【課題】本発明は、重心点追跡方法に要求されるターゲット抽出方式中、ターゲットと背景の統計的な特性を利用して各々を分離するアルゴリズムと関連したターゲット抽出装置とその方法および前記方法を実現するプログラムが記録された記録媒体を提供する。
【解決手段】本発明は、入力映像からターゲット領域を抽出するターゲット領域抽出ステップ；ターゲット領域の大きさを考慮して、入力映像から背景領域を抽出する背景領域抽出ステップ；およびターゲット領域と背景領域を基礎に入力映像からターゲットを抽出するターゲット抽出ステップを含むことを特徴とする。本発明によれば、ターゲット領域と背景領域の効果的な分離が可能となり、ターゲット抽出性能の信頼性を向上させることができる。 （もっと読む）

【課題】信号中の関心領域に応じて適切に関心密度分布をモデル化する。
【解決手段】関心対象を予め記憶する関心対象記憶部(11)と、入力信号の中から関心対象記憶部に記憶されている関心対象と類似度の高い関心対象信号を検出し、関心対象情報を生成する関心対象検出部(12)と、関心密度分布モデルの形状を予め記憶するモデル形状記憶部(13)と、モデル形状記憶部から関心密度分布モデルの形状を選択し、選択した関心密度分布モデルの形状情報を生成するモデル選択部(1411)と、関心対象情報と関心密度分布モデルの形状情報とに基づいて、関心密度分布モデルのパラメータを生成するモデルパラメータ生成部(1412)と、関心密度分布モデルの形状情報及び関心密度分布モデルのパラメータにより関心密度分布を生成する統合分布モデル化部(142)とを備える。 （もっと読む）

【課題】 事前に情報登録などが行えない不特定多数の人物に対して、その人物の顔・視線方向を高精度に計測することで、人物が注目している位置を計測する注目位置推定装置を提供する。
【解決手段】 注目位置推定装置において、得られた顔画像に対して画像認識処理を行うことで、その顔の年齢や性別などの属性情報を推定し、推定された属性情報に従って顔方向計測のためのモデルを選択・修正する。このモデルを用いて顔方向を計測することで人物ごとの個人差の影響を抑制して顔・視線方向を計測し、注目位置を計測する。 （もっと読む）

【課題】本発明は、帳票内に存在する押印の文字を正確に認識する帳票認識装置を提供することを目的とする。
【解決手段】帳票画像を取得するイメージ入力部と、帳票画像から押印画像を検出する押印画像検出部と、押印色とその他の色とを分離する背景色分離部と、押印画像の傾きを補正する傾き補正部と、文字列を切り出す文字列探索部と、文字列を構成する各文字を切り出す文字切出部と、各文字を認識する文字認識部と、文字列形式に適合する文字認識結果を選択する知識処理部と、文字認識結果と当該文字認識結果の信頼度とに基づいて文字認識結果を棄却するか否かを判定する棄却判定部と、文字認識結果が棄却された場合に、押印画像の文字を再度認識させるか否かを判定するリトライ判定部と、を備えることを特徴とする帳票認識装置。 （もっと読む）

【課題】モーションシャープニングを考慮した動画像強調処理を実現する。
【解決手段】撮影された動画像の複数のフレーム画像をメモリに記憶する（ステップＳ１００）。記憶された複数のフレーム画像の平滑化処理を行う（ステップＳ１０２）、平滑化された画像データを用いて、各画素に対する画素値の時間軸方向の平均ｆ_ａｖを求める（ステップＳ１０６）。処理対象となるフレームの各画素の画素値の平均ｆ_ａｖに対する偏差ｆ_ｄｅを算出する(ステップＳ１０８)。記憶された複数のフレーム画像の画像データを用いて、処理対象となるフレームの各画素に対するオプティカルフローを算出する（ステップＳ１１２）。オプティカルフローに基づいて、各画素に対する重み係数αを算出する（ステップＳ１１６）。重み係数αで増幅された各画素の偏差ｆ_ｄｅを各画素の時間軸平均ｆ_ａｖに加算し強調画像を得る（ステップＳ１１０）。 （もっと読む）

【課題】レンズをデフォーカスさせた場合であっても、スポット光の重心位置を高精度に算出することができる画像処理装置および画像処理方法を得る。
【解決手段】光源からの光を集光させたスポット光が入射した画像におけるスポット光の重心位置を算出する画像処理装置（方法）であって、スポット光が入射した画像の各画素の輝度値に基づいて、画像の１次重心を決定する１次重心決定手段（ステップ）と、１次重心を中心とする所定半径の円を描く円描画手段（ステップ）と、所定半径の円と各画素との重複割合を算出する重複割合算出手段（ステップ）と、重複割合を、０から１までの重みに切り詰める重み設定手段（ステップ）と、各画素の輝度値に重みを乗算して、スポット光の重心位置を算出する重心位置算出手段（ステップ）とを備えたものである。 （もっと読む）

【課題】従来よりも演算量を削減するとともに画像分離精度も高めることができる動画像処理装置及び動画像情報処理プログラムを提供することを提供すること。
【解決手段】動画像の画像信号を画面表示状態で複数の矩形領域に分割し、直交変換により矩形領域毎の特徴量を算出する画像信号変換部７と、特徴量の直流成分を矩形領域の代表信号として新たな画像信号を生成する縮小画像生成部８と、新たな画像信号の重み付け加算を行う画像強調処理部１０と、重み付け加算前後における直流成分の強度比を算出して、矩形領域における画素信号、スペクトル、又は該スペクトルの特徴量に乗算する増幅処理部１１と、を備えている。 （もっと読む）

【課題】被写体の追跡精度の向上を図る。
【解決手段】撮像装置１００であって、メモリ４に記憶された被写体の画像データを複数の領域に分割する画像分割部５ｂと、分割された複数の領域が有する各々の特徴情報に基づいて、撮像部１により逐次生成される画像フレームから各領域に対応する対応領域を夫々特定する領域特定部５ｄと、特定された対応領域に基づいて、画像フレームにおける当該対応領域を有する画像領域を追跡対象として追跡する被写体追跡部５ｈとを備えている。 （もっと読む）

【課題】画像内の被写体の種別の認識精度を向上できるようにする。
【解決手段】距離検出部３２は、画像取得部３１により取得された画像内に撮像されている被写体の、画像の撮像時の撮像機器からの距離の情報を、画像の画素単位で取得する。物体認識部３６の領域分割部４１は、画像、および距離情報に基づいて、画像における被写体となる前景領域と、それ以外の背景領域とに領域を分割する。背景影響低減特徴量抽出部４２は、画像、距離情報、および分割された背景領域の情報の全て、またはそのいずれかに基づいて、背景による被写体の種別の認識に対する影響を低減する特徴量を抽出する。認識処理部４３は、抽出された特徴量に基づいて、画像における前景となる被写体の種別を認識する。本発明は、画像処理装置に適用することができる。 （もっと読む）

【目的】対象画像の追尾精度を向上させる。
【構成】立体撮像ディジタル・カメラを用いて被写体を撮像し，右目用画像と左目用画像とを周期的に得る。両方の画像で対象画像の検出処理が行われ（ステップ71），対象画像が検出されると（ステップ72でＹＥＳ），右目用画像，左目用画像のうち，その後に撮像される画像については対象画像が検出された方の画像で対象物を検出するように設定される（ステップ73）。設定された方の画像で対象画像検出処理が行われる（ステップ74）。対象画像が検出されると（ステップ75でＹＥＳ），対象画像らしさがしきい値未満のときには（ステップ76），両方の画像で対象画像の検出処理が行われ（ステップ77），対象画像らしさのスコアの高い方の画像を用いて対象画像を検出するように設定される（ステップ79）。 （もっと読む）

【課題】隠蔽領域があると、特徴点を安定して検出できなかった。
【解決手段】入力画像から対象物を検出する対象物検出部１０１と、前記対象物検出部が出力する尤度Ａを用いて各特徴点の重みを設定する重み設定部１０２Ａと、特徴点の統計的な位置関係を表す形状モデル、および、同各特徴点位置に対して予め定義された範囲の特徴量を表すプロファイルを保持する学習結果記憶部１０４と、各特徴点の最良な候補位置を探索する候補点探索部１０３と、候補点を形状モデルに整形係数を用いて射影する整形処理部１０５からなるものであり、前記重み設定部１０２Ａで設定した各特徴点に対する重みを用いて、同特徴点の候補位置と対応する形状モデル内の特徴点位置との差に対し重み付けし、前記整形係数を計算する。 （もっと読む）

【課題】位置決めのための風景画像認識技術に利用される効果的な参照データの生成に適した画像処理システムとそのような参照データを用いた位置測位システムを提供する。
【解決手段】風景を撮影した撮影画像から画像特徴点を抽出する特徴点抽出部と、撮影画像に特定被写体が含まれている可能性を表す撮影状況情報に基づいて画像特徴点の重要度を決定し、この重要度に基づいて画像特徴点から撮影画像に対応する画像特徴点データを生成し、画像特徴点データを当該画像特徴点データに対応する撮影画像の撮影位置を含む撮影属性情報と関係付けて、参照データとして生成する画像処理システム。 （もっと読む）

【課題】繰り返しパターン画像に対する動きベクトルの検出精度を向上させて画質劣化を低減できるようにする。
【解決手段】第１のブロックを複数で構成する第２のブロック毎に動きベクトルを取得するグローバルベクトル取得手段と、符号化を行うアドレスにおける予測誤差値を算出する予測誤差値算出手段と、前記符号化を行うアドレスにおけるベクトル符号量を算出するベクトル符号量算出手段と、前記ベクトル符号量算出手段により算出されたグローバルベクトル符号量に重み付けを行ってベクトル評価値を算出するベクトル評価値算出手段と、前記ベクトル評価値算出手段により算出したベクトル評価値に基づいてベクトル位置を決定するベクトル位置決定手段とを設け、窓枠等の繰り返しパターンであっても、実際の動きと異なるベクトルを選択する不都合をなくすようにする。 （もっと読む）

【課題】画像系列から検出された顔画像をより効率的にクラスタリングすること。
【解決手段】画像に含まれる顔を検出する顔検出部と、前記顔検出部により検出された顔の向きを検出する顔向き検出部と、前記顔向き検出部により検出された顔の向きを考慮し、特徴が近い顔を検出して当該顔の特徴を表す顔情報の集合を形成する顔識別部と、前記顔識別部により形成された各顔情報の集合について、前記顔向き検出部により検出された顔の向きに基づいて顔の向き毎に予め設定された数まで顔情報の数を絞り込み、数が絞り込まれた各顔情報の集合を単位グループに設定する単位グループ設定部と、前記単位グループ設定部により設定された単位グループを単位として、当該各単位グループに含まれる顔情報に基づくクラスタリングを実行するクラスタリング部と、を備える、顔クラスタリング装置が提供される。 （もっと読む）

【課題】画像から対象物を検知する対象物検知装置において、画像を分割したセルごとに識別器を設け、対象物の特徴が強く現れるセルを選択して検知を行うと、当該セルが隠蔽されたときに対象物を検知し損なう。
【解決手段】後段部３２の全体識別関数はセルごとの部分識別器３００それぞれから識別指標値を入力される。全体識別関数は、セル数に応じた多次元の正規分布関数であり、部分識別器群３０２に対象物画像、非対象物画像をそれぞれ多数入力したときの各識別指標値を正規分布として求めた平均・分散により予め定義される。対象物判定部３４は、全体識別関数の出力値に基づいて対象物の有無を判定する。 （もっと読む）

【課題】風景画像認識技術を用いながらも、効率的な自車位置検出が可能な自車位置検出システムを提供する。
【解決手段】車両からの風景を撮影した撮影画像から画像特徴点を抽出することによって生成された画像特徴点データに対応撮影画像の撮影位置と車両イベントを関係付けた参照データ群を格納している参照データデータベース９２と、車両の推定自車位置から算定される誤差範囲と実車両イベントとに基づいて、実撮影画像から抽出された画像特徴点からなるマッチング用データに対するマッチング相手候補となる参照データを出力する参照データ出力部と、マッチングした参照データに関係付けられた撮影位置に基づいて自車位置を決定する自車位置決定部が備えられている。 （もっと読む）

【課題】実装上軽量で、かつ、登録条件、又は照合条件による認識精度に対する影響を抑制することを目的とする。
【解決手段】入力データの局所特徴と、入力データの局所特徴に対応する複数の辞書データの局所特徴と、から局所特徴単位の類似度集合を算出する類似度算出部１０３と、類似度算出部１０３で算出された局所特徴単位の類似度集合を登録条件、又は照合条件に応じて複数、統合して統合類似度を算出する統合類似度算出部１０４と、統合類似度算出部１０４で算出された統合類似度に基づいて、入力データに対応する辞書データを識別する識別部１０６と、を有することによって課題を解決する。 （もっと読む）

【課題】特徴点の追跡を行うことによって、時系列的に連続した複数の画像データのそれぞれに写った共通の被写体の動きを判断する撮像装置において、被写体の動きが速く、対応点を求めることができない場合でも被写体の動きを判断できるようにする。
【解決手段】撮像装置としてのデジタルカメラのＣＰＵは、２枚目以降のフレームの画像データが取得されると、その画像データに対する特徴点追跡処理の実行を特徴点追跡部に指示する。特徴点追跡部は、１つ前のフレームの画像データから抽出された各特徴点のそれぞれに対応した対応点を求め、それらの各対応点を示す対応点情報をＣＰＵに入力する。ＣＰＵは、入力された対応点情報を基に、特徴点追跡部で対応点が求められた追跡可能な特徴点の数が所定値以下か否かを判定する。そして、所定値以下である場合に、被写体の動きが速いと判断し、ＣＣＤのシャッタ速度を速くする。 （もっと読む）

【課題】マルチクラス、マルチビューの判別を行う判別器を生成するに際し、判別器における木構造の問題点を解決して、判別精度および判別速度を両立させる高性能の判別器を生成する。
【解決手段】検出対象画像から抽出した特徴量を用いて、検出対象画像に含まれるオブジェクトを判別する、複数の弱判別器が組み合わされてなる判別器であって、オブジェクトについて判別するクラスが複数あるマルチクラスの判別を行う判別器を生成する。その際に、複数のクラス間の弱判別器の分岐位置および分岐構造を、各クラスにおける弱判別器の学習結果に応じて決定する。 （もっと読む）