JP3417635B2 - 侵入物体認識方法 - Google Patents
侵入物体認識方法Info
- Publication number
- JP3417635B2 JP3417635B2 JP01005594A JP1005594A JP3417635B2 JP 3417635 B2 JP3417635 B2 JP 3417635B2 JP 01005594 A JP01005594 A JP 01005594A JP 1005594 A JP1005594 A JP 1005594A JP 3417635 B2 JP3417635 B2 JP 3417635B2
- Authority
- JP
- Japan
- Prior art keywords
- intruding object
- area
- image
- change
- 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.)
- Expired - Fee Related
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
人物等の侵入物体を検出し、その侵入物体が何であるか
を認識する侵入物体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
文集分冊 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、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２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、侵入者あ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
侵入物体認識方法においては、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、足と腕を開い
たときは閉じたときに比べ約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。即
ち、侵入者の有無を確認するための入力画像と背景画像
との差分画像を２値化し、その差分２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。 【０００４】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Ｓの割合Ｒ 特徴（６）；矩形Ａ３における極大値の位置Ｍ これにより、変化領域の外接矩形の縦横比と、その外接
矩形を縦に３等分したそれぞれの矩形Ａ１，Ａ２，Ａ３
内での各変化領域を横軸上に投影して得られる投影ヒス
トグラムの特徴量である特徴（１）〜特徴（６）とか
ら、人物を認識するようにしたので、正確に人物を認識
でき、侵入者監視システムにおいて誤報を少なくするこ
とが可能となる。この方法を実施するうえでは、入力画
像と背景画像との差分２値化画像から変化領域を求める
必要がある。このとき、侵入物体の濃度が背景画像の濃
度と大きく異なる場合には、侵入物体を示す変化領域が
明瞭に抽出される。この場合の投影ヒストグラムは、変
化領域が明瞭に抽出されているため侵入物体本来の特徴
を明確に表しているといえる。そのため、この投影ヒス
トグラムの特徴量を基にして行う侵入物体の認識は正し
いものとなる。しかし、侵入物体の濃度と背景画像の濃
度が近い部分では、入力画像と背景画像との差が小さく
なり、その部分は差分２値化画像において変化領域とし
て抽出されず、変化領域は虫食い状態となる。この場
合、投影ヒストグラムの分布は侵入物体本来の分布とは
異なった分布となる。従って、特徴（１）〜特徴（６）
が侵入物体本来のものとは異なって抽出され、侵入物体
を誤認識することがあった。 【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、予め記憶された侵入物体の存在しないと
きの背景画像と逐次入力される入力画像との差分画像を
二値化して変化領域を求め、該変化領域に基づいて前記
侵入物体を認識する侵入物体認識方法において、以下の
処理を施す。即ち、前記変化領域の外接矩形を縦に複数
個の矩形に分割する変化領域分割処理と、前記矩形内で
の変化領域の縦方向におけるＹ座標の最大値と最小値と
の距離を前記各矩形の全領域中で求め、その結果を横軸
上に分布図として表す距離ヒストグラム作成処理と、前
記分布図の特徴量に基づいて侵入物体を認識する侵入物
体認識処理とを、施すことを特徴とする侵入物体認識方
法。 【０００６】 【作用】本発明によれば、以上のように侵入物体認識方
法を構成したので、変化領域分割処理で、変化領域の外
接矩形を縦に複数個の矩形に分割する。距離ヒストグラ
ム作成処理で、矩形内での変化領域の縦方向におけるＹ
座標の最大値と最小値との距離を前記各矩形の全領域中
で求め、その結果を横軸上に分布図として表す。侵入物
体認識処理で、分布図の特徴量に基づいて侵入物体を認
識する。従って、前記課題が解決できるのである。 【０００７】 【実施例】本実施例では、まず、先の提案の人物認識方
法の実施例の概略（Ｉ）と、その問題点（II）とを説明
した後、その問題点(II)を解決するための本発明の侵入
物体認識方法の実施例(III）を説明する。 （Ｉ） 先の提案の人物認識方法の実施例 図２は、先の提案の実施例の人物認識方法を示す図であ
り、侵入者監視システム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。この人物認識方法は、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に格納する画像入力処理を行い、該入力した背景画像
及び入力画像に対して差分処理３、２値化処理４、変化
領域切り出し処理５、変化領域分割処理６、投影ヒスト
グラム作成処理７、特徴量抽出処理８、及び侵入物体判
定処理９を行って侵入物体に対する認識結果を出力する
ようになっている。以下、これらの処理を図を参照しつ
つ説明する。 【０００８】メモリ１，２への画像入力処理 まず、ＴＶカメラ等の画像入力装置を用い、侵入物体が
存在しない背景だけを撮影し、その背景画像を予め背景
画像メモリ１の中に格納しておく。そして、背景画像を
撮影したのと同じ位置で撮像し、その撮像した入力画像
を入力画像メモリ２の中に格納する。差分処理３ 画像入力処理後、差分処理３において、入力画像中にお
ける背景画像からの変化を検出するために、背景画像と
入力画像とで、その濃度差の絶対値を計算し、差分画像
を求めた後、２値化処理４へ進む。２値化処理４ 図３及び図４は、差分２値化画像の例を示す図である。
２値化処理４において、差分処理３で求めた差分画像を
ある適当な閾値を用いて２値化し、差分２値化画像を求
める。この差分２値化画像では、入力画像中で背景画像
から濃度が変化した領域では画素の値が１、変化してい
ない領域では画素の値が０に設定され、変化領域が抽出
されることになる。図３に示すように、侵入物体の濃度
が背景画像の濃度と大きく異なる場合には、侵入物体を
示す変化領域が明瞭に抽出される。一方、侵入物体の濃
度と背景画像の濃度が近い部分では、入力画像と背景画
像との差が小さくなり、図４に示すように、その部分は
差分２値化画像において変化領域として抽出されず、変
化領域は虫食い状態となる。ところで、侵入物体によっ
ては背景画像と局所的に同じ濃度を持っていることがあ
る。その場合の差分２値化画像は、その部分だけが侵入
物体として捉えられず、変化領域が切れ切れになる。そ
のため、それぞれの変化領域は別個に認識され、本来の
一つの侵入物体としては認識されなくなる。そこで、次
の変化領域切り出し処理５を行う。 【０００９】変化領域切り出し処理５ 変化領域切り出し処理では、一つの侵入物体を表す変化
領域を一つにまとめるために、差分２値化画像を数回膨
脹した後、同じ回数だけ収縮する。膨脹とは、値０の画
素の回りに値１の画素がある場合、その値０の画素を１
に変換するものである。つまり、変化領域の回りを一画
素分膨らませる。収縮はその逆で、変化領域の回りを一
画素分小さくする。この作業によって、数画素程度離れ
た変化領域同士はつながり、一つの侵入物体を表すと思
われる変化領域は、一つの領域として抽出される。そし
て、このようにして得られた変化領域を外接矩形で囲み
この外接矩形で囲まれた領域を差分２値化画像から切り
出す。変化領域分割処理６ 変化領域分割処理６では、変化領域の外接矩形を縦に３
等分する。これは、人を表す変化領域において、縦横比
変化の原因となる人の腕と足の部分を別々の領域に分割
し、変化領域の形状を捉え易くするためのものである。
この３等分によりできる矩形を、上からそれぞれＡ１，
Ａ２，Ａ３とする。そして、次の投影ヒストグラム作成
処理７へ進む。投影ヒスグラム作成処理７ 投影ヒストグラム作成処理７では、分割した外接矩形の
それぞれについて、変化領域を表す値１の画素の数を縦
方向に加算し、外接矩形内における変化領域の横軸上へ
の投影ヒストグラムを求める。その後、特徴が捉え易い
ように、このヒストグラムを平滑化しておく。図５は図
３の変化領域を表す投影ヒストグラムであり、図６は図
４の変化領域を表すヒストグラムである。図５の投影ヒ
ストグラムは、図３に示す変化領域が明瞭に抽出されて
いるため侵入物体本来の特徴を明確に表している。一
方、図４の変化領域は虫食い状態となっており、それに
基づいて作成した図６に示す投影ヒストグラムの分布
は、侵入物体本来の分布とは異なった分布となってい
る。分割外接矩形Ａ１，Ａ２，Ａ３中の変化領域の形状
の特徴は、投影ヒストグラムの形状の特徴として現れ
る。即ち、分割外接矩形Ａ１，Ａ２，Ａ３中の変化領域
の形状の特徴は、各投影ヒストグラム中で両側の度数が
０で区切られ、かつ度数がすべて１以上の一塊の部分で
あるブロックの形状として現れる。そのため、３等分し
た外接矩形Ａ１，Ａ２，Ａ３内での変化領域の投影ヒス
トグラムの形状の変化に着目すれば、人物の歩行状態を
表現することができ、侵入物体が人であるか否かを認識
することができる。そこで、特徴量抽出処理８に進む。 【００１０】特徴量抽出処理８ 特徴量抽出処理８では、以下の特徴量を矩形Ａ１〜Ａ３
の投影ヒストグラムから抽出する。 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Ｓの割合Ｒ 特徴（６）；矩形Ａ３における極大値の位置Ｍ ただし、ここでの各ブロックの平均値Ｆとは、図７に示
す平均値Ｆの横軸のｘ座標であり、次式（１）で求め
る。 【数１】 各ブロックの面積Ｓの割合Ｒとは、ブロックの底辺Ｌと
高さＨを掛けてできる長方形ＡＢＣＤの面積を１００％
としたときの、ブロックの面積Ｓが長方形ＡＢＣＤに占
める割合のことである。これは、次式（２）で求める。 Ｒ＝Ｓ／（Ｌ＊Ｈ）＊１００ ・・・（２） なお；Ａ−Ｂ＝Ｈ，Ｃ−Ｂ＝Ｌとする。また、極大値の
位置Ｍは、各ブロック中で極大値を示す横軸上のｘ座標
である。 【００１１】侵入物体判定処理９ そして、最後に、侵入物体判定処理９において、特徴量
抽出処理８で得られる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する。 （II） 先の提案における問題点 図３に示すように、侵入物体の濃度が背景画像の濃度と
大きく異なる場合には、２値化処理４において侵入物体
を示す変化領域が明瞭に抽出され、投影ヒストグラム作
成処理７による図５に示す投影ヒストグラムは侵入物体
本来の特徴を明確に表しているため、特徴（１）〜特徴
（６）が侵入物体本来のものを表し、侵入物体判定は正
しいものとなる。一方、侵入物体の濃度と背景画像の濃
度が近い部分では、入力画像と背景画像との差が小さく
なり、その部分は差分２値化画像において変化領域とし
て抽出されず、図４に示すように変化領域は虫食い状態
となり、図６に示す投影ヒストグラムの分布は侵入物体
本来の分布とは異なった分布となる。従って、図６に示
す投影ヒストグラムの特徴（１）〜特徴（６）が侵入物
体本来のものとは異なって抽出され、侵入物体を誤認識
することがあった。 (III） 本発明の実施例 図１は、本発明の実施例の侵入物体認識方法を示す図で
あり、先の提案の図２中と同一の要素には同じ符号を付
している。この侵入物体認識方法が先の提案の侵入物体
認識方法と異なる点は、先の提案の投影ヒストグラム作
成処理７の代わりに距離ヒストグラム作成処理１７を行
うことである。以下、この図を参照しつつ説明する。 【００１２】メモリ１，２への画像入力処理 まず、先の提案の実施例と同様に、ＴＶカメラ等の画像
入力装置を用い、侵入物体が存在しない背景だけを撮影
し、その背景画像を予め背景画像メモリ１の中に格納し
ておく。そして、背景画像を撮影したのと同じ位置で撮
像し、撮像した入力画像を入力画像メモリ２の中に格納
する。差分処理３ 画像入力処理後、差分処理３において先の提案と同様
に、入力画像中における背景画像からの変化を検出する
ために、背景画像と入力画像とで、その濃度差の絶対値
を計算し、差分画像を求めた後、２値化処理４へ進む。２値化処理４ ２値化処理４において、先の提案と同様に、差分処理３
で求めた差分画像をある適当な閾値を用いて２値化し、
差分２値化画像を求める。この差分２値化画像では、入
力画像中で背景画像から変化した領域の画素の値が１、
変化していない領域では画素の値が０に設定され、変化
領域が抽出されることになる。変化領域切り出し処理５ 変化領域切り出し処理５では、一つの侵入物体を表す変
化領域を一つにまとめるために、差分２値化画像を数回
膨脹した後、同じ回数だけ収縮する。この作業によっ
て、一つの侵入物体を表すと思われる変化領域は、一つ
の領域として抽出される。そして、このようにして得ら
れた変化領域を外接矩形で囲みこの外接矩形で囲まれた
領域を差分２値化画像から切り出す。 【００１３】変化領域分割処理６ 変化領域分割処理６では、変化領域の外接矩形を縦に３
等分する。これは、人を表す変化領域において、縦横比
変化の原因となる人の腕と足の部分を別々の領域に分割
し、変化領域の形状を捉え易くするためのものである。
この３等分によりできる矩形を、上からそれぞれＡ１，
Ａ２，Ａ３とする。そして、次の距離ヒストグラム作成
処理１７へ進む。距離ヒスグラム作成処理１７ 図９は図４の距離ヒストグラムである。距離ヒストグラ
ム作成処理１７では、図８に示すように分割外接矩形の
横方向をＸ軸、縦方向をＹ軸とした時、分割外接矩形中
変化領域の縦方向（Ｘ＝Ｘn)における変化領域のＹ座標
の最大値Ｙnmaxと最小値Ｙnminとの距離Ｄ（Ｄ＝Ｙnmax
−Ｙnmin）を、分割外接矩形中の全領域中で求めて、そ
の結果を横軸上に分布図（以下、距離ヒストグラムと呼
ぶ）として表す。図９は図４の距離ヒストグラムであ
り、この距離ヒストグラムの分布は図５に示す投影ヒス
トグラムの分布とほぼ同じものになっていることがわか
る。投影ヒストグラムは変化領域を表す画素の数を加算
して求めるために、図４のように変化領域が部分的に抜
けた場合は、図６に示すように投影ヒストグラムは侵入
物体本来の特徴を表した分布から大きく異なってしま
う。一方、距離ヒストグラムの場合は、縦方向において
Ｙ座標の最大値から最小値までの距離をもとに作成する
ので、変化領域が部分的に抜けた場合でも、図９のよう
に距離ヒストグラムは侵入物体本来の特徴量を表す分布
図となる。 【００１４】特徴量抽出処理８ 特徴量抽出処理８では、先の提案と同様に特徴（１）〜
特徴（６）を矩形Ａ１〜Ａ３の距離ヒストグラム１７か
ら抽出する。この時、図４のように変化領域が部分的に
抜けていても、図９のように距離ヒストグラムが侵入物
体本来の特徴量を表す分布図であるので、この距離ヒス
トグラムに基づいて抽出した特徴量は侵入物体本来のも
のものを表す。侵入物体判定処理９ そして、最後に、侵入物体判定処理９において、特徴量
抽出処理８で得られる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する。この時、変化領域が明瞭に
抽出されず部分的に抜けていても、正しく侵入物を認識
することができる。以上のように、本実施例では、以下
の利点がある。背景画像と入力画像との変化領域におけ
る、分割外接矩形中の変化領域の距離ヒストグラムの特
徴量を使用しているので、変化領域が明瞭に抽出されな
い場合においても侵入物体本来の特徴量を求めることが
できる。従って侵入者監視システムにおいて従来の方法
と比べて誤報を少なくすることができる。なお、本発明
は、上記実施例に限定されず種々の変形が可能である。
その変形例としては、例えば次のようなものがある。変
化領域分割処理６では、変化領域の外接矩形を縦に３等
分したが、３等分でなくてもよい。 【００１５】 【発明の効果】以上詳細に説明したように、本発明によ
れば、矩形内での変化領域の縦方向におけるＹ座標の最
大値と最小値との距離を前記各矩形の全領域中で求め、
その結果を横軸上に分布図として表し、この分布図の特
徴量に基づいて侵入物体を認識する。従って、変化領域
が明瞭に抽出されない場合においても侵入物体本来の特
徴量を求めることができ、侵入物体認識方法において誤
認識を少なくすることができる。
メラ（以下、ＴＶカメラという）等による撮像画像から
人物等の侵入物体を検出し、その侵入物体が何であるか
を認識する侵入物体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
文集分冊 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、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２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、侵入者あ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
侵入物体認識方法においては、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、足と腕を開い
たときは閉じたときに比べ約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。即
ち、侵入者の有無を確認するための入力画像と背景画像
との差分画像を２値化し、その差分２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。 【０００４】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Ｓの割合Ｒ 特徴（６）；矩形Ａ３における極大値の位置Ｍ これにより、変化領域の外接矩形の縦横比と、その外接
矩形を縦に３等分したそれぞれの矩形Ａ１，Ａ２，Ａ３
内での各変化領域を横軸上に投影して得られる投影ヒス
トグラムの特徴量である特徴（１）〜特徴（６）とか
ら、人物を認識するようにしたので、正確に人物を認識
でき、侵入者監視システムにおいて誤報を少なくするこ
とが可能となる。この方法を実施するうえでは、入力画
像と背景画像との差分２値化画像から変化領域を求める
必要がある。このとき、侵入物体の濃度が背景画像の濃
度と大きく異なる場合には、侵入物体を示す変化領域が
明瞭に抽出される。この場合の投影ヒストグラムは、変
化領域が明瞭に抽出されているため侵入物体本来の特徴
を明確に表しているといえる。そのため、この投影ヒス
トグラムの特徴量を基にして行う侵入物体の認識は正し
いものとなる。しかし、侵入物体の濃度と背景画像の濃
度が近い部分では、入力画像と背景画像との差が小さく
なり、その部分は差分２値化画像において変化領域とし
て抽出されず、変化領域は虫食い状態となる。この場
合、投影ヒストグラムの分布は侵入物体本来の分布とは
異なった分布となる。従って、特徴（１）〜特徴（６）
が侵入物体本来のものとは異なって抽出され、侵入物体
を誤認識することがあった。 【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、予め記憶された侵入物体の存在しないと
きの背景画像と逐次入力される入力画像との差分画像を
二値化して変化領域を求め、該変化領域に基づいて前記
侵入物体を認識する侵入物体認識方法において、以下の
処理を施す。即ち、前記変化領域の外接矩形を縦に複数
個の矩形に分割する変化領域分割処理と、前記矩形内で
の変化領域の縦方向におけるＹ座標の最大値と最小値と
の距離を前記各矩形の全領域中で求め、その結果を横軸
上に分布図として表す距離ヒストグラム作成処理と、前
記分布図の特徴量に基づいて侵入物体を認識する侵入物
体認識処理とを、施すことを特徴とする侵入物体認識方
法。 【０００６】 【作用】本発明によれば、以上のように侵入物体認識方
法を構成したので、変化領域分割処理で、変化領域の外
接矩形を縦に複数個の矩形に分割する。距離ヒストグラ
ム作成処理で、矩形内での変化領域の縦方向におけるＹ
座標の最大値と最小値との距離を前記各矩形の全領域中
で求め、その結果を横軸上に分布図として表す。侵入物
体認識処理で、分布図の特徴量に基づいて侵入物体を認
識する。従って、前記課題が解決できるのである。 【０００７】 【実施例】本実施例では、まず、先の提案の人物認識方
法の実施例の概略（Ｉ）と、その問題点（II）とを説明
した後、その問題点(II)を解決するための本発明の侵入
物体認識方法の実施例(III）を説明する。 （Ｉ） 先の提案の人物認識方法の実施例 図２は、先の提案の実施例の人物認識方法を示す図であ
り、侵入者監視システム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。この人物認識方法は、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に格納する画像入力処理を行い、該入力した背景画像
及び入力画像に対して差分処理３、２値化処理４、変化
領域切り出し処理５、変化領域分割処理６、投影ヒスト
グラム作成処理７、特徴量抽出処理８、及び侵入物体判
定処理９を行って侵入物体に対する認識結果を出力する
ようになっている。以下、これらの処理を図を参照しつ
つ説明する。 【０００８】メモリ１，２への画像入力処理 まず、ＴＶカメラ等の画像入力装置を用い、侵入物体が
存在しない背景だけを撮影し、その背景画像を予め背景
画像メモリ１の中に格納しておく。そして、背景画像を
撮影したのと同じ位置で撮像し、その撮像した入力画像
を入力画像メモリ２の中に格納する。差分処理３ 画像入力処理後、差分処理３において、入力画像中にお
ける背景画像からの変化を検出するために、背景画像と
入力画像とで、その濃度差の絶対値を計算し、差分画像
を求めた後、２値化処理４へ進む。２値化処理４ 図３及び図４は、差分２値化画像の例を示す図である。
２値化処理４において、差分処理３で求めた差分画像を
ある適当な閾値を用いて２値化し、差分２値化画像を求
める。この差分２値化画像では、入力画像中で背景画像
から濃度が変化した領域では画素の値が１、変化してい
ない領域では画素の値が０に設定され、変化領域が抽出
されることになる。図３に示すように、侵入物体の濃度
が背景画像の濃度と大きく異なる場合には、侵入物体を
示す変化領域が明瞭に抽出される。一方、侵入物体の濃
度と背景画像の濃度が近い部分では、入力画像と背景画
像との差が小さくなり、図４に示すように、その部分は
差分２値化画像において変化領域として抽出されず、変
化領域は虫食い状態となる。ところで、侵入物体によっ
ては背景画像と局所的に同じ濃度を持っていることがあ
る。その場合の差分２値化画像は、その部分だけが侵入
物体として捉えられず、変化領域が切れ切れになる。そ
のため、それぞれの変化領域は別個に認識され、本来の
一つの侵入物体としては認識されなくなる。そこで、次
の変化領域切り出し処理５を行う。 【０００９】変化領域切り出し処理５ 変化領域切り出し処理では、一つの侵入物体を表す変化
領域を一つにまとめるために、差分２値化画像を数回膨
脹した後、同じ回数だけ収縮する。膨脹とは、値０の画
素の回りに値１の画素がある場合、その値０の画素を１
に変換するものである。つまり、変化領域の回りを一画
素分膨らませる。収縮はその逆で、変化領域の回りを一
画素分小さくする。この作業によって、数画素程度離れ
た変化領域同士はつながり、一つの侵入物体を表すと思
われる変化領域は、一つの領域として抽出される。そし
て、このようにして得られた変化領域を外接矩形で囲み
この外接矩形で囲まれた領域を差分２値化画像から切り
出す。変化領域分割処理６ 変化領域分割処理６では、変化領域の外接矩形を縦に３
等分する。これは、人を表す変化領域において、縦横比
変化の原因となる人の腕と足の部分を別々の領域に分割
し、変化領域の形状を捉え易くするためのものである。
この３等分によりできる矩形を、上からそれぞれＡ１，
Ａ２，Ａ３とする。そして、次の投影ヒストグラム作成
処理７へ進む。投影ヒスグラム作成処理７ 投影ヒストグラム作成処理７では、分割した外接矩形の
それぞれについて、変化領域を表す値１の画素の数を縦
方向に加算し、外接矩形内における変化領域の横軸上へ
の投影ヒストグラムを求める。その後、特徴が捉え易い
ように、このヒストグラムを平滑化しておく。図５は図
３の変化領域を表す投影ヒストグラムであり、図６は図
４の変化領域を表すヒストグラムである。図５の投影ヒ
ストグラムは、図３に示す変化領域が明瞭に抽出されて
いるため侵入物体本来の特徴を明確に表している。一
方、図４の変化領域は虫食い状態となっており、それに
基づいて作成した図６に示す投影ヒストグラムの分布
は、侵入物体本来の分布とは異なった分布となってい
る。分割外接矩形Ａ１，Ａ２，Ａ３中の変化領域の形状
の特徴は、投影ヒストグラムの形状の特徴として現れ
る。即ち、分割外接矩形Ａ１，Ａ２，Ａ３中の変化領域
の形状の特徴は、各投影ヒストグラム中で両側の度数が
０で区切られ、かつ度数がすべて１以上の一塊の部分で
あるブロックの形状として現れる。そのため、３等分し
た外接矩形Ａ１，Ａ２，Ａ３内での変化領域の投影ヒス
トグラムの形状の変化に着目すれば、人物の歩行状態を
表現することができ、侵入物体が人であるか否かを認識
することができる。そこで、特徴量抽出処理８に進む。 【００１０】特徴量抽出処理８ 特徴量抽出処理８では、以下の特徴量を矩形Ａ１〜Ａ３
の投影ヒストグラムから抽出する。 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Ｓの割合Ｒ 特徴（６）；矩形Ａ３における極大値の位置Ｍ ただし、ここでの各ブロックの平均値Ｆとは、図７に示
す平均値Ｆの横軸のｘ座標であり、次式（１）で求め
る。 【数１】 各ブロックの面積Ｓの割合Ｒとは、ブロックの底辺Ｌと
高さＨを掛けてできる長方形ＡＢＣＤの面積を１００％
としたときの、ブロックの面積Ｓが長方形ＡＢＣＤに占
める割合のことである。これは、次式（２）で求める。 Ｒ＝Ｓ／（Ｌ＊Ｈ）＊１００ ・・・（２） なお；Ａ−Ｂ＝Ｈ，Ｃ−Ｂ＝Ｌとする。また、極大値の
位置Ｍは、各ブロック中で極大値を示す横軸上のｘ座標
である。 【００１１】侵入物体判定処理９ そして、最後に、侵入物体判定処理９において、特徴量
抽出処理８で得られる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する。 （II） 先の提案における問題点 図３に示すように、侵入物体の濃度が背景画像の濃度と
大きく異なる場合には、２値化処理４において侵入物体
を示す変化領域が明瞭に抽出され、投影ヒストグラム作
成処理７による図５に示す投影ヒストグラムは侵入物体
本来の特徴を明確に表しているため、特徴（１）〜特徴
（６）が侵入物体本来のものを表し、侵入物体判定は正
しいものとなる。一方、侵入物体の濃度と背景画像の濃
度が近い部分では、入力画像と背景画像との差が小さく
なり、その部分は差分２値化画像において変化領域とし
て抽出されず、図４に示すように変化領域は虫食い状態
となり、図６に示す投影ヒストグラムの分布は侵入物体
本来の分布とは異なった分布となる。従って、図６に示
す投影ヒストグラムの特徴（１）〜特徴（６）が侵入物
体本来のものとは異なって抽出され、侵入物体を誤認識
することがあった。 (III） 本発明の実施例 図１は、本発明の実施例の侵入物体認識方法を示す図で
あり、先の提案の図２中と同一の要素には同じ符号を付
している。この侵入物体認識方法が先の提案の侵入物体
認識方法と異なる点は、先の提案の投影ヒストグラム作
成処理７の代わりに距離ヒストグラム作成処理１７を行
うことである。以下、この図を参照しつつ説明する。 【００１２】メモリ１，２への画像入力処理 まず、先の提案の実施例と同様に、ＴＶカメラ等の画像
入力装置を用い、侵入物体が存在しない背景だけを撮影
し、その背景画像を予め背景画像メモリ１の中に格納し
ておく。そして、背景画像を撮影したのと同じ位置で撮
像し、撮像した入力画像を入力画像メモリ２の中に格納
する。差分処理３ 画像入力処理後、差分処理３において先の提案と同様
に、入力画像中における背景画像からの変化を検出する
ために、背景画像と入力画像とで、その濃度差の絶対値
を計算し、差分画像を求めた後、２値化処理４へ進む。２値化処理４ ２値化処理４において、先の提案と同様に、差分処理３
で求めた差分画像をある適当な閾値を用いて２値化し、
差分２値化画像を求める。この差分２値化画像では、入
力画像中で背景画像から変化した領域の画素の値が１、
変化していない領域では画素の値が０に設定され、変化
領域が抽出されることになる。変化領域切り出し処理５ 変化領域切り出し処理５では、一つの侵入物体を表す変
化領域を一つにまとめるために、差分２値化画像を数回
膨脹した後、同じ回数だけ収縮する。この作業によっ
て、一つの侵入物体を表すと思われる変化領域は、一つ
の領域として抽出される。そして、このようにして得ら
れた変化領域を外接矩形で囲みこの外接矩形で囲まれた
領域を差分２値化画像から切り出す。 【００１３】変化領域分割処理６ 変化領域分割処理６では、変化領域の外接矩形を縦に３
等分する。これは、人を表す変化領域において、縦横比
変化の原因となる人の腕と足の部分を別々の領域に分割
し、変化領域の形状を捉え易くするためのものである。
この３等分によりできる矩形を、上からそれぞれＡ１，
Ａ２，Ａ３とする。そして、次の距離ヒストグラム作成
処理１７へ進む。距離ヒスグラム作成処理１７ 図９は図４の距離ヒストグラムである。距離ヒストグラ
ム作成処理１７では、図８に示すように分割外接矩形の
横方向をＸ軸、縦方向をＹ軸とした時、分割外接矩形中
変化領域の縦方向（Ｘ＝Ｘn)における変化領域のＹ座標
の最大値Ｙnmaxと最小値Ｙnminとの距離Ｄ（Ｄ＝Ｙnmax
−Ｙnmin）を、分割外接矩形中の全領域中で求めて、そ
の結果を横軸上に分布図（以下、距離ヒストグラムと呼
ぶ）として表す。図９は図４の距離ヒストグラムであ
り、この距離ヒストグラムの分布は図５に示す投影ヒス
トグラムの分布とほぼ同じものになっていることがわか
る。投影ヒストグラムは変化領域を表す画素の数を加算
して求めるために、図４のように変化領域が部分的に抜
けた場合は、図６に示すように投影ヒストグラムは侵入
物体本来の特徴を表した分布から大きく異なってしま
う。一方、距離ヒストグラムの場合は、縦方向において
Ｙ座標の最大値から最小値までの距離をもとに作成する
ので、変化領域が部分的に抜けた場合でも、図９のよう
に距離ヒストグラムは侵入物体本来の特徴量を表す分布
図となる。 【００１４】特徴量抽出処理８ 特徴量抽出処理８では、先の提案と同様に特徴（１）〜
特徴（６）を矩形Ａ１〜Ａ３の距離ヒストグラム１７か
ら抽出する。この時、図４のように変化領域が部分的に
抜けていても、図９のように距離ヒストグラムが侵入物
体本来の特徴量を表す分布図であるので、この距離ヒス
トグラムに基づいて抽出した特徴量は侵入物体本来のも
のものを表す。侵入物体判定処理９ そして、最後に、侵入物体判定処理９において、特徴量
抽出処理８で得られる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する。この時、変化領域が明瞭に
抽出されず部分的に抜けていても、正しく侵入物を認識
することができる。以上のように、本実施例では、以下
の利点がある。背景画像と入力画像との変化領域におけ
る、分割外接矩形中の変化領域の距離ヒストグラムの特
徴量を使用しているので、変化領域が明瞭に抽出されな
い場合においても侵入物体本来の特徴量を求めることが
できる。従って侵入者監視システムにおいて従来の方法
と比べて誤報を少なくすることができる。なお、本発明
は、上記実施例に限定されず種々の変形が可能である。
その変形例としては、例えば次のようなものがある。変
化領域分割処理６では、変化領域の外接矩形を縦に３等
分したが、３等分でなくてもよい。 【００１５】 【発明の効果】以上詳細に説明したように、本発明によ
れば、矩形内での変化領域の縦方向におけるＹ座標の最
大値と最小値との距離を前記各矩形の全領域中で求め、
その結果を横軸上に分布図として表し、この分布図の特
徴量に基づいて侵入物体を認識する。従って、変化領域
が明瞭に抽出されない場合においても侵入物体本来の特
徴量を求めることができ、侵入物体認識方法において誤
認識を少なくすることができる。
【図面の簡単な説明】
【図１】本発明の実施例の侵入物体認識方法を示す図で
ある。 【図２】先の提案の実施例の人物認識方法を示す図であ
る。 【図３】明瞭に抽出された変化領域の例を示す図であ
る。 【図４】不明瞭に抽出された変化領域の例を示す図であ
る。 【図５】図３の投影ヒストグラムを示す図である。 【図６】図４の投影ヒストグラムを示す図である。 【図７】図３中のブロックＢＫを示す図である。 【図８】距離ヒストグラムを求める方法を示す図であ
る。 【図９】図４の距離ヒストグラムを示す図である。 【符号の説明】 １ 背景画像メモリ ２ 入力画像メモリ ３ 差分処理 ４ 二値化処理 ５ 変化領域切り出し処理 ６ 変化領域分割処理 ８ 特徴量抽出処理理 ９ 侵入物体判定処理 １７ 距離ヒストグラム作成処理
ある。 【図２】先の提案の実施例の人物認識方法を示す図であ
る。 【図３】明瞭に抽出された変化領域の例を示す図であ
る。 【図４】不明瞭に抽出された変化領域の例を示す図であ
る。 【図５】図３の投影ヒストグラムを示す図である。 【図６】図４の投影ヒストグラムを示す図である。 【図７】図３中のブロックＢＫを示す図である。 【図８】距離ヒストグラムを求める方法を示す図であ
る。 【図９】図４の距離ヒストグラムを示す図である。 【符号の説明】 １ 背景画像メモリ ２ 入力画像メモリ ３ 差分処理 ４ 二値化処理 ５ 変化領域切り出し処理 ６ 変化領域分割処理 ８ 特徴量抽出処理理 ９ 侵入物体判定処理 １７ 距離ヒストグラム作成処理
─────────────────────────────────────────────────────
フロントページの続き
(56)参考文献 渡辺孝弘ほか，歩行特徴に基づく人物
認識の一手法，1993年電子情報通信学会
春季大会講演論文集（７），日本，電子
情報通信学会，1993年 ３月15日，Ｖｏ
ｌ．Ｓｈｕｎｋｉ，Ｎｏ．７，398
(58)調査した分野(Int.Cl.7，ＤＢ名)
G06T 1/00 340
H04N 7/18
G06T 7/00 300
Claims (1)
- (57)【特許請求の範囲】 【請求項１】 予め記憶された侵入物体の存在しないと
きの背景画像と逐次入力される入力画像との差分画像を
二値化して変化領域を求め、前記変化領域に基づいて侵
入物体を認識する侵入物体認識方法において、 前記変化領域の外接矩形を縦に複数個の矩形に分割する
変化領域分割処理と、 前記矩形内での変化領域の縦方向におけるＹ座標の最大
値と最小値との距離を前記各矩形の全領域中で求め、そ
の結果を横軸上に分布図として表す距離ヒストグラム作
成処理と、 前記分布図の特徴量に基づいて侵入物体を認識する侵入
物体認識処理とを、 施すことを特徴とする侵入物体認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01005594A JP3417635B2 (ja) | 1994-01-31 | 1994-01-31 | 侵入物体認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01005594A JP3417635B2 (ja) | 1994-01-31 | 1994-01-31 | 侵入物体認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07220046A JPH07220046A (ja) | 1995-08-18 |
| JP3417635B2 true JP3417635B2 (ja) | 2003-06-16 |
Family
ID=11739712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP01005594A Expired - Fee Related JP3417635B2 (ja) | 1994-01-31 | 1994-01-31 | 侵入物体認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3417635B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE69921237T2 (de) * | 1998-04-30 | 2006-02-02 | Texas Instruments Inc., Dallas | Automatische Videoüberwachungsanlage |
| JPWO2003088672A1 (ja) * | 2002-04-17 | 2005-08-25 | 富士通株式会社 | 監視システム |
| 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 |
| JP4315991B2 (ja) | 2007-04-20 | 2009-08-19 | 本田技研工業株式会社 | 車両周辺監視装置、車両周辺監視方法、車両周辺監視プログラム |
| CN114938429B (zh) * | 2022-05-20 | 2023-10-24 | 重庆紫光华山智安科技有限公司 | 一种目标跟踪方法、系统、设备及计算机可读介质 |
-
1994
- 1994-01-31 JP JP01005594A patent/JP3417635B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| 渡辺孝弘ほか，歩行特徴に基づく人物認識の一手法，１９９３年電子情報通信学会春季大会講演論文集（７），日本，電子情報通信学会，１９９３年 ３月１５日，Ｖｏｌ．Ｓｈｕｎｋｉ，Ｎｏ．７，３９８ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07220046A (ja) | 1995-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100480781B1 (ko) | 치아영상으로부터 치아영역 추출방법 및 치아영상을이용한 신원확인방법 및 장치 | |
| JP2940936B2 (ja) | 表領域識別方法 | |
| JP3636927B2 (ja) | 顔画像処理装置 | |
| JPH07192112A (ja) | 侵入物体認識方法 | |
| KR19990013317A (ko) | 얼굴 화상 처리 장치 | |
| JP2008035301A (ja) | 移動体追跡装置 | |
| JP5264457B2 (ja) | 物体検出装置 | |
| JP3417635B2 (ja) | 侵入物体認識方法 | |
| JP4390487B2 (ja) | 頭部領域抽出装置 | |
| JPH07249128A (ja) | 車両用画像処理装置 | |
| JP3197633B2 (ja) | 移動体の自動追尾装置 | |
| JP3230509B2 (ja) | 動画像処理装置 | |
| JP3065854B2 (ja) | 人物認識方法 | |
| JPH08190690A (ja) | ナンバープレート決定方法 | |
| JP3065838B2 (ja) | 人物認識方法 | |
| JP2004295416A (ja) | 画像処理装置 | |
| JP3062383B2 (ja) | 人物認識方法 | |
| JP2868134B2 (ja) | 画像処理方法及び装置 | |
| JP3078203B2 (ja) | 侵入物体認識装置 | |
| JP3763279B2 (ja) | 物体抽出システム、物体抽出方法および物体抽出プログラム | |
| JP3135201B2 (ja) | 人物口領域抽出方法および装置 | |
| JPH08221549A (ja) | 侵入物体認識装置 | |
| JP2001094976A (ja) | 画像抽出装置 | |
| KR100533209B1 (ko) | 영상검출방법 | |
| JP3447751B2 (ja) | パターン認識方法 |
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: 20030325 |
|
| LAPS | Cancellation because of no payment of annual fees |