JP4533836B2 - 変動領域検出装置及びその方法 - Google Patents

Description

本発明は、学習した通常時の画像と現在の入力画像を比較して、異常や変動が発生している領域を抽出する画像処理技術に関する変動領域検出装置及びその方法に関するものである。

従来の変動領域検出方法としては、以下のようなものが挙げられる。

第１の方法は、学習された平均背景画像と入力画像との輝度差に基づいて変動領域を検出する背景差分方法がある（例えば、非特許文献１参照）。

第２の方法は、学習された背景テクスチャと入力画像テクスチャとの差に基づいて変動領域を検出するテクスチャ差分方法がある（例えば、非特許文献２参照）。

第３の方法は、学習された背景のエッジ量の大小に基づいて、エッジ量の多い領域に対しては正規化相関の低さとエッジ減少量とから変動領域を判定し、エッジ量の少ない領域に対してはエッジ増加量から変動領域を判定する方法がある（例えば、特許文献１参照）。
Kentaro Toyama, John Krumm, Barry Brumitt, and Brian Meyers. Wallflower: Principles and practice of background maintenance. Proceedings of the 7th IEEE International Conference on Computer Vision (ICCV 1999),PP.255-261,September 1999. 佐藤雄隆，金子俊一，五十嵐悟．周辺増分符号相関画像に基づくロバスト 物体検出及び分離．電子情報通信学会論文誌, Vol.J84-D-II,No.12,pp.2585-2594,2001. 特開２００３−１６２７２４公報

しかし、第１の方法である背景差分方法では、照明変動による全体的な輝度変化を人物などによる変動として誤検出としてしまう問題点がある。

第２の方法であるテクスチャ差分方法は輝度変化に強く誤検出が少ないが、背景と人物とが共にテクスチャがない場合など正しく検出できない問題点がある。

第３の方法はエッジの増減で判定するため、背景と侵入物がともにテクスチャがない場合に正しく検出できない問題点がある。

そこで本発明は、変動領域の検出誤りを抑制しながら検出漏れを防ぐことができる変動領域検出装置及びその方法を提供する。

本発明は、学習背景画像と入力画像を比較することによって、前記入力画像における変動領域を検出する変動領域検出装置において、前記学習背景画像の画素値の空間変化パターンと前記入力画像の画素値の空間変化パターンとの違いに基づいて一画素に対応した第１の変動領域を検出する第１の変動検出部と、前記学習背景画像の輝度情報と前記入力画像の輝度情報との違いに基づいて一画素に対応した第２の変動領域を検出する第２の変動検出部と、前記学習背景画像中の一画素にそれぞれ対応した各領域における空間周波数に関する情報を検出する空間周波数検出部と、前記各領域の空間周波数に関する情報に基づいて、空間周波数の相対的に高い成分が基準より強い前記領域においては前記第２の変動領域の結果より前記第１の変動領域の結果を大きくするような重み付けを算出する重み付け算出部と、前記第１の変動領域と前記第２の変動領域とを前記重み付けに基づいて統合して一画素に対応した統合変動領域を算出する統合部と、を備えることを特徴とする変動領域検出装置である。

本発明は、変動領域の検出誤りを抑制しながら検出漏れを防ぐことができる。

本発明の変動領域検出装置の各実施形態について図面に基づいて説明する。

（第１の実施形態）
本発明の第１の実施形態の変動領域検出装置について図１から図８に基づいて説明する。

図１は、本実施形態の変動領域検出装置の全体構成を示すブロック図であり、図２は、学習処理の流れの概要図であり、図３は検出処理の流れの概要図であり、図４は本実施形態の概要図である。

（１）変動領域検出装置の構成
図１の変動領域検出装置は、テクスチャ情報に基づいて変動領域を検出する第１の変動検出手段１０１と、背景差分法に基づいて変動領域を検出する第２の変動検出手段１０２と、テクスチャ検出手段１０３と、変動検出手段重み付け記憶手段（以下、単に記憶手段という）１０４と、変動検出結果統合手段（以下、統合手段という）１０５とからなる。

なお、本実施形態の各手段の機能は、コンピュータに記憶されたプログラムによって実現される。

ここで「テクスチャ情報」とは、模様などがあるか否か、または、多いか少ないかの情報で、模様などがあれば画像の空間周波数が高くなる。

（２）学習処理
まず、学習の処理においては、第１の変動検出手段１０１がテクスチャ特徴量の学習と記憶を行う（ステップＳ１０１）。

第１の変動検出手段１０１はテクスチャ情報に基づいて変動を検出する手段である。

テクスチャ情報に基づく変動の検出とは、照明条件の違いを抑制してテクスチャの違いに着目して変動を検出することである。

一般に、テクスチャの特徴は相対的に高い空間周波数の成分に表れ、照明条件の違いは相対的に低い空間周波数の成分によって表れることが多い。換言すれば、テクスチャ情報に基づく画像間の変動の検出とは、空間周波数が相対的に高い成分に関する画像間の変化に基づいて変動を検出することである。なお、上述の「相対的に高い」「相対的に低い」の境界は閾値により直接定めてもよいし、変動検出手法の特性により間接的に定められるものであっても構わない。

画像間における空間周波数が相対的に高い成分の変化は、画素値の空間変化のパターンを画像間で比較することで調べることができる。画素値の空間変化のパターンには、例えば、各画像を周波数変換して得られる空間周波数成分や、隣接する画素または他の画素との画素値の差分が挙げられる。

同じテクスチャの物体を異なる照明条件下で撮像した複数の画像間では、画素値の空間変化のパターンは殆ど変わらない。逆に、異なるテクスチャの物体の各々を共通な照明条件で撮像した複数の画像間では、画素値の空間変化のパターンは異なる。

上述のテクスチャ情報に基づいて変動を検出する手段としては、例えば、正規化相関法や部分空間法、増分符号相関法などを用いることができる。

増分符号相関法では、注目画素Ｉ（ｘ，ｙ）と、それから１ピクセル（すなわち、１画素）離れた周辺１６画素との増分符号を考え、以下のような１６次元の特徴量を用いる（特許文献２参照）。

もしくは０／１の２値の特徴量ではなく、輝度値の差そのものを用いてもよい。

第１の変動検出手段１０１は全ての学習背景画像の各ピクセル（ｘ，ｙ）に対して特徴量ＰＩＳＣ（ｘ，ｙ）を算出し、ピクセル毎に特徴量の平均値ＰＩＳＣ_{ｌｅａｒｎ} （ｘ，ｙ）を記憶する。

次に、第２の変動検出手段１０２が特徴量の学習と記憶を行う（ステップＳ１０２）。

第２の変動検出手段１０２は、第１の変動検出手段１０１とは異なる方法に基づく変動検出手段であり、（４）節で後述するように、第１の変動検出手段１０１が検出しにくい変動を検出できるような変動検出手段である。

例えば、輝度情報に基づいて変動を検出する背景差分による変動検出手段を用いればよい。背景差分による変動検出手段では、学習背景画像において、座標（ｘ，ｙ）のピクセル輝度Ｉ（ｘ，ｙ）の平均値Ｉ_{ｌｅａｒｎ} （ｘ，ｙ）を求めて記憶すればよい。

最後に、テクスチャ検出手段１０３が学習背景画像からテクスチャを検出し、検出されたテクスチャ量に基づいた重み付け係数を記憶手段１０４が記憶する（図２，ステップＳ１０３）。

テクスチャ量の検出には、例えば、微分フィルタ、Ｓｏｂｅｌフィルタ、ラプラシアンフィルタなどのエッジを抽出するフィルタの出力を、近傍領域で平均した値を用いればよい。

微分フィルタを用いた場合では、座標（ｘ，ｙ）の画素の輝度をＩ（ｘ，ｙ）、（ｘ，ｙ）の近傍領域をＡｒｅａ（ｘ，ｙ）、Ａｒｅａ（ｘ，ｙ）の内の画素の数をｎｕｍ（Ａｒｅａ（ｘ，ｙ））、Ａｒｅａ（ｘ，ｙ）内の画素（ｓ，ｔ）の微分フィルタ出力値をＴ’（ｓ，ｔ）として、以下のようなテクスチャ量を示す値Ｔ（ｘ，ｙ）を用いればよい。

テクスチャ量Ｔ（ｘ，ｙ）に基づいて、第１の変動検出手段１０１に対する重みｗ_１ （ｘ，ｙ）と第２の変動検出手段１０２に対する重みｗ_２ （ｘ，ｙ）を以下のように決定し、記憶する。

ここでは簡単のために、テクスチャが多い場合（Ｔ（ｘ，ｙ）が閾値ＴＨ_Ｔ 以上）に重みｗ_１ （ｘ，ｙ）を１として、テクスチャが少ない場合（Ｔ（ｘ，ｙ）が閾値ＴＨ_Ｔ 未満）に重みを０としているが、連続値を与えてもよい。（４）節で後述するように、テクスチャ情報に基づく第１の変動検出手段１０１は、テクスチャが多い領域で高い検出性能が得られるため、テクスチャが多い場合に重みが大きくなるようにする。

（３）検出処理
検出の処理においては、まず、第１の変動検出手段１０１が入力画像から変動を検出する（図３のステップＳ１１１）。第１の変動検出手段１０１は、入力画像の画素Ｉ（ｘ，ｙ）に対して、式（１）と同様のテクスチャ特徴量ＰＩＳＣ_ｉ （ｘ，ｙ）を抽出する。そして入力画像から得られた特徴量ＰＩＳＣ_ｉ （ｘ，ｙ）＝（ｂ_ｉ，０ （ｘ，ｙ）,..,ｂ_ｉ，１５（ｘ，ｙ））と、学習と記憶されている特徴量ＰＩＳＣ_{ｌｅａｒｎ} （ｘ，ｙ）＝（ｂ_{ｌｅａｒｎ} ,_０（ｘ，ｙ），．．，ｂ_{ｌｅａｒｎ} ,_１５ （ｘ，ｙ））との差に基づいて、変動Ｄ_１ （ｘ，ｙ）を検出する。

変動Ｄ_１ （ｘ，ｙ）がある閾値ＴＨ_１ 以上であれば変動あり（＝１）、そうでなければ変動なし（＝０）とする（図４の１１０）。

次に、第２の変動検出手段１０２が入力画像から変動を検出する（ステップＳ１１２）。第２の変動検出手段１０２は、学習処理で検出したＩ_{ｌｅａｒｎ} （ｘ，ｙ）と、入力画像の輝度Ｉ_ｉ （ｘ，ｙ）を比較し、差Ｄ_２ （ｘ，ｙ）がある閾値ＴＨ_２ 以上であれば変動あり（＝１）、そうでなければ変動なし（＝０）とする（図４の１１１）。

最後に、統合手段１０５が、記憶手段１０４が記憶している重み付けにしたがって、第１の変動検出手段１０１と第２の変動検出手段１０２の変動検出結果を重み付け統合する（ステップＳ１１３）。

第１の変動検出手段１０１に対する重み付けは、例えば図４の１１２のようであり、これを用いて変動検出結果１１０を重み付けした検出結果は１１３のようになる。

同様に、第２の変動検出手段１０２に対する重み付けは、例えば１１４のようであり、これを用いて変動検出結果１１１を重み付けした検出結果は１１５のようになる。

そして、最終的な統合された検出結果の統合画像Ｒｅｓｕｌｔ（ｘ，ｙ）は１１６のようになる。

もしくは（４）節で後述するように、第１の変動検出手段１０１が検出漏れを起こしやすいテクスチャ量の少ない領域（重み付けｗ_１ （ｘ，ｙ）の小さい領域、ｗ_１ （ｘ，ｙ）＜ＴＨw ）にのみ、第２の変動検出手段１０２を用いるような統合を行ってもよい。

（４）第２の変動検出手段１０２の選択
第２の変動検出手段１０２としては、第１の変動検出手段１０１が検出しにくい変動を検出できるような変動検出手段を用いるのがよい。

例えば、入力画像は図５に示すように場合分けできる。まず図の縦方向の軸に示すように、背景にテクスチャが少ない場合（ｐｌａｉｎ・照明安定）、テクスチャが少なく照明変動がある場合（ｐｌａｉｎ・照明変動）、テクスチャが多い場合（ｔｅｘｔｕｒｅ・照明安定）、テクスチャが多く照明変動がある場合（ｔｅｘｔｕｒｅ・照明変動）に分けられる。また図の横方向の軸に示すように、侵入物にテクスチャが少なく背景と似た輝度の場合（ｐｌａｉｎ・同輝度）、テクスチャが少なく背景と異なる場合の輝度（ｐｌａｉｎ・異輝度）、テクスチャが多く背景と似た輝度の場合（ｔｅｘｔｕｒｅ・同輝度）、テクスチャが多く背景と異なる輝度の場合（ｔｅｘｔｕｒｅ・異輝度）に分けられる。

このような入力画像に対する、テクスチャ情報を用いた第１の変動検出手段１０１による検出結果の概念図を図６に示す。図６中で黒い領域が変動が検出された領域であり、白丸が正しく検出されていることを示し、白三角は誤検出はないが検出漏れがあることを示す。この図から、テクスチャ情報を用いた変動検出手段では、背景と侵入物にともにテクスチャが少ない場合に検出漏れが発生する（図６の白三角の部分）ことが分かる。

一方、背景差分法を用いた変動検出手段による検出結果の概念図を図７に示す。図７中のｘは、誤検出が発生していることを示す。この図７から、背景差分法を用いた変動検出手段では、照明変動がある場合に正しく検出できない（図７のｘの部分）が、背景と侵入物にともにテクスチャが少ない場合でも、輝度が異なっている場合には正しく検出できる（図７の［１２１］）ことが分かる。

よって、式（４）（５）に示したように、テクスチャ情報を用いた第１の変動検出手段１０１で検出漏れが発生する場合に限り、背景差分法を用いた第２の変動検出手段１０２の検出結果を用いるようにすれば、誤検出をある程度抑制しながら検出漏れを低減することができる。

（５）変更例
前記（４）節で述べたように、第２の変動検出手段１０２として背景差分法を用いた変動検出手段を用いると、照明変動がある場合に誤検出が発生するという問題点がある（図７の［１２２］［１２３］）。

そこで、図８に示すように、照明変動を検出する照明変動検出手段１０６を用い、照明変動が検出された場合は第２の変動検出手段１０２が誤検出をしている可能性が高いため、その検出結果を破棄するようにしてもよい。

照明変動検出手段１０６は、例えば第２の変動検出手段１０２と同様の変動検出を行い（式（３）のＲｅｓｕｌｔ_２ （ｘ，ｙ））、ある閾値（ＴＨ_３ ）以上の面積で変動が検出された場合は、照明変動あり（Ｒｅｓｕｌｔ_３ ＝１）と判定すればよい。

そして統合手段１０５は、ステップＳ１１３での統合処理において、照明変動なし（Ｒｅｓｕｌｔ_３ ＝０）と判定された場合にのみ、第２の変動検出手段１０２の検出結果Ｒｅｓｕｌｔ_２ （ｘ，ｙ）を用いるようにする。

（第２の実施形態）
第２の実施形態の変動領域検出装置について図９と図１０に基づいて説明する。

図９は、本実施形態の全体構成を示すブロック図である。図９の変動領域検出装置は、テクスチャ情報に基づいて変動を検出する第１の変動検出手段２０１と、第２の変動検出手段２０２と、テクスチャ除去手段２０３と、記憶手段２０４と、統合手段２０５とからなる。

（１）学習処理
学習の処理は、第１の実施形態の図２とほぼ同様であるが、ステップＳ１０３の重み付け学習の処理が異なる。図１０に学習処理の流れを示す。

図１０のステップＳ２０１、Ｓ２０２は、図２のステップＳ１０１、Ｓ１０２と同様である。

次に、ステップＳ２０３において、テクスチャ除去手段２０３は、学習背景画像からテクスチャを除去する（ステップＳ２０４）。これは例えば、平滑化フィルタやガウシアンフィルタなどのぼかし処理を行えばよい。例えば３ｘ３のガウシアンフィルタを用いる場合は、座標（ｘ，ｙ）の点の輝度Ｉ（ｘ，ｙ）は、次のように計算される。

次に第１の変動検出手段２０１は、学習背景画像（原画像）で学習した背景テクスチャ特徴量をもとに、学習背景画像（テクスチャ除去後）に対して変動検出を行う（ステップＳ２０５）。この処理は、第１の実施形態と同様である。学習背景画像（テクスチャ除去後）は、テクスチャの多い領域についてはテクスチャ除去手段２０３によりテクスチャが除去されており、原画像から変化が生じているため変動が検出される。一方、テクスチャの少ない領域についてはテクスチャ除去手段２０３による変化が少ないため、変動がほとんど検出されない。つまり、ステップＳ２０５で変動が検出された領域はテクスチャ量が多い領域を示しているため、以下のように重みを算出し、記憶手段２０４に記憶する（ステップＳ２０６）。

以上のように、第１の変動検出手段２０１に対する重み付けを、第１の変動検出手段２０１による変動検出結果によって算出することにより、第１の変動検出手段２０１の変動検出性能を直接反映した重み付けを行うことができる。これに対して第１の実施形態の場合では、第１の変動検出手段１０１が変動検出性能を発揮できるテクスチャ領域と、テクスチャ検出手段１０３が検出するテクスチャ領域が必ずしも一致しないため、検出誤りや検出漏れが生じやすくなる可能性がある。

（第３の実施形態）
第３の実施形態の変動領域検出装置について図１１から図１３に基づいて説明する。

図１１は、本実施形態の全体を示すブロック図である。図１１の変動領域検出装置は、テクスチャ情報に基づいて変動を検出する第１の変動検出手段３０１と、第１の変動検出手段３０１よりも広い領域のテクスチャ情報に基づいて変動を検出する第２の変動検出手段３０２と、テクスチャ除去手段３０３と、記憶手段３０４と、統合手段３０５とからなる。

図９の第２の実施形態との同様の構成であるが、変動検出手段として、広い領域のテクスチャ情報に基づいて変動を検出する変動検出手段を用いる点が異なっている。よって以下では、先の第１の実施形態・第２の実施形態とは異なる部分を中心に述べる。

（１）広域のテクスチャ情報に基づく変動検出手段の概要
第１の実施形態の（４）節で述べたように、テクスチャ情報に基づく変動検出手段では、背景と侵入物に共にテクスチャが少ない場合に検出漏れが発生する（図１２参照）。

例えば、学習背景画像３１１から学習される式（１）のテクスチャ特徴量は、３１２のようにＰＩＳＣ（ｘ，ｙ）は（０，０，．．，０）と略等しくなる。入力画像３１３から得られるテクスチャ特徴量３１４のようになり、学習された背景テクスチャ特徴量３１２と近いため、正しく変動なしとして判定される。一方、入力画像３１５から得られるテクスチャ特徴量は３１６のようになり、これも学習された背景テクスチャ特徴量３１２と近いため、誤って変動なしとして判定されてしまい、検出漏れが起こる。

そこで、注目画素の周辺の画素ではなく、注目画素から十分に離れた画素（広域周辺画素）との比較を行うようにする（図１３参照、処理の詳細は後述）。

学習背景画像３２１から学習される式（１）のテクスチャ特徴量は、図１３の３２２のようにＰＩＳＣ（ｘ，ｙ）は（０，０，．．，０）と略等しくなる。入力画像３２３から得られるテクスチャ特徴量３２４のようになり、学習された背景テクスチャ特徴量３２２と近いため、正しく変動なしとして判定される。また、入力画像３２５から得られるテクスチャ特徴量は３２６のようになり、注目画素と広域周辺画素の輝度差が大きくなるため、学習された背景テクスチャ特徴量３２２と大きく異なり、正しい変動ありとして判定される。

また前記のような処理では、注目画素が移動すると比較する広域周辺画素もそれに合わせて移動し、広い範囲に対する値の参照が必要になる。そこで図１３の３２８のように、比較する広域周辺画素を、注目画素の位置に関わらず固定してもよい。この場合も、先ほどとほぼ同様の広域テクスチャ特徴量３２２，３２４，３２６が得られ、同様の検出結果が得られるが、比較する広域周辺画素が固定されているため、画素の参照範囲を限定することができる。そのため、これらの参照値を高速に参照できる記憶装置（例えばキャッシュメモリなど）に置くことで、処理を高速化できる。なお、これらの固定された位置にある広域周辺画素としては、図１３の３２８のように全画面の広域周辺画素を用いてもよいし、これらのうち注目画素から一定範囲にある広域周辺画素のみを用いてもよい。

図５のような入力画像の場合分けに対して、広域テクスチャ情報を用いた変動検出手段による検出結果の概念図を図１４に示す。テクスチャ情報を用いた場合（図６参照）の検出漏れを起こしていた領域に対し、広域テクスチャ情報を用いた場合（図１４参照）では正しく検出することができている（図１４の［３３１］［３３２］）。また、背景差分法を用いた場合のように、照明変動による誤検出（図７の［１２２］［１２３］）が生じにくい。

（２）広域のテクスチャ情報に基づく変動検出手段の学習処理
第３の実施形態における学習処理の流れは、第２の実施形態の処理（図１０参照）とほぼ同様であるが、第２の変動検出手段の学習（ステップＳ２０２）が異なる。第３の実施形態では、第２の変動検出手段として広域テクスチャ情報に基づく第２の変動検出手段３０２を用いる。

第２の変動検出手段３０２は、注目画素Ｉ（ｘ，ｙ）と、それから十分な距離Ｄだけ離れたＮ個の広域周辺画素との差をとり、以下のようなＮ次元の特徴量ＤＴ（ｘ，ｙ）を算出する（図１５参照）。

全学習背景画像に対してＤＴ（ｘ，ｙ）を求め、その平均を背景画像の特徴量ＤＴ_{ｌｅａｒｎ} （ｘ，ｙ）として記憶する。

注目画素と広域周辺画素との距離Ｄについては、全ての広域周辺画素に共通した距離Ｄを設定してもよいが、例えば侵入物として人物が多い場合には縦方向に長い人物の形状を反映し、上下方向の広域周辺画素には大きな距離Ｄを設定し、左右方向の広域周辺画素には小さな距離Ｄを設定してもよい。

（３）広域のテクスチャ情報に基づく変動検出手段の検出処理
第３の実施形態における検出処理の流れは、第２の実施形態の処理（図３）とほぼ同様であるが、第２の変動検出手段による検出（ステップＳ１１２）が異なる。

第２の変動検出手段３０２は、入力画像に対して、式（７）と同様のＮ次元の特徴量ＤＴ_ｉ （ｘ，ｙ）＝（ｄｔ_ｉ，０ （ｘ，ｙ），ｄｔ_ｉ，１ （ｘ，ｙ）_，．．，ｄｔ_ｉ，Ｎ （ｘ，ｙ））を算出する。これと、学習処理で算出した特徴量ＤＴ_{ｌｅａｒｎ} （ｘ，ｙ）＝（ｄｔ_{ｌｅａｒｎ，０} （ｘ，ｙ），．．．，ｄｔ_{ｌｅａｒｎ，Ｎ} （ｘ，ｙ））との差を算出する。この差がある閾値ＴＨ_ＤＴ以上であるペアが、ある一定のＴＨ以上ある場合に、変動あり（Ｒｅｓｌｕｔ_２ ＝１）と判定する。

本発明は、例えば、画像監視において侵入者の領域を検出したり、モーションキャプチャ・ジェスチャ認識のために人物の領域を検出したりするために用いることができる。

本発明の第１の実施形態の全体構成図である。 学習処理の流れ図である。 検出処理の流れ図である。 第１の実施形態の概要図である。 入力の場合分けの例の図である。 テクスチャ情報を用いた変動検出手段による検出結果の例の図である。 背景差分法を用いた変動検出手段による検出結果の例の例の図である。 第１の実施形態の変更例の図である。 第２の実施形態の全体構成図である。 学習処理の流れ図である。 第３の実施形態の全体構成図である。 テクスチャ情報を用いた変動検出方法の問題点の図である。 広域のテクスチャ情報に基づく変動検出方法の概念図である。 広域テクスチャ情報を用いた変動検出手段による検出結果の概念図である。 広域のテクスチャ情報に基づく変動検出方法の特徴量の概念図である。

符号の説明

１０１ 第１の変動検出手段
１０２ 第２の変動検出手段
１０３ テクスチャ検出手段
１０４ 変動検出手段重み付け記憶手段（記憶手段）
１０５ 変動検出結果統合手段（統合手段）

Claims (8)

1. 学習背景画像と入力画像を比較することによって、前記入力画像における変動領域を検出する変動領域検出装置において、
   前記学習背景画像の画素値の空間変化パターンと前記入力画像の画素値の空間変化パターンとの違いに基づいて一画素に対応した第１の変動領域を検出する第１の変動検出部と、
   前記学習背景画像の輝度情報と前記入力画像の輝度情報との違いに基づいて一画素に対応した第２の変動領域を検出する第２の変動検出部と、
   前記学習背景画像中の一画素にそれぞれ対応した各領域における空間周波数に関する情報を検出する空間周波数検出部と、
   前記各領域の空間周波数に関する情報に基づいて、空間周波数の相対的に高い成分が基準より強い前記領域においては前記第２の変動領域の結果より前記第１の変動領域の結果を大きくするような重み付けを算出する重み付け算出部と、
   前記第１の変動領域と前記第２の変動領域とを前記重み付けに基づいて統合して一画素に対応した統合変動領域を算出する統合部と、
   を備えることを特徴とする変動領域検出装置。
2. 前記第２の変動検出部は、前記学習背景画像と前記入力画像の各画素の輝度差に基づいて第２の変動領域を検出する
   ことを特徴とする請求項１記載の変動領域検出装置。
3. 前記入力画像に生じた照明変動を検出する照明変動検出部をさらに備え、
   前記統合部は、前記照明変動を検出した場合には、前記第２の変動領域の重み付けを小さくする
   ことを特徴とする請求項１記載の変動領域検出装置。
4. 前記空間周波数検出部は、
   前記学習背景画像から空間周波数の相対的に高い成分を除去した除去学習背景画像を求める除去部と、
   前記学習背景画像の画素値の空間変化パターンに基づく特徴量を算出する第１の特徴量算出部と、
   前記除去学習背景画像の画素値の空間変化パターンに基づく特徴量を算出する第２の特徴量算出部と、
   を備え、
   前記重み付け算出部は、前記学習背景画像から算出した特徴量と、前記除去学習背景画像から算出した特徴量とを比較して、その特徴量の差が多い領域においては前記第２の変動領域の結果より前記第１の変動領域の結果を大きくするような重み付けを算出する
   ことを特徴とする請求項１記載の変動領域検出装置。
5. 前記第２の変動検出部は、前記入力画像における注目画素と、前記注目画素から少なくとも前記入力画像中の平均的な検出対象物の大きさよりも離れた位置にある複数の参照画素との輝度差の変化に基づいて第２の変動領域を検出する
   ことを特徴とする請求項１記載の変動領域検出装置。
6. 前記第２の変動検出部は、前記入力画像における注目画素と、予め決められた位置にある複数の画素との輝度差の変化に基づいて第２の変動領域を検出する
   ことを特徴とする請求項１記載の変動領域検出装置。
7. 学習背景画像と入力画像を比較することによって、前記入力画像における変動領域を検出する変動領域検出方法において、
   前記学習背景画像の画素値の空間変化パターンと前記入力画像の画素値の空間変化パターンとの違いに基づいて一画素に対応した第１の変動領域を検出し、
   前記学習背景画像の輝度情報と前記入力画像の輝度情報との違いに基づいて一画素に対応した第２の変動領域を検出し、
   前記学習背景画像中の一画素にそれぞれ対応した各領域における空間周波数に関する情報を検出し、
   前記各領域の空間周波数に関する情報に基づいて、空間周波数の相対的に高い成分が基準より強い前記領域においては前記第２の変動領域の結果より前記第１の変動領域の結果を大きくするような重み付けを算出し、
   前記第１の変動領域と前記第２の変動領域とを前記重み付けに基づいて統合して一画素に対応した統合変動領域を算出する
   ことを特徴とする変動領域検出方法。
8. 学習背景画像と入力画像を比較することによって、前記入力画像における変動領域を検出する変動領域検出プログラムにおいて、
   コンピュータに、
   前記学習背景画像の画素値の空間変化パターンと前記入力画像の画素値の空間変化パターンとの違いに基づいて一画素に対応した第１の変動領域を検出する第１の変動検出機能と、
   前記学習背景画像の輝度情報と前記入力画像の輝度情報との違いに基づいて一画素に対応した第２の変動領域を検出する第２の変動検出機能と、
   前記学習背景画像中の一画素にそれぞれ対応した各領域における空間周波数に関する情報を検出する空間周波数検出機能と、
   前記各領域の空間周波数に関する情報に基づいて、空間周波数の相対的に高い成分が基準より強い前記領域においては前記第２の変動領域の結果より前記第１の変動領域の結果を大きくするような重み付けを算出する重み付け算出機能と、
   前記第１の変動領域と前記第２の変動領域とを前記重み付けに基づいて統合して一画素に対応した統合変動領域を算出する統合機能と、
   を実現させるための変動領域検出プログラム。

Images