JP2017174380A - 認識装置、物体の認識方法、プログラム、及び、記憶媒体 - Google Patents

Abstract

【課題】物体の検知精度が不十分である。【解決手段】認識装置は、画像データを取得する画像取得部と、前記画像データの画像内において認識対象の物体を探索する範囲である物体認識処理対象領域の情報を有する物体認識処理対象領域辞書に基づいて、前記物体認識処理対象領域を前記画像内に設定する物体候補領域認識部と、前記物体認識処理対象領域内で前記物体の形状を認識する物体形状認識部と、を備える。前記物体形状認識部は、予め撮影された複数の前記画像データによって認識した複数の物体の形状を含むように設定した前記物体認識処理対象領域の情報を有する前記物体認識処理対象領域辞書を生成する。【選択図】図３

Description

本発明は、認識装置、物体の認識方法、プログラム、及び、記憶媒体に関する。

カメラで撮影された画像内の信号機、車両及び標識等の物体を認識して検知する認識装置が知られている。例えば、画像内の信号機の各色の信号の画素を抽出して、当該抽出した画素の領域の形状を認識することにより信号機を検知する技術が知られている。上述の技術では、画像内の全ての領域で信号機を探索するので、信号機の認識の処理に要する時間が長い。そこで、カメラの姿勢に対応付けて画像内に予め設定された範囲で信号機を検知する技術が開示されている。

しかしながら、上述の技術では、姿勢以外の要因によっては探索する範囲が適切でなくなり、認識対象の物体が探索する範囲に含まれず、物体の検知精度が不十分といった課題がある。

本発明は、上記に鑑みてなされたものであって、検知精度を向上できる認識装置、物体の認識方法、プログラム、及び、記憶媒体を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明の認識装置は、画像データを取得する画像取得部と、前記画像データの画像内において認識対象の物体を探索する範囲である物体認識処理対象領域の情報を有する物体認識処理対象領域辞書に基づいて、前記物体認識処理対象領域を前記画像内に設定する物体候補領域認識部と、前記物体認識処理対象領域内で前記物体の形状を認識する物体形状認識部と、を備える。前記物体形状認識部は、予め撮影された複数の前記画像データによって認識した複数の物体の形状を含むように設定した前記物体認識処理対象領域の情報を有する前記物体認識処理対象領域辞書を生成する。

本発明によれば、信号機の認識の処理に要する時間を短くできる。

図１は、第１実施形態の認識装置が搭載された車両の例を示す図である。 図２は、第１実施形態の認識装置のハードウエア構成を示すブロック図である。 図３は、認識処理部の機能ブロック図である。 図４は、信号認識において採用される信号機を含む画像の一例である。 図５は、認識処理部が実行する信号認識処理対象領域辞書を作成する辞書作成処理のフローチャートである。 図６は、画像内における信号機の各色の信号の領域である信号領域の形状認識を説明する図である。 図７は、複数の信号領域に基づいて抽出される信号認識処理対象領域の座標を説明する図である。 図８は、認識処理部が実行する物体検知処理のフローチャートである。 図９は、信号機を含み物体検知処理で使用される昼画像の一例である。 図１０は、信号機を含み物体検知処理で使用される夜画像の一例である。 図１１は、時間帯識別部が実行する時間帯識別処理のフローチャートである。 図１２は、ＳＶＭによる昼と夜の撮影時間帯を識別するための時間帯識別辞書の作成方法について説明する図である。 図１３は、夜撮影された信号機を含む画像の一例を示す概略図である。 図１４は、（Ｕ、Ｖ）色空間における夜の信号の画素の分布を示す図である。 図１５は、（Ｕ、Ｖ）色空間における夜の信号の画素と信号以外の画素の領域を識別する方法を説明する図である。 図１６は、昼撮影された信号機を含む画像の一例を示す概略図である。 図１７は、（Ｕ、Ｖ）色空間における昼の信号領域の画素の分布を示す図である。 図１８は、（Ｕ、Ｖ）色空間における昼の信号領域の画素と信号領域以外の領域の画素の領域を識別する方法を説明する図である。 図１９は、膨張処理前の夜の青信号の信号色の広がる領域の画素を抽出した画素領域の図である。 図２０は、膨張処理後の夜の青信号の信号色の広がる領域の画素を抽出した画素領域の図である。 図２１は、膨張処理前の昼の青信号の領域の画素を抽出した画素領域の図である。 図２２は、膨張処理後の昼の青信号の領域の画素を抽出した画素領域の図である。 図２３は、信号形状認識部が、Ｈｏｕｇｈ変換により抽出した夜の青信号の画像を示す円形状の信号領域を示す図である。 図２４は、信号形状認識部が、夜の青信号の画像を示す円形状の信号領域の認識領域を示す図である。 図２５は、信号形状認識部が、Ｈｏｕｇｈ変換により抽出した昼の青信号の画像を示す円形状の信号領域を示す図である。 図２６は、信号形状認識部が、昼の青信号の画像を示す円形状の信号領域の認識領域を示す図である。 図２７は、信号形状認識部が、昼の青信号の画像を示す円形状の信号領域の認識領域を示す別の図である。 図２８は、車載のカメラを含む認識装置のハードウエア構成を示すブロック図である。 図２９は、第２実施形態の認識処理部の機能ブロック図である。 図３０は、画像取得部が取得する画像の一例である。 図３１は、画像にブロックを設定した図である。 図３２は、特徴量算出のために認識辞書に登録された辞書ブロック内の特徴パターンの例を示す図である。 図３３は、学習用の画像サンプルの一例を示す図である。 図３４は、物体形状認識部が有する物体識別器の図である。 図３５は、画像内の物体領域を説明する図である。 図３６は、物体領域の認識結果を説明する図である。 図３７は、複数の物体領域に基づく物体認識処理対象領域の設定を説明する図である。

以下の例示的な実施形態や変形例には、同様の構成要素が含まれている。よって、以下では、同様の構成要素には共通の符号が付されるとともに、重複する説明が部分的に省略される。実施形態や変形例に含まれる部分は、他の実施形態や変形例の対応する部分と置き換えて構成されることができる。また、実施形態や変形例に含まれる部分の構成や位置等は、特に言及しない限りは、他の実施形態や変形例と同様である。

（第１実施形態）
図１は、第１実施形態の認識装置１０が搭載された車両９０の例を示す図である。第１実施形態の認識装置１０は、車両９０のフロントガラスのバックミラー付近に設置される。第１実施形態の認識装置１０は、認識対象の物体としての信号機９２を含む被写体を撮影して、撮影した画像の画像データから信号機９２を認識して検知する。

図２は、第１実施形態の認識装置１０のハードウエア構成を示すブロック図である。図２に示すように、認識装置１０は、カメラ１２と、位置検出部１４と、インタフェース部１６及び認識処理部１８を有する信号処理部２０とを備える。

カメラ１２は、車両９０のフロントガラス近傍に搭載されている。カメラ１２は、画像データ等のデータを送受信可能にインタフェース部１６と接続されている。カメラ１２は、外部の信号機９２等の被写体を撮影して、静止画及び動画等の画像データを生成する。例えば、カメラ１２は、時系列に連続した複数の画像フレームを含む動画の画像データを生成する。カメラ１２は、画像データの明度を自動で調整して、被写体の明度に関わらず出力する画像データの明度を一定にするオートゲイン機能を有してもよい。カメラ１２は、生成した画像データをインタフェース部１６へ出力する。

位置検出部１４は、例えば、ＧＰＳ（Global Positioning System）の端末である。位置検出部１４は、認識装置１０の位置を検出する。位置検出部１４は、検出した位置に関する情報である位置情報をインタフェース部１６へ出力する。

インタフェース部１６は、カメラ１２から取得した時系列に連続した画像フレームを含む画像データを、認識処理部１８が受け付け可能なデータ形式の画像データに変換する。インタフェース部１６は、データ形式を変換した画像データを認識処理部１８へ出力する。インタフェース部１６は、位置検出部１４から取得した位置情報を認識処理部１８へ出力する。

認識処理部１８は、カメラ１２が撮影した画像内の信号機９２を認識して出力する。

図３は、認識処理部１８の機能ブロック図である。図４は、信号認識において採用される信号機９２を含む画像の一例である。図３に示すように、認識処理部１８は、画像取得部２２と、時間帯識別部２４と、信号認識辞書入力部２６と、位置情報入力部２７と、信号認識処理対象領域入力部２８と、物体候補領域認識部の一例である信号候補領域認識部３０と、物体形状認識部の一例である信号形状認識部３２と、信号検知結果出力部３４と、記憶部３６とを有する。認識処理部１８は、例えば、プロセッサ等の演算処理装置を有するコンピュータである。認識処理部１８は、例えば、演算処理装置がプログラムを読み込むことによって、画像取得部２２、時間帯識別部２４、信号認識辞書入力部２６、位置情報入力部２７、信号認識処理対象領域入力部２８、信号候補領域認識部３０、信号形状認識部３２及び信号検知結果出力部３４として機能する。

画像取得部２２は、インタフェース部１６からカメラ１２が撮影した青信号９３Ｂ、黄信号９３Ｙ及び赤信号９３Ｒを有する信号機９２を含む図４に示すような画像の画像データを取得する。信号９３Ｂ、９３Ｙ、９３Ｒの色を区別する必要がない場合、信号９３と記載する。画像取得部２２は、取得した画像データを信号候補領域認識部３０及び時間帯識別部２４へ出力する。

時間帯識別部２４は、予め生成して記憶部３６に記憶された時間帯識別辞書ＤＣ１に基づいて、画像取得部２２から取得した画像データの時間帯を識別する。例えば、時間帯識別部２４は、昼の時間帯または夜の時間帯のいずれに撮影されたかを識別する。時間帯識別部２４は、識別した結果である識別結果を信号候補領域認識部３０及び信号認識辞書入力部２６へ出力する。

信号認識辞書入力部２６は、信号色認識辞書ＤＣ２を記憶部３６から取得する。信号認識辞書入力部２６は、時間帯識別部２４が出力した昼または夜の識別結果に対応する時間帯の信号色認識辞書ＤＣ２を選択する。信号認識辞書入力部２６は、選択した信号色認識辞書ＤＣ２を信号候補領域認識部３０に入力する。

位置情報入力部２７は、位置検出部１４が検出した車両９０または認識装置１０の位置に関する情報である位置情報を取得する。位置情報入力部２７は、例えば、画像取得部２２が画像データを取得すると、位置情報を取得する。位置情報入力部２７は、位置に応じた信号認識処理対象領域辞書ＤＣ３を取得するための位置情報を信号認識処理対象領域入力部２８へ出力する。信号認識処理対象領域辞書ＤＣ３は物体認識処理対象領域辞書の一例である。位置情報入力部２７は、位置情報を信号形状認識部３２へ出力してもよい。

信号認識処理対象領域入力部２８は、図４に示す画像データの画像内において信号機９２の信号９３を探索する範囲である信号認識処理対象領域８２に関する情報を有する信号認識処理対象領域辞書ＤＣ３を記憶部３６から取得する。信号認識処理対象領域は物体認識処理対象領域の一例である。信号認識処理対象領域８２に関する情報は、例えば、画像内における信号認識処理対象領域８２の座標データである。信号認識処理対象領域入力部２８は、信号認識処理対象領域辞書ＤＣ３を信号候補領域認識部３０に入力する。尚、信号認識処理対象領域入力部２８は、位置情報入力部２７から取得した位置情報に基づいて、当該位置情報が示す位置に応じた信号認識処理対象領域辞書ＤＣ３を選択して、信号候補領域認識部３０に入力してもよい。

信号候補領域認識部３０は、信号認識処理対象領域辞書ＤＣ３に基づいて、画像取得部２２から取得した画像内に図４に示すような信号認識処理対象領域８２を設定する。例えば、信号候補領域認識部３０は、信号９３の色ごとに信号認識処理対象領域８２を画像内に設定する。信号候補領域認識部３０は、信号色認識辞書ＤＣ２に基づいて、画像内に設定された信号認識処理対象領域８２内の信号機９２の各信号９３の色の画素を認識して抽出する。例えば、信号候補領域認識部３０は、信号認識処理対象領域８２に含まれる信号９３の色の画素を、時間帯に応じた信号色認識辞書ＤＣ２に基づいて認識してもよい。信号候補領域認識部３０は、抽出した画素のデータを信号形状認識部３２に出力する。

信号形状認識部３２は、信号候補領域認識部３０から取得した各色の画素のデータに基づいて、信号９３の領域である信号領域８０の形状を信号認識処理対象領域８２内で色ごとに検出して、信号機９２の信号９３の形状として認識する。信号形状認識部３２は、認識した信号領域８０の形状に基づいて信号機９２を検知した結果を検知結果として信号検知結果出力部３４へ出力する。

また、信号形状認識部３２は、ＳＶＭ（Support Vector Machine）機械学習法等の学習法によって信号認識処理対象領域辞書ＤＣ３を生成または更新する。具体的には、信号形状認識部３２は、予め撮影された画像の複数の画像データを取得する。信号形状認識部３２は、当該複数の画像データに基づいて、複数の画像内の複数の信号９３の形状を信号９３の色ごとに認識する。信号形状認識部３２は、認識した複数の信号９３を含むように設定した信号認識処理対象領域８２の情報（例えば、座標データ）を生成する。信号形状認識部３２は、信号認識処理対象領域８２の情報を有する信号認識処理対象領域辞書ＤＣ３を生成または更新する。信号形状認識部３２は、生成または更新した信号認識処理対象領域辞書ＤＣ３を記憶部３６に格納する。

信号形状認識部３２は、複数の信号認識処理対象領域８２の情報（例えば、座標データ）を有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。また、信号形状認識部３２は、新たな画像データに基づいて新たに設定した信号認識処理対象領域８２の情報（例えば、座標データ）によって信号認識処理対象領域辞書ＤＣ３を更新してもよい。

例えば、信号形状認識部３２は、信号機９２の青信号９３Ｂ、黄信号９３Ｙ及び赤信号９３Ｒの各色に対応付けられた複数（例えば、３個）の信号認識処理対象領域８２の情報（例えば、座標データ）を有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。

信号形状認識部３２は、異なる状況ごとに設定された複数の信号認識処理対象領域８２の情報（例えば、座標データ）を有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。具体的には、信号形状認識部３２は、画像取得部２２から異なる状況における複数の画像データを取得する。信号形状認識部３２は、複数の画像データによって異なる状況ごとに設定した複数の信号認識処理対象領域８２の座標データを有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。

信号形状認識部３２は、周囲の状況が変化した場合、新たな画像データに基づいて、新たに設定した信号認識処理対象領域８２の情報（例えば、座標データ）によって信号認識処理対象領域辞書ＤＣ３を更新してもよい。

信号形状認識部３２は、複数の時間帯のそれぞれに対応付けられた複数の信号認識処理対象領域８２の情報（例えば、座標データ）を有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。具体的には、信号形状認識部３２は、画像取得部２２から第１時間帯（例えば、昼の時間帯）の複数の画像データ（第１画像データの一例）と、第１時間帯と異なる第２時間帯（例えば、夜の時間帯）の複数の画像データとを取得する。信号形状認識部３２は、第１時間帯の複数の画像データによって設定した信号認識処理対象領域８２の座標データと、第２時間帯の複数の画像データ（第２画像データの一例）によって設定した信号認識処理対象領域８２の座標データとを有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。

信号形状認識部３２は、車両９０または認識装置１０の複数の位置を含む複数の地域のそれぞれに対応付けられた複数の信号認識処理対象領域８２の情報（例えば、座標データ）を有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。具体的には、信号形状認識部３２は、車両９０または認識装置１０の位置に関する情報である位置情報を位置情報入力部２７から取得する。信号形状認識部３２は、位置情報に応じて設定された第１地域において設定した信号認識処理対象領域８２の座標データと、位置情報に応じて設定された第１地域と異なる第２地域において設定した信号認識処理対象領域８２の座標データとを有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。更に、信号形状認識部３２は、位置情報入力部２７から取得した位置情報に基づいて、現在の位置に対応する信号認識処理対象領域８２の情報が信号認識処理対象領域辞書ＤＣ３に登録されていない場合、現在の位置を含む地域に対して設定した新たな信号認識処理対象領域８２の情報を信号認識処理対象領域辞書ＤＣ３に追加してもよい。

信号形状認識部３２は、位置情報入力部２７から取得した車両９０または認識装置１０の位置情報に基づいて予め定められた地域及び予め定められた時間帯の複数の画像データに基づいて設定した信号認識処理対象領域８２の情報（例えば、座標データ）を有する信号認識処理対象領域辞書ＤＣ３を生成してもよい。この場合、信号形状認識部３２は、地域及び時間帯の両方に関連付けて信号認識処理対象領域８２の座標データを信号認識処理対象領域辞書ＤＣ３に登録することが好ましい。

信号検知結果出力部３４は、信号機９２の検知結果を音声出力装置または表示装置等に出力する。

記憶部３６は、信号機９２を検出するためのプログラム及びプログラムの実行に必要な辞書ＤＣ１、ＤＣ２、ＤＣ３等を記憶するＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）及びＳＤＲＡＭ（Synchronous Dynamic RAM）等の記憶装置である。

図５は、認識処理部１８が実行する信号認識処理対象領域辞書ＤＣ３を作成する辞書作成処理のフローチャートである。図６は、画像内における信号機９２の各色の信号９３の領域である信号領域８０の形状認識を説明する図である。図７は、複数の信号領域８０に基づいて抽出される信号認識処理対象領域８２の座標を説明する図である。

図５に示すように、辞書作成処理では、画像取得部２２が、図４に示すような画像の複数の画像フレームを含む学習用の画像データを記憶部３６から取得する（Ｓ１００）。画像データは、静止画であってもよく、動画であってもよい。例えば、画像取得部２２は、予めカメラ１２が生成した画像データをインタフェース部１６が形式を変換して記憶部３６に格納した画像データを取得してもよい。画像データは、辞書作成処理を実行する時間体と異なる時間であってもよい。例えば、学習用の画像データは、カメラ１２が信号機９２を容易に認識できる昼間に撮影した動画の画像データであってもよい。画像取得部２２は、取得した画像データを時間帯識別部２４及び信号候補領域認識部３０へ出力する。

信号認識辞書入力部２６は、信号９３の色の画素を抽出するための信号色認識辞書ＤＣ２を記憶部３６から取得して、信号候補領域認識部３０へ出力する（Ｓ１０２）。尚、信号認識辞書入力部２６は、時間帯識別部２４から時間帯を識別した識別結果を取得している場合、当該時間帯の信号色認識辞書ＤＣ２を信号候補領域認識部３０へ出力してもよい。

信号候補領域認識部３０は、画像データから信号９３の色ごとに画素を抽出する画像内の領域の候補である信号認識処理対象領域８２を認識して設定する（Ｓ１０４）。尚、信号候補領域認識部３０は、予め格納された信号認識処理対象領域辞書ＤＣ３を取得した場合、信号認識処理対象領域辞書ＤＣ３に基づいて、信号認識処理対象領域８２を設定してもよい。また、信号候補領域認識部３０は、信号認識処理対象領域辞書ＤＣ３がない場合、画像全体を初期値の信号認識処理対象領域８２として設定してもよい。信号候補領域認識部３０は、抽出した画素のデータ及び信号認識処理対象領域８２を信号形状認識部３２に出力する。

信号候補領域認識部３０は、信号色認識辞書ＤＣ２に基づいて、信号認識処理対象領域８２に含まれる信号９３の各色の画素を、画像取得部２２から取得した画像データの信号認識処理対象領域８２から抽出する（Ｓ１０６）。例えば、信号候補領域認識部３０は、青信号９３Ｂ、黄信号９３Ｙ、及び、赤信号９３Ｒそれぞれの青色、黄色、及び、赤色の画素を認識して抽出する。

信号形状認識部３２は、画像内の信号認識処理対象領域８２内の画素に対して、図６に示す信号９３の各色の信号領域８０の形状を認識するための認識処理を実行する（Ｓ１０８）。具体的には、信号形状認識部３２は、信号機９２の各色の信号９３の形状を円形状の信号領域８０として認識する。

信号形状認識部３２は、信号領域８０に外接する矩形状の領域を認識領域８４として設定して、認識領域８４の座標を生成する（Ｓ１１０）。信号形状認識部３２は、例えば、二辺が水平方向と平行であり、他の二辺が垂直方向と平行である矩形状を認識領域８４として認識する。信号形状認識部３２は、矩形状の認識領域８４の対向する２つの頂点、例えば、左上の頂点の座標データ（Ｘｓｔ［ｉ］，Ｙｓｔ［ｉ］）及び右下の頂点の座標データ（Ｘｅｄ［ｉ］，Ｙｅｄ［ｉ］）を信号領域８０の認識領域８４に関する情報として生成する。換言すれば、信号形状認識部３２は、矩形状の認識領域８４の一の対角線上の頂点の座標データを認識領域８４に関する情報として生成する。信号形状認識部３２は、複数の認識領域８４の座標データ（Ｘｓｔ［ｉ］，Ｙｓｔ［ｉ］）、（Ｘｅｄ［ｉ］，Ｙｅｄ［ｉ］）のセットを生成する。“ｉ”は、認識領域８４の座標データがいずれの画像のデータかを区別するための正の整数である。信号形状認識部３２は、信号９３の色ごとに認識領域８４の複数の座標データ（Ｘｓｔ［ｉ］，Ｙｓｔ［ｉ］）、（Ｘｅｄ［ｉ］，Ｙｅｄ［ｉ］）のセットを生成する。

信号形状認識部３２は、信号９３の認識領域８４を認識する認識処理が終了したか否かを判定する（Ｓ１１２）。信号形状認識部３２は、認識領域８４の認識処理を終了していないと判定すると（Ｓ１１２：Ｎｏ）、ステップＳ１０２以降を繰り返す。これにより、信号形状認識部３２は、複数の画像データの複数の信号機９２に基づいて生成した複数の座標データ（Ｘｓｔ［ｉ］，Ｙｓｔ［ｉ］）、（Ｘｅｄ［ｉ］，Ｙｅｄ［ｉ］）のセットを色ごとに生成する。

一方、信号形状認識部３２は、例えば、取得した全ての学習用の画像データから認識領域８４の座標データ（Ｘｓｔ，Ｙｓｔ）、（Ｘｅｄ，Ｙｅｄ）を抽出して、認識処理が終了したと判定すると（Ｓ１１２：Ｙｅｓ）、ステップＳ１１４を実行する。具体的には、信号形状認識部３２は、ステップＳ１０８で認識した複数の信号領域８０の認識領域８４から、認識領域８４の画像内で現れる確率の高い領域である信号認識処理対象領域８２を抽出する（Ｓ１１４）。例えば、信号形状認識部３２は、図７に示すように、複数の認識領域８４の左上の頂点の複数の座標データ（Ｘｓｔ，Ｙｓｔ）から求めた最小値（Ｘｓｔ＿ｍｉｎ，Ｙｓｔ＿ｍｉｎ）、及び、複数の認識領域８４の右上の複数の座標データ（Ｘｅｄ，Ｙｅｄ）から求めた最大値（Ｘｅｄ＿ｍａｘ，Ｙｅｄ＿ｍａｘ）を、信号認識処理対象領域８２を規定する座標データとして求める。換言すれば、信号形状認識部３２は、複数の画像データによって認識した複数の信号９３の形状である信号領域８０を含む矩形状の対向する２つの頂点の座標を信号認識処理対象領域８２の情報とする。

信号形状認識部３２は、生成した座標データ（Ｘｓｔ＿ｍｉｎ，Ｙｓｔ＿ｍｉｎ）及び座標データ（Ｘｅｄ＿ｍａｘ，Ｙｅｄ＿ｍａｘ）を含む信号認識処理対象領域８２の情報を有する信号認識処理対象領域辞書ＤＣ３を生成する（Ｓ１１６）。尚、信号形状認識部３２は、信号認識処理対象領域辞書ＤＣ３が既に存在する場合、ステップＳ１１６では、当該座標データ（Ｘｓｔ＿ｍｉｎ，Ｙｓｔ＿ｍｉｎ）及び座標データ（Ｘｅｄ＿ｍａｘ，Ｙｅｄ＿ｍａｘ）によって、信号認識処理対象領域辞書ＤＣ３を更新することになる。信号形状認識部３２は、作成した信号認識処理対象領域辞書ＤＣ３を記憶部３６に格納する。これにより、認識処理部１８は、辞書作成処理を終了する。

認識処理部１８は、認識装置１０の状況が変化した場合に、辞書作成処理を実行して、信号認識処理対象領域辞書ＤＣ３を生成または更新してもよい。例えば、認識処理部１８は、一定の周期ごとに、辞書作成処理を実行して、信号認識処理対象領域辞書ＤＣ３を生成または更新してもよい。この場合、信号形状認識部３２は、古い信号認識処理対象領域８２の情報を削除して、新たな信号認識処理対象領域８２の情報を、信号認識処理対象領域辞書ＤＣ３に追加してもよい。

図８は、認識処理部１８が実行する認識方法の一例である物体検知処理のフローチャートである。図９は、信号機９２を含み物体検知処理で使用される昼画像の一例である。図１０は、信号機９２を含み物体検知処理で使用される夜画像の一例である。

図８に示すように、信号検知処理では、画像取得部２２は、インタフェース部１６を介して、カメラ１２が撮影した図９または図１０に示す画像の画像データを取得して、時間帯識別部２４及び信号候補領域認識部３０へ出力する（Ｓ２００）。

時間帯識別部２４は、画像データが撮影された時間帯が昼か夜かを識別する（Ｓ２０４）。例えば、時間帯識別部２４は、画像データの輝度によって、撮影された時間帯が昼か夜かを識別してもよい。尚、画像データの時間帯は、同じ撮影内容（例えば、同じ輝度）であっても季節、地域、国によって、実際に撮影したときの時間と異なる。例えば、夏と冬では、昼時間の長さが変わる。北半球では夏の昼時間は長く、夜時間は短い。従って、時間帯識別部２４は、画像データの内容により、撮影された時間帯を定義して、昼と夜とを識別することが好ましい。

例えば、時間帯識別部２４は、図９に示すような画像を昼画像のサンプルとして定義して、予め複数の昼画像サンプルを集める。時間帯識別部２４は、複数の昼画像サンプルにより昼の時間帯を識別することにより、季節及び地域等による影響を抑えることができる。また、時間帯識別部２４は、図１０に示すような画像を夜画像のサンプルとして定義して、予め複数の夜画像サンプルを集める。時間帯識別部２４は、複数の夜画像サンプルにより夜の時間帯を識別することにより、季節及び地域等による影響を抑えることができる。

次に、時間帯識別部２４が実行する輝度による時間帯識別処理の一例について説明する。図１１は、時間帯識別部２４が実行する時間帯識別処理のフローチャートである。

図１１に示すように、時間帯識別処理では、時間帯識別部２４は、画像取得部２２から画像データを取得する（Ｓ３００）。次に、時間帯識別部２４は、画像の全領域の輝度の平均値である平均輝度値Ｉａｖを算出する（Ｓ３０２）。一般に、昼撮影された画像の平均輝度値Ｉａｖは、夜撮影された画像の平均輝度値Ｉａｖよりも高くなる。従って、時間帯識別部２４は、平均輝度値Ｉａｖを昼と夜を識別するための特徴量のひとつとして用いる。

時間帯識別部２４は、画像の領域全体をＭ×ＮのブロックＢｌｋｉに分割する（Ｓ３０４）。ブロックＢｌｋｉは、ｉ番目のブロックを示す。例えば、時間帯識別部２４は、画像の領域全体を６４×４８のブロックＢｌｋｉに分割する。

時間帯識別部２４は、分割した全ブロックＢｌｋｉの平均輝度値Ｉｉを計算する（Ｓ３０６）。平均輝度値Ｉｉは、ｉ番目のブロックＢｌｋｉの平均輝度値を示す。

時間帯識別部２４は、算出した各ブロックＢｌｋｉの平均輝度値Ｉｉの分散σを式（１）に基づいて算出する（Ｓ３０８）。時間帯識別部２４は、算出した分散σを昼と夜とを識別する特徴量のひとつとして用いる。

時間帯識別部２４は、予め定められた輝度閾値Ｉｔｈ以下の平均輝度値Ｉｉを有するブロックＢｌｋｉの個数を計算して、当該個数を低輝度ブロック数Ｎｂｌｋとする（Ｓ３１０）。時間帯識別部２４は、低輝度ブロック数Ｎｂｌｋを昼と夜とを識別する特徴量のひとつとして用いる。

時間帯識別部２４は、撮影時間帯を識別するための時間帯識別辞書ＤＣ１を記憶部３６から取得する（Ｓ３１２）。時間帯識別辞書ＤＣ１の作成方法については、後述する。

時間帯識別部２４は、上述の各特徴量及び時間帯識別辞書ＤＣ１によって、昼と夜とを識別する（Ｓ３１４）。ここで、時間帯識別部２４は、例えば、ＳＶＭによる機械学習法に基づいて作成した時間帯識別辞書ＤＣ１によって、昼と夜とを識別する。

時間帯識別部２４が、平均輝度値Ｉａｖ及び低輝度ブロック数Ｎｂｌｋを特徴量として、昼と夜とを識別する場合について説明する。まず、時間帯識別部２４は、次の式（２）に示すf(Iav,Nblk)を線形の評価関数として、昼と夜とを識別する。

ここで、式（２）におけるＡ、Ｂ、Ｃは、時間帯識別部２４が予めＳＶＭ機械学習法で算出した評価関数f(Iav,Nblk)の係数であり、時間帯識別辞書ＤＣ１に登録されている。時間帯識別部２４は、識別対象の画像データの平均輝度値Ｉａｖ及び低輝度ブロック数Ｎｂｌｋを代入した式（２）で示す評価関数f(Iav,Nblk)の値が予め定められた時間帯閾値Ｔｔｈ以上の場合、撮影された時間帯を昼と識別する。一方、時間帯識別部２４は、識別対象の画像データの平均輝度値Ｉａｖ及び低輝度ブロック数Ｎｂｌｋを代入した評価関数f(Iav,Nblk)が予め定められた時間帯閾値Ｔｔｈ未満の場合、撮影された時間帯を夜と識別する。

時間帯識別部２４が、平均輝度値Ｉａｖ及び低輝度ブロック数Ｎｂｌｋに加えて、分散σを特徴量として、昼と夜とを識別する場合について説明する。この場合、時間帯識別部２４は、次の式（３）に示すf(Iav,Nblk,σ)を線形の評価関数として、昼と夜とを識別する。

ここで、式（３）におけるＡ、Ｂ、Ｃ、Ｄは、時間帯識別部２４が予めＳＶＭ機械学習法で算出した評価関数f(Iav,Nblk,σ)の係数であり、時間帯識別辞書ＤＣ１に登録されている。時間帯識別部２４は、識別対象の画像データの平均輝度値Ｉａｖ、低輝度ブロック数Ｎｂｌｋ及び分散σを代入した式（３）で示す評価関数f(Iav,Nblk,σ)の値が予め定められた時間帯閾値Ｔｔｈ以上の場合、撮影された時間帯を昼と識別する。一方、時間帯識別部２４は、識別対象の画像データの平均輝度値Ｉａｖ、低輝度ブロック数Ｎｂｌｋ及び分散σを代入した評価関数f(Iav,Nblk,σ) の値が予め定められた時間帯閾値Ｔｔｈ未満の場合、撮影された時間帯を夜と識別する。

時間帯識別部２４は、評価関数f(Iav,Nblk)または評価関数f(Iav,Nblk,σ)に基づいて識別した撮影の時間帯を識別結果として、信号認識辞書入力部２６及び信号候補領域認識部３０へ出力する（Ｓ３１６）。これにより、時間帯識別部２４は、図１１に示す時間帯識別処理を終了する。

次に、時間帯識別部２４による時間帯識別辞書ＤＣ１の作成処理について説明する。図１２は、ＳＶＭ機械学習用による昼と夜の撮影時間帯を識別するための時間帯識別辞書ＤＣ１の作成方法について説明する図である。

図１２に示すように、平均輝度値Ｉａｖを縦軸とし、低輝度ブロック数Ｎｂｌｋを横軸とする２次元空間において、平均輝度値Ｉａｖ及び低輝度ブロック数Ｎｂｌｋを特徴量とする各画像データは、当該２次元空間上の１つの点となる。図１２において、昼撮影された昼画像データＰＴ１は白抜きの四角で示し、夜撮影された夜画像データＰＴ２は黒い丸で示す。昼画像データＰＴ１と夜画像データＰＴ２とを分割する実線Ｌ１が、評価関数f(Iav,Nblk)を示す。点線は、昼画像データＰＴ１の境界線ＢＤ１と夜画像データＰＴ２の境界線ＢＤ２を示す。境界線ＢＤ１、ＢＤ２は、実線Ｌ１と平行である。例えば、時間帯識別部２４は、昼画像データＰＴ１の境界線ＢＤ１と、夜画像データＰＴ２の境界線ＢＤ２との間隔ｄが、最大となる実線Ｌ１を算出する。時間帯識別部２４は、算出した実線Ｌ１を評価関数f(Iav,Nblk)として、係数Ａ、Ｂ、Ｃを算出して、時間帯識別辞書ＤＣ１に登録する。時間帯識別部２４は、当該時間帯識別辞書ＤＣ１に基づいて、画像データの昼と夜とを識別する。

時間帯識別部２４は、昼と夜以外の３以上の時間帯（例えば、昼、夕、夜）に画像データを識別する場合、それぞれに対応する時間帯識別辞書ＤＣ１を予め作成して、各時間帯識別辞書ＤＣ１に基づいて複数回の時間帯識別処理を実行することにより、識別対象の画像データがいずれの時間帯かを識別してもよい。

図８に戻って、信号認識辞書入力部２６は、信号色認識辞書ＤＣ２を記憶部３６から取得する（Ｓ２０６）。

信号認識辞書入力部２６は、時間帯識別部２４から取得した時間帯の識別結果に応じて選択した信号色認識辞書ＤＣ２を信号候補領域認識部３０へ出力する（Ｓ２０８）。信号認識辞書入力部２６は、時間帯識別部２４から取得した識別結果が昼の時間帯を示す場合、昼用の信号色認識辞書ＤＣ２を信号候補領域認識部３０へ出力する。信号認識辞書入力部２６は、時間帯識別部２４から取得した識別結果が夜の時間帯を示す場合、夜用の信号色認識辞書ＤＣ２を信号候補領域認識部３０へ出力する。

信号認識処理対象領域入力部２８は、予め設定された信号認識処理対象領域辞書ＤＣ３を記憶部３６から取得して、信号候補領域認識部３０へ出力する（Ｓ２１０）。信号認識処理対象領域入力部２８は、位置情報入力部２７から位置情報を取得している場合、位置情報で示す位置を含む地域に対応付けられた信号認識処理対象領域８２の情報を含む信号認識処理対象領域辞書ＤＣ３を信号候補領域認識部３０へ出力してもよい。

信号候補領域認識部３０は、信号認識処理対象領域辞書ＤＣ３に基づいて、画像データの画像内に、信号機９２の信号９３を探索するための信号認識処理対象領域８２を設定する（Ｓ２１２）。

信号候補領域認識部３０は、信号認識処理対象領域８２内の信号機９２の各信号９３の色の画素を認識する（Ｓ２１４）。信号候補領域認識部３０は、次の式（４）に基づいて、取得した画像データの（Ｒ、Ｇ、Ｂ）色空間の画素を（Ｙ、Ｕ、Ｖ）色空間の画素に変換して、信号機９２の各信号９３の画素を抽出する。

信号候補領域認識部３０は、信号色認識辞書ＤＣ２を作成する場合、車載のカメラ１２から取得したサンプルの画像データから信号認識処理対象領域８２を学習用の画像データとして切り出す。図１３は、夜撮影された信号機９２を含む画像の一例を示す概略図である。図１４は、（Ｕ、Ｖ）色空間における夜の信号９３の画素ＰＸ１、ＰＸ２の分布を示す図である。図１５は、（Ｕ、Ｖ）色空間における夜の信号９３の画素ＰＸ１と信号９３以外の画素ＰＸ２の領域を識別する方法を説明する図である。

例えば、信号候補領域認識部３０は、図１０及び図１３に示すような信号領域８０の外側に広がる領域である、夜の青信号９３Ｂの信号色の広がる領域８５の画像データを集める。信号候補領域認識部３０は、青の信号色の広がる領域８５の画素ＰＸ１を抽出して、図１４の黒丸で示す当該画素ＰＸ１の（Ｕ、Ｖ）色空間上の座標を求めて、図１５に示す当該座標の領域の境界線ＢＤ３を求める。

信号候補領域認識部３０は、青の信号色の広がる領域８５以外の領域の画素ＰＸ２を抽出して、図１５の白抜き四角で示す当該画素ＰＸ２の（Ｕ、Ｖ）色空間上の座標を求めて、当該座標の領域の境界線ＢＤ４を求める。

信号候補領域認識部３０は、青の信号色の広がる領域８５の画素ＰＸ１と、当該領域８５以外の領域の画素ＰＸ２のデータを用いて学習して、夜の青信号９３Ｂの画素ＰＸ１を認識する信号色認識辞書ＤＣ２を生成する。

例えば、信号候補領域認識部３０は、ＳＶＭ機械学習法によって、式（５）で示す評価関数f(U,V)の係数ａ、ｂ、ｃを含む信号色認識辞書ＤＣ２を生成する。信号候補領域認識部３０は、ＳＶＭ機械学習法により、境界線ＢＤ３、ＢＤ４の間隔ｄが最大となるように、図１５に実線Ｌ２で示す評価関数f(U,V)の係数ａ、ｂ、ｃを算出して、係数ａ、ｂ、ｃを含む信号色認識辞書ＤＣ２を作成する。同様に、信号候補領域認識部３０は、赤信号９３Ｒ及び黄信号９３Ｙについても、評価関数f(U,V)の係数ａ、ｂ、ｃを算出して、夜用の信号色認識辞書ＤＣ２を生成する。

信号候補領域認識部３０は、識別対象の画像データの画素のＵ値及びＶ値を代入した評価関数f(U,V)の値が予め定められた閾値Ｔｈｒｅ以上であれば、信号９３の画素と認識する。一方、信号候補領域認識部３０は、識別対象の画像データの画素のＵ値及びＶ値を代入した評価関数f(U,V)の値が予め定められた閾値Ｔｈｒｅ未満であれば、信号９３の画素でないと認識する。

図１６は、昼撮影された信号機９２を含む画像の一例を示す概略図である。図１７は、（Ｕ、Ｖ）色空間における昼の信号領域８０の画素ＰＸ３の分布を示す図である。図１８は、（Ｕ、Ｖ）色空間における昼の信号領域８０の画素ＰＸ３と信号領域８０以外の領域の画素ＰＸ４の領域を識別する方法を説明する図である。

信号候補領域認識部３０は、図９及び図１６に示すような昼の青信号９３Ｂの信号領域８０のデータを集める。信号候補領域認識部３０は、青の信号領域８０の画素ＰＸ３を抽出して、図１７の黒丸で示す当該画素ＰＸ３の（Ｕ、Ｖ）色空間上の座標を求めて、当該座標の領域の境界線ＢＤ５を求める。

信号候補領域認識部３０は、青の信号領域８０以外の画素ＰＸ４を抽出して、図１８の白抜き四角で示すように当該画素ＰＸ４の（Ｕ、Ｖ）色空間上の座標を求めて、当該座標の領域の境界線ＢＤ６を求める。

信号候補領域認識部３０は、信号領域８０の画素ＰＸ３と、当該信号領域８０以外の領域の画素ＰＸ４のデータを用いて学習して、昼の青信号９３Ｂの画素ＰＸ３を認識する信号色認識辞書ＤＣ２を生成する。信号候補領域認識部３０は、例えば、上述したＳＶＭ機械学習法によって、境界線ＢＤ５、ＢＤ６の間隔ｄが最大となるように、図１８に実線Ｌ３で示す昼用の評価関数f(U,V)の係数ａ、ｂ、ｃを色ごとに算出して、信号色認識辞書ＤＣ２を生成する。

信号候補領域認識部３０は、生成した評価関数f(U,V)に基づいて、上述した閾値Ｔｈｒｅ以上か否かで、信号９３の画素か否かを識別して、信号９３の画素を抽出する。

信号形状認識部３２は、信号候補領域認識部３０が抽出した信号９３の画素の対象領域に膨張処理を実行する（Ｓ２１６）。

図１９は、膨張処理前の夜の青信号９３Ｂの信号色の広がる領域８５の画素を抽出した画素領域８５ａの図である。図２０は、膨張処理後の夜の青信号９３Ｂの信号色の広がる領域８５の画素を抽出した画素領域８５ｂの図である。

ここで、図１０及び図１３に示すような夜の青信号９３Ｂの画像データの場合、飽和した画素及びノイズ画素が青信号９３Ｂの信号色の広がる領域８５に含まれるので、図１９に示す（Ｕ、Ｖ）色空間において信号色の広がる領域８５を抽出した画素領域８５ａは、青信号９３Ｂの領域８５の全ての画素を含まない場合がある。従って、信号形状認識部３２は、抽出した画素領域８５ａに膨張処理を実行して、図２０に示す膨張した画素領域８５ｂを生成する。これにより、信号形状認識部３２は、青信号９３Ｂの信号色の広がる領域８５に含まれ画素のうち、画素領域８５ａから欠落した画素を、画素領域８５ｂに含める。また、信号形状認識部３２は、本来の青信号９３Ｂの領域を示す信号領域８０を画素領域８５ｂに生成する。信号形状認識部３２は、例えば、膨張処理として、膨張処理前の画像にＮ×Ｎの画素ブロックを加える。例えば、Ｎ＝７の場合、信号形状認識部３２は、膨張処理対象の１画素に対して、膨張処理前の画像から７×７のブロック画素を加える。

図２１は、膨張処理前の昼の青信号９３Ｂの領域の画素を抽出した画素領域８０ａの図である。図２２は、膨張処理後の昼の青信号９３Ｂの領域の画素を抽出した画素領域８０ｂの図である。

また、図９及び図１６に示すような昼の青信号９３Ｂの画像データの場合、飽和した画素及びノイズ画素が青信号９３Ｂの信号領域８０に含まれるので、図２１に示す（Ｕ、Ｖ）色空間において青信号９３Ｂの画素を抽出した画素領域８０ａは、青信号９３Ｂの領域の全ての画素を含まない場合がある。従って、信号形状認識部３２は、抽出した画素領域８０ａに膨張処理を実行して、図２２に示す膨張した画素領域８０ｂを生成する。これにより、信号形状認識部３２は、青信号９３Ｂの信号領域８０に含まれる画素のうち、画素領域８０ａから欠落した画素を、画素領域８０ｂに含める。また、信号形状認識部３２は、本来の青信号９３Ｂの領域を示す信号領域８０を画素領域８５ｂに生成する。信号形状認識部３２は、例えば、膨張処理として、膨張処理前の画像にＮ×Ｎの画素ブロックを加える。例えば、Ｎ＝７の場合、信号形状認識部３２は、膨張処理対象の１画素に対して、膨張処理前の画像から７×７のブロック画素を加える。

信号形状認識部３２は、膨張処理した信号９３の画素領域８５ｂ、８０ｂから円形状を抽出して、信号９３の形状を認識する形状認識処理を実行する（Ｓ２１８）。

図２３は、信号形状認識部３２が、Ｈｏｕｇｈ変換により抽出した夜の青信号９３Ｂの画像を示す円形状の信号領域８０を示す図である。図２４は、信号形状認識部３２が、夜の青信号９３Ｂの画像を示す円形状の信号領域８０に外接する矩形の認識領域８４を示す図である。

信号形状認識部３２は、青信号９３Ｂの信号領域８０を円形状と認識した場合、青信号９３Ｂが存在すると判断する。具体的には、信号形状認識部３２は、Ｈｏｕｇｈ変換により、青信号９３Ｂが存在する信号領域８０において、図２３に示す円形状を抽出する。信号形状認識部３２は、図２４に示すように、抽出した円形状の信号領域８０に外接する矩形である認識領域８４を求める。信号形状認識部３２は、当該認識領域８４の領域を、青信号９３Ｂを検知した結果領域とする。

図２５は、信号形状認識部３２が、Ｈｏｕｇｈ変換により抽出した昼の青信号９３Ｂの画像を示す円形状の信号領域８０を示す図である。図２６は、信号形状認識部３２が、昼の青信号９３Ｂの画像を示す円形状の信号領域８０の認識領域８４を示す図である。図２７は、信号形状認識部３２が、昼の青信号９３Ｂの画像を示す円形状の信号領域８０の認識領域８４を示す別の図である。

信号形状認識部３２は、青信号９３Ｂの信号領域８０を円形状と認識した場合、青信号９３Ｂが存在すると判断する。具体的には、信号形状認識部３２は、Ｈｏｕｇｈ変換により、青信号９３Ｂが存在する信号領域８０において、図２５に示す円形状を抽出する。信号形状認識部３２は、図２６及び図２７に示すように、抽出した円形状の信号領域８０に外接する矩形である認識領域８４を求める。信号形状認識部３２は、当該認識領域８４の領域を、青信号９３Ｂを検知した結果領域とする。

信号形状認識部３２は、黄信号９３Ｙ及び赤信号９３Ｒに対しても、同様の形状認識処理を実行して、黄信号９３Ｙ及び赤信号９３Ｒを検知した結果領域を生成する。

信号形状認識部３２は、信号機９２を検知した検知結果として、当該認識領域８４の領域に関する情報を、信号検知結果出力部３４へ出力する。信号検知結果出力部３４は、取得した検知結果を表示装置等に出力する（Ｓ２２０）。

図２８は、車載のカメラ１２を含む認識装置１０のハードウエア構成を示すブロック図である。図２８に示すように、車載のカメラ１２を含む認識装置１０は、レンズを含む撮影光学系４０と、機械的なシャッタ４２と、ＣＣＤ（Charge Coupled Device）４４と、ＣＤＳ（Correlated Double Sampling:相関２重サンプリング）回路４６と、Ａ／Ｄ変換器４８と、画像処理回路５０と、液晶ディスプレイ（以下、「ＬＣＤ５２」と略記する）と、モータドライバ５６と、タイミング信号発生器５８と、ＣＰＵ（Central Processing Unit）６０と、ＲＡＭ（Random Access Memory）６２と、ＲＯＭ（Read Only Memory）６４と、ＳＤＲＡＭ（Synchronous Dynamic RAM）６６と、圧縮伸張回路６８と、メモリカード７０と、操作部７２とを有する。

カメラ１２では、ＣＣＤ４４は、撮影光学系４０を通して被写体光を受光する。ここで、撮影光学系４０とＣＣＤ４４との間は、シャッタ４２が配置されており、このシャッタ４２によりＣＣＤ４４への入射光を遮断することが出来る。なお、撮影光学系４０及びシャッタ４２は、モータドライバ５６によって駆動される。

ＣＣＤ４４は、撮像面に結像された光学像を電気信号に変換したアナログの画像データをＣＤＳ回路４６に出力する。ＣＤＳ回路４６は、画像データからノイズ成分を除去して、Ａ／Ｄ変換器４８に出力する。Ａ／Ｄ変換器４８は、アナログの画像データをデジタル値に変換した後、画像処理回路５０に出力する。

画像処理回路５０は、画像データを一時格納するＳＤＲＡＭ６６を用いて、ＹＣｒＣｂ変換処理、ホワイトバランス制御処理、コントラスト補正処理、エッジ強調処理、及び、色変換処理などの各種画像処理を行う。なお、ホワイトバランス処理は、画像情報の色の濃さを調整する画像処理である。コントラスト補正処理は、画像情報のコントラストを調整する画像処理である。エッジ強調処理は、画像情報のシャープネスを調整する画像処理である。色変換処理は、画像情報の色合いを調整する画像処理である。また、画像処理回路５０は、信号処理及び画像処理を実行した画像データをＬＣＤ５２に出力して、画像をＬＣＤ５２に表示させる。

また、画像処理回路５０は、信号処理及び画像処理を実行した画像データを、圧縮伸張回路６８を介して、メモリカード７０に記録する。圧縮伸張回路６８は、操作部７２から取得した指示によって、画像処理回路５０から出力される画像データを圧縮してメモリカード７０に格納する。また、圧縮伸張回路６８は、メモリカード７０から読み出した画像データを伸張して信号処理部２０に出力する。

また、ＣＣＤ４４、ＣＤＳ回路４６及びＡ／Ｄ変換器４８は、タイミング信号を発生するタイミング信号発生器５８を介して接続されたＣＰＵ６０によって、タイミングを制御されている。さらに、画像処理回路５０、圧縮伸張回路６８、及び、メモリカード７０は、ＣＰＵ６０によって制御されている。

ＣＰＵ６０は、プログラムに従って各種演算処理を実行する。ＣＰＵ６０は、プログラムなどを格納した読み出し専用メモリであるＲＯＭ６４、各種の処理過程で利用するワークエリア、各種データ格納エリアなどを有する読み出し書き込み自在のメモリであるＲＡＭ６２、ＲＯＭ６４、ＳＤＲＡＭ６６、圧縮伸張回路６８、メモリカード７０、及び、操作部７２とバスライン７４によって相互接続されている。

上記説明した車載のカメラ１２が出力する画像データは、図２及び図３に示す認識装置１０の信号処理部２０または認識処理部１８として機能するボードに入力する。

本実施形態の認識装置１０で実行される辞書作成処理用、時間帯識別処理用、及び、信号認識処理用のプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録されて提供されてもよい。

また、本実施形態の認識装置１０で実行される辞書作成処理用、時間帯識別処理用、及び、信号認識処理用のプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施形態の認識装置１０で実行される辞書作成処理用、時間帯識別処理用、及び、信号認識処理用のプログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、本実施形態の認識装置１０で実行される辞書作成処理用、時間帯識別処理用、及び、信号認識処理用のプログラムを、ＲＯＭ６４等に予め組み込んで提供するように構成してもよい。

本実施形態の認識装置１０で実行される辞書作成処理用、時間帯識別処理用、及び、信号認識処理用のプログラムは、上述した図２及び図３の信号処理部２０または認識処理部１８の各部（画像取得部２２、時間帯識別部２４、信号認識辞書入力部２６、位置情報入力部２７、信号認識処理対象領域入力部２８、信号候補領域認識部３０、信号形状認識部３２、信号検知結果出力部３４）を含むモジュール構成となっており、実際のハードウエアとしてはＣＰＵ（プロセッサ）が上記記憶媒体から辞書作成処理用、時間帯識別処理用、及び、信号認識処理用のプログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、画像取得部２２、時間帯識別部２４、信号認識辞書入力部２６、位置情報入力部２７、信号認識処理対象領域入力部２８、信号候補領域認識部３０、信号形状認識部３２、信号検知結果出力部３４が主記憶装置上に生成されるようになっている。

上述したように認識装置１０では、複数の画像によって認識した複数の信号の形状を含むように、信号を探索する範囲である信号認識処理対象領域８２を設定するので、外部要因等によって信号機９２の検知精度が低下することを抑制できる。

認識装置１０では、時間帯、例えば昼と夜とに対応付けた信号認識処理対象領域８２を設定することにより、時間帯によって異なる信号９３の広がりに対応でき、信号機９２を精度よく検知できる。

認識装置１０では、位置に対応する地域に対応付けた信号認識処理対象領域８２を設定することにより、地域によって異なる画像内の信号９３の位置に対応でき、信号機９２を精度よく検知できる。更に、認識装置１０では、現在の地域に対応付けた信号認識処理対象領域８２がない場合、新たに当該地域の信号認識処理対象領域８２を設定することにより、新たな地域における信号９３の位置にも早急に対応でき、信号機９２を精度よく検知できる。認識装置１０では、地域及び時間帯に対応付けた信号認識処理対象領域８２を設定することにより、地域及び時間帯によって異なる画像内の信号９３の位置に対応でき、信号機９２を精度よく検知できる。

認識装置１０では、状況ごとに信号認識処理対象領域８２を設定することにより、異なる状況においても画像内の信号９３の位置に対応でき、信号機９２を精度よく検知できる。

認識装置１０では、周囲の状況が変化すると、新たな信号認識処理対象領域８２によって信号認識処理対象領域辞書ＤＣ３を更新することにより、状況が変化しても画像内の信号９３の位置に対応でき、信号機９２を精度よく検知できる。

認識装置１０では、新たな画像データに基づいて生成した新たな信号認識処理対象領域８２によって信号認識処理対象領域辞書ＤＣ３を更新することにより、信号９３の位置が変化しても早急に対応でき、信号機９２を精度よく検知できる。

認識装置１０では、複数の信号９３の形状を含む矩形状の領域の頂点を信号認識処理対象領域８２の座標データとして設定することにより、信号９３の検知漏れを抑制して、信号機９２を精度よく検知できる。

（第２実施形態）
次に、車両が認識対象の物体である第２実施形態について説明する。第２実施形態は、認識処理部４１８の構成が第１実施形態と異なる以外はほぼ同様の構成である。従って、第２実施形態では、認識処理部４１８について説明する。図２９は、第２実施形態の認識処理部４１８の機能ブロック図である。図３０は、画像取得部４２２が取得する画像４９１の一例である。

図２９に示すように、認識処理部４１８は、画像取得部４２２と、時間帯識別部４２４と、物体認識辞書入力部４２６と、位置情報入力部４２７と、物体認識処理対象領域入力部４２８と、物体候補領域認識部４３０と、物体形状認識部４３２と、物体検知結果出力部４３４と、記憶部４３６とを有する。

画像取得部４２２は、物体検出（例えば、車両検出）において、インタフェース部１６からカメラ１２が撮像した図３０が示すような他の車両４９２を含む画像の画像データを取得する。

時間帯識別部４２４は、記憶部４３６に記憶された時間帯識別辞書ＤＣ１ａに基づいて画像取得部４２２が取得した画像の時間帯を識別する。

物体認識辞書入力部４２６は、物体検出において、時間帯識別部４２４が出力した時間帯に応じた車両の色等の画素情報等を含む物体認識辞書ＤＣ２ａを記憶部４３６から取得して、物体候補領域認識部４３０へ出力する。

位置情報入力部４２７は、物体検出において、位置検出部１４が検出した位置情報を取得する。位置情報入力部４２７は、取得した位置情報を物体認識処理対象領域入力部４２８及び物体形状認識部４３２へ出力する。

物体認識処理対象領域入力部４２８は、物体検出において、画像内において車両４９２を探索する範囲である物体認識処理対象領域４８２に関する情報（例えば、座標データ）を有する物体認識処理対象領域辞書ＤＣ３ａを記憶部４３６から取得して、物体候補領域認識部４３０へ出力する。

物体候補領域認識部４３０は、物体検出において、物体認識処理対象領域辞書ＤＣ３ａに基づいて、車両４９２の検出において画像内に物体認識処理対象領域４８２を設定する。物体候補領域認識部４３０は、物体認識辞書ＤＣ２ａに基づいて、物体認識処理対象領域４８２内の車両４９２の画素のデータを抽出して、物体形状認識部４３２へ出力する。

物体形状認識部４３２は、物体検出において、物体候補領域認識部４３０から取得した車両４９２の画素のデータに基づいて、例えば、車両４９２が存在する矩形状の物体領域４８０の形状を認識して、当該物体領域４８０の形状を車両４９２の形状として物体検知結果出力部４３４へ出力する。物体形状認識部４３２は、学習法によって物体認識処理対象領域辞書ＤＣ３ａを生成または更新して記憶部４３６に格納する。

物体検知結果出力部４３４は、物体検出において、車両４９２の検出結果を音声出力装置または表示装置等に出力する。

記憶部４３６は、車両４９２を検出するためのプログラム及びプログラムの実行に必要な辞書ＤＣ１ａ、ＤＣ２ａ、ＤＣ３ａ等を記憶する記憶装置である。

次に、物体候補領域認識部４３０及び物体形状認識部４３２による車両４９２の検出に用いられる物体認識処理対象領域辞書ＤＣ３ａの生成及び更新について説明する。

図３１は、画像４９１にブロックＢＬを設定した図である。図３１に示すように、物体候補領域認識部４３０は、物体認識処理対象領域辞書ＤＣ３ａの学習による生成または更新において、対角線上の２つの頂点（例えば、左上の頂点及び右下の頂点）の座標（Ｘｓ，Ｙｓ）、及び、座標（Ｘｅ，Ｙｅ）によって大きさ及び位置が決まるブロックＢＬを画像４９１内に設定する。物体候補領域認識部４３０は、物体認識処理対象領域辞書ＤＣ３ａが有する物体認識処理対象領域４８２の情報に基づいてブロックＢＬを設定してもよい。物体候補領域認識部４３０は、設定したブロックＢＬを画像内で走査させて、認識対象の物体である車両４９２の画像と大きさがほぼ一致するブロックＢＬを検出する。ここで、物体候補領域認識部４３０は、図３１に示す大きいサイズのブロックＢＬａから小さいサイズのブロックＢＬｂを順に選択して画像内を走査することが好ましい。本実施形態では、物体候補領域認識部４３０は、ブロックＢＬを正規化するので、ブロックＢＬのサイズに関わらず処理時間を同じである。尚、大きいサイズのブロックＢＬａの画像内の個数は、小さいサイズのブロックＢＬｂの画像内の個数よりも少ない。従って、物体候補領域認識部４３０が大きいサイズのブロックＢＬａから選択して走査することにより、画像４９内の車両４９２を速く検知できる。これにより、物体候補領域認識部４３０が大きいサイズのブロックＢＬを選択して大きい車両４９２の画像を検知すると、ユーザは体感速度を速く感じる。物体候補領域認識部４３０は、ブロックＢＬ及びブロックＢＬ内の画素値のデータを物体形状認識部４３２に出力する。

物体形状認識部４３２は、ブロックＢＬ及びブロックＢＬ内の画素値のデータに基づいて、ブロックＢＬの特徴量ｈ_ｔ（ｘ）を算出する。

図３２は、特徴量算出のために認識辞書に登録された辞書ブロックＤＢＬ内の特徴パターンの例を示す図である。予め設定されて記憶部４３６に記憶された認識辞書は、図３２に示す辞書ブロックＤＢＬ内に設定された各特徴パターンＰＴａ、ＰＴｂ、Ｐｔｃ、ＰＴｄの画素値の情報を有する。４つの特徴パターンＰＴａ、ＰＴｂ、Ｐｔｃ、ＰＴｄは、ほぼあらゆる物体の特徴に相当するパターンである。特徴パターンＰＴは、辞書ブロックＤＢＬ内の白色の画素のみで構成されている矩形の白領域ＷＡｒと、辞書ブロックＤＢＬ内の黒の画素のみで構成されている矩形の黒領域ＢＡｒとを含む。特徴パターンＰＴａは、白領域ＷＡｒと黒領域ＢＡｒとが左右に隣り合って位置し、かつ、辞書ブロックＤＢＬの中心からみて左上に位置している。特徴パターンＰＴｂは、白領域ＷＡｒと黒領域ＢＡｒとが上下に隣り合って位置し、かつ、辞書ブロックＤＢＬの中心からみて右上に位置している。特徴パターンＰＴｃは、黒領域ＢＡｒが２つの白領域ＷＡｒで隣り合って挟持されて位置し、かつ、辞書ブロックＤＢＬの中心からみて上側に位置している。特徴パターンＰＴｄは、２つの白領域ＷＡｒと２つの黒領域ＢＡｒとがそれぞれ対角に位置し、かつ、辞書ブロックＤＢＬの中心からみて左側に位置している。

物体形状認識部４３２は、辞書ブロックＤＢＬ内の特徴パターンＰＴの画素値に基づいて、取得した画像のブロックＢＬの特徴量ｈ_ｔ（ｘ）を計算する。物体形状認識部４３２は、辞書ブロックＤＢＬ内の白領域ＷＡｒの白画素値及び黒領域ＢＡｒの画素値と、取得した画像のブロックＢＬ内の画素値との差分を算出する。物体候補領域認識部４３０は、当該差分の絶対値の合計値を取得した画像のブロックＢＬの特徴量ｈ_ｔ（ｘ）として算出する。物体形状認識部４３２は、取得した画像のブロックＢＬ内のＴ個の特徴量ｈ_ｔ（ｘ）のセットを算出する。Ｔは、特徴パターンＰＴの個数である。物体形状認識部４３２は、特徴量ｈ_ｔ（ｘ）のセット及び次の式（６）に基づいて、評価値ｆ（ｘ）を算出する。

α_ｔは例えば各特徴パターンＰＴに関連付けられた重み係数であり、記憶部４３６の認識辞書に格納されている。物体形状認識部４３２は、特徴量ｈ_ｔ（ｘ）及び重み係数α_ｔを学習によって予め計算する。図３３は、学習用の画像サンプル４９１ｓｐの一例を示す図である。例えば、物体形状認識部４３２は、図３３に示すような予め抽出された車両４９２の学習用の画像サンプル４９１ｓｐを複数集めて、当該複数の学習用の画像サンプル４９１ｓｐに基づいて特徴量ｈ_ｔ（ｘ）及び重み係数α_ｔを学習して予め設定してよい。

図３４は、物体形状認識部４３２が有する物体識別器４３３の図である。物体形状認識部４３２は、図３４に示す物体識別器４３３を有する。物体形状認識部４３２は、物体識別器４３３によって、ブロックＢＬが物体領域４８０であるか否かを判定する。本実施形態では、物体領域４８０は、車両４９２を含む車両領域である。

物体形状認識部４３２は、各階層４３３ｓｔで式（６）に基づいて算出した評価値ｆ（ｘ）を算出して算出する。詳細には、物体形状認識部４３２は、各階層４３３ｓｔにおいて、検知対象の物体（即ち、車両４９２）毎に固有の１または複数の特徴パターンＰＴ及び重み係数α_ｔを用いた式（６）に基づいて、評価値ｆ（ｘ）を算出する。物体形状認識部４３２は、各階層４３３ｓｔにおいて、評価値ｆ（ｘ）と予め設定された評価用閾値とを比較して、評価値ｆ（ｘ）を評価する。尚、各階層４３３ｓｔの特徴量ｈ_ｔ（ｘ）、重み係数α_ｔ及び評価用閾値は、検知対象の物体の学習用画像と、検知対象の物体でない学習用画像とを用いて学習して予め設定されていることが好ましい。

物体形状認識部４３２は、各階層４３３ｓｔで、評価値ｆ（ｘ）が予め定められた当該階層４３３ｓｔの評価用閾値より小さい場合、当該評価値ｆ（ｘ）を算出したブロックＢＬを物体領域４８０でない、即ち、車両４９２を含む領域でないと判定して（即ち、物体を含まない非物体領域と判定）、当該ブロックＢＬに関する評価を終了する。

一方、物体形状認識部４３２は、評価値ｆ（ｘ）が予め定められた評価用閾値より大きい場合、次の階層４３３ｓｔで評価値ｆ（ｘ）を計算して、再度、当該階層４３３ｓｔの評価用閾値に基づいて評価する。この後、物体形状認識部４３２は、最後のｎ番目の階層４３３ｓｔで、評価値ｆ（ｘ）が予め定められた当該階層４３３ｓｔの評価用閾値より大きいと判定すると、当該ブロックＢＬを物体領域４８０であると判定する。

図３５は、画像４９１内の物体領域４８０を説明する図である。例えば、物体形状認識部４３２は、画像４９１内に図３５に白枠で示す矩形状のブロックＢＬを物体領域４８０として認識する。

図３６は、物体領域４８０の認識結果を説明する図である。物体形状認識部４３２は、図３６に示すように、認識した矩形状の物体領域４８０の対角線上の２つの頂点（例えば、左上の頂点及び右下の頂点）の座標（Ｘｓｔ，Ｙｓｔ）及び座標（Ｘｅｄ，Ｙｅｄ）を抽出する。

図３７は、複数の物体領域４８０に基づく物体認識処理対象領域４８２の設定を説明する図である。ここで、物体形状認識部４３２は、物体認識処理対象領域４８２から複数の物体領域４８０を検知すると、各物体領域４８０の２つの頂点の座標（Ｘｓｔ［ｉ］，Ｙｓｔ［ｉ］）及び座標（Ｘｅｄ［ｉ］，Ｙｅｄ［ｉ］）を求める。この場合、物体形状認識部４３２は、図３７に示すように、複数の物体領域４８０の座標のうち、最小の座標（Ｘｓｔ＿ｍｉｎ，Ｙｓｔ＿ｍｉｎ）及び最大の座標（Ｘｅｄ＿ｍａｘ，Ｙｅｄ＿ｍａｘ）を求める。物体形状認識部４３２は、求めた座標（Ｘｓｔ＿ｍｉｎ，Ｙｓｔ＿ｍｉｎ）及び座標（Ｘｅｄ＿ｍａｘ，Ｙｅｄ＿ｍａｘ）によって決定される矩形の領域を物体認識処理対象領域４８２として設定して、物体認識処理対象領域辞書ＤＣ３ａを更新する。

物体形状認識部４３２は、位置情報入力部４２７からＧＰＳ等によって検出された位置情報を取得して、物体認識処理対象領域辞書ＤＣ３ａを地域ごとに生成してもよい。これにより、物体形状認識部４３２は、異なる地域の地形の違い等にも対応できる物体認識処理対象領域辞書ＤＣ３ａを生成できる。この場合、物体候補領域認識部４３０は、位置情報入力部４２７から取得した位置情報に基づいて、対応する物体認識処理対象領域辞書ＤＣ３ａを記憶部４３６から取得する。

上述したように、第２実施形態の認識処理部４１８は、新たに取得した１または複数の画像の車両４９２を検出して新たな物体領域４８０を認識して学習することにより、物体認識処理対象領域辞書ＤＣ３ａを生成及び更新する。これにより、認識処理部４１８は、異なる車両４９２及び異なるカメラ１２の設置状況に対応できる物体認識処理対象領域辞書ＤＣ３ａを生成できる。

認識処理部４１８は、カメラ１２の設置状況が変わった場合でも、画像に複数の車両４９２を検出して新たな物体領域４８０を認識して物体認識処理対象領域４８２を設定することにより、新たな物体認識処理対象領域辞書ＤＣ３ａを生成できる。

認識処理部４１８は、新たな地域に移動した場合でも、画像に複数の車両４９２を検出して新たな物体領域４８０を認識して物体認識処理対象領域４８２を設定することにより、当該新たな地域に対応した物体認識処理対象領域辞書ＤＣ３ａを生成できる。

認識処理部４１８は、一定の期間が経過した場合、カメラ１２の設置状況が変わることが多いので、画像に複数の車両４９２を検出して新たな物体領域４８０を認識して物体認識処理対象領域４８２を設定することにより、新たな物体認識処理対象領域辞書ＤＣ３ａを生成してもよい。

上述した各実施形態の構成の機能、配置、接続関係、及び、個数等は適宜変更してよい。また、上述の各実施形態を組み合わせてもよい。

例えば、上述の第２実施形態では、認識対象の物体として車両４９２を例に挙げたが、これに限定されない。例えば、認識対象は、道路標識等の標識であってもよい。この場合、認識処理部４１８は、物体として標識を検出して、当該標識を含む領域を物体領域４８０として認識する。認識処理部４１８は、認識した複数の物体領域４８０に基づいて物体認識処理対象領域４８２を設定することにより、物体認識処理対象領域辞書ＤＣ３ａを生成及び更新する。

上述の実施形態は、例として提示したものであり、本発明の範囲を限定することは意図していない。この新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことも可能である。実施形態および実施形態の変形は、発明の範囲や要旨に含まれると共に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０…認識装置
２２…画像取得部
２４…時間帯識別部
２６…信号認識辞書入力部
２７…位置情報入力部
２８…信号認識処理対象領域入力部
３０…信号候補領域認識部
３２…信号形状認識部
８２…信号認識処理対象領域
９２…信号機
９３…信号
ＤＣ１…時間帯識別辞書
ＤＣ２…信号色認識辞書
ＤＣ３…信号認識処理対象領域辞書
４２２…画像取得部
４２４…時間帯識別部
４２６…物体認識辞書入力部
４２７…位置情報入力部
４２８…物体認識処理対象領域入力部
４３０…物体候補領域認識部
４３２…物体形状認識部
４８０…物体領域
４８２…物体認識処理対象領域
４９１…画像
４９２…車両
ＤＣ１ａ…時間帯識別辞書
ＤＣ２ａ…物体認識辞書
ＤＣ３ａ…物体認識処理対象領域辞書

特開２０１２−１７３８７９号公報 特許第５０７１１９８号公報

Claims (12)

1. 画像データを取得する画像取得部と、
   前記画像データの画像内において認識対象の物体を探索する範囲である物体認識処理対象領域の情報を有する物体認識処理対象領域辞書に基づいて、前記物体認識処理対象領域を前記画像内に設定する物体候補領域認識部と、
   前記物体認識処理対象領域内で前記物体の形状を認識する物体形状認識部と、
   を備え、
   前記物体形状認識部は、予め撮影された複数の前記画像データによって認識した複数の物体の形状を含むように設定した前記物体認識処理対象領域の情報を有する前記物体認識処理対象領域辞書を生成する
   認識装置。
2. 前記画像取得部は、第１時間帯の複数の第１画像データと、前記第１時間帯と異なる第２時間帯の複数の第２画像データとを取得して、
   前記物体形状認識部は、前記複数の第１画像データによって設定した第１物体認識処理対象領域の情報と、前記複数の第２画像データによって設定した第２物体認識処理対象領域の情報とを有する前記物体認識処理対象領域辞書を生成する
   請求項１に記載の認識装置。
3. 前記認識装置の位置に関する情報である位置情報を取得する位置情報入力部を更に備え、
   前記物体形状認識部は、前記位置情報に応じて設定された第１地域において設定した第３物体認識処理対象領域の情報と、前記位置情報に応じて設定された前記第１地域と異なる第２地域において設定した第４物体認識処理対象領域の情報とを有する前記物体認識処理対象領域辞書を生成する
   請求項１または２に記載の認識装置。
4. 前記画像取得部は、異なる状況における前記複数の画像データを取得して、
   前記物体形状認識部は、前記複数の画像データによって前記状況ごとに設定した複数の前記物体認識処理対象領域の情報を有する前記物体認識処理対象領域辞書を生成する
   請求項１から３のいずれか１項に記載の認識装置。
5. 前記物体形状認識部は、周囲の状況が変化した場合、新たな画像データに基づいて、新たに設定した前記物体認識処理対象領域の情報によって前記物体認識処理対象領域辞書を更新する
   請求項１から４のいずれか１項に記載の認識装置。
6. 前記物体形状認識部は、前記位置情報に基づいて、現在の位置に対応する前記物体認識処理対象領域の情報が前記物体認識処理対象領域辞書に登録されていない場合、前記現在の位置を含む地域に対して設定した新たな物体認識処理対象領域の情報を前記物体認識処理対象領域辞書に追加する
   請求項３に記載の認識装置。
7. 前記認識装置の位置に関する情報である位置情報を取得する位置情報入力部を更に備え、
   前記物体形状認識部は、前記位置情報に基づいて、予め定められた地域及び予め定められた時間帯の前記複数の画像データに基づいて設定した複数の物体認識処理対象領域の情報を有する前記物体認識処理対象領域辞書を生成する
   請求項１から６のいずれか１項に記載の認識装置。
8. 前記物体形状認識部は、新たな画像データに基づいて、新たに設定した前記物体認識処理対象領域の情報によって前記物体認識処理対象領域辞書を更新する
   請求項１から７のいずれか１項に記載の認識装置。
9. 前記物体形状認識部は、複数の前記画像データによって認識した複数の物体の形状を含む矩形状の対向する２つの頂点の座標を前記物体認識処理対象領域の情報として、前記物体認識処理対象領域辞書を生成する
   請求項１から８のいずれか１項に記載の認識装置。
10. 画像データを取得して、
    前記画像データの画像内において認識対象の物体を探索する範囲である物体認識処理対象領域の情報を有する物体認識処理対象領域辞書に基づいて、前記物体認識処理対象領域を前記画像内に設定して、
    前記物体認識処理対象領域内で前記物体の形状を認識して、
    予め撮影された複数の前記画像データによって認識した複数の物体の形状を含むように設定した前記物体認識処理対象領域の情報を有する前記物体認識処理対象領域辞書を生成する
    物体の認識方法。
11. 画像データを取得する画像取得部と、
    前記画像データの画像内において認識対象の物体を探索する範囲である物体認識処理対象領域の情報を有する物体認識処理対象領域辞書に基づいて、前記物体認識処理対象領域を前記画像内に設定する物体候補領域認識部と、
    前記物体認識処理対象領域内で前記物体の形状を認識する物体形状認識部と、してコンピュータを機能させるプログラムであって、
    前記物体形状認識部は、予め撮影された複数の前記画像データによって認識した複数の物体の形状を含むように設定した前記物体認識処理対象領域の情報を有する前記物体認識処理対象領域辞書を生成する
    ようにコンピュータを機能させるプログラム。
12. 請求項１１に記載のプログラムを記憶したコンピュータで読み取り可能な記憶媒体。