JP2003233813A - イメージ区分化方法およびイメージ区分化システム - Google Patents

イメージ区分化方法およびイメージ区分化システム

Info

Publication number
JP2003233813A
JP2003233813A JP2002365186A JP2002365186A JP2003233813A JP 2003233813 A JP2003233813 A JP 2003233813A JP 2002365186 A JP2002365186 A JP 2002365186A JP 2002365186 A JP2002365186 A JP 2002365186A JP 2003233813 A JP2003233813 A JP 2003233813A
Authority
JP
Japan
Prior art keywords
pixel
image
pixels
value
passenger
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
Application number
JP2002365186A
Other languages
English (en)
Inventor
Michael Edward Farmer
エドワード ファーマー マイケル
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Eaton Corp
Original Assignee
Eaton Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Eaton Corp filed Critical Eaton Corp
Publication of JP2003233813A publication Critical patent/JP2003233813A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01512—Passenger detection systems
    • B60R21/01542—Passenger detection systems detecting passenger motion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01512—Passenger detection systems
    • B60R21/0153—Passenger detection systems using field detection presence sensors
    • B60R21/01538—Passenger detection systems using field detection presence sensors for image processing, e.g. cameras or sensor arrays
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01512—Passenger detection systems
    • B60R21/01552—Passenger detection systems detecting position of specific human body parts, e.g. face, eyes or hands
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01556—Child-seat detection systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/24765—Rule-based classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R2021/003—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks characterised by occupant or pedestian
    • B60R2021/0039—Body parts of the occupant or pedestrian affected by the accident
    • B60R2021/0044—Chest
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30268—Vehicle interior

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Image Processing (AREA)
  • Air Bags (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

(57)【要約】 【課題】乗客及びその周囲環境を含む周囲イメージから
乗客のセグメント化イメージを形成するためのイメージ
区分化システム及びその方法を提供すること。 【解決手段】イメージを処理するイメージ区分化システ
ムは、乗客、又は他の対象物を周囲イメージ38から分離
するのに使用され、特に、エアバッグ展開装置に乗客の
セグメント化イメージを供給して、乗客を異なるタイプ
に区別する。本発明は、ヒストグラム39及び累積分布関
数52を用いてイメージ閾値化を実行し、光学的ノイズを
除去するためのギャップ処理に、同類のピクセル値の領
域における運動量及び重力に基づくヒューリスティック
探索の最適化手法を適用する。このため、本発明は、複
数のピクセル40を分類するイメージ閾値化サブシステム
100と、ピクセル値42に従って、ピクセル値を選択的に
設定するギャップ処理サブシステム102を有する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、一般的に、人また
は物体を含みかつこれらを取巻く領域を有する周囲イメ
ージから、人または物体のセグメント化されたイメージ
（画像）を分離するために使用されるシステム及びその
技術に関する。特に、本発明は、乗客の周囲イメージか
ら乗客のセグメント化イメージを分離することに関する
もので、この乗客の周囲イメージは、乗客と乗客を取巻
く領域を含んでおり、その結果、乗客のセグメント化イ
メージの特性によりエアバッグの展開を防止または変更
することができるようになっている。
【０００２】
【従来の技術】目標とされた人または物体のセグメント
化イメージを周囲イメージから分離することが望ましい
状況は多くあり、このセグメント化イメージには、目標
とされた人または物体に補助的なイメージが含まれてい
る。エアバッグ展開装置は、このような技術の１つの応
用である。エアバッグ展開装置は、乗客のイメージに対
する１つのまたは別の方法に関係する、種々の展開決定
を実行する必要がある。
【０００３】エアバッグ展開装置は、乗客に対する１つ
または別の方法に関係する広範囲のファクターに基づく
動作を変更することができる。乗客のタイプ、エアバッ
グに対する乗客の接近度、乗客の速度及び加速度、乗客
の重量、エアバッグと乗客との間の衝撃を吸収するのに
必要なエアバッグの展開エネルギー量、および他のエア
バッグ展開力を考察するために、乗客のセグメント化イ
メージから得られる乗客の特性を利用することができ
る。
【０００４】イメージ区分化技術に関する現在の技術に
は、多くの障害がある。第１に、従来の技術では、車が
夜に運転されているときのように、より暗い環境にある
と、良く機能しない。人間の乗客のある部分のイメージ
が暗さのために見ることができず、エアバッグ展開装置
に正確な情報を引き出すことができないからである。
【０００５】第２に、このような技術は、乗客の異なる
部分がセンサまたは光源から異なる角度及び距離にある
という事実によって生じる濃淡の変更を補正することが
できないからである。乗客イメージにおける異なる領域
に対して異なる処理を行うことは有益である。
【０００６】第３に、現在の技術では、セグメント化イ
メージの特定の形式があるときに、区分化処理に包含さ
れる情報を最大限利用していない。カメラまたは他のセ
ンサによって捕らえた乗客の生のセグメント化イメージ
を加工して使用することができるように、乗客を解剖学
的に見る状況がある。例えば、人間の全ての部分は連結
されており、また、これらの連結部分の固有の特性によ
り、イメージピクセルが乗客に関係し、かつイメージピ
クセルが乗客の回りの領域に関係するように決定するた
めの区分化処理の能力を高めることができる。乗客が座
席に対してどのように座っているかの知識は、生の周囲
イメージに対して、より多くの情報を与えるために使用
することができる。
【０００７】
【発明が解決しようとする課題】本発明は、乗客及び乗
客の回りの環境を含む周囲イメージから乗客のセグメン
ト化イメージを形成するために使用できるイメージ区分
化システムまたはその方法を提供することを目的として
いる。エアバッグ展開装置は、エアバッグを展開するか
しないかを決定するために、乗客のセグメント化イメー
ジおよび展開に関わるパラメータを利用することができ
る。
【０００８】
【課題を解決するための手段】本発明は、２つの主たる
構成、すなわち、イメージ閾値化サブシステム及びギャ
ップ処理サブシステムを有する。イメージ閾値化サブシ
ステムは、周囲イメージをバイナリーイメージに変換す
ることができる。乗客に関係する各ピクセルは、１つの
バイナリー値に設定することができ、また、乗客に関係
するのか明瞭でない各ピクセルを、異なるバイナリー値
に設定することができる。明るさ等の特性を用いるイメ
ージ閾値は、特定のピクセルが設定される際のバイナリ
ー値を決定するのに使用することができる。周囲イメー
ジの異なる領域は、影により生じた明るさの差のため
に、また、光源または他の原因で距離が異なるために、
異なるイメージ閾値を用いることができる。このイメー
ジ閾値は、累積分布関数を用いる区分化処理に確率的分
析を取り入れることができる。
【０００９】一般的に、イメージ閾値化サブシステム
は、特定ピクセルが乗客イメージを表すかどうかについ
て「シニカル的」に見ることができる。イメージ閾値化
サブシステムは、ピクセルが明らかに乗客イメージを表
すか、また、グレー領域のピクセルを乗客でない周囲イ
メージを表すものとして取り扱うかを決定することがで
きる。イメージ閾値が、周囲イメージの大部分を乗客イ
メージに関連しないものとして分類することは、本発明
に対する障害とはならない。
【００１０】ギャップ処理サブシステムは、このサブシ
ステムによって設定される、ある特定ピクセルの近くに
ある複数のピクセルの特性を、特定ピクセルの特性の中
に包含させることができる。このギャップ処理サブシス
テムは、イメージ閾値化サブシステムが有する全体的に
保守的なアプローチによって、残ったギャップを埋める
ことができる。このギャップ処理サブシステムは、不明
瞭なピクセルをその周囲にあるピクセルに一致させるよ
うに形態上の侵食操作(morphological erosion)及び拡
張操作(morphological dilation)技術を適用して見せ掛
けの領域のピクセル、例えば、隣接するピクセルの状態
から逸脱した位置にあるピクセル値を取り除くことがで
きる。
【００１１】このサブシステムは、運動量基準のヒュー
リスティック(heuristic)手法を適用して、特定ピクセ
ルの値の中に、このピクセルに近いピクセル値を決定す
るための運動量を組み入れることができる。また、この
サブシステムは、重力基準のヒューリスティック手法を
適用することもでき、この場合、質量と距離の重力的概
念の中に特定ピクセル値を組み入れる。
【００１２】本システムは、種々の異なる形式の乗客イ
メージを出力することができ、乗客の上部胴体を表すた
めに上部長円を生じさせるステップを含んでいる。図面
を参照して、以下の詳細な好ましい実施形態の記載を読
めば、本発明の種々の態様が、当業者には明らかになる
であろう。
【００１３】
【発明の実施の形態】周囲環境の部分図 図１は、本発明に係る一実施形態におけるイメージ区分
化システム１６を有するいくつかの異なる実施形態に用
いられる周囲環境の部分図である。乗客１８が存在して
いる場合、この乗客１８はシート２０に座っている。好
ましい実施形態では、イメージを迅速に捕らえることが
できるカメラまたは他のセンサ２２（集合的にカメラ２
２）が、乗客の上方のルーフライナー２４に取り付けら
れており、その場所は、乗客１８よりも前方の風防ガラ
ス２６の近くにある。このカメラ２２は、乗客１８に向
けて僅かに下方に傾斜した角度で配置され、シート２０
の前後移動により生じる乗客の上部胴体の角度変化を捉
えるようになっている。カメラ２２は、従来技術でよく
知られるように多くの位置に取り付け可能である。
【００１４】ある実施形態において、カメラ２２は、暗
い場所において、一定の照明を与えるために、直流で動
作する赤外線光源を備えることができる。このシステム
１６は、夜の時間、霧、激しい雨、かなりの曇天、太陽
のかげり等の暗い条件、及び一般的に昼間の状態よりも
暗い環境下にも使用できるように設計されている。
【００１５】このシステム１６は、より明るい光の状態
においても使用することができる。赤外線の光を用いれ
ば、乗客１８からの光源の使用を隠すことができる。別
の実施形態では、カメラから離れた光源、赤外光線以外
の光を発生する光源、及び交流を用いて周期的な方法で
放射される光等、の１つまたはそれ以上の光を利用する
ことができる。システム１６は、広範囲の他のライティ
ング及びカメラの形態を含むことができる。
【００１６】イメージ区分化技術を適用するためのコン
ピュータシステム３０は、車両のどのような位置にも取
り付けることができる。好ましい実施形態では、コンピ
ュータシステム３０は、カメライメージを長い配線を介
して送ることを避けるために、カメラ２２の近くに配置
される。このコンピュータシステム３０は、イメージ閾
値化サブシステムおよびギャップ処理サブシステムによ
って実行される処理を包含できるどのような形式のコン
ピュータまたは装置であってもよい。
【００１７】このようなサブシステムによって実行され
る処理は、図１１に示されており、以下で詳細に説明す
る。エアバッグコントローラ３２は、計器パネル３４内
にあり、エアバッグコントローラ３２が異なる環境に配
置されたとしても、本発明は十分に機能する。同様に、
システム１６が別の位置に配置されるので、エアバッグ
展開システム３６は、乗客１８およびシート２０の前側
の計器パネル３４内に配置されることが望ましい。
【００１８】高レベル処理の流れ 図２は、イメージ区分化システム１６を用いて説明する
高レベルのフローチャートを示している。シート領域２
１の周囲イメージ３８は、乗客１８及びシート領域２１
の両方を含み、カメラ２２によって捕らえることができ
る。図２では、シート領域２１は、乗客全体を含んでい
る。しかし、ある状況下または実施形態において、特
に、カメラ２２が下側の手足を見ることができない位置
に配置されている場合、乗客１８のイメージの一部だけ
が捕えられる。この周囲イメージ３８は、コンピュータ
３０に送られる。コンピュータ３０は、周囲イメージ３
８から乗客１８のセグメント化イメージ３１を分離する
ことができる。
【００１９】コンピュータ３０がイメージ区分化を実行
することによる処理は、以下に詳細に記載されており、
この点は、図１１に示されている。このセグメント化イ
メージ３１は、適当なエアバッグ展開の決定を決めるよ
うに分析される。例えば、乗客１８が、エアバッグ展開
時に展開するエアバッグ３６にあまりに近づきすぎてい
るかどうかを決定するために、セグメント化イメージ３
１を使用することができる。セグメント化イメージ３１
の分析及び特性が、エアバッグコントローラ３２に送ら
れ、エアバッグ展開装置３６が乗客１８に関係して得ら
れる情報を用いて適切なエアバッグ展開の決定を行うこ
とができる。
【００２０】ピクセル特性のヒストグラム 図３は、システム１６によって使用することができるヒ
ストグラムの一形式の例である。カメラ２２によって捕
らえたイメージは、セグメント化イメージ３１と周囲イ
メージ３８を含み、１つまたはそれ以上のピクセル４０
に分割することができる。一般的に、ピクセル４０の数
が多くなればなるほど、イメージ３８の解像力がよくな
る。
【００２１】好ましい実施形態では、周囲イメージ３８
の幅は、横方向に少なくとも概略４００ピクセルであ
り、この周囲イメージ３８は、少なくとも高さ方向に概
略３００ピクセルある。このピクセルの数があまりに少
ないと、セグメント化イメージ３１を周囲イメージ３８
から分離することができない。しかし、ピクセルの数
は、カメラの形式およびモデル次第であり、カメラ２２
は、一般的に、ピクセルの数が増加するに従ってより高
価になる。標準的なビデオカメラは、概略、横方向に４
００、縦方向に３００のピクセルのイメージを捕えるこ
とができる。このような実施形態では、かなり詳細な周
囲イメージ３８を捕えるとともに、比較的安価な標準の
カスタマイズされないカメラ２２を用いることができ
る。
【００２２】この結果、好ましい実施形態では、全体で
概略120,000（400×300）ピクセル４０を使用すること
ができる。ピクセル４０の数は、システム１６に使用さ
れるカメラ２２に依存する。各ピクセル４０は、システ
ム１６によって使用される１つまたはそれ以上の異なる
ピクセル特性または属性（集合的に「特性」）４２を有
し、セグメント化イメージ３１を周囲イメージから分離
する。ピクセル４０は、１つ以上のピクセル値によって
表される各特性を用いて１つまたはそれ以上のピクセル
特性４２を有する。
【００２３】ピクセル特性４２の１つの例は、明るさ測
定（「明るさ」）である。明るさのピクセル特性４２
は、測定され、保存されて、特定ピクセルに関係するピ
クセル値として処理される。好ましい実施形態では、こ
の明るさの値４２は、周囲イメージ３８におけるピクセ
ル４０に対する初期ピクセル値であり、明るさは、０
（最も暗い明度）と２５５（最も明るい明度）の間の数
値的ピクセル値を表すことができる。別のピクセル特性
としては、セグメント化イメージ３１を周囲イメージ３
８から区別するのに用いることができる、色、熱、２つ
以上の特性を重み付けした組み合わせ、又は他の特性を
含むことができる。
【００２４】システム１６のいくつかの実施形態では、
明るさ４２は、図面で示すように、０と２５５の間の数
値的なピクセル値によって表すことができる。このよう
なスケールでは、０の明るさは、最も暗い明度（黒）を
示し、２５５の明るさは、最も明るい明度（白）を示す
ことができる。別の実施形態では、異なる数値スケール
のヒストグラム３９が用いられ、明度以外の他の特性４
２さえも使用することができる。
【００２５】この図におけるヒストグラム３９は、特定
の１つまたはその組み合わのピクセル特性４２（集合的
に特性）を用いて記録される。ヒストグラム３９は、特
定のピクセル値を有するピクセル４０の合計した数を記
録する。ヒストグラム３９におけるデータは、システム
１６によって用いられ、周囲イメージ３８内のいくつか
の又は好ましくは全てのピクセル４０を２つ以上のピク
セルカテゴリーに分割することができる。
【００２６】第１カテゴリーのピクセルは、乗客１８の
セグメント化イメージ３１を明らかに表す複数のピクセ
ルを含むことができる。第１カテゴリーのピクセル４０
は、乗客ピクセル４０と呼ぶことができる。第２カテゴ
リーのピクセル４０は、乗客１８に関係しないイメージ
を表すか、または乗客を表すか否かが明瞭でない（「グ
レー領域のイメージ」又は「周囲ピクセル」）イメージ
を表すピクセル４０を含むことができる。
【００２７】好ましい実施形態では、全てのピクセル４
０は、２つのカテゴリーの一方に当てはまり、また、全
ての乗客ピクセル４０は、「１」のバイナリー値に設定
され、一方、全ての周囲ピクセル４０は、「０」のバイ
ナリー値に設定される。本システム１６は、周囲イメー
ジ３８におけるピクセル４０を分類するのにヒストグラ
ム３９とイメージ閾値を用いることができる。ピクセル
値をバイナリー値に設定するためにイメージ閾値を用い
る処理は、以下で詳細に説明する。
【００２８】イメージ閾値 図４は、３つのイメージ閾値４４を用いるシステム１６
の好ましい実施形態を示す図表である。図４は、乗客１
８のセグメント化イメージ３１を含んでいる周囲イメー
ジ３８の図であり、セグメント化イメージ３１は、イメ
ージ閾値化がシステム１６によって実行される時点を示
している。上記のように、周囲イメージ３８は、ピクセ
ル４０から構成される。
【００２９】各ピクセル４０は、明度等のピクセル特性
４２を有する。ピクセル４０は、特定のピクセル特性４
２の異なる値を有する。例えば、いくつかのピクセル２
５５は、２５５の非常に明るい明度を有し、一方、他の
ピクセル４０は、０の非常に暗い明度を有する。明度の
特性において、より高いピクセル値は乗客１８を表し、
より低いピクセル値は周囲領域のイメージを表す傾向が
ある。このイメージの閾値化処理は、ピクセル４０の上
部Ｎ％から探し、明度等のピクセル特性を有し、かつそ
れらのピクセルを、乗客１８のセグメント化イメージ３
１を表すものとして識別する。
【００３０】残りのピクセル４０は、乗客１８のセグメ
ント化イメージ３１を表すものとして明らかにできない
ので、乗客１８に関係しないピクセルとしてシステム１
６によって分類される。ヒストグラム３９は、ピクセル
４０の上部Ｎ％を拾い上げることを必要とする（特定の
ピクセル特性に関する）イメージ閾値を計算するため
に、システム１６の能力を促進することができる。
【００３１】別の実施形態では、あるイメージ閾値４４
はほんのわずかに、また他のイメージ閾値は、非常に多
く使用することができる。上述したように、本システム
１６は、２つまたはそれ以上の種々のピクセルカテゴリ
ーにピクセルを分割するために、ヒストグラム３９と関
連するイメージ閾値４４を用いることができる。
【００３２】上部Ｎ％におけるピクセル４０のみが、乗
客１８を表すものとして初期的に識別されなければなら
ない。ヒストグラム３９は、システム１６の能力を促進
して、ピクセル特性４２を位置付け、その結果、乗客１
８のセグメント化イメージを表すように、それらのピク
セルを識別する。例えば、Ｙまたはそれ以上の明度を有
するピクセル４０（ピクセル値）は、セグメント化イメ
ージ３１を表すものとして分類することができる。全て
の他のピクセル４０は、周囲イメージ３８における補助
的イメージ（例えば、「周囲ピクセル」）を表すものと
して分類される。好ましい実施形態では、「グレー領
域」のピクセルは、初期的に、周囲ピクセル４０のカテ
ゴリー内に配置されるべきである。
【００３３】Ｎは、通常50より小さく10よりは大きい値
に設定される。システム１６は、乗客１８のセグメント
化イメージ３１を表すピクセル４０に関して、初期的に
は保守的な手法を採用するように設計される。それは、
次に続くシステム１６による処理が、保守的手法によっ
て残ったギャップを埋めるように設計されているからで
ある。
【００３４】好ましい実施形態では、周囲イメージ３８
における異なる領域は、周囲イメージ３１に関する特定
のピクセル４０の位置に従って、システム１６によって
処理される３つの異なるイメージ閾値４４の１つを有し
ている。周囲イメージ３８の最上位置は、最も良い明る
さになっており、その結果、システム１６は、上部１０
％（Ｎ＝10）におけるそれらのピクセルのみを選択する
ように設計された図４の最上段のイメージ閾値を包含す
ることができる。周囲イメージ３８における中間位置
は、より少ない照明光で、より影が多くなり、周囲イメ
ージ３８の上部部分におけるそれらのピクセル４０より
も一般的に解像度が弱くなっている。その結果、システ
ム１６は、上部２０％（Ｎ＝20）におけるそれらのピク
セル４０のみを選択するように設計した図４の中間段の
イメージ閾値４８を含むことができる。ピクセル４０
が、乗客１８のセグメント化イメージ３１を表すので、
周囲イメージ３８の底部に最も近接するピクセル４０
は、ピクセル４０の上部３０％（Ｎ＝30）を用いる図４
の底部段のイメージ閾値５０を包含することができる。
【００３５】この高い％が望ましいのは、周囲イメージ
３８の下方部分でのライティングが、シート領域２１の
ピクセル４０の位置を表すからであり、このシート領域
は、他のピクセル４０の位置に関してわずかに照らされ
ているにすぎない。別の実施形態では、異なる多数のイ
メージ閾値４４を用いることができ、広範囲の種々の異
なるＮ値は、それらの段において用いられる。
【００３６】システム１６によって用いられるイメージ
閾値４４は、上部％のピクセル４０を選択する概念を組
み入れて、明度等のピクセル特性４２及びその特性に関
係する対応ピクセル値に基づいてセグメント化イメージ
を表すようにすべきである。明度等のピクセル特性４２
は、２５５等のＹ値によって表すことができ、１０％ま
たはＮ％の割合すなわち確率とすべきではない。累積分
布関数は、ピクセル値または特性としてのＹ値を、確率
または割合としてのＮ値に変換するか、または逆に、確
率または割合としてのＮ値を、測定された特性値４２と
してのＹ値に変換するために用いることができる。
【００３７】好ましい実施形態では、上部Ｎ％のピクセ
ルに対するピクセル値（Ｙに等しいかまたはそれ以上の
特性を有するピクセル）は、バイナリー値「１」として
設定できる。好ましい実施形態では、乗客１８のセグメ
ント化イメージ３１を表すピクセル４０は、乗客１８の
バイナリーイメージ、または乗客ピクセル４０として表
すことができる。他のピクセル値は、異なるバイナリー
値「０」に設定することができ、周囲ピクセル４０とし
て分類することができる。別の実施形態では、異なる形
式及び種々のピクセル値を有する多数のカテゴリーを用
いることができる。
【００３８】累積分布関数 上部Ｎ％のピクセル４０を選択し、かつそれらのピクセ
ル４０を乗客１８（例えば、乗客ピクセル４０）を表す
ものとして選択する能力は、ピクセル特性４２に関連し
た数値的測定値（Ｙ）に基づく累積分布関数を用いて行
うことができる。図５は、図３に示されたヒストグラム
から導かれる累積分布関数を示している。縦軸は、累積
確率（所定のパーセント比）５４を表し、これは、シス
テムが間違えずにどのピクセル４０が乗客１８を表すも
のであるかを正しく識別したかを示す確率である。この
累積確率５４は、１−Ｎの値である。例えば、上部１０
％のピクセルを選択することは、０．９の確率となるこ
とであり、この０．９は、周囲ピクセルが間違いなくセ
グメント化ピクセルとして識別される確率を表す。
【００３９】絶対的な確かさ（1.0となる確率）は、全
ての120,000ピクセルが周囲ピクセル４０であると仮定
することによって、例えば、乗客１８のセグメント化イ
メージ３１を表すピクセルが全くないことを確かめるこ
とによってのみ達成できることである。このような絶対
的確かさは、システム１６に有効ではなく、また乗客１
８の形状を作り出すためのシステムの開始点を与えるも
のでもない。逆に、０値すなわち限りなく０に近い、つ
まり、正確さの基準が低い場合、セグメント化イメージ
３１を表すピクセル４０のカテゴリーから十分なピクセ
ルを排除することができない。
【００４０】0.90、0.80、又は0.70の確率は、一般的
に、正確度の高い確率を示すので好ましい。また同時
に、以下で詳細に説明するギャップ処理システムを用い
て拡張する時、ピクセル４０が乗客１８を表す実質的な
に基づくを与える。好ましい実施形態では、マルチイメ
ージ閾値４４のシステム１６は、イメージ閾値４４を有
するできるだけ多くの累積分布関数５２を持つことにな
る。
【００４１】形態上の処理操作 システム１６は、以下で示すように、形態学的なヒュー
リスティック手法(morphological heuristic)、すなわ
ちヒューリスティック探索による形態上の最適化手法を
ギャップ処理サブシステムに用いることができる。この
ギャップ処理のヒューリスティック操作は、ギャップ処
理サブシステムによって加えられ、形態学的なヒューリ
スティックを実行することを含んでいる。上記または以
下で説明されるように、システム１６は、ピクセルに関
係するピクセル値を用いて、ピクセル４０上で分析を行
い、そのピクセルが乗客ピクセル４０、周囲ピクセル４
０、または他のカテゴリーのピクセル４０であるかどう
かを分析する（いくつかの実施形態では、３つまたはそ
れ以上の異なるピクセルカテゴリーを有する。）。
【００４２】形態上の処理操作は、特定のピクセル値に
組み入れることができ、この特定のピクセルに近接する
他のピクセル４０（「近接ピクセル」または「近接ピク
セル値」）のピクセル値が分析され、または設定され
る。形態上の侵食操作(morphological erosion)は、見
せ掛けの対象物、例えば、ピクセル４０がセグメント化
イメージ３１を表すかどうかの不確かな表示を取り除く
ことができる。形態上の侵食操作は、１つ以上の方向に
おいて実行することができる。例えば、侵食操作は、垂
直方向、水平方向、あるいは、対角線方向にさえも実行
することができる。形態上の拡張操作は、「保守的な」
イメージ区分化処理によって縮小されたセグメント化イ
メージを「成長させる」ように実行する。形態上の拡張
操作(morphological dilation)は、また、多くの異なる
方向に実行することができる。図６ａおよび図６ｂに示
されたものは、垂直及び水平方向に形態学的処理を実行
した場合の例である。
【００４３】好ましい実施形態では、形態上の処理操作
の手順は、次のとおりである。すなわち、垂直方向の形
態上の侵食、水平方向の形態上の拡張、水平方向の形態
上の侵食、水平方向の形態上の拡張である。別の実施形
態では、これらの処理操作のいくつかを包含することが
でき、また、このシステム１６は、その処理操作を異な
る手順で実行することができる。
【００４４】図６ａは、垂直方向の形態学的処理操作を
実行するために使用するピクセル４０の垂直グループ５
８を示す図表である。垂直方向の形態学的処理操作は、
垂直グループ５８の中に含まれるピクセルを一緒にする
ことができる。好ましい実施形態では、垂直グループ５
８は、１２の垂直列のピクセル４０を含み、各垂直列
は、２つのコラムのピクセルを含んでいる。別の実施形
態では、異なる多数の列とコラムを有する垂直グループ
５８を用いることができる。各グループ５８における各
ピクセルは、好ましい実施形態におけるバイナリー数と
して少なくとも１つのピクセル値を有する。
【００４５】垂直の形態上の侵食操作は、特定のピクセ
ル４０がセグメント化イメージを表すか否か、例えば、
ピクセル４０が乗客ピクセル４０であるかどうかについ
て、「悲観的」または「保守的」な見方を取る。垂直グ
ループ５８におけるピクセル４０の１つでさえも、この
ピクセルが乗客１８のセグメント化イメージ３１を表さ
ないこと（好ましい実施形態における「０」のピクセル
値５６）を示すピクセル値を有する場合、そのとき、全
てのピクセル値５６は、同一値に設定することができ
る。
【００４６】垂直方向の形態上の拡張操作は、特定のピ
クセル４０がセグメント化イメージ３１を表すかどうか
について、「楽観的」見方を取ることができる。垂直グ
ループ５８におけるピクセル値５６の１つでさえも、こ
のピクセル４０が乗客１８のセグメント化イメージ３１
を表すこと（好ましい実施形態における「１」のピクセ
ル値５６）を示すピクセル値を有する場合、そのとき、
垂直グループ５８における各ピクセル値５６は、同一の
ピクセル値５６に設定することができる。
【００４７】図６ｂは、水平方向に形態上の処理操作を
示す図表である。水平方向の形態上の処理操作は、ピク
セル４０をシーケンシャルなピクセルの水平グループ６
０の中に一緒にすることができる。好ましい実施形態で
は、水平グループは、シーケンシャルピクセル４０の２
つの垂直列からなり、この各垂直列は、シーケンシャル
ピクセル４０の１２個のコラムを含んでいる。別の実施
形態では、異なる数の列及びコラムを有する水平グルー
プ６０を用いることができる。グループ６０における各
ピクセル４０は、好ましい実施形態においてバイナリー
数値等の少なくとも１つのピクセル値５６を有する。
【００４８】水平方向の形態上の侵食操作は、特定のピ
クセル４０がセグメント化イメージ３１を表すか否か、
例えば、ピクセル４０が乗客ピクセル４０であるかどう
かについて、「悲観的」または「保守的」な見方を取
る。水平グループ６０におけるピクセル４０の１つでさ
えも、このピクセルが乗客１８のセグメント化イメージ
３１を表さないこと（好ましい実施形態における「０」
のピクセル値５６）を示すピクセル値を有する場合、そ
のとき、水平グループ６０における全てのピクセル値５
６は、同一値に設定することができ、水平グループ６０
における各ピクセル４０を周囲ピクセル４０として分類
する。
【００４９】水平方向の形態上の拡張操作は、特定のピ
クセル４０がセグメント化イメージ３１を表すかどうか
について、「楽観的」見方を取ることができる。水平グ
ループ６０におけるピクセル値５６の１つでさえも、こ
のピクセルがセグメント化イメージ３１を表すこと（好
ましい実施形態における「１」の値）を示す場合、その
とき、垂直グループ５８における各ピクセル値５６は、
同一のピクセル値５６に設定することができる。
【００５０】いくつかの実施形態は、また、ピクセル値
５６を非バイナリー数または文字等の非数値的特性とし
て設定することができる。いくつかの実施形態は、１つ
の水平グループ６０を別の水平グループ６０に重ね合わ
せ、また、１つの垂直グループを別の水平グループに重
ね合わせることができる。重合する水平グループ６０又
は重合する垂直グループ５８を用いる実施形態では、特
定のピクセル値５６の間の１対１の関係が設定され、ま
た、特定の水平グループ６０または垂直グループ５８が
特定のピクセル４０を設定するのに用いられる。他の実
施形態では、１つのピクセル４０は、１つの水平グルー
プ６０および１つの垂直グループ５８にのみ関係させる
ことができる。
【００５１】運動量に基づく処理操作 システム２０は、ピクセル値５６を設定するために、運
動量に基づく処理を含むことができる。このような手法
に対する根本的なロジックは、連続的なピクセル４０の
最後のピクセルＸが、乗客１８のセグメント化イメージ
３１を表す場合、ピクセルの位置に基づくシークエンス
における次のシークエンスピクセル４０（ピクセルＸ＋
１）は、おそらく乗客１８を表さないであろうという論
理である。運動量に基づくヒューリスティック手法にお
ける１つの手段は、システム３０が特定ピクセルの適正
値を決定できることであり、これは、システム３０によ
って分析される特定のピクセルに近接する複数のピクセ
ル（「近接ピクセル」または「近接ピクセル値」）のピ
クセル値を調べかつこれを組み入れることにより決定で
きる。運動量に基づく処理は、以下で詳細に説明するよ
うに、ギャップ処理サブシステムに組み入れることがで
きる。
【００５２】図７は、運動量に基づくヒューリスティッ
ク手法によって運動量に基づく分析に対して有効なグラ
フの一例である。セグメント化イメージ３１を表すピク
セル値５６を有する特定のピクセル４０の確率６２は、
周囲イメージ３８を表す連続的な各ピクセル値５６とと
もに減少する。運動量に基づく処理は、二次元で、すな
わち、垂直方向と水平方向の両方で処理される。垂直方
向の運動量処理は、一般的に、座席についた状態の乗客
１８に関係する実施形態において非常に有益である。運
動量に基づく処理は、シートベルト又は帽子、あるい
は、乗客１８の首等のシャドー部によって妨げられる乗
客の位置によって生じるギャップを埋めるために、特に
有効である。
【００５３】特定のピクセル４０が、乗客１８のセグメ
ント化イメージ３１を表すピクセル値５６を有すると
き、この特定のピクセル４０は乗客ピクセル４０と言う
ことができる。特定のピクセル４０が、乗客１８のセグ
メント化イメージ３１を表さない、または表さないと思
われるピクセル値５６を有するとき、この特定のピクセ
ル４０は周囲ピクセル４０と言うことができる。
【００５４】図８は、乗客ピクセル４０を作り上げる１
つまたはそれ以上のピクセル領域６６の一例を示す図表
である。各ピクセル領域６６は、少なくとも１つの乗客
ピクセルを含んでいる。同一のピクセル領域６６の中に
２つの乗客ピクセル４０がある場合、それらの２つの乗
客ピクセル４０は、乗客ピクセルの「チェイン」によっ
て連結されなければならない。このチェイン内の各乗客
ピクセルは、このチェイン内の少なくとも１つの他の乗
客ピクセルに隣接する。一般的な周囲イメージ３８は、
３〜５のピクセル領域６６の間に含まれる。周囲イメー
ジ３８は、少なくとも１ピクセル領域６６を有し、又は
乗客ピクセル４０と同様により多くのピクセル領域を有
する。
【００５５】運動量に基づく処理は、周囲イメージ３８
における特定の列またはコラム（好ましい実施形態では
垂直コラムのみ）における水平方向及び垂直方向（好ま
しい実施形態では垂直方向のみ）のいずれかの乗客ピク
セル４０のシーケンシャルな数を計算する。ギャップに
基づく処理の根本的なロジックは、（設定されるピクセ
ルに隣接するピクセルに関する）ピクセル値が設定され
ているピクセル内に組み入れられることである。運動量
に基づく処理は、一連のシーケンシャルな乗客ピクセル
によって１つ又は２つの介入する周囲ピクセルがシステ
ム１６によって間違って識別されるおそれがあるという
概念を組み入れている。例えば、２つのピクセル領域６
６が４つの周囲シーケンシャルピクセル４４のギャップ
によって分離される場合、２つのピクセル領域６６にお
ける乗客ピクセル４０に関連する「運動量」は、ギャッ
プを埋め、かつ２つのピクセル領域６６を結合するのに
十分である。シーケンシャルな、すなわち連続的な乗客
ピクセル４０の数が多くなればなるほど、周囲ピクセル
４０のギャップを埋めるための運動量が多くなる。
【００５６】運動量カウンタは、（「カウンタ」ピクセ
ル領域６６の間の運動量の総量を決定するのに用いるこ
とができる。このカウンタは、一連のピクセル（「シー
ケンシャルピクセル」）における次のピクセル４０が、
乗客ピクセル４０である毎に増分、すなわちカウントを
数える。逆に、次のシーケンシャルピクセル４０が周囲
ピクセル４０である毎に、カウンタから値が引き算され
る。運動量に基づく処理は、異なるウエイトの原因を乗
客ピクセル４０と周囲ピクセル４０にあると考える。
【００５７】例えば、乗客ピクセル４０は、４の値がカ
ウンタに加えられ、一方、周囲ピクセル４０は、１の値
がカウンタから引き算される。異なる実施形態では、広
範囲の異なるウエイトを運動量カウンタに組み入れるこ
とができる。好ましい実施形態では、乗客ピクセルは、
カウンタを１だけ増分し、周囲イメージは、カウンタか
ら１だけ減分する。このカウンタがゼロに等しいかまた
はそれ以下に達したとき、システム１６は、乗客ピクセ
ル４０のピクセル領域６６間における周囲ピクセル４０
のギャップを埋める試行を終える。
【００５８】運動量に基づく処理とカウンタとの例が以
下の表１におけるピクセル値に関係して見ることができ
る。ピクセル値からピクセル位置を区別するために、ピ
クセルの相対的な水平位置を表すための例として、文字
が使用される。多くの実施形態では、数値的な座標位置
ピクセルの位置を識別するのに用いられ、そして、この
ピクセルの位置は、数値によって識別される。例とし
て、各乗客ピクセル４０は、カウンタを１だけ増加さ
せ、また各周囲ピクセル４０は、カウンタを１だけ減少
させる。
【００５９】
【表１】 Ｇ，Ｈ，Ｉの位置における３つの「１」は、列における
最も大きな領域を表し、左方向の運動量に基づく処理が
位置Ｉから始まる。Ｉ，Ｈ，Ｇの各々は、「１」のピク
セル値を有し、これらのピクセルは、各々１だけカウン
タを増分する。その結果、位置Ｇでのカウンタの値は、
３である。Ｆは、０のピクセル値を有するが、カウンタ
は０以上の値を有するので、Ｆでのピクセル値は、１に
変更され、カウンタは、１だけ減少して２の値になる。
Ｅは、０のピクセル値を有するが、カウンタは０以上の
２の値を有するので、その結果、カウンタは、１の値に
減少し、そしてＥでのピクセル値は、１に変更される。
Ｄは、１のピクセル値を有するのでカウンタは、２の値
に増分される。Ｃは、０のピクセル値を有するが、カウ
ンタの２の値は、０よりも大きいので、その結果、Ｃで
のピクセル値は、１に変更され、そして、カウンタは、
１の値を有する。また、Ｂは、０のピクセル値を有する
が、カウンタの値１は、０よりも大きいので、その結
果、Ｂは、１の値に変更され、このカウンタは、０の値
に変更される。Ａは、０のピクセル値を有し、カウンタ
の値も０であるので、Ａの値０を変更させる運動量はな
い。この結果、右から左への水平処理が停止する。
【００６０】この処理の左から右への移動は、Ｇ，Ｈ，
Ｉのピクセル領域において、最も左ににある１の値を有
するＧにおいて始まる。カウンタは、Ｇにおいて値１
に、Ｈにおいて値２に、Ｉにおいて値３にそれぞれ増分
される。Ｊは、０のピクセル値を有するので、１の値に
変更されるため、カウンタ値から１が引き算されてカウ
ンタは２になる。Ｋは、０のピクセル値を有するので、
１に変更されるため、カウンタの値は１に減少する。Ｌ
でのピクセル値は、同様に０から１に変化するので、カ
ウンタの値は、０に減少する。Ｍは、０のピクセル値を
有するので、Ｍでのカウンタの値は、０である。その結
果、処理が停止する。この処理は、ピクセル位置Ｎに達
することは決してできない。表２は、水平方向の運動量
に基づく列を処理した後、生じるピクセル値がどうなる
かを開示する。
【００６１】
【表２】 上記例を作ることができる多くの修正例および変更例が
ある。カウンタから増分または減分する値は、変更する
ことができる。開始点及び終了点は、同様に実施形態に
おいて変更することができる。また、乗客ピクセルの運
動量は、１つまたはそれ以上の周囲ピクセルを横移動す
る際に多くの異なるヒューリスティック的及び形態学的
な手法がある。
【００６２】重力に基づく処理操作 図８の例によって図示された乗客ピクセル４０のピクセ
ル領域６６は、システム１６によって使用することがで
き、重力に基づくヒューリスティック手法を用いて重力
に基づく処理を実行する。重力に基づく処理操作は、１
つの手段であり、これにより、システム３０は、システ
ム３０によって分析される特定ピクセルの近くにある他
のピクセル４０のピクセル値５６を調べかつ組み入れる
ことにより、特定ピクセル４０に関係する適当なピクセ
ル値５６を決定することができる。
【００６３】重力に基づく処理は、図８に図示されたよ
うに、特別の識別器に各ピクセル領域６６を割り当てる
ステップを含んでいる。システム１６は、領域の位置及
び領域の大きさ等の領域特性を追跡することができる。
最も大きな領域６６は、一般的に乗客１８の上部胴体で
ある。
【００６４】重力に基づく処理及び重力に基づくヒュー
リスティック手法は、以下の仮定を組み入れる。この仮
定は、乗客ピクセル４０のピクセル領域６６の近くにあ
る周囲ピクセル４０（各乗客ピクセルが少なくとも１つ
の他の乗客ピクセルに隣接している乗客ピクセルのグル
ープ）は、実際、誤って識別された乗客ピクセル４０と
なり得る。システム１６は、ヒューリスティック手法に
類似する手法を組み入れることができ、この手法は、対
象物に加わる重力の衝撃を物理的に測定する。ピクセル
領域６６と位置的に誤認された周囲ピクセル４０との間
のピクセル領域６６の大きさと距離は、重力に基づく処
理のための２つの重要な位置的な変数である。特定のピ
クセル領域６６の「重力」は、所定の閾値と比較するこ
とができ、この結果、乗客ピクセル４０が周囲ピクセル
４０と誤認したかどうかを決定する。
【００６５】 重力＝（ＧＭｍ／ｒ2）＞予め計算された閾値 ここで、「Ｇ」は、重力定数である。これは、ピクセル
が互いに引き合う強さを決定する。このパラメータまた
は特性は、イメージ像及びターゲットの形式によって決
定され、これらは分析されて完全な区分化が達成される
のに必要とされる引き合う力の量を決定する。異なる実
施形態では、異なるＧ値がある。「Ｍ」は、０〜２５５
の間の明度等の特性４２に対する初期ピクセル値５６の
合計値を表す。小文字の「ｍ」は、システム１６の重力
に基づく処理において、再度、特性決定がなされる位置
的に誤認した周囲ピクセル４０の初期ピクセル特性４２
を表す。変数「ｒ」は、乗客ピクセルとして再分類する
ために考慮される、ピクセル領域６６と周囲ピクセル４
０の間の「半径」またはピクセル数を表す。
【００６６】各ピクセル領域６６の重力に基づく影響
は、周囲ピクセル４０として、分類される各ピクセルの
ためにチェックすることができる。このような実施形態
において、特定の周囲ピクセル４０上のマルチピクセル
領域６６における「重力」の影響が考慮することができ
る。この代わりに、周囲ピクセル４０が乗客ピクセル４
０としてもはや再分類できなくなるまで、特定の周囲領
域４０に対する「重力」の影響を考慮しないで、各ピク
セル４０または付加的な周囲ピクセル４０に対する計算
を実行する必要をなくすこともできる。
【００６７】長円適合サブシステム システム１６は、長円適合サブシステムを用いて、乗客
１８のセグメント化イメージを表すための１つの長円を
作り出すことができる。別の実施形態では、他の形状が
乗客１８のセグメント化イメージ３１を表すために用い
ることができる。図９は、長円適合処理によって発生す
る結果の一例を示す。好ましい実施形態では、長円適合
サブシステムは、コンピュータ３０におけるソフトウエ
アであり、他の実施形態では、長円適合サブシステム
は、異なるコンピュータまたは装置に収納することもで
きる。
【００６８】上部長円８０は、乗客１８の腰から頭部ま
で伸びている。下部長円８４は、乗客１８の腰から伸び
て脚部を含んでいる。乗客１８の腰から乗客の脚部下方
までの全体の領域を見ることができない場合、下部長円
８４は、それを見られるように発生させることができ
る。長円８０は、以下で詳細に説明するように、長円８
０の単一点、例えば、長円８０の重心を用いてシステム
１６によって追跡される。多くの長円適合ルーチンは、
従来技術として知られている。好ましい実施形態では、
下部長円８４は利用しない。
【００６９】図１０は、上部長円８０から導かれる多く
の変数を示しており、これらの変数は、エアバッグ展開
装置３６に関する乗客のセグメント化イメージ３１のい
くつかの特性を表す。上部長円８０の重心８２は、乗客
１８の特性を追跡するためにシステム１６によって識別
できる。長円の重心８２を識別する方法は、従来公知で
ある。別の実施形態では、上部長円８０の別の点を用い
て、エアバッグ展開装置３６または他の処理操作に関係
する乗客１８の特性を追跡することができる。乗客１８
の多様な特性は、上部長円８０から導くことができる。
【００７０】動き特性は、重心８２のＸ軸（「距離」）
９８と前方傾斜角度（「θ」）９６を含んでいる。形状
測定は、重心８２のＹ軸（「高さ」）、長円の長軸の長
さ（「主軸長」）８８、および長円の短軸長さ（「短軸
長」）８６を含んでいる。速度及び加速度等の変化率の
情報は、全ての形状及び動き特性を捕えることができ
る。
【００７１】全体の区分化処理 システム１６によって実行される種々の処理は、上述し
たように種々の方法で行われる。このシステム１６は、
異なる位置にある多くの実施形態を含んでいる。ある実
施形態では、全ての位置的な処理操作を用いる必要はな
いであろう。また、異なる実施形態は、特定の処理また
は一連の処理を実行するための異なるパラメータを用い
ることができる。
【００７２】図１１は、システム１６の処理の流れを示
す例を開示し、乗客１８とこれを取巻く座席領域２１の
両方を含む周囲イメージ３８から乗客１８のセグメント
化イメージ３１を分離する。乗客１８とこれを取巻く座
席領域２１を含む周囲イメージ３８は、コンピュータシ
ステム３０の入力である。上述したように、周囲イメー
ジ３８は、多数のピクセル４０を含んでいる。システム
１６は、周囲イメージ３８を表すピクセル４０の形で周
囲イメージ３８を受信する。各ピクセルは、明度等の１
つまたはそれ以上のピクセル特性４２を有し、また、各
ピクセル特性は、特定のピクセルに対する１つまたはそ
れ以上のピクセル値に関連付けることができる（例え
ば、特定のピクセルは、０と２５５の間の明度値を有す
ることができる。）。
【００７３】区分化処理は、コンピュータシステム３０
を用いて実行することができ、このシステムは、１つの
イメージ閾値化サブシステム１００とギャップ処理サブ
システム１０２を備えている。長円適合サブシステム１
１６は、乗客１８のセグメント化イメージ３１を表す上
部長円８０を発生するために用いることができる。しか
し、ステップ１１６での長円適合処理は、システム１６
を用いるために必要とされるものではない。
【００７４】イメージ閾値化サブシステム イメージ閾値化サブシステム１００は、２つの異なるモ
ジュール、すなわち、設定イメージ閾値モジュール４０
と実行イメージ閾値化モジュール４２を含むことができ
る。システム１６は、１つのイメージ閾値４４を発生し
て、乗客ピクセル４０としての第１サブセットピクセル
と、周囲ピクセル４０としての第２サブセットピクセル
とを識別する。このイメージ閾値４４は、図３,４,５に
開示されかつ上述したようなピクセル特性４２の情報を
組み入れることによって設定することができる。イメー
ジ閾値４４の利用は、ピクセル４０のピクセル値４５を
イメージ閾値４４と比較して、２つ以上のピクセルカテ
ゴリーの１つに属するように、ピクセル４０を分類また
は識別し、そして、ピクセルカテゴリーに関連した修正
ピクセル値５６に従って特定のピクセル４０に対する修
正ピクセル値を設定する。
【００７５】好ましい実施形態では、乗客のセグメント
化イメージ３１を表すように分類された複数のピクセル
が「１」の値に設定される場合、このピクセルを乗客ピ
クセルという。好ましい実施形態では、乗客１８に関係
しない周囲イメージ３８を表すように分類された複数の
ピクセル４０が「０」の値に設定される場合、このピク
セルを周囲ピクセルという。好ましい実施形態では、各
ピクセル４０は、１つのピクセル値５６を有し、またそ
の値は、ピクセル特性４２としての明度に基づいてい
る。
【００７６】設定イメージ閾値モジュール イメージ閾値４４を発生するステップは、いくつかまた
は全てのピクセル４０に対して、１つまたはそれ以上の
ピクセル特性４２に対するピクセル値５６の分布を分析
する処理を含んでいる。この設定イメージ閾値モジュー
ル１０４は、図３におけるヒストグラム３９を用いて、
ピクセル特性４２（例えば、２５５の明度を有するピク
セル４０等）に対する特定のピクセル値５６を有する多
数のピクセル４０を記録することができる。
【００７７】図３のヒストグラム３９は、図５に示され
ているように、累積分布曲線５２に変換される。図５の
累積分布曲線５２は、所望のＮ％をイメージ閾値４４に
変換するために用いることができる。このイメージ閾値
４４は、周囲イメージ３８で捕えたピクセル特性及びピ
クセル値に関係する数値Ｙに基づいている。その結果、
ヒストグラム３９と累積分布曲線５２は、図４に示され
たように、適当なイメージ閾値４４を計算するのに使用
することができる。
【００７８】システム１６は、好ましくは、ライティン
グにおける差を考慮するために１つ以上のイメージ閾値
４４を用いる。各イメージ閾値４４は、上記イメージ閾
値４４以下に落ちる所定のパーセント比のピクセル４０
を有するように作り出すことができる。特定のイメージ
閾値４４に対するこの所定のパーセント比は、全体の周
囲イメージ３８に関するピクセルの相対位置を考慮に入
れることができる。上記において、ヒストグラム３９、
累積分布曲線５２、及びイメージ閾値４４について詳細
に説明した。
【００７９】実行イメージ閾値化モジュール 実行イメージ閾値化モジュールは、特定のピクセル４２
に対するピクセル特性４２と、設定される特定のピクセ
ル４２に適用できる特定のイメージ閾値との関係に従っ
て、個々のピクセル値５６を設定する。システム１６
は、ピクセル値５６を修正でき、その結果、特定のピク
セルカテゴリーにおける各ピクセルは、同一のピクセル
値に割り与えられる。
【００８０】好ましい実施形態では、ピクセル４０は、
乗客のセグメント化イメージ３１を表すときに分類され
る複数のピクセル４０が第１バイナリー値「１」に設定
され、乗客ピクセルと呼ばれる。好ましい実施形態で
は、他のすべてのピクセル４０は、第２バイナリー値
「０」を有する周囲ピクセルとして分類される。
【００８１】ギャップ処理サブシステム いくつかのまたは全てのピクセル値５６が、１つまたは
それ以上のイメージ閾値に従って設定された後、ギャッ
プ処理サブシステム１０２は、システム１６に用いられ
て、特定のピクセル４０に近接する他のピクセル値５６
の形の知識（インテリジェンス）を組み入れる方法で、
ピクセル値５６を修正することができる。特定のピクセ
ル４０は、システム１６によって設定されるピクセル値
５６を有する。ギャップ処理サブシステム１０２は、ギ
ャップ処理操作またはギャップ処理ヒューリスティック
手法を用いてピクセル値５６を修正する。システム１６
は、変更されるピクセル値５６の近くにあるピクセル４
０に関係する他のピクセル値５６に基づいてピクセル値
５６を変更することができる。乗客１８のセグメント化
イメージ３１は、修正されたピクセル値５６から導くこ
とができる。
【００８２】このギャップ処理サブシステム１０２は、
形態学的処理モジュール１０８、運動量に基づく処理モ
ジュール１１０、識別及びラベル付けピクセル領域モジ
ュール１１２及び重力に基づく処理モジュール１１４を
組み入れることができる。
【００８３】形態学的処理モジュール 形態学的処理モジュール１０８は、ある乗客ピクセルを
周囲ピクセル４０に変更し、さらに、ある周囲ピクセル
４０を乗客ピクセル４０に変更することによって、外れ
値の乗客ピクセル４０を取り除き、かつ外れ値の周囲ピ
クセル値５６によって分離される乗客ピクセルの領域６
６に接続するために用いることができる。形態学的処理
モジュール１０８は、その詳細がすでに上記で説明され
ており、種々の形態学的ヒューリスティック手法がその
手順において実行することができる。
【００８４】好ましい実施形態において、垂直方向の形
態上の侵食操作が第１に実行されて、前方に伸ばされた
腕等の乗客１８のある部分を含む水平方向に指向されて
いる見せ掛けのピクセル４０を取り除く。垂直方向の形
態上の拡張操作は、ある周囲ピクセル４０を乗客ピクセ
ル４０に変換することにより、「成長した」乗客ピクセ
ル４０を適当な寸法に戻すように実行することができ
る。
【００８５】水平方向の形態上の侵食も、同様な方法で
実行することができ、水平方向の形態上の拡張操作に続
いて、もう一度「成長した」乗客ピクセル４０に戻すこ
とができる。
【００８６】形態学的処理は、特定ピクセル４０のピク
セル値５６は、設定される特定ピクセル４０と同一の近
接位置にあるピクセル４０に対するピクセル値５６に関
係しているという有益な仮定に基づいている。形態学的
処理は、システム１６に近接するピクセル値５６の知識
を組み入れて、カメラ２２における欠陥またはシステム
１６に適用される根本的な知識における欠陥をオフセッ
トすることができる１つの機構であり、このような機構
において、イメージ閾値４４と他の処理またはツールが
用いられる。
【００８７】形態学的処理を実行するために使用される
垂直グループ５８と水平グループ６０は、図６ａ及び図
６ｂに示されかつ上述されている。
【００８８】運動量に基づく処理モジュール 運動量に基づく処理モジュール１１０は、運動量に基づ
くヒューリスティック手法を含み、ピクセル値５６を設
定する。この処理は上述されている。運動量に基づくヒ
ューリスティック手法は、シーケンシャルな乗客ピクセ
ルの列が増加する可能性があるという知識（インテリジ
ェンス）を組み入れて、このシーケンスにおける次のピ
クセルが乗客ピクセル４０であり、このピクセル４０
に、適当なピクセル値を割り与える。十分な数の乗客ピ
クセル４０は、一連の周囲ピクセルに打勝つための「運
動量」を有し、運動量に基づくヒューリスティック手法
によって、周囲ピクセル内に残る乗客ピクセル４０とし
て再分類される。
【００８９】上述したように、運動量に基づくヒューリ
スティックは、一連のピクセル値５６の運動量の影響を
計算するためにカウンタを用いる。このカウンタは、乗
客ピクセル４０として再分類された一連の周囲ピクセル
４０に十分な運動量があるかないかを決定する。システ
ム１６は、特定のピクセル値５６に関連する異なる正負
のウエイトに対して柔軟性を有している。次の隣接ピク
セル４０が、乗客ピクセル４０等の第１のピクセルカテ
ゴリーに属する度ごとに、第１の所定数が、カウンタ値
に加えられる。また、次の隣接ピクセル４０が、周囲ピ
クセル４０等の第１のピクセルカテゴリーに属する度ご
とに、第２の所定数が、カウンタ値から差し引かれる。
一連の周囲ピクセル４０が乗客ピクセル４０の運動量に
よって移動する前に、カウンタが０に等しいかまたはそ
れ以下に達した場合、その時、残りの一連の周囲ピクセ
ル４０は、周囲ピクセル４０として残ることになる。い
くつかの実施形態では、ピクセル毎に運動量を加える運
動量に基づく処理に線形的な手法を実行する。他の実施
形態では、閾値による手法を実行し、周囲ピクセル４０
の全シーケンスが、乗客ピクセル４０の運動量によって
打勝つことができない場合、そのとき、シーケンスの全
ての周囲ピクセル４０が乗客ピクセル４０として再分類
される。
【００９０】識別及びラベル付けピクセル領域モジュー
ル システム１６は、ピクセル領域６６（各乗客ピクセル４
０が少なくとも１つの他の乗客ピクセル４０に隣接する
乗客ピクセルのグループ）を識別することができる。こ
のような処理は、識別及びラベル付けピクセル領域モジ
ュール１１２によって実行することができる。ピクセル
領域６６は、ユニークなラベルに関連させることがで
き、かつ他の領域６６及びピクセル４０に対するサイ
ズ、位置、及び距離等のある領域の属性または特性を有
することができる。図８は、４つのピクセル領域６６を
含んでいる周囲イメージ３８の例である。このようなピ
クセル領域６６は、重力に基づく処理モジュール１１４
に用いられ、また、他の実施形態では、運動量に基づく
処理モジュール１１０に用いられる。
【００９１】重力に基づく処理モジュール 重力に基づく処理モジュール１１４は、乗客ピクセル４
０の領域に隣接または近くの周囲ピクセル４０が、単純
に乗客ピクセル４０であると誤って識別されるという論
理的かつ有用な仮定をシステム１６に組み入れることが
できる。この重力に基づくヒューリスティック手法は、
上述されている。このヒューリスティック手法は、周囲
ピクセル４０と同様に乗客ピクセル４０に関連したい初
期の明度値４２の「大きさ（mass)」を包含しており、
乗客ピクセル４０のピクセル領域６６と周囲ピクセルの
ピクセル領域６６間の「重力」及び密接した距離によっ
て、周囲ピクセル４０が再分類される。
【００９２】セグメント化イメージ 周囲イメージ３８における乗客１８を取巻く非乗客イメ
ージを分離するための乗客１８のセグメント化イメージ
３１は、ギャップ処理サブシステム１０２から出力され
る。エアバッグ展開のために、長円適合サブシステム１
１６は、乗客ピクセルから上部長円８０を発生し、ま
た、ギャップ処理サブシステム１０２から出力される周
囲ピクセル４０を発生する。他の実施形態では、乗客の
他の視覚的特性が所望であれば、好ましい実施形態にお
ける明度等の初期ピクセル特性４２が、乗客１８のセグ
メント化イメージ３１内にある全ての乗客ピクセル４０
に対するピクセル値に置き換えることができる。
【００９３】いくつかの実施形態では、セグメント化イ
メージ３１のバイナリーアウトラインのすべてが長円適
合サブシステムに必要とされる。他の実施形態では、セ
グメント化ピクセルの各々に対する初期の明度値に合わ
せることにより、より視覚的なセグメント化イメージ３
１を発生させることができる。
【００９４】長円適合サブシステム 上述したように、長円適合サブシステム１１６は、乗客
１８のセグメント化イメージ３１を表す長円８０を発生
させるために用いることができる。上部長円８０および
これに関係する特性は、乗客１８に関係する有益な情報
を有するエアバッグコントローラ３２を設けることがで
き、これにより、エアバッグ展開装置３６に適切な展開
命令を与える。
【００９５】システム１６は、また、乗客１８イメージ
を利用する他のシステム１６に組み入れることもでき、
電車、飛行機、モータサイクル、または乗客１８が座席
２０に座っている他の形式の車両または構造物に限定さ
れるものではない。また、このシステムは、乗客イメー
ジの分野に限定されない有用性を備えている。
【００９６】以上、本発明について説明してきたが、そ
の特徴をまとめると以下に記載するような構成を有する
ことになる。本発明のイメージ区分化方法は、複数のピ
クセルと複数の初期ピクセル値によって表され、かつ各
ピクセルが少なくとも１つの初期ピクセル値を有してい
る、周囲イメージを受信し、識別される前記ピクセルに
関連した１つまたはそれ以上の初期ピクセル値に基づい
て、１つまたはそれ以上のピクセルを、複数のピクセル
カテゴリーの１つに属するように識別し、同一のピクセ
ルカテゴリーにおける各ピクセルが同一の第１修正ピク
セル値を有するように、前記第１修正ピクセル値を１つ
またはそれ以上のピクセルに対して確定し、設定されて
いる前記ピクセルの近くに１つまたはそれ以上のピクセ
ルに関連する前記第１修正ピクセル値に基づいて、１つ
またはそれ以上の前記ピクセルに対する第２修正ピクセ
ル値を設定し、前記第１修正ピクセル値及び前記第２修
正ピクセル値から乗客のセグメント化イメージを引き出
す、各工程を有している。
【００９７】また、１つまたはそれ以上のピクセルを識
別する工程は、イメージ閾値を発生するステップを含
み、更に、複数の初期ピクセル値を前記イメージ閾値と
比較するステップを含んでいる。イメージ閾値を発生す
るステップは、更に、ピクセル特性に関係する初期ピク
セル値の分布を分析するステップを含み、このステップ
は、集計した初期ピクセル値をヒストグラムに記録し、
このヒストグラムを累積分布関数に変換し、前記初期ピ
クセル値がイメージ閾値以下となる所定のパーセント比
に基づいた前記イメージ閾値を計算することを特徴とす
る。
【００９８】各ピクセルは、周囲イメージに対する１つ
のピクセル位置を有し、このピクセル位置は、複数のど
のイメージ閾値が、前記ピクセル位置の前記ピクセルに
対する前記初期ピクセル値に対比されるかを決定する。
複数のピクセルのサブセットは、隣接するピクセルのグ
ループであり、前記複数のピクセルのカテゴリーは、第
１ピクセルカテゴリーと第２ピクセルカテゴリーを含
み、さらに、第２修正ピクセル値は、さらに、隣接する
ピクセルのグループにおけるサブセットのピクセルをシ
ーケンシャルな手順で分析し、前記手順における次のピ
クセルが、前記第１ピクセルカテゴリーに属する毎にカ
ウンタ値を加算し、前記手順における次のピクセルが、
前記第２ピクセルカテゴリーに属する毎に、前記カウン
タ値を減算することを特徴とする。
【００９９】また、本発明のイメージ区分化方法は、複
数のピクセルと複数のピクセル値によって表され、かつ
前記各ピクセルが少なくとも１つの前記初期ピクセル値
を有している、周囲イメージを受信し、集計した初期ピ
クセル値をヒストグラム記録し、このヒストグラムを累
積分布関数に変換し、初期ピクセル値がイメージ閾値以
下に落ちる所定のパーセント比を有する前記累積分布関
数を用いてイメージ閾値を計算し、前記イメージ閾値
を、分類されている前記ピクセルに対する前記初期ピク
セル値と比較することにより、複数のピクセルにおける
各ピクセルを、複数のピクセルカテゴリーの１つに分類
し、同一のピクセルカテゴリーにおける各ピクセルが同
一の第１修正ピクセル値に割り当てるように、前記第１
修正ピクセル値を確定し、形態学的ヒューリスティック
手法に従って、前記第１修正ピクセル値を第２修正ピク
セル値に修正し、運動量に基づくヒューリスティック手
法を用いて、前記第２修正ピクセル値または前記第１修
正ピクセル値から第３修正ピクセル値を決定し、前記第
１修正ピクセル値、前記第２修正ピクセル値、および前
記第３修正ピクセル値に基づくピクセルの領域を識別
し、重力に基づくヒューリスティック手法に従って、前
記ピクセルの領域から第４修正ピクセルを発生し、乗客
のセグメント化イメージを前記第４修正ピクセル値を用
いて引き出す、各工程を有している。
【０１００】また本発明のイメージ区分化システムは、
周囲イメージを表す複数のピクセル、およびイメージ閾
値化ヒューリスティック手法を含み、このイメージ閾値
化ヒューリスティック手法に従って、前記複数のピクセ
ルを分類する、イメージ閾値化サブシステムと、ギャッ
プ処理ヒューリスティック手法、前記複数のピクセルに
おける隣接するピクセルのサブセット、および複数のピ
クセル値を含み、前記ギャップ処理ヒューリスティック
手法と、前記隣接するピクセルのサブセットにおける前
記ピクセルに属する前記ピクセル値に従って、前記ピク
セル値を選択的に設定する、ギャップ処理サブシステム
とを含み、セグメント化イメージが前記複数のピクセル
から発生することを特徴としている。
【０１０１】イメージ閾値化サブシステムは、さらに、
ヒストグラムを含み、このヒストグラムは、前記明度値
を有する前記ピクセルの数を表にする。また、このサブ
システムは、さらに、累積分布曲線を含み、前記ヒスト
グラムが前記累積分布曲線に前記イメージ閾値化サブシ
ステムによって変換される。また、このサブシステム
は、さらに、所定のパーセント比と、イメージ閾値を有
し、このイメージ閾値は、前記所定のパーセント比と前
記累積分布曲線から計算される。
【０１０２】前記イメージ閾値化サブシステムは、さら
に、複数のイメージ閾値と、ピクセル位置を有する前記
ピクセルとを含み、前記ピクセルに対する前記ピクセル
位置は、前記イメージ閾値が前記イメージ閾値化サブシ
ステムによって前記ピクセルに対して用いられるように
決定される。
【０１０３】また、イメージ閾値化サブシステムは、さ
らに、前記複数のピクセルの第１サブセットと、前記複
数のピクセルの第２サブセットを含み、前記イメージ閾
値化サブシステムは、前記イメージ閾値を用いて、前記
複数のピクセルを前記第１、第２サブセットに分割す
る。このサブシステムは、さらに、第１バイナリー値と
第２バイナリー値を含み、前記複数のピクセルの前記第
１サブセットが第１バイナリー値にセットされ、前記複
数のピクセルの前記第２サブセットが第２バイナリー値
にセットされる。
【０１０４】前記ギャップ処理のヒューリスティック手
法は、運動量に基づくヒューリスティック手法からな
り、前記近接するピクセルのサブセットは、シーケンシ
ャルなピクセルのサブセットであり、前記ギャップ処理
サブシステムは、前記運動量に基づくヒューリスティッ
ク手法を用いる前記ピクセル値を選択的に設定し、前記
ピクセル値は、前記シーケンシャルなピクセルの前記サ
ブセットに関係している。
【０１０５】前記シーケンシャルなピクセルのサブセッ
トは、シーケンシャルなピクセルの（垂直サブセット
と、シーケンシャルなピクセルの水平サブセットを含
み、前記運動量に基づくヒューリスティック手法は、前
記垂直サブセットと前記水平サブセットにおける前記ピ
クセル値を分析し、前記複数のピクセル値を決定する。
【０１０６】前記運動量に基づくヒューリスティック手
法は、更に、運動量カウンタを含み、このカウンタは、
前記ギャップ処理サブシステムが前記ピクセル値に対す
る前記運動量に基づくヒューリスティック手法を終了す
るときに決定される。
【０１０７】前記ギャップ処理ヒューリスティック手法
は、重力に基づくヒューリスティック手法、ピクセル領
域、及び領域特性を含み、前記複数のピクセルは、ター
ゲットピクセルを含み、前記ピクセル領域は、１つまた
はそれ以上の前記ピクセルを含みかつ前記ターゲットピ
クセルを含まず、さらに、前記ピクセル領域は、前記近
接するピクセルのサブセットである。
【０１０８】前記重力に基づくヒューリスティック手法
は、さらに、領域寸法と、領域距離を有し、前記領域寸
法は、前記ピクセル領域における前記ピクセルの数であ
り、前記領域距離は、前記ターゲットピクセルと前記ピ
クセル領域における中心点との間の距離であり、前記ギ
ャップ処理サブシステムは、前記領域寸法、前記領域距
離、及び前記重力に基づくヒューリスティック手法に従
う前記ターゲットピクセルを設定する。
【０１０９】本発明の構成、原理、及び作動の形態に従
って、本発明を説明しかつ好ましい実施形態として例示
してきたが、本発明は、ここに記載した実施形態に限定
されるものではなく、種々の変更及び修正を含み、添付
された特許請求の範囲またはその技術的思想から逸脱し
ない上述の記載を含むものとする。
【図面の簡単な説明】
【図１】図１は、本発明のいくつかの位置的な関係を表
す実施形態における周囲環境を示す部分図である。
【図２】図２は、図１に示す実施形態のためのイメージ
処理システムにおける高レベル処理の流れ図である。
【図３】図３は、特定の明るさを有するピクセル数を一
覧表にするヒストグラムである。
【図４】図４は、多数の異なるイメージ閾値が、単一の
周囲イメージに適用することができるかどうかを説明す
る図表である。
【図５】イメージ閾値サブシステムによって利用するこ
とができる累積分布関数の図表である。
【図６】図６aは、形態上の侵食操作及び拡張操作に従
うピクセルの垂直グループを示す図であり、図６ｂは、
形態上の侵食操作及び拡張操作に従うピクセルの水平グ
ループを示す図である。
【図７】図７は、運動量に基づくギャップ処理手法の概
念を包含する確率的な図である。
【図８】図８は、重力基準のヒューリスティック手法を
有することができる、ピクセル領域を示す図である。
【図９】図９は、乗客のセグメント化イメージを表すの
に使用することができる上部長円、下部長円、及び重心
がどのように示されるかを図示した図である。
【図１０】図１０は、乗客の動きを決定するための詳細
な処理の流れを示す図である。
【図１１】図１１は、イメージ閾値化サブシステム及び
ギャップサブシステムに包含される種々のモジュール及
び処理手順を含んでいる本発明に係る両サブシステムの
フローチャート図である
【符号の説明】
１６ イメージ処理システム １８ 乗客 ２０ シート ２１ シート領域 ２２ カメラ ３０ コンピュータシステム ３１ セグメント化イメージ ３２ エアバッグコントローラ ３６ エアバッグ展開装置 ３８ 周囲イメージ ３９ ヒストグラム ４０ ピクセル ４２ 修正ピクセル値 ４４ 長円適合ルーチン ５２ 累積分布関数 ５４ 累積確率 ５６ ピクセル値 ５８ 垂直グループ ６６ ピクセル領域 １００ イメージ閾値化サブシステム １０２ ギャップ処理サブシステム
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｔ 7/60 １１０ Ｇ０６Ｔ 7/60 １１０ Ｈ０４Ｎ 7/18 Ｈ０４Ｎ 7/18 Ｋ (72)発明者 マイケル エドワード ファーマー アメリカ合衆国 ミシガン 48323 ウエ スト ブルームフィールド レイク ブラ フ ロード 5119 Ｆターム(参考） 3D054 EE11 5B057 AA16 BA02 CA02 CA08 CA12 CA16 CE12 DA08 DB02 DB05 DB08 DC08 DC09 DC14 DC19 DC23 5C054 AA01 AA05 CA04 CA05 FC05 FC12 FC16 FF07 HA18 5L096 AA06 BA04 CA02 DA02 EA02 EA43 FA01 FA04 FA35 FA37 GA30 GA34 GA51 HA03

Claims (38)

    【特許請求の範囲】
  1. 【請求項１】乗客（18）、センサ測定値を発生するセン
    サ（22）、及び前記乗客を取巻く領域（21）と乗客（1
    8）を含む周囲イメージ（38）を用いるイメージ区分化
    方法であって、 複数のピクセル（40）と複数の初期ピクセル値によって
    表され、かつ前記各ピクセル（40）が少なくとも１つの
    前記初期ピクセル値を有している、周囲イメージ（38）
    を受信し、 識別される前記ピクセル（40）に関連した１つまたはそ
    れ以上の初期ピクセル値に基づいて、１つまたはそれ以
    上のピクセル（40）を、複数のピクセルカテゴリーの１
    つに属するように識別し、 同一のピクセルカテゴリーにおける各ピクセル（40）が
    同一の第１修正ピクセル値（42）を有するように、前記
    第１修正ピクセル値（42）を１つまたはそれ以上のピク
    セル（40）に対して確定し、 設定されている前記ピクセル（40）の近くに１つまたは
    それ以上のピクセル（40）に関連する前記第１修正ピク
    セル値（42）に基づいて、１つまたはそれ以上の前記ピ
    クセル（40）に対する第２修正ピクセル値を設定し、 前記第１修正ピクセル値（42）及び前記第２修正ピクセ
    ル値（42）から乗客（18）のセグメント化イメージ（3
    1）を引き出す、各工程を有することを特徴とするイメ
    ージ区分化方法。
  2. 【請求項２】１つまたはそれ以上の前記ピクセル（40）
    を識別する工程は、更に、イメージ閾値（44）を発生す
    るステップを含んでいることを特徴とする請求項１記載
    の方法。
  3. 【請求項３】１つまたはそれ以上の前記ピクセル（40）
    を識別する工程は、更に、前記複数の初期ピクセル値
    （42）を前記イメージ閾値（44）と比較するステップを
    含むことを特徴とする請求項２記載の方法。
  4. 【請求項４】イメージ閾値（44）を発生するステップ
    は、更に、ピクセル特性に関係する初期ピクセル値（4
    2）の分布を分析するステップを含んでいることを特徴
    とする請求項１記載の方法。
  5. 【請求項５】初期ピクセル値（42）の分布を分析するス
    テップは、更に、 集計した初期ピクセル値（42）をヒストグラム（39）に
    記録し、 このヒストグラム（39）を累積分布関数（52）に変換
    し、 前記初期ピクセル値（42）がイメージ閾値（44）以下の
    値となる所定のパーセント比（54）に基づいて前記イメ
    ージ閾値（44）を計算する、各ステップを有することを
    特徴とする請求項４記載の方法。
  6. 【請求項６】各ピクセル（40）は、ただ１つの初期ピク
    セル値（42）とただ１つのピクセル特性を有することを
    特徴とする請求項４記載の方法。
  7. 【請求項７】前記ピクセル特性は、明度であることを特
    徴とする請求項６記載の方法。
  8. 【請求項８】前記各ピクセル（40）は、周囲イメージ
    （38）に対する１つのピクセル位置を有し、このピクセ
    ル位置は、複数のイメージ閾値（44）のいずれの閾値
    が、前記ピクセル（40）に対する前記初期ピクセル値
    （42）に対比されるかを決定することを特徴とする請求
    項３記載の方法。
  9. 【請求項９】より高いイメージ閾値（44）は、より明る
    いライティングがあるピクセル位置に適用されることを
    特徴とする請求項８記載の方法。
  10. 【請求項１０】２つのピクセルカテゴリーのみがあるこ
    とを特徴とする請求項１記載の方法。
  11. 【請求項１１】第２修正ピクセル値（42）は、形態学的
    なヒューリスティック手法を含んでいることを特徴とす
    る請求項１記載の方法。
  12. 【請求項１２】形態学的なヒューリスティック手法は、
    形態上の侵食操作であることを特徴とする請求項１１記
    載の方法。
  13. 【請求項１３】形態学的なヒューリスティック手法は、
    形態上の拡張操作であることを特徴とする請求項１２記
    載の方法。
  14. 【請求項１４】第２修正ピクセル値（42）を設定する工
    程は、運動量に基づくヒューリスティック手法を含むこ
    とを特徴とする請求項１記載の方法。
  15. 【請求項１５】複数のピクセル（40）のサブセットは、
    隣接するピクセルのグループであり、前記複数のピクセ
    ルのカテゴリーは、第１ピクセルカテゴリーと第２ピク
    セルカテゴリーを含み、さらに、前記第２修正ピクセル
    値（42）は、さらに、 隣接するピクセル（40）のグループにおけるサブセット
    のピクセル（40）をシーケンシャルな手順で分析し、 前記手順における次のピクセル（40）が、前記第１ピク
    セルカテゴリーに属する毎にカウンタ値を加算し、 前記手順における次のピクセル（40）が、前記第２ピク
    セルカテゴリーに属する毎に、前記カウンタ値を減算す
    ることを特徴とする請求項１４記載の方法。
  16. 【請求項１６】前記カウンタ値がゼロ以下またはゼロに
    等しいとき、運動量に基づくヒューリスティック手法を
    停止することを特徴とする請求項１５記載の方法。
  17. 【請求項１７】第２修正ピクセル値（42）を設定する工
    程は、重力に基づくヒューリスティック手法を含んでい
    ることを特徴とする請求項１記載の方法。
  18. 【請求項１８】乗客（18）、センサ測定値を発生するセ
    ンサ（22）、及び前記乗客を取巻く領域（21）と乗客
    （18）を含む周囲イメージ（38）を用いるイメージ区分
    化方法であって、 複数のピクセル（40）と複数のピクセル値によって表さ
    れ、かつ前記各ピクセル（40）が少なくとも１つの前記
    初期ピクセル値を有している、周囲イメージ（38）を受
    信し、 集計した初期ピクセル値（42）をヒストグラム（39）記
    録し、 このヒストグラム（39）を累積分布関数（52）に変換
    し、 初期ピクセル値（42）がイメージ閾値以下に落ちる所定
    のパーセント比（54）を有する前記累積分布関数を用い
    てイメージ閾値を計算し、 前記イメージ閾値（44）を、分類されている前記ピクセ
    ル（40）に対する前記初期ピクセル値（42）と比較する
    ことにより、複数のピクセルにおける各ピクセル（40）
    を、複数のピクセルカテゴリーの１つに分類し、 同一のピクセルカテゴリーにおける各ピクセル（40）が
    同一の第１修正ピクセル値（42）に割り当てるように、
    前記第１修正ピクセル値（42）を確定し、 形態学的なヒューリスティック手法に従って、前記第１
    修正ピクセル値（42）を第２修正ピクセル値に修正し、 運動量に基づくヒューリスティック手法を用いて、前記
    第２修正ピクセル値（42）または前記第１修正ピクセル
    値（42）から第３修正ピクセル値（42）を決定し、 前記第１修正ピクセル値（42）、前記第２修正ピクセル
    値（42）、および前記第３修正ピクセル値（42）に基づ
    くピクセルの領域（66）を識別し、 重力に基づくヒューリスティック手法に従って、前記ピ
    クセルの領域（66）から第４修正ピクセルを発生し、 乗客（18）のセグメント化イメージ（31）を前記第４修
    正ピクセル値（42）を用いて引き出す、各工程を有する
    ことを特徴とするイメージ区分化方法。
  19. 【請求項１９】乗客（18）のセグメント化イメージ（3
    1）を引き出す工程は、前記初期ピクセル値（42）を、
    前記乗客イメージ（31）を表す前記第４修正ピクセル値
    （42）に置き換えるステップを含んでいることを特徴と
    する請求項１８記載のイメージ区分化方法。
  20. 【請求項２０】乗客（18）、センサ測定値を発生するセ
    ンサ（22）、及び前記乗客を取巻く領域（21）と乗客
    （18）を含む周囲イメージ（38）を用いるイメージ区分
    化システム（16）であって、 周囲イメージ（38）を表す複数のピクセル（40）、およ
    びイメージ閾値化ヒューリスティック手法を含み、この
    イメージ閾値化ヒューリスティック手法に従って、前記
    複数のピクセル（40）を分類する、イメージ閾値化サブ
    システム（100）と、 ギャップ処理ヒューリスティック手法、前記複数のピク
    セル（40）における隣接するピクセルのサブセット、お
    よび複数のピクセル値を含み、前記ギャップ処理ヒュー
    リスティック手法と、前記隣接するピクセルのサブセッ
    トにおける前記ピクセルに属する前記ピクセル値（42）
    に従って、前記ピクセル値を選択的に設定する、ギャッ
    プ処理サブシステム（102）とを含み、 セグメント化イメージ（31）が前記複数のピクセル（4
    0）から発生することを特徴とするイメージ区分化シス
    テム。
  21. 【請求項２１】前記イメージ閾値化サブシステム（10
    0）は、複数の明度値を含み、前記ピクセル（40）の各
    々は、少なくとも１つの前記明度値を有することを特徴
    とする請求項２０記載のシステム。
  22. 【請求項２２】前記イメージ閾値化サブシステム（10
    0）は、さらに、ヒストグラム（39）を含み、このヒス
    トグラムは、前記明度値を有する前記ピクセルの数を表
    にすることを特徴とする請求項２１記載のシステム。
  23. 【請求項２３】前記イメージ閾値化サブシステム（10
    0）は、さらに、累積分布曲線（52）を含み、前記ヒス
    トグラム（39）が前記累積分布曲線（52）に前記イメー
    ジ閾値化サブシステム（100）によって変換されること
    を特徴とする請求項２２記載のシステム。
  24. 【請求項２４】前記イメージ閾値化サブシステム（10
    0）は、さらに、所定のパーセント比（54）と、イメー
    ジ閾値（44）を有し、このイメージ閾値（44）は、前記
    所定のパーセント比および前記累積分布曲線（52）から
    計算されることを特徴とする請求項２３記載のシステ
    ム。
  25. 【請求項２５】前記イメージ閾値化サブシステム（10
    0）は、さらに、複数のイメージ閾値（44）と、ピクセ
    ル位置を有する前記ピクセルとを含み、前記ピクセルに
    対する前記ピクセル位置は、前記イメージ閾値（44）が
    前記イメージ閾値化サブシステム（100）によって前記
    ピクセル（40）に対して用いられるように決定されるこ
    とを特徴とする請求項２４記載のシステム。
  26. 【請求項２６】前記イメージ閾値化サブシステム（10
    0）は、さらに、前記複数のピクセルの第１サブセット
    と、前記複数のピクセルの第２サブセットを含み、前記
    イメージ閾値化サブシステム（100）は、前記イメージ
    閾値（44）を用いて、前記複数のピクセルを前記第１、
    第２サブセットに分割することを特徴とする請求項２４
    記載のシステム。
  27. 【請求項２７】前記イメージ閾値化サブシステム（10
    0）は、さらに、第１バイナリー値と第２バイナリー値
    を含み、前記複数のピクセル（40）の前記第１サブセッ
    トが第１バイナリー値にセットされ、前記複数のピクセ
    ル（40）の前記第２サブセットが第２バイナリー値にセ
    ットされることを特徴とする請求項２６記載のシステ
    ム。
  28. 【請求項２８】前記複数のピクセル（40）の少なくとも
    ほぼ半分は、前記第１バイナリー値に設定されているこ
    とを特徴とする請求項２７記載のシステム。
  29. 【請求項２９】前記ギャップ処理のヒューリスティック
    手法は、形態学的なヒューリスティック手法を含んでい
    ることを特徴とする請求項２０記載のシステム。
  30. 【請求項３０】前記形態学的なヒューリスティック手法
    は、形態上の侵食操作であることを特徴とする請求項２
    ９記載のシステム。
  31. 【請求項３１】前記形態学的なヒューリスティック手法
    は、形態上の拡張操作であることを特徴とする請求項２
    ９記載のシステム。
  32. 【請求項３２】前記形態学的なヒューリスティック手法
    は、垂直方向を基準とする形態学的なヒューリスティッ
    ク手法であることを特徴とする請求項２９記載のシステ
    ム。
  33. 【請求項３３】前記形態学的なヒューリスティック手法
    は、水平方向を基準とする形態学的なヒューリスティッ
    ク手法であることを特徴とする請求項２９記載のシステ
    ム。
  34. 【請求項３４】前記ギャップ処理のヒューリスティック
    手法は、運動量に基づくヒューリスティック手法からな
    り、前記近接するピクセルのサブセットは、シーケンシ
    ャルなピクセルのサブセットであり、前記ギャップ処理
    サブシステムは、前記運動量に基づくヒューリスティッ
    ク手法を用いる前記ピクセル値（42）を選択的に設定
    し、前記ピクセル値（42）は、前記シーケンシャルなピ
    クセルの前記サブセットに関係していることを特徴とす
    る請求項２０記載のシステム。
  35. 【請求項３５】前記シーケンシャルなピクセルのサブセ
    ットは、シーケンシャルなピクセルの（40）垂直サブセ
    ット（58）と、シーケンシャルなピクセルの水平サブセ
    ット（60）を含み、前記運動量に基づくヒューリスティ
    ック手法は、前記垂直サブセット（58）と前記水平サブ
    セット（60）における前記ピクセル値（42）を分析し、
    前記複数のピクセル値を決定することを特徴とする請求
    項３４記載のシステム。
  36. 【請求項３６】前記運動量に基づくヒューリスティック
    手法は、更に、運動量カウンタを含み、このカウンタ
    は、前記ギャップ処理サブシステムが前記ピクセル値
    （42）に対する前記運動量に基づくヒューリスティック
    手法を終了するときに決定されることを特徴とする請求
    項３５記載のシステム。
  37. 【請求項３７】前記ギャップ処理ヒューリスティック手
    法は、重力に基づくヒューリスティック手法、ピクセル
    領域（66）、及び領域特性を含み、前記複数のピクセル
    （40）は、ターゲットピクセルを含み、前記ピクセル領
    域（66）は、１つまたはそれ以上の前記ピクセル（40）
    を含みかつ前記ターゲットピクセルを含まず、さらに、
    前記ピクセル領域（66）は、前記近接するピクセルのサ
    ブセットであることを特徴とする請求項２７記載のシス
    テム。
  38. 【請求項３８】前記重力に基づくヒューリスティック手
    法は、さらに、領域寸法と、領域距離を有し、前記領域
    寸法は、前記ピクセル領域（66）における前記ピクセル
    （40）の数であり、前記領域距離は、前記ターゲットピ
    クセルと前記ピクセル領域における中心点との間の距離
    であり、 前記ギャップ処理サブシステム（102）は、前記領域寸
    法、前記領域距離、及び前記重力に基づくヒューリステ
    ィック手法に従う前記ターゲットピクセルを設定するこ
    とを特徴とする請求項３７記載のシステム。
JP2002365186A 2001-12-17 2002-12-17 イメージ区分化方法およびイメージ区分化システム Pending JP2003233813A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/023,787 US7116800B2 (en) 2001-05-30 2001-12-17 Image segmentation system and method
US023787 2001-12-17

Publications (1)

Publication Number Publication Date
JP2003233813A true JP2003233813A (ja) 2003-08-22

Family

ID=21817183

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002365186A Pending JP2003233813A (ja) 2001-12-17 2002-12-17 イメージ区分化方法およびイメージ区分化システム

Country Status (8)

Country Link
US (1) US7116800B2 (ja)
EP (1) EP1320069A2 (ja)
JP (1) JP2003233813A (ja)
KR (1) KR20030051330A (ja)
CN (1) CN1427372A (ja)
BR (1) BR0205583A (ja)
CA (1) CA2414849A1 (ja)
MX (1) MXPA02012538A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019505041A (ja) * 2015-12-18 2019-02-21 ベンタナ メディカル システムズ， インコーポレイテッド 異なる取得性質を持つ画像を分離するシステム及び方法

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7769513B2 (en) * 2002-09-03 2010-08-03 Automotive Technologies International, Inc. Image processing for vehicular applications applying edge detection technique
US7109957B2 (en) * 1999-01-22 2006-09-19 Au Optronics Corp. Digital display driving circuit for light emitting diode display
US20030123704A1 (en) * 2001-05-30 2003-07-03 Eaton Corporation Motion-based image segmentor for occupant tracking
US7197180B2 (en) * 2001-05-30 2007-03-27 Eaton Corporation System or method for selecting classifier attribute types
US20050129274A1 (en) * 2001-05-30 2005-06-16 Farmer Michael E. Motion-based segmentor detecting vehicle occupants using optical flow method to remove effects of illumination
US6925193B2 (en) * 2001-07-10 2005-08-02 Eaton Corporation Image processing system for dynamic suppression of airbags using multiple model likelihoods to infer three dimensional information
US6853898B2 (en) 2001-05-30 2005-02-08 Eaton Corporation Occupant labeling for airbag-related applications
US20050058322A1 (en) * 2003-09-16 2005-03-17 Farmer Michael E. System or method for identifying a region-of-interest in an image
US6856694B2 (en) * 2001-07-10 2005-02-15 Eaton Corporation Decision enhancement system for a vehicle safety restraint application
US20080131004A1 (en) * 2003-07-14 2008-06-05 Farmer Michael E System or method for segmenting images
US7181083B2 (en) 2003-06-09 2007-02-20 Eaton Corporation System and method for configuring an imaging tool
US20050271280A1 (en) * 2003-07-23 2005-12-08 Farmer Michael E System or method for classifying images
US7327497B2 (en) * 2002-05-14 2008-02-05 Canon Kabushiki Kaisha Image reading apparatus, control method therefor, and program
US7676062B2 (en) * 2002-09-03 2010-03-09 Automotive Technologies International Inc. Image processing for vehicular applications applying image comparisons
US20040161153A1 (en) * 2003-02-18 2004-08-19 Michael Lindenbaum Context-based detection of structured defects in an image
CN101459755B (zh) * 2003-09-11 2011-07-13 松下电器产业株式会社 视觉处理装置
US6925403B2 (en) * 2003-09-15 2005-08-02 Eaton Corporation Method and system for calibrating a sensor
US20050065757A1 (en) * 2003-09-19 2005-03-24 White Samer R. System and method for estimating displacement of a seat-belted occupant
US6944527B2 (en) * 2003-11-07 2005-09-13 Eaton Corporation Decision enhancement system for a vehicle safety restraint application
GB0326374D0 (en) * 2003-11-12 2003-12-17 British Telecomm Object detection in images
WO2005057909A1 (ja) * 2003-12-11 2005-06-23 Fujitsu Limited 画像補正方法及びプログラム、並びに装置
US20050177290A1 (en) * 2004-02-11 2005-08-11 Farmer Michael E. System or method for classifying target information captured by a sensor
US20060056657A1 (en) * 2004-02-13 2006-03-16 Joel Hooper Single image sensor positioning method and apparatus in a multiple function vehicle protection control system
US20050179239A1 (en) * 2004-02-13 2005-08-18 Farmer Michael E. Imaging sensor placement in an airbag deployment system
US7636479B2 (en) * 2004-02-24 2009-12-22 Trw Automotive U.S. Llc Method and apparatus for controlling classification and classification switching in a vision system
US20050276508A1 (en) * 2004-06-15 2005-12-15 Lockheed Martin Corporation Methods and systems for reducing optical noise
US20060050953A1 (en) * 2004-06-18 2006-03-09 Farmer Michael E Pattern recognition method and apparatus for feature selection and object classification
US20060030988A1 (en) * 2004-06-18 2006-02-09 Farmer Michael E Vehicle occupant classification method and apparatus for use in a vision-based sensing system
JP2006059252A (ja) * 2004-08-23 2006-03-02 Denso Corp 動き検出方法及び装置，プログラム，車両用監視システム
US7430321B2 (en) * 2004-09-09 2008-09-30 Siemens Medical Solutions Usa, Inc. System and method for volumetric tumor segmentation using joint space-intensity likelihood ratio test
US7283901B2 (en) * 2005-01-13 2007-10-16 Trw Automotive U.S. Llc Controller system for a vehicle occupant protection device
GB0510793D0 (en) * 2005-05-26 2005-06-29 Bourbay Ltd Segmentation of digital images
EP2036039A2 (en) * 2006-06-23 2009-03-18 Koninklijke Philips Electronics N.V. A method, a system and a computer program for determining a threshold in an image comprising image values
JP4166253B2 (ja) * 2006-07-10 2008-10-15 トヨタ自動車株式会社 物体検出装置、物体検出方法、および物体検出用プログラム
US20080059027A1 (en) * 2006-08-31 2008-03-06 Farmer Michael E Methods and apparatus for classification of occupancy using wavelet transforms
US7873235B2 (en) * 2007-01-29 2011-01-18 Ford Global Technologies, Llc Fog isolation and rejection filter
CN101499165B (zh) * 2009-03-09 2011-01-26 广东威创视讯科技股份有限公司 交叉重叠染色体的分割方法
US20100245608A1 (en) * 2009-03-25 2010-09-30 Itt Manufacturing Enterprises, Inc. Adaptive method and system for extracting a bright image from a thermal image
ES2481347B1 (es) * 2012-12-26 2015-07-30 Universidad De Almeria Procedimiento de interpretación automática de imágenes para la cuantificación de marcadores tumorales nucleares.
CN103458246B (zh) * 2013-09-03 2016-08-17 清华大学 视频运动分割中的遮挡处理方法及系统
US9589211B2 (en) 2015-05-08 2017-03-07 Siemens Healthcare Gmbh Learning-based aorta segmentation using an adaptive detach and merge algorithm
EP3581440A1 (en) * 2018-06-11 2019-12-18 Volvo Car Corporation Method and system for controlling a state of an occupant protection feature for a vehicle
CN109886976A (zh) * 2019-02-19 2019-06-14 湖北工业大学 一种基于灰狼优化算法的图像分割方法及系统
US11398017B2 (en) * 2020-10-09 2022-07-26 Samsung Electronics Co., Ltd. HDR tone mapping based on creative intent metadata and ambient light
US11526968B2 (en) 2020-11-25 2022-12-13 Samsung Electronics Co., Ltd. Content adapted black level compensation for a HDR display based on dynamic metadata

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4179696A (en) * 1977-05-24 1979-12-18 Westinghouse Electric Corp. Kalman estimator tracking system
JPS60152904A (ja) * 1984-01-20 1985-08-12 Nippon Denso Co Ltd 車両運転者位置認識装置
JPS6166905A (ja) 1984-09-10 1986-04-05 Nippon Denso Co Ltd 車両運転者の位置認識装置
JPS6166906A (ja) 1985-03-12 1986-04-05 Nippon Denso Co Ltd 車両運転者位置認識装置
DE3803426A1 (de) * 1988-02-05 1989-08-17 Audi Ag Verfahren zur wirksamschaltung eines sicherheitssystems
EP0357225B1 (en) * 1988-07-29 1993-12-15 Mazda Motor Corporation Air bag system for automobile
WO1990011207A1 (de) * 1989-03-20 1990-10-04 Siemens Aktiengesellschaft Steuergerät für ein insassen-rückhaltesystem und/oder -schutzsystem für fahrzeuge
GB2236419B (en) 1989-09-15 1993-08-11 Gen Engineering Improvements in or relating to a safety arrangement
JP2605922B2 (ja) * 1990-04-18 1997-04-30 日産自動車株式会社 車両用安全装置
FR2670979A1 (fr) * 1990-12-21 1992-06-26 Philips Electronique Lab Procede de segmentation binaire locale d'images numerisees, par seuillage d'histogramme.
JP2990381B2 (ja) * 1991-01-29 1999-12-13 本田技研工業株式会社 衝突判断回路
US5051751A (en) * 1991-02-12 1991-09-24 The United States Of America As Represented By The Secretary Of The Navy Method of Kalman filtering for estimating the position and velocity of a tracked object
US5982944A (en) * 1991-09-27 1999-11-09 E. I. Du Pont De Nemours And Company Adaptive vision system using dual thresholding
US5446661A (en) * 1993-04-15 1995-08-29 Automotive Systems Laboratory, Inc. Adjustable crash discrimination system with occupant position detection
JP2590705B2 (ja) * 1993-09-28 1997-03-12 日本電気株式会社 動き補償予測装置
US5366241A (en) * 1993-09-30 1994-11-22 Kithil Philip W Automobile air bag system
US5413378A (en) * 1993-12-02 1995-05-09 Trw Vehicle Safety Systems Inc. Method and apparatus for controlling an actuatable restraining device in response to discrete control zones
US5482314A (en) * 1994-04-12 1996-01-09 Aerojet General Corporation Automotive occupant sensor system and method of operation by sensor fusion
US5528698A (en) * 1995-03-27 1996-06-18 Rockwell International Corporation Automotive occupant sensing device
JP2891159B2 (ja) * 1996-02-14 1999-05-17 日本電気株式会社 多眼画像からの物体検出方式
US5923776A (en) * 1996-05-23 1999-07-13 The United States Of America As Represented By The Secretary Of The Navy Object extraction in images
US5983147A (en) * 1997-02-06 1999-11-09 Sandia Corporation Video occupant detection and classification
US6116640A (en) * 1997-04-01 2000-09-12 Fuji Electric Co., Ltd. Apparatus for detecting occupant's posture
US6005958A (en) * 1997-04-23 1999-12-21 Automotive Systems Laboratory, Inc. Occupant type and position detection system
US6018693A (en) * 1997-09-16 2000-01-25 Trw Inc. Occupant restraint system and control method with variable occupant position boundary
US6026340A (en) * 1998-09-30 2000-02-15 The Robert Bosch Corporation Automotive occupant sensor system and method of operation by sensor fusion
US6249590B1 (en) * 1999-02-01 2001-06-19 Eastman Kodak Company Method for automatically locating image pattern in digital images
US6801662B1 (en) 2000-10-10 2004-10-05 Hrl Laboratories, Llc Sensor fusion architecture for vision-based occupant detection
US6697502B2 (en) * 2000-12-14 2004-02-24 Eastman Kodak Company Image processing method for detecting human figures in a digital image
US6625310B2 (en) * 2001-03-23 2003-09-23 Diamondback Vision, Inc. Video segmentation using statistical pixel modeling
US6459974B1 (en) * 2001-05-30 2002-10-01 Eaton Corporation Rules-based occupant classification system for airbag deployment
US6925193B2 (en) * 2001-07-10 2005-08-02 Eaton Corporation Image processing system for dynamic suppression of airbags using multiple model likelihoods to infer three dimensional information
US7197180B2 (en) * 2001-05-30 2007-03-27 Eaton Corporation System or method for selecting classifier attribute types
US6853898B2 (en) * 2001-05-30 2005-02-08 Eaton Corporation Occupant labeling for airbag-related applications
US20030123704A1 (en) * 2001-05-30 2003-07-03 Eaton Corporation Motion-based image segmentor for occupant tracking
US6662093B2 (en) * 2001-05-30 2003-12-09 Eaton Corporation Image processing system for detecting when an airbag should be deployed
US6577936B2 (en) * 2001-07-10 2003-06-10 Eaton Corporation Image processing system for estimating the energy transfer of an occupant into an airbag
US20030133595A1 (en) * 2001-05-30 2003-07-17 Eaton Corporation Motion based segmentor for occupant tracking using a hausdorf distance heuristic

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019505041A (ja) * 2015-12-18 2019-02-21 ベンタナ メディカル システムズ， インコーポレイテッド 異なる取得性質を持つ画像を分離するシステム及び方法
US11062168B2 (en) 2015-12-18 2021-07-13 Ventana Medical Systems, Inc. Systems and methods of unmixing images with varying acquisition properties

Also Published As

Publication number Publication date
EP1320069A2 (en) 2003-06-18
US20030031345A1 (en) 2003-02-13
US7116800B2 (en) 2006-10-03
MXPA02012538A (es) 2003-09-22
CA2414849A1 (en) 2003-06-17
CN1427372A (zh) 2003-07-02
BR0205583A (pt) 2004-08-03
KR20030051330A (ko) 2003-06-25

Similar Documents

Publication Publication Date Title
JP2003233813A (ja) イメージ区分化方法およびイメージ区分化システム
JP7369921B2 (ja) 物体識別システム、演算処理装置、自動車、車両用灯具、分類器の学習方法
JP4942510B2 (ja) 車両画像認識装置およびその方法
US7940962B2 (en) System and method of awareness detection
JP4031122B2 (ja) 差分画像を用いた被写体の検出装置
AU722228B2 (en) Process and device operating in real time for identifying and localizing an area in relative movement in a scene, and for determining the speed and direction of the displacement
JP4810052B2 (ja) 乗員センサ
US20050058322A1 (en) System or method for identifying a region-of-interest in an image
US20050271280A1 (en) System or method for classifying images
EP1452399A2 (en) System and method for selecting classifier attribute types
EP1562135A2 (en) Process and apparatus for classifying image data using grid models
US10878259B2 (en) Vehicle detecting method, nighttime vehicle detecting method based on dynamic light intensity and system thereof
CN109886205B (zh) 安全带实时监测方法和系统
MXPA03009269A (es) Etiquetado de ocupante para aplicaciones relacionadas con bolsas de aire.
JP2018005682A (ja) 画像処理装置
US20230316783A1 (en) Computer-implemented method for analysing the interior of a vehicle
EP1762975A2 (en) Histogram equalization method for a vision-based occupant sensing system
CN109190455A (zh) 基于高斯混合和自回归滑动平均模型的黑烟车识别方法
EP1655688A2 (en) Object classification method utilizing wavelet signatures of a monocular video image
JP2004334786A (ja) 状態検出装置及び状態検出システム
US20050175235A1 (en) Method and apparatus for selectively extracting training data for a pattern recognition classifier using grid generation
JP7460282B2 (ja) 障害物検出装置、障害物検出方法および障害物検出プログラム
JP2802635B2 (ja) 電気装置の付勢制御装置
CN113884068A (zh) 障碍物检测装置、障碍物检测方法以及存储介质
Lin et al. Long-distance vehicle detection algorithm at night for driving assistance