JP2006065419A

JP2006065419A - 人検出装置

Info

Publication number: JP2006065419A
Application number: JP2004244414A
Authority: JP
Inventors: Hidekazu Araki; 秀和荒木; Tsuyoshi Yamane; 剛志山根
Original assignee: Matsushita Electric Works Ltd
Current assignee: Panasonic Electric Works Co Ltd
Priority date: 2004-08-24
Filing date: 2004-08-24
Publication date: 2006-03-09
Anticipated expiration: 2024-08-24
Also published as: JP4475060B2

Abstract

【課題】人が監視空間内に存在することを周囲環境の明るさや、人の周囲の物体の存在にかかわらず、正確迅速に検出することができる人検出装置を提供する。
【解決手段】
距離情報計測手段１により、監視空間内に存在する人や物の距離が計測点毎に得られ、その距離情報から高さ方向のデータを取得して高さの情報を有するマップ画像をマップ生成手段３で作成する。人候補領域抽出手段４では、マップ画像データと人間の上半身の形状に関する情報用いて人が存在すると判断される領域を抽出する。人判定手段６は、人候補領域の水平方向の平面画像と人型モデル画像記憶部１３に記憶されている人体形状画像との一致の程度により人であるかどうかの判定を行う。
【選択図】図１

Description

本発明は、監視空間における人の存否の判断を行う人検出装置に関する。

従来、夜間の道路等における歩行者を検出するために、撮像時刻の異なる画像間で差分を求めることにより、移動物体として人を検出することが行われている（例えば、特許文献１参照）。

また、３次元位置測定装置を用いて検知対象物までの距離を測定し、距離の分布パターンを距離画像として記憶させ、この距離画像とあらかじめ登録された基準パターンとの差画像を抽出して一致度を評価して検知対象物が存在するかどうかを判断する検出装置が提案されている（例えば、特許文献２参照）。

特開平１１−３１２３０号公報特開２００３−１９６６５６号公報

しかし、上記従来の画像間で差分を求めて人を検出する装置では、撮像画像の明るさの変化から人を検出するので、静止している物体・人は検出できない。また、周囲環境の明るさと人の明るさの差が少ない場合、例えば、白い壁の前に存在する白っぽい服の人物のような場合には、明るさの変化が少ないので、検出することが困難である。

一方、距離の分布パターンを距離画像として記憶させ、基準パターンと比較して人を検出する検出装置では、人が監視空間に存在する場合の基準パターンを様々に想定して多く作成しておく必要があり、一致度を評価するのにも時間がかる。また、人が重なり合っている場合や、人と他の物体が距離測定の方向に対して重なっている場合には、人が存在すると判定することが困難であった。

本発明は、上述した課題を解決するために創案されたものであり、人が監視空間内に存在することを周囲環境の明るさや、人の周囲の物体の存在にかかわらず、正確迅速に検出することができる人検出装置を提供することを目的としている。

上記目的を達成するために、請求項１記載の発明は、３次元空間内の測定対象物の距離情報を取得する距離情報計測手段と、前記距離情報計測手段で取得された距離情報から高さの情報を算出して測定点の高さ情報を２次元平面上に表したマップ情報を生成するマップ生成手段と、人を水平方向から見た場合の人体形状モデル画像が記憶された人型モデル画像記憶部と、平均的な人体の上半身の形状に関する情報に基づいて前記マップ情報から人が存在すると推定できる人候補領域を抽出する人候補領域抽出手段と、前記人候補領域の水平方向の平面画像と人体形状モデル画像との一致の程度により人であるかどうかを判断する人判定手段とを備えたことを特徴とする人検出装置である。

また、請求項２記載の発明は、前記人候補領域抽出手段で抽出された人候補領域から人体の幅方向に直交する方向を人が向いている方向として推定する人方向推定手段を備えたことを特徴とする請求項１記載の人検出装置である。

また、請求項３記載の発明は、前記人方向推定手段は、人候補領域のマップ情報のうち肩付近の情報を用いることを特徴とする請求項２記載の人検出装置である。

また、請求項４記載の発明は、前記人方向推定手段は、推定した人の幅方向において、頭部と推定される部分の長さの割合に基づいて人であるかどうかを判断することを特徴とする請求項２〜請求項３記載の人検出装置である。

また、請求項５記載の発明は、前記人判定手段は、前記人方向推定手段で推定された人の方向を用いて人候補領域のマップ情報を正面視となるように画像処理を行った後、前記人体形状モデル画像との一致の程度を算出することを特徴とする請求項２〜請求項４記載の人検出装置である。

また、請求項６記載の発明は、前記人型モデル画像記憶部には、人体形状の左半身、右半身の簡易モデル画像も格納されており、前記人判定手段は人の幅方向において前記簡易モデル画像と人候補領域内の正面視画像との一致の程度により人であるかどうかを判断することを特徴とする請求項５記載の人検出装置である。

また、請求項７記載の発明は、顔表面の３次元モデル形状が記憶された特徴３次元モデル記憶部を備え、前記人方向推定手段は、人候補領域のマップ情報から頭部の長さに相当する画像を抽出し、この画像と前記顔表面の３次元モデル形状との一致の程度により人の前後方向を推定することを特徴とする請求項２〜請求項６記載の人検出装置である。

本発明によれば、高さ方向の情報を有するマップ情報を作成して垂直方向から人が存在している領域かどうか判断しているので、周囲環境の明るさに影響されず、人が重なり合っている場合や人の周囲に物が存在している場合でも、正確迅速に検出することができる。

以下、図面を参照して本発明の一実施形態を説明する。図１は本発明の人検出装置の構成例を示す図である。

人検出装置は、距離情報計測手段１、人検出処理装置２で構成されており、図示はしていないが、３次元空間内の画像を取得するためのカメラ装置も備えている。
人検出処理装置２は、コンピュータ処理システムにより構成されており、一般のコンピュータ処理システムと同様、ＣＰＵ、記憶装置やメモリ、モニタ、キーボード等から構成され、各部の動作はＣＰＵによって制御される。距離情報計測手段１、カメラ装置（図示せず）と人検出処理装置２とはインタフェース部により接続されており、人検出処理装置２内からの制御信号にしたがって距離情報や画像情報を取得して、人検出処理装置２内に送信するようになっている。

人検出処理装置２は、マップ生成手段３、人候補領域抽出手段４、人方向推定手段５、人判定手段６、顔画像取得部７、出力手段８、記憶部９で構成されている。また、記憶部９には、上面視人体モデル情報記憶部１０、特徴３次元モデル記憶部１１、特徴濃淡モデル記憶部１２、人型モデル画像記憶部１３等が格納されている。

図２は、人検出装置を配置して、監視空間内の情報を得る様子を示したものである。距離情報計測手段１は、例えばレーザ光距離測定装置のように、投射光が測定対象物に反射して戻ってくるまでの時間に基づいて測定対象物までの距離を測定する（Time−Of−Flight法）ものを用いるが、複数台のＴＶカメラを用いるステレオ画像法によるものであっても良く、測定対象物の距離情報を得ることができる手段であれば良い。

距離情報計測手段１の測定方向は、床３２の床面に平行ではなく、やや斜め下方に向けられている。距離情報計測手段１により、図２に示す空間内の人Ａ、人Ｂ、椅子３１、床３２等の各対象物の距離が計測点毎に得られ、この距離から各計測点の３次元座標が求められる。図２に示すように、上記３次元座標は距離情報計測手段１の座標系（センサ座標系）Ｘｓ、Ｙｓ、Ｚｓで算出される。なお、Ｏｓはセンサ座標系の原点を示す。

これらのセンサ座標データはマップ生成手段３に送られる。マップ生成手段３では、まず、センサ座標データを図２に示す床面上に設定されたマップ座標系Ｘｍ、Ｙｍ、Ｚｍに変換する。この変換は以下のように行われる。

床面に設定されたマップ座標系とセンサ座標系の相対位置関係をあらかじめ算出しておく。両座標系間の回転のずれと並行位置ずれを示す行列式を［Ｒ］、［Ｔ］とすると、センサ座標系（Ｘｓ、Ｙｓ、Ｚｓ）からマップ座標系における座標（Ｘｍ、Ｙｍ、Ｚｍ）への変換は、以下のように行われる。

次に、マップ座標系に変換された計測点の中でＸｍ座標及びＺｍ座標が同一座標となる３次元データの内、Ｙｍ座標（床面からの高さに相当する）が最も大きい点の位置を（Ｘｍ、Ｚｍ）座標の２次元平面上にプロットする。上記Ｘｍ座標及びＺｍ座標が同一座標となる３次元データであるかどうかについては、マップの画素の大きさをｇｘ、ｇｚとしたとき、２点間のＸｍ座標とＺｍ座標の各々の差が共に、ｇｘ以下でかつｇｚ以下であるときに同一座標（同一地点）であると判断する。

プロットを行う場合に、Ｙｍ座標値（床面からの高さに相当する）に応じてグレースケール（濃淡）を割り当てておく。例えば床面上の高さ（Ｙｍ＝０）を黒色とし、監視空間内の最も高い点（例えば、人間の頭頂部）を白色とし、床面から人間の頭頂部までの間の高さに対して何段階かのグレースケールを割り当てるようにしても良い。以上のようにして生成されたマップ画像を示すのが図３である。濃淡は、床面からの高さを表しており、明るい程高いことを示す。ところで、距離情報計測手段１からの投射光が届かない部分、例えば人Ｂの右肩や右手の部分のデータは得られないので表示されていない。また、人Ａについても、図３では背面の部分が表示されているが、実際には少しデータが存在しない部分が存在する。

次に、このマップ画像データを用いて人候補領域抽出手段４では、人が存在すると判断される領域を抽出する。人候補領域抽出手段４は、上面視人体モデル情報記憶部１０に格納されているデータを用いるが、上面視人体モデル情報記憶部１０には、図４に示すような平均的日本人の上半身の体格に関する情報が格納されている。例えば、人間の肩幅の長さＷ、人間頭部の長さＫ、人間の床面投影面積Ｃ等である。

図５は人候補領域の抽出手順を示す。まず、マップ上の任意の点Ａに着目し、着目点Ａから所定距離離れた位置の点Ｂをすべて抽出する（Ｓ１）。この所定距離は、上面視人体モデル情報記憶部１０から人間の肩幅の長さＷを読み出し、そのＷの半分の値を用いる。

次に、点Ａと抽出されたすべての点Ｂとを比較し、点Ａと点Ｂの床面からの高低差（マップ画像上の濃淡差に相当）が、所定範囲内であれば、その点Ａを抽出する（Ｓ２）。この所定範囲についても、上面視人体モデル情報記憶部１０内の人間頭部の長さ情報が用いられ、Thr1＝Ｋ、Thr2＝１．５×Ｋとなる。すなわち、人間の肩近傍のデータを用いる。抽出された点Ａを中心とし、人間の肩幅Ｗに相当する直径の円領域内で、点Ａとの高低差が所定範囲（０〜１．５×Ｋ）内である点を抽出する（Ｓ３）。

Ｓ３で抽出された点のうち、マップ上で隣接している点同士を連結して同一領域にグルーピングする（Ｓ４）。そのグルーピングされた領域が、Ｃ／２（人間の床面投影面積Ｃ
の半分）〜Ｃまでの範囲内であれば、その領域を人候補領域とする（Ｓ５）。マップ上を走査しながら、次の点Ａに順次移動する（Ｓ６）。移動した点ＡについてＳ１〜Ｓ５までの処理が既に行われ、マップ上のすべての点についてＳ１〜Ｓ５までの処理が行われたと判断された場合に終了となり、そうでなければ、Ｓ１に戻って前記の処理を行っていく（Ｓ７）。

上記人候補領域抽出が終了すると、人判定手段６で人であるかどうかの判定を行う。本実施例では、人方向推定手段５を用いない場合の人判定の手順を説明する。図６が人判定動作を示すフローチャートである。

人判定手段６では、まず、人候補領域抽出手段４で抽出された人候補領域内の３次元データをＸｍＹｍ平面に投影して、人物の平面像Ｓを生成する（Ｓ１１）。この平面像Ｓと人型モデル画像記憶部１３に記憶されている人型モデル画像Ｍｉとの正規化相関値Ｒｉを算出する（Ｓ１２）。正規化相関値Ｒｉは、平面像Ｓと人型モデル画像Ｍｉとの一致度を表す。人型モデル画像記憶部１３には、人間が向いている方向（Ｙｍ軸の回りの回転）毎に、図４に示すような人間全体のＸｍＹｍ平面画像が存在し、これら複数枚の画像が格納されている。

そして、人型モデル画像記憶部１３に格納されている各人型モデル画像と平面像Ｓとの正規化相関値Ｒｉがすべて算出されたなら（Ｓ１３）、これらの正規化相関値Ｒｉのうち最も大きい値Ｒを選択する（Ｓ１４）。Ｒがあらかじめ設定された閾値（thrＲ）以上であれば、人候補領域部分を人であると判定し（Ｓ１６）、閾値（thrＲ）未満であれば人でないと判定する（Ｓ１７）。この判定結果が出力手段８に表示される。本実施例では、顔画像取得部７も用いない。

以上のように、まず、高さ方向の情報を有するマップ画像を作成して、人候補領域を推定するようにしているので、水平方向から見ると人が重なり合っている場合にも精度良く人を分離して検出することができる。

次に、人方向推定手段５を用いた場合の実施例を説明する。距離情報計測手段１で得た情報に対して、マップ生成手段３、人候補領域抽出手段４で行われる動作は、上述の実施例と同様である。人候補領域抽出手段４で抽出された人候補領域から人方向の推定手順を示すのが図８である。

人方向推定手段５では、まず、人候補領域内に含まれる点の中で、床面からの高さが最も高い点（マップ画像上の濃度が最も大きい）の高さＨｍａｘを求める（Ｓ２１）。本実施例では、Ｈｍａｘは人間の頭頂部の高さとなる。人候補領域内でＨｍａｘからの高低差が人間の頭部の長さＫ〜１．５×Ｋまでの範囲の点（人間の肩近傍のデータ）を抽出する（Ｓ２２）。抽出したマップ画像上の点群に対して、２次モーメントを算出して、その主軸方向を人方向とする（Ｓ２３）。このようして人方向を推定した結果を図７に示す。

次に、人方向を示す直線Ｌ上でかつ、人候補領域内における高さデータをサンプリングし（Ｓ２４）、高さが（Ｈｍａｘ−Ｋ／２）以上のデータ点数Ｎｕと、（Ｈｍａｘ−Ｋ／２）未満のデータ点数Ｎｌの比αを算出する（Ｓ２５）。データ点数Ｎｕは人間の肩幅方向における頭部の長さに相当し、データ点数Ｎｌは肩幅から頭部の長さを除いた長さに相当する。αが所定範囲内であるかどうか判断し（Ｓ２６）、αが所定範囲内であれば図１４の次ステップに進み（Ｓ２７）、所定範囲外であれば、人でないと判断して次ステップ以降の処理を中止する（Ｓ２８）。また、αをＮｕと（Ｎｕ＋Ｎｌ）との比として計算して判断するようにしても良い。

以上のようすれば、データ量の少ないマップ情報から人の方向を高速に推定することができる。また、人の方向を定めるときに、人間の肩付近のデータのみを用いて処理しているので、データ量を少なくして、処理の高速化を図れるとともに、距離情報計測手段１で測定誤差の生じやすい頭部の毛髪の影響（頭髪部が暗い色の場合、投射光が戻ってこない）を防ぐことができるので、人方向推定の精度を高めることができる。さらに、人判定手段６の前段の人方向推定手段５でも人であるかどうかを判断しているので、人でないと判断した場合には、次の処理以降を行う必要がなくなるため、高速処理が行える。

次に、この段階では人の方向は定まったが、前後は定まっていない。人の前後を決定する手順を示したのが、図１４である。

人候補領域内でＨｍａｘからの高低差がＫ（人間の頭部の長さ）までの範囲の点を抽出する（Ｓ４１）。抽出したマップ上の点群に対して、表面の高低差が所定範囲内の点を目、鼻、口の特徴候補点として抽出する（Ｓ４２）。この抽出される様子を示したのが、図１５である。もし、特徴候補点が抽出できなければ（Ｓ４３）、頭、体とも見えている方向を後ろ方向と判断する（Ｓ４９）。

特徴候補点が抽出できた場合には、特徴候補点を特徴３次元モデル記憶部１１に記憶されている特徴３次元モデル（人間の頭部形状モデル）の特徴点と照合する。ところで、特徴点をＲ、人候補領域のマップ情報から抽出した特徴点位置をＸｓ（Ｒ）、特徴３次元モデルの特徴点位置をＸ_Ｍ（Ｒ）とすると、特徴候補点と特徴３次元モデルの特徴点との距離の総和Ｓ（Ｒ）は以下のようになる。
上記照合は、総和Ｓ（Ｒ）を算出して行われる（Ｓ４４）。この様子を示すのが、図１６である。

総和Ｓ（Ｒ）が所定の閾値以下であれば（Ｓ４５）、図１７のように特徴候補点の３次元位置を特徴位置とする（Ｓ４６）。一方、総和Ｓ（Ｒ）が所定の閾値を超えている場合には、頭、体とも見えている方向を後ろ方向と判断する（Ｓ４９）。図１８に示すように、床面からの最高位置Ｔに対して目、鼻、口の特徴点が存在する方向を頭部正面方向とし（Ｓ４７）、頭部正面方向の存在する体の方向を、前方向とする（Ｓ４８）。

以上のように、人間の体方向が推定された結果を示すのが、図１９である。人の方向に対してどちらが前側であるかがわかれば、人の方向に対して直角の方向が体の前方向になる。頭部正面方向と体の前方向とにずれが生じるのは、顔を斜め横に向けているためである。

上記のように、人方向推定手段５により人の方向等が推定された場合、人判定手段６で行われる動作は、先の実施例とは異なるものとなる。図９に人判定手段６の動作を示す。

図１０に示すように、人方向推定手段で求めた、人方向を示す直線Ｌと頭頂部点Ｔとで構成される平面πを算出する（Ｓ３１）。人候補領域内の計測データを平面πに投影して図１１のように投影像Ｓを生成する（Ｓ３２）。平面πは人の方向に沿って設定されているので、投影像Ｓは図１５のように、人候補の正面像となる。次に、投影像Ｓと人型モデル画像記憶部１３に記憶されている人型モデル画像Ｍと照合する。

照合は、前述したように平面像Ｓと人型モデル画像Ｍとの正規化相関処理により行われる。照合の結果、正規化相関値（平面像Ｓと人型モデル画像Ｍとの一致度を表す）が、あらかじめ設定された閾値（thrＲ）以上であれば、人候補を人であると判定し、閾値（thrＲ）未満であれば人でないと判定する。先の実施例とは異なり、人方向を用いることにより投影像Ｓは正面方向となるので、人型モデル画像Ｍは正面モデル画像のみで良く、人の姿勢（方向）に対応した多数の人型モデル画像を記憶させる必要がない。

ところで、図２の人Ａであれば、距離情報計測手段１に対して向き合う形となり、正面のデータは計測されるので、図１１のように正面像を算出することができるが、人Ｂの場合には、距離情報計測手段１から隠れている部分は計測されないので、投影像Ｓは完全な正面像とはならずに、図１２のような像となる。したがって、人型モデル画像記憶部１３には、図１３に示すような右半身人型モデル画像と左半身人型モデル画像の２つについても記憶させておき、照合はそれぞれ独立して行う。このように不完全な正面視画像であっても、対応できるようにしている。

また、右半身人型モデル画像と左半身人型モデル画像の２つを記憶させておかなくても、人型全体の正面モデル画像の左または右から不完全な正面視画像である投影像Ｓ（例えば図１２のような投影像）に相当する割合の部分までのデータを投影像Ｓと照合し、一致度が所定値以上になれば、人候補を人であると判定するようにしても良い。

この動作を示すのが、Ｓ３３以下である。投影像Ｓと右半身人型モデル画像との正規化相関値Ｒｒを算出し（Ｓ３３）、投影像Ｓと左半身人型モデル画像との正規化相関値Ｒｌを算出し（Ｓ３４）する。ＲｒとＲｌの大きい方を選択し（Ｓ３５）、所定の閾値と比較して（Ｓ３６）閾値以上の場合に人候補領域は人であると判定し（Ｓ３７）、閾値未満の場合に人でないと判定する（Ｓ３８）。

顔画像取得部７では、頭部画像情報を頭部距離情報から形成されるポリゴンデータにテクスチャマッピングし、人方向推定手段５で求めた頭部正面方向が画像に対して正面視となるよう、図２０のように回転を行い、正面視の頭部画像情報を生成する。図２１に正面視の頭部画像情報の例を示すが、中央の三角形状は鼻の部分を表す。このようにして、判定された結果や画像情報などが出力手段８に表示される。

次に、人の前後を判定するのに、人方向推定手段５において図８、図１４とは異なる手順で行われる実施例を説明する。図２２は、人方向推定手段５での動作を示すフローチャートである。まず、本実施例では、距離情報計測手段１で測定する監視空間内の映像を撮影するカメラ装置を用いて距離情報とともに画像データも得るようにしている。

人方向推定手段５では、人候補領域内でＨｍａｘからの高低差が人間の頭部長さＫ内にある点を抽出する（Ｓ５１）。図２３のように抽出したマップ上の点群に相当する画像情報を取得し、画像情報の中から濃淡パターンマッチングにより頭髪部を抽出する（Ｓ５２）。図２４に頭髪部を抽出した結果を示す。図２３から図２４の頭髪部を除き、特徴濃淡モデル記憶部１２に記憶されている各モデルとの照合を行う。特徴濃淡モデル記憶部１２には、図２５に示すような目モデル、鼻モデル、口モデルの各パーツ毎の画像情報（濃淡情報）があらかじめ記憶されている。

頭髪部が抽出されない場合には、Ｓ５１で抽出されたマップ上の点群に相当する画像情報の中から特徴点を切り出した画像と特徴濃淡モデル記憶部１２に記憶されている特徴濃淡モデルとの正規化相関値ＦＲを算出する（Ｓ５５）。

画像上での位置を（ｘ、ｙ）、切り出し画像の画素値Ｉ（ｘ、ｙ）、モデル画像の画素値をＭ（ｘ、ｙ）、切り出し画像の画素の平均値を＜Ｉ＞、モデル画像の画素の平均値を＜Ｍ＞とすると、正規化相関値ＦＲは以下のようになる。

一方、頭髪部を抽出できた場合には、図２５に示すように特徴濃淡モデルである目モデル、鼻モデル、口モデルと頭髪部を除いた画像から特徴点を切り出した画像との正規化相関値ＦＲを算出する（Ｓ５４）。ＦＲが所定の閾値未満であれば（Ｓ５６）、頭、体とも見えている方向を後ろ方向とし（Ｓ６０）、閾値以上であれば（Ｓ５６）、図２６のように特徴濃淡モデルの位置に相当する３次元位置を特徴位置とする（Ｓ５７）。図１８と同様に床面から最高位置Ｔに対して目、鼻、口の存在する方向を頭部の正面方向とし（Ｓ５８）、人の方向のうち、頭部正面方向の向きを人の前方向とする（Ｓ５９）。このようにすれば、図１９と同様に、人の方向、頭部正面方向、体の前方向が定まる。

頭髪部が暗い色の場合、投射光が戻ってこないため、頭髪部の距離情報の誤差が大きくなることがあるが、本実施例では、画像情報を用いて特徴抽出を行っているため、頭髪を安定して検出でき、頭髪部とは反対方向に特徴点が存在することがわかるので、高精度、高速に特徴を検出できる。また、頭髪部を除いて特徴抽出を行うので、高速に特徴抽出を行うことができる。なお、人判定手段６以降の動作については上記２番目の実施例と同様となるので説明を省略する。

本発明の人検出装置の構成例を示す図である。人検出装置を配置して、監視空間内の情報を得る様子を示す図である。マップ生成手段で生成されたマップ画像を示す図である。上面視人体モデル情報の例を示す図である。人候補領域の抽出手順を示すフローチャート図である。人判定の手順を示すフローチャート図である。人方向推定結果を示す図である。人方向推定手順を示すフローチャート図である。人判定の手順を示すフローチャート図である人方向Ｌと平面πの関係を示す図である。平面πにおける正面像を示す図である。図２の人Ｂの場合の平面πにおける像を示す図である。人型モデル画像記憶部に記憶された半身像を示す図である。人の前後を推定する手順を示すフローチャート図である。抽出された特徴候補点を示す図である。特徴候補と特徴３次元モデルとを照合する様子を示す図である。特徴候補を特徴位置とした様子を示す図である。図１７から頭部正面方向を決定する様子を示す図である。人の方向に対して頭部正面方向等の関係を示す図である。頭部が正面視となるように回転を行う様子を示図である。図２０の回転結果を示す図である。人の前後を推定する手順を示すフローチャート図である。頭部の画像情報を示す図である。図２３の画像から頭髪部のみを抽出した画像を示す図である。頭髪部を除いた画像とモデル画像との照合を示す図である。特徴位置を３次元位置に対応させる様子を示す図である。

符号の説明

１距離情報計測手段
２人検出処理装置
３マップ生成手段
４人候補領域抽出手段
５人方向推定手段
６人判定手段
７顔画像取得部
８出力手段
９記憶部
１０上面視人体モデル情報記憶部
１１特徴３次元モデル記憶部
１２特徴濃淡モデル記憶部
１３人型モデル画像記憶部

Claims

３次元空間内の測定対象物の距離情報を取得する距離情報計測手段と、
前記距離情報計測手段で取得された距離情報から高さの情報を算出して測定点の高さ情報を２次元平面上に表したマップ情報を生成するマップ生成手段と、
人を水平方向から見た場合の人体形状モデル画像が記憶された人型モデル画像記憶部と、
平均的な人体の上半身の形状に関する情報に基づいて前記マップ情報から人が存在すると推定できる人候補領域を抽出する人候補領域抽出手段と、
前記人候補領域の水平方向の平面画像と人体形状モデル画像との一致の程度により人であるかどうかを判断する人判定手段とを備えたことを特徴とする人検出装置。
前記人候補領域抽出手段で抽出された人候補領域から人体の幅方向に直交する方向を人が向いている方向として推定する人方向推定手段を備えたことを特徴とする請求項１記載の人検出装置。
前記人方向推定手段は、人候補領域のマップ情報のうち肩付近の情報を用いることを特徴とする請求項２記載の人検出装置。
前記人方向推定手段は、推定した人の幅方向において、頭部と推定される部分の長さの割合に基づいて人であるかどうかを判断することを特徴とする請求項２〜請求項３のいずれか１項に記載の人検出装置。
前記人判定手段は、前記人方向推定手段で推定された人の方向を用いて人候補領域のマップ情報を正面視となるように画像処理を行った後、前記人体形状モデル画像との一致の程度を算出することを特徴とする請求項２〜請求項４のいずれか１項に記載の人検出装置。
前記人型モデル画像記憶部には、人体形状の左半身、右半身の簡易モデル画像も格納されており、前記人判定手段は人の幅方向において前記簡易モデル画像と人候補領域内の正面視画像との一致の程度により人であるかどうかを判断することを特徴とする請求項５記載の人検出装置。
顔表面の３次元モデル形状が記憶された特徴３次元モデル記憶部を備え、前記人方向推定手段は、人候補領域のマップ情報から頭部の長さに相当する画像を抽出し、この画像と前記顔表面の３次元モデル形状との一致の程度により人の前後方向を推定することを特徴とする請求項２〜請求項６のいずれか１項に記載の人検出装置。