JP6372282B2 - 画像処理装置、画像処理方法及びプログラム - Google Patents

Description

本発明は、画像内の特定物体を検出する画像処理装置、画像処理方法及びプログラムに関する。

画像処理装置には、カメラで撮像した画像や映像のデータから人物等の特定物体を検出するものがある。この種の画像処理装置における特定物体の検出方法の１つとして、Histograms of Oriented Gradients（ＨＯＧ）特徴量を用いる検出方法が知られている（例えば非特許文献１を参照）。

ＨＯＧ特徴量は、画像内の局所領域における輝度の勾配方向をヒストグラム化した特徴量である。ＨＯＧ特徴量を用いた検出方法では、特定物体が存在する画像及び存在しない画像をそれぞれ複数枚用意し、特定物体のＨＯＧ特徴量及び背景物体とみなす非特定物体のＨＯＧ特徴量を学習して辞書データとして登録する。そして、入力画像内に特定物体らしき像（特定物体候補）が存在する場合に、特定物体候補を含む領域（検出枠）内のＨＯＧ特徴量と辞書データのＨＯＧ特徴量とを照合する。照合の結果、特定物体候補が特定物体であると判定された場合、例えば検出枠を入力画像に合成し、合成した画像を液晶ディスプレイ等の表示装置に表示する。

また、特定物体の検出方法には、入力画像と特定物体が存在しない背景画像とを比較し、入力画像のうちの背景画像と異なる領域（変化のある領域）の輪郭形状から特定物体を検出する検出方法もある（例えば特許文献１を参照）。

入力画像と背景画像とを比較する検出方法では、入力画像と背景画像との差分である差分画像を求め、時系列に並んだ複数の差分画像から移動物体の輪郭領域を抽出することで、特定物体を検出する。

上述の画像処理装置は、防犯のための監視システムにおける人物等の検出に用いられる。

また、上述の画像処理装置は、近年、店舗等における顧客の行動観察等への活用が検討されている。顧客の行動観察においては、上述の画像処理装置により店舗内や商店街等の画像から検出した人物の移動経路を利用することで、顧客がどのような商品に興味を持つか等のニーズを把握しやすくなる。

特開２００４−２６５２９２号公報

Navneet Dalal, and Bill Triggs, "Histograms of oriented gradients for human detection," In IEEE Conf. on Computer Vision and Pattern Recognition, Vol.1, pp.886-893, 2005

上述のＨＯＧ特徴量を用いた検出方法では、入力画像内の特定物体候補のＨＯＧ特徴量が、非特定物体のＨＯＧ特徴量よりも特定物体のＨＯＧ特徴量と類似している場合に、特定物体候補を特定物体として検出する。すなわち、入力画像内の特定物体候補が特定物体ではなくても、特定物体候補のＨＯＧ特徴量が特定物体のＨＯＧ特徴量と類似していれば、特定物体候補を特定物体として検出する。

しかしながら、入力画像内には、旗等の形状が変化し得る非特定物体が存在することもある。形状が変化し得る非特定物体のＨＯＧ特徴量は、人物等の特定物体のＨＯＧ特徴量と類似した値になり得る。そのため、人物を検出する画像処理装置では、入力画像内に旗等の非特定物体が存在する場合に、非特定物体を人物として誤検出してしまうことがある。

また、入力画像と背景画像との差分画像を用いた検出方法では、入力画像の特定物体と背景画像の非特定物体とが重なっている場合、特定物体のうちの非特定物体と重なっている部分の特徴量から非特定物体の特徴量が減算される。そのため、差分画像における特定物体の輪郭領域が入力画像における特定物体の輪郭領域とは異なる形状になってしまい、特定物体を正しく検出することが困難になる。

本発明の１つの側面に係る目的は、入力画像から特定物体を検出する画像処理装置における特定物体の検出精度を向上させることである。

本発明の１つの態様の画像処理装置は、カメラで撮像した画像を取得する画像取得部と、前記画像を複数のセルに分割して、各セルを構成する各画素の輝度の勾配方向に基づいた各セルの特徴量を抽出する特徴量抽出部と、取得した前記画像のうちの背景画像に指定した画像から抽出した背景特徴量、及び前記画像から検出する特定物体の特徴量を含む辞書データを記憶する記憶部と、前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて前記画像の各セルの照合用特徴量を決定する照合用特徴量決定部と、前記画像の各セルの照合用特徴量と前記辞書データの特徴量とを照合する照合部と、を備える。

上述の態様によれば、入力画像から特定物体を検出する画像処理装置における特定物体の検出精度が向上する。

本発明の第１の実施形態に係る画像処理装置の構成を示す機能ブロック図である。 ＨＯＧ特徴量を説明するための模式図である。 事前学習の手順を示すフローチャートである。 第１の実施形態に係る特定物体の検出処理の手順を示すフローチャートである。 入力画像及びＨＯＧ特徴量の一例を示す図である。 図４の照合処理の処理内容を示すフローチャートである。 図６の照合用特徴量決定処理の処理内容を示すフローチャートである。 照合用特徴量決定処理で用いる２枚の入力画像の一例を示す模式図である。 図８の入力画像における特徴量の差分値ΔＨの例を示す模式図である。 図８の入力画像を用いた照合用特徴量決定処理後及び照合結果の画像を示す模式図である。 照合用特徴量決定処理で用いる２枚の入力画像の別の一例を示す模式図である。 図１１の入力画像における特徴量の差分値ΔＨの例を示す模式図である。 図１１の入力画像を用いた照合用特徴量決定処理後及び照合結果の画像を示す模式図である。 本発明の第２の実施形態に係る特定物体の検出処理の手順を示すフローチャートである。 図１４の背景特徴量設定処理の処理内容を示すフローチャートである。 入力画像内における非特定物体の有無の時間変化の例を示す模式図である。

以下、図面を参照しながら、本発明の実施形態を詳細に説明する。

（第１の実施形態）
図１は、本発明の第１の実施形態に係る画像処理装置の構成を示す機能ブロック図である。

図１に示すように、本実施形態の画像処理装置１は、画像取得部１０と、特徴量抽出部１２と、事前学習部１３と、照合用特徴量決定部１６と、特徴量照合部１７と、出力処理部１８と、を備える。また、画像処理装置１は、入力画像保持部１１と、特徴量の辞書データ１４と、背景特徴量データベース１５と、を更に備える。

画像取得部１０は、撮像装置２で撮像した画像又は映像のデータを取得し、入力画像として入力画像保持部１１に保持させる。

特徴量抽出部１２は、入力画像から、人物等の特定物体（検出対象）の検出に用いる特徴量を抽出する。特徴量抽出部１２は、１枚（１フレーム）の入力画像を複数のセルに分割し、セルごとに特徴量を抽出する。本実施形態の画像処理装置１における特徴量抽出部１２では、特徴量として、画像内での並進に対して不変とみなせるＨＯＧ特徴量を抽出する。

また、特徴量抽出部１２は、特徴量を抽出した入力画像が背景画像に指定された画像である場合、抽出した特徴量を背景特徴量データベース１５に登録する。

事前学習部１３は、画像内における特定物体の特徴量及び非特定物体の特徴量を学習する。事前学習部１３では、特定物体（例えば人物）が存在する複数枚の画像から抽出したＨＯＧ特徴量と、特定物体が存在しない複数枚の画像から抽出したＨＯＧ特徴量とを用い、機械学習で特定物体及び非特定物体のＨＯＧ特徴量を学習する。また、事前学習部１３は、学習したＨＯＧ特徴量を含む辞書データ１４を生成し、画像処理装置１が備える記憶部に記憶させる。

なお、事前学習部１３による特徴量の学習は、画像処理装置１を用いた特定物体の検出処理を開始する前に行う。すなわち、画像処理装置１を用いて特定物体の検出を行っている間、事前学習部１３による特徴量の学習は行わない。また、辞書データ１４は、他の画像処理装置で作成したデータを可搬記録媒体やネットワークを通じて画像処理装置１内に読み込んでもよい。他の画像処理装置で作成した辞書データ１４を読み込んで用いる場合、画像処理装置１に事前学習部１３はなくてもよい。

照合用特徴量決定部１６は、特徴量抽出部１２で抽出した入力画像の特徴量と、背景特徴量データベース１５の背景特徴量とを用い、辞書データ１４と照合する入力画像の照合用特徴量を決定する。照合用特徴量決定部１６は、入力画像内に１つ以上のセルが含まれる検出枠を設定し、検出枠内のセルごとに抽出した特徴量と背景特徴量との差分値を求める。そして、セルごとに、差分値と予め定めた閾値とを比較して照合用特徴量を決定する。具体的には、差分値が閾値よりも大きいセルは特徴量抽出部１２で抽出した特徴量を照合用特徴量とし、差分値が閾値以下のセルは差分値を照合用特徴量とする。すなわち、照合用特徴量決定部では、入力画像における検出枠内のセルの特徴量のうちの差分値が閾値以下のセルの特徴量を差分値に置換する。

特徴量照合部１７は、検出枠内の各セルの照合用特徴量を、辞書データ１４の特徴量と照合し、検出枠内に特定物体が存在するか否かを判定する。そして、特定物体が存在すると判定された検出枠がある場合、その検出枠の位置や寸法等の情報を出力処理部１８に送る。

出力処理部１８は、入力画像を液晶ディスプレイ等の表示装置３に時系列順に出力する。出力処理部１８は、特徴量照合部１７から特定物体が存在すると判定された検出枠の情報を受け取った場合、入力画像に検出枠を合成した画像を表示装置３に出力する。

本実施形態の画像処理装置１は、コンピュータと、コンピュータに実行させるプログラムとにより実現される。この際、特徴量抽出部１２、事前学習部１３、照合用特徴量決定部１６、特徴量照合部１７、及び出力処理部１８は、Central Processing Unit（ＣＰＵ）、Digital Signal Processor（ＤＳＰ）等のプロセッサに所定のプログラムを実行させることで実現する。また、入力画像保持部１１、並びに背景特徴量データベース１５及び辞書データ１４を記憶する記憶部には、プロセッサとバスで接続されたハードディスクドライブ、半導体メモリ等の記憶装置、もしくはプロセッサ内部のキャッシュメモリを用いる。

＜事前学習処理＞
本実施形態の画像処理装置１により入力画像内の特定物体を検出する際には、事前に、入力画像内の特定物体候補との照合に用いるＨＯＧ特徴量の辞書データ１４を作成し登録しておく。そこで、特定物体の検出方法を説明する前に、ＨＯＧ特徴量及び辞書データ１４を登録する事前学習の処理手順について簡単に説明する。

図２は、ＨＯＧ特徴量を説明するための模式図である。
ＨＯＧ特徴量は、画像内の局所領域における輝度の勾配方向のヒストグラムであり、画像から人物等の特定物体を検出する際の特徴量として用いられている。

ＨＯＧ特徴量は、図２の（ａ）に示すように、１枚の画像４０を複数のセル４１に分割し、セル４１ごとに抽出する。１つのセル４１は複数の画素（図２の（ａ）に示した例では５×５画素）からなる。

１つのセル４１のＨＯＧ特徴量は、セル４１内の各画素における輝度の勾配方向及び勾配強度を算出し、例えば図２の（ｂ）に示すように勾配方向を９分割してヒストグラム化した特徴量である。本実施形態で用いるＨＯＧ特徴量は、周知の抽出方法のいずれかで抽出すればよい。

また、特定物体が人物である場合、事前学習においては、図２の（ａ）に示した画像４０から人物５０を含むｎ×ｍセル（ｎ，ｍはそれぞれ任意の自然数）の矩形領域４２を切り出した画像を特定物体が存在する画像とする。そして、矩形領域４２のような特定物体（人物５０）が存在する画像と、特定物体が存在しない画像とを学習用画像としてそれぞれ複数枚用意し、それぞれの画像におけるＨＯＧ特徴量を抽出する。

なお、ＨＯＧ特徴量は勾配方向を分割してヒストグラム化した特徴量であるが、以降の説明で参照するＨＯＧ特徴量のグラフでは、図２（ｂ）に示したような各方向の勾配強度に基づく曲線ＰＨでＨＯＧ特徴量を模式的に表す。

図３は、事前学習の手順を示すフローチャートである。
画像処理装置１における事前学習は、ＨＯＧ特徴量を用いた特定物体の検出方法に適用される周知の学習方法で行う。事前学習の行う際には、図３に示すように、まず、学習用画像を画像処理装置１に入力する（ステップＳ１０１）。学習用画像は、画像取得部１０又は図示しない入力インタフェース等を介して入力し、入力画像保持部１１に保持させる。学習用画像には、特定物体（人物）が存在する画像及び存在しない画像をそれぞれ複数枚ずつ用いる。また、学習用画像には、例えば特定物体の検出処理を行う際の入力画像の撮像範囲と同じ範囲を撮像した画像からｎ×ｍセルの矩形領域を切り出した画像を用いる。

次に、特徴量抽出部１２において、入力した各学習用画像のＨＯＧ特徴量を抽出する（ステップＳ１０２）。ステップＳ１０２は、周知の抽出方法で行う。

次に、事前学習部１３において、特定物体のＨＯＧ特徴量及び非特定物体（背景物体）のＨＯＧ特徴量を学習し辞書データ１４を作成する（ステップＳ１０３）。ＨＯＧ特徴量の学習は、例えばSupport Vector Machine（ＳＶＭ）、Adaptive Boosting（ＡｄａＢｏｏｓｔ）等の周知の機械学習法で行う。

そして、作成した辞書データ１４を画像処理装置１が備える記憶部に記憶させる（ステップＳ１０４）。

＜特定物体の検出処理＞
上記の事前学習により辞書データ１４を作成した後、画像処理装置１による入力画像内の特定物体の検出処理を開始する。

図４は、第１の実施形態に係る特定物体の検出処理の手順を示すフローチャートである。図５は、入力画像及びＨＯＧ特徴量の一例を示す図である。

画像処理装置１は、特定物体の検出処理を開始すると、撮像装置２で撮像した画像を画像取得部１０で順次取得し、入力画像として入力画像保持部１１に保持させる。この際、画像取得部１０は、取得した入力画像に対し時系列に固有のフレーム番号（通し番号）を１から順に付与する。

入力画像の取得を開始したら、次に、図４に示すように、まず、入力画像のフレーム番号を表す変数ｉを初期化する（ステップＳ２）。上記のように入力画像のフレーム番号を１から始まる通し番号としたため、ステップＳ２では、変数ｉを１にする。

次に、特徴量抽出部１２において、フレーム番号ｉの入力画像からＨＯＧ特徴量を抽出する（ステップＳ３）。

次に、特徴量抽出部１２において、入力画像のフレーム番号ｉが１より大きいか判断する（ステップＳ４）。ｉ＝１の場合（ステップＳ４；Ｎｏ）、特徴量抽出部１２は、抽出したＨＯＧ特徴量を背景特徴量として背景特徴量データベース１５に登録する（ステップＳ５）。

一方、ｉ＞１の場合（ステップＳ４；Ｙｅｓ）、特徴量抽出部１２は、抽出したＨＯＧ特徴量を照合用特徴量決定部１６に渡し、照合用特徴量決定部１６及び特徴量照合部１７に照合処理を行わせる（ステップＳ６）。ステップＳ６では、抽出したＨＯＧ特徴量と背景特徴量との差分値に基づいて入力画像における各セルの照合用特徴量を決定し、照合用特徴量を辞書データの特徴量と照合することで入力画像内に特定物体が存在するか否かを判定する。このステップＳ６の照合処理の具体的な手順は後述する。ステップＳ６の照合処理が済むと、照合結果を出力する（ステップＳ７）。ステップＳ７は、出力処理部１８が行い、ステップＳ６の処理によりフレーム番号がｉの入力画像から特定物体が検出された場合は検出した特定物体を囲む枠線を合成（付加）して表示装置３に出力する。なお、フレーム番号がｉの入力画像から特定物体が検出されなかった場合、出力処理部１８は、入力画像をそのまま表示装置３に出力する。

背景特徴量を登録するステップＳ５、又は照合結果を出力するステップＳ７の後は、検出処理を続けるか判断する（ステップＳ８）。検出処理を続ける場合（ステップＳ８；Ｙｅｓ）、フレーム番号を表す変数ｉを１だけインクリメント（ｉ＝ｉ＋１）し、ステップＳ３からの処理を繰り返す。検出処理を続けない場合（ステップＳ８；Ｎｏ）、検出処理を終了する。

上記の検出処理におけるステップＳ３では、図５の（ａ）に示すように、入力画像４０を複数のセル４１に分割し、セル４１ごとにＨＯＧ特徴量を抽出する。この際、１つのセル４１はｗ×ｈ画素とする。また、複数のセル４１は、固有のセル番号を付与するとともに、入力画像４０内における各セル４１の左上角部のｘｙ座標により位置を特定して区別する。そして、抽出した各セル４１のＨＯＧ特徴量は、図５の（ｂ）に示すように、固有のセル番号、セルの位置、及びセルの寸法と対応付ける。

なお、図５の（ｂ）に示したＨＯＧ特徴量におけるＨ_１〜Ｈ_９は、勾配方向を０〜１８０度の角度範囲で９分割してヒストグラム化した場合の各勾配方向の勾配強度であり、添え字の数値が大きいものほど勾配方向を表す角度が大きい。例えば、勾配強度Ｈ_１は勾配方向θ（度）が０≦θ＜２０の画素の勾配強度を積算した値であり、勾配強度Ｈ_２は勾配方向θ（度）が２０≦θ＜４０の画素の勾配強度を積算した値である。

本実施形態に係る特定物体の検出処理では、上記のように、フレーム番号が１の入力画像、すなわち最初（検出処理開始時）の入力画像を背景画像とし、背景画像から抽出したＨＯＧ特徴量を背景特徴量データベース１５に登録する。この際、背景画像とする入力画像４０には、図５の（ａ）に示したように旗５１等の形状が変化し得る非特定物体が存在していても構わない。そして、ステップＳ６の照合処理では、入力画像のＨＯＧ特徴量と背景特徴量との差分値に基づいて入力画像の各セルの照合用特徴量を決定し、照合用特徴量と辞書データとを照合する。

図６は、図４の照合処理の処理内容を示すフローチャートである。図７は、図６の照合用特徴量決定処理の処理内容を示すフローチャートである。

照合処理では、図６に示すように、まず、特定物体の検出結果を表す検出リストを初期化する（ステップＳ６０１）。検出リストは、例えば入力画像から特定物体として検出された像を囲む枠の位置及びサイズが記述されたデータであり、画像処理装置１が備えるキャッシュメモリ等で保持している。

次に、照合用特徴量決定部１６において、入力画像内に検出枠を設定する（ステップＳ６０２）。検出枠は、縦横に連続した複数のセルからなるブロックの外周である。検出枠の寸法は、入力画像内における特定物体（人物）の寸法に応じて複数種類用意される。ステップＳ６０２では、検出枠の寸法を選択して入力画像に当てはめ、検出枠内に含まれるセルを特定する。

次に、照合用特徴量決定部１６において、検出枠内のセルの照合用特徴量を決定する照合用特徴量決定処理を行う（ステップＳ６０３）。ステップＳ６０３では、図７に示すような処理を行う。

ステップＳ６０３では、まず、検出枠内のセルを１つ選択し（ステップＳ６０３ａ）、選択したセルに対応する背景画像内のセルのＨＯＧ特徴量（背景特徴量）を背景特徴量データベースから取得する（ステップＳ６０３ｂ）。ステップＳ６０３ｂでは、図５の（ｂ）に示したセルの位置に基づいて背景特徴量を取得する。

次に、選択したセルのＨＯＧ特徴量と背景特徴量との差分値ΔＨを算出する（ステップＳ６０３ｃ）。

次に、差分値ΔＨが閾値ＴＨ１より大きいか判断する（ステップＳ６０３ｄ）。ΔＨ＞ＴＨ１の場合（ステップＳ６０３ｄ；Ｙｅｓ）、ステップＳ３で抽出したＨＯＧ特徴量を選択したセルの照合用特徴量とする（ステップＳ６０３ｅ）。一方、ΔＨ≦ＴＨ１の場合（ステップＳ６０３ｄ；Ｎｏ）、差分値ΔＨを選択したセルの照合用特徴量とする（ステップＳ６０３ｆ）。閾値ＴＨ１は、少なくとも背景画像に存在する非特定物体のみを含むセルの照合用特徴量が差分値ΔＨになるような値にする。例えば、閾値ＴＨ１は、図５の（ａ）に示した旗５１のような非特定物体が存在する複数枚の画像を用い、非特定物体を含むセルのＨＯＧ特徴量の差分値ΔＨについて統計処理を行って決める。また、勾配方向を９分割したＨＯＧ特徴量は９個の値からなるので、差分値ΔＨも９個の値からなる。そのため、差分値ΔＨは、９個の値全て（例えば図２の曲線ＰＨ全体）で比較した場合には値が大きくても、個別に見た場合にはいくつかの勾配方向で値が小さくなることがある。したがって、例えば、９個の値のうちの５個以上の値が閾値ＴＨ１より大きい場合ΔＨ＞ＴＨ１とする等、ステップＳ６０３ｄの判定基準は適宜決めれば良い。

選択したセルの照合用特徴量を決定したら、次に、検出枠内に照合用特徴量の決まっていないセルが有るか判断する（ステップＳ６０３ｇ）。照合用特徴量の決まっていないセルが有る場合（ステップＳ６０３ｇ；Ｙｅｓ）、ステップＳ６０３ａからの処理を繰り返す。照合用特徴量の決まっていないセルが無い場合（ステップＳ６０３ｇ；Ｎｏ）、照合用特徴量決定処理（ステップＳ６０３）を終了する。

図６に示したように、照合用特徴量決定処理（ステップＳ６０３）が終了すると、次に、照合用特徴量と辞書データのＨＯＧ特徴量とから検出枠内の像と特定物体との類似度Ｓを算出する（ステップＳ６０４）。ステップＳ６０４の処理は、特徴量照合部１７が行う。類似度Ｓは、ＨＯＧ特徴量を用いた検出方法における周知の算出方法で算出する。

次に、特徴量照合部１７において、算出した類似度Ｓが閾値ＴＨ２より大きいか判断する（ステップＳ６０５）。類似度Ｓの値が大きいほど、検出枠内の像と特定物体との類似度が高い。そのため、特徴量照合部１７は、Ｓ＞ＴＨ２の場合（ステップＳ６０５；Ｙｅｓ）にのみ、検出枠の設定値（例えば位置及び寸法）を検出リストに登録する（ステップＳ６０６）。閾値ＴＨ２は、任意の値であり、ＨＯＧ特徴量を用いた検出方法で採用される値のいずれかを用いる。

次に、未処理の検出枠が有るか判断する（ステップＳ６０７）。ステップＳ６０７では、例えば、まず選択した１つの寸法の検出枠によるステップＳ６０２〜Ｓ６０６の処理を入力画像の全ての領域に対して行ったか否かを判断する。そして、行っていない領域が有る場合には、未処理の検出枠が有ると判定し（ステップＳ６０７；Ｙｅｓ）、行っていない領域に対しステップＳ６０２〜Ｓ６０６の処理を繰り返す。また、１つの寸法の検出枠によるステップＳ６０２〜Ｓ６０６の処理を入力画像の全ての領域に対して行った場合、他の寸法の検出枠による同様の処理を全て行ったかを判断する。そして、同様の処理を行っていない検出枠が有る場合、未処理の検出枠が有ると判定し（ステップＳ６０７；Ｙｅｓ）、全ての寸法の検出枠による同様の処理が終わるまでステップＳ６０２〜Ｓ６０６の処理を繰り返す。

ステップＳ６０２〜Ｓ６０６の処理を繰り返し未処理の検出枠が無いと判定すると（ステップＳ６０７；Ｎｏ）、照合処理が終了する。

なお、ステップＳ６の照合処理において１つの検出枠によるステップＳ６０２〜Ｓ６０６の処理を繰り返す場合、ステップＳ６０２では、例えば入力画像全体をラスタスキャンするよう検出枠の設定位置をずらしていく。

画像処理装置１における特定物体の検出処理では、ステップＳ６の照合処理が終了すると、図４に示したように、照合結果を出力する（ステップＳ７）。

ステップＳ７は、例えばステップＳ６０６で検出リストに登録された検出枠の位置及び寸法に基づいて、フレーム番号がｉの入力画像に検出した特定物体を囲む枠線を合成（付加）し、表示装置３に出力する。

＜特定物体の検出例＞
上述の検出処理による特定物体の検出例を、図８〜図１０を参照しながら説明する。

図８は、照合用特徴量決定処理で用いる２枚の入力画像の一例を示す模式図である。図９は、図８の入力画像における特徴量の差分値ΔＨの例を示す模式図である。図１０は、図８の入力画像を用いた照合用特徴量決定処理後及び照合結果の画像を示す模式図である。

本実施形態の特定物体の検出処理では、事前学習したＨＯＧ特徴量とは別に、最初（フレーム番号１）の入力画像から抽出したＨＯＧ特徴量を背景特徴量として背景特徴量データベース１５に登録する。そして、フレーム番号２以降の入力画像から特定物体を検出する際には、まず、照合用特徴量決定処理（ステップＳ６）により、入力画像における各セルの照合用特徴量を決定する。

特定物体を検出する入力画像（検出対象画像）には、図８の（ａ）に示すように、非特定物体である旗５１や、特定物体である人物５０が存在する画像４０ｂがある。一方、図８の（ｂ）に示すように、最初の入力画像（背景画像）４０ａには、非特定物体である旗５１のみが存在している。

検出対象画像４０ｂに対し照合処理（ステップＳ６）を行う場合、照合用特徴量決定処理により、検出対象画像４０ｂの旗５１を含む検出枠４３内の各セル、人物５０を含む検出枠４４内の各セル等の照合用特徴量を決定する。

検出対象画像４０ｂの検出枠４３における最上段の左側のセル４１ａの照合用特徴量は、セル４１ａから抽出したＨＯＧ特徴量と、セル４１ａと対応する背景画像４０ａのセル４１ＡのＨＯＧ特徴量（背景特徴量）との差分値ΔＨに基づいて決定する。同様に、検出対象画像４０ａの検出枠４３における上から３段目の右側のセル４１ｂの照合用特徴量は、セル４１ｂから抽出したＨＯＧ特徴量と、セル４１ｂと対応する基準画像４０ａのセル４１ＢのＨＯＧ特徴量（背景特徴量）との差分値ΔＨに基づいて決定する。

検出枠４３に存在する旗５１が路面等に設置されている場合、両画像４０ａ，４０ｂにおける旗５１は、輪郭（形状）に違いが生じることがあるものの、位置はほとんど変わらない。ＨＯＧ特徴量は、局所領域における輝度の勾配方向をヒストグラム化した特徴量であり、画像内の物体の並進に対して不変な特徴量である。そのため、図９の（ａ）に示すように、検出対象画像４０ｂのセル４１ｂのＨＯＧ特徴量ＰＨ１と、背景画像４０ａのセル４１ＢのＨＯＧ特徴量ＰＨ２とはほぼ同じ値になる。よって、検出対象画像４０ｂのセル４１ｂと背景画像４０ａのセル４１ＢとのＨＯＧ特徴量の差分値ΔＨは、図９の（ａ）に示したように全ての勾配方向の勾配強度が非常に小さな値になる。また、検出枠４３内の他のセルのＨＯＧ特徴量の差分値ΔＨは、図９の（ａ）に示した差分値ΔＨと同様に、全ての勾配方向の勾配強度が非常に小さな値になる。

一方、検出対象画像４０ｂの検出枠４４に対応する背景画像４０ａの検出枠４４内には、人物５０が存在しない。そのため、図９の（ｂ）に示すように、検出対象画像４０ｂの検出枠４４における最上段の左側のセル４１ｃのＨＯＧ特徴量ＰＨ３と、セル４１ｃと対応する背景画像４０ａのセル４１ＣのＨＯＧ特徴量ＰＨ４とは異なる値になる。よって、検出対象画像４０ｂのセル４１ｃと背景画像４０ａのセル４１ＣとのＨＯＧ特徴量の差分値ΔＨは、図９の（ｂ）に示したようにいくつかの勾配方向の勾配強度が大きな値になる。また、検出枠４４内の他のセルのＨＯＧ特徴量の差分値ΔＨは、図９の（ｂ）に示した差分値ΔＨと同様に、いくつかの勾配方向の勾配強度が大きな値になる。

このように、検出対象画像４０ｂのセルと背景画像４０ａのセルとのＨＯＧ特徴量の差分値ΔＨは、検出対象画像４０ｂのセルに存在する物体が背景画像４０ａのセルにも存在しているか否かで大きく異なる。本実施形態では、ＨＯＧ特徴量のこのような性質を利用し、検出対象画像４０ｂのセルに存在する物体が基準画像４０ａのセルにも存在している場合には照合用特徴量を差分値ΔＨとし、存在しない場合には照合用特徴量を抽出したＨＯＧ特徴量とする。具体的には、図９の（ａ）及び（ｂ）に示したような閾値ＴＨ１を設定し、差分値ΔＨが閾値ＴＨ１以下のセルは差分値ΔＨを照合用特徴量とし、差分値ΔＨが閾値ＴＨ１より大きいセルは抽出したＨＯＧ特徴量を照合用特徴量とする。そのため、検出対象画像４０ｂの検出枠４３内の各セルの照合用特徴量は、全て差分値ΔＨとなる。一方、検出対象画像４０ｂの検出枠内４４内の各セルの照合用特徴量は、全て抽出したＨＯＧ特徴量となる。

つまり、検出対象画像４０ｂに対して照合用特徴量決定処理を行うと、処理後の画像は、図１０の（ａ）に示す画像４０ｃのような検出枠４３内に旗５１が存在していない画像と実質的に等価になる。したがって、画像４０ｃと辞書データ１４とを照合すると、検出枠４３内の特徴量と人物（特定物体）との類似度Ｓは低くなり、検出枠４４内の特徴量と人物との類似度Ｓは高くなる。そのため、検出対象画像４０ｂからは検出枠４４内の人物５０のみが特定物体として検出され、図１０の（ｂ）に示すように、照合結果の画像４０ｄは人物５０のみが枠５５で囲まれる。

このように、本実施形態の特定物体の検出方法では、検出対象画像４０ｂのセルのうちの特徴量の差分値ΔＨが閾値ＴＨ１より小さいセルについては、抽出した特徴量を差分値ΔＨに置換し、差分値ΔＨを照合用特徴量とする。そのため、検出対象画像４０ｂの検出枠４３内に存在する旗５１のＨＯＧ特徴量が人物のＨＯＧ特徴量と類似している場合でも、辞書データと照合する照合用特徴量は人物のＨＯＧ特徴量とは異なる値になる。したがって、ＨＯＧ特徴量が人物（特定物体）のＨＯＧ特徴量と類似した値になり得る非特定物体を人物として誤検出してしまうことを防げる。

次に、上述の検出処理による特定物体の別の検出例を、図１１〜図１３を参照しながら説明する。

図１１は、照合用特徴量決定処理で用いる２枚の入力画像の別の一例を示す模式図である。図１２は、図１１の入力画像における特徴量の差分値ΔＨの例を示す模式図である。図１３は、図１１の入力画像を用いた照合用特徴量決定処理後及び照合結果の画像を示す模式図である。

画像処理装置１により特定物体の検出処理を行う際、特定物体を検出する入力画像（検出対象画像）には、図１１の（ａ）に示すように、非特定物体である旗５１よりも撮像装置側に位置する人物５０が旗５１と重なっている画像４０ｅもある。一方、図１１の（ｂ）に示すように、最初の入力画像（背景画像）４０ａには、非特定物体である旗５１のみが存在している。

検出対象画像４０ｅに対し照合処理（ステップＳ６）を行う場合、照合用特徴量決定処理により、検出対象画像４０ｅの旗５１及び人物５０を含む検出枠４５内の各セル等の照合用特徴量を決定する。

検出対象画像４０ｅの検出枠４５における最上段の左側のセル４１ｅの照合用特徴量は、セル４１ｅから抽出したＨＯＧ特徴量と、セル４１ｅと対応する背景画像４０ａのセル４１ＥのＨＯＧ特徴量（背景特徴量）との差分値ΔＨに基づいて決定する。同様に、検出対象画像４０ｅの検出枠４５における上から３段目の中央のセル４１ｆの照合用特徴量は、セル４１ｆから抽出したＨＯＧ特徴量と、セル４１ｆと対応する背景画像４０ａのセル４１ＦのＨＯＧ特徴量（背景特徴量）との差分値ΔＨに基づいて決定する。

検出枠４３に存在する旗５１が路面等に設置されている場合、両画像４０ａ，４０ｅにおける旗５１は、輪郭（形状）に違いが生じることがあるものの、位置はほとんど変わらない。そのため、図１２の（ａ）に示すように、旗５１のみが存在する検出対象画像４０ｂのセル４１ｅのＨＯＧ特徴量ＰＨ５と、背景画像４０ａのセル４１ＥのＨＯＧ特徴量ＰＨ６とはほぼ同じ値になる。よって、検出対象画像４０ｅのセル４１ｅと背景画像４０ａのセル４１ＥとのＨＯＧ特徴量の差分値ΔＨは、図１２の（ａ）に示したように全ての勾配方向の勾配強度が閾値ＴＨ１よりも小さな値になる。したがって、検出対象画像４０ｅのセル４１ｅの照合用特徴量は差分値ΔＨになる。

一方、図１１の（ａ）及び（ｂ）に示したように、旗５１及び人物５０が存在する検出対象画像４０ｅのセル４１ｆに対応する背景画像４０ａのセル４１Ｆには、旗５１のみが存在する。そのため、図１２の（ｂ）に示すように、検出対象画像４０ｅのセル４１ｆのＨＯＧ特徴量ＰＨ７と、背景画像４０ａのセル４１ＦのＨＯＧ特徴量ＰＨ８とは異なる値になる。よって、検出対象画像４０ｅのセル４１ｆと背景画像４０ａのセル４１ＦとのＨＯＧ特徴量の差分値ΔＨは、図１２の（ｂ）に示したようにいくつかの勾配方向の勾配強度が閾値ＴＨ１よりも大きな値になる。したがって、検出対象画像４０ｅのセル４１ｆの照合用特徴量はセル４１ｆから抽出したＨＯＧ特徴量になる。

つまり、検出対象画像４０ｅに対して照合用特徴量決定処理を行うと、処理後の画像は、図１３の（ａ）に示す画像４０ｆのように検出枠４５内に存在する旗５１の一部が欠落した画像と実質的に等価になる。これにより、検出枠４５内に存在する像の特徴量（形状）が、人物５０の特徴量に近づく。したがって、画像４０ｆと辞書データ１４とを照合すると、検出枠４５内の特徴量と人物との類似度Ｓは高くなる。そのため、検出対象画像４０ｆからは検出枠４５内の人物５０が特定物体として検出され、図１３の（ｂ）に示すように、照合結果の画像４０ｇは人物５０が枠５５で囲まれる。

このように、本実施形態の特定物体の検出方法では、入力画像における特定物体が非特定物体と重なっている場合にも、特定物体の特徴量（輪郭領域）の変化を抑制しつつ非特定物体の特徴量を減算でき、特定物体を正しく検出することができる。

以上説明したように、第１の実施形態に係る特定物体の検出方法では、入力画像（検出対象画像）から抽出したＨＯＧ特徴量と背景画像から抽出したＨＯＧ特徴量（背景特徴量）との差分値ΔＨが小さいセルの照合用特徴量を差分値ΔＨにする。これにより、検出対象画像及び背景画像に存在する非特定物体の特徴量を検出対象画像から減算することができる。そのため、非特定物体の特徴量が特定物体の特徴量と類似している場合に非特定物体を特定物体として誤検出することを防げる。

また、第１の実施形態に係る特定物体の検出方法では、入力画像における特定物体が非特定物体と重なっている場合に、特定物体の特徴量（輪郭領域）の変化を抑制しつつ非特定物体の特徴量を減算できる。そのため、特定物体と非特定物体とが重なっている場合にも特定物体を正しく検出することができる。

したがって、上記の特定物体の検出方法を実現する画像処理装置１は、特定物体の検出精度を向上させることができる。

なお、第１の実施形態では、ＨＯＧ特徴量を用いて特定物体を検出する検出方法を説明した。しかしながら、特定物体の検出に用いる特徴量は、ＨＯＧ特徴量に限らず、画像内における物体の並進に対して不変又は不変とみなせる特徴量であればよい。よって、特定物体の検出に用いる特徴量は、例えば色相等の色不変量でもよい。さらに、例えば複数枚の画像から抽出した特徴量を統計処理した際に分散又は標準偏差が小さく、並進に対して不変とみなすことができれば他の特徴量でもよい。

また、第１の実施形態で説明した照合用特徴量決定処理は、図７に示したように、検出枠を設定し、検出枠内のセルごとに照合用特徴量を決定している。しかしながら、照合用特徴量は、検出枠内のセルごとに限らず、例えば入力画像内のセルをラスタスキャンして決定してもよい。そのため、例えば、図６に示したステップＳ６０３の代わりに、図４に示した処理におけるステップＳ４とステップＳ６との間に照合用特徴量を決定する処理を設けてもよい。

また、背景画像とする入力画像は、図５の（ａ）や図８の（ｂ）に示したように、人物等の特定物体が存在せず、かつＨＯＧ特徴量が特定物体のＨＯＧ特徴量と類似した値をとり得る非特定物体が存在する画像であることが好ましい。しかしながら、第１の実施形態に係る特定物体の検出方法では、背景画像とする入力画像に特定物体が存在していてもよい。

特定物体が人物である場合、背景画像に存在する人物は一定時間が経過した後の入力画像には存在しない可能性が高い。そのため、入力画像のうちの背景画像に存在する人物と対応する領域は背景物体になっており、ＨＯＧ特徴量が人物のＨＯＧ特徴量とは異なっている。そのため、背景物体のＨＯＧ特徴量と人物のＨＯＧ特徴量との差分値ΔＨは閾値ＴＨ１よりも大きくなり、背景物体のＨＯＧ特徴量が照合用特徴量となる。したがって、第１の実施形態に係る特定物体の検出方法では、背景画像とする入力画像に特定物体が存在していても、入力画像から特定物体を検出することができる。

このように、第１の実施形態に係る特定物体の検出方法では、背景画像とする入力画像に特定物体（人物）が存在しても構わないので、検出処理の開始時に最初の入力画像を自動的に背景画像とすることが可能である。そのため、事前学習処理とは別に、検出処理を開始する前に、特定物体（人物）が存在しない画像を取得して背景特徴量データベースに登録する処理を行わなくてもよい。したがって、検出処理を開始するまでの手間が増えることを防げ、容易に検出処理を実施できる。

また、図１に示した画像処理装置１は、辞書データ１４を作成するための事前学習部１３を備える。しかしながら、辞書データ１４は、他の画像処理装置で作成し可搬記録媒体やネットワークを通じて画像処理装置１内に読み込んでもよい。そのため、第１の実施形態に係る画像処理装置１は、事前学習部１３が無くてもよい。

（第２の実施形態）
図１４は、本発明の第２の実施形態に係る特定物体の検出処理の手順を示すフローチャートである。

本実施形態では、第１の実施形態とは別の特定物体の検出処理の処理手順について説明する。なお、本実施形態の検出処理は、図１に示した画像処理装置１で行う。

本実施形態の特定物体の検出処理では、図１４に示すように、まず、背景画像候補の条件を設定する（ステップＳ１０）。ステップＳ１０では、入力画像のうちの背景画像の候補とする画像のフレーム番号、又は撮像時刻等を設定する。フレーム番号を条件にする場合、フレーム番号１のほかに、例えばフレーム番号ｉがｉ＝１０００×ｎ（ｎは自然数）の場合等の条件を設定する。撮像時刻を条件にする場合、検出処理の開始時刻（Ｔ＝０）のほかに、例えばｕ時間毎又は毎日ｓ時等の条件を設定する。

画像処理装置１は、ステップＳ１０の後、撮像装置２で撮像した画像の取得を開始し、入力画像として入力画像保持部１１に保持させる。この際、画像取得部１０は、取得した入力画像に対し時系列に固有のフレーム番号（通し番号）を１から順に付与する。

入力画像の取得を開始したら、次に、入力画像のフレーム番号を表す変数ｉを初期化する（ステップＳ２）。ステップＳ２では、変数ｉを１にする。

次に、特徴量抽出部１２において、フレーム番号ｉの入力画像からＨＯＧ特徴量を抽出する（ステップＳ３）。

次に、特徴量抽出部１２において、フレーム番号ｉの入力画像が背景画像候補であるか判断する（ステップＳ１１）。ステップＳ１１では、ステップＳ１０で設定した条件と入力画像のフレーム番号ｉ又は撮像時刻等を比較する。入力画像が背景画像候補である場合（ステップＳ４；Ｙｅｓ）、特徴量抽出部１２は、続けて背景特徴量設定処理を行う（ステップＳ１２）。

一方、入力画像が背景画像候補ではない場合（ステップＳ１１；Ｎｏ）、第１の実施形態で説明した照合処理を行い（ステップＳ６）、照合結果を出力する（ステップＳ７）。

背景特徴量設定処理（ステップＳ５）、又は照合結果を出力する処理（ステップＳ７）の後は、検出処理を続けるか判断する（ステップＳ８）。検出処理を続ける場合（ステップＳ８；Ｙｅｓ）、フレーム番号を表す変数ｉを１だけインクリメント（ｉ＝ｉ＋１）し、ステップＳ３からの処理を繰り返す。検出処理を続けない場合（ステップＳ８；Ｎｏ）、検出処理を終了する。

図１５は、図１４の背景特徴量設定処理の処理内容を示すフローチャートである。
本実施形態の検出処理で行う背景特徴量設定処理では、図１５に示すように、まず、背景特徴量データベース１５に背景特徴量が登録されているか判断する（ステップＳ１２０１）。入力画像が最初（フレーム番号１）の入力画像であり背景特徴量が登録されていない場合（ステップＳ１２０１；Ｎｏ）、ステップＳ３で抽出したＨＯＧ特徴量を背景特徴量としてデータベースに登録し（ステップＳ１２０２）、背景特徴量設定処理を終了する。

一方、入力画像が最初の入力画像ではなく背景特徴量が登録されている場合（ステップＳ１２０１；Ｙｅｓ）、データベースの背景特徴量と入力画像から抽出したＨＯＧ特徴量とを比較し（ステップＳ１２０３）、特徴量の差異が所定の更新条件を満たすか判断する（ステップＳ１２０４）。更新条件は、例えば特徴量の差分値ΔＨが閾値ＴＨ１よりも大きいセルが所定の数以上存在する等の条件にする。

特徴量の差異が所定の更新条件を満たしていない場合（ステップＳ１２０４；Ｎｏ）、データベースの背景特徴量を更新せず背景特徴量設定処理を終了する。一方、更新条件を満たしている場合（ステップＳ１２０４；Ｙｅｓ）、データベースの背景特徴量を入力画像から抽出したＨＯＧ特徴量に更新し（ステップＳ１２０５）、背景特徴量設定処理を終了する。

本実施形態の検出処理におけるステップＳ６〜Ｓ８の処理は、第１の実施形態で説明した通りでよい。

すなわち、第１の実施形態の検出処理では最初（検出処理開始時）の入力画像から抽出したＨＯＧ特徴量を背景特徴量として使い続けるのに対し、本実施形態の検出処理では背景特徴量を随時更新する。

図１６は、入力画像内における非特定物体の有無の時間変化の例を示す模式図である。
第１の実施形態では、背景画像の一例として、図５の（ａ）や図８の（ｂ）のように、ＨＯＧ特徴量が特定物体（人物）のＨＯＧ特徴量と類似した値になり得る非特定物体（旗５１）が存在する画像を挙げている。しかしながら、画像処理装置１を用いた特定物体の検出処理は、任意のタイミングで開始される。そのため、最初（フレーム番号１）の入力画像は、図１６に示した画像４０ｈのように、旗５１が存在しない画像になることがある。なお、図１６では、時刻ｔ０が検出処理の開始時刻であり、時間軸は上から下に向かって進む。

この場合、画像処理装置１では、旗５１が存在しない画像４０ｈから抽出したＨＯＧ特徴量を背景特徴量としてステップＳ６の照合処理を行う。

その後、時刻ｔ１〜ｔ２の間に撮像領域内に旗５１が設置されると、図１６に示したように、旗５１が存在する画像４０ｋが画像処理装置１に入力される。第１の実施形態で説明した検出処理では、画像４０ｋは検出対象画像であり、ＨＯＧ特徴量を抽出した後、画像４０ｋの背景特徴量との差分値に基づいて照合用特徴量を決定する。したがって、第１の実施形態で説明した検出処理では、画像４０ｋの旗５１を特定物体（人物）として誤検出する恐れがある。

一方、本実施形態の検出方法では、ステップＳ１０で設定した条件及びステップＳ１２で用いる更新条件に基づいて背景特徴量を随時更新する。そのため、時刻ｔ２以降、画像４０ｋのように旗５１が存在する画像が背景画像候補になった時点で、背景画像が画像４０ｈから画像４０ｋに変更され、画像４０ｋから抽出したＨＯＧ特徴量が背景特徴量となる。したがって、画像４０ｋを入力画像とする照合処理により旗５１が特定物体として検出され、表示装置３に旗５１を囲む枠５７が表示される事態を防げる。

また、詳細な説明は省略するが、画像４０ｋから抽出したＨＯＧ特徴量を背景特徴量として検出処理を行っている際に、画像４０ｈのように旗５１が撤収された場合、あるいは他の非特定物体が設置された場合には、所定のタイミングで背景特徴量が更新される。

以上説明したように、第２の実施形態に係る特定物体の検出方法では、所定の条件に従って背景特徴量を随時更新するので、入力画像内における非特定物体の有無が時間変化する場合にも非特定物体の誤検出等を防げ、高い検出精度を維持できる。そのため、例えば、商店街のような店舗の営業時間等により非特定物体の有無が変化する場所を観察する際に、非特定物体の有無の影響を受けにくく安定した検出精度を維持できる。

なお、第２の実施形態では、図１に示した画像処理装置１の特徴量抽出部１２に背景特徴量設定処理を行わせている。しかしながら、本実施形態の検出処理を行う画像処理装置は、これに限らず、背景特徴量設定処理を行う処理部を備える装置であってもよい。また、画像処理装置は、例えば特徴量抽出部１２に最初（フレーム番号１）の入力画像から抽出したＨＯＧ特徴量を背景特徴量データベース１５に登録させ、以後に行う背景特徴量を更新する処理を特徴量抽出部１２とは別の処理部に行わせてもよい。

以上記載した各実施例を含む実施形態に関し、さらに以下の付記を開示する。
（付記１）
カメラで撮像した画像を取得する画像取得部と、
前記画像を複数のセルに分割して各セルの特徴量を抽出する特徴量抽出部と、
取得した前記画像のうちの背景画像に指定した画像から抽出した背景特徴量、及び前記画像から検出する特定物体の特徴量を含む辞書データを記憶する記憶部と、
前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて、前記画像の各セルの照合用特徴量を決定する照合用特徴量決定部と、
前記画像の各セルの照合用特徴量と前記辞書データの特徴量とを照合する特徴量照合部と、
を備えることを特徴とする画像処理装置。
（付記２）
前記照合用特徴量決定部は、前記画像のセルのうちの抽出した特徴量と前記背景特徴量との差分値が予め定めた閾値以下であるセルの照合用特徴量を前記差分値に決定し、前記差分値が前記閾値よりも大きいセルの特徴量を、当該セルから抽出した特徴量に決定すること、
を特徴とする付記１に記載の画像処理装置。
（付記３）
予め定めた条件に従って前記背景特徴量を更新する背景特徴量更新部を更に備えること、
を特徴とする付記１に記載の画像処理装置。
（付記４）
前記特徴量抽出部は、前記画像内における並進に対して不変な特徴量を抽出すること、
を特徴とする付記１に記載の画像処理装置。
（付記５）
前記辞書データは、前記特定物体のHistograms of Oriented Gradients（ＨＯＧ）特徴量を含み、
前記特徴量抽出部は、前記ＨＯＧ特徴量を抽出すること、
を特徴とする付記１に記載の画像処理装置。
（付記６）
前記特徴量照合部は、複数のセルを含む検出枠内の照合用特徴量と前記辞書データの特徴量とを照合し、前記検出枠内の照合用特徴量と前記辞書データの特定物体の特徴量との類似度が高い場合に、当該検出枠内に特定物体が存在すると判定すること
を特徴とする付記１に記載の画像処理装置。
（付記７）
前記特定物体が存在すると判定された検出枠の位置及び寸法に基づいて、前記画像に前記特定物体を囲む枠を合成して出力する出力処理部を更に備える
ことを特徴とする付記６に記載の画像処理装置。
（付記８）
カメラで撮像した画像と前記画像から検出する特定物体の特徴量を含む辞書データとを照合して前記画像から特定物体を検出する画像処理方法であって、
前記画像を複数のセルに分割して各セルの特徴量を抽出する第１の処理と、
前記画像のうちの背景画像に指定した画像から抽出した背景特徴量をデータベースに登録する第２の処理と、
前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて、前記画像の各セルの照合用特徴量を決定する第３の処理と、
前記画像の照合用特徴量と前記辞書データの特徴量とを照合する第４の処理と、
を有することを特徴とする画像処理方法。
（付記９）
前記第３の処理は、前記辞書データと照合する前記画像のセルのうちの抽出した特徴量と前記背景特徴量との差分値が予め定めた閾値以下であるセルの照合用特徴量を前記差分値に決定し、
前記差分値が前記閾値よりも大きいセルの照合用特徴量を、当該セルから抽出した特徴量に決定する
ことを特徴とする画像処理方法。
（付記１０）
前記第２の処理は、前記特定物体の検出処理を開始したときに最初に取得する画像を前記背景画像に指定すること
を特徴とする付記８に記載の画像処理方法。
（付記１１）
前記第２の処理は、予め定めた条件に従って前記背景画像の候補を指定し、前記背景画像の候補から抽出した特徴量と前記データベースに登録された背景特徴量との差異が予め定めた条件を満たす場合に前記背景特徴量を前記背景画像の候補から抽出した特徴量に更新する処理、を含む、
ことを特徴とする付記８に記載の画像処理方法。
（付記１２）
前記第２の処理は、前記特定物体の検出処理を開始してから所定の時間が経過するごとに前記背景画像の候補を指定する
ことを特徴とする付記１１に記載の画像処理方法。
（付記１３）
前記第２の処理は、予め定めた時刻が到来するごとに前記背景画像の候補を指定する
ことを特徴とする付記１１に記載の画像処理方法。
（付記１４）
前記第１の処理は、前記画像内における並進に対して不変な特徴量を抽出すること、
を特徴とする付記８に記載の画像処理方法。
（付記１５）
前記第１の処理は、Histograms of Oriented Gradients（ＨＯＧ）特徴量を抽出すること、
を特徴とする付記８に記載の画像処理方法。
（付記１６）
カメラで撮像した画像から検出する特定物体の特徴量を含む辞書データを予め登録しておき、
前記画像を複数のセルに分割して各セルの特徴量を抽出し、
前記画像のうちの背景画像に指定した画像から抽出した背景特徴量をデータベースに登録し、
前記辞書データと照合する前記画像の各セルの照合用特徴量を、当該セルから抽出した特徴量、又は抽出した特徴量と前記背景特徴量との差分値に決定し、
前記画像の照合用特徴量と前記辞書データの特徴量とを照合する、
処理をコンピュータに実行させるプログラム。

１ 画像処理装置
１０ 画像取得部
１１ 入力画像保持部
１２ 特徴量抽出部
１３ 事前学習部
１４ 辞書データ
１５ 背景特徴量データベース
１６ 照合用特徴量決定部
１７ 特徴量照合部
１８ 出力処理部
２ 撮像装置
３ 表示装置
４０，４０ａ〜４０ｋ 画像
４１，４１ａ〜４１ｆ，４１Ａ〜４１Ｆ セル
５０ 人物
５１ 旗

Claims (8)

1. カメラで撮像した画像を取得する画像取得部と、
   前記画像を複数のセルに分割して、各セルを構成する各画素の輝度の勾配方向に基づいた各セルの特徴量を抽出する特徴量抽出部と、
   取得した前記画像のうちの背景画像に指定した画像から抽出した背景特徴量、及び前記画像から検出する特定物体の特徴量を含む辞書データを記憶する記憶部と、
   前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて、前記画像の各セルの照合用特徴量を決定する照合用特徴量決定部と、
   前記画像の各セルの照合用特徴量と前記辞書データの特徴量とを照合する特徴量照合部と、
   を備えることを特徴とする画像処理装置。
2. カメラで撮像した画像を取得する画像取得部と、
   前記画像を複数のセルに分割して各セルの特徴量を抽出する特徴量抽出部と、
   取得した前記画像のうちの背景画像に指定した画像から抽出した背景特徴量、及び前記画像から検出する特定物体の特徴量を含む辞書データを記憶する記憶部と、
   前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて、前記画像の各セルの照合用特徴量を決定する照合用特徴量決定部であって、前記画像のセルのうちの抽出した特徴量と前記背景特徴量との差分値が予め定めた閾値以下であるセルの照合用特徴量を前記差分値に決定し、前記差分値が前記閾値よりも大きいセルの照合用特徴量を、当該セルから抽出した特徴量に決定する前記照合用特徴量決定部と、
   前記画像の各セルの照合用特徴量と前記辞書データの特徴量とを照合する特徴量照合部と、
   を備えることを特徴とする画像処理装置。
3. 前記特徴量抽出部は、前記画像内における並進に対して不変な特徴量を抽出すること、
   を特徴とする請求項１に記載の画像処理装置。
4. カメラで撮像した画像を取得する画像取得部と、
   前記画像を複数のセルに分割して各セルの特徴量を抽出する特徴量抽出部と、
   取得した前記画像のうちの背景画像に指定した画像から抽出した背景特徴量、及び前記画像から検出する特定物体の特徴量を含む辞書データを記憶する記憶部と、
   前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて、前記画像の各セルの照合用特徴量を決定する照合用特徴量決定部と、
   前記画像の各セルの照合用特徴量と前記辞書データの特徴量とを照合する特徴量照合部と、
   を備え、
   前記辞書データは、前記特定物体のHistograms of Oriented Gradients（ＨＯＧ）特徴量を含み、
   前記特徴量抽出部は、前記ＨＯＧ特徴量を抽出すること、
   を特徴とする画像処理装置。
5. カメラで撮像した画像と前記画像から検出する特定物体の特徴量を含む辞書データとを照合して前記画像から特定物体を検出する画像処理方法であって、
   前記画像を複数のセルに分割して、各セルを構成する各画素の輝度の勾配方向に基づいた各セルの特徴量を抽出する第１の処理と、
   前記画像のうちの背景画像に指定した画像から抽出した背景特徴量をデータベースに登録する第２の処理と、
   前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて、前記画像の各セルの照合用特徴量を決定する第３の処理と、
   前記画像の照合用特徴量と前記辞書データの特徴量とを照合する第４の処理と、
   を有することを特徴とする画像処理方法。
6. カメラで撮像した画像と前記画像から検出する特定物体の特徴量を含む辞書データとを照合して前記画像から特定物体を検出する画像処理方法であって、
   前記画像を複数のセルに分割して各セルの特徴量を抽出する第１の処理と、
   前記画像のうちの背景画像に指定した画像から抽出した背景特徴量をデータベースに登録する第２の処理と、
   前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて、前記画像の各セルの照合用特徴量を決定する第３の処理であって、
   前記画像のセルのうちの抽出した特徴量と前記背景特徴量との差分値が予め定めた閾値以下であるセルの照合用特徴量を前記差分値に決定し、
   前記差分値が前記閾値よりも大きいセルの照合用特徴量を、当該セルから抽出した特徴量に決定する
   前記第３の処理と、
   前記画像の照合用特徴量と前記辞書データの特徴量とを照合する第４の処理と、
   を有することを特徴とする画像処理方法。
7. カメラで撮像した画像と前記画像から検出する特定物体の特徴量を含む辞書データとを照合して前記画像から特定物体を検出する画像処理方法であって、
   前記画像を複数のセルに分割して各セルの特徴量を抽出する第１の処理と、
   前記画像のうちの背景画像に指定した画像から抽出した背景特徴量をデータベースに登録する第２の処理であって、予め定めた条件に従って前記背景画像の候補を指定し、前記背景画像の候補から抽出した特徴量と前記データベースに登録された背景特徴量との差異が予め定めた条件を満たす場合に前記背景特徴量を前記背景画像の候補から抽出した特徴量に更新する処理、を含む前記第２の処理と、
   前記辞書データと照合する前記画像の各セルから抽出した特徴量と前記背景特徴量との差分値に基づいて、前記画像の各セルの照合用特徴量を決定する第３の処理と、
   前記画像の照合用特徴量と前記辞書データの特徴量とを照合する第４の処理と、
   を有することを特徴とする画像処理方法。
8. カメラで撮像した画像から検出する特定物体の特徴量を含む辞書データを予め登録しておき、
   前記画像を複数のセルに分割して、各セルを構成する各画素の輝度の勾配方向に基づいた各セルの特徴量を抽出し、
   前記画像のうちの背景画像に指定した画像から抽出した背景特徴量をデータベースに登録し、
   前記辞書データと照合する前記画像の各セルの照合用特徴量を、当該セルから抽出した特徴量、又は抽出した特徴量と前記背景特徴量との差分値に決定し、
   前記画像の照合用特徴量と前記辞書データの特徴量とを照合する、
   処理をコンピュータに実行させるプログラム。