JP2011513876A - 物体の動作を特徴づけるための方法およびシステム - Google Patents

Abstract

物体の動きは、物体の複数のピクセル画像のデータに基づいて特徴づけられる。物体の輪郭は、物体の各ピクセル画像のデータから抽出されてもよい。輪郭の形状および／または位置の時間上の変化は、物体に関連した速度を求めるのに用いられてもよい。
【選択図】図１

Description

関連する特許出願の相互参照
本出願は、２００７年３月９日に提出された米国仮出願第６０／８９４，０２９号明細書の利益を主張する。

本発明は、物体の動作を特徴づけるための方法とシステムに関する。

動いている物体の速度を求める幾つかの技術が知られている：（ａ）直接的で能動的な測定では、一般に電磁場（例えば無線、赤外線、可視光線）、または音場（例えば超音波）が測定される物体に向けられる。次いで、反射されたエネルギが分析されて物体の速度および／または距離を求める。このような直接的で能動的な測定を実行するシステムの実施例は、レーダとライダを含む。（ｂ）機械的な測定では、動いている物体が検出器のトリガとなるように、検出器の配置が決められ、トリガイベント間の時間差を用いて速度を計算する。この検出器は、例えば光線または機械スイッチでもよい。（ｃ）焦点分析では、正しい焦点、すなわち、物体と画像検出素子との間の画像形成レンズの正しい設定に対して電子的に検出された画像が分析される。このような分析（例えば、画像コントラスト強調、視差分析）は、物体までの距離を得る。焦点距離の変化の計算は、物体の速度成分の計算を可能にする。

少なくとも１つの特徴を有する物体の動作を特徴づける方法は、前記物体のピクセル画像のデータから前記少なくとも１つの特徴の見掛け形状と見掛けサイズとを規定する複数のピクセルデータを特定するステップと、前記少なくとも１つの特徴の見掛け形状に基づいて複数の所定の特徴クラスの１つに前記少なくとも１つの特徴を分類するステップとを含む。また、当該方法は、前記分類に基づいて前記少なくとも１つの特徴の実サイズを推定し、前記推定された少なくとも１つの特徴の実サイズと、前記少なくとも１つの特徴の見掛けサイズと、前記少なくとも１つの特徴の見掛けサイズの変化とに基づいて物体の動作パラメータを求めるステップと、を含む。

少なくとも１つの特徴を有する物体の動作を分析するシステムは、処理装置を含む。当該処理装置は、前記物体の複数のピクセル画像を受信し、前記物体の複数のピクセル画像の各々から前記少なくとも１つの特徴の輪郭を抽出し、前記物体の複数のピクセル画像の各々の中の前記少なくとも１つの特徴の見掛け位置を求めるよう構成されている。また、当該処理装置は、前記物体の複数のピクセル画像の各々について前記少なくとも１つの特徴の見掛けサイズを求め、前記輪郭の少なくとも１つに基づいて前記少なくとも１つの特徴の実サイズを推定し、前記推定された少なくとも１つの特徴の実サイズと、前記少なくとも１つの特徴の見掛けサイズと、（ｉ）前記少なくとも１つの特徴の輪郭および（ｉｉ）前記少なくとも１つの特徴の見掛け位置の少なくとも一方とに基づいて前記物体の動作のパラメータを求めるよう構成されている。

物体の動作を分析するシステムは、処理装置を含む。当該処理装置は、前記物体の複数のピクセル画像の画像入力と前記物体の推定されたサイズのサイズ入力とを受信するよう構成されている。また、当該処理装置は、前記画像入力と前記サイズ入力とに基づいて前記物体の速度を求め、前記求められた物体の速度の出力を提供するよう構成されている。

本発明に係る例示的な実施形態が示され開示されるが、この開示は本発明を限定するよう解釈すべきでない。本発明の範囲から外れずに様々な変更と設計代案がなされてもよいことが想定される。

図１は、本発明の実施例に係る動作分析システムのブロック図である。 図２は、本発明の別の実施例に係る別の動作分析システムのブロック図である。 図３は、本発明の実施例に係る計算論理モジュールのブロック図である。 図４は、本発明の実施例に係る表示およびオーバーレイ論理モジュールのブロック図である。 図５は、図１の出力デバイスの拡大図である。

動いている物体の速度を求める既知技術には幾つかの問題が存在する。例えば、直接的で能動的な測定技術が検出可能である。サードパーティは、電気磁気あるいは音場の存在を検出するであろう。機械的な測定技術は、物体の経路が前もって既知であることを必要とするため、検出器がその経路に配置されるであろう。これらの検出器は、環境上の干渉に影響され易いであろう。焦点分析技術は、弱い光の状況では効果がなく、レンズは、１つの距離にしか最適に焦点を合わせることができないので、同時に複数の物体の速度を計算することができない。さらに、上記技術は、事後ではなく、物体が移動している間に行われなければならない。

本発明の幾つかの実施例は、動いている物体の動きを特徴づける。この特徴づけは、動いている物体自体ではなく、動いている物体のデジタル記録あるいはフィルム記録に基づいてもよい。補助的な光源あるいはその他の場源（ｆｉｅｌｄ ｓｏｕｒｃｅ）は必要としない。そのため、これらの実施例は使用時に検出不能でもよい。

一連の画像のフレームは、これらの環境から物体を離して分析されてもよい。特定された物体のフレームからフレームへの動作が追跡され、例えば、特定された物体の各々に関連した速度を求める。この情報は、物体の画像と共に表示されてもよい。例えば、速度情報は、その関連する物体に重ねられ、あるいは隣りに表示されてもよい。また、速度情報は別個の装置に表示されてもよい。

図１を参照すると、レンズ１０は、電子画像センサ１４上に環境１２の画像を投影する。ＣＭＯＳまたはＣＣＤ画像センサを用いてもよい。もちろん、イメージオルシコンなどのその他の適切な画像センサを用いてもよい。この画像は電子走査回路１６によって走査され、電子データの記憶装置１８、例えばメモリに格納される。スキャニングとアナログ／デジタル変換が可能で商業上利用可能な電子走査回路を用いてもよい。しかしながら、適切なカスタム回路を用いてもよい。メモリは、ＳＲＡＭ、ＤＲＡＭあるいはその他の適切な種類のデジタルメモリでよい。

計算論理モジュール２０は、メモリ１８に格納された画像要素を分析し、選択された画像要素の動作を特徴づける。以下で論じられるように、計算論理モジュール２０は全ての画像に比べて動いているピクセルの領域を特定し、これらの領域を分析して幾何学的形状（例えば、円、正方形など）および／または実世界の物体（例えば、顔、自動車など）としてそれらを分類する。

計算論理モジュール２０は、適切なアルゴリズムのファームウェアを持つマイクロプロセッサもしくはデジタル信号プロセッサまたはソフトウェアでよい。しかしながら、必要ならば高速な処理速度を提供するために専用の計算論理ブロックを用いてもよい。

以下で論じられるように、計算論理モジュール２０からの情報は表示およびオーバーレイ論理モジュール２２に送られ、これはメモリ１８からの画像データと組み合わされて、出力デバイス２４に表示される。

計算論理モジュール２０と同様に、表示およびオーバーレイ論理モジュール２２は、適切なアルゴリズムのファームウェアを持つマイクロプロセッサもしくはデジタル信号プロセッサでよい。また、その他の実装と構成も可能である。

図２を参照すると、電子走査回路１１６に一連の画像を送るために、画像記憶装置１２８は画像再生成論理モジュール１２６によってアクセスされる。これらの画像は、電子走査回路１１６によって走査され、メモリ１１８に格納される。（図１の符号付きの素子に比べて１００だけ異なる図２の符号付き素子は、図１の符号付き素子と類似の説明を有するが、必ずしも同一の説明ではない。）

図１に関して論じられたように、計算論理モジュール１２０は、メモリ１１８に格納された画像要素を分析し、選択された画像要素の動作を特徴づける。計算論理モジュール１２０からの情報は表示およびオーバーレイ論理モジュール１２２に送られ、これはメモリ１１８からの画像データと組み合わされて、出力デバイス１２４に表示される。

図３を参照すると、メモリインタフェース３２は、メモリ１８から格納された画像情報を読み出す。各画像は、「ピクセルの海（ｓｅａ ｏｆ ｐｉｘｅｌｓ）」であり、取り込まれた画像内の物体または物体の部分に関する情報を全く直接的に含んでいない。このため、物体分析部３４は、画像内の物体（または物体の部分）を特定し、これらが動いているかどうかを求める。

物体分析部３４は、各画像を調べ、背景から輪郭を抽出し、各画像内のこれらの輪郭の見掛けサイズと見掛け位置とを記録する。これらの輪郭は、物体の一部（例えば車両のホイール、顔の鼻、野球ボールの縫い目など）でもよいし、あるいは物体全体（例えば野球ボール）でもよい。輪郭の見掛けサイズと見掛け位置とは数学的な係数を含むデータベーススキーマとして表され、これは物体の抽象的な幾何学的特性を表す。しかしながら、その他の実施例では、任意の適切な表現法を用いてもよい。

図３の物体分析部３４は、エッジ分析技術によりこの情報を抽出する。また、Ｈ．２６４あるいはＭＰＥＧ−４の画像圧縮で用いられる物体識別あるいは動き推定アルゴリズムなどの任意の適切な技術を用いてもよい。画像が分析され、「エッジ」ピクセルが記録される。隣接ピクセルが比較され、色または輝度に実質的差異があるかどうかを求める。もしあれば、この差異がエッジを規定してもよい。次いで、「エッジ」ピクセルは全て分析され、これらがその他の「エッジ」ピクセルに隣接しているかどうかを求める。そうでないものは廃棄される。残存する「エッジ」ピクセルがラインを表す。これらのラインは、直線かもしれないし、または湾曲しているかもしれないし、開いているかもしれないし、または閉じているかもしれない。このラインが分析され、これらの端点を検出する。端点が検出されない場合、あるいは端点が共に密接している場合、ラインは輪郭であるとみなされる。

輪郭は、任意の適切な画像認識技術（例えば、ニューラルネットワーク、ヒューリスティックなど）を用いて、メモリ３６に格納された既知の物体に対応する既知の輪郭データベースと比較される。例えば、既知の輪郭データベースと抽出された輪郭との比較が、抽出された輪郭が自転車のタイヤであることを明らかにするであろう。このデータベースはさらに、既知の物体の各々に関連した寸法を含む。このため、物体の実サイズは既知の物体に関するその分類に基づいて推定されてもよい。例えば、自転車のタイヤとして特定され抽出された輪郭は、推定された実直径３０インチを割り当てられるかもしれない。

観察装置から物体までの実距離は、輪郭の見掛けサイズと物体の推定された実サイズとに基づいて計算されてもよい。例えば、野球ボールは２．８６６インチの直径Ｄを有していると知られている。野球ボールの見掛け角度幅Ａは、画像から既知である。（これは画像の全幅の一部である。）三角法から、

ここでｄは、野球ボールまでの距離である。以下で説明されるように、この情報は、物体が移動しているかどうかを求めるのに用いてもよい。

その他の実施例では、例えば、動き分析部３４によって使用されるアルゴリズムにカメラのオートフォーカスの焦点情報を取り込み、実サイズが既知でない物体までの距離を求めるのに役立ててもよい。この焦点情報の使用により、単に物体の近似サイズを想定した場合と比べて速度計算の精度を改善するであろう。

また、抽出された輪郭は、例えば任意の適切な曲線適合法を用いて、幾つかの幾何学的なカテゴリ（例えば、正方形、矩形、円、楕円、台形など）の１つに分類されてもよい。輪郭のピクセルに対応するデータは、各カテゴリに関連した式に「適合」される。次いで、適合係数が計算される。物体の輪郭は、最良の適合係数を得られる何れかのカテゴリに分類され、メモリ３６の画像の物体リストに格納される。以下で論じられるように、この情報は、物体が移動しているかどうかを求めるのに用いてもよい。

図３の実施例では、上記分析がデータの各フレームに対して行われる。新しい物体リストはそれぞれ前の物体リストと比較される。フレームからフレームへ位置、サイズおよび／または幾何学的分類を変更する輪郭は、動いている物体とみなされる。物体分析部３４は、この全ての物体のリストをメモリ３６に格納する。

物体分析部３４からの出力データ構造は一般に、ピクセルの単位で表現され、輪郭の位置とサイズを表す情報を含んでよい。動き分析部３８は、メモリ３６に格納された１または複数のデータ構造を調べて、物体に関する動作を求める。

物体の輪郭に関するフレームからフレームへの変化の分析により、輪郭に関する物体の動作の実世界情報が得られる。図３の実施例では、動き分析部３８がデータ構造を介してこの情報を取り込む。一実施例では、動き分析部３８で用いられる動き推定アルゴリズムが、デカルト座標で、輪郭の現在の位置およびサイズと、輪郭の推定の位置およびサイズを特定するデータ構造を作成する。別の実施例では、動き分析部３８で用いられる動き推定アルゴリズムが、輪郭の初期の位置、サイズおよび速度を特定するデータ構造を作成する。しかしながら、任意の適切なデータ構造を用いてもよい。

輪郭のサイズおよび／または位置の変化は、物体の動きを表す。例えば、サイズが増加している物体の輪郭は、物体が視聴者に近づいていることを表す。幾何学的分類の変化は、回転を表す。例えば、矩形から正方形への分類の変化は、物体が視聴者に対して回転していることを表す。もちろん、物体は変形し回転するであろう。この変形と回転は、サイズおよび／または位置が変化し、幾何学的分類が変化している物体の輪郭から明らかであろう。

図３の実施例では、動き分析部３８がフレームからフレームへの輪郭の差を分析することによって物体に関する動きを特徴づける。輪郭の見掛けサイズの変化は、観察者から離れる動き、または観察者へ近づく動きを求めるのに用いられてもよい。例えば、物体が第１フレームの画像で１０フィート離れており、第２フレームの画像で１２フィート離れていると求められた場合、物体は観察者から２フィート遠くへ動いている。タイマ４２（例えば、マイクロプロセッサシステムに一般に含まれる水晶制御デジタルタイマ）によって提供される、２つのフレーム間の時間でこの距離を割ることによって、速度成分（物体に関する速度_{接近／離脱}）が得られるであろう。

輪郭の見掛け位置の変化は、観察者に対して横切る動作を求めるのに用いられてもよい。例えば、輪郭が第１フレームの画像内の位置（０，０）に位置し、第２フレームの画像内の位置（０，１）に位置する場合、輪郭は観察者の右側へ１単位動いている。推定された物体の実サイズと、輪郭に関する見掛け位置の変化は、観察者の右側へ移動した実距離を求めるのに用いられてもよい。野球ボールの例を用いると、それ自体のサイズに換算して画像の動きを計算することができ、例えば、野球ボールが視界を横切って直径の２．４倍動いた場合、これは２．４×２．８６６インチ動いたことになる。タイマ４２によって提供される２つのフレーム間の時間でこの距離を割ることによって、別の速度の成分（物体に関する速度_横切り）が得られるであろう。

図３の実施例では、タイマ４２は、２つの連続するフレーム間の既知の時間に２つの実施例が取り込まれる間のフレーム数を掛けることによって、２つのフレーム間の時間を求める。（ＵＳのテレビ／映像は２９．９９７フレーム／秒である。この値の逆数はフレーム時間である。ＥＵのテレビ／映像は２５フレーム／秒である。最新の映画は２４フレーム／秒である。）しかしながら、その他の実施例では、別の技術を用いてもよい。

上記速度成分により、例えば、以下の関係を用いて物体の合成速度を得てもよい。

また、その他のアプローチも可能である。例えば、観察者へ近づく／離れる距離と、観察者に対して横切って動く距離とにより、上記と同様の計算を用いて動作の合成距離を解いてもよい。次いで、この合成距離を２つのフレーム間の時間で割って合成速度を求めてもよい。もちろん、回転を含むものなどその他の種類の動作は、より複雑な計算を必要とするであろう。しかしながら、これらの計算は任意の適切な技術を用いて行われてもよい。

計算論理モジュール２０の関数は、様々な方法で実装されるであろう。例えば、幾つかの実施例の計算論理モジュール２０は、動いているピクセル領域を特定し、ピクセル領域を実体物（例えば、顔もしくは自動車）として認識する。これらの作業が行われる順序は、実装に依存して変化するであろう。言い換えれば、初めに画像内でできるだけ多くの実体物（顔、自動車など）を特定し、次いで、それらの動きを推定することも可能であり、あるいは初めに動いている領域を推定し、次いでそれらを特定することも可能である。もちろん、並列して双方の作業を行うことも可能である。

幾つかの状況では、カメラ自体が動いているかもしれない。幾つか実施例は、この動きを検出し、カメラの速度を計算し、これをその他の速度を修正するのに用いることができる。例えば、動き分析部３８が画像内の複数の物体の動きを求めた後、全て（または殆ど）の物体に共通する動き分析を行う。物体が右から左へ動いている場合には大抵、カメラは左から右へ動いている。物体が画像中心から全ての４つの端へ離れて動いている場合には大抵、カメラが近づいているか、あるいは接近して動いている。

メモリインタフェース４４は、物体を表すデータ構造（例えば、位置、速度など）をメモリ４６（図４）に書き込む。メモリインタフェース４４は、新しいデータが必要とされる度にこのデータ構造を更新する。図３の実施例では、メモリインタフェース４４は、特殊なデータベースとして見られてもよく、物体認識データを表すのに非常に効率的である適切なスキーマが設計される。

ここで図４を参照すると、タイマ４８は、走査論理モジュール５０を駆動してメモリ１８からメモリインタフェース５２を介して画像情報を読み出す。タイマ４８からタイミングパルスは、デジタルカウンタを駆動し、これはインターフェイス５２を介してメモリ１８のアドレスとして用いられる。走査論理モジュール５０は、制御論理モジュール５４に現在の走査位置を送信し、制御論理モジュール５４はそれをメモリ４６に格納された動いている物体のリストと比較する。（図４の実施例では、メモリ４６が計算論理モジュール２０によって規則的に更新されていることに注意されたい。この最新版は、例えば、物体の現在の位置と速度を含む。）

制御論理モジュール５４は、動いている物体のリストを検索し、現在走査された位置に何れかが配置されているかどうかを調べる。図４の実施例では、この検索は連想記憶に基づくが、その他の検索方法を用いてもよい。制御論理モジュール５４が一致を検出するとき、速度データがメモリ４６に格納され、文字形式（例えば、数字「５５」や文字「ｍｐｈ」）を生成し、表示画像の領域に速度情報を重ねるようオーバーレイ論理モジュール５６に命令する。オーバーレイ論理モジュール５６は、使用される出力デバイス２４の種類に適した任意の適切な技術を用いて、出力デバイスドライバ５８を介して出力デバイス２４に結合情報を送信する。

図４の実施例では、基本的なオーバーレイ技術は、既に使用されているオーバレイ機能と同様であり、画像に画像を挿入するか、または別の画像に小さな矩形の１のビデオ画像を重ねる。しかしながら、その他の実施例では、任意の適切な表示技術を用いてもよい。

ここで図５を参照すると、表示デバイス２４は、速度情報なしに木や家などの静止物体を表示するが、動いている物体（すなわち、自動車）上に速度情報、例えば「５５ｍｐｈ」を重ねる。また、表示デバイス２４は、「ｋｐｈ」で自動車の速度と、観察装置と自動車との間の距離（すなわち「２００メートル」）とを表示する。しかしながら、その他の実施例では、この速度とその他の動き情報が、分析されている物体の画像とは別に表示されてもよい。

当業者は、本書で記載された技術が様々な構成および状況で実装されうることを認識するであろう。例えば、軍事の弾道標的システムあるいはスポーツ活動は、その現在の位置と求めた速度とに基づいて移動目標の推定位置を推定するであろう。野球競技は、ボールがピッチャーによって投げられるとき、ボールの軌道、回転および速度に関する情報と共に分析され放送されるであろう。接近する走行車両の速度は、この接近する走行車両と交差する経路へいつ曲がるのが安全かを表示するために推定されるであろう。

本発明の実施例が示され記載されてきたが、これらの実施例は本発明のあらゆる可能な形態を示し記載するよう意図されていない。むしろ、明細書で用いられる用語は、限定ではなく説明のための用語であり、本発明の趣旨と範囲から外れずに様々な変化がなされてもよいことを理解されたい。

Claims (25)

1. 少なくとも１つの特徴を有する物体の動作を特徴づける方法であって、当該方法が、
   前記物体のピクセル画像のデータから前記少なくとも１つの特徴の見掛け形状と見掛けサイズとを規定する複数のピクセルデータを特定するステップと；
   前記少なくとも１つの特徴の見掛け形状に基づいて複数の所定の特徴クラスの１つに前記少なくとも１つの特徴を分類するステップと；
   前記分類に基づいて前記少なくとも１つの特徴の実サイズを推定するステップと；
   前記推定された少なくとも１つの特徴の実サイズと、前記少なくとも１つの特徴の見掛けサイズと、前記少なくとも１つの特徴の見掛けサイズの変化とに基づいて物体の動作パラメータを求めるステップと、を含むことを特徴とする方法。
2. 請求項１に記載の方法において、前記複数のピクセルデータがさらに前記少なくとも１つの特徴の見掛け位置を規定し、前記求められた物体の動作パラメータがさらに前記少なくとも１つの特徴の見掛け位置の変化に基づくことを特徴とする方法。
3. 請求項１に記載の方法において、前記求められた物体の動作パラメータがさらに前記少なくとも１つの特徴の見掛け形状の変化に基づくことを特徴とする方法。
4. 請求項１に記載の方法がさらに、前記物体のピクセル画像と共に前記求められた動作パラメータの描画を表示するステップを含むことを特徴とする方法。
5. 請求項１に記載の方法がさらに、前記物体が移動しているかどうかを求めるステップを含むことを特徴とする方法。
6. 請求項１に記載の方法において、前記求められた動作パラメータが前記物体の速度を含むことを特徴とする方法。
7. 請求項１に記載の方法において、前記物体の動作パラメータを求めるステップが、前記物体が回転しているかどうかを求めるステップを含むことを特徴とする方法。
8. 請求項１に記載の方法において、前記少なくとも１つの特徴が、前記物体の輪郭を含むことを特徴とする方法。
9. 請求項１に記載の方法において、前記少なくとも１つの特徴が、前記物体の一部の輪郭を含むことを特徴とする方法。
10. 請求項１に記載の方法において、前記少なくとも１つの特徴の見掛け形状に基づいて複数の所定の特徴クラスの１つに前記少なくとも１つの特徴を分類するステップが、前記少なくとも１つの特徴の見掛け形状を前記所定の特徴クラスに対応する複数の形状と比較するステップを含むことを特徴とする方法。
11. 請求項１に記載の方法において、前記複数の所定の特徴クラスが、複数の所定の幾何学的形状を含むことを特徴とする方法。
12. コンピュータ読み取り可能な記憶媒体において、コンピュータに請求項１に記載の方法を実行するよう命令するための情報が保存されていることを特徴とする記憶媒体。
13. 特徴を有する物体の動作を特徴づけるシステムにおいて、当該システムが、
    前記物体のピクセル画像の入力を受信し、
    前記物体のピクセル画像の入力から少なくとも１つの特徴の見掛け形状と見掛けサイズとを規定する複数のピクセルデータを特定し、
    前記少なくとも１つの特徴の見掛け形状に基づいて複数の所定の特徴クラスの１つに前記少なくとも１つの特徴を分類し、
    前記分類に基づいて前記少なくとも１つの特徴の実サイズを推定し、
    前記推定された少なくとも１つの特徴の実サイズと、前記少なくとも１つの特徴の見掛けサイズと、前記少なくとも１つの特徴の見掛けサイズの変化とに基づいて物体の動作パラメータを求め、
    前記求められた動作パラメータの出力を提供するよう構成されたコンピュータを具えることを特徴とするシステム。
14. 請求項１３に記載のシステムにおいて、前記複数のピクセルデータがさらに前記少なくとも１つの特徴の見掛け位置を規定し、前記求められた物体の動作パラメータがさらに前記少なくとも１つの特徴の見掛け位置の変化に基づくことを特徴とするシステム。
15. 請求項１３に記載のシステムにおいて、前記求められた物体の動作パラメータがさらに前記少なくとも１つの特徴の見掛け形状の変化に基づくことを特徴とするシステム。
16. 請求項１３に記載のシステムにおいて、前記コンピュータがさらに前記物体のピクセル画像と共に前記求められた動作パラメータの描画を表示するよう構成されていることを特徴とするシステム。
17. 請求項１３に記載のシステムにおいて、前記コンピュータがさらに、前記物体が移動しているかどうかを求めるよう構成されていることを特徴とするシステム。
18. 請求項１３に記載のシステムにおいて、前記求められ動作パラメータが前記物体の速度を含むことを特徴とするシステム。
19. 請求項１３に記載のシステムにおいて、前記物体の動作パラメータを求めるステップが、前記物体が回転しているかどうかを求めるステップを含むことを特徴とするシステム。
20. 請求項１３に記載のシステムにおいて、前記少なくとも１つの特徴が前記物体の輪郭を含むことを特徴とするシステム。
21. 請求項１３に記載のシステムにおいて、前記少なくとも１つの特徴が前記物体の一部の輪郭を含むことを特徴とするシステム。
22. 請求項１３に記載のシステムにおいて、前記少なくとも１つの特徴の見掛け形状に基づいて複数の所定の特徴クラスの１つに前記少なくとも１つの特徴を分類するステップが、前記少なくとも１つの特徴の見掛け形状を前記所定の特徴クラスに対応する複数の形状と比較するステップを含むことを特徴とするシステム。
23. 請求項１３に記載のシステムにおいて、前記複数の所定の特徴クラスが複数の所定の幾何学的形状を含むことを特徴とするシステム。
24. 少なくとも１つの特徴を有する物体の動作を分析するシステムであって、当該システムが、
    前記物体の複数のピクセル画像を受信し、
    前記物体の複数のピクセル画像の各々から前記少なくとも１つの特徴の輪郭を抽出し、
    前記物体の複数のピクセル画像の各々の中の前記少なくとも１つの特徴の見掛け位置を求め、
    前記物体の複数のピクセル画像の各々について前記少なくとも１つの特徴の見掛けサイズを求め、
    前記輪郭の少なくとも１つに基づいて前記少なくとも１つの特徴の実サイズを推定し、
    前記推定された少なくとも１つの特徴の実サイズと、前記少なくとも１つの特徴の見掛けサイズと、（ｉ）前記少なくとも１つの特徴の輪郭および（ｉｉ）前記少なくとも１つの特徴の見掛け位置の少なくとも一方とに基づいて前記物体の動作パラメータを求めるよう構成されている処理装置を具えることを特徴とするシステム。
25. 物体の動作を分析するシステムにおいて、当該システムが、
    前記物体の複数のピクセル画像の画像入力と前記物体の推定されたサイズのサイズ入力とを受信し、
    前記画像入力と前記サイズ入力とに基づいて前記物体の速度を求め、
    前記求められた物体の速度の出力を提供するよう構成された処理装置を具えることを特徴とするシステム。

Images