DE112021002170T5 - Image processing device and image processing method - Google Patents
Image processing device and image processing method Download PDFInfo
- Publication number
- DE112021002170T5 DE112021002170T5 DE112021002170.2T DE112021002170T DE112021002170T5 DE 112021002170 T5 DE112021002170 T5 DE 112021002170T5 DE 112021002170 T DE112021002170 T DE 112021002170T DE 112021002170 T5 DE112021002170 T5 DE 112021002170T5
- Authority
- DE
- Germany
- Prior art keywords
- identification
- image
- processing
- class
- unit
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
Es werden eine Bildverarbeitungsvorrichtung und ein Bildverarbeitungsverfahren geschaffen, die eine Verarbeitungslast einer Bildverarbeitung zum Identifizieren von mehreren Identifizierungszielen aus einem Bild verringern und die Identifizierungsgenauigkeit verbessern können. Eine Bildverarbeitungsvorrichtung IPA enthält eine Mehrklassenidentifizierungseinheit 122, eine Verfolgungsverarbeitungseinheit 131 und eine Identifizierungseinheit 132. Die Mehrklassenidentifizierungseinheit 122 führt eine Mehrklassenidentifizierungsverarbeitung an einem Bild, das durch eine Bildgebungsvorrichtung ID aufgenommen wird, durch und identifiziert mehrere Typen von Identifizierungszielen. Die Verfolgungsverarbeitungseinheit 131 führt eine Bildverfolgung, in der das Identifizierungsziel, das durch die Mehrklassenidentifizierungsverarbeitung identifiziert wurde, als ein Verfolgungsziel gesetzt ist, durch und berechnet einen vorhergesagten Ort des Verfolgungsziels in einem Bild zu einem späteren Zeitpunkt auf der Grundlage eines Bilds zu einer vorhergehenden Zeit. Die Identifizierungseinheit 132 führt einen Zweiklassenidentifizierungsprozess, der dem Typ des Verfolgungsziels entspricht, an dem vorhergesagten Ort des Bilds zur späteren Zeit durch und identifiziert den Typ des Verfolgu ngsziels.An image processing apparatus and an image processing method are provided that can reduce a processing load of image processing for identifying a plurality of identification targets from an image and improve identification accuracy. An image processing apparatus IPA includes a multi-class identification unit 122, a tracking processing unit 131, and an identification unit 132. The multi-class identification unit 122 performs multi-class identification processing on an image captured by an imaging apparatus ID and identifies plural types of identification targets. The tracking processing unit 131 performs image tracking in which the identification target identified by the multi-class identification processing is set as a tracking target, and calculates a predicted location of the tracking target in an image at a later time based on an image at a previous time. The identification unit 132 performs a two-class identification process corresponding to the type of the tracking target on the predicted location of the later-time image and identifies the type of the tracking target.
Description
Technisches Gebiettechnical field
Die vorliegende Offenbarung bezieht sich auf eine Bildverarbeitungsvorrichtung und ein Bildverarbeitungsverfahren.The present disclosure relates to an image processing device and an image processing method.
Technischer HintergrundTechnical background
Es sind bereits Erfindungen, die mit einer Objektdetektionsvorrichtung, einem Objektdetektionsverfahren und einem Programm in Beziehung stehen, bekannt (siehe PTL 1 unten). PTL 1 offenbart eine Objektdetektionsvorrichtung, die eine Detektionseinheit und eine nichtlineare Verarbeitungseinheit enthält (Zusammenfassung, Anspruch 1 und Absatz 0006 im selben Dokument). Die Detektionseinheit detektiert einen oder mehrere Objektkandidatenbereiche aus einem aufgenommenen Bild. Die nichtlineare Verarbeitungseinheit gibt das aufgenommene Bild, das mindestens den Objektkandidatenbereich enthält, teilweise oder vollständig in ein neuronales Netz ein, das eine Lage eines Objekts im Objektkandidatenbereich und eine Entfernung zum Objekt gleichzeitig schätzt. Ferner gibt die nichtlineare Verarbeitungseinheit Objektinformationen, die mindestens Informationen über die Entfernung zum Objekt enthalten, unter Verwendung einer Ausgabe des neuronalen Netzes aus.Inventions related to an object detection device, an object detection method and a program are already known (see
Die herkömmliche Objektdetektionsvorrichtung, die in PTL 1 beschrieben ist, detektiert das Objekt, das in einem Bildgebungsbereich vorhanden ist, auf der Grundlage des Bilds, das durch eine fahrzeuginterne Kamera aufgenommen wurde, und gibt die Objektinformationen, die mindestens Informationen über die Entfernung zum detektierten Objekt enthalten, aus. Beispiele des Objekts, das durch die Objektdetektionsvorrichtung detektiert wird, umfassen weitere Fahrzeuge, Fußgänger, Zweiradfahrzeuge wie z. B. Fahrräder und Motorräder und Straßenrandinstallationen wie z. B. Ampeln, Verkehrszeichen, Strommasten und Schilder, die um das Trägerfahrzeug, an dem die Objektdetektionsvorrichtung montiert ist, vorhanden sind, und Hindernisse, die die Bewegung des Trägerfahrzeugs stören können (PTL 1, Absatz 0008).The conventional object detection device described in
Die Detektion des Objektkandidatenbereichs durch die Detektionsfunktion der Objektdetektionsvorrichtung verwendet als Grundlage die Bestimmung des Vorliegens oder des Fehlens des Objekts im aufgenommenen Bild der fahrzeuginternen Kamera unter Verwendung des Abtastrechtecks, das der Größe des Objekts, das detektiert werden soll, entspricht (PTL 1, Absatz 0021). Dann wird ein Bildmerkmal für den Bildbereich im Abtastrechteck berechnet, um unter Verwendung einer Identifizierungsvorrichtung ist, die im Voraus zum Lernen veranlasst worden ist, zu bestimmen, ob ein weiteres Fahrzeug im Abtastrechteck vorhanden ist oder nicht, oder eine Wahrscheinlichkeit auszugeben, die die Wahrscheinlichkeit des weiteren Fahrzeugs angibt (PTL 1, Absatz 0022).The detection of the object candidate area by the detection function of the object detection device uses as a basis the determination of the presence or absence of the object in the captured image of the in-vehicle camera using the scanning rectangle corresponding to the size of the object to be detected (
Entgegen haItu ngslisteContrary to list of contents
Patentl iteratu rpatent literature
PTL 1:
Zusammenfassung der ErfindungSummary of the Invention
Technisches ProblemTechnical problem
Ähnlich der Objektdetektionsvorrichtung enthalten Beispiele der Identifizierungsvorrichtung, die identifiziert, ob ein Objekt, das detektiert werden soll, im Abtastrechteck vorhanden ist, eine Zweiklassenidentifizierungsvorrichtung, die ein Fahrzeug und weitere Objekte identifiziert, und eine Mehrklassenidentifizierungsvorrichtung, die jeweils mehrere Objekte wie z. B. ein Fahrzeug, einen Fußgänger und weitere Objekte identifiziert. Allerdings besteht mit der Entwicklung eines fortschrittlichen Fahrerunterstützungssystems (ADAS) und eines automatisierten Ansteuerungssystem (ADS) eine Tendenz, dass mehrere Typen von Zielen identifiziert werden.Similar to the object detection device, examples of the identification device that identifies whether an object to be detected is present in the scanning rectangle include a two-class identification device that identifies a vehicle and other objects, and a multi-class identification device that each identifies a plurality of objects such as vehicles. B. identifies a vehicle, a pedestrian and other objects. However, with the development of an advanced driver assistance system (ADAS) and an automated driving system (ADS), there is a tendency that multiple types of targets are identified.
Um die Zunahme der Typen von.ldentifizierungszielen in der Bildverarbeitung des Identifizierens des Objekts, das aus dem Bild der Bildgebungsvorrichtung identifiziert werden soll, zu bewältigen, ist es z. B. nötig, die Identifizierungsgenauigkeit durch gemeinsames Verwendung einer großen Anzahl von Identifizierungsvorrichtungen oder Vergrößern der Hierarchie jeder Identifizierungsvorrichtung zu verbessern. Allerdings wird, wenn die Anzahl von Identifizierungsvorrichtungen oder die Anzahl von Hierarchien von Identifizierungsvorrichtungen erhöht wird, die Last der Objektidentifizierungsverarbeitung erhöht und kann die Verarbeitungszeit eine erforderliche Zeit überschreiten.In order to cope with the increase in the types of identification targets in the image processing of identifying the object to be identified from the image of the imaging device, it is e.g. For example, it is necessary to improve identification accuracy by using a large number of identification devices together or increasing the hierarchy of each identification device. However, when the number of identification devices or the number of hierarchies of identification devices is increased, the load of the object identification processing is increased and the processing time may exceed a required time.
Die vorliegende Offenbarung schafft eine Bildverarbeitungsvorrichtung und ein Bildverarbeitungsverfahren, die eine Verarbeitungslast einer Bildverarbeitung zum Identifizieren von mehreren Identifizierungszielen aus einem Bild verringern und die Identifizierungsgenauigkeit verbessern können.The present disclosure provides an image processing apparatus and an image processing method that can reduce a processing load of image processing for identifying a plurality of identification targets from an image and improve identification accuracy.
Lösung des Problemsthe solution of the problem
Ein Aspekt der vorliegenden Offenbarung ist eine Bildverarbeitungsvorrichtung, die eine Mehrklassenidentifizierungseinheit, die eine Mehrklassenidentifizierungsverarbeitung an einem Bild, das durch eine Bildgebungsvorrichtung aufgenommen wurde, durchführt und mehrere Typen von Identifizierungszielen identifiziert, eine Verfolgungsverarbeitungseinheit, die eine Bildverfolgung, in der das Identifizierungsziel, das durch die Mehrklassenidentifizierungsverarbeitung identifiziert wurde, als ein Verfolgungsziel gesetzt ist, durchführt und einen vorhergesagten Ort des Verfolgungsziels in einem Bild zu einem späteren Zeitpunkt auf der Grundlage eines Bilds zu einer vorhergehenden Zeit berechnet, und eine Identifizierungseinheit, die einen Zweiklassenidentifizierungsprozess, der dem Typ eines Verfolgungsziels entspricht, an dem vorhergesagten Ort im Bild zur späteren Zeit durchführt und den Typ des Verfolgungsziels identifiziert, enthält.One aspect of the present disclosure is an image processing device that includes a multi-class identification unit that performs multi-class identification processing on an image captured by an imaging device and performs multiple types of identification tracking targets, a tracking processing unit that performs image tracking in which the identification target identified by the multi-class identification processing is set as a tracking target, and a predicted location of the tracking target in an image at a later time based on an image at a previous time time, and an identification unit that performs a two-class identification process that corresponds to the type of a tracking target at the predicted location in the image at the later time and identifies the type of the tracking target.
Vorteilhafte Wirkungen der ErfindungAdvantageous Effects of the Invention
Gemäß dem ersten Aspekt der vorliegenden Offenbarung, ist es möglich, die Bildverarbeitungsvorrichtung und das Bildverarbeitungsverfahren zu schaffen, die die Verarbeitungslasteiner Bildverarbeitung zum Identifizieren von mehreren Identifizierungszielen aus einem Bild verringern und die Identifizierungsgenauigkeit verbessern können.According to the first aspect of the present disclosure, it is possible to provide the image processing apparatus and the image processing method, which can reduce the processing load of an image processing for identifying a plurality of identification targets from an image and improve the identification accuracy.
Figurenlistecharacter list
-
[
1 ]1 ist ein Blockdiagramm, das eine Ausführungsform einer Bildverarbeitungsvorrichtung gemäß der vorliegenden Offenbarung veranschaulicht.[1 ]1 12 is a block diagram illustrating an embodiment of an image processing device according to the present disclosure. -
[
2A ]2A ist ein Ablaufplan, der eine Ausführungsform eines Bildverarbeitungsverfahrens gemäß der vorliegenden Offenbarung. veranschaulicht.[2A ]2A FIG. 12 is a flowchart showing an embodiment of an image processing method according to the present disclosure. illustrated. -
[
2B ]2B ist ein Ablaufplan, der eine Ausführungsform des Bildverarbeitungsverfahrens gemäß der vorliegenden Offenbarung veranschaulicht.[2 B ]2 B 12 is a flowchart illustrating an embodiment of the image processing method according to the present disclosure.
Beschreibung der AusführungsformenDescription of the embodiments
Im Folgenden werden Ausführungsformen einer Bildverarbeitungsvorrichtung und eines Bildverarbeitungsverfahrens gemäß der vorliegenden Offenbarung unter Bezugnahme auf die Zeichnungen beschrieben.Hereinafter, embodiments of an image processing apparatus and an image processing method according to the present disclosure will be described with reference to the drawings.
In dem Beispiel, das in
Die Verarbeitungseinheit 100 der Bildverarbeitungsvorrichtung IPA enthält z. B. eine Signalverarbeitungseinheit 110 und eine Erkennungsverarbeitungseinheit 150. Die Signalverarbeitungseinheit 110 enthält z. B. eine Bilderfassungseinheit 111 und eine Parallaxenberechnungseinheit 112. Die Erkennungsverarbeitungseinheit 150 enthält z. B. eine erste Erkennungsverarbeitungseinheit 120, eine zweite Erkennungsverarbeitungseinheit 130 und eine Ausgabeverarbeitungseinheit 140. Die erste Erkennungsverarbeitungseinheit 120 enthält z. B. eine Bildbereichsauswahleinheit 121 und eine Mehrklassenidentifizierungseinheit 122. Die zweite Erkennungsverarbeitungseinheit 130 enthält z. B. eine Verfolgungsverarbeitungseinheit 131 und eine Identifizierungseinheit 132. Die Identifizierungseinheit 132 enthält z. B. mehrere Zweiklassenidentifizierungseinheiten 132a und 132b.The
Jede Einheit der Verarbeitungseinheit 100 ist z. B. ein Funktionsblock der Verarbeitungseinheit 100, der durch Ausführen des Computerprogramms, das in der Speichereinheit 200 gespeichert ist, durch die Verarbeitungseinheit 100 realisiert wird. Jede Einheit der Verarbeitungseinheit 100 kann z. B. durch eine fest zugeordnete Verarbeitungsvorrichtung realisiert werden und mehrere Funktionsblöcke können durch eine Verarbeitungsvorrichtung realisiert werden. Zusätzlich kann die Speichereinheit 200 z. B. durch einen Typ oder mehrere Typen von Speichervorrichtungen konfiguriert sein oder kann durch eine einzelne Speichervorrichtung konfiguriert sein.Each unit of the
In dem Beispiel, das in
Das Identifizierungsziel 202, das durch die Bildverarbeitungsvorrichtung IPA aus dem Bild, das durch die Bildgebungsvorrichtung ID aufgenommen wurde, identifiziert werden soll, wird z. B. im Voraus in der Speichereinheit 200 gespeichert. Das Identifizierungsziel 202 enthält mehrere Typen wie z. B. weitere Fahrzeuge, Fußgänger, bewegte Körper, Hindernisse, Fahrbahnen, Fahrbahnmarkierungen, Straßenschilder und Signale um das Trägerfahrzeug, an dem die Bildverarbeitungsvorrichtung IPA montiert ist. Ferner kann das weitere Fahrzeug, das durch die Bildverarbeitungsvorrichtung IPA identifiziert werden soll, mehrere Typen wie z. B. ein leichtes Fahrzeug wie ein Fahrrad, ein motorisiertes Fahrrad, ein Motorrad, einen leichten Personenkraftwagen, eine normalen Personenkraftwagen, einen großen Personenkraftwagen, einen Bus und einen Lastwagen enthalten. Ferner kann das weitere Fahrzeug z. B. einen Typ auf der Grundlage einer Position, eine Lage, einer Fahrtrichtung, einer Geschwindigkeit, einer Beschleunigung, einer Winkelgeschwindigkeit und dergleichen in Bezug auf das Trägerfahrzeug wie z. B. ein vorausfahrendes Fahrzeug, ein folgendes Fahrzeug, ein entgegenkommendes Fahrzeug, ein querendes Fahrzeug, ein rechtsabbiegendes Fahrzeug und ein linksabbiegendes Fahrzeug enthalten.The
Als nächstes wird eine Ausführungsform des Bildverarbeitungsverfahrens gemäß der vorliegenden Offenbarung unter Bezugnahme auf
Die Bildgebungsvorrichtung ID nimmt z. B. ein Bild in einem vorgegebenen Zyklus und einer vorgegebenen Bildgebungszeit auf. Die Bildverarbeitungsvorrichtung IPA verarbeitet jedes Bild, das in einem vorgegebenen Zyklus durch die Bildgebungsvorrichtung ID durch das Bildverarbeitungsverfahren IPM aufgenommen, das in
In der Bilderfassungsverarbeitung P1 erfasst z. B. die Bilderfassungseinheit 111 ein Bild von der Bildgebungsvorrichtung ID und speichert das Bild in der Speichereinheit 200 als einen Abschnitt von Bildinformationen 201. Es ist festzuhalten, dass z. B. dann, wenn die Bildgebungsvorrichtung ID eine Stereokamera ist, die Bildinformationen 201 Bildinformationen sowohl eines rechten Bilds, das durch die rechte Kamera aufgenommen wird, und ein linkes Bild, das durch die linke Kamera aufgenommen wird, enthalten.In the image acquisition processing P1, e.g. For example, the
In der Bilderfassungsverarbeitung P1 verwendet z. B. die Parallaxenberechnungseinheit 112 das rechte Bild und das linke Bild als Eingaben und führt eine Verarbeitung des Suchens eines Bereichs im linken Bild ähnlich einem bestimmten Bereich im rechten Bild durch, um die Parallaxe zu erhalten. Die Parallaxenberechnungseinheit 112 führt diese Verarbeitung an dem gesamten Bereich des rechten Bilds durch, um das Parallaxenbild auszugeben. Die Parallaxenberechnungseinheit 112 speichert das Parallaxenbild in der Speichereinheit 200 als einen Abschnitt der Bildinformationen 201.In the image acquisition processing P1, e.g. For example, the
Als nächstes führt die Bildverarbeitungsvorrichtung IPA z. B. eine Bildbereichsauswahlverarbeitung P2 aus. In der Bildbereichsauswahlverarbeitung P2 wählt die Bildverarbeitungsvorrichtung IPA einen Bildbereich, der wahrscheinlich beliebige der mehreren Typen von Identifizierungszielen enthält, aus dem Bild, das durch die Bildgebungsvorrichtung ID aufgenommen wurde. Insbesondere erfasst z. B. die erste Erkennungsverarbeitungseinheit 120 das Parallaxenbild, das die Ausgabe der Parallaxenberechnungseinheit 112 ist, aus den Bildinformationen 201, die in der Parallaxenberechnungseinheit 112 oder der Speichereinheit 200 gespeichert sind.Next, the image processing device IPA executes e.g. B. an image area selection processing P2. In the image area selection processing P2, the image processing device IPA selects an image area likely to include any of the plural types of identification targets from the image captured by the imaging device ID. In particular, z. For example, the first
In der Bildbereichsauswahlverarbeitung P2 verwendet z. B. die Bildbereichsauswahleinheit 121 das Parallaxenbild als eine Eingabe und gruppiert zueinander benachbarte und zueinander naheliegende Parallaxen im Parallaxenbild, um einen rechteckigen Rahmen zu erzeugen, der die gruppierten Parallaxen umgibt. Zusätzlich wählt die Bildbereichsauswahleinheit 121 einen rechteckigen Rahmen, wobei die vertikalen und die horizontalen Größen des erzeugten rechteckigen Rahmens gleich oder größer als eine vorgegebene Größe sind, als einen Bildbereich, der beliebige von mehreren Typen von Identifizierungszielen enthalten kann.In the image area selection processing P2, e.g. For example, the image
Die Bildbereichsauswahleinheit 121 gibt die Ortsinformationen des gewählten Bildbereichs, d. h. die Koordinaten im Parallaxenbild und die vertikale Breite und die horizontale Breite, die die vertikale und die horizontale Größe sind, als den Bildbereich 203, der möglicherweise das Identifizierungsziel enthält, aus und speichert den Bildbereich in der Speichereinheit 200. Hier weist z. B. dann, wenn mehrere Bildbereiche aus dem Parallaxenbild gewählt werden, die Bildbereichsauswahleinheit 121 jedem Bildbereich Identifizierungsnummern N von 1 bis n (natürliche Zahlen) zu und speichert den Bildbereich in der Speichereinheit 200 als den Bildbereich 203.The image
Es ist festzuhalten, dass die Bildbereichsauswahleinheit 121 den Typ des Identifizierungsziels, das wahrscheinlich in dem Bildbereich des Parallaxenbilds, der durch den rechteckigen Rahmen umgeben ist, enthalten ist, z. B. durch das Seitenverhältnis des rechteckigen Rahmens schätzen und lediglich den Bildbereich wählen kann, der wahrscheinlich das Identifizierungsziel eines bestimmten Typs enthält. Es ist festzuhalten, dass, falls die Bildgebungsvorrichtung ID eine monokulare Kamera ist, die Bildbereichsauswahleinheit 121 einen Bildbereich, der beliebig von mehreren Typen von Identifizierungszielen enthalten kann, aus dem Bild der monokularen Kamera wählen kann.It is noted that the image
In diesem Fall kann die Bildbereichsauswahleinheit 121 z. B. ein Detektionsergebnis eines Objekts durch ein Millimeterwellenradar, das am Fahrzeug montiert ist, verwenden, um den Bildbereich zu wählen. Darüber hinaus kann z. B. die Bildbereichsauswahleinheit 121 einen bestimmten Bereich des Bilds der Bildgebungsvorrichtung ID im Voraus festlegen und eine Rasterabtastung unter Verwendung eines Fensters einer beliebigen Größe an dem Bereich durchführen, wodurch ein Bildbereich gewählt wird, der beliebig von mehreren Typen von Identifizierungszielen enthalten kann.In this case, the image
Als nächstes führt die Mehrklassenidentifizierungseinheit 122 z. B. eine Verarbeitung P3 zum Setzen der Identifizierungsnummer N des Bildbereichs, der in der Mehrklassenidentifizierungsverarbeitung als N = 1 verarbeitet werden soll, aus. Ferner führt die Mehrklassenidentifizierungseinheit 122 eine Mehrklassenidentifizierungsverarbeitung P4 zum Durchführen einer Mehrklassenidentifizierungsverarbeitung an dem Bild, das durch die Bildgebungsvorrichtung ID aufgenommen wurde, durch, um mehrere Typen von Identifizierungszielen zu identifizieren.Next, the
Insbesondere identifiziert in der Mehrklassenidentifizierungsverarbeitung P4 die Mehrklassenidentifizierungseinheit 122 z. B. mehrere Typen von Identifizierungszielen aus dem Bildbereich, der durch die Bildbereichsauswahleinheit 121 gewählt wurde. Zum Beispiel führt die Mehrklassenidentifizierungseinheit 122 die Mehrklassenidentifizierungsverarbeitung P4 an jedem der Bildbereiche, die die Identifizierungsnummern N von 1 bis n, die in der oben beschriebenen Auswahlverarbeitung P2 gewählt wurden, besitzen, sequenziell aus.Specifically, in the multi-class identification processing P4, the
Die Mehrklassenidentifizierungsverarbeitung P4 enthält z. B. eine Registrierungsnummerbestimmungsverarbeitung P4a, eine Mehrklassenidentifizierungsverarbeitung P4b, eine Typbestimmungsverarbeitung P4c, eine Typkandidatenregistrierungsverarbeitung P4d und P4e und eine Zuwachsverarbeitung P4f. Zunächst bestimmt in der Registrierungsnummerbestimmungsverarbeitung P4a die Mehrklassenidentifizierungseinheit 122, ob die Registrierungsnummer des Verfolgungsziels in der später beschriebenen Verfolgungsverarbeitung P6a kleiner als eine obere Grenzwertnummer ist oder nicht.The multi-class identification processing P4 includes e.g. B. a registration number determination processing P4a, a multi-class identification processing P4b, a type determination processing P4c, a type candidate registration processing P4d and P4e, and an accrual processing P4f. First, in the registration number determination processing P4a, the
Zum Beispiel führt dann, wenn bestimmt wird, dass die Registrierungsnummer nicht kleiner als die obere Grenzwertnummer ist (NEIN), d. h. die Registrierungsnummer in der Registrierungsnummerbestimmungsverarbeitung P4a die obere Grenzwertnummer erreicht hat, die Mehrklassenidentifizierungseinheit 122 die Verarbeitung nach der Mehrklassenidentifizierungsverarbeitung P4b nicht aus und schreitet fort zur nächsten Verarbeitung P5. Andererseits führt z. B. dann, wenn in der Registrierungsnummerbestimmungsverarbeitung P4a bestimmt wird, dass die Registrierungsnummer kleiner als die obere Grenzwertnummer ist (JA), die Mehrklassenidentifizierungseinheit 122 die Mehrklassenidentifizierungsverarbeitung P4b aus.For example, if it is determined that the registration number is not less than the upper limit number (NO), i. H. the registration number has reached the upper limit number in the registration number determination processing P4a, the
Zum Beispiel identifiziert in der Mehrklassenidentifizierungsverarbeitung P4b die Mehrklassenidentifizierungseinheit 122 mehrere Typen von Identifizierungszielen, die in der Speichereinheit 200 gespeichert sind, als das Identifizierungsziel 202 aus dem Bildbereich. Zum Beispiel bewertet die Mehrklassenidentifizierungseinheit 122 eine Ähnlichkeit zwischen dem Bildbereich 203, der durch die Bildbereichsauswahleinheit 121 gewählt und in der Speichereinheit 200 gespeichert wurde, und Mehrklassenidentifizierungs-Lerndaten 204, die in der Speichereinheit 200 gespeichert sind.For example, in the multi-class identification processing P4b, the
Die Mehrklassenidentifizierungs-Lerndaten 204 sind z. B. Lerndaten, die durch Eingeben einer großen Anzahl von Bildern von Personenkraftwagen, Bildern von Motorrädern und Bildern von weiteren Objekten, die identifiziert werden sollen, maschinell gelernt wurden. Mit anderen Worten führt die Mehrklassenidentifizierungseinheit 122 die Mehrklassenidentifizierungsverarbeitung unter Verwendung der Mehrklassenidentifizierungs-Lerndaten 204, die durch Eingeben von mehreren Typen von Identifizierungszielen maschinell gelernt wurden, durch.The multi-class
Insbesondere führt gemäß der vorliegenden Ausführungsform die Mehrklasseriidentifizierungseinheit 122 die Mehrklassenidentifizierungsverarbeitung z. B. unter Verwendung der Mehrklassenidentifizierungs-Lerndaten 204 durch, wobei mindestens Personenkraftwagen als das Identifizierungsziel eines ersten Typs und die Motorräder als das Identifizierungsziel eines zweiten Typs eingegeben wurden und das maschinelles Lernen durchgeführt wurde. Gemäß der vorliegenden Ausführungsform wird ein Fall beschrieben, in dem der Typ des Identifizierungsziels in der Mehrklassenidentifizierungsverarbeitung P4b z. B. zwei Typen von Personenkraftwagen und Motorräder ist; allerdings sind der Typ des Identifizierungsziels und dessen Anzahl nicht sind besonders beschränkt.In particular, according to the present embodiment, the
Zum Beispiel berechnet in der Mehrklassenidentifizierungsverarbeitung P4b die Mehrklassenidentifizierungseinheit 122 einen Bewertungswert der Ähnlichkeit zwischen dem Bildbereich 203 und den Mehrklassenidentifizierungs-Lerndaten 204. Speziell berechnet z. B. die Mehrklassenidentifizierungseinheit 122 einen Bewertungswert der Ähnlichkeit zwischen dem Bildbereich 203 und den Mehrklassenidentifizierungs-Lerndaten 204, wobei das Identifizierungsziel (i) des ersten Typs Personenkraftwagen sind und das Identifizierungsziel (ii) des zweiten Typs Motorräder sind. Dann führt die Mehrklassenidentifizierungseinheit 122 eine Bestimmungsverarbeitung P4c des Typs des Identifizierungsziels, das im Bildbereich 203 vorliegt, auf der Grundlage des Bewertungswerts der Ähnlichkeit aus.For example, in the multi-class identification processing P4b, the
In der Bestimmungsverarbeitung P4c identifiziert z. B. in einem Fall, in dem der Bewertungswert der Ähnlichkeit größer oder gleich einem vorgegebenen Schwellenwert ist, die Mehrklassenidentifizierungseinheit 122 den Typ des Identifizierungsziels, das im Bildbereich 203 vorliegt. Insbesondere identifiziert z. B. dann, wenn der Bewertungswert der Ähnlichkeit zwischen dem Bildbereich 203 und dem Personenkraftwagen, der das Identifizierungsziel (i) des ersten Typs ist, größer oder gleich einem vorgegebenen Schwellenwert ist, die Mehrklassenidentifizierungseinheit 122 den Personenkraftwagen, der das Identifizierungsziel (i) des ersten Typs ist, und seine Ortsinformationen aus dem Bildbereich 203. Ferner führt die Mehrklassenidentifizierungseinheit 122 die Verarbeitung P4d des Zuweisens einer Registrierungsnummer zu dem Personenkraftwagen, der das Identifizierungsziel (i) des ersten Typs ist und der im Bildbereich 203 identifiziert wurde, und des Registrierens des Personenkraftwagens als ein Verfolgungsziel und einen Typkandidaten 205 in der Speichereinheit 200 aus.In the determination processing P4c, e.g. For example, in a case where the similarity evaluation value is greater than or equal to a predetermined threshold, the
In der Bestimmungsverarbeitung P4c identifiziert z. B. dann, wenn der Bewertungswert der Ähnlichkeit zwischen dem Bildbereich 203 und dem Motorrad, das das Identifizierungsziel (ii) des zweiten Typs ist, größer oder gleich dem vorgegebenen Schwellenwert ist, die Mehrklassenidentifizierungseinheit 122 das Motorrad, das das Identifizierungsziel (ii) des zweiten Typs ist, und seine Ortsinformationen aus dem Bildbereich 203. Ferner führt die Mehrklassenidentifizierungseinheit 122 die Verarbeitung P4e des Zuweisens einer Registrierungsnummer zu dem Motorrad, das das Identifizierungsziel (ii) des zweiten Typs ist, das aus dem Bildbereich 203 identifiziert wurde, und des Registrierens des Motorrads als ein Verfolgungsziel und einen Typkandidaten 205 in der Speichereinheit 200 aus. Zum Beispiel führt die Mehrklassenidentifizierungseinheit 122 die Zuwachsverarbeitung P4f aus, nachdem die Verarbeitung P4d oder die Verarbeitung P4e beendet worden ist.In the determination processing P4c, e.g. B. when the evaluation value of the similarity between the
In der Bestimmungsverarbeitung P4c identifiziert z. B. dann, wenn der Bewertungswert der Ähnlichkeit zwischen dem Bildbereich 203 und dem Identifizierungsziel (i) des ersten Typs und dem Identifizierungsziel (ii) des zweiten Typs kleiner als der vorgegebene Schwellenwert ist, die Mehrklassenidentifizierungseinheit 122, dass das Identifizierungsziel nicht im Bildbereich 203 enthalten ist. In diesem Fall führt die Mehrklassenidentifizierungseinheit 122 z. B. die Zuwachsverarbeitung P4f aus.In the determination processing P4c, e.g. B. If the evaluation value of the similarity between the
In der Zuwachsverarbeitung P4f erhöht z. B. die Mehrklassenidentifizierungseinheit 122 die Identifizierungsnummer N des Bildbereichs 203, der in der nächsten Mehrklassenidentifizierungsverarbeitung P4 verarbeitet werden soll, zu N + 1. Zum Beispiel führt die Mehrklassenidentifizierungseinheit 122 die Mehrklassenidentifizierungsverarbeitung P4, die die Verarbeitung P4a zur Verarbeitung P4f enthält, wiederholt aus, bis die erhöhte Identifizierungsnummer N des Bildbereichs 203 die Nummer n der Bildbereiche 203, die in der Auswahlverarbeitung P2 gewählt wurden, überschreitet.In the incremental processing P4f z. For example, the
Nach Abschluss der Mehrklassenidentifizierungsverarbeitung P4 für alle Bildbereiche 203, die in der Auswahlverarbeitung P2, die oben beschrieben ist, gewählt wurden, führt die Verfolgungsverarbeitungseinheit 131 z. B. die Verarbeitung P5 des Setzens der Registrierungsnummer R des Verfolgungsziels, das in der späterer beschriebenen Identifizierungsverarbeitung P6 verarbeitet werden soll, zu 1 aus. Darüber hinaus berechnet die Verfolgungsverarbeitungseinheit 131 einen vorhergesagten Ort des Verfolgungsziels, das in der Speichereinheit 200 als das Verfolgungsziel und der Typkandidat 205 registriert wurde, und führt die Identifizierungsverarbeitung P6 zum Bestätigen des Typs des Verfolgungsziels aus.After completing the multi-class identification processing P4 for all the
Zum Beispiel führt die Verfolgungsverarbeitungseinheit 131 die Identifizierungsverarbeitung P6 an jedem der Verfolgungsziele mit den Registrierungsnummern R von 1 bis m (natürliche Zahlen), die in der Typkandidatenregistrierungsverarbeitung P4d und P4e, die oben beschrieben ist, als das Verfolgungsziel und der Typkandidat 205 in der Speichereinheit 200 registriert wurden, sequenziell aus. Die Identifizierungsverarbeitung P6 enthält z. B. eine Verfolgungsverarbeitung P6a, eine Typkandidatenbestimmungsverarbeitung P6b, eine Zweiklassenidentifizierungsverarbeitung P6c und P6h, eine Typbestimmungsverarbeitung P6d und P6i, eine Registrierungsverarbeitung P6e und P6j, eine Verarbeitung zur Berechnung P6f und P6k des vorhergesagten Orts, eine Registrierungslöschverarbeitung P6g und eine Zuwachsverarbeitung P6I.For example, the
Zunächst führt in der Verfolgungsverarbeitung P6a die Verfolgungsverarbeitungseinheit 131 eine Bildverfolgung durch, in der das Identifizierungsziel, das durch die Mehrklassenidentifizierungsverarbeitung P4 identifiziert wurde, als ein Verfolgungsziel gesetzt wird, und berechnet einen vorhergesagten Ort des Verfolgungsziels in einem Bild zu einem späteren Zeitpunkt auf der Grundlage eines Bilds zu einer vorhergehenden Zeit. Zum Beispiel berechnet die Verfolgungsverarbeitungseinheit 131 den vorhergesagten Ort des Verfolgungsziels zur aktuellen Zeit auf der Grundlage der Ortsinformationen des Verfolgungsziels zur vorhergehenden Zeit.First, in the tracking processing P6a, the
In der Verfolgungsverarbeitung P6a verwendet die Verfolgungsverarbeitungseinheit 131 z. B. ein Verfahren zum Suchen des Verfolgungsziels zur aktuellen Zeit durch Vorlagenabgleich unter Verwendung des Bilds des Verfolgungsziels zur vorhergehenden Zeit als eine Vorlage oder ein Verfahren zum Schätzen des Bewegungsbetrags jedes Pixels im Bereich des Verfolgungsziels durch einen optischen Fluss oder dergleichen. Dann sagt die Verfolgungsverarbeitungseinheit 131 die Bewegung des Verfolgungsziels zur aktuellen Zeit aus dem Ort des Verfolgungsziels zur vorhergehenden Zeit und dem vergangenen Bewegungsbetrag des Verfolgungsziels vorher.In the tracking processing P6a, the
Zusätzlich bezieht sich z. B. in der Typkandidatenbestimmungsverarbeitung P6b die Verfolgungsverarbeitungseinheit 131 auf das Verfolgungsziel und den Typkandidaten 205, die in der Speichereinheit 200 registriert sind, und bestimmt, ob der Typ des Verfolgungsziels, der in der Mehrklassenidentifizierungsverarbeitung P4 identifiziert wurde, der Personenkraftwagen des ersten Typs (i) oder des Motorrads des zweiten Typs (ii) ist.In addition, e.g. B. in the type candidate determination processing P6b, the
In der Typkandidatenbestimmungsverarbeitung P6b führt dann, wenn die Verfolgungsverarbeitungseinheit 131 bestimmt, dass der Typ des Verfolgungsziels der Personenkraftwagen des ersten Typs (i) ist, die Identifizierungseinheit 132 die Zweiklassenidentifizierungsverarbeitung gemäß dem Typ des Verfolgungsziels an dem vorhergesagten Ort des Bilds zur späteren Zeit durch, um den Typ des Verfolgungsziels zu identifizieren. Insbesondere führt die Identifizierungseinheit 132 die Zweiklassenidentifizierungsverarbeitung P6c unter Verwendung der Zweiklassenidentifizierungseinheit 132a durch, die dem Identifizierungsziel (i) des ersten Typs entspricht.In the type candidate determination processing P6b, when the
Unter Verwendung von Zweiklassenidentifizierungs-Lerndaten 206, die in der Speichereinheit 200 gespeichert sind, führt die Zweiklassenidentifizierungseinheit 132a die Zweiklassenidentifizierungsverarbeitung an dem vorhergesagten Ort des Identifizierungsziels und seiner Umgebung durch, um den Typ des Verfolgungsziels zu identifizieren. Hier sind die Zweiklassenidentifizierungs-Lerndaten 206 Zweiklassenidentifizierungs-Lerndaten für Personenkraftwagen, wobei maschinelles Lernen durch Eingeben einer großen Anzahl von Bildern des Identifizierungsziels (i) des ersten Typs, der ein Typ unter den mehreren Typen von Identifizierungszielen der Bildverarbeitungsvorrichtung IPA ist, d. h. der Personenkraftwagen, und weiterer Identifizierungsziele durchgeführt wird.Using two-class
In der Zweiklassenidentifizierungsverarbeitung P6c berechnet z. B. die Zweiklassenidentifizierungseinheit 132a einen Bewertungswert der Ähnlichkeit zwischen dem vorhergesagten Ort des Verfolgungsziels und dem Bildbereich um den vorhergesagten Ort und den Zweiklassenidentifizierungs-Lerndaten 206. Als nächstes führt die Zweiklassenidentifizierungseinheit 132a die Typbestimmungsverarbeitung P6d aus. In der Typbestimmungsverarbeitung P6d bestimmt z. B. in einem Fall, in dem der Bewertungswert der Ähnlichkeit größer oder gleich dem vorgegebenen Schwellenwert ist, die Zweiklassenidentifizierungseinheit 132a, dass der Typ des Verfolgungsziels das Identifizierungsziel (i) des ersten Typs, d. h. ein Personenkraftwagen, ist, und führt die Registrierungsverarbeitung P6e aus.In the two-class identification processing P6c z. For example, the two-
In der Registrierungsverarbeitung P6e registriert z. B. die Zweiklassenidentifizierungseinheit 132a den Personenkraftwagen, der das Identifizierungsziel (i) des ersten Typs ist, als den Typ des Verfolgungsziels in den Ausgabeinformationen 208 der Speichereinheit 200. Zusätzlich registriert in der Registrierungsverarbeitung P6e die Zweiklassenidentifizierungseinheit 132a den vorhergesagten Ort des Verfolgungsziels in den Ausgabeinformationen 208 der Speichereinheit 200 als den Ort des Personenkraftwagens, der das Identifizierungsziel (i) des ersten Typs ist. Als nächstes führt die Zweiklassenidentifizierungseinheit 132a z. B. eine Verarbeitung zur Berechnung P6f des vorhergesagten Orts aus.In the registration processing P6e z. B. the two-
In der Verarbeitung P6f zur Berechnung des vorhergesagten Orts erhält z. B. die Zweiklassenidentifizierungseinheit 132a eine Differenz zwischen den Ortsinformationen des Verfolgungsziels zur vorhergehenden Zeit und den Ortsinformationen des Verfölgungsziels zur aktuellen Zeit und berechnet die Bewegungsgeschwindigkeit des Verfolgungsziels durch Teilen der Differenz durch das Rahmenbildgebungsintervall. Ferner berechnet die Zweiklassenidentifizierungseinheit 132a den vorhergesagten Ort des Verfolgungsziels zur folgenden Zeit z. B. auf der Grundlage der Ortsinformationen des Verfolgungsziels zur aktuellen Zeit und der Bewegungsgeschwindigkeit des Verfolgungsziels. Der vorhergesagte Ort des Verfolgungsziels, der hier berechnet wird, wird z. B. in der Verfolgungsverarbeitung P6a zur folgenden Zeit verwendet.In the predicted location calculation processing P6f, e.g. For example, the two-
Zusätzlich bestimmt in der Typbestimmungsverarbeitung P6d, die oben beschrieben ist, z. B. in einem Fall, in dem der Bewertungswert der Ähnlichkeit kleiner als der vorgegebene Schwellenwert ist, die Zweiklassenidentifizierungseinheit 132a, dass das Verfolgungsziel ein Identifizierungsziel oder ein Hintergrund eines weiteren Typs außer dem Personenkraftwagen, der das Identifizierungsziel (i) des ersten Typs ist, ist, und führt die Registrierungslöschverarbeitung P6g aus. In der Registrierungslöschverarbeitung P6g löscht z. B. die Zweiklassenidentifizierungseinheit 132a das Verfolgungsziel und den Typkandidaten 205, die in der Speichereinheit 200 registriert wurden.In addition, in the type determination processing P6d described above, e.g. B. in a case where the evaluation value of the similarity is smaller than the predetermined threshold value, the two-
Zusätzlich führt in der Typkandidatenbestimmungsverarbeitung P6b, die oben beschrieben ist, dann, wenn die Verfolgungsverärbeitungseinheit 131 bestimmt, dass der Typ des Verfolgungsziels das Motorrad des zweiten Typs (ii) ist, die Identifizierungseinheit 132 die Zweiklassenidentifizierungsverarbeitung gemäß dem Typ des Verfolgungsziels an dem vorhergesagten Ort des Bilds zur späteren Zeit durch, um den Typ des Verfolgungsziels zu identifizieren. Insbesondere führt die Identifizierungseinheit 132 die Zweiklassenidentifizierungsverarbeitung P6h unter Verwendung der Zweiklassenidentifizierungseinheit 132b, die dem zweiten Typ (ii) entspricht, durch.In addition, in the type candidate determination processing P6b described above, when the
Unter Verwendung von Zweiklassenidentifizierungs-Lerndaten 207, die in der Speichereinheit 200 gespeichert sind, führt die Zweiklassenidentifizierungseinheit 132b die Zweiklassenidentifizierungsverarbeitung an dem vorhergesagten Ort des Identifizierungsziels und seiner Umgebung durch, um den Typ des Verfolgungsziels zu identifizieren. Hier sind die Zweiklassenidentifizierungs-Lerndaten 207 Zweiklassenidentifizierungs-Lerndaten für Motorräder, wobei maschinelles Lernen durch Eingeben einer großen Anzahl von Bildern der Identifizierungsziele (ii) des zweiten Typs, d. h. Motorräder, die ein Typ unter mehreren Typen von Identifizierungszielen der Bildverarbeitungsvorrichtung IPA sind, und weiterer Identifizierungsziele durchgeführt wird. Es ist festzuhalten, dass die Zweiklassenidentifizierungs-Lerndaten 206 und die Zweiklassenidentifizierungs-Lerndaten 207 durch verschiedene Verfahren für maschinelles Lernen gelernt werden können.Using two-class
In der Zweiklassenidentifizierungsverarbeitung P6h berechnet z. B. die Zweiklassenidentifizierungseinheit 132b einen Bewertungswert der Ähnlichkeit zwischen dem vorhergesagten.Ort des Verfolgungsziels und dem Bildbereich um den vorhergesagten Ort und den Zweiklassenidentifizierungs-Lerndaten 207. Als nächstes führt die Zweiklassenidentifizierungseinheit 132b die Typbestimmungsverarbeitung P6i aus. In der Typbestimmungsverarbeitung P6i bestimmt z. B. in einem Fall, in dem der Bewertungswert der Ähnlichkeit ein vorgegebener Schwellenwert oder mehr ist, die Zweiklassenidentifizierungseinheit 132b, dass der Typ des Verfolgungsziels das Identifizierungsziel (ii) des zweiten Typs, d. h. das Motorrad, ist, und führt die Registrierungsverarbeitung P6j aus.In the two-class identification processing P6h z. For example, the two-
In der Registrierungsverarbeitung P6j registriert z. B. die Zweiklassenidentifizierungseinheit 132b das Motorrad, das vom zweiten Typs (ii) identifiziert werden soll, als den Typ des Verfolgungsziels in den Ausgabeinformationen 208 der Speichereinheit 200. Zusätzlich registriert in der Registrierungsverarbeitung P6j die Zweiklassenidentifizierungseinheit 132b den vorhergesagten Ort des Verfolgungsziels als den Ort des Motorrads, das das Identifizierungsziel (ii) des zweiten Typs ist, in den Ausgabeinformationen 208 der Speichereinheit 200. Als nächstes führt z. B. die Zweiklassenidentifizierungseinheit 132b eine Verarbeitungzur Berechnung des vorhergesagten Orts P6k aus.In the registration processing P6j, e.g. B. the two-
In der Verarbeitung P6k zur Berechnung eines vorhergesagten Orts erhält z. B. die Zweiklassenidentifizierungseinheit 132b eine Differenz zwischen den Ortsinformationen des Verfolgungsziels zur vorhergehenden Zeit und den Ortsinformationen des Verfolgungsziels zur aktuellen Zeit und berechnet die Bewegungsgeschwindigkeit des Verfolgungsziels durch Teilen der Differenz durch das Rahmenbildgebungsintervall. Ferner berechnet die Zweiklassenidentifizierungseinheit 132b den vorhergesagten Ort des Verfolgungsziels zur folgenden Zeit z. B. auf der Grundlage der Ortsinformationen des Verfolgungsziels zur aktuellen Zeit und der Bewegungsgeschwindigkeit des Verfolgungsziels. Der vorhergesagte Ort des Verfolgungsziels, das hier berechnet wird, wird z. B. in der Verfolgungsverarbeitung P6a zur folgenden Zeit verwendet.In the predicted location calculation processing P6k, e.g. For example, the two-
Zusätzlich bestimmt in der Typbestimmungsverarbeitung P6i, die oben beschrieben ist, z. B. in einem Fall, in dem der Bewertungswert der Ähnlichkeit kleiner als der vorgegebene Schwellenwert ist, die Zweiklassenidentifizierungseinheit 132b, dass das Verfolgungsziel ein Identifizierungsziel oder ein Hintergrund eines weiteren Typs außer dem Motorrad, das das Identifizierungsziel (ii) des zweiten Typs ist, ist, und führt die Registrierungslöschverarbeitung P6g aus: In der Registrierungslöschverarbeitung P6g löscht z. B. die Zweiklassenidentifizierungseinheit 132b das Verfolgungsziel und den Typkandidaten 205, die in der Speichereinheit 200 registriert wurden.In addition, in the type determination processing P6i described above, e.g. Am a case where the evaluation value of the similarity is smaller than the predetermined threshold value, the two-
Nachdem die Verarbeitung P6f und P6k zur Berechnung des vorhergesagten Orts oder die Registrierungslöschverarbeitung P6g, die oben beschrieben ist, endet, führt die Verfolgungsverarbeitungseinheit 131 z. B. eine Zuwachsverarbeitung P6I aus. In der Zuwachsverarbeitung P6I erhöht z. B. die Verfolgungsverarbeitungseinheit 131 die Registrierungsnummer R des Verfolgungsziels und des Typkandidaten 205, der in der nächsten Identifizierungsverarbeitung P6 verarbeitet werden soll, zu R + 1. Zum Beispiel führt, bis die Registrierungsnummer R des erhöhten Verfolgungsziels und des Typkandidaten 205 die Nummer m eines Verfolgungsziels und Typkandidaten 205, die in der Mehrklassenidentifizierungsverarbeitung P4 registriert wurden, überschreitet, die Verfölgungsverarbeitungseinheit 131 die Identifizierungsverarbeitung P6, die die Verfolgungsverarbeitung P6a zur Zuwachsverarbeitung P6I, die oben beschrieben ist, enthält, wiederholt aus.After the predicted location calculation processing P6f and P6k or the registration deletion processing P6g described above ends, the
Nach dem Ende der Identifizierungsverarbeitung P6 werden der vorhergesagte Ort und der Typ des Verfolgungsziels von der zweiten Erkennungsverarbeitungseinheit 130 oder der Speichereinheit 200 zur Ausgabeverarbeitungseinheit 140 als Ausgabeinformationen 208 ausgegeben, wie in
Im Folgenden werden Funktionen der Bildverarbeitungsvorrichtung IPA der vorliegenden Ausführungsform und das Bildverarbeitungsverfahren IPM unter ihrer Verwendung beschrieben.Functions of the image processing apparatus IPA of the present embodiment and the image processing method IPM using them will be described below.
In den letzten Jahren haben ADAS und ADS unter Verwendung einer Bildgebungsvorrichtung ID wie z. B. einer fahrzeuginternen Kamera und ein Außenerkennungssensor wie z. B. ein Radar Aufmerksamkeit erregt. Um eine Zunahme des Typs eines Identifizierungsziels in der Bildverarbeitung zum Identifizieren des Objekts, das aus dem Bild der Bildgebungsvorrichtung ID identifiziert werden soll, zu bewältigen ist es z. B. nötig, die Identifizierungsgenauigkeit durch gemeinsame Verwendung einer großen Anzahl von Identifizierungsvorrichtungen oder Vergrößern der Hierarchie jeder Identifizierungsvorrichtung zu verbessern. Allerdings wird dann, wenn die Nummer der Identifizierungsvorrichtung oder die Anzahl von Hierarchien von Klassifikatoren erhöht wird, die Last der Objektidentifizierungsverarbeitung erhöht und muss die Verarbeitungszeit nicht in der erforderlichen Zeit liegen.In recent years, ADAS and ADS using an imaging device ID such as B. an in-vehicle camera and an external detection sensor such. B. a radar attracts attention. In order to cope with an increase in the type of an identification target in the image processing for identifying the object to be identified from the image of the imaging device ID, it is e.g. For example, it is necessary to improve identification accuracy by sharing a large number of identification devices or increasing the hierarchy of each identification device. However, when the identification device number or the number of hierarchies of classifiers is increased, the load of the object identification processing is increased and the processing time may not be within the required time.
Wie oben beschrieben ist, enthält die Bildverarbeitungsvorrichtung IPA gemäß der vorliegenden Ausführungsform die Mehrklassenidentifizierungseinheit 122, die Verfolgungsverarbeitungseinheit 131 und die Identifizierungseinheit 132. Die Mehrklassenidentifizierungseinheit 122 führt die Mehrklassenidentifizierungsverarbeitung P4 an dem Bild durch, das durch die Bildgebungsvorrichtung ID aufgenommen wurde, um mehrere Typen von Identifizierungszielen zu identifizieren. Die Verfolgungsverarbeitungseinheit 131 führt eine Bildverfolgung, in der das Identifizierungsziel, das durch die Mehrklassenidentifizierungsverarbeitung P4 identifiziert wurde, als ein Verfolgungsziel gesetzt ist, durch und berechnet einen vorhergesagten Ort des Verfolgungsziels in einem Bild zu einem späteren Zeitpunkt auf der Grundlage eines Bilds zu einer vorhergehenden Zeit. Die Identifizierungseinheit 132 führt die Zweiklassenidentifizierungsverarbeitung P6c und P6h gemäß dem Typ des Verfolgungsziels an dem vorhergesagten Ort des Bilds zur späteren Zeit durch, um den Typ des Verfolgungsziels zu identifizieren.As described above, the image processing apparatus IPA according to the present embodiment includes the
Zusätzlich führt das Bildverarbeitungsverfahren IPM der vorliegenden Ausführungsform die Mehrklassenidentifizierungsverarbeitung P4 an einem Bild durch, das durch die Bildgebungsvorrichtung ID aufgenommen wurde, um mehrere Typen von Identifizierungszielen zu identifizieren. Ferner führt das Bildverarbeitungsverfahren IPM die Bildverfolgung, in der das Identifizierungsziel, das durch die Mehrklassenidentifizierungsverarbeitung P4 identifiziert wurde, als das Verfolgungsziel gesetzt ist, durch und berechnet den vorhergesagten Ort des Verfolgungsziels im Bild zur nachfolgenden Zeit auf der Grundlage des Bilds zur vorhergehenden Zeit. Dann führt das Bildverarbeitungsverfahren IPM die Zweiklassenidentifizierungsverarbeitung P6c und P6h gemäß dem Typ des Verfolgungsziels an dem vorhergesagten Ort des Bilds zur späteren Zeit durch, um den Typ des Verfolgungsziels zu identifizieren.In addition, the image processing method IPM of the present embodiment performs the multi-class identification processing P4 on an image captured by the imaging device ID to identify plural types of identification targets. Further, the image processing method IPM performs image tracking in which the identification target identified by the multi-class identification processing P4 is set as the tracking target, and calculates the predicted location of the tracking target in the subsequent-time image based on the previous-time image. Then, the image processing method IPM performs the two-class identification processing P6c and P6h according to the type of the tracking target at the predicted location of the image at the later time to identify the type of the tracking target.
Gemäß der Bildverarbeitungsvorrichtung IPA und dem Bildverarbeitungsverfahren IPM der vorliegenden Ausführungsform ist es möglich, die Verarbeitungslast einer Bildverarbeitung zum Identifizieren von mehreren Identifizierungszielen aus einem Bild zu verringern und die Identifizierungsgenauigkeit zu verbessern. Insbesondere ist es gemäß der Bildverarbeitungsvorrichtung IPA und dem Bildverarbeitungsverfahren IPM der vorliegenden Ausführungsform möglich, die Verarbeitungslast einer Bildverarbeitung im Vergleich zu dem Fall des Identifizierens von mehreren Identifizierungszielen aus einem Bild unter Verwendung lediglich einer Mehrklassenidentifizierungsvorrichtung oder lediglich einer Zweiklassenidentifizierungsvorrichtung zu verringern.According to the image processing apparatus IPA and the image processing method IPM of the present embodiment, it is possible to use the Verar to reduce the workload of image processing for identifying a plurality of identification targets from one image and to improve the identification accuracy. In particular, according to the image processing apparatus IPA and the image processing method IPM of the present embodiment, it is possible to reduce the processing load of image processing compared to the case of identifying plural identification targets from an image using only a multi-class identification device or only a two-class identification device.
Der Grund ist, dass durch Verwenden der Mehrklassenidentifizierungsverarbeitung durch die Mehrklassenidentifizierungseinheit 122 und der Zweiklassenidentifizierungsverarbeitung durch die Identifizierungseinheit 132 in Kombination die Hierarchie der Mehrklassenidentifizierungsverarbeitung im Vergleich mit dem Fall, in dem lediglich die Mehrklassenidentifizierungsverarbeitung verwendet wird, flacher gestaltet werden kann und die Verarbeitungslast verringert werden kann. Wie oben beschrieben ist, wird durch flaches Gestalten der Hierarchie der Mehrklassenidentifizierungsverarbeitung selbst dann, wenn die Identifizierungsgenauigkeit der Mehrklassenidentifizierungsverarbeitung abnimmt, das Identifizierungsziel, das durch die Mehrklassenidentifizierungsverarbeitung identifiziert wurde, als das Verfolgungsziel gesetzt und wird die Zweiklassenidentifizierungsverarbeitung am Verfolgungsziel durchgeführt, derart, dass die Identifizierungsgenauigkeit verbessert werden kann.The reason is that by using the multi-class identification processing by the
Zusätzlich kann durch Setzen des Identifizierungsziels, das durch die Mehrklassenidentifizierungsverarbeitung P4 identifiziert wurde, als das Verfolgungsziel und Durchführen der Zweiklassenidentifizierungsverarbeitung gemäß dem Typ des Verfolgungsziels an dem vorhergesagten Ort des Verfolgungsziels des Bilds zur späteren Zeit die Zweiklassenidentifizierungsverarbeitung mit dem Typ durchgeführt werden, der lediglich auf den extrem beschränkten Bildbereich beschränkt ist. Als Ergebnis kann die Verarbeitungslast durch Verringern des Verarbeitungsaufwands des Zweiklassenidentifizierungsprozesses verringert werden und kann die falsche Erkennung der Mehrklassenidentifizierungsverarbeitung unterschieden werden, um die Identifizierungsgenauigkeit der mehreren Typen von Identifizierungszielen zu verbessern.In addition, by setting the identification target identified by the multi-class identification processing P4 as the tracking target and performing the two-class identification processing according to the type of the tracking target at the predicted location of the tracking target of the image at the later time, the two-class identification processing can be performed with the type based only on the extremely limited image area. As a result, the processing load can be reduced by reducing the amount of processing of the two-class identification process, and the misrecognition of the multi-class identification processing can be discriminated to improve the identification accuracy of the plural types of identification targets.
In der Bildverarbeitungsvorrichtung IPA gemäß der Ausführungsform führt die Mehrklassenidentifizierungseinheit 122 die Mehrklassenidentifizierungsverarbeitung P4 unter Verwendung der Mehrklassenidentifizierungs-Lerndaten 204, die durch Eingeben der mehreren Typen von Identifizierungszielen maschinell gelernt wurden, durch. Mit dieser Konfiguration kann eine Mehrklassenidentifizierungsverarbeitung zum Identifizieren mehrerer Typen von Identifizierungszielen aus einem Bild auf der Grundlage eines Ergebnisses des maschinellen Lernens genau durchgeführt werden.In the image processing apparatus IPA according to the embodiment, the
In der Bildverarbeitungsvorrichtung IPA der Ausführungsform führt die Mehrklassenidentifizierungseinheit 122 die Mehrklassenidentifizierungsverarbeitung P4 unter Verwendung der Mehrklassenidentifizierungs-Lerndaten 204 durch, wobei mindestens das Identifizierungsziel (i) des ersten Typs und das Identifizierungsziel (ii) des zweiten Typs eingegeben worden sind und das maschinelles Lernen durchgeführt wurde. Mit dieser Konfiguration ist es möglich, zwischen dem Identifizierungsziel (i) des ersten Typs und dem Identifizierungsziel (ii) des zweiten Typs aus den mehreren Typen von Identifizierungszielen, die im Bild enthalten sind, genau zu unterscheiden.In the image processing apparatus IPA of the embodiment, the
Ferner ist in der Bildverarbeitungsvorrichtung IPA gemäß der vorliegenden Ausführungsform das Identifizierungsziel (i) des ersten Typs ein Personenkraftwagen und ist das Identifizierungsziel (ii) des zweiten Typs ein Motorrad. Mit dieser Konfiguration ist es möglich, zwischen dem Personenkraftwagen, der das Identifizierungsziel (i) des ersten Typs ist, und dem Motorrad, das das Identifizierungsziel (ii) des zweiten Typs ist, unter den mehreren Typen von Identifizierungszielen, die im Bild enthalten sind, genau zu unterscheiden.Further, in the image processing apparatus IPA according to the present embodiment, the first type identification target (i) is a passenger car, and the second type identification target (ii) is a motorcycle. With this configuration, it is possible to distinguish between the passenger car, which is the first-type identification target (i), and the motorcycle, which is the second-type identification target (ii), among the plural types of identification targets included in the image. to distinguish exactly.
Ferner enthält in der Bildverarbeitungsvorrichtung IPA gemäß der vorliegenden Ausführungsform die Identifizierungseinheit 132 mehrere Zweiklassenidentifizierungseinheiten 132a und 132b. Zusätzlich führt jede der mehreren Zweiklassenidentifizierungseinheiten 132a und 132b die Zweiklassenidentifizierungsverarbeitung unter Verwendung der Zweiklassenidentifizierungs-Lerndaten 206, 207 durch, wobei maschinelles Lernen durch Eingeben eines Identifizierungsziels eines Typs unter den mehreren Typen durchgeführt wird. Mit dieser Konfiguration kann jede der Zweiklassenidentifizierungseinheit 132a und der Zweiklassenidentifizierungseinheit 132b genau bestimmen, ob das Objekt ein Identifizierungsziel eines Typs unter mehreren Typen ist oder nicht.Further, in the image processing apparatus IPA according to the present embodiment, the
Ferner ist in der Bildverarbeitungsvorrichtung IPA gemäß der vorliegenden Ausführungsform die Anzahl der Zweiklassenidentifizierungseinheiten 132a und 132b gleich der Anzahl von Typen, die durch die Mehrklassenidentifizierungseinheit 122 identifiziert werden. Insbesondere identifiziert in der Bildverarbeitungsvorrichtung IPA gemäß der vorliegenden Ausführungsform die Mehrklassenidentifizierungseinheit 122 zwei Typen des Identifizierungsziels (i) des ersten Typs und des Identifizierungsziels (ii) des zweiten Typs und enthält die Identifizierungseinheit 132 zwei Zweiklassenidentifizierungseinheiten 132a und 132b. Mit dieser Konfiguration ist es möglich, die Zweiklassenidentifizierungsverarbeitung an allen Typen von Identifizierungszielen, die durch die Mehrklassenidentifizierungseinheit 122 identifiziert wurden, durchzuführen und die Identifizierungsgenauigkeit des Typs des Identifizierungsziels zu verbessern.Furthermore, in the image processing apparatus IPA according to the present embodiment, the number of the two-
Zusätzlich enthält die Bildverarbeitungsvorrichtung IPA gemäß der vorliegenden Ausführungsform die Bildbereichsauswahleinheit 121, die einen Bildbereich wählt, der beliebige von mehreren Typen von Identifizierungszielen aus dem Bild enthalten kann. Dann identifiziert die Mehrklassenidentifizierungseinheit 122 mehrere Typen von Identifizierungszielen aus dem Bildbereich, der durch die Bildbereichsauswahleinheit 121 gewählt wurde. Mit dieser Konfiguration kann die Mehrklassenidentifizierungsverarbeitung durch die Mehrklassenidentifizierungseinheit 122 lediglich an dem beschränkten Bildbereich durchgeführt werden und kann die Verarbeitungslast durch Verringern des Verarbeitungsaufwands der Mehrklassenidentifizierungsverarbeitung verringert werden.In addition, the image processing apparatus IPA according to the present embodiment includes the image
Wie oben beschrieben ist, ist es gemäß der vorliegenden Ausführungsform möglich, die Bildverarbeitungsvorrichtung IPA und das Bildverarbeitungsverfahren IPM zu schaffen, die die Verarbeitungslasteiner Bildverarbeitung zum Identifizieren von mehreren Identifizierungszielen aus einem Bild verringern und die Identifizierungsgenauigkeit verbessern können.As described above, according to the present embodiment, it is possible to provide the image processing apparatus IPA and the image processing method IPM that can reduce the processing load of an image processing for identifying a plurality of identification targets from an image and improve the identification accuracy.
Obwohl die Ausführungsformen der Bildverarbeitungsvorrichtung und des Bildverarbeitungsverfahrens gemäß der vorliegenden Offenbarung unter Bezugnahme auf die Zeichnungen genau beschrieben wurden, ist die konkrete Konfiguration nicht auf diese Ausführungsform beschränkt und selbst dann, wenn Entwurfsänderungen und dergleichen in einem Umfang vorliegen, der nicht vom Hauptinhalt der vorliegenden Offenbarung abweicht, sind sie in der vorliegenden Offenbarung enthalten.Although the embodiments of the image processing apparatus and the image processing method according to the present disclosure have been described in detail with reference to the drawings, the concrete configuration is not limited to this embodiment and even if there are design changes and the like to a extent that is not within the gist of the present disclosure differs, they are included in the present disclosure.
BezugszeichenlisteReference List
- 121121
- Bildbereichsauswahleinheitimage area selection unit
- 122122
- Mehrklassenidentifizierungseinheitmulticlass identifier
- 131131
- Verfolgungsverarbeitungseinheittracking processing unit
- 132132
- Identifizierungseinheitidentification unit
- 132a132a
- Zweiklassenidentifizierungseinheittwo-class identification unit
- 132b132b
- Zweiklassenidentifizierungseinheittwo-class identification unit
- 204204
- Mehrklassenidentifizierungs-Lerndatenmulti-class identification learning data
- 206206
- Zweiklassenidentifizierungs-LerndatenTwo Class Identification Training Data
- 207207
- Zweiklassenidentifizierungs-LerndatenTwo Class Identification Training Data
- IDID
- Bildgebungsvorrichtungimaging device
- IPAIPA
- Bildverarbeitungsvorrichtungimage processing device
- IPMIPM
- Bildverarbeitungsverfahrenimage processing method
- P4P4
- MehrklassenidentifizierungsprozessMulticlass Identification Process
- P6cP6c
- ZweiklassenidentifizierungsprozessTwo Class Identification Process
- P6hP6h
- ZweiklassenidentifizierungsprozessTwo Class Identification Process
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- JP 2019008460 A [0005]JP 2019008460A [0005]
Claims (8)
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020101500 | 2020-06-11 | ||
JP2020-101500 | 2020-06-11 | ||
PCT/JP2021/004261 WO2021250934A1 (en) | 2020-06-11 | 2021-02-05 | Image processing device and image processing method |
Publications (1)
Publication Number | Publication Date |
---|---|
DE112021002170T5 true DE112021002170T5 (en) | 2023-03-02 |
Family
ID=78847176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112021002170.2T Pending DE112021002170T5 (en) | 2020-06-11 | 2021-02-05 | Image processing device and image processing method |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7323716B2 (en) |
CN (1) | CN115769253A (en) |
DE (1) | DE112021002170T5 (en) |
WO (1) | WO2021250934A1 (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019008460A (en) | 2017-06-22 | 2019-01-17 | 株式会社東芝 | Object detection device and object detection method and program |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002133421A (en) * | 2000-10-18 | 2002-05-10 | Fujitsu Ltd | Moving body recognition method and device |
US20210133474A1 (en) | 2018-05-18 | 2021-05-06 | Nec Corporation | Image processing apparatus, system, method, and non-transitory computer readable medium storing program |
-
2021
- 2021-02-05 WO PCT/JP2021/004261 patent/WO2021250934A1/en active Application Filing
- 2021-02-05 JP JP2022530019A patent/JP7323716B2/en active Active
- 2021-02-05 DE DE112021002170.2T patent/DE112021002170T5/en active Pending
- 2021-02-05 CN CN202180039409.2A patent/CN115769253A/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019008460A (en) | 2017-06-22 | 2019-01-17 | 株式会社東芝 | Object detection device and object detection method and program |
Also Published As
Publication number | Publication date |
---|---|
CN115769253A (en) | 2023-03-07 |
JPWO2021250934A1 (en) | 2021-12-16 |
WO2021250934A1 (en) | 2021-12-16 |
JP7323716B2 (en) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102014210820B4 (en) | Method for detecting large and passenger vehicles from fixed cameras | |
DE102013205952B4 (en) | Reconfigurable system and method for the detection of a free path | |
DE102006057552B4 (en) | System and method for measuring the distance of a preceding vehicle | |
DE102017220307B4 (en) | Device and method for recognizing traffic signs | |
DE102021002798A1 (en) | Process for camera-based environment detection | |
DE102013113960A1 (en) | Road surface shape determining device | |
DE102018111935A1 (en) | Image processing system, image processing method, information processing apparatus and recording medium | |
DE102012000459A1 (en) | Method for detecting object e.g. vehicle in surrounding area, involves transforming segments with classification surfaces into two-dimensional representation of environment, and searching and classifying segments in representation | |
DE102018129388A1 (en) | DETECTION DEVICE FOR THE EXTERNAL ENVIRONMENT OF VEHICLES | |
DE102016218852A1 (en) | Detection of objects from images of a camera | |
WO2020048669A1 (en) | Method for determining a lane change indication of a vehicle, computer-readable storage medium, and vehicle | |
DE102017108255A1 (en) | PARALLEL DETECTION OF PRIMITIVES IN A SCENE USING A ROUNDUM CAMERA SYSTEM | |
WO2020104551A1 (en) | Object recognition using the sensor system of vehicles | |
DE102015211871A1 (en) | Object detection device | |
DE102019214558A1 (en) | PROJECTION INFORMATION RECOGNITION DEVICE BASED ON AN ARTIFICIAL NEURAL NETWORK AND PROCESSES OF THE SAME | |
DE102018010039A1 (en) | Method for recognizing at least one pattern in an environment of a vehicle, control device for executing such a method, and vehicle with such a control device | |
DE102021003567A1 (en) | Process for the recognition of object relationships and attributions from sensor data | |
EP4078238A1 (en) | Method and device for making sensor data more robust against adverse disruptions | |
DE102020211971A1 (en) | VEHICLE TRAJECTORY PREDICTION USING ROAD TOPOLOGY AND TRAFFIC PARTICIPANT OBJECT STATES | |
DE102019209473A1 (en) | Method and device for the rapid detection of repetitive structures in the image of a street scene | |
DE112021002170T5 (en) | Image processing device and image processing method | |
DE102018109680A1 (en) | Method for distinguishing lane markings and curbs by parallel two-dimensional and three-dimensional evaluation; Control means; Driving assistance system; as well as computer program product | |
DE102018206743A1 (en) | A method of operating a driver assistance system of an ego vehicle having at least one environment sensor for detecting an environment of the ego vehicle, computer-readable medium, system, and vehicle | |
DE102020200876B4 (en) | Method for processing sensor data from a sensor system in a vehicle | |
DE102020211280A1 (en) | Computer-implemented method for environment recognition for an automated driving system, machine learning method, control unit for an automated driving system and computer program for such a control unit |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed |