JP5737397B2 - 歩行者動作予測装置 - Google Patents
歩行者動作予測装置 Download PDFInfo
- Publication number
- JP5737397B2 JP5737397B2 JP2013520341A JP2013520341A JP5737397B2 JP 5737397 B2 JP5737397 B2 JP 5737397B2 JP 2013520341 A JP2013520341 A JP 2013520341A JP 2013520341 A JP2013520341 A JP 2013520341A JP 5737397 B2 JP5737397 B2 JP 5737397B2
- Authority
- JP
- Japan
- Prior art keywords
- pedestrian
- shape
- unit
- motion prediction
- prediction device
- 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
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Description
本発明は歩行者動作予測装置に関する。
特許文献1には、外界センサから入力される画像データからエッジ画像を生成し、歩行者候補の左右の脚部の開度Wを検出すると共に、歩行者候補の頭部を推定し、この頭部の位置に応じて歩行者候補の身長Hを推定し、歩行者候補の身長Hおよび脚部の開度Wに基づき、身長Hに対する脚部Wの比率(W/H)が所定値α以上であるか否かを判定することにより、歩行者候補が自車両の進路を横断する可能性があるか否かを判定する歩行者認識装置が開示されている。
なお、その他の先行技術文献としては、特許文献2から4が挙げられる。特許文献2には、自車両の前方に存在する歩行者の位置及び移動速度の時系列変化と周辺情報とを取得し、取得した位置及び移動速度の時系列変化と、歩行者が車道に飛び出すときの位置及び移動速度の時系列変化のパターンとを比較すると共に、取得した周辺情報と、歩行者が車道に飛び出すときの周辺情報とを比較することにより、自車両が走行している車道に歩行者が飛び出すか否かを予測する歩行者飛び出し予測装置が開示されている。特許文献3には、歩行者を検出するための2次元形状データを記憶するデータベースを備え、検出された歩行者の撮像データに基づき第1立体モデルを推定し、この第1立体モデルに基づいて歩行者の将来動作を推定する車両の歩行者検出装置が開示されている。特許文献4には、画像のデータから歩行者の代表点(頭部、首部、股関節、膝関節、及び足首関節等)を特定し、特定された代表点同士を結ぶ直線及び地表面と平行な直線等に基づいて歩行者の各部位の角度情報を算出し、算出した角度情報に基づいて歩行者の移動状態を判定する歩行者認識支援装置が開示されている。
しかしながら、身長Hに対する脚部の開度Wの比率で歩行者行動を予測するため、歩行者が横断を開始して(具体的には、歩行者が飛び出しの一歩目を踏み出して)からしか横断の可能性を判定することができないという問題点があった。また、身長Hに対する脚部の開度Wの比率で歩行者行動を予測するため、小さい歩幅で飛び出す歩行者に対しては判定精度が悪くなるという問題点があった。
本発明は、上記の事情に鑑みてなされたものであって、実際に歩行者が飛び出しを開始する前に、飛び出しの可能性を精度良く予測することができる歩行者動作予測装置を提供することを目的とする。
本発明は、検出された歩行者形状を、飛び出す可能性を持つ予め用意された歩行者形状と照合した結果に基づいて、歩行者の飛び出しを予測すること、を特徴とする。なお、ある時点に検出された前記歩行者形状と当該ある時点後に検出された前記歩行者形状との組み合わせに基づいて、歩行者の飛び出しを予測するという構成としても良い。また、検出された前記歩行者形状を時系列で記録し、記録した時系列の前記歩行者形状の周期性を解析し、解析した当該周期性の変化に基づいて歩行者の飛び出しを予測するという構成としても良い。また、検出された前記歩行者形状を時系列で記録し、記録した時系列の前記歩行者形状に基づいて歩行者の速度が連続であるか否かを判定し、当該判定の結果に基づいて歩行者の飛び出しを予測するという構成としても良い。また、歩行者の、前傾姿勢、上体の向き、脚の前後方向への開き、および脚の左右方向への開きのうち少なくとも1つを前記歩行者形状として取得するという構成としても良い。
本発明は、検出された歩行者形状を、飛び出す可能性を持つ予め用意された歩行者形状と照合した結果に基づいて、歩行者の飛び出しを予測するので、実際に歩行者が飛び出しを開始する前に、飛び出しの可能性を精度良く予測することができるという効果を奏する。
以下に、本発明にかかる歩行者動作予測装置の実施形態を図面に基づいて詳細に説明する。なお、この実施形態により本発明が限定されるものではない。
〔第1実施形態〕
第1実施形態にかかる歩行者動作予測装置の構成および当該歩行者動作予測装置で実行される動作について、図1から図6を参照して詳細に説明する。
第1実施形態にかかる歩行者動作予測装置の構成および当該歩行者動作予測装置で実行される動作について、図1から図6を参照して詳細に説明する。
図1は、第1実施形態にかかる歩行者動作予測装置の構成の一例を示すブロック図である。歩行者動作予測装置1は、例えば汎用のパーソナルコンピュータなどを用いて構成されたものであり、車両に搭載されているカメラ2と通信可能に接続されている。カメラ2は、自車両周辺を撮影し、自車両周辺が写し出されている画像データを生成する機器である。
歩行者動作予測装置1は、制御部12および記憶部14を備えている。制御部12は、歩行者動作予測装置1を統括的に制御するためのものであり、例えばCPU(Central Processing Unit)などである。記憶部14は、データを記憶するためのものであり、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、またはハードディスクなどである。
記憶部14は、照合用データ記憶部14aを備えている。照合用データ記憶部14aには、変化する様々な交通環境において起こり易い歩行者の形状(例えば、前傾、上体の向き、脚の前後方向への開き、または脚の左右方向への開き等)を検出し易い学習済み識別器群または歩行者認識用テンプレート(画像)群が格納されている。
制御部12は、検出部12a、取得部12b、および予測部12cを備えている。検出部12aは、カメラ2から入力された画像データから歩行者を検出する。取得部12bは、検出部12aで検出された歩行者の形状を取得する。予測部12cは、取得部12bで取得された歩行者の形状に基づいて歩行者の動作(例えば歩行者の飛び出しなど)を予測する。
図2は、歩行者動作予測装置1で実行される動作の一例を示すフローチャートである。まず、検出部12aは、カメラ2から入力された画像データから歩行者を検出し、検出した歩行者が写し出されている部分を当該画像データから切り出す(ステップSA1)。
つぎに、取得部12bは、ステップSA1で切り出された部分画像データに写し出されている歩行者の形状を、照合用データ記憶部14aに格納されている学習済み識別器群または歩行者認識用テンプレート群と照合することで、当該形状のクラス分けを行う(ステップSA2)。例えば、取得部12bは、部分画像データから特徴ベクトル(特徴量)を抽出し、抽出された特徴ベクトルを学習済み識別器で形成される識別面で識別することにより、部分画像データに写し出されている歩行者の形状のクラス(例えば、図3に示すような前傾姿勢のクラス、図4に示すような上体の向きのクラス、図5に示すような脚の前後方向への開きのクラス、図6に示すような脚の左右方向への開きのクラスなど)を決定する。特徴量としては、SIFTやHOGなどのようなエッジに基づくものや、色に基づくもの、頭や手など特徴的なものの位置を符号化したものなどが考えられる。また、例えば、取得部12bは、部分画像データに写し出されている歩行者の形状と歩行者認識用テンプレートの歩行者の形状とを照合することで、部分画像データに写し出されている歩行者の形状のクラスを決定する。歩行者形状のクラスとしては、図3、4、5、6に示すもの以外にも、“通常歩行動作”と“それ以外”のクラスなどに分けることもできる。
つぎに、予測部12cは、ステップSA2で得られたクラス分けの結果に基づいて、歩行者の動作(例えば歩行者の飛び出す方向など)を予測する(ステップSA3)。例えば、予測部12cは、クラス分けの結果が前傾姿勢のクラスに関するものであった場合には、歩行者が前傾方向(図3の矢印方向)に飛び出すと予測する。また、例えば、予測部12cは、クラス分けの結果が上体の向きのクラスに関するものであった場合には、歩行者がその上体の向いている方向(図4の矢印方向)に飛び出すと予測する。また、例えば、予測部12cは、クラス分けの結果が脚の前後方向への開きのクラスに関するものであった場合には、歩行者が前方向(図5の矢印方向)に飛び出すと予測する。また、例えば、予測部12cは、クラス分けの結果が脚の左右方向への開きのクラスに関するものであった場合には、歩行者が自身の左方向(図6の矢印方向)に飛び出すと予測する。歩行者形状のクラスとして、“通常歩行動作”と“それ以外”のクラスに分けた場合は、飛び出しが“ある”か“ない”かのみを予測する。
〔第2実施形態〕
第2実施形態にかかる歩行者動作予測装置の構成および当該歩行者動作予測装置で実行される動作について、図7および図8を参照して詳細に説明する。なお、第1実施形態で説明した内容と重複するものについては省略する場合がある。
第2実施形態にかかる歩行者動作予測装置の構成および当該歩行者動作予測装置で実行される動作について、図7および図8を参照して詳細に説明する。なお、第1実施形態で説明した内容と重複するものについては省略する場合がある。
図7は、第2実施形態にかかる歩行者動作予測装置の構成の一例を示すブロック図である。制御部12は、第1実施形態で説明した検出部12a、取得部12b、および予測部12cに加え、さらに蓄積部12dを備えている。記憶部14は、第1実施形態で説明した照合用データ記憶部14aに加え、さらに形状データ記憶部14bを備えている。
蓄積部12dは、取得部12bで取得された歩行者の形状を形状データ記憶部14bに蓄積する。予測部12cは、形状データ記憶部14bに蓄積されている歩行者の形状の組み合わせに基づいて、歩行者の動作(例えば歩行者の飛び出しなど)を予測する。形状データ記憶部14bは、歩行者の形状に関するデータを格納するためのものである。
図8は、第2実施形態にかかる歩行者動作予測装置で実行される動作の一例を示すフローチャートである。まず、検出部12aは、カメラ2から入力された画像データから歩行者を検出し、検出した歩行者が写し出されている部分を当該画像データから切り出す(ステップSB1)。
つぎに、取得部12bは、ステップSB1で切り出された部分画像データに写し出されている歩行者の形状を、照合用データ記憶部14aに格納されている学習済み識別器群または歩行者認識用テンプレート群と照合することで、当該形状のクラス分けを行う(ステップSB2)。
つぎに、蓄積部12dは、ステップSB2で得られたクラス分けの結果を、形状データ記憶部14bに蓄積する(ステップSB3)。
つぎに、予測部12cは、形状データ記憶部14bに蓄積されているクラス分けの結果の組み合わせに基づいて、歩行者の動作(例えば歩行者の飛び出す方向または歩行者の飛び出す速さなど)を予測する(ステップSB4)。例えば、予測部12cは、或る時点の部分画像データに写し出されている歩行者の形状についてのクラス分けの結果が上体の向きのクラスに関するものであり、且つ当該或る時点後の時点の部分画像データに写し出されている歩行者の形状についてのクラス分けの結果が前傾姿勢のクラスに関するものであった場合には、歩行者の姿勢が動き出そうとしている状態から動き出し始めた状態に変化したと見做して、歩行者が前傾方向に飛び出すと予測する。
〔第3実施形態〕
第3実施形態にかかる歩行者動作予測装置の構成および当該歩行者動作予測装置で実行される動作について、図9から図11を参照して詳細に説明する。なお、第1実施形態または第2実施形態で説明した内容と重複するものについては省略する場合がある。
第3実施形態にかかる歩行者動作予測装置の構成および当該歩行者動作予測装置で実行される動作について、図9から図11を参照して詳細に説明する。なお、第1実施形態または第2実施形態で説明した内容と重複するものについては省略する場合がある。
図9は、第3実施形態にかかる歩行者動作予測装置の構成の一例を示すブロック図である。制御部12は、第1実施形態で説明した検出部12a、取得部12b、および予測部12cに加え、さらに記録部12eおよび解析部12fを備えている。記憶部14は、第1実施形態で説明した照合用データ記憶部14aに加え、さらに形状データ記憶部14bを備えている。
記録部12eは、取得部12bで取得された歩行者の形状を、形状データ記憶部14bに時系列で記録する。解析部12fは、形状データ記憶部14bに記録されている時系列の歩行者の形状に基づいて、当該形状の周期性(例えば歩行者の形状の周期的変化など)を解析する。予測部12cは、解析部12fでの解析結果に基づいて、歩行者の動作(例えば歩行者の飛び出しなど)を予測する。形状データ記憶部14bは、歩行者の形状に関するデータを時系列で格納するためのものである。
図10は、第3実施形態にかかる歩行者動作予測装置で実行される動作の一例を示すフローチャートである。まず、検出部12aは、カメラ2から入力された画像データから歩行者を検出し、検出した歩行者が写し出されている部分を当該画像データから切り出す(ステップSC1)。
つぎに、取得部12bは、ステップSC1で切り出された部分画像データに写し出されている歩行者の形状を、照合用データ記憶部14aに格納されている学習済み識別器群または歩行者認識用テンプレート群と照合することで、当該形状のクラス分けを行う(ステップSC2)。または、歩行者の形状として、特徴量そのものを保持する。
つぎに、記録部12eは、ステップSC2で得られたクラス分けの結果、または特徴量そのものを、形状データ記憶部14bに時系列で記録する(ステップSC3)。
つぎに、解析部12fは、形状データ記憶部14bに記録されている時系列のクラス分けの結果、または特徴量そのものに基づいて、歩行者の形状の周期性を解析する(ステップSC4)。例えば、解析部12fは、時系列のクラス分けの結果から得られる、歩行者の脚幅に関する図11に示す周期的変化から、周期性の破れを検出する。または、特徴量空間の中に、何らかの距離、またはそれに準ずるもの、例えば、Kullback−Leibler情報量など、を入れ、nフレーム前との類似度を計算し、その周期性の破れを検出する。
つぎに、予測部12cは、ステップSC4で得られた周期性の解析結果(周期性の変化)に基づいて、歩行者の動作(例えば歩行者の飛び出す方向または歩行者の飛び出す速さなど)を予測する(ステップSC5)。例えば、予測部12cは、ステップSC4で周期性の破れが検出された場合には、当該破れがあった時点(図11参照)で歩行者が飛び出すと予測する。また、例えば、予測部12cは、図11に示すように、周期性の破れがあった時点前後での歩行者の脚幅の変化量に基づいて、当該変化量に応じた速さで歩行者が飛び出すと予測する。なお、予測部12cは、形状データ記憶部14bに記録されている時系列の歩行者の形状(時系列のクラス分けの結果)に基づいて、歩行者の移動の速度(移動の方向と速さ)が連続であるか否かを判定し、当該判定結果に基づいて歩行者の飛び出し方向と飛び出しの速さを予測してもよい。
〔実施形態のまとめ〕
以上、上述した実施形態によれば、歩行者が道路に飛び出す前兆となる姿勢または動作変化を捉え、歩行者の飛び出しを予測する。具体的には、センサにより検出した歩行者形状を、飛び出す可能性を持つ歩行者の前兆行動に関する歩行者形状情報と照合し、照合した結果に基づいて歩行者の飛び出しを予測する。これにより、実際に歩行者が飛び出しを開始する前に、飛び出しの可能性を精度良く予測することができる。
以上、上述した実施形態によれば、歩行者が道路に飛び出す前兆となる姿勢または動作変化を捉え、歩行者の飛び出しを予測する。具体的には、センサにより検出した歩行者形状を、飛び出す可能性を持つ歩行者の前兆行動に関する歩行者形状情報と照合し、照合した結果に基づいて歩行者の飛び出しを予測する。これにより、実際に歩行者が飛び出しを開始する前に、飛び出しの可能性を精度良く予測することができる。
また、上述した実施形態によれば、或る瞬間に検出された歩行者形状と、その後に検出された歩行者形状との組み合わせにより、歩行者の飛び出しを予測するので、飛び出しの可能性の予測精度を向上させることができる。また、上述した実施形態によれば、検出された歩行者形状の時系列情報を記録し、当該時系列情報に基づいて歩行者形状の周期性を解析し、当該解析で得られた歩行者形状の周期性の変化に基づいて歩行者の飛び出しを予測するので、飛び出しの可能性の予測精度を向上させることができる。また、上述した実施形態によれば、検出された歩行者形状の時系列情報を記録し、当該時系列情報に基づいて歩行者速度の連続性を解析し、当該解析で得られた歩行者速度の連続性の変化に基づいて歩行者の飛び出しを予測するので、飛び出しの可能性の予測精度を向上させることができる。また、上述した実施形態によれば、歩行者形状として、歩行者の前傾姿勢、上体の向き、脚の前後方向への開き、および脚の左右方向への開きのうち少なくとも1つを取得するので、飛び出しの可能性の予測精度を向上させることができる。
以上のように、本発明にかかる歩行者動作予測装置は、自動車製造産業において有用であり、特に、車両周辺の歩行者の飛び出し予測に適している。
1 歩行者動作予測装置
12 制御部
12a 検出部
12b 取得部
12c 予測部
12d 蓄積部
12e 記録部
12f 解析部
14 記憶部
14a 照合用データ記憶部
14b 形状データ記憶部
2 カメラ
12 制御部
12a 検出部
12b 取得部
12c 予測部
12d 蓄積部
12e 記録部
12f 解析部
14 記憶部
14a 照合用データ記憶部
14b 形状データ記憶部
2 カメラ
Claims (2)
- 検出された歩行者の脚幅を時系列で記録し、記録した時系列の前記脚幅の周期性を解析し、解析した当該周期性の変化において、周期性の破れが検出された場合は当該破れがあった時点前後の前記脚幅の変化量に応じた速さで前記歩行者が飛び出すと予測すること、
を特徴とする歩行者動作予測装置。 - 請求項1に記載の歩行者動作予測装置において、
検出された前記歩行者の歩行者形状を、飛び出す可能性を持つ予め用意された歩行者形状と照合した結果に基づいて、前記歩行者の飛び出しを予測すること、
を特徴とする歩行者動作予測装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2011/063515 WO2012172629A1 (ja) | 2011-06-13 | 2011-06-13 | 歩行者動作予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2012172629A1 JPWO2012172629A1 (ja) | 2015-02-23 |
JP5737397B2 true JP5737397B2 (ja) | 2015-06-17 |
Family
ID=47356656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013520341A Active JP5737397B2 (ja) | 2011-06-13 | 2011-06-13 | 歩行者動作予測装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9507998B2 (ja) |
JP (1) | JP5737397B2 (ja) |
DE (1) | DE112011105330T5 (ja) |
WO (1) | WO2012172629A1 (ja) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105103208A (zh) * | 2013-04-03 | 2015-11-25 | 丰田自动车株式会社 | 检测装置、检测方法、驾驶辅助装置和驾驶辅助方法 |
JP6429368B2 (ja) * | 2013-08-02 | 2018-11-28 | 本田技研工業株式会社 | 歩車間通信システムおよび方法 |
US9786178B1 (en) | 2013-08-02 | 2017-10-10 | Honda Motor Co., Ltd. | Vehicle pedestrian safety system and methods of use and manufacture thereof |
JP6120011B2 (ja) * | 2014-08-29 | 2017-04-26 | マツダ株式会社 | 車両用歩行者検出装置 |
US9855890B2 (en) * | 2014-12-11 | 2018-01-02 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous vehicle interaction with external environment |
US10493985B2 (en) | 2014-12-19 | 2019-12-03 | Hitachi, Ltd. | Travel control device |
US9786177B2 (en) | 2015-04-10 | 2017-10-10 | Honda Motor Co., Ltd. | Pedestrian path predictions |
US10949656B2 (en) | 2015-09-29 | 2021-03-16 | Sony Corporation | Information processing apparatus and information processing method |
JP6171046B1 (ja) * | 2016-04-26 | 2017-07-26 | 京セラ株式会社 | 電子機器、制御方法、及び制御プログラム |
US9989966B2 (en) * | 2016-05-20 | 2018-06-05 | Delphi Technologies, Inc. | Intersection cross-walk navigation system for automated vehicles |
JP6334604B2 (ja) | 2016-05-24 | 2018-05-30 | 京セラ株式会社 | 車載装置、車両、報知システム、及び報知方法 |
US10309792B2 (en) | 2016-06-14 | 2019-06-04 | nuTonomy Inc. | Route planning for an autonomous vehicle |
US11092446B2 (en) | 2016-06-14 | 2021-08-17 | Motional Ad Llc | Route planning for an autonomous vehicle |
US10126136B2 (en) | 2016-06-14 | 2018-11-13 | nuTonomy Inc. | Route planning for an autonomous vehicle |
JP6617651B2 (ja) | 2016-07-07 | 2019-12-11 | 株式会社デンソー | 歩行者検出装置、歩行者検出方法 |
DE102016220450A1 (de) | 2016-10-19 | 2018-04-19 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung, Fortbewegungsmittel und Verfahren zur Abschätzung einer Kollisionswahrscheinlichkeit zwischen einem Fortbewegungsmittel und einem Umgebungsobjekt |
US10331129B2 (en) | 2016-10-20 | 2019-06-25 | nuTonomy Inc. | Identifying a stopping place for an autonomous vehicle |
US10857994B2 (en) | 2016-10-20 | 2020-12-08 | Motional Ad Llc | Identifying a stopping place for an autonomous vehicle |
US10473470B2 (en) | 2016-10-20 | 2019-11-12 | nuTonomy Inc. | Identifying a stopping place for an autonomous vehicle |
US10681513B2 (en) | 2016-10-20 | 2020-06-09 | nuTonomy Inc. | Identifying a stopping place for an autonomous vehicle |
US10272876B2 (en) * | 2016-12-19 | 2019-04-30 | Peiker Acustic GmbH & Co. KG, Valeo Peiker Telematics Product Line | Method of operating an ad hoc network to protect a passenger-as-a-pedestrian and system to protect a passenger-as-a-pedestrian |
CN106515578A (zh) * | 2016-12-22 | 2017-03-22 | 百度在线网络技术(北京)有限公司 | 无人车驾驶状态的识别装置、识别方法及无人车 |
KR101996419B1 (ko) * | 2016-12-30 | 2019-07-04 | 현대자동차주식회사 | 센서 융합 기반 보행자 탐지 및 보행자 충돌 방지 장치 및 방법 |
KR101996418B1 (ko) * | 2016-12-30 | 2019-07-04 | 현대자동차주식회사 | 센서 융합 기반 보행자 탐지 및 보행자 충돌 방지 장치 및 방법 |
US10579788B2 (en) | 2017-08-17 | 2020-03-03 | Waymo Llc | Recognizing assigned passengers for autonomous vehicles |
JP7110568B2 (ja) * | 2017-09-19 | 2022-08-02 | 富士フイルムビジネスイノベーション株式会社 | 行動推定装置及び行動推定プログラム |
JP7420261B2 (ja) | 2020-07-28 | 2024-01-23 | 日本電気株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP7347405B2 (ja) * | 2020-11-30 | 2023-09-20 | トヨタ自動車株式会社 | 運転支援システム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002029346A (ja) * | 2000-07-14 | 2002-01-29 | Hiroyuki Yokozawa | 自動車の運転支援システム及び運転支援プログラムを記録した記録媒体 |
AU2003295318A1 (en) * | 2002-06-14 | 2004-04-19 | Honda Giken Kogyo Kabushiki Kaisha | Pedestrian detection and tracking with night vision |
JP3815689B2 (ja) | 2003-11-20 | 2006-08-30 | 松下電器産業株式会社 | 移動物体検出装置及び移動物体検出方法 |
JP4476957B2 (ja) * | 2006-03-24 | 2010-06-09 | 本田技研工業株式会社 | 姿勢判別装置 |
JP4173896B2 (ja) * | 2006-04-03 | 2008-10-29 | 本田技研工業株式会社 | 車両周辺監視装置 |
JP4536674B2 (ja) | 2006-03-27 | 2010-09-01 | 本田技研工業株式会社 | 歩行者認識装置 |
JP2008282097A (ja) * | 2007-05-08 | 2008-11-20 | Toyota Central R&D Labs Inc | 衝突危険度推定装置及びドライバ支援装置 |
JP2009012521A (ja) * | 2007-07-02 | 2009-01-22 | Nissan Motor Co Ltd | 車両の走行支援システム及び走行支援方法 |
JP4470067B2 (ja) * | 2007-08-07 | 2010-06-02 | 本田技研工業株式会社 | 対象物種別判定装置、車両 |
JP5077017B2 (ja) * | 2008-03-28 | 2012-11-21 | 株式会社豊田中央研究所 | 運転支援装置及び歩行者検出装置 |
JP2010079639A (ja) | 2008-09-26 | 2010-04-08 | Mazda Motor Corp | 車両の歩行者検出装置 |
JP4935795B2 (ja) * | 2008-10-22 | 2012-05-23 | 株式会社豊田中央研究所 | 歩行者飛び出し予測装置及びプログラム |
JP2010165003A (ja) | 2009-01-13 | 2010-07-29 | Toyota Central R&D Labs Inc | 歩行者認識支援装置および歩行者認識支援方法 |
-
2011
- 2011-06-13 WO PCT/JP2011/063515 patent/WO2012172629A1/ja active Application Filing
- 2011-06-13 JP JP2013520341A patent/JP5737397B2/ja active Active
- 2011-06-13 US US14/125,862 patent/US9507998B2/en active Active
- 2011-06-13 DE DE112011105330.4T patent/DE112011105330T5/de active Pending
Also Published As
Publication number | Publication date |
---|---|
JPWO2012172629A1 (ja) | 2015-02-23 |
US9507998B2 (en) | 2016-11-29 |
US20140112538A1 (en) | 2014-04-24 |
WO2012172629A1 (ja) | 2012-12-20 |
DE112011105330T5 (de) | 2014-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5737397B2 (ja) | 歩行者動作予測装置 | |
JP5780307B2 (ja) | 対象物変化検出装置および対象物変化検出方法 | |
WO2013042205A1 (ja) | 歩行者行動予測装置および歩行者行動予測方法 | |
JP5197679B2 (ja) | 対象物検出装置及びプログラム | |
JP6752024B2 (ja) | 画像処理装置 | |
JP6436357B2 (ja) | 車両用の歩行者動作識別装置 | |
Prioletti et al. | Part-based pedestrian detection and feature-based tracking for driver assistance: real-time, robust algorithms, and evaluation | |
JP5251800B2 (ja) | 対象物追跡装置及びプログラム | |
JP5556748B2 (ja) | 車両状態検出装置 | |
US20130010112A1 (en) | Object detection apparatus and storage medium storing object detection program | |
JP5838940B2 (ja) | 画像処理装置及び車両制御システム | |
JP2013225295A5 (ja) | ||
JP6776719B2 (ja) | 移動体群検出プログラム、移動体群検出装置、及び移動体群検出方法 | |
JP4609076B2 (ja) | 移動物体検出装置及び移動物体検出方法 | |
US20180137346A1 (en) | Action determination device | |
JP2012221162A (ja) | 対象物検出装置及びプログラム | |
US20120155711A1 (en) | Apparatus and method for analyzing video | |
JP2012118683A (ja) | 歩行者認識装置 | |
JP2016015043A (ja) | 対象物認識装置 | |
JP2013008315A (ja) | 歩行者認識装置 | |
JP5692024B2 (ja) | 対象物変化検出装置および対象物変化検出方法 | |
KR101756916B1 (ko) | 행위 인식 장치 및 방법 | |
JP5829155B2 (ja) | 歩行者検出装置及びプログラム | |
JP5832089B2 (ja) | 映像処理装置、映像処理方法およびプログラム | |
JP4692081B2 (ja) | 車載物体検出装置、および物体検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20150324 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150406 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5737397 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |