JP3046532B2 - 物体の認識方法 - Google Patents
物体の認識方法Info
- Publication number
- JP3046532B2 JP3046532B2 JP7277536A JP27753695A JP3046532B2 JP 3046532 B2 JP3046532 B2 JP 3046532B2 JP 7277536 A JP7277536 A JP 7277536A JP 27753695 A JP27753695 A JP 27753695A JP 3046532 B2 JP3046532 B2 JP 3046532B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- value
- variance
- correlation coefficient
- search target
- 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 - Lifetime
Links
Description
【０００１】
【発明が属する技術分野】本発明は物体の認識方法に係
り、特に、検索対象画像データとモデルの画像データと
の相関係数に基づいて対象物とモデルとのパターンマッ
チングを行なって物体を認識する場合に、背景やハレー
ション等の影響によるミスマッチングを防止した物体の
認識方法に関する。
り、特に、検索対象画像データとモデルの画像データと
の相関係数に基づいて対象物とモデルとのパターンマッ
チングを行なって物体を認識する場合に、背景やハレー
ション等の影響によるミスマッチングを防止した物体の
認識方法に関する。
【０００２】
【従来の技術】一般に、検索の対象となる画像領域内
で、所定の物体の画像が存在する位置を検索する場合に
は、テンプレートマッチング法によって画像認識が行わ
れている。このテンプレートマッチング法は、検索の対
象となる画像領域内で、モデルの画像（テンプレート）
を移動させ、テンプレートの画像データと検索対象画像
領域内の画像データとの誤差が所定値以下である位置を
検索し、誤差が所定値以下の位置にモデルの画像の物体
が存在するものと認識する手法である。誤差の求め方に
は、検索の対象となる画像領域とテンプレートとの対応
する画素の濃度の二乗差の総和を求める方法や両画素間
の相関係数を求める方法等がある。
で、所定の物体の画像が存在する位置を検索する場合に
は、テンプレートマッチング法によって画像認識が行わ
れている。このテンプレートマッチング法は、検索の対
象となる画像領域内で、モデルの画像（テンプレート）
を移動させ、テンプレートの画像データと検索対象画像
領域内の画像データとの誤差が所定値以下である位置を
検索し、誤差が所定値以下の位置にモデルの画像の物体
が存在するものと認識する手法である。誤差の求め方に
は、検索の対象となる画像領域とテンプレートとの対応
する画素の濃度の二乗差の総和を求める方法や両画素間
の相関係数を求める方法等がある。
【０００３】ここで、相関係数を用いたテンプレートマ
ッチングとしては、特開平１−２０１７８４号公報に記
載された技術がある。この技術は、濃淡画像データのパ
ターンマッチングにより物体を認識する際に、２つの画
像が同心円の円周上で正規分布していると仮定し、各円
周上での相関係数（正規化相関係数）を求め、対応する
画素間で極座標によるパターンマッチングを行なうもの
である。
ッチングとしては、特開平１−２０１７８４号公報に記
載された技術がある。この技術は、濃淡画像データのパ
ターンマッチングにより物体を認識する際に、２つの画
像が同心円の円周上で正規分布していると仮定し、各円
周上での相関係数（正規化相関係数）を求め、対応する
画素間で極座標によるパターンマッチングを行なうもの
である。
【０００４】
【発明が解決しようとする課題】しかしながら、上記従
来の技術では、２つの画像間に濃淡変化やオフセットが
あっても相関係数は変化しないので、モデルの濃淡パタ
ーンによっては認識すべき対象画像なのかそれ以外の背
景等の画像であるのかを区別ができない、という問題が
ある。例えば、円柱状シャフトの軸と直交する方向の濃
淡レベルのように、濃淡レベルが放物線パターンになる
モデル（図１）に対して相関係数を求めると、背景（図
２）、ハレーション（図３）、暗いシャフト（図４）、
明るいシャフト（図５）の各パターンと略同じ値にな
る。このため、図２、図３のように殆ど濃淡レベル差が
無い背景やハレーション等を対象物と誤認識してしま
う。
来の技術では、２つの画像間に濃淡変化やオフセットが
あっても相関係数は変化しないので、モデルの濃淡パタ
ーンによっては認識すべき対象画像なのかそれ以外の背
景等の画像であるのかを区別ができない、という問題が
ある。例えば、円柱状シャフトの軸と直交する方向の濃
淡レベルのように、濃淡レベルが放物線パターンになる
モデル（図１）に対して相関係数を求めると、背景（図
２）、ハレーション（図３）、暗いシャフト（図４）、
明るいシャフト（図５）の各パターンと略同じ値にな
る。このため、図２、図３のように殆ど濃淡レベル差が
無い背景やハレーション等を対象物と誤認識してしま
う。
【０００５】本発明は上記問題点を解消するためになさ
れたもので、背景やハレーション等の影響によるミスマ
ッチングを防止して認識すべき対象のみを認識すること
ができる物体の認識方法を提供することを目的とする。
れたもので、背景やハレーション等の影響によるミスマ
ッチングを防止して認識すべき対象のみを認識すること
ができる物体の認識方法を提供することを目的とする。
【０００６】
【課題を解決するための手段】上記の目的を達成するた
めに、請求項１に記載の発明は、検索対象画像データと
モデルの画像データとの相関係数を求め、求めた相関係
数に基づいて対象物とモデルとのパターンマッチングを
行なって物体を認識する物体の認識方法において、検索
対象画像データの濃淡値より検索対象画像データの分散
値を求め、前記分散値と予め定めた閾値とを比較してパ
ターンマッチングを行なうか否かを判定し、パターンマ
ッチングを行なうと判定した場合のみ前記相関係数を求
めることを特徴とする。
めに、請求項１に記載の発明は、検索対象画像データと
モデルの画像データとの相関係数を求め、求めた相関係
数に基づいて対象物とモデルとのパターンマッチングを
行なって物体を認識する物体の認識方法において、検索
対象画像データの濃淡値より検索対象画像データの分散
値を求め、前記分散値と予め定めた閾値とを比較してパ
ターンマッチングを行なうか否かを判定し、パターンマ
ッチングを行なうと判定した場合のみ前記相関係数を求
めることを特徴とする。
【０００７】請求項１の発明では、検索対象画像データ
とモデルの画像データとの相関係数を求め、求めた相関
係数に基づいて対象物とモデルとのパターンマッチング
を行なって物体を認識する際に、検索対象画像データの
濃淡値より検索対象画像データの分散値を求め、分散値
と予め定めた閾値とを比較してパターンマッチングを行
なうか否かを判定する。そして、パターンマッチングを
行なうと判定した場合のみ相関係数を求めてパターンマ
ッチングを行なう。
とモデルの画像データとの相関係数を求め、求めた相関
係数に基づいて対象物とモデルとのパターンマッチング
を行なって物体を認識する際に、検索対象画像データの
濃淡値より検索対象画像データの分散値を求め、分散値
と予め定めた閾値とを比較してパターンマッチングを行
なうか否かを判定する。そして、パターンマッチングを
行なうと判定した場合のみ相関係数を求めてパターンマ
ッチングを行なう。
【０００８】請求項１の発明では、分散値、すなわち画
像データの濃淡値の平均値からの偏差のばらつき度合い
と予め定めた閾値とを比較してパターンマッチングを行
なうか否かを判定しているので、認識対象外の画像デー
タ、すなわち対象物の画像データ以外の画像データを除
去してミスマッチングを防止し、認識成功率を高めるこ
とができる。また、パターンマッチングを行なうと判定
した場合のみ相関係数を求めるようにして、検索対象画
像データの全てについて相関係数を求めないようにして
いるので、計算回数が少なくなり、高速処理することが
できる。
像データの濃淡値の平均値からの偏差のばらつき度合い
と予め定めた閾値とを比較してパターンマッチングを行
なうか否かを判定しているので、認識対象外の画像デー
タ、すなわち対象物の画像データ以外の画像データを除
去してミスマッチングを防止し、認識成功率を高めるこ
とができる。また、パターンマッチングを行なうと判定
した場合のみ相関係数を求めるようにして、検索対象画
像データの全てについて相関係数を求めないようにして
いるので、計算回数が少なくなり、高速処理することが
できる。
【０００９】上記の閾値は、検索対象画像データから少
なくとも対象物の画像データのみを抽出できる値であれ
ばよいので、対象物の画像データの分散値の最大値及び
最小値の少なくとも一方を閾値として用いることができ
る。また、パターンがマッチングする場合は、対象物の
画像データとモデルの画像データとの間に高い相関があ
るので、対象物の画像データの分散値の最大値及び最小
値の少なくとも一方に代えて、モデルの画像データの分
散値の最大値及び最小値の少なくとも一方を用いるよう
にしてもよい。これらの場合、検索対象画像データの分
散値が対象物の画像データまたはモデルの画像データの
最大値より小さいとき、及び検索対象画像データの分散
値が対象物の画像データまたはモデルの画像データの最
小値より大きいときの少なくとも一方のときに、パター
ンマッチングを行なうようにする。
なくとも対象物の画像データのみを抽出できる値であれ
ばよいので、対象物の画像データの分散値の最大値及び
最小値の少なくとも一方を閾値として用いることができ
る。また、パターンがマッチングする場合は、対象物の
画像データとモデルの画像データとの間に高い相関があ
るので、対象物の画像データの分散値の最大値及び最小
値の少なくとも一方に代えて、モデルの画像データの分
散値の最大値及び最小値の少なくとも一方を用いるよう
にしてもよい。これらの場合、検索対象画像データの分
散値が対象物の画像データまたはモデルの画像データの
最大値より小さいとき、及び検索対象画像データの分散
値が対象物の画像データまたはモデルの画像データの最
小値より大きいときの少なくとも一方のときに、パター
ンマッチングを行なうようにする。
【００１０】ハレーション等の外乱光の画像データの分
散値は、対象物の画像データまたはモデルの画像データ
の分散値の最大値より大きくなるので、閾値として対象
物の画像データまたはモデルの画像データの分散値の最
大値を用いることにより、ハレーション等の外乱光によ
るミスマッチングを防止することができる。また、背景
の画像データはモデルの画像データまたは対象物の画像
データの分散値の最小値より小さくなるので、閾値とし
てモデルの画像データまたは対象物の画像データの分散
値の最小値を用いることにより、濃淡レベルが小さくか
つ濃淡レベル差の無い背景画像等を対象物として認識す
るミスマッチングを防止することができる。
散値は、対象物の画像データまたはモデルの画像データ
の分散値の最大値より大きくなるので、閾値として対象
物の画像データまたはモデルの画像データの分散値の最
大値を用いることにより、ハレーション等の外乱光によ
るミスマッチングを防止することができる。また、背景
の画像データはモデルの画像データまたは対象物の画像
データの分散値の最小値より小さくなるので、閾値とし
てモデルの画像データまたは対象物の画像データの分散
値の最小値を用いることにより、濃淡レベルが小さくか
つ濃淡レベル差の無い背景画像等を対象物として認識す
るミスマッチングを防止することができる。
【００１１】なお、上記閾値を実験により予め求めるよ
うにしてもよい。
うにしてもよい。
【００１２】
【発明の実施の形態】以下、図面を参照して本発明を物
体認識装置に適用した実施の形態を詳細に説明する。
体認識装置に適用した実施の形態を詳細に説明する。
【００１３】図６に示すように、本実施の形態の物体認
識装置１０は、物体を撮影する撮影手段であるＣＣＤカ
メラ１２を備えている。このＣＣＤカメラ１２は、認識
対象物を含む領域の画像を例えば横５１２×縦５１２画
素の解像度で白黒画像で撮影し、画像の濃淡を表す映像
信号を出力する。ＣＣＤカメラ１２の映像出力端には、
例えば８ビット（２５６階調）の分解能を持つＡ／Ｄ変
換器１４が接続されており、このＡ／Ｄ変換器１４はＣ
ＣＤカメラ１２から出力されたアナログの映像信号を８
ビットのデジタル値に変換して出力する。Ａ／Ｄ変換器
１４は画像メモリ部１６に接続されており、画像メモリ
部１６はＣＣＤカメラ１２からＡ／Ｄ変換器１４を介し
て入力される濃淡のディジタル値である画像データを１
フレーム分記憶する。
識装置１０は、物体を撮影する撮影手段であるＣＣＤカ
メラ１２を備えている。このＣＣＤカメラ１２は、認識
対象物を含む領域の画像を例えば横５１２×縦５１２画
素の解像度で白黒画像で撮影し、画像の濃淡を表す映像
信号を出力する。ＣＣＤカメラ１２の映像出力端には、
例えば８ビット（２５６階調）の分解能を持つＡ／Ｄ変
換器１４が接続されており、このＡ／Ｄ変換器１４はＣ
ＣＤカメラ１２から出力されたアナログの映像信号を８
ビットのデジタル値に変換して出力する。Ａ／Ｄ変換器
１４は画像メモリ部１６に接続されており、画像メモリ
部１６はＣＣＤカメラ１２からＡ／Ｄ変換器１４を介し
て入力される濃淡のディジタル値である画像データを１
フレーム分記憶する。
【００１４】画像メモリ部１６は、中央処理装置（ＣＰ
Ｕ）３４、物体の認識プログラム等が記録されたＲＯＭ
３６、プログラムが使用する画像データ等の一時的な記
録装置であるＲＡＭ３８、入出力（Ｉ／Ｏ）ポート４
０、及びこれらを相互に接続するデータバス３０やアド
レスバス３２を備えたマイクロプロセッサで構成された
計算判定装置１８に接続されている。計算判定装置１８
のＩ／Ｏポート４０には、表示装置としてのＣＲＴ２４
が接続されている。計算判定装置１８は、画像メモリ部
１６に記録された画像データを読み取り、認識すべき物
体が画像中に存在するか否か、また存在すればその位置
を認識し、認識結果を出力してＣＲＴ２４に表示させ
る。
Ｕ）３４、物体の認識プログラム等が記録されたＲＯＭ
３６、プログラムが使用する画像データ等の一時的な記
録装置であるＲＡＭ３８、入出力（Ｉ／Ｏ）ポート４
０、及びこれらを相互に接続するデータバス３０やアド
レスバス３２を備えたマイクロプロセッサで構成された
計算判定装置１８に接続されている。計算判定装置１８
のＩ／Ｏポート４０には、表示装置としてのＣＲＴ２４
が接続されている。計算判定装置１８は、画像メモリ部
１６に記録された画像データを読み取り、認識すべき物
体が画像中に存在するか否か、また存在すればその位置
を認識し、認識結果を出力してＣＲＴ２４に表示させ
る。
【００１５】以下、本実施の形態の物体認識装置の作用
を説明する。なお、本実施の形態では、クランクシャフ
トの軸と垂直方向の相対画素位置と濃淡値との関係が図
１０の曲線Ａで表されるテンプレートを用いて、図９に
示すクランクシャフトのシャフト部を認識する場合につ
いて説明する。なお、図１０の曲線Ｂはシャフト部の濃
淡値を示し、曲線Ｃは背景の濃淡値を示すものである。
を説明する。なお、本実施の形態では、クランクシャフ
トの軸と垂直方向の相対画素位置と濃淡値との関係が図
１０の曲線Ａで表されるテンプレートを用いて、図９に
示すクランクシャフトのシャフト部を認識する場合につ
いて説明する。なお、図１０の曲線Ｂはシャフト部の濃
淡値を示し、曲線Ｃは背景の濃淡値を示すものである。
【００１６】ＣＣＤカメラ１２から出力された映像信号
は、Ａ／Ｄ変換器１４を介して８ビットのデジタル値に
変換され、画像メモリ部１６に１フレーム分記録され
る。
は、Ａ／Ｄ変換器１４を介して８ビットのデジタル値に
変換され、画像メモリ部１６に１フレーム分記録され
る。
【００１７】画像メモリ部１６に１フレーム分の画像デ
ータが記録されると、ＣＰＵ３４は、図７及び図８のフ
ローチャートに従ってテンプレートマッチング処理を実
行する。
ータが記録されると、ＣＰＵ３４は、図７及び図８のフ
ローチャートに従ってテンプレートマッチング処理を実
行する。
【００１８】マッチング処理が開始されるとステップ１
００において、マッチングが肯定判断された座標の総数
を表すカウント値Ｃが０にリセットされ、次のステップ
１０２において図８に示すサブルーチンが起動される。
００において、マッチングが肯定判断された座標の総数
を表すカウント値Ｃが０にリセットされ、次のステップ
１０２において図８に示すサブルーチンが起動される。
【００１９】図８のステップ１１４では、図９に示す画
素数ｍ×ｎ個の矩形状探索範囲Ｅの最上部からテンプレ
ート（モデル）と同じサイズ（軸Ｃと垂直な方向に画素
数ｎ個の領域）の画像データ（濃淡値）Ｉi （ｉ＝１，
２，３・・・ｎ）を抽出する。
素数ｍ×ｎ個の矩形状探索範囲Ｅの最上部からテンプレ
ート（モデル）と同じサイズ（軸Ｃと垂直な方向に画素
数ｎ個の領域）の画像データ（濃淡値）Ｉi （ｉ＝１，
２，３・・・ｎ）を抽出する。
【００２０】次のステップ１１６では、以下の（１）式
に従って抽出した画像データＩi の分散値ＳI を算出す
る。なお、以下の式では１〜ｎまでの総和を単にΣで表
している。
に従って抽出した画像データＩi の分散値ＳI を算出す
る。なお、以下の式では１〜ｎまでの総和を単にΣで表
している。
【００２１】 ＳI ＝ｎΣＩi 2 −（ΣＩi ）2 ・・・（１） なお、分散値の一般式は ΣＩi 2 ／ｎ−（ΣＩi ）2 ／ｎ2 ・・・（２） であるが、本実施の形態では後述する相関係数の演算を
効率良く行うために（２）式をｎ2 倍した値を分散値と
して用いている。
効率良く行うために（２）式をｎ2 倍した値を分散値と
して用いている。
【００２２】次のステップ１１８では、分散値ＳI が分
散閾値Ｔｓより大きいか否かを判断する。本実施例では
シャフト部を検索すべき対象物としており、図１１から
理解されるように、探索位置１０付近のシャフト部（対
象物）の分散値は１．１×１０6 〜１．７×１０6 程
度、探索位置２０付近のシャフト部の分散値は１．１×
１０6 〜１．５×１０6 程度である。従って、本実施の
態様では、分散閾値Ｔｓとして、対象物の画像データの
分散値の最小値である１．１×１０6 を採用した。
散閾値Ｔｓより大きいか否かを判断する。本実施例では
シャフト部を検索すべき対象物としており、図１１から
理解されるように、探索位置１０付近のシャフト部（対
象物）の分散値は１．１×１０6 〜１．７×１０6 程
度、探索位置２０付近のシャフト部の分散値は１．１×
１０6 〜１．５×１０6 程度である。従って、本実施の
態様では、分散閾値Ｔｓとして、対象物の画像データの
分散値の最小値である１．１×１０6 を採用した。
【００２３】ステップ１１８の判断が否定のときは、抽
出した画像データが背景部分等の濃淡変化が少ない画像
データであり分散値が小さく、物体認識に適さないた
め、以後の処理を行わずにメインルーチンへリターンす
る。
出した画像データが背景部分等の濃淡変化が少ない画像
データであり分散値が小さく、物体認識に適さないた
め、以後の処理を行わずにメインルーチンへリターンす
る。
【００２４】ステップ１１８で肯定判断されたとき、す
なわち分散値ＳI が分散閾値Ｔｓより大きい場合は、ス
テップ１２０に移行し、以下の式に従って正規化相関係
数Ｒを算出する。
なわち分散値ＳI が分散閾値Ｔｓより大きい場合は、ス
テップ１２０に移行し、以下の式に従って正規化相関係
数Ｒを算出する。
【００２５】 Ｒ＝ＳIM／√（ＳI ＳM ） ・・・（３） ただし、ＳIMは共分散、ＳM はテンプレートを表す画像
データの分散値であり、テンプレート画像の各画素の濃
淡値をＭi （ｉ＝１，２，３・・・ｎ）として、 ＳIM＝ｎΣＩi Ｍi −ΣＩi ΣＭi ・・・（４） ＳM ＝ｎΣＭi 2 −（ΣＭi ）2 ・・・（５） で算出される。テンプレートを表す画像データの分散値
ＳM は、テンプレートが同じであれば常に一定の値であ
るので、マッチングを行う前に予め算出することで演算
処理時間を短縮することができる。
データの分散値であり、テンプレート画像の各画素の濃
淡値をＭi （ｉ＝１，２，３・・・ｎ）として、 ＳIM＝ｎΣＩi Ｍi −ΣＩi ΣＭi ・・・（４） ＳM ＝ｎΣＭi 2 −（ΣＭi ）2 ・・・（５） で算出される。テンプレートを表す画像データの分散値
ＳM は、テンプレートが同じであれば常に一定の値であ
るので、マッチングを行う前に予め算出することで演算
処理時間を短縮することができる。
【００２６】次のステップ１２２では、正規化相関係数
Ｒと相関閾値ＴR との大きさが比較され、正規化相関係
数Ｒが相関閾値ＴR より大きければ、抽出画像はテンプ
レートと相関が高いと認識されマッチング判定は肯定さ
れ、ステップ１２４において正規化相関係数Ｒとテンプ
レートの中心座標（ＸC ，ＹC ）とがＲＡＭに記憶され
る。そして、ステップ１２６で検出カウント値Ｃが１イ
ンクリメントされ、メインルーチンにリターンする。
Ｒと相関閾値ＴR との大きさが比較され、正規化相関係
数Ｒが相関閾値ＴR より大きければ、抽出画像はテンプ
レートと相関が高いと認識されマッチング判定は肯定さ
れ、ステップ１２４において正規化相関係数Ｒとテンプ
レートの中心座標（ＸC ，ＹC ）とがＲＡＭに記憶され
る。そして、ステップ１２６で検出カウント値Ｃが１イ
ンクリメントされ、メインルーチンにリターンする。
【００２７】なお、ステップ１２２で正規化相関係数Ｒ
が相関閾値ＴR より小さければ抽出画像とテンプレート
とは相関が低いのでマッチングは否定判断され、メイン
ルーチンへリターンする。
が相関閾値ＴR より小さければ抽出画像とテンプレート
とは相関が低いのでマッチングは否定判断され、メイン
ルーチンへリターンする。
【００２８】上記のように、抽出画像データの濃淡平均
値からの偏差のばらつき度合いを示す分散値が分散閾値
ＴS を越え、かつテンプレートとの正規化相関係数Ｒが
相関閾値ＴR を越えた場合のみに抽出画像とテンプレー
トとがマッチングしたと判断しているので、濃度の変化
が小さく認識に適さない背景等の画像データに影響され
ずにマッチングを行うことができる。
値からの偏差のばらつき度合いを示す分散値が分散閾値
ＴS を越え、かつテンプレートとの正規化相関係数Ｒが
相関閾値ＴR を越えた場合のみに抽出画像とテンプレー
トとがマッチングしたと判断しているので、濃度の変化
が小さく認識に適さない背景等の画像データに影響され
ずにマッチングを行うことができる。
【００２９】ステップ１０２のマッチング判定が終了す
るとステップ１０４において、マッチングを行うべき全
ての座標でマッチング判定が行われたか否かが判別され
る。否定判断の時はステップ１０５において、予め定め
られた移動方向であるクランクシャフトの軸に沿ってテ
ンプレートを所定量移動し、ステップ１０２に戻り、新
たなテンプレート座標でのマッチングを繰り返す。
るとステップ１０４において、マッチングを行うべき全
ての座標でマッチング判定が行われたか否かが判別され
る。否定判断の時はステップ１０５において、予め定め
られた移動方向であるクランクシャフトの軸に沿ってテ
ンプレートを所定量移動し、ステップ１０２に戻り、新
たなテンプレート座標でのマッチングを繰り返す。
【００３０】ステップ１０４で全て検索したと判断され
ると、すなわち探索範囲Ｅの全範囲についてマッチング
の判定が終了すると、ステップ１０６で検出カウント値
Ｃが０であるか否かを判断する。カウント値Ｃが０であ
れば、マッチングした場所が全く無いことを示すので、
ステップ１１２に移行し、認識対象がないことをＣＲＴ
２４へ出力する。
ると、すなわち探索範囲Ｅの全範囲についてマッチング
の判定が終了すると、ステップ１０６で検出カウント値
Ｃが０であるか否かを判断する。カウント値Ｃが０であ
れば、マッチングした場所が全く無いことを示すので、
ステップ１１２に移行し、認識対象がないことをＣＲＴ
２４へ出力する。
【００３１】カウント値Ｃが０以外、すなわちマッチン
グ判定が肯定された座標が存在する場合は、ステップ１
０８に移行し、記憶されている正規化相関係数Ｒk （ｋ
＝１，２，３，・・・）について最初に記憶された正規
化相関係数Ｒ1 から順にスキャンし、最初にＲk-1 ＜Ｒ
k かつＲk ≧Ｒk+1 を満たすｋ番目の正規化相関係数Ｒ
k を検出する。ステップ１１０では検出した正規化相関
係数Ｒk に対応する座標を認識結果としてＣＲＴ２４へ
出力し、その座標に対応する点に印をつけて表示する。
グ判定が肯定された座標が存在する場合は、ステップ１
０８に移行し、記憶されている正規化相関係数Ｒk （ｋ
＝１，２，３，・・・）について最初に記憶された正規
化相関係数Ｒ1 から順にスキャンし、最初にＲk-1 ＜Ｒ
k かつＲk ≧Ｒk+1 を満たすｋ番目の正規化相関係数Ｒ
k を検出する。ステップ１１０では検出した正規化相関
係数Ｒk に対応する座標を認識結果としてＣＲＴ２４へ
出力し、その座標に対応する点に印をつけて表示する。
【００３２】なお、本実施の形態では、図１１に示すよ
うに、Ｒk-1 ＜Ｒk かつＲk ≧Ｒk+ 1 を満たすピークポ
イントが２つ現れているが、どちらもシャフトの軸を検
出した結果である。また、図１２にシャフト部以外の分
散値と正規化相関係数を示す。
うに、Ｒk-1 ＜Ｒk かつＲk ≧Ｒk+ 1 を満たすピークポ
イントが２つ現れているが、どちらもシャフトの軸を検
出した結果である。また、図１２にシャフト部以外の分
散値と正規化相関係数を示す。
【００３３】なお、上記では閾値として対象物の画像デ
ータの分散値の最小値を採用して背景画像データを除去
する例について説明したが、対象物の画像データの分散
値の最大値を閾値として採用して、検索対象画像データ
の分散値がこの最大値を越える検索対象画像データを除
去して正規化相関係数を求めるようにしてもよい。ま
た、対象物の画像データの分散値の最小値を第１の閾値
とし、対象物の画像データの分散値の最大値を第２の閾
値とし、分散値が第１の閾値と第２の閾値との間に含ま
れる検索対象画像データのみを抽出して正規化相関係数
を求めてマッチングを行うようにしてもよい。さらに、
モデルの画像データの最大値または最小値を閾値として
採用してもよい。
ータの分散値の最小値を採用して背景画像データを除去
する例について説明したが、対象物の画像データの分散
値の最大値を閾値として採用して、検索対象画像データ
の分散値がこの最大値を越える検索対象画像データを除
去して正規化相関係数を求めるようにしてもよい。ま
た、対象物の画像データの分散値の最小値を第１の閾値
とし、対象物の画像データの分散値の最大値を第２の閾
値とし、分散値が第１の閾値と第２の閾値との間に含ま
れる検索対象画像データのみを抽出して正規化相関係数
を求めてマッチングを行うようにしてもよい。さらに、
モデルの画像データの最大値または最小値を閾値として
採用してもよい。
【００３４】
【発明の効果】以上説明したように請求項１の本発明に
よれば、分散値と予め定めた閾値との比較結果によりパ
ターンマッチングを行なうようにしているので、認識対
象外の画像データを除去してミスマッチングを防止し、
認識成功率を高めることができる、という効果が得られ
る。
よれば、分散値と予め定めた閾値との比較結果によりパ
ターンマッチングを行なうようにしているので、認識対
象外の画像データを除去してミスマッチングを防止し、
認識成功率を高めることができる、という効果が得られ
る。
【００３５】また、請求項２及び３の発明によれば、閾
値として対象物の画像データまたはモデルの画像データ
の分散値の最大値または最小値を用いているので、ハレ
ーション等の外乱光によるミスマッチングや背景画像等
を対象物として誤認するミスマッチングを防止すること
ができる、という効果が得られる。
値として対象物の画像データまたはモデルの画像データ
の分散値の最大値または最小値を用いているので、ハレ
ーション等の外乱光によるミスマッチングや背景画像等
を対象物として誤認するミスマッチングを防止すること
ができる、という効果が得られる。
【図１】放物線パターンの濃淡レベルの例を示す線図で
ある。
ある。
【図２】暗い背景の位置と濃淡レベルの関係を示す線図
である。
である。
【図３】明るい背景の位置と濃淡レベルの関係を示す線
図である。
図である。
【図４】暗いシャフトの位置と濃淡レベルの関係を示す
線図である。
線図である。
【図５】明るいシャフトの位置と濃淡レベルの関係を示
す線図である。
す線図である。
【図６】本実施の形態に係る物体の認識装置の構成を示
すブロック図である。
すブロック図である。
【図７】本実施の形態の認識処理ルーチンを示すフロー
チャートである。
チャートである。
【図８】図７のステップ１０２の詳細を示すフローチャ
ートである。
ートである。
【図９】認識対象物とテンプレートの移動方向の例を示
す図である。
す図である。
【図１０】シャフトと、テンプレートと、背景の濃度変
化を示す線図である。
化を示す線図である。
【図１１】シャフト部に対してマッチングを行った場合
の分散値と相関係数を示す線図である。
の分散値と相関係数を示す線図である。
【図１２】シャフト部以外に対してマッチングを行った
場合の分散値と相関値を示す線図である。
場合の分散値と相関値を示す線図である。
１０ 物体の認識装置 １２ ＣＣＤカメラ １４ Ａ／Ｄ変換器 １６ 画像メモリ部 １８ 計算判定装置 ２４ ＣＲＴ
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平８−56287（ＪＰ，Ａ) 特開 平７−57093（ＪＰ，Ａ) 特開 平４−188948（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 7/00
Claims (3)
- 【請求項１】 検索対象画像データとモデルの画像デー
タとの相関係数を求め、求めた相関係数に基づいて対象
物とモデルとのパターンマッチングを行なって物体を認
識する物体の認識方法において、 前記検索対象画像データの濃淡値より該検索対象画像デ
ータの分散値を求め、 前記分散値と予め定めた閾値とを比較してパターンマッ
チングを行なうか否かを判定し、 パターンマッチングを行なうと判定した場合のみ前記相
関係数を求めることを特徴とする物体の認識方法。 - 【請求項２】 対象物の画像データの分散値の最大値及
び最小値の少なくとも一方を前記閾値とし、前記検索対
象画像データの分散値が前記最大値より小さいとき及び
前記検索対象画像データの分散値が前記最小値より大き
いときの少なくとも一方のときに、パターンマッチング
を行なうと判定する請求項１記載の物体の認識方法。 - 【請求項３】 モデルの画像データの分散値の最大値及
び最小値の少なくとも一方を前記閾値とし、前記検索対
象画像データの分散値が前記最大値より小さいとき及び
前記検索対象画像データの分散値が前記最小値より大き
いときの少なくとも一方のときに、パターンマッチング
を行なうと判定する請求項１記載の物体の認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7277536A JP3046532B2 (ja) | 1995-10-25 | 1995-10-25 | 物体の認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7277536A JP3046532B2 (ja) | 1995-10-25 | 1995-10-25 | 物体の認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09120452A JPH09120452A (ja) | 1997-05-06 |
| JP3046532B2 true JP3046532B2 (ja) | 2000-05-29 |
Family
ID=17584930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7277536A Expired - Lifetime JP3046532B2 (ja) | 1995-10-25 | 1995-10-25 | 物体の認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3046532B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008077668A (ja) * | 2007-10-09 | 2008-04-03 | Tani Electronics Corp | 画像認識による計測方法および記録媒体 |
-
1995
- 1995-10-25 JP JP7277536A patent/JP3046532B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH09120452A (ja) | 1997-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1677250B1 (en) | Image collation system and image collation method | |
| US7415165B2 (en) | Red-eye detection device, red-eye detection method, and red-eye detection program | |
| US9092868B2 (en) | Apparatus for detecting object from image and method therefor | |
| US7366330B2 (en) | Method, apparatus, and program for detecting faces | |
| JP4604439B2 (ja) | 画像処理装置及び画像処理方法、並びに記録媒体 | |
| US8446494B2 (en) | Automatic redeye detection based on redeye and facial metric values | |
| JP2996657B2 (ja) | 階調パターン整合による動き検出装置及びその方法 | |
| JP2011165170A (ja) | 対象物検出装置及びプログラム | |
| JP3099771B2 (ja) | 文字認識方法、装置及び文字認識プログラムを記録した記録媒体 | |
| JP3774495B2 (ja) | 画像情報抽出装置および方法 | |
| JP4192719B2 (ja) | 画像処理装置および方法、並びにプログラム | |
| JP3046532B2 (ja) | 物体の認識方法 | |
| JP2003162723A (ja) | 画像処理プログラム | |
| JP2000003436A (ja) | Ｉｓａｒ画像識別装置およびｉｓａｒ画像識別方法 | |
| JPH0944676A (ja) | 顔面検出装置 | |
| JP3355027B2 (ja) | 目標検出方法 | |
| JP2003216935A (ja) | 顔抽出装置及び方法及びそれを記憶した記録媒体 | |
| JPH10247246A (ja) | 物体検出方法 | |
| JP3074691B2 (ja) | 文字認識装置 | |
| JP2007025901A (ja) | 画像処理装置、画像処理方法 | |
| JP2004199200A (ja) | パターン認識装置、撮像装置、情報処理システム、パターン認識方法、記録媒体、及びプログラム | |
| JP3216356B2 (ja) | ナンバープレート位置検出装置 | |
| WO2020259603A1 (zh) | 图像处理装置及图像处理方法 | |
| JP3087788B2 (ja) | 部品の位置検出方法及び装置 | |
| JP3712825B2 (ja) | 画像処理方法、装置および記録媒体 |