对比文件名称：2003-06-05_US2003103647A_发明申请_US20030103647A1 Automatic detection and tracking of multiple individuals using multiple cues
目标专利名称：333使用多模匹配方案的对象辨识CN104246796B
模型名称：本次调用未指定具体模型名称，采用通用评估模型。
根据目标专利说明书，其核心在于一种多模态对象辨识方法，特别是在音乐场景中，通过结合音频信息（如声源方向DOA、声学特征MFCC、声音源类型）来引导和优化视觉处理（如关键点检测与匹配），最终识别出场景中的声音产生对象（如乐器）。目标专利强调了音频信息在缩小视觉搜索空间（如关注区ROI）、选择关键点标志、以及多模贝叶斯决策中的关键作用。
对比文件涉及在视频会议场景中自动检测和跟踪多个个体（人脸）。它使用多种线索，包括运动、音频（用于声源定位）和快速人脸检测进行初始化，并通过分层验证（如颜色直方图、多视角人脸检测）和多线索跟踪（如颜色、边缘、运动）来维持跟踪。
以下将严格按照目标专利权利要求的划分进行特征比对。
### 特征比对表格
| 技术特征描述以及公开性判断结果 | 对比文件原文引用 | 公开性论述 |
| **技术特征A**：所述方法包括：从在场景处记录的音频计算多个声学辨识特征<br>**公开性判断**：未公开 | 对比文件涉及音频处理，但未提及计算“声学辨识特征”。例如，在音频初始化模块中，描述为：“音频初始化模块158分析音频内容，检测声音方向... 假定该声音可能是人类语音，因此指示可能包含候选面部区域的视频内容区域。” [0067] | **论述**：目标专利中的“声学辨识特征”（如MFCC）是用于后续匹配或置信度计算的特定音频特征。对比文件虽然使用音频进行声源定位以辅助人脸检测，但并未描述从音频信号中提取用于对象类型辨识的特定特征（如MFCC）。其音频处理的目的在于定位声源，而非提取用于匹配的辨识特征。因此，本领域技术人员无法从对比文件中直接或通过合理推断得出“计算多个声学辨识特征”的技术方案。 |
| **技术特征B**：将所述声学辨识特征与对应于一或多个对象的预定声学辨识特征进行比较以确定对象的声音源类型<br>**公开性判断**：未公开 | 对比文件未描述将提取的音频特征与预定特征数据库进行比较以确定对象类型的过程。 | **论述**：目标专利中，将计算出的声学特征（如MFCC）与已知对象的声学特征数据库进行比较，以确定声音源的可能类型（如乐器类别）。对比文件仅使用音频定位可能的人脸区域，并未进行任何基于声学特征匹配的对象类型识别。因此，该技术特征未被对比文件公开。 |
| **技术特征C**：基于所述声音源类型选择所述对象中的稳定关键点<br>**公开性判断**：未公开 | 对比文件未涉及基于声音源类型选择关键点的内容。 | **论述**：目标专利中，在确定了可能的声音源类型（如某类乐器）后，基于此类型从关键点标志数据库中选择特定的关键点标志，用于后续的SIFT匹配。这是一个基于音频语义信息（类型）来精炼视觉特征搜索的过程。对比文件完全没有涉及“关键点标志”或基于对象类型选择视觉特征的概念。因此，该技术特征未被公开。 |
| **技术特征D**：基于选定关键点和所述声音源类型识别所述对象。<br>**公开性判断**：未公开 | 对比文件未描述结合选定关键点和声音源类型来识别对象的步骤。其对象（人脸）的“识别”更多是检测和跟踪，而非识别特定类型的对象。 | **论述**：目标专利中，对象识别是一个综合过程，涉及基于声音源类型选定的关键点标志与图像中关键点的匹配，并结合多模态置信度值进行决策。对比文件的多线索跟踪旨在跟踪已检测到的人脸位置和轮廓，并不识别该对象是何种特定类型的人或物体。因此，该技术特征未被公开。 |
| **技术特征E**：其进一步包括：基于在所述场景处记录的音频选择对应于一或多个对象的一或多个关键点标志<br>**公开性判断**：未公开 | 对比文件未提及“关键点标志”的概念，也未描述基于音频信息从数据库中选择预设的关键点标志。 | **论述**：目标专利中的“关键点标志”是预先存储的、代表特定对象（如乐器）视觉特征的描述符。基于音频信息（如分类结果）从数据库中选择这些标志，是连接音频线索和视觉匹配的关键环节。对比文件的音频信息仅用于空间定位（ROI），没有用于选择任何预先定义的视觉特征模板或标志。因此，该技术特征未被公开。 |
| **技术特征F**：识别所述场景的图像中的多个关键点<br>**公开性判断**：《隐含公开》 | “快速人脸检测模块160使用快速人脸检测器检测帧图像中的面部...” [0065]; “分层验证模块142...使用多视角人脸检测来验证该区域中是否存在面部。” [0066]; 以及多线索跟踪模块对椭圆轮廓的跟踪涉及图像特征。 | **论述**：目标专利中的“关键点”指图像中具有独特性的点，如通过SIFT等算法检测的特征点。对比文件虽然没有明确使用“关键点”一词，但其人脸检测过程（无论是快速检测还是多视角检测）必然包含对图像中特征（如边缘、轮廓、颜色区域）的识别和分析，以定位人脸。本领域技术人员可以理解，人脸检测实质上是在识别图像中与人脸相关的“关键”区域或特征点。因此，对比文件隐含公开了“识别图像中的多个关键点”这一技术特征。 |
| **技术特征G**：将所述关键点与所述关键点标志进行比较以识别所述对象。<br>**公开性判断**：未公开 | 对比文件未描述将检测到的图像特征（关键点）与预先存储的标志数据库进行比较的过程。其验证主要基于颜色直方图匹配、边缘检测和分类器，而非关键点描述符的匹配。 | **论述**：目标专利的核心步骤之一是通过SIFT匹配装置，将图像中检测到的关键点与从数据库选出的关键点标志进行匹配，从而识别对象。对比文件的验证和跟踪过程不依赖于这种预先定义的、可代表特定对象视觉特征的“标志”数据库的匹配。其跟踪是基于动态更新的颜色、边缘等模型，而非与静态模板的匹配。因此，该技术特征未被公开。 |
| **技术特征H**：其进一步包括：基于在所述场景处记录的所述音频选择场景图像的一部分<br>**公开性判断**：《直接公开》 | “音频初始化模块158分析音频内容，检测声音接收方向，并搜索该方向的视频内容区域以确定该方向接收声音的区域是否包含面部。” [0067] | **论述**：目标专利中，基于音频DOA信息选择图像的关注区(ROI)。对比文件明确公开了基于音频确定声源方向，并在图像中对应的方向区域进行搜索以寻找人脸。这实质上是基于音频信息选择了图像的一部分（即声源方向指向的区域）进行进一步处理。两者作用相同，都是利用音频空间信息缩小视觉处理范围。因此，该技术特征被对比文件直接公开。 |
| **技术特征I**：仅从所述图像的所述部分内选择所述关键点。<br>**公开性判断**：《隐含公开》 | 如特征H引用，音频初始化模块在检测到声音方向后，“分析该区域并尝试将肤色模型拟合到该区域的图像。” [0067] 这意味着后续的人脸检测或验证操作仅限于该音频导出的区域。 | **论述**：目标专利中，在选定ROI后，关键点选择（如稳定关键点检测）被限定在该ROI内。对比文件在基于音频确定一个区域后，在该区域内进行人脸检测（如肤色模型拟合、快速人脸检测）。虽然对比文件没有明确提及“选择关键点”，但人脸检测过程必然涉及对该区域内图像特征的选取和分析。本领域技术人员可以合理推断，当处理范围被限定在特定区域时，所依赖的图像特征（可视为关键点）也自然来自该区域内部。因此，该技术特征被隐含公开。 |
| **技术特征J**：其中基于在所述场景处记录的所述音频选择所述图像的一部分包含：从所述音频确定音频到达方向DOA<br>**公开性判断**：《直接公开》 | “声音接收方向可通过多种不同方式确定。在一个实现中，一个或多个麦克风阵列捕获声音，并使用一个或多个声源定位算法来确定声音来自哪个方向。” [0067] | **论述**：目标专利中，通过DOA检测器确定声音的到达方向。对比文件明确描述了使用麦克风阵列和声源定位算法（如TDOA、GCC）来确定声音到达的方向。两者技术手段和作用完全相同，都是利用多麦克风信号估计声源方位。因此，该技术特征被直接公开。 |
| **技术特征K**：基于所述音频DOA选择所述图像的所述部分。<br>**公开性判断**：《直接公开》 | 如特征H和J的引用，确定了声音方向后，即在该方向对应的图像区域进行搜索。 | **论述**：在确定了音频DOA之后，对比文件紧接着利用这个方向信息来界定图像中需要处理的区域。这与目标专利中ROI选择器基于DOA信息选择图像部分的作用完全一致。因此，该技术特征被直接公开。 |
| **技术特征L**：其中确定所述音频DOA包含：在位于所述场景处的多个麦克风处接收所述音频，借此产生多个麦克风信号<br>**公开性判断**：《直接公开》 | “在一个实现中，一个或多个麦克风阵列捕获声音...” [0067]; 图16展示了多麦克风环境。 | **论述**：目标专利中，使用麦克风阵列接收音频产生多通道信号。对比文件明确提到了使用“麦克风阵列”来捕获声音，这必然涉及在多个麦克风处接收音频并产生多个麦克风信号。因此，该技术特征被直接公开。 |
| **技术特征M**：基于所述麦克风信号确定所述音频DOA。<br>**公开性判断**：《直接公开》 | “...并使用一个或多个声源定位算法来确定声音来自哪个方向。” [0067] | **论述**：目标专利的DOA检测器基于麦克风信号进行计算。对比文件明确指出，利用捕获到的声音（即麦克风信号），通过声源定位算法来确定方向。因此，该技术特征被直接公开。 |
| **技术特征N**：其进一步包括：从所述场景的视频记录计算多个局部运动向量<br>**公开性判断**：《直接公开》 | “运动初始化模块156通过帧间差异（两帧或多帧视频内容之间的差异）检测运动...” [0052]; “为图像中被分析的帧区域中的每个像素生成帧差异...” [0054] | **论述**：目标专利中，LMV计算器从视频计算局部运动向量。对比文件的运动初始化模块通过计算相邻帧之间像素的差异（帧间差）来检测运动。帧间差本质上反映了像素级别的运动变化，可以视为一种局部运动信息或向量的计算。本领域技术人员能够毫无疑义地认为，计算帧间差以检测运动，就是“计算多个局部运动向量”的一种具体实现方式。因此，该技术特征被直接公开。 |
| **技术特征O**：通过将所述局部运动向量与对应于一或多个对象的预定局部运动向量数据库进行比较且通过将所述关键点与一或多个关键点标志进行比较来识别所述对象。<br>**公开性判断**：未公开 | 对比文件未描述任何“预定局部运动向量数据库”，也未将运动信息用于对象识别（仅用于初始化检测）。同时，如特征G所述，没有关键点与标志的比较。 | **论述**：目标专利中，通过将计算的局部运动向量直方图与已知对象的运动直方图数据库进行匹配，并结合关键点匹配结果，来识别对象。对比文件仅利用运动进行前景分割和候选区域生成，并未将运动模式与预定数据库进行比较以识别对象类型。同时，其也不有关键点标志匹配。因此，该技术特征未被公开。 |
| **技术特征P**：其中基于将所述关键点与一或多个关键点标志进行比较来识别所述对象。<br>**公开性判断**：未公开 | 同特征G。 | **论述**：目标专利中，SIFT匹配是关键识别手段之一。对比文件不包含将检测到的图像关键点与预先存储的关键点标志数据库进行比较的步骤。因此，该技术特征未被公开。 |
| **技术特征Q**：其中所述声学辨识特征包含梅尔频率倒谱系数。<br>**公开性判断**：未公开 | 对比文件全文未提及“梅尔频率倒谱系数(MFCC)”。 | **论述**：MFCC是目标专利中明确的一种具体声学辨识特征。对比文件未提及任何具体的声学特征提取方法，更未提及MFCC。因此，该技术特征未被公开。 |
| **技术特征R**：其进一步包括：确定出现在图像中的一或多个对象的范围信息<br>**公开性判断**：未公开 | 对比文件未涉及确定对象深度或距离（范围）信息。 | **论述**：目标专利中，通过视差、自动对焦等技术获取对象的深度/范围信息，以辅助关键点分析。对比文件专注于2D平面内的检测与跟踪，没有提及任何获取或利用对象深度信息的技术。因此，该技术特征未被公开。 |
| **技术特征S**：基于所述范围信息分析所述关键点。<br>**公开性判断**：未公开 | 对比文件未涉及范围信息，因此也无从谈起基于其分析关键点。 | **论述**：由于对比文件未公开技术特征R（确定范围信息），因此基于范围信息分析关键点的技术特征S也必然未被公开。 |
| **技术特征T**：其中确定范围信息是选自由以下各项组成的群组：使用自动聚焦相机确定范围信息，使用多相机图像视差估计确定范围信息，和前述各项的任一组合。<br>**公开性判断**：未公开 | 对比文件未涉及任何确定范围信息的具体手段。 | **论述**：目标专利明确列举了确定范围信息的几种具体技术手段（自动对焦、多相机视差）。对比文件完全没有涉及这些内容。因此，该技术特征未被公开。 |
<<<H>>><<<J>>><<<K>>><<<L>>><<<M>>><<<N>>><<<f>>><<<i>>>