JP2006309641A - 画像処理装置 - Google Patents
画像処理装置 Download PDFInfo
- Publication number
- JP2006309641A JP2006309641A JP2005133979A JP2005133979A JP2006309641A JP 2006309641 A JP2006309641 A JP 2006309641A JP 2005133979 A JP2005133979 A JP 2005133979A JP 2005133979 A JP2005133979 A JP 2005133979A JP 2006309641 A JP2006309641 A JP 2006309641A
- Authority
- JP
- Japan
- Prior art keywords
- target
- image
- target candidate
- information
- peripheral
- 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.)
- Withdrawn
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】 複雑な背景を有する画像において目標が静止し且つ画像上での目標サイズが小さい場合でも目標を目標以外のものと区別し正しく認識できる画像処理装置を提供する。
【解決手段】 本発明の画像処理装置は、画像データを格納する画像格納手段と、画像における目標候補の位置又は大きさのデータを格納しておく目標候補格納手段と、目標候補領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくとも一つを含む特徴量を算出する目標領域特徴量算出手段と、目標候補周辺領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくとも一つを含む特徴量につき、目標候補周辺の周辺モデルを生成する周辺領域モデル生成手段と、前記目標領域特徴量算出手段で算出された目標領域の特徴量の、前記周辺領域モデル生成手段によって算出された周辺モデルからの乖離程度を算出することで目標候補の真偽判定を行う判定手段とを有する。
【選択図】図1
【解決手段】 本発明の画像処理装置は、画像データを格納する画像格納手段と、画像における目標候補の位置又は大きさのデータを格納しておく目標候補格納手段と、目標候補領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくとも一つを含む特徴量を算出する目標領域特徴量算出手段と、目標候補周辺領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくとも一つを含む特徴量につき、目標候補周辺の周辺モデルを生成する周辺領域モデル生成手段と、前記目標領域特徴量算出手段で算出された目標領域の特徴量の、前記周辺領域モデル生成手段によって算出された周辺モデルからの乖離程度を算出することで目標候補の真偽判定を行う判定手段とを有する。
【選択図】図1
Description
本発明は、複雑な背景を有する画像において、目標の静止・移動に関わらず目標を認識する画像処理装置に関する。
画像における目標認識に関する従来技術として様々なものが提案されているが、大きく分類すると、(1)移動目標を認識する装置と、(2)移動・静止に関わらず目標を認識する装置とに分けることができる。
上記の(1)移動目標を認識する装置は、時系列画像を用いることにより、フレーム間、あるいは背景画像との変化を抽出し、抽出領域の変化から目標を認識する技術を利用する。例えば、特許文献1に記載の移動物体抽出装置は、静止観測点にあるカメラを用いて同一景観を撮影した時系列画像から移動物体を抽出する際、背景が照明変動等の影響により急激に変化する場合でも移動物体を抽出できる装置である。
上記の(2)移動・静止に関わらず目標を認識する装置は、予め認識対象を学習し、学習データをもとに目標を認識する技術を利用する。例えば、非特許文献1は、認識対象とクラッタ各々について、形状やテクスチャなどの特徴を学習し、学習データをもとに、目標を認識する技術を開示する。
しかし、上記の(1)移動目標を認識する装置は、時系列画像から変化領域を抽出し、その抽出結果(即ち、目標の動き)を基に目標を認識しているため、静止している目標を認識できないという問題点を有する。更に、上記の(2)移動・静止に関わらず目標を認識する装置は、認識対象およびクラッタの形状やテクスチャなどの特徴を学習し、その学習データを基に目標を認識するため、対象が画像上である程度の大きさ(例えば、縦横数十ピクセル程度)を持つことが必要とされる。従って、目標サイズが小さい場合(例えば、縦横数〜十数ピクセル程度の場合)は対象が認識されないという問題点がある。
特開2004−178243号公報
Lipchen Alex Chan, Sandor Z. Der, and Nasser M. Nasrabadi, "Neural−Based Target Detectors for Multiband Infrared Imagery", Image Recognition and Classification, pp.1−pp.36, Marcel Dekker, Inc.
本発明は、複雑な背景を有する画像において目標が静止し且つ画像上での目標サイズが小さい場合でも、目標を目標以外のものと区別し正しく認識できる画像処理装置を提供することを目的とする。
本発明は上記の目的を達成するためになされたものである。本発明に係る画像処理装置は、
画像データを格納する画像格納手段と、
画像における目標候補の位置、大きさのうちの少なくとも一つのデータを格納しておく目標候補格納手段と、
目標候補領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくともいずれか一つを含む特徴量を算出する目標領域特徴量算出手段と、
目標候補周辺領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくともいずれか一つを含む特徴量について、目標候補周辺の周辺モデルを生成する周辺領域モデル生成手段と、
前記目標領域特徴量算出手段で算出された目標領域の特徴量の、前記周辺領域モデル生成手段によって算出された周辺モデルからの乖離程度を算出することによって目標候補の真偽判定を行う判定手段と
を有する画像処理装置である。
画像データを格納する画像格納手段と、
画像における目標候補の位置、大きさのうちの少なくとも一つのデータを格納しておく目標候補格納手段と、
目標候補領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくともいずれか一つを含む特徴量を算出する目標領域特徴量算出手段と、
目標候補周辺領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくともいずれか一つを含む特徴量について、目標候補周辺の周辺モデルを生成する周辺領域モデル生成手段と、
前記目標領域特徴量算出手段で算出された目標領域の特徴量の、前記周辺領域モデル生成手段によって算出された周辺モデルからの乖離程度を算出することによって目標候補の真偽判定を行う判定手段と
を有する画像処理装置である。
本発明に係る画像認識装置は、目標候補格納手段によって与えられる目標候補の真偽判定を、目標候補周辺領域の輝度や色などの特徴量から周辺モデルを生成することにより行うため、目標の静止・移動に関わらず目標認識を行うことができる。更に、本発明に係る画像認識装置は、目標候補周辺領域からモデルを生成するに当たり、局所的に分布の異なる複雑背景下においてもその状況に適応したモデルを生成することができるため、複雑背景下における目標認識も行うことができる。
以下、図面を参照しつつ本発明に係る好適な実施の形態を説明する。
実施の形態1
図1は、本発明の実施の形態1に係る画像処理装置1のブロック図である。なお、図1に示される実施の形態1に係る画像処理装置1は、特定のコンピュータプログラムを搭載した一般的なコンピュータででも、特別に構成されたプロセッサ及びメモリででも、実現可能である。図2は、図1に示される画像処理装置1における目標認識処理の概略のフローチャートである。画像処理装置1における目標認識の処理手順を図2のフローチャートを参照して説明する。
図1は、本発明の実施の形態1に係る画像処理装置1のブロック図である。なお、図1に示される実施の形態1に係る画像処理装置1は、特定のコンピュータプログラムを搭載した一般的なコンピュータででも、特別に構成されたプロセッサ及びメモリででも、実現可能である。図2は、図1に示される画像処理装置1における目標認識処理の概略のフローチャートである。画像処理装置1における目標認識の処理手順を図2のフローチャートを参照して説明する。
まず、画像格納手段2から格納されている画像が1枚得られる(ST05)。次に、目標候補格納手段4に格納されている目標候補に関する目標候補情報が得られる(ST10)。ここでの目標候補情報とは、大きさ、位置などのデータである。目標候補格納手段4に格納されるデータは、画像格納手段2に格納されている画像データを得るセンサとは、異なるセンサから得られたデータでもよい。
次に、目標領域特徴量算出手段6が、上記の画像データ及び目標候補情報から、目標候補領域の特徴量を算出する(ST103)。ここでの目標候補領域の特徴量とは、目標候補領域の輝度、色などの量である。目標候補領域の特徴量は目標候補領域に関するテクスチャ情報や勾配情報でもよい。特徴量は、複数のデータから成る多次元の特徴量ベクトルでもよいし、輝度だけから成る1次元スカラ量でもよい。
次に、周辺領域モデル生成手段8が、目標候補領域周辺の特徴量(輝度、色、テクスチャ情報、若しくは勾配情報など)につき周辺モデルを生成する。例えば、周辺モデルを正規分布のモデルと仮定して、特徴量の平均m及び標準偏差σを算出する(ST15)。また、複雑な背景を有する画像の場合、局所的に複数のピークを持つと考えられる。従って、周辺モデルを複数の正規分布の集まりである混合正規分布のモデルと仮定し、それらの特徴量の複数(ここでは、k個)の平均をm1、m2、・・・mk、標準偏差をσ1、σ2、・・・σkとして、各々を算出してもよい。
更に、判定手段10が、目標領域特徴量算出手段6で算出された目標候補の特徴量と周辺領域モデル生成手段4で算出された周辺モデルとを比較する。具体的には、例えば、周辺モデルからの乖離範囲を予め設定しておいて、特徴量がその範囲内にあるかどうかを判定する(ST25)。図2のフローチャートでは、予め設定しておく周辺モデルからの乖離範囲を、“周辺モデルの平均からXσ〜Yσの範囲”としている。ここでの“Xσ〜Yσ”は、特徴量の平均からの乖離の範囲の例である。
ST25において、範囲外であると判断されれば、目標候補は目標ではないことになる(ST35)。範囲内であると判断されれば、目標候補は目標であることになる(ST30)。
上記の実施の形態1の説明では、画像中に存在する目標候補数が1つの場合について示した。目標候補数が複数である場合は、目標候補数まで図2のST05乃至ST35の処理を繰り返して行えばよい。
実施の形態2
図3は、本発明の実施の形態2に係る画像処理装置1のブロック図である。図4は、図3に示される画像処理装置1における目標認識処理の概略のフローチャートである。実施の形態2に係る画像処理装置は、実施の形態1に係る画像処理装置と略同様のものである。従って、同一の部位には同一の符号を付して説明を省略する。
図3は、本発明の実施の形態2に係る画像処理装置1のブロック図である。図4は、図3に示される画像処理装置1における目標認識処理の概略のフローチャートである。実施の形態2に係る画像処理装置は、実施の形態1に係る画像処理装置と略同様のものである。従って、同一の部位には同一の符号を付して説明を省略する。
まず、画像格納手段2から格納されている画像が1枚得られる(ST05)。次に、目標候補格納手段4に格納されている目標候補に関する目標候補情報が得られる(ST10)。ここまでは実施の形態1と同様である。
続いて、周辺領域算定手段12が、目標候補の周辺領域の大きさを算定する。例えば、目標候補格納手段4に格納されている目標候補情報、予め設定した目標候補の大きさ、若しくは目標領域の画像における空間周波数などから、周辺領域の大きさが算定される。
この後のST15乃至ST35は、実施の形態1と同様に行なわれる。
周辺領域算定手段12を設けることにより、各目標に応じた周辺領域を設定することができる。そのため、より詳細で正確な周辺モデルが生成でき、目標認識の精度が向上する。
実施の形態3
図5は、本発明の実施の形態3に係る画像処理装置1のブロック図である。図6は、図5に示される画像処理装置1における目標認識処理の概略のフローチャートである。実施の形態2に係る画像処理装置は、実施の形態1に係る画像処理装置と略同様のものである。従って、同一の部位には同一の符号を付して説明を省略する。
図5は、本発明の実施の形態3に係る画像処理装置1のブロック図である。図6は、図5に示される画像処理装置1における目標認識処理の概略のフローチャートである。実施の形態2に係る画像処理装置は、実施の形態1に係る画像処理装置と略同様のものである。従って、同一の部位には同一の符号を付して説明を省略する。
まず、画像格納手段2から格納されている画像が1枚得られる(ST05)。次に、第2の画像格納手段14から格納されている画像が1枚得られる(ST06)。これら2枚の画像は、ともに同時刻に別のセンサ等で撮影された異なる画像である。例えば、画像格納手段1は可視画像データを格納するものであり、第2の画像格納手段14は赤外画像データを格納するものであればよい。
続いて目標候補抽出手段16が、第2の画像格納手段14から得られた画像から目標候補を抽出する(ST08)。例えば、目標候補抽出手段16は、赤外画像からある閾値以上の熱を持った領域のデータを抽出する手段である。目標候補抽出手段14によって抽出された目標候補の位置や大きさなどの情報は、目標候補格納手段4に格納される。
この後のST10乃至ST35は、実施の形態1(及び実施の形態2)と同様に行なわれる。
上記第2の画像格納手段と目標候補抽出手段を設けることにより、様々な目標を抽出することが可能となる。
画像格納手段2と第2の画像格納手段14は、同時刻に別のセンサで撮影された異なる画像データを夫々格納する、と記したが、2枚の画像における目標位置、大きさなどの目標情報が一致しているのであれば、異なる時刻の画像データであってもよい。
1 画像処理装置、 2 画像格納手段、 4 目標候補格納手段、 6 目標領域特徴量算出手段、 8 周辺領域モデル生成手段、 10 判定手段、 12周辺領域三点手段、 14 第2の画像格納手段、 16 目標候補抽出手段。
Claims (3)
- 画像データを格納する画像格納手段と、
画像における目標候補の位置、大きさのうちの少なくとも一つのデータを格納しておく目標候補格納手段と、
目標候補領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくともいずれか一つを含む特徴量を算出する目標領域特徴量算出手段と、
目標候補周辺領域の輝度情報、色情報、テクスチャ情報、若しくは勾配情報のうち少なくともいずれか一つを含む特徴量について、目標候補周辺の周辺モデルを生成する周辺領域モデル生成手段と、
前記目標領域特徴量算出手段で算出された目標領域の特徴量の、前記周辺領域モデル生成手段によって算出された周辺モデルからの乖離程度を算出することによって目標候補の真偽判定を行う判定手段と
を有する画像処理装置。 - 周辺領域の大きさを算定する周辺領域算定手段を、更に有することを特徴とする請求項1に記載の画像認識装置。
- 前記画像格納手段に格納される画像データを得たセンサとは異なるセンサにより得られた画像データを格納する第2の画像格納手段と、
前記第2の画像格納手段に格納されている画像から目標候補データを抽出し前記目標候補格納手段に格納する目標候補抽出手段とを、更に有することを特徴とする請求項1に記載の画像認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005133979A JP2006309641A (ja) | 2005-05-02 | 2005-05-02 | 画像処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005133979A JP2006309641A (ja) | 2005-05-02 | 2005-05-02 | 画像処理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006309641A true JP2006309641A (ja) | 2006-11-09 |
Family
ID=37476432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005133979A Withdrawn JP2006309641A (ja) | 2005-05-02 | 2005-05-02 | 画像処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006309641A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190065345A (ko) * | 2017-10-20 | 2019-06-11 | 알리바바 그룹 홀딩 리미티드 | 증명서 및 신원 검증 방법 및 장치 |
-
2005
- 2005-05-02 JP JP2005133979A patent/JP2006309641A/ja not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190065345A (ko) * | 2017-10-20 | 2019-06-11 | 알리바바 그룹 홀딩 리미티드 | 증명서 및 신원 검증 방법 및 장치 |
JP2020502629A (ja) * | 2017-10-20 | 2020-01-23 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | 証明書および身元を確認するための方法および装置 |
KR102226619B1 (ko) * | 2017-10-20 | 2021-03-15 | 어드밴스드 뉴 테크놀로지스 씨오., 엘티디. | 증명서 및 신원 검증 방법 및 장치 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022036143A (ja) | 物体追跡システム、物体追跡装置、および物体追跡方法 | |
JP6088792B2 (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
JP5493108B2 (ja) | 距離画像カメラを用いた人体識別方法および人体識別装置 | |
JP2016066360A (ja) | テキストベース3d拡張現実 | |
JP2008286725A (ja) | 人物検出装置および方法 | |
JP2016099941A (ja) | オブジェクト位置推定システム、及びそのプログラム | |
JP2019096294A (ja) | 視差推定装置及び方法 | |
JP2013206458A (ja) | 画像における外観及びコンテキストに基づく物体分類 | |
JP2009163682A (ja) | 画像識別装置及びプログラム | |
JP2011089784A (ja) | 物体方向推定装置 | |
JP5047658B2 (ja) | カメラ装置 | |
JP6542406B1 (ja) | 読取システム、読取方法、プログラム、及び記憶媒体 | |
JP2012103859A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
JP6326622B2 (ja) | 人物検出装置 | |
JP5020920B2 (ja) | 歩行者検出装置及びプログラム | |
JP5791361B2 (ja) | パターン識別装置、パターン識別方法およびプログラム | |
JP6393495B2 (ja) | 画像処理装置および物体認識方法 | |
JP2018133042A (ja) | 放置物検出装置 | |
JP5217917B2 (ja) | 物体検知追跡装置,物体検知追跡方法および物体検知追跡プログラム | |
KR101521136B1 (ko) | 얼굴 인식 방법 및 얼굴 인식 장치 | |
JP6296769B2 (ja) | 物体検出装置 | |
JP2006309641A (ja) | 画像処理装置 | |
US9158956B2 (en) | Reader, reading method and computer program product | |
JP2009069145A (ja) | 物体検知の方法 | |
WO2017179728A1 (ja) | 画像認識装置、画像認識方法および画像認識プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070911 |
|
A761 | Written withdrawal of application |
Effective date: 20101008 Free format text: JAPANESE INTERMEDIATE CODE: A761 |