JP2002259983A

JP2002259983A - 画像認識方法及びシステム

Info

Publication number: JP2002259983A
Application number: JP2001054994A
Authority: JP
Inventors: Kodai Narumi; 鼓大鳴海
Original assignee: SYSTEM K KK
Current assignee: SYSTEM K KK
Priority date: 2001-02-28
Filing date: 2001-02-28
Publication date: 2002-09-13

Abstract

(57)【要約】【課題】任意の時点に於ける画像から対象物を自動認識
しその時点に於ける対象物の数のカウントを実行する画
像認識方法及びシステムを提供することを目的とする。【解決手段】画像内に於けるオブジェクトの認識を行う
画像認識方法であって、複数枚の画像を取り込み、前記
複数枚の画像からオブジェクトの外郭線の抽出を行い、
前記オブジェクトの外郭線の抽出を行った複数枚の画像
から差違のない画素を消去することにより前記オブジェ
クトを抽出し、前記抽出したオブジェクトと予め定めら
れたオブジェクトの特性とを比較することにより前記オ
ブジェクトの外郭線の形状を判別する画像認識方法。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、任意の時点に於け
る画像から対象物を自動認識しその時点に於ける対象物
の数のカウントを実行する画像認識方法及びシステムに
関する。

【０００２】

【従来の技術】公共の場、例えば建物等の中に於いて、
人等の移動する移動体（以下、対象物とする）の動きの
状況や数量などを把握して統計データとすることはビジ
ネス上、セキュリティ上等の多方面に於いて重要なテー
マの一つである。

【０００３】従来、このような特定の範囲に於ける対象
物の数量等の把握には、出入り口等を人（以下、監視
者）が直に監視しその人数をカウントする、あるいはビ
デオカメラ等から監視しその人数をカウントする等の方
法により対処しているのが現状である。

【０００４】しかし人が直に介した場合、そのコストも
さることながら監視者がずっと監視をしていなければな
らず、その負担は非常に重い。又その負担の重さから、
人数のカウント間違い等も発生しやすいという問題点が
あり、そのデータの正確性に関する検証も不可能であ
る。又ビデオカメラ等を用いた場合では、データの検証
は可能となるが、（１）対象物の数のカウントは人手に頼らざるを得ない（２）ビデオテープが劣化する（３）ビデオテープが終了後、ビデオテープの交換が必
要である等の問題点を抱えている。

【０００５】

【発明が解決しようとする課題】上記問題点を解決する
為に、人手を介すことなく出入り口等にセンサを設置す
することにより、その問題点を解決する手法が存在して
いる。しかし、センサを用いた場合、（１）横切ったものを全てカウントする（２）重なって横切った場合、正確なカウントが行えな
い。（３）特殊な設備が必要でコストが高い（４）センサの寿命が短い等の問題点が新たに発生する。

【０００６】そこで、上記問題点を解決する為に、ビデ
オカメラ等の撮影装置を用いて撮影した画像から自動的
に人間のみを抽出し、その数を自動的にカウントする方
法が考案されている。この場合、画像から、如何に正確
に人間を抽出できるかという点が問題となる。この問題
を解決する代表的な方法として、特開平７−１６８９３
２号公報に明示されている方法が存在している。

【０００７】代表的な例である特開平７−１６８９３２
号公報では、予め人間の頭頂部から首と肩までの画像パ
ターンをいくつか記憶させておく。その後、対象画像と
その直前の画像間を比較することにより、差違のある画
素を抽出する。抽出した画素を膨張させそれにより形成
された膨張画像の外形の輪郭をトレースすることによ
り、輪郭を抽出する。そして、抽出された輪郭を従前に
記憶させた画像パターンとパターンマッチングすること
により、それが合致すれば人間であると判別し、合致し
なければ人間でないと判別する方法である。

【０００８】この方法に於ける問題点は、（１）対象画像とその直前の画像間に於いて差違のある
画素を抽出するが、これは変化のある画素を抽出する
（人間であれば時間の経過により若干でも動きがあるこ
とに起因する）為である。つまり、際のあるが素を抽出
する為に、上記２画像は同様の画質でなければならない
が、短時間と雖も、照明、反射等の自然環境に影響され
ることが一般的であり、その画質が一定であることはま
れである。（２）対象画像とその直前の画像間に於いて差違のある
画素を抽出する際に、ノイズが発生する。ノイズを除去
しようとすればしきい値を高く設定する必要性がある
が、高く設定すると必要部分もノイズと判別し消去して
しまう可能性が存在する。又しきい値を低く設定すると
ノイズ残存が多くなり、必要な画素であるのか単にノイ
ズであるのかの判別が困難となる。つまり、このしきい
値の設定に習熟性が必要となり、経験の浅いユーザが使
用するのが困難である。（３）対象画像内に人数が多い場合、必然的に差違のあ
る画素が多く抽出できるが、その画素を膨張させると、
膨張させることにより抽出した画素が重複する等によ
り、外形の把握が困難となる場合がある。つまり、人間
が重なった画像等の場合、膨張画像の外形の輪郭のトレ
ースが困難となる。（４）予め記憶させた頭頂部から首と肩までの画像パタ
ーンにより、判別できる人間が制限される。つまり、特
開平７−１６８９３２号公報に於いては、「首の左側の
点に於ける対象（外形の輪郭）に対する法線は９０〜２
２５度の範囲、かつ、首の右側の点に於ける対象に対す
る法線は−４５〜９０度の範囲のみ」、又「頭部全体の
傾きを鉛直から約±３０度」に制限される。この制限を
拡大する場合には、画像パターンを多数取り込む必要が
あり、それを増やすと抽出した輪郭を構成する画素と画
像パターンのマッチングをが画素毎に行う必要があり、
多大なる演算時間を消費しなくてはならない。等が存在
している。

【０００９】そこで、本願発明者は、以下のような特徴
を有する画像認識システムを考案することにより上記問
題点等の解決を図った。（１）取り込んだ画像に対して直方図変換処理等を加え
ることにより、画質を一定水準まで改善し、比較対象と
なる画像間の画質の差違を出来るだけ削減する。（２）ノイズを自動的に消去できるので、未経験者でも
容易に操作できる。（３）対象画像から先に輪郭を抽出し、その後、背景の
消去（比較対象画像間で移動していない画素の消去）、
ノイズ消去のプロセスを実行することにより、重要な画
素を消去する可能性、不必要な画素を残存させる可能性
を削減した。（４）画像パターンによるパターンマッチングではな
く、オブジェクト（ここでは人間の頭部）の外郭線（輪
郭線）の特性（ルール）の判別を行うことにより、迅速
に判別が可能となる。つまり、画像パターンのマッチン
グでは、画素と外郭線のマッチングが必要となるが、オ
ブジェクトの特性による判別の場合、アルゴリズム的な
処理（条件分岐）が可能となるので、高速な処理が可能
となる。

【００１０】

【課題を解決するための手段】請求項１の発明は、画像
内に於けるオブジェクトの認識を行う画像認識方法であ
って、複数枚の画像を取り込み、前記複数枚の画像から
オブジェクトの外郭線の抽出を行い、前記オブジェクト
の外郭線の抽出を行った複数枚の画像から差違のない画
素を消去することにより前記オブジェクトを抽出し、前
記抽出したオブジェクトと予め定められたオブジェクト
の特性とを比較することにより前記オブジェクトの外郭
線の形状を判別する画像認識方法である。本発明によ
り、画像からオブジェクトを抽出しそのオブジェクトに
対して処理を加えることが可能となる。

【００１１】請求項２の発明は、前記複数枚の画像を取
り込む際に、前記画像がデジタル画像でない場合、前記
画像をデジタル変換する画像認識方法である。本発明に
より、画像をデジタル化することが出来、離散形式で処
理することが可能となる。

【００１２】請求項３の発明は、前記複数枚の画像を取
り込む際に、前記画像がグレイスケールでない場合、前
記画像をグレイスケールに変換する画像認識方法であ
る。

【００１３】請求項４の発明は、前記オブジェクトの外
郭線の抽出は、前記グレイスケールの画像に直方図変換
処理を行った画像から行う画像認識方法である。本発明
により、複数の画像間に於いて一定の画質を保持するこ
とが出来、これにより比較対象となる画像間の画質の差
違を出来るだけ削減することが可能となった。

【００１４】請求項５の発明は、前記オブジェクトを抽
出した画像に対して、予め定められた方法によりノイズ
を除去する画像認識方法である。本発明により、背景を
消去後の画像からノイズを除去することが出来、不必要
な画素をオブジェクトとして判別することを避けること
が可能となる。

【００１５】請求項６の発明は、前記予め定められた方
法は、平均円滑法、空域低通抽出法、頻域低通抽出法の
いずれかを含む画像認識方法である。本発明により、ノ
イズの除去を自動的に行うことが可能となり、未経験者
でも容易に操作することが可能となる。

【００１６】請求項７の発明は、前記ノイズを除去した
画像に対して、予め定められた方法により二値化画像を
作成する画像認識方法である。本発明により、画像を黒
（０）白（１）の二値で示される画像に変換が可能とな
り、画像処理の流動性を向上することが可能となる。

【００１７】請求項８の発明は、前記予め定められた方
法として、両峰法、Ｐパラメータ法、最大方差自動ゲー
ト法のいずれかを含む画像認識方法である。本発明によ
り、効率的な二値化画像を作成することが可能となる。

【００１８】請求項９の発明は、前記オブジェクトの外
郭線の形状の判別は、前記二値化画像に対して、前記オ
ブジェクトの外郭線のトレースを行い、前記トレースし
た外郭線と前記予め定められたオブジェクトの特性とを
比較することにより行う画像認識方法である。本発明に
より、従来の画像パターンのマッチングではなく、オブ
ジェクトの特性（ルール）による判別が可能となり、ア
ルゴリズムによる高速処理が可能となる。

【００１９】請求項１０の発明は、前記オブジェクトの
外郭線の形状の判別後、前記オブジェクトに対して統計
処理を行う画像認識方法である。本発明により、オブジ
ェクトに対する様々な処理、例えば、定点観測地点の画
像に於けるオブジェクトの動向（人の出入り等）の把握
が可能となる。

【００２０】請求項１１の発明は、画像を撮影する撮影
機と接続しているカメラサーバと前記画像に対する処理
の結果を表示する端末とネットワークを介して接続して
いるサーバに於いて、前記画像からオブジェクトの認識
を行う画像認識方法であって、前記サーバは、前記撮影
機に於いて撮影された複数枚の画像が前記カメラサーバ
に於いてデジタル変換された複数枚の画像を前記カメラ
サーバから受信し、前記受信した複数枚の画像からオブ
ジェクトの外郭線の抽出を行い、前記オブジェクトの外
郭線の抽出を行った複数枚の画像から差違のない画素を
消去することにより前記オブジェクトを抽出し、前記抽
出したオブジェクトと予め定められたオブジェクトとの
特性とを比較することにより前記オブジェクトの外郭線
の形状を判別し前記オブジェクトの認識を行い、前記認
識の結果を前記端末に送信する画像認識方法である。本
発明により、任意の地点に設定してあるカメラからその
画像をリアルタイムで受信し、その画像からオブジェク
トを抽出して、そのオブジェクトの動向をサーバから離
れた場所に設置した端末からその動向を閲覧することが
可能となる。

【００２１】請求項１２の発明は、前記カメラサーバか
ら受信した画像がグレイスケールでない場合、前記画像
をグレイスケールに変換する画像認識方法である。

【００２２】請求項１３の発明は、前記オブジェクトの
外郭線の抽出は、前記グレイスケールの画像に直方図変
換処理を行った画像に対して行う画像認識方法である。
本発明により、複数の画像間に於いて一定の画質を保持
することが出来、これにより比較対象となる画像間の画
質の差違を出来るだけ削減することが可能となる。

【００２３】請求項１４の発明は、前記オブジェクトを
抽出した画像から、予め定められた方法によりノイズを
除去する画像認識方法である。本発明により、背景を消
去後の画像からノイズを除去することが出来、不必要な
画素をオブジェクトとして判別することを避けることが
可能となる。

【００２４】請求項１５の発明は、前記予め定められた
方法は、平均円滑法、空域低通抽出法、頻域低通抽出法
のいずれかを含む画像認識方法である。本発明により、
ノイズの除去を自動的に行うことが可能となり、未経験
者でも容易に操作することが可能となる。

【００２５】請求項１６の発明は、前記ノイズを除去し
た画像に対して、予め定められた方法により二値化画像
を作成する画像認識方法である。本発明により、画像を
黒（０）白（１）の二値で示される画像に変換が可能と
なり、画像処理の流動性を向上することが可能となる。

【００２６】請求項１７の発明は、前記予め定められた
方法として、両峰法、Ｐパラメータ法、最大方差自動ゲ
ート法のいずれかを含む画像認識方法である。本発明に
より、効率的に二値化画像を作成することが可能とな
る。

【００２７】請求項１８の発明は、前記オブジェクトの
外郭線の形状の判別は、前記二値化画像に対して、前記
オブジェクトの外郭線のトレースを行い、前記トレース
した外郭線と前記予め定められたオブジェクトの特性と
を比較することにより行う画像認識方法である。

【００２８】請求項１９の発明は、前記オブジェクトの
外郭線の形状の判別後、前記オブジェクトに対して統計
処理を行う画像認識方法である。本発明により、オブジ
ェクトに対する様々な処理、例えば、定点観測地点の画
像に於けるオブジェクトの動向（人の出入り等）の把握
が可能となる。

【００２９】請求項２０の発明は、前記オブジェクトと
して、人間の頭部を含む移動体である画像認識方法であ
る。

【００３０】請求項２１の発明は、端末上に於いて画像
内に於けるオブジェクトの認識を行う画像認識システム
であって、前記端末は、複数枚の画像を取り込む手段
と、前記複数枚の画像から差分画像を形成して前記オブ
ジェクトの処理を行う手段とを有する画像認識システム
である。本発明により、画像からオブジェクトを抽出し
そのオブジェクトに対して処理を加えることが可能とな
る。

【００３１】請求項２２の発明は、前記複数枚の画像を
取り込む手段は、前記画像がデジタル画像でない場合、
前記画像をデジタル変換することを特徴とする請求項１
２に記載の画像認識システム。本発明により、画像をデ
ジタル化することが出来、離散形式で処理することが可
能となる。

【００３２】請求項２３の発明は、前記複数枚の画像を
取り込む手段は、前記画像がグレイスケールでない場
合、前記画像をグレイスケールに変換する画像認識シス
テムである。

【００３３】請求項２４の発明は、前記オブジェクトの
処理を行う手段は、前記画像を取り込む手段から複数枚
の前記グレイスケールの画像を受信し鮮明化する手段
と、前記鮮明化した複数枚の画像に対してオブジェクト
の外郭線を抽出する手段と、前記複数枚の外郭線を抽出
した画像から背景を消去する手段と、前記背景を消去し
た画像からノイズを除去する手段と、前記ノイズを除去
した画像から二値化画像を作成する手段と、前記二値化
画像から前記オブジェクトの外郭線のトレースを行う手
段と、前記トレースした外郭線と予め定められたオブジ
ェクトの特性とを比較することにより前記オブジェクト
の外郭線の形状を判別する手段とを含む画像認識システ
ムである。本発明により、画像からオブジェクトを的確
に抽出し、そのオブジェクトに対して従来より高速な処
理を行うことが可能となる。

【００３４】請求項２５の発明は、前記オブジェクトの
外郭線を抽出する手段は、前記グレイスケールの画像に
対して直方図変換処理を行うことにより、オブジェクト
の外郭線を抽出する画像認識システムである。本発明に
より、複数の画像間に於いて一定の画質を保持すること
が出来、これにより比較対象となる画像間の画質の差違
を出来るだけ削減することが可能となった。

【００３５】請求項２６の発明は、前記背景を消去する
手段は、前記複数枚の画像から差違のない画素を消去す
ることにより背景を消去する画像認識システムである。

【００３６】請求項２７の発明は、前記ノイズを除去す
る手段は、平均円滑法、空域低通抽出法、頻域低通抽出
法のいずれかによりノイズを除去する画像認識システム
である。本発明により、ノイズの除去を自動的に行うこ
とが可能となり、未経験者でも容易に操作することが可
能となる。

【００３７】請求項２８の発明は、前記二値化画像を作
成する手段は、両峰法、Ｐパラメータ法、最大方差自動
ゲート法のいずれかにより二値化画像を作成する画像認
識システムである。本発明により、効率的に二値化画像
を作成することが可能となる。

【００３８】請求項２９の発明は、前記端末は、前記オ
ブジェクトの外郭線の形状の判別後、前記オブジェクト
に対して統計処理を行う手段を更に有する画像認識シス
テムである。

【００３９】請求項３０の発明は、画像を撮影する撮影
機と接続しているカメラサーバと前記画像に対する処理
の結果を表示する端末とネットワークを介して接続して
いるサーバである画像認識システムであって、前記サー
バは、前記撮影機に於いて撮影された複数枚の画像を前
記カメラサーバに於いてデジタル変換された複数枚の画
像を前記カメラサーバから取り込む手段と、前記複数枚
の画像から差分画像を形成して前記オブジェクトの処理
を行う手段とを有する画像認識システムである。本発明
により、任意の地点に設定してあるカメラからその画像
をリアルタイムで受信し、その画像からオブジェクトを
抽出して、そのオブジェクトの動向をサーバから離れた
場所に設置した端末からその動向を閲覧することが可能
となる。

【００４０】請求項３１の発明は、前記カメラサーバか
ら複数枚の画像を取り込む手段は、前記画像がグレイス
ケールでない場合、前記画像をグレイスケールに変換す
る画像認識システムである。

【００４１】請求項３２の発明は、前記オブジェクトの
処理を行う手段は、前記画像を取り込む手段から複数枚
の前記グレイスケールの画像を受信し鮮明化する手段
と、前記鮮明化した複数枚の画像からオブジェクトの外
郭線を抽出する手段と、前記複数枚の外郭線を抽出した
画像から背景を消去する手段と、前記背景を消去した画
像からノイズを除去する手段と、前記ノイズを除去した
画像から二値化画像を作成する手段と、前記二値化画像
から前記オブジェクトの外郭線のトレースを行う手段
と、前記トレースした外郭線と予め定められたオブジェ
クトの特性とを比較することにより前記オブジェクトの
外郭線の形状を判別する手段とを含む画像認識システム
である。本発明により、画像からオブジェクトを的確に
抽出し、且つ従来より高速な処理を行うことが可能とな
る。

【００４２】請求項３３の発明は、前記オブジェクトの
外郭線を抽出する手段は、前記グレイスケールの画像に
対して直方図変換処理を行うことにより、オブジェクト
の外郭線を抽出する画像認識システムである。本発明に
より、複数の画像間に於いて一定の画質を保持すること
が出来、これにより比較対象となる画像間の画質の差違
を出来るだけ削減することが可能となる。

【００４３】請求項３４の発明は、前記背景を消去する
手段は、前記複数枚の画像から差違のない画素を消去す
ることにより背景を消去する画像認識システムである。

【００４４】請求項３５の発明は、前記ノイズを除去す
る手段は、平均円滑法、空域低通抽出法、頻域低通抽出
法のいずれかによりノイズを除去する画像認識システム
である。本発明により、ノイズの除去を自動的に行うこ
とが可能となり、未経験者でも容易に操作することが可
能となる。

【００４５】請求項３６の発明は、前記二値化画像を作
成する手段は、両峰法、Ｐパラメータ法、最大方差自動
ゲート法のいずれかにより二値化画像を作成する画像認
識システムである。本発明により、効率的に二値化画像
を作成することが可能となる。

【００４６】請求項３７の発明は、前記サーバは、前記
オブジェクトの外郭線の形状の判別後、前記オブジェク
トに対して統計処理を行う手段を更に有する画像認識シ
ステムである。

【００４７】請求項３８の発明は、前記オブジェクトと
して、人間の頭部を含む移動体である画像認識システム
である。

【００４８】

【発明の実施の形態】本発明の実施態様の一例を図１に
示すシステム構成図を用いて詳細に説明する。本実施態
様に於いては、ビデオカメラ等で撮影した画像を画像認
識システム１で取込み、それから画像認識システム１上
で統計表示させる場合を説明する。又本実施態様に於い
ては、画像から抽出し判別する対象物（オブジェクト）
として人間をその一例とするが、他の移動体であっても
よい。

【００４９】画像認識システム１は、画像取込手段２、
画像処理手段３、オブジェクト統計手段４を有する。一
般的に画像認識システム１はコンピュータ（端末）上で
行われることが好適である。

【００５０】画像取込手段２は、ビデオカメラ等で撮影
した画像を画像認識システム１に取り込む手段である。
一例としてビデオカメラによりビデオテープに撮影した
画像を取り込むビデオデッキ等がある。又取り込んだ画
像がデジタル画像でない場合には、それを変換する手段
を有し、取り込んだ画像をデジタル変換する手段を有す
ることは当然である。又、画像をグレイスケールの画像
に変換する手段でもある。

【００５１】画像処理手段３は、画像取込手段２に於い
て取り込んだ画像に対して処理を加えることにより、画
像からオブジェクトを抽出し判別する手段である。又画
像処理手段３は、鮮明化手段５、オブジェクト外郭線抽
出手段６、ノイズ除去手段８、背景消去手段７、二値化
処理手段９、外郭線トレース手段１０、オブジェクト形
状判別手段１１を有している。

【００５２】オブジェクト統計手段４は、画像処理手段
３に於いて判別したオブジェクトの数のカウント等を行
い、その統計処理を行う手段である。

【００５３】鮮明化手段５は、画像取込手段２に於いて
取り込んだ画像を直方図変換処理を行うことにより画質
の鮮明化を行う手段である。

【００５４】オブジェクト外郭線抽出手段６は、取り込
んだ画像から差分法を用いることにより画像内に存在す
る物体の外郭線の抽出を行う手段である。ここで外郭線
とはオブジェクトの輪郭線を示す。

【００５５】背景消去手段７は、画像から静的な背景を
消去して、動的なオブジェクトのみを抽出する手段であ
る。

【００５６】ノイズ除去手段８は、背景消去手段７に於
いて抽出した動的なオブジェクトのみの画像から照明等
による画像内のノイズを除去する手段である。

【００５７】二値化処理手段９は、画像を黒（１）、白
（０）の二値で示される二値化画像に変換する手段であ
る。手法としては、両峰法、Ｐパラメータ法、最大方差
自動ゲート法のいずれかを用いればよい。

【００５８】外郭線トレース手段１０は、二値化処理手
段９に於いて作成した二値化画像に対して、外郭線のト
レースを行う手段である。

【００５９】オブジェクト形状判別手段１１は、画像内
からオブジェクトの外郭線の形状を判別し、その形状か
ら人数をカウントする手段である。

【００６０】

【実施例１】本発明のプロセスの流れの一例を図３から
図４に示すフローチャート図を用いて詳細に説明する。

【００６１】ユーザは、画像認識システム１に対象とな
るオブジェクトが存在する画像を画像取込手段２に於い
て取り込む（Ｓ１００）。この際に、本実施態様に於い
ては２４ビットのビットマップ画像とするが当然ながら
それ以外のフォーマットでも良い。又取り込む画像がビ
デオカメラ等で撮影したビデオテープ等のデジタル画像
でない場合、これを２４ビットのビットマップ画像にデ
ジタル変換する。

【００６２】Ｓ１００に於いて取り込んだ画像を、数１
を用いることによりグレイスケールに変換する（Ｓ１１
０）。ここで数１が示しているのは２４ビットのビット
マップ画像から２５６レベルのグレイ値への変換式であ
る。

【数１】Ｐ_０（ＧｒａｙＬｅｖｅｌ）＝（Ｐ_ｉ（Ｒ）＋
Ｐ_ｉ（Ｇ）＋Ｐ_ｉ（Ｂ））÷３

【００６３】画像取込手段２に於いて取り込んだ画像を
画像処理手段３の鮮明化手段５に送信し、画像に対する
処理を行う。一般的にビデオカメラ等から撮影した画像
は、その撮影環境等の問題から綺麗な画像であることは
少ない。その為、撮影した画像に対して直方図変換処理
を行うことにより、画質の鮮明化を行う（Ｓ１２０）。
画質の鮮明化のプロセスについては後述する。

【００６４】Ｓ１２０に於いて鮮明化された画像をオブ
ジェクト外郭線抽出手段６に送信し、オブジェクトの外
郭線を抽出する（Ｓ１３０）（辺線画像と呼ぶ）。オブ
ジェクトの外郭線抽出の手法については後述する。

【００６５】Ｓ１３０に於いて外郭線を抽出後、画像は
図６のように辺線画像に変換される。この画像に対して
背景消去手段７に於いて静的な背景を消去することによ
り動的なオブジェクトのみの抽出を行う（Ｓ１４０）。
この際に、現時点（時間ｔとする）に於ける辺線画像
と、直前の時間（ｔ−１）の時点に於ける辺線画像とを
比較し、同一部分（同一画素）を消去することにより、
動的なオブジェクトの抽出が可能となる。背景の消去処
理を実行後の画像を図７に示す。

【００６６】背景の消去処理を実行してもその撮影環
境、反射等により図７に示すように画像にノイズが残
る。これはグレイ値の突変で高周波数特性を有してい
る。その為、ノイズをノイズ除去手段８に於いて除去す
る（Ｓ１５０）。ノイズ除去のプロセスについては後述
する。

【００６７】ノイズ除去後の辺線画像は、グレイスケー
ルの画像なのでこれを黒（１）白（０）の二値化画像
（いわゆるモノクロ画像）に二値化処理手段９に於いて
変換する（Ｓ１６０）。二値化処理のプロセスについて
は後述する。

【００６８】Ｓ１６０に於いて二値化画像に変換後、外
郭線トレース手段１０に於いて、二値化画像の外郭線ト
レースを行う（Ｓ１７０）。これにより形状の特性解析
等でオブジェクトの認識が容易に行える。外郭線トレー
スのプロセスについては後述する。

【００６９】外郭線トレース後、その画像に対してオブ
ジェクト形状判別手段１１に於いてオブジェクトの形状
判別を実行する（Ｓ１８０）。これは外郭線の特徴とオ
ブジェクトの特徴との特性（ルール）の照合をすること
により可能である。例えば、オブジェクトが人間の頭部
であった場合、以下のようなルールとなる。（１）独立の外郭線は中心があり凸型で、周長はある範
囲内で固定で閉じる図形である（図８の２０）。（２）複数の頭部映像が重なる外郭線は凹型で、辺にそ
ると突変がある（図８の２１）。

【００７０】又、肩部までのオブジェクトの特性を加味
した場合には、（３）に示すルールが付加されることと
なる。（３）外郭線が凸型の場合には、その外郭線から２本の
閉じていない外郭線が存在している。外郭線が凹型の場
合には、その外郭線から２本以上の閉じていない外郭線
が存在している。

【００７１】即ち、上記（１）、（２）及び／又は
（３）からオブジェクトの数をカウントすることが可能
となる。又、Ｓ１８０に於けるオブジェクトの特性を予
め設定しておくことにより、人間の頭部以外の移動体の
オブジェクトの認識が可能となる。

【００７２】オブジェクト形状判別手段１１に於いて、
オブジェクトの数をカウント後、その数をオブジェクト
統計手段４に送信し、公知の手法により統計処理を行う
（Ｓ１９０）。その統計処理の結果を画像認識システム
１に表示することが好適である。

【００７３】

【実施例２】次に、本発明の他の実施態様の一例を図２
に示すシステム構成図を用いて詳細に説明する。本実施
態様に於いては、ビデオカメラ等の撮影機１６から取り
込んだ画像をカメラサーバ１３に於いてデジタル変換
し、その画像をＬＡＮ（ＬｏｃａｌＡｒｅａＮｅｔ
ｗｏｒｋ）やインターネット等のネットワーク１５を介
してリアルタイムで随時受信し、受信した画像に対して
画像処理を実行し、その結果を端末１４上に表示させる
例を説明する。又、実施例１と重複する部分については
説明を省略する。

【００７４】サーバ１２は、画像取込手段２、画像処理
手段３、オブジェクト統計手段４、データ送受信手段１
７を有しており、ネットワーク１５を介してカメラサー
バ１３、端末１４とデータの送受信が行える。

【００７５】撮影機１６には、ＣＣＤカメラ（Ｃｈａｒ
ｇｅ−ＣｏｕｐｌｅｄＤｅｖｉｃｅｓＣａｍｅｒ
ａ）、ＣＣＴＶカメラ（ＣｌｏｓｅｄＣｉｒｃｕｉｔ
ＴｅｌｅｖｉｓｉｏｎＣａｍｅｒａ）、ＣＭＯＳカ
メラ（ＣｏｍｐｌｅｍｅｎｔａｒｙＭｅｔａｌＯｘ
ｉｄｅＳｅｍｉｃｏｎｄｕｃｔｏｒＣａｍｅｒａ）
等がある。

【００７６】カメラサーバ１３は、撮影機１６に於いて
撮影した画像をデジタル変換し、その画像をサーバ１２
に送信する手段である。

【００７７】画像取込手段２は、カメラサーバ１３から
受信した画像をサーバ１２内に取り込む手段である。
又、画像をグレイスケールの画像に変換する手段でもあ
る。

【００７８】画像処理手段３は、画像取込手段２に於い
て取り込んだ画像に対して処理を加えることにより、画
像からオブジェクトを抽出し判別する手段である。その
構成は実施例１と同様である。

【００７９】オブジェクト統計手段４は、画像処理手段
３に於いて判別したオブジェクトの数のカウント等を行
い、その統計処理を行う手段である。

【００８０】データ送受信手段１７は、カメラサーバ１
３から画像を受信する手段である。又端末１４に対し
て、画像、あるいは統計処理した結果を送信する手段で
ある。

【００８１】端末１４は、画像処理の結果を知る事を希
望するユーザが有する端末１４であって、パーソナルコ
ンピュータ、携帯端末、携帯電話、簡易型携帯電話等を
示す。

【００８２】本実施態様に於いては、サーバ１２の１台
にその機能を集約した場合を説明したが、各機能が複数
のサーバ１２、あるいは端末１４上に分散していても良
い。

【００８３】次に本発明のプロセスの流れの一例を図２
２に示すフローチャート図を用いて説明する。撮影地点
に設けられた撮影機１６は、随時画像を撮影しその画像
をカメラサーバ１３に送信する（Ｓ４００）。カメラサ
ーバ１３は、撮影機１６から受信した画像をデジタル変
換し、その画像をサーバ１２に送信する。

【００８４】カメラサーバ１３からデジタル化された画
像を受信した、サーバ１２のデータ送受信手段１７は、
その画像を画像取込手段２に送信し、画像をサーバ１２
内に取り込む。又その画像がグレイスケールでなけれ
ば、グレイスケールに変換する。

【００８５】画像取込手段２は、グレイスケールの画像
を画像処理手段３に送信し、画像処理を実行する（Ｓ４
１０）。このプロセスは、Ｓ１２０からＳ１９０と同様
に実行すればよい。Ｓ４１０に於いて処理したオブジェ
クトに対して統計処理を、オブジェクト統計手段４に於
いて実行する（Ｓ４２０）。

【００８６】Ｓ４２０の統計処理後、その処理結果をデ
ータ送受信手段１７を介して端末１４上に送信する（Ｓ
４３０）。この場合に、例えば画像内においてオブジェ
クトに変化があった場合、その変化を端末１４に送信す
る等もある。又、場合によっては統計処理をせずにその
画像を端末１４上に送信しても良い。

【００８７】＜画質の鮮明化のプロセス＞一般的にビデ
オカメラ等で撮影した画像は、照明、反射等の問題から
必ずしも画質が良いとは限らない。画質が良くないと必
要な画素をノイズとして判別してしまい、誤認識の元に
なる。その為、ある一定水準まで画質を改善する必要性
がある。

【００８８】そこで、Ｓ１００に於いて取り込んだ画像
を、直方図変換処理やグレイ値の変更処理等を加えるこ
とにより、画質改善を自動的に行う。本実施態様に於い
ては直方図変換処理を用いた場合を説明する。

【００８９】デジタル画像でグレイ値とその使用頻度や
使用頻率の関係を表すものを一般的に直方図という。こ
こでグレイ値の頻度というのは、画像に使用されている
グレイ値の出現回数である。グレイ値の頻率は該当頻度
が画像内にしめるグレイ値の割合を示す。

【００９０】Ｎ_ｊは画像中のｆ_ｊ（通常は、０＜ｆ_ｊ＜
２５５）グレイ値の頻度とし、ｊ＝０，１，２，…Ｇ−
１、Ｎを画像の総画素数とする。更にＰ（ｆ_ｊ）はグレ
イ値ｆ_ｊの頻率とすると、数２が成立する。

【数２】

【００９１】直方図は、離散分布であり、図９に示すよ
うになる。画像のコンストラクションが良くない場合
は、図１０に示すように画像のグレイ部分は全体グレイ
部分の一部分になっている。ここで、グレイ値を変数fl
（flはグレイ値の連続変数であり、ｆ_ｊはグレイ値の離
散変数である）で表しこの場合に画像の直方図は、一本
の曲線、即ち、概率密度関数Ｐ（fl）となる。この関数
Ｐ（fl）が図１１（ａ）に示した状態にあり、glは出力
画像のグレイ値とし、Ｑ（gl）は出力画像の灰度概率密
度関数とする場合、出力画像の灰度概率密度関数Ｑ（g
l）は、図１１（ｂ）に示すようになる。このような変
換はヒストグラム均等化処理である。ここで直方図の変
換関数は一般的にgl＝Π（fl）である。

【００９２】又、画像変換中、元の画像と変換後の画像
のグレイ値の範囲は異なっても良いが、黒から白の順番
が重要となる。つまり、元画像に於いてfl2＞fl1の場
合、変換後の画像でも必ずgl2＞gl1である。依って、直
方図変換処理の関数は必ず単調増関数となる。この状態
を図１１（ｄ）に示す。

【００９３】更に、図１１（ｂ）を逆時計方向に９０度
回転させると図１１（ｃ）が生成できる。図１１
（ａ）、図１１（ｃ）、図１１（ｄ）を比較すると、元
の画像に於けるグレイ値fl1、fl2から変換関数gl＝Π
（fl）を通して変換後の画像に於けるグレイ値gl1、gl2
の変化過程が分かる。ここで、元画像のグレイ区間［fl
1、fl2］と変換後画像のグレイ区間［gl1、gl2］は対応
している。これを対応区間とする。対応区間の大きさは
違っても良いが、画素が対応区間にある割合は必ず等し
い必要がある。即ち、図１１（ａ）に於けるグレイ区間
［fl1、fl2］の曲線内の面積（斜線部分）と図１１
（ｃ）に於ける斜線部分の面積とは等しい。数３にそれ
を示す。又当然の事ながら数４も成立する。

【数３】

【数４】

【００９４】下記に示す数５を仮定すると、Ｆ(fl)、Ｇ
(gl)は変数fl、glの累積分布関数である。但し、Ｆ(fl)
≦１、Ｇ(gl)≦１である。

【数５】

【００９５】元画像は分かるので、その概率密度関数Ｐ
(fl)とその累積分布関数Ｆ(fl)は算出可能である。変換
後画像の灰度概率密度関数Ｑ(gl)は、平均分布であり数
６に示す式となる。

【数６】

【００９６】数６に於けるglmin、glmaxは変換後画像の
グレイ値の最小値と最大値を示している。数５及び数６
を数４に代入すると数７となり算出可能である。

【数７】

【００９７】Ｆ(fj)で直方図の変換関数を数８で示す
と、数７と数８から数９が算出できる。但し、Ｆ(fj)≦
１、ｊ＝Ｇ−１、Ｆ(fj)＝１である。

【数８】

【数９】g = (gmax - gmin)F(fj) + gmin

【００９８】数９に於いてｇは最終のグレイ値であり更
にこれを整数化すると数１０になる。即ち、数１０を用
いることにより、画像を直方図変換することが可能とな
る。図１２（ａ）に元画像、図１２（ｂ）に元画像の直
方図を示す。図１３（ａ）に変換後画像、図１３（ｂ）
に変換後画像の直方図を示す。

【数１０】gj = INT[(gmax - gmin)F(fj)+gmin+0.5]

【００９９】＜オブジェクト外郭線の抽出プロセス＞画
像からオブジェクトの外郭線を抽出する際には、オブジ
ェクトと背景との色の差違に着目し、外郭線の抽出を行
う。外郭線抽出の方法として差分法を用いる。差分法
は、離散数値に対する計算方法であって連続関数微分の
近似方法である。ここでデジタル画像はアナログ画像の
離散形式であるので、差分法を用いることが可能とな
る。以下にその詳細なるプロセスを説明する。

【０１００】差分には一階差分と二階差分とがあり、こ
こで一階差分は相隣画素間のグレイ値の差であり、二階
差分は相隣画素間のグレイ値の差の差である。図１４は
連続関数で画素のグレイ値の変化と一階差分、二階差分
との関連関係を示している。図１４（ａ）のａ−ｂ間と
ｆ−ｇ間でグレイ値は余り変化はないが、図１４（ｂ）
のａ−ｂ間とｆ−ｇ間の一階微分及び図１４（ｃ）のａ
−ｂ間とｆ−ｇ間の二階微分は０である。又図１４
（ａ）のｂ−ｆ間に於いてグレイ値の変化は大きく、特
にｂ−ｄ間の変化は際だっており、ｄ−ｆ間の変化は小
さい。であるから一階微分値の変化は小から大に、又大
から小にと変化しており、その最大値はｄ点である。二
階微分は、一階微分の変化により決定されるので、その
最大値はｃ点となる。又ｅ点に於いて最小値となる。

【０１０１】図１５は３×３の相隣領域の各画素の座標
を示しており、その一階差分の式は数１１のようにな
る。

【数１１】Δ１Ｆ(I,J)＝Ｆ(I,J)−F(I-1,J) Δ２Ｆ(I,J)＝Ｆ(I,J)−F(I,J-1) Δ３Ｆ(I,J)＝Ｆ(I-1,J-1)−Ｆ(I,J) Δ４Ｆ(I,J)＝Ｆ(I-1,J)−F(I,J-1)

【０１０２】数１１におけるΔ１Ｆ(I,J)、Δ２Ｆ(I,J)
は画素(I,J)の垂直方向と水平方向のグレイ値の差を示
す。Δ３Ｆ(I,J)、Δ４Ｆ(I,J)は対角方向のグレイ値の
差を示す。この一階差分の基本形式を示すと図１６のよ
うに示される。

【０１０３】二階差分の垂直方向の式は数１２に示さ
れ、水平方向の式は数１３のように示される。この基本
形式は図１７（ａ）のように示される。

【数１２】

【数１３】

【０１０４】図１７（ａ）から更に辺を強調し、背景を
薄くする場合には図１７（ｂ）のように異なる基本形式
を利用しても良い。つまり、垂直方向と水平方向とで元
の画像の画素のグレイ値を行列の中の係数で掛けると新
たなグレイ値を算出することが可能である。垂直方向、
水平方向との最大値が求めるべきグレイ値となる。この
プロセスにより処理を行い、オブジェクトの外郭線の抽
出を行った画像である辺線画像の一例を図６に示す。

【０１０５】＜ノイズ除去のプロセス＞辺線画像から背
景を消去しても、照明、反射等の自然環境による影響か
ら画像内にノイズが残存する。このノイズは、グレイ値
の突変であって、高周波数特性を有している。このノイ
ズを円滑アルゴリズムにより除去する。

【０１０６】円滑アルゴリズムには、平均円滑法、空域
低通抽出法、頻域低通抽出法等があるが、本実施態様に
於いては平均円滑法を用いる。当然の事ながらこれらの
何れであっても同様にノイズの除去が可能である。

【０１０７】平均円滑法は、ノイズを除去するが外郭線
には影響は少ない方法である。まず、奇数個画素のある
ウィンドウを画像上に想定し、画像上で移動させながら
ノイズを除去する。各点はウィンドウ上に於けるグレイ
値を昇順に整列する。次に昇順に整列したグレイ値から
中央値を算出し、ウィンドウに於ける画素のグレイ値の
中央値とする。ここで、ウィンドウはｍ×ｍの正方形で
あっても、ｍ×ｎの長方形であっても良い。この時、中
央値抽出は数１４のように示せる。

【数１４】ｇ(i,j)＝median［fa(i,j)］

【０１０８】ここで、ｍｅｄｉａｎはウィンドウ内に於
ける画素の中央値を意味し、fa(i,j)は画素(i,j)を中心
とするウィンドウのグレイ値であり、長方形の場合に
は、数１５のように算出できる。

【数１５】g(i,j)＝median［f(i+ｘ-(m+1)/２，j+y-(n+
1)/２），（ｘ，ｙ）∈Ａ］

【０１０９】例えば、１×５（ｍ＝１，ｎ＝５）のウィ
ンドウを想定し、ウィンドウ内の画素のグレイ値を
（０，３，２４，０，７）とした場合、この値を先ず昇
順に整列し（０，０，３，７，２４）となる。依ってグ
レイ値はf(i,j)＝２４の場合、中央値抽出の結果は、g
(i,j)＝３となる。これにより、これ以下の点をウィン
ドウ内から除去すれば、ノイズ除去が可能となる。この
プロセスで処理した結果の画像を図１８に示す。

【０１１０】又、本実施態様に於いては奇数個画素のあ
るウィンドウを想定したが、この場合には中央値は一つ
に定まり数１４により中央値抽出が行える。当然のこと
ながら偶数個要素のあるウィンドウを想定しても良く、
その場合中央値は２つの中央値からその平均値を算出す
る等により行える。即ち、要素が「１，４，１０，２，
５，７」であった場合、「１，２，４，５，７，１０」
と昇順に整列でき、中央値が「４」と「５」になる。そ
こで「４」と「５」の平均値を算出し「４．５」を数１
４に於けるg(i,j)としても良い。

【０１１１】＜二値化処理のプロセス＞この段階で画像
はまだグレイスケールであるのでこの画像を黒（１）白
（０）で示される二値化画像に変更する必要性がある。
この二値化処理には両峰法、Ｐパラメータ法、最大方差
自動ゲート法がある。本実施態様では最大方差自動ゲー
ト法を用いた場合を説明するが、当然の事ながら、それ
以外の手法によっても可能である。

【０１１２】画像が複雑な場合、その画像の直方図を見
ると、波峰（グレイ値の分布の形状：両峰法で用い
る）、面積（各波峰の区域の面積：Ｐパラメータ法で用
いる）でも分離できない場合が存在する。この場合、数
１６を用いてゲート値を算出する。ここでゲート値とは
画素を黒（１）、白（０）の別に分ける境界値のことを
言う。このゲート値に基づいて二値化を行えばよい。式
１６に於いて、β（ｔ）は区域の方差を示し、θは区域
面積の割合、ｕは区域の平均グレイ値を示す。

【数１６】

【０１１３】＜外郭線トレースのプロセス＞外郭線のト
レースを行う際には、外郭線の辺に沿って各画素の座標
を求めて記録することによって実行する。まず、相隣点
（相隣画素）の座標を求めるプロセスを説明する。

【０１１４】まず、辺の始点である辺上点を求める。こ
こで辺上点は画像に於いて座標値が存在する（即ち画像
上で黒く表示される）画素である。ここで、トレースを
行う際には、辺は必ず現在点（現在画素）の相隣の８方
向のいずれかにある必要性があり、この相隣点の区別の
為に、番号を割り当てる。更にこの番号と現在点の座標
から次の点（次の画素）の座標をオフセットで計算でき
るようにする。相隣点と現在点の関係を図１９に示す。
図１９（ａ）に示すように仮にｎは相隣８点の番号と
し、（ｉ，ｊ）は現在点とすると８点の相隣点の行列の
変位量は図１９（ｂ）になる。変位量をip[n]、jp[n]と
すると、数１７のように示せる。

【数１７】 ip[n]＝｛０，−１，−１，−１，０，１，１，１｝ jp[n]＝｛１，１，０，−１，−１，−１，０，１｝

【０１１５】ここで(ｉｗ、ｊｗ）を現在点から移動す
る次の点とするとその関係は数１８になる。即ち、ｎが
特定できれば、次の点が分かることになる。

【数１８】ｉｗ＝ｉ＋ｉｐ［ｎ］ｊｗ＝ｊ＋ｊｐ［ｎ］

【０１１６】次に外郭線のトレースのプロセスを図５に
示すフローチャート図を用いて説明する。二値化画像が
その一例として図２０（ａ）であった場合を説明する。
先ず、トレースの始点である辺上点を探す。これは、座
標の最初の点から順番に調べていけばよい。又辺上点が
見つかると、その相隣点を探し、相隣点が辺上点ｘ１に
戻るまでトレースを続ければよい。

【０１１７】まず、Ｓ３００に於いて辺上点ｘ１を座標
の最初の点から調べるが、この際に、座標値が１である
画素を探し、且つ８相隣点中、座標値が０の画素の数ｎ
１が１以上である点を探す。

【０１１８】辺上点ｘ１が見つかると、その点に対して
トレースを行う必要があるか否かを調べる（即ち、孤立
点であるか否かを調べる）（Ｓ３１０）。その判断は、
ｘ１の８相隣点中、座標値が１の画素の数ｎｃ＝０の場
合（即ち、８相隣点に座標値が１の値の点要素が存在し
ない場合）、ｘ１は孤立点であるとしてトレースを中止
し、孤立点「２」のマークを付ける（Ｓ３２０）。ここ
では孤立点として「２」のマークを用いたが、当然の事
ながら他の記号によっても良い。

【０１１９】図２０（ａ）に於いて最初に検索される画
素ｘ１は（２，２）であるが、この画素に対する８相隣
点に於いて座標値に１は存在しないので、この画素は孤
立点となる。従って、次の辺上点を探すこととなる。

【０１２０】第二の辺上点ｘ１として（２，７）が見つ
けられる。次にこの画素に対して孤立点か否かの判別を
行うと、この点は孤立点ではないのでトレースを行う。
辺上点ｘ１に対して非孤立点「３」のマークを付加し、
この点が孤立点でないことをマークする（Ｓ３３０）。

【０１２１】Ｓ３３０に於いてマーク後、ｘ１に対する
第２の画素（相隣点）ｘ２を探す（Ｓ３４０）。ｘ１の
座標を（ｉ，ｊ）としｘ２の座標を（ｉｗ，ｊｗ）とす
る。ｘ２の座標を探すには以下のプロセスを実行する。

【０１２２】先ず、ｘ１の８相隣点で座標値が０の画素
の位置ｄｓを探し、隣域の番号ｎを振る。この状態を示
した図を図２１（ａ）に示す。判別の順位は下→左→上
→右の順に行う。つまり、次の相隣点が０の時にはｄｓ
＝６となる。次の相隣点が０ではないとき、ｄｓ＝４。
下、左相隣点が全て０ではなく上の相隣点が０である場
合は、ｄｓ＝２。下、左、上の相隣点が全て０ではなく
右の相隣点が０である場合にはｄｓ＝０となる。図２０
（ａ）の場合には、座標値が０の画素の位置ｄｓ＝４と
なる。

【０１２３】座標値が０の画素のｄｓから始まり逆時計
方向に８相隣点の中から座標値が１の画素を探し出し
て、一番先に見つかった画素がｘ２となる。相隣点の中
で逆時計方向で探すことは、振る番号をｎに連続的に１
を加算することで、図２０（ａ）の場合には、ｄｓ＝ｎ
＝４から始まりｎ＝５の時に該当画素が見つかりこの画
素がｘ２となる。つまり、ｘ２の座標（ｉｗ，ｊｗ）
は、ｉｗ＝ｉ＋ｉｐ［ｎ］＝２＋ｉｐ［５］＝２＋１＝３となり、ｊｗ＝ｊ＋ｊｐ［ｎ］＝７＋ｊｐ［５］＝７＋（−１）＝６となる。即ち、ｘ２の座標は（３，６）となり、この画
素に座標移動を行う（Ｓ３５０）。

【０１２４】Ｓ３５０に於いて座標移動後、この点が辺
上点と同一座標であるか否かを調べ（Ｓ３６０）、同一
座標であれば１周したことになる。同一座標でなけれ
ば、Ｓ３３０に戻り再びｘ２に対しての相隣点を探す。
このプロセスを繰り返し第３番目の画素ｘ３、第４番目
の画素ｘ４を算出しｘｎ＝ｘ１となるまでこれを繰り返
す。又、ｘｎ＝ｘ１とならない場合、その辺上点が属す
る点は大きなノイズであると判別し「３」のマークを付
加した画素を「２」のマークに変更する。Ｓ３６０に於
いて同一座標であって、なお且つ、全ての辺に対して外
郭線トレースを実行していなければ（Ｓ３６０）、Ｓ３
００に戻り次の辺上点を探す。Ｓ３６０に於いて全ての
辺に対して外郭線トレースを実行していれば、処理を終
了する。このプロセスの概念図を図２１（ａ）から図２
１（ｄ）に示す。

【０１２５】以上のプロセスを画像内の全ての辺に対し
て実行することにより、外郭線トレースが終了となる。
トレース実行後を図２０（ｂ）に示す。又、以上のプロ
セスで画像を処理した後の画像を図８に示す。

【０１２６】尚、本発明を実施するにあたり本実施態様
の機能を実現するソフトウェアのプログラムを記録した
記憶媒体をシステムに供給し、そのシステムのコンピュ
ータが記憶媒体に格納されたプログラムを読み出し実行
することによって実現されることは当然である。

【０１２７】この場合、記憶媒体から読み出されたプロ
グラム自体が前記した実施態様の機能を実現することと
なり、そのプログラムを記憶した記録媒体は本発明を当
然のことながら構成することになる。

【０１２８】プログラムコードを供給するための記憶媒
体としては、例えばフロッピー（登録商標）ディスク、
ハードディスク、光ディスク、光磁気ディスク、磁気テ
ープ、不揮発性のメモリカード等を使用することができ
る。

【０１２９】また、コンピュータが読み出したプログラ
ムを実行することにより、上述した実施態様の機能が実
現されるだけではなく、そのプログラムの指示に基づ
き、コンピュータ上で稼働しているオペレーティングシ
ステムなどが実際の処理の一部または全部を行い、その
処理によって前記した実施態様の機能が実現される場合
も含まれることは言うまでもない。

【０１３０】さらに、記憶媒体から読み出されたプログ
ラムが、コンピュータに挿入された機能拡張ボードやコ
ンピュータに接続された機能拡張ユニットに備わる不揮
発性あるいは揮発性の記憶手段に書き込まれた後、その
プログラムの指示に基づき、機能拡張ボードあるいは機
能拡張ユニットに備わる演算処理装置などが実際の処理
の一部あるいは全部を行い、その処理により前記した実
施態様の機能が実現される場合も含まれることは当然で
ある。

【０１３１】

【発明の効果】本発明により、（１）画質を一定水準まで改善後、比較対象となる画像
間の画質の差違を調べる為、抽出する画素が少なくて済
み、処理時間の削減が可能となる。（２）ノイズを自動的に消去できるので、未経験者でも
容易に操作できる。（３）対象画像から先に輪郭を抽出し、その後、背景の
消去、ノイズ消去のプロセスを実行することにより、重
要な画素を消去する可能性、不必要な画素を残存させる
可能性を削減した。（４）従来の画像パターンのマッチングでは、画素と外
郭線のマッチングが必要となるが、オブジェクトの特性
による判別の場合、アルゴリズム的な処理（条件分岐）
が可能となるので、高速な処理が可能となる。等の特徴を有する画像認識システムが可能となり、より
正確なオブジェクトの抽出が可能であり、且つ高速に処
理を行える画像認識システムが可能となった。

【図面の簡単な説明】

【図１】本発明のシステム構成の一例を示したシステ
ム構成図である。

【図２】本発明のシステム構成の他の例を示したシス
テム構成図である。

【図３】本発明のプロセスの流れの一例を示したフロ
ーチャート図の一ページ目である。

【図４】本発明のプロセスの流れの一例を示したフロ
ーチャート図の二ページ目である。

【図５】外郭線トレースのプロセスの流れの一例を示
したフローチャート図である。

【図６】辺線画像の一例である。

【図７】背景の消去を行った後の画像の一例である。

【図８】外郭線のトレースを行った後の画像の一例で
ある。

【図９】直方図の離散分布を示した図である。

【図１０】グレイ値を示した直方図の一例である。

【図１１】直方図の変換処理の概念図の一例である。

【図１２】元画像と元画像の直方図の一例である。

【図１３】変換後画像と変換後画像の直方図の一例であ
る。

【図１４】グレイ値の変化と一階差分、二階差分の関連
性を示した図である。

【図１５】相隣領域の座標を示した図である。

【図１６】一階差分の基本形式を示した図である。

【図１７】二階差分の基本形式を示した図である。

【図１８】ノイズ除去後の画面の一例である。

【図１９】相隣点と現在点との関係を示した図である。

【図２０】二値化画像の概念図である。

【図２１】外郭線トレースの概念図である。

【図２２】本発明の他のプロセスの流れを示すフローチ
ャート図である。

【符号の説明】

１：画像認識システム２：画像取込手段３：画像処理手段４：オブジェクト統計手段５：鮮明化手段６：オブジェクト外郭線抽出手段７：背景消去手段８：ノイズ除去手段９：二値化処理手段１０：外郭線トレース手段１１：オブジェクト形状判別手段１２：サーバ１３：カメラサーバ１４：端末１５：ネットワーク１６：撮影機１７：データ送受信手段

───────────────────────────────────────────────────── フロントページの続きＦターム(参考） 5B057 AA19 BA02 CA01 CA08 CA12 CA16 CE02 CE12 DA12 DC16 DC36 5C054 AA01 FC00 FC05 FC12 FC14 FC16 HA05 HA18 5L096 AA02 AA06 BA02 CA02 EA05 FA06 GA07 HA03 JA11

Claims

【特許請求の範囲】

【請求項１】画像内に於けるオブジェクトの認識を行う
画像認識方法であって、複数枚の画像を取り込み、前記
複数枚の画像からオブジェクトの外郭線の抽出を行い、
前記オブジェクトの外郭線の抽出を行った複数枚の画像
から差違のない画素を消去することにより前記オブジェ
クトを抽出し、前記抽出したオブジェクトと予め定めら
れたオブジェクトの特性とを比較することにより前記オ
ブジェクトの外郭線の形状を判別することを特徴とする
画像認識方法。
【請求項２】前記複数枚の画像を取り込む際に、前記画
像がデジタル画像でない場合、前記画像をデジタル変換
することを特徴とする請求項１に記載の画像認識方法。
【請求項３】前記複数枚の画像を取り込む際に、前記画
像がグレイスケールでない場合、前記画像をグレイスケ
ールに変換することを特徴とする請求項１又は請求項２
に記載の画像認識方法。
【請求項４】前記オブジェクトの外郭線の抽出は、前記
グレイスケールの画像に直方図変換処理を行った画像か
ら行うことを特徴とする請求項１から請求項３のいずれ
かに記載の画像認識方法。
【請求項５】前記オブジェクトを抽出した画像に対し
て、予め定められた方法によりノイズを除去することを
特徴とする請求項１に記載の画像認識方法。
【請求項６】前記予め定められた方法は、平均円滑法、
空域低通抽出法、頻域低通抽出法のいずれかを含むこと
を特徴とする請求項５に記載の画像認識方法。
【請求項７】前記ノイズを除去した画像に対して、予め
定められた方法により二値化画像を作成することを特徴
とする請求項１から請求項６のいずれかに記載の画像認
識方法。
【請求項８】前記予め定められた方法として、両峰法、
Ｐパラメータ法、最大方差自動ゲート法のいずれかを含
むことを特徴とする請求項７に記載の画像認識方法。
【請求項９】前記オブジェクトの外郭線の形状の判別
は、前記二値化画像に対して、前記オブジェクトの外郭
線のトレースを行い、前記トレースした外郭線と前記予
め定められたオブジェクトの特性とを比較することによ
り行うことを特徴とする請求項１から請求項８のいずれ
かに記載の画像認識方法。
【請求項１０】前記オブジェクトの外郭線の形状の判別
後、前記オブジェクトに対して統計処理を行うことを特
徴とする請求項１から請求項９のいずれかに記載の画像
認識方法。
【請求項１１】画像を撮影する撮影機と接続しているカ
メラサーバと前記画像に対する処理の結果を表示する端
末とネットワークを介して接続しているサーバに於い
て、前記画像からオブジェクトの認識を行う画像認識方
法であって、前記サーバは、前記撮影機に於いて撮影さ
れた複数枚の画像が前記カメラサーバに於いてデジタル
変換された複数枚の画像を前記カメラサーバから受信
し、前記受信した複数枚の画像からオブジェクトの外郭
線の抽出を行い、前記オブジェクトの外郭線の抽出を行
った複数枚の画像から差違のない画素を消去することに
より前記オブジェクトを抽出し、前記抽出したオブジェ
クトと予め定められたオブジェクトとの特性とを比較す
ることにより前記オブジェクトの外郭線の形状を判別し
前記オブジェクトの認識を行い、前記認識の結果を前記
端末に送信することを特徴とする画像認識方法。
【請求項１２】前記カメラサーバから受信した画像がグ
レイスケールでない場合、前記画像をグレイスケールに
変換することを特徴とする請求項１１に記載の画像認識
方法。
【請求項１３】前記オブジェクトの外郭線の抽出は、前
記グレイスケールの画像に直方図変換処理を行った画像
に対して行うことを特徴とする請求項１１又は請求項１
２に記載の画像認識方法。
【請求項１４】前記オブジェクトを抽出した画像から、
予め定められた方法によりノイズを除去することを特徴
とする請求項１１から請求項１３のいずれかに記載の画
像認識方法。
【請求項１５】前記予め定められた方法は、平均円滑
法、空域低通抽出法、頻域低通抽出法、のいずれかを含
むことを特徴とする請求項１４に記載の画像認識方法。
【請求項１６】前記ノイズを除去した画像に対して、予
め定められた方法により二値化画像を作成することを特
徴とする請求項１１から請求項１５のいずれかに記載の
画像認識方法。
【請求項１７】前記予め定められた方法として、両峰
法、Ｐパラメータ法、最大方差自動ゲート法のいずれか
を含むことを特徴とする請求項１６に記載の画像認識方
法。
【請求項１８】前記オブジェクトの外郭線の形状の判別
は、前記二値化画像に対して、前記オブジェクトの外郭
線のトレースを行い、前記トレースした外郭線と前記予
め定められたオブジェクトの特性とを比較することによ
り行うことを特徴とする請求項１１から請求項１７のい
ずれかに記載の画像認識方法。
【請求項１９】前記オブジェクトの外郭線の形状の判別
後、前記オブジェクトに対して統計処理を行うことを特
徴とする請求項１１から請求項１８のいずれかに記載の
画像認識方法。
【請求項２０】前記オブジェクトとして、人間の頭部を
含む移動体であることを特徴とする請求項１から請求項
１９のいずれかに記載の画像認識方法。
【請求項２１】端末上に於いて画像内に於けるオブジェ
クトの認識を行う画像認識システムであって、前記端末
は、複数枚の画像を取り込む手段と、前記複数枚の画像
から差分画像を形成して前記オブジェクトの処理を行う
手段とを有することを特徴とする画像認識システム。
【請求項２２】前記複数枚の画像を取り込む手段は、前
記画像がデジタル画像でない場合、前記画像をデジタル
変換することを特徴とする請求項２１に記載の画像認識
システム。
【請求項２３】前記複数枚の画像を取り込む手段は、前
記画像がグレイスケールでない場合、前記画像をグレイ
スケールに変換することを特徴とする請求項２１又は請
求項２２に記載の画像認識システム。
【請求項２４】前記オブジェクトの処理を行う手段は、
前記画像を取り込む手段から複数枚の前記グレイスケー
ルの画像を受信し鮮明化する手段と、前記鮮明化した複
数枚の画像に対してオブジェクトの外郭線を抽出する手
段と、前記複数枚の外郭線を抽出した画像から背景を消
去する手段と、前記背景を消去した画像からノイズを除
去する手段と、前記ノイズを除去した画像から二値化画
像を作成する手段と、前記二値化画像から前記オブジェ
クトの外郭線のトレースを行う手段と、前記トレースし
た外郭線と予め定められたオブジェクトの特性とを比較
することにより前記オブジェクトの外郭線の形状を判別
する手段とを含むことを特徴とする請求項２１から請求
項２３のいずれかに記載の画像認識システム。
【請求項２５】前記オブジェクトの外郭線を抽出する手
段は、前記グレイスケールの画像に対して直方図変換処
理を行うことにより、オブジェクトの外郭線を抽出する
ことを特徴とする請求項２４に記載の画像認識システ
ム。
【請求項２６】前記背景を消去する手段は、前記複数枚
の画像から差違のない画素を消去することにより背景を
消去することを特徴とする請求項２４に記載の画像認識
システム。
【請求項２７】前記ノイズを除去する手段は、平均円滑
法、空域低通抽出法、頻域低通抽出法のいずれかにより
ノイズを除去することを特徴とする請求項２４に記載の
画像認識システム。
【請求項２８】前記二値化画像を作成する手段は、両峰
法、Ｐパラメータ法、最大方差自動ゲート法のいずれか
により二値化画像を作成することを特徴とする請求項２
４に記載の画像認識システム。
【請求項２９】前記端末は、前記オブジェクトの外郭線
の形状の判別後、前記オブジェクトに対して統計処理を
行う手段を更に有することを特徴とする請求項２１から
請求項２８のいずれかに記載の画像認識システム。
【請求項３０】画像を撮影する撮影機と接続しているカ
メラサーバと前記画像に対する処理の結果を表示する端
末とネットワークを介して接続しているサーバである画
像認識システムであって、前記サーバは、前記撮影機に
於いて撮影された複数枚の画像を前記カメラサーバに於
いてデジタル変換された複数枚の画像を前記カメラサー
バから取り込む手段と、前記複数枚の画像から差分画像
を形成して前記オブジェクトの処理を行う手段とを有す
ることを特徴とする画像認識システム。
【請求項３１】前記カメラサーバから複数枚の画像を取
り込む手段は、前記画像がグレイスケールでない場合、
前記画像をグレイスケールに変換することを特徴とする
請求項３０に記載の画像認識システム。
【請求項３２】前記オブジェクトの処理を行う手段は、
前記画像を取り込む手段から複数枚の前記グレイスケー
ルの画像を受信し鮮明化する手段と、前記鮮明化した複
数枚の画像からオブジェクトの外郭線を抽出する手段
と、前記複数枚の外郭線を抽出した画像から背景を消去
する手段と、前記背景を消去した画像からノイズを除去
する手段と、前記ノイズを除去した画像から二値化画像
を作成する手段と、前記二値化画像から前記オブジェク
トの外郭線のトレースを行う手段と、前記トレースした
外郭線と予め定められたオブジェクトの特性とを比較す
ることにより前記オブジェクトの外郭線の形状を判別す
る手段とを含むことを特徴とする請求項３０又は請求項
３１に記載の画像認識システム。
【請求項３３】前記オブジェクトの外郭線を抽出する手
段は、前記グレイスケールの画像に対して直方図変換処
理を行うことにより、オブジェクトの外郭線を抽出する
ことを特徴とする請求項３２に記載の画像認識システ
ム。
【請求項３４】前記背景を消去する手段は、前記複数枚
の画像から差違のない画素を消去することにより背景を
消去することを特徴とする請求項３２に記載の画像認識
システム。
【請求項３５】前記ノイズを除去する手段は、平均円滑
法、空域低通抽出法、頻域低通抽出法のいずれかにより
ノイズを除去することを特徴とする請求項３２に記載の
画像認識システム。
【請求項３６】前記二値化画像を作成する手段は、両峰
法、Ｐパラメータ法、最大方差自動ゲート法のいずれか
により二値化画像を作成することを特徴とする請求項３
２に記載の画像認識システム。
【請求項３７】前記サーバは、前記オブジェクトの外郭
線の形状の判別後、前記オブジェクトに対して統計処理
を行う手段を更に有することを特徴とする請求項３０か
ら請求項３６のいずれかに記載の画像認識システム。
【請求項３８】前記オブジェクトとして、人間の頭部を
含む移動体であることを特徴とする請求項２１から請求
項３７のいずれかに記載の画像認識システム。