JPH07192112A - 侵入物体認識方法 - Google Patents
侵入物体認識方法Info
- Publication number
- JPH07192112A JPH07192112A JP33205193A JP33205193A JPH07192112A JP H07192112 A JPH07192112 A JP H07192112A JP 33205193 A JP33205193 A JP 33205193A JP 33205193 A JP33205193 A JP 33205193A JP H07192112 A JPH07192112 A JP H07192112A
- Authority
- JP
- Japan
- Prior art keywords
- intruding object
- closed curve
- change
- area
- image
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Burglar Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 侵入物体による変化領域を正確に抽出し、侵
入物体の認識を正確にする。 【構成】 背景画像及び入力画像に対して差分処理３及
び二値化処理４が施され、侵入物体が存在することによ
って生じる変化領域を有する差分画像が求めれる。変化
領域復元部１０において、その変化領域を囲む閉曲線の
輪郭モデルが設定される。閉曲線の評価関数に与えられ
た拘束条件を満たすように、輪郭モデルの閉曲線は変化
領域に近付き、変化領域の一部が接し、かつ形状が滑ら
かな閉曲線となって静止する。このとき閉曲線の内部の
画素に同一の画素値が代入され、差分処理３で分離され
た変化領域が、統合される。この統合された変化領域に
基づいて侵入物体の認識がなされる。
入物体の認識を正確にする。 【構成】 背景画像及び入力画像に対して差分処理３及
び二値化処理４が施され、侵入物体が存在することによ
って生じる変化領域を有する差分画像が求めれる。変化
領域復元部１０において、その変化領域を囲む閉曲線の
輪郭モデルが設定される。閉曲線の評価関数に与えられ
た拘束条件を満たすように、輪郭モデルの閉曲線は変化
領域に近付き、変化領域の一部が接し、かつ形状が滑ら
かな閉曲線となって静止する。このとき閉曲線の内部の
画素に同一の画素値が代入され、差分処理３で分離され
た変化領域が、統合される。この統合された変化領域に
基づいて侵入物体の認識がなされる。
Description
【０００１】
【産業上の利用分野】本発明は、例えばテレビジョンカ
メラ（以下、ＴＶカメラという）等による撮像画像から
人物等の侵入物体を検出し、その侵入物体が何であるか
を認識する侵入物体認識方法に関するものである。
メラ（以下、ＴＶカメラという）等による撮像画像から
人物等の侵入物体を検出し、その侵入物体が何であるか
を認識する侵入物体認識方法に関するものである。
【０００２】
【従来の技術】従来、このような分野の技術としては、
例えば次のような文献に記載されるものがあった。 文献１；１９９０年電子情報通信学会春季全国大会講演
論文集文冊 ６Ｄ−４３６、佐久間 喜郎、伊東 潔、
増田 功著「微分画像のフレーム間差分による侵入物体
検出」Ｐ．６−４３８ 従来、侵入者監視システムにおける人物認識方法として
は、前記文献に記載されるように、侵入者の有無を確認
するための入力画像と背景画像をＴＶカメラで画像入力
し、前記画像入力と背景画像との差分二値化画像から変
化領域を求め、前記変化領域の特徴量から侵入者の有無
を判断し、侵入者有りの場合には警報を発するようにな
っている。ここで、変化領域の特徴量から侵入者の有無
を判断する方法としては、変化領域の面積と外接矩形を
パラメータとして侵入者の有無を判断している。つま
り、変化領域の面積がある値以上で、かつ外接矩形の縦
横比（外接矩形の縦の長さ／横の長さ）がある範囲以内
であるものを、侵入者として判断するようになってい
た。
例えば次のような文献に記載されるものがあった。 文献１；１９９０年電子情報通信学会春季全国大会講演
論文集文冊 ６Ｄ−４３６、佐久間 喜郎、伊東 潔、
増田 功著「微分画像のフレーム間差分による侵入物体
検出」Ｐ．６−４３８ 従来、侵入者監視システムにおける人物認識方法として
は、前記文献に記載されるように、侵入者の有無を確認
するための入力画像と背景画像をＴＶカメラで画像入力
し、前記画像入力と背景画像との差分二値化画像から変
化領域を求め、前記変化領域の特徴量から侵入者の有無
を判断し、侵入者有りの場合には警報を発するようにな
っている。ここで、変化領域の特徴量から侵入者の有無
を判断する方法としては、変化領域の面積と外接矩形を
パラメータとして侵入者の有無を判断している。つま
り、変化領域の面積がある値以上で、かつ外接矩形の縦
横比（外接矩形の縦の長さ／横の長さ）がある範囲以内
であるものを、侵入者として判断するようになってい
た。
【０００３】
【発明が解決しようとする課題】しかしながら、侵入物
体認識方法においては、次のような課題があった。 （ａ） 侵入者をＴＶカメラで画像入力し、その画像に
基づき侵入者の有無を検出する場合、ＴＶカメラの設置
場所から遠くにいる侵入者は、画像上で変化領域の面積
が小さくなる。これに対し、ＴＶカメラの設置場所の近
くでは、小さなものが動いても変化領域の面積が大きく
なる。そのため、ＴＶカメラの設置場所から遠い位置に
いる侵入者を認識しようとして、変化領域の面積におけ
る閾値の設定を低くすると、ＴＶカメラの近くで人以外
の小さな物体が動くことによって生じる変化領域との区
別ができずに、誤報を発してしまうことがある。また、
もう一つのパラメータである外接矩形の縦横比は、人が
通常に歩行する動作を横から捉えた場合、足と腕を開い
たときは閉じたときに比べ約４〜５倍ほども大きくな
る。そのため、縦横比だけから侵入者を判断する場合
も、誤認識が多くなる。このように、変化領域の面積と
外接矩形の縦横比のみから侵入者の有無を判断すると、
多くの誤報を発するおそれがある。
体認識方法においては、次のような課題があった。 （ａ） 侵入者をＴＶカメラで画像入力し、その画像に
基づき侵入者の有無を検出する場合、ＴＶカメラの設置
場所から遠くにいる侵入者は、画像上で変化領域の面積
が小さくなる。これに対し、ＴＶカメラの設置場所の近
くでは、小さなものが動いても変化領域の面積が大きく
なる。そのため、ＴＶカメラの設置場所から遠い位置に
いる侵入者を認識しようとして、変化領域の面積におけ
る閾値の設定を低くすると、ＴＶカメラの近くで人以外
の小さな物体が動くことによって生じる変化領域との区
別ができずに、誤報を発してしまうことがある。また、
もう一つのパラメータである外接矩形の縦横比は、人が
通常に歩行する動作を横から捉えた場合、足と腕を開い
たときは閉じたときに比べ約４〜５倍ほども大きくな
る。そのため、縦横比だけから侵入者を判断する場合
も、誤認識が多くなる。このように、変化領域の面積と
外接矩形の縦横比のみから侵入者の有無を判断すると、
多くの誤報を発するおそれがある。
【０００４】（ｂ） 前記（ａ）のような変化領域の面
積と外接矩形の縦横比から侵入者の有無を判断する方法
によって生じる誤認識の点を解決するため、本願出願人
等は先に特願平５−２４６０８明細書（以下、先の提案
という）において、歩行時に発生する人物特有の形状を
利用することによって人物を正確に認識し、誤報を少な
くする侵入者監視システム等における人物認識方法を提
案した。即ち、侵入者の有無を確認するための入力画像
と背景画像との差分画像を二値化し、その差分二値化画
像の変化領域より侵入者の有無を判断する方法におい
て、前記変化領域の外接矩形を縦に３等分したそれぞれ
の矩形Ａ１，Ａ２，Ａ３内の各変化領域を横軸上へ投影
して得られる投影ヒストグラムの特徴量である下記の特
徴（１）〜特徴（６）と、前記変化領域の外接矩形にお
ける縦横比との関係によって人物を認識するようにして
いる。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックの平均値Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積の割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ これにより、変化領域の外接矩形の縦横比と、その外接
矩形を縦に３等分したそれぞれの矩形Ａ１，Ａ２，Ａ３
内での各変化領域を横軸上へ投影して得られる投影ヒス
トグラムの特徴量である特徴（１）〜（６）とから、人
物を認識するようにしたので、正確に人物を認識でき、
侵入者監視システムにおいて誤報を少なくすることが可
能となる。この方法を実施するうえでは、同一侵入物体
であるが差分二値化画像としては分離された変化領域を
有する侵入物体に対して、変化領域の統合を行う必要が
ある。ところが、この統合において、同一侵入物体とし
て変化領域の統合ができない場合と統合結果によっては
正確に人物を認識できない場合とがある。例えば、侵入
してきた人物が、背景画像に対して同じ濃度の洋服を着
ていたとする。この場合、背景画像に対する差分二値化
画像中に残る変化領域は、その侵入人物の手、足及び顔
といった領域のみとなる。そのため、個々の変化領域が
非常に離れることになり、侵入人物による変化領域を統
合することが困難となる。また、仮に、統合できた場合
にも、差分二値化画像中に残る変化領域は、侵入人物に
対して非常に多くの領域が取り除かれてしまっているた
め、侵入人物の本来の形とは、大きく異なる。そのた
め、人物の認識結果に悪影響を及ぼすことになる。
積と外接矩形の縦横比から侵入者の有無を判断する方法
によって生じる誤認識の点を解決するため、本願出願人
等は先に特願平５−２４６０８明細書（以下、先の提案
という）において、歩行時に発生する人物特有の形状を
利用することによって人物を正確に認識し、誤報を少な
くする侵入者監視システム等における人物認識方法を提
案した。即ち、侵入者の有無を確認するための入力画像
と背景画像との差分画像を二値化し、その差分二値化画
像の変化領域より侵入者の有無を判断する方法におい
て、前記変化領域の外接矩形を縦に３等分したそれぞれ
の矩形Ａ１，Ａ２，Ａ３内の各変化領域を横軸上へ投影
して得られる投影ヒストグラムの特徴量である下記の特
徴（１）〜特徴（６）と、前記変化領域の外接矩形にお
ける縦横比との関係によって人物を認識するようにして
いる。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックの平均値Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積の割合Ｒ 特徴（６）；分割外接矩形Ａ３における極大値の位置Ｍ これにより、変化領域の外接矩形の縦横比と、その外接
矩形を縦に３等分したそれぞれの矩形Ａ１，Ａ２，Ａ３
内での各変化領域を横軸上へ投影して得られる投影ヒス
トグラムの特徴量である特徴（１）〜（６）とから、人
物を認識するようにしたので、正確に人物を認識でき、
侵入者監視システムにおいて誤報を少なくすることが可
能となる。この方法を実施するうえでは、同一侵入物体
であるが差分二値化画像としては分離された変化領域を
有する侵入物体に対して、変化領域の統合を行う必要が
ある。ところが、この統合において、同一侵入物体とし
て変化領域の統合ができない場合と統合結果によっては
正確に人物を認識できない場合とがある。例えば、侵入
してきた人物が、背景画像に対して同じ濃度の洋服を着
ていたとする。この場合、背景画像に対する差分二値化
画像中に残る変化領域は、その侵入人物の手、足及び顔
といった領域のみとなる。そのため、個々の変化領域が
非常に離れることになり、侵入人物による変化領域を統
合することが困難となる。また、仮に、統合できた場合
にも、差分二値化画像中に残る変化領域は、侵入人物に
対して非常に多くの領域が取り除かれてしまっているた
め、侵入人物の本来の形とは、大きく異なる。そのた
め、人物の認識結果に悪影響を及ぼすことになる。
【０００５】
【課題を解決するための手段】本発明は、前記課題を解
決するために、予め記憶された侵入物体の存在しないと
きの背景画像と逐次入力される入力画像とから侵入物体
の存在によって生じる該背景画像に対する該入力画像中
の変化領域を抽出する差分処理を施し、該変化領域に基
づいて該侵入物体を認識する侵入物体認識方法におい
て、次のような方法を講じている。即ち、前記変化領域
を取り囲む閉曲線の輪郭モデルを設定するモデル設定処
理と、前記閉曲線上の点が前記変化領域のエッジである
場合に最小値を示す項と該閉曲線の形状によって最小値
を示す項とを有して該閉曲線に評価値を与える評価関数
を用い、該評価値が最小となり該変化領域に接する前記
輪郭モデルを抽出する最小化処理と、前記変化領域に接
する前記輪郭モデル内部の画素に対して同一の画素値を
代入し、前記差分処理により分離された侵入物体の個体
に対応する該変化領域を統合する代入処理とを、施して
いる。
決するために、予め記憶された侵入物体の存在しないと
きの背景画像と逐次入力される入力画像とから侵入物体
の存在によって生じる該背景画像に対する該入力画像中
の変化領域を抽出する差分処理を施し、該変化領域に基
づいて該侵入物体を認識する侵入物体認識方法におい
て、次のような方法を講じている。即ち、前記変化領域
を取り囲む閉曲線の輪郭モデルを設定するモデル設定処
理と、前記閉曲線上の点が前記変化領域のエッジである
場合に最小値を示す項と該閉曲線の形状によって最小値
を示す項とを有して該閉曲線に評価値を与える評価関数
を用い、該評価値が最小となり該変化領域に接する前記
輪郭モデルを抽出する最小化処理と、前記変化領域に接
する前記輪郭モデル内部の画素に対して同一の画素値を
代入し、前記差分処理により分離された侵入物体の個体
に対応する該変化領域を統合する代入処理とを、施して
いる。
【０００６】
【作用】本発明によれば、以上のように侵入物体認識方
法を構成したので、差分処理によって分離された侵入物
体による変化領域が、モデル設定処理において、輪郭モ
デルの閉曲線で取り囲まれる。次に、最少化処理によっ
て、輪郭モデルの閉曲線に対する評価値が最小となる閉
曲線が求められる。代入処理で、その評価値が最小とな
る閉曲線の内部の画素は、同一の画素値が代入され、こ
の評価値が最小となる閉曲線で囲われた領域が、侵入物
体の個体に対応する変化領域とされる。従って、前記課
題を解決できるのである。
法を構成したので、差分処理によって分離された侵入物
体による変化領域が、モデル設定処理において、輪郭モ
デルの閉曲線で取り囲まれる。次に、最少化処理によっ
て、輪郭モデルの閉曲線に対する評価値が最小となる閉
曲線が求められる。代入処理で、その評価値が最小とな
る閉曲線の内部の画素は、同一の画素値が代入され、こ
の評価値が最小となる閉曲線で囲われた領域が、侵入物
体の個体に対応する変化領域とされる。従って、前記課
題を解決できるのである。
【０００７】
【実施例】本実施例では、まず、先の提案の人物認識方
法の実施例の概略（Ｉ）と、その問題点（II）を説明し
た後、その問題点（II）を解決するための本発明の侵入
物体認識方法の実施例（III)を説明する。 （Ｉ）先の提案の人物認識方法の実施例 図２は、先の提案の実施例の人物認識方法を示す図であ
り、侵入者監視システムにおける人物認識方法の概略の
処理手順を示している。この人物認識方法は、ＴＶカメ
ラ等の画像入力装置によって背景画像及び入力画像を入
力し、それらを背景画像メモリ１及び入力画像メモリ２
に格納する画像入力処理を行い、該入力した背景画像及
び入力画像に対して差分処理３、二値化処理４、変化領
域切り出し処理５、変化領域分割処理６、投影ヒストグ
ラム作成処理７、特徴量抽出処理８、及び侵入物体判定
処理９を行って侵入者に対する認識結果を出力するよう
になっている。以下、これらの各処理を図を参照しつつ
説明する。
法の実施例の概略（Ｉ）と、その問題点（II）を説明し
た後、その問題点（II）を解決するための本発明の侵入
物体認識方法の実施例（III)を説明する。 （Ｉ）先の提案の人物認識方法の実施例 図２は、先の提案の実施例の人物認識方法を示す図であ
り、侵入者監視システムにおける人物認識方法の概略の
処理手順を示している。この人物認識方法は、ＴＶカメ
ラ等の画像入力装置によって背景画像及び入力画像を入
力し、それらを背景画像メモリ１及び入力画像メモリ２
に格納する画像入力処理を行い、該入力した背景画像及
び入力画像に対して差分処理３、二値化処理４、変化領
域切り出し処理５、変化領域分割処理６、投影ヒストグ
ラム作成処理７、特徴量抽出処理８、及び侵入物体判定
処理９を行って侵入者に対する認識結果を出力するよう
になっている。以下、これらの各処理を図を参照しつつ
説明する。
【０００８】メモリ１，２への画像入力処理 図３は背景画像の例、図４は入力画像の例を示す図であ
る。まず、ＴＶカメラ等の画像入力装置を用い、図３に
示すように、侵入物体が存在しない背景だけを撮影し、
その背景画像を予め背景画像メモリ１の中に格納してお
く。そして、背景画像を撮影したのと同じ位置で撮影
し、その撮影した図４に示すような入力画像を入力画像
メモリ２の中に格納する。差分処理３ 画像入力処理後、差分処理３において、入力画像中にお
ける背景画像からの変化を検出するために、背景画像メ
モリ１と入力画像メモリ２からそれぞれ入力される背景
画像と入力画像とで、その濃度差の絶対値を計算し、差
分画像を求めた後、二値化処理４へ進む。二値化処理４ 図５は、差分二値化画像の例を示す図である。二値化処
理４において、差分処理３で求めた差分画像をある適当
な閾値を用いて二値化し、図５に示すような差分二値化
画像を求める。この差分二値化画像では、入力画像中で
背景画像から濃度が変化した領域の画素の値が１、変化
していない領域では画素の値が０に設定され、変化領域
が抽出されることになる。しかし、侵入物体によっては
背景画像と局所的に同じ濃度を持っていることがある。
その場合の差分二値化画像は、図５に示すように、その
部分だけが侵入物体として捉えられず、変化領域が切れ
切れになる。そのため、それぞれの変化領域は別個に認
識され、本来の一つの侵入物体しては認識されなくな
る。そこで、次の変化領域切り出し処理５を行う。
る。まず、ＴＶカメラ等の画像入力装置を用い、図３に
示すように、侵入物体が存在しない背景だけを撮影し、
その背景画像を予め背景画像メモリ１の中に格納してお
く。そして、背景画像を撮影したのと同じ位置で撮影
し、その撮影した図４に示すような入力画像を入力画像
メモリ２の中に格納する。差分処理３ 画像入力処理後、差分処理３において、入力画像中にお
ける背景画像からの変化を検出するために、背景画像メ
モリ１と入力画像メモリ２からそれぞれ入力される背景
画像と入力画像とで、その濃度差の絶対値を計算し、差
分画像を求めた後、二値化処理４へ進む。二値化処理４ 図５は、差分二値化画像の例を示す図である。二値化処
理４において、差分処理３で求めた差分画像をある適当
な閾値を用いて二値化し、図５に示すような差分二値化
画像を求める。この差分二値化画像では、入力画像中で
背景画像から濃度が変化した領域の画素の値が１、変化
していない領域では画素の値が０に設定され、変化領域
が抽出されることになる。しかし、侵入物体によっては
背景画像と局所的に同じ濃度を持っていることがある。
その場合の差分二値化画像は、図５に示すように、その
部分だけが侵入物体として捉えられず、変化領域が切れ
切れになる。そのため、それぞれの変化領域は別個に認
識され、本来の一つの侵入物体しては認識されなくな
る。そこで、次の変化領域切り出し処理５を行う。
【０００９】変化領域切り出し処理５ 変化領域切り出し処理５では、一つの侵入物体を表す変
化領域を一つにまとめるために、差分二値化画像を数回
膨張した後、同じ回数だけ収縮する。膨張とは、値０の
画素の回りに値１の画素がある場合、その値０の画素を
１に変換するものである。つまり、変化領域の回りを一
画素分膨らますのである。収縮はその逆で、変化領域の
回りを一画素分小さくする。この作業によって、数画素
程度離れた変化領域同士はつながり、一つの侵入物体を
表すと思われる変化領域は、一つの領域として抽出され
る。そして、このようにして得られた変化領域を外接矩
形で囲み、この外接矩形に囲まれた領域を差分二値化画
像から切り出す。変化領域分割処理６ 変化領域分割処理６では、変化領域の外接矩形を縦に３
等分する。これは、人を表す変化領域において、縦横比
変化の原因となる人の腕と足の部分を別々の領域に分割
し、変化領域の形状を捉え易くするためのものである。
この３等分によりできる矩形を、上からそれぞれＡ１，
Ａ２，Ａ３とする。そして、次の投影ヒストグラム作成
処理７へ進む。投影ヒストグラム作成処理７ 投影ヒストグラム作成処理７では、分割した外接矩形Ａ
１，Ａ２，Ａ３のそれぞれについて、変化領域を表す値
１の画素の数を縦方向に加算し、外接矩形内における変
化領域の横軸上への投影ヒストグラムを求める。その
後、特徴が捉え易いように、このヒストグラムを平滑化
しておく。すると、分割外接矩形Ａ１，Ａ２，Ａ３中の
変化領域の形状の特徴は、投影ヒストグラムの形状の特
徴として現れる。即ち、分割外接矩形Ａ１，Ａ２，Ａ３
中の変化領域の形状の特徴は、各投影ヒストグラム中で
両側の度数が０で区切られ、かつ度数がすべてが１以上
の一塊の部分であるブロックの形状として現れる。その
ため、３等分した外接矩形Ａ１，Ａ２，Ａ３内での変化
領域の投影ヒストグラムの形状の変化に着目すれば、人
物の歩行状態を表現することができ、侵入物体が人であ
るか否かを認識できる。そこで、次の特徴量抽出処理８
を行う。
化領域を一つにまとめるために、差分二値化画像を数回
膨張した後、同じ回数だけ収縮する。膨張とは、値０の
画素の回りに値１の画素がある場合、その値０の画素を
１に変換するものである。つまり、変化領域の回りを一
画素分膨らますのである。収縮はその逆で、変化領域の
回りを一画素分小さくする。この作業によって、数画素
程度離れた変化領域同士はつながり、一つの侵入物体を
表すと思われる変化領域は、一つの領域として抽出され
る。そして、このようにして得られた変化領域を外接矩
形で囲み、この外接矩形に囲まれた領域を差分二値化画
像から切り出す。変化領域分割処理６ 変化領域分割処理６では、変化領域の外接矩形を縦に３
等分する。これは、人を表す変化領域において、縦横比
変化の原因となる人の腕と足の部分を別々の領域に分割
し、変化領域の形状を捉え易くするためのものである。
この３等分によりできる矩形を、上からそれぞれＡ１，
Ａ２，Ａ３とする。そして、次の投影ヒストグラム作成
処理７へ進む。投影ヒストグラム作成処理７ 投影ヒストグラム作成処理７では、分割した外接矩形Ａ
１，Ａ２，Ａ３のそれぞれについて、変化領域を表す値
１の画素の数を縦方向に加算し、外接矩形内における変
化領域の横軸上への投影ヒストグラムを求める。その
後、特徴が捉え易いように、このヒストグラムを平滑化
しておく。すると、分割外接矩形Ａ１，Ａ２，Ａ３中の
変化領域の形状の特徴は、投影ヒストグラムの形状の特
徴として現れる。即ち、分割外接矩形Ａ１，Ａ２，Ａ３
中の変化領域の形状の特徴は、各投影ヒストグラム中で
両側の度数が０で区切られ、かつ度数がすべてが１以上
の一塊の部分であるブロックの形状として現れる。その
ため、３等分した外接矩形Ａ１，Ａ２，Ａ３内での変化
領域の投影ヒストグラムの形状の変化に着目すれば、人
物の歩行状態を表現することができ、侵入物体が人であ
るか否かを認識できる。そこで、次の特徴量抽出処理８
を行う。
【００１０】特徴量抽出処理８ 特徴量抽出処理８では、以下の特徴量を矩形Ａ１〜Ａ３
の投影ヒストグラムから抽出する。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックの平均値Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積Ｓの割合Ｒ 特徴（６）；矩形Ａ３における極大値の位置Ｍ ただし、ここでの各ブロックの平均値Ｆとは、度数の平
均値を示す横軸上のｘ座標であり、次式（１）で求め
る。
の投影ヒストグラムから抽出する。 特徴（１）；各分割外接矩形Ａ１，Ａ２，Ａ３中のヒス
トグラムのブロック数 特徴（２）；各ブロックの平均値Ｆ 特徴（３）；各ブロックの平均値Ｆの分割外接矩形間の
差 特徴（４）；各ブロックにおける極大値数 特徴（５）；各ブロックにおける面積Ｓの割合Ｒ 特徴（６）；矩形Ａ３における極大値の位置Ｍ ただし、ここでの各ブロックの平均値Ｆとは、度数の平
均値を示す横軸上のｘ座標であり、次式（１）で求め
る。
【００１１】
【数１】 各ブロックの面積Ｓの割合Ｒとは、ブロックの底辺Ｌと
高さＨを掛けてできるそれぞれの長方形ＡＢＣＤの面積
を１００％としたときの、ブロックの面積Ｓが長方形Ａ
ＢＣＤに占める割合のことである。これは次式（２）で
求める。
高さＨを掛けてできるそれぞれの長方形ＡＢＣＤの面積
を１００％としたときの、ブロックの面積Ｓが長方形Ａ
ＢＣＤに占める割合のことである。これは次式（２）で
求める。
【００１２】
【数２】 また、極大値の位置Ｍは、各ブロック中で極大値を示す
横軸上のｘ座標である。特徴（１）〜（３）は変化領域
の全体的な特徴を表しており、これらの特徴量より人の
形状とは全く異なる変化領域を区別できることになる。
一方、特徴（４）〜（６）は各ブロックの形状の特徴を
表している。侵入物体判定処理９ そして最後に、侵入物体判定処理９において、特徴量抽
出処理８で得られる６つの特徴量と変化領域の外接矩形
の縦横比との関係から、変化領域の判定を行い、侵入物
体が人か否かを判定する。その人物判定手順１，２のフ
ローチャートを図６及び図７に示す。まず、図６のステ
ップＳ１において、外接矩形の縦横比がある範囲内にあ
るかどうかを調べる。次に、ステップＳ２において、３
つの投影ヒストグラムのブロック数がすべて１であるか
どうかを判定し、ステップＳ３，Ｓ４において、３つの
投影ヒストグラムのブロックの平均値Ｆが、どれもある
範囲内にあり、分割外接矩形間（Ａ１とＡ２、Ａ２とＡ
３、Ａ１とＡ３）の平均値Ｆの差が、ある範囲内にある
ことをそれぞれ調べる。そして、ステップＳ５，Ｓ６に
おいて、矩形Ａ１とＡ２の投影ヒストグラムの各ブロッ
クにおける極大値数が１であることと、面積Ｓの割合Ｒ
がある範囲内にあることをそれぞれ調べる。次に、縦横
比の境界値を、 ａ１＜ａ２＜ａ３＜ａ４ のように設定し、図７のステップＳ７〜Ｓ９で、縦横比
に依存する矩形Ａ３での処理を振り分ける。縦横比が境
界値ａ１からａ２までの区間では、ステップＳ１０にお
いて極大値数が２つ存在するかどうかを調べる。縦横比
が境界値ａ２からａ３の区間では、ステップＳ１１にお
いて、極大値数が２つ存在するか、または、極大値数が
一つならステップＳ１３，Ｓ１４において極大値の位置
Ｍとそのブロックの中央との差の絶対値がある範囲内
で、面積Ｓの割合Ｒが５０％以下のある範囲内にあるか
どうかをそれぞれ調べる。縦横比が境界値ａ３からａ４
の範囲内では、ステップＳ１５，Ｓ１６において、極大
値数が一つで、面積の割合が５０％以上のある範囲内で
あるかどうかを調べる。
横軸上のｘ座標である。特徴（１）〜（３）は変化領域
の全体的な特徴を表しており、これらの特徴量より人の
形状とは全く異なる変化領域を区別できることになる。
一方、特徴（４）〜（６）は各ブロックの形状の特徴を
表している。侵入物体判定処理９ そして最後に、侵入物体判定処理９において、特徴量抽
出処理８で得られる６つの特徴量と変化領域の外接矩形
の縦横比との関係から、変化領域の判定を行い、侵入物
体が人か否かを判定する。その人物判定手順１，２のフ
ローチャートを図６及び図７に示す。まず、図６のステ
ップＳ１において、外接矩形の縦横比がある範囲内にあ
るかどうかを調べる。次に、ステップＳ２において、３
つの投影ヒストグラムのブロック数がすべて１であるか
どうかを判定し、ステップＳ３，Ｓ４において、３つの
投影ヒストグラムのブロックの平均値Ｆが、どれもある
範囲内にあり、分割外接矩形間（Ａ１とＡ２、Ａ２とＡ
３、Ａ１とＡ３）の平均値Ｆの差が、ある範囲内にある
ことをそれぞれ調べる。そして、ステップＳ５，Ｓ６に
おいて、矩形Ａ１とＡ２の投影ヒストグラムの各ブロッ
クにおける極大値数が１であることと、面積Ｓの割合Ｒ
がある範囲内にあることをそれぞれ調べる。次に、縦横
比の境界値を、 ａ１＜ａ２＜ａ３＜ａ４ のように設定し、図７のステップＳ７〜Ｓ９で、縦横比
に依存する矩形Ａ３での処理を振り分ける。縦横比が境
界値ａ１からａ２までの区間では、ステップＳ１０にお
いて極大値数が２つ存在するかどうかを調べる。縦横比
が境界値ａ２からａ３の区間では、ステップＳ１１にお
いて、極大値数が２つ存在するか、または、極大値数が
一つならステップＳ１３，Ｓ１４において極大値の位置
Ｍとそのブロックの中央との差の絶対値がある範囲内
で、面積Ｓの割合Ｒが５０％以下のある範囲内にあるか
どうかをそれぞれ調べる。縦横比が境界値ａ３からａ４
の範囲内では、ステップＳ１５，Ｓ１６において、極大
値数が一つで、面積の割合が５０％以上のある範囲内で
あるかどうかを調べる。
【００１３】これらの条件をすべて満たす場合のみ、そ
の侵入物体が人と認識され、その認識結果が出力されて
人物認識処理を終了する。 （II） 先の提案における問題点 先の提案の実施例における変化領域切り出し処理では、
膨脹という手段を用いて分離された変化領域の統合を行
っている。しかし、この膨脹では、１回の処理につき１
画素分しか領域の収集範囲を広げることができない。こ
のことは、膨脹及び収縮処理を数回繰り返したとして
も、侵入物体の個体による変化領域が、分離されて遠く
離れている場合、その変化領域を統合できない。図８
は、大きく分離した変化領域の一例を示し、頭部、腹
部、及び足部の変化領域が、それぞれ分離した状態で抽
出されている。図８のような場合には、変化領域の統合
が困難となり、１つの侵入物体として外接矩形で切り出
すことができない。即ち、後の侵入物体判定処理９の処
理結果に悪影響を与える。 （III) 本発明の実施例 図１は、本発明の実施例の侵入物体認識方法を示す図で
ある。この侵入物体認識方法は、先の提案と同様に、Ｔ
Ｖカメラ等の画像入力装置によって背景画像及び入力画
像を入力し、それらを背景画像メモリ１及び入力画像メ
モリ２に格納する画像入力処理を行い、該入力した背景
画像及び入力画像に対して差分処理３及び二値化処理４
とを行う。次に、図１の侵入物体認識方法では、先の提
案とは異なる変化領域復元処理１０を行う。変化領域復
元処理１０の後、侵入物体認識処理２０を行い、侵入者
に対する認識結果を出力するようになっている。以下、
これらの各処理を図を参照しつつ説明する。
の侵入物体が人と認識され、その認識結果が出力されて
人物認識処理を終了する。 （II） 先の提案における問題点 先の提案の実施例における変化領域切り出し処理では、
膨脹という手段を用いて分離された変化領域の統合を行
っている。しかし、この膨脹では、１回の処理につき１
画素分しか領域の収集範囲を広げることができない。こ
のことは、膨脹及び収縮処理を数回繰り返したとして
も、侵入物体の個体による変化領域が、分離されて遠く
離れている場合、その変化領域を統合できない。図８
は、大きく分離した変化領域の一例を示し、頭部、腹
部、及び足部の変化領域が、それぞれ分離した状態で抽
出されている。図８のような場合には、変化領域の統合
が困難となり、１つの侵入物体として外接矩形で切り出
すことができない。即ち、後の侵入物体判定処理９の処
理結果に悪影響を与える。 （III) 本発明の実施例 図１は、本発明の実施例の侵入物体認識方法を示す図で
ある。この侵入物体認識方法は、先の提案と同様に、Ｔ
Ｖカメラ等の画像入力装置によって背景画像及び入力画
像を入力し、それらを背景画像メモリ１及び入力画像メ
モリ２に格納する画像入力処理を行い、該入力した背景
画像及び入力画像に対して差分処理３及び二値化処理４
とを行う。次に、図１の侵入物体認識方法では、先の提
案とは異なる変化領域復元処理１０を行う。変化領域復
元処理１０の後、侵入物体認識処理２０を行い、侵入者
に対する認識結果を出力するようになっている。以下、
これらの各処理を図を参照しつつ説明する。
【００１４】メモリ１，２への画像入力処理 まず、先の提案の実施例と同様に、ＴＶカメラ等の画像
入力装置を用い、図３に示すような侵入物体が存在しな
い背景だけを撮影し、その背景画像を予め背景画像メモ
リ１の中に格納しておく。そして、背景画像を撮影した
のと同じ位置で撮影し、その撮影した図４に示すような
入力画像を入力画像メモリ２の中に格納する。差分処理３ 画像入力処理後、差分処理３において先の提案の実施と
同様に、入力画像中における背景画像からの変化を検出
するために、背景画像メモリ１と入力画像メモリ２から
それぞれ入力される背景画像と入力画像とで、その濃度
差の絶対値を計算し、差分画像を求めた後、二値化処理
４へ進む。二値化処理４ 二値化処理４においても、先の提案の実施例と同様に、
差分処理３で求めた差分画像をある適当な閾値を用いて
二値化し、図５或いは図８に示すような差分二値化画像
を求める。この差分二値化画像では、入力画像中で背景
画像から変化した領域の画素の値が１、変化していない
領域では画素の値が０に設定され、変化領域が抽出され
ることになる。しかし、侵入物体によっては背景画像と
局所的に同じ濃度を持っていることがあり、侵入物体の
濃度が背景画像のそれにほぼ等しいと侵入物体本来の領
域が大きく失われた変化領域が得られる。その場合の差
分二値化画像は、図８に示すように、その部分だけが侵
入物体として捉えられず、変化領域が切れ切れになる。
そのため、それぞれの変化領域は別個に認識され、本来
の一つの侵入物体しては認識されなくなる。そこで、次
の変化領域復元処理１０を行う。
入力装置を用い、図３に示すような侵入物体が存在しな
い背景だけを撮影し、その背景画像を予め背景画像メモ
リ１の中に格納しておく。そして、背景画像を撮影した
のと同じ位置で撮影し、その撮影した図４に示すような
入力画像を入力画像メモリ２の中に格納する。差分処理３ 画像入力処理後、差分処理３において先の提案の実施と
同様に、入力画像中における背景画像からの変化を検出
するために、背景画像メモリ１と入力画像メモリ２から
それぞれ入力される背景画像と入力画像とで、その濃度
差の絶対値を計算し、差分画像を求めた後、二値化処理
４へ進む。二値化処理４ 二値化処理４においても、先の提案の実施例と同様に、
差分処理３で求めた差分画像をある適当な閾値を用いて
二値化し、図５或いは図８に示すような差分二値化画像
を求める。この差分二値化画像では、入力画像中で背景
画像から変化した領域の画素の値が１、変化していない
領域では画素の値が０に設定され、変化領域が抽出され
ることになる。しかし、侵入物体によっては背景画像と
局所的に同じ濃度を持っていることがあり、侵入物体の
濃度が背景画像のそれにほぼ等しいと侵入物体本来の領
域が大きく失われた変化領域が得られる。その場合の差
分二値化画像は、図８に示すように、その部分だけが侵
入物体として捉えられず、変化領域が切れ切れになる。
そのため、それぞれの変化領域は別個に認識され、本来
の一つの侵入物体しては認識されなくなる。そこで、次
の変化領域復元処理１０を行う。
【００１５】変化領域復元処理１０ 変化領域復元処理１０では、複数個に分離されている変
化領域を統合するために、差分二値画像に動的輪郭モデ
ルを適用する。動的輪郭モデルは本来輪郭抽出方法であ
り、これを変化領域の統合に応用する。動的輪郭モデル
の基本的なアルゴリズムは、以下の文献２に示されてい
る。 文献２；ファースト インターナショナル コンファレ
ンス オン コンピュータ ビィジョン（First Intern
ational Conference on ComputerVision）、（１９８
７）米国、Michael Kass,Andrew Witkin and De-mitri
Terzopoulos 、“Snakes: Active Contour Models ”P.
259-268 文献２にのっとり、動的輪郭モデルの基本的なアルゴリ
ズムを説明する。動的輪郭モデルでは、閉曲線の形状に
関する拘束条件と対象物に対する閉曲線の位置に関する
拘束条件とを満たす場合に、閉曲線に対する評価値が最
小となるような評価関数を定義し、この評価関数によっ
て求められる評価値を最小とするような閉曲線を求める
ことで、画像中の対象物体の輪郭を抽出する。図９は、
動的輪郭モデルの概念を示す図であり、評価値が最小に
収束するのに伴い、閉曲線が画像中の対象物体に引き付
けられる様子が示されている。画像上の座標系ｘ，ｙを
用いて、複数の節点より構成された閉曲線の位置を表す
と、ｎ個の節点Ｖｉ＝（ｘi ，ｙi ），i ＝１，２，
…，ｎとなる。ただし、各節点は閉曲線上の点であるの
で、Ｖi+n ＝Ｖi とする。この閉曲線の評価関数は、次
の（３）式のように書ける。ここで、（３）式に対し
て、例えば（４），（５）式を次のように定義すると
（４）式のＥint は、（３）式における閉曲線の形状に
関する拘束条件に対して評価値を与え、（５）式Ｅext
は、（３）式におけ画像中の対象物体との関係に対する
評価値を与える。
化領域を統合するために、差分二値画像に動的輪郭モデ
ルを適用する。動的輪郭モデルは本来輪郭抽出方法であ
り、これを変化領域の統合に応用する。動的輪郭モデル
の基本的なアルゴリズムは、以下の文献２に示されてい
る。 文献２；ファースト インターナショナル コンファレ
ンス オン コンピュータ ビィジョン（First Intern
ational Conference on ComputerVision）、（１９８
７）米国、Michael Kass,Andrew Witkin and De-mitri
Terzopoulos 、“Snakes: Active Contour Models ”P.
259-268 文献２にのっとり、動的輪郭モデルの基本的なアルゴリ
ズムを説明する。動的輪郭モデルでは、閉曲線の形状に
関する拘束条件と対象物に対する閉曲線の位置に関する
拘束条件とを満たす場合に、閉曲線に対する評価値が最
小となるような評価関数を定義し、この評価関数によっ
て求められる評価値を最小とするような閉曲線を求める
ことで、画像中の対象物体の輪郭を抽出する。図９は、
動的輪郭モデルの概念を示す図であり、評価値が最小に
収束するのに伴い、閉曲線が画像中の対象物体に引き付
けられる様子が示されている。画像上の座標系ｘ，ｙを
用いて、複数の節点より構成された閉曲線の位置を表す
と、ｎ個の節点Ｖｉ＝（ｘi ，ｙi ），i ＝１，２，
…，ｎとなる。ただし、各節点は閉曲線上の点であるの
で、Ｖi+n ＝Ｖi とする。この閉曲線の評価関数は、次
の（３）式のように書ける。ここで、（３）式に対し
て、例えば（４），（５）式を次のように定義すると
（４）式のＥint は、（３）式における閉曲線の形状に
関する拘束条件に対して評価値を与え、（５）式Ｅext
は、（３）式におけ画像中の対象物体との関係に対する
評価値を与える。
【００１６】
【数３】 （４）式において、αi 、βi は評価値の適切な評価値
を与えるために設定されるパラメータであり、（４）式
中の第１項は閉曲線が短くなるほど、また、第２項は閉
曲線が滑らかなほど小さい評価値を（３）式に与える。
（５）式においては、閉曲線が画像のエッジに近付く
程、小さい評価値を（３）式に与える。なお、本明細書
では、Ｗedgeは符号を正として話を進める。このように
（３）式の評価関数Ｅ＊ snake を定義し、評価関数Ｅ＊
snake の評価値が小さくなる方向に各節点を動かしてい
く。すると、例えば評価関数Ｅ＊ sn ake に閉曲線の形状
が「滑らかである」という形状の拘束条件と、閉曲線が
「画像のエッジ上にある」という画像上の特徴の拘束条
件とを与えたならば、閉曲線は画像中の対象物体の輪郭
に一致する滑らかな形をなすところで、評価値の最小値
を持つことになる。これにより、対象物体の輪郭線が抽
出される。図１０は、変化領域復元処理を説明する図で
あり、図１における変化領域復元処理１０の処理手順が
示されている。図１０を用いてこの動的輪郭モデルを差
分二値画像に適応した場合について説明する。動的輪郭
モデルを用いて侵入物体の輪郭を求める場合、閉曲線を
物体の外側から近付けていく。これにより、差分二値化
画像において分離されていた侵入物体の個体の各変化領
域は、閉曲線の中に閉じ込められる。変化領域復元処理
１０では、予め評価関数を設定する関数設定処理１１
と、差分二値化画像１２に輪郭モデルの初期位置を設定
する初期位置設定処理１３と、評価関数の最小値を求め
る最小化処理１４と、輪郭モデル内を同一侵入物体とし
て同一の画素値を同一にする代入処理１５とで、構成さ
れている。図１中の二値化処理４で求められた差分二値
化画像１２に対し、初期位置設定処理１３で閉曲線の初
期位置が設定される。図１１は、輪郭モデルの初期位置
の例を示す図である。即ち、例えば図１１に示すよう
に、侵入物体による変化領域を取り囲むように閉曲線の
初期位置が、設定される。
を与えるために設定されるパラメータであり、（４）式
中の第１項は閉曲線が短くなるほど、また、第２項は閉
曲線が滑らかなほど小さい評価値を（３）式に与える。
（５）式においては、閉曲線が画像のエッジに近付く
程、小さい評価値を（３）式に与える。なお、本明細書
では、Ｗedgeは符号を正として話を進める。このように
（３）式の評価関数Ｅ＊ snake を定義し、評価関数Ｅ＊
snake の評価値が小さくなる方向に各節点を動かしてい
く。すると、例えば評価関数Ｅ＊ sn ake に閉曲線の形状
が「滑らかである」という形状の拘束条件と、閉曲線が
「画像のエッジ上にある」という画像上の特徴の拘束条
件とを与えたならば、閉曲線は画像中の対象物体の輪郭
に一致する滑らかな形をなすところで、評価値の最小値
を持つことになる。これにより、対象物体の輪郭線が抽
出される。図１０は、変化領域復元処理を説明する図で
あり、図１における変化領域復元処理１０の処理手順が
示されている。図１０を用いてこの動的輪郭モデルを差
分二値画像に適応した場合について説明する。動的輪郭
モデルを用いて侵入物体の輪郭を求める場合、閉曲線を
物体の外側から近付けていく。これにより、差分二値化
画像において分離されていた侵入物体の個体の各変化領
域は、閉曲線の中に閉じ込められる。変化領域復元処理
１０では、予め評価関数を設定する関数設定処理１１
と、差分二値化画像１２に輪郭モデルの初期位置を設定
する初期位置設定処理１３と、評価関数の最小値を求め
る最小化処理１４と、輪郭モデル内を同一侵入物体とし
て同一の画素値を同一にする代入処理１５とで、構成さ
れている。図１中の二値化処理４で求められた差分二値
化画像１２に対し、初期位置設定処理１３で閉曲線の初
期位置が設定される。図１１は、輪郭モデルの初期位置
の例を示す図である。即ち、例えば図１１に示すよう
に、侵入物体による変化領域を取り囲むように閉曲線の
初期位置が、設定される。
【００１７】次に、最小化処理１４が実施される。図１
２は、最小化処理で抽出された輪郭モデルを示す図てあ
る。この最小化処理１４は、輪郭モデルの評価関数が最
小の値となる輪郭モデル位置を求める。輪郭モデルは、
分離された変化領域の外部にから近付き、個々の変化領
域エッジ部分に一部に接する。すると、閉曲線が滑らか
な形になろうとする滑らかさの拘束条件と変化領域に近
付こうとする拘束条件とが、均衡状態となり、輪郭モデ
ルの閉曲線は、例えば図１２のような位置で静止する。
輪郭モデルの動きの静止した閉曲線は、初期位置中の比
較的近くに存在した変化領域の外側を滑らかに結んだ形
となる。したがって、閉曲線に囲まれた領域は、侵入物
体に対する変化領域として最も確からしい形と見なすこ
とができる。そこで、次の代入処理１５が実施される。
代入処理１５では、評価値が最小となる輪郭モデルの内
部の領域すべてに画素値の１を代入する。これにより、
差分処理によって分離された変化領域は、統合される。
図１３は、統合された変化領域の例を示す図であり、図
８のような侵入人物の変化領域が分離された場合おける
変化領域の統合結果を示している。
２は、最小化処理で抽出された輪郭モデルを示す図てあ
る。この最小化処理１４は、輪郭モデルの評価関数が最
小の値となる輪郭モデル位置を求める。輪郭モデルは、
分離された変化領域の外部にから近付き、個々の変化領
域エッジ部分に一部に接する。すると、閉曲線が滑らか
な形になろうとする滑らかさの拘束条件と変化領域に近
付こうとする拘束条件とが、均衡状態となり、輪郭モデ
ルの閉曲線は、例えば図１２のような位置で静止する。
輪郭モデルの動きの静止した閉曲線は、初期位置中の比
較的近くに存在した変化領域の外側を滑らかに結んだ形
となる。したがって、閉曲線に囲まれた領域は、侵入物
体に対する変化領域として最も確からしい形と見なすこ
とができる。そこで、次の代入処理１５が実施される。
代入処理１５では、評価値が最小となる輪郭モデルの内
部の領域すべてに画素値の１を代入する。これにより、
差分処理によって分離された変化領域は、統合される。
図１３は、統合された変化領域の例を示す図であり、図
８のような侵入人物の変化領域が分離された場合おける
変化領域の統合結果を示している。
【００１８】侵入物体認識処理２０ 変化領域復元処理１０の復元結果を元に侵入物体の認識
を行う。これには、例えば先の提案の実施例と同様に、
変化領域分割処理、投影ヒストグラム作成処理、特徴量
抽出処理及び侵入物体判定処理が、用いられ、その結果
が出力処理３０で出力される。一枚の入力画像に対する
一連の処理が終了した場合、この一連の処理が次の入力
画像に対して実施される。以上のように、本実施例で
は、動的輪郭モデルを利用して、差分処理３及び二値化
処理４によって分離された侵入物体の変化領域を統合
し、その統合された変化領域に対して同一の画素値を代
入している。そのため、侵入物体の本来の形状を確実に
復元し、侵入物体の認識結果を正確にすることができ
る。なお、本発明は上記実施例に限定されず、例えば、
（３）式を定義する（４）式及び（５）式に対応して与
えら拘束条件は、「滑らかである」及び「画像のエッジ
上にある」としなくてもよく、「閉曲線内の面積が小さ
い」及び「画像のエッジ上にある」とする等の種々の定
義が可能である。ただし、閉曲線を変化領域に密着させ
るように定義することが重要である。
を行う。これには、例えば先の提案の実施例と同様に、
変化領域分割処理、投影ヒストグラム作成処理、特徴量
抽出処理及び侵入物体判定処理が、用いられ、その結果
が出力処理３０で出力される。一枚の入力画像に対する
一連の処理が終了した場合、この一連の処理が次の入力
画像に対して実施される。以上のように、本実施例で
は、動的輪郭モデルを利用して、差分処理３及び二値化
処理４によって分離された侵入物体の変化領域を統合
し、その統合された変化領域に対して同一の画素値を代
入している。そのため、侵入物体の本来の形状を確実に
復元し、侵入物体の認識結果を正確にすることができ
る。なお、本発明は上記実施例に限定されず、例えば、
（３）式を定義する（４）式及び（５）式に対応して与
えら拘束条件は、「滑らかである」及び「画像のエッジ
上にある」としなくてもよく、「閉曲線内の面積が小さ
い」及び「画像のエッジ上にある」とする等の種々の定
義が可能である。ただし、閉曲線を変化領域に密着させ
るように定義することが重要である。
【００１９】
【発明の効果】以上詳細に説明したように、本発明によ
れば、差分処理によって分離された侵入物体の変化領域
に対して、それらを囲む閉曲線の輪郭モデルを設定し、
その輪郭モデルに評価関数を用いて侵入物体の輪郭を求
めている。その結果、分離された侵入物体の変化領域は
統合され、その統合された変化領域に対して同一の画素
値を代入している。そのため、侵入物体の本来の形状が
確実に復元され、侵入物体の認識結果を正確にすること
ができる。
れば、差分処理によって分離された侵入物体の変化領域
に対して、それらを囲む閉曲線の輪郭モデルを設定し、
その輪郭モデルに評価関数を用いて侵入物体の輪郭を求
めている。その結果、分離された侵入物体の変化領域は
統合され、その統合された変化領域に対して同一の画素
値を代入している。そのため、侵入物体の本来の形状が
確実に復元され、侵入物体の認識結果を正確にすること
ができる。
【図１】本発明の実施例の侵入物体認識方法を説明する
図である。
図である。
【図２】先の提案の実施例の人物認識方法を説明する図
である。
である。
【図３】背景画像の例を示す図である。
【図４】入力画像の例を示す図である。
【図５】差分二値化画像の例を示す図である。
【図６】図２の侵入物体判定処理における人物判定手順
１を示すフローチャートである。
１を示すフローチャートである。
【図７】図２の侵入物体判定処理における人物判定手順
２を示すフローチャートである。
２を示すフローチャートである。
【図８】大きく分離した変化領域を示す図である。
【図９】動的輪郭モデルの概念を示す図である。
【図１０】変化領域復元処理を示す図である。
【図１１】輪郭モデルの初期位置の例を示す図である。
【図１２】最小化処理で抽出された輪郭モデルを示す図
である。
である。
【図１３】統合された変化領域を示す図である。
１ 背景画像メモリ ２ 入力画像メモリ ３ 差分処理 ４ 二値化処理 １０ 変化領域復元処理 １３ 初期位置設定処理 １４ 最小化処理 １５ 代入処理 ２０ 侵入物体認識処理
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０８Ｂ 13/196 4234−5Ｇ Ｈ０４Ｎ 7/18 Ｄ Ｋ 9061−5Ｌ Ｇ０６Ｆ 15/70 ４０５
Claims (1)
- 【請求項１】 予め記憶された侵入物体の存在しないと
きの背景画像と逐次入力される入力画像とから侵入物体
の存在によって生じる該背景画像に対する該入力画像中
の変化領域を抽出する差分処理を施し、該変化領域に基
づいて該侵入物体を認識する侵入物体認識方法におい
て、 前記変化領域を取り囲む閉曲線の輪郭モデルを設定する
モデル設定処理と、 前記閉曲線上の点が前記変化領域のエッジである場合に
最小値を示す項と該閉曲線の形状によって最小値を示す
項とを有して該閉曲線に評価値を与える評価関数を用
い、該評価値が最小となり該変化領域に接する前記輪郭
モデルを抽出する最小化処理と、 前記変化領域に接する前記輪郭モデル内部の画素に対し
て同一の画素値を代入し、前記差分処理により分離され
た侵入物体の個体に対応する該変化領域を統合する代入
処理とを、 施すことを特徴とする侵入物体認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP33205193A JPH07192112A (ja) | 1993-12-27 | 1993-12-27 | 侵入物体認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP33205193A JPH07192112A (ja) | 1993-12-27 | 1993-12-27 | 侵入物体認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07192112A true JPH07192112A (ja) | 1995-07-28 |
Family
ID=18250597
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP33205193A Withdrawn JPH07192112A (ja) | 1993-12-27 | 1993-12-27 | 侵入物体認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07192112A (ja) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003062777A (ja) * | 2001-08-22 | 2003-03-05 | Honda Motor Co Ltd | 自律行動ロボット |
| EP1010130A4 (en) * | 1996-12-23 | 2005-08-17 | Esco Electronics Corp | VIDEO SECURITY SYSTEM WITH LOW FALSE ALERTS RATES USING CLASSIFICATION OF OBJECTS |
| JP2012208094A (ja) * | 2011-03-30 | 2012-10-25 | Canon Inc | 物体検知装置、物体検知方法、及びプログラム |
| EP3736717A1 (en) * | 2019-05-10 | 2020-11-11 | Alitheon, Inc. | Loop chain digital fingerprint method and system |
| US10867301B2 (en) | 2016-04-18 | 2020-12-15 | Alitheon, Inc. | Authentication-triggered processes |
| US10872265B2 (en) | 2011-03-02 | 2020-12-22 | Alitheon, Inc. | Database for detecting counterfeit items using digital fingerprint records |
| US10902540B2 (en) | 2016-08-12 | 2021-01-26 | Alitheon, Inc. | Event-driven authentication of physical objects |
| US11301872B2 (en) | 2016-02-19 | 2022-04-12 | Alitheon, Inc. | Personal history in track and trace system |
| US11341348B2 (en) | 2020-03-23 | 2022-05-24 | Alitheon, Inc. | Hand biometrics system and method using digital fingerprints |
| US11379856B2 (en) | 2016-06-28 | 2022-07-05 | Alitheon, Inc. | Centralized databases storing digital fingerprints of objects for collaborative authentication |
| US11488413B2 (en) | 2019-02-06 | 2022-11-01 | Alitheon, Inc. | Object change detection and measurement using digital fingerprints |
| US11568683B2 (en) | 2020-03-23 | 2023-01-31 | Alitheon, Inc. | Facial biometrics system and method using digital fingerprints |
| US11593503B2 (en) | 2018-01-22 | 2023-02-28 | Alitheon, Inc. | Secure digital fingerprint key object database |
| US11636191B2 (en) | 2016-07-05 | 2023-04-25 | Alitheon, Inc. | Authenticated production |
| US11663849B1 (en) | 2020-04-23 | 2023-05-30 | Alitheon, Inc. | Transform pyramiding for fingerprint matching system and method |
| US11700123B2 (en) | 2020-06-17 | 2023-07-11 | Alitheon, Inc. | Asset-backed digital security tokens |
| US11741205B2 (en) | 2016-08-19 | 2023-08-29 | Alitheon, Inc. | Authentication-based tracking |
| US11915503B2 (en) | 2020-01-28 | 2024-02-27 | Alitheon, Inc. | Depth-based digital fingerprinting |
| US11922753B2 (en) | 2019-10-17 | 2024-03-05 | Alitheon, Inc. | Securing composite objects using digital fingerprints |
| US11948377B2 (en) | 2020-04-06 | 2024-04-02 | Alitheon, Inc. | Local encoding of intrinsic authentication data |
| US11983957B2 (en) | 2020-05-28 | 2024-05-14 | Alitheon, Inc. | Irreversible digital fingerprints for preserving object security |
| US12249136B2 (en) | 2019-05-02 | 2025-03-11 | Alitheon, Inc. | Automated authentication region localization and capture |
-
1993
- 1993-12-27 JP JP33205193A patent/JPH07192112A/ja not_active Withdrawn
Cited By (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1010130A4 (en) * | 1996-12-23 | 2005-08-17 | Esco Electronics Corp | VIDEO SECURITY SYSTEM WITH LOW FALSE ALERTS RATES USING CLASSIFICATION OF OBJECTS |
| JP2003062777A (ja) * | 2001-08-22 | 2003-03-05 | Honda Motor Co Ltd | 自律行動ロボット |
| US10872265B2 (en) | 2011-03-02 | 2020-12-22 | Alitheon, Inc. | Database for detecting counterfeit items using digital fingerprint records |
| US11423641B2 (en) | 2011-03-02 | 2022-08-23 | Alitheon, Inc. | Database for detecting counterfeit items using digital fingerprint records |
| JP2012208094A (ja) * | 2011-03-30 | 2012-10-25 | Canon Inc | 物体検知装置、物体検知方法、及びプログラム |
| US11682026B2 (en) | 2016-02-19 | 2023-06-20 | Alitheon, Inc. | Personal history in track and trace system |
| US11301872B2 (en) | 2016-02-19 | 2022-04-12 | Alitheon, Inc. | Personal history in track and trace system |
| US12400237B2 (en) | 2016-02-19 | 2025-08-26 | Alitheon, Inc. | Personal history in track and trace system |
| US11593815B2 (en) | 2016-02-19 | 2023-02-28 | Alitheon Inc. | Preserving authentication under item change |
| US12299688B2 (en) | 2016-04-18 | 2025-05-13 | Alitheon, Inc. | Authentication-triggered processes |
| US11830003B2 (en) | 2016-04-18 | 2023-11-28 | Alitheon, Inc. | Authentication-triggered processes |
| US10867301B2 (en) | 2016-04-18 | 2020-12-15 | Alitheon, Inc. | Authentication-triggered processes |
| US11379856B2 (en) | 2016-06-28 | 2022-07-05 | Alitheon, Inc. | Centralized databases storing digital fingerprints of objects for collaborative authentication |
| US11636191B2 (en) | 2016-07-05 | 2023-04-25 | Alitheon, Inc. | Authenticated production |
| US10902540B2 (en) | 2016-08-12 | 2021-01-26 | Alitheon, Inc. | Event-driven authentication of physical objects |
| US11741205B2 (en) | 2016-08-19 | 2023-08-29 | Alitheon, Inc. | Authentication-based tracking |
| US12493678B2 (en) | 2016-08-19 | 2025-12-09 | Alitheon, Inc. | Authentication-based tracking |
| US11843709B2 (en) | 2018-01-22 | 2023-12-12 | Alitheon, Inc. | Secure digital fingerprint key object database |
| US11593503B2 (en) | 2018-01-22 | 2023-02-28 | Alitheon, Inc. | Secure digital fingerprint key object database |
| US12256026B2 (en) | 2018-01-22 | 2025-03-18 | Alitheon, Inc. | Secure digital fingerprint key object database |
| US11488413B2 (en) | 2019-02-06 | 2022-11-01 | Alitheon, Inc. | Object change detection and measurement using digital fingerprints |
| US12249136B2 (en) | 2019-05-02 | 2025-03-11 | Alitheon, Inc. | Automated authentication region localization and capture |
| US11321964B2 (en) | 2019-05-10 | 2022-05-03 | Alitheon, Inc. | Loop chain digital fingerprint method and system |
| EP3736717A1 (en) * | 2019-05-10 | 2020-11-11 | Alitheon, Inc. | Loop chain digital fingerprint method and system |
| US11922753B2 (en) | 2019-10-17 | 2024-03-05 | Alitheon, Inc. | Securing composite objects using digital fingerprints |
| US12417666B2 (en) | 2019-10-17 | 2025-09-16 | Alitheon, Inc. | Securing composite objects using digital fingerprints |
| US11915503B2 (en) | 2020-01-28 | 2024-02-27 | Alitheon, Inc. | Depth-based digital fingerprinting |
| US12183096B2 (en) | 2020-01-28 | 2024-12-31 | Alitheon, Inc. | Depth-based digital fingerprinting |
| US11568683B2 (en) | 2020-03-23 | 2023-01-31 | Alitheon, Inc. | Facial biometrics system and method using digital fingerprints |
| US11341348B2 (en) | 2020-03-23 | 2022-05-24 | Alitheon, Inc. | Hand biometrics system and method using digital fingerprints |
| US11948377B2 (en) | 2020-04-06 | 2024-04-02 | Alitheon, Inc. | Local encoding of intrinsic authentication data |
| US11663849B1 (en) | 2020-04-23 | 2023-05-30 | Alitheon, Inc. | Transform pyramiding for fingerprint matching system and method |
| US11983957B2 (en) | 2020-05-28 | 2024-05-14 | Alitheon, Inc. | Irreversible digital fingerprints for preserving object security |
| US11700123B2 (en) | 2020-06-17 | 2023-07-11 | Alitheon, Inc. | Asset-backed digital security tokens |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6697502B2 (en) | Image processing method for detecting human figures in a digital image | |
| US7418134B2 (en) | Method and apparatus for foreground segmentation of video sequences | |
| US5715325A (en) | Apparatus and method for detecting a face in a video image | |
| US6184926B1 (en) | System and method for detecting a human face in uncontrolled environments | |
| Menser et al. | Segmentation and tracking of facial regions in color image sequences | |
| US6400831B2 (en) | Semantic video object segmentation and tracking | |
| EP1693782B1 (en) | Method for facial features detection | |
| JP4275516B2 (ja) | 人物検出方法および装置 | |
| JP5675229B2 (ja) | 画像処理装置及び画像処理方法 | |
| JP3768735B2 (ja) | 顔画像処理装置 | |
| KR102297103B1 (ko) | 3차원 장면 그래프 생성 방법 및 장치 | |
| EP1151607A1 (en) | Method and apparatus for detecting moving objects in video conferencing and other applications | |
| CN118864537A (zh) | 一种视频监控中运动目标的跟踪方法、装置和设备 | |
| CN114387670A (zh) | 基于时空特征融合的步态识别方法、装置及存储介质 | |
| CN108280841B (zh) | 一种基于邻域像素强度校正的前景提取方法 | |
| JP3417635B2 (ja) | 侵入物体認識方法 | |
| JP4253410B2 (ja) | ニュース記事切り出し装置 | |
| JP3062383B2 (ja) | 人物認識方法 | |
| JP3065838B2 (ja) | 人物認識方法 | |
| JP3763279B2 (ja) | 物体抽出システム、物体抽出方法および物体抽出プログラム | |
| CN118115918A (zh) | 围栏翻越检测方法、装置及电子设备 | |
| JPH07129778A (ja) | 画像監視装置 | |
| JP3065854B2 (ja) | 人物認識方法 | |
| Sun et al. | Spot segmentation and verification based on improve marker controlled watershed transform | |
| JPH08315149A (ja) | 侵入物体認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20010306 |