JP2018077807A - 変化点で複数候補を考慮して物体を追跡する装置、プログラム及び方法 - Google Patents
変化点で複数候補を考慮して物体を追跡する装置、プログラム及び方法 Download PDFInfo
- Publication number
- JP2018077807A JP2018077807A JP2016221019A JP2016221019A JP2018077807A JP 2018077807 A JP2018077807 A JP 2018077807A JP 2016221019 A JP2016221019 A JP 2016221019A JP 2016221019 A JP2016221019 A JP 2016221019A JP 2018077807 A JP2018077807 A JP 2018077807A
- Authority
- JP
- Japan
- Prior art keywords
- image
- response map
- value
- determined
- time
- 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
- 230000008859 change Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims description 85
- 230000004044 response Effects 0.000 claims abstract description 161
- 239000002245 particle Substances 0.000 claims description 88
- 230000006870 function Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 description 35
- 238000012545 processing Methods 0.000 description 24
- 238000003860 storage Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000001514 detection method Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 14
- 238000000605 extraction Methods 0.000 description 11
- 238000012952 Resampling Methods 0.000 description 9
- 238000000513 principal component analysis Methods 0.000 description 5
- 238000003909 pattern recognition Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003333 near-infrared imaging Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
1つの時点の前の時点において決定された1つの物体に係る画像領域から決定される探索領域につき、相関フィルタを用いて当該1つの時点での応答マップを生成する応答マップ生成手段と、
当該応答マップの値の変化点を判定する変化点判定手段と、
当該1つの時点での当該応答マップの値が変化点であると判定された際、当該応答マップの値から直接的に正解を決定することに代えて、複数の候補画像領域を設定し、当該応答マップとは直接に関係しない指標を含む少なくとも1つの画像領域決定用の指標に基づいて、当該複数の候補画像領域の中から当該1つの時点での正解とされる当該物体に係る画像領域を決定する追跡決定手段と
を有する物体追跡装置が提供される。
(a)当該1つの時点までの複数の時点の各々での当該応答マップの最大値から、又は
(b)当該1つの時点での当該応答マップの極大値から、
当該1つの時点における変化点度合いを示す変化点信頼度を算出し、当該変化点信頼度に基づいて、当該1つの時点での当該応答マップの値が変化点であるか否かを判定することも好ましい。
(a)当該パーティクルの領域と、当該物体についての物体らしさを有する画像領域との重複率と、
(b)当該パーティクルの領域と、当該前の時点で正解とされる画像領域との位置関係で決まる特定位置における当該応答マップの値と
を採用し、当該重複率と当該特定位置における当該応答マップの値との重み付き和を当該パーティクルの重みの更新値とすることも好ましい。
本物体追跡装置は、当該1つの時点での正解とされる画像領域が決定された際、当該決定された画像領域に基づいて、当該相関フィルタのパラメータを更新する相関フィルタ学習手段を更に有し、
応答マップ生成手段は、当該1つの時点において決定された正解とされる画像領域から決定される探索領域に基づき、当該相関フィルタの更新されたパラメータによって当該1つの時点の後の時点での応答マップを生成することも好ましい。
1つの時点の前の時点において決定された1つの物体に係る画像領域から決定される探索領域につき、相関フィルタを用いて当該1つの時点での応答マップを生成する応答マップ生成手段と、
当該応答マップの値の変化点を判定する変化点判定手段と、
当該1つの時点での当該応答マップの値が変化点であると判定された際、当該応答マップの値から直接的に正解を決定することに代えて、複数の候補画像領域を設定し、当該応答マップとは直接に関係しない指標を含む少なくとも1つの画像領域決定用の指標に基づいて、当該複数の候補画像領域の中から当該1つの時点での正解とされる当該物体に係る画像領域を決定する追跡決定手段と
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。
1つの時点の前の時点において決定された1つの物体に係る画像領域から決定される探索領域につき、相関フィルタを用いて当該1つの時点での応答マップを生成するステップと、
当該応答マップの値の変化点を判定するステップと、
当該1つの時点での当該応答マップの値が変化点であると判定された際、当該応答マップの値から直接的に正解を決定することに代えて、複数の候補画像領域を設定し、当該応答マップとは直接に関係しない指標を含む少なくとも1つの画像領域決定用の指標に基づいて、当該複数の候補画像領域の中から当該1つの時点での正解とされる当該物体に係る画像領域を決定するステップと
を有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、当該物体の位置情報を予測し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。
(A)1つの時点の前の時点において決定された1つの物体に係る画像領域から決定される探索領域につき、相関フィルタを用いて当該1つの時点での「応答マップ」を生成する相関フィルタ適用部12と、
(B)生成した「応答マップ」の値の「変化点」を判定する変化点判定部13と、
(C)当該1つの時点での「応答マップ」の値が「変化点」であると判定された際、「応答マップ」の値から直接的に正解を決定することに代えて、複数の候補画像領域(複数の仮説)を設定し、「応答マップ」とは直接に関係しない指標を含む少なくとも1つの「画像領域決定用の指標」に基づいて、設定した複数の候補画像領域(複数の仮説)の中から当該1つの時点での正解とされる当該物体に係る画像領域を決定する追跡決定部14と
を備えている。
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機能構成を示す機能ブロック図である。
(1) st=(x, y, w, h)∈R4
で表現する。ここで、状態stにおけるx及びyはそれぞれ、(x軸正方向が右向きでありy軸正方向が下向きである)画像座標系x-yにおける画像領域矩形の左上の頂点のx座標及びy座標であり、w及びhはそれぞれ当該矩形の横幅及び縦幅(高さ)である。さらに、観測(結果)を画像と定義し、時刻tまでの観測を、画像oの群である
(2) Ot=(o1, o2, ・・・, ot-1, ot)
とする。本実施形態では、時刻tにおける推定状態(正解画像領域)であるsC t、すなわち、
(3)sC t=(xCt, yCt, wCt, hCt)
を(時間経過とともに順次)算出することによって物体追跡を実現するのである。ちなみに、追跡対象物体の画像領域矩形は、適宜、物体領域蓄積部103に格納されることも好ましい。
(4) Y=F-1(kXZ F*αF)
を用いて算出される。上式(4)において、下付きFはフーリエ変換を表し、*は両ベクトルの要素毎の積を要素とするベクトルを生成する演算であり、F-1は逆フーリエ変換を行う関数である。また、ベースサンプルXは、例えば時刻t−1で推定された物体画像領域(矩形)sC t-1の画像とすることができる。
(5) kXZ=exp(-σ-2(|X|2+|Z|2−2F-1(ΣcXc * F*ZcF)))
で表される。ここで、下付きcはHOG特徴量におけるチャネル成分であることを表している(すなわち、XcはHOG特徴量ベクトルのcチャネル成分である)。また、上付き*は複素共役を表し、Σcはc(チャネル)についての総和(summation)である。
(a)1つの時点(時刻t)までの複数の時点の各々での応答マップYの応答値の最大値(最大応答値)から、または、
(b)1つの時点(時刻t)での応答マップYの応答値の極大値から、
1つの時点(時刻t)における変化点度合いを示す変化点信頼度Dを算出し、この変化点信頼度に基づいて、1つの時点(時刻t)での応答マップYの応答値が変化点であるか否かを判定する。
(a)1つの時点(時刻t)でのフレーム(応答マップYtの応答値)が変化点ではないと判定された際、応答マップYtの値から直接に且つ一意的に、1つの時点(時刻t)での正解とされる追跡対象物体に係る画像領域を決定する。
(b)一方、1つの時点(時刻t)でのフレーム(応答マップYtの応答値)が変化点であると判定された際、複数の候補画像領域を設定し、応答マップとは直接に関係しない指標を含む少なくとも1つの画像領域決定用の指標に基づいて、複数の候補画像領域の中から1つの時点(時刻t)での正解とされる追跡対象物体に係る画像領域を決定する。
(6) wC=w1, hC=h1
(7) xC=iC−wC/2, yC= jC−hC/2
を用いて決定することができる。ここで、w1及びh1はそれぞれ、初期フレームにおいて指定された画像領域矩形の横幅及び縦幅(高さ)である。
(8) xt-1−wt-1/2≦xt≦xt-1+wt-1/2
(9) yt-1−ht-1/2≦yt≦yt-1+ht-1/2
(10) wt=w1, ht=h1
の条件を満たすようにランダムに決定される。ここで、w1及びh1はそれぞれ、初期フレームにおいて指定された画像領域矩形の横幅及び縦幅(高さ)である。なお、w1及びh1として他の値、例えば、時刻t−1における正解の画像領域矩形の横幅及び縦幅(高さ)を用いることも可能である。
(11) P(st|st-1)=N(st;st-1, Σ)
を用いて決定(予測)される。ここで、Pは条件付き確率、Nは正規分布であり、Σは分散共分散行列である。このΣは対角行列であり、パーティクル(矩形)の大きさを変化させない場合には、次式
(12) diag(Σ)=[σx, σy, 0, 0]
で表すことができる。なお、上式(12)において、σx及びσyはそれぞれ、入力画像の横幅をLwとし縦幅(高さ)をLhとして、
(13) σx=Lw/r,及びσy=Lh/r
ここで、rは1≦r≦min(Lw, Lh)を満たす実数
と設定される値となっている。
(a)状態予測処理を施されたパーティクルの重みを、「画像領域決定用の指標」に基づいて更新する処理と、
(b)更新された当該重みに基づいて、正解画像領域(正解パーティクル)の位置を決定する処理と
を実施する。
(a1)応答マップYとは直接に関係しない指標としての、候補画像領域と、追跡対象物体についての物体らしさを有する画像領域との「重複率」
を採用することも好ましく、さらに、
(a2)候補画像領域と、前の時点(時刻t−1)で正解とされた画像領域との位置関係で決まる特定位置における応答マップYの「応答値」
を合わせて採用することも好ましい。上記(a1)及び(a2)を採用する場合、「重複率」と上記特定位置における応答マップYの「応答値」との重み付き和を、パーティクルの重みの更新値とすることができる。以下、最初に、このような指標を用いた重み更新処理の一実施形態を説明する。
(14) res(ot, st)=Y(xres, yres)
ここで、
(xres, yres)=((xt−xCt-1)/cellSize+wY/2, (yt−yCt-1)/cellSize+hY/2)
を用いて算出する。この値resが応答マップ値に係る指標となる。上式(14)において、cellSizeは、特徴量Z抽出の際のパラメータの1つであり、設定されたcellのサイズとなる(例えば3ピクセル(画素)に設定される)。応答マップYはcellSizeの値に依存して大きさが変化する。また、wY及びhYはそれぞれ、応答マップYの領域の横幅及び縦幅(高さ)である。なお、各パーティクルについて算出されたres値は、全パーティクルについての和が1となるように正規化されることも好ましい。
(15) propk=(x, y, w, h, c)
のように表す。ここで、要素cはその物体らしさの信頼度であり、例えばBINGを用いた場合に算出される値である。次いで、この物体らしい領域propkと、パーティクルの状態stの示す画像領域との間における面積の重複率Overlapを、次式
(16) Overlap(propk, st)=AreaO/AreaA
ここで、AreaO=area(propk)∩area(st)
AreaA=area(propk)∪area(st)
を用いて算出する。ここで、areaは画像領域の面積を表す。
(17) obj(ot, st)=c・maxk(Overlap(propk, st))
を用いて算出される。なお、各パーティクルについて算出されたobj値は、上述したres値と同様、全パーティクルについての和が1となるように正規化されることも好ましい。
(18) W(ot, st)=β・res(ot, st)+(1−β)・obj(ot, st)
として算出する。ここで、βは0≦β≦1を満たす実数である。
(19) R=obja/objb
を用いて算出する。次に、このRが上限閾値σhより大きい場合、物体らしさの利用効果が期待できるため、βをより小さく設定する(重みW に対するobj(ot, st)項の寄与をより高くする)。一方、Rが下限閾値σl(<σh)より小さい場合、物体らしさの利用効果が期待できないため、βをより大きく設定する。これにより、背景の複雑度に影響されない物体追跡が可能となるのである。
(a)物体追跡対象となった画像(群)と、
(b)各画像における推定(検出)した追跡対象物体の画像領域、例えば当該領域を囲む矩形枠と
を(図示していない)ディスプレイに出力し表示させてもよい。また、上記(a)及び(b)の追跡結果を、通信制御部15及び通信インタフェース101を介して外部の情報処理装置に送信してもよい。
(20) kXX=exp(-σ-2(2|X|2−2F-1(ΣcXc * F*XcF)))
を用いてカーネルkXXを算出し、この算出されたカーネルを用いて、次式に示すようにパラメータαの更新を行う。
(21) αF=yF/(kF XX+λ)
上式において、α、y及びkXXにおける下付きのFはフーリエ変換を表す。また、yは公知の手法であるリッジ(Ridge)回帰における教師データであって、λはリッジ回帰の方程式における正則化項の係数である。
図11は、本発明による物体追跡方法の一実施形態の概略を示すフローチャートである。以下、各ステップでの処理の概略を説明する。
(S102)フレームotについて特徴量Zを算出する。
(S103)相関フィルタを適用し、特徴量Zを用いて応答マップYを生成する。
(S104)追跡モードがパーティクルフィルタモードであるか否かを判定する。ここで、パーティクルフィルタモードであると判定した場合、ステップS105へ移行し、そうでない場合、ステップS106に移行する。
(ア)経過時間に基づく判定方法:パーティクルフィルタモードの開始から所定の時間内であれば解除せず、当該所定の時間が経過していればパーティクルフィルタモードを解除する。
(イ)応答マップの極大値を用いた信頼度に基づく方法:時刻tにおける応答マップYt中の極大値を算出し、最大の極大値である第1極大値と、2番目に大きい第2極大値との比(第1極大値/第2極大値)を信頼度D''とする。ここで、この信頼度D''が所定の閾値未満であれば、応答マップの信頼度が低いとしてパーティクルフィルタモードの解除は行わず(モードを継続し)、一方、当該閾値以上であればパーティクルフィルタモードを解除する。
(S107)パーティクルフィルタモードを発動させ、複数のパーティクルを生成する。
(S108)各パーティクルの重みWに基づいてリサンプリングを実行する。
(S109)各パーティクルの状態を遷移させる状態予測を実行する。
(S110)遷移させた各パーティクルの重みWを、応答マップに基づく値resと物体らしさに係る値objとを用いて更新する。
(S112)一方、ステップS106で偽の判定が行われた際、応答マップYの値が最大となる位置を、追跡対象物体の推定(検出)位置とする。
(S114)全フレーム(画像)を処理したか否かを判定する。全フレームに対して処理が終了していれば本物体追跡方法を終了し、そうでなければ、未処理のフレームを処理すべくステップS101に移行する。
101 通信インタフェース
102 画像蓄積部
103 物体領域蓄積部
104 追跡モード蓄積部
105 回帰パラメータ蓄積部
106 テンプレート蓄積部
107 パーティクル蓄積部
108 最大応答値列蓄積部
11 特徴量抽出部
12 相関フィルタ適用部
121 応答マップ生成部
122 相関フィルタ学習部
13 変化点判定部
14 追跡決定部
141 パーティクル生成部
142 リサンプリング・状態予測部
143 重み更新・位置決定部
15 通信制御部
2 カメラ
Claims (11)
- 追跡対象の物体が含まれ得る時系列の画像群の各画像において、当該物体に係る画像領域を決定していくことによって当該物体を追跡する装置であって、
1つの時点の前の時点において決定された1つの物体に係る画像領域から決定される探索領域につき、相関フィルタを用いて当該1つの時点での応答マップを生成する応答マップ生成手段と、
当該応答マップの値の変化点を判定する変化点判定手段と、
当該1つの時点での当該応答マップの値が変化点であると判定された際、当該応答マップの値から直接的に正解を決定することに代えて、複数の候補画像領域を設定し、当該応答マップとは直接に関係しない指標を含む少なくとも1つの画像領域決定用の指標に基づいて、当該複数の候補画像領域の中から当該1つの時点での正解とされる当該物体に係る画像領域を決定する追跡決定手段と
を有することを特徴とする物体追跡装置。 - 前記追跡決定手段は、当該応答マップとは直接に関係しない指標として、当該候補画像領域と、当該物体についての物体らしさを有する画像領域との重複率を採用することを特徴とする請求項1に記載の物体追跡装置。
- 前記追跡決定手段は、当該画像領域決定用の指標として、当該候補画像領域と、当該前の時点で正解とされる画像領域との位置関係で決まる特定位置における当該応答マップの値を採用することを特徴とする請求項1又は2に記載の物体追跡装置。
- 前記変化点判定手段は、当該1つの時点までの複数の時点の各々での当該応答マップの最大値から、又は当該1つの時点での当該応答マップの極大値から、当該1つの時点における変化点度合いを示す変化点信頼度を算出し、当該変化点信頼度に基づいて、当該1つの時点での当該応答マップの値が変化点であるか否かを判定することを特徴とする請求項1から3のいずれか1項に記載の物体追跡装置。
- 前記追跡決定手段は、当該複数の候補画像領域として、当該前の時点において決定された当該物体に係る画像領域から決定される範囲内に、各々重みを有する複数のパーティクルを設定し、当該画像領域決定用の指標に基づいて当該重みを更新し、更新された当該重みに基づいて、正解とされる画像領域を決定することを特徴とする請求項1から4のいずれか1項に記載の物体追跡装置。
- 前記追跡決定手段は、当該画像領域決定用の指標として、
当該パーティクルの領域と、当該物体についての物体らしさを有する画像領域との重複率と、
当該パーティクルの領域と、当該前の時点で正解とされる画像領域との位置関係で決まる特定位置における当該応答マップの値と
を採用し、当該重複率と当該特定位置における当該応答マップの値との重み付き和を当該パーティクルの重みの更新値とすることを特徴とする請求項5に記載の物体追跡装置。 - 前記追跡決定手段は、当該重み付き和における重み係数を、正解とされる当該物体に係る画像領域から算出された物体らしさに係る値に基づいて決定することを特徴とする請求項6に記載の物体追跡装置。
- 前記追跡決定手段は、当該時系列の画像群の各画像について、予め設定された又は当該応答マップの値から決定されたパーティクルフィルタ適用期間の間は、当該画像に係る時点の前の時点で決定された複数のパーティクルを、更新された当該重みに基づいてリサンプリングして、さらに当該重みを更新し、正解とされる画像領域を決定することを特徴とする請求項5から7のいずれか1項に記載の物体追跡装置。
- 当該1つの時点での正解とされる画像領域が決定された際、当該決定された画像領域に基づいて、当該相関フィルタのパラメータを更新する相関フィルタ学習手段を更に有し、
前記応答マップ生成手段は、当該1つの時点において決定された正解とされる画像領域から決定される探索領域に基づき、当該相関フィルタの更新されたパラメータによって当該1つの時点の後の時点での応答マップを生成する
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。 - 追跡対象の物体が含まれ得る時系列の画像群の各画像において、当該物体に係る画像領域を決定していくことによって当該物体を追跡する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、
1つの時点の前の時点において決定された1つの物体に係る画像領域から決定される探索領域につき、相関フィルタを用いて当該1つの時点での応答マップを生成する応答マップ生成手段と、
当該応答マップの値の変化点を判定する変化点判定手段と、
当該1つの時点での当該応答マップの値が変化点であると判定された際、当該応答マップの値から直接的に正解を決定することに代えて、複数の候補画像領域を設定し、当該応答マップとは直接に関係しない指標を含む少なくとも1つの画像領域決定用の指標に基づいて、当該複数の候補画像領域の中から当該1つの時点での正解とされる当該物体に係る画像領域を決定する追跡決定手段と
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。 - 追跡対象の物体が含まれ得る時系列の画像群の各画像において、当該物体に係る画像領域を決定していくことによって当該物体を追跡する装置に搭載されたコンピュータによる物体追跡方法であって、
1つの時点の前の時点において決定された1つの物体に係る画像領域から決定される探索領域につき、相関フィルタを用いて当該1つの時点での応答マップを生成するステップと、
当該応答マップの値の変化点を判定するステップと、
当該1つの時点での当該応答マップの値が変化点であると判定された際、当該応答マップの値から直接的に正解を決定することに代えて、複数の候補画像領域を設定し、当該応答マップとは直接に関係しない指標を含む少なくとも1つの画像領域決定用の指標に基づいて、当該複数の候補画像領域の中から当該1つの時点での正解とされる当該物体に係る画像領域を決定するステップと
を有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 |
---|---|---|---|
JP2016221019A JP6654789B2 (ja) | 2016-11-11 | 2016-11-11 | 変化点で複数候補を考慮し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 |
---|---|---|---|
JP2016221019A JP6654789B2 (ja) | 2016-11-11 | 2016-11-11 | 変化点で複数候補を考慮し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 |
---|---|
JP2018077807A true JP2018077807A (ja) | 2018-05-17 |
JP6654789B2 JP6654789B2 (ja) | 2020-02-26 |
Family
ID=62150549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016221019A Active JP6654789B2 (ja) | 2016-11-11 | 2016-11-11 | 変化点で複数候補を考慮し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) | JP6654789B2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448023A (zh) * | 2018-10-23 | 2019-03-08 | 武汉大学 | 一种结合空间置信图和轨迹估计的卫星视频小目标实时跟踪方法 |
CN110766717A (zh) * | 2019-09-02 | 2020-02-07 | 广东天波信息技术股份有限公司 | 一种基于图像识别的跟随服务方法及装置 |
CN110827327A (zh) * | 2018-08-13 | 2020-02-21 | 中国科学院长春光学精密机械与物理研究所 | 一种基于融合的长期目标跟踪方法 |
WO2020174566A1 (ja) * | 2019-02-26 | 2020-09-03 | 日本電気株式会社 | 監視装置、追跡方法、及び非一時的なコンピュータ可読媒体 |
JP2020160901A (ja) * | 2019-03-27 | 2020-10-01 | オムロン株式会社 | 物体追跡装置および物体追跡方法 |
JP2021044728A (ja) * | 2019-09-12 | 2021-03-18 | 三菱電機インフォメーションシステムズ株式会社 | 通知判定装置、通知判定方法及び通知判定プログラム |
WO2021084972A1 (ja) * | 2019-10-29 | 2021-05-06 | オムロン株式会社 | 物体追跡装置および物体追跡方法 |
US20220051044A1 (en) * | 2020-08-14 | 2022-02-17 | Fujitsu Limited | Image processing apparatus and computer-readable storage medium for storing screen processing program |
JP7449715B2 (ja) | 2020-02-21 | 2024-03-14 | 日本放送協会 | フレーミング領域学習装置及びフレーミング領域推定装置、並びに、それらのプログラム |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008283379A (ja) * | 2007-05-09 | 2008-11-20 | Casio Comput Co Ltd | 撮像装置及びプログラム |
JP2008299834A (ja) * | 2007-05-02 | 2008-12-11 | Nikon Corp | 被写体追跡プログラム、および被写体追跡装置 |
JP2009053815A (ja) * | 2007-08-24 | 2009-03-12 | Nikon Corp | 被写体追跡プログラム、および被写体追跡装置 |
JP2009265732A (ja) * | 2008-04-22 | 2009-11-12 | Toshiba Corp | 画像処理装置及びその方法 |
JP2011186576A (ja) * | 2010-03-05 | 2011-09-22 | Nec Corp | 動作認識装置 |
JP2011192092A (ja) * | 2010-03-15 | 2011-09-29 | Omron Corp | 対象物追跡装置、対象物追跡方法、および制御プログラム |
JP2014126942A (ja) * | 2012-12-25 | 2014-07-07 | Secom Co Ltd | 対象検出装置 |
-
2016
- 2016-11-11 JP JP2016221019A patent/JP6654789B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008299834A (ja) * | 2007-05-02 | 2008-12-11 | Nikon Corp | 被写体追跡プログラム、および被写体追跡装置 |
JP2008283379A (ja) * | 2007-05-09 | 2008-11-20 | Casio Comput Co Ltd | 撮像装置及びプログラム |
JP2009053815A (ja) * | 2007-08-24 | 2009-03-12 | Nikon Corp | 被写体追跡プログラム、および被写体追跡装置 |
JP2009265732A (ja) * | 2008-04-22 | 2009-11-12 | Toshiba Corp | 画像処理装置及びその方法 |
JP2011186576A (ja) * | 2010-03-05 | 2011-09-22 | Nec Corp | 動作認識装置 |
JP2011192092A (ja) * | 2010-03-15 | 2011-09-29 | Omron Corp | 対象物追跡装置、対象物追跡方法、および制御プログラム |
JP2014126942A (ja) * | 2012-12-25 | 2014-07-07 | Secom Co Ltd | 対象検出装置 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827327A (zh) * | 2018-08-13 | 2020-02-21 | 中国科学院长春光学精密机械与物理研究所 | 一种基于融合的长期目标跟踪方法 |
CN110827327B (zh) * | 2018-08-13 | 2023-04-18 | 中国科学院长春光学精密机械与物理研究所 | 一种基于融合的长期目标跟踪方法 |
CN109448023B (zh) * | 2018-10-23 | 2021-05-18 | 武汉大学 | 一种卫星视频小目标实时跟踪方法 |
CN109448023A (zh) * | 2018-10-23 | 2019-03-08 | 武汉大学 | 一种结合空间置信图和轨迹估计的卫星视频小目标实时跟踪方法 |
US11882542B2 (en) | 2019-02-26 | 2024-01-23 | Nec Corporation | Monitoring device, tracking method, and non-transitory computer-readable medium |
WO2020174566A1 (ja) * | 2019-02-26 | 2020-09-03 | 日本電気株式会社 | 監視装置、追跡方法、及び非一時的なコンピュータ可読媒体 |
JPWO2020174566A1 (ja) * | 2019-02-26 | 2021-12-16 | 日本電気株式会社 | 監視装置、追跡方法、及びプログラム |
JP2020160901A (ja) * | 2019-03-27 | 2020-10-01 | オムロン株式会社 | 物体追跡装置および物体追跡方法 |
JP7243372B2 (ja) | 2019-03-27 | 2023-03-22 | オムロン株式会社 | 物体追跡装置および物体追跡方法 |
CN110766717B (zh) * | 2019-09-02 | 2022-06-24 | 广东天波信息技术股份有限公司 | 一种基于图像识别的跟随服务方法及装置 |
CN110766717A (zh) * | 2019-09-02 | 2020-02-07 | 广东天波信息技术股份有限公司 | 一种基于图像识别的跟随服务方法及装置 |
JP2021044728A (ja) * | 2019-09-12 | 2021-03-18 | 三菱電機インフォメーションシステムズ株式会社 | 通知判定装置、通知判定方法及び通知判定プログラム |
JP2021071769A (ja) * | 2019-10-29 | 2021-05-06 | オムロン株式会社 | 物体追跡装置および物体追跡方法 |
WO2021084972A1 (ja) * | 2019-10-29 | 2021-05-06 | オムロン株式会社 | 物体追跡装置および物体追跡方法 |
JP7354767B2 (ja) | 2019-10-29 | 2023-10-03 | オムロン株式会社 | 物体追跡装置および物体追跡方法 |
JP7449715B2 (ja) | 2020-02-21 | 2024-03-14 | 日本放送協会 | フレーミング領域学習装置及びフレーミング領域推定装置、並びに、それらのプログラム |
US20220051044A1 (en) * | 2020-08-14 | 2022-02-17 | Fujitsu Limited | Image processing apparatus and computer-readable storage medium for storing screen processing program |
US11682188B2 (en) * | 2020-08-14 | 2023-06-20 | Fujitsu Limited | Image processing apparatus and computer-readable storage medium for storing screen processing program |
Also Published As
Publication number | Publication date |
---|---|
JP6654789B2 (ja) | 2020-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6654789B2 (ja) | 変化点で複数候補を考慮して物体を追跡する装置、プログラム及び方法 | |
US11176382B2 (en) | System and method for person re-identification using overhead view images | |
CN109344725B (zh) | 一种基于时空关注度机制的多行人在线跟踪方法 | |
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 | |
JP6018674B2 (ja) | 被写体再識別のためのシステム及び方法 | |
WO2019218824A1 (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
US11527105B2 (en) | System and method for scalable cloud-robotics based face recognition and face analysis | |
US9036039B2 (en) | Apparatus and method for acquiring face image using multiple cameras so as to identify human located at remote site | |
US10902614B2 (en) | Image recognition by setting a ratio of combining the feature correlation coefficients for the respective acquired image feature amounts | |
TW202101371A (zh) | 視訊流的處理方法和裝置 | |
US20170213080A1 (en) | Methods and systems for automatically and accurately detecting human bodies in videos and/or images | |
US8977060B2 (en) | Motion stabilization and detection of articulated objects | |
EP1868162A2 (en) | Unusual action detection based on image analysis involving CHLAC feature extraction | |
Ramirez-Quintana et al. | Self-adaptive SOM-CNN neural system for dynamic object detection in normal and complex scenarios | |
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 | |
JP7272024B2 (ja) | 物体追跡装置、監視システムおよび物体追跡方法 | |
JP2018032078A (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 | |
US20220366570A1 (en) | Object tracking device and object tracking method | |
JP6789876B2 (ja) | 画素変更処理画像を用いて対象を追跡する装置、プログラム及び方法 | |
Xu et al. | Robust moving objects detection in long-distance imaging through turbulent medium | |
Chen et al. | Activity recognition using a panoramic camera for homecare | |
KR102171384B1 (ko) | 영상 보정 필터를 이용한 객체 인식 시스템 및 방법 | |
JP2018200628A (ja) | 任意の追跡器を割り当てたパーティクルを用いる物体追跡プログラム、装置及び方法 | |
JP2021149687A (ja) | 物体認識装置、物体認識方法及び物体認識プログラム | |
KR20230166840A (ko) | 인공지능을 이용한 객체 이동 경로 확인 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191119 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191204 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200106 |
|
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: 20200130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6654789 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |