JP5096211B2 - 確率分布構築方法、確率分布構築装置、および確率分布構築プログラム、並びに被写体検出方法、被写体検出装置、および被写体検出プログラム - Google Patents

Description

本発明は、固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築方法、確率分布構築装置、およびコンピュータをそのような確率分布構築装置として動作させる確率分布構築プログラム、並びに、上記出現確率分布を用いて被写体を検出する被写体検出方法、被写体検出装置、およびコンピュータをそのような被写体検出装置として動作させる被写体検出プログラムに関する。

従来より、コンビニエンスストアや銀行などには、防犯対策の一つとして防犯カメラが設置されている。防犯カメラにより撮影された動画像は、一般に、監視室等のディスプレイ画面に表示されるとともに録画されており、この動画像は、例えば犯罪発生時における犯人の特定などに利用されている。

このような防犯カメラにより撮影された動画像は、従来アナログデータとして録画されていたが、管理の容易さなどから、近年デジタルデータとして録画されている。また、上述した利用目的を有する防犯カメラでは、長時間にわたって撮影された動画像を録画しておく必要があるものの、動画像を録画する録画装置の録画容量には限度があることから、録画の際には動画像に対して圧縮処理が施されている。ところが、動画像に対して圧縮処理が施されると、動画像が不鮮明となるおそれがあり、動画像が不鮮明であると、動画像から事件の正確な発生状況を把握したり人物を特定することが困難である。

近年、デジタルカメラを中心とする撮像装置の分野では、撮像装置のハードウェア技術の発展と共に、撮像装置のソフトウェア技術の発展も盛んである。こうしたソフトウェア技術の一つに、撮影画角内の人物の顔部分を検出する技術、いわゆる顔検出技術がある。この顔検出技術では、一般に、撮影画角内の、顔部分の目印となる目や鼻や口といった顔部品を検出し、検出された顔部品を基に撮影画角内の顔部分を検出している（例えば、特許文献１参照。）。

このような顔検出技術を防犯カメラに適用することによって、動画像の撮影の際に撮影画角内の人物の顔部分の検出が可能となる。そして、動画像の録画時に、検出された顔部分を除く領域についてのみ高い圧縮処理を施すことができる。これにより、録画された動画像における人物の顔部分が鮮明となり、防犯カメラに対して正面を向いた人物の特定が容易な防犯カメラが実現されると考えられる。

ここで、防犯カメラにより撮影された動画像を、人物を特定するために有効に活用するには、防犯カメラに対して正面を向いた人物の特定が容易であることはもちろん、防犯カメラに対して側面や背面を向けた人物の特定が容易であることも重要である。これには、人物の顔部分つまり人物の正面の検出に加え、人物の正面や側面や背面を含む人物の頭部の検出が必要とされる。動画像において頭部が検出できれば、検出された頭部を撮影画角内で追跡することができ、人物の特定に大変有用である。

ここで、撮影画角内の人物の顔部分や頭部の検出においては、誤検出が入り込む余地を下げて検出精度を上げることが重要である。つまり、直接の顔部分や頭部の検出情報のみではなく、例えば、その顔部分や頭部の周囲の様々な環境情報によって検出精度を高めていく必要がある。
特開２００７−１８８４１９号公報

本発明は、上記事情に鑑み、固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築方法、確率分布構築装置、およびコンピュータをそのような確率分布構築装置として動作させる確率分布構築プログラム、並びに、上記出現確率分布を用いて被写体を高精度に検出する被写体検出方法、被写体検出装置、およびコンピュータをそのような被写体検出装置として動作させる被写体検出プログラムを提供することを目的とするものである。

上記目的を達成する本発明の確率分布構築方法は、
固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築方法であって、
上記カメラから上記複数枚の画像を取得する画像取得ステップと、
上記画像取得ステップで取得した複数枚の画像から、上記特定種類の被写体に類似した類被写体形状を、この類被写体形状の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出ステップと、
上記抽出ステップで抽出された類被写体形状が特定種類の被写体であるか否かを判定してこの特定種類の被写体を抽出するフィルタリングステップと、
上記フィルタリングステップで抽出された被写体の寸法の出現確率分布を算出する確率分布算出ステップとを有することを特徴とする。

本発明の確率分布構築方法によれば、例えば固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から被写体を高精度に検出する際に有用な、これら複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築することができる。

ここで、本発明の確率分布構築方法は、上記確率分布算出ステップが、特定種類の被写体の１つの寸法に対する、この寸法の被写体が画角内の各位置に出現する出現位置確率分布を、その特定種類の被写体の複数の寸法それぞれについて算出するステップであることが好ましい。

このような好ましい形態によれば、上記出現位置確率分布を容易に算出することができる
また、本発明の確率分布構築方法のうちの、上記確率分布算出ステップが上記出現位置確率分布を算出するステップである確率分布構築方法は、その確率分布算出ステップが、所定寸法の被写体の出現位置確率分布を、この寸法とは異なる寸法の被写体の出現位置確率分布から補間演算により算出するステップを含むものであることがさらに好ましい。

このような好ましい形態によれば、上記フィルタリングステップで抽出された被写体のうちの特定の寸法の被写体の数が少ない場合であっても、当該カメラの画角全域にわたる出現確率分布を算出することができる。

また、本発明の確率分布構築方法は、上記確率分布算出ステップが、画角内の１つの位置に対する、この位置に出現する特定種類の被写体の出現寸法確率分布を、画角内の複数の位置それぞれについて算出するステップであることが好ましい。

このような好ましい形態によれば、上記出現寸法確率分布を容易に算出することができる
また、本発明の確率分布構築方法のうちの、確率分布算出ステップが上記出現寸法確率分布を算出するステップである確率分布構築方法は、その確率分布算出ステップが、画角内の所定位置における出現寸法確率分布を、この位置とは異なる位置における出現寸法確率分布から補間演算により算出するステップを含むものであることがさらに好ましい。

このような好ましい形態によれば、上記フィルタリングステップで抽出された被写体のうちの画角内のある位置における被写体の数が少ない場合であっても、当該カメラの画角全域にわたる出現確率分布を算出することができる。

また、本発明の確率分布構築方法は、上記抽出ステップが、上記類被写体形状を抽出するにあたり、この類被写体形状が抽出対象の被写体である可能性の程度を表す評価値を求め、抽出対象の被写体の、抽出からの洩れを許容して設定された閾値よりも抽出対象の被写体である可能性がさらに高いことを表す評価値が得られた類被写体形状のみを抽出するステップであることが好ましい。

ここで、上記抽出ステップの目的は、抽出対象の被写体を確実に抽出することではなく、抽出対象の被写体であることが分かっているもののみを抽出することにある。そして、このような好ましい形態によれば、抽出対象の被写体である可能性が低いものが排除されるため、より精度の高い出現確率分布を構築することができる。

また、本発明の確率分布構築方法は、上記フィルタリングステップが、上記抽出ステップで抽出された類被写体形状それぞれについて、画角内の当該類被写体形状の周囲に広がる所定寸法のサーチ領域内における、当該類被写体形状と同一寸法に分類された他の類被写体形状の個数を計数し、この計数値が閾値以上の場合にのみ当該類被写体形状を上記特定種類の被写体として抽出するステップであることも好ましい形態である。

このような好ましい形態によれば、上記抽出ステップで抽出された類被写体形状のうちの誤抽出の可能性が高い類被写体形状が排除されることとなるため、より精度の高い出現確率分布を構築することができる。

また、本発明の確率分布構築方法は、
「上記カメラが、撮影方向の変更が可能なカメラであって、
複数の撮影方向それぞれでの撮影で得られた出現確率分布を統合することにより、これら複数の撮影方向の画角を繋げた画角内の出現確率分布を構築する統合ステップをさらに有する」
ことが好ましい。

このような好ましい形態によれば、上記カメラが、撮影方向の変更が可能なカメラであるときに、出現確率分布を構築することができる。

さらに、本発明の確率分布構築方法は、
「上記カメラが、焦点距離可変なカメラであって、
複数の焦点距離それぞれでの撮影で得られた出現確率分布を統合することにより、上記カメラの最広角の画角内の出現確率分布を構築する統合ステップをさらに有する」
ことも好ましい形態である。

このような好ましい形態によれば、上記カメラが、焦点距離可変なカメラであるときに、出現確率分布を構築することができる。

また、上記目的を達成する本発明の確率分布構築装置は、
固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築装置であって、
上記カメラから上記複数枚の画像を取得する画像取得部と、
上記画像取得部で取得した複数枚の画像から、上記特定種類の被写体に類似した類被写体形状を、この類被写体形状の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出部と、
上記抽出部で抽出された類被写体形状が特定種類の被写体であるか否かを判定してこの特定種類の被写体を抽出するフィルタリング部と、
上記フィルタリング部で抽出された被写体の寸法の出現確率分布を算出する確率分布算出部とを備えたことを特徴とする。

本発明の確率分布構築装置によれば、例えば固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から被写体を高精度に検出する際に有用な、これら複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築することができる。

ここで、本発明の確率分布構築装置は、上記確率分布算出部が、特定種類の被写体の１つの寸法に対する、この寸法の被写体が画角内の各位置に出現する出現位置確率分布を、その特定種類の被写体の複数の寸法それぞれについて算出するものであることが好ましい。

このような好ましい形態によれば、上記出現位置確率分布を容易に算出することができる
また、本発明の確率分布構築装置のうちの、上記確率分布算出部が上記出現位置確率分布を算出するものである確率分布構築装置は、その確率分布算出部が、所定寸法の被写体の出現位置確率分布を、この寸法とは異なる寸法の被写体の出現位置確率分布から補間演算により算出する補間演算部を含むものであることがさらに好ましい。

このような好ましい形態によれば、上記フィルタリング部で抽出された被写体のうちの特定の寸法の被写体の数が少ない場合であっても、当該カメラの画角全域にわたる出現確率分布を算出することができる。

また、本発明の確率分布構築装置は、上記確率分布算出部が、画角内の１つの位置に対する、この位置に出現する特定種類の被写体の出現寸法確率分布を、画角内の複数の位置それぞれについて算出するものであることが好ましい。

このような好ましい形態によれば、上記出現寸法確率分布を容易に算出することができる
また、本発明の確率分布構築装置のうちの、上記確率分布算出部が上記出現寸法確率分布を算出するものである確率分布構築装置は、その確率分布算出部が、画角内の所定位置における出現寸法確率分布を、この位置とは異なる位置における出現寸法確率分布から補間演算により算出する補間演算部を含むものであることがさらに好ましい。

このような好ましい形態によれば、上記フィルタリング部で抽出された被写体のうちの画角内のある位置における被写体の数が少ない場合であっても、当該カメラの画角全域にわたる出現確率分布を算出することができる。

また、本発明の確率分布構築装置は、上記抽出部が、上記類被写体形状を抽出するにあたり、この類被写体形状が抽出対象の被写体である可能性の程度を表す評価値を求め、抽出対象の被写体の、抽出からの洩れを許容して設定された閾値よりも抽出対象の被写体である可能性がさらに高いことを表す評価値が得られた類被写体形状のみを抽出するものであることが好ましい。

ここで、上記抽出部の目的は、抽出対象の被写体を確実に抽出することではなく、抽出対象の被写体であることが分かっているもののみを抽出することにある。そして、このような好ましい形態によれば、抽出対象の被写体である可能性が低いものが排除されるため、より精度の高い出現確率分布を構築することができる。

また、本発明の確率分布構築装置は、上記フィルタリング部が、上記抽出部で抽出された類被写体形状それぞれについて、画角内の当該類被写体形状の周囲に広がる所定寸法のサーチ領域内における、当該類被写体形状と同一寸法に分類された他の類被写体形状の個数を計数し、この計数値が閾値以上の場合にのみ当該類被写体形状を上記特定種類の被写体として抽出するものであることも好ましい形態である。

このような好ましい形態によれば、上記抽出部で抽出された類被写体形状のうちの誤抽出の可能性が高い類被写体形状が排除されることとなるため、より精度の高い出現確率分布を構築することができる。

また、本発明の確率分布構築装置は、
「上記カメラが、撮影方向の変更が可能なカメラであって、
複数の撮影方向それぞれでの撮影で得られた出現確率分布を統合することにより、これら複数の撮影方向の画角を繋げた画角内の出現確率分布を構築する統合部をさらに備えた」
ことが好ましい。

このような好ましい形態によれば、上記カメラが、撮影方向の変更が可能なカメラであるときに、出現確率分布を構築することができる。

また、本発明の確率分布構築装置は、
「上記カメラが、焦点距離可変なカメラであって、
複数の焦点距離それぞれでの撮影で得られた出現確率分布を統合することにより、上記カメラの最広角の画角内の出現確率分布を構築する統合部をさらに備えた」
ことも好ましい形態である。

このような好ましい形態によれば、上記カメラが、焦点距離可変なカメラであるときに、出現確率分布を構築することができる。

また、本発明の確率分布構築装置は、上記確率分布算出部で算出された出現確率分布を出力する出力部をさらに備えたことが好ましい。

このような好ましい形態によれば、出力された出現確率分布を参照することができ、例えば、抽出部で抽出された類被写体形状の数を確認して、その数が少ないときに補完するといった対策をとるなど、より精度の高い出現確率分布の構築に寄与する。

さらに、本発明の確率分布構築装置は、上記出現確率分布が一旦構築された後においても、上記画像取得部に画像を取得させ、新たに取得した画像について、上記抽出部、上記フィルタリング部を作用させて、上記確率分布算出部に、この新たな画像から抽出した上記特定種類の被写体の情報を新たに加えて上記出現確率分布を更新させる更新制御部を備えたえたことも好ましい形態である。

このような好ましい形態によれば、出現確率分布の精度向上を図ることができる。

また、上記目的を達成する本発明の確率分布構築プログラムは、
コンピュータ内で実行され、このコンピュータを、固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築装置として動作させる確率分布構築プログラムであって、
上記コンピュータを、
上記カメラから上記複数枚の画像を取得する画像取得部と、
上記画像取得部で取得した複数枚の画像から、上記特定種類の被写体に類似した類被写体形状を、この類被写体形状の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出部と、
上記抽出部で抽出された類被写体形状が特定種類の被写体であるか否かを判定してこの特定種類の被写体を抽出するフィルタリング部と、
上記フィルタリング部で抽出された被写体の寸法の出現確率分布を算出する確率分布算出部とを有する確率分布構築装置として動作させることを特徴とする。

本発明の確率分布構築プログラムは、この確率分布構築プログラムをコンピュータにインストールして動作させたときに、そのコンピュータが本発明の確率分布構築装置として動作するように構成されたものであり、この確率分布構築プログラムには、その確率分布構築装置の各種態様に対応する全ての態様が含まれる。

また、本発明の確率分布構築プログラムを構成する画像取得部などといった構成要素は、１つの構成要素の機能が１つのプログラム部品によって担われるものであってもよく、１つの構成要素の機能が複数のプログラム部品によって担われるものであってもよく、複数の構成要素の機能が１つのプログラム部品によって担われるものであってもよい。また、これらの構成要素は、そのような作用を自分自身で実行するものであってもよく、あるいは、コンピュータに組み込まれている他のプログラムやプログラム部品に指示を与えて実行させるものであっても良い。

なお、本発明の確率分布構築装置と確率分布構築プログラムとで、それぞれ構成要素に同じ名前を付したが、それらの構成要素は、確率分布構築装置ではハードウェアおよびソフトウェアを意味し、確率分布構築プログラムではソフトウェアのみを意味する。

また、上記目的を達成する本発明の被写体検出方法のうちの第１の被写体検出方法は、
上記のいずれかの態様の確率分布構築方法に加え、さらに、
確率分布算出ステップで算出された出現確率分布に基づいて、上記カメラの画角内の、上記特定種類の被写体のこの画角内に出現する寸法ごとの出現領域を定義する出現領域定義ステップと、
上記カメラでの新たな撮影により得られた画像中の、上記寸法に応じた出現領域内から、この寸法の類被写体形状として現れた上記特定種類の被写体を検出する被写体検出ステップとを有することを特徴とする。

本発明の被写体検出方法のうちの第１の被写体検出方法は、上記特定種類の被写体の上記画角内に出現する寸法ごとに、この寸法に応じた出現領域内から、この寸法の類被写体形状として現れた上記特定種類の被写体を検出する方法であるため、検出の高速化が図られ、また、誤検出が抑制される。

また、上記目的を達成する本発明の被写体検出方法のうちの第２の被写体検出方法は、
上記のいずれかの態様の確率分布構築方法に加え、さらに、
上記カメラでの新たな撮影により得られた画像の中から、上記特定種類の被写体に類似した類被写体形状を、この類被写体形状の寸法と、当該カメラの画角上の位置情報と、さらにこの類被写体形状がその特定種類の被写体である確率を表す評価値とを伴って抽出する第２の抽出ステップと、
上記第２の抽出ステップで抽出された類被写体形状の寸法、位置情報、および評価値と、上記確率分布算出ステップで算出された出現確率分布とに基づいてその評価値を修正し、修正された評価値に基づいてその類被写体形状が上記特定種類の被写体であるか否かを判定する第２の判定ステップとを有することを特徴とする。

上記第１の被写体検出方法によれば、出現確率分布上では出現確率が低いときは、一律に、類被写体形状は上記特定種類の被写体ではないと判定される。これに対して、本発明の被写体検出方法のうちの第２の被写体検出方法によれば、出現確率分布上では出現確率が低くても、上記評価値が高い場合は、類被写体形状が上記特定種類の被写体であると判定され、精度の高い被写体検出が可能となる。

また、上記目的を達成する本発明の被写体検出装置のうちの第１の被写体検出装置は、
上記のいずれかの態様の確率分布構築装置を備えるとともに、さらに、
確率分布算出部で算出された出現確率分布に基づいて、上記カメラの画角内の、上記特定種類の被写体のこの画角内に出現する寸法ごとの出現領域を定義する出現領域定義部と、
上記カメラでの新たな撮影により得られた画像中の、上記寸法に応じた出現領域内から、この寸法の類被写体形状として現れた上記特定種類の被写体を検出する被写体検出部とを備えたことを特徴とする。

本発明の被写体検出装置のうちの第１の被写体検出装置は、上記特定種類の被写体の上記画角内に出現する寸法ごとに、この寸法に応じた出現領域内から、この寸法の類被写体形状として現れた上記特定種類の被写体を検出するものであるため、検出の高速化が図られ、また、誤検出が抑制される。

また、上記目的を達成する本発明の被写体検出装置のうちの第２の被写体検出装置は、
上記のいずれかの態様の確率分布構築装置を備えるとともに、さらに、
上記カメラでの新たな撮影により得られた画像の中から、上記特定種類の被写体に類似した類被写体形状を、この類被写体形状の寸法と、当該カメラの画角上の位置情報と、さらにこの類被写体形状がその特定種類の被写体である確率を表す評価値とを伴って抽出する第２の抽出部と、
上記第２の抽出部で抽出された類被写体形状の寸法、位置情報、および評価値と、上記確率分布算出部で算出された出現確率分布とに基づいてその評価値を修正し、修正された評価値に基づいてその類被写体形状が上記特定種類の被写体であるか否かを判定する第２の判定部とを備えたことを特徴とする。

上記第１の被写体検出装置によれば、出現確率分布上では出現確率が低いときは、一律に、類被写体形状は上記特定種類の被写体ではないと判定される。これに対して、本発明の被写体検出装置のうちの第２の被写体検出装置によれば、出現確率分布上では出現確率が低くても、上記評価値が高い場合は、類被写体形状が上記特定種類の被写体であると判定され、精度の高い被写体検出が可能となる。

また、上記目的を達成する本発明の被写体検出プログラムのうちの第１の被写体検出プログラムは、
本発明の確率分布構築プログラムを有するとともに、上記コンピュータを、さらに、
確率分布算出部で算出された出現確率分布に基づいて、上記カメラの画角内の、上記特定種類の被写体のこの画角内に出現する寸法ごとの出現領域を定義する出現領域定義部と、
上記カメラでの新たな撮影により得られた画像中の、上記寸法に応じた出現領域内から、この寸法の類被写体形状として現れた上記特定種類の被写体を検出する被写体検出部とを有する被写体検出装置として動作させることを特徴とする。

本発明の被写体検出プログラムのうちの第１の被写体検出プログラムは、この第１の被写体検出プログラムをコンピュータにインストールして動作させたときに、そのコンピュータが本発明の被写体検出装置のうちの第１の被写体検出装置として動作するように構成されたものである。

また、本発明の被写体検出プログラムのうちの第１の被写体検出プログラムを構成する出現領域定義部などといった構成要素は、１つの構成要素の機能が１つのプログラム部品によって担われるものであってもよく、１つの構成要素の機能が複数のプログラム部品によって担われるものであってもよく、複数の構成要素の機能が１つのプログラム部品によって担われるものであってもよい。また、これらの構成要素は、そのような作用を自分自身で実行するものであってもよく、あるいは、コンピュータに組み込まれている他のプログラムやプログラム部品に指示を与えて実行させるものであっても良い。

なお、本発明の被写体検出装置のうちの第１の被写体検出装置と、本発明の被写体検出プログラムのうちの第１の被写体検出プログラムとで、それぞれ構成要素に同じ名前を付したが、それらの構成要素は、第１の被写体検出装置ではハードウェアおよびソフトウェアを意味し、第１の被写体検出プログラムではソフトウェアのみを意味する。

また、上記目的を達成する本発明の被写体検出プログラムのうちの第２の被写体検出プログラムは、
本発明の確率分布構築プログラムを有するとともに、上記コンピュータを、さらに、
上記カメラでの新たな撮影により得られた画像の中から、上記特定種類の被写体に類似した類被写体形状を、この類被写体形状の寸法と、当該カメラの画角上の位置情報と、さらにこの類被写体形状がその特定種類の被写体である確率を表す評価値とを伴って抽出する第２の抽出部と、
上記第２の抽出部で抽出された類被写体形状の寸法、位置情報、および評価値と、上記確率分布算出部で算出された出現確率分布とに基づいてその評価値を修正し、修正された評価値に基づいてその類被写体形状が上記特定種類の被写体であるか否かを判定する第２の判定部とを有する被写体検出装置として動作させることを特徴とする。

本発明の被写体検出プログラムのうちの第２の被写体検出プログラムは、この第２の被写体検出プログラムをコンピュータにインストールして動作させたときに、そのコンピュータが本発明の被写体検出装置のうちの第２の被写体検出装置として動作するように構成されたものである。

また、本発明の被写体検出プログラムのうちの第２の被写体検出プログラムを構成する第２の抽出部などといった構成要素は、１つの構成要素の機能が１つのプログラム部品によって担われるものであってもよく、１つの構成要素の機能が複数のプログラム部品によって担われるものであってもよく、複数の構成要素の機能が１つのプログラム部品によって担われるものであってもよい。また、これらの構成要素は、そのような作用を自分自身で実行するものであってもよく、あるいは、コンピュータに組み込まれている他のプログラムやプログラム部品に指示を与えて実行させるものであっても良い。

なお、本発明の被写体検出装置のうちの第２の被写体検出装置と、本発明の被写体検出プログラムのうちの第２の被写体検出プログラムとで、それぞれ構成要素に同じ名前を付したが、それらの構成要素は、第２の被写体検出装置ではハードウェアおよびソフトウェアを意味し、第２の被写体検出プログラムではソフトウェアのみを意味する。

本発明の確率分布構築方法、確率分布構築装置、およびコンピュータをそのような確率分布構築装置として動作させる確率分布構築プログラムによれば、検出対象となる特定種類の被写体の寸法に関する高精度の出現確率分布を得ることができる。また、本発明の被写体検出方法、被写体検出装置、およびコンピュータをそのような被写体検出装置として動作させる被写体検出プログラムによれば、その出現確率分布を用いて被写体検出の精度を向上させることができる。

以下、図面を参照して本発明の実施の形態を説明する。

図１は、本発明の被写体検出装置の第１実施形態が組み込まれた監視カメラシステム１の概略構成図である。

図１に示す監視カメラシステム１の概略構成図には、監視カメラ１０と、インターネット２０と、パーソナルコンピュータ３０とが示されている。

監視カメラ１０は、例えば銀行の天井に固定的に設置されたものであって、銀行内の様子を、天井から銀行内を斜め下に見下ろすように撮影するものである。また、この監視カメラ１０は、首振り機能を有する、撮影方向の変更が可能な監視カメラであり、さらには、ズーム機能を有する、焦点距離可変な監視カメラでもある。そして、この監視カメラ１０は、インターネット２０に接続されており、ネットワーク通信を介して、パーソナルコンピュータ３０へ動画像を表す画像データを送信する。尚、図１に１つのブロックで示した監視カメラ１０は、１台の監視カメラであってもよいが、ここでは、複数台の監視カメラを表している。また、この監視カメラ１０は、天井から銀行内を斜め下に見下ろすように撮影するカメラであるが、本発明にいうカメラは、これに限られるものではなく、固定的に設置された、被写界を繰り返し撮影するカメラであれば、設置位置や設置角度は問わない。

パーソナルコンピュータ３０は、インターネット２０に接続されており、ネットワーク通信を介して、監視カメラ１０から送信される画像データを受け取る。また、このパーソナルコンピュータ３０は、監視カメラ１０で撮影された動画像を一括管理するものである。ここで、人物の頭部の上半部分の輪郭は、半円形に類似した類半円形状を有する。そして、このパーソナルコンピュータ３０は、本発明の被写体検出方法の第１実施形態を実現するための、本発明の被写体検出装置の第１実施形態であって、固定的に設置された監視カメラ１０で被写界を繰り返し撮影して得られた動画像を構成する複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する、上半部分の輪郭が類半円形状を有する人物の頭部の寸法の出現確率分布を構築し、構築された出現確率分布を用いて人物の頭部を検出する機能を有するものである。尚、このパーソナルコンピュータ３０は、本発明の確率分布構築方法の第１実施形態を実現するための、本発明の確率分布構築装置の第１実施形態でもある。

ここで、監視カメラ１０は本発明の主題ではないため詳細な説明を省略し、以下では、本発明の被写体検出装置の第１実施形態として動作して、上記出現確率分布を構築し、構築された出現確率分布を用いて人物の頭部を検出するパーソナルコンピュータ３０についてさらに説明する。

図２は、図１に１つのブロックで示すパーソナルコンピュータ３０の外観斜視図、図３は、そのパーソナルコンピュータ３０のハードウェア構成図である。

ここでは、このパーソナルコンピュータ３０のハードウェアおよびＯＳ（Ｏｐｅｒａｔｉｏｎ Ｓｙｓｔｅｍ）と、このパーソナルコンピュータ３０にインストールされて実行される被写体検出プログラムとにより、本発明の被写体検出装置の第１実施形態が構成されている。

このパーソナルコンピュータ３０は、外観構成上、本体装置３１、その本体装置３１からの指示に応じて表示画面３２ａ上に画像を表示する画像表示装置３２、本体装置３１に、キー操作に応じた各種の情報を入力するキーボード３３、および、表示画面３２ａ上の任意の位置を指定することにより、その指定時にその位置に表示されていた、例えばアイコン等に応じた指示を入力するマウス３４を備えている。この本体装置３１は、外観上、フレキシブルディスク（ＦＤ）を装填するためのＦＤ装填口３１ａ、およびＣＤ−ＲＯＭを装填するためのＣＤ−ＲＯＭ装填口３１ｂを有する。

本体装置３１の内部には、図３に示すように、各種プログラムを実行するＣＰＵ３１１、ハードディスク装置３１３に格納されたプログラムが読み出されＣＰＵ３１１での実行のために展開される主メモリ３１２、各種プログラムやデータ等が保存されたハードディスク装置３１３、ＦＤ１００が装填されその装填されたＦＤ１００をアクセスするＦＤドライブ３１４、ＣＤ−ＲＯＭ１１０が装填され、その装填されたＣＤ−ＲＯＭ１１０をアクセスするＣＤ−ＲＯＭドライブ３１５、および、図１に示すインターネット２０に接続され、監視カメラ１０とのネットワーク通信を制御するネットワーク通信インタフェース３１６が内蔵されており、これらの各種要素と、さらに図２にも示す画像表示装置３２、キーボード３３、マウス３４は、バス３５を介して相互に接続されている。

ここで、ＣＤ−ＲＯＭ１１０には、このパーソナルコンピュータ３０を被写体検出装置として動作させるための被写体検出プログラムが記憶されており、そのＣＤ−ＲＯＭ１１０はＣＤ−ＲＯＭドライブ３１５に装填され、そのＣＤ−ＲＯＭ１１０に記憶された被写体検出プログラムがこのパーソナルコンピュータ３０にアップロードされてハードディスク装置３１３に記憶される。

先ず、ＣＤ−ＲＯＭ１１０に記憶された被写体検出プログラムがパーソナルコンピュータ３０にアップロードされてハードディスク装置３１３に記憶され、このパーソナルコンピュータ３０が被写体検出装置として動作する第１実施形態を説明する。

図４は、本発明の被写体検出方法の第１実施形態を示すフローチャートである。

この被写体検出方法は、固定的に設置された監視カメラ１０で被写界を繰り返し撮影して得られた動画像を構成する複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する、上半部分の輪郭が類半円形状を有する人物の頭部の寸法の出現確率分布を構築し、構築された出現確率分布を用いて人物の頭部を検出する被写体検出方法であり、画像取得ステップ（ステップＳ１１）と、抽出ステップ（ステップＳ１２）と、フィルタリングステップ（ステップＳ１３）と、確率分布算出ステップ（ステップＳ１４）と、第１の統合ステップ（ステップＳ１５）と、第２の統合ステップ（ステップＳ１６）と、出現領域定義ステップ（ステップＳ１７）と、被写体検出ステップ（ステップＳ１８）とから構成されている。

尚、これらの各ステップのうちの出現領域定義ステップ（ステップＳ１７）および被写体検出ステップ（ステップＳ１８）を除く、画像取得ステップ（ステップＳ１１）、抽出ステップ（ステップＳ１２）、フィルタリングステップ（ステップＳ１３）、確率分布算出ステップ（ステップＳ１４）、第１の統合ステップ（ステップＳ１５）、および第２の統合ステップ（ステップＳ１６）の各ステップは、本発明の確率分布構築方法の第１実施形態を構成するステップである。

図４に示す被写体検出方法の各ステップの詳細については後述する。

図５は、本発明の被写体検出プログラムの第１実施形態を示した図である。

この図５に示す被写体検出プログラム４００は、図３に示すＣＤ−ＲＯＭ１１０に記憶されている。

この被写体検出プログラム４００は、図１，図２，図３に示すパーソナルコンピュータ３０内で実行され、そのパーソナルコンピュータ３０を、固定的に設置された監視カメラ１０で被写界を繰り返し撮影して得られた複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する、上半部分の輪郭が類半円形状を有する人物の頭部の寸法の出現確率分布を構築し、構築された出現確率分布を用いて人物の頭部を検出する、本発明の被写体検出装置の第１実施形態として動作させるものである。この被写体検出プログラム４００は、画像取得部４１０と、抽出部４２０と、フィルタリング部４３０と、確率分布算出部４４０と、第１の統合部４５１と、第２の統合部４５２と、出力部４６０と、更新制御部４７０と、出現領域定義部４８０と、被写体検出部４９０とから構成されている。また、確率分布算出部４４０は、補間演算部４４１を有する。

尚、被写体検出プログラム４００によって構築される各プログラム部品のうちの、出現領域定義部４８０および被写体検出部４９０を除く、画像取得部４１０、抽出部４２０、フィルタリング部４３０、確率分布算出部４４０、補間演算部４４１、第１の統合部４５１、第２の統合部４５２、出力部４６０、および更新制御部４７０の各プログラム部品は、本発明の確率分布構築プログラムの第１実施形態を構成するプログラム部品である。

この被写体検出プログラム４００によって構築される各プログラム部品のうちの、出力部４６０および更新制御部４７０を除く、画像取得部４１０、抽出部４２０、フィルタリング部４３０、確率分布算出部４４０、第１の統合部４５１、第２の統合部４５２、出現領域定義部４８０、および被写体検出部４９０の各プログラム部品は、それぞれ、この被写体検出プログラム４００が図１，図２，図３に示すパーソナルコンピュータ３０にインストールされて実行されたときに、図４に示す被写体検出方法の画像取得ステップ（ステップＳ１１）、抽出ステップ（ステップＳ１２）、フィルタリングステップ（ステップＳ１３）、確率分布算出ステップ（ステップＳ１４）、第１の統合ステップ（ステップＳ１５）、第２の統合ステップ（ステップＳ１６）、出現領域定義ステップ（ステップＳ１７）、および被写体検出ステップ（ステップＳ１８）の各ステップを実行するプログラム部品である。

この被写体検出プログラム４００の各要素の作用については後述する。

図６は、本発明の被写体検出装置の第１実施形態を示す機能ブロック図である。

この図６に示す被写体検出装置５００は、図１，図２，図３に示すパーソナルコンピュータ３０に、図５に示す被写体検出プログラム４００がローディングされ、その被写体検出プログラム４００がそのパーソナルコンピュータ３０内で実行されることにより実現される。

この図６に示す被写体検出装置５００は、固定的に設置された監視カメラ１０で被写界を繰り返し撮影して得られた複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する、上半部分の輪郭が類半円形状を有する人物の頭部の寸法の出現確率分布を構築し、構築された出現確率分布を用いて人物の頭部を検出するものであって、この被写体検出装置５００には、画像取得部５１０と、抽出部５２０と、フィルタリング部５３０と、確率分布算出部５４０と、第１の統合部５５１と、第２の統合部５５２と、出力部５６０と、更新制御部５７０と、出現領域定義部５８０と、被写体検出部５９０とが備えられている。また、確率分布算出部５４０には、補間演算部５４１が備えられている。

尚、被写体検出装置５００に備えられている各要素のうちの、出現領域定義部５８０および被写体検出部５９０を除く、画像取得部５１０、抽出部５２０、フィルタリング部５３０、確率分布算出部５４０、補間演算部５４１、第１の統合部５５１、第２の統合部５５２、出力部５６０、および更新制御部５７０の各要素は、本発明の確率分布構築装置の第１実施形態を構成する要素である。

この被写体検出装置５００に備えられている画像取得部５１０、抽出部５２０、フィルタリング部５３０、確率分布算出部５４０、補間演算部５４１、第１の統合部５５１、第２の統合部５５２、出力部５６０、更新制御部５７０、出現領域定義部５８０、および被写体検出部５９０の各要素は、それぞれ、図５に示す被写体検出プログラム４００を構成するプログラム部品としての画像取得部４１０、抽出部４２０、フィルタリング部４３０、確率分布算出部４４０、補間演算部４４１、第１の統合部４５１、第２の統合部４５２、出力部４６０、更新制御部４７０、出現領域定義部４８０、および被写体検出部４９０の各要素と、それらのプログラム部品の各機能を実現するために必要な、図１，図２，図３に示すパーソナルコンピュータ３０のハードウェアとＯＳ（Ｏｐｅｒａｔｉｏｎ Ｓｙｓｔｅｍ）やアプリケーションプログラムとの組み合わせから構成されている。

次に、図４に示す被写体検出方法の各ステップ、図５に示す被写体検出プログラム４００の各プログラム部品、および図６に示す被写体検出装置５００の各要素について説明する。

尚、図４に示す被写体検出方法の画像取得ステップ（ステップＳ１１）、抽出ステップ（ステップＳ１２）、フィルタリングステップ（ステップＳ１３）、確率分布算出ステップ（ステップＳ１４）、第１の統合ステップ（ステップＳ１５）、第２の統合ステップ（ステップＳ１６）、出現領域定義ステップ（ステップＳ１７）、および被写体検出ステップ（ステップＳ１８）の各ステップは、図６に示す被写体検出装置５００に備えられている各要素のうちの、出力部５６０および更新制御部５７０を除く、画像取得部５１０、抽出部５２０、フィルタリング部５３０、確率分布算出部５４０、補間演算部５４１、第１の統合部５５１、第２の統合部５５２、出現領域定義部５８０、および被写体検出部５９０の各要素に一対一に対応している。また、図５に示す被写体検出プログラム４００の各プログラム部品は、図６に示す被写体検出装置５００の各要素に一対一に対応している。

そのため、以下、図６に示す被写体検出装置５００の各要素を取り上げて説明することによって、図４に示す被写体検出方法の各ステップの説明および図５に示す被写体検出プログラム４００の各プログラム部品の説明を兼ねるものとする。

また、上述したように、被写体検出装置５００に備えられている各要素のうちの、出現領域定義部５８０および被写体検出部５９０を除く、画像取得部５１０、抽出部５２０、フィルタリング部５３０、確率分布算出部５４０、補間演算部５４１、第１の統合部５５１、第２の統合部５５２、出力部５６０、および更新制御部５７０の各要素は、本発明の確率分布構築装置の第１実施形態を構成する要素であるため、これらの各要素を説明することによって、本発明の確率分布構築装置の第１実施形態の説明を兼ねるものとする。

なお、ここでは、この被写体検出装置５００の各要素の概念的な作用について説明し、これら各要素の具体的な作用については後述する。

図６に示す被写体検出装置５００の画像取得部５１０は、図４に示す被写体検出方法の画像取得ステップ（ステップＳ１１）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の画像取得部４１０に対応する要素であり、固定的に設置された監視カメラ１０から、この監視カメラ１０で被写界を繰り返し撮影して得られた複数枚の画像を取得するものである。この画像取得部５１０は、本発明にいう画像取得部の機能の一例を示すものであり、その機能は、図１，図２，図３に示すパーソナルコンピュータ３０の本体装置３１に内蔵された、プログラム部品としての画像取得部４１０（図５参照）を実行するＣＰＵ３１１によって主に実現される。

尚、以下説明する、被写体検出装置５００の各要素においても、各要素の機能は、図１，図２，図３に示すパーソナルコンピュータ３０の本体装置３１に内蔵されたＣＰＵ３１１によって主に実現されるので、重複説明を避けるため、これら各要素のハードウェア上の説明は省略する。

また、図６に示す被写体検出装置５００の抽出部５２０は、図４に示す被写体検出方法の抽出ステップ（ステップＳ１２）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の抽出部４２０に対応する要素であり、画像取得部５１０で取得した複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する、上半部分の輪郭が類半円形状を有する人物の頭部に類似した類頭部形状を、この類頭部形状の寸法と監視カメラ１０の画角上の位置情報とを伴って抽出するものである。そして、この抽出部５２０は、上記類頭部形状を抽出するにあたり、この類頭部形状が抽出対象の頭部である可能性の程度を表す評価値を求め、抽出対象の頭部の、抽出からの洩れを許容して設定された閾値よりも抽出対象の頭部である可能性がさらに高いことを表す評価値が得られた類頭部形状のみを抽出するものである。この抽出部５２０は、本発明にいう抽出部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００のフィルタリング部５３０は、図４に示す被写体検出方法のフィルタリングステップ（ステップＳ１３）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００のフィルタリング部４３０に対応する要素であり、抽出部５２０で抽出された類頭部形状が人物の頭部であるか否かを判定して人物の頭部を抽出するものである。そして、このフィルタリング部５３０は、抽出部５２０で抽出された類頭部形状それぞれについて、画角内の当該類頭部形状の周囲に広がる所定寸法のサーチ領域内における、当該類頭部形状と同一寸法に分類された他の類頭部形状の個数を計数し、この計数値が閾値以上の場合にのみ当該類頭部形状を上記人物の頭部として抽出するものである。このフィルタリング部５３０は、本発明にいうフィルタリング部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００の確率分布算出部５４０は、図４に示す被写体検出方法の確率分布算出ステップ（ステップＳ１４）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の確率分布算出部４４０に対応する要素であり、フィルタリング部５３０で抽出された頭部の寸法の出現確率分布を算出するものである。そして、この確率分布算出部５４０は、人物の頭部の１つの寸法に対する、この寸法の頭部が画角内の各位置に出現する出現位置確率分布を、人物の頭部の複数の寸法それぞれについて算出するものである。この確率分布算出部５４０は、本発明にいう確率分布算出部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００の確率分布算出部５４０に備えられた補間演算部５４１は、図４に示す被写体検出方法の確率分布算出ステップ（ステップＳ１４）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の補間演算部４４１に対応する要素であり、所定寸法の頭部の出現位置確率分布を、この寸法とは異なる寸法の頭部の出現位置確率分布から補間演算により算出するものである。この補間演算部５４１は、本発明にいう補間演算部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００の第１の統合部５５１は、図４に示す被写体検出方法の第１の統合ステップ（ステップＳ１５）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の第１の統合部４５１に対応する要素であり、複数の撮影方向それぞれでの撮影で得られた出現確率分布を統合することにより、これら複数の撮影方向の画角を繋げた画角内の出現確率分布を構築するものである。この第１の統合部５５１は、本発明にいう統合部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００の第２の統合部５５２は、図４に示す被写体検出方法の第２の統合ステップ（ステップＳ１６）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の第２の統合部４５２に対応する要素であり、複数の焦点距離それぞれでの撮影で得られた出現確率分布を統合することにより、監視カメラ１０の最広角の画角内の出現確率分布を構築するものである。この第２の統合部５５２は、本発明にいう統合部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００の出力部５６０は、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の出力部４６０に対応する要素であり、確率分布算出部５４０で算出された出現確率分布を出力するものである。この出力部５６０は、本発明にいう出力部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００の更新制御部５７０は、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の更新制御部４７０に対応する要素であり、上記出現確率分布が一旦構築された後においても、画像取得部５１０に画像を取得させ、新たに取得した画像について、抽出部５２０、フィルタリング部５３０を作用させて、確率分布算出部５４０に、この新たな画像から抽出した上記人物の頭部の情報を新たに加えて上記出現確率分布を更新させるものである。この更新制御部５７０は、本発明にいう更新制御部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００の出現領域定義部５８０は、図４に示す被写体検出方法の出現領域定義ステップ（ステップＳ１７）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の出現領域定義部４８０に対応する要素であり、確率分布算出部５４０で算出された出現確率分布に基づいて、監視カメラ１０の画角内の、上記人物の頭部のこの画角内に出現する寸法ごとの出現領域を定義するものである。この出現領域定義部５８０は、本発明にいう出現領域定義部の機能の一例を示すものである。

また、図６に示す被写体検出装置５００の被写体検出部５９０は、図４に示す被写体検出方法の被写体検出ステップ（ステップＳ１８）に対応する要素であるとともに、アプリケーションソフトウェア上は、図５に示す被写体検出プログラム４００の被写体検出部４９０に対応する要素であり、監視カメラ１０での新たな撮影により得られた画像中の、上記寸法に応じた出現領域内から、この寸法の類頭部形状として現れた上記人物の頭部を検出するものである。この被写体検出部５９０は、本発明にいう被写体検出部の機能の一例を示すものである。

以下、本発明の被写体検出装置の第１実施形態をさらに具体的に説明する。

図７は、画像取得部５１０によって取得された画像の一例を示す図である。

図７に示す画像６０は、銀行の天井に固定的に設置され、インターネット２０に接続された監視カメラ１０で、銀行内の様子を、天井から銀行内を斜め下に見下ろすように撮影され、ネットワーク通信を介して監視カメラ１０からパーソナルコンピュータ３０に送信された画像データにより表わされる動画像の１コマを表す画像である。つまり、この画像６０は、パーソナルコンピュータ３０内で被写体検出プログラム４００が実行されることにより実現される被写体検出装置５００に備えられている画像取得部５１０によって取得された、監視カメラ１０で被写界を繰り返し撮影して得られた複数枚の画像のうちの、１つの画像である。

次に、図８〜図１６を参照して、被写体検出装置５００に備えられている抽出部５２０について説明する。

図８は、図７に示す画像６０を表現する複数の画素のうちの注目画素Ｐと評価画素Ｑ１〜Ｑ１６と勾配算出画素Ｒ１〜Ｒ１６とを示す概念図である。

図８には、図７に示す画像６０を表現する複数の画素のうちの１つの画素である注目画素Ｐと、この注目画素Ｐを中心とした円に沿って等間隔に配列されて注目画素Ｐを取り巻く１６個の評価画素Ｑ１〜Ｑ１６とが示されている。また、図８には、１６個の評価画素Ｑ１〜Ｑ１６のうちの１つの評価画素Ｑ１を中心とした円に沿って等間隔に配列されて評価画素Ｑ１を取り巻く１６個の勾配算出画素Ｒ１〜Ｒ１６が示されている。

まず、図７に示す画像６０の全域に亘る評価画素それぞれが所定の注目画素を中心とした１８０°の半円上の画素であるか否かを評価する画素評価値をその評価画素それぞれについて算出するにあたり、評価画素Ｑ１〜Ｑ１６それぞれについて、画像６０上の輝度値が変化している勾配方向を算出する。また、図８に示す円とは半径の異なる注目画素Ｐを中心とした円に沿って配列されて注目画素Ｐを取り巻く評価画素や、図８に示す注目画素Ｐとは異なる位置の、図７に示す画像６０を表現する複数の画素のうちの１つの画素画素を注目画素としたときの、この注目画素を取り巻く評価画素についても、この評価画素それぞれについて、画像６０上の輝度値が変化している勾配方向を算出する。このようにして、図７に示す画像６０の全域に亘る評価画素それぞれについての勾配方向を算出する。尚、ここでは、図８に示す注目画素Ｐを中心とした円に沿って配列されて注目画素Ｐを取り巻く１６個の評価画素Ｑ１〜Ｑ１６のうちの１つの評価画素Ｑ１についての勾配方向の算出について説明する。

評価画素Ｑ１の輝度値と、評価画素Ｑ１を一周に渡って取り巻く１６個の勾配算出画素Ｒ１〜Ｒ１６それぞれの輝度値との各差分に基づく各勾配値を算出する。

図９は、１６個の勾配算出画素Ｒ１〜Ｒ１６それぞれに対応する各勾配値をこれら１６個の勾配算出画素Ｒ１〜Ｒ１６が評価画素Ｑ１を一周に渡って取り巻く順序に並べたときの勾配値群を示す図である。横軸は勾配算出画素Ｒ１〜Ｒ１６を示し、縦軸は勾配値を示す。

算出された、勾配値群を構成する各勾配値は、図９に示すように、勾配算出画素Ｒ１に対応する勾配値が「２．０」、勾配算出画素Ｒ２に対応する勾配値が「２．０」、勾配算出画素Ｒ３に対応する勾配値が「５．０」、勾配算出画素Ｒ４に対応する勾配値が「１０．０」、勾配算出画素Ｒ５に対応する勾配値が「１１．０」、勾配算出画素Ｒ６に対応する勾配値が「１４．０」、勾配算出画素Ｒ７に対応する勾配値が「１２．０」、勾配算出画素Ｒ８に対応する勾配値が「１５．０」、勾配算出画素Ｒ９に対応する勾配値が「２２．０」、勾配算出画素Ｒ１０に対応する勾配値が「１２．０」、勾配算出画素Ｒ１１に対応する勾配値が「７．０」、勾配算出画素Ｒ１２に対応する勾配値が「１２．０」、勾配算出画素Ｒ１３に対応する勾配値が「９．０」、勾配算出画素Ｒ１４に対応する勾配値が「１．０」、勾配算出画素Ｒ１５に対応する勾配値が「１．０」、勾配算出画素Ｒ１６に対応する勾配値が「３．０」である。

ここで、算出された各勾配値のノイズを除去するために、図９に示す勾配値群に平滑化処理を施すことにより平滑化勾配値群を生成する。

ここでは、平滑化処理として、高値抑制処理、雑音を抑制するための移動平均処理（以下、この移動平均処理を第１の移動平均処理と称する）、量子化処理、および唯一の最大の値を持つ平滑化勾配値を出現させるための移動平均処理（以下、この移動平均処理を第２の移動平均処理と称する）を順次施す。

図１０は、図９に示す勾配値群に高値抑制処理を施すことにより生成された平滑化勾配値群を示す図である。横軸は勾配算出画素Ｒ１〜Ｒ１６を示し、縦軸は勾配値を示す。

ここでは、高値抑制処理を施すにあたっての勾配値の閾値として閾値「１６．０」が設定されている。図９に示す勾配値群を構成する各勾配値のうちの閾値として設定された「１６．０」を超える勾配値をこの閾値「１６．０」に置き換えることにより、新たな平滑化勾配値群を生成する。ここでは、勾配算出画素Ｒ９に対応する勾配値が閾値「１６．０」を超える勾配値であることから、勾配算出画素Ｒ９に対応する勾配値「２２．０」を平滑化勾配値「１６．０」に置き換える。生成された平滑化勾配値群を構成する各平滑化勾配値は、図１０に示すように、勾配算出画素Ｒ１に対応する平滑化勾配値が「２．０」、勾配算出画素Ｒ２に対応する平滑化勾配値が「２．０」、勾配算出画素Ｒ３に対応する平滑化勾配値が「５．０」、勾配算出画素Ｒ４に対応する平滑化勾配値が「１０．０」、勾配算出画素Ｒ５に対応する平滑化勾配値が「１１．０」、勾配算出画素Ｒ６に対応する平滑化勾配値が「１４．０」、勾配算出画素Ｒ７に対応する平滑化勾配値が「１２．０」、勾配算出画素Ｒ８に対応する平滑化勾配値が「１５．０」、勾配算出画素Ｒ９に対応する平滑化勾配値が「１６．０」、勾配算出画素Ｒ１０に対応する平滑化勾配値が「１２．０」、勾配算出画素Ｒ１１に対応する平滑化勾配値が「７．０」、勾配算出画素Ｒ１２に対応する平滑化勾配値が「１２．０」、勾配算出画素Ｒ１３に対応する平滑化勾配値が「９．０」、勾配算出画素Ｒ１４に対応する平滑化勾配値が「１．０」、勾配算出画素Ｒ１５に対応する平滑化勾配値が「１．０」、勾配算出画素Ｒ１６に対応する平滑化勾配値が「３．０」である。

図１１は、図１０に示す平滑化勾配値群に第１の移動平均処理を施すことにより生成された平滑化勾配値群を示す図である。横軸は勾配算出画素Ｒ１〜Ｒ１６を示し、縦軸は勾配値を示す。

高値抑制処理が施された後の平滑化勾配値群に、第１の移動平均処理を施すことにより、新たな平滑化勾配値群を生成する。ここでは、移動平均を行なうとする勾配算出画素に対し、前後１つの平滑化勾配値、合計、その勾配算出画素に対応する平滑化勾配値を含め３つの平滑化勾配値とし、これら３つの平滑化勾配値の平均を求める。尚、上述したように、平滑化処理は、１６個の勾配算出画素Ｒ１〜Ｒ１６それぞれに対応する各勾配値をこれら１６個の勾配算出画素Ｒ１〜Ｒ１６が評価画素Ｑ１を一周に渡って取り巻く順序に並べたときの勾配値群に施す処理であることから、勾配算出画素Ｒ１の前後１つの平滑化勾配値は、勾配算出画素Ｒ１６に対応する平滑化勾配値と勾配算出画素Ｒ２に対応する平滑化勾配値である。同様に、勾配算出画素Ｒ１６の前後１つの平滑化勾配値は、勾配算出画素Ｒ１５に対応する平滑化勾配値と勾配算出画素Ｒ１に対応する平滑化勾配値である。生成された平滑化勾配値群を構成する各平滑化勾配値は、図１１に示すように、勾配算出画素Ｒ１に対応する平滑化勾配値が「２．３」、勾配算出画素Ｒ２に対応する平滑化勾配値が「３．０」、勾配算出画素Ｒ３に対応する平滑化勾配値が「５．７」、勾配算出画素Ｒ４に対応する平滑化勾配値が「８．７」、勾配算出画素Ｒ５に対応する平滑化勾配値が「１１．７」、勾配算出画素Ｒ６に対応する平滑化勾配値が「１２．３」、勾配算出画素Ｒ７に対応する平滑化勾配値が「１３．７」、勾配算出画素Ｒ８に対応する平滑化勾配値が「１４．３」、勾配算出画素Ｒ９に対応する平滑化勾配値が「１４．３」、勾配算出画素Ｒ１０に対応する平滑化勾配値が「１１．７」、勾配算出画素Ｒ１１に対応する平滑化勾配値が「１０．３」、勾配算出画素Ｒ１２に対応する平滑化勾配値が「９．３」、勾配算出画素Ｒ１３に対応する平滑化勾配値が「７．３」、勾配算出画素Ｒ１４に対応する平滑化勾配値が「３．７」、勾配算出画素Ｒ１５に対応する平滑化勾配値が「１．７」、勾配算出画素Ｒ１６に対応する平滑化勾配値が「２．０」である。

図１２は、図１１に示す平滑化勾配値群に量子化処理を施すことにより生成された平滑化勾配値群を示す図である。横軸は勾配算出画素Ｒ１〜Ｒ１６を示し、縦軸は勾配値を示す。

第１の移動平均処理が施された後の平滑化勾配値群を構成する各平滑化勾配値を、この各平滑化勾配値に近似した値を有する、離散的に設定された複数の平滑化勾配値のうちのいずれかの平滑化勾配値に置き換えることにより、新たな平滑化勾配値群を生成する。ここでは、第１の移動平均処理が施された後の平滑化勾配値群を構成する平滑化勾配値が０より大きく４以下の場合は「２」に置き換え、その平滑化勾配値が４より大きく８以下の場合は「６」に置き換え、その平滑化勾配値が８より大きく１２以下の場合は「１０」に置き換え、その平滑化勾配値が１２より大きく１６以下の場合は「１４」に置き換える。生成された平滑化勾配値群を構成する各平滑化勾配値は、図１２に示すように、勾配算出画素Ｒ１に対応する平滑化勾配値が「２．０」、勾配算出画素Ｒ２に対応する平滑化勾配値が「２．０」、勾配算出画素Ｒ３に対応する平滑化勾配値が「６．０」、勾配算出画素Ｒ４に対応する平滑化勾配値が「１０．０」、勾配算出画素Ｒ５に対応する平滑化勾配値が「１０．０」、勾配算出画素Ｒ６に対応する平滑化勾配値が「１４．０」、勾配算出画素Ｒ７に対応する平滑化勾配値が「１４．０」、勾配算出画素Ｒ８に対応する平滑化勾配値が「１４．０」、勾配算出画素Ｒ９に対応する平滑化勾配値が「１４．０」、勾配算出画素Ｒ１０に対応する平滑化勾配値が「１０．０」、勾配算出画素Ｒ１１に対応する平滑化勾配値が「１０．０」、勾配算出画素Ｒ１２に対応する平滑化勾配値が「１０．０」、勾配算出画素Ｒ１３に対応する平滑化勾配値が「６．０」、勾配算出画素Ｒ１４に対応する平滑化勾配値が「２．０」、勾配算出画素Ｒ１５に対応する平滑化勾配値が「２．０」、勾配算出画素Ｒ１６に対応する平滑化勾配値が「２．０」である。

図１３は、図１２に示す平滑化勾配値群に第２の移動平均処理を施すことにより生成された平滑化勾配値群を示す図である。横軸は勾配算出画素Ｒ１〜Ｒ１６を示し、縦軸は勾配値を示す。

量子化処理が施された後の平滑化勾配値群に、第２の移動平均処理を施すことにより、新たな平滑化勾配値群を生成する。ここでは、移動平均を行なうとする勾配算出画素に対し、前後４つの平滑化勾配値、合計、その勾配算出画素に対応する平滑化勾配値を含め９つの平滑化勾配値とし、これら９つの平滑化勾配値の平均を求める。尚、上述したように、平滑化処理は、１６個の勾配算出画素Ｒ１〜Ｒ１６それぞれに対応する各勾配値をこれら１６個の勾配算出画素Ｒ１〜Ｒ１６が評価画素Ｑ１を一周に渡って取り巻く順序に並べたときの勾配値群に施す処理であることから、勾配算出画素Ｒ１の前後４つの平滑化勾配値は、勾配算出画素Ｒ１３〜Ｒ１６に対応する各平滑化勾配値と勾配算出画素Ｒ２〜Ｒ５に対応する各平滑化勾配値である。同様に、勾配算出画素Ｒ１６の前後４つの平滑化勾配値は、勾配算出画素Ｒ１２〜Ｒ１５に対応する各平滑化勾配値と勾配算出画素Ｒ１〜Ｒ４に対応する各平滑化勾配値である。生成された平滑化勾配値群を構成する各平滑化勾配値は、図１３に示すように、勾配算出画素Ｒ１に対応する平滑化勾配値が「４．７」、勾配算出画素Ｒ２に対応する平滑化勾配値が「５．６」、勾配算出画素Ｒ３に対応する平滑化勾配値が「６．９」、勾配算出画素Ｒ４に対応する平滑化勾配値が「８．２」、勾配算出画素Ｒ５に対応する平滑化勾配値が「９．６」、勾配算出画素Ｒ６に対応する平滑化勾配値が「１０．４」、勾配算出画素Ｒ７に対応する平滑化勾配値が「１１．３」、勾配算出画素Ｒ８に対応する平滑化勾配値が「１１．８」、勾配算出画素Ｒ９に対応する平滑化勾配値が「１１．３」、勾配算出画素Ｒ１０に対応する平滑化勾配値が「１０．４」、勾配算出画素Ｒ１１に対応する平滑化勾配値が「９．１」、勾配算出画素Ｒ１２に対応する平滑化勾配値が「７．８」、勾配算出画素Ｒ１３に対応する平滑化勾配値が「６．４」、勾配算出画素Ｒ１４に対応する平滑化勾配値が「５．１」、勾配算出画素Ｒ１５に対応する平滑化勾配値が「４．７」、勾配算出画素Ｒ１６に対応する平滑化勾配値が「４．７」である。このように、第２の移動平均処理が施されることによって、唯一の最大の値を持つ平滑化勾配値として、勾配算出画素Ｒ８に対応する平滑化勾配値「１１．８」が得られる。

図１４は、評価画素Ｑ１についての勾配方向を示す図である。また、図１５は、図７に示す画像６０の全域に亘る評価画素それぞれについて算出された勾配方向を示す図である。

評価画素Ｑ１と、評価画素Ｑ１を一周に渡って取り巻く１６個の勾配算出画素Ｒ１〜Ｒ１６のうちの、第２の移動平均処理が施された後の平滑化勾配値群の中の最大の平滑化勾配値「１１．８」に対応する勾配値算出画素Ｒ８とを結ぶ、図１４に矢印Ｖで示す方向を、評価画素Ｑ１についての勾配方向Ｖとして決定する。

尚、上述したように、ここでは図８に示す注目画素Ｐを中心とした円に沿って配列されて注目画素Ｐを取り巻く１６個の評価画素Ｑ１〜Ｑ１６のうちの１つの評価画素Ｑ１についての勾配方向Ｖの算出について説明したが、図８に示す他の評価画素Ｑ２〜Ｑ１６についても、図８〜図１４を参照して説明した評価画素Ｑ１についての勾配方向Ｖの算出と同様にして勾配方向を算出する。また、図８に示す円とは半径の異なる注目画素Ｐを中心とした円に沿って配列されて注目画素Ｐを取り巻く評価画素や、図８に示す注目画素Ｐとは異なる位置の、図７に示す画像６０を表現する複数の画素のうちの１つの画素画素を注目画素としたときの、この注目画素を取り巻く評価画素についても、図８〜図１４を参照して説明した勾配方向Ｖの算出と同様にして勾配方向を算出する。図１５には、このようにして算出した、図７に示す画像６０の全域に亘る評価画素それぞれについての勾配方向が示されている。

次に、図７に示す画像６０の全域に亘る評価画素それぞれについて、当該評価画素と所定の注目画素とを結ぶ方向と、算出された勾配方向との成す角度に基づいた画素評価値を算出する。この画素評価値は、上述したように、図７に示す画像６０の全域に亘る評価画素それぞれが所定の注目画素を中心とした１８０°の半円上の画素であるか否かを評価するものである。尚、ここでは、この画素評価値として、上記角度のうちの「０°以上９０°以下の角度」を画素評価値としている。従って、画素評価値が「０」に近い値であるほどその画素評価値を有する評価画素の勾配方向が所定の注目画素を向く方向であることとなる。

図１６は、テーブル７０の一例を示す図である。

このような画素評価値を算出するにあたり、複数の注目画素および複数の評価画素に共通の、注目画素から見たときの評価画素の方向を表す第１の値と、評価画素の勾配方向を表す第２の値との双方と、当該評価画素の画素評価値とを対応付けたテーブル７０を記憶しておく。尚、テーブル７０の記憶は、後述する具体的な評価画素の画素評価値を求める前に記憶されていればよく、勾配方向の算出前に記憶されていても算出後に記憶されていてもよい。

図１６に示すテーブル７０では、図８における、注目画素Ｐから各評価画素Ｑ１〜Ｑ１６に向かう１６方向を、「ＰＱ１、ＰＱ２、ＰＱ３、ＰＱ４、ＰＱ５、ＰＱ６、ＰＱ７、ＰＱ８、ＰＱ９、ＰＱ１０、ＰＱ１１、ＰＱ１２、ＰＱ１３、ＰＱ１４、ＰＱ１５、ＰＱ１６」と表し、これらが、注目画素から見たときの評価画素の方向を表す第１の値とされている。また、図８における、評価画素Ｑ１から各勾配算出画素Ｒ１〜Ｒ１６に向かう１６方向を、「ＱＲ１、ＱＲ２、ＱＲ３、ＱＲ４、ＱＲ５、ＱＲ６、ＱＲ７、ＱＲ８、ＱＲ９、ＱＲ１０、ＱＲ１１、ＱＲ１２、ＱＲ１３、ＱＲ１４、ＱＲ１５、ＱＲ１６」と表し、これらが、評価画素の勾配方向を表す第２の値とされている。また、図１６に示すテーブル７０では、第１の値と第２の値との双方と、当該評価画素の画素評価値である上記「０°以上９０°以下の角度」とが対応付けられている。尚、図１６に示すテーブル７０には、この画素評価値のうちの一部の画素評価値が示されており、実際に記憶されたテーブル７０は、第１の値と第２の値との双方に対応付けられた全ての画素評価値を有する。

具体的な注目画素から具体的な評価画素を見たときの当該評価画素の方向を表す具体的な第１の値と当該評価画素の勾配方向を表す具体的な第２の値との双方に基づいて、図１６に示すテーブル７０から、当該評価画素の画素評価値を求める。

例えば、図８〜図１４を参照して説明した評価画素Ｑ１についての勾配方向Ｖの場合は、図１４に示すように、第１の値が「ＰＱ１」であり、第２の値が「ＱＲ８」である。この具体的な第１の値と第２の値との双方に基づいて、図１６に示すテーブル７０から、評価画素Ｑ１の画素評価値が「２２．５」であると求められる。

図８に示す他の評価画素Ｑ２〜Ｑ１６についても、図１６に示すテーブル７０からそれぞれの画素評価値を求める。

次に、図８に示す円に重なる１８０°の半円上の複数の評価画素、例えば評価画素Ｑ１〜Ｑ９に対応する複数の画素評価値を総合して、その１８０°の半円が類半円形状に対応する１８０°の半円であるか否かを評価する総合評価値を算出する処理を、その円との重なりの位相が異なる複数の１８０°の半円について実行する。ここでは、上記複数の画素評価値の平均値を総合評価値としている。また、図８に示す円とは半径の異なる注目画素Ｐを中心とした円に沿って配列されて注目画素Ｐを取り巻く評価画素や、図８に示す注目画素Ｐとは異なる位置の、図７に示す画像６０を表現する複数の画素のうちの１つの画素画素を注目画素としたときの、この注目画素を取り巻く評価画素についても、総合評価値を算出する。

次に、上記複数の１８０°の半円に対応する複数の総合評価値を相互に比較して、上記複数の１８０°の半円の中から、類半円形状に最も近いことを表す総合評価値が対応付けられた１８０°の半円、つまり、上半部分の輪郭が類半円形状を有する人物の頭部に類似した類頭部形状が抽出対象の頭部である可能性の程度を表す評価値が対応付けられた１８０°の半円を抽出する。尚、上述したように、評価画素と所定の注目画素とを結ぶ方向と、算出された勾配方向との成す角度のうちの「０°以上９０°以下の角度」を画素評価値としたため、上記複数の画素評価値の平均値である総合評価値が「０」に近い値であるほど、この総合評価値が対応付けられた１８０°の半円が類半円形状に最も近いこととなる。そして、１８０°の半円を抽出するにあたっては、抽出からの洩れを許容する閾値が設定されており、この閾値は例えば「３０」である。そして、ここでは、「０〜３０」の範囲内の総合評価値が対応付けられた１８０°の半円、つまり、その閾値「３０」よりも抽出対象の頭部である可能性がさらに高いことを表す評価値が得られた類頭部形状のみを抽出している。このようにして抽出される１８０°の半円が、抽出部５２０で抽出される類頭部形状である。

ここで、抽出部５２０の目的は、抽出対象の頭部を確実に抽出することではなく、抽出対象の頭部であることが分かっているもののみを抽出することにある。そして、このような閾値が設定されていることによって、抽出対象の頭部である可能性が低いものが排除されるため、より精度の高い出現確率分布を構築することができる。

また、抽出部５２０は、この類頭部形状を抽出するときに、類頭部形状の寸法である１８０°の半円の直径寸法と、監視カメラ１０の画角上の位置情報である１８０°の半円の中心座標とを伴って抽出する。

尚、図１５に示す勾配方向のうちの太線で示された勾配方向は、抽出された１８０°の半円上の複数の評価画素についての勾配方向を示している。

以上、画像取得部５１０によって取得された複数枚の画像のうちの図７に示す１つの画像６０を例に挙げて、抽出部５２０について、図８〜図１６を参照して説明したが、この抽出部５２０は、画像取得部５１０で取得した複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する類頭部形状を、この類頭部形状の寸法と監視カメラ１０の画角上の位置情報とを伴って抽出する。

尚、抽出部５２０による類頭部形状の抽出は、図８〜図１６を参照して説明した手法に限らず、画像取得部５１０で取得した複数枚の画像から、これら複数枚の画像中に複数の寸法で繰り返し出現する類頭部形状を、この類頭部形状の寸法と監視カメラ１０の画角上の位置情報とを伴って抽出することができるような手法であれば、いかなる手法であってもよい。

また、類頭部形状の寸法が１８０°の半円の直径寸法である例を挙げたが、類頭部形状の寸法は、例えば、縦幅や横幅や面積まどであってもよい。

図１７は、頭部サイズの３次元空間を示す図である。Ｘ軸は撮影画角の横方向を示し、Ｙ軸は撮影画角の縦方向を示し、Ｚ軸は頭部サイズを示す。尚、ここでは、Ｚ軸の上の方ほど相対的に小さい頭部サイズとなっている。

また、図１８は、図１７に示すＺ軸座標値が「Ｚ１」のＸＹ平面上における類頭部形状の分布を示す図であり、図１９は、図１７に示すＺ軸座標値が「Ｚ１」のＸＹ平面上における類頭部形状の分布を示す図である。尚、「Ｚ１」はＺ軸座標値が下の方の相対的に大きい頭部サイズを表すＺ軸座標値であり、「Ｚ２」はＺ軸座標値が上の方の相対的に小さい頭部サイズを表すＺ軸座標値である。図１８，図１９における横軸は撮影画角の横方向を示すＸ軸であり、縦軸は撮影画角の縦方向を示すＹ軸である。

図１７〜図１９に示す各点は、抽出部５２０によって抽出された類頭部形状を表している。また、各点をＸＹ平面上に投影したときのそのＸＹ平面上における位置が、抽出部５２０によって抽出された、監視カメラ１０の画角上の位置情報である１８０°の半円の中心座標である。また、各点をＺ軸に投影したときのＺ軸座標値が、抽出部５２０によって抽出された、類頭部形状の寸法である１８０°の半円の直径寸法である。

図１８示すように、図１７に示すＺ軸座標値すなわち類頭部形状の寸法が「Ｚ１」のときは、Ｚ軸座標値が「Ｚ１」のＸＹ平面上のＹ軸の値が「Ｙ１〜Ｙ２」の範囲内に多数の類頭部形状が分布している。また、このＸＹ平面上のＹ軸の値が「Ｙ１〜Ｙ２」の範囲から外れた位置にも２つの類頭部形状「Ａ、Ｂ」が分布している。

また、図１９示すように、図１７に示すＺ軸座標値すなわち類頭部形状の寸法が「Ｚ２」のときは、Ｚ軸座標値が「Ｚ２」のＸＹ平面上のＹ軸の値が「Ｙ３〜Ｙ４」の範囲内に多数の類頭部形状が分布している。また、このＸＹ平面上のＹ軸の値が「Ｙ３〜Ｙ４」の範囲から外れた位置にも２つの類頭部形状「Ｃ、Ｄ」が分布している。

ここで、フィルタリング部５３０が、抽出部５２０で抽出された類頭部形状それぞれについて、画角内の当該類頭部形状の周囲に広がる所定寸法のサーチ領域内における、当該類頭部形状と同一寸法に分類された他の類頭部形状の個数を計数し、この計数値が閾値「３」以上の場合にのみ、当該類頭部形状が人物の頭部であると判定し、当該類頭部形状を人物の頭部として抽出する。

例えば、フィルタリング部５３０によって、図１８示す２つの類頭部形状「Ａ、Ｂ」が除外され、Ｙ軸の値が「Ｙ１〜Ｙ２」の範囲内に分布する類頭部形状が、寸法「Ｚ１」を有する人物の頭部として抽出される。また、例えば、フィルタリング部５３０によって、図１９に示す２つの類頭部形状「Ｃ、Ｄ」が除外され、Ｙ軸の値が「Ｙ３〜Ｙ４」の範囲内に分布する類頭部形状が、寸法「Ｚ２」を有する人物の頭部として抽出される。

このような閾値が設定されていることによって、抽出部５２０で抽出された類頭部形状のうちの誤抽出の可能性が高い類頭部形状が排除されることとなるため、より精度の高い出現確率分布を構築することができる。

図２０は、確率分布算出部５４０で算出され出力部５６０で出力された出現確率分布の一例を示す図である。

確率分布算出部５４０が、フィルタリング部５３０で抽出された頭部の寸法の出現確率分布を算出する。そして、ここでは、この確率分布算出部５４０は、人物の頭部の１つの寸法に対する、この寸法の頭部が画角内の各位置に出現する出現位置確率分布を、人物の頭部の複数の寸法それぞれについて算出する。例えば、図２０に、Ｙ軸の値が「Ｙ１〜Ｙ２」の範囲内に分布する、フィルタリング部５３０によって抽出された頭部の寸法「Ｚ１」の出現確率分布αと、Ｙ軸の値が「Ｙ３〜Ｙ４」の範囲内に分布する、フィルタリング部５３０によって抽出された頭部の寸法「Ｚ２」の出現確率分布βが示されている。

また、確率分布算出部５４０に備えられた補間演算部５４１が、所定寸法の頭部の出現位置確率分布を、この寸法とは異なる寸法の頭部の出現位置確率分布から補間演算により算出する。図２０に示す、Ｙ軸の値が「Ｙ２〜Ｙ５」の範囲内に分布する頭部の寸法「Ｚ３」の出現確率分布γは、この補間演算部５４１によって算出された出現確率分布である。

尚、確率分布算出部５４０で算出され出力部５６０で出力されたこの図２０に示す出現確率分布α，β，γの確率変数はＹ軸の値である。

このような補間演算部５４１によって、フィルタリング部５３０で抽出された頭部のうちの特定の寸法の頭部の数が少ない場合であっても、監視カメラ１０の画角全域にわたる出現確率分布を算出することができる
そして、出力部５６０が、確率分布算出部５４０で算出された出現確率分布を出力する。この図２０に示す３つの出現確率分布α，β，γが、出力部５６０によって出力された出現確率分布の一例である。

出力された出現確率分布を参照することによって、例えば、抽出部で抽出された類頭部形状の数を確認して、その数が少ないときに補完するといった対策をとるなど、出力部５６０は、より精度の高い出現確率分布の構築に寄与する。

図２１は、監視カメラ１０による複数の撮影方向それぞれでの撮影を説明する図である。

上述したように、監視カメラ１０は、首振り機能を有する、撮影方向の変更が可能な監視カメラであり、図２１に示すように、監視カメラ１０は、撮影方向それぞれに対応する３つの撮影画角６３１，６３２，６３３を有している。そして、第１の統合部５５１が、３つの撮影画角６３１，６３２，６３３それぞれに対応する３つの撮影方向それぞれでの撮影で得られた出現確率分布を統合することにより、これら３つの撮影方向の撮影画角６３１，６３２，６３３を繋げた画角６３内の出現確率分布を構築する。

図２２は、監視カメラ１０による複数の焦点距離それぞれでの撮影を説明する図である。

上述したように、監視カメラ１０は、ズーム機能を有する、焦点距離可変な監視カメラであり、図２２に示すように、監視カメラ１０は、焦点距離それぞれに対応する２つの撮影画角６４１，６４２を有している。そして、第２の統合部５５２が、２つの撮影画角６４１，６４２それぞれに対応する２つの焦点距離それぞれでの撮影で得られた出現確率分布を統合することにより、監視カメラ１０の最広角の画角である撮影画角６４１内の出現確率分布を構築する。

また、更新制御部５７０が、上記出現確率分布が一旦構築された後においても、画像取得部５１０に画像を取得させ、新たに取得した画像について、抽出部５２０、フィルタリング部５３０を作用させて、確率分布算出部５４０に、この新たな画像から抽出した上記人物の頭部の情報を新たに加えて上記出現確率分布を更新させる。

更新制御部５７０によって、出現確率分布の精度向上を図ることができる。

図２３は、監視カメラ１０の撮影画角と、出現領域定義部５８０によって定義された、この撮影画角の出現領域の一例を示す図である。尚、図２３に示す撮影画角の横方向は、図１７〜図２０に示すＸ軸に対応し、撮影画角の縦方向は、図１７〜図２０に示すＹ軸に対応する。

出現領域定義部５８０が、確率分布算出部５４０で算出された出現確率分布に基づいて、監視カメラ１０の画角６５内の、上記人物の頭部のこの画角６５内に出現する寸法ごとの出現領域を定義する。図２３には、出現領域の一例として、３つの出現領域６５１，６５２，６５３が示されている。これら３つの出現領域６５１，６５２，６５３は、それぞれ、図２０に示す、Ｙ軸の値が「Ｙ１〜Ｙ２」の範囲、Ｙ軸の値が「Ｙ３〜Ｙ４」の範囲、Ｙ軸の値が「Ｙ２〜Ｙ５」の範囲に対応するものである。つまり、監視カメラ１０の画角６５内の、上記人物の頭部のこの画角６５内に出現する寸法「Ｚ１」の出現領域が出現領域６５２であり、上記人物の頭部のこの画角６５内に出現する寸法「Ｚ２」の出現領域が出現領域６５１であり、上記人物の頭部のこの画角６５内に出現する寸法「Ｚ３」の出現領域が出現領域６５３である。

図２４は、画像取得部５１０によって取得された画像の一例を示す図である。尚、図２３に示す画像の横方向は、図１７〜図２０に示すＸ軸に対応し、画像の縦方向は、図１７〜図２０に示すＹ軸に対応する。

図２４に示す画像６１は、図７に示す画像と同様に、画像取得部５１０によって取得された、監視カメラ１０で被写界を繰り返し撮影して得られた複数枚の画像のうちの、１つの画像である。また、図２４には、図２３に示す３つの出現領域６５１，６５２，６５３も、画像６１に重ねて示されている。

被写体検出部５９０が、監視カメラ１０での新たな撮影により得られた画像中の、上記寸法に応じた出現領域内から、この寸法の類頭部形状として現れた上記人物の頭部を検出する。

ここでは、画像６１中の、寸法「Ｚ１」に応じた出現領域６５２内から、この寸法「Ｚ１」の類頭部形状として現れた人物の頭部６７が検出され、画像６１中の、寸法「Ｚ２」に応じた出現領域６５１内から、この寸法「Ｚ２」の類頭部形状として現れた人物の頭部６６が検出され、画像６１中の、寸法「Ｚ３」に応じた出現領域６５３内から、この寸法「Ｚ３」の類頭部形状として現れた人物の頭部６８が検出される。

第１実施形態によれば、固定的に設置された監視カメラ１０で被写界を繰り返し撮影して得られた複数枚の画像から人物の頭部を高精度に検出する際に有用な、これら複数枚の画像中に複数の寸法で繰り返し出現する人物の頭部の寸法の出現確率分布を構築することができ、構築された出現確率分布を用いて人物の頭部を検出することにより、検出の高速化が図られ、また、誤検出が抑制される。

以上で、本発明の第１実施形態の説明を終了し、本発明の第２実施形態について説明する。

尚、以下説明する第２実施形態は、上述した第１実施形態の確率分布算出ステップ（ステップＳ１４）、確率分布算出部４４０、補間演算部４４１、確率分布算出部５４０、および補間演算部５４１を、第２の確率分布算出ステップ（ステップＳ２４）、第２の確率分布算出部８４０、第２の補間演算部８４１、第２の確率分布算出部９４０、および第２の補間演算部９４１に置き換えたものである。

また、以下説明する第２実施形態は、上述した第１実施形態の出現領域定義ステップ（ステップＳ１７）、出現領域定義部４８０、および出現領域定義部５８０を、第２の抽出ステップ（ステップＳ２７）、第２の抽出部８８０、および第２の抽出部９８０に置き換えたものである。

さらに、以下説明する第２実施形態は、上述した第１実施形態の被写体検出ステップ（ステップＳ１８）、被写体検出部４９０、および被写体検出部５９０を、第２の判定ステップ（ステップＳ２８）、第２の判定部８９０、および第２の判定部９９０に置き換えたものである。

以下、第１実施形態における要素と同じ要素については同じ符号を付して説明を省略し、第１実施形態との相違点についてのみ説明する。

図２５は、本発明の被写体検出方法の第２実施形態を示すフローチャートである。

この被写体検出方法は、画像取得ステップ（ステップＳ１１）と、抽出ステップ（ステップＳ１２）と、フィルタリングステップ（ステップＳ１３）と、第２の確率分布算出ステップ（ステップＳ２４）と、第１の統合ステップ（ステップＳ１５）と、第２の統合ステップ（ステップＳ１６）と、第２の抽出ステップ（ステップＳ２７）と、第２の判定ステップ（ステップＳ２８）とから構成されている。

尚、これらの各ステップのうちの第２の抽出ステップ（ステップＳ２７）および第２の判定ステップ（ステップＳ２８）を除く、画像取得ステップ（ステップＳ１１）、抽出ステップ（ステップＳ１２）、フィルタリングステップ（ステップＳ１３）、第２の確率分布算出ステップ（ステップＳ２４）、第１の統合ステップ（ステップＳ１５）、および第２の統合ステップ（ステップＳ１６）の各ステップは、本発明の確率分布構築方法の第２実施形態を構成するステップである。

図２５に示す被写体検出方法の各ステップの詳細については後述する。

図２６は、本発明の被写体検出プログラムの第２実施形態を示した図である。

この図２６に示す被写体検出プログラム８００は、図３に示すＣＤ−ＲＯＭ１１０に記憶されている。

この被写体検出プログラム８００は、図１，図２，図３に示すパーソナルコンピュータ３０内で実行され、そのパーソナルコンピュータ３０を、本発明の被写体検出装置の第２実施形態として動作させるものである。この被写体検出プログラム８００は、画像取得部４１０と、抽出部４２０と、フィルタリング部４３０と、第２の確率分布算出部８４０と、第１の統合部４５１と、第２の統合部４５２と、出力部４６０と、更新制御部４７０と、第２の抽出部８８０と、第２の判定部８９０とから構成されている。また、第２の確率分布算出部８４０は、第２の補間演算部８４１を有する。

尚、被写体検出プログラム８００によって構築される各プログラム部品のうちの、第２の抽出部８８０および第２の判定部８９０を除く、画像取得部４１０、抽出部４２０、フィルタリング部４３０、第２の確率分布算出部８４０、第２の補間演算部８４１、第１の統合部４５１、第２の統合部４５２、出力部４６０、および更新制御部４７０の各プログラム部品は、本発明の確率分布構築プログラムの第２実施形態を構成するプログラム部品である。

この被写体検出プログラム８００によって構築される各プログラム部品のうちの、出力部４６０および更新制御部４７０を除く、画像取得部４１０、抽出部４２０、フィルタリング部４３０、第２の確率分布算出部８４０、第１の統合部４５１、第２の統合部４５２、第２の抽出部８８０、および第２の判定部８９０の各プログラム部品は、それぞれ、この被写体検出プログラム８００が図１，図２，図３に示すパーソナルコンピュータ３０にインストールされて実行されたときに、図２５に示す被写体検出方法の画像取得ステップ（ステップＳ１１）、抽出ステップ（ステップＳ１２）、フィルタリングステップ（ステップＳ１３）、第２の確率分布算出ステップ（ステップＳ２４）、第１の統合ステップ（ステップＳ１５）、第２の統合ステップ（ステップＳ１６）、第２の抽出ステップ（ステップＳ２７）、および第２の判定ステップ（ステップＳ２８）の各ステップを実行するプログラム部品である。

この被写体検出プログラム８００の各要素の作用については後述する。

図２７は、本発明の被写体検出装置の第２実施形態を示す機能ブロック図である。

この図２７に示す被写体検出装置９００は、図１，図２，図３に示すパーソナルコンピュータ３０に、図２６に示す被写体検出プログラム８００がローディングされ、その被写体検出プログラム８００がそのパーソナルコンピュータ３０内で実行されることにより実現される。

この図２７に示す被写体検出装置９００には、画像取得部５１０と、抽出部５２０と、フィルタリング部５３０と、第２の確率分布算出部９４０と、第１の統合部５５１と、第２の統合部５５２と、出力部５６０と、更新制御部５７０と、第２の抽出部９８０と、第２の判定部９９０とが備えられている。また、第２の確率分布算出部９４０には、第２の補間演算部９４１が備えられている。

尚、被写体検出装置９００に備えられている各要素のうちの、第２の抽出部９８０および第２の判定部９９０を除く、画像取得部５１０、抽出部５２０、フィルタリング部５３０、第２の確率分布算出部９４０、第２の補間演算部９４１、第１の統合部５５１、第２の統合部５５２、出力部５６０、および更新制御部５７０の各要素は、本発明の確率分布構築装置の第２実施形態を構成する要素である。

この被写体検出装置９００に備えられている画像取得部５１０、抽出部５２０、フィルタリング部５３０、第２の確率分布算出部９４０、第２の補間演算部９４１、第１の統合部５５１、第２の統合部５５２、出力部５６０、更新制御部５７０、第２の抽出部９８０、および第２の判定部９９０の各要素は、それぞれ、図２６に示す被写体検出プログラム８００を構成するプログラム部品としての画像取得部４１０、抽出部４２０、フィルタリング部４３０、第２の確率分布算出部８４０、第２の補間演算部８４１、第１の統合部４５１、第２の統合部４５２、出力部４６０、更新制御部４７０、第２の抽出部８８０、および第２の判定部８９０の各要素と、それらのプログラム部品の各機能を実現するために必要な、図１，図２，図３に示すパーソナルコンピュータ３０のハードウェアとＯＳ（Ｏｐｅｒａｔｉｏｎ Ｓｙｓｔｅｍ）やアプリケーションプログラムとの組み合わせから構成されている。

次に、図２５に示す被写体検出方法の各ステップ、図２６に示す被写体検出プログラム８００の各プログラム部品、および図２７に示す被写体検出装置９００の各要素について説明する。

尚、図２５に示す被写体検出方法の画像取得ステップ（ステップＳ１１）、抽出ステップ（ステップＳ１２）、フィルタリングステップ（ステップＳ１３）、第２の確率分布算出ステップ（ステップＳ２４）、第１の統合ステップ（ステップＳ１５）、第２の統合ステップ（ステップＳ１６）、第２の抽出ステップ（ステップＳ２７）、および第２の判定ステップ（ステップＳ２８）の各ステップは、図２７に示す被写体検出装置９００に備えられている各要素のうちの、出力部５６０および更新制御部５７０を除く、画像取得部５１０、抽出部５２０、フィルタリング部５３０、第２の確率分布算出部９４０、第２の補間演算部９４１、第１の統合部５５１、第２の統合部５５２、第２の抽出部９８０、および第２の判定部９９０の各要素に一対一に対応している。また、図２６に示す被写体検出プログラム８００の各プログラム部品は、図２７に示す被写体検出装置９００の各要素に一対一に対応している。

そのため、以下、図２７に示す被写体検出装置９００の各要素を取り上げて説明することによって、図２５に示す被写体検出方法の各ステップの説明および図２６に示す被写体検出プログラム８００の各プログラム部品の説明を兼ねるものとする。

また、上述したように、被写体検出装置９００に備えられている各要素のうちの、第２の抽出部９８０および第２の判定部９９０を除く、画像取得部５１０、抽出部５２０、フィルタリング部５３０、第２の確率分布算出部９４０、第２の補間演算部９４１、第１の統合部５５１、第２の統合部５５２、出力部５６０、および更新制御部５７０の各要素は、本発明の確率分布構築装置の第２実施形態を構成する要素であるため、これらの各要素を説明することによって、本発明の確率分布構築装置の第２実施形態の説明を兼ねるものとする。

なお、ここでは、この被写体検出装置９００の各要素の概念的な作用について説明し、これら各要素の具体的な作用については後述する。

図２７に示す被写体検出装置９００の第２の確率分布算出部９４０は、図２５に示す被写体検出方法の第２の確率分布算出ステップ（ステップＳ２４）に対応する要素であるとともに、アプリケーションソフトウェア上は、図２６に示す被写体検出プログラム８００の第２の確率分布算出部８４０に対応する要素であり、フィルタリング部５３０で抽出された頭部の寸法の出現確率分布を算出するものである。そして、この第２の確率分布算出部９４０は、画角内の１つの位置に対する、この位置に出現する頭部の出現寸法確率分布を、画角内の複数の位置それぞれについて算出するものである。この第２の確率分布算出部９４０は、本発明にいう確率分布算出部の機能の一例を示すものであり、その機能は、図１，図２，図３に示すパーソナルコンピュータ３０の本体装置３１に内蔵された、プログラム部品としての第２の確率分布算出部８４０（図２６参照）を実行するＣＰＵ３１１によって主に実現される。

尚、以下説明する、被写体検出装置９００の各要素においても、各要素の機能は、図１，図２，図３に示すパーソナルコンピュータ３０の本体装置３１に内蔵されたＣＰＵ３１１によって主に実現されるので、重複説明を避けるため、これら各要素のハードウェア上の説明は省略する。

また、図２７に示す被写体検出装置９００の第２の確率分布算出部９４０に備えられた第２の補間演算部９４１は、図２５に示す被写体検出方法の第２の確率分布算出ステップ（ステップＳ２４）に対応する要素であるとともに、アプリケーションソフトウェア上は、図２６に示す被写体検出プログラム８００の第２の補間演算部８４１に対応する要素であり、画角内の所定位置における出現寸法確率分布を、この位置とは異なる位置における出現寸法確率分布から補間演算により算出するものである。この第２の補間演算部９４１は、本発明にいう補間演算部の機能の一例を示すものである。

また、図２７に示す被写体検出装置９００の第２の抽出部９８０は、図２５に示す被写体検出方法の第２の抽出ステップ（ステップＳ２７）に対応する要素であるとともに、アプリケーションソフトウェア上は、図２６に示す被写体検出プログラム８００の第２の抽出部８８０に対応する要素であり、監視カメラ１０での新たな撮影により得られた画像の中から、人物の頭部に類似した類頭部状を、この類頭部形状の寸法と、監視カメラ１０の画角上の位置情報と、さらにこの類頭部形状が人物の頭部である確率を表す評価値とを伴って抽出するものである。この第２の抽出部９８０は、本発明にいう第２の抽出部の機能の一例を示すものである。

また、図２７に示す被写体検出装置９００の第２の判定部９９０は、図２５に示す被写体検出方法の第２の判定ステップ（ステップＳ２８）に対応する要素であるとともに、アプリケーションソフトウェア上は、図２６に示す被写体検出プログラム８００の第２の判定部８９０に対応する要素であり、第２の抽出部９８０で抽出された類頭部形状の寸法、位置情報、および評価値と、第２の確率分布算出部９４０で算出された出現確率分布とに基づいてその評価値を修正し、修正された評価値に基づいてその類頭部形状が人物の頭部であるか否かを判定するものである。この第２の判定部９９０は、本発明にいう第２の判定部の機能の一例を示すものである。

以下、本発明の被写体検出装置の第２実施形態をさらに具体的に説明する。

図２８は、第２の確率分布算出部９４０で算出され出力部５６０で出力された出現確率分布の一例を示す図である。

第２の確率分布算出部９４０が、フィルタリング部５３０で抽出された頭部の寸法の出現確率分布を算出する。そして、ここでは、この第２の確率分布算出部９４０は、画角内の１つの位置に対する、この位置に出現する頭部の出現寸法確率分布を、画角内の複数の位置それぞれについて算出する。例えば、図２８に、画角内の位置ａにおける、この位置ａに出現する、フィルタリング部５３０によって抽出された頭部の寸法「Ｚ１」の出現寸法確率分布α’と、画角内の位置ｂにおける、この位置ｂに出現する、フィルタリング部５３０によって抽出された頭部の寸法「Ｚ２」の出現寸法確率分布β’が示されている。

また、第２の確率分布算出部９４０に備えられた第２の補間演算部９４１が、画角内の所定位置における出現寸法確率分布を、この位置とは異なる位置における出現寸法確率分布から補間演算により算出する。図２８に示す、画角内の位置ｂにおける頭部の寸法「Ｚ３」の出現確率分布γ’は、この第２の補間演算部９４１によって算出された出現確率分布である。

尚、第２の確率分布算出部９４０で算出され出力部５６０で出力されたこの図２８に示す出現確率分布α，β，γの確率変数はＺ軸の値である。

このような第２の補間演算部９４１によって、フィルタリング部５３０で抽出された頭部のうちの画角内のある位置における頭部の数が少ない場合であっても、監視カメラ１０の画角全域にわたる出現確率分布を算出することができる。

そして、出力部５６０が、第２の確率分布算出部９４０で算出された出現確率分布を出力する。この図２８に示す３つの出現確率分布α’，β’，γ’が、出力部５６０によって出力された出現確率分布の一例である。

第２の抽出部９８０が、上述した第１実施形態において図８〜図１６を参照して説明した抽出部５２０による抽出と同様の手法で、監視カメラ１０での新たな撮影により得られた画像の中から、人物の頭部に類似した類頭部状である１８０°の半円を、この類頭部形状の寸法である１８０°の半円の直径寸法と、監視カメラ１０の画角上の位置情報である１８０°の半円の中心座標とを伴って抽出する。さらに、この第２の抽出部９８０は、この類頭部形状が人物の頭部である確率を表す評価値、つまり、抽出する１８０°の半円に対応付けられた総合評価値とを伴って抽出する。

第２の判定部９９０が、第２の抽出部９８０で抽出された類頭部形状の寸法、位置情報、および評価値と、第２の確率分布算出部９４０で算出された出現確率分布とに基づいてその評価値を修正し、修正された評価値に基づいてその類頭部形状が人物の頭部であるか否かを判定する。

上述した、出現領域定義ステップ（ステップＳ１７）、出現領域定義部４８０、および出現領域定義部５８０、並びに、被写体検出ステップ（ステップＳ１８）、被写体検出部４９０、および被写体検出部５９０を有する第１実施形態によれば、出現確率分布上では出現確率が低いときは、一律に、類頭部形状は人物の頭部ではないと判定される。これに対して、以上説明した、第２の抽出ステップ（ステップＳ２７）、第２の抽出部８８０、および第２の抽出部９８０、並びに、第２の判定ステップ（ステップＳ２８）、第２の判定部８９０、および第２の判定部９９０を有する第２実施形態によれば、出現確率分布上では出現確率が低くても、上記評価値が高い場合は、類頭部形状が人物の頭部であると判定され、精度の高い頭部検出が可能となる。

尚、上述した各実施形態では、類半円形状を検出することによって人物の頭部を検出する検出方法を説明したが、人物の頭部を検出する検出方法は、これに限られるものではなく、例えば、人物頭部の外形のみでなく、内部の特徴を抽出するなど、他の検出方法を採用しても良い。さらに、上述した各実施形態では、本発明にいう「特定種類の被写体」が人物の頭部である例を挙げて説明したが、本発明にいう「特定種類の被写体」は、人物の頭部のみに限られるものではなく、例えば、人物の顔であってもよく、屋外での野鳥観察における野鳥であってもよく、様々な被写体に適用できるものである。

本発明の被写体検出装置の第１実施形態が組み込まれた監視カメラシステムの概略構成図である。 図１に１つのブロックで示すパーソナルコンピュータの外観斜視図である。 図１，図２に示すパーソナルコンピュータのハードウェア構成図である。 本発明の被写体検出方法の第１実施形態を示すフローチャートである。 本発明の被写体検出プログラムの第１実施形態を示した図である。 本発明の被写体検出装置の第１実施形態を示す機能ブロック図である。 画像取得部によって取得された画像の一例を示す図である。 図７に示す画像を表現する複数の画素のうちの注目画素Ｐと評価画素Ｑ１〜Ｑ１６と勾配算出画素Ｒ１〜Ｒ１６とを示す概念図である。 １６個の勾配算出画素Ｒ１〜Ｒ１６それぞれに対応する各勾配値をこれら１６個の勾配算出画素Ｒ１〜Ｒ１６が評価画素Ｑ１を一周に渡って取り巻く順序に並べたときの勾配値群を示す図である。 図９に示す勾配値群に高値抑制処理を施すことにより生成された平滑化勾配値群を示す図である。 図１０に示す平滑化勾配値群に第１の移動平均処理を施すことにより生成された平滑化勾配値群を示す図である。 図１１に示す平滑化勾配値群に量子化処理を施すことにより生成された平滑化勾配値群を示す図である。 図１２に示す平滑化勾配値群に第２の移動平均処理を施すことにより生成された平滑化勾配値群を示す図である。 評価画素Ｑ１についての勾配方向を示す図である。 図７に示す画像の全域に亘る評価画素それぞれについて算出された勾配方向を示す図である。 テーブル記憶部に記憶されたテーブルの一例を示す図である。 頭部サイズの３次元空間を示す図である。 図１７に示すＺ軸座標値が「Ｚ１」のＸＹ平面上における類頭部形状の分布を示す図である。 図１７に示すＺ軸座標値が「Ｚ１」のＸＹ平面上における類頭部形状の分布を示す図である。 確率分布算出部で算出され出力部で出力された出現確率分布の一例を示す図である。 監視カメラによる複数の撮影方向それぞれでの撮影を説明する図である。 監視カメラによる複数の焦点距離それぞれでの撮影を説明する図である。 監視カメラの撮影画角と、出現領域定義部によって定義された、この撮影画角の出現領域の一例を示す図である。 画像取得部によって取得された画像の一例を示す図である。 本発明の被写体検出方法の第２実施形態を示すフローチャートである。 本発明の被写体検出プログラムの第２実施形態を示した図である。 本発明の被写体検出装置の第２実施形態を示す機能ブロック図である。 第２の確率分布算出部で算出され出力部で出力された出現確率分布の一例を示す図である。

符号の説明

１ 監視カメラシステム
１０ 監視カメラ
２０ インターネット
３０ パーソナルコンピュータ
３１ 本体装置
３１ａ ＦＤ装填口
３１ｂ ＣＤ−ＲＯＭ装填口
３１１ ＣＰＵ
３１２ 主メモリ
３１３ ハードディスク装置
３１４ ＦＤドライブ
３１５ ＣＤ−ＲＯＭドライブ
３１６ ネットワーク通信インタフェース
３２ 画像表示装置
３２ａ 表示画面
３３ キーボード
３４ マウス
３５ バス
１００ ＦＤ
１１０ ＣＤ−ＲＯＭ
４００，８００ 被写体検出プログラム
４１０ 画像取得部
４２０ 抽出部
４３０ フィルタリング部
４４０ 確率分布算出部
４４１ 補間演算部
４５１ 第１の統合部
４５２ 第２の統合部
４６０ 出力部
４７０ 更新制御部
４８０ 出現領域定義部
４９０ 被写体検出部
５００，９００ 被写体検出装置
５１０ 画像取得部
５２０ 抽出部
５３０ フィルタリング部
５４０ 確率分布算出部
５４１ 補間演算部
５５１ 第１の統合部
５５２ 第２の統合部
５６０ 出力部
５７０ 更新制御部
５８０ 出現領域定義部
５９０ 被写体検出部
６０，６１ 画像
６３ 画角
６３１，６３２，６３３，６４１，６４２ 撮影画角
６５ 画角
６５１，６５２，６５３ 出現領域
６６，６７，６８ 頭部
７０ テーブル
８４０ 第２の確率分布算出部
８４１ 第２の補間演算部
８８０ 第２の抽出部
８９０ 第２の判定部
９４０ 第２の確率分布算出部
９４１ 第２の補間演算部
９８０ 第２の抽出部
９９０ 第２の判定部

Claims (25)

1. 固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、該複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築方法であって、
   前記カメラから前記複数枚の画像を取得する画像取得ステップと、
   前記画像取得ステップで取得した複数枚の画像から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出ステップと、
   前記抽出ステップで抽出された被写体のうちの少なくとも一部の被写体の寸法の出現確率分布を算出する確率分布算出ステップと、
   前記抽出ステップで抽出された類被写体が前記特定種類の被写体であるか否かを判定して該特定種類の被写体を抽出するフィルタリングステップであって、前記抽出ステップで抽出された類被写体それぞれについて、画角内の当該類被写体の周囲に広がる所定寸法のサーチ領域内における、当該類被写体と同一寸法に分類された他の類被写体の個数を計数し、該計数値が閾値以上の場合にのみ当該類被写体を前記特定種類の被写体として抽出するフィルタリングステップとを有し、
   前記確率分布算出ステップが、前記フィルタリングステップで抽出された被写体の寸法の出現確率分布を算出するステップであることを特徴とする確率分布構築方法。
2. 前記確率分布算出ステップが、特定種類の被写体の１つの寸法に対する、該寸法の被写体が画角内の各位置に出現する出現位置確率分布を、該特定種類の被写体の複数の寸法それぞれについて算出するステップであることを特徴とする請求項１記載の確率分布構築方法。
3. 前記確率分布算出ステップが、所定寸法の被写体の出現位置確率分布を、該寸法とは異なる寸法の被写体の出現位置確率分布から補間演算により算出するステップを含むものであることを特徴とする請求項２記載の確率分布構築方法。
4. 前記確率分布算出ステップが、画角内の１つの位置に対する、該位置に出現する被写体の出現寸法確率分布を、画角内の複数の位置それぞれについて算出するステップであることを特徴とする請求項１記載の確率分布構築方法。
5. 前記確率分布算出ステップが、画角内の所定位置における出現寸法確率分布を、該位置とは異なる位置における出現寸法確率分布から補間演算により算出するステップを含むものであることを特徴とする請求項４記載の確率分布構築方法。
6. 前記抽出ステップが、前記類被写体を抽出するにあたり、該類被写体が抽出対象の被写体である可能性の程度を表す評価値を求め、抽出対象の被写体の、抽出からの洩れを許容して設定された閾値よりも抽出対象の被写体である可能性がさらに高いことを表す評価値が得られた類被写体のみを抽出するステップであることを特徴とする請求項１記載の確率分布構築方法。
7. 前記カメラが、撮影方向の変更が可能なカメラであって、
   複数の撮影方向それぞれでの撮影で得られた出現確率分布を統合することにより、該複数の撮影方向の画角を繋げた画角内の出現確率分布を構築する統合ステップをさらに有することを特徴とする請求項１記載の確率分布構築方法。
8. 前記カメラが、焦点距離可変なカメラであって、
   複数の焦点距離それぞれでの撮影で得られた出現確率分布を統合することにより、前記カメラの最広角の画角内の出現確率分布を構築する統合ステップをさらに有することを特徴とする請求項１記載の確率分布構築方法。
9. 固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、該複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築装置であって、
   前記カメラから前記複数枚の画像を取得する画像取得部と、
   前記画像取得部で取得した複数枚の画像から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出部と、
   前記抽出部で抽出された被写体のうちの全部または一部の被写体の寸法の出現確率分布を算出する確率分布算出部と、
   前記抽出部で抽出された類被写体が特定種類の被写体であるか否かを判定して該特定種類の被写体を抽出するフィルタリング部であって、前記抽出部で抽出された類被写体それぞれについて、画角内の当該類被写体形状の周囲に広がる所定寸法のサーチ領域内における、当該類被写体と同一寸法に分類された他の類被写体の個数を計数し、該計数値が閾値以上の場合にのみ当該類被写体を前記特定種類の被写体として抽出するフィルタリング部とを有し、
   前記確率分布算出部が、前記フィルタリング部で抽出された被写体の寸法の出現確率分布を算出するものであることを特徴とする確率分布構築装置。
10. 前記確率分布算出部が、特定種類の被写体の１つの寸法に対する、該寸法の被写体が画角内の各位置に出現する出現位置確率分布を、該特定種類の被写体の複数の寸法それぞれについて算出するものであることを特徴とする請求項９記載の確率分布構築装置。
11. 前記確率分布算出部が、所定寸法の被写体の出現位置確率分布を、該寸法とは異なる寸法の被写体の出現位置確率分布から補間演算により算出する補間演算部を含むものであることを特徴とする請求項１０記載の確率分布構築装置。
12. 前記確率分布算出部が、画角内の１つの位置に対する、該位置に出現する被写体の出現寸法確率分布を、画角内の複数の位置それぞれについて算出するものであることを特徴とする請求項９記載の確率分布構築装置。
13. 前記確率分布算出部が、画角内の所定位置における出現寸法確率分布を、該位置とは異なる位置における出現寸法確率分布から補間演算により算出する補間演算部を含むものであることを特徴とする請求項１２記載の確率分布構築装置。
14. 前記抽出部が、前記類被写体を抽出するにあたり、該類被写体が抽出対象の被写体である可能性の程度を表す評価値を求め、抽出対象の被写体の、抽出からの洩れを許容して設定された閾値よりも抽出対象の被写体である可能性がさらに高いことを表す評価値が得られた類被写体のみを抽出するものであることを特徴とする請求項９記載の確率分布構築装置。
15. 前記カメラが、撮影方向の変更が可能なカメラであって、
    複数の撮影方向それぞれでの撮影で得られた出現確率分布を統合することにより、該複数の撮影方向の画角を繋げた画角内の出現確率分布を構築する統合部をさらに備えたことを特徴とする請求項９記載の確率分布構築装置。
16. 前記カメラが、焦点距離可変なカメラであって、
    複数の焦点距離それぞれでの撮影で得られた出現確率分布を統合することにより、前記カメラの最広角の画角内の出現確率分布を構築する統合部をさらに備えたことを特徴とする請求項９記載の確率分布構築装置。
17. 前記確率分布算出部で算出された出現確率分布を出力する出力部をさらに備えたことを特徴とする請求項９記載の確率分布構築装置。
18. 前記出現確率分布が一旦構築された後においても、前記画像取得部に画像を取得させ、新たに取得した画像について、前記抽出部を作用させて、前記確率分布算出部に、該新たな画像から抽出した被写体の情報を新たに加えて前記出現確率分布を更新させる更新制御部を備えたえたことを特徴とする請求項９記載の確率分布構築装置。
19. コンピュータ内で実行され、該コンピュータを、固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、該複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築装置として動作させる確率分布構築プログラムであって、
    前記コンピュータを、
    前記カメラから前記複数枚の画像を取得する画像取得部と、
    前記画像取得部で取得した複数枚の画像から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出部と、
    前記抽出部で抽出された被写体のうちの全部または一部の被写体の寸法の出現確率分布を算出する確率分布算出部と
    前記抽出部で抽出された類被写体が特定種類の被写体であるか否かを判定して該特定種類の被写体を抽出するフィルタリング部であって、前記抽出部で抽出された類被写体それぞれについて、画角内の当該類被写体形状の周囲に広がる所定寸法のサーチ領域内における、当該類被写体と同一寸法に分類された他の類被写体の個数を計数し、該計数値が閾値以上の場合にのみ当該類被写体を前記特定種類の被写体として抽出するフィルタリング部とを有し、
    前記確率分布算出部が、前記フィルタリング部で抽出された被写体の寸法の出現確率分布を算出するものである確率分布構築装置として動作させることを特徴とする確率分布構築プログラム。
20. 請求項１から請求項８のうちのいずれか１項記載の確率分布構築方法に加え、さらに、
    確率分布算出ステップで算出された出現確率分布に基づいて、前記カメラの画角内の、前記特定種類の被写体の該画角内に出現する寸法ごとの出現領域を定義する出現領域定義ステップと、
    前記カメラでの新たな撮影により得られた画像中の、前記寸法に応じた出現領域内から、該寸法の類被写体として現れた前記特定種類の被写体を検出する被写体検出ステップとを有することを特徴とする被写体検出方法。
21. 固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、該複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築方法であって、
    前記カメラから前記複数枚の画像を取得する画像取得ステップと、
    前記画像取得ステップで取得した複数枚の画像から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出ステップと、
    前記抽出ステップで抽出された被写体のうちの少なくとも一部の被写体の寸法の出現確率分布を算出する確率分布算出ステップとを有する確率分布構築方法に加え、さらに、
    前記カメラでの新たな撮影により得られた画像の中から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と、当該カメラの画角上の位置情報と、さらに該類被写体が該特定種類の被写体である確率を表す評価値とを伴って抽出する第２の抽出ステップと、
    前記第２の抽出ステップで抽出された類被写体の寸法、位置情報、および評価値と、前記確率分布算出ステップで算出された出現確率分布とに基づいて該評価値を修正し、修正された評価値に基づいて該類被写体形状が前記特定種類の被写体であるか否かを判定する第２の判定ステップとを有することを特徴とする被写体検出方法。
22. 請求項９から請求項１８のうちのいずれか１項記載の確率分布構築装置を備えるとともに、さらに、
    確率分布算出部で算出された出現確率分布に基づいて、前記カメラの画角内の、前記特定種類の被写体の該画角内に出現する寸法ごとの出現領域を定義する出現領域定義部と、
    前記カメラでの新たな撮影により得られた画像中の、前記寸法に応じた出現領域内から、該寸法の類被写体として現れた前記特定種類の被写体を検出する被写体検出部とを備えたことを特徴とする被写体検出装置。
23. 固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、該複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築装置であって、
    前記カメラから前記複数枚の画像を取得する画像取得部と、
    前記画像取得部で取得した複数枚の画像から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出部と、
    前記抽出部で抽出された被写体のうちの全部または一部の被写体の寸法の出現確率分布を算出する確率分布算出部とを備えた確率分布構築装置を備えるとともに、さらに、
    前記カメラでの新たな撮影により得られた画像の中から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と、当該カメラの画角上の位置情報と、さらに該類被写体が該特定種類の被写体である確率を表す評価値とを伴って抽出する第２の抽出部と、
    前記第２の抽出部で抽出された類被写体の寸法、位置情報、および評価値と、前記確率分布算出部で算出された出現確率分布とに基づいて該評価値を修正し、修正された評価値に基づいて該類被写体が前記特定種類の被写体であるか否かを判定する第２の判定部とを備えたことを特徴とする被写体検出装置。
24. 請求項１９記載の確率分布構築プログラムを有するとともに、前記コンピュータを、さらに、
    確率分布算出部で算出された出現確率分布に基づいて、前記カメラの画角内の、前記特定種類の被写体の該画角内に出現する寸法ごとの出現領域を定義する出現領域定義部と、
    前記カメラでの新たな撮影により得られた画像中の、前記寸法に応じた出現領域内から、該寸法の類被写体として現れた前記特定種類の被写体を検出する被写体検出部とを有する被写体検出装置として動作させることを特徴とする被写体検出プログラム。
25. コンピュータ内で実行され、該コンピュータを、固定的に設置されたカメラで被写界を繰り返し撮影して得られた複数枚の画像から、該複数枚の画像中に複数の寸法で繰り返し出現する特定種類の被写体の寸法の出現確率分布を構築する確率分布構築装置として動作させる確率分布構築プログラムであって、
    前記コンピュータを、
    前記カメラから前記複数枚の画像を取得する画像取得部と、
    前記画像取得部で取得した複数枚の画像から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と当該カメラの画角上の位置情報とを伴って抽出する抽出部と、
    前記抽出部で抽出された被写体のうちの全部または一部の被写体の寸法の出現確率分布を算出する確率分布算出部と
    前記抽出部で抽出された類被写体が特定種類の被写体であるか否かを判定して該特定種類の被写体を抽出するフィルタリング部であって、前記抽出部で抽出された類被写体それぞれについて、画角内の当該類被写体形状の周囲に広がる所定寸法のサーチ領域内における、当該類被写体と同一寸法に分類された他の類被写体の個数を計数し、該計数値が閾値以上の場合にのみ当該類被写体を前記特定種類の被写体として抽出するフィルタリング部とを有し、
    前記確率分布算出部が、前記フィルタリング部で抽出された被写体の寸法の出現確率分布を算出するものである確率分布構築装置として動作させる確率分布構築プログラムを有するとともに、前記コンピュータを、さらに、
    前記カメラでの新たな撮影により得られた画像の中から、前記特定種類の被写体に類似した類被写体を、該類被写体の寸法と、当該カメラの画角上の位置情報と、さらに該類被写体が該特定種類の被写体である確率を表す評価値とを伴って抽出する第２の抽出部と、
    前記第２の抽出部で抽出された類被写体の寸法、位置情報、および評価値と、前記確率分布算出部で算出された出現確率分布とに基づいて該評価値を修正し、修正された評価値に基づいて該類被写体が前記特定種類の被写体であるか否かを判定する第２の判定部とを有する被写体検出装置として動作させることを特徴とする被写体検出プログラム。

Images