JP7180827B2 - 一般物体認識システム - Google Patents

Description

本願発明は、人や車両、電柱などある特定の対象を画像から自動認識する技術に関するものであり、より具体的には、画像における対象の位置に基づいて抽出確度を求める一般物体認識システムに関するものである。

近年、計測技術の発達に伴い、例えば沿道状況を写した画像を位置情報とともに取り扱う仕組みが利用されている。モバイルマッピングシステム（ＭＭＳ：Ｍｏｂｉｌｅ Ｍａｐｐｉｎｇ Ｓｙｓｔｅｍ）もその一つで、全方位カメラや、衛星測位システム（ＧＮＳＳ：Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）、ＩＭＵ（Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ）などを搭載した移動車で計測を行う。具体的にはこの移動車で移動しながら、沿道状況の写真（例えば、パノラマ写真）を一定間隔で撮影し、しかも撮影時における撮影位置（座標）や撮影方向も同時に取得する。ＭＭＳで取得される多数の写真は球座標系に展開されることもあり、これを利用すれば移動車から見る沿道状況をディスプレイ等で再現することができる。

道路上を移動しながら撮影すると、当然ながらその画像には沿道にある様々な地物が収められることから、数多くの情報を画像から得ることができる。しかしながら、画像中にあるすべての情報を必要とすることは稀で、利用する者や場面に応じて選択的に画像中の情報が利用される。例えば、道路管理者にとって沿道に設置された街灯や電柱、標識といった施設は有益な情報であるため、画像の中からこれら施設を抽出できれば極めて好適となる。一方、閲覧用として画像を提供する者にとっては、プライバシー保護の観点から人の画像を不鮮明とすることも多く、この場合は画像から人を抽出できれば極めて好適となる。

昨今では、このように画像から特定の対象（オブジェクト）を抽出する場合、コンピュータを利用した自動認識技術を利用することが主流となっている。あらかじめ、オブジェクトを含む種々の画像からそのオブジェクトの特徴量（色や形状などを定量化したもの）を記憶しておき、この記憶した特徴量に基づいて特定のオブジェクトを抽出するものであり、すなわちオブジェクトの画像パターンを学習し、その学習結果によって目的のオブジェクトを自動的に認識する「物体認識」と呼ばれる技術である。

物体認識によって画像から目的のオブジェクトを抽出するにあたっては、誤抽出（目的ではないものを抽出）や未抽出（本来抽出されるべきものを見逃す）を完全に回避することは著しく困難であることが知られている。そのため、結果に対する確度（ロバスト性で）を与えたうえで抽出することが行われている。例えば特許文献１では、高い確度（高いロバスト性）でオブジェクトを自動認識するには数多くの学習サンプル（教師データ）を学習する必要があり、そのため効率的に学習サンプルを作成することができる発明を開示している。

特開２０１５－０８８１６８号公報

ところで、道路上を移動しながら車載カメラで画像を取得する場合、画像中における位置（以下、「画像内位置」という。）はオブジェクトの種類によってある程度同じとなる傾向を示す。例えば、歩行者であればやはり歩道上に位置することが多く、また歩道の画像内位置は概ね同じ領域となることから、画像内におけるその領域に歩行者が出現する確率は高くなる。同様に、道路沿道に位置する道路標識の画像内位置にも一定の傾向が見られ、車道に位置する車両にもやはり一定の傾向が見られる。

このようにオブジェクトの種類によって画像内位置に一定の傾向があるということは、誤抽出の抑止、つまり抽出確度の向上に利用できることを意味する。しかも、そのオブジェクトの画像内位置を求めるだけであり、極めて効率的に抽出確度を向上させることができる。ところが、これまでオブジェクトの画像内位置に基づいて抽出確度を求めることが行われることはなかった。

本願発明の課題は、従来の問題を解決することであり、すなわち目的対象（オブジェクト）の画像内位置を利用することによって、その目的対象の抽出確度を効率的に向上させる一般物体認識システム提供することである。

本願発明は、目的対象の画像内位置に基づいて、そのオブジェクトを抽出したときの抽出確度を求める、という点に着目したものであり、従来にはなかった発想に基づいてなされた発明である。

本願発明の一般物体認識システムは、取得した画像から目的対象を抽出する一般物体認識システムであり、物体認識手段と、抽出確度算出手段を備えたものである。このうち物体認識手段は、物体認識によって取得画像から目的対象を認識する手段であり、抽出確度算出手段は、目的対象の画像内位置と確度分布に基づいて抽出確度を求める手段である。なお出現確度分布は、撮像範囲を分割して得られる複数の分割領域ごとに出現確度を付与することで得られるものであり、この出現確度は、当該分割領域における目的対象の出現頻度に基づいて設定されるものである。そして抽出確度算出手段が、目的対象の画像内位置に対応する分割領域に付与された出現確度に基づいて抽出確度を求める。

本願発明の一般物体認識システムは、２種類以上の目的対象を認識する物体認識手段を備えたものとすることもできる。この場合、目的対象の種類ごとに出現確度分布が用意され、抽出確度算出手段は、目的対象の取得画像における位置と、その目的対象に対応する出現確度分布に基づいて抽出確度を求める。

本願発明の一般物体認識システムは、出現確度分布作成手段をさらに備えたものとすることもできる。この出現確度分布作成手段は、分割領域ごとに出現確度を付与することで出現確度分布を作成する手段である。

本願発明の一般物体認識システムは、標準サイズ分布を用いて抽出確度を求める抽出確度算出手段を備えたものとすることもできる。この標準サイズ分布は、分割領域ごとに標準サイズを付与することで得られるものである。なお標準サイズは、当該分割領域に現れる目的対象の画像サイズに基づいて設定される。この場合、抽出確度算出手段は、目的対象の出現確度に加え、目的対象の画像サイズと、目的対象の取得画像における位置に対応する分割領域に付与された標準サイズに基づいて抽出確度を求める。

本願発明の一般物体認識システムは、標準サイズ分布作成手段をさらに備えたものとすることもできる。この標準サイズ分布作成手段は、分割領域ごとに標準サイズを付与することで標準サイズ分布を作成する手段である。

本願発明の一般物体認識システムは、物体認識手段が目的対象を認識したときの認識確度を求め、抽出確度算出手段がこの認識確度に基づいて抽出確度を求めるものとすることもできる。

本願発明の一般物体認識システムには、次のような効果がある。
（１）目的対象の画像内位置を求めるだけで、すなわち極めて効率的に抽出確度を向上させることができる。
（２）目的対象の位置に加え、その位置における目的対象のサイズ（大きさ）を判断することによって、さらに抽出確度を向上させることができる。

（ａ）は道路上を移動しながら車載カメラで取得した写真図、（ｂ）はその写真をもとに歩行者と車両と道路標識を模式的に示したモデル図。 （ａ）は過去に取得した多数の画像から車両を抽出してその画像内位置をプロットしたモデル図、（ｂ）は車両をプロットしたものに分割領域を重ねたモデル図。 （ａ）は過去に取得した多数の画像から歩行者を抽出してその画像内位置をプロットしたモデル図、（ｂ）は歩行者をプロットしたものに分割領域を重ねたモデル図。 （ａ）は過去に取得した多数の画像から道路標識を抽出してその画像内位置をプロットしたモデル図、（ｂ）は道路標識をプロットしたものに分割領域を重ねたモデル図。 一般物体認識システムのうち抽出確度を算出する機能を説明するブロック図。 一般物体認識システムのうち抽出確度を算出する機能における主な処理の流れを示すフロー図。 一般物体認識システムのうち出現確度分布等を作成する機能を説明するブロック図。 一般物体認識システムのうち出現確度分布等を作成する機能における主な処理の流れを示すフロー図。

本願発明の一般物体認識システムの実施形態の一例を、図に基づいて説明する。

１．定義
本願発明の実施形態の例を説明するにあたって、はじめにここで用いる用語の定義を示しておく。

（目的対象）
物体認識では、与えられた画像からある特定の対象（オブジェクト）を抽出する。ここでは、抽出しようとするオブジェクトのことを特に「目的対象」ということとする。

（画像内位置と分割領域）
画像内におけるオブジェクトの位置のことを、ここでは「画像内位置」ということとする。また、画像を複数に分割した結果得られる小領域（いわゆるメッシュ）のことを、ここでは「分割領域」ということとする。

（出現確度と出現確度分布）
図１（ａ）は、道路上を移動しながら車載カメラで取得した写真図であり、図１（ｂ）は、その写真をもとに歩行者と車両、道路標識を模式的に示したモデル図である。既述したとおり、道路上を移動しながら車載カメラで取得した画像（以下、「車載カメラ画像」という。）を見ると、取得されたオブジェクトはその種類（歩行者や車両、道路標識など）によってある程度同じ画像内位置で表示される。具体的には、車載カメラ画像における車道と歩道の画像内位置は概ね図１に示す位置となり、したがって「道路縁」も概ね図１に示す位置となる。また、車載カメラ画像における車道の画像内位置が概ね一定することから車両の画像内位置もある程度限られ、同様に歩道の画像内位置が概ね一定することから歩行者の画像内位置もある程度限られ、道路縁の画像内位置が概ね一定することから道路標識の画像内位置もある程度限られる。なお、図１（ａ）の車載カメラ画像はパノラマ写真の例を示しているが、もちろんパノラマ写真に限らず他の形式の車載カメラ画像でもその画像内位置はオブジェクトごとに概ね一定する。

図２（ａ）は、過去に取得した多数の画像から車両を抽出してその画像内位置をプロットしたモデル図であり、図２（ｂ）は、車両をプロットしたものに分割領域を重ねたモデル図である。なおこの図からは把握できないが、実際はプロット数に応じて色分けされており、プロット数が多いほど赤色で表し、プロット数が少ないほど青色で表している。同様に図３（ａ）は過去に取得した多数の画像から歩行者を抽出してその画像内位置をプロットしたモデル図、図３（ｂ）はこれに分割領域を重ねたモデル図であり、図４（ａ）は道路標識を抽出してその画像内位置をプロットしたモデル図、図４（ｂ）はこれに分割領域を重ねたモデル図であり、図２と同様、プロット数に応じて色分け表示されている。これらの図からも、取得されたオブジェクトがその種類によって概ね同じ画像内位置で表示されることが理解できる。

分割領域にそのオブジェクトが現れる頻度（出現頻度）によって求められる値を、ここでは「出現確度」ということとする。つまり出現確度は、いわばオブジェクトがその画像内位置（分割領域）に現れる確からしさのことであり、当然ながらオブジェクトの種類によって異なる。出現確度を設定するには、例えば、取得した多数の画像を用いて分割領域ごとに所定のオブジェクトが出現した回数を計上し、その出現回数が多いほど大きな値の出現確度を設定し、逆に出現回数が少ないほど小さな値の出現確度を設定することができる。図２（ａ）の例では、赤色で表示された分割領域に大きな値の出現確度を設定し、青色で表示された分割領域に小さい値の出現確度を設定するとよい。そして、それぞれの分割領域に出現確度を割り当てたものを、ここでは「出現確度分布」ということとする。なお出現確度分布は、人の処理（いわば手作業）によって作成することもできるし、後述する出現確度分布作成手段によって自動的に作成することもできる。

（標準サイズと標準サイズ分布）
本願発明は、オブジェクトの種類によって画像内に表示される大きさ（以下、「画像サイズ」という。）に一定の傾向があることに着目し、しかも同一種類のオブジェクトであっても画像内位置（分割領域）によってその画像サイズが異なることにも着目している。ここでは、オブジェクトがその分割領域に表示される代表的な画像サイズのことを「標準サイズ」ということとし、この標準サイズをそれぞれの分割領域に割り当てたものを「標準サイズ分布」ということとする。標準サイズは、取得した多数の画像を用い、所定のオブジェクトが表示された画像サイズを分割領域ごとに測定し、その結果に基づいて設定することができる。また標準サイズは、画素数（縦画素×横画素など）によって設定することができ、ある程度余裕をもった（バッファを与えた）画素数で設定するとい。なお標準サイズ分布は、人の処理（いわば手作業）によって作成することもできるし、後述する標準サイズ分布作成手段によって自動的に作成することもできる。

（抽出確度と認識確度）
本願発明は、取得した画像から目的対象を抽出するにあたって、その抽出した結果の信頼度（ロバスト性）を求めることを一つの特徴としている。ここでは、抽出結果の信頼度のことを「抽出確度」ということとする。これに対して、物体認識によって目的対象を自動認識したときに得られる信頼度（ロバスト性）のことを、ここでは「認識確度」ということとする。

なお、後述するように本願発明では、目的対象の画像内位置と出現確度分布を照らし合わせることで抽出確度を求める。また、目的対象の画像サイズと標準サイズ分布を照らし合わせることで抽出確度を求めることもできるし、さらに認識確度に基づいて抽出確度を求めることもできる。ここでは、目的対象の画像内位置と出現確度分布を照らし合わせることで求められる抽出確度のことを「第１抽出確度」、目的対象の画像サイズと標準サイズ分布を照らし合わせることで求められる抽出確度のことを「第２抽出確度」、認識確度に基づいて求められる抽出確度のことを「第３抽出確度」ということとする。

２．一般物体認識システム
本願発明の一般物体認識システムは、抽出確度を算出する機能を備えたものである。また本願発明の一般物体認識システムは、出現確度分布や標準サイズ分布を作成する機能を備えたものとすることもできる。図５は一般物体認識システム１００のうち抽出確度を算出する機能を説明するブロック図であり、図６はその主な処理の流れを示すフロー図である。一方、図７は一般物体認識システム１００のうち出現確度分布等を作成する機能を説明するブロック図であり、図８はその主な処理の流れを示すフロー図である。図６と図８のフロー図では、中央の列に実施する処理を示し、左列にはその処理に必要な入力情報を、右列にはその処理から生まれる出力情報を示している。以下、抽出確度を算出する機能と、出現確度分布や標準サイズ分布を作成する機能に分けて説明する。なお本願発明の一般物体認識システムは、それぞれの手段が行う内容が記述されたプログラムを実行するものであり、専用のものとして製造することもできるし、汎用的なコンピュータ装置を利用することもできる。このコンピュータ装置は、パーソナルコンピュータ（ＰＣ）や、ｉＰａｄ（登録商標）といったタブレット型端末やスマートフォン、あるいはＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄａｔａ Ａｓｓｉｓｔａｎｃｅ）などによって構成することができる。

（抽出確度算出機能）
一般物体認識システム１００が抽出確度を算出する処理について、図５と図６を参照しながら説明する。はじめに、取得した画像から目的対象を抽出するため、多数の教師データを処理することによって物体認識の学習を行う（Ｓｔｅｐ１０１）。具体的には、図５に示す物体認識手段１０１が、教師データ記憶手段１０２から多数の画像とその中に示された目的対象を読み出し、目的対象の特徴量（色や形状などを定量化したもの）を学習する。このとき、出現確度分布記憶手段１０３が出現確度分布を記憶し、標準サイズ分布記憶手段１０４が標準サイズ分布を記憶していれば、それぞれ出現確度分布と標準サイズ分布を読み出し、この出現確度と標準サイズ分布を利用して学習することもできる。物体認識技術としては、あらかじめ特定の種類を設定したうえでその種類の物体を検出する特定物体認識技術のほか、まず物体を検出してその後に検出した物体を分類する一般物体認識技術を採用することができ、ディープラーニングをはじめとする人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）やパターンマッチングなどの手法を利用することもできる。なお、歩行者や車両、道路標識それぞれを目的対象とするなど、目的対象の種類が複数ある場合は、目的対象の種類ごとにその特徴量を学習する必要がある。

ひととおり物体認識の学習を行うと、実際に目的対象を抽出していく。具体的には、物体認識手段１０１が、画像記憶手段１０５から取得した画像を読み出し、特徴量に基づく物体認識により目的対象を検出（あるいは検出～分類）する（Ｓｔｅｐ１０２）。このとき、その目的対象の画像内位置を求めるとともに、必要に応じて、検出や分類（以下、これらをまとめて「抽出」という。）された目的対象の画像サイズや、目的対象を物体認識した際の認識確度も求めておく。なお、目的対象の種類が複数ある場合は、その種類ごとに目的対象を抽出し、画像内位置や画像サイズ、認識確度を求める。

目的対象を抽出すると、その第１抽出確度を算出する（Ｓｔｅｐ１０３）。以下、抽出確度算出手段１０６が第１抽出確度を算出する処理について説明する。まず抽出確度算出手段１０６が、出現確度分布記憶手段１０３から当該目的対象の出現確度分布を読み出す。次いで、その出現確度分布と、物体認識手段１０１によって抽出された目的対象を照らし合わせる。より詳しくは、抽出された目的対象の分割領域（画像内位置）を出現確度分布から抽出し、当該分割領域に割り当てられた出現確度を取得するとともに、抽出された目的対象にその出現確度を付与する。そして、この出現確度に基づいて目的対象の第１抽出確度を算出する。このとき、出現確度をそのまま第１抽出確度とすることもできるし、あらかじめ定めた関数に出現確度を入力することで第１抽出確度を算出することもできる。なお、目的対象の種類が複数ある場合は、目的対象の種類ごとに第１抽出確度を算出する。

第１抽出確度を算出すると、第２抽出確度を算出する（Ｓｔｅｐ１０４）。以下、抽出確度算出手段１０６が第２抽出確度を算出する処理について説明する。まず抽出確度算出手段１０６が、標準サイズ分布記憶手段１０４から当該目的対象の標準サイズ分布を読み出す。次いで、その標準サイズ分布と、物体認識手段１０１によって抽出された目的対象の画像サイズを照らし合わせる。より詳しくは、抽出された目的対象の分割領域を標準サイズ分布から抽出し、当該分割領域に割り当てられた標準サイズを取得するとともに、抽出された目的対象の画像サイズと照らし合わせる。そして、その画像サイズが標準サイズと同程度（あらかじめ定めた許容範囲内）であれば大きな値の第２抽出確度を与え、その画像サイズが標準サイズとは異なる（あらかじめ定めた許容範囲外）であれば小さな値の第２抽出確度を与える。このとき、標準サイズとの相違の程度が大きいほど小さな値の第２抽出確度を与えるとよい。なお、目的対象の種類が複数ある場合は、目的対象の種類ごとに第２抽出確度を算出する。

第１抽出確度と第２抽出確度を算出すると、第３抽出確度を算出する（Ｓｔｅｐ１０５）。具体的には、物体認識手段１０１が目的対象を物体認識した際の認識確度に基づいて第３抽出確度を算出する。このとき、認識確度をそのまま第３抽出確度とすることもできるし、あらかじめ定めた関数に認識確度を入力することで第３抽出確度を算出することもできる。

第１抽出確度と第２抽出確度、第３抽出確度を算出すると、最終的な抽出確度を算出する（Ｓｔｅｐ１０６）。例えば、第１抽出確度と第２抽出確度、第３抽出確度を単純平均した値を抽出確度とすることもできるし、第１抽出確度と第２抽出確度、第３抽出確度それぞれに重みを付けた加重平均値を抽出確度とすることもできるし、その他、従来用いられている種々の統計処理によって抽出確度を算出することもできる。あるいは、あらかじめ定めた関数を利用して抽出確度を算出することもできる。また、第１抽出確度と第２抽出確度、第３抽出確度のうち、選択された２種類（例えば、第１抽出確度と第２抽出確度、第１抽出確度と第３抽出確度）によって抽出確度を算出することもできるし、選択された１種類のみ（例えば、第１抽出確度のみ、あるいは第２抽出確度のみ）によって抽出確度を算出することもできる。ここで算出された抽出確度は、プリンタやディスプレイといった出力手段１０７によって出力される。

ところで、物体認識手段１０１によって抽出された結果は、今後の学習用としてさらに活用することが考えられる。この場合、物体認識手段１０１によって抽出された目的対象は教師データ記憶手段１０２に記憶され、抽出確度算出手段１０６が目的対象に付与した出現確度とその分割領域は出現確度分布記憶手段１０３に記憶され、目的対象の画像サイズとその分割領域は標準サイズ分布記憶手段１０４に記憶される。このとき、すべての結果を教師データ記憶手段１０２等に記憶させることもできるし、抽出確度算出手段１０９が算出した抽出確度が所定の条件を満たす（例えば、抽出確度が所定閾値を超えた）結果のみを教師データ記憶手段１０２等に記憶させることもできる。

（出現確度分布作成機能）
既述したとおり一般物体認識システム１００は、人の処理によって作成した出現確度分布や標準サイズ分布を利用することもできるし、出現確度分布作成手段や標準サイズ分布作成手段によって自動的に作成された出現確度分布や標準サイズ分布を利用することもできる。以下、一般物体認識システム１００が出現確度分布や標準サイズ分布を作成する処理について、図７と図８を参照しながら説明する。はじめに、取得した画像から目的対象を抽出するため、多数の教師データを処理することによって物体認識の学習を行う（Ｓｔｅｐ２０１）。具体的には、図７に示す物体認識手段１０１が、教師データ記憶手段１０２から多数の画像とその中に示された目的対象を読み出し、目的対象の特徴量を学習する。このとき、出現確度分布記憶手段１０３が出現確度分布を記憶し、標準サイズ分布記憶手段１０４が標準サイズ分布を記憶していれば、それぞれ出現確度分布と標準サイズ分布を読み出し、この出現確度と標準サイズ分布を利用して学習することもできる。物体認識技術としては、あらかじめ特定の種類を設定したうえでその種類の物体を検出する特定物体認識技術のほか、まず物体を検出してその後に検出した物体を分類する一般物体認識技術を採用することができ、ディープラーニングをはじめとする人工知能やパターンマッチングなどの手法を利用することもできる。なお、歩行者や車両、道路標識それぞれを目的対象とするなど、目的対象の種類が複数ある場合は、目的対象の種類ごとにその特徴量を学習する必要がある。

ひととおり物体認識の学習を行うと、実際に出現確度分布や標準サイズ分布を作成していく。具体的には、物体認識手段１０１が、画像記憶手段１０５から目的対象を含む多数の画像を読み出し、目的対象の特徴量に基づいて目的対象を抽出する。このとき、その目的対象の画像内位置を求めるとともに、抽出された目的対象の画像サイズも必要に応じて取得する（Ｓｔｅｐ２０２）。なお、目的対象の種類が複数ある場合は、その種類ごとに目的対象を抽出し、画像内位置や画像サイズを取得する。ここで抽出された目的対象の種類と画像内位置や画像サイズは、「分類結果」として分類結果記憶手段１０８に記憶される。

用意されたすべての画像について、目的対象の種類ごとに分類結果（画像内位置や画像サイズを含む）が得られると、出現確度分布作成手段１０９が出現確度分布を作成し（Ｓｔｅｐ２０３）、標準サイズ分布作成手段１１０が標準サイズ分布を作成する（Ｓｔｅｐ２０４）。具体的には、出現確度分布作成手段１０９が分類結果記憶手段１０８から目的対象の画像内位置を読み出し、分割領域ごとにその目的対象が出現した回数を計上するとともに、それぞれの分割領域に対して出現確度を設定することで出現確度分布を作成する。また標準サイズ分布作成手段１１０が分類結果記憶手段１０８から目的対象の画像内位置と画像サイズを読み出し、分割領域ごとにその目的対象の標準サイズを設定することで標準サイズ分布を作成する。ここで作成された出現確度分布は出現確度分布記憶手段１０３に記憶され、標準サイズ分布は標準サイズ分布記憶手段１０４に記憶される。なお、目的対象の種類が複数ある場合は、目的対象の種類ごとに出現確度分布と標準サイズ分布を作成する。

本願発明の一般物体認識システムは、取得画像中に写る種々の施設を識別して抽出することによって、その施設管理に利用することができる。特に、沿道にある街灯や電柱、道路標識などを管理するうえで、好適に利用することができる。また、画像中に写る人や車両を数えることによって、通行者数や交通量の推定にも応用することができる。

１００ 一般物体認識システム
１０１ 物体認識手段
１０２ 教師データ記憶手段
１０３ 出現確度分布記憶手段
１０４ 標準サイズ分布記憶手段
１０５ 画像記憶手段
１０６ 抽出確度算出手段
１０７ 出力手段
１０８ 分類結果記憶手段
１０９ 出現確度分布作成手段
１１０ 標準サイズ分布作成手段

Claims (6)

1. 取得画像から目的対象を抽出した結果の信頼度である「抽出確度」を求める一般物体認識システムにおいて、
   物体認識によって前記取得画像から前記目的対象を認識する物体認識手段と、
   前記物体認識手段によって認識された前記目的対象の前記取得画像における位置と、出現確度分布と、に基づいて第１抽出確度を求める抽出確度算出手段と、を備え、
   前記出現確度分布は、前記取得画像を分割して得られる複数の分割領域ごとに、出現確度を付与することで得られ、
   前記出現確度は、当該分割領域において前記目的対象が実際に出現した回数に応じて設定され、
   前記抽出確度算出手段は、前記物体認識手段によって認識された前記目的対象の前記取得画像における位置に対応する前記分割領域に付与された前記出現確度に基づいて前記第１抽出確度を求めるとともに、該第１抽出確度に基づいて前記抽出確度を求める、
   ことを特徴とする一般物体認識システム。
2. 前記目的対象の種類ごとに前記出現確度分布が用意され、
   前記物体認識手段は、２以上の種類の前記目的対象の認識が可能であり、
   前記抽出確度算出手段は、前記目的対象の前記取得画像における位置と、当該目的対象に対応する前記出現確度分布と、に基づいて前記抽出確度を求める、
   ことを特徴とする請求項１記載の一般物体認識システム。
3. 前記分割領域ごとに前記出現確度を付与することで前記出現確度分布を作成する出現確度分布作成手段を、さらに備えた、
   ことを特徴とする請求項１又は請求項２記載の一般物体認識システム。
4. 前記抽出確度算出手段は、標準サイズ分布を用いて第２抽出確度を求め、
   前記標準サイズ分布は、前記分割領域ごとに標準サイズを付与することで得られ、
   前記標準サイズは、当該分割領域に実際に現れた前記目的対象の画像サイズに基づいて設定され、
   前記抽出確度算出手段は、前記物体認識手段によって認識された前記目的対象の画像サイズと、該目的対象の前記取得画像における位置に対応する前記分割領域に付与された前記標準サイズと、に基づいて前記第２抽出確度を求めるとともに、前記第１抽出確度と該第２抽出確度を統計処理することによって前記抽出確度を求める、
   ことを特徴とする請求項１乃至請求項３のいずれかに記載の一般物体認識システム。
5. 前記分割領域ごとに前記標準サイズを付与することで前記標準サイズ分布を作成する標準サイズ分布作成手段を、さらに備えた、
   ことを特徴とする請求項４記載の一般物体認識システム。
6. 前記物体認識手段は、前記目的対象を認識するとともに、該認識の確度である第３抽出確度を求め、
   前記抽出確度算出手段は、前記第１抽出確度、前記第２抽出確度、及び前記第３抽出確度を統計処理することによって前記抽出確度を求める、
   ことを特徴とする請求項４又は請求項５記載の一般物体認識システム。

Images