図面 (/)

技術 人物検出装置及びプログラム

出願人 株式会社豊田中央研究所トヨタ自動車株式会社株式会社デンソー
発明者 馬場美也子深町映夫早坂祥一原祥雅
出願日 2008年10月29日 (10年11ヶ月経過) 出願番号 2008-277909
公開日 2010年5月13日 (9年5ヶ月経過) 公開番号 2010-108138
状態 特許登録済
技術分野 画像処理 イメージ分析
主要キーワード ウインドウ画像 左右反転画像 識別対象領域 探索ウインドウ 人物検出装置 人物検出処理 判定画像 対象物検出装置
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2010年5月13日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (10)

課題

人物の検出の精度を向上させることができる人物検出装置及びプログラムを提供することを目的とする。

解決手段

入力画像から抽出したウインドウ画像を左右の領域に分割して左半分画像及び右半分画像を生成し、左半分画像と左半分画像用の学習モデルとの比較、右半分画像と右半分画像用の学習モデルとの比較、全体画像と全体画像用の学習モデルとの比較を行い、左半分画像、右半分画像、及び全体画像のいずれか1つの画像が人物であると判定された場合に、ウインドウ画像が人物であると判定することにより、入力画像から人物を検出する。

概要

背景

近年、車載カメラ撮像した車両周辺映像画像処理し、歩行者などの対象物を検出してドライバに検出結果を提示する対象物検出装置を搭載する車両が増加している。

対象物を検出する方法として、予め対象物パターンを学習させた学習モデル辞書を生成しておき、入力された画像が学習モデル辞書に登録されたデータに近いか否かを判断することで対象物を検出する方法が一般的である。具体的には、例えば、Viola&Jonesの手法等、様々な手法がある。

例えば、入力画像画素の組の2画素間の輝度値の差分を特徴量として求め、求めた特徴量に基づいて予め学習により定められた複数個判別手段により、画素の組が検知対象画像輪郭部分であるか否かを判定することにより、入力画像の検知対象物を検知する対象物検知装置が提案されている(特許文献1)。
特開2006−318341号公報

概要

人物の検出の精度を向上させることができる人物検出装置及びプログラムを提供することを目的とする。入力画像から抽出したウインドウ画像を左右の領域に分割して左半分画像及び右半分画像を生成し、左半分画像と左半分画像用の学習モデルとの比較、右半分画像と右半分画像用の学習モデルとの比較、全体画像と全体画像用の学習モデルとの比較を行い、左半分画像、右半分画像、及び全体画像のいずれか1つの画像が人物であると判定された場合に、ウインドウ画像が人物であると判定することにより、入力画像から人物を検出する。

目的

本発明は、上述した問題を解決するために提案されたものであり、人物の検出の精度を向上させることができる人物検出装置及びプログラムを提供することを目的とする。

効果

実績

技術文献被引用数
0件
牽制数
2件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

入力画像から抽出した抽出画像を左右の領域に分割する画像分割手段と、前記画像分割手段により分割された左側領域の画像と前記左側領域の画像に対応する人物を検出するための学習モデルとの比較、前記画像分割手段により分割された右側領域の画像と前記右側領域の画像に対応する人物を検出するための学習モデルとの比較、及び前記抽出画像の全体と前記抽出画像の全体に対応する人物を検出するための学習モデルとの比較のいずれか1つの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する判定手段と、を含む人物検出装置

請求項2

入力画像から抽出した抽出画像を左右の領域に分割する画像分割手段と、前記画像分割手段により分割された左側領域の画像及び右側領域の画像の各々の左右を反転させる画像反転手段と、前記画像分割手段により分割された左側領域の画像と前記画像反転手段により反転された左側領域の画像とを合成した画像、前記画像分割手段により分割された右側領域の画像と前記画像反転手段により反転された右側領域の画像とを合成した画像、及び前記抽出画像の全体のいずれかと、人物を検出するための学習モデルとの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する判定手段と、を含む人物検出装置。

請求項3

前記判定手段は、画像の特徴量と前記学習モデルとを比較する請求項1または請求項2記載の人物検出装置。

請求項4

コンピュータを、入力画像から抽出した抽出画像を左右の領域に分割する画像分割手段と、前記画像分割手段により分割された左側領域の画像と前記左側領域の画像に対応する人物を検出するための学習モデルとの比較、前記画像分割手段により分割された右側領域の画像と前記右側領域の画像に対応する人物を検出するための学習モデルとの比較、及び前記抽出画像の全体と前記抽出画像の全体に対応する人物を検出するための学習モデルとの比較のいずれか1つの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する判定手段と、して機能させるための人物検出プログラム

請求項5

コンピュータを、入力画像から抽出した抽出画像を左右の領域に分割する画像分割手段と、前記画像分割手段により分割された左側領域の画像及び右側領域の画像の各々の左右を反転させる画像反転手段と、前記画像分割手段により分割された左側領域の画像と前記画像反転手段により反転された左側領域の画像とを合成した画像、前記画像分割手段により分割された右側領域の画像と前記画像反転手段により反転された右側領域の画像とを合成した画像、及び前記抽出画像の全体のいずれかと、人物を検出するための学習モデルとの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する判定手段と、して機能させるための人物検出プログラム。

技術分野

0001

本発明は、歩行者検出装置及びプログラムに関し、特に、撮像した画像から人物を検出する人物検出装置及びプログラムに関する。

背景技術

0002

近年、車載カメラで撮像した車両周辺映像画像処理し、歩行者などの対象物を検出してドライバに検出結果を提示する対象物検出装置を搭載する車両が増加している。

0003

対象物を検出する方法として、予め対象物パターンを学習させた学習モデル辞書を生成しておき、入力された画像が学習モデル辞書に登録されたデータに近いか否かを判断することで対象物を検出する方法が一般的である。具体的には、例えば、Viola&Jonesの手法等、様々な手法がある。

0004

例えば、入力画像画素の組の2画素間の輝度値の差分を特徴量として求め、求めた特徴量に基づいて予め学習により定められた複数個判別手段により、画素の組が検知対象画像輪郭部分であるか否かを判定することにより、入力画像の検知対象物を検知する対象物検知装置が提案されている(特許文献1)。
特開2006−318341号公報

発明が解決しようとする課題

0005

しかしながら、特許文献1の対象物検知装置では、例えば、図9に示すように、人物を検出するために抽出した画像が、(a)複数の人物が重なっている、(b)人物が斜めに傾いていたり、片側に大きな荷物を持っていたりする、(c)背景ライトなどの光により人物の輪郭不明瞭になっている、(d)背景の白線や標識等と人物が重なって人物の輪郭が不明瞭になっている、(e)人物が自転車等に乗っている(特に横向きの場合)等の場合には、正確に人物を検出できない場合がある、という問題がある。

0006

本発明は、上述した問題を解決するために提案されたものであり、人物の検出の精度を向上させることができる人物検出装置及びプログラムを提供することを目的とする。

課題を解決するための手段

0007

上記目的を達成するために本発明の人物検出装置は、入力画像から抽出した抽出画像を左右の領域に分割する画像分割手段と、前記画像分割手段により分割された左側領域の画像と前記左側領域の画像に対応する人物を検出するための学習モデルとの比較、前記画像分割手段により分割された右側領域の画像と前記右側領域の画像に対応する人物を検出するための学習モデルとの比較、及び前記抽出画像の全体と前記抽出画像の全体に対応する人物を検出するための学習モデルとの比較のいずれか1つの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する判定手段と、を含んで構成されている。

0008

本発明の人物検出装置によれば、画像分割手段が、入力画像から抽出した抽出画像を左右の領域に分割し、判定手段が、画像分割手段により分割された左側領域の画像と左側領域の画像に対応する人物を検出するための学習モデルとの比較、画像分割手段により分割された右側領域の画像と右側領域の画像に対応する人物を検出するための学習モデルとの比較、及び抽出画像の全体と抽出画像の全体に対応する人物を検出するための学習モデルとの比較のいずれか1つの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する。

0009

このように、左側領域の画像及び右側領域の画像それそれで人物の検出を行うため、抽出画像の左側領域及び右側領域のいずれかの領域に不要な情報が含まれていても、精度良く人物を検出することができる。

0010

また、本発明の人物検出装置は、入力画像から抽出した抽出画像を左右の領域に分割する画像分割手段と、前記画像分割手段により分割された左側領域の画像及び右側領域の画像の各々の左右を反転させる画像反転手段と、前記画像分割手段により分割された左側領域の画像と前記画像反転手段により反転された左側領域の画像とを合成した画像、前記画像分割手段により分割された右側領域の画像と前記画像反転手段により反転された右側領域の画像とを合成した画像、及び前記抽出画像の全体のいずれかと、人物を検出するための学習モデルとの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する判定手段と、を含んで構成されている。

0011

本発明の人物検出手段によると、画像反転手段が、画像分割手段により分割された左側領域の画像及び右側領域の画像の各々の左右を反転させ、判定手段が、画像分割手段により分割された左側領域の画像と画像反転手段により反転された左側領域の画像とを合成した画像、画像分割手段により分割された右側領域の画像と画像反転手段により反転された右側領域の画像とを合成した画像、及び抽出画像のいずれかと、人物を検出するための学習モデルとの比較で人物が検出された場合に、抽出画像に人物有りと判定する。

0012

このように、画像分割手段により分割された左側領域の画像と画像反転手段により反転された左側領域の画像とを合成した画像、画像分割手段により分割された右側領域の画像と画像反転手段により反転された右側領域の画像とを合成した画像を用いることにより、前述と同様に、抽出画像の左側領域及び右側領域のいずれかの領域に不要な情報が含まれていても、精度良く人物を検出することができる。また、左側領域の画像、右側領域の画像、及び抽出画像全体の画像に対応する学習モデルを準備する必要がなく、抽出画像全体の画像に対応する学習モデルを共通で用いることができる。

0013

また、本発明の人物検出装置の前記判定手段は、画像の特徴量を用いて学習モデルと比較することができる。従って、学習モデルとの比較で用いる手法、例えば、Viola&JonesやSVM(Support Vector Machine)等の手法に対応した特徴量を用いるようにするとよい。

0014

また、本発明の人物検出プログラムは、コンピュータを、入力画像から抽出した抽出画像を左右の領域に分割する画像分割手段と、前記画像分割手段により分割された左側領域の画像と前記左側領域の画像に対応する人物を検出するための学習モデルとの比較、前記画像分割手段により分割された右側領域の画像と前記右側領域の画像に対応する人物を検出するための学習モデルとの比較、及び前記抽出画像の全体と前記抽出画像の全体に対応する人物を検出するための学習モデルとの比較のいずれか1つの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する判定手段と、して機能させるためのものである。

0015

また、本発明の人物検出プログラムは、コンピュータを、入力画像から抽出した抽出画像を左右の領域に分割する画像分割手段と、前記画像分割手段により分割された左側領域の画像及び右側領域の画像の各々の左右を反転させる画像反転手段と、前記画像分割手段により分割された左側領域の画像と前記画像反転手段により反転された左側領域の画像とを合成した画像、前記画像分割手段により分割された右側領域の画像と前記画像反転手段により反転された右側領域の画像とを合成した画像、及び前記抽出画像の全体のいずれかと、人物を検出するための学習モデルとの比較で人物が検出された場合に、前記抽出画像に人物有りと判定する判定手段と、して機能させるためのものである。

発明の効果

0016

以上説明したように、本発明によれば、人物の検出の精度を向上させることができる、という効果が得られる。

発明を実施するための最良の形態

0017

以下、図面を参照して本発明の実施の形態を詳細に説明する。

0018

(第1の実施の形態)

0019

図1に示すように、第1の実施の形態に係る人物検出装置10は、識別対象領域を含む範囲を撮像する撮像装置12と、撮像装置12から出力される撮像画像に基づいて人物を検出する人物検出処理ルーチンを実行するコンピュータ16と、コンピュータ16での処理結果を表示するための表示装置18とを備えている。

0020

撮像装置12は、識別対象領域を含む範囲を撮像し、画像信号を生成する撮像部(図示省略)と、撮像部で生成されたアナログ信号である画像信号をデジタル信号に変換するA/D変換部(図示省略)と、A/D変換された画像信号を一時的に格納するための画像メモリ(図示省略)とを備えている。

0021

コンピュータ16は、人物検出装置10全体の制御を司るCPU、後述する人物検出処理のプログラムを記憶した記憶媒体としてのROM、ワークエリアとしてデータを一時格納するRAM、及びこれらを接続するバスを含んで構成されている。このコンピュータ16をハードウエアソフトウエアとに基づいて定まる機能実現手段毎に分割した機能ブロックで説明すると、図1に示すように、撮像装置12から出力される撮像画像を入力する画像入力部20と、画像入力部20によって入力された撮像画像から所定領域を抽出するウインドウ画像抽出部22と、ウインドウ画像抽出部22により抽出された画像から人物の有無を判定するための分割画像を生成する分割画像生成部24と、学習用画像により予め生成された学習モデルが記憶された学習モデルDB26と、分割画像生成部24で生成された画像及び学習モデルDB26に記憶された学習モデルに基づいて人物の有無を判定する判定部28と、撮像装置12によって撮像された撮像画像に、判定部28による判定結果を重畳させて表示装置18に表示するよう制御する表示制御部30とを含んだ構成で表すことができる。

0022

ウインドウ画像抽出部22は、画像入力部20から入力された入力画像から人物を検出する際に、入力画像から予め定められたサイズのウインドウ探索ウインドウ呼称)を1ステップにつき、予め定められた移動量(探索ピッチと呼称)だけ移動させながら画像を切り取り切り取った画像から人物を検出する。ここでは、切り取った画像をウインドウ画像といい、ウインドウ画像のサイズ(すなわち探索ウインドウのサイズ)をウインドウサイズと呼称する。ウインドウサイズは様々なサイズの人物を検出するために複数種設定されており、ウインドウ画像抽出部22は、設定されている全てのウインドウサイズの探索ウインドウを用いてウインドウ画像を抽出する。また、ウインドウ画像抽出部22は、抽出したウインドウ画像を予め設定された画素数の画像(例えば、横16×縦32画素の画像)に変換する。

0023

分割画像生成部24は、画像毎に異なる輝度分布の影響をなくし、後述する学習モデルと、抽出したウインドウ画像との比較が行えるように、抽出したウインドウ画像の輝度値を正規化し、ウインドウ画像を左側領域及び右側領域に分割する。ここでは、左側領域の画像と右側領域の画像との画素数が等しくなるよう(例えば、横8×縦32画素)に、ウインドウ画像の中央で分割する。

0024

学習モデルDB26は、ハードディスクドライブ(HDD)やCD−ROM等のように、内蔵または外付けの記憶手段であって、学習モデルを記憶できる媒体により構成されている。学習モデルは、学習モデル生成部32において、後述する学習モデル生成処理ルーチンにより、抽出画像の左側領域の画像に対応する学習モデル、右側領域に対応する学習モデル、及び抽出画像の全体に対応する学習モデルの各々が生成される。学習モデルDB26に記憶された学習モデルは、人物検出装置10の判定部28で人物の検出に利用される。

0025

学習モデル生成部32は、CPU、ROM、RAM、及び内蔵HDD等を含んで構成されたコンピュータで構成することができる。このような構成の場合には、各構成要素の機能を実現するためのプログラムをROMやHDD等の記憶媒体に記憶しておき、これをCPUが実行することによって、各機能が実現されるようにする。また、学習モデル生成部32を人物検出装置10と互いに独立したマイクロコンピュータで構成してもよいし、同一コンピュータ上で構成することも可能である。

0026

判定部28は、分割画像生成部24により生成された抽出画像の左側領域の画像、右側領域の画像、及び抽出画像の全体の画像と、学習モデルDB26に記憶された各々対応する学習モデルとの比較により、左側領域の画像、右側領域の画像、及び抽出画像の全体の画像が人物であるか否かを判定し、いずれか1つの画像が人物であると判定された場合には、ウインドウ画像が人物であると判定する。

0027

ここで、図2を参照して、学習モデル26に記憶される学習モデルの生成処理ルーチンについて説明する。ここでは、学習の手法としてSVMを用いる場合について説明する。学習に用いる画像(学習用画像)の対象物画像として、人物(向き、背景、服装、及び持ち物等が異なるもの)が撮影された画像、及び学習用画像の非対象物画像として、人物以外(電柱看板等、特に人物に似ている物)が撮影された画像を所定枚数(例えば、各1000枚)用意しておく。

0028

ステップ100で、学習モデル生成部32に、学習用画像を1枚入力し、次にステップ102で、入力された学習用画像の中で、人物または人物に相当する対象が含まれている領域を所定の縦横比(例えば、横1:縦2)で切り取り、次にステップ104で、切り取った画像をバイリニア法等により、所定のサイズ(例えば、16×32画素)に正規化する。

0029

次に、ステップ106で、所定サイズに正規化された画像(全体画像)を左側領域の画像と右側領域の画像とに分割する。ここでは、左側領域の画像と右側領域の画像とが同サイズ(例えば、8×32画素)になるように、全体画像の中央で分割する。例えば、図3(A)に示すような16×32画素に正規化された全体画像において、aが全体画像の中央を示す線(左端から8画素目と9画素目の境界線)を表している場合、全体画像を線aで分割して、(B)に示す左半分画像、及び(C)に示す右半分画像を生成する。生成された画像及び全体画像は一旦学習モデル生成部32内のRAMに格納する。

0030

次に、ステップ108で、用意しておいたすべての学習用画像について、左半分画像及び右半分画像を生成する処理が終了したか否かを判断する。終了した場合には、ステップ110へ進み、終了していない場合には、ステップ100へ戻り、次の学習用画像を入力して、左半分画像及び右半分画像を生成する処理を繰り返す。

0031

ステップ110で、学習モデル生成部32内のRAMに格納しておいた左半分画像を読み出して、例えば標準偏差を用いて輝度の正規化を行って、画像の特徴量として4方向面特徴を抽出し、SVMの手法を用いて左半分画像用の学習モデルを生成する。右半分画像及び全体画像についても同様に処理し、右半分画像用の学習モデル及び全体画像用の学習モデルを生成する。生成した学習モデルは、学習モデルDB26に記憶される。

0032

次に、図4を参照して、第1の実施の形態における人物検出の処理ルーチンについて説明する。

0033

ステップ200で、撮像装置12で撮像された画像が、画像入力部20により人物を検出する対象となる画像としてウインドウ画像抽出部22に入力される。

0034

次に、ステップ202で、ウインドウ画像抽出部22は、入力画像に対して例えば16×32画素の探索ウインドウを入力画像の所定領域(例えば、左角の領域)に設定し、設定した探索ウインドウを用いて、入力画像から16×32画素のウインドウ画像を抽出する。

0035

次に、ステップ204で、分割画像生成部24は、ウインドウ画像抽出部22により抽出されたウインドウ画像について、標準偏差を用いて輝度を正規化する。なお、輝度の正規化の方法は、輝度値が閾値を超えている画素について、輝度値が閾値になるように補正する等の様々な方法を用いることが可能であり、標準偏差を用いる場合に限られないが、学習モデル生成の際に用いた方法と同一の方法で行う。

0036

次に、ステップ206で、分割画像生成部24は、ウインドウ画像を左側領域の画像と右側領域の画像とに分割する。ここでは、左側領域の画像と右側領域の画像とが同サイズ(例えば、8×32画素)になるように、全体画像の中央で分割する。例えば、図5(A)に示すようなウインドウ画像において、bがウインドウ画像の中央を示す線(左端から8画素目と9画素目の境界線)を表している場合、ウインドウ画像を線bで分割して、同図(B)に示す左半分画像を生成する。

0037

次に、ステップ208で、判定部28は、左半分画像の特徴量として4方向面特徴を計算し、次のステップ210で、学習モデルDB26に記憶されている左半分画像用の学習モデルと比較して、SVMの手法を用いて人物の確からしさを評価値として算出する。

0038

次に、ステップ212で、判定部28は、算出した評価値に基づいて左半分画像が人物であるか否かを判定する。人物であると判定した場合には、ステップ228へ進み、人物ではないと判定した場合には、ステップ214へ進む。

0039

ステップ214で、ステップ206と同様の処理により、図5(C)に示す右半分画像を生成する。なお、ステップ206で、左半分画像を生成する際に、あわせて右半分画像を生成しておき、本ステップを省略することも可能である。

0040

次に、ステップ216〜ステップ220で、ステップ208〜ステップ212の左半分画像の場合と同様に、右半分画像についても、学習モデルDB26に記憶されている右半分画像用の学習モデルと比較して、右半分画像が人物であるか否かを判定する。人物であると判定した場合には、ステップ228へ進み、人物ではないと判定した場合には、ステップ222へ進む。

0041

ステップ222〜ステップ226で、ステップ208〜ステップ212の左半分画像の場合と同様に、ウインドウ画像全体についても、学習モデルDB26に記憶されている全体画像用の学習モデルと比較して、ウインドウ画像が人物であるか否かを判定する。人物であると判定した場合には、ステップ228へ進み、人物ではないと判定した場合には、ステップ230へ進む。

0042

ステップ228で、判定部28は、ステップ212、ステップ220、及びステップ226で各画像が人物であると判定したときの探索ウインドウの位置及び大きさ等の情報をリストとしてRAMに保存する。

0043

次に、ステップ230で、判定部28は、入力画像全体について探索ウインドウをスキャンして探索が終了したか否かを判定する。終了した場合は、ステップ234へ進み、終了していない場合は、ステップ232へ進む。

0044

ステップ232で、ウインドウ画像抽出部22は、探索ウインドウの位置を予め定められた探索ピッチだけ移動させて、ステップ202に戻り、ステップ202〜ステップ230までの処理を繰り返す。探索ウインドウが画像全体の探索を終了すると、ステップ234へ進む。

0045

ステップ234で、判定部28は、全てのサイズの探索ウインドウでの探索が終了したか否かを判定する。ここで、探索ウインドウは人物を検出するためのウインドウ画像を抽出するためのフレームとして用いられているが、探索ウインドウのサイズが異なれば、様々なサイズの人物を検出することができる。本実施の形態では、様々なサイズの探索ウインドウが予め用意されており、各々の探索ウインドウで画像全体を探索する必要がある。終了した場合は、ステップ238へ進み、終了していない場合は、ステップ236へ進む。

0046

ステップ236で、ウインドウ画像抽出部22は、探索ウインドウのサイズを1ステップ拡大(例えば、探索ウインドウのサイズを1.2倍)して、ステップ202へ戻り、ステップ202〜ステップ234までの処理を繰り返す。なお、設定した探索ウインドウが16×32画素を超えるサイズのウインドウであった場合には、抽出したウインドウ画像を16×32画素に変換する。すべてのサイズの探索ウインドウサイズで探索が終了すると、ステップ238へ進む。

0047

ステップ238で、判定部28は、リストに保存した情報を表示制御部30に供給する。表示制御部30は、リストの情報に基づいて、入力画像に対して、検出された人物がウインドウで囲まれて表示されるように表示装置18を制御する。

0048

以上説明したように、第1の実施の形態における人物検出装置10では、左半分画像、右半分画像、及び全体画像を用いて人物の有無を判定しているため、例えば、図5(A)に示すように人物の片側の大きな荷物や背景の照明などの影響により、全体としては人物であると判定されにくい場合でも、不要な情報が除かれた同図(B)に示す左半部画像では、人物であると判定されやすいため、人物の検出の精度を向上させることができる。

0049

(第2の実施の形態)

0050

第1の実施の形態では、ウインドウ画像(抽出画像)から、左半分画像及び右半分画像を生成して、学習モデルとの比較を行うことにより人物を検出する場合について説明したが、第2の実施の形態では、左反転画像及び右反転画像を生成して、学習モデルとの比較を行うことにより人物を検出する場合について説明する。なお、第2の実施の形態の人物検出装置の構成において、上記第1の実施の形態の人物検出装置10の構成と同一の構成、及び同一の処理については同一の符号を付し、その説明を省略する。

0051

第2の実施の形態の人物検出装置10は、図6に示すように、画像入力部20と、ウインドウ画像抽出部22と、ウインドウ画像抽出部22により抽出された画像から人物の有無を判定するための反転画像を生成する反転画像生成部34と、学習モデルDB26と、判定部28と、表示制御部30とを備えている。

0052

反転画像生成部34は、画像毎に異なる輝度分布の影響をなくし、学習モデルと、抽出したウインドウ画像との比較が行えるように、抽出したウインドウ画像の輝度値を正規化し、ウインドウ画像を左側領域及び右側領域に分割する。ここでは、左側領域の画像と右側領域の画像との画素数が等しくなるよう(例えば、横8×縦32画素)に、ウインドウ画像の中央で分割する。さらに、分割した左側領域の画像に左側領域の画像を左右反転させた画像を合成して、左反転画像を生成する。また、分割した右側領域の画像に右側領域の画像を左右反転させた画像を合成して、右反転画像を生成する。

0053

次に、第2の実施の形態における学習モデル生成処理ルーチンについて説明する。第2の実施の形態では、左反転画像及び右反転画像の縦横比は、全体画像の縦横比(例えば、横1×縦2)と同じになるため、第1の実施の形態のように、左反転画像、右反転画像、及び全体画像の各々に対応した学習モデルを生成する必要がない。従って、図2に示す第1の実施の形態における学習モデル生成処理ルーチンにおいて、ステップ106と、ステップ110における左半分画像及び右半分画像の学習モデル生成の処理について省略することができる。

0054

次に、図7を参照して、第2の実施の形態における人物検出の処理ルーチンについて説明する。

0055

ステップ200で、ウインドウ画像抽出部22に画像が入力され、ステップ202で、ウインドウ画像抽出部22がウインドウ画像を抽出し、ステップ204で、反転画像生成部34が、ウインドウ画像の輝度を正規化する。

0056

次に、ステップ300で、反転画像生成部34は、ウインドウ画像を左側領域の画像と右側領域の画像とに分割する。ここでは、左側領域の画像と右側領域の画像とが同サイズ(例えば、8×32画素)になるように、全体画像の中央で分割し、分割した左側領域の画像を左右反転した画像を生成して、左側領域の画像と合成して左反転画像を生成する。例えば、図8(A)に示すようなウインドウ画像において、cがウインドウ画像の中央を示す線(左端から8画素目と9画素目の境界線)を表している場合、ウインドウ画像を線cで分割して左半分画像を生成し、左半分画像の左右反転画像を生成し、左半分画像に右端の画素に反転画像の左端の画素が隣接するように左半分画像と左半分画像の反転画像を合成して、同図(B)に示す左反転画像を生成する。

0057

次に、ステップ300で、判定部28は、左反転画像の特徴量を抽出し、次のステップ304で、学習モデルDB26に記憶されている学習モデルと比較して、SVMの手法を用いて人物の確からしさを評価値として算出する。

0058

次に、ステップ212で、判定部28が、ウインドウ画像が人物であるか否かを判定する。人物であると判定した場合には、ステップ228へ進み、人物ではないと判定した場合には、ステップ306へ進む。

0059

ステップ306で、ステップ300と同様の処理により、図8(C)に示す右反転画像を生成する。なお、ステップ300で、左反転画像を生成する際に、あわせて右反転画像を生成しておき、本ステップを省略することも可能である。

0060

次に、ステップ308、ステップ310、及びステップ220で、ステップ208〜ステップ212の左反転画像の場合と同様に、右反転画像についても、学習モデルDB26に記憶されている学習モデルと比較して、ウインドウ画像が人物であるか否かを判定する。ここで、比較に用いる学習モデルは、左半分画像用、右半分画像用、及び全体画像用の学習モデルを用いた第1の実施の形態の場合と異なり、左反転画像、右反転画像、及び全体画像で共通の学習モデルを用いることができる。人物であると判定した場合には、ステップ228へ進み、人物ではないと判定した場合には、ステップ222へ進む。

0061

以上説明したように、第2の実施の形態における人物検出装置10では、左反転画像、右反転画像、及び全体画像を用いて人物の有無を判定しているため、例えば、図8(A)に示すように人物の片側の大きな荷物や背景の照明などの影響により、全体としては人物であると判定されにくい場合でも、不要な情報が除かれた同図(B)に示す左反転画像では、人物であると判定されやすいため、第1の実施の形態の場合と同様に、人物の検出の精度を向上させることができると共に、判定画像として生成する左反転画像及び右反転画像は、抽出画像と同サイズとなるため、比較する学習モデルを左反転画像用、右反転画像用、及び全体画像用と個別に設ける必要がなく、学習モデルの生成を簡略化できる。

0062

なお、上記第1の実施の形態及び第2の実施の形態では、学習モデルの生成及び人物の検出にSVMの手法を用いる場合について説明したが、特徴量としてHaar−like featureを計算して、Viola&Jonesの手法を用いてもよい。

図面の簡単な説明

0063

第1の実施の形態の人物検出装置10の構成を示すブロック図である。
第1の実施の形態の学習モデルの生成処理ルーチンを示すフローチャートである。
第1の実施の形態における学習モデル生成を説明する図である。
第1の実施の形態の人物検出処理ルーチンを示すフローチャートである。
第1の実施の形態における分割画像生成を説明する図である。
第2の実施の形態の人物検出装置10の構成を示すブロック図である。
第2の実施の形態の人物検出処理ルーチンを示すフローチャートである。
第2の実施の形態における反転画像生成を説明する図である。
抽出画像の一例を示す図である。

符号の説明

0064

10人物検出装置
22ウインドウ画像抽出部
24分割画像生成部
26学習モデルDB
28 判定部

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ