JP5794255B2 - 物体検出装置 - Google Patents

Description

本発明は、画像認識用の辞書を用いて入力画像から検出対象物を検出する物体検出装置に関する。

従来、車両の前方や後方に存在する人や他車両等の検出対象物を検出する技術として、カメラ等により撮像された画像（入力画像）に対し、検出対象物の特徴を表すデータ（輪郭や各種特徴量）が記述された認識辞書を用いて、入力画像中から認識辞書との類似度が高い領域を抽出する技術が知られている。

また、認識処理の対象となる領域を複数のパーツ領域に分け、パーツ領域毎に識別方法を選択して適用することで、よりロバストに認識を行うことを可能とする技術も提案されている（例えば、特許文献１参照）。

特開平２００８−１８１４２３号公報

ところで、検出対象となる物体は、単一の物体であっても、見える向きによって形状が異なっていたり、物体が部分的に変形したりする場合がある。特に、人間等のように髪型，服装，姿勢，運動方向等によって、見た目（色，模様，形状）に膨大なバリエーションが存在する場合、その全てを検出できるようにするには、膨大な数の認識辞書が必要となってしまうという問題があった。

本発明は、上記問題を解決するためになされたものであり、見た目のバリエーションが豊富な検出対象物を画像認識によって検出する際の検出精度を向上させることを目的とする。

本発明の物体検出装置は、記憶手段と、パーツスコア算出手段と、統合スコア算出手段と、判断手段とを備える。記憶手段は、検出対象物の認識に使用する認識辞書を、認識処理の対象となる対象領域中に設定された複数のパーツ領域別、且つ該パーツ領域にて検出されるパーツの見た目の違いを表すタイプ別に記憶する。なお、ここで言う見た目とは、色，模様，形状等のことであり、これらのうち少なくとも一つを適用する。パーツスコア算出手段は、入力画像から切り出された領域を対象領域とし、記憶手段に記憶された認識辞書の少なくとも一部を用いて、パーツ領域のそれぞれについて、タイプ毎に認識辞書との類似度を表すパーツスコアを算出する。つまり、パーツ領域毎に、複数のタイプ別パーツスコアが算出されることになる。統合スコア算出手段は、パーツスコア算出手段にて算出されたパーツスコアを、パーツ領域のそれぞれから一つずつ選択し重み付けして統合した統合スコアを算出する。判断手段は、統合スコア算出手段にて算出された統合スコアを用いて対象領域に検出対象物が存在するか否かを判断する。

つまり、パーツ領域毎に見た目のバリエーションを表現し、その組合せで全体の見た目のバリエーションを表現しているため、全体の見た目のバリエーションを、そのバリエーションの数より少ない数の認識辞書によって表現することができる。

このように構成された本発明によれば、検出対象物の見た目のバリエーションが豊富な場合でも、検出対象物のパーツ毎に、パーツのバリエーションに対応した認識辞書を複数ずつ用意すればよく、検出対象物の全てのバリエーション（即ち、パーツバリエーションの全ての組合せ）について一つずつ認識辞書を用意する必要がないため、少ない辞書数で検出対象物を精度良く検出することができる。

なお、本発明は、前述した物体検出装置の他、物体検出装置を構成要素とする各種システム、物体検出装置を構成する各手段としてコンピュータを機能させるためのプログラム、物体認識方法など、種々の形態で実現することができる。

また、特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本発明の技術的範囲を限定するものではない。

物体認識システムの概略構成を示すブロック図である。 認識対象が人である場合の全体辞書、及びパーツ辞書の概要を示す説明図である。 （ａ）がシーンからパーツ辞書を選択する際に使用する辞書選択テーブル、（ｂ）がシーンから統合スコアを算出する際に用いる重みを選択する際に使用する重み選択テーブルの内容を示す説明図である。

このため、物体検出装置１によれば、検出対象物の見た目のバリエーションが豊富な場合でも、必要最小限の辞書によって精度良く検出対象物を検出することができる。
第１実施形態における画像認識処理の手順を示すフローチャートである。 第２実施形態における画像認識処理の手順を示すフローチャートである。 統合スコアの算出に使用されたパーツ辞書のタイプからシーンを推定する際に使用するシーン推定テーブルの内容を示す説明図である。 第３実施形態における画像認識処理の手順を示すフローチャートである。

以下に本発明の実施形態を図面と共に説明する。
［第１実施形態］
＜全体構成＞
実施形態の物体検出システムは、車両等に搭載され、車両の前方に存在する人や車両、標識等の特定の検出対象物を検出するために用いられる。図１に示すように、物体検出システムは、物体検出装置１を備え、この物体検出装置１に対して、画像入力部２、車両情報入力部３、及び、検出結果出力部４等を接続して構成されている。

画像入力部２は、車両の前方を撮影する車載カメラ等で構成される。画像入力部２によって撮影された画像は、入力画像として物体検出装置１に入力される。
車両情報入力部３は、車両の挙動や車両周囲の状況を検出するために車両に設備された各種センサや、各種車載機器（例えば、灯火装置やワイパー）の作動状態等を特定するための各種情報を物体検出装置１に入力する各種操作機器類（例えば、スイッチ，レバー等）からなる。以下では、これらセンサや機器類にて生成される情報を車両情報という。

検出結果出力部４は、物体検出装置１による検出対象物の検出結果に応じて、例えば、人や車両が存在する旨の警報を運転者に対して提示したり、車両制御を行ったりする車載機器である。この種の車載機器としては、車両の走行安全システムや運転支援システムの制御装置等が例示される。

＜物体検出装置＞
物体検出装置１は、演算処理部１０と記憶部１１とを備える。演算処理部１０は、図示しないＣＰＵ，ＲＯＭ，ＲＡＭ，出入力インタフェース等を備えた情報処理装置（例えば、マイクロコンピュータ）で構成され、画像入力部２からの入力画像の中から検出対象物の画像を検出し、その検出結果に基づいて生成される物標情報を出力する画像認識処理を実行する。記憶部１１は、情報処理部が実行する画像認識処理に関するプログラムや、その画像認識処理で用いる認識辞書、認識辞書の絞り込みや、後述する重みの設定に使用する各種テーブル等を記憶する記憶装置である。

ここで、認識辞書とは、検出対象物が写り込んだ画像領域での画素の特徴を表したデータ（特徴量）によって表現される。特徴量は、具体的には、検出対象物の輪郭形状（輪郭の位置）を表すデータであってもよいし、画素値に対して所定演算を施すことによって得られる算出値（例えば平均値）やヒストグラム等であってもよい。

また、認識辞書は、検出対象物の全体を表す全体辞書と、検出対象物の一部を表すパーツ辞書とで構成されている。更に、パーツ辞書は、そのパーツの見え方のバリエーションを表すタイプ別に複数のものが用意されている。なお、全ての認識辞書は、同じ種類の特徴量によって記述されるものとする。

ここで、検出対象物の一例である人（歩行者）を検出する場合に使用する認識辞書について、図２を用いて説明する。但し、検出対象物は、人に限るものではなく、各種車両や路側物、路面表示等であってもよい。

認識辞書は、検出対象物である人の全身を表す全体辞書Ａ（図２（ａ）参照）と、検出対象物を構成するパーツを表すパーツ辞書（図２（ｂ）参照）とで構成される。全体辞書Ａは、認識処理の対象となる対象領域の全体に適用され、一方、パーツ辞書は、対象領域の一部からなるパーツ領域に対して適用される。

本実施形態では、パーツ辞書は、上半身（パーツＢ）に関するものと、下半身（パーツＣ）に関するものとで構成され、上半身に関する複数のパーツ辞書をパーツＢ辞書群、下半身に関する複数のパーツ辞書をパーツＣ辞書群という。そして、対象領域を上下に２分割したもののうち、上側の領域がパーツＢ辞書群を適用するパーツ領域、下側の領域がパーツＣ辞書群を適用するパーツ領域となる。

パーツＢ辞書群は、上半身の見た目（色，模様，形状）の違いを複数にタイプ分けし、各タイプに対応付けたパーツ辞書Ｂ１，Ｂ２，…からなり、同様に、パーツＣ辞書群は、下半身の見た目（色，模様，形状）の違いを複数にタイプ分けし、各タイプに対応付けたパーツ辞書Ｃ１，Ｃ２，…からなる。

認識辞書の選択に用いるテーブルである辞書選択テーブルは、図３（ａ）に例示するように、車両情報入力部３での検出結果から推定される各種シーン（晴天／雨天、昼間／夜間等）をＳ１，Ｓ２，…で表すものとして、各シーンＳ１，Ｓ２，…に対応付けて、そのシーンで使用するパーツ辞書をパーツ領域毎に列挙したものである。

辞書選択テーブルの内容は、各シーンＳｉにおいて、どのバリエーション（即ち、どのタイプのバーツ辞書）を重要視するのが妥当であるかを、実験やシミュレーション等によって調べた結果に基づいて設計される。

パーツの重みの選択に用いるテーブルである重み選択テーブルは、図３（ｂ）に示すように、バーツＢ辞書群を構成するパーツ辞書Ｂ１，Ｂ２，…と、パーツＢ辞書群を構成するパーツ辞書Ｃ１，Ｃ２，…とをインデックスとして、パーツ辞書Ｂｊ（ｊ＝１，２，…）と、パーツ辞書Ｃｋ（ｋ＝１，２，…）が選択された時に、そのパーツ辞書Ｂｊ，Ｃｋを用いて算出されたスコア（パーツスコア）に対して適用する重みβjk，γjkを記述したものである。

重み選択テーブルの内容は、通常ではあり得ないパーツの組合せ（例えば、正面向きの上半身と横向きの下半身、前向きの顔と後向きの足等）の場合には、重みが小さくなるように設計される。

＜画像認識処理＞
物体検出装置１の演算処理部１０が実行する画像認識処理の内容を、図３に示すフローチャートに沿って説明する。本処理は、演算処理部１０が画像入力部２から入力画像を取得する毎に別途実行される入力画像についての特徴量を算出する処理の終了後に起動する。

Ｓ１１０では、演算処理部１０は、車両情報入力部３から車両情報を取得する。車両情報としては、例えば、ライトスイッチの作動状態（オン、オフ、ハイビーム、ロービーム）を示す情報や、ワイパースイッチの作動状態（オン、オフ、動作速度、動作間隔）を示す情報等が挙げられる。

Ｓ１２０では、演算処理部１０は、Ｓ１１０で取得した車両情報に基づいて車両周辺の状況を表したシーンを推定し、その推定したシーンに基づき、図３（ａ）に例示した辞書選択テーブルを参照して、以下の処理で使用する認識辞書を選択する。なお、シーンの推定は、例えば、ライトスイッチがオンであれば夜間、ワーパースイッチがオンであれば雨天等と推定する。

Ｓ１３０では、演算処理部１０は、入力画像から所定サイズ（全体辞書Ａが適用されるサイズ）の領域を切り出す。以下では、入力画像から切り出される個々の領域を切出領域ともいう。

Ｓ１４０では、演算処理部１０は、Ｓ１３０で切り出された切出領域を、認識処理の対象となる対象領域として、この対象領域と全体辞書Ａとに基づき、対象領域の特徴量が全体辞書Ａに示された特徴量とどの程度類似しているかを表すスコア（全身スコア）を算出する。なお、このようなスコアの算出は周知技術であるため、ここでは説明を省略する。

Ｓ１５０では、演算処理部１０は、対象領域を構成するパーツ領域中で、後述の処理（Ｓ１６０〜Ｓ１８０）を未実施のパーツ領域を一つ選択する。この選択されたパーツ領域を、以下では対象パーツ領域という。

Ｓ１６０では、演算処理部１０は、Ｓ１５０で選択した対象パーツ領域と、Ｓ１２０で選択した対象パーツ領域に関するタイプ別のパーツ辞書とに基づき、対象パーツ領域の特徴量がパーツ辞書に示された特徴量とどの程度類似しているかを表すスコア（仮パーツスコア）を、パーツ辞書のそれぞれについて算出する。

Ｓ１７０では、演算処理部１０は、Ｓ１６０にてパーツ辞書毎に算出された仮パーツスコアのうち、最大のものを、その対象パーツ領域のパーツスコア（代表スコア）に決定する。

Ｓ１８０では、演算処理部１０は、対象領域内の全てのパーツ領域について処理を終了したか否かを判断する。そして、未処理のパーツ領域があればＳ１５０に戻って、Ｓ１５０〜Ｓ１７０の処理を繰り返し、全てのパーツ領域について処理済みであれば、Ｓ１９０に進む。

Ｓ１９０では、演算処理部１０は、Ｓ１４０で算出した全身スコアと、Ｓ１７０でパーツ領域毎に決定したパーツスコアと、パーツスコアの算出に用いられたパーツ辞書のタイプをインデックスにして重み選択テーブルから求めた重みとを用いて、各スコアを重み付け加算することによって統合スコアを算出する。

つまり、パーツスコアの算出に用いられたパーツ辞書がＢｊ，Ｃｋである場合、全身スコアをＰａ、パーツＢのパーツ領域でのパーツスコアをＰｂ、パーツＣのパーツ領域でのパーツスコアをＰｃ、全身スコアの重みをα（ここでは固定値）とすると、統合スコアＴは、（１）式に従って算出されることになる。

Ｔ＝α×Ｐａ＋βjk×Ｐｂ＋γjk×Ｐｃ （１）
Ｓ２００では、演算処理部１０は、入力画像について、切出領域の切り出しを全て終了したか否かを判断し、終了していなければＳ１３０に戻って、新たに切り出した切出領域を対象領域としてＳ１３０〜Ｓ１９０の処理を繰り返し実行する。一方、切出領域の切り出しが全て終了していれば、Ｓ２１０に進む。

Ｓ２１０では、演算処理部１０は、入力画像から切り出された全ての切出領域の中から、統合スコアが、予め設定された閾値以上であるものを抽出し、その抽出された切出領域に検出対象物が存在するものとして、その抽出された切出領域のそれぞれについて、検出対象物に関する情報である物標情報を生成する。なお、物標情報には、検出対象物の種類と入力画像中での位置が少なくとも含まれている。

Ｓ２２０では、演算処理部１０は、Ｓ２１０で生成した物標情報と共に、Ｓ１２０での推定結果を表すシーン情報を、検出結果出力部４に出力して、本処理を終了する。
＜効果＞
以上説明したように物体検出装置１では、全体辞書Ａから求めた全身スコアと、パーツ領域毎にパーツ辞書から求めたパーツスコアとを、パーツの組合せの妥当性に応じた値を有する重みを用いて統合（重み付け加算）することで対象領域の統合スコアを求めている。しかも、パーツ領域のそれぞれについて、パーツの見え方の違いに応じた複数のパーツ辞書を用意し、パーツ辞書毎に仮パーツスコアを求め、その最大値をパーツ領域のパーツスコアにしている。

つまり、物体検出装置１では、パーツ領域毎に見た目のバリエーションを表現し、その組合せで全身の見た目のバリエーションを表現しているため、全体の見た目のバリエーションを、そのバリエーションの数より少ない数のパーツ辞書によって表現することができる。 従って、物体検出装置１によれば、見た目のバリエーションが豊富な検出対象物であっても、そのバリエーションの総数より少ない辞書数で精度良く検出することができる。

しかも、パーツ辞書の組合せに応じて、統合スコアを算出する際のパーツスコアの重みを変化させてスコアを調整しており、あり得ないパーツの組合せとなる切出領域の統合スコアが小さく抑えられるため、誤検出を抑制すること、即ち、検出精度を向上させることができる。

また、物体検出装置１によれば、パーツ領域に適用するパーツ辞書を、車両情報から推定されるシーンに応じて絞り込んでいるため、画像認識処理に要する時間を短縮することができる。

［第２実施形態］
第２実施形態について説明する。
本実施形態では、画像認識処理の内容が第１実施形態のものとは一部異なるだけであるため、この相違する部分を中心に説明する。

＜画像認識処理＞
本実施形態では、演算処理部１０が実行する画像認識処理は、図５に示すように、図４と比較して、Ｓ１１０〜Ｓ１２０が省略され、Ｓ１６０，Ｓ２２０がＳ１６５，Ｓ２２５に置き換えられ、Ｓ２１０とＳ２２０の間にＳ２１５が追加されている。

即ち、本実施形態では、車両情報に基づく認識辞書の選択が行われないため、Ｓ１６５では、演算処理部１０は、対象パーツ領域について用意された全てのパーツ辞書について仮パーツスコアの算出を行う。

そして、Ｓ２１５では、演算処理部１０は、Ｓ１７０でパーツ領域毎に決定されたパーツスコアについて、そのパーツスコアの算出に用いられたパーツ辞書の組合せから、検出対象物の状態（例えば、人体の姿勢等）や入力画像が表すシーンを推定する。また、Ｓ２２５では、演算処理部１０は、演算処理部Ｓ２１０で生成した物標情報と共に、Ｓ２１５での推定結果を表す状態／シーン情報を検出結果出力部４に出力する。

なお、Ｓ２１５で実行する検出対象物の状態・シーンの推定は、記憶部１１に記憶された状態／シーン推定テーブルを用いて実行する。この状態／シーン推定テーブルは、図６に示すように、パーツＢ辞書群に属するパーツ辞書Ｂｊ、パーツＣ辞書群に属するパーツ辞書Ｃｋをインデックスとして、対応する検出対象物の状態やシーンＳjkを記述したものである。

具体的には、例えば、パーツＢ辞書群を、それぞれが異なる姿勢を表すパーツ辞書で構成し、統合スコアの算出に、パーツ辞書が使用された場合、そのパーツ辞書が表す姿勢を検出対象物体が取っていると推定することが考えられる。また、パーツＢ辞書群中に傘をさしている状態を表すパーツ辞書が存在し、統合スコアの算出に、そのパーツ辞書に基づくパーツスコアが使用されていた場合には、雨天のシーンであると推定することが考えられる。

＜効果＞
本実施形態によれば、第１実施形態の場合と同様に、見た目のバリエーションが膨大な検出対象物を、そのバリエーションの数より少ない認識辞書によって検出することができると共に、検出精度を向上させることができる。

また、本実施形態によれば、車両情報を用いることなく、画像認識の処理中に得られた情報から検出対象物の状態やシーンを推定することができる。
［第３実施形態］
第３実施形態について説明する。

本実施形態では、画像認識処理の内容が第１実施形態のものとは一部異なるだけであるため、この相違する部分を中心に説明する。
＜画像認識処理＞
本実施形態では、演算処理部１０が実行する画像認識処理は、図７に示すように、図４と比較して、Ｓ１７０がＳ１７５に、Ｓ１９０がＳ１９２〜１９４に置き換えられている。

即ち、Ｓ１７５では、演算処理部１０は、Ｓ１６０にて算出された仮パーツスコアの中から、予め設定された閾値以上であるものを候補スコアとして抽出し、その候補スコアの算出に用いたパーツ辞書を特定する。

そして、Ｓ１９２では、演算処理部１０は、各パーツ辞書群から一つずつパーツ辞書を選択して組み合わせたものをパーツ組合せと呼ぶものとして、Ｓ１７５で特定されたパーツ辞書によって生成される全てのパーツ組合せについて、仮統合スコアを算出する。仮統合スコアは、具体的には、Ｓ１４０で算出した全身スコアと、Ｓ１７５で抽出した候補スコア（仮パーツスコア）と、着目するパーツ組合せのパーツ辞書をインデックスとして重み選択テーブルから求めた重みとを用いて、上述の（１）式と同様に算出する。

Ｓ１９４では、演算処理部１０は、Ｓ１９２で算出した仮統合スコアのうち最大のものを、対象領域の統合スコアに決定する。
＜効果＞
本実施形態によれば、第１実施形態の場合と同様に、見た目のバリエーションが膨大な検出対象物を、そのバリエーションの数より少ない認識辞書によって検出することができると共に、検出精度を向上させることができる。

また、本実施形態によれば、パーツ領域毎に複数のパーツスコア（パーツ辞書）を抽出し、パーツ組合せの全てについて組合せの妥当性を考慮した仮統合スコアを求め、その仮統合スコアの中から、検出対象物の有無の判定に使用する最終的な統合スコアを決定しているため、検出対象物の検出をよりロバストに行うことができる。

なお、本実施形態でも第１実施形態に対する第２実施形態と同様に、車両情報から推定したシーンに基づくパーツ辞書の選択を省略してもよい。この場合、更に、統合スコアの算出に関わるパーツ辞書の組合せからシーンを推定してもよい。

［他の実施形態］
以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されることなく、種々の形態を採り得ることは言うまでもない。例えば、１つの構成要素が有する機能を複数の構成要素に分散させたり、複数の構成要素が有する機能を１つの構成要素に統合したりしてもよい。また、上記実施形態の構成の少なくとも一部を、同様の機能を有する公知の構成に置き換えてもよい。

上記実施形態では、認識辞書を、全体辞書とパーツ領域毎のパーツ辞書とで構成しているが、全体辞書を省略し、パーツ辞書だけで構成してもよい。また、上記実施形態では、単一の全体辞書を用いているが、複数の全体辞書を用いてもよい。

上記実施形態では、統合スコアや仮統合スコアを算出する際に用いる全身スコアの重みαを固定値としているが、パーツスコアの重みと同様に、パーツの組合せに応じた可変値を用いてもよい。

上記実施形態では、統合スコアや仮統合スコアの算出に用いる重みを、パーツの組合せに応じて変化させているが、車両情報から推定されるシーン（状況）に応じて変化させるようにしてもよい。この場合、例えば、近距離で足元が写らない状況では上半身を重視したり、夜間で上半身が暗い状況では下半身を重視したりしてもよい。更に、サイズ、位置が異なる複数のパーツ（パーツ領域）を配置し、シーンによって使用するパーツの組合せを選択するようにしてもよい。

１…物体検出装置 ２…画像入力部 ３…車両情報入力部 ４…検出結果出力部 １０…演算処理部 １１…記憶部

Claims (6)

1. 検出対象物の認識に使用する認識辞書を、認識処理の対象となる対象領域中に設定された複数のパーツ領域別、且つ該パーツ領域にて検出されるパーツの見た目の違いを表すタイプ別に記憶する記憶手段（１１）と、
   入力画像から切り出された領域を前記対象領域とし、前記記憶手段に記憶された認識辞書の少なくとも一部を用いて、前記パーツ領域のそれぞれについて、前記タイプ毎に前記認識辞書との類似度を表すパーツスコアを算出するパーツスコア算出手段（Ｓ１６０，Ｓ１６５）と、
   前記パーツスコア算出手段にて算出されたパーツスコアを、前記パーツ領域のそれぞれから一つずつ選択し重み付けして統合した統合スコアを算出する統合スコア算出手段（Ｓ１７０，Ｓ１７５，Ｓ１９０，Ｓ１９２，Ｓ１９４）と、
   前記統合スコア算出手段にて算出された統合スコアを用いて前記対象領域に検出対象物が存在するか否かを判断する判断手段（Ｓ２１０）と、
   を備えることを特徴とする物体検出装置。
2. 前記統合スコア算出手段は、前記統合スコアの算出に関わる前記認識辞書の組合せに従って、前記パーツスコアを統合する際に使用する重みを可変設定することで、前記統合スコア算出手段が算出する統合スコアを調節することを特徴とする請求項１に記載の物体検出装置。
3. 前記統合スコア算出手段は、
   前記パーツ領域毎に、前記パーツスコアが最大のものを該パーツ領域の代表スコアとして選択する代表スコア選択手段（Ｓ１７０）と、
   前記代表スコア選択手段によって選択された代表スコアを重み付け加算することによって、前記統合スコアを算出するスコア統合手段（Ｓ１９０）と、
   を備えることを特徴とする請求項１又は請求項２に記載の物体検出装置。
4. 前記統合スコア算出手段は、
   前記パーツ領域毎に、前記パーツスコアが予め設定された閾値以上のものを候補スコアとして抽出し、該候補スコアの算出に用いたパーツ辞書を特定する候補スコア抽出手段（Ｓ１７５）と、
   前記パーツ領域のそれぞれで適用される前記パーツ辞書を、一つずつ選択して組み合わせたものをパーツ組合せとして、前記候補スコア抽出手段で特定されたパーツ辞書によって生成される全てのパーツ組合せについて、前記候補スコアを重み付け加算した仮統合スコアを算出する仮統合スコア算出手段（Ｓ１９２）と、
   前記仮統合スコア算出手段にて算出された仮統合スコアの中で最大のものを前記統合スコアとして選択する統合スコア選択手段（Ｓ１９４）と、
   を備えることを特徴とする請求項１又は請求項２に記載の物体検出装置。
5. 前記統合スコアの算出に使用された前記パーツスコアに対応する前記認識辞書の組合せに基づいて前記入力画像に示されたシーン、又は前記検出対象物の状態のうち少なくとも一方を推定する推定手段（Ｓ２１５）を備えることを特徴とする請求項１乃至請求項４のいずれか１項に記載の物体検出装置。
6. 車両に搭載されたセンサまたは機器から得られる情報に従って、前記入力画像に示されたシーンを推定し、その推定結果に従って、前記パーツスコア算出手段で使用する前記認識辞書を選択する辞書選択手段（Ｓ１２０）と、
   を備えることを特徴とする請求項１乃至請求項４のいずれか１項に記載の物体検出装置。

Images