JP2022185872A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2022185872A5 JP2022185872A5 JP2021093766A JP2021093766A JP2022185872A5 JP 2022185872 A5 JP2022185872 A5 JP 2022185872A5 JP 2021093766 A JP2021093766 A JP 2021093766A JP 2021093766 A JP2021093766 A JP 2021093766A JP 2022185872 A5 JP2022185872 A5 JP 2022185872A5
- Authority
- JP
- Japan
- Prior art keywords
- image
- tracked object
- processing device
- loss
- image processing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 10
- 238000003384 imaging method Methods 0.000 claims 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 claims 1
- 238000003672 processing method Methods 0.000 claims 1
Description
ステップS207では、特徴量照合部250は、ステップS203で取得したそれぞれの物体の特徴量(現時刻の特徴量)のうち未選択の1つを選択特徴量として選択する。そして特徴量照合部250は、追尾装置200に保存済みの特徴量から、物体ごとに、現時刻に近い順にn(nは自然数)個の特徴量(保存特徴量)を取得する。そして特徴量照合部250は、該取得したそれぞれの保存特徴量と、選択特徴量と、の間の特徴量間距離(特徴量間距離の求め方については上記と同様)を求める。なお、特徴量照合部250は、物体ごとに、該物体について取得したn個の保存特徴量から1つの保存特徴量(例えば、n個の保存特徴量の平均値)を求め、物体ごとの該求めた1つの保存特徴量と、選択特徴量と、の間の特徴量間距離を求めるようにしても良い。
つまり、第一の画像および第二の画像の両方で追尾対象物体の画像領域と重複部分を有する非追尾対象物体が存在する場合、rが1より大きな値を取る。この方法で損失を計算することにより、追尾対象物体に近接する非追尾対象物体が存在する場合に、特徴量間距離が小さくなるように学習を行うことができる。これにより、追尾対象物体が他の物体に遮蔽された、または他の物体を遮蔽した場合にも、頑健に追尾対象物体を識別する特徴量を獲得することができる。
Claims (10)
- それぞれの画像における追尾対象物体の特徴量の画像間における距離と、画像中の追尾対象物体および非追尾対象物体のそれぞれの特徴量間の距離と、1以上の画像における追尾対象物体の画像領域と非追尾対象物体の画像領域との重複率と、に基づく損失を求める計算手段と、
前記損失に基づいて、画像から物体の特徴量を抽出するためのモデルの学習を行う学習手段と、
前記学習手段により学習済みのモデルに基づき、画像中の追尾対象物体を追尾する追尾処理を行う追尾手段と
を備えることを特徴とする画像処理装置。 - 前記計算手段は、
第一の画像中の追尾対象物体および非追尾対象物体の特徴量を、該第一の画像を入力した前記モデルの演算の結果である特徴量マップから取得し、該第一の画像に後続する第二の画像中の追尾対象物体の特徴量を、該第二の画像を入力した前記モデルの演算の結果である特徴量マップから取得する
ことを特徴とする請求項1に記載の画像処理装置。 - 前記計算手段は、
第一の画像中の物体の画像領域をリサイズし、該リサイズした画像領域を入力した前記モデルの演算の結果を、該第一の画像中の物体の特徴量として取得し、該第一の画像に後続する第二の画像中の物体の画像領域をリサイズし、該リサイズした画像領域を入力した前記モデルの演算の結果を、該第二の画像中の物体の特徴量として取得する
ことを特徴とする請求項1に記載の画像処理装置。 - 前記計算手段は、それぞれの画像における追尾対象物体の特徴量の画像間における距離と、画像中の追尾対象物体および非追尾対象物体のそれぞれの特徴量間の距離と、第一の画像における追尾対象物体の画像領域と非追尾対象物体の画像領域との重複率と、該第一の画像に後続する第二の画像における追尾対象物体の画像領域と非追尾対象物体の画像領域との重複率と、に基づく損失を求めることを特徴とする請求項1ないし3のいずれか1項に記載の画像処理装置。
- 前記計算手段は、画像のセットごとに前記損失を求め、画像のセットごとに求めた損失を、前記非追尾対象物体の検出において得られる、物体らしさを示すスコアに応じて重み付けした総和を、最終的な損失として求め、
前記学習手段は、前記最終的な損失に基づいて前記モデルの学習を行う
ことを特徴とする請求項1ないし4のいずれか1項に記載の画像処理装置。 - 前記計算手段は、画像のセットごとに前記損失を求め、画像のセットごとに求めた損失の平均を最終的な損失として求め、
前記学習手段は、前記最終的な損失に基づいて前記モデルの学習を行う
ことを特徴とする請求項1ないし4のいずれか1項に記載の画像処理装置。 - 前記第一の画像における非追尾対象物体は、該第一の画像中で追尾対象物体に最も近接している非追尾対象物体であることを特徴とする請求項2または3に記載の画像処理装置。
- 画像を撮像する撮像部と、
請求項1ないし7のいずれか1項に記載の画像処理装置と
を備えることを特徴とする撮像装置。 - 画像処理装置が行う画像処理方法であって、
前記画像処理装置の計算手段が、それぞれの画像における追尾対象物体の特徴量の画像間における距離と、画像中の追尾対象物体および非追尾対象物体のそれぞれの特徴量間の距離と、1以上の画像における追尾対象物体の画像領域と非追尾対象物体の画像領域との重複率と、に基づく損失を求める計算工程と、
前記画像処理装置の学習手段が、前記損失に基づいて、画像から物体の特徴量を抽出するためのモデルの学習を行う学習工程と、
前記画像処理装置の追尾手段が、前記学習工程で学習済みのモデルに基づき、画像中の追尾対象物体を追尾する追尾処理を行う追尾工程と
を備えることを特徴とする画像処理方法。 - コンピュータを、請求項1ないし7のいずれか1項に記載の画像処理装置の各手段として機能させるためのコンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021093766A JP2022185872A (ja) | 2021-06-03 | 2021-06-03 | 画像処理装置、画像処理方法、撮像装置 |
US17/829,507 US20220392107A1 (en) | 2021-06-03 | 2022-06-01 | Image processing apparatus, image processing method, image capturing apparatus, and non-transitory computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021093766A JP2022185872A (ja) | 2021-06-03 | 2021-06-03 | 画像処理装置、画像処理方法、撮像装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022185872A JP2022185872A (ja) | 2022-12-15 |
JP2022185872A5 true JP2022185872A5 (ja) | 2024-06-05 |
Family
ID=84284235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021093766A Pending JP2022185872A (ja) | 2021-06-03 | 2021-06-03 | 画像処理装置、画像処理方法、撮像装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220392107A1 (ja) |
JP (1) | JP2022185872A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220020700A (ko) * | 2020-08-12 | 2022-02-21 | 현대자동차주식회사 | 객체의 추적 제어 장치 및 그 방법 |
-
2021
- 2021-06-03 JP JP2021093766A patent/JP2022185872A/ja active Pending
-
2022
- 2022-06-01 US US17/829,507 patent/US20220392107A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670474B (zh) | 一种基于视频的人体姿态估计方法、装置及设备 | |
CN108960211B (zh) | 一种多目标人体姿态检测方法以及系统 | |
EP3651055A1 (en) | Gesture recognition method, apparatus, and device | |
US20120321134A1 (en) | Face tracking method and device | |
CN111512317A (zh) | 一种多目标实时跟踪方法、装置及电子设备 | |
JP7093427B2 (ja) | オブジェクト追跡方法および装置、電子設備並びに記憶媒体 | |
JP6833620B2 (ja) | 画像解析装置、ニューラルネットワーク装置、学習装置、画像解析方法およびプログラム | |
CN110399826B (zh) | 一种端到端人脸检测和识别方法 | |
JP2015079502A (ja) | オブジェクト追跡方法、オブジェクト追跡装置、及び追跡特徴選択方法 | |
CN111191535B (zh) | 基于深度学习的行人检测模型构建方法及行人检测方法 | |
CN110956131B (zh) | 单目标追踪方法、装置及系统 | |
CN112381071A (zh) | 一种视频流中目标的行为分析方法、终端设备及介质 | |
CN109086725B (zh) | 手部跟踪方法及机器可读存储介质 | |
CN105868767B (zh) | 人脸特征点定位方法和装置 | |
JP2019512821A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN108875506B (zh) | 人脸形状点跟踪方法、装置和系统及存储介质 | |
CN112307984A (zh) | 基于神经网络的安全帽检测方法和装置 | |
JP2018036770A (ja) | 位置姿勢推定装置、位置姿勢推定方法、及び位置姿勢推定プログラム | |
JP2022185872A5 (ja) | ||
WO2024022301A1 (zh) | 视角路径获取方法、装置、电子设备及介质 | |
US11544926B2 (en) | Image processing apparatus, method of processing image, and storage medium | |
JP6393495B2 (ja) | 画像処理装置および物体認識方法 | |
US20220122341A1 (en) | Target detection method and apparatus, electronic device, and computer storage medium | |
CN115937249A (zh) | 一种基于孪生网络的多预测输出对齐的目标跟踪方法及装置 | |
WO2020237674A1 (zh) | 目标跟踪方法、目标跟踪装置和无人机 |