JPH05506738A - ディジタル像の時間的シーケンスの解析の際の運動対象物の時間再帰的な運動推定および追跡のための方法 - Google Patents
ディジタル像の時間的シーケンスの解析の際の運動対象物の時間再帰的な運動推定および追跡のための方法Info
- Publication number
- JPH05506738A JPH05506738A JP91508144A JP50814491A JPH05506738A JP H05506738 A JPH05506738 A JP H05506738A JP 91508144 A JP91508144 A JP 91508144A JP 50814491 A JP50814491 A JP 50814491A JP H05506738 A JPH05506738 A JP H05506738A
- Authority
- JP
- Japan
- Prior art keywords
- segment
- motion
- time
- image
- function
- 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.)
- Pending
Links
Classifications
-
- 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
Abstract
(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。
Description
【発明の詳細な説明】
ディジタル像の時間的ノーケンスの解析の際の運動対象物の時間再帰的な運動推
定および追跡のための方法たとえばロボン)、像符号化で用いられるような機械
的視覚の種々の応用の際、特にビデオによる道路交通制御のような監視および制
御を行う際に、ディジタJし像の時間的シーケンスでの運動対象物の検出、セグ
メント化および追跡を行い、また運動対象物の運動パラメータを自動的にめる方
法およびシステムが必要とされる。
ロボットではこのようなシステムは自動装置と他の自動装置または人間との協調
のとれた共同作業を可能にし、またこうして生産性および作業安全性(衝突回避
)の向上に寄与する.像符号化では運動対象物の運動パラメータの知識は将来像
の顕著に改善された予測、従ってまた伝送すべきデータレートまたは記憶すべき
データ量の顕著な低減を可能にする。
すなわち、設備の監視および制御、特にビデオシステムによる道路交通の制御の
ためには、すべての重要な対象物の位置および運動データが必要とされる。
ディジタル像の時間的ソーケンスでの運動推定のための公知の方法は先ず2つの
部類に分けられ得る。
−1つのグループの方法はシーケンスの2つの相続く像のマツチングまたは特定
の部分像、エツジまたはテクスチャのマツチングに基づいている.その際に画像
のなかの相応の範囲がこれらの範囲のシフトにより一致させられる(マツチング
) (T.H.Huang kX、画像シーケンス解析、スブリンガー、ニュー
ヨーク、1981) 、1つの広く普及している変形例は、一般に正方形の部分
像(ブロック)がソフトにより一致させられるいわゆるブロックマツチング(
A.v.BrandtJ。
Tengler ”変更されたブロックマツチングによる平滑化オプチカルフロ
ーフィールドの取得2、画像解析に関する第5回3cand−会m論文集、スト
ックホルム、1987年6月2〜5日、第523〜528頁)である。
運動推定のためのマツチング方法とならんで、他の方法(T.H.Buang
41g、画像シーケンス解析、スブリンガー、ニエーヨ−9. 1981) (
変換方法、勾配方法)もあるが、これらは一般に応用可能でなく、ユニでは詳細
に立ち入らないものとする。
公知の時間的にローカルなマツチング方法は主として以下の3つの困難を有する
。
一ブロックマツチングの際にブロックがしばしば対象物境界により横切られ、従
って当該のブロックに一義的な運動ベクトルが対応付けられ得ない.この問題を
より小さいブロックの大きさの選択により回避しようと試みると、運動ベクトル
場を平滑化するための方法が必要とされる.さもなければ、統計的なノイズが運
動推定を妨害するであろうからである.全く一般的に各々の形式のマツチングの
際に運動ベクトル場を平滑化するための方法が必要とされる.しかし平滑化は対
象物のエツジの内側でのみ有意義である.なぜならば対象物のエツジは運動ベク
トル場の当然の不連続個所であるからである。
ーブロックマッチングは回転運動の推定のためには遺していない.他のマツチン
グ方法は理想的な条件(ノイズなし)でのみ回転運動の推定のために適している
。
ーシーケンスの急に2つの像の比較(マツチング)の際に先行の像の解析の結果
が全く頓慮外にとどまる.連続する推定の際の費用低減のために以前の解析ステ
ップの結果の代わりに、時間的にローカルな推定方法が問題を各時点で最初の推
定問題と等しい仕方で取り扱う。
本発明の基礎となっている課題は、上記の問題を解決する方法を提供することで
ある。そのために、ディジタル像の時間的シーケンスの解析の際の運動対象物の
時間再帰的な運動推定および追跡のための方法であって、予測される状態量の集
合の開始時に初期値が割当てられ、また時間的シーケンスの各機に対して下記の
ステップが進行する方法が提案される。
(a)ディジタル像の時間的シーケンスの像のなかの運動セグメントに2進セグ
メント関数が対応付けられ、
(b)マツチング関数の最大化により運動セグメントに対する運動パラメータが
測定され、
(+l予消される状態量の集合から、測定された運動パラメータにより、補正さ
れた状態量が計算され、
(d)補正された状態量から、後続の時点に対する予測される状態量がめられる
。
本発明による方法は、時間的に隣接する像のなかの運動セグメントのマツチング
に基づいている。しかし、公知の方法と異なり、本発明による方法は、−任意の
対象物運動に、すなわち回転する対象物運動にも応用可能である、−擾乱または
個々の測定の完全な喪失(像擾乱、一時的なカバリング)により阻害されない、
一公知の方法よりも顕著に正確であり、また同時に低コストである。
なぜならば、本発明による方法では、
−長方形のブロックまたは個々の像部分(たとえばエツジのような)の代わりに
運動対象物の形状を反映する関連するセグメントがマツチングのために使用され
、またそれらのエツジは規則的に対象物エツジと同一であり、−純粋な並進運動
のほかに回転およびこれらの組み合わせ(アフィン変換、ガリレイ変換)もマツ
チングのために使用され、従ってまた回転速度も測定され、回転角も推定され、
また
一測定された運動パラメータが本発明による方法では予測された状態量の補正の
ために時間再帰的な推定方法のなかで利用されるからである。
本発明は状態量の予測および補正のためにカルマンフィルタの使用を意図してい
る。マツチング関数の値は運動パラメータの測定の良度を評価するために用いら
れている。運動パラメータの個々の測定の良度に関係しての時間再帰的な運動推
定のこのような制御は運動推定を擾乱に対して特に堅牢にし、また像シーケンス
のなかの統計的ノイズに対して不敏感にする。従って、運動パラメータの場所的
な平滑化は必要とされず、それどころか時間再帰的な計算の仕方の時間的平滑化
作用により置き換えられる。同時に時間再帰的な運動推定のための本発明による
方法は個々の像の空間的走査により与えられる分解能の下側に位置し得る特に高
い精度を達成する(サブビクセル精度)。
状態量は一般に、運動の記述のために通している運動対象物の特性を含んでしす
る。これらの特性には瞬時の位置、速度(たとえば重心速度、回転速度)および
場合によっては加速度および類似の看(運動エネルギー、回転モーメントなど)
が属する1本発明による方法は任意の回転を含めて特に像平面に対して平行に進
行するすべての運動の取扱のために通している。主として並進運動力(意義のあ
る一連の応用に対しては、純粋な並進運動への制限が特に有利である。なぜなら
if、それは計算費用(従ってまたコスト)の顕著な低減と結び付けられてしす
るからである。一般の場合には対象物運動は像平面の変換として記述される。運
動対象物が剛体であるかぎり、または剛体から成っているかぎり、アフィン変換
(力°IJレイ変換)の群への変換の制限は方法の能力の制約を意味しないが、
費用の相応な制限をもたらす。
以下に本発明を1つの好ましい実施例および第1図および第2図により詳細に説
明する。
第1図には請求の範囲1に記載されているような本発明による方法の基本的な進
行が示されている。方法の開始の際に、予測される状態量Xに初期値が割当てら
れ、また時間インデックスkが値1にセットされることによって、方法が初期化
(INIT)される、それに続いてシーケンスのすべての像に対して、すなわち
すべての時点kに対して、下記のステップが進行する。
運動対象物(DS)の検出およびセグメント化により像の運動セグメントに2進
のセグメント関数(S)の時間的シーケンスが対応付けられる。これらの運動セ
グメントの運動パラメータはマツチング間数Cの最大化(SM)により測定され
る。これらの測定された運動パラメータにより、予測された状態量Xから補正さ
れた状態量Yが計算される(MU)、像シーケンスの終りにたつすると、方法は
停止される。他の場合には、補正された状態量から後続の時間ステップに対する
予測される状態量が計’It (TU)または選択(SEL)され、また時間イ
ンデックスkが1だけ高められ、それによって第1図中に示されて1.1i/レ
ープが、像シーケンスが終りに、達するまで、新たにランされる。
第2図には詳細なデータフロー図が示されており、この図には最も重要な変数な
らびに方法の入力量および出力量、それらの相互関係および方法ステップによる
それらの処理がわかりやすく示さ机ている。
開始の際に、予測されるすべてのPkQ量Xに初!!II値が割当てられ、また
時間インデックスkが411にセットされることによって、方決が初期化(IN
IT)される、状す看(XまたはY)のベクトルは進行する像の各運動セグメン
トに対して運動の記述のために適した特性、すなわち好ましくは当該のセグメン
トの(重心)位iへクトル下、?、速度ベクトル族◇および場合によっては加速
度ベクトルを含んでいる。
回転運動が見込まれるならば、状態ベクトルは(追加的に)回転位置(角度)を
記述するための変数およびたとえば角速度を含んでいる。最初に既にセグメント
または対象物およびそれらの状態量が知られているならば、方法の初期化(IN
IT)は、予測される状態量(X)に相応の値を初期値として割当てることにあ
る。再帰的推定のためにカルマンフィルタを使用する際には初期化は付属の共分
散をも含んでいる(Pルルewis 、最適推定、ウイレイ&サンズ、ニューヨ
ーク、1986)、これらに、対象物特性に関する方法応用者の初めの知識を表
す値が対応付けられる。
方法の開始の際に運動対象物およびその特性に関する情報がまだ存在しないなら
ば、状態量にその値範囲内の任意の値が割当てられ、また共分散に相応に高い数
値が割当てられる。たとえば対象物の位置に関しては知られておらず、その速度
に間して、それが像クロックあたり0画素と30画素との間に位置しなければな
らないこと、かつ対象物が左から右へ運動することのみ知られているならば、位
置ベクトルは0で、速度は像クロック信号あたり15m!素で初期化すべきであ
ろう、相応の分散に、たとえば像断片の大きさに相応する値(対象物が像のなか
に見えることが知られている場合)または間隔(0,30)への均等分布に相応
する値を対応付けるべきであろう、像平面の像点(p)のなかの強度がT (k
。
p)で示されている時間インデックス(k)を有する像を解析するためには、い
ま請求の範囲1により像1 (k、p)の運動セグメントに下記の特性を有する
2進セグメント関数S (j、k、p)が対応付けられる。
すなわちこれらのセグメント関数Sはそれぞれ連動セグメントの内部でのみ零と
異なってる。従って、すべての像点にわたる加算のなかでのセグメント関数によ
る像座標pの任意の関数の乗算は当該の運動セグメントへのこの加算の制限に相
当する。このような和のなかの2つのセグメント間数の積は加算を両セグメント
の交わり集合に制限する。これにより、後続のマ・ンチング(SM)の際に両当
該のセグメントの内部の強度のみが顧慮されることが保証される。
セグメント関数(S)は像シーケンス(1)から運動対象物を検出かつセグメン
ト化するための方法により有利に得られる。この目的に対してに、P、Kar■
ann、A。
von Brand 、適応性背景抽出の際の運動対象物の検出および追跡、第
6回5CTA、オウル、フィンランド、1989年6月の論文集、第1501〜
1508頁または×、P、にarmann、A、von Brand、R,Ge
rl、適応性参照像に基づく連動対象物セグメント化、第5回Eus 1pco
90、バルセロナ、1990年9月に記載されている方法が特に遺している。セ
グメント関数の連続的な番号付けは有利な仕方でたとえば1つの傾城ラベリング
法(Y、5hirai、三次元コンピュータビジぢン、スプリンガー出版、ニュ
ーヨーク、1987年、第86〜89頁)により行われ得る。
運動セグメントの運動パラメータ(Z)を測定するため、各セグメントに対して
セグメント−マツチング(SM)が行われ、その際に変換(T)のノぐラメータ
が、たとえば式
により進行中および先行の像のセグメント関数(S)および強度関数(I)から
形成されるマツチング関数(C)の最大化により見い出される。その際にマツチ
ング関数(’C)は、測定すべき運動パラメータによりパラメータ化されている
変換Tに関係する。(C)が最大になるパラメータの値は時点にでのセグメント
」の測定された運動パラメータとして解釈され、またZ(j、k)で表される。
マツチング間数の最大flc (J、k) −C(J、 k、 T (Z (j
、k) ))は、相応の強度が頬催しているほど大きい、連動対象物が実際上均
等な強度を存する場合には、マツチングはセグメント形状の類似性を測定する。
すなわち本方法は、望ましくない照明状況または強いノイズに基づいて強度の比
較が使用不可蛯になるときにも、セグメント形状が時間と共にわずかに可変であ
るかぎり、応用可能である。
純粋な並進運動の場合には式(3)の代わりに特別なマツチング関数を使用する
ことがを利である0両マツチング関数は数学的観点で正規化相関関数の二乗であ
るという利点を有し、従って下記の有利な特性を有する。
−それらの可能な値が連続的に0と1との間に位置している。
−値1が理想的マツチングに相当する、すなわち運動セグメントが変換により互
いに同一に写像可能である。
一値0が、セグメントがオーバーラツプなしであることを記述する。
これによりマツチング関数の数値がマツチングの良度に対する尺度として利用さ
れ得る。
しかし、式(3a)によるマツチング関数の最大化は式(3)によるマツチング
関数の最大化よりも費用がはるかに少なくてすむ、なぜならば、後者の場合には
シフトベクトルとならんでたとえば回転角のような他の運動パラメータも決定す
る必要があるからである。
77チング関数(C)の最大化は好ましくは探索法(H,Nie*ann+H,
Bunke 、像および言語解析における人工知能、B、G、Teupner
、シュトウッツガルト、1987年)により行われ、その際にマツチング関数は
探索範囲のすべてのパラメータに対して評価されなければならない、ローカルな
最適化法は応用可能でない。なぜならば、マツチング関数は探索されるグローバ
ルな最大値と関係のない多数のローカルな最大値ををするからである。探索のた
めの費用は、探索範囲の選択の際に、運動パラメータ(Z)の測定される値はし
ばしばこれらの運動パラメータに相応する予測される状態量のコンポーネントの
近傍に位置するという事情が顧慮されるならば、顕著に低減され得る。そのため
にはたとえば予測される状態量のこれらのコンポーネントが探索の出発点として
使用され、また探索範囲がカニマンフィルタの予測誤差−共分散に関係して選択
されるべきであろう、これらの共分散は少なくとも開始段階の減衰の後に規則的
に像断片の面積よりも顕著に小さくなるので、探索範囲としてたとえば予測誤差
−共分散楕円または、よりNJIlに、これらの共分散楕円の包絡するエツジパ
ラレルな長方形を選択するならば、マツチング関数の最大化のための探索範囲も
一般に像断片よりも顕著に小さい。
1(k、I)のなかの各運動セグメントに対するマツチング関数(C)のこの最
大化の結果は、測定された運動パラメータZ(j、k)の岨および各セグメント
jに対するマツチング関数C(j、k)の最大値である。これらの測定された値
により予測される状態量(X)の集合に対して補正された状態量(Y)がめられ
る。この補正(MU)は有利な仕方で式4式%)
によりカルマンフィルタを用いて行われ得る。ここでG(j、k)は時点にでの
セグメントjに対するカルマン利得、またHは測定写像である。カルマンフィル
タの使用の際には予測誤差−共分散を補正するための相応の式が知られている(
Fルル6w1s−、最適推定、ウィレイ&サンズ、ニューヨーク、1986年)
、測定写像は状態量(X、 Y)と運動パラメータ(Z)との間の関係を記述し
、すなわちたとえば状態ベクトルから運動パラメータに相応のコンポーネントを
選び出し、又は後者を状態ベクトルから計算する。
カルマン利得G(j、k)の計算はカルマンフィルタの正確な理論により、また
はこの理論に対する近似により行われ得る。G(J、k)の近(以的な計算は有
意義な費用低減に通じ得る。C,(j、k)がなかんずく測定ノイズ共分散R(
j。
k)のシーケンスから計算される場合には(Pルルewis 、最適推定、ウィ
レイ&サンズ、ニューヨーク、1989年)、これらの測定ノイズ共分散を式4
式%)
によりマツチング関数の最大値C(j、k)から計算することは特に有利である
。
ここでρはマトリックス要素が考察される応用の際に生し得る最大の測定ノイズ
共分散に相当する正価マトリックスである。
補正された状態量(Y)または補正された状態量の選択されたコンポーネント(
たとえば位置ベクトル、速度、角速度など)は本方法の本来の最終結果である。
これらの量は出力され、またはその後の解析ステップに対して他の方法(制御、
警報トリガ)に対して入力量として利用され得る。
しかし時間的シーケンスの後続の像における本発明の時間再帰的な運動推定の継
続のために、補正された状態量(Y)から後続の時点に対する予測される状態量
(X)を計算する最後のステップを行う必要がある。ステップTUはカルマンフ
ィルタの予測ステップ(タイムアツプデータ)に相当し、また一般式%式%))
により行われ得る。開数A(、)はこの際にすべてのセグメントjの状態量の見
込むべき時間的展開を記述する。純粋な並進運動の場合には予測はたとえば特別
な簡単な形態
(7) ? (j、に+1)−r (j、k)+v (j、k)τ(j、 k+
1)一つ(j、 k)
をとり得る。ここで7(j、に+1)またはv(j、に+1)は時点に+1での
セグメントjの予測される位置ベクトルまたは速度ベクトルであり、またr (
j。
k)または9(j、k)は時点にでのセグメントjの補正された位置ベクトルま
たは速度ベクトルである。
カルマンフィルタの使用の際には予測誤差共分散(F几ルewis 、最適推定
、ウィレイ&サンズ、ニューヨーク、1986年)は一般式%式%()
に従い、ここでPおよびPは予測または補正された予測誤差共分散マトリックス
、AまたはA7は関数A(、)の線形化またはその転置されたマトリックスまた
Q(j、k)は時点にでのセグメントjに対するシステムノイズ共分散マトリッ
クスである。システムノイズ共分散マトリックスQは一般にシステム関数への精
度を記述し、またカルマンフィルタの適応性をy4節する。それは本方法に設計
パラメータとして予め与えられていてよく、またはたとえば式4式%))
によりC(j、k)により表されるセグメント−マツチングSMの良度に関係し
て計算され得る。ここでχはそのマトリックス要素が、考察される応用の際に生
じ得る最大のシステムノイズ共分散に相当する正値マトリ・ンクスである。費用
を低減するため、予測誤差共分散の正確な計算は近似された計算により置き換え
られ得る。
それによって、予測される状態量x (j、k+1)の計算が終了されている。
これは本方法を実行するために下記の時間ステップで使用され得る。
複数の運動対象物が像断片のなかに位置すると、または運動対象物が複数のセグ
メントにより表されると、セグメント関数3 (、n、k+1. p)により表
される像I (k+1)の運動セグメントへの予測される状態量x (j、k+
1)の対応付けは些細でない問題であり得る。従って、これらの場合には像1(
’に+1)のすべての運動セグメントS (n、k+1. p)に対して適当な
予測される状態量x (n、k+1)を予測される状態量の集合(x (j、に
+1)lから選び出す必要がある(SEL)。
本方法の初期化の際にそのために第1の像の各セグメントに簡単に最初の予測さ
れる状態ベクトルが割当てられる。
しかし第にの時間ステップの後に像1 (k)の各セグメントS (j、k)に
対して予測される状態ベクトルx (j、に+1)が存在する。像1 (k+1
)の各セグメントS (n、k+1)に対していま予測される状態量のこの集合
から適当な予測される状態量x (n、k+1)を選び出すか、または適当な状
態ベクトルが存在しない場合には予測される状態ベクトルを確定する必要がある
。
そのために像1 (k+1)のすべての運動セグメントの重心が、S (n、k
+1)に属するすべての像点ベクトル
の加算から測定される。
いま1つのセグメントまたは複数のセグメントS (n、k+1)が、たとえば
予測された位置7(j、に+1)に属する共分散楕円により決定される、1つま
たはそれ以上の予測される位置ベクトル? (j、に+1)の1つの周辺領域の
内側に存在するならば、位置ベクトル7(i、に+1)は、重心ベクトルm (
n。
k+1)が7(i、に+1)に対して最もわずがな間隔を有するセグメントS(
n、に+1)に対応付けられる。対応付けの他の可能性は、7 (i、に+1)
を、(11) D(i、n)−D(I (k、p)、S(i、に、p)、T (
k+1゜、T(p))、S(n、に+1.7(p)))ここで T (p)−T
(p ;7 (i、に+1))すなわち純粋な並進の場合には T (p)=
p+F (i、に+1)の形態の関数が最大になるセグメントS (n、k+1
)に対応付けることにある。
関数りはたとえば関数Cと等しい特別な関数形態を有し得る。
この仕方で予測される状態ベクトルが対応付けられ得ない像I(k+1)の残り
のセグメントS (n、に+1)には、本方法の初期化の際のように最初の状態
ベクトルが対応付けられる。その際にこのセグメントの測定される重心m (n
。
k+1)が最初の位置ベクトルr (n、k+1)として利用される。その状態
ベクトルのすべてのその他のコンポーネントは、共分散であろうと、存在する情
報に相応して決定する必要がある。この選択(SEL)の際に、像r (k+1
)のセグメントS (n、k+1)に対応付けられなかった状態ベクトルx (
j、に+1)がまだ残されているならば、またそれらの共分散が像面積(または
他の応用に関係して予め与えるべき大きさ)よりもはるかに小さいならば、これ
らは時間再帰的な推定方法で、相応の測定ノイズ共分散R(j、k+1)が最大
値〔ρ)にセットされることによって、測定なしの伏atとして取り扱われる。
すべての他の状態ベクトル、(j、に+1)、特にセグメントに対応付けられて
いない大きい共分散を有する状態ベクトルは時間再帰的な推定から消去される。
この仕方で、一時的に覆われている対象物または不利な逼影条件に基づいて一時
的に見えない対象物の追跡も可能である。
本方法はたとえば記述のための付録として添えられたテキストを有し得るプログ
ラムによっても実施され得る。
第1図
1(k+I、pi
要約書
ディジタル像の時間的/−ケンスの解析の際の運動対象物の時間再帰的な運動推
定および追跡のための方法であって、像(1)のなかの運動セグメントが2進セ
グメント関数(S)の時間的シーケンスに対応付けられ(DS)、またこれらの
運動セグメントの運動パラメータ(Z)がマツチング関数(C)の最大化(SM
)により測定される方法が提案される。これらの測定された運動パラメータ(Z
)が時間再帰的な方法で、先行の時点の補正された状態量(Y)から計算(TU
、5EL)されるか、または方法の開始の際に初期化(INIT)されている予
測される状態量(X)を補正するために使用される。こうして運動推定のための
公知の方法の困難が克服され、また運動推定の精度が高められ、同時に費用も低
減される。
第2図
国際調査報告
1.、la+、n11゜、1ア、工、1.。、。PCT/EP 9110076
9国際調査報告
EP 9100769
SA 46981
Claims (20)
- 1.ディジタル像の時間的シーケンスの解析の際の運動対象物の時間再帰的な運 動推定および追跡のための方法であって、予測される状態量(X)の集合の開始 時に初期値が割当てられ、また時間的シーケンス(I(l),…,I(k),… )の各像(I(k))に対して、 (a)ディジタル像の時間的シーケンスの像(I(k))のなかの運動セグメン トに2進セグメント関数(S)が対応付けられ、(b)マッチング関数(C)の 最大化により運動セグメントに対する運動パラメータ(Z)が測定され、 (c)予測される状態量(X)の集合から、測定された運動パラメータ(Z)に より、補正された状態量(Y)が計算され、(d)補正された状態量(Y)から 、後続の時点に対する予測される状態量(X)が求められる ステップが進行することを特徴とするディジタル像の時間的シーケンスの解析の 際の運動対象物の時間再帰的な運動推定および追跡のための方法。
- 2.2進セグメント関数(S)が特性 1像点pが時点kで運動セグメントjに属する場合S(j,k,p)={ 0それ以外 を有することを特徴とする請求の範囲1記載の方法。
- 3.セグメント関数(S)が運動対象物(DS)の検出およびセグメント化によ り見出されることを特徴とする請求の範囲1または2記載の方法。
- 4.マッチング関数(C)が、運動パラメータ(Z)の組によりパラメータ化さ れた変換(T)のファミリーの使用のもとにセグメント関数(S)およびディジ タル像(I)から一般式 C(j,k,T)=C(I(k,p),S(j,k,p),I(k+l,T(p )),ΣS(n,k+l,T(p))〕により形成され、ここでkは時間インデ ックス、pは像点の座標、Jまたはnはセグメントインデックスであり、 S(j,k,p)像点pにおける時点kでの運動セグメントjのセグメント関数 の値 S(n,k+l,T(p))像点T(p)における時点k+lでの運動セグメン トnのセグメント関数の値 I(k,p)またはI(k+l,T(p))像点pまたはT(p)における時点 kまたはk+lでの像の強度 T(p)像点pの変換Tにより変換された像点である ことを特徴とする請求の範囲1ないし3の1つに記載の方法。
- 5.変換(T)の考察されるファミリーが像平面のアフィン変換のみを含んでい ることを特徴とする請求の範囲4記載の方法。
- 6.変換(T)の考察されるファミリーが並進運動のみを含んでいることを特徴 とする請求の範囲4記載の方法。
- 7.状態量(X,Y)が運動セグメントの瞬時の速度を記述することを特徴とす る請求の範囲1ないし6の1つに記載の方法。
- 8.状態量(X,Y)が運動セグメントの瞬時の位置をも記述することを特徴と する請求の範囲1ないし7の1つに記載の方法。
- 9.状態量(X,Y)が運動セグメントの加速挙動をも記述することを特徴とす る請求の範囲1ないし8の1つに記載の方法。
- 10.マッチング関数(C)が式 ▲数式、化学式、表等があります▼ により形成され、ここでkは時間インデックス、pは像点の座標またJまたはn はセグメントインデックスであり、またS(j,k,p)像点pにおける時点k での運動セグメントjのセグメント関数の値 S(n,k+l,T(p))像点T(p)における時点k+lでの運動セグメン トnのセグメント関数の値 I(k,p)またはI(k+l,T(p))像点pまたはT(p)における時点 kまたはk+lでの像の強度 T(p)像点pの変換Tにより変換された像点である ことを特徴とする請求の範囲4、5、7、8、9の1つに記載の方法。
- 11.マッチング関数が式 ▲数式、化学式、表等があります▼ により形成され、ここでkは時間インデックス、pは像点の座標、Jまたはnは セグメントインデックスであり、また S(j,k,p)像点pにおける時点kでの運動セグメントjのセグメント関数 の値 S(n,k+l,p+v)像点p+vにおける時点k+lでの運動セグメントn のセグメント関数の値 I(k,p)またはI(k+l,p+v)像点pまたはp+vにおける時点kま たはk+lでの像の強度 v像平面内の1つのシフトベクトル である ことを特徴とする請求の範囲4ないし9の1つに記載の方法。
- 12.マッチング関数(C)の最大化の際に、運動パラメータ(Z)の測定され る値がしばしばこれらの運動パラメータに相応する予測される状態量(X)のコ ンポーネントの近傍に位置する事情が顧慮されることを特徴とする請求の範囲1 ないし11の1つに記載の方法。
- 13.マッチング関数(C)の最大化が運動パラメータに相応する予測される状 態量(X)のコンポーネントの近傍の1つの探索範囲の内側での探索により行わ れることを特徴とする請求の範囲1ないし12の1つに記載の方法。
- 14.マッチング関数(C)の最大化の際に運動パラメータに相応する状態量( X)のコンポーネントが出発値として使用されることを特徴とする請求の範囲1 ないし13の1つに記載の方法。
- 15.請求の範囲1のステップ(c)または(d)が少なくとも1つのカルマン フィルタにより行われることを特徴とする請求の範囲1ないし14の1つに記載 の方法。
- 16.カルマンフィルタ−共分散がマッチング関数(C)の最大化を制御するた めに使用されることを特徴とする請求の範囲15記載の方法。
- 17.マッチング関数(C)の最大化の際の探索範囲がカルマンフィルタ−共分 散に関係して選ばれることを特徴とする請求の範囲15または16記載の方法。
- 18.請求の範囲1のステップ(b)で見出されたマッチング関数(C)の最大 値が請求の範囲1のステップ(c)で補正された状態量を計算するために使用さ れることを特徴とする請求の範囲1ないし17の1つに記載の方法。
- 19.請求の範囲1のステップ(b)で見い出されたマッチング関数(C)の最 大値がカルマンフィルタの測定ノイズ共分散を計算するために使用されることを 特徴とする請求の範囲15ないし17の1つに記載の方法。
- 20.測定ノイズ共分散(R(j,k))が式R(j,k)=ρ・(1−C(j ,k))に従って正値マトリックス(ρ)によりマッチング関数の最大値(C( j,k))から計算されることを特徴とする請求の範囲19記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE90108666.0 | 1990-05-08 | ||
EP90108666 | 1990-05-08 | ||
PCT/EP1991/000769 WO1991017513A1 (de) | 1990-05-08 | 1991-04-22 | Verfahren zur zeitrekursiven bewegungsschätzung und zur verfolgung bewegter objekte bei der analyse zeitlicher folgen digitaler bilder |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH05506738A true JPH05506738A (ja) | 1993-09-30 |
Family
ID=8203961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP91508144A Pending JPH05506738A (ja) | 1990-05-08 | 1991-04-22 | ディジタル像の時間的シーケンスの解析の際の運動対象物の時間再帰的な運動推定および追跡のための方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP0527791B1 (ja) |
JP (1) | JPH05506738A (ja) |
DE (1) | DE59102276D1 (ja) |
WO (1) | WO1991017513A1 (ja) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS61113377A (ja) * | 1984-11-07 | 1986-05-31 | Sony Corp | テレビジヨン信号の動き検出装置 |
-
1991
- 1991-04-22 EP EP91908162A patent/EP0527791B1/de not_active Expired - Lifetime
- 1991-04-22 JP JP91508144A patent/JPH05506738A/ja active Pending
- 1991-04-22 DE DE59102276T patent/DE59102276D1/de not_active Expired - Fee Related
- 1991-04-22 WO PCT/EP1991/000769 patent/WO1991017513A1/de active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
WO1991017513A1 (de) | 1991-11-14 |
EP0527791B1 (de) | 1994-07-20 |
EP0527791A1 (de) | 1993-02-24 |
DE59102276D1 (de) | 1994-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242884B (zh) | 基于JCFNet网络的遥感视频目标跟踪方法 | |
CN113269073B (zh) | 一种基于yolo v5算法的船舶多目标追踪方法 | |
Isard et al. | BraMBLe: A Bayesian multiple-blob tracker | |
EP0684732B1 (en) | Video processing system | |
You et al. | Classification and segmentation of rotated and scaled textured images using texture “tuned” masks | |
Pan et al. | Robust and accurate object tracking under various types of occlusions | |
WO2007037065A9 (en) | Object tracking method and object tracking apparatus | |
CN112465855B (zh) | 客流统计方法、装置、存储介质及设备 | |
Meier et al. | Using the condensation algorithm to implement tracking for mobile robots | |
Rozumnyi et al. | Non-causal tracking by deblatting | |
JP4020982B2 (ja) | 動画像処理装置 | |
Mohanty et al. | A survey on moving object detection using background subtraction methods in video | |
JPH05506738A (ja) | ディジタル像の時間的シーケンスの解析の際の運動対象物の時間再帰的な運動推定および追跡のための方法 | |
CN105809719A (zh) | 一种基于像素多编码表匹配的对象跟踪方法 | |
US6373897B1 (en) | Moving quantity detection apparatus and method | |
CN115171011A (zh) | 一种多类别建材视频计数方法及系统、计数设备 | |
Abdulla et al. | Triple-feature-based particle filter algorithm used in vehicle tracking applications | |
CN102087711A (zh) | 闭环的图像比较系统 | |
WO1997006631A2 (en) | Apparatus and method for object tracking | |
Schneiderman et al. | Model-based vision for car following | |
Li et al. | Adaptive target color model updating for visual tracking using particle filter | |
Ruz et al. | Visual recognition to access and analyze people density and flow patterns in indoor environments | |
Pazouki et al. | Multiphase vs. single-phase variational level set approach for video data association | |
Gatt et al. | Combining online feature selection with adaptive shape estimation | |
Faugeras et al. | Tracking line segments |