JP2015176250A - 物体検出装置 - Google Patents

Abstract

【課題】カメラの露出条件を変更することなく、検出対象の検出精度を向上することができる物体検出装置を提供することを課題とする。【解決手段】物体検出装置１において、窓領域設定部１２は、窓領域５２をエッジ画像２２から切り出して通常窓画像２３を生成する。使用画像決定部１５は、通常窓画像２３のエッジ強度が使用基準値以下である場合、通常窓画像２３を、窓領域５２において歩行者が存在する度合いを示す識別値３０の算出に用いると決定する。通常窓画像２３のエッジ強度が使用基準値よりも大きい場合、画素値補正部１３は、通常窓画像２３のエッジ強度よりも小さいエッジ強度を有する補正窓画像２４を通常窓画像２３から生成する。使用画像決定部１５は、補正窓画像２４のエッジ強度が使用基準値以下である場合、補正窓画像２４を識別値３０の算出対象に決定する。【選択図】図１

Description

本発明は、物体検出装置に関し、さらに詳しくは、検出対象をフレーム画像から検出する技術に関する。

カメラが撮影した画像などに検出対象が存在するか否かを判定する物体検出装置が存在する。物体検出装置は、たとえば、カメラとともに車両に搭載される。物体検出装置は、カメラが撮影した画像に人物が存在するか否かを判定することにより、運転手に歩行者の存在を知らせることができる。物体検出装置を利用することにより、運転手は、車両の外部の状況を容易に把握することができる。

物体検出装置は、検出対象が画像に存在するか否かを判定するために、パターンマッチングを用いる。パターンマッチングのアルゴリズムとして、ニューラルネットワークや、サポートベクターマシンなどが挙げられる。物体検出装置は、入力された画像に対して、物体を検出する領域（窓領域）を設定する。物体検出装置は、上記のアルゴリズムが実装されたプログラムを用いて、検出対象が窓領域に含まれているか否かを判定する。

パターンマッチングを用いる物体検出装置が、特許文献１及び２に開示されている。

特許文献１で開示されている装置は、車載カメラが撮影した画像から歩行者を検出する。具体的には、この装置は、ニューラルネットワークを用いて画像から歩行者の可能性がある候補物体を検出した場合、候補物体を歩行者の頭及び手足などと比較することにより、候補物体が歩行者であるか否かを判定する。

特許文献２で開示されている装置は、カメラにより撮影された画像に対して、検出対象の領域が一部重複する複数の検出窓を設定する。この装置は、認識対象（歩行者など）の基準パターンを用いて、各検出窓に対するパターンマッチングを実行する。この装置は、パターンマッチングが複数回実行された領域については、各パターンマッチングの結果を積分する。積分結果に基づいて、歩行者の位置が特定される。

特開２００８−２１０３４号公報 特開２００９−７０３４４号公報

パターンマッチングを用いる物体検出装置は、検出対象を画像中から検出するために、検出対象を含む画像（サンプル画像データ）を用いて、検出対象のパターンを予め学習しておく。例えば、検出対象が歩行者である場合、サンプル画像データは、歩行者を撮影した学習用画像から、歩行者を含む領域を切り出すことにより生成される。学習用画像は、所定の露出条件の下で撮影される。

物体検出装置は、歩行者のパターンを学習した後に、カメラから入力される撮影画像から歩行者を検出する。しかし、撮影画像が生成されるときの露出条件が、学習用画像が生成されるときの露出条件と一致しないことにより、歩行者の検出精度が低くなる場合がある。

例えば、学習用画像が陽のあたる場所での撮影により生成され、物体検出装置が、日陰で撮影された撮影画像から歩行者を検出する場合を考える。この場合、撮影画像の露出条件と、学習用画像の露出条件とが異なるため、物体検出装置は、日陰で撮影された撮影画像が歩行者を含んでいるにも関わらず、歩行者を検出できないおそれがある。

従って、撮影画像から検出対象を検出する精度を向上させるためには、学習用画像を生成するときの露出条件と同様の露出条件で撮影画像を生成することが望ましい。この場合、物体検出装置が、学習用画像の露出条件に合うように、カメラの露出を制御する方法が考えられる。この方法では、物体検出装置が、カメラから入力される撮影画像を解析して、露出条件をカメラにフィードバックする。しかし、カメラが、外部からの露出条件の制御を受け付けない場合、この方法を用いることはできない。

本発明は、上記課題に鑑み、カメラの露出条件を変更することなく、検出対象の検出精度を向上することができる物体検出装置を提供することを課題とする。

上記課題を解決するために、請求項１記載の発明は、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。

請求項２記載の発明は、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。

請求項３記載の発明は、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。

請求項４記載の発明は、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。

請求項５記載の発明は、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。

請求項６記載の発明は、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。

請求項７記載の発明は、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。

請求項８記載の発明は、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。

請求項９記載の発明は、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。

請求項１０記載の発明は、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。

請求項１１記載の発明は、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。

請求項１２記載の発明は、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である。

本発明によれば、第２窓画像は、第１窓画像が有する画素値を補正することにより取得されるため、フレーム画像の生成時における露出条件と異なる露出条件に対応する。また、第２窓画像の特徴量に基づいて、第２窓画像が識別値の算出に用いるか否かを判定される。この結果、物体検出装置は、様々な露出条件に対応する窓画像を第１窓画像から取得することができるとともに、最適な露出条件に対応する窓画像を用いて、識別値を算出することができる。従って、物体検出装置は、検出対象の検出精度を向上することができる。

本発明の第１の実施の形態に係る物体検出装置の構成を示す機能ブロック図である。 図１に示す補正基準テーブルの一例を示す図である。 図１に示す物体検出装置の動作を示すフローチャートである。 図１に示す物体検出装置に入力される撮影画像の一例を示す図である。 図１に示す識別値算出部により学習されるサンプル画像データの一例を示す図である。 図１に示す対象窓画像決定処理のフローチャートである。 図４に示す窓領域５２に対応する複数の窓画像と、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を示す図である。 図７に示す通常窓画像が有する画素の画素値を補正する基準を示す図である。 図４に示す窓領域５３に対応する複数の窓画像と、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を示す図である。 図４に示す窓領域５２に対応する複数の窓画像と、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を示す図である。 本発明の第２の実施の形態に係る物体検出装置の構成を示す機能ブロック図である。 図１１に示す物体検出装置の動作を示すフローチャートである。 図１１に示す物体検出装置が用いる補正基準テーブルを示す図である。 図４に示す窓領域５２に対応する複数の窓画像と、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を示す図である。 図１４Ａに示すエッジ強度の変化を示すグラフである。 図１４に示す識別値の変化を示すグラフである。 図４に示す窓領域５３に対応する複数の窓画像と、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を示す図である。 図１６Ａに示すエッジ強度の変化を示すグラフである。 図４に示す窓領域５４に対応する複数の窓画像と、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を示す図である。 図１７Ａに示すエッジ強度の変化を示すグラフである。

以下、図面を参照しつつ、本発明の実施の形態について説明する。

［第１の実施の形態］
｛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。

カメラ１００は、自動車のダッシュボード上に設置され、前方の景色を撮影して画像データ２０を生成する。画像データ２０は、複数のフレームにより構成される動画像であり、フレーム単位で物体検出装置１に入力される。物体検出装置１は、１つのフレーム（以下、「撮影画像２１」と呼ぶ。）内に歩行者が存在するか否かを判定する。

図１に示すように、物体検出装置１は、エッジ画像生成部１１と、窓領域設定部１２と、画素値補正部１３と、特徴量算出部１４と、使用画像決定部１５と、識別値算出部１６と、判定部１７と、記憶部１８とを備える。

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からエッジ画像２２を生成する。エッジ画像生成部１１は、グレーススケール画像に対して水平方向及び垂直方向のエッジを強調する処理を行うことにより、エッジ画像２２を生成する。エッジ画像２２は、１つのフレーム画像である。

窓領域設定部１２は、エッジ画像２２に対して窓領域を設定し、設定した窓領域をエッジ画像２２から切り出すことにより通常窓画像２３を生成する。窓領域は、撮影画像２１から歩行者を検出するための単位領域である。１つの窓領域に対して、１つの通常窓画像２３が生成される。

画素値補正部１３は、使用画像決定部１５の指示に基づいて、通常窓画像２３内の各画素の画素値を補正することにより、補正窓画像２４，２５を生成する。画素値補正部１３は、使用画像決定部１５の指示に基づいて、補正窓画像を１つずつ生成する。つまり、使用画像決定部１５の１回の指示により、１つの補正窓画像が生成される。

図２は、記憶部１８に格納される補正基準テーブル３２の一例を示す図である。画素値補正部１３は、補正窓画像２４を生成する場合、通常窓画像２３が有する画素の画素値を図２に示す補正基準値３４ａと比較する。画素値補正部１３は、画素値が補正基準値３４ａよりも小さい場合、この画素値を元の値よりも小さい値に置き換えることにより、補正窓画像２４を生成する。

同様に、画素値補正部１３は、補正基準値３５ａを用いて、通常窓画像２３から補正窓画像２５を生成する。なお、ゼロ基準値、通常窓画像２３に対して設定される補正基準値などについては、後述する。

以下、通常窓画像２３、補正窓画像２４，２５を総称して、「窓画像２３〜２５」と記載する。特徴量算出部１４及び使用画像決定部１５は、窓画像２３〜２５の中から、識別値算出部１６により識別値の算出対象を特定するために用いられる。

特徴量算出部１４は、画素値補正部１３から通常窓画像２３を取得し、通常窓画像２３のエッジ強度を算出する。また、特徴量算出部１４は、画素値補正部１３により補正窓画像が１つ生成されるたびに、生成された補正窓画像を取得する。特徴量算出部１４は、取得した補正窓画像のエッジ強度を算出する。

使用画像決定部１５は、特徴量算出部１４により算出されたエッジ強度を取得し、取得したエッジ強度を予め設定されたしきい値（使用基準値）と比較する。使用画像決定部１５は、その比較結果に基づいて、識別値３０の算出対象となる窓画像（対象窓画像）を特定する。

識別値算出部１６は、使用画像決定部１５により特定された対象窓画像を画素値補正部１３から取得する。識別値算出部１６は、記憶部１８に記憶された特徴データ３１を用いて識別値３０を算出する。識別値３０は、対象窓画像内に歩行者が存在する度合いを示す。識別値３０は、０以上１以下の実数である。識別値３０が１に近いほど、特定窓画像内に歩行者が存在する可能性が高いことを示す。

判定部１７は、識別値３０に基づいて、窓領域設定部１２により設定された窓領域に歩行者が存在するか否かを判定する。判定結果は、結果データ２９として判定部１７から出力される。

記憶部１８は、例えば、ハードディスク装置やフラッシュメモリなどである。記憶部１８は、特徴データ３１と、補正基準テーブル３２とを格納する。

｛２．物体検出装置１の動作｝
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。

図４は、物体検出装置１に入力される撮影画像２１の一例を示す図である。図４に示すように、撮影画像２１は、左上頂点を原点とし、横方向をｘ軸、縦方向をｙ軸とした座標系を有する。撮影画像２１上に配置された窓領域５１〜５４は、実際には、エッジ画像２２に対して設定される。各窓領域の位置を分かりやすく示すために、窓領域５１〜５４を、図４に示す撮影画像２１上に表示している。

以下、図４に示す撮影画像２１が物体検出装置１に入力された場合を例にして、図３に示す処理を詳しく説明する。

｛２．１．エッジ画像の生成｝
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。

上記式（１）は、縦方向のエッジを強調するＳｏｂｅｌフィルタ処理を示す。上記式（２）は、横方向のエッジを強調するＳｏｂｅｌフィルタ処理を示す。式（３）は、式（１）の計算結果と式（２）の計算結果とを加算することにより、エッジ画像２２の各画素の画素値が計算されることを示す。

なお、エッジ画像生成部１１は、Ｓｏｂｅｌフィルタ処理以外の処理を用いて、エッジを強調する処理を行ってもよい。

｛２．２．窓領域の設定（ステップＳ２）｝
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）。

図３に示すように、ステップＳ２〜Ｓ７が繰り返されることにより、エッジ画像２２に対して複数の窓領域が設定される。エッジ画像２２の左上頂点に位置する窓領域５１が、最初に設定される。窓領域設定部１２は、撮影画像２１を左上から右下にかけてスキャンするように窓領域を設定する。新たに窓領域が設定される場合、窓領域設定部１２は、既に設定された窓領域の一部と重複するように新しい窓領域を設定することが望ましい。

以下、特に説明のない限り、窓領域設定部１２が窓領域５２を設定した場合を例にして、物体検出装置１の動作を説明する。

｛２．３．対象窓画像の決定（ステップＳ４）｝
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３０の算出対象となるか否かは、通常窓画像２３、補正窓画像２４、補正窓画像２５の順に判断される。ただし、窓画像２３〜２５の全てに対して、上記の判断が行われるとは限らない。例えば、補正窓画像２４が識別値３０の算出対象として決定された場合、補正窓画像２５は、生成されず、上記の判断の対象とならない。ステップＳ４の詳細については、後述する。

｛２．４．識別値の計算（ステップＳ５｝
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。

識別値算出部１６は、識別値３０を算出するためのアルゴリズムとして、ニューラルネットワークを用いる。ニューラルネットワークは、パターンマッチングの１種である。従って、識別値算出部１６は、カメラ１００により生成された撮影画像２１から歩行者を検出する処理を開始する前に、歩行者の特徴を学習して特徴データ３１を生成する。以下、特徴データ３１の生成について説明する。

図５は、識別値算出部１６が歩行者の学習に用いるサンプル画像データ６５の一例を示す図である。サンプル画像データ６５は、学習用に撮影された撮影画像からエッジ画像を生成し、生成されたエッジ画像から歩行者を含む領域を切り出すことにより生成される。切り出される領域の縦方向のサイズ及び横方向のサイズは、窓領域５１〜５４のサイズと同じである。各サンプル画像データ６５における歩行者のエッジ強度は、正規化されていることが望ましい。「エッジ強度が正規化される」とは、サンプル画像データ６５の各々に含まれる歩行者のエッジ強度が、予め設定された範囲内となるように調整されていることを指す。ただし、本実施の形態は、識別値算出部１６が正規化されていないサンプル画像データ６５を学習することを妨げるものではない。

｛２．５．判定処理（ステップＳ６）｝
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。

一方、識別値３０が境界値以下である場合、判定部１７は、窓領域５２に歩行者が存在しないと判断する。判定部１７は、図４に示す撮影画像２１内の窓領域５２に歩行者が存在しないことを示す結果データ２９を出力する。

窓領域５２に対応する結果データ２９を出力した後に、窓領域設定部１２は、エッジ画像２２に対する窓領域の設定が終了したか否かを確認する（ステップＳ７）。窓領域の設定が終了していない場合（ステップＳ７においてＮｏ）、窓領域設定部１２は、新たな窓領域を設定するために、ステップＳ２に戻る。一方、窓領域の設定が終了した場合（ステップＳ７においてＹｅｓ）、物体検出装置１は、図３に示す処理を終了する。物体検出装置１は、新たなフレーム（撮影画像２１）が入力された場合、図３に示す処理を再び実行する。

｛３．対象窓画像決定処理（ステップＳ４）の詳細｝
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。

｛３．１．通常窓画像２３に対する判断｝
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）。

特徴量算出部１４は、通常窓画像２３の特徴量として、通常窓画像２３のエッジ強度を算出する（ステップＳ４２）。エッジ強度は、下記式（４）に示す計算により得られる。

上記式（４）において、Ｅｄｇｅ（ｘ，ｙ）は、通常窓画像２３の左上頂点を原点としたときにおける、通常窓画像２３の各画素の画素値である。本実施の形態では、式（３）に示すＳｏｂｅｌ（ｘ，ｙ）が、Ｅｄｇｅ（ｘ，ｙ）として用いられる。エッジ画像２２が、Ｓｏｂｅｌフィルタ処理（式（１）〜（３））とは別の処理により生成された場合、Ｅｄｇｅ（ｘ，ｙ）は、別の処理により生成された画像の画素値となる。
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、Ｗ_１ａである。

使用画像決定部１５は、通常窓画像２３のエッジ強度を使用基準値と比較する（ステップＳ４３）。使用基準値は、Ｗ_ｔｈであり、サンプル画像データ６５に含まれる歩行者のエッジ強度に応じて決定される。使用基準値は、使用画像決定部１５に予め設定されている。つまり、ステップＳ４３の処理は、通常窓画像２３がサンプル画像データ６５に含まれる歩行者のエッジ強度に近いエッジ強度を有しているか否かを判断するために実行される。使用画像決定部１５は、通常窓画像２３のエッジ強度（Ｗ_１ａ）が使用基準値（Ｗ_ｔｈ）よりも大きいと判定する（ステップＳ４３においてＮｏ）。

この場合、使用画像決定部１５は、通常窓画像２３が識別値３０の算出対象として適切でないと判断する。画素値補正部１３は、通常窓画像２３を算出対象として使用しないとの指示を使用画像決定部１５から受けた場合、補正窓画像の生成が可能であるか否かを判断する。

｛３．２．補正窓画像２４の生成｝
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）。

この時点で、補正窓画像２４，２５のいずれも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３４ａ及びゼロ基準値３４ｂを選択する（ステップＳ４６）。具体的には、画素値補正部１３は、未使用の補正基準値３４ａ，３５ａのうち、一番小さい補正基準値３４ａを選択し、未使用のゼロ基準値３４ｂ，３５ｂのうち、一番小さいゼロ基準値３４ｂを選択する。補正基準値３３ａ及びゼロ基準値３３ｂは、参考のために図２に示されており、ステップＳ４６で選択の対象とならない。この理由については、後述する。

画素値補正部１３は、選択した補正基準値３４ａ及びゼロ基準値３４ｂを用いて、通常窓画像２３の画素の画素値を補正することにより、補正窓画像２４を生成する（ステップＳ４７）。通常窓画像２３の各画素の画素値の補正には、コアリング処理が用いられる。

図８を参照しながら、補正窓画像２４の生成について説明する。図８は、補正窓画像２４を生成する際のコアリング処理を説明する図である。図８に示すように、通常窓画像２３において、各画素の画素値の最大値は２５５であり、最小値は０である。

コアリング処理では、２つのパラメータが用いられる。一方のパラメータは、画素の画素値をそのまま維持するか、画素の画素値を現在の画素値よりも小さい値に変更するかを判断するためのパラメータである（補正基準値３４ａ）。他方のパラメータは、画素値を補正する際に、元の画素値をゼロに設定するか否かを判断するためのパラメータである（ゼロ基準値３４ｂ）。

図８において、１点鎖線は、コアリング処理を実行しない場合の画素値を示す。つまり、１点鎖線は、補正基準値３３ａ及びゼロ基準値３３ｂを用いてコアリング処理を実行した場合における補正前の画素値と補正後の画素値との関係に相当する。補正基準値３３ａ及びゼロ基準値３３ｂは、共にゼロであるため、補正後の画素値は、補正前の画素値と等しい。従って、１点鎖線は、傾き１の直線となる。通常窓画像２３は、ゼロに設定された補正基準値３３ａ及びゼロ基準値３３ｂを用いてコアリング処理を実行した画像に相当する。従って、図２に示す補正基準値３３ａ及びゼロ基準値３３ｂは、ステップＳ４６において選択の対象とならない。

なお、通常窓画像２３に対応する補正基準値３３ａ及びゼロ基準値３３ｂを、ゼロより大きい値に設定してもよい。この場合、画素値補正部１３は、ゼロより大きい値に設定された補正基準値３３ａ及びゼロ基準値３３ｂを用いて、通常窓画像２３の画素値を補正する。通常窓画像２３の画素値は、後述する補正窓画像２４，２５を生成する処理と同様の処理で補正される。また、画素値補正部１３は、補正基準値３３ａ及びゼロ基準値３３ｂが共にゼロに設定されている場合においても、コアリング処理を実行してもよい。

実線５６は、補正窓画像２４を生成するときにおける補正前の画素値と補正後の画素値との関係を示す。実線５６の変曲点５６Ａに対応する補正前の画素値は、６４であり、この値は、補正基準値３４ａに一致する。変曲点５６Ｂに対応する補正前の画素値は、６３であり、この値は、ゼロ基準値３４ｂに一致する。

画素値補正部１３は、実線５６で表される対応関係を用いて、通常窓画像２３内の各画素の画素値を補正する。補正基準値３４ａが６４であるため、画素値補正部１３は、通常窓画像２３内の注目画素の画素値が６４以上であるか否かを判定する。注目画素の画素値が６４以上である場合、注目画素の画素値は、変更されない。

ゼロ基準値３４ｂが６３であるため、画素値補正部１３は、注目画素が６３以下であるか否かを判定する。注目画素の画素値が６３以下である場合、注目画素の画素値は、ゼロに補正される。

補正基準値３４ａが６４であり、ゼロ基準値３４ｂが６３であるため、補正基準値３４ａよりも小さく、ゼロ基準値３４ｂよりも大きい画素値は、存在しない。この理由は、画素値が、０以上２５５以下の整数値をとるためである。しかし、補正基準値３４ａとして１００を設定してもよい。この場合、補正基準値３４ａよりも小さくゼロ基準値３４ｂよりも大きい画素値は、変曲点５６Ａから５６Ｂまでの実線５６で表される対応関係に基づいて補正される。補正前の画素値をＰとした場合、６３≦Ｐ＜１００の範囲における実線５６の傾きは、１よりも大きい。従って、６３≦Ｐ＜１００の範囲にある画素値は、ゼロよりも大きく、元の値よりも小さい値に補正される。なお、６３≦Ｐ＜１００の範囲において、補正前の画素値と補正後の画素値とが１対１に対応していれば、実線５６は、直線でなくてもよい。また、ゼロ基準値として６３より小さい値を設定してもよい。

｛３．３．補正窓画像２４についての判断｝
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。

特徴量算出部１４は、生成された補正窓画像２４を画素値補正部１３から取得する（ステップＳ４１）。特徴量算出部１４は、補正窓画像２４のエッジ強度を、式（４）を用いて算出する（ステップＳ４２）。補正窓画像２４のエッジ強度は、図７に示すように、Ｗ_１ｂである。

補正窓画像２４のエッジ強度（Ｗ_１ｂ）が使用基準値（Ｗ_ｔｈ）よりも大きいため（ステップＳ４３においてＮｏ）、使用画像決定部１５は、補正窓画像２４が識別値３０の算出対象として適切でないと判断する。画素値補正部１３は、補正窓画像２４に関する使用画像決定部１５の判断を受けて、新たな補正窓画像の生成が可能であるか否かを判断する。

｛３．４．補正窓画像２５の生成｝
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）。

図２に示すように、補正基準値３５ａは、１２８であり、ゼロ基準値３５ｂは、１２７である。画素値補正部１３は、補正窓画像２４の生成と同様に、補正基準値３５ａ及びゼロ基準値３５ｂを用いて通常窓画像２３の画素の画素値を補正することにより、補正窓画像２５を生成する（ステップＳ４７）。特徴量算出部１４は、画素値補正部１３により生成された補正窓画像２５を取得する（ステップＳ４１）。

特徴量算出部１４は、補正窓画像２５のエッジ強度を、式（４）を用いて算出する（ステップＳ４２）。補正窓画像２５のエッジ強度は、図７に示すように、Ｗ_１ｃである。補正窓画像２５のエッジ強度（Ｗ_１ｃ）が使用基準値（Ｗ_ｔｈ）以下であるため（ステップＳ４３においてＹｅｓ）、使用画像決定部１５は、補正窓画像２５を、識別値３０の算出対象に決定する（ステップＳ４４）。これにより、図６に示す対象窓画像決定処理（ステップＳ４）が終了する。

画素値補正部１３は、使用画像決定部１５の決定を受けて、補正窓画像２５を識別値算出部１６に出力する。識別値算出部１６は、補正窓画像２５に歩行者が存在する度合いを示す識別値３０を算出する。

なお、補正窓画像２５のエッジ強度（Ｗ_１ｃ）が使用基準値（Ｗ_ｔｈ）よりも大きい場合（ステップＳ４３においてＮｏ）、新たな補正窓画像を生成するための補正基準値及びゼロ基準値が存在しない（ステップＳ４５においてＮｏ）。この場合、使用画像決定部１５は、補正窓画像２５を、識別値３０の算出対象に決定する（ステップ４４）。

このように、物体検出装置１は、使用基準値（Ｗ_ｔｈ）以下のエッジ強度を有する窓画像のうち、使用基準値に一番近いエッジ強度を有する窓画像を対象窓画像に決定する。このようにして決定された窓画像から算出された識別値３０を用いることにより、窓領域５２における歩行者の検出精度を向上させることができる。以下、その理由を詳しく説明する。

画素値補正部１３は、通常窓画像２３の画素値Ｐが補正基準値３４ａ以上である場合に画素値Ｐを維持し、画素値Ｐが補正基準値３４ａよりも小さい場合に画素値Ｐを小さくすることにより補正窓画像２４を生成する。この結果、補正窓画像２４のエッジ強度（Ｗ_１ｂ）は、通常窓画像２３のエッジ強度（Ｗ_１ａ）よりも小さくなる。

また、補正窓画像２４の中間画素値の分布が、通常窓画像２３の中間画素値の分布よりも狭くなる。中間画素値とは、最小画素値（０）及び最大画素値（２５５）を除く他の画素値のことである。通常窓画像２３及び補正窓画像２４において、最小画素値と最大画素値との差は同じであるが、補正窓画像２４における中間画素値の分布が、通常窓画像２３における中間画素値の分布と異なる。通常窓画像２３において、中間画素値の分布は、１から２５４までの範囲である。一方、補正窓画像２４において、中間画素値の分布が、ゼロ基準値３４ｂよりも１大きい画素値から２５４までの範囲である。補正窓画像２４における中間画素値の分布範囲が、通常窓画像２３における中間画素値の分布範囲よりも狭いため、補正窓画像２４の明暗差は、通常窓画像２３の明暗差よりも急峻になる。

画素値補正部１３は、通常窓画像２３の画素値Ｐが補正基準値３５ａ以上である場合に画素値Ｐを維持し、画素値Ｐが補正基準値３５ａよりも小さい場合に画素値Ｐを小さくすることにより補正窓画像２４を生成する。この結果、補正基準値３５ａは、補正基準値３４ａよりも大きいため、補正窓画像２５のエッジ強度（Ｗ_１ｃ）は、補正窓画像２４のエッジ強度（Ｗ_１ｂ）よりも小さくなる。また、補正窓画像２５の中間画素値の分布が、補正窓画像２４の中間画素値の分布よりも狭くなるため、補正窓画像２５の明暗差は、通常窓画像２４の明暗差よりも急峻になる。

従って、窓画像２３〜２５は、互いに異なるエッジ強度を有しており、エッジ強度は、通常窓画像２３、補正窓画像２４、補正窓画像２５の順に小さくなる。つまり、窓画像２３〜２５のエッジ強度を変化させることにより、窓画像２３〜２５の各々の明暗差を互いに異なるようにすることができる。

また、カメラ１００により生成される撮影画像２１の明暗差は、撮影時の露出条件に応じて変化する。上述のように、窓画像２３〜２５の各々の明暗差が互いに異なることから、窓画像２３〜２５は、同一のタイミングで、異なる露出条件で生成された３枚の撮影画像２１の各々から切り出された窓領域に相当する。つまり、物体検出装置１は、カメラの露出条件を制御することなく、複数の露出条件に対応する複数の窓画像を擬似的に生成することができる。

物体検出装置１は、窓画像２３〜２５の各々のエッジ強度を使用基準値と比較し、この比較結果に基づいて、識別値３０の算出対象となる窓画像を特定する。使用基準値は、上述のように、サンプル画像データ６５に含まれる歩行者のエッジ強度に基づいて決定される。この結果、物体検出装置は、窓画像２３〜２５の中で、サンプル画像データ６５のエッジ強度と同程度のエッジ強度を有する窓画像を特定することができる。

図７に示すように、窓画像２３〜２５の各々から算出された識別値３０の中で、識別値３０の算出対象に決定された補正窓画像２５から算出された識別値３０が最大である。従って、窓画像２３〜２５の中で、サンプル画像データ６５のエッジ強度と同程度のエッジ強度を有する窓画像を決定し、決定した窓画像から識別値３０を算出することにより、窓領域５２に含まれる歩行者を高い精度で検出することが可能となる。

また、窓領域５３，５４における歩行者の有無も、上記と同様にして判定される。

図９は、窓領域５３に対応する窓画像２３〜２５と、窓画像２３〜２５の各々のエッジ強度と、窓画像２３〜２５の各々から算出される識別値３０との関係を示す図である。図９に示すように、窓領域５３において、通常窓画像２３のエッジ強度は、Ｗ_２ａであり、エッジ強度（Ｗ_２ａ）は、使用基準値（Ｗ_ｔｈ）よりも大きい。この場合、窓領域５３の通常窓画像２３から、補正窓画像２４が生成される。

窓領域５３の補正窓画像２４のエッジ強度は、Ｗ_２ｂであり、エッジ強度（Ｗ_２ｂ）は、使用基準値Ｗ_ｔｈ以下である。この場合、使用画像決定部１５は、窓領域５３において、補正窓画像２４が識別値３０の算出対象として適切であると判断する。識別値算出部１６は、識別値３０を補正窓画像２４から算出する。この場合、窓領域５３の補正窓画像２５は生成されない。

窓領域５３における歩行者検出の際に、識別値算出部１６が、通常窓画像２３から識別値３０を算出することはないが、参考のために、通常窓画像２３から算出された識別値３０を図９に示す。図９に示すように、補正窓画像２４から算出された識別値３０は、０．９０であり、通常窓画像２３から算出された識別値（０．６５）よりも大きい。従って、窓領域５３では、補正窓画像２４が、サンプル画像データ６５に含まれる歩行者のエッジ強度に一番近いエッジ強度を有していることが分かる。

図１０は、窓領域５４の窓画像２３〜２５と、窓画像２３〜２５の各々のエッジ強度と、窓画像２３〜２５の各々の識別値３０との関係を示す図である。

図１０に示すように、窓領域５４において、通常窓画像２３のエッジ強度は、Ｗ_３ａであり、エッジ強度（Ｗ_３ａ）は、使用基準値（Ｗ_ｔｈ）よりも大きい。この場合、窓領域５４の通常窓画像２３から、補正窓画像２４が生成される。

窓領域５４の補正窓画像２４のエッジ強度は、Ｗ_３ｂであり、エッジ強度（Ｗ３_ｂ）は、使用基準値（Ｗ_ｔｈ）よりも大きい。この場合、窓領域５４の通常窓画像２３から、補正窓画像２５が生成される。

窓領域５４の補正窓画像２５のエッジ強度は、Ｗ_３ｃであり、エッジ強度（Ｗ_３ｃ）は、使用基準値（Ｗ_ｔｈ）以下である。この場合、使用画像決定部１５は、窓領域５４では、補正窓画像２５が識別値３０の算出対象として適切であると判断する。識別値算出部１６は、識別値３０を、補正窓画像２５から算出する。

図１０に示すように、窓領域５４において、識別値３０は、通常窓画像２３、補正窓画像２４、補正窓画像２５の順に小さくなる。窓領域５４は、歩行者を含んでおらず、１本の木を含むため、補正窓画像２５から算出された識別値３０を用いることにより、窓領域５４に歩行者が存在しないことを高い精度で判定することが可能である。

物体検出装置１は、窓領域５４における歩行者の有無を判定するために、窓画像２３〜２５の各々のエッジ強度を使用基準値と比較し、この比較結果に基づいて、識別値３０の算出対象として補正窓画像２５を特定する。これにより、窓画像２３〜２５のうち、補正窓画像２５が選択されるため、物体検出装置１は、高い精度で、窓領域５４に歩行者が存在しないと判定することができる。

以上説明したように、本実施の形態に係る物体検出装置１は、窓画像２３〜２５の各々のエッジ強度を使用基準値と比較することにより、識別値３０の算出に使用する窓画像を決定する。これにより、歩行者を含む窓画像の識別値３０と、歩行者を含まない窓画像の識別値３０との差を際立たせることができるため、歩行者の検出精度を向上させることができる。

また、本実施の形態において、補正基準値とゼロ基準値の組み合わせのパターンが２つである例を説明したが、基準値の組み合わせのパターンは、１つでもよいし、３つ以上であってもよい。

また、本実施の形態において、使用基準値が固定値である場合を説明した。しかし、物体検出装置１は、複数の使用基準値を記憶部１８に格納し、撮影画像２１の特徴に応じて、複数の使用基準値のうちいずれか１つを選択してもよい。例えば、撮影画像２１から生成されたグレースケール画像が有する全画素の画素値の積算値を算出し、算出した積算値に基づいて、使用画像決定部１５が使用する使用基準値を決定してもよい。

また、本実施の形態において、物体検出装置１が、補正基準テーブル３２に設定された補正基準値及びゼロ基準値を用いる例を説明したが、これに限られない。例えば、物体検出装置１は、撮影画像２１から生成されたグレースケール画像が有する全画素の画素値の積算値を算出し、算出した積算値に基づいて、補正基準テーブル３２に設定された補正基準値及びゼロ基準値を変更してもよい。

また、本実施の形態において、物体検出装置１が、使用基準値以下のエッジ強度を有する窓画像の中で、使用基準値に一番近いエッジ強度を有する窓画像を対象窓画像に決定する例を説明したが、これに限られない。例えば、物体検出装置１は、使用基準値よりも大きいエッジ強度を有する窓画像の中で、使用基準値に一番近いエッジ強度を有する窓画像を対象窓画像に決定してもよい。あるいは、物体検出装置は、各窓画像のエッジ強度が使用基準値よりも大きいか否かに関係なく、使用基準値に一番近いエッジ強度を有する窓画像を対象窓画像に決定してもよい。

［第２の実施の形態］
｛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。

画素値補正部１３は、通常窓画像２３から、補正窓画像２４〜２６を生成する。

差分算出部６１は、差分値７４〜７６を算出する。差分値７４は、通常窓画像２３のエッジ強度から補正窓画像２４のエッジ強度を引くことにより得られる。差分値７５は、補正窓画像２４のエッジ強度から補正窓画像２５のエッジ強度を引くことにより得られる。差分値７６は、補正窓画像２５のエッジ強度から補正窓画像２６のエッジ強度を引くことにより得られる。

選択部６２は、差分算出部６１により算出された差分値７４〜７６に基づいて、識別値３０の算出に使用する窓画像を、補正窓画像２４〜２６の中から選択する。

｛２．物体検出装置２の動作｝
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。

物体検出装置２において、エッジ画像生成部１１は、撮影画像２１からエッジ画像２２を生成する（ステップＳ１）。窓領域設定部１２は、エッジ画像２２に対して窓領域５２を設定し（ステップＳ２）、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）。本実施の形態におけるステップＳ１〜Ｓ３の処理は、上記第１の実施の形態と同様であるため、その詳細な説明を省略する。

物体検出装置２は、識別値３０の算出の対象となる窓画像（対象窓画像）を、補正窓画像２４〜２６から選択する（ステップＳ８０）。ステップＳ８０の詳細については後述するが、以下、補正窓画像２４が選択された場合を例に説明する。

画素値補正部１３は、選択部６２により選択された補正窓画像２４を識別値算出部１６に出力する。識別値算出部１６は、特徴データ３１を用いて、補正窓画像２４に歩行者がいる度合いを示す識別値３０を算出する（ステップＳ５）。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）。

窓領域設定部１２は、エッジ画像２２に対する窓領域の設定が終了したか否かを確認する（ステップＳ７）。窓領域の設定が終了していない場合（ステップＳ７においてＮｏ）、窓領域設定部１２は、新たな窓領域を設定するために、ステップＳ２に戻る。一方、窓領域の設定が終了した場合（ステップＳ７においてＹｅｓ）、物体検出装置２は、図１２に示す処理を終了する。

図１２に示すステップＳ５〜Ｓ７の処理は、上記実施の形態と同様であるため、その詳細な説明を省略する。

｛３．対象画像選択処理（ステップＳ８０）｝
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。

図１３は、本実施の形態で用いられる補正基準テーブル３２の一例を示す図である。画素値補正部１３は、窓領域設定部１２から通常窓画像２３を取得する。画素値補正部１３は、図１３に示す補正基準テーブル３２に設定された補正基準値及びゼロ基準値を用いて、補正窓画像２４〜２６を通常窓画像２３から生成する（ステップＳ８１）。補正窓画像２４〜２６は、上記実施の形態で説明した方法により生成される。

なお、上記実施の形態では、画素値補正部１３が使用画像決定部１５の決定に応じて、補正窓画像を生成するため、補正窓画像２４，２５が生成されない場合があった。しかし、本実施の形態では、画素値補正部１３は、補正窓画像２４〜２６の全てを生成する。

図１３に示すように、補正基準テーブル３２には、補正基準値及びゼロ基準値を組み合わせた３つのパターン（パターン１〜パターン３）が設定されている。参考のために、通常窓画像２３に対応する補正基準値及びゼロ基準値の組み合わせを、図１３に示している。補正基準値は、パターン番号の増加とともに、６４ずつ増加する。ゼロ基準値は、補正基準値よりも１小さい。

図１４Ａは、窓領域５２における窓画像２３〜２６と、窓画像２３〜２６の各々のエッジ強度と、窓画像２３〜２６から算出される識別値３０とを示す図である。実際には、後述するように、識別値３０は、補正窓画像２４から算出され、他の窓画像から算出されない。

特徴量算出部１４は、窓画像２３〜２６の各々のエッジ強度を算出する（ステップＳ８２）。ステップＳ８２は、図６に示すステップＳ４２と同様の処理である。

差分算出部６１は、窓画像２３〜２６のエッジ強度を用いて、差分値７４〜７６を算出する（ステップＳ８３）。差分値７４は、通常窓画像２３のエッジ強度と補正窓画像２４との差である。差分値７５は、補正窓画像２４のエッジ強度と補正窓画像２５との差である。差分値７６は、補正窓画像２５のエッジ強度と補正窓画像２６との差である。差分算出部６１は、窓画像２３〜２６をエッジ強度の大きい順に配列し、互いに隣接する２つの窓画像のエッジ強度の差分値を算出する。

選択部６２は、差分値７４〜７６に基づいて、補正窓画像２４〜２６のうち識別値の算出の対象となる窓画像（対象窓画像）を選択する（ステップＳ８４）。選択部６２は、差分値７４〜７６の中で、差分値７４が最大であると判断する。選択部６２は、差分値７４の算出に用いられた２つのエッジ強度のうち、小さい方のエッジ強度を有する補正窓画像２４を対象窓画像として選択する。

図１４Ｂは、窓領域５２における各窓画像のエッジ強度の変化を示すグラフである。図１４Ｂにおいて、横軸は、補正基準値であり、縦軸は、エッジ強度である。ゼロ基準値が増加するにつれて、画素値がゼロに補正される画素が増加するため、エッジ強度は、通常窓画像２３、補正窓画像２４、補正窓画像２５、補正窓画像２６の順に小さくなる。

また、差分値７４は、差分値７４〜７６の中で最大である。図１４Ａに示すように、窓領域５２において、通常窓画像２３は、歩行者の輪郭を示すエッジ以外に、細かなエッジを多く含んでいる。一方、補正窓画像２４は、通常窓画像２３に現れている細かなエッジを含んでいない。つまり、最大の差分値７４に対応する補正窓画像２４を生成する際に、検出対象（歩行者）以外の成分が多く破棄されている。従って、補正窓画像２４が、窓領域５２における歩行者の検出に最適であると判定される。

図１５は、窓領域５２〜５４の各々における識別値３０の算出結果を示すグラフである。窓領域５３，５４における識別値３０の算出結果については後述する。上述のように、窓領域５２において、識別値３０の算出対象は、補正窓画像２４であり、通常窓画像２３及び補正窓画像２５，２６の識別値３０は、実際には算出されない。

図１５に示すように、窓領域５２では、識別値３０の算出対象として選択された補正窓画像２４から算出された識別値３０がピークを形成している。窓画像２３〜２６の各々は、歩行者を含んでいるが、窓画像２３〜２６から算出される識別値３０は、互いに異なっている。窓画像２３〜２６のうち、補正窓画像２４の識別値３０が最大であることは、窓画像２４〜２６のうち、補正窓画像２４が、サンプル画像データ５のエッジ強度にいちばん近いエッジ強度を有することを示す。

上記実施の形態でも説明したように、窓画像２３〜２６は、互いに明暗差が異なるため、同一のタイミングで、異なる露出条件で生成された４枚の撮影画像２１の各々から切り出された窓領域に相当する。つまり、物体検出装置２は、カメラの露出条件を制御することなく、複数の露出条件に擬似的に対応する複数の窓画像を生成する。物体検出装置２は、差分値７４〜７６に基づいて補正窓画像２４〜２６の中から選択することにより（ステップＳ８４）、図４に示す撮影画像２１の生成時における露出条件を、サンプル画像データ６５の生成時の露出条件に擬似的に合わせることが可能となる。従って、物体検出装置２は、物体検出装置１と同様に、撮影画像２１に対する歩行者の検出精度を向上させることができる。

次に、窓領域５３における対象窓画像の選択について説明する。窓領域５３における対象窓画像の選択も、上記と同様に実行される。

図１６Ａは、窓領域５３における窓画像２３〜２６と、窓画像２３〜２６の各々のエッジ強度と、窓画像２３〜２６から算出される識別値３０とを示す図である。図１６Ｂは、窓領域５２における各窓画像のエッジ強度の変化を示すグラフである。

図１６Ａ及び図１６Ｂに示すように、補正基準値及びゼロ基準値が増加するにつれて、窓画像２３〜２６のエッジ強度が減少している。窓領域５３において、差分値７４が、差分値７４〜７６の中で最大である。この結果、窓領域５３における識別値３０の算出対象は、補正窓画像２４に決定される。

図１５に示すように、窓領域５３において、窓画像２４の識別値３０が、他の窓画像の識別値３０よりも大きく、ピークを形成している。従って、窓領域５２における歩行者の有無を、補正窓画像２４から算出された識別値３０を用いて判定することにより、歩行者の検出精度を向上できることが分かる。

次に、窓領域５４における対象窓画像の選択について説明する。窓領域５４における対象窓画像の選択も、上記と同様に実行される。図４に示すように、窓領域５４には、歩行者が存在せず、木が存在している。

図１７Ａは、窓領域５４における窓画像２３〜２６と、窓画像２３〜２６の各々のエッジ強度と、窓画像２３〜２６から算出される識別値３０を示す図である。図１７Ｂは、窓領域５４における各窓画像のエッジ強度の変化を示すグラフである。

図１７Ａ及び図１７Ｂに示すように、補正基準値及びゼロ基準値が増加するにつれて、各窓画像のエッジ強度が減少している。窓領域５４において、差分値７５が、差分値７４〜７６の中で最大である。差分値７５の算出には、補正窓画像２４のエッジ強度と、補正窓画像２５のエッジ強度が用いられる。補正窓画像２４，２５の各々のエッジ強度のうち、小さい方のエッジ強度を有する補正窓画像２５が、識別値３０の算出対象として選択される。

図１５に示すように、窓領域５４において、補正窓画像２５の識別値３０が、他の窓画像の識別値３０に比べて小さくなっている。このことは、補正窓画像２５を用いることにより、窓領域５４における歩行者の有無の判断精度を向上することができることを示している。

以上説明したように、物体検出装置２は、窓領域を設定して通常窓画像２３を切り出す。物体検出装置２は、通常窓画像２３から、互いに異なる条件で補正窓画像２４〜２６を生成し、窓画像２３〜２６のエッジ強度を算出する。物体検出装置２は、窓画像２３〜２６をエッジ強度の大きい順に配列して、互いに隣接する２つの窓画像のエッジ強度の差分値を算出する。この結果、複数の差分値が生成される。物体検出装置２は、複数の差分値の中から最大の差分値を特定し、特定した差分値の算出に用いられた２つのエッジ強度のうち、小さい方のエッジ強度を特定する。そして、物体検出装置２は、特定されたエッジ強度を有する窓画像を、識別値３０の算出対象に決定する。物体検出装置２は、算出対象に決定された窓画像から識別値３０を算出し、識別値３０に基づいて窓領域における歩行者の有無を判定する。これにより、歩行者の検出精度を向上させることができる。

なお、上記第２の実施の形態において、補正基準値及びゼロ基準値が固定されている場合を例に説明したが、これに限られない。補正窓画像の生成に用いる補正基準値及びゼロ基準値を、撮影画像２１の特徴量に応じて変更してもよい。例えば、撮影画像２１の輝度値の積算値に応じて、補正基準値及びゼロ基準値を図１２に示す値から変更すればよい。この場合であっても、上記実施の形態と同様の手順で、識別値３０の算出対象となる窓画像を選択すればよい。あるいは、物体検出装置２は、ゼロ基準値に対するエッジ強度の変化率を計算し、変化率に基づいて識別値３０の積算対象を選択してもよい。

また、上記第２の実施の形態において、選択部６２が、最大の差分値の計算に用いられた２つのエッジ強度のうち、小さい方のエッジ強度を有する窓画像を識別値３０の算出対象として選択する例を説明したが、これに限られない。選択部６２は、２つのエッジ強度のうち、大きい方のエッジ強度を有する窓画像を識別値３０の算出対象として選択してもよい。この場合、窓領域５２では、窓画像２３〜２６の中から、通常窓画像２３が、算出対象として選択される。

なお、上記実施の形態において、各窓画像のエッジ強度として、１画素あたりの画素値の平均値を用いる例を説明したが、これに限られない。例えば、窓画像の画素の画素値を積算した値（エッジ強度総和値）を、各窓画像の特徴量として用いてもよい。

あるいは、通常窓画像２３の特徴量として、横方向のエッジ強度と、縦方向のエッジ強度との比を用いてもよい。具体的には、通常窓画像２３として、横方向のエッジを強調した窓画像と、縦方向のエッジを強調した窓画像とを生成する。そして、横方向のエッジを強調した窓画像の画素の画素値を積算することにより、横方向のエッジ強度を取得し、縦方向のエッジを強調した窓画像の画素の画素値を積算することにより、縦方向のエッジ強度を取得すればよい。

また、上記実施の形態において、エッジ画像生成部１１が、グレースケール画像に対して、垂直方向及び水平方向のエッジを強調する処理を行う例を説明したが、これに限られない。エッジ画像生成部１１は、垂直方向及び水平方向以外の方向（例えば、右斜め上方向及び左斜め上方向）のエッジを強調する処理を行ってもよい。

また、上記実施の形態において、窓領域設定部１２が、エッジ画像２２に対して窓領域を設定する例を説明したが、これに限られない。図１において、エッジ画像生成部１１と窓領域設定部１２とを入れ替えてもよい。この場合、窓領域設定部１２は、撮影画像２１から生成されたグレースケール画像に対して窓領域を設定する。エッジ画像生成部１１は、グレースケール画像から切り出された窓領域に対してエッジを強調する処理を行って、通常窓画像２３を生成する。

また、上記実施の形態において、識別値算出部１６が、ニューラルネットワークを用いて識別値３０を算出する例を説明したが、これに限られない。識別値算出部１６は、ニューラルネットワーク以外のアルゴリズムを用いて、識別値３０を算出してもよい。例えば、サポートベクターマシンなどの使用が考えられる。

また、上記実施の形態において、判定部１７が、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例を説明したが、これに限られない。物体検出装置１，２は、判定部１７を備えず、識別値３０をそのまま出力してもよい。この場合、物体検出装置１，２の後段に配置される後処理部が、識別値３０に基づいて、撮影画像２１（図４参照）における歩行者の有無を判断すればよい。例えば、図４に示す撮影画像２１に設定された各窓画像から算出された複数の識別値３０の空間的な分布に基づいて、撮影画像２１における歩行者の有無や、歩行者の位置等が特定される。

また、上記実施の形態において、画素値補正部１３が、補正窓画像２４を生成する際に、通常窓画像２３の画素値がゼロ基準値３４ｂよりも小さい場合、画素値をゼロにする例を説明したが、これに限られない。画素値補正部１３は、ゼロ基準値３４ｂに代えて、ゼロよりも大きく、補正基準値３４ａよりも小さい基準値（第２補正基準値）を用いてもよい。この場合、図８に示す実線５６において、原点から変曲点５６Ｂまでの直線（参照直線）の傾きは、０より大きく１より小さくなる。通常窓画像２３の画素値が第２補正基準値よりも小さい場合、画素値は、参照直線に従って定められる補正前の画素値と補正後の画素値との対応関係に基づいて補正される。補正窓画像２５を生成する場合にも、同様の処理を行ってもよい。

あるいは、画素値補正部１３は、補正窓画像２４を生成する際に、第２補正基準値よりも小さい画素値を第２補正基準値に補正してもよい。この場合、補正窓画像２４の最小画素値は、ゼロから第２補正基準値に変更される。補正窓画像２５を生成する場合にも、同様の処理を行ってもよい。

上記実施の形態で説明した物体検出装置１，２において、各機能部は、ＬＳＩなどの半導体装置により個別に１チップ化されても良いし、一部又は全部を含むように１チップ化されてもよい。集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセッサーで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用しても良い。

また、上記実施の形態の各機能ブロックの処理の一部または全部は、プログラムにより実現されるものであってもよい。そして、上記実施の形態の各機能ブロックの処理の一部または全部は、コンピュータにおいて、中央演算装置（ＣＰＵ）により行われる。また、それぞれの処理を行うためのプログラムは、ハードディスク、ＲＯＭなどの記憶装置に格納されており、ＲＯＭにおいて、あるいはＲＡＭに読み出されて実行される。

また、上記実施形態の各処理をハードウェアにより実現してもよいし、ソフトウェア（ＯＳ（オペレーティングシステム）、ミドルウェア、あるいは、所定のライブラリとともに実現される場合を含む。）により実現してもよい。さらに、ソフトウェアおよびハードウェアの混在処理により実現しても良い。

前述した方法をコンピュータに実行させるコンピュータプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体は、本発明の範囲に含まれる。ここで、コンピュータ読み取り可能な記録媒体としては、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ Ｄｉｓｃ）、半導体メモリを挙げることができる。

上記コンピュータプログラムは、上記記録媒体に記録されたものに限られず、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク等を経由して伝送されるものであってもよい。

１，２ 物体検出装置
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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
    

Images