JP7414456B2 - 情報処理装置、同一性判定方法、および同一性判定プログラム - Google Patents
情報処理装置、同一性判定方法、および同一性判定プログラム Download PDFInfo
- Publication number
- JP7414456B2 JP7414456B2 JP2019188124A JP2019188124A JP7414456B2 JP 7414456 B2 JP7414456 B2 JP 7414456B2 JP 2019188124 A JP2019188124 A JP 2019188124A JP 2019188124 A JP2019188124 A JP 2019188124A JP 7414456 B2 JP7414456 B2 JP 7414456B2
- Authority
- JP
- Japan
- Prior art keywords
- detected
- image
- images
- identity determination
- unit
- 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
- 238000000034 method Methods 0.000 title claims description 120
- 230000010365 information processing Effects 0.000 title claims description 64
- 238000001514 detection method Methods 0.000 claims description 256
- 239000010813 municipal solid waste Substances 0.000 claims description 83
- 230000008569 process Effects 0.000 description 100
- 238000012545 processing Methods 0.000 description 45
- 238000010586 diagram Methods 0.000 description 21
- 238000012790 confirmation Methods 0.000 description 11
- 230000000007 visual effect Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 238000004056 waste incineration Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Description
本実施形態に係る不適物検出システムの構成を図2に基づいて説明する。図2は、不適物検出システム100の構成例を示すブロック図である。不適物検出システム100は、情報処理装置1、ごみ撮影装置2、車両情報収集装置3、選択表示装置4、および不適物表示装置5を含む。
図3は、ごみ焼却施設において、ごみ収集車200がごみをごみピット内に投下している様子を示す図である。図4は、ごみピット内を示す図である。ごみピットは、ごみ焼却施設に収集されたごみを一時的に格納する場所であり、ごみピット内のごみは順次焼却炉に送り込まれて焼却される。図3に示すように、ごみ焼却施設には扉300A、300Bといった複数の扉(以降、区別する必要が無い場合、扉300と総称する)が設けられている。また、図4に示すように、扉300の先にはごみピットが設けられている。つまり、扉300が開放されることで、ごみピットへごみを投下するための投下口が現れる。図3に示すように、ごみ収集車200は、投下口からごみをごみピット内に投下する。
情報処理装置1の構成を図1に基づいて説明する。図1は、情報処理装置1の制御部10の機能ブロック図の一例である。図1に示す制御部10には、物体検出部101、グラフ生成部102、入替部103、同一性判定部104、動画物体検出部105、選択表示制御部106、搬入車両特定部107、および不適物表示制御部108が含まれている。
図6は、ごみ画像から不適物を検出する処理の一例を示すフローチャートである。この処理を行う前提として、ごみ撮影装置2で撮影されたごみ画像のファイルが大容量記憶部12に保存されているとする。また、上記ファイルは動画ファイルであるとする。なお、動画ファイルの代わりに、時系列の複数の静止画ファイルを用いてもよい。この場合、使用する静止画ファイルは、例えば大容量記憶部12に保存されたファイルリストで管理されていてもよい。また、使用する静止画ファイルを大容量記憶部12の所定のディレクトリにまとめて格納しておいてもよい。以下の説明では、動画ファイルおよび静止画ファイルを単に動画像および静止画像と表記する場合がある。
図6のS200における物体検出処理の詳細を図7に基づいて説明する。図7は、静止画像からの物体検出処理の一例を示すフローチャートである。物体検出処理は、同一性判定方法の前段部分である。
S240では、例えば図8に示すデータ構造で物体検出結果を保存してもよい。図8は、静止画像からの物体検出結果を保存する際のデータ構造の例を示す図である。図8のデータ構造は、検出配列110および検出数111の配列を含む。また、このデータ構造には、動画中の画像数を示す情報112と、分類数を示す情報113も含まれる。
図9は、S300とS600の処理により作成される根付きグラフの例を示す図である。根付きグラフは、節点を枝で結んだ構成のグラフであり、検出物の分類毎に作成される。図9では、物体Aのグラフ0とグラフ2が例示されていると共に、物体Bのグラフ1が例示されている。
上記関係式の右辺の数値は、検出対象物の移動速度、動画像のフレームレート、およびフレーム画像の時間間隔等に応じて設定すればよい。上記の関係式を用いて物体検出する場合、動画物体検出部105が物体を検出するのは、図9の根付きグラフのうちグラフ0のみとなる。
図10は、根付きグラフに関する情報を保存する際のデータ構造の一例を示す図である。図10に示す各種データは、例えば高速記憶部11に保存される。図10のデータ構造には、節点配列115と節点数を示す情報116が含まれている。また、節点配列115は、各節点に付与した節点番号により各節点を識別して管理する構成となっている。そして、各節点について、親節点番号と、当該節点の検出配列の特定情報、子節点の検出配列の特定情報の配列、および子節点番号の配列を示す情報が対応付けられている。
図11に基づいて節点作成処理の流れを説明する。図11は、節点作成処理(同一性判定方法)の一例を示すフローチャートである。なお、図10のデータ構造を採用する場合の処理を説明する。
X差 = 古検出のx座標値 - 現検出のx座標値
Y差 = 古検出のy座標値 - 現検出のy座標値
横幅比= 古検出の横幅 / 現検出の横幅
縦幅比= 古検出の縦幅 / 現検出の縦幅
そして、同一性判定部104は、上記の値が下記の条件を充足するか否かにより同一性を判定してもよい。なお、下記の各条件における不等号は、等号付き不等号に置き換えてもよい。
X条件 : X閾値の下限値 < X差 < X閾値の上限値
Y条件 : Y差の絶対値 < Y閾値
横幅条件: 横幅比の下限値 < 横幅比 < 横幅比の上限値
縦幅条件: 縦幅比の下限値 < 縦幅比 < 縦幅比の上限値
図5に示したように、スロープ600の下流側(画像におけるX軸の負の方向)に進むほど、物体は小さく写る。このため、上記の横幅および縦幅の上限値および下限値を、画像番号の大きい画像程、小さい値としてもよい。これにより、誤検出が発生する可能性を低減することができる。
検出物の分類識別=分類識別番号
識別情報内の検出番号=古検出番号
なお、親節点番号と子節点番号の配列の全項目は未設定にする。すなわち、これらの配列の全項目が未設定項になる。なお、未設定であることは例えば「-1」等の値で表してもよい。
検出物の分類識別=分類識別番号
識別情報内の検出番号=現検出番号
S420では、グラフ生成部102は、古検出番号に1を加算し、この後、S380の処理に戻る。また、S430では、グラフ生成部102は、現検出番号に1を加算し、この後、S360の処理に戻る。また、S440では、グラフ生成部102は、分類識別番号に1を加算し、その後処理はS450に遷移する。
図12に基づいて節点接続処理の流れを説明する。図12は、節点接続処理の一例を示すフローチャートである。節点接続処理では、上述の節点作成処理では未設定であった、節点配列115における親節点番号と子節点番号の配列を更新する。この更新が、節点を枝で接続することに相当する。
図13に基づいて動画像からの物体検出処理の流れを説明する。図13は、動画像からの物体検出処理の一例を示すフローチャートである。動画像からの物体検出処理では、上述のようにして作成した根付きグラフ、具体的には完成した節点配列115を用いて物体を検出する。この処理では、根付きグラフの長さ、すなわち根付きグラフの根から最新の節点までの画像数に基づいて物体が検出される。
情報処理装置1が検出した画像に不適物が写っているか否かを、選択表示装置4を用いて目視確認させる処理について、図14に基づいて説明する。図14は、目視確認のための処理を説明する図である。図14には、目視確認させる処理の一例を示すフローチャートと、該フローチャートの処理によって選択表示装置4に表示される画面例とを示している。
不適物の画像を不適物表示装置5に表示させる処理について、図15に基づいて説明する。図15は、不適物の画像を表示させる処理を説明する図である。図15には、不適物の画像を表示させる処理の一例を示すフローチャートと、該フローチャートの処理によって不適物表示装置5に表示される画面例とを示している。なお、この処理の前提として、ごみ焼却施設にごみを搬入しに来たごみ収集車200の識別情報を車両情報収集装置3が取得して情報処理装置1に送信しているとする。
上述の各実施形態における物体検出や物体の分類等には、機械学習済みのニューラルネットワーク(深層学習したものを含む)以外の人工知能・機械学習アルゴリズムを用いることもできる。
101 物体検出部
103 入替部
104 同一性判定部
105 動画物体検出部
106 選択表示制御部(表示制御部)
4 選択表示装置(表示装置)
Claims (14)
- 時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出部と、
上記複数の画像のうち第1の画像から検出された第1の物体と、上記複数の画像のうち第2の画像から検出された第2の物体とが同一の物体であるか否かを判定する同一性判定部と、
上記第1の物体または上記第2の物体の縦幅と横幅の値を入れ替える入替部と、を備え、
上記入替部が上記の入れ替えを行った場合、上記同一性判定部は、入れ替え後の縦幅と横幅の値に基づいて上記判定を行い、
上記複数の画像は、動画像から抽出されたフレーム画像であり、
複数の上記フレーム画像のそれぞれで検出された物体を節点とし、上記同一性判定部が同一であると判定した物体に対応する上記節点を結ぶ線分を枝としたときに、
上記枝で結ばれた上記節点が検出された上記フレーム画像が所定数以上連続している場合に、上記枝で結ばれた上記節点に対応する上記物体を、上記動画像に写る物体として検出する動画物体検出部を備え、
上記動画物体検出部は、所定数以上連続する上記フレーム画像の中に、上記物体が検出されなかったフレーム画像が含まれている場合であっても、上記物体が検出されなかったフレーム画像から所定の物体が検出されているときには、当該物体を上記動画像に写る物体として検出し、
上記物体は、上記所定の物体であると誤検出される可能性のある物体である、ことを特徴とする情報処理装置。 - 時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出部と、
上記複数の画像のうち第1の画像から検出された第1の物体と、上記複数の画像のうち第2の画像から検出された第2の物体とが同一の物体であるか否かを判定する同一性判定部と、
上記第1の物体または上記第2の物体の縦幅と横幅の値を入れ替える入替部と、を備え、
上記入替部が上記の入れ替えを行った場合、上記同一性判定部は、入れ替え後の縦幅と横幅の値に基づいて上記判定を行い、
上記画像は、ごみピットに投入される途中のごみを撮影した画像であり、
上記物体検出部は、上記第1の物体と上記第2の物体の回転角度をさらに検出し、
上記同一性判定部は、上記第1の物体と上記第2の物体の回転角度の差を90°補正した値、または90°補正した上記第1の物体の回転角度と上記第2の物体の回転角度との差と、上記入替部が入れ替えた縦幅および横幅の値と、に基づいて上記第1の物体と上記第2の物体とが同一の物体であるか否かを判定する、ことを特徴とする情報処理装置。 - 上記第1の物体と上記第2の物体の回転角度の差が所定の閾値以上である場合に、
上記入替部は、上記第1の物体の縦幅と横幅とを入れ替え、
上記同一性判定部は、上記第1の物体と上記第2の物体の回転角度の差を90°補正した値と、上記入替部が入れ替えた縦幅および横幅の値と、に基づいて上記第1の物体と上記第2の物体とが同一の物体であるか否かを判定する、ことを特徴とする請求項2に記載の情報処理装置。 - 上記物体検出部は、上記第1の物体と上記第2の物体の位置情報をさらに検出し、
上記同一性判定部は、上記第1の物体の位置情報と上記第2の物体の位置情報とが所定の関係にあることを条件として、上記第1の物体と上記第2の物体とが同一の物体であると判定する、ことを特徴とする請求項1から3の何れか一項に記載の情報処理装置。 - 上記動画物体検出部は、所定数以上連続する上記フレーム画像の中に、上記物体が検出されなかったフレーム画像が含まれている場合であっても、上記物体が検出されなかったフレーム画像の前後の所定範囲内のフレーム画像から上記物体が検出されているときには、当該物体を上記動画像に写る物体として検出する、ことを特徴とする請求項1に記載の情報処理装置。
- 時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出部と、
上記複数の画像のうち第1の画像から検出された第1の物体と、上記複数の画像のうち第2の画像から検出された第2の物体とが同一の物体であるか否かを判定する同一性判定部と、
上記第1の物体または上記第2の物体の縦幅と横幅の値を入れ替える入替部と、を備え、
上記入替部が上記の入れ替えを行った場合、上記同一性判定部は、入れ替え後の縦幅と横幅の値に基づいて上記判定を行い、
上記複数の画像は、動画像から抽出されたフレーム画像であり、
複数の上記フレーム画像のそれぞれで検出された物体を節点とし、上記同一性判定部が同一であると判定した物体に対応する上記節点を結ぶ線分を枝としたときに、
上記枝で結ばれた上記節点が検出された上記フレーム画像が所定数以上連続している場合に、上記枝で結ばれた上記節点に対応する上記物体を、上記動画像に写る物体として検出する動画物体検出部を備え、
上記動画物体検出部が、上記動画像の複数箇所において物体を検出した場合、当該複数箇所のうち所定時間以上離れた箇所の上記フレーム画像を表示装置に表示させる表示制御部を備えている、ことを特徴とする情報処理装置。 - 時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出部と、
上記複数の画像のうち第1の画像から検出された第1の物体と、上記複数の画像のうち第2の画像から検出された第2の物体とが同一の物体であるか否かを判定する同一性判定部と、
上記第1の物体または上記第2の物体の縦幅と横幅の値を入れ替える入替部と、を備え、
上記入替部が上記の入れ替えを行った場合、上記同一性判定部は、入れ替え後の縦幅と横幅の値に基づいて上記判定を行い、
上記複数の画像は、動画像から抽出されたフレーム画像であり、
複数の上記フレーム画像のそれぞれで検出された物体を節点とし、上記同一性判定部が同一であると判定した物体に対応する上記節点を結ぶ線分を枝としたときに、
上記枝で結ばれた上記節点が検出された上記フレーム画像が所定数以上連続している場合に、上記枝で結ばれた上記節点に対応する上記物体を、上記動画像に写る物体として検出する動画物体検出部を備え、
上記物体検出部は、複数の分類に属する物体をそれぞれ検出し、
上記動画物体検出部が上記動画像の複数箇所でそれぞれ異なる分類の物体を検出した場合には、各箇所の上記フレーム画像を表示装置に表示させ、上記動画物体検出部が上記動画像の複数箇所で同じ分類の物体を検出した場合には、何れか一箇所の上記フレーム画像を表示装置に表示させる表示制御部を備えている、ことを特徴とする情報処理装置。 - 時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出部と、
上記複数の画像のうち第1の画像から検出された第1の物体と、上記複数の画像のうち第2の画像から検出された第2の物体とが同一の物体であるか否かを判定する同一性判定部と、
上記第1の物体または上記第2の物体の縦幅と横幅の値を入れ替える入替部と、を備え、
上記入替部が上記の入れ替えを行った場合、上記同一性判定部は、入れ替え後の縦幅と横幅の値に基づいて上記判定を行い、
上記複数の画像は、動画像から抽出されたフレーム画像であり、
複数の上記フレーム画像のそれぞれで検出された物体を節点とし、上記同一性判定部が同一であると判定した物体に対応する上記節点を結ぶ線分を枝としたときに、
上記枝で結ばれた上記節点が検出された上記フレーム画像が所定数以上連続している場合に、上記枝で結ばれた上記節点に対応する上記物体を、上記動画像に写る物体として検出する動画物体検出部を備え、
上記物体検出部は、検出結果の確からしさを示す指標値を出力し、
所定数以上連続する上記フレーム画像のうち、上記指標値に基づいて選択した上記フレーム画像を表示装置に表示させる表示制御部を備えていることを特徴とする情報処理装置。 - 一または複数の情報処理装置により実行される同一性判定方法であって、
時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出ステップと、
上記複数の画像のうち第1の画像から検出された第1の物体、または上記複数の画像のうち第2の画像から検出された第2の物体の縦幅と横幅の値を入れ替える入替ステップと、
入れ替え後の縦幅と横幅の値に基づいて、上記第1の物体と上記第2の物体とが同一の物体であるか否かを判定する同一性判定ステップと、を含み、
上記複数の画像は、動画像から抽出されたフレーム画像であり、
複数の上記フレーム画像のそれぞれで検出された物体を節点とし、上記同一性判定ステップにて同一であると判定された物体に対応する上記節点を結ぶ線分を枝としたときに、
上記枝で結ばれた上記節点が検出された上記フレーム画像が所定数以上連続している場合に、上記枝で結ばれた上記節点に対応する上記物体を、上記動画像に写る物体として検出する動画物体検出ステップを含み、
上記動画物体検出ステップでは、所定数以上連続する上記フレーム画像の中に、上記物体が検出されなかったフレーム画像が含まれている場合であっても、上記物体が検出されなかったフレーム画像から所定の物体が検出されているときには、当該物体を上記動画像に写る物体として検出し、
上記物体は、上記所定の物体であると誤検出される可能性のある物体である、ことを特徴とする同一性判定方法。 - 一または複数の情報処理装置により実行される同一性判定方法であって、
時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出ステップと、
上記複数の画像のうち第1の画像から検出された第1の物体、または上記複数の画像のうち第2の画像から検出された第2の物体の縦幅と横幅の値を入れ替える入替ステップと、
入れ替え後の縦幅と横幅の値に基づいて、上記第1の物体と上記第2の物体とが同一の物体であるか否かを判定する同一性判定ステップと、を含み、
上記画像は、ごみピットに投入される途中のごみを撮影した画像であり、
上記物体検出ステップでは、上記第1の物体と上記第2の物体の回転角度をさらに検出し、
上記同一性判定ステップでは、上記第1の物体と上記第2の物体の回転角度の差を90°補正した値、または90°補正した上記第1の物体の回転角度と上記第2の物体の回転角度との差と、上記入替ステップにて入れ替えた縦幅および横幅の値と、に基づいて上記第1の物体と上記第2の物体とが同一の物体であるか否かを判定する、ことを特徴とする同一性判定方法。 - 一または複数の情報処理装置により実行される同一性判定方法であって、
時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出ステップと、
上記複数の画像のうち第1の画像から検出された第1の物体、または上記複数の画像のうち第2の画像から検出された第2の物体の縦幅と横幅の値を入れ替える入替ステップと、
入れ替え後の縦幅と横幅の値に基づいて、上記第1の物体と上記第2の物体とが同一の物体であるか否かを判定する同一性判定ステップと、を含み、
上記複数の画像は、動画像から抽出されたフレーム画像であり、
複数の上記フレーム画像のそれぞれで検出された物体を節点とし、上記同一性判定ステップにて同一であると判定された物体に対応する上記節点を結ぶ線分を枝としたときに、
上記枝で結ばれた上記節点が検出された上記フレーム画像が所定数以上連続している場合に、上記枝で結ばれた上記節点に対応する上記物体を、上記動画像に写る物体として検出する動画物体検出ステップを含み、
上記動画物体検出ステップにて、上記動画像の複数箇所において物体を検出した場合、当該複数箇所のうち所定時間以上離れた箇所の上記フレーム画像を表示装置に表示させる、ことを特徴とする同一性判定方法。 - 一または複数の情報処理装置により実行される同一性判定方法であって、
時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出ステップと、
上記複数の画像のうち第1の画像から検出された第1の物体、または上記複数の画像のうち第2の画像から検出された第2の物体の縦幅と横幅の値を入れ替える入替ステップと、
入れ替え後の縦幅と横幅の値に基づいて、上記第1の物体と上記第2の物体とが同一の物体であるか否かを判定する同一性判定ステップと、を含み、
上記複数の画像は、動画像から抽出されたフレーム画像であり、
複数の上記フレーム画像のそれぞれで検出された物体を節点とし、上記同一性判定ステップにて同一であると判定された物体に対応する上記節点を結ぶ線分を枝としたときに、
上記枝で結ばれた上記節点が検出された上記フレーム画像が所定数以上連続している場合に、上記枝で結ばれた上記節点に対応する上記物体を、上記動画像に写る物体として検出する動画物体検出ステップを含み、
上記物体検出ステップでは、複数の分類に属する物体をそれぞれ検出し、
上記動画物体検出ステップにて上記動画像の複数箇所でそれぞれ異なる分類の物体を検出した場合には、各箇所の上記フレーム画像を表示装置に表示させ、上記動画物体検出ステップにて上記動画像の複数箇所で同じ分類の物体を検出した場合には、何れか一箇所の上記フレーム画像を表示装置に表示させる、ことを特徴とする同一性判定方法。 - 一または複数の情報処理装置により実行される同一性判定方法であって、
時系列で撮影された複数の画像のそれぞれから物体を検出し、検出した物体の縦幅および横幅を検出する物体検出ステップと、
上記複数の画像のうち第1の画像から検出された第1の物体、または上記複数の画像のうち第2の画像から検出された第2の物体の縦幅と横幅の値を入れ替える入替ステップと、
入れ替え後の縦幅と横幅の値に基づいて、上記第1の物体と上記第2の物体とが同一の物体であるか否かを判定する同一性判定ステップと、を含み、
上記複数の画像は、動画像から抽出されたフレーム画像であり、
複数の上記フレーム画像のそれぞれで検出された物体を節点とし、上記同一性判定ステップにて同一であると判定された物体に対応する上記節点を結ぶ線分を枝としたときに、
上記枝で結ばれた上記節点が検出された上記フレーム画像が所定数以上連続している場合に、上記枝で結ばれた上記節点に対応する上記物体を、上記動画像に写る物体として検出する動画物体検出ステップを含み、
上記物体検出ステップでは、検出結果の確からしさを示す指標値を出力し、
所定数以上連続する上記フレーム画像のうち、上記指標値に基づいて選択した上記フレーム画像を表示装置に表示させるステップを含む、ことを特徴とする同一性判定方法。 - 請求項1に記載の情報処理装置としてコンピュータを機能させるための同一性判定プログラムであって、上記物体検出部、上記同一性判定部、上記入替部、および上記動画物体検出部としてコンピュータを機能させるための同一性判定プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019188124A JP7414456B2 (ja) | 2019-10-11 | 2019-10-11 | 情報処理装置、同一性判定方法、および同一性判定プログラム |
CN202011051489.7A CN112652014A (zh) | 2019-10-11 | 2020-09-29 | 信息处理装置、同一性判定方法、以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019188124A JP7414456B2 (ja) | 2019-10-11 | 2019-10-11 | 情報処理装置、同一性判定方法、および同一性判定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021064138A JP2021064138A (ja) | 2021-04-22 |
JP7414456B2 true JP7414456B2 (ja) | 2024-01-16 |
Family
ID=75346647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019188124A Active JP7414456B2 (ja) | 2019-10-11 | 2019-10-11 | 情報処理装置、同一性判定方法、および同一性判定プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7414456B2 (ja) |
CN (1) | CN112652014A (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000105835A (ja) | 1998-07-28 | 2000-04-11 | Hitachi Denshi Ltd | 物体認識方法及び物体追跡監視装置 |
JP2014002454A (ja) | 2012-06-15 | 2014-01-09 | Panasonic Corp | 人物検出装置及び人物検出方法 |
JP2014182627A (ja) | 2013-03-19 | 2014-09-29 | Nec Corp | 情報処理システム、情報処理方法及びプログラム |
JP2017175463A (ja) | 2016-03-24 | 2017-09-28 | キヤノン電子株式会社 | 画像処理装置、画像処理方法、画像読取装置 |
JP2019095974A (ja) | 2017-11-21 | 2019-06-20 | 三菱電機インフォメーションシステムズ株式会社 | 追跡装置及び追跡プログラム |
-
2019
- 2019-10-11 JP JP2019188124A patent/JP7414456B2/ja active Active
-
2020
- 2020-09-29 CN CN202011051489.7A patent/CN112652014A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000105835A (ja) | 1998-07-28 | 2000-04-11 | Hitachi Denshi Ltd | 物体認識方法及び物体追跡監視装置 |
JP2014002454A (ja) | 2012-06-15 | 2014-01-09 | Panasonic Corp | 人物検出装置及び人物検出方法 |
JP2014182627A (ja) | 2013-03-19 | 2014-09-29 | Nec Corp | 情報処理システム、情報処理方法及びプログラム |
JP2017175463A (ja) | 2016-03-24 | 2017-09-28 | キヤノン電子株式会社 | 画像処理装置、画像処理方法、画像読取装置 |
JP2019095974A (ja) | 2017-11-21 | 2019-06-20 | 三菱電機インフォメーションシステムズ株式会社 | 追跡装置及び追跡プログラム |
Non-Patent Citations (1)
Title |
---|
岡田 亜沙美 外,大域的最適な複数対象追跡における進行方向制約を用いた精度向上,電子情報通信学会技術研究報告 Vol.113 No.403,2014年01月16日 |
Also Published As
Publication number | Publication date |
---|---|
JP2021064138A (ja) | 2021-04-22 |
CN112652014A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nath et al. | Deep convolutional networks for construction object detection under different visual conditions | |
KR102220174B1 (ko) | 머신러닝 학습 데이터 증강장치 및 증강방법 | |
Saxena et al. | Make3d: Learning 3d scene structure from a single still image | |
Maung | Real-time hand tracking and gesture recognition system using neural networks | |
CN109658412B (zh) | 一种面向拆垛分拣的包装箱快速识别分割方法 | |
CN111951212A (zh) | 对铁路的接触网图像进行缺陷识别的方法 | |
CN110909671B (zh) | 一种融合概率和高度信息的栅格地图障碍物检测方法 | |
CN106027931A (zh) | 视频录制方法及服务器 | |
CN108491856B (zh) | 一种基于多尺度特征卷积神经网络的图像场景分类方法 | |
CN108446692A (zh) | 人脸比对方法、装置和系统 | |
CN102479324A (zh) | 图像处理设备及方法以及程序 | |
CN114937179B (zh) | 垃圾图像分类方法、装置、电子设备及存储介质 | |
CN110378942A (zh) | 基于双目相机的障碍物标识方法、系统、设备和存储介质 | |
CN108198202A (zh) | 一种基于光流和神经网络的视频内容检测方法 | |
JPWO2015136709A1 (ja) | 画像処理装置、画像センサ、画像処理方法 | |
JP7414456B2 (ja) | 情報処理装置、同一性判定方法、および同一性判定プログラム | |
JP6887033B1 (ja) | 画像処理装置、工作機械および画像処理方法 | |
WO2024016635A1 (zh) | 物品拣选方法及装置、计算机可读存储介质 | |
CN117351409A (zh) | 混凝土坝面作业风险智能识别方法 | |
Noor et al. | Model generation for video-based object recognition | |
CN116109911A (zh) | 一种三维场景审核方法、装置及计算机存储介质 | |
CN114419356A (zh) | 一种稠密排列电力设备检测方法、系统、设备及存储介质 | |
CN114677638A (zh) | 一种基于深度学习和聚类人群异常聚集的检测方法 | |
CN114067360A (zh) | 一种行人属性检测方法及装置 | |
CN114255435A (zh) | 传送装置异常检测方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220901 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230710 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230718 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231101 |
|
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: 20231212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7414456 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |