JP2019003558A - 物体検出装置 - Google Patents

Abstract

【課題】一例として、背景が変化する状況下であっても、対象物と背景との輝度差が小さい場合における対象物の検出精度を向上させることができる物体検出装置を提供する。【解決手段】実施形態にかかる物体検出装置は、領域特定部と、特徴抽出部と、パラメータ変更部とを備える。領域特定部は、撮像画像から対象物が存在する可能性のある領域と該領域の周辺領域とを含む対象領域を特定する。特徴抽出部は、領域特定部によって特定された対象領域から特徴点を抽出する。パラメータ変更部は、領域特定部によって特定された対象領域の輝度分布に基づき、特徴抽出部による処理に用いられる抽出パラメータを変更する。【選択図】図２

Description

本発明の実施形態は、物体検出装置に関する。

従来、撮像画像から対象物を検出する物体検出装置が知られている。

特許文献１には、撮像画像の輝度分布と予め取得しておいた背景画像の輝度分布とを比較し、両者が類似する場合に、撮像画像のコントラスト補正を行ったうえで、補正後の撮像画像からエッジ情報を抽出して対象物を検出する装置が開示されている。この装置によれば、日陰に暗色の服を着た人が存在している場合など、コントラストが不足している場合における対象物の検出精度を高めることが可能である。

特開２０１１−２８３４８号公報

しかしながら、上述した従来技術は、コントラスト補正を行う際に、予め取得しておいた背景画像と撮像画像とを比較することとしているため、背景が変化するような状況下においてはコントラスト補正を適切に行うことが困難である。

本発明の実施形態にかかる物体検出装置は、一例として、撮像画像から対象物が存在する可能性のある領域と該領域の周辺領域とを含む対象領域を特定する領域特定部と、前記領域特定部によって特定された前記対象領域から特徴点を抽出する特徴抽出部と、前記領域特定部によって特定された前記対象領域の輝度分布に基づき、前記特徴抽出部による処理に用いられる抽出パラメータを変更するパラメータ変更部とを備える。

よって、一例としては、対象領域の輝度分布に基づいて抽出パラメータを変更することで、対象物と背景部分との輝度値の差が小さい場合であっても、対象領域から対象物を検出するのに適切な数の特徴点を抽出することができる。また、従来技術と異なり、背景画像を用いることなく抽出パラメータを変更することができる。したがって、背景が変化する状況下であっても、対象物と背景との輝度差が小さい場合における対象物の検出精度を向上させることが可能である。

上記物体検出装置では、一例として、前記パラメータ変更部は、前記輝度分布の分散または標準偏差に基づいて前記抽出パラメータを変更する。

対象物と背景部分との輝度値の差が小さくなるほど、対象領域の輝度分布の分散または標準偏差は小さくなる。よって、たとえば、予め実験またはシミュレーション等によって求めておいた分散または標準偏差と抽出パラメータとの関係を示す式を用いて分散または標準偏差から抽出パラメータへの変換を行うことで、対象物と背景部分との輝度値の差に応じた抽出パラメータに変更することができる。

上記物体検出装置では、一例として、前記パラメータ変更部は、前記輝度分布の分散または標準偏差が閾値以下である場合には、前記特徴抽出部によって抽出される前記特徴点の数が多くなるように前記抽出パラメータを変更し、前記輝度分布の分散または標準偏差が前記閾値よりも大きい場合には、前記特徴抽出部によって抽出される前記特徴点の数が少なくなるように前記抽出パラメータを変更する。

よって、一例としては、対象物と背景部分との輝度差によらず、最適な数の特徴点を抽出することができる。

上記物体検出装置では、一例として、前記領域特定部は、時間的に前後する複数の前記撮像画像における輝度値の変化に基づいて前記対象物が存在する可能性のある領域を特定する。

よって、一例としては、対象物が存在する可能性のある領域を背景差分法を用いることなく特定することができる。したがって、背景が動的に変化する状況下であっても、対象領域を適切に特定することが可能である。

上記物体検出装置では、一例として、時間的に前後する前記撮像画像からそれぞれ抽出される前記特徴点に基づき、前記対象物の移動方向を示す追跡情報を生成する追跡部と、複数の前記追跡情報を時系列に蓄積した追跡情報群と前記対象物の動作に対応付けて予め登録された登録情報群との比較結果に基づき、当該動作が行われたか否かを判定する判定部とを備える。

よって、一例としては、複数フレーム分の追跡情報を一つのかたまり（追跡情報群）として、予め登録された登録情報群と比較することで、一つの追跡情報から動作を判定する場合と比較して、登録情報群に対応する動作が行われたか否かを精度よく判定することができる。

図１Ａは、実施形態に係る物体検出処理の一例を示す図である。 図１Ｂは、実施形態に係る物体検出処理の一例を示す図である。 図２は、動作判定装置の構成例を示すブロック図である。 図３は、領域特定処理の一例を示す図である。 図４Ａは、対象物と背景部分との輝度値の差が大きい場合における対象領域の輝度分布の一例を示す図である。 図４Ｂは、対象物と背景部分との輝度値の差が小さい場合における対象領域の輝度分布の一例を示す図である。 図５は、追跡情報生成処理の一例を示す図である。 図６は、比較処理の一例を示す図である。 図７は、動作判定装置が実行する処理の手順の一例を示すフローチャートである。

〔１．動体検出処理の一例〕
まず、実施形態に係る物体検出処理の一例について図１Ａおよび図１Ｂを参照して説明する。図１Ａおよび図１Ｂは、実施形態に係る物体検出処理の一例を示す図である。

実施形態に係る物体検出処理は、撮像画像からエッジ等の特徴点を抽出し、抽出した特徴点に基づいて対象物を検出する。ここでは、一例として、人の足部を「対象物」として検出する場合について説明する。

図１Ａには、暗色の服を着用した人Ｈを光が少ない状況下で撮像した場合の撮像画像Ｘを示している。このように対象物（人Ｈの足部）と背景部分との輝度差が小さい場合、図１Ｂの上図に示すように、撮像画像Ｘからは僅かな特徴点Ｆしか抽出することができず、対象物の検出精度が低下するおそれがある。

そこで、実施形態に係る物体検出処理では、特徴点Ｆを抽出する際に用いる抽出パラメータを撮像画像Ｘの輝度分布に基づいて変更することにより、対象物と背景との輝度差が小さい場合における対象物の検出精度を向上させることとした。

具体的には、まず、撮像画像Ｘから対象物が存在する可能性のある領域とその周辺領域（すなわち背景部分）とを含む対象領域Ｓを特定する。

対象物が存在する可能性がある領域は、たとえば、フレーム間差分法を用いて特定することができる。すなわち、撮像画像Ｘを含む、時間的に前後する複数の撮像画像における輝度値の変化に基づいて対象物が存在する可能性がある領域を特定する。そして、特定した領域に対してさらにその周辺の領域を加えた領域を対象領域Ｓとして特定する。

図１Ａに示す例では、対象物が存在する可能性がある領域として人Ｈの足部の領域が特定され、足部の領域と足部の周辺の領域とを含んだ領域が対象領域Ｓとして特定されている。

つづいて、特定した対象領域Ｓの輝度分布に基づいて抽出パラメータを変更する。たとえば、図１Ａに示す例のように人Ｈと背景部分との輝度差が小さい場合、対象領域Ｓの輝度分布のバラツキは小さくなる。このような場合には、対象領域Ｓから抽出される特徴点Ｆの数が多くなるように抽出パラメータを変更する。また、人Ｈと背景部分との輝度差が大きい場合には、対象領域Ｓから抽出される特徴点Ｆの数が少なくなるように抽出パラメータを変更する。

そして、上記のようにして変更された抽出パラメータを用いて対象領域Ｓから特徴点Ｆを抽出する。これにより、図１Ｂの下図に示すように、抽出パラメータを変更することなく特徴点Ｆの抽出を行った場合（図１Ｂの上図）と比較して、より多くの特徴点Ｆを抽出することができる。その後、抽出された特徴点Ｆに基づいて対象物である人Ｈの足部を検出する。

このように、実施形態に係る物体検出処理では、対象領域Ｓの輝度分布に基づいて抽出パラメータを変更することで、人Ｈと背景部分との輝度値の差が小さい場合であっても、対象領域Ｓから対象物を検出するうえで適切な数の特徴点Ｆを抽出することができる。このため、対象物と背景との輝度差が小さい場合における対象物の検出精度を向上させることができる。

また、抽出パラメータは、対象領域Ｓの輝度分布に基づいて動的に変更されるため、光の当たり方が大きく変化するような状況下においても、対象物を適切に検出することができる。また、背景差分法を用いないため、背景が大きく変化する状況下においても対象物を適切に検出することができる。

したがって、実施形態に係る物体検出処理によれば、たとえば、車載カメラで撮像した車外の画像から他車や歩行者等の障害物を対象物として検出する車外監視への適用が可能である。すなわち、車載カメラによって撮像される画像は、車両の走行に伴って背景が動的に変化し、輝度も、たとえばライトを点けた対向車とすれ違ったりトンネルへ進入したりすることによって動的に変化する。しかし、実施形態に係る物体検出処理によれば、このような状況下においても、対象物を適切に検出することができる。

また、実施形態に係る物体検出処理は、車載カメラで撮像した車室内の画像から乗員を対象物として検出する車室内監視への適用も可能である。実施形態に係る物体検出処理を車室内監視に適用することにより、たとえば、乗員を検知するために座席に設けられる体重検知センサが不要になる。

以下、上述した物体検出処理を実現する物体検出装置について図２以降を参照して詳細に説明する。以下においては、撮像画像に写り込んだ人の動作を判定する動作判定装置に対して本発明に係る物体検出装置を適用した場合の例について説明する。

〔２．動作判定装置の構成〕
実施形態に係る動作判定装置の構成について図２を参照して説明する。図２は、動作判定装置の構成例を示すブロック図である。

図２に示すように、実施形態に係る動作判定装置１は、撮像装置１０から入力される撮像画像に基づいて人の動作を判定し、判定結果を外部装置へ出力する。

動作判定装置１は、領域特定部２と、輝度分散算出部３と、パラメータ変更部４と、特徴抽出部５と、追跡部６と、判定部７と、記憶部８とを備える。

かかる動作判定装置１は、たとえば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、入出力ポートなどを有するマイクロコンピュータや各種の回路を含んで構成される。そして、動作判定装置１は、ＣＰＵがＲＯＭに記憶された駆動制御プログラムを、ＲＡＭを作業領域として使用して実行することにより、上述した領域特定部２、輝度分散算出部３、パラメータ変更部４、特徴抽出部５、追跡部６および判定部７として機能する。なお、動作判定装置１が備える各処理部は、それぞれ一部または全部がＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアで構成されてもよい。

（撮像装置１０について）
撮像装置１０は、たとえば、ＣＣＤ（Charge Coupled Device）やＣＩＳ（CMOS Image Sensor）等の撮像素子を内蔵するデジタルカメラである。撮像装置１０は、所定のフレームレートで撮像した撮像画像の画像データ（以下、単に「撮像画像」と記載する）を動作判定装置１へ出力する。

（領域特定部２について）
領域特定部２は、撮像装置１０から撮像画像が入力されるごとに、撮像画像から対象物が存在する可能性のある領域とその周辺領域とを含む対象領域Ｓを特定する。

ここで、領域特定部２による領域特定処理の一例について図３を参照して説明する。図３は、領域特定処理の一例を示す図である。

図３に示すように、領域特定部２は、たとえば、撮像装置１０から入力された現在の撮像画像Ｘと、撮像画像Ｘの１フレーム前の撮像画像Ｘｔ−１とを比較し、輝度値の差が閾値以上である領域を対象物が存在する可能性のある領域Ｓ１として特定する。そして、領域特定部２は、特定した領域Ｓ１と、領域Ｓ１の周辺領域Ｓ２とを合わせた領域を対象領域Ｓとして特定する。周辺領域Ｓ２は、領域Ｓ１を取り囲む領域すなわち背景に相当する領域である。

ここでは、領域Ｓ１を囲む矩形状の領域を周辺領域Ｓ２としているが、周辺領域Ｓ２の形状は矩形に限定されるものではなく、たとえば、領域Ｓ１を所定の倍率で拡大させた形状であってもよい。

また、ここでは、撮像画像Ｘの全領域において、撮像画像Ｘｔ−１との比較を行うものとするが、領域特定部２は、対象物が存在する可能性が高い領域に限定して撮像画像Ｘｔ−１との比較を行ってもよい。たとえば、対象物が人Ｈの足部である場合には、撮像画像Ｘの下半分の領域に限定して撮像画像Ｘｔ−１との比較を行ってもよい。

また、ここでは、現在の撮像画像Ｘと１フレーム前の撮像画像Ｘｔ−１との間での輝度値の変化に基づいて領域Ｓ１を特定することとしたが、領域特定部２は、撮像画像Ｘｔ−１よりも古い撮像画像をさらに用いて、すなわち、複数の過去の撮像画像を用いて領域Ｓ１の特定を行ってもよい。また、領域特定部２は、過去の撮像画像だけでなく、未来の撮像画像を用いて領域Ｓ１の特定を行ってもよい。

このように、領域特定部２は、対象物が存在する可能性のある領域Ｓ１を背景差分法を用いることなく特定することができるため、背景が動的に変化する状況下においても、対象領域Ｓを適切に特定することが可能である。なお、動作判定装置１は、複数の撮像画像を一時的に記憶しておくための記憶部を備えているものとする。

（輝度分散算出部３について）
輝度分散算出部３は、対象領域Ｓの輝度分布の分散または標準偏差を算出する。なお、１つの撮像画像Ｘから複数の対象領域Ｓが特定された場合には、輝度分散算出部３は、特定された複数の対象領域Ｓの各々について、輝度分布の分散または標準偏差を算出する。

輝度分散算出部３は、対象領域Ｓの輝度分布（輝度ヒストグラム）を用いて分散または標準偏差を算出する。

ここで、対象物と背景部分との輝度値の差が大きい場合と小さい場合とにおける輝度分布の相違について図４Ａおよび図４Ｂを参照して説明する。図４Ａは、対象物と背景部分との輝度値の差が大きい場合における対象領域Ｓの輝度分布の一例を示す図である。また、図４Ｂは、対象物と背景部分との輝度値の差が小さい場合における対象領域Ｓの輝度分布の一例を示す図である。

図４Ａには、一例として、暗色の背景の中に暗色の服を着用した人が立っている光景を光が多い状況下で撮像した場合の撮像画像Ｘ’を示している。このように光が多い状況下においては、対象物である人Ｈの足部と背景部分との輝度差は大きくなる。よって、撮像画像Ｘ’の対象領域Ｓからは、バラツキが大きい輝度分布が得られる。

一方、図４Ｂには、暗色の背景の中に暗色の服を着用した人が立っている光景を光が少ない状況下で撮像した場合の撮像画像Ｘを示している。このように光が少ない状況下においては、対象物である人Ｈの足部と背景部分との輝度差は小さくなる。よって、撮像画像Ｘの対象領域Ｓからは、バラツキが小さい輝度分布が得られる。

（パラメータ変更部４について）
パラメータ変更部４は、輝度分散算出部３から対象領域Ｓの輝度分布の分散または標準偏差の情報が入力されるごとに、入力された分散または標準偏差に基づき、後述する特徴抽出部５による特徴抽出処理に用いられる抽出パラメータを変更して特徴抽出部５へ出力する。

抽出パラメータには、たとえば、特徴抽出処理に用いられる抽出用閾値が含まれ得る。

一例として、パラメータ変更部４は、輝度分散算出部３から入力された分散または標準偏差を閾値と比較する。そして、分散または標準偏差が閾値以下である場合、パラメータ変更部４は、特徴抽出処理において抽出される特徴点Ｆの数が多くなるように抽出用閾値を低くする。一方、輝度分散算出部３から入力された分散または標準偏差が閾値を超える場合、パラメータ変更部４は、特徴抽出処理において抽出される特徴点Ｆの数が少なくなるように抽出用閾値を高くする。

たとえば、図４Ｂのように対象物と背景部分との輝度差が小さい場合、特徴抽出処理において抽出される特徴点Ｆの数は最適な数よりも少なくなり、対象物の検出精度が低下するおそれがある。

そこで、パラメータ変更部４は、輝度分散算出部３から入力された分散または標準偏差が閾値以下である場合には、対象物と背景部分との輝度差が小さいと判断し、特徴抽出処理において抽出される特徴点Ｆの数が多くなるように抽出用閾値を低くする。これにより、対象物と背景部分との輝度差が小さい場合であっても最適な数の特徴点Ｆを抽出することができる。

一方、図４Ａのように対象物と背景部分との輝度差が大きい場合、特徴抽出処理において抽出される特徴点Ｆの数は最適な数よりも多くなる可能性がある。抽出される特徴点Ｆの数が最適な数よりも多くなると、ノイズの影響が大きくなり、対象物の検出精度が低下するおそれがある。

そこで、パラメータ変更部４は、輝度分散算出部３から入力された分散または標準偏差が閾値を超える場合には、対象物と背景部分との輝度差が大きいと判断し、特徴抽出処理において抽出される特徴点Ｆの数が少なくなるように抽出用閾値を高くする。これにより、対象物と背景部分との輝度差が大きい場合であっても最適な数の特徴点Ｆを抽出することができる。

このように、動作判定装置１では、対象領域Ｓにおける輝度分布の分散または標準偏差に基づいて抽出パラメータを変更することで、対象物と背景部分との輝度差によらず、最適な数の特徴点Ｆを抽出することができる。

なお、パラメータ変更部４は、記憶部８に記憶された変換情報を用い、輝度分散算出部３から入力される分散または標準偏差を抽出パラメータに変換してもよい。変換情報は、予め実験またはシミュレーションによって求めておいた分散または標準偏差と抽出パラメータとの関係を示す変換テーブルや変換マップ等の情報である。あるいは、パラメータ変更部４は、予め実験またはシミュレーションによって求めておいた分散または標準偏差と抽出パラメータとの関係を示す式またはその近似式を用いて分散または標準偏差から抽出パラメータへの変換を行ってもよい。

なお、パラメータ変更部４は、対象領域Ｓの輝度分布の分散または標準偏差に基づき、撮像画像のコントラストを補正するγ補正値を変更してもよい。たとえば、パラメータ変更部４は、輝度分散算出部３から入力された分散または標準偏差を閾値と比較し、分散または標準偏差が閾値以下である場合にγ補正値を高くする。これにより、特徴点Ｆが抽出されやすくなるため、対象物の検出精度の低下を抑制することができる。

（特徴抽出部５について）
特徴抽出部５は、対象領域Ｓからエッジやコーナー等の特徴点Ｆを抽出する。特徴点Ｆを抽出する手法としては、たとえば、Ｈａｒｒｉｓコーナー検出法を用いることができる。Ｈａｒｒｉｓコーナー検出法は、撮像画像中のコーナー（角部）を特徴点Ｆとして検出する手法の一種である。

特徴抽出部５は、Ｈａｒｒｉｓコーナー検出法により算出される値を抽出用閾値と比較して抽出用閾値よりも大きければ、その値に対応する箇所を特徴点Ｆとして抽出し、抽出した特徴点Ｆの位置等の情報を追跡部６へ出力する。

抽出用閾値は、パラメータ変更部４から入力される抽出パラメータであり、上述したように対象領域Ｓにおける輝度分布の分散または標準偏差に応じて最適な値に変更される。これにより、抽出用閾値が固定である場合と比較して、より適切な数の特徴点Ｆを抽出することができ、対象物の検出精度を向上させることができる。

なお、特徴抽出部５は、Ｈａｒｒｉｓコーナー検出法に限らず、たとえば、ＦＡＳＴ、ＤｏＧ、ＳＩＦＴ、ＳＵＲＦといった他の手法を用いて特徴（点、エッジ）を抽出してもよい。

（追跡部６について）
追跡部６は、特徴抽出部５によって抽出された特徴点Ｆを追跡する。

具体的には、追跡部６は、時間的に前後する２つの撮像画像からそれぞれ抽出される特徴点Ｆに基づき、２フレーム間における対象物の移動方向を示す追跡情報を生成する。

ここで、追跡部６による追跡情報生成処理の一例について図５を参照して説明する。図５は、追跡情報生成処理の一例を示す図である。

図５に示すように、追跡部６は、まず、複数の特徴点Ｆを一つのかたまり（クラスターＣ）と見なすクラスタリング処理を行う。

クラスタリングの手法としては、たとえば、Ｗａｒｄ法を用いることができる。Ｗａｒｄ法では、まず、クラスタリングの対象となる複数（図の例では５個）の特徴点Ｆ間のユークリッド距離をそれぞれ算出する。つづいて、最小距離にある２個の特徴点Ｆを１個のクラスターとし、２個の特徴点Ｆの重心をこのクラスターの位置とする。つづいて、１個にまとめたクラスターを含めた各クラスター間のユークリッド距離を算出し、最小距離にある２個のクラスターをまとめて１個のクラスターとする。以上の処理を、複数の特徴点Ｆが１個のクラスターＣとなるまで繰り返す。

つづいて、追跡部６は、クラスターＣの２フレーム間の動きを追跡する処理を行う。

追跡手法としては、たとえば、Ｌｕｃａｓ−Ｋａｎａｄｅ法を用いることができる。Ｌｕｃａｓ−Ｋａｎａｄｅ法は、２つの画像の対応点を探索してその速度ベクトルを求める手法である。追跡部６は、Ｌｕｃａｓ−Ｋａｎａｄｅ法を用いてクラスターＣの２フレーム間における移動方向および移動速度の情報を含む追跡情報を生成する。

なお、追跡部６は、Ｌｕｃａｓ−Ｋａｎａｄｅ法に限らず、たとえば、ブロックマッチング法等の他の手法を用いてクラスターＣの追跡を行ってもよい。

つづいて、追跡部６は、追跡情報を時系列に蓄積した追跡情報群を生成する。具体的には、追跡部６は、図示しないバッファに複数フレーム分の追跡情報を時系列に蓄積し、蓄積した複数フレーム分の追跡情報を「追跡情報群」として判定部７に出力する。追跡部６は、この処理を追跡情報を生成するごとに実行する。すなわち、追跡部６は、新たな追跡情報を生成すると、バッファに蓄積されている追跡情報のうち最も古いものを破棄し、新たな追跡情報をバッファに追加する。そして、追跡部６は、バッファに記憶された追跡情報群を判定部７へ出力する。

追跡部６は、上記の処理を登録された動作（以下、「登録ジェスチャ」と記載する）ごとに実行する。なお、蓄積するフレーム数は、登録ジェスチャごとに異ならせてもよい。

（判定部７について）
判定部７は、追跡部６による特徴点の追跡結果に基づいて登録ジェスチャが行われたか否かを判定する。

判定部７は、追跡部６から追跡情報群が入力されるごとに、入力された追跡情報群と、記憶部８に記憶された登録ジェスチャ情報に含まれる登録情報群とを比較する。

ここで、判定部７による比較処理について図６を参照して説明する。図６は、比較処理の一例を示す図である。

図６に示すように、追跡情報群は、複数フレーム（ここでは、９フレーム）分の追跡情報を時系列に蓄積した情報である。図６では、理解を容易にするために、最も古い追跡情報Ｔ１から最新の追跡情報Ｔ９までを紙面左側から順に並べたものを追跡情報群として示している。また、登録情報群は、登録ジェスチャに対応付けて予め登録される情報であって、登録ジェスチャが理想的に行われたと仮定した場合に得られる仮想的な追跡情報を複数フレーム分蓄積した情報である。登録情報群のフレーム数は、必ずしも追跡情報群のフレーム数と同数でなくてもよく、追跡情報群のフレーム数と異なるフレーム数であってもよい。

判定部７は、追跡情報群と登録情報群とを比較し、これらの類似度（尤度）を算出する。そして、判定部７は、算出した類似度が閾値以上である場合には、登録ジェスチャが行われたと判定し、判定結果を外部装置へ出力する。判定の手法としては、たとえば、ＤＰ（Dynamic Programming）マッチング法を用いることができる。判定部７は、この判定処理を登録ジェスチャごとに実行する。なお、判定結果には、登録ジェスチャの内容（たとえば、足を上げる動作）を示す情報が含まれる。

このように、実施形態に係る動作判定装置１では、複数の追跡情報を時系列に蓄積した追跡情報群と予め登録された登録情報群との比較結果に基づいて登録ジェスチャが行われたか否かを判定する。すなわち、実施形態に係る動作判定装置１では、複数フレーム分の追跡情報を一つのかたまり（追跡情報群）として、予め登録された登録情報群と比較することとしたため、一つの追跡情報から動作を判定する場合と比較して、登録ジェスチャが行われたか否かを精度よく判定することができる。

（記憶部８について）
記憶部８は、たとえば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、または、ＨＤＤ（Hard Disk Drive）、光ディスク等の記憶装置である。記憶部８は、たとえば、変換情報と登録ジェスチャ情報とを記憶する。

変換情報は、輝度分布の分散または標準偏差と抽出パラメータとの関係を示す変換テーブルや変換マップ等の情報である。また、登録ジェスチャ情報は、登録ジェスチャの内容および登録情報群等の情報を含む。

〔３．動作判定装置の具体的動作〕
次に、上述した動作判定装置１の具体的動作について図７を参照して説明する。図７は、動作判定装置１が実行する処理の手順の一例を示すフローチャートである。

図７に示すように、動作判定装置１は、撮像装置１０から撮像画像が入力されると、入力された撮像画像から対象物が存在する可能性のある領域Ｓ１とその周辺領域Ｓ２とを含む対象領域Ｓを特定する（ステップＳ１０１）。

つづいて、動作判定装置１は、対象領域Ｓの輝度分布の分散または標準偏差を算出し（ステップＳ１０２）、算出した分散または標準偏差に基づいて抽出パラメータを変更する（ステップＳ１０３）。そして、動作判定装置１は、変更した抽出パラメータを用いて対象物の特徴点Ｆを抽出する（ステップＳ１０４）。

つづいて、動作判定装置１は、抽出した複数の特徴点Ｆをクラスタリングして（ステップＳ１０５）、２フレーム間におけるクラスターＣの追跡情報を生成する（ステップＳ１０６）。また、動作判定装置１は、生成した追跡情報を時系列に蓄積した追跡情報群を生成する（ステップＳ１０７）。

つづいて、動作判定装置１は、追跡情報群と登録情報群との類似度を算出し、算出した類似度が閾値以上であるか否かを判定して（ステップＳ１０８）、閾値以上であると判定した場合には（ステップＳ１０８，Ｙｅｓ）、判定結果を外部装置へ出力する。

ステップＳ１０９の処理を終えても、たとえば外部装置から終了指示を受け付けていない場合（ステップＳ１１０，Ｎｏ）、ステップＳ１０８において類似度が閾値以上でない場合（ステップＳ１０８，Ｎｏ）、動作判定装置１は、処理をステップＳ１０１へ戻す。動作判定装置１は、ステップＳ１０１〜Ｓ１０９の処理をたとえば外部装置から終了指示を受け付けるまで繰り返す。ステップＳ１０９の処理を終えて、たとえば外部装置から終了指示を受け付けた場合（ステップＳ１１０，Ｙｅｓ）、動作判定装置１は、一連の処理を終了する。

上述してきたように、実施形態に係る動作判定装置１は、領域特定部２と、特徴抽出部５と、パラメータ変更部４とを備える。領域特定部２は、撮像画像から対象物が存在する可能性のある領域Ｓ１と該領域の周辺領域Ｓ２とを含む対象領域Ｓを特定する。特徴抽出部５は、領域特定部２によって特定された対象領域Ｓから特徴点Ｆを抽出する。パラメータ変更部４は、領域特定部２によって特定された対象領域Ｓの輝度分布に基づき、特徴抽出部５による処理に用いられる抽出パラメータを変更する。

よって、実施形態に係る動作判定装置１によれば、一例としては、背景が変化する状況下であっても、対象物と背景との輝度差が小さい場合における対象物の検出精度を向上させることが可能である。

なお、上述した実施形態では、動作判定装置１を用いて人の動作を判定する場合の例について説明したが、動作判定装置１は、人以外の動作の判定に用いてもよい。たとえば、動作判定装置１は、踏切やＥＴＣレーンに設置される遮断機の動作の判定に用いることができる。この場合、動作判定装置１は、遮断機が備える遮断桿を対象物として、遮断桿が降下する動作や上昇する動作が行われたか否かを判定する。その他、動作判定装置１は、犬猫などの動物やロボット等の動作の判定に用いることもできる。

また、本発明に係る物体検出装置は、動作判定装置１以外の装置にも適用可能である。たとえば、本発明に係る物体検出装置は、上述した車外監視や車室内監視を行う装置に対して適用可能である。また、たとえば、街頭や建物等に設置された監視カメラにより撮像された画像から人や物などの対象物を検出する装置や、スマートフォンなどの携帯端末に搭載されるカメラにより撮像された画像から人や物などの対象物を検出する装置に対して本発明に係る物体検出装置を適用することも可能である。

以上、本発明の実施形態を例示したが、上記実施形態および変形例はあくまで一例であって、発明の範囲を限定することは意図していない。上記実施形態や変形例は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、組み合わせ、変更を行うことができる。また、各実施形態や各変形例の構成や形状は、部分的に入れ替えて実施することも可能である。

１…動作判定装置（物体検出装置の一例）、２…領域特定部、３…輝度分散算出部、４…パラメータ変更部、５…特徴抽出部、６…追跡部、７…判定部、８…記憶部、Ｆ…特徴点、Ｓ…対象領域

Claims (5)

1. 撮像画像から対象物が存在する可能性のある領域と該領域の周辺領域とを含む対象領域を特定する領域特定部と、
   前記領域特定部によって特定された前記対象領域から特徴点を抽出する特徴抽出部と、
   前記領域特定部によって特定された前記対象領域の輝度分布に基づき、前記特徴抽出部による処理に用いられる抽出パラメータを変更するパラメータ変更部と
   を備える物体検出装置。
2. 前記パラメータ変更部は、
   前記輝度分布の分散または標準偏差に基づいて前記抽出パラメータを変更する、
   請求項１に記載の物体検出装置。
3. 前記パラメータ変更部は、
   前記輝度分布の分散または標準偏差が閾値以下である場合には、前記特徴抽出部によって抽出される前記特徴点の数が多くなるように前記抽出パラメータを変更し、前記輝度分布の分散または標準偏差が前記閾値よりも大きい場合には、前記特徴抽出部によって抽出される前記特徴点の数が少なくなるように前記抽出パラメータを変更する、
   請求項２に記載の物体検出装置。
4. 前記領域特定部は、
   時間的に前後する複数の前記撮像画像における輝度値の変化に基づいて前記対象物が存在する可能性のある領域を特定する、
   請求項１〜３のいずれか一つに記載の物体検出装置。
5. 時間的に前後する前記撮像画像からそれぞれ抽出される前記特徴点に基づき、前記対象物の移動方向を示す追跡情報を生成する追跡部と、
   複数の前記追跡情報を時系列に蓄積した追跡情報群と前記対象物の動作に対応付けて予め登録された登録情報群との比較結果に基づき、当該動作が行われたか否かを判定する判定部と
   を備えることを特徴とする請求項１〜４のいずれか一つに記載の物体検出装置。