CN103999127A - 物体检测装置以及物体检测方法 - Google Patents

物体检测装置以及物体检测方法 Download PDF

Info

Publication number
CN103999127A
CN103999127A CN201280061812.6A CN201280061812A CN103999127A CN 103999127 A CN103999127 A CN 103999127A CN 201280061812 A CN201280061812 A CN 201280061812A CN 103999127 A CN103999127 A CN 103999127A
Authority
CN
China
Prior art keywords
value
image
subdifferential
region
detected object
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.)
Granted
Application number
CN201280061812.6A
Other languages
English (en)
Other versions
CN103999127B (zh
Inventor
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
Matsushita Electric Industrial 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 Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Publication of CN103999127A publication Critical patent/CN103999127A/zh
Application granted granted Critical
Publication of CN103999127B publication Critical patent/CN103999127B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19604—Image analysis to detect motion of the intruder, e.g. by frame subtraction involving reference image or background adaptation with time to compensate for changing conditions, e.g. reference image update on detection of light level change
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明的物体检测装置具备：差分2值图像生成部，其生成用规定的差分值用阈值对背景图像B与检测对象图像F的差分值进行2值化而得到的差分2值图像C，所述背景图像B是表示检测区域的温度分布的图像，并且是作为在检测区域内不存在检测对象物体的基准的图像，所述检测对象图像F是表示检测区域的温度分布的图像，并且是用于对检测区域内的检测对象物体进行检测的检测对象的图像；2次微分2值图像生成部，其生成将检测对象图像F或对检测对象图像F进行平滑化所得的平滑图像F′的2次微分值用规定的微分值用阈值进行2值化而得到的2次微分2值图像D；和物体检测部，其基于差分2值图像C与2次微分2值图像D的逻辑与，来对检测对象物体进行检测。

Description

物体检测装置以及物体检测方法
技术领域
本发明涉及通过背景差分法来检测物体的物体检测装置以及物体检测方法。
背景技术
一直以来，作为物体检测方法，存在采用背景差分法的物体检测方法(例如，参照JP特开2010-256194号公报)。在采用背景差分法的物体检测方法中，基于背景图像(作为不存在检测对象物体的基准的图像)与检测对象图像(用于对检测对象物体进行检测的检测对象的图像)之间的差分，对检测对象物体进行检测。即，将背景图像与检测对象图像的差分值超过规定阈值的部分作为检测对象物体。基于背景差分法的物体检测方法，是简单的方法，在能够获得稳定的背景图像的情况下，作为物体检测方法而被普遍应用。
另一方面，存在如下方法：对图像实施高斯滤波处理，将图像平滑化之后，对该平滑化所得的图像实施拉普拉斯滤波处理，来求取该平滑化所得的图像的2次微分值。该方法通称为LoG滤波处理，在图像的边缘检测(亮度的变化大的部分的检测)等中经常被使用。
基于该LoG滤波处理的方法，虽然是在图像的边缘检测等中经常被使用的方法，但例如，在将热体作为检测对象物体，将表示温度分布的图像作为检测对象图像，来对检测对象物体进行检测的情况下，也可以应用。即，在表示温度分布的检测对象图像中，在温度的上升程度减少的区域中，2次微分值为负。在此，对表示亮度分布的检测对象图像的像素的分辨率较粗、检测对象物体的面积为数像素至数十像素的情况进行考虑。在这种情况下，在存在检测对象物体的区域中，检测对象图像的2次微分值为负。因此，在这种情况下，对检测对象图像实施上述的LoG滤波处理，求取检测对象图像的2次微分值，基于该2次微分值，能够对检测对象物体进行检测。即，可以将2次微分值小于规定阈值(0或规定的负值)的部分作为检测对象物体。
发明内容
发明要解决的课题
但是，在基于上述现有的背景差分法的物体检测方法中，在存在多个检测对象物体的情况(尤其是，存在多个检测对象物体接近的情况)下，这些多个检测对象物体有可能被检测为1个检测对象物体。此外，在应用了LoG滤波处理(基于2次微分值)的物体检测方法中，若在检测对象物体以外(即背景)存在比周围温度高的区域(2次微分值为负的区域)，则检测对象物体以外的区域会被误检测为检测对象物体。
本发明为了解决上述课题而作，其目的在于提供一种即使在检测区域内存在多个检测对象物体的情况下，也能够分离地检测各检测对象物体的物体检测装置以及物体检测方法。
解决课题的手段
为了达成上述目的，本发明的一个方式的物体检测装置，具备：差分2值图像生成部，其生成用规定的差分值用阈值对背景图像与检测对象图像之间的差分值进行2值化而得到的差分2值图像，所述背景图像是表示检测区域的温度分布的图像，并且是作为在所述检测区域内不存在检测对象物体的基准的图像，所述检测对象图像是表示所述检测区域的温度分布的图像，并且是用于对所述检测区域内的检测对象物体进行检测的检测对象的图像；2次微分2值图像生成部，其生成将所述检测对象图像或对所述检测对象图像进行平滑化所得的平滑图像的2次微分值用规定的微分值用阈值进行2值化而得到的2次微分2值图像；和物体检测部，其基于所述差分2值图像和所述2次微分2值图像的逻辑与，对检测对象物体进行检测。
所述物体检测装置也可以对温度比所述检测区域的背景的温度更高的检测对象物体进行检测，所述差分2值图像生成部，将从所述检测对象图像中减去所述背景图像而得到的差分值为所述差分值用阈值以上的区域设为第1值，并且将从所述检测对象图像中减去所述背景图像而得到的差分值小于所述差分值用阈值的区域设为第2值，由此来生成所述差分2值图像，所述2次微分2值图像生成部，将所述微分值用阈值设为0，将所述检测对象图像或所述平滑图像的2次微分值小于所述微分值用阈值的区域、或者在所述微分值用阈值以下的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像。
所述物体检测装置也可以对温度比所述检测区域的背景的温度更低的检测对象物体进行检测，所述差分2值图像生成部，将从所述背景图像中减去所述检测对象图像而得到的差分值为所述差分值用阈值以上的区域设为第1值，并且将从所述背景图像中减去所述检测对象图像而得到的差分值小于所述差分值用阈值的区域设为第2值，由此来生成所述差分2值图像，所述2次微分2值图像生成部，将所述微分值用阈值设为0，将所述检测对象图像或所述平滑图像的2次微分值超过所述微分值用阈值的区域、或者在所述微分值用阈值以上的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像。
所述2次微分2值图像生成部，也可以通过对所述检测对象图像或所述平滑图像实施拉普拉斯滤波处理，来求取所述检测对象图像或所述平滑图像的2次微分值，并通过用所述微分值用阈值对通过实施该拉普拉斯滤波处理而求取的2次微分值进行2值化，来生成所述2次微分2值图像。
所述2次微分2值图像生成部，也可以求取所述检测对象图像或所述平滑图像在水平方向上的2次微分值和在垂直方向上的2次微分值，将这些在水平方向上的2次微分值和在垂直方向上的2次微分值双方都小于所述微分值用阈值的区域、或者在所述微分值用阈值以下的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像。
所述2次微分2值图像生成部，也可以求取所述检测对象图像或所述平滑图像在水平方向上的2次微分值和在垂直方向上的2次微分值，将这些在水平方向上的2次微分值和在垂直方向上的2次微分值双方都超过所述微分值用阈值的区域、或者在所述微分值用阈值以上的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像。
所述2次微分2值图像生成部，也可以根据所述检测对象图像或所述平滑图像的区域而应用不同的值作为所述微分值用阈值，针对所述检测对象图像或所述平滑图像中、所述差分2值图像的值为第1值的区域及其邻近的区域所对应的区域，将所述微分值用阈值从0降低为负值，针对除此以外的区域，将所述微分值用阈值从0提高为正值。
所述2次微分2值图像生成部，也可以根据所述检测对象图像或所述平滑图像的区域而应用不同的值作为所述微分值用阈值，针对所述检测对象图像或所述平滑图像中的、所述差分2值图像的值为第1值的区域及其邻近的区域所对应的区域，将所述微分值用阈值从0提高为正值，针对除此以外的区域，将所述微分值用阈值从0降低为负值。
所述2次微分2值图像生成部，也可以将所述差分2值图像的值为第1值的区域作为温度凸区域，求取该温度凸区域的主轴方向，求取所述检测对象图像或所述平滑图像在与所述温度凸区域的主轴方向所对应的方向上的2次微分值，通过用所述微分值用阈值对该2次微分值进行2值化，来生成所述2次微分2值图像。
所述2次微分2值图像生成部，也可以在所述温度凸区域分离地存在多个的情况下，求取这些各温度凸区域的主轴方向，在所述检测对象图像或所述平滑图像的所述各温度凸区域所对应的区域中，求取在该温度凸区域的主轴方向所对应的方向上的2次微分值，并用所述微分值用阈值对该2次微分值进行2值化，由此来生成所述2次微分2值图像。
本发明的其他方式的物体检测方法，具备如下步骤：生成背景图像的步骤，该背景图像是基于对检测区域的温度分布进行检测的温度分布传感器的输出，来表示所述检测区域的温度分布的图像，并且是作为在所述检测区域内不存在检测对象物体的基准的图像；生成检测对象图像的步骤，该检测对象图像是基于所述温度分布传感器的输出，来表示所述检测区域的温度分布的图像，并且是用于对所述检测区域内的检测对象物体进行检测的检测对象的图像；生成差分2值图像的步骤，该差分2值图像是用规定的差分值用阈值对所述背景图像与所述检测对象图像之间的差分值进行2值化而得到的；生成2次微分2值图像的步骤，该2次微分2值图像是将所述检测对象图像或对所述检测对象图像进行平滑化所得的平滑图像的2次微分值用规定的微分值用阈值进行2值化而得到的；和基于所述差分2值图像与所述2次微分2值图像的逻辑与，对检测对象物体进行检测的步骤。
所述物体检测方法也可以是对温度比所述检测区域的背景的温度更高的检测对象物体进行检测的方法，所述生成差分2值图像的步骤，是将从所述检测对象图像中减去所述背景图像而得到的差分值为所述差分值用阈值以上的区域设为第1值，并且将从所述检测对象图像中减去所述背景图像而得到的差分值小于所述差分值用阈值的区域设为第2值，由此来生成所述差分2值图像的步骤，所述生成2次微分2值图像的步骤，是将所述微分值用阈值设为0，将所述检测对象图像或所述平滑图像的2次微分值小于所述微分值用阈值的区域、或者在所述微分值用阈值以下的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像的步骤。
所述物体检测方法也可以是对温度比所述检测区域的背景的温度更低的检测对象物体进行检测的方法，所述生成差分2值图像的步骤，是将从所述背景图像中减去所述检测对象图像而得到的差分值为所述差分值用阈值以上的区域设为第1值，并且将从所述背景图像中减去所述检测对象图像而得到的差分值小于所述差分值用阈值的区域设为第2值，由此来生成所述差分2值图像的步骤，所述生成2次微分2值图像的步骤，是将所述微分值用阈值设为0，将所述检测对象图像或所述平滑图像的2次微分值超过所述微分值用阈值的区域、或者在所述微分值用阈值以上的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像的步骤。
所述生成2次微分2值图像的步骤也可以包括：通过对所述检测对象图像或所述平滑图像实施拉普拉斯滤波处理，来求取所述检测对象图像或所述平滑图像的2次微分值的步骤；和用所述微分值用阈值对所求取的所述2次微分值进行2值化的步骤。
所述生成2次微分2值图像的步骤也可以包括：求取所述检测对象图像或所述平滑图像在水平方向上的2次微分值和在垂直方向上的2次微分值的步骤；和将所求取的所述在水平方向上的2次微分值和在垂直方向上的2次微分值双方都小于所述微分值用阈值的区域、或者在所述微分值用阈值以下的区域设为第1值，并且将除此以外的区域设为第2值的步骤。
所述生成2次微分2值图像的步骤也可以包括：求取所述检测对象图像或所述平滑图像在水平方向上的2次微分值和在垂直方向上的2次微分值的步骤；和将所求取的所述在水平方向上的2次微分值和在垂直方向上的2次微分值双方超过所述微分值用阈值的区域、或者在所述微分值用阈值以上的区域设为第1值，并且将除此以外的区域设为第2值的步骤。
针对所述检测对象图像或所述平滑图像中、所述差分2值图像的值为第1值的区域及其邻近的区域所对应的区域的所述微分值用阈值，也可以低于针对除此以外的区域的所述微分值用阈值。
针对所述检测对象图像或所述平滑图像中、所述差分2值图像的值为第1值的区域及其邻近的区域所对应的区域的所述微分值用阈值，也可以高于针对除此以外的区域的所述微分值用阈值。
所述生成2次微分2值图像的步骤也可以包括：将所述差分2值图像的值为第1值的区域作为温度凸区域，求取该温度凸区域的主轴方向的步骤；求取所述检测对象图像或所述平滑图像在与所述温度凸区域的主轴方向所对应的方向上的2次微分值的步骤；和用所述微分值用阈值对所求取的所述2次微分值进行2值化的步骤。
在所述温度凸区域分离地存在多个的情况下，求取所述主轴方向的步骤也可以是求取这些各温度凸区域的主轴方向的步骤，在所述检测对象图像或所述平滑图像的所述各温度凸区域所对应的区域中，求取所述2次微分值的步骤也可以是求取在与该温度凸区域的主轴方向所对应的方向上的2次微分值的步骤。
发明效果
根据本发明，通过基于差分2值图像与2次微分2值图像的逻辑与，来对检测对象物体进行检测，从而即使在检测区域内存在多个检测对象物体的情况下，也可以分离地检测各检测对象物体。
附图说明
图1是表示本发明的第1实施方式所涉及的物体检测装置的构成的电气模块构成图。
图2是对该物体检测装置的温度分布传感器的输出即检测温度图像进行说明的图。
图3是表示该物体检测装置的动作的流程图。
图4是表示该物体检测装置的物体检测处理中的处理流程的图。
图5是表示在该物体检测装置的物体检测处理中被处理的各种图像的例子的图。
图6是表示在该物体检测装置的物体检测处理中使用的拉普拉斯滤波系数的例子的图。
图7是表示在该物体检测装置的物体检测处理中被处理的平滑图像的一部分区域的例子的图。
图8是表示本发明的第2实施方式所涉及的物体检测装置的物体检测处理中的处理流程的图。
图9是表示在该物体检测装置的物体检测处理中使用的水平2次微分滤波系数的例子的图。
图10是表示在该物体检测装置的物体检测处理中使用的垂直2次微分滤波系数的例子的图。
图11(a)(b)是表示在该物体检测装置的物体检测处理中使用的水平2次微分滤波系数的其他例子的图。
图12(a)(b)是表示在该物体检测装置的物体检测处理中使用的垂直2次微分滤波系数的其他例子的图。
图13是表示本发明的第3实施方式所涉及的物体检测装置的物体检测处理中的处理流程的图。
图14是表示本发明的第4实施方式所涉及的物体检测装置的物体检测处理中的处理流程的图。
图15(a)是表示在本发明的第5实施方式所涉及的物体检测装置的物体检测处理中被处理的平滑图像的温度凸区域的例子的图，(b)是表示该平滑图像的温度凸区域的主轴方向的例子的图。
图16(a)(b)是表示在该物体检测装置的物体检测处理中使用的2次微分滤波系数的例子的图。
具体实施方式
以下，参照附图，对将本发明具体化后的实施方式的物体检测装置以及物体检测方法进行说明。
＜第1实施方式＞
首先，对第1实施方式的物体检测装置以及物体检测方法进行说明。图1表示第1实施方式的物体检测装置的构成。物体检测装置1是通过背景差分法来检测物体的装置。即，物体检测装置1是基于背景图像与检测对象图像的差分来对检测对象物体进行检测的装置，其中该背景图像是表示检测区域R的温度分布的图像，并且是作为不存在检测对象物体的基准的图像，该检测对象图像是表示检测区域R的温度分布的图像，并且是用于对检测对象物体进行检测的检测对象的图像。该物体检测装置1将热体作为检测对象物体进行检测。此外，物体检测装置1假定检测对象物体的温度比检测区域的背景的温度高，对温度比检测区域的背景的温度高的检测对象物体进行检测。
物体检测装置1具备：对检测区域R的温度分布进行检测的温度分布传感器2；进行各种处理的运算处理部3；用于存储各种信息的存储部4；和用于输出各种信息的输出部5。
温度分布传感器2检测从检测区域R放射的红外线，来对检测区域R的温度分布进行检测，并输出其检测结果。运算处理部3基于温度分布传感器2的输出，执行各种处理，由此对检测区域R内的检测对象物体S进行检测。存储部4存储通过运算处理部3的各种处理而生成的各种信息。输出部5将运算处理部3对检测对象物体S的检测结果(检测对象物体S的个数、位置等信息)，通过无线或有线通信，发送到外部装置。运算处理部3具备差分2值图像生成部31、2次微分2值图像生成部32、和物体检测部33。差分2值图像生成部31生成用规定的差分值用阈值对上述背景图像与上述检测对象图像的差分值进行2值化而得到的差分2值图像。2次微分2值图像生成部32生成用规定的微分值用阈值对检测对象图像或将检测对象图像平滑化后的平滑图像的2次微分值进行2值化而得到的2次微分2值图像。物体检测部33基于上述差分2值图像和上述2次微分2值图像的逻辑与，来对检测对象物体S进行检测。
在此，对温度分布传感器2以及温度分布传感器2的输出进行说明。温度分布传感器2具有排列为二维状的多个红外线检测元件，通过这些多个红外线检测元件来检测从检测区域R放射的红外线，从而对检测区域R的温度分布进行检测。即，温度分布传感器2平面地捕捉检测区域R，并对平面地捕捉到的检测区域R的各位置的温度、即平面地捕捉到的检测区域R的温度分布进行检测。然后，温度分布传感器2将平面地捕捉到的检测区域R的各位置的温度、即平面地捕捉到的检测区域R的温度分布作为检测温度图像而输出。
温度分布传感器2，将把平面地捕捉到的检测区域R分割为u行×v列(在本实施方式中，8行×8列(u＝8，v＝8))而得到的各区域设为p(i，j)(i＝1，2，···，u；j＝1，2，···，v)，检测各区域(各位置)p(i，j)的温度。然后，温度分布传感器2将检测出的各区域p(i，j)的温度设为A(i，j)，对检测温度图像A(x，y)进行输出。A(x，y)是A(i，j)(i＝1，2，···，u；j＝1，2，···，v)的整体。即，A(x，y)是A(1，1)、A(1，2)、···、A(1，v)、A(2，1)、A(2，2)、···、A(2，v)、···、A(u，1)、A(u，2)、···、A(u，v)的整体。A(x，y)的x＝i、y＝j时的值(温度)是A(i，j)。
检测温度图像A(x，y)可以捕捉为图2所示那样。即，检测温度图像A(x，y)可以捕捉为：由u行×v列的像素q(i，j)(i＝1，2，···，u；j＝1，2，···，v)构成，且将A(x，y)的x＝i、y＝j时的值A(i，j)设为像素q(i，j)的值的图像。在图2中，通过像素q(i，j)的浓淡来表示像素q(i，j)的值A(i，j)的大小。检测温度图像A(x，y)的像素q(i，j)，对应于检测区域R内的区域p(i，j)，检测温度图像A(x，y)的像素q(i，j)的值A(i，j)是温度分布传感器2对检测区域R内的区域p(i，j)的检测温度。
温度分布传感器2，每隔规定时间(例如每隔0.1秒)，对检测区域R的温度分布进行检测，输出检测温度图像A(x，y)。即，温度分布传感器2将检测时间点t的检测温度图像A(x，y)设为A[t](x，y)，输出检测温度图像A[t](x，y)(t＝t1，t2，t3，···)。在此，t1，t2，t3，···，是每隔规定时间的检测时间点。即，温度分布传感器2，随着时间的经过，每隔规定时间，依次输出检测温度图像A[t1](x，y)、检测温度图像A[t2](x，y)、检测温度图像A[t3](x，y)、···。
图3表示物体检测装置1的运算处理部3的动作的流程图。运算处理部3(物体检测装置1)，为了对检测区域R内的检测对象物体S进行检测，如下这样执行动作。
若物体检测装置1的电源被接通，则运算处理部3首先执行生成背景图像B(x，y)的背景图像生成处理(S1)。背景图像B(x，y)是表示检测区域R的温度分布的图像，并且是作为在检测区域R内不存在检测对象物体S的基准的图像。在背景图像生成处理中，运算处理部3基于温度分布传感器2的输出即检测温度图像A(x，y)，生成背景图像B(x，y)。背景图像B(x，y)与检测温度图像A(x，y)同样地由u行×v列的像素q(i，j)构成，是将B(x，y)在x＝i，y＝j时的值B(i，j)设为像素q(i，j)的值的图像。背景图像B(x，y)的像素q(i，j)对应于检测区域R内的区域p(i，j)，背景图像B(x，y)的像素q(i，j)的值B(i，j)表示检测区域R内的区域p(i，j)的背景温度(作为不存在检测对象物体S的基准的温度)。运算处理部3将在排除了检测对象物体S的状态(不存在检测对象物体S的状态)下，任意1个时间点的温度分布传感器2的输出即检测温度图像A(x，y)作为背景图像B(x，y)，由此来生成背景图像B(x，y)。运算处理部3将通过背景图像生成处理而生成的背景图像B(x，y)存储到存储部4中。
接下来，运算处理部3执行生成检测对象图像F(x，y)的检测对象图像生成处理(S2)。检测对象图像F(x，y)是表示检测区域R的温度分布的图像，并且是用于对检测区域R内的检测对象物体S进行检测的检测对象的(与背景图像B(x，y)进行比较的)图像。在检测对象图像生成处理中，运算处理部3基于温度分布传感器2的输出即检测温度图像A(x，y)，生成检测对象图像F(x，y)。检测对象图像F(x，y)与检测温度图像A(x，y)同样地由u行×v列的像素q(i，j)构成，是将F(x，y)的x＝i，y＝j时的值F(i，j)设为像素q(i，j)的值的图像。检测对象图像F(x，y)的像素q(i，j)对应于检测区域R内的区域p(i，j)，检测对象图像F(x，y)的像素q(i，j)的值F(i，j)表示检测区域R内的区域p(i，j)的温度。运算处理部3将任意1个时间点(要进行检测的时间点)的温度分布传感器2的输出即检测温度图像A(x，y)设为检测对象图像F(x，y)，由此来生成检测对象图像F(x，y)。
接下来，运算处理部3执行对检测区域R内的检测对象物体S进行检测的物体检测处理(S3)。在物体检测处理中，运算处理部3基于背景图像B(x，y)与检测对象图像F(x，y)之间的差分，来对检测对象物体S进行检测。关于物体检测处理中的检测对象物体S的检测方法的详情见后述。运算处理部3将通过物体检测处理而得到的检测对象物体S的检测结果发送到输出部5。由此，输出部5输出检测对象物体S的检测结果。
物体检测处理之后，运算处理部3反复上述S2以后的处理。S2、S3的处理以规定的周期(例如0.1秒周期)被反复。通过以规定的周期反复S2、S3的处理，从而稳定地检测出检测区域R内的检测对象物体S。
像这样，运算处理部3(物体检测装置1)通过执行背景图像生成处理、检测对象图像生成处理、和物体检测处理，来对检测区域R内的检测对象物体S进行检测。即，基于温度分布传感器2的输出，生成背景图像B(x，y)，并且生成检测对象图像F(x，y)，基于背景图像B(x，y)与检测对象图像F(x，y)之间的差分，来对温度比检测区域R的背景的温度高的检测对象物体S进行检测。
在此，对上述物体检测处理中的检测对象物体S的检测方法的概要进行说明。首先，运算处理部3(的差分2值图像生成部31)生成用规定的差分值用阈值对背景图像B(x，y)与检测对象图像F(x，y)的差分值进行2值化而得到的差分2值图像C(x，y)。即，运算处理部3生成用规定的差分值用阈值对从检测对象图像F(x，y)中减去背景图像B(x，y)之后的差分值进行2值化而得到的差分2值图像C(x，y)。即，将从检测对象图像F(x，y)中减去背景图像B(x，y)之后的差分值为差分值用阈值以上的区域设为1(第1值)。此外，将从检测对象图像F(x，y)中减去背景图像B(x，y)之后的差分值小于差分值用阈值的区域设为0(第2值)。由此，生成差分2值图像C(x，y)。
此外，运算处理部3(的2次微分2值图像生成部32)生成用规定的微分值用阈值对将检测对象图像F(x，y)平滑化所得的平滑图像F’(x，y)的2次微分值进行2值化而得到的2次微分2值图像D(x，y)。即，将微分值用阈值设为0，将平滑图像F’(x，y)的2次微分值为负(小于微分值用闽值)的区域设为1(第1值)。此外，将平滑图像F’(x，y)的2次微分值不是负的区域(2次微分值为正或0的区域)设为0(第2值)。由此，生成2次微分2值图像D(，x，y)。
然后，运算处理部3通过基于差分2值图像C(x，y)与2次微分2值图像D(x，y)的综合判断，来对检测对象物体S进行检测。即，运算处理部3(的物体检测部33)基于差分2值图像C(x，y)与2次微分2值图像D(x，y)的逻辑与，来对检测对象物体S进行检测。
差分2值图像C(x，y)的值为1的区域(从检测对象图像F(x，y)中减去背景图像B(x，y)之后的差分值为差分值用阈值以上的区域)，是可能存在检测对象物体S的区域。此外，差分2值图像C(x，y)的值为0的区域(从检测对象图像F(x，y)中减去背景图像B(x，y)之后的差分值小于差分值用阈值的区域)，是不可能存在检测对象物体S的区域。
另一方面，在考虑了温度分布的2次微分值的情况下，温度的上升率减少的区域以及温度的下降率增加的区域的温度分布的2次微分值为负，温度的上升率增加的区域以及温度的下降率减少的区域的温度分布的2次微分值为正。于是，对于温度的上升率减少的区域以及温度的下降率增加的区域、即温度分布的2次微分值为负的区域，在存在比周围温度高的区域的情况下，可能在该区域内产生。此外，对于温度的上升率增加的区域以及温度的下降率减少的区域、即温度分布的2次微分值为正的区域，在存在比周围温度低的区域的情况下，可能在该区域内产生。
检测对象图像F(x，y)是表示检测区域R的温度分布的图像，将检测对象图像F(x，y)平滑化所得的平滑图像F’(x，y)也是表示检测区域R的温度分布的图像。因此，2次微分2值图像D(x，y)的值为1的区域(平滑图像F’(x，y)的2次微分值为负的区域)，对应于检测区域R的温度分布的2次微分值为负的区域。即，2次微分2值图像D(x，y)的值为1的区域，对应于检测区域R内的比周围温度高的区域。此外，2次微分2值图像D(x，y)的值为0的区域(平滑图像F’(x，y)的2次微分值为正或0的区域)，对应于检测区域R的温度分布的2次微分值为正或0的区域。即，2次微分2值图像D(x，y)的值为0的区域，对应于检测区域R内的比周围温度低的区域。而且，物体检测装置1假定检测对象物体S的温度比背景的温度(周围的温度)更高。
因此，2次微分2值图像D(x，y)的值为1的区域(平滑图像F’(x，y)的2次微分值为负的区域)，是可能存在检测对象物体S的区域。此外，2次微分2值图像D(x，y)的值为0的区域(平滑图像F’(x，y)的2次微分值为正或0的区域)，是不可能存在检测对象物体S的区域。
因此，对于2次微分2值图像D(x，y)的值为0的区域，即使是差分2值图像C(x，y)的值为1的区域，也是不可能存在检测对象物体S的区域。此外，对于差分2值图像C(x，y)的值为0的区域，即使是2次微分2值图像D(x，y)的值为1的区域，也是不可能存在检测对象物体S的区域。
因此，运算处理部3基于差分2值图像C(x，y)与2次微分2值图像D(x，y)的逻辑与，认为在差分2值图像C(x，y)与2次微分2值图像D(x，y)的逻辑与的值为1(第1值)的区域中存在检测对象物体S。此外，在逻辑与的值为1的区域分离地存在多个的情况下，运算处理部3认为在这些分离存在的逻辑与的值为1的各个区域中存在不同的检测对象物体S。
图4表示上述物体检测处理中的处理流程。图5示出在物体检测处理中作为基础的背景图像B(x，y)、检测对象图像F(x，y)、以及在物体检测处理中被生成的差分2值图像C(x，y)、2次微分2值图像D(x，y)、逻辑与图像E(x，y)的例子。
在物体检测处理中，运算处理部3基于检测对象图像F(x，y)以及背景图像B(x，y)，如下这样对检测对象物体S进行检测。
检测对象图像F(x，y)(在本实施方式中为检测温度图像A)例如是如图5所示的图像。检测对象图像F(x，y)由u行×v列的像素q(i，j)构成，是将F(x，y)的x＝i、y＝j的值F(i，j)设为像素q(i，j)的值的图像。在图5所示的检测对象图像F(x，y)中，通过像素q(i，j)的浓淡，示出了像素q(i，j)的值F(i，j)的大小。检测对象图像F(x，y)的像素q(i，j)对应于检测区域R内的区域p(i，j)，检测对象图像F(x，y)的像素q(i，j)的值F(i，j)表示检测区域R内的区域p(i，j)的温度。
此外，背景图像B(x，y)例如是如图5所示的图像。背景图像B(x，y)由u行×v列的像素q(i，j)构成，是将B(x，y)在x＝i、y＝j时的值B(i，j)设为像素q(i，j)的值的图像。在图5所示的背景图像B(x，y)中，通过像素q(i，j)的浓淡，示出了像素q(i，j)的值F(i，j)的大小。背景图像B(x，y)的像素q(i，j)对应于检测区域R内的区域p(i，j)，背景图像B(x，y)的像素q(i，j)的值F(i，j)表示检测区域R内的区域p(i，j)的背景温度。
首先，运算处理部3通过实施从检测对象图像F(x，y)中减去背景图像B(x，y)的差分处理，来生成差分图像H(x，y)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，将从F(i，j)中减去B(i，j)之后的差分值设为H(i，j)，由此生成差分图像H(x，y)。H(x，y)在x＝i、y＝j时的值是H(i，j)。
然后，运算处理部3通过对差分图像H(x，y)进行2值化处理，来生成差分2值图像C(x，y)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，将用规定的差分值用阈值对H(i，j)进行2值化而得到的值设为C(i，j)，由此生成差分2值图像C(x，y)。即，运算处理部3(的差分2值图像生成部31)，将H(i，j)为差分值用阈值以上的区域设为1(第1值)，并且将H(i，j)小于差分值用阈值的区域设为0(第2值)，由此生成差分2值图像C(x，y)。即，运算处理部3，若H(i，j)为差分值用阈值以上，则将C(i，j)设为1(第1值)，若H(i，j)小于差分值用闽值，则将C(i，j)设为0(第2值)，由此生成差分2值图像C(x，y)。C(x，y)在x＝i、y＝j时的值为C(i，j)。
差分2值图像C(x，y)例如成为图5所示那样。差分2值图像C(x，y)由u行×v列的像素q(i，j)构成，是将C(x，y)在x＝i、y＝j时的值C(i，j)设为像素q(i，j)的值的图像。在图5所示的差分2值图像C(x，y)中，在各像素q(i，j)中标记的“0”“1”的数值，示出了该像素q(i，j)的值C(i，j)。
此外，运算处理部3通过对检测对象图像F(x，y)实施作为平滑化处理的一种的高斯滤波处理，来生成平滑图像F’(x，y)。即，运算处理部3通过对检测对象图像F(x，y)实施高斯滤波处理，来针对i＝1，2，···，u；j＝1，2，···，v的各i、j，求取检测对象图像F(x，y)在x＝i、y＝j时的平滑值。关于检测对象图像F(x，y)在x＝i、y＝j时的平滑值，通过利用规定的高斯滤波系数，基于检测对象图像F(x，y)在x＝i、y＝j时的像素及其周边的像素的值，实施高斯滤波处理来求取。于是，运算处理部3通过针对各i、j，将检测对象图像F(x，y)在x＝i、y＝j时的平滑值设为F’(i，j)，来生成平滑图像F’(x，y)。F’(x，y)在x＝i、y＝j时的值是F’(i，j)。平滑图像F’(x，y)是表示检测区域R的温度分布的图像。
平滑图像F’(x，y)由u行×v列的像素q(i，j)构成，是将F’(x，y)在x＝i、y＝j时的值F’(i，j)设为像素q(i，j)的值的图像。平滑图像F’(x，y)的像素q(i，j)，对应于检测区域R内的区域p(i，j)，平滑图像F’(x，y)的像素q(i，j)的值F’(i，j)，表示检测区域R内的区域p(i，j)的温度。
接下来，运算处理部3(的2次微分2值图像生成部32)，通过对平滑图像F’(x，y)实施拉普拉斯滤波处理，来生成2次微分图像G(x，y)。即，运算处理部3通过对平滑图像F’(x，y)实施拉普拉斯滤波处理，来针对i＝1，2，···，u；j＝1，2，···，v的各i、j，求取平滑图像F’(x，y)在x＝i、y＝j时的2次微分值。平滑图像F’(x，y)在x＝i、y＝j时的2次微分值，通过利用规定的拉普拉斯滤波系数，基于平滑图像F’(x，y)在x＝i、y＝j时的像素及其周边的像素的值，实施拉普拉斯滤波处理来求取。然后，运算处理部3通过针对各i、j，将平滑图像F’(x，y)在x＝i、y＝j时的2次微分值设为G(i，j)，来生成2次微分图像G(x，y)。G(x，y)在x＝i、y＝j时的值是G(i，j)。2次微分图像G(x，y)是表示检测区域R的温度分布的2次微分值(即，检测区域R内的温度变化率的增减程度)的图像。
在2次微分图像G(x，y)的生成中，运算处理部3例如利用图6所示的3行×3列的拉普拉斯滤波系数k1、1，k1、2，k1、3，k2、1，k2、2，k2、3，k3、1，k3、2，k3、3，来实施拉普拉斯滤波处理，由此来求取G(i，j)。G(i、j)＝-1×(k1、1×F’(i-1，j-1)+k1、2×F’(i-1，j)+k1、3×F’(i-1，j+1)+k2、1×F’(i，j-1)+k2、2×F’(i，j)+k2、3×F’(i，j+1)+k3、1×F’(i+1，j-1)+k3、2×F’(i+1，j)+k3、3×F’(i+1，j+1)。在图6所示的例子中，k1、1＝-1，k1、2＝-1，k1、3＝-1，k2、1＝-1，k2、2＝8，k2、3＝-1，k3、1＝-1，k3、2＝-1，k3、3＝-1。
假设平滑图像F’(x，y)的某3行×3列的区域的值(即，平滑图像F’(x，y)在x＝i、y＝j时的像素及其周边的像素的值)是例如图7所示的值。即，假设F’(i-1，j-1)＝10，F’(i-1，j)＝11，F’(i-1，j+1)＝10，F’(i，j-1)＝8，F’(i，j)＝10，F’(i，j+1)＝8，F’(i+1，j-1)＝10，F’(i+1，j)＝11，F’(i+1，j+1)＝10。在此情况下，若利用图6所示的拉普拉斯滤波系数，求取平滑图像F’(x，y)在x＝i、y＝j时的2次微分值G(i，j)，则G(i，j)＝-2。
2次微分图像G(x，y)由u行×v列的像素q(i，j)构成，是将G(x，y)在x＝i、y＝j时的值G(i，j)设为像素q(i，j)的值的图像。2次微分图像G(x，y)的像素q(i，j)对应于检测区域R内的区域p(i，j)。2次微分图像G(x，y)的像素q(i，j)的值G(i，j)，表示检测区域R的温度分布的、与像素q(i，j)对应的检测区域R内的区域p(i，j)中的2次微分值。即，2次微分图像G(x，y)的像素q(i，j)的值G(i，j)表示与像素q(i，j)对应的检测区域R内的区域p(i，j)的、相对于周边区域的温度变化率的增减程度。
然后，运算处理部3(的2次微分2值图像生成部32)，通过对2次微分图像G(x，y)进行2值化处理，来生成2次微分2值图像D(x，y)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，将用规定的微分值用阈值对G(i，j)进行2值化而得到的值作为D(i，j)，由此来生成2次微分2值图像D(x，y)。即，运算处理部3(的2次微分2值图像生成部32)，将G(i，j)小于微分值用阈值的区域设为1(第1值)，并且将G(i，j)为微分值用阈值以上的区域设为0(第2值)，由此来生成2次微分2值图像D(x，y)。即，运算处理部3将微分值用阈值设为0，若G(i，j)为负，则将D(i，j)设为1，并且若G(i，j)不为负(若为正或0)，则将D(i，j)设为0，由此来生成2次微分2值图像D(x，y)。D(x，y)在x＝i、y＝j时的值是D(i，j)。
2次微分2值图像D(x，y)是对检测区域R内的温度分布的2次微分值(检测区域R内的温度变化率的增减程度)进行2值化来表示的图像。即，2次微分2值图像D(x，y)是将检测区域R区分为检测区域R内的温度分布的2次微分值为负的区域、和检测区域R内的温度分布的2次微分值不为负(为正或0)的区域来进行表示的图像。温度分布的2次微分值为负的区域，是温度的上升率减少的区域以及温度的下降率增加的区域，温度分布的2次微分值为正的区域，是温度的上升率增加的区域以及温度的下降率减少的区域。
2次微分2值图像D(x，y)例如成为图5所示那样。2次微分2值图像D(x，y)由u行×v列的像素q(i，j)构成，是将D(x，y)在x＝i、y＝j时的值D(i，j)设为像素q(i，j)的值的图像。在图5所示的2次微分2值图像D(x，y)中，在各像素q(i，j)中标记的“0”“1”的数值表示该像素q(i，j)的值D(i，j)。2次微分2值图像D(x，y)的像素q(i，j)对应于检测区域R内的区域p(i，j)。
2次微分2值图像D(x，y)的像素q(i，j)的值D(i，j)，表示检测区域R的温度分布的、与像素q(i，j)对应的检测区域R内的区域p(i，j)中的2次微分值是否为负。即，像素q(i，j)的值D(i，j)为1，表示检测区域R的温度分布的、与该像素q(i，j)对应的区域p(i，j)中的2次微分值为负。此外，像素q(i，j)的值D(i，j)为0，表示与该像素q(i，j)对应的检测区域R内的区域p(i，j)中的检测区域R的温度分布的2次微分值不为负(为正或0)。
然后，运算处理部3(的物体检测部33)，通过进行逻辑与运算处理，来生成差分2值图像C(x，y)与2次微分2值图像D(x，y)的逻辑与图像E(i，j)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，将C(i，j)与D(i，j)的逻辑与的值设为E(i，j)，由此生成逻辑与图像E(i，j)。即，运算处理部3，若C(i，j)与D(i，j)的逻辑与的值为1，则将E(i，j)设为1，并且若C(i，j)与D(i，j)的逻辑与的值为0，则将E(i，j)设为0，由此来生成逻辑与图像E(i，j)。E(x，y)在x＝i、y＝j时的值为E(i，j)。
逻辑与图像E(x，y)例如成为图5所示那样。逻辑与图像E(x，y)由u行×v列的像素q(i，j)构成，是将E(x，y)在x＝i、y＝j时的值E(i，j)设为像素q(i，j)的值的图像。在图5所示的逻辑与图像E(x，y)中，在各像素q(i，j)中标记的“0”“1”的数值表示该像素q(i，j)的值E(i，j)。逻辑与图像E(x，y)的像素q(i，j)对应于检测区域R内的区域p(i，j)。
然后，运算处理部3(的物体检测部33)基于该逻辑与图像E(x，y)，即、基于差分2值图像C(x，y)与2次微分2值图像D(x，y)的逻辑与，来对检测对象物体S进行检测。即，运算处理部3认为在逻辑与图像E(x，y)的值E(i，j)为1的区域中存在检测对象物体S。此外，在逻辑与图像E(x，y)的值E(i，j)为1的区域分离地存在多个的情况下，运算处理部3认为在这些分离存在的E(i，j)为1的各个区域中，存在不同的检测对象物体S。运算处理部3像这样执行物体检测处理，来对检测区域R内的检测对象物体S进行检测。
根据本实施方式的物体检测装置1以及物体检测方法，基于差分2值图像C与2次微分2值图像D的逻辑与，对检测对象物体进行检测，由此即使在检测区域内存在多个检测对象物体的情况下，也能够分离地检测各检测对象物体。即，在检测区域内存在多个检测对象物体的情况下，能够将这些多个检测对象物体检测为不同的检测对象物体。而且，即使在图像的分辨率低、且多个检测对象物体接近的情况下，也能够分离地检测这些多个检测对象物体。
此外，通过实施拉普拉斯滤波处理，来求取平滑图像F’的2次微分值，生成2次微分2值图像D，因此平滑图像F’的2次微分值的计算进行一次(一个图像的量)即可，能够实现节省存储器并且能够实现处理的高速化。
另外，在本实施方式中，也可以取代高斯滤波处理，而通过实施其他平滑化处理，来生成平滑图像F’。此外，也可以取代拉普拉斯滤波处理，而通过实施其他2次微分值算出处理，来求取平滑图像F’的2次微分值，生成2次微分2值图像D。
此外，在本实施方式中，检测对象图像F不限于1个时间点的检测温度图像A，也可以是对多个不同时间点的多个检测温度图像A进行平均而得到的图像。
此外，在本实施方式中，也可以将平滑图像F’的2次微分值为负或0(在微分值用阈值以下)的区域设为1(第1值)，并且将平滑图像F’的2次微分值不是上述值的区域(2次微分值为正的区域)设为0(第2值)，由此来生成2次微分2值图像D。
此外，在本实施方式中，对于2次微分2值图像D，也可以取代用规定的微分值用阈值对将检测对象图像F平滑化后的平滑图像F’的2次微分值进行2值化而得到的图像，而为用规定的微分值用阈值对检测对象图像F的2次微分值进行2值化而得到的图像。即，也可以通过将检测对象图像F的2次微分值为负(小于微分值用阈值)的区域设为1(第1值)，并且将检测对象图像F的2次微分值不是上述值的区域(2次微分值为正或0的区域)设为0(第2值)，来生成2次微分2值图像D。此外，也可以通过将检测对象图像F的2次微分值为负或0(在微分值用阈值以下)的区域设为1(第1值)，并且将检测对象图像F的2次微分值不是上述值的区域(2次微分值为正的区域)设为0(第2值)，来生成2次微分2值图像D。
此外，物体检测装置1在对温度比检测区域的背景温度低的检测对象物体进行检测的情况下也能够应用。在对温度比检测区域的背景温度低的检测对象物体进行检测的情况下，运算处理部3(的差分2值图像生成部31)将从背景图像B中减去检测对象图像F之后的差分值为差分值用阈值以上的区域设为1(第1值)，将从背景图像B中减去检测对象图像F之后的差分值小于差分值用阈值的区域设为0(第2值)。在对温度比检测区域的背景温度低的检测对象物体进行检测的情况下，也可以像这样生成差分2值图像C。此外，运算处理部3(的2次微分2值图像生成部32)通过将平滑图像F’的2次微分值为正(超过微分值用阈值)的区域设为1(第1值)，并且将除此以外的区域设为0(第2值)，来生成2次微分2值图像D。
另外，在对温度比检测区域的背景低的检测对象物体进行检测的情况下，也可以将平滑图像F’的2次微分值为正或0(在微分值用阈值以上)的区域设为1，将平滑图像F’的2次微分值不是上述值的区域(2次微分值为负的区域)设为0，来生成2次微分2值图像D。
此外，在对温度比检测区域的背景低的检测对象物体进行检测的情况下，2次微分2值图像D，也可以取代用微分值用阈值对平滑图像F’的2次微分值进行2值化而得到的图像，而为用微分值用阈值对检测对象图像F的2次微分值进行2值化而得到的图像。即，运算处理部3(的2次微分2值图像生成部32)也可以通过将检测对象图像F的2次微分值为正(超过微分值用阈值)的区域设为1(第1值)，并且将检测对象图像F的2次微分值不是上述值的区域(2次微分值为负或0的区域)设为0(第2值)，来生成2次微分2值图像D。此外，运算处理部3(的2次微分2值图像生成部32)也可以通过将检测对象图像F的2次微分值为正或0(在微分值用阈值以上)的区域设为1(第1值)，并且将检测对象图像F的2次微分值不是上述值的区域(2次微分值为负的区域)设为0(第2值)，来生成2次微分2值图像D。
＜第2实施方式＞
接着，对第2实施方式的物体检测装置以及物体检测方法进行说明。本实施方式的物体检测装置1以及物体检测方法的物体检测处理(检测对象物体S的检测方法)与上述第1实施方式的构成不同。关于本实施方式中的其他构成，与上述第1实施方式同样。
图8表示本实施方式的物体检测处理中的处理流程。本实施方式的物体检测处理的2次微分2值图像D(x，y)的生成方法与上述第1实施方式的构成不同。关于本实施方式的物体检测处理中的其他处理(差分2值图像C(x，y)的生成方法、逻辑与图像E(x，y)的生成方法)，与上述第1实施方式同样。
在本实施方式中，运算处理部3(的2次微分2值图像生成部32)，如下这样来生成2次微分2值图像D(x，y)。
首先，运算处理部3与上述第1实施方式同样地生成平滑图像F’(x，y)。
接下来，运算处理部3(的2次微分2值图像生成部32)通过对平滑图像F’(x，y)实施水平2次微分滤波处理，来生成水平2次微分图像G1(x，y)。即，运算处理部3通过对平滑图像F’(x，y)实施水平2次微分滤波处理，来针对各i、j求取平滑图像F’(x，y)在x＝i、y＝j时在水平方向上的2次微分值。F’(x，y)在x＝i、y＝j时在水平方向上的2次微分值，通过利用规定的水平2次微分滤波系数，基于F’(x，y)在x＝i、y＝j时的像素及其周边的像素的值，实施水平2次微分滤波处理来求取。然后，运算处理部3针对各i、j，将平滑图像F’(x，y)在x＝i、y＝j时在水平方向上的2次微分值设为G1(i，j)，由此来生成水平2次微分图像G1(x，y)。
在水平2次微分图像G1(x，y)的生成中，运算处理部3利用图9所示的3行×3列的水平2次微分滤波系数m1、1，m1、2，m1、3，m2、1，m2、 2，m2、3，m3、1，m3、2，m3、3，来实施水平2次微分滤波处理，由此来求取G1(i，j)。G1(i、j)＝-1×(m1、1×F’(i-1，j-1)+m1、2×F’(i-1，j)+m1、3×F’(i-1，j+1)+m2、1×F’(i，j-1)+m2、2×F’(i，j)+m2、3×F’(i，j+1)+m3、1×F’(i+1，j-1)+m3、2×F’(i+1，j)+m3、3×F’(i+1，j+1)。在图9所示的例子中，m1、1＝-1，m1、2＝0，m1、3＝-1，m2、1＝-1，m2、 2＝6，m2、3＝-1，m3、1＝-1，m3、2＝0，m3、3＝-1。
假设平滑图像F’(x，y)的某3行×3列的区域的值(即，平滑图像F’(x，y)在x＝i、y＝j时的像素及其周边的像素的值)，例如为上述图7所示的值。在该情况下，若利用图9所示的水平2次微分滤波系数，求取平滑图像F’(x，y)在x＝i、y＝j时在水平方向上的2次微分值G1(i，j)，则G1(i，j)＝-4。
此外，运算处理部3(的2次微分2值图像生成部32)通过对平滑图像F’(x，y)实施垂直2次微分滤波处理，来生成垂直2次微分图像G2(x，y)。即，运算处理部3通过对平滑图像F’(x，y)实施垂直2次微分滤波处理，来针对各i、j求取平滑图像F’(x，y)在x＝i、y＝j时在垂直方向上的2次微分值。F’(x，y)在x＝i、y＝j时的在垂直方向上的2次微分值，通过利用规定的垂直2次微分滤波系数，基于F’(x，y)在x＝i、y＝j时的像素及其周边的像素的值，实施垂直2次微分滤波处理来求取。然后，运算处理部3针对各i、j，将平滑图像F’(x，y)在x＝i、y＝j时的在垂直方向上的2次微分值设为G2(i，j)，由此来生成垂直2次微分图像G2(x，y)。
在垂直2次微分图像G2(x，y)的生成中，运算处理部3利用图10所示的3行×3列的垂直2次微分滤波系数n1、1，n1、2，n1、3，n2、1，n2、2，n2、3，n3、1，n3、2，n3、3，实施垂直2次微分滤波处理，由此来求取G2(i，j)。G2(i、j)＝-1×(n1、1×F’(i-1，j-1)+n1、2×F’(i-1，j)+n1、3×F’(i-1，j+1)+n2、1×F’(i，j-1)+n2、2×F’(i，j)+n2、3×F’(i，j+1)+n3、 1×F’(i+1，j-1)+n3、2×F’(i+1，j)+n3、3×F’(i+1，j+1)。在图10所示的例子中，n1、1＝-1，n1、2＝-1，n1、3＝-1，n2、1＝0，n2、2＝6，n2、3＝0，n3、1＝-1，n3、2＝-1，n3、3＝-1。
假设平滑图像F’(x，y)的某3行×3列的区域的值(即，平滑图像F’(x，y)在x＝i、y＝j时的像素及其周边的像素的值)例如为上述图7所示的值。在该情况下，若利用图10所示的垂直2次微分滤波系数，求取平滑图像F’(x，y)在x＝i、y＝j时的在垂直方向上的2次微分值G2(i，j)，则G2(i，j)＝2。
然后，运算处理部3(的2次微分2值图像生成部32)生成2次微分2值图像D(x，y)。即，运算处理部3(的2次微分2值图像生成部32)针对i＝1，2，···，u；j＝1，2，···，v的各i、j，将G1(i，j)和G2(i，j)双方为负(小于微分值用阈值)的区域设为1(第1值)。此外，将G1(i，j)和G2(i，j)的至少一方不为负(至少一方为正或0)的区域设为0(第2值)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，若G1(i，j)和G2(i，j)双方为负，则将D(i，j)设为1。此外，若G1(i，j)和G2(i，j)的至少一方不为负(至少一方为正或0)，则将D(i，j)设为0。运算处理部3如此生成2次微分2值图像D(x，y)。D(x，y)在x＝i、y＝j时的值为D(i，j)。
在此，对通过上述第1实施方式的方法来生成2次微分2值图像D(x，y)的情况、和通过本实施方式的方法来生成2次微分2值图像D(x，y)的情况进行比较。上述第1实施方式的方法是通过拉普拉斯滤波处理求取2次微分值来生成2次微分2值图像D(x，y)的方法。本实施方式的方法是求取水平方向的2次微分值和垂直方向的2次微分值来生成2次微分2值图像D(x，y)的方法。
例如，考虑上述图7所示的平滑图像F’(x，y)的区域。即，考虑求取图7所示的平滑图像F’(x，y)的区域在x＝i、y＝j时的2次微分值，来决定2次微分2值图像D(x，y)在x＝i、y＝j时的值D(i，j)的情况。
在上述第1实施方式的方法中，成为以下情况。即，若利用上述图6所示的3行×3列的拉普拉斯滤波系数，实施拉普拉斯滤波处理，由此来求取图7所示的平滑图像F’(x，y)的区域在x＝i、y＝j时的2次微分值G(i，j)，则G(i，j)＝-2。因此，因为G(i，j)为负，所以2次微分2值图像D(x，y)在x＝i、y＝j时的值D(i，j)为1。
相对于此，在本实施方式的方法中，成为以下情况。若利用图9所示的水平2次微分滤波系数，实施水平2次微分滤波处理，由此来求取图7所示的平滑图像F’(x，y)的区域在x＝i、y＝j时在水平方向上的2次微分值G1(i，j)，则G1(i，j)＝-4。此外，若利用图10所示的垂直2次微分滤波系数，实施垂直2次微分滤波处理，由此来求取图7所示的平滑图像F’(x，y)的区域在x＝i、y＝j时的在垂直方向上的2次微分值G2(i，j)，则G2(i，j)＝2。因此，G1(i，j)和G2(i，j)的至少一方不为负(G2为正)，所以2次微分2值图像D(x，y)在x＝i、y＝j时的值D(i，j)为0。
像这样，在图7所示的例子中，通过上述第1实施方式的方法和本实施方式的方法，2次微分2值图像D(x，y)在x＝i、y＝j时的值D(i，j)成为不同的值。即，在通过上述第1实施方式的方法来生成2次微分2值图像D(x，y)的情况、和通过本实施方式的方法来生成2次微分2值图像D(x，y)的情况下，有时成为不同的结果。
根据本实施方式的物体检测装置1以及物体检测方法，与上述第1实施方式同样，即使在检测区域内存在多个检测对象物体的情况下，也能够分离地检测各检测对象物体。而且，通过求取水平方向的2次微分值和垂直方向的2次微分值来生成2次微分2值图像D，从而即使在通过用拉普拉斯滤波处理求取2次微分值来生成了2次微分2值图像D的方法无法分离地检测出检测对象物体的情况下，也能够分离地检测该检测对象物体。
另外，在本实施方式中，运算处理部3(的2次微分2值图像生成部32)也可以将平滑图像F’在水平方向上的2次微分值和在垂直方向上的2次微分值双方为负或0(在微分值用阈值以下)的区域设为1，并且将平滑图像F’的2次微分值不是上述值的区域设为0，来生成2次微分2值图像D。即，也可以将G1(i，j)和G2(i，j)双方为负或0的区域设为1，将G1(i，j)和G2(i，j)的至少一方既不为负也不为0(至少一方为正)的区域设为0，来生成2次微分2值图像D。
此外，在本实施方式中，运算处理部3(的2次微分2值图像生成部32)也可以取代平滑图像F’在水平方向上的2次微分值和在垂直方向上的2次微分值，而基于检测对象图像F在水平方向上的2次微分值和在垂直方向上的2次微分值，来生成2次微分2值图像D。即，运算处理部3(的2次微分2值图像生成部32)，也可以将检测对象图像F在水平方向上的2次微分值和在垂直方向上的2次微分值双方为负(小于微分值用阈值)的区域设为1，并且将检测对象图像F的2次微分值不是上述值的区域设为0，由此来生成2次微分2值图像D。此外，运算处理部3(的2次微分2值图像生成部32)也可以将检测对象图像F在水平方向上的2次微分值和在垂直方向上的2次微分值双方为负或0(在微分值用阈值以下)的区域设为1，并且将检测对象图像F的2次微分值不是上述值的区域设为0，来生成2次微分2值图像D。即，也可以通过对检测对象图像F实施水平2次微分滤波处理，来生成水平2次微分图像G1，通过对检测对象图像F实施垂直2次微分滤波处理，来生成垂直2次微分图像G2。
此外，在本实施方式中，水平2次微分滤波系数，不限于图9所示的系数，也可以是图11(a)、图11(b)所示的系数。此外，垂直2次微分滤波系数，不限于图10所示的系数，也可以是图12(a)、图12(b)所示的系数。
此外，在对温度比检测区域的背景低的检测对象物体进行检测时，运算处理部3(的2次微分2值图像生成部32)只要将平滑图像F’在水平方向上的2次微分值和在垂直方向上的2次微分值双方为正的区域设为1，将平滑图像F’的除此以外的区域设为0，来生成2次微分2值图像D即可。即，将G1(i，j)和G2(i，j)双方为正(超过微分值用阈值)的区域设为1，将G1(i，j)和G2(i，j)的至少一方不为正(至少一方为负或0)的区域设为0，来生成2次微分2值图像D即可。
此外，在对温度比检测区域的背景低的检测对象物体进行检测时，运算处理部3(的2次微分2值图像生成部32)也可以将平滑图像F’的水平方向的2次微分值和垂直方向的2次微分值双方为正或0(在微分值用阈值以上)的区域设为1，将平滑图像F’的2次微分值不是上述值的区域设为0，来生成2次微分2值图像D。即，也可以将G1(i，j)和G2(i，j)双方为正或0的区域设为1，将G1(i，j)和G2(i，j)的至少一方既不为正也不为0(至少一方为负)的区域设为0，来生成2次微分2值图像D。
此外，在对温度比检测区域的背景低的检测对象物体进行检测时，运算处理部3(的2次微分2值图像生成部32)也可以取代平滑图像F’的水平方向的2次微分值和垂直方向的2次微分值，而基于检测对象图像F的水平方向的2次微分值和垂直方向的2次微分值，来生成2次微分2值图像D。在该情况下，运算处理部3(的2次微分2值图像生成部32)只要将检测对象图像F在水平方向上的2次微分值和在垂直方向上的2次微分值双方为正(超过微分值用阈值)的区域设为1，并且将检测对象图像F的2次微分值不是上述值的区域设为0，由此来生成2次微分2值图像D即可。此外，运算处理部3(的2次微分2值图像生成部32)也可以将检测对象图像F在水平方向上的2次微分值和在垂直方向上的2次微分值双方为正或0(在微分值用阈值以上)的区域设为1，并且将检测对象图像F的2次微分值不是上述值的区域设为0，由此来生成2次微分2值图像D。
＜第3实施方式＞
接着，对第3实施方式的物体检测装置以及物体检测方法进行说明。本实施方式的物体检测装置1以及物体检测方法的物体检测处理(检测对象物体S的检测方法)与上述第1实施方式的构成不同。关于本实施方式中的其他构成，与上述第1实施方式同样。
图13表示本实施方式的物体检测处理中的处理流程。本实施方式的物体检测处理的2次微分2值图像D(x，y)的生成方法与上述第1实施方式的构成不同。关于本实施方式的物体检测处理中的其他处理(差分2值图像C(x，y)的生成方法、逻辑与图像E(x，y)的生成方法)，与上述第1实施方式同样。
在本实施方式中，运算处理部3如下这样来生成2次微分2值图像D(x，y)。
首先，运算处理部3与上述第1实施方式同样地生成平滑图像F’(x，y)。此外，运算处理部3与上述第1实施方式同样地生成2次微分图像G(x，y)。
然后，运算处理部3通过对2次微分图像G(x，y)进行2值化处理来生成2次微分2值图像D(x，y)。但是，运算处理部3(的2次微分2值图像生成部32)与上述第1实施方式不同，应用根据区域而不同的值作为微分值用阈值。
即，运算处理部3根据差分2值图像C(x，y)的值为1的区域，应用根据区域而不同的值作为微分值用阈值。即，运算处理部3基于差分2值图像C(x，y)的值C(i，j)，对阈值图像W(x，y)进行更新处理，由此来生成阈值图像W’(x，y)。在此，阈值图像W’(x，y)在x＝i、y＝j时的值W’(i，j)是对2次微分图像G(x，y)在x＝i、y＝j时的值G(i，j)进行2值化时的微分值用阈值。
在此，运算处理部3(的2次微分2值图像生成部32)，针对差分2值图像C(x，y)的值为1的区域及其邻近的区域所对应的区域，降低微分值用阈值(从0降低为负值)，针对除此以外的区域，提高微分值用阈值(从0提高为正值)。即，运算处理部3针对C(i，j)为1的区域及其邻近的区域所对应的区域，降低W(i，j)的值而设为W’(i，j)，针对除此以外的区域，提高W(i，j)的值而设为W’(i，j)。由此，对于差分2值图像C(x，y)的值为1的区域及其邻近的区域所对应的区域，微分值用闽值比针对除此以外的区域的微分值用阈值更低。
然后，运算处理部3(的2次微分2值图像生成部32)，像这样应用根据区域而不同的微分值用阈值W’(i，j)，来对2次微分图像G(x，y)进行2值化处理，由此来生成2次微分2值图像D(x，y)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，将G(i，j)小于微分值用阈值W’(i，j)的区域设为1(第1值)。此外，将G(i，j)为微分值用阈值W’(i，j)以上的区域设为0(第2值)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，若G(i，j)小于微分值用阈值W’(i，j)，则将D(i，j)设为1。此外，若G(i，j)为微分值用阈值W’(i，j)以上，则将D(i，j)设为0。运算处理部3像这样生成2次微分2值图像D(x，y)。
根据本实施方式的物体检测装置1以及物体检测方法，与上述第1实施方式同样，即使在检测区域内存在多个检测对象物体的情况下，也能够分离地检测各检测对象物体。而且，通过应用根据区域而不同的值作为微分值用阈值，能够防止将1个检测对象物体错误地分离检测为多个检测对象物体，并且能够更可靠地分离检测多个检测对象物体。
另外，在对温度比检测区域的背景低的检测对象物体进行检测时，运算处理部3(的2次微分2值图像生成部32)针对差分2值图像C的值为第1值的区域及其邻近的区域所对应的区域，提高微分值用阈值(从0提高为正值)，针对除此以外的区域，降低微分值用阈值(从0降低为负值)。由此，对于差分2值图像C(x，y)的值为1的区域及其邻近的区域所对应的区域，微分值用阈值比针对除此以外的区域的微分值用阈值更高。
＜第4实施方式＞
接着，对第4实施方式的物体检测装置以及物体检测方法进行说明。本实施方式的物体检测装置1以及物体检测方法的物体检测处理(检测对象物体S的检测方法)与上述第1实施方式的构成不同。关于本实施方式中的其他构成，与上述第1实施方式同样。
图14表示本实施方式的物体检测处理中的处理流程。本实施方式的物体检测处理的2次微分2值图像D(x，y)的生成方法与上述第1实施方式的构成不同。关于本实施方式的物体检测处理中的其他处理(差分2值图像C(x，y)的生成方法、逻辑与图像E(x，y)的生成方法)，与上述第1实施方式同样。
在本实施方式中，运算处理部3(的2次微分2值图像生成部32)如下这样来生成2次微分2值图像D(x，y)。
首先，运算处理部3与上述第1实施方式同样地生成平滑图像F’(x，y)。接下来，运算处理部3与上述第2实施方式同样地对平滑图像F’(x，y)实施水平2次微分滤波处理，由此来生成水平2次微分图像G1(x，y)。此外，运算处理部3与上述第2实施方式同样地对平滑图像F’(x，y)实施垂直2次微分滤波处理，由此来生成垂直2次微分图像G2(x，y)。
然后，运算处理部3生成2次微分2值图像D(x，y)，但是，运算处理部3与上述第2实施方式不同，应用根据区域而不同的值作为微分值用阈值。此时，运算处理部3与上述第3实施方式同样地，根据差分2值图像C(x，y)的值为1的区域，应用根据区域而不同的值作为微分值用阈值。
即，运算处理部3与上述第3实施方式同样地，基于差分2值图像C(x，y)的值C(i，j)来对阈值图像W(x，y)进行更新处理，由此来生成阈值图像W’(x，y)。即，运算处理部3与上述第3实施方式同样地，针对C(i，j)为1的区域及其邻近的区域所对应的区域，降低W(i，j)的值而设为W’(i，j)，针对除此以外的区域，提高W(i，j)的值而设为W’(i，j)。
然后，运算处理部3像这样应用根据区域而不同的微分值用阈值W’(i，j)，来生成2次微分2值图像D(x，y)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，将G1(i，j)和G2(i，j)双方都小于微分值用阈值W’(i，j)的区域设为1(第1值)。此外，将G1(i，j)和G2(i，j)的至少一方为微分值用阈值W’(i，j)以上的区域设为0(第2值)。即，运算处理部3针对i＝1，2，···，u；j＝1，2，···，v的各i、j，若G1(i，j)和G2(i，j)双方都小于微分值用阈值W’(i，j)，则将D(i，j)设为1。此外，若G1(i，j)和G2(i，j)的至少一方为微分值用阈值W’(i，j)以上，则将D(i，j)设为0。运算处理部3像这样来生成2次微分2值图像D(x，y)。
根据本实施方式的物体检测装置1以及物体检测方法，与上述第1实施方式同样，即使在检测区域内存在多个检测对象物体的情况下，也能够分离地检测各检测对象物体。而且，与上述第2实施方式同样，即使是通过用拉普拉斯滤波处理求取2次微分值来生成2次微分2值图像D的方法所无法检测的点，也能够进行检测。此外，与上述第3实施方式同样，能够防止将1个检测对象物体错误地分离检测为多个检测对象物体，并且能够更可靠地分离检测多个检测对象物体。
＜第5实施方式＞
接着，对第5实施方式的物体检测装置以及物体检测方法进行说明。本实施方式的物体检测装置1以及物体检测方法的物体检测处理(检测对象物体S的检测方法)与上述第1实施方式的构成不同。关于本实施方式中的其他构成，与上述第1实施方式同样。
本实施方式的物体检测处理的2次微分2值图像D(x，y)的生成方法与上述第1实施方式的构成不同。关于本实施方式的物体检测处理中的其他处理(差分2值图像C(x，y)的生成方法、逻辑与图像E(x，y)的生成方法)，与上述第1实施方式同样。
在本实施方式中，运算处理部3(的2次微分2值图像生成部32)如下这样来生成2次微分2值图像D(x，y)。
首先，运算处理部3与上述第1实施方式同样地生成平滑图像F’(x，y)。
在此，运算处理部3(的2次微分2值图像生成部32)将平滑图像F’(x，y)中、差分2值图像C(x，y)的值C(i，j)为1的区域所对应的区域，设为温度凸区域。接下来，运算处理部3求取该温度凸区域的主轴方向。然后，运算处理部3求取平滑图像F’(x，y)的关于主轴方向的2次微分值，来生成2次微分图像G(x，y)。即，运算处理部3对平滑图像F’(x，y)实施求取关于主轴方向的2次微分值的2次微分滤波处理，由此来求取平滑图像F’(x，y)的关于主轴方向的2次微分值。然后，运算处理部3将平滑图像F’(x，y)的关于主轴方向的2次微分值设为2次微分图像G(x，y)的值G(i，j)。
此外，在分离地存在多个温度凸区域的情况下，运算处理部3(的2次微分2值图像生成部32)求取这些分离存在的各温度凸区域的主轴方向。然后，运算处理部3(的2次微分2值图像生成部32)按照这些分离存在的每个温度凸区域，求取该温度凸区域的关于主轴方向的2次微分值，来生成2次微分图像G(x，y)。即，运算处理部3针对平滑图像F’(x，y)的各温度凸区域，实施求取该温度凸区域的关于主轴方向的2次微分值的2次微分滤波处理，由此来求取各温度凸区域中的关于该温度凸区域的主轴方向的2次微分值。然后，运算处理部3将各温度凸区域中的关于该温度凸区域的主轴方向的2次微分值设为该温度凸区域中的2次微分图像G(x，y)的值G(i，j)。
此时，运算处理部3针对温度凸区域以外的区域，不实施2次微分滤波处理(不求取2次微分值)，而将温度凸区域以外的区域中的2次微分图像G(x，y)的值G(i，j)设为0。这是因为，对于温度凸区域以外的区域(温度凸区域以外的区域是差分2值图像C(x，y)的值C(i，j)为0的区域)，无论G(i，j)的值如何，通过后面的逻辑与运算处理，逻辑与图像E(x，y)的值E(i，j)都会成为0。
然后，运算处理部3(的2次微分2值图像生成部32)通过对像这样生成的2次微分图像G(x，y)与上述第1实施方式同样地进行2值化处理，来生成2次微分2值图像D(x，y)。
在分离地存在多个温度凸区域的情况下，运算处理部3(的2次微分2值图像生成部32)如下这样来求取各温度凸区域的主轴方向、以及各温度凸区域中的关于该温度凸区域的主轴方向的2次微分值。
首先，运算处理部3通过进行贴标签(labeling)处理，来对分离地存在多个的各温度凸区域(对构成温度凸区域的像素群的各像素)赋予标签编号L(L＝1，2，···)。例如，假设平滑图像F’(x，y)的温度凸区域如图15(a)所示那样存在。在图15(a)所示的平滑图像F’(x，y)中，记作“1”的像素q(i，j)的区域是温度凸区域，未记作“1”的像素q(i，j)的区域为温度凹区域。在图15(a)所示的平滑图像F’(x，y)中，温度凸区域分离为2个，分离地存在2个温度凸区域。在该情况下，标签编号L如图15(b)所示那样被赋予。在图15(b)所示的平滑图像F’(x，y)中，记作”1”的像素q(i，j)表示赋予了标签编号L＝1的温度凸区域的像素，记作“2”的像素q(i，j)表示赋予了标签编号L＝2的温度凸区域的像素。因为分离地存在2个温度凸区域，所以对1个温度凸区域赋予标签编号L＝1，对另一个温度凸区域赋予标签编号L＝2。
接下来，运算处理部3求取各标签编号L的温度凸区域的主轴方向。在本实施方式中，运算处理部3通过加权最小二乘法来求取分离地存在的各温度凸区域的主轴方向。在图15(b)的例子中，与图中的直线Q1平行的方向是标签编号L＝1的温度凸区域的主轴方向，与图中的直线Q2平行的方向是标签编号L＝2的温度凸区域的主轴方向。
然后，运算处理部3按照各标签编号L的每个温度凸区域，求取该温度凸区域的关于主轴方向的2次微分值。即，运算处理部3通过对各标签编号L的温度凸区域实施求取该温度凸区域的关于主轴方向的2次微分值的滤波处理，来求取各标签编号L的温度凸区域中的关于该温度凸区域的主轴方向的2次微分值。例如，对于图15(b)的标签编号L＝1的温度凸区域，利用图16(a)所示的2次微分滤波系数z1、1，z1、2，z1、3，z2、1，z2、2，z2、3，z3、1，z3、2，z3、3，实施滤波处理，由此来求取温度凸区域的关于主轴方向的2次微分值。在图16(a)所示的例子中，z1、1＝-1，z1、2＝-1，z1、3＝0，z2、1＝-1，z2、2＝6，z2、3＝-1，z3、1＝0，z3、2＝-1，z3、 3＝-1。此外，对于图15(b)的标签编号L＝2的温度凸区域，利用图16(b)所示的2次微分滤波系数m1、1，m1、2，m1、3，m2、1，m2、2，m2、3，m3、1，m3、2，m3、3，实施滤波处理，由此来求取温度凸区域的关于主轴方向的2次微分值。在图16(b)所示的例子中，m1、1＝-1，m1、2＝0，m1、 3＝-1，m2、1＝-1，m2、2＝6，m2、3＝-1，m3、1＝-1，m3、2＝0，m3、3＝-1。
根据本实施方式的物体检测装置1以及物体检测方法，与上述第1实施方式同样，即使在检测区域内存在多个检测对象物体的情况下，也能够分离地检测各检测对象物体。而且，通过求取温度凸区域(差分2值图像C的值为1的区域所对应的区域)的关于主轴方向的2次微分值来生成2次微分2值图像D，从而能够更可靠地分离检测多个检测对象物体。
另外，在本实施方式中，各温度凸区域的主轴方向不限于通过加权最小二乘法来求取，也可以通过主成分分析等来求取。此外，在1个温度凸区域内存在2个温度成为极大值的位置的情况下，也可以将连接这些温度成为极大值的2个位置的方向作为主轴方向。
本申请基于日本国专利申请2011-277550，其内容应通过参照上述专利申请的说明书以及附图而结果与本申请发明合为一体。此外，虽然本申请发明通过参照了附图的实施方式而进行了充分的记载，但能够进行各种变更或变形，这对于本领域技术人员是不言而喻的。因此，这种变更以及变形并未脱离本申请发明的范围，应被解释为包含在本申请发明的范围内。

Claims (20)

1.一种物体检测装置，具备：
差分2值图像生成部，其生成用规定的差分值用阈值对背景图像与检测对象图像之间的差分值进行2值化而得到的差分2值图像，所述背景图像是表示检测区域的温度分布的图像，并且是作为在所述检测区域内不存在检测对象物体的基准的图像，所述检测对象图像是表示所述检测区域的温度分布的图像，并且是用于对所述检测区域内的检测对象物体进行检测的检测对象的图像；
2次微分2值图像生成部，其生成将所述检测对象图像或对所述检测对象图像进行平滑化所得的平滑图像的2次微分值用规定的微分值用阈值进行2值化而得到的2次微分2值图像；和
物体检测部，其基于所述差分2值图像和所述2次微分2值图像之间的逻辑与，对检测对象物体进行检测。
2.根据权利要求1所述的物体检测装置，其特征在于，
对温度比所述检测区域的背景的温度更高的检测对象物体进行检测，
所述差分2值图像生成部，将从所述检测对象图像中减去所述背景图像而得到的差分值为所述差分值用阈值以上的区域设为第1值，并且将从所述检测对象图像中减去所述背景图像而得到的差分值小于所述差分值用阈值的区域设为第2值，由此来生成所述差分2值图像，
所述2次微分2值图像生成部，将所述微分值用阈值设为0，将所述检测对象图像或所述平滑图像的2次微分值小于所述微分值用阈值的区域、或者在所述微分值用阈值以下的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像。
3.根据权利要求1所述的物体检测装置，其特征在于，
对温度比所述检测区域的背景的温度更低的检测对象物体进行检测，
所述差分2值图像生成部，将从所述背景图像中减去所述检测对象图像而得到的差分值为所述差分值用阈值以上的区域设为第1值，并且将从所述背景图像中减去所述检测对象图像而得到的差分值小于所述差分值用阈值的区域设为第2值，由此来生成所述差分2值图像，
所述2次微分2值图像生成部，将所述微分值用阈值设为0，将所述检测对象图像或所述平滑图像的2次微分值超过所述微分值用阈值的区域、或者在所述微分值用阈值以上的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像。
4.根据权利要求1～3中任一项所述的物体检测装置，其特征在于，
所述2次微分2值图像生成部，通过对所述检测对象图像或所述平滑图像实施拉普拉斯滤波处理，来求取所述检测对象图像或所述平滑图像的2次微分值，并通过用所述微分值用阈值对通过实施该拉普拉斯滤波处理而求取的2次微分值进行2值化，来生成所述2次微分2值图像。
5.根据权利要求2所述的物体检测装置，其特征在于，
所述2次微分2值图像生成部，求取所述检测对象图像或所述平滑图像在水平方向上的2次微分值和在垂直方向上的2次微分值，将这些在水平方向上的2次微分值和在垂直方向上的2次微分值双方都小于所述微分值用阈值的区域、或者在所述微分值用阈值以下的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像。
6.根据权利要求3所述的物体检测装置，其特征在于，
所述2次微分2值图像生成部，求取所述检测对象图像或所述平滑图像在水平方向上的2次微分值和在垂直方向上的2次微分值，将这些在水平方向上的2次微分值和在垂直方向上的2次微分值双方都超过所述微分值用阈值的区域、或者在所述微分值用阈值以上的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像。
7.根据权利要求2所述的物体检测装置，其特征在于，
所述2次微分2值图像生成部，
根据所述检测对象图像或所述平滑图像的区域而应用不同的值作为所述微分值用阈值，
针对所述检测对象图像或所述平滑图像中、所述差分2值图像的值为第1值的区域及其邻近的区域所对应的区域，将所述微分值用阈值从0降低为负值，针对除此以外的区域，将所述微分值用阈值从0提高为正值。
8.根据权利要求3所述的物体检测装置，其特征在于，
所述2次微分2值图像生成部，
根据所述检测对象图像或所述平滑图像的区域而应用不同的值作为所述微分值用阈值，
针对所述检测对象图像或所述平滑图像中的、所述差分2值图像的值为第1值的区域及其邻近的区域所对应的区域，将所述微分值用阈值从0提高为正值，针对除此以外的区域，将所述微分值用阈值从0降低为负值。
9.根据权利要求2或3所述的物体检测装置，其特征在于，
所述2次微分2值图像生成部，
将所述差分2值图像的值为第1值的区域作为温度凸区域，求取该温度凸区域的主轴方向，
求取所述检测对象图像或所述平滑图像在与所述温度凸区域的主轴方向所对应的方向上的2次微分值，
通过用所述微分值用阈值对该2次微分值进行2值化，从而生成所述2次微分2值图像。
10.根据权利要求9所述的物体检测装置，其特征在于，
所述2次微分2值图像生成部，
在所述温度凸区域分离地存在多个的情况下，求取这些各温度凸区域的主轴方向，
在所述检测对象图像或所述平滑图像的所述各温度凸区域所对应的区域中，求取在与该温度凸区域的主轴方向所对应的方向上的2次微分值，并用所述微分值用阈值对该2次微分值进行2值化，由此来生成所述2次微分2值图像。
11.一种物体检测方法，包括如下步骤：
生成背景图像的步骤，该背景图像是基于对检测区域的温度分布进行检测的温度分布传感器的输出，来表示所述检测区域的温度分布的图像，并且是作为在所述检测区域内不存在检测对象物体的基准的图像；
生成检测对象图像的步骤，该检测对象图像是基于所述温度分布传感器的输出，来表示所述检测区域的温度分布的图像，并且是用于对所述检测区域内的检测对象物体进行检测的检测对象的图像；
生成差分2值图像的步骤，该差分2值图像是用规定的差分值用阈值对所述背景图像与所述检测对象图像之间的差分值进行2值化而得到的；
生成2次微分2值图像的步骤，该2次微分2值图像是将所述检测对象图像或对所述检测对象图像进行平滑化所得的平滑图像的2次微分值用规定的微分值用阈值进行2值化而得到的；和
基于所述差分2值图像与所述2次微分2值图像的逻辑与，对检测对象物体进行检测的步骤。
12.根据权利要求11所述的物体检测方法，其特征在于，
所述物体检测方法是对温度比所述检测区域的背景的温度更高的检测对象物体进行检测的方法，
所述生成差分2值图像的步骤，是将从所述检测对象图像中减去所述背景图像而得到的差分值为所述差分值用阈值以上的区域设为第1值，并且将从所述检测对象图像中减去所述背景图像而得到的差分值小于所述差分值用阈值的区域设为第2值，由此来生成所述差分2值图像的步骤，
所述生成2次微分2值图像的步骤，是将所述微分值用阈值设为0，将所述检测对象图像或所述平滑图像的2次微分值小于所述微分值用阈值的区域、或者在所述微分值用阈值以下的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像的步骤。
13.根据权利要求11所述的物体检测方法，其特征在于，
所述物体检测方法是对温度比所述检测区域的背景的温度更低的检测对象物体进行检测的方法，
所述生成差分2值图像的步骤，是将从所述背景图像中减去所述检测对象图像而得到的差分值为所述差分值用阈值以上的区域设为第1值，并且将从所述背景图像中减去所述检测对象图像而得到的差分值小于所述差分值用阈值的区域设为第2值，由此来生成所述差分2值图像的步骤，
所述生成2次微分2值图像的步骤，是将所述微分值用阈值设为0，将所述检测对象图像或所述平滑图像的2次微分值超过所述微分值用阈值的区域、或者在所述微分值用闽值以上的区域设为第1值，并且将除此以外的区域设为第2值，由此来生成所述2次微分2值图像的步骤。
14.根据权利要求11～13中任一项所述的物体检测方法，其特征在于，
所述生成2次微分2值图像的步骤包括：
通过对所述检测对象图像或所述平滑图像实施拉普拉斯滤波处理，来求取所述检测对象图像或所述平滑图像的2次微分值的步骤；和
用所述微分值用阈值对所求取的所述2次微分值进行2值化的步骤。
15.根据权利要求12所述的物体检测方法，其特征在于，
所述生成2次微分2值图像的步骤包括：
求取所述检测对象图像或所述平滑图像在水平方向上的2次微分值和在垂直方向上的2次微分值的步骤；和
将所求取的所述在水平方向上的2次微分值和在垂直方向上的2次微分值双方都小于所述微分值用阈值的区域、或者在所述微分值用阈值以下的区域设为第1值，并且将除此以外的区域设为第2值的步骤。
16.根据权利要求13所述的物体检测方法，其特征在于，
所述生成2次微分2值图像的步骤包括：
求取所述检测对象图像或所述平滑图像在水平方向上的2次微分值和在垂直方向上的2次微分值的步骤；和
将所求取的所述在水平方向上的2次微分值和在垂直方向上的2次微分值双方都超过所述微分值用阈值的区域、或者在所述微分值用阈值以上的区域设为第1值，并且将除此以外的区域设为第2值的步骤。
17.根据权利要求12所述的物体检测方法，其特征在于，
针对所述检测对象图像或所述平滑图像中、所述差分2值图像的值为第1值的区域及其邻近的区域所对应的区域的所述微分值用阈值，比针对除此以外的区域的所述微分值用阈值更低。
18.根据权利要求13所述的物体检测方法，其特征在于，
针对所述检测对象图像或所述平滑图像中、所述差分2值图像的值为第1值的区域及其邻近的区域所对应的区域的所述微分值用阈值，比针对除此以外的区域的所述微分值用阈值更高。
19.根据权利要求12或13所述的物体检测方法，其特征在于，
所述生成2次微分2值图像的步骤包括：
将所述差分2值图像的值为第1值的区域作为温度凸区域，求取该温度凸区域的主轴方向的步骤；
求取所述检测对象图像或所述平滑图像在与所述温度凸区域的主轴方向所对应的方向上的2次微分值的步骤；和
用所述微分值用阈值对所求取的所述2次微分值进行2值化的步骤。
20.根据权利要求19所述的物体检测方法，其特征在于，
所述求取所述主轴方向的步骤是在所述温度凸区域分离地存在多个的情况下，求取这些各温度凸区域的主轴方向的步骤，
所述求取所述2次微分值的步骤是在所述检测对象图像或所述平滑图像的所述各温度凸区域所对应的区域中，求取在与该温度凸区域的主轴方向所对应的方向上的2次微分值的步骤。
CN201280061812.6A 2011-12-19 2012-12-11 物体检测装置以及物体检测方法 Active CN103999127B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2011-277550 2011-12-19
JP2011277550A JP5938631B2 (ja) 2011-12-19 2011-12-19 物体検出装置及び物体検出方法
PCT/JP2012/007897 WO2013094151A1 (ja) 2011-12-19 2012-12-11 物体検出装置及び物体検出方法

Publications (2)

Publication Number Publication Date
CN103999127A true CN103999127A (zh) 2014-08-20
CN103999127B CN103999127B (zh) 2016-10-12

Family

ID=48668070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280061812.6A Active CN103999127B (zh) 2011-12-19 2012-12-11 物体检测装置以及物体检测方法

Country Status (4)

Country Link
US (1) US9053385B2 (zh)
JP (1) JP5938631B2 (zh)
CN (1) CN103999127B (zh)
WO (1) WO2013094151A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106842349A (zh) * 2015-12-03 2017-06-13 北京国网富达科技发展有限责任公司 输电线路防外破检测方法及装置
CN112097686A (zh) * 2020-08-10 2020-12-18 安徽农业大学 一种基于二值条纹投影的伪装物体检测方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6261190B2 (ja) * 2013-05-31 2018-01-17 キヤノン株式会社 設定装置および設定方法
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
WO2015154305A1 (en) 2014-04-11 2015-10-15 Intel Corporation Object detection using directional filtering
US9639954B2 (en) * 2014-10-27 2017-05-02 Playsigh Interactive Ltd. Object extraction from video images
US9697443B2 (en) 2014-12-11 2017-07-04 Intel Corporation Model compression in binary coded image based object detection
KR102302621B1 (ko) * 2015-03-09 2021-09-16 한국전자통신연구원 고차 라플라시안 오브 가우시안 커널을 이용한 이미지의 특징점 추출 장치 및 방법
JP7211057B2 (ja) 2018-12-13 2023-01-24 株式会社イトーキ 扉構造
CN116228819B (zh) * 2023-04-27 2023-08-08 中国科学院空天信息创新研究院 红外运动目标检测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101115115A (zh) * 2006-07-28 2008-01-30 佳能株式会社 图像处理装置和方法
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
US20080187219A1 (en) * 2007-02-05 2008-08-07 Chao-Ho Chen Video Object Segmentation Method Applied for Rainy Situations
CN101719979A (zh) * 2009-11-27 2010-06-02 北京航空航天大学 基于时域定区间记忆补偿的视频对象分割方法
US20100182433A1 (en) * 2007-10-17 2010-07-22 Hitachi Kokusai Electric, Inc. Object detection system

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3123587B2 (ja) * 1994-03-09 2001-01-15 日本電信電話株式会社 背景差分による動物体領域抽出方法
JPH0869523A (ja) * 1995-05-16 1996-03-12 Matsushita Electric Ind Co Ltd 人体認識装置
US6088468A (en) * 1995-05-17 2000-07-11 Hitachi Denshi Kabushiki Kaisha Method and apparatus for sensing object located within visual field of imaging device
JP3573895B2 (ja) * 1997-01-20 2004-10-06 松下電器産業株式会社 動物体抽出装置
JP2002304677A (ja) * 2001-04-06 2002-10-18 Fujitsu General Ltd 侵入者検出方法および装置
JP2004295775A (ja) * 2003-03-28 2004-10-21 Minolta Co Ltd 画像認識装置および画像認識プログラム
GB2404247B (en) * 2003-07-22 2005-07-20 Hitachi Int Electric Inc Object tracing method and object tracking apparatus
US8340368B2 (en) * 2008-06-11 2012-12-25 Hyundai Motor Company Face detection system
JP2010256194A (ja) 2009-04-27 2010-11-11 Nippon Ceramic Co Ltd 侵入検知装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101115115A (zh) * 2006-07-28 2008-01-30 佳能株式会社 图像处理装置和方法
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
US20080187219A1 (en) * 2007-02-05 2008-08-07 Chao-Ho Chen Video Object Segmentation Method Applied for Rainy Situations
US20100182433A1 (en) * 2007-10-17 2010-07-22 Hitachi Kokusai Electric, Inc. Object detection system
CN101719979A (zh) * 2009-11-27 2010-06-02 北京航空航天大学 基于时域定区间记忆补偿的视频对象分割方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106842349A (zh) * 2015-12-03 2017-06-13 北京国网富达科技发展有限责任公司 输电线路防外破检测方法及装置
CN106842349B (zh) * 2015-12-03 2019-06-07 北京国网富达科技发展有限责任公司 输电线路防外破检测方法及装置
CN112097686A (zh) * 2020-08-10 2020-12-18 安徽农业大学 一种基于二值条纹投影的伪装物体检测方法

Also Published As

Publication number Publication date
US9053385B2 (en) 2015-06-09
CN103999127B (zh) 2016-10-12
JP5938631B2 (ja) 2016-06-22
US20150003743A1 (en) 2015-01-01
JP2013127747A (ja) 2013-06-27
WO2013094151A1 (ja) 2013-06-27

Similar Documents

Publication Publication Date Title
CN103999127A (zh) 物体检测装置以及物体检测方法
St-Charles et al. Flexible background subtraction with self-balanced local sensitivity
Tsai et al. Defect detection in solar modules using ICA basis images
CN107705288B (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
TWI547802B (zh) 檢驗方策產生技術及基於檢驗方策之檢驗技術
CN104636118B (zh) 基于光平衡的qr二维码自适应二值化处理方法和装置
US20150055823A1 (en) Image inspection method and inspection region setting method
US20210232871A1 (en) Object detection using multiple sensors and reduced complexity neural networks
CN105321191B (zh) 用于处理图像中的反射区的方法和电子设备
CN107944354B (zh) 一种基于深度学习的车辆检测方法
CN107369176B (zh) 一种柔性ic基板氧化面积检测系统及方法
CN103884435A (zh) 一种电子设备红外监测系统
US20140164413A1 (en) Feature value extraction apparatus and feature value extraction method
CN112085651B (zh) 一种基于图像自适应阈值与特征提取的激波自动检测跟踪算法
CN104282027A (zh) 一种基于Hough变换的圆检测方法
CN106023249A (zh) 一种基于局部二值相似性模式的运动目标检测方法
Augustaukas et al. Pixel-wise road pavement defects detection using U-net deep neural network
US20140204199A1 (en) Wiring inspecting method, wiring inspecting apparatus, wiring inspecting program, and recording medium
CN104408727B (zh) 一种图像边缘污点检测方法及系统
CN105354575A (zh) 一种海天线检测中图像二值化阈值确定方法
Liu et al. Effect of dual-convolutional neural network model fusion for Aluminum profile surface defects classification and recognition
Huang et al. A real-time algorithm for aluminum surface defect extraction on non-uniform image from CCD camera
Zou et al. A low-power VGA vision sensor with embedded event detection for outdoor edge applications
CN112338898A (zh) 物体分选系统的图像处理方法、装置及物体分选系统
Zhuang et al. Multi-component attention-based convolution network for color difference recognition with wavelet entropy strategy

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: 20151021

Address after: Japan Osaka

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