JPH04241077A - 移動物体認識方法 - Google Patents
移動物体認識方法Info
- Publication number
- JPH04241077A JPH04241077A JP3022743A JP2274391A JPH04241077A JP H04241077 A JPH04241077 A JP H04241077A JP 3022743 A JP3022743 A JP 3022743A JP 2274391 A JP2274391 A JP 2274391A JP H04241077 A JPH04241077 A JP H04241077A
- Authority
- JP
- Japan
- Prior art keywords
- velocity
- line process
- neural network
- component
- optical flow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【０００１】
【産業上の利用分野】この発明は、３次元空間を運動す
る物体の速度、位置及び形状をニューラルネットワーク
を用いて求める移動物体認識方法に関するものである。
る物体の速度、位置及び形状をニューラルネットワーク
を用いて求める移動物体認識方法に関するものである。
【０００２】
【従来の技術】従来の移動物体認識方法としては、例え
ば日経エレクトロニクス（１９８８年８月８日号， ｐ
ｐ．１７１−１８５）に示されたように、オプティカル
計算法に該物体のエッジを検出するための（形状を求め
る）ラインプロセス（ディジタル値をとる）を付加した
アナログ抵抗ネットワークを用いて行なわれていた。
ば日経エレクトロニクス（１９８８年８月８日号， ｐ
ｐ．１７１−１８５）に示されたように、オプティカル
計算法に該物体のエッジを検出するための（形状を求め
る）ラインプロセス（ディジタル値をとる）を付加した
アナログ抵抗ネットワークを用いて行なわれていた。
【０００３】ここで、オプティカルフローとは、３次元
空間を運動する物体を２次元平面に投影し、その２次元
画像の各点の明るさの時間的、空間的変化から計算した
物体各点の速度ベクトルである。このオプティカルフロ
ー（ｕ，ｖ）は数１に示す汎関数εを最少化することで
得られる。
空間を運動する物体を２次元平面に投影し、その２次元
画像の各点の明るさの時間的、空間的変化から計算した
物体各点の速度ベクトルである。このオプティカルフロ
ー（ｕ，ｖ）は数１に示す汎関数εを最少化することで
得られる。
【０００４】
【数１】
【０００５】この数１において、ε１ は求めるオプテ
ィカルフローが満足すべき条件であり、数２のように表
わされる。
ィカルフローが満足すべき条件であり、数２のように表
わされる。
【０００６】
【数２】
【０００７】ここで、Ｅｘ ，Ｅｙ ，Ｅｔ は入力画
像データの各点における輝度Ｅの、それぞれｘ成分、ｙ
成分、及び時間についての偏微分（Ｅｘ ＝∂Ｅ／∂ｘ
，Ｅｙ ＝∂Ｅ／∂ｙ，Ｅｔ ＝∂Ｅ／∂ｔ）であり、
ｕ、ｖはそれぞれオプティカルフローのｘ成分、ｙ成分
である。
像データの各点における輝度Ｅの、それぞれｘ成分、ｙ
成分、及び時間についての偏微分（Ｅｘ ＝∂Ｅ／∂ｘ
，Ｅｙ ＝∂Ｅ／∂ｙ，Ｅｔ ＝∂Ｅ／∂ｔ）であり、
ｕ、ｖはそれぞれオプティカルフローのｘ成分、ｙ成分
である。
【０００８】また、数１において、ε２ は速度ベクト
ルが空間的になめらかに変化するための拘束条件であり
、数３のように表わされる。
ルが空間的になめらかに変化するための拘束条件であり
、数３のように表わされる。
【０００９】
【数３】
【００１０】ここで、αは拘束条件の強さを表わす定数
で、入力画像データにノイズが多い場合に大きくし、ノ
イズが少ない場合に小さくする。
で、入力画像データにノイズが多い場合に大きくし、ノ
イズが少ない場合に小さくする。
【００１１】ところが、この拘束条件のために本来速度
が不連続に変化する物体のエッジ等で速度場が不連続に
ならず、なめらかにつながってしまう結果となるため、
数３に水平方向、垂直方向のラインプロセスｌｈ ，ｌ
ｖ が導入されている。
が不連続に変化する物体のエッジ等で速度場が不連続に
ならず、なめらかにつながってしまう結果となるため、
数３に水平方向、垂直方向のラインプロセスｌｈ ，ｌ
ｖ が導入されている。
【００１２】このラインプロセスは、入力画像データに
おける物体のエッジを検出するためのニューロンであり
、速度が隣合う２点間で大きく不連続になる、すなわち
、該物体のエッジを検出するとその出力を１（オン）に
し、連続であると０（オフ）にして、そこに物体のエッ
ジがあることを知らせる（特に、０か１の２値をとるラ
インプロセスをディジタルラインプロセスと呼ぶ）。
おける物体のエッジを検出するためのニューロンであり
、速度が隣合う２点間で大きく不連続になる、すなわち
、該物体のエッジを検出するとその出力を１（オン）に
し、連続であると０（オフ）にして、そこに物体のエッ
ジがあることを知らせる（特に、０か１の２値をとるラ
インプロセスをディジタルラインプロセスと呼ぶ）。
【００１３】具体的には、図６に示すように、点（ｉ，
ｊ）とｘ方向に隣合う点（ｉ＋１，ｊ）の速度が不連続
な場合は、該点（ｉ，ｊ）の垂直方向のラインプロセス
ｌｖ （図中は添字としてｉ，ｊ成分を記載してある）
がオンになる。同様に、点（ｉ，ｊ）とｙ方向に隣合う
点（ｉ，ｊ＋１）の速度が不連続な場合は、該点（ｉ，
ｊ）の水平方向のラインプロセスｌｈ （図中は添字と
してｉ，ｊ成分を記載してある）がオンになる。
ｊ）とｘ方向に隣合う点（ｉ＋１，ｊ）の速度が不連続
な場合は、該点（ｉ，ｊ）の垂直方向のラインプロセス
ｌｖ （図中は添字としてｉ，ｊ成分を記載してある）
がオンになる。同様に、点（ｉ，ｊ）とｙ方向に隣合う
点（ｉ，ｊ＋１）の速度が不連続な場合は、該点（ｉ，
ｊ）の水平方向のラインプロセスｌｈ （図中は添字と
してｉ，ｊ成分を記載してある）がオンになる。
【００１４】そして、以上のようなディジタル値をとる
ラインプロセスを用いることで、速度が不連続に変化す
るところで汎関数ε２ の被積分関数の第１項または第
２項が落ちて汎関数εはより極小値に近づく。
ラインプロセスを用いることで、速度が不連続に変化す
るところで汎関数ε２ の被積分関数の第１項または第
２項が落ちて汎関数εはより極小値に近づく。
【００１５】次に動作について図７のフローチャートを
用いて説明する。まず、ニューラルネットワークのライ
ンプロセスをすべてオフにし（ステップＳＴ１）、入力
値として入力画像データを入力する（ステップＳＴ２）
。そして、該ラインプロセスがオフの状態で、速度ベク
トルの計算を数１における汎関数εの第１項がほぼ収束
するまで繰返す（ステップＳＴ３、ＳＴ４）。すなわち
、前記ニューラルネットワークの出力値が収束した後、
前記数１の汎関数εの第２項が各ラインプロセスをオン
にすることにより減少するか、あるいはオフにすること
で減少するかで該ラインプロセスの状態を決定していき
（ステップＳＴ５）、この処理を繰返すことにより（ス
テップＳＴ６）、該汎関数εを極小値に近づけ（平衡状
態にする）、３次元空間を運動する物体の速度ベクトル
及び形状の認識を行う（ステップＳＴ７）。
用いて説明する。まず、ニューラルネットワークのライ
ンプロセスをすべてオフにし（ステップＳＴ１）、入力
値として入力画像データを入力する（ステップＳＴ２）
。そして、該ラインプロセスがオフの状態で、速度ベク
トルの計算を数１における汎関数εの第１項がほぼ収束
するまで繰返す（ステップＳＴ３、ＳＴ４）。すなわち
、前記ニューラルネットワークの出力値が収束した後、
前記数１の汎関数εの第２項が各ラインプロセスをオン
にすることにより減少するか、あるいはオフにすること
で減少するかで該ラインプロセスの状態を決定していき
（ステップＳＴ５）、この処理を繰返すことにより（ス
テップＳＴ６）、該汎関数εを極小値に近づけ（平衡状
態にする）、３次元空間を運動する物体の速度ベクトル
及び形状の認識を行う（ステップＳＴ７）。
【００１６】
【発明が解決しようとする課題】従来の移動物体認識方
法は以上のように構成されているので、ディジタル値を
とるラインプロセスの挙動に起因して、計算途中でロー
カルミニマムに陥ったり、正しい答えが得られない（一
旦、ラインプロセスがオンになると、その時点で速度ベ
クトルと形状が確定され、それが間違った結果であって
も以降計算を繰返すことによって正しい結果を導き出せ
ない）場合があり、また、該ラインプロセスをオンにす
るタイミングを選ぶのが難しいなどの課題があった。
法は以上のように構成されているので、ディジタル値を
とるラインプロセスの挙動に起因して、計算途中でロー
カルミニマムに陥ったり、正しい答えが得られない（一
旦、ラインプロセスがオンになると、その時点で速度ベ
クトルと形状が確定され、それが間違った結果であって
も以降計算を繰返すことによって正しい結果を導き出せ
ない）場合があり、また、該ラインプロセスをオンにす
るタイミングを選ぶのが難しいなどの課題があった。
【００１７】この発明は上記のような課題を解消するた
めになされたもので、３次元空間を運動する物体の速度
、位置、及び形状を正確に認識するとともに、ノイズに
強い移動物体認識方法を得ることを目的とする。
めになされたもので、３次元空間を運動する物体の速度
、位置、及び形状を正確に認識するとともに、ノイズに
強い移動物体認識方法を得ることを目的とする。
【００１８】
【課題を解決するための手段】この発明に係る移動物体
認識方法は、移動物体の各点におけるオプティカルフロ
ーのｘ成分及びｙ成分をそれぞれ求める２個の速度ニュ
ーロンを組にして複数配置した双方向型ニューラルネッ
トワークを用い、前記各速度ニューロン間に配置するラ
インプロセスとしてアナログ値をとるラインプロセスを
用いるようにしたものである。
認識方法は、移動物体の各点におけるオプティカルフロ
ーのｘ成分及びｙ成分をそれぞれ求める２個の速度ニュ
ーロンを組にして複数配置した双方向型ニューラルネッ
トワークを用い、前記各速度ニューロン間に配置するラ
インプロセスとしてアナログ値をとるラインプロセスを
用いるようにしたものである。
【００１９】
【作用】この発明における移動物体認識方法は、移動物
体各点のオプティカルフローのｘ成分及びｙ成分をそれ
ぞれ求める速度ニューロンと０から１までのアナログ値
をとるラインプロセスの各状態をダイナミクスに従って
自ら変化させるので、該ラインプロセスをセットするタ
イミングを考慮する必要がなく、また、計算途中でロー
カルミニマムに陥る可能性が低くなるので、より正確な
移動物体の速度、位置及び形状の認識を可能にする。
体各点のオプティカルフローのｘ成分及びｙ成分をそれ
ぞれ求める速度ニューロンと０から１までのアナログ値
をとるラインプロセスの各状態をダイナミクスに従って
自ら変化させるので、該ラインプロセスをセットするタ
イミングを考慮する必要がなく、また、計算途中でロー
カルミニマムに陥る可能性が低くなるので、より正確な
移動物体の速度、位置及び形状の認識を可能にする。
【００２０】
【実施例】以下、この発明の一実施例を図について説明
する。図１はこの発明の一実施例による移動物体認識方
法を実現する双方向型のニューラルネットワークの構成
を示す図であり、図において、１は３次元空間を運動す
る物体を２次元平面に投影した入力画像データ、２は双
方向型ニューラルネットワークであり、移動物体のオプ
ティカルフローのｘ成分を求めるｘ方向速度ニューロン
２ａの層とｙ成分を求めるｙ方向速度ニューロン２ｂの
層からなり、それぞれの層において、各速度ニューロン
間には０から１までの値をとるラインプロセス２ｃが配
置されている。３は前記双方向型ニューラルネットワー
ク２からの出力結果である。
する。図１はこの発明の一実施例による移動物体認識方
法を実現する双方向型のニューラルネットワークの構成
を示す図であり、図において、１は３次元空間を運動す
る物体を２次元平面に投影した入力画像データ、２は双
方向型ニューラルネットワークであり、移動物体のオプ
ティカルフローのｘ成分を求めるｘ方向速度ニューロン
２ａの層とｙ成分を求めるｙ方向速度ニューロン２ｂの
層からなり、それぞれの層において、各速度ニューロン
間には０から１までの値をとるラインプロセス２ｃが配
置されている。３は前記双方向型ニューラルネットワー
ク２からの出力結果である。
【００２１】ここで、各ｘ方向速度ニューロン２ａは入
力画像データ１が入力されると、次式に示すダイナミク
スに従って自らの状態を、当該双方向型ニューラルネッ
トワーク２が平衡状態に達する（前記数１で示した汎関
数εが極小値となる）まで変化させる。
力画像データ１が入力されると、次式に示すダイナミク
スに従って自らの状態を、当該双方向型ニューラルネッ
トワーク２が平衡状態に達する（前記数１で示した汎関
数εが極小値となる）まで変化させる。
【００２２】
【数４】
【００２３】
【数５】
【００２４】この数４及び数５において、ｕｉ，ｊ ，
ｖｉ，ｊ は点（ｉ，ｊ）におけるオプティカルフロー
のｘ成分（ｘ方向速度ニューロン２ａの出力）、ｙ成分
（ｙ方向速度ニューロン２ｂの出力）、βは定数を示し
、ｙ方向速度ニューロン２ｂについても同様にｖｉ，ｊ
について示されるダイナミクスに従って状態を変化さ
せる。
ｖｉ，ｊ は点（ｉ，ｊ）におけるオプティカルフロー
のｘ成分（ｘ方向速度ニューロン２ａの出力）、ｙ成分
（ｙ方向速度ニューロン２ｂの出力）、βは定数を示し
、ｙ方向速度ニューロン２ｂについても同様にｖｉ，ｊ
について示されるダイナミクスに従って状態を変化さ
せる。
【００２５】また、点（ｉ，ｊ）における水平方向のラ
インプロセスｌｈ（図６同様に、式中添字としてｉ，ｊ
が記載される）は次式のダイナミクスに従って出力値を
変化させる。
インプロセスｌｈ（図６同様に、式中添字としてｉ，ｊ
が記載される）は次式のダイナミクスに従って出力値を
変化させる。
【００２６】
【数６】
【００２７】
【数７】
【００２８】この数６及び数７において、γ，Ｃｍ ，
Ｃｎｌ，Ｃｃ ，ｌは定数、ｍｉ，ｊ ，ｎｉ，ｊ は
それぞれ点（ｉ，ｊ）における水平、垂直方向のライン
プロセスｌｈ ，ｌｖ の内部状態を示し、関数Ｖは数
８に示すようにシグモイド関数である（ａは定数）。
Ｃｎｌ，Ｃｃ ，ｌは定数、ｍｉ，ｊ ，ｎｉ，ｊ は
それぞれ点（ｉ，ｊ）における水平、垂直方向のライン
プロセスｌｈ ，ｌｖ の内部状態を示し、関数Ｖは数
８に示すようにシグモイド関数である（ａは定数）。
【００２９】
【数８】
【００３０】同様に、垂直方向のラインプロセスｌｖ
についても数７のように書け、以上のようなダイナミク
スに従って速度ニューロン及びラインプロセスの状態を
変化させ、当該双方向型ニューラルネットワーク２が平
衡状態に達したときの出力を取出せばオプティカルフロ
ーが得られる。
についても数７のように書け、以上のようなダイナミク
スに従って速度ニューロン及びラインプロセスの状態を
変化させ、当該双方向型ニューラルネットワーク２が平
衡状態に達したときの出力を取出せばオプティカルフロ
ーが得られる。
【００３１】次に動作について図２のフローチャートを
用いて説明する。当該双方向型ニューラルネットワーク
２に入力値として入力画像データ１が入力されると（ス
テップＳＴ８）、数４を用いてｘ方向速度ニューロン２
ａがオプティカルフローのｘ成分、同様にｙ方向速度ニ
ューロン２ｂがオプティカルフローのｙ成分を計算する
とともに（ステップＳＴ９）、数７を用いて各ラインプ
ロセス２ｃを計算し（ステップＳＴ１０）、数１の汎関
数εが収束するまで状態を変化させ（ステップＳＴ１１
）、該汎関数εが収束したときの当該双方向型ニューラ
ルネットワーク２の出力より求める移動物体の速度ベク
トル及び形状を得る（ステップＳＴ１２）。
用いて説明する。当該双方向型ニューラルネットワーク
２に入力値として入力画像データ１が入力されると（ス
テップＳＴ８）、数４を用いてｘ方向速度ニューロン２
ａがオプティカルフローのｘ成分、同様にｙ方向速度ニ
ューロン２ｂがオプティカルフローのｙ成分を計算する
とともに（ステップＳＴ９）、数７を用いて各ラインプ
ロセス２ｃを計算し（ステップＳＴ１０）、数１の汎関
数εが収束するまで状態を変化させ（ステップＳＴ１１
）、該汎関数εが収束したときの当該双方向型ニューラ
ルネットワーク２の出力より求める移動物体の速度ベク
トル及び形状を得る（ステップＳＴ１２）。
【００３２】具体的には図３に示すような視覚処理装置
によって実現できる。図において、４は入力画像データ
を取込むＣＣＤカメラ、５はカメラインターフェース、
６は前述した処理を行うプロセッサ（以下、ＣＰＵとい
う）、７は前記ＣＣＤカメラ４により取込まれた入力画
像データを格納する画像メモリ、８は、前記ＣＰＵ６に
より得られた結果を外部に出力するためのインターフェ
ースである。
によって実現できる。図において、４は入力画像データ
を取込むＣＣＤカメラ、５はカメラインターフェース、
６は前述した処理を行うプロセッサ（以下、ＣＰＵとい
う）、７は前記ＣＣＤカメラ４により取込まれた入力画
像データを格納する画像メモリ、８は、前記ＣＰＵ６に
より得られた結果を外部に出力するためのインターフェ
ースである。
【００３３】この装置により図４（ａ）に示すような正
方形の板が対角線方向に移動した場合（図４（ｂ））の
オプティカルフローを求めた結果について説明する。な
お、双方向型ニューラルネットワーク２の大きさは１０
×１０とし、入力画像データ１にはノイズが加わってい
るものとする。
方形の板が対角線方向に移動した場合（図４（ｂ））の
オプティカルフローを求めた結果について説明する。な
お、双方向型ニューラルネットワーク２の大きさは１０
×１０とし、入力画像データ１にはノイズが加わってい
るものとする。
【００３４】この場合、得られた結果を図５に示す。な
お、図中の矢印はオプティカルフローを表し、矩形はラ
インプロセス２ｃによって抽出された物体の形状を表わ
している。また、図６は前述した従来の移動物体認識方
法により得られた結果であり、図からわかるように、こ
の発明によると物体の形状が正方形に近く、正しい速度
ベクトルが計算されているのに対し、従来の方法では物
体の形状が完全でなく、ノイズの影響でエッジ囲りに誤
った微小な速度ベクトルが生じているのがわかる。
お、図中の矢印はオプティカルフローを表し、矩形はラ
インプロセス２ｃによって抽出された物体の形状を表わ
している。また、図６は前述した従来の移動物体認識方
法により得られた結果であり、図からわかるように、こ
の発明によると物体の形状が正方形に近く、正しい速度
ベクトルが計算されているのに対し、従来の方法では物
体の形状が完全でなく、ノイズの影響でエッジ囲りに誤
った微小な速度ベクトルが生じているのがわかる。
【００３５】
【発明の効果】以上のように、この発明によれば移動物
体各点のオプティカルフローのｘ成分、ｙ成分をそれぞ
れ求める速度ニューロンを組にして複数配置した双方向
型ニューラルネットワークを用い、前記各速度ニューロ
ン間にアナログ値をとるラインプロセスを配置するよう
に構成したので、従来よりも物体の形状がより原型に近
く、かつ正しい速度ベクトルが得られる効果がある。
体各点のオプティカルフローのｘ成分、ｙ成分をそれぞ
れ求める速度ニューロンを組にして複数配置した双方向
型ニューラルネットワークを用い、前記各速度ニューロ
ン間にアナログ値をとるラインプロセスを配置するよう
に構成したので、従来よりも物体の形状がより原型に近
く、かつ正しい速度ベクトルが得られる効果がある。
【図１】この発明における双方向型ニューラルネットワ
ークの構成を示す図である。
ークの構成を示す図である。
【図２】この発明の一実施例による移動物体認識方法の
動作を説明するフローチャートである。
動作を説明するフローチャートである。
【図３】この発明の一実施例による移動物体認識方法を
実現する視覚処理装置の構成を示すブロック図である。
実現する視覚処理装置の構成を示すブロック図である。
【図４】移動物体の入力画像データの一例を示す図であ
る。
る。
【図５】この発明の一実施例による移動物体認識方法に
より得られた処理結果を示す図である。
より得られた処理結果を示す図である。
【図６】従来の移動物体認識方法により得られる処理結
果を示す図である。
果を示す図である。
【図７】ラインプロセスを含む速度ニューロン間の構成
を示す図である。
を示す図である。
【図８】従来の移動物体認識方法を説明するフローチャ
ートである。
ートである。
１ 入力画像データ
２ 双方向型ニューラルネットワーク２ａ ｘ方向
速度ニューロン ２ｂ ｙ方向速度ニューロン ２ｃ ラインプロセス ３ ニューロン出力 なお、図中、同一符号は同一、又は相当部分を示す。
速度ニューロン ２ｂ ｙ方向速度ニューロン ２ｃ ラインプロセス ３ ニューロン出力 なお、図中、同一符号は同一、又は相当部分を示す。
Claims (1)
- 【請求項１】 ３次元空間を運動する物体を２次元平
面に投影した入力画像データから、該物体の各点におけ
るオプティカルフローを求めるための複数の速度ニュー
ロン間にエッジ検出のためのラインプロセスを配置した
ニューラルネットワークにより、前記３次元空間を運動
する物体の動きを抽出する移動物体認識方法において、
前記各速度ニューロンとしてオプティカルフローのｘ成
分及びｙ成分をそれぞれ求める２個の速度ニューロンを
組にして配置した双方向型ニューラルネットワークを用
い、前記ラインプロセスとしてアナログ値をとるライン
プロセスを用いることを特徴とする移動物体認識方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3022743A JPH04241077A (ja) | 1991-01-24 | 1991-01-24 | 移動物体認識方法 |
| EP91122198A EP0496108A2 (en) | 1991-01-24 | 1991-12-23 | Method and apparatus for recognition of a moving object |
| US08/174,622 US5511133A (en) | 1991-01-24 | 1993-12-28 | Method and apparatus of recognizing a moving object |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3022743A JPH04241077A (ja) | 1991-01-24 | 1991-01-24 | 移動物体認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04241077A true JPH04241077A (ja) | 1992-08-28 |
Family
ID=12091189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3022743A Pending JPH04241077A (ja) | 1991-01-24 | 1991-01-24 | 移動物体認識方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US5511133A (ja) |
| EP (1) | EP0496108A2 (ja) |
| JP (1) | JPH04241077A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6411278B1 (en) | 1999-03-19 | 2002-06-25 | Mitsubishi Denki Kabushiki Kaisha | Coordinated position control system, coordinate position control method, and computer-readable storage medium containing a computer program for coordinate position controlling recorded thereon |
| US6728395B1 (en) | 2000-01-27 | 2004-04-27 | Mitsubishi Denki Kabushiki Kaisha | Apparatus for inputting information and computer product |
| WO2018168539A1 (ja) * | 2017-03-16 | 2018-09-20 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 学習方法およびプログラム |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1606758A (zh) | 2000-08-31 | 2005-04-13 | 雷泰克公司 | 传感器和成像系统 |
| EP1345174A1 (en) * | 2002-03-12 | 2003-09-17 | Eidgenossisch Technische Hochschule Zurich | Method and apparatus for visual motion recognition |
| US7321699B2 (en) * | 2002-09-06 | 2008-01-22 | Rytec Corporation | Signal intensity range transformation apparatus and method |
| US8077922B1 (en) * | 2007-10-04 | 2011-12-13 | Barrows Geoffrey L | Optical flow sensor |
| CN103996210B (zh) * | 2014-06-06 | 2016-08-17 | 南昌航空大学 | 基于像素点光流的图像序列运动直线筛选跟踪方法 |
| WO2021134795A1 (en) * | 2020-01-03 | 2021-07-08 | Byton Limited | Handwriting recognition of hand motion without physical media |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2752442B2 (ja) * | 1989-06-28 | 1998-05-18 | 三菱電機株式会社 | 視覚情報処理素子 |
-
1991
- 1991-01-24 JP JP3022743A patent/JPH04241077A/ja active Pending
- 1991-12-23 EP EP91122198A patent/EP0496108A2/en not_active Withdrawn
-
1993
- 1993-12-28 US US08/174,622 patent/US5511133A/en not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6411278B1 (en) | 1999-03-19 | 2002-06-25 | Mitsubishi Denki Kabushiki Kaisha | Coordinated position control system, coordinate position control method, and computer-readable storage medium containing a computer program for coordinate position controlling recorded thereon |
| US6728395B1 (en) | 2000-01-27 | 2004-04-27 | Mitsubishi Denki Kabushiki Kaisha | Apparatus for inputting information and computer product |
| WO2018168539A1 (ja) * | 2017-03-16 | 2018-09-20 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 学習方法およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| EP0496108A3 (ja) | 1994-01-12 |
| EP0496108A2 (en) | 1992-07-29 |
| US5511133A (en) | 1996-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106845487B (zh) | 一种端到端的车牌识别方法 | |
| CN112257569B (zh) | 一种基于实时视频流的目标检测和识别方法 | |
| CN105608671B (zh) | 一种基于surf算法的图像拼接方法 | |
| CN105096321B (zh) | 一种基于图像边缘的低复杂度视频移动侦测方法 | |
| Nonaka et al. | Evaluation report of integrated background modeling based on spatio-temporal features | |
| CN112668359A (zh) | 动作识别方法、动作识别装置和电子设备 | |
| US20110211233A1 (en) | Image processing device, image processing method and computer program | |
| US6915283B2 (en) | Information processing apparatus and method, and recording medium | |
| CN117671014B (zh) | 一种基于图像处理的机械臂定位抓取方法及系统 | |
| CN107292918B (zh) | 基于视频在线学习的跟踪方法和装置 | |
| JPH04241077A (ja) | 移動物体認識方法 | |
| CN106204633A (zh) | 一种基于计算机视觉的学生跟踪方法和装置 | |
| JPH08237535A (ja) | 追尾領域設定装置，動きベクトル検出回路およびそれを用いた被写体追尾装置 | |
| CN110176028A (zh) | 一种基于事件相机的异步角点检测方法 | |
| CN110517296A (zh) | 目标跟踪方法、装置、存储介质及电子设备 | |
| CN110634154A (zh) | 一种面向速度大范围变化目标跟踪的模板快速匹配方法 | |
| US20080212834A1 (en) | User interface using camera and method thereof | |
| Borghese et al. | Elite: A goal oriented vision system for moving objects detection | |
| CN114445864B (zh) | 一种手势识别方法及装置、存储介质 | |
| KR100292380B1 (ko) | Ｔ형 탐색 영역을 이용한 얼굴 및 눈 위치 검출 장치 및 그 방법 | |
| Huang et al. | A hierarchical temporal memory based hand posture recognition method | |
| CN114120423A (zh) | 人脸图像检测方法、装置、电子设备和计算机可读介质 | |
| JP7775043B2 (ja) | 情報処理装置および情報処理装置の制御方法 | |
| Ullah et al. | Hand gesture recognition for automatic tap system | |
| JPH05236335A (ja) | 動きベクトル検出装置 |