JP2015176250A - 物体検出装置 - Google Patents
物体検出装置 Download PDFInfo
- Publication number
- JP2015176250A JP2015176250A JP2014050695A JP2014050695A JP2015176250A JP 2015176250 A JP2015176250 A JP 2015176250A JP 2014050695 A JP2014050695 A JP 2014050695A JP 2014050695 A JP2014050695 A JP 2014050695A JP 2015176250 A JP2015176250 A JP 2015176250A
- Authority
- JP
- Japan
- Prior art keywords
- image
- window
- value
- window image
- correction
- 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
Images
Classifications
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Abstract
Description
{1.全体構成}
図1は、本発明の第1の実施の形態に係る物体検出装置1の機能ブロック図である。物体検出装置1は、カメラ100が撮影したカラーの撮影画像から、検出対象を検出する。物体検出装置1は、カメラ100とともに自動車などの車両に搭載される。本実施の形態では、検出対象は、歩行者である。ただし、検出対象は歩行者に限られるものではなく、他の物体(自動車、道路標識など)を検出対象としてもよい。
図3は、物体検出装置1の動作を示すフローチャートである。物体検出装置1は、カメラ100から撮影画像21(フレーム)が入力されるたびに、図3に示す処理を実行して、入力された撮影画像21から歩行者を検出する。
エッジ画像生成部11は、カラーの撮影画像21からエッジ画像22を生成する(ステップS1)。具体的には、エッジ画像生成部11は、撮影画像21をグレースケール画像に変換し、グレースケール画像に対してエッジ強調処理を実行する。グレースケール画像及びエッジ画像22は、撮影画像21と同じ座標系を有する。グレースケール画像の各画素の画素値をf(x,y)とした場合、エッジ画像生成部11は、下記式(1)〜(3)の処理を実行することにより、エッジ画像22を生成する。
窓領域設定部12は、エッジ画像生成部11により生成されたエッジ画像22を入力する。窓領域設定部12は、入力されたエッジ画像22に対して、歩行者を検出するための窓領域を1つ設定する(ステップS2)。
窓領域設定部12は、エッジ画像22から窓領域52を切り出すことにより、通常窓画像23を生成する(ステップS3)。物体検出装置1は、窓画像23〜25の各々が識別値の算出対象となるか否かを判定する対象窓画像決定処理を実行する(ステップS4)。
識別値算出部16は、記憶部18に格納された特徴データ31を用いて、算出対象に決定された窓画像の識別値30を計算する。識別値30は、算出対象の窓画像に歩行者が存在する度合いを示し、0以上1以下の数値である。識別値30は、歩行者が窓画像内に存在する可能性が高いほど、1に近い値となる。
判定部17は、識別値算出部16により算出された識別値30に基づいて、窓領域52内に歩行者が存在するか否かを判定する(ステップS6)。判定部17は、識別値30を予め設定された境界値と比較する。識別値30が境界値より大きい場合、判定部17は、窓領域52に歩行者が存在すると判断し、図4に示す撮影画像21内の窓領域52に歩行者が存在することを示す結果データ29を出力する。
以下、ステップS4(図3参照)で行われる対象窓画像特定処理を、図6及び図7を参照しながら詳しく説明する。図6は、対象窓画像決定処理(ステップS4)のフローチャートである。図7は、窓領域52に対応する窓画像23〜25と、各窓画像に対応するエッジ強度と、各窓画像から算出される識別値とを示す図である。図7において、通常窓画像23及び補正窓画像24に対応する識別値30は、実際には算出されない。しかし、各窓画像から算出される識別値30を比較しやすいように、通常窓画像23及び補正窓画像24に対応する識別値30を、参考のために示している。
画素値補正部13は、判断の対象として、エッジ画像生成部11により生成された通常窓画像23を取得する(ステップS41)。
widthは、通常窓画像23のX軸方向のサイズ、heightは、通常窓画像23のY軸方向のサイズを示す。NumPixelは、通常窓画像23が有する画素の数である。式(4)に示すように、通常窓画像23のエッジ強度は、通常窓画像23内の各画素の画素値を積算した値を通常窓画像23の画素数で割ることにより得られる。つまり、エッジ強度は、通常窓画像23における1画素あたりの画素値の平均値である。図7に示すように、通常窓画像23のエッジ強度は、W1aである。
画素値補正部13は、使用画像決定部15の指示に応じて、補正窓画像の生成に用いられていない補正基準値があるか否かを確認する(ステップS45)。
物体検出装置1は、画素値補正部13により生成された補正窓画像24に対して、ステップS41〜S43の処理を実行する。
画素値補正部13は、使用画像決定部15の判断に応じて、補正窓画像の生成に用いられていない補正基準値があるか否かを確認する(ステップS45)。この時点で、補正窓画像25が生成されていないため(ステップS45においてYes)、画素値補正部13は、補正基準テーブル32に記録された基準値の中から、補正基準値35a及びゼロ基準値35bを選択する(ステップS46)。
{1.物体検出装置2の構成}
図11は、本発明の第2の実施の形態に係る物体検出装置2のブロック図である。図11に示すように、物体検出装置2は、使用画像決定部15に代えて、差分算出部61と、選択部62を備える。物体検出装置2のその他の構成は、物体検出装置1の構成と同じである。以下、物体検出装置1と異なる点を中心に、物体検出装置2について説明する。
図12は、物体検出装置2の動作を示すフローチャートである。以下、特に説明のない限り、窓領域52(図4参照)から歩行者を検出する場合を例にして、物体検出装置1の動作を説明する。
以下、図12及び図13を参照しながら、対象画像選択処理(ステップS80)の詳細について説明する。
11 エッジ画像生成部
12 窓領域設定部
13 画素値補正部
14 特徴量算出部
15 使用画像決定部
16 識別値算出部
17 判定部
18 記憶部
23 通常窓画像
24,25,26 補正窓画像
31 特徴データ
32 補正基準テーブル
51 差分値算出部
52 選択部
100 カメラ
Claims (12)
- フレーム画像から検出対象を検出する物体検出装置であって、
前記検出対象を検出するための窓領域を前記フレーム画像内に設定し、前記窓領域の画像を有する第1窓画像を取得する窓領域設定部と、
前記窓領域設定部により取得された第1窓画像内の画素の画素値が補正基準値よりも小さい場合、前記画素値よりも小さい値を取得することにより、第2窓画像を生成する画素値補正部と、
前記画素値補正部により生成された第2窓画像の特徴量を算出する特徴量算出部と、
前記特徴量算出部により算出された特徴量に基づいて、前記窓領域に前記検出対象が存在するか否かを示す識別値の計算に前記第2窓画像を使用するか否かを決定する使用画像決定部と、
前記第2窓画像を使用すると前記使用画像決定部により判定された場合、前記検出対象の特徴データを用いて、前記第2窓画像内に検出対象が存在する度合いを示す識別値を計算する識別値算出部と、
を備える物体検出装置。 - 請求項1に記載の物体検出装置であって、
画素値補正部は、前記第2窓画像を使用しないと前記使用画像決定部により決定された場合、前記第1窓画像内の画素の画素値を前記補正基準値と異なる基準値と比較し、前記画素値が前記異なる基準値よりも小さい場合、前記画素値よりも小さい値を取得することにより、第3窓画像を生成し、
前記特徴量算出部は、前記画素値補正部により生成された第3窓画像の特徴量を算出し、
前記使用画像決定部は、前記特徴量算出部により算出された前記第3窓画像の特徴量に基づいて、前記第3窓画像を使用するか否かを決定し、
前記識別値算出部は、前記第3窓画像を使用すると前記使用画像決定部により決定された場合、前記第3窓画像内に前記検出対象が存在する度合いを示す識別値を算出する物体検出装置。 - 請求項1又は請求項2に記載の物体検出装置であって、
前記特徴量算出部は、前記第1窓画像の特徴量を算出し、
前記使用画像決定部は、前記特徴量算出部により算出された前記第1窓画像の特徴量に基づいて、前記第1窓画像を使用するか否かを決定し、
前記識別値算出部は、前記第1窓画像を使用すると前記使用画像決定部により決定された場合、前記第1窓画像内に前記検出対象が存在する度合いを示す識別値を算出し、
前記第1窓画像を使用しないと前記使用画像決定部により決定された場合、前記画素値補正部が、前記第2窓画像を生成する物体検出装置。 - 請求項1ないし3のいずれかに記載の物体検出装置であって、
前記フレーム画像がエッジ画像であり、
前記第2窓画像の特徴量は、エッジ強度であり、
前記使用画像決定部は、前記第2窓画像の特徴量が予め設定された使用基準値よりも小さい場合、前記第2窓画像を使用することを決定する物体検出装置。 - 請求項1に記載の物体検出装置であって、
前記画素値補正部は、前記第1窓画像の画素の画素値を前記補正基準値よりも大きい第1基準値と比較し、前記画素値が前記第1基準値よりも小さい場合、前記画素値よりも小さい画素値を取得することにより、第3窓画像を生成し、
前記特徴量算出部は、前記第3の窓画像の特徴量を算出し、
前記使用画像決定部は、
前記第2の窓画像の特徴量及び第3の窓画像の特徴量に基づいて、前記第2窓画像及び前記第3窓画像の中から、前記識別値の算出に使用する窓画像を選択する選択部、
を含む物体検出装置。 - 請求項5に記載の物体検出装置であって、
前記特徴量算出部は、前記第1の窓画像の特徴量を算出し、
前記選択部は、前記第1〜第3の窓画像の各々の特徴量に基づいて、前記第1〜第3の窓画像の中から、前記識別値の算出に使用する窓画像を選択する物体検出装置。 - 請求項6に記載の物体検出装置であって、さらに、
前記第1の窓画像の特徴量と前記第2の窓画像の特徴量との差である第1の差分値と、前記第2の窓画像の特徴量と前記第3の窓画像の特徴量との差である第2の差分値とを算出する差分計算値、
を備え、
前記選択部は、前記第1の差分値と前記第2の差分値とに基づいて、前記識別値の算出に使用する窓画像を前記第1〜第3の窓画像の中から選択する物体検出装置。 - 請求項7に記載の物体検出装置であって、
前記選択部は、前記第1の差分値が前記第2の差分値よりも大きい場合、前記第2の窓画像を選択する物体検出装置。 - 請求項5に記載の物体検出装置であって、
前記画素値補正部は、前記第1窓画像の画素の画素値を前記第1基準値よりも大きい第2基準値と比較し、前記画素値が前記第2基準値よりも小さい場合、前記画素値よりも小さい画素値を取得することにより、第4窓画像を生成し、
前記特徴量算出部は、前記第4の窓画像の特徴量を算出し、
前記選択部は、前記第2〜第4の窓画像の各々の特徴量に基づいて、前記識別値の算出に使用する窓画像を前記第2〜第4窓画像の中から選択する物体検出装置。 - 請求項1ないし7のいずれかに記載の物体検出装置であって、
フレーム画像がエッジ画像であり、
前記特徴量算出部は、前記第2窓画像のエッジ強度を前記第2窓画像の特徴量として算出する物体検出装置。 - 請求項1ないし10のいずれかに記載の物体検出装置であって、
画素値補正部は、前記第1窓画像内の画素の画素値を前記補正基準値よりも小さいゼロ基準値と比較し、前記画素値が前記ゼロ基準値よりも小さい場合、前記画素値がゼロに置換された値を取得し、前記画素値が前記ゼロ基準値以上であり前記補正基準値よりも小さい場合、前記画素値がゼロよりも大きい値を取得する物体検出装置。 - フレーム画像から検出対象を検出する物体検出装置に搭載されるコンピュータに、
前記検出対象を検出するための窓領域を前記フレーム画像内に設定し、前記窓領域の画像を有する第1窓画像を取得するステップと、
前記第1窓画像内の画素の画素値が補正基準値よりも小さい場合、前記画素値よりも小さい値を取得することにより、第2窓画像を生成するステップと、
前記第2窓画像の特徴量を算出するステップと、
前記第2窓画像の特徴量に基づいて、前記窓領域に前記検出対象が存在するか否かを示す識別値の計算に前記第2窓画像を使用するか否かを決定するステップと、
前記第2窓画像を使用すると判定された場合、前記検出対象の特徴データを用いて、前記第2窓画像内に検出対象が存在する度合いを示す識別値を計算するステップと、
を実行させる物体検出プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014050695A JP6401922B2 (ja) | 2014-03-13 | 2014-03-13 | 物体検出装置 |
US14/656,919 US9477882B2 (en) | 2014-03-13 | 2015-03-13 | Object detection apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014050695A JP6401922B2 (ja) | 2014-03-13 | 2014-03-13 | 物体検出装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015176250A true JP2015176250A (ja) | 2015-10-05 |
JP6401922B2 JP6401922B2 (ja) | 2018-10-10 |
Family
ID=54069395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014050695A Expired - Fee Related JP6401922B2 (ja) | 2014-03-13 | 2014-03-13 | 物体検出装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9477882B2 (ja) |
JP (1) | JP6401922B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163219A (zh) * | 2019-04-17 | 2019-08-23 | 安阳师范学院 | 基于图像边缘识别的目标检测方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6786279B2 (ja) * | 2016-07-05 | 2020-11-18 | 日立オートモティブシステムズ株式会社 | 画像処理装置 |
CN109784186B (zh) * | 2018-12-18 | 2020-12-15 | 深圳云天励飞技术有限公司 | 一种行人重识别方法、装置、电子设备及计算机可读存储介质 |
CN109920016B (zh) * | 2019-03-18 | 2021-06-25 | 北京市商汤科技开发有限公司 | 图像生成方法及装置、电子设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1166490A (ja) * | 1997-08-13 | 1999-03-09 | Nagoya Denki Kogyo Kk | 車両検出方法 |
JP2010158317A (ja) * | 2009-01-06 | 2010-07-22 | Rohm Co Ltd | 画像処理方法及びコンピュータプログラム |
JP2011233148A (ja) * | 2010-04-27 | 2011-11-17 | Ricoh Co Ltd | 画像強調方法と装置、物体検出方法と装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3549725B2 (ja) * | 1998-04-13 | 2004-08-04 | シャープ株式会社 | 画像処理装置 |
JP3587506B2 (ja) * | 1999-08-30 | 2004-11-10 | 富士重工業株式会社 | ステレオカメラの調整装置 |
JP2008021034A (ja) | 2006-07-11 | 2008-01-31 | Fujitsu Ten Ltd | 画像認識装置、画像認識方法、歩行者認識装置および車両制御装置 |
US8326025B2 (en) * | 2006-09-04 | 2012-12-04 | Koninklijke Philips Electronics N.V. | Method for determining a depth map from images, device for determining a depth map |
JP2009070344A (ja) | 2007-09-18 | 2009-04-02 | Fujitsu Ten Ltd | 画像認識装置、画像認識方法および電子制御装置 |
US8218817B2 (en) * | 2007-12-21 | 2012-07-10 | Honda Motor Co. Ltd. | Online articulate object tracking with appearance and shape |
CN101872477B (zh) * | 2009-04-24 | 2014-07-16 | 索尼株式会社 | 检测图像中的对象的方法、装置,及包括该装置的系统 |
EP2519914A1 (en) * | 2009-12-30 | 2012-11-07 | Nokia Corp. | Method, device and computer program product for detecting objects in digital images |
JP6242563B2 (ja) | 2011-09-09 | 2017-12-06 | 株式会社メガチップス | 物体検出装置 |
US9536137B2 (en) | 2013-03-26 | 2017-01-03 | Megachips Corporation | Object detection apparatus |
-
2014
- 2014-03-13 JP JP2014050695A patent/JP6401922B2/ja not_active Expired - Fee Related
-
2015
- 2015-03-13 US US14/656,919 patent/US9477882B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1166490A (ja) * | 1997-08-13 | 1999-03-09 | Nagoya Denki Kogyo Kk | 車両検出方法 |
JP2010158317A (ja) * | 2009-01-06 | 2010-07-22 | Rohm Co Ltd | 画像処理方法及びコンピュータプログラム |
JP2011233148A (ja) * | 2010-04-27 | 2011-11-17 | Ricoh Co Ltd | 画像強調方法と装置、物体検出方法と装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163219A (zh) * | 2019-04-17 | 2019-08-23 | 安阳师范学院 | 基于图像边缘识别的目标检测方法 |
CN110163219B (zh) * | 2019-04-17 | 2023-05-16 | 安阳师范学院 | 基于图像边缘识别的目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6401922B2 (ja) | 2018-10-10 |
US9477882B2 (en) | 2016-10-25 |
US20150262363A1 (en) | 2015-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US20150139533A1 (en) | Method, electronic device and medium for adjusting depth values | |
JP6401922B2 (ja) | 物体検出装置 | |
JP6242563B2 (ja) | 物体検出装置 | |
JP2014057303A (ja) | 深度推定手順において改善されたシーン検出を利用するためのシステム及び方法 | |
JP2008286725A (ja) | 人物検出装置および方法 | |
KR102308437B1 (ko) | 대상체의 외부의 검사를 최적화하기 위한 장치 및 그 방법 | |
EP3200442B1 (en) | Method and apparatus for image processing | |
JP6177541B2 (ja) | 文字認識装置、文字認識方法及びプログラム | |
US8675954B2 (en) | Image processing apparatus, image processing method, and computer program product for image processing | |
JP2009134587A (ja) | 画像処理装置 | |
JP2017524404A5 (ja) | ||
JP6340228B2 (ja) | 物体検出装置 | |
JP2011165170A (ja) | 対象物検出装置及びプログラム | |
JP6340227B2 (ja) | 人物検出装置 | |
US10223583B2 (en) | Object detection apparatus | |
EP3955207A1 (en) | Object detection device | |
JP2017165345A (ja) | 物体認識装置、物体認識方法、及び物体認識プログラム | |
JP6140478B2 (ja) | 物体検出装置、プログラムおよび集積回路 | |
JP2005332382A (ja) | 画像処理方法および装置並びにプログラム | |
JP6423594B2 (ja) | 物体検出装置 | |
JP2015187782A (ja) | 物体検出装置 | |
KR102031842B1 (ko) | 웨이퍼 맵의 처리 방법 및 이를 위한 컴퓨터 프로그램 | |
JP2009059047A (ja) | 対象物検出装置、対象物検出方法、および対象物検出プログラム | |
JP6116959B2 (ja) | 物体検出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180418 |
|
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: 20180821 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180910 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6401922 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |