JP2001092978A - 人物像の姿勢推定装置および人物像の姿勢推定プログラムを記録した記録媒体 - Google Patents
人物像の姿勢推定装置および人物像の姿勢推定プログラムを記録した記録媒体Info
- Publication number
- JP2001092978A JP2001092978A JP27161799A JP27161799A JP2001092978A JP 2001092978 A JP2001092978 A JP 2001092978A JP 27161799 A JP27161799 A JP 27161799A JP 27161799 A JP27161799 A JP 27161799A JP 2001092978 A JP2001092978 A JP 2001092978A
- Authority
- JP
- Japan
- Prior art keywords
- feature point
- image
- posture
- detecting
- distance
- 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
Links
Abstract
(57)【要約】
【構成】 人物像の輪郭線上の測定位置Ｐから重心Ｇま
での距離ａ（ｓ）および同じ測定位置Ｐから頭頂点Ｈま
での距離ｂ（ｓ）が求められ、さらに各距離ａ（ｓ）お
よびｂ（ｓ）の２乗和が算出される。このような２乗和
が極大となる位置が、特徴点として検出される。さら
に、検出された特徴点にカルマンフィルタ処理が施さ
れ、これによって得られた係数と自己回帰モデル式とに
基づいて、人物像の特徴点が確定される。 【効果】 カメラに対して四肢が胴体と重ならずかつ四
肢同士が交叉しない限り、各特徴点を容易かつ正確に特
定でき、かつ特定された特徴点が人物のどの部位である
かを容易に判別することができる。
での距離ａ（ｓ）および同じ測定位置Ｐから頭頂点Ｈま
での距離ｂ（ｓ）が求められ、さらに各距離ａ（ｓ）お
よびｂ（ｓ）の２乗和が算出される。このような２乗和
が極大となる位置が、特徴点として検出される。さら
に、検出された特徴点にカルマンフィルタ処理が施さ
れ、これによって得られた係数と自己回帰モデル式とに
基づいて、人物像の特徴点が確定される。 【効果】 カメラに対して四肢が胴体と重ならずかつ四
肢同士が交叉しない限り、各特徴点を容易かつ正確に特
定でき、かつ特定された特徴点が人物のどの部位である
かを容易に判別することができる。
Description
【０００１】
【産業上の利用分野】この発明は、カメラによって撮影
された人物像の姿勢を推定する姿勢推定装置、およびカ
メラによって撮影された人物像の姿勢を推定する姿勢推
定プログラムを記録した記録媒体に関する。
された人物像の姿勢を推定する姿勢推定装置、およびカ
メラによって撮影された人物像の姿勢を推定する姿勢推
定プログラムを記録した記録媒体に関する。
【０００２】
【従来の技術】この種の従来技術の一例が、平成１０年
９月２９日付けで出願公開された特開平１０−２５８０
４４号公報［Ａ６１Ｂ５／１０］に開示されている。こ
の従来技術は、赤外線カメラによって撮影された熱画像
から人物のシルエットを抽出し、抽出されたシルエット
画像の輪郭を分析することによって、人物の姿勢を推定
していた。
９月２９日付けで出願公開された特開平１０−２５８０
４４号公報［Ａ６１Ｂ５／１０］に開示されている。こ
の従来技術は、赤外線カメラによって撮影された熱画像
から人物のシルエットを抽出し、抽出されたシルエット
画像の輪郭を分析することによって、人物の姿勢を推定
していた。
【０００３】
【発明が解決しようとする課題】しかし、この従来技術
では、複数の条件（たとえば、右足は重心の下でかつ身
体の右側にある。手は、重心よりも上でかつ頭よりも下
にあり、主軸から一定の距離を置いている。）を事前に
設定しておく必要があり、姿勢推定のための処理が複雑
になるという問題があった。また、この従来技術では、
四肢同士が交叉するような動きがあったときや、四肢と
胴体が完全に重なるような動きがあったときに、特徴点
の検出が不可能となっていた。
では、複数の条件（たとえば、右足は重心の下でかつ身
体の右側にある。手は、重心よりも上でかつ頭よりも下
にあり、主軸から一定の距離を置いている。）を事前に
設定しておく必要があり、姿勢推定のための処理が複雑
になるという問題があった。また、この従来技術では、
四肢同士が交叉するような動きがあったときや、四肢と
胴体が完全に重なるような動きがあったときに、特徴点
の検出が不可能となっていた。
【０００４】それゆえに、この発明の主たる目的は、簡
単な処理で人物の姿勢を推定することができる姿勢推定
装置を提供することである。
単な処理で人物の姿勢を推定することができる姿勢推定
装置を提供することである。
【０００５】この発明の他の目的は、簡単な処理で人物
の姿勢を推定することができる姿勢推定プログラムを記
録した記録媒体を提供することである。
の姿勢を推定することができる姿勢推定プログラムを記
録した記録媒体を提供することである。
【０００６】この発明のその他の目的は、人物の姿勢に
動きがあったときでも特徴点を正確に検出できる姿勢推
定装置を提供することである。この発明のさらにその他
の目的は、人物の姿勢に動きがあったときでも特徴点を
正確に検出できる姿勢推定プログラムを記録した記録媒
体を提供することである。
動きがあったときでも特徴点を正確に検出できる姿勢推
定装置を提供することである。この発明のさらにその他
の目的は、人物の姿勢に動きがあったときでも特徴点を
正確に検出できる姿勢推定プログラムを記録した記録媒
体を提供することである。
【０００７】
【課題を解決するための手段】第１の発明は、カメラに
よって撮影された人物像の姿勢を推定する姿勢推定装置
において、人物像の輪郭を検出する輪郭検出手段、輪郭
上の各位置から人物像の上にある複数の基準位置のそれ
ぞれまでの距離を検出する距離検出手段、および距離に
基づいて人物像の特徴点を検出する特徴点検出手段を備
えることを特徴とする、姿勢推定装置である。
よって撮影された人物像の姿勢を推定する姿勢推定装置
において、人物像の輪郭を検出する輪郭検出手段、輪郭
上の各位置から人物像の上にある複数の基準位置のそれ
ぞれまでの距離を検出する距離検出手段、および距離に
基づいて人物像の特徴点を検出する特徴点検出手段を備
えることを特徴とする、姿勢推定装置である。
【０００８】第２の発明は、カメラによって所定期間お
きに撮影された人物像の姿勢を推定する姿勢推定装置に
おいて、今回撮影された現人物像の特徴点を検出する特
徴点検出手段、特徴点検出手段によって検出された特徴
点にカルマンフィルタ処理を施すフィルタ手段、および
フィルタ手段の処理結果と第１の自己回帰モデル式とに
基づいて現人物像の特徴点を確定させる特徴点確定手段
を備えることを特徴とする、姿勢推定装置である。
きに撮影された人物像の姿勢を推定する姿勢推定装置に
おいて、今回撮影された現人物像の特徴点を検出する特
徴点検出手段、特徴点検出手段によって検出された特徴
点にカルマンフィルタ処理を施すフィルタ手段、および
フィルタ手段の処理結果と第１の自己回帰モデル式とに
基づいて現人物像の特徴点を確定させる特徴点確定手段
を備えることを特徴とする、姿勢推定装置である。
【０００９】第３の発明は、カメラによって撮影された
人物像の姿勢を推定する姿勢推定プログラムを記録した
記録媒体において、姿勢推定プログラムは、人物像の輪
郭を検出する輪郭検出ステップ、輪郭上の各位置から人
物像の上にある複数の基準位置のそれぞれまでの距離を
検出する距離検出ステップ、および距離に基づいて人物
像の特徴点を検出する特徴点検出ステップを含むことを
特徴とする、記録媒体である。
人物像の姿勢を推定する姿勢推定プログラムを記録した
記録媒体において、姿勢推定プログラムは、人物像の輪
郭を検出する輪郭検出ステップ、輪郭上の各位置から人
物像の上にある複数の基準位置のそれぞれまでの距離を
検出する距離検出ステップ、および距離に基づいて人物
像の特徴点を検出する特徴点検出ステップを含むことを
特徴とする、記録媒体である。
【００１０】第４の発明は、カメラによって所定期間お
きに撮影された人物像の姿勢を推定する姿勢推定プログ
ラムを記録した記録媒体において、姿勢推定プログラム
は、今回撮影された現人物像の特徴点を検出する特徴点
検出ステップ、特徴点検出ステップで検出された特徴点
にカルマンフィルタ処理を施すフィルタステップ、およ
びフィルタステップの処理結果と第１の自己回帰モデル
式とに基づいて現人物像の特徴点を確定させる特徴点確
定ステップを含むことを特徴とする、記録媒体である。
きに撮影された人物像の姿勢を推定する姿勢推定プログ
ラムを記録した記録媒体において、姿勢推定プログラム
は、今回撮影された現人物像の特徴点を検出する特徴点
検出ステップ、特徴点検出ステップで検出された特徴点
にカルマンフィルタ処理を施すフィルタステップ、およ
びフィルタステップの処理結果と第１の自己回帰モデル
式とに基づいて現人物像の特徴点を確定させる特徴点確
定ステップを含むことを特徴とする、記録媒体である。
【００１１】
【作用】第１の発明によれば、人物像の輪郭が輪郭検出
手段によって検出され、輪郭上の各位置から人物像の上
にある複数の基準位置のそれぞれまでの距離が、距離検
出手段によって検出される。特徴点検出手段は、このよ
うにして検出された距離に基づいて人物像の特徴点を検
出する。
手段によって検出され、輪郭上の各位置から人物像の上
にある複数の基準位置のそれぞれまでの距離が、距離検
出手段によって検出される。特徴点検出手段は、このよ
うにして検出された距離に基づいて人物像の特徴点を検
出する。
【００１２】複数の基準位置は、好ましくは人物像の頭
頂位置および重心位置を含む。
頂位置および重心位置を含む。
【００１３】この発明のある局面では、特徴点は次のよ
うにして検出される。まず、演算手段が、輪郭上のある
位置で検出された複数の距離を個別に二乗し、次に、加
算手段が、演算手段で求められた複数の二乗値を互いに
加算する。そして、加算手段による加算値が極大となる
輪郭上の位置が、極大位置検出手段によって検出され
る。検出された位置が特徴点である。
うにして検出される。まず、演算手段が、輪郭上のある
位置で検出された複数の距離を個別に二乗し、次に、加
算手段が、演算手段で求められた複数の二乗値を互いに
加算する。そして、加算手段による加算値が極大となる
輪郭上の位置が、極大位置検出手段によって検出され
る。検出された位置が特徴点である。
【００１４】この発明の他の局面では、カメラは、姿勢
が経時的に変化する人物像を所定期間おきに撮影し、特
徴点検出手段は、撮影されたそれぞれの人物像の特徴点
を検出する。ここで、人物像の初期姿勢は、好ましく
は、カメラに対して四肢が胴体と重ならずかつ四肢同士
が交叉しない姿勢である。
が経時的に変化する人物像を所定期間おきに撮影し、特
徴点検出手段は、撮影されたそれぞれの人物像の特徴点
を検出する。ここで、人物像の初期姿勢は、好ましく
は、カメラに対して四肢が胴体と重ならずかつ四肢同士
が交叉しない姿勢である。
【００１５】この発明のある実施例では、特徴点検出手
段によって検出された現人物像の特徴点に、フィルタ手
段によってカルマンフィルタ処理が施される。特徴点確
定手段は、フィルタ手段の処理結果と第１の自己回帰モ
デル式とに基づいて、現人物像の特徴点を確定させる。
段によって検出された現人物像の特徴点に、フィルタ手
段によってカルマンフィルタ処理が施される。特徴点確
定手段は、フィルタ手段の処理結果と第１の自己回帰モ
デル式とに基づいて、現人物像の特徴点を確定させる。
【００１６】また、特徴点予測手段が、フィルタ手段の
処理結果と第２の自己回帰モデル式とに基づいて次回に
撮影される次人物像の特徴点を予測すると、部分画像領
域設定手段が、予測された特徴点を含む部分画像領域を
次人物像の上に設定する。このとき、距離検出手段は、
部分画像領域に含まれる輪郭上の各位置から複数の基準
位置のそれぞれまでの距離を検出する。
処理結果と第２の自己回帰モデル式とに基づいて次回に
撮影される次人物像の特徴点を予測すると、部分画像領
域設定手段が、予測された特徴点を含む部分画像領域を
次人物像の上に設定する。このとき、距離検出手段は、
部分画像領域に含まれる輪郭上の各位置から複数の基準
位置のそれぞれまでの距離を検出する。
【００１７】第２の発明によれば、人物像がカメラによ
って所定期間おきに撮影されると、今回撮影された現人
物像の特徴点が特徴点検出手段によって検出される。フ
ィルタ手段は、検出された特徴点にカルマンフィルタ処
理を施し、特徴点確定手段は、フィルタ手段の処理結果
と第１の自己回帰モデル式とに基づいて、現人物像の特
徴点を確定させる。
って所定期間おきに撮影されると、今回撮影された現人
物像の特徴点が特徴点検出手段によって検出される。フ
ィルタ手段は、検出された特徴点にカルマンフィルタ処
理を施し、特徴点確定手段は、フィルタ手段の処理結果
と第１の自己回帰モデル式とに基づいて、現人物像の特
徴点を確定させる。
【００１８】この発明のある局面では、輪郭検出手段に
よって現人物像の輪郭が検出され、輪郭上の各位置から
現人物像の上にある複数の基準位置のそれぞれまでの距
離が距離検出手段によって検出される。このとき、特徴
点検出手段は、検出された距離に基づいて、現人物像の
特徴点を検出する。
よって現人物像の輪郭が検出され、輪郭上の各位置から
現人物像の上にある複数の基準位置のそれぞれまでの距
離が距離検出手段によって検出される。このとき、特徴
点検出手段は、検出された距離に基づいて、現人物像の
特徴点を検出する。
【００１９】特徴点予測手段が、フィルタ手段の処理結
果と第２の自己回帰モデル式とに基づいて次回に撮影さ
れる次人物像の特徴点を予測した場合、部分画像領域設
定手段が、予測された特徴点を含む部分画像領域を次人
物像の上に設定する。距離検出手段は、部分画像領域に
含まれる輪郭上の各位置から複数の基準位置のそれぞれ
までの距離を検出する。
果と第２の自己回帰モデル式とに基づいて次回に撮影さ
れる次人物像の特徴点を予測した場合、部分画像領域設
定手段が、予測された特徴点を含む部分画像領域を次人
物像の上に設定する。距離検出手段は、部分画像領域に
含まれる輪郭上の各位置から複数の基準位置のそれぞれ
までの距離を検出する。
【００２０】第３の発明によれば、カメラによって撮影
された人物像の姿勢を推定する姿勢推定プログラムが記
録媒体に記録される。この姿勢推定プログラムでは、輪
郭検出ステップで人物像の輪郭が検出され、距離検出ス
テップで、輪郭上の各位置から人物像の上にある複数の
基準位置のそれぞれまでの距離が検出される。特徴点検
出ステップでは、上記の距離に基づいて人物像の特徴点
が検出される。
された人物像の姿勢を推定する姿勢推定プログラムが記
録媒体に記録される。この姿勢推定プログラムでは、輪
郭検出ステップで人物像の輪郭が検出され、距離検出ス
テップで、輪郭上の各位置から人物像の上にある複数の
基準位置のそれぞれまでの距離が検出される。特徴点検
出ステップでは、上記の距離に基づいて人物像の特徴点
が検出される。
【００２１】第４の発明によれば、カメラによって所定
期間おきに撮影された人物像の姿勢を推定する姿勢推定
プログラムが、記録媒体に記録される。この姿勢推定プ
ログラムでは、今回撮影された現人物像の特徴点が特徴
点検出ステップにおいて検出され、検出された特徴点は
フィルタステップにおいてカルマンフィルタ処理を施さ
れる。特徴点確定ステップでは、フィルタステップの処
理結果と第１の自己回帰モデル式とに基づいて現人物像
の特徴点が確定される。
期間おきに撮影された人物像の姿勢を推定する姿勢推定
プログラムが、記録媒体に記録される。この姿勢推定プ
ログラムでは、今回撮影された現人物像の特徴点が特徴
点検出ステップにおいて検出され、検出された特徴点は
フィルタステップにおいてカルマンフィルタ処理を施さ
れる。特徴点確定ステップでは、フィルタステップの処
理結果と第１の自己回帰モデル式とに基づいて現人物像
の特徴点が確定される。
【００２２】
【発明の効果】第１の発明および第３の発明によれば、
輪郭上の各位置から人物像の上にある複数の基準位置の
それぞれまでの距離を検出し、検出した距離に基づいて
人物像の特徴点を検出するようにしたため、簡単な処理
で人物の姿勢を推定することができる。
輪郭上の各位置から人物像の上にある複数の基準位置の
それぞれまでの距離を検出し、検出した距離に基づいて
人物像の特徴点を検出するようにしたため、簡単な処理
で人物の姿勢を推定することができる。
【００２３】第２の発明および第４の発明によれば、検
出された特徴点にカルマンフィルタ処理を施し、フィル
タ処理結果と第１の自己回帰モデル式とに基づいて現人
物像の特徴点を確定するようにしたため、特徴点を正確
に特定することができる。
出された特徴点にカルマンフィルタ処理を施し、フィル
タ処理結果と第１の自己回帰モデル式とに基づいて現人
物像の特徴点を確定するようにしたため、特徴点を正確
に特定することができる。
【００２４】この発明の上述の目的，その他の目的，特
徴および利点は、図面を参照して行う以下の実施例の詳
細な説明から一層明らかとなろう。
徴および利点は、図面を参照して行う以下の実施例の詳
細な説明から一層明らかとなろう。
【００２５】
【実施例】図１を参照して、この実施例の姿勢推定装置
１０は、カラーカメラ（以下、単に「カメラ」とい
う。）１２を含む。カメラ１２は姿勢が経時的に変化す
る人物（被験者）の全体像をたとえば１／３０秒おきに
撮影し、撮影した全体像および背景の画像データを画像
処理装置１４に入力する。画像処理装置１４には、光デ
ィスク１６に記録された姿勢推定プログラムが事前にイ
ンストールされている。画像処理装置１４は、カメラ１
２から入力された画像データとインストールされた姿勢
推定プログラムとに基づいて被験者の姿勢を推定し、ア
バタの姿勢を制御する。つまり、アバタの姿勢を被験者
の姿勢の変化に追従させる。ここで、“アバタ”とは、
仮想環境内に再現される２次元ＣＧモデルである。所望
の姿勢をとるアバタの画像データは、モデル合成装置１
８に与えられ、モデル合成装置１８は、与えられたアバ
タの画像データを背景画像データと合成する。これによ
って生成された合成画像データは、画像表示装置２０に
よって画面に表示される。
１０は、カラーカメラ（以下、単に「カメラ」とい
う。）１２を含む。カメラ１２は姿勢が経時的に変化す
る人物（被験者）の全体像をたとえば１／３０秒おきに
撮影し、撮影した全体像および背景の画像データを画像
処理装置１４に入力する。画像処理装置１４には、光デ
ィスク１６に記録された姿勢推定プログラムが事前にイ
ンストールされている。画像処理装置１４は、カメラ１
２から入力された画像データとインストールされた姿勢
推定プログラムとに基づいて被験者の姿勢を推定し、ア
バタの姿勢を制御する。つまり、アバタの姿勢を被験者
の姿勢の変化に追従させる。ここで、“アバタ”とは、
仮想環境内に再現される２次元ＣＧモデルである。所望
の姿勢をとるアバタの画像データは、モデル合成装置１
８に与えられ、モデル合成装置１８は、与えられたアバ
タの画像データを背景画像データと合成する。これによ
って生成された合成画像データは、画像表示装置２０に
よって画面に表示される。
【００２６】上述の姿勢推定プログラムは、図２および
図３に示すように構成される。画像処理装置１４に設け
られたＣＰＵ１４ａは、このようなフロー図に従って、
カメラ１２から入力された画像データを処理する。
図３に示すように構成される。画像処理装置１４に設け
られたＣＰＵ１４ａは、このようなフロー図に従って、
カメラ１２から入力された画像データを処理する。
【００２７】ＣＰＵ１４ａは、まずステップＳ１でフレ
ームカウンタ１４ｂのカウント値Ｋを“０”にセット
し、ステップＳ３で探索窓（探索エリア）を初期化す
る。初期化された探索窓のサイズは画面のサイズと等し
く、撮影された画像（人物像および背景）は全て、探索
窓の中に含まれる。ＣＰＵ１４ａは続いて、ステップＳ
４でカメラ１２から画像を取り込み、ステップＳ５で背
景差分法によって入力画像から人物像を抽出する。背景
差分法とは、人物像を含む画像から背景画像を差し引く
ことによって、人物像のみを取り出す手法である。な
お、被験者は、少なくとも撮影開始時に、カメラ１２に
向かって四肢が胴体と重ならずかつ四肢同士が交叉しな
い姿勢をとる必要がある。
ームカウンタ１４ｂのカウント値Ｋを“０”にセット
し、ステップＳ３で探索窓（探索エリア）を初期化す
る。初期化された探索窓のサイズは画面のサイズと等し
く、撮影された画像（人物像および背景）は全て、探索
窓の中に含まれる。ＣＰＵ１４ａは続いて、ステップＳ
４でカメラ１２から画像を取り込み、ステップＳ５で背
景差分法によって入力画像から人物像を抽出する。背景
差分法とは、人物像を含む画像から背景画像を差し引く
ことによって、人物像のみを取り出す手法である。な
お、被験者は、少なくとも撮影開始時に、カメラ１２に
向かって四肢が胴体と重ならずかつ四肢同士が交叉しな
い姿勢をとる必要がある。
【００２８】ＣＰＵ１４ａはさらに、ステップＳ７で人
物像を“１”、背景画像を“０”として入力画像を２値
化する。これによって、人物のシルエット画像が得られ
る。ＣＰＵ１４ａは続いて、ステップＳ９でこのシルエ
ット画像の重心を検出するとともに、ステップＳ１１で
同じシルエット画像の上半身の主軸を検出する。つま
り、シルエット画像が図４に示す姿勢をとるときは、同
図に示す重心Ｇならびにこの重心Ｇから上方に延びる慣
性主軸が検出される。
物像を“１”、背景画像を“０”として入力画像を２値
化する。これによって、人物のシルエット画像が得られ
る。ＣＰＵ１４ａは続いて、ステップＳ９でこのシルエ
ット画像の重心を検出するとともに、ステップＳ１１で
同じシルエット画像の上半身の主軸を検出する。つま
り、シルエット画像が図４に示す姿勢をとるときは、同
図に示す重心Ｇならびにこの重心Ｇから上方に延びる慣
性主軸が検出される。
【００２９】ステップＳ１３では、探索窓の内側に属す
るシルエット画像から輪郭線を検出する。つまり、重心
Ｇからラスタ走査して最初に発見された境界画素を開始
点とし、境界線を反時計回りにトレースする。境界線上
で“１”となり、それ以外で“０”となる２値画像を抽
出すれば、シルエット画像の輪郭線が得られる。続くス
テップＳ１５では、慣性主軸と輪郭線との交差点を検出
し、これを頭頂点とする。つまり、図４に示す交差点Ｈ
が頭頂点となる。
るシルエット画像から輪郭線を検出する。つまり、重心
Ｇからラスタ走査して最初に発見された境界画素を開始
点とし、境界線を反時計回りにトレースする。境界線上
で“１”となり、それ以外で“０”となる２値画像を抽
出すれば、シルエット画像の輪郭線が得られる。続くス
テップＳ１５では、慣性主軸と輪郭線との交差点を検出
し、これを頭頂点とする。つまり、図４に示す交差点Ｈ
が頭頂点となる。
【００３０】このようにして、人物像の輪郭線ならびに
人物像の上にある複数の基準位置（重心および頭頂点）
が検出される。
人物像の上にある複数の基準位置（重心および頭頂点）
が検出される。
【００３１】ＣＰＵ１４ａはその後ステップＳ１６に進
み、輪郭線上を頭頂点から所定量だけ移動した位置を測
定位置と決定する。移動方向は、反時計回り方向であ
る。ステップＳ１７では、現測定位置から頭頂点および
重心のそれぞれに向かうベクトルを求め、この２つのベ
クトルのノルムを検出する。つまり、現測定位置から頭
頂点および重心のそれぞれまでの距離が求められる。続
くステップＳ１９では、検出された２つの距離の２乗和
を数１に従って算出する。
み、輪郭線上を頭頂点から所定量だけ移動した位置を測
定位置と決定する。移動方向は、反時計回り方向であ
る。ステップＳ１７では、現測定位置から頭頂点および
重心のそれぞれに向かうベクトルを求め、この２つのベ
クトルのノルムを検出する。つまり、現測定位置から頭
頂点および重心のそれぞれまでの距離が求められる。続
くステップＳ１９では、検出された２つの距離の２乗和
を数１に従って算出する。
【００３２】
【数１】 ステップＳ２１では現測定位置が頭頂点であるかどうか
判断し、ＮＯであれば、ステップＳ２２で測定位置を更
新する。つまり、輪郭線上を現測定位置から所定量だけ
反時計回り方向に移動した位置を、次の測定位置とす
る。そして、ステップＳ１７に戻る。この結果、輪郭線
上の各測定位置から重心および頭頂点までの距離の２乗
和が求められる。現測定位置が図４に示す位置Ｐである
場合、ステップＳ１７では位置Ｐから重心Ｇまでの距離
ａ（ｓ）と位置Ｐから頭頂点Ｈまでの距離ｂ（ｓ）が求
められ、ステップＳ１９ではこのような距離ａ（ｓ）お
よびｂ（ｓ）の２乗和が求められる。
判断し、ＮＯであれば、ステップＳ２２で測定位置を更
新する。つまり、輪郭線上を現測定位置から所定量だけ
反時計回り方向に移動した位置を、次の測定位置とす
る。そして、ステップＳ１７に戻る。この結果、輪郭線
上の各測定位置から重心および頭頂点までの距離の２乗
和が求められる。現測定位置が図４に示す位置Ｐである
場合、ステップＳ１７では位置Ｐから重心Ｇまでの距離
ａ（ｓ）と位置Ｐから頭頂点Ｈまでの距離ｂ（ｓ）が求
められ、ステップＳ１９ではこのような距離ａ（ｓ）お
よびｂ（ｓ）の２乗和が求められる。
【００３３】輪郭線上の各位置における２乗和が求めら
れると、ＣＰＵ１４ａは、この２乗和が極大値をとる輪
郭上の位置をステップＳ２３で検出する。被験者が図４
に示す姿勢をとる場合、２乗和は図５に示すように変化
する。初期姿勢では、被験者はカメラ１２を向き、四肢
は、カメラ１２に対して胴体と重ならずかつ互いに交叉
しない。また、測定位置の移動方向は、反時計回り方向
と予め決まっている。このため、図５に示す極大位置Ａ
が右手先となり、極大位置Ｂが右足先となり、極大位置
Ｃが左足先となり、そして極大位置Ｄが左手先となる。
つまり、ステップＳ２３の処理によって、人物像の輪郭
線上にある４つの特徴点の座標が検出されるとともに、
検出された特徴点座標が四肢のいずれであるかが判別さ
れる。
れると、ＣＰＵ１４ａは、この２乗和が極大値をとる輪
郭上の位置をステップＳ２３で検出する。被験者が図４
に示す姿勢をとる場合、２乗和は図５に示すように変化
する。初期姿勢では、被験者はカメラ１２を向き、四肢
は、カメラ１２に対して胴体と重ならずかつ互いに交叉
しない。また、測定位置の移動方向は、反時計回り方向
と予め決まっている。このため、図５に示す極大位置Ａ
が右手先となり、極大位置Ｂが右足先となり、極大位置
Ｃが左足先となり、そして極大位置Ｄが左手先となる。
つまり、ステップＳ２３の処理によって、人物像の輪郭
線上にある４つの特徴点の座標が検出されるとともに、
検出された特徴点座標が四肢のいずれであるかが判別さ
れる。
【００３４】ＣＰＵ１４ａは、現測定位置から２つの基
準位置（重心および頭頂点）までの距離に基づいて、２
乗和を求めている。このため、四肢が胴体と重ならずか
つ互いに交差しない姿勢で人物像が撮影される限り、人
物像の特徴点は正確に検出される。なお、被験者が撮影
開始時に図６に示す姿勢をとる場合、２乗和は各特徴点
においてより大きな値を示す。このため、特徴点を最も
確実に検出することができる。
準位置（重心および頭頂点）までの距離に基づいて、２
乗和を求めている。このため、四肢が胴体と重ならずか
つ互いに交差しない姿勢で人物像が撮影される限り、人
物像の特徴点は正確に検出される。なお、被験者が撮影
開始時に図６に示す姿勢をとる場合、２乗和は各特徴点
においてより大きな値を示す。このため、特徴点を最も
確実に検出することができる。
【００３５】ステップＳ１５で検出された頭頂点もまた
輪郭線上に位置する特徴点であり、合計５つの特徴点の
座標がこれまでの処理で検出されたことになる。検出さ
れた各特徴点座標は、メモリ１４ｃに形成された図７に
示されるテーブルに書き込まれる。第Ｋフレームにおい
て検出された特徴点のＸ座標およびＹ座標はＸ（Ｋ）お
よびＹ（Ｋ）と定義される。また、右手先の特徴点座標
がＭ＝１に対応付けられ、右足先の特徴点座標がＭ＝２
に対応付けられ、左足先の特徴点座標がＭ＝３に対応付
けられ、左手先の特徴点座標がＭ＝４に対応付けられ、
そして頭頂の特徴点座標がＭ＝５に対応付けられる。こ
のようなテーブルは、各フレーム毎に作成される。
輪郭線上に位置する特徴点であり、合計５つの特徴点の
座標がこれまでの処理で検出されたことになる。検出さ
れた各特徴点座標は、メモリ１４ｃに形成された図７に
示されるテーブルに書き込まれる。第Ｋフレームにおい
て検出された特徴点のＸ座標およびＹ座標はＸ（Ｋ）お
よびＹ（Ｋ）と定義される。また、右手先の特徴点座標
がＭ＝１に対応付けられ、右足先の特徴点座標がＭ＝２
に対応付けられ、左足先の特徴点座標がＭ＝３に対応付
けられ、左手先の特徴点座標がＭ＝４に対応付けられ、
そして頭頂の特徴点座標がＭ＝５に対応付けられる。こ
のようなテーブルは、各フレーム毎に作成される。
【００３６】なお、このテーブルに示されるＸ
S（Ｋ），ＹS（Ｋ），ＸS（Ｋ＋１），ＹS（Ｋ＋１），
ａ１〜ａｐおよびｂ１〜ｂｐについては、後述する。ま
た、この実施例では、合計５つの特徴点を検出している
が、この“５”という数は処理の簡便さを考慮して決め
られたものであり、姿勢推定の精度を向上させたい場合
は、検出する特徴点の数を増やせばよい。
S（Ｋ），ＹS（Ｋ），ＸS（Ｋ＋１），ＹS（Ｋ＋１），
ａ１〜ａｐおよびｂ１〜ｂｐについては、後述する。ま
た、この実施例では、合計５つの特徴点を検出している
が、この“５”という数は処理の簡便さを考慮して決め
られたものであり、姿勢推定の精度を向上させたい場合
は、検出する特徴点の数を増やせばよい。
【００３７】ＣＰＵ１４ａは続いて、ステップＳ２４で
特徴点カウンタ１４ｄのカウント値Ｍを“１”にセット
する。ステップＳ２５では、現カウント値Ｍに対応する
特徴点座標Ｘ（Ｋ）およびＹ（Ｋ）を図７に示すテーブ
ルから読み出し、数２および数３に従って各座標にカル
マンフィルタ処理をかける。これによって求められた係
数ａ1，ａ2…ａpおよびｂ1，ｂ2…ｂpは、図７に示すテ
ーブルの現カウント値Ｍに対応する位置に書き込まれ
る。なお、Ｘ（Ｋ−１），Ｘ（Ｋ−２），…Ｘ（Ｋ−
ｐ）ならびにＹ（Ｋ−１），Ｙ（Ｋ−２），…Ｙ（Ｋ−
ｐ）は、前フレーム以前に検出された特徴点座標であ
り、これらのデータは図７と同じ要領で作成された別の
テーブルから読み出される。
特徴点カウンタ１４ｄのカウント値Ｍを“１”にセット
する。ステップＳ２５では、現カウント値Ｍに対応する
特徴点座標Ｘ（Ｋ）およびＹ（Ｋ）を図７に示すテーブ
ルから読み出し、数２および数３に従って各座標にカル
マンフィルタ処理をかける。これによって求められた係
数ａ1，ａ2…ａpおよびｂ1，ｂ2…ｂpは、図７に示すテ
ーブルの現カウント値Ｍに対応する位置に書き込まれ
る。なお、Ｘ（Ｋ−１），Ｘ（Ｋ−２），…Ｘ（Ｋ−
ｐ）ならびにＹ（Ｋ−１），Ｙ（Ｋ−２），…Ｙ（Ｋ−
ｐ）は、前フレーム以前に検出された特徴点座標であ
り、これらのデータは図７と同じ要領で作成された別の
テーブルから読み出される。
【００３８】
【数２】
【００３９】
【数３】 続くステップＳ２７では、数２および数３によって求め
られた係数ａ1，ａ2…ａpおよびｂ1，ｂ2…ｂpを数４に
よって表される自己回帰モデル式に適用し、特徴点の座
標ＸS（Ｋ）およびＹS（Ｋ）を算出する。
られた係数ａ1，ａ2…ａpおよびｂ1，ｂ2…ｂpを数４に
よって表される自己回帰モデル式に適用し、特徴点の座
標ＸS（Ｋ）およびＹS（Ｋ）を算出する。
【００４０】
【数４】 ここで、ＸS（Ｋ−１），ＸS（Ｋ−２），…ＸS（Ｋ−
ｐ）ならびにＹS（Ｋ−１），ＹS（Ｋ−２），…Ｙ
S（Ｋ−ｐ）もまた、前フレーム以前に算出された特徴
点座標であり、別のテーブルから読み出される。なお、
ｅ（Ｋ）は、誤差を示す。
ｐ）ならびにＹS（Ｋ−１），ＹS（Ｋ−２），…Ｙ
S（Ｋ−ｐ）もまた、前フレーム以前に算出された特徴
点座標であり、別のテーブルから読み出される。なお、
ｅ（Ｋ）は、誤差を示す。
【００４１】テーブルから読み出した特徴点の座標Ｘ
（Ｋ）およびＹ（Ｋ）は、あくまで仮の座標である。こ
のため、この座標Ｘ（Ｋ）およびＹ（Ｋ）にカルマンフ
ィルタ処理を施し、これによって得られた係数ａ1，ａ2
…ａpおよびｂ1，ｂ2…ｂpと自己回帰モデル式とに基づ
いて、座標ＸS（Ｋ）およびＹS（Ｋ）を算出する。これ
によって、特徴点の座標が確定される。確定した座標Ｘ
S（Ｋ）およびＹS（Ｋ）は、図７に示すテーブルの現カ
ウント値Ｍに対応する位置に書き込まれる。
（Ｋ）およびＹ（Ｋ）は、あくまで仮の座標である。こ
のため、この座標Ｘ（Ｋ）およびＹ（Ｋ）にカルマンフ
ィルタ処理を施し、これによって得られた係数ａ1，ａ2
…ａpおよびｂ1，ｂ2…ｂpと自己回帰モデル式とに基づ
いて、座標ＸS（Ｋ）およびＹS（Ｋ）を算出する。これ
によって、特徴点の座標が確定される。確定した座標Ｘ
S（Ｋ）およびＹS（Ｋ）は、図７に示すテーブルの現カ
ウント値Ｍに対応する位置に書き込まれる。
【００４２】ステップＳ２９では、特徴点カウンタ１４
ｄのカウント値Ｋが“５”を示しているかどうか判断
し、ＮＯであれば、ステップＳ３１でカウント値Ｍをイ
ンクリメントしてからステップＳ２５に戻る。このた
め、メモリ１４ｃに格納された５つの特徴点の全てに対
してカルマンフィルタ処理ならびに自己回帰モデル式を
用いた演算が施され、全ての特徴点の座標が確定され
る。
ｄのカウント値Ｋが“５”を示しているかどうか判断
し、ＮＯであれば、ステップＳ３１でカウント値Ｍをイ
ンクリメントしてからステップＳ２５に戻る。このた
め、メモリ１４ｃに格納された５つの特徴点の全てに対
してカルマンフィルタ処理ならびに自己回帰モデル式を
用いた演算が施され、全ての特徴点の座標が確定され
る。
【００４３】カウント値Ｍが“５”に達すると、ＣＰＵ
１４ａはステップＳ２９からステップＳ３３に進み、確
定された５つの特徴点座標に基づいてアバタの姿勢を制
御する。姿勢が制御されたアバタの画像データは、画像
処理回路１４からモデル合成装置１８に与えられる。こ
の結果、被験者と同じ姿勢をとるアバタが、画像表示装
置２０に表示される。つまり、所望の姿勢をとるアバタ
が、仮想環境内に再現される。
１４ａはステップＳ２９からステップＳ３３に進み、確
定された５つの特徴点座標に基づいてアバタの姿勢を制
御する。姿勢が制御されたアバタの画像データは、画像
処理回路１４からモデル合成装置１８に与えられる。こ
の結果、被験者と同じ姿勢をとるアバタが、画像表示装
置２０に表示される。つまり、所望の姿勢をとるアバタ
が、仮想環境内に再現される。
【００４４】ＣＰＵ１４ａは続いて、ステップＳ３５で
特徴点カウンタ１４ｄのカウント値Ｍを再度“１”にセ
ットする。そして、ステップＳ３７で数５によって表さ
れる自己回帰モデル式を演算する。
特徴点カウンタ１４ｄのカウント値Ｍを再度“１”にセ
ットする。そして、ステップＳ３７で数５によって表さ
れる自己回帰モデル式を演算する。
【００４５】
【数５】 ここでは、直前のステップＳ２５において算出された係
数ａ1，ａ2…ａpおよびｂ1，ｂ2…ｂp、直前のステップ
Ｓ２７において算出された特徴点座標ＸS（Ｋ）および
ＹS（Ｋ）、ならびに前フレーム以前のステップＳ２７
で算出された特徴点座標ＸS（Ｋ−１），…ＸS（Ｋ＋１
−ｐ）およびＹS（Ｋ−１），…ＹS（Ｋ＋１−ｐ）を演
算に用いる。これによって、次フレームにおける人物像
の特徴点座標ＸS（Ｋ＋１）およびＹS（Ｋ＋１）が予測
される。つまり、次フレームにおいて被験者がどのよう
な姿勢をとるかが予測される。
数ａ1，ａ2…ａpおよびｂ1，ｂ2…ｂp、直前のステップ
Ｓ２７において算出された特徴点座標ＸS（Ｋ）および
ＹS（Ｋ）、ならびに前フレーム以前のステップＳ２７
で算出された特徴点座標ＸS（Ｋ−１），…ＸS（Ｋ＋１
−ｐ）およびＹS（Ｋ−１），…ＹS（Ｋ＋１−ｐ）を演
算に用いる。これによって、次フレームにおける人物像
の特徴点座標ＸS（Ｋ＋１）およびＹS（Ｋ＋１）が予測
される。つまり、次フレームにおいて被験者がどのよう
な姿勢をとるかが予測される。
【００４６】ステップＳ３９ではカウント値Ｍが“５”
に達したかどうか判断し、ＮＯであれば、ステップＳ４
１でカウント値ＭをインクリメントしてからステップＳ
３７に戻る。これによって、全ての特徴点の次フレーム
での座標が予測される。なお、予測された特徴点座標Ｘ
S（Ｋ＋１）およびＹS（Ｋ＋１）もまた、図７に示すテ
ーブルに格納される。
に達したかどうか判断し、ＮＯであれば、ステップＳ４
１でカウント値ＭをインクリメントしてからステップＳ
３７に戻る。これによって、全ての特徴点の次フレーム
での座標が予測される。なお、予測された特徴点座標Ｘ
S（Ｋ＋１）およびＹS（Ｋ＋１）もまた、図７に示すテ
ーブルに格納される。
【００４７】Ｍ＝５となると、ＣＰＵ１４ａはステップ
Ｓ４３に進み、ステップＳ３７の処理によって予測され
た特徴点座標ＸS（Ｋ＋１）およびＹS（Ｋ＋１）を中心
とする探索窓を画面上に設定する。次フレームにおいて
被験者が図６に示す姿勢をとると予測された場合、探索
窓は、同図に点線で示す位置に設定される。設定される
探索窓の数は、特徴点の数と同じ“５”であり、いずれ
の探索窓も矩形である。さらに、それぞれの探索窓のサ
イズは、画面のサイズよりも大幅に小さい。つまり、初
期の探索窓の数は１つであり、サイズは画面サイズと等
しいが、ステップＳ４３で探索窓が更新されることによ
って、数が５つに増えるとともに、サイズが画面サイズ
よりも大幅に小さくなる。このような探索窓が設定され
ると、ＣＰＵ１４ａは、ステップＳ４５でフレームカウ
ンタ１４ｂをインクリメントする。そして、ステップＳ
４以降で次フレームの入力画像について同様の処理を実
行する。
Ｓ４３に進み、ステップＳ３７の処理によって予測され
た特徴点座標ＸS（Ｋ＋１）およびＹS（Ｋ＋１）を中心
とする探索窓を画面上に設定する。次フレームにおいて
被験者が図６に示す姿勢をとると予測された場合、探索
窓は、同図に点線で示す位置に設定される。設定される
探索窓の数は、特徴点の数と同じ“５”であり、いずれ
の探索窓も矩形である。さらに、それぞれの探索窓のサ
イズは、画面のサイズよりも大幅に小さい。つまり、初
期の探索窓の数は１つであり、サイズは画面サイズと等
しいが、ステップＳ４３で探索窓が更新されることによ
って、数が５つに増えるとともに、サイズが画面サイズ
よりも大幅に小さくなる。このような探索窓が設定され
ると、ＣＰＵ１４ａは、ステップＳ４５でフレームカウ
ンタ１４ｂをインクリメントする。そして、ステップＳ
４以降で次フレームの入力画像について同様の処理を実
行する。
【００４８】探索窓の数およびサイズが更新された結
果、次回のステップＳ１３では、特徴点の周辺の輪郭だ
けが抽出され、このような部分的な輪郭線に基づいて特
徴点（頭頂点および極大点）の座標が検出される。そし
て、検出された特徴点座標にカルマンフィルタ処理が施
され、これによって得られた係数に基づいて次フレーム
の特徴点座標が確定されるとともに、その次のフレーム
の特徴点座標が予測される。さらに、予測された特徴点
座標に基づいて探索窓が更新される。
果、次回のステップＳ１３では、特徴点の周辺の輪郭だ
けが抽出され、このような部分的な輪郭線に基づいて特
徴点（頭頂点および極大点）の座標が検出される。そし
て、検出された特徴点座標にカルマンフィルタ処理が施
され、これによって得られた係数に基づいて次フレーム
の特徴点座標が確定されるとともに、その次のフレーム
の特徴点座標が予測される。さらに、予測された特徴点
座標に基づいて探索窓が更新される。
【００４９】この実施例によれば、人物像の特徴点（手
先点および足先点）を検出するにあたって、人物像の輪
郭線上の各位置から重心および頭頂点のそれぞれまでの
距離を検出し、さらに各位置で検出された２つの距離の
２乗和を求めている。そして、求められた２乗和が極大
となる位置を特徴点としている。したがって、人物像
が、カメラに対して四肢が胴体と重ならずかつ四肢同士
が交叉しない姿勢をとる限り、各特徴点を容易に検出で
き、かつ検出された特徴点が人物のどの部位であるかを
容易に判別することができる。つまり、人物像の姿勢を
容易に推定することができる。
先点および足先点）を検出するにあたって、人物像の輪
郭線上の各位置から重心および頭頂点のそれぞれまでの
距離を検出し、さらに各位置で検出された２つの距離の
２乗和を求めている。そして、求められた２乗和が極大
となる位置を特徴点としている。したがって、人物像
が、カメラに対して四肢が胴体と重ならずかつ四肢同士
が交叉しない姿勢をとる限り、各特徴点を容易に検出で
き、かつ検出された特徴点が人物のどの部位であるかを
容易に判別することができる。つまり、人物像の姿勢を
容易に推定することができる。
【００５０】また、この実施例では、検出された特徴点
（頭頂点も含む）にカルマンフィルタ処理を施し、これ
によって得られた係数と自己回帰モデル式とに基づいて
人物像の特徴点を確定させるようにしている。このた
め、特徴点を正確に特定できる。
（頭頂点も含む）にカルマンフィルタ処理を施し、これ
によって得られた係数と自己回帰モデル式とに基づいて
人物像の特徴点を確定させるようにしている。このた
め、特徴点を正確に特定できる。
【００５１】さらに、この実施例では、カルマンフィル
タ処理によって得られた係数と別の自己回帰モデル式に
基づいて次フレームで撮影される人物像の特徴点を予測
し、予測された特徴点を含む探索窓を次フレームの人物
像の上に設定する。そして、設定された探索窓の中に属
する輪郭上の各位置から重心および頭頂点までの距離を
求め、求められた距離に基づいて上述と同じ要領で特徴
点を検出するようにしている。このため、２フレーム目
以降は、特徴点の検出のために輪郭線の全範囲を走査す
る必要がない。
タ処理によって得られた係数と別の自己回帰モデル式に
基づいて次フレームで撮影される人物像の特徴点を予測
し、予測された特徴点を含む探索窓を次フレームの人物
像の上に設定する。そして、設定された探索窓の中に属
する輪郭上の各位置から重心および頭頂点までの距離を
求め、求められた距離に基づいて上述と同じ要領で特徴
点を検出するようにしている。このため、２フレーム目
以降は、特徴点の検出のために輪郭線の全範囲を走査す
る必要がない。
【図１】この発明の１実施例を示すブロック図である。
【図２】図１実施例の動作の一部を示すフロー図であ
る。
る。
【図３】図１実施例の動作の他の一部を示すフロー図で
ある。
ある。
【図４】被験者のシルエット画像を示す図解図である。
【図５】輪郭線上の各測定位置と距離の２乗和との関係
を示すグラフである。
を示すグラフである。
【図６】人物像およびその上に設定された探索窓を示す
図解図である。
図解図である。
【図７】第Ｋフレームに関連するテーブルを示す図解図
である。
である。
１０…姿勢推定装置 １２…カラーカメラ １４…画像処理装置 １６…光ディスク １８…モデル合成装置 ２０…画像表示装置
───────────────────────────────────────────────────── フロントページの続き (72)発明者 大谷 淳 京都府相楽郡精華町大字乾谷小字三平谷５ 番地 株式会社エイ・ティ・アール知能映 像通信研究所内 Ｆターム(参考） 4C038 VA20 VB35 VC05 5B057 CH09 DA07 DB02 DC02 DC06 DC08 DC16 5L096 AA07 FA06 FA09 FA60 FA63 FA66 FA67 GA55
Claims (12)
- 【請求項１】カメラによって撮影された人物像の姿勢を
推定する姿勢推定装置において、 前記人物像の輪郭を検出する輪郭検出手段、 前記輪郭上の各位置から前記人物像の上にある複数の基
準位置のそれぞれまでの距離を検出する距離検出手段、
および前記距離に基づいて前記人物像の特徴点を検出す
る特徴点検出手段を備えることを特徴とする、姿勢推定
装置。 - 【請求項２】前記複数の基準位置は前記人物像の頭頂位
置および前記人物像の重心位置を含む、請求項１記載の
姿勢推定装置。 - 【請求項３】前記特徴点検出手段は、前記輪郭上のある
位置で検出された複数の距離を個別に二乗する演算手
段、前記演算手段で求められた複数の二乗値を互いに加
算する加算手段、および前記加算手段による加算値が極
大となる前記輪郭上の位置を検出する極大位置検出手段
を含む、請求項１または２記載の姿勢推定装置。 - 【請求項４】前記カメラは姿勢が経時的に変化する人物
像を所定期間おきに撮影し、 前記特徴点検出手段は撮影されたそれぞれの人物像の特
徴点を検出する、請求項１ないし３のいずれかに記載の
姿勢推定装置。 - 【請求項５】前記人物像の初期姿勢は、前記カメラに対
して四肢が胴体と重ならずかつ前記四肢同士が交叉しな
い姿勢である、請求項４記載の姿勢推定装置。 - 【請求項６】前記特徴点検出手段によって検出された現
人物像の特徴点にカルマンフィルタ処理を施すフィルタ
手段、および前記フィルタ手段の処理結果と第１の自己
回帰モデル式とに基づいて前記現人物像の特徴点を確定
させる特徴点確定手段をさらに備える、請求項４または
５記載の姿勢推定装置。 - 【請求項７】前記フィルタ手段の処理結果と第２の自己
回帰モデル式とに基づいて次回に撮影される次人物像の
特徴点を予測する特徴点予測手段、および前記特徴点予
測手段によって予測された特徴点を含む部分画像領域を
前記次人物像の上に設定する部分画像領域設定手段をさ
らに備え、 前記距離検出手段は、前記部分画像領域に含まれる前記
輪郭上の各位置から前記複数の基準位置のそれぞれまで
の距離を検出する、請求項６記載の姿勢推定装置。 - 【請求項８】カメラによって所定期間おきに撮影された
人物像の姿勢を推定する姿勢推定装置において、 今回撮影された現人物像の特徴点を検出する特徴点検出
手段、 前記特徴点検出手段によって検出された特徴点にカルマ
ンフィルタ処理を施すフィルタ手段、および前記フィル
タ手段の処理結果と第１の自己回帰モデル式とに基づい
て前記現人物像の特徴点を確定させる特徴点確定手段を
備えることを特徴とする、姿勢推定装置。 - 【請求項９】前記現人物像の輪郭を検出する輪郭検出手
段、および前記輪郭上の各位置から前記現人物像の上に
ある複数の基準位置のそれぞれまでの距離を検出する距
離検出手段をさらに備え、 前記特徴点検出手段は前記距離検出手段によって検出さ
れた距離に基づいて前記現人物像の特徴点を検出する、
請求項８記載の姿勢推定装置。 - 【請求項１０】前記フィルタ手段の処理結果と第２の自
己回帰モデル式とに基づいて次回に撮影される次人物像
の特徴点を予測する特徴点予測手段、 前記特徴点予測手段によって予測された特徴点を含む部
分画像領域を前記次人物像の上に設定する部分画像領域
設定手段をさらに備え、 前記距離検出手段は、前記部分画像領域に含まれる前記
輪郭上の各位置から前記複数の基準位置のそれぞれまで
の距離を検出する、請求項８または９記載の姿勢推定装
置。 - 【請求項１１】カメラによって撮影された人物像の姿勢
を推定する姿勢推定プログラムを記録した記録媒体にお
いて、 前記姿勢推定プログラムは、 前記人物像の輪郭を検出する輪郭検出ステップ、 前記輪郭上の各位置から前記人物像の上にある複数の基
準位置のそれぞれまでの距離を検出する距離検出ステッ
プ、および前記距離に基づいて前記人物像の特徴点を検
出する特徴点検出ステップを含むことを特徴とする、記
録媒体。 - 【請求項１２】カメラによって所定期間おきに撮影され
た人物像の姿勢を推定する姿勢推定プログラムを記録し
た記録媒体において、 前記姿勢推定プログラムは、 今回撮影された現人物像の特徴点を検出する特徴点検出
ステップ、 前記特徴点検出ステップで検出された特徴点にカルマン
フィルタ処理を施すフィルタステップ、および前記フィ
ルタステップの処理結果と第１の自己回帰モデル式とに
基づいて前記現人物像の特徴点を確定させる特徴点確定
ステップを含むことを特徴とする、記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27161799A JP3400961B2 (ja) | 1999-09-27 | 1999-09-27 | 人物像の姿勢推定装置および人物像の姿勢推定プログラムを記録した記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27161799A JP3400961B2 (ja) | 1999-09-27 | 1999-09-27 | 人物像の姿勢推定装置および人物像の姿勢推定プログラムを記録した記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001092978A true JP2001092978A (ja) | 2001-04-06 |
| JP3400961B2 JP3400961B2 (ja) | 2003-04-28 |
Family
ID=17502578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27161799A Expired - Fee Related JP3400961B2 (ja) | 1999-09-27 | 1999-09-27 | 人物像の姿勢推定装置および人物像の姿勢推定プログラムを記録した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3400961B2 (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7340100B2 (en) | 2002-08-09 | 2008-03-04 | Honda Giken Kogyo Kabushiki Kaisha | Posture recognition apparatus and autonomous robot |
| US7940957B2 (en) | 2006-06-09 | 2011-05-10 | Sony Computer Entertainment Inc. | Object tracker for visually tracking object motion |
| US7996177B2 (en) | 2005-04-07 | 2011-08-09 | Olympus Corporation | Information display system |
| CN106859617A (zh) * | 2017-03-01 | 2017-06-20 | 浙江大学 | 一种穿戴式多生命体征参数采集设备及其参数提取方法 |
| DE102018206077B4 (de) * | 2017-05-11 | 2019-10-10 | Fanuc Corporation | Robotersteuerungsvorrichtung und Robotersteuerungsprogramm |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5898014B2 (ja) | 2012-07-26 | 2016-04-06 | パナソニック株式会社 | 姿勢推定装置、姿勢推定方法、および姿勢推定プログラム |
-
1999
- 1999-09-27 JP JP27161799A patent/JP3400961B2/ja not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7340100B2 (en) | 2002-08-09 | 2008-03-04 | Honda Giken Kogyo Kabushiki Kaisha | Posture recognition apparatus and autonomous robot |
| US7996177B2 (en) | 2005-04-07 | 2011-08-09 | Olympus Corporation | Information display system |
| US7940957B2 (en) | 2006-06-09 | 2011-05-10 | Sony Computer Entertainment Inc. | Object tracker for visually tracking object motion |
| CN106859617A (zh) * | 2017-03-01 | 2017-06-20 | 浙江大学 | 一种穿戴式多生命体征参数采集设备及其参数提取方法 |
| DE102018206077B4 (de) * | 2017-05-11 | 2019-10-10 | Fanuc Corporation | Robotersteuerungsvorrichtung und Robotersteuerungsprogramm |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3400961B2 (ja) | 2003-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8331619B2 (en) | Image processing apparatus and image processing method | |
| JP4349367B2 (ja) | 物体の位置姿勢を推定する推定システム、推定方法および推定プログラム | |
| JP4473754B2 (ja) | 仮想試着装置 | |
| JP4792824B2 (ja) | 動作分析装置 | |
| JP6816058B2 (ja) | パラメータ最適化装置、パラメータ最適化方法、プログラム | |
| JP2019075156A (ja) | 多因子画像特徴登録及び追尾のための方法、回路、装置、システム、及び、関連するコンピュータで実行可能なコード | |
| JP2015522200A (ja) | 人顔特徴点の位置決め方法、装置及び記憶媒体 | |
| JP2003196664A (ja) | 物体検出装置 | |
| JP2002197463A (ja) | 挙動検出装置および挙動検出システム | |
| JP5001930B2 (ja) | 動作認識装置及び方法 | |
| JP7427188B2 (ja) | ３ｄポーズ取得方法及び装置 | |
| KR20090037275A (ko) | 인체 부분 검출 장치 및 그 방법 | |
| JP2000251078A (ja) | 人物の３次元姿勢推定方法および装置ならびに人物の肘の位置推定方法および装置 | |
| JP5027030B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
| JP2002366958A (ja) | 画像認識方法および画像認識装置 | |
| WO2021230157A1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
| JP3400961B2 (ja) | 人物像の姿勢推定装置および人物像の姿勢推定プログラムを記録した記録媒体 | |
| JP3520050B2 (ja) | 移動物体追跡装置 | |
| US6931145B1 (en) | Method and apparatus for measuring motion of an object surface by multi-resolution analysis using a mesh model | |
| JP2000268161A (ja) | 実時間表情検出装置 | |
| JP7028729B2 (ja) | 物体追跡装置、物体追跡システム、および物体追跡方法 | |
| JP5530391B2 (ja) | カメラポーズ推定装置、カメラポーズ推定方法及びカメラポーズ推定プログラム | |
| JPH08212327A (ja) | 身振り認識装置 | |
| JPH06213632A (ja) | 画像計測装置 | |
| JPH11283040A (ja) | 操作制御装置および動作解析プログラムを記録したコンピュ―タ読み取り可能な記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030204 |
|
| LAPS | Cancellation because of no payment of annual fees |