JP2018120277A - 画像処理装置、物体検出方法および物体検出プログラム - Google Patents

Abstract

【課題】物体検出処理における処理量を削減することが可能な画像処理装置、物体検出方法および物体検出プログラムを提供する。【解決手段】画像処理装置は、複数の画素に基づいて、各セルのセル特徴量を生成するセル特徴量生成部と、複数のセルのセル特徴量に基づいて、各ブロックのブロック特徴量を生成するブロック特徴量生成部と、各ブロック特徴量を記憶する記憶部と、複数のブロックのブロック特徴量に基づいて、各ウインドウのウインドウ特徴量を生成するウインドウ特徴量生成部と、ウインドウ特徴量を用いて、当該ウインドウ特徴量に対応するウインドウが物体を表す領域であるか否かと検出する物体検出部と、を備え、ウインドウ特徴量生成部は、ウインドウに含まれるブロックに対応したブロック特徴量を記憶部から選択し、選択したブロック特徴量に基づいてウインドウ特徴量を生成する。【選択図】図２

Description

本発明は、画像処理装置、物体検出方法および物体検出プログラムに関する。

従来、入力画像から物体を検出する技術が知られている（例えば、特許文献１参照）。特許文献１に記載の技術では、図１Ａに示すように、入力画像から所定の領域を構成する複数のウインドウを抽出し、抽出したウインドウ内における、複数の画素が含まれるブロックの特徴量を算出して、当該ブロックの特徴量を正規化処理することにより、当該入力画像内の物体を検出する。

特許第５２０１１８４号公報

しかしながら、特許文献１に記載の技術では、入力画像において抽出したウインドウ毎にブロックの特徴量の算出処理や、正規化処理を行う。つまり、図１Ｂに示すように、別のウインドウ（実線）にて行ったブロックの特徴量の算出処理や正規化処理を、当該ウインドウと重複する部分を有するウインドウ（破線）においても行うため、重複部分における処理を再度行うこととなり、ひいては物体検出処理における処理量が増大してしまうという問題があった。

本発明の目的は、物体検出処理における処理量を削減することが可能な画像処理装置、物体検出方法および物体検出プログラムを提供することである。

本発明に係る画像処理装置は、
入力画像内に配列される全てのセルを構成する複数の画素に基づいて、各セルのセル特徴量を生成するセル特徴量生成部と、
前記入力画像内に第１所定画素ずつずれて配列される全てのブロックを構成する複数の前記セルの前記セル特徴量に基づいて、各ブロックのブロック特徴量を生成するブロック特徴量生成部と、
前記ブロック特徴量生成部により生成された各ブロック特徴量を記憶する記憶部と、
前記入力画像内に第２所定画素ずつずれて配列される全てのウインドウを構成する複数の前記ブロックの前記ブロック特徴量に基づいて、各ウインドウのウインドウ特徴量を生成するウインドウ特徴量生成部と、
前記ウインドウ特徴量生成部により生成されたウインドウ特徴量を用いて、当該ウインドウ特徴量に対応するウインドウが物体を表す領域であるか否かと検出する物体検出部と、
を備え、
前記ウインドウ特徴量生成部は、前記ウインドウに含まれるブロックに対応したブロック特徴量を前記記憶部から選択し、選択したブロック特徴量に基づいて前記ウインドウ特徴量を生成する。

本発明に係る物体検出方法は、
記憶部を備える画像処理装置の物体検出方法であって、
入力画像内に配列される全てのセルを構成する複数の画素に基づいて、各セルのセル特徴量を生成し、
前記入力画像内に第１所定画素ずつずれて配列される全てのブロックを構成する複数の前記セルの前記セル特徴量に基づいて、各ブロックのブロック特徴量を生成し、
生成された各ブロック特徴量を前記記憶部に記憶し、
前記入力画像内に第２所定画素ずつずれて配列される全てのウインドウを構成する複数の前記ブロックの前記ブロック特徴量に基づいて、各ウインドウのウインドウ特徴量を生成し、
生成されたウインドウ特徴量を用いて、当該ウインドウ特徴量に対応するウインドウが物体を表す領域であるか否かと検出し、
前記ウインドウに含まれるブロックに対応したブロック特徴量を前記記憶部から選択し、選択したブロック特徴量に基づいて前記ウインドウ特徴量を生成する。

本発明に係る物体検出プログラムは、
記憶部を備える画像処理装置の物体検出プログラムにおいて、
コンピューターに、
入力画像内に配列される全てのセルを構成する複数の画素に基づいて、各セルのセル特徴量を生成するセル特徴量処理と、
前記入力画像内に第１所定画素ずつずれて配列される全てのブロックを構成する複数の前記セルの前記セル特徴量に基づいて、各ブロックのブロック特徴量を生成するブロック特徴量処理と、
前記ブロック特徴量処理により生成された各ブロック特徴量を記憶する記憶処理と、
前記入力画像内に第２所定画素ずつずれて配列される全てのウインドウを構成する複数の前記ブロックの前記ブロック特徴量に基づいて、各ウインドウのウインドウ特徴量を生成するウインドウ特徴量生成処理と、
前記ウインドウ特徴量生成処理により生成されたウインドウ特徴量を用いて、当該ウインドウ特徴量に対応するウインドウが物体を表す領域であるか否かと検出する物体検出処理と、
を実行させ、
前記ウインドウ特徴量生成処理は、前記ウインドウに含まれるブロックに対応したブロック特徴量を前記記憶部から選択し、選択したブロック特徴量に基づいて前記ウインドウ特徴量を生成する。

本発明によれば、物体検出処理における処理量を削減することができる。

従来例における物体検出動作を説明するための図である。 本実施の形態に係る画像処理装置を示す図である。 入力画像におけるセル特徴量を説明するための図である。 入力画像におけるブロック特徴量を説明するための図である。 記憶部を説明するための図である。 物体検出動作を説明するための図である。 物体検出動作を説明するための図である。 画像処理装置における物体検出制御の動作例の一例を示すフローチャートである。 第３所定画素を説明するための図である。 入力画像サイズと高速化倍率の関係を示す図である。 第２所定画素および第３所定画素と高速化倍率の関係を示す図である。

以下、本実施の形態を図面に基づいて詳細に説明する。図２は、本実施の形態に係る画像処理装置１を示す図である。

図２に示すように、画像処理装置１は、例えば、防犯カメラ等により撮像された領域内の物体を検出する画像処理を行うための装置である。画像処理装置１は、画像取得部２と、縮小画像生成部３と、セル特徴量生成部４と、ブロック特徴量生成部５と、記憶部６と、ウインドウ特徴量生成部７と、物体検出部８とを備えている。

画像取得部２は、カメラ等の図示しない撮像部から画像（例えば、１２８０画素×９６０画素のグレースケール画像）を取得し、取得した画像を縮小画像生成部３に出力する。

縮小画像生成部３は、取得した画像を１未満（例えば、０．９）の割合で縮小して入力画像を生成し、当該入力画像をセル特徴量生成部４に出力する。縮小画像生成部３は、後述する物体検出部８による物体の検出が、当該入力画像において終了した場合、再び当該入力画像を１未満の割合で縮小して入力画像を生成し、この入力画像において、物体の検出が繰り返し行われる。

また、縮小画像生成部３により入力画像が所定サイズ（例えば、３２０画素×２４０画素）まで縮小された場合、画像処理装置１による物体検出処理が終了する。

セル特徴量生成部４は、入力画像のセル内の画素に基づくセル特徴量を生成する。図３に示すように、セルＣは、入力画像Ｉにおける複数の画素（例えば、横３画素×縦３画素）を含む領域である。

セル特徴量Ｄ１は、セルＣ毎に生成され、例えば、特許文献１に記載されているように、エッジ角度のヒストグラムを用いて生成されても良いし、セルＣ内のＲＧＢの最大値、最小値、平均値、及び、中央値の何れかを用いて生成されても良い。

図２に示すように、ブロック特徴量生成部５は、ブロックに含まれるセルのセル特徴量に基づくブロック特徴量を生成する。図４に示すように、ブロックＢは、複数のセルＣを含む領域であり、入力画像Ｉにおいて第１所定画素ずつずれて配列される。第１所定画素は、例えば後述する第２所定画素（例えば、３画素）および第３所定画素（図４では、３セル分に相当する９画素）の最大公約数の３画素に設定される。

ブロック特徴量Ｄ２は、ブロックＢ毎に生成され、セル特徴量Ｄ１を正規化する処理がされたものである。ブロック特徴量Ｄ２は、例えばブロックＢ内のセル特徴量Ｄ１の二乗和が１となるように正規化処理されても良い。

また、ブロック特徴量Ｄ２は、セルＣがｎ次元の特徴量を持つ場合、各ブロックＢ内のセルＣで比較してｎ個の最大値、最小値、平均値、及び、中央値の何れかを算出する処理により生成されても良い。また、ブロック特徴量Ｄ２は、ｎ次元の特徴量を持つ場合、各ブロックＢ内のセルＣで比較してｎ個の最大値、最小値、及び中央値の何れかのセルＣの情報を算出する処理により生成されても良い。なお、ｎは１以上の自然数である。

図２に示すように、記憶部６は、ブロック特徴量生成部５により生成された各ブロック特徴量を記憶する。図５に示すように、記憶部６は、ブロック特徴量に応じて、ブロック特徴量を記憶する場所を変更する。

各ブロック特徴量は、ブロックが所定画素ずれて配置されるため、互いに完全一致とはならない。そのため、各ブロック特徴量に対応した記憶場所を確保することにより、それぞれの特徴量がどこに対応したものかを識別することが可能となる。図５に示す例では、入力画像Ｉの左隅のブロックＢにおけるブロック特徴量は、記憶部６における第１記憶領域６１に記憶され、その隣にあるブロックＢにおけるブロック特徴量は、記憶部６における第２記憶領域６２に記憶される。

図２に示すように、ウインドウ特徴量生成部７は、ウインドウに含まれるブロックに対応したブロック特徴量に基づくウインドウ特徴量を生成する。ウインドウは、複数のブロックを含む領域（例えば、図６参照）であり、入力画像内に第２所定画素（例えば、３画素）ずつずれて配列される。

また、ウインドウ内におけるブロックは、第３所定画素ずつずれて配列される。図６では、ウインドウ内の各ブロックは互いに重なり合っていないため、３セル分に相当する画素数（例えば、１８画素）となる。

ウインドウ特徴量生成部７は、各ウインドウに含まれるブロック特徴量を記憶部６から選択し、当該ブロック特徴量に基づくウインドウ特徴量をウインドウ毎に生成する。ウインドウ特徴量は、ウインドウ内の全てのブロックにおけるブロック特徴量である。ウインドウ特徴量生成部７は、生成したウインドウ特徴量を物体検出部８に出力する。

物体検出部８は、ウインドウ特徴量生成部７により生成されたウインドウ特徴量を用いて、ウインドウ特徴量に対応するウインドウが物体を表す領域であるか否かを検出する（以下、「物体検出処理」という）。

物体検出部８は、例えば、特許文献１に記載されているように、学習モデルとしてのＳＶＭ（サポートベクターマシン）モデルを記憶した学習記憶部からの学習モデルと、ウインドウ特徴量とに基づいて、ウインドウ内の物体検出処理を行う。また、物体検出部８は、決定木やランダムフォレスト等と、ウインドウ特徴量とに基づいて、ウインドウ内の物体検出処理を行っても良い。

物体検出部８によりウインドウ内の物体検出処理が行われた後、物体検出部８は、入力画像Ｉにおいて当該ウインドウとは異なるウインドウの物体検出処理を随時行う。具体的には、図６に示すように、物体検出処理が行われたウインドウ（実線）から第２所定画素ずれたウインドウ（破線）の物体検出処理を行い、当該ウインドウの物体検出処理が行われたら、また当該ウインドウから第２所定画素ずれたウインドウの物体検出処理を行っていく。

図７に示すように、入力画像の右端にウインドウ（破線）が達した場合、左端のウインドウ（実線）から下に第２所定画素ずれたウインドウ（二点鎖線）の物体検出処理が行われていく。このような作業を繰り返すことで、入力画像全体の物体検出処理が行われる。

また、第２所定画素は、ウインドウの短辺より小さい幅であり、例えば、図６では３画素である。これにより、隣接するウインドウが重複する部分を有するため、満遍なく入力画像全体の物体検出処理を行うことができる。

しかしながら、ウインドウ毎にセル特徴量およびブロック特徴量を生成する場合、複数のウインドウにおいて互いに重複する部分におけるセル特徴量およびブロック特徴量を複数回行うこととなり、ひいては物体検出処理における処理量が増大してしまうという問題があった。

しかし、本実施の形態では、ウインドウ特徴量生成部７は、各ウインドウに含まれるブロック特徴量を記憶部６から選択し、当該ブロック特徴量に基づくウインドウ特徴量をウインドウ毎に生成する。このようにすることで、互いに重複する部分を有するウインドウ同士において、ブロックにおける特徴量を再度生成することがないため、ウインドウ毎にブロック特徴量を生成するための処理量を大幅に削減することができる。

具体的には、以下に示す条件において、本実施の形態と、比較例との処理量の違いを比較する。条件としては、図６に示すように、入力画像サイズは横６４０画素×縦４８０画素、セルサイズは横６画素×縦６画素、セル内のセル特徴量数は９個、ブロック内のセル数は９セル（横３セル×縦３セル：縦横１８画素）、ウインドウ内ブロック数は１５ブロック（横３ブロック×縦５ブロック：横５４画素×縦９０画素）、第２所定画素は３画素である。第３所定画素は３セル分に相当する１８画素である。

比較例としては、ウインドウ毎にセル特徴量を生成した上でブロック特徴量を生成する構成を例示する。

まず、比較例で物体検出処理を行う際におけるブロック特徴量の生成回数は、ウインドウ毎にブロック特徴量を生成するため、入力画像Ｉにおける総ウインドウ数×ウインドウ内のブロック数となる。総ウインドウ数は、（ｉｎｔ（６４０画素−５４画素）／３＋１）×（ｉｎｔ（４８０画素−９０画素）／３＋１）＝１９６×１３１となる。ウインドウ内のブロック数は１５ブロックであるため、比較例の総ブロック数は、１５×１９６×１３１となる。なお、上記式における「３」は、第２所定画素を意味している。

それに対し本実施の形態で物体検出処理を行う際におけるブロック特徴量の生成回数は、入力画像Ｉにおける総ブロック数である。当該総ブロック数は、（ｉｎｔ（６４０画素−１８画素）／３＋１）×（ｉｎｔ（４８０画素−１８画素）／３＋１）＝２０８×１５５ブロックとなる。なお、上記式における「３」は、第２所定画素と第３所定画素の最大公約数である第１所定画素を意味している。

ここで、正規化処理が行われるが、当該処理は、加算および積算において、ともにセル数およびセル特徴量数に応じた係数がブロック数に乗算されるため、処理量の大小はブロック数により判断することができる。ブロック数を本実施の形態と比較例との間で比較すると、本実施の形態の処理量は、比較例の処理量に対して、（２０８×１５５）／（１５×１９６×１３１）＝０．０８３７となり、約１／１２程度に削減することができる。

以上のように構成された画像処理装置１における物体検出制御の動作の一例について説明する。図８は、画像処理装置１における物体検出制御の動作例の一例を示すフローチャートである。図８における処理は、画像処理装置１において物体検出制御を行う際において適宜実行される。

図８に示すように、画像取得部２は、撮像部等から画像を取得する（ステップＳ１０１）。次に、縮小画像生成部３は、当該画像に基づいて縮小画像、つまり、入力画像を生成する（ステップＳ１０２）。次に、セル特徴量生成部４は、入力画像からセル特徴量を生成する（ステップＳ１０３）。

次に、ブロック特徴量生成部５は、生成されたセル特徴量からブロック特徴量を生成する（ステップＳ１０４）。次に、記憶部６は、生成されたブロック特徴量を記憶する（ステップＳ１０５）。次に、ウインドウ特徴量生成部７は、ウインドウを抽出し、抽出したウインドウに対応したブロック特徴量を記憶部６から選択してウインドウ特徴量を生成する（ステップＳ１０６）。

次に、物体検出部８は、ウインドウ特徴量に基づいて物体検出処理を行う（ステップＳ１０７）。次に、画像処理装置１は、入力画像における物体検出処理が終了したか否かについて判定する（ステップＳ１０８）。

判定の結果、物体検出処理が終了していない場合（ステップＳ１０８、ＮＯ）、ウインドウ特徴量生成部７は、物体検出処理を行ったウインドウから第２所定画素横にずれたウインドウを抽出する（ステップＳ１０９）。ここで、ウインドウが入力画像の右端に到達している場合、例えば、当該ウインドウから下に第２所定画素ずれた左端のウインドウを抽出する。

ステップＳ１０９の後、処理はステップＳ１０６に戻る。ステップＳ１０８の判定に戻り、物体検出処理が終了した場合（ステップＳ１０８、ＹＥＳ）、画像処理装置１は、入力画像が所定サイズ（例えば、３２０画素×２４０画素）であるか否かについて判定する（ステップＳ１１０）。

判定の結果、入力画像が所定サイズではない場合（ステップＳ１１０、ＮＯ）処理は、ステップＳ１０２に戻る。一方、入力画像が所定サイズである場合（ステップＳ１１０、ＹＥＳ）、本制御は終了する。

以上のように構成された本実施の形態によれば、互いに重複する部分を有するウインドウ同士において、ブロックにおける特徴量を再度生成することがないため、ウインドウ毎にブロック特徴量を生成するための処理量を大幅に削減することができる。

なお、上記実施の形態では、ウインドウ内のブロックが重複する部分を有さないようにウインドウが設定されていた。つまり、上記実施の形態では、ウインドウ内における各ブロックの画素ずれ量である第３所定画素は１８画素となっていたが、本発明はこれに限定されず、第３所定画素をウインドウ内において各ブロックを重複させるようにウインドウを設定しても良い。つまり、第３所定画素がブロックの短辺よりも小さくなるように設定しても良い。

例えば、図９に示すように、第３所定画素（画素ずれ量）を９画素とすると、ウインドウ内のブロック数は、７８ブロック（横６ブロック×縦１３ブロック：横６３画素×縦１２６画素）となる。このようにブロックを重ねると、物体検出処理を行うブロック数が増えるので、より詳細に物体検出処理を行うことができる。

この場合における総ウインドウ数は、（ｉｎｔ（６４０画素−６３画素）／３＋１）×（ｉｎｔ（４８０画素−１２６画素）／３＋１）＝１９３×１１９となる。ウインドウ内のブロック数は７８ブロックであるため、上述した比較例における総ブロック数は、７８×１９３×１１９となる。なお、上記式における「３」は、第２所定画素を意味している。

そのため、本実施の形態においては、入力画像Ｉにおける総ブロック数であり、第１所定画素が変わらない場合、上述したブロック数と同様に、２０８×１５５である。両者を比較すると、本実施の形態の処理量は、比較例の処理量に対して、（２０８×１５５）／（７８×１９３×１１９）＝０．０１７９９となり、約１／５６程度に削減することができる。これにより、より詳細に物体検出処理を行うように設定するほど、処理量を大幅に削減することができる。

入力画像サイズ毎に、比較例に対する処理量の削減量の割合を示す高速化倍率を算出すると、図１０のようなデータが得られる。本データは、セルサイズは横６画素×縦６画素、セル内のセル特徴量数は９個、ブロック内のセル数は９セル（横３セル×縦３セル：計１８画素）、ウインドウ内ブロック数は７８ブロック（横６ブロック×縦１３ブロック：横６３画素×縦１２６画素）、第２所定画素は３画素である。

入力画像サイズが大きくなると、物体の検出範囲が増えるため、処理量が増えやすくなるが、本実施の形態では、入力画像が大きくなるほど、高速化倍率が増えていくことが確認できる。そのため、入力画像サイズが９６０画素×７２０画素で高速化倍率が飽和しつつあるものの、入力画像サイズが増えるにつれ、本発明が有効であることが確認できる。

また、上記実施の形態では、第１所定画素を、第２所定画素と第３所定画素の最大公約数に設定していたが、本発明はこれに限定されず、最大公約数に設定しなくても良い。ただし、以下に示す観点から、第１所定画素は、第２所定画素と第３所定画素の最大公約数に設定することが望ましい。

第２所定画素ずつずれたウインドウを構成するブロック特徴量を算出するためには、第２所定画素と第３所定画素の公約数ずつずれて配列されるブロック特徴量が必要となる。従って、第１所定画素を第２所定画素および第３所定画素の最大公約数に設定した場合、必要なブロック特徴量に着目して算出することが可能となり、再利用性が最も向上することから、装置全体における処理時間を大幅に削減することができる。

例えば、図１１に示す例では、第１所定画素を第２所定画素及び第３所定画素の最大公約数に設定し、かつ、第２所定画素及び第３所定画素と高速化倍率の関係を示したものである。図１１における多くの場合において、高速化の効果が得られていることが確認できる。

また、第１所定画素毎に算出されたブロック特徴量の再利用性が高ければ高いほど高速化の効果は向上する。例えば、第３所定画素が９画素の場合、第２所定画素が第３所定画素の約数となる１画素および３画素のときに、高速化倍率が約５６となっている。つまり、第１所定画素と第２所定画素とが一致するケースでは、第１所定画素毎に算出されたブロック特徴量の再利用性が高いことから、高速化の効果が得られていることが確認できる。

また、上記実施の形態では、記憶部６が記憶したブロック特徴量を用いてウインドウ特徴量を生成していたが、ブロック特徴量はサイズが大きいため（図４では、セル特徴量の９個分）、記憶部６により記憶しきれない場合が起こり得る。そのため、記憶部６は、ブロック特徴量生成部５により生成されたブロック特徴量のサイズが所定サイズより大きい場合、セル特徴量を記憶する。

そして、ブロック特徴量生成部５は、記憶部６に記憶されたセル特徴量を選択し、選択したセル特徴量に基づいてブロック特徴量を生成する。ウインドウ特徴量生成部７は、記憶部６がセル特徴量を記憶した場合、ブロック特徴量生成部５により生成されたブロック特徴量を用いて、ウインドウ特徴量を生成する。

このようにすることで、記憶部６のサイズを超えるようなブロック特徴量であっても、処理量はブロック特徴量を記憶部６に記憶する場合よりも多くなるが、物体検出処理を行うことができる。

また、記憶部６は、ブロック特徴量のサイズが所定サイズ以下である場合、上記実施の形態と同様の処理を行う。

その他、上記実施の形態は、何れも本発明を実施するにあたっての具体化の一例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその要旨、またはその主要な特徴から逸脱することなく、様々な形で実施することができる。

１ 画像処理装置
２ 画像取得部
３ 縮小画像生成部
４ セル特徴量生成部
５ ブロック特徴量生成部
６ 記憶部
７ ウインドウ特徴量生成部
８ 物体検出部

Claims (8)

1. 入力画像内に配列される全てのセルを構成する複数の画素に基づいて、各セルのセル特徴量を生成するセル特徴量生成部と、
   前記入力画像内に第１所定画素ずつずれて配列される全てのブロックを構成する複数の前記セルの前記セル特徴量に基づいて、各ブロックのブロック特徴量を生成するブロック特徴量生成部と、
   前記ブロック特徴量生成部により生成された各ブロック特徴量を記憶する記憶部と、
   前記入力画像内に第２所定画素ずつずれて配列される全てのウインドウを構成する複数の前記ブロックの前記ブロック特徴量に基づいて、各ウインドウのウインドウ特徴量を生成するウインドウ特徴量生成部と、
   前記ウインドウ特徴量生成部により生成されたウインドウ特徴量を用いて、当該ウインドウ特徴量に対応するウインドウが物体を表す領域であるか否かを検出する物体検出部と、
   を備え、
   前記ウインドウ特徴量生成部は、前記ウインドウに含まれるブロックに対応したブロック特徴量を前記記憶部から選択し、選択したブロック特徴量に基づいて前記ウインドウ特徴量を生成する、
   画像処理装置。
2. 前記ウインドウ内における前記ブロックは、第３所定画素ずつずれて配列され、
   前記第１所定画素は、前記第２所定画素と前記第３所定画素の最大公約数に設定される、
   請求項１に記載の画像処理装置。
3. 前記記憶部は、前記ブロック特徴量生成部により生成された前記ブロック特徴量のサイズが所定サイズより大きい場合、前記セル特徴量を記憶し、
   前記ブロック特徴量生成部は、前記ブロックに含まれるセルに対応したセル特徴量を前記記憶部から選択し、選択したセル特徴量に基づいて前記ブロック特徴量を生成し、
   前記ウインドウ特徴量生成部は、前記ブロック特徴量生成部により生成された前記ブロック特徴量を用いて、前記ウインドウ特徴量を生成する、
   請求項１または請求項２に記載の画像処理装置。
4. 前記ブロック特徴量生成部は、前記セル特徴量生成部により生成された前記セル特徴量を正規化する処理を行うことにより、前記ブロック特徴量を生成する、
   請求項１〜３の何れか１項に記載の画像処理装置。
5. 前記第２所定画素は、前記ウインドウの短辺よりも小さく設定されている、
   請求項１〜４の何れか１項に記載の画像処理装置。
6. 前記ウインドウ内における前記ブロックは、第３所定画素ずつずれて配列され、
   前記第３所定画素は、前記ブロックの短辺よりも小さく設定されている、
   請求項１〜５の何れか１項に記載の画像処理装置。
7. 記憶部を備える画像処理装置の物体検出方法であって、
   入力画像内に配列される全てのセルを構成する複数の画素に基づいて、各セルのセル特徴量を生成し、
   前記入力画像内に第１所定画素ずつずれて配列される全てのブロックを構成する複数の前記セルの前記セル特徴量に基づいて、各ブロックのブロック特徴量を生成し、
   生成された各ブロック特徴量を前記記憶部に記憶し、
   前記入力画像内に第２所定画素ずつずれて配列される全てのウインドウを構成する複数の前記ブロックの前記ブロック特徴量に基づいて、各ウインドウのウインドウ特徴量を生成し、
   生成されたウインドウ特徴量を用いて、当該ウインドウ特徴量に対応するウインドウが物体を表す領域であるか否かを検出し、
   前記ウインドウに含まれるブロックに対応したブロック特徴量を前記記憶部から選択し、選択したブロック特徴量に基づいて前記ウインドウ特徴量を生成する物体検出方法。
8. 記憶部を備える画像処理装置の物体検出プログラムにおいて、
   コンピューターに、
   入力画像内に配列される全てのセルを構成する複数の画素に基づいて、各セルのセル特徴量を生成するセル特徴量処理と、
   前記入力画像内に第１所定画素ずつずれて配列される全てのブロックを構成する複数の前記セルの前記セル特徴量に基づいて、各ブロックのブロック特徴量を生成するブロック特徴量処理と、
   前記ブロック特徴量処理により生成された各ブロック特徴量を記憶する記憶処理と、
   前記入力画像内に第２所定画素ずつずれて配列される全てのウインドウを構成する複数の前記ブロックの前記ブロック特徴量に基づいて、各ウインドウのウインドウ特徴量を生成するウインドウ特徴量生成処理と、
   前記ウインドウ特徴量生成処理により生成されたウインドウ特徴量を用いて、当該ウインドウ特徴量に対応するウインドウが物体を表す領域であるか否かを検出する物体検出処理と、
   を実行させ、
   前記ウインドウ特徴量生成処理は、前記ウインドウに含まれるブロックに対応したブロック特徴量を前記記憶部から選択し、選択したブロック特徴量に基づいて前記ウインドウ特徴量を生成する、
   物体検出プログラム。

Images