JP2020160812A - 領域抽出装置及びプログラム - Google Patents
領域抽出装置及びプログラム Download PDFInfo
- Publication number
- JP2020160812A JP2020160812A JP2019059632A JP2019059632A JP2020160812A JP 2020160812 A JP2020160812 A JP 2020160812A JP 2019059632 A JP2019059632 A JP 2019059632A JP 2019059632 A JP2019059632 A JP 2019059632A JP 2020160812 A JP2020160812 A JP 2020160812A
- Authority
- JP
- Japan
- Prior art keywords
- viewpoint
- foreground mask
- foreground
- image
- unit
- 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
Landscapes
- Image Analysis (AREA)
Abstract
Description
領域抽出装置10への入力データとしての多視点映像は、共通のシーンを異なるカメラ視点で配置された複数(少なくとも2つ)のカメラで撮影して得られるものである。図4は、多視点映像を得るカメラ配置の模式例として、10台のカメラC1〜C10が共通のフィールドF(例えばスポーツが行われるフィールドF)を取り囲んで撮影している状況を示す図である。多視点映像の各カメラの映像においては時刻同期を行っておくものとする。また、各カメラに関してはそれぞれ独立にカメラキャリブレーションを行っておき、カメラパラメータを求めておくものとする。
ステップS1では、入力される現時刻tの多視点画像の各カメラ視点の画像に対して、分割部1が領域分割を行うことにより、粗な状態の前景マスクを得て、この前景マスクを逆投影部2へと出力してから、ステップS2へと進む。
ステップS2では、逆投影部2が多視点画像の各視点における前景マスクをフィールドF(実空間)の3次元空間内へと逆投影し、視体積交差法を適用することにより、対象物の3Dモデルを得てこの3Dモデルを投影部3へと出力してから、ステップS3へと進む。
ステップS3では、投影部3が、直前のステップS2において逆投影部2で得られた3Dモデルを多視点画像の各画像平面へと投影することで各視点での前景マスクを得て、この前景マスクを算出部4及び改良部5へと出力してから、ステップS4へと進む。この出力の流れは図1中にそれぞれ線L3及びL4として示される通りである。
ステップS4では、直前のステップS3で投影部3より得られた前景マスクを用いて算出部4が距離マップを算出し、この距離マップを改良部5へと出力してからステップS5へと進む。
ステップS5では、直前のステップS4において算出部4より得られた距離マップを利用した可変閾値(画素位置ごとに変化しうる閾値)での背景差分法を適用することにより、直前のステップS3において投影部3から得られた前景マスク内からこの背景差分法によって前景と判定される領域のみを抽出することで、改良された前景マスクを得てから、ステップS6へと進む。
改良部5で得る前景マスク⊂投影部3で得る前景マスク
ステップS6では、改良部5が、自身が直前のステップS5で得た前景マスクに関して、収束しているか否かを判定する。具体的には、直前のステップS5で得た前景マスクをn回目(図3のステップS7からステップS2に戻ることによるループ処理構造でのn回目)の前景マスクFG(n)とすると、前回の前景マスクFG(n-1)との相違をこれらの排他的論理和(XOR)の集合XOR(FG(n),FG(n-1))のピクセル数|XOR(FG(n),FG(n-1))|として評価し、このピクセル数が所定閾値未満であれば収束したものとしてステップS8へと進み、所定閾値以上であれば収束していないものとして、ステップS7へと進む。
ステップS7では、直前のステップS6にて収束判定が得られなかったことから、図1中に線L5として示すように、改良部5が今回の前景マスクFG(n)を最終版ではなく途中版であるものとして逆投影部2へと出力してから、ステップS2へと戻る。
ステップS8では、直前のステップS6にて収束判定が得られたことから、図1中に線L6として示すように、改良部5が今回の前景マスクFG(n)を最終版(多視点映像の現時刻tのフレーム画像における最終的な前景抽出結果に該当するもの)として出力してから、ステップS9へと進む。
ステップS9では、線L7として示すように改良部5が現時刻tの最終結果を得た旨の通知を受けたうえで、予測部7が、次の時刻t+1で改良部5が背景差分法を適用するためのパラメータ(平均及び標準偏差)を予測して改良部5へと出力したうえで、図3のフローは終了する。なお、図3のステップS9は、図2ではステップS12に相当するものである。
Claims (9)
- 多視点画像の各視点の画像に領域分割を適用して各視点の第1前景マスクを得る分割部と、
前記各視点の第1前景マスクに交差判定を緩和した視体積交差法を適用して3次元モデルを得る逆投影部と、
前記3次元モデルを前記多視点画像の各視点の画像平面に投影して各視点の第2前景マスクを得る投影部と、
前記各視点の第2前景マスクより前景への距離マップを算出する算出部と、
前記各視点の第2前景マスクに対して、前記距離マップを考慮した背景差分法を適用して前景抽出することにより、前記多視点画像からの領域抽出結果としての、各視点の第3前景マスクを得る改良部と、を備えることを特徴とする領域抽出装置。 - 前記分割部では、予め学習された畳込ニューラルネットワークを用いて、領域種別の識別を含めて領域分割を行うことを特徴とする請求項1に記載の領域抽出装置。
- 前記分割部では、前記識別された領域種別が特定のもののみを前景として、前記第1前景マスクを得ることを特徴とする請求項2に記載の領域抽出装置。
- 前記逆投影部では、前記多視点画像の全視点のうち少なくとも所定数の視点の第1前景マスクにおいて交差判定が得られる領域として、前記3次元モデルを得ることを特徴とする請求項1ないし3のいずれかに記載の領域抽出装置。
- 前記算出部では、各画素位置において第2前景マスクにおける前景への最短距離を与えたものとして前記距離マップを算出することを特徴とする請求項1ないし4のいずれかに記載の領域抽出装置。
- 前記改良部では、背景差分法を適用することで、各画素位置において、予め定義されている背景モデルからの画素値の相違が所定範囲内にあると判定される場合に背景として判定し、
当該判定において、当該画素位置における前記距離マップの距離の値が大きいほど、前記判定するための所定範囲が広いことを特徴とする請求項1ないし5のいずれかに記載の領域抽出装置。 - 前記逆投影部、投影部、算出部及び改良部は、この順番で各回の繰り返し処理を行い、繰り返し処理における今回の改良部の処理で得た第3前景マスクが次回の逆投影部での視体積交差法の適用対象として用いられ、
前記改良部は、繰り返し処理の今回において得られた第3前景マスクと前回において得られた第3前景マスクとを比較し、相違がなくなったと判定された場合に繰り返し処理を終えることを特徴とする請求項1ないし6のいずれかに記載の領域抽出装置。 - 前記改良部は、繰り返し処理の今回において得られた第3前景マスクと前回において得られた第3前景マスクとの排他的論理和を求めることにより、前記比較することを特徴とする請求項7に記載の領域抽出装置。
- コンピュータを請求項1ないし8のいずれかに記載の領域抽出装置として機能させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019059632A JP7063837B2 (ja) | 2019-03-27 | 2019-03-27 | 領域抽出装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019059632A JP7063837B2 (ja) | 2019-03-27 | 2019-03-27 | 領域抽出装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020160812A true JP2020160812A (ja) | 2020-10-01 |
JP7063837B2 JP7063837B2 (ja) | 2022-05-09 |
Family
ID=72643520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019059632A Active JP7063837B2 (ja) | 2019-03-27 | 2019-03-27 | 領域抽出装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7063837B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022088982A1 (zh) * | 2020-10-30 | 2022-05-05 | 京东方科技集团股份有限公司 | 三维场景构建方法、装置、系统和存储介质 |
KR102416218B1 (ko) * | 2022-02-04 | 2022-07-05 | 국방과학연구소 | 영상 프레임에 포함된 객체에 대한 세그멘테이션을 획득하는 방법 및 장치 |
WO2022162877A1 (ja) * | 2021-01-29 | 2022-08-04 | 日本電信電話株式会社 | 画像処理装置、画像処理方法、およびプログラム |
WO2022185403A1 (ja) * | 2021-03-02 | 2022-09-09 | 日本電信電話株式会社 | 画像処理装置、画像処理方法、およびプログラム |
WO2023053229A1 (ja) * | 2021-09-28 | 2023-04-06 | 富士通株式会社 | 画像処理プログラム、画像処理装置、及び画像処理方法 |
JP7482070B2 (ja) | 2021-03-16 | 2024-05-13 | 株式会社東芝 | 学習方法、プログラム及び画像処理装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003271928A (ja) * | 2002-03-13 | 2003-09-26 | Nippon Hoso Kyokai <Nhk> | 三次元モデリング装置及びその方法及びそのプログラム |
JP2011113177A (ja) * | 2009-11-25 | 2011-06-09 | Kddi Corp | 被写体3次元モデルを構築する方法およびプログラム |
JP2018124890A (ja) * | 2017-02-03 | 2018-08-09 | 日本電信電話株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
JP2019047431A (ja) * | 2017-09-06 | 2019-03-22 | キヤノン株式会社 | 画像処理装置及びその制御方法、画像処理システム |
-
2019
- 2019-03-27 JP JP2019059632A patent/JP7063837B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003271928A (ja) * | 2002-03-13 | 2003-09-26 | Nippon Hoso Kyokai <Nhk> | 三次元モデリング装置及びその方法及びそのプログラム |
JP2011113177A (ja) * | 2009-11-25 | 2011-06-09 | Kddi Corp | 被写体3次元モデルを構築する方法およびプログラム |
JP2018124890A (ja) * | 2017-02-03 | 2018-08-09 | 日本電信電話株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
JP2019047431A (ja) * | 2017-09-06 | 2019-03-22 | キヤノン株式会社 | 画像処理装置及びその制御方法、画像処理システム |
Non-Patent Citations (2)
Title |
---|
HIROSHI SANKOH, 外3名: ""Robust background subtraction method based on 3D model projections with likelihood"", 2010 IEEE INTERNATIONAL WORKSHOP ON MULTIMEDIA SIGNAL PROCESSING, JPN6022005718, 6 October 2010 (2010-10-06), pages 171 - 176, XP031830577, ISSN: 0004707551 * |
山田健太郎, 外2名: ""シルエット抽出とモデル生成の相互フィードバックによるTime−Varying Meshの高精度化"", 電子情報通信学会論文誌, vol. 第J93-D巻, 第8号, JPN6022005719, 1 August 2010 (2010-08-01), JP, pages 1533 - 1543, ISSN: 0004707550 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022088982A1 (zh) * | 2020-10-30 | 2022-05-05 | 京东方科技集团股份有限公司 | 三维场景构建方法、装置、系统和存储介质 |
US11954813B2 (en) | 2020-10-30 | 2024-04-09 | Boe Technology Group Co., Ltd. | Three-dimensional scene constructing method, apparatus and system, and storage medium |
WO2022162877A1 (ja) * | 2021-01-29 | 2022-08-04 | 日本電信電話株式会社 | 画像処理装置、画像処理方法、およびプログラム |
WO2022185403A1 (ja) * | 2021-03-02 | 2022-09-09 | 日本電信電話株式会社 | 画像処理装置、画像処理方法、およびプログラム |
JP7482070B2 (ja) | 2021-03-16 | 2024-05-13 | 株式会社東芝 | 学習方法、プログラム及び画像処理装置 |
WO2023053229A1 (ja) * | 2021-09-28 | 2023-04-06 | 富士通株式会社 | 画像処理プログラム、画像処理装置、及び画像処理方法 |
KR102416218B1 (ko) * | 2022-02-04 | 2022-07-05 | 국방과학연구소 | 영상 프레임에 포함된 객체에 대한 세그멘테이션을 획득하는 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP7063837B2 (ja) | 2022-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7063837B2 (ja) | 領域抽出装置及びプログラム | |
Tung et al. | Self-supervised learning of motion capture | |
EP4002198A1 (en) | Posture acquisition method and device, and key point coordinate positioning model training method and device | |
CN111428765B (zh) | 一种基于全局卷积、局部深度卷积融合的目标检测方法 | |
US10354129B2 (en) | Hand gesture recognition for virtual reality and augmented reality devices | |
CN108292362B (zh) | 用于光标控制的手势识别 | |
Menze et al. | Object scene flow for autonomous vehicles | |
EP2671384B1 (en) | Mobile camera localization using depth maps | |
WO2020119661A1 (zh) | 一种目标检测方法、装置以及行人检测方法、系统 | |
JP6065427B2 (ja) | オブジェクト追跡方法及びオブジェクト追跡装置 | |
US9367920B2 (en) | Method and apparatus for processing images | |
WO2019071976A1 (zh) | 基于区域增长和眼动模型的全景图像显著性检测方法 | |
CN110910452B (zh) | 一种基于深度学习的低纹理工业零件位姿估计方法 | |
Li et al. | Photo-realistic simulation of road scene for data-driven methods in bad weather | |
CN105809716A (zh) | 融合超像素与三维自组织背景减除法的前景提取方法 | |
US20210407125A1 (en) | Object recognition neural network for amodal center prediction | |
CN112102342B (zh) | 平面轮廓识别方法、装置、计算机设备和存储介质 | |
CN108960012A (zh) | 特征点检测方法、装置及电子设备 | |
Lee et al. | Game engine-driven synthetic data generation for computer vision-based safety monitoring of construction workers | |
US11080861B2 (en) | Scene segmentation using model subtraction | |
CN115841546A (zh) | 一种场景结构关联的地铁站多视矢量仿真渲染方法及系统 | |
JP6641313B2 (ja) | 領域抽出装置及びプログラム | |
CN112926681B (zh) | 一种基于深度卷积神经网络的目标检测方法及装置 | |
CN114748872B (zh) | 一种基于信息融合的游戏渲染更新方法 | |
CN116091871B (zh) | 一种针对目标检测模型的物理对抗样本生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210208 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220131 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220216 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220401 |
|
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: 20220413 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220421 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7063837 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |