JP3614256B2 - 監視用画像処理装置 - Google Patents
監視用画像処理装置 Download PDFInfo
- Publication number
- JP3614256B2 JP3614256B2 JP26068996A JP26068996A JP3614256B2 JP 3614256 B2 JP3614256 B2 JP 3614256B2 JP 26068996 A JP26068996 A JP 26068996A JP 26068996 A JP26068996 A JP 26068996A JP 3614256 B2 JP3614256 B2 JP 3614256B2
- Authority
- JP
- Japan
- Prior art keywords
- comb
- mask
- area
- change
- person
- 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
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Burglar Alarm Systems (AREA)
- Image Processing (AREA)
Description
【発明の属する技術分野】
この発明は、例えば無人の電気所などを遠隔監視するためにセンターに設置された監視用画像処理装置に関するものである。
【0002】
【従来の技術】
従来の監視用画像処理装置の構成について図38を参照しながら説明する。図38は、従来の監視用画像処理装置の構成を示すブロック図である。
【0003】
図38において、1は本監視用画像処理装置に処理される映像を受けるビデオ入力部、2はビデオ入力部1から入る映像を量子化するA/D変換部、3はA/D変換部2からの出力を受け現在の映像データを用意する現画像データ演算蓄積部、4はA/D変換部2からの出力を受け相応の演算を行い、比較用データを作成する比較用データ演算蓄積部、5は現画像データ演算蓄積部3と比較用データ演算蓄積部4のデータを比較演算して、そこより画像内の移動物・変化物(以降、変化領域と呼称する)を抽出する変化領域抽出部である。一般には、ここに2値化処理部が内蔵され、出力は2値データに変換されている。また、6は変化領域抽出部5の出力を受け、変化領域の特徴を各種演算・判断処理(以降、認識処理と呼称する)を行う認識処理部、7は認識処理部6からの指示を受け、発報対象(例:人物、車)の変化領域を発見した際にそれを知らせる(以降、発報と呼称する)発報処理部である。
【0004】
次に、動作について代表的な例を説明する。図38に於いて、外部から装置に与えられた映像信号(ビデオ信号)はビデオ入力部1で受け取り、A/D変換部2に送られる。このA/D変換部2では受け取ったビデオ信号を後の処理の為にデジタルデータに変換する。1画素あたり8ビットの多値データに変換するのが一般的である。現画像データ演算蓄積部3では、入力されたデータを元に「現画像データ」を用意し、後の処理に備える。入力されたデータそのものを出力する場合が多い。一方、比較用データ演算蓄積部4では、入力されたデータを元に「比較用画像データ」を用意し、後の処理に備える。これは定期的にサンプリングされた現画像データや、直前のフレームの映像である場合が多い。
【0005】
変化領域抽出部5は、現画像データ演算蓄積部3及び比較用データ演算蓄積部4の出力を比較し、異なる部分を見つけ、その部分を変化領域として出力する。変化領域は一般的には映像中の移動物が主であるがまれに光の反射等の輝度変化も拾う。
【0006】
図40を例に変化領域について説明する。図40は通常の正門の映像である。今、人物が画像内を移動している。この場合、移動している人物の位置がそのまま変化領域となる。図41が、その変化領域を黒く染めたスーパーインポーズを重複させて示した映像である。
【0007】
認識処理部6は、変化領域抽出部5からの変化領域データを受け、その変化領域が目的のもの(例えば、一般には人物や車両が該当する。以降、発報対象と呼称する)であるか否かの判断を行う。ここでは、以下の条件を見る。
【0008】
・そこに一定時間変化領域があるか。
・所定の面積か。
・所定の縦横寸法か。
・所定の移動速度か。
【0009】
もし、ここで以上の条件が合致すれば、その変化領域が仮に発報対象でなくても、装置は発報する。このような、非発報対象による発報を、以降、不要検知と呼称する。発報処理部7は、認識処理部6からの指示を受け、発報処理を行う。通常は上位にあるPC等に特定の信号を送ったり、装置のブサーを鳴らしたりという処理である。なお、認識処理部6及び発報処理部7はS/Wにて処理されるのが一般的である。
【0010】
次に、認識処理部6で行われる認識のフローについて代表的例を説明する。変化領域抽出部5から渡された変化領域毎に、認識処理部6では図39に示された様なフローにて判定処理を行う(一般論)。先ず、変化領域は、良質の画像を与えられている場合に於いては、図41の様なクリアな物となるが、劣悪な画像を処理した場合はその限りではない。
【0011】
図42には、その様な画像を処理した結果の変化領域である。外接四角形を併記した。見て判るとおり、3つの変化領域に分断されている。これをそのまま処理すると、おのおのは「人物」同等の「面積」や「縦横寸法」を持たない。従って、3つとも「人物」とは判断されないこととなる。
【0012】
そこで、一般には、ステップ10において、「領域統合」という処理を行い、この分断された変化領域を統合する。領域統合には様々なルールがあるが、ここでは簡単に以下のルールを採用するものとする。ただし、これは1例である。「外接四角形Aの2倍の範囲に別な外接四角形Bがあり、かつ外接四角形Bの2倍の範囲に元の外接四角形Aがあれば、A・Bは統合する。」
【0013】
このルールに従い図42を統合した結果が図43である。変化領域は3つに分断されているが、外接四角形は統合されている。この統合処理後は、外接四角形内の3つの変化領域は「1つの変化領域」として判断処理される。
【0014】
ステップ11〜14に示された条件分岐は「統合後の変化領域」が発報対象であるか否かを判断する条件を照合する部分である。ここで例に示したのは以下の4条件である。
【0015】
・変化領域が一定時間そこにあるか。
・変化領域が所定の面積か。
・変化領域が所定縦横寸法か。
・変化領域が所定速度か。
【0016】
それぞれの条件設定は装置の可動に先立ち別途行っていたものとして、ここでは条件照合について実施する。「面積、縦横寸法、移動速度」は、あらかじめ定められていた発報条件に対し、この「統合後の変化領域」のそれが合致しているかを見る。「一定時間そこにあるか」は、連続何シーンか画像に写った物のみを、認識対象にするという意味である。即ち、瞬間に現れた物でも発報対象と見るのではなく、連続で複数シーン映像としてとらえないと認識対象としない。一般には、4シーン程度の短い時間が条件となる。従って、発報対象はその条件に通常問題なく合致する。ただし、その場合、「面積」、「縦横寸法」、「速度」が必然的にそれら複数シーンで観測された値の平均値を参照されることとなる。
【0017】
以上の条件に合致した変化領域は、ステップ15において、発報対象とみなす。発報対象が発見されたことは、次プロセスである、発報処理部7へ伝えられる。条件に合致しない場合は、発報対象は無かったと見なす。この場合は次プロセスにはなにも報告されない。
【0018】
【発明が解決しようとする課題】
従来の監視用画像処理装置は、以上のような構造になっている為、変化領域抽出部5が抽出した変化領域が仮に非発報対象によるものであっても、ステップ11〜14の条件に合致すると発報してしまう。特に、屋外において監視業務を行う際は、木々の揺れや、水たまりの水紋等により発生させられるケースが多い。
【0019】
従来技術では、この対処法に「危険個所のマスク」を行う手法があった。マスクとは映像の一部を不可視化させて、そこになにも写らない、もしくは写っていても固定画像である様に電気的もしくは機構的もしくはソフト的に隠蔽する手法である。電気的に定型パターンを張り付けるのが一般的である。ここで言う「危険個所のマスク」は、不要検知を発生させる危険のある範囲を、すべてそのマスクで覆ってしまう手法である。
【0020】
しかし、その手法では、マスクで覆った範囲が広域にわたり、その影に「人物」の様な正規の発報対象物がいても、併せて覆い隠してしまう危険も併せ持っていた。このような場合は、逆に正規発報対象に対して発報できない事態を発生させる。このような事態を以降、不検知と呼称する。
【0021】
図44〜図46を例に取り具体的に説明する。図44と図45は時間的に連続した映像である。図44では、足下の水たまりは平穏だが、次の瞬間の図45ではそこに水紋が映っている。この場合、装置から見て「水紋」は変化領域である。装置はこの水紋を発見したと同時に変化領域の認識処理を開始する。この場合、仮にステップ11〜14の条件にこの水紋による変化領域の諸条件が合致すれば、それは発報対象と誤って判断される。仮に領域統合にて水紋が統合されていれば、より誤って判断されやすくなる。その結果を受け発報処理部7にて発報処理が行われる。
【0022】
図46は、その「水紋」を隠すために、水紋が現れる危険のある範囲である「水たまり」全体を「危険個所のマスク」である大きなマスクで隠した例である。しかし、この図でも判る通り、その範囲は広範囲であり、人物がその影に隠れる可能性もある。そのような場合は、認識処理の判定条件の1つである「一定時間変化領域があるか」を守れなくなり、結果として人物を発見できなくなる「不検知」を発生させる危険も伴う。マスクとは、常にこのように、不要検知を防ぐために大きくすればするほど、不検知の危険を増大させてしまうという問題点があった。
【0023】
この発明は、前述した問題点を解決するためになされたもので、このような街路樹の葉の揺れ(非発報対象)や、水たまりの水紋(非発報対象)のような、「ある特定の場所範囲に不定期に現れる比較的小さな変化領域」に対し、場所範囲を完全に覆うマスクを用いず、櫛形マスクをかけ、それにより上記の様な非発報対象の変化領域による不要検知を減少させつつ、不用意に不検知を増大させない機能を提供することができる監視用画像処理装置を得ることを目的とする。
【0024】
【課題を解決するための手段】
この発明に係る監視用画像処理装置は、所定の範囲の監視用画像のうち、不要検知を発生させる危険のある範囲に対しては櫛形マスクを用い、現画像データと比較用画像データとの比較演算に基づき、前記櫛形マスクに隠れなかった部分を含む前記所定の範囲の監視用画像内の変化領域を抽出する変化領域抽出手段と、前記抽出した複数の変化領域の外接四角形について、「第1の外接四角形の2倍の範囲に第2の外接四角形があり、かつ前記第2の外接四角形の2倍の範囲に前記第1の外接四角形があれば、前記第1及び第2の外接四角形は統合する」というルールに従い統合し前記統合した外接四角形が連続した所定の数のシーンにあり、所定の面積、所定の縦横寸法、かつ所定の速度をもっている場合は発報対象として認識する認識処理手段とを備えたものである。
【0025】
また、この発明に係る監視用画像処理装置は、さらに、入力映像を量子化するA/D変換手段と、前記A/D変換手段の出力から前記現画像データを用意する現画像データ演算蓄積手段と、前記A/D変換手段の出力から前記比較用画像データを作成する比較用データ演算蓄積手段と、前記統合した外接四角形を発報対象として認識したときにはその旨を知らせる発報処理手段とを備えたものである。
【0026】
また、この発明に係る監視用画像処理装置は、前記櫛形マスクを、歯の部分の幅が歯と歯の隙間より薄いものとしたものである。
【0027】
また、この発明に係る監視用画像処理装置は、前記櫛形マスクを、歯の部分の幅が歯と歯の隙間より厚くかつ歯と直角にスリットが通っているものとしたものである。
【0028】
また、この発明に係る監視用画像処理装置は、前記櫛形マスクを、歯の部分の幅が歯と歯の隙間より厚くかつ歯に傾斜をもたせたものとしたものである。
【0029】
また、この発明に係る監視用画像処理装置は、前記櫛形マスクを、歯の部分の幅が歯と歯の隙間より厚いものとしたものである。
【0030】
さらに、この発明に係る監視用画像処理装置は、前記櫛形マスクを、画像の奥行に応じて歯の部分の幅と歯と歯の隙間を変えたものとしたものである。
【0031】
【発明の実施の形態】
実施の形態1.
この発明の実施の形態1の構成について図1を参照しながら説明する。図1は、この発明の実施の形態1の構成を示すブロック図である。なお、各図中、同一符号は同一又は相当部分を示す。
【0032】
図1において、1は本監視用画像処理装置に処理される映像を受けるビデオ入力部、2はビデオ入力部1から入る映像を量子化するA/D変換部、3はA/D変換部2からの出力を受け現在の映像データを用意する現画像データ演算蓄積部、4はA/D変換部2からの出力を受け相応の演算を行い、比較用データを作成する比較用データ演算蓄積部、5Aは現画像データ演算蓄積部3と比較用データ演算蓄積部4のデータを比較演算して、そこより画像内の変化領域を抽出する変化領域抽出部である。一般には、ここに2値化処理部が内蔵され、出力は2値データに変換されている。また、6は変化領域抽出部5Aの出力を受け、変化領域の認識処理を行う認識処理部、7は認識処理部6からの指示を受け、発報対象(例:人物、車)の変化領域を発見した際に発報する発報処理部である。
【0033】
次に、動作について代表的な例を説明する。図2に於いては、従来例と同様のため説明を省略する。ここでは、本実施の形態1による方式が、どのように作用するかを説明する。
【0034】
今、図3の画像に置いて、正規発報対象である「人物」と、非発報対象である「水紋」が、それぞれ発生した場合を考える。また、仮に双方とも、図2の認識処理における各種条件は満足しており、単独でそれぞれ発報されるものとする。以降の説明を簡単にするために、人物の変化領域の面積は500、水紋の変化領域の面積は300とし、図2の認識処理における面積条件は「200〜600」であったと仮定する。また、「一定時間そこにあるか」の条件は「4フレーム時間そこにあるか」と定義されているものとする。また、装置は、変化領域を発見した場合、外接四角形を表示し、それを知らせるものとする。
【0035】
図3は映像内に「水たまり」と「人物」が写っている。本装置が発報対象とするのは「人物」である。従って、人物で発報するのは「正常発報」、人物以外で発報するのは「不要検知」である。ここでは、先の仮定で定めた通り、「人物」の面積・縦横寸法・速度が所定範囲内であるため、発報対象と判断され、発報に至る。これは正常発報である。
【0036】
図4は、水たまりに「水紋」の発生した画像である。装置はこれを変化物として判断している。図中に外接四角形を表示している部分が、装置が変化領域と判断している部分である。ここでは、先の仮定で定めた通り、「水紋」の面積・縦横寸法・速度が所定範囲内であり、発報対象と判断され、発報に至る。これは不要検知である。
【0037】
図5は、従来手法による「マスク」を画像にかけた映像である。本来、水紋は水たまりのいかなる場所へも発生しうる。従って、この発生の予測される「場所範囲」は水たまり全体である。ここではマスクを水たまり全体にかける。その場合、水紋は以降、絶対画面に現れなくなるため、水紋による不要検知は発生しなくなる。
【0038】
しかし、この後、人物がマスクの影に移動していき、同様に画面に現れなくなった場合を考える。仮に人物がマスクの影に3フレーム目に隠れると、その瞬間から「一定時間そこにあるか」の条件「4フレーム時間そこにあるか」が成立しなくなり、発報対象でなくなる。従って、この場合、この人物に対して正規の発報処理が行われなくなる。不検知の発生である。これが従来のマスク「危険個所のマスク」の欠点である。
【0039】
図6は、本実施の形態1による横向きの「櫛形マスク」を画像にかけた映像である。では、この櫛形マスクの効果を説明する。櫛形マスクでは、「水紋」も「人物」も、部分的にしか隠れない。しかし、櫛形マスクの場合は、方向性が加わり、よりマスクがかかる方向と、そうでない方向に分かれる。変化領域が縦型である「人物」に関しては、横向きの櫛形マスクで隠蔽される面積は比較的小さいものとなる。形状的に双方が重なりにくい為である。しかし、逆に変化領域が横型である「水紋」に対しては、横向きの櫛形マスクに比較的重なりやすくなり、隠蔽される面積が相対的に増える。形状的に双方が重なり易い為である。この結果、その後の認識処理における領域統合の結果に差が出る。尚、ここでは、横向きの「櫛形マスク」が有効な例を説明したが、変化領域が縦型である例えば「車両」の場合は縦向きの櫛形マスクの方が隠蔽される面積が比較的小さくなり、効果は高い。従って、櫛形マスクは、縦向きも、横向きも、そして後述する斜め方向でもそれぞれ有効なケースがあり、有効な効果を奏する。
【0040】
今、図7の水紋のモデルを使用して説明する。図7は、水紋に横向きの櫛形マスクを設定したモデルである。櫛形マスクの幅W1は、隙間W2より薄く(W1<W2)なっている。
【0041】
この後、変化領域として抽出される範囲をモデル化したのが、図8である。ここでは、櫛形マスクに隠れなかった部分が、変化領域AW1、AW2、AW3として抽出されている。全部で3つの変化領域が存在する。領域統合処理でこの3つの変化領域が統合されるか否かを検討する。変化領域AW1、AW2、AW3それぞれの外接四角形を見てみる。「外接四角形Aの2倍の範囲に別な外接四角形Bがあり、かつ外接四角形Bの2倍の範囲に元の外接四角形Aがあれば、A・Bは統合する」のが領域統合のルールと定めていたが、このルールに従うと変化領域AW1、AW2、AW3は領域統合できない。すなわち、AW1とAW3の外接四角形を2倍にしてもAW2の外接四角形に届かない。
【0042】
結果としてこの水紋は、櫛形マスクにより、横長の変化領域3つに分断され、領域統合もされずに後の認識処理に持ち込まれることとなる。
【0043】
では、人物に関しても、同様にその効果を考察する。図9は、人物に横向きの櫛形マスクを設定したモデルである。櫛形マスクの幅W1は、隙間W2より薄く(W1<W2)なっている。
【0044】
この後、変化領域として抽出される範囲をモデル化したのが、図10である。ここでは、櫛形マスクに隠れなかった部分が、変化領域AP1〜AP9として抽出されている。全部で9つの変化領域が存在する。領域統合処理でこの9つの変化領域が統合されるか否かを検討する。AP1〜AP9それぞれの外接四角形を見てみる。「外接四角形Aの2倍の範囲に別な外接四角形Bがあり、かつ外接四角形Bの2倍の範囲に元の外接四角形Aがあれば、A・Bは統合する」のが領域統合のルールと定めていたが、このルールに従うとAP1〜AP9は領域統合される。
【0045】
結果としてこの人物は、櫛形マスクにより、横長の変化領域9つに分断されたが、領域統合にて再度統合され、縦長の外接四角形AP10に示される形状になって、この後の認識処理に持ち込まれることとなる。
【0046】
では、「人物」の認識処理に関して、確認する。通常、人物の変化領域の面積は500であるから、仮に4シーンのうち2シーンがマスクにかかっていたとしても、せいぜい変化領域の半分が隠蔽されているだけである。平均の面積は、下記の計算式のようになり、まだ、面積条件「200〜600」を満足する。従って、「人物」は発報される。
【0047】
(500+250+250+500)/4=375
【0048】
では、同様に「水紋」の認識処理の確認をする。通常、水紋の変化領域の面積は300である。水たまりから外には出られない為、「人物」と異なり、4シーンのうち4シーンともマスクに部分的にかかる。また、水紋は櫛形マスクのため3つの変化領域に分断されている。これらは領域統合で統合されなかったため、最大の面積を持つ変化領域でも、たかだか面積は100である。平均の面積は、下記の計算式のようになり、面積条件「200〜600」を満足できない。従って、「水紋」は発報されない。
【0049】
(100+100+100+100)/4=100
【0050】
これは、「水紋」は、「人物」に比較し「ある特定の場所範囲に不定期にあらわれる」という性質を持つ点と、「水紋」は、「人物」に比較し「比較的小さな変化領域である」という性質を持つ点と、「水紋」は、「人物」に比較し横向き櫛形マスクで分断されやすい形状を持つ点から、可能な処理である。以上の通り、本処理により、「人物」の発報を阻害せず、「水紋」の不要検知を防止できた。
【0051】
以上のように本実施の形態1によれば、「人物」の様な正規の発報対象に対する発報能力を阻害せず、「街路樹の揺れ」や「水紋」の様な「あり特定の場所範囲に不定期に現れる比較的小さな変化領域」に関する不要検知を削減する機能を実現できる。
【0052】
実施の形態2.
この発明の実施の形態2の構成について図11を参照しながら説明する。図11は、この発明の実施の形態2の構成を示すブロック図である。
【0053】
図11において、1は本監視用画像処理装置に処理される映像を受けるビデオ入力部、2はビデオ入力部1から入る映像を量子化するA/D変換部、3はA/D変換部2からの出力を受け現在の映像データを用意する現画像データ演算蓄積部、4はA/D変換部2からの出力を受け相応の演算を行い、比較用データを作成する比較用データ演算蓄積部、5Bは現画像データ演算蓄積部3と比較用データ演算蓄積部4のデータを比較演算して、そこより画像内の変化領域を抽出する変化領域抽出部である。一般には、ここに2値化処理部が内蔵され、出力は2値データに変換されている。また、6は変化領域抽出部5Bの出力を受け、変化領域の認識処理を行う認識処理部、7は認識処理部6からの指示を受け、発報対象(例:人物、車)の変化領域を発見した際に発報する発報処理部である。
【0054】
次に、動作について代表的な例を説明する。ここでは、本実施の形態2による方式が、どのように作用するかを説明する。図12〜図14に於いては、上記実施の形態1と同様のため説明を省略する。
【0055】
図15は、本実施の形態2による横向きの「櫛形マスク」と「スリット」を画像にかけた映像である。
【0056】
では、この櫛形マスクの効果を説明する。実施の形態1では、櫛形マスクはその歯の部分の幅W1は、歯と歯の隙間W2より薄く(W1<W2)なっていた。そのため、条件によってはたとえ非発報対象物であっても「領域統合」により櫛形マスクを跨いで変化領域が統合されてしまうケースもあった。しかし、本実施の形態2に関わる櫛形マスクはその逆である。歯の部分の幅W3は、歯と歯の隙間W4より厚い(W3>W4)。
【0057】
この場合、先に示した領域統合のルールに従うと、いかなる状態でも櫛の歯を越えては統合できない。「水紋」や「街路樹の葉の揺れ」等の非発報対象に対しては、確実に発報を防ぐ。しかし、実は発報対象にも不検知を発生させてしまう。これを補うために、櫛の歯と垂直方向にスリットを設ける。この効果と理論を以下説明する。
【0058】
今、図16の木の葉のモデルを使用して説明する。ただし、正規発報対象である「人物」と、非発報対象である「木の葉」は、双方とも、図2の認識処理における各種条件は満足しており、単独でそれぞれ発報されるものとする。以降の説明を簡単にするために、人物の変化領域の面積は500、木の葉の変化領域の面積は300とし、図2の認識処理における面積条件は「200〜600」であったと仮定する。また、「一定時間そこにあるか」の条件は「4フレーム時間そこにあるか」と定義されているものとする。また、装置は、変化領域を発見した場合、外接四角形を表示し、それを知らせるものとする。
【0059】
図16は、木の葉に横向きの櫛形マスクを設定したモデルである。櫛形マスクの幅W3は、隙間W4より厚く(W3>W4)なっている。ただし、櫛の歯と直角にスリットが1本通っている。
【0060】
この後、変化領域として抽出される範囲をモデル化したのが、図17である。ここでは櫛形マスクに隠れなかった部分が、変化領域BL1〜BL9として抽出されている。全部で9つの変化領域が存在する。領域統合処理でこの9つの変化領域が統合されるか否かを検討する。BL1〜BL9それぞれの外接四角形を見てみる。「外接四角形Aの2倍の範囲に別な外接四角形Bがあり、かつ外接四角形Bの2倍の範囲に元の外接四角形Aがあれば、A・Bは統合する」のが領域統合のルールと定めていたが、このルールに従うとBL1〜BL9は領域統合できない。
【0061】
これには櫛形マスクの幅W3が、隙間W4より厚い(W3>W4)ことが大きく関与している。普通に櫛の歯で分断された変化領域は、そのため再度統合はされない。結果としてこの木の葉は、櫛形マスクにより、横長の変化領域9つに分断され、領域統合もされずに後の認識処理に持ち込まれることとなる。
【0062】
では、人物に関しても、同様にその効果を考察する。図18は、人物に同様の横向きの櫛形マスクを設定したモデルである。櫛形マスクの幅W3は、隙間W4より厚く(W3>W4)なっている。同様に、櫛の歯と直角にスリットが1本通っている。
【0063】
この後、変化領域として抽出される範囲をモデル化したのが、図19である。ここでは櫛形マスクに隠れなかった部分が、変化領域として抽出されている。しかし、変化領域は1つである。櫛形マスクで分断されるはずが、櫛の歯と垂直には行ったスリットを経由して分断を免れていた為である。結果としてこの人物は、櫛形マスクにより分断されることなく、この後の認識処理に持ち込まれることとなる。
【0064】
では、「人物」の認識処理に関して、確認する。通常、人物の変化領域の面積は500であるから、仮に4シーンのうち2シーンがマスクにかかっていたとしても、せいぜい変化領域の半分が隠蔽されているだけである。平均の面積は、下記の計算式のようになり、まだ、面積条件「200〜600」を満足する。従って、「人物」は発報される。
【0065】
(500+250+250+500)/4=375
【0066】
では、同様に「木の葉」の認識処理の確認をする。通常、木の葉の変化領域の面積は300である。木の葉は木のある範囲から出られない為、「人物」と異なり、4シーンのうち4シーンともマスクに部分的にかかる。また、木の葉は櫛形マスクのため9つの変化領域に分断されている。これらは領域統合で統合されなかったため、最大の面積を持つ変化領域でも、たかだか面積は50である。平均の面積は、下記の計算式のようになり、面積条件「200〜600」を満足できない。従って、「木の葉」は発報されない。
【0067】
(50+50+50+50)/4=50
【0068】
これは、「木の葉」は、「人物」に比較し「ある特定の場所範囲に不定期にあらわれる」という性質を持つ点と、「木の葉」は、「人物」に比較し「比較的小さな変化領域である」という性質を持つ点と、「木の葉」は、「人物」に比較し「スリット」を経由して分断を免れる様な大きな変化領域を元々持っていない点に、大きく依存している。以上の通り、本処理により、「人物」の発報を阻害せず、上記実施の形態1以上に精度良く「木の葉」等の非発報対象による不要検知を防止できた。
【0069】
以上のように本実施の形態2によれば、「人物」の様な正規の発報対象に対する発報能力を阻害せず、「街路樹の揺れ」や「水紋」の様な「あり特定の場所範囲に不定期に現れる比較的小さな変化領域」に関する不要検知を実施の形態1で述べた効果以上に削減する機能を実現できる。
【0070】
実施の形態3.
この発明の実施の形態3の構成について図20を参照しながら説明する。図20は、この発明の実施の形態3の構成を示すブロック図である。
【0071】
図20において、1は本監視用画像処理装置に処理される映像を受けるビデオ入力部、2はビデオ入力部1から入る映像を量子化するA/D変換部、3はA/D変換部2からの出力を受け現在の映像データを用意する現画像データ演算蓄積部、4はA/D変換部2からの出力を受け相応の演算を行い、比較用データを作成する比較用データ演算蓄積部、5Cは現画像データ演算蓄積部3と比較用データ演算蓄積部4のデータを比較演算して、そこより画像内の変化領域を抽出する変化領域抽出部である。一般には、ここに2値化処理部が内蔵され、出力は2値データに変換されている。また、6は変化領域抽出部5Cの出力を受け、変化領域の認識処理を行う認識処理部、7は認識処理部6からの指示を受け、発報対象(例:人物、車)の変化領域を発見した際に発報する発報処理部である。
【0072】
次に、動作について代表的な例を説明する。ここでは、本実施の形態3による方式が、どのように作用するかを説明する。図21〜図23に於いては、上記実施の形態1と同様のため説明を省略する。
【0073】
図24は、本実施の形態3による横向きの「櫛形マスク」と「スリット」を画像にかけた映像である。
【0074】
では、この櫛形マスクの効果を説明する。上記実施の形態1では、櫛形マスクはその歯の部分の幅W1は、歯と歯の隙間W2より薄く(W1<W2)なっていた。そのため、条件によってはたとえ非発報対象物であっても「領域統合」により櫛形マスクを跨いで変化領域が統合されてしまうケースもあった。
【0075】
しかし、本実施の形態3に関わる櫛形マスクはその逆である。歯の部分の幅W3は、歯と歯の隙間W4より厚い(W3>W4)。そのかわり、この櫛形マスクは実施の形態1と異なり、一定の傾斜を持っている。
【0076】
この傾斜がない場合は、実施の形態2の櫛形マスクと同様に、スリットでも用意しない限り先に示した領域統合のルールに従うと、いかなる状態でも櫛の歯を越えては統合できない。この場合、「水紋」や「街路樹の葉の揺れ」等の非発報対象に対しては、確実に発報を防ぐ。しかし、実は発報対象にも不検知を発生させてしまう。これを補うために、櫛の歯に傾斜を設ける。この効果と理論を以下説明する。
【0077】
今、図25の木の葉のモデルを使用して説明する。ただし、正規発報対象である「人物」と、非発報対象である「木の葉」は、双方とも、図2の認識処理における各種条件は満足しており、単独でそれぞれ発報されるものとする。以降の説明を簡単にするために、人物の変化領域の面積は500、木の葉の変化領域の面積は300とし、図2の認識処理における面積条件は「200〜600」であったと仮定する。また、「一定時間そこにあるか」の条件は「4フレーム時間そこにあるか」と定義されている物とする。また、装置は、変化領域を発見した場合、外接四角形を表示し、それを知らせるものとする。
【0078】
図25は、木の葉に横向きの櫛形マスクを設定したモデルである。櫛形マスクの幅W3は、隙間W4より厚く(W3>W4)なっている。ただし、櫛の歯には一定の傾斜が付いている。
【0079】
この後、変化領域として抽出される範囲をモデル化したのが、図26である。ここでは櫛形マスクに隠れなかった部分が、変化領域CL1〜CL8として抽出されている。全部で8つの変化領域が存在する。領域統合処理でこの8つの変化領域が統合されるか否かを検討する。CL1〜CL8それぞれの外接四角形を見てみる。「外接四角形Aの2倍の範囲に別な外接四角形Bがあり、かつ外接四角形Bの2倍の範囲に元の外接四角形Aがあれば、A・Bは統合する」のが領域統合のルールと定めていたが、このルールに従うとCL1〜CL8は全ては領域統合できない。CL1とCL2、CL7とCL8がかろうじて条件を満たし各個に統合されたのみである。統合後の外接四角形はCL9とCL10である。
【0080】
これには櫛形マスクの幅W3が、隙間W4より厚い(W3>W4)ことが大きく関与している。普通に櫛の歯で分断された変化領域は、そのため再度統合はされない。ただし、上記実施の形態2と異なり、一部の外接四角形は統合されている。これは櫛形マスクに傾斜があるためであるが、詳細は後述する。結果としてこの木の葉は、櫛形マスクにより、横長の変化領域8つに分断され、領域統合も一部しかされずに後の認識処理に持ち込まれることとなる。
【0081】
では、人物に関しても、同様にその効果を考察する。図27は、人物と同様の横向きの櫛形マスクを設定したモデルである。櫛形マスクの幅W3は、隙間W4より厚く(W3>W4)なっている。同様に、櫛の歯には一定の傾斜が付いている。
【0082】
この後、変化領域として抽出される範囲をモデル化したのが、図28である。ここでは櫛形マスクに隠れなかった部分が、変化領域として抽出されている。しかし、変化領域は1つである。櫛形マスクで分断されるはずが、櫛の歯の傾斜の影響により、各外接四角形が接近でき、統合条件を満たした為である。外接四角形はもともと画面に対して傾斜のない四角形である。櫛形マスクはこの場合傾斜を持つため、外接四角形は傾斜の分、櫛形マスクの上に飛び出す形となり、結果として隣の外接四角形に接近できる。この効果は、外接四角形の横幅(櫛形マスクの歯の向き方向)が長いほど顕著になる。木の葉にこの効果が見られ無かったのは、その横幅が小さかったためである。結果としてこの人物は、櫛形マスクにより分断されることなく、この後の認識処理に持ち込まれることとなる。
【0083】
では、「人物」の認識処理に関して、確認する。通常、人物の変化領域の面積は500であるから、仮に4シーンのうち2シーンがマスクにかかっていたとしても、せいぜい変化領域の半分が隠蔽されているだけである。平均の面積は、下記の計算式のようになり、まだ、面積条件「200〜600」を満足する。従って、「人物」は発報される。
【0084】
(500+250+250+500)/4=375
【0085】
では、同様に「木の葉」の認識処理の確認をする。通常、木の葉の変化領域の面積は300である。木の葉は木のある範囲から出られない為、「人物」と異なり、4シーンのうち4シーンともマスクに部分的にかかる。また、木の葉は櫛形マスクのため8つの変化領域に分断されている。これらは一部領域統合されたが、その最大面積を持つものでも、たかだか面積は100である。平均の面積は、下記の計算式のようになり、面積条件「200〜600」を満足できない。
従って「木の葉」は発報されない。
【0086】
(100+100+100+100)/4=100
【0087】
これは、「木の葉」は、「人物」に比較し「ある特定の場所範囲に不定期にあらわれる」という性質を持つ点と、「木の葉」は、「人物」に比較し「比較的小さな変化領域である」という性質を持つ点と、「木の葉」は、「人物」に比較し、櫛の歯の傾斜により外接四角形が櫛の歯の上に飛び出せる恩恵を受けられるほどの横幅を元々持っていない点に、大きく依存している。
【0088】
以上の通り、本処理により、「人物」の発報を阻害せず、上記実施の形態1以上に精度良く、かつ実施の形態2の様にスリットを用いることなく、「木の葉」等の非発報対象による不要検知を防止できた。
【0089】
以上のように本実施の形態3によれば、「人物」の様な正規の発報対象に対する発報能力を阻害せず、「街路樹の揺れ」や「水紋」の様な「あり特定の場所範囲に不定期に現れる比較的小さな変化領域」に関する不要検知を実施の形態1で述べた効果以上に削減する機能を実現できる。かつ、その為の櫛形マスクの作成が、実施の形態2よりも簡便に行える。
【0090】
実施の形態4.
この発明の実施の形態4の構成について図29を参照しながら説明する。図29は、この発明の実施の形態4の構成を示すブロック図である。
【0091】
図29において、1は本監視用画像処理装置に処理される映像を受けるビデオ入力部、2はビデオ入力部1から入る映像を量子化するA/D変換部、3はA/D変換部2からの出力を受け現在の映像データを用意する現画像データ演算蓄積部、4はA/D変換部2からの出力を受け相応の演算を行い、比較用データを作成する比較用データ演算蓄積部、5Dは現画像データ演算蓄積部3と比較用データ演算蓄積部4のデータを比較演算して、そこより画像内の変化領域を抽出する変化領域抽出部である。一般には、ここに2値化処理部が内蔵され、出力は2値データに変換されている。また、6は変化領域抽出部5Dの出力を受け、変化領域の認識処理を行う認識処理部、7は認識処理部6からの指示を受け、発報対象(例:人物、車)の変化領域を発見した際に発報する発報処理部である。
【0092】
次に、動作について代表的な例を説明する。ここでは、本実施の形態4による方式が、どのように作用するかを説明する。
【0093】
図30に於いて、画像左端から車両が出現している。車両は、本来であれば人物に比較し、「面積が大きく」、「外接四角形が横長」、「縦横比が横長」である特徴を持つため、人物と用意に区別でき、従って、車両が原因による不要検知は発生しない。図32がそのイメージである。
【0094】
しかし、図30では、車両が完全には映像内に写り込んでいない。そのため、図31の様な「人物」が写っている場合と、各種特徴が近似する。図には外接四角形を記載したが、それで判るとおり、「面積が大きく」、「外接四角形が横長」、「縦横比が横長」であるはずの車両の特徴がいっさい現れず、人物に非常に近似した特徴量を持つ物として映像に映っている。従って、多くの場合はここで人物と判断され不要検知されてしまう。
【0095】
図33は、本実施の形態4による横向きの「櫛形マスク」とを画像にかけた映像である。
【0096】
では、この櫛形マスクの効果を説明する。本実施の形態4に関わる櫛形マスクは歯の部分の幅W3は、歯と歯の隙間W4より厚い(W3>W4)。実施の形態2の櫛形マスクで、スリットのないもののイメージである。このマスクがない場合は、前述の通り車両の特徴は人物に近似するため不要検知を起こす。
【0097】
ここに櫛形マスクを追加すると、図34のイメージとなる。今、ここに車両が現れると、図のように櫛形マスクに阻まれ、車両全体をくるむ外接四角形が現れない。実施の形態2にあるように、歯の部分の幅W3は、歯と歯の隙間W4より厚い為、それを飛び越しては領域統合されないためである。従って、車両が櫛形マスクの陰にいる間は不要検知はおきない。この状況は、人物でも同様である。櫛形マスクの陰に人物が入る場合、車両同様、全体をくるむ外接四角形は現れず、人物を検知することができない。
【0098】
では、その状態から車両が移動して、更に画面内に写り込んできた場合を考える。図35は、車両が前進した状態である。ここでは車両の後方は相変わらず櫛形マスクの陰にあるが、車両前方はマスクから外れており、正確な形状の変化領域が切り出される。外接四角形は、車両前方がマスクに隠れていないため、そこを大きくくるむものとなるが、ここで注目すべきは、この外接四角形が車両後方にも及んでいる点である。車両後方は櫛形マスクで分断され、図34の様に領域統合されることはないはずであるが、ここでは車両前方を経由して、統合可能となる。従って、車両前方も、車両後方も、双方をくるむ外接四角形が現れる。
【0099】
この時点では、判るとおり、「面積が大きく」、「外接四角形が横長」、「縦横比が横長」である車両の特徴が現れ、人物とは確実に異なる物と判断できる。従って、ここで人物と判断され不要検知されることはない。
【0100】
言い換えれば、櫛形マスクの陰に車両がいる間は、櫛形マスクに変化領域が分断され正常な外接四角形が得られずに、検知されず、櫛形マスクの外に車両の一部もしくは全部が出た場合は、櫛形マスクの外の部分を経由し変化領域が領域統合され、車両に相応の外接四角形が得られ、やはり不要検知されず、結局どの時点でも不要検知は発生しない。
【0101】
では、同様に人物の場合を考える。櫛形マスクの陰にいる間は検知されないのは車両と同様である。櫛形マスクから出た場合に、領域統合されるのも車両と同様であるが、その際、現れる外接四角形は、本来の人物の外接四角形と同様であり、この時点で正常検知される。
【0102】
言い換えれば、櫛形マスクの陰に人物がいる間は、櫛形マスクに変化領域が分断され正常な外接四角形が得られずに、検知されず、櫛形マスクの外に人物の一部もしくは全部が出た場合は、櫛形マスクの外の部分を経由し変化領域が領域統合され、人物に相応の外接四角形が得られ、正常検知されることとなる。結局、櫛形マスクの外では正常検知される。これが車両との違いである。
【0103】
これは、「車両」は、「人物」に比較し本来全く異なる特徴を持っており、画面の中にきちんととらえれば本来、不要検知されないものであるためである。ここでは画面の中にきちんと捕らえられるようになるまでの中間時間を、櫛形マスクの分断により、わざと発報不可能な状態として、やり過ごすため、このような効果が得られている。
【0104】
以上の通り、本処理により、「人物」の発報を阻害せず、「車両」の様な物体が画面に現れきる前の中間状態で不要検知されるのを、精度良く防止できた。
【0105】
以上のように本実施の形態4によれば、監視エリアの縁から出てくる変化領域が、過渡的に発報対象に似てしまう現象を回避し、不要検知を減少させることを可能にした。
【0106】
実施の形態5.
この発明の実施の形態5の構成について図36を参照しながら説明する。図36は、この発明の実施の形態5の構成を示すブロック図である。
【0107】
図36において、1は本監視用画像処理装置に処理される映像を受けるビデオ入力部、2はビデオ入力部1から入る映像を量子化するA/D変換部、3はA/D変換部2からの出力を受け現在の映像データを用意する現画像データ演算蓄積部、4はA/D変換部2からの出力を受け相応の演算を行い、比較用データを作成する比較用データ演算蓄積部、5Eは現画像データ演算蓄積部3と比較用データ演算蓄積部4のデータを比較演算して、そこより画像内の変化領域を抽出する変化領域抽出部である。一般には、ここに2値化処理部が内蔵され、出力は2値データに変換されている。また、6は変化領域抽出部5Eの出力を受け、変化領域の認識処理を行う認識処理部、7は認識処理部6からの指示を受け、発報対象(例:人物、車)の変化領域を発見した際に発報する発報処理部である。
【0108】
次に、動作について代表的な例を説明する。ここでは、本実施の形態5による方式が、どのように作用するかを説明する。
【0109】
図37に於いて、画像はかなり奥手方向から手前方向まで幅広い範囲を写している。このように、奥行きのある画像の場合は、上記実施の形態1〜4にかかわる櫛形マスクがそのままでは効果が十分に得られない場合がある。
【0110】
たとえば、奥手方向にあわせて櫛形マスクのピッチを小さく設定した場合を考える。奥手方向は、不要検知する非発報対象が小さく写っているため、必然的に櫛形マスクのピッチは小さくせざるを得ない。しかし、手前方向を注目すると、相対的に同様の非対発報対象物は大きく写る。小さいピッチのまま、大きな非発報対象を覆っても、櫛形マスクの本来の効果は得られない。
【0111】
例えば、実施の形態3では、非発報対象の横幅が、発報対象の人物の横幅に比較し小さいことを前提に櫛形マスクで不要検知を防いでいる。しかし、ここで、画面手前の非発報対象が大きく写つる為、その前提が崩れてしまう。画像によっては、奥手の発報対象より、手前の非発報対象の方が大きい面積を有するケースも出てくる。本櫛形マスクはこのような奥行きのある画像に対し、櫛形マスクの効果を維持するものである。
【0112】
画面の奥方向はピッチを小さくし、手前方向は逆にピッチを大きくすることにより、相対的に非発報対象と櫛形マスクの寸法的関係を一定に保つ。この結果、前述のような問題は発生しなくなる。これは、奥行きのある画面にあわせて、奥手と手前の寸法差をはかり、その結果にあわせて櫛形マスクのピッチを適宜変化させていくことにより、実現する。以上の通り、本処理により、実施の形態1〜4の効果が、奥行きのある画像に対しても有効に働き得る様になる。
【0113】
以上のように本実施の形態5によれば、実施の形態1、2、3、及び4の監視用画像処理装置に於いて、同様の効果を得るながら、画面内映像におけるマスクによる影響の「遠近補正」を実施することを可能にした。
【0114】
【発明の効果】
この発明に係る監視用画像処理装置は、以上説明したとおり、所定の範囲の監視用画像のうち、不要検知を発生させる危険のある範囲に対しては櫛形マスクを用い、現画像データと比較用画像データとの比較演算に基づき、前記櫛形マスクに隠れなかった部分を含む前記所定の範囲の監視用画像内の変化領域を抽出する変化領域抽出手段と、前記抽出した複数の変化領域の外接四角形について、「第1の外接四角形の2倍の範囲に第2の外接四角形があり、かつ前記第2の外接四角形の2倍の範囲に前記第1の外接四角形があれば、前記第1及び第2の外接四角形は統合する」というルールに従い統合し前記統合した外接四角形が連続した所定の数のシーンにあり、所定の面積、所定の縦横寸法、かつ所定の速度をもっている場合は発報対象として認識する認識処理手段とを備えたので、非発報対象の変化領域による不要検知を減少させつつ、不用意に不検知を増大させないようにできるという効果を奏する。
【0115】
また、この発明に係る監視用画像処理装置は、以上説明したとおり、さらに、入力映像を量子化するA/D変換手段と、前記A/D変換手段の出力から前記現画像データを用意する現画像データ演算蓄積手段と、前記A/D変換手段の出力から前記比較用画像データを作成する比較用データ演算蓄積手段と、前記統合した外接四角形を発報対象として認識したときにはその旨を知らせる発報処理手段とを備えたので、非発報対象の変化領域による不要検知を減少させつつ、不用意に不検知を増大させないようにできるという効果を奏する。
【0116】
また、この発明に係る監視用画像処理装置は、以上説明したとおり、前記櫛形マスクを、歯の部分の幅が歯と歯の隙間より薄いものとしたので、「人物」の様な正規の発報対象に対する発報能力を阻害せず、「街路樹の揺れ」や「水紋」の様な「あり特定の場所範囲に不定期に現れる比較的小さな変化領域」に関する不要検知を削減する機能を実現できるという効果を奏する。
【0117】
また、この発明に係る監視用画像処理装置は、以上説明したとおり、前記櫛形マスクを、歯の部分の幅が歯と歯の隙間より厚くかつ歯と直角にスリットが通っているものとしたので、「人物」の様な正規の発報対象に対する発報能力を阻害せず、「街路樹の揺れ」や「水紋」の様な「あり特定の場所範囲に不定期に現れる比較的小さな変化領域」に関する不要検知をより削減する機能を実現できるという効果を奏する。
【0118】
また、この発明に係る監視用画像処理装置は、以上説明したとおり、前記櫛形マスクを、歯の部分の幅が歯と歯の隙間より厚くかつ歯に傾斜をもたせたものとしたので、「人物」の様な正規の発報対象に対する発報能力を阻害せず、「街路樹の揺れ」や「水紋」の様な「あり特定の場所範囲に不定期に現れる比較的小さな変化領域」に関する不要検知をより削減する機能を実現でき、かつ、その為の櫛形マスクの作成がより簡便にできるという効果を奏する。
【0119】
また、この発明に係る監視用画像処理装置は、以上説明したとおり、前記櫛形マスクを、歯の部分の幅が歯と歯の隙間より厚いものとしたので、監視エリアの縁から出てくる変化領域が、過渡的に発報対象に似てしまう現象を回避でき、不要検知を減少させることを可能にできるという効果を奏する。
【0120】
さらに、この発明に係る監視用画像処理装置は、以上説明したとおり、前記櫛形マスクを、画像の奥行に応じて歯の部分の幅と歯と歯の隙間を変えたものとしたので、画面内映像におけるマスクによる影響の「遠近補正」を実施することを可能にできるという効果を奏する。
【図面の簡単な説明】
【図1】この発明の実施の形態1の概略構成を示すブロック図である。
【図2】この発明の実施の形態1の認識処理部の動作を示すフローチャートである。
【図3】この発明の実施の形態1に係る映像内に水たまりと人物が写っている映像例を示す図である。
【図4】この発明の実施の形態1に係る映像内の水たまりに水紋の発生した画像を示す図である。
【図5】この発明の実施の形態1に係る従来手法によるマスクを画像にかけた映像を示す図である。
【図6】この発明の実施の形態1に係る手法によるマスクを画像にかけた映像を示す図である。
【図7】この発明の実施の形態1に係る水紋のモデルを示す図である。
【図8】この発明の実施の形態1に係る水紋のモデルを示す図である。
【図9】この発明の実施の形態1に係る人物のモデルを示す図である。
【図10】この発明の実施の形態1に係る人物のモデルを示す図である。
【図11】この発明の実施の形態2の概略構成を示すブロック図である。
【図12】この発明の実施の形態2に係る映像内に水たまりと人物が写っている映像例を示す図である。
【図13】この発明の実施の形態2に係る映像内の水たまりに水紋の発生した画像を示す図である。
【図14】この発明の実施の形態2に係る従来手法によるマスクを画像にかけた映像を示す図である。
【図15】この発明の実施の形態2に係る手法によるマスクを画像にかけた映像を示す図である。
【図16】この発明の実施の形態2に係る葉のモデルを示す図である。
【図17】この発明の実施の形態2に係る葉のモデルを示す図である。
【図18】この発明の実施の形態2に係る人物のモデルを示す図である。
【図19】この発明の実施の形態2に係る人物のモデルを示す図である。
【図20】この発明の実施の形態3の概略構成を示すブロック図である。
【図21】この発明の実施の形態3に係る映像内に水たまりと人物が写っている映像例を示す図である。
【図22】この発明の実施の形態3に係る映像内の水たまりに水紋の発生した画像を示す図である。
【図23】この発明の実施の形態3に係る従来手法によるマスクを画像にかけた映像を示す図である。
【図24】この発明の実施の形態3に係る手法によるマスクを画像にかけた映像を示す図である。
【図25】この発明の実施の形態3に係る葉のモデルを示す図である。
【図26】この発明の実施の形態3に係る葉のモデルを示す図である。
【図27】この発明の実施の形態3に係る人物のモデルを示す図である。
【図28】この発明の実施の形態3に係る人物のモデルを示す図である。
【図29】この発明の実施の形態4の概略構成を示すブロック図である。
【図30】この発明の実施の形態4に係る映像内に正門付近の車が写っている映像例を示す図である。
【図31】この発明の実施の形態4に係る映像内に正門付近の人物が写っている映像例を示す図である。
【図32】この発明の実施の形態4に係る映像内に正門付近の車が写っている映像例を示す図である。
【図33】この発明の実施の形態4に係る手法によるマスクを画像にかけた映像を示す図である。
【図34】この発明の実施の形態4に係る手法によるマスクを正門付近の車が写っている画像にかけた映像を示す図である。
【図35】この発明の実施の形態4に係る手法によるマスクを正門付近の車が写っている画像にかけた映像を示す図である。
【図36】この発明の実施の形態5の概略構成を示すブロック図である。
【図37】この発明の実施の形態5に係る手法によるマスクを画像にかけた映像を示す図である。
【図38】従来の監視用画像処理装置の概略構成を示すブロック図である。
【図39】従来の監視用画像処理装置の認識処理部の動作を示すフローチャートである。
【図40】従来の監視用画像処理装置に係る通常の正門の映像を示す図である。
【図41】従来の監視用画像処理装置に係る変化領域をスーパーイポーズを重複された画像を示す図である。
【図42】従来の監視用画像処理装置に係る領域統合前の映像を示す図である。
【図43】従来の監視用画像処理装置に係る領域統合後の映像を示す図である。
【図44】従来の監視用画像処理装置に係る正門付近の水たまりに水紋が無い映像を示す図である。
【図45】従来の監視用画像処理装置に係る正門付近の水たまりに水紋が有る映像を示す図である。
【図46】従来の監視用画像処理装置に係る正門付近の水たまり全体をマスクした映像を示す図である。
【符号の説明】
1 ビデオ入力部、2 A/D変換部、3 現画像データ演算蓄積部、4 比較用データ演算蓄積部、5A、5B、5C、5D、5E 変化領域抽出部、6 認識処理部、7 発報処理部。
Claims (7)
- 所定の範囲の監視用画像のうち、不要検知を発生させる危険のある範囲に対しては櫛形マスクを用い、現画像データと比較用画像データとの比較演算に基づき、前記櫛形マスクに隠れなかった部分を含む前記所定の範囲の監視用画像内の変化領域を抽出する変化領域抽出手段と、
前記抽出した複数の変化領域の外接四角形について、「第1の外接四角形の2倍の範囲に第2の外接四角形があり、かつ前記第2の外接四角形の2倍の範囲に前記第1の外接四角形があれば、前記第1及び第2の外接四角形は統合する」というルールに従い統合し前記統合した外接四角形が連続した所定の数のシーンにあり、所定の面積、所定の縦横寸法、かつ所定の速度をもっている場合は発報対象として認識する認識処理手段と
を備えたことを特徴とする監視用画像処理装置。 - さらに、入力映像を量子化するA/D変換手段と、
前記A/D変換手段の出力から前記現画像データを用意する現画像データ演算蓄積手段と、
前記A/D変換手段の出力から前記比較用画像データを作成する比較用データ演算蓄積手段と、
前記統合した外接四角形を発報対象として認識したときにはその旨を知らせる発報処理手段と
を備えたことを特徴とする請求項1記載の監視用画像処理装置。 - 前記櫛形マスクは、歯の部分の幅が歯と歯の隙間より薄いものであることを特徴とする請求項1又は2記載の監視用画像処理装置。
- 前記櫛形マスクは、歯の部分の幅が歯と歯の隙間より厚くかつ歯と直角にスリットが通っているものであることを特徴とする請求項1又は2記載の監視用画像処理装置。
- 前記櫛形マスクは、歯の部分の幅が歯と歯の隙間より厚くかつ歯に傾斜をもたせたものであることを特徴とする請求項1又は2記載の監視用画像処理装置。
- 前記櫛形マスクは、歯の部分の幅が歯と歯の隙間より厚いものであることを特徴とする請求項1又は2記載の監視用画像処理装置。
- 前記櫛形マスクは、画像の奥行に応じて歯の部分の幅と歯と歯の隙間を変えたものであることを特徴とする請求項1又は2記載の監視用画像処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26068996A JP3614256B2 (ja) | 1996-10-01 | 1996-10-01 | 監視用画像処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26068996A JP3614256B2 (ja) | 1996-10-01 | 1996-10-01 | 監視用画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH10105687A JPH10105687A (ja) | 1998-04-24 |
JP3614256B2 true JP3614256B2 (ja) | 2005-01-26 |
Family
ID=17351415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP26068996A Expired - Lifetime JP3614256B2 (ja) | 1996-10-01 | 1996-10-01 | 監視用画像処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3614256B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6309099B2 (ja) * | 2014-07-03 | 2018-04-11 | 三菱電機株式会社 | 監視装置 |
-
1996
- 1996-10-01 JP JP26068996A patent/JP3614256B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPH10105687A (ja) | 1998-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6931146B2 (en) | Method and apparatus for detecting moving object | |
JP3083918B2 (ja) | 画像処理装置 | |
JP3879732B2 (ja) | 物体検出装置、物体検知方法、およびコンピュータプログラム | |
KR101064573B1 (ko) | 입자 여과를 이용하여 이동 물체를 추적하는 시스템 | |
KR101472615B1 (ko) | 차선이탈 경보 시스템 및 방법 | |
EP0635981B1 (en) | Feature-region extraction method and feature-region extraction circuit | |
US5134472A (en) | Moving object detection apparatus and method | |
US9047515B2 (en) | Method and system for wildfire detection using a visible range camera | |
CN104966266B (zh) | 自动模糊身体部位的方法及*** | |
JPH0944685A (ja) | 顔画像処理装置 | |
EP1766581A1 (en) | Method for detecting desired objects in a highly dynamic environment by a monitoring system | |
WO2002080097A1 (en) | Automatic segmentation-based grass detection for real-time video | |
JP3490910B2 (ja) | 顔領域検出装置 | |
CN111325058B (zh) | 驾驶行为检测方法、装置、***及存储介质 | |
JP3614256B2 (ja) | 監視用画像処理装置 | |
Guimar et al. | A method for cut detection based on visual rhythm | |
KR101729536B1 (ko) | 이동 물체 검출 장치 및 그 방법 | |
CN111383242B (zh) | 一种图像透雾处理方法及装置 | |
JP3986643B2 (ja) | 監視用画像処理装置 | |
JP3848709B2 (ja) | 監視用画像処理装置 | |
JP3638028B2 (ja) | 車両ナンバー認識装置 | |
Conte et al. | Meeting the application requirements of intelligent video surveillance systems in moving object detection | |
JPH10105688A (ja) | 監視用画像処理装置 | |
JP3065854B2 (ja) | 人物認識方法 | |
JPH10302074A (ja) | ナンバープレートの位置検出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040624 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040629 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040820 |
|
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: 20041019 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041026 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071112 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081112 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081112 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091112 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091112 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101112 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111112 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121112 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121112 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131112 Year of fee payment: 9 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |