JP2021072059A - Gesture detection device - Google Patents
Gesture detection device Download PDFInfo
- Publication number
- JP2021072059A JP2021072059A JP2019200201A JP2019200201A JP2021072059A JP 2021072059 A JP2021072059 A JP 2021072059A JP 2019200201 A JP2019200201 A JP 2019200201A JP 2019200201 A JP2019200201 A JP 2019200201A JP 2021072059 A JP2021072059 A JP 2021072059A
- Authority
- JP
- Japan
- Prior art keywords
- image
- gesture
- hand
- feature
- feature amount
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 239000000284 extract Substances 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims description 64
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 7
- 238000000034 method Methods 0.000 description 62
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 10
- 238000000513 principal component analysis Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000011176 pooling Methods 0.000 description 6
- 230000004913 activation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
本発明は、操作者の手指の動きによるジェスチャ動作を検出するジェスチャ検出装置に関するものである。 The present invention relates to a gesture detection device that detects a gesture motion due to the movement of the operator's finger.
従来、ジェスチャ動作を検出するジェスチャ検出装置として、特許文献1に示されるものがある。この装置では、操作者の指が特定の領域内に入った時に、ジェスチャ機能をオンすることで、ユーザがジェスチャ以外の特別な操作を行わなくても、ジェスチャ認識のオン/オフを切り替えることを可能としている。
Conventionally, as a gesture detection device for detecting a gesture operation, there is one shown in
なお、本明細書において「ジェスチャ動作」とは、例えば、操作者が手指を上下左右などの所定の一方向に動かす、または指を時計回りもしくは反時計回りに動かすなど、機器操作などを行うために手指を用いて所定動作を行うことを意味する。 In addition, in this specification, "gesture operation" means, for example, for an operator to operate a device such as moving a finger in a predetermined direction such as up / down / left / right or moving a finger clockwise or counterclockwise. It means that a predetermined operation is performed by using fingers.
ジェスチャ動作に基づく機器操作を行うこと(以下、ジェスチャ操作という)を車両におけるウィンドシールドディスプレイ(以下、WSDという)のような広い画面を対象として適用することが検討されている。 It is being studied to apply device operation based on gesture operation (hereinafter referred to as gesture operation) to a wide screen such as a windshield display (hereinafter referred to as WSD) in a vehicle.
しかしながら、上記した特許文献1のジェスチャ検出装置でのジェスチャ動作の検出手法を適用する場合、ジェスチャ機能をオンする特定の領域を画面に合わせて広くする必要がある。このため、ジェスチャ動作以外の動作についてもジェスチャ動作と誤って検出してしまうという課題が発生する。
However, when applying the gesture motion detection method of the gesture detection device of
本発明は上記点に鑑みて、ジェスチャ機能をオンするために特定の領域を設定しなくても、ジェスチャ動作を検出することが可能なジェスチャ検出装置を提供することを目的とする。 In view of the above points, it is an object of the present invention to provide a gesture detection device capable of detecting a gesture operation without setting a specific area for turning on the gesture function.
上記目的を達成するため、請求項1に記載のジェスチャ検出装置は、操作者の手を含む全体画像(40)の撮像データを入力し、該撮像データから手が存在する領域である手領域(41)を特定する手検出部(11)と、全体画像の撮像データに基づいて、該全体画像の特徴量を抽出する全体特徴抽出部(12a)と、全体画像の中から手領域の画像である手領域画像(41a)を切り出し、該手領域画像の特徴量を抽出する手領域特徴抽出部(12b)と、全体特徴抽出部で抽出された全体画像の特徴量と手領域特徴抽出部で抽出された手領域画像の特徴量を結合する特徴結合部(12c)と、特徴結合部による結合後の特徴量について時系列パターンの分類を行い、ジェスチャ動作の開始フレームから終了フレームまでのジェスチャ区間を抽出する時系列パターン分類部(12d)と、時系列パターン分類部で抽出されたジェスチャ区間中の画像フレームに基づき、ジェスチャ動作を識別するジェスチャ識別部(14)と、を有している。 In order to achieve the above object, the gesture detection device according to claim 1 inputs the imaging data of the entire image (40) including the operator's hand, and from the imaging data, the hand region (the region where the hand exists) ( A hand detection unit (11) that identifies 41), an overall feature extraction unit (12a) that extracts the feature amount of the entire image based on the captured data of the entire image, and an image of the hand region from the entire image. A hand region feature extraction unit (12b) that cuts out a hand region image (41a) and extracts the feature amount of the hand region image, and a feature quantity and a hand region feature extraction unit of the entire image extracted by the overall feature extraction unit. A time-series pattern is classified for the feature combination part (12c) that combines the feature amounts of the extracted hand region image and the feature amount after the combination by the feature combination part, and the gesture section from the start frame to the end frame of the gesture operation. It has a time-series pattern classification unit (12d) for extracting the data, and a gesture identification unit (14) for identifying the gesture operation based on the image frame in the gesture section extracted by the time-series pattern classification unit.
このようなジェスチャ検出装置では、手および手以外の広範囲を撮像した距離画像の撮像データから操作者の手が存在する手領域を特定している。そして、全体画像から手領域を切り取った手領域画像の特徴量と全体画像の特徴量とに基づいてジェスチャ動作が行われているジェスチャ区間を抽出し、ジェスチャ動作を検出している。これにより、WSDのような広い画面を対象としてジェスチャ動作が行われる場合に、ジェスチャ機能をオンするために特定の領域を設定しなくても、ジェスチャ動作を検出することが可能となる。 In such a gesture detection device, the hand region in which the operator's hand exists is specified from the captured data of the hand and the distance image obtained by capturing a wide range other than the hand. Then, the gesture section in which the gesture operation is performed is extracted based on the feature amount of the hand area image obtained by cutting the hand area from the entire image and the feature amount of the entire image, and the gesture operation is detected. As a result, when the gesture operation is performed on a wide screen such as WSD, the gesture operation can be detected without setting a specific area to turn on the gesture function.
なお、各構成要素等に付された括弧付きの参照符号は、その構成要素等と後述する実施形態に記載の具体的な構成要素等との対応関係の一例を示すものである。 The reference reference numerals in parentheses attached to each component or the like indicate an example of the correspondence between the component or the like and the specific component or the like described in the embodiment described later.
以下、本発明の実施形態について図に基づいて説明する。なお、以下の各実施形態相互において、互いに同一もしくは均等である部分には、同一符号を付して説明を行う。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. In each of the following embodiments, parts that are the same or equal to each other will be described with the same reference numerals.
(第1実施形態)
第1実施形態について説明する。本実施形態にかかるジェスチャ検出装置は、例えば車両における情報機器のジェスチャ操作に適用される。例えば、操作機器としてWSDが挙げられ、WSDの表示部に映し出される表示画像上でのジェスチャ操作を行う場合のジェスチャ動作の検出のために本実施形態にかかるジェスチャ検出装置が適用される。
(First Embodiment)
The first embodiment will be described. The gesture detection device according to the present embodiment is applied to, for example, a gesture operation of an information device in a vehicle. For example, WSD is mentioned as an operation device, and the gesture detection device according to the present embodiment is applied to detect a gesture operation when performing a gesture operation on a display image displayed on a display unit of the WSD.
図1に示すように、本実施形態にかかるジェスチャ検出装置10は、車室内に備えられた撮像装置20からの撮像データに基づいてジェスチャ動作の検出を行う。そして、ジェスチャ検出装置10は、ジェスチャ動作の検出結果を示すジェスチャ検出データを情報機器30に出力し、ジェスチャ動作に対応する情報機器30の操作が行われるようにする。
As shown in FIG. 1, the
撮像装置20は、操作者の手を含む領域の画像を連続的に撮像し、ジェスチャ検出装置10に撮像データを入力するものであり、距離画像を撮像できるもの、例えば2Dの近赤外線画像もしくは可視光画像を撮像できる車載カメラなどで構成される。
The
情報機器30としては、ジェスチャ検出装置10での検出結果が用いられるものであればどのようなものであっても良いが、上記したように、例えばWSDが挙げられる。WSDでは、例えばナビゲーションシステムにおける地図表示や経路案内表示が行われ、操作者は、ジェスチャ動作を行って表示された地図の広域表示もしくは詳細表示の切り替えや、経路案内の設定等を行えるようになっている。また、自動運転時などにおいては、WSDでゲームなどの表示を行うことも可能であり、操作者は、ジェスチャ動作を行ってゲーム内の操作対象となるアイコンの操作などが行えるようになっている。
The
ジェスチャ検出装置10は、CPU、ROM、RAM、I/Oなどを備えたマイクロコンピュータによって構成され、制御部を構成するものである。本実施形態では、ジェスチャ検出装置10は、手検出部11、ジェスチャ区間抽出部12、メモリ13およびジェスチャ識別部14を有した構成とされている。
The
手検出部11は、撮像装置20から入力される撮像データから操作者の手が存在する領域(以下、手領域という)を特定し、その領域に関するデータをジェスチャ区間抽出部12に伝える。手検出部11による手領域の特定手法については後述する。
The
ジェスチャ区間抽出部12は、ジェスチャ動作が行われている区間であるジェスチャ区間を抽出する。具体的には、ジェスチャ区間抽出部12は、全体特徴抽出部12a、手領域特徴抽出部12b、特徴結合部12cおよび時系列パターン分類部12dを有した構成とされている。
The gesture
全体特徴抽出部12aは、撮像装置20で撮像した全体画像の撮像データを入力として、その全体画像の特徴量を抽出する。全体画像の特徴量については、例えば、図2Aに示すように撮像装置20が撮像した全体画像40そのものを用いて抽出しても良いし、図2Bに示すように全体画像40から上記した手検出部11で検出した手領域41をマスクして抽出しても良い。マスクする場合には、特徴量に手の位置の情報が埋め込まれるように、撮像装置20が撮像する画像に含まれる可能性が低い画像を手検出部11が検出した手領域41に埋め込むことでマスクしても良い。画像中に含まれる可能性が低い画像としては、例えば黒色や白色などのように撮像され得る画像の色彩と大きな差が生じる色彩の画像が挙げられる。色彩の差については、例えば手領域41の色彩として想定される色彩の色相、再度、明度の少なくとも1つが閾値以上の差になっていれば良い。なお、この全体特徴抽出部12aによる特徴量の抽出手法については後述する。
The overall
手領域特徴抽出部12bは、図3Aに示すように、撮像装置20で撮像した全体画像40の中から手検出部11が検出した手領域41に相当する部分を切り出す。そして、手領域特徴抽出部12bは、切り出した画像(以下、手領域画像という)41aを入力として、その手領域画像41aの特徴量を抽出する。このときの特徴量の抽出については、図3Bに示すように、手領域画像41aの画像サイズを全体画像40の画像サイズに大きさを揃えて行うようにしても良い。このようにすれば、手領域画像41aの特徴量を全体画像40の特徴量と重みを揃えることができ、手領域画像41aの特徴量がクローズアップされ、全体画像40の特徴量に埋もれないで現れ易くなるようにできる。
As shown in FIG. 3A, the hand region
なお、撮像装置20として2Dの近赤外線画像が用いられる場合、例えば温度分布に応じた色彩が濃淡パターンとして現れた画像となり、可視光画像の場合は、明るさが濃淡パターンとして現れた画像となる。いずれの場合でも、同様の手法によって特徴量を抽出できる。
When a 2D near-infrared image is used as the
特徴結合部12cは、全体特徴抽出部12aで抽出した全体画像40の特徴量と手領域特徴抽出部12bで抽出した手領域画像41aの特徴量とを結合する。この結合によってデータ圧縮が行われるようにすると好ましい。特徴量の結合の手法としては様々な手法が有り、どのような手法でも良いが、例えば重み付き和によって結合させたり、単純に特徴量を示すデータを連結することで結合させたりする手法が挙げられる。重み付き和による結合とする場合には、データ圧縮も図れる。
The
時系列パターン分類部12dは、特徴結合部12cで結合した特徴量について、時系列パターンを分類し、過去の画像フレームの中からジェスチャ動作の開始フレームを検出する。そして、時系列パターン分類部12dでは、現在の画像フレーム(以下、現フレームという)をジェスチャ動作の終了フレームとして、開始フレームから終了フレームまでとなるジェスチャ区間を抽出する。時系列パターンの分類手法については様々な手法を適用できるが、ここでは再帰型ニューラルネットワーク(以下、RNN(Recurrent Neural Network)という)を用いている。
The time-series
RNNは、新たに特徴量が入力される毎に、現フレームをジェスチャ動作の終了フレームと仮定すると共に、{1,2,・・・,N}フレーム前を開始フレームと仮定した時の確からしさN個を出力するように学習されている。N個のうち確からしさの最大値に基づいてジェスチャ動作の開始フレームが求められ、現フレームを終了フレームとして、開始フレームから終了フレームまでのジェスチャ区間が抽出される。具体的には、N個のうち確からしさが最大値となっているi番目のノードが閾値を超えると、iフレーム前が開始フレームとされることで、ジェスチャ区間が抽出されるようになっている。この時系列パターンの分類手法についても後述する。 The RNN assumes that the current frame is the end frame of the gesture operation each time a new feature is input, and the certainty is that the frame before the {1, 2, ..., N} frame is the start frame. It is learned to output N pieces. The start frame of the gesture operation is obtained based on the maximum value of the certainty out of N, and the gesture section from the start frame to the end frame is extracted with the current frame as the end frame. Specifically, when the i-th node, which has the maximum probability among the N nodes, exceeds the threshold value, the gesture section is extracted by setting the start frame before the i-frame. There is. The classification method of this time series pattern will also be described later.
メモリ13は、手検出部11、ジェスチャ区間抽出部12およびジェスチャ識別部14で実行する各種処理のプログラムや、マッチング用データなどの各種データを記憶したROM、RAM等の非遷移有形記録媒体を構成するものである。このメモリ13に記憶されたプログラムや各種データを用いて各種処理が実行されるようになっている。
The
ジェスチャ識別部14は、ジェスチャ区間抽出部12で抽出したジェスチャ区間中の各フレーム、つまり開始フレームから終了フレームまでの間のフレームに基づき、手検出部11で検出した手領域の画像からジェスチャ動作を識別する。識別手法自体は、手領域が既に特定されていることから、従来と同様の手法などで良い。例えば、ジェスチャ識別部14は、予めジェスチャ動作のパターンとしてメモリ13に記憶させた様々なパターンと対比し、最も近いパターンのジェスチャ動作と判定することで、ジェスチャ動作を識別することができる。このようにして、ジェスチャ検出装置10でジェスチャ動作が検出されると、その検出結果が情報機器30に伝えられ、例えば、情報機器30の操作について、ジェスチャ動作に従った操作が行われることになる。
The
続いて、上記した手領域の特定手法、特徴量の抽出手法、時系列パターンの分類手法について、順に説明する。 Next, the above-mentioned method for specifying the hand region, the method for extracting the feature amount, and the method for classifying the time series pattern will be described in order.
(1)手領域の特定手法
手領域の特定については、図4に示すフローチャートに従って行っている。具体的には、ステップS100のように、撮像装置20から入力された全体画像40から一部を切り出して特徴量を抽出したのち、ステップS110のように、事前学習済みのパターンと照合する。これにより、切り出された部分画像の「手らしさ」の確からしさ、つまり手であることの確からしさを算出する。
照合に関しては、メモリ13に学習済みパターンを記憶しているため、そのデータをメモリ13から読み出すことによって行われる。手の画像と手以外の画像をそれぞれ多数用意し、各画像の特徴量を算出した場合に、その算出結果が手の画像の特徴量と手以外の画像の特徴量とで差が出ることから、その差の中間に位置する値を学習済みパターンとしている。
(1) Method for specifying the hand area The hand area is specified according to the flowchart shown in FIG. Specifically, as in step S100, a part of the
Since the learned pattern is stored in the
例えば、図5に示すように、手の画像から算出した特徴量と手以外の画像から算出した特徴量をXY座標で表すと、それぞれの特徴量が存在する領域が分かれるため、その2つの領域を区画する境界線を学習済みパターンとしている。 For example, as shown in FIG. 5, when the feature amount calculated from the image of the hand and the feature amount calculated from the image other than the hand are represented by XY coordinates, the areas in which the respective feature amounts exist are separated, and therefore the two areas are separated. The boundary line that divides is used as the learned pattern.
そして、ステップS120のように、切り出された部分画像の「手らしさ」の確からしさに基づいて、手領域を特定する。具体的には、全体画像40から切り出した一部が手領域に相当するか否かを、その切り出した一部についての特徴量が学習済みパターンとして記憶した境界線より、手の画像から算出した特徴量の方へどれだけ離れているかに基づいて判定している。確からしさが閾値以上なら、その切り出した一部が手領域であると判定している。
Then, as in step S120, the hand region is specified based on the certainty of the “handiness” of the cut out partial image. Specifically, whether or not a part cut out from the
例えば、図6に示すように、全体画像40をm×nの画素に区画し、注目したい画素とその周辺の画素を含んだ小領域42、例えば50×50や100×100の領域を設定し、その小領域42の画像について特徴量を抽出する。このときの特徴量の抽出についても、後述する手法を用いれば良い。
For example, as shown in FIG. 6, the
(2)特徴量の抽出手法
特徴量の抽出手法としては、様々な手法を適用できるが、ここでは畳み込みニューラルネットワーク(以下、CNN(Convolutional Neural Network)という)を適用している。CNNは、畳み込み演算(Convolution)による画像特徴量の抽出とプーリング(Pooling)と呼ばれる処理を行い、何層にもわたって積み上げられたネットワークを構成して特徴量を抽出する手法である。
(2) Feature extraction method Various methods can be applied as the feature extraction method, but here, a convolutional neural network (hereinafter referred to as CNN (Convolutional Neural Network)) is applied. CNN is a method of extracting image features by convolution and performing a process called pooling to form a network stacked over multiple layers to extract features.
Convolution層では、図6と同様に、注目したい画素とその周辺の画素を含んだ小領域にあるデータの重み付き和を計算することで特徴量を取り出している。例えば3×3の領域の場合には、9画素分の重み付き和を計算する。そして、少しずつ小領域をずらし、対象とする画像の全域について重み付き和を計算する。全体特徴抽出部12aによる全体画像40での特徴量抽出を行う場合には、全体画像40の全域について重み付き和を計算し、手領域特徴抽出部12bによる手領域画像41aでの特徴量検出の場合には、手領域の全域について重み付き和を計算する。
In the Convolution layer, as in FIG. 6, the feature amount is extracted by calculating the weighted sum of the data in the small area including the pixel of interest and the pixels around it. For example, in the case of a 3 × 3 region, the weighted sum for 9 pixels is calculated. Then, the small areas are shifted little by little, and the weighted sum is calculated for the entire area of the target image. When the feature amount extraction in the
例えば、図7の状態Aに示すような全体画像40からの任意の小領域にあるデータの重み付き和が算出される。そして、対象とする画像の全域を走査して重み付き和が計算され、図7の状態Bに示すような画像全域の特徴量が得られる。
For example, the weighted sum of the data in any small area from the
Pooling層では、小領域にあるデータを代表値、例えば最大値や平均値などにまとめ、データの縮小を行っている。つまり、Convolution層で得た重み付き和の特徴を残しつつ、データ量を削減している。このとき、小領域については、互いに重ならないようにずらすようにする。これにより、図7の状態Cに示すようにPooling層が得られる。 In the Pooling layer, the data in the small area is collected into representative values such as the maximum value and the average value, and the data is reduced. In other words, the amount of data is reduced while retaining the characteristics of the weighted sum obtained in the Convolution layer. At this time, the small areas should be shifted so as not to overlap each other. As a result, a Pooling layer is obtained as shown in the state C of FIG.
これらConvolution層とPooling層を重ねて、対象とする画像の濃淡パターンに基づく特徴量が抽出することで、図7の状態Dに示すように、対象とする画像の特徴量のデータが形成される。 By superimposing these Convolution layer and Pooling layer and extracting the feature amount based on the shading pattern of the target image, as shown in the state D of FIG. 7, the feature amount data of the target image is formed. ..
なお、各層を得るときに、活性化関数を適用することもできる。活性化関数は、各層の出力値に非線形変換を行い、表現力を向上するものである。活性化関数については、Convolution層とPooling層のいずれか一方について、もしくは両方について適用することができる。活性化関数を適用することで、閾値を設定する境界線がより線形的なものであっても対応することができる。 It should be noted that the activation function can also be applied when obtaining each layer. The activation function performs non-linear conversion to the output value of each layer to improve expressiveness. The activation function can be applied to either or both of the Convolution layer and the Pooling layer. By applying the activation function, even if the boundary line for setting the threshold value is more linear, it can be dealt with.
全結合(Fully Connected)層では、Convolution層とPooling層を重ねて得られた対象とする画像の特徴量のデータを1つのノードに結合し、特徴変数を出力する。例えば、全結合層では、特徴量の全データの重み付き和を計算している。これにより、図7の状態Eに示すように、全結合層が得られる。 In the Fully Connected layer, the feature amount data of the target image obtained by stacking the Convolution layer and the Pooling layer is combined into one node, and the feature variable is output. For example, in the fully connected layer, the weighted sum of all the data of the features is calculated. As a result, as shown in the state E of FIG. 7, a fully bonded layer is obtained.
(3)時系列パターンの分類手法
上記した手法に基づいて、図8に示すように、全体特徴抽出部12aによる全体画面での特徴量抽出と手領域特徴抽出部12bによる手領域画像41aでの特徴量抽出が行われると、これら各特徴量が特徴結合部12cにて結合される。そして、この結合後の特徴量に基づいて時系列パターンの分類が行われる。ここでは、全体画面での特徴量のノード(以下、全体特徴量ノードという)と手領域画面での特徴量のノード(以下、手領域特徴量ノードという)の重み付き和を計算することによって、結合後の特徴量のノードを得ている。
(3) Time-series pattern classification method Based on the above method, as shown in FIG. 8, the feature amount extraction on the entire screen by the overall
時系列パターンの分類については、RNNによって行っている。具体的には、結合後の特徴量のノードと、現フレームの直前のフレームの際に得た直前の内部状態を示すノードとの重み付き和を算出することで、現フレームの内部状態を計算する。そして、算出された内部状態を示す全データの重み付け和を計算することでRNNの出力を得ている。なお、このときに得た現フレームの内部状態は、直前の内部状態を示すノードとして記憶され、次のフレームの内部状態を計算する際に用いられることになる。 The classification of time series patterns is performed by RNN. Specifically, the internal state of the current frame is calculated by calculating the weighted sum of the node of the feature amount after the combination and the node indicating the internal state immediately before the frame immediately before the current frame. To do. Then, the RNN output is obtained by calculating the weighted sum of all the data indicating the calculated internal state. The internal state of the current frame obtained at this time is stored as a node indicating the immediately preceding internal state, and is used when calculating the internal state of the next frame.
RNNの出力は、図中に示されるように、1〜Nのノードとして表され、各ノードのデータは、現フレームを終了フレームと仮定すると共に、{1,2,・・・,N}フレーム前を開始フレームと仮定した時の確からしさを示している。この各ノードに表されている確からしさの数値の中から最大値を選択し、その最大値が閾値を超えているか否かを判定する。そして、その最大値が閾値を超えていれば、その最大値となっていたノードの番号が現フレームを最終フレームとしたときに開始フレームが何フレーム前であるかを示していることになる。
The output of the RNN is represented as
一例を示すと、各ノードの確からしさの数値は0〜1で表されており、閾値は例えば0.5などで表されている。RNNの出力における2番目のノードの確からしさの数値が全ノード中の最大値であったとすると、その最大値が閾値となる0.5を超えていれば、開始フレームは現フレームの2フレーム前として算出される。これにより、ジェスチャ動作の開始フレームから終了フレームまでとなるジェスチャ区間が抽出され、その抽出結果がジェスチャ識別部14に伝えられることで、ジェスチャ動作が識別されるようになっている。
As an example, the numerical value of the certainty of each node is represented by 0 to 1, and the threshold value is represented by, for example, 0.5. Assuming that the value of the certainty of the second node in the output of the RNN is the maximum value among all the nodes, if the maximum value exceeds the threshold value of 0.5, the start frame is two frames before the current frame. Is calculated as. As a result, the gesture section from the start frame to the end frame of the gesture operation is extracted, and the extraction result is transmitted to the
以上のようにして、本実施形態にかかるジェスチャ検出装置10が構成されており、手領域の特定、特徴量の抽出、時系列パターンの分類およびジェスチャ動作の識別が行われている。
As described above, the
図9は、ジェスチャ検出装置10が実行する処理のフローチャートである。この処理は、撮像装置20からの撮像データに基づいて所定の制御周期毎に実行される。ジェスチャ検出装置10が車両に搭載される場合には、例えばイグニッションスイッチなどの車両の起動スイッチがオンされると、ジェスチャ検出装置10も電源投入がなされ、所定の制御周期毎に図9に示す各処理が実行される。
FIG. 9 is a flowchart of the process executed by the
まず、ステップS200では、撮像装置20からの距離画像の撮像データを入力する。そして、ステップS210において、手領域を特定する。この処理は、上記した手領域の特定手法に基づいて、手検出部11によって行われる。その後、ステップS220で全体画像40の特徴量を抽出すると共に、ステップS230において手領域画像の特徴量を抽出する。この処理は、上記した特徴量の抽出手法に基づいて、全体特徴抽出部12aや手領域特徴抽出部12bによって行われる。
First, in step S200, the captured data of the distance image from the
次に、ステップS240に進み、ステップS220、S230で抽出した全体画像40の特徴量と手領域画像41aの特徴量とを結合する。この処理は、重み付き和の算出などに基づき、特徴結合部12cによって行われる。そして、ステップS250に進み、現フレームを終了フレームと仮定し、{1,2,・・・,N}フレーム前を開始フレームと仮定した時の確からしさを算出する。続いて、ステップS260において、ステップS250で得られた各ノードの確からしさの最大値がi番目のノードであったとすると、i番目のノードの確からしさが閾値を超えているか否かを判定する。ここで肯定判定されればステップS270に進み、否定判定されたら処理を終了して再びステップS200に戻る。ステップS270では、最大値となっていたノードの番号iが現フレームを最終フレームとしたときに開始フレームが何フレーム前であるかを示していることに基づき、iフレーム前から現フレームをジェスチャ区間として抽出する。これらステップS240〜S270の処理は、上記した時系列パターンの分類手法に基づいて、時系列パターン分類部12dによって行われる。
Next, the process proceeds to step S240, and the feature amount of the
最後に、ステップS280に進み、ステップS270で抽出されたジェスチャ区間におけるジェスチャ動作を識別する。このようにして、ジェスチャ検出装置10によってジェスチャ動作が検出される。
Finally, the process proceeds to step S280 to identify the gesture operation in the gesture section extracted in step S270. In this way, the
以上説明したように、本実施形態にかかるジェスチャ検出装置10では、手以外の広範囲を撮像した距離画像の撮像データから操作者の手が存在する手領域を特定している。そして、全体画像40から手領域を切り取った手領域画像41aの特徴量と全体画像40の特徴量とに基づいてジェスチャ動作が行われているジェスチャ区間を抽出し、ジェスチャ動作を検出している。これにより、WSDのような広い画面を対象としてジェスチャ動作が行われる場合に、ジェスチャ機能をオンするために特定の領域を設定しなくても、ジェスチャ動作を検出することが可能となる。
As described above, in the
(第2実施形態)
第2実施形態について説明する。本実施形態は、第1実施形態に対して特徴量の結合手法を変更したものであり、その他については第1実施形態と同様であるため、第1実施形態と異なる部分についてのみ説明する。
(Second Embodiment)
The second embodiment will be described. Since this embodiment is a modification of the feature quantity combining method with respect to the first embodiment and is the same as the first embodiment in other respects, only the parts different from the first embodiment will be described.
本実施形態では、特徴結合部12cによる特徴量の結合を第1実施形態のような重き付き和によって行うのではなく、次元削減手法、例えば主成分分析(以下、PCA(Principal Component Analysis)という)によって行う。
In the present embodiment, the feature quantities are combined by the
例えば、図10に示すように、全体画像40の特徴量と手領域画像41aの特徴量とを単純に連結する。そして、PCAによって、次元削減を行うことで、結合した特徴量を得る。
For example, as shown in FIG. 10, the feature amount of the
このようにすれば、過学習の抑制、メモリ・計算量削減を図ることが可能となる。なお、PCAによって得た結合後の特徴量を用いて、第1実施形態において図8を用いて説明した場合と同様、時系列パターンの分類が行われることになる。 In this way, it is possible to suppress overfitting and reduce the amount of memory and calculation. In addition, using the feature amount after binding obtained by PCA, the time series pattern is classified as in the case described with reference to FIG. 8 in the first embodiment.
(第3実施形態)
第3実施形態について説明する。本実施形態は、第1、第2実施形態に対して時系列パターンの分類手法を変更したものであり、その他については第1、第2実施形態と同様であるため、第1、第2実施形態と異なる部分についてのみ説明する。
(Third Embodiment)
The third embodiment will be described. This embodiment is a modification of the time series pattern classification method with respect to the first and second embodiments, and is the same as the first and second embodiments except for the first and second embodiments. Only the part different from the form will be described.
上記第1実施形態では、時系列パターンの分類手法としてRNNを用いたが、本実施形態では、複数のフレームの特徴量を結合してパターン分類を行うという手法を用いる。 In the first embodiment, RNN is used as a time-series pattern classification method, but in the present embodiment, a method of combining feature quantities of a plurality of frames to perform pattern classification is used.
具体的には、本実施形態では、図11Aに示すフローチャートに従って時系列パターンの分類を行っている。 Specifically, in the present embodiment, the time series patterns are classified according to the flowchart shown in FIG. 11A.
まず、ステップS300のように、特徴結合部12cで得た結合後の特徴量を複数フレーム分用意する。具体的には、図11Bに示すように、現フレームからNフレーム前に得た結合後の特徴量を用意する。なお、このように複数フレーム分の結合後の特徴量を用意できるように、メモリ13には過去の複数フレーム分の結合後の特徴量が記憶されるようにしておく。
First, as in step S300, the feature amounts obtained in the
次に、ステップS310のように、複数フレーム分の結合後の特徴量をさらに結合する。このときの結合手法については、第1実施形態のように重き付き和を算出したり、単純に結合したり、さらにPCA等による次元削減を行ったりする手法を用いることができる。 Next, as in step S310, the combined feature quantities for a plurality of frames are further combined. As the joining method at this time, a method of calculating the weighted sum, simply joining, or further reducing the dimension by PCA or the like can be used as in the first embodiment.
そして、ステップS320のように、事前学習済みのパターンと照合する。これにより、複数フレーム分の結合後の特徴量の「ジェスチャらしさ」の確からしさ、つまりジェスチャ動作であることの確からしさを算出する。 Then, as in step S320, the pattern is collated with the pre-learned pattern. As a result, the certainty of the "gesture-likeness" of the feature amount after the combination of a plurality of frames, that is, the certainty of the gesture operation is calculated.
照合に関しては、メモリ13に学習済みパターンを記憶しているため、そのデータをメモリ13から読み出すことによって行われる。ジェスチャ動作時に得られる結合後の特徴量とジェスチャ動作以外の時に得られる結合後の特徴量をそれぞれ多数用意し、それらの算出結果がジェスチャ動作時とそれ以外の時とで差が出ることから、その差の中間に位置する値を学習済みパターンとしている。
Since the learned pattern is stored in the
そして、ステップS330において、ステップS310で得た結合後の特徴量の「ジェスチャらしさ」の確からしさに基づいて、ジェスチャ動作であることを特定する。具体的には、「ジェスチャらしさ」の確からしさが閾値以上であれば、Nフレーム前から現フレームがジェスチャ区間と判定する。 Then, in step S330, it is specified that the gesture operation is performed based on the certainty of the "gesture-likeness" of the feature amount after the combination obtained in step S310. Specifically, if the certainty of "gesture-likeness" is equal to or higher than the threshold value, it is determined that the current frame is the gesture section from before the N frame.
このように、複数フレーム分の特徴量を結合し、ジェスチャ動作の学習済みパターンに基づいて「ジェスチャらしさ」を算出して、ジェスチャ動作であることを特定するようにしても良い。 In this way, the feature quantities for a plurality of frames may be combined, and the "gesture-likeness" may be calculated based on the learned pattern of the gesture motion to identify the gesture motion.
なお、ここでは複数フレーム分の一例としてN個分のフレームを例に挙げているが、Nを複数通り試行しても良い。例えば、N−1個分のフレームについても、同様に「ジェスチャらしさ」の確からしさを算出するようにしても良い。その場合、現フレームからN−1フレーム前までの結合後の特徴量から得た「ジェスチャらしさ」の確からしさと、現フレームからNフレーム前までの結合後の特徴量から得た「ジェスチャらしさ」の確からしさのいずれが高いかを比較する。そして、確からしさが高い方における最も古いフレームを開始フレームとすれば良い。 Although N frames are given as an example of a plurality of frames here, N may be tried in a plurality of ways. For example, for N-1 frames, the certainty of "gesture-likeness" may be calculated in the same manner. In that case, the certainty of the "gesture-likeness" obtained from the feature amount after the combination from the current frame to the N-1 frame before, and the "gesture-likeness" obtained from the feature amount after the combination from the current frame to the N-1 frame before. Compare which of the certainty is higher. Then, the oldest frame with the higher certainty may be set as the start frame.
(第4実施形態)
第4実施形態について説明する。本実施形態は、第1〜第3実施形態に対してジェスチャ動作の認識に他の要素を考慮するものであり、その他については第1〜第3実施形態と同様であるため、第1〜第3実施形態と異なる部分についてのみ説明する。
(Fourth Embodiment)
A fourth embodiment will be described. In the present embodiment, other factors are taken into consideration in recognizing the gesture motion with respect to the first to third embodiments, and the other factors are the same as those in the first to third embodiments. Only the parts different from the three embodiments will be described.
操作者がジェスチャ動作を行う場合、手の動き以外にも特徴として現れる部分がある。例えば、操作者は、ジェスチャ動作を行うときには、操作対象に顔や視線を向けるが、ジェスチャ動作を行う手指以外の部分の動きが小さくなる。このため、本実施形態では、その一例として、操作者の顔についても検出し、顔の部分の特徴量についても加味して時系列パターンの分類を行う。 When the operator performs a gesture movement, there is a part that appears as a feature other than the movement of the hand. For example, when performing a gesture operation, the operator directs his / her face or line of sight to the operation target, but the movement of parts other than the fingers that perform the gesture operation becomes small. Therefore, in the present embodiment, as an example, the face of the operator is also detected, and the time-series pattern is classified in consideration of the feature amount of the face portion.
本実施形態のジェスチャ検出装置10は、図12に示すように、第1実施形態で説明した構成に加えて顔検出部15を備えていると共に、ジェスチャ区間抽出部12に顔領域特徴抽出部12eを備えている。
As shown in FIG. 12, the
顔検出部15は、撮像装置20から入力される撮像データから操作者の顔が存在する領域(以下、顔領域という)を特定し、その領域に関するデータをジェスチャ区間抽出部12に伝える。顔検出部15による顔領域の特定手法については、上記した手領域の特定手法と同様である。
The
顔領域特徴抽出部12eは、撮像装置20で撮像した画像の中から顔検出部15が検出した顔領域に相当する部分を切り出し、切り出した画像(以下、顔領域画像という)を入力として、その顔領域画面の特徴量を抽出する。このときの特徴量の抽出については、手領域画像41aの特徴量の抽出と同様の手法で良い。
The face region
このように、顔検出部15および顔領域特徴抽出部12eを備えることで、顔領域画像の特徴量を抽出できる。また、全体特徴抽出部12aによる全体画像40の特徴量を算出する際には、手領域41に加えて顔領域もマスクするようにする。そして、特徴結合部12cでは、全体特徴抽出部12aと手領域特徴抽出部12bおよび顔領域特徴抽出部12eそれぞれで抽出した特徴量を結合し、その結合後の特徴量を用いて時系列パターン分類部12dによる時系列パターンの分類を行う。
By providing the
このようにすることで、ジェスチャ動作に関連する手以外の部分の特徴量も加味して、ジェスチャ動作を検出できる。これにより、より精度良く、ジェスチャ動作を検出することが可能となる。 By doing so, the gesture motion can be detected by taking into account the feature amount of the part other than the hand related to the gesture motion. This makes it possible to detect the gesture motion with higher accuracy.
(他の実施形態)
本開示は、上記した実施形態に準拠して記述されたが、当該実施形態に限定されるものではなく、様々な変形例や均等範囲内の変形をも包含する。加えて、様々な組み合わせや形態、さらには、それらに一要素のみ、それ以上、あるいはそれ以下、を含む他の組み合わせや形態をも、本開示の範疇や思想範囲に入るものである。
(Other embodiments)
Although the present disclosure has been described in accordance with the above-described embodiment, the present disclosure is not limited to the embodiment, and includes various modifications and modifications within an equal range. In addition, various combinations and forms, as well as other combinations and forms that include only one element, more, or less, are also within the scope of the present disclosure.
例えば、特徴量の抽出手法として、CNNを例に挙げたが、その他の手法も適用可能である。例えば、HOG(Histogram of oriented Gradient)、LBP(Local Binary Pattern)などを用いて特徴量の抽出を行っても良い。また、時系列パターンの分類手法としてRNNを用いる場合について説明したが、3DCNNなどの他の時系列パターンの分類手法を用いることもできる。また、第2実施形態において、特徴量の結合を次元削減手法によって行う場合の一例としてPCAを例に挙げたが、PCA以外の次元削減手法を用いても良い。なお、次元削減手法による特徴量の結合を行っているが、次元削減は必須ではなく、例えば学習データが十分に得られているなどの場合には、次元削減を行わなくても良い。 For example, CNN is taken as an example as a feature extraction method, but other methods can also be applied. For example, the feature amount may be extracted using HOG (Histogram of oriented Gradient), LBP (Local Binary Pattern), or the like. Further, although the case where the RNN is used as the time-series pattern classification method has been described, another time-series pattern classification method such as 3DCNN can also be used. Further, in the second embodiment, PCA is given as an example of the case where the feature quantities are combined by the dimension reduction method, but a dimension reduction method other than PCA may be used. Although the feature quantities are combined by the dimension reduction method, the dimension reduction is not indispensable. For example, when sufficient learning data is obtained, the dimension reduction may not be performed.
また、直前の画像フレームをメモリ13に保存しておき、現フレームから特徴量を抽出する際に、その直前の画像フレームを組み合わせて用いても良い。例えば、直前の画像フレームと現フレームとの間の動き情報であるオプティカルフローを入力としてCNNなどで特徴量を抽出するようにしても良い。また、直前の画像フレームを現フレームに組み合わせる場合、HoOF(Histogram of Optical Flow)や3D CNN等を用いても良い。
Further, the immediately preceding image frame may be stored in the
なお、手検出部11とジェスチャ区間抽出部12の各部で行われる特徴量の抽出手法については、いずれの手法を用いても構わないが、上記各実施形態のように、特徴量の抽出手法を同じ手法にすると好ましい。このようにすると、メモリ13内に記憶しておく機械学習の辞書データ量を削減することが可能になる。
As for the feature amount extraction method performed in each part of the
本開示に記載の制御部及びその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリーを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の制御部及びその手法は、一つ以上の専用ハードウエア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の制御部及びその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリーと一つ以上のハードウエア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。 The controls and methods thereof described in the present disclosure are realized by a dedicated computer provided by configuring a processor and memory programmed to perform one or more functions embodied by a computer program. May be done. Alternatively, the controls and methods thereof described in the present disclosure may be implemented by a dedicated computer provided by configuring the processor with one or more dedicated hardware logic circuits. Alternatively, the control unit and method thereof described in the present disclosure may be a combination of a processor and memory programmed to perform one or more functions and a processor composed of one or more hardware logic circuits. It may be realized by one or more dedicated computers configured. Further, the computer program may be stored in a computer-readable non-transitional tangible recording medium as an instruction executed by the computer.
11 手検出部
12 ジェスチャ区間抽出部
12a 全体特徴抽出部
12b 手領域特徴抽出部
12c 特徴結合部
12d 時系列パターン分類部
12e 顔領域特徴抽出部
14 ジェスチャ識別部
40 全体画像
41a 手領域画像
11
Claims (5)
前記全体画像の撮像データに基づいて、該全体画像の特徴量を抽出する全体特徴抽出部(12a)と、
前記全体画像の中から前記手領域の画像である手領域画像(41a)を切り出し、該手領域画像の特徴量を抽出する手領域特徴抽出部(12b)と、
前記全体特徴抽出部で抽出された前記全体画像の特徴量と前記手領域特徴抽出部で抽出された前記手領域画像の特徴量を結合する特徴結合部(12c)と、
前記特徴結合部による結合後の特徴量について時系列パターンの分類を行い、前記操作者が前記手を動かすことによるジェスチャ動作の開始フレームから終了フレームまでのジェスチャ区間を抽出する時系列パターン分類部(12d)と、
前記時系列パターン分類部で抽出された前記ジェスチャ区間中の前記画像フレームに基づき、前記ジェスチャ動作を識別するジェスチャ識別部(14)と、を有している、ジェスチャ検出装置。 A hand detection unit (11) that inputs the captured data of the entire image (40) including the operator's hand and identifies the hand region (41) in which the hand exists from the captured data.
An overall feature extraction unit (12a) that extracts a feature amount of the entire image based on the captured data of the entire image, and an overall feature extraction unit (12a).
A hand region feature extraction unit (12b) that cuts out a hand region image (41a) that is an image of the hand region from the entire image and extracts a feature amount of the hand region image.
A feature coupling unit (12c) that combines the feature amount of the entire image extracted by the overall feature extraction unit and the feature amount of the hand region image extracted by the hand region feature extraction unit, and
A time-series pattern classification unit (a time-series pattern classification unit that classifies time-series patterns for the feature quantities after the combination by the feature coupling unit and extracts a gesture section from the start frame to the end frame of the gesture operation by the operator moving the hand. 12d) and
A gesture detection device having a gesture identification unit (14) for identifying the gesture operation based on the image frame in the gesture section extracted by the time series pattern classification unit.
前記全体画像の中から前記顔領域の画像である顔領域画像を切り出し、該顔領域画像の特徴量を抽出する顔領域特徴抽出部(12e)と、を備え、
前記特徴結合部は、前記全体特徴抽出部で抽出された前記全体画像の特徴量と前記手領域特徴抽出部で抽出された前記手領域画像の特徴量に加えて、前記顔領域特徴抽出部で抽出された前記顔領域画像の特徴量も結合する、請求項1ないし4のいずれか1つに記載のジェスチャ検出装置。 A face detection unit (15) that identifies a face region in which the operator's face exists from the entire image from the captured data, and a face detection unit (15).
A face region feature extraction unit (12e) that cuts out a face region image that is an image of the face region from the entire image and extracts a feature amount of the face region image is provided.
In addition to the feature amount of the whole image extracted by the overall feature extraction unit and the feature amount of the hand area image extracted by the hand region feature extraction unit, the feature combination portion is the face region feature extraction unit. The gesture detection device according to any one of claims 1 to 4, wherein the feature amount of the extracted face region image is also combined.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019200201A JP7216373B2 (en) | 2019-11-01 | 2019-11-01 | gesture detector |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019200201A JP7216373B2 (en) | 2019-11-01 | 2019-11-01 | gesture detector |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021072059A true JP2021072059A (en) | 2021-05-06 |
JP7216373B2 JP7216373B2 (en) | 2023-02-01 |
Family
ID=75713280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019200201A Active JP7216373B2 (en) | 2019-11-01 | 2019-11-01 | gesture detector |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7216373B2 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005122492A (en) * | 2003-10-16 | 2005-05-12 | Japan Science & Technology Agency | Method for determining body shape included in image and method for realizing non-contact pointing device |
JP2019040465A (en) * | 2017-08-25 | 2019-03-14 | トヨタ自動車株式会社 | Behavior recognition device, learning device, and method and program |
-
2019
- 2019-11-01 JP JP2019200201A patent/JP7216373B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005122492A (en) * | 2003-10-16 | 2005-05-12 | Japan Science & Technology Agency | Method for determining body shape included in image and method for realizing non-contact pointing device |
JP2019040465A (en) * | 2017-08-25 | 2019-03-14 | トヨタ自動車株式会社 | Behavior recognition device, learning device, and method and program |
Also Published As
Publication number | Publication date |
---|---|
JP7216373B2 (en) | 2023-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364010B (en) | License plate recognition method, device, equipment and computer readable storage medium | |
CN112287860B (en) | Training method and device of object recognition model, and object recognition method and system | |
CN111914834A (en) | Image recognition method and device, computer equipment and storage medium | |
JP2018092610A (en) | Image recognition device, image recognition method, and program | |
US20110222743A1 (en) | Matching device, digital image processing system, matching device control program, computer-readable recording medium, and matching device control method | |
US20080304716A1 (en) | Face recognition device | |
JP2017010224A (en) | Object tracking apparatus, object tracking method, and program | |
CN113052142A (en) | Silence in-vivo detection method based on multi-modal data | |
CN109919128B (en) | Control instruction acquisition method and device and electronic equipment | |
KR100920918B1 (en) | Object detection system and object detection method using codebook algorism | |
JP6384167B2 (en) | MOBILE BODY TRACKING DEVICE, MOBILE BODY TRACKING METHOD, AND COMPUTER PROGRAM | |
KR101741758B1 (en) | A Real-time Face Tracking Method Robust to Occlusion Based on Improved CamShift with Depth Information | |
JP7216373B2 (en) | gesture detector | |
JPH11306348A (en) | Method and device for object detection | |
CN113449629B (en) | Lane line false and true identification device, method, equipment and medium based on driving video | |
US20220414385A1 (en) | Use of dbscan for lane detection | |
KR102504862B1 (en) | A model for explaining the reason for the decision of self-driving car | |
CN113793371A (en) | Target segmentation tracking method and device, electronic equipment and storage medium | |
Jarraya et al. | Adaptive moving shadow detection and removal by new semi-supervised learning technique | |
CN112766128A (en) | Traffic signal lamp detection method and device and computer equipment | |
JP2006010652A (en) | Object-detecting device | |
KR20210089044A (en) | Method of selecting training data for object detection and object detection device for detecting object using object detection model trained using method | |
CN113837270B (en) | Target identification method, device, equipment and storage medium | |
JP7523312B2 (en) | OBJECT RECOGNITION DEVICE, OBJECT RECOGNITION SYSTEM, LEARNING METHOD FOR OBJECT RECOGNITION DEVICE, OBJECT RECOGNITION METHOD FOR OBJECT RECOGNITION DEVICE, LEARNING PROGRAM FOR OBJECT RECOGNITION DEVICE, AND OBJECT RECOGNITION PROGRAM FOR OBJECT RECOGNITION DEVICE | |
JPH09231358A (en) | Device and method for extracting corresponding point of picture |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220216 |
|
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: 20221220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230112 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7216373 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |