JP4449808B2 - 人物検出装置 - Google Patents

Description

本発明は、複数のカメラから取得した画像をもとに被写体の３次元情報を算出して、この３次元情報をもとに人物を検出及び追尾する人物検出装置に関する。

従来、複数のカメラ画像をもとに人物を検出して追尾する技術として特許文献１記載の移動体検出方法があった。この特許文献１記載の検出方法は、複数のカメラから取得した画像から抽出された特徴点の動線と特徴点の３次元座標を求め、動線間距離の近い動線同士を統合して移動物体の検出を行うと共に移動物体の追跡を行うものである。
特開平１１−６６３１９号公報

ところで上記従来の人物検出方法では、特徴点毎に動線を求める必要がある。動線を求める方法は、現在のフレームに対して１つ前の前フレーム画像中の特徴点を抽出し、この特徴点を中心としてブロック領域を設定し、その領域と現フレームの画像を照らし合わせて現フレームの画像内で最も相関の高いブロック領域を探索し対応する特徴点を求めて動線の検出を行う。そのため計算量が膨大になるという問題があった。

また、移動している人物の各特徴点の動線を常に正確に求めることは非常に困難であることから、動線に基づいて人体を抽出しても人体抽出の精度があまり良くならないという問題があった。

本発明は、上記課題を鑑みてなされたものであり、その目的は、移動する人物の特徴点毎に動線を求めずに、特徴点の３次元座標から人物をモデル化した円筒領域を設定することで計算量が少なく且つ精度の高い人物抽出及び追尾を行う人物検出装置を提供することにある。

上記目的を達成するために請求項１記載の本発明は、 撮像する画像の一部が互いに重複するように配置されて、それぞれが同期して撮像する複数の画像取得手段と、画像取得手段で取得した取得画像から、この画像内において輝度の空間変化の大きな画素を特徴点として抽出する特徴点抽出手段と、特徴点抽出手段で抽出された特徴点を中心とする所定のブロックに対応して、画像取得手段以外の他の複数の画像取得手段から得られた複数の画像におけるブロックと最も相関が高いブロックを抽出し、このブロック中心点を特徴点の対応点とすることにより特徴点の３次元座標を計測する３次元座標計測手段と、取得画像内の所定の基準点から所定の高さまでに存在する特徴点を選択する特徴点選択手段と、特徴点選択手段で選択された特徴点の中から最も位置の高い特徴点を求め、この最高位置の特徴点を通過し且つ水平面に垂直な直線を中心軸として選択された特徴点を含む円筒領域を設定する円筒領域設定手段と、円筒領域内の特徴点の個数を計数して予め設定された閾値と比較し、特徴点の個数が閾値以上のときは人物領域であると判定する人物領域判定手段と、人物領域に含まれる特徴点からこの人物領域の重心点ｎを算出する円筒領域重心算出手段と、人物領域に含まれる特徴点を削除し、取得画像において次に位置の高い特徴点を抽出する手段と、特徴点の抽出から重心点ｎの算出手段の駆動までを一定時間繰返し実行する制御手段と、一定時間経過後に、取得した取得画像から重心点ｎに対応する重心点ｎ´を取得し、重心点ｎと重心点ｎ´との距離の差分から移動距離を算出して重心の追跡を行う重心点追跡手段とを備えたことを要旨とする。

本発明の人物検出装置によれば、複数のカメラから取得した画像を用いて画像の特徴点の３次元座標を求め、この座標をもとに人物をモデル化してその重心点を算出し、重心点の移動を追跡することにより、人物検出を可能とし且つ人物抽出を少ない計算量で精度良く行うことができるので、従来よりも人物の追跡及び通行人の数の計数等を高精度に行うことができる人物検出装置を提供することができる。

また本発明の人物検出装置によれば、人物抽出を負荷の軽い計算量で実行可能なため、演算に係るハードウェアのコストを低く抑えることができる。すなわち、現フレームの画像中の任意の点を追尾するためには、次フレームの画像中から対応する点を探索する処理が必要となるが、これに関して従来方式では、切り出された人物領域中に複数の特徴点を設定してそれぞれの追尾を行う必要があり、その計算量は大きな負荷を伴うものであったが、本発明によれば、人物領域の重心を求めてその追尾を行うものであるため、計算量の量が少なくても済む。従って、演算に係るハードウェアを従来方式よりも低コストで実現することができる人物検出装置を提供することができる。

以下、図面を参照して本発明を実施するための最良の形態を説明する。

図１は、本発明に係る人物検出装置１の構成を示すブロック図である。

この人物検出装置１は、画像取得部１１と、画像蓄積部１２と、特徴点抽出部１３と、３次元座標計測部１４と、特徴点選択部１５と、最高特徴点抽出部１６と、円筒領域設定部１７と、特徴点カウント部１８と、人物領域判定部１９と、円筒領域重心算出部２０と、現フレーム重心データ蓄積部２１と、重心追跡部２２と、前フレーム重心データ蓄積部２３と、出力部２４と、これら機能部を制御する制御部（図示せず）を少なくとも備えている。

この人物検出装置１は、図２に示すように被写体Ａと焦点Ｆ１の延長線上に第１カメラ１１ａ（図示せず）が設置され、被写体Ａと焦点Ｆ２の延長線上に第２カメラ１１ｂ（図示せず）が設置されている状態において、第１カメラ１１ａと第２カメラ１１ｂで被写体Ａを撮影する。同図の通り、第１カメラ１１ａで撮像した画像Ｉ１上のＰ１は被写体Ａ上の点Ｐに相当し、第２カメラ１１ｂで撮像した画像Ｉ２上のＰ２は被写体Ａ上の点Ｐに相当している。このときＰ１，Ｐ２の画像上の座標とカメラの外部パラメータ及び内部パラメータを用いて点Ｐの３次元ワールド座標を計算で求めることができるため、この３次元ワールド座標をもとに人物領域を特定し、更には人物領域の重心を算出して、この重心の移動状況を追跡することにより少ない計算量で確実に追跡を行おうとするものである。

ここで画像取得部１１は、移動する人体若しくは物体を撮像するカメラであり、少なくとも２台以上が設置されると共に、これらカメラで撮影する画像の一部が重なるように配置されている。また、第１カメラ１１ａで撮像するタイミングに合わせて第２〜第ｘカメラ１１ｂ〜１１ｘでも同期して撮像できるように同期制御がなされている。これらカメラで撮影された画像はそれぞれ画像蓄積部１２ａ〜１２ｘに記憶される。また第１のカメラ１１ａで撮影した画像は特徴点抽出部１３と３次元座標計測部１４に出力され、第２〜第ｘカメラ１１ｂ〜１１ｘで撮影した画像は３次元座標計測部１４にのみ出力される。尚、本実施の形態においては２台のカメラ１１ａ、１１ｂを用いた場合を例に説明する。

画像蓄積部１２ａ〜１２ｘは、カメラで撮影した画像を蓄積するメモリである。本実施の形態においては各カメラに対して１つの蓄積部を設けているが、蓄積部は複数のカメラに対して１つでもよく、その場合には、どのカメラで撮影したかが分かるようにデータベース化して記憶させる。

特徴点抽出部１３は、撮影した画像から特徴点Ｑｎ（ｎ＝１，２，…）を抽出する機能部である。特徴点は、輝度の空間変化の大きい画素のことを指している。カメラ１１ａで撮影した画像に基づいて抽出された輝度画像をＹ１（ｘ，ｙ）とすると、輝度の空間変化を表す画像Ｄ２（ｘ，ｙ）を下記（１）式で表せることから、このＤ２（ｘ，ｙ）が予め設定された閾値以上であればその画素を特徴点Ｑｎと認定する。このようにして抽出した特徴点Ｑｎは３次元座標計測部１４に出力される。

尚、Ｄ２（ｘ，ｙ）は、（１）式に限らず、（２）式に示すようにＹ１（ｘ，ｙ）の水平及び垂直方向の微分値の和としても良い。

またＤ２（ｘ，ｙ）は、（３）式に示すようにＹ１（ｘ，ｙ）のラプラシアン・ガウシアン（Laplacian-Gaussiun）フィルターをかけたものでも良い。

３次元座標計測部１４は、特徴点抽出部１３から特徴点Ｑｎを取得すると共に、カメラ１１ｂで同時に撮像された画像Ｉ２を取得して、特徴点Ｑｎ及び画像Ｉ２から特徴点の３次元座標Ｒｎを求める機能部である。すなわち、特徴点抽出部１３で抽出された特徴点Ｑｎを中心とする所定のブロックに対応して、画像取得部１１ａ以外の他の複数の画像取得部１１ｂ〜１１ｘから得られた複数の画像におけるブロックと最も相関が高いブロックを抽出し、このブロックの中心点を特徴点Ｑｎの対応点とする機能部である。

特徴点選択部１５は、３次元座標計測部１４で算出された３次元座標Ｒｎをもとに、画像中の基準点（例えば、地面）からある一定の高さの範囲内に存在する特徴点Ｑｎを選択して抽出する機能部である。例えば３次元座標Ｒｎ＝（ｘ，ｙ，ｚ）とした場合に、地面から１．２ｍ≦ｚ≦２．０ｍの範囲内の特徴点Ｑｎを選択し、これを最高特徴点抽出部１６に出力する処理を行う。

最高特徴点抽出部１６は、特徴点選択部１５において選択された特徴点Ｑｎの中で、最も高い位置にある特徴点（以下、最高特徴点と称す。）Ｔ０を検出する機能部である。すなわち、特徴点ＱｎのＺ軸上の最も位置の高い特徴点Ｑｎを最高特徴点Ｔ０とする。このようにして検出した最高特徴点Ｔ０は円筒領域設定部１７に出力する。

円筒領域設定部１７は、最高特徴点Ｔ０を含み、且つ地面に垂直な直線を中心軸とする円筒領域を設定する機能部である。この円筒領域の底面半径は、例えば５０ｃｍから１ｍ程度に設定する。

特徴点カウント部１８は、円筒領域内に含まれる特徴点Ｑｎの数を計数する機能部である。計数した特徴点Ｑｎの数は人物領域判定部１９に出力する。

人物領域判定部１９は、予め設定しておいた閾値ｔ０を基準として、円筒領域に含まれる特徴点Ｑｎの数が閾値ｔ０以上であれば円筒領域を人物領域と判断する機能部である。この閾値ｔ０は、固定値若しくはカメラから被写体までの距離に応じて可変設定される値でもよい。この場合、カメラから被写体までの距離が近ければ閾値ｔ０を大きく設定し、遠ければ閾値ｔ０を小さくするように設定する。閾値ｔ０の算出方法としては、例えばカメラから円筒領域の中心軸までの距離をｄとして、（４）式から求めることができる。
ｔ_０＝ａ−ｂ×ｄ^２、 （ａ，ｂは適当な定数） （４）式
円筒領域重心算出部２０は、人物領域判定部１９において円筒領域が人物領域と判断された場合に円筒領域に含まれる特徴点Ｑｎに基づいて円筒領域の重心を計算し、それを人物の重心と設定する機能部である。算出した重心の座標は現フレーム重心データ蓄積部２１に画像取得順に登録される。

現フレーム重心データ蓄積部２１は、円筒領域重心算出部２０で算出された重心の座標を画像取得順にデータベース化して記憶する機能部である。図５に示すように、縦項目を画像取得順番（行番号）とし横項目を座標として、画像取得順に特徴点Ｑｎの重心座標を対応付けて記憶している。

重心追跡部２２は、現フレーム重心データ蓄積部２１に記憶されている現フレーム重心データと、前フレーム重心データ蓄積部２３に記憶されている前フレーム重心データを読み込んで、それらを対比し、重心の移動の有無、移動方向及び移動量を算出して、これらの移動情報から人物の追跡を行う機能部である。追跡処理を行うためには、前フレーム重心データ蓄積部２３に登録されている重心が現フレームでどの位置に移動するかを推測する処理を行う必要がある。推測方法は、過去の記録が１フレーム分しかなければ、そのフレームの位置とする。過去の記録が２フレーム以上あれば（５）式より算出する。
ｘ_ｔ＝ａ０×ｘ_ｔ−１＋ａ１×ｘ_ｔ−２ （５）式
尚ここで、ａ０，ａ１は適当な定数、ｘ_tは推定された座標、ｘ_ｔ−１、ｘ_ｔ−２は１、２フレーム前の座標を示している。

また、過去の記録がｎフレームあれば、（５）式を拡張して、（６）式のように過去ｎフレームの座標を用いて推定することもできる。
ｘ_t＝ａ０×ｘ_ｔ−１＋ａ１ｘ_ｔ−１＋・・・・＋ａ_ｎ−１×ｘ_ｔ−２ （６）式

そして推定した重心と現フレームの重心との距離ｒを（７）式から求める。この距離ｒは水平方向の座標点のみを用いて算出する。

これにより重心の移動距離を算出することができる。

前フレーム重心データ蓄積部２３には、図６に示すように、人物毎にユニークな番号が付されるＩＤ番号と、このＩＤ番号に関係する画像及び情報が記録されているフレーム数と、隠れているフレーム数と、最初に検出されたフレーム（ただし、最大Ｍフレーム前まで）から１フレーム前までの重心座標が記録されている。ここで「記録されているフレーム数」とは、同一人物と考えられている重心が最初に検出されたフレームから１フレーム前までのフレーム数を計数した数値である。「隠れているフレーム数」とは、人物が他の被写体の陰になって一時的に隠れたために、フレーム間で対応する重心が見つからない状態が生じているフレーム数を表している。

出力部２４は、重心追跡部２２で求めた人物の位置を示す座標や人物の高さ、及び追跡結果を出力する機能部である。

次に図３及び図４を参照して人物検出装置の動作を説明する。

まず前提として、本発明に係る人物検出装置１に具備されるカメラには、予め焦点距離等の光学的特性や撮像素子の画素数、画素ピッチ等からなるカメラの内部パラメータの情報が与えられている。また、実空間上に設定された３次元座標を用いて第１及び第２カメラ１１ａ及び１１ｂの焦点Ｆ１，Ｆ２の座標や光軸の向きからなるカメラ外部パラメータも与えられている。

このような条件を有する人体検出装置の制御部（図示せず）は、まずカメラ１１ａ、１１ｂに対して画像取得信号を出力して被写体Ａを撮影させ、画像Ｉ１及び画像Ｉ２を取得する（ステップＳ１）。カメラ１１ａで撮影された画像Ｉ１は例えば図４（ａ）のような画像である。またカメラ１１ｂで撮影された画像Ｉ２は例えば図４（ｂ）のように一部画像Ｉ１と重なる画像を有した画像である。

撮影された画像Ｉ１は特徴点抽出部１３と３次元座標計測部１４に出力され、画像Ｉ２は３次元座標計測部１４にのみ出力される。また画像Ｉ１、Ｉ２は、それぞれ画像蓄積部１２ａ、１２ｂにも記憶される（ステップＳ２）。

制御部は、特徴点抽出部１３に対し特徴点検出指令を出力する。特徴点抽出部１３は、画像Ｉ１に基づいて抽出された輝度画像をＹ１（ｘ，ｙ）と設定し、このときの輝度の空間変化を表す画像Ｄ２（ｘ，ｙ）を（１）式から求め、このＤ２（ｘ，ｙ）が閾値以上か否か判定して、閾値以上であるときは、その画素を特徴点と認定する処理を行う（ステップＳ３）。ここで図４（ｃ）に示した白丸（○）が特徴点Ｑｎ（ｎ＝１、２、・・・）である。

次に制御部は、３次元座標計測部１４に対して特徴点Ｑｎの３次元座標の算出指令を出力する。３次元座標計測部１４は、特徴点抽出部１３から特徴点Ｑｎを取得して特徴点Ｑｎを中心とするブロック領域（例えば、７×７画素程度）を設定してリファレンス画像とする。次に画像蓄積部１２ｂから画像Ｉ２を取得して（若しくはカメラ１１ｂから直接取得して）、特徴点Ｑｎの座標に対応するエピ極線上を探索して相関の最も高くなる領域を求めて、その領域の中心を特徴点Ｑｎの対応点Ｑｎ´とする。そして特徴点Ｑｎと対応点Ｑｎ´の座標から３次元座標Ｒｎを求める（ステップＳ４）。３次元座標Ｒｎの取り方は理論上任意であるが、地面上に原点をおき、その原点を通るようにｘ軸とｙ軸を設定して、ｘ軸とｙ軸の交点を通るように地面に対して垂直にｚ軸を設定することで３次元座標を求める方法が一般的に知られている。

次に制御部は、特徴点選択部１５に対して所定の基準点から所定の高さ範囲内に存在する特徴点Ｑｎを選択する指令を出力する。特徴点選択部１５は、３次元座標Ｒｎ＝（ｘ，ｙ，ｚ）とした場合に、地面から１．２ｍ≦ｚ≦２．０ｍの範囲内の特徴点Ｑｎを選択する。そして壁や本箱等の設定範囲内の高さを有する物体の領域内に存在する特徴点Ｑｎを削除する（ステップＳ５）。

そして制御部は、最高特徴点抽出部１６に対して、特徴点Ｑｎの中から最も高い特徴点を検出する指令を出力する。最高特徴点抽出部１６は、特徴点ＱｎのＺ軸上の最も高い特徴点Ｑｎを最高特徴点Ｔ０として求める（ステップＳ６）。ここで図４（ｃ）に示した黒丸（●）が最高特徴点Ｔ０である。

制御部は、円筒領域設定部１７に対して、最高特徴点Ｔ０を含み且つ地面に垂直な直線を中心軸とする円筒領域を設定する指令を出力する。円筒領域設定部１７は、図４（ｄ）に示すように、最高特徴点Ｔ０を含む円筒領域を設定する（ステップＳ７）。

次いで制御部は、特徴点カウント部１８に対して円筒領域内に含まれる特徴点Ｑｎの数を計数する指令を出力する。特徴点カウント部１８は、円筒領域内に含まれる特徴点Ｑｎの数を計数して人物領域判定部１９に出力する（ステップＳ８）。

制御部は、人物領域判定部１９に対して、ステップＳ８で計数された特徴点Ｑｎの数と、予め規定された閾値とを比較し、特徴点Ｑｎの数が閾値以上であるときは、この円筒領域を人物領域と判定し（ステップＳ９、Ｓ１０）、特徴点Ｑｎの数は閾値未満であるときは、円筒領域は背景領域と判定する（ステップＳ１１）。ここで図４（ｅ）に示すように、人物領域以外は削除される。

次に制御部は、円筒領域重心算出部２０に対して円筒領域（人物領域）の重心点を求める指令を出力する。円筒領域重心算出部２０は、円筒領域内の特徴点Ｑｎをもとに重心点を算出し、算出した重心点座標を現フレーム重心データ蓄積部２１に登録する（ステップＳ１２、Ｓ１３）。尚、図４（ｄ）に示した円筒領域内の星印（★）が重心点である。また、円筒領域内の特徴点Ｑｎを削除して、画像Ｉ１内に特徴点が未だ存在するか否か判定し、特徴点が残っている場合には、ステップＳ６に戻り新たに人物領域の検出を行う。これらの繰り返しは、特徴点が無くなるまで、若しくは予め設定した回数まで、或いは予め設定された人物が検出されるまで繰返し行う（ステップＳ１４、Ｓ１５）。

そして、特徴点が無くなる、若しくは所定回数の検出が終了した、或いは特定人物の検出が終了したら、その旨を外部に報知するメッセージを出力部２４に出力する（ステップＳ１６）。
次に、図８、図９を参照して、人物検出後の追跡処理について説明する。

まず、変数ｎにｎ＝１を設定する（ステップＳ２１）。現フレームの重心と前フレームの重心に対して対応探索処理が終了したときは、図７（ａ）（ｂ）に示す対応処理テーブルの処理フラグ欄に「１」を入力し、終了していないときは「０」を入力して各対応処理テーブルをそれぞれ作成する。最初は対応処理テーブルの値はすべて「０」である（ステップＳ２２）。

そして現フレーム重心データ蓄積部２１の１番目の重心に対して、前フレーム重心データ蓄積部２３に登録されている重心の現フレームでの推測位置との距離ｒをそれぞれ求めて最も距離が小さい重心を選択する（ステップＳ２３）。ここで仮にｍ０番目の重心が距離ｒ０で最も小さかったとする。

次いで、距離ｒ０が予め設定された閾値より大きければ、現フレーム重心データ蓄積部２１の１番目の重心は前フレームの重心の中には対応する重心が無いと判断して、新たに出現した人物に対応した重心と判断して、前フレームの対応処理テーブルの一番最後の行に追加する。即ち、空いているＩＤの中で一番小さな番号をＩＤとして割り当て、記録されているフレーム数を「１」、隠れているフレーム数を「０」として、１フレーム前の枠に現在の座標を書き込む。また、現フレーム対応処理テーブルの１番目の値を「１」にする（ステップＳ２４、Ｓ２５）。

一方、閾値より小さいときは、ｍ０番目の重心と現フレーム重心蓄積部に蓄えられている１番目以外の重心との距離を求める（ステップＳ２６）。仮にｎ０番目の重心との距離ｒ１が最小になったとする。

また、ｒ０＜＝ｒ１ならば、現フレーム重心データ蓄積部の１番目の重心は前フレーム重心データ蓄積部２３に登録されている重心ｍ０と対応関係にあると判断して、ｍ０行の記録されているフレーム数を「＋１」とし、過去の座標のデータがＭ_０フレーム記録されている場合は、Ｍ_０−１フレームのデータをＭ_０フレームへ、またＭ_０−２フレームのデータをＭ₀−１フレームへというように順次データを移して、１フレーム前のデータに現フレーム重心データ蓄積部２１に登録されている１番目の重心のデータを記録する。更に、現フレーム対応処理テーブルの１番目の値と前フレーム対応処理テーブルのｍ０番目の値を「１」にする（ステップＳ２７、Ｓ２８）。

一方、ｒ０＞ｒ１のときは、現フレーム重心データ蓄積部のｎ０番目の重心と前フレーム重心データ蓄積部２３のｍ０番目の重心とが対応関係にあると判断して、ｍ０行の記録されているフレーム数を「＋１」し、過去の座標のデータがＭ₀フレーム記録されているとしたら、Ｍ₀−１フレーム前のデータをＭ₀フレーム前へ、またＭ₀−２フレーム前のデータをＭ₀−１フレーム前へというように順次データを移して、１フレーム前のデータに現フレーム重心データ蓄積部２１に登録されているｎ０番目の重心のデータを記録する。更に、現フレーム対応処理テーブルのｎ０番目の値と前フレーム対応処理テーブルのｍ０番目の値を「１」にする（ステップＳ２９）。

次に、対応処理テーブルの値が「０」で、番号が一番小さい現フレーム重心データ蓄積部の重心に対して、前フレーム重心データ蓄積部２３の対応処理テーブルの値が「０」である重心との間で対応関係を評価する。そして変数ｎに１を加算して、この変数ｎが現フレームの重心点の総数に達していない場合には、ステップＳ２２に戻り、ステップＳ２２〜Ｓ３０の処理を繰り返す。そして最終的には、現フレーム重心データ蓄積部２１のすべての重心に対して前フレーム重心データ蓄積部２３の重心と対応関係を評価する。

次に、現フレーム重心データ蓄積部２１の重心と対応関係が見つからなかった前フレーム重心データ蓄積部２３の重心に対する処理を説明する。

まず、変数ｍにｍ＝１を設定する（ステップＳ３２）。そして前フレーム処理対応テーブルのフラグ欄が「０」であるか確認する（ステップＳ３３）。ここでフラグが「１」である場合は、ステップＳ３８に進む。

前フレーム処理対応テーブルのフラグ欄が「１」であるときは、対応点が見つからなかった前フレームの重心に隠れているフレーム数を「＋１」にする（ステップＳ３４）。

そして隠れているフレーム数と予め設定された閾値を比較し、このフレーム数が閾値より大きい場合は、その重心のデータを前フレーム重心データ蓄積部２３より削除する（ステップＳ３６）。そして削除後、ステップ３８に進む。ここで閾値は、定数でも良いし、または、（８）式のように記録されているフレーム数に応じて適応的に変化させても良い。
ｔ１＝ａ＋ｂ×ｆ_ｎ （８）式
ここでａは（ａ≧１）、ｂは（０≦ｂ＜１）であり、ａ、ｂともに定数である。
またｆ_ｎは、記録されているフレーム数を指している。

一方、隠れているフレーム数が予め設定された閾値より小さい場合は、記録されているフレーム数を「＋１」にし、過去の座標のデータがＭ₀フレームに記録されている場合は、Ｍ₀−１フレームのデータをＭ₀フレームへ、またＭ₀−２フレームのデータをＭ₀−１フレームへというように順次データを移して、１フレーム前データに前で求めた現フレームでの推測位置を記録する。また、対応する対応処理テーブルの値を「１」にする（ステップＳ３７）。

そして変数ｍに１を加算して、この変数ｍが現フレームの重心点の総数に達していない場合には、ステップＳ３３に戻り、ステップＳ３３〜Ｓ３８の処理を繰り返す。そして最終的には、前フレーム重心データ蓄積部２３のすべての重心に対して評価する。

本発明の実施の形態に係る人物検出装置の構成を示すブロック図である。 本発明に係る人物検出装置に具備されるカメラの配置を説明するための図である。 本発明の人物検出装置の動作を説明するためのフローチャートである。 本発明の人物検出装置で移動人物体を円筒領域にモデル化する手順を示す図である。 本発明の現フレーム重心データ蓄積部に記憶されるデータテーブルの一例である。 本発明の前フレーム重心データ蓄積部に記憶されるデータテーブルの一例である。 本発明の現フレーム及び前フレームの対応処理テーブルの一例である。 本発明に係る人物検出装置の重心追跡部における処理手順を示すフローチャート（その１）である。 本発明に係る人物検出装置の重心追跡部における処理手順を示すフローチャート（その２）である。

符号の説明

１…人物検出装置
１１…画像取得部
１１ａ…第１カメラ
１１ｂ…第２カメラ
１２…画像蓄積部
１３…特徴点抽出部
１４…次元座標計測部
１５…特徴点選択部
１６…最高特徴点抽出部
１７…円筒領域設定部
１８…特徴点カウント部
１９…人物領域判定部
２０…円筒領域重心算出部
２１…現フレーム重心データ蓄積部
２２…重心追跡部
２３…前フレーム重心データ蓄積部
２４…出力部

Claims (1)

1. 撮像する画像の一部が互いに重複するように配置されて、それぞれが同期して撮像する複数の画像取得手段と、
   前記画像取得手段で取得した取得画像から、該画像内において輝度の空間変化の大きな画素を特徴点として抽出する特徴点抽出手段と、
   前記特徴点抽出手段で抽出された特徴点を中心とする所定のブロックに対応して、前記画像取得手段以外の他の複数の画像取得手段から得られた複数の画像における前記ブロックと最も相関が高いブロックを抽出し、該ブロック中心点を前記特徴点の対応点とすることにより前記特徴点の３次元座標を計測する３次元座標計測手段と、
   前記取得画像内の所定の基準点から所定の高さまでに存在する特徴点を選択する特徴点選択手段と、
   前記特徴点選択手段で選択された特徴点の中から最も位置の高い特徴点を求め、該最高位置の特徴点を通過し且つ水平面に垂直な直線を中心軸として前記選択された特徴点を含む円筒領域を設定する円筒領域設定手段と、
   前記円筒領域内の特徴点の個数を計数して予め設定された閾値と比較し、前記特徴点の個数が前記閾値以上のときは人物領域であると判定する人物領域判定手段と、
   前記人物領域に含まれる特徴点から該人物領域の重心点ｎを算出する円筒領域重心算出手段と、
   前記人物領域に含まれる特徴点を削除し、前記取得画像において次に位置の高い特徴点を抽出する手段と、
   前記特徴点の抽出から前記重心点ｎの算出手段の駆動までを一定時間繰返し実行する制御手段と、
   前記一定時間経過後に、取得した取得画像から前記重心点ｎに対応する重心点ｎ’を取得し、前記重心点ｎと前記重心点ｎ’との距離の差分から移動距離を算出して重心の追跡を行う重心点追跡手段と、
   を備えたことを特徴とする人物検出装置。

Images