JP2002008042A - 動作認識処理装置及び移動物体の動作分析システム - Google Patents
動作認識処理装置及び移動物体の動作分析システムInfo
- Publication number
- JP2002008042A JP2002008042A JP2000187528A JP2000187528A JP2002008042A JP 2002008042 A JP2002008042 A JP 2002008042A JP 2000187528 A JP2000187528 A JP 2000187528A JP 2000187528 A JP2000187528 A JP 2000187528A JP 2002008042 A JP2002008042 A JP 2002008042A
- Authority
- JP
- Japan
- Prior art keywords
- image
- value
- motion
- moving
- action
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
- Studio Circuits (AREA)
Abstract
ることが難かしく、また移動体の動作の程度を識別する
ことが困難である。 【解決手段】パラメータ入力部2で、画像中の特定の領
域の範囲および濃度値を所定の割合で変化させるための
制御パラメータを入力し、拡散計算部3は、移動する物
体の動画像を物体像と背景像に分離し、所定の時刻に物
体像が存在する領域の画素に所定の濃度値を割り当て、
上記制御パラメータに基づいて時間の経過と共に上記領
域の範囲と上記濃度値を変化させ、動作識別部4は、上
記領域における上記濃度値の分布から特徴量を抽出し、
上記特徴量と既定値との照合に基づき、上記物体の動作
を認識する。
Description
り移動体の動作を認識する技術であって、特に移動体の
行動を監視または分析する利用に好適な動作認識装置に
関する。
しては、オプティカルフローによる方法が知られてい
る。これは特開平10−334270号に示されているように、
画像中の物体の移動による映像の変化を、光学的な流れ
としてみなし、流れを分析することにより動作を認識す
る手法である。
a Laboratory Perceptual Computing Section Technica
l Report No.402に示されているように、物体のシルエ
ットを抽出し、これに時間変化に応じた濃度値を与え、
それを時間軸で積分することによりMotion History Ima
ge (MHI)と呼ばれる画像を生成し、このMHIのモーメン
ト特徴量などから物体の動作を分類する方法がある。
70号では、画像の濃度分布に着目した手法であるので、
その特徴が濃淡の明確なパターンとして存在していない
場合の処理が困難であった。特に広域を移動する人物を
対象とするような場合では、十分な解像度で人物像を捕
らえることが難しいので、明確な濃淡パターンは得にく
く、行動認識も難しかった。
的な形状変化の特徴から動作を分類する方法は、その動
作の程度を識別することができなかった。また、広域を
移動する移動体を対象とするような場合についての考慮
がない。
広域を移動する移動体の動作を認識することである。ま
た、移動体の動作の程度も認識することである。
めに、パラメータ入力部で、画像中の特定の領域の範囲
および濃度値を所定の割合で変化させるための制御パラ
メータを入力し、拡散計算部は、移動する物体の動画像
を物体像と背景像に分離し、所定の時刻に物体像が存在
する領域の画素に所定の濃度値を割り当て、上記制御パ
ラメータに基づいて、時間の経過と共に上記領域の範囲
と上記濃度値を変化させ、動作識別部は、上記領域にお
ける上記濃度値の分布から特徴量を抽出し、上記特徴量
と既定値との照合に基づき、上記物体の動作を認識す
る。
オカメラからの動画像データから、移動する物体の移動
軌跡を求め、軌跡データとして出力する軌跡抽出処理部
と、上記動画像データから、個々の移動する物体の動作
を識別し、単独動作データとして出力する動作識別部
と、上記軌跡データから、集団としての行動を識別し、
集団動作データとして出力する行動分析処理部と、上記
単独動作データおよび上記集団動作データから、統計処
理および三次元グラフィックス処理を行って、統計デー
タおよびCG映像データを出力する表示処理部とを備
え、移動物体の動作を分析する。
て説明する。図1は本発明における動作の認識手法で、
セル状拡散モデルの説明図である。本発明では、人物の
動作により、周辺の流体に拡散現象が生じるものとし、
その状況をセル状に離散化したモデルで解析するので、
この動作認識手法をセル状拡散モデルと呼ぶ。また、認
識すべき動作の種類は多様であるが、ここでは「歩いて
いる」や「走っている」といった移動動作の識別を対象
とする。
た移動する人物の画像である。同図では4×4画素しか
示していないが、これは画像中で人物の存在する付近の
一部分である。ここで、その人物は丁度、一画素の大き
さで撮影されており、時刻t0の時点で図のような位置に
人物像があるものとする。本発明では人物像の濃淡パタ
ーンの情報は利用しないので、人物像は人物のシルエッ
トがわかる二値画像で良い。
ので、(a)と比較すると、人物像は一画素右の位置に
移動している。(c)はt1におけるセル状拡散モデルの
圧力状態を示したものである。このモデルでは、画像の
人物像以外の背景像の部分は、ある流体で満たされてい
るものと考える。いま人物はセルAの位置から、セルB
の位置に移動しているが、このモデルではセルAで人物
は消滅し、セルBで人物が出現したものとして考える。
このとき、セルAでは存在していた人物の消滅すること
により負圧が生じ、拡散現象により流体が流入しようと
する。同様に、セルBでは人物の出現により正圧が生
じ、拡散のために流体が流出しようとする。また変化の
ない部分は圧力は0である。
力差が生じることとなり、ここではセルAのような人物
の消滅部分を低圧部、セルBのような人物の出現部分を
高圧部を呼ぶことにする。この図で右下がりのハッチン
グ部は低圧部を、右上がりのハッチング部は高圧部を示
し、ハッチング線が太いほど周囲との圧力差が大きいこ
とを意味している。またハッチングのない部分は圧力は
0である。
を示すものである。低圧部では拡散により流体が流入す
ることで、周囲との圧力差は小さくなる(圧力は上昇)
が、低圧部の領域は広がることになる。
定の値を加えた値とし、それを画像の濃度値として画素
に格納する。また領域の広がりは画像処理の膨張演算を
適用して求める。膨張演算とは人物像を一画素分太める
処理で、入力画像Pの一画素をPijとし出力画像Qの一画
素をQijとし、人物像を1、背景像を0とすると、良く
知られているように、数1のように定義される。
=1 その他の場合: Qij=0 この膨張演算は、パソコンに接続された画像処理ボード
のハードウエアにより実行できるので高速な処理が可能
である。
拡散により流体が流出するので、圧力は低下して、高圧
部の領域は広がる。ここでもハッチング部の圧力値は
(d)の圧力値から所定の値を減じた値とし、圧力値を
画素に格納する。また広がった領域も同様に膨張演算に
より求める。
部を加算した結果で、これが時刻t2における最終的な圧
力分布となる。ここでは低圧部と高圧部で、圧力値の絶
対値は等しいものとしているので、両者が存在する領域
は加算により圧力値は0となっている。これら圧力値の
加算も圧力値を格納した濃度値の加算として、画像処理
ボードで実行する。
る動作認識手法について説明する。ここでは時刻t0の人
物像が(a)、t1が(b)、t2が(c)およびt3が(d)の状態にあ
るものとし、人物は一画素ずつ右に移動している状況に
ある。
分布は、図1で示したように、時刻t1においては(e)の
ようになり、t2では(f)となり、さらに拡散してt3では
(g)となる。同様にして(b)から(c)の変化では、圧力分
布は時刻t2で(h)のようになり、t3では(i)となる。また
同様にして(c)から(d)の変化では、時刻t3で(j)のよう
になる。
析するためには、上記(e)から(j)までの圧力分布を各時
刻毎に加算をする。その結果として、(k)は(e)そのま
ま、(l)は(f)と(h)を加算したもの、(m)は(g)と(i)と
(j)を加算したものである。本発明の動作認識では、(k)
から(m)のような、各時刻における圧力分布のパターン
が持つ特徴を利用する。
例を示す。ここで人物像は画像中の一部分に(a)のよう
な状態で撮影されており、この人物は画面の右手方向に
移動している状況にある。この人物像は画像中の人物の
シルエットである。
し、その結果はたとえば(b)のような分布となる。そし
て正または負の圧力が存在している部分を抽出し、その
外接矩形を求める。複数の人物が存在する場合も考えら
れるので、その場合には外接矩形毎にラベル付けして区
別をする。圧力は濃度値として画像メモリに格納されて
いるので、画像処理ボードのラベリング演算を利用し
て、外接矩形やラベル付けした結果を得る。
軸方向の圧力投影値を求めたものである。圧力投影値と
は、個々のセルの圧力値を特定の軸方向に投影して加算
したもので、画像中のラベルを指定して、画像処理ボー
ドで投影演算することにより、値を求めることができ
る。
動方向側(この場合は右側)に凸型で高い圧力投影値が発
生し、反移動方向側では凹型で低い圧力投影値が発生す
ることが、通常のパターンである。この圧力投影値のパ
ターンでマッチングをさせて人物の移動を認識する。
ーンのマッチングにフーリエ解析を応用した手法につい
て述べる。(a)は圧力投影値の分布を示す図であり、こ
の分布を1次元信号として考え、この信号を離散フーリ
エ変換することにより振幅および位相スペクトルを求め
る。
て、i=0,1,2,..,N-1のN個のデータが存在するとすれ
ば、そのフーリエ係数Ckは、良く知られているよう
に、数2により表される(jは虚数単位)。
トルが求められる。(a)の圧力投影値の変動をフーリエ
変換して、スペクトルを求めたものが(b)の計測値であ
る。このとき圧力分布の大きさは画面内に撮影している
位置により異なるが、ここではX軸方向の大きさがすべ
てN画素となるように、圧力分布の大きさを正規化して
おく。
これを基準値とする。このスペクトルの分布が人物の移
動に対する特徴量を表すことになる。(b)の計測値のス
ペクトルが、(c)の基準値に類似していると判断できる
場合には、人物は移動しているものと認識する。
断する際には、撮影時のノイズが生じやすい高調波の部
分をカットして比較することができるので、ノイズの影
響を受けにくいという長所がある。以上の例では計測値
と基準値のマッチングにフーリエ変換により得られたス
ペクトルを用いている。しかし、この他にも例えば、圧
力投影値の分布を示す関数について、計測値と基準値の
関数の残差平方和を計算して、この値が小さいほど両者
は類似していると判断することが可能である。
の方法で人物が移動していることは認識できるが、どの
程度の速さで移動しているか区別はできない。そのた
め、ここでは外接矩形の情報を用いて、「立ってい
る」、「歩いている」あるいは「走っている」といった
動作に分類する。
と、移動速度が大きい場合ほど、外接矩形はX軸方向に
長くなる。圧力分布は一定の時間内での移動量に応じた
形状であるので、外接矩形の大きさは移動情報を持つこ
とになる。そして外接矩形の縦横比は移動速度を表す。
x、Y軸方向長さをByとし、縦横比をBx/Byとする。も
しこの縦横比が(a)のように大きい場合には、人物は
「走っている」状態であり、(b)のように小さい場合に
は「立っている」状態であり、両者の中間が「歩いてい
る」状態であると判断できる。Y軸方向に移動があった
場合でも、同様にして判断は可能である。
明の動作認識処理手順の一例を説明する。ステップ100
では利用者がキーボードやマウスを用いて、拡散計算の
制御パラメータを入力する。具体的には画素に割り当て
る濃度値の大きさや、拡散により減少する濃度値の割
合、および拡散により領域が拡大する割合などを制御す
るパラメータである。これらは認識時の撮影条件などに
より変更する必要があるので、ここで利用者が調整をす
る。
テップ102の処理を繰り返すことを意味している。ステ
ップ102は背景像を作成するステップで、一般的には所
定のフレーム数の間に、画像中で変化のない部分を検出
して、その部分を背景像とすればよい。
フレーム数について、ステップ104から116の処理を繰り
返すことを意味している。ステップ104ではビデオカメ
ラから1フレーム分の画像を、画像処理ボードの画像メ
モリに読み込みする。ステップ105では人物像の抽出を
行う。これには102で作成した背景像と、104で読み込ん
だ現画像の差分を計算し、これをさらに二値化して人物
のシルエットを人物像として得る。背景像も現画像も画
像メモリに格納すれば、これら演算も画像処理ボード上
で実行できる。
テップ107から111の処理を繰り返すことを意味してい
る。ここで拡散回数とは、生じた圧力差が解消するのに
必要な拡散の回数で、たとえば図2の例では3である。
この場合、現在の時刻がt3であるとすると、3フレーム
前にさかのぼって、t0の画像(a)から順次計算して、(m)
のような圧力分布を計算する。
の例で高圧部とは、時刻t0では背景像の部分で、かつt1
では人物像となった部分である。この高圧部をもとめる
には、画像処理ボードで(a)と(b)の画像の論理演算を実
施すればよい。同様にステップ108では低圧部を抽出す
る。低圧部は、t0で人物像の部分で、t1で背景像となっ
た部分で、同じく論理演算で計算する。
る。図1で説明したように、圧力が拡散していく様子は
画像の膨張演算により計算する。事前に拡散で広がる大
きさは定めておき、例えば1回の拡散で1画素膨張する
というように指定する。
圧力値を修正する。同じく図1で述べたように、拡散に
よって低圧部の圧力は上昇し、高圧部の圧力は減少す
る。ここでも事前に設定した値により、1回の拡散で所
定の圧力値が加算または減算されるように計算する。
2の例では(m)の画像を求めることであり、(e)から(j)
のような圧力画像を画像処理ボードで加算することによ
って計算する。
圧力投影値は図3(c)に示したようなもので、圧力分布
から画像処理ボードの投影演算により計算する。ステッ
プ113では離散フーリエ変換を行う。これは図4で説明
したような方法で、圧力投影値のスペクトル分布を求め
る。ステップ114はスペクトルを照合するステップで、
図4のように計測値と基準値を比較し、類似度が高けれ
ば、人物は移動しているものと判断する。
るステップで、図5のようにその比率から「走ってい
る」、「歩いている」あるいは「立っている」のように
動作を分類することができる。ステップ116は認識結果
を出力する。これまでの処理で、画像中の人物の移動動
作が認識できているので、その結果がディスク上のファ
イルなどに出力される。
構成図である。ビデオカメラ7は画像処理ボード6に映
像信号を出力する。画像処理ボード6は画像メモリと論
理演算や加減算などの画像演算機能を持ち、これをパソ
コン5で制御することにより、図6に示した手順で処理
が実行される。
がソフトウエアまたはハードウエアにより実装されてい
る。ここで、動作認識処理部1のパラメータ入力部2は
図6のフローのステップ100を実行する。拡散計算部3
はステップ101からステップ111までの処理を実行し、時
間の経過と共に、上記濃度値を割り当てた領域の拡大を
画像の膨張演算により処理し、かつ上記濃度値の絶対値
は減少するように変化させる。そして、時間の経過と共
に上記領域の範囲と上記濃度値を変化させて作成した画
像を、ディスプレイに表示する。
16までの処理を実行する。上記濃度値の分布を所定の軸
方向に投影させた投影濃度値を特徴量として、上記濃度
値の分布からフーリエ変換してスペクトルを算出し、上
記スペクトルにより既定値と照合する。また、上記濃度
値が分布する領域に外接する外接矩形を算出し、上記外
接矩形の縦横の辺の長さの比に基づいて動作を認識す
る。そして、上記濃度値の分布について所定の区間での
濃度の変動を調査し、所定の値以上に大きな変動が検出
された場合には、上記区間に物体の移動する部分が存在
すると判断する。
処理ボード6というハードウエアにて実行しているが、
これを用いずに全てをパソコン内のソフトウエアで実行
することも可能である。
して、人物の動作分析用のシステムを構築した場合の構
成図を示す。ビデオカメラ7からの動画像データは、動
作認識処理1と軌跡抽出処理20に入力される。
中の人物や物体などの移動体を抽出し、ラベリング部22
が個々の移動体を識別および追跡し、3D座標変換部23が
画像座標を三次元の空間座標に変換して、軌跡データと
して出力する。この軌跡データの内容は、例えば人物が
存在していた平面上での位置座標を、各時刻毎に記録し
たものである。
動体単体の動作を表すので、ここでは単独動作データと
表記している。ここには例えば人物については、「走っ
ている」や「立っている」といった動作の種別を示す識
別子が、各時刻毎に記録される。
の動きを分析する部分で、動きの特徴量を求める特徴量
推定部31と、特徴量を照合するマッチング部32とからな
る。行動分析処理30は軌跡データを入力として、集団の
動きの意味を記述した集団動作データを出力する。この
データについて、商業施設や公共施設などのように多数
の人物が集まるような場面での、人物監視のセキュリテ
ィ応用の例としては、「回避」や「集合」といった集団
行動の意味を表す識別子が、各時刻毎に記録される。
ータを入力として、まず統計分析部41で統計データを出
力する。この統計データの内容は、各人物毎の移動距離
や分類した動作の回数といった情報で、CG映像と共に
ディスプレイなどに表示される。次のモデル動作生成部
42では三次元CGの人体モデルを動かすために、各関節の
関節角を定める部分である。そしてレンダリング部43で
は人体モデルからCG映像を作成し、これをCG映像デ
ータとして出力する。
どスポーツにおけるゲーム分析の用途にも利用可能であ
る。この場合には単独動作データは個々の選手の動きの
認識結果を、集団動作データはチームプレイの認識結果
を表すことになる。
だけでなく、個々の人物について、単独で実施している
動作の識別子が提供できるので、人物の動作分析のため
に有効な情報を提供できる効果がある。
おいて、図4のように圧力投影値からスペクトルを求
め、認識のための特徴量として利用していたが、他の特
徴量も利用可能である。
調べることにより認識をしている。同図(a)のように人
物が左から右へ移動する場合には、圧力投影値の分布の
山は必ず右側に発生し、分布の谷は左側となるので、こ
の性質を利用する。同図(b)のように、X=XminからX
=Xmaxの区間に圧力投影値の分布が得られたものとする
と、この分布形状に対する重心点X=Gを求める。この
Gより左側での圧力投影値の平均値をPx0、Gの右側で
の平均値をPx1とする。ここでPx0およびPx1の絶対値が
所定のしきい値以上で、Px1>Px0であれば人物は右へ移
動しているものと認識する。Y軸方向の移動についても
同様である。
値の平均値を調べれば良いので、計算は簡単であり、処
理を高速にできるという長所がある。
動きに対する動作を認識していたが、体の中で移動した
部位を認識することも可能である。
同図のように人物移動による圧力値が、X=XminからX
=Xmaxの区間およびY=YminからY=Ymaxの区間に存在
するものとし、X軸およびY軸方向に投影させて求めた
圧力投影値があるものとする。ここでX軸およびY軸方
向の中点をXmidおよびYmidとし、人物像の移動部位は、
同図に示す4つの丸付き数字のような領域で分割して考
える。判定用のしきい値をCxおよびCyとし、圧力投影値
の絶対値が、これらの値を超えた領域には、移動する部
位が存在したものとする。
だけが大きく移動しており、他の領域はほとんど移動し
ていない。このような場合には、人物の右足だけが大き
く動いたと認識することができる。本実施例によれば、
体の中で大きく動いた部位を知ることができ、ここから
例えば「右足で蹴った」のように、動作をさらに細かく
認識できるという長所がある。
物体のシルエットを安定して得られ、行動認識が可能に
なる効果がある。また、シルエット形状の変動量を濃度
に変換して記憶するので、動作の分類だけでなく、濃度
分布を調べることにより動作の程度も認識することがで
きる効果がある。
チャート。
成図。
の構成図。
計算部、4…動作識別部、5…パソコン、6…画像処理
ボード、7…ビデオカメラ、20…軌跡抽出処理部、30…
行動分析処理部、40…表示処理部。
Claims (12)
- 【請求項1】 画像中の特定の領域の範囲および濃度値
を所定の割合で変化させるための制御パラメータを入力
するパラメータ入力部と、 移動する物体の動画像を物体像と背景像に分離し、所定
の時刻に物体像が存在する領域の画素に所定の濃度値を
割り当て、上記制御パラメータに基づいて、時間の経過
と共に上記領域の範囲と上記濃度値を変化させる拡散計
算部と、 上記領域における上記濃度値の分布から特徴量を抽出
し、上記特徴量と既定値との照合に基づき、上記物体の
動作を認識する動作識別部とを備えたことを特徴とする
動作認識処理装置。 - 【請求項2】 請求項1において、 上記拡散計算部は、現在は背景像である画素が以前は物
体像であった場合には、画素に負の値を表現する濃度値
を割り当て、現在は物体像である画素が以前は背景像で
ある場合には、画素に正の値を表現する濃度値を割り当
て、変化のない部分には0の値を表現する濃度値を割り
当てることを特徴とする動作認識処理装置。 - 【請求項3】 請求項1または2において、 上記拡散計算部は、時間の経過と共に、上記濃度値を割
り当てた領域を拡大させ、かつ上記濃度値の絶対値は減
少するように変化させることを特徴とする動作認識処理
装置。 - 【請求項4】 請求項1または2において、 上記拡散計算部は、上記濃度値を割り当てた領域の拡大
を、画像の膨張演算により処理することを特徴とする動
作認識処理装置。 - 【請求項5】 請求項1乃至4のいずれかにおいて、 上記拡散計算部は、時間の経過と共に上記領域の範囲と
上記濃度値を変化させて作成した画像を、ディスプレイ
に出力し、表示することを特徴とする動作認識処理装
置。 - 【請求項6】 請求項1乃至5のいずれかにおいて、 上記動作識別部は、上記濃度値の分布を所定の軸方向に
投影させた投影濃度値を上記特徴量として用いることを
特徴とする動作認識処理装置。 - 【請求項7】 請求項1乃至6のいずれかにおいて、 上記動作識別部は、上記濃度値の分布からフーリエ変換
してスペクトルを算出し、上記スペクトルにより既定値
と照合することを特徴とする動作認識処理装置。 - 【請求項8】 請求項1乃至7のいずれかにおいて、 上記動作識別部は、上記濃度値が分布する領域に外接す
る外接矩形を算出し、上記外接矩形の縦横の辺の長さの
比に基づいて、動作を認識することを特徴とする動作認
識処理装置。 - 【請求項9】 請求項1乃至8のいずれかにおいて、 上記動作識別部は、上記濃度値の分布について所定の区
間での濃度の平均値を算出し、上記平均値の大小関係に
基づいて、動作を認識することを特徴とする動作認識処
理装置。 - 【請求項10】 請求項1乃至9のいずれかにおいて、 上記動作識別部は、上記濃度値の分布について所定の区
間での濃度の変動を調査し、所定の値以上に大きな変動
が検出された場合には、上記区間に物体の移動する部分
が存在すると判断することを特徴とする動作認識処理装
置。 - 【請求項11】 人物などの移動動作を撮影したビデオ
カメラからの動画像データから、移動する物体の移動軌
跡を求め、軌跡データとして出力する軌跡抽出処理部
と、 上記動画像データから、個々の移動する物体の動作を識
別し、単独動作データとして出力する動作識別部と、 上記軌跡データから、集団としての行動を識別し、集団
動作データとして出力する行動分析処理部と、 上記単独動作データおよび上記集団動作データから、統
計処理および三次元グラフィックス処理を行って、統計
データおよびCG映像データを出力する表示処理部とを
備えることを特徴とする移動物体の動作分析システム。 - 【請求項12】 請求項11において、 前記動作識別部は、画像中の特定の領域の範囲および濃
度値を所定の割合で変化させるための制御パラメータを
入力するパラメータ入力部と、 移動する物体の動画像を物体像と背景像に分離し、所定
の時刻に物体像が存在する領域の画素に所定の濃度値を
割り当て、上記制御パラメータに基づいて、時間の経過
と共に上記領域の範囲と上記濃度値を変化させる拡散計
算部と、 上記領域における上記濃度値の分布から特徴量を抽出
し、上記特徴量と既定値との照合に基づき、上記物体の
動作を認識する動作識別部とを有することを特徴とする
移動物体の動作分析システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000187528A JP3519672B2 (ja) | 2000-06-19 | 2000-06-19 | 動作認識処理装置及び移動物体の動作分析システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000187528A JP3519672B2 (ja) | 2000-06-19 | 2000-06-19 | 動作認識処理装置及び移動物体の動作分析システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002008042A true JP2002008042A (ja) | 2002-01-11 |
JP3519672B2 JP3519672B2 (ja) | 2004-04-19 |
Family
ID=18687494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000187528A Expired - Fee Related JP3519672B2 (ja) | 2000-06-19 | 2000-06-19 | 動作認識処理装置及び移動物体の動作分析システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3519672B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007251556A (ja) * | 2006-03-15 | 2007-09-27 | Omron Corp | 監視装置および方法、画像処理装置および方法、並びにプログラム |
WO2009054119A1 (ja) * | 2007-10-26 | 2009-04-30 | Panasonic Corporation | 状況判定装置、状況判定方法、状況判定プログラム、異常判定装置、異常判定方法、異常判定プログラムおよび混雑推定装置 |
JP2009110152A (ja) * | 2007-10-29 | 2009-05-21 | Panasonic Corp | 混雑推定装置 |
JP2009110054A (ja) * | 2007-10-26 | 2009-05-21 | Panasonic Corp | 状況判定装置、状況判定方法、状況判定プログラム、異常判定装置、異常判定方法および異常判定プログラム |
US7747957B2 (en) | 2003-02-24 | 2010-06-29 | Fuji Xerox Co., Ltd. | Work space control apparatus |
US7881524B2 (en) | 2005-04-08 | 2011-02-01 | Canon Kabushiki Kaisha | Information processing apparatus and information processing method |
-
2000
- 2000-06-19 JP JP2000187528A patent/JP3519672B2/ja not_active Expired - Fee Related
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7747957B2 (en) | 2003-02-24 | 2010-06-29 | Fuji Xerox Co., Ltd. | Work space control apparatus |
US7881524B2 (en) | 2005-04-08 | 2011-02-01 | Canon Kabushiki Kaisha | Information processing apparatus and information processing method |
JP2007251556A (ja) * | 2006-03-15 | 2007-09-27 | Omron Corp | 監視装置および方法、画像処理装置および方法、並びにプログラム |
WO2009054119A1 (ja) * | 2007-10-26 | 2009-04-30 | Panasonic Corporation | 状況判定装置、状況判定方法、状況判定プログラム、異常判定装置、異常判定方法、異常判定プログラムおよび混雑推定装置 |
JP2009110054A (ja) * | 2007-10-26 | 2009-05-21 | Panasonic Corp | 状況判定装置、状況判定方法、状況判定プログラム、異常判定装置、異常判定方法および異常判定プログラム |
CN101681555A (zh) * | 2007-10-26 | 2010-03-24 | 松下电器产业株式会社 | 状况判定装置、状况判定方法、状况判定程序、异常判定装置、异常判定方法、异常判定程序及拥塞推定装置 |
JP4624396B2 (ja) * | 2007-10-26 | 2011-02-02 | パナソニック株式会社 | 状況判定装置、状況判定方法、状況判定プログラム、異常判定装置、異常判定方法および異常判定プログラム |
US8472715B2 (en) | 2007-10-26 | 2013-06-25 | Panasonic Corporation | Situation determining apparatus, situation determining method, situation determining program, abnormality determining apparatus, abnormality determining method, abnormality determining program, and congestion estimating apparatus |
US8655078B2 (en) | 2007-10-26 | 2014-02-18 | Panasonic Corporation | Situation determining apparatus, situation determining method, situation determining program, abnormality determining apparatus, abnormality determining method, abnormality determining program, and congestion estimating apparatus |
JP2009110152A (ja) * | 2007-10-29 | 2009-05-21 | Panasonic Corp | 混雑推定装置 |
Also Published As
Publication number | Publication date |
---|---|
JP3519672B2 (ja) | 2004-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Fast and robust occluded face detection in ATM surveillance | |
Tian | Evaluation of face resolution for expression analysis | |
Zeng et al. | Silhouette-based gait recognition via deterministic learning | |
KR100361497B1 (ko) | 얼굴영역 추출방법 | |
Arcoverde Neto et al. | Enhanced real-time head pose estimation system for mobile device | |
Pantic et al. | A hybrid approach to mouth features detection | |
Elakkiya et al. | Intelligent system for human computer interface using hand gesture recognition | |
JP3519672B2 (ja) | 動作認識処理装置及び移動物体の動作分析システム | |
Liao et al. | RETRACTED ARTICLE: Computer vision for facial analysis using human–computer interaction models | |
CN117291951A (zh) | 一种基于人体关键点的多人体姿态追踪方法 | |
Elmezain et al. | Vision-based human activity recognition using ldcrfs | |
Zhang et al. | Gender recognition based on fusion on face and gait information | |
Jian et al. | Real-time lip tracking for virtual lip implementation in virtual environments and computer games | |
Sriram et al. | Human detection and tracking in video surveillance system | |
Liang et al. | Real-time background subtraction under varying lighting conditions | |
Abin et al. | Real-time multiple face detection and tracking | |
Sarma et al. | Optical flow guided motion template for hand gesture recognition | |
Yang et al. | An interaction system using mixed hand gestures | |
Nanthini et al. | An Efficient Velocity Estimation Approach for Face Liveness Detection using Sparse Optical Flow Technique | |
JPH08153187A (ja) | 画像認識方法 | |
Jacques et al. | Improved head-shoulder human contour estimation through clusters of learned shape models | |
Takahashi et al. | Remarks on human posture classification using self-organizing map | |
Gao et al. | An automatic geometric features extracting approach for facial expression recognition based on corner detection | |
WO2004088587A1 (ja) | 画像処理方法及び画像処理装置 | |
Hung et al. | A Real-time Action Detection System for Surveillance Videos Using Template Matching. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040129 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080206 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090206 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090206 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100206 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100206 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110206 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120206 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120206 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130206 Year of fee payment: 9 |
|
LAPS | Cancellation because of no payment of annual fees |