JP3065854B2 - 人物認識方法 - Google Patents
人物認識方法Info
- Publication number
- JP3065854B2 JP3065854B2 JP5136279A JP13627993A JP3065854B2 JP 3065854 B2 JP3065854 B2 JP 3065854B2 JP 5136279 A JP5136279 A JP 5136279A JP 13627993 A JP13627993 A JP 13627993A JP 3065854 B2 JP3065854 B2 JP 3065854B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- block
- divided
- person
- circumscribed rectangle
- 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
Landscapes
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Burglar Alarm Systems (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、例えばテレビジョンカ
メラ（以下、ＴＶカメラという）等による撮像画像から
侵入者を検出する侵入者監視システム等の用途に用いら
れる、人物認識方法に関するものである。
メラ（以下、ＴＶカメラという）等による撮像画像から
侵入者を検出する侵入者監視システム等の用途に用いら
れる、人物認識方法に関するものである。
【０００２】
【従来の技術】従来、このような分野の技術としては、
例えば次のような文献に記載されるものがあった。 文献；１９９０年電子情報通信学会春季全国大会講演論
文集文冊 ６Ｄ−４３６、佐久間 喜郎、伊東 潔、増
田 功著「微分画像のフレーム間差分による侵入物体検
出」Ｐ．６−４３８ 従来、例えば、侵入者監視システムにおける人物認識方
法としては、前記文献に記載されるように、侵入者の有
無を確認するための入力画像と背景画像をＴＶカメラで
画像入力し、前記入力画像と背景画像との差分二値化画
像から変化領域を求め、前記変化領域の特徴量から侵入
者の有無を判断し、侵入者有りの場合には警報を発する
ようになっている。ここで、変化領域の特徴量から侵入
者の有無を判断する方法としては、変化領域の面積と外
接矩形をパラメータとして侵入者の有無を判断してい
る。つまり、変化領域の面積がある値以上で、かつ外接
矩形の縦横比（外接矩形の縦の長さ／横の長さ）がある
範囲以内であるものを、侵入者として判断するようにな
っていた。
例えば次のような文献に記載されるものがあった。 文献；１９９０年電子情報通信学会春季全国大会講演論
文集文冊 ６Ｄ−４３６、佐久間 喜郎、伊東 潔、増
田 功著「微分画像のフレーム間差分による侵入物体検
出」Ｐ．６−４３８ 従来、例えば、侵入者監視システムにおける人物認識方
法としては、前記文献に記載されるように、侵入者の有
無を確認するための入力画像と背景画像をＴＶカメラで
画像入力し、前記入力画像と背景画像との差分二値化画
像から変化領域を求め、前記変化領域の特徴量から侵入
者の有無を判断し、侵入者有りの場合には警報を発する
ようになっている。ここで、変化領域の特徴量から侵入
者の有無を判断する方法としては、変化領域の面積と外
接矩形をパラメータとして侵入者の有無を判断してい
る。つまり、変化領域の面積がある値以上で、かつ外接
矩形の縦横比（外接矩形の縦の長さ／横の長さ）がある
範囲以内であるものを、侵入者として判断するようにな
っていた。
【０００３】
【発明が解決しようとする課題】しかしながら、従来の
侵入者監視システムにおける人物認識方法では、次のよ
うな課題があった。 （ａ） 侵入者をＴＶカメラで画像入力し、その画像に
基づき侵入者の有無を検出する場合、ＴＶカメラの設置
場所から遠くにいる侵入者は、画像上で変化領域の面積
が小さくなる。これに対し、ＴＶカメラの設置場所の近
くでは、小さなものが動いても変化領域の面積が大きく
なる。そのため、ＴＶカメラの設置場所から遠い位置に
いる侵入者を認識しようとして、変化領域の面積におけ
る閾値の設定を低くすると、ＴＶカメラの近くで人以外
の小さな物体が動くことによって生じる変化領域との区
別ができずに、誤報を発してしまうことがある。また、
もう一つのパラメータである外接矩形の縦横比は、人が
通常に歩行する動作を横から捉えた場合、足と腕を閉じ
たときは開いたときに比べ約４〜５倍ほども大きくな
る。そのため、縦横比だけから侵入者を判断する場合
も、誤認識が多くなる。このように、変化領域の面積と
外接矩形の縦横比のみから侵入者の有無を判断すると、
多くの誤報を発するおそれがある。 （ｂ） 前記（ａ）のような変化領域の面積と外接矩形
の縦横比から侵入者の有無を判断する方法によって生じ
る誤認識の点を解決するため、本願出願人等は先に特願
平５−２４６０８号明細書（以下、先の提案という）に
おいて、歩行時に発生する人物特有の形状を利用するこ
とによって人物を正確に認識し、誤報を少なくする侵入
者監視システム等における人物認識方法を提案した。
侵入者監視システムにおける人物認識方法では、次のよ
うな課題があった。 （ａ） 侵入者をＴＶカメラで画像入力し、その画像に
基づき侵入者の有無を検出する場合、ＴＶカメラの設置
場所から遠くにいる侵入者は、画像上で変化領域の面積
が小さくなる。これに対し、ＴＶカメラの設置場所の近
くでは、小さなものが動いても変化領域の面積が大きく
なる。そのため、ＴＶカメラの設置場所から遠い位置に
いる侵入者を認識しようとして、変化領域の面積におけ
る閾値の設定を低くすると、ＴＶカメラの近くで人以外
の小さな物体が動くことによって生じる変化領域との区
別ができずに、誤報を発してしまうことがある。また、
もう一つのパラメータである外接矩形の縦横比は、人が
通常に歩行する動作を横から捉えた場合、足と腕を閉じ
たときは開いたときに比べ約４〜５倍ほども大きくな
る。そのため、縦横比だけから侵入者を判断する場合
も、誤認識が多くなる。このように、変化領域の面積と
外接矩形の縦横比のみから侵入者の有無を判断すると、
多くの誤報を発するおそれがある。 （ｂ） 前記（ａ）のような変化領域の面積と外接矩形
の縦横比から侵入者の有無を判断する方法によって生じ
る誤認識の点を解決するため、本願出願人等は先に特願
平５−２４６０８号明細書（以下、先の提案という）に
おいて、歩行時に発生する人物特有の形状を利用するこ
とによって人物を正確に認識し、誤報を少なくする侵入
者監視システム等における人物認識方法を提案した。
【０００４】この先の提案では、入力画像と背景画像と
の差分画像を二値化し、その差分二値化画像の変化領域
より侵入者の有無を判断する方法において、前記変化領
域の外接矩形を縦に３等分したそれぞれの分割外接矩形
Ａ１，Ａ２，Ａ３内の各変化領域を横軸上へ投影して得
られる投影ヒストグラムの特徴量である下記の特徴
（１）〜特徴（６）と、前記変化領域の外接矩形におけ
る縦横比との関係によって人物を認識するようにしてい
る。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックの平均値Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積の割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ ところが、この先の提案では、次のような問題がある。
即ち、人が縦方向に移動する場合、つまりＴＶカメラに
向かってまっすぐに近付いてきたり、あるいは離れてい
ったりする場合と、横方向に移動する場合、つまりＴＶ
カメラの前を横切る場合とでは、侵入物体を表す変化領
域が異なる特徴を示す。しかし、先の提案では、横方向
移動における投影ヒストグラムの分布のみを考慮して閾
値や認識手順を設定し、侵入者の識別を行っている。そ
のため、縦方向移動における投影ヒストグラムの分布か
ら侵入物体を人と認識することができず、未だ技術的に
充分満足のゆく人物認識方法を提供することが困難であ
った。本発明は、以上のような問題を解決し、縦方向に
移動する場合の人の認識も可能にし、侵入者監視システ
ム等における誤認識を少なくする人物認識方法を提供す
ることを目的とする。
の差分画像を二値化し、その差分二値化画像の変化領域
より侵入者の有無を判断する方法において、前記変化領
域の外接矩形を縦に３等分したそれぞれの分割外接矩形
Ａ１，Ａ２，Ａ３内の各変化領域を横軸上へ投影して得
られる投影ヒストグラムの特徴量である下記の特徴
（１）〜特徴（６）と、前記変化領域の外接矩形におけ
る縦横比との関係によって人物を認識するようにしてい
る。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックの平均値Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積の割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ ところが、この先の提案では、次のような問題がある。
即ち、人が縦方向に移動する場合、つまりＴＶカメラに
向かってまっすぐに近付いてきたり、あるいは離れてい
ったりする場合と、横方向に移動する場合、つまりＴＶ
カメラの前を横切る場合とでは、侵入物体を表す変化領
域が異なる特徴を示す。しかし、先の提案では、横方向
移動における投影ヒストグラムの分布のみを考慮して閾
値や認識手順を設定し、侵入者の識別を行っている。そ
のため、縦方向移動における投影ヒストグラムの分布か
ら侵入物体を人と認識することができず、未だ技術的に
充分満足のゆく人物認識方法を提供することが困難であ
った。本発明は、以上のような問題を解決し、縦方向に
移動する場合の人の認識も可能にし、侵入者監視システ
ム等における誤認識を少なくする人物認識方法を提供す
ることを目的とする。
【０００５】
【課題を解決するための手段】本発明は、前記課題を解
決するために、入力画像と背景画像との濃度値の差の絶
対値を計算して差分画像を求め、前記差分画像を適当な
閾値で二値化して変化領域を求め、前記変化領域の特徴
量から前記入力画像中の侵入物体を認識する方法におい
て、次のような手段を講じている。即ち、前記変化領域
を外接矩形で囲み、その矩形領域を切り出す変化領域切
り出し処理と、前記切り出された矩形領域を縦に３等分
して分割外接矩形Ａ１，Ａ２，Ａ３を出力する変化領域
分割処理と、前記各分割外接矩形Ａ１，Ａ２，Ａ３中の
変化領域の横軸上への投影を行って投影ヒストグラムを
求める投影ヒストグラム作成処理と、前記投影ヒストグ
ラムから下記の特徴（１）〜（８）の特徴量を抽出する
特徴量抽出処理と、前記特徴量と前記変化領域の外接矩
形の縦横比との関係から人物を認識する侵入物体判定処
理とを、順に実行するようにしている。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックの平均値Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積の割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ 特徴（７）；各ブロックの標準偏差の分割外接矩形Ａ
１，Ａ２，Ａ３の横幅に対する割合Ｄ 特徴（８）；各ブロックの半値幅の底辺に対する割合Ｗ
決するために、入力画像と背景画像との濃度値の差の絶
対値を計算して差分画像を求め、前記差分画像を適当な
閾値で二値化して変化領域を求め、前記変化領域の特徴
量から前記入力画像中の侵入物体を認識する方法におい
て、次のような手段を講じている。即ち、前記変化領域
を外接矩形で囲み、その矩形領域を切り出す変化領域切
り出し処理と、前記切り出された矩形領域を縦に３等分
して分割外接矩形Ａ１，Ａ２，Ａ３を出力する変化領域
分割処理と、前記各分割外接矩形Ａ１，Ａ２，Ａ３中の
変化領域の横軸上への投影を行って投影ヒストグラムを
求める投影ヒストグラム作成処理と、前記投影ヒストグ
ラムから下記の特徴（１）〜（８）の特徴量を抽出する
特徴量抽出処理と、前記特徴量と前記変化領域の外接矩
形の縦横比との関係から人物を認識する侵入物体判定処
理とを、順に実行するようにしている。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックの平均値Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積の割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ 特徴（７）；各ブロックの標準偏差の分割外接矩形Ａ
１，Ａ２，Ａ３の横幅に対する割合Ｄ 特徴（８）；各ブロックの半値幅の底辺に対する割合Ｗ
【０００６】
【作用】本発明によれば、以上のように人物認識方法を
構成したので、差分画像を適当な閾値で二値化して変化
領域が求められると、変化領域切り出し処理では、その
変化領域を外接矩形で囲み、その矩形領域を切り出す。
この切り出された矩形領域は、変化領域分割処理で縦方
向に３等分され、その分割された分割外接矩形Ａ１，Ａ
２，Ａ３に対し、投影ヒストグラム作成処理によって投
影ヒストグラムが求められる。特徴量抽出処理では、投
影ヒストグラム作成処理で求められた投影ヒストグラム
から特徴（１）〜（８）を抽出する。侵入物体判定処理
では、特徴（１）〜（８）と変化領域の外接矩形の縦横
比との関係から、人物を認識する。この侵入物体判定処
理では、人の横方向歩行時の人物認識方法に加え、人の
縦方向歩行時に発生する人物特有の特徴量も利用して人
物の認識を行うので、縦方向に移動する場合の人の認識
も可能になり、人物の正確な認識が行える。従って、前
記課題を解決できるのである。
構成したので、差分画像を適当な閾値で二値化して変化
領域が求められると、変化領域切り出し処理では、その
変化領域を外接矩形で囲み、その矩形領域を切り出す。
この切り出された矩形領域は、変化領域分割処理で縦方
向に３等分され、その分割された分割外接矩形Ａ１，Ａ
２，Ａ３に対し、投影ヒストグラム作成処理によって投
影ヒストグラムが求められる。特徴量抽出処理では、投
影ヒストグラム作成処理で求められた投影ヒストグラム
から特徴（１）〜（８）を抽出する。侵入物体判定処理
では、特徴（１）〜（８）と変化領域の外接矩形の縦横
比との関係から、人物を認識する。この侵入物体判定処
理では、人の横方向歩行時の人物認識方法に加え、人の
縦方向歩行時に発生する人物特有の特徴量も利用して人
物の認識を行うので、縦方向に移動する場合の人の認識
も可能になり、人物の正確な認識が行える。従って、前
記課題を解決できるのである。
【０００７】
【実施例】本実施例では、まず、人の横方向歩行時の人
物認識方法（Ｉ）と、その問題点（II）を説明した後、
その問題点（II）を解決するために、人の縦方向歩行を
加味した人物認識方法(III）について説明する。 （Ｉ） 人の横方向歩行時の人物認識方法 図２は、先の提案に記載された侵入者監視システム等に
おける人物認識方法の概略の処理手順を示す図である。
図３（ａ）〜（ｆ）、図４（ａ）〜（ｆ）、及び図５〜
図７は、図２の処理手順を説明するための図である。そ
のうち図３（ａ）〜（ｆ）は、人物の歩行時のパターン
の例を示す図、図４（ａ）〜（ｆ）は図３の分割外接矩
形の投影ヒストグラムの例を示す図、図５は図４中のブ
ロックＢＫの例を示す図、図６は図２の侵入物体判定処
理９における人物判定手順１を示すフローチャート、及
び図７は図２の侵入物体判定処理９における人物判定手
順２を示すフローチャートである。図２に示す人物認識
方法では、ＴＶカメラ等の画像入力装置によって背景画
像及び入力画像を入力し、それらを背景画像メモリ１及
び入力画像メモリ２に格納する。差分処理３では、背景
画像メモリ１及び入力画像メモリ２にそれぞれ格納され
ている背景画像と入力画像との濃度値の差の絶対値を計
算して差分画像を求める。この差分画像を二値化処理４
によって適当な閾値を用いて二値化し、差分二値化画像
を求める。この結果、背景画像と入力画像との間で画素
の濃度値が変化した部分が変化領域となる。
物認識方法（Ｉ）と、その問題点（II）を説明した後、
その問題点（II）を解決するために、人の縦方向歩行を
加味した人物認識方法(III）について説明する。 （Ｉ） 人の横方向歩行時の人物認識方法 図２は、先の提案に記載された侵入者監視システム等に
おける人物認識方法の概略の処理手順を示す図である。
図３（ａ）〜（ｆ）、図４（ａ）〜（ｆ）、及び図５〜
図７は、図２の処理手順を説明するための図である。そ
のうち図３（ａ）〜（ｆ）は、人物の歩行時のパターン
の例を示す図、図４（ａ）〜（ｆ）は図３の分割外接矩
形の投影ヒストグラムの例を示す図、図５は図４中のブ
ロックＢＫの例を示す図、図６は図２の侵入物体判定処
理９における人物判定手順１を示すフローチャート、及
び図７は図２の侵入物体判定処理９における人物判定手
順２を示すフローチャートである。図２に示す人物認識
方法では、ＴＶカメラ等の画像入力装置によって背景画
像及び入力画像を入力し、それらを背景画像メモリ１及
び入力画像メモリ２に格納する。差分処理３では、背景
画像メモリ１及び入力画像メモリ２にそれぞれ格納され
ている背景画像と入力画像との濃度値の差の絶対値を計
算して差分画像を求める。この差分画像を二値化処理４
によって適当な閾値を用いて二値化し、差分二値化画像
を求める。この結果、背景画像と入力画像との間で画素
の濃度値が変化した部分が変化領域となる。
【０００８】次に、変化領域切り出し処理５により、図
３（ａ）〜（ｆ）に示すように、前記変化領域を外接矩
形で囲んで切り出し、その切り出された外接矩形中の領
域を、変化領域分割処理６によって図３のＡ１，Ａ２，
Ａ３のように縦方向に３等分する。投影ヒストグラム作
成処理７では、図４（ａ）〜（ｆ）に示すように、それ
ぞれの分割外接矩形Ａ１，Ａ２，Ａ３中の変化領域を表
す画素を縦方向に加算して投影ヒストグラムを求める。
特徴量抽出処理８では、求められた投影ヒストグラムを
平滑化してからその特徴量を抽出する。投影ヒストグラ
ムの特徴量としては、次のような特徴（１）〜（６）の
６つがある。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックＢＫの平均値Ｆ 特徴（３）；各ブロックＢＫの平均値Ｆの分割外接矩形
間の差 特徴（４）；各ブロックＢＫにおける極大値数 特徴（５）；各ブロックＢＫにおける面積Ｓの割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ ここで、ブロックＢＫとは、図４及び図５に示すよう
に、投影ヒストグラム中で度数が０のところで区切られ
る度数が１以上の一塊の部分のことである。図５は、横
軸がＸ座標、縦軸がヒストグラムの度数ＨＩＳＴであ
る。ブロックＢＫにおける横軸の範囲を底辺Ｌ、最大値
を高さＨとする。また、各ブロックＢＫの平均値Ｆと
は、図５中のＦのＸ座標であり、次式（１）で求める。
３（ａ）〜（ｆ）に示すように、前記変化領域を外接矩
形で囲んで切り出し、その切り出された外接矩形中の領
域を、変化領域分割処理６によって図３のＡ１，Ａ２，
Ａ３のように縦方向に３等分する。投影ヒストグラム作
成処理７では、図４（ａ）〜（ｆ）に示すように、それ
ぞれの分割外接矩形Ａ１，Ａ２，Ａ３中の変化領域を表
す画素を縦方向に加算して投影ヒストグラムを求める。
特徴量抽出処理８では、求められた投影ヒストグラムを
平滑化してからその特徴量を抽出する。投影ヒストグラ
ムの特徴量としては、次のような特徴（１）〜（６）の
６つがある。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックＢＫの平均値Ｆ 特徴（３）；各ブロックＢＫの平均値Ｆの分割外接矩形
間の差 特徴（４）；各ブロックＢＫにおける極大値数 特徴（５）；各ブロックＢＫにおける面積Ｓの割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ ここで、ブロックＢＫとは、図４及び図５に示すよう
に、投影ヒストグラム中で度数が０のところで区切られ
る度数が１以上の一塊の部分のことである。図５は、横
軸がＸ座標、縦軸がヒストグラムの度数ＨＩＳＴであ
る。ブロックＢＫにおける横軸の範囲を底辺Ｌ、最大値
を高さＨとする。また、各ブロックＢＫの平均値Ｆと
は、図５中のＦのＸ座標であり、次式（１）で求める。
【０００９】
【数１】 各ブロックＢＫの面積Ｓの割合Ｒとは、ブロックＢＫの
底辺Ｌと高さＨを掛けてできる四角形ＡＢＣＤの面積を
１００％としたときの、そのブロックＢＫの面積Ｓが四
角形ＡＢＣＤに占める割合のことであり、次式（２）で
求める。
底辺Ｌと高さＨを掛けてできる四角形ＡＢＣＤの面積を
１００％としたときの、そのブロックＢＫの面積Ｓが四
角形ＡＢＣＤに占める割合のことであり、次式（２）で
求める。
【００１０】
【数２】 また、分割外接矩形Ａ３における極大値の位置Ｍは、図
５に示す通りである。最後に、図２の侵入物体判定処理
９では、特徴量抽出処理８で得られる前記６つの特徴量
と変化領域の外接矩形の縦横比との関係から、変化領域
の判定を行い、侵入物体が人か否かを判定し、その判定
結果を出力する。次に、侵入物体判定処理９における処
理手順を、図６及び図７を参照しつつ説明する。まず、
図６のステップＳ１において、外接矩形の縦横比がある
範囲ａ１〜ａ４にあるかどうかを調べる。次に、ステッ
プＳ２において、３つの投影ヒストグラムのブロック数
がすべて１であるかどうかを判定し、ステップＳ３，Ｓ
４において、３つの投影ヒストグラムのブロックＢＫの
平均値Ｆが、どれもある範囲ｂ１〜ｂ２内にあり、分割
外接矩形間（Ａ１とＡ２、Ａ２とＡ３、Ａ１とＡ３）の
平均値Ｆの差が、ある範囲ｃ１〜ｃ２内にあることをそ
れぞれ調べる。そして、ステップＳ５，Ｓ６において、
分割外接矩形Ａ１とＡ２の投影ヒストグラムの各ブロッ
クＢＫにおける極大値数が１であることと、面積Ｓの割
合Ｒがある範囲ｄ１〜ｄ２内にあることをそれぞれ調べ
る。
５に示す通りである。最後に、図２の侵入物体判定処理
９では、特徴量抽出処理８で得られる前記６つの特徴量
と変化領域の外接矩形の縦横比との関係から、変化領域
の判定を行い、侵入物体が人か否かを判定し、その判定
結果を出力する。次に、侵入物体判定処理９における処
理手順を、図６及び図７を参照しつつ説明する。まず、
図６のステップＳ１において、外接矩形の縦横比がある
範囲ａ１〜ａ４にあるかどうかを調べる。次に、ステッ
プＳ２において、３つの投影ヒストグラムのブロック数
がすべて１であるかどうかを判定し、ステップＳ３，Ｓ
４において、３つの投影ヒストグラムのブロックＢＫの
平均値Ｆが、どれもある範囲ｂ１〜ｂ２内にあり、分割
外接矩形間（Ａ１とＡ２、Ａ２とＡ３、Ａ１とＡ３）の
平均値Ｆの差が、ある範囲ｃ１〜ｃ２内にあることをそ
れぞれ調べる。そして、ステップＳ５，Ｓ６において、
分割外接矩形Ａ１とＡ２の投影ヒストグラムの各ブロッ
クＢＫにおける極大値数が１であることと、面積Ｓの割
合Ｒがある範囲ｄ１〜ｄ２内にあることをそれぞれ調べ
る。
【００１１】次に、縦横比の境界値を、ａ１＜ａ２＜ａ
３＜ａ４のように設定し、図７のステップＳ７〜Ｓ９
で、縦横比に依存する分割外接矩形Ａ３での処理を振り
分ける。縦横比が境界値ａ１〜ａ２までの区間では、ス
テップＳ１０において極大値数が２つ存在するかどうか
を調べる。縦横比が境界値ａ２〜ａ３の区間では、ステ
ップＳ１１において極大値数が２つ存在するか、また
は、ステップＳ１２において極大値数が一つなら、ステ
ップＳ１３，Ｓ１４において極大値の位置Ｍとそのブロ
ックＢＫの中央との差の絶対値がある範囲ｅ１〜ｅ２内
で、面積Ｓの割合Ｒが５０％以下のある範囲ｆ１〜ｆ２
内にあるかどうかをそれぞれ調べる。縦横比が境界値ａ
３〜ａ４の範囲内では、ステップＳ１５，Ｓ１６におい
て、極大値数が一つで、面積Ｓの割合が５０％以上のあ
る範囲ｄ１〜ｄ２内であるかどうかを調べる。これらの
条件をすべて満たす場合のみ、その侵入物体が人と認識
され、その認識結果が出力されて人物認識処理を終了す
る。
３＜ａ４のように設定し、図７のステップＳ７〜Ｓ９
で、縦横比に依存する分割外接矩形Ａ３での処理を振り
分ける。縦横比が境界値ａ１〜ａ２までの区間では、ス
テップＳ１０において極大値数が２つ存在するかどうか
を調べる。縦横比が境界値ａ２〜ａ３の区間では、ステ
ップＳ１１において極大値数が２つ存在するか、また
は、ステップＳ１２において極大値数が一つなら、ステ
ップＳ１３，Ｓ１４において極大値の位置Ｍとそのブロ
ックＢＫの中央との差の絶対値がある範囲ｅ１〜ｅ２内
で、面積Ｓの割合Ｒが５０％以下のある範囲ｆ１〜ｆ２
内にあるかどうかをそれぞれ調べる。縦横比が境界値ａ
３〜ａ４の範囲内では、ステップＳ１５，Ｓ１６におい
て、極大値数が一つで、面積Ｓの割合が５０％以上のあ
る範囲ｄ１〜ｄ２内であるかどうかを調べる。これらの
条件をすべて満たす場合のみ、その侵入物体が人と認識
され、その認識結果が出力されて人物認識処理を終了す
る。
【００１２】（II） 前記（Ｉ）の問題点 図８（ａ）〜（ｇ）は人物の縦方向歩行時のパターンの
変化領域の例を示す図、及び図９（ａ）〜（ｇ）は図８
の分割外接矩形の投影ヒストグラムの例を示す図であ
る。図３（ａ）〜（ｆ）及び図４（ａ）〜（ｆ）に示す
ように、人が横方向に移動する場合と、図８（ａ）〜
（ｇ）及び図９（ａ）〜（ｇ）に示すように、縦方向に
移動する場合とでは、侵入物体を表す変化領域が異なる
特徴を示す。即ち、図８（ａ）〜（ｇ）から明らかなよ
うに、人が縦方向に移動する場合の変化領域は、外接矩
形の縦横比がほぼ一定で、その値は人が横方向歩行時の
縦横比の境界値においてはａ２〜ａ３の範囲にあたる。
図３（ａ）〜（ｆ）において縦横比がａ２〜ａ３の範囲
にある変化領域は、（ｃ），（ｅ），（ｆ）であるが、
これらの変化領域の形状は、図８（ａ）〜（ｇ）の変化
領域の形状とはどれも異なるものである。そのため、そ
れらに対応した投影ヒストグラム（図３の（ｃ），
（ｅ），（ｆ）と、図９の（ａ）〜（ｇ）におけるすべ
ての投影ヒストグラム）も、異なった分布となってい
る。ところが、前記（Ｉ）の人物認識方法では、横方向
移動における投影ヒストグラムの分布のみを考慮して閾
値や認識手順を設定し、侵入物体の識別を行っている。
そのため、縦方向移動における図９（ａ）〜（ｇ）のよ
うな投影ヒストグラムの分布から、侵入物体を人と認識
することができない。そこで、本実施例では、次の(II
I）で説明するように、人の横方向歩行時の人物認識方
法に加え、人の縦方向歩行時に発生する人物特有の特徴
量も利用するようにしている。
変化領域の例を示す図、及び図９（ａ）〜（ｇ）は図８
の分割外接矩形の投影ヒストグラムの例を示す図であ
る。図３（ａ）〜（ｆ）及び図４（ａ）〜（ｆ）に示す
ように、人が横方向に移動する場合と、図８（ａ）〜
（ｇ）及び図９（ａ）〜（ｇ）に示すように、縦方向に
移動する場合とでは、侵入物体を表す変化領域が異なる
特徴を示す。即ち、図８（ａ）〜（ｇ）から明らかなよ
うに、人が縦方向に移動する場合の変化領域は、外接矩
形の縦横比がほぼ一定で、その値は人が横方向歩行時の
縦横比の境界値においてはａ２〜ａ３の範囲にあたる。
図３（ａ）〜（ｆ）において縦横比がａ２〜ａ３の範囲
にある変化領域は、（ｃ），（ｅ），（ｆ）であるが、
これらの変化領域の形状は、図８（ａ）〜（ｇ）の変化
領域の形状とはどれも異なるものである。そのため、そ
れらに対応した投影ヒストグラム（図３の（ｃ），
（ｅ），（ｆ）と、図９の（ａ）〜（ｇ）におけるすべ
ての投影ヒストグラム）も、異なった分布となってい
る。ところが、前記（Ｉ）の人物認識方法では、横方向
移動における投影ヒストグラムの分布のみを考慮して閾
値や認識手順を設定し、侵入物体の識別を行っている。
そのため、縦方向移動における図９（ａ）〜（ｇ）のよ
うな投影ヒストグラムの分布から、侵入物体を人と認識
することができない。そこで、本実施例では、次の(II
I）で説明するように、人の横方向歩行時の人物認識方
法に加え、人の縦方向歩行時に発生する人物特有の特徴
量も利用するようにしている。
【００１３】(III） 人の縦方向歩行を加味した人物認
識方法 図１は、本発明の実施例の侵入者監視システム等におけ
る人物認識方法の概略の処理手順を示す図である。この
図１の処理手順を、図８〜図２１を参照しつつ説明す
る。図１０は図９中のブロックＢＫの半値幅ｈを示す
図、図１１（ａ）〜（ｇ）は図９の投影ヒストグラムの
平均値ＡＭを示す図、図１２は図８の分割外接矩形Ａ１
における代表的なブロックＢＫの例を示す図、図１３は
図８の分割外接矩形Ａ２における代表的なブロックＢＫ
の例を示す図、図１４は図８の分割外接矩形Ａ３におけ
る代表的なブロックＢＫの例を示す図、図１５は図１２
の分割外接矩形Ａ１におけるブロックＢＫの半値幅ｈの
割合を示す図、図１６は図１３の分割外接矩形Ａ２にお
けるブロックＢＫの半値幅ｈの割合を示す図、図１７は
図１４の分割外接矩形Ａ３におけるブロックＢＫの半値
幅ｈの割合を示す図、及び図１８〜図２１は図１の侵入
物体判定処理２９における人物判定手順１〜４をそれぞ
れ示すフローチャートである。
識方法 図１は、本発明の実施例の侵入者監視システム等におけ
る人物認識方法の概略の処理手順を示す図である。この
図１の処理手順を、図８〜図２１を参照しつつ説明す
る。図１０は図９中のブロックＢＫの半値幅ｈを示す
図、図１１（ａ）〜（ｇ）は図９の投影ヒストグラムの
平均値ＡＭを示す図、図１２は図８の分割外接矩形Ａ１
における代表的なブロックＢＫの例を示す図、図１３は
図８の分割外接矩形Ａ２における代表的なブロックＢＫ
の例を示す図、図１４は図８の分割外接矩形Ａ３におけ
る代表的なブロックＢＫの例を示す図、図１５は図１２
の分割外接矩形Ａ１におけるブロックＢＫの半値幅ｈの
割合を示す図、図１６は図１３の分割外接矩形Ａ２にお
けるブロックＢＫの半値幅ｈの割合を示す図、図１７は
図１４の分割外接矩形Ａ３におけるブロックＢＫの半値
幅ｈの割合を示す図、及び図１８〜図２１は図１の侵入
物体判定処理２９における人物判定手順１〜４をそれぞ
れ示すフローチャートである。
【００１４】図１の人物認識方法では、先の提案の図２
と同様に、ＴＶカメラ等の画像入力装置を用い、背景だ
けを撮影した背景画像を予め背景画像メモリ２１中に格
納しておく。そして、背景画像を撮影したのと同じ位置
で撮影した入力画像を、入力画像メモリ２２中に格納す
る。差分処理２３では、背景画像メモリ２１及び入力画
像メモリ２２に格納された背景画像と入力画像とで濃度
値の差の絶対値を計算し、差分画像を求める。二値化処
理２４では、差分処理２３で求めた差分画像を適当な閾
値を用いて二値化し、差分二値化画像を求め、変化領域
切り出し処理２５へ送る。変化領域切り出し処理２５で
は、差分二値化画像中の変化領域を外接矩形で囲み、そ
の外接矩形で囲まれた領域を差分二値化画像から切り出
し、変化領域分割処理２６へ送る。変化領域分割処理２
６では、変化領域切り出し処理２５で切り出された領域
を、図８（ａ）〜（ｇ）に示すように、Ａ１，Ａ２，Ａ
３のように縦に３等分する。投影ヒストグラム作成処理
２７では、図９（ａ）〜（ｇ）に示すように、変化領域
の分割外接矩形Ａ１，Ａ２，Ａ３のそれぞれから投影ヒ
ストグラムを求め、特徴量抽出処理２８へ送る。特徴量
抽出処理２８では、それぞれの投影ヒストグラムを一旦
平滑化してから、次の特徴（１）〜（８）のような特徴
量を抽出する。
と同様に、ＴＶカメラ等の画像入力装置を用い、背景だ
けを撮影した背景画像を予め背景画像メモリ２１中に格
納しておく。そして、背景画像を撮影したのと同じ位置
で撮影した入力画像を、入力画像メモリ２２中に格納す
る。差分処理２３では、背景画像メモリ２１及び入力画
像メモリ２２に格納された背景画像と入力画像とで濃度
値の差の絶対値を計算し、差分画像を求める。二値化処
理２４では、差分処理２３で求めた差分画像を適当な閾
値を用いて二値化し、差分二値化画像を求め、変化領域
切り出し処理２５へ送る。変化領域切り出し処理２５で
は、差分二値化画像中の変化領域を外接矩形で囲み、そ
の外接矩形で囲まれた領域を差分二値化画像から切り出
し、変化領域分割処理２６へ送る。変化領域分割処理２
６では、変化領域切り出し処理２５で切り出された領域
を、図８（ａ）〜（ｇ）に示すように、Ａ１，Ａ２，Ａ
３のように縦に３等分する。投影ヒストグラム作成処理
２７では、図９（ａ）〜（ｇ）に示すように、変化領域
の分割外接矩形Ａ１，Ａ２，Ａ３のそれぞれから投影ヒ
ストグラムを求め、特徴量抽出処理２８へ送る。特徴量
抽出処理２８では、それぞれの投影ヒストグラムを一旦
平滑化してから、次の特徴（１）〜（８）のような特徴
量を抽出する。
【００１５】特徴（１）；各分割外接矩形Ａ１，Ａ２，
Ａ３中のヒストグラムのブロック数 特徴（２）；各ブロックＢＫの平均値Ｆ 特徴（３）；各ブロックＢＫの平均値Ｆの分割外接矩形
間の差 特徴（４）；各ブロックＢＫにおける極大値数 特徴（５）；各ブロックＢＫにおける面積Ｓの割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ 特徴（７）；各ブロックＢＫの標準偏差σの分割外接矩
形Ａ１，Ａ２，Ａ３の横幅に対する割合Ｄ 特徴（８）；各ブロックＢＫの半値幅ｈの底辺Ｌに対す
る割合Ｗ ここで、特徴（１）〜（６）は先の提案の特徴量であ
り、特徴（７），（８）が新しい特徴量である。特徴
（７）の各ブロックＢＫの標準偏差σの分割外接矩形Ａ
１，Ａ２，Ａ３の横幅に対する割合Ｄは、次式（３）で
求められ、さらに標準偏差σは次式（４）で求められ
る。
Ａ３中のヒストグラムのブロック数 特徴（２）；各ブロックＢＫの平均値Ｆ 特徴（３）；各ブロックＢＫの平均値Ｆの分割外接矩形
間の差 特徴（４）；各ブロックＢＫにおける極大値数 特徴（５）；各ブロックＢＫにおける面積Ｓの割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ 特徴（７）；各ブロックＢＫの標準偏差σの分割外接矩
形Ａ１，Ａ２，Ａ３の横幅に対する割合Ｄ 特徴（８）；各ブロックＢＫの半値幅ｈの底辺Ｌに対す
る割合Ｗ ここで、特徴（１）〜（６）は先の提案の特徴量であ
り、特徴（７），（８）が新しい特徴量である。特徴
（７）の各ブロックＢＫの標準偏差σの分割外接矩形Ａ
１，Ａ２，Ａ３の横幅に対する割合Ｄは、次式（３）で
求められ、さらに標準偏差σは次式（４）で求められ
る。
【００１６】
【数３】 また、特徴（８）のブロックＢＫの半値幅ｈとは、図１
０に示すように、高さＨの半分におけるブロックＢＫの
幅ｈのことであり、それの底辺Ｌに対する割合Ｗは、次
式（５）で求められる。
０に示すように、高さＨの半分におけるブロックＢＫの
幅ｈのことであり、それの底辺Ｌに対する割合Ｗは、次
式（５）で求められる。
【００１７】
【数４】 縦方向歩行時の人物を認識するためには、特徴（１）〜
（５），（７），（８）を用いるが、その特徴（１）〜
（５），（７），（８）のうちで、特徴（１）〜
（３），（７）は人の縦方向歩行時の変化領域全体の特
徴を表すものであり、残りの特徴（４），（５），
（８）は人の縦方向歩行時の変化領域の各ブロックＢＫ
の特徴を表すものである。以下その理由を図８及び図９
等を参照しつつ説明する。特徴（１）の各分割外接矩形
Ａ１，Ａ２，Ａ３中のヒストグラムのブロック数は、図
８のように一塊の変化領域の場合、どのヒストグラムに
おいても一つである。但し、図８（ａ）の分割外接矩形
Ａ３は本来ならブロック数２となるが、ヒストグラムの
平滑化を行うことによって１となっている。特徴（２）
の各ブロックＢＫの平均値Ｆは、図８のような変化領域
の場合、図１１に示すように、どの分割外接矩形Ａ１，
Ａ２，Ａ３においても中央付近にある。そのため、特徴
（３）の各ブロックＢＫの平均値Ｆの分割外接矩形Ａ
１，Ａ２，Ａ３間の差も小さくなる。
（５），（７），（８）を用いるが、その特徴（１）〜
（５），（７），（８）のうちで、特徴（１）〜
（３），（７）は人の縦方向歩行時の変化領域全体の特
徴を表すものであり、残りの特徴（４），（５），
（８）は人の縦方向歩行時の変化領域の各ブロックＢＫ
の特徴を表すものである。以下その理由を図８及び図９
等を参照しつつ説明する。特徴（１）の各分割外接矩形
Ａ１，Ａ２，Ａ３中のヒストグラムのブロック数は、図
８のように一塊の変化領域の場合、どのヒストグラムに
おいても一つである。但し、図８（ａ）の分割外接矩形
Ａ３は本来ならブロック数２となるが、ヒストグラムの
平滑化を行うことによって１となっている。特徴（２）
の各ブロックＢＫの平均値Ｆは、図８のような変化領域
の場合、図１１に示すように、どの分割外接矩形Ａ１，
Ａ２，Ａ３においても中央付近にある。そのため、特徴
（３）の各ブロックＢＫの平均値Ｆの分割外接矩形Ａ
１，Ａ２，Ａ３間の差も小さくなる。
【００１８】特徴（７）の各ブロックＢＫの標準偏差σ
の分割外接矩形Ａ１，Ａ２，Ａ３の横幅に対する割合Ｄ
は、図８のように人を正面から見た形のような変化領域
の場合、腕を含む分割外接矩形Ａ１，Ａ２においてはブ
ロックＢＫが外接矩形中いっぱいに広がるのに対し、腕
を含まない足だけの場合の分割外接矩形Ａ３においては
ブロックＢＫの広がりが小さくなる。そのため、ブロッ
クＢＫの広がり具合を表す標準偏差σは、分割外接矩形
Ａ１，Ａ２において大きな値をとり、分割外接矩形Ａ３
においては小さな値をとる。そこで、標準偏差σを分割
外接矩形Ａ１，Ａ２，Ａ３の横幅に対して正規化する
と、分割外接矩形Ａ１，Ａ２における割合は大、Ａ３に
おける割合は小となる。特徴（４）の各ブロックＢＫに
おける極大値数は、人の胸より上の部分の投影を表す分
割外接矩形Ａ１においては常に１であり、人の腕を含み
胸から腰の部分を表す分割外接矩形Ａ２においては１〜
３のどれかであり、人の足の部分の投影を表す分割外接
矩形Ａ３においては１かまたは２となる。しかし、横方
向歩行時のように、縦横比と極大値数には相関関係がな
い。
の分割外接矩形Ａ１，Ａ２，Ａ３の横幅に対する割合Ｄ
は、図８のように人を正面から見た形のような変化領域
の場合、腕を含む分割外接矩形Ａ１，Ａ２においてはブ
ロックＢＫが外接矩形中いっぱいに広がるのに対し、腕
を含まない足だけの場合の分割外接矩形Ａ３においては
ブロックＢＫの広がりが小さくなる。そのため、ブロッ
クＢＫの広がり具合を表す標準偏差σは、分割外接矩形
Ａ１，Ａ２において大きな値をとり、分割外接矩形Ａ３
においては小さな値をとる。そこで、標準偏差σを分割
外接矩形Ａ１，Ａ２，Ａ３の横幅に対して正規化する
と、分割外接矩形Ａ１，Ａ２における割合は大、Ａ３に
おける割合は小となる。特徴（４）の各ブロックＢＫに
おける極大値数は、人の胸より上の部分の投影を表す分
割外接矩形Ａ１においては常に１であり、人の腕を含み
胸から腰の部分を表す分割外接矩形Ａ２においては１〜
３のどれかであり、人の足の部分の投影を表す分割外接
矩形Ａ３においては１かまたは２となる。しかし、横方
向歩行時のように、縦横比と極大値数には相関関係がな
い。
【００１９】特徴（５）の各ブロックＢＫにおける面積
Ｓの割合Ｒは、分割外接矩形Ａ１のように、人の上半身
の投影が図１２に代表される分布となるため、図１２に
おいて三角形ＥＢＣの面積の割合がちょうど５０％であ
るから、ブロックＢＫの面積Ｓの割合Ｒは５０％前後と
なる。これに対して分割外接矩形Ａ２，Ａ３の投影にお
いては、それぞれ図１３及び図１４に代表されるような
分布となるため、５０％をかなり上回る値となる。特徴
（８）の各ブロックＢＫの半値幅ｈの底辺Ｌに対する割
合については、分割外接矩形Ａ１のようなブロックＢＫ
では、図１５に示すように半値幅ｈの底辺Ｌに対する割
合が小さく、図１６及び図１７に示すような分割外接矩
形Ａ２，Ａ３のようなブロックＢＫは大きくなる。そこ
で、図１の侵入物体判定処理２９では、これらの特徴量
と縦横比の関係から、侵入物体が人か否かを判定する。
以下、図１８〜図２１のフローチャートを参照しつつ、
侵入物体判定処理２９の処理手順を説明する。まず、図
１８及び図１９のステップＳ２０１〜Ｓ２１６におい
て、横方向歩行時の人物を判定する。その手順は前に述
べた通りである。次に、図２０及び図２１のステップＳ
２１７〜Ｓ２２９において、縦方向歩行時の人物を判定
する。その手順は以下の通りである。
Ｓの割合Ｒは、分割外接矩形Ａ１のように、人の上半身
の投影が図１２に代表される分布となるため、図１２に
おいて三角形ＥＢＣの面積の割合がちょうど５０％であ
るから、ブロックＢＫの面積Ｓの割合Ｒは５０％前後と
なる。これに対して分割外接矩形Ａ２，Ａ３の投影にお
いては、それぞれ図１３及び図１４に代表されるような
分布となるため、５０％をかなり上回る値となる。特徴
（８）の各ブロックＢＫの半値幅ｈの底辺Ｌに対する割
合については、分割外接矩形Ａ１のようなブロックＢＫ
では、図１５に示すように半値幅ｈの底辺Ｌに対する割
合が小さく、図１６及び図１７に示すような分割外接矩
形Ａ２，Ａ３のようなブロックＢＫは大きくなる。そこ
で、図１の侵入物体判定処理２９では、これらの特徴量
と縦横比の関係から、侵入物体が人か否かを判定する。
以下、図１８〜図２１のフローチャートを参照しつつ、
侵入物体判定処理２９の処理手順を説明する。まず、図
１８及び図１９のステップＳ２０１〜Ｓ２１６におい
て、横方向歩行時の人物を判定する。その手順は前に述
べた通りである。次に、図２０及び図２１のステップＳ
２１７〜Ｓ２２９において、縦方向歩行時の人物を判定
する。その手順は以下の通りである。
【００２０】図２０のステップＳ２１７において、外接
矩形の縦横比がある範囲ａ２〜ａ３内にあるかどうかを
調べる。この範囲ａ２〜ａ３は、図６における縦横比の
範囲ａ２〜ａ３とほぼ同じものである。次に、ステップ
Ｓ２１８において、３つの投影ヒストグラムのブロック
数がすべて１であるかどうかを判定し、ステップＳ２１
９，Ｓ２２０において、３つの投影ヒストグラムのブロ
ックＢＫの平均値Ｆがどれもある範囲ｂ３〜ｂ４内にあ
り、分割外接矩形間（Ａ１とＡ２、Ａ２とＡ３、Ａ１と
Ａ３）の平均値Ｆの差がある範囲内ｃ３〜ｃ４内にある
ことをそれぞれ調べる。但し、これらの閾値（ｂ３，ｂ
４，ｃ３，ｃ４）と横方向歩行時の閾値（ｂ１，ｂ２，
ｃ１，ｃ２）とは、ｂ１＜ｂ３，ｂ４＜ｂ２，ｃ１＜ｃ
３，ｃ４＜ｃ２という関係である。そして、ステップＳ
２２１，Ｓ２２２，Ｓ２２３において、分割外接矩形Ａ
１の投影ヒストグラムのブロックＢＫにおける極大値数
が１、分割外接矩形Ａ２の極大値数が１か２か３、分割
外接矩形Ａ３の極大値数が１か２であることをそれぞれ
調べる。
矩形の縦横比がある範囲ａ２〜ａ３内にあるかどうかを
調べる。この範囲ａ２〜ａ３は、図６における縦横比の
範囲ａ２〜ａ３とほぼ同じものである。次に、ステップ
Ｓ２１８において、３つの投影ヒストグラムのブロック
数がすべて１であるかどうかを判定し、ステップＳ２１
９，Ｓ２２０において、３つの投影ヒストグラムのブロ
ックＢＫの平均値Ｆがどれもある範囲ｂ３〜ｂ４内にあ
り、分割外接矩形間（Ａ１とＡ２、Ａ２とＡ３、Ａ１と
Ａ３）の平均値Ｆの差がある範囲内ｃ３〜ｃ４内にある
ことをそれぞれ調べる。但し、これらの閾値（ｂ３，ｂ
４，ｃ３，ｃ４）と横方向歩行時の閾値（ｂ１，ｂ２，
ｃ１，ｃ２）とは、ｂ１＜ｂ３，ｂ４＜ｂ２，ｃ１＜ｃ
３，ｃ４＜ｃ２という関係である。そして、ステップＳ
２２１，Ｓ２２２，Ｓ２２３において、分割外接矩形Ａ
１の投影ヒストグラムのブロックＢＫにおける極大値数
が１、分割外接矩形Ａ２の極大値数が１か２か３、分割
外接矩形Ａ３の極大値数が１か２であることをそれぞれ
調べる。
【００２１】次に、図２１のステップＳ２２４，Ｓ２２
５において、分割外接矩形Ａ１の面積Ｓの割合Ｒがある
範囲ｄ３〜ｄ４内で、分割外接矩形Ａ２，Ａ３の面積Ｓ
の割合Ｒがある範囲ｄ５〜ｄ６内であることをそれぞれ
調べる。但し、ｄ３＜ｄ５＜ｄ４＜ｄ６である。さら
に、ステップＳ２２６において、分割外接矩形Ａ１，Ａ
２のブロックＢＫの標準偏差σの分割外接矩形の横幅に
対する割合Ｄが、ある範囲ｇ１〜ｇ２内であるかどう
か、ステップＳ２２７において、分割外接矩形Ａ３のブ
ロックＢＫの標準偏差σの分割外接矩形の横幅に対する
割合Ｄが、ある範囲ｇ３〜ｇ４内であるかどうかを調べ
る。但し、ｇ３＜ｇ４＜ｇ１＜ｇ２である。その後、ス
テップＳ２２８において、分割外接矩形Ａ１のブロック
ＢＫの半値幅ｈの底辺Ｌに対する割合Ｗがある範囲内ｉ
１〜ｉ２内であるかどうかを調べ、さらにステップＳ２
２９において、分割外接矩形Ａ２，Ａ３のブロックＢＫ
の半値幅ｈの底辺Ｌに対する割合Ｗがある範囲ｉ３〜ｉ
４内であるかどうかを調べる。但し、ｉ１＜ｉ２＜ｉ３
＜ｉ４である。
５において、分割外接矩形Ａ１の面積Ｓの割合Ｒがある
範囲ｄ３〜ｄ４内で、分割外接矩形Ａ２，Ａ３の面積Ｓ
の割合Ｒがある範囲ｄ５〜ｄ６内であることをそれぞれ
調べる。但し、ｄ３＜ｄ５＜ｄ４＜ｄ６である。さら
に、ステップＳ２２６において、分割外接矩形Ａ１，Ａ
２のブロックＢＫの標準偏差σの分割外接矩形の横幅に
対する割合Ｄが、ある範囲ｇ１〜ｇ２内であるかどう
か、ステップＳ２２７において、分割外接矩形Ａ３のブ
ロックＢＫの標準偏差σの分割外接矩形の横幅に対する
割合Ｄが、ある範囲ｇ３〜ｇ４内であるかどうかを調べ
る。但し、ｇ３＜ｇ４＜ｇ１＜ｇ２である。その後、ス
テップＳ２２８において、分割外接矩形Ａ１のブロック
ＢＫの半値幅ｈの底辺Ｌに対する割合Ｗがある範囲内ｉ
１〜ｉ２内であるかどうかを調べ、さらにステップＳ２
２９において、分割外接矩形Ａ２，Ａ３のブロックＢＫ
の半値幅ｈの底辺Ｌに対する割合Ｗがある範囲ｉ３〜ｉ
４内であるかどうかを調べる。但し、ｉ１＜ｉ２＜ｉ３
＜ｉ４である。
【００２２】これらの縦方向歩行時か横方向歩行時の条
件をすべて満たす場合のみ、その侵入物体が人と認識さ
れ、その認識結果が出力されて人物認識処理を終了す
る。以上のように、本実施例では、人の縦方向移動にお
ける特徴量として特徴（７）の割合Ｄ、及び特徴（８）
の割合Ｗの二つの特徴量を特徴量抽出処理２８で抽出
し、これらと先の提案の特徴量（１）〜（６）を合せて
侵入物体判定処理２９で判定するようにしている。その
ため、先の提案の横方向移動中の人物の認識に加え、縦
方向移動中の人物の認識も可能になり、正確に人物を認
識でき、侵入者監視システム等における誤認識を少なく
できる。なお、本発明は上記実施例に限定されず、例え
ば、図１の侵入物体判定処理２９を、図１８〜図２１の
人物判定手順１〜４以外の手順で処理する等、種々の変
形が可能である。
件をすべて満たす場合のみ、その侵入物体が人と認識さ
れ、その認識結果が出力されて人物認識処理を終了す
る。以上のように、本実施例では、人の縦方向移動にお
ける特徴量として特徴（７）の割合Ｄ、及び特徴（８）
の割合Ｗの二つの特徴量を特徴量抽出処理２８で抽出
し、これらと先の提案の特徴量（１）〜（６）を合せて
侵入物体判定処理２９で判定するようにしている。その
ため、先の提案の横方向移動中の人物の認識に加え、縦
方向移動中の人物の認識も可能になり、正確に人物を認
識でき、侵入者監視システム等における誤認識を少なく
できる。なお、本発明は上記実施例に限定されず、例え
ば、図１の侵入物体判定処理２９を、図１８〜図２１の
人物判定手順１〜４以外の手順で処理する等、種々の変
形が可能である。
【００２３】
【発明の効果】以上詳細に説明したように、本発明によ
れば、特徴量抽出処理において、人の縦方向移動におけ
る特徴量として特徴（７）の割合Ｄ及び特徴（８）の割
合Ｗの二つの特徴量を抽出し、これらと特徴（１）〜
（６）の特徴量とを合せて侵入物体判定処理で判定する
ようにしたので、横方向移動中の人物の認識に加え、縦
方向移動中の人物の認識も可能になり、正確に人物を認
識でき、侵入者監視システム等における誤認識を少なく
できる。
れば、特徴量抽出処理において、人の縦方向移動におけ
る特徴量として特徴（７）の割合Ｄ及び特徴（８）の割
合Ｗの二つの特徴量を抽出し、これらと特徴（１）〜
（６）の特徴量とを合せて侵入物体判定処理で判定する
ようにしたので、横方向移動中の人物の認識に加え、縦
方向移動中の人物の認識も可能になり、正確に人物を認
識でき、侵入者監視システム等における誤認識を少なく
できる。
【図１】本発明の実施例の人物認識方法の概略の処理手
順を示す図である。
順を示す図である。
【図２】先の提案の人物認識方法の概略の処理手順を示
す図である。
す図である。
【図３】人物の歩行時のパターンの例を示す図である。
【図４】図３の分割外接矩形の投影ヒストグラムの例を
示す図である。
示す図である。
【図５】図４中のブロックＢＫの例を示す図である。
【図６】図２の侵入物体判定処理９における人物判定手
順１を示すフローチャートである。
順１を示すフローチャートである。
【図７】図２の侵入物体判定処理９における人物判定手
順２を示すフローチャートである。
順２を示すフローチャートである。
【図８】人物の縦方向歩行時のパターンの変化領域の例
を示す図である。
を示す図である。
【図９】図８の分割外接矩形の投影ヒストグラムの例を
示す図である。
示す図である。
【図１０】図９中のブロックＢＫの半値幅ｈを示す図で
ある。
ある。
【図１１】図９の投影ヒストグラムの平均値を示す図で
ある。
ある。
【図１２】図８の分割外接矩形Ａ１における代表的なブ
ロックＢＫの例を示す図である。
ロックＢＫの例を示す図である。
【図１３】図８の分割外接矩形Ａ２における代表的なブ
ロックＢＫの例を示す図である。
ロックＢＫの例を示す図である。
【図１４】図８の分割外接矩形Ａ３における代表的なブ
ロックＢＫの例を示す図である。
ロックＢＫの例を示す図である。
【図１５】図１２の分割外接矩形Ａ１におけるブロック
ＢＫの半値幅ｈの割合を示す図である。
ＢＫの半値幅ｈの割合を示す図である。
【図１６】図１３の分割外接矩形Ａ２におけるブロック
ＢＫの半値幅ｈの割合を示す図である。
ＢＫの半値幅ｈの割合を示す図である。
【図１７】図１４の分割外接矩形Ａ３におけるブロック
ＢＫの半値幅ｈの割合を示す図である。
ＢＫの半値幅ｈの割合を示す図である。
【図１８】図１の侵入物体判定処理２９における人物判
定手順１を示すフローチャートである。
定手順１を示すフローチャートである。
【図１９】図１の侵入物体判定処理２９における人物判
定手順２を示すフローチャートである。
定手順２を示すフローチャートである。
【図２０】図１の侵入物体判定処理２９における人物判
定手順３を示すフローチャートである。
定手順３を示すフローチャートである。
【図２１】図１の侵入物体判定処理２９における人物判
定手順４を示すフローチャートである。
定手順４を示すフローチャートである。
２１ 背景画像メモリ ２２ 入力画像メモリ ２３ 差分処理 ２４ 二値化処理 ２５ 変化領域切り出し処理 ２６ 変化領域分割処理 ２７ 投影ヒストグラム作成処理 ２８ 特徴量抽出処理 ２９ 侵入物体判定処理
フロントページの続き (56)参考文献 特開 平６−20049（ＪＰ，Ａ) 特開 平４−281576（ＪＰ，Ａ) 特開 昭62−147888（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 1/00 G06T 7/00 - 7/60 H04N 7/18 G08B 13/196 G08B 23/00 G01B 11/24 - 11/30
Claims (1)
- 【請求項１】 入力画像と背景画像との濃度値の差の絶
対値を計算して差分画像を求め、前記差分画像を適当な
閾値で二値化して変化領域を求め、前記変化領域の特徴
量から前記入力画像中の侵入物体を認識する方法におい
て、 前記変化領域を外接矩形で囲み、その矩形領域を切り出
す変化領域切り出し処理と、 前記切り出された矩形領域を縦に３等分して分割外接矩
形Ａ１，Ａ２，Ａ３を出力する変化領域分割処理と、 前記各分割外接矩形Ａ１，Ａ２，Ａ３中の変化領域の横
軸上への投影を行って投影ヒストグラムを求める投影ヒ
ストグラム作成処理と、 前記投影ヒストグラムから下記の特徴（１）〜（８）の
特徴量を抽出する特徴量抽出処理と、 前記特徴量と前記変化領域の外接矩形の縦横比との関係
から人物を認識する侵入物体判定処理とを、 順に実行することを特徴とする人物認識方法。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数特徴（２）；各ブロックの平均値
Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積の割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ 特徴（７）；各ブロックの標準偏差の分割外接矩形Ａ
１，Ａ２，Ａ３の横幅に対する割合Ｄ 特徴（８）；各ブロックの半値幅の底辺に対する割合Ｗ
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5136279A JP3065854B2 (ja) | 1993-06-07 | 1993-06-07 | 人物認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5136279A JP3065854B2 (ja) | 1993-06-07 | 1993-06-07 | 人物認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06348847A JPH06348847A (ja) | 1994-12-22 |
| JP3065854B2 true JP3065854B2 (ja) | 2000-07-17 |
Family
ID=15171476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5136279A Expired - Lifetime JP3065854B2 (ja) | 1993-06-07 | 1993-06-07 | 人物認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3065854B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002298142A (ja) * | 2001-03-29 | 2002-10-11 | Minolta Co Ltd | 人物画像検出方法、この方法を実行するためのプログラムを記録した記録媒体、人物画像検出装置及びこの装置を備えた撮影装置 |
| JP4710437B2 (ja) * | 2005-07-01 | 2011-06-29 | トヨタ自動車株式会社 | 対象物探索装置 |
| JP4811184B2 (ja) * | 2006-08-04 | 2011-11-09 | 株式会社日立製作所 | 画像監視装置 |
| CN105575027B (zh) * | 2014-10-09 | 2019-02-05 | 北京君正集成电路股份有限公司 | 一种入侵与周界防范方法及装置 |
-
1993
- 1993-06-07 JP JP5136279A patent/JP3065854B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06348847A (ja) | 1994-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100480781B1 (ko) | 치아영상으로부터 치아영역 추출방법 및 치아영상을이용한 신원확인방법 및 장치 | |
| JP3350296B2 (ja) | 顔画像処理装置 | |
| JP3880759B2 (ja) | 移動物体検出方法 | |
| JP4970195B2 (ja) | 人物追跡システム、人物追跡装置および人物追跡プログラム | |
| JP3307335B2 (ja) | 車両領域検出装置及び車両領域検定方法 | |
| JP4884331B2 (ja) | 移動物体追跡装置 | |
| CN110348263B (zh) | 一种基于图像识别的二维随机码图像识别与提取方法 | |
| US6704433B2 (en) | Human tracking device, human tracking method and recording medium recording program thereof | |
| JP3490910B2 (ja) | 顔領域検出装置 | |
| CN112102409A (zh) | 目标检测方法、装置、设备及存储介质 | |
| JPH07192112A (ja) | 侵入物体認識方法 | |
| JP5155250B2 (ja) | 対象物検出装置 | |
| JP3065854B2 (ja) | 人物認識方法 | |
| CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
| CN112001336A (zh) | 行人越界报警方法、装置、设备及系统 | |
| JP3417635B2 (ja) | 侵入物体認識方法 | |
| KR101473991B1 (ko) | 얼굴 검출 방법 및 그 장치 | |
| JP3065838B2 (ja) | 人物認識方法 | |
| JP3062383B2 (ja) | 人物認識方法 | |
| JP2005209137A (ja) | 対象物認識方法及び対象物認識装置、並びに顔方向識別装置 | |
| CN107180244B (zh) | 一种基于级联分类器的图像检测方法及装置 | |
| JPH08315149A (ja) | 侵入物体認識装置 | |
| CN111144166A (zh) | 一种异常人群信息库建立方法、系统及存储介质 | |
| JP3135201B2 (ja) | 人物口領域抽出方法および装置 | |
| JPH07282260A (ja) | 時系列顔画像処理による個人の認識方法 |
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: 20000425 |