需要深度传感器的方案。对比文件虽未明文排除深度信息，但其描述的常规摄像机系统隐含了所获图像不具备深度信息的通常情况。因此，本领域技术人员有可能合理推断出该特征。 |
| **H：使所述图像或不包含所述前景物体的所述场景的所述参考图像扭曲，因此所述图像及所述参考图像具有相同视图，其中扭曲包括：从所述参考图像提取特征** <br> **《未直接公开，也未隐含公开》** | 无对应内容。对比文件未提及为了使图像与参考图像（背景模型）具有相同视图而进行“扭曲（ワープ）”的操作。其比较是在图像原始视图下，基于特征量进行的。 | 目标专利的“扭曲”是关键步骤，旨在校正因摄像机视角变化导致的图像形变，使当前图像与参考图像处于同一视图（如正视图）以便精确比较。对比文件的背景差分直接在获取的图像上进行，未涉及任何视图对齐或几何校正的扭曲过程。虽然对比文件从背景模型中读取“特征量信息”，但这并非“从参考图像提取特征”的动态过程，而是读取已存储的特征数据。两者技术手段和作用均不同。 |
| **I：从所捕捉的所述场景的图像提取特征** <br> **《直接公开》** | [0008] “前記解析対象の画像を前記領域ごとに解析して特徴量を抽出する抽出手段”（按所述区域对所述解析对象图像进行解析并抽取特征量的抽取手段）<br> 图4，S401：“特徴量抽出手段２０２において、各位置における取得画像の状態を表す値として、特徴量を抽出する”（在特征量抽取手段202中，抽取特征量作为表示各位置的获取图像状态的值。） | 对比文件明确公开了从获取的图像中提取特征量（特徴量），例如亮度、颜色等。其作用在于为后续与背景模型比较提供数据，这与目标专利中“从所捕捉的图像提取特征”的作用一致。因此被直接公开。 |
| **J：基于将所述所捕捉的图像中的所提取的特征与所述参考图像中的所提取的特征进行比较来产生所述图像和所述参考图像之间的姿势** <br> **《未直接公开，也未隐含公开》** | 无对应内容。对比文件中比较特征量的目的是为了判断当前状态与背景模型中哪个状态相似或是否为新状态（S302，S303），以用于前景检测和模型更新，并非为了计算图像之间的空间变换关系（姿势）。 | 目标专利中的“姿势”特指摄像机相对于场景的位置和方向，通过比较特征点计算单应性等，目的是为了后续的视图扭曲。对比文件完全没有涉及计算或利用这种“姿势”信息。两者的比较目的和后续应用截然不同。 |
| **K：以及基于所述姿势扭曲所述图像或所述参考图像** <br> **《未直接公开，也未隐含公开》** | 无对应内容。理由同特征H和J。 | 由于对比文件未公开“产生姿势”（特征J），因此基于姿势进行“扭曲”的技术特征自然也未被公开。 |
| **L：在扭曲之后比较所述图像与所述参考图像以检测属于所述前景物体上的所述关注点的像素** <br> **《未直接公开，也未隐含公开》** | 对比文件公开了比较获取图像的特征量与背景模型的特征量以检测前景区域（例如S302，S304）。但此比较并非在“扭曲之后”进行，且检测目标是“前景区域”而非“属于关注点的像素”。 | 目标专利该特征包含两个关键限定：1) 在“扭曲之后”比较；2) 检测“属于关注点的像素”。对比文件均未满足。首先，其比较前无扭曲步骤。其次，其检测结果是前景/背景二值标记（前景フラグ），或进一步检测出的“被写体领域”，这是区域而非精确定位的“像素点”（关注点）。因此未被公开。 |
| **M：使用所述检测到的像素检测所述前景物体上的所述关注点，其中检测所述前景物体上的所述关注点是使用分类器在不使用对所述前景物体的预定几何约束的情况下执行** <br> **《隐含公开》** | [0008] “被写体判定手段”（被写体判定手段）<br> [2] “被写体の検出処理については、例えば、人体を検出する方法が...アダブーストを用いて実行することで、処理全体としての判別精度を向上させている。”（关于被写体的检测处理，例如，记载了人体检测的方法...通过使用Adaboost来执行，从而提高了整个处理的判别精度。）<br> [2] “弱判別器はＨｏＧ（Ｈｉｓｔｏｇｒａｍ ｏｆ ｏｒｉｅｎｔｅｄ ｇｒａｄｉｅｎｔｓ）特徴量に基づいて学習及び判定を実行するように構成されている。”（弱判别器被配置为基于HOG特征量进行学习和判定。） | 对比文件公开了使用基于机器学习的分类器（如Adaboost框架下的弱判别器，使用HOG特征）来检测特定被写体（如人体）。该方法基于从图像中学习到的特征进行判别，并未要求对物体有预设的几何形状约束（如“必须是圆柱形手指”）。目标专利使用分类器（如随机森林）检测关注点（如指尖）同样无需几何约束。虽然检测对象层级不同（整体人体 vs 物体局部点），但“使用分类器在不使用预定几何约束的情况下检测图像中的特定目标”这一技术手段是相同或高度相似的。本领域技术人员可以合理推断，将同样的分类器技术应用于检测物体上的局部特征点（关注点）是可能的。因此，该技术特征被隐含公开。 |
| **N：在显示器上显示所述图像** <br> **《直接公开》** | [2] “表示装置１０７は、...処理結果を画面に表示する。”（显示装置107将处理结果显示在画面上。）<br> [2] “取得画像に矩形を重ね描きして表示装置１０７に表示することにより、ユーザに検出対象の存在を通知することができる。”（通过在获取图像上叠加矩形并在显示装置107上显示，可以向用户通知检测对象的存在。） | 对比文件明确公开了在显示装置上显示获取的图像，并可叠加处理结果（如矩形框）。其作用与目标专利中“在显示器上显示图像”的作用相同，均为向用户提供视觉反馈。因此被直接公开。 |
| **O：基于所述关注点在所述显示器上于所述图像上方再现扩增对象** <br> **《未直接公开，也未隐含公开》** | 无对应内容。对比文件的显示内容仅限于原始的获取图像以及叠加的检测标记（如矩形框），并未提及在图像上方再现任何计算机生成的虚拟对象（扩增对象），如目标专利中的圆盘、键盘等。 | 目标专利的核心应用之一是“扩增实境（AR）”，即在真实图像上叠加虚拟对象。对比文件仅涉及物体检测与识别，属于计算机视觉范畴，并未涉及任何AR内容的生成或再现。这是两个完全不同的应用方向和技术效果。因此，该特征未被公开。 |
| **P：以及在随后捕捉的图像中追踪所述前景物体，其中所述追踪包括：如果场景有变化，那么更新所述参考图像** <br> **《隐含公开》** | 图3流程循环执行（S301-S308），表明对连续获取的图像进行处理，这隐含了对场景中物体的持续检测，即追踪。<br> [0008] “背景モデル情報...を更新する更新手段”（更新背景模型信息的更新手段）<br> 图3，S308：“背景モデル更新手段２０９は...背景モデルの更新を行う”（背景模型更新手段209进行背景模型的更新）<br> [2] “背景は時間と共に変化することがある。例えば、照明変化...”（背景可能随时间变化。例如，照明变化...） | 对比文件通过循环处理连续图像，并动态更新背景模型（参考图像）以适应照明变化、新静止物体出现等场景变化（如图21的更新算法）。这实质上实现了在图像序列中持续检测（即追踪）前景/被写体，并在场景变化时更新参考模型。虽然“追踪”一词未明确使用，但其技术实质包含了对同一物体在时间序列上的持续关注和状态更新。本领域技术人员能够合理推断出这一隐含的技术内容。 |
| **Q：其中在扭曲之后比较所述图像与所述参考图像以检测属于所述前景物体上的所述关注点的像素包括：产生用于所述前景物体的掩模** <br> **《隐含公开》** | [0008] “該解析対象の画像の前景部分となる領域を検出する検出手段”（检测成为该解析对象图像的前景部分的区域的检测手段）<br> 图9，S906：“前景であるか背景であるかを示す前景フラグを前景フラグ情報として一時記憶する”（将表示是前景还是背景的前景标志作为前景标志信息暂时存储。） | 对比文件公开了通过比较检测出“前景部分となる領域”，并以“前景フラグ”（前景标志）信息的形式进行标识和存储。该“前景フラグ信息”实质上是一个二值图，指示了图像中每个位置属于前景还是背景，其功能与目标专利中用于分割前景物体的“掩模”完全相同。虽然术语不同，但技术实质一致。因此，本领域技术人员能够毫无困难地认识到对比文件公开了“产生掩模”这一技术手段。 |
| **R：使用所述掩模从所述图像分割所述前景物体** <br> **《隐含公开》** | 图12，S1202-S1203：从前景领域信息（由前景フラグ信息生成）中获取一个前景区域，并在该区域执行被写体检测处理。 | 对比文件利用“前景フラグ”信息确定前景区域（即分割出的前景物体所在区域），并基于此区域进行后续处理（如被写体判定）。这实质上就是“使用掩模从图像分割前景物体”并应用于后续步骤的过程。因此被隐含公开。 |
| **S：以及使用从所述图像分割的所述前景物体检测所述像素** <br> **《隐含公开》** | 图12，S1203：在由前景区域信息（分割出的区域）所限定的区域内，执行被写体的检测处理。检测处理必然涉及对该区域内图像特征（像素数据）的分析。 | 目标专利中“检测所述像素”可以理解为提取特征点或特征量。对比文件在前景分割出的区域内进行被写体检测，该检测过程必然基于该区域内的像素数据提取特征（如HOG特征）并进行判断。因此，“使用分割的前景物体检测像素（特征）”这一技术手段被对比文件隐含公开。 |
| **T：其中在扭曲之后比较所述图像与所述参考图像以检测属于所述前景物体上的所述关注点的像素包括：使用所述图像中的不同于所述参考图像中的对应像素的像素产生前景物体图像** <br> **《未直接公开，也未隐含公开》** | 无对应内容。对比文件通过比较产生的是前景/背景的标志信息（前景フラグ），或直接输出检测到的物体区域，并未描述将差异像素复制到一个新的“前景物体图像”中的具体步骤。 | 目标专利该特征描述了一种不通过中间掩模，而直接通过像素差异生成一个只包含前景物体像素的新图像的具体方法。对比文件未公开这种特定的图像生成方式。虽然其技术效果（识别前景像素）类似，但具体实现手段未被披露。 |
| **U：以及在所述前景物体图像中检测属于所述前景物体上的所述关注点的所述像素** <br> **《未直接公开，也未隐含公开》** | 无对应内容。理由同特征T。 | 由于特征T（生成前景物体图像的方法）未被公开，因此在此基础上“在前景物体图像中检测像素”的后续步骤自然也未被公开。 |
| **V：其中在扭曲之后比较所述图像与所述参考图像包括：在扭曲之后从所述参考图像中的对应像素减去所述图像中的像素以产生每一像素的差** <br> **《隐含公开》** | 图4，S404：“差分算出手段２０３は、取得画像の同じ位置の特徴量と、読み出した特徴量情報との差分を計算する”（差分计算手段203计算获取图像的同一位置的特征量与读取出的特征量信息的差分。）<br> [2] “例えば、ここでは２つの特徴量の差の絶対値を用いる”（例如，这里使用两个特征量之差的绝对值。） | 对比文件公开了计算当前图像特征量与背景模型（参考图像）特征量之间“差分”的步骤。虽然其操作对象是“特征量”而非原始“像素”，但特征量是从像素推导出的表示。从广义上讲，计算特征量的差是计算像素差的一种高级或抽象形式，其核心思想“通过对应位置数值相减来获得差异”是相同的。本领域技术人员可以理解，在图像处理中，像素差是特征差的一种基础形式。因此，该技术特征被隐含公开。 |
| **W：以及比较每一像素的所述差与阈值** <br> **《直接公开》** | 图7，S702：“処理の対象となる位置における最小差分値を第一の所定値（Ａ）と比較する”（将处理对象位置的最小差分值与第一规定值（A）进行比较。）<br> 图9，S902：“第二の所定値Ｂと比較する”（与第二规定值B进行比较。）<br> 图9，S904：“第三の所定値Ｃと比較する”（与第三规定值C进行比较。） | 对比文件多处明确公开了将计算出的差分值（最小差分值）或确信度与预先设定的阈值（第一、第二、第三所定值）进行比较，以做出状态判定或前景/背景判定。其作用与目标专利中通过比较差值与阈值来判定像素是否属于前景（或关注点）的作用相同。因此被直接公开。 |
| **X：其中在扭曲之后比较所述图像与所述参考图像包括：在扭曲之后产生所述图像及所述参考图像中的对应像素的比率** <br> **《未直接公开，也未隐含公开》** | 无对应内容。对比文件仅公开了使用“差分”（减法）进行比较，未提及使用“比率”进行比较的方法。 | 目标专利明确记载了使用“比率”作为比较的另一种具体手段。对比文件未公开此替代方案。不同的比较方法（差 vs. 比率）属于不同的具体技术手段，未被披露则无法被本领域技术人员直接或隐含地得出。 |
| **Y：以及比较对应像素的所述比率与阈值** <br> **《未直接公开，也未隐含公开》** | 无对应内容。理由同特征X。 | 由于特征X（产生比率）未被公开，因此“比较比率与阈值”的后续步骤自然也未被公开。 |
| **Z：其中在所述显示器上再现所述扩增对象包括再现所述扩增对象以看起来如同所述扩增对象在显示于所述显示器上的所述前景物体下方** <br> **《未直接公开，也未隐含公开》** | 无对应内容。对比文件未涉及任何扩增对象的再现，更谈不上虚拟对象与真实前景物体之间的空间遮挡关系（如下方）。 | 该特征限定了扩增对象与前景物体在显示上的特定空间关系（遮挡关系），这是实现逼真AR交互效果的关键。对比文件完全不涉及AR内容渲染，因此该特征未被公开。 |
<<<A>>><<<B>>><<<C>>><<<I>>><<<N>>><<<W>>><<<g>>><<<m>>><<<p>>><<<q>>><<<r>>><<<s>>><<<v>>>