JP2020531997A - フローベクトル仮説の尤度確認のための方法および装置 - Google Patents

Abstract

本発明は、フローベクトル仮説の尤度確認のための装置および方法に関する。この場合、特徴（４）に帰属する予測ベクトル（１２）を、第１の画像（１）と第２の画像（２）との間の特徴（４）の動きに基づいて確定し、この第２の画像（２）は連続画像（２０）内で第１の画像（１）の後にくる画像であり、かつ特徴（４）に帰属する仮説ベクトル（１３）を生成し、この仮説ベクトル（１３）は第２の画像（２）と第３の画像（３）との間の特徴（４）の推測上の動きを表しており、この第３の画像（３）は連続画像（２０）内で第２の画像（２）の後にくる画像であり、かつ予測ベクトル（１２）と仮説ベクトル（１３）との間の類似度を、予測ベクトル（１２）と仮説ベクトル（１３）との間の違いに基づいて計算し、かつ仮説ベクトル（１３）の尤度を、算出された類似度に基づいて評価し、その際、仮説ベクトル（１３）が、第２の画像（２）と第３の画像（３）との間の特徴（４）の実際の動きを表しているかどうかを評価する。

Description

本発明は、フローベクトル仮説の尤度確認のための方法および装置に関する。

オプティカルフロー（ＯＦ）の場合、対応は、第１の画像内の座標と第２の画像内の座標との間の割当てを決定することにより、時間方向に形成される。このような対応は、この場合、３Ｄシーン内の点の２Ｄ画像内への射影が、古い座標から新しい座標へと、どのようにさらに動いたかを提示している。

この場合の画像内の動きは、シーン点の動きによって、もしくはカメラの動きによって、または同時に両方によって引き起こされ得る。
オプティカルフローは既に様々な製品で用いられており、例えば運転者支援システムで用いられている。

フローベクトル仮説の尤度確認のための本発明による方法は、特徴に帰属する予測ベクトルを、第１の画像と第２の画像との間の特徴の動きに基づいて確定し、この第２の画像が連続画像内で第１の画像の後にくる画像であること、および特徴に帰属する仮説ベクトルを生成し、この仮説ベクトルが第２の画像と第３の画像との間の特徴の推測上の動きを表しており、この第３の画像が連続画像内で第２の画像の後にくる画像であること、および予測ベクトルと仮説ベクトルとの間の類似度を、予測ベクトルと仮説ベクトルとの間の違いに基づいて計算すること、および仮説ベクトルの尤度を、算出された類似度に基づいて評価し、その際、仮説ベクトルが、第２の画像と第３の画像との間の特徴の実際の動きを表しているかどうかを評価することを含んでいる。

フローベクトル仮説の尤度確認のための本発明による装置は計算ユニットを含んでおり、この計算ユニットは、特徴に帰属する予測ベクトルを、第１の画像と第２の画像との間の特徴の動きに基づいて確定し、この第２の画像が連続画像内で第１の画像の後にくる画像であるように、および特徴に帰属する仮説ベクトルを生成し、この仮説ベクトルが第２の画像と第３の画像との間の特徴の推測上の動きを表しており、この第３の画像が連続画像内で第２の画像の後にくる画像であるように、および予測ベクトルと仮説ベクトルとの間の類似度を、予測ベクトルと仮説ベクトルとの間の違いに基づいて算出するように、および仮説ベクトルの尤度を、算出された類似度に基づいて評価し、その際、仮説ベクトルが、第２の画像と第３の画像との間の特徴の実際の動きを表しているかどうかを評価するように適応されている。

第１、第２、および第３の画像は、連続画像の画像である。この連続画像は、例えばビデオシーケンスである。これに関し、連続画像内の時間的順序では、最初に第１の画像、その後に第２の画像、およびその後に第３の画像がくることが好ましい。

特徴とは、画像内に写像される特徴である。この特徴の写像は、とりわけ単一画素または画素群に限定されている。画像間での特徴の動きにより、画像によって示されている周囲内でのオブジェクトの動きおよび／または画像を捕捉したカメラの動きが表現されている。

特徴に帰属する予測ベクトルの確定の際は、第１の画像と第２の画像との間の特徴の動きを捕捉する。つまり２つの画像間での特徴のポジション変更を捕捉し、それを基に、特徴の将来的に予想されるポジション変更を推定する。この動きは、第１の画像内の動きの出発地点と第２の画像内の動きの最終地点とを結ぶベクトルによって表すことができる。まさにカメラによって捕捉された連続画像内では、オブジェクトが個々の画像間を連続的に動くのが典型的である。これはオブジェクトの動きが、その方向または速度を急には変えないことを意味している。したがって第１の画像と第２の画像との間の特徴の動きにより、第２と第３の画像との間を特徴がどのように動くのかを推算することができる。この動きが予測ベクトルによって表される。最も単純な場合には、この予測ベクトルは、第１の画像と第２の画像との間の特徴の動きを表す動きベクトルと同じである。好ましいのは、予測ベクトルの確定に、もっとさらなる情報が作用することである。よって例えば、カメラの動きを捕捉して、この動きを動きベクトルに適切に付加し、それを基に予測ベクトルを確定することができる。したがってこの予測子は、第２の画像と第３の画像との間の特徴の予想される動きを表している。

カメラの動きを適切に付加するとは、例えば、第１の画像と第２の画像との間の特徴の動きを、最初に、オブジェクトの連続的な動きによって引き起こされた第１の部分と、カメラの動きによって引き起こされた第２の部分とに分解するということであると理解され得る。両方の部分に対し、別々に予想をすることができる。

よって例えば、オブジェクトはそれまでに観察された動きに相応に、例えば空間内で一定の速度または空間内で一定の加速度で、さらに動くと仮定できる。カメラの動きに関しては、場合によってはそれだけでなく例えばさらなるセンサに由来する（例えば車両のオドメトリおよび／または慣性センサ技術）か、またはカメラ画像から取得される測定があってよく、その際、複数のベクトルからカメラ自体の動きを決定する。この場合、第２の画像と第３の画像との間の特徴の動きの予測は、両方の部分、つまりオブジェクトの動き予測に関する第１の部分とカメラの動きに関する第２の部分とを組み合わせること、例えば加算することで形成され得る。これに関し第２の部分は測定でき、これは、単純な外挿法による予測に比べてより高い精度をもたらし得る。

特徴に帰属する仮説ベクトルの生成の際は、第２の画像と第３の画像との間で特徴がどのように動いたかの推測を立てる。このために例えば、第３の画像内のどこに、仮説ベクトルが生成されるサーチ中の特徴に類似する特徴が存在しているかという趣旨で、第３の画像の分析を行う。よって例えば、第２および第３の画像内で類似の色特性をもつ画素がどこに存在するのかを分析することができる。この場合にはとりわけ、画像の各特徴に最大で１つのフローベクトルが割り振られるべきであるという要求も考慮できる。仮説ベクトルは、特徴に帰属する正しいフローベクトルと見なされるフローベクトルである。しかしながらこれに関しては、仮説ベクトルの基礎になっている分析が誤っている可能性がある。それゆえ最初は仮説が立てられるだけなので、仮説ベクトルと言われる。

予測ベクトルと仮説ベクトルの間の類似度の計算の際は、とりわけ、類似度を表すリンクコストを計算することができる。これに関し、高いリンクコストは低い類似度を、および低いリンクコストは高い類似度を表す。したがって類似度により、第１と第２の画像との間の特徴の動きが、第２と第３の画像との間の特徴の動きの許容差の範囲内に相当するのかどうか、つまり特徴が仮説ベクトルに基づいて動くのかどうかの判断を可能にする指標が提供される。オブジェクトの動きはその方向または速度を急には変えないという仮定の下、仮説ベクトルは許容差の範囲内で予測ベクトルに相当するということを前提とし得る。こうすることで、第２と第３の画像との間の特徴の実際の動きを表す仮説ベクトルに対して類似度が計算される場合、つまり仮説ベクトルが正しい仮説に基づいている場合には、高い類似度および場合によっては低いリンクコストが生じる。予測ベクトルにより、考察中の特徴が許容差の範囲内で予想に基づいて第３の画像内のどこに写像されているのが望ましいかが定義されているので、例えば、第３の画像内で１つの画素または画素の組合せが、色彩の類似性により誤って、仮説ベクトルが生成される特徴とされてしまうことで、誤った仮説が立てられた場合には、低い類似度および場合によっては高いリンクコストが生じることになる。

予測ベクトルと仮説ベクトルとの間の違いは、とりわけ、ベクトルの長さおよび／または向きの違いによって定義される。長さにより、連続画像内での特徴の動きの速度が表されている。向きにより、連続画像内での特徴の動きの軌道が表されている。したがってベクトルの長さおよび／または向きに基づく違いにより、画像を捕捉するカメラに対する、特徴に帰属するオブジェクトの実際の動きが、特に単純に表されている。これに関し、長さと向きの変化は連続画像の進行方向に応じて異なる仮定を基礎とし得るので、とりわけ長さと向きの別々の考察が有利である。

仮説ベクトルの尤度の評価の際には、類似度の計算の際に予測ベクトルと仮説ベクトルとの間のより小さな類似性が生じる場合より、予測ベクトルと仮説ベクトルとの間のより大きな類似性が生じる場合に、尤度をより高く評価する。この尤度は、仮説ベクトルの基礎となっているフローベクトル仮説を正しいと見なすべきかどうかを表している。その際、類似度が高い場合にはフローベクトル仮説が正しく、つまり仮説ベクトルが高い尤度を有することを前提とする。相応に、類似度が低い場合にはフローベクトル仮説が誤っており、つまり仮説ベクトルが低い尤度を有することを前提とする。

最も単純な場合には、尤度を類似度だけに基づいて評価する。ただし代替的なアプローチによって尤度の評価を可能にするさらなるバリデーション法との組合せも可能である。よって例えば、本発明による方法では尤度が高く格付けされるかもしれないが、しかしこれに並行して、競合する評価によって下げられるかもしれない。

１つの特徴点を評価するために複数の競合する仮説ベクトルが提供されている場合、与えられている予測ベクトルに対して最高の類似度または最低のリンクコストをもたらす仮説ベクトルを選択することができ、ただしリンクコストが閾値以下の場合に限る。その代わりに、例えば上からＮ個の尤もらしい仮説ベクトルを確定するために、仮説ベクトルをそれぞれ確定された類似度またはそれぞれ確定されたリンクコストに基づいて順番に並べることができる。

本発明による方法および本発明による装置により、フローベクトル仮説を評価する際のロバスト性を高めることができる。したがって、フローフィールドを特に高い信頼性で生成することができる。

本発明による装置は、本発明による方法を実行するように適応されている。
従属請求項は、本発明の好ましい変形形態を示している。
有利なのは、本方法をループで実行し、その際に、前のループ実行での特徴の仮説ベクトルに割り当てられた情報に基づく情報を、目下のループ実行での特徴の仮説ベクトルに割り当てる場合である。こうして、連続画像内の特徴の、仮説ベクトルによって表される動きだけでなく、さらなる情報も、連続画像をわたって伝送させることができる。仮説ベクトルとリンクした画像情報は、とりわけその後の画像の仮説ベクトルの尤度評価に利用できる。特徴によって写像されたオブジェクトの特性を表す情報も、特徴に割り当てることができる。その際にとりわけ有利なのは、１番目のループ実行で尤もらしいと格付けされた仮説ベクトルがフローベクトルとして、リンクされた情報と一緒にフローフィールドに引き継がれ、その後の２番目のループ実行ではこの仮説ベクトルがリンクした情報と一緒に、２番目のループ実行のための特徴の予測ベクトルとしてフローフィールドから読み出される場合である。

有利なのはさらに、仮説ベクトルに割り当てられた情報がリンクチェックの結果である場合であり、これに関し、リンクチェックは各ループ実行で実施され、この場合、特徴の予測ベクトルおよび仮説ベクトルは、リンクチェックの際に予測ベクトルと仮説ベクトルとの間の類似度が設定基準を上回る場合に、相互にリンクしていると見なされ、かつ各ループ実行では仮説ベクトルの尤度の評価が、さらに、その前の１つまたは複数のループ実行で特徴の予測ベクトルと仮説ベクトルが相互にリンクしていると見なされたかどうかに基づいて行われる。仮説ベクトルの尤度の評価が、さらに、その前の１つまたは複数のループ実行で特徴の予測ベクトルと仮説ベクトルが相互にリンクしていると見なされたかどうかに基づいて行われることにより、仮説ベクトルの前歴の考察が行われる。仮説ベクトルのこの前歴を仮説ベクトルの年齢とも言う。よって特徴の予測ベクトルと仮説ベクトルが、相次ぐループ実行で既に複数回にわたって相互にリンクしていると見なされていた場合、仮説ベクトルは高い年齢を有する。とりわけ、特徴の予測ベクトルと仮説ベクトルが相互にリンクしていると見なされた相次ぐループ実行の数を、年齢属性として、仮説ベクトルに情報として割り当てることができる。仮説ベクトルの前歴の考察により、尤度を高い信頼性で決定できる。したがって連続画像のその前の複数の画像から生じる特徴の動きの評価が、尤度の評価に追加的に作用する。よって仮説ベクトルは、仮説が作成された帰属する特徴が、相次ぐループ実行において連続的に低いリンクコストを有する場合にのみ、特に尤もらしいと見なされる。こうすることで仮説の履歴評価が行われ、この評価は特に信頼性が高い。

仮説ベクトルに割り当てられた情報が、特徴に帰属するオブジェクトのオブジェクトクラスを表す場合も有利である。こうしてとりわけ、仮説ベクトルに割り当てられた特徴がある特定のオブジェクトクラスのオブジェクトであることを提示する情報が、特徴とリンクされる。これに関しては例えば、特徴がある特定のオブジェクトクラスのオブジェクトである確率を表す確率値を特徴とリンクさせる。その際、確率値をフローフィールド内で特徴に割り当てることが好ましい。このオブジェクトクラスとは、とりわけ、オブジェクトのために特徴によって写像されているものを表している。これに関し１つのオブジェクトクラスには、とりわけ、予め定義された指示の枠内で類似の動き特性を有するオブジェクトがまとめられている。オブジェクトクラスはとりわけ、仮説ベクトルの尤度を評価するために、例えば予測ベクトルと仮説ベクトルとの間の類似度を定義するべく参照され、仮説ベクトルの尤度が正に評価されるには、類似度が少なくとも存在していなければならない。こうしてとりわけ、特徴に割り当てられたオブジェクトクラスが、例えばタイプ「人」のオブジェクトを含む第１のオブジェクトクラスである場合、類似度に関する閾値を第１の値にセットする。さらに、特徴に割り当てられたオブジェクトクラスが例えばタイプ「車両」のオブジェクトを含む第２のオブジェクトクラスである場合、類似度に関する閾値を第２の値にセットする。第１の値は第２の値より小さい。閾値以下の場合にのみ、尤度の比較的高い評価が行われる。こうすることで、例示的なオブジェクトクラス「人」および「車両」の場合、例えば車両には、連続画像内でのその動きに、人の場合より高い連続性が予想されるべきことが考慮される。

予測ベクトルと仮説ベクトルとの間の類似度の計算の際に、予測ベクトルに対する直交方向でのズレが、予測ベクトルに対する縦方向でのズレより強く評価されるか、または仮説ベクトルに対する直交方向でのズレが、仮説ベクトルに対する縦方向でのズレより強く評価される場合も有利である。より強い評価は、計算される類似度への影響がより大きいことを意味する。これにより、直線上を同じステップで動いているオブジェクトの３Ｄ点は画像に射影すると一般的に同じ大きさのステップでは動かないことが考慮される。むしろ画像内のステップは、点がカメラに近い場合にはより大きく、点がカメラから遠くに離れている場合にはステップがより小さい。

有利なのはさらに、予測ベクトルは後方フローを表すフローフィールドから確定され、かつ／または仮説ベクトルは前方フローを表すフローフィールドから確定される場合である。予測ベクトルおよび／または仮説ベクトルのこのような計算の際、予測ベクトル（後方フローとしての）は、第２の画像の仮説ベクトル（前方フローとしての）が始まる画像ポジションで終端しており、これによりつまり予測ベクトルと仮説ベクトルとの間の割当ては既に暗示的に与えられており、最初に確定しなくてよい。そして後方フローおよび前方フローのこのような計算は、フローフィールドの評価に必要なので、フローフィールドの生成の枠内で行われる。したがって、１つまたは複数のフローベクトル仮説の追加的な尤度確認を、少ない追加的な計算作業で、入手可能なデータに基づいて行うことができる。

類似度の計算の際に予測ベクトルの適合を行う場合も有利であり、この適合により、第１の画像と第２の画像との捕捉の間のカメラの動きが補正され、かつ／または第２の画像と第３の画像との捕捉の間のカメラの動きが補正される。これにより、画像内での特徴のポジションの、帰属するオブジェクト自体の動きからは生じていない変更が、類似度の計算に作用して計算を歪曲するのを回避できる。

これに加え、類似度を、予測ベクトルと仮説ベクトルとの間の違いから、設定された関数を使って確定する場合が有利であり、これに関しては設定された関数により、とりわけ、予測ベクトルと仮説ベクトルとの間の違いの重み付けが行われる。こうして、予測ベクトルと仮説ベクトルとの間の類似度を幾何学的に算出して、類似度に関する単純な数値に転換することができる。この場合の違いの重み付けは、とりわけ、小さな違いが特に大きな類似度および場合によっては特に低いリンクコストを生じさせ、かつ大きな違いが特に小さな類似度および場合によっては特に高いリンクコストを生じさせるように行われる。重み付けはとりわけ類似度に対して非線形に行われる。

有利なのはさらに、類似度の計算の際に、違いを、予測ベクトルと仮説ベクトルとからの差を形成することで生成される差分ベクトルを使って確定する場合である。このような差分ベクトルは、予測ベクトルと仮説ベクトルとの間の類似性を表す簡単に算出できるパラメータである。予測ベクトルおよび仮説ベクトルをそれぞれ、オブジェクトの動きによって引き起こされた第１の部分と、カメラの動きによって引き起こされた第２の部分とに分解することが好ましく、こうして差分ベクトルを、オブジェクトの動きによって引き起こされた部分のみに基づいて確定することが有利である。

有利なのはさらに、類似度の計算の際に、違いを、差分ベクトルの２つのベクトル成分を使って確定する場合であり、これに関してはとりわけ、両方のベクトル成分の異なる重み付けを行う。これにより、違いの異なる評価が行われ、この評価は、予測ベクトルと仮説ベクトルとの間のズレがどの方向に存在しているのかに依存している。こうしてとりわけ、仮説ベクトルの向きに対して直交に、その代わりに予測ベクトルの向きに対して直交に方向づけられているズレが、仮説ベクトルの向きに対して縦方向に、その代わりに予測ベクトルの向きに対して縦方向に方向づけられているズレより高く重み付けられ、かつより強く類似度に作用する。こうすることで、例えば縦方向でのズレを、直交方向でのズレとは違うように、とりわけより弱く評価できる。これにより例えば、直線上を同じ大きさのステップで動いている３Ｄ点は画像に射影すると一般的に画像内では同じ大きさのステップでは動かないという事実を考慮できる。むしろ画像内のステップは、点がカメラに近い場合にはより大きく、点が遠くに離れている場合にはより小さい。

有利なのはさらに、特徴に帰属する１つの仮説ベクトルの生成の際に、特徴に帰属する複数の仮説ベクトルを生成し、かつ類似度の計算および尤度の評価を仮説ベクトルの各々に対して行う場合である。これにより、優先すべき仮説ベクトルの有利な選択を提供できる。とりわけ、尤度に基づいて仮説ベクトルの１つの選択を行う。こうして、最高尤度をもつ仮説ベクトルが、第２の画像と第３の画像との間の特徴の実際の動きを表す仮説ベクトルと見なされることが好ましい。ただしその際、仮説ベクトルの尤度が例えば設定された閾値より下にある場合は、帰属する類似度が低すぎるので、仮説ベクトルのすべてを拒絶するということもあり得る。

以下では、本発明の例示的実施形態を添付の図面を参照しながら詳細に説明する。

例示的な連続画像を示す図である。 例示的な予測ベクトルおよび例示的な仮説ベクトルを示す図である。 異なるリンクコストを生じさせる予測ベクトルおよび仮説ベクトルを示す図である。 リンクコストの重み付けのための例示的な関数を示す図である。 フローベクトル仮説の尤度確認のための装置を示す図である。

図１は、例示的な連続画像２０を示している。連続画像２０は、第１の画像１、第２の画像２、および第３の画像３を含んでいる。示した例示的な連続画像２０内では、第１の画像１のすぐ後に第２の画像２がきて、第２の画像２のすぐ後に第３の画像３がきている。ただし個々の画像の間に、連続画像２０内のさらなる画像が存在していてもよい。連続画像２０は、カメラ４１によって捕捉されたビデオシーケンスである。

カメラ４１により、画像１、２、３内で、それぞれの画像１、２、３の特徴４として示されているオブジェクトが捕捉された。そして特徴４は、図示した連続画像２０内では左下から右上へと、ビデオシーケンスによって表示されている画像を横切って動いている。これに関し図１では、特徴はそれぞれの画像１、２、３の、特徴が実線で示されている位置にしか存在していない。そのほかの画像内での特徴４のポジションを破線で示している。つまり第１の画像１内の特徴４は、第１のポジション５に存在する。第２の画像２では、特徴４は第２のポジション６に存在する。第３の画像３では、特徴４は第３のポジション７に存在する。これに関し特徴４はとりわけ少数の画素に限定されている。

図１ではさらに、特徴４に帰属する２つのフローベクトル１０、１１を示している。第１のフローベクトル１０は、第１の画像１と第２の画像２との間の特徴４の動きを表している。第２のフローベクトル１１は、第２の画像２と第３の画像３との間の特徴４の動きを表している。

第２のフローベクトル１１は、第２の画像２および第３の画像３から、画像分析によって確定された。これは、フローベクトル仮説を生成するかまたは立てることによって行われる。フローベクトル仮説により、仮説ベクトル１３が生成される。したがって第２のフローベクトル１１は仮説ベクトル１３に相当する。これに関し、画像分析の際に誤った結果が出ることがある。画像分析では、第３の画像３内に示された特徴４が、第２の画像２内に示された特徴４とは違うオブジェクトに属しているかもしれないという問題がある。この場合には、確かに仮説ベクトル１３が確定されたであろうが、この仮説ベクトル１３は、連続画像２０内での特徴４の動きを表しているのではなく、異なる特徴のポジションを結んでいるので、正しいフローベクトルではない。したがって第２のフローベクトル１１が正しいフローベクトルかどうかは確実でない。それゆえフローベクトル仮説と言う。フローベクトル仮説を生成する際に算出されるフローベクトルは、それゆえ仮説ベクトル１３と言う。仮説ベクトル１３が正しいフローベクトルかどうかが最終的に決着していないので、仮説ベクトル１３は、第２の画像２と第３の画像３との間の特徴４の推測上の動きを表している。

前方フローと後方フローとを区別しており、これにより、どの画像内に基準ピクセルが存在するのか、およびどの画像内で対応がサーチされたか（サーチ方向）が表現される。結果を（マトリクス構造における）フローフィールドとして提供する場合、一般的には、どの座標系内にフローフィールドが格納されているのかも、サーチ方向によって規定されている。このフローフィールドは、フローベクトルから成るフィールドであり、フローフィールドには、すべてのフローベクトルまたは少なくともすべての計算されたフローベクトルが登録されており、これらのフローベクトルは２つの画像のペアに対して生じている。追加的に、フローベクトルにそれぞれ属性を割り当てることもできる。

ここで前方フローに関しては、前の画像内の基準ピクセルおよび目下の画像内の対応がサーチされる。結果は、前の画像の座標内に格納される。後方フローに関しては、目下の画像内の基準ピクセルに対し、前の画像内の対応がサーチされる。結果は、目下の画像の座標内に格納される。ただし両方の場合において、それぞれのフローベクトル１０、１１のフローベクトル成分の符号は同様に規定され、詳しくは、水平な成分は画像内での右への動きの場合に正であり、かつ鉛直な成分は画像内での下への動きの場合に正であるように規定される。

仮説ベクトル１３が以前の時間ステップ内で既に、方向および数値において、考察中のフローベクトル仮説に「合致」する先行ベクトルを有していた場合には、このフローベクトル仮説の信用、したがって仮説ベクトル１３の尤度が上昇する。これに関しては、特徴４に帰属するオブジェクトはその質量に基づいて「惰性で」動き、またカメラ４１も、質量のあるオブジェクト（例えば車両）と固定的に結合しているので惰性で動くという仮定が基礎になっている。つまり、画面内での突然の方向変更は実際には発生しない。これに関してはカメラ４１の十分に高いサンプリングレートを前提としている。

したがって予測ベクトル１２により、第１の画像１と第２の画像２との間の特徴４の動きを表す予測子の確定が行われ、この第２の画像２は、連続画像２０内で第１の画像１の後にくる画像である。よって予測ベクトル１２は、図１に示した例では第１のフローベクトル１２に相当する。

第１〜第３の画像１、２、３は、カメラ４１によって撮影された。これに関し第１の画像１は第１の時点ｔ_１で、第２の画像２は第２の時点ｔ_２で、および第３の画像３は第３の時点ｔ_３で撮影された。画像１、２、３は相次いで撮影されているが（ここでｔ_１＜ｔ_２＜ｔ_３）、必ずしも直接的に相次いで撮影されていなくてよい（つまり、その間に、なおさらなる画像が撮影されたかもしれない）。画像１、２、３間の一定の時間間隔は必要ない。これはつまり除法表現ｑ

が、一般的には１でなくてもよいことを意味する。
予測として、例えば、時点ｔ_１とｔ_２との間の既に存在しているオプティカルフローフィールドを使用することができる。このフローフィールドは、後方フローとして存在することが好ましく、というのもこれは、予測ベクトル１２が既に共通の時点ｔ_２のふさわしい座標系内に存在しており、つまりもう換算（ワープ）しなくてよいという利点を有するからである。したがって予測ベクトル１２は後方フローを表すフローフィールドから確定される。

予測のために使用するフローフィールドを別のやり方で生成してもよく、例えば、考察中の時点での３次元シーンモデルおよびカメラポジションについての仮定を使用し、これを基に、予想されるフローフィールドを算出できる。

以下では例示的に最も単純な場合を前提とし、詳しくは、予測を準備するために特別な作業をしなくてよく、かつ予測が古いフローフィールドから成立または生成されることを前提とする。任意選択で、フローベクトル、したがって予測ベクトル１２を予想される長さにするため、予測フローフィールド、したがって予測フローフィールド内で定義されたフローベクトルをある因数によってスケーリングする。その際に有利なのは、フローベクトルのスケーリングのためのこの因数が、除法表現ｑと同じに選択されている場合である。

この予測は、時点ｔ_２とｔ_３との間の次のフローフィールドの決定を補助する。つまり時点ｔ_２を両方のフローフィールドが共有しており、すなわち第１のフローフィールドのフローベクトルはそこで終端しており、第２のフローフィールドのフローベクトルはそこで始まっている。それゆえｔ_２とｔ_３との間の決定すべきフローフィールドが最初は前方フローである場合がさらに有利である。この一連の画像は、時点ｔ_４に割り当てられた（ここでｔ_４＞ｔ_３）さらなる画像を付け加えることで、さらに続き得る。

この場合、ｔ_２とｔ_３との間のフローフィールドが、予測子として使用されて、時点ｔ_３とｔ_４との間のフローフィールドの次の決定を補助することができる（共通の時点ｔ_３）、等々。ここではｔ_２とｔ_３との間のフローフィールドから相応の予測ベクトル１２が読み出される。

フローベクトル仮説ごとに、したがって各仮説ベクトル１３に対してリンクチェックを実施し、これに関しては、仮説、つまり仮説ベクトル１３を、それぞれの予測、つまり予測ベクトル１２と、向きおよび長さに関して比較する。それにより予測ベクトル１２と仮説ベクトル１３との間の違いに基づいてリンクコストが計算され、これらのリンクコストは、予測ベクトル１２と仮説ベクトル１３との間の類似度を提示する。これに関し、高いリンクコストは低い類似度を、および低いリンクコストは高い類似度を表している。よって予測ベクトル１２と仮説ベクトル１３との間の類似度の計算は、予測ベクトル１２と仮説ベクトル１３との間の違いに基づいて行われる。

リンクコストの計算の際に、任意選択で、予測ベクトル１２の適合を行い、この適合により、第１の画像１と第２の画像２との捕捉の間のカメラの動きが補正され、かつ／または第２の画像２と第３の画像３との捕捉の間のカメラの動きが補正される。このために、例えばカメラの動きの変化をセンサ技術または画像評価を使って捕捉し、これに基づいて引き起こされる動きの変化をそれぞれの画素で確定し、予測ベクトル１２を確定するために第１のフローベクトル１０に加算する。

予測ベクトル１２と仮説ベクトル１３は、わかりやすく言えばうまく合っているので、「リンクしている」または「連鎖している」と見なされる。この特性は、それによって承認されたフローベクトル仮説の信用を高め、かつ品質尺度または品質属性として、それぞれのフローベクトルにぶら下げることができる。これにより、フローベクトル仮説の尤度が上昇する。リンクチェックの際、特徴４の予測ベクトル１２と仮説ベクトル１３は、予測ベクトル１２と仮説ベクトル１３との間の類似度が設定基準を上回る場合に、つまりリンクコストが設定基準を下回る場合に、相互にリンクしていると見なされる。予測ベクトル１２と仮説ベクトル１３が相互にリンクしていると見なされる場合は、これを情報として仮説ベクトル１３に割り当てる。

仮説ベクトル１３が、本方法のその後の進行において、例えば特徴４に帰属する予測ベクトル１２を生成する際に、第２の画像２と第３の画像３との間の特徴４の動きに基づくようになる場合は、この情報を、本方法のその後の進行において尤度を評価するために参照できる。したがってこの場合には、仮説ベクトル１３の尤度の評価は、その前の１つまたは複数のループ実行で特徴４の予測ベクトル１２と仮説ベクトル１３が相互にリンクしていると見なされたかどうかに基づいて行われる。

このリンクチェックが、時間的に相次いで何回か成功している場合、承認は相応にはるかに過去に遡る。これに関してはフローベクトルまたは仮説ベクトル１３の年齢という言葉を用い、これは連続して成功したリンクチェックの数のことである。このように形成された年齢はそれがまた品質属性でもあり、この品質属性は数として示すことができ、それぞれのフローベクトルにぶら下げることができる。

本方法はループで実行され、これにより、特徴４に帰属するフローベクトルの加齢が可能になる。これに関し、特徴４に対する仮説ベクトル１３と予測ベクトル１２が、目下のループ実行で相互にリンクしていると見なされるのは、リンクコストの計算が、予測ベクトル１２と仮説ベクトル１３との間の類似性の、設定された度合いより大きな度合いを示し、かつ／またはもっと高い類似性の度合いをもつ代替的な仮説ベクトルがない場合である。特徴４に対する仮説ベクトル１３と予測ベクトル１２が、目下のループ実行で既に相互にリンクしていると見なされている場合、目下のループ実行の後にくるループ実行のフローベクトル仮説の尤度が追加的に上昇する。

したがって、この連鎖が、明確にはそのようなものとして記憶されない場合でさえ連鎖とも言えるであろう。このように形成された年齢は、良いフローベクトルをフィルタリングするための、または外れ値を除去するための品質基準として利用できる。既に閾値「年齢≧１」で、たいていの外れ値を除去できる。閾値が高くなるにつれてさらにうまく分離されるが、閾値の高さと共に、当然、先行ベクトルのない新しい仮説ベクトル１３が初めて閾値に達し得るまでの画像の数として表現される待ち時間も上昇する。

さらに、それぞれの特徴４でのリンクチェックが成功した場合、さらなる情報を、フローフィールドを使って画像から画像へとさらに伝送するという有意義な可能性が生じる。例えば、時点ｔ_２の第２の画像２が既にラベル情報を備えている可能性があり、これは例えば、それぞれのピクセルがどの程度の確率で、ある特定のオブジェクトクラス（例えば歩行者、車、自転車、建物、道路、縁石、歩道、ガードレール、交通標識、植物など）に属するのかを各特徴４で提示するセマンティックセグメンテーションである。この情報を、帰属するｔ_２からｔ_３への仮説ベクトル１３を使ってさらに先に送ることができる。したがってこの場合、この情報はふさわしい座標に行き着く。これにより、フローベクトル仮説に帰属する特徴４がある特定のオブジェクトクラスのオブジェクトであることを提示する情報が、特徴４とリンクされる。

このように情報または属性をさらに先に送ることは、とりわけ、リンクチェックが成功した場合に有意義であり、というのもこの場合には、時間的に整合しており物理的に尤もらしい挙動が存在するからである。つまりこの場合、さらに先に送ることが正しく、かつ追加情報が引き続きなおふさわしく割り当てられる確率が高い。

以下に、リンクチェックおよび類似度計算に関する好ましい１つの可能性を説明する。この場合、リンクに関するリンクコストが確定され、これらのリンクコストは直交部分および縦方向部分から構成されている。これらのリンクコストの基礎となる違いは、差分ベクトル２１の２つのベクトル成分２２、２３を使って確定される。その際、第１のベクトル成分２２は直交部分を表し、かつ第２のベクトル成分２２は縦方向部分を表す。ベクトル成分２２、２３は、定義によれば互いに垂直に立っている。

予測ベクトル１２と仮説ベクトル１３との間の関連性を図２で例示的に示している。それから図２では第１のフローベクトル１０を示している。第１のフローベクトル１０は、第１のポジション５と第２のポジション６との間の特徴４の動きを表している。特徴４のこの動きは、第１の画像１と第２の画像２との間で行われている。第１の画像１と第２の画像２との間のこの動きから、したがって第１のフローベクトル１０に基づき、予測ベクトル１２が確定される。この場合、予測ベクトル１２は第１のフローベクトル１０と同じである。予測ベクトル１２の基礎となっているのは、動きが一定であれば、特徴４は第３の画像３ではきっと理論上のポジション８に存在しているという仮定である。

図２に示した例では、さらに画像分析により仮説ベクトル１３が算出されている。これにより、特徴４は第２の画像２と第３の画像３との間の第３のポジション７に動いたというフローベクトル仮説が立てられる。これは仮説ベクトル１３によって表されている。既にフローフィールドが存在する場合は、仮説ベクトルはフローフィールドから確定される。その際、フローフィールドは前方フローを表すことが好ましい。その後、このフローベクトル仮説、したがって仮説ベクトル１３が尤もらしいかどうかを評価するため、リンクコストを計算する。このために、仮説ベクトル１３と予測ベクトル１２との間の差から差分ベクトル２１を算出する。単純な場合には、違いは差分ベクトル２１の数値と同じであり、その場合、この数値の値がそのままリンクコストの値と見なされる。

ただしここで説明している実施形態では、リンクコストの基礎となる違いを、差分ベクトル２１のベクトル成分２２、２３を使って確定している。直交部分、つまり仮説ベクトル１３上に垂直に立っている第１のベクトル成分２２は、向きのズレに関する尺度であり、ここでは向きの基準として仮説ベクトル１３の向きを使用している。その代わりに予測ベクトル１２の向きを基準として用いてもよい。縦方向部分、つまり第２のベクトル成分２３、したがって仮説ベクトル１３に平行に存在する第２のベクトル成分２３は、基準ベクトルの方向でのまたは反対方向でのズレを測定している。わかりやすくはつまり、予測ベクトル１２に対する仮説ベクトル１３の伸びまたは縮みを測定しており、これに関しては、これら両方の場合に対して一般的には異なる比例尺を当てはめる。

基準ベクトルがゼロベクトルに相当する場合、向きは定義されていない。この場合には特別な扱いが有意義である。
リンクコストの直交部分および縦方向部分は、両方が非負であり、この場合、例えばノルムの意味において組み合わせられる。その際、これらの部分に重み付けしてもよく、しかしこの例示的実施形態ではそれを利用していない。

ただしこの例示的実施形態では、直交部分の評価に対し、縦方向部分の場合より強い比例尺を当てはめるべきであり、というのも直交のズレは、オブジェクトの方向変化またはカメラの回転によってしか説明できないのに対し、縦方向部分はこれに加えてオブジェクトがカメラに近づくかまたはカメラから遠ざかるだけでも変わるからである。それゆえ設定範囲内での縦方向の変化は、例えばそれによりリンクコストを発生させないことで、寛大に評価することができる。こうすることで、両方のベクトル成分２２、２３の異なる重み付けを行う。

リンクコストは、予測ベクトル１２と仮説ベクトル１３との間の違いに関する尺度である。予測ベクトル１２と仮説ベクトル１３の例示的な組合せを図３に示している。そして予測ベクトル１２と仮説ベクトル１３が同一の場合、リンクコストはゼロである。図３では一番左側に、予測ベクトル１２と仮説ベクトル１３が互いに類似しており、少ないリンクコストが発生する例を示している。図３では真ん中に、予測ベクトル１２と仮説ベクトル１３が互いに類似しておらず、高いリンクコストが発生する例を示している。さらに図３は右側に、予測ベクトル１２が存在せず、したがってリンクコストを計算できない例を示している。

予測ベクトル１２と仮説ベクトル１３との間の確定された違いをリンクコストに転換するため、設定された関数を使って、予測ベクトルと仮説ベクトルとの間の違いからリンクコストを確定する。その際、設定された関数により、予測ベクトルと仮説ベクトルとの間の違いの重み付けを行うことができる。この関数は、とりわけ、第１のベクトル成分２２の数値および第２のベクトル成分２３の数値に応じた関数である。

リンクコストはその後、より良く利用可能な形態に変えるため、例えば非線形関数で写像することができる。このような非線形関数を例示的に図４に示している。この関数は、部分部分のそれぞれは線形であり、かつ非負のリンクコストを符号つきの値で写像しており、これらの符号つきの値を以下に重みと言う。この関数は、連続値または離散値であってよい。ここでのアイディアは、「良いフローベクトル仮説」、つまりリンクコストの低いフローベクトル仮説は、正の重みを加算することで値を引き上げ、その一方でリンクコストの高いフローベクトル仮説は重みを下げるということである。リンクコストは第１の軸３０で示されており、重み付けは第２の軸３１で示されている。中立点３２で、重み付けが正の重み付けから負の重み付けに移行する。

図４では両方の軸切片が異なる勾配を有しており、かつ一点で交わっている。ここでは交点が横座標上にある。この交点は中立点３２と呼ばれ、特徴的な点であり、すなわち中立点では加算重みがちょうどゼロであり、したがって予測が存在しないフローベクトル仮説の場合と同じ大きさである。つまり、符号つき加算重みのこのコンセプトにより、幾つかのまたは多くのまたはときにはすべてのフローベクトル仮説に対して予測が存在しないという実際に重要な事態を考慮することが問題なく可能である。

加算重みは、フローベクトル仮説がここでより詳しくは説明しない理由から既に有し得る既存の重みに加算できる。重みを加算する代わりに、考慮のほかの解決策も可能である。

リンクコストまたはそれらの写像（例えば非線形の写像による）は、値域を小さな数の代替値に写し取るために、１つまたは複数の閾値と比較することができる。この線形または非線形の量子化のステップは、２値以上の結果となり得る。

２値の判定の場合、この判定がそのままフローベクトル仮説の拒絶または受容に相応し得る。よってフローベクトル仮説および帰属する仮説ベクトル１３の尤度の評価は、算出されたリンクコストに基づいて、したがって算出された類似度に基づいて行われる。

２つより多い代替値が提供されている場合（例えば４つ）、これらの代替値は以下の解釈を有し得る。
０：予測とフローベクトル仮説とが食い違っており、このフローベクトル仮説、したがって仮説ベクトル１３は拒絶される。

１：予測とフローベクトル仮説とは相互に良好には調和していないが、まだ許容差の範囲内である。このフローベクトル仮説および仮説ベクトル１３のさらなる処理の際の不信が付け加えられる。

２：予測とフローベクトル仮説が良好に調和しており、このフローベクトル仮説、したがって仮説ベクトル１３は普通にさらに使用できる。
３：予測とフローベクトル仮説が特に良好に調和しており、またはそれどころか同一であり、このフローベクトル仮説、したがって仮説ベクトル１３は特殊な目的に使用できる。

前述の値１〜４により、フローベクトル仮説、したがって帰属する仮説ベクトル１３の尤度が表現されている。明白なのは、リンクコストが第１の類似度を提示する場合に、リンクコストが第２の類似度を提示する場合より尤度が高く評価されることであり、ここで第１の類似度は第２の類似度より大きい。つまり尤度は、予測とフローベクトル仮説が互いに食い違っていない場合により高く評価される。尤度は、予測とフローベクトル仮説が互いに食い違っている場合により低く評価される。予測とフローベクトル仮説が互いに食い違っているかどうかは、リンクコストから明らかである。

特徴４に帰属する仮説ベクトル１３の生成の際に、特徴４に帰属する複数の仮説ベクトルを生成するのが典型的である。この場合、類似性の計算および尤度の評価を仮説ベクトル１３の各々に対して行う。したがって特徴４に帰属する仮説ベクトル１３の各々に対し、それぞれの仮説ベクトル１３と予測ベクトル１２の類似度を表すリンクコストが計算される。個々の仮説ベクトル１３の尤度を評価する際には、仮説ベクトル１３の各々に、前述の値１〜４の１つを割り当てる。その際に好ましいのは、特徴４に帰属する仮説ベクトル１３のうち最高値が割り当てられた仮説ベクトル１３が、さらなる処理のために選択され、例えばフローフィールドに引き継がれることである。

したがって一般的に言えば、特徴４に帰属する仮説ベクトル１３のうち尤度評価の際に最高尤度を有する仮説ベクトル１３が、さらなる処理のために選択される。よって各仮説ベクトル１３に対する尤度は、設定された初期値から、リンクコストに応じて、したがって帰属する類似度に応じて上昇または低下する。この場合、尤度は、高い類似度および低いリンクコストの際に上昇する。相応に尤度は、低い類似度および高いリンクコストの際に低下する。この尤度の変化の度合いは、例えばリンクコストに依存し得る。尤度が評価されると、特徴４に帰属する仮説ベクトル１３のうち尤度評価に基づいて最高尤度を有する仮説ベクトル１３が、さらなる処理のために選択され、例えばフローフィールドに引き継がれる。

フローベクトル仮説と予測との比較の結果は品質尺度であることができ、この品質尺度は、追加情報として２ビットでコード化でき、かつ記憶、転送、またはさらに処理できる。

特に有利なのは、そのような品質尺度の時間的集合である。このために、例えばフローベクトルごとに、リンクチェックの際に確定された品質尺度をフローベクトルの属性で「計算処理」し、例えば加算する。そのような属性は、例えば既に挙げた年齢であってよく、この場合には品質尺度は２値であろうし、加算は、最大限に表現可能な年齢に達するまで行えるであろう。２値より多い信号の、経過した時間分の集合も有意義である。しかしこの場合、この属性はもうそのままでは年齢として解釈できないであろう。

したがって本発明によれば、外れ値に対するロバスト性がかなり改善される。オプティカルフローの場合の外れ値は、例えばシーン内で構造が繰り返されている場合に発生し得る誤った対応割当てである。

フローベクトル仮説と予測とを本発明に基づいて比較することにより、予想通りに挙動するフローベクトル仮説が優先され、そのようには挙動しない外れ値仮説は効果的に抑制される。そのうえ追加情報として、時間的整合性に関する尺度が取得され、フローベクトルを使って時間上でさらに伝送される。

この伝送経路は、ほかの情報にも利用され得る。
フローベクトル仮説の評価および属性の伝送のためのこのフロー予測のアイディアは、少数の特徴的な画素に対してのみ動きを確定させる疎なオプティカルフロー（ｓｐａｒｓｅ ｏｐｔｉｃａｌ ｆｌｏｗ）でも、各画素または画素の大部分に対して動きを確定させる密なオプティカルフローにも用いることができる。

このような属性の一例は、フローベクトルの「年齢」である。これは例えば、それぞれの予測との比較に基づいて、相次いで成功した承認の数であることができ、したがって品質尺度または信用尺度である。

よってオプティカルフロー予測の利用は、フローベクトル仮説の尤度確認もしくは非尤度確認のために、例えば誤った対応（外れ値）の除去のために、または予測によって承認された対応の値の引上げのために、もしくは予測によって承認されなかった対応の値の引下げのために行われる。

これに加え、評価の生成を用いた予測ベクトルと仮説ベクトルとの間のリンクチェックが行われる。
これに関してはリンクチェックの際に、向きのズレのチェックと、向きに沿ったズレのチェックとへの分解が行われる。これは場合によっては、これらの部分の重み付き組合せによって行われる。

予め決定された範囲内での向きに沿ったズレは許容できる。その際、仮説ベクトル１３が予測ベクトル１２より（向きに沿って）長いかまたは短いかに応じて異なる処置が行われる。

予測は、好ましくは後方フローとして、前方フローとしてのフロー仮説との組合せで行われる。これに加え、（予測を通して送り込まれる前歴との関連で）フローベクトルの時間的整合性に関する尺度の形成が、例えば年齢属性として行われる。リンクチェックを使って生成、承認または外挿された属性のインターフェイスでの準備および任意の属性の時間上の伝送（例えばそれぞれフローベクトルにぶら下げて）も、リンクチェックに依存して行われる。

好ましいのは、例えば時間間隔もしくは距離区間の大きさの違いを考慮するべく、またはカメラ自体の動きを補正するべく、予測を適合させるためのパラメータの利用が行われることである。

図５では、フローベクトル仮説の尤度確認のための装置を示している。この装置は、前述の方法を実行するように適応された計算ユニット４０を含んでいる。この場合、画像１、２、３はカメラ４１を使って準備される。ただし画像１、２、３は、代替的な供給源を使って、例えばメモリ媒体を使って準備してもよいことを指摘しておく。

上記の文字による開示だけでなく、図１〜図４の開示を参照するよう明示的に指示する。

Claims (12)

1. フローベクトル仮説の尤度確認のための方法であって、
   − 特徴（４）に帰属する予測ベクトル（１２）を、第１の画像（１）と第２の画像（２）との間の前記特徴（４）の動きに基づいて確定し、前記第２の画像（２）が連続画像（２０）内で前記第１の画像（１）の後にくる画像であること、
   − 前記特徴（４）に帰属する仮説ベクトル（１３）を生成し、前記仮説ベクトル（１３）が前記第２の画像（２）と第３の画像（３）との間の前記特徴（４）の推測上の動きを表しており、前記第３の画像（３）が連続画像（２０）内で前記第２の画像（２）の後にくる画像であること、
   − 前記予測ベクトル（１２）と前記仮説ベクトル（１３）との間の類似度を、前記予測ベクトル（１２）と前記仮説ベクトル（１３）との間の違いに基づいて計算すること、および
   − 前記仮説ベクトル（１３）の尤度を、前記算出された類似度に基づいて評価し、その際、前記仮説ベクトル（１３）が、前記第２の画像（２）と前記第３の画像（３）との間の前記特徴（４）の実際の動きを表しているかどうかを評価することを含んでいる、方法。
2. 前記方法がループで実行され、その際に、前のループ実行での前記特徴（４）の前記仮説ベクトル（１３）に割り当てられた情報に基づく情報が、目下のループ実行での前記特徴（４）の前記仮説ベクトル（１３）に割り当てられることを特徴とする、請求項１に記載の方法。
3. 前記仮説ベクトル（１３）に割り当てられた前記情報がリンクチェックの結果であり、これに関し、
   − 前記リンクチェックが各ループ実行で実施され、この場合、前記特徴（４）の前記予測ベクトル（１２）および前記仮説ベクトル（１３）が、前記リンクチェックの際に前記予測ベクトル（１２）と前記仮説ベクトル（１３）との間の前記類似度が設定基準を上回る場合に、相互にリンクしていると見なされ、かつ
   − 各ループ実行では前記仮説ベクトル（１３）の前記尤度の前記評価が、さらに、その前の１つまたは複数のループ実行で、前記特徴（４）の前記予測ベクトル（１２）と前記仮説ベクトル（１３）が相互にリンクしていると見なされたかどうかに基づいて行われることを特徴とする、請求項２に記載の方法。
4. 前記仮説ベクトル（１３）に割り当てられた前記情報が、前記特徴（４）に帰属するオブジェクトのオブジェクトクラスを表すことを特徴とする、請求項２に記載の方法。
5. 前記予測ベクトル（１２）と前記仮説ベクトル（１３）との間の類似度の前記計算の際に、前記予測ベクトル（１２）に対する直交方向でのズレが、前記予測ベクトル（１２）に対する縦方向でのズレより強く評価されるか、または前記仮説ベクトル（１３）に対する直交方向でのズレが、前記仮説ベクトル（１３）に対する縦方向でのズレより強く評価されることを特徴とする、請求項１〜４のいずれか一項に記載の方法。
6. 前記予測ベクトル（１２）が後方フローを表すフローフィールドから確定され、かつ／または前記仮説ベクトル（１３）が前方フローを表すフローフィールドから確定されることを特徴とする、請求項１〜５のいずれか一項に記載の方法。
7. 前記類似度の前記計算の際に前記予測ベクトル（１２）の適合が行われ、前記適合により、前記第１の画像（１）と前記第２の画像（２）との捕捉の間のカメラの動きが補正され、かつ／または前記第２の画像（２）と前記第３の画像（３）との捕捉の間のカメラの動きが補正されることを特徴とする、請求項１〜６のいずれか一項に記載の方法。
8. 前記類似度が、前記予測ベクトル（１２）と前記仮説ベクトル（１３）との間の前記違いから、設定された関数を使って確定され、これに関して前記設定された関数により、とりわけ、前記予測ベクトル（１２）と前記仮説ベクトル（１３）との間の前記違いの重み付けが行われることを特徴とする、請求項１〜７のいずれか一項に記載の方法。
9. 前記類似度の前記計算の際に、前記違いが、前記予測ベクトル（１２）と前記仮説ベクトル（１３）とからの差を形成することで生成される差分ベクトル（２１）を使って確定されることを特徴とする、請求項１〜８のいずれか一項に記載の方法。
10. 前記類似度の前記計算の際に、前記違いが、前記差分ベクトル（２１）の２つのベクトル成分（２２、２３）を使って確定され、これに関してはとりわけ、前記両方のベクトル成分（２２、２３）の異なる重み付けが行われることを特徴とする、請求項９に記載の方法。
11. 前記特徴（４）に帰属する１つの仮説ベクトル（１３）の前記生成の際に、前記特徴（４）に帰属する複数の仮説ベクトルが生成され、かつ前記類似度の前記計算および前記尤度の前記評価が前記仮説ベクトル（１３）の各々に対して行われることを特徴とする、請求項１〜１０のいずれか一項に記載の方法。
12. 計算ユニット（４０）を含む、フローベクトル仮説の尤度確認のための装置であって、前記計算ユニット（４０）が、
    − 特徴（４）に帰属する予測ベクトル（１２）を、第１の画像（１）と第２の画像（２）との間の前記特徴（４）の動きに基づいて確定し、前記第２の画像（２）が連続画像（２０）内で前記第１の画像（１）の後にくる画像であるように、
    − 前記特徴（４）に帰属する仮説ベクトル（１３）を生成し、前記仮説ベクトル（１３）が前記第２の画像（２）と第３の画像（３）との間の前記特徴（４）の推測上の動きを表しており、前記第３の画像（３）が連続画像（２０）内で前記第２の画像（２）の後にくる画像であるように、
    − 前記予測ベクトル（１２）と前記仮説ベクトル（１３）との間の類似度を、前記予測ベクトル（１２）と前記仮説ベクトル（１３）との間の違いに基づいて算出するように、および
    − 前記仮説ベクトル（１３）の尤度が、前記算出された類似度に基づいて評価され、その際、前記仮説ベクトル（１３）が、前記第２の画像（２）と前記第３の画像（３）との間の前記特徴（４）の実際の動きを表しているかどうかを評価するように適応されている、装置。

Images