JP5864230B2 - 物体検出装置 - Google Patents
物体検出装置 Download PDFInfo
- Publication number
- JP5864230B2 JP5864230B2 JP2011262379A JP2011262379A JP5864230B2 JP 5864230 B2 JP5864230 B2 JP 5864230B2 JP 2011262379 A JP2011262379 A JP 2011262379A JP 2011262379 A JP2011262379 A JP 2011262379A JP 5864230 B2 JP5864230 B2 JP 5864230B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- feature amount
- calculating
- calculated
- image frame
- 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
- 238000001514 detection method Methods 0.000 title claims description 24
- 230000005484 gravity Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
Images
Description
本発明は、カメラの撮像映像から移動する物体を検出する物体検出装置に関する。
に関する。
に関する。
近年、映像から人や車などの移動する物体を検出する技術が発達しており、局所領域内の画素の輝度変化をヒストグラム化した特徴量を基に識別を行う手法として、輝度の勾配方向ヒストグラム化した特徴ベクトルであるＨＯＧを用いた非特許文献１に開示された手法や、複数画像フレームにおける時間軸上の輝度変化に基づいてピクセル状態分析（ＰＳＡ）を行って特徴量として用いた特許文献１に開示された手法が提案されている。
N.Dalal and B.Triggs, "Histograms of Oriented Gradients for Human Detection", IEEE Computer Vision and Pattern Recognitio, pp. 886-893, 2005年
しかしながら、ＨＯＧを用いた手法は、人物を検出したい場合は人物に類似するような形状の柱や植栽などを人物として判断する誤検出が発生した。また、ＰＳＡに用いられるような時空間特徴は、木々の揺れや急激な照明変化に対して誤検出が発生するという問題があった。
そこで、本発明はこのような問題点に鑑み、撮像された映像における物体の検出精度を向上させることができる物体検出装置を提供することを目的としている。
上記課題を解決する為に、請求項１の発明に係る物体検出装置は、カメラの撮像映像を基に時間軸上で連続する画像で構成される画像フレーム群を生成する画像フレーム群生成手段と、個々の画像を複数領域に分割して、分割した領域毎の画素の輝度情報から領域内の輝度変化量を状態変化量として算出する状態変化量算出手段と、生成した個々の画像フレーム群において、算出した状態変化量の連続する画像間の差分を移動領域として算出する移動領域算出手段と、算出された移動領域の重心を算出する重心算出手段と、連続する画像フレーム群の間で重心位置を比較して重心の移動量を特徴量として算出する特徴量算出手段と、予め撮像したサンプル画像から算出された特徴量を記憶するサンプル記憶部と、カメラの撮像映像から算出した特徴量とサンプル特徴量とから映像内の物体の存在を判断する物体判断手段とを有し、物体判断手段がアダブーストによるカスケード型の強識別器によって構成され、カメラの撮像映像から算出した特徴量がサンプル記憶部に記憶された特徴量と比較されて撮像映像における物体の存在が判断されることを特徴とする。
この構成によれば、サンプル画像を人物を撮像した画像とすれば人物の存在を判断できるし、車の画像とすれば車の存在を判断できる。そして、時間軸上で連続する複数の画像間で輝度が変化する部位を抽出して物体の存在を判断することで、柱や植栽等を人物や車等の物体と判断することが無くなるし、明るさの急激な変化も物体と判断することを防止でき、物体の検出精度を向上できる。
この構成によれば、サンプル画像を人物を撮像した画像とすれば人物の存在を判断できるし、車の画像とすれば車の存在を判断できる。そして、時間軸上で連続する複数の画像間で輝度が変化する部位を抽出して物体の存在を判断することで、柱や植栽等を人物や車等の物体と判断することが無くなるし、明るさの急激な変化も物体と判断することを防止でき、物体の検出精度を向上できる。
本発明によれば、時間軸上で連続する複数の画像間で輝度が変化する部位を抽出して物体を判断する。よって、柱や植栽等を人物や車等の物体と判断することが無くなるし、明るさの急激な変化も物体と判断することを防止でき、物体の検出精度を向上できる。
以下、本発明を具体化した実施の形態を図面を参照して詳細に説明する。図１は本発明に係る物体検出装置の構成図を示し、画像入力部１、時間変化抽出部２、動きベクトル抽出部３、検出部４、結果出力部５を備えている。尚、時間変化抽出部２、動きベクトル抽出部３、検出部４は所定のプログラムをインストールしたＣＰＵ或いはＤＳＰで一体に構成される。
画像入力部１は、人物や車等の検出対象の移動物体を撮像するカメラを備え、デジタル映像信号を出力する。この映像信号は、例えば２５６階調のカラー映像である。
時間変化抽出部２は、画像入力部１が出力する映像信号から一定の時間間隔で画像（画像フレーム）を順次取り出し、所定数の画像でグループ分けして画像フレーム群を生成する。図２は取り出した画像と画像フレーム群の時系列関係を示し、３フレームの画像で１つの画像フレーム群が構成された場合を示している。
また時間変化抽出部２は、個々の画像を複数の領域に分割し、分割した個々の領域毎の画素の輝度情報から領域内の輝度変化を状態変化量として算出する。
また時間変化抽出部２は、個々の画像を複数の領域に分割し、分割した個々の領域毎の画素の輝度情報から領域内の輝度変化を状態変化量として算出する。
動きベクトル抽出部３は、時間軸上で隣接する画像の同一領域同士で状態変化量を比較し、差分を演算する。そして、画像フレーム群毎に求めた差分の重心位置を求め、隣接する画像フレーム群間の重心の移動量を特徴量として算出する。
検出部４は、例えば検出対象物体が人物である場合は、人物と背景によってクラス分けされた学習サンプルと動きベクトル抽出部３で抽出した特徴量を用いて、強識別器によって構成される周知のアダブーストによるカスケード型識別器を用いて物体の検出を行う。４ａは学習サンプルの特徴量を記憶するサンプル記憶部を示している。
結果出力部５は、報音するためのスピーカ或いはブザー等の音響出力部、映像を表示する表示部を備え、検出部４が検出対象の物体を検出したらそれを報音通知し、撮像映像を表示する。
このように構成した物体検出装置の動作を、以下具体的に説明する。図３は物体を抽出する流れを示す概念説明図であり、この図３を参照しながら説明する。
画像入力部１のカメラ撮像映像から、まず時間変化抽出部２が例えば１００ｍｓ間隔の連続する画像（画像フレーム）Ｐ１，Ｐ２・・Ｐｎが取り出され、図２に示すように所定の個数でグループ分けした画像フレーム群が生成される。尚、前後する画像フレーム群同士は共通する画像を有しても良い。
画像入力部１のカメラ撮像映像から、まず時間変化抽出部２が例えば１００ｍｓ間隔の連続する画像（画像フレーム）Ｐ１，Ｐ２・・Ｐｎが取り出され、図２に示すように所定の個数でグループ分けした画像フレーム群が生成される。尚、前後する画像フレーム群同士は共通する画像を有しても良い。
時間変化抽出部２において、更に個々の画像が予め設定した複数の領域に分割され、分割された個々の領域毎に、画素の輝度情報から領域内の状態変化量が算出される。図３（ａ）は個々の画像を複数領域に分割した様子を示し、１画像を１２の領域に分割した状態を示している。そして、図３（ｂ）は状態変化量の説明図であり、ここでは１例として図３（ａ）のＥで示す分割された領域の変化を示している。
尚、ここでは説明の都合上２フレームの画像で個々の画像フレーム群が構成された場合を示している。また、Ｆは画像入力部１のカメラの撮像範囲に入り込んだ人物を示している。
尚、ここでは説明の都合上２フレームの画像で個々の画像フレーム群が構成された場合を示している。また、Ｆは画像入力部１のカメラの撮像範囲に入り込んだ人物を示している。
次に、動きベクトル抽出部３において、時間軸上で隣接する画像の同一領域同士で状態変化量の差分が移動領域として算出され、画像フレーム群毎に個々の分割領域の移動領域の重心が求められる。図３（ｃ）は、こうして画像フレーム群毎に求めた領域Ｅの重心Ｇを示している。
更に、隣接する画像フレーム群間の重心の位置が比較され、その移動量が特徴量として算出される。図３（ｄ）は算出された特徴量を示し、特徴量はベクトルＶとして算出される。
更に、隣接する画像フレーム群間の重心の位置が比較され、その移動量が特徴量として算出される。図３（ｄ）は算出された特徴量を示し、特徴量はベクトルＶとして算出される。
個々の領域の特徴量が算出されたら、検出部４は求めた特徴量とサンプル記憶部４ａに記憶している学習サンプルの特徴量と比較して、強識別器によって構成される周知のアダブーストによるカスケード型識別器を用いて物体の検出が行われる。
例えば検出対象物体が人物である場合、学習サンプルは先ず様々な姿勢あるいは動きの人を例えば数百枚撮影され、その画像から結果として人の傾向を示す特徴量が算出されて、その確率密度関数が生成される。また、人以外を撮影した例えば数百枚撮影画像から、結果として人以外の傾向を示す特徴量を算出しその確率密度関数が生成される。
こうして生成した確立密度関数を学習サンプルとして、画像入力部１から入力された画像から算出した特徴量を学習サンプルと比較して人物の検出が行われる。
例えば検出対象物体が人物である場合、学習サンプルは先ず様々な姿勢あるいは動きの人を例えば数百枚撮影され、その画像から結果として人の傾向を示す特徴量が算出されて、その確率密度関数が生成される。また、人以外を撮影した例えば数百枚撮影画像から、結果として人以外の傾向を示す特徴量を算出しその確率密度関数が生成される。
こうして生成した確立密度関数を学習サンプルとして、画像入力部１から入力された画像から算出した特徴量を学習サンプルと比較して人物の検出が行われる。
検出部４が検出対象の物体を検出したら、結果出力部５は警報音を発してカメラの撮像映像を表示する。
このように、サンプル画像を人物を撮像した画像とすれば人物の存在を判断できるし、車の画像とすれば車の存在を判断できる。そして、時間軸上で連続する複数の画像間で輝度が変化する部位を抽出して物体の存在を判断することで、柱や植栽等を人物や車等の物体と判断することが無くなるし、明るさの急激な変化も物体と判断することを防止でき、物体の検出精度を向上できる。
尚、上記実施形態において、算出する輝度の変化量（状態変化量）は、色の変化、テクスチャーの変化、エッジの変化を含む。
１・・画像入力部、２・・時間変化抽出部（画像フレーム群生成手段、状態変化量算出手段）、３・・動きベクトル抽出部（移動領域算出手段、重心算出手段、特徴量算出手段）、４・・検出部（物体判断手段）、４ａ・・サンプル記憶部、５・・結果出力部。
Claims (1)
- カメラの撮像映像を基に時間軸上で連続する画像で構成される画像フレーム群を生成する画像フレーム群生成手段と、
個々の画像を複数領域に分割して、分割した領域毎の画素の輝度情報から領域内の輝度変化量を状態変化量として算出する状態変化量算出手段と、
生成した個々の前記画像フレーム群において、算出した前記状態変化量の連続する画像間の差分を移動領域として算出する移動領域算出手段と、
算出された移動領域の重心を算出する重心算出手段と、
連続する画像フレーム群の間で前記重心位置を比較して重心の移動量を特徴量として算出する特徴量算出手段と、
予め撮像したサンプル画像から算出された前記特徴量を記憶するサンプル記憶部と、
前記カメラの撮像映像から算出した特徴量と前記サンプル特徴量とから映像内の物体の存在を判断する物体判断手段とを有し、
前記物体判断手段がアダブーストによるカスケード型の強識別器によって構成され、前記カメラの撮像映像から算出した特徴量が前記サンプル記憶部に記憶された特徴量と比較されて前記撮像映像における物体の存在が判断されることを特徴とする物体検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011262379A JP5864230B2 (ja) | 2011-11-30 | 2011-11-30 | 物体検出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2011262379A JP5864230B2 (ja) | 2011-11-30 | 2011-11-30 | 物体検出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2013114582A JP2013114582A (ja) | 2013-06-10 |
| JP5864230B2 true JP5864230B2 (ja) | 2016-02-17 |
Family
ID=48710048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011262379A Active JP5864230B2 (ja) | 2011-11-30 | 2011-11-30 | 物体検出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5864230B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9656899B2 (en) | 2013-05-07 | 2017-05-23 | Corning Incorporated | Process and apparatus for forming shaped glass articles |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6866182B2 (ja) * | 2017-02-24 | 2021-04-28 | アイホン株式会社 | ベッド位置特定装置 |
| CN107137090B (zh) * | 2017-05-24 | 2020-06-16 | 深圳先进技术研究院 | 一种跌倒识别方法及装置、用户设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5285575B2 (ja) * | 2009-11-04 | 2013-09-11 | 日本放送協会 | 人物行動判定装置及びそのプログラム |
| JP2011171795A (ja) * | 2010-02-16 | 2011-09-01 | Victor Co Of Japan Ltd | ノイズ低減装置 |
| JP2011198006A (ja) * | 2010-03-19 | 2011-10-06 | Panasonic Corp | オブジェクト検出装置、オブジェクト検出方法、およびオブジェクト検出プログラム |
-
2011
- 2011-11-30 JP JP2011262379A patent/JP5864230B2/ja active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9656899B2 (en) | 2013-05-07 | 2017-05-23 | Corning Incorporated | Process and apparatus for forming shaped glass articles |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2013114582A (ja) | 2013-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10810438B2 (en) | Setting apparatus, output method, and non-transitory computer-readable storage medium | |
| JP6969871B2 (ja) | 移動状況推定装置、移動状況推定方法およびプログラム | |
| RU2393544C2 (ru) | Способ и устройство для обнаружения пламени | |
| CN107657244B (zh) | 一种基于多摄像机的人体跌倒行为检测系统及其检测方法 | |
| JP2016099941A (ja) | オブジェクト位置推定システム、及びそのプログラム | |
| US10063843B2 (en) | Image processing apparatus and image processing method for estimating three-dimensional position of object in image | |
| KR20140045854A (ko) | 단일객체에 대한 기울기를 추정하는 영상을 감시하는 장치 및 방법 | |
| JP2012108785A (ja) | 人数カウント装置、人数カウント方法及び人数カウントプログラム | |
| US10121089B2 (en) | Object information extraction apparatus, object information extraction program, and object information extraction method | |
| KR102199094B1 (ko) | 관심객체 검출을 위한 관심영역 학습장치 및 방법 | |
| KR101030257B1 (ko) | 카메라의 영상을 이용한 보행자 계수 방법 및 장치 | |
| JP2009027393A (ja) | 映像検索システムおよび人物検索方法 | |
| JP2018022340A (ja) | 画像処理装置、情報処理方法及びプログラム | |
| JP7222231B2 (ja) | 行動認識装置、行動認識方法及びプログラム | |
| JP5271227B2 (ja) | 群衆監視装置および方法ならびにプログラム | |
| JPWO2008035411A1 (ja) | 移動体情報検出装置、移動体情報検出方法および移動体情報検出プログラム | |
| JP5864230B2 (ja) | 物体検出装置 | |
| JP2020109644A (ja) | 転倒検出方法、転倒検出装置及び電子機器 | |
| US9478032B2 (en) | Image monitoring apparatus for estimating size of singleton, and method therefor | |
| JP2007219603A (ja) | 人物追跡装置、人物追跡方法および人物追跡プログラム | |
| US11544926B2 (en) | Image processing apparatus, method of processing image, and storage medium | |
| JP5864231B2 (ja) | 移動方向識別装置 | |
| JP6939065B2 (ja) | 画像認識用コンピュータプログラム、画像認識装置及び画像認識方法 | |
| AU2008356238A1 (en) | Method and device for analyzing video signals generated by a moving camera | |
| JP2008040724A (ja) | 画像処理装置、及び画像処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140728 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150409 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150414 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150528 |
|
| 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: 20151201 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151224 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5864230 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| 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 |