JP7414962B2 - 体重推定装置、体重推定方法及びプログラム - Google Patents

Description

本発明は、体重推定装置、体重推定方法及びプログラムに関する。

畜産農家では、飼育している家畜の体重を把握することが従来から行われている。これは、例えば、豚等の家畜では、或る体重を超えると食肉としての価値が下がってしまうことがあるためである。

ところで、畜産農家で飼育されている家畜は数百頭（又は数百匹、数百羽等）を超える場合がある。このため、体重計等を用いる場合、家畜の体重の把握には手間を要する。これに対して、家畜をビデオカメラで撮影し、撮影した画像中における家畜の面積から体重を推定する技術が知られている（例えば、特許文献１参照）。

特開平６－３１８１号公報

しかしながら、様々な原因（例えば、撮影時における家畜の姿勢、カメラと家畜との距離等）により、上記の従来技術では、推定された体重と真の体重との誤差が大きかった。

本発明の一実施形態は、上記の点に鑑みてなされたもので、高い精度で体重を推定することを目的とする。

上記目的を達成するため、一実施形態に係る体重推定装置は、体重の推定対象を撮影した撮影データを取得する取得手段と、前記取得手段により取得された前記撮影データに基づいて、前記撮影データ中における前記推定対象の所定の部分領域を除去する加工手段と、前記加工手段により前記部分領域が除去された撮影データを用いて、予め作成された推定モデルにより前記推定対象の体重を推定する推定手段と、を有することを特徴とする。

高い精度で体重を推定することができる。

本実施形態に係る体重推定システムの全体構成の一例を示す図である。 撮影条件の一例を説明するための図である。 点群データの一例を説明するための図である。 本実施形態に係る体重推定処理部の機能構成の一例を示す図である。 本実施形態に係る学習処理の一例を示すフローチャートである。 投影画像の一例を説明するための図である。 フィット円候補の探索の一例を説明するための図である。 誤差の算出の一例を説明するための図である。 領域除去の一例を説明するための図である。 補正投影面積の算出の一例を説明するための図である。 体幅の算出の一例を説明するための図である。 体長の算出の一例を説明するための図である。 本実施形態に係る体重推定処理の一例を示すフローチャートである。

以下、本発明の一実施形態について、図面を参照しながら説明する。本実施形態では、高い精度で豚の体重を推定することが可能な体重推定システム１について説明する。なお、本実施形態では、体重の推定対象となる家畜の一例として豚を想定して説明するが、家畜は豚に限られず、例えば、牛、馬、羊、鶏等の種々の家畜であってもよい。また、体重の推定対象は家畜だけでなく、例えば、愛玩動物（いわゆるペット）や野生動物等であってもよい。

＜全体構成＞
まず、本実施形態に係る体重推定システム１の全体構成について、図１を参照しながら説明する。図１は、本実施形態に係る体重推定システム１の全体構成の一例を示す図である。

図１に示すように、本実施形態に係る体重推定システム１には、体重の推定を行う体重推定装置１０と、体重の推定対象である豚Ｐを撮影するカメラ装置２０とが含まれる。体重推定装置１０とカメラ装置２０とは、例えば、無線若しくは有線又はその両方により通信可能に接続されている。

カメラ装置２０は、豚Ｐを撮影する撮影者が利用するデジタルカメラ、スマートフォン、タブレット端末等である。撮影者は、カメラ装置２０を用いて、豚Ｐの上方から当該豚Ｐを撮影することで撮影データを得ることができる。なお、カメラ装置２０は所定の位置に固定的に設置されたカメラであってもよい。

ここで、カメラ装置２０には深度センサが備えられており、撮影範囲内における各点の深度を測定し、これら各点の高さを表す撮影データを生成するものとする。したがって、カメラ装置２０により生成される撮影データは、撮影範囲内の各位置を（ｘ，ｙ）、これらの各位置における深度値をｚとして、（ｘ，ｙ，ｚ）の点群で表される。以降では、（ｘ，ｙ，ｚ）の点群で表される撮影データを「点群データ」と表す。

体重推定装置１０は、カメラ装置２０が生成した点群データから豚Ｐの体重を推定するコンピュータ又はコンピュータシステムである。体重推定装置１０は、予め準備した学習データを用いて算出した回帰式により、豚Ｐの体重を推定する。学習データは回帰式を算出するためのデータであり、例えば、体重が既知である豚Ｐを撮影することで生成された点群データと、この豚Ｐの体重を示す正解体重との組で表される。なお、回帰式は回帰モデル等と称されてもよく、推定対象の体重を推定するための推定モデルの一例である。

ここで、体重推定装置１０には、体重推定処理部１００と、記憶部１１０とが含まれる。体重推定処理部１００は、体重推定装置１０にインストールされた１以上のプログラムが、ＣＰＵ（Central Processing Unit）等のプロセッサに実行させる処理により実現される。また、記憶部１１０は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の補助記憶装置を用いて実現可能である。

体重推定装置１０は、体重推定処理部１００により、予め準備した学習データを用いて豚Ｐの体重を推定するための回帰式を算出する「学習処理」と、この回帰式により豚Ｐの体重を推定する「体重推定処理」とを実行する。また、記憶部１１０には、学習処理及び体重推定処理の実行に必要な情報や各種処理結果（例えば、学習データや回帰式、体重の推定対象の豚Ｐの点群データ、体重の推定結果等）が記憶される。

なお、図１に示す体重推定システム１の全体構成は一例であって、他の構成であってもよい。例えば、体重推定システム１には複数のカメラ装置２０が含まれていてもよい。また、体重推定処理部１００の一部又は全部が、クラウドサービス等により提供される機能で実現されていてもよい。

＜撮影条件＞
ここで、カメラ装置２０を用いて撮影者が豚Ｐを撮影する際の撮影条件について説明する。豚Ｐを撮影する際、カメラ装置２０のディスプレイ等には、例えば、図２に示す撮影画面１０００が表示される。撮影画面１０００には豚Ｐの撮影位置を合わせるためのガイド１１００が表示されている。また、ガイド１１００には、撮影範囲の中心を示すガイド１１１０が含まれている。ここで、本実施形態では、点群データの原点（つまり、（ｘ，ｙ，ｚ）＝（０，０，０）となる位置）はカメラ装置２０のカメラ位置であるものとする。したがって、ガイド１１１０が示す位置は点群データの任意のｘｙ平面における原点（つまり、（ｘ，ｙ）＝（０，０））である。なお、撮影方向をｚ軸の正の方向、撮影画面１０００の下方向（つまり、豚Ｐの頭方向）をｘ軸の正の方向、撮影画面１０００の右方向（つまり、豚Ｐの左側方向）をｙ軸の正の方向とする。

撮影者は豚Ｐの上方にカメラ装置２０を移動させて、ガイド１１００が示す枠に豚Ｐの輪郭が合致するように調整した上で、撮影ボタン１２００を押下することで当該豚Ｐを撮影する。これにより、複数の豚Ｐをそれぞれ撮影した場合であっても、ｘｙｚ空間における原点と豚Ｐを表す点群との相対的な位置関係がほぼ同様の点群データを得ることが可能となる。

＜点群データ＞
次に、或る豚Ｐをカメラ装置２０で撮影することで生成された点群データ２０００について説明する。図３に示すように、点群データ２０００は、ｘｙｚ空間内の点（ｘ，ｙ，ｚ）の集合である。なお、上述したように、カメラ装置２０のカメラ位置を原点として、豚Ｐの頭方向がｘ軸の正の方向、豚Ｐの左側方向がｙ軸の正の方向、カメラ装置２０の撮影方向がｚ軸の正の方向である。

なお、１つの点群データがどの程度の数の点の集合で構成されるかは、例えば、カメラ装置２０の解像度等によって異なる。

＜機能構成＞
次に、本実施形態に係る体重推定処理部１００の機能構成について、図４を参照しながら説明する。図４は、本実施形態に係る体重推定処理部１００の機能構成の一例を示す図である。

図４に示すように、本実施形態に係る体重推定処理部１００には、取得部１０１と、前処理部１０２と、画像作成部１０３と、加工部１０４と、指標値算出部１０５と、回帰式算出部１０６と、体重推定部１０７とが含まれる。

取得部１０１は、学習処理において、記憶部１１０に記憶されている学習データを取得する（読み込み）。上述したように、学習データとは、体重が既知である豚Ｐを撮影することで生成された点群データと、この豚Ｐの体重を示す正解体重との組で表されるデータのことである。

また、取得部１０１は、体重推定処理において、体重の推定対象の豚Ｐを撮影することで生成された点群データを記憶部１１０（又はカメラ装置２０）から取得する。

前処理部１０２は、学習処理及び体重推定処理において、取得部１０１により取得された点群データに対して所定の前処理を行う。ここで、前処理としては、例えば、豚Ｐ部分以外の点が点群データに含まれる場合にこのような点を除去したり、豚Ｐ部分の点群をリサンプリングして所定の解像度に変換したり処理等が挙げられる。なお、前処理は豚の体重の推定精度を向上させるための処理であり、必ずしも行われなくてもよい。

画像作成部１０３は、学習処理及び体重推定処理において、前処理後の点群データをｘｙ平面に投影した投影画像を作成する。

加工部１０４は、学習処理及び体重推定処理において、前処理後の点群データ及び投影画像に対して、豚Ｐの頭部分や尻尾部分を除去する加工を行う。これは、豚の頭部分や尻尾部分が撮影時に動くことで、頭部分や尻尾部分が点群データに含まれたり含まれなかったりするため、体重の推定精度に悪影響を与えるためである。

指標値算出部１０５は、学習処理及び体重推定処理において、加工後の点群データと加工後の投影画像とを用いて、所定の指標値を算出する。ここで、本実施形態では、以下の４つの指標値を算出するものとする。

・補正投影面積
・姿勢補正値
・撮影高さ補正値
・体長及び体幅
ここで、補正投影面積とは、豚Ｐの体表面の傾き（傾斜）を考慮して、投影画像の面積を補正した値のことである。姿勢補正値は、豚Ｐの姿勢（例えば、首を上げている又は下げている等）を表す値のことである。撮影高さ補正値は、カメラ装置２０から豚Ｐまでの距離を表す値のことである。体長及び体幅は、豚Ｐの体長及び体幅をそれぞれ表す値である。

回帰式算出部１０６は、学習処理において、指標値算出部１０５により算出された指標値と、正解体重とを用いて、回帰式を算出する。ここで、本実施形態では、回帰式は以下式（１）で表されるものとする。

推定体重＝ａ_１×（補正投影面積）＋ａ_２×（姿勢補正値）＋ａ_３×（撮影高さ補正値）＋ａ_４×（体長）／（体幅）＋ｂ ・・・（１）
ここで、ａ_１，ａ_２，ａ_３，ａ_４，ｂは回帰式のパラメータである。回帰式算出部１０６は、これらのパラメータａ_１，ａ_２，ａ_３，ａ_４，ｂを既知の手法（例えば、最小二乗法等）により推定することで、回帰式を算出する。

なお、本実施形態では、上記の４つの指標値を用いる場合について説明するが、これら４つの指標値を全て用いる必要はなく、少なくとも１つの指標値が用いられればよい。このような場合、上記の式（１）のパラメータａ_１，ａ_２，ａ_３，ａ_４のうち、用いられなかった指標値に対応するパラメータ（つまり、当該指標値に乗算されるパラメータ）を０とすればよい。例えば、補正投影面積を用いない場合は、ａ_１＝０として、上記の式（１）に示す回帰式を、推定体重＝ａ_２×（姿勢補正値）＋ａ_３×（撮影高さ補正値）＋ａ_４×（体長）／（体幅）＋ｂとすればよい。同様に、例えば、姿勢補正値と撮影高さ補正値とを用いない場合は、ａ_２＝０，ａ_３＝０として、上記の式（１）に示す回帰式を、推定体重＝ａ_１×（補正投影面積）＋ａ_４×（体長）／（体幅）＋ｂとすればよい。他の指標値を用いない場合についても同様である。

体重推定部１０７は、体重推定処理において、指標値算出部１０５により算出された指標値を用いて、上記の式（１）に示す回帰式により豚Ｐの体重を推定する。ただし、体重推定処理では、学習処理で推定されたパラメータａ_１，ａ_２，ａ_３，ａ_４，ｂを用いる。

＜学習処理＞
以降では、本実施形態に係る学習処理について、図５を参照しながら説明する。図５は、本実施形態に係る学習処理の一例を示すフローチャートである。図５のステップＳ１０１～ステップＳ１０５は、記憶部１１０に記憶されている学習データ毎に繰り返し実行される。例えば、Ｎ件の学習データが記憶部１１０に記憶されている場合、ステップＳ１０１～ステップＳ１０５はＮ回繰り返し実行される。

まず、取得部１０１は、記憶部１１０に記憶されている学習データの中から１件の学習データを取得する（ステップＳ１０１）。

次に、前処理部１０２は、上記のステップＳ１０１で取得された学習データに含まれる点群データに対して所定の前処理を行う（ステップＳ１０２）。ここで、以降では、当該点群データに対する前処理として、豚Ｐ部分以外の点の除去と、豚Ｐ部分の点群のリサンプリングによる所定の解像度への変換とが行なわれたものとする。なお、リサンプリングによる所定の解像度への変換とは、点群データに含まれる各点をリサンプリングして、予め決められた所定の間隔の３次元点群（例えば、隣接する点同士の間隔が１．０ｃｍである点群等）を得ることをいう。

次に、画像作成部１０３は、上記のステップＳ１０２で前処理が行なわれた点群データ（又は、前処理が行なわれない場合は上記のステップＳ１０１で取得された学習データに含まれる点群データ）をｘｙ平面に投影した投影画像を作成する（ステップＳ１０３）。ここで、投影画像の一例を図６に示す。図６に示す投影画像３０００は点群データ２０００を或るｘｙ平面に投影した画像であり、点群データ２０００の豚Ｐ部分の点群が投影された豚領域３１００が含まれる。ここで、点３１１０がｘｙ平面の原点であり、図２のガイド１１１０が示す位置の点がｘｙ平面に投影されたものである。

また、このとき、画像作成部１０３は、投影画像３０００中における豚領域３１００を左右（豚が歩行する際の進行方向に対して左右）に分割する分割線３１２０を算出してもよい。このような分割線３１２０は、豚領域３１００に含まれるｘ座標値をｘ_１，ｘ_２，・・・，ｘ_Ｍとした場合に、ｘ座標値がｘ_ｉ（１≦ｉ≦Ｍ）のとき豚領域３１００に含まれるｙ座標値がｙ_{ｍｉｎ，ｉ}≦ｙ≦ｙ_{ｍａｘ，ｉ}を取り得るとすれば、各ｉ＝１，・・・，Ｍ－１に対して（ｘ_ｉ，（ｙ_{ｍａｘ，ｉ}－ｙ_{ｍｉｎ，ｉ}）／２）と（ｘ_ｉ＋１，（ｙ_{ｍａｘ，ｉ＋１}－ｙ_{ｍｉｎ，ｉ＋１}）／２）とをｘｙ平面上の直線で接続することで算出される。又は、点群｛（ｘ_ｉ，（ｙ_{ｍａｘ，ｉ}－ｙ_{ｍｉｎ，ｉ}）／２）｜ｉ＝１，・・・，Ｍ｝を近似する関数で表される曲線を分割線３１２０としてもよい。なお、このような関数は、例えば、ｐｏｌｙｆｉｔ等のライブラリにより求めることが可能である。

次に、加工部１０４は、上記のステップＳ１０２で前処理が行なわれた点群データ（又は、前処理が行なわれない場合は上記のステップＳ１０１で取得された学習データに含まれる点群データ）と、上記のステップＳ１０３で作成された投影画像とに対して、豚Ｐの頭部分や尻尾部分を除去する加工を行う（ステップＳ１０４）。ここで、加工部１０４は、以下のＳｔｅｐ１～Ｓｔｅｐ７により当該加工を行う。なお、以降では、一例として、図３に示す点群データ２０００と図６に示す投影画像３０００とに対して加工を行う場合について説明する。

Ｓｔｅｐ１：まず、加工部１０４は、図７に示すように、ｊ＝１，予め設定されたウインドウサイズをＬ＞０として、投影画像３０００に対して探索領域Ｒ_１１＝｛（ｘ，ｙ）｜ｘ_１１≦ｘ≦ｘ_１１＋Ｌ｝及びＲ_２１＝｛（ｘ，ｙ）｜ｘ_２１－Ｌ≦ｘ≦ｘ_２１｝を設定する。なお、ｘ_１１≧０，ｘ_２１≦０は探索領域のｘ座標の開始点であり、予め設定される。

Ｓｔｅｐ２：次に、加工部１０４は、豚領域３１００の境界上の点であり、かつ、探索領域Ｒ_１１に含まれる点にフィットする円（つまり、これらの点群を近似する円）Ｓ_１１を推定する。同様に、加工部１０４は、豚領域３１００の境界上の点であり、かつ、探索領域Ｒ_２１に含まれる点にフィットする円Ｓ_１１を推定する。以降では、これらの円を「フィット円候補」と呼ぶ。なお、フィット円候補は最小二乗法により推定することが可能であり、例えば、「https://myenigma.hatenablog.com/entry/2015/09/07/214600」等を参照されたい。

Ｓｔｅｐ３：続いて、加工部１０４は、ｊ←ｊ＋１，ｘ_１ｊ＝ｘ_{１（ｊ－１）}＋ｄ_１，ｘ_２ｊ＝ｘ_{２（ｊ－１）}－ｄ_２として、投影画像３０００に対して探索領域Ｒ_１ｊ＝｛（ｘ，ｙ）｜ｘ_１ｊ≦ｘ≦ｘ_１ｊ＋Ｌ｝及びＲ_２ｊ＝｛（ｘ，ｙ）｜ｘ_２ｊ－Ｌ≦ｘ≦ｘ_２ｊ｝を設定する。ここで、ｄ_１，ｄ_２＞０は予め設定された値である。すなわち、加工部１０４は、探索領域Ｒ_{１（ｊ－１）}をｘ軸方向にｄ_１だけスライドさせて探索領域Ｒ_１ｊとすると共に、探索領域Ｒ_{２（ｊ－１）}をｘ軸方向に－ｄ_２だけスライドさせて探索領域Ｒ_２ｊとする。

Ｓｔｅｐ４：次に、加工部１０４は、豚領域３１００の境界上の点であり、かつ、探索領域Ｒ_１ｊに含まれる点にフィットする円Ｓ_１ｊを推定する。同様に、加工部１０４は、豚領域３１００の境界上の点であり、かつ、探索領域Ｒ_２ｊに含まれる点にフィットする円Ｓ_１１を推定する。

上記のＳｔｅｐ３～Ｓｔｅｐ４は、例えば、投影画像３０００内でｘ座標が取り得る値の範囲をＸ_１≦ｘ≦Ｘ_２として、ｘ_２１－Ｌ≦Ｘ_１かつＸ_２≦ｘ_１ｊ＋Ｌを満たすまで繰り返し実行される。これにより、フィット円候補の集合｛Ｓ_１ｊ｝及び｛Ｓ_２ｊ｝が得られる。

Ｓｔｅｐ５：続いて、加工部１０４は、フィット円候補の集合｛Ｓ_１ｊ｝の中から頭部分を除去するためのフィット円Ｓ_１を選択すると共に、フィット円候補の集合｛Ｓ_２ｊ｝の中から尻尾部分を除去するためのフィット円Ｓ_２を選択する。ここで、フィット円Ｓ_１を選択する方法について説明する。

図８に示すように、フィット円候補Ｓ_１ｊの中心をＯ_ｊとして、豚領域３１００の境界Ｂ上の各点Ｑ_ｍに対してＯ_ｊとＱ_ｍを通る直線を引き、当該直線とフィット円候補Ｓ_１ｊとの交点をＰ_ｍｊとする。また、当該直線上におけるＰ_ｍｊとＱ_ｍとの距離をΔ_ｍｊとする。この距離Δ_ｍｊを境界Ｂ上の各点Ｑ_ｍ（ｍ＝１，・・・）に対して算出した上で、これらの距離Δ_ｍｊの平均値をフィット円候補Ｓ_１ｊの誤差とする。そして、各フィット円候補Ｓ_１ｊの誤差に基づいて、フィット円候補の集合｛Ｓ_１ｊ｝の中から１つのフィット円候補をフィット円Ｓ_１として選択する。フィット円Ｓ_１の選択方法としては、例えば、誤差が最も小さいフィット円候補をフィット円Ｓ_１として選択してもよいし、誤差の変化の度合いからフィット円Ｓ_１を選択してもよい。誤差の変化の度合いからフィット円を選択する方法としては、例えば、各フィット円候補の中心のｘ座標とそのフィット円候補の誤差とをプロットした場合に、誤差が極小値をとるフィット円候補の中でｘ座標が最も大きいフィット円候補（つまり、誤差が極小値をとり、かつ、最も右側にあるフィット円候補）をフィット円Ｓ_１として選択すればよい。ただし、誤差が極小値をとるフィット円候補が存在しない場合は、誤差が最も小さいフィット円候補をフィット円Ｓ_１として選択すればよい。なお、フィット円Ｓ_２を選択する方法についても同様であるが、誤差の変化の度合いからフィット円Ｓ_２を選択する場合は、誤差が極小値をとるフィット円候補の中でｘ座標が最も小さいフィット円候補（つまり、誤差が極小値をとり、かつ、最も左側にあるフィット円候補）をフィット円Ｓ_２として選択する。

Ｓｔｅｐ６：そして、加工部１０４は、上記のＳｔｅｐ５で得られたフィット円Ｓ_１及びＳ_２をそれぞれ用いて、豚領域３１００における頭部分及び尻尾部分を除去する。

例えば、図９に示すフィット円Ｓ_１が得られた場合、加工部１０４は、ｙ軸に平行で、かつ、フィット円Ｓ_１に接する直線のうち、ｘ座標値が大きい方の直線をＴ_１として、豚領域３１００の中で直線Ｔ_１よりもｘ座標値が大きい領域を削除する。これにより、豚領域３１００における頭部分が除去される。

また、例えば、図９に示すフィット円Ｓ_２が得られた場合、加工部１０４は、ｙ軸に平行で、かつ、フィット円Ｓ_２に接する直線のうち、ｘ座標値が小さい方の直線をＴ_２として、豚領域３１００の中で直線Ｔ_２よりもｘ座標値が小さい領域を削除する。これにより、豚領域３１００における尻尾部分が除去される。

なお、上記では、ｙ軸に平行で、かつ、フィット円Ｓ_１に接する直線のうち、ｘ座標値が大きい方の直線をＴ_１としたが、これに限られず、例えば、ｙ軸に平行で、かつ、フィット円Ｓ_１の中心を通る直線をＴ_１としてもよいし、分割線３１２０とフィット円Ｓ_１との交点におけるフィット円Ｓ_１の接線をＴ_１としてもよい。同様に、例えば、ｙ軸に平行で、かつ、フィット円Ｓ_２の中心を通る直線をＴ_２としてもよいし、分割線３１２０とフィット円Ｓ_２との交点におけるフィット円Ｓ_２の接線をＴ_２としてもよい。

また、直線Ｔ_１を用いて領域を削除するのではなく、例えば、豚領域３１００のうち、フィット円Ｓ_１の中心よりもｘ座標値が大きく、かつ、フィット円Ｓ_１の円周上の各点よりもｘ座標値が大きい範囲の領域を削除してもよい。同様に、例えば、豚領域３１００のうち、フィット円Ｓ_２の中心よりもｘ座標値が小さく、かつ、フィット円Ｓ_２の円周上の各点よりもｘ座標値が小さい範囲の領域を削除してもよい。

また、上記のステップＳ１０４では豚領域３１００における頭部分と尻尾部分の両方を除去したが、例えば、両方を除去するのではなく、いずれか一方のみを除去してもよい。更に、除去（削除）対象となった領域の面積が所定の閾値以下である場合は、当該領域を除去しないようにしてもよい。

Ｓｔｅｐ７：最後に、加工部１０４は、上記のＳｔｅｐ６で除去された部分（頭部分及び尻尾部分）に対応する点群（つまり、投影画像３０００を作成する際に頭部分及び尻尾部分に投影される点群）を点群データ２０００から除去する。

図５に戻る。ステップＳ１０４に続いて、指標値算出部１０５は、補正投影面積と、姿勢補正値と、撮影高さ補正値と、体長及び体幅とを指標値として算出する（ステップＳ１０５）。以下それぞれの指標値の算出方法について説明する。

≪補正投影面積≫
上記のステップＳ１０３で点群データ２０００から投影画像３０００を作成する際に、豚Ｐの体表面の傾きが失われてしまう。このため、豚領域３１００の面積は、当該豚領域３１００に対応する豚Ｐの体表面の面積よりも小さくなってしまう。そこで、豚領域３１００の面積を、豚Ｐの体表面の傾きを考慮して補正した補正投影面積を算出する。

上記のステップＳ１０３で隣接する点同士の間隔が１．０ｃｍとなるようにリサンプリングされた場合、投影画像３０００の画素間の間隔も１，０ｃｍとなる。したがって、図１０に示すように、（ｘ，ｙ）＝（４，６），（５，６），（４，５），（５，５）の位置にある４つの画素が豚領域３１００に含まれている場合、これら４つの画素で囲まれる領域Ｖ_１（この領域を「単位領域」を表す。）の面積は１．０ｃｍ^２となる。同様に、単位領域Ｖ_２～Ｖ_５の面積も１．０ｃｍ^２となる。豚領域３１００の面積は、当該豚領域３１００に含まれる単位領域の面積の合計により算出される。

このとき、例えば、点群データ２０００に含まれる点のうち、（ｘ，ｙ）＝（４，１），（４，２），（４，３），（４，４），（４，５），（４，６）にそれぞれ対応する点のｚ座標値がＺ_１＝１．０であり、（ｘ，ｙ）＝（５，１），（５，２），（５，３），（５，４），（５，５），（５，６）にそれぞれ対応する点のｚ座標値がＺ_２＝１．５であったとする。この場合、単位領域Ｖ_１～Ｖ_５は豚Ｐの体表面の傾きが失われていることになる。

そこで、図１０に示すように、１．０／ｓｉｎθ≒１．１２により単位領域Ｖ_１～Ｖ_５のｘ軸方向の辺を補正して（つまり、１．０／ｓｉｎθを乗じて）、補正後単位領域Ｗ_１～Ｗ_５とする。そして、単位領域Ｖ_１～Ｖ_５の面積の代わりに、補正後単位領域Ｗ_１～Ｗ_５の面積を用いて、豚領域３１００の面積を算出する。この面積が補正投影面積である。なお、図１０に示す例では、単位領域のｘ軸方向の辺を補正したが、ｙ軸方向の辺が補正されてもよいし、ｘ軸方向の辺とｙ軸方向の辺の両方が補正されてもよい。

≪姿勢補正値≫
豚Ｐが首を上げている場合と逆に首を下げている場合とでは豚Ｐの姿勢が異なるため、体重の推定精度に影響を与えることがある。そこで、姿勢補正値を指標値として算出する。

点群データ２０００に含まれる点のうち、図６で説明した分割線３１２０上の点（ｘ，ｙ）に対応する点（ｘ，ｙ，ｚ）を近似する多項式関数をｆとする。すなわち、ｚ≒ｆ（ｘ，ｙ），（ただし、（ｘ，ｙ）は分割線３１２０上の点）となる多項式関数をｆとする。このような関数ｆは、例えば、ｐｏｌｙｆｉｔ等のライブラリにより求めることが可能である。

そして、多項式関数ｆの所定の係数（例えば、ｘの２次の係数、ｙの２次係数、又はｘｙの係数等）を姿勢補正値とする。

なお、上記では、（ｘ，ｙ）を分割線３２０上の点として、ｚ＝ｆ（ｘ，ｙ）となる多項式関数ｆを求めたが、これに限られず、例えば、所定のｘｚ平面（例えば、ｙ＝０であるｘｚ平面）で、点群データ２０００に含まれる点（ｘ，ｚ）を近似する多項式関数ｆ（つまり、ｚ≒ｆ（ｘ）となる多項式関数ｆ）を求めてもよい。この場合も、多項式関数ｆの所定の係数（例えば、ｘの２次の係数等）を姿勢補正値とすればよい。

≪撮影高さ補正値≫
撮影者の身長や手の長さ等によってカメラ装置２０から豚Ｐまでの距離が異なり、体重の推定精度に影響を与えることがある。そこで、撮影高さ補正値を指標値として算出する。

点群データ２０００に含まれる点のうち、ｘ＝０かつｙ＝０でｚ座標値が最も小さい点と、原点（つまり、カメラ装置２０のカメラ位置）との間の直線距離を撮影高さ補正値とすればよい。

≪体長及び体幅≫
豚Ｐによって体長及び体幅が異なるため、体重の推定精度に影響を与えることがある。そこで、体長及び体幅を指標値として算出する。

図１１に示すように、点３１１０（つまり、ｘｙ平面の原点）を通り、かつ、豚領域３１００の境界上の点を端点し、分割線３１２０に直交する直線３１３０を算出する。そして、この直線３１３０の長さを体幅とすればよい。

また、図１２に示すように、上記のＳｔｅｐ７での除去後の点群データ２１００に含まれる点うち、分割線３１２０上の点（ｘ，ｙ）に対応する点（ｘ，ｙ，ｚ）を近似する関数をｆとして、この関数ｆが表す曲線２１１０の長さを体長とすればよい。

図５に戻る。上記のステップＳ１０１～ステップＳ１０５が学習データ毎に繰り返し実行された後、回帰式算出部１０６は、各学習データに対応する指標値及び正解体重を用いて、回帰式を算出する（ステップＳ１０６）。すなわち、回帰式算出部１０６は、パラメータａ_１，ａ_２，ａ_３，ａ_４，ｂを適当な初期値に初期化した上で、学習データ毎に、当該学習データに対応する指標値を用いて上記の式（１）により推定体重を算出する。そして、回帰式算出部１０６は、この推定体重と、当該学習データに対応する正解体重との差を算出した上で、学習データ毎にそれぞれ算出された差の二乗の和が最小となるように、パラメータａ_１，ａ_２，ａ_３，ａ_４，ｂを推定する。これにより、豚Ｐの体重を推定するための回帰式が算出される。

＜体重推定処理＞
以降では、本実施形態に係る体重推定処理について、図１３を参照しながら説明する。図１３は、本実施形態に係る体重推定処理の一例を示すフローチャートである。なお、上記の式（１）に示す回帰式のパラメータａ_１，ａ_２，ａ_３，ａ_４，ｂは、上記の学習処理で推定されたものを用いる。

まず、取得部１０１は、体重の推定対象の豚Ｐを撮影することで生成された点群データを記憶部１１０（又はカメラ装置２０）から取得する（ステップＳ２０１）。

次に、前処理部１０２は、図５のステップＳ１０２と同様に、上記のステップＳ２０１で取得された点群データに対して所定の前処理を行う（ステップＳ２０２）。

次に、画像作成部１０３は、図５のステップＳ１０３と同様に、上記のステップＳ２０２で前処理が行なわれた点群データ（又は、前処理が行なわれない場合は上記のステップＳ２０１で取得された点群データ）をｘｙ平面に投影した投影画像を作成する（ステップＳ２０３）。

次に、加工部１０４は、図５のステップＳ１０４と同様に、上記のステップＳ２０２で前処理が行なわれた点群データ（又は、前処理が行なわれない場合は上記のステップＳ２０１で取得された点群データ）と、上記のステップＳ２０３で作成された投影画像とに対して、豚Ｐの頭部分や尻尾部分を除去する加工を行う（ステップＳ２０４）。

次に、指標値算出部１０５は、補正投影面積と、姿勢補正値と、撮影高さ補正値と、体長及び体幅とを指標値として算出する（ステップＳ２０５）。

そして、体重推定部１０７は、上記のステップＳ２０５で算出された指標値を用いて、上記の式（１）に示す回帰式により豚Ｐの体重を推定する（ステップＳ２０６）。これにより、豚Ｐの体重が推定される。

以上のように、本実施形態に係る体重推定システム１は、体重推定に悪影響を与える可能性が高い部分（つまり、豚Ｐの頭部分及び首部分）の画像領域を除去した上で所定の指標値を算出し、これらの指標値を用いた回帰式により体重を推定する。これにより、高い精度で豚の体重を推定することが可能となる。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。

１ 体重推定システム
１０ 体重推定装置
２０ カメラ装置
１００ 体重推定処理部
１０１ 取得部
１０２ 前処理部
１０３ 画像作成部
１０４ 加工部
１０５ 指標値算出部
１０６ 回帰式算出部
１０７ 体重推定部
１１０ 記憶部

Claims (6)

1. 体重の推定対象を撮影した撮影データを取得する取得手段と、
   前記取得手段により取得された前記撮影データに基づいて、前記撮影データ中における前記推定対象の所定の部分領域を除去する加工手段と、
   前記加工手段により前記部分領域が除去された撮影データを用いて、予め作成された推定モデルにより前記推定対象の体重を推定する推定手段と、
   を有し、
   前記加工手段は、
   前記撮影データ中における前記推定対象を表す領域に対して設定した複数の探索範囲の各々で前記領域の境界にフィットする円を特定し、特定した複数の円の中で所定の誤差が最も小さい円を用いて前記部分領域を除去する、ことを特徴とする体重推定装置。
2. 前記撮影データは、各点における前記推定対象の深度値を表す三次元点群データであり、
   前記加工手段は、
   前記撮影データを２次元平面上に投影した投影画像中における前記推定対象の前記部分領域を除去する、ことを特徴とする請求項１に記載の体重推定装置。
3. 前記加工手段は、
   前記探索範囲内における前記境界上の各点と前記円の中心とをそれぞれ結ぶ直線を用いて、前記直線上かつ前記境界上の点と、前記直線上かつ前記円の円周上の点との距離の平均を前記誤差として算出する、請求項１又は２に記載の体重推定装置。
4. 前記推定対象は豚であり、
   前記加工手段は、
   前記推定対象を表す領域のうち、前記豚の後部を表す領域と、前記豚の前部を表す領域との少なくとも一方に前記複数の探索範囲を設定する、ことを特徴とする請求項１乃至３の何れか一項に記載の体重推定装置。
5. 体重の推定対象を撮影した撮影データを取得する取得手順と、
   前記取得手順で取得された前記撮影データに基づいて、前記撮影データ中における前記推定対象の所定の部分領域を除去する加工手順と、
   前記加工手順で前記部分領域が除去された撮影データを用いて、予め作成された推定モデルにより前記推定対象の体重を推定する推定手順と、
   をコンピュータが実行し、
   前記加工手順は、
   前記撮影データ中における前記推定対象を表す領域に対して設定した複数の探索範囲の各々で前記領域の境界にフィットする円を特定し、特定した複数の円の中で所定の誤差が最も小さい円を用いて前記部分領域を除去する、ことを特徴とする体重推定方法。
6. コンピュータを、請求項１乃至４の何れか一項に記載の体重推定装置における各手段として機能させるためのプログラム。

Images