JP2012208094A - 物体検知装置、物体検知方法、及びプログラム - Google Patents

Abstract

【課題】物体を検知する精度をより高めることを目的とする。
【解決手段】物体検知装置が、画像の感度を調整する調整手段と、複数の画像を累積する累積手段と、感度の調整が行われた画像と累積された画像との各々から変化領域を検出する検出手段と、検出された変化領域のうちで物体領域であると判定した領域を統合する統合手段と、を有することによって課題を解決する。
【選択図】図１

Description

本発明は、物体検知装置、物体検知方法、及びプログラムに関する。

近年、セキュリティのために監視カメラの設置が急速に普及している。また、監視カメラの画像を使って、不審な人物や物体の侵入を自動的に検知する物体検知機能を有する装置が提案されている。このような物体検知機能に適用可能な技術としては、予め侵入者のいないシーンを背景画像として撮影しておき、入力画像と背景画像との差分から物体領域を検知する方法が知られている。
しかしながら、夜間に撮影した画像など、検知する人物、物体等の対象物の輝度が低い場合には、対象物と背景との差が小さいために領域が正確に検知されないといった問題がある。このような問題を解決するために、撮影した画像に所定の感度アップ処理を施して検知を行う方法が提案されている（特許文献１参照）。また、検知した領域が小さい場合に領域を拡張して感度アップ処理を施して検知を行う方法が提案されている（特許文献２参照）。

特開２００３−２７４３９５号公報 特開２００８−０４２４２３号公報

しかしながら、特許文献１に記載の技術では、感度アップ処理により増幅されるノイズの影響を受け、誤検知が増えることが問題となる。また、特許文献２に記載の技術では、小さい物体を検知できないといった問題点がある。

本発明はこのような問題点に鑑みなされたもので、物体を検知する精度をより高めることを目的とする。

そこで、本発明に係る物体検知装置は、画像の感度を調整する調整手段と、複数の画像を累積する累積手段と、前記感度の調整が行われた画像と前記累積された画像との各々から変化領域を検出する検出手段と、前記検出された変化領域のうちで物体領域であると判定した領域を統合する統合手段と、を有することを特徴とする。

本発明によれば、物体を検知する精度をより高めることができる。

物体検知装置の構成の一例を示す図である。 物体検知処理に係るフローチャートの一例を示す図である。 感度調整の処理に係る画像の一例を示す図である。 画像累積の処理に係る画像の一例を示す図である。 物体領域判定の処理に係る画像の一例を示す図である。

以下、本発明の実施形態について図面に基づいて説明する。なお、実施形態は、本発明を限定するものではなく、また、実施形態で説明されている全ての構成が本発明の課題を解決するための手段に必須であるとは限らない。

図１は、本実施形態に係る物体検知装置の構成の一例を示す図である。物体検知装置は、撮像部を有するカメラ等の撮像装置である。画像取得部１０は、カメラ等の撮像部で撮像された画像データを取得する。感度調整部２０は、画像取得部１０で取得された画像データの感度を調整する。画像累積部３０は、画像取得部１０で取得され、感度調整部２０で感度調整が行われた画像データを複数のフレーム分、累積する。
背景モデル記憶部４０は、画像取得部１０で取得された背景のみの画像データから作成された背景モデルを基準モデルとして記憶するメモリである。第一の変化領域検出部５０は、画像取得部１０で取得され、感度調整部２０で感度調整が行われた画像データと背景モデル記憶部４０に記憶されている背景モデルとを比較し、変化領域を検出する。第二の変化領域検出部６０は、画像累積部３０で累積された画像データと背景モデル記憶部４０に記憶されている背景モデルとを比較し、変化領域を検出する。

第一の物体領域判定部７０は、第一の変化領域検出部５０で検出された変化領域から物体領域を判定する。第二の物体領域判定部８０は、第二の変化領域検出部６０で検出された変化領域から物体領域を判定する。
物体領域統合部９０は、第一の物体領域判定部７０で判定された物体領域と第二の物体領域判定部８０で判定された物体領域とを統合する。物体領域出力部１００は、物体領域統合部９０で統合された物体領域を出力する。モデル更新部１１０は、第一の変化領域検出部５０及び第二の変化領域検出部６０の判定結果にもとづいて背景モデル記憶部４０に記憶されている背景モデルの更新を行う。

以下では、図２のフローチャートに従って物体検知装置の動作を説明する。図２は、物体検知処理に係るフローチャートの一例を示す図である。
まず、画像取得部１０は、カメラ等の撮像部で撮像された画像データを取得し、感度調整部２０等に出力する（Ｓ１０１）。
続いて、感度調整部２０は、画像取得部１０で取得された画像データの感度を調整する（Ｓ１０２）。画像取得部１０で取得された画像データの輝度レベルが暗い場合は、感度調整部２０は、輝度レベルが所定値以上になるように感度アップ処理を行う。そして、感度アップ処理が施された画像データは、所定のビット数（例えば８ビット）でデジタル化され、一旦、感度調整部２０の内部メモリに記憶される。

ここで、感度調整部２０の処理内容を、図３を用いて説明する。図３では、暗いシーンで輝度の低い物体が撮影された場合の画像データ（画像）の一例が示されている。より具体的には、図３（Ａ）は、画像取得部１０で取得された画像データの例を示す図である。図３（Ｂ）は、感度調整部２０で感度アップ処理が行われてデジタル化された画像データの例を示す図である。図３（Ｃ）は、感度調整部２０で感度アップ処理が行われないでデジタル化された画像データの例を示す図である。
図中、２１０は物体、２２０は背景、２３０はノイズを表す。図３（Ｂ）に示すように、感度アップ処理が行われた画像では物体、及び背景の輝度レベルが区別できるが、図３（Ｃ）に示すように、感度アップ処理が行われていない画像では物体、及び背景の輝度レベルが区別できない。即ち、感度アップ処理を行わないと、暗いシーンから輝度の低い物体を検知できない。ただし、感度アップ処理が行われた画像では、実際には存在しない撮像部のノイズが画像データに混入する。

続いて、第一の変化領域検出部５０は、画像取得部１０で取得され、感度調整部２０で感度調整が行われた画像データと背景モデル記憶部４０に記憶されている背景モデルとを比較し、変化領域を検出する（Ｓ１０３）。この際、第一の変化領域検出部５０は、感度調整部２０の内部メモリに一旦記憶された画像データと背景モデル記憶部４０に記憶されている背景モデルとの輝度（輝度値）を画素毎に比較し、輝度値の差分値が所定量以上の画素を変化領域とする。
ここで、背景モデル記憶部４０には背景のみのシーンにおいて画像取得部１０で取得された画像データの輝度値が予め記憶されている。また、背景モデルとの比較を行う前に感度調整が行われた画像データの輝度値については、背景モデルの輝度レベル（より広義にには規定の輝度レベル）に正規化しておく必要がある。感度アップ処理のゲインがフレームによって異なる場合には輝度値の比較が意味をなさなくなってしまうからである。

そこで、第一の変化領域検出部５０は、フレーム毎の感度アップ処理のゲインを揃えるようにして輝度値の比較を行う。また、検出結果としては、変化領域を「１」、それ以外の領域を「０」とした２値データが第一の変化領域検出部５０の内部メモリに記憶される。
なお、ここでは最も単純な変化領域の検出方法を適用する場合を説明したが、画像取得部１０で取得される画像データが高解像度である場合には、画像データを所定サイズのブロックに分割し、ブロック毎に変化領域を検出するようにしてもよい。
そして、例えば、第一の変化領域検出部５０は、ブロック内の輝度平均値や輝度ヒストグラムを用いて背景モデルと比較を行う。また、背景モデルを単純な輝度データとする他にも、画素毎に多数のフレームの輝度値を統計的に処理して正規分布関数でモデル化して変化領域を検出する方法も適用することができる。更に、その混合モデルを用いて変化領域を検出する方法も適用することができる。

続いて、画像累積部３０は、画像取得部１０で取得され、感度調整部２０で感度調整が行われた画像データを複数のフレーム分、累積する（Ｓ１０４）。この際、画像累積部３０は、感度調整部２０の内部メモリに一旦記憶された画像データを読み出し、画素毎に複数フレーム分の輝度値を累積していく。そして、画像累積部３０は、所定フレーム分累積するまで累積値（累積された輝度値）を画像累積部３０の内部メモリに保持しておき、累積画像データが後段の処理で使用されたタイミングでリセットを行う。
ここで、画像累積部３０の処理内容を、図４を用いて説明する。図４は、暗いシーンで輝度の低い物体が移動しているシーンを撮影した場合の画像データ（画像）の一例が示されている。図４（Ａ）は、感度調整部２０で処理が行われた画像データ、図４（Ｂ）は、画像累積部３０で累積処理が行われた画像データの例を示す図である。
図中、２１１はカメラに近い位置に立つ人物等の物体、２１２はカメラから遠い位置に立つ人物等の物体、２３０はノイズを表す。図４（Ｂ）に示すように、累積処理が行われた画像ではノイズが除去される。ただし、累積処理が行われた画像では物体の移動に伴うブレが発生する。特に、カメラに近い位置に立つ人物等の物体は画像内での移動量が大きいので、変化領域の検知の精度が劣化する要因になる。

続いて、第二の変化領域検出部６０は、画像累積部３０で所定フレーム分の蓄積が完了したか否かを判断する（Ｓ１０５）。このとき、蓄積が完了したと判断された場合、Ｓ１０６の処理が行われ、蓄積が完了していないと判断された場合、Ｓ１０７の処理が行わる。
Ｓ１０６では、第二の変化領域検出部６０は、画像累積部３０で累積された画像データと背景モデル記憶部４０に記憶されている背景モデルとを比較し、変化領域を検出する。より具体的には、第二の変化領域検出部６０は、画像累積部３０の内部メモリに記憶された累積画像データと背景モデル記憶部４０に記憶されている背景モデルとの輝度値を画素毎に比較し、輝度値の差分値が所定量以上の画素を変化領域とする。詳細はＳ１０３の処理と同様である。

なお、背景モデルとの比較前に行う輝度値の正規化処理は、フレーム毎の感度アップ処理のゲインを揃えるだけでなく、複数フレームの累積数を補正するように行われる。輝度値の正規化を感度アップ処理した画像データと累積画像データとの双方で行うことにより、背景モデルを共用して変化領域の検出の処理を行うことができるので、別々に背景モデルを記憶しておく必要がない。また、Ｓ１０６の処理は、画像累積部３０で所定フレーム分の累積が行われていない場合にはスキップされる。
第一の物体領域判定部７０及び第二の物体領域判定部８０は、第一の変化領域検出部５０及び第二の変化領域検出部６０で検出された変化領域から物体領域を判定する。そして、物体領域統合部９０は、第一の物体領域判定部７０で判定された物体領域と第二の物体領域判定部８０で判定された物体領域とを統合する（Ｓ１０７）。

第一の物体領域判定部７０は、第一の変化領域検出部５０の検出結果から所定の大きさ以上の変化領域を物体領域であると判定する。まず、第一の物体領域判定部７０は、第一の変化領域検出部５０の内部メモリに記憶されている検出結果から変化領域である画素、即ち検出結果が「１」の画素の近傍画素との連結を抽出して、変化領域である画素の塊を１つの領域としてラベル付け処理を行う。例えば、第一の物体領域判定部７０は、ＦｌｏｏｄＦｉｌｌアルゴリズムを適用して行う。
そして、第一の物体領域判定部７０は、ラベル付けした領域毎にその画素数を求める。また、第一の物体領域判定部７０は、求めた画素数が所定値以上の領域を物体領域として、その結果を一旦、第一の物体領域判定部７０の内部メモリに記憶する。
第二の物体領域判定部８０は、第一の変化領域検出部６０の検出結果から所定の大きさ以下の変化領域を物体領域であると判定する。この際、第二の物体領域判定部８０は、第一の物体領域判定部７０と同様の処理を行う。なお、第一の物体領域判定部７０及び第二の物体領域判定部８０の夫々で求められた物体領域の処理結果は、物体領域統合部９０により統合される。

ここで、物体領域判定の処理内容を、図５を用いて説明する。図５は、図４と同様の暗いシーンで輝度の低い物体が移動しているシーンを撮影した場合の画像データ（検出結果）の一例を示す図である。図５（Ａ）は第一の変化領域検出部５０、図５（Ｂ）は第二の変化領域検出部６０、図５（Ｃ）は第一の物体領域判定部７０、図５（Ｄ）は第二の物体領域判定部８０、図５（Ｅ）は物体領域統合部９０の処理結果である。図中、黒い部分は「１」の領域、白い部分は「０」の領域を表す。
図５（Ｃ）に示すように、第一の物体領域判定部７０では大きい変化領域のみが検出され、図５（Ｄ）に示すように、第二の物体領域判定部８０では小さい変化領域のみが検出される。したがって、大きい物体が移動していても精度よく物体領域を検知することができ、感度調整により増幅されるノイズも誤検知しない。

続いて、物体領域出力部１００は、物体領域統合部９０で統合した物体領域を出力する（Ｓ１０８）。例えば、物体領域統合部９０の処理結果を画像データに重畳して不図示のディスプレイに表示する。
続いて、モデル更新部１１０は、第一の変化領域検出部５０及び第二の変化領域検出部６０の判定結果にもとづいて背景モデル記憶部４０に記憶されている背景モデルの更新を行う（Ｓ１０９）。

まず、モデル更新部１１０は、第一の変化領域検出部５０の内部メモリに記憶されている検出結果から該当画素が変化領域であるかどうかを判定する。そして、モデル更新部１１０は、変化領域の画素であると判定した場合は、感度調整部２０の内部メモリに記憶されている画像データから輝度値を抽出する。
同様に、モデル更新部１１０は、第二の変化領域検出部６０の内部メモリに記憶されている検出結果から該当画素が変化領域であるかどうかを判定する。そして、モデル更新部１１０は、変化領域の画素であると判定した場合は、画像累積部３０の内部メモリに記憶されている画像データから輝度値を抽出する。

また、モデル更新部１１０は、第一の変化領域検出部５０においても第二の変化領域検出部６０においても変化領域の画素であると判定した場合には、夫々抽出した輝度値を輝度値の正規化処理を行った後に所定の比率で加重平均処理を行い、更新用の輝度値とする。
そして、モデル更新部１１０は、背景モデル記憶部４０に記憶されている背景モデルの輝度値と抽出した輝度値とを正規化処理を行った後に所定の比率で加重平均処理を行い、新しい背景モデルの輝度値として更新する。モデル更新部１１０は、以上の更新処理を画素毎に行う。

なお、上述の例では第一の変化領域検出部５０と第二の変化領域検出部６０との判定結果にもとづいて背景モデルの更新を行うようにしたが、どちらか一方の判定結果にもとづいて更新を行うようにしてもよい。
背景モデルの更新を頻繁に行う必要がある場合には第一の変化領域検出部５０の判定結果にもとづいて背景モデルの更新を行うようにするのがよい。他方、感度アップ処理の結果、ノイズが多くなるシーンにおいて、背景モデルの更新を頻繁に行う必要がない場合には第二の変化領域検出部５０の判定結果にもとづいて背景モデルの更新を行うようにするのがよい。
Ｓ１０１からＳ１０９までの処理が不図示の制御部によってフレーム毎に順次繰り返して行われるよう制御される。

以上説明したように、本実施形態では、背景モデルとの比較により、感度調整を行った画像から大きな物体領域を、累積画像から小さな物体領域を検出して、それらの結果を統合するようにした。これにより、感度調整により増幅されるノイズの影響による誤検知を抑制しつつ、暗いシーンにおいても精度よく物体を検知することができる。

＜その他の実施形態＞
物体検知装置は、撮像装置で撮影された画像データを取得して処理する情報処理装置（コンピュータ）、情報処理装置が内蔵された撮像装置などであってもよい。
例えば、物体検知装置はＣＰＵ、ＲＯＭ、ＲＡＭ、ハードディスク等を有し、ＣＰＵにより、ＲＯＭ、ハードディスク等に記憶されているプログラムがＲＡＭにロードされて実行されることで、物体検知装置の機能部、フローチャートに係る処理が実現される。なお、物体検知装置の機能部、フローチャートに係る処理の一部、又は全部を専用のハードウェアを用いて構成してもよい。
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

上述した実施形態の構成によれば、物体を検知する精度をより高めることができる。

以上、本発明の好ましい実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

Claims (4)

1. 画像の感度を調整する調整手段と、
   複数の画像を累積する累積手段と、
   前記感度の調整が行われた画像と前記累積された画像との各々から変化領域を検出する検出手段と、
   前記検出された変化領域のうちで物体領域であると判定した領域を統合する統合手段と、を有することを特徴とする物体検知装置。
2. 前記検出手段は、前記感度の調整が行われた画像、及び前記累積された画像を規定の輝度レベルに正規化して変化領域を検出する請求項１に記載の物体検知装置。
3. 画像の感度を調整する調整工程と、
   複数の画像を累積する累積工程と、
   前記感度の調整が行われた画像と前記累積された画像との各々から変化領域を検出する検出工程と、
   前記検出された変化領域のうちで物体領域であると判定した領域を統合する統合工程と、を有することを特徴とする物体検知方法。
4. 請求項３に記載の物体検知方法の各工程をコンピュータに実行させるプログラム。

Images