WO2020261403A1 - 身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体 - Google Patents

身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体 Download PDF

Info

Publication number
WO2020261403A1
WO2020261403A1 PCT/JP2019/025269 JP2019025269W WO2020261403A1 WO 2020261403 A1 WO2020261403 A1 WO 2020261403A1 JP 2019025269 W JP2019025269 W JP 2019025269W WO 2020261403 A1 WO2020261403 A1 WO 2020261403A1
Authority
WO
WIPO (PCT)
Prior art keywords
height
dimensional
bone
animal
estimation
Prior art date
Application number
PCT/JP2019/025269
Other languages
English (en)
French (fr)
Inventor
登 吉田
祥治 西村
Original Assignee
日本電気株式会社
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
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2019/025269 priority Critical patent/WO2020261403A1/ja
Priority to US17/619,011 priority patent/US20220395193A1/en
Priority to JP2021528720A priority patent/JP7197011B2/ja
Publication of WO2020261403A1 publication Critical patent/WO2020261403A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G06T2207/20044—Skeletonization; Medial axis transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Definitions

  • the present invention relates to a non-temporary computer-readable medium in which a height estimation device, a height estimation method, and a program are stored.
  • Patent Documents 1 to 3 are known as techniques related to height estimation, which is an attribute of a person or the like.
  • Patent Document 1 describes a technique for estimating the height of a person from the length of the long side and the lengths of the long side and the short side of the person area in the image.
  • Patent Document 2 describes a technique for estimating the height of a person based on a distance image.
  • Patent Document 3 describes a technique for estimating height using the result of imaging by an X-ray CT apparatus.
  • Non-Patent Document 1 is known as a technique related to human skeleton estimation.
  • Patent Document 1 since the height is estimated based on the size of the person area in the image, the height estimation accuracy may decrease depending on the posture of the person and the orientation of the person with respect to the camera. .. Further, in Patent Document 2, it is essential to acquire a distance image, and Patent Document 3 performs a special contrast imaging with an X-ray CT apparatus. Therefore, in the related technology, there is a problem that it is difficult to accurately estimate the height from a two-dimensional image obtained by capturing an animal such as a person.
  • the height estimation device includes an acquisition means for acquiring a two-dimensional image of an animal, a detection means for detecting a two-dimensional skeletal structure of the animal based on the acquired two-dimensional image, and the detection. It is provided with an estimation means for estimating the height of the animal in a three-dimensional real world based on the two-dimensional skeleton structure and the imaging parameters of the two-dimensional image.
  • a two-dimensional image of an animal is acquired, the two-dimensional skeletal structure of the animal is detected based on the acquired two-dimensional image, and the detected two-dimensional skeletal structure and the two-dimensional skeletal structure are detected.
  • the height of the animal in the three-dimensional real world is estimated based on the imaging parameters of the two-dimensional image.
  • the non-temporary computer-readable medium in which the program according to the present disclosure is stored acquires a two-dimensional image of an animal, detects the two-dimensional skeletal structure of the animal based on the acquired two-dimensional image, and determines the two-dimensional skeleton structure of the animal.
  • FIG. 1 It is a flowchart which shows the related monitoring method. It is a block diagram which shows the outline of the height estimation apparatus which concerns on embodiment. It is a block diagram which shows the structure of the height estimation device which concerns on Embodiment 1.
  • FIG. It is a figure which shows the detection example of the skeleton structure which concerns on Embodiment 1.
  • FIG. 1 shows the detection example of the skeleton structure which concerns on Embodiment 1.
  • FIG. It is a figure which shows the detection example of the skeleton structure which concerns on Embodiment 1.
  • FIG. It is a figure which shows the human body model which concerns on Embodiment 2.
  • FIG. 1 shows a monitoring method in a related monitoring system.
  • the surveillance system acquires an image from the surveillance camera (S101), detects a person from the acquired image (S102), and performs behavior recognition and attribute recognition (S103) of the person. For example, it recognizes a person's behavior, flow line, etc. as a person's behavior, and recognizes a person's age, gender, height, etc. as a person's attributes.
  • data is analyzed from the behaviors and attributes of the recognized person (S104), and actions such as coping are performed based on the analysis results (S105). For example, an alert is displayed from the recognized action, or a person with an attribute such as the recognized height is monitored.
  • attribute information such as a person's age, gender, and height from images and videos of surveillance cameras.
  • height is useful information for identifying an individual and distinguishing between an adult and a child.
  • attribute information is used for investigation as a characteristic of a criminal (30s, male, 170 cm, etc.), is used for marketing as information for a visitor, and is used for a lost child search as a characteristic of a lost child.
  • the inventors examined a method of recognizing the height of a person from an image, they found a problem that the height could not always be recognized (estimated) accurately by the related technology. For example, when the whole body of a person is shown in the image, it is possible to estimate the height to some extent. However, the person in the image is not always upright, or the top and feet are not always visible. In particular, if you are lost, you are likely to be crouching. In such cases, it is difficult to estimate the height.
  • the inventors examined a method of using a skeleton estimation technique using machine learning to estimate the height of a person.
  • a related skeleton estimation technique such as OpenPose disclosed in Non-Patent Document 1
  • the skeleton of a person is estimated by learning various patterns of correctly answered image data.
  • the skeletal structure estimated by a skeletal estimation technique such as OpenPose is composed of "key points" which are characteristic points of joints and the like and "bones (bone links)" which indicate links between key points. ..
  • the skeletal structure will be described using the terms “key point” and "bone”, but unless otherwise specified, the "key point” corresponds to the "joint” of a person and ""Bone” corresponds to the "bone” of a person.
  • FIG. 2 shows an outline of the height estimation device 10 according to the embodiment.
  • the height estimation device 10 includes an acquisition unit 11, a detection unit 12, and an estimation unit 13.
  • the acquisition unit 11 acquires a two-dimensional image of an animal such as a person.
  • the detection unit 12 detects the two-dimensional skeleton structure of the animal based on the two-dimensional image acquired by the acquisition unit 11.
  • the estimation unit 13 estimates the height of the animal in the three-dimensional real world based on the two-dimensional skeleton structure detected by the detection unit 12 and the imaging parameters of the two-dimensional image.
  • the two-dimensional skeleton structure of an animal such as a person is detected from the two-dimensional image, and the height of the animal in the real world is estimated based on the two-dimensional skeleton structure, thereby depending on the posture of the animal. Instead, the height of the animal can be estimated accurately.
  • FIG. 3 shows the configuration of the height estimation device 100 according to the present embodiment.
  • the height estimation device 100 and the camera 200 constitute the height estimation system 1.
  • the height estimation device 100 and the height estimation system 1 are applied to the monitoring method in the monitoring system as shown in FIG. 1, and the height is estimated as an attribute of a person, and the person with that attribute is monitored.
  • the camera 200 may be provided inside the height estimation device 100.
  • the height estimation device 100 includes an image acquisition unit 101, a skeleton structure detection unit 102, a height pixel number calculation unit 103, a camera parameter calculation unit 104, a height estimation unit 105, and a storage unit 106.
  • the configuration of each part (block) is an example, and may be composed of other parts as long as the method (operation) described later is possible.
  • the height pixel number calculation unit 103 and the height estimation unit 105 may be used as an estimation unit for estimating the height of a person.
  • the height estimation device 100 is realized by, for example, a computer device such as a personal computer or a server that executes a program, but it may be realized by one device or by a plurality of devices on a network. Good.
  • the storage unit 106 stores information (data) necessary for the operation (processing) of the height estimation device 100.
  • the storage unit 106 is a non-volatile memory such as a flash memory, a hard disk device, or the like.
  • the storage unit 106 stores an image acquired by the image acquisition unit 101, an image processed by the skeleton structure detection unit 102, data for machine learning, and the like.
  • the storage unit 106 may be an external storage device or an external storage device on the network. That is, the height estimation device 100 may acquire necessary images, machine learning data, and the like from an external storage device.
  • the image acquisition unit 101 acquires a two-dimensional image captured by the camera 200 from the camera 200 that is communicably connected.
  • the camera 200 is an imaging unit such as a surveillance camera that captures a person, and the image acquisition unit 101 acquires an image of a person from the camera 200.
  • the skeleton structure detection unit 102 detects the two-dimensional skeleton structure of a person in the image based on the acquired two-dimensional image.
  • the skeleton structure detection unit 102 detects the skeleton structure of a person based on the characteristics of the recognized person's joints and the like by using the skeleton estimation technique using machine learning.
  • the skeleton structure detection unit 102 uses, for example, a skeleton estimation technique such as OpenPose of Non-Patent Document 1.
  • the height pixel number calculation unit 103 calculates the height (referred to as the height pixel number) of the person in the two-dimensional image when standing upright based on the detected two-dimensional skeleton structure. It can be said that the number of height pixels is the height of a person in a two-dimensional image (the length of the whole body of the person in the two-dimensional image space).
  • the height pixel number calculation unit 103 obtains the height pixel number (pixel number) from the length (length in the two-dimensional image space) of each bone of the detected skeleton structure. In the present embodiment, the number of height pixels is obtained by summing the lengths of the bones from the head to the foot among the bones of the skeletal structure. If the skeleton structure detection unit 102 (skeleton estimation technique) does not output the crown and feet, it can be corrected by multiplying by a constant if necessary.
  • the camera parameter calculation unit 104 calculates the camera parameters, which are the imaging conditions of the camera 200, based on the image captured by the camera 200.
  • the camera parameter is an image imaging parameter, and is a parameter for converting a length in a two-dimensional image into a three-dimensional real-world real-world length.
  • the camera parameters are the posture, position, imaging angle, focal length, and the like of the camera 200.
  • the camera 200 can take an image of an object whose length is known in advance, and obtain camera parameters from the image.
  • the height estimation unit 105 estimates the height of a person in the three-dimensional real world based on the calculated camera parameters and the number of height pixels in the two-dimensional image.
  • the height estimation unit 105 obtains the relationship between the length of the pixels in the image and the length in the real world from the camera parameters, and converts the number of height pixels into the height in the real world.
  • FIG. 4 and 5 show the operation of the height estimation device 100 according to the present embodiment.
  • FIG. 4 shows the flow from image acquisition to height estimation in the height estimation device 100
  • FIG. 5 shows the flow of the height pixel number calculation process (S203) of FIG.
  • the height estimation device 100 acquires an image from the camera 200 (S201).
  • the image acquisition unit 101 acquires an image of a person captured for detecting the skeleton structure, and also acquires an image of an object of a predetermined length for calculating camera parameters.
  • the height estimation device 100 detects the skeletal structure of the person based on the acquired image of the person (S202).
  • FIG. 6 shows the skeleton structure of the human body model 300 detected at this time
  • FIGS. 7 to 9 show an example of detecting the skeleton structure.
  • the skeleton structure detection unit 102 detects the skeleton structure of the human body model (two-dimensional skeleton model) 300 as shown in FIG. 6 from the two-dimensional image by using a skeleton estimation technique such as OpenPose.
  • the human body model 300 is a two-dimensional model composed of key points such as joints of a person and bones connecting the key points.
  • the skeleton structure detection unit 102 extracts feature points that can be key points from an image, refers to information obtained by machine learning the key point image, and detects each key point of a person.
  • the key points of the person are head A1, neck A2, right shoulder A31, left shoulder A32, right elbow A41, left elbow A42, right hand A51, left hand A52, right hip A61, left hip A62, right knee A71.
  • Left knee A72, right foot A81, left foot A82 are detected.
  • Bone B1 connecting the head A1 and the neck A2 bones B21 and bone B22 connecting the neck A2 and the right shoulder A31 and the left shoulder A32, right shoulder A31 and the left shoulder A32 and the right, respectively.
  • Bone B31 and B32 connecting elbow A41 and left elbow A42, right elbow A41 and left elbow A42 and right hand A51 and left hand A52 respectively Bone B41 and bone B42, neck A2 and right waist A61 and left waist A62 respectively Bone B51 and B52, right waist A61 and left waist A62, right knee A71 and left knee A72, respectively, bone B61 and bone B62, right knee A71 and left knee A72, right foot A81 and left foot A82, respectively.
  • B72 is detected.
  • FIG. 7 is an example of detecting a person in an upright position.
  • an upright person is imaged from the front, and bones B1, bone B51 and bone B52, bones B61 and bone B62, bones B71 and bones B72 viewed from the front are detected without overlapping, and the right foot
  • the bones B61 and B71 are slightly bent more than the bones B62 and B72 of the left foot.
  • FIG. 8 is an example of detecting a person in a crouching state.
  • a person crouching down is imaged from the right side, and bones B1, bone B51 and bone B52, bones B61 and bone B62, bones B71 and bones B72 viewed from the right side are detected, respectively, and bone B61 on the right foot.
  • FIG. 9 is an example of detecting a person who is sleeping.
  • a sleeping person is imaged from diagonally left front, and bone B1, bone B51 and bone B52, bone B61 and bone B62, bone B71 and bone B72 viewed from diagonally left front are detected, respectively, and the right foot.
  • Bone B61 and B71 and the left foot bone B62 and B72 are bent and overlapped.
  • the height estimation device 100 performs a height pixel number calculation process based on the detected skeleton structure (S203).
  • the height pixel number calculation unit 103 acquires the length of each bone (S211) and totals the lengths of the acquired bones (S212).
  • the height pixel number calculation unit 103 acquires the length of the bones on the two-dimensional image of the foot from the head of the person, and obtains the height pixel number. That is, from the image in which the skeletal structure is detected, among the bones of FIG.
  • bone B1 (length L1), bone B51 (length L21), bone B61 (length L31) and bone B71 (length L41), or , Bone B1 (length L1), bone B52 (length L22), bone B62 (length L32), and bone B72 (length L42) are acquired.
  • the length of each bone can be obtained from the coordinates of each key point in the two-dimensional image. The sum of these is calculated as the number of height pixels by multiplying L1 + L21 + L31 + L41 or L1 + L22 + L32 + L42 by a correction constant. When both values can be calculated, for example, the longer value is taken as the number of height pixels.
  • each bone has the longest length in the image when it is imaged from the front, and it is displayed short when it is tilted in the depth direction with respect to the camera. Therefore, it is more likely that the longer bone is imaged from the front, which is considered to be closer to the true value. Therefore, it is preferable to select the longer value.
  • bone B1, bone B51 and bone B52, bone B61 and bone B62, bone B71 and bone B72 are detected without overlapping.
  • the total of these bones, L1 + L21 + L31 + L41 and L1 + L22 + L32 + L42, is obtained, and for example, the value obtained by multiplying the detected bone length L1 + L22 + L32 + L42 on the left foot side by a correction constant is taken as the height pixel number.
  • bone B1, bone B51 and bone B52, bone B61 and bone B62, bone B71 and bone B72 are detected, respectively, and the right foot bone B61 and bone B71 and the left foot bone B62 and bone B72 overlap. ..
  • the total of these bones, L1 + L21 + L31 + L41 and L1 + L22 + L32 + L42, is obtained, and for example, the value obtained by multiplying L1 + L21 + L31 + L41 on the right foot side where the detected bone length is long by a correction constant is taken as the height pixel number.
  • bone B1, bone B51 and bone B52, bone B61 and bone B62, bone B71 and bone B72 are detected, respectively, and the right foot bone B61 and bone B71 and the left foot bone B62 and bone B72 overlap. ..
  • the total of these bones, L1 + L21 + L31 + L41 and L1 + L22 + L32 + L42, is obtained, and for example, the value obtained by multiplying the detected bone length L1 + L22 + L32 + L42 on the left foot side by a correction constant is taken as the height pixel number.
  • the height estimation device 100 calculates the camera parameters based on the image captured by the camera 200 (S205).
  • the camera parameter calculation unit 104 extracts an object whose length is known in advance from a plurality of images captured by the camera 200, and obtains a camera parameter from the size (number of pixels) of the extracted object.
  • the camera parameters may be obtained in advance, and the obtained camera parameters may be acquired as needed.
  • the height estimation device 100 estimates the height of the person based on the number of height pixels and the camera parameters (S204).
  • the height estimation unit 105 obtains the three-dimensional real-world length for one pixel in the area where a person is present in the two-dimensional image, that is, the actual length in pixel units, by the camera parameters.
  • the length of the real world with respect to one pixel in the image changes depending on the location in the image, the "length of the real world per pixel in the region where a person exists" in the image is obtained.
  • the number of height pixels is converted into height from the obtained actual length of pixel units. For example, in FIG.
  • the skeleton structure of a person is detected from the two-dimensional image, and the number of height pixels is obtained by summing the lengths of the bones on the two-dimensional image of the detected skeleton structure.
  • the real-world height of the person is estimated in consideration of the camera parameters. Since the height can be calculated by summing the lengths of the bones from the head to the feet, the height can be estimated by a simple method. In addition, since it is only necessary to detect the skeleton from the head to the foot by skeleton estimation technology using machine learning, the height can be estimated accurately even when the entire person is not necessarily shown in the image, such as when crouching down. be able to.
  • the number of height pixels is used by using a human body model showing the relationship between the length of each bone and the length of the whole body (height in the two-dimensional image space). Is calculated. The process is the same as that of the first embodiment except for the height pixel number calculation process.
  • FIG. 10 is a human body model (two-dimensional skeleton model) 301 showing the relationship between the length of each bone in the two-dimensional image space and the length of the whole body in the two-dimensional image space used in the present embodiment.
  • the relationship between the length of each bone of an average person and the length of the whole body is associated with each bone of the human body model 301.
  • the length of the head bone B1 is the whole body length x 0.2 (20%)
  • the length of the right hand bone B41 is the whole body length x 0.15 (15%)
  • the length of bone B71 is the total length x 0.25 (25%).
  • the average whole body length (number of pixels) can be obtained from the length of each bone.
  • a human body model may be prepared for each attribute of the person such as age, gender, and nationality. As a result, the length (height) of the whole body can be appropriately obtained according to the attributes of the person.
  • FIG. 11 is a height pixel number calculation process according to the present embodiment, and shows the flow of the height pixel number calculation process (S203) of FIG. 4 in the first embodiment.
  • the height pixel number calculation unit 103 acquires the length of each bone (S301).
  • the height pixel number calculation unit 103 acquires the lengths (lengths in the two-dimensional image space) of all the bones in the skeleton structure detected as in the first embodiment.
  • FIG. 12 is an example in which a person in a crouched state is imaged from diagonally right behind and the skeletal structure is detected.
  • the bones of the head and the bones of the left arm and the left hand cannot be detected. Therefore, the lengths of the detected bones B21, B22, B31, B41, B51, B52, B61, B62, B71, and B72 are acquired.
  • the height pixel number calculation unit 103 calculates the height pixel number from the length of each bone based on the human body model (S302).
  • the height pixel number calculation unit 103 refers to the human body model 301 showing the relationship between each bone and the length of the whole body as shown in FIG. 10, and obtains the height pixel number from the length of each bone.
  • the length of the bone B41 on the right hand is the length of the whole body ⁇ 0.15
  • the number of height pixels based on the bone B41 is obtained by the length of the bone B41 / 0.15.
  • the length of the bone B71 of the right foot is the length of the whole body ⁇ 0.25
  • the number of height pixels based on the bone B71 is obtained from the length of the bone B71 / 0.25.
  • the human body model referred to at this time is, for example, a human body model of an average person, but a human body model may be selected according to the attributes of the person such as age, gender, and nationality. For example, when a person's face is shown in the captured image, the attribute of the person is identified based on the face, and the human body model corresponding to the identified attribute is referred to. It is possible to recognize a person's attributes from the facial features of the image by referring to the information obtained by machine learning the face for each attribute. Further, when the attribute of the person cannot be identified from the image, the human body model of the average person may be used.
  • the height pixel number calculation unit 103 calculates the optimum value of the height pixel number (S303).
  • the height pixel number calculation unit 103 calculates the optimum value of the height pixel number from the height pixel number obtained for each bone. For example, as shown in FIG. 13, a histogram of the number of height pixels obtained for each bone is generated, and a large number of height pixels is selected from the histogram. That is, the number of height pixels longer than the others is selected from the plurality of height pixels obtained based on the plurality of bones. For example, the top 30% is set as a valid value, and in FIG. 13, the number of height pixels by bones B71, B61, and B51 is selected.
  • the average number of selected height pixels may be obtained as the optimum value, or the largest number of height pixels may be used as the optimum value. Since the height is calculated from the length of the bone in the two-dimensional image, the length of the bone is imaged from the front when the bone cannot be imaged from the front, that is, when the bone is tilted in the depth direction when viewed from the camera. It will be shorter than if you did. Then, a value having a large number of height pixels is more likely to be imaged from the front than a value having a small number of height pixels, and is a more plausible value. Therefore, a larger value is set as the optimum value.
  • the number of height pixels is based on the detected bones of the skeletal structure using the human body model showing the relationship between the bones in the two-dimensional image space and the length of the whole body. Estimate the real-world height of a person by finding. This makes it possible to estimate the height from some bones even if not all the skeletons from the head to the feet can be obtained. In particular, the height can be estimated accurately by adopting a larger value among the heights (height pixels) obtained from a plurality of bones.
  • the third embodiment will be described.
  • the height in the real world is estimated by fitting (fitting) the three-dimensional human body model to the two-dimensional skeleton structure. Others are the same as those in the first embodiment.
  • FIG. 14 shows the flow of the height estimation process according to the present embodiment.
  • the height estimation device 100 acquires a two-dimensional image from the camera 200 (S201) and images.
  • the two-dimensional skeleton structure of the person inside is detected (S202), and the camera parameters are calculated (S205).
  • the height estimation unit 105 of the height estimation device 100 adjusts the arrangement and height of the three-dimensional human body model (S401).
  • the height estimation unit 105 prepares a three-dimensional human body model for height calculation for the two-dimensional skeleton structure detected as in the first embodiment, and arranges the three-dimensional human body model in the same two-dimensional image based on the camera parameters.
  • the "relative positional relationship between the camera and the person in the real world" is specified from the camera parameters and the two-dimensional skeleton structure. For example, assuming that the position of the camera is the coordinates (0, 0, 0), the coordinates (x, y, z) of the position where the person is standing (or sitting) are specified. Then, the two-dimensional skeleton structure and the three-dimensional human body model are superimposed by assuming an image when the three-dimensional human body model is placed at the same position (x, y, z) as the specified person and captured.
  • FIG. 15 is an example in which a crouching person is imaged diagonally from the front left and the two-dimensional skeleton structure 401 is detected.
  • the two-dimensional skeleton structure 401 has two-dimensional coordinate information. It is preferable that all bones are detected, but some bones may not be detected.
  • a three-dimensional human body model 402 as shown in FIG. 16 is prepared.
  • the three-dimensional human body model (three-dimensional skeleton model) 402 has three-dimensional coordinate information and is a skeleton model having the same shape as the two-dimensional skeleton structure 401.
  • the prepared three-dimensional human body model 402 is arranged and superimposed on the detected two-dimensional skeleton structure 401.
  • the height of the three-dimensional human body model 402 is adjusted so as to match the two-dimensional skeleton structure 401.
  • the three-dimensional human body model 402 prepared at this time may be a model in a state close to the posture of the two-dimensional skeleton structure 401 as shown in FIG. 17, or may be a model in an upright state.
  • a three-dimensional human body model 402 of the estimated posture may be generated by using a technique of estimating the posture of the three-dimensional space from the two-dimensional image using machine learning. By learning the information of the joints in the two-dimensional image and the joints in the three-dimensional space, the three-dimensional posture can be estimated from the two-dimensional image.
  • the height estimation unit 105 fits the three-dimensional human body model into the two-dimensional skeletal structure (S402). As shown in FIG. 18, the height estimation unit 105 superimposes the three-dimensional human body model 402 on the two-dimensional skeletal structure 401 so that the postures of the three-dimensional human body model 402 and the two-dimensional skeletal structure 401 match.
  • the dimensional human body model 402 is transformed. That is, the height, body orientation, and joint angle of the three-dimensional human body model 402 are adjusted and optimized so that there is no difference from the two-dimensional skeletal structure 401.
  • the joints of the three-dimensional human body model 402 are rotated within the movable range of the person, the entire three-dimensional human body model 402 is rotated, and the overall size is adjusted.
  • the fitting (fitting) between the three-dimensional human body model and the two-dimensional skeleton structure is performed in the two-dimensional space (two-dimensional coordinates). That is, a three-dimensional human body model is mapped in a two-dimensional space, and the three-dimensional human body model is transformed into a two-dimensional skeleton structure in consideration of how the deformed three-dimensional human body model changes in the two-dimensional space (image). Optimize.
  • the height estimation unit 105 calculates the height of the fitted three-dimensional human body model (S403). As shown in FIG. 19, the height estimation unit 105 obtains the height of the three-dimensional human body model 402 in that state when the difference between the three-dimensional human body model 402 and the two-dimensional skeleton structure 401 disappears and the postures match. Since the height of the three-dimensional human body model when the optimization is completed becomes the height in the real world (for example, the height in cm units) as it is, in the present embodiment, the height is as in the first and second embodiments. There is no need to calculate the number of pixels. For example, the height is calculated from the length of the bones from the head to the legs when the three-dimensional human body model 402 is upright. As in the first embodiment, the lengths of the bones from the head to the foot of the three-dimensional human body model 402 may be totaled.
  • the three-dimensional human body model is fitted to the two-dimensional skeletal structure based on the camera parameters, and the height of the person in the real world is estimated based on the three-dimensional human body model.
  • the height of the fitted three-dimensional human body model is used as the height to be estimated as it is.
  • the height can be estimated accurately even when all the bones are not shown in the front, that is, even when all the bones are shown diagonally and the error is large.
  • the methods 1 to 3 are applicable, the height may be determined by using all the methods (or a combination of any of them). In that case, the one closer to the average height of the person may be set as the optimum value.
  • each configuration in the above-described embodiment is composed of hardware and / or software, and may be composed of one hardware or software, or may be composed of a plurality of hardware or software.
  • the functions (processing) of the height estimation devices 10 and 100 may be realized by a computer 20 having a processor 21 such as a CPU (Central Processing Unit) and a memory 22 which is a storage device, as shown in FIG.
  • a program (height estimation program) for performing the method in the embodiment may be stored in the memory 22, and each function may be realized by executing the program stored in the memory 22 on the processor 21.
  • Non-temporary computer-readable media include various types of tangible storage media. Examples of non-temporary computer-readable media include magnetic recording media (eg, flexible disks, magnetic tapes, hard disk drives), magneto-optical recording media (eg, magneto-optical disks), CD-ROMs (Read Only Memory), CD-Rs, Includes CD-R / W, semiconductor memory (for example, mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (random access memory)).
  • the program may also be supplied to the computer by various types of temporary computer readable media. Examples of temporary computer-readable media include electrical, optical, and electromagnetic waves.
  • the temporary computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.
  • the present disclosure is not limited to the above-described embodiment, and can be appropriately changed without departing from the spirit.
  • the height of a person is estimated above, the height of an animal other than a person having a skeletal structure (mammals, reptiles, birds, amphibians, fish, etc.) may be estimated.
  • (Appendix 1) An acquisition means for acquiring a two-dimensional image of an animal, A detection means for detecting the two-dimensional skeleton structure of the animal based on the acquired two-dimensional image, and An estimation means for estimating the height of the animal in the three-dimensional real world based on the detected two-dimensional skeleton structure and the imaging parameters of the two-dimensional image.
  • a height estimation device equipped with. (Appendix 2) The estimation means estimates the height based on the length of the bone in the two-dimensional image space included in the two-dimensional skeletal structure. The height estimation device according to Appendix 1.
  • the estimation means estimates the height based on the total length of the bones from the foot to the head included in the two-dimensional skeletal structure.
  • the height estimation device according to Appendix 2. (Appendix 4) The estimation means estimates the height based on a two-dimensional skeletal model showing the relationship between the length of the bone and the length of the whole body of the animal in the two-dimensional image space.
  • the height estimation device according to Appendix 2. (Appendix 5) The estimation means estimates the height based on the two-dimensional skeleton model corresponding to the attributes of the animal.
  • the estimation means estimates the height based on a height longer than the others among a plurality of heights obtained based on a plurality of bones in the two-dimensional skeletal structure.
  • the estimation means estimates the height based on a three-dimensional skeleton model fitted to the two-dimensional skeleton structure based on the imaging parameters.
  • the estimation means uses the height of the fitted three-dimensional skeleton model as the estimated height.
  • the height estimation device according to Appendix 7. (Appendix 9) Acquire a two-dimensional image of an animal and The skeleton structure of the two-dimensional animal is detected based on the acquired two-dimensional image.
  • the height of the animal in the three-dimensional real world is estimated based on the detected two-dimensional skeletal structure and the imaging parameters of the two-dimensional image.
  • Height estimation method (Appendix 10) In the height estimation, the height is estimated based on the length of the bone in the two-dimensional image space included in the two-dimensional skeletal structure.
  • the height estimation method described in Appendix 9. (Appendix 11) Acquire a two-dimensional image of an animal and The two-dimensional skeletal structure of the animal is detected based on the acquired two-dimensional image. The height of the animal in the three-dimensional real world is estimated based on the detected two-dimensional skeletal structure and the imaging parameters of the two-dimensional image.
  • a height estimation program that allows a computer to perform processing.
  • the height estimation program according to Appendix 11.
  • the height estimation device is An acquisition means for acquiring a two-dimensional image of an animal taken from the camera, A detection means for detecting the two-dimensional skeleton structure of the animal based on the acquired two-dimensional image, and An estimation means for estimating the height of the animal in the three-dimensional real world based on the detected two-dimensional skeleton structure and the imaging parameters of the two-dimensional image. Height estimation system equipped with.
  • the estimation means estimates the height based on the length of the bone in the two-dimensional image space included in the two-dimensional skeletal structure.
  • the height estimation system according to Appendix 13.
  • Height estimation system 10 Height estimation device 11 Acquisition unit 12 Detection unit 13 Estimating unit 20 Computer 21 Processor 22 Memory 100 Height estimation device 101 Image acquisition unit 102 Skeletal structure detection unit 103 Height pixel number calculation unit 104 Camera parameter calculation unit 105 Height estimation Unit 106 Storage unit 200 Camera 300, 301 Human body model 401 Two-dimensional skeleton structure 402 Three-dimensional human body model

Abstract

本開示に係る身長推定装置（１０）は、動物を撮像した２次元画像を取得する取得部（１１）と、取得部（１１）により取得された２次元画像に基づいて動物の２次元骨格構造を検出する検出部（１２）と、検出部（１２）により検出された２次元骨格構造及び取得部（１１）により取得された２次元画像の撮像パラメータに基づいて、３次元の実世界における動物の身長を推定する推定部（１３）と、を備える。

Description

身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体
　本発明は、身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体に関する。
　近年、人物等の動物をカメラで撮像し、撮像した画像から人物等の属性を認識する技術が利用されている。人物等の属性である身長の推定に関連する技術として、例えば、特許文献１～３が知られている。特許文献１には、画像中の人物領域の長辺の長さや長辺及び短辺の長さから、人物の身長を推定する技術が記載されている。特許文献２には、距離画像に基づいて人物の身長を推定する技術が記載されている。特許文献３には、Ｘ線ＣＴ装置による撮影結果を用いて身長を推定する技術が記載されている。なお、その他に、人物の骨格推定に関連する技術として、非特許文献１が知られている。
国際公開第２０１７／２０９０８９号 特開２０１２－１２０６４７号公報 特開２０１２－２３１８１６号公報
Zhe Cao, Tomas Simon, Shih-En Wei, Yaser Sheikh, "Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields", The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, P. 7291-7299
　上記のように、特許文献１では、画像中の人物領域の大きさに基づいて身長を推定しているため、人物の姿勢やカメラに対する人物の向きによっては身長の推定精度が低下する恐れがある。また、特許文献２では、距離画像を取得することが必須であり、特許文献３は、Ｘ線ＣＴ装置による特殊な造影撮影を行うものである。このため、関連する技術では、人物等の動物を撮像した２次元画像から精度よく身長を推定することが困難であるという問題がある。
　本開示は、このような課題に鑑み、身長の推定精度を向上することが可能な身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体を提供することを目的とする。
　本開示に係る身長推定装置は、動物を撮像した２次元画像を取得する取得手段と、前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出する検出手段と、前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する推定手段と、を備えるものである。
　本開示に係る身長推定方法は、動物を撮像した２次元画像を取得し、前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出し、前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定するものである。
　本開示に係るプログラムが格納された非一時的なコンピュータ可読媒体は、動物を撮像した２次元画像を取得し、前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出し、前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する、処理をコンピュータに実行させるためのプログラムが格納された非一時的なコンピュータ可読媒体である。
　本開示によれば、身長の推定精度を向上することが可能な身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体を提供することができる。
関連する監視方法を示すフローチャートである。 実施の形態に係る身長推定装置の概要を示す構成図である。 実施の形態１に係る身長推定装置の構成を示す構成図である。 実施の形態１に係る身長推定方法を示すフローチャートである。 実施の形態１に係る身長画素数算出方法を示すフローチャートである。 実施の形態１に係る人体モデルを示す図である。 実施の形態１に係る骨格構造の検出例を示す図である。 実施の形態１に係る骨格構造の検出例を示す図である。 実施の形態１に係る骨格構造の検出例を示す図である。 実施の形態２に係る人体モデルを示す図である。 実施の形態２に係る身長画素数算出方法を示すフローチャートである。 実施の形態２に係る骨格構造の検出例を示す図である。 実施の形態２に係る身長画素数算出方法を説明するためのヒストグラムである。 実施の形態３に係る身長推定方法を示すフローチャートである。 実施の形態３に係る骨格構造の検出例を示す図である。 実施の形態３に係る３次元人体モデルを示す図である。 実施の形態３に係る身長推定方法を説明するための図である。 実施の形態３に係る身長推定方法を説明するための図である。 実施の形態３に係る身長推定方法を説明するための図である。 実施の形態に係るコンピュータのハードウェアの概要を示す構成図である。
　以下、図面を参照して実施の形態について説明する。各図面においては、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略される。
（実施の形態に至る検討）
　近年、機械学習を活用した画像認識技術が様々なシステムに応用されている。一例として、監視カメラの画像により監視を行う監視システムについて検討する。
　図１は、関連する監視システムにおける監視方法を示している。図１に示すように、監視システムは、監視カメラから画像を取得し（Ｓ１０１）、取得した画像の中から人物を検知し（Ｓ１０２）、人物の行動認識及び属性認識（Ｓ１０３）を行う。例えば、人物の行動として人物の振る舞いや動線等を認識し、人物の属性として人物の年齢や性別、身長等を認識する。また、監視システムでは、認識した人物の行動や属性からデータ分析を行い（Ｓ１０４）、分析結果に基づき対処等のアクチュエーションを行う（Ｓ１０５）。例えば、認識した行動からアラート表示を行ったり、認識した身長等の属性の人物の監視を行う。
　この例にあるように、人物の年齢、性別、身長等の属性情報を監視カメラの画像や映像から手軽に入手したい需要が高まっている。その属性の中で身長は、個人の特定や、大人と子供の区別等に有用な情報である。例えば、属性の情報は、犯人の特徴（30代、男性、170cm等）として捜査に利用されたり、来店者の情報としてマーケティングに利用されたり、迷子の特徴として迷子探索等に利用される。
　発明者らは、画像から人物の身長を認識する方法を検討したところ、関連する技術では、必ずしも精度よく身長を認識（推定）することができないという課題を見出した。例えば、画像に人物の全身が写っている場合には、ある程度身長を推定することが可能である。しかしながら、画像中の人物が必ずしも直立していたり、頭頂と足元が映っているとは限らない。特に、迷子等の場合、しゃがんだりしている可能性が高い。このような場合には、身長を推定することが困難である。
　そこで、発明者らは、人物の身長推定に、機械学習を用いた骨格推定技術を利用する方法を検討した。例えば、非特許文献１に開示されたＯｐｅｎＰｏｓｅ等のように、関連する骨格推定技術では、様々なパターンの正解付けされた画像データを学習することで、人物の骨格を推定する。以下の実施の形態では、このような骨格推定技術を活用することで、精度よく人物の身長を推定することを可能とする。
　なお、ＯｐｅｎＰｏｓｅ等の骨格推定技術により推定される骨格構造は、関節等の特徴的な点である「キーポイント」と、キーポイント間のリンクを示す「ボーン（ボーンリンク）」とから構成される。このため、以下の実施の形態では、骨格構造について「キーポイント」と「ボーン」という用語を用いて説明するが、特に限定されない限り、「キーポイント」は人物の「関節」に対応し、「ボーン」は人物の「骨」に対応している。
（実施の形態の概要）
　図２は、実施の形態に係る身長推定装置１０の概要を示している。図２に示すように、身長推定装置１０は、取得部１１、検出部１２、推定部１３を備えている。
　取得部１１は、人物等の動物を撮像した２次元画像を取得する。検出部１２は、取得部１１により取得された２次元画像に基づいて動物の２次元骨格構造を検出する。推定部１３は、検出部１２により検出された２次元骨格構造及び２次元画像の撮像パラメータに基づいて、３次元の実世界における動物の身長を推定する。
　このように実施の形態では、２次元画像から人物等の動物の２次元骨格構造を検出し、この２次元骨格構造に基づいて動物の実世界の身長を推定することで、動物の姿勢に依らず、動物の身長を精度よく推定することができる。
（実施の形態１）
　以下、図面を参照して実施の形態１について説明する。図３は、本実施の形態に係る身長推定装置１００の構成を示している。身長推定装置１００は、カメラ２００とともに身長推定システム１を構成する。例えば、身長推定装置１００及び身長推定システム１は、図１のような監視システムにおける監視方法に適用され、人物の属性として身長を推定し、その属性の人物の監視等が行われる。なお、カメラ２００を身長推定装置１００の内部に設けてもよい。
　図３に示すように、身長推定装置１００は、画像取得部１０１、骨格構造検出部１０２、身長画素数算出部１０３、カメラパラメータ算出部１０４、身長推定部１０５、記憶部１０６を備えている。なお、各部（ブロック）の構成は一例であり、後述の方法（動作）が可能であれば、その他の各部で構成されてもよい。身長画素数算出部１０３と身長推定部１０５を、人物の身長を推定する推定部としてもよい。また、身長推定装置１００は、例えば、プログラムを実行するパーソナルコンピュータやサーバ等のコンピュータ装置で実現されるが、１つの装置で実現してもよいし、ネットワーク上の複数の装置で実現してもよい。
　記憶部１０６は、身長推定装置１００の動作（処理）に必要な情報（データ）を記憶する。例えば、記憶部１０６は、フラッシュメモリなどの不揮発性メモリやハードディスク装置等である。記憶部１０６は、画像取得部１０１が取得した画像や、骨格構造検出部１０２が処理した画像、機械学習用のデータ等を記憶する。なお、記憶部１０６は、外付けやネットワーク上の外部の記憶装置としてもよい。すなわち、身長推定装置１００は、外部の記憶装置から必要な画像や機械学習用のデータ等を取得してもよい。
　画像取得部１０１は、通信可能に接続されたカメラ２００から、カメラ２００が撮像した２次元の画像を取得する。カメラ２００は、人物を撮像する監視カメラ等の撮像部であり、画像取得部１０１は、人物を撮像した画像をカメラ２００から取得する。
　骨格構造検出部１０２は、取得された２次元の画像に基づき、画像内の人物の２次元の骨格構造を検出する。骨格構造検出部１０２は、機械学習を用いた骨格推定技術を用いて、認識される人物の関節等の特徴に基づき人物の骨格構造を検出する。骨格構造検出部１０２は、例えば、非特許文献１のＯｐｅｎＰｏｓｅ等の骨格推定技術を用いる。
　身長画素数算出部１０３は、検出された２次元の骨格構造に基づき、２次元の画像内の人物の直立時の高さ（身長画素数という）を算出する。身長画素数は、２次元の画像における人物の身長（２次元画像空間上の人物の全身の長さ）であるとも言える。身長画素数算出部１０３は、検出された骨格構造の各ボーンの長さ（２次元画像空間上の長さ）から身長画素数（ピクセル数）を求める。本実施の形態では、骨格構造の各ボーンのうち、頭部から足部までのボーンの長さを合計することで、身長画素数を求める。骨格構造検出部１０２（骨格推定技術）が頭頂と足元を出力しない場合は、必要に応じて定数を乗じて補正することもできる。
　カメラパラメータ算出部１０４は、カメラ２００が撮像した画像に基づき、カメラ２００の撮像条件であるカメラパラメータを算出する。カメラパラメータは、画像の撮像パラメータであり、２次元の画像内の長さを３次元の実世界の実世界の長さに変換するためのパラメータである。例えば、カメラパラメータは、カメラ２００の姿勢、位置、撮像角度、焦点距離等である。カメラ２００により、予め長さが分かっている物体を撮像し、その画像からカメラパラメータを求めることができる。
　身長推定部１０５は、算出されたカメラパラメータと２次元の画像内の身長画素数に基づき、３次元の実世界における人物の身長を推定する。身長推定部１０５は、カメラパラメータから画像中の画素の長さと実世界の長さの関係を求め、身長画素数を実世界の身長に変換する。
　図４及び図５は、本実施の形態に係る身長推定装置１００の動作を示している。図４は、身長推定装置１００における画像取得から身長推定までの流れを示し、図５は、図４の身長画素数算出処理（Ｓ２０３）の流れを示している。
　図４に示すように、身長推定装置１００は、カメラ２００から画像を取得する（Ｓ２０１）。画像取得部１０１は、骨格構造の検出のために人物を撮像した画像を取得し、また、カメラパラメータの算出のために所定の長さの物体を撮像した画像を取得する。
　続いて、身長推定装置１００は、取得した人物の画像に基づいて人物の骨格構造を検出する（Ｓ２０２）。図６は、このとき検出する人体モデル３００の骨格構造を示しており、図７～図９は、骨格構造の検出例を示している。骨格構造検出部１０２は、ＯｐｅｎＰｏｓｅ等の骨格推定技術を用いて、２次元の画像から図６のような人体モデル（２次元骨格モデル）３００の骨格構造を検出する。人体モデル３００は、人物の関節等のキーポイントと、各キーポイントを結ぶボーンから構成された２次元モデルである。
　骨格構造検出部１０２は、例えば、画像の中からキーポイントとなり得る特徴点を抽出し、キーポイントの画像を機械学習した情報を参照して、人物の各キーポイントを検出する。図６の例では、人物のキーポイントとして、頭Ａ１、首Ａ２、右肩Ａ３１、左肩Ａ３２、右肘Ａ４１、左肘Ａ４２、右手Ａ５１、左手Ａ５２、右腰Ａ６１、左腰Ａ６２、右膝Ａ７１、左膝Ａ７２、右足Ａ８１、左足Ａ８２を検出する。さらに、これらのキーポイントを連結した人物のボーンとして、頭Ａ１と首Ａ２を結ぶボーンＢ１、首Ａ２と右肩Ａ３１及び左肩Ａ３２をそれぞれ結ぶボーンＢ２１及びボーンＢ２２、右肩Ａ３１及び左肩Ａ３２と右肘Ａ４１及び左肘Ａ４２をそれぞれ結ぶボーンＢ３１及びボーンＢ３２、右肘Ａ４１及び左肘Ａ４２と右手Ａ５１及び左手Ａ５２をそれぞれ結ぶボーンＢ４１及びボーンＢ４２、首Ａ２と右腰Ａ６１及び左腰Ａ６２をそれぞれ結ぶボーンＢ５１及びボーンＢ５２、右腰Ａ６１及び左腰Ａ６２と右膝Ａ７１及び左膝Ａ７２をそれぞれ結ぶボーンＢ６１及びボーンＢ６２、右膝Ａ７１及び左膝Ａ７２と右足Ａ８１及び左足Ａ８２をそれぞれ結ぶボーンＢ７１及びボーンＢ７２を検出する。
　図７は直立した状態の人物を検出する例である。図７では、直立した人物が正面から撮像されており、正面から見たボーンＢ１、ボーンＢ５１及びボーンＢ５２、ボーンＢ６１及びボーンＢ６２、ボーンＢ７１及びボーンＢ７２がそれぞれ重ならずに検出され、右足のボーンＢ６１及びボーンＢ７１は左足のボーンＢ６２及びボーンＢ７２よりも多少折れ曲がっている。図８はしゃがみ込んでいる状態の人物を検出する例である。図８では、しゃがみ込んでいる人物が右側から撮像されており、右側から見たボーンＢ１、ボーンＢ５１及びボーンＢ５２、ボーンＢ６１及びボーンＢ６２、ボーンＢ７１及びボーンＢ７２がそれぞれ検出され、右足のボーンＢ６１及びボーンＢ７１と左足のボーンＢ６２及びボーンＢ７２は大きく折れ曲がり、かつ、重なっている。図９は寝込んでいる状態の人物を検出する例である。図９では、寝込んでいる人物が左斜め前から撮像されており、左斜め前から見たボーンＢ１、ボーンＢ５１及びボーンＢ５２、ボーンＢ６１及びボーンＢ６２、ボーンＢ７１及びボーンＢ７２がそれぞれ検出され、右足のボーンＢ６１及びボーンＢ７１と左足のボーンＢ６２及びボーンＢ７２は折れ曲がり、かつ、重なっている。
　続いて、身長推定装置１００は、検出された骨格構造に基づいて身長画素数算出処理を行う（Ｓ２０３）。身長画素数算出処理では、図５に示すように、身長画素数算出部１０３は、各ボーンの長さを取得し（Ｓ２１１）、取得した各ボーンの長さを合計する（Ｓ２１２）。身長画素数算出部１０３は、人物の頭部から足部の２次元の画像上のボーンの長さを取得し、身長画素数を求める。すなわち、骨格構造を検出した画像から、図６のボーンのうち、ボーンＢ１（長さＬ１）、ボーンＢ５１（長さＬ２１）、ボーンＢ６１（長さＬ３１）及びボーンＢ７１（長さＬ４１）、もしくは、ボーンＢ１（長さＬ１）、ボーンＢ５２（長さＬ２２）、ボーンＢ６２（長さＬ３２）及びボーンＢ７２（長さＬ４２）の各長さ（画素数）を取得する。各ボーンの長さは、２次元の画像における各キーポイントの座標から求めることができる。これらを合計した、Ｌ１＋Ｌ２１＋Ｌ３１＋Ｌ４１、もしくは、Ｌ１＋Ｌ２２＋Ｌ３２＋Ｌ４２に補正定数を乗じた値を身長画素数として算出する。両方の値を算出できる場合、例えば、長い方の値を身長画素数とする。すなわち、各ボーンは正面から撮像された場合が画像中での長さが最も長くなり、カメラに対して奥行き方向に傾くと短く表示される。従って、長いボーンの方が正面から撮像されている可能性が高く、真実の値に近いと考えられる。このため、長い方の値を選択することが好ましい。
　図７の例では、ボーンＢ１、ボーンＢ５１及びボーンＢ５２、ボーンＢ６１及びボーンＢ６２、ボーンＢ７１及びボーンＢ７２がそれぞれ重ならずに検出されている。これらのボーンの合計である、Ｌ１＋Ｌ２１＋Ｌ３１＋Ｌ４１、及び、Ｌ１＋Ｌ２２＋Ｌ３２＋Ｌ４２を求め、例えば、検出されたボーンの長さが長い左足側のＬ１＋Ｌ２２＋Ｌ３２＋Ｌ４２に補正定数を乗じた値を身長画素数とする。
　図８の例では、ボーンＢ１、ボーンＢ５１及びボーンＢ５２、ボーンＢ６１及びボーンＢ６２、ボーンＢ７１及びボーンＢ７２がそれぞれ検出され、右足のボーンＢ６１及びボーンＢ７１と左足のボーンＢ６２及びボーンＢ７２が重なっている。これらのボーンの合計である、Ｌ１＋Ｌ２１＋Ｌ３１＋Ｌ４１、及び、Ｌ１＋Ｌ２２＋Ｌ３２＋Ｌ４２を求め、例えば、検出されたボーンの長さが長い右足側のＬ１＋Ｌ２１＋Ｌ３１＋Ｌ４１に補正定数を乗じた値を身長画素数とする。
　図９の例では、ボーンＢ１、ボーンＢ５１及びボーンＢ５２、ボーンＢ６１及びボーンＢ６２、ボーンＢ７１及びボーンＢ７２がそれぞれ検出され、右足のボーンＢ６１及びボーンＢ７１と左足のボーンＢ６２及びボーンＢ７２が重なっている。これらのボーンの合計である、Ｌ１＋Ｌ２１＋Ｌ３１＋Ｌ４１、及び、Ｌ１＋Ｌ２２＋Ｌ３２＋Ｌ４２を求め、例えば、検出されたボーンの長さが長い左足側のＬ１＋Ｌ２２＋Ｌ３２＋Ｌ４２に補正定数を乗じた値を身長画素数とする。
　一方、図４のように、身長推定装置１００は、カメラ２００の撮像した画像に基づき、カメラパラメータを算出する（Ｓ２０５）。カメラパラメータ算出部１０４は、カメラ２００が撮像した複数の画像の中から、予め長さが分かっている物体を抽出し、抽出した物体の大きさ（画素数）からカメラパラメータを求める。なお、カメラパラメータを予め求めておき、求めておいたカメラパラメータを必要に応じて取得してもよい。
　続いて、身長推定装置１００は、身長画素数とカメラパラメータに基づき、人物の身長を推定する（Ｓ２０４）。身長推定部１０５は、カメラパラメータにより、２次元の画像中の人物がいる領域における１画素に対する３次元の実世界の長さ、すなわち、画素単位の実際の長さを求める。特に、画像中の１画素に対する実世界の長さは、画像中における場所に依存して変化するため、画像中の“人物が存在する領域における１画素あたりの実世界の長さ”を求める。求めた画素単位の実際の長さから、身長画素数を身長に変換する。例えば、図８において、ボーンＢ１、ボーンＢ５１、ボーンＢ６１、ボーンＢ７１の長さの合計が、Ｌ１＋Ｌ２１＋Ｌ３１＋Ｌ４１＝１００画素であり、人物がいる領域における１画素＝１．７ｃｍである場合、身長は１７０ｃｍとなる。
　以上のように、本実施の形態では、２次元画像から人物の骨格構造を検出し、検出した骨格構造の２次元画像上のボーン（骨）の長さを合計することで身長画素数を求め、さらにカメラパラメータを考慮して人物の実世界の身長を推定する。頭から足までのボーン（骨）の長さを合計することで身長を求めることができるため、簡易な方法で身長を推定することができる。また、機械学習を用いた骨格推定技術により、少なくとも頭から足までの骨格を検出できればよいため、しゃがみ込んでいる状態など、必ずしも人物の全体が画像に写っていない場合でも精度よく身長を推定することができる。
（実施の形態２）
　次に、実施の形態２について説明する。本実施の形態では、実施の形態１の身長画素数算出処理において、各ボーンの長さと全身の長さ（２次元画像空間上の身長）との関係を示す人体モデルを用いて、身長画素数を算出する。身長画素数算出処理以外については、実施の形態１と同様である。
　図１０は、本実施の形態で用いる、２次元画像空間上の各ボーンの長さと２次元画像空間上の全身の長さとの関係を示す人体モデル（２次元骨格モデル）３０１である。図１０に示すように、平均的な人物の各ボーンの長さと全身の長さとの関係（全身の長さに対する各ボーンの長さの割合）を、人体モデル３０１の各ボーンに対応付ける。例えば、頭のボーンＢ１の長さは全身の長さ×０．２（２０％）であり、右手のボーンＢ４１の長さは全身の長さ×０．１５（１５％）であり、右足のボーンＢ７１の長さは全身の長さ×０．２５（２５％）である。このような人体モデル３０１の情報を記憶部１０６に記憶しておくことで、各ボーンの長さから平均的な全身の長さ（画素数）を求めることができる。平均的な人物の人体モデルの他に、年代、性別、国籍等の人物の属性ごとに人体モデルを用意してもよい。これにより、人物の属性に応じて適切に全身の長さ（身長）を求めることができる。
　図１１は、本実施の形態に係る身長画素数算出処理であり、実施の形態１における図４の身長画素数算出処理（Ｓ２０３）の流れを示している。本実施の形態の身長画素数算出処理では、図１１に示すように、身長画素数算出部１０３は、各ボーンの長さを取得する（Ｓ３０１）。身長画素数算出部１０３は、実施の形態１のように検出された骨格構造において、全てのボーンの長さ（２次元画像空間上の長さ）を取得する。図１２は、しゃがみ込んでいる状態の人物を右斜め後ろから撮像し、骨格構造を検出した例である。この例では、人物の顔や左側面が写っていないことから、頭のボーンと左腕及び左手のボーンが検出できていない。このため、検出されているボーンＢ２１、Ｂ２２、Ｂ３１、Ｂ４１、Ｂ５１、Ｂ５２、Ｂ６１、Ｂ６２、Ｂ７１、Ｂ７２の各長さを取得する。
　続いて、身長画素数算出部１０３は、人体モデルに基づき、各ボーンの長さから身長画素数を算出する（Ｓ３０２）。身長画素数算出部１０３は、図１０のような、各ボーンと全身の長さとの関係を示す人体モデル３０１を参照し、各ボーンの長さから身長画素数を求める。例えば、右手のボーンＢ４１の長さが全身の長さ×０．１５であるため、ボーンＢ４１の長さ／０．１５によりボーンＢ４１に基づいた身長画素数を求める。また、右足のボーンＢ７１の長さが全身の長さ×０．２５であるため、ボーンＢ７１の長さ／０．２５によりボーンＢ７１に基づいた身長画素数を求める。
　このとき参照する人体モデルは、例えば、平均的な人物の人体モデルであるが、年代、性別、国籍等の人物の属性に応じて人体モデルを選択してもよい。例えば、撮像した画像に人物の顔が写っている場合、顔に基づいて人物の属性を識別し、識別した属性に対応する人体モデルを参照する。属性ごとの顔を機械学習した情報を参照し、画像の顔の特徴から人物の属性を認識することができる。また、画像から人物の属性が識別できない場合に、平均的な人物の人体モデルを用いてもよい。
　続いて、身長画素数算出部１０３は、身長画素数の最適値を算出する（Ｓ３０３）。身長画素数算出部１０３は、ボーンごとに求めた身長画素数から身長画素数の最適値を算出する。例えば、図１３に示すような、ボーンごとに求めた身長画素数のヒストグラムを生成し、その中で大きい身長画素数を選択する。つまり、複数のボーンに基づいて求められた複数の身長画素数の中で他よりも長い身長画素数を選択する。例えば、上位３０％を有効な値とし、図１３ではボーンＢ７１、Ｂ６１、Ｂ５１による身長画素数を選択する。選択した身長画素数の平均を最適値として求めてもよいし、最も大きい身長画素数を最適値としてもよい。２次元画像のボーンの長さから身長を求めるため、ボーンを正面から撮像できていない場合、すなわち、ボーンがカメラから見て奥行き方向に傾いて撮像された場合、ボーンの長さが正面から撮像した場合よりも短くなる。そうすると、身長画素数が大きい値は、身長画素数が小さい値よりも、正面から撮像された可能性が高く、より尤もらしい値となることから、より大きい値を最適値とする。
　以上のように、本実施の形態では、２次元画像空間上のボーン（骨）と全身の長さとの関係を示す人体モデルを用いて、検出した骨格構造のボーン（骨）に基づき身長画素数を求めることで、人物の実世界の身長を推定する。これにより、頭から足までの全ての骨格が得られない場合でも、一部のボーン（骨）から身長を推定することができる。特に、複数のボーン（骨）から求められた身長（身長画素数）のうち、より大きい値を採用することで、精度よく身長を推定することができる。
（実施の形態３）
　次に、実施の形態３について説明する。本実施の形態では、実施の形態１の身長画素数算出処理及び身長推定処理の代わりに、３次元人体モデルを２次元骨格構造にフィッティング（あてはめる）することで、実世界の身長を推定する。その他については、実施の形態１と同様である。
　図１４は、本実施の形態に係る身長推定処理の流れを示している。本実施の形態の身長推定処理では、図１４に示すように、まず、実施の形態１の図４と同様、身長推定装置１００は、カメラ２００から２次元の画像を取得し（Ｓ２０１）、画像中の人物の２次元骨格構造を検出し（Ｓ２０２）、さらに、カメラパラメータを算出する（Ｓ２０５）。続いて、身長推定装置１００の身長推定部１０５は、３次元人体モデルの配置及び高さを調整する（Ｓ４０１）。身長推定部１０５は、実施の形態１のように検出された２次元骨格構造に対し、身長算出用の３次元人体モデルを用意し、カメラパラメータに基づいて、同じ２次元画像内に配置する。具体的には、カメラパラメータと、２次元骨格構造から、「実世界におけるカメラと人物の相対的な位置関係」を特定する。例えば、仮にカメラの位置を座標（０，０，０）としたときに、人物が立っている（または座っている）位置の座標（ｘ,ｙ,ｚ）を特定する。そして、特定した人物と同じ位置（ｘ,ｙ,ｚ）に３次元人体モデルを配置して撮像した場合の画像を想定することで、２次元骨格構造と３次元人体モデルを重ね合わせる。
　図１５は、しゃがみ込んでいる人物を左斜め前から撮像し、２次元骨格構造４０１を検出した例である。２次元骨格構造４０１は、２次元の座標情報を有する。なお、全てのボーンを検出していることが好ましいが、一部のボーンが検出されていなくてもよい。この２次元骨格構造４０１に対し、図１６のような、３次元人体モデル４０２を用意する。３次元人体モデル（３次元骨格モデル）４０２は、３次元の座標情報を有し、２次元骨格構造４０１と同じ形状の骨格のモデルである。そして、図１７のように、検出した２次元骨格構造４０１に対し、用意した３次元人体モデル４０２を配置し重ね合わせる。また、重ね合わせるとともに、３次元人体モデル４０２の高さを２次元骨格構造４０１に合うように調整する。
　なお、このとき用意する３次元人体モデル４０２は、図１７のように、２次元骨格構造４０１の姿勢に近い状態のモデルでもよいし、直立した状態のモデルでもよい。例えば、機械学習を用いて２次元画像から３次元空間の姿勢を推定する技術を用いて、推定した姿勢の３次元人体モデル４０２を生成してもよい。２次元画像の関節と３次元空間の関節の情報を学習することで、２次元画像から３次元の姿勢を推定することができる。
　続いて、身長推定部１０５は、３次元人体モデルを２次元骨格構造にフィッティングする（Ｓ４０２）。身長推定部１０５は、図１８のように、３次元人体モデル４０２を２次元骨格構造４０１に重ね合わせた状態で、３次元人体モデル４０２と２次元骨格構造４０１の姿勢が一致するように、３次元人体モデル４０２を変形させる。すなわち、３次元人体モデル４０２の身長、体の向き、関節の角度を調整し、２次元骨格構造４０１との差異がなくなるように最適化する。例えば、３次元人体モデル４０２の関節を、人の可動範囲で回転させていき、また、３次元人体モデル４０２の全体を回転させたり、全体のサイズを調整する。なお、３次元人体モデルと２次元骨格構造のフィッティング（あてはめ）は、２次元空間（２次元座標）上で行う。すなわち、２次元空間に３次元人体モデルを写像し、変形させた３次元人体モデルが２次元空間（画像）でどのように変化するかを考慮して、３次元人体モデルを２次元骨格構造に最適化する。
　続いて、身長推定部１０５は、フィッティングさせた３次元人体モデルの身長を算出する（Ｓ４０３）。身長推定部１０５は、図１９のように、３次元人体モデル４０２と２次元骨格構造４０１の差異がなくなり、姿勢が一致すると、その状態の３次元人体モデル４０２の身長を求める。なお、最適化が終了したときの３次元人体モデルの身長が、そのまま求める実世界の身長（例えばcm単位の身長）になるため、本実施の形態では実施の形態１や２のように、身長画素数を計算する必要はない。例えば、３次元人体モデル４０２を直立させた場合の頭から足までのボーンの長さにより身長を算出する。実施の形態１と同様に、３次元人体モデル４０２の頭部から足部までのボーンの長さを合計してもよい。
　以上のように、本実施の形態では、カメラパラメータに基づいて３次元人体モデルを２次元骨格構造にフィッティングさせて、その３次元人体モデルに基づいて、人物の実世界の身長を推定する。具体的には、フィッティングした３次元人体モデルの身長を、そのまま推定する身長とする。これにより、全てのボーン（骨）が正面に写っていない場合、すなわち、全てのボーン（骨）が斜めに映っているため誤差が大きい場合でも、精度よく身長を推定することができる。なお、実施の形態１～３の方法が適用可能な場合、全ての方法（またはいずれかを組み合わせた方法）を用いて身長を求めてもよい。その場合、人物の平均的な身長に近い方を最適値としてもよい。
　なお、上述の実施形態における各構成は、ハードウェア又はソフトウェア、もしくはその両方によって構成され、１つのハードウェア又はソフトウェアから構成してもよいし、複数のハードウェア又はソフトウェアから構成してもよい。身長推定装置１０及び１００の機能（処理）を、図２０に示すような、ＣＰＵ（Central Processing Unit）等のプロセッサ２１及び記憶装置であるメモリ２２を有するコンピュータ２０により実現してもよい。例えば、メモリ２２に実施形態における方法を行うためのプログラム（身長推定プログラム）を格納し、各機能を、メモリ２２に格納されたプログラムをプロセッサ２１で実行することにより実現してもよい。
　これらのプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（random access memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
　また、本開示は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、上記では人物の身長を推定したが、骨格構造を有する人物以外の動物（哺乳類、爬虫類、鳥類、両生類、魚類等）の身長を推定してもよい。
　以上、実施の形態を参照して本開示を説明したが、本開示は上記実施の形態に限定されるものではない。本開示の構成や詳細には、本開示のスコープ内で当業者が理解し得る様々な変更をすることができる。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）
　動物を撮像した２次元画像を取得する取得手段と、
　前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出する検出手段と、
　前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する推定手段と、
　を備える、身長推定装置。
（付記２）
　前記推定手段は、前記２次元骨格構造に含まれる２次元画像空間上の骨の長さに基づいて、前記身長を推定する、
　付記１に記載の身長推定装置。
（付記３）
　前記推定手段は、前記２次元骨格構造に含まれる足部から頭部までの前記骨の長さの合計に基づいて、前記身長を推定する、
　付記２に記載の身長推定装置。
（付記４）
　前記推定手段は、前記骨の長さと２次元画像空間上の前記動物の全身の長さとの関係を示す２次元骨格モデルに基づいて、前記身長を推定する、
　付記２に記載の身長推定装置。
（付記５）
　前記推定手段は、前記動物の属性に対応した前記２次元骨格モデルに基づいて、前記身長を推定する、
　付記４に記載の身長推定装置。
（付記６）
　前記推定手段は、前記２次元骨格構造における複数の骨に基づいて求められた複数の身長の中で他よりも長い身長に基づいて、前記身長を推定する、
　付記４または５に記載の身長推定装置。
（付記７）
　前記推定手段は、前記撮像パラメータに基づいて前記２次元骨格構造にフィッティングさせた３次元骨格モデルに基づいて、前記身長を推定する、
　付記１に記載の身長推定装置。
（付記８）
　前記推定手段は、前記フィッティングさせた３次元骨格モデルの身長を、前記推定する身長とする、
　付記７に記載の身長推定装置。
（付記９）
　動物を撮像した２次元画像を取得し、
　前記取得された２次元画像に基づいて前記２次元動物の骨格構造を検出し、
　前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する、
　身長推定方法。
（付記１０）
　前記身長の推定では、前記２次元骨格構造に含まれる２次元画像空間上の骨の長さに基づいて、前記身長を推定する、
　付記９に記載の身長推定方法。
（付記１１）
　動物を撮像した２次元画像を取得し、
　前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出し、
　前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する、
　処理を、コンピュータに実行させるための身長推定プログラム。
（付記１２）
　前記身長の推定では、前記２次元骨格構造に含まれる２次元画像空間上の骨の長さに基づいて、前記身長を推定する、
　付記１１に記載の身長推定プログラム。
（付記１３）
　カメラと身長推定装置とを備え、
　前記身長推定装置は、
　　前記カメラから動物を撮像した２次元画像を取得する取得手段と、
　　前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出する検出手段と、
　　前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する推定手段と、
　を備える、身長推定システム。
（付記１４）
　前記推定手段は、前記２次元骨格構造に含まれる２次元画像空間上の骨の長さに基づいて、前記身長を推定する、
　付記１３に記載の身長推定システム。
１　　　身長推定システム
１０　　身長推定装置
１１　　取得部
１２　　検出部
１３　　推定部
２０　　コンピュータ
２１　　プロセッサ
２２　　メモリ
１００　身長推定装置
１０１　画像取得部
１０２　骨格構造検出部
１０３　身長画素数算出部
１０４　カメラパラメータ算出部
１０５　身長推定部
１０６　記憶部
２００　カメラ
３００、３０１　人体モデル
４０１　２次元骨格構造
４０２　３次元人体モデル

Claims (10)

  1. 　動物を撮像した２次元画像を取得する取得手段と、
    　前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出する検出手段と、
    　前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する推定手段と、
    　を備える、身長推定装置。
  2. 　前記推定手段は、前記２次元骨格構造に含まれる２次元画像空間上の骨の長さに基づいて、前記身長を推定する、
    　請求項１に記載の身長推定装置。
  3. 　前記推定手段は、前記２次元骨格構造に含まれる足部から頭部までの前記骨の長さの合計に基づいて、前記身長を推定する、
    　請求項２に記載の身長推定装置。
  4. 　前記推定手段は、前記骨の長さと２次元画像空間上の前記動物の全身の長さとの関係を示す２次元骨格モデルに基づいて、前記身長を推定する、
    　請求項２に記載の身長推定装置。
  5. 　前記推定手段は、前記動物の属性に対応した前記２次元骨格モデルに基づいて、前記身長を推定する、
    　請求項４に記載の身長推定装置。
  6. 　前記推定手段は、前記２次元骨格構造における複数の骨に基づいて求められた複数の身長の中で他よりも長い身長に基づいて、前記身長を推定する、
    　請求項４または５に記載の身長推定装置。
  7. 　前記推定手段は、前記撮像パラメータに基づいて前記２次元骨格構造にフィッティングさせた３次元骨格モデルに基づいて、前記身長を推定する、
    　請求項１に記載の身長推定装置。
  8. 　前記推定手段は、前記フィッティングさせた３次元骨格モデルの身長を、前記推定する身長とする、
    　請求項７に記載の身長推定装置。
  9. 　動物を撮像した２次元画像を取得し、
    　前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出し、
    　前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する、
    　身長推定方法。
  10. 　動物を撮像した２次元画像を取得し、
    　前記取得された２次元画像に基づいて前記動物の２次元骨格構造を検出し、
    　前記検出された２次元骨格構造及び前記２次元画像の撮像パラメータに基づいて、３次元の実世界における前記動物の身長を推定する、
    　処理をコンピュータに実行させるためのプログラムが格納された非一時的なコンピュータ可読媒体。
PCT/JP2019/025269 2019-06-26 2019-06-26 身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体 WO2020261403A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/JP2019/025269 WO2020261403A1 (ja) 2019-06-26 2019-06-26 身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体
US17/619,011 US20220395193A1 (en) 2019-06-26 2019-06-26 Height estimation apparatus, height estimation method, and non-transitory computer readable medium storing program
JP2021528720A JP7197011B2 (ja) 2019-06-26 2019-06-26 身長推定装置、身長推定方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/025269 WO2020261403A1 (ja) 2019-06-26 2019-06-26 身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体

Publications (1)

Publication Number Publication Date
WO2020261403A1 true WO2020261403A1 (ja) 2020-12-30

Family

ID=74060830

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/025269 WO2020261403A1 (ja) 2019-06-26 2019-06-26 身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体

Country Status (3)

Country Link
US (1) US20220395193A1 (ja)
JP (1) JP7197011B2 (ja)
WO (1) WO2020261403A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10842412B2 (en) * 2017-10-31 2020-11-24 Pixa4 Llc Systems and methods to estimate human length
JP2021064320A (ja) * 2019-10-17 2021-04-22 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0234499B2 (ja) * 1982-01-27 1990-08-03 Marconi Co Ltd
JP2010084263A (ja) * 2008-09-30 2010-04-15 Casio Computer Co Ltd カメラ装置
JP6489726B1 (ja) * 2017-09-08 2019-03-27 株式会社Ｖｒｃ ３ｄデータシステム及び３ｄデータ処理方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5820366B2 (ja) * 2010-10-08 2015-11-24 パナソニック株式会社 姿勢推定装置及び姿勢推定方法
ES2921128T3 (es) * 2018-02-26 2022-08-18 Touchless Animal Metrics Sl Procedimiento y dispositivo para la caracterización de ejemplares vivos de forma remota
JP6534499B1 (ja) * 2019-03-20 2019-06-26 アースアイズ株式会社 監視装置、監視システム、及び、監視方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0234499B2 (ja) * 1982-01-27 1990-08-03 Marconi Co Ltd
JP2010084263A (ja) * 2008-09-30 2010-04-15 Casio Computer Co Ltd カメラ装置
JP6489726B1 (ja) * 2017-09-08 2019-03-27 株式会社Ｖｒｃ ３ｄデータシステム及び３ｄデータ処理方法

Also Published As

Publication number Publication date
US20220395193A1 (en) 2022-12-15
JP7197011B2 (ja) 2022-12-27
JPWO2020261403A1 (ja) 2020-12-30

Similar Documents

Publication Publication Date Title
US9031286B2 (en) Object detection device and object detection method
US9898651B2 (en) Upper-body skeleton extraction from depth maps
JP4653606B2 (ja) 画像認識装置、方法およびプログラム
WO2021084677A1 (ja) 画像処理装置、画像処理方法及び画像処理プログラムが格納された非一時的なコンピュータ可読媒体
US8355529B2 (en) Motion capture apparatus and method, and motion capture program
US11298050B2 (en) Posture estimation device, behavior estimation device, storage medium storing posture estimation program, and posture estimation method
JP2014127208A (ja) 物体検出方法及び物体検出装置
JP7113013B2 (ja) 被験者の頭部の追跡
JP2012123667A (ja) 姿勢推定装置および姿勢推定方法
WO2020261403A1 (ja) 身長推定装置、身長推定方法及びプログラムが格納された非一時的なコンピュータ可読媒体
JP7173341B2 (ja) 人物状態検出装置、人物状態検出方法及びプログラム
Haker et al. Self-organizing maps for pose estimation with a time-of-flight camera
JP7396364B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
JP2021149687A (ja) 物体認識装置、物体認識方法及び物体認識プログラム
Kim et al. Accurate 3D face modeling and recognition from RGB-D stream in the presence of large pose changes
JP7420146B2 (ja) カメラ校正装置、カメラ校正方法及びカメラ校正プログラム
WO2022079794A1 (ja) 画像選択装置、画像選択方法、及びプログラム
US11263780B2 (en) Apparatus, method, and program with verification of detected position information using additional physical characteristic points
JP7283571B2 (ja) 人物状態検出装置、人物状態検出方法及びプログラム
JP7152651B2 (ja) プログラム、情報処理装置、及び情報処理方法
Niżałowska et al. Indoor head detection and tracking on RGBD images

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19935359

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021528720

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19935359

Country of ref document: EP

Kind code of ref document: A1