JP2005149145A - 物体検出装置、物体検出方法、およびコンピュータプログラム - Google Patents

Abstract

【課題】画像の中から目標の物体を従来よりも確実にかつ高速に検出する。
【解決手段】画像の中から人体を検出する人体検出装置１に、人体のモデルの輪郭の一部または人体の部位を表す開曲線からなるテンプレートＴＰ１、ＴＰ２を記憶するテンプレート管理部１０２と、検出の対象とする画像を入力する画像データ受信部１０１と、入力された画像に対して複数のテンプレートＴＰ１、ＴＰ２を用いてマッチングを行うことによって、その画像の中から人体を検出する頭部位置検出部１０３と、を設ける。
【選択図】図３

Description

本発明は、画像の中から目標の物体を検出する物体検出装置および方法に関する。

従来より、画像の中から目標の物体を検出するための様々な方法が提案されている。例えば、画像の中から人体を検出する方法として、特許文献１、２に記載されるような方法が提案されている。

特許文献１に記載される方法によると、人の頭部を楕円形と見立て、楕円テンプレートを用いて、ハフ（Ｈｏｕｇｈ）変換の一種である投票処理を行って画像の中から頭部（楕円形状）を検出することによって、人体を検出する。

特許文献２に記載される方法によると、画像に表れた輪郭（エッジ）上の複数の点においてエッジの方向性を特徴量として算出し、これらの特徴量を総合評価することによって人体を検出する。

しかし、特許文献１に記載される方法では、検出対象である人体の一部にオクルージョンが生じている場合、人体の姿勢が傾いている場合、または衣類や装飾品などによって人体の輪郭に通常とは異なる形状（不規則性）が生じている場合などには、頭部を上手く検出することができないことが多い。つまり、このような場合には、人体の検出精度が低下する。

特許文献２に記載される方法では、人体の各部位の方向性（特定の方向を向いているか否か）のみに依存して人体を検出しようとしているので、テンプレートを多数用意しておかなければならず、処理に時間が掛かってしまう。

すなわち、例えば、人体の姿勢が傾いている場合には、各部位の方向性が変化するので、上手く人体を検出できなくなる。このような場合に対応するために、人体の姿勢の違いに応じた多数のモデルおよびテンプレートを用意しておき、これらのテンプレートで検知の処理を行わなければならない。したがって、処理に時間が掛かってしまう。
特開２００１−２２２７１９号公報 特開２００１−１７５８６８号公報

本発明は、上記の問題点に鑑み、画像の中から目標の物体を従来よりも確実にかつ高速に検出することを目的とする。

本発明に係る物体検出装置は、画像の中から目標の物体を検出する物体検出装置であって、前記物体のモデルの輪郭の一部または当該モデルの部位を表す開曲線からなるテンプレートを記憶するテンプレート記憶手段と、検出の対象とする画像を入力する画像入力手段と、入力された画像に対して複数の前記テンプレートによる固定形状とのマッチング度を算出することによって、当該入力された画像の中から前記物体を検出する検出手段と、を有することを特徴とする。

または、入力された画像に対して前記テンプレートを用いてマッチングを行うことによって、入力された画像の画像領域ごとの、当該テンプレートの一致の度合いを算出する度合い算出手段と、互いに異なる複数の前記テンプレートを用いてマッチングを行うことによって当該テンプレートごとに算出される、前記入力された画像の画像領域ごとの前記度合いに基づいて、前記物体を検出する検出手段と、を有する。

または、入力された画像のエッジ画像を生成するエッジ画像生成手段と、生成された前記エッジ画像に対して前記テンプレートを用いてマッチングを行うことによって、当該エッジ画像の画像領域ごとに前記物体の位置への近さを求める、近さ算出手段と、互いに異なる複数の前記テンプレートを用いてトマッチングを行うことによって当該テンプレートごとに算出される、前記エッジ画像の画像領域ごとの前記近さに基づいて、前記物体を検出する検出手段と、を有する。前記近さは数値によって表され、前記検出手段は、前記テンプレートごとに算出される、前記エッジ画像の画像領域ごとの前記近さを表す数値を、同じ画像領域のもの同士で加算し、それらの加算値のピークを調べることによって前記物体を検出する、ようにしてもよい。

前記テンプレートとして、特に、形状が特徴的であり、物体全体に対するサイズが小さく、かつ動作中の形状の変動の小さい部分の固定形状を用いるのが望ましい。また、オクルージョンが生じるような状況でも、物体の特徴が表れるものが望ましい。例えば、検出の目標物が歩いている人である場合は、頭部の上半分、肩、顎、耳、または股下、目、眉毛、鼻、または口などの輪郭または形状をしたテンプレートを用いるのが望ましい。または、左右の肩をそれぞれ表す２本の線からなるテンプレートまたは鼻および左右の耳をそれぞれ表す３本の線からなるテンプレートのように、複数の線からなるテンプレートを用いてもよい。

前記近さを表す数値の加算する方法として、例えば、単に数値を合計するだけの方法（計算方法）であってもよい。または、各数値をマッチングに用いたテンプレートの個数で割っておき、それを合計してもよい。つまり、平均値を求めてもよい。テンプレートごとに予め重み付けをしておき、その重みに応じた係数を各数値に乗じ、それを合計してもよい。

本発明によると、画像の中から目標の物体を従来よりも確実にかつ高速に検出することができる。

図１は監視システム１００の全体的な構成の例を示す図、図２は人体検出装置１のハードウェア構成の例を示す図、図３は人体検出装置１の機能的構成の例を示す図、図４はビデオカメラ２で撮影して得られた画像Ｇの例を示す図、図５はテンプレートＴＰ１、ＴＰ２の例を示す図、図６はテンプレートＴＰ１、ＴＰ２の作成方法の例を説明する図、図７は頭部位置検出部１０３の構成の例を示す図、図８は上半身画像ＧＫの例を示す図、図９はエッジ画像作成処理の流れの例を説明するフローチャート、図１０はＳＯＢＥＬフィルタについて説明する図、図１１はエッジ画像ＧＥの例を示す図、図１２は投票処理の流れの例を説明するフローチャート、図１３は投票処理の際のテンプレートによるマッチングの方法を説明する図、図１４は中心度プレーンＰＴを作成する方法を説明する図である。

図１に示すように、監視システム１００は、本発明に係る人体検出装置１、ビデオカメラ２、および通信回線３などによって構成される。人体検出装置１とビデオカメラ２とは、通信回線３を介して互いに接続されている。通信回線３として、ＬＡＮ、公衆回線、専用線、またはインターネットなどが用いられる。

ビデオカメラ２は、ＣＣＤなどのイメージセンサ、光学系、外部の装置とデータの送受信を行うためのインタフェース、および制御用回路などを備えており、撮影によって得られた画像を画像データ７０として人体検出装置１に送信する。

このビデオカメラ２は、店舗、地下街、ビル、またはイベント会場などの施設の通路または出入口、繁華街、または銀行のＡＴＭコーナなどのように、人が通行しまたは訪れる場所の天井などに設置される。以下、ビデオカメラ２が施設の通路ＳＴに設置され、その通路ＳＴの様子を監視するために使用される場合を例に説明する。

人体検出装置１は、図２に示すように、ＣＰＵ１ａ、ＲＡＭ１ｂ、ＲＯＭ１ｃ、磁気記憶装置（ハードディスク）１ｄ、通信インタフェース１ｅ、表示装置１ｆ、およびマウスまたはキーボードなどの入力装置１ｇなどによって構成される。

磁気記憶装置１ｄには、図３に示すように、画像データ受信部１０１、テンプレート管理部１０２、頭部位置検出部１０３、頭部画像表示部１０４、および頭部画像保存部１０５などの機能を実現するためのプログラムおよびデータがインストールされている。これらのプログラムおよびデータは必要に応じてＲＡＭ１ｂにロードされ、ＣＰＵ１ａによってプログラムが実行される。

この人体検出装置１は、施設の管理室などに設置されており、警備員が管理室に居ながら通路ＳＴの様子を監視するために使用される。また、ビデオカメラ２によって撮影された画像に写っている通行人の頭部を検出し、頭部を拡大表示しまたは頭部の画像（映像）を保存しておくことができる。人体検出装置１として、ワークステーションまたはパーソナルコンピュータなどが用いられる。

以下、ビデオカメラ２で撮影された画像から歩行者の頭部を検出する際の、図３に示す人体検出装置１の各部の処理内容などについて説明する。

画像データ受信部１０１は、ビデオカメラ２から送信されてきた画像データ７０を受信する。これにより、ビデオカメラ２の撮影速度に応じたフレーム数（コマ数）の、図４に示すような画像Ｇ（映像）が得られる。

テンプレート管理部１０２は、画像Ｇに写っている歩行者Ｈの頭部の位置を検出するために使用する複数のテンプレートＴＰをテンプレートデータベースに登録し管理する。本実施形態では、図５に示すような２つのテンプレートＴＰ１、ＴＰ２を管理している。テンプレートＴＰ１は人の頭部の上半分の形状（半楕円形）をしたテンプレートであり、テンプレートＴＰ２は人の両肩の形状をしたテンプレートである。これらのテンプレートＴＰ１、ＴＰ２は、例えば、次のようにして作成される。

まず、通路ＳＴの基準位置Ｌ１（図１参照）にモデルとなる人を立たせ、ビデオカメラ２によって撮影を行う。モデルとなる人は、標準的な体型であることが望ましい。図６（ａ）に示すように、撮影によって得られた画像の中のモデルの輪郭部分に注目する。

図６（ｂ）に示すように、輪郭部分の中から頭部の上半分を示す１本の開曲線および両肩を示す２本の開曲線をそれぞれエッジＥＧ１、ＥＧ２（以下、「エッジＥＧ」と総称することがある。）として抽出する。この際に、エッジＥＧ１、ＥＧ２から離れた所定の位置をそれぞれ基準点ＣＴ１、ＣＴ２として定めておき、この基準点ＣＴ１、ＣＴ２もエッジＥＧ１、ＥＧ２とともに抽出する。これにより、図６（ｂ）（ｃ）に示すようなテンプレート画像が得られる。なお、基準点ＣＴ１、ＣＴ２をそれぞれエッジＥＧ１、ＥＧ２上の所定の位置に定めてもよい。そして、エッジＥＧ１、ＥＧ２をそれぞれ基準点ＣＴ１、ＣＴ２を中心に半回転（１８０度回転）させる。これにより、テンプレートＴＰ１、ＴＰ２のテンプレート画像が作成される。

また、テンプレートＴＰには、そのテンプレートＴＰの基準点からモデルの頭部の中心ＣＴ０までのベクトルを示す位置関係情報ＳＩが対応付けられている。テンプレートＴＰ１、ＴＰ２の位置関係情報ＳＩは、それぞれ、図６（ａ）に示すベクトルα１、α２となる。位置関係情報ＳＩは、後に説明するテンプレートによるマッチングの際に位置のずれを直すため（オフセット（ＨＯＦＦＳＥＴまたはＶＯＦＦＳＥＴ）の調整のため）に用いられる。以上のようにして、テンプレートＴＰ１、ＴＰ２が作成される。

図３に戻って、頭部位置検出部１０３は、図７に示すように、上半身画像抽出部２０１、エッジ画像生成部２０２、投票処理部２０３、および中心決定部２０４などによって構成される。このような構成により、通路ＳＴを通行する歩行者Ｈの頭部の位置を求める処理を行う。

上半身画像抽出部２０１は、画像データ受信部１０１によって得られた画像Ｇから歩行者Ｈの上半身が写っていると想定される所定の画像領域（図４の点線で囲んだ領域）を抽出し、抽出した上半身の画像領域を所定の倍率で拡大する。これにより、図８に示すように、通路ＳＴを通行している歩行者Ｈの上半身画像ＧＫが得られる。

エッジ画像生成部２０２は、図９に示すような手順で、上半身画像抽出部２０１で得られた上半身画像ＧＫのエッジ画像（輪郭画像）を生成する。

まず、その上半身画像ＧＫおよびその直前の時刻における上半身画像ＧＫ’についてそれぞれ明度画像（濃淡画像）を生成する（図９の＃１０１）。これら２つの明度画像の互いに対応する画素同士の差分（フレーム差分）を求める。つまり、時間差分を求め、時間差分画像を生成する（＃１０２）。これと並行してまたは前後して、上半身画像ＧＫの明度画像の中の、明度の変化の強さ（エッジの強さ）を示す空間差分画像を生成する（＃１０３）。空間差分画像は、明度画像の各画素Ｐｉｊおよびその周辺の画素Ｐについて、図１０に示すように、上半身画像ＧＫに対し、水平ＳＯＢＥＬフィルタおよび垂直ＳＯＢＥＬフィルタをそれぞれ掛け、得られた画像ＦｓｈおよびＦｓｖを下記の（１）式に代入することによって求められる。

ただし、Ｆｓｈは水平ＳＯＢＥＬフィルタによる出力結果であり、Ｆｓｖは垂直ＳＯＢＥＬフィルタによる出力結果である。

ステップ＃１０２、＃１０３でそれぞれ求められた時間差分画像および空間差分画像の互いに対応する画素同士の論理積を算出する（＃１０４）。これにより、図１１に示すような上半身画像ＧＫのエッジ画像ＧＥが生成される。なお、図１１および後に説明する各図のエッジ画像ＧＥは、見やすくするために、白黒を反転させている。

図７に戻って、投票処理部２０３は、図１２に示すような手順で投票処理を実行することにより、エッジ画像ＧＥの各画素について歩行者Ｈの頭部の中心らしさ、すなわち、中心までの近さを示す度合いを求める。以下、係る度合いを「中心度」と記載する。ここでは、図５（ａ）のテンプレートＴＰ１を使用する場合を例に説明する。

図１２に示すように、まず、エッジ画像ＧＥの各画素にそれぞれカウンタを設定し、すべてのカウンタを「０」にリセットしておく（＃１２１）。

図１３（ａ）に示すように、エッジ画像ＧＥのエッジＲＮ（輪郭線）上の任意の１つの画素に注目し（以下、注目した画素を「注目画素」と記載する。）、注目画素とテンプレートＴＰ１の基準点ＣＴ１とが一致するように、エッジ画像ＧＥの上にテンプレートＴＰ１のテンプレート画像を重ねる（＃１２２、＃１２３）。

このときにテンプレートＴＰ１のエッジＥＧ１と重なったエッジ画像ＧＥの画素に対して、位置関係情報ＳＩに基づいてオフセット調整（ずれの調整）を行う（＃１２４）。すなわち、エッジＥＧ１と重なったこれらの画素（図１３（ｂ）の拡大図において斜線で示す画素）からベクトルα１（図６（ａ）参照）だけ移動した位置の画素を求める。

そして、求められた画素に１票を投じる。（＃１２５）。つまり、その画素のカウンタに「１」を加算する。

なお、図１３（ｂ）において、太枠の正方形はエッジ画像ＧＥのエッジＲＮ上の画素を示し、黒く塗りつぶした正方形は注目画素を示し、斜線で塗りつぶした正方形はテンプレートＴＰ１のエッジＥＧ１が重なった画素を示している。

同様に他のエッジＲＮ上の画素についても注目し（＃１２７）、テンプレートＴＰ１を重ね合わせ（＃１２３）、オフセット調整を行い（＃１２４）、カウント（投票）を行う（＃１２５）。そして、すべてのエッジＲＮ上の画素についてステップ＃１２３〜＃１２５の処理が終了したときに（＃１２６でＹｅｓ）、中心度に関する投票を終了する。図５（ｂ）のテンプレートＴＰ２を使用する場合も、図１２に示す手順で投票を行う。なお、図１２の処理においてエッジＥＧ１と重なった回数が多い画素ほどテンプレートＴＰ１との一致（マッチング）の度合いが高く、より多くの票が投じられた画素ほど中心度が高いと言える。

図７に戻って、中心決定部２０４は、複数のテンプレートＴＰによる投票結果に基づいて歩行者Ｈの頭部の中心を決定する。係る処理は、図１４に示すような手順で行われる。ここでは、図５（ａ）（ｂ）に示すテンプレートＴＰ１、ＴＰ２による投票結果に基づいて頭部の中心を決定する場合を例に説明する。

まず、テンプレートＴＰ１による投票結果に基づいて、エッジ画像ＧＥの各画素にその得票数の多さを表す濃淡を付け、半楕円検出度プレーンＰ１を生成する（図１４の＃１３１）。本実施形態では、得票数が多いほど濃く（黒く）なるようにしている。同様に、ステップ＃１３１と並行してまたは前後して、テンプレートＴＰ１による投票結果に基づいて肩形状検出度プレーンＰ２を生成する（＃１３２）。

半楕円検出度プレーンＰ１および肩形状検出度プレーンＰ２の互いに対応する画素のプレーン値（濃度の値）同士を加算し、中心度プレーンＰＴを生成する（＃１３３）。そして、中心度プレーンＰＴに現れる濃さのピーク（頂上）にある画素または領域を歩行者Ｈの頭部の中心であると決定する。以上のようにして、歩行者Ｈの頭部の中心位置を見つけることができる。なお、図１４では、各プレートの濃さの分布を６階調で示しているが、実際には、もっと多くの階調で濃さの分布が現れる。また、図面の見やすさのため濃淡表示は省略しているが、実際には、等高線で囲まれた領域が狭くなるに連れて濃度が濃くなっている。

図３に戻って、頭部画像表示部１０４は、頭部位置検出部１０３による検出結果に基づいて、画像Ｇより歩行者Ｈの頭部の領域を抽出して拡大し、これを拡大画像として表示装置１ｆ（図２参照）に表示する。これにより、監視員は、歩行者Ｈを容易に特定することができる。また、頭部画像保存部１０５は、歩行者Ｈの頭部の拡大画像を磁気記憶装置１ｄまたは外部の記録媒体（ＤＶＤ−ＲＯＭ、ＭＯ、ＣＤ−Ｒなど）に保存（録画）する。

図１５は人体検出装置１の処理の流れの例を説明するフローチャート、図１６は頭部検出処理の流れの例を説明するフローチャートである。次に、通路ＳＴの監視を行う際の人体検出装置１の処理の流れを、フローチャートを参照して説明する。

図１５に示すように、通路ＳＴの監視を開始すると、人体検出装置１は、まず、時刻Ｔ＝Ｔ０におけるビデオカメラ２のフレーム画像（画像Ｇ）を入力し（＃１１）、その画像の明度画像を作成する（＃１２）。

次の時刻（例えば撮影速度が毎秒３０フレームであれば１／３０秒後）の画像Ｇを入力し（＃１４）、その画像Ｇから歩行者Ｈの頭部を検出する処理を行う（＃１５）。係る処理は、図１６に示す手順で行われる。

すなわち、入力された画像Ｇおよびその前の時刻の画像Ｇを用いてエッジ画像ＧＥを生成し（＃２１）、そのエッジ画像ＧＥの各画素に対して頭部の中心度の投票を行う（＃２２）。投票は、複数のテンプレートＴＰ（例えば、図５のテンプレートＴＰ１、ＴＰ２）を用いて行う。ステップ＃２１、＃２２の処理の詳細は、それぞれ図９、図１２で説明した通りである。

これらのテンプレートＴＰによる投票の結果に基づいて図１４に示すような半楕円検出度プレーンＰ１、肩形状検出度プレーンＰ２を生成し、互いに対応する画素のプレーン値同士を加算し、中心度プレーンＰＴを生成する（＃２３）。そして、中心度プレーンＰＴのピーク（頂点）となる画素または領域を頭部の中心である決定する（＃２４）。

このように中心度を求めることによって、画像Ｇのいずれの位置に歩行者Ｈの頭部の中心が写っているのかが検出される。なお、画像Ｇに歩行者Ｈが写っていない場合は、エッジ画像ＧＥは得られない（真っ黒な画像になる）ので、当然、テンプレートによるマッチングを行ってもその歩行者Ｈの頭部の中心は検出されない。

以下、ビデオカメラ２によって画像Ｇが入力されるごとに、順次、ステップ＃１４、＃１５の処理を繰り返す（＃１３でＮｏ）。このようにして、ビデオカメラ２によって得られる画像（映像）から、通路ＳＴを通行する歩行者Ｈの頭部の位置を検出することができる。

図１７は検出精度が低下しやすい状況の例を示す図、図１８はマッチングの処理の時間が掛かりやすいテンプレートＴＰ３の例を示す図、図１９はテンプレートＴＰの変形例を示す図である。

本実施形態によると、頭部の上半分の形状をしたテンプレートＴＰ１および両肩の形状をしたテンプレートＴＰ２を用いてマッチングを行い、これらの結果に基づいて頭部の中心度を検出した。よって、頭部の中心を従来よりも確実に検出することができる。

すなわち、例えば、図１７に示すように、身体の一部が標準的な姿勢（真っ直ぐに立った姿勢）から変化し、帽子などを身につけて体の輪郭線が見えなくなり、または身体の一部が家具などの物体に隠れてしまう（オクルージョンが発生している）ことなどが原因で、一部のマッチングの結果の精度が低くなっても、他のマッチングの結果によってこれを補い、上手く目的物の中心を検索することができる。その他、服のたるみや特殊な髪型のせいで身体の輪郭が標準的なものでなくなったり、持ち物に隠れたりした場合にも、上手く目的物の中心を検索することができる。

また、頭部の上半分および両肩のような小さくかつ特徴的なテンプレートＴＰを用いてマッチングを行うので、処理が高速でありかつ精度が高い。すなわち、例えば、図１８に示すような１つの大きなテンプレートＴＰ３を用いて中心度プレーンを算出しても、テンプレートＴＰ１、ＴＰ２をそれぞれ用いて中心度を算出しこれらを加算して求めた中心度プレーンＰＴ（図１４参照）と同じ結果になる。しかし、本実施形態のように、小さいテンプレートＴＰごとに分割マッチングを行うことによって、１つの大きなテンプレートＴＰによるマッチングを行う場合よりも処理時間を大きく短縮することができる。

また、入力画像（図４参照）の全体に対してテンプレートのマッチングを行うのではなく、エッジ画像のエッジ部分に対してのみマッチングを行うので、処理時間を短縮することができる。

図１９に示すような、モデルの頭部の中心ＣＴ０と基準点ＣＴ４、ＣＴ５とが一致するようにしたテンプレートＴＰ４、ＴＰ５を用いて中心度の算出を行ってもよい。この場合は、オフセット値（中心ＣＴ０と基準点ＣＴ４、ＣＴ５との距離）がゼロになるので、マッチングの際にずれの調整（図１２の＃１２４）を行う必要がなくなる。

時間差分画像および空間差分画像を生成する際および頭部の中心を検出する際に用いられる閾値などは、経験的に得られまたは実験によって得られた値としてもよいし、入力される画像Ｇごとに適宜動的に算出するようにしてもよい。歩行者Ｈの頭部の中心の位置を検出する代わりに胸または腹の中心の位置を検出してもよい。本実施形態では、ＳＯＢＥＬフィルタを用いてエッジ画像を生成したが、他の方法で生成してもよい。例えば、２次微分やブロックマッチングなどを用いて生成してもよい。

本実施形態では、画像に写っている人の頭部の中心を検出するために、その画像の画素ごとに中心度を算出したが、所定の大きさ（例えば、３×３画素など）の画像領域ごとに中心度を算出するようにしてもよい。

本実施形態では、頭部の上半分の形状をしたテンプレートおよび両肩の形状をしたテンプレートを用いてマッチングを行ったが、これ以外のテンプレートを用いてもよい。例えば、顎、耳、または股下などのような人の身体の輪郭の一部または目、眉毛、鼻、または口などのような身体の部位のテンプレートを作成しておき、用いてもよい。

本実施形態では、頭部のテンプレートＴＰ１と両肩のテンプレートＴＰ２とを組み合わせて用いたが、これ以外の組合せであってもよい。例えば、頭部の上半分の形状をしたテンプレートと股下の形状をしたテンプレートとを組み合わせて用いてもよいし、３つ以上のテンプレートを用いてもよい。

テンプレートＴＰをＭＯ、ＣＤ−Ｒ、ＤＶＤ−ＲＯＭ、ハードディスク、またはフロッピィディスクなどの記録媒体に記録しておき、他の人体検出装置１にも提供できるようにしてもよい。

本発明に係る人体検出装置１を使用して、人間の人体以外のもの、例えば、動物の身体または自動車やオートバイなどの物体を検出することも可能である。

その他、監視システム１００、人体検出装置１、ビデオカメラ２の全体または各部の構成、中心度の算出方法、処理内容、処理順序などは、本発明の趣旨に沿って適宜変更することができる。

本発明によると、所定の場所を通過する歩行者をより正確に計数するためや、その歩行者の頭部（顔）をより正確にかつ短時間で検出して拡大表示しまたは頭部の画像（顔画像）を保存するために用いることができる。よって、本発明は、特に、施設のセキュリティ管理のためなどに好適に用いられる。

監視システムの全体的な構成の例を示す図である。 人体検出装置のハードウェア構成の例を示す図である。 人体検出装置の機能的構成の例を示す図である。 ビデオカメラ２で撮影して得られた画像Ｇの例を示す図である。 テンプレートの例を示す図である。 テンプレートの作成方法の例を説明する図である。 頭部位置検出部の構成の例を示す図である。 上半身画像の例を示す図である。 エッジ画像作成処理の流れの例を説明するフローチャートである。 ＳＯＢＥＬフィルタについて説明する図である。 エッジ画像の例を示す図である。 投票処理の流れの例を説明するフローチャートである。 投票処理の際のテンプレートによるマッチングの方法を説明する図である。 中心度プレーンを作成する方法を説明する図である。 人体検出装置の処理の流れの例を説明するフローチャートである。 頭部検出処理の流れの例を説明するフローチャートである。 検出精度が低下しやすい状況の例を示す図である。 マッチングの処理の時間が掛かりやすいテンプレートの例を示す図である。 テンプレートの変形例を示す図である。

符号の説明

１ 人体検出装置（物体検出装置）
１０１ 画像データ受信部（画像入力手段）
１０２ テンプレート管理部（テンプレート記憶手段）
１０３ 頭部位置検出部（検出手段）
２０２ エッジ画像生成部（エッジ画像生成手段）
２０３ 投票処理部（度合い算出手段、近さ算出手段）
２０４ 中心決定部（検出手段）
Ｇ 画像
ＧＥ エッジ画像
Ｈ 歩行者（物体）
Ｐ１ 半楕円検出度プレーン
Ｐ２ 肩形状検出度プレーン
ＰＴ 中心度プレーン
ＴＰ、ＴＰ１、ＴＰ２、ＴＰ４、ＴＰ５ テンプレート

Claims (8)

1. 画像の中から目標の物体を検出する物体検出装置であって、
   前記物体のモデルの輪郭の一部または当該モデルの部位を表す開曲線からなるテンプレートを記憶するテンプレート記憶手段と、
   検出の対象とする画像を入力する画像入力手段と、
   入力された画像に対して複数の前記テンプレートによる固定形状とのマッチング度を算出することによって、当該入力された画像の中から前記物体を検出する検出手段と、
   を有することを特徴とする物体検出装置。
2. 画像の中から目標の物体を検出する物体検出装置であって、
   前記物体のモデルの輪郭の一部または当該モデルの部位を表す開曲線からなるテンプレートを記憶するテンプレート記憶手段と、
   検出の対象とする画像を入力する画像入力手段と、
   入力された画像に対して前記テンプレートを用いてマッチングを行うことによって、入力された画像の画像領域ごとの、当該テンプレートの一致の度合いを算出する度合い算出手段と、
   互いに異なる複数の前記テンプレートを用いてマッチングを行うことによって当該テンプレートごとに算出される、前記入力された画像の画像領域ごとの前記度合いに基づいて、前記物体を検出する検出手段と、
   を有することを特徴とする物体検出装置。
3. 画像の中から目標の物体を検出する物体検出装置であって、
   前記物体のモデルの輪郭の一部または当該モデルの部位を表す開曲線からなるテンプレートを記憶するテンプレート記憶手段と、
   検出の対象とする画像を入力する画像入力手段と、
   入力された画像のエッジ画像を生成するエッジ画像生成手段と、
   生成された前記エッジ画像に対して前記テンプレートを用いてマッチングを行うことによって、当該エッジ画像の画像領域ごとに前記物体の位置への近さを求める、近さ算出手段と、
   互いに異なる複数の前記テンプレートを用いてマッチングを行うことによって当該テンプレートごとに算出される、前記エッジ画像の画像領域ごとの前記近さに基づいて、前記物体を検出する検出手段と、
   を有することを特徴とする物体検出装置。
4. 前記近さは数値によって表され、
   前記検出手段は、前記テンプレートごとに算出される、前記エッジ画像の画像領域ごとの前記近さを表す数値を、同じ画像領域のもの同士で加算し、それらの加算値のピークを調べることによって前記物体を検出する、
   請求項３記載の物体検出装置。
5. 前記物体は人であって、
   前記検出手段は、前記テンプレートの１つとして、人の頭部の上半分の輪郭を表す開曲線からなるテンプレートを用いる、
   請求項１ないし請求項４のいずれかに記載の物体検出装置。
6. 前記物体は人であって、
   前記検出手段は、前記テンプレートの１つとして、人の両肩の輪郭を表す２本の開曲線からなるテンプレートを用いる、
   請求項１ないし請求項５のいずれかに記載の物体検出装置。
7. 入力された画像に対してテンプレートを用いて固定形状とのマッチング度を算出することによって当該画像の中から目標の物体を検出する物体検出方法であって、
   前記テンプレートとして、前記物体のモデルの輪郭の一部または当該モデルの部位を表す開曲線からなるテンプレートを複数用いて、前記入力された画像に対するマッチングを行い、
   各前記テンプレートと前記入力された画像の各画像領域との一致の度合いに基づいて前記物体を検出する、
   ことを特徴とする物体検出方法。
8. 画像の中から目標の物体を検出するコンピュータに用いられるコンピュータプログラムであって、
   前記物体のモデルの輪郭の一部または当該モデルの部位を表す開曲線からなるテンプレートを記憶するテンプレート記憶手段から前記テンプレートを読み込む処理と、
   検出の対象とする画像を入力する処理と、
   入力された画像と複数の前記テンプレートとのマッチング度を算出する処理と、
   算出された前記マッチング度に基づいて前記物体を検出する処理と、
   をコンピュータに実行させるためのコンピュータプログラム。

Images