JPH08335270A - 動きベクトル推定方法 - Google Patents
動きベクトル推定方法Info
- Publication number
- JPH08335270A JPH08335270A JP7140932A JP14093295A JPH08335270A JP H08335270 A JPH08335270 A JP H08335270A JP 7140932 A JP7140932 A JP 7140932A JP 14093295 A JP14093295 A JP 14093295A JP H08335270 A JPH08335270 A JP H08335270A
- Authority
- JP
- Japan
- Prior art keywords
- point
- motion vector
- feature point
- feature
- points
- 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
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【構成】 時間的な前後関係を有する第１、第２の画像
Ｉ1 、Ｉ2 が動きベクトル推定処理部１１に送られ、ブ
ロックマッチングにより動きベクトルの推定が行われ
る。第１の画像Ｉ1 及び対象物の輪郭情報が特徴点抽出
処理部１２に送られ、この特徴点抽出処理部１２では、
与えられた対象物輪郭曲線上にある特徴点を、複数の基
準を用いて抽出し、その特徴点位置にブロックマッチン
グのためのテンプレートを配置する。 【効果】 物体境界領域における動きベクトル推定の精
度を高め、処理効率の向上も図ることができる。
Ｉ1 、Ｉ2 が動きベクトル推定処理部１１に送られ、ブ
ロックマッチングにより動きベクトルの推定が行われ
る。第１の画像Ｉ1 及び対象物の輪郭情報が特徴点抽出
処理部１２に送られ、この特徴点抽出処理部１２では、
与えられた対象物輪郭曲線上にある特徴点を、複数の基
準を用いて抽出し、その特徴点位置にブロックマッチン
グのためのテンプレートを配置する。 【効果】 物体境界領域における動きベクトル推定の精
度を高め、処理効率の向上も図ることができる。
Description
【０００１】
【産業上の利用分野】本発明は、動きベクトル推定方法
に関し、特に、例えば、動画像中の物体追跡処理などで
行われる、２画像間の対象領域の動きベクトル推定処理
を精度良く行うのに好適な動きベクトル推定方法に関す
る。
に関し、特に、例えば、動画像中の物体追跡処理などで
行われる、２画像間の対象領域の動きベクトル推定処理
を精度良く行うのに好適な動きベクトル推定方法に関す
る。
【０００２】
【従来の技術】動画において、対象とする物体の動きを
予測して次の画像の位置を推定することが行われてい
る。このような２画像間の小領域の動きベクトル推定を
行うための従来技術としてブロックマッチングが知られ
ている。このブロックマッチングの技術は、例えば、文
献「画像解析ハンドブック」、高木幹雄, 下田陽久, 東
京大学出版会,1991 等に開示されているが、以下に、ブ
ロックマッチングの概略について説明する。
予測して次の画像の位置を推定することが行われてい
る。このような２画像間の小領域の動きベクトル推定を
行うための従来技術としてブロックマッチングが知られ
ている。このブロックマッチングの技術は、例えば、文
献「画像解析ハンドブック」、高木幹雄, 下田陽久, 東
京大学出版会,1991 等に開示されているが、以下に、ブ
ロックマッチングの概略について説明する。
【０００３】ブロックマッチング法とは、時間的な前後
関係に従って第１、第２の画像とするとき、第１の画像
Ｉ1 上にｎ1×ｎ2の矩形のテンプレートを決め、第２の
画像Ｉ2 上にｍ1×ｍ2の矩形の探索範囲あるいは探査範
囲を決め、この探査範囲内でテンプレートを動かし、も
っとも一致した位置を適当な誤差評価関数を用いて探す
方法のことである。ここで、上記ｎ1、ｎ2、ｍ1、ｍ2は
整数である。
関係に従って第１、第２の画像とするとき、第１の画像
Ｉ1 上にｎ1×ｎ2の矩形のテンプレートを決め、第２の
画像Ｉ2 上にｍ1×ｍ2の矩形の探索範囲あるいは探査範
囲を決め、この探査範囲内でテンプレートを動かし、も
っとも一致した位置を適当な誤差評価関数を用いて探す
方法のことである。ここで、上記ｎ1、ｎ2、ｍ1、ｍ2は
整数である。
【０００４】図９にブロックマッチング処理のための概
略構成のブロック図を示す。処理は以下のように行われ
る。
略構成のブロック図を示す。処理は以下のように行われ
る。
【０００５】先ず、マッチング演算処理部１０１では、
テンプレートと探査範囲のリストが設定されていると
き、各テンプレートついて、対となる探査範囲中のブロ
ックとのマッチングを行う。最適なマッチングが得られ
たブロック位置のリストを次段におくる。
テンプレートと探査範囲のリストが設定されていると
き、各テンプレートついて、対となる探査範囲中のブロ
ックとのマッチングを行う。最適なマッチングが得られ
たブロック位置のリストを次段におくる。
【０００６】次に、動きベクトル演算処理部１０３で
は、テンプレート位置(ｔ1,ｔ2) を始点とし、前段で得
られたマッチング位置(ｍ1,ｍ2) を終点とする動きベク
トルｖを計算する。すなわち、 ｖ＝（ｍ1−ｔ1，ｍ2−ｔ2） （１） である。
は、テンプレート位置(ｔ1,ｔ2) を始点とし、前段で得
られたマッチング位置(ｍ1,ｍ2) を終点とする動きベク
トルｖを計算する。すなわち、 ｖ＝（ｍ1−ｔ1，ｍ2−ｔ2） （１） である。
【０００７】図１０に画像とテンプレート、探査範囲の
関係を示す。マッチング演算は以下のことを実現する処
理である。
関係を示す。マッチング演算は以下のことを実現する処
理である。
【０００８】この図１０において、第１の画像Ｉ1 内の
位置(ｔ1,ｔ2) にテンプレートＴ、第２の画像Ｉ2 内の
位置(ｓ1,ｓ2) に探査範囲Ｓがあるとき、探査範囲Ｓ内
の位置(ａ,ｂ) のブロックＳ(a,b) 毎にテンプレートＴ
との誤差評価値Ｅ(a,b) を求める。探査範囲（０≦ａ≦
ｍ1−１，０≦ｂ≦ｍ2−１）でＥ(a,b) が形成する誤差
曲面上の最小値点（minａ，minｂ）を決定する。ここ
で、上記ｔ1,ｔ2、ｓ1,ｓ2、ａ、ｂは整数である。
位置(ｔ1,ｔ2) にテンプレートＴ、第２の画像Ｉ2 内の
位置(ｓ1,ｓ2) に探査範囲Ｓがあるとき、探査範囲Ｓ内
の位置(ａ,ｂ) のブロックＳ(a,b) 毎にテンプレートＴ
との誤差評価値Ｅ(a,b) を求める。探査範囲（０≦ａ≦
ｍ1−１，０≦ｂ≦ｍ2−１）でＥ(a,b) が形成する誤差
曲面上の最小値点（minａ，minｂ）を決定する。ここ
で、上記ｔ1,ｔ2、ｓ1,ｓ2、ａ、ｂは整数である。
【０００９】次に、マッチング演算をフローチャートで
表すと図１１のようになる。ただし、図１１において添
字ｉは、上記テンプレートと探査範囲のリストが設定さ
れているときのｉ番めのリストであることを示す。
表すと図１１のようになる。ただし、図１１において添
字ｉは、上記テンプレートと探査範囲のリストが設定さ
れているときのｉ番めのリストであることを示す。
【００１０】この図１１において、最初のステップＳ１
１１では、テンプレートＴと探査範囲Ｓをそれぞれ画像
Ｉ1 、Ｉ2 から取り出し、次のステップＳ１１２では、
上記誤差評価値Ｅ(a,b) の最小値minＥ に大きな定数、
例えば誤差評価値Ｅ(a,b) として取り得る最大値を代入
しておく。次に、探査範囲Ｓ内におけるテンプレートの
ｘ座標ａについてのＦＯＲループ１１３と、ｙ座標ｂに
ついてのＦＯＲループ１１４による処理に移り、このル
ープ処理においては、探査位置（ａ，ｂ）を探査範囲内
で変えつつ、図１０で説明したブロックＳ(a,b) とテン
プレートＴの誤差評価値Ｅ(a,b) を求め、その評価値が
最小値minＥ となる位置（minａ，minｂ）を求めてい
る。すなわち、このループ内での具体的な処理として
は、ステップＳ１１５で上記テンプレートＴと探査範囲
Ｓ内のブロックＳ(a,b) とに基づく誤差評価演算を行っ
て誤差評価値Ｅ(a,b) を求め、ステップＳ１１６でこの
誤差評価値Ｅ(a,b) が現時点での最小値minＥ よりも小
さいか否かを判別し、ＮｏのときはＦＯＲループの次の
処理ステップに移行し、ＹesのときはステップＳ１１７
に進んで、minＥ に誤差評価値Ｅ(a,b) を代入し、min
ａ，minｂにそれぞれａ，ｂを代入した後、ＦＯＲルー
プの次の処理ステップに移行している。このＦＯＲルー
プの処理が全て終了したとき、探査範囲Ｓ内で誤差評価
値が最小値minＥ となるテンプレート位置（minａ，min
ｂ）が求められる。画像Ｉ2 内での探査範囲Ｓの位置が
(ｓ1,ｓ2) であるから、画像Ｉ2 内でのテンプレートＴ
のマッチング位置としては、（ｓ1＋minａ，ｓ2＋min
ｂ）が出力されることになる。
１１では、テンプレートＴと探査範囲Ｓをそれぞれ画像
Ｉ1 、Ｉ2 から取り出し、次のステップＳ１１２では、
上記誤差評価値Ｅ(a,b) の最小値minＥ に大きな定数、
例えば誤差評価値Ｅ(a,b) として取り得る最大値を代入
しておく。次に、探査範囲Ｓ内におけるテンプレートの
ｘ座標ａについてのＦＯＲループ１１３と、ｙ座標ｂに
ついてのＦＯＲループ１１４による処理に移り、このル
ープ処理においては、探査位置（ａ，ｂ）を探査範囲内
で変えつつ、図１０で説明したブロックＳ(a,b) とテン
プレートＴの誤差評価値Ｅ(a,b) を求め、その評価値が
最小値minＥ となる位置（minａ，minｂ）を求めてい
る。すなわち、このループ内での具体的な処理として
は、ステップＳ１１５で上記テンプレートＴと探査範囲
Ｓ内のブロックＳ(a,b) とに基づく誤差評価演算を行っ
て誤差評価値Ｅ(a,b) を求め、ステップＳ１１６でこの
誤差評価値Ｅ(a,b) が現時点での最小値minＥ よりも小
さいか否かを判別し、ＮｏのときはＦＯＲループの次の
処理ステップに移行し、ＹesのときはステップＳ１１７
に進んで、minＥ に誤差評価値Ｅ(a,b) を代入し、min
ａ，minｂにそれぞれａ，ｂを代入した後、ＦＯＲルー
プの次の処理ステップに移行している。このＦＯＲルー
プの処理が全て終了したとき、探査範囲Ｓ内で誤差評価
値が最小値minＥ となるテンプレート位置（minａ，min
ｂ）が求められる。画像Ｉ2 内での探査範囲Ｓの位置が
(ｓ1,ｓ2) であるから、画像Ｉ2 内でのテンプレートＴ
のマッチング位置としては、（ｓ1＋minａ，ｓ2＋min
ｂ）が出力されることになる。
【００１１】ここで、誤差評価関数Ｅ(a,b) としては、
比較する画像の相関係数を用いる方法と比較する画像の
平均残差を用いる方法があるが、計算の容易さから平均
残差を用いる方法がよく使われている。平均残差を用い
る方法は、画素毎に残差ｅの絶対値または２乗を求め、
そのテンプレート範囲の平均を誤差評価値Ｅとするもの
である。誤差評価関数Ｅ(a,b) の具体例を次式に示す。
比較する画像の相関係数を用いる方法と比較する画像の
平均残差を用いる方法があるが、計算の容易さから平均
残差を用いる方法がよく使われている。平均残差を用い
る方法は、画素毎に残差ｅの絶対値または２乗を求め、
そのテンプレート範囲の平均を誤差評価値Ｅとするもの
である。誤差評価関数Ｅ(a,b) の具体例を次式に示す。
【００１２】
【数１】
【００１３】これらの式（２）〜式（４）において、式
（２）は画素毎に残差ｅの絶対値を用いたとき、式
（３）は２乗を用いた時の誤差評価関数Ｅ(a,b) を示し
たものである。分母は（ａ，ｂ）によらないので、計算
上は省略されることが多い。また式（４）は画素毎の残
差ｅを示したものである。
（２）は画素毎に残差ｅの絶対値を用いたとき、式
（３）は２乗を用いた時の誤差評価関数Ｅ(a,b) を示し
たものである。分母は（ａ，ｂ）によらないので、計算
上は省略されることが多い。また式（４）は画素毎の残
差ｅを示したものである。
【００１４】また、上記ブロックマッチングを応用し、
対象物領域の追跡を行うことを目的とした技術文献とし
ては、特開平４−１１７０７９号公報「画像処理システ
ム」や、「映像のための動ベクトル検出法に関する一検
討」八木ら, テレビジョン学会誌, Vol.45, No.10, pp.
1221-1229, 1991 等がある。以下にその概要を説明す
る。
対象物領域の追跡を行うことを目的とした技術文献とし
ては、特開平４−１１７０７９号公報「画像処理システ
ム」や、「映像のための動ベクトル検出法に関する一検
討」八木ら, テレビジョン学会誌, Vol.45, No.10, pp.
1221-1229, 1991 等がある。以下にその概要を説明す
る。
【００１５】上記「画像処理システム」は、１つ前のフ
レームにおいて、対象物領域を示すマスク画像が与えら
れているときに、前フレームのマスクが１である全ての
画素の動きベクトルをブロックマッチングによって推定
し、前フレームのマスクが１である全ての画素を動きベ
クトルによって移動させた結果を現フレームのマスクと
する技術である。
レームにおいて、対象物領域を示すマスク画像が与えら
れているときに、前フレームのマスクが１である全ての
画素の動きベクトルをブロックマッチングによって推定
し、前フレームのマスクが１である全ての画素を動きベ
クトルによって移動させた結果を現フレームのマスクと
する技術である。
【００１６】上記「映像のための動ベクトル検出法に関
する一検討」は、１つ前のフレームにおいて、対象物領
域を示すマスク画像が与えられているときに、対象物領
域内部にブロックを適当個配置し、それらに対し、前フ
レームと現フレームとの間でブロックマッチングを行
い、得られた動きベクトルからマスク画像のアフィン変
換パラメータを推定する技術である。現フレームのマス
ク画像は推定されたアフィン変換パラメータにより、前
フレームのマスク画像を変形することにより得られる。
する一検討」は、１つ前のフレームにおいて、対象物領
域を示すマスク画像が与えられているときに、対象物領
域内部にブロックを適当個配置し、それらに対し、前フ
レームと現フレームとの間でブロックマッチングを行
い、得られた動きベクトルからマスク画像のアフィン変
換パラメータを推定する技術である。現フレームのマス
ク画像は推定されたアフィン変換パラメータにより、前
フレームのマスク画像を変形することにより得られる。
【００１７】
【発明が解決しようとする課題】ところで、上記従来の
通常のブロックマッチング技術においては、以下のよう
な問題があった。
通常のブロックマッチング技術においては、以下のよう
な問題があった。
【００１８】先ず第１の問題点として、周期性、一様性
をもつ画像パターンは、そのパターン自身周辺へのマッ
チングを行うと、極小値点がただ１つでない誤差曲面が
生じる点が挙げられる。これは、パターンの自己相関の
性質に起因するものである。テンプレートに周期性、一
様性がある場合、探査範囲にもその周期性、一様性が保
存されている場合が多い。この時探査範囲における誤差
曲面は極小値点がただ１つでなくなる。従来のブロック
マッチングの技術による方法では、このような画像の場
合に動きベクトル推定が誤った局所解に陥りやすい。
をもつ画像パターンは、そのパターン自身周辺へのマッ
チングを行うと、極小値点がただ１つでない誤差曲面が
生じる点が挙げられる。これは、パターンの自己相関の
性質に起因するものである。テンプレートに周期性、一
様性がある場合、探査範囲にもその周期性、一様性が保
存されている場合が多い。この時探査範囲における誤差
曲面は極小値点がただ１つでなくなる。従来のブロック
マッチングの技術による方法では、このような画像の場
合に動きベクトル推定が誤った局所解に陥りやすい。
【００１９】第２の問題点として、単色物体同士の境界
は境界線の進む方向に沿って一様性をもつ画像パターン
である。そのため、上記第１の問題点の理由により、単
色物体同士の境界は、従来の通常のブロックマッチング
技術による動きベクトル推定が誤りやすいところであ
る。
は境界線の進む方向に沿って一様性をもつ画像パターン
である。そのため、上記第１の問題点の理由により、単
色物体同士の境界は、従来の通常のブロックマッチング
技術による動きベクトル推定が誤りやすいところであ
る。
【００２０】上記特開平４−１１７０７９号公報「画像
処理システム」や、上記「映像のための動ベクトル検出
法に関する一検討」に記載された技術は、上記従来の通
常のブロックマッチング技術を利用する物体領域追跡技
術である。物体領域追跡においては、輪郭形状の追跡が
もっとも重要であるが、上記第１、第２の問題点のため
に、以下のように解決されない点があった。
処理システム」や、上記「映像のための動ベクトル検出
法に関する一検討」に記載された技術は、上記従来の通
常のブロックマッチング技術を利用する物体領域追跡技
術である。物体領域追跡においては、輪郭形状の追跡が
もっとも重要であるが、上記第１、第２の問題点のため
に、以下のように解決されない点があった。
【００２１】すなわち、上記特開平４−１１７０７９号
公報「画像処理システム」に記載された技術では、対象
物画素であると判断された全ての画素の動きベクトル推
定を行うため、動きベクトル推定の処理時間が膨大であ
る。また、従来の通常のブロックマッチング技術を用い
ているため、上記第１、第２の問題点があり、個々の動
きベクトルが必ずしも正確に推定できているとは限ら
ず、結果のマスク形状が信頼性に欠ける場合がある。
公報「画像処理システム」に記載された技術では、対象
物画素であると判断された全ての画素の動きベクトル推
定を行うため、動きベクトル推定の処理時間が膨大であ
る。また、従来の通常のブロックマッチング技術を用い
ているため、上記第１、第２の問題点があり、個々の動
きベクトルが必ずしも正確に推定できているとは限ら
ず、結果のマスク形状が信頼性に欠ける場合がある。
【００２２】また、上記「映像のための動ベクトル検出
法に関する一検討」の技術においては、上述したブロッ
クマッチング技術の欠点は物体境界では避けられない問
題であるとして、物体境界から十分に離れた、対象物内
部の画素のみを用いて、対象物形状を追跡する処理を行
う。そのため、アフィン変換のような写像でえられるよ
うな、簡単な形状変形の追随に終始しているのが実情で
ある。
法に関する一検討」の技術においては、上述したブロッ
クマッチング技術の欠点は物体境界では避けられない問
題であるとして、物体境界から十分に離れた、対象物内
部の画素のみを用いて、対象物形状を追跡する処理を行
う。そのため、アフィン変換のような写像でえられるよ
うな、簡単な形状変形の追随に終始しているのが実情で
ある。
【００２３】本発明は、上述したような実情に鑑みてな
されたものであり、局所解に陥る危険性がなるべく小さ
いような、動きベクトル推定を行うことによって、処理
の精度と効率の上昇を実現し得るような動きベクトル推
定方法の提供を目的とするものである。
されたものであり、局所解に陥る危険性がなるべく小さ
いような、動きベクトル推定を行うことによって、処理
の精度と効率の上昇を実現し得るような動きベクトル推
定方法の提供を目的とするものである。
【００２４】
【課題を解決するための手段】本発明に係る動きベクト
ル推定方法によれば、動画像中に存在する対象物輪郭曲
線（あるいは輪郭軌跡ともいう）上で特徴点を抽出し、
この抽出された特徴点のみを用いて動きベクトル推定を
行うことにより、上述の課題を解決する。
ル推定方法によれば、動画像中に存在する対象物輪郭曲
線（あるいは輪郭軌跡ともいう）上で特徴点を抽出し、
この抽出された特徴点のみを用いて動きベクトル推定を
行うことにより、上述の課題を解決する。
【００２５】ここで、上記特徴点抽出の際には、上記対
象物輪郭曲線の始端から終端までの各点で微小区間屈曲
角を計算し、その総和を累積屈曲角とし、この累積屈曲
角が予め定めた閾値より大きいときに、最大の微小区間
屈曲角をとる点を特徴点とすればよい。
象物輪郭曲線の始端から終端までの各点で微小区間屈曲
角を計算し、その総和を累積屈曲角とし、この累積屈曲
角が予め定めた閾値より大きいときに、最大の微小区間
屈曲角をとる点を特徴点とすればよい。
【００２６】また、上記抽出された特徴点で対象物輪郭
曲線を分割し、分割された対象物輪郭曲線に対しても上
記特徴点抽出処理をを再帰的に行うことが好ましい。
曲線を分割し、分割された対象物輪郭曲線に対しても上
記特徴点抽出処理をを再帰的に行うことが好ましい。
【００２７】上記特徴点抽出の具体例としては、上記対
象物輪郭曲線の始端から終端までの各点で、曲線を垂直
に横切る方向の各濃度の１次微分値を計算し、それらを
各要素とするベクトルを求め、上記対象物輪郭曲線に沿
って上記ベクトルの方向の変化を計算し、その方向変化
角が予め定めた閾値より大きいときに、その位置を特徴
点とすることが挙げられる。
象物輪郭曲線の始端から終端までの各点で、曲線を垂直
に横切る方向の各濃度の１次微分値を計算し、それらを
各要素とするベクトルを求め、上記対象物輪郭曲線に沿
って上記ベクトルの方向の変化を計算し、その方向変化
角が予め定めた閾値より大きいときに、その位置を特徴
点とすることが挙げられる。
【００２８】
【作用】動画像中に存在する対象物輪郭曲線上の特徴点
は、一様な構造の点に比べて、動きベクトル推定が誤っ
た局所解に陥る可能性が低いことから、この抽出された
特徴点のみを用いて動きベクトル推定を行う。これによ
って、境界領域における動きベクトル推定の精度と処理
効率の向上を実現する。
は、一様な構造の点に比べて、動きベクトル推定が誤っ
た局所解に陥る可能性が低いことから、この抽出された
特徴点のみを用いて動きベクトル推定を行う。これによ
って、境界領域における動きベクトル推定の精度と処理
効率の向上を実現する。
【００２９】
【実施例】本発明に係る動きベクトル推定方法において
は、動きベクトルを求めたい対象があり、その境界領域
での動きベクトル推定の場合に限定することによって問
題を解決する。
は、動きベクトルを求めたい対象があり、その境界領域
での動きベクトル推定の場合に限定することによって問
題を解決する。
【００３０】前記第２の問題点として述べたように、物
体境界領域においては、従来の通常のブロックマッチン
グ技術では精度面での問題が大きい。本発明は、境界領
域での動きベクトル推定において、局所解に陥る危険性
がなるべく小さいような、境界上の点を探し、それらの
動きベクトル推定を行う。
体境界領域においては、従来の通常のブロックマッチン
グ技術では精度面での問題が大きい。本発明は、境界領
域での動きベクトル推定において、局所解に陥る危険性
がなるべく小さいような、境界上の点を探し、それらの
動きベクトル推定を行う。
【００３１】「図形の構造記述と視覚記憶のモデル
(Ｉ)」（乾敏郎、三宅誠、電子情報通信学会、 MBE-89-
14, pp.91-98, 1989）によれば、認知科学の研究から、
人間は曲線の形状の端点、交点、曲率が大きい部分に強
く反応することが報告されており、それらを特徴点と呼
ぶ。このことから、対象物領域中の特徴点が正確に追跡
できれば、対象物領域中のそれ以外の点は特徴点の追跡
結果から補間処理等を行うなどの方法を用いても、認識
上の精度は保証される。また、特徴点は画像上に特徴的
構造をもつ点であるので、一様な構造の点よりはるか
に、動きベクトル推定が誤った局所解に陥る可能性が小
さい。従って本発明は、対象物境界領域の特徴点を検出
し、その特徴点の動きベクトル推定を行う。それによっ
て、前記特開平４−１１７０７９号公報記載の技術や、
前記「映像のための動ベクトル検出法に関する一検討」
の技術では解決できなかった、境界領域での動きベクト
ル推定の精度の問題、動きベクトル推定の処理量の多さ
の問題の両方を解決する。
(Ｉ)」（乾敏郎、三宅誠、電子情報通信学会、 MBE-89-
14, pp.91-98, 1989）によれば、認知科学の研究から、
人間は曲線の形状の端点、交点、曲率が大きい部分に強
く反応することが報告されており、それらを特徴点と呼
ぶ。このことから、対象物領域中の特徴点が正確に追跡
できれば、対象物領域中のそれ以外の点は特徴点の追跡
結果から補間処理等を行うなどの方法を用いても、認識
上の精度は保証される。また、特徴点は画像上に特徴的
構造をもつ点であるので、一様な構造の点よりはるか
に、動きベクトル推定が誤った局所解に陥る可能性が小
さい。従って本発明は、対象物境界領域の特徴点を検出
し、その特徴点の動きベクトル推定を行う。それによっ
て、前記特開平４−１１７０７９号公報記載の技術や、
前記「映像のための動ベクトル検出法に関する一検討」
の技術では解決できなかった、境界領域での動きベクト
ル推定の精度の問題、動きベクトル推定の処理量の多さ
の問題の両方を解決する。
【００３２】本発明は、前記局所解に陥る危険性が小さ
い点として、境界の軌跡すなわち対象物輪郭曲線上の形
状的特徴点を抽出する。形状的特徴点とは、軌跡あるい
は曲線の屈曲が大きい点であり、境界のすすむ方向に沿
った一様性が小さい。
い点として、境界の軌跡すなわち対象物輪郭曲線上の形
状的特徴点を抽出する。形状的特徴点とは、軌跡あるい
は曲線の屈曲が大きい点であり、境界のすすむ方向に沿
った一様性が小さい。
【００３３】また本発明は、前記局所解に陥る危険性が
小さい点として、境界の軌跡すなわち対象物輪郭曲線上
の濃度変化的特徴点を抽出する。濃度変化的特徴点と
は、境界の少なくとも片方の濃度が変化する点であり、
境界のすすむ方向に沿った一様性が小さい。
小さい点として、境界の軌跡すなわち対象物輪郭曲線上
の濃度変化的特徴点を抽出する。濃度変化的特徴点と
は、境界の少なくとも片方の濃度が変化する点であり、
境界のすすむ方向に沿った一様性が小さい。
【００３４】以下、本発明に係る動きベクトル推定方法
の実施例について、図面を参照しながら説明する。
の実施例について、図面を参照しながら説明する。
【００３５】図１は、本発明の一実施例が適用される動
きベクトル推定のための構成を概略的に示すブロック図
である。この図１において、動きベクトル推定処理部１
１には、動きベクトルを求めようとする対象物を含む第
１、第２の画像Ｉ1,Ｉ2 と、特徴点抽出処理部１２から
のテンプレートリスト及び探査範囲リストが供給されて
いる。特徴点抽出処理部１２は、与えられた対象物輪郭
情報と、上記第１の画像Ｉ1 とから、特徴点を抽出し、
探査するブロックリストを生成する。動きベクトル推定
処理部１１は、生成されたブロックリストの動きベクト
ル場を推定する処理を行う。
きベクトル推定のための構成を概略的に示すブロック図
である。この図１において、動きベクトル推定処理部１
１には、動きベクトルを求めようとする対象物を含む第
１、第２の画像Ｉ1,Ｉ2 と、特徴点抽出処理部１２から
のテンプレートリスト及び探査範囲リストが供給されて
いる。特徴点抽出処理部１２は、与えられた対象物輪郭
情報と、上記第１の画像Ｉ1 とから、特徴点を抽出し、
探査するブロックリストを生成する。動きベクトル推定
処理部１１は、生成されたブロックリストの動きベクト
ル場を推定する処理を行う。
【００３６】本発明の上記実施例を実現するための画像
処理装置の全体の概略構成の一例を図２に示す。
処理装置の全体の概略構成の一例を図２に示す。
【００３７】この図２において、画像処理装置は、本実
施例の動きベクトル推定処理に必要なあらゆる演算を行
うためのＣＰＵ（中央演算処理装置）２１と、画像Ｉ1,
Ｉ2,Ｉ3 を保持するための外部記憶手段２２と、画像を
作成したりするためのマウス、タブレットペンなどの入
力手段２３と、画像を表示するためのディスプレイなど
の表示手段とを有している。これらのＣＰＵ２１、外部
記憶手段２２、入力手段２３、表示手段２４間でのデー
タの送受は、バスライン２５を介して行われる。
施例の動きベクトル推定処理に必要なあらゆる演算を行
うためのＣＰＵ（中央演算処理装置）２１と、画像Ｉ1,
Ｉ2,Ｉ3 を保持するための外部記憶手段２２と、画像を
作成したりするためのマウス、タブレットペンなどの入
力手段２３と、画像を表示するためのディスプレイなど
の表示手段とを有している。これらのＣＰＵ２１、外部
記憶手段２２、入力手段２３、表示手段２４間でのデー
タの送受は、バスライン２５を介して行われる。
【００３８】次に、上記図１の各処理部での動作につい
てさらに詳細に説明する。
てさらに詳細に説明する。
【００３９】先ず、図１の特徴点抽出処理部１２におけ
る特徴点抽出処理は、与えられた対象物輪郭曲線あるい
は輪郭軌跡上にある特徴点を、複数の基準を用いて抽出
し、その特徴点位置にブロックマッチングのためのテン
プレートを配置することを行うものである。
る特徴点抽出処理は、与えられた対象物輪郭曲線あるい
は輪郭軌跡上にある特徴点を、複数の基準を用いて抽出
し、その特徴点位置にブロックマッチングのためのテン
プレートを配置することを行うものである。
【００４０】本実施例では、対象物輪郭曲線あるいは輪
郭軌跡の全体にわたって特徴点を抽出するための方法あ
るいは処理の一例と、特徴点を抽出する２つの基準、す
なわち曲線の評価方法を説明する。
郭軌跡の全体にわたって特徴点を抽出するための方法あ
るいは処理の一例と、特徴点を抽出する２つの基準、す
なわち曲線の評価方法を説明する。
【００４１】先ず、再帰的抽出処理について説明する。
【００４２】図３は、輪郭軌跡上の２点間で、再帰的に
特徴点抽出を行う処理のアルゴリズムをフローチャート
で表したものである。特徴点抽出のための基準を複数用
いる場合は、すべての基準のそれぞれにおいて図３に示
される処理を行う。初期値として、軌跡の両端点（閉曲
線の場合は任意の１点）を与えることにより、軌跡全体
の特徴点を抽出できる。
特徴点抽出を行う処理のアルゴリズムをフローチャート
で表したものである。特徴点抽出のための基準を複数用
いる場合は、すべての基準のそれぞれにおいて図３に示
される処理を行う。初期値として、軌跡の両端点（閉曲
線の場合は任意の１点）を与えることにより、軌跡全体
の特徴点を抽出できる。
【００４３】この図３の最初のステップＳ３１におい
て、画像Ｉ1 上の輪郭軌跡すなわち対象物輪郭曲線Ｃ上
の与えられた点Ｐ0,Ｐ1 の間の区間の評価を行う。この
曲線の評価には、例えば後述する２つの方法のいずれか
一方又は双方を、あるいはさらに他の方法を用いればよ
い。評価された値をvalue 、区間内で抽出された特徴点
位置をｐとする。
て、画像Ｉ1 上の輪郭軌跡すなわち対象物輪郭曲線Ｃ上
の与えられた点Ｐ0,Ｐ1 の間の区間の評価を行う。この
曲線の評価には、例えば後述する２つの方法のいずれか
一方又は双方を、あるいはさらに他の方法を用いればよ
い。評価された値をvalue 、区間内で抽出された特徴点
位置をｐとする。
【００４４】次のステップＳ３２では、予め定められた
閾値Ｔｈと上記評価値value とを比較し、value が小さ
ければ、その区間内に特徴点がないと判断され、０個の
特徴点リストを出力する。評価値value が大きければ、
ステップＳ３３以降の処理を行う。
閾値Ｔｈと上記評価値value とを比較し、value が小さ
ければ、その区間内に特徴点がないと判断され、０個の
特徴点リストを出力する。評価値value が大きければ、
ステップＳ３３以降の処理を行う。
【００４５】すなわち、ステップＳ３３では、特徴点位
置ｐを特徴点リストに追加する。次のステップＳ３４で
は、上記点Ｐ0 と上記特徴点位置ｐとの間の区間につい
て、再帰的に特徴点抽出処理を行い、その出力を特徴点
リストに追加する。また、ステップＳ３５にて、ｐとＰ
1 との間の区間についても同様の処理を行う。
置ｐを特徴点リストに追加する。次のステップＳ３４で
は、上記点Ｐ0 と上記特徴点位置ｐとの間の区間につい
て、再帰的に特徴点抽出処理を行い、その出力を特徴点
リストに追加する。また、ステップＳ３５にて、ｐとＰ
1 との間の区間についても同様の処理を行う。
【００４６】次に、上記曲線を評価する方法の一例とし
て、形状に基づく曲線評価方法、すなわち、輪郭が大き
く屈曲している点を特徴点として抽出する方法を、図４
を参照しながら説明する。
て、形状に基づく曲線評価方法、すなわち、輪郭が大き
く屈曲している点を特徴点として抽出する方法を、図４
を参照しながら説明する。
【００４７】図４は、この形状的曲線評価方法の処理の
概要を示している。この図４において、点Ｐ0 における
接線方向と軌跡上の各点の接線方向とのなす角をθとす
る。点Ｐ0 から点Ｐ1 までのθの変化の振幅θp-p が、
定められた閾値より大きいとき、点Ｐ0 から点Ｐ1 まで
の間に屈曲点（特徴点）があるとして、θの微小変化δ
θが最大となる点を抽出する。
概要を示している。この図４において、点Ｐ0 における
接線方向と軌跡上の各点の接線方向とのなす角をθとす
る。点Ｐ0 から点Ｐ1 までのθの変化の振幅θp-p が、
定められた閾値より大きいとき、点Ｐ0 から点Ｐ1 まで
の間に屈曲点（特徴点）があるとして、θの微小変化δ
θが最大となる点を抽出する。
【００４８】このような形状に基づく曲線評価方法にお
ける実際の計算は離散的に行われる。図５はその処理の
フローチャートである。
ける実際の計算は離散的に行われる。図５はその処理の
フローチャートである。
【００４９】この図５において、ステップＳ５１では、
上述した点Ｐ0 から点Ｐ1 までの間を等間隔で分割し、
分割数をＮとする。この分割数Ｎの各分割部分毎に、Ｆ
ＯＲループ５２内の処理を行う。すなわち、このＦＯＲ
ループ５２で上記分割数に応じたＮ回の処理を繰り返
す。１回分の処理としては、ステップＳ５３において、
第ｉ番目の分割点ｐi における微小変化δθを求め、ス
テップＳ５４でそれらの累積加算値θp-p を求め、ステ
ップＳ５５、Ｓ５６で絶対値の最大値δθmax を求め
る。また、このときのｐi をｐmax とする。
上述した点Ｐ0 から点Ｐ1 までの間を等間隔で分割し、
分割数をＮとする。この分割数Ｎの各分割部分毎に、Ｆ
ＯＲループ５２内の処理を行う。すなわち、このＦＯＲ
ループ５２で上記分割数に応じたＮ回の処理を繰り返
す。１回分の処理としては、ステップＳ５３において、
第ｉ番目の分割点ｐi における微小変化δθを求め、ス
テップＳ５４でそれらの累積加算値θp-p を求め、ステ
ップＳ５５、Ｓ５６で絶対値の最大値δθmax を求め
る。また、このときのｐi をｐmax とする。
【００５０】次に、輪郭濃度変化に基づく曲線評価方
法、すなわち、輪郭における物体濃度の組合せが変化し
ている点を特徴点として抽出する方法を説明する。
法、すなわち、輪郭における物体濃度の組合せが変化し
ている点を特徴点として抽出する方法を説明する。
【００５１】図６は、本方法の処理の概要を説明するた
めの図である。図６（Ａ）は画像における輪郭の一例を
示している。軌跡すなわち対象物輪郭曲線Ｃによって指
示された輪郭の片側に２つの物体濃度ｆｇ1、ｆｇ2が、
もう片側に物体濃度ｂｇがある。輪郭の濃度変化を調べ
るために、画像上で軌跡に垂直な方向の濃度変化を求め
る。図６（Ｂ）は濃度空間における輪郭領域の濃度分布
の１例を示している。求めた輪郭上の濃度変化は、濃度
空間上では、１つの物体濃度分布からもう１つの物体濃
度分布に向かうベクトルとして表現される。軌跡上で隣
接するベクトルが互いになす角φを図６（Ｃ）のように
求める。そのφが最大になる位置を特徴点として抽出す
る。この図６の例では対象物の特徴点としての物体濃度
ｆｇの変化点を抽出しているが、背景の物体濃度ｂｇの
変化点を特徴点として抽出してもよい。
めの図である。図６（Ａ）は画像における輪郭の一例を
示している。軌跡すなわち対象物輪郭曲線Ｃによって指
示された輪郭の片側に２つの物体濃度ｆｇ1、ｆｇ2が、
もう片側に物体濃度ｂｇがある。輪郭の濃度変化を調べ
るために、画像上で軌跡に垂直な方向の濃度変化を求め
る。図６（Ｂ）は濃度空間における輪郭領域の濃度分布
の１例を示している。求めた輪郭上の濃度変化は、濃度
空間上では、１つの物体濃度分布からもう１つの物体濃
度分布に向かうベクトルとして表現される。軌跡上で隣
接するベクトルが互いになす角φを図６（Ｃ）のように
求める。そのφが最大になる位置を特徴点として抽出す
る。この図６の例では対象物の特徴点としての物体濃度
ｆｇの変化点を抽出しているが、背景の物体濃度ｂｇの
変化点を特徴点として抽出してもよい。
【００５２】このような輪郭濃度変化に基づく曲線評価
方法における実際の計算は離散的に行われる。図７はそ
の処理のフローチャートである。
方法における実際の計算は離散的に行われる。図７はそ
の処理のフローチャートである。
【００５３】この図７において、ステップＳ７１では、
上述した点Ｐ0 から点Ｐ1 までの間を等間隔で分割し、
分割数をＮとする。また、点Ｐ0 における濃度変化ベク
トルｔ0 を求める。次に、いわゆるＦＯＲループ７２に
より、上記分割数Ｎの回数分の繰り返し処理を行う。こ
の繰り返し処理として、一般に第ｉ回目の処理は、先ず
ステップＳ７３にて第ｉ番目の分割点をｐi とし、次の
ステップＳ７４にてその分割点ｐi における濃度変化ベ
クトルｔi を求め、この濃度変化ベクトルｔiと前回の
第ｉ−１番目の濃度変化ベクトルｔi-1 とのなす角φi
を求める。次のステップＳ７５では、得られた角φi の
絶対値が現在までの最大値φmax より大きいか否かを判
別し、Ｎｏのときは次の回の第ｉ＋１番目のループ処理
に移り、ＹesのときにはステップＳ７６で今回得られた
角φi の絶対値を最大値φmax とすると共にこのときの
分割点をｐi をｐmax とした後、次の第ｉ＋１番目のル
ープ処理に移る。これを上記分割数のＮ回繰り返すわけ
である。
上述した点Ｐ0 から点Ｐ1 までの間を等間隔で分割し、
分割数をＮとする。また、点Ｐ0 における濃度変化ベク
トルｔ0 を求める。次に、いわゆるＦＯＲループ７２に
より、上記分割数Ｎの回数分の繰り返し処理を行う。こ
の繰り返し処理として、一般に第ｉ回目の処理は、先ず
ステップＳ７３にて第ｉ番目の分割点をｐi とし、次の
ステップＳ７４にてその分割点ｐi における濃度変化ベ
クトルｔi を求め、この濃度変化ベクトルｔiと前回の
第ｉ−１番目の濃度変化ベクトルｔi-1 とのなす角φi
を求める。次のステップＳ７５では、得られた角φi の
絶対値が現在までの最大値φmax より大きいか否かを判
別し、Ｎｏのときは次の回の第ｉ＋１番目のループ処理
に移り、ＹesのときにはステップＳ７６で今回得られた
角φi の絶対値を最大値φmax とすると共にこのときの
分割点をｐi をｐmax とした後、次の第ｉ＋１番目のル
ープ処理に移る。これを上記分割数のＮ回繰り返すわけ
である。
【００５４】次に、図１の動きベクトル推定処理部１１
においては、前記図９〜図１１と共に説明したような従
来の通常のブロックマッチングを行えばよいため、説明
を省略する。
においては、前記図９〜図１１と共に説明したような従
来の通常のブロックマッチングを行えばよいため、説明
を省略する。
【００５５】以上説明したような実施例により得られる
効果について、図８を参照しながら説明する。
効果について、図８を参照しながら説明する。
【００５６】図８のＡに示す画像中の対象物ｏｂｊが、
時間的に次の図８のＢに示す画像中で移動したときの輪
郭位置を推定するために、対象物ｏｂｊの輪郭に沿って
ブロックを置き、それらのブロックマッチングを行う場
合について説明する。
時間的に次の図８のＢに示す画像中で移動したときの輪
郭位置を推定するために、対象物ｏｂｊの輪郭に沿って
ブロックを置き、それらのブロックマッチングを行う場
合について説明する。
【００５７】図８のＡに示す画像中の黒点ｄｐは、上記
実施例によって抽出される特徴点を示している。このよ
うな特徴点は、上述したように、色の変化点や形状の屈
曲点に置かれることから、図示の例の対象物ｏｂｊで
は、右側の屈曲が多い部分には多くの特徴点が抽出され
るが、左側の直線的な部分にはほとんど検出されない。
白点ｏｐは上記特徴点以外に適当に配置したブロック位
置を示す。これらをブロックマッチングにより移動先を
推定すると、図８のＢに示すような結果となる。すなわ
ち、特徴点ｄｐは、その領域の構造の特異さから精度の
良い動きベクトル推定が可能であるが、それ以外の位置
に置かれたブロックを示す白点ｏｐは、近傍の構造と見
分けがつかないので、動きベクトルの推定精度は期待で
きないことになる。図８のＢにおける輪郭の概形を得た
いときは、これらの推定結果を適当な曲線で結んでやれ
ばよいが、このとき特徴点ｄｐだけを用いても、図８の
Ｃに示すように、充分に概形を得ることができ、またブ
ロックマッチングのエラーによる余計なノイズが混入す
る虞も少ない。このようなことからも、少ない動きベク
トル数で輪郭を追跡しても、それぞれの動きベクトルの
信頼度が高いので、輪郭位置をほぼ間違いなく追跡でき
ることがわかる。
実施例によって抽出される特徴点を示している。このよ
うな特徴点は、上述したように、色の変化点や形状の屈
曲点に置かれることから、図示の例の対象物ｏｂｊで
は、右側の屈曲が多い部分には多くの特徴点が抽出され
るが、左側の直線的な部分にはほとんど検出されない。
白点ｏｐは上記特徴点以外に適当に配置したブロック位
置を示す。これらをブロックマッチングにより移動先を
推定すると、図８のＢに示すような結果となる。すなわ
ち、特徴点ｄｐは、その領域の構造の特異さから精度の
良い動きベクトル推定が可能であるが、それ以外の位置
に置かれたブロックを示す白点ｏｐは、近傍の構造と見
分けがつかないので、動きベクトルの推定精度は期待で
きないことになる。図８のＢにおける輪郭の概形を得た
いときは、これらの推定結果を適当な曲線で結んでやれ
ばよいが、このとき特徴点ｄｐだけを用いても、図８の
Ｃに示すように、充分に概形を得ることができ、またブ
ロックマッチングのエラーによる余計なノイズが混入す
る虞も少ない。このようなことからも、少ない動きベク
トル数で輪郭を追跡しても、それぞれの動きベクトルの
信頼度が高いので、輪郭位置をほぼ間違いなく追跡でき
ることがわかる。
【００５８】なお、本発明は上記実施例のみに限定され
るものではなく、本発明の要旨を逸脱しない範囲におい
て種々の変更が可能である。
るものではなく、本発明の要旨を逸脱しない範囲におい
て種々の変更が可能である。
【００５９】
【発明の効果】本発明に係る動きベクトル推定方法によ
れば、動画像中に存在する対象物輪郭曲線上で特徴点を
抽出し、この抽出された特徴点のみを用いて動きベクト
ル推定を行うことにより、境界領域における動きベクト
ル推定の精度と処理効率の向上を実現し、少数の動きベ
クトル推定でも高い信頼度をもって輪郭を追跡可能とし
ている。
れば、動画像中に存在する対象物輪郭曲線上で特徴点を
抽出し、この抽出された特徴点のみを用いて動きベクト
ル推定を行うことにより、境界領域における動きベクト
ル推定の精度と処理効率の向上を実現し、少数の動きベ
クトル推定でも高い信頼度をもって輪郭を追跡可能とし
ている。
【００６０】また、特徴点抽出の際には、対象物輪郭曲
線上の屈曲が大きい形状的特徴点を抽出することによ
り、あるいは対象物輪郭曲線である境界の少なくとも片
方の濃度が変化する濃度変化的特徴点を抽出することに
より、動きベクトル推定が誤った局所解に陥る危険性を
小さくし、動きベクトル推定の精度を高める。
線上の屈曲が大きい形状的特徴点を抽出することによ
り、あるいは対象物輪郭曲線である境界の少なくとも片
方の濃度が変化する濃度変化的特徴点を抽出することに
より、動きベクトル推定が誤った局所解に陥る危険性を
小さくし、動きベクトル推定の精度を高める。
【図１】本発明の動きベクトル推定方法が適用される実
施例の概略構成を示すブロック図である。
施例の概略構成を示すブロック図である。
【図２】本発明の実施例を実現するための画像処理装置
の全体の概略構成を示すブロック図である。
の全体の概略構成を示すブロック図である。
【図３】図１の特徴点抽出処理部での特徴点の再帰的抽
出処理の動作を説明するためのフローチャートである。
出処理の動作を説明するためのフローチャートである。
【図４】形状に基づく曲線評価方法の処理の概要を説明
するための図である。
するための図である。
【図５】形状に基づく曲線評価を行う際の演算処理を説
明するためのフローチャートである。
明するためのフローチャートである。
【図６】輪郭濃度変化に基づく曲線評価方法の処理の概
要を説明するための図である。
要を説明するための図である。
【図７】輪郭濃度変化に基づく曲線評価を行う際の演算
処理を説明するためのフローチャートである。
処理を説明するためのフローチャートである。
【図８】本実施例の効果を説明するための図である。
【図９】従来のブロックマッチングによる動きベクトル
推定のための概略構成を示すブロック図である。
推定のための概略構成を示すブロック図である。
【図１０】画像と、テンプレート、探査範囲の関係を示
す図である。
す図である。
【図１１】図９のマッチング演算処理部での演算動作を
説明するためのフローチャートである。
説明するためのフローチャートである。
１１ 動きベクトル推定処理部 １２ 特徴点抽出処理部 ２１ ＣＰＵ（中央演算処理装置） ２２ 外部記憶手段 ２３ 入力手段 ２４ 表示手段 ２５ バスライン
Claims (4)
- 【請求項１】 動画像中に存在する対象物輪郭曲線の動
きベクトルを推定する動きベクトル推定方法において、 上記対象物輪郭曲線上で特徴点を抽出する特徴点抽出工
程と、 この抽出された特徴点のみを用いて動きベクトル推定を
行う推定工程とを有することを特徴とする動きベクトル
推定方法。 - 【請求項２】 上記特徴点抽出工程は、 上記対象物輪郭曲線の始端から終端までの各点で微小区
間屈曲角を計算し、その総和を累積屈曲角とする工程
と、 上記累積屈曲角が予め定めた閾値より大きいときに、最
大の微小区間屈曲角をとる点を特徴点とする工程とを有
することを特徴とする請求項１記載の動きベクトル推定
方法。 - 【請求項３】 上記抽出された特徴点で対象物輪郭曲線
を分割し、分割された対象物輪郭曲線に対しても上記特
徴点抽出処理をを再帰的に行うことを特徴とする請求項
１記載の動きベクトル推定方法。 - 【請求項４】 上記特徴点抽出工程は、 上記対象物輪郭曲線の始端から終端までの各点で、曲線
を垂直に横切る方向の各濃度の１次微分値を計算し、そ
れらを各要素とするベクトルを求める工程と、 上記対象物輪郭曲線に沿って上記ベクトルの方向の変化
を計算し、その方向変化角が予め定めた閾値より大きい
ときに、その位置を特徴点とする工程とを有することを
特徴とする請求項１記載の動きベクトル推定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14093295A JP3674084B2 (ja) | 1995-06-07 | 1995-06-07 | 動きベクトル推定方法及び画像処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14093295A JP3674084B2 (ja) | 1995-06-07 | 1995-06-07 | 動きベクトル推定方法及び画像処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08335270A true JPH08335270A (ja) | 1996-12-17 |
| JP3674084B2 JP3674084B2 (ja) | 2005-07-20 |
Family
ID=15280175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP14093295A Expired - Fee Related JP3674084B2 (ja) | 1995-06-07 | 1995-06-07 | 動きベクトル推定方法及び画像処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3674084B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006170706A (ja) * | 2004-12-14 | 2006-06-29 | Nissan Motor Co Ltd | エッジ位置算出装置、障害物検出システム |
| JP2007327938A (ja) * | 2006-05-10 | 2007-12-20 | Topcon Corp | 画像処理装置及びその処理方法 |
-
1995
- 1995-06-07 JP JP14093295A patent/JP3674084B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006170706A (ja) * | 2004-12-14 | 2006-06-29 | Nissan Motor Co Ltd | エッジ位置算出装置、障害物検出システム |
| JP2007327938A (ja) * | 2006-05-10 | 2007-12-20 | Topcon Corp | 画像処理装置及びその処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3674084B2 (ja) | 2005-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6819782B1 (en) | Device and method for recognizing hand shape and position, and recording medium having program for carrying out the method recorded thereon | |
| US7224830B2 (en) | Gesture detection from digital video images | |
| US7755619B2 (en) | Automatic 3D face-modeling from video | |
| US6628715B1 (en) | Method and apparatus for estimating optical flow | |
| US7298880B2 (en) | Image processing apparatus and image processing method | |
| JP4894741B2 (ja) | 情報処理装置および情報処理方法、プログラム、並びに記録媒体 | |
| US8340433B2 (en) | Image processing apparatus, electronic medium, and image processing method | |
| JP2006524394A (ja) | 画像における人体輪郭描写 | |
| CN106373128B (zh) | 一种嘴唇精确定位的方法和系统 | |
| CN112336342A (zh) | 手部关键点检测方法、装置及终端设备 | |
| JP2018195282A (ja) | モデルを修正するためのシステムおよび方法 | |
| Ozbay et al. | A hybrid method for skeleton extraction on Kinect sensor data: Combination of L1-Median and Laplacian shrinking algorithms | |
| KR20230009641A (ko) | 구조물의 균열 탐지 방법 | |
| US5173946A (en) | Corner-based image matching | |
| US7298868B2 (en) | Density estimation-based information fusion for multiple motion computation | |
| CN111259788A (zh) | 头颈拐点的检测方法、装置以及计算机设备 | |
| JP3054682B2 (ja) | 画像処理方法 | |
| US8238619B2 (en) | Method of extracting ridge line and valley line from three-dimensional point data | |
| CN112446353B (zh) | 基于深度卷积神经网络的视频图像道线检测方法 | |
| US6934407B2 (en) | Method and system for tag detection and tracking in MRI tagged images | |
| CN108665470B (zh) | 一种交互式轮廓提取方法 | |
| JP3674084B2 (ja) | 動きベクトル推定方法及び画像処理装置 | |
| Kwon et al. | Rolled fingerprint construction using MRF-based nonrigid image registration | |
| JP2009122998A (ja) | ソリッド／サーフェースモデルから外形線を抽出する方法及びコンピュータソフトウエアプログラム | |
| JP3980666B2 (ja) | 動きベクトル推定方法及び画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20041217 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041228 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050228 |
|
| 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: 20050405 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050418 |
|
| LAPS | Cancellation because of no payment of annual fees |