JP2010273112A - 人物追跡方法、人物追跡装置および人物追跡プログラム - Google Patents
人物追跡方法、人物追跡装置および人物追跡プログラム Download PDFInfo
- Publication number
- JP2010273112A JP2010273112A JP2009123233A JP2009123233A JP2010273112A JP 2010273112 A JP2010273112 A JP 2010273112A JP 2009123233 A JP2009123233 A JP 2009123233A JP 2009123233 A JP2009123233 A JP 2009123233A JP 2010273112 A JP2010273112 A JP 2010273112A
- Authority
- JP
- Japan
- Prior art keywords
- head
- person
- image
- measurement target
- target frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000004364 calculation method Methods 0.000 claims abstract description 149
- 230000033001 locomotion Effects 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims description 173
- 238000005259 measurement Methods 0.000 claims description 165
- 239000012634 fragment Substances 0.000 claims description 15
- 238000012217 deletion Methods 0.000 claims description 13
- 230000037430 deletion Effects 0.000 claims description 13
- 230000004886 head movement Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 52
- 238000011156 evaluation Methods 0.000 description 188
- 238000000605 extraction Methods 0.000 description 124
- 238000012545 processing Methods 0.000 description 48
- 238000010586 diagram Methods 0.000 description 44
- 238000003860 storage Methods 0.000 description 36
- 238000012937 correction Methods 0.000 description 29
- 230000010354 integration Effects 0.000 description 22
- 239000000284 extract Substances 0.000 description 12
- 238000010801 machine learning Methods 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 7
- WMFYOYKPJLRMJI-UHFFFAOYSA-N Lercanidipine hydrochloride Chemical compound Cl.COC(=O)C1=C(C)NC(C)=C(C(=O)OC(C)(C)CN(C)CCC(C=2C=CC=CC=2)C=2C=CC=CC=2)C1C1=CC=CC([N+]([O-])=O)=C1 WMFYOYKPJLRMJI-UHFFFAOYSA-N 0.000 description 6
- 239000003086 colorant Substances 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
- G06V30/2504—Coarse or fine approaches, e.g. resolution of ambiguities or multiscale approaches
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
【解決手段】各フレーム画像上の頭部を検出し、各フレーム画像上に頭部が検出された人物を特徴づける特徴量を、該各フレーム画像ごとおよび各頭部ごとに算出し、過去のフレーム画像上に頭部が検出された各人物の過去のフレーム画像上の各特徴量と、今回のフレーム画像上に頭部が検出された各人物の今回のフレーム画像上の各特徴量との間の、特徴量どうしの一致の程度を表わす関連度を算出し、各関連度のうちの閾値以上の一致の程度を表わす関連度であってかつ最大の一致の程度を表わす関連度の算出の基になった頭部を同一の人物の頭部である旨、判別する。
【選択図】 図12
Description
被計測空間をカメラで撮影することにより生成された所定のフレームレートの動画像を表わす画像データに基づいて、その動画像を構成する複数のフレーム画像のうちの複数の計測対象フレーム画像それぞれについて、各計測対象フレーム画像上の頭部を検出する頭部検出ステップと、
上記画像データに基づいて、各計測対象フレーム画像上に頭部が検出された人物を特徴づける特徴量を、各計測対象フレーム画像ごとおよび各頭部ごとに算出する特徴量算出ステップと、
過去の計測対象フレーム画像上に頭部が検出された各人物の過去の計測対象フレーム画像上の各特徴量と、今回の計測対象フレーム画像上に頭部が検出された各人物の今回の計測対象フレーム画像上の各特徴量との間の、特徴量どうしの一致の程度を表わす関連度を算出する関連度算出ステップと、
今回の計測対象フレーム画像上に検出された頭部のうちの、過去の計測対象フレーム画像上に検出された頭部のうちの第1の頭部を持つ人物の過去の計測対象フレーム画像上の特徴量と今回の計測対象フレーム画像上に検出された各頭部を持つ各人物の該今回の計測対象フレーム画像上の各特徴量との間の各関連度のうちの第1の閾値以上の一致の程度を表わす関連度であってかつ最大の一致の程度を表わす関連度の算出の基になった頭部を、上記第1の頭部を持つ人物と同一の人物の頭部である旨、判別する同一人物判別ステップとを有することを特徴とする。
上記特徴量算出ステップは、上記複数の第1の計測対象フレーム画像における上記第1の人物の平均的な第1の平均特徴量と、上記複数の第2の計測対象フレーム画像における上記第2の人物の平均的な第2の平均特徴量とを算出するものであり、
上記関連度算出ステップは、上記第1の平均特徴量と上記第2の平均特徴量との間の関連度を算出するものであり、
上記同一人物判別ステップは、上記第1の平均特徴量と上記第2の平均特徴量との間の関連度が第2の閾値以上の一致の程度を表わす関連度である場合に、上記第1の人物と上記第2の人物が同一人物である旨、判別するものであることが好ましい。
被計測空間をカメラで撮影することにより生成された所定のフレームレートの動画像を表わす画像データに基づいて、上記動画像を構成する複数のフレーム画像のうちの複数の計測対象フレーム画像それぞれについて、各計測対象フレーム画像上の頭部を検出する頭部検出部と、
上記画像データに基づいて、各計測対象フレーム画像上に頭部が検出された人物を特徴づける特徴量を、各計測対象フレーム画像ごとおよび各頭部ごとに算出する特徴量算出部と、
過去の計測対象フレーム画像上に頭部が検出された各人物の過去の計測対象フレーム画像上の各特徴量と、今回の計測対象フレーム画像上に頭部が検出された各人物の今回の計測対象フレーム画像上の各特徴量との間の、特徴量どうしの一致の程度を表わす関連度を算出する関連度算出部と、
今回の計測対象フレーム画像上に検出された頭部のうちの、過去の計測対象フレーム画像上に検出された頭部のうちの第1の頭部を持つ人物の過去の計測対象フレーム画像上の特徴量と今回の計測対象フレーム画像上に検出された各頭部を持つ各人物の今回の計測対象フレーム画像上の各特徴量との間の各関連度のうちの第1の閾値以上の一致の程度を表わす関連度であってかつ最大の一致の程度を表わす関連度の算出の基になった頭部を、上記第1の頭部を持つ人物と同一の人物の頭部である旨、判別する同一人物判別部とを備えたことを特徴とする。
上記特徴量算出部は、上記複数の第1の計測対象フレーム画像における上記第1の人物の平均的な第1の平均特徴量と、上記複数の第2の計測対象フレーム画像における前記第2の人物の平均的な第2の平均特徴量とを算出するものであり、
上記関連度算出部は、上記第1の平均特徴量と上記第2の平均特徴量との間の関連度を算出するものであり、
上記同一人物判別部が、上記第1の平均特徴量と上記第2の平均特徴量との間の関連度が第2の閾値以上の一致の程度を表わす関連度である場合に、上記第1の人物と上記第2の人物が同一人物である旨、判別するものであることが好ましい。
被計測空間をカメラで撮影することにより生成された所定のフレームレートの動画像を表わす画像データに基づいて、上記動画像を構成する複数のフレーム画像のうちの複数の計測対象フレーム画像それぞれについて、各計測対象フレーム画像上の頭部を検出する頭部検出部と、
上記画像データに基づいて、各計測対象フレーム画像上に頭部が検出された人物を特徴づける特徴量を、各計測対象フレーム画像ごとおよび各頭部ごとに算出する特徴量算出部と、
過去の計測対象フレーム画像上に頭部が検出された各人物の過去の計測対象フレーム画像上の各特徴量と、今回の計測対象フレーム画像上に頭部が検出された各人物の今回の計測対象フレーム画像上の各特徴量との間の、特徴量どうしの一致の程度を表わす関連度を算出する関連度算出部と、
今回の計測対象フレーム画像上に検出された頭部のうちの、過去の計測対象フレーム画像上に検出された頭部のうちの第1の頭部を持つ人物の過去の計測対象フレーム画像上の特徴量と今回の計測対象フレーム画像上に検出された各頭部を持つ各人物の今回の計測対象フレーム画像上の各特徴量との間の各関連度のうちの第1の閾値以上の一致の程度を表わす関連度であってかつ最大の一致の程度を表わす関連度の算出の基になった頭部を、上記第1の頭部を持つ人物と同一の人物の頭部である旨、判別する同一人物判別部とを備えた人物追跡装置として動作させることを特徴とする。
上記特徴量算出部は、上記複数の第1の計測対象フレーム画像における上記第1の人物の平均的な第1の平均特徴量と、上記複数の第2の計測対象フレーム画像における前記第2の人物の平均的な第2の平均特徴量とを算出するものであり、
上記関連度算出部は、上記第1の平均特徴量と上記第2の平均特徴量との間の関連度を算出するものであり、
上記同一人物判別部が、上記第1の平均特徴量と上記第2の平均特徴量との間の関連度が第2の閾値以上の一致の程度を表わす関連度である場合に、上記第1の人物と上記第2の人物が同一人物である旨、判別するものであることが好ましい。
に従って補正後の画素値(輝度値)が求められ、この処理を画像全域について行なうことにより輝度補正が行なわれる。
の比率である。
Hrefの方が領域Hxよりも二次評価値likenessが高いものとする。
pos=(l,t,r,b)t
のそれぞれについて行なわれ、2つの領域Href,Hxが1つの領域に統合される。
画像との二次元的に広がる所定の広さの領域に作用し特定種類のオブジェクトの輪郭および内部のうちの互いに異なるいずれかの特徴量を算出する複数のフィルタであって、該複数のフィルタそれぞれにより算出される各特徴量と特定種類のオブジェクトである確率を表わす一次評価値との対応関係に対応づけられてなる複数のフィルタを、オブジェクト検出対象の画像上の前記所定の広さの領域に作用させて複数の特徴量を算出し、前記対応関係に基づいて各特徴量に対応する各一次評価値を求める一次評価値算出ステップと、
前記一次評価値算出ステップで求められた、前記複数のフィルタに対応する複数の一次評価値を総合することにより、当該領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求める二次評価値算出ステップと、
前記二次評価値算出ステップで求められた二次評価値と閾値とを比較して、該閾値を越えて特定種類のオブジェクトが存在する確率が高い領域を抽出する領域抽出ステップとを有し、該領域抽出ステップで領域を抽出することにより特定種類のオブジェクトを検出することを特徴とするオブジェクト検出方法。
オブジェクト検出対象の原画像を構成する画素を前記所定比率で間引くことにより、又は該所定比率で段階的に間引くことにより、原画像と一枚以上の間引画像とからなる画像群を生成する画像群生成ステップを有し、
前記一次評価値算出ステップが、前記画像群生成ステップにより生成された画像群のうちの相対的に小さい第1の画像に相対的に狭い領域に作用する複数の第1のフィルタを作用させて複数の特徴量を算出し、該複数の第1のフィルタそれぞれに対応する前記対応関係に基づいて各特徴量に対応する各一次評価値を求め、前記二次評価値算出ステップが、前記一次評価値算出ステップで求められた、前記複数の第1のフィルタに対応する複数の一次評価値を総合することにより、当該領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求め、前記領域抽出ステップが、前記二次評価値算出ステップで求められた二次評価値と第1の閾値とを比較して該第1の閾値を越えて特定種類のオブジェクトが存在する確率が高い一次候補領域を抽出する第1の抽出過程と、
前記一次評価値算出ステップが、前記画像群生成ステップにより生成された画像群のうちの前記第1の画像よりも画素数が一段階多い第2の画像の、前記一次候補領域に相当する領域に前記複数の第1のフィルタよりも一段広い領域に作用する複数の第2のフィルタを作用させて複数の特徴量を算出させ、該複数の第2のフィルタそれぞれに対応する前記対応関係に基づいて各特徴量に対応する各一次評価値を求め、前記二次評価値算出ステップが、前記一次評価値算出ステップで求められた、前記複数の第2のフィルタに対応する複数の一次評価値を総合することにより、当該一次候補領域に相当する領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求め、前記領域抽出ステップが、前記二次評価値算出ステップで求められた二次評価値と第2の閾値とを比較して該第2の閾値を越えて特定種類のオブジェクトが存在する確率が高い二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きな画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返し、前記領域抽出ステップで最終的に領域を抽出することにより特定種類のオブジェクトを検出することを特徴とする(1)記載のオブジェクト検出方法。
前記一次評価値算出ステップ、前記二次評価値算出ステップ、および領域抽出ステップが、前記画像群生成ステップで生成された複数の画像群それぞれに関し、前記複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きな画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことを特徴とする(2)記載のオブジェクト検出方法。
画像上の二次元的に広がる所定の広さの領域に作用し特定種類のオブジェクトの輪郭および内部のうちの互いに異なるいずれかの特徴量を算出する複数のフィルタを、該複数のフィルタそれぞれにより算出される各特徴量と特定種類のオブジェクトである確率を表わす一次評価値との対応関係に対応づけて記憶しておくフィルタ記憶部と、
オブジェクト検出対象の画像上の前記所定の広さの領域に前記複数のフィルタを作用させて複数の特徴量を算出し前記対応関係に基づいて各特徴量に対応する各一次評価値を求める一次評価値算出部と、
前記一次評価値算出部で求められた、前記複数のフィルタに対応する複数の一次評価値を総合することにより、当該領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求める二次評価値算出部と、
前記二次評価値算出部で求められた二次評価値と閾値とを比較して、該閾値を越えて特定種類のオブジェクトが存在する確率が高い領域を抽出する領域抽出部とを備え、該領域抽出部で領域を抽出することにより特定種類のオブジェクトを検出することを特徴とするオブジェクト検出装置。
オブジェクト検出対象の原画像を構成する画素を前記所定比率で間引くことにより、又は該所定比率で段階的に間引くことにより、原画像と一枚以上の間引画像とからなる画像群を生成する画像群生成部、および
前記一次評価値算出部に、前記画像群生成部により生成された画像群のうちの相対的に小さい第1の画像に前記フィルタ記憶部に記憶されたフィルタ群のうちの相対的に狭い領域に作用する複数の第1のフィルタを作用させて複数の特徴量を算出させ、該複数の第1のフィルタそれぞれに対応する前記対応関係に基づいて各特徴量に対応する各一次評価値を求めさせ、前記二次評価値算出部に、前記一次評価値算出部で求められた、前記複数の第1のフィルタに対応する複数の一次評価値を総合させることにより、当該領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求めさせ、前記領域抽出部に、前記二次評価値算出部で求められた二次評価値と第1の閾値とを比較させて該第1の閾値を越えて特定種類のオブジェクトが存在する確率が高い一次候補領域を抽出させる第1の抽出過程と、
再び前記一次評価値算出部に、前記画像群生成部により生成された画像群のうちの前記第1の画像よりも画素数が一段階多い第2の画像の、前記一次候補領域に相当する領域に前記フィルタ記憶部に記憶されたフィルタ群のうちの前記複数の第1のフィルタよりも一段広い領域に作用する複数の第2のフィルタを作用させて複数の特徴量を算出させ、該複数の第2のフィルタそれぞれに対応する前記対応関係に基づいて各特徴量に対応する各一次評価値を求めさせ、再び前記二次評価値算出部に、前記一次評価値算出部で求められた、前記複数の第2のフィルタに対応する複数の一次評価値を総合させることにより、当該一次候補領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求めさせ、再び前記領域抽出部に、前記二次評価値算出部で求められた二次評価値と第2の閾値とを比較させて該第2の閾値を越えて特定種類のオブジェクトが存在する確率が高い二次候補領域を抽出させる第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きな画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に、前記一次評価値算出部、前記二次評価値算出部、および領域抽出部に繰り返させる領域抽出演算制御部を備え、前記領域抽出部で最終的に領域を抽出することにより特定種類のオブジェクトを検出することを特徴とする(9)記載のオブジェクト検出装置。
前記領域抽出演算制御部は、前記画像群生成部で生成された複数の画像群それぞれに関し、前記複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きな画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に、前記一次評価算出部、前記二次評価算出部、および領域抽出部に繰り返させるものであることを特徴とする(10)記載のオブジェクト検出装置。
前記演算装置を、
画像上の二次元的に広がる所定の広さの領域に作用し特定種類のオブジェクトの輪郭および内部のうちの互いに異なるいずれかの特徴量を算出する複数のフィルタを、該複数のフィルタそれぞれにより算出される各特徴量と特定種類のオブジェクトである確率を表わす一次評価値との対応関係に対応づけて記憶しておくフィルタ記憶部と、
オブジェクト検出対象の画像上の前記所定の広さの領域に前記複数のフィルタを作用させて複数の特徴量を算出し前記対応関係に基づいて各特徴量に対応する各一次評価値を求める一次評価値算出部と、
前記一次評価値算出部で求められた、前記複数のフィルタに対応する複数の一次評価値を総合することにより、当該領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求める二次評価値算出部と、
前記二次評価値算出部で求められた二次評価値と閾値とを比較して、該閾値を越えて特定種類のオブジェクトが存在する確率が高い領域を抽出する領域抽出部とを有し、該領域抽出部で領域を抽出することにより特定種類のオブジェクトを検出するオブジェクト検出装置として動作させることを特徴とするオブジェクト検出プログラム。
前記演算装置を、
オブジェクト検出対象の原画像を構成する画素を前記所定比率で間引くことにより、又は該所定比率で段階的に間引くことにより、原画像と一枚以上の間引画像とからなる画像群を生成する画像群生成部、および
前記一次評価値算出部に、前記画像群生成部により生成された画像群のうちの相対的に小さい第1の画像に前記フィルタ記憶部に記憶されたフィルタ群のうちの相対的に狭い領域に作用する複数の第1のフィルタを作用させて複数の特徴量を算出させ、該複数の第1のフィルタそれぞれに対応する前記対応関係に基づいて各特徴量に対応する各一次評価値を求めさせ、前記二次評価値算出部に、前記一次評価値算出部で求められた、前記複数の第1のフィルタに対応する複数の一次評価値を総合させることにより、当該領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求めさせ、前記領域抽出部に、前記二次評価値算出部で求められた二次評価値と第1の閾値とを比較させて該第1の閾値を越えて特定種類のオブジェクトが存在する確率が高い一次候補領域を抽出させる第1の抽出過程と、
再び前記一次評価値算出部に、前記画像群生成部により生成された画像群のうちの前記第1の画像よりも画素数が一段階多い第2の画像の、前記一次候補領域に相当する領域に前記フィルタ記憶部に記憶されたフィルタ群のうちの前記複数の第1のフィルタよりも一段広い領域に作用する複数の第2のフィルタを作用させて複数の特徴量を算出させ、該複数の第2のフィルタそれぞれに対応する前記対応関係に基づいて各特徴量に対応する各一次評価値を求めさせ、再び前記二次評価値算出部に、前記一次評価値算出部で求められた、前記複数の第2のフィルタに対応する複数の一次評価値を総合させることにより、当該一次候補領域に特定種類のオブジェクトが存在する確率を表わす二次評価値を求めさせ、再び前記領域抽出部に、前記二次評価値算出部で求められた二次評価値と第2の閾値とを比較させて該第2の閾値を越えて特定種類のオブジェクトが存在する確率が高い二次候補領域を抽出させる第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きな画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に、前記一次評価値算出部、前記二次評価値算出部、および領域抽出部に繰り返させる領域抽出演算制御部をさらに有し、前記領域抽出部で最終的に領域を抽出することにより特定種類のオブジェクトを検出するオブジェクト検出装置として動作させることを特徴とする(15)記載のオブジェクト検出プログラム。
前記領域抽出演算制御部は、前記画像群生成部で生成された複数の画像群それぞれに関し、前記複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きな画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に、前記一次評価算出部、前記二次評価算出部、および領域抽出部に繰り返させるものであることを特徴とする(16)記載のオブジェクト検出プログラム。
オブジェクト検出対象の原画像を構成する画素を所定比率で間引くことにより、又は該所定比率で段階的に間引くことより、原画像と一枚以上の間引画像とからなる画像群を生成する画像群生成ステップ、および
前記画像群生成ステップにより生成された画像群のうちの相対的に小さい第1の画像に、画像上の二次元的に広がる領域に作用し該領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が前記所定比率で異なる、又は該所定比率で段階的に異なる、複数の広さの領域にそれぞれ作用する複数のフィルタからなるフィルタ群のうちの相対的に狭い領域に作用する第1のフィルタを作用させて所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
前記画像群生成ステップにより生成された画像群のうちの前記第1の画像よりも画素数が一段階多い第2の画像の、前記一次候補領域に相当する領域に、前記フィルタ群のうちの前記第1のフィルタよりも一段階広い領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記原画像中から特定種類のオブジェクトを検出する段階的検出ステップを有することを特徴とするオブジェクト検出方法。
前記段階的検出ステップは、前記画像群生成ステップで生成された複数の画像群それぞれに関し、前記抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記原画像および前記1つ以上の補間画像それぞれの中から特定種類のオブジェクトを検出するステップであることを特徴とする(21)記載のオブジェクト検出方法。
前記段階的検出ステップは、1つの領域に、該領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、該領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するステップであることを特徴とする(21)又は(22)記載のオブジェクト検出方法。
画像上の二次元的に広がる領域に作用し該領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が所定比率で異なる、又は所定比率で段階的に異なる、複数の広さの領域にそれぞれ作用する複数のフィルタからなるフィルタ群を記憶しておくフィルタ記憶部、
オブジェクト検出対象の原画像を構成する画素を前記所定比率で間引くことにより、又は該所定比率で段階的に間引くことにより、原画像と一枚以上の間引画像とからなる画像群を生成する画像群生成部、および
前記画像群生成部により生成された画像群のうちの相対的に小さい第1の画像に、前記フィルタ記憶部に記憶されたフィルタ群のうちの相対的に狭い領域に作用する第1のフィルタを作用させて所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
前記画像群生成部により生成された画像群のうちの前記第1の画像よりも画素数が一段階多い第2の画像の、前記一次候補領域に相当する領域に、前記フィルタ記憶部に記憶されたフィルタ群のうちの前記第1のフィルタよりも一段階広い領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記原画像中から特定種類のオブジェクトを検出する段階的検出部を備えたことを特徴とするオブジェクト検出装置。
前記段階的検出部は、前記画像群生成部で生成された複数の画像群それぞれに関し、前記抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記原画像および前記1つ以上の補間画像それぞれの中から特定種類のオブジェクトを検出するものであることを特徴とする(27)記載のオブジェクト検出装置。
前記段階的検出部は、1つの領域に、該領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、該領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するものであることを特徴とする(27)又は(28)記載のオブジェクト検出装置。
前記演算装置を、
画像上の二次元的に広がる領域に作用し該領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が所定比率で異なる、又は所定比率で段階的に異なる、複数の広さの領域にそれぞれ作用する複数のフィルタからなるフィルタ群を記憶しておくフィルタ記憶部、
オブジェクト検出対象の原画像を構成する画素を前記所定比率で間引くことにより、又は該所定比率で段階的に間引くことにより、原画像と一枚以上の間引画像とからなる画像群を生成する画像群生成部、および
前記画像群生成部により生成された画像群のうちの相対的に小さい第1の画像に、前記フィルタ記憶部に記憶されたフィルタ群のうちの相対的に狭い領域に作用する第1のフィルタを作用させて所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
前記画像群生成部により生成された画像群のうちの前記第1の画像よりも画素数が一段階多い第2の画像の、前記一次候補領域に相当する領域に、前記フィルタ記憶部に記憶されたフィルタ群のうちの前記第1のフィルタよりも一段階広い領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記原画像中から特定種類のオブジェクトを検出する段階的検出部を有するオブジェクト検出装置として動作させることを特徴とするオブジェクト検出プログラム。
前記段階的検出部は、前記画像群生成部で生成された複数の画像群それぞれに関し、前記抽出過程を、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記原画像および前記1つ以上の補間画像それぞれの中から特定種類のオブジェクトを検出するものであることを特徴とする(33)記載のオブジェクト検出プログラム。
前記段階的検出部は、1つの領域に、該領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、該領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するものであることを特徴とする(33)又は(34)記載のオブジェクト検出プログラム。
10 監視カメラ
11,12,13 人物
11a〜13a,a1,a2,b1〜b5,c3,d3,d5,e3 頭部
20 カメラ
30 パーソナルコンピュータ
31 本体装置
40 人物追跡装置
41 頭部検出部
42 特徴量算出部
43 関連度算出部
44 同一人物判別部
45 断片削除部
46 制御部
110 画像群生成部
120 輝度補正部
130 差分画像作成部
140 段階的検出部
141 一次評価値算出部
142 二次評価値算出部
143 領域抽出部
150 領域統合部
170 領域抽出演算制御部
200 画像
201 静止画像
202 動画像
210 アフィン変換処理
220 多重解像度展開処理
230 輝度補正処理
240 差分演算処理
250 切出処理
251 教師画像群
251A〜C 教師画像
260 フィルタ候補
270A〜C フィルタ
461 記憶部
Claims (18)
- 被計測空間をカメラで撮影することにより生成された所定のフレームレートの動画像を表わす画像データに基づいて、前記動画像を構成する複数のフレーム画像のうちの複数の計測対象フレーム画像それぞれについて、各計測対象フレーム画像上の頭部を検出する頭部検出ステップと、
前記画像データに基づいて、前記各計測対象フレーム画像上に頭部が検出された人物を特徴づける特徴量を、該各計測対象フレーム画像ごとおよび各頭部ごとに算出する特徴量算出ステップと、
過去の計測対象フレーム画像上に頭部が検出された各人物の該過去の計測対象フレーム画像上の各特徴量と、今回の計測対象フレーム画像上に頭部が検出された各人物の該今回の計測対象フレーム画像上の各特徴量との間の、特徴量どうしの一致の程度を表わす関連度を算出する関連度算出ステップと、
前記今回の計測対象フレーム画像上に検出された頭部のうちの、前記過去の計測対象フレーム画像上に検出された頭部のうちの第1の頭部を持つ人物の該過去の計測対象フレーム画像上の特徴量と前記今回の計測対象フレーム画像上に検出された各頭部を持つ各人物の該今回の計測対象フレーム画像上の各特徴量との間の各関連度のうちの第1の閾値以上の一致の程度を表わす関連度であってかつ最大の一致の程度を表わす関連度の算出の基になった頭部を、前記第1の頭部を持つ人物と同一の人物の頭部である旨、判別する同一人物判別ステップとを有することを特徴とする人物追跡方法。 - 連続する複数の第1の計測対象フレーム画像に亘って互いに同一の第1の人物に属することが判別された頭部が検出され、該第1の人物に属する頭部が途中の1つ又は第2の閾値以下の数だけ連続する複数の計測対象フレーム画像では途切れ、その後、連続する複数の第2の計測対象フレーム画像に亘って同一の第2の人物に属することが判別された頭部が検出された場合に、
前記特徴量算出ステップは、前記複数の第1の計測対象フレーム画像における前記第1の人物の平均的な第1の平均特徴量と、前記複数の第2の計測対象フレーム画像における前記第2の人物の平均的な第2の平均特徴量とを算出するものであり、
前記関連度算出ステップは、前記第1の平均特徴量と前記第2の平均特徴量との間の関連度を算出するものであり、
前記同一人物判別ステップは、前記第1の平均特徴量と前記第2の平均特徴量との間の関連度が第3の閾値以上の一致の程度を表わす関連度である場合に、前記第1の人物と前記第2の人物が同一人物である旨、判別するものであることを特徴とする請求項1記載の人物追跡方法。 - 1つ又は第4の閾値以下の数だけ連続する複数の計測対象フレーム画像にのみ第3の人物の頭部が検出され前後の計測対象フレーム画像には該頭部に対応する該第3の人物の頭部が検出されない場合に、該頭部を、検出された頭部から削除する断片削除ステップをさらに有することを特徴とする請求項1又は2記載の人物追跡方法。
- 前記特徴量算出ステップは、計測対象フレーム画像上に検出された頭部の画素値のヒストグラムを前記特徴量の1つとして算出するステップであることを特徴とする請求項1から3のうちのいずれか1項記載の人物追跡方法。
- 前記特徴量算出ステップは、計測対象フレーム画像上の頭部が検出された人物の胴体部分の画素値のヒストグラムを前記特徴量の1つとして算出するステップであることを特徴とする請求項1から4のうちのいずれか1項記載の人物追跡方法。
- 前記特徴量算出ステップは、今回の計測対象フレーム画像上に検出された頭部の該今回の計測対象フレーム画像上の出現位置を変数とする、過去の複数の計測対象フレーム画像上の同一人物の頭部の動きに基づく関数値を前記特徴量の1つとして算出するステップであることを特徴とする請求項1から5のうちのいずれか1項記載の人物追跡方法。
- 被計測空間をカメラで撮影することにより生成された所定のフレームレートの動画像を表わす画像データに基づいて、前記動画像を構成する複数のフレーム画像のうちの複数の計測対象フレーム画像それぞれについて、各計測対象フレーム画像上の頭部を検出する頭部検出部と、
前記画像データに基づいて、前記各計測対象フレーム画像上に頭部が検出された人物を特徴づける特徴量を、該各計測対象フレーム画像ごとおよび各頭部ごとに算出する特徴量算出部と、
過去の計測対象フレーム画像上に頭部が検出された各人物の該過去の計測対象フレーム画像上の各特徴量と、今回の計測対象フレーム画像上に頭部が検出された各人物の該今回の計測対象フレーム画像上の各特徴量との間の、特徴量どうしの一致の程度を表わす関連度を算出する関連度算出部と、
前記今回の計測対象フレーム画像上に検出された頭部のうちの、前記過去の計測対象フレーム画像上に検出された頭部のうちの第1の頭部を持つ人物の該過去の計測対象フレーム画像上の特徴量と前記今回の計測対象フレーム画像上に検出された各頭部を持つ各人物の該今回の計測対象フレーム画像上の各特徴量との間の各関連度のうちの第1の閾値以上の一致の程度を表わす関連度であってかつ最大の一致の程度を表わす関連度の算出の基になった頭部を、前記第1の頭部を持つ人物と同一の人物の頭部である旨、判別する同一人物判別部とを備えたことを特徴とする人物追跡装置。 - 連続する複数の第1の計測対象フレーム画像に亘って互いに同一の第1の人物に属することが判別された頭部が検出され、該第1の人物に属する頭部が途中の1つ又は第2の閾値以下の数だけ連続する複数の計測対象フレーム画像では途切れ、その後、連続する複数の第2の計測対象フレーム画像に亘って同一の第2の人物に属することが判別された頭部が検出された場合に、
前記特徴量算出部は、前記複数の第1の計測対象フレーム画像における前記第1の人物の平均的な第1の平均特徴量と、前記複数の第2の計測対象フレーム画像における前記第2の人物の平均的な第2の平均特徴量とを算出するものであり、
前記関連度算出部は、前記第1の平均特徴量と前記第2の平均特徴量との間の関連度を算出するものであり、
前記同一人物判別部が、前記第1の平均特徴量と前記第2の平均特徴量との間の関連度が第3の閾値以上の一致の程度を表わす関連度である場合に、前記第1の人物と前記第2の人物が同一人物である旨、判別するものであることを特徴とする請求項7記載の人物追跡装置。 - 1つ又は第4の閾値以下の数だけ連続する複数の計測対象フレーム画像にのみ第3の人物の頭部が検出され前後の計測対象フレーム画像には該頭部に対応する該第3の人物の頭部が検出されない場合に、該頭部を、検出された頭部から削除する断片削除部をさらに備えたことを特徴とする請求項7又は8記載の人物追跡装置。
- 前記特徴量算出部は、計測対象フレーム画像上に検出された頭部の画素値のヒストグラムを前記特徴量の1つとして算出するものであることを特徴とする請求項7から9のうちのいずれか1項記載の人物追跡装置。
- 前記特徴量算出部は、計測対象フレーム画像上の頭部が検出された人物の胴体部分の画素値のヒストグラムを前記特徴量の1つとして算出するものであることを特徴とする請求項7から10のうちのいずれか1項記載の人物追跡装置。
- 前記特徴量算出部は、今回の計測対象フレーム画像上に検出された頭部の該今回の計測対象フレーム画像上の出現位置を変数とする、過去の複数の計測対象フレーム画像上の同一人物の頭部の動きに基づく関数値を前記特徴量の1つとして算出するものであることを特徴とする請求項7から11のうちのいずれか1項記載の人物追跡装置。
- プログラムを実行する演算装置内で実行され、該演算装置を、
被計測空間をカメラで撮影することにより生成された所定のフレームレートの動画像を表わす画像データに基づいて、前記動画像を構成する複数のフレーム画像のうちの複数の計測対象フレーム画像それぞれについて、各計測対象フレーム画像上の頭部を検出する頭部検出部と、
前記画像データに基づいて、前記各計測対象フレーム画像上に頭部が検出された人物を特徴づける特徴量を、該各計測対象フレーム画像ごとおよび各頭部ごとに算出する特徴量算出部と、
過去の計測対象フレーム画像上に頭部が検出された各人物の該過去の計測対象フレーム画像上の各特徴量と、今回の計測対象フレーム画像上に頭部が検出された各人物の該今回の計測対象フレーム画像上の各特徴量との間の、特徴量どうしの一致の程度を表わす関連度を算出する関連度算出部と、
前記今回の計測対象フレーム画像上に検出された頭部のうちの、前記過去の計測対象フレーム画像上に検出された頭部のうちの第1の頭部を持つ人物の該過去の計測対象フレーム画像上の特徴量と前記今回の計測対象フレーム画像上に検出された各頭部を持つ各人物の該今回の計測対象フレーム画像上の各特徴量との間の各関連度のうちの第1の閾値以上の一致の程度を表わす関連度であってかつ最大の一致の程度を表わす関連度の算出の基になった頭部を、前記第1の頭部を持つ人物と同一の人物の頭部である旨、判別する同一人物判別部とを備えた人物追跡装置として動作させることを特徴とする人物追跡プログラム。 - 連続する複数の第1の計測対象フレーム画像に亘って互いに同一の第1の人物に属することが判別された頭部が検出され、該第1の人物に属する頭部が途中の1つ又は第2の閾値以下の数だけ連続する複数の計測対象フレーム画像では途切れ、その後、連続する複数の第2の計測対象フレーム画像に亘って同一の第2の人物に属することが判別された頭部が検出された場合に、
前記特徴量算出部は、前記複数の第1の計測対象フレーム画像における前記第1の人物の平均的な第1の平均特徴量と、前記複数の第2の計測対象フレーム画像における前記第2の人物の平均的な第2の平均特徴量とを算出するものであり、
前記関連度算出部は、前記第1の平均特徴量と前記第2の平均特徴量との間の関連度を算出するものであり、
前記同一人物判別部が、前記第1の平均特徴量と前記第2の平均特徴量との間の関連度が第3の閾値以上の一致の程度を表わす関連度である場合に、前記第1の人物と前記第2の人物が同一人物である旨、判別するものであることを特徴とする請求項13記載の人物追跡プログラム。 - 前記演算装置を、1つ又は第4の閾値以下の数だけ連続する複数の計測対象フレーム画像にのみ第3の人物の頭部が検出され前後の計測対象フレーム画像にはその頭部に対応する第3の人物の頭部が検出されない場合に、該頭部を、検出された頭部から削除する断片削除部をさらに有する人物追跡装置として動作させることを特徴とする請求項13又は14記載の人物追跡プログラム。
- 前記特徴量算出部は、計測対象フレーム画像上に検出された頭部の画素値のヒストグラムを前記特徴量の1つとして算出するものであることを特徴とする請求項13又は15記載の人物追跡プログラム。
- 前記特徴量算出部は、計測対象フレーム画像上の頭部が検出された人物の胴体部分の画素値のヒストグラムを前記特徴量の1つとして算出するものであることを特徴とする請求項13から16のうちのいずれか1項記載の人物追跡プログラム。
- 前記特徴量算出部は、今回の計測対象フレーム画像上に検出された頭部の、該今回の計測対象フレーム画像上の出現位置を変数とする、過去の複数の計測対象フレーム画像上の同一人物の頭部の動きに基づく関数値を前記特徴量の1つとして算出するものであることを特徴とする請求項13から17のうちのいずれか1項記載の人物追跡プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009123233A JP5214533B2 (ja) | 2009-05-21 | 2009-05-21 | 人物追跡方法、人物追跡装置および人物追跡プログラム |
US12/767,426 US8369574B2 (en) | 2009-05-21 | 2010-04-26 | Person tracking method, person tracking apparatus, and person tracking program storage medium |
CN201010185327.2A CN101894376B (zh) | 2009-05-21 | 2010-05-21 | 人物跟踪方法和人物跟踪装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009123233A JP5214533B2 (ja) | 2009-05-21 | 2009-05-21 | 人物追跡方法、人物追跡装置および人物追跡プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010273112A true JP2010273112A (ja) | 2010-12-02 |
JP5214533B2 JP5214533B2 (ja) | 2013-06-19 |
Family
ID=43103558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009123233A Active JP5214533B2 (ja) | 2009-05-21 | 2009-05-21 | 人物追跡方法、人物追跡装置および人物追跡プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US8369574B2 (ja) |
JP (1) | JP5214533B2 (ja) |
CN (1) | CN101894376B (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017502291A (ja) * | 2013-12-25 | 2017-01-19 | パナソニックIpマネジメント株式会社 | 画像出力装置、画像出力方法及び画像出力システム |
US10026019B2 (en) | 2014-03-11 | 2018-07-17 | Mitsubishi Electric Corporation | Person detecting device and person detecting method |
US10417487B2 (en) | 2014-08-26 | 2019-09-17 | Canon Kabushiki Kaisha | Pattern recognition apparatus, pattern recognition method, and storage medium |
JP2021117635A (ja) * | 2020-01-24 | 2021-08-10 | Kddi株式会社 | オブジェクト追跡装置及びオブジェクト追跡方法 |
JP2021529404A (ja) * | 2018-06-26 | 2021-10-28 | ワイルドフェイシズ、テクノロジー、リミテッドWildfaces Technology Limited | 識別を容易にするための方法および装置 |
WO2022185482A1 (ja) * | 2021-03-04 | 2022-09-09 | 株式会社ソシオネクスト | 情報処理装置、情報処理方法、及びプログラム |
JP7162761B1 (ja) * | 2021-05-26 | 2022-10-28 | 三菱電機株式会社 | 人物追跡装置及び人物追跡方法 |
JP7422572B2 (ja) | 2020-03-19 | 2024-01-26 | セコム株式会社 | 移動物体追跡装置、移動物体追跡方法及び移動物体追跡プログラム |
JP7488674B2 (ja) | 2020-03-19 | 2024-05-22 | セコム株式会社 | 物体認識装置、物体認識方法及び物体認識プログラム |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8121361B2 (en) | 2006-05-19 | 2012-02-21 | The Queen's Medical Center | Motion tracking system for real time adaptive imaging and spectroscopy |
KR101633377B1 (ko) * | 2010-06-18 | 2016-07-08 | 삼성전자주식회사 | 다중 노출에 의한 프레임 처리 방법 및 장치 |
WO2012125596A2 (en) | 2011-03-12 | 2012-09-20 | Parshionikar Uday | Multipurpose controller for electronic devices, facial expressions management and drowsiness detection |
JP5784404B2 (ja) * | 2011-07-29 | 2015-09-24 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US9606209B2 (en) | 2011-08-26 | 2017-03-28 | Kineticor, Inc. | Methods, systems, and devices for intra-scan motion correction |
JP5906071B2 (ja) * | 2011-12-01 | 2016-04-20 | キヤノン株式会社 | 情報処理方法、情報処理装置、および記憶媒体 |
DE102012002321B4 (de) * | 2012-02-06 | 2022-04-28 | Airbus Defence and Space GmbH | Verfahren zur Erkennung eines vorgegebenen Musters in einem Bilddatensatz |
US9036910B1 (en) | 2012-09-28 | 2015-05-19 | The Boeing Company | Method and system for processing a sequence of images using fingerprints |
US8811670B2 (en) * | 2012-09-28 | 2014-08-19 | The Boeing Company | Method and system for using fingerprints to track moving objects in video |
US9305365B2 (en) | 2013-01-24 | 2016-04-05 | Kineticor, Inc. | Systems, devices, and methods for tracking moving targets |
US9717461B2 (en) | 2013-01-24 | 2017-08-01 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
US10327708B2 (en) | 2013-01-24 | 2019-06-25 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
EP2950714A4 (en) | 2013-02-01 | 2017-08-16 | Kineticor, Inc. | Motion tracking system for real time adaptive motion compensation in biomedical imaging |
TWI595448B (zh) * | 2013-10-29 | 2017-08-11 | 佳能企業股份有限公司 | 影像處理方法、電子裝置、電子裝置可讀取的儲存媒體與應用於電子裝置的程式 |
WO2015148391A1 (en) | 2014-03-24 | 2015-10-01 | Thomas Michael Ernst | Systems, methods, and devices for removing prospective motion correction from medical imaging scans |
EP3188660A4 (en) | 2014-07-23 | 2018-05-16 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
US9609385B2 (en) | 2014-08-28 | 2017-03-28 | The Nielsen Company (Us), Llc | Methods and apparatus to detect people |
US9943247B2 (en) | 2015-07-28 | 2018-04-17 | The University Of Hawai'i | Systems, devices, and methods for detecting false movements for motion correction during a medical imaging scan |
US10716515B2 (en) | 2015-11-23 | 2020-07-21 | Kineticor, Inc. | Systems, devices, and methods for tracking and compensating for patient motion during a medical imaging scan |
JP6977624B2 (ja) * | 2018-03-07 | 2021-12-08 | オムロン株式会社 | 物体検出装置、物体検出方法、およびプログラム |
CN112513932B (zh) * | 2018-06-27 | 2024-09-13 | 瑞典爱立信有限公司 | 实时应用中的对象跟踪 |
CN111027349B (zh) * | 2018-10-10 | 2023-08-29 | 百度在线网络技术(北京)有限公司 | 一种防尾随提示方法、装置、设备及存储介质 |
WO2020176875A1 (en) * | 2019-02-28 | 2020-09-03 | Stats Llc | System and method for calibrating moving cameras capturing broadcast video |
JP7279526B2 (ja) * | 2019-05-31 | 2023-05-23 | 富士通株式会社 | 解析プログラム、解析装置及び解析方法 |
JP7424076B2 (ja) * | 2020-01-29 | 2024-01-30 | 株式会社リコー | 画像処理装置、画像処理システム、撮像装置、画像処理方法およびプログラム |
CN111814885B (zh) * | 2020-07-10 | 2021-06-22 | 云从科技集团股份有限公司 | 一种管理图像框的方法、系统、设备及介质 |
CN111882582B (zh) * | 2020-07-24 | 2021-10-08 | 广州云从博衍智能科技有限公司 | 一种图像跟踪关联方法、系统、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09307883A (ja) * | 1996-05-10 | 1997-11-28 | Nippon Telegr & Teleph Corp <Ntt> | 被写体追跡方法及び装置並びにそれを用いた画像表示装置 |
JPH11339139A (ja) * | 1998-05-21 | 1999-12-10 | Nippon Micro Systems Kk | 監視装置 |
JP2000105835A (ja) * | 1998-07-28 | 2000-04-11 | Hitachi Denshi Ltd | 物体認識方法及び物体追跡監視装置 |
JP2003109155A (ja) * | 2001-07-26 | 2003-04-11 | Matsushita Electric Works Ltd | 防犯監視システム |
JP2007042072A (ja) * | 2005-07-05 | 2007-02-15 | Omron Corp | 追跡装置 |
JP2008217714A (ja) * | 2007-03-07 | 2008-09-18 | Sogo Keibi Hosho Co Ltd | 追跡装置、追跡方法、及び追跡プログラム |
JP2008234551A (ja) * | 2007-03-23 | 2008-10-02 | Hitachi Ltd | 異常検知装置及び異常検知プログラム |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6301370B1 (en) * | 1998-04-13 | 2001-10-09 | Eyematic Interfaces, Inc. | Face recognition from video images |
US7027621B1 (en) * | 2001-03-15 | 2006-04-11 | Mikos, Ltd. | Method and apparatus for operator condition monitoring and assessment |
JP2002342762A (ja) | 2001-05-22 | 2002-11-29 | Matsushita Electric Ind Co Ltd | 物体追跡方法 |
WO2004004320A1 (en) * | 2002-07-01 | 2004-01-08 | The Regents Of The University Of California | Digital processing of video images |
US7227977B1 (en) * | 2003-01-10 | 2007-06-05 | L-I Identity Solutions, Inc. | Lighting correction for the outdoor environment with extension to the self adjusting algorithm for general lighting conditions |
US7372977B2 (en) * | 2003-05-29 | 2008-05-13 | Honda Motor Co., Ltd. | Visual tracking using depth data |
EP3190546A3 (en) * | 2003-06-12 | 2017-10-04 | Honda Motor Co., Ltd. | Target orientation estimation using depth sensing |
US7428000B2 (en) * | 2003-06-26 | 2008-09-23 | Microsoft Corp. | System and method for distributed meetings |
JP3879732B2 (ja) * | 2003-11-27 | 2007-02-14 | コニカミノルタホールディングス株式会社 | 物体検出装置、物体検知方法、およびコンピュータプログラム |
US7457439B1 (en) * | 2003-12-11 | 2008-11-25 | Motion Reality, Inc. | System and method for motion capture |
US20060140445A1 (en) * | 2004-03-22 | 2006-06-29 | Cusack Francis J Jr | Method and apparatus for capturing digital facial images optimally suited for manual and automated recognition |
US7308112B2 (en) * | 2004-05-14 | 2007-12-11 | Honda Motor Co., Ltd. | Sign based human-machine interaction |
US7848566B2 (en) * | 2004-10-22 | 2010-12-07 | Carnegie Mellon University | Object recognizer and detector for two-dimensional images using bayesian network based classifier |
JP4328286B2 (ja) * | 2004-12-14 | 2009-09-09 | 本田技研工業株式会社 | 顔領域推定装置、顔領域推定方法及び顔領域推定プログラム |
US7512262B2 (en) * | 2005-02-25 | 2009-03-31 | Microsoft Corporation | Stereo-based image processing |
ATE546800T1 (de) * | 2005-07-05 | 2012-03-15 | Omron Tateisi Electronics Co | Tracking-vorrichtung |
JP4516516B2 (ja) * | 2005-12-07 | 2010-08-04 | 本田技研工業株式会社 | 人物検出装置、人物検出方法及び人物検出プログラム |
JP4241742B2 (ja) * | 2006-01-31 | 2009-03-18 | パナソニック株式会社 | 自動追尾装置及び自動追尾方法 |
KR100660725B1 (ko) * | 2006-02-24 | 2006-12-21 | (주)케이티에프테크놀로지스 | 얼굴 추적 장치를 가지는 휴대용 단말기 |
JP4765732B2 (ja) * | 2006-04-06 | 2011-09-07 | オムロン株式会社 | 動画編集装置 |
-
2009
- 2009-05-21 JP JP2009123233A patent/JP5214533B2/ja active Active
-
2010
- 2010-04-26 US US12/767,426 patent/US8369574B2/en active Active
- 2010-05-21 CN CN201010185327.2A patent/CN101894376B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09307883A (ja) * | 1996-05-10 | 1997-11-28 | Nippon Telegr & Teleph Corp <Ntt> | 被写体追跡方法及び装置並びにそれを用いた画像表示装置 |
JPH11339139A (ja) * | 1998-05-21 | 1999-12-10 | Nippon Micro Systems Kk | 監視装置 |
JP2000105835A (ja) * | 1998-07-28 | 2000-04-11 | Hitachi Denshi Ltd | 物体認識方法及び物体追跡監視装置 |
JP2003109155A (ja) * | 2001-07-26 | 2003-04-11 | Matsushita Electric Works Ltd | 防犯監視システム |
JP2007042072A (ja) * | 2005-07-05 | 2007-02-15 | Omron Corp | 追跡装置 |
JP2008217714A (ja) * | 2007-03-07 | 2008-09-18 | Sogo Keibi Hosho Co Ltd | 追跡装置、追跡方法、及び追跡プログラム |
JP2008234551A (ja) * | 2007-03-23 | 2008-10-02 | Hitachi Ltd | 異常検知装置及び異常検知プログラム |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017502291A (ja) * | 2013-12-25 | 2017-01-19 | パナソニックIpマネジメント株式会社 | 画像出力装置、画像出力方法及び画像出力システム |
US10026019B2 (en) | 2014-03-11 | 2018-07-17 | Mitsubishi Electric Corporation | Person detecting device and person detecting method |
US10417487B2 (en) | 2014-08-26 | 2019-09-17 | Canon Kabushiki Kaisha | Pattern recognition apparatus, pattern recognition method, and storage medium |
JP2021529404A (ja) * | 2018-06-26 | 2021-10-28 | ワイルドフェイシズ、テクノロジー、リミテッドWildfaces Technology Limited | 識別を容易にするための方法および装置 |
JP7357649B2 (ja) | 2018-06-26 | 2023-10-06 | ワイルドフェイシズ、テクノロジー、リミテッド | 識別を容易にするための方法および装置 |
JP2021117635A (ja) * | 2020-01-24 | 2021-08-10 | Kddi株式会社 | オブジェクト追跡装置及びオブジェクト追跡方法 |
JP7229954B2 (ja) | 2020-01-24 | 2023-02-28 | Kddi株式会社 | オブジェクト追跡装置及びオブジェクト追跡方法 |
JP7422572B2 (ja) | 2020-03-19 | 2024-01-26 | セコム株式会社 | 移動物体追跡装置、移動物体追跡方法及び移動物体追跡プログラム |
JP7488674B2 (ja) | 2020-03-19 | 2024-05-22 | セコム株式会社 | 物体認識装置、物体認識方法及び物体認識プログラム |
WO2022185482A1 (ja) * | 2021-03-04 | 2022-09-09 | 株式会社ソシオネクスト | 情報処理装置、情報処理方法、及びプログラム |
JP7162761B1 (ja) * | 2021-05-26 | 2022-10-28 | 三菱電機株式会社 | 人物追跡装置及び人物追跡方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5214533B2 (ja) | 2013-06-19 |
US20100296701A1 (en) | 2010-11-25 |
CN101894376B (zh) | 2015-03-11 |
US8369574B2 (en) | 2013-02-05 |
CN101894376A (zh) | 2010-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5214533B2 (ja) | 人物追跡方法、人物追跡装置および人物追跡プログラム | |
JP5227888B2 (ja) | 人物追跡方法、人物追跡装置および人物追跡プログラム | |
JP5227639B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
JP5227629B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
JP7523711B2 (ja) | 画像処理装置、画像処理方法 | |
CN104573614B (zh) | 用于跟踪人脸的设备和方法 | |
US11037325B2 (en) | Information processing apparatus and method of controlling the same | |
Dame et al. | Dense reconstruction using 3D object shape priors | |
Cannons | A review of visual tracking | |
JP4903854B2 (ja) | デジタル画像におけるオブジェクト検出方法 | |
US20070189584A1 (en) | Specific expression face detection method, and imaging control method, apparatus and program | |
CN104202547B (zh) | 投影画面中提取目标物体的方法、投影互动方法及其系统 | |
KR101035055B1 (ko) | 이종 카메라를 이용한 객체 추적 시스템 및 방법 | |
JP2010176380A (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
JP5027030B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
CN104036284A (zh) | 基于Adaboost算法的多尺度行人检测方法 | |
CN108681711A (zh) | 一种面向移动机器人的自然路标提取方法 | |
WO2012046426A1 (ja) | 物体検出装置、物体検出方法および物体検出プログラム | |
CN112308879A (zh) | 图像处理设备、追踪对象物体的方法和存储介质 | |
JP2019212148A (ja) | 情報処理装置及び情報処理プログラム | |
JP6266468B2 (ja) | 対象検出装置 | |
JP2009251892A (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
JP6384167B2 (ja) | 移動体追跡装置及び移動体追跡方法、並びにコンピュータ・プログラム | |
US20240095934A1 (en) | Image processing apparatus, training apparatus, image processing method, training method, and non-transitory computer-readable medium | |
JP2021064120A (ja) | 情報処理装置、情報処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20111214 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20121116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121204 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130128 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5214533 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160308 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |