JP2014206907A5

JP2014206907A5 -

Info

Publication number: JP2014206907A5
Application number: JP2013085014A
Authority: JP
Filing date: 2013-04-15
Publication date: 2016-06-02
Anticipated expiration: 2033-04-15

Description

上記課題を解決するために、第１の発明は、観測取得部と、観測選択部と、尤度取得部と、事後確率分布推定部と、事前確率分布出力部と、を備える状態推定装置である。

事前確率分布出力部は、事後確率分布推定部により推定された事後確率分布データに基づく事前確率分布データを、次時刻ｔ＋１において、事前確率分布データとして出力する。

第２の発明は、観測取得部と、尤度算出部と、尤度取得部と、事後確率分布推定部と、事前確率分布出力部と、を備える状態推定装置である。

第１０の発明は、観測可能な事象から得られる複数の観測データを、任意の時間間隔で取得する観測取得部を備える状態推定装置に用いられる集積回路であって、観測選択部と、尤度取得部と、事後確率分布推定部と、事前確率分布出力部と、を備える。

第１１の発明は、観測可能な事象から得られる複数の観測データを、任意の時間間隔で取得する観測取得部を備える状態推定装置に用いられる集積回路であって、尤度算出部と、尤度取得部と、事後確率分布推定部と、事前確率分布出力部と、を備える。

第１実施形態に係る状態推定システム１０００の概略構成図。第１実施形態の観測取得部１の概略構成図。動画像上で移動する物体を模式的に示した図。時刻ｔ０における第１の観測データ（物体検出画像）と第２の観測データ（物体検出画像）と、画像上の物体Ｂ０の状態とを模式的に示す図。時刻ｔ１における第１の観測データ（物体検出画像）と第２の観測データ（物体検出画像）と、画像上の物体Ｂ１の状態とを模式的に示す図。時刻ｔ１における、尤度取得部３による予測処理および尤度計算と、事後確率分布推定部４によるリサンプリングとを説明するための図。時刻ｔ２における第１の観測データ（物体検出画像）と第２の観測データ（物体検出画像）と、画像上の物体Ｂ２の状態とを模式的に示す図。時刻ｔ３における第１の観測データ（物体検出画像）と第２の観測データ（物体検出画像）と、画像上の物体Ｂ３の状態とを模式的に示す図。第２実施形態に係る状態推定システム２０００の概略構成図。他の実施形態に係る観測取得部１Ａおよび観測選択部２Ａの概略構成図。他の実施形態に係る観測取得部１Ａ、尤度算出部７Ａ、および、尤度取得部３Ｂの概略構成図。他の実施形態に係る観測取得部１Ｂの概略構成図。

具体的には、時刻ｔ１における事前確率分布（事前確率分布データ）に従う、ｉ番目のパーティクルの内部状態は、（Ｘ_{ｔ−１｜ｔ−１} ^（ｉ），Ｙ_{ｔ−１｜ｔ−１} ^（ｉ），Ｗ_{ｔ−１｜ｔ−１} ^（ｉ），Ｈ_{ｔ−１｜ｔ−１} ^（ｉ））であり、予測処理後のｉ番目のパーティクルの内部状態は、（Ｘ_{ｔ｜ｔ−１} ^（ｉ），Ｙ_{ｔ｜ｔ−１} ^（ｉ），Ｗ_{ｔ｜ｔ−１} ^（ｉ），Ｈ_{ｔ｜ｔ−１} ^（ｉ））であるので、
Ｘ_{ｔ｜ｔ−１} ^（ｉ）＝Ｘ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＸ^（ｉ）
Ｙ_{ｔ｜ｔ−１} ^（ｉ）＝Ｙ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＹ^（ｉ）
Ｗ_{ｔ｜ｔ−１} ^（ｉ）＝Ｗ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＷ^（ｉ）
Ｈ_{ｔ｜ｔ−１} ^（ｉ）＝Ｈ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＨ^（ｉ）
により、尤度取得部３は、予測処理後のパーティクルの集合ｓ_{ｔ｜ｔ−１}を取得する。なお、ΔＸ^（ｉ）、ΔＹ^（ｉ）、ΔＷ^（ｉ）、ΔＨ^（ｉ）は、それぞれ、ガウス分布に従う。

図６は、時刻ｔ１における、尤度取得部３による予測処理および尤度計算と、事後確率分布推定部４によるリサンプリングとを説明するための図であり、図５の物体Ｂ１の周辺の画像領域を抽出して示した図である。なお、図６では、Ｙ軸方向のパーティクルのみを模式的に示している。

具体的には、時刻ｔ２における事前確率分布（事前確率分布データ）に従う、ｉ番目のパーティクルの内部状態は、（Ｘ_{ｔ−１｜ｔ−１} ^（ｉ），Ｙ_{ｔ−１｜ｔ−１} ^（ｉ），Ｗ_{ｔ−１｜ｔ−１} ^（ｉ），Ｈ_{ｔ−１｜ｔ−１} ^（ｉ））であり、予測処理後のｉ番目のパーティクルの内部状態は、（Ｘ_{ｔ｜ｔ−１} ^（ｉ），Ｙ_{ｔ｜ｔ−１} ^（ｉ），Ｗ_{ｔ｜ｔ−１} ^（ｉ），Ｈ_{ｔ｜ｔ−１} ^（ｉ））であるので、
Ｘ_{ｔ｜ｔ−１} ^（ｉ）＝Ｘ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＸ^（ｉ）
Ｙ_{ｔ｜ｔ−１} ^（ｉ）＝Ｙ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＹ^（ｉ）
Ｗ_{ｔ｜ｔ−１} ^（ｉ）＝Ｗ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＷ^（ｉ）
Ｈ_{ｔ｜ｔ−１} ^（ｉ）＝Ｈ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＨ^（ｉ）
により、尤度取得部３は、予測処理後のパーティクルの集合ｓ_{ｔ｜ｔ−１}を取得する。なお、ΔＸ^（ｉ）、ΔＹ^（ｉ）、ΔＷ^（ｉ）、ΔＨ^（ｉ）は、それぞれ、ガウス分布に従う。

ここで、図７に示すように、第２の観測データは、第１の観測データよりも、物体Ｂ２の領域の検出結果が良好である。このため、第２の観測データを用いて、尤度を計算することで、物体Ｂ２の画像領域に含まれるパーティクルの尤度を大きくすることができる。その結果、事後確率分布において、物体Ｂ２の画像領域に含まれるパーティクルの数を多くすることができる。したがって、時刻ｔ２において、観測選択部２により選択された第２の観測を用いて、尤度の算出を行うことで、より適切に物体の追跡処理が実行できる。

図８は、時刻ｔ３における第１の観測データ（物体検出画像）と第２の観測データ（物体検出画像）と、画像上の物体Ｂ３の状態とを模式的に示す図である。

つまり、観測選択部２は、時刻ｔ３の事前確率分布ｐ（ｘ_ｔ−１｜ｙ_ｔ−１）に従って生成されたサンプル集合（パーティクルの集合）Ｓ_{ｔ−１｜ｔ−１}の平均値（Ｘ_{ｔ−１｜ｔ−１}＿ａｖｅ，Ｙ_{ｔ−１｜ｔ−１}＿ａｖｅ，Ｗ_{ｔ−１｜ｔ−１}＿ａｖｅ，Ｈ_{ｔ−１｜ｔ−１}＿ａｖｅ）に基づいて、第１の観測データと第２の観測データのどちらのデータを選択するか決定する。

具体的には、時刻ｔ３における事前確率分布（事前確率分布データ）に従う、ｉ番目のパーティクルの内部状態は、（Ｘ_{ｔ−１｜ｔ−１} ^（ｉ），Ｙ_{ｔ−１｜ｔ−１} ^（ｉ），Ｗ_{ｔ−１｜ｔ−１} ^（ｉ），Ｈ_{ｔ−１｜ｔ−１} ^（ｉ））であり、予測処理後のｉ番目のパーティクルの内部状態は、（Ｘ_{ｔ｜ｔ−１} ^（ｉ），Ｙ_{ｔ｜ｔ−１} ^（ｉ），Ｗ_{ｔ｜ｔ−１} ^（ｉ），Ｈ_{ｔ｜ｔ−１} ^（ｉ））であるので、
Ｘ_{ｔ｜ｔ−１} ^（ｉ）＝Ｘ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＸ^（ｉ）
Ｙ_{ｔ｜ｔ−１} ^（ｉ）＝Ｙ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＹ^（ｉ）
Ｗ_{ｔ｜ｔ−１} ^（ｉ）＝Ｗ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＷ^（ｉ）
Ｈ_{ｔ｜ｔ−１} ^（ｉ）＝Ｈ_{ｔ−１｜ｔ−１} ^（ｉ）＋ΔＨ^（ｉ）
により、尤度取得部３は、予測処理後のパーティクルの集合ｓ_{ｔ｜ｔ−１}を取得する。なお、ΔＸ^（ｉ）、ΔＹ^（ｉ）、ΔＷ^（ｉ）、ΔＨ^（ｉ）は、それぞれ、ガウス分布に従う。

ここで、図８に示すように、第２の観測データは、第１の観測データよりも、物体Ｂ３の領域の検出結果が良好である。このため、第２の観測データを用いて、尤度を計算することで、物体Ｂ３の画像領域に含まれるパーティクルの尤度を大きくすることができる。その結果、事後確率分布において、物体Ｂ３の画像領域に含まれるパーティクルの数を多くすることができる。したがって、時刻ｔ３において、観測選択部２により選択された第２の観測を用いて、尤度の算出を行うことで、より適切に物体の追跡処理が実行できる。

なお、図８に、（１）時刻ｔ３における事前確率分布に従うパーティクルの平均値が示す領域Ｒ＿ｂｅｆｏｒｅ＿ａｖｅと、（２）上記処理により取得された、予測後確率分布（予測処理後のパーティクルの集合ｓ_{ｔ｜ｔ−１}に関するデータ）に従うパーティクルの平均値（Ｘ_{ｔ｜ｔ−１}＿ａｖｅ，Ｙ_{ｔ｜ｔ−１}＿ａｖｅ，Ｗ_{ｔ｜ｔ−１}＿ａｖｅ，Ｈ_{ｔ｜ｔ−１}＿ａｖｅ）を示す領域Ｒ＿ｐｒｅｄ＿ａｖｅと、を示す。

なお、事前確率分布出力部５は、第１実施形態とは出力先だけが異なる。つまり、状態推定システム２０００の事前確率分布出力部５は、生成した事前確率分布（事前確率分布データ）を尤度算出部７と、尤度取得部３Ａとに出力する。

本実施形態において、第１実施形態と同様の部分については、同一符号を付し、詳細な説明を省略する。

この場合、図１０に示すように、観測取得部１Ａは、１つの映像入力部とＮ個の物体検出部
とを備える。つまり、観測取得部１Ａは、映像入力部１１１Ａと、第１物体検出部１１２Ａ、第２物体検出部１１２Ｂ、・・・、第Ｎ物体検出部１１２Ｎとを備える。

この場合、図１１に示すように、観測取得部１Ａは、１つの映像入力部とＮ個の物体検出部とを備える。つまり、観測取得部１Ａは、映像入力部１１１Ａと、第１物体検出部１１２Ａ、第２物体検出部１１２Ｂ、・・・、第Ｎ物体検出部１１２Ｎとを備える。

Claims

観測可能な事象から得られる複数の観測データを、任意の時間間隔で取得する観測取得部と、
前時刻ｔ−１に取得された事後確率分布データに基づいて、前記観測取得部により取得された前記複数の観測データの中から、１つの観測データを選択する観測選択部と、
前記観測選択部により選択された１つの観測データと、前記事後確率分布データに対して予測処理を行うことで取得した予測後確率分布データとに基づいて、尤度データを取得する尤度取得部と、
前記尤度取得部により取得された前記予測後確率分布データと、前記尤度データとから、前記事象の状態の事後確率分布データを推定する事後確率分布推定部と、
前記事後確率分布推定部により推定された前記事後確率分布データに基づく事前確率分布データを、次時刻ｔ＋１において、事前確率分布データとして出力する事前確率分布出力部と、
を備える状態推定装置。
観測可能な事象から得られる複数の観測データを、任意の時間間隔で取得する観測取得部と、
前時刻ｔ−１に取得された事後確率分布データに対して予測処理を行うことで取得した予測後確率分布データに基づいて、観測取得部により取得された複数の観測データごとに、尤度データを算出する尤度算出部と、
前記尤度算出部により取得された、複数の観測データごとに算出された複数の尤度データに基づいて、１つの尤度データを導出し、導出した前記１つの尤度データを決定尤度データとして取得する尤度取得部と、
前記予測後確率分布データと前記決定尤度データとに基づいて、前記事象の状態の事後確率分布データを推定する事後確率分布推定部と、
前記事後確率分布推定部により推定された前記事後確率分布データに基づく事前確率分布データを、次時刻ｔ＋１において、事前確率分布データとして出力する事前確率分布出力部と、
を備える状態推定装置。
観測可能な事象から得られる複数の観測データを、任意の時間間隔で取得する観測取得部を備える状態推定装置に用いられる集積回路であって、
前時刻ｔ−１に取得された事後確率分布データに基づいて、前記観測取得部により取得された前記複数の観測データの中から、１つの観測データを選択する観測選択部と、
前記観測選択部により選択された１つの観測データと、前記事後確率分布データに対して予測処理を行うことで取得した予測後確率分布データとに基づいて、尤度データを取得する尤度取得部と、
前記尤度取得部により取得された前記予測後確率分布データと、前記尤度データとから、前記事象の状態の事後確率分布データを推定する事後確率分布推定部と、
前記事後確率分布推定部により推定された前記事後確率分布データに基づく事前確率分布データを、次時刻ｔ＋１において、事前確率分布データとして出力する事前確率分布出力部と、
を備える集積回路。
観測可能な事象から得られる複数の観測データを、任意の時間間隔で取得する観測取得部を備える状態推定装置に用いられる集積回路であって、
前時刻ｔ−１に取得された事後確率分布データに対して予測処理を行うことで取得した予測後確率分布データに基づいて、観測取得部により取得された複数の観測データごとに、尤度データを算出する尤度算出部と、
前記尤度算出部により取得された、複数の観測データごとに算出された複数の尤度データに基づいて、１つの尤度データを導出し、導出した前記１つの尤度データを決定尤度データとして取得する尤度取得部と、
前記予測後確率分布データと前記決定尤度データとに基づいて、前記事象の状態の事後確率分布データを推定する事後確率分布推定部と、
前記事後確率分布推定部により推定された前記事後確率分布データに基づく事前確率分布データを、次時刻ｔ＋１において、事前確率分布データとして出力する事前確率分布出力部と、
を備える集積回路。