JP5227639B2 - オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム - Google Patents
オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム Download PDFInfo
- Publication number
- JP5227639B2 JP5227639B2 JP2008098601A JP2008098601A JP5227639B2 JP 5227639 B2 JP5227639 B2 JP 5227639B2 JP 2008098601 A JP2008098601 A JP 2008098601A JP 2008098601 A JP2008098601 A JP 2008098601A JP 5227639 B2 JP5227639 B2 JP 5227639B2
- Authority
- JP
- Japan
- Prior art keywords
- filter
- difference image
- image
- search
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims description 177
- 238000011156 evaluation Methods 0.000 claims description 149
- 238000000605 extraction Methods 0.000 claims description 145
- 238000004364 calculation method Methods 0.000 claims description 104
- 238000000034 method Methods 0.000 claims description 70
- 230000008569 process Effects 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 45
- 238000003860 storage Methods 0.000 claims description 38
- 238000012935 Averaging Methods 0.000 claims description 35
- 230000010354 integration Effects 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 11
- 230000007480 spreading Effects 0.000 claims description 6
- 238000003892 spreading Methods 0.000 claims description 6
- 235000019557 luminance Nutrition 0.000 description 49
- 238000012937 correction Methods 0.000 description 32
- 238000010586 diagram Methods 0.000 description 29
- 239000010410 layer Substances 0.000 description 22
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
Description
連続画像を構成する複数フレームの中の互いに異なる第1フレームと第2フレームとの間の差分画像を作成する差分画像作成ステップと、
上記第1フレームおよび上記第2フレームそれぞれについて各画素の周囲に二次元的に所定の広さに広がる平均化領域内の複数の画素の値の平均的な値を各画素の新たな値としたときの、第1フレームと第2フレームとの間の互いに対応する画素の新たな値どうしの差分値を算出しその差分値と閾値とを比較することにより、上記差分画像上の、上記特定種類のオブジェクトの存在を探索する探索画素を抽出する探索画素抽出ステップと、
画像上の、上記平均化領域と同一の面積および同一の形状に広がる探索領域に作用して、特定種類のオブジェクトがその探索領域に存在する確率を表わす評価値を求めるフィルタを、差分画像作成ステップで作成された差分画像上の、探索画素抽出ステップで抽出された探索画素を含む探索領域に作用させて、そのフィルタに評価値を求めさせ、その評価値と閾値とを比較することにより差分画像上の、特定種類のオブジェクトが存在する領域を抽出するオブジェクト検出ステップとを有することを特徴とする。
上記オブジェクト検出ステップが、
差分画像作成ステップにより作成された差分画像群のうちの相対的に小さい第1の差分画像に、画像上の二次元的に広がる探索領域に作用しその探索領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が上記所定比率で異なる、又はその所定比率で段階的に異なる、複数の広さの探索領域にそれぞれ作用する複数のフィルタからなるフィルタ群のうちの相対的に狭い探索領域に作用する第1のフィルタを作用させて、所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
差分画像作成ステップにより作成された差分画像群のうちの前記第1の差分画像よりも画素数が一段階多い第2の差分画像の、上記一次候補領域に相当する領域に、上記フィルタ群のうちの上記第1のフィルタよりも一段階広い探索領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい差分画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい差分画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、上記差分画像中から特定種類のオブジェクトを検出するステップであり、
上記探索画素抽出ステップが、上記平均化領域として、上記フィルタ群のうちの最大の探索領域に作用する最大領域フィルタが作用する、その最大の探索領域と比べ同一面積および同一形状に広がる平均化領域を採用して、差分画像作成ステップで作成された差分画像群を構成する複数の差分画像のうちの、オブジェクト検出ステップにおいて上記の最大領域フィルタを作用させる差分画像から、探索画素を抽出するステップであり、
上記オブジェクト検出ステップが、上記第1過程において、上記第1のフィルタを、上記第1の差分画像上の、探索画素抽出ステップで抽出された探索画素に対応する画素を含む、その第1のフィルタが作用する広さの探索領域に作用させることにより、その探索領域の中から上記一次候補領域を抽出するステップであることが好ましい。
上記段階的検出ステップは、差分画像作成ステップで作成された複数の差分画像群それぞれに関し、上記抽出過程を、相対的に小さい画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、特定種類のオブジェクトを検出するステップであることが好ましい。
上記オブジェクト検出ステップは、1つの探索領域に、その探索領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、その探索領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するステップであることが好ましい。
連続画像を構成する複数フレームの中の互いに異なる第1フレームと第2フレームとの間の差分画像を作成する差分画像作成部と、
上記第1フレームおよび上記第2フレームそれぞれについて各画素の周囲に二次元的に所定の広さに広がる平均化領域内の複数の画素の値の平均的な値を各画素の新たな値としたときの、第1フレームと第2フレームとの間の互いに対応する画素の新たな値どうしの差分値を算出しその差分値と閾値とを比較することにより、上記差分画像上の、特定種類のオブジェクトの存在を探索する探索画素を抽出する探索画素抽出部と、
画像上の、上記平均化領域と同一の面積および同一の形状に広がる探索領域に作用して、特定種類のオブジェクトがその探索領域に存在する確率を表わす評価値を求めるフィルタを記憶しておくフィルタ記憶部と、
フィルタ記憶部に記憶されたフィルタを、差分画像作成部で作成された差分画像上の、探索画素抽出部で抽出された探索画素の周囲に広がる探索領域に作用させて、そのフィルタに評価値を求めさせ、その評価値と閾値とを比較することにより差分画像上の、特定種類のオブジェクトが存在する領域を抽出するオブジェクト検出部とを備えたことを特徴とする。
上記フィルタ記憶部が、画像上の二次元的に広がる探索領域に作用しその探索領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が上記所定比率で異なる、又はその所定比率で段階的に異なる、複数の広さの探索領域にそれぞれ作用する複数のフィルタからなるフィルタ群を記憶しておくものであり、
上記オブジェクト検出部が、
差分画像作成部により作成された差分画像群のうちの相対的に小さい第1の差分画像に、フィルタ記憶部に記憶されたフィルタ群のうちの相対的に狭い探索領域に作用する第1のフィルタを作用させて、所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
差分画像作成部により作成された差分画像群のうちの前記第1の差分画像よりも画素数が一段階多い第2の差分画像の、上記一次候補領域に相当する領域に、上記フィルタ群のうちの上記第1のフィルタよりも一段階広い探索領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい差分画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい差分画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、上記差分画像中から特定種類のオブジェクトを検出するものであり、
上記探索画素抽出部が、上記平均化領域として、上記フィルタ群のうちの最大の探索領域に作用する最大領域フィルタが作用する、その最大の探索領域と比べ同一面積および同一形状に広がる平均化領域を採用して、差分画像作成部で作成された差分画像群を構成する複数の差分画像のうちの、オブジェクト検出部において上記の最大領域フィルタを作用させる差分画像から、探索画素を抽出するものであり、
上記オブジェクト検出部が、上記第1過程において、上記第1のフィルタを、上記第1の差分画像上の、探索画素抽出部で抽出された探索画素に対応する画素を含む、その第1のフィルタが作用する広さの探索領域に作用させることにより、その探索領域の中から上記一次候補領域を抽出するものであることが好ましい。
上記段階的検出部は、差分画像作成部で作成された複数の差分画像群それぞれに関し、上記抽出過程を、相対的に小さい画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、特定種類のオブジェクトを検出するものであることが好ましい。
上記オブジェクト検出部は、1つの探索領域に、その探索領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、その探索領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するものであることが好ましい。
前記演算装置を、
連続画像を構成する複数フレームの中の互いに異なる第1フレームと第2フレームとの間の差分画像を作成する差分画像作成部と、
上記第1フレームおよび上記第2フレームそれぞれについて各画素の周囲に二次元的に所定の広さに広がる平均化領域内の複数の画素の値の平均的な値を各画素の新たな値としたときの、第1フレームと第2フレームとの間の互いに対応する画素の新たな値どうしの差分値を算出しその差分値と閾値とを比較することにより、上記差分画像上の、特定種類のオブジェクトの存在を探索する探索画素を抽出する探索画素抽出部と、
画像上の、上記平均化領域と同一の面積および同一の形状に広がる探索領域に作用して、特定種類のオブジェクトがその探索領域に存在する確率を表わす評価値を求めるフィルタを記憶しておくフィルタ記憶部と、
フィルタ記憶部に記憶されたフィルタを、差分画像作成部で作成された差分画像上の、探索画素抽出部で抽出された探索画素の周囲に広がる探索領域に作用させて、そのフィルタに評価値を求めさせ、その評価値と閾値とを比較することにより前記差分画像上の、特定種類のオブジェクトが存在する領域を抽出するオブジェクト検出部とを有するオブジェクト検出装置として動作させることを特徴とする。
ここで、本発明のオブジェクト検出プログラムにおいて、上記差分画像作成部が、上記第1フレームと上記第2フレームとの間の差分画像を作成するとともに、それら第1フレームおよび第2フレームそれぞれについて各フレームを構成する画素が所定比率で間引かれてなる、又は所定比率で段階的に間引かれてなる、互いに対応する広さの第1間引フレームと第2間引フレームとの間の1枚以上の差分画像を作成することにより、同一シーンであって解像度が異なる複数の差分画像からなる差分画像群を作成するものであり、
上記フィルタ記憶部が、画像上の二次元的に広がる探索領域に作用しその探索領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が上記所定比率で異なる、又はその所定比率で段階的に異なる、複数の広さの探索領域にそれぞれ作用する複数のフィルタからなるフィルタ群を記憶しておくものであり、
上記オブジェクト検出部が、差分画像作成部により作成された差分画像群のうちの相対的に小さい第1の差分画像に、フィルタ記憶部に記憶されたフィルタ群のうちの相対的に狭い探索領域に作用する第1のフィルタを作用させて、所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
差分画像作成部により作成された差分画像群のうちの前記第1の差分画像よりも画素数が一段階多い第2の差分画像の、上記一次候補領域に相当する領域に、上記フィルタ群のうちの上記第1のフィルタよりも一段階広い探索領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい差分画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい差分画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、上記差分画像中から特定種類のオブジェクトを検出するものであり、
上記探索画素抽出部が、上記平均化領域として、上記フィルタ群のうちの最大の探索領域に作用する最大領域フィルタが作用する、その最大の探索領域と比べ同一面積および同一形状に広がる平均化領域を採用して、差分画像作成部で作成された差分画像群を構成する複数の差分画像のうちの、オブジェクト検出部において上記最大領域フィルタを作用させる差分画像から、探索画素を抽出するものであり、
上記オブジェクト検出部が、上記第1過程において、上記第1のフィルタを、上記第1の差分画像上の、探索画素抽出部で抽出された探索画素に対応する画素を含む、その第1のフィルタが作用する広さの探索領域に作用させることにより、その探索領域の中から上記一次候補領域を抽出するものであることが好ましい。
上記段階的検出部は、差分画像作成部で作成された複数の差分画像群それぞれに関し、上記抽出過程を、相対的に小さい画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、特定種類のオブジェクトを検出するものであることが好ましい。
上記オブジェクト検出部は、1つの探索領域に、その探索領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、その探索領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するものであることが好ましい。
図3は、図2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4は、そのパーソナルコンピュータ30のハードウエア構成図である。
に従って補正後の画素値(輝度値)が求められ、この処理を画像全域について行なうことにより輝度補正が行なわれる。
の比率である。
P01=p00+p01
P02=p00+p01+p02
……
P10=p00+p10
P11=p00+p01+p10+p11
P12=p00+p01+p02+p10+p11+p12
……
P20=p00+p10+p20
P21=p00+p01+p10+p11+p20+p21
P22=p00+p11+p02+p10+p11+p12+p20+p21+p22
……
すなわち、例えば図19(B)にハッチングの枠で示した画素の画素値P32は、図19(A)に示す差分画像上のハッチングで示した領域内の複数の画素の画素値の合計値となる。このように、各画素について、その画素を含む左側および上側に広がる領域の画素の画素値の合計値がその画素の画素値と割り当てられる。
Hrefの方が領域Hxよりも二次評価値likenessが高いものとする。
pos=(l,t,r,b)t
のそれぞれについて行なわれ、2つの領域Href,Hxが1つの領域に統合される。
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
32 画像表示装置
33 キーボード
34 マウス
100 頭部検出装置
110 差分画像作成部
111 画像群生成部
112 輝度補正部
113 差分演算部
120 探索画素抽出部
130 頭部検出部
131 一次評価値算出部
132 二次評価値算出部
133 領域抽出部
140 領域統合部
150 フィルタ記憶部
160 領域抽出演算制御部
200 画像
201 静止画像
202 動画像
210 アフィン変換処理
220 多重解像度展開処理
230 輝度補正処理
240 差分演算処理
250 切出し処理
251 教師画像群
260 フィルタ候補
270 フィルタ
Claims (18)
- それぞれが二次元的に配列された画素で表現された複数フレームからなる連続画像から特定種類のオブジェクトを検出するオブジェクト検出方法であって、
連続画像を構成する複数フレームの中の互いに異なる第1フレームと第2フレームとの間の差分画像を作成する差分画像作成ステップと、
前記第1フレームおよび前記第2フレームそれぞれについて各画素の周囲に二次元的に所定の広さに広がる平均化領域内の複数の画素の値の平均的な値を該各画素の新たな値としたときの、該第1フレームと該第2フレームとの間の互いに対応する画素の該新たな値どうしの差分値を算出し該差分値と閾値とを比較することにより、前記差分画像上の、前記特定種類のオブジェクトの存在を探索する探索画素を抽出する探索画素抽出ステップと、
画像上の、前記平均化領域と同一の面積および同一の形状に広がる探索領域に作用して、前記特定種類のオブジェクトが該探索領域に存在する確率を表わす評価値を求めるフィルタを、前記差分画像作成ステップで作成された差分画像上の、前記探索画素抽出ステップで抽出された探索画素を含む探索領域に作用させて該フィルタに該評価値を求めさせ、該評価値と閾値とを比較することにより前記差分画像上の、前記特定種類のオブジェクトが存在する領域を抽出するオブジェクト検出ステップとを有することを特徴とするオブジェクト検出方法。 - 前記差分画像作成ステップが、前記第1フレームと前記第2フレームとの間の差分画像を作成するとともに、該第1フレームおよび該第2フレームそれぞれについて各フレームを構成する画素が所定比率で間引かれてなる、又は該所定比率で段階的に間引かれてなる、互いに対応する広さの第1間引フレームと第2間引フレームとの間の1枚以上の差分画像を作成することにより、同一シーンであって解像度が異なる複数の差分画像からなる差分画像群を作成するステップであり、
前記オブジェクト検出ステップが、
前記差分画像作成ステップにより作成された差分画像群のうちの相対的に小さい第1の差分画像に、画像上の二次元的に広がる探索領域に作用し該探索領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が前記所定比率で異なる、又は該所定比率で段階的に異なる、複数の広さの探索領域にそれぞれ作用する複数のフィルタからなるフィルタ群のうちの相対的に狭い探索領域に作用する第1のフィルタを作用させて、所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
前記差分画像作成ステップにより作成された差分画像群のうちの前記第1の差分画像よりも画素数が一段階多い第2の差分画像の、前記一次候補領域に相当する領域に、前記フィルタ群のうちの前記第1のフィルタよりも一段階広い探索領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい差分画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい差分画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記差分画像中から特定種類のオブジェクトを検出するステップであり、
前記探索画素抽出ステップが、前記平均化領域として、前記フィルタ群のうちの最大の探索領域に作用する最大領域フィルタが作用する該最大の探索領域と比べ同一面積および同一形状に広がる平均化領域を採用して、前記差分画像作成ステップで作成された差分画像群を構成する複数の差分画像のうちの、前記オブジェクト検出ステップにおいて該最大領域フィルタを作用させる差分画像から、前記探索画素を抽出するステップであり、
前記オブジェクト検出ステップが、前記第1過程において、前記第1のフィルタを、前記第1の差分画像上の、前記探索画素抽出ステップで抽出された探索画素に対応する画素を含む、該第1のフィルタが作用する広さの探索領域に作用させることにより、該探索領域の中から前記一次候補領域を抽出するステップであることを特徴とする請求項1記載のオブジェクト検出方法。 - 前記差分画像作成ステップが、前記差分画像群の生成に加え、さらに、補間演算により求められた、該差分画像群を構成する最大面積の差分画像の画素数よりも少なく、かつ該最大面積の差分画像を前記所定比率で間引いて得られた間引差分画像の画素数よりも多い画素数の範囲内の1つの補間差分画像、又は該範囲内で画素数が互いに異なる複数の補間差分画像と、当該補間差分画像それぞれについて、当該補間差分画像を構成する画素を前記所定比率で間引くことにより形成された、又は該所定比率で段階的に間引くことにより形成された、一枚以上の間引差分画像とからなる新たな1つ以上の差分画像群を生成するステップであり、
前記段階的検出ステップは、前記差分画像作成ステップで作成された複数の差分画像群それぞれに関し、前記抽出過程を、相対的に小さい画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、特定種類のオブジェクトを検出するステップであることを特徴とする請求項2記載のオブジェクト検出方法。 - 1つの広さの探索領域につき複数種類の、それぞれが、特定種類のオブジェクトの輪郭および内部のうちのいずれかの特徴量を算出するフィルタを用意するとともに、各フィルタにより算出される特徴量と特定種類のオブジェクトである確率を表わす一次評価値との対応関係を用意しておき、
前記オブジェクト検出ステップは、1つの探索領域に、該探索領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、該探索領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するステップであることを特徴とする請求項2又は3記載のオブジェクト検出方法。 - 前記オブジェクト検出ステップで複数の領域が検出された場合における該複数の領域を、該複数の領域どうしの重なりの程度に応じて、1つの領域に統合する領域統合部をさらに有することを特徴とする請求項1から4のうちいずれか1項記載のオブジェクト検出方法。
- 前記フィルタ群が、人間の頭部が存在する確率を表わす評価値を生成する複数のフィルタからなり、当該オブジェクト検出方法は画像内にあらわれる人間の頭部を検出対象とするものであることを特徴とする請求項1から5のうちいずれか1項記載のオブジェクト検出方法。
- それぞれが二次元的に配列された画素で表現された複数フレームからなる連続画像から特定種類のオブジェクトを検出するオブジェクト検出装置であって、
連続画像を構成する複数フレームの中の互いに異なる第1フレームと第2フレームとの間の差分画像を作成する差分画像作成部と、
前記第1フレームおよび前記第2フレームそれぞれについて各画素の周囲に二次元的に所定の広さに広がる平均化領域内の複数の画素の値の平均的な値を該各画素の新たな値としたときの、該第1フレームと該第2フレームとの間の互いに対応する画素の該新たな値どうしの差分値を算出し該差分値と閾値とを比較することにより、前記差分画像上の、前記特定種類のオブジェクトの存在を探索する探索画素を抽出する探索画素抽出部と、
画像上の、前記平均化領域と同一の面積および同一の形状に広がる探索領域に作用して、前記特定種類のオブジェクトが該探索領域に存在する確率を表わす評価値を求めるフィルタを記憶しておくフィルタ記憶部と、
前記フィルタ記憶部に記憶されたフィルタを、前記差分画像作成部で作成された差分画像上の、前記探索画素抽出部で抽出された探索画素の周囲に広がる探索領域に作用させて該フィルタに該評価値を求めさせ、該評価値と閾値とを比較することにより前記差分画像上の、前記特定種類のオブジェクトが存在する領域を抽出するオブジェクト検出部とを備えたことを特徴とするオブジェクト検出装置。 - 前記差分画像作成部が、前記第1フレームと前記第2フレームとの間の差分画像を作成するとともに、該第1フレームおよび該第2フレームそれぞれについて各フレームを構成する画素が所定比率で間引かれてなる、又は該所定比率で段階的に間引かれてなる、互いに対応する広さの第1間引フレームと第2間引フレームとの間の1枚以上の差分画像を作成することにより、同一シーンであって解像度が異なる複数の差分画像からなる差分画像群を作成するものであり、
前記フィルタ記憶部が、画像上の二次元的に広がる探索領域に作用し該探索領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が前記所定比率で異なる、又は該所定比率で段階的に異なる、複数の広さの探索領域にそれぞれ作用する複数のフィルタからなるフィルタ群を記憶しておくものであり、
前記オブジェクト検出部が、
前記差分画像作成部により作成された差分画像群のうちの相対的に小さい第1の差分画像に、前記フィルタ記憶部に記憶されたフィルタ群のうちの相対的に狭い探索領域に作用する第1のフィルタを作用させて、所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
前記差分画像作成部により作成された差分画像群のうちの前記第1の差分画像よりも画素数が一段階多い第2の差分画像の、前記一次候補領域に相当する領域に、前記フィルタ群のうちの前記第1のフィルタよりも一段階広い探索領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい差分画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい差分画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記差分画像中から特定種類のオブジェクトを検出するものであり、
前記探索画素抽出部が、前記平均化領域として、前記フィルタ群のうちの最大の探索領域に作用する最大領域フィルタが作用する該最大の探索領域と比べ同一面積および同一形状に広がる平均化領域を採用して、前記差分画像作成部で作成された差分画像群を構成する複数の差分画像のうちの、前記オブジェクト検出部において該最大領域フィルタを作用させる差分画像から、前記探索画素を抽出するものであり、
前記オブジェクト検出部が、前記第1過程において、前記第1のフィルタを、前記第1の差分画像上の、前記探索画素抽出部で抽出された探索画素に対応する画素を含む、該第1のフィルタが作用する広さの探索領域に作用させることにより、該探索領域の中から前記一次候補領域を抽出するものであることを特徴とする請求項7記載のオブジェクト検出装置。 - 前記差分画像作成部が、前記差分画像群の生成に加え、さらに、補間演算により求められた、該差分画像群を構成する最大面積の差分画像の画素数よりも少なく、かつ該最大面積の差分画像を前記所定比率で間引いて得られた間引差分画像の画素数よりも多い画素数の範囲内の1つの補間差分画像、又は該範囲内で画素数が互いに異なる複数の補間差分画像と、当該補間差分画像それぞれについて、当該補間差分画像を構成する画素を前記所定比率で間引くことにより形成された、又は該所定比率で段階的に間引くことにより形成された、一枚以上の間引差分画像とからなる新たな1つ以上の差分画像群を生成するものであり、
前記段階的検出部は、前記差分画像作成部で作成された複数の差分画像群それぞれに関し、前記抽出過程を、相対的に小さい画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、特定種類のオブジェクトを検出するものであることを特徴とする請求項8記載のオブジェクト検出装置。 - 前記フィルタ記憶部が、1つの広さの探索領域につき複数種類の、それぞれが、特定種類のオブジェクトの輪郭および内部のうちのいずれかの特徴量を算出するフィルタを記憶するとともに、各フィルタにより算出される特徴量と特定種類のオブジェクトである確率を表わす一次評価値との対応関係を記憶するものであり、
前記オブジェクト検出部は、1つの探索領域に、該探索領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、該探索領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するものであることを特徴とする請求項8又は9記載のオブジェクト検出装置。 - 前記オブジェクト検出部で複数の領域が検出された場合における該複数の領域を、該複数の領域どうしの重なりの程度に応じて、1つの領域に統合する領域統合部をさらに有することを特徴とする請求項7から10のうちいずれか1項記載のオブジェクト検出装置。
- 前記フィルタ記憶部が、人間の頭部が存在する確率を表わす評価値を生成する複数のフィルタからなるフィルタ群を記憶するものであって、当該オブジェクト検出装置は、画像内にあらわれる人間の頭部を検出対象とするものであることを特徴とする請求項7から11のうちいずれか1項記載のオブジェクト検出装置。
- プログラムを実行する演算装置内で実行され、該演算装置を、それぞれが二次元的に配列された画素で表現された複数フレームからなる連続画像から特定種類のオブジェクトを検出するオブジェクト検出装置として動作させるオブジェクト検出プログラムであって、
前記演算装置を、
連続画像を構成する複数フレームの中の互いに異なる第1フレームと第2フレームとの間の差分画像を作成する差分画像作成部と、
前記第1フレームおよび前記第2フレームそれぞれについて各画素の周囲に二次元的に所定の広さに広がる平均化領域内の複数の画素の値の平均的な値を該各画素の新たな値としたときの、該第1フレームと該第2フレームとの間の互いに対応する画素の該新たな値どうしの差分値を算出し該差分値と閾値とを比較することにより、前記差分画像上の、前記特定種類のオブジェクトの存在を探索する探索画素を抽出する探索画素抽出部と、
画像上の、前記平均化領域と同一の面積および同一の形状に広がる探索領域に作用して、前記特定種類のオブジェクトが該探索領域に存在する確率を表わす評価値を求めるフィルタを記憶しておくフィルタ記憶部と、
前記フィルタ記憶部に記憶されたフィルタを、前記差分画像作成部で作成された差分画像上の、前記探索画素抽出部で抽出された探索画素の周囲に広がる探索領域に作用させて該フィルタに該評価値を求めさせ、該評価値と閾値とを比較することにより前記差分画像上の、前記特定種類のオブジェクトが存在する領域を抽出するオブジェクト検出部とを有するオブジェクト検出装置として動作させることを特徴とするオブジェクト検出プログラム。 - 前記差分画像作成部が、前記第1フレームと前記第2フレームとの間の差分画像を作成するとともに、該第1フレームおよび該第2フレームそれぞれについて各フレームを構成する画素が所定比率で間引かれてなる、又は該所定比率で段階的に間引かれてなる、互いに対応する広さの第1間引フレームと第2間引フレームとの間の1枚以上の差分画像を作成することにより、同一シーンであって解像度が異なる複数の差分画像からなる差分画像群を作成するものであり、
前記フィルタ記憶部が、画像上の二次元的に広がる探索領域に作用し該探索領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成するフィルタであって、画像上の領域の広さに対応する画素数が前記所定比率で異なる、又は該所定比率で段階的に異なる、複数の広さの探索領域にそれぞれ作用する複数のフィルタからなるフィルタ群を記憶しておくものであり、
前記オブジェクト検出部が、前記差分画像作成部により作成された差分画像群のうちの相対的に小さい第1の差分画像に、前記フィルタ記憶部に記憶されたフィルタ群のうちの相対的に狭い探索領域に作用する第1のフィルタを作用させて、所定の第1の閾値を越える評価値が得られる一次候補領域を抽出する第1の抽出過程と、
前記差分画像作成部により作成された差分画像群のうちの前記第1の差分画像よりも画素数が一段階多い第2の差分画像の、前記一次候補領域に相当する領域に、前記フィルタ群のうちの前記第1のフィルタよりも一段階広い探索領域に作用する第2のフィルタを作用させて所定の第2の閾値を越える評価値が得られる二次候補領域を抽出する第2の抽出過程と
を含む複数の抽出過程を、相対的に小さい差分画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい差分画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、前記差分画像中から特定種類のオブジェクトを検出するものであり、
前記探索画素抽出部が、前記平均化領域として、前記フィルタ群のうちの最大の探索領域に作用する最大領域フィルタが作用する該最大の探索領域と比べ同一面積および同一形状に広がる平均化領域を採用して、前記差分画像作成部で作成された差分画像群を構成する複数の差分画像のうちの、前記オブジェクト検出部において該最大領域フィルタを作用させる差分画像から、前記探索画素を抽出するものであり、
前記オブジェクト検出部が、前記第1過程において、前記第1のフィルタを、前記第1の差分画像上の、前記探索画素抽出部で抽出された探索画素に対応する画素を含む、該第1のフィルタが作用する広さの探索領域に作用させることにより、該探索領域の中から前記一次候補領域を抽出するものであることを特徴とする請求項13記載のオブジェクト検出プログラム。 - 前記差分画像作成部が、前記差分画像群の生成に加え、さらに、補間演算により求められた、該差分画像群を構成する最大面積の差分画像の画素数よりも少なく、かつ該最大面積の差分画像を前記所定比率で間引いて得られた間引差分画像の画素数よりも多い画素数の範囲内の1つの補間差分画像、又は該範囲内で画素数が互いに異なる複数の補間差分画像と、当該補間差分画像それぞれについて、当該補間差分画像を構成する画素を前記所定比率で間引くことにより形成された、又は該所定比率で段階的に間引くことにより形成された、当該補間差分画像と当該補間差分画像の画素が間引かれてなる一枚以上の間引差分画像とからなる新たな1つ以上の差分画像群を生成するものであり、
前記段階的検出部は、前記差分画像作成部で作成された複数の差分画像群それぞれに関し、前記抽出過程を、相対的に小さい画像に相対的に狭い探索領域に作用するフィルタを作用させる抽出過程から相対的に大きい画像に相対的に広い探索領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返すことにより、特定種類のオブジェクトを検出するものであることを特徴とする請求項14記載のオブジェクト検出プログラム。 - 前記フィルタ記憶部が、1つの広さの探索領域につき複数種類の、それぞれが、特定種類のオブジェクトの輪郭および内部のうちのいずれかの特徴量を算出するフィルタを記憶するとともに、各フィルタにより算出される特徴量と特定種類のオブジェクトである確率を表わす一次評価値との対応関係を記憶するものであり、
前記オブジェクト検出部は、1つの探索領域に、該探索領域の広さに応じた複数種類のフィルタを作用させて複数の特徴量を算出し、各特徴量に対応する各一次評価値を求め、複数の一次評価値を総合した二次評価値と閾値とを比較することにより、該探索領域が特定種類のオブジェクトが存在する候補領域であるか否かを判定するものであることを特徴とする請求項14又は15記載のオブジェクト検出プログラム。 - 前記演算装置を、前記オブジェクト検出部で複数の領域が検出された場合における該複数の領域を、該複数の領域どうしの重なりの程度に応じて、1つの領域に統合する領域統合部をさらに有するオブジェクト検出装置として動作させることを特徴とする請求項13から16のうちいずれか1項記載のオブジェクト検出プログラム。
- 前記フィルタ記憶部が、人間の頭部が存在する確率を表わす評価値を生成する複数のフィルタからなるフィルタ群を記憶するものであって、当該オブジェクト検出プログラムは、前記演算装置を、画像内にあらわれる人間の頭部を検出対象とするオブジェクト検出装置として動作させるものであることを特徴とする請求項13から17のうちいずれか1項記載のオブジェクト検出プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008098601A JP5227639B2 (ja) | 2008-04-04 | 2008-04-04 | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム |
PCT/JP2009/057151 WO2009123354A1 (en) | 2008-04-04 | 2009-04-01 | Method, apparatus, and program for detecting object |
US12/921,502 US8577151B2 (en) | 2008-04-04 | 2009-04-01 | Method, apparatus, and program for detecting object |
CN2009801115175A CN101981582B (zh) | 2008-04-04 | 2009-04-01 | 用于检测对象的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008098601A JP5227639B2 (ja) | 2008-04-04 | 2008-04-04 | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009251893A JP2009251893A (ja) | 2009-10-29 |
JP5227639B2 true JP5227639B2 (ja) | 2013-07-03 |
Family
ID=40984857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008098601A Active JP5227639B2 (ja) | 2008-04-04 | 2008-04-04 | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US8577151B2 (ja) |
JP (1) | JP5227639B2 (ja) |
CN (1) | CN101981582B (ja) |
WO (1) | WO2009123354A1 (ja) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5371685B2 (ja) * | 2009-10-20 | 2013-12-18 | キヤノン株式会社 | 情報処理装置及び制御方法、プログラム |
JP2011160379A (ja) * | 2010-02-04 | 2011-08-18 | Sony Corp | 画像処理装置および方法、並びにプログラム |
JP5178797B2 (ja) * | 2010-09-13 | 2013-04-10 | キヤノン株式会社 | 表示制御装置及び表示制御方法 |
JP5873959B2 (ja) * | 2010-09-27 | 2016-03-01 | パナソニックIpマネジメント株式会社 | ホワイトリスト内外判定装置及び方法 |
JP5206782B2 (ja) * | 2010-12-28 | 2013-06-12 | ブラザー工業株式会社 | 画像処理装置、画像処理方法およびプログラム |
EP2710507B1 (en) * | 2011-05-20 | 2019-10-16 | BAE Systems PLC | Supervised data transfer |
JP6000602B2 (ja) * | 2012-03-30 | 2016-09-28 | キヤノン株式会社 | 体検出方法及び物体検出装置 |
US9147123B2 (en) * | 2012-05-31 | 2015-09-29 | Qualcomm Incorporated | System and method to perform feature detection and to determine a feature score |
US9165190B2 (en) * | 2012-09-12 | 2015-10-20 | Avigilon Fortress Corporation | 3D human pose and shape modeling |
CN103400117B (zh) * | 2013-07-29 | 2016-02-10 | 电子科技大学 | 一种基于计算机视觉的井下人员定位跟踪方法 |
EP3686754A1 (en) * | 2013-07-30 | 2020-07-29 | Kodak Alaris Inc. | System and method for creating navigable views of ordered images |
CN103500331B (zh) * | 2013-08-30 | 2017-11-10 | 北京智谷睿拓技术服务有限公司 | 提醒方法及装置 |
US9122958B1 (en) * | 2014-02-14 | 2015-09-01 | Social Sweepster, LLC | Object recognition or detection based on verification tests |
US9183225B2 (en) * | 2014-02-21 | 2015-11-10 | Siemens Energy, Inc. | Computerized method for transforming an image from an image-searchable domain to a pixel-searchable domain |
US9262681B1 (en) * | 2014-11-19 | 2016-02-16 | Amazon Technologies, Inc. | Probabilistic registration of interactions, actions or activities from multiple views |
JP6375920B2 (ja) * | 2014-12-11 | 2018-08-22 | 富士通株式会社 | ベッド領域抽出方法、ベッド領域抽出装置及びベッド領域抽出プログラム |
CN107025633B (zh) * | 2016-01-29 | 2020-11-27 | 中兴通讯股份有限公司 | 一种图像处理方法及装置 |
CN109478333A (zh) * | 2016-09-30 | 2019-03-15 | 富士通株式会社 | 目标检测方法、装置以及图像处理设备 |
CN106651803B (zh) * | 2016-12-27 | 2020-04-24 | 杭州群核信息技术有限公司 | 户型数据的识别方法及装置 |
IL252032A0 (en) * | 2017-04-30 | 2017-07-31 | Pointgrab Ltd | A method and system for determining presence from images |
JP6822929B2 (ja) * | 2017-09-19 | 2021-01-27 | 株式会社東芝 | 情報処理装置、画像認識方法および画像認識プログラム |
CN113038868A (zh) * | 2018-11-14 | 2021-06-25 | 富士胶片株式会社 | 医疗图像处理系统 |
CN110706253B (zh) * | 2019-09-19 | 2022-03-08 | 中国科学院自动化研究所 | 基于表观特征和深度特征的目标跟踪方法、系统、装置 |
US11523055B1 (en) * | 2020-05-29 | 2022-12-06 | Humane, Inc. | Super resolution/super field of view (FOV) digital photography |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7596242B2 (en) * | 1995-06-07 | 2009-09-29 | Automotive Technologies International, Inc. | Image processing for vehicular applications |
JP3276547B2 (ja) * | 1995-12-01 | 2002-04-22 | シャープ株式会社 | 画像認識方法 |
US20060153447A1 (en) * | 2002-12-05 | 2006-07-13 | Seiko Epson Corporation | Characteristic region extraction device, characteristic region extraction method, and characteristic region extraction program |
JP2004295776A (ja) | 2003-03-28 | 2004-10-21 | Minolta Co Ltd | 画像認識装置および画像認識プログラム |
JP4390487B2 (ja) | 2003-07-03 | 2009-12-24 | セコム株式会社 | 頭部領域抽出装置 |
JP2005092451A (ja) | 2003-09-16 | 2005-04-07 | Sony Corp | 頭部検出装置及び頭部検出方法、並びに頭部検出プログラム |
JP4563740B2 (ja) * | 2004-07-13 | 2010-10-13 | グローリー株式会社 | 画像照合装置、画像照合方法および画像照合プログラム。 |
JP2006318341A (ja) | 2005-05-16 | 2006-11-24 | Sony Corp | 検知対象画像判定装置、検知対象画像判定方法および検知対象画像判定プログラム |
JP3962803B2 (ja) | 2005-12-16 | 2007-08-22 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 頭部検出装置、頭部検出方法および頭部検出プログラム |
US7720288B2 (en) * | 2006-03-21 | 2010-05-18 | Eastman Kodak Company | Detecting compositing in a previously compressed image |
JP4631806B2 (ja) * | 2006-06-05 | 2011-02-16 | 日本電気株式会社 | 物体検出装置、物体検出方法および物体検出プログラム |
-
2008
- 2008-04-04 JP JP2008098601A patent/JP5227639B2/ja active Active
-
2009
- 2009-04-01 CN CN2009801115175A patent/CN101981582B/zh active Active
- 2009-04-01 US US12/921,502 patent/US8577151B2/en active Active
- 2009-04-01 WO PCT/JP2009/057151 patent/WO2009123354A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20110019920A1 (en) | 2011-01-27 |
CN101981582B (zh) | 2013-10-16 |
JP2009251893A (ja) | 2009-10-29 |
WO2009123354A1 (en) | 2009-10-08 |
US8577151B2 (en) | 2013-11-05 |
CN101981582A (zh) | 2011-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5227639B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
JP5227629B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
JP5214533B2 (ja) | 人物追跡方法、人物追跡装置および人物追跡プログラム | |
JP5227888B2 (ja) | 人物追跡方法、人物追跡装置および人物追跡プログラム | |
JP7482181B2 (ja) | 画像処理装置、画像処理方法 | |
Li et al. | Robust visual tracking based on convolutional features with illumination and occlusion handing | |
JP5027030B2 (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
CN110210276A (zh) | 一种移动轨迹获取方法及其设备、存储介质、终端 | |
CN107871106A (zh) | 人脸检测方法和装置 | |
CN108985210A (zh) | 一种基于人眼几何特征的视线追踪方法及系统 | |
CN110310285B (zh) | 一种精确的基于三维人体重建的烧伤面积计算方法 | |
CN106650619A (zh) | 一种人体动作识别方法 | |
JP6207210B2 (ja) | 情報処理装置およびその方法 | |
JP2009020761A (ja) | 画像処理装置及びその方法 | |
CN108681711A (zh) | 一种面向移动机器人的自然路标提取方法 | |
JP2005242640A (ja) | 対象物検出方法および装置並びにプログラム | |
JP2019212148A (ja) | 情報処理装置及び情報処理プログラム | |
Zhou et al. | Human recognition at a distance in video by integrating face profile and gait | |
JP2009251892A (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
Xie et al. | A method of small face detection based on CNN | |
JP2017182436A (ja) | 画像認識装置、及び画像認識プログラム | |
Kourbane et al. | Skeleton-aware multi-scale heatmap regression for 2D hand pose estimation | |
JP2021064120A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Jiang | [Retracted] Application of Rotationally Symmetrical Triangulation Stereo Vision Sensor in National Dance Movement Detection and Recognition | |
Liu et al. | Free-head pose estimation under low-resolution scenarios |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110118 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5227639 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160322 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |