【課題】映像中の形状領域に対する処理をリアルタイムで実行する。
【解決手段】一つの実施形態によれば、映像表示装置は、撮像部、ジェスチャ認識部、映像生成部、及び表示部を有し、操作者が提示する両手の手形状によって表示画面の映像処理の指示が与えられる。撮像部は操作者の手を含む映像を撮像する。ジェスチャ認識部は、撮像された操作者の映像から認識対象として１種類以上の前記両手の手形状を認識し、操作者の提示する両手の手形状から構成される第１の形状領域と表示画面を対比して第１の形状領域を表示画面座標における第２の形状領域として認識する。映像生成部は表示画面に表示される第２の形状領域の映像を強調処理する。表示部は強調処理された第２の形状領域の映像を表示画面に表示する。 （もっと読む）

【課題】高速な顔検出を実現できる画像処理装置を提供する。
【解決手段】取得した画像から平滑化画像を生成するステップと、処理対象画像を含む処理対象画像以前の複数フレームの画像をもとに、各画素の平均値を算出し、算出した各画素の平均値とそれぞれのフレームの該当画素値から分散値を算出するステップと、処理対象画像の平滑化画像の輝度値に対して更なる平滑化処理を行い、正規化用画像を生成し、生成した分散値画像の各画素値に対して、生成した正規化用画像の各画素の値を用いて分散値画像の正規化を行い正規化分散値画像を生成するステップと、正規化した正規化分散値画像に対して膨張処理を実施して補正分散値画像を生成するステップと、補正分散値画像の各画素値に対して任意の閾値処理を行い二値画像を生成して人物領域を検出するステップと、分散値が一定値より大きいと判定された画素に対して顔検出処理を実施するステップとを有する。 （もっと読む）

【課題】誤検出を低減し、高精度に不審対象を監視することができる監視装置を提供する。
【解決手段】対象検出部２１は、撮像部１により撮像された動画像から監視する対象を検出する。動線情報作成部２２は、対象検出部２１により検出された対象の移動ベクトルから動線情報を作成する。不審行動判定部２４と、動線情報から、予め設定された不審行動パターン３１に基づいて、対象検出部２１により検出された対象が不審対象候補か否かを判定する。複合行動判定部２６は、不審対象候補の動線情報と、不審対象候補の周辺に存在する周辺対象の動線情報とから、予め設定された条件である複合行動パターン３２に基づいて、不審対象候補が不審対象か否かを判定する。 （もっと読む）

【課題】画像中から物体を追跡する処理において、一旦追跡を中止して背景の異なるシーンで追跡を再開する場合においても適切な認識モデルを使用した高精度の物体検出を行う。
【解決手段】画像を逐次取得する取得部と、画像から部分領域を抽出して当該部分領域から特徴量を抽出する抽出部と、抽出された特徴量と、対象物体を示す正事例の特徴量および対象物体の背景を示す負事例の特徴量を含む第１の認識モデルまたは正事例の特徴量を含む第２の認識モデルとに基づいて、部分領域が対象物体か否か認識する認識部と、認識の結果に基づいて、抽出された特徴量を第１の認識モデルへ追加して更新する更新部と、対象物体と認識された物体領域を出力する出力部と、を備え、認識部は、取得部により取得された前の画像について物体領域が出力されている場合、第１の認識モデルに基づいて認識し、前の画像について物体領域が出力されていない場合、第２の認識モデルに基づいて認識する。 （もっと読む）

【課題】コンテンツを視聴する視聴者の顔表情の変化を的確にとらえてコンテンツに対する興味区間を精度よく検出する。
【解決手段】コンテンツを視聴する視聴者が被写体として映る視聴者映像から、フレームごと、または複数フレームおきにフレーム画像データを取得する画像データ取得部３０１と、画像データ取得部３０１が取得したフレーム画像データに含まれる視聴者顔画像に基づいて、画像特徴量を計算する画像特徴量計算部３０３と、教師データである教師顔画像をあらかじめ機械学習して得た境界面から、画像特徴量計算部３０３が計算した画像特徴量までの距離である顔表情変化度合を計算する画像特徴量評価部３０４と、画像特徴量評価部３０４が計算した顔表情変化度合とあらかじめ設定された顔表情変化度合閾値とに基づき、視聴者のコンテンツに対する興味の有無を判定して興味区間を検出する視聴者状態検出部３０６とを備えた。 （もっと読む）

【課題】入力画像のより広範囲な領域でオプティカルフローを生成するための技術を提供する。
【解決手段】オプティカルフロー生成装置１は、外部環境の輝度と外部環境までの距離を測定して取得し、入力画像として、輝度画像データ及び距離画像データを生成可能な外部カメラ２と、輝度画像データと距離画像データと輝度勾配の拘束条件に基づいて第1運動パラメータ拘束条件を生成する第１運動パラメータ拘束条件生成部９と、距離画像データと距離情報の拘束条件に基づいて第2運動パラメータ拘束条件を生成する第２運動パラメータ拘束条件生成部１０と、第１運動パラメータ拘束条件と第２運動パラメータ拘束条件に基づいて運動パラメータQを算出する運動パラメータ算出部１１と、運動パラメータQに基づいて入力画像の二次元オプティカルフローを生成する二次元オプティカルフロー生成部１２と、によって構成されている。 （もっと読む）

【課題】装置を複雑化することなく、高速に処理することができ、かつ、外乱光による誤認識の発生を防止することができる塗布状態検査装置を提供する。
【解決手段】塗布状態検査装置１は、シール剤Ｓが塗布されたワークＷの上方に、撮像装置３に近接して設置された照明装置２と、該照明装置２の照明状態・消灯状態の各々でシール剤Ｓ及びワークＷを撮像する撮像装置３と、シール剤Ｓが正常に塗布されているか画像検査を行う処理装置４とを備える。画像生成部５−１は、照明装置２の点灯状態・消灯状態で撮像装置３により撮像された各画像の輝度値を減算することにより、外乱光の影響を除去した検査画像を生成する。画像判定部５−２は、検査画像からシール剤Ｓの塗布状態が正常であるか否かを判定する。 （もっと読む）

【課題】画像における照明を分割するための方法を提供する。
【解決手段】好ましくは２個又は３個であるｍ個の光源を有する画像は、例えばフィルタ処理済の画像とフィルタ未処理の画像とである相異なるフィルタリングを有するペアをなす画像を取得し、事前に計算されたｍ個のマッピングからなる集合をピクセルレベル又は領域レベルで画像ペアに適用し、最適なものを選択することによって、それぞれがｍ個の光源の１つのみによって照らされる相異なる領域に分割される。画像の情報のレンダリングはそれに従って調整されてもよい。 （もっと読む）

【課題】
従来の技術では、立ち止まっている人物と置き去り物との区別がつかなかった。
【解決手段】
情報処理装置は、あらかじめ定められた複数の領域の各々について、過去の取得画像における特徴量情報と、被写体が表されていることの確からしさを示す確信度情報を背景モデル情報として記憶し、解析対象の画像を取得し、解析対象の画像を領域ごとに解析して特徴量を抽出し、解析対象の画像から抽出した特徴量と、背景モデル情報に含まれる特徴量情報とを比較し、背景モデル情報に含まれる確信度情報に基づいて、解析対象の画像の前景部分となる領域を検出し、解析対象の画像の前景部分として検出された領域の各々について、その領域が被写体を表していることの確からしさを示す確信度を、被写体についてあらかじめ用意された情報に基づいて算出し、算出した確信度により、背景モデル情報に含まれる確信度情報を更新する。 （もっと読む）

【課題】作品として楽しめる動画を簡単に作成できる画像処理装置および画像処理方法を提供する。
【解決手段】主被写体を連続撮影し、この連続撮影した複数の画像の中から画像を用いて、動かない部分を組み合わせて背景画像を合成する。また、連続撮影した複数の画像から主被写体の大きさの変化と移動方向を検出し、この情報に基づいて、特定画像に写っている対象物について連続画像を生成し、これを背景画像に合成することにより、アニメーション化した画像を生成する。 （もっと読む）

【課題】本発明は、人体運動を厳密に記録、保存し、肢体運動を細かく丁寧に編集、修正して、より完璧な動作を創作し、且つ、直接ロボットまたはその他のマルチメンバー・ボディーにより同様の動作を再現させることが可能な体動五線譜並びにその画像処理モジュール、運動複製モジュール及び生成モジュールを提供することを課題とする。
【解決手段】本発明の体動五線譜Iは、三次元運動読み取り装置によって、複数のリンク(link)または関節(joint) を含むマルチメンバー・ボディーの運動の読み取りを行うことで、前記マルチメンバー・ボディーの複数身体構成部位運動情報を取得し、さらにこの身体構成部位運動情報を符号化して成る運動符号化画像である。本発明の運動符号化画像は、音楽における五線譜と同様、マルチメンバー・ボディーの運動を記録、保存、再現することが可能な新たな方式に基づく記録形態であることから、体動五線譜と称した。 （もっと読む）

【課題】異なる種類のセンサで検出された信号を比較する。
【解決手段】入力された情報を抽象化する抽象化部２４と、抽象化された情報を正規化する正規化部２５と、正規化された情報を２つ以上比較し、該比較結果に基づいて該２つ以上の正規化された情報が同種の情報であるか否か判定する比較判定部２７と、を備える。 （もっと読む）

【課題】 レンズの周辺光量落ちの影響が被写体の追尾結果に与える影響を低減し、精度のよい被写体追尾を実現する画像処理装置及びその制御方法を提供する。
【解決手段】 基準画像と、比較先画像における探索領域を構成する複数の部分画像との相関度に基づいて、比較先画像での被写体領域を探索して被写体追尾を行う。基準画像と部分画像との相関度を算出する前に、基準画像と部分画像における、画素の最大輝度値が予め定められた同一の輝度値となるように、各画素の輝度値を補正する。 （もっと読む）

【課題】より適切に被写体を検出することを目的とする。
【解決手段】入力映像の画素または部分領域ごとに特徴量を抽出し、特徴量と時間情報とを組みとした複数の状態を背景モデルとして記憶し、入力映像の特徴量と背景モデルとを比較して入力映像に類似する背景モデル中の状態を判定し、類似すると判定した状態の時間情報を更新し、類似すると判定した状態の時間情報に基づいて前景領域を判定し、前景領域に対して所定の被写体の検出を行い、検出の結果に基づいて背景モデル中の状態の時間情報を補正することによって課題を解決する。 （もっと読む）

【課題】解析対象の動きをより正確に解析し、解析結果に対する把握性を向上させる装置及び方法等を提供する装置及び方法等を提供する。
【解決手段】画像解析装置ＳＳは、矩形領域２０に存在するベクトル情報を抽出し、前記抽出された所定範囲内に存在するベクトル情報に含まれる方向に基づいて、当該所定範囲内に存在するベクトル情報の一又は複数の代表的な方向を算出する。 （もっと読む）

【課題】ビデオフレームの取得されたストリームに基づいて挙動を解析及び学習する方法及びシステムを提供する。
【解決手段】ストリーム中に示される物体が、ビデオフレームの解析に基づいて決定される。各物体は、物体の運動をフレームごとに追跡するのに使用される、対応する探索モデルを有することができる。物体のクラスが求められ、物体の意味表現が生成される。意味表現は、物体の挙動を求め、取得されたビデオストリームによって示される環境内で生じている挙動について学習するのに使用される。環境内のそうした物体の移動又は活動或いは不在を解析することにより、任意の環境についての正常な挙動及び異常な挙動を、迅速に、リアルタイムで学習し、学習したものに基づいて、異常な挙動又は疑わしい挙動を識別及び予測する。 （もっと読む）

【課題】画像上の動き領域又は静止領域の少なくとも一方を精度良く検出する。
【解決手段】平坦検出部は、入力された第１の画像を構成する各画素の画素値の分散に基づいて、第１の画像上の平坦領域を検出し、差分算出部は、第１の画像と、第１の画像の前又は後に連続する第２の画像との対応する画素の画素値どうしの差分を算出し、ノイズレベル検出部は、第１の画像上の平坦領域を構成する各画素に対応する差分の分散に基づいて、ノイズレベルを検出し、動きレベル検出部は、第１の画像を構成する各画素に対応する差分の分散とノイズレベルとの比較結果に基づいて、第１の画像上の静止領域又は動き領域の少なくとも一方を検出する。本開示は、例えば、画像を処理する画像処理装置に適用できる。 （もっと読む）

【課題】監視エリアを所定時間毎に撮影して取得した画像を処理して、監視エリア内の歩行者を検出するときの検出精度を高める。
【解決手段】監視エリア１００内を歩行者１０１が矢印１０２の方向に移動する。歩行者１０１の足は片方ずつ交互に動き、交互に静止する。領域１０３、１０４、１０５内の静止部分の下端の中心間距離は歩幅に対応し、領域１０３、１０４、１０５内の静止部分の発生周期は歩行周期に対応する。背景差分により異物画像２０１を検出し、フレーム間差分により移動物体画像２０２を検出する。背景差分とフレーム間差分との差分により、異物画像中の静止領域画像２０４を抽出する。隣り合う静止領域画像２０４の下端の中心間距離、発生周期が、歩幅、歩行周期に対応すれば、歩行者であると判定する。 （もっと読む）

【課題】特殊な照明装置を追加するといったコストアップを招くことなく、周期環境が暗い状況であっても障害物の検出精度の向上を図る。
【解決手段】光源検出部１２は、光源対象領域Ｒｄにおいて後続車両のヘッドライト（光源）に相当する面積を光源面積として算出する。そして、閾値算出部１４は、算出した光源面積に応じて、後続車両検出部１５において利用される差分法の閾値を設定する。この場合、後続車両検出部１５は、撮像画像Ｉｐにおいて検出領域Ｒ１，Ｒ２を設定し、評価パラメータである差分法の閾値に基づいて撮像画像を評価することにより、検出領域Ｒ１，Ｒ２内における障害物（併走車両）を検出する。 （もっと読む）

【課題】動画像コンテンツ同士の類似度を的確に自動判定する。
【解決手段】本発明の画像処理プログラムは、動画像を入力する入力ステップ（Ｓ２１）と、前記動画像を複数のセグメントに分割する分割ステップ（Ｓ２２、Ｓ２２’）と、前記複数のセグメントの間における特徴量の変化パターンを求める算出ステップ（Ｓ２３、Ｓ２４、Ｓ２５）と、前記動画像に関する前記変化パターンと、他の動画像に関する前記変化パターンとに基づき、前記動画像と前記他の動画像との間の類似度を判定する判定ステップ（Ｓ２６）と、をコンピュータに実行させる。 （もっと読む）