JP2967088B1 - 動物体領域分割装置 - Google Patents
動物体領域分割装置Info
- Publication number
- JP2967088B1 JP2967088B1 JP10356905A JP35690598A JP2967088B1 JP 2967088 B1 JP2967088 B1 JP 2967088B1 JP 10356905 A JP10356905 A JP 10356905A JP 35690598 A JP35690598 A JP 35690598A JP 2967088 B1 JP2967088 B1 JP 2967088B1
- Authority
- JP
- Japan
- Prior art keywords
- image
- region
- distribution
- moving object
- equation
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
【要約】
【課題】 時系列画像中で移動する対象物体領域の一部
分を特定することにより、対象物体と環境に対する知識
を獲得し、適応的に対象物体の領域抽出を行なう動物体
領域分割装置を提供する。 【解決手段】 カメラ１によって人物の動作が撮像され
て画像信号がフレーム間差分回路２に与えられ、フレー
ム間差分により画像を大まかに分割する。分割された画
像は分割回路３で順次輝度情報と色情報とテクスチャ情
報に基づいて精緻な分割が行なわれる。
分を特定することにより、対象物体と環境に対する知識
を獲得し、適応的に対象物体の領域抽出を行なう動物体
領域分割装置を提供する。 【解決手段】 カメラ１によって人物の動作が撮像され
て画像信号がフレーム間差分回路２に与えられ、フレー
ム間差分により画像を大まかに分割する。分割された画
像は分割回路３で順次輝度情報と色情報とテクスチャ情
報に基づいて精緻な分割が行なわれる。
Description
【０００１】
【発明の属する技術分野】この発明は動物体領域分割装
置に関し、特に、背景や照明などの環境の変化に適応可
能な画像内の動物体領域と背景領域とを分割するような
動物体領域分割装置に関する。
置に関し、特に、背景や照明などの環境の変化に適応可
能な画像内の動物体領域と背景領域とを分割するような
動物体領域分割装置に関する。
【０００２】
【従来の技術】本願発明者らは、新しいマンマシンイン
タフェースの構築を目指し、画像処理を用いた非接触の
手振り認識装置や人物動作推定装置の研究を進めてい
る。これらの装置の目的は、用意したモデルに基づき入
力画像から対象物体（手・人体）の位置・姿勢・形状に
関する情報を獲得することである。
タフェースの構築を目指し、画像処理を用いた非接触の
手振り認識装置や人物動作推定装置の研究を進めてい
る。これらの装置の目的は、用意したモデルに基づき入
力画像から対象物体（手・人体）の位置・姿勢・形状に
関する情報を獲得することである。
【０００３】そのための最も直接的な方法の１つは、対
象物体の形状，変形自由度，表面のテクスチャ・反射特
性などに関するモデルを用意し、カメラから入力された
原画像に対しそのモデルを当てはめることで、適合する
姿勢・形状を求めようとするものである。
象物体の形状，変形自由度，表面のテクスチャ・反射特
性などに関するモデルを用意し、カメラから入力された
原画像に対しそのモデルを当てはめることで、適合する
姿勢・形状を求めようとするものである。
【０００４】しかし、この方法には、以下のような方法
がある。まず、さまざまな環境下でモデル当てはめを可
能とするためには、対象物体の精緻なモデル化が必要に
なる。ところが、このようなモデルは作成が困難である
ばかりでなく、特定の対象に特化することにより汎用性
が低下する。さらに、利用するモデル情報が精緻になる
ほどモデルの当てはめに要する計算量が増大する。
がある。まず、さまざまな環境下でモデル当てはめを可
能とするためには、対象物体の精緻なモデル化が必要に
なる。ところが、このようなモデルは作成が困難である
ばかりでなく、特定の対象に特化することにより汎用性
が低下する。さらに、利用するモデル情報が精緻になる
ほどモデルの当てはめに要する計算量が増大する。
【０００５】
【発明が解決しようとする課題】このため、実際には照
明条件やカメラパラメータなどの環境条件を予め想定
し、その事前知識に基づいて処理を簡略化することが一
般的である。たとえば、対象物体の輝度値や背景画像に
関する事前の知識を利用したシルエット画像の抽出とい
った前処理はその一例である。
明条件やカメラパラメータなどの環境条件を予め想定
し、その事前知識に基づいて処理を簡略化することが一
般的である。たとえば、対象物体の輝度値や背景画像に
関する事前の知識を利用したシルエット画像の抽出とい
った前処理はその一例である。
【０００６】この場合、対象物体の状態はシルエット画
像に基づき、主に形状情報からなるモデルにより推定さ
れる。このような事前知識に基づいた処理は、想定され
た条件が満たされる限り有効であり処理コストも低い
が、環境条件の変化に対しては脆弱であり、それを克服
するためには、環境の変化に動的に適応する手法が必要
となる。
像に基づき、主に形状情報からなるモデルにより推定さ
れる。このような事前知識に基づいた処理は、想定され
た条件が満たされる限り有効であり処理コストも低い
が、環境条件の変化に対しては脆弱であり、それを克服
するためには、環境の変化に動的に適応する手法が必要
となる。
【０００７】環境が変化し想定した条件をもはや満たさ
なくなったとすれば、処理を継続するためにその環境変
化に対して安定な手掛かり（情報源）により、新しい環
境に対する知識を獲得する必要が生じる。このように、
他の情報源を利用した環境条件への適応を目指した例と
しては、Lie やParkerによる研究がある。Lie は対象物
質の形状に関するモデルをもとに局所的なしきい値を決
定する手法を提案している。また、Parkerは画像内のエ
ッジ部分に着目することで局所的なしきい値制御を行な
い、安定した２値画像を得た。これらはいずれも画像中
の対象物体の静的な特徴に着目したものであり、想定し
ている特徴を入力画像が有する限り有効であるが、前述
のインタフェースへの応用などで考えられるような環境
条件の多様性は考慮されていない。
なくなったとすれば、処理を継続するためにその環境変
化に対して安定な手掛かり（情報源）により、新しい環
境に対する知識を獲得する必要が生じる。このように、
他の情報源を利用した環境条件への適応を目指した例と
しては、Lie やParkerによる研究がある。Lie は対象物
質の形状に関するモデルをもとに局所的なしきい値を決
定する手法を提案している。また、Parkerは画像内のエ
ッジ部分に着目することで局所的なしきい値制御を行な
い、安定した２値画像を得た。これらはいずれも画像中
の対象物体の静的な特徴に着目したものであり、想定し
ている特徴を入力画像が有する限り有効であるが、前述
のインタフェースへの応用などで考えられるような環境
条件の多様性は考慮されていない。
【０００８】それゆえに、この発明の主たる目的は、時
系列画像中で移動する対象物体領域の一部分を特定する
ことにより、対象物体と環境に対する知識を獲得し、適
応的に対象物体の領域抽出を行なう動物体領域分割装置
を提供することである。
系列画像中で移動する対象物体領域の一部分を特定する
ことにより、対象物体と環境に対する知識を獲得し、適
応的に対象物体の領域抽出を行なう動物体領域分割装置
を提供することである。
【０００９】
【課題を解決するための手段】請求項１に係る発明は、
カメラで撮影した画像内の動物体領域と背景領域とを分
割する動物体領域分割装置であって、カメラで撮影した
原フレームの画像と前後のフレームの画像との差分から
動物体領域と背景領域とを抽出し、抽出した動物体領域
および背景領域における色パラメータまたはテクスチャ
パラメータの分布を推定し、推定したパラメータの分布
によって、新たに得られた画像上の各画素について対象
物体の存在する確率を示す確率画像を生成する。
カメラで撮影した画像内の動物体領域と背景領域とを分
割する動物体領域分割装置であって、カメラで撮影した
原フレームの画像と前後のフレームの画像との差分から
動物体領域と背景領域とを抽出し、抽出した動物体領域
および背景領域における色パラメータまたはテクスチャ
パラメータの分布を推定し、推定したパラメータの分布
によって、新たに得られた画像上の各画素について対象
物体の存在する確率を示す確率画像を生成する。
【００１０】
【発明の実施の形態】図１は動画像内で抽出対象となる
対象領域の部分抽出方法を説明するための図であり、図
２は領域内の画素の画素値分布と背景画素の画素値分布
を示す図である。
対象領域の部分抽出方法を説明するための図であり、図
２は領域内の画素の画素値分布と背景画素の画素値分布
を示す図である。
【００１１】図１を参照して、動画像内で抽出対象とな
る領域Ｔが移動している状況を考えると、領域Ｔが画像
内のある画素を示す確率をＰ（Ｔ）とする。領域Ｔが画
像内を自由に移動するとすれば、Ｐ（Ｔ）は画像全体で
等しいと仮定でき、これは画像の全面積に占める領域Ｔ
の割合に等しくなる。続いて、画像内のある画素で画素
値ｖが観測される確率をＰ（ｖ）と表わす。画素ｌ（ｌ
∈Ω，Ωは画像内の全画素の集合。）毎に異なる確率分
布を考える場合にはそれをＰｌ（ｖ）とする。
る領域Ｔが移動している状況を考えると、領域Ｔが画像
内のある画素を示す確率をＰ（Ｔ）とする。領域Ｔが画
像内を自由に移動するとすれば、Ｐ（Ｔ）は画像全体で
等しいと仮定でき、これは画像の全面積に占める領域Ｔ
の割合に等しくなる。続いて、画像内のある画素で画素
値ｖが観測される確率をＰ（ｖ）と表わす。画素ｌ（ｌ
∈Ω，Ωは画像内の全画素の集合。）毎に異なる確率分
布を考える場合にはそれをＰｌ（ｖ）とする。
【００１２】さらに、図２のａに示す領域Ｔ内の画素に
ついての画素値分布Ｐ（ｖ｜Ｔ）と図２のｂに示す背景
の画素とについての画素値分布Ｐ（ｖ｜Ｂ）を考える。
（画素ｌ毎に異なる分布を考える場合には、それぞれＰ
ｌ（ｖ｜Ｔ），Ｐｌ（ｖ｜Ｂ）とする。）これらの分布
には以下のような関係がある。
ついての画素値分布Ｐ（ｖ｜Ｔ）と図２のｂに示す背景
の画素とについての画素値分布Ｐ（ｖ｜Ｂ）を考える。
（画素ｌ毎に異なる分布を考える場合には、それぞれＰ
ｌ（ｖ｜Ｔ），Ｐｌ（ｖ｜Ｂ）とする。）これらの分布
には以下のような関係がある。
【００１３】
【数１】 もし、分布Ｐ（ｖ｜Ｔ）とＰ（ｖ｜Ｂ）が既知であれ
ば、画素値ｖを持つ画素が領域Ｔに含まれる確率Ｐ（Ｔ
｜ｖ）がベイズ則により以下のように計算できる。
ば、画素値ｖを持つ画素が領域Ｔに含まれる確率Ｐ（Ｔ
｜ｖ）がベイズ則により以下のように計算できる。
【００１４】
【数２】 画素毎の分布を考えた場合は次のようになる。
【００１５】
【数３】 観測された画像の各画素毎に上式の計算を行なうことに
より、入力画像を入力画像の各画素が領域Ｔに属する確
率値を持つ「確率画像」に変換できる。得られた確率画
像は、たとえばしきい値処理により対象領域である確率
が高い領域と低い領域に分割することができる。
より、入力画像を入力画像の各画素が領域Ｔに属する確
率値を持つ「確率画像」に変換できる。得られた確率画
像は、たとえばしきい値処理により対象領域である確率
が高い領域と低い領域に分割することができる。
【００１６】しかしながら、実際には、Ｐ（ｖ｜Ｔ）お
よびＰ（ｖ｜Ｂ）を予め知ることは難しい。そこで、こ
れらの分布を時系列画像から推定することを考える。
よびＰ（ｖ｜Ｂ）を予め知ることは難しい。そこで、こ
れらの分布を時系列画像から推定することを考える。
【００１７】今、事前の知識により、図１に示したよう
に領域Ｔの一部を含む領域Ｔ′を選ぶことができるとす
る。このとき、時刻ｔまでの領域Ｔ′に含まれるすべて
の観測画素値の分布Ｐｔ（ｖ｜Ｔ′）を得ることができ
る。Ｔの各画素がＴ′に含まれる確率が等しくなるよう
に選択できると仮定すると、Ｐｔ（ｖ｜Ｔ′）は次のよ
うに収束する。
に領域Ｔの一部を含む領域Ｔ′を選ぶことができるとす
る。このとき、時刻ｔまでの領域Ｔ′に含まれるすべて
の観測画素値の分布Ｐｔ（ｖ｜Ｔ′）を得ることができ
る。Ｔの各画素がＴ′に含まれる確率が等しくなるよう
に選択できると仮定すると、Ｐｔ（ｖ｜Ｔ′）は次のよ
うに収束する。
【００１８】
【数４】 （ここで、ｋはＴ′中にＴの画素が占める割合を示す） さらに、時刻ｔまでに観測されるすべての画素の分布Ｐ
ｔ（ｖ）を考えると、これはＰ（ｖ）に収束する。
ｔ（ｖ）を考えると、これはＰ（ｖ）に収束する。
【００１９】
【数５】 画素毎に個別の分布を考えた場合には、上式は次のよう
に書直すことができる。
に書直すことができる。
【００２０】
【数６】 上記Ｐｔ（ｖ｜Ｔ′）とＰｔ（ｖ）を用いて第（３）式
を近似すると次の第（９）式のように表わすことができ
る。
を近似すると次の第（９）式のように表わすことができ
る。
【００２１】
【数７】 ここで、第（９）式において、第２項Ｒ（ｖ）はＴ′へ
の背景画素の混入による推定誤差を示す。ｋ＝１（すな
わち、Ｔ′のすべての画素がＴに属する）の場合、第
（９）式は第（３）式に一致し、誤差は最小となる。ｋ
の減少に伴い、第（９）式の誤差は増大する。領域Ｔ′
がＴの位置によらず画素内から無作為に選ばれる場合、
Ｐ（ｖ｜Ｔ′）はＰ（ｖ）に一致し、比率ｋはＰ（Ｔ）
と等しくなる。その結果、Ｐ＾（Ｔ｜ｖ）はすべてのｖ
に対して定数となる。
の背景画素の混入による推定誤差を示す。ｋ＝１（すな
わち、Ｔ′のすべての画素がＴに属する）の場合、第
（９）式は第（３）式に一致し、誤差は最小となる。ｋ
の減少に伴い、第（９）式の誤差は増大する。領域Ｔ′
がＴの位置によらず画素内から無作為に選ばれる場合、
Ｐ（ｖ｜Ｔ′）はＰ（ｖ）に一致し、比率ｋはＰ（Ｔ）
と等しくなる。その結果、Ｐ＾（Ｔ｜ｖ）はすべてのｖ
に対して定数となる。
【００２２】
【数８】 このとき確率画像を用いた領域分割は不可能となる。
【００２３】しかしながら、この場合（Ｐ（ｖ｜Ｔ′）
＝Ｐ（ｖ））でも画素毎の分布Ｐｌ（ｖ）が既知で、分
布Ｐｌ（ｖ｜Ｔ）の位置ｌによる変化が小さいと仮定で
きれば、ある程度の分割が可能となる。Ｐｌ（ｖ）を用
いると、第（９）式は次のように書直せる。
＝Ｐ（ｖ））でも画素毎の分布Ｐｌ（ｖ）が既知で、分
布Ｐｌ（ｖ｜Ｔ）の位置ｌによる変化が小さいと仮定で
きれば、ある程度の分割が可能となる。Ｐｌ（ｖ）を用
いると、第（９）式は次のように書直せる。
【００２４】
【数９】 Ｐｌ（ｖ｜Ｔ）は１ｌの変化に対して一定の場合、この
式の値は、Ｐｌ（ｖ｜Ｂ）が小さくなる（すなわち、入
力値が背景値から遠ざかる）と増大する。そのため、得
られる確率画像が、１種の背景差分を表わすと考えるこ
とができる。
式の値は、Ｐｌ（ｖ｜Ｂ）が小さくなる（すなわち、入
力値が背景値から遠ざかる）と増大する。そのため、得
られる確率画像が、１種の背景差分を表わすと考えるこ
とができる。
【００２５】第（９）式でＰ（ｖ）が一様分布となる場
合は、得られる確率画像は領域Ｐ′に関する分布Ｐ（ｖ
｜Ｔ′）のみに基づく。
合は、得られる確率画像は領域Ｐ′に関する分布Ｐ（ｖ
｜Ｔ′）のみに基づく。
【００２６】図３は実画像に対して領域Ｔ′を抽出する
ための連続フレーム間差分による処理方法を模式的に示
す図である。
ための連続フレーム間差分による処理方法を模式的に示
す図である。
【００２７】図３において原フレームｔと前後フレーム
ｔ−１…ｔ−ｍ，ｔ＋１…ｔ＋ｎとの間の差分画像を２
値化し、それらの間の論理積をとることによって、移動
領域の一部が抽出される。その画像をマスクとして移動
領域に関する情報（平均，分散，テクスチャ）を獲得す
る。
ｔ−１…ｔ−ｍ，ｔ＋１…ｔ＋ｎとの間の差分画像を２
値化し、それらの間の論理積をとることによって、移動
領域の一部が抽出される。その画像をマスクとして移動
領域に関する情報（平均，分散，テクスチャ）を獲得す
る。
【００２８】Ｎ×Ｍ画素の画像を考え、各画素位置の集
合をΩとする（Ω＝｛（ｉ，ｊ）｜１≦ｉ≦Ｎ，１≦ｊ
≦Ｍ｝）。時刻ｔにおける入力画像をＹt とする（Ｙt
＝｛ｙl,t ｜１∈Ω，ｙl,t ∈｛１，２，…，Ｌ｝｝、
但しＬは階調数）。
合をΩとする（Ω＝｛（ｉ，ｊ）｜１≦ｉ≦Ｎ，１≦ｊ
≦Ｍ｝）。時刻ｔにおける入力画像をＹt とする（Ｙt
＝｛ｙl,t ｜１∈Ω，ｙl,t ∈｛１，２，…，Ｌ｝｝、
但しＬは階調数）。
【００２９】Ｙi とＹj の差分画像をＳi,j ＝｛Ｓl
i,j ｜ｌ∈Ω｝とする各Ｓl i,j は
i,j ｜ｌ∈Ω｝とする各Ｓl i,j は
【００３０】
【数１０】 と書ける。このとき得られるマスク画像Ｍt ＝｛ｍl,t
｜ｌ∈Ω｝は次の第（１５）式となる。
｜ｌ∈Ω｝は次の第（１５）式となる。
【００３１】
【数１１】 次に、各画素値情報を用いた具体的な分割の実施例につ
いて説明する。最初に、画素値として輝度のみを考え
る。ｙt ＝｛ｙl,t ｜ｌ∈Ω｝が時刻ｔでの入力輝度画
像とする。この場合、第（１２）式を次のように書直す
ことができる。
いて説明する。最初に、画素値として輝度のみを考え
る。ｙt ＝｛ｙl,t ｜ｌ∈Ω｝が時刻ｔでの入力輝度画
像とする。この場合、第（１２）式を次のように書直す
ことができる。
【００３２】
【数１２】 Ｐ（ｙ｜Ｔ）およびＰl （ｙ）を以下のように推定す
る。問題を簡単にするために、分布Ｐl （ｙ）はベータ
分布であると仮定し、その平均および分散を次のように
推定する。
る。問題を簡単にするために、分布Ｐl （ｙ）はベータ
分布であると仮定し、その平均および分散を次のように
推定する。
【００３３】平均画像／Ｙt ＝｛／ｙl,t ｜ｌ∈Ω｝お
よび自乗平均画像／Ｙ2 t ＝｛／ｙ2 l,t ｜ｌ∈Ω｝双
方を増分する。
よび自乗平均画像／Ｙ2 t ＝｛／ｙ2 l,t ｜ｌ∈Ω｝双
方を増分する。
【００３４】 ／ｙl,t ＝ρｙl,t ＋（１−ρ）／ｙt-1 （１７） ／ｙ2 l,t ＝ρｙ2 l,t ＋（１−ρ）／ｙ2 t-1 （１８） 式中０＜ρ＜＜１である。次に各画素についてのベータ
分布のパラメータを次のように算出する。
分布のパラメータを次のように算出する。
【００３５】
【数１３】 式中、ｆα，βは、パラメータαおよびβのβ分布関数
を示す。加えて、ヒストグラムＰt （ｙ｜Ｔ）を増分す
る。
を示す。加えて、ヒストグラムＰt （ｙ｜Ｔ）を増分す
る。
【００３６】
【数１４】 式中、画素ｌが大まかに分割された領域に含まれている
ときのみｍl,t ＝１である。各ｙについて以下のように
なる。
ときのみｍl,t ＝１である。各ｙについて以下のように
なる。
【００３７】
【数１５】 第（１６）式，第（２０）式および第（２３）式より、
確率画像Ｚt ＝｛Ｐ＾l,t （Ｔ｜ｙl,t ）｜ｌ∈Ω｝を
生成できる。
確率画像Ｚt ＝｛Ｐ＾l,t （Ｔ｜ｙl,t ）｜ｌ∈Ω｝を
生成できる。
【００３８】次に、輝度情報と色情報とを用いた分割に
ついて説明する。ここでは、輝度情報に加えて色相情報
を考慮する。
ついて説明する。ここでは、輝度情報に加えて色相情報
を考慮する。
【００３９】Ｈt ＝｛ｈl,t ｜ｌ∈Ω｝は時刻ｔでの入
力色相画像であり、Ｐl （ｙ，ｈ）は画素ｌが値（ｙ，
ｈ）を有する確率であるとする。Ｐ（ｙ，ｈ｜Ｔ）は画
素ｌが条件Ｔ下で値（ｙ，ｈ）を有する確率である。そ
うすると、第（１２）式を以下のように書直すことがで
きる。
力色相画像であり、Ｐl （ｙ，ｈ）は画素ｌが値（ｙ，
ｈ）を有する確率であるとする。Ｐ（ｙ，ｈ｜Ｔ）は画
素ｌが条件Ｔ下で値（ｙ，ｈ）を有する確率である。そ
うすると、第（１２）式を以下のように書直すことがで
きる。
【００４０】
【数１６】 Ｐl （ｙ，ｈ）の計算を簡単にするために、Ｐl （ｙ）
およびＰl （ｈ）が互いに独立していると仮定する。Ｐ
l （ｈ）についてのベータ分布をＰl （ｙ）についてと
同じように仮定して、パラメータを次のようにして計算
する。
およびＰl （ｈ）が互いに独立していると仮定する。Ｐ
l （ｈ）についてのベータ分布をＰl （ｙ）についてと
同じように仮定して、パラメータを次のようにして計算
する。
【００４１】
【数１７】 ヒストグラムＰt （ｙ，ｈ｜Ｔ）を次のように増分す
る。各（ｙ，ｈ）について以下のようになる。
る。各（ｙ，ｈ）について以下のようになる。
【００４２】
【数１８】 第（２４）式，第（２８）式および第（３０）式より、
画像Ｚt ＝｛Ｐl （Ｔ｜ｙl,t ，ｈl,t ）｜ｌ∈Ω｝を
輝度の場合と同様にして生成できる。
画像Ｚt ＝｛Ｐl （Ｔ｜ｙl,t ，ｈl,t ）｜ｌ∈Ω｝を
輝度の場合と同様にして生成できる。
【００４３】図４〜図９は色情報を用いて実画像を抽出
する例を示しており、特に、図４〜図６はそれぞれ３０
フレーム目における入力画像とカラー平均画像と領域分
割結果を示し、図７〜図９はそれぞれ３５０フレーム目
における入力画像とカラーパラメータ平均画像と領域分
割結果を示す。
する例を示しており、特に、図４〜図６はそれぞれ３０
フレーム目における入力画像とカラー平均画像と領域分
割結果を示し、図７〜図９はそれぞれ３５０フレーム目
における入力画像とカラーパラメータ平均画像と領域分
割結果を示す。
【００４４】次に、テクスチャ情報を用いて室内を移動
する人物の抽出を行なう方法について説明する。人物の
場合、いくつかの異なるテクスチャを持つ部分からなる
ため、テクスチャパラメータの値の分布を単一のガウス
分布で表わすのは適当ではない。そこで、抽出対象であ
る領域Ｔのテクスチャパラメータ値分布Ｐ（σ｜Ｔ）を
ヒストグラムによって表現する。Ｐ（σ｜Ｔ）は画像内
の位置によらない。Ｐt （σ｜Ｔ）の分布は各テクスチ
ャパラメータ値σについて次式の更新処理を行なうこと
で得られる。
する人物の抽出を行なう方法について説明する。人物の
場合、いくつかの異なるテクスチャを持つ部分からなる
ため、テクスチャパラメータの値の分布を単一のガウス
分布で表わすのは適当ではない。そこで、抽出対象であ
る領域Ｔのテクスチャパラメータ値分布Ｐ（σ｜Ｔ）を
ヒストグラムによって表現する。Ｐ（σ｜Ｔ）は画像内
の位置によらない。Ｐt （σ｜Ｔ）の分布は各テクスチ
ャパラメータ値σについて次式の更新処理を行なうこと
で得られる。
【００４５】
【数１９】 図１０〜図１５は、上述のテクスチャ情報を用いて実画
像を抽出する例を示す図であり、特に、図１０〜図１２
はそれぞれ３０フレーム目における入力画像と、テクス
チャパラメータ平均画像と、領域分割結果を示し、図１
３〜図１５はそれぞれ３５０フレーム目における入力画
像と、テクスチャパラメータ平均画像と、領域分割結果
を示す。ここでは、テクスチャパラメータ値の計算に５
×５近傍の画素を用いた。Ｐ（Ｔ）の値は、画像中の人
物領域の平均的な割合を考慮し、予め０．１と定めた。
ここに見られるように、テクスチャ情報のみから人物領
域の抽出を行なうことができる。
像を抽出する例を示す図であり、特に、図１０〜図１２
はそれぞれ３０フレーム目における入力画像と、テクス
チャパラメータ平均画像と、領域分割結果を示し、図１
３〜図１５はそれぞれ３５０フレーム目における入力画
像と、テクスチャパラメータ平均画像と、領域分割結果
を示す。ここでは、テクスチャパラメータ値の計算に５
×５近傍の画素を用いた。Ｐ（Ｔ）の値は、画像中の人
物領域の平均的な割合を考慮し、予め０．１と定めた。
ここに見られるように、テクスチャ情報のみから人物領
域の抽出を行なうことができる。
【００４６】図１６はこれまでに説明してきた輝度情
報，色情報およびテクスチャ情報で画像を分割する装置
のブロック図である。
報，色情報およびテクスチャ情報で画像を分割する装置
のブロック図である。
【００４７】図１６において、カメラ１によって人物の
動作が撮像されて画像信号がフレーム内差分回路２に与
えられる。フレーム内差分回路２は前述の図３で説明し
た方法により、画像を大まかに分割する。分割された画
像は分割回路３で順次輝度情報および色情報およびテク
スチャ情報に基づいて分割される。それぞれの分割の方
法は、これまでに説明してきた手順に基づいて行なわれ
る。
動作が撮像されて画像信号がフレーム内差分回路２に与
えられる。フレーム内差分回路２は前述の図３で説明し
た方法により、画像を大まかに分割する。分割された画
像は分割回路３で順次輝度情報および色情報およびテク
スチャ情報に基づいて分割される。それぞれの分割の方
法は、これまでに説明してきた手順に基づいて行なわれ
る。
【００４８】今回開示された実施の形態はすべての点で
例示であって制限的なものではないと考えられるべきで
ある。本発明の範囲は上記した説明ではなくて特許請求
の範囲によって示され、特許請求の範囲と均等の意味お
よび範囲内でのすべての変更が含まれることが意図され
る。
例示であって制限的なものではないと考えられるべきで
ある。本発明の範囲は上記した説明ではなくて特許請求
の範囲によって示され、特許請求の範囲と均等の意味お
よび範囲内でのすべての変更が含まれることが意図され
る。
【００４９】
【発明の効果】以上のように、この発明によれば、撮像
した画像とその前後の画像との差分から動物体領域と背
景領域を抽出し、抽出された動物体領域および背景領域
における色パラメータまたはテクスチャパラメータの分
布を推定し、推定されたパラメータの分布によって、新
たに得られた画像上の各画素について対象物体が存在す
る確率を示す確率画像を生成するようにしたので、適用
的対象物体の領域を抽出することができる。
した画像とその前後の画像との差分から動物体領域と背
景領域を抽出し、抽出された動物体領域および背景領域
における色パラメータまたはテクスチャパラメータの分
布を推定し、推定されたパラメータの分布によって、新
たに得られた画像上の各画素について対象物体が存在す
る確率を示す確率画像を生成するようにしたので、適用
的対象物体の領域を抽出することができる。
【図１】動画像内で抽出対象となる対象領域の部分抽出
方法を説明するための図である。
方法を説明するための図である。
【図２】領域内の画素の画素値分布と背景画素の画素値
分布を示す図である。
分布を示す図である。
【図３】実画像に対して領域Ｔ′を抽出するための連続
フレーム間差分による処理方法を模式的に示す図であ
る。
フレーム間差分による処理方法を模式的に示す図であ
る。
【図４】カラー画像を用いて実画像を抽出する例を示す
図であり、３０フレーム目における入力画像を示す。
図であり、３０フレーム目における入力画像を示す。
【図５】同じく３０フレーム目におけるカラー平均画像
を示す図である。
を示す図である。
【図６】同じく３０フレーム目における領域分割結果を
示す図である。
示す図である。
【図７】３５０フレーム目における入力画像を示す図で
ある。
ある。
【図８】同じく３５０フレーム目におけるカラー平均画
像を示す図である。
像を示す図である。
【図９】同じく３５０フレーム目における領域分割画像
を示す図である。
を示す図である。
【図１０】テクスチャ情報を用いて実画像を抽出する例
を示す図であり、特に３０フレーム目における入力画像
を示す。
を示す図であり、特に３０フレーム目における入力画像
を示す。
【図１１】同じく３０フレーム目におけるテクスチャパ
ラメータ平均画像を示す図である。
ラメータ平均画像を示す図である。
【図１２】同じく３０フレーム目における領域分割結果
を示す図である。
を示す図である。
【図１３】同じく３５０フレーム目における入力画像を
示す図である。
示す図である。
【図１４】同じく３５０フレーム目におけるテクスチャ
パラメータ平均画像を示す図である。
パラメータ平均画像を示す図である。
【図１５】同じく３５０フレーム目における領域分割結
果を示す図である。
果を示す図である。
【図１６】この発明の一実施形態の概略ブロック図であ
る。
る。
１ カメラ ２ フレーム間差分回路 ３ 分割回路
───────────────────────────────────────────────────── フロントページの続き 特許法第30条第１項適用申請有り Ｎａｉｔｏ Ａ，Ｏ ｈｙａ Ｊ，”Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ｆｏｒ Ｈｕｍａｎ Ｔｒａｃｋｉｎｇ Ｕｓｉｎｇ Ｓｅｑｕｅｎｔｉａｌ−Ｉｍａｇｅ−Ｂａｓｅｄ Ｈ ｉｅｒａｒｃｈｉｃａｌ Ａｄａｐｔａｔｉｏｎ”，Ｃ ｏｍｐｕｔｅｒ Ｖｉｓｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ （ＣＶＰＲ’98），（ＵＳ Ａ），ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏｃｉｅｔｙ, Ｊｕｎｅ 23，1998，ｐ．911−916 (56)参考文献 特開 平８−241412（ＪＰ，Ａ) 特開 平９−81732（ＪＰ，Ａ) 特開 平９−171552（ＪＰ，Ａ) 特開 平７−93556（ＪＰ，Ａ) 内海章、「局所的な画素値分布を用い た動物体領域分割」、情報処理学会研究 報告、1996年、第96巻、第86号（96−Ｃ ＶＩＭ−101）、ｐ．17−24 Ｈｏｅｔｔｅｒ Ｍ，ｅｔ ａｌ，" Ｄｅｔｅｃｔｉｏｎ ａｎｄ ｄｅｓｃ ｒｉｐｔｉｏｎ ｏｆ ｍｏｖｉｎｇ ｏｂｊｅｃｔｓ ｂｙ ｓｔｏｃｈａｓ ｔｉｃ ｍｏｄｅｌｌｉｎｇ ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ｃｏｍｐｌｅ ｘ ｓｃｅｎｅｓ”，Ｓｉｇｎａｌ Ｐ ｒｏｃｅｓｓｉｎｇ：Ｉｍａｇｅ Ｃｏ ｍｍｕｎｉｃａｔｉｏｎ，1996，Ｖｏ ｌ．８，Ｎｏ．４，ｐ．281−293 (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 7/20 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (1)
- 【請求項１】 カメラで撮影した画像内の動物体領域と
背景領域とを分割する動物体領域分割装置であって、 前記カメラで撮影した原フレームの画像と前後のフレー
ムの画像との差分から前記動物体領域と前記背景領域と
を抽出する抽出手段と、 前記抽出手段によって抽出された動物体領域および背景
領域における色パラメータまたはテクスチャパラメータ
の分布を推定する分布推定手段と、 前記分布推定手段によって推定されたパラメータの分布
によって、新たに得られた画像上の各画素について対象
物体の存在する確率を示す確率画像を生成する生成手段
とを含むことを特徴とする、動物体領域分割装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10356905A JP2967088B1 (ja) | 1998-11-30 | 1998-11-30 | 動物体領域分割装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10356905A JP2967088B1 (ja) | 1998-11-30 | 1998-11-30 | 動物体領域分割装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2967088B1 true JP2967088B1 (ja) | 1999-10-25 |
| JP2000163597A JP2000163597A (ja) | 2000-06-16 |
Family
ID=18451356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10356905A Expired - Fee Related JP2967088B1 (ja) | 1998-11-30 | 1998-11-30 | 動物体領域分割装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2967088B1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4790113B2 (ja) * | 2000-12-04 | 2011-10-12 | ソニー株式会社 | 画像処理装置および方法、並びに記録媒体 |
| WO2013065220A1 (ja) * | 2011-11-02 | 2013-05-10 | パナソニック株式会社 | 画像認識装置、画像認識方法、及び集積回路 |
-
1998
- 1998-11-30 JP JP10356905A patent/JP2967088B1/ja not_active Expired - Fee Related
Non-Patent Citations (2)
| Title |
|---|
| Ｈｏｅｔｔｅｒ Ｍ，ｅｔ ａｌ，"Ｄｅｔｅｃｔｉｏｎ ａｎｄ ｄｅｓｃｒｉｐｔｉｏｎ ｏｆ ｍｏｖｉｎｇ ｏｂｊｅｃｔｓ ｂｙ ｓｔｏｃｈａｓｔｉｃ ｍｏｄｅｌｌｉｎｇ ａｎｄ ａｎａｌｙｓｉｓ ｏｆ ｃｏｍｐｌｅｘ ｓｃｅｎｅｓ"，Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ：Ｉｍａｇｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎ，１９９６，Ｖｏｌ．８，Ｎｏ．４，ｐ．２８１−２９３ |
| 内海章、「局所的な画素値分布を用いた動物体領域分割」、情報処理学会研究報告、１９９６年、第９６巻、第８６号（９６−ＣＶＩＭ−１０１）、ｐ．１７−２４ |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000163597A (ja) | 2000-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6789402B2 (ja) | 画像内の物体の姿の確定方法、装置、設備及び記憶媒体 | |
| CN110378997B (zh) | 一种基于orb-slam2的动态场景建图与定位方法 | |
| US7986813B2 (en) | Object pose estimation and comparison system using image sharpness differences, object pose estimation and comparison method using image sharpness differences, and program therefor | |
| JP4629364B2 (ja) | シーンの背景を表現する背景画像を適応的に更新する方法 | |
| JP6685827B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| Gao et al. | Object tracking using firefly algorithm | |
| JP6482195B2 (ja) | 画像認識装置、画像認識方法及びプログラム | |
| JP2009508450A (ja) | 物体のトラッキングおよび活動分析のためのシステムおよび方法 | |
| JP2011123887A (ja) | 画像のセットからピクセルを抽出するための方法およびシステム | |
| Rambach et al. | Learning 6dof object poses from synthetic single channel images | |
| EP2367139A1 (en) | Matching device, digital image processing system, matching device control program, computer-readable recording medium, and matching device control method | |
| EP0844582A3 (en) | System and method for detecting a human face | |
| JP7272024B2 (ja) | 物体追跡装置、監視システムおよび物体追跡方法 | |
| WO2013012091A1 (ja) | 情報処理装置、物体追跡方法およびプログラム記憶媒体 | |
| CN108615241B (zh) | 一种基于光流的快速人体姿态估计方法 | |
| US20230014448A1 (en) | Methods for handling occlusion in augmented reality applications using memory and device tracking and related apparatus | |
| CN107292272B (zh) | 一种在实时传输的视频中人脸识别的方法及系统 | |
| CN110895802A (zh) | 一种图像处理方法及装置 | |
| CN105184771A (zh) | 一种自适应运动目标检测系统及检测方法 | |
| CN111178261A (zh) | 一种基于视频编码技术的人脸检测加速方法 | |
| CN111382791B (zh) | 深度学习任务处理方法、图像识别任务处理方法和装置 | |
| CN111583357A (zh) | 一种基于matlab系统的物体运动图像捕捉合成方法 | |
| JP2002522830A (ja) | 色フレームイメージシーケンスで移動体を検出する装置及び方法 | |
| JP2967088B1 (ja) | 動物体領域分割装置 | |
| CN112465858A (zh) | 基于概率网格滤波的语义视觉slam方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19990803 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070813 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080813 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080813 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090813 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090813 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100813 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110813 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120813 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130813 Year of fee payment: 14 |
|
| LAPS | Cancellation because of no payment of annual fees |