JP3037469B2 - 物体像の抽出処理方法 - Google Patents
物体像の抽出処理方法Info
- Publication number
- JP3037469B2 JP3037469B2 JP3187981A JP18798191A JP3037469B2 JP 3037469 B2 JP3037469 B2 JP 3037469B2 JP 3187981 A JP3187981 A JP 3187981A JP 18798191 A JP18798191 A JP 18798191A JP 3037469 B2 JP3037469 B2 JP 3037469B2
- Authority
- JP
- Japan
- Prior art keywords
- background
- image
- pixel
- moving
- model
- 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.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は，移動する対象物体を含
む背景を固定した動画像中から，閾値処理により背景領
域と動物体領域とを分離するための，物体像を抽出する
物体像の抽出処理方法に関するものである。
む背景を固定した動画像中から，閾値処理により背景領
域と動物体領域とを分離するための，物体像を抽出する
物体像の抽出処理方法に関するものである。
【０００２】
【従来の技術】従来，動画像中の動物体領域を求める方
法としては，あらかじめ背景像に相当する画像の輝度情
報を蓄えておき，入力動画像の輝度値と比較してその差
分がある閾値以上の画素を取り出すことによって移動物
体を抽出する方法が一般的である。
法としては，あらかじめ背景像に相当する画像の輝度情
報を蓄えておき，入力動画像の輝度値と比較してその差
分がある閾値以上の画素を取り出すことによって移動物
体を抽出する方法が一般的である。
【０００３】
【発明が解決しようとする課題】しかし，この方法で
は，屋外など日照条件により背景の明るさが変化する場
合には，蓄積した背景値と明るさの変化した背景部の輝
度値との差分が大きくなり，誤って抽出してしまうこと
がある。また，照明・天候などの変化や撮像系のノイズ
などにより背景値が各画素で異なる微変動をすると，物
体抽出のための閾値を全画素共通に一つだけ定めておく
方法では，この変動によりやはり抽出に失敗することが
ある。これらの誤抽出を避けるために閾値幅を広げる方
法が考えられるが，動領域のうち背景に近い輝度値を有
する領域が抽出できず，動領域の抽出が不十分となって
しまうという問題がある。また，特徴量として画像の輝
度情報だけでは，背景と物体との完全な分離をするには
不十分なことが多く，多様な特徴量を用いる必要があ
る。
は，屋外など日照条件により背景の明るさが変化する場
合には，蓄積した背景値と明るさの変化した背景部の輝
度値との差分が大きくなり，誤って抽出してしまうこと
がある。また，照明・天候などの変化や撮像系のノイズ
などにより背景値が各画素で異なる微変動をすると，物
体抽出のための閾値を全画素共通に一つだけ定めておく
方法では，この変動によりやはり抽出に失敗することが
ある。これらの誤抽出を避けるために閾値幅を広げる方
法が考えられるが，動領域のうち背景に近い輝度値を有
する領域が抽出できず，動領域の抽出が不十分となって
しまうという問題がある。また，特徴量として画像の輝
度情報だけでは，背景と物体との完全な分離をするには
不十分なことが多く，多様な特徴量を用いる必要があ
る。
【０００４】本発明は，上記従来の問題点の解決を図る
ことを目的としており，動画像に対して背景から動物体
を安定に分離・抽出するために，撮影条件の変化に対す
る追従性を備え，かつ適応的に変化する閾値決定の機構
を持つ動物体の物体像の抽出処理方法を提供することを
目的としている。
ことを目的としており，動画像に対して背景から動物体
を安定に分離・抽出するために，撮影条件の変化に対す
る追従性を備え，かつ適応的に変化する閾値決定の機構
を持つ動物体の物体像の抽出処理方法を提供することを
目的としている。
【０００５】
【課題を解決するための手段】上記の動物体の抽出方法
を，図１の原理構成図を参照して説明する。図中の１−
１はフレーム毎での特徴抽出部であって，ＴＶカメラな
どの撮像装置からフレーム単位で入力された動画像を，
各フレーム毎に必要とする複数の特徴量を画素毎に抽出
する。この特徴量は，画像のカラー情報より抽出できる
輝度，色相，彩度，隣接画素との濃度勾配，その他の表
色系で表現される量，あるいは赤外線カメラなどから得
られる濃度情報である。
を，図１の原理構成図を参照して説明する。図中の１−
１はフレーム毎での特徴抽出部であって，ＴＶカメラな
どの撮像装置からフレーム単位で入力された動画像を，
各フレーム毎に必要とする複数の特徴量を画素毎に抽出
する。この特徴量は，画像のカラー情報より抽出できる
輝度，色相，彩度，隣接画素との濃度勾配，その他の表
色系で表現される量，あるいは赤外線カメラなどから得
られる濃度情報である。
【０００６】１−２は背景モデル構成部であって，上記
特徴量のうち一つ以上の特徴の系列を用いて，画素毎に
対象とするフレームでの背景モデルを構成する。背景モ
デルは，対象とするフレームの注目する画素に対して背
景判定を行い，現在までに背景とみなされた複数枚の注
目画素の系列情報から得られる背景の微変動を表すパラ
メータと，その複数枚の背景相当画素群とを，全画素に
わたり抽出することにより構成する。
特徴量のうち一つ以上の特徴の系列を用いて，画素毎に
対象とするフレームでの背景モデルを構成する。背景モ
デルは，対象とするフレームの注目する画素に対して背
景判定を行い，現在までに背景とみなされた複数枚の注
目画素の系列情報から得られる背景の微変動を表すパラ
メータと，その複数枚の背景相当画素群とを，全画素に
わたり抽出することにより構成する。
【０００７】例えば，ある二特徴ｖ1 ，ｖ2 を用いた場
合，ある画素上での画素値は図２のように分布すること
になる。図中，２−１は背景相当画素，２−２は背景で
はない画素，２−３は背景領域，２−４は分布中心，２
−５，２−６は拡がりを表している。背景モデルは，背
景に相当する複数個の画素２−１の分布の拡がりの中心
２−４と大きさとを表すパラメータ（分布中心の位置
（ｍ1 ，ｍ2 ），拡がり度Ａ，Ｂ）と，背景領域
（Ｒb ）２−３内の画素値群によって構成する。
合，ある画素上での画素値は図２のように分布すること
になる。図中，２−１は背景相当画素，２−２は背景で
はない画素，２−３は背景領域，２−４は分布中心，２
−５，２−６は拡がりを表している。背景モデルは，背
景に相当する複数個の画素２−１の分布の拡がりの中心
２−４と大きさとを表すパラメータ（分布中心の位置
（ｍ1 ，ｍ2 ），拡がり度Ａ，Ｂ）と，背景領域
（Ｒb ）２−３内の画素値群によって構成する。
【０００８】背景判定および背景更新は，図３に示すよ
うに，現在までの背景領域Ｒb を基に過去の背景値から
の緩変化をカバーするような背景更新領域Ｒn を設定
し，現フレームの画素値が更新領域内にあれば背景に相
当するとし，最も古いフレームの画素と入れ換えて新し
い背景モデル（背景領域はＲb ' となる）を再構成す
る。また更新領域外であれば，モデルは更新しない。な
お，初期背景モデルは，複数枚の明らかに動物体を含ま
ない背景像から，その分布を表すパラメータと画像群に
より構成する。なお，図３において，３−１は背景相当
画素，３−２は最も古いフレームの画素，３−３は現フ
レームの画素，３−４は背景領域，３−５は背景更新領
域，３−６は更新された背景領域を表している。
うに，現在までの背景領域Ｒb を基に過去の背景値から
の緩変化をカバーするような背景更新領域Ｒn を設定
し，現フレームの画素値が更新領域内にあれば背景に相
当するとし，最も古いフレームの画素と入れ換えて新し
い背景モデル（背景領域はＲb ' となる）を再構成す
る。また更新領域外であれば，モデルは更新しない。な
お，初期背景モデルは，複数枚の明らかに動物体を含ま
ない背景像から，その分布を表すパラメータと画像群に
より構成する。なお，図３において，３−１は背景相当
画素，３−２は最も古いフレームの画素，３−３は現フ
レームの画素，３−４は背景領域，３−５は背景更新領
域，３−６は更新された背景領域を表している。
【０００９】図１に示す１−３は閾値処理部であって，
図４に示すように，各画素毎に背景領域Ｒb を反映した
動物体抽出領域Ｒm を設定し，対象とするフレームの画
素値が動物体領域内にあれば動物体とみなし抽出する。
なお図４において，４−１は背景相当画素，４−２は現
フレームの画素値，４−３は背景領域，４−４は動物体
抽出領域を表している。
図４に示すように，各画素毎に背景領域Ｒb を反映した
動物体抽出領域Ｒm を設定し，対象とするフレームの画
素値が動物体領域内にあれば動物体とみなし抽出する。
なお図４において，４−１は背景相当画素，４−２は現
フレームの画素値，４−３は背景領域，４−４は動物体
抽出領域を表している。
【００１０】更に，上記の背景モデルの更新および動物
体像の判定を，各フレームの各画素に対して逐次行うこ
とにより，撮影条件の変化に追従しかつ適応的な閾値処
理が行え，背景の変動にロバストな動物体像が抽出でき
る。
体像の判定を，各フレームの各画素に対して逐次行うこ
とにより，撮影条件の変化に追従しかつ適応的な閾値処
理が行え，背景の変動にロバストな動物体像が抽出でき
る。
【００１１】
【作用】複数フレームの画像特徴から背景の変動を反映
した背景モデルを構成することにより，撮影条件の変化
に追従し，かつ各画素毎に適応的な閾値処理を行うこと
が可能であることが，最も主要な特徴であり，従来技術
との相違点である。
した背景モデルを構成することにより，撮影条件の変化
に追従し，かつ各画素毎に適応的な閾値処理を行うこと
が可能であることが，最も主要な特徴であり，従来技術
との相違点である。
【００１２】
【実施例】本発明の一実施例として，画像から得られる
特徴を１次元の画像の輝度情報とし，動物体像を含む動
画像から動領域を抽出する手法について説明する。
特徴を１次元の画像の輝度情報とし，動物体像を含む動
画像から動領域を抽出する手法について説明する。
【００１３】図５は，本実施例における動物体像の抽出
処理の構成を示す。まず，テレビカメラ等の画像入力系
を介して動画像を入力し，画像蓄積部５−１に，対象と
する動画像を各フレーム毎に蓄積する。蓄積された順
に，各フレーム画像を画像蓄積部５−１から画像メモリ
５−２に送出する。特徴抽出部５−３においては，画像
メモリ５−２の画像の輝度情報を算出し，特徴像メモリ
５−４に蓄積する。
処理の構成を示す。まず，テレビカメラ等の画像入力系
を介して動画像を入力し，画像蓄積部５−１に，対象と
する動画像を各フレーム毎に蓄積する。蓄積された順
に，各フレーム画像を画像蓄積部５−１から画像メモリ
５−２に送出する。特徴抽出部５−３においては，画像
メモリ５−２の画像の輝度情報を算出し，特徴像メモリ
５−４に蓄積する。
【００１４】初期モデル構成部５−５においては，指定
したフレームｔ0 から過去Ｎフレームを背景相当像とみ
なし，各画素毎に特徴像メモリ５−４から背景相当像の
画素値ｘi,j のＮ個の値を読みだし，その平均μi,j お
よび分散σi,j を第(1) (2)式を用いて算出する。背景
モデルの構成はこれらをパラメータとする物体抽出及び
モデル更新のための閾値Ｍ，Ａ，Ｂ，Ｃであり，第(3)
〜(6) 式で決定する（ただし，ｘi,j (t) は，時刻ｔ，
位置（ｉ，ｊ）での画素値を表す。μi,j ，σ i,j ，Ｍ
i,j ，Ａi,j ，Ｂi,j ，Ｃi,j も同様である）。決定し
た背景モデルの各パラメータおよび背景相当像群の輝度
値を背景モデル記憶バッファ５−６に格納する。
したフレームｔ0 から過去Ｎフレームを背景相当像とみ
なし，各画素毎に特徴像メモリ５−４から背景相当像の
画素値ｘi,j のＮ個の値を読みだし，その平均μi,j お
よび分散σi,j を第(1) (2)式を用いて算出する。背景
モデルの構成はこれらをパラメータとする物体抽出及び
モデル更新のための閾値Ｍ，Ａ，Ｂ，Ｃであり，第(3)
〜(6) 式で決定する（ただし，ｘi,j (t) は，時刻ｔ，
位置（ｉ，ｊ）での画素値を表す。μi,j ，σ i,j ，Ｍ
i,j ，Ａi,j ，Ｂi,j ，Ｃi,j も同様である）。決定し
た背景モデルの各パラメータおよび背景相当像群の輝度
値を背景モデル記憶バッファ５−６に格納する。
【００１５】
【数１】
【００１６】（ただし，α，β1 ，β2 は一定値とす
る。） 背景モデル算出部５−７においては，指定したフレーム
ｔ0 以降のフレーム（ｔ1 とする）の特徴像メモリ５−
４から取り出される画素値が，第(7) 式を満足するかど
うかを調べ，もし満足すれば背景であると判定する。
る。） 背景モデル算出部５−７においては，指定したフレーム
ｔ0 以降のフレーム（ｔ1 とする）の特徴像メモリ５−
４から取り出される画素値が，第(7) 式を満足するかど
うかを調べ，もし満足すれば背景であると判定する。
【００１７】 Ｍi,j −Ａi,j ＜ｘi,j ＜Ｍi,j＋Ａi,j (7) 背景と判定された場合には，現在の画素値も含めた最新
のＮ枚のフレームの背景相当値から，第(8) 〜(13)式に
基づきモデルパラメータの再算出および背景相当像群の
交換を行い，背景モデルの更新を行う。ここでモデルの
更新は，背景モデル記憶バッファ５−６に記憶している
Ｎ枚のフレーム分の画素単位に独立な画像データに対
し，新しい画素値を当該画素の最も古い画素値と交換す
ることにより行う。この作業は画素独立に行われるので
初期状態からある程度更新された後のモデルでは，画素
毎のデータが収集された時刻は必ずしも一致しない。
のＮ枚のフレームの背景相当値から，第(8) 〜(13)式に
基づきモデルパラメータの再算出および背景相当像群の
交換を行い，背景モデルの更新を行う。ここでモデルの
更新は，背景モデル記憶バッファ５−６に記憶している
Ｎ枚のフレーム分の画素単位に独立な画像データに対
し，新しい画素値を当該画素の最も古い画素値と交換す
ることにより行う。この作業は画素独立に行われるので
初期状態からある程度更新された後のモデルでは，画素
毎のデータが収集された時刻は必ずしも一致しない。
【００１８】
【数２】
【００１９】また，閾値処理部５−８において，背景モ
デル記憶バッファ５−６の対応するパラメータに対し
て，特徴像メモリ５−４からの画素値が第(14)式を満た
すとき，その画素は動物体領域内であると判定する。更
に，動物体か背景かの判定結果をその位置情報と共に動
物体像メモリ５−９に蓄積し，動物体出力部５−１０に
より出力する。
デル記憶バッファ５−６の対応するパラメータに対し
て，特徴像メモリ５−４からの画素値が第(14)式を満た
すとき，その画素は動物体領域内であると判定する。更
に，動物体か背景かの判定結果をその位置情報と共に動
物体像メモリ５−９に蓄積し，動物体出力部５−１０に
より出力する。
【００２０】 Ｍi,j −Ｂi,j ＞ｘ，Ｍi,j ＋Ｃi,j ＜ｘ (14) なお，本実施例では，初期モデル構成部および背景モデ
ル算出部において算出する閾値パラメータＡ，Ｂ，Ｃは
第(4)(5)(6) 式および第(11)(12)(13)式に表されるよう
にσの定数倍により算出している。しかし，第(15)〜(1
7)式のようにσに依らず定数として，高速な閾値処理を
行うことが可能である。
ル算出部において算出する閾値パラメータＡ，Ｂ，Ｃは
第(4)(5)(6) 式および第(11)(12)(13)式に表されるよう
にσの定数倍により算出している。しかし，第(15)〜(1
7)式のようにσに依らず定数として，高速な閾値処理を
行うことが可能である。
【００２１】 Ａi,j ＝γ0 (15) Ｂi,j ＝γ1 (16) Ｃi,j ＝γ2 (17) また，第(18)〜(20)式のようにσの２次関数で表現すれ
ば，背景の緩変化により背景値分布が広がり，σが激増
しても，閾値Ａ，Ｂ，Ｃの増加を抑えることができ，背
景モデルの過剰を抑制および更新動物体抽出の精度向上
が実現できる。
ば，背景の緩変化により背景値分布が広がり，σが激増
しても，閾値Ａ，Ｂ，Ｃの増加を抑えることができ，背
景モデルの過剰を抑制および更新動物体抽出の精度向上
が実現できる。
【００２２】 Ａi,j ＝ｐ0 σi,j 2 ＋ｑ0σi,j ＋ｒ0 (18) Ｂi,j ＝ｐ1 σi,j 2 ＋ｑ1σi,j ＋ｒ1 (19) Ｃi,j ＝ｐ2 σi,j 2 ＋ｑ2σi,j ＋ｒ2 (20) （ただし，γ0 ，γ1 ，γ2 ，ｐ0 ，ｑ0 ，ｒ0 ，
ｐ1 ，ｑ1 ，ｒ1 ，ｐ2 ，ｑ 2 ，ｒ2 は一定とする） また，本実施例では，画像の特徴を１次元の画像の輝度
情報として説明したが，多次元の特徴量を用いた場合の
背景モデルの構成および動物体抽出処理は，本発明の原
理にならい，多次元の特徴量分布の広がりを規定するパ
ラメータを抽出することで可能である。例えば２次元の
特徴量を用いた場合は，その特徴量分布の主成分分析の
結果から得られる集中楕円の形状もとに背景領域の境界
を決定すればよい。集中楕円とは，２変数の分散共分散
行列の２つの固有ベクトルを長軸，短軸とし，固有値の
平方根をその長さとする楕円である。３次元以上の特徴
量を用いた場合も同様に処理が可能である。
ｐ1 ，ｑ1 ，ｒ1 ，ｐ2 ，ｑ 2 ，ｒ2 は一定とする） また，本実施例では，画像の特徴を１次元の画像の輝度
情報として説明したが，多次元の特徴量を用いた場合の
背景モデルの構成および動物体抽出処理は，本発明の原
理にならい，多次元の特徴量分布の広がりを規定するパ
ラメータを抽出することで可能である。例えば２次元の
特徴量を用いた場合は，その特徴量分布の主成分分析の
結果から得られる集中楕円の形状もとに背景領域の境界
を決定すればよい。集中楕円とは，２変数の分散共分散
行列の２つの固有ベクトルを長軸，短軸とし，固有値の
平方根をその長さとする楕円である。３次元以上の特徴
量を用いた場合も同様に処理が可能である。
【００２３】
【発明の効果】本発明によれば，撮影条件の変化に対す
る追従性を備え，かつ局所的な背景特性を考慮した動物
体の安定な分離・抽出が可能となるだけでなく，複数フ
レームを有効に用いた動画像処理が可能となり，人物像
の動作解析や自動車などの運動解析における有用な道具
となる。
る追従性を備え，かつ局所的な背景特性を考慮した動物
体の安定な分離・抽出が可能となるだけでなく，複数フ
レームを有効に用いた動画像処理が可能となり，人物像
の動作解析や自動車などの運動解析における有用な道具
となる。
【００２４】従来技術では，蓄積した背景値から更新さ
れないため，背景の明るさが緩変化すると物体領域を正
しく抽出できなくなる。また，背景値が各画素で異なる
微変動をするため，抽出する閾値が全画素共通に一定で
あると，動領域の完全な抽出ができなかったものであ
る。
れないため，背景の明るさが緩変化すると物体領域を正
しく抽出できなくなる。また，背景値が各画素で異なる
微変動をするため，抽出する閾値が全画素共通に一定で
あると，動領域の完全な抽出ができなかったものであ
る。
【図１】本発明の原理構成図を表す。
【図２】複数フレームの背景相当像の２特徴の分布を表
す。
す。
【図３】背景更新の判定手法を表す。
【図４】動物体抽出の判定手法を表す。
【図５】本発明の一実施例の構成を示す図を表す。
１−１ 特徴抽出部 １−２ 背景モデル構成部 １−３ 閾値処理部 ２−１ 背景相当画素 ２−２ 背景ではない画素 ２−３ 背景領域 ２−４ 背景分布の中心 ２−５，２−６ 分布の広がり度 ３−１ 背景相当画素 ３−２ 最も古いフレームの画素 ３−３ 現フレームの画素 ３−４ 背景領域 ３−５ 背景更新領域 ３−６ 更新された背景領域 ４−１ 背景相当画素 ４−２ 現フレームの画素 ４−３ 背景領域 ４−４ 動物体抽出領域 ５−１ 画像蓄積部 ５−２ 画像メモリ ５−３ 特徴抽出部 ５−４ 特徴像メモリ ５−５ 初期モデル構成部 ５−６ 背景モデル記憶バッファ ５−７ 背景モデル算出部 ５−８ 閾値処理部 ５−９ 動物体像メモリ ５−１０ 動物体出力部
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 7/20 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (1)
- 【請求項１】 移動する対象物体を含む動画像中から動
物体の領域を抽出する物体像の抽出処理方法において， 該動画像中の各フレームの画像から画素毎に１つ以上の
特徴量を抽出し，背景に相当する複数フレームの特徴量
群とそれらより計算される統計量で背景モデルを構成
し， 構成されたモデルから算出される物体抽出のための閾値
を用いて動物体領域と背景領域との分離を画素毎に行
い，現フレームを含む特徴量群から背景モデルを再構成
し， 動領域分離とモデル更新とを逐次的に行うことにより， 背景の変化に追従しつつ最適な閾値処理で動領域を抽出
することを特徴とする物体像の抽出処理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3187981A JP3037469B2 (ja) | 1991-07-29 | 1991-07-29 | 物体像の抽出処理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3187981A JP3037469B2 (ja) | 1991-07-29 | 1991-07-29 | 物体像の抽出処理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0535874A JPH0535874A (ja) | 1993-02-12 |
| JP3037469B2 true JP3037469B2 (ja) | 2000-04-24 |
Family
ID=16215531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3187981A Expired - Lifetime JP3037469B2 (ja) | 1991-07-29 | 1991-07-29 | 物体像の抽出処理方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3037469B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998015117A1 (en) * | 1996-10-04 | 1998-04-09 | Nippon Telegraph And Telephone Corporation | Method for temporally and spatially integrating and managing a plurality of videos, device used for the same, and recording medium storing program of the method |
| JP4531897B2 (ja) * | 1999-12-27 | 2010-08-25 | パナソニック株式会社 | 人物追跡装置、人物追跡方法及びそのプログラムを記録した記録媒体 |
| EP2010379B1 (en) | 2006-04-13 | 2012-05-16 | Sancoa International Company, L.P. | Metallized shrinkable label |
| TWI376648B (en) * | 2009-02-25 | 2012-11-11 | Micro Star Int Co Ltd | Method and device for keeping image background by multiple gauss models |
| WO2015121981A1 (ja) * | 2014-02-14 | 2015-08-20 | 株式会社Pfu | オーバヘッドスキャナ装置、画像取得方法、および、プログラム |
| WO2020161888A1 (ja) * | 2019-02-08 | 2020-08-13 | 三菱電機株式会社 | 背景モデル生成装置、背景モデル生成プログラム、及び背景モデル生成方法 |
-
1991
- 1991-07-29 JP JP3187981A patent/JP3037469B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0535874A (ja) | 1993-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110119728B (zh) | 基于多尺度融合语义分割网络的遥感图像云检测方法 | |
| EP1700269B1 (en) | Detection of sky in digital color images | |
| US7091993B1 (en) | Computer-implemented digital video object compositing | |
| US7359572B2 (en) | Automatic analysis and adjustment of digital images with exposure problems | |
| US6931160B2 (en) | Method of spatially filtering digital image for noise removal, noise estimation or digital image enhancement | |
| US7054501B1 (en) | Estimating noise for a digital image utilizing updated statistics | |
| KR102261532B1 (ko) | 단일 스케일 영상 융합에 기반한 안개 제거 시스템 및 방법 | |
| EP1026631A2 (en) | Method for inferring scenes from test images and training data using probability propagation in a markov network | |
| CN108510499B (zh) | 一种基于模糊集和Otsu的图像阈值分割方法及装置 | |
| JP6497579B2 (ja) | 画像合成システム、画像合成方法、画像合成プログラム | |
| US20030215155A1 (en) | Calculating noise estimates of a digital image using gradient analysis | |
| CN113781421A (zh) | 基于水下的目标识别方法、装置及*** | |
| JP3037469B2 (ja) | 物体像の抽出処理方法 | |
| US7620246B2 (en) | Method and apparatus for image processing | |
| CN113643297B (zh) | 一种基于神经网络的计算机辅助牙龄分析方法 | |
| CN116912265A (zh) | 一种遥感图像分割方法和*** | |
| EP2807631B1 (en) | Device and method for detecting a plant against a background | |
| CN110363103A (zh) | 虫害识别方法、装置、计算机设备及存储介质 | |
| KR20220056399A (ko) | 확장 합성곱 신경망을 이용한 군중 장면 이미지 실시간 분석 장치 및 방법 | |
| CN108830146A (zh) | 一种基于滑动窗口的非压缩域镜头边界检测方法 | |
| US20020126910A1 (en) | Method of calculating noise from multiple digital images utilizing common noise characteristics | |
| DE102004026782A1 (de) | Verfahren und Vorrichtung zur rechnergestützten Bewegungsschätzung in mindestens zwei zeitlich aufeinander folgenden digitalen Bildern, computerlesbares Speichermedium und Computerprogramm-Element | |
| JP3037495B2 (ja) | 物体像の抽出処理方法 | |
| Sahu et al. | Color image segmentation using genetic algorithm | |
| Apewokin et al. | Embedded real-time surveillance using multimodal mean background modeling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090225 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090225 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100225 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110225 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110225 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120225 Year of fee payment: 12 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120225 Year of fee payment: 12 |