JP6265370B2 - 対象物追跡方法及び対象物追跡システム - Google Patents

Description

本発明は、対象物追跡方法及び対象物追跡システムに関する。

コンピュータを用いた画像処理技術の発達によって、対象物を認識し追跡する技術がいくつか提案されている。

特許文献１には、画像特徴量抽出システムに関し、例示画像に含まれるオブジェクト領域を抽出するオブジェクト領域抽出部と、該オブジェクト領域抽出部によって抽出された前記オブジェクト領域を構成している代表色を求め、該求めた代表色の色特徴量を抽出する色特徴量抽出部と、該色特徴量抽出部によって抽出された前記色特徴量のクラスタリングを行ったのち、各クラスタの色特徴量を抽出する色特徴量クラスタリング部と、前記オブジェクト領域抽出部によって抽出された前記オブジェクト領域の大まかな形状特徴量および詳細な形状特徴量を抽出する形状特徴量抽出部と、該形状特徴量抽出部によって抽出された前記詳細な形状特徴量のクラスタリングを行ったのち、各クラスタの詳細な形状特徴量を抽出する形状特徴量クラスタリング部とを備え、前記オブジェクト領域抽出部が、前記抽出したオブジェクト領域内の画像を表すオブジェクト画像データを前記色特徴量抽出部に出力し、前記色特徴量抽出部が、前記オブジェクト画像データによって表される前記オブジェクト領域内の画像を構成している代表色を求め、該求めた代表色の色相，彩度および輝度の値の範囲を色特徴量として抽出する、ことが記載されている。特許文献１では、k-means法によりクラスタリングを行った、との記述がある。

特許文献２には、移動型電子機器に利用される人間追跡装置に関し、第１カメラにより撮影された上体映像から人間の少なくとも１つの上体位置情報を検出する上体位置情報検出モジュールと、第２カメラにより撮影された足映像から前記人間の少なくとも１つの足位置情報を検出する足位置情報検出モジュールと、前記少なくとも１つの上体位置情報と前記少なくとも１つの足位置情報とを基に、追跡対象を選択する追跡対象選択モジュールと、前記追跡対象選択モジュールで選択された追跡対象を追跡するための、前記移動型電子機器の追跡速度及び方向を計算する追跡速度及び方向計算部と、前記移動型電子機器を駆動するモータと、前記追跡速度及び方向計算部で計算された結果を基に、前記モータを制御するモータ制御部と、を備え、前記追跡対象選択モジュールは、前記少なくとも１つの上体位置情報と前記少なくとも１つの足位置情報のうちから、所定の探索範囲に含まれる上体位置情報と足位置情報とを追跡候補情報として検出する追跡候補検出部と、前記追跡候補検出部で検出された追跡候補情報に含まれている足位置情報が複数個ならば、前記追跡候補情報に含まれている上体位置情報に近接した足位置情報を追跡対象情報として選択する追跡対象選択部とを備え、前記追跡候補検出部は、前記所定の探索範囲を、以前フレームで追跡対象として選択された足候補の位置を中心座標とし、成人男女の前に歩く場合と横に歩く場合の平均歩幅、平均速度、及び前記移動型電子機器の反応速度を基に決定すること、前記足位置情報検出モジュールは、レーザを発振させるレーザ発振部と、前記レーザ発振部から発生したレーザラインを撮像する前記第２カメラと、前記第２カメラを介して撮像されたレーザライン映像を足映像として取得する足映像取得部と、前記足映像取得部で取得された足映像から、前記少なくとも１つの足位置情報を足候補として検出する足候補検出部とを備えること、が開示されている。

特許文献３には、撮像手段で撮影された画像の各フレーム画像の差分画像から周辺画素に対して動きベクトルの大きさおよび方向の異なる画素を検出し、前記各フレーム画像を分割した小領域のうち前記画素を含む小領域を検出し、該小領域の座標位置を記憶する動き抑制手段と、前記各フレーム画像を分割して前記小領域より大きい大領域及び該大領域より小さい領域である中領域を作成し、前記検出された前記小領域の前記動きベクトルの絶対値の加算値が大きい順番に前記大領域を順位付けし、該順位付けがされた前記大領域に対して前記順位付けに従って優先的に、前記大領域内の前記中領域とその周辺の複数の中領域との画素の色の値若しくは色相若しくは彩度若しくは明度若しくはこれらの組み合わせのヒストグラムの差のうち最小値を色差とすると共に該色差の大きい順に予め設定された数の前記大領域を検出し、該大領域の座標位置を記録する色抑制手段と、前記大領域に予め記憶装置に記憶された移動体が撮影されているか否かをパターン認識により判定する移動体判定手段としてコンピュータを機能させることが開示されている。

特開２００６−２２１５２０号公報 特開２００６−２２１６１０号公報 特開２００７−１８８２９４号公報

特許文献１の手法では、統計処理の性質上、複雑環境下では対象物の特定ができないという欠点がある。
特許文献２では、特定人の追跡手法であり、「人間としての特徴」例えば足の形や足パターンを特徴量として画像などから取り出し追跡するという手法である。しかしながらこの手法では画面内に特定人の足以外の物体や他の人が入ってきた場合、コンピュータは特定人とそれ以外の物体や他の人の違いが判断し難く、追跡対象を見失うという問題がある。
特許文献３では、常に動いている物体に特化することで、画像全体での追跡対象を探す困難な画像処理の問題を回避している。しかし，追跡対象が常に動いているとは限らず、画面内で止まってしまった場合、結局は認識出来なくなってしまうという不具合がある。この不具合は思いの外頻繁に発生する。加えて、対象物以外の人や自動車の移動や、風などにより木や箱などが移動する場合も誤認識してしまうため、対象物以外の物体が移動する空間においては対処できない。

そこで、本願発明の目的は、対象物が画面内で動いたり止まったりしても対象物と他の物体との判別が可能な対象物追跡方法、並びに対象物を自動追跡可能な対象物追跡システムを提供することにある。

本発明の対象物追跡方法は、距離情報を有する動画像を撮像手段にて撮影してコンピュータに取り込み、前記動画像を構成する各フレームに対して所定のクラスタリング処理を行い、前記クラスタリング処理されたフレームを記憶テンプレートとして記憶手段に逐次蓄積するとともに、逐次蓄積されたフレームのうち直近のフレームと前記クラスタリング処理対象のフレームとをパターンマッチングさせて対象物を特定し、特定された対象物を追跡手段にて追跡することを特徴とする。

本発明の対象物追跡システムは、距離情報を有する動画像を撮影する撮像手段と、前記動画像を取り込んでデータ処理するコンピュータと、対象物を追跡する追跡手段を備え、前記コンピュータによって、前記動画像を構成する各フレームに対して所定のクラスタリング処理がなされ、前記クラスタリング処理されたフレームが記憶テンプレートとして記憶手段に逐次蓄積されるとともに、逐次蓄積されたフレームのうち直近のフレームと前記クラスタリング処理対象のフレームとがパターンマッチングされて対象物が特定され、特定された対象物が追跡手段にて追跡されることを特徴とする。

本発明によれば、距離情報を用いて前記動画像を構成する各フレームに対して所定のクラスタリング処理を行い、記憶テンプレートとして逐次蓄積されたフレームのうち直近のフレームと前記クラスタリング処理対象のフレームとをパターンマッチングさせることで、対象物が画面内で動いたり止まったりしても対象物と他の物体との判別が可能となる。

本発明は、前記クラスタリング処理は、前記動画像を構成するフレームを走査しながら前記距離情報に基づいて各画素毎にクラスタ番号を付与するステップと、クラスタ番号が付与されたフレームを再度走査しながら走査画素における距離情報と、当該走査画素に隣接している隣接画素における距離情報とを比較し、両者の距離情報の差の絶対値が所定の閾値よりも小さい場合には前記隣接画素のクラスタ番号と同じクラスタ番号を前記走査画素のクラスタ番号とするステップを有し、前記対象物を領域分けすることを特徴とする。

本発明によれば、クラスタリング結果が安定し、より正確に対象物を特定することができる。

本発明の対象物追跡方法、又は本発明の対象物追跡システムによれば、対象物を特定するための領域分けを高速処理することができ、さらに、記憶テンプレートとして逐次蓄積されたフレームのうち直近のフレームと前記クラスタリング処理対象のフレームとをパターンマッチングさせることで、対象物が画面内で動いたり止まったりしても対象物と他の物体との判別が可能となる。

本発明の実施形態の対象物追跡手順を説明するフローチャート図である。 本発明に係るクラスタリング手順を説明する遷移図である。 既知の電子カメラを用いて人物が歩く様子をコマ送りで撮影した図である。 本発明に係るクラスタリングを行って人物のみを抽出した結果を例示する図である。 本発明に係るモーフィングパターンマッチング法により対象物を追跡する手順を説明するための状態遷移図である。 既知の電子カメラを用いて人物が椅子とくっついたり離れたりする様子をコマ送りで撮影した図である。 本発明の対象物追跡方法によって得られたデータと、比較例としてクラスタリングのみ行って得られたデータとを示すグラフ図である。 本発明の対象物追跡システムを示す構成図である。 本発明の対象物追跡システムによって人物のみを追跡させた場合の追跡結果を示す図である。 本発明の対象物追跡システムが人物を見ている図である。 本発明の対象物追跡システムが人物を見ている際のクラスタリング結果を示す図である。 原画像を示す図である。 前記原画像を距離画像として示す図である。 k-means法によりクラスタリングを行った場合の実行結果を例示する図である。 スキャンラインクラスタリング法によりクラスタリングを行った場合の実行結果を例示する図である。

（クラスタリング）
図１２は、距離計測可能な機能を有する既知の電子カメラを用いて撮影した原画像である。図１３は、前記原画像を距離画像としたものである。図１２の原画像では、二人の人物２０１と２０２が写っている。向かって右側の人物２０１が電子カメラから近い距離（画面の手前側）に写っており、向かって左側の人物２０２が電子カメラから遠い距離（画面の奥側）に写っている（図１２、図１３）。図１３の距離画像では、距離の度合いに応じて色分け表示しており、電子カメラから遠い距離（画面の奥側）が赤色に近い色で着色されており、電子カメラから近い距離（画面の手前側）が青色に近い色で着色されている。

図１４（ａ）（ｂ）（ｃ）は、k-means法によりクラスタリングを行った場合の実行結果を例示する画像である。図１４（ａ）では、人物２０１と人物２０２とが接合されてしまい、個々の人物を特定できていない。図１４（ｂ）では、人物２０１と人物２０２を特定できている。図１４（ｃ）では、人物２０１と人物２０２の下半分とが接合されてしまい、個々の人物を特定できていない。k-means法によりクラスタリングを行った場合は、実行結果が不安定になり易いという課題がある。

上記課題に鑑みて、図１５（ａ）（ｂ）（ｃ）は、スキャンラインクラスタリング法によりクラスタリングを行った場合の実行結果を例示する図である。図１５（ａ）、図１５（ｂ）、及び図１５（ｃ）のいずれの場合においても、人物２０１と人物２０２を特定できている。スキャンラインクラスタリング法によりクラスタリングを行った場合は、実行結果が安定しており、個々の人物を特定できている。

（本発明の対象物追跡方法）
図１は、本発明の実施形態の対象物追跡手順を説明するフローチャート図である。図２（ａ）（ｂ）（ｃ）（ｄ）（ｅ）（ｆ）は、スキャンラインクラスタリング法によりクラスタリングを行う手順を説明するための状態遷移図である。説明し易くするために、図２では、画素数が４×４ドットの距離画像を四角マスの集合として例示している。前記距離画像において、行方向は座標ｘであり、列方向は座標ｙである。図１に示すフローチャートに沿って、本発明の手順を以下に説明する。

まず、カメラ座標（ｘ，ｙ）において、レーザレンジファインダー等の距離画像センサによって、距離情報Ｌ（ｘ，ｙ）を得て、距離画像を作成し、初期化する（符号Ｓ１、図２（ａ））。ここでは、距離が変化するとそれに対応して各座標の画素（マス目）の色が変化するとして説明する。各画素（マス目）のクラスタ番号を符号ｃとする。まず、走査前の距離画像に対して、各マス目のクラスタ番号ｃをｃ＝１として初期化する（符号Ｓ１、図２（ａ））。

次に、カメラ座標（ｘ，ｙ）の左上から右に向かって第１回目の走査を行う（符号Ｓ２、図２（ｂ））。走査方向を符号ａ１で示す。このとき、次の数式（１）の条件が満たされないときにクラスタ番号ｃをひとつ増加させる。尚且つ、画像右端に到着してひとつ下の行に移るときにクラスタ番号ｃをひとつ増加させる。この手続きを画素左上から右下まで実行すると図２（ｃ）の状態となる。

上記数式（１）において、符号βは所定の閾値であり、図２の例では一定以上の色の差異レベルを閾値としている。つまり、前記閾値内であれば、距離が同じであるとみなしている。

次に、画素左上から右下に向かって、第２回目の走査を行う（符号Ｓ３、図２（ｄ））。走査方向を符号ａ２で示す。このとき、走査している画素（ｘ，ｙ）の上下左右（図２（ｄ）にて符号ｂ２で示す緑色の枠）を見て、上記数式（１）を満たす場合、緑色枠ｂ２のクラスタ番号を、現在走査中の画素（ｘ，ｙ）のクラスタ番号に入れ替える。図２（ｄ）では、緑色枠ｂ２の中心の注目している画素（２，１）から見て、画素（２，２）はクラスタ番号４を持っているが、上記式（１）を満たしているので画素（２，１）のクラスタ番号１に置き換えている。

図２（ｅ）は、符号Ｓ３で示す第２回目の走査を行った直後の状態である。画素左上から右下まで第２回目の走査が終了した時点では、右上の白色の枠内のクラスタ番号が２のままになっていることがわかる。このクラスタ番号は３であるべきなので、この状態では偏りがある。そこで、画素左下から右上に向かって、第３回目の走査を行う（符号Ｓ４、図２（ｆ））。走査方向を符号ａ３で示す。このとき、走査している画素（ｘ，ｙ）の上下左右（図２（ｆ）にて符号ｂ３で示す緑色の枠）を見て、上記数式（１）を満たす場合、緑色枠ｂ３のクラスタ番号を、現在走査中の画素（ｘ，ｙ）のクラスタ番号に入れ替える。この作業により、白色の枠内のクラスタ番号をすべて３に置き替えている（図２（ｆ））。

図３（ａ）（ｂ）（ｃ）（ｄ）（ｅ）は、距離計測可能な機能を有する既知の電子カメラを用いて人物２０１が歩く様子をコマ送りで撮影した原画像である。図４（ａ）（ｂ）（ｃ）（ｄ）（ｅ）は、本発明に係るスキャンラインクラスタリング法によりクラスタリングを行って人物２０１のみを抽出した場合の実行結果を例示する画像である。図４（ａ）（ｂ）（ｃ）（ｄ）（ｅ）に示すように、短い時間間隔で見ると、対象物の形状はあまり変化しないとみなせる。本発明が提案する手法は、時刻の変遷にしたがって、追跡対象としている対象物のパターン形状を逐次コンピュータ内部で更新し続けることで、追跡対象としている対象物のパターン形状が徐々に変化していっても対象物を追跡し続けるという手法である。記憶パターンが逐次更新されることから、以下これをモーフィングパターンマッチング法と称する。

図５（ａ）（ｂ）（ｃ）は、本発明に係るモーフィングパターンマッチング法により対象物を追跡する手順を説明するための状態遷移図である。説明し易くするために、図５では、人物２０１と机３０１を追跡対象物としている。本発明に係るモーフィングパターンマッチング法では、次の数式（２）、数式（３）を用いる。

上記数式（２）において、Ｔ_ｎ，ｔ（ｗ，ｈ）を、画素（ｘ＋ｗ，ｙ＋ｈ）における時刻ｔ、クラスタ番号ｎの記憶テンプレートとして、Ｓ_ｎ（ｘ，ｙ）をスキャンラインクラスタリング法によりクラスタリングを行って得られたクラスタ結果とする。ここでは、クラスタ番号ｎに対して画素（ｘ，ｙ）がそのクラスタに所属していれば１、それ以外では−１となる変数とする。

上記数式（３）において、Ｍ（ｘ，ｙ，ｎ，ｔ）はコスト関数であり、ｗ（ｎ）をクラスタ番号ｎの記憶テンプレートの横幅とし、ｈ（ｎ）をクラスタ番号ｎのテンプレートの縦幅とする。このコスト関数Ｍ（ｘ，ｙ，ｎ，ｔ）を使って、画像Ｓ_ｎ（ｘ，ｙ）上に記憶テンプレートＴ_ｎ，ｔ（ｗ，ｈ）が存在するか否かを調べる。基本的には、コスト関数Ｍ（ｘ，ｙ，ｎ，ｔ）の値が小さいほど、記憶テンプレートＴ_ｎ，ｔ（ｗ，ｈ）がその場所に存在している可能性が高くなる。

記憶テンプレートＴ_ｎ，ｔ（ｗ，ｈ）の検索方法としては、直前のフレームに存在していた記憶テンプレートの座標を中心にして、その周辺を検索するという手法を利用している。これは、記憶テンプレートが突然別の場所に瞬間移動することはないと判断していることによる。通常は、図５（ａ）の状況（Ｔ＝１）となり、記憶しているテンプレート２０５と３０５をクラスタリング領域の変形に対応して逐次更新し、対象物２０１と３０１の追跡を行う。

次に、図５（ｂ）の状況（Ｔ＝２）となり、人物２０１が机３０１に接触して、クラスタリングした結果、同一の物体として認識された場合について検討する。この場合、人物２０１と机３０１とが接続された新しいパターン２０９は、それまでの記憶パターンには該当しないので、まずは現時点まで追跡を続けている追跡対象パターン２０５と３０５を使用して、直前のフレームで追跡していた人物２０１と机３０５との接合として検索を開始する。評価関数は上記の数式（３）を用いる。

次に、図５（ｃ）の状況（Ｔ＝３）となり、人物２０１が机３０１から離れた場合には、Ｔ＝１の時点まで戻ってクラスタの追跡を行う。検索が失敗したパターンに関しては、新たなパターンとして登録し、追跡を開始することにする。このとき、どれくらいの時刻までさかのぼってマッチングを行うかによって計算時間が増大するため、ここでは、１００フレーム程度の情報を保持することにした。

図６（ａ）（ｂ）（ｃ）（ｄ）は、距離計測可能な機能を有する既知の電子カメラを用いて人物２０１が椅子３０１とくっついたり離れたりする様子をコマ送りで撮影した原画像である。図７は、本発明の対象物追跡方法によって得られたデータと、比較例としてクラスタリングのみ行って得られたデータとを示すグラフ図である。図７のグラフ図は、横軸が時刻ｔ［sec］を表しており、縦軸が画像の横軸におけるクラスタの重心座標値ｘ［dot］である。ここでは、青色の線が単にクラスタリングされた結果だけの重心座標をプロットした比較例であり，椅子と接合された時座標値が動き，時折切断されるため重心座標が戻ってきたりしている。ここでは、赤色の線は、本発明に係るモーフィングパターンマッチングを利用した結果であり、クラスタが接合されたり切断されたりしても安定して人物の重心座標を捉えていることが分かる。

（本発明の対象物追跡システム）
図８は、本発明に係るアルゴリズムを実装した対象物追跡システム１（自律移動ロボット）を示す構成図である。本実施形態で使用する画像編集用コンピュータ３の構成は、いわゆる個人向けのパーソナルコンピュータで足りる。ここでは、画像編集用コンピュータ３には、データ入力を受け付ける入力手段８１と、入力されたデータに演算処理を行うＣＰＵ４と、演算処理後のデータを蓄積保存するデータベース５とデータ処理前後のデータを画面表示するディスプレイ８２が備わっており、画像編集用コンピュータ３上で画像編集プログラム２が動作する。入力手段８１は、キーボード、マウス、タッチパネル等である。符号７００は、距離計測可能な機能を有する既知の電子カメラ（ビデオカメラ）である。符号３５０は、搬送車体や歩行ロボットなどの既知の移動手段である。図９（ａ）（ｂ）（ｃ）（ｄ）は、本発明の対象物追跡システム１によって人物のみを追跡させた場合の追跡結果を示す画像である。ここでは、人物２０１は、歩行の後、椅子３０１に座り，その後、椅子３０１から立ち上がって離れる動作をしている。図１０（ａ）（ｂ）（ｃ）（ｄ）（ｅ）（ｆ）は、本発明の対象物追跡システム１が人物２０１を見ている画面である。図１１（ａ）（ｂ）（ｃ）（ｄ）（ｅ）（ｆ）は、本発明の対象物追跡システム１が人物２０１を見ている際のクラスタリング結果を示す画像である。本実施形態によれば、追跡対象の人物２０１が椅子３０１に座ってから立ち上がって去るという動作を追従していることが分る。このことは、従来提案されているアルゴリズムでは不可能であった実験である。

本発明は、上述した実施の形態に限定されるものではない。前記対象物は人物に限定されず、車両、生産ロボット、ラインによって生産される生産物など各種移動体に適用することができる。また、前記距離情報を用いて各フレームに対して領域を分けるクラスタリングであれば、上述のスキャンラインクラスタリング法には限定されない。このように、本発明は、その趣旨を逸脱しない範囲で適宜変更が可能であることは言うまでもない。

上述の本発明は、高齢者の見守りシステムや、子供などの安全管理、混雑環境下での物体の認識、車などへの安全機構、生産ラインへの応用、警備システムへの適用など、広く適用することができる。

１ 本発明に係るアルゴリズムを実装した対象物追跡システム、
２０１、２０２ 人物、
３０１ 椅子、
７００ 既知の電子カメラ

Claims (3)

1. 距離情報を有する動画像を撮像手段にて撮影してコンピュータに取り込み、前記動画像を構成する各フレームに対してクラスタリング処理を行い、前記クラスタリング処理されたフレームを記憶テンプレートとして記憶手段に逐次蓄積するとともに、逐次蓄積されたフレームのうち直近のフレームと前記クラスタリング処理対象のフレームとをパターンマッチングさせて対象物を特定し、特定された対象物を追跡手段にて追跡する対象物追跡方法であって、前記クラスタリング処理は、前記動画像を構成するフレームを画素左上から右に向かって走査しながら前記距離情報に基づいて走査画素における距離情報と、当該走査画素に隣接している隣接画素における距離情報とを比較し、両者の距離情報の差の絶対値が所定の閾値以上の場合にはクラスタ番号をひとつ増加させるとともに、画像右端に到着してひとつ下の行に移るときにクラスタ番号をひとつ増加させて、画素左上から右下まで実行することで、各画素毎にクラスタ番号を付与するステップと、クラスタ番号が付与されたフレームを画素左上から右下に向かって再度走査しながら走査画素における距離情報と、当該走査画素の上下左右に隣接している隣接画素における距離情報とを比較し、両者の距離情報の差の絶対値が所定の閾値よりも小さい場合には前記隣接画素のクラスタ番号と同じクラスタ番号を前記走査画素のクラスタ番号とするステップと、画素左下から右上に向かって再度走査しながら走査画素における距離情報と、当該走査画素の上下左右に隣接している隣接画素における距離情報とを比較し、両者の距離情報の差の絶対値が所定の閾値よりも小さい場合には前記隣接画素のクラスタ番号と同じクラスタ番号を前記走査画素のクラスタ番号とするステップとを有し、前記対象物を領域分けするクラスタリング法により処理することを特徴とする対象物追跡方法。
2. 前記記憶テンプレートの検索は、直前のフレームに存在していた記憶テンプレートの座標を中心にして、その周辺を検索することで行い、複数の記憶テンプレートが接触して、クラスタリングした結果、同一の物体として認識された場合は、その時点まで追跡を続けていた前記複数の記憶テンプレートを使用して、直前のフレームで追跡していた複数の記憶テンプレートとの接合として検索を開始し、複数の記憶テンプレートが離れた場合には、Ｔ＝１の時点まで戻ってクラスタの追跡を行い、検索が失敗したパターンに関しては、新たなパターンとして登録し、追跡を開始することを特徴とする請求項１に記載の対象物追跡方法。
3. 距離情報を有する動画像を撮影する撮像手段と、前記動画像を取り込んでデータ処理するコンピュータと、対象物を追跡する追跡手段を備え、前記コンピュータによって、前記動画像を構成する各フレームに対して所定のクラスタリング処理がなされ、前記クラスタリング処理されたフレームが記憶テンプレートとして記憶手段に逐次蓄積されるとともに、逐次蓄積されたフレームのうち直近のフレームと前記クラスタリング処理対象のフレームとがパターンマッチングされて対象物が特定され、特定された対象物が追跡手段にて追跡される対象物追跡システムであって、前記クラスタリング処理は、前記動画像を構成するフレームを画素左上から右に向かって走査しながら前記距離情報に基づいて各画素毎にクラスタ番号を付与し、クラスタ番号が付与されたフレームを画素左上から右下に向かって再度走査しながら走査画素における距離情報と、当該走査画素の上下左右に隣接している隣接画素における距離情報とを比較し、両者の距離情報の差の絶対値が所定の閾値よりも小さい場合には前記隣接画素のクラスタ番号と同じクラスタ番号を前記走査画素のクラスタ番号とし、画素左下から右上に向かって再度走査しながら走査画素における距離情報と、当該走査画素の上下左右に隣接している隣接画素における距離情報とを比較し、両者の距離情報の差の絶対値が所定の閾値よりも小さい場合には前記隣接画素のクラスタ番号と同じクラスタ番号を前記走査画素のクラスタ番号とすることで前記対象物を領域分けすることを特徴とする対象物追跡システム。

Images