JP2016024484A - Characteristic-amount extraction device and characteristic-amount extraction method - Google Patents
Characteristic-amount extraction device and characteristic-amount extraction method Download PDFInfo
- Publication number
- JP2016024484A JP2016024484A JP2014145905A JP2014145905A JP2016024484A JP 2016024484 A JP2016024484 A JP 2016024484A JP 2014145905 A JP2014145905 A JP 2014145905A JP 2014145905 A JP2014145905 A JP 2014145905A JP 2016024484 A JP2016024484 A JP 2016024484A
- Authority
- JP
- Japan
- Prior art keywords
- value
- function
- calculation unit
- negative values
- calculated
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
Description
本発明は、画像センサや音声センサなどが検出した信号から信号の特徴量を抽出する特徴量抽出装置等に関する。 The present invention relates to a feature amount extraction apparatus that extracts a feature amount of a signal from a signal detected by an image sensor, a sound sensor, or the like.
従来、ノイズ成分が重畳した信号からノイズ成分を除去して信号の特徴量を抽出する技術が開発されてきた。たとえば、周期性を有する信号成分を含むデータから、周期性を用いることによって信号成分を抽出し、ノイズ成分を除去する方法が提案されている(たとえば、特許文献1参照)。 2. Description of the Related Art Conventionally, a technique has been developed for removing a noise component from a signal on which a noise component is superimposed and extracting a signal feature amount. For example, a method of extracting a signal component from data including a signal component having periodicity by using periodicity and removing a noise component has been proposed (for example, see Patent Document 1).
また、画像から特徴量を抽出する方法も各種提案されている。たとえば、非特許文献1には、画像中で輝度の勾配情報の自己相関特徴を積算することによりGLAC(Gradient Local Auto−Correlations)特徴量を抽出する方法が開示されている。また、非特許文献2には、画像中の特定の領域における輝度の勾配情報のヒストグラムに基づいた特徴量であるHOG(Histograms of Oriented Gradients)特徴量を抽出する方法が開示されている。 Various methods for extracting feature amounts from images have also been proposed. For example, Non-Patent Document 1 discloses a method of extracting GLAC (Gradient Local Auto-Correlations) feature values by integrating autocorrelation features of luminance gradient information in an image. Non-Patent Document 2 discloses a method of extracting HOG (Histograms of Oriented Gradients) feature amounts, which are feature amounts based on a histogram of luminance gradient information in a specific region in an image.
しかしながら、特許文献1では信号成分の周期性を用いてノイズ成分除去を行っている。このため、特許文献1には、周期性のない信号についてはノイズ成分除去を行うことが困難であるという問題がある。 However, in Patent Document 1, noise component removal is performed using the periodicity of signal components. For this reason, Patent Document 1 has a problem that it is difficult to remove a noise component for a signal having no periodicity.
また、非特許文献1に記載のGLAC特徴量および非特許文献2に記載のHOG特徴量の抽出時には、ともに輝度の勾配情報を求める際に輝度の差分演算が実行される。しかし、輝度にノイズ成分が混入している場合には、差分値にもノイズ成分が混入してしまうため、特徴量がノイズ成分の影響を受けやすくなるという問題がある。 In addition, when extracting the GLAC feature value described in Non-Patent Document 1 and the HOG feature value described in Non-Patent Document 2, a luminance difference calculation is performed when obtaining the luminance gradient information. However, when a noise component is mixed in the luminance, the noise component is also mixed in the difference value, so that there is a problem that the feature amount is easily affected by the noise component.
本発明はこのような事情に鑑みてなされたものであり、ノイズ成分が重畳した信号から、ノイズ成分にロバストな特徴量を算出することのできる特徴量抽出装置等を提供することを目的とする。 The present invention has been made in view of such circumstances, and it is an object of the present invention to provide a feature amount extraction apparatus and the like that can calculate a feature amount robust to a noise component from a signal on which the noise component is superimposed. .
上記目的を達成するために、本発明のある局面に係る特徴量抽出装置は、物理量を計測するセンサが出力する信号を示すn個の非負値xi(xi≧0、i=1〜n)を取得する取得部と、前記n個の非負値xiを入力とする関数g1の値を算出する第1算出部と、前記n個の非負値xiを入力とする関数g2の値を算出する第2算出部と、前記第1算出部で算出された前記関数g1の値から前記第2算出部で算出された前記関数g2の値を減算した値を、前記n個の非負値xiに対する特徴量として算出する特徴量算出部とを備え、任意の前記n個の非負値xiに対して、前記n個の非負値xiを入力とする前記関数g1の値は、前記n個の非負値xiを入力とする前記関数g2の値以上であり、前記関数g1は、前記n個の非負値xiの平均を算出する関数である。 In order to achieve the above object, a feature quantity extraction device according to an aspect of the present invention includes n non-negative values x i (x i ≧ 0, i = 1 to n) indicating signals output from sensors that measure physical quantities. ) an acquisition unit that acquires a first calculation unit for calculating a value of the function g 1 which receives the n non-negative values x i, of the function g 2 to enter the n non-negative values x i A second calculation unit that calculates a value; and n values obtained by subtracting the value of the function g 2 calculated by the second calculation unit from the value of the function g 1 calculated by the first calculation unit nonnegative value and a feature calculation section that calculates a characteristic amount for x i, for any of the n non-negative values x i, of the function g 1 which receives the n non-negative values x i value is the is the n number of the function g 2 value or more which receives the non-negative value x i, the function g 1 is the n non Is a function for calculating the average of the values x i.
なお、本発明は、このような特徴的な処理部を備える特徴量抽出装置として実現することができるだけでなく、特徴量抽出装置に含まれる特徴的な処理部が実行する処理をステップとする特徴量抽出方法として実現することができる。また、特徴量抽出装置に含まれる特徴的な処理部としてコンピュータを機能させるためのプログラムまたは特徴量抽出方法に含まれる特徴的なステップをコンピュータに実行させるプログラムとして実現することもできる。そして、そのようなプログラムを、CD−ROM(Compact Disc−Read Only Memory)等のコンピュータ読取可能な非一時的な記録媒体やインターネット等の通信ネットワークを介して流通させることができるのは、言うまでもない。また、本発明は、特徴量抽出装置の一部又は全部を実現する半導体集積回路として実現したり、特徴量抽出装置を含む特徴量抽出システムとして実現したりすることもできる。 Note that the present invention can be realized not only as a feature quantity extraction device including such a characteristic processing unit, but also as a step having a process executed by a characteristic processing unit included in the feature quantity extraction device. It can be realized as a quantity extraction method. It can also be realized as a program for causing a computer to function as a characteristic processing unit included in the feature amount extraction apparatus or a program for causing a computer to execute characteristic steps included in the feature amount extraction method. Such a program can be distributed via a computer-readable non-transitory recording medium such as a CD-ROM (Compact Disc-Read Only Memory) or a communication network such as the Internet. . The present invention can also be realized as a semiconductor integrated circuit that implements part or all of a feature quantity extraction device, or as a feature quantity extraction system that includes a feature quantity extraction device.
本発明によると、ノイズ成分が重畳した信号から、ノイズ成分にロバストな特徴量を算出することができる。 According to the present invention, it is possible to calculate a feature amount robust to a noise component from a signal on which the noise component is superimposed.
最初に本発明の実施態様を列記して説明する。
(1)本発明の一態様に係る特徴量抽出装置は、物理量を計測するセンサが出力する信号を示すn個の非負値xi(xi≧0、i=1〜n)を取得する取得部と、前記n個の非負値xiを入力とする関数g1の値を算出する第1算出部と、前記n個の非負値xiを入力とする関数g2の値を算出する第2算出部と、前記第1算出部で算出された前記関数g1の値から前記第2算出部で算出された前記関数g2の値を減算した値を、前記n個の非負値xiに対する特徴量として算出する特徴量算出部とを備え、任意の前記n個の非負値xiに対して、前記n個の非負値xiを入力とする前記関数g1の値は、前記n個の非負値xiを入力とする前記関数g2の値以上であり、前記関数g1は、前記n個の非負値xiの平均を算出する関数である。
First, embodiments of the present invention will be listed and described.
(1) The feature amount extraction apparatus according to one aspect of the present invention acquires n non-negative values x i (x i ≧ 0, i = 1 to n) indicating a signal output from a sensor that measures a physical quantity. A first calculation unit that calculates a value of the function g 1 that receives the n non-negative values x i as input, and a first calculation unit that calculates a value of the function g 2 that receives the n non-negative values x i as input. 2 and a value obtained by subtracting the value of the function g 2 calculated by the second calculation unit from the value of the function g 1 calculated by the first calculation unit, and the n non-negative values x i A feature amount calculation unit that calculates a feature amount for the n, and the value of the function g 1 that receives the n non-negative values x i for the n non-negative values x i is n wherein is a function g 2 value or more to enter the number of non-negative value x i, the function g 1 is to calculate the average of the n non-negative values x i It is a function.
この構成によると、関数g1がn個の非負値xiの平均を算出する関数であるため、関数g1の値はノイズ成分にロバストな値である。よって、関数g1の値から関数g2の値を減算することにより得られる特徴量は、ノイズ成分の影響を受けにくい。このため、ノイズ成分が重畳した信号から、ノイズ成分にロバストな特徴量を算出することができる。 According to this configuration, since the function g 1 is a function that calculates the average of n non-negative values x i , the value of the function g 1 is a value that is robust to noise components. Therefore, the feature amount obtained by subtracting the value of the function g 2 from the value of the function g 1 is not easily affected by the noise component. For this reason, it is possible to calculate a feature amount robust to the noise component from the signal on which the noise component is superimposed.
(2)また、上述の特徴量抽出装置は、さらに、前記n個の非負値xiに応じて1または−1を出力する符号関数sの値を算出する符号算出部を備え、前記特徴量算出部は、前記減算した値と前記符号算出部が算出した前記符号関数sの値との乗算値を、前記特徴量として算出してもよい。
この構成によると、たとえば、非負値xi同士の大小関係に従い、符号関数sの値を変化させ、これに伴い、特徴量の符号を変化させることができる。
(2) In addition, the above-described feature amount extraction apparatus further includes a code calculation unit that calculates a value of a code function s that outputs 1 or −1 according to the n non-negative values x i, and the feature amount The calculation unit may calculate a multiplication value of the subtracted value and the value of the code function s calculated by the code calculation unit as the feature amount.
According to this configuration, for example, in accordance with the magnitude relationship between non-negative values x i, by changing the value of the sign function s, Accordingly, it is possible to change the sign of the feature quantity.
(3)また、前記関数g1は、前記n個の非負値xiの算術平均、相乗平均、調和平均、中央値またはトリム平均を算出するための関数であってもよい。
この構成によると、取得部が取得した非負値xiを平滑化することができる。このため、特徴量はノイズ成分の影響を受けにくい。
(3) The function g 1 may be a function for calculating an arithmetic average, geometric average, harmonic average, median value, or trim average of the n non-negative values x i .
According to this configuration, it is possible to smooth the nonnegative value x i acquisition unit has acquired. For this reason, the feature amount is not easily affected by the noise component.
(4)また、前記取得部は、2次元画像の画素毎の輝度値を示す画像信号を取得し、前記第1算出部は、前記2次元画像のx軸方向に並んだn個の輝度値であるx輝度値群を入力として前記関数g1の値を算出するとともに、前記2次元画像のy軸方向に並んだn個の輝度値であるy輝度値群を入力として前記関数g1の値を算出し、前記第2算出部は、前記x輝度値群を入力として前記関数g2の値を算出するとともに、前記y輝度値群を入力として前記関数g2の値を算出し、前記特徴量算出部は、前記x輝度値群を入力とする前記関数g1の値から前記x輝度値群を入力とする前記関数g2の値を減算した値をx軸方向の微分値として算出するx微分値算出部と、前記y輝度値群を入力とする前記関数g1の値から前記y輝度値群を入力とする前記関数g2の値を減算した値をy軸方向の微分値として算出するy微分値算出部と、前記x微分値算出部が算出した前記x軸方向の微分値と前記y微分値算出部が算出した前記y軸方向の微分値とからHOG特徴量を算出するHOG特徴量算出部とを含んでいてもよい。 (4) The acquisition unit acquires an image signal indicating a luminance value for each pixel of the two-dimensional image, and the first calculation unit includes n luminance values arranged in the x-axis direction of the two-dimensional image. It calculates the value of the function g 1 to x luminance value group as the input is, of the function g 1 to y-axis y luminance value group is n of luminance values arranged in the direction of the two-dimensional image as an input calculating a value, the second calculation unit calculates the value of the function g 2 the x luminance value group as input, calculates the value of the function g 2 the y luminance value group as an input, the feature amount calculation unit, calculates a value obtained by subtracting the value of the function g 2 from a value of the function g 1 and enter the x luminance value group that receives the x luminance value group as the differential value of the x-axis direction The y luminance value group from the value of the function g 1 with the x differential value calculation unit and the y luminance value group as inputs. The y differential value calculation unit that calculates a value obtained by subtracting the value of the function g 2 having the input as a differential value in the y axis direction, the differential value in the x axis direction calculated by the x differential value calculation unit, and the y A HOG feature value calculation unit that calculates a HOG feature value from the differential value in the y-axis direction calculated by the differential value calculation unit may be included.
HOG特徴量は、輝度のx軸方向の微分値とy軸方向の微分値とを用いて算出されるが、これらの微分値を算出する際に関数g1と関数g2とを用いている。このため、ノイズ成分にロバストな微分値を算出することができる。よって、これらの微分値からノイズ成分にロバストなHOG特徴量を算出することができる。 The HOG feature amount is calculated using the differential value of the luminance in the x-axis direction and the differential value in the y-axis direction, and the function g 1 and the function g 2 are used when calculating these differential values. . For this reason, a differential value robust to the noise component can be calculated. Therefore, the HOG feature value robust to the noise component can be calculated from these differential values.
(5)また、前記センサが検出した信号は、画像信号または音声信号であってもよい。
この構成によると、画像信号や音声信号からノイズ成分にロバストな特徴量を抽出することができる。
(5) The signal detected by the sensor may be an image signal or an audio signal.
According to this configuration, it is possible to extract feature quantities robust to noise components from image signals and audio signals.
(6)本発明の他の態様に係る特徴量抽出方法は、コンピュータが特徴量を算出する特徴量算出方法であって、物理量を計測するセンサが出力する信号を示すn個の非負値xi(xi≧0、i=1〜n)を取得する取得ステップと、前記n個の非負値xiを入力とする関数g1の値を算出する第1算出ステップと、前記n個の非負値xiを入力とする関数g2の値を算出する第2算出ステップと、前記第1算出ステップにおいて算出された前記関数g1の値から前記第2算出ステップにおいて算出された前記関数g2の値を減算した値を、前記n個の非負値xiに対する特徴量として算出する特徴量算出ステップとを含み、任意の前記n個の非負値xiに対して、前記n個の非負値xiを入力とする前記関数g1の値は、前記n個の非負値xiを入力とする前記関数g2の値以上であり、前記関数g1は、前記n個の非負値xiの平均を算出する関数である。
この構成によると、(1)に示した特徴量抽出装置と同様の作用および効果を奏することができる。
(6) A feature amount extraction method according to another aspect of the present invention is a feature amount calculation method in which a computer calculates a feature amount, and includes n non-negative values x i indicating signals output from a sensor that measures a physical amount. An acquisition step of acquiring (x i ≧ 0, i = 1 to n), a first calculation step of calculating a value of the function g 1 having the n non-negative values x i as input, and the n non-negative values a second calculation step of calculating the value of the function g 2 to enter a value x i, the said function calculated in the second calculation step from the calculated value of the function g 1 in the first calculation step g 2 value a value obtained by subtracting the, and a feature calculation step of calculating a characteristic amount for the n non-negative values x i, for any of the n non-negative value x i, the n non-negative value the value of the function g 1 which receives x i is the n And in the function g 2 value or more which receives the non-negative value x i, the function g 1 is a function for calculating the average of the n non-negative values x i.
According to this configuration, the same operations and effects as those of the feature quantity extraction device shown in (1) can be obtained.
(7)本発明のさらに他の態様に係るプログラムは、物理量を計測するセンサが出力する信号を示すn個の非負値xi(xi≧0、i=1〜n)を取得する取得ステップと、前記n個の非負値xiを入力とする関数g1の値を算出する第1算出ステップと、前記n個の非負値xiを入力とする関数g2の値を算出する第2算出ステップと、前記第1算出ステップにおいて算出された前記関数g1の値から前記第2算出ステップにおいて算出された前記関数g2の値を減算した値を、前記n個の非負値xiに対する特徴量として算出する特徴量算出ステップとをコンピュータに実行させるためのプログラムであり、任意の前記n個の非負値xiに対して、前記n個の非負値xiを入力とする前記関数g1の値は、前記n個の非負値xiを入力とする前記関数g2の値以上であり、前記関数g1は、前記n個の非負値xiの平均を算出する関数である。
この構成によると、(1)に示した特徴量抽出装置と同様の作用および効果を奏することができる。
(7) A program according to still another aspect of the present invention obtains n non-negative values x i (x i ≧ 0, i = 1 to n) indicating a signal output from a sensor that measures a physical quantity. When, the n the first calculation step of calculating the value of the function g 1 which receives the non-negative value x i, the second for calculating the value of the function g 2 to n input non-negative values x i A value obtained by subtracting the value of the function g 2 calculated in the second calculation step from the value of the function g 1 calculated in the calculation step and the first calculation step, with respect to the n non-negative values x i A program for causing a computer to execute a feature amount calculation step for calculating as a feature amount, wherein the function g receives the n non-negative values x i as input for any of the n non-negative values x i a value of 1, the n non-negative x And in the function g 2 value or more to enter, the function g 1 is a function for calculating the average of the n non-negative values x i.
According to this configuration, the same operations and effects as those of the feature quantity extraction device shown in (1) can be obtained.
[本願発明の実施形態の詳細]
以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本発明の好ましい一具体例を示すものである。以下の実施の形態で示される数値、形状、構成要素、構成要素の配置位置および接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。本発明は、特許請求の範囲によって特定される。よって、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、本発明の課題を達成するのに必ずしも必要ではないが、より好ましい形態を構成するものとして説明される。
[Details of the embodiment of the present invention]
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. Each of the embodiments described below shows a preferred specific example of the present invention. Numerical values, shapes, components, arrangement positions and connection forms of components, steps, order of steps, and the like shown in the following embodiments are merely examples, and are not intended to limit the present invention. The invention is specified by the claims. Therefore, among the constituent elements in the following embodiments, constituent elements that are not described in the independent claims indicating the highest concept of the present invention are not necessarily required to achieve the object of the present invention. It will be described as constituting a preferred form.
(実施の形態1)
[1−1.特徴量抽出装置の構成]
図1は、実施の形態1に係る特徴量抽出装置のハードウェア構成を示すブロック図である。
(Embodiment 1)
[1-1. Configuration of Feature Extraction Device]
FIG. 1 is a block diagram illustrating a hardware configuration of the feature quantity extraction apparatus according to the first embodiment.
特徴量抽出装置100は、物理量を計測するセンサが出力する信号から、信号の特徴量を抽出する装置であり、取得部10と、第1算出部20と、第2算出部30と、符号算出部40と、特徴量算出部50とを備える。 The feature quantity extraction device 100 is a device that extracts a feature quantity of a signal from a signal output from a sensor that measures a physical quantity. The feature quantity extraction device 100 is an acquisition unit 10, a first calculation unit 20, a second calculation unit 30, and a code calculation. Unit 40 and feature amount calculation unit 50.
取得部10は、物理量を計測するセンサが出力する信号を示すn個の非負値xi(xi≧0、i=1〜n)を取得するインタフェースである。ここでセンサとは、画像を撮像するカメラや、音を電気信号に変換するマイクロホンなどである。 The acquisition unit 10 is an interface that acquires n non-negative values x i (x i ≧ 0, i = 1 to n) indicating signals output from sensors that measure physical quantities. Here, the sensor is a camera that captures an image, a microphone that converts sound into an electrical signal, or the like.
第1算出部20は、取得部10が取得したn個の非負値xi(xi≧0、i=1〜n)を入力とする関数g1(x1,…,xn)の値を算出する。関数g1(x1,…,xn)は、n個の非負値xi(xi≧0、i=1〜n)の平均を算出する関数である。関数g1の具体例については後述する。
第2算出部30は、取得部10が取得したn個の非負値xi(xi≧0、i=1〜n)を入力とする関数g2(x1,…,xn)の値を算出する。
The first calculation unit 20 is a value of a function g 1 (x 1 ,..., X n ) having n non-negative values x i (x i ≧ 0, i = 1 to n) acquired by the acquisition unit 10 as inputs. Is calculated. The function g 1 (x 1 ,..., X n ) is a function for calculating the average of n non-negative values x i (x i ≧ 0, i = 1 to n). A specific example of the function g 1 will be described later.
The second calculation unit 30 is a value of a function g 2 (x 1 ,..., X n ) having n non-negative values x i (x i ≧ 0, i = 1 to n) acquired by the acquisition unit 10 as inputs. Is calculated.
ここで、関数g1および関数g2について説明する。関数gj(j=1,2)は、n個の非負値xi(xi≧0、i=1〜n)を入力として受け、実数を出力する関数である。関数g1は、以下の式1から式5の中から選択される。また、関数g2は、以下の式1から式7の中から選択される。式1は、n個の非負値xi(xi≧0、i=1〜n)の算術平均を出力する関数を示す。式2は、n個の非負値xi(xi≧0、i=1〜n)の相乗平均を出力する関数を示す。式3は、n個の非負値xi(xi≧0、i=1〜n)の調和平均を出力する関数を示す。式4は、n個の非負値xi(xi≧0、i=1〜n)の中央値を出力する関数を示す。式5は、n個の非負値xi(xi≧0、i=1〜n)のトリム平均を出力する関数を示す。式6は、n個の非負値xi(xi≧0、i=1〜n)の最大値を出力する関数を示す。式7は、n個の非負値xi(xi≧0、i=1〜n)の最小値を出力する関数を示す。 Here, the function g 1 and the function g 2 will be described. The function g j (j = 1, 2) is a function that receives n non-negative values x i (x i ≧ 0, i = 1 to n) as inputs and outputs a real number. The function g 1 is selected from the following formulas 1 to 5. The function g 2 is selected from the following formulas 1 to 7. Equation 1 shows a function that outputs an arithmetic average of n non-negative values x i (x i ≧ 0, i = 1 to n). Equation 2 shows a function that outputs a geometric mean of n non-negative values x i (x i ≧ 0, i = 1 to n). Equation 3 shows a function that outputs a harmonic average of n non-negative values x i (x i ≧ 0, i = 1 to n). Equation 4 shows a function that outputs a median value of n non-negative values x i (x i ≧ 0, i = 1 to n). Equation 5 shows a function that outputs a trimmed average of n non-negative values x i (x i ≧ 0, i = 1 to n). Equation 6 shows a function that outputs the maximum value of n non-negative values x i (x i ≧ 0, i = 1 to n). Expression 7 represents a function that outputs the minimum value of n non-negative values x i (x i ≧ 0, i = 1 to n).
符号算出部40は、n個の非負値xi(xi≧0、i=1〜n)に応じて1または−1を出力する符号関数s(x1,…,xn)の値を算出する。 The sign calculation unit 40 calculates the value of the sign function s (x 1 ,..., X n ) that outputs 1 or −1 according to n non-negative values x i (x i ≧ 0, i = 1 to n ). calculate.
符号関数sは、n個の非負値xi(xi≧0、i=1〜n)を入力として受け、1または−1を出力する関数であり、以下の式9のように示される。ここで式9に示す関数t(x1,…,xn)は、あらかじめ定められた関数である。たとえば、n=2の場合には、t(x1,x2)=x1−x2のように定められる。n=3の場合には、t(x1,x2,x3)=x1−2x2+x3のように定められる。このように、非負値xi同士の大小関係に従い、符号関数sの値を変化させることができる。 The sign function s is a function that receives n non-negative values x i (x i ≧ 0, i = 1 to n) as inputs and outputs 1 or −1, and is represented by the following Expression 9. Here, the function t (x 1 ,..., X n ) shown in Expression 9 is a predetermined function. For example, when n = 2, it is determined as t (x 1 , x 2 ) = x 1 −x 2 . When n = 3, t (x 1 , x 2 , x 3 ) = x 1 −2x 2 + x 3 is determined. Thus, it is possible in accordance with the magnitude relationship between non-negative values x i, changing the value of the sign function s.
なお、以下の式10に示すように、符号関数sは常に1を出力する関数であってもよい。この場合には、特徴量抽出装置100から符号算出部40を省略することもできる。 As shown in the following Expression 10, the sign function s may be a function that always outputs 1. In this case, the code calculation unit 40 can be omitted from the feature amount extraction apparatus 100.
特徴量算出部50は、第1算出部20で算出された関数g1の値から第2算出部30で算出された関数g2の値を減算した値と、符号算出部40が算出した符号関数sの値との乗算値を、特徴量(以下、「共起コントラスト」という)として算出する。 The feature amount calculation unit 50 subtracts the value of the function g 2 calculated by the second calculation unit 30 from the value of the function g 1 calculated by the first calculation unit 20 and the code calculated by the code calculation unit 40. A multiplication value with the value of the function s is calculated as a feature amount (hereinafter referred to as “co-occurrence contrast”).
つまり、特徴量算出部50は、式11に示す関数fの値を共起コントラストとして算出する。符号関数sの値を用いることにより、共起コントラストの符号を変化させることができる。 That is, the feature quantity calculation unit 50 calculates the value of the function f shown in Expression 11 as the co-occurrence contrast. By using the value of the sign function s, the sign of the co-occurrence contrast can be changed.
なお、符号関数sが常に1を出力する関数であるために符号算出部40が省略できる場合には、特徴量算出部50は、式12に従い、第1算出部20で算出された関数g1の値から第2算出部30で算出された関数g2の値を減算した値を共起コントラストとして算出してもよい。 When the sign calculation unit 40 can be omitted because the sign function s is a function that always outputs 1, the feature quantity calculation unit 50 uses the function g 1 calculated by the first calculation unit 20 according to Equation 12. from the value obtained by subtracting the value of the function g 2 calculated by the second calculating section 30 may calculate as the co-occurrence contrast.
特徴量算出部50は、算出した共起コントラストを識別器などに出力する。たとえば、識別器は、特徴量算出部50から共起コントラストを入力として受け、サポートベクターマシン、ブースティングまたは隠れマルコフモデルなどの識別手法を用いて、取得部10が取得した信号をクラスタ2に分類してもよい。 The feature amount calculation unit 50 outputs the calculated co-occurrence contrast to a discriminator or the like. For example, the discriminator receives the co-occurrence contrast from the feature quantity calculation unit 50 as an input, and classifies the signals acquired by the acquisition unit 10 into clusters 2 using a discrimination method such as support vector machine, boosting, or hidden Markov model. May be.
[1−2.特徴量抽出装置の処理フロー]
図2は、特徴量抽出装置100による特徴量抽出処理の流れを示すフローチャートである。
取得部10は、物理量を計測するセンサが出力する信号を示すn個の非負値xi(xi≧0、i=1〜n)を取得する(S1)。
[1-2. Processing flow of feature extraction device]
FIG. 2 is a flowchart showing a flow of feature amount extraction processing by the feature amount extraction apparatus 100.
The acquisition unit 10 acquires n non-negative values x i (x i ≧ 0, i = 1 to n) indicating signals output from the sensor that measures the physical quantity (S1).
第1算出部20は、取得部10が取得したn個の非負値xi(xi≧0、i=1〜n)を入力とする関数g1(x1,…,xn)の値を算出する(S2)。関数g1については上述の通りである。 The first calculation unit 20 is a value of a function g 1 (x 1 ,..., X n ) having n non-negative values x i (x i ≧ 0, i = 1 to n) acquired by the acquisition unit 10 as inputs. Is calculated (S2). It is as described above functions g 1.
第2算出部30は、取得部10が取得したn個の非負値xi(xi≧0、i=1〜n)を入力とする関数g2(x1,…,xn)の値を算出する(S3)。関数g2については上述の通りである。 The second calculation unit 30 is a value of a function g 2 (x 1 ,..., X n ) having n non-negative values x i (x i ≧ 0, i = 1 to n) acquired by the acquisition unit 10 as inputs. Is calculated (S3). It is as described above functions g 2.
符号算出部40は、n個の非負値xi(xi≧0、i=1〜n)に応じて1または−1を出力する符号関数s(x1,…,xn)の値を算出する(S4)。符号関数sについては上述の通りである。 The sign calculation unit 40 calculates the value of the sign function s (x 1 ,..., X n ) that outputs 1 or −1 according to n non-negative values x i (x i ≧ 0, i = 1 to n ). Calculate (S4). The sign function s is as described above.
特徴量算出部50は、関数fに従い、第1算出部20で算出された関数g1の値から第2算出部30で算出された関数g2の値を減算した値と、符号算出部40が算出した符号関数sの値との乗算値を、共起コントラストとして算出する(S5)。関数fについては上述の通りである。 According to the function f, the feature amount calculating unit 50 subtracts the value of the function g 2 calculated by the second calculating unit 30 from the value of the function g 1 calculated by the first calculating unit 20, and the sign calculating unit 40. The multiplication value with the value of the sign function s calculated by (2) is calculated as a co-occurrence contrast (S5). The function f is as described above.
[1−3.従来技術との比較]
次に、2個の非負値x1およびx2に基づいてそれぞれ算出される本実施の形態に係る特徴量(共起コントラスト)と従来の特徴量との性質比較を行う。
[1-3. Comparison with conventional technology]
Next, the characteristics comparison between two feature amounts according to the present embodiment are calculated on the basis of the non-negative values x 1 and x 2 (co-occurrence contrast) and conventional feature amount.
共起コントラストは、式13に示す関数fにより算出される。式13では、第1算出部20が算出する関数g1の値として、式3に示す調和平均を用いる。また、第2算出部30が算出する関数g2の値として、式7に示す最小値を用いる。一方、従来の特徴量として非負値x1およびx2の差分絶対値を用いる。差分絶対値は式15に示す関数dに従い算出される。 The co-occurrence contrast is calculated by the function f shown in Equation 13. In Expression 13, the harmonic average shown in Expression 3 is used as the value of the function g 1 calculated by the first calculation unit 20. Also, as the value of the function g 2 to the second calculating section 30 calculates, using the minimum value shown in Equation 7. On the other hand, using the absolute difference value of non-negative values x 1 and x 2 as a conventional feature amount. The absolute difference value is calculated according to the function d shown in Equation 15.
図3Aは、x1=X、x2=1とした場合に、横軸にXを示し、縦軸に特徴量を示すグラフである。実線は共起コントラストを示し、破線は差分絶対値を示す。 FIG. 3A is a graph showing X on the horizontal axis and the feature amount on the vertical axis when x 1 = X and x 2 = 1. The solid line indicates the co-occurrence contrast, and the broken line indicates the absolute difference value.
図3Bは、x2=4とする以外は図3Aと同じグラフである。図3Cは、x2=8とする以外は図3Aと同じグラフである。図3Dは、x2=12とする以外は図3Aと同じグラフである。 FIG. 3B is the same graph as FIG. 3A except that x 2 = 4. FIG. 3C is the same graph as FIG. 3A except that x 2 = 8. FIG. 3D is the same graph as FIG. 3A except that x 2 = 12.
いずれのグラフにおいても、x1≧x2の範囲では、X(=x1)の増加に伴い共起コントラストは単調増加するが、共起コントラストは常にx2以下となる(x2に漸近する)。よって、非負値の一方に極端に大きい値が入力されても、共起コントラストは過剰に大きくはならない。また、いずれのグラフにおいても、x1<x2の範囲では、Xの減少に伴い共起コントラストは単調増加するが、ある値を境に共起コントラストは単調減少する。よって、非負値の一方に極端に小さい値が入力された場合には、共起コントラストが小さくなる傾向がある。さらに、差分絶対値に比べ共起コントラストは緩やかに変化する。 In either graph, the range of x 1 ≧ x 2, X increased with co-occurrence contrast (= x 1) is monotonically increasing, the co-occurrence contrast always approaches the a x 2 or less (x 2 ). Therefore, even if an extremely large value is input to one of the non-negative values, the co-occurrence contrast does not become excessively large. In any graph, in the range of x 1 <x 2 , the co-occurrence contrast increases monotonously as X decreases, but the co-occurrence contrast decreases monotonously at a certain value. Therefore, when an extremely small value is input to one of the non-negative values, the co-occurrence contrast tends to be small. Furthermore, the co-occurrence contrast changes more slowly than the absolute difference value.
Xの値が画像の白とびノイズなどにより非常に大きな値を示す場合、差分絶対値はノイズ成分の影響を受け非常に大きな値を示す。しかし、共起コントラストは、調和平均と最小値との差から算出される。調和平均を算出することにより、取得部10が取得する信号を平滑化することができる。このため、共起コントラストはノイズ成分の影響を受けにくい。なお、算術平均や中央値などの調和平均以外の平均を用いた場合においても同様の効果を奏することができる。 When the value of X shows a very large value due to overexposure noise or the like of the image, the absolute difference value is influenced by the noise component and shows a very large value. However, the co-occurrence contrast is calculated from the difference between the harmonic average and the minimum value. By calculating the harmonic average, the signal acquired by the acquisition unit 10 can be smoothed. For this reason, the co-occurrence contrast is not easily affected by the noise component. Note that the same effect can be obtained even when an average other than the harmonic average such as the arithmetic average or the median is used.
[1−4.実施の形態1の効果]
以上説明したように、実施の形態1によると、関数g1がn個の非負値xiの平均を算出する関数であるため、関数g1の値はノイズ成分にロバストな値である。よって、関数g1の値から関数g2の値を減算することにより得られる特徴量(共起コントラスト)は、ノイズ成分の影響を受けにくい。このため、ノイズ成分が重畳した信号から、ノイズ成分にロバストな特徴量を算出することができる。
[1-4. Effects of Embodiment 1]
As described above, according to the first embodiment, since the function g 1 is a function for calculating the average of n non-negative values x i , the value of the function g 1 is a value robust to the noise component. Therefore, the feature amount (co-occurrence contrast) obtained by subtracting the value of the function g 2 from the value of the function g 1 is not easily affected by the noise component. For this reason, it is possible to calculate a feature amount robust to the noise component from the signal on which the noise component is superimposed.
特に、関数g1は式1から式5の中から選択される。このため、第1算出部20は、関数g1の値を算出することで、取得部10が取得したn個の非負値xiを平滑化することができる。このため、特徴量算出部50が算出する特徴量はノイズ成分の影響を受けにくい。 In particular, the function g 1 is selected from Equation 1 to Equation 5. Therefore, the first calculator 20 can smooth the n non-negative values x i acquired by the acquiring unit 10 by calculating the value of the function g 1 . For this reason, the feature amount calculated by the feature amount calculation unit 50 is not easily affected by the noise component.
(実施の形態2)
実施の形態2では、画像信号からHOG特徴量を抽出する特徴量抽出装置について説明する。
(Embodiment 2)
In the second embodiment, a feature amount extraction apparatus that extracts a HOG feature amount from an image signal will be described.
[2−1.特徴量抽出装置の構成]
図4は、実施の形態2に係る特徴量抽出装置のハードウェア構成を示すブロック図である。
特徴量抽出装置101は、カメラなどの画像センサが出力する画像信号から、HOG特徴量を抽出する装置であり、取得部10と、第1算出部20と、第2算出部30と、符号算出部40と、特徴量算出部60とを備える。
[2-1. Configuration of Feature Extraction Device]
FIG. 4 is a block diagram showing a hardware configuration of the feature quantity extraction apparatus according to the second embodiment.
The feature quantity extraction apparatus 101 is an apparatus that extracts a HOG feature quantity from an image signal output from an image sensor such as a camera. The feature quantity extraction apparatus 101 is an acquisition unit 10, a first calculation unit 20, a second calculation unit 30, and a code calculation. Unit 40 and a feature amount calculation unit 60.
取得部10は、実施の形態1で説明した取得部10と同様の構成を有し、画像センサが撮像した2次元画像の画素毎の輝度値を取得するインタフェースである。たとえば、取得部10は、図5の(a)に示す画像200を構成する各画素の輝度値を取得する。 The acquisition unit 10 has the same configuration as the acquisition unit 10 described in the first embodiment, and is an interface that acquires a luminance value for each pixel of a two-dimensional image captured by the image sensor. For example, the acquisition unit 10 acquires the luminance value of each pixel constituting the image 200 illustrated in FIG.
第1算出部20は、実施の形態1で説明した第1算出部20と同様の構成を有する。
第1算出部20は、画像内でx軸方向に並んだn個の輝度値xiであるx輝度値群を入力として関数g1の値を算出する。たとえば、図5の(b)に示す3×3画素のブロック内においてx軸方向に並んだ2個の輝度値x4およびx6をx輝度値群として、ブロックの中心画素について関数g1の値を算出する。
The first calculation unit 20 has the same configuration as the first calculation unit 20 described in the first embodiment.
The first calculator 20 calculates the value of the function g 1 using as input an x luminance value group that is n luminance values x i arranged in the x-axis direction in the image. For example, in the 3 × 3 pixel block shown in FIG. 5B, two luminance values x 4 and x 6 arranged in the x-axis direction are set as an x luminance value group, and the function g 1 Calculate the value.
また、第1算出部20は、画像内でy軸方向に並んだn個の輝度値xiであるy輝度値群を入力として関数g1の値を算出する。たとえば、図5の(b)に示す3×3画素のブロック内においてy軸方向に並んだ2個の輝度値x2およびx8をy輝度値群として、ブロックの中心画素について関数g1の値を算出する。 The first calculating section 20 calculates the value of the function g 1 to y luminance value group is n of luminance values x i arranged in the y-axis direction in the image as input. For example, in the 3 × 3 pixel block shown in FIG. 5B, two luminance values x 2 and x 8 arranged in the y-axis direction are set as the y luminance value group, and the function g 1 Calculate the value.
第1算出部20は、3×3画素のブロックで画像200を走査することにより、画像200の各画素において、x輝度値群を入力とする関数g1の値と、y輝度値群を入力とする関数g1の値とをそれぞれ算出する。 The first calculation unit 20 scans the image 200 with a block of 3 × 3 pixels, and inputs the value of the function g 1 that receives the x luminance value group and the y luminance value group at each pixel of the image 200. And the value of the function g 1 is calculated.
第2算出部30は、実施の形態1で説明した第2算出部30と同様の構成を有する。
第2算出部30は、x輝度値群(たとえば、図5の(b)の輝度値x4およびx6)を入力として、ブロックの中心画素について関数g2の値を算出する。また、第2算出部30は、y輝度値群(たとえば、図5の(b)の輝度値x2およびx8)を入力として、ブロックの中心画素について関数g2の値を算出する。
The second calculation unit 30 has the same configuration as the second calculation unit 30 described in the first embodiment.
The second calculation unit 30 receives the x luminance value group (for example, the luminance values x 4 and x 6 in FIG. 5B) and calculates the value of the function g 2 for the central pixel of the block. Further, the second calculation unit 30 receives the y luminance value group (for example, the luminance values x 2 and x 8 in FIG. 5B) and calculates the value of the function g 2 for the central pixel of the block.
第2算出部30は、3×3画素のブロックで画像200を走査することにより、画像200の各画素において、x輝度値群を入力とする関数g2の値と、y輝度値群を入力とする関数g2の値とをそれぞれ算出する。 The second calculation unit 30 scans the image 200 with a block of 3 × 3 pixels, and inputs the value of the function g 2 that receives the x luminance value group and the y luminance value group at each pixel of the image 200. a value of the function g 2 to be calculated.
符号算出部40は、実施の形態1で説明した符号算出部40と同様の構成を有する。
符号算出部40は、式9に従い、x輝度値群(たとえば、図5の(b)の輝度値x4およびx6)を入力として、ブロックの中心画素について符号関数sの値を算出する。また、符号算出部40は、y輝度値群(たとえば、図5の(b)の輝度値x2およびx8)を入力として、ブロックの中心画素について符号関数sの値を算出する。
The code calculation unit 40 has the same configuration as the code calculation unit 40 described in the first embodiment.
The code calculation unit 40 receives the x luminance value group (for example, the luminance values x 4 and x 6 in FIG. 5B) as an input according to Equation 9, and calculates the value of the code function s for the central pixel of the block. Further, the code calculation unit 40 receives the y luminance value group (for example, the luminance values x 2 and x 8 in FIG. 5B) and calculates the value of the code function s for the central pixel of the block.
符号算出部40は、3×3画素のブロックで画像200を走査することにより、画像200の各画素において、x輝度値群を入力とする符号関数sの値と、y輝度値群を入力とする符号関数sの値とをそれぞれ算出する。 The code calculation unit 40 scans the image 200 with a 3 × 3 pixel block, and inputs the value of the code function s that receives the x luminance value group and the y luminance value group at each pixel of the image 200. And the value of the sign function s to be calculated.
特徴量算出部60は、第1算出部20で算出された関数g1の値と、第2算出部30で算出された関数g2の値と、符号算出部40が算出した符号関数sの値とからHOG特徴量を算出する。特徴量算出部60は、x微分値算出部61と、y微分値算出部62と、HOG特徴量算出部63とを含む。 Feature amount calculation unit 60, the value of the function g 1 calculated by the first calculating section 20, and the value of the function g 2 calculated by the second calculating section 30, the sign function s which code calculating unit 40 has calculated The HOG feature value is calculated from the value. The feature amount calculation unit 60 includes an x differential value calculation unit 61, a y differential value calculation unit 62, and a HOG feature amount calculation unit 63.
x微分値算出部61は、3×3画素のブロックで画像200を走査しながら、ブロックごとにブロックの中心画素のx軸方向の微分値を算出する。つまり、x微分値算出部61は、式11に従い、x輝度値群を入力とする関数g1の値からx輝度値群を入力とする関数g2の値を減算する。x微分値算出部61は、減算結果とx輝度値群を入力とする符号関数sの値とを乗算することにより、乗算結果をブロックの中心画素のx軸方向の微分値として算出する。これは、図6Aに示すような微分フィルタを用いてx軸方向の微分値を算出するのと類似する。ただし、輝度値の差分を算出するのではなく関数g1の値と関数g2の値との差分を計算する点が従来と異なる。 The x differential value calculation unit 61 calculates the differential value in the x-axis direction of the central pixel of each block while scanning the image 200 with a 3 × 3 pixel block. That is, the x differential value calculation unit 61 subtracts the value of the function g 2 having the x luminance value group as an input from the value of the function g 1 having the x luminance value group as an input, according to Equation 11. The x differential value calculation unit 61 calculates the multiplication result as a differential value in the x-axis direction of the central pixel of the block by multiplying the subtraction result by the value of the sign function s that receives the x luminance value group. This is similar to calculating a differential value in the x-axis direction using a differential filter as shown in FIG. 6A. However, it is different from the conventional method in that the difference between the value of the function g 1 and the value of the function g 2 is calculated instead of calculating the difference between the luminance values.
y微分値算出部62は、3×3画素のブロックで画像200を走査しながら、ブロックごとにブロックの中心画素のy軸方向の微分値を算出する。つまり、y微分値算出部62は、式11に従い、y輝度値群を入力とする関数g1の値からy輝度値群を入力とする関数g2の値を減算する。y微分値算出部62は、減算結果とy輝度値群を入力とする符号関数sの値とを乗算することにより、乗算結果をブロックの中心画素のy軸方向の微分値として算出する。これは、図6Bに示すような微分フィルタを用いてy軸方向の微分値を算出するのと類似する。ただし、輝度値の差分を算出するのではなく関数g1の値と関数g2の値との差分を計算する点が従来と異なる。 The y differential value calculation unit 62 calculates the differential value in the y-axis direction of the central pixel of each block while scanning the image 200 with a 3 × 3 pixel block. That is, the y derivative value calculation unit 62 subtracts the value of the function g 2 having the y luminance value group as an input from the value of the function g 1 having the y luminance value group as an input, according to the equation 11. The y differential value calculation unit 62 calculates the multiplication result as a differential value in the y-axis direction of the central pixel of the block by multiplying the subtraction result and the value of the sign function s that receives the y luminance value group. This is similar to calculating a differential value in the y-axis direction using a differential filter as shown in FIG. 6B. However, it is different from the conventional method in that the difference between the value of the function g 1 and the value of the function g 2 is calculated instead of calculating the difference between the luminance values.
HOG特徴量算出部63は、画像200の画素毎に、x微分値算出部61が算出したx軸方向の微分値とy微分値算出部62が算出したy軸方向の微分値とから、輝度の勾配方向と輝度の勾配強度とを算出する。たとえば、x軸方向の微分値をfx、y軸方向の微分値をfyとした場合、勾配方向θは、以下の式16で示され、勾配強度mは、以下の式17で示される。 For each pixel of the image 200, the HOG feature amount calculation unit 63 calculates the luminance from the differential value in the x-axis direction calculated by the x differential value calculation unit 61 and the differential value in the y-axis direction calculated by the y differential value calculation unit 62. The gradient direction and luminance gradient intensity are calculated. For example, when the differential value in the x-axis direction is fx and the differential value in the y-axis direction is fy, the gradient direction θ is expressed by the following equation 16 and the gradient strength m is expressed by the following equation 17.
図7の(a)に示すように画像200は5×5画素のセルに区切られているものとする。図7の(b)は、あるセルに含まれる各画素の勾配方向θを矢印で示している。 Assume that the image 200 is divided into 5 × 5 pixel cells as shown in FIG. In FIG. 7B, the gradient direction θ of each pixel included in a certain cell is indicated by an arrow.
HOG特徴量算出部63は、セルごとに、勾配方向θと勾配強度mとからヒストグラムを作成する。つまり、HOG特徴量算出部63は、勾配方向θを45度おきに量子化することにより、セルに含まれる各画素に図8に示すような0から7までの方向コードを付与する。 The HOG feature amount calculation unit 63 creates a histogram from the gradient direction θ and the gradient strength m for each cell. In other words, the HOG feature amount calculation unit 63 quantizes the gradient direction θ every 45 degrees to give direction codes from 0 to 7 as shown in FIG. 8 to each pixel included in the cell.
HOG特徴量算出部63は、セルごとに方向コードのヒストグラムを作成する。図9は、ヒストグラムの一例を示す図である。横軸は方向コードを示し、各方向コードの勾配強度の累積値を示す。つまり、HOG特徴量算出部63は、セルに含まれる画素毎に、当該画素の勾配強度mを当該画素の方向コードのビンに投票することにより、図9に示すようなヒストグラムを作成する。HOG特徴量算出部63は、図9に示すようなヒストグラムをHOG特徴量とする。 The HOG feature amount calculation unit 63 creates a histogram of direction codes for each cell. FIG. 9 is a diagram illustrating an example of a histogram. The horizontal axis indicates the direction code, and indicates the cumulative value of the gradient strength of each direction code. That is, for each pixel included in the cell, the HOG feature amount calculation unit 63 creates a histogram as shown in FIG. 9 by voting the gradient strength m of the pixel to the bin of the direction code of the pixel. The HOG feature quantity calculation unit 63 uses a histogram as shown in FIG. 9 as the HOG feature quantity.
[2−2.特徴量抽出装置の処理フロー]
図10は、特徴量抽出装置101によるHOG特徴量抽出処理の流れを示すフローチャートである。
[2-2. Processing flow of feature extraction device]
FIG. 10 is a flowchart showing the flow of HOG feature amount extraction processing by the feature amount extraction apparatus 101.
取得部10は、画像センサが撮像した2次元画像の画素毎の輝度値を取得する(S11)。 The acquisition unit 10 acquires a luminance value for each pixel of the two-dimensional image captured by the image sensor (S11).
第1算出部20は、x輝度値群を入力として関数g1の値を算出し、y輝度値群を入力として関数g1の値を算出する(S12)。 The first calculation unit 20 calculates the value of the function g 1 as inputs x luminance value group, calculates the value of the function g 1 to y luminance value group as the input (S12).
第2算出部30は、x輝度値群を入力として関数g2の値を算出し、y輝度値群を入力として関数g2の値を算出する(S13)。 The second calculating unit 30 calculates the value of the function g 2 as inputs x luminance value group, calculates the value of the function g 2 to y luminance value group as the input (S13).
符号算出部40は、x輝度値群を入力として符号関数sの値を算出し、y輝度値群を入力として符号関数sの値を算出する(S14)。 The code calculation unit 40 calculates the value of the sign function s with the x luminance value group as an input, and calculates the value of the code function s with the y luminance value group as an input (S14).
x微分値算出部61は、3×3画素のブロックで画像を走査しながら、画素毎にx軸方向の微分値を算出する(S15)。 The x differential value calculation unit 61 calculates a differential value in the x-axis direction for each pixel while scanning an image with a block of 3 × 3 pixels (S15).
y微分値算出部62は、3×3画素のブロックで画像を走査しながら、画素毎にy軸方向の微分値を算出する(S16)。 The y differential value calculation unit 62 calculates a differential value in the y-axis direction for each pixel while scanning an image with a 3 × 3 pixel block (S16).
HOG特徴量算出部63は、画素毎に、x軸方向の微分値とy軸方向の微分値とから、輝度の勾配方向と輝度の勾配強度とを算出する。また、HOG特徴量算出部63は、セルに含まれる画素毎に、当該画素の勾配方向を量子化した方向コードのビンに、勾配強度を投票することで、セルごとに方向コードのヒストグラムを作成し、HOG特徴量とする(S17)。 The HOG feature amount calculation unit 63 calculates the luminance gradient direction and the luminance gradient intensity from the differential value in the x-axis direction and the differential value in the y-axis direction for each pixel. In addition, the HOG feature amount calculation unit 63 creates a direction code histogram for each cell by voting the gradient strength to the bin of the direction code obtained by quantizing the gradient direction of the pixel for each pixel included in the cell. The HOG feature value is set (S17).
特徴量抽出装置101に接続された識別器は、HOG特徴量算出部63が算出したHOG特徴量から、サポートベクターマシン、ブースティングまたは隠れマルコフモデルなどの識別手法を用いて、画像をクラスタに分類する(S18)。 The classifier connected to the feature quantity extraction device 101 classifies images into clusters from the HOG feature quantity calculated by the HOG feature quantity calculation unit 63 using a discrimination method such as support vector machine, boosting, or hidden Markov model. (S18).
[2−3.実施の形態2の効果]
以上説明したように、実施の形態2によると、実施の形態1と同様の効果を奏することができる。
[2-3. Effects of Embodiment 2]
As described above, according to the second embodiment, the same effects as in the first embodiment can be obtained.
また、HOG特徴量は、輝度のx軸方向の微分値とy軸方向の微分値とを用いて算出されるが、これらの微分値を算出する際に関数g1と関数g2とを用いている。第1算出部20は、関数g1の値を算出することで、取得部10が取得したx輝度値群およびy輝度値群をそれぞれ平滑化することができる。このため、x微分値算出部61およびy微分値算出部62は、それぞれノイズ成分にロバストな微分値を算出することができる。よって、HOG特徴量算出部63は、これらの微分値からノイズ成分にロバストなHOG特徴量を算出することができる。 The HOG feature amount is calculated using the differential value of the luminance in the x-axis direction and the differential value in the y-axis direction, and the function g 1 and the function g 2 are used when calculating these differential values. ing. The first calculation unit 20 can smooth the x luminance value group and the y luminance value group acquired by the acquisition unit 10 by calculating the value of the function g 1 . For this reason, the x differential value calculation unit 61 and the y differential value calculation unit 62 can each calculate a differential value robust to the noise component. Therefore, the HOG feature value calculation unit 63 can calculate a HOG feature value robust to the noise component from these differential values.
[3.付記]
以上、本発明の実施の形態に係る特徴量抽出装置について説明したが、本発明は、これらの実施の形態に限定されるものではない。
[3. Addendum]
Although the feature quantity extraction device according to the embodiments of the present invention has been described above, the present invention is not limited to these embodiments.
上述の実施の形態2では、特徴量としてHOG特徴量について説明したが、特徴量はこれに限定されるものではない。たとえば、GLAC特徴量、HOF(Histograms of Flow)特徴量またはSIFT(Scale−Invariant Feature Transform)特徴量などの特徴量抽出時に差分演算を行う特徴量に対しても、本開示は適用可能である。 In the above-described second embodiment, the HOG feature amount has been described as the feature amount, but the feature amount is not limited to this. For example, the present disclosure can also be applied to a feature quantity that is subjected to a difference operation when extracting a feature quantity such as a GLAC feature quantity, a HOF (histograms of flow) feature quantity, or a SIFT (Scale-Invariant Feature Transform) feature quantity.
また、上述の実施の形態1および2では、識別器が、特徴量抽出装置が抽出した特徴量を用いて、取得部10が取得した信号をクラスタに分類するとした。具体的には、取得部10が監視カメラで撮像された画像の輝度値を取得する場合には、識別器は、当該輝度値から抽出した特徴量を用いて、画像を人物のクラスタまたはそれ以外のクラスタに分類してもよい。このことにより、当該画像が人物を表しているか否かを判定してもよい。また、識別器は、画像を人物の動作ごとに用意されたいずれかのクラスタに分類することにより、当該画像に含まれる人物の動作を認識してもよい。また、取得部10が自動車のナンバープレートを撮像した画像の輝度値を取得する場合には、識別器は、当該輝度値から抽出した特徴量を用いて、画像を文字の種類ごとに用意されたいずれかのクラスタに分類してもよい。このことにより、ナンバープレートに示される文字を認識してもよい。 In the first and second embodiments described above, the classifier classifies the signals acquired by the acquisition unit 10 into clusters using the feature amounts extracted by the feature amount extraction device. Specifically, when the acquisition unit 10 acquires the luminance value of the image captured by the monitoring camera, the classifier uses the feature amount extracted from the luminance value to display the image as a cluster of people or otherwise. May be classified into Thus, it may be determined whether or not the image represents a person. Further, the classifier may recognize the motion of the person included in the image by classifying the image into any cluster prepared for each motion of the person. Further, when the acquisition unit 10 acquires the luminance value of the image obtained by capturing the license plate of the automobile, the discriminator prepares the image for each character type using the feature amount extracted from the luminance value. You may classify into any cluster. By this, you may recognize the character shown on a license plate.
また、取得部10が取得する、センサが検出する信号は、画像信号のみならず、音声信号等の他の物理量を示す信号であってもよい。これにより、画像信号のみならず音声信号からもノイズ成分にロバストな特徴量を抽出することができる。取得部10が音声信号を取得する場合には、特徴抽出装置に接続された識別器は、当該音声信号から抽出した特徴量に基づいて、隠れマルコフモデルなどの音声識別手法を用いて音声信号をクラスタに分類してもよい。これにより、音声信号から発話の認識や話者の認識等を行ってもよい。 The signal acquired by the acquisition unit 10 and detected by the sensor may be not only an image signal but also a signal indicating another physical quantity such as an audio signal. As a result, it is possible to extract a feature quantity robust to noise components from not only an image signal but also an audio signal. When the acquisition unit 10 acquires an audio signal, the classifier connected to the feature extraction device uses the audio identification method such as a hidden Markov model based on the feature amount extracted from the audio signal. You may classify into clusters. Thereby, utterance recognition, speaker recognition, and the like may be performed from the audio signal.
また、上述の実施の形態1および2では、各種演算を行っているが、入力と出力との関係を示したテーブルを予めRAM(Random Access Memory)等の記憶装置に記憶しており、そのテーブルを参照することにより、演算結果を取得してもよい。 In the first and second embodiments described above, various calculations are performed. A table showing the relationship between input and output is stored in advance in a storage device such as a RAM (Random Access Memory), and the table The calculation result may be acquired by referring to.
また、取得部10は、センサから信号を取得するものとしたが、必ずしもこれには限定されない。たとえば、センサが出力する信号があらかじめ記憶装置に記憶されており、取得部10は、記憶装置から信号を読み出すことにより、信号を取得してもよい。 Moreover, although the acquisition part 10 shall acquire a signal from a sensor, it is not necessarily limited to this. For example, the signal output from the sensor is stored in the storage device in advance, and the acquisition unit 10 may acquire the signal by reading the signal from the storage device.
また、上記の特徴量抽出装置は、具体的には、マイクロプロセッサ、ROM(Read Only Memory)、RAM、ハードディスクドライブ、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムとして構成されてもよい。RAMまたはハードディスクドライブには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、特徴量抽出装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。 In addition, the feature amount extraction device may be specifically configured as a computer system including a microprocessor, a ROM (Read Only Memory), a RAM, a hard disk drive, a display unit, a keyboard, a mouse, and the like. A computer program is stored in the RAM or hard disk drive. The feature quantity extraction device achieves its function by the microprocessor operating according to the computer program. Here, the computer program is configured by combining a plurality of instruction codes indicating instructions for the computer in order to achieve a predetermined function.
さらに、上記の特徴量抽出装置を構成する構成要素の一部または全部は、1個のシステムLSI(Large Scale Integration:大規模集積回路)から構成されているとしてもよい。システムLSIは、複数の構成部を1個のチップ上に集積して製造された超多機能LSIであり、具体的には、マイクロプロセッサ、ROM、RAMなどを含んで構成されるコンピュータシステムである。RAMには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、システムLSIは、その機能を達成する。 Further, some or all of the components constituting the feature quantity extraction device may be configured by a single system LSI (Large Scale Integration). The system LSI is an ultra-multifunctional LSI manufactured by integrating a plurality of components on a single chip, and specifically, a computer system including a microprocessor, ROM, RAM, and the like. . A computer program is stored in the RAM. The system LSI achieves its functions by the microprocessor operating according to the computer program.
さらに、上記コンピュータプログラムは、コンピュータ読取可能な非一時的な記録媒体、例えば、フレキシブルディスク、ハードディスクドライブ、CD−ROM、MO(Magneto−Optical disc)、DVD(Digital Versatile Disc)、DVD−ROM(Digital Versatile Disc Read Only Memory)、DVD−RAM(Digital Versatile Disc Random Access Memory)、BD(Blu−ray(登録商標) Disc)、半導体メモリなどに記録されていてもよい。 Further, the computer program is a computer-readable non-transitory recording medium, for example, a flexible disk, a hard disk drive, a CD-ROM, an MO (Magneto-Optical disc), a DVD (Digital Versatile Disc), a DVD-ROM (Digital). It may be recorded on a Versatile Disc Read Only Memory (DVD), a Digital Versatile Disc Random Access Memory (BD-RAM), a BD (Blu-ray (registered trademark) Disc), a semiconductor memory, or the like.
また、上記コンピュータプログラムまたは上記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。 Further, the computer program or the digital signal may be transmitted via an electric communication line, a wireless or wired communication line, a network represented by the Internet, a data broadcast, or the like.
さらに、上記実施の形態および上記変形例の少なくとも一部を任意に組み合わせるとしてもよい。 Furthermore, it is possible to arbitrarily combine at least a part of the embodiment and the modified example.
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。 The embodiment disclosed this time should be considered as illustrative in all points and not restrictive. The scope of the present invention is defined by the terms of the claims, rather than the meanings described above, and is intended to include any modifications within the scope and meaning equivalent to the terms of the claims.
本発明は、画像から特徴量を抽出して、画像をクラスタに分類する画像処理装置等に用いると有益である。 The present invention is useful when used in an image processing apparatus or the like that extracts feature amounts from an image and classifies the image into clusters.
10 取得部
20 第1算出部
30 第2算出部
40 符号算出部
50、60 特徴量算出部
61 x微分値算出部
62 y微分値算出部
63 HOG特徴量算出部
100、101 特徴量抽出装置
200 画像
DESCRIPTION OF SYMBOLS 10 Acquisition part 20 1st calculation part 30 2nd calculation part 40 Code | symbol calculation part 50, 60 Feature-value calculation part 61 x differential value calculation part 62 y differential value calculation part 63 HOG feature-value calculation part 100, 101 Feature-value extraction apparatus 200 image
Claims (7)
前記n個の非負値xiを入力とする関数g1の値を算出する第1算出部と、
前記n個の非負値xiを入力とする関数g2の値を算出する第2算出部と、
前記第1算出部で算出された前記関数g1の値から前記第2算出部で算出された前記関数g2の値を減算した値を、前記n個の非負値xiに対する特徴量として算出する特徴量算出部とを備え、
任意の前記n個の非負値xiに対して、前記n個の非負値xiを入力とする前記関数g1の値は、前記n個の非負値xiを入力とする前記関数g2の値以上であり、
前記関数g1は、前記n個の非負値xiの平均を算出する関数である
特徴量抽出装置。 An acquisition unit that acquires n non-negative values x i (x i ≧ 0, i = 1 to n) indicating a signal output from a sensor that measures a physical quantity;
A first calculation unit for calculating a value of a function g 1 having the n non-negative values x i as inputs;
A second calculation unit that calculates a value of the function g 2 having the n non-negative values x i as inputs;
A value obtained by subtracting the value of the function g 2 calculated by the second calculation unit from the value of the function g 1 calculated by the first calculation unit is calculated as a feature amount for the n non-negative values x i. A feature amount calculation unit
For any of the n non-negative value x i, the value of the function g 1 which receives the n non-negative value x i, the function g 2 to enter the n non-negative values x i Greater than or equal to
The function g 1 is a function that calculates an average of the n non-negative values x i .
前記特徴量算出部は、前記減算した値と前記符号算出部が算出した前記符号関数sの値との乗算値を、前記特徴量として算出する
請求項1に記載の特徴量抽出装置。 And a code calculation unit that calculates a value of a code function s that outputs 1 or −1 according to the n non-negative values x i .
The feature quantity extraction device according to claim 1, wherein the feature quantity calculation unit calculates a multiplication value of the subtracted value and the value of the code function s calculated by the code calculation unit as the feature quantity.
請求項1または請求項2に記載の特徴量抽出装置。 3. The feature amount extraction according to claim 1, wherein the function g 1 is a function for calculating an arithmetic mean, geometric mean, harmonic mean, median, or trim mean of the n non-negative values x i. apparatus.
前記第1算出部は、前記2次元画像のx軸方向に並んだn個の輝度値であるx輝度値群を入力として前記関数g1の値を算出するとともに、前記2次元画像のy軸方向に並んだn個の輝度値であるy輝度値群を入力として前記関数g1の値を算出し、
前記第2算出部は、前記x輝度値群を入力として前記関数g2の値を算出するとともに、前記y輝度値群を入力として前記関数g2の値を算出し、
前記特徴量算出部は、
前記x輝度値群を入力とする前記関数g1の値から前記x輝度値群を入力とする前記関数g2の値を減算した値をx軸方向の微分値として算出するx微分値算出部と、
前記y輝度値群を入力とする前記関数g1の値から前記y輝度値群を入力とする前記関数g2の値を減算した値をy軸方向の微分値として算出するy微分値算出部と、
前記x微分値算出部が算出した前記x軸方向の微分値と前記y微分値算出部が算出した前記y軸方向の微分値とからHOG(Histograms of Oriented Gradients)特徴量を算出するHOG特徴量算出部とを含む
請求項1〜請求項3のいずれか1項に記載の特徴量抽出装置。 The acquisition unit acquires an image signal indicating a luminance value for each pixel of a two-dimensional image,
Wherein the first calculation unit calculates the value of the function g 1 the x-axis x luminance value group is n of luminance values arranged in the direction of the two-dimensional image as input, y axis of the two-dimensional image The value of the function g 1 is calculated by inputting y luminance value groups which are n luminance values arranged in the direction, and
The second calculation unit calculates the value of the function g 2 the x luminance value group as input, calculates the value of the function g 2 the y luminance value group as an input,
The feature amount calculation unit includes:
An x differential value calculation unit that calculates a value obtained by subtracting the value of the function g 2 having the x luminance value group as an input from the value of the function g 1 having the x luminance value group as an input, as a differential value in the x-axis direction. When,
A y differential value calculation unit that calculates a value obtained by subtracting the value of the function g 2 having the y luminance value group as an input from the value of the function g 1 having the y luminance value group as an input, as a differential value in the y-axis direction. When,
HOG feature value for calculating HOG (Histograms of Oriented Gradients) feature value from the differential value in the x-axis direction calculated by the x differential value calculation unit and the differential value in the y-axis direction calculated by the y differential value calculation unit The feature-value extraction apparatus of any one of Claims 1-3 containing a calculation part.
請求項1〜請求項3のいずれか1項に記載の特徴量抽出装置。 The feature amount extraction device according to any one of claims 1 to 3, wherein the signal detected by the sensor is an image signal or an audio signal.
物理量を計測するセンサが出力する信号を示すn個の非負値xi(xi≧0、i=1〜n)を取得する取得ステップと、
前記n個の非負値xiを入力とする関数g1の値を算出する第1算出ステップと、
前記n個の非負値xiを入力とする関数g2の値を算出する第2算出ステップと、
前記第1算出ステップにおいて算出された前記関数g1の値から前記第2算出ステップにおいて算出された前記関数g2の値を減算した値を、前記n個の非負値xiに対する前記特徴量として算出する特徴量算出ステップとを含み、
任意の前記n個の非負値xiに対して、前記n個の非負値xiを入力とする前記関数g1の値は、前記n個の非負値xiを入力とする前記関数g2の値以上であり、
前記関数g1は、前記n個の非負値xiの平均を算出する関数である
特徴量抽出方法。 A feature amount calculation method in which a computer calculates a feature amount,
An acquisition step of acquiring n non-negative values x i (x i ≧ 0, i = 1 to n) indicating a signal output from a sensor that measures a physical quantity;
A first calculation step of calculating a value of a function g 1 having the n non-negative values x i as inputs;
A second calculation step of calculating a value of the function g 2 having the n non-negative values x i as inputs;
A value obtained by subtracting the value of the function g 2 calculated in the second calculation step from the value of the function g 1 calculated in the first calculation step is used as the feature amount for the n non-negative values x i. A feature amount calculating step to calculate,
For any of the n non-negative value x i, the value of the function g 1 which receives the n non-negative value x i, the function g 2 to enter the n non-negative values x i Greater than or equal to
The function g 1 is a function for calculating an average of the n non-negative values x i .
前記n個の非負値xiを入力とする関数g1の値を算出する第1算出ステップと、
前記n個の非負値xiを入力とする関数g2の値を算出する第2算出ステップと、
前記第1算出ステップにおいて算出された前記関数g1の値から前記第2算出ステップにおいて算出された前記関数g2の値を減算した値を、前記n個の非負値xiに対する特徴量として算出する特徴量算出ステップとをコンピュータに実行させるためのプログラムであり、
任意の前記n個の非負値xiに対して、前記n個の非負値xiを入力とする前記関数g1の値は、前記n個の非負値xiを入力とする前記関数g2の値以上であり、
前記関数g1は、前記n個の非負値xiの平均を算出する関数である
プログラム。 An acquisition step of acquiring n non-negative values x i (x i ≧ 0, i = 1 to n) indicating a signal output from a sensor that measures a physical quantity;
A first calculation step of calculating a value of a function g 1 having the n non-negative values x i as inputs;
A second calculation step of calculating a value of the function g 2 having the n non-negative values x i as inputs;
A value obtained by subtracting the value of the function g 2 calculated in the second calculation step from the value of the function g 1 calculated in the first calculation step is calculated as a feature amount for the n non-negative values x i. Is a program for causing a computer to execute a feature amount calculating step.
For any of the n non-negative value x i, the value of the function g 1 which receives the n non-negative value x i, the function g 2 to enter the n non-negative values x i Greater than or equal to
The function g 1 is a function for calculating an average of the n non-negative values x i .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014145905A JP2016024484A (en) | 2014-07-16 | 2014-07-16 | Characteristic-amount extraction device and characteristic-amount extraction method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014145905A JP2016024484A (en) | 2014-07-16 | 2014-07-16 | Characteristic-amount extraction device and characteristic-amount extraction method |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016024484A true JP2016024484A (en) | 2016-02-08 |
Family
ID=55271231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014145905A Pending JP2016024484A (en) | 2014-07-16 | 2014-07-16 | Characteristic-amount extraction device and characteristic-amount extraction method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2016024484A (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112017000791T5 (en) | 2016-02-12 | 2018-10-25 | Denso Corporation | Electronic control unit and electric power steering apparatus using the same |
-
2014
- 2014-07-16 JP JP2014145905A patent/JP2016024484A/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112017000791T5 (en) | 2016-02-12 | 2018-10-25 | Denso Corporation | Electronic control unit and electric power steering apparatus using the same |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255352B (en) | Target detection method, device and system | |
JP4877374B2 (en) | Image processing apparatus and program | |
CN108549836B (en) | Photo copying detection method, device, equipment and readable storage medium | |
US9294665B2 (en) | Feature extraction apparatus, feature extraction program, and image processing apparatus | |
JP5899179B2 (en) | Person recognition device, person recognition method, person recognition program, and recording medium thereof | |
JP2015082245A (en) | Image processing apparatus, image processing method, and program | |
JP6351243B2 (en) | Image processing apparatus and image processing method | |
JP4100885B2 (en) | Form recognition apparatus, method, program, and storage medium | |
JP6410450B2 (en) | Object identification device, object identification method, and program | |
JP6720845B2 (en) | Image processing apparatus, image processing method and program | |
CN111027450A (en) | Bank card information identification method and device, computer equipment and storage medium | |
JP2013030104A (en) | Feature amount extraction apparatus and feature amount extraction method | |
JP2016162420A (en) | Attention area detection device, attention area detection method and program | |
JP2019220014A (en) | Image analyzing apparatus, image analyzing method and program | |
JP2011253354A (en) | Image processing apparatus, method and program | |
Devadoss et al. | Performance improvement using an automation system for recognition of multiple parametric features based on human footprint | |
CN109447000B (en) | Living body detection method, stain detection method, electronic apparatus, and recording medium | |
JP2013003686A (en) | Recognizing apparatus and method, program, and recording medium | |
JP6452324B2 (en) | Image processing apparatus, image processing method, and program | |
JP2016024484A (en) | Characteristic-amount extraction device and characteristic-amount extraction method | |
JP2017084006A (en) | Image processor and method thereof | |
KR101521136B1 (en) | Method of recognizing face and face recognition apparatus | |
JP5979008B2 (en) | Image processing apparatus, image processing method, and program | |
JP2016081472A (en) | Image processing device, and image processing method and program | |
Nath et al. | Lip contour extraction scheme using morphological reconstruction based segmentation |