JP5742873B2 - 物体識別装置 - Google Patents
物体識別装置 Download PDFInfo
- Publication number
- JP5742873B2 JP5742873B2 JP2013098804A JP2013098804A JP5742873B2 JP 5742873 B2 JP5742873 B2 JP 5742873B2 JP 2013098804 A JP2013098804 A JP 2013098804A JP 2013098804 A JP2013098804 A JP 2013098804A JP 5742873 B2 JP5742873 B2 JP 5742873B2
- Authority
- JP
- Japan
- Prior art keywords
- score
- identification
- vector
- image
- cluster
- 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
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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Description
なお、複数のクラスタを予め設定しておくには、画像内に識別対象物体が写っていることを示すスコアベクトルと、画像内に識別対象物体が写っていないことを示すスコアベクトルを多数用意して、これらのスコアベクトルを用いてクラスタリングをする必要がある。
本発明が適用された運転支援装置1は、車両に搭載され、図1に示すように、カメラ2、ヘッドアップディスプレイ(Head Up Display)装置3(以下、HUD装置3という)および制御部4を備えている。
カメラ2は、運転者がウインドシールド越しに視認可能な自車両前方の風景(以下、前景ともいう)を連続して撮影する。なお以下、カメラ2が撮影することにより取得された画像データを前景画像データという。
予備識別器群11は、予備識別器11−1、予備識別器11−2、・・・、予備識別器11−(N−1)および予備識別器11−Nを備える(Nは2以上の整数)。
スコアベクトルは、N個の予備識別器11−iのそれぞれについて下式(1)で表されるN個の6次元ベクトルVi(iは1〜Nの整数)を行方向に配列することにより形成された(6×N)次元ベクトルである。
クラスタ決定部13は、スコアベクトル生成部12により生成されたスコアベクトルが、予め設定されているM個(Mは2以上の整数)のクラスタの何れに分類されるかを決定する。クラスタは、スコアベクトルを構成する各成分を座標とする(6×N)次元の特徴空間におけるスコアベクトル間の距離により分類されたスコアベクトルの集合である。本実施形態では、スコアベクトル間の距離計量にはユークリッド距離を用いる。
M個のSVM識別器21−1,21−2,・・・,21−(M−1),21−Mはそれぞれ、M個のクラスタCL−1,CL−2,・・・,CL−(M−1),CL−Mに対応して設けられている。
なおスコアベクトルの入力は、クラスタ決定部13で決定されたクラスタに対応するSVM識別器21−jに対して行われる。例えば、スコアベクトル生成部12により生成されたスコアベクトルがクラスタCL−2に分類されるとクラスタ決定部13が決定した場合には、このスコアベクトルはSVM識別器21−2に入力される。
歩行者識別学習装置100は、図6に示すように、機能ブロックとして、予備識別器群101、スコアベクトル生成部102、スコアベクトル記憶部103、クラスタリング部104、スコアベクトル分類部105およびSVM学習部群106を備えている。
スコアベクトル記憶部103は、スコアベクトル生成部102が生成したスコアベクトルを記憶する。
SVM学習部106−jは、スコアベクトル記憶部105−jに記憶されているスコアベクトルを入力して、線形SVMの手法により、歩行者が存在することを示すスコアベクトルと歩行者が存在しないことを示すスコアベクトルとを分類するための超平面を学習する(jは1〜Mの整数)。
図9は、それぞれ異なるデータを用いて行われた学習の結果に基づいてスコアを算出するように構成された30個の予備識別器の識別性能(縦棒H1,H2,・・・H29,H30を参照)と、上記30個の予備識別器により算出されたスコアの線形結合を用いた識別性能(縦棒H31を参照)とを示す棒グラフである。H1〜H31はすべて、評価用に用意された同じデータセットに対する識別性能を示す。
なお、複数のクラスタを予め設定しておくには、画像内に歩行者が写っていることを示すスコアベクトルと、画像内に歩行者が写っていないことを示すスコアベクトルを多数用意して、これらのスコアベクトルを用いてクラスタリングをする必要がある。
例えば上記実施形態では、歩行者を識別するものを示したが、識別対象物体は歩行者に限定されるものではなく、例えば自動車や自転車、バイクを識別対象物体としてもよい。また歩行者、自動車、自転車、バイクの全部あるいは一部を識別対象物体としてもよい。
Claims (7)
- 画像内において写っている態様が変動する物体を識別する物体識別装置(1)であって、
識別対象として予め設定された前記物体である識別対象物体を前記画像内において識別するために予め設定された特徴量を前記画像から取得し、取得した前記特徴量に基づいて、前記画像内に前記識別対象物体が写っている信頼度を示すスコアを、互いに異なるように予め設定されたスコア算出条件に基づいて算出する複数の予備識別手段(11−i)と、
複数の前記予備識別手段が算出した前記スコアを成分とするベクトルであるスコアベクトルを生成するスコアベクトル生成手段(12)と、
前記スコアベクトルを分類するために予め設定された複数のクラスタの中から、前記スコアベクトル生成手段により生成された前記スコアベクトルを含む前記クラスタを決定するクラスタ決定手段(13)と、
前記画像内に前記識別対象物体が写っているか否かを判断するための判断条件が複数の前記クラスタ毎に予め設定され、前記クラスタ決定手段により決定された前記クラスタに対応する前記判断条件に基づいて、前記画像内に写る前記識別対象物体を識別する本識別手段(14)とを備える
ことを特徴とする物体識別装置。 - 前記クラスタ決定手段は、前記スコアベクトルと複数の前記クラスタそれぞれとの間の距離に基づいて、前記クラスタを決定する
ことを特徴とする請求項1に記載の物体識別装置。 - 前記予備識別手段は、
前記識別対象物体の一部分を示し互いに異なる複数のパーツにより前記識別対象物体が構成されているとして、複数の前記パーツのそれぞれに対応して設けられたパーツ領域を前記画像内で移動させることで、複数の前記パーツ領域毎に、該パーツ領域に対応する前記一部分が前記画像内に写っている信頼度を示すスコアであるパーツスコアを算出し、
前記パーツスコアに対応する前記パーツ領域内に該パーツ領域に対応する前記一部分が写っている信頼度を示すスコアを第1スコアとし、前記パーツ領域の位置の信頼度を示すスコアを第2スコアとして、前記パーツスコアは、少なくとも前記第1スコアおよび前記第2スコアにより構成されている
ことを特徴とする請求項1または請求項2に記載の物体識別装置。 - 前記スコアベクトル生成手段は、
少なくとも前記第1スコアおよび前記第2スコアの少なくとも一方を成分として含むようにして前記スコアベクトルを生成する
ことを特徴とする請求項3に記載の物体識別装置。 - 前記スコアベクトル生成手段は、
前記第1スコアと前記第2スコアとを加算したスコアを成分として含むようにして前記スコアベクトルを生成する
ことを特徴とする請求項4に記載の物体識別装置。 - 前記判断条件は、
前記クラスタ決定手段が前記クラスタの決定に用いた前記スコアベクトルに基づいて、前記画像内に前記識別対象物体が写っているか否かを判断するように設定されている
ことを特徴とする請求項1〜請求項5の何れか1項に記載の物体識別装置。 - 前記判断条件は、
サポートベクタマシンにより、前記クラスタに分類される複数の前記スコアベクトルが、前記画像内に前記識別対象物体が写っていることを示すもの、および前記画像内に前記識別対象物体が写っていないことを示すものの何れかに分類されるように設定される
ことを特徴とする請求項6に記載の物体識別装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013098804A JP5742873B2 (ja) | 2013-05-08 | 2013-05-08 | 物体識別装置 |
US14/271,543 US9367735B2 (en) | 2013-05-08 | 2014-05-07 | Object identification device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013098804A JP5742873B2 (ja) | 2013-05-08 | 2013-05-08 | 物体識別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014219847A JP2014219847A (ja) | 2014-11-20 |
JP5742873B2 true JP5742873B2 (ja) | 2015-07-01 |
Family
ID=51864825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013098804A Active JP5742873B2 (ja) | 2013-05-08 | 2013-05-08 | 物体識別装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9367735B2 (ja) |
JP (1) | JP5742873B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170137273A (ko) * | 2016-06-02 | 2017-12-13 | 중앙대학교 산학협력단 | 변형 가능한 파트 모델을 사용한 보행자 검출 장치 및 방법 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6448325B2 (ja) * | 2014-11-19 | 2019-01-09 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
WO2016108961A1 (en) * | 2014-12-30 | 2016-07-07 | Battelle Memorial Institute | Anomaly detection for vehicular networks for intrusion and malfunction detection |
JP6638484B2 (ja) * | 2016-03-10 | 2020-01-29 | 富士通株式会社 | 情報処理装置、類似検索プログラム、及び類似検索方法 |
CN106127235B (zh) * | 2016-06-17 | 2020-05-08 | 武汉烽火众智数字技术有限责任公司 | 一种基于目标特征碰撞的车辆查询方法和系统 |
CN106650806B (zh) * | 2016-12-16 | 2019-07-26 | 北京大学深圳研究生院 | 一种用于行人检测的协同式深度网络模型方法 |
WO2019041360A1 (zh) * | 2017-09-04 | 2019-03-07 | 华为技术有限公司 | 行人属性识别与定位方法以及卷积神经网络系统 |
CN108320374B (zh) * | 2018-02-08 | 2019-12-03 | 中南大学 | 一种基于图像指纹的多国纸币冠字号字符识别方法 |
JP7238470B2 (ja) * | 2018-03-15 | 2023-03-14 | 富士通株式会社 | 学習装置、検査装置、学習検査方法、学習プログラムおよび検査プログラム |
WO2019187216A1 (ja) | 2018-03-30 | 2019-10-03 | Necソリューションイノベータ株式会社 | 物体識別装置、物体識別方法、及び制御プログラムを格納する非一時的なコンピュータ可読媒体 |
JP2020013206A (ja) * | 2018-07-13 | 2020-01-23 | 日本ユニシス株式会社 | 動画・カメラからの二輪車検知装置、プログラム及びシステム |
US11747444B2 (en) * | 2018-08-14 | 2023-09-05 | Intel Corporation | LiDAR-based object detection and classification |
DE102019218479A1 (de) * | 2019-11-28 | 2021-06-02 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Klassifikation von Objekten auf einer Fahrbahn in einem Umfeld eines Fahrzeugs |
CN114494729B (zh) * | 2022-04-02 | 2022-07-12 | 广州市开富信息科技有限责任公司 | 基于ai识别技术的汽车配件识别方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5235691B2 (ja) | 2009-01-13 | 2013-07-10 | キヤノン株式会社 | 情報処理装置及び情報処理方法 |
JP5259456B2 (ja) * | 2009-03-02 | 2013-08-07 | 株式会社東芝 | 学習装置及び物体検出装置 |
JP2011090466A (ja) * | 2009-10-21 | 2011-05-06 | Sony Corp | 情報処理装置及び方法、並びにプログラム |
JP5554987B2 (ja) * | 2009-12-28 | 2014-07-23 | キヤノン株式会社 | オブジェクト識別装置及びその制御方法 |
JP5539102B2 (ja) * | 2010-08-18 | 2014-07-02 | キヤノン株式会社 | 物体検出装置および物体検出方法 |
US8842883B2 (en) * | 2011-11-21 | 2014-09-23 | Seiko Epson Corporation | Global classifier with local adaption for objection detection |
-
2013
- 2013-05-08 JP JP2013098804A patent/JP5742873B2/ja active Active
-
2014
- 2014-05-07 US US14/271,543 patent/US9367735B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170137273A (ko) * | 2016-06-02 | 2017-12-13 | 중앙대학교 산학협력단 | 변형 가능한 파트 모델을 사용한 보행자 검출 장치 및 방법 |
KR101866381B1 (ko) | 2016-06-02 | 2018-06-12 | 중앙대학교 산학협력단 | 변형 가능한 파트 모델을 사용한 보행자 검출 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP2014219847A (ja) | 2014-11-20 |
US9367735B2 (en) | 2016-06-14 |
US20140334719A1 (en) | 2014-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5742873B2 (ja) | 物体識別装置 | |
Prioletti et al. | Part-based pedestrian detection and feature-based tracking for driver assistance: real-time, robust algorithms, and evaluation | |
Keller et al. | A new benchmark for stereo-based pedestrian detection | |
Xu et al. | An efficient tree classifier ensemble-based approach for pedestrian detection | |
Kühnl et al. | Monocular road segmentation using slow feature analysis | |
Xu et al. | Learning a part-based pedestrian detector in a virtual world | |
CN102609686A (zh) | 一种行人检测方法 | |
WO2012073894A1 (ja) | 物体の検出方法及びその方法を用いた物体の検出装置 | |
JP6021689B2 (ja) | 車両諸元計測処理装置、車両諸元計測方法及びプログラム | |
JP6936866B2 (ja) | 外観特徴の記述属性を認識する方法及び装置 | |
US20140133705A1 (en) | Red-eye determination device | |
CN105740751A (zh) | 一种目标检测与识别的方法和系统 | |
JP2012221162A (ja) | 対象物検出装置及びプログラム | |
JP2012164026A (ja) | 画像認識装置及び車両用表示装置 | |
JP5691834B2 (ja) | 画像識別装置及びプログラム | |
Hemmati et al. | Adaptive vehicle detection for real-time autonomous driving system | |
Juang et al. | Stereo-camera-based object detection using fuzzy color histograms and a fuzzy classifier with depth and shape estimations | |
JP2013205410A (ja) | 車両用外界認識装置およびそれを用いた車両システム | |
Kadow et al. | Radar-vision based vehicle recognition with evolutionary optimized and boosted features | |
Shang et al. | A novel method for vehicle headlights detection using salient region segmentation and PHOG feature | |
JP6472504B1 (ja) | 情報処理装置、情報処理プログラム、及び、情報処理方法 | |
Mitsui et al. | Object detection by joint features based on two-stage boosting | |
WO2018173848A1 (ja) | オブジェクト追跡システム、インテリジェント撮像装置、オブジェクト特徴量抽出装置、オブジェクト特徴量抽出方法及び記憶媒体 | |
CN110175622B (zh) | 基于共生关系的卷积神经网络的车辆部件识别方法和系统 | |
JP2021081789A (ja) | 物体識別装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141030 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150403 |
|
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: 20150407 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150420 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5742873 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
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 |