マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム
【課題】手作業や特別な撮影環境を用いることなく、比較的単純な処理により精度の高いマスク画像を抽出する。
【解決手段】複数の被写体画像と複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出し、複数の第１のマスク画像から視体積交差法により、３次元ボクセルデータを構築し、３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、再度３次元ボクセルデータを構築し、この３次元ボクセルデータから、複数のマスク画像を抽出する。
【解決手段】複数の被写体画像と複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出し、複数の第１のマスク画像から視体積交差法により、３次元ボクセルデータを構築し、３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、再度３次元ボクセルデータを構築し、この３次元ボクセルデータから、複数のマスク画像を抽出する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、マスク画像を抽出する方法及びプログラム、並びにボクセルデータを構築する方法及びプログラムに関する。より詳細には、被写体を撮影した画像と背景のみを撮影した画像からマスク画像を抽出するマッティング方法及びプログラム、並びに上記で抽出された複数枚のマスク画像から視体積交差法を適用しボクセルデータを構築するモデリングの方法及びプログラムに関する。
【背景技術】
【０００２】
従来、被写体を撮影した画像から被写体の存在を表すマスク画像を抽出するマッティング（ｍａｔｔｉｎｇ）と複数枚のマスク画像に視体積交差法を適用し３次元ボクセルデータを構築するモデリング（ｍｏｄｅｌｉｎｇ）は、別々に行われていた。このため、高精度なボクセルデータを構築するためには、まず高精度なマスク画像を抽出しなければならず、ブルーバックなどの特別な環境が必要であった。特許文献１及び非特許文献１では、背景差分に工夫をこらし、ボクセルデータの色情報を用いてマスク画像の欠損を埋めるマスク画像精度向上の方法を開示している。
【特許文献１】特開２００７−１７３６４号公報
【非特許文献１】豊浦正広他 ランダムパターン背景を用いた視体積交差法のためのシルエット修復手法 ２００５ 年 電子情報通信学会総合大会 Ｄ−１２−１３３
【発明の開示】
【発明が解決しようとする課題】
【０００３】
従来の方法では、精度の高いボクセルデータを構築するためには、初めに十分精度の高いマスク画像が必要であった。そのため、手作業や、ブルーバックなどの特別な撮影環境を用いて、複雑な計算処理を行い、精度の高いマスク画像を抽出しなければならないという課題があった。
【０００４】
従って、本発明は、手作業や特別な撮影環境を用いることなく、比較的単純な処理により精度の高いマスク画像を抽出する方法及びプログラム、並びに上記マスク画像からボクセルデータを構築する方法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】
【０００５】
上記目的を実現するため本発明による複数のマスク画像を抽出する方法は、被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、被写体の存在を表す複数のマスク画像を抽出する方法であって、前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出ステップと、前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築ステップと、前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築ステップと、前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出ステップとを含む。
【０００６】
また、前記複数の第２のマスク画像を、前記第１の構築ステップにおける複数の第１のマスク画像とすることで、前記第１の構築ステップから前記第２の抽出ステップまでを所定の回数繰り返すことも好ましい。
【０００７】
また、前記第２の構築ステップは、前記第１の３次元ボクセルデータの複数の第１のスライス画像を、ｘ軸、ｙ軸及びｚ軸方向から獲得するサブステップと、前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理の結果に基づき第２の３次元ボクセルデータを構築するサブステップとを含むことも好ましい。
【０００８】
また、前記第２の３次元ボクセルデータを構築するサブステップは、前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理により白色になった画素を求め、該画素に対応する前記第１の３次元ボクセルデータの３次元座標を埋めることで、第２の３次元ボクセルデータを構築するステップであることも好ましい。
【０００９】
また、前記第２の抽出ステップは、前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理により白色になった画素を求め、該画素をマスク画像に射影変換し、複数の第３のマスク画像を抽出するサブステップと、前記第２の３次元ボクセルデータの複数の第２のスライス画像を、ｙ軸方向から獲得するサブステップと、前記複数の第２のスライス画像の白色である画素を求め、該画素をマスク画像に射影変換し、複数の第４のマスク画像を抽出するサブステップと、前記複数の第４のマスク画像にフィルタ処理を施し、フィルタ処理された複数の第４のマスク画像と前記複数の第３のマスク画像の両画像共に白色である画素を白色とし、それ以外の画素を黒色とすることで、複数の第２のマスク画像を抽出するサブステップとを含むことも好ましい。
【００１０】
また、前記第２の抽出ステップ後に、前記複数の第２のマスク画像にフィルタ処理を施すステップをさらに含むことも好ましい。
【００１１】
上記目的を実現するため本発明による複数のマスク画像を抽出するプログラムは、被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、被写体の存在を表す複数のマスク画像を抽出するためのコンピュータを、前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出手段と、前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築手段と、前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築手段と、前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出手段ととして機能させる。
【００１２】
上記目的を実現するため本発明による３次元ボクセルデータを構築する方法は、被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、３次元ボクセルデータを構築する方法であって、前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出ステップと、前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築ステップと、前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築ステップと、前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出ステップと、前記複数の第２のマスク画像から視体積交差法により、第３の３次元ボクセルデータを構築する第３の構築ステップとを含む。
【００１３】
上記目的を実現するため本発明による３次元ボクセルデータを構築することを特徴とするプログラムは、被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、３次元ボクセルデータを構築するためのコンピュータを、前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出手段と、前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築手段と、前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築手段と、前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出手段と、前記複数の第２のマスク画像から視体積交差法により、第３の３次元ボクセルデータを構築する第３の構築手段として機能させる。
【発明の効果】
【００１４】
本発明のマスク画像を抽出する方法及びプログラムは、ボクセルデータの情報をマスク画像に反映させることで、マスク画像とボクセルデータの精度向上を補間的に行う。初めに高精度なマスク画像を必要とせず、さらに複雑な計算処理を行わずに高精度のマスク画像を抽出でき、この高精度のマスク画像から高精度のボクセルデータを構築できる。さらに、本発明は、特別な撮影環境に依らず、一般的な映像に対して適用可能である。
【発明を実施するための最良の形態】
【００１５】
本発明を実施するための最良の実施形態について、以下では図面を用いて詳細に説明する。図１は、本発明によるマスク画像の抽出とボクセルデータの構築方法を示すフローチャートである。以下、本フローチャートに基づいて説明する。
【００１６】
ステップ１：円周配置の複数枚の被写体画像と背景画像を取得する。キャリブレーション済みのカメラを複数台円周上に配置して、該複数台のカメラで被写体と背景を含む被写体画像と背景のみを含む背景画像とを撮影し、複数の異なった方向から撮影した被写体画像と背景画像を取得する。例えば、カメラが３０台配置された場合、被写体画像画像及び背景画像はそれぞれ３０枚取得される。
【００１７】
ステップ２：上記の被写体画像画像と、背景画像とから、背景差分を行うことにより、複数枚のマスク画像を抽出する。本マスク画像は、従来技術の単純な背景差分により抽出されるため、精度は高くない。マスク画像はカメラの台数分抽出される。例えば、カメラが３０台配置された場合、３０枚のマスク画像が抽出される。
【００１８】
ステップ３：複数枚のマスク画像に、視体積交差法を適用することにより、３次元ボクセルデータを構築する。ボクセルデータの精度は、マスク画像の精度に依存するため、ステップ２で抽出されたマスク画像を用いる場合、構築されたボクセルデータの精度は高くない。
【００１９】
ステップ４：上記で獲得されたボクセルデータをスライス画像として獲得する。３次元ボクセルデータをある方向からのスライス画像の集まりと考えて、ボクセルデータをスライス画像としてｘ軸、ｙ軸及びｚ軸方向から獲得する。スライス画像は各軸とも座標範囲の枚数分を獲得する。例えば、ボクセルデータのｙ軸座標範囲が−２５６〜２５５であった場合は、５１２枚のスライス画像を獲得する。なお、ｙ軸は鉛直方向であり、ｘ軸及びｚ軸は、それぞれ水平方向である。
【００２０】
ステップ５：穴を埋めたボクセルデータを構築する。ステップ４のスライス画像は精度が高くないボクセルデータから獲得されている場合があるため、黒色である箇所が白色となり穴が空いている欠損や、逆に白色の部分に黒色が表れるノイズが含まれていることもある。そのため、各方向（ｘ軸、ｙ軸、ｚ軸）から獲得されたスライス画像に対してフィルタ処理を施す。例えば、ガウスフィルタを適用し欠損を充填することで穴の部分を埋め、メディアンフィルタを適用し不要なノイズを除去する。このようにして、フィルタ済スライス画像を得る。次に、フィルタ済スライス画像とフィルタされる前のスライス画像とを比較し、新たに白色となった画素（つまり、フィルタ処理により穴が埋められた画素）を求め、本画素に対応するボクセルデータの３次元座標を埋める。例えば、ｘ軸の座標ｘ１で獲得されたスライス画像において、白色となった画素が、ｙ座標ｙ１、ｚ座標ｚ１であった場合、ボクセルデータの３次元座標（ｘ１、ｙ１、ｚ１）を埋める。以上の処理を全スライス画像に行い、穴を埋めたボクセルデータを獲得する。
【００２１】
ステップ６：複数枚の穴を埋めたマスク画像を抽出する。ステップ５での３次元座標を各マスク画像に射影変換し、各マスク画像における対応画素を白色にする。つまり、スライス画像の３次元座標を射影変換して、各マスク画像を撮影した位置から見た画像を作成し、該画像においてステップ５の３次元座標に対応する画素を白色にする。これにより、穴が埋められたマスク画像が抽出される。
【００２２】
ステップ７：上記ステップ５で獲得されたボクセルデータをｙ軸方向からスライス画像として獲得する。スライス画像はステップ４と同じく座標範囲の枚数分を獲得する。
【００２３】
ステップ８：不要部を除去した複数枚のマスク画像を抽出する。ステップ７で獲得されたｙ軸方向からのスライス画像の白色画素に対応する３次元座標をマスク画像に射影変換し、各マスク画像における対応画素を白色にする。これにより得られたマスク画像にフィルタ処理を施す。ここで得られたマスク画像とステップ６で抽出されたマスク画像とを比較して、両画像ともに白色である場合のみ白色とし、それ以外の場合は該当箇所を黒色にする。以上の処理を全マスク画像に行い、不要部を除去したマスク画像を抽出する。
【００２４】
ステップ９：複数枚の穴を埋めたマスク画像を抽出する。上記で得られたマスク画像にフィルタ処理を施すことによりさらに穴を埋める。このように、穴を埋め（ステップ６）、不要な部分を削除し（ステップ８）、穴を埋める（ステップ９）処理を施すことで、より高精度なマスク画像が抽出される。
【００２５】
ステップ１０：マスク画像の精度が十分であった場合、本マスク画像から視体積交差法を用いることにより、高精度なボクセルデータが構築される。マスク画像の精度が十分でなかった場合、ステップ９で得られたマスク画像をステップ３の入力とすることにより、ステップ３からステップ９を繰り返し、マスク画像とボクセルデータの精度を漸次更新していく。
【００２６】
一般に、視体積交差法を用いる場合、マスク画像における影や背景の不要部分は、ボクセルデータの生成にあまり影響を与えないが、人物マスク内の穴・欠損は、ボクセルデータの生成に大きな影響を与えるため、人物マスク内の穴・欠損を埋める必要がある。
【００２７】
また、ボクセルデータのスライス画像において人物が存在している画素（すなわち黒色でなく白色の画素）は、各マスク画像の該当画素においても必ず白色となるが、対象物体が存在していない画素（黒色の画素）は、各マスク画像において必ずしも黒色とは限らない。
【００２８】
よって、スライス画像における白色の画素が重要であり、スライス画像の精度の向上は、徐々に欠損・穴を埋めていくことになる。上記のステップ３からステップ９を繰り返すことで、スライス画像の精度が向上し、ボクセルモデルの欠損が徐々に埋まっていく。
【００２９】
次に、マスク画像の精度が向上していくことを実際の画像により示す。図２は、カメラ画像から得られたマスク画像の一例である。図２は、ステップ２で単純な背景差分により生成されたマスク画像であり、見て分かる通り、精度は高くない。
【００３０】
図３は、図２のマスク画像から構築されたボクセルデータの一例を示す。ボクセルデータは３次元であるため、水平方向（ｘ軸方向）から見た画像（ａ）と、鉛直方向（ｙ軸方向）から見た画像（ｂ）と、水平方向（ｚ軸方向）から見た画像（ｃ）を示す。なお、図３ｂは、図３ａ，ｃに比べて５０％縮小されている。本ボクセルデータは、精度が高くない図２のマスク画像から構築されたため、精度が高くない。本来白色であるはずのところが黒色で埋まっていなかったり、本来黒色のところが白色であったりする。
【００３１】
図４は、図３のボクセルデータの穴を埋めたボクセルデータの一例を示す。図３のボクセルデータをステップ５により穴を埋めた後のボクセルデータである。本図もｘ軸方向から見た画像（ａ）、ｙ軸方向から見た画像（ｂ）、ｚ軸方向から見た画像（ｃ）を示し、画像（ｂ）は５０％縮小されている。図３と図４を比較すると、例えば、ｘ軸方向の左から２番目の人物において穴が埋まっていることが分かる。
【００３２】
図５は、図２のマスク画像の穴を埋めたマスク画像を示す。図５はステップ５及びステップ６の処理が施されたマスク画像であり、図５と図２を比較すると人物の部分において穴が埋まっている。つまり、黒色のところが白色になっていることが分かる。
【００３３】
図６は、図５のマスク画像から不要部を除去したマスク画像を示す。図６はステップ８の処理が施されたマスク画像であり、図６と図５を比較すると不要な部分が除去されていることが分かる。なお、図６のマスク画像は、ステップ７のｙ軸方向から抽出されたスライス画像と図５のマスク画像の両方とも白い部分を抽出しているため、背景部分が除去されている。
【００３４】
図７は、図６のマスク画像にフィルタ処理を施したマスク画像を示す。図７はステップ９の処理が施されたマスク画像であり、図７と図６を比較するとフィルタ処理により、さらに穴埋めがなされていることが分かる。
【００３５】
なお、図２、図５、図６及び図７のマスク画像は、複数枚のマスク画像の１枚であり、実際にはカメラ台数分のマスク画像の処理が行われることになる。
【００３６】
図２のマスク画像と図７のマスク画像を比較すると、本発明のステップ３からステップ９を１回実行することにより、マスク画像の精度が大幅に向上することが分かる。
【００３７】
本発明のステップ３からステップ９は、複数回実行して、さらにマスク画像の精度を高めることができる。図８は、本発明のステップ３からステップ９を３回実行することにより抽出されたマスク画像を示し、図９は、本発明のステップ３からステップ９を５回実行することにより抽出されたマスク画像を示す。図１０は、本発明のステップ３からステップ９を７回実行することにより抽出されたマスク画像を示す。図１１は、本発明のステップ３からステップ９を９回実行することにより抽出されたマスク画像を示す。図７、図８、図９、図１０、図１１のマスク画像を比較すると、マスク画像の精度が漸次向上していくことが見て取れる。例えば、矢印１で指摘される箇所は、本来白色であるはずの人物内の箇所である。図７と図８を比較すると、穴が小さくなっていることが分かり、図９、図１０、図１１では穴が完全にふさがっていることが分かる。また、矢印２で指摘される箇所は、本来黒色であるはずの背景の箇所である。図７、図８、図９を比較すると、白色の箇所が小さくなっていることが分かり、図１０、図１１では白色の箇所が完全になくなっていることが分かる。
【００３８】
最後に、上記の図７、図８、図９、図１０、図１１のマスク画像から構築されたボクセルデータを示す。それぞれ、図１２は、図７のマスク画像から構築されたボクセルデータを示し、図１３は、図８のマスク画像から構築されたボクセルデータを示し、図１４は、図９のマスク画像から構築されたボクセルデータを示し、図１５は、図１０のマスク画像から構築されたボクセルデータを示し、図１６は、図１１のマスク画像から構築されたボクセルデータを示す。各図は、ｘ軸方向から見た画像（ａ）、ｙ軸方向から見た画像（ｂ）、ｚ軸方向から見た画像（ｃ）を示し、画像（ｂ）は５０％縮小されている。それぞれ、マスク画像の精度向上と共にボクセルデータの精度の向上していることが分かる。例えば、ｘ軸方向の左から２番目の人物において、図１２、図１３、図１４と進むにつれて、次第に穴が小さくなっていき、図１５、図１６では穴が完全に埋まっていることが分かる。また、右から２番目の人物の足下の（背景であり黒色であるべき）白色の部分が、図１２、図１３、図１４、図１５と進むにつれて、小さくなっていき、図１６で完全になくなっていることが分かる。このように精度の向上したマスク画像から精度の向上したボクセルデータが構築されることが分かる。
【００３９】
また、以上述べた実施形態は全て本発明を例示的に示すものであって限定的に示すものではなく、本発明は他の種々の変形態様及び変更態様で実施することができる。従って本発明の範囲は特許請求の範囲及びその均等範囲によってのみ規定されるものである。
【図面の簡単な説明】
【００４０】
【図１】本発明によるマスク画像の抽出とボクセルデータの構築方法を示すフローチャートである。
【図２】カメラ画像から得られたマスク画像の一例である。
【図３】図２のマスク画像から構築されたボクセルデータの一例を示す。
【図４】図３のボクセルデータの穴を埋めたボクセルデータの一例を示す。
【図５】図２のマスク画像の穴を埋めたマスク画像を示す。
【図６】図５のマスク画像から不要部を除去したマスク画像を示す。
【図７】図６のマスク画像にフィルタ処理を施したマスク画像を示す。
【図８】本発明のステップ３からステップ９を３回実行することにより抽出されたマスク画像を示す。
【図９】本発明のステップ３からステップ９を５回実行することにより抽出されたマスク画像を示す。
【図１０】本発明のステップ３からステップ９を７回実行することにより抽出されたマスク画像を示す。
【図１１】本発明のステップ３からステップ９を９回実行することにより抽出されたマスク画像を示す。
【図１２】図７のマスク画像から構築されたボクセルデータを示す。
【図１３】図８のマスク画像から構築されたボクセルデータを示す。
【図１４】図９のマスク画像から構築されたボクセルデータを示す。
【図１５】図１０のマスク画像から構築されたボクセルデータを示す。
【図１６】図１１のマスク画像から構築されたボクセルデータを示す。
【技術分野】
【０００１】
本発明は、マスク画像を抽出する方法及びプログラム、並びにボクセルデータを構築する方法及びプログラムに関する。より詳細には、被写体を撮影した画像と背景のみを撮影した画像からマスク画像を抽出するマッティング方法及びプログラム、並びに上記で抽出された複数枚のマスク画像から視体積交差法を適用しボクセルデータを構築するモデリングの方法及びプログラムに関する。
【背景技術】
【０００２】
従来、被写体を撮影した画像から被写体の存在を表すマスク画像を抽出するマッティング（ｍａｔｔｉｎｇ）と複数枚のマスク画像に視体積交差法を適用し３次元ボクセルデータを構築するモデリング（ｍｏｄｅｌｉｎｇ）は、別々に行われていた。このため、高精度なボクセルデータを構築するためには、まず高精度なマスク画像を抽出しなければならず、ブルーバックなどの特別な環境が必要であった。特許文献１及び非特許文献１では、背景差分に工夫をこらし、ボクセルデータの色情報を用いてマスク画像の欠損を埋めるマスク画像精度向上の方法を開示している。
【特許文献１】特開２００７−１７３６４号公報
【非特許文献１】豊浦正広他 ランダムパターン背景を用いた視体積交差法のためのシルエット修復手法 ２００５ 年 電子情報通信学会総合大会 Ｄ−１２−１３３
【発明の開示】
【発明が解決しようとする課題】
【０００３】
従来の方法では、精度の高いボクセルデータを構築するためには、初めに十分精度の高いマスク画像が必要であった。そのため、手作業や、ブルーバックなどの特別な撮影環境を用いて、複雑な計算処理を行い、精度の高いマスク画像を抽出しなければならないという課題があった。
【０００４】
従って、本発明は、手作業や特別な撮影環境を用いることなく、比較的単純な処理により精度の高いマスク画像を抽出する方法及びプログラム、並びに上記マスク画像からボクセルデータを構築する方法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】
【０００５】
上記目的を実現するため本発明による複数のマスク画像を抽出する方法は、被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、被写体の存在を表す複数のマスク画像を抽出する方法であって、前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出ステップと、前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築ステップと、前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築ステップと、前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出ステップとを含む。
【０００６】
また、前記複数の第２のマスク画像を、前記第１の構築ステップにおける複数の第１のマスク画像とすることで、前記第１の構築ステップから前記第２の抽出ステップまでを所定の回数繰り返すことも好ましい。
【０００７】
また、前記第２の構築ステップは、前記第１の３次元ボクセルデータの複数の第１のスライス画像を、ｘ軸、ｙ軸及びｚ軸方向から獲得するサブステップと、前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理の結果に基づき第２の３次元ボクセルデータを構築するサブステップとを含むことも好ましい。
【０００８】
また、前記第２の３次元ボクセルデータを構築するサブステップは、前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理により白色になった画素を求め、該画素に対応する前記第１の３次元ボクセルデータの３次元座標を埋めることで、第２の３次元ボクセルデータを構築するステップであることも好ましい。
【０００９】
また、前記第２の抽出ステップは、前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理により白色になった画素を求め、該画素をマスク画像に射影変換し、複数の第３のマスク画像を抽出するサブステップと、前記第２の３次元ボクセルデータの複数の第２のスライス画像を、ｙ軸方向から獲得するサブステップと、前記複数の第２のスライス画像の白色である画素を求め、該画素をマスク画像に射影変換し、複数の第４のマスク画像を抽出するサブステップと、前記複数の第４のマスク画像にフィルタ処理を施し、フィルタ処理された複数の第４のマスク画像と前記複数の第３のマスク画像の両画像共に白色である画素を白色とし、それ以外の画素を黒色とすることで、複数の第２のマスク画像を抽出するサブステップとを含むことも好ましい。
【００１０】
また、前記第２の抽出ステップ後に、前記複数の第２のマスク画像にフィルタ処理を施すステップをさらに含むことも好ましい。
【００１１】
上記目的を実現するため本発明による複数のマスク画像を抽出するプログラムは、被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、被写体の存在を表す複数のマスク画像を抽出するためのコンピュータを、前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出手段と、前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築手段と、前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築手段と、前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出手段ととして機能させる。
【００１２】
上記目的を実現するため本発明による３次元ボクセルデータを構築する方法は、被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、３次元ボクセルデータを構築する方法であって、前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出ステップと、前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築ステップと、前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築ステップと、前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出ステップと、前記複数の第２のマスク画像から視体積交差法により、第３の３次元ボクセルデータを構築する第３の構築ステップとを含む。
【００１３】
上記目的を実現するため本発明による３次元ボクセルデータを構築することを特徴とするプログラムは、被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、３次元ボクセルデータを構築するためのコンピュータを、前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出手段と、前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築手段と、前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築手段と、前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出手段と、前記複数の第２のマスク画像から視体積交差法により、第３の３次元ボクセルデータを構築する第３の構築手段として機能させる。
【発明の効果】
【００１４】
本発明のマスク画像を抽出する方法及びプログラムは、ボクセルデータの情報をマスク画像に反映させることで、マスク画像とボクセルデータの精度向上を補間的に行う。初めに高精度なマスク画像を必要とせず、さらに複雑な計算処理を行わずに高精度のマスク画像を抽出でき、この高精度のマスク画像から高精度のボクセルデータを構築できる。さらに、本発明は、特別な撮影環境に依らず、一般的な映像に対して適用可能である。
【発明を実施するための最良の形態】
【００１５】
本発明を実施するための最良の実施形態について、以下では図面を用いて詳細に説明する。図１は、本発明によるマスク画像の抽出とボクセルデータの構築方法を示すフローチャートである。以下、本フローチャートに基づいて説明する。
【００１６】
ステップ１：円周配置の複数枚の被写体画像と背景画像を取得する。キャリブレーション済みのカメラを複数台円周上に配置して、該複数台のカメラで被写体と背景を含む被写体画像と背景のみを含む背景画像とを撮影し、複数の異なった方向から撮影した被写体画像と背景画像を取得する。例えば、カメラが３０台配置された場合、被写体画像画像及び背景画像はそれぞれ３０枚取得される。
【００１７】
ステップ２：上記の被写体画像画像と、背景画像とから、背景差分を行うことにより、複数枚のマスク画像を抽出する。本マスク画像は、従来技術の単純な背景差分により抽出されるため、精度は高くない。マスク画像はカメラの台数分抽出される。例えば、カメラが３０台配置された場合、３０枚のマスク画像が抽出される。
【００１８】
ステップ３：複数枚のマスク画像に、視体積交差法を適用することにより、３次元ボクセルデータを構築する。ボクセルデータの精度は、マスク画像の精度に依存するため、ステップ２で抽出されたマスク画像を用いる場合、構築されたボクセルデータの精度は高くない。
【００１９】
ステップ４：上記で獲得されたボクセルデータをスライス画像として獲得する。３次元ボクセルデータをある方向からのスライス画像の集まりと考えて、ボクセルデータをスライス画像としてｘ軸、ｙ軸及びｚ軸方向から獲得する。スライス画像は各軸とも座標範囲の枚数分を獲得する。例えば、ボクセルデータのｙ軸座標範囲が−２５６〜２５５であった場合は、５１２枚のスライス画像を獲得する。なお、ｙ軸は鉛直方向であり、ｘ軸及びｚ軸は、それぞれ水平方向である。
【００２０】
ステップ５：穴を埋めたボクセルデータを構築する。ステップ４のスライス画像は精度が高くないボクセルデータから獲得されている場合があるため、黒色である箇所が白色となり穴が空いている欠損や、逆に白色の部分に黒色が表れるノイズが含まれていることもある。そのため、各方向（ｘ軸、ｙ軸、ｚ軸）から獲得されたスライス画像に対してフィルタ処理を施す。例えば、ガウスフィルタを適用し欠損を充填することで穴の部分を埋め、メディアンフィルタを適用し不要なノイズを除去する。このようにして、フィルタ済スライス画像を得る。次に、フィルタ済スライス画像とフィルタされる前のスライス画像とを比較し、新たに白色となった画素（つまり、フィルタ処理により穴が埋められた画素）を求め、本画素に対応するボクセルデータの３次元座標を埋める。例えば、ｘ軸の座標ｘ１で獲得されたスライス画像において、白色となった画素が、ｙ座標ｙ１、ｚ座標ｚ１であった場合、ボクセルデータの３次元座標（ｘ１、ｙ１、ｚ１）を埋める。以上の処理を全スライス画像に行い、穴を埋めたボクセルデータを獲得する。
【００２１】
ステップ６：複数枚の穴を埋めたマスク画像を抽出する。ステップ５での３次元座標を各マスク画像に射影変換し、各マスク画像における対応画素を白色にする。つまり、スライス画像の３次元座標を射影変換して、各マスク画像を撮影した位置から見た画像を作成し、該画像においてステップ５の３次元座標に対応する画素を白色にする。これにより、穴が埋められたマスク画像が抽出される。
【００２２】
ステップ７：上記ステップ５で獲得されたボクセルデータをｙ軸方向からスライス画像として獲得する。スライス画像はステップ４と同じく座標範囲の枚数分を獲得する。
【００２３】
ステップ８：不要部を除去した複数枚のマスク画像を抽出する。ステップ７で獲得されたｙ軸方向からのスライス画像の白色画素に対応する３次元座標をマスク画像に射影変換し、各マスク画像における対応画素を白色にする。これにより得られたマスク画像にフィルタ処理を施す。ここで得られたマスク画像とステップ６で抽出されたマスク画像とを比較して、両画像ともに白色である場合のみ白色とし、それ以外の場合は該当箇所を黒色にする。以上の処理を全マスク画像に行い、不要部を除去したマスク画像を抽出する。
【００２４】
ステップ９：複数枚の穴を埋めたマスク画像を抽出する。上記で得られたマスク画像にフィルタ処理を施すことによりさらに穴を埋める。このように、穴を埋め（ステップ６）、不要な部分を削除し（ステップ８）、穴を埋める（ステップ９）処理を施すことで、より高精度なマスク画像が抽出される。
【００２５】
ステップ１０：マスク画像の精度が十分であった場合、本マスク画像から視体積交差法を用いることにより、高精度なボクセルデータが構築される。マスク画像の精度が十分でなかった場合、ステップ９で得られたマスク画像をステップ３の入力とすることにより、ステップ３からステップ９を繰り返し、マスク画像とボクセルデータの精度を漸次更新していく。
【００２６】
一般に、視体積交差法を用いる場合、マスク画像における影や背景の不要部分は、ボクセルデータの生成にあまり影響を与えないが、人物マスク内の穴・欠損は、ボクセルデータの生成に大きな影響を与えるため、人物マスク内の穴・欠損を埋める必要がある。
【００２７】
また、ボクセルデータのスライス画像において人物が存在している画素（すなわち黒色でなく白色の画素）は、各マスク画像の該当画素においても必ず白色となるが、対象物体が存在していない画素（黒色の画素）は、各マスク画像において必ずしも黒色とは限らない。
【００２８】
よって、スライス画像における白色の画素が重要であり、スライス画像の精度の向上は、徐々に欠損・穴を埋めていくことになる。上記のステップ３からステップ９を繰り返すことで、スライス画像の精度が向上し、ボクセルモデルの欠損が徐々に埋まっていく。
【００２９】
次に、マスク画像の精度が向上していくことを実際の画像により示す。図２は、カメラ画像から得られたマスク画像の一例である。図２は、ステップ２で単純な背景差分により生成されたマスク画像であり、見て分かる通り、精度は高くない。
【００３０】
図３は、図２のマスク画像から構築されたボクセルデータの一例を示す。ボクセルデータは３次元であるため、水平方向（ｘ軸方向）から見た画像（ａ）と、鉛直方向（ｙ軸方向）から見た画像（ｂ）と、水平方向（ｚ軸方向）から見た画像（ｃ）を示す。なお、図３ｂは、図３ａ，ｃに比べて５０％縮小されている。本ボクセルデータは、精度が高くない図２のマスク画像から構築されたため、精度が高くない。本来白色であるはずのところが黒色で埋まっていなかったり、本来黒色のところが白色であったりする。
【００３１】
図４は、図３のボクセルデータの穴を埋めたボクセルデータの一例を示す。図３のボクセルデータをステップ５により穴を埋めた後のボクセルデータである。本図もｘ軸方向から見た画像（ａ）、ｙ軸方向から見た画像（ｂ）、ｚ軸方向から見た画像（ｃ）を示し、画像（ｂ）は５０％縮小されている。図３と図４を比較すると、例えば、ｘ軸方向の左から２番目の人物において穴が埋まっていることが分かる。
【００３２】
図５は、図２のマスク画像の穴を埋めたマスク画像を示す。図５はステップ５及びステップ６の処理が施されたマスク画像であり、図５と図２を比較すると人物の部分において穴が埋まっている。つまり、黒色のところが白色になっていることが分かる。
【００３３】
図６は、図５のマスク画像から不要部を除去したマスク画像を示す。図６はステップ８の処理が施されたマスク画像であり、図６と図５を比較すると不要な部分が除去されていることが分かる。なお、図６のマスク画像は、ステップ７のｙ軸方向から抽出されたスライス画像と図５のマスク画像の両方とも白い部分を抽出しているため、背景部分が除去されている。
【００３４】
図７は、図６のマスク画像にフィルタ処理を施したマスク画像を示す。図７はステップ９の処理が施されたマスク画像であり、図７と図６を比較するとフィルタ処理により、さらに穴埋めがなされていることが分かる。
【００３５】
なお、図２、図５、図６及び図７のマスク画像は、複数枚のマスク画像の１枚であり、実際にはカメラ台数分のマスク画像の処理が行われることになる。
【００３６】
図２のマスク画像と図７のマスク画像を比較すると、本発明のステップ３からステップ９を１回実行することにより、マスク画像の精度が大幅に向上することが分かる。
【００３７】
本発明のステップ３からステップ９は、複数回実行して、さらにマスク画像の精度を高めることができる。図８は、本発明のステップ３からステップ９を３回実行することにより抽出されたマスク画像を示し、図９は、本発明のステップ３からステップ９を５回実行することにより抽出されたマスク画像を示す。図１０は、本発明のステップ３からステップ９を７回実行することにより抽出されたマスク画像を示す。図１１は、本発明のステップ３からステップ９を９回実行することにより抽出されたマスク画像を示す。図７、図８、図９、図１０、図１１のマスク画像を比較すると、マスク画像の精度が漸次向上していくことが見て取れる。例えば、矢印１で指摘される箇所は、本来白色であるはずの人物内の箇所である。図７と図８を比較すると、穴が小さくなっていることが分かり、図９、図１０、図１１では穴が完全にふさがっていることが分かる。また、矢印２で指摘される箇所は、本来黒色であるはずの背景の箇所である。図７、図８、図９を比較すると、白色の箇所が小さくなっていることが分かり、図１０、図１１では白色の箇所が完全になくなっていることが分かる。
【００３８】
最後に、上記の図７、図８、図９、図１０、図１１のマスク画像から構築されたボクセルデータを示す。それぞれ、図１２は、図７のマスク画像から構築されたボクセルデータを示し、図１３は、図８のマスク画像から構築されたボクセルデータを示し、図１４は、図９のマスク画像から構築されたボクセルデータを示し、図１５は、図１０のマスク画像から構築されたボクセルデータを示し、図１６は、図１１のマスク画像から構築されたボクセルデータを示す。各図は、ｘ軸方向から見た画像（ａ）、ｙ軸方向から見た画像（ｂ）、ｚ軸方向から見た画像（ｃ）を示し、画像（ｂ）は５０％縮小されている。それぞれ、マスク画像の精度向上と共にボクセルデータの精度の向上していることが分かる。例えば、ｘ軸方向の左から２番目の人物において、図１２、図１３、図１４と進むにつれて、次第に穴が小さくなっていき、図１５、図１６では穴が完全に埋まっていることが分かる。また、右から２番目の人物の足下の（背景であり黒色であるべき）白色の部分が、図１２、図１３、図１４、図１５と進むにつれて、小さくなっていき、図１６で完全になくなっていることが分かる。このように精度の向上したマスク画像から精度の向上したボクセルデータが構築されることが分かる。
【００３９】
また、以上述べた実施形態は全て本発明を例示的に示すものであって限定的に示すものではなく、本発明は他の種々の変形態様及び変更態様で実施することができる。従って本発明の範囲は特許請求の範囲及びその均等範囲によってのみ規定されるものである。
【図面の簡単な説明】
【００４０】
【図１】本発明によるマスク画像の抽出とボクセルデータの構築方法を示すフローチャートである。
【図２】カメラ画像から得られたマスク画像の一例である。
【図３】図２のマスク画像から構築されたボクセルデータの一例を示す。
【図４】図３のボクセルデータの穴を埋めたボクセルデータの一例を示す。
【図５】図２のマスク画像の穴を埋めたマスク画像を示す。
【図６】図５のマスク画像から不要部を除去したマスク画像を示す。
【図７】図６のマスク画像にフィルタ処理を施したマスク画像を示す。
【図８】本発明のステップ３からステップ９を３回実行することにより抽出されたマスク画像を示す。
【図９】本発明のステップ３からステップ９を５回実行することにより抽出されたマスク画像を示す。
【図１０】本発明のステップ３からステップ９を７回実行することにより抽出されたマスク画像を示す。
【図１１】本発明のステップ３からステップ９を９回実行することにより抽出されたマスク画像を示す。
【図１２】図７のマスク画像から構築されたボクセルデータを示す。
【図１３】図８のマスク画像から構築されたボクセルデータを示す。
【図１４】図９のマスク画像から構築されたボクセルデータを示す。
【図１５】図１０のマスク画像から構築されたボクセルデータを示す。
【図１６】図１１のマスク画像から構築されたボクセルデータを示す。
【特許請求の範囲】
【請求項１】
被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、被写体の存在を表す複数のマスク画像を抽出する方法であって、
前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出ステップと、
前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築ステップと、
前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築ステップと、
前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出ステップと、
を含むことを特徴とする複数のマスク画像を抽出する方法。
【請求項２】
前記複数の第２のマスク画像を、前記第１の構築ステップにおける複数の第１のマスク画像とすることで、前記第１の構築ステップから前記第２の抽出ステップまでを所定の回数繰り返すことを特徴とする請求項１に記載の複数のマスク画像を抽出する方法。
【請求項３】
前記第２の構築ステップは、
前記第１の３次元ボクセルデータの複数の第１のスライス画像を、ｘ軸、ｙ軸及びｚ軸方向から獲得するサブステップと、
前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理の結果に基づき第２の３次元ボクセルデータを構築するサブステップと、
を含むことを特徴とする請求項１または２に記載の複数のマスク画像を抽出する方法。
【請求項４】
前記第２の３次元ボクセルデータを構築するサブステップは、
前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理により白色になった画素を求め、該画素に対応する前記第１の３次元ボクセルデータの３次元座標を埋めることで、第２の３次元ボクセルデータを構築するステップであることを特徴とする請求項３に記載の複数のマスク画像を抽出する方法。
【請求項５】
前記第２の抽出ステップは、
前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理により白色になった画素を求め、該画素をマスク画像に射影変換し、複数の第３のマスク画像を抽出するサブステップと、
前記第２の３次元ボクセルデータの複数の第２のスライス画像を、ｙ軸方向から獲得するサブステップと、
前記複数の第２のスライス画像の白色である画素を求め、該画素をマスク画像に射影変換し、複数の第４のマスク画像を抽出するサブステップと、
前記複数の第４のマスク画像にフィルタ処理を施し、フィルタ処理された複数の第４のマスク画像と前記複数の第３のマスク画像の両画像共に白色である画素を白色とし、それ以外の画素を黒色とすることで、複数の第２のマスク画像を抽出するサブステップと、
を含むことを特徴とする請求項１から４のいずれか１項に記載の複数のマスク画像を抽出する方法。
【請求項６】
前記第２の抽出ステップ後に、前記複数の第２のマスク画像にフィルタ処理を施すステップをさらに含むことを特徴とする請求項１から５のいずれか１項に記載の複数のマスク画像を抽出する方法。
【請求項７】
被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、被写体の存在を表す複数のマスク画像を抽出するためのコンピュータを、
前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出手段と、
前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築手段と、
前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築手段と、
前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出手段と、
として機能させ、複数のマスク画像を抽出することを特徴とするプログラム。
【請求項８】
被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、３次元ボクセルデータを構築する方法であって、
前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出ステップと、
前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築ステップと、
前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築ステップと、
前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出ステップと、
前記複数の第２のマスク画像から視体積交差法により、第３の３次元ボクセルデータを構築する第３の構築ステップと、
を含むことを特徴とする３次元ボクセルデータを構築する方法。
【請求項９】
被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、３次元ボクセルデータを構築するためのコンピュータを、
前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出手段と、
前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築手段と、
前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築手段と、
前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出手段と、
前記複数の第２のマスク画像から視体積交差法により、第３の３次元ボクセルデータを構築する第３の構築手段と、
として機能させ、３次元ボクセルデータを構築することを特徴とするプログラム。
【請求項１】
被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、被写体の存在を表す複数のマスク画像を抽出する方法であって、
前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出ステップと、
前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築ステップと、
前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築ステップと、
前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出ステップと、
を含むことを特徴とする複数のマスク画像を抽出する方法。
【請求項２】
前記複数の第２のマスク画像を、前記第１の構築ステップにおける複数の第１のマスク画像とすることで、前記第１の構築ステップから前記第２の抽出ステップまでを所定の回数繰り返すことを特徴とする請求項１に記載の複数のマスク画像を抽出する方法。
【請求項３】
前記第２の構築ステップは、
前記第１の３次元ボクセルデータの複数の第１のスライス画像を、ｘ軸、ｙ軸及びｚ軸方向から獲得するサブステップと、
前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理の結果に基づき第２の３次元ボクセルデータを構築するサブステップと、
を含むことを特徴とする請求項１または２に記載の複数のマスク画像を抽出する方法。
【請求項４】
前記第２の３次元ボクセルデータを構築するサブステップは、
前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理により白色になった画素を求め、該画素に対応する前記第１の３次元ボクセルデータの３次元座標を埋めることで、第２の３次元ボクセルデータを構築するステップであることを特徴とする請求項３に記載の複数のマスク画像を抽出する方法。
【請求項５】
前記第２の抽出ステップは、
前記複数の第１のスライス画像にフィルタ処理を施し、該フィルタ処理により白色になった画素を求め、該画素をマスク画像に射影変換し、複数の第３のマスク画像を抽出するサブステップと、
前記第２の３次元ボクセルデータの複数の第２のスライス画像を、ｙ軸方向から獲得するサブステップと、
前記複数の第２のスライス画像の白色である画素を求め、該画素をマスク画像に射影変換し、複数の第４のマスク画像を抽出するサブステップと、
前記複数の第４のマスク画像にフィルタ処理を施し、フィルタ処理された複数の第４のマスク画像と前記複数の第３のマスク画像の両画像共に白色である画素を白色とし、それ以外の画素を黒色とすることで、複数の第２のマスク画像を抽出するサブステップと、
を含むことを特徴とする請求項１から４のいずれか１項に記載の複数のマスク画像を抽出する方法。
【請求項６】
前記第２の抽出ステップ後に、前記複数の第２のマスク画像にフィルタ処理を施すステップをさらに含むことを特徴とする請求項１から５のいずれか１項に記載の複数のマスク画像を抽出する方法。
【請求項７】
被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、被写体の存在を表す複数のマスク画像を抽出するためのコンピュータを、
前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出手段と、
前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築手段と、
前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築手段と、
前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出手段と、
として機能させ、複数のマスク画像を抽出することを特徴とするプログラム。
【請求項８】
被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、３次元ボクセルデータを構築する方法であって、
前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出ステップと、
前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築ステップと、
前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築ステップと、
前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出ステップと、
前記複数の第２のマスク画像から視体積交差法により、第３の３次元ボクセルデータを構築する第３の構築ステップと、
を含むことを特徴とする３次元ボクセルデータを構築する方法。
【請求項９】
被写体と背景を撮影した複数の被写体画像と背景のみを撮影した複数の背景画像とから、３次元ボクセルデータを構築するためのコンピュータを、
前記複数の被写体画像と前記複数の背景画像とから背景差分により、複数の第１のマスク画像を抽出する第１の抽出手段と、
前記複数の第１のマスク画像から視体積交差法により、第１の３次元ボクセルデータを構築する第１の構築手段と、
前記第１の３次元ボクセルデータに対して、欠損を充填する及び／又はノイズを除去する加工を施し、第２の３次元ボクセルデータを構築する第２の構築手段と、
前記第２の３次元ボクセルデータから、複数の第２のマスク画像を抽出する第２の抽出手段と、
前記複数の第２のマスク画像から視体積交差法により、第３の３次元ボクセルデータを構築する第３の構築手段と、
として機能させ、３次元ボクセルデータを構築することを特徴とするプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【公開番号】特開２０１０−１５２７７１（Ｐ２０１０−１５２７７１Ａ）
【公開日】平成２２年７月８日（２０１０．７．８）
【国際特許分類】
【出願番号】特願２００８−３３１７６２（Ｐ２００８−３３１７６２）
【出願日】平成２０年１２月２６日（２００８．１２．２６）
【出願人】（０００２０８８９１）ＫＤＤＩ株式会社 (2,700)
【Ｆターム（参考）】
【公開日】平成２２年７月８日（２０１０．７．８）
【国際特許分類】
【出願日】平成２０年１２月２６日（２００８．１２．２６）
【出願人】（０００２０８８９１）ＫＤＤＩ株式会社 (2,700)
【Ｆターム（参考）】
[ Back to top ]