CN103415788B - 物体检测装置 - Google Patents

物体检测装置 Download PDF

Info

Publication number
CN103415788B
CN103415788B CN201280011379.5A CN201280011379A CN103415788B CN 103415788 B CN103415788 B CN 103415788B CN 201280011379 A CN201280011379 A CN 201280011379A CN 103415788 B CN103415788 B CN 103415788B
Authority
CN
China
Prior art keywords
mentioned
detection
region
detection zone
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201280011379.5A
Other languages
English (en)
Other versions
CN103415788A (zh
Inventor
野坂健郎
野坂健一郎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN103415788A publication Critical patent/CN103415788A/zh
Application granted granted Critical
Publication of CN103415788B publication Critical patent/CN103415788B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/78—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using electromagnetic waves other than radio waves
    • G01S3/782—Systems for determining direction or deviation from predetermined direction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/78—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using electromagnetic waves other than radio waves
    • G01S3/782—Systems for determining direction or deviation from predetermined direction
    • G01S3/783—Systems for determining direction or deviation from predetermined direction using amplitude comparison of signals derived from static detectors or detector systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
    • G01V9/005—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00 by thermal methods, e.g. after generation of heat by chemical reactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Radiation Pyrometers (AREA)
  • Image Processing (AREA)

Abstract

提供一种通过与环境温度的变化对应而不容易产生错误检测的物体检测装置。物体检测装置(1)具备从传感器装置(2)获取热图像的获取部(11)、存储背景图像的存储部(12)、检测对象物(3)的检测部(13)以及更新背景图像的更新部(15)。物体检测装置(1)通过检测作为当前的热图像的获取图像与背景图像的差分的背景差分法，通过检测部(13)检测对象物(3)。更新部(15)针对未检测出对象物(3)的无检测区域，根据最新的获取图像更新背景图像。更新部(15)针对检测出对象物(3)的检测区域，基于通过第一背景更新处理更新后的温度的变化量求出校正值，利用该校正值更新背景图像。

Description

物体检测装置
技术领域
本发明涉及一种利用热图像(获取图像)求出当前的热图像与背景图像的差分来检测对象物的物体检测装置。
背景技术
以往，提供了一种从传感器装置获取检测范围的热图像并从热图像中检测作为对象物的人等热源的物体检测装置。作为通过物体检测装置检测物体的方法，已知如下背景差分法：将在检测范围内不存在对象物的时刻的检测范围的热图像预先记录为背景图像，检测由传感器装置获取到的当前的热图像与背景图像的差分。背景差分法具有运算简单、在稳定的环境下检测精度也高这样的优点。
但是，利用背景差分法的物体检测装置如果将一次获取的背景图像按原样持续使用，则在不依赖于对象物的检测范围内的温度(以下称为“环境温度”)发生变化时有可能产生错误检测，因此需要不断地更新背景图像。
因此，提出了具有如下功能的装置(例如参照专利文献1)：在未从获取图像中检测出被检测物体的情况下，利用该获取图像来更新背景图像。另外，还提出了具有如下功能的装置(例如参照专利文献2)：在从更新了前次的背景图像的时刻起隔开规定时间的时刻获取新的图像，求出该获取图像与当前的背景图像的加法平均值以更新为下一次的背景图像。但是，在专利文献2所记载的装置中，在从获取图像中检测出对象物的情况下，不执行加法平均处理。
另外，作为从图像中识别人体的装置，还提出了具有如下功能的装置(例如参照专利文献3)：进行背景图像与当前的获取图像的差分运算，并以规定的阈值进行二值化，针对阈值以下的像素以当前的图像更换背景图像。在专利文献3所记载的装置中，还具备如下功能：即使阈值以上的像素(即，通过二值化来检测出的像素)存在于当前的获取图像上，针对判断为不是人体的像素，也以当前的获取图像更换背景图像。
专利文献1：日本特开昭62-240823号公报
专利文献2：日本特开平10-308939号公报
专利文献3：日本特开平5-118916号公报
但是，在专利文献1、2所记载的结构中，在检测出对象物的图像中不进行背景图像的更新，因此在检测范围内持续存在对象物的期间不进行背景图像的更新，从而无法应对环境温度发生变化的情况，有可能产生错误检测。
另外，即使在如专利文献3所记载的装置那样针对检测出对象物的图像中的未检测出对象物(人)的区域进行背景图像的更新的情况下，由于检测出对象物的区域不进行背景图像的更新，因此也无法应对环境温度的变化，从而有可能产生错误检测。即，例如在相同的位置持续有人的状态下环境温度下降时，虽然人的体温也与环境温度相应地下降，但是人所处的区域的背景图像仍保持环境温度高的状态而不被更新。在这种情况下，迟早会导致人的体温与背景图像的差分值低于阈值，物体检测装置有可能错误检测为没有人(漏报)。相反地，在相同的位置持续有人的状态下环境温度上升时，人所处的区域的背景图像仍保持低于实际的环境温度的状态，即使人离开了该区域，物体检测装置也有可能错误检测为在该区域有人。
本发明是鉴于上述事由而完成的，其目的在于提供一种通过与环境温度的变化对应而不容易产生错误检测的物体检测装置。
发明内容
本发明的物体检测装置的特征在于，具备：获取部，其获取表示检测范围内的温度分布的获取信息；存储部，其存储表示在上述检测范围内不存在对象物时的上述检测范围内的温度分布的背景信息；检测部，其根据上述获取信息相对于上述背景信息的变化，来检测在上述检测范围内有无对象物；以及更新部，其反复更新存储在上述存储部中的上述背景信息，其中，上述更新部将上述背景信息分为包含由上述检测部检测出对象物的区域的检测区域和由该检测区域以外的区域构成的无检测区域，针对上述无检测区域，上述更新部执行根据上述获取信息更新上述背景信息的第一背景更新处理，针对上述检测区域，上述更新部执行利用校正值更新上述背景信息的第二背景更新处理，其中，该校正值是基于由上述无检测区域的至少一部分构成的提取区域通过上述第一背景更新处理所产生的温度变化量求出的。
在该物体检测装置中，期望的是上述更新部将上述无检测区域中的与上述检测区域相邻接的一部分区域作为上述提取区域，基于该提取区域的温度变化量求出上述校正值。
在该物体检测装置中，更期望的是上述更新部根据通过上述第一背景更新处理所产生的上述无检测区域的温度变化量的偏差程度在第一模式与第二模式之间进行切换，其中，在该第一模式中，将上述背景信息的上述无检测区域的一部分区域作为上述提取区域并基于该提取区域的温度变化量求出上述校正值，在该第二模式中，将上述背景信息的上述无检测区域的整个区域作为上述提取区域并基于该提取区域的温度变化量求出上述校正值。
发明的效果
在本发明中，针对检测区域，更新部执行利用基于由无检测区域的至少一部分构成的提取区域的温度变化量求出的校正值来更新背景信息的第二背景更新处理，因此通过与环境温度的变化对应而不容易产生错误检测。
附图说明
本发明的目的以及特征通过如下的附图和优选实施例的说明变得明确。
图1是表示实施方式1所涉及的物体检测装置的结构的概要图。
图2是表示实施方式1所涉及的物体检测装置的动作的流程图。
图3是表示实施方式1所涉及的物体检测装置的动作的说明图。
图4是表示实施方式1所涉及的物体检测装置的动作的说明图。
图5是表示实施方式1所涉及的物体检测装置的动作的说明图。
图6是表示实施方式1的其它结构所涉及的物体检测装置的动作的说明图。
图7是表示实施方式1的其它结构所涉及的物体检测装置的动作的说明图。
图8是表示实施方式1的其它结构所涉及的物体检测装置的动作的说明图。
图9是表示实施方式2所涉及的物体检测装置的动作的说明图。
具体实施方式
下面，参照形成本说明书的一部分的附图，更详细地说明本发明的实施方式。在所有附图中针对相同或类似的部分附加同一参照标记并省略说明。
如图1所示，本实施方式的物体检测装置1具备：获取部11，其从传感器装置2获取信息；存储部12，其存储信息；检测部13，其进行背景差分等的运算，检测有无对象物3；以及输出部14，其输出检测结果。在此，将人设为对象物3，但不限于人，只要是成为热源的对象物、例如正在行驶的汽车等，本实施方式的物体检测装置1就能够进行检测。
传感器装置2是将对红外线敏感的例如热电堆元件等传感器元件(未图示)以矩阵状进行二维配置而形成的，以二维的热图像(获取图像)作为温度分布图像来持续地输出表示检测范围(传感范围)内的温度分布的信息。各传感器元件与热图像的各像素对应，下面将各传感器元件所检测出的区域的摄氏温度作为热图像中对应的各像素的像素值进行说明。此外，在图1的例子中，物体检测装置1与传感器装置2相独立，但是不限于该结构，也可以在物体检测装置1中一体地设置有传感器装置2。
本实施方式的物体检测装置1由计算机构成，通过使计算机执行规定的程序，来由计算机实现作为获取部11、检测部13以及后述的更新部15的各功能。输出部14包括监视装置、打印装置等具有向用户呈现检测部13的检测结果的功能的装置。
物体检测装置1通过获取部11从传感器装置2获取表示检测范围内的温度分布的获取信息(获取图像)，通过检测部13根据获取信息相对于存储在存储部12中的背景信息(背景图像)的变化来检测在检测范围内有无对象物3。即，物体检测装置1将表示在检测范围内不存在对象物3的时刻的检测范围的温度分布的热图像作为背景图像预先记录在存储部12中。该物体检测装置1定期地从传感器装置2获取作为表示当前的检测范围的温度分布的热图像的获取图像，通过检测获取图像与背景图像的差分的背景差分法，来通过检测部13检测对象物3。
但是，如果将一次获取的背景图像按原样持续使用，则在由于时间段的变化、制冷制热等而不依赖于对象物3的检测范围内的温度(以下称为“环境温度”)发生变化时，物体检测装置1有可能产生错误检测。
因此，本实施方式的物体检测装置1具备反复更新存储在存储部12中的背景图像的更新部15。在此，更新部15在每次由检测部13进行基于获取图像与背景图像的对比来检测对象物3的检测处理时都更新背景图像，但是不限于该结构，例如也可以按针对每多次的检测处理进行一次更新的周期更新背景图像。另外，例如也可以当到达某预先决定的时刻时，更新部15更新背景图像。
下面，参照图2的流程图以检测部13检测对象物3的检测处理以及更新部15更新背景图像的更新处理为中心说明物体检测装置1的动作。另外，图3～5以5×5像素的热图像为例来例示了物体检测装置1的处理。此外，下面以图像中的各像素的坐标位置(x,y)以及时刻t指定图像中的各像素的像素值。
物体检测装置1首先通过获取部11获取在不存在对象物3的状态下从传感器装置2输出的热图像，将该热图像的各像素值作为背景数据Tb(x,y,t)的初始值预先存储到存储部12中(S1)。背景数据Tb(x,y,t)是构成背景图像Tb的各像素的像素值。
物体检测装置1通过获取部11从传感器装置2获取当前的温度分布数据T(x,y,t)，并将该温度分布数据T(x,y,t)存储到存储部12中(S2)。温度分布数据T(x,y,t)是构成获取图像T的各像素的像素值。
检测部13如图3例示的那样计算存储在存储部12中的背景数据Tb(x,y,t)与温度分布数据T(x,y,t)的差分来作为差分数据Td(x,y,t)(S3)。也就是说，用式1表示差分数据Td(x,y,t)。差分数据Td(x,y,t)是构成差分图像Td的各像素的像素值。检测部13按每个像素针对获取图像T的所有像素进行式1所表示的运算。
[式1]
Td(x，y，t)=T(x，y，t)-Td(x，y，t)
然后，检测部13利用规定的阈值对差分数据Td(x,y,t)进行二值化(S4)。此时，检测部13如图3例示的那样以如下方式进行二值化来生成检测图像I：将差分值为阈值以上的像素作为检测出对象物3的“检测像素”(S5)，将差分值小于阈值的像素作为未检测出对象物3的“无检测像素”(S6)。在图3～5的例子中，斜线部表示由检测像素的集合构成的区域、即作为检测出对象物3的区域的检测区域D1，除此以外的区域表示由无检测区域的集合构成的区域、即作为未检测出对象物3的区域的无检测区域D0。构成检测图像I的各像素的像素值I(x,y,t)利用阈值C用式2表示。
[式2]
也就是说，I(x,y,t)=1的像素(x,y)是检测像素，I(x,y,t)=0的像素(x,y)是无检测像素。检测图像I作为检测部13的检测结果从输出部14输出。在本实施方式中C=2。
接着，物体检测装置1通过更新部15进行针对由无检测像素的集合构成的无检测区域D0更新背景数据Tb(x,y,t)的第一背景更新处理(S7)。更新部15针对无检测区域D0的所有像素，根据最新的温度分布数据T(x,y,t)校正存储在存储部12中的背景数据Tb(x,y,t)，由此进行第一背景更新处理。具体地说，更新部15如图4例示的那样计算存储在存储部12中的背景数据Tb(x,y,t)与当前的温度分布数据T(x,y,t)的加权平均(weightedaverage)值，来进行第一背景更新处理。也就是说，无检测区域D0的新的背景数据TbD0(x,y,t+1)利用加权平均的参数α用式3表示。在图4的例子中，设参数α=0.1。更新部15按每个像素针对无检测区域D0的所有像素进行式3所表示的运算。
[式3]
TbD0(x，y，t+1)=(1-α)TbD0(X，y，t)+αTD0(x，y，t)
在此，TbD0(x,y,t)是无检测区域D0的背景数据，TD0(x,y,t)是无检测区域D0的当前的温度分布数据。
更新部15利用通过第一背景更新处理得到的无检测区域D0的新的背景数据TbD0(x,y,t+1)，求出在后述的第二背景更新处理中使用的校正值。校正值是基于背景图像Tb中的由无检测区域D0的至少一部分构成的提取区域中通过第一背景更新处理更新后的温度的变化量求出的。在本实施方式中，将无检测区域D0的整个区域作为提取区域。在此，更新部15首先如图5的(a)例示的那样按每个像素针对无检测区域D0的所有像素求出用式4表示的更新值ΔTbD0(x,y,t)(S8)。更新值ΔTbD0(x,y,t)是表示背景图像Tb中通过第一背景更新处理更新后的无检测区域D0中的像素值的变化量的值。
[式4]
ATbD0(x，y，t)二TbD0(x，y，t+1)-TbD0(x，y，t)
在此，TbD0(x,y,t)是无检测区域D0的前次的背景数据。
接着，更新部15求出作为提取区域的无检测区域D0的所有像素中的更新值ΔTbD0(x,y,t)的代表值来作为校正值(S9)。在本实施方式中，将作为校正值的更新值ΔTbD0(x,y,t)的代表值设为用式5表示的平均值ΔTav。但是，代表值不限于平均值，也可以是中央值、最频值等。此外，在式5中，将属于无检测区域D0的要素数(像素数)表示为|D0|。
[式5]
在图5的例子中，在由19个像素构成的无检测区域D0中，更新值ΔTbD0(x,y,t)=0.1的像素存在12个，因此平均值ΔTav为1.2/19≒0.06。
然后，物体检测装置1通过更新部15进行针对由检测像素的集合构成的检测区域D1更新背景数据TbD1(x,y,t)的第二背景更新处理(S10)。更新部15针对检测区域D1的所有像素，利用通过处理S9求出的校正值(平均值ΔTav)校正存储在存储部12中的检测区域D1的背景数据Tb(x,y,t)(以下为TbD1(x,y,t))，由此进行第二背景更新处理。具体地说，更新部15如图5的(b)例示的那样将存储在存储部12中的当前的背景数据TbD1(x,y,t)与校正值相加，来进行第二背景更新处理。也就是说，用式6表示检测区域D1的新的背景数据TbD1(x,y,t+1)。更新部15按每个像素针对检测区域D1的所有像素进行式6所表示的运算。
[式6]
TbD1(x,y,t+1)=TbD1(x,y,t)+ΔTav
总之，更新部15针对背景数据Tb(x,y,t)中的无检测区域D0，进行式3的第一背景更新处理，针对检测区域D1进行式6的第二背景更新处理。更新部15利用通过这样得到的新的背景数据Tb(x,y,t+1)随时更换存储部12内的背景图像Tb。其结果，在存储部12中存储针对所有像素(无检测区域D0和检测区域D1这两方的所有像素)将值更新所得的新的背景数据Tb(x,y,t+1)来作为背景图像Tb。此外，如果传感器装置2的检测范围内不存在对象物3，则差分图像Td不包含检测区域D1，整个区域为无检测区域D0，因此仅通过第一背景更新处理更新背景图像Tb的整个区域。
之后，物体检测装置1返回到S2的处理，利用更新后的背景图像Tb重复执行S2～S10的处理。
根据以上说明的本实施方式的物体检测装置1，即使在对象物3持续存在于同一位置的期间环境温度发生了变化的情况下，更新部15也能够针对检测出对象物3的检测区域D1，追随环境温度的变化来更新背景图像Tb。因而，即使在对象物3长时间持续存在于同一位置的情况下，也与环境温度的变化对应地正确地更新背景图像Tb，物体检测装置1通过使用更新后的背景图像Tb，能够正确地进行之后的对象物3的检测处理。
总之，更新部15不仅针对未检测出对象物3的无检测区域D0，还针对检测出对象物3的检测区域D1更新背景图像Tb，因此能够使背景图像Tb的整个区域对应于环境温度的变化。例如即使在相同的位置持续有人的状态下环境温度下降时，有人的区域的背景图像Tb也与环境温度的变化相应地被更新，因此物体检测装置1能够避免错误检测为没有人(漏报)。另外，在相同的位置持续有人的状态下环境温度上升时，物体检测装置1能够避免在人离开该区域时错误检测为在该区域有人。
结果，本实施方式的物体检测装置1与不进行背景图像Tb中的检测区域D1的更新的结构相比，具有通过与环境温度的变化对应而不容易产生错误检测的优点。
另外，在上述实施方式中，检测区域D1是差分数据为阈值以上的像素(检测像素)的集合本身，但是不限于该例，期望的是适当地扩大检测区域D1。也就是说，检测区域D1只要至少包含由检测部13检测出对象物3的区域整体即可，不限于检测出对象物3的区域本身。同样地，无检测区域D0是检测区域D1以外的区域，不限于未检测出对象物3的区域本身。也就是说，无检测区域D0也可以小于未检测出对象物3的区域。通过扩大检测区域D1，能够克服如下的问题。
即，在传感器装置2的像素分辨率差的情况等下，存在如下情况：针对同一像素中混合有存在对象物3的部分和不存在对象物3的部分的像素，输出平均化后的较低的像素值(温度)，差分数据不为阈值以上而包含在无检测区域D0中。在该像素中实际存在对象物3，因此虽然像素值小于阈值，但是高于本来的环境温度。因而，根据上述实施方式的物体检测装置1，背景数据被更新部15更新为高于本来的环境温度的温度，从而成为错误检测的原因。
与此相对，在扩大了检测区域D1的情况下，同一像素中混合有存在对象物3的部分和不存在对象物3的部分的像素也包含在检测区域D1中，因此能够避免通过该像素的像素值更新背景数据。因而，能够避免背景数据被更新部15更新为高于本来的环境温度的温度。
检测区域D1的扩大处理具体地说是针对通过上述处理S4～S6生成的检测图像I中的像素值I(x,y,t)=1的像素进行的膨胀处理(Dilation)。由此，差分图像Td的检测区域D1如图6例示的那样不仅仅是差分数据Td(x,y,t)为阈值以上的像素(检测像素)的集合，还扩大到其周边。在此所说的膨胀处理作为图像处理技术来说是普通的方法，是将值相同且相互连接的像素块的边界线向外侧扩大一个像素的处理。通过进行该膨胀处理，能够将同一像素中混合有存在对象物3的部分和不存在对象物3的部分的像素包含在检测区域D1中。
物体检测装置1在进行了检测区域D1的扩大处理之后，如图7和图8例示的那样将检测区域D1以外的区域作为无检测区域D0执行第一背景更新处理和第二背景更新处理(上述处理S7～S10)。此外，在图6～8的例子中，斜线部表示检测区域D1，除此以外的区域表示无检测区域D0。
(实施方式2)
本实施方式的物体检测装置1在求出第二背景更新处理用的校正值时使用的提取区域的设定与实施方式1的物体检测装置1不同。下面，针对与实施方式1相同的结构附加相同的附图标记并适当省略说明。
在实施方式1的物体检测装置1中，将无检测区域D0的整个区域作为提取区域，更新部15将无检测区域D0的所有像素的更新值ΔTbD0(x,y,t)的代表值设为第二背景更新处理用的校正值。因此，在传感器装置2的检测范围大而在检测范围内环境温度的变化存在偏差的情况下，可能产生如下的问题。在例如炉子那样的对象物3以外的热源存在于远离对象物(人)3的位置的情况下，有时与检测区域D1的本来的环境温度无关的热源周边的温度会影响第二背景更新处理用的校正值。由此，有时检测区域D1的背景数据被更新为比本来的环境温度高的温度。
与此相对，在本实施方式中，更新部15仅将无检测区域D0中的与检测区域D1相邻接的一部分区域作为提取区域。即，更新部15计算无检测区域D0中的与检测区域D1相邻接的周边像素中的更新值ΔTb(x,y,t)的代表值(例如平均值ΔTav)作为校正值，利用该校正值进行第二背景更新处理。具体地说，更新部15针对检测图像I执行n次(n=1，2，…)的膨胀处理，将膨胀后的区域与膨胀前的检测区域D1的差分区域作为提取区域，仅将提取区域内的像素作为对象，求出更新值ΔTb(x,y,t)的代表值(校正值)。在此，n是决定提取区域的广度(宽度)的参数，只要与传感器装置2的检测范围和像素分辨率相应地进行设定即可。
根据以上说明的本实施方式的物体检测装置1，由于仅将无检测区域D0中的与检测区域D1相邻接的一部分区域作为提取区域，因此，即使在检测范围内环境温度的变化存在偏差的情况下，也能够计算适当的值作为第二背景更新处理用的校正值。也就是说，通过使用校正值的第二背景更新处理，利用对象物3附近的环境温度的变化来更新检测出对象物3的检测区域D1的背景数据，因此该背景数据被校正为更准确的值。因而，即使在检测范围内环境温度的变化存在偏差的情况下，也能够避免在第二背景更新处理中将检测区域D1的背景数据更新为比本来的环境温度高的温度。该结构对于传感器装置2的检测范围大的情况等在检测范围内环境温度的变化容易产生偏差的情况特别有用。
另外，在如图9例示的那样存在多个相互连接的检测像素的块的情况下，更新部15也可以按每个块临时生成仅存在各块的检测图像Im(m=1，2，…)，针对各检测图像Im单独地设定提取区域。也就是说，更新部15生成与检测像素的块的数量相应的检测图像Im，针对各检测图像Im单独地执行n次(图9中是两次)膨胀处理，将膨胀后的区域与膨胀前的检测区域D11、D12的差分区域作为提取区域D13、D14。此外，在图9中，用斜线的朝向对作为检测像素的块的检测区域D11、D12和作为校正值的计算对象的提取区域D13、D14加以区分。
在这种情况下，更新部15针对提取区域D13、D14计算校正值，利用各校正值更新各检测区域D11、D12的背景数据。即，在图9的例子中，基于检测图像I1的提取区域D13计算出的校正值用于检测图像I1的检测区域D11的背景数据更新，基于检测图像I2的提取区域D14计算出的校正值用于检测图像I2的检测区域D12的背景数据更新。
此外，在本实施方式中，作为提取区域的决定方法，简单地采用了图像处理技术中的膨胀处理，但是根据传感器装置2的配置，与检测像素相邻接的像素在实际空间中有可能不在对象物3附近。在预先知道传感器装置2的配置是这样的配置的情况、例如将传感器装置2朝向斜下方配置的情况下，更新部15也可以仅将检测像素中的作为对象物3与地面的接触点的脚区域的周边像素作为提取区域。
其它结构以及功能与实施方式1相同。
(实施方式3)
本实施方式的物体检测装置1在求出第二背景更新处理用的校正值时使用的提取区域的设定与实施方式2的物体检测装置1不同。下面，针对与实施方式2相同的结构附加相同的附图标记并适当省略说明。
在本实施方式中，更新部15能够在仅将无检测区域D0中的与检测区域D1相邻接的一部分区域作为提取区域的第一模式和将无检测区域D0的整个区域作为提取区域的第二模式这两个动作模式之间进行切换。更新部15根据通过第一背景更新处理所产生的无检测区域D0的温度变化量的偏差程度，在这些第一模式与第二模式之间进行切换。
具体地说，更新部15判断伴随第一背景更新处理计算出的更新值ΔTbD0(x,y,t)的值针对无检测区域D0的所有像素是否大致均匀，如果判断为不均匀，则在第一模式下进行动作，如果判断为均匀，则在第二模式下进行动作。在此，更新部15例如将无检测区域D0中的更新值ΔTbD0(x,y,t)的最大值与最小值的差分值和规定的阈值进行比较，如果差分值小于阈值，则大致均匀，如果为阈值以上，则判断为不均匀。不限于该结构，更新部15例如也可以求出更新值ΔTbD0(x,y,t)的标准偏差，根据该值是否处于规定的阈值的范围内，来判断是否大致均匀。
根据以上说明的本实施方式的物体检测装置1，由于根据无检测区域D0的温度变化量的偏差程度改变作为校正值的计算对象的提取区域，因此更新部15能够通过最佳的方法计算校正值。
即，将与检测区域D1相邻接的一部分区域作为提取区域的第一模式在检测范围内环境温度的变化存在偏差的情况下是有效的，但是有可能产生因作为计算对象的像素数的减少而引起的校正值的偏差、伴随着膨胀处理的运算负荷的增大。另一方面，将无检测区域D0的整个区域作为提取区域的第二模式虽然不适于在检测范围内环境温度的变化存在偏差的情况，但是具有不会产生因作为计算对象的像素数的减少而引起的校正值的偏差、伴随着膨胀处理的运算负荷的增大的优点。本实施方式的更新部15根据无检测区域D0中的温度变化量的偏差程度在这些第一模式与第二模式之间进行切换，因此始终能够通过最佳的方法计算校正值。
此外，更新部14在第一模式中设为提取区域的区域不限于无检测区域D0中的与检测区域D1相邻接的一部分区域，只要是无检测区域D0的一部分区域即可。
其它结构和功能与实施方式2相同。
以上说明了本发明的优选实施方式，但是本发明不限于这些特定的实施方式，能够进行不脱离权利要求范畴的各种变更以及变形，其也属于本发明的范畴内。

Claims (3)

1.一种物体检测装置，其特征在于，具备：
获取部，其获取表示检测范围内的温度分布的获取信息；
检测部，其根据上述获取信息相对于背景信息的变化，来检测在上述检测范围内有无对象物，该背景信息表示在上述检测范围内不存在对象物时的上述检测范围内的温度分布，并存储在存储部中；以及
更新部，其反复更新存储在上述存储部中的上述背景信息，
其中，上述更新部将上述背景信息分为包含由上述检测部检测出对象物的区域的检测区域和由该检测区域以外的区域构成的无检测区域，
针对上述无检测区域，上述更新部执行根据上述获取信息更新上述背景信息的第一背景更新处理，针对上述检测区域，上述更新部执行利用校正值更新上述背景信息的第二背景更新处理，其中，该校正值是基于由上述无检测区域的至少一部分构成的提取区域通过上述第一背景更新处理所产生的温度变化量求出的。
2.根据权利要求1所述的物体检测装置，其特征在于，
上述更新部将上述无检测区域中的与上述检测区域相邻接的一部分区域作为上述提取区域，基于该提取区域的温度变化量求出上述校正值。
3.根据权利要求1或2所述的物体检测装置，其特征在于，
上述更新部根据通过上述第一背景更新处理所产生的上述无检测区域的温度变化量的偏差程度在第一模式与第二模式之间进行切换，其中，在该第一模式中，将上述背景信息的上述无检测区域的一部分区域作为上述提取区域并基于该提取区域的温度变化量求出上述校正值，在该第二模式中，将上述背景信息的上述无检测区域的整个区域作为上述提取区域并基于该提取区域的温度变化量求出上述校正值。
CN201280011379.5A 2011-03-17 2012-03-14 物体检测装置 Active CN103415788B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2011059699A JP5799219B2 (ja) 2011-03-17 2011-03-17 物体検出装置
JP2011-059699 2011-03-17
PCT/IB2012/000476 WO2012123808A1 (ja) 2011-03-17 2012-03-14 物体検出装置

Publications (2)

Publication Number Publication Date
CN103415788A CN103415788A (zh) 2013-11-27
CN103415788B true CN103415788B (zh) 2017-02-15

Family

ID=46830097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280011379.5A Active CN103415788B (zh) 2011-03-17 2012-03-14 物体检测装置

Country Status (6)

Country Link
US (1) US9189685B2 (zh)
EP (1) EP2672294A1 (zh)
JP (1) JP5799219B2 (zh)
KR (1) KR20140007402A (zh)
CN (1) CN103415788B (zh)
WO (1) WO2012123808A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103575323B (zh) * 2012-07-30 2016-03-30 日电（中国）有限公司 占用检测方法及装置
CN110081564B (zh) * 2014-02-17 2021-09-14 松下电器产业株式会社 热图像传感器系统以及冷热感推断方法
JP6376804B2 (ja) 2014-04-01 2018-08-22 キヤノン株式会社 画像形成装置、画像形成装置の制御方法、及びプログラム
JP2015216482A (ja) * 2014-05-09 2015-12-03 キヤノン株式会社 撮像制御方法、および撮像装置
JP6415178B2 (ja) * 2014-08-19 2018-10-31 キヤノン株式会社 印刷装置及びデータの更新方法
JP6374757B2 (ja) * 2014-10-21 2018-08-15 アズビル株式会社 人検知システムおよび方法
TWI554747B (zh) 2014-12-04 2016-10-21 台達電子工業股份有限公司 人員偵測系統及人員偵測方法
CN105423494B (zh) * 2015-12-11 2018-05-01 四川长虹电器股份有限公司 一种校正方法及空调设备
CN107233082B (zh) * 2016-03-29 2020-04-21 广州斯摩莱信息科技有限公司 红外热成像检测系统
JP6654091B2 (ja) * 2016-04-19 2020-02-26 アズビル株式会社 監視装置、監視方法、およびプログラム
WO2019221244A1 (ja) * 2018-05-16 2019-11-21 パナソニックＩｐマネジメント株式会社 物体検知システム、センサシステム、空気調和システム、物体検知方法及びプログラム
KR20190138325A (ko) * 2018-06-05 2019-12-13 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘.피. 사용자를 감지하는 화상형성장치 및 그의 제어 방법
US11332654B2 (en) 2020-02-14 2022-05-17 Halliburton Energy Services, Inc. Well bore spacer and efficiency fluids comprising geopolymers
US11242479B2 (en) * 2020-02-14 2022-02-08 Halliburton Energy Services, Inc. Geopolymer cement for use in subterranean operations
US11162015B2 (en) 2020-02-14 2021-11-02 Halliburton Energy Services, Inc. Geopolymer formulations for mitigating losses
WO2022176151A1 (ja) * 2021-02-19 2022-08-25 三菱電機株式会社 人検出装置、電気機器、人検出方法、及び人検出システム
CN113743222A (zh) * 2021-08-04 2021-12-03 北京澎思科技有限公司 体温测量方法、装置、电子设备以及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0933662A (ja) * 1995-07-21 1997-02-07 Murata Mfg Co Ltd 赤外線発生物体検知装置
JP2002148354A (ja) * 2000-11-07 2002-05-22 Matsushita Electric Ind Co Ltd 人体検知装置
CN101169891A (zh) * 2006-11-30 2008-04-30 中国科学院长春光学精密机械与物理研究所 智能防盗监控器
US7693331B2 (en) * 2006-08-30 2010-04-06 Mitsubishi Electric Research Laboratories, Inc. Object segmentation using visible and infrared images
CN101702035A (zh) * 2009-02-19 2010-05-05 黄程云 数字式准静态被动人体探测器

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62240823A (ja) 1986-04-14 1987-10-21 Matsushita Electric Works Ltd 監視制御用画像センサ
JPH05118916A (ja) 1991-10-25 1993-05-14 Matsushita Electric Ind Co Ltd 人体認識装置
JP3453870B2 (ja) * 1994-09-21 2003-10-06 松下電器産業株式会社 画像処理装置と画像処理装置を用いた応用機器
JPH0962822A (ja) * 1995-08-28 1997-03-07 Matsushita Electric Ind Co Ltd 人体移動検知装置および通過人数検知装置
EP0755034B1 (en) 1995-07-19 2001-10-24 Matsushita Electric Industrial Co., Ltd. Movement pattern recognizing apparatus for detecting movements of human bodies and the number of passing persons
JPH10308939A (ja) 1997-05-08 1998-11-17 Nec Corp 赤外線監視システム
US7415164B2 (en) * 2005-01-05 2008-08-19 Mitsubishi Electric Research Laboratories, Inc. Modeling scenes in videos using spectral similarity
JP5103767B2 (ja) * 2006-03-27 2012-12-19 日産自動車株式会社 温度検出装置
US8300890B1 (en) * 2007-01-29 2012-10-30 Intellivision Technologies Corporation Person/object image and screening
JP4894002B2 (ja) * 2007-03-12 2012-03-07 サクサ株式会社 移動体検知装置及び移動体検知システム
US8446468B1 (en) * 2007-06-19 2013-05-21 University Of Southern California Moving object detection using a mobile infrared camera
US8934020B2 (en) * 2011-12-22 2015-01-13 Pelco, Inc. Integrated video quantization
JP5948983B2 (ja) * 2012-03-09 2016-07-06 オムロン株式会社 画像処理装置、画像処理方法、および画像処理プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0933662A (ja) * 1995-07-21 1997-02-07 Murata Mfg Co Ltd 赤外線発生物体検知装置
JP2002148354A (ja) * 2000-11-07 2002-05-22 Matsushita Electric Ind Co Ltd 人体検知装置
US7693331B2 (en) * 2006-08-30 2010-04-06 Mitsubishi Electric Research Laboratories, Inc. Object segmentation using visible and infrared images
CN101169891A (zh) * 2006-11-30 2008-04-30 中国科学院长春光学精密机械与物理研究所 智能防盗监控器
CN101702035A (zh) * 2009-02-19 2010-05-05 黄程云 数字式准静态被动人体探测器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
智能车辆系统车辆流量检测技术的研究;代建辉;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20090515(第05期);第三章 *
运动车辆的检测识别与跟踪;朱明旱;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20060515(第05期);第二章 *

Also Published As

Publication number Publication date
EP2672294A1 (en) 2013-12-11
WO2012123808A1 (ja) 2012-09-20
JP2012194121A (ja) 2012-10-11
US9189685B2 (en) 2015-11-17
CN103415788A (zh) 2013-11-27
US20130329959A1 (en) 2013-12-12
KR20140007402A (ko) 2014-01-17
JP5799219B2 (ja) 2015-10-21

Similar Documents

Publication Publication Date Title
CN103415788B (zh) 物体检测装置
Yuan et al. Accurate displacement measurement via a self-adaptive digital image correlation method based on a weighted ZNSSD criterion
Lin et al. Automated body feature extraction from 2D images
CN105931220B (zh) 基于暗通道先验与最小图像熵的交通雾霾能见度检测方法
CN107578019B (zh) 一种视觉触觉融合的步态识别系统及识别方法
US20150248583A1 (en) Image processing apparatus, image processing system, image processing method, and computer program product
CN106127930B (zh) 一种检测钞票安全线完整性的方法及系统
JP2017129567A5 (zh)
CN100544622C (zh) 机器人服装触觉传感信息融合数据处理方法
CN111179279A (zh) 一种基于紫外、双目视觉的综合火焰检测方法
CN106153098A (zh) 一种可穿戴设备的佩戴状态检测方法及装置
JP2011506989A (ja) 基準画像との比較による収集画像の評価方法
CN106203370B (zh) 一种基于计算机视觉技术的视力测定系统
CN108335454B (zh) 一种火情检测方法及装置
JP6262105B2 (ja) 画像処理装置、画像処理システム、画像処理方法及びプログラム
CN111189494A (zh) 测量标签及其图像色彩还原方法和测量识别方法
CN108520534A (zh) 一种自适应多模融合立体匹配算法
CN105957087A (zh) 一种喷雾形态检测方法及装置
CN104603838A (zh) 从采集的图像监测对象的设备和方法
MX2020002349A (es) Sistema automatico de control e inspeccion para manufactura y medicion de ropa.
CN113205075A (zh) 一种检测吸烟行为的方法、装置及可读存储介质
WO2018151620A1 (ru) Способ и устройство для измерения формы, размеров и упругости обуви
KR101426864B1 (ko) 근거리 열상 표적추적을 위한 영역기반 경계향상 방법
CN109102486A (zh) 基于机器学习的表面缺陷检测方法及装置
Reu Calibration: stereo calibration

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20150911

Address after: Osaka Japan

Applicant after: PANASONIC INTELLECTUAL PROPERTY MANAGEMENT Co.,Ltd.

Address before: Osaka Japan

Applicant before: Matsushita Electric Industrial Co.,Ltd.

C14 Grant of patent or utility model
GR01 Patent grant