JP5635770B2 - 障害物検出装置 - Google Patents

Description

本発明は、車載カメラで人等の車周囲の障害物を検出する障害物検出装置に関するものである。

車載カメラを用いて、人体が映った映像を優先的に表示して運転者の車外確認に要する負担を軽減する車両用表示システムが提案されている（たとえば特許文献１参照）。

車載カメラで人を検出する方法としては、フレーム間差分や背景差分などを用いたモーションベースの人検出と、テンプレートマッチングやパターン認識等のテクスチャベース、あるいはグラディエントベースの非モーションベースの人検出方法がある。

特開２００４−２８２４６５号公報

ところで、検出対象物体である人は様々な格好をし、部分隠れなども起こり得るのでテクスチャベースでの検出は完全ではない。
一方、モーションベースでは、車両の真後ろのしゃがみ込んだ子供など、ほとんど動かない物に対しては動きがないため検出できないという問題がある。
また、テクスチャベースの検出は画像全体を対象にスキャンすると演算コストがかかるという問題がある。

本発明は、様々な姿勢が予想される一般に困難である人等の検出対象物体の検出が、その動静や姿勢にかかわりなく高精度に検出することが可能な障害物検出装置を提供することにある。

本発明の第１の観点の障害物検出装置は、時間的に連続する画像を取り込む画像取得部と、前記画像について主に動体を検出するモーションベース検出部と、前記画像について主に静物を検出する非モーションベース検出部と、を有し、前記非モーションベース検出部は、前記画像の任意の所定領域において、検出対象物体の立ち形状およびしゃがみ込み形状を検出対象に、いずれかを優先して検出し、優先側の形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わず、前記モーションベース検出部は、前記画像の前記所定領域より広い範囲を検出対象とする。

好適には、前記非モーションベース検出部は、前記優先側の形状が検出されない領域は前記非優先側の形状を検出対象とし、当該非優先側の形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わない。

好適には、前記非モーションベース検出部は、検出対象物体の倒れ形状を検出対象とし、前記立ち形状および前記しゃがみ込み形状が検出されない領域は当該倒れ形状を検出対象とし、当該倒れ形状を検出した領域より被写体距離が遠方に相当する領域は検出を行わない。

好適には、前記非モーションベース検出部は、前記画像の領域によって前記各形状の検出の大きさに制限を持たせている。

好適には、前記非モーションベース検出部は、前記非モーションベース検出部による検出結果が未検出であった場合、検出処理を行なって、検出した物体が所定の形状をしていれば人と判定する。

好適には、前記非モーションベース検出部は、前記所定の形状を前記画面上の領域に応じて可変させる可変機能を有する。

本発明によれば、様々な姿勢が予想される一般に困難である人等の検出対象物体の検出が、その動静や姿勢にかかわりなく高精度に検出することができる。

本発明の実施形態に係る車載用障害物検出装置の構成例を示すブロック図である。 車載カメラの配置例を示す図である。 本実施形態に係る障害物検出装置の検出対象物体である人を検出する場合の動作概要を示すフローチャートである。 図３における立ち人物判定処理を示すフローチャートである。 図３におけるしゃがみ込み人物判定処理を示すフローチャートである。 車両幅領域外の動いている立ち人物を検出する場合の状態を示す図である。 車両幅領域外の動いている立ち人物の動きを検出し、矩形枠による注意表示を行う場合の状態を示す図である。 車両幅領域内において近領域で立ち人物を検出する場合の状態を示す図である。 車両幅領域内において遠領域で立ち人物を検出する場合の状態を示す図である。 車両幅領域内において近領域でしゃがみ込んでいる人物を検出する場合の状態を示す図である。

以下、本発明の実施形態を図面に関連付けて説明する。

図１は、本発明の実施形態に係る車載用障害物検出装置の構成例を示すブロック図である。
図２は、車載カメラの配置例を示す図である。

本車載用障害物検出装置１００は、車載カメラ１０１、フレームメモリ１０２、背景画像メモリ１０３、移動物体検出部１０４、座標抽出部１０５、領域パラメータ設定部１０６、ＨＯＧ特徴量算出部１０７、ＳＶＭ識別部１０８、表示メモリ１０９、座標有無識別部１１０、モニタ駆動部１１１、およびモニタ１１２を有する。

これらの構成要素のうち、移動物体検出部１０４、座標抽出部１０５、領域パラメータ設定部１０６、ＨＯＧ特徴量算出部１０７、ＳＶＭ識別部１０８を含んでモーションベース検出部および非モーション検出部（以下、検出部という）１２０が構成される。

本実施形態に係る障害物検出装置１００では、テクスチャベースとモーションベースの両方を併せ持つ障害物検出機能を有し、テクスチャベースでは人認識を車両幅ＣＷ相当の領域のみで判定を行い、モーションベースの障害物検出を車両幅ＣＷより広い範囲で行い、いずれかで検出された物を最終結果とする機能を有する。
また、テクスチャベースの検出対象物体である人認識は人の立ち形状かあるいはしゃがみ込み形状もしくは倒れ形状を想定して所定の領域内を識別していく。
換言すれば、本障害物検出装置１００は、車載カメラ１０１の画像で障害物検出を行う場合に、モーションベース検出と非モーション（テクスチャ）ベース検出とを組み合わせて用いる。
さらに、障害物検出装置１００は、非モーションベース検出では人の形状によって検出の優先順位を設けて、画像上で優先度の高い形状が検出された領域より被写体距離が遠方に相当する領域の障害物検出は行わないものとすることを特徴としている。

車載カメラ１０１は、たとえば図２に示すように、車両ＣＡＲの後部（Ｒ）に載置される。
車載カメラ１０１は、ＣＣＤやＣＭＯＳイメージセンサ等の撮像デバイスを含むデジタル監視カメラが適用され、撮像したデジタル画像データをフレームメモリ１０２に出力する。
車載カメラ１０１は、時間的に連続する画像を取り込む画像取得部として機能する。
車載カメラ１０１で取得された画像は、車内に配置されたモニタ１１２に表示される。

フレームメモリ１０２は、たとえば１フレーム分の現画像データを記憶して、その現フレームデータを背景画像メモリ１０３および検出部１２０の移動物体検出部１０４および領域パラメータ設定部１０６に出力する。

背景画像メモリ１０３は、背景画像情報を格納し、また、フレームメモリ１０２によるフレームデータを前フレームデータとして記憶する。

検出部１２０は、画像について主に動体を検出するモーションベース検出機能と、画像について主に静物を検出する非モーションベース検出機能と、を含む。
検出部１２０は、非モーションベース検出機能において、画像の任意の所定領域、たとえば図２に示すように車両幅ＣＷ分の後ろのみを対象とする。なお、車載カメラ１０１が車両ＣＡＲのフロント（Ｆ）側に配置される場合には、車両幅ＣＷの前のみを対象とする。
検出部１２０は、モーションベース検出機能において、画像の所定領域より広い範囲、具体的には車両幅ＣＷより広い範囲を検出対象とする。
検出部１２０は、非モーションベース検出機能において、検出対象物体の立ち形状およびしゃがみ込み形状を検出対象とする。

非モーションベース検出機能において、検出対象物体のしゃがみ込み形状および立ち形状のいずれかを優先して検出し、優先側の形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わない。
そして、非モーションベース検出機能において、優先側の形状が検出されない領域は非優先側の形状を検出対象とし、非優先側の形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わない。

本実施形態においては、優先する形状を人の立ち形状とし、非優先の形状をしゃがみ込形状として説明する。
この場合、非モーションベース検出機能において、検出対象物体のしゃがみ込み形状より立ち形状を優先して検出し、優先側の立ち形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わない。
そして、非モーションベース検出機能において、優先側の立ち形状が検出されない領域は非優先側のしゃがみ込み形状を検出対象とし、非優先側のしゃがみ込み形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わない。

検出部１２０の非モーションベース検出機能においては、検出対象物体の倒れ形状を検出対象とする機能を有する。
この場合、非モーションベース検出機能においては、立ち形状およびしゃがみ込み形状が検出されない領域はこの倒れ形状を検出対象とし、倒れ形状を検出した領域より被写体距離が遠方に相当する領域は検出を行わない。
また、非モーションベース検出機能においては、画像の領域によって各形状の検出の大きさ（領域）に制限を持たせている。

検出部１２０のモーションベース検出機能においては、非モーションベース検出機能による検出結果が未検出であった場合、検出処理を行って、検出した物体が所定の形状をしていれば人と判定する。
モーションベース検出機能は、この所定の形状を画面上の領域に応じて可変させる可変機能を有している。

ここで、検出部１２０の各部の構成および機能を説明する。
移動物体検出部１０４は、フレームメモリ１０２の現フレームデータと背景画像メモリ１０３の前フレームメモリを基に、移動物体の有無を検出する。
移動物体検出部１０４は、たとえばオプティカルフロー算出により移動物体の判定を行い、判定結果を座標抽出部１０５に出力する。

座標検出部１０５は、移動物体が検出された判定情報を受けると、検出した物体に相当する矩形座標を算出し、表示メモリ１０９にその矩形座標を設定する。

領域パラメータ設定部１０６は、フレームメモリ１０２からの現フレームデータに対して検出対象物体の検出をする領域を設定する。
設定する領域として、車両幅ＣＷ内の車両ＣＡＲの後部領域、またはさらに車両幅ＣＷ領域外の車両ＣＡＲの後部領域を設定する。
領域パラメータ設定部１０６は、後部領域を車両後部（Ｒ）に近い近領域ＮＡ、それより若干遠い中領域ＭＡ、および相対的に遠い遠領域ＦＡに区分けして設定可能である。
領域パラメータ設定部１０６は、設定情報をＨＯＧ特徴量算出部１０７に出力する。

ＨＯＧ(Histograms of Oriented Gradients)特徴量算出部１０７は、検出対象物体である人の立ち形状およびしゃがみ込み形状のＨＯＧ特徴量算出処理を行い、処理結果をＳＶＭ識別部１０８に出力する。

ここで、ＨＯＧとは、一般物体の認識のための勾配ベースの特徴量をヒストグラム化したものをいう。
シフト（SIFT）特徴量と同じく局所領域における輝度の勾配方向をヒストグラム化したものである。
シフト特徴量は、特徴点周りの勾配に関して勾配ヒストグラムを求めるのに対し、ＨＯＧは一定領域に対して勾配ヒストグラムを求める。

ＨＯＧの処理例を以下に示す。
まず、各ピクセルから輝度の勾配強度ｍ、方向θを求める。
次に、Ｎ×Ｎのピクセルを１セル、０°〜１８０°を２０°ずつ９方向に分割し、１セルごとに輝度勾配ヒストグラムを作成する。
次に、各セルにおいて作成したヒストグラムを３×３セルを１ブロックとして正規化を行う。正規化はブロックを１セルずつずらしながら全領域に対し行う。
以上により特徴量を得る。

ＳＶＭ(Support vector machine)識別部１０８は、ＨＯＧ特徴量算出部１０７で算出された特徴量を基にしてパターン認識により検出対象物体である人の検出を行う。
ＳＶＭ識別部１０８は、人を検出した（人として認識した）場合には、表示メモリ１０９に矩形座標を設定する。

座標有無認識部１１０は、表示メモリ１０９に矩形座標があるか否かを識別し、その結果をモニタ駆動部１１１に出力する。

モニタ駆動部１１０は、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（重ね合わせる）。

次に、上記構成を有する障害物検出装置１００の動作を、検出部１２０の処理を中心に、図３から図１０に関連付けて説明する。

図３は、本実施形態に係る障害物検出装置の検出対象物体である人を検出する場合の動作概要を示すフローチャートである。
図４は、図３における立ち人物判定処理を示すフローチャートである。
図５は、図３におけるしゃがみ込み人物判定処理を示すフローチャートである。
図６（Ａ）および（Ｂ）は、車両幅領域外の動いている立ち人物を検出する場合の状態を示す図である。
図７（Ａ）および（Ｂ）は、車両幅領域外の動いている立ち人物の動きを検出し、矩形枠による注意表示を行う場合の状態を示す図である。
図８（Ａ）〜（Ｃ）は、車両幅領域内において近領域で動いている立ち人物を検出する場合の状態を示す図である。
図９（Ａ）〜（Ｃ）は、車両幅領域内において遠領域で動いている立ち人物を検出する場合の状態を示す図である。
図１０（Ａ）〜（Ｃ）は、車両幅領域内において近領域でしゃがみ込んでいる人物を検出する場合の状態を示す図である。

まず、ステップＳＴ１において、表示メモリ１０９に設定された矩形座標をクリアし、モニタ１１２にスーパーインポーズさせていた矩形枠ＳＦを消去し、初期状態とする（ＳＴ１）。
この初期状態において、車載カメラ１０１により車両ＣＡＲの後部（Ｒ）側の撮像画像を取り込む。この撮像画像は、１フレーム分の現画像データとしてフレームメモリ１０２に記憶される。この現フレームデータは背景画像メモリ１０３および検出部１２０の移動物体検出部１０４および領域パラメータ設定部１０６に供給される。背景画像メモリ１０３においては、フレームメモリ１０２によるフレームデータが前フレームデータとして記憶される。

この場合は、まず基本的にモーションベース検出を行うことから、検出範囲は、図６（Ａ）および（Ｂ）に示すように、画像の所定領域より広い範囲、具体的には車両幅ＣＷより広い範囲を検出対象とする。
次に、検出部１２０の移動物体検出部１０４が、フレームメモリ１０２の現フレームデータと背景画像メモリ１０３の前フレームメモリを基に、たとえば図７（Ａ）に示すように、オプティカルフロー算出を行う（ＳＴ２）。
移動物体検出部１０４は、オプティカルフロー算出結果に基づいて、移動物体ＭＯＢＪの判定を行い（ＳＴ３）、判定結果を座標抽出部１０５に出力する。
移動物体を検出したとの判定結果を受けると、座標検出部１０５は、検出した物体に相当する矩形座標を算出し（ＳＴ４）、表示メモリ１０９にその矩形座標を設定する（ＳＴ５）。
そして、座標有無認識部１１０が、表示メモリ１０９に矩形座標があるか否かを識別し、その結果をモニタ駆動部１１１に報知される。
モニタ駆動部１１０では、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、図７（Ｂ）に示すように、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（重ね合わせる）。

移動物体が検出されない場合、次に、非モーションベース検出を行う。領域パラメータ設定部１０６が、検出範囲として、車両幅ＣＷの延長戦に相当する固定抽出領域の切り取りを行う。
本実施形態において、非モーションベース検出においては、検出対象物体の優先する形状を人の立ち形状とし、非優先の形状をしゃがみ込形状としている。
したがって、非モーションベース検出機能において、検出対象物体のしゃがみ込み形状より立ち形状を優先して検出し（ＳＴ６）、優先側の立ち形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わない。
検出対象物体である立ち形状の人が検出されると、固定抽出領域に相当する矩形座標の設定が行われる（ＳＴ７）。
立ち形状の検出対象物体である人を認識するにあたって、検出部１２０において、領域パラメータ設定部１０６が、図４に示すフローのように、後部領域を車両後部（Ｒ）に近い近領域ＮＡ、それより若干遠い中領域ＭＡ、および相対的に遠い遠領域ＦＡに区分けして設定する

まず、図８（Ａ）に示すように、近領域内に相当する固定抽出領域ＣＥＮＡを切り取り、立ち状態にある検出対象物体である人の判定処理を行う。
すなわち、図８（Ｂ）に示すように、ＨＯＧ特徴量算出部１０７において、検出対象物体である人の立ち形状のＨＯＧ特徴量算出処理を行い、ＳＶＭ識別部１０８で、ＨＯＧ特徴量算出部１０７で算出された特徴量を基にしてパターン認識により検出対象物体ＤＯＢＪである人の検出（判定）を行う（ＳＴ６１）。
ＳＶＭ識別部１０８は、人を検出した（人として認識した）場合には、表示メモリ１０９に矩形座標を設定する（ＳＴ６２）。

そして、座標有無認識部１１０が、表示メモリ１０９に矩形座標があるか否かを識別し、その結果がモニタ駆動部１１１に報知される。
モニタ駆動部１１０では、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、図８（Ｃ）に示すように、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（重ね合わせる）。

ステップＳＴ６１において、人が検出されなかった場合、次に、中領域内に相当する固定抽出領域ＣＥＭＡを切り取り、立ち状態にある検出対象物体である人の判定処理を行う。
この場合も、ＨＯＧ特徴量算出部１０７において、検出対象物体である人の立ち形状のＨＯＧ特徴量算出処理を行い、ＳＶＭ識別部１０８で、ＨＯＧ特徴量算出部１０７で算出された特徴量を基にしてパターン認識により検出対象物体ＤＯＢＪである人の検出（判定）を行う（ＳＴ６３）。
ＳＶＭ識別部１０８は、人を検出した（人として認識した）場合には、表示メモリ１０９に矩形座標を設定する（ＳＴ６４）。

そして、座標有無認識部１１０が、表示メモリ１０９に矩形座標があるか否かを識別し、その結果がモニタ駆動部１１１に報知される。
モニタ駆動部１１０では、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（重ね合わせる）。

ステップＳＴ６１において、人が検出されなかった場合、次に、図９（Ａ）に示すように、遠領域内に相当する固定抽出領域ＣＥＦＡを切り取り、立ち状態にある検出対象物体である人の判定処理を行う。
すなわち、図９（Ｂ）に示すように、ＨＯＧ特徴量算出部１０７において、検出対象物体である人の立ち形状のＨＯＧ特徴量算出処理を行い、ＳＶＭ識別部１０８で、ＨＯＧ特徴量算出部１０７で算出された特徴量を基にしてパターン認識により検出対象物体ＤＯＢＪである人の検出（判定）を行う（ＳＴ６５）。
ＳＶＭ識別部１０８は、人を検出した（人として認識した）場合には、表示メモリ１０９に矩形座標を設定する（ＳＴ６６）。

そして、座標有無認識部１１０が、表示メモリ１０９に矩形座標があるか否かを識別し、その結果をモニタ駆動部１１１に報知される。
モニタ駆動部１１０では、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、図９（Ｃ）に示すように、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（重ね合わせる）。

図４の処理で立ち形状の検出対象物体である人が検出されなかった場合、非優先側の形状であるしゃがみ込み形状の検出対象物体である人の検出が行われる（ＳＴ８）。
この場合も、非優先側のしゃがみ込み形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わない。
検出対象物体である立ち形状の人が検出されると、固定抽出領域に相当する矩形座標の設定が行われる（ＳＴ９）。
しゃがみ込み形状の検出対象物体である人を認識するにあたって、検出部１２０において、領域パラメータ設定部１０６が、図５に示すフローのように、後部領域を車両後部（Ｒ）に近い近領域ＮＡ、それより若干遠い中領域ＭＡ、および相対的に遠い遠領域ＦＡに区分けして設定する

まず、図１０（Ａ）に示すように、近領域内に相当する固定抽出領域ＣＥＮＡを切り取り、しゃがみ込み状態にある検出対象物体である人の判定処理を行う。
すなわち、図１０（Ｂ）に示すように、ＨＯＧ特徴量算出部１０７において、検出対象物体である人のしゃがみ込み形状のＨＯＧ特徴量算出処理を行い、ＳＶＭ識別部１０８で、ＨＯＧ特徴量算出部１０７で算出された特徴量を基にしてパターン認識により検出対象物体ＤＯＢＪである人の検出（判定）を行う（ＳＴ８１）。
ＳＶＭ識別部１０８は、人を検出した（人として認識した）場合には、表示メモリ１０９に矩形座標を設定する（ＳＴ８２）。

そして、座標有無認識部１１０が、表示メモリ１０９に矩形座標があるか否かを識別し、その結果をモニタ駆動部１１１に報知される。
モニタ駆動部１１０では、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、図１０（Ｃ）に示すように、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（重ね合わせる）。

ステップＳＴ８１において、人が検出されなかった場合、次に、中領域内に相当する固定抽出領域ＣＥＭＡを切り取り、しゃがみ込み状態にある検出対象物体である人の判定処理を行う。
この場合も、ＨＯＧ特徴量算出部１０７において、検出対象物体である人のしゃがみ込み形状のＨＯＧ特徴量算出処理を行い、ＳＶＭ識別部１０８で、ＨＯＧ特徴量算出部１０７で算出された特徴量を基にしてパターン認識により検出対象物体ＤＯＢＪである人の検出（判定）を行う（ＳＴ８３）。
ＳＶＭ識別部１０８は、人を検出した（人として認識した）場合には、表示メモリ１０９に矩形座標を設定する（ＳＴ８４）。

そして、座標有無認識部１１０が、表示メモリ１０９に矩形座標があるか否かを識別し、その結果がモニタ駆動部１１１に報知される。
モニタ駆動部１１０では、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（重ね合わせる）。

ステップＳＴ８１において、人が検出されなかった場合、次に、遠領域内に相当する固定抽出領域ＣＥＦＡを切り取り、しゃがみ込み状態にある検出対象物体である人の判定処理を行う。
すなわち、ＨＯＧ特徴量算出部１０７において、検出対象物体である人のしゃがみ込み形状のＨＯＧ特徴量算出処理を行い、ＳＶＭ識別部１０８で、ＨＯＧ特徴量算出部１０７で算出された特徴量を基にしてパターン認識により検出対象物体ＤＯＢＪである人の検出（判定）を行う（ＳＴ８５）。
ＳＶＭ識別部１０８は、人を検出した（人として認識した）場合には、表示メモリ１０９に矩形座標を設定する（ＳＴ８６）。

そして、座標有無認識部１１０が、表示メモリ１０９に矩形座標があるか否かを識別し、その結果がモニタ駆動部１１１に報知される。
モニタ駆動部１１０では、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、図１０Ｃ）に示すように、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（重ね合わせる）。

以上のようにして、立ち状態またはしゃがみ込み状態にある検出対象物体である人が検出されると、表示メモリ１０９への矩形座標の設定が行われる、
そして、座標有無認識部１１０が、表示メモリ１０９に矩形座標があるか否かを識別し（ＳＴ１０）、その結果をモニタ駆動部１１１に報知される。
モニタ駆動部１１０では、座標有無認識部１１０により矩形座標ありの情報を受けると、矩形座標に相当するモニタ１１２の画面に、図７（Ｂ）、図８（Ｃ）、図９（Ｃ）、図１０（Ｃ）に示すように、たとえば赤色の矩形枠ＳＦをスーパーインポーズする（ＳＴ１）。
なお、倒れ形状についても同様の検出処理が行われる。

以上説明したように、本実施形態によれば、テクスチャベースとモーションベースの両方を併せ持つ障害物検出機能を有し、テクスチャベースでは人認識を車両幅ＣＷ相当の領域のみで判定を行い、モーションベースの障害物検出を車両幅ＣＷより広い範囲で行い、いずれかで検出された物を最終結果とする機能を有する。
また、テクスチャベースの検出対象物体である人認識は人の立ち形状かあるいはしゃがみ込み形状を想定して所定の領域内を識別していく。
したがって、本実施形態によれば、以下の効果を得ることができる。

本実施形態によれば、モーションベースで判定するので、様々な姿勢が予想され一般に困難である人の検出が、自転車なども含め動く障害物として検出することができる。
また、車両幅の外も検査対象とすることで、将来的に車両幅内に入り込んで衝突するおそれがある物体も適切に検出することができる。
また、車両幅内はテクスチャベースでも検出するので、子供の絵描きなどしゃがみ込んでほとんど動かない物体あるいは立ったまま静止している人物であっても人のしゃがみ込み形状あるいは人の立ち形状の認識をかけるので、モーションベースで検出できない静止物体であっても車両幅内という危険な領域を確実に検出できる。
また、この時車両幅のみをスキャンするので、演算コストを低減することができる。

１００・・・車載用障害物検出装置、１０１・・・車載カメラ、１０２・・・フレームメモリ、１０３・・・背景画像メモリ、１０４・・・移動物体検出部、１０５・・・座標抽出部、１０６・・・領域パラメータ設定部、１０７・・・ＨＯＧ特徴量算出部、１０８・・・ＳＶＭ識別部、１０９・・・表示メモリ、１１０・・・座標有無識別部、１１１・・・モニタ駆動部、１１２・・・モニタ、１２０・・・モーションベース検出部および非モーション検出部（検出部）。

Claims (6)

1. 時間的に連続する画像を取り込む画像取得部と、
   前記画像について主に動体を検出するモーションベース検出部と、
   前記画像について主に静物を検出する非モーションベース検出部と、を有し、
   前記非モーションベース検出部は、
   前記画像の任意の所定領域において、検出対象物体の立ち形状およびしゃがみ込み形状を検出対象に、いずれかを優先して検出し、優先側の形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わず、
   前記モーションベース検出部は、
   前記画像の前記所定領域より広い範囲を検出対象とする
   障害物検出装置。
2. 前記非モーションベース検出部は、
   前記優先側の形状が検出されない領域は前記非優先側の形状を検出対象とし、当該非優先側の形状を検出した場合は、検出した領域より被写体距離が遠方に相当する領域は検出を行わない
   請求項１に記載の障害物検出装置。
3. 前記非モーションベース検出部は、
   検出対象物体の倒れ形状を検出対象とし、
   前記立ち形状および前記しゃがみ込み形状が検出されない領域は当該倒れ形状を検出対象とし、当該倒れ形状を検出した領域より被写体距離が遠方に相当する領域は検出を行わない
   請求項１または２に記載の障害物検出装置。
4. 前記非モーションベース検出部は、
   前記画像の領域によって前記各形状の検出の大きさに制限を持たせている
   請求項１から３のいずれか一に記載の障害物検出装置。
5. 前記非モーションベース検出部は、
   前記非モーションベース検出部による検出結果が未検出であった場合、検出処理を行なって、検出した物体が所定の形状をしていれば人と判定する
   請求項１から３のいずれか一に記載の障害物検出装置。
6. 前記非モーションベース検出部は、
   前記所定の形状を前記画像上の領域に応じて可変させる可変機能を有する
   請求項５に記載の障害物検出装置。