[发明专利]信息处理设备、信息处理方法和程序

权利要求书

1.一种信息处理设备，包括：

判别单元，通过使用包括多个弱分类器的集成分类器以及从输入图像提取的多个特征，关于所述多个特征顺序地对所述弱分类器输出的弱假设进行积分，并且基于所述弱假设的积分值判别所述输入图像中是否显现了预定对象，其中，所述弱分类器响应于从图像中提取的所述多个特征的输入，输出表示所述图像中是否显现了所述预定对象的所述弱假设，

其中，所述弱分类器基于阈值将所述多个特征中的每一个分类成三个以上的子划分之一，计算所述多个特征的子划分的和划分作为所述多个特征被分类成的全体划分，并且输出能够分配给所述多个特征的所述全体划分的、全体划分的可靠度作为所述弱假设，

其中，通过集成学习计算所述集成分类器，并且

其中，在所述集成学习中，能够将所述全体划分的可靠度分配给所述弱分类器的各全体划分。

2.根据权利要求1所述的信息处理设备，其中，在所述集成学习中，

关于作为多个特征的Q个特征中的各个特征，顺序地计算使所述弱分类器的误差最小的阈值作为用于对所述特征进行分类的阈值，并且

能够通过固定关于第一至第(q-1)个特征已计算出的阈值，获得关于所述Q个特征当中的第q个特征使所述弱分类器的误差最小的阈值。

3.根据权利要求2所述的信息处理设备，其中，在所述集成学习中，

重复以下：关于全部Q个特征，计算使所述弱分类器的误差最小的阈值，并且接着关于Q个特征中的各个特征顺序地计算使所述弱分类器的误差最小的阈值，并且

当再次计算关于所述Q个特征当中的第q个特征的、使所述弱分类器的误差最小的阈值时，固定关于除所述Q个特征当中的第q个特征以外的特征已计算出的阈值。

4.根据权利要求3所述的信息处理设备，其中，在所述集成学习中，

重复关于所述Q个特征中的各个特征顺序地计算使所述弱分类器的误差最小的阈值，直到不校正所述弱分类器的误差。

5.根据权利要求1所述的信息处理设备，其中，所述特征是在所述输入图像的两个位置处的像素之间的差别。

6.根据权利要求5所述的信息处理设备，其中，在所述集成学习中，

关于作为多个特征的Q个特征中的各个特征，顺序地计算使所述弱分类器的误差最小的像素位置对和阈值，其中，所述像素位置对是用于计算所述特征两个像素的位置，所述阈值作为用于对所述特征进行分类的阈值，并且

能够通过固定关于第一至第(q-1)个特征已计算出的像素位置对和阈值，获得关于所述Q个特征当中的第q个特征的、使所述弱分类器的误差最小的像素位置对和阈值。

7.根据权利要求6所述的信息处理设备，其中，在所述集成学习中，

重复以下：关于全部所述Q个特征计算使所述弱分类器的误差最小的像素位置对和阈值，并且接着关于所述Q个特征中的各个特征计算使所述弱分类器的误差最小的像素位置对和阈值，并且

当再次计算关于所述Q个特征当中的第q个特征的、使所述弱分类器的误差最小的像素位置对和阈值时，固定关于除所述Q个特征当中的第q个特征以外的特征已计算出的像素位置对和阈值。

8.根据权利要求7所述的信息处理设备，其中，在所述集成学习中，

重复关于所述Q个特征中的各个特征顺序地计算使所述弱分类器的误差最小的像素位置对和阈值，直到不校正所述弱分类器的误差。