JP5155250B2 - 対象物検出装置 - Google Patents

Description

本発明は、監視画像から検出対象物の特徴を有する領域を検出し、検出対象物の存在を判定する対象物検出装置に関する。

侵入者や不審者などを検出するために監視画像から検出対象物である人間の領域を抽出することが行われる。この領域の検出には背景差分処理や識別器による探索処理などが用いられるが、その際、人間以外の領域が誤抽出される場合があり、誤報の原因となる。

この点、特許文献１に記載の移動物体追跡装置では、背景差分処理により抽出された領域の寸法や縦横比などの形状の特徴が監視対象としてふさわしくない場合に当該領域を処理対象から除外することにより誤抽出の低減を図っている。

一方、画像編集装置の分野では、画像中の色が類似する画素を連結した色連結領域の情報を利用して人物領域等の切り抜き作業を支援することが行われている。

特許文献２に記載の画像編集装置においては、オペレータが切抜き抽出したい画像領域を座標入力装置等で指定すると、指定された画像領域に所定割合以上の面積が含まれる色連結領域を抜き出すことで切り抜き作業の効率化を図っている。

このように類似する画素をまとめる処理はセグメンテーションなどと呼ばれる。

特開２００８−２５０７７２号公報 特開平１−１７５０７６号公報

しかしながら、従来技術においては誤抽出された領域を除外しきれず、依然として誤抽出された領域に検出対象物の存在を判定してしまうという問題が残っていた。

例えば、背景差分処理を用いる特許文献１に記載の移動物体追跡装置においては、草木が揺れたり、ヘッドライトに照らされたりした背景の一部領域が、たまたま人間程度の寸法や縦横比を有している場合に、これらの領域を誤抽出してしまう。背景に生じる変化は多種多様であるため、寸法や縦横比の基準を調整するだけでは誤抽出を根絶するのは困難である。

一方、セグメンテーションを利用して人物等の領域を抜き出す技術においては、オペレータによる目視確認が必要であり自動化が困難であった。

また、セグメンテーションの粗さは設定によって変わるが背景と人物の色関係は多様であり、領域の抜き出しに適した粗さを予め設定するのは困難であった。

例えば、図１０は１つの人物画像に対し、細かいセグメンテーション処理を施した結果と粗いセグメンテーション処理を施した結果を対比して示した説明図である。図１０において、画像９０は細かいセグメンテーション処理を施した結果の画像であり、画像９１は粗いセグメンテーション処理を施した結果の画像である。画像９０では人物と背景が適確に分離されているが、画像９１では足の一部（矢印が示す部分）が背景と連結されてしまっている。この場合、細かいセグメンテーション処理が領域の抜き出しに適している。

一方、図１１は、図１０の場合とは別の人物画像に対し、細かいセグメンテーション処理を施した結果と粗いセグメンテーション処理を施した結果を対比して示した説明図である。図１１において、画像９２は細かいセグメンテーション処理を施した結果の画像であり、画像９３は粗いセグメンテーション処理を施した結果の画像である。画像９２では足の一部（矢印が示す部分）が背景と連結されてしまっているが、画像９３では人物と背景が適確に分離されている。この場合、粗いセグメンテーション処理が領域の抜き出しに適している。

本発明は、上記問題を解決するためになされたものであり、背景の誤抽出を排除して高い精度で物体の存在を検出できる対象物検出装置、又は画像中における対象物の領域を高精度に検出できる対象物検出装置を提供することを目的とする。

本発明に係る対象物検出装置は、検出対象物とその背景とが撮影された処理対象画像から前記検出対象物を検出するものであって、前記処理対象画像に前記検出対象物の像の候補領域を設定する候補領域設定手段と、それぞれ画素値が所定の類似性を有する画素からなる複数の画像断片に前記処理対象画像を分割する処理を、予め設定された複数の分割粒度毎に行う画像分割手段と、前記画像断片について前記候補領域の内側にある画素数に応じて増加する対象物帰属度と、当該候補領域の外側にある画素数に応じて増加する背景帰属度とを算出する帰属度算出手段と、互いに異なる前記分割粒度について算出される複数の前記対象物帰属度及び前記背景帰属度を統合して統合評価値を決定する帰属度統合手段と、を備え、前記統合評価値を用いて前記候補領域に対する前記検出対象物の検出処理を行う。

他の本発明に係る対象物検出装置は、統合領域評価値に基づいて前記候補領域に前記検出対象物が存在するか否かの判定を行う存否判定手段を有し、前記帰属度統合手段が、前記画像断片のうち前記候補領域の内外に跨り、かつ前記背景帰属度が前記対象物帰属度を上回る背景画像断片を検出し、前記統合評価値として前記背景画像断片についての前記対象物帰属度を統合して前記統合領域評価値を定め、前記存否判定手段が、当該統合領域評価値を用いて前記判定を行うものである。この対象物検出装置において、前記帰属度統合手段は、前記背景画像断片についての前記対象物帰属度を前記分割粒度毎に合計した合計値に基づいて粒度別領域評価値を算出し、前記粒度別領域評価値の最小値を前記統合領域評価値と定める構成とすることができる。また、前記帰属度統合手段は、前記背景画像断片についての前記対象物帰属度を前記分割粒度毎に合計した合計値に基づいて粒度別領域評価値を算出し、前記粒度別領域評価値のうち下位所定数の和又は平均値を前記統合領域評価値と定める構成とすることもできる。

別の本発明に係る対象物検出装置は、前記統合評価値に基づき前記候補領域を修正して前記検出対象物の像を求める領域修正手段を有し、前記帰属度統合手段が、前記統合評価値として注目画素毎に、当該注目画素を含む前記各分割粒度の前記画像断片の前記対象物帰属度を統合した統合対象物帰属度と前記背景帰属度を統合した統合背景帰属度とを求め、前記領域修正手段が、前記統合対象物帰属度が前記統合背景帰属度を越える前記注目画素の集合を前記検出対象物の像として求める。

さらに別の本発明に係る対象物検出装置は、前記画像断片の内外での画素値の所定の相違性に応じた断片明瞭度を求める断片明瞭度算出手段を有し、前記帰属度統合手段が、前記画像断片について算出された前記対象物帰属度又は前記背景帰属度を当該画像断片の前記断片明瞭度で重み付けして前記統合を行う。

本発明によれば、背景の誤抽出を排除して対象物の存在を高精度に判定すること、又は対象物の領域を高精度に検出することが可能となる。

本発明の実施形態に係る画像監視装置の概略のブロック構成図である。 分割粒度の違いによる分割結果の違いを説明する模式図である。 断片明瞭度算出を説明するための模式図である。 画像断片と特徴領域との重複関係を説明するための模式図である。 帰属度算出手段の対象物帰属度及び背景帰属度の算出を説明するための説明図である。 画像監視処理の概略のフロー図である。 画像断片情報生成処理の概略のフロー図である。 存否判定処理の概略のフロー図である。 領域修正処理の概略のフロー図である。 １つの人物画像に対し、細かいセグメンテーション処理を施した結果と粗いセグメンテーション処理を施した結果を対比して示した説明図である。 １つの人物画像に対し、細かいセグメンテーション処理を施した結果と粗いセグメンテーション処理を施した結果を対比して示した説明図である。

以下、本発明の実施の形態（以下実施形態という）である画像監視装置１について、図面に基づいて説明する。画像監視装置１は、監視空間から得られた監視画像において、検出対象物である人間の特徴を有する特徴領域を抽出することで侵入者を検出する。侵入者を検出すると画像監視装置１は異常信号を出力する。図１は、実施形態に係る画像監視装置１の概略のブロック構成図である。画像監視装置１は、画像入力部２、記憶部３、制御部４及び出力部５を含んで構成される。

画像入力部２は、監視カメラであり、監視空間内に設置され、監視空間を所定の時間間隔で撮影し、各画素が多階調の画素値で表現される監視画像（処理対象画像）を出力する。本実施形態において監視画像はカラー画像であり、例えば、各画素の画素値がそれぞれ２５６階調のＲ値、Ｇ値及びＢ値の組で表現される。また、監視画像は輝度値で表される濃淡画像であってもよく、この場合、画素値は例えば２５６階調の輝度値で表現される。本画像監視装置１において監視カメラは、少なくとも検出対象物と共にその周辺の背景が監視画像に含まれるような設置条件（設置位置等）及び撮像条件（画角等）にて撮像を行うように構成されている。より好適には、検出対象物が撮像されたときに監視画像に占める背景の面積が検出対象物の面積以上となるような設置条件および撮像条件にて撮像を行うように構成されている。撮影された監視空間の監視画像は順次、制御部４へ出力される。

記憶部３は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスク等の記憶装置であり、制御部４で使用されるプログラムやデータを記憶する。記憶部３はこれらプログラム、データを制御部４との間で入出力する。記憶部３に記憶されるデータには抽出用情報３０、分割粒度３１が含まれる。

抽出用情報３０は、対象物の領域を抽出するための情報であり、抽出処理に先立って生成され記憶部３に格納されている情報である。背景差分処理で対象物を抽出する本実施形態では、抽出用情報３０は、具体的には対象物の像を含まない監視空間の画像であり、抽出処理に先立って監視画像に基づいて背景画像として生成される。なお、対象物の領域を識別器により抽出する他の実施形態では、抽出用情報３０として、特徴空間において対象物とそれ以外を分ける識別面を表すパラメータが格納される。この識別面を表すパラメータは、対象物が撮像されている多数のサンプル画像、及び対象物が撮像されていない多数のサンプル画像の特徴量（コントラスト、エッジ方向等）をサポートベクターマシーンやブースティング法に適用することで予め学習される。

分割粒度３１は、後述するセグメンテーション処理により監視画像を画像断片に分割する粒度（粗さ、又は細かさ）を規定する設定パラメータである。本画像監視装置１では、複数の粒度に対応する設定パラメータが分割粒度３１として予め記憶される。設定パラメータは３通り以上記憶され、望ましくは５〜７通りの設定パラメータが記憶される。

制御部４は、ＤＳＰ（Digital Signal Processor）、ＭＣＵ（Micro Control Unit）等の演算装置を用いて構成され、画像入力部２、記憶部３及び出力部５と接続される。制御部４は、記憶部３からプログラムを読み出して実行し、後述する各種の手段（領域設定手段４０、画像分割手段４１、断片明瞭度算出手段４２、帰属度算出手段４３、帰属度統合手段４４、存否判定手段４５、領域修正手段４６、異常検知手段４７）として機能する。

領域設定手段４０は、監視画像と抽出用情報３０との比較により、監視画像にて検出対象物の特徴を有する特徴領域を抽出し、当該特徴領域を検出対象物の像の候補領域として設定する。抽出された特徴領域の情報は帰属度算出手段４３へ出力される。具体的には、領域設定手段４０は、抽出用情報３０として記憶されている背景画像を用いて、監視画像と当該背景画像との差分処理を行い、差分閾値より大きな差を有する画素のまとまりを特徴領域として抽出する。この場合、画素値が背景と異なる領域が特徴領域として抽出されることになる。

識別器を用いる他の実施形態では、領域設定手段４０は、監視画像に所定大きさ、所定形状の識別領域を順次設定し、識別領域の画像を分析して特徴量（コントラスト、エッジ方向など）を抽出し、抽出された特徴量を、抽出用情報３０として記憶されている識別面のパラメータと比較して識別結果（対象物か否か）を導出する。なお、識別領域を設定した探索は、識別領域の大きさ及び形状を変更して複数回繰り返してもよい。この場合、特徴量が対象物と類似する識別領域が特徴領域として抽出されることになる。

画像分割手段４１は、監視画像において画素値が互いに類似する隣接画素をまとめることで複数の画像断片を抽出する。この抽出処理により、監視画像は、画素値が所定の類似性を有する画素からなる複数の画像断片に分割される。このような画像断片は、一般にセグメントと称され、セグメントを抽出する処理は一般にセグメンテーションと称される。画像分割手段４１は、複数の分割粒度３１のそれぞれに対応した粒度にて、監視画像を画像断片に分割する。処理結果である画像断片の情報は断片明瞭度算出手段４２及び存否判定手段４３へ出力される。

代表的なセグメンテーションの方式として、ｋ平均法や平均シフト法がある。これらによるセグメンテーションを説明する。

［ｋ平均法に基づくセグメンテーション］
この方式によるセグメンテーションは以下の手順で行われる。
（手順１）監視画像からｋ個の画素を任意に選択し、選択された画素の画素値をシードに設定する。
（手順２）監視画像中の各画素を最も類似するシードに関連付ける。
（手順３）シードごとに、関連付けられた画素の平均画素値を算出し、シードから平均画素値への移動量を求める。
（手順４）移動量が予め設定された閾値ε以下なら次の手順５へ進み、そうでなければ算出された平均画素値をシードに設定して手順２に戻る。
（手順５）同一シードに関連付けられた画素のうち互いに隣接する画素同士をひとつのセグメントにまとめる。

この方式では、粒度はシードの数ｋに依存する。ｋが大きいほど粒度は細かくなる。この方式を採用する場合、分割粒度３１にはシードの数ｋが複数通り設定される。

［平均シフト法に基づくセグメンテーション］
この方式によるセグメンテーションは以下の手順で行われる。
（手順１）監視画像中の各画素を中心とする所定大きさの局所領域を初期設定する。
（手順２）局所領域の密度勾配ベクトルを算出しては山登り法を用いて該ベクトル方向へ（密度が高くなる方向へ）局所領域をシフトすることをシフト量が収束するまで繰り返す。
（手順３）監視画像中の各画素に収束点の画素値（最頻画素値を意味する）を設定する。
（手順４）手順３により生成される画像にて、隣接する画素との画素値の差が規定値以下の画素同士を一つのセグメントにまとめる。

この方式では、粒度は、局所領域の大きさや上記規定値に依存する。局所領域が小さいほど粒度は細かくなり、規定値が小さいほど粒度は細かくなる。この方式を採用する場合、分割粒度３１には複数通りの局所領域の大きさや規定値が設定される。

なお、平均シフト法についての参考文献として、Dorin Comaniciu, Peter Meer: Mean
Shift: A Robust Approach Toward Feature Space Analysis. IEEE Trans. Pattern
Anal. Mach. Intell. 24(5): 603-619 (2002)がある。

その他のセグメンテーション方法として、画像をグラフとみなした上でその最小切断や正規化切断を求める方法などを用いることもできる。

図２は、分割粒度の違いによる分割結果の違いを説明する模式図である。図２には、同じ監視画像を異なる粒度でセグメンテーションした結果の画像７０〜７２が示されており、画像７０，７１，７２の順で粒度が細かくなる。各画像７０〜７２の右横には、対応する画像７０〜７２の階調を模式的に示すスケールを示している。説明を簡単化するため各階調を等間隔としている。これらスケールの縦方向の全体が画素値の範囲（２５６階調の画素値）を表し、全体を縦方向に区分した各区画がセグメンテーション後の画像の階調を表している。セグメンテーションにより、いずれの場合も元の監視画像より階調が少なくなるが、一般に粒度が粗いほど分割後の階調数は少なくなり、粒度が粗いほど分割後の１階調が表す元画像の画素値の幅が広くなる。

一般に粒度が粗いと個々の画像断片は大きくなる。背景と対象物との境界付近の画素値が比較的類似しており１階調の幅の中に納まってしまうと、図１０，図１１を参照して述べたように背景と対象物を分離できない状態になる。

画像７０，７２の右横の階調スケールに示す矢印７３〜７６は画素値の例を示すものである。例えば、矢印７３，７４は対象物と背景との真の境界付近において互いに隣接している画素の画素値を表しており、これらの画素の一方は対象物側、他方は背景側に存在しているものとする。粗く分割された画像７０において画素値７３，７４は同じ階調の区画に属し、画素値７３，７４を有する画素は同一画像断片にまとめられてしまう。これに対して、細かく分割された画像７２において画素値７３，７４は別の階調区画に属し、画素値７３，７４は別々の画像断片に正しく分かれる。この例示は粒度が粗いときには正しく分離されず、粒度が細かいときには正しく分離される図１０のケースに対応する。

また、例えば、矢印７５，７６は上述の例と同様に、対象物と背景との真の境界付近において互いに隣接している画素の画素値を表しているものとする。粗く分割された画像７０において画素値７５，７６は別の階調の区画に属し、画素値７５，７６を有する画素は別々の画像断片に正しく分かれる。これに対して、細かく分割された画像７２において画素値７５，７６は同じ階調の区画に属し、画素値７５，７６を有する画素は同一画像断片にまとめられてしまう。この画素値７５，７６による例示は粒度が粗いときには正しく分離され、粒度が細かいときには正しく分離されない図１１のケースに対応する。

上述した階調の境と領域境界との不整合は、ｋ平均法のシード数ｋ、平均シフト法の規定値が処理対象画像に対し不適切である場合に生じ得る。

正しく分離されない別の要因は平均シフト法の局所領域の大きさが処理対象画像に対して不適切である場合に生じ得る。すなわち、局所領域が抽出されるべき画像断片に対して大きすぎたり小さすぎたりすると、密度勾配ベクトルが収束すべき最頻画素値の存在する方向と一致しなくなるのである。

断片明瞭度算出手段４２は、画像分割手段４１において抽出された各画像断片について、その内外での画素値の所定の相違性に応じた断片明瞭度を算出し帰属度統合手段４４へ出力する。当該画像断片の周囲画像と大きく相違する画像断片は周囲画像と明瞭に区別でき、その輪郭は対象物の輪郭、対象物を構成する対象構成物の輪郭、又は背景を構成する背景構成物の輪郭といった真の輪郭と一致している可能性が高い。一方、相違が小さい画像断片は、陰影等の影響により対象構成物や背景構成物の一部のみが抽出された画像断片である可能性が高い。

例えば、断片明瞭度は、注目断片の縁部に存在する各縁部画素と、注目断片の外側に存在し当該縁部画素に隣接する周囲画素との相違度（相互相違度）を総和することで算出される。具体的には、縁部画素の画素値をｃ_ｉ、各縁部画素に隣接する周囲画素の画素値をｃ_ｊと表すと、画像断片ｓの断片明瞭度Ｌ_ｓの算出式は次の（１）式で定義することができる。
Ｌ_ｓ＝Ｇ（１／Σ｛α・exp(−‖ｃ_ｉ−ｃ_ｊ‖^２／β)｝） ・・・（１）

（１）式において、Ｇ（ｘ）はｘ＝０で０、ｘ＝∞で１となる増加関数であり、このＧ(ｘ)により断片明瞭度Ｌ_ｓの値域は［０，１）に正規化される。本実施形態では画素値ｃ_ｉ，ｃ_ｊはＲＧＢ値からなるベクトルであり、‖ｘ‖はベクトルｘのノルムを表す。また、α及びβは予め設定される定数である。Σは、画素値ｃ_ｉ，ｃ_ｊの組についての総和を表す。

ここで、縁部画素の多寡や縁部画素の画素値の分布は画像断片ごとに異なるため、縁部画素と周囲画素との関係のみから断片明瞭度を算出すると、画像断片間で断片明瞭度の信頼性に格差が生じ得る。そこで、断片明瞭度算出手段４２は、注目断片内の画素間についての相違度（自己相違度）を算出し、当該自己相違度により上記相互相違度を正規化する。自己相違度は、注目断片内の互いに隣接する画素間の相違度を総和することで算出され、画像断片ｓ内の互いに隣接する２つの画素の画素値をそれぞれｃ_ｈ１，ｃ_ｈ２と表すと、画像断片ｓの正規化された断片明瞭度Ｌ_ｓの算出式は（２）式で与えられる。
Ｌ_ｓ＝Ｇ（Σ｛exp(−‖ｃ_ｈ１−ｃ_ｈ２‖^２／β)｝／Σ｛exp(−‖ｃ_ｉ−ｃ_ｊ‖^２／β)｝） ・・・（２）

（２）式において第１のΣは画素値ｃ_ｈ１，ｃ_ｈ２の組についての総和、第２のΣは画素値ｃ_ｉ，ｃ_ｊの組についての総和を表す。このように正規化処理を行うことで、画像断片間の格差により生じる断片明瞭度の信頼性低下を防ぐことができる。

図３（ａ）は注目断片ｓ及び周囲画像の模式図であり、注目断片ｓ内の縁部画素（画素値ｃ_ｉ）、注目断片ｓ外の周囲画素（画素値ｃ_ｊ）の位置が示されている。図３（ｂ）は関数Ｇの一例を示しており、横軸が引数ｘ、縦軸が関数値Ｇ(ｘ)である。

帰属度算出手段４３は、各画像断片と特徴領域との重複度合いに応じた評価値を算出する。ここで算出される評価値は、画像断片のうち特徴領域の内側にある画素数に応じて増加するものであり、当該画像断片の検出対象物への帰属度を表す。そこで当該評価値を対象物帰属度と呼ぶことにする。また、帰属度算出手段４３は、各画像断片と背景との重複度合いに応じた評価値を算出する。ここで算出される評価値は、画像断片のうち特徴領域の外側にある画素数に応じて増加するものであり、当該画像断片の背景への帰属度を表す。そこで当該評価値を背景帰属度と呼ぶことにする。

図４は、画像断片と特徴領域との重複関係を説明するための模式図である。図４には、監視画像にて抽出される画像断片の例として、特徴領域８０に対する位置関係が異なる画像断片８１〜８４が示されている。画像断片８１，８２は部分的に特徴領域８０と重複し、特徴領域８０の輪郭を内側に含んでいる。このように特徴領域の内外に跨っている画像断片は当該特徴領域への帰属が不確かであるため不確定断片と呼ぶことにする。画像断片８３はその全体が特徴領域８０と重複する。画像断片８４はその全体が特徴領域８０の外側にあり特徴領域８０とは重複しない。これら画像断片８３，８４は特徴領域８０の輪郭を内側に含まないので不確定断片ではない。図４にて横線で網掛けされた部分は画像断片における特徴領域８０との重複部分であり、一方、縦線で網掛けされた部分は画像断片における特徴領域８０からのはみ出し部分である。

図５は、帰属度算出手段４３の対象物帰属度及び背景帰属度の算出を説明するための説明図であり、同図の上側には特徴領域８０と、その輪郭８５に跨る画像断片８１とを示している。また同図の右上には、以下の説明で用いる画素ｅ１，ｅ２及び距離ｄ_ｅ１，ｄ_ｅ２を図示している。また同図の下側には特徴領域８０を横切る直線８６に沿った関数Ｆのグラフ８７を示している。

帰属度算出手段４３は、対象物帰属度として、重複部分の面積（画素数）や当該面積が画像断片に占める割合を算出するようにすることもできるが、本実施形態では、特徴領域の輪郭からの距離に応じた重み付けを行った値を算出する。この構成について以下説明する。帰属度算出手段４３は、重複部分の画素をｅ１、特徴領域の輪郭から当該画素ｅ１までの距離をｄ_ｅ１と表すと、画像断片ｓの対象物帰属度ｇ_ｓを下記（３）式で算出する。
ｇ_ｓ＝ΣＦ(ｄ_ｅ１) ・・・（３）

（３）式においてΣは画素ｅ１についての総和を表す。また、Ｆ(ｘ)は引数ｘとして入力される距離ｄ_ｅ１に応じた重みを定義する予め定められた関数であり、ｘ＞０に対して値域が（０，１）であり、かつ増加関数である。

帰属度算出手段４３は上述の対象物帰属度と同様に、背景帰属度として、はみ出し部分の面積（画素数）や当該面積が画像断片に占める割合を算出するようにすることもできるが、本実施形態では、特徴領域の輪郭からの距離に応じた重み付けを行った値を算出する。この構成について以下説明する。帰属度算出手段４３は、はみ出し部分の画素をｅ２、特徴領域８０の輪郭８５から当該画素ｅ２までの距離をｄ_ｅ２と表すと、画像断片ｓの背景帰属度ｎ_ｓを下記（４）式で算出する。
ｎ_ｓ＝ΣＦ(ｄ_ｅ２) ・・・（４）

（４）式においてΣは画素ｅ２についての総和を表す。また、Ｆ(ｘ)は（３）式におけるものと同様の関数であり、（４）式では引数ｘとして入力される距離ｄ_ｅ２に応じた重み付けを行う。

画素単位でみた場合、特徴領域の輪郭近傍の画素の帰属（当該画素が対象物と背景とのいずれに属するか）の不確定性が高い。逆に、輪郭から離れるほど帰属の不確定性は低くなり、特徴領域の中心に近い画素ほど対象物に帰属する確度が高く、一方、輪郭から特徴領域の外側へ離れるほど背景に帰属する確度が高い。そこで、上述のように、重複部分の各画素について特徴領域の輪郭から当該画素までの距離に応じた重み付けを行うことで、各画素の帰属の確度を反映した対象物帰属度を算出することができ、またはみ出し部分の各画素について特徴領域の輪郭から当該画素までの距離に応じた重み付けを行うことで、各画素の帰属の確度を反映した背景帰属度を算出することができる。

ちなみに、図４に示す例では、不確定断片８１に関しては背景帰属度が対象物帰属度を上回り、不確定断片８２に関しては対象物帰属度が背景帰属度を上回る。

なお、帰属度算出手段４３は、（３）式、（４）式で得られる対象物帰属度ｇ_ｓ、背景帰属度ｎ_ｓをそれぞれ画像断片ｓの面積Ａ_ｓで除して、各帰属度ｇ_ｓ，ｎ_ｓをそれぞれの最大値が１となるように正規化してもよい。この場合、特徴領域８０に包含される画像断片８３では対象物帰属度が最大値“１”に近い値となる一方、背景帰属度は最小値“０”となり、また、特徴領域８０の外側に位置する画像断片８４では対象物帰属度が最小値“０”になる一方、背景帰属度は最大値“１”に近い値となる。

帰属度統合手段４４は、互いに異なる粒度について算出される複数の対象物帰属度及び背景帰属度を統合して統合評価値を決定する。帰属度統合手段４４は、存否判定手段４５から統合を指示された場合は特徴領域単位で各帰属度を統合し、領域修正手段４６から統合を指示された場合は画素単位で各帰属度を統合する。

画像分割手段４１は同一の処理対象画像から複数の粒度にて画像断片を抽出し、帰属度算出手段４３はこの画像断片の情報を基に対象物帰属度と背景帰属度とを算出する。つまり処理対象画像の各部分に対応する対象物帰属度と背景帰属度とはそれぞれ粒度について複数通り算出される。

図２を参照して説明したように画像分割手段４１により抽出される画像断片の中には背景と対象物とを分離できていない不適正な画像断片が含まれる問題がある。しかしこの問題は粒度の設定と処理対象画像との相性が悪い場合に生じるものであり、不適正な画像断片が抽出される確率は比較的低い。

そのため、もし不適正な画像断片に基づく不適正な対象物帰属度と背景帰属度が含まれていたとしても、その存在は複数の粒度の中での少数派であり、適正な画像断片に基づく適正な対象物帰属度と背景帰属度が多数派である。

よって、複数の粒度について算出された対象物帰属度と背景帰属度とを統合することで不適正な画像断片の影響が希釈又は排除された統合評価値を算出することができる。そのため、存否判定手段４５及び領域修正手段４６がこの統合評価値を用いて行う検出処理は、不適正な画像断片の影響が希釈又は排除された高精度な検出処理となる。

まず、特徴領域単位での帰属度の統合について説明する。帰属度統合手段４４は、画像断片の中からその内側に特徴領域の輪郭を含む不確定断片を検出する。不確定断片８１のように背景帰属度の方が大きい不確定断片は背景に属する画像断片である可能性が高く、一方、不確定断片８２のように対象物帰属度の方が大きい不確定断片は対象物に属する画像断片である可能性が高いといえる。

背景帰属度が対象物帰属度よりも大きい不確定断片（背景画像断片）の対象物帰属度は、当該画像断片が背景に帰属する可能性が高いにもかかわらず特徴領域に帰属している度合いである。よって、これを総和することで特徴領域の抽出誤差の程度を表す指標となる統合評価値として統合領域評価値Ｊが得られる。

具体的には、（５）式に示すように、帰属度統合手段４４は各不確定断片について対象物帰属度と背景帰属度とを比較し、背景帰属度が対象物帰属度よりも大きい不確定断片の対象物帰属度の合計値を統合領域評価値Ｊとして算出する。
Ｊ＝Σｇ_ｓ ｛ｓ；ｇ_ｓ＜ｎ_ｓ｝ ・・・（５）

（５）式において、Σは全粒度でのｇ_ｓ＜ｎ_ｓなる不確定断片ｓについての総和を表す。

また、統合領域評価値Ｊを、背景画像断片だけでなく、対象物帰属度が背景帰属度よりも大きい不確定断片（対象物画像断片）も考慮に入れて算出することもできる。対象物画像断片の背景帰属度は、当該画像断片が対象物に帰属する可能性が高いにもかかわらず背景に帰属している度合いであり、特徴領域が対象物の一部を抽出し損ねているという側面からの特徴領域の抽出誤差の程度を表す指標となる。そこで、（５）式の統合領域評価値Ｊにさらに、対象物画像断片についての背景帰属度を加えるように帰属度統合手段４４を構成してもよい。

この場合、統合領域評価値Ｊの算出式は次の（６）式で与えられる。
Ｊ＝Σ｛min(ｇ_ｓ，ｎ_ｓ)｝ ・・・（６）

（６）式においてΣは特徴領域の全粒度の不確定断片ｓについての総和を表す。これにより特徴領域が背景を含んでいるという観点と特徴領域が対象物を抽出し損ねているという観点との両面から評価した抽出誤差である統合領域評価値Ｊが得られる。

さらに、統合領域評価値Ｊの算出において、断片明瞭度算出手段４２にて得られる断片明瞭度を考慮することができる。この構成を以下説明する。断片明瞭度算出手段４２の説明で述べたように、陰影等の影響により対象構成物や背景構成物の像の一部分だけが画像断片として不適切に抽出される場合がある。このような不適切な画像断片においては対象物画像断片と背景帰属度との大小関係が本来の関係とは異なって判断されることがある。このような誤りが統合領域評価値Ｊに与える影響を軽減するために、統合領域評価値Ｊの算出に際して、帰属度統合手段４４は不確定断片ｓの対象物帰属度及び背景帰属度を当該不確定断片の断片明瞭度Ｌ_ｓで重み付けする。

具体的には（６）式に対応する統合領域評価値Ｊは、断片明瞭度を考慮する構成では次式で計算される。
Ｊ＝Σ｛Ｌ_ｓ・min(ｇ_ｓ，ｎ_ｓ)｝ ・・・（７）

これにより、断片明瞭度が高く信頼できる不確定断片に高い加重をかけて統合領域評価値Ｊを算出できるので、統合領域評価値Ｊの信頼性が向上する。

なお、この断片明瞭度による重み付けは、（５）式の統合領域評価値Ｊの計算にも導入することができる。

上述の（５）〜（７）式の統合領域評価値Ｊでは、粒度にかかわらず不確定断片の各帰属度を総和した。これに対し、帰属度統合手段４４は、（５）〜（７）式の右辺の総和を粒度ごとに行って得られる合計値に基づいて、粒度ごとの粒度別領域評価値を算出し、当該粒度別領域評価値のうち値が小さいものから順に所定数の和、平均値、又は粒度別領域評価値の最小値を統合領域評価値Ｊと定めるように構成することもできる。これにより、背景と対象物とが分離できていない粒度の影響が除去・軽減された統合領域評価値Ｊを得ることができる。

ここで、粒度別領域評価値は、（５）〜（７）式の右辺の総和を粒度ごとに行って得られる合計値そのものとしてもよいが、粒度別領域評価値の算出に利用される不確定断片の数や面積は粒度ごとに異なることを考慮に入れて定めることがより好適である。すなわち、各粒度における不確定断片の総数や総面積で粒度別領域評価値を正規化することで粒度別領域評価値間の格差の是正を図る。具体的には、各不確定断片の面積をＡ_ｓ、粒度μにおける不確定断片の総数をＮ_μとすると当該粒度μにおける粒度別領域評価値Ｊ_μの算出式は例えば、次式で定義できる。
Ｊ_μ＝１／（Ｎ_μ・ΣＡ_ｓ）×Σ｛Ｌ_ｓ・min(ｇ_ｓ，ｎ_ｓ)｝ ・・・（８）

以上、特徴領域単位での帰属度の統合について説明した。この特徴領域単位での統合領域評価値Ｊは存否判定手段４５で利用される。

次に画素単位での帰属度の統合について説明する。この場合、帰属度統合手段４４は、統合評価値として注目画素ごとに、当該注目画素を含む各粒度の画像断片の対象物帰属度を統合した統合対象物帰属度と背景帰属度を統合した統合背景帰属度とを求める。例えば、帰属度統合手段４４は、各粒度における各帰属度の和を各統合帰属度として算出する。すなわち、各粒度における対象物帰属度の和を統合対象物帰属度として算出し、各粒度における背景帰属度の和を統合背景帰属度として算出する。また、帰属度統合手段４４は、複数の粒度それぞれについての帰属度（対象物帰属度及び背景帰属度）のうち値が小さいものから順に所定数の和もしくは平均値、又は複数の粒度それぞれについての帰属度のうち最小値を統合帰属度（統合対象物帰属度及び統合背景帰属度）と定めるように構成することもできる。また、帰属度統合手段４４は、粒度ごとに対象物帰属度及び背景帰属度について予め設定された閾値を用い、対象物帰属度及び背景帰属度が当該閾値を越える粒度の個数を統合対象物帰属度及び統合背景帰属度と定める構成とすることもできる。

このように求められた画素単位での統合対象物帰属度及び統合背景帰属度は領域修正手段４６で利用される。

存否判定手段４５は、特徴領域について帰属度統合手段４４により算出された統合領域評価値を当該特徴領域の設定誤差として、当該特徴領域に検出対象物が存在するか否かの判定に用いる。存否判定手段４５は、統合領域評価値Ｊが予め設定された基準値を越える特徴領域には対象物は存在しないと判定し、一方、統合領域評価値Ｊが基準値以下である特徴領域には対象物が存在すると判定する。存否判定手段４５の判定結果は、異常検知手段４７へ出力される。

不適正な画像断片の影響が希釈又は排除された統合評価値に基づいて判定を行うので、高い確度で対象物の存在を検出することができる。

領域修正手段４６は、帰属度統合手段４４が画素ごとに算出した統合対象物帰属度と統合背景帰属度との大小関係に応じて、当該画素を検出対象物の像を構成する画素群に加えるか否かを定めることにより、特徴領域を修正して検出対象物の像を求める。例えば、領域修正手段４６は、監視画像を構成する画素のうち、統合対象物帰属度が統合背景帰属度を越える画素の集合を検出対象物が存在する領域として検出し直す。

不適正な画像断片の影響が希釈又は排除された統合評価値に基づいて修正を行うので、高精度に対象物の領域を検出することができる。

異常検知手段４７は、存否判定手段４５により対象物の存在が検知され、領域修正手段４６により修正が行われた特徴領域の情報に基づいて異常を検知する。具体的には、異常検知手段４７は対象物の存在が検知された特徴領域を複数時刻に亘って追跡して対象物の動きを分析し、例えば、監視空間内にて所定距離以上の動きが確認された場合に侵入異常を検知する。また、不審者が存在する異常を検知する別の実施形態では、同様に動きを分析して所定時間以上の滞留を確認すると異常を検知したり、動きパターンが予め定めた不審パターンに合致すると異常を検知する。

異常検知手段４７は、存否判定手段４５にて誤抽出の排除がなされた特徴領域の情報に基づいて異常を検知するので、確実に誤報を減じることができる。また、異常検知手段４７は、領域修正手段４６によって修正された特徴領域の情報に基づいて追跡を行い異常を検知するので、追跡精度が向上し誤報を減じることができる。異常を判定した場合、制御部４は出力部５を制御して異常信号の出力を行わせる。

出力部５は、外部装置と接続され当該外部装置へ異常信号を出力するインターフェース回路である。外部装置は、侵入者の存在を警報するスピーカー、ブザー又はランプ等の警報表示手段、又は／及び通信網を介して接続される遠隔地のセンタ装置等である。

次に図６を参照して、画像監視装置１の動作を説明する。監視空間が無人であることを確認した管理者が装置に電源を投入すると、各部、各手段が初期化され動作を開始する（Ｓ１）。初期化の後は、画像入力部２から制御部４へ新たな監視画像が入力されるたびにステップＳ２〜Ｓ１２の処理がループ処理として繰り返される。

画像監視装置１は、領域設定手段４０の背景差分処理にて用いる背景画像を、ループ処理の各回が終わるごとに更新する（Ｓ２）。制御部４は、前回のループ処理における監視画像のうち特徴領域が抽出されなかった部分の画像を現在の背景画像に合成して、背景画像を更新する（Ｓ２）。なお、電源投入直後、すなわち初回のステップＳ３〜Ｓ１２の処理の開始時においては背景画像は未だ記憶されていない。この場合、制御部４は背景画像更新処理（Ｓ２）として、画像入力部２から得られる監視画像によって背景画像を初期化する。

新たな監視画像が入力されると（Ｓ３）、領域設定手段４０は、更新された背景画像を用いて背景差分処理を行い、監視画像から特徴領域を抽出する（Ｓ４）。

ちなみに、識別器により特徴領域を抽出する装置構成ではステップＳ２の更新処理は不要となる。

特徴領域が一つも抽出されなかった場合（Ｓ５にてＮＯ）、処理はステップＳ２へ戻される。一方、１以上の特徴領域が抽出された場合（Ｓ５にてＹＥＳ）、制御部４は監視画像から画像断片の情報を生成する（Ｓ６）。

図７を参照して、画像断片情報生成処理の詳細を説明する。制御部４は各粒度を順次、注目粒度に設定して粒度に関するループ処理を実行する（Ｓ６０〜Ｓ６９）。この粒度について繰り返されるループ処理において、制御部４の画像分割手段４１は、記憶部３の分割粒度３１から注目粒度に対応する設定を読み出し、当該設定に従ったセグメンテーション処理を監視画像に施して当該監視画像を画像断片に分割する（Ｓ６１）。

監視画像が画像断片に分割されると制御部４はこれらの画像断片を順次、注目断片に設定して画像断片に関するループ処理を実行する（Ｓ６２〜Ｓ６８）。この画像断片ごとに繰り返されるループ処理において、制御部４の断片明瞭度算出手段４２は、注目断片及びその周辺画像の画素値を（２）式に適用して各画像断片の断片明瞭度Ｌ_ｓを算出する（Ｓ６３）。

制御部４は、画像断片のループ内においてさらに図６のステップＳ４にて抽出された特徴領域を順次、注目特徴領域に設定して特徴領域に関するループ処理を実行する（Ｓ６４〜Ｓ６７）。この特徴領域ごとに繰り返されるループ処理において、制御部４の帰属度算出手段４３は、注目断片と注目特徴領域との位置関係を判定して重複部分の画素ｅ１、はみ出し部分の画素ｅ２及び注目特徴領域の輪郭画素をピックアップし、画素ｅ１の座標と輪郭画素の座標に（３）式を適用して対象物帰属度ｇ_ｓを算出するとともに（Ｓ６５）、画素ｅ２の座標と輪郭画素の座標に（４）式を適用して背景帰属度ｎ_ｓを算出する（Ｓ６６）。帰属度算出手段４３は、算出された対象物帰属度ｇ_ｓ及び背景帰属度ｎ_ｓを注目粒度、注目断片及び注目特徴領域を識別する情報と関連付けて記憶部３に一時記憶させる。

こうして特徴領域のループ処理、画像断片のループ処理、粒度のループ処理が終了すると、処理は図６のステップＳ７へ進められる。

ステップＳ７において制御部４は、各特徴領域に対象物が存在するか否か、すなわち各特徴領域が対象物を含んで正しく抽出されたものか否かを判定する。

図８を参照して、存否判定処理の詳細を説明する。制御部４の存否判定手段４５は、図６のステップＳ４にて抽出された特徴領域を順次、注目特徴領域に設定して特徴領域に関するループ処理を実行し（Ｓ７０〜Ｓ７９）、この特徴領域ごとに繰り返されるループ処理内で分割粒度３１により規定される各粒度を順次、注目粒度に設定して粒度に関するループ処理を実行する（Ｓ７１〜Ｓ７４）。

この粒度について繰り返されるループ処理において、存否判定手段４５は図７のステップＳ６１において注目粒度で分割された各画像断片と注目特徴領域との位置関係から注目特徴領域の輪郭との重複がある画像断片を不確定断片として検出し（Ｓ７２）、これらの不確定断片の面積Ａ_ｓ及び総数Ｎ_μを算出し、さらにこれらの不確定断片について図７のステップＳ６３にて算出された断片明瞭度Ｌ_ｓ、同図ステップＳ６５にて算出された対象物帰属度ｇ_ｓ、同図ステップＳ６６にて算出された背景帰属度ｎ_ｓを記憶部３から読み出して（８）式に適用して粒度別領域評価値Ｊ_μを算出する（Ｓ７３）。

粒度についてのループ処理が終わると（Ｓ７４にてＹＥＳ）、存否判定手段４５は、ステップＳ７３にて算出された粒度別領域評価値Ｊ_μの最小値を統合領域評価値Ｊとして算出し（Ｓ７５）、統合領域評価値Ｊを基準値Ｔと比較する（Ｓ７６）。

存否判定手段４５は、統合領域評価値Ｊが基準値Ｔ以下であれば（Ｓ７６にてＹＥＳ）、注目特徴領域に対象物が存在すると判定する（Ｓ７７）。一方、統合領域評価値Ｊが基準値Ｔを越えていれば（Ｓ７６にてＮＯ）、注目特徴領域に対象物は存在しないと判定する（Ｓ７８）。対象物が存在しないと判定された特徴領域の情報は誤抽出であるとして一時記憶されている情報から削除される。

こうして全ての特徴領域に対して対象物の存否が判定されると（Ｓ７９にてＹＥＳ）、処理は図６のステップＳ８へ進められる。

ステップＳ８において制御部４は存否判定手段４５の判定結果を参照する。対象物が存在すると判定された特徴領域がある場合（Ｓ８にてＹＥＳ）、制御部４の領域修正手段４６は当該特徴領域に対して特徴領域の修正を行う（Ｓ９）。

図９を参照して、領域修正処理の詳細を説明する。制御部４の領域修正手段４６は、図６のステップＳ４にて抽出された特徴領域を順次、注目特徴領域に設定して特徴領域に関するループ処理を実行し（Ｓ９０〜Ｓ９９）、この特徴領域のループ処理内で監視画像を構成する各画素を順次、注目画素に設定して画素に関するループ処理を実行する（Ｓ９１〜Ｓ９７）。

この画素のループ処理において、領域修正手段４６は、帰属度統合手段４４に対して注目画素を指定し、当該注目画素について統合対象物帰属度及び統合背景帰属度を算出させる。

注目画素を指定された帰属度統合手段４４は、図７のステップＳ６１にて抽出された画像断片の中から注目画素を含む画像断片を、各粒度について選出する（Ｓ９２）。そして、帰属度統合手段４４は、図７のステップＳ６５において算出された対象物帰属度の中から、ステップＳ９２にて選出された選出断片についてのものであって、かつ現在処理対象として設定されている注目特徴領域に対するものを記憶部３から読み出して、それらの和を統合対象物帰属度として算出する（Ｓ９３）。同様に、帰属度統合手段４４は、図５のステップＳ６６において算出された背景帰属度の中から、ステップＳ９２の選出断片についてのものであって、かつ現在の注目特徴領域に対するものを記憶部３から読み出して、それらの和を統合背景帰属度として算出する（Ｓ９４）。

領域修正手段４６は、算出された統合対象物帰属度と統合背景帰属度とを比較して（Ｓ９５）、統合対象物帰属度が統合背景帰属度を越えていれば（Ｓ９５にてＹＥＳ）、注目画素を対象物画素に設定する（Ｓ９６）。

全画素についてのループ処理（Ｓ９１〜Ｓ９７）が終了すると（Ｓ９７にてＹＥＳ）、領域修正手段４６は、元の注目特徴領域の情報を、ステップＳ９６にて設定された対象物画素の集合に置き換えて特徴領域を修正する（Ｓ９８）。

以上の処理が全特徴領域に対して実行され（Ｓ９９にてＹＥＳ）、全ての特徴領域が修正されると、処理は図６のステップＳ１０へ進められる。

再び図６を参照して画像監視処理の続きを説明する。制御部４の異常検知手段４７は、対象物の存在が判定され、かつ修正された特徴領域に基づき異常の有無を判定する（Ｓ１０）。すなわち異常検知手段４７は、特徴領域の追跡を行い、追跡の結果、予め設定された距離閾値を越える距離の移動が検出されると、当該特徴領域は侵入者によるものであるとして異常を検知する。追跡は、例えば、現時刻の監視画像において特徴領域に対応する部分画像の色ヒストグラムを分析し、当該色ヒストグラムと、同様にして過去に分析され記憶されている色ヒストグラムとを比較することで前後する時刻の特徴領域を対応付けることで行われる。また、次時刻の追跡に備えて異常検知手段４７は、現時刻の監視画像から分析された色ヒストグラムを記憶部３に追加記憶させる。

異常検知手段４７により異常が検知されると（Ｓ１１にてＹＥＳ）、出力部５は異常信号を生成して、異常信号を例えば、警報表示手段及び通信網へ出力する（Ｓ１２）。このとき出力部５は通信網へ出力する異常信号に現時刻の監視画像のデータを含ませる。異常信号が入力された警報表示手段は、スピーカーの鳴動やランプの点灯により警報表示を行って侵入者を威嚇するとともに利用者の注意を喚起する。また、異常信号は通信網により監視員が常駐する警備センタのセンタ装置へ伝送され、異常信号を受信したセンタ装置は警報音の鳴動や監視画像の表示等を行う。そして、監視画像により状況確認した監視員は状況に応じた対処を行う。

一方、存否判定手段４５により対象物の存在が判定された特徴領域が無い場合（Ｓ８にてＮＯ）、ステップＳ９以降の処理はスキップされる。また、対象物の存在が判定された特徴領域があっても未だ異常が判定されない場合（Ｓ１１にてＮＯ）、ステップＳ１２の処理はスキップされる。

以上の処理が終了すると、処理は再びステップＳ２へ戻され、次時刻の監視画像に対する処理が行われる。

上述の実施形態では、画像入力部２に監視カメラを備え、リアルタイムで監視空間から得られる監視画像に基づいて対象物の検知を行う構成を説明した。これとは別の実施形態では、画像入力部２がＨＤＤレコーダー等の画像記録装置であって、記録している監視画像を制御部４に入力する構成とすることもできる。この構成では、画像監視装置１は、過去に撮像された監視画像から対象物の検出を行う。

また、上述の実施形態においては、対象物の存在が推定される候補領域は、領域設定手段４０が監視画像と抽出用情報３０とを比較することによって抽出された。これとは別の実施形態として、領域設定手段４０はポインティングデバイスとディスプレイから構成され、利用者が目視確認しながら領域設定手段４０を操作して対象物が含まれる概略の領域を候補領域として設定する構成も可能である。

また、上述の実施形態では、統合領域評価値Ｊは候補領域の設定の誤りの可能性の多さ、つまり設定誤差を表していたが、逆に統合領域評価値Ｊが、設定の誤りの可能性の少なさ、つまり設定の正確性を表す指標となるように定義することもできる。例えば、対象物帰属度ｇ_ｓの逆数の和、又は対象物帰属度ｇ_ｓの逆数及び背景帰属度ｎ_ｓの逆数の和を、設定の正確性を表す統合領域評価値Ｊとして定めることができる。この場合、（５）に相当する領域評価値Ｊの定義式は下記（９）式となり、また（７）式、（８）式に相当する定義式はそれぞれ下記（１０）式、（１１）式となる。
Ｊ＝Σ（１／ｇ_ｓ） ｛ｓ；ｇ_ｓ＜ｎ_ｓ｝ ・・・（９）
Ｊ＝Σ｛Ｌ_ｓ／min(ｇ_ｓ，ｎ_ｓ)｝ ・・・（１０）
Ｊ_μ＝１／（Ｎ_μ・ΣＡ_ｓ）×Σ｛Ｌ_ｓ／min(ｇ_ｓ，ｎ_ｓ)｝ ・・・（１１）

なお、統合領域評価値Ｊをこのような正確性を表す指標として定義した場合、統合領域評価値Ｊと基準値Ｔとの大小関係は逆になり、例えば、ステップＳ７６では統合領域評価値Ｊが基準値Ｔ以上である特徴領域に対象物が存在すると判定され、そうでない特徴領域に対象物は存在しないと判定される。

１ 画像監視装置、２ 画像入力部、３ 記憶部、４ 制御部、５ 出力部、３０ 抽出用情報、３１ 分割粒度、４０ 領域設定手段、４１ 画像分割手段、４２ 断片明瞭度算出手段、４３ 帰属度算出手段、４４ 帰属度統合手段、４５ 存否判定手段、４６ 領域修正手段、４７ 異常検知手段、８０ 特徴領域、８１，８２ 不確定断片。

Claims (6)

1. 検出対象物とその背景とが撮影された処理対象画像から前記検出対象物を検出する対象物検出装置において、
   前記処理対象画像に前記検出対象物の像の候補領域を設定する候補領域設定手段と、
   それぞれ画素値が所定の類似性を有する画素からなる複数の画像断片に前記処理対象画像を分割する処理を、予め設定された複数の分割粒度毎に行う画像分割手段と、
   前記画像断片について前記候補領域の内側にある画素数に応じて増加する対象物帰属度と、当該候補領域の外側にある画素数に応じて増加する背景帰属度とを算出する帰属度算出手段と、
   互いに異なる前記分割粒度について算出される複数の前記対象物帰属度及び前記背景帰属度を統合して統合評価値を決定する帰属度統合手段と、を備え、
   前記統合評価値を用いて前記候補領域に対する前記検出対象物の検出処理を行うことを特徴とする対象物検出装置。
2. 請求項１に記載の対象物検出装置において、
   統合領域評価値に基づいて前記候補領域に前記検出対象物が存在するか否かの判定を行う存否判定手段を有し、
   前記帰属度統合手段は、前記画像断片のうち前記候補領域の内外に跨り、かつ前記背景帰属度が前記対象物帰属度を上回る背景画像断片を検出し、前記統合評価値として前記背景画像断片についての前記対象物帰属度を統合して前記統合領域評価値を定め、
   前記存否判定手段は、当該統合領域評価値を用いて前記判定を行うこと、を特徴とする対象物検出装置。
3. 請求項２に記載の対象物検出装置において、
   前記帰属度統合手段は、前記背景画像断片についての前記対象物帰属度を前記分割粒度毎に合計した合計値に基づいて粒度別領域評価値を算出し、前記粒度別領域評価値の最小値を前記統合領域評価値と定めること、を特徴とする対象物検出装置。
4. 請求項２に記載の対象物検出装置において、
   前記帰属度統合手段は、前記背景画像断片についての前記対象物帰属度を前記分割粒度毎に合計した合計値に基づいて粒度別領域評価値を算出し、前記粒度別領域評価値のうち下位所定数の和又は平均値を前記統合領域評価値と定めること、を特徴とする対象物検出装置。
5. 請求項１に記載の対象物検出装置において、
   前記統合評価値に基づき前記候補領域を修正して前記検出対象物の像を求める領域修正手段を有し、
   前記帰属度統合手段は、前記統合評価値として注目画素毎に、当該注目画素を含む前記各分割粒度の前記画像断片の前記対象物帰属度を統合した統合対象物帰属度と前記背景帰属度を統合した統合背景帰属度とを求め、
   前記領域修正手段は、前記統合対象物帰属度が前記統合背景帰属度を越える前記注目画素の集合を前記検出対象物の像として求めること、
   を特徴とする対象物検出装置。
6. 請求項１から請求項５のいずれか１つに記載の対象物検出装置において、
   前記画像断片の内外での画素値の所定の相違性に応じた断片明瞭度を求める断片明瞭度算出手段を有し、
   前記帰属度統合手段は、前記画像断片について算出された前記対象物帰属度又は前記背景帰属度を当該画像断片の前記断片明瞭度で重み付けして前記統合を行うこと、
   を特徴とする対象物検出装置。

Images