JP2021043774A - 通知判定装置、通知判定方法及び通知判定プログラム - Google Patents
通知判定装置、通知判定方法及び通知判定プログラム Download PDFInfo
- Publication number
- JP2021043774A JP2021043774A JP2019166130A JP2019166130A JP2021043774A JP 2021043774 A JP2021043774 A JP 2021043774A JP 2019166130 A JP2019166130 A JP 2019166130A JP 2019166130 A JP2019166130 A JP 2019166130A JP 2021043774 A JP2021043774 A JP 2021043774A
- Authority
- JP
- Japan
- Prior art keywords
- image data
- captured image
- certainty
- attribute
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
この発明は、対象の属性を有する対象物を検出する処理の効率を高めつつ、ある程度の検出精度の維持を可能にすることを目的とする。
第1手法により撮影画像データから対象物を検出する検出部と、
前記検出部によって検出された前記対象物が対象の属性を有するか否かを、前記第1手法とは異なる第2手法により前記撮影画像データから特定する属性特定部と、
前記検出部によって前記対象物が検出されたことの確からしさを示す第1確信度と、前記属性特定部によって前記対象の属性を有することが特定されたことの確からしさを示す第2確信度とに基づき、前記対象の属性の前記対象物が検出されたことを通知するか否かを判定する判定部と
を備える。
前記属性特定部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記検出部によって前記対象の撮影画像データから検出された前記対象物の属性を、前記対象の撮影画像データから特定し、
前記判定部は、連続する基準数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記対象の撮影画像データから前記対象物が検出されたことの前記第1確信度が前記第1閾値以上であり、かつ、前記対象の撮影画像データから前記属性を有することが特定されたことの前記第2確信度が前記第2閾値以上である場合に、通知すると判定する。
前記属性特定部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記検出部によって前記対象の撮影画像データから検出された前記対象物の属性を、前記対象の撮影画像データから特定し、
前記判定部は、連続する第1基準数のフレームの撮影画像データのうち、前記対象の撮影画像データから前記対象物が検出されたことの前記第1確信度が前記第1閾値以上であり、かつ、前記対象の撮影画像データから前記属性を有することが特定されたことの前記第2確信度が前記第2閾値以上であるフレーム数の合計が少なくとも第2基準数以上であると算出した場合に、通知すると判定する。
前記属性特定部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記検出部によって前記対象の撮影画像データから検出された前記対象物の属性を、前記対象の撮影画像データから特定し、
前記判定部は、連続する基準数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記対象の撮影画像データから前記対象物が検出されたことの前記第1確信度と前記対象の撮影画像データから前記属性を有することが特定されたことの前記第2確信度とを複合して計算される前記複合確信度が前記複合閾値以上である場合に、通知すると判定する。
検出部が、第1手法により撮影画像データから対象物を検出し、
属性特定部が、前記対象物が対象の属性を有するか否かを、前記第1手法とは異なる第2手法により前記撮影画像データから特定し、
判定部が、前記対象物が検出されたことの確からしさを示す第1確信度と、前記対象の属性を有することが特定されたことの確からしさを示す第2確信度とに基づき、前記対象の属性の前記対象物が検出されたことを通知するか否かを判定する。
第1手法により撮影画像データから対象物を検出する検出処理と、
前記検出処理によって検出された前記対象物が対象の属性を有するか否かを、前記第1手法とは異なる第2手法により前記撮影画像データから特定する属性特定処理と、
前記検出処理によって前記対象物が検出されたことの確からしさを示す第1確信度と、前記属性特定処理によって前記対象の属性を有することが特定されたことの確からしさを示す第2確信度とに基づき、前記対象の属性の前記対象物が検出されたことを通知するか否かを判定する判定処理と
を行う通知判定装置としてコンピュータを機能させる。
その結果、計算量の多いディープラーニングを用いた手法による処理量を減らすことが可能であり、処理の効率を高めることができる。また、対象物が検知されたことの確からしさを示す第1確信度と、属性を有することが特定されたことの確からしさを示す第2確信度とに基づき、通知するか否かを判定しており、高精度な通知が可能になる。
***構成の説明***
図1を参照して、実施の形態1に係る通知判定装置10の構成を説明する。
通知判定装置10は、コンピュータである。
通知判定装置10は、プロセッサ11と、メモリ12と、ストレージ13と、通信インタフェース14とのハードウェアを備える。プロセッサ11は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
ストレージ13には、通知判定装置10の各機能構成要素の機能を実現するプログラムが格納されている。このプログラムは、プロセッサ11によりメモリ12に読み込まれ、プロセッサ11によって実行される。これにより、通知判定装置10の各機能構成要素の機能が実現される。
図2から図5を参照して、実施の形態1に係る通知判定装置10の動作を説明する。
実施の形態1に係る通知判定装置10の動作手順は、実施の形態1に係る通知判定方法に相当する。また、実施の形態1に係る通知判定装置10の動作を実現するプログラムは、実施の形態1に係る通知判定プログラムに相当する。
(ステップS101:画像取得処理)
画像取得部21は、通信インタフェース14を介して、撮影領域を撮影装置41によって撮影することにより得られた最新のフレームの撮影画像データを取得する。画像取得部21は、撮影画像データをメモリ12に書き込む。
検出部22は、第1手法により撮影画像データから対象物を検出する。実施の形態1では、第1手法は、パターンマッチングとする。パターンマッチングのため、検出すべき対象物を示す元データをストレージ13に記憶しておき、撮影画像データと比較することにより、対象物を検出する。なお、第1手法は、ディープラーニングよりも計算量の少ない手法であれば、他の手法であってもよい。
具体的には、検出部22は、ステップS101で取得された撮影画像データをメモリ12から読み出す。検出部22は、パターンマッチングにより撮影画像データから対象物を特定する。実施の形態1では、対象物は人とする。なお、対象物は、人に限らず、鞄及び自動車といった他の種別の物であってもよい。検出部22は、撮影画像データにおいて、特定された対象物が存在する矩形領域の座標を特定する。例えば、検出部22は、対象物が存在する矩形領域のx座標とy座標と幅と高さとを特定する。x座標及びy座標は、対象物が存在する矩形領域の左上の点といった決められた点の座標である。
検出部22は、ステップS102で対象物が検出された場合には、処理をステップS104に進める。一方、検出部22は、ステップS102で対象物が検出されなかった場合には、処理をステップS101に戻して、次のフレームの撮影画像データについての処理を実行する。
検出部22は、ステップS102で検出された対象物が存在する矩形領域の画像データを部分画像データとして、ステップS101で取得された撮影画像データから切り出す。つまり、検出部22は、対象物が存在する矩形領域のx座標とy座標と幅と高さとから特定される範囲の画像データを部分画像データとして、撮影画像データから切り出す。検出部22は、切り出された部分画像データをメモリ12に書き込む。
属性特定部23は、ステップS102で検出された対象物が対象の属性を有するか否かを、第1手法とは異なる第2手法によりステップS101で取得された撮影画像データから特定する。実施の形態1では、第2手法は、ディープラーニングを用いた手法である。なお、第2手法は、ディープラーニングを用いた手法と同等の精度で属性を特定可能な手法であれば、他の手法であってもよい。
具体的には、属性特定部23は、ステップS104で切り出された部分画像データをメモリ12から読み出す。属性特定部23は、ディープラーニングによって構成された属性特定モデルに部分画像データを入力として与える。これにより、属性特定部23は、部分画像データに含まれる対象物が対象の属性であるか否かを判定する。実施の形態1では、対象の属性は、白杖を有することとする。なお、対象の属性は、白杖を有することに限らず、車椅子に乗っている、子供であるといった他の属性であってもよい。
属性特定部23は、ステップS105で対象物が対象の属性であると特定された場合には、処理をステップS107に進める。一方、属性特定部23は、ステップS105で対象物が対象の属性でないと特定された場合には、処理をループの最後に進める。、これにより、未処理の対象物がある場合にはその対象物についての処理が実行されることになる。
判定部24は、ステップS102で対象物が検出されたことの確からしさを示す第1確信度が第1閾値以上であるか否かを判定する。
第1確信度は、ステップS102で対象物が検出された際に得られる値である。具体例としては、第1確信度は、パターンマッチングでの一致度合である。第1閾値は、どの程度の確度で通知を行うかに応じて事前に設定される値である。
判定部24は、第1確信度が第1閾値以上である場合には、処理をステップS108に進める。一方、判定部24は、第1確信度が第1閾値未満である場合には、処理をループの最後に進める。これにより、未処理の対象物がある場合にはその対象物についての処理が実行されることになる。
判定部24は、ステップS105で対象物が対象の属性を有することが特定されたことの確からしさを示す第2確信度が第2閾値以上であるか否かを判定する。
第2確信度は、ステップS105で対象物の属性が特定された際に得られる値である。具体例としては、ディープラーニングのモデルで計算される確率スコアである。第2閾値は、第1閾値と同様に、どの程度の確度で通知を行うかに応じて事前に設定される値である。
判定部24は、第2確信度が第2閾値以上である場合には、処理をステップS109に進める。一方、判定部24は、第2確信度が第2閾値未満である場合には、処理をループの最後に進める。これにより、未処理の対象物がある場合にはその対象物についての処理が実行されることになる。
通知部25は、対象の属性の対象物が検出されたことを通知する。
具体例としては、図3に示すように、通知部25は、撮影画像データにおける対象物を枠で囲う等して、対象の属性の対象物であることが分かるようにして、撮影画像データを表示装置に表示する。
撮影画像データから検出された全ての対象物について処理が完了したときは、処理をステップS101に戻して、次のフレームの撮影画像データについての処理を実行する。
ここでは、第1閾値及び第2閾値は60%であるとする。
その結果、第1確信度は第1閾値以上であり、かつ、第2確信度は第2閾値以上であるため、ステップS107及びステップS108を経てステップS109に処理が進められる。そして、ステップS109で対象の属性の対象物が検出されたことが通知される。
その結果、第1確信度は第1閾値未満であるため、ステップS107からステップS101に処理が戻される。その結果、ステップS109で対象の属性の対象物が検出されたことが通知されない。
以上のように、実施の形態1に係る通知判定装置10は、ディープラーニングを用いた手法よりも計算量の少ない第1手法により対象物を検知し、ディープラーニングを用いた第2手法により対象物が対象の属性を有するか否かを特定する。これにより、第2手法の対象を第1手法で検知された対象物に限定することで計算量の多いディープラーニングによる処理量を減らすことが可能であり、処理の効率を高めることができる。
例えば、図5に示す例では、第2確信度は80%と高い値になっている。しかし、属性を特定する前段階である対象物の検出処理の第1確信度は10%と低い値になっている。そのため、通知しないと判定されている。
実施の形態1では、第1確信度が第1閾値以上であるかを判定する処理(ステップS107)が、対象物が対象の属性であることを特定する処理(ステップS105)の後に実行された。しかし、第1確信度が第1閾値未満であれば、通知しないと判定される。そのため、図6に示すように、第1確信度を計算し、第1確信度が第1閾値以上であるかを判定する処理を、検出処理(ステップS102)のすぐ後に実行するようにしてもよい。つまり、検出判定処理(ステップS103)において、検出部22は、対象物が検出され、かつ、第1確信度が第1閾値以上である対象だけ、ステップS104に処理を進めるようにしてもよい。ステップS104からS108の処理は、第1確信度が第1閾値以上である対象物を順に対象として実行される。
これにより、第1確信度が第1閾値未満であれば、対象物が対象の属性であることを特定する処理を実行することなく、通知しないと判定される。つまり、第1確信度が第1閾値未満であれば、計算量の多いディープラーニングを用いた処理を行うことなく、通知しないと判定される。したがって、処理の効率を高めることができる。
判定部24は、第1確信度と第2確信度とを複合した複合確信度を用いて通知するか否かを判定してもよい。この場合には、図7に示すように、ステップS107及びステップS108の処理に変えて、ステップS107’が実行される。この場合も図2を用いて説明したように、ステップS104からS109の処理は、検出された各対象物を順に対象として実行される。
ステップS107’では、判定部24は、第1確信度と第2確信度とを複合して複合確信度を計算する。具体例としては、第1確信度と第2確信度との平均値を複合確信度とする。また、別の具体例としては、第1確信度と第2確信度との少なくともいずれかに重み付けした上で、平均値を計算してもよい。そして、判定部24は、複合確信度が複合閾値以上であるか否かを判定する。判定部24は、複合確信度が複合閾値以上である場合には、処理をステップS109に進める。一方、判定部24は、複合確信度が複合閾値未満である場合には、処理をループの最後に進める。
複合閾値は、第1閾値及び第2閾値と同様に、どの程度の確度で通知を行うかに応じて事前に設定される値である。
実施の形態1では、各機能構成要素がソフトウェアで実現された。しかし、変形例3として、各機能構成要素はハードウェアで実現されてもよい。この変形例3について、実施の形態1と異なる点を説明する。
各機能構成要素がハードウェアで実現される場合には、通知判定装置10は、プロセッサ11とメモリ12とストレージ13とに代えて、電子回路15を備える。電子回路15は、各機能構成要素と、メモリ12と、ストレージ13との機能とを実現する専用の回路である。
各機能構成要素を1つの電子回路15で実現してもよいし、各機能構成要素を複数の電子回路15に分散させて実現してもよい。
変形例4として、一部の各機能構成要素がハードウェアで実現され、他の各機能構成要素がソフトウェアで実現されてもよい。
実施の形態2は、連続する基準数のフレームの撮影画像データについての確信度に基づき通知するか否かが判定される点が実施の形態1と異なる。実施の形態2では、この異なる点を説明し、同一の点については説明を省略する。
図9を参照して、実施の形態2に係る通知判定装置10の動作を説明する。
実施の形態2に係る通知判定装置10の動作手順は、実施の形態2に係る通知判定方法に相当する。また、実施の形態2に係る通知判定装置10の動作を実現するプログラムは、実施の形態2に係る通知判定プログラムに相当する。
ステップS201からステップS206の処理は、図2のステップS101からステップS106の処理と同じである。ステップS209の処理は、図2のステップS109の処理と同じである。ステップS204からS209の処理は、検出された各対象物を順に対象として実行される。
判定部24は、直近の連続する基準数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、対象の撮影画像データから対象物が検出されたことの第1確信度が第1閾値以上であるか否かを判定する。つまり、判定部24は、最新の撮影画像データで対象物が検出されたことの第1確信度だけでなく、過去の撮影画像データで同じ対象物が検出されたことの第1確信度も第1閾値以上であるか否かを判定する。
判定部24は、連続する基準数のフレームの撮影画像データについての第1確信度が第1閾値以上である場合には、処理をステップS208に進める。一方、判定部24は、連続する基準数のフレームの撮影画像データのうち一部でも第1確信度が第1閾値未満である場合には、処理をステップS201に戻す。なお、対象物が検出されない場合も、第1確信度が第1閾値未満である場合に含まれる。
判定部24は、直近の連続する基準数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、対象の撮影画像データから前記属性を有することが特定されたことの第2確信度が第2閾値以上であるか否かを判定する。つまり、判定部24は、最新の撮影画像データで対象の属性を有すると特定されたことの第2確信度だけでなく、過去の撮影画像データで対象の属性を有すると特定されたことの第2確信度も第2閾値以上であるか否かを判定する。
判定部24は、連続する基準数のフレームの撮影画像データについての第2確信度が第2閾値以上である場合には、処理をステップS209に進める。一方、判定部24は、連続する基準数のフレームの撮影画像データのうち一部でも第2確信度が第2閾値未満である場合には、処理をステップS201に戻す。なお、対象の属性を有しないと特定された場合も、第2確信度が第2閾値未満である場合に含まれる。
以上のように、実施の形態2に係る通知判定装置10は、連続する基準数のフレームの撮影画像データについての第1確信度及び第2確信度に基づき、通知するか否かを判定する。
これにより、一時的に誤検出された場合に、誤通知することが防止される。その結果、高精度な通知が可能になる。
実施の形態2では、判定部24は、連続する基準数のフレームの撮影画像データについて、第1確信度が第1閾値以上であり、かつ、第2確信度が第2閾値以上である場合に、通知すると判定した。しかし、一時的に検出が漏れてしまう場合がある。この場合には、実施の形態2の方法では、本来通知すべきであるにも関わらず、通知がされなくなってしまう。そこで、判定部24は、連続する第1基準数のフレームの撮影画像データのうち、第1確信度が第1閾値以上であり、かつ、第2確信度が第2閾値以上であるフレーム数の合計が少なくとも第2基準数以上であると算出した場合に、通知すると判定してもよい。例えば、判定部24は、連続する10枚のフレームの撮影画像データのうち少なくとも7枚以上のフレームの撮影画像データについて、第1確信度が第1閾値以上であり、かつ、第2確信度が第2閾値以上である場合に、通知すると判定してもよい。
これにより、一時的に検出が漏れてしまった場合であっても、適切に通知がされる。
実施の形態3は、撮影領域の一部を検出対象外の領域とする点が実施の形態1,2と異なる。実施の形態3では、この異なる点を説明し、同一の点については説明を省略する。
実施の形態3では、実施の形態1に機能を追加した場合を説明する。しかし、実施の形態2に対して機能を追加することも可能である。
図10を参照して、実施の形態3に係る通知判定装置10の構成を説明する。
通知判定装置10は、ストレージ13がマスク記憶部31を実現する点が図1に示す通知判定装置10と異なる。
図11を参照して、実施の形態3に係る通知判定装置10の動作を説明する。
実施の形態3に係る通知判定装置10の動作手順は、実施の形態3に係る通知判定方法に相当する。また、実施の形態3に係る通知判定装置10の動作を実現するプログラムは、実施の形態3に係る通知判定プログラムに相当する。
図11の処理の前提として、マスク記憶部31には、マスクデータが記憶されている。マスクデータは、撮影領域のうち検出対象外の領域とするマスク領域を示すデータである。例えば、対象物を人とする場合には、空中に人がいることはないため、空中に当たる領域がマスク領域に設定される。
判定部24は、ステップS302で検出された対象物が存在する領域がマスク領域であるか否かを判定する。
具体的には、判定部24は、対象物が存在する矩形領域の下辺の中心点がマスク領域に含まれるか否かによって、対象物が存在する領域がマスク領域であるか否かを判定する。判定部24は、対象物が存在する矩形領域とマスク領域との重複率が基準率以上であるか否かによって、対象物が存在する領域がマスク領域であるか否かを判定してもよい。
判定部24は、対象物が存在する領域がマスク領域でない場合には、処理をステップS310に進める。一方、判定部24は、対象物が存在する領域がマスク領域である場合には、処理をループの最後に進める。なおステップS309の処理は、ループの最初に実行するように構成して、対象物が存在する領域がマスク領域であると判定した場合には、次の対象物について処理を実行するようにしてもよい。この場合は、最初にマスク領域であるか否かの判定を行うため、処理の効率化が見込まれる。
以上のように、実施の形態3に係る通知判定装置10は、撮影領域の一部を検出対象外の領域とする。
これにより、明らかに対象物が存在し得ない領域で対象物が検出されたことを通知することが防止される。その結果、高精度な通知が可能になる。
Claims (10)
- 第1手法により撮影画像データから対象物を検出する検出部と、
前記検出部によって検出された前記対象物が対象の属性を有するか否かを、前記第1手法とは異なる第2手法により前記撮影画像データから特定する属性特定部と、
前記検出部によって前記対象物が検出されたことの確からしさを示す第1確信度と、前記属性特定部によって前記対象の属性を有することが特定されたことの確からしさを示す第2確信度とに基づき、前記対象の属性の前記対象物が検出されたことを通知するか否かを判定する判定部と
を備える通知判定装置。 - 前記判定部は、前記第1確信度が第1閾値以上であり、かつ、前記第2確信度が第2閾値以上である場合に、通知すると判定する
請求項1に記載の通知判定装置。 - 前記検出部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記対象の撮影画像データから対象物を検出し、
前記属性特定部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記検出部によって前記対象の撮影画像データから検出された前記対象物の属性を、前記対象の撮影画像データから特定し、
前記判定部は、連続する基準数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記対象の撮影画像データから前記対象物が検出されたことの前記第1確信度が前記第1閾値以上であり、かつ、前記対象の撮影画像データから前記属性を有することが特定されたことの前記第2確信度が前記第2閾値以上である場合に、通知すると判定する
請求項1又は2に記載の通知判定装置。 - 前記検出部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記対象の撮影画像データから対象物を検出し、
前記属性特定部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記検出部によって前記対象の撮影画像データから検出された前記対象物の属性を、前記対象の撮影画像データから特定し、
前記判定部は、連続する第1基準数のフレームの撮影画像データのうち、前記対象の撮影画像データから前記対象物が検出されたことの前記第1確信度が前記第1閾値以上であり、かつ、前記対象の撮影画像データから前記属性を有することが特定されたことの前記第2確信度が前記第2閾値以上であるフレーム数の合計が少なくとも第2基準数以上であると算出した場合に、通知すると判定する
請求項1又は2に記載の通知判定装置。 - 前記判定部は、前記第1確信度と前記第2確信度とを複合して計算される複合確信度が複合閾値以上である場合に、通知すると判定する
請求項1に記載の通知判定装置。 - 前記検出部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記対象の撮影画像データから対象物を検出し、
前記属性特定部は、複数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記検出部によって前記対象の撮影画像データから検出された前記対象物の属性を、前記対象の撮影画像データから特定し、
前記判定部は、連続する基準数のフレームの撮影画像データそれぞれを対象の撮影画像データとして、前記対象の撮影画像データから前記対象物が検出されたことの前記第1確信度と前記対象の撮影画像データから前記属性を有することが特定されたことの前記第2確信度とを複合して計算される前記複合確信度が前記複合閾値以上である場合に、通知すると判定する
請求項5に記載の通知判定装置。 - 前記判定部は、前記対象物の位置がマスク領域に含まれる場合には、通知しないと判定する
請求項1から6までのいずれか1項に記載の通知判定装置。 - 前記属性特定部は、前記対象物が対象の属性を有するか否かを、前記対象物が存在する領域の画像データが前記撮影画像データから切り出されて得られた部分画像データから特定する
請求項1から7までのいずれか1項に記載の通知判定装置。 - 検出部が、第1手法により撮影画像データから対象物を検出し、
属性特定部が、前記対象物が対象の属性を有するか否かを、前記第1手法とは異なる第2手法により前記撮影画像データから特定し、
判定部が、前記対象物が検出されたことの確からしさを示す第1確信度と、前記対象の属性を有することが特定されたことの確からしさを示す第2確信度とに基づき、前記対象の属性の前記対象物が検出されたことを通知するか否かを判定する通知判定方法。 - 第1手法により撮影画像データから対象物を検出する検出処理と、
前記検出処理によって検出された前記対象物が対象の属性を有するか否かを、前記第1手法とは異なる第2手法により前記撮影画像データから特定する属性特定処理と、
前記検出処理によって前記対象物が検出されたことの確からしさを示す第1確信度と、前記属性特定処理によって前記対象の属性を有することが特定されたことの確からしさを示す第2確信度とに基づき、前記対象の属性の前記対象物が検出されたことを通知するか否かを判定する判定処理と
を行う通知判定装置としてコンピュータを機能させる通知判定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019166130A JP6782825B1 (ja) | 2019-09-12 | 2019-09-12 | 通知判定装置、通知判定方法及び通知判定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019166130A JP6782825B1 (ja) | 2019-09-12 | 2019-09-12 | 通知判定装置、通知判定方法及び通知判定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6782825B1 JP6782825B1 (ja) | 2020-11-11 |
JP2021043774A true JP2021043774A (ja) | 2021-03-18 |
Family
ID=73043531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019166130A Active JP6782825B1 (ja) | 2019-09-12 | 2019-09-12 | 通知判定装置、通知判定方法及び通知判定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6782825B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023286202A1 (ja) * | 2021-07-14 | 2023-01-19 | 日本電気株式会社 | 情報処理装置、表示方法、及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007058751A (ja) * | 2005-08-26 | 2007-03-08 | Fujitsu Ten Ltd | 物体判別装置、物体判別方法および物体判別プログラム |
WO2013118218A1 (ja) * | 2012-02-09 | 2013-08-15 | パナソニック株式会社 | 画像認識装置、画像認識方法、プログラムおよび集積回路 |
US20150213599A1 (en) * | 2014-01-25 | 2015-07-30 | Pangea Diagnostics Ltd. | Automated histological diagnosis of bacterial infection using image analysis |
-
2019
- 2019-09-12 JP JP2019166130A patent/JP6782825B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007058751A (ja) * | 2005-08-26 | 2007-03-08 | Fujitsu Ten Ltd | 物体判別装置、物体判別方法および物体判別プログラム |
WO2013118218A1 (ja) * | 2012-02-09 | 2013-08-15 | パナソニック株式会社 | 画像認識装置、画像認識方法、プログラムおよび集積回路 |
US20150213599A1 (en) * | 2014-01-25 | 2015-07-30 | Pangea Diagnostics Ltd. | Automated histological diagnosis of bacterial infection using image analysis |
Non-Patent Citations (2)
Title |
---|
中尾 尭理: "企業・社会の快適・安心・発展を支えるITソリューション", 三菱電機技報, vol. 第92巻 第8号, JPN6020032509, 20 August 2018 (2018-08-20), pages 2 - 6, ISSN: 0004336786 * |
藤吉 弘亘: "技術解説", 映像情報メディア学会誌, vol. 第72巻 第3号, JPN6020032510, 1 May 2018 (2018-05-01), JP, pages 62 - 68, ISSN: 0004336787 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023286202A1 (ja) * | 2021-07-14 | 2023-01-19 | 日本電気株式会社 | 情報処理装置、表示方法、及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP6782825B1 (ja) | 2020-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846867B2 (en) | Apparatus, method and image processing device for smoke detection in image | |
US8995714B2 (en) | Information creation device for estimating object position and information creation method and program for estimating object position | |
WO2020082731A1 (zh) | 电子装置、证件识别方法及存储介质 | |
CN110163786B (zh) | 一种去除水印的方法、装置及设备 | |
JPWO2008129643A1 (ja) | ショットサイズ識別装置及び方法、電子機器、並びにコンピュータプログラム | |
CN111640089A (zh) | 一种基于特征图中心点的缺陷检测方法及装置 | |
US9911204B2 (en) | Image processing method, image processing apparatus, and recording medium | |
JP2009175802A (ja) | 物体検出装置 | |
US11688078B2 (en) | Video object detection | |
US20220084189A1 (en) | Information processing apparatus, information processing method, and storage medium | |
CN110619656B (zh) | 基于双目摄像头的人脸检测跟踪方法、装置及电子设备 | |
WO2019201029A1 (zh) | 备选框更新方法及装置 | |
JP5024116B2 (ja) | 被写体追跡プログラム、および被写体追跡装置 | |
US20220301276A1 (en) | Object detection device, object detection method, and computer readable medium | |
JP2018025988A (ja) | 画像処理プログラム、画像処理方法および画像処理装置 | |
JP6782825B1 (ja) | 通知判定装置、通知判定方法及び通知判定プログラム | |
JP5983749B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
EP2821935A2 (en) | Vehicle detection method and device | |
JP6932758B2 (ja) | 物体検出装置、物体検出方法、物体検出プログラム、学習装置、学習方法及び学習プログラム | |
CN114550062A (zh) | 图像中运动对象的确定方法、装置、电子设备和存储介质 | |
JP6906577B2 (ja) | 通知判定装置、通知判定方法及び通知判定プログラム | |
JP2010039968A (ja) | オブジェクト検出装置及び検出方法 | |
JP2014021510A (ja) | 画像処理装置および画像処理方法、ならびに、プログラム | |
TWI778652B (zh) | 重疊度計算方法、電子設備及儲存介質 | |
JP6877501B2 (ja) | 滞留検知装置、滞留検知方法及び滞留検知プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190912 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200916 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200929 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201020 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6782825 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |