This image processing apparatus comprises: an acquisition unit that acquires a captured image obtained by capturing an image of the surrounding of a mobile body by a camera mounted on the mobile body, an input indicative statement inputted by a person relating to the mobile body, and gesture information relating to a gesture performed by the person; an extraction unit that extracts, by performing a first prescribed process on the input indicative statement, at least one indication included in the input indicative statement; a first generation unit that generates, by performing a second prescribed process on the gesture information, an estimated distribution relating to a position indicated by the person; a second generation unit that generates, from the captured image, a probabilistic scene graph in which probability is added to each object included in the captured image; and an identification unit that identifies an object, in the captured image, indicated by the person, on the basis of said at least one indication, the estimated distribution, and the probabilistic scene graph.

L'invention concerne un appareil de traitement d'image comprenant : une unité d'acquisition qui acquiert une image capturée obtenue par capture d'une image de l'environnement d'un corps mobile par une caméra montée sur le corps mobile, une instruction indicative d'entrée entrée par une personne se rapportant au corps mobile, et des informations de geste relatives à un geste effectué par la personne ; une unité d'extraction qui extrait, en effectuant un premier processus prescrit sur l'instruction indicative d'entrée, au moins une indication incluse dans l'instruction indicative d'entrée ; une première unité de génération qui génère, par réalisation d'un second processus prescrit sur les informations de geste, une distribution estimée relative à une position indiquée par la personne ; une seconde unité de génération qui génère, à partir de l'image capturée, un graphe de scène probabiliste dans lequel une probabilité est ajoutée à chaque objet inclus dans l'image capturée ; et une unité d'identification qui identifie un objet, dans l'image capturée, indiquée par la personne, sur la base de ladite au moins une indication, de la distribution estimée et du graphe de scène probabiliste.

移動体に搭載されたカメラによって前記移動体の周辺を撮像した撮像画像と、前記移動体に関わる人によって入力された入力指示文と、前記人によって行われたジェスチャに関するジェスチャ情報を取得する取得部と、前記入力指示文に第１所定処理を施すことによって、前記入力指示文に含まれる一以上の指示を抽出する抽出部と、前記ジェスチャ情報に第２所定処理を施すことによって、前記人が指示した位置に関する推定分布を生成する第１生成部と、前記撮像画像から、前記撮像画像に含まれる各物体に確率が付された確率的シーングラフを生成する第２生成部と、前記一以上の指示と、前記推定分布と、前記確率的シーングラフとに基づいて、前記撮像画像における前記人が指示した物体を特定する特定部と、を備える、情報処理装置。