JPH10247246A - Object detection method - Google Patents

Object detection method

Info

Publication number
JPH10247246A
JPH10247246A JP6723897A JP6723897A JPH10247246A JP H10247246 A JPH10247246 A JP H10247246A JP 6723897 A JP6723897 A JP 6723897A JP 6723897 A JP6723897 A JP 6723897A JP H10247246 A JPH10247246 A JP H10247246A
Authority
JP
Grant status
Application
Patent type
Prior art keywords
color
image
object
histogram
ratio
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
Application number
JP6723897A
Other languages
Japanese (ja)
Inventor
Bui Binodd Bui
Chie Hashizume
Hiroshi Murase
ブイ ビノッド ブイ
洋 村瀬
千枝 橋爪
Original Assignee
Nippon Telegr & Teleph Corp <Ntt>
日本電信電話株式会社
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

Links

Abstract

PROBLEM TO BE SOLVED: To detect objects whose properties and constitutions of colors which the object of a reference picture originally has among unknown pictures irrespective of an illumination condition at the time of taking the picture are similar.
SOLUTION: In a learning part 10, the reference picture of the object is generated and color feature quantity in the whole reference picture is obtained from a feature quantity calculation part 40. It is transferred to a detection part 20 and the detection part 20 obtains color feature quantity at every local area in the unknown picture from the feature quantity calculation part 40. Color feature quantity is sequentially compared with the color feature quantity of the reference picture and the presence of the object and the position are detected. Then, a detection result is outputted to an output part 30. The feature quantity calculation part 40 calculates the histogram of the ratio of the color value of the picture in the local area and it is set to be color feature quantity.
COPYRIGHT: (C)1998,JPO

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【発明の属する技術分野】本発明は、画像撮影時の照明条件の相違に関係なく、予め登録されている物体もしくはその物体と本来の色がよく似た色構成を持つ物体が、 The present invention relates to, regardless of the differences of lighting conditions at the time of image capturing, an object having a similar color configuration original color and the object or objects that are registered in advance,
未知の画像の中のどの位置、大きさで含まれているか、 Which position in the unknown image, it contains the size,
或いは含まれていないかを探すための物体検出方法に関するものであり、画像データベースの中から特定の物体を含む画像を探し出す画像探索システム、特定の物体の移動先を追跡していく自動追跡装置などに応用可能な技術に関する。 Alternatively Includes relates object detection method for finding or not, the image search system to find an image including a specific object from the image database, such as a specific object automatic tracking apparatus to continue to track the movement destination on the application possible techniques to.

【0002】 [0002]

【従来の技術】従来、未知の画像の中に探したい物体が含まれているかどうかを調べる手法の一つとして、物体の参照画像を利用してその色構成に注目し、未知の画像中で、その色構成と似ている部分領域があるかどうかを比較しながら探すことにより、探したい物体が存在するかどうかを調べる方法がある。 Conventionally, as one of the techniques to examine whether it contains the object you want to find in the unknown image, using the object of the reference image and attention to the color configuration, in the unknown image , there is a method to examine by looking while comparing whether there is a partial region is similar to the color arrangement, whether the object to look there. これはつまり、未知の画像中の局所的な注目領域内での特徴量と、登録されている物体の参照画像全体の特徴量の類似度を比較し、両方の特徴量の類似度がある一定しきい値以上であればその局所注目領域部分に探している物体があり、しきい値以下であればその局所注目領域には探している物体はないと判断する方法である。 Constant This means that the feature quantity and to compare the similarity of the feature amount of the whole of the reference image objects are registered, both feature amount similarity of a localized target region in an unknown image There are objects, looking in its local region of interest portion equal to or more than the threshold value, a method of determining that there is no object, looking in its local region of interest as long as the threshold value or less. この方法によれば、局所注目領域の大きさや位置を変えて未知画像中をくまなく探索することによって、色々な大きさの物体を探すことが可能である。 According to this method, by searching all over in an unknown image by changing the size and position of the local region of interest, it is possible to look for objects of various sizes.

【0003】 [0003]

【発明が解決しようとする課題】比較の際に用いる特徴量は、色に関する情報量という以外に特に限定されていないことが多いが、従来の物体検出方法では、計算の容易さなどから画像のカラー値やそのヒストグラムなど、 Feature quantity to be used in the comparison [0006] are often not specifically restricted except that the amount of information regarding the color, in the conventional object detection method, the easiness of the calculation image such as color values ​​and the histogram,
見かけの色に基づく特徴量が利用されることが多かった。 Were often feature based on the color of the apparent is utilized.

【0004】しかしながら、物体の見かけの色は、物体そのものの光の反射特性、物体が受けている照明光の特性、カメラなどのセンサのフィルタ特性の3つの特性によって総合的に決まるため、同じ物体をカメラで撮影した場合であっても、その物体が撮影時に受けていた照明光の性質に応じて画像中での色の見え方も変わってくる。 However, the color of the object apparent, since the determined reflection characteristics of light of the object itself, the characteristics of the illumination light object is received, the three characteristics of the filter characteristics of the sensor such as a camera on the overall, the same object the even when taken with a camera, the object is varies also the appearance of colors in the image depending on the nature of the illumination light was received by the time of shooting. つまり、同じ物体を撮影した場合であっても、撮影時の照明光が異なれば、それぞれ別のカラー値を持つ物体として捉えられる。 That is, even when the shooting the same object, different illumination light during photography, taken as an object, each with a different color value.

【0005】したがって、画像のカラー値やそのヒストグラムなどの見かれの色に基づく特徴量を利用して比較を行おうとする場合、見かけの色の構成が似たものを探すという目的には適しているが、各画像の撮影時の照明光の性質によってカラー値が変わり、それを用いて計算した特徴量も異なるため、たとえ比較する画像それぞれの中に同一物体が含まれていても、見かけのカラー値が異なるために同一物体と判断できなかったり、逆に本来の色は探したい物体とは異なる物体であっても、照明光の性質によって見かけの色が変化した結果、同じ色構成を持つ物体であると判断されるなど、判断が照明光の性質によって左右されるという問題点があった。 Accordingly, if an attempt is made to compare using the feature based on observed him color such as the color values ​​and the histogram of the image, for the purpose of finding what configuration of a color the apparent similar suitable It is but a color value changes depending on the nature of the illumination light at the time of shooting of each image, also differ feature amount calculated therewith, also contain the same object if in each image to be compared, the apparent may not be determined to be the same object in order to color values ​​are different, even different objects from the original object to be looking for color Conversely, results color the apparent changes due to the nature of the illumination light has the same color arrangement etc. is determined to be an object, determination is disadvantageously influenced by the nature of the illumination light.

【0006】本発明の目的は、画像が撮影された際の照明光の相違に関係なく、物体が本来持っている色の性質・構成が似ているものを検出できるような物体検出方法を提供することにある。 An object of the present invention, regardless of the difference of the illumination light when the image was taken, provide an object detecting method capable of detecting what the nature and composition of the color which has the object originally have similar It is to.

【0007】 [0007]

【課題を解決するための手段】本発明では、比較する特徴量として、照明光の影響を含んだ見かけの色に基づく特徴量ではなく、照明光の影響を受けにくいと考えられる色特徴量を用いる。 In the present invention SUMMARY OF THE INVENTION, as a feature amount to be compared, not a feature amount based on the color of the apparent including the influence of the illumination light, the less susceptible the color feature believed to influence the illumination light used.

【0008】照明光の違いによる影響を受けにくいと考えられる量のうち、もっとも正確なものは物体の本来の色に基づく特徴であるが、未知の画像から物体の本来の色を推定することは困難である。 [0008] Of the amount that would hardly be affected by the difference of the illumination light, most accurate ones are characterized based on the original color of the object, but to estimate the original color of an object from an unknown image Have difficulty. 未知の画像からでも計算可能な照明光の違いによる影影を受けにくいと考えられる量として、標準白色照明などの基準照明下での推定カラー値、画像中のある画素のカラー値と別の1画素のカラー値の比、画像中のある画素と他の複数画素とのカラー値の比の積などが提案されている。 As the amount that would not susceptible to Kagekage due to differences in computable illumination light even from an unknown image, the estimated color values ​​under the reference lighting, such as a standard white illumination, color values ​​of the pixels of the image and another 1 the ratio of the color values ​​of the pixels, such as the product of the ratio of the color values ​​of a pixel and another plurality of pixels in an image have been proposed. 見かけのカラー値の代わりに、これらの量に基づく特徴量を用いれば、 Instead of the color values ​​of the apparent, the use of the feature based on these quantities,
照明光の違いによる影響を受けない物体検出が可能となる。 Object detection not affected by differences in the illumination light becomes possible.

【0009】一方、大きさやその位置などが不明な物体が存在するかどうかを調べる方法の枠組には、未知の画像中の局所注目領域内での特徴量と、登録されている物体の参照画像全体の特徴量とを比較してそれらの類似度を計算し、一定しきい値以上であるか以下であるかによって、物体の有無を判断する方法が効果的である。 On the other hand, the size and the framework of a method to determine whether such that position exists unknown object, and the feature quantity of the local target region in an unknown image, the reference image of the object being registered by comparing the overall characteristic amounts to calculate their degree of similarity, depending on whether it is less or is above a certain threshold value, a method of determining the presence or absence of an object it is effective.

【0010】そこで、本発明では、未知の画像中の局所注目領域内での特徴量と、登録されている物体の参照画像全体の特徴量とを比較する方法を枠組として利用し、 [0010] In the present invention, by utilizing the feature quantity of the local target region in an unknown image, a method of comparing the feature amount of the whole of the reference image object that is registered as a framework,
その中に、例えば画像中のある画素と他の複数画素とのカラー値のlogの比の積のような照明光の影響を受けにくいと考えられる量のヒストグラムを色特徴量として利用する方法を組み合わせることで、画像中から特定の特体を検出する。 Therein, for example, a method of utilizing the quantity of the histogram is considered less susceptible to illumination light such as the product of the ratio of the log of the color value of the pixel and the other of a plurality of pixels of the image as a color feature by combining, for detecting the specific Tokutai from the image.

【0011】 [0011]

【発明の実施の形態】以下、本発明の実施の形態について図面により詳述する。 DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, described in detail by drawings, embodiments of the present invention. 図1に、本発明の物体検出方法の一実施形態である装置構成例のブロック図を示す。 Figure 1 shows a block diagram of a device configuration example according to an embodiment of the object detection method of the present invention. これは、探索する物体を先に抽出・学習する学習部10、 This learning section 10 for extracting and learning objects to be searched earlier,
未知画像の中から目的の物体を探索・検出する検出部、 Detector for searching and detecting the target object from an unknown image,
検出結果を出力する出力部30、及び、学習部10や検出部20の依頼で色特徴量を計算する特徴量計算部40 Output unit 30 for outputting a detection result, and, the feature amount calculating unit 40 for calculating the color feature at the request of the learning section 10 and the detecting section 20
で構成される。 In constructed.

【0012】本実施例では、カラー値の比に基づく特徴量のうち、Color ConstantColor Indexing(B. [0012] In the present embodiment, among the feature based on the ratio of color values, Color ConstantColor Indexing (B.
V. V. Funt and G.D. Funt and G.D. Finlayson,“Color Constan Finlayson, "Color Constan
tColor Indexing”,IEEE Transactions on pat tColor Indexing ", IEEE Transactions on pat
tern analysis andmachine intelligence,Vol.17, tern analysis andmachine intelligence, Vol.17,
No.5,pp.522−529,1995)で用いられている複数画素とのカラー値の比の積に基づく特徴に注目し、登録されている物体と未知の画像中の局所注目領域における特徴量の比較という従来の方法による枠組の中で、見かけのカラー値のヒストグラムの代わりに、この特徴のヒストグラムを色特徴量として利用することにする。 No.5, on features based on the product of the ratio of the color values ​​of the plurality of pixels are used in pp.522-529,1995), characterized in a local region of interest in the object and unknown images registered within the framework of the conventional method of comparing amounts, instead of the histogram of the apparent color values, to utilize a histogram of the feature as a color feature. 複数画素とのカラー値の比の積とは、画像中の位置(x,y)にある画素のカラー値C k (x,y)に対して、別の位置(u i ,v i )(u i ≠x,v i ≠y,i= The product of the ratio of the color values of the plurality of pixels, the position in the image (x, y) color values of a pixel in the C k (x, y) relative to another position (u i, v i) ( u i ≠ x, v i ≠ y, i =
1,・・・,m)にあるm個の画素のカラー値S ik (u 1, ..., the color values of m pixels in the m) S ik (u
i ,v i )との間のそれぞれの比の積 i, each of the product of the ratio between v i)

【0013】 [0013]

【数1】 [Number 1] を計算したものである。 It is obtained by calculating the. k (x,y)に対する複数個のS ik (u i ,v i )の選択方法には、C k (x,y)の上下左右に隣り合う4画素、C k (x,y)の近傍を取り巻く周囲8画素、全てのC k (x,y)に対する固定の基準画素、など色々な組み合わせが考えられるが、ここでは以下、C k (x,y)の上下左右に隣り合う4画素を用いるとする。 C k (x, y) a plurality of S ik (u i, v i ) for the method of selecting the, C k (x, y) 4 adjacent pixels vertically and horizontally of, C k (x, y) of surrounding eight pixels surrounding neighborhood, all C k (x, y) reference pixel fixed relative to, a variety of combinations such as contemplated herein below, C k (x, y) 4 adjacent pixels vertically and horizontally in and used.

【0014】初めに、図2により、特徴量計算部40での色特徴量の計算アルゴリズムの詳細について説明する。 [0014] First, referring to FIG. 2, details of the calculation algorithm of the color feature in the feature amount calculating unit 40. まず、計算の簡便化のため、各画素のカラー値を全てlog値に変換する(ステップ401)。 First, for simplicity of calculation, it converts the color value of each pixel in all log value (step 401). ただし、カラー値を8ビットで表現するとして、カラー値のレベルが0から255であることを考慮して、log(C k (x,y) However, as to represent color values in 8-bit, taking into account that the level of the color value is 255. 0, log (C k (x , y)
+1)とする。 +1) to. 次に、カラー値の比の積に基づく特徴P Next, the feature P based on the product of the ratio of color values
k (x,y)を計算する(ステップ402)。 k (x, y) to calculate the (step 402). ここで、lo Here, lo
g値の比の積は加減算の形で記述できるので、 P k (x,y)=4log(C k (x,y)+1)−{log(C k Since the product of the ratio of g values can be described in the form of addition and subtraction, P k (x, y) = 4log (C k (x, y) +1) - {log (C k
(x+1,y)+1)+log(C k (x−1,y)+1)+lo (x + 1, y) +1 ) + log (C k (x-1, y) +1) + lo
g(C k (x,y+1)+1)+log(C k (x,y−1)+ g (C k (x, y + 1) +1) + log (C k (x, y-1) +
1)} (ただし、k=r,g,b) で求められる。 1)} (where, k = r, g, obtained in b). なお、画像(或いは画像中の部分領域) Note that the image (or partial region of the image)
の上下左右1画素分の行(列)については、特徴P For the vertical and horizontal one pixel row (column), characterized P
k (x,y)が計算できない。 k (x, y) can not be calculated. この場合、近似的に周辺に存在する画素間で比の積をとってもよいが、ここではこれらの部分はその後の特徴量を計算する領域には含めないことにする。 In this case, take the product of the ratio between the pixels existing around approximately, here will be not included in the region of these portions of calculating the subsequent feature amount. 最後に、画像全体、あるいは特定の局所部分領域内の特徴P k (x,y)のヒストグラムを計算して、これを色特徴量とする(ステップ403)。 Finally, the entire image, or features P k (x, y) of the particular localized portion region by calculating a histogram of, this is a color feature quantity (step 403).

【0015】ここで、画像のカラー値であるC k (x, [0015] Here, a color value of the image C k (x,
y)の出現確率はそれぞれ等確率であるが、特徴P The probability of occurrence of y) are each equal probability, but feature P
k (x,y)はlog値の加減算で計算されており、その出現確率は一様な分布にはならない。 k (x, y) is calculated by subtraction of log values, the probability is not a uniform distribution. そこで、r(赤), Therefore, r (red),
g(緑),b(青)毎にn個、RGB色空間全体でn 3 g (green), n number for each b (blue), n 3 in the entire RGB color space
個の領域に分割したヒストグラムを求めたい場合には、 If you want to find a histogram obtained by dividing the number of regions,
それぞれの領域(立方体)においてP k (x,y)の出現確率が(1/n) 3ずつになるように、それぞれの領域の幅を決定する(ステップ404)。 P k (x, y) in each region (cube) as the probability of occurrence of is by (1 / n) 3, to determine the width of each region (step 404).

【0016】また、画像のカラー値の比に基づく特徴は、比を計算するための画素の対同士の色が似ている場合、すなわち色が平担な部分でのカラー値の比に基づく特徴はノイズの影響を受けやすい。 [0016] The feature based on the ratio of the color values ​​of the image, if the color of the pair between the pixels for calculating the ratio are similar, i.e., wherein the color is based on the ratio of color values ​​in a flat responsible part susceptible to noise. そこで、予め画像処理により、画像中のその部分がノイズによる影響を受けやすい部分か、そうでないかを調べ、その結果に基づいて、ヒストグラム計算の際に強調、抑制に相当する重み付けを行う。 Therefore, by pre-image processing, portions thereof or susceptible parts affected by noise in the image, examined or not, based on the result, emphasis upon histogram calculation, it performs weighting corresponding to suppress. ここでは、画像処理の方法の例として、カラーエッジ検出を利用し、エッジ以外の部分を抑制するような重み係数W k (x,y)を計算する(ステップ4 Here, as an example of a method of image processing, using the color edge detection, the weighting factor that suppresses portions other than the edge W k (x, y) to calculate the (Step 4
05)。 05). 重み係数W k (x,y)は、その総和がヒストグラム計算を行う領域内に含まれる画素数と等しくなるよう、正規化を行う。 Weighting factor W k (x, y) is such that the sum is equal to the number of pixels included in the area to perform a histogram calculation, perform normalization.

【0017】ステップ403では、RGB色空間の領域分割方法、及びヒストグラム計算のための重み係数が決定した後で、P k (x,y)の各値が、大きさの異なるn 3個の立方体領域のうちのどの領域に該当するかを調べてヒストグラムを計算する。 [0017] At step 403, after the area dividing method of the RGB color space, and that the weighting factor for the histogram calculation is determined, P k (x, y) values of the magnitude of different n 3 cubes calculating a histogram Determine corresponds to which region of the region.

【0018】次に、図3により、物体を抽出・学習する学習部10について説明する。 [0018] Next, referring to FIG. 3, described learning unit 10 for extracting and learning object. まず、カラーCCDカメラ等により探索したい物体を撮影し、A/Dコンバータを通してデジタルの画像データに変換して、学習・参照用の画像を取得する(ステップ101)。 First, photographing the object to be searched by a color CCD camera or the like, converts through the A / D converter into digital image data, and acquires the image for learning and reference (step 101). なお、既存の画像データが既にある場合は、これをそのまま利用することも可能である。 Incidentally, if the existing image data already exists, it can be directly utilized. 次に、ステップ101で得られた画像データから探索したい物体の領域を抽出し、物体の参照画像を作成する(ステップ102)。 Then extracted region of the object to be searched from the image data obtained in step 101, to create an object of the reference image (step 102). 物体領域の抽出には、矩形形状、円形形状、物体の輪郭形状やそれらの単位形状の組み合わせなどの形状の内側を取り出すような窓関数などを用いる。 The extraction of the object region, a rectangular shape, a circular shape, using such as a window function to retrieve the inner shape, such as a combination of an object contour and their unit shaped. 最後に、ステップ102で抽出された物体の領域(参照画像)全体における特徴量を特徴量計算部40にて計算せしめ、参照画像の形状、大きさ等とともにその特徴量M i (i=r,g,b)を記憶する(ステップ103)。 Finally, allowed calculated by the feature quantity calculating unit 40 the feature quantity in the entire area of the object extracted in step 102 (reference image), the shape of the reference image, the feature amount together with the size and the like M i (i = r, g, b) storing (step 103).

【0019】以上の処理で、学習部10の作業が終了する。 [0019] In the above processing, the work of the learning unit 10 is completed. ここで取得された特徴量データが、後の検出部20 Here acquired feature amount data, the detection unit after 20
で、特徴量比較の際に用いられる。 In, used during the feature quantity comparison.

【0020】次に、図4により、未知画像の中からその物体を探索・検出する検出部20について説明する。 [0020] Next, with reference to FIG. 4, the detection unit 20 to search for and detect the object from an unknown image. 検出部20では、探索したい物体があるかどうかを探したい未知画像中の任意の位置、大きさに取られた局所注目領域における特徴量と、学習部10で取得した特徴量との比較を行い、物体の有無やその位置などを検出する。 In the detection unit 20 performs an arbitrary position in the unknown image to look for whether there is an object to be searched, the feature amount in the local region of interest taken in size, compared with the acquired feature quantity by the learning section 10 , to detect the presence or absence and the position of the object.
以下に、検出部20の処理を説明する。 The following describes the processing of the detection unit 20.

【0021】まず最初に、被検索画像となる未知画像を取得する(ステップ201)。 [0021] First, to obtain the unknown image as a search target image (step 201). 画像の取得は、学習部1 Acquisition of the image is, the learning unit 1
0のステップ101と同等の方法による。 By 0 Step 101 equivalent methods. ここでも、既存の画像データを利用したい場合、これをそのまま利用することも可能である。 Again, if you want to use the existing image data, it can be directly utilized. 次に、実際の探索ルーチンに入る前に、探索物体の有無を判定するための特徴量の類似度の適当なしきい値を決めておく(ステップ202)。 Then, before entering the actual search routine, previously determined characteristics of similarity appropriate threshold for determining the presence or absence of a search object (step 202).
被検索画像中で物体のある可能性が最も高い部分のみを探す場合にはしきい値を最大値に更新して行っても良い。 If the possibility of a object in the search image is searched only the highest portions may be performed by updating the threshold to the maximum value.

【0022】事前設定が終わったところで探索を開始する。 [0022] to start the search at the end of the pre-configured. まず、被検索画像の中で、ある大きさ、位置で局所注目領域を選択する(ステップ203)。 First, in the search image, the size, selects a local region of interest at the position (step 203). 局所注目領域の位置の選択の仕方は特に決まっていないが、例えば画像左下角から右下角に向かって順次移動させて行けばよい。 Although not determined especially how to select the position of the local region of interest, for example, it may go by sequentially moving the image left corner towards the lower right corner. またこのとき、局所注目領域の形状は、学習部20 At this time, the shape of the local region of interest, the learning section 20
においてステップ102で抽出された物体領域と相似な形状とする。 And similar shapes and extracted object region at step 102 in.

【0023】ステップ203で選択された局所注目領域内における特徴量I i (i=r,g,b)を特徴量計算部40にて計算せしめ取得する(ステップ204)。 The feature value I i in the local target region selected in step 203 (i = r, g, b) calculated allowed to get by the feature quantity calculating unit 40 (step 204). 次に、学習部103で得られた物体の参照画像の特徴量と、ステップ204で得られた局所注目領域内の特徴量を比較し、その類似度を計算する(ステップ205)。 Then compares the feature amount of the object of the reference image obtained by the learning unit 103, the feature amount of the obtained local target region in step 204, it calculates the similarity (step 205).
類似度には様々な尺度を定義することが可能であるが、 While the degree of similarity it is possible to define various scales,
ここでは、特徴量がヒストグラム形式で求められていることを考慮して、ヒストグラムの重なり値 Here, feature quantity taking into account that has been determined by the histogram format, the histogram intersection values

【0024】 [0024]

【数2】 [Number 2] を利用する。 Use the to. この類似度の計算結果がステップ202で定めたしきい値以下の場合は、そのままステップ207 If the calculation result of this similarity is below the threshold that defines in step 202, it is step 207
に進む。 Proceed to. 計算結果がしきい値以上の場合は、探している物体が存在する場所として、類似度の計算値とその局所注目領域の位置データを記憶する(ステップ206)。 Calculation if the result is greater than the threshold value, as the place where the object you are looking for exists, and stores the calculated value of the similarity between the position data of the local region of interest (step 206).

【0025】上記ステップ208〜206で、ある1つの局所注目領域についての比較計算が終わる。 [0025] In step 208 to 206, ending the comparative calculations for a single local region of interest. この比較計算が終った後、まだ被検索画像中に比較を行うべき局所注目領域があるかどうかを調べ(ステップ207)、 After the comparison calculation is finished, to determine whether there is a local region of interest to be subjected to yet compared during the search target image (step 207),
残っている場合は、ステップ203に戻って新たな注目領域に関する比較計算を始める。 If so, the start and comparison calculations for the new region of interest returns to step 203. 比較すべき領域が残っていない場合は、最終的に被検索画像中での探索物体の有無、ある場合はその位置を判定する(ステップ20 If the region to be compared does not remain finally whether the search object in the search image, if there determines its position (Step 20
8)。 8). そして、検出結果を出力部30に出力して(ステップ209)、検出部20の作業が終了する。 Then, it outputs the detection result to the output unit 30 (step 209), the work of the detector 20 is completed.

【0026】図5に具体的処理例を示す。 [0026] shows a specific processing example in FIG. ここで、 here,
(1)が物体の参照画像の例、(2)が未知画像(被検索画像の例、(3)が検出結果の例であり、(3)の白抜き部分が物体の検出を示している。 (1) examples of the object of the reference image, an example of (2) is unknown image (to-be-searched image, an example of (3) the detection result indicates the detection void portion is an object of (3) .

【0027】 [0027]

【発明の効果】以上説明したように、本発明によれば、 As described in the foregoing, according to the present invention,
入力画像中のある局所的な注目領域における色特徴量を計算し、その色特徴量が探索対象の参照画像の色特徴量と類似しているかどうかを比較計算して、ある一定しきい値以上の類似度値を持つ部分領域があるかどうか、すなわち物体が存在する部分があるかどうか調べる方法を利用し、それに、画像中のある画素と他の複数画素とのカラー値のlogの比の積のヒストグラムや白色基準照明下での画像のカラー値のヒストグラムのような照明光の影響を受けにくいと考えられる量を特徴量として用いることによって、参照画像と被検索画像が撮影された際のそれぞれの照明光の種類の相違に関係なく、本来の色の性質・構成が似ている物体を検出することが可能である。 The color feature calculated in local region of interest of the input image, by comparing calculated whether the color feature is similar to the color feature of the search target of the reference picture, or a certain threshold whether there is a partial area having a similarity value, i.e., using if examining how there is a portion an object exists, it, of the log of the color values ​​of a pixel and another plurality of pixels in an image ratio by using the amount of influence it is considered less susceptible to the illumination light, such as a histogram of color values ​​of the image histogram and under the white reference illumination of the product as a feature amount, when the reference image and the search image is photographed regardless of their respective types of the illumination light of the differences, it is possible to detect an object nature and composition of the original color are similar.

【0028】したがって、本発明を画像データベース検索で利用すれば、屋外、屋内、日中、夜間などの照明環境の違いに関係なく、特定の同一物体を含んだ画像を全て検索することが可能であると、また、移動物体の自動追跡装置などに利用すれば、物体が部屋、廊下、屋外など照明の異なる場所へ移動して行く際でもそのまま追跡していくことが可能である。 [0028] Thus, given the benefit of this invention in an image database search, outdoors, indoors, Day, regardless the difference in the illumination environment such as night, is possible to find all images including the same specific object If there also be utilized such as the automatic tracker of the moving object, it is possible that an object is a room, hallway, continue to track it even when the moves to different locations lighting outdoors.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明の一実施の形態を示す装置構成のブロック図である。 1 is a block diagram of the configuration showing an embodiment of the present invention.

【図2】図1の特徴量計算部の特徴量計算アルゴリズムの一実施例を示す図である。 2 is a diagram showing an embodiment of a feature quantity calculation algorithm of the feature amount calculating unit of FIG.

【図3】図1の学習部の処理フローの一例を示す図である。 3 is a diagram illustrating an example of a processing flow of the learning section in FIG.

【図4】図1の検出部の処理フローの一例を示す図である。 4 is a diagram showing an example of a processing flow of the detection unit of FIG.

【図5】本発明による具体的処理例を示す図である。 Is a diagram showing a specific processing example according to the present invention; FIG.

【符号の説明】 DESCRIPTION OF SYMBOLS

10 学習部 20 検出部 30 出力部 40 特徴量計算部 10 learning unit 20 detecting unit 30 output unit 40 the feature quantity calculation unit

Claims (6)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】 探索対象の色構成と同一或いはそれによく似た色構成を持つ物体や部分領域を未知画像中から検出する方法において、未知画像中の局所領域毎に色特徴量を計算し、該色特徴量が探索対象の色特徴量と類似しているかどうかを比較計算して、探索対象が存在する部分があるかどうかを調べるとともに、色特徴量として画像のカラー値の比(ある画素のカラー値と別の1画素の比)のヒストグラムを用いることにより、照明光の影響を受けた見かけの色ではなくそれぞれの物体や部分領域が本来持っている色が良く似たものを検出できるようにしたことを特徴とする物体検出方法。 1. A method for detecting an object or a partial region having a similar color configuration identical or its color configuration to be searched from the unknown images, the color feature is calculated for each local region in the unknown image, compared calculate whether said color characteristic amount is similar to the color feature of the search target, with checks whether there is a portion where the search target exists, the ratio of (a certain color values ​​of the image as a color feature pixel by using the histogram of color values ​​with another 1 pixel ratio), can detect what color each object or partial region rather than the apparent color affected by the illumination light originally has is similar object detecting method characterized by the the like.
  2. 【請求項2】 請求項1記載の物体検出方法において、 2. A object detecting method according to claim 1, wherein,
    画像のカラー値の比のヒストグラムの代わりに、画像のカラー値のlogの比のヒストグラムを色特徴量として利用することを特徴とする物体検出方法。 Instead of the histogram of the ratio the color values ​​of the image, the object detecting method characterized by using a histogram of the ratio of the log of the color values ​​of the image as a color feature.
  3. 【請求項3】 請求項1記載の物体検出方法において、 3. A object detecting method according to claim 1, wherein,
    画像のカラー値の比のヒストグラムの代わりに、画像中のある画素と他の複数画素とのカラー値の比の積のヒストグラムを計算し、該ヒストグラムを色特徴量として利用することを特徴とする物体検出方法。 Instead of the histogram of the ratio of the color values ​​of the image, the histogram of the product of the ratio of the color values ​​of a pixel and another plurality of pixels in an image is calculated, and is characterized by utilizing the histogram as color feature object detection method.
  4. 【請求項4】 請求項3記載の物体検出方法において、 4. A object detecting method according to claim 3, wherein,
    画像中のある画素と他の複数画素とのカラー値の比の積のヒストグラムの代わりに、画像中のある画素と他の複数画素とのカラー値のlogの比の積のヒストグラムを色特徴量として利用することを特徴とする物体検出方法。 Instead of the histogram of the product of the ratio of the color values ​​of a pixel and another plurality of pixels in an image, color feature histograms of the product of the ratio of the log of the color value of a pixel and another plurality of pixels in an image object detecting method characterized by utilizing as.
  5. 【請求項5】 請求項1記載の物体検出方法において、 5. An object detecting method according to claim 1, wherein,
    画像のカラー値の比のヒストグラムの代りに、白色基準照明下での画像の推定カラー値のヒストグラムを色特徴量として利用することを特徴とする物体検出方法。 Instead of the histogram of the ratio of the color values ​​of the image, the object detecting method characterized by using a histogram of the estimated color value of the image under the white reference illumination as the color feature amount.
  6. 【請求項6】 請求項1乃至5記載の物体検出方法において、画像中の重要度に応じて強調、抑制に相当する重み付けをしてヒストグラムを計算することを特徴とする物体検出方法。 6. A object detecting method according to claim 1 to 5, wherein, emphasis according to the importance of the image, the object detection method characterized by calculating a histogram by weighting corresponding to suppress.
JP6723897A 1997-03-05 1997-03-05 Object detection method Pending JPH10247246A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP6723897A JPH10247246A (en) 1997-03-05 1997-03-05 Object detection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP6723897A JPH10247246A (en) 1997-03-05 1997-03-05 Object detection method

Publications (1)

Publication Number Publication Date
JPH10247246A true true JPH10247246A (en) 1998-09-14

Family

ID=13339147

Family Applications (1)

Application Number Title Priority Date Filing Date
JP6723897A Pending JPH10247246A (en) 1997-03-05 1997-03-05 Object detection method

Country Status (1)

Country Link
JP (1) JPH10247246A (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002021333A1 (en) * 2000-09-06 2002-03-14 Nec Corporation Image searching device
JP2005166014A (en) * 2003-11-12 2005-06-23 Seiko Epson Corp Image classifying device, image classification method, image selecting device, image selection method, and recording medium
JP2005250863A (en) * 2004-03-04 2005-09-15 Univ Waseda Region detecting method and its system
JP2006252504A (en) * 2005-02-14 2006-09-21 Nippon Telegr & Teleph Corp <Ntt> Pattern recognition device, pattern recognition method, pattern recognition program, and recording medium of pattern recognition program
JP2007128526A (en) * 2001-11-27 2007-05-24 Samsung Electronics Co Ltd Standard illumination color converting method, standard illumination color conversion program, computer readable recording medium with standard illumination color conversion program recorded, color information extracting method, computer readable recording medium with color information extraction program recorded and color information extracting device

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002021333A1 (en) * 2000-09-06 2002-03-14 Nec Corporation Image searching device
US7457460B2 (en) 2000-09-06 2008-11-25 Nec Corporation Picture retrieving apparatus and method which converts orthogonal transform coefficients into color histogram data
JP2007128526A (en) * 2001-11-27 2007-05-24 Samsung Electronics Co Ltd Standard illumination color converting method, standard illumination color conversion program, computer readable recording medium with standard illumination color conversion program recorded, color information extracting method, computer readable recording medium with color information extraction program recorded and color information extracting device
JP2005166014A (en) * 2003-11-12 2005-06-23 Seiko Epson Corp Image classifying device, image classification method, image selecting device, image selection method, and recording medium
JP2005250863A (en) * 2004-03-04 2005-09-15 Univ Waseda Region detecting method and its system
JP2006252504A (en) * 2005-02-14 2006-09-21 Nippon Telegr & Teleph Corp <Ntt> Pattern recognition device, pattern recognition method, pattern recognition program, and recording medium of pattern recognition program
JP4612477B2 (en) * 2005-02-14 2011-01-12 日本電信電話株式会社 Pattern recognition apparatus, a pattern recognition method, pattern recognition program, and pattern recognition program of the recording medium

Similar Documents

Publication Publication Date Title
US7680342B2 (en) Indoor/outdoor classification in digital images
US6205242B1 (en) Image monitor apparatus and a method
US7031525B2 (en) Edge detection based on background change
US7738015B2 (en) Red-eye filter method and apparatus
US7158674B2 (en) Scene change detection apparatus
US6990233B2 (en) Apparatus and method for extracting object based on feature matching between segmented regions in images
US7587082B1 (en) Object recognition based on 2D images and 3D models
Ruzon et al. Color edge detection with the compass operator
US20050201612A1 (en) Method and apparatus for detecting people using stereo camera
Nadimi et al. Physical models for moving shadow and object detection in video
US20070036438A1 (en) Methods and systems for identifying red eye pairs
US5471535A (en) Method for detecting a contour of a given subject to be separated from images and apparatus for separating a given subject from images
US6011558A (en) Intelligent stitcher for panoramic image-based virtual worlds
Kim Park
US20060182339A1 (en) Combining multiple cues in a visual object detection system
US20050232490A1 (en) Red-eye detection device, red-eye detection method, and red-eye detection program
US20030002730A1 (en) System and method for discovering and categorizing attributes of a digital image
US20040202385A1 (en) Image retrieval
US20050147298A1 (en) Detection of sky in digital color images
JPH10233929A (en) Image processor and image processing method
Finlayson et al. Hue that is invariant to brightness and gamma.
JP2003006642A (en) Image processor utilizing thermal image
US20050248664A1 (en) Identifying red eye in digital camera images
US8175335B2 (en) Content adaptive detection of images with stand-out object
US20050018920A1 (en) Method and apparatus for flicker removal from an image sequence

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20040316