JP2016206795A - 実空間情報によって学習する識別器を用いて物体を追跡する装置、プログラム及び方法 - Google Patents
実空間情報によって学習する識別器を用いて物体を追跡する装置、プログラム及び方法 Download PDFInfo
- Publication number
- JP2016206795A JP2016206795A JP2015085269A JP2015085269A JP2016206795A JP 2016206795 A JP2016206795 A JP 2016206795A JP 2015085269 A JP2015085269 A JP 2015085269A JP 2015085269 A JP2015085269 A JP 2015085269A JP 2016206795 A JP2016206795 A JP 2016206795A
- Authority
- JP
- Japan
- Prior art keywords
- image
- information
- real space
- time
- tracking
- 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
Landscapes
- Image Analysis (AREA)
Abstract
Description
取得された画像に係る画像情報と、当該物体の実空間での位置に係る位置情報を含む物体動き情報であって正解とされる情報とを含むデータセットによって学習する識別器であって、物体追跡対象の画像毎に、当該画像に係る画像情報を入力することによって少なくとも当該物体の実空間での正解とされる位置情報を出力する識別器によって、当該物体の実空間での刻々の位置情報を取得する物体追跡手段を有する物体追跡装置が提供される。
物体追跡手段の識別器は、
(a)当該物体の実空間での位置の変化分を変数とする確率密度関数に係る項と、
(b)当該物体に係る画像領域に対する当該候補物体動き情報から算出される画像領域の見かけ(appearance)の近さを評価する項と
を有する評価関数に対し、入力された当該複数の候補物体動き情報及び当該1つの時刻での画像に係る画像情報を適用し、当該評価関数のスコアを最大にする候補物体動き情報を、当該1つの時刻における当該物体の実空間での位置に係る正解の位置情報として出力することも好ましい。
物体追跡手段の識別器は、
(a)当該物体の実空間での位置の変化分を変数とする確率密度関数に係る項と、
(b)当該物体の高さの変化分を変数とする確率密度関数に係る項と、
(c)当該物体に係る画像領域に対する当該候補物体動き情報から算出される画像領域の見かけの近さを評価する項と
を有する評価関数に対し、入力された当該複数の候補物体動き情報及び当該1つの時刻での画像に係る画像情報を適用し、当該評価関数のスコアを最大にする候補物体動き情報を、当該1つの時刻における当該物体の実空間での位置及び当該物体の高さに係る正解の情報として出力することも好ましい。
物体追跡手段の識別器は、
(a)当該物体の実空間での位置の変化分を変数とする確率密度関数に係る項と、
(b)当該物体の高さの変化分を変数とする確率密度関数に係る項と、
(c)当該物体に係る画像領域における当該物体の動き(motion)による変化と当該物体動き情報に係る変化分とが合致する度合いを評価する項と、
(d)当該物体に係る画像領域に対する当該候補物体動き情報から算出される画像領域の見かけの近さを評価する項と
を有する評価関数に対し、入力された当該複数の候補物体動き情報及び当該1つの時刻での画像に係る画像情報を適用し、当該評価関数のスコアを最大にする候補物体動き情報を、当該1つの時刻における当該物体の実空間での位置及び当該物体の高さに係る正解の情報として出力することも好ましい。
物体追跡手段の識別器は、当該評価関数のスコアを最大にする候補物体動き情報を、当該1つの時刻における当該物体の傾きに係る正解の情報をも含む情報として出力することも好ましい。
さらに、本発明による物体追跡装置において、物体追跡手段の識別器は、当該物体に係る画像領域として、実空間における当該物体の上端から当該物体の高さの所定割合だけ下方となる位置までの物体部分を座標変換して算出された画像領域を採用することも好ましい。
取得された画像に係る画像情報と、当該物体の実空間での位置に係る位置情報を含む物体動き情報であって正解とされる情報とを含むデータセットによって学習する識別器であって、物体追跡対象の画像毎に、当該画像に係る画像情報を入力することによって少なくとも当該物体の実空間での正解とされる位置情報を出力する識別器によって、当該物体の実空間での刻々の位置情報を取得する物体追跡手段
としてコンピュータを機能させる物体追跡プログラムが提供される。
取得された画像に係る画像情報と、当該物体の実空間での位置に係る位置情報を含む物体動き情報であって正解とされる情報とを含むデータセットによって識別器に学習させるステップと、
識別器に対し、物体追跡対象の画像に係る画像情報を入力することによって少なくとも当該物体の実空間での正解とされる位置情報を出力させるステップと
を繰り返し、当該物体の実空間での刻々の位置情報を取得する物体追跡方法が提供される。
図1は、本発明による物体追跡装置を含む物体追跡システムの一実施形態を示す模式図である。
(a)追跡対象の物体を撮影可能であり、撮影した画像の情報を、通信ネットワークを介して時系列で送信可能な1つ又は複数のカメラ2と、
(b)カメラ2から通信ネットワークを介して取得される時系列の画像群を用いて当該物体を追跡可能な物体追跡装置1と
を備えている。
(A1)この画像に係る画像情報を入力することによって少なくとも追跡対象物体の実空間での正解とされる位置情報を出力する追跡用識別器114aによって、少なくとも追跡対象物体の実空間での刻々の位置情報を取得する物体追跡部114
を有する。
(A2)取得された画像に係る画像情報と、追跡対象物体の実空間での位置に係る位置情報を含む正解とされる「物体動き情報」とを含むデータセットによって学習する
ことによって構築され更新される。この「物体動き情報」は、後に詳細に説明するが、少なくとも追跡対象物体の実空間での位置における前時刻からの変化分Δpx t及びΔpy tを要素として含む量である。
図2は、本発明による物体追跡装置の一実施形態における処理の流れを概略的に示すフローチャートである。
図3は、本発明による物体追跡装置の一実施形態における機能構成を示す機能ブロック図である。
(a)(例えば複数のカメラ2から取得された)物体識別対象の画像から算出される両物体間の実空間での距離dが、既知物体の移動速度vを考慮した現時点での両物体間の推定距離未満であって、且つ検出された物体の領域と既知物体の領域とから決定される類似度が所定閾値よりも大きい場合、この既知物体が現在追跡されていないならば、検出された物体に対し、既知物体に付与されたものと同一の識別子IDを付与することを決定する。
(b)一方、上記(a)において、この既知物体が現在追跡されているならば、物体検出部111からの通知を無視し、新規登録は行わない。
(c)上記(a)及び(b)以外の場合、検出された物体に対し、新たな識別子IDを付与することを決定する。
(a)追跡対象物体の実空間での位置における前時刻(t−1)からの変化分Δpx t及びΔpy t
を採用し、この1つの時刻tにおける互いに変化分の異なる複数の「候補物体動き情報」を算出する。ここで、追跡用識別器114aを用いてこの複数の「候補物体動き情報」の中から最適な1つを決定することによって、当該1つの時刻tでの追跡対象物体の位置を推定することができるのである。
(b)上記(a)の変化分Δpx t及びΔpy tと、追跡対象物体の高さにおける前時刻(t−1)からの変化分Δhtと
を採用して、この1つの時刻tにおける少なくとも変化分の1つが異なる複数の「候補物体動き情報」を算出してもよい。さらに、
(c)上記(a)の変化分Δpx t及びΔpy tと、上記(b)の変化分Δhtと、追跡対象物体の傾きにおける前時刻(t−1)からの変化分Δatとからの変化分と
を採用して、この1つの時刻tにおける少なくとも変化分の1つが異なる複数の「候補物体動き情報」を算出することも好ましい。尚、「物体動き情報」及び「候補物体動き情報」の具体例については、後に図8〜10を用いて詳細に説明する。
(a)取得された画像に係る画像情報と、当該物体の実空間での位置に係る位置情報を含む物体動き情報であって正解とされる情報とを含む教師データセットによってオンライン学習を行い、
(b)物体追跡対象の画像毎に、当該画像に係る画像情報を入力することによって少なくとも追跡対象物体の実空間での正解とされる位置情報を出力する。
尚、上記(a)の教師データセットは、教師データセット生成部114bによって生成される。
(3) f(x)=argmaxy∈YF(x, y)
を採用する。これにより、画像xが与えられると、推定関数fはyを出力する。ここで、F(x, y)は、上述した評価関数であるが、本実施形態におけるその具体的な形は、後に式(6)に示す。
(4) yt=(Δpx t, Δpy t, Δht, Δat)
と定義する。上式(4)において、パラメータΔpx tは、追跡対象物体における世界座標系のGx軸方向での前時刻(t−1)からの位置の変化分であり、パラメータΔpy tは、追跡対象物体における世界座標系のGy軸方向での前時刻(t−1)からの位置の変化分である。また、パラメータΔhtは、追跡対象物体における(世界座標系のGz軸方向での)高さの変化分である。さらに、パラメータΔatは、追跡対象物体の傾きの角度における前時刻(t−1)からの変化分である。この傾きの角度は、例えば人物でいえばお辞儀の際の傾き角に相当し、世界座標系で言えばGz軸を含む面内での角度となる。
(5) ht-1*=h0+ΣΔhk*
となる。ここで、Σはkについての1からt−2までの総和である。時刻tにおける物体モデルの高さhtは、ht-1*からΔhtだけ変化した値(ht-1*−Δht)となっている。
(a)追跡対象物体の実空間での位置の変化分Δpx t及びΔpy tを変数とする確率密度関数Ppに係る項と、
(b)追跡対象物体に係る画像領域に対する候補物体動き情報から算出される画像領域xt|ytの見かけ(appearance)の近さを評価する項と
を有する評価関数Fに対し、入力された複数の候補物体動き情報(Δpx t, Δpy t)及び時刻tでの画像に係る画像情報を適用し、評価関数Fのスコアを最大にする候補物体動き情報を、時刻tにおける当該物体の実空間での位置に係る正解の位置情報Δpx t*及びΔpy t*として出力してもよい。
(c)追跡対象物体の高さの変化分Δhtを変数とする確率密度関数Phに係る項と
を有する評価関数Fに対し、入力された複数の候補物体動き情報(Δpx t, Δpy t, Δht)及び時刻tでの画像に係る画像情報を適用し、評価関数Fのスコアを最大にする候補物体動き情報を、時刻tにおける当該物体の実空間での位置及び高さに係る正解の情報Δpx t*、Δpy t*及びΔht*として出力してもよい。
(d)追跡対象物体に係る画像領域における当該物体の動き(motion)による変化と物体動き情報に係る変化分とが合致する度合いを評価する項と
を有する評価関数Fに対し、入力された複数の候補物体動き情報(Δpx t, Δpy t, Δht)及び時刻tでの画像に係る画像情報を適用し、評価関数Fのスコアを最大にする候補物体動き情報を、時刻tにおける当該物体の実空間での位置及び高さsに係る正解の情報Δpx t*、Δpy t*及びΔht*として出力してもよい。
(6) F(xt, yt)=wpPp(Δpt-1*, Δpx t, Δpy t)+whPh(Δht-1*, Δht)
+wbΦ(xt-1|yt-1, xt|yt)+wsΨ(xt|yt)
を採用する。係数wp、wh、wb及びwsは学習によって決定される重みパラメータである。この関数値(スコア)が大きいほど、ytはより適した解(より正解に近い解)となる。次に、上式(6)右辺の各項を順次説明する。
(7) xbg t-1,t(u, v)=|xt-1(u, v)−xt(u, v)|
で定義される。多くの場合に画像の輝度値はゼロから255までの範囲([0,255])内の値をとるように定義されることから、差分画像の各点の輝度値を、255で割り算することによってゼロから1までの範囲([0,1])に正規化した値としてもよい。
(a)画像xjと、評価関数Fの値を最大とする正解物体動き情報yj*と、正解としての正のラベルである1との組(xj, yj*, 1)、及び
(b)画像xkと、評価関数Fの値を最小とする正解ではない物体動き情報ykと、正解ではない解としての負のラベルである−1との組(xk, yk, −1)
を用いることができる。ここで、組(xj, yj*, 1)及び組(xk, yk, −1)の総数、即ち、教師データセットの数はn個とし、以下、(xj, yj*)及び(xk, yk)を通して(xi, yi)(i=1, 2,・・・, n)と表現する。尚、上記(b)において、正解ではない物体動き情報ykとして、F値を最大にはしないykを用いることも可能である。
101 通信インタフェース
102 画像蓄積部
103 ID蓄積部
104 追跡物体管理部
111 物体検出部
111a 検出用識別器
111b 高さ算出部
112 ID管理部
112a 物体統合部
112b 物体登録部
113 候補情報算出部
114 物体追跡部
114a 追跡用識別器
114b 教師データセット生成部
115 物体位置・形状推定部
121 通信制御部
2 カメラ
Claims (12)
- 追跡対象の物体を撮影可能な1つ以上のカメラから取得される時系列の画像群を用いて当該物体を追跡可能な装置であって、
取得された画像に係る画像情報と、当該物体の実空間での位置に係る位置情報を含む物体動き情報であって正解とされる情報とを含むデータセットによって学習する識別器であって、物体追跡対象の画像毎に、当該画像に係る画像情報を入力することによって少なくとも当該物体の実空間での正解とされる位置情報を出力する識別器によって、当該物体の実空間での刻々の位置情報を取得する物体追跡手段
を有することを特徴とする物体追跡装置。 - 1つの時刻での当該物体動き情報として、少なくとも当該物体の実空間での位置における前時刻からの変化分を採用し、当該1つの時刻における互いに変化分の異なる複数の候補物体動き情報を算出する候補情報算出手段を更に有し、
前記物体追跡手段の識別器は、当該物体の実空間での位置の変化分を変数とする確率密度関数に係る項と、当該物体に係る画像領域に対する当該候補物体動き情報から算出される画像領域の見かけ(appearance)の近さを評価する項とを有する評価関数に対し、入力された当該複数の候補物体動き情報及び当該1つの時刻での画像に係る画像情報を適用し、当該評価関数のスコアを最大にする候補物体動き情報を、当該1つの時刻における当該物体の実空間での位置に係る正解の位置情報として出力する
ことを特徴とする請求項1に記載の物体追跡装置。 - 前記候補情報算出手段は、当該1つの時刻での当該物体動き情報として、当該物体の実空間での位置における前時刻からの変化分と、当該物体の高さにおける前時刻からの変化分とを採用して、当該1つの時刻における少なくとも変化分の1つが異なる複数の候補物体動き情報を算出し、
前記物体追跡手段の識別器は、当該物体の実空間での位置の変化分を変数とする確率密度関数に係る項と、当該物体の高さの変化分を変数とする確率密度関数に係る項と、当該物体に係る画像領域に対する当該候補物体動き情報から算出される画像領域の見かけの近さを評価する項とを有する評価関数に対し、入力された当該複数の候補物体動き情報及び当該1つの時刻での画像に係る画像情報を適用し、当該評価関数のスコアを最大にする候補物体動き情報を、当該1つの時刻における当該物体の実空間での位置及び当該物体の高さに係る正解の情報として出力する
ことを特徴とする請求項2に記載の物体追跡装置。 - 前記候補情報算出手段は、当該1つの時刻での当該物体動き情報として、当該物体の実空間での位置における前時刻からの変化分と、当該物体の高さにおける前時刻からの変化分とを採用して、当該1つの時刻における少なくとも変化分の1つが異なる複数の候補物体動き情報を算出し、
前記物体追跡手段の識別器は、当該物体の実空間での位置の変化分を変数とする確率密度関数に係る項と、当該物体の高さの変化分を変数とする確率密度関数に係る項と、当該物体に係る画像領域における当該物体の動き(motion)による変化と当該物体動き情報に係る変化分とが合致する度合いを評価する項と、当該物体に係る画像領域に対する当該候補物体動き情報から算出される画像領域の見かけの近さを評価する項とを有する評価関数に対し、入力された当該複数の候補物体動き情報及び当該1つの時刻での画像に係る画像情報を適用し、当該評価関数のスコアを最大にする候補物体動き情報を、当該1つの時刻における当該物体の実空間での位置及び当該物体の高さに係る正解の情報として出力する
ことを特徴とする請求項2又は3に記載の物体追跡装置。 - 前記候補情報算出手段は、当該1つの時刻での当該物体動き情報として、当該物体の傾きにおける前時刻からの変化分を更に採用し、
前記物体追跡手段の識別器は、当該評価関数のスコアを最大にする候補物体動き情報を、当該1つの時刻における当該物体の傾きに係る正解の情報をも含む情報として出力する
ことを特徴とする請求項2から4のいずれか1項に記載の物体追跡装置。 - 取得された画像に基づいて当該物体を検出し、検出された当該物体に係る画像領域の最下位置に基づいて、当該物体の実空間での位置としての当該物体の接地位置を算出し、検出された当該物体に係る画像領域の最上位置に基づいて算出された実空間での位置と、算出された設置位置とに基づいて、当該物体の高さを算出する物体検出部を更に有することを特徴とする請求項2から5のいずれか1項に記載の物体追跡装置。
- 前記物体追跡手段の識別器は、学習によって当該評価関数の各項の重み係数を決定し、決定された重み係数を有する評価関数を用いて、入力した当該画像に係る画像情報を処理して、出力する物体動き情報を算出することを特徴とする請求項2から6のいずれか1項に記載の物体追跡装置。
- 前記物体追跡手段の識別器は、1つの時刻の前時刻において、正解として出力された物体動き情報を用いて生成されたデータセットによって学習を行い、当該1つの時刻における当該画像に係る画像情報を入力して、当該画像情報を、当該学習によって決定されたパラメータを用いて処理し、当該1つの時刻における正解となる物体動き情報を出力することを特徴とする請求項1から7のいずれか1項に記載の物体追跡装置。
- 前記物体追跡手段の識別器は、当該物体に係る画像領域として、実空間における当該物体の上端から当該物体の高さの所定割合だけ下方となる位置までの物体部分を座標変換して算出された画像領域を採用することを特徴とする請求項1から8のいずれか1項に記載の物体追跡装置。
- 前記物体追跡手段の識別器は、構造化SVM(Structured Support Vector Machine)のアルゴリズムによって構築されることを特徴とする請求項1から9のいずれか1項に記載の物体追跡装置。
- 追跡対象の物体を撮影可能な1つ以上のカメラから取得される時系列の画像群を用いて当該物体を追跡可能な装置に搭載されたコンピュータを機能させるプログラムであって、
取得された画像に係る画像情報と、当該物体の実空間での位置に係る位置情報を含む物体動き情報であって正解とされる情報とを含むデータセットによって学習する識別器であって、物体追跡対象の画像毎に、当該画像に係る画像情報を入力することによって少なくとも当該物体の実空間での正解とされる位置情報を出力する識別器によって、当該物体の実空間での刻々の位置情報を取得する物体追跡手段
としてコンピュータを機能させることを特徴とする物体追跡プログラム。 - 追跡対象の物体を撮影可能な1つ以上のカメラから取得される時系列の画像群を用い、機械学習の識別器によって当該物体を追跡する方法であって、
取得された画像に係る画像情報と、当該物体の実空間での位置に係る位置情報を含む物体動き情報であって正解とされる情報とを含むデータセットによって前記識別器に学習させるステップと、
前記識別器に対し、物体追跡対象の画像に係る画像情報を入力することによって少なくとも当該物体の実空間での正解とされる位置情報を出力させるステップと
を繰り返し、当該物体の実空間での刻々の位置情報を取得する
ことを特徴とする物体追跡方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015085269A JP6628494B2 (ja) | 2015-04-17 | 2015-04-17 | 実空間情報によって学習する識別器を用いて物体を追跡する装置、プログラム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015085269A JP6628494B2 (ja) | 2015-04-17 | 2015-04-17 | 実空間情報によって学習する識別器を用いて物体を追跡する装置、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016206795A true JP2016206795A (ja) | 2016-12-08 |
JP6628494B2 JP6628494B2 (ja) | 2020-01-08 |
Family
ID=57489892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015085269A Active JP6628494B2 (ja) | 2015-04-17 | 2015-04-17 | 実空間情報によって学習する識別器を用いて物体を追跡する装置、プログラム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6628494B2 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018173799A (ja) * | 2017-03-31 | 2018-11-08 | セコム株式会社 | 画像解析装置 |
JP2018185623A (ja) * | 2017-04-25 | 2018-11-22 | セコム株式会社 | 物体検出装置 |
WO2018235777A1 (ja) * | 2017-06-20 | 2018-12-27 | 国立大学法人静岡大学 | 画像データ加工装置、植物栽培システム及び画像データ加工方法 |
CN109584268A (zh) * | 2017-09-29 | 2019-04-05 | 广赛布托有限公司 | 移动体跟踪装置、移动体跟踪方法及计算机可读记录介质 |
US10769448B2 (en) | 2017-05-31 | 2020-09-08 | Panasonic I-Pro Sensing Solutions Co., Ltd. | Surveillance system and surveillance method |
JP2021504836A (ja) * | 2017-12-01 | 2021-02-15 | 1キュービー インフォメーション テクノロジーズ インコーポレイテッド1Qb Information Technologies Inc. | ロバスト推定問題の確率的最適化のためのシステムおよび方法 |
US11797641B2 (en) | 2015-02-03 | 2023-10-24 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a constrained binary quadratic programming problem using a quantum annealer |
CN117252867A (zh) * | 2023-11-14 | 2023-12-19 | 广州市品众电子科技有限公司 | 一种基于图像识别的vr设备生产产品质量监测分析方法 |
US11947506B2 (en) | 2019-06-19 | 2024-04-02 | 1Qb Information Technologies, Inc. | Method and system for mapping a dataset from a Hilbert space of a given dimension to a Hilbert space of a different dimension |
US11989256B2 (en) | 2015-02-03 | 2024-05-21 | 1Qb Information Technologies Inc. | Method and system for solving the Lagrangian dual of a constrained binary quadratic programming problem using a quantum annealer |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009301241A (ja) * | 2008-06-11 | 2009-12-24 | Nippon Telegr & Teleph Corp <Ntt> | 複数対象物追跡方法、複数対象物追跡装置、複数対象物追跡プログラムおよびそのプログラムを記録した記録媒体 |
JP2010512581A (ja) * | 2006-12-06 | 2010-04-22 | 本田技研工業株式会社 | 多次元ブースト回帰を経た外観及び動作を使用する高速人間姿勢推定 |
US20100195899A1 (en) * | 2009-02-04 | 2010-08-05 | Pramod Nc | Detection of people in real world videos and images |
JP2012159958A (ja) * | 2011-01-31 | 2012-08-23 | Secom Co Ltd | 移動物体追跡装置 |
WO2012117901A1 (ja) * | 2011-03-01 | 2012-09-07 | 株式会社メガチップス | データ処理装置、データ処理システム、及びプログラム |
JP2014093023A (ja) * | 2012-11-06 | 2014-05-19 | Canon Inc | 物体検出装置、物体検出方法及びプログラム |
-
2015
- 2015-04-17 JP JP2015085269A patent/JP6628494B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010512581A (ja) * | 2006-12-06 | 2010-04-22 | 本田技研工業株式会社 | 多次元ブースト回帰を経た外観及び動作を使用する高速人間姿勢推定 |
JP2009301241A (ja) * | 2008-06-11 | 2009-12-24 | Nippon Telegr & Teleph Corp <Ntt> | 複数対象物追跡方法、複数対象物追跡装置、複数対象物追跡プログラムおよびそのプログラムを記録した記録媒体 |
US20100195899A1 (en) * | 2009-02-04 | 2010-08-05 | Pramod Nc | Detection of people in real world videos and images |
JP2012159958A (ja) * | 2011-01-31 | 2012-08-23 | Secom Co Ltd | 移動物体追跡装置 |
WO2012117901A1 (ja) * | 2011-03-01 | 2012-09-07 | 株式会社メガチップス | データ処理装置、データ処理システム、及びプログラム |
JP2014093023A (ja) * | 2012-11-06 | 2014-05-19 | Canon Inc | 物体検出装置、物体検出方法及びプログラム |
Non-Patent Citations (1)
Title |
---|
大澤 達哉: "単眼動画像を用いた近接する複数対象の三次元追跡", 電子情報通信学会技術研究報告, vol. 108, no. 94, JPN6019016555, 12 June 2008 (2008-06-12), JP, pages 109 - 114, ISSN: 0004030871 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11797641B2 (en) | 2015-02-03 | 2023-10-24 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a constrained binary quadratic programming problem using a quantum annealer |
US11989256B2 (en) | 2015-02-03 | 2024-05-21 | 1Qb Information Technologies Inc. | Method and system for solving the Lagrangian dual of a constrained binary quadratic programming problem using a quantum annealer |
JP2018173799A (ja) * | 2017-03-31 | 2018-11-08 | セコム株式会社 | 画像解析装置 |
JP2018185623A (ja) * | 2017-04-25 | 2018-11-22 | セコム株式会社 | 物体検出装置 |
US10769448B2 (en) | 2017-05-31 | 2020-09-08 | Panasonic I-Pro Sensing Solutions Co., Ltd. | Surveillance system and surveillance method |
WO2018235777A1 (ja) * | 2017-06-20 | 2018-12-27 | 国立大学法人静岡大学 | 画像データ加工装置、植物栽培システム及び画像データ加工方法 |
JPWO2018235777A1 (ja) * | 2017-06-20 | 2020-04-30 | 国立大学法人静岡大学 | 画像データ加工装置、植物栽培システム及び画像データ加工方法 |
JP7114092B2 (ja) | 2017-06-20 | 2022-08-08 | 国立大学法人静岡大学 | 画像データ加工装置、植物栽培システム及び画像データ加工方法 |
CN109584268A (zh) * | 2017-09-29 | 2019-04-05 | 广赛布托有限公司 | 移动体跟踪装置、移动体跟踪方法及计算机可读记录介质 |
CN109584268B (zh) * | 2017-09-29 | 2023-05-23 | 广赛布托有限公司 | 移动体跟踪装置、移动体跟踪方法及计算机可读记录介质 |
JP2021504836A (ja) * | 2017-12-01 | 2021-02-15 | 1キュービー インフォメーション テクノロジーズ インコーポレイテッド1Qb Information Technologies Inc. | ロバスト推定問題の確率的最適化のためのシステムおよび方法 |
JP7288905B2 (ja) | 2017-12-01 | 2023-06-08 | 1キュービー インフォメーション テクノロジーズ インコーポレイテッド | ロバスト推定問題の確率的最適化のためのシステムおよび方法 |
US11947506B2 (en) | 2019-06-19 | 2024-04-02 | 1Qb Information Technologies, Inc. | Method and system for mapping a dataset from a Hilbert space of a given dimension to a Hilbert space of a different dimension |
CN117252867A (zh) * | 2023-11-14 | 2023-12-19 | 广州市品众电子科技有限公司 | 一种基于图像识别的vr设备生产产品质量监测分析方法 |
CN117252867B (zh) * | 2023-11-14 | 2024-02-27 | 广州市品众电子科技有限公司 | 一种基于图像识别的vr设备生产产品质量监测分析方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6628494B2 (ja) | 2020-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6628494B2 (ja) | 実空間情報によって学習する識別器を用いて物体を追跡する装置、プログラム及び方法 | |
JP6614611B2 (ja) | 画像間類似度を考慮して物体を追跡する装置、プログラム及び方法 | |
EP3191989B1 (en) | Video processing for motor task analysis | |
JP6288221B2 (ja) | 深層畳み込みニューラルネットワークによるレイヤベースの物体検出の強化 | |
JP6618395B2 (ja) | 行動価値によって調査対象の位置を予測する装置、プログラム及び方法 | |
JP7342919B2 (ja) | 情報処理システム、制御方法、及びプログラム | |
JP6598746B2 (ja) | 他の物体の画像領域も考慮して物体を追跡する装置、プログラム及び方法 | |
US20180129873A1 (en) | Event detection and summarisation | |
CN114616588A (zh) | 图像处理装置、图像处理方法以及存储图像处理程序的非暂时性计算机可读介质 | |
JP2019159630A (ja) | 画像生成方法、画像生成装置及び画像生成システム | |
JP2018120283A (ja) | 情報処理装置、情報処理方法及びプログラム | |
Chan et al. | A 3-D-point-cloud system for human-pose estimation | |
JP2019082959A (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP6103765B2 (ja) | 行動認識装置、方法及びプログラム並びに認識器構築装置 | |
Chen et al. | Activity recognition using a panoramic camera for homecare | |
WO2021250808A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
Cielniak | People tracking by mobile robots using thermal and colour vision | |
WO2021255846A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
KR20230099369A (ko) | 객체의 위치 추정을 위한 가려짐 판별과 객체 좌표 보정 | |
Boukhers et al. | Example-based 3D trajectory extraction of objects from 2D videos | |
Takač et al. | People identification for domestic non-overlapping rgb-d camera networks | |
Rasouli et al. | Dynamic posture estimation in a network of depth sensors using sample points | |
Noyvirt et al. | Human detection and tracking in an assistive living service robot through multimodal data fusion | |
Luo et al. | Visual focus of attention estimation based on improved hybrid incremental dynamic Bayesian network | |
Scarpellini et al. | Look around and learn: self-improving object detection by exploration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190510 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190627 |
|
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: 20191202 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6628494 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |