JP4609936B2

JP4609936B2 - オブジェクト検出方式

Info

Publication number: JP4609936B2
Application number: JP2005091659A
Authority: JP
Inventors: 幸一高木; 賢治松尾
Original assignee: KDDI R&D Laboratories Inc
Current assignee: KDDI R&D Laboratories Inc
Priority date: 2005-03-28
Filing date: 2005-03-28
Publication date: 2011-01-12
Anticipated expiration: 2025-03-28
Also published as: JP2006277020A

Description

本発明はオブジェクト検出方式に関し、特にフラクタル次元により自然画像からオブジェクトを認識し検出するオブジェクト検出方式に関する。

入力された画像からフラクタル次元を用いて目的のオブジェクトを検出する従来方法の一つに、本発明者等による下記の特許文献１に記されている方法がある。

この方法は、概略次のような方法である。まず、入力画像上で指定領域をスライドさせて指定領域毎のフラクタル次元を求める。次いで、該当する指定領域毎のフラクタル次元をフラクタル次元値データベースと比較し、フラクタル次元信頼区間内にあるオブジェクト領域を検出する。これらの処理が、画像入力全体に対して行われると、検出されたオブジェクト領域を統合し、統合数の多い順に、オブジェクト候補の順位付けを行う。
特開２００４−３０２５１９号公報

しかしながら、前記した従来の方法は、単一の色成分に基づくエッジ検出を想定していたため、当該画像入力のエッジ検出が良好に行えなかった場合に、目的とするオブジェクトの検出の精度が十分でないという課題があった。

本発明は、前記した従来技術の課題に鑑みてなされたものであり、その目的は、画像入力のエッジ検出の精度を増して、オブジェクトの抽出精度を向上させたオブジェクト検出方式を提供することにある。

前記した目的を達成するために、本発明は、画像中から予め指定されたオブジェクトを検出するオブジェクト検出方式であって、画像入力の一部または全域に対して複数次元の色空間のエッジを求める手段と、該画像入力の一部または全域に対して予め定められたサイズの指定領域をスライドさせる手段と、各指定領域毎に、前記複数次元の色空間の各エッジに対してフラクタル次元を求める手段と、各指定領域毎に求めた各フラクタル次元と、各フラクタル次元値データベースのフラクタル次元信頼区間とを比較し、該信頼区間に入る指定領域を各該当オブジェクト領域として検出する手段と、検出されたの前記各該当オブジェクト領域に対して論理積処理をする手段とを具備した点に第１の特徴がある。

また、前記複数次元の色空間として、ＨＳＶ色空間を用いる点に第２の特徴がある。

本発明によれば、画像に対して複数次元の色空間、例えばＨＳＶ色空間を用いてオブジェクトの検出をするようにしたので、オブジェクト検出の精度を向上させることができる。

以下に、図面を参照して、本発明を詳細に説明する。まず、図１を参照して、フラクタル次元オブジェクトデータベースを作成する手順を説明する。

ステップＳ１では、画像を入力する。該画像としては、人の顔や手や車などのオブジェクトが入っているものが使用される。ステップＳ２，Ｓ３では、それぞれ、該画像のＨ色成分、ＳＶ色成分のエッジが求められる。ここに、ＨＳＶ色成分は色空間を表し、Ｈは色合い、ＳＶは明るさあるいは彩度を表す。なお、該エッジの求め方は周知であるので説明を省略するが、Ｈ色成分は、色合いを０°〜３６０°の角度で表すので、元の成分をｈとする時、Ｈ成分の演算結果が３６０°を越えないようにするために、例えば下記の(1)式を用いる。

Ｈ＝｜ｈ−int｛（ｈ＋１８０）／３６０｝×３６０｜・・・(1)

ただし、int（）は、その値を超えない最小の整数とする。

一方、ＳＶ成分は直交する座標系で表されるので、下記の(2)式を用いる。

ＳＶ＝（Ｓ^２＋Ｖ^２）^１／２・・・(2)

ステップＳ４，Ｓ５では、それぞれ、入力画像より小さい予め定められた大きさの指定領域（または、任意辺長領域）をスライドさせる。このスライドは、好ましくは、入力画像の全面に対して行う。ステップＳ６，Ｓ７では、それぞれ、各指定領域毎の前記Ｈ色成分エッジ、ＳＶ色成分エッジに対してフラクタル次元を演算する。

このステップＳ６，Ｓ７では、具体的には、入力された画像を、任意辺長領域に分割し、該領域内のＨ色成分、ＳＶ色成分からフラクタル次元を算出する。ステップＳ８，Ｓ９では、それぞれ、Ｈ色成分フラクタル次元値データベース、ＳＶ色成分フラクタル次元値データベースを作成する。この際、それぞれ、ステップＳ１０，Ｓ１１オブジェクト情報指定が、Ａ，Ｂ，Ｃであれば、例えばＡ＝顔、Ｂ＝手、Ｃ＝車であれば、顔のフラクタル次元データベースＤ１，Ｄ１’、手のフラクタル次元データベースＤ２，Ｄ２’、車のフラクタル次元データベースＤ３，Ｄ３’が得られる。該フラクタル次元データベースＤ１〜Ｄ３、あるいはＤ１’〜Ｄ３’の信頼区間（図２の説明参照）は、本発明では後述のＡＮＤ処理（ステップＳ３５）を行うので、広めに取ることができる。

図２は、顔画像のＳＶ色成分のフラクタル次元データベースＤ１’をヒストグラムで表したものであり、横軸がフラクタル次元、縦軸が頻度である。図から、オブジェクトが顔の場合は、フラクタル次元が１．４の前後にピークがあることがわかる。また、信頼区間として、例えば、フラクタル次元を１．３〜１．５とすることができる。顔画像のＨ色成分のフラクタル次元データベースＤ１のヒストグラムは図２とは異なるものになる。手や車画像においても、ＳＶ色成分およびＨ色成分について、フラクタル次元データベースをヒストグラムで表すことができ、またそれぞれの信頼区間を求めることができる。

次に、前記のようにして得られたデータベースを用いて、フラクタル次元オブジェクトを検出する手法を、図３を参照して説明する。

ステップＳ２０では、検出対象であるオブジェクト情報、例えば顔を指定する。ステップＳ２８，Ｓ２９では、それぞれ、Ｈ色成分フラクタル次元データベース、ＳＶ色成分フラクタル次元データベースを選択する。例えば、前記データベースＤ１，Ｄ１’を、それぞれ選択する。

一方、ステップＳ２１では、オブジェクトの検出対象である任意の画像、例えば図４(a)の画像１が入力される。ステップＳ２２，Ｓ２３では、該画像の画素のＨ色成分エッジ、ＳＶ色成分エッジが求められる。ここで、Ｈ色成分は前記(1)式で求め、ＳＶ色成分は前記(2)式で求める。

ステップＳ２４，Ｓ２５では、前記ステップＳ４，Ｓ５と同様に、指定領域（または、任意辺長領域）２（図４(a)参照）をスライドさせる動作が行われる。ステップＳ２６，Ｓ２７では、該スライドに伴う、指定領域毎のフラクタル次元が演算される。ステップＳ３０，Ｓ３１では、それぞれ、前記ステップＳ２６，Ｓ２７で求められたフラクタル次元が前記ステップＳ２８，Ｓ２９で選択されたフラクタル次元データベースと比較され、該フラクタル次元が予め定められた信頼区間、例えば１．３〜１．５に属するオブジェクト領域が検出される。ステップＳ３２では、画像入力の全域に渡って前記指定領域のスライドが終了したか否かの判断がなされる。この判断が否定の時には、ステップＳ２４，Ｓ２５に戻って、指定領域のスライドが再度行われる。なお、前記指定領域のスライドは、画像入力の全域でなく一部であっても良い。以下、前記した処理が繰り返される。

この処理の繰り返しが続行された結果、ステップＳ３２の判断が肯定になると、ステップＳ３３，Ｓ３４に進み、それぞれＨ色成分、ＳＶ色成分に対して、同じオブジェクト重複領域を統合する動作が行われる。この時、前記ステップＳ３０，Ｓ３１で検出されたオブジェクト領域は、一般的には複数検出される。例えば、図５に示されているように、複数のオブジェクト領域が検出される。また、特徴フラクタル次元値の信頼区間を広く指定した場合には、顔と同程度に複雑な形状オブジェクト、例えば、髪の毛、服の柄およびしわを誤って抽出する場合がある。

そこで、ステップＳ３５では、ステップＳ３３とＳ３４で得られた統合結果のＡＮＤ（論理積）をとる。このＡＮＤにより、Ｈ色成分エッジ、ＳＶ色成分エッジによる処理において一致したオブジェクトのみを取り出して出力（ステップＳ３６）することができるようになる。

このため、前記フラクタル次元データベースＤ１〜Ｄ３、あるいはＤ１’〜Ｄ３’の信頼区間を広めに取っておいても、このＡＮＤ処理によりオブジェクトの検出範囲が狭められることになり、より信頼性の高いオブジェクト検出が行えるようになる。なお、図４(b)は、該論理積処理により得られる画像の一例である。

また、Ｈ色成分エッジ、ＳＶ色成分エッジによる処理の一方でのみ検出されたオブジェクトは排除されることになる。例えば、顔画面の目的オブジェクトに対して、服の柄がＨ色成分エッジの処理で検出されても、ＳＶ色成分エッジの処理では検出されないので、該服の柄は排除されることになる。

このように、本実施形態によれば、Ｈ色成分エッジによる検出処理結果とＳＶ色成分エッジによる検出処理結果とのＡＮＤを取るという簡単な処理をするだけで、オブジェクト検出の精度を上げることができ、また、誤検出の可能性を非常に小さくすることができる。

フラクタル次元オブジェクトデータベース作成の手順を示すフローチャートである。顔のフラクタル次元データベースＤ１’をグラフ化したものの一例を示す図である。本発明の一実施形態の指定されたオブジェクト検出の手順を示すフローチャートである。画像入力、任意辺長領域、および検出オブジェクト領域の一例を示す図である。フラクタル次元値データベースのフラクタル次元信頼区間との比較により検出された該当オブジェクトを示す図である。

符号の説明

１・・・画像、２・・・指定領域。

Claims

画像中から予め指定されたオブジェクトを検出するオブジェクト検出方式であって、
画像入力の一部または全域に対して複数次元の色空間のエッジを求める手段と、
該画像入力の一部または全域に対して予め定められたサイズの指定領域をスライドさせる手段と、
各指定領域毎に、前記複数次元の色空間の各エッジに対してフラクタル次元を求める手段と、
各指定領域毎に求めた各フラクタル次元と、各フラクタル次元値データベースのフラクタル次元信頼区間とを比較し、該信頼区間に入る指定領域を各該当オブジェクト領域として検出する手段と、
検出されたの前記各該当オブジェクト領域に対して論理積処理をする手段とを具備したオブジェクト検出方式。
請求項１に記載のオブジェクト検出方式において、
前記複数次元の色空間のエッジを求める手段は、前記複数次元の色空間として、ＨＳＶ色空間を用いることを特徴とするオブジェクト検出方式。
請求項１または２に記載のオブジェクト検出方式において、
前記論理積処理をする前に、前記検出された各該当オブジェクト領域の重複領域を統合することを特徴とするオブジェクト検出方式。