JP6295122B2 - 状態推定装置、プログラムおよび集積回路 - Google Patents
状態推定装置、プログラムおよび集積回路 Download PDFInfo
- Publication number
- JP6295122B2 JP6295122B2 JP2014065876A JP2014065876A JP6295122B2 JP 6295122 B2 JP6295122 B2 JP 6295122B2 JP 2014065876 A JP2014065876 A JP 2014065876A JP 2014065876 A JP2014065876 A JP 2014065876A JP 6295122 B2 JP6295122 B2 JP 6295122B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- probability distribution
- new object
- unit
- area
- 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
- 238000009826 distribution Methods 0.000 claims description 283
- 239000002245 particle Substances 0.000 claims description 242
- 238000001514 detection method Methods 0.000 claims description 136
- 238000000034 method Methods 0.000 claims description 123
- 238000012545 processing Methods 0.000 claims description 61
- 238000000605 extraction Methods 0.000 claims description 50
- 230000005484 gravity Effects 0.000 claims description 48
- 238000004364 calculation method Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 23
- 238000010606 normalization Methods 0.000 description 16
- 239000013598 vector Substances 0.000 description 14
- 238000003379 elimination reaction Methods 0.000 description 8
- 230000007704 transition Effects 0.000 description 5
- 238000012952 Resampling Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Description
システムモデル:xt〜f(xt|xt−1)
観測モデル:yt〜h(yt|xt)
から、観測系列(時刻tまでの観測ベクトルの集合)y1:t={y1,y2,・・・,yt}が与えられたとき、状態系列x0:t={x0,x1,・・・,xt}の条件付確率分布p(xt|y1:t)を求める手法である。
対象を観測した時の観測モデル:yt=h(xt,wt)
f(xt−1,vt):時刻t−1と時刻tとの状態変化を表す状態遷移関数
h(xt,wt):状態xtのときに得られる観測ベクトルを表す関数
このとき、1期先予測は、
(1)粒子生成(1期先予測)
以下の数式に相当する処理により、各サンプル(各パーティクル)について、時刻tにおける予測サンプルを生成する。つまり、時刻t−1の事後確率分布(時刻t−1の観測対象の内部状態の確率分布)から、システムモデル(状態遷移関数)により予測した確率分布を取得する。具体的には、システムモデルfに従って、時刻t−1の各サンプル(各パーティクル)を遷移させて予測サンプルを生成する。
xat={xat (1),xat (2),xat (3),・・・,xat (M)}
xat:状態遷移関数f()による状態ベクトルxtの予測(推定)ベクトル
(2)重みの計算(尤度計算)
以下の数式に相当する処理により、処理(1)で生成された各予測サンプルについて、重み(尤度)を算出する。つまり、観測モデルhに従って、観測ベクトルytを得る確率(尤度)を推定する。
wat={wat (1),wat (2),wat (3),・・・,wat (M)}
wat:関数h()による重み(尤度)wtの予測(推定)ベクトル(尤度の予測値の集合)
(3)リサンプリング
重み(尤度)wat (i)に比例する割合でM個の粒子を復元抽出する(粒子xat (i)を抽出する)。このようにして復元抽出されたM個の粒子の分布から、時刻tの事後確率分布(時刻tの観測対象の内部状態の確率分布)を取得する。
(4)時刻tを進めて(1)に戻る。このとき、処理(3)で取得した事後確率分布(時刻tでの事後確率分布)を、次の時刻(時刻t+1)の事前確率分布とする。
(A)新オブジェクト検出部は、ラベル画像において、新オブジェクト候補領域の重心と同じ座標位置の画素に付されているラベル番号が存在する場合、当該ラベル番号を第1ラベル番号として取得し、第1ラベル番号が、オブジェクト情報管理部により保持されているオブジェクト情報に含まれているオブジェクト番号であるか否かを判定する。
(A1)第1ラベル番号がオブジェクト情報に含まれているオブジェクト番号と一致する場合、新規物体は発見されなかったと判定し、
(A2)第1ラベル番号がオブジェクト情報に含まれているオブジェクト番号と一致しない場合、新オブジェクト候補領域は、新規物体の領域の候補とする。
(B)ラベル画像において、新オブジェクト候補領域の重心と同じ座標位置の画素に付されているラベル番号が存在しない場合、重心を含む所定の大きさの領域である探索領域を設定し、ラベル画像上の探索領域に相当する領域において、オブジェクト情報管理部により保持されているオブジェクト情報に含まれているオブジェクト番号と一致するラベル番号が付された画像領域があるか否かを判定する探索処理を行い、ラベル画像上の探索領域に相当する領域において、オブジェクト情報に含まれているオブジェクト番号と一致するラベル番号が付された画像領域があると判定された場合、新規物体は発見されなかったと判定する。
第1実施形態について、図面を参照しながら、以下、説明する。
図1は、第1実施形態に係る状態推定装置1000の概略構成図である。
以上のように構成された状態推定装置1000の動作について、以下、説明する。
Dout=R×(255−G)×(255−B)/(1+R+G+B)
Dout:出力画素値
R:R成分値
G:G成分値
B:B成分値
により取得した出力画素値を各画素の画素値とすることで、赤色度合いの高い領域を抽出した画像Img1(画像特徴量抽出画像Img1)を生成する。なお、撮像画像が8ビット画像データであり、各画素のR成分値、G成分値、および、B成分値は、それぞれ、0〜255の値をとるものとする。
St|t−1(#i)={st|t−1 (1)(#i),st|t−1 (2)(#i),・・・,st|t−1 (M)(#i)}
とし、事後確率分布p(xt(#i)|yt(#i))に従って生成されたサンプル集合(パーティクルの集合)St|t(#i)を
St|t={st|t (1)(#i),st|t (2)(#i),・・・,st|t (M)(#i)}
とする。
st|t (j)(#i)=(Xt(j)(#i),Yt(j)(#i),Rt(j)(#i))
であるものとする。
(時刻t0の処理):
(1.2.1:ラベル設定処理)
時刻tにおいて、図3に示す画像特徴量抽出画像Img1が、ラベル設定部2に入力される。
st|t−1 (i)(#i)=f(st−1|t−1 (j)(#i),vt (j)(#i))
f():時刻t−1と時刻tとの状態変化を表す状態遷移関数
vt (j):システムノイズ
により、予測処理後のパーティクルの集合St|t−1(#i)を取得する。
Xt|t−1 (j)(#i)=Xt−1|t−1 (j)(#i)+ΔX(j)(#i)
Yt|t−1 (j)(#i)=Yt−1|t−1 (j)(#i)+ΔY(j)(#i)
Rt|t−1 (j)(#i)=Rt−1|t−1 (j)(#i)+ΔR(j)(#i)
により、予測部8は、物体#iの予測処理後のパーティクルの集合st|t−1(#i)を取得する。なお、ΔX(j)(#i)、ΔY(j)(#i)、ΔR(j)(#i)は、それぞれ、ガウス分布に従う。
追跡中の物体についての処理として、物体#1に対する処理を例に、以下、説明する。
次に、新規オブジェクトの発見処理について説明する。
追跡オブジェクト決定部37は、新オブジェクト検出部35からの判定結果データdet_newが「0」であるので、新規オブジェクトは発見されていないと判断し、追跡中の物体#1、#2を現時刻t以降においても追跡対象とすべきか否かの最終判定を行う。そして、追跡オブジェクト決定部37は、追跡対象とした物体を追跡するために、正規化後の尤度w_allを取得する。この処理について、具体的に説明する。
St|t(#1)={st|t (1)(#1),st|t (2)(#1),・・・,st|t (M1)(#1)}
を取得する。
St|t(#2)={st|t (1)(#2),st|t (2)(#2),・・・,st|t (M2)(#2)}
を取得する。
次に、ラベル画像において、新オブジェクト候補領域検出部33により検出された新オブジェクト候補領域Rnew(#0)の重心位置Co(Rnew(#0))と同じ座標位置に、追跡中の物体のラベル番号が付与されていない場合の新規オブジェクトの発見処理について、図10〜図15を用いて説明する。
Label(Co(Rnew(#0)))=0
Label(x):点xのラベル番号を取得する関数
である場合、所定の大きさの探索領域s_areaを設定する。そして、新オブジェクト検出部35は、ラベル画像Img1_Lの当該探索領域に相当する領域内に、「0」ではないラベル番号であって追跡オブジェクト決定部37により追跡中の物体と対応付けられているラベル番号を有する画素が存在するか否かを判定する。
Label(Co(Rnew(#0)))=L1
であることを検出する。ラベル番号L1の物体は、物体#1であり、追跡中の物体であるので、新オブジェクト検出部35は、上記検出結果により、新オブジェクト候補領域Rnew(#0)は、物体#1(ラベル番号L1)の消去処理後の残存領域であると判定する。そして、新オブジェクト検出部35は、上記判定結果を示す判定結果データdet_newを「0」にして、セレクタ36および追跡オブジェクト決定部37に出力する。
次に、新規物体(新規オブジェクト)が現れた場合の動作について、図16〜図18説明する。
上記実施形態では、追跡中の物体が2つである場合について説明したが、これに限定されることはなく、追跡中の物体の数は、「2」以外の数であっても良い。
1 観測取得部
2 ラベル設定部
3 尤度取得部
31 消去部
32 尤度算出部
33 新オブジェクト候補領域検出部
34 重心検出部
35 新オブジェクト検出部
36 セレクタ
37 追跡オブジェクト決定部
38 最終決定部
4 オブジェクト情報管理部
5 事後確率分布推定部
6 事前確率分布出力部
7 初期状態設定部
Claims (10)
- 複数の物体を追跡する状態推定装置であって、
観測可能な事象から得られる観測データである観測データ画像を、任意の時間間隔で取得し、前記観測データ画像から所定の特徴量を抽出した画像特徴量抽出画像を取得する観測取得部と、
前記観測取得部により取得された前記観測データ画像から、画像データ上において閉じた領域を抽出し、抽出した領域にラベル番号を付したラベル画像を取得するラベル設定部と、
追跡対象の物体にオブジェクト番号を付し、付された前記オブジェクト番号を管理するオブジェクト情報管理部と、
追跡中の物体ごとに、前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する予測部と、
前時刻t−1において追跡中であると判定された物体ごとに、前記予測確率分布データに基づくパーティクルを取得し、取得したパーティクルに基づいて、消去対象領域を決定し、前記画像特徴量抽出画像から、追跡中の物体のうち処理対象とする物体以外の物体の前記消去対象領域を消去した追跡用の消去画像、あるいは、追跡中の物体の全ての物体の前記消去対象領域を消去した新規物体発見用の消去画像を取得し、
新規物体検出用のパーティクルを生成し、前記消去画像に対して、前記新規物体検出用のパーティクルを適用することで、新オブジェクト候補領域を取得し、取得した前記新オブジェクト候補領域と、前記ラベル画像とに基づいて、前記新オブジェクト候補領域が、現時刻tにおいて新たに追跡対象とする新規物体に対応する領域であるか否かを判定し、時刻tにおける追跡対象とする物体を決定するとともに、
時刻tにおいて追跡対象であると判定された物体ごとに、前記消去画像に対して、前記予測確率分布データに基づいて取得されたパーティクルを適用することで取得された尤度に基づいて、最終尤度を算出し、算出した前記最終尤度に基づいて、前記予測部により取得された予測確率分布データを更新することで更新確率分布データを取得する尤度取得部と、
時刻tにおいて追跡対象であると判定された物体ごとに、前記尤度取得部により取得された前記更新確率分布データと、前記最終尤度とから、前記事象の状態の事後確率分布データを推定する事後確率分布推定部と、
前記事後確率分布推定部により推定された前記事後確率分布データに基づく事前確率分布データを、次時刻t+1において、事前確率分布データとして出力する事前確率分布出力部と、
を備える状態推定装置。 - 前記尤度取得部は、
前時刻t−1において追跡中であると判定された物体ごとに、前記予測確率分布データに基づくパーティクルを取得し、取得したパーティクルに基づいて、消去対象領域を決定し、前記画像特徴量抽出画像から、追跡中の物体のうち処理対象とする物体以外の物体の前記消去対象領域を消去した追跡中物体用の消去画像、あるいは、追跡中の物体の全ての物体の前記消去対象領域を消去した新規物体発見用の消去画像を取得する消去部と、
前時刻t−1において追跡中であると判定された物体ごとに、前記予測確率分布データに基づくパーティクルを取得し、取得したパーティクルを、前記追跡中物体用の消去画像に適用することで、追跡中物体についての尤度を算出するとともに、
新規物体検出用のパーティクルを生成し、前記新規物体発見用の消去画像に対して、前記新規物体検出用のパーティクルを適用することで、新規物体についての尤度を算出する尤度算出部と、
前記新規物体発見用の消去画像に対して、前記新規物体検出用のパーティクルを適用することで前記新オブジェクト候補領域を取得する新オブジェクト候補領域検出部と、
前記新オブジェクト候補領域の重心を検出する重心検出部と、
前記重心検出部により検出された前記新オブジェクト候補領域の重心と、前記ラベル画像とに基づいて、前記新オブジェクト候補領域が、現時刻tにおいて新たに追跡対象とする新規物体に対応する領域であるか否かを判定する新オブジェクト検出部と、
前記新オブジェクト検出部の判定結果に基づいて、時刻tにおける追跡対象とする物体を決定する追跡オブジェクト決定部と、
時刻tにおいて追跡対象であると判定された物体ごとに、前記消去画像に対して、前記予測確率分布データに基づいて取得されたパーティクルを適用することで取得された尤度に基づいて、最終尤度を算出し、算出した前記最終尤度に基づいて、前記予測部により取得された予測確率分布データを更新することで更新確率分布データを取得する最終決定部と、
を備える、
請求項1に記載の状態推定装置。 - 前記追跡オブジェクト決定部は、
前時刻t−1で追跡中の物体であって、かつ、時刻tにおいて算出された尤度の和が所定の値を超える物体について、前記追跡用の消去画像上おいて、当該物体に相当する画像領域をラベル判定領域として取得し、前記ラベル画像において、前記ラベル判定領域に相当する領域にラベル番号が付されているか否かを判定し、ラベル番号が付されている場合、当該物体のオブジェクト番号と、当該ラベル番号とを対応付けたオブジェクト情報として、オブジェクト情報管理部に出力し、
前記オブジェクト情報管理部は、前記オブジェクト情報を保持し、
前記新オブジェクト検出部は、
前記ラベル画像において、前記新オブジェクト候補領域の重心と同じ座標位置の画素に付されているラベル番号が存在するか否かを判定し、
(A)前記ラベル画像において、前記新オブジェクト候補領域の重心と同じ座標位置の画素に付されているラベル番号が存在する場合、当該ラベル番号を第1ラベル番号として取得し、
前記第1ラベル番号が、前記オブジェクト情報管理部により保持されている前記オブジェクト情報に含まれているオブジェクト番号であるか否かを判定し、
(A1)前記第1ラベル番号が前記オブジェクト情報に含まれているオブジェクト番号と一致する場合、新規物体は発見されなかったと判定し、
(A2)前記第1ラベル番号が前記オブジェクト情報に含まれているオブジェクト番号と一致しない場合、前記新オブジェクト候補領域は、新規物体の領域の候補とし、
(B)前記ラベル画像において、前記新オブジェクト候補領域の重心と同じ座標位置の画素に付されているラベル番号が存在しない場合、前記重心を含む所定の大きさの領域である探索領域を設定し、前記ラベル画像上の前記探索領域に相当する領域において、前記オブジェクト情報管理部により保持されている前記オブジェクト情報に含まれているオブジェクト番号と一致するラベル番号が付された画像領域があるか否かを判定する探索処理を行い、前記ラベル画像上の前記探索領域に相当する領域において、前記オブジェクト情報に含まれているオブジェクト番号と一致するラベル番号が付された画像領域があると判定された場合、新規物体は発見されなかったと判定し、
前記追跡オブジェクト決定部は、
前記新オブジェクト検出部により、前記新オブジェクト候補領域が、新規物体の領域の候補であると判定された場合、前記新規物体発見用の消去画像に対して、前記新規物体検出用のパーティクルを適用することで取得した尤度の和を算出し、前記尤度の和が所定の閾値を超える場合、新規物体が発見されたと判定し、
前記最終決定部は、
前記追跡オブジェクト決定部により、新規物体が発見されたと判定された場合、前記新規物体発見用の消去画像に対して、前記新規物体検出用のパーティクルを適用することで取得した尤度を新規物体についての尤度として、前記最終尤度の算出処理に用い、前記新規物体発見用の消去画像に対して、前記新規物体検出用のパーティクルを適用することで取得した確率分布データを新規に追跡対象とする物体の確率分布データとして、前記更新確率分布データの取得処理に用いる、
請求項2に記載の状態推定装置。 - 前記新オブジェクト検出部は、
前記重心を含み、かつ、前記新オブジェクト候補領域を含む領域を、前記探索領域に設定する、
請求項3に記載の状態推定装置。 - 前記新オブジェクト検出部は、
前記重心を含む楕円状の領域を、前記探索領域に設定する、
請求項3に記載の状態推定装置。 - 前記新オブジェクト検出部は、
前記重心を含む矩形状の領域を、前記探索領域に設定する、
請求項3に記載の状態推定装置。 - 前記新オブジェクト検出部は、
前記探索領域において、前記重心の位置を前記探索処理の起点とし、前記重心からの距離が小さい画像領域から、前記重心からの距離が大きい画像領域へと順番に、前記探索処理の対象となる画像領域を設定する、
請求項3から6のいずれかに記載の状態推定装置。 - 前記新オブジェクト検出部は、
前記ラベル画像上の前記探索領域に相当する領域において、前記オブジェクト情報に含まれているオブジェクト番号と一致するラベル番号が付された画像領域を発見した場合、前記探索処理を終了させる、
請求項7に記載の状態推定装置。 - 複数の物体を追跡する状態推定方法であって、
観測可能な事象から得られる観測データである観測データ画像を、任意の時間間隔で取得し、前記観測データ画像から所定の特徴量を抽出した画像特徴量抽出画像を取得する観測取得ステップと、
前記観測取得ステップにより取得された前記観測データ画像から、画像データ上において閉じた領域を抽出し、抽出した領域にラベル番号を付したラベル画像を取得するラベル設定ステップと、
追跡対象の物体にオブジェクト番号を付し、付された前記オブジェクト番号を管理するオブジェクト情報管理ステップと、
追跡中の物体ごとに、前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する予測ステップと、
前時刻t−1において追跡中であると判定された物体ごとに、前記予測確率分布データに基づくパーティクルを取得し、取得したパーティクルに基づいて、消去対象領域を決定し、前記画像特徴量抽出画像から、追跡中の物体のうち処理対象とする物体以外の物体の前記消去対象領域を消去した追跡用の消去画像、あるいは、追跡中の物体の全ての物体の前記消去対象領域を消去した新規物体発見用の消去画像を取得し、
新規物体検出用のパーティクルを生成し、前記消去画像に対して、前記新規物体検出用のパーティクルを適用することで、新オブジェクト候補領域を取得し、取得した前記新オブジェクト候補領域と、前記ラベル画像とに基づいて、前記新オブジェクト候補領域が、現時刻tにおいて新たに追跡対象とする新規物体に対応する領域であるか否かを判定し、時刻tにおける追跡対象とする物体を決定するとともに、
時刻tにおいて追跡対象であると判定された物体ごとに、前記消去画像に対して、前記予測確率分布データに基づいて取得されたパーティクルを適用することで取得された尤度に基づいて、最終尤度を算出し、算出した前記最終尤度に基づいて、前記予測ステップにより取得された予測確率分布データを更新することで更新確率分布データを取得する尤度取得ステップと、
時刻tにおいて追跡対象であると判定された物体ごとに、前記尤度取得ステップにより取得された前記更新確率分布データと、前記最終尤度とから、前記事象の状態の事後確率分布データを推定する事後確率分布推定ステップと、
前記事後確率分布推定ステップにより推定された前記事後確率分布データに基づく事前確率分布データを、次時刻t+1において、事前確率分布データとして出力する事前確率分布出力ステップと、
を備える状態推定方法をコンピュータに実行させるためのプログラム。 - 複数の物体を追跡する状態推定処理用の集積回路であって、
観測可能な事象から得られる観測データである観測データ画像を、任意の時間間隔で取得し、前記観測データ画像から所定の特徴量を抽出した画像特徴量抽出画像を取得する観測取得部と、
前記観測取得部により取得された前記観測データ画像から、画像データ上において閉じた領域を抽出し、抽出した領域にラベル番号を付したラベル画像を取得するラベル設定部と、
追跡対象の物体にオブジェクト番号を付し、付された前記オブジェクト番号を管理するオブジェクト情報管理部と、
追跡中の物体ごとに、前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する予測部と、
前時刻t−1において追跡中であると判定された物体ごとに、前記予測確率分布データに基づくパーティクルを取得し、取得したパーティクルに基づいて、消去対象領域を決定し、前記画像特徴量抽出画像から、追跡中の物体のうち処理対象とする物体以外の物体の前記消去対象領域を消去した追跡用の消去画像、あるいは、追跡中の物体の全ての物体の前記消去対象領域を消去した新規物体発見用の消去画像を取得し、
新規物体検出用のパーティクルを生成し、前記消去画像に対して、前記新規物体検出用のパーティクルを適用することで、新オブジェクト候補領域を取得し、取得した前記新オブジェクト候補領域と、前記ラベル画像とに基づいて、前記新オブジェクト候補領域が、現時刻tにおいて新たに追跡対象とする新規物体に対応する領域であるか否かを判定し、時刻tにおける追跡対象とする物体を決定するとともに、
時刻tにおいて追跡対象であると判定された物体ごとに、前記消去画像に対して、前記予測確率分布データに基づいて取得されたパーティクルを適用することで取得された尤度に基づいて、最終尤度を算出し、算出した前記最終尤度に基づいて、前記予測部により取得された予測確率分布データを更新することで更新確率分布データを取得する尤度取得部と、
時刻tにおいて追跡対象であると判定された物体ごとに、前記尤度取得部により取得された前記更新確率分布データと、前記最終尤度とから、前記事象の状態の事後確率分布データを推定する事後確率分布推定部と、
前記事後確率分布推定部により推定された前記事後確率分布データに基づく事前確率分布データを、次時刻t+1において、事前確率分布データとして出力する事前確率分布出力部と、
を備える集積回路。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014065876A JP6295122B2 (ja) | 2014-03-27 | 2014-03-27 | 状態推定装置、プログラムおよび集積回路 |
US14/614,800 US9792697B2 (en) | 2014-03-27 | 2015-02-05 | State estimation apparatus, state estimation method, and integrated circuit |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014065876A JP6295122B2 (ja) | 2014-03-27 | 2014-03-27 | 状態推定装置、プログラムおよび集積回路 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2015191261A JP2015191261A (ja) | 2015-11-02 |
JP2015191261A5 JP2015191261A5 (ja) | 2017-04-27 |
JP6295122B2 true JP6295122B2 (ja) | 2018-03-14 |
Family
ID=54190833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014065876A Active JP6295122B2 (ja) | 2014-03-27 | 2014-03-27 | 状態推定装置、プログラムおよび集積回路 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9792697B2 (ja) |
JP (1) | JP6295122B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948455A (zh) * | 2019-02-22 | 2019-06-28 | 中科创达软件股份有限公司 | 一种遗留物体检测方法及装置 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6366999B2 (ja) * | 2014-05-22 | 2018-08-01 | 株式会社メガチップス | 状態推定装置、プログラムおよび集積回路 |
WO2016025507A1 (en) * | 2014-08-12 | 2016-02-18 | Joseph Cole Harper | System and method for accurately analyzing sensed data |
US10339708B2 (en) * | 2016-11-01 | 2019-07-02 | Google Inc. | Map summarization and localization |
CN106772401A (zh) * | 2016-12-23 | 2017-05-31 | 浙江大学 | 基于概率假设密度粒子滤波算法的鱼群数量估计方法 |
US10339471B2 (en) * | 2017-01-17 | 2019-07-02 | International Business Machines Corporation | Ensemble based labeling |
CN107480786B (zh) * | 2017-08-07 | 2021-04-30 | 复旦大学 | 基于输出状态限制的循环神经网络轨迹似然概率计算方法 |
US11669724B2 (en) | 2018-05-17 | 2023-06-06 | Raytheon Company | Machine learning using informed pseudolabels |
US11068747B2 (en) * | 2019-09-27 | 2021-07-20 | Raytheon Company | Computer architecture for object detection using point-wise labels |
US11676391B2 (en) | 2020-04-16 | 2023-06-13 | Raytheon Company | Robust correlation of vehicle extents and locations when given noisy detections and limited field-of-view image frames |
JP2022032776A (ja) | 2020-08-14 | 2022-02-25 | 富士通株式会社 | 画像処理装置及び画面処理プログラム |
US11562184B2 (en) | 2021-02-22 | 2023-01-24 | Raytheon Company | Image-based vehicle classification |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6999599B2 (en) * | 2002-06-07 | 2006-02-14 | Microsoft Corporation | System and method for mode-based multi-hypothesis tracking using parametric contours |
JP4208898B2 (ja) * | 2006-06-09 | 2009-01-14 | 株式会社ソニー・コンピュータエンタテインメント | 対象物追跡装置および対象物追跡方法 |
JP4686663B2 (ja) * | 2006-07-10 | 2011-05-25 | 国立大学法人京都大学 | 歩行者トラッキング方法及び歩行者トラッキング装置 |
US20090030683A1 (en) * | 2007-07-26 | 2009-01-29 | At&T Labs, Inc | System and method for tracking dialogue states using particle filters |
JP2009042910A (ja) * | 2007-08-07 | 2009-02-26 | Sony Corp | 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム |
JP4991595B2 (ja) * | 2008-02-21 | 2012-08-01 | 株式会社東芝 | パーティクルフィルタを使用する追跡システム |
JP5213486B2 (ja) * | 2008-03-14 | 2013-06-19 | 株式会社ソニー・コンピュータエンタテインメント | 対象物追跡装置および対象物追跡方法 |
US9031279B2 (en) * | 2008-07-09 | 2015-05-12 | Disney Enterprises, Inc. | Multiple-object tracking and team identification for game strategy analysis |
JP4730431B2 (ja) * | 2008-12-16 | 2011-07-20 | 日本ビクター株式会社 | 目標追尾装置 |
US8616971B2 (en) * | 2009-07-27 | 2013-12-31 | Obscura Digital, Inc. | Automated enhancements for billiards and the like |
US8908912B2 (en) * | 2009-09-24 | 2014-12-09 | Hewlett-Packard Development Company, L.P. | Particle tracking methods |
JP5528151B2 (ja) * | 2010-02-19 | 2014-06-25 | パナソニック株式会社 | 対象物追跡装置、対象物追跡方法、および対象物追跡プログラム |
JP5488076B2 (ja) * | 2010-03-15 | 2014-05-14 | オムロン株式会社 | 対象物追跡装置、対象物追跡方法、および制御プログラム |
US8565538B2 (en) * | 2010-03-16 | 2013-10-22 | Honda Motor Co., Ltd. | Detecting and labeling places using runtime change-point detection |
GB201004488D0 (en) * | 2010-03-17 | 2010-05-05 | Isis Innovation | A method of tracking targets in video data |
US9117147B2 (en) * | 2011-04-29 | 2015-08-25 | Siemens Aktiengesellschaft | Marginal space learning for multi-person tracking over mega pixel imagery |
JP5674550B2 (ja) | 2011-05-09 | 2015-02-25 | 日本電信電話株式会社 | 状態追跡装置、方法、及びプログラム |
JP5919665B2 (ja) * | 2011-07-19 | 2016-05-18 | 日本電気株式会社 | 情報処理装置、物体追跡方法および情報処理プログラム |
JP2013191163A (ja) * | 2012-03-15 | 2013-09-26 | Sony Corp | 情報処理装置、情報処理方法、及び、プログラム |
JP5964108B2 (ja) * | 2012-03-30 | 2016-08-03 | 株式会社メガチップス | 物体検出装置 |
FR3003065B1 (fr) * | 2013-03-05 | 2015-02-27 | Commissariat Energie Atomique | Procede de suivi d'une cible dans une sequence d'images avec prise en compte de la dynamique de la cible |
JP6194450B2 (ja) * | 2013-04-15 | 2017-09-13 | 株式会社メガチップス | 状態推定装置、プログラムおよび集積回路 |
US9269012B2 (en) * | 2013-08-22 | 2016-02-23 | Amazon Technologies, Inc. | Multi-tracker object tracking |
US9405974B2 (en) * | 2013-11-13 | 2016-08-02 | Xerox Corporation | System and method for using apparent size and orientation of an object to improve video-based tracking in regularized environments |
NO337304B1 (no) * | 2014-06-03 | 2016-03-07 | Q Free Asa | Påvisning av et avgiftsobjekt i et GNSS-system med partikkelfilter |
-
2014
- 2014-03-27 JP JP2014065876A patent/JP6295122B2/ja active Active
-
2015
- 2015-02-05 US US14/614,800 patent/US9792697B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948455A (zh) * | 2019-02-22 | 2019-06-28 | 中科创达软件股份有限公司 | 一种遗留物体检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20150278601A1 (en) | 2015-10-01 |
US9792697B2 (en) | 2017-10-17 |
JP2015191261A (ja) | 2015-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6295122B2 (ja) | 状態推定装置、プログラムおよび集積回路 | |
US10740652B2 (en) | Image processing apparatus, image processing system, image processing method, and storage medium | |
WO2020107716A1 (zh) | 目标图像分割方法、装置及设备 | |
CN109035304B (zh) | 目标跟踪方法、介质、计算设备和装置 | |
US10083233B2 (en) | Video processing for motor task analysis | |
US9311524B2 (en) | Image processing apparatus and image processing method | |
JP2019036009A (ja) | 制御プログラム、制御方法、及び情報処理装置 | |
JP2019036008A (ja) | 制御プログラム、制御方法、及び情報処理装置 | |
JP6024658B2 (ja) | 物体検出装置、物体検出方法及びプログラム | |
JP6366999B2 (ja) | 状態推定装置、プログラムおよび集積回路 | |
CN110852349A (zh) | 一种图像处理方法、检测方法、相关设备及存储介质 | |
JP2015079490A (ja) | フレームを選択する方法、装置、及びシステム | |
WO2013012091A1 (ja) | 情報処理装置、物体追跡方法およびプログラム記憶媒体 | |
JPWO2012127618A1 (ja) | 動体検出装置、動体検出方法、動体検出プログラム、動体追跡装置、動体追跡方法及び動体追跡プログラム | |
JP2016191966A (ja) | クラスタリング装置及び機械学習装置 | |
KR101994319B1 (ko) | 깊이 영상을 이용하는 객체 인식 장치 및 그 장치를 이용한 방법 | |
JP5674550B2 (ja) | 状態追跡装置、方法、及びプログラム | |
JP2021022315A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN110060278A (zh) | 基于背景减法的运动目标的检测方法及装置 | |
JP2010257267A (ja) | 物体領域検出装置、物体領域検出方法および物体領域検出プログラム | |
JP2015228188A (ja) | 画像処理装置、画像処理方法及びプログラム | |
US20180039822A1 (en) | Learning device and learning discrimination system | |
You et al. | Calibrating Multi-modal Representations: A Pursuit of Group Robustness without Annotations | |
US20130132407A1 (en) | Robust Fitting of Surfaces from Noisy Data | |
JP6539720B1 (ja) | 画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170313 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170313 |
|
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: 20180213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6295122 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 |