対象物識別装置および対象物識別方法
【課題】画像データからより確実に移動対象物を検出し識別する。
【解決手段】画像データ取得部（１００）にて対象物を撮影した画像データを規定のレートで順次取得し、画素間位置検出部（１０２）にて順次取得される複数の画像データ間の相対位置を検出し、候補領域抽出部（１０３）にて前記相対位置から前記複数の画像データ間の差分を検出しその差分を前記対象物の候補領域として１つもしくは複数抽出し、移動量検出部（１０４）にて前記複数の画像データにわたって前記候補領域の移動量を検出し、解像度向上部（１０５）にて前記移動量を基に前記候補領域の解像度を向上させる。一方、予め対象物のモデルパターンをモデル記憶部（１０７）に記憶しておき、対象物識別部（１０６）にて、解像度を向上させた候補領域と記憶されたモデルパターンとを比較して対象物を識別する。
【解決手段】画像データ取得部（１００）にて対象物を撮影した画像データを規定のレートで順次取得し、画素間位置検出部（１０２）にて順次取得される複数の画像データ間の相対位置を検出し、候補領域抽出部（１０３）にて前記相対位置から前記複数の画像データ間の差分を検出しその差分を前記対象物の候補領域として１つもしくは複数抽出し、移動量検出部（１０４）にて前記複数の画像データにわたって前記候補領域の移動量を検出し、解像度向上部（１０５）にて前記移動量を基に前記候補領域の解像度を向上させる。一方、予め対象物のモデルパターンをモデル記憶部（１０７）に記憶しておき、対象物識別部（１０６）にて、解像度を向上させた候補領域と記憶されたモデルパターンとを比較して対象物を識別する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、例えば誘導飛翔体の発射装置もしくは誘導飛翔体自身に搭載され、対象物を識別し追尾するために用いられる対象物識別装置に係り、特に移動する対象物を識別する技術に関する。
【背景技術】
【０００２】
飛来する対象物（以下、移動対象物）に向けて地上側から発射される誘導飛翔体を誘導する誘導システムにあっては、赤外線カメラ等の撮像機器を利用する方法が知られている。この方法は、撮像機器で移動対象物の方向を撮影し、撮影によって取得された赤外線等による画像データを画像処理することにより輝度領域分布による画像を生成する。そして、画像中の高輝度領域を移動対象物として抽出し、抽出された各領域の輝度最大値、最小値、平均輝度、大きさなどの画像特徴量を演算し、これらの画像特徴量を基に、予め用意される影像パターンに最も近い領域を移動対象物と識別し追尾誘導する。
【０００３】
ところで、実際には、地表や雲のような対象物と紛らわしい物体が画像内に入り込んで、移動対象物の背景にその移動対象物と同様な輝度を示す領域が存在することが多々ある。この場合、画像特微量だけでは移動対象物を背景と区別して的確に認識することが困難である。そこで、従来では、このような状態においても的確に移動対象物を識別するために、連続的に得られる各画像データから関連領域を抽出し、各領域の動きを反映する特微量を抽出し、これを基に移動対象物を背景と区別する技術が存在する。
【０００４】
但し、既存の技術の多くは、赤外線画像のうち輝度の高い領域を抽出し、抽出された領域の重心の座標をその領域の位置として定義し、各領域の位置（重心座標）の移動により、移動する対象物として検出するようにしている。
【０００５】
しかしながら、上記の手法では、コントラストの変化やノイズの影響によって領域の形状が変化するので、重心の座標も容易に変化してしまうことになる。このため、領域が静止している状態でもコントラストの変化やノイズの影響により重心位置が変化し、誤った領域の動きが検出されることがある。このような誤検出は、目標とする移動対象物が近くに存在し、その見かけ上の動きが大きければあまり影響しないが、目標が遠方に存在し見かけ上の動きの大きさが微小であれば深刻な影響を及ぼすことになる。
【０００６】
例えば、特許文献１にある目標検出装置は、ガウス分布形状で作成したテンプレートと赤外線画像データ上の像をマッチングさせることで、遠方にある見かけ上小さい対象物を検出することを可能としているが、対象物の元々の像が小さいために同程度の大きさを持った像が同じ画像内に存在する場合、誤識別を起こしてしまう可能性があった。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００９−６９０１９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
以上のように、既存の対象物識別技術では、コントラストの変化やノイズの影響により重心位置が変化し、誤った領域の動きが検出されることがあり、移動対象物が遠方に存在して見かけ上の像の動きが微小な場合には、同じ画像内に存在する同程度の像を誤識別してしまうおそれがある等、深刻な影響を及ぼすことになる。
【０００９】
本実施形態は上記の問題を解決するためになされたもので、取得した画像のコントラストの変化やノイズの影響を受けることなく、その画像からより確実に移動対象物を検出し識別することのできる対象物識別装置および対象物識別方法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】
【００１０】
上記の課題を解決するために、本実施形態によれば、画像データ取得手段にて対象物を撮影した画像データを規定のレートで順次取得し、画素間位置検出手段にて順次取得される複数の画像データ間の相対位置を検出し、候補領域抽出手段にて前記相対位置から前記複数の画像データ間の差分を検出しその差分を前記対象物の候補領域として１つもしくは複数抽出し、移動量検出手段にて前記複数の画像データにわたって前記候補領域の移動量を検出し、解像度向上手段にて前記移動量を基に前記候補領域の解像度を向上させる。一方、予め対象物のモデルパターンをモデル記憶手段に記憶しておき、対象物識別手段にて、解像度を向上させた候補領域と記憶されたモデルパターンとを比較して対象物を識別する。
【図面の簡単な説明】
【００１１】
【図１】実施形態１における対象物識別装置の構成を示すブロック図。
【図２】図１に示す対象物識別装置内の画像データ取得部の動作を説明するための概念図。
【図３】図１に示す対象物識別装置内の画像間位置検出部の動作を説明するための概念図。
【図４】図１に示す対象物識別装置内の候補領域抽出部の動作を説明するための概念図。
【図５】図１に示す対象物識別装置内の移動量検出部の動作を説明するための概念図。
【図６】図１に示す対象物識別装置内の移動量検出部の動作を説明するための概念図。
【図７】図１に示す対象物識別装置内の解像度向上部の動作を説明するための概念図。
【図８】図１に示す対象物識別装置の処理の流れを示すフローチャート。
【図９】実施形態２における対象物識別装置の構成を示すブロック図。
【発明を実施するための形態】
【００１２】
以下、図面を参照して本実施形態に係る対象物位置検出装置を説明する。
【００１３】
（実施形態１）
まず、図１から図７を用いて実施形態１を説明する。
【００１４】
図１は、実施形態１における対象物識別装置の構成及び機能を示すブロック図である。この対象物識別装置は、画像データ取得部１００を備える。この画像データ取得部１００は赤外線撮像カメラ等で構成され、移動対象物に向けて撮影することで移動対象物を含む電磁波画像データを取得するもので、取得された電磁波画像データは高輝度領域抽出部１０１に送られる。
【００１５】
この高輝度領域抽出部１０１は、取得された電磁波画像データの輝度情報に対して輝度閾値を超える領域を高輝度領域として抽出するもので、抽出された高輝度領域の情報は画像間位置検出部１０２に送られる。この画像間位置検出部１０２は、抽出された高輝度領域から構成される画像データのうち複数の画像データ間の相対位置関係を検出するもので、検出された相対位置関係は候補領域抽出部１０３に送られる。
【００１６】
上記候補領域抽出部１０３は、検出された画像データ間の相対位置関係より画像データ間の差分を抽出し、その差分を対象物の候補領域とするもので、ここで候補領域として抽出される画像データ間の差分の情報は移動量検出部１０４に送られる。この移動量検出部１０４は、抽出された複数の画像データにわたる候補領域について、それぞれの移動量を検出するもので、検出された候補領域の移動量の情報は解像度向上部１０５に送られる。
【００１７】
上記解像度向上部１０５は、検出された候補領域の移動量の情報から複数の画像データにわたる候補領域を重ね合わせることで候補領域の解像度を向上させるもので、これによって高解像度化された候補領域の情報は対象物識別部１０６に送られる。この対象物識別部１０６は、予め移動対象物のモデルパターンが記憶させたモデル記憶部１０７からモデルパターンを読み出し、このモデルパターンを基に高解像度化された候補領域が対象物か否か識別する。
【００１８】
以下に、本実施形態１の対象物識別装置の動作について詳述する。
【００１９】
本実施形態１の対象物識別装置は、電磁波画像データから対象物を抽出し識別する。まず、画像データ取得部１００により、電磁波画像データ３００が取得される。例えば、この画像データ取得部１００には赤外線カメラが利用される。この場合、電磁波画像データ３００は赤外線画像である。この画像データ取得部１００で取得された画像データは一定のレートで高輝度領域抽出部１０１に出力される。
【００２０】
高輝度領域抽出部１０１では、入力画像データから設定された閾値より高い輝度を示す画素を抽出し、それ以外の画素の情報を除外する。識別する対象物は画像データの中で相対的に高い輝度で撮像されることが前提にあり、この段階で輝度値が低い画素を除外することで後段の処理を軽減することができる。尚、この処理を飛ばして次の処理へまわすことも可能である。
【００２１】
画像間位置検出部１０２では、画像データ取得部１００で得られた複数の画像データ、もしくは高輝度領域抽出部１０１により低輝度領域を除外された画像データから、画像データ間の相対位置関係を算出する。例えば本装置が誘導飛翔体に搭載された場合には、撮影位置が時々刻々と変化するため、画像データ間で背景の位置が異なる。
【００２２】
図２は対象物識別装置の移動に伴い、背景が移動する様子を示している。図２に示すように、連続する画像データ３００ａおよび３００ｂそれぞれの画像間では背景の位置が異なる。この場合、画像内で背景が移動することから、その中で移動する対象物を検出することは困難である。そこで、画像間位置検出部１０２により画像データ間での背景の相対位置を算出する。
【００２３】
図３は、画像間位置検出部１０２により実施される処理の様子を示している。画像間位置検出部１０２では、画像データ３００ａの画像に対して画像データ３００ｂの画像と比較するための比較領域４００を設定する。この比較領域４００を画像データ３００ｂの画像に対して１画素ずつずらしながら比較走査４０１を実施し、各位置で輝度の相関値を計算するマッチング処理を実施する。そして、それら相関値を並べた評価画像を作成する。
【００２４】
次に、画像間位置検出部１０２は、評価画像の中で最も相関値の高い位置を検索し、最大評価位置を求め、その位置に基づいて画像データ間の相対位置を算出する。これにより、２枚の画像データ間の画素単位での相対位置を検出することができる。さらに、２次曲面を用いたマッチングにより、１画素以下の微小なサブピクセルオーダーでの相対位置検出も可能である。
【００２５】
評価画像における相対値は、２次曲面に沿って変化すると仮定すると、画素レベルで求めた最大評価位置を中心とする、左右１画素の座標配列３点と、上下１画素の座標配列３点を用いて、それぞれ２次多項式を解くことで、２次曲面の頂点位置を求めることができる。その分解能は１画素以下になる。例えば、画素レベルで求めた最大評価位置の座標を（ｗ，ｓ）とすると、それを中心とする（ｗ−１，ｓ）、（ｗ，ｓ）、（ｗ＋１，ｓ）の３点と、（ｗ，ｓ−１）、（ｗ，ｓ）、（ｗ，ｓ＋１）の３点によりそれぞれ２次多項式を解くことで、１画素以下の分解能で２次曲面の頂点位置を求めることができる。したがって、相対位置の検出の精度を高くすることができる。
【００２６】
候補領域抽出部１０３では、前記画像間位置検出部１０２により求められた相対位置を基に重ね合わせ、差分として残る領域を対象物が存在する可能性のある領域、候補領域として抽出する。図４（ａ）は、図３における画像データ３００ａの画像と画像データ３００ｂの画像との差分を取った結果の例であり、それぞれの差分画像データ５００ａと５００ｂに対応する。ここでは、候補領域は５０１ａと５０１ｂとなる。
【００２７】
ただし、実際には、図４（ｂ）（図上の候補領域のそれぞれ形状は説明しやすく模式的に示したもので、実際のものとは異なる）に示すように差分として残存する領域が複数存在することが多く、これら残存領域から真の対象物を抽出する必要がある。本実施形態はこれを解決するものであり、以降の処理部において残存領域の識別が実行される。
【００２８】
移動量検出部１０４では、まず、画像データにおける候補領域内の各画素とその近傍画素との、輝度差と輝度差の方向とを示す微分画像が生成される。微分画像の算出にあたっては、次式（１）が用いられる。式（１）において大文字のＩは画素ごとの輝度値であり、ｉ，ｊは画素を区別するためのインデックスである。
【数１】
【００２９】
各画素においてこの値が算出される。この値を輝度差方向の情報と称しており、より一般的に（Ｒｘ，Ｒｙ）で示される。
【００３０】
次に、移動量検出部１０４では、候補領域抽出部１０３で抽出された各領域の位置を以下のようにして算出する。図５は、抽出された領域の位置を算出する処理に用いられるテンプレートの一例を示す図である。移動量検出部１０４は、候補領域抽出部１０３で抽出された領域の画素ごとに、その輝度を、例えばガウス分布などの釣鐘型の２次元輝度分布を仮定して類似値に換算する。そして、この類似値の集合として得られる類似値画像を生成し、この類似値画像をもとに各候補領域の位置を算出する。
【００３１】
ガウス分布は中央に頂点を持ち、中央から周辺に向かって傾斜していくような値を持つ。これを図示すると、図５に示すように、輝度差方向は周辺から頂点に向かって指向するように分布する。図５に示す矢印は、２次元の画像中において、「輝度値は対象物を頂点としてその周囲にガウス分布で分布する」と仮定した場合の輝度差方向を示す。図５では５×５の画素領域において中央の画素が最大の画素値を持つとする。
【００３２】
移動量検出部１０４では、図５に示すガウス分布の輝度差方向をテンプレートとして、候補領域抽出部１０３で抽出された画素に対応する微分画像の画素を順次走査し、各画素で次式（２）を用いて類似値を算出する。この類似値を配列することで類似値画像が得られる。
【数２】
【００３３】
式（２）においてＫが類似値であり、θは輝度値方向とテンプレートとのなす角である。式（２）の最下段の式では、図６に示す微分画像の輝度差方向（Ｒθ）とテンプレートの輝度差方向（Ｔθ）との差、すなわちＤθ（＝|Ｒθ−Ｔθ|）を１８０度で正規化した値を１から減算している。これにより輝度差方向が一致すると類似値は１になり、正反対であれば類似値は０になる。その値に寄与率（α）を考慮する。つまり、輝度差方向の一致率に応じた係数を作成し、その係数に基づいた輝度差を累積加算することで、類似値Ｋを算出する。この類似値Ｋを評価することで画像フレームにおける輝度差方向の分布をガウス分布にマッチングさせることができ、各候補領域の位置を算出することができる。
【００３４】
尚、加算すべきデータに判断条件を設けてもよい。具体的には、ガウス分布の各画素の輝度差方向は点対称であることを利用する。図５から分かるようにＡＦの画素（左上）の輝度差方向とＥＪの画素の輝度差方向とは正反対である。また、ＥＦとＡＪの画素の輝度差方向は、それぞれＡＦとＥＪの画素の輝度差方向に直交する。このことを利用して、例えばＡＦ、ＥＦ、ＡＪ、ＥＪの４画素の輝度差方向の一致率がそれぞれ９０度以内であれば、輝度差を加算するという判断条件とする。
【００３５】
式（２）では画素ごとに値の加算を決定しているので、一致率が部分的に高い場合にも類似値が高くなる可能性があるが、上記の判断条件を設けることにより、周方向を加味して周方向の一致率が共に高い場合に類似値を高い値として算出することが可能になる。つまり、周囲から頂点に向かって盛り上がるような輝度分布に高い得点を与えることができ、より的確に対象物の位置を捕らえられるようになる。
【００３６】
また、移動量検出部１０４では、候補領域抽出部１０３により抽出された候補領域ごとに類似値の値を探索し、最も値の高い座標（ｗ，ｓ）を各候補領域の位置と定義する。これにより、対象物の輝度分布をガウス分布と仮定した場合に、対象物の位置である可能性が最も高い位置を画素レベルで定義することができる。この段階で、図４（ｃ）に示すように、各候補領域における最大類似値がユーザによって任意に設定される閾値を下回る場合は除外し、閾値を上回る領域５０１ａ，５０１ｂのみを候補領域として抽出することも可能である。
【００３７】
さらに、移動量検出部１０４では、画像間位置検出部１０１と同様に、サブピクセルでの位置検出を行うことが可能である。すなわち、類似値画像における類似値は２次曲面に沿って変化すると仮定する。そこで、例えば画素レベルで求めた（ｗ，ｓ）を中心とする（ｗ−１，ｓ）、（ｗ，ｓ）、（ｗ＋１，ｓ）の３点と、（ｗ，ｓ−１）、（ｗ，ｓ）、（ｗ，ｓ＋１）の３点によりそれぞれ２次多項式を解くことで、１画素以下の精度で２次曲面の頂点位置を求めることができる。したがって、位置検出の精度をさらに高くすることができる。
【００３８】
以上の処理により、各画像データにおける各候補領域の位置が抽出され、これらの位置情報および画像データ間の相対位置関係を加味することで各候補領域の画像データ間における移動量がサブピクセル単位で算出される。
【００３９】
解像度向上部１０５においては、複数の画像データ上にある候補領域の像を重ね合わせることで解像度を向上させる。元の画像データの画素よりも小さい単位、サブピクセルの分解能で画像を重ね合わせることができれば、元の画像よりも小さい画素を生成することができる。図７では、２枚の画像を重ね合わせることで、２倍の解像度を持つ画像が生成される様子を描いている。重ね合わせた際、高解像度画像の画素５０２上には２つの値が存在している。例えば、高解像度画像の画素５０２の値を一意に決める方法としては、それらの平均を取る方法が最も簡単である。
【００４０】
上記移動量検出部１０４では、各候補領域の移動量をサブピクセル単位で算出されているため、上記の原理により、この移動量を基に重ね合わせることで解像度を高めることができる。上記では２枚の画像を重ね合わせる例を示したが、２枚に限らずさらに多くの画像を重ね合わせることで、より候補領域の像の解像度を高めることが可能となる。
【００４１】
対象物識別部１０６においては、上記解像度向上部１０５において解像度を向上させた候補領域の像を用いて、その候補領域が対象物を示しているものか否かを識別する。この識別処理の際には、予め、モデル記憶部１０７に識別・追尾対象物のモデルパターンを記憶させておき、その記憶されているモデルパターンとの類似度が高いものを対象物として識別する。このモデル記憶部１０７においては、対象物のモデルパターンを電磁波画像データとして記憶しておくことも可能であり、ガウス分布のような釣鐘型分布としてパラメトリックに記憶しておくことも可能である。この類似度を算出する方法としては、輝度情報同士をマッチングさせてもよいし、前述のような分布形状を基にした類似度算出によってもよい。
【００４２】
図８は、実施形態１における対象物識別装置の処理の流れを示すフローチャートである。すなわち、この対象物識別装置では、移動対象物を含む赤外線画像データを取得すると（ステップＳ１）、取得された赤外線画像データの輝度情報に対して輝度閾値を超える領域を高輝度領域として抽出し（ステップＳ２）、抽出された高輝度領域から構成される画像データのうち複数の画像データ間の相対位置関係を算出し（ステップＳ３）、検出された画像データ間の相対位置関係より画像データ間の差分を対象物の候補領域として抽出する（ステップＳ４）。続いて、候補領域として抽出される画像データ間の差分の情報から候補領域の移動量をサブピクセル単位で検出し（ステップＳ５）、検出された候補領域の移動量の情報から複数の画像データにわたる候補領域を重ね合わせることで候補領域の解像度を向上させ（ステップＳ６）、これによって高解像度化された候補領域を移動対象物のモデルパターンと比較し、その比較結果から高解像度化された候補領域が対象物か否か識別する（ステップＳ７）。
【００４３】
以上説明したようにこの実施形態１による対象物識別装置では、目標の周囲の輝度分布がガウス分布のような釣鐘型状に分布すると仮定し、候補領域から目標位置を特定する際にも釣鐘型分布とのマッチングを取り、ガウス曲線の頂点の座標を目標位置と定義することで、サブピクセルでの位置検出を行うようにしている。さらに、サブピクセル単位での移動量を利用することにより、画像データの解像度を向上させることが可能となり、対象物の大きさが微小な場合においても識別可能なレベルまで識別性能を高めることができる。
【００４４】
（実施形態２）
図９を用いて実施形態２を説明する。
【００４５】
図９は、実施形態２における対象物識別装置の構成を示すブロック図である。但し、図９において、図１と同一部分には同一符号を付して示し、ここでは異なる部分を中心に説明する。
【００４６】
この対象物識別装置は、実施形態１における対象物識別装置の構成において、取得高度情報取得部１０８と姿勢情報取得部１０９を追加した構成となっている。高度情報取得部１０８は、本対象物識別装置が存在する高度の情報を取得するもので、例えば、高度情報取得部１０８はＧＰＳから位置情報を取得するものや、圧力計による気圧の変化により高度を測定するものが考えられる。また、姿勢情報取得部１０９は、画像データ取得部１００が指向している方向・姿勢情報を取得するもので、例えばジャイロセンサなどが考えられる。
【００４７】
上記構成において、以下にその動作を説明する。
【００４８】
まず、実施形態１と同様に画像データ取得部１００で画像データが取得されるが、それと同時に高度情報取得部１０８により本対象物識別装置が存在する高度が取得され、姿勢情報取得部１０９により画像データ取得部１００が指向している方向・姿勢情報が取得される。これらの高度および姿勢情報が候補領域抽出部１０３に入力され、飛行ルートにおいて存在しえない候補領域を除外することができる。例えば、水面上空を対象物が飛行する場合、水面に像が反射し、候補領域として抽出される可能性がある。しかしながら、候補領域抽出部１０３の除外機能の働きにより、地表上に観察される候補領域を除外することができ、後段の対象物識別部１０６における識別処理における誤識別を防ぐことができる。
【００４９】
この実施形態２の対象物識別装置によれば、対象物の反射像が画像データ中に存在する場合においても、それを除外することができ、誤識別を防ぐことができる。
【００５０】
尚、この発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。
【符号の説明】
【００５１】
１００…画像データ取得部、１０１…高輝度領域抽出部、１０２…画像間位置検出部、１０３…候補領域抽出部、１０４…移動量検出部、１０５…解像度向上部、１０６…対象物識別部、１０７…モデル記憶部、１０８…高度情報取得部、１０９…姿勢情報取得部。
【技術分野】
【０００１】
本発明は、例えば誘導飛翔体の発射装置もしくは誘導飛翔体自身に搭載され、対象物を識別し追尾するために用いられる対象物識別装置に係り、特に移動する対象物を識別する技術に関する。
【背景技術】
【０００２】
飛来する対象物（以下、移動対象物）に向けて地上側から発射される誘導飛翔体を誘導する誘導システムにあっては、赤外線カメラ等の撮像機器を利用する方法が知られている。この方法は、撮像機器で移動対象物の方向を撮影し、撮影によって取得された赤外線等による画像データを画像処理することにより輝度領域分布による画像を生成する。そして、画像中の高輝度領域を移動対象物として抽出し、抽出された各領域の輝度最大値、最小値、平均輝度、大きさなどの画像特徴量を演算し、これらの画像特徴量を基に、予め用意される影像パターンに最も近い領域を移動対象物と識別し追尾誘導する。
【０００３】
ところで、実際には、地表や雲のような対象物と紛らわしい物体が画像内に入り込んで、移動対象物の背景にその移動対象物と同様な輝度を示す領域が存在することが多々ある。この場合、画像特微量だけでは移動対象物を背景と区別して的確に認識することが困難である。そこで、従来では、このような状態においても的確に移動対象物を識別するために、連続的に得られる各画像データから関連領域を抽出し、各領域の動きを反映する特微量を抽出し、これを基に移動対象物を背景と区別する技術が存在する。
【０００４】
但し、既存の技術の多くは、赤外線画像のうち輝度の高い領域を抽出し、抽出された領域の重心の座標をその領域の位置として定義し、各領域の位置（重心座標）の移動により、移動する対象物として検出するようにしている。
【０００５】
しかしながら、上記の手法では、コントラストの変化やノイズの影響によって領域の形状が変化するので、重心の座標も容易に変化してしまうことになる。このため、領域が静止している状態でもコントラストの変化やノイズの影響により重心位置が変化し、誤った領域の動きが検出されることがある。このような誤検出は、目標とする移動対象物が近くに存在し、その見かけ上の動きが大きければあまり影響しないが、目標が遠方に存在し見かけ上の動きの大きさが微小であれば深刻な影響を及ぼすことになる。
【０００６】
例えば、特許文献１にある目標検出装置は、ガウス分布形状で作成したテンプレートと赤外線画像データ上の像をマッチングさせることで、遠方にある見かけ上小さい対象物を検出することを可能としているが、対象物の元々の像が小さいために同程度の大きさを持った像が同じ画像内に存在する場合、誤識別を起こしてしまう可能性があった。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００９−６９０１９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
以上のように、既存の対象物識別技術では、コントラストの変化やノイズの影響により重心位置が変化し、誤った領域の動きが検出されることがあり、移動対象物が遠方に存在して見かけ上の像の動きが微小な場合には、同じ画像内に存在する同程度の像を誤識別してしまうおそれがある等、深刻な影響を及ぼすことになる。
【０００９】
本実施形態は上記の問題を解決するためになされたもので、取得した画像のコントラストの変化やノイズの影響を受けることなく、その画像からより確実に移動対象物を検出し識別することのできる対象物識別装置および対象物識別方法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】
【００１０】
上記の課題を解決するために、本実施形態によれば、画像データ取得手段にて対象物を撮影した画像データを規定のレートで順次取得し、画素間位置検出手段にて順次取得される複数の画像データ間の相対位置を検出し、候補領域抽出手段にて前記相対位置から前記複数の画像データ間の差分を検出しその差分を前記対象物の候補領域として１つもしくは複数抽出し、移動量検出手段にて前記複数の画像データにわたって前記候補領域の移動量を検出し、解像度向上手段にて前記移動量を基に前記候補領域の解像度を向上させる。一方、予め対象物のモデルパターンをモデル記憶手段に記憶しておき、対象物識別手段にて、解像度を向上させた候補領域と記憶されたモデルパターンとを比較して対象物を識別する。
【図面の簡単な説明】
【００１１】
【図１】実施形態１における対象物識別装置の構成を示すブロック図。
【図２】図１に示す対象物識別装置内の画像データ取得部の動作を説明するための概念図。
【図３】図１に示す対象物識別装置内の画像間位置検出部の動作を説明するための概念図。
【図４】図１に示す対象物識別装置内の候補領域抽出部の動作を説明するための概念図。
【図５】図１に示す対象物識別装置内の移動量検出部の動作を説明するための概念図。
【図６】図１に示す対象物識別装置内の移動量検出部の動作を説明するための概念図。
【図７】図１に示す対象物識別装置内の解像度向上部の動作を説明するための概念図。
【図８】図１に示す対象物識別装置の処理の流れを示すフローチャート。
【図９】実施形態２における対象物識別装置の構成を示すブロック図。
【発明を実施するための形態】
【００１２】
以下、図面を参照して本実施形態に係る対象物位置検出装置を説明する。
【００１３】
（実施形態１）
まず、図１から図７を用いて実施形態１を説明する。
【００１４】
図１は、実施形態１における対象物識別装置の構成及び機能を示すブロック図である。この対象物識別装置は、画像データ取得部１００を備える。この画像データ取得部１００は赤外線撮像カメラ等で構成され、移動対象物に向けて撮影することで移動対象物を含む電磁波画像データを取得するもので、取得された電磁波画像データは高輝度領域抽出部１０１に送られる。
【００１５】
この高輝度領域抽出部１０１は、取得された電磁波画像データの輝度情報に対して輝度閾値を超える領域を高輝度領域として抽出するもので、抽出された高輝度領域の情報は画像間位置検出部１０２に送られる。この画像間位置検出部１０２は、抽出された高輝度領域から構成される画像データのうち複数の画像データ間の相対位置関係を検出するもので、検出された相対位置関係は候補領域抽出部１０３に送られる。
【００１６】
上記候補領域抽出部１０３は、検出された画像データ間の相対位置関係より画像データ間の差分を抽出し、その差分を対象物の候補領域とするもので、ここで候補領域として抽出される画像データ間の差分の情報は移動量検出部１０４に送られる。この移動量検出部１０４は、抽出された複数の画像データにわたる候補領域について、それぞれの移動量を検出するもので、検出された候補領域の移動量の情報は解像度向上部１０５に送られる。
【００１７】
上記解像度向上部１０５は、検出された候補領域の移動量の情報から複数の画像データにわたる候補領域を重ね合わせることで候補領域の解像度を向上させるもので、これによって高解像度化された候補領域の情報は対象物識別部１０６に送られる。この対象物識別部１０６は、予め移動対象物のモデルパターンが記憶させたモデル記憶部１０７からモデルパターンを読み出し、このモデルパターンを基に高解像度化された候補領域が対象物か否か識別する。
【００１８】
以下に、本実施形態１の対象物識別装置の動作について詳述する。
【００１９】
本実施形態１の対象物識別装置は、電磁波画像データから対象物を抽出し識別する。まず、画像データ取得部１００により、電磁波画像データ３００が取得される。例えば、この画像データ取得部１００には赤外線カメラが利用される。この場合、電磁波画像データ３００は赤外線画像である。この画像データ取得部１００で取得された画像データは一定のレートで高輝度領域抽出部１０１に出力される。
【００２０】
高輝度領域抽出部１０１では、入力画像データから設定された閾値より高い輝度を示す画素を抽出し、それ以外の画素の情報を除外する。識別する対象物は画像データの中で相対的に高い輝度で撮像されることが前提にあり、この段階で輝度値が低い画素を除外することで後段の処理を軽減することができる。尚、この処理を飛ばして次の処理へまわすことも可能である。
【００２１】
画像間位置検出部１０２では、画像データ取得部１００で得られた複数の画像データ、もしくは高輝度領域抽出部１０１により低輝度領域を除外された画像データから、画像データ間の相対位置関係を算出する。例えば本装置が誘導飛翔体に搭載された場合には、撮影位置が時々刻々と変化するため、画像データ間で背景の位置が異なる。
【００２２】
図２は対象物識別装置の移動に伴い、背景が移動する様子を示している。図２に示すように、連続する画像データ３００ａおよび３００ｂそれぞれの画像間では背景の位置が異なる。この場合、画像内で背景が移動することから、その中で移動する対象物を検出することは困難である。そこで、画像間位置検出部１０２により画像データ間での背景の相対位置を算出する。
【００２３】
図３は、画像間位置検出部１０２により実施される処理の様子を示している。画像間位置検出部１０２では、画像データ３００ａの画像に対して画像データ３００ｂの画像と比較するための比較領域４００を設定する。この比較領域４００を画像データ３００ｂの画像に対して１画素ずつずらしながら比較走査４０１を実施し、各位置で輝度の相関値を計算するマッチング処理を実施する。そして、それら相関値を並べた評価画像を作成する。
【００２４】
次に、画像間位置検出部１０２は、評価画像の中で最も相関値の高い位置を検索し、最大評価位置を求め、その位置に基づいて画像データ間の相対位置を算出する。これにより、２枚の画像データ間の画素単位での相対位置を検出することができる。さらに、２次曲面を用いたマッチングにより、１画素以下の微小なサブピクセルオーダーでの相対位置検出も可能である。
【００２５】
評価画像における相対値は、２次曲面に沿って変化すると仮定すると、画素レベルで求めた最大評価位置を中心とする、左右１画素の座標配列３点と、上下１画素の座標配列３点を用いて、それぞれ２次多項式を解くことで、２次曲面の頂点位置を求めることができる。その分解能は１画素以下になる。例えば、画素レベルで求めた最大評価位置の座標を（ｗ，ｓ）とすると、それを中心とする（ｗ−１，ｓ）、（ｗ，ｓ）、（ｗ＋１，ｓ）の３点と、（ｗ，ｓ−１）、（ｗ，ｓ）、（ｗ，ｓ＋１）の３点によりそれぞれ２次多項式を解くことで、１画素以下の分解能で２次曲面の頂点位置を求めることができる。したがって、相対位置の検出の精度を高くすることができる。
【００２６】
候補領域抽出部１０３では、前記画像間位置検出部１０２により求められた相対位置を基に重ね合わせ、差分として残る領域を対象物が存在する可能性のある領域、候補領域として抽出する。図４（ａ）は、図３における画像データ３００ａの画像と画像データ３００ｂの画像との差分を取った結果の例であり、それぞれの差分画像データ５００ａと５００ｂに対応する。ここでは、候補領域は５０１ａと５０１ｂとなる。
【００２７】
ただし、実際には、図４（ｂ）（図上の候補領域のそれぞれ形状は説明しやすく模式的に示したもので、実際のものとは異なる）に示すように差分として残存する領域が複数存在することが多く、これら残存領域から真の対象物を抽出する必要がある。本実施形態はこれを解決するものであり、以降の処理部において残存領域の識別が実行される。
【００２８】
移動量検出部１０４では、まず、画像データにおける候補領域内の各画素とその近傍画素との、輝度差と輝度差の方向とを示す微分画像が生成される。微分画像の算出にあたっては、次式（１）が用いられる。式（１）において大文字のＩは画素ごとの輝度値であり、ｉ，ｊは画素を区別するためのインデックスである。
【数１】
【００２９】
各画素においてこの値が算出される。この値を輝度差方向の情報と称しており、より一般的に（Ｒｘ，Ｒｙ）で示される。
【００３０】
次に、移動量検出部１０４では、候補領域抽出部１０３で抽出された各領域の位置を以下のようにして算出する。図５は、抽出された領域の位置を算出する処理に用いられるテンプレートの一例を示す図である。移動量検出部１０４は、候補領域抽出部１０３で抽出された領域の画素ごとに、その輝度を、例えばガウス分布などの釣鐘型の２次元輝度分布を仮定して類似値に換算する。そして、この類似値の集合として得られる類似値画像を生成し、この類似値画像をもとに各候補領域の位置を算出する。
【００３１】
ガウス分布は中央に頂点を持ち、中央から周辺に向かって傾斜していくような値を持つ。これを図示すると、図５に示すように、輝度差方向は周辺から頂点に向かって指向するように分布する。図５に示す矢印は、２次元の画像中において、「輝度値は対象物を頂点としてその周囲にガウス分布で分布する」と仮定した場合の輝度差方向を示す。図５では５×５の画素領域において中央の画素が最大の画素値を持つとする。
【００３２】
移動量検出部１０４では、図５に示すガウス分布の輝度差方向をテンプレートとして、候補領域抽出部１０３で抽出された画素に対応する微分画像の画素を順次走査し、各画素で次式（２）を用いて類似値を算出する。この類似値を配列することで類似値画像が得られる。
【数２】
【００３３】
式（２）においてＫが類似値であり、θは輝度値方向とテンプレートとのなす角である。式（２）の最下段の式では、図６に示す微分画像の輝度差方向（Ｒθ）とテンプレートの輝度差方向（Ｔθ）との差、すなわちＤθ（＝|Ｒθ−Ｔθ|）を１８０度で正規化した値を１から減算している。これにより輝度差方向が一致すると類似値は１になり、正反対であれば類似値は０になる。その値に寄与率（α）を考慮する。つまり、輝度差方向の一致率に応じた係数を作成し、その係数に基づいた輝度差を累積加算することで、類似値Ｋを算出する。この類似値Ｋを評価することで画像フレームにおける輝度差方向の分布をガウス分布にマッチングさせることができ、各候補領域の位置を算出することができる。
【００３４】
尚、加算すべきデータに判断条件を設けてもよい。具体的には、ガウス分布の各画素の輝度差方向は点対称であることを利用する。図５から分かるようにＡＦの画素（左上）の輝度差方向とＥＪの画素の輝度差方向とは正反対である。また、ＥＦとＡＪの画素の輝度差方向は、それぞれＡＦとＥＪの画素の輝度差方向に直交する。このことを利用して、例えばＡＦ、ＥＦ、ＡＪ、ＥＪの４画素の輝度差方向の一致率がそれぞれ９０度以内であれば、輝度差を加算するという判断条件とする。
【００３５】
式（２）では画素ごとに値の加算を決定しているので、一致率が部分的に高い場合にも類似値が高くなる可能性があるが、上記の判断条件を設けることにより、周方向を加味して周方向の一致率が共に高い場合に類似値を高い値として算出することが可能になる。つまり、周囲から頂点に向かって盛り上がるような輝度分布に高い得点を与えることができ、より的確に対象物の位置を捕らえられるようになる。
【００３６】
また、移動量検出部１０４では、候補領域抽出部１０３により抽出された候補領域ごとに類似値の値を探索し、最も値の高い座標（ｗ，ｓ）を各候補領域の位置と定義する。これにより、対象物の輝度分布をガウス分布と仮定した場合に、対象物の位置である可能性が最も高い位置を画素レベルで定義することができる。この段階で、図４（ｃ）に示すように、各候補領域における最大類似値がユーザによって任意に設定される閾値を下回る場合は除外し、閾値を上回る領域５０１ａ，５０１ｂのみを候補領域として抽出することも可能である。
【００３７】
さらに、移動量検出部１０４では、画像間位置検出部１０１と同様に、サブピクセルでの位置検出を行うことが可能である。すなわち、類似値画像における類似値は２次曲面に沿って変化すると仮定する。そこで、例えば画素レベルで求めた（ｗ，ｓ）を中心とする（ｗ−１，ｓ）、（ｗ，ｓ）、（ｗ＋１，ｓ）の３点と、（ｗ，ｓ−１）、（ｗ，ｓ）、（ｗ，ｓ＋１）の３点によりそれぞれ２次多項式を解くことで、１画素以下の精度で２次曲面の頂点位置を求めることができる。したがって、位置検出の精度をさらに高くすることができる。
【００３８】
以上の処理により、各画像データにおける各候補領域の位置が抽出され、これらの位置情報および画像データ間の相対位置関係を加味することで各候補領域の画像データ間における移動量がサブピクセル単位で算出される。
【００３９】
解像度向上部１０５においては、複数の画像データ上にある候補領域の像を重ね合わせることで解像度を向上させる。元の画像データの画素よりも小さい単位、サブピクセルの分解能で画像を重ね合わせることができれば、元の画像よりも小さい画素を生成することができる。図７では、２枚の画像を重ね合わせることで、２倍の解像度を持つ画像が生成される様子を描いている。重ね合わせた際、高解像度画像の画素５０２上には２つの値が存在している。例えば、高解像度画像の画素５０２の値を一意に決める方法としては、それらの平均を取る方法が最も簡単である。
【００４０】
上記移動量検出部１０４では、各候補領域の移動量をサブピクセル単位で算出されているため、上記の原理により、この移動量を基に重ね合わせることで解像度を高めることができる。上記では２枚の画像を重ね合わせる例を示したが、２枚に限らずさらに多くの画像を重ね合わせることで、より候補領域の像の解像度を高めることが可能となる。
【００４１】
対象物識別部１０６においては、上記解像度向上部１０５において解像度を向上させた候補領域の像を用いて、その候補領域が対象物を示しているものか否かを識別する。この識別処理の際には、予め、モデル記憶部１０７に識別・追尾対象物のモデルパターンを記憶させておき、その記憶されているモデルパターンとの類似度が高いものを対象物として識別する。このモデル記憶部１０７においては、対象物のモデルパターンを電磁波画像データとして記憶しておくことも可能であり、ガウス分布のような釣鐘型分布としてパラメトリックに記憶しておくことも可能である。この類似度を算出する方法としては、輝度情報同士をマッチングさせてもよいし、前述のような分布形状を基にした類似度算出によってもよい。
【００４２】
図８は、実施形態１における対象物識別装置の処理の流れを示すフローチャートである。すなわち、この対象物識別装置では、移動対象物を含む赤外線画像データを取得すると（ステップＳ１）、取得された赤外線画像データの輝度情報に対して輝度閾値を超える領域を高輝度領域として抽出し（ステップＳ２）、抽出された高輝度領域から構成される画像データのうち複数の画像データ間の相対位置関係を算出し（ステップＳ３）、検出された画像データ間の相対位置関係より画像データ間の差分を対象物の候補領域として抽出する（ステップＳ４）。続いて、候補領域として抽出される画像データ間の差分の情報から候補領域の移動量をサブピクセル単位で検出し（ステップＳ５）、検出された候補領域の移動量の情報から複数の画像データにわたる候補領域を重ね合わせることで候補領域の解像度を向上させ（ステップＳ６）、これによって高解像度化された候補領域を移動対象物のモデルパターンと比較し、その比較結果から高解像度化された候補領域が対象物か否か識別する（ステップＳ７）。
【００４３】
以上説明したようにこの実施形態１による対象物識別装置では、目標の周囲の輝度分布がガウス分布のような釣鐘型状に分布すると仮定し、候補領域から目標位置を特定する際にも釣鐘型分布とのマッチングを取り、ガウス曲線の頂点の座標を目標位置と定義することで、サブピクセルでの位置検出を行うようにしている。さらに、サブピクセル単位での移動量を利用することにより、画像データの解像度を向上させることが可能となり、対象物の大きさが微小な場合においても識別可能なレベルまで識別性能を高めることができる。
【００４４】
（実施形態２）
図９を用いて実施形態２を説明する。
【００４５】
図９は、実施形態２における対象物識別装置の構成を示すブロック図である。但し、図９において、図１と同一部分には同一符号を付して示し、ここでは異なる部分を中心に説明する。
【００４６】
この対象物識別装置は、実施形態１における対象物識別装置の構成において、取得高度情報取得部１０８と姿勢情報取得部１０９を追加した構成となっている。高度情報取得部１０８は、本対象物識別装置が存在する高度の情報を取得するもので、例えば、高度情報取得部１０８はＧＰＳから位置情報を取得するものや、圧力計による気圧の変化により高度を測定するものが考えられる。また、姿勢情報取得部１０９は、画像データ取得部１００が指向している方向・姿勢情報を取得するもので、例えばジャイロセンサなどが考えられる。
【００４７】
上記構成において、以下にその動作を説明する。
【００４８】
まず、実施形態１と同様に画像データ取得部１００で画像データが取得されるが、それと同時に高度情報取得部１０８により本対象物識別装置が存在する高度が取得され、姿勢情報取得部１０９により画像データ取得部１００が指向している方向・姿勢情報が取得される。これらの高度および姿勢情報が候補領域抽出部１０３に入力され、飛行ルートにおいて存在しえない候補領域を除外することができる。例えば、水面上空を対象物が飛行する場合、水面に像が反射し、候補領域として抽出される可能性がある。しかしながら、候補領域抽出部１０３の除外機能の働きにより、地表上に観察される候補領域を除外することができ、後段の対象物識別部１０６における識別処理における誤識別を防ぐことができる。
【００４９】
この実施形態２の対象物識別装置によれば、対象物の反射像が画像データ中に存在する場合においても、それを除外することができ、誤識別を防ぐことができる。
【００５０】
尚、この発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。
【符号の説明】
【００５１】
１００…画像データ取得部、１０１…高輝度領域抽出部、１０２…画像間位置検出部、１０３…候補領域抽出部、１０４…移動量検出部、１０５…解像度向上部、１０６…対象物識別部、１０７…モデル記憶部、１０８…高度情報取得部、１０９…姿勢情報取得部。
【特許請求の範囲】
【請求項１】
対象物を撮影した画像データを規定のレートで順次取得する画像データ取得手段と、
前記画像データ取得手段で順次取得される複数の画像データ間の相対位置を検出する画像間位置検出手段と、
前記相対位置から前記複数の画像データ間の差分を検出しその差分を前記対象物の候補領域として１つもしくは複数抽出する候補領域抽出手段と、
前記複数の画像データにわたって前記候補領域の移動量を検出する移動量検出手段と、
前記移動量を基に前記候補領域の解像度を向上させる解像度向上手段と、
予め前記対象物のモデルパターンを記憶する記憶手段と、
前記解像度を向上させた候補領域と前記モデルパターンとを比較して対象物を識別する識別手段と
を具備することを特徴とする対象物識別装置。
【請求項２】
前記移動量検出手段は、前記候補領域を形成する画素ごとに、当該画素の輝度値と当該画素を囲む画素の輝度値との差から輝度差方向を算出し、この輝度差方向の分布から算出される輝度値の極大点の座標を候補領域の位置とし、前記複数の画像データにわたる前記候補領域の位置の差異を移動量として算出する機能を有することを特徴とする請求項１記載の対象物識別装置。
【請求項３】
前記移動量検出手段は、前記輝度差方向の分布が規定の分布関数に一致する度合いが規定のしきい値を超える領域における前記分布関数の頂点に対応する座標を候補領域の位置とし、複数の画像データにわたる前記候補領域の位置の差異を移動量として算出する機能を有することを特徴とする請求項１記載の対象物識別装置。
【請求項４】
前記移動量検出手段は、釣鐘型関数を前記分布関数とすることを特徴とする請求項３記載の対象物識別装置。
【請求項５】
前記記憶手段は、前記モデルパターンを釣鐘型関数として記憶することを特徴とする請求項１乃至４のいずれか記載の対象物識別装置。
【請求項６】
さらに、画像データの輝度情報に対して輝度閾値を越える高輝度領域のみを抽出する高輝度領域抽出手段を備え、前記画像間位置検出手段は前記複数の画像データにわたる前記高輝度領域の相対位置を画像データ間の相対位置として算出することを特徴とする請求項１乃至５のいずれか記載の対象物識別装置。
【請求項７】
さらに、高度情報を取得する高度情報取得手段と、姿勢情報を取得する姿勢情報取得手段とを備え、前記候補領域抽出手段は前記高度情報と前記姿勢情報を基に前記複数の候補領域を絞り込むことを特徴とする請求項１乃至６のいずれか記載の対象物識別装置。
【請求項８】
対象物を撮影した画像データを規定のレートで順次取得し、
順次取得される複数の画像データ間の相対位置を検出し、
前記相対位置から前記複数の画像データ間の差分を検出してその差分を前記対象物の候補領域として１つもしくは複数抽出し、
前記複数の画像データにわたって前記候補領域の移動量を検出し、
前記移動量を基に前記候補領域の解像度を向上させ、
予め記憶される前記対象物のモデルパターンと前記解像度を向上させた候補領域と前記モデルパターンとを比較して対象物を識別することを特徴とする対象物識別方法。
【請求項１】
対象物を撮影した画像データを規定のレートで順次取得する画像データ取得手段と、
前記画像データ取得手段で順次取得される複数の画像データ間の相対位置を検出する画像間位置検出手段と、
前記相対位置から前記複数の画像データ間の差分を検出しその差分を前記対象物の候補領域として１つもしくは複数抽出する候補領域抽出手段と、
前記複数の画像データにわたって前記候補領域の移動量を検出する移動量検出手段と、
前記移動量を基に前記候補領域の解像度を向上させる解像度向上手段と、
予め前記対象物のモデルパターンを記憶する記憶手段と、
前記解像度を向上させた候補領域と前記モデルパターンとを比較して対象物を識別する識別手段と
を具備することを特徴とする対象物識別装置。
【請求項２】
前記移動量検出手段は、前記候補領域を形成する画素ごとに、当該画素の輝度値と当該画素を囲む画素の輝度値との差から輝度差方向を算出し、この輝度差方向の分布から算出される輝度値の極大点の座標を候補領域の位置とし、前記複数の画像データにわたる前記候補領域の位置の差異を移動量として算出する機能を有することを特徴とする請求項１記載の対象物識別装置。
【請求項３】
前記移動量検出手段は、前記輝度差方向の分布が規定の分布関数に一致する度合いが規定のしきい値を超える領域における前記分布関数の頂点に対応する座標を候補領域の位置とし、複数の画像データにわたる前記候補領域の位置の差異を移動量として算出する機能を有することを特徴とする請求項１記載の対象物識別装置。
【請求項４】
前記移動量検出手段は、釣鐘型関数を前記分布関数とすることを特徴とする請求項３記載の対象物識別装置。
【請求項５】
前記記憶手段は、前記モデルパターンを釣鐘型関数として記憶することを特徴とする請求項１乃至４のいずれか記載の対象物識別装置。
【請求項６】
さらに、画像データの輝度情報に対して輝度閾値を越える高輝度領域のみを抽出する高輝度領域抽出手段を備え、前記画像間位置検出手段は前記複数の画像データにわたる前記高輝度領域の相対位置を画像データ間の相対位置として算出することを特徴とする請求項１乃至５のいずれか記載の対象物識別装置。
【請求項７】
さらに、高度情報を取得する高度情報取得手段と、姿勢情報を取得する姿勢情報取得手段とを備え、前記候補領域抽出手段は前記高度情報と前記姿勢情報を基に前記複数の候補領域を絞り込むことを特徴とする請求項１乃至６のいずれか記載の対象物識別装置。
【請求項８】
対象物を撮影した画像データを規定のレートで順次取得し、
順次取得される複数の画像データ間の相対位置を検出し、
前記相対位置から前記複数の画像データ間の差分を検出してその差分を前記対象物の候補領域として１つもしくは複数抽出し、
前記複数の画像データにわたって前記候補領域の移動量を検出し、
前記移動量を基に前記候補領域の解像度を向上させ、
予め記憶される前記対象物のモデルパターンと前記解像度を向上させた候補領域と前記モデルパターンとを比較して対象物を識別することを特徴とする対象物識別方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【公開番号】特開２０１３−１１４３８１（Ｐ２０１３−１１４３８１Ａ）
【公開日】平成２５年６月１０日（２０１３．６．１０）
【国際特許分類】
【出願番号】特願２０１１−２５８８６８（Ｐ２０１１−２５８８６８）
【出願日】平成２３年１１月２８日（２０１１．１１．２８）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
【公開日】平成２５年６月１０日（２０１３．６．１０）
【国際特許分類】
【出願日】平成２３年１１月２８日（２０１１．１１．２８）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
[ Back to top ]