【課題】文書画像データベースの大規模化に伴って顕在化するLocally Likely Arrangement Hashing (LLAH) のメモリ効率の問題、および、特徴量の識別性の問題を解決する改善手法を提供する。LLAH は高いロバスト性を実現するために、必要メモリ量が多く、また、大規模化に対処するには、特徴量の識別性・安定性が十分でないという側面がある。
【解決手段】以下の3 点の改良を施す。第１は、ハッシュに保存する特徴点をサンプリングすることによる必要メモリ量の削減である。第２は、特徴量の次元数を増加させることによる識別性向上である。第３は、特徴量のうち冗長性のある次元を削除することによる安定性向上である。 （もっと読む）

【課題】画像内に含まれる目的の対象物を検出する速度を向上させる。
【解決手段】標準パターンの領域を、任意の点である領域分割中心点から放射線状に２つ以上の領域に分割し、分割領域ごとに領域分割中心点から最大距離にある標準パターン画素位置を標準パターン代表点として選定する。被判定パターンの領域を、標準パターン代表点選定ステップと同じ条件で領域分割中心点を用いて２つ以上の領域に分割し、分割領域ごとに領域分割中心点から最大距離にある被判定パターン画素位置を被判定パターン代表点として選定する。対応する分割領域における標準パターン代表点の座標と被判定パターン代表点の座標の位置的差異を求め、すべての分割領域において位置的差異が予め定められた範囲内であるときに被判定パターンは目的の対象物であると判定する。 （もっと読む）

【課題】画像中から物体を分離することなく、また、複数のフレーム画像やモデル情報を必要としないで、物体の特徴を抽出すること。
【解決手段】特徴抽出部２１０と特徴出現頻度分布算出部２２０と物体特徴抽出部２３０とを備えている。特徴抽出部２１０は、複数のカテゴリに対応する複数の画像集合から複数の特徴集合をそれぞれ抽出する。特徴出現頻度分布算出部２２０は、その複数の特徴集合に基づいて複数の特徴出現頻度分布をそれぞれ算出する。物体特徴抽出部２３０は、その複数の特徴出現頻度分布の比較結果に基づいて複数の特徴から複数の重要特徴を選択し、その複数の特徴出現頻度分布とその複数の重要特徴とに基づいて、その複数の重要特徴がそれぞれ出現する複数の頻度を示す複数の物体特徴を算出する。 （もっと読む）

【課題】行動推定装置において、推定行動の検出精度を向上させること。
【解決手段】確定行動の特定中に検出した特徴点データ（即ち、行動時特徴点）を用いて、確定行動推定モデルを新たに生成すると共に、非確定行動推定モデルを形成する特徴点の位置及び軌跡と確定行動実施時の特徴点の位置または軌跡との予め規定された対応関係に基づいて、行動時特徴点を用いて、非確定行動推定モデルを新たに生成する（Ｓ１４０）。そして、特徴点データを、記憶装置に格納されている行動推定モデルそれぞれに照合し、その照合結果に基づいて、推定行動を検出する（Ｓ１５０）。さらに、新モデルが、旧モデルよりも運転者に適合していれば、記憶装置に格納する行動推定モデルを、旧モデルから新モデルへと更新する（Ｓ１６０）。これにより、運転者に特化した行動推定モデルに特徴点データを照合することで、推定行動が検出される。 （もっと読む）

【課題】画像からより確実に対象物体を検出できるようにする。
【解決手段】仮統合識別器生成部２７は、統計学習により求められた、複数の弱識別器からなり、画像から対象物体を検出するための服装識別器および輪郭識別器を統合して、仮の識別器である仮統合識別器を生成する。統合識別器生成部２８は、仮統合識別器を構成するいくつかの弱識別器を選択し、選択した弱識別器の線形和を特徴関数とする。さらに、統合識別器生成部２８は、生成された任意の数の特徴関数のそれぞれに、特徴量を代入して得られた値のそれぞれを、新たな特徴量とし、それらの新たな特徴量を用いた統計学習により、画像から対象物体を検出するための最終的な統合識別器を生成する。本発明は、学習装置に適用することができる。 （もっと読む）

【課題】性能がより向上したLLAHによる文書画像検索手法を提供する。
【解決手段】性能向上の第１の側面はメモリ消費量の削減であり、第２の側面は処理の高速化である。メモリ消費量の削減のために信頼性の低い特徴量を取り除き、データベースの構造を単純化する。また処理高速化のために特徴量を画像の回転に対して不変なものにし、検索時に総当りで探索する処理を省略する。 （もっと読む）

【課題】少ない画像からでも信頼性の高い顔登録を行うことのできる技術を提供する。
【解決手段】特徴量ベクトル抽出部１４が、新規登録者の登録画像から特徴量を抽出し、特徴量ベクトルを生成する。仮想特徴量ベクトル生成部１５が、特徴量空間内での座標変換を行う特徴量変換器を用いて、特徴量ベクトルを変換する。そして、登録情報生成部１６が、元の特徴量ベクトルと変換後の仮想特徴量ベクトルに基づいて、新規登録者の顔定義情報を生成し、登録情報記憶部１９に登録する。当該特徴量変換器は、登録画像の撮影条件が未知であっても変換可能な変換器である。 （もっと読む）

【課題】動いている被写体を撮影した映像から抽出した特徴点の編集作業を、円滑に行うことを可能にすること。
【解決手段】アニメーション作成システム1は、動いている被写体を撮影した映像19から、特徴点を抽出することで動きを抽出し、この特徴点を用いてアニメーションを作成するシステムであり、映像入力部3、特徴点抽出部5、検索部7、特徴点記憶部9、合成部11、特徴点編集部13、動作データ作成部15、アニメーション作成部17、および出力部21を含んでいる。検索部7は、抽出されなかった特徴点を含むフレームを特定する。合成部11は、特定されたフレームの合成画像を、特定されなかったフレームの合成画像とは、表示形態が異なるように作成する。よって編集者が、抽出されなかった特徴点を含むフレームを一目で把握することが可能になり、編集作業を円滑に進めることが可能になる。 （もっと読む）

【課題】画像上の物体を、登録したデータとの形状のわずかな違いや、物体の向きの影響に対してロバストに認識することができる画像認識システムを提供する。
【解決手段】グラフ作成処理では、グラフ画像データ作成処理（Ｓ２０１）、グラフ行列データ作成処理（Ｓ２０２）、特徴ベクトルデータ作成処理（Ｓ２０３）を順に実行する。まず、グラフ画像作成処理（Ｓ２０１）を実行する。グラフ行列データ作成処理を実行する（Ｓ２０２）。グラフ行列データ作成処理では、グラフ画像の各辺の長さと対角線の長さを、行列（グラフ行列）として表す。グラフ行列の行と列とは、グラフ画像の特徴点ＩＤ１〜ｎまでに対応する。各成分は、行と列との特徴点ＩＤに対応する特徴点の距離（画素の数で表すことができる。）を表す。但し、対角線が引かれていない特徴点同士の距離と、グラフ行列の対角成分の距離と、は“０”とする。マハラノビス距離計算処理で使用する特徴ベクトルを作成する特徴ベクトルデータ作成処理を実行する（Ｓ２０３）。 （もっと読む）

【課題】勾配法による動きベクトルの検出精度をさらに向上することができるようにする。
【解決手段】カウンタ値演算部４５１は、有効画素数カウンタ４４１、水平勾配無カウンタ４４２、および垂直勾配無カウンタ４４３から、有効画素の数、水平方向に勾配のない画素の数、および垂直方向に勾配のない画素の数を取得して、演算ブロックにおける有効画素と、有効画素のうち片側勾配の画素の割合を演算し、演算結果に応じて、フラグ設定部４５２が設定するフラグの値を制御する。フラグ設定部４５２は、勾配フラグの値を設定し、勾配フラグを後段に出力する。後段では、勾配フラグに基づいて、勾配法演算およびベクトル評価処理が実行される。本発明は、２４Ｐ信号から６０Ｐ信号へのフレーム周波数変換処理を行う信号処理装置に適用できる。 （もっと読む）

【課題】フレーム間の平均輝度レベルが大きく変化する場合にも、動きベクトルの信頼度の評価を行うことができるようにする。
【解決手段】フレームｔ＋１上には、フレームｔ上の画素ｐ０が対応する画素ｐ１から、正しい動きベクトルｖ１のベクトル量ずらした位置のブロックＢ１と、画素ｐ０が対応する画素ｐ１から誤った動きベクトルｖ２のベクトル量ずらした位置のブロックＢ２が示されている。ここで、ブロックＢ１にだけ光源の移動や影の通過などがあり、ブロックＢ１の輝度レベルが全体的に大きく下がったとしても、各フレーム毎に演算ブロック内の輝度値平均をオフセットとして差し引いた輝度値の自乗和を評価値として用いることにより、ブロックＢ１の評価値の方が、ブロックＢ２の評価値よりも信頼度が高いと判定される。本発明は、２４Ｐ信号から６０Ｐ信号へのフレーム周波数変換処理を行う信号処理装置に適用できる。 （もっと読む）

【課題】 より品質の高い画像処理を実現する。
【解決手段】 デジタル画像の複雑度測定方法であって、画像処理システムの画像処理部は、Ｓ２０において、ラスタ画像として表現された画像を受け取り、Ｓ２２において、上記ラスタ画像における各画素のコンテンツ種別を決定し、Ｓ２４において、上記コンテンツ種別の領域の特徴を設定し、Ｓ２６において、画像複雑度測度を計算する。 （もっと読む）

【課題】 特殊なターゲットを用いることなく、土木分野においても好適に利用できる標定点探索を実現する。
【解決手段】 重複撮影された複数の撮影画像間の標定点を探索する標定点探索装置５は、各撮影画像間におけるエピポーラ拘束条件を求めるために必要な、各撮影画像の相互標定要素を取得する相互標定要素取得処理部２３と、各撮影画像の撮影画像データにおける色情報に基づいて、各撮影画像において目立つ対象物を示す画素領域を抽出する標定点候補抽出処理部２１と、抽出した画素領域に含まれる画素の位置情報に基づき、抽出した画素領域を楕円により表現したときの当該楕円の楕円パラメータを算出する楕円パラメータ算出部２２ａと、取得した相互標定要素の概算値と、算出した楕円パラメータとに基づいて、各撮影画像において抽出された画素領域に対応関係があるか否かを判定する標定点探索処理部２４とを備える。 （もっと読む）

【課題】１台のカメラから得られた２次元の画像から、カメラの３次元運動と撮影対象上の空間的に密な３次元形状を求めることのできる３次元情報復元装置を提供する。
【解決手段】撮影対象を撮影したカメラの動き情報を動画像入力データに基づいて逐次推定する運動推定部１００と、撮影対象までの距離情報を動画像入力データに基づいて逐次推定する距離推定部２００とを備えた３次元情報復元装置であって、運動推定部１００は、距離推定部２００で推定された前回時刻の距離情報と、動画像入力データとに基づいて今回時刻の動き情報を推定し、距離推定部２００は、運動推定部１００で推定された今回時刻の動き情報と、動画像入力データとに基づいて今回時刻の距離情報を推定する。 （もっと読む）

【課題】 傾斜角センサが装着された撮像装置または物体の位置と姿勢を、反復演算を行うことなく直接的に求める。
【解決手段】 物体または撮像装置に装着された傾斜角センサの傾斜角計測値を入力する傾斜角計測値入力工程と、前記撮像装置から撮影画像を入力する画像入力工程と、前記撮影画像から前記物体上の指標を検出する指標検出工程と、前記傾斜角計測値、前記検出された指標の画像座標および前記検出された指標の既知の位置情報に基づき、反復演算をせずに、前記傾斜角センサが装着された物体または撮像装置の位置と姿勢を直接的に算出する位置姿勢算出工程とを備える。 （もっと読む）

【課題】画像の拡大縮小に拘らず、物体を確実に認識することができるようにする。
【解決手段】 多重解像度生成部２１により、モデル画像から多重解像度画像を生成し、特徴量抽出部２３により各解像度の特徴点の特徴量を抽出し、モデル辞書登録部２４に登録する。入力されたオブジェクト画像の多重解像度を多重解像度生成部３１により生成し、その特徴点と特徴量を特徴量比較部３５において、モデル辞書登録部２４に登録されている特徴量と比較する。この比較は、kdツリー構築部３４により構築されたkdツリーを利用して行われる。モデル姿勢推定部３６は、特徴量比較部３５による特徴量の比較結果に基づいて、オブジェクト画像に含まれるモデル画像の姿勢を推定し、その物体の姿勢パラメータを出力する。本発明は、ロボットに適用することができる。 （もっと読む）

【課題】
複数の撮像装置が撮像した映像から、監視者（または操作者）が目的とする物体の映像を時系列的に確認表示できるように映像を整理することを可能にする映像編集方法及び映像表示方法を提供する。
【解決手段】
監視カメラの設置位置を想定した映像チャネル関連付け情報を登録しておく。事故や事件があった場合に、記録映像中に見つけたい特徴色を入力し、色追跡検索を行なう。検索結果から目的とする物体を選択し、追跡映像の作成を実行することで、映像チャネル関連付けをもとにした色検索を行い、時系列順に追跡映像を確認表示できるように編集する。
追跡映像は、通常の記録映像と同様に扱えるとともに、追跡経路情報を出力することができる。 （もっと読む）

【課題】 背景差分と色検出の統合により、画像中における複数の領域を正確に識別することができる画像処理装置、画像処理方法、画像処理プログラムおよびそのプログラムを記録した記録媒体を提供する。
【解決手段】 まず、カメラ３により背景領域１のみが撮像された背景画像データが得られる。そして、構造化データ記憶部１３に、背景画像データの画素の座標と画素の色階調値とが識別空間内に構造化されて記憶され、背景色領域が形成される。続いて、カメラ３により背景領域１および対象領域２が撮像された入力画像データが得られる。そして、クラス識別部１４において、各画素の色階調値と背景色領域との識別空間内における距離が計算される。その計算された距離に基づき、クラス識別部１４において、各画素の色階調値が、背景色領域とそれ以外の背景外色領域のいずれに属するかが識別される。 （もっと読む）

【課題】 簡便に対象の個別同定を行うための技術を提供すること。
【解決手段】 特徴抽出部２３は画像に含まれている注目対象の各特徴を検出し、局所領域設定部２４は検出した特徴のうち、対象の形状を得るための特徴群を包含する局所領域、位置関係を得るための特徴群を包含する局所領域を設定し、特徴ベクトル生成部２５は設定された局所領域内の特徴ベクトルデータを求め、物体認識部２６は特徴ベクトルに基づいて注目対象がそれぞれ異なる対象の何れであるかの特定を行う。 （もっと読む）