JPH05298591A - 物体認識装置 - Google Patents

物体認識装置

Info

Publication number
JPH05298591A
JPH05298591A JP4106415A JP10641592A JPH05298591A JP H05298591 A JPH05298591 A JP H05298591A JP 4106415 A JP4106415 A JP 4106415A JP 10641592 A JP10641592 A JP 10641592A JP H05298591 A JPH05298591 A JP H05298591A
Authority
JP
Japan
Prior art keywords
template
grayscale
image
circuit
input image
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.)
Granted
Application number
JP4106415A
Other languages
English (en)
Other versions
JP3200950B2 (ja
Inventor
Tadaaki Kitamura
忠明 北村
Yoshiki Kobayashi
小林  芳樹
Kunio Nakanishi
邦夫 中西
Masakazu Yahiro
正和 八尋
Yoshiyuki Sato
良幸 佐藤
Toshiro Shibata
敏郎 柴田
Takeshi Horie
武 堀江
Katsuyuki Yamamoto
勝之 山本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP10641592A priority Critical patent/JP3200950B2/ja
Priority to DE69322306T priority patent/DE69322306T2/de
Priority to EP93106368A priority patent/EP0567059B1/en
Priority to US08/051,692 priority patent/US5554983A/en
Publication of JPH05298591A publication Critical patent/JPH05298591A/ja
Priority to US08/584,667 priority patent/US5757287A/en
Application granted granted Critical
Publication of JP3200950B2 publication Critical patent/JP3200950B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

(57)【要約】 【目的】移動する物体を、環境変化や隠れなどに左右さ
れないように抽出し、移動物体の軌跡を正確に求める。 【構成】入力画像の中から移動物体の特徴的な部分を複
数濃淡のテンプレート画像として切り出し登録するテン
プレート登録回路と、その後の入力画像と該テンプレー
ト画像とで濃淡パターンマッチングする濃淡パターンマ
ッチング回路と、移動物体の形状変化に対応するために
記憶しているテンプレート画像を更新するテンプレート
更新回路と該複数の部分テンプレートを統合して移動物
体全体を把握する分離,統合回路とを有する。 【効果】移動物体の特徴的な部分濃淡パターンマッチン
グを実行して統合処理することで、明るさの変化や、移
動物体の重なりが生じても正確に移動物体の位置を検出
でき、移動物体の追跡が容易になる。また、移動物体の
形状が変化しても、テンプレートを更新することによっ
て、柔軟に対応可能である。

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、物体の動きなどを把握
するのに必要な物体の認識および追跡方法に関するもの
である。
【0002】
【従来の技術】物体の動きなどを画像処理を応用して認
識することは、非常に有効であり、各種の応用が考えら
れる。例えば、道路上を走行する車両を認識して、通過
台数や、速度あるいは、停止しているのか否かなどの情
報を計測できる。
【0003】これまで、テレビカメラの画像を処理して
車を認識する方式としては、例えば、特開平2−122400
号「空間密度検出方式」や、「DTT法を用いた車両認
識」情報処理学会研究会コンピュータビジョン;72−
5;1992.5;に記載されている方法などがある。
【0004】
【発明が解決しようとする課題】上記「空間密度検出方
式」の場合は、入力画像を微分し、この画像を2値化し
て、特徴計測するもので、「DTT法を用いた車両認
識」は、入力画像を微分処理し、この画像を2値化して
この2値画像のX軸方向(水平方向)に2値の投影分布
を求め、更にこの投影分布を有る所定のしきい値以上の
座標だけを記憶するようなことで、車両の奇跡を求めて
いる。画像処理によって車の台数,速度などを計測する
方法は、従来はこのような流れがほとんどであるため、
2値化のしきい値が設定しにくい、車が重なった場合に
計測困難などといった問題が有った。本発明の目的は、
明るさの変化や、物体の重なりが生じても良好に移動物
体の追跡を行い得る物体認識装置の提供にある。
【0005】
【課題を解決するための手段】移動物体の追跡をこれま
では2値画像で実行していたが、濃淡画像のまま、ある
テンプレート画像とのマッチングを求めることで追跡す
るようにし、従来の2値化しきい値などを不要とする。
【0006】ここで、かなり大きな物体の移動を人間が
観察する場合を考えてみると、必ずしもその移動物体全
体をテンプレートとして追跡するのでなく、ある特定の
注目点の移動を追跡し、それらの動きが同じ速度,同じ
移動方向の箇所を最終的に統合化して大きな物体を認識
しているものと考えられる。即ち、大型バスなどの場
合、屋根の上の換気口や窓のような特徴のある場所につ
いて移動を追跡し、複数の特徴的な箇所が同じ速度,同
じ方向に移動していることを認識して、最終的に「大型
バス」であると認識していると考えられる。
【0007】ところが、これまでの画像処理手法は、対
象物体全体の認識を行っていることがほとんどであるた
め、対象のコントラストが低い場合(例えば、影の中に
存在する黒い車など)に対象物体の一部が欠けたりして
しまうために、認識が困難であった。しかしながら、低
コントラストの物体でも、コントラストが高い領域が必
ず存在する(全てが見えないような対象の場合は人間の
目でも認識困難である)ので、この部分に着目して人間
と同じように後処理で統合すれば、どのような対象物で
も容易に認識可能と考える。
【0008】そこで、本発明の物体認識手法は、物体の
画像の中から特徴的な領域を取り出し、その特徴的な画
像その物を濃淡テンプレートとして登録し、濃淡パター
ンマッチングすることで各テンプレート毎に移動点を求
め、この情報から移動速度,移動方向を求め、この結果
を統合処理することで、移動物体全体の認識を行うよう
にしたものである。濃淡パターンマッチング回路の例と
しては、特開昭63−98070 号「相関演算装置」などに記
載されている。
【0009】なお、本手法を「部分相関統合法」と称す
ることにする。
【0010】
【作用】物体の特定箇所の画像を記憶する濃淡テンプレ
ート記憶回路と、この濃淡テンプレートと入力画像との
間でパターンマッチングする濃淡パターンマッチング回
路を有し、濃淡テンプレートの画像と類似している画像
を入力画像の中からサーチすることで、物体の存在位置
を求め、この座標変化により移動速度,移動方向を求
め、各テンプレートの挙動が類似しているテンプレート
は同一物体であると判断する統合処理を有する。
【0011】
【実施例】以下、本発明の一実施例を図面を用いて説明
する。説明は道路をテレビカメラで撮影し、道路上を走
行する車両の認識手法について説明するが、車だけでな
く全ての物体の挙動計測に適応可能である。
【0012】図1は本発明の構成を示すブロック図であ
る。テレビカメラ1などの映像はアナログデータをディ
ジタルデータに変換するA/D変換器2を経て、画像メ
モリ3に入力される。この画像メモリ3は8ビット程度
の濃淡画像メモリである。一方、濃淡テンプレート記憶
回路4は濃淡画像の濃淡テンプレートを記憶する。この
濃淡画像メモリ3と濃淡テンプレート記憶回路4はアド
レスプロセッサ5によりメモリ内を走査する構成となっ
ている。濃淡テンプレート記憶回路4は画像の中からテ
ンプレート領域を切り出すテンプレート切り出し回路8
を経て記憶される。濃淡テンプレート記憶回路4は色々
な濃淡画像を記憶できるように複数の濃淡テンプレート
を有する。濃淡パターンマッチング回路6は画像メモリ
3の画像データ30と濃淡テンプレート記憶回路4の画
像データ40とのマッチングを求めるもので、通常以下
の正規化相関演算を実行する。
【0013】入力画像f(x,y)に対し濃淡テンプレ
ートT(p,q)で正規化相関する場合、入力画像f
(u,v)点の類似度r(u,v)は数1で計算され
る。
【0014】
【数1】
【0015】ここで、p,qは濃淡テンプレートのx,
yサイズである。なお、相関を求める方法としては、上
記と同様な効果がある相関処理ならどのような処理でも
構わない。
【0016】以上の画像メモリ3,濃淡テンプレート記
憶回路4の走査,濃淡パターンマッチング回路6の動作
などはすべてCPU(図示しない)で制御される。すな
わち、CPUからアドレスプロセッサ5と濃淡パターン
マッチング回路6に起動がかかり、上記計算式の画像ア
ドレス発生をアドレスプロセッサ5で発生させ、画像メ
モリ3,濃淡テンプレート記憶回路4のデータを読みだ
し、濃淡パターンマッチング回路6で類似度計算に必要
なデータを求め、CPUで類似度r(u,v)を計算す
る。類似度が大きい座標が求まると、「時間」「Y座
標」の管理と「時間」「X座標」の管理を行う軌跡管理
テーブル9に記憶する。そして、軌跡管理テーブルに対
して分離,統合処理を分離,統合処理回路10で実行す
る。濃淡パターンマッチング回路6を簡単に説明する
と、濃淡テンプレートに関するデータはあらかじめ計算
できるので、類似度演算の時は入力画像に関するデータ
を計算し、CPUに伝送する。入力画像に関するデータ
は、上記計算式の場合は、下記の数2から数4の演算を
濃淡パターンマッチング回路6で求めている。なお、濃
淡テンプレート記憶回路4は画像メモリ3で共有するこ
とも可能である。
【0017】
【数2】
【0018】
【数3】
【0019】
【数4】
【0020】図2は入力画像に対し、濃淡パターンマッ
チングする場合の例を示す。時刻tの入力画像f(t)
に車20が映っていた場合、該入力画像f(t)から濃
淡テンプレートT1を切り出し、時刻t+dtの入力画
像f(t+dt)に対しパターンマッチングしながらラ
スター走査し、類似度r(u,v)が大きくなる座標を
探すと図2(b)のように類似度最大点が求まる。した
がって、時刻tの車両存在座標(テンプレート中心座
標)と時刻t+dtの類似度最大点から、車両の瞬間移
動速度,移動方向などを求めることが可能となる。
【0021】ここで、画像メモリの水平方向軸をX座
標,垂直方向の軸をY座標と呼ぶ。
【0022】上記の正規化相関処理の利点は、登録した
濃淡テンプレートと画像のパターンが似ていれば、明る
さが変化したり、多少何かによって隠れた場合(車両の
重なりや、建物の影などによって車両の一部分しか見え
ない場合など)でも類似度としてはある程度得られるこ
とが出来るということである。すなわち、路面の明るさ
に似たものでも、車の形を持っていれば車両と認識する
ことが出来る。従来は、あるしきい値で2値化処理する
ため、低コントラストの車両の認識が非常に困難であっ
たが、本実施例の手法を用いることで容易に車両の抽出
が可能である。ここで、車両を認識する場合、車両の種
類には小型,大型など色々な種類がある。即ち、大きさ
が色々なものがある。パターンマッチングで処理する場
合、大きさの変化が問題となるが、車両全体のパターン
マッチングを実行していたのでは、車両の大きさをあら
かじめ認識できなければならず、ランダムに通過する車
両の認識には適応が困難である。そこで、人間がかなり
大きな物体の移動を観察する場合、必ずしもその移動物
体全体を追跡するのでなく、ある特定の注目点の移動を
追跡し、それらの動きが同じ速度,同じ移動方向の箇所
を最終的に統合化して大きな物体を認識している方法と
同様な手法を採用する。即ち、車両の大きさより小さい
部分テンプレートを複数用意し、各テンプレート毎に濃
淡パターンマッチングを行い、その結果得られる各テン
プレート毎の移動速度,移動方向が類似しているものを
同じ車両であると判断するように統合処理し、大きさに
依存しない処理としている。なお、登録したテンプレー
トに移動物体が存在しない場合(路面だけの画像)は、
類似度最大点は定義できないか、あるいは登録したテン
プレートの中心座標から移動しない事になる。
【0023】図3で詳細に説明すると、入力した画像の
中に車両の大きさより小さい部分領域を設定する。この
図では、テンプレートT1,T2を設定する。この部分
領域をそれぞれテンプレートとして登録し、順次入力す
る画像とマッチングを求め、各テンプレート毎にマッチ
ングの最大点を求める。この状態を横軸「時間」,縦軸
「Y座標」として図4のように表すと、各テンプレート
毎に軌跡を求めることが出きる。ここで、時間軸の単位
は画像を入力するサンプリング間隔に相当し、例えば3
フレーム毎に画像を取り込む場合は、3×1/30=1
00msが単位となる。この管理は、軌跡管理テーブル
9で管理している。テンプレート毎にマッチング点が微
妙に異なるため、移動速度(Y座標の変位)が変化する
が、同一車両の部分テンプレートであるため、ほとんど
類似した挙動を示す。このため、これらを統合処理すれ
ば、車両全体の認識を実行することが可能となる。統合
処理は統合処理回路10で実行する。図5は横軸「時
間」,縦軸「X座標」として軌跡を表したもので、軌跡
の形状を認識することで、直進,車線変更の区別が可能
となる。図6は車両が2台通過する場合の詳細を示すも
ので、時刻t1からt16までのある単位時間間隔毎に
入力した画像を処理する場合である。テンプレートは車
両が進入する画面下部に設けた3つの部分領域の濃淡画
像を用いる。以下、概略処理手順を説明すると、 (1)t1時刻の画像において、3枚の車両前部の部分
テンプレートT1(t1)〜T3(t1)が登録される。こ
こで、tは時間を、Tはテンプレートを表す。 (2)登録したT1(t1)〜T3(t1)を用いてt
2時刻の画像に対して濃淡パターンマッチングする。こ
の結果T1(t1)〜T3(t1)の部分テンプレート
についての移動軌跡が求まる。
【0024】(3)t2時刻の画像においても、3枚の
部分テンプレートT1(t2)〜T3(t2)を登録す
る。
【0025】(4)同様に、登録したT1(t1)〜T
3(t1)及び、T1(t2)〜T3(t2)を用い
て、t3時刻の画像に対して濃淡パターンマッチングす
る。この結果T1(t1)〜T3(t1)及び、T1
(t2)〜T3(t2)の部分テンプレートについての
移動軌跡が求まる。
【0026】(5)以上の様な処理を順次繰り返すと、
即ち、各時点における部分テンプレートの登録と、前時
点までに登録した部分テンプレートと現時点の画像との
濃淡パターンマッチングを並列に順次繰り返すことによ
り、図7のように各部分テンプレート毎の軌跡が求ま
り、同じ車両はその軌跡が密に並び、他の車両との区別
を付けることが出きる。ちなみに、密に並んでいる軌跡
と軌跡の間が車間距離、密に並んでいる軌跡の幅が車長
に相当する。また、軌跡の傾きは速度に相当する。
【0027】(6)部分テンプレートの分離,統合処理
を行う。図7の場合は、部分テンプレートT1(t1)
〜T3(t1)が同一物体であるといった処理を実行す
る。本手法を用いることで、車両行動認識が容易に実行
できることが分かる。
【0028】以下、各処理方法の具体例を説明する。
【0029】1.分離,統合処理方法 各テンプレートの移動点が求まった後の、分離,統合処
理方法には、下記のような手法が考えられる。
【0030】1.1 統合処理 (1)各テンプレート毎の軌跡を最小2乗法などで曲線
近似し、それぞれの曲線の距離が近い部分テンプレート
は統合する。
【0031】(2)対象画像の知識(濃度分布の知識,
形状の知識など)をあらかじめ用意し、テンプレートの
形状が認識対象のどの部分に相当しているかを判断し、
全体を統合する。たとえば、車両の場合、あるテンプレ
ート1が「テールランプの左側の画像」、あるテンプレ
ート2が「テールランプの右側の画像」、あるテンプレ
ート3が「リアーウインドの中央の画像」とすると、知
識をもとに、テンプレート1の右側にテンプレート2が
有り、その上部にテンプレート3がある、と判断でき
る。すなわち、テンプレート1からテンプレート3は同
一物体であると判断できる。
【0032】テンプレートの大きさは、初期の部分テン
プレートで常に処理する方法(仮想大型テンプレート)
と、統合した後は、統合した部分テンプレートを全て含
む矩形の領域のテンプレートとして処理する場合が考え
られる。
【0033】1.2 分離処理 (1)統合したテンプレートの内、一部のテンプレート
の特徴量(例えば、平均濃度)が急激に変化した場合
は、統合パターンから分離する。
【0034】(2)統合したときに、各テンプレートを
あらかじめある抵抗で連結しているものとし、あるテン
プレートの動きが他の接続されているテンプレートの動
きと異なった場合は、抵抗値を切断しない範囲なら統合
したままにしておき、抵抗値を切断するような大きな差
がある場合は、そのテンプレートを分離する。尚、上記
の抵抗値としては、例えば連結の強度表す重み、あるい
は結合度を表す関数などで定義できる。
【0035】2.サーチ範囲の限定法 道路を走行する車両の動きを認識する場合、登録したテ
ンプレートの相関演算を常に全面走査する必要はない。
すなわち、車の移動範囲はある程度限定されているの
で、車の過去の動きから次のサーチ範囲を特定すること
ができる。類似度演算の処理時間は画素数(テンプレー
トのサイズとサーチ範囲の大きさ)に比例するため、出
来るだけサーチ範囲を小さくすることが有効である。図
8にその例を示すが、車両がx0,y0座標からx1,
y1座標に移動した場合の次のサーチエリアは移動速度
Vと移動方向θを用いて特定することが可能である。予
想位置は前回の移動速度Vに対し、最小速度Vmin,最
大速度Vmaxおよび移動方向の変化量2φを用いて図8
の扇型の範囲となる。処理を簡単にするために、その扇
型を囲む矩形領域を次回のサーチ範囲としてもよい。そ
の場合、数5から数8のように定まる。
【0036】
【数5】
【0037】
【数6】
【0038】
【数7】
【0039】
【数8】
【0040】ここで、xs,ysは領域の始点座標、x
e,yeは領域の終点座標である。なお、車両の向きの
範囲φは図9のように速度Vの関数として変化させても
よい。また、認識対象が車両のように単純な行動パター
ンでないような対象、例えば人間,動物といった対象を
認識,追跡する場合は、上記のような簡単なサーチ範囲
の決定では不十分の場合が有る。そこで、過去の移動軌
跡から次の移動可能範囲を特定するために、ニューラル
ネットワークなどによって過去の行動パターンを学習
し、これをもとに先の行動予測をすれば、更に細かいサ
ーチ範囲になるため、処理時間の短縮が期待できる。
【0041】このようにすることで、図10(a)に示
すように時刻tに求まった車両の座標P1〜P4の座標
を追跡する場合、図10(b)のようにサーチエリアを
決定することができるため処理時間の大幅な短縮が可能
である。
【0042】3.テンプレートの更新方法 以上の説明は道路を真上から見た場合についての処理で
あるが、道路を撮影する場合、実際には真上から撮影す
ることはほとんど出来ない。このため、道路を俯瞰撮影
することになる。この場合の車の見え方は、図11のよ
うに車が画面上部に位置するに従い、小さく見える。し
たがって、上記で説明した相関演算方式の追跡では、登
録した濃淡テンプレートと同じ大きさに見える車両の検
出は出来ても、遠方の車両に対しては検出できなくな
り、結果的に追跡できなくなってしまう。このような問
題は、監視範囲が広い応用、例えば、人間の侵入者監
視、線路の踏切監視などの場合は必ず発生する。
【0043】そこで、図11のように追跡しながら濃淡
テンプレートを更新する。すなわち、t1時刻の画像か
らY座標がY1を中心とするテンプレートを登録した場
合、t2時刻の画像に対し、濃淡パターンマッチングし
て、Y2の座標に類似度点が検出できたとすると、登録
しているテンプレートサイズをY2の座標によって定ま
る比率によって小さくし、類似度点近傍のt2時刻の濃
淡画像を再度テンプレートとして登録する。そして、新
たに登録された濃淡テンプレートで次のサーチエリアに
ついてマッチング処理し、これを順次実行することで、
車両の大きさが変化しても柔軟に追跡することが可能と
なる。尚、この方法は、車の大きさや向きなどが瞬間的
にはほとんど変化しない、即ち徐々に変化するものであ
ることに着目したものである。
【0044】なお、テンプレートの作成は上記のよう
に、最新の入力画像だけで作成する方法のほかに、前回
のテンプレート画像(g)と新たに検出された車両位置
近傍の画像(f)の平均((f+g)/2)や、線形結
合演算(αf+βg,α+β=1)で作成してもよい。
【0045】このような手法を用いると、例えば図12
のような交差点での右折車両台数を計測する場合、右折
する車は徐々に向きを変えるために1つの濃淡テンプレ
ートでは追跡が途中で終わってしまうが、追跡しながら
濃淡テンプレートを更新することで容易に追跡が可能と
なる。また、人間を追跡する場合でも、形状が時々刻々
と変化するが、上記のようにテンプレートを更新するこ
とで追跡可能である。ところで、濃淡テンプレートを更
新した場合は、前述した数1の演算のうち濃淡テンプレ
ートに関するデータをあらかじめ求めることが出来なく
なるため、高速にその値を求めることが必要となる。そ
こで、図13のように濃淡テンプレートT(i,j)に
関するデータを求める回路を追加し、濃淡テンプレート
が登録されると数9,数10の演算を実行し、常に高速
処理が可能な構成にすることもできる。
【0046】
【数9】
【0047】
【数10】
【0048】ここで、p,qは濃淡テンプレートのサイ
ズによって常に変化する。
【0049】4.テンプレートの大きさについて これまでの説明は、車両が並行して走行している場合に
ついては述べなかったが、実際の道路の場合は、2車
線,3車線となっていることが多く、並行車両の認識に
ついても処理できることが必要である。図14に並行走
行車両の挙動を認識している場合を示す。入力画像に対
しテンプレートをT1〜T4を図14(a)のように登録
する。このテンプレートで時刻t+dtの入力画像に対
し、濃淡パターンマッチングで追跡するとそれぞれのテ
ンプレート毎のマッチング点が検出できる。ここで、横
軸「時間」,縦軸「Y座標」で移動軌跡を表すと、図1
5のようになる。2台の車両の移動速度,移動方向がほ
とんど一致している場合は、図15の軌跡を解析して
も、小型車両と、大型車両の区別ができない事が分か
る。
【0050】この原因は、2台の車両を分離している道
路の領域を認識していないためである。即ち、テンプレ
ートサイズが大きすぎると、道路だけのテンプレートを
登録できないため、テンプレートサイズを車両と車両の
間隔以下の幅(X方向)とすることが重要となる。図1
6にテンプレートサイズを小さくした場合の動作を示
す。車両と車両の間隔に必ず1つ以上のテンプレート
(ここではT5に相当)を設けられる程度の大きさのテ
ンプレートを設け、前述した濃淡パターンマッチングで
追跡する。この時の「時間」「Y座標」,「時間」「X
座標」の関係を図17,図18に示す。「時間」「Y座
標」のグラフでは、2台の車両の速度がほとんど同じ場
合、どのテンプレートと、どのテンプレートが同一車両
のテンプレートであるか分からないが、「時間」「X座
標」のグラフを見ると、車両がない領域が検出できるた
め、テンプレートT1〜T4とT6〜T10が同一車両
であることが分かる。
【0051】このように、車両と車両の間が分離点であ
ることを認識できるように、テンプレートの幅(X方
向)を車両と車両の間隔以下に設定することが重要であ
る。この時、テンプレートの長さ(Y方向幅)は相関演
算で処理できる範囲(車両の特徴をつかめる程度の大き
さ)ならどのような大きさでも構わない。
【0052】5.テンプレートの登録方法 テンプレートの登録方法について説明する。追跡するテ
ンプレートの切り出し方には、上記のようにある定めら
れた領域(最も簡単な方法は、車両進入側にテンプレー
トを図16のように並べる)の画像を常にテンプレート
として用いる方法もあるが、車両が途中で大型車などに
よって隠れ、再び現われたときに追跡不能になってしま
う。このため、画像全体のうち、特徴的な箇所、例え
ば、微分処理したときに微分値が大きいところ(空間周
波数特徴)や、ある時間間隔で画像間の差分処理した場
合にその差分値が大きいところ(時間周波数特徴)など
に相当する入力画像の濃淡画像をテンプレートとして設
定し、それぞれを相関演算で追跡処理する。あるいは、
車両の進入側の画像と組み合わせてもよい。
【0053】また、ニューラルネットワークを用いてあ
る画像から直接対象物体を切り出すような学習処理を行
い、これを用いて移動物体候補画像を直接抽出し、この
領域に相当する入力画像の濃淡画像をテンプレートとし
て切り出しても良い。
【0054】このような処理を順次行うことにより、車
両が途中から出現しても、その時刻以降は追跡が可能と
なる。
【0055】6.相関演算方法 上記「部分相関統合法」は2次元の相関演算を実行して
いるが、処理を簡素化した、「濃度投影部分相関統合
法」も同様の効果がある。図19に概要を示すが、1次
元の濃度分布をもとに相関演算するもので、車線毎にY
軸方向に濃度の投影(濃度累積)を求める。この投影分
布のある幅の部分パターンをテンプレートとして追跡す
れば、Y座標の移動量を求めることが出きる。ただし、
X座標の変化は検出できない。X座標の検出も実行する
場合は、図20のように、Y座標のマッチング点が求ま
った時点で、その近傍の濃度のX軸方向への投影(濃度
累積)を求め、あらかじめ登録しているテンプレートと
相関を求めればX座標の変化も検出できる。上記方式の
大まかな手順は「部分相関統合法」と同一である。テン
プレートの登録方法は、投影分布の変化点のみに着目し
た方法などが考えられる。この方式の利点は、テンプレ
ートが1次元であるため、前述した「部分相関統合法」
に比べかなり処理時間が短縮できることである。
【0056】以上の説明では、濃淡画像の相関演算だけ
を取り上げたが、認識対象がはっきり見えるような場合
においては、従来から実行されている2値のテンプレー
トマッチングや、階層型パターンマッチング(濃淡,2
値ともに)などを実行しても良い。この場合も、テンプ
レートの大きさや,分離,統合処理、あるいはテンプレ
ートパターンの更新処理などを利用することが重要であ
る。
【0057】なお、本発明の「部分相関統合法」及び
「濃度投影部分相関統合法」は以下の応用展開が可能で
ある。対象が「人間」の場合、「車」の場合が考えられ
るが、その他の移動物体の追跡にも利用可能である。
【0058】(1)停止車両の検出:車両の軌跡を追跡
することで、どの位置に停止したかが分かるため、駐車
違反などの検出が可能。
【0059】(2)駐車場管理:駐車場を高所から監視
し、どのエリアが「空き」なのかを車両の軌跡追跡で認
識する。
【0060】(3)踏切監視:踏切内に車両が停止して
いないかなどを認識する。車両の動きは単純に左右(あ
るいは、カメラの見方によっては上下)方向の移動であ
るため、車両の追跡処理は簡単に実行できる。
【0061】(4)侵入者監視(セキュリティ):夜間
などに不審者が侵入していないかなどを認識する。人間
を認識対象とするため、テンプレートの大きさは人間の
幅より小さい部分テンプレートとすればよい。駅のホー
ムで線路に侵入する人間の検出も同様に処理可能であ
る。
【0062】などにも利用できるものである。
【0063】
【発明の効果】本発明によれば、部分相関統合法により
低コントラスト、物体の重なりがある場合についても正
確にその動きを検出可能となる。従来は、入力画像を2
値化処理したり、2値の投影分布に対してしきい値を設
けたりしていたため、チューニングが難しく、環境、例
えば明るさ、影などで条件が変わると処理性能が大きく
変動してしまっていた。
【0064】本発明では、一切2値化のしきい値を持た
ないため、チューニングの必要がなく、環境変化に柔軟
に対応可能である。又、濃淡テンプレートの更新処理に
より、記憶するテンプレートの形状と追跡すべき移動物
体の形状が変化するような場合でも、濃淡パターンマッ
チング処理での移動物体追跡が実行でき、交差点などの
右折車両などの認識や、人間の行動認識についても容易
に実現可能である。また、テンプレートを部分テンプレ
ートとして、追跡し、後処理として分離,統合処理を実
施しているため、対象の大きさがまちまちなものでも、
容易に認識可能である。
【図面の簡単な説明】
【図1】本発明の一実施例を説明するブロック図であ
る。
【図2】濃淡パターンマッチングの処理例を示す図であ
る。
【図3】部分濃淡パターンマッチングの処理例を示す図
である。
【図4】部分濃淡パターンマッチングの処理で得られる
「時間」「Y座標」の軌跡を示す図である。
【図5】部分濃淡パターンマッチングの処理で得られる
「時間」「X座標」の軌跡を示す図である。
【図6】部分相関統合法による移動物体を追跡する場合
の対象画像のモデルを示す図である。
【図7】部分相関統合法の処理で得られる「時間」「Y
座標」の軌跡を示す図である。
【図8】移動物体を追跡する場合のサーチエリア限定方
法を示す図である。
【図9】移動物体の移動速度と、移動方向範囲との関係
を説明する図である。
【図10】移動物体を追跡する場合の各テンプレート毎
のサーチエリアを説明する図である。
【図11】道路を俯瞰撮影した場合のテンプレートサイ
ズ決定方法を説明する図である。
【図12】交差点における車の動きを説明する図であ
る。
【図13】テンプレートを更新する場合の、濃淡パター
ンマッチング回路の一例を示す図である。
【図14】車両が並行に走行する場合の処理を示す図で
ある。
【図15】車両が並行に走行する場合の「時間」「Y座
標」の軌跡を示す図である。
【図16】車両が並行に走行する場合でも良好に処理で
きる方法を説明する図である。
【図17】車両が並行に走行する場合でも良好に処理で
きる方法を用いた場合の「時間」「Y座標」の軌跡を説
明する図である。
【図18】車両が並行に走行する場合でも良好に処理で
きる方法を用いた場合の「時間」「X座標」の軌跡を説
明する図である。
【図19】濃度の投影分布を基に相関演算で車両を追跡
する手法を説明する図である。
【図20】濃度の投影分布を基に相関演算で車両を追跡
する場合のX座標の追跡方法を示す図である。
【符号の説明】
3…画像メモリ、4…濃淡テンプレート記憶回路、5…
アドレスプロセッサ、6…濃淡パターンマッチング回
路、8…テンプレート切り出し回路、9…軌跡管理テー
ブル、10…統合処理回路。
フロントページの続き (72)発明者 八尋 正和 茨城県日立市大みか町五丁目2番1号 株 式会社日立製作所大みか工場内 (72)発明者 佐藤 良幸 茨城県日立市大みか町五丁目2番1号 株 式会社日立製作所大みか工場内 (72)発明者 柴田 敏郎 東京都千代田区神田駿河台四丁目6番地 株式会社日立製作所内 (72)発明者 堀江 武 東京都千代田区神田駿河台四丁目6番地 株式会社日立製作所内 (72)発明者 山本 勝之 東京都千代田区神田駿河台四丁目6番地 株式会社日立製作所内

Claims (11)

    【特許請求の範囲】
  1. 【請求項1】物体をテレビカメラで撮影し、該テレビカ
    メラの映像を処理することにより物体の動きを認識する
    物体認識装置において、対象画像から部分テンプレート
    を切り出すテンプレート切り出し回路と、該部分テンプ
    レートと入力画像との間で相関演算により物体を追跡す
    る手段と、追跡座標履歴あるいは物体に関する知識によ
    り、該部分テンプレートを分離,統合する手段とを有す
    ることを特徴とする物体認識装置。
  2. 【請求項2】物体をテレビカメラで撮影し、該テレビカ
    メラの映像を処理することにより物体の動きを認識する
    物体認識装置において、時刻tの画像からあらかじめ定
    められた大きさのテンプレート領域の画像を複数切り出
    すテンプレート切り出し回路と、該テンプレート切り出
    し回路で得られた複数の濃淡画像を記憶する濃淡テンプ
    レート記憶回路と、該濃淡テンプレート記憶回路に記憶
    されている各濃淡テンプレートと前記テレビカメラから
    得られる時刻t+dt,時刻t+2dt,・・t+nd
    t(nは整数)の入力画像との間でそれぞれ濃淡パター
    ンマッチングして各濃淡テンプレートの移動位置を求め
    る濃淡パターンマッチング回路と、該濃淡パターンマッ
    チング回路で得られた各濃淡テンプレート毎の移動位置
    と時刻との関係を記憶する軌跡管理テーブルと、該軌跡
    管理テーブルを用いてどのテンプレートが同一物体の画
    像であるかを判断する分離,統合処理回路とを有するこ
    とを特徴とする物体認識装置。
  3. 【請求項3】請求項1において、テンプレート切り出し
    回路は、入力画像のうち物体の進入側に設けた複数の部
    分領域の濃淡画像をテンプレートとして切り出すことを
    特徴とする物体認識装置。
  4. 【請求項4】請求項1において、テンプレート切り出し
    回路は、入力画像の空間周波数特徴が大きい領域あるい
    は、時間周波数特徴が大きい領域に相当する入力画像の
    濃淡画像をあらかじめ定められた大きさのテンプレート
    で切り出すことを特徴とする物体認識装置。
  5. 【請求項5】請求項1において、テンプレート切り出し
    回路は、入力画像をニューラルネットワークなどで学習
    することで、移動物体らしい領域を抽出し、この領域に
    相当する入力画像の濃淡画像をあらかじめ定められた大
    きさのテンプレートで切り出すことを特徴とする物体認
    識装置。
  6. 【請求項6】請求項1において、分離,統合処理回路
    は、各濃淡テンプレート毎に求まった移動軌跡を基に、
    物体の移動速度,方向が類似しているテンプレート同士
    を統合管理することを特徴とする物体認識装置。
  7. 【請求項7】ニューラルネットワークにより過去の行動
    パターンを学習し、現在までの行動パターンから将来の
    行動予測を行い、テンプレートとの相関演算範囲を決定
    することを特徴とする物体認識装置。
  8. 【請求項8】請求項1において、記憶しているテンプレ
    ート画像を入力画像を用いて更新するテンプレート更新
    回路を有する物体認識装置。
  9. 【請求項9】請求項8において、テンプレート更新回路
    は、時刻tの入力画像f(t)に対して、ある濃淡テン
    プレートgでパターンマッチングし、類似度が所定のし
    きい値より大きい座標Pが求まった場合、該入力画像f
    (t)のうち前記座標Pの近傍の画像を新たな濃淡テン
    プレートg′として登録することを特徴とする物体認識
    装置。
  10. 【請求項10】請求項8において、テンプレート更新回
    路は、時刻tの入力画像f(t)に対して、ある濃淡テ
    ンプレートgでパターンマッチングし、類似度が所定の
    しきい値より大きい座標Pが求まった場合、該入力画像
    f(t)のうち前記座標Pの近傍の画像f′(t)を用
    いて g′=αf′(t)+βgのg′(α,βは定数)を新
    たな濃淡テンプレートとして登録することを特徴とする
    物体認識装置。
  11. 【請求項11】交差点付近をカメラで撮影し、得られた
    画像信号を画像処理することにより交通流を計測する交
    差点の交通流計測装置において、時刻tの画像からあら
    かじめ定められた大きさのテンプレート領域の画像を複
    数切り出すテンプレート切り出し回路と、該テンプレー
    ト切り出し回路で得られた複数の濃淡画像を記憶する濃
    淡テンプレート記憶回路と、該濃淡テンプレート記憶回
    路に記憶されている各濃淡テンプレートと前記テレビカ
    メラから得られる時刻t+dt,時刻t+2dt,・・
    t+ndt(nは整数)の入力画像との間でそれぞれ濃
    淡パターンマッチングして各濃淡テンプレートの移動位
    置を求める濃淡パターンマッチング回路と、前記濃淡テ
    ンプレート記憶回路の濃淡テンプレートを入力画像を用
    いて順次更新するテンプレート更新回路と、該濃淡パタ
    ーンマッチング回路で得られた各濃淡テンプレート毎の
    移動位置と時刻との関係を記憶する軌跡管理テーブル
    と、該軌跡管理テーブルを用いてどのテンプレートが同
    一物体の画像であるかを判断する分離,統合処理回路と
    を有し、得られた車両位置を追跡することで車両の通過
    台数,速度,右左折台数などを計測する交通パラメータ
    計測部を有することを特徴とする交差点交通流計測装
    置。
JP10641592A 1992-04-24 1992-04-24 物体認識装置 Expired - Fee Related JP3200950B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP10641592A JP3200950B2 (ja) 1992-04-24 1992-04-24 物体認識装置
DE69322306T DE69322306T2 (de) 1992-04-24 1993-04-20 Gegenstandserkennungssystem mittels Bildverarbeitung
EP93106368A EP0567059B1 (en) 1992-04-24 1993-04-20 Object recognition system using image processing
US08/051,692 US5554983A (en) 1992-04-24 1993-04-23 Object recognition system and abnormality detection system using image processing
US08/584,667 US5757287A (en) 1992-04-24 1996-01-11 Object recognition system and abnormality detection system using image processing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10641592A JP3200950B2 (ja) 1992-04-24 1992-04-24 物体認識装置

Publications (2)

Publication Number Publication Date
JPH05298591A true JPH05298591A (ja) 1993-11-12
JP3200950B2 JP3200950B2 (ja) 2001-08-20

Family

ID=14433042

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10641592A Expired - Fee Related JP3200950B2 (ja) 1992-04-24 1992-04-24 物体認識装置

Country Status (1)

Country Link
JP (1) JP3200950B2 (ja)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5999877A (en) * 1996-05-15 1999-12-07 Hitachi, Ltd. Traffic flow monitor apparatus
JP2000172848A (ja) * 1998-12-09 2000-06-23 Mitsubishi Electric Corp 位置ずれ量検出装置
JP2001006089A (ja) * 1999-06-23 2001-01-12 Matsushita Electric Ind Co Ltd 色情報を用いた車両検出装置
JP2004054464A (ja) * 2002-07-18 2004-02-19 National Institute Of Advanced Industrial & Technology 車両間隔計測方法
JP2004258981A (ja) * 2003-02-26 2004-09-16 Hitachi Ltd 車両監視方法およびその装置
JP2005250910A (ja) * 2004-03-04 2005-09-15 Keio Gijuku 移動物体検出方法及び移動物体検出システム
JP2007293722A (ja) * 2006-04-26 2007-11-08 Omron Corp 画像処理装置、画像処理方法、画像処理プログラム、および画像処理プログラムを記録した記録媒体、ならびに移動物体検出システム
JP2008176555A (ja) * 2007-01-18 2008-07-31 Fujitsu Ten Ltd 障害物検知装置および障害物検知方法
JP2008250772A (ja) * 2007-03-30 2008-10-16 Secom Co Ltd 移動物体追跡装置
JP2008250746A (ja) * 2007-03-30 2008-10-16 Secom Co Ltd 移動物体追跡装置
JP2009157492A (ja) * 2007-12-25 2009-07-16 Sumitomo Electric Ind Ltd 車両検出装置、車両検出システム及び車両検出方法
JP4614582B2 (ja) * 2000-07-06 2011-01-19 富士通株式会社 部分テンプレート生成装置
US7925050B2 (en) 2006-10-31 2011-04-12 Honda Motor Co., Ltd. Vehicle environment monitoring apparatus
JP2013218679A (ja) * 2012-04-06 2013-10-24 Xerox Corp 短時間の駐車違反を取り締まるための、ビデオベースの検知装置及び通知装置
US8643739B2 (en) 2009-10-20 2014-02-04 Canon Kabushiki Kaisha Image recognition apparatus, processing method thereof, and computer-readable storage medium
WO2014024655A1 (ja) * 2012-08-09 2014-02-13 コニカミノルタ株式会社 画像処理装置、画像処理方法および画像処理プログラム
US9214189B2 (en) 2011-08-29 2015-12-15 Casio Computer Co., Ltd. Image editing apparatus, image editing method, and storage medium storing image editing control program
JP2017194787A (ja) * 2016-04-19 2017-10-26 東芝テリー株式会社 画像処理装置および領域追跡プログラム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE602006009191D1 (de) 2005-07-26 2009-10-29 Canon Kk Bildaufnahmegerät und -verfahren
JP4553384B2 (ja) * 2005-09-20 2010-09-29 キヤノン株式会社 撮像装置及びその制御方法、コンピュータプログラム、記憶媒体
KR102662029B1 (ko) 2016-08-01 2024-05-03 삼성전자주식회사 이벤트 신호 처리 방법 및 그 방법을 수행하는 이벤트 기반 센서

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5999877A (en) * 1996-05-15 1999-12-07 Hitachi, Ltd. Traffic flow monitor apparatus
JP2000172848A (ja) * 1998-12-09 2000-06-23 Mitsubishi Electric Corp 位置ずれ量検出装置
JP2001006089A (ja) * 1999-06-23 2001-01-12 Matsushita Electric Ind Co Ltd 色情報を用いた車両検出装置
JP4614582B2 (ja) * 2000-07-06 2011-01-19 富士通株式会社 部分テンプレート生成装置
JP2004054464A (ja) * 2002-07-18 2004-02-19 National Institute Of Advanced Industrial & Technology 車両間隔計測方法
JP2004258981A (ja) * 2003-02-26 2004-09-16 Hitachi Ltd 車両監視方法およびその装置
JP2005250910A (ja) * 2004-03-04 2005-09-15 Keio Gijuku 移動物体検出方法及び移動物体検出システム
JP4500563B2 (ja) * 2004-03-04 2010-07-14 学校法人慶應義塾 車両検出方法及び車両検出システム
JP2007293722A (ja) * 2006-04-26 2007-11-08 Omron Corp 画像処理装置、画像処理方法、画像処理プログラム、および画像処理プログラムを記録した記録媒体、ならびに移動物体検出システム
US8019120B2 (en) 2006-04-26 2011-09-13 Omron Corporation Image processing apparatus, image processing method, image processing program, recording medium recording the image processing program, and moving object detection system
US7925050B2 (en) 2006-10-31 2011-04-12 Honda Motor Co., Ltd. Vehicle environment monitoring apparatus
JP2008176555A (ja) * 2007-01-18 2008-07-31 Fujitsu Ten Ltd 障害物検知装置および障害物検知方法
JP2008250746A (ja) * 2007-03-30 2008-10-16 Secom Co Ltd 移動物体追跡装置
JP2008250772A (ja) * 2007-03-30 2008-10-16 Secom Co Ltd 移動物体追跡装置
JP2009157492A (ja) * 2007-12-25 2009-07-16 Sumitomo Electric Ind Ltd 車両検出装置、車両検出システム及び車両検出方法
US8643739B2 (en) 2009-10-20 2014-02-04 Canon Kabushiki Kaisha Image recognition apparatus, processing method thereof, and computer-readable storage medium
US9214189B2 (en) 2011-08-29 2015-12-15 Casio Computer Co., Ltd. Image editing apparatus, image editing method, and storage medium storing image editing control program
JP2013218679A (ja) * 2012-04-06 2013-10-24 Xerox Corp 短時間の駐車違反を取り締まるための、ビデオベースの検知装置及び通知装置
WO2014024655A1 (ja) * 2012-08-09 2014-02-13 コニカミノルタ株式会社 画像処理装置、画像処理方法および画像処理プログラム
JPWO2014024655A1 (ja) * 2012-08-09 2016-07-25 コニカミノルタ株式会社 画像処理装置、画像処理方法および画像処理プログラム
JP2017194787A (ja) * 2016-04-19 2017-10-26 東芝テリー株式会社 画像処理装置および領域追跡プログラム

Also Published As

Publication number Publication date
JP3200950B2 (ja) 2001-08-20

Similar Documents

Publication Publication Date Title
JP3200950B2 (ja) 物体認識装置
US5554983A (en) Object recognition system and abnormality detection system using image processing
JP2917661B2 (ja) 交通流計測処理方法及び装置
Malik Fast vehicle detection with probabilistic feature grouping and its application to vehicle tracking
JP3904988B2 (ja) 画像処理装置およびその方法
JP3463858B2 (ja) 周辺監視装置及び方法
JP2006268097A (ja) 車載物体検出装置、および物体検出方法
US11371851B2 (en) Method and system for determining landmarks in an environment of a vehicle
KR20050085842A (ko) 화상에서의 이동 물체의 추적 방법 및 장치
JP2003067752A (ja) 車両周辺監視装置
Bedruz et al. Real-time vehicle detection and tracking using a mean-shift based blob analysis and tracking approach
JP2000285245A (ja) 移動体の衝突防止装置、衝突防止方法、および記録媒体
JPH06107096A (ja) 車両用前方監視方法
JP2000048209A (ja) 画像処理方法及び装置
JP2002074368A (ja) 移動物体認識追跡装置
JP2005217883A (ja) ステレオ画像を用いた道路平面領域並びに障害物検出方法
FAN et al. Robust lane detection and tracking based on machine vision
JP2007280387A (ja) 物体移動の検出方法及び検出装置
Dai et al. A vehicle detection method via symmetry in multi-scale windows
Kanhere et al. Real-time detection and tracking of vehicle base fronts for measuring traffic counts and speeds on highways
JP3254464B2 (ja) 車輌認識装置と移動体認識方法
JP3319401B2 (ja) 走行路認識装置
JP4106163B2 (ja) 障害物検出装置及びその方法
JPH08320998A (ja) レーンマーカ検出装置
JP4697761B2 (ja) 待ち行列検出方法及び待ち行列検出装置

Legal Events

Date Code Title Description
FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080622

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080622

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090622

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100622

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100622

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110622

Year of fee payment: 10

LAPS Cancellation because of no payment of annual fees