JP3486229B2 - 画像変化検出装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、任意の画像において、
移動物体のみを検出するための画像変化検出装置に関す
る。

【０００２】

【従来の技術】ＴＶカメラ等で撮影された映像中の移動
物体だけを検出する方法には、従来から最も簡便な方法
として、連続して撮影された複数の画像間の差分を求め
る方法や、予め作成した背景画像と現時点の画像との差
分を求める方法がある。

【０００３】これらの方法は、例えば、固定されたＴＶ
カメラ等の撮像装置を用いた画像監視装置のように、監
視対象領域への侵入者や侵入物の検出を目的とする装置
等において用いられている。

【０００４】ところが、これらの方法では、撮像装置が
動かないということの他に、侵入物以外に監視対象領域
での環境変化がないことが大前提となっている。したが
って、この前提が崩れると侵入物以外を誤って検出する
という欠点がある。

【０００５】例えば、屋外のような変化の大きい環境を
監視対象とした場合、天候の変化による照明強度の変化
によって侵入物を検出できなくなったり、風による樹木
の揺らぎや水面での日光の乱反射等を侵入物と区別して
検出することができず、移動物体の検出精度を上げるこ
とが大変困難であった。

【０００６】このような環境変化による誤検出を避ける
ための方法として、参考文献１（前田、田中、塩、石
井：多次元輝度空間上での分布を利用した物体抽出法、
電子情報通信学会技術研究報告 パターン認識・理解
PRU91-68 pp.67-74 ）や参考文献２（特開平６−８９３
３９号 小池、安達：物体検出方法）のようなものが知
られている。

【０００７】この方法では、画像中の小領域内での様々
な統計的特徴量（参考文献２では輝度の分布幅という）
を求め、これを背景画像または前時点でのそれと比較す
ることによって、環境変化には影響されない物体検出を
実現しようというものである。参考文献１では、画像列
を多次元空間としてとらえて、時系列画像による安定し
た検出方法が示唆されているが、残念ながらその具体的
な方法は記述されていない。

【０００８】上記のように空間的な特徴量の違いを見て
検出しようという方法の他に、複数の背景画像から変化
を検出しようという参考文献３（佐藤、間瀬、末永： x
-t時空間画像からのロバストな物体抽出法、1991年電子
情報通信学会秋期全国大会予稿集 D-198 (6-200) ）や
参考文献４（KANETA, KANOH, KANEMARU, NAGAI：Image
Processing Method for Intruder Detection around Po
wer Line Towers, proc. of 1992 IAPR Workshop on Ma
chine Vision Applications (MVA'92) pp.353-356 ）の
方法が知られている。

【０００９】参考文献３では、各画素で時間方向の輝度
分布を求め、この分布を正規分布に近いものと見倣すこ
とによって分布の中心から外れた画素を移動物体領域と
して検出しようという方法である。また、参考文献４
は、撮影画像と背景画像との差分値の全画面での分布を
求め、これを単峰の分布と見倣すことによって分布の中
心から外れた画素を変化として検出しようというもので
ある。

【００１０】以上に挙げた従来方法は、主に照明強度の
変化のように画面内の広い領域で比較的ゆっくりと起こ
る場合や、または、ある真の輝度値を中心としてその近
傍で輝度が変化すると想定されるような環境変化に対し
て、歩行者等の移動物体の検出誤りを少なくしようとい
う方法である。

【００１１】しかし、環境の変化には、照明強度の変化
の他にも、移動物体と紛らわしい樹木や水面の揺らぎと
いった定常的な輝度変化を起こすもの（以下、この変化
を定常的変化という）があり、先に挙げた方法では、移
動物体の変化（以下、この変化を非定常的変化という）
と定常的変化とを区別して検出することはできなかっ
た。

【００１２】

【発明が解決しようとする課題】このように、従来の侵
入者等の移動物体の検出を目的とする変化検出方法で
は、撮影した映像中に検出対象以外の輝度等の揺らぎが
あった場合に、検出対象の移動物体だけを区別して検出
することができないという問題があった。

【００１３】本発明はこのような事情を考慮してなされ
たもので、その目的とするところは、撮影環境の変化に
よる検出対象と紛らわしい輝度変化がある場合において
も、移動物体の変化である非定常的変化と、樹木や水面
の揺らぎといった定常的変化とを区別して検出すること
ができる画像変化検出装置を提供することにある。

【００１４】

【課題を解決するための手段】本発明の画像変化検出装
置は、静止状態及び定常的変化状態より構成される時間
的画像列の領域毎の基準特徴ベクトルを算出すると共
に、測定対象の画像の領域毎の測定対象特徴ベクトルを
算出する特徴抽出手段と、この特徴抽出手段より算出さ
れた領域毎の基準特徴ベクトルの生起確率分布を求める
確率分布算出手段と、前記特徴抽出手段より算出された
測定対象特徴ベクトルと、前記確率分布算出手段より求
められた生起確率分布から非定常的変化有の事象の確率
値を算出する変化確率算出手段と、この変化確率算出手
段により算出された変化有の事象の確率値から非定常的
変化の有無を判別する変化有無判別手段とを具備したも
のである。

【００１５】

【作 用】上記画像変化検出装置について説明する。

【００１６】特徴抽出手段は、静止状態及び定常的変化
状態より構成される時間的画像列の領域毎の基準特徴ベ
クトルを算出すると共に、測定対象の画像の領域毎の測
定対象特徴ベクトルを算出する。

【００１７】確率分布算出手段は、この特徴抽出手段よ
り算出された領域毎の基準特徴ベクトルの生起確率分布
を求める。

【００１８】 変化確率算出手段は、前記特徴抽出手段
より算出された測定対象特徴ベクトルと、前記確率分布
算出手段より求められた生起確率分布から非定常的変化
有の事象の確率値を算出する。

【００１９】 変化有無判別手段は、この変化確率算出
手段により算出された非定常的変化有の事象の確率値か
ら非定常的変化の有無を判別する。

【００２０】これにより、映像中に輝度変化等の定常的
変化があっても、移動物体だけの非定常的変化を区別し
て検出することができる。すなわち、撮影された時間的
画像列から静止状態及び定常的変化状態より構成される
特徴ベクトルの生起確率分布を算出し、この生起確率分
布と、観測した画像の特徴ベクトルとから、非定常的変
化の確率を算出することにより、移動物体のみを区別し
て検出することができる。

【００２１】

【実施例】以下、本発明の一実施例について図面を参照
して説明する。

【００２２】第１の実施例 図１は、本発明の画像変化検出装置を適用した移動物体
の検出する移動物体検出装置の概略構成図である。

【００２３】移動物体検出装置は、特徴抽出手段１、確
率分布算出手段２、変化確率算出手段３、変化判別手段
４、画像列提供手段１１、結果表示手段１２とからな
る。

【００２４】特徴抽出手段１は、与えられた画像列での
各画素毎または予め定められている小領域毎に特徴ベク
トルを算出する。

【００２５】確率分布算出手段２は、その画素または小
領域の時空間領域内において特徴ベクトルの生起確率分
布を求める。

【００２６】変化確率算出手段３は、変化検出対象画像
の特徴ベクトルと確率分布算出手段２に記憶されている
確率分布とから変化有無の確率を算出する。

【００２７】変化有無判別手段４は、算出された確率値
から変化有無を判別する。

【００２８】画像列提供手段１１は、特徴抽出手段１へ
映像（画像列）を提供する。

【００２９】結果表示手段１２は、変化判別手段４の変
化検出の結果をユーザーに表示する。

【００３０】変化検出方法は、大きく分けて確率算出
処理と変化判別処理の２段階の処理からなる。

【００３１】確率算出処理 移動物体による変化を検出する前に、まず、特徴抽出手
段１及び確率分布算出手段２により、特徴ベクトルの確
率分布を求める。図２に処理の流れを示し、下記の実施
例における処理のフローチャートを図３に示す。

【００３２】変化判別処理 検出処理を行う画像で特徴ベクトルを求め、先の確率分
布と照らし合わせることによって変化確率を変化確率算
出手段３において求め、そして変化有無判別手段４に
て、変化があったかどうかを判別する。図４に処理の流
れを示し、下記の実施例における処理のフローチャート
を図５に示す。

【００３３】特徴抽出手段１にて取り出される基準特徴
ベクトル及び測定対象特徴ベクトルが、各画素の輝度値
Ｉのみを要素として持つスカラー量（１次元ベクトル）
である場合について説明する。

【００３４】（１）確率算出処理について説明する。

【００３５】予め撮影された映像の画像列Ｓ（全フレー
ム数Ｎ，Ｎ＝１，２，３，……）があるものとする。こ
こで扱う画像列は、図６のような直方体で表される。直
方体の横及び縦方向が画像面での空間的な位置(x,y)
［画素］を表し、奥行き方向が時間(t) ［フレーム番
号］を表す。フレームｎの位置(i,j) の画素は(i,j;n)
で表されるものとする。また、図７に示すように、各フ
レームの画像中には位置(x,y) に領域Ｒxy［ｋ×ｋ画素
矩形領域（ｋ＝１，２，３，……），ｋ＝１のとき１画
素］が定められている。なお、この画像列Ｓは、静止状
態の場面及び樹木や水面の揺らぎといった定常的変化の
場面から構成されているものとし、移動物体の非定常的
変化の場面は含まないものとする。

【００３６】画像列提供手段１１から提供される画像列
がグレイスケール輝度画像だけの場合には、特徴抽出手
段１では具体的には何もせず、単に前の画像列提供手段
１１から後の確率分布算出手段２へ、任意画素の輝度Ｉ
を基準特徴ベクトルとして渡すだけである。

【００３７】しかし、画像列がＲＧＢ等の色情報を持つ
画像からなる場合には、これらの要素から輝度Ｉを算出
して基準特徴ベクトルとして確率分布算出手段２へ輝度
値を渡す（図３のステップ１０１，１０２）。

【００３８】次に、確率分布算出手段２において、画像
列Ｓでの輝度Ｉの確率分布ｐ（Ｉ）を求める。

【００３９】ここでは、統計的確率としてｐ（Ｉ）を求
める方法に沿って説明を行う。

【００４０】フレームｎ（ｎ＝１，２，……Ｎ）の領域
ＲxyをＲxy（ｎ）とし、Ｒxy（ｎ）のｎについての和集
合（Ｒxyの画像列）Ｕxyが

【数１】 のように表されるものとする（図７参照）。Ｕxyに含ま
れる全ての画素

【数２】 について、Ｒxyでの輝度Ｉの累積ヒストグラムｆxy
（Ｉ）を求める（図３のステップ１０３，１０４）。

【００４１】

【数３】 つまり、同じ輝度となるＵxy中の全ての画素を累積する
ことにより、図８に示すようなヒストグラムとしてｆxy
（Ｉ）が得られる。このｆxy（Ｉ）を、Ｕxyでの全累積
度数Ｎxyで割ったものを、領域ＲxyでのＩの確率分布ｐ
xy（Ｉ）とする（図３のステップ１０５）。

【００４２】

【数４】 確率分布算出手段２では、この確率分布ｐxy（Ａ）を、
x,y について全ての領域Ｒxyで求め、これを記憶してお
く。

【００４３】（２）変化判別処理について説明する。

【００４４】予め提供されている画像列Ｓとは別に、変
化検出の測定対象画像列Ｓ′（全フレーム数Ｎ′，Ｎ′
＝１，２，３，……）がある。ＳとＳ′は、全く別々の
画像列でもよいし、部分的に重なっていてもよい。な
お、この画像列Ｓ′は、静止状態の場面及び樹木や水面
の揺らぎといった定常的変化の場面や検出対象である移
動物体の非定常的変化の場面を含んでいるものとする。

【００４５】以降で、Ｓ′の領域Ｒxyでの変化判別方法
について述べる。

【００４６】変化確率算出手段３での変化有無の確率
を算出する方法 変化確率算出手段３での変化有無の確率を算出する方法
を説明する。ここでは、変化有無の確率を事後確率とし
て算出する方法に沿って説明を行う。

【００４７】Ｓ′のフレームｎ′の画素(i,j;n')の輝度
Ｉ(i,j;n')が測定対象特徴ベクトルとして特徴抽出手段
Ｉで求められる。この画素が領域Ｒxy中にあるとき、こ
の輝度Ｉ(i,j;n')の生起確率は、先の確率分布算出手段
２で算出され記憶されているＳでの確率分布からｐxy
（Ｉ(i,j;n')）で与えられるものとする。

【００４８】Ｓ′の各画素において、その画素の状態が
静止状態または定常的変化である「変化無」の事象θ0
と、非定常的変化があるという「変化有」の事象θ1 と
いう２つの事象を設定されている。つまり、ある画素で
何らかの輝度変化があったとしても、それが定常的にあ
るのであれば、その画素の状態は静止状態または定常的
変化であって変化がないという事象θ0 となり、そうで
ない場合、すなわち、非定常的変化がある場合には変化
があるという事象θ1 となる。

【００４９】画素(i,j;n) の輝度Ｉを観測する前の、そ
の画素がθ1 であることの事前確率をｗ(i,j;n')とす
る。事前確率ｗは０〜１までの任意の実数に設定でき
る。例えば、θ0 とθ1 が同様の確率で起こり得ると予
想される場合、ｗ(i,j;n')＝１／２と仮定する。

【００５０】この事前確率ｗ(i,j;n')と、観測した輝度
Ｉ(i,j;n')（図５のステップ２０１）の生起確率ｐxy
（Ｉ(i,j;n')）から、観測後のθ1 であることの事後確
率ｗ′(i,j;n')を求める（図５のステップ２０２）。

【００５１】事象θ0 での確率分布がｐxy（Ｉ）で与え
られたのに対して、事象θ1 のもとでのＩの確率分布が
ｑxy（Ｉ）で与えられるとしたとき、事後確率ｗ′(i,
j;n')は、ベイズの定理から以下の式によって求められ
る（図５のステップ２０３）。なお、繁雑なので、以下
の式ではｗ(i,j;n')を単にｗと、Ｉ(i,j;n')を単にＩと
記述する。

【００５２】

【数５】 ここでｑxy（Ｉ）は、θ1 のもとでＩの分布が予め分か
っていないとき、どの分布も同じであると仮定するもの
である。したがって、Ｉの分布の範囲をＶとしたとき、

【数６】 とおける。

【００５３】例えば、Ｉが０〜２５５までの２５６段階
の整数値として与えられるときは、Ｖ＝２５６、つま
り、ｑxy（Ｉ）＝１／２５６となる。このようにして算
出された変化有の事象θ1 の事後確率ｗ′(i,j;n')を、
画素(i,j;n')での変化の起きた確率として用いる。

【００５４】画像列Ｓ′で連続フレームで変化検出を行
う場合には、変化確率算出手段３で求められた事象θ1
の事後確率ｗ′(i,j;n')は、次のフレームでの処理時に
事前確率ｗ(i,j;n'+1)として用いることができる。つま
り、

【数７】 として、フレーム順に前の事後確率を現在の事前確率と
して用いるということである。これに対して、最初に決
めたｗの値をそのまま使用し続けてもかまわない。

【００５５】変化有無判別手段４での変化有無の判別
方法 次に、変化有無判別手段４での変化有無の判別方法を説
明する。ここでは、判別誤りの損失を仮定する方法に沿
って説明を行う。

【００５６】ここで、判別を誤った場合の損失Ｌを仮定
する。ある画素で、実際には通常通りθ0 なのに変化が
あったθ1 と判別された場合の損失をＬ0 とし、この逆
のθ1 なのにθ0 と判別された場合の損失をＬ1 とす
る。このときに、判別後の損失の期待値を最小にする判
別の基準は、

【数８】 で与えられる。

【００５７】つまり、上式の判別基準を用いると、判別
後の失敗による影響を最小にすることができる。ここ
で、各々の損失Ｌ0 ，Ｌ1 は変化検出方法の能力にあわ
せて任意の値に設定してよく、双方の損失が等しいと仮
定した場合には、

【数９】 が判別の基準となる。以上の判別基準を画素(i,j;n')が
満たすとき、その画素には通常外の変化があったとし、
変化領域として検出されることになる（図５のステップ
２０４）。

【００５８】以上のようにして、全ての画素(i,j;n')に
ついて、または全ての小領域Ｒxyについて、上記の判別
条件を満たすかどうかを調べ、この条件を満たす画素や
小領域を、通常ではない変化があったとして、図９に示
すように、変化領域として検出する。

【００５９】図９（ａ）の原画像における樹木や水面と
いった定常的に変化する物体は、従来方法では図９
（ｂ）で示すように走る人と同じように変化として検出
せざるを得なかったが、本装置を用いることによって図
９（ｃ）で示すように定常的変化を除去した非定常的変
化のみの走る人のみ検出することができる。

【００６０】第２の実施例 第１の実施例では、特徴抽出手段１は画素の輝度Ｉを算
出するものとして説明を行ったが、輝度Ｉの代わりに様
々な特徴ベクトルを用いたり、さらにはこれらを組み合
わせて２次元以上の特徴ベクトルを構成して用いる方法
がある。

【００６１】例えば、画像列の各画素についてＲＧＢの
色要素値が得られるときには、これらの要素を単に輝度
Ｉの代わりに用いても良いし、ＲＧＢを３次元ベクトル
として見ることにより、特徴ベクトルをＡとしてＡ[R,
G,B] という３次元の特徴ベクトルを各画素毎に求める
方法が考えられる。または、要素の中から２つだけを用
いて、例えばＡ[R,G] という２次元のベクトルとして用
いたり、輝度Ｉを併用してＡ[R,G,B,I] という４次元ベ
クトルも考えられる。

【００６２】さらに、単に色要素値をそのまま用いるだ
けではなく、これらから算出することができるマンセル
表色系における色相Ｈや彩度Ｓといった要素値も、特徴
ベクトルＡの要素として用いることができる。

【００６３】以上のＲＧＢ表色系やマンセル表色系の他
にも、一般に知られているＸＹＺ、ＵＣＳ、ＣＭＹ、Ｙ
ＩＱ、オストワルト、L*u*v*、L*a*b*といった表色系が
規定されており、各表色系の要素値を前述と同様に組合
わせ、任意の次元数の特徴ベクトルを用いることが可能
である。各々の表色系間での変換方法については、例え
ば参考文献５（高木、下田、監修「画像解析ハンドブッ
ク」東京大学出版会ＩＳＢＮ 4-13-061107-0 C3050 ）
に記載された方法がある。

【００６４】第３の実施例 輝度をはじめとして、特徴ベクトルの各要素について、
空間的または時間的に微分演算や積分演算を行った結果
を、さらに特徴ベクトルの要素として用いることも考え
られる。

【００６５】具体的には、空間的な微分演算として、一
般に良く知られているものに sobel, Roberts, Robinso
n, Prewitt, Kirsch, canny といった微分オペレータ
や、▽＾２ Ｇ（ラプラシアンガウシアン）やモーメン
トオペレータ等がある。これらのオペレータを作用させ
た結果の画像エッジ強度を特徴ベクトルの要素として用
いる。

【００６６】また、積分的な平均フィルタやメディアン
フィルタといった雑音除去処理の結果を特徴ベクトルに
用いることも考えられる。

【００６７】以上のオペレータやフィルタについても、
参考文献５で詳しく述べられている。

【００６８】第４の実施例 このような空間的な画素間処理だけでなく、画像列の時
間軸方向で対応する画素間での演算、例えば、連続フレ
ームでの差分（微分）処理や一定時間内で重み付け加算
した積分処理等の結果を、特徴ベクトルの要素として用
いることもできる。

【００６９】第５の実施例 以上では、各画素毎に一意に決まる特徴ベクトルについ
て述べたが、画像内で予め決められている微小な領域内
で求めることができる統計量も、特徴ベクトルの要素と
して用いることができる。

【００７０】統計量の例としては、平均値、中央値、最
頻値、範囲、分散、標準偏差、平均偏差等が挙げられ
る。これらの統計量は、先に述べた小領域Ｒxyで求めて
もよいし、Ｒxy内にさらに微小な領域ｒを幾つか決めて
おき、この中で求めることにしてもよい。

【００７１】第６の実施例 以上で挙げた特徴ベクトルの要素として用いることので
きる値を、単に一つだけを輝度Ｉの代りに用いてもよい
し、任意の複数の要素を組み合わせて、多次元の特徴ベ
クトルＡとして用いることもできる。

【００７２】ここで、特徴ベクトルが空間微分値Ｄと色
相Ｈの２つの要素からなる２次元ベクトルの場合を例に
とって、本発明の変化検出方法を説明する。

【００７３】画像列提供手段１１からは、１フレームに
ついてＲＧＢの３色の画像が提供されるものとする。特
徴抽出手段１では、ＨＳＩ変換によってＲＧＢ値からＨ
ＳＩ値を求める。このＩ（輝度値）の画像に対しsobel
オペレータを作用させて、各画素について空間微分値
（エッジ強度）Ｄと色相Ｈを得る。ＨＳＩ変換やsobel
オペレータについては、一般に大変良く知られているの
で、ここで詳細を述べることは省略することにし、具体
的な方法が記述されている参考文献を挙げるだけにとど
める（ＨＳＩ変換については参考文献５ pp.486-489, s
obelオペレータについても同じく参考文献５ pp.553 参
照）。

【００７４】先に述べた輝度Ｉのみの場合と同様に、小
領域Ｒxyと領域列Ｕxyが画像列Ｓにおいて決められてい
るものとし、Ｕxyに含まれる全画素

【数１０】 について、特徴ベクトルＡ(i,j;n) の特徴ベクトル空間
での累積ヒストグラムｆxy（Ａ）を、確率分布算出手段
２において求める。

【００７５】

【数１１】 つまり、同じＤ，Ｈの値となる全てのＡ(i,j;n) の数を
累積して、図１０に示すようなＤ−Ｈ空間での２次元の
累積ヒストグラムｆxy（Ａ）が得られ、最初の実施例と
同様に、このヒストグラムｆxy（Ａ）を累積度数Ｎxyで
割ったものを、確率分布ｐxy（Ａ）とする。

【００７６】

【数１２】 さらに、最初の実施例と同様にして、変化確率算出手段
３において、各画素での変化有の事象θ1 の事後確率
ｗ′を求めていく。この例では、θ1 のもとでのＡの確
率分布ｑxy（Ａ）は、第１の実施例の方法に従えば、Ａ
がＤ−Ｈの２次元空間で分布することから、ＶがＤ−Ｈ
空間の面積と等しくなり、Ｄのとる範囲をＶD ，Ｈのと
る範囲をＶH としたとき、ｑxy（Ａ）は

【数１３】 となる。例えば、Ｄが０〜２５５までの２５６段階で、
Ｈが０〜３５９の３６０段階で与えられているときに
は、ｑxy（Ａ）＝１／（２５６×３６０）＝１／９２１
６０となる。事後確率ｗ′の算出式は、最初の実施例の
場合と同じで、θ1 の事前確率をｗとして、

【数１４】 で与えられる。このように、特徴ベクトルＡが多次元ベ
クトルとして与えられる場合においても、求めたθ1 の
事後確率ｗ′から、変化有無判別手段４において、最初
の実施例と同様に判別基準を決定し、変化判別が行え
る。

【００７７】第７の実施例 以上で説明した実施例においては、θ1 のもとでのＡの
確率分布ｑxy（Ａ）が、Ａの分布空間内で均一であると
仮定してきたが、検出したい対象物体での特徴ベクトル
Ａの分布を予め調査することができる場合には、均一と
仮定する必要はない。

【００７８】例えば、Ｓ′とは別の画像または画像列中
での対象物体の領域を、本発明とは別の方法または１画
素ずつ操作者が指定するといった方法によって取り出す
ことができる場合には、この対象物体領域でのＡの確率
分布ｑxy（Ａ）を求めることができる。つまり、この取
り出された領域内または領域列内において、先のＳから
累積ヒストグラムｆxy（Ａ）を求めたときと同様の方法
によって、累積ヒストグラムを求め、このヒストグラム
を累積度数で割ることによって、統計的確率としてｑxy
（Ａ）を求めることができる。

【００７９】さらに、Ａの分布する全空間のうちで、操
作者が検出したいと希望する部分空間にあわせて、ｐxy
（Ａ）やｑxy（Ａ）は全く任意の値に設定することもで
きる。

【００８０】第８の実施例 以上で述べた実施例では、変化確率算出手段３において
θ1 の事後確率を求めるものとしていたが、事後確率算
出の部分を省略することもできる。Ａのもとでの変化無
θ0 の確率とｐxy（Ａ）とが等しいものとして、１−ｐ
xy（Ａ）をθ1の確率として用いる。

【００８１】このときの変化有無判別手段４での判別方
法は、判別の基準を１−Ｃとした場合、

【数１５】 を満たす場合に、その画素には変化があったものとして
検出する。この場合の基準値Ｃは、検出能力にあわせ
て、任意の［０．．１］の実数値を設定することができ
る。

【００８２】第９の実施例 変化有無判別手段４での判別基準は、処理対象画像また
は画像列Ｓ′の全画素または全小領域において均一であ
る必要はなく、操作者の希望する検出性能に合わせて変
更することができる。

【００８３】つまり、微小な変化も正しく検出したいよ
うな画像領域では判別基準値を小さく、これに対してあ
まり検出しないようにしたい領域では判別基準値を大き
くというように、画像中の領域毎に判別基準値を様々な
値に設定できる。

【００８４】

【発明の効果】本発明の画像変化検出装置によれば、例
えばＴＶカメラ等の撮像装置を用いて侵入者を発見しよ
うという画像監視装置等のような映像中の移動物体を検
出する場合において、その映像の撮影された環境で様々
な変化があり、それが照明条件の変化だけでなく、検出
対象の移動物体と紛らわしい定常的に変化する物体があ
る場合においても、これらの環境変化を検出目的の移動
物体と誤って検出するといった誤検出を無くすことがで
きる等の効果がある。

【図面の簡単な説明】

【図１】本発明の第１の実施例を示す概略構成図であ
る。

【図２】確率算出処理における処理の流れを示す説明図
である。

【図３】確率算出処理のフローチャートである。

【図４】変化判別処理における処理の流れを示す説明図
である。

【図５】変化判別処理のフローチャートである。

【図６】画像列Ｓを示す説明図である。

【図７】画像列Ｓ中の領域Ｒxy及びＵxyを示す説明図で
ある。

【図８】特徴ベクトルがスカラー量である場合の確率分
布ｐxyを示す説明図である。

【図９】変化検出を行った結果を示す画像図である。 （ａ）原画像図である。 （ｂ）従来方法で処理した画像図である。 （ｃ）本装置で処理した画像図である。

【図１０】特徴ベクトルが２次元ベクトルである場合の
確率分布ｐxyの例を示す説明図である。

【符号の説明】

１ 特徴抽出手段 ２ 確率分布算出手段 ３ 変化確率算出手段 ４ 変化有無判別手段 １１ 画像列提供手段 １２ 結果表示手段

フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06T 1/00 280 H04N 7/18 G06T 7/20 200 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (10)

(57)【特許請求の範囲】
1. 【請求項１】静止状態及び定常的変化状態より構成され
   る時間的画像列の領域毎の基準特徴ベクトルを算出する
   と共に、測定対象画像の領域毎の測定対象特徴ベクトル
   を算出する特徴抽出手段と、 この特徴抽出手段より算出された領域毎の基準特徴ベク
   トルの生起確率分布を求める確率分布算出手段と、 前記特徴抽出手段より算出された測定対象特徴ベクトル
   と、前記確率分布算出手段より求められた生起確率分布
   から前記測定対象画像の非定常的変化有という事象の確
   率値を算出する変化確率算出手段と、 この変化確率算出手段により算出された変化有という事
   象の確率値から前記測定対象画像の非定常的変化の有無
   を判別する変化有無判別手段とを具備したことを特徴と
   する画像変化検出装置。
2. 【請求項２】前記特徴抽出手段において算出される基準
   特徴ベクトル及び測定対象特徴ベクトルが、 各画素での輝度値のみの要素よりなる１次元ベクトルで
   あることを特徴とする請求項１記載の画像変化検出装
   置。
3. 【請求項３】前記特徴抽出手段において算出される基準
   特徴ベクトル及び測定対象特徴ベクトルの要素が、 各画素でのＲＧＢ、ＨＳＩの任意の表色系の要素値から
   なる１次元以上のベクトル、これらから算出される値の
   少なくとも一部の組合せからなる１次元以上のベクトル
   であることを特徴とする請求項１記載の画像変化検出装
   置。
4. 【請求項４】前記特徴抽出手段は、 前記基準特徴ベクトル及び測定対象特徴ベクトルの要素
   を算出し、 さらにこれら基準特徴ベクトル及び測定対象特徴ベクト
   ルの要素の空間的な微分演算の結果、空間的な積分演算
   の結果、時間的な微分演算の結果、または時間的な積分
   演算の結果の少なくとも１つを、新たに基準特徴ベクト
   ル及び測定対象特徴ベクトルの要素として用いることを
   特徴とする請求項２、または請求項３記載の画像変化検
   出装置。
5. 【請求項５】前記特徴抽出手段は、 画像中の領域内が予め設定され、前記基準特徴ベクトル
   及び測定対象特徴ベクトルの要素の前記領域中での統計
   量を用いることを特徴とする請求項２または請求項３記
   載の画像変化検出装置。
6. 【請求項６】前記確率分布算出手段は、 前記基準特徴ベクトルの生起確率分布を、前記時間的画
   像列の時空間領域での基準特徴ベクトルの度数分布を全
   累積度数で割って求めることを特徴とする請求項１記載
   の画像変化検出装置。
7. 【請求項７】前記変化確率算出手段は、 前記確率分布算出手段において求められた基準特徴ベク
   トルの生起確率分布と、前記特徴抽出手段より算出され
   た測定対象特徴ベクトルとから、特定の画素または画像
   中の領域で変化有という事象の事後確率を算出し、この
   事後確率を前記測定対象画像の非定常的変化の有無の確
   率値とすることを特徴とする請求項１記載の画像変化検
   出装置。
8. 【請求項８】前記変化確率算出手段は、 変化有という事象のもとでの測定対象特徴ベクトルの確
   率分布を、予め取り出した変化があるとされている時空
   間領域での特徴ベクトルの度数分布から統計的確率とし
   て求め、この統計的確率から事後確率を算出することを
   特徴とする請求項７記載の画像変化検出装置。
9. 【請求項９】前記変化有無判別手段は、 変化有の事象の確率が判別基準値より大きい場合に変化
   有と判別することを特徴とする請求項１記載の画像変化
   検出装置。
10. 【請求項１０】前記変化有無判別手段は、 判別誤りによる損失を仮定して判別基準値を決定し、判
    別基準値が０〜１の間の任意の実数値であることを特徴
    とする請求項９記載の画像変化検出装置。