JP5293321B2 - 対象物識別装置及びプログラム - Google Patents

Description

本発明は、対象物識別装置及びプログラムに関する。

従来、車載カメラにより撮像された画像から、車両の周辺に存在する歩行者、動物等の障害物を検出する技術が提案されている（特許文献１〜３参照）。

特許文献１には、カメラで撮像された画像内の白線（例えば道路の中央線等）を白線認識部２３ａで認識して路面領域を切り出し、道路に対応する基準データに基づいて、入力画像内の路面領域の中から道路以外の領域を画像制御部２３ｂで特定すると共に、道路以外の領域を特定した入力画像を上記画像制御部２３ｂで俯瞰した状態に画像変換し、路面標示認識部２３ｃで路面標示認識を行うと共に、歩行者認識部２３ｄで路面標示以外の領域を歩行者認識候補として特定する画像認識装置が開示されている。

特許文献２には、撮像した画像データから直線と認識される部分又は角と認識される部分が存在するかを判断し、直線部分又は角部分を有する領域を排除することにより、人間が存在する領域の認識精度を向上させる画像認識システムが開示されている。

特許文献３には、赤外線画像から赤外線を発する対象物画像を抽出し、抽出した対象物画像と直線パターンあるいは直角パターンからなる基準画像との照合により、対象物が人工構造物であるか否かを判定して、その判定から人工構造物を除外し、残された対象物を歩行者や動物等の動く物体として検出する車両周辺監視装置が開示されている。

特開２００８−０３４９８１号公報 特開２００６−１７１８８４号公報 特開２００３−０１６４２９号公報

しかし、特許文献１〜３の技術は、単独の障害物を識別するため、誤って識別されやすい障害物が存在する場合には識別精度が低下してしまう、という問題がある。

また、特許文献１の技術では、複数の認識部２３ａ、２３ｃ、２３ｄが、直列に接続され、それぞれ所定の認識処理を行っている。しかし、各認識部２３ａ、２３ｃ、２３ｄは、それぞれ画像を用いて認識処理を行っているため、認識結果を得るのに時間がかかってしまう、という問題がある。

特許文献２の技術は、画像データを用いて直線部分又は角部分を含む領域を認識しても、画像データからその領域を削除しなければならず、処理時間がかかってしまう問題がある。特許文献３の技術は、対象物の画像の形状判定後に、対象物の画像から人工構造物を除外しなければならず、処理時間がかかってしまうという問題がある。

本発明は、上述した課題を解決するために提案されたものであり、誤って識別されやすい障害物が存在しても、識別率の低下を抑制しつつ短時間かつ高精度に対象物を識別できる対象物識別装置及びプログラムを提供することを目的とする。

本発明の対象物識別装置は、被写体を撮像して画像を生成する撮像手段と、前記撮像手段により生成された画像から識別したい対象物の候補領域を設定する候補領域設定手段と、候補領域設定手段により設定された候補領域に対して、前記対象物の識別結果と、前記対象物と種類が異なる複数の障害物の各々の識別結果と、をそれぞれ出力する第１の識別手段と、直列に接続された複数の第２の識別手段であって、最前段の第２の識別手段は前記第１の識別手段から出力された各識別結果に基づいて前記候補領域についての前記対象物の識別結果を出力し、最前段を除く第２の識別手段は前段から出力された識別結果に基づいて前記候補領域についての前記対象物の識別結果を後段に出力する、複数の第２の識別手段と、最後段の前記第２の識別手段の識別結果に基づいて、対象物であると識別された候補領域の情報を出力する出力手段と、を備えている。

本発明によれば、候補領域についての対象物の識別結果と、対象物と種類が異なる複数の障害物の識別結果と、をそれぞれ用いて、候補領域に対して対象物の識別結果を出力することにより、短時間で識別すると共に対象物の識別精度を向上させることができる。

また、本発明の対象物識別装置は、被写体を撮像して画像を生成する撮像手段と、前記撮像手段により生成された画像から識別したい対象物の候補領域を設定する候補領域設定手段と、候補領域設定手段により設定された候補領域に対して前記対象物の識別結果を出力する対象物識別器と、前記候補領域に対して前記対象物と種類が異なる複数の障害物の各々の識別結果を出力する複数の障害物識別器と、を有する第１の識別手段と、前記第１の識別手段の対象物識別器及び複数の障害物識別器の各識別結果に基づいて、前記候補領域に対して前記対象物の識別結果を出力する第２の識別手段と、前記第２の識別手段の識別結果に基づいて、対象物であると識別された候補領域の情報を出力する出力手段と、を備えている。

本発明によれば、対象物識別器及び障害物識別器の各識別結果をそれぞれ用いて候補領域に対して対象物の識別結果を出力することにより、短時間で識別すると共に対象物の識別精度を向上させることができる。

本発明に係る対象物識別装置及びプログラムは、誤って識別されやすい障害物が存在しても、識別率の低下を抑制しつつ短時間かつ高精度に対象物を識別することができる。

本発明の第１の実施形態に係る対象物識別装置の構成を示すブロック図である。 歩行者識別ルーチンを示すフローチャートである。 第１の統合特徴量生成ルーチンを示すフローチャートである。 従来の誤検出された障害物を示す図である。 従来の誤検出された障害物を示す図である。 従来の誤検出された障害物を示す図である。 本実施形態に係る対象物識別装置により識別された歩行者を示す図である。 第２の統合特徴量生成ルーチンを示すフローチャートである。

以下、本発明の好ましい実施の形態について図面を参照しながら詳細に説明する。

［第１の実施形態］
図１は、本発明の第１の実施形態に係る対象物識別装置の構成を示すブロック図である。対象物識別装置は、例えば車両に搭載され、車両前方の画像に基づいて識別対象となる障害物（本実施形態では人物（歩行者））を識別するものである。

対象物識別装置は、車両前方の環境を撮像して画像を生成するカメラ１０と、カメラ１０で生成された画像に基づいて歩行者の候補領域を設定する候補領域設定部２０と、歩行者及び歩行者と誤って識別しやすい障害物をそれぞれ識別する第１段識別部３０と、を備えている。

対象物識別装置は、さらに、第１段識別部３０の識別結果に基づいて歩行者を識別する第２段識別部４０と、候補領域設定部２０、第１段識別部３０及び第２段識別部４０でそれぞれ使用される学習モデルが記憶されているデータベース５０と、第２段識別部４０の識別結果を出力する出力部６０とを備えている。なお、カメラ１０と出力部６０を除く各部は、所定のプログラムに基づいて動作するコンピュータで構成されたものでもよい。

第１段識別部３０は、特徴量を抽出する９つの特徴抽出部３０Ａｉ（ｉは１〜９）と、識別対象である歩行者及び誤って歩行者と識別されやすい障害物（樹木、車両、電柱等）をそれぞれ識別するためのＭ（＝９）個の識別器３０Ｂｉ（ｉは１〜９）と、を有している。各識別器は、それぞれ異なる障害物を識別する、又は、それぞれ異なる特徴量を使用する。

なお、第１及び第２の実施形態では、各識別器は、サポートベクターマシン（ＳＶＭ）を用いているが、学習によりパターン認識できればＳＶＭに限定されるものではない。ここで、第１段識別部３０が複数の識別器を有しているのは次の理由による。

識別器は、後述のように、学習用の画像サンプル（ポジティブ画像／ネガティブ画像）に基づいて識別境界面を学習する。ここで、画像サンプルに含まれていなかった画像が候補領域として設定された場合、識別器は境界面付近の判定を行うため、曖昧性が生じる。そこで、第１段識別部３０は、対象物を識別するための人物識別器３０Ｂ１だけでなく、誤って識別されやすい障害物を識別する複数の識別器を並列に用意して、各識別器の結果を出力する。第２段識別部４０は、上記のすべての識別器の出力値の関係から最適な識別結果を得ることができ、この結果識別性能が向上される。

第１段識別部３０は、９個の識別器として、特徴抽出部３０Ａ１で抽出された特徴量に基づいて人物を識別する人物識別器３０Ｂ１と、特徴抽出部３０Ａ２で抽出された特徴量に基づいて自転車を識別する自転車識別器３０Ｂ２と、特徴抽出部３０Ａ３で抽出された特徴量に基づいて二輪車を識別する二輪車識別器３０Ｂ３と、を有している。

更に、第１段識別部３０は、特徴抽出部３０Ａ４で抽出された特徴量に基づいて電柱を識別する電柱識別器３０Ｂ４と、特徴抽出部３０Ａ５で抽出された特徴量に基づいて路面標示を識別する路面標示識別器３０Ｂ５と、特徴抽出部３０Ａ６で抽出された特徴量に基づいて標識を識別する標識識別器３０Ｂ６と、を有している。

更に、第１段識別部３０は、特徴抽出部３０Ａ７で抽出された特徴量に基づいて車両を識別する車両識別器３０Ｂ７と、特徴抽出部３０Ａ８で抽出された特徴量に基づいて樹木を識別する樹木識別器３０Ｂ８と、特徴抽出部３０Ａ９で抽出された特徴量に基づいてガードレールを識別するガードレール識別器３０Ｂ９と、を有している。

各特徴抽出部３０Ａｉ（ｉ＝１〜９）は、互いに並列に設けられており、候補領域設定部２０で設定された候補領域からそれぞれ特徴量を抽出する。なお、特徴抽出部３０Ａｉはそれぞれ同一の特徴量を抽出してもよいし、また、特徴抽出部３０Ａｉの一部のみが同一の特徴量を抽出し他の特徴抽出部３０Ａｉがそれぞれ異なる特徴量を抽出してもよい。また、特徴量は、輝度、エッジの強度、エッジの方向等、特に限定されるものではない。

各識別器３０Ｂｉ（ｉ＝１〜９）は、データベース５０に予め保存されている学習モデルを用いて候補領域の識別処理を実行し、識別対象らしさを示す数値を第２段識別部４０へ出力する。

なお、図１に示す第１段識別部３０は、並列に接続された識別器を含む構成であるが、エッジ特徴や矩形を抽出するフィルタを更に含んだ構成であってもよい。例えば、第１段識別部３０は、候補領域設定部２０で設定された候補領域内の特定方向のエッジの数や強度を０又は１で出力してこの出力結果を第２段識別部４０に供給するフィルタを備えてもよい。

第２段識別部４０は、第１段識別部３０の各識別器３０Ｂｉ（ｉ＝１〜９）の識別結果を統合して特徴量を生成する統合特徴量生成部４０Ａと、統合特徴量生成部４０Ａで生成された統合特徴量に基づいて人物を識別する統合識別器４０Ｂと、を備えている。

すなわち、第２段識別部４０は、輝度やエッジ方向等のような画像特徴量ではなく、第１段識別部３０による歩行者の識別結果と、誤って歩行者であると識別される傾向のある１つ以上の障害物の識別結果と、に基づく統合特徴量から、候補領域が歩行者であるか否かを識別する。

データベース５０には、パターン認識により候補領域設定部２０で候補領域を設定するために使用される人物モデル、第１段識別部３０の各識別器で使用される各々の学習モデル、統合識別器４０Ｂで使用される学習モデルが記憶されている。なお、候補領域設定部２０は、パターン認識により候補領域を設定する場合に限らず、単純に画像中の人物の大きさに対応した候補枠を候補領域として設定してもよい。

出力部６０は、第２段識別部４０により歩行者であると識別された候補領域の情報（位置及び大きさ）を出力する。例えば、出力部６０が、車両前方の周辺環境画像を表示するモニタの場合、周辺環境画像を表示すると共に、歩行者であると識別された候補領域の枠を表示する。なお、出力部６０は、上述の例に限らず、候補領域の情報を音声で出力してもよいし、画像及び音声で出力してもよい。

（学習処理）
以上のように構成された対象物識別装置において、最初に、第１段識別部３０の各識別器に学習させて、次に、第２段識別部４０の統合識別器４０Ｂに学習させる。具体的には、予め学習用の画像サンプル（ポジティブ画像、ネガティブ画像）を用意しておき、候補領域設定部２０にこれらの画像サンプルが入力されると、第１段識別部３０の各識別器がそれぞれ学習して学習モデルを生成する。次に、上述の画像サンプルと異なる画像サンプルを用意しておき、候補領域設定部２０にこれらの画像サンプルが入力されると、第２段識別部４０の統合識別器４０Ｂが学習モデルを生成する。これらの学習モデルは、データベース５０に保存され、障害物識別処理の際に使用される。

（識別処理）
図２は、歩行者識別ルーチンを示すフローチャートである。対象物識別装置は、画像サンプルを用いた学習をした後、図２に示す歩行者識別ルーチンを実行する。

ステップＳ１では、カメラ１０は、周辺環境を撮像して、周辺環境の画像を取得する。

ステップＳ２では、候補領域設定部２０は、カメラ１０により取得された画像の中から、対象物である歩行者に似た画像パターンを持つ候補領域を探索し、その候補領域の場所及び大きさを決定する。そして、次のステップＳ３〜Ｓ８においては、第１段識別部３０が処理を行う。

ステップＳ３では、インデックス番号ｉ＝１に設定される。ここで、インデックス番号ｉは第１段識別部３０内の各識別器及びそれに対応する特徴抽出部を特定するパラメータであり、「第ｉ番目」（ｉ＝１〜Ｍ（Ｍは並列に接続された識別器の個数を示し、本実施形態ではＭ＝９））という表記により識別器又は特徴抽出部が特定される。例えば、第１番目の特徴抽出部は特徴抽出部３０Ａ１であり、第２番目の特徴抽出部は特徴抽出部３０Ａ２である。また、第１番目の識別器は人物識別器３０Ｂ１であり、第３番目の識別器は二輪車識別器３０Ｂ３である。

ステップＳ４では、第ｉ番目の特徴抽出部が、第ｉ番目の識別器用の特徴量を抽出して、ステップＳ５に進む。ステップＳ５では、第ｉ番目の識別器が候補領域を評価して、ステップＳ６に進む。ステップＳ６では、第ｉ番目の識別器の評価値が保存されて、ステップＳ７に進む。

ステップＳ７では、インデックス番号ｉ＜Ｍ（本実施形態ではＭ＝９）であるかが判定され、肯定判定の場合はステップＳ８に進み、否定判定の場合はステップＳ９に進む。 ステップＳ８では、インデックス番号ｉがインクリメントされて（ｉ＝ｉ＋１）、ステップＳ４に戻る。

ステップＳ９では、第２段識別部４０の統合特徴量生成部４０Ａが、第１段識別部３０の複数の識別器の評価結果を統合して特徴量を抽出する。ここでは統合特徴量抽出ルーチンが実行される。

図３は、第１の統合特徴量生成ルーチンを示すフローチャートである。統合特徴量生成部４０Ａは、初期設定としてｋ＝１に設定する（ステップＳ２１）。統合特徴量生成部４０Ａは、次に、第１段識別部３０の識別器群から任意のｋ個の識別器を選択し（ステップＳ２２）、選択したｋ個の識別器の出力から統合特徴量Ａ１、Ａ２を算出する（ステップＳ２３）。

ここで、選択したｋ個の識別器の出力値を

とおくと、統合特徴量生成部４０Ａは、次の式（１）及び（２）に従って統合特徴量Ａ１、Ａ２を算出する。

ｗ及びｔは、重み係数であり、統合特徴量生成部４０Ａの学習の際に決定される。なお、統合特徴量生成部４０Ａは考えられるすべてのｋ個の出力値Ｄを選択してもよいし、予め指定された組み合わせの出力値Ｄのみを計算してもよい。よって、人物識別器３０Ｂ１の出力値は必須ではなく、他の識別器３０Ｂ２〜３０Ｂ９の出力値から歩行者が識別可能であれば、人物識別器３０Ｂ１の出力値は選択されなくてもよい。

そして、統合特徴量生成部４０Ａは、ｋ＜Ｍであるかを判定し（ステップＳ２４）、肯定判定の場合はｋをインクリメント（ｋ＝ｋ＋１）して（ステップＳ２５）、その後ステップＳ２２に戻り、否定判定の場合は算出したすべての統合特徴量を第２段の識別器がある統合識別器４０Ｂへ出力する（ステップＳ２６）。これにより、統合特徴量抽出ルーチンが終了して、図２に示すステップＳ１０に移行する。

ステップＳ１０では、第２段識別部４０の統合識別器４０Ｂが、統合特徴量生成部４０Ａで抽出された統合特徴量Ａ１、Ａ２を入力して学習結果と照合することによって統合特徴量Ａ１、Ａ２を評価し、それぞれの評価結果を示す評価値を出力して、ステップＳ１１に進む。

ステップＳ１１では、統合識別器４０Ｂが、統合特徴量Ａ１、Ａ２のそれぞれの評価値と予め設定された閾値とを比較する閾値判定を行い、それぞれの評価値が閾値を超えている場合には候補領域は歩行者であると識別し、閾値を超えていない場合には候補領域は歩行者でないと識別して、ステップＳ１２に進む。

ステップＳ１２では、出力部６０は、第２段識別部４０の識別結果に基づいて、歩行者であると識別された候補領域の位置及び大きさを出力する。なお、このような識別処理は、候補領域設定部２０で設定された全ての候補領域について行われる。

図４から図６は、従来の誤検出された障害物を示す図である。図７は、本実施形態に係る対象物識別装置により識別された歩行者を示す図である。つまり、従来は、電柱、車両、樹木等が歩行者として誤検出されることがあったが、本実施形態に係る対象物識別装置は、電柱、車両、樹木を検出することなく、歩行者のみを識別している。

以上のように、第１の実施形態に係る対象物識別装置は、画像の中から識別対象である歩行者の候補領域を設定し、この候補領域に対して、歩行者の識別結果と歩行者と誤って識別されやすい障害物の識別結果のうち、全部又は一部の識別結果に基づいて歩行者らしさを判定する。よって、上記対象物識別装置は、候補領域について１つの識別器では正確に対象物を識別できない場合であっても、当該識別器の識別結果と、他の障害物を識別する他の識別器の識別結果と、を統合して対象物を識別するので、識別精度を向上させることができる。

また、異なる障害物を識別する複数の識別器を直列に並べて対象物を識別する場合、誤検出率が低下すると共に、正確な識別率も低下してしまう。これに対して、本実施形態に係る対象物識別装置は、第１段識別部３０及び第２段識別部４０の２段だけで構成されているので、識別率の低下を抑制しつつ誤識別を削減することができる。

［第２の実施形態］
つぎに、本発明の第２の実施形態について説明する。第２の実施形態の統合特徴量生成部４０Ａは、図３に示す第１の統合特徴量生成ルーチンの代わりに、第２の統合特徴量生成ルーチンを実行する。

図８は、第２の統合特徴量生成ルーチンを示すフローチャートである。

ステップＳ３１では、統合特徴量生成部４０Ａは、第１段識別部３０の各識別器３０Ａｉ（ｉ＝１〜９）の出力値Ｄｉをビット信号Ｂｉに変換する。

例えば、識別器３０Ａｉの出力値が４．５、識別器３０Ａｊの出力値が−５．２であるとする。それぞれの識別器の出力値をビット信号に変換するための多段階閾値Ｔｉ、Ｔｊをそれぞれ式（３）及び（４）のように与える。

そして、統合特徴量生成部４０Ａは、Ｔｉ、Ｔｊの各成分と識別器３０Ａｉ、３０Ａｊの出力値とを比較して、その出力値をビット信号に変換する。例えば、識別器３０Ａｉ、３０Ａｊの出力値の方が大きい場合を１、小さい場合を０で表現すると、式（５）及び（６）に示すようなビット信号Ｂｉ、Ｂｊが生成される。

統合特徴量生成部４０Ａは、以上のようにして各識別器３０Ａｉ（ｉ＝１〜９）の出力値をビット信号Ｂｉに変換して、ステップＳ３２に進む。

ステップＳ３２では、統合特徴量生成部４０Ａは、各識別器３０Ａｉ（ｉ＝１〜９）から２個を選択し、ステップＳ３３に進む。

ステップＳ３３では、統合特徴量生成部４０Ａは、ステップＳ３２で選択した２個の識別器の出力値のビット信号（Ｂｉ，Ｂｊ）から統合特徴量Ｂを算出する。なお、統合特徴量の算出については、次の２つの方法がある。

（Ｂｉ、Ｂｊの要素成分の組み合わせを使用する方法）
統合特徴量生成部４０Ａは、ビット信号Ｂｉ、Ｂｊからそれぞれ要素成分ｂｉ、ｂｊを抽出し、以下の式（７）に基づいて統合特徴量Ｂ１を生成する。

なお、重み係数ｗ、組み合わされる要素成分（ｂｉ，ｂｊ）の組み合わせについては、上述した学習処理によって識別に有効なものが選択される。また、式（７）については、ｂｉやｂｊの２乗の項を追加する等拡張してもよい。

（Ｂｉ、Ｂｊの論理演算結果を使用する方法）
統合特徴量生成部４０Ａは、ビット信号Ｂｉ、Ｂｊを用いて、論理和ＯＲ_ｉｊ、論理積ＡＮＤ_ｉｊ、排他的論理和ＸＯＲ_ｉｊ、否定論理和ＮＯＲ_ｉｊ、否定論理積ＮＡＮＤ_ｉｊを演算し、これらの演算結果を使用して統合特徴量Ｂ２を算出する。例えば、ビット信号Ｂｉ、Ｂｊが式（５）及び（６）の場合、各論理演算は次の式（８）〜（１２）のようになる。

そして、統合特徴量生成部４０Ａは、式（１３）に従って統合特徴量Ｂ２を算出する。

なお、重み係数ｗ、組み合わされる論理演算結果については、上述した学習処理によって識別に有効なものが選択される。

また、式（１３）で使用可能な論理演算は、上記のものに限られず、例えば、Ｂｉの否定演算とＢｊの論理和を用いてもよいし、上記の演算結果同士の論理和や論理積などを用いて拡張してもよい。さらに、「Ｂｉ、Ｂｊの要素成分の組み合わせを使用する方法」と同様に、統合特徴量生成部４０Ａは、各ビット演算結果の要素成分から任意の組み合わせを抽出して判定してもよい。また、統合特徴量生成部４０Ａは、主成分分析（ＰＣＡ）を用いて、生成した特徴量の数を効果的に削減することもできる。これにより、統合特徴量Ａ、Ｂを任意の次元を用いて表すことができる。

そして、以上のような演算によって統合特徴量Ｂが算出されると、ステップＳ３４へ進む。

ステップＳ３４では、統合特徴量生成部４０Ａは、（ｂｉ，ｂｊ）の全組み合わせについて統合特徴量Ｂの演算処理が終了したかを判定し、肯定判定の場合はステップＳ３５に進み、否定判定の場合はステップＳ３２に戻る。

ステップＳ３５では、統合特徴量生成部４０Ａは、算出したすべての統合特徴量Ｂを統合識別器４０Ｂへ出力する。そして、本ルーチンが終了する。

統合識別器４０Ｂは、統合特徴量生成部４０Ａで生成された統合特徴量Ｂを学習結果と照合（評価）し、その評価値が閾値Ｔ_ｉｊより大きい（Ｂ＞Ｔ_ｉｊ）かを判定する。なお、閾値Ｔ_ｉｊは学習により選択された値である。統合識別器４０Ｂは、Ｂ＞Ｔ_ｉｊである場合には候補領域に歩行者の存在を識別し、Ｂ＞Ｔ_ｉｊでない場合には歩行者の存在を識別しない。

第２の実施形態に係る対象物識別装置は、上記の第２の統合特徴量生成ルーチンを実行することにより、識別対象である歩行者の識別結果だけでなく、誤って識別されやすい障害物の識別結果を利用して、歩行者の識別性能をより向上させることができる。

なお、本発明は、上述した実施の形態に限定されるものではなく、特許請求の範囲に記載された範囲内で設計上の変更をされたものにも適用可能であるのは勿論である。例えば、上述した対象物識別装置は、歩行者を識別対象としたが、二輪車、車両などの他の障害物を識別対象としてもよいのは勿論である。

また、統合特徴量生成部４０Ａによる統合特徴量の生成方法は、上述した各実施形態の態様に限らず、これらを組み合わせたものでもよい。

また、図１に示す対象物識別装置の第１段識別部３０及び第２段識別部４０は直列に「２段」で構成されているが、より高次の多段化も可能である。例えば、第１段識別部の各識別器を２つのグループに分けた場合、第２段識別部はそれぞれのグループに属する識別器の出力値を入力する２つの識別器を備えるとよい。このときさらに、第３段識別部の識別器は、第２段識別部の２つの識別器の出力を統合して判定するようにすればよい。

１０ カメラ
２０ 候補領域設定部
３０ 第１段識別部
４０ 第２段識別部
５０ データベース
６０ 出力部

Claims (6)

1. 被写体を撮像して画像を生成する撮像手段と、
   前記撮像手段により生成された画像から識別したい対象物の候補領域を設定する候補領域設定手段と、
   候補領域設定手段により設定された候補領域に対して、前記対象物の識別結果と、前記対象物と種類が異なる複数の障害物の各々の識別結果と、をそれぞれ出力する第１の識別手段と、
   直列に接続された複数の第２の識別手段であって、最前段の第２の識別手段は前記第１の識別手段から出力された各識別結果に基づいて前記候補領域についての前記対象物の識別結果を出力し、前記最前段を除く第２の識別手段は前段から出力された識別結果に基づいて前記候補領域についての前記対象物の識別結果を後段に出力する、複数の第２の識別手段と、
   最後段の前記第２の識別手段の識別結果に基づいて、対象物であると識別された候補領域の情報を出力する出力手段と、
   を備えた対象物識別装置。
2. 被写体を撮像して画像を生成する撮像手段と、
   前記撮像手段により生成された画像から識別したい対象物の候補領域を設定する候補領域設定手段と、
   候補領域設定手段により設定された候補領域に対して前記対象物の識別結果を出力する対象物識別器と、前記候補領域に対して前記対象物と種類が異なる複数の障害物の各々の識別結果を出力する複数の障害物識別器と、を有する第１の識別手段と、
   前記第１の識別手段の対象物識別器及び複数の障害物識別器の各識別結果に基づいて、前記候補領域に対して前記対象物の識別結果を出力する第２の識別手段と、
   前記第２の識別手段の識別結果に基づいて、対象物であると識別された候補領域の情報を出力する出力手段と、
   を備えた対象物識別装置。
3. 前記第２の識別手段は、前記対象物識別器の識別結果及び前記複数の前記障害物識別器の識別結果のうち、一部の識別結果に基づいて、前記候補領域に対して前記対象物の識別結果を出力する
   請求項２に記載の対象物識別装置。
4. 前記第２の識別手段は、前記対象物識別器の識別結果及び前記複数の前記障害物識別器の識別結果のうち、一部の識別結果の値を多段階閾値と比較することでビット信号に変換し、変換したビット信号に基づいて前記候補領域に対して前記対象物の識別結果を出力する
   請求項２に記載の対象物識別装置。
5. コンピュータを、
   撮像手段により生成された画像から識別したい対象物の候補領域を設定する候補領域設定手段と、
   候補領域設定手段により設定された候補領域に対して、前記対象物の識別結果と、前記対象物と種類が異なる複数の障害物の各々の識別結果と、をそれぞれ出力する第１の識別手段と、
   直列に接続された複数の第２の識別手段であって、最前段の第２の識別手段は前記第１の識別手段から出力された各識別結果に基づいて前記候補領域についての前記対象物の識別結果を出力し、最前段を除く第２の識別手段は前段から出力された識別結果に基づいて前記候補領域についての前記対象物の識別結果を後段に出力する、複数の第２の識別手段と、
   最後段の前記第２の識別手段の識別結果に基づいて、対象物であると識別された候補領域の情報を出力手段から出力させる出力制御手段と、
   して機能させるための対象物識別プログラム。
6. コンピュータを、
   撮像手段により生成された画像から識別したい対象物の候補領域を設定する候補領域設定手段と、
   候補領域設定手段により設定された候補領域に対して前記対象物の識別結果を出力する対象物識別器と、前記候補領域に対して前記対象物と種類が異なる複数の障害物の各々の識別結果を出力する複数の障害物識別器と、を有する第１の識別手段と、
   前記第１の識別手段の対象物識別器及び複数の障害物識別器の各識別結果に基づいて、前記候補領域に対して前記対象物の識別結果を出力する第２の識別手段と、
   前記第２の識別手段の識別結果に基づいて、対象物であると識別された候補領域の情報を出力手段から出力させる出力制御手段と、
   して機能させるための対象物識別プログラム。