JP5120627B2 - 画像処理装置および画像処理プログラム - Google Patents

Description

本発明は、画像処理装置および画像処理プログラムに関し、より特定的には、車載カメラ等の画像に基づいて人物を検知する人物認識システムに利用される画像処理に関する。

従来より、自動車などの車両に、遠赤外用のビデオカメラを搭載し、夜間走行時に車両前方の歩行者、自転車に乗った人間などを認識して運転者に注意を促す前方監視システムが知られている。このようなシステムの一つに、例えば、人間の輝度分布を表す基準パターンを予め記憶しておき、カメラ画像データと基準パターンとを比較して歩行者を検知する人間認識システムが知られている（例えば、特許文献１）。また、赤外線カメラで撮像した入力画像と、予め、モデル画像記憶部に記憶されている全身モデル画像及び頭部モデル画像とのパターンマッチングを行って歩行者を検出する装置も知られている（例えば、特許文献２）。

また、物体の大きさ、物体の上部形状、および、物体の側部形状を要素として含む入力特徴ベクトルを、物体の画像に基づいて生成し、これに基づいて物体が歩行者であるか否かを判別する画像処理装置も知られている（例えば特許文献３）。この装置では、上記入力特徴ベクトルに基づいて分析のための演算を行うことにより、判別空間へ写像されたベクトルyを生成する。そして、このベクトルyが判別空間上所定の領域内にあるか否かに応じて、物体が歩行者であるか否かを判別する。
特開２００５−２８５０１１号公報 特開２００５−１９６５９０号公報 特開２００７−６５９２４号公報

しかしながら、上述したような上記特許文献１や２に開示された装置においては、以下に示す問題点があった。すなわち、上記特許文献１や２のような手法でパターンマッチングを行って判別する場合、例えばガードレールのポールを歩行者として検知してしまうという問題があった。

また、特許文献３の手法では、複雑なベクトル演算を行う必要があり、処理負荷が高く、また、このような処理を実現するために高価なハードウェアが必要となり、コストがかかるという問題があった。

それ故に、本発明の目的は、より簡易な処理で精度の高い人物検出ができる画像処理装置を提供することである。

本発明は、上記の課題を解決するために、以下の構成を採用した。なお、括弧内の参照符号および補足説明等は、本発明の理解を助けるために後述する実施形態との対応関係の一例を示したものであって、本発明を何ら限定するものではない。

第１の発明は、車両の外界を撮像する撮像装置からの画像データに基づいて歩行者の存在を認識する画像処理装置であって、画像データと歩行者のモデルパターンである基準パターンとを比較して当該画像データから歩行者候補画像を抽出する歩行者候補抽出手段（１３）と、歩行者候補抽出手段が抽出した歩行者候補画像の形状または並び方の少なくとも一つに規則性があるか否かを判定する規則性分析手段（１４）と、規則性分析手段が規則性があると判定した歩行者候補画像を除外し、残った歩行者候補画像に基づいて表示用画像データを生成する除外手段（１４，１５）と、除外手段が生成した表示用画像データに基づく画像を表示する表示手段（１７）とを備える。

第１の発明によれば、規則性のある歩行者候補者画像について歩行者候補から除外する。これにより、例えばガードレールのポールのような、並び方や形状に規則性がある物体が歩行者として誤検出されることを防ぎ、より精度の高い歩行者検出が可能となる。

第２の発明は、第１の発明において、規則性分析手段は、複数の歩行者候補画像のそれぞれの端部が一直線上に並んでいるか否かを判定し、一直線上に並んでいる歩行者候補画像について規則性があると判定する。

第３の発明は、第２の発明において、規則性分析手段は、複数の歩行者候補画像のそれぞれの端部と画像データで示される画像上における消失点とを結ぶ直線を算出する直線算出手段（１４）と、端部が交差している歩行者候補画像の数が所定数以上である直線を抽出する抽出手段（１４）とを含む。そして、規則性分析手段は、抽出手段が抽出した直線と端部が交差している歩行者候補画像については規則性があると判定する。

第２乃至第３の発明によれば、一直線に並んでいる歩行者候補画像を歩行者候補から除外することができる。これにより、精度の高い歩行者検出が可能となる。

第４の発明は、第１乃至第３のいずれかの発明において、規則性分析手段は、複数の歩行者候補画像間の画素数に基づいて、歩行者候補画像に対応する物体が車両の外界において等間隔で並んでいるか否かを判定する等間隔配置判定手段を含む。そして、規則性分析手段は、等間隔配置判定手段によって等間隔で並んでいると判定された複数の歩行者候補画像については規則性があると判定する。

第４の発明によれば、等間隔に並んでいる歩行者候補画像については歩行者候補から除外する。これにより、例えばガードレールのポールのような、等間隔に配置されている物体について歩行者として誤検出されることを防ぎ、歩行者検出の精度をより高めることができる。

第５の発明は、第１の発明において、規則性分析手段は、複数の歩行者候補画像の輝度に基づいて歩行者候補の形状を算出する形状算出手段を含む。そして、規則性分析手段は、歩行者候補の形状が相似しているときは規則性があると判定する。

第６の発明は、第１の発明において、画像処理装置は、歩行者候補抽出手段が歩行者候補画像を抽出したときに用いた基準パターンを示す合致パターン情報を各歩行者候補画像と対応づけて記憶する合致パターン情報記憶手段を更に備える。そして、規則性分析手段は、合致パターン情報に基づいて、同じ基準パターンによって抽出された歩行者候補画像については規則性があると判定する。

第５乃至第６の発明によれば、形状が類似する歩行者候補画像については歩行者候補から除外することができ、歩行者検出の精度をより高めることができる。

第７の発明は、車両の外界を撮像する撮像装置からの画像データに基づいて歩行者の存在を認識する画像処理装置のコンピュータに実行させる画像処理プログラムであって、コンピュータを、画像データと歩行者のモデルパターンである基準パターンとを比較して当該画像データから歩行者候補画像を抽出する歩行者候補抽出手段（Ｓ２）と、歩行者候補抽出手段が抽出した歩行者候補画像の形状または並び方の少なくとも一つに規則性があるか否かを判定する規則性分析手段（Ｓ３〜Ｓ８）と、規則性分析手段が規則性があると判定した歩行者候補画像を除外し、残った歩行者候補画像に基づいて表示用画像データを生成する除外手段（Ｓ７、Ｓ９）と、除外手段が生成した表示用画像データに基づく画像を表示する表示手段（Ｓ１０）として機能させる。

第７の発明によれば、上記第１の発明と同様の効果を得ることができる。

本発明によれば、より精度の高い歩行者検出を実現することができる。

以下、本発明の実施の形態について、図面を参照して説明する。尚、この実施例により本発明が限定されるものではない。

図１は、本発明の実施形態に係る画像処理装置１０の構成を示した図である。図１において、画像処理装置１０は、ナイトビューカメラ１１と人物検知部１２と、表示部１７とで構成される。

ナイトビューカメラ１１は、例えば、車両に搭載され、夜間の歩行者、自転車に乗った人間などを認識する遠赤外用のビデオカメラである。ナイトビューカメラ１１は、ＩＥＥＥ１３９４に準拠した車載ＬＡＮ通信線を介して人物検知部１２に接続されている。ナイトビューカメラ１１で取得された画像は、人物検知部１２に出力される。

人物検知部１２は、ナイトビューカメラ１１で取得された画像に基づいて歩行者を検知する。そして、カメラ画像上の歩行者の位置に注意枠を重ねた画像を生成する。人物検知部１２は、一次抽出部１３と二次抽出部１４と画像生成部１５とで構成されている。

一次抽出部１３は、ナイトビューカメラ１１から出力されたカメラ画像を取得する。そして、当該画像の各画素の輝度値に基づき、人物候補画像を含む領域（以下、人間候補領域）を抽出する。そして、当該人間候補領域を示す画像（以下、一次抽出画像）を二次抽出部１４に出力する。

二次抽出部１４は、一次抽出画像に基づき、後述するような処理を行うことで人物候補領域の規則性を分析する。更に、規則性のある人物候補領域群については除外する処理を行う。そして、その抽出結果を示す画像（以下、二次抽出画像）を画像生成部１５に出力する。

画像生成部１５は、二次抽出画像に基づき、人間候補領域の大きさに応じた注意枠を生成する。また、画像生成部１５は、当該注意枠を上記カメラ画像に重ねた画像を表示画像として生成する。更に、画像生成部１５は、当該表示画像を表示部１７に出力する。

記憶部１６には、後述するような処理で用いられる各種データが記憶されている。具体的には、人間モデルの輝度パターンを示す基準パターンや、上記カメラ画像における消失点（ＦＯＥ；Focus of Expansion）の位置を示すＦＯＥ座標１６１等が記憶されている。当該ＦＯＥ座標は、上記ナイトビューカメラ１１の設置位置や角度に基づいて一意に定められるものであり、表示部１７の画面座標系におけるＦＯＥの位置がＦＯＥ座標１６１として予め記憶されている。

表示部１７は、上記ナイトビューカメラ１１の画素数に応じた解像度を有する表示デバイスであり、例えば、ナイトビューカメラ１１が４５万画素のカメラであるとすると、７７０×５７８ドットの解像度を有する。そして、表示部１７は、画像生成部１５から出力された画像を人物検知結果として表示する。

次に、図２〜図８を用いて、本実施形態における人物検知処理の概要について説明する。本実施形態では、従来の手法により検知された人物候補領域に対して、その人物候補領域の位置や並びの規則性を分析し、当該人物候補領域が、例えばガードレールのポールような、人間以外の物であるか否かを判定するための処理が実行される。

図２は、上記ナイトビューカメラ１１が撮影したカメラ画像の一例を模式的に示す図である。図２では、歩行者１０１ａ〜１０１ｃと、ガードレール１０２ａおよび１０２ｂ、標識１０３が表示されている。また、ガードレール１０２ａは、ポール１０４ａ〜１０４ｄを含み、ガードレール１０２ｂは、ポール１０４ｅ〜１０４ｈを含んでいる。

本実施形態では、図２のようなカメラ画像に対して、まず、一次抽出部１３において人物検知処理が行われる。ここでの人物検知処理は、従来から知られている手法でよいが、一例として、本実施形態では、輝度に基づく人物検知処理（以下、一次抽出処理と呼ぶ）を行う。より具体的には、カメラ画像の各画素の輝度について、所定値以上の輝度を有する画素で構成される領域が抽出される。そして、予め記憶部１６に記憶されている人間の輝度パターンを示す基準パターンとのパターンマッチングが行われ、マッチしたものについて人間候補領域とする。図３は、一次抽出処理の結果を示す画像（以下、一次抽出画像と呼ぶ）の例である。当該画像のサイズ（画素数）は、上記カメラ画像と同じサイズである。図３では、各歩行者１０１と、各ポール１０４を点線で囲んだ領域が人物候補領域１１０ａ〜１１０ｋとして表示されている。すなわち、図３では、一次抽出処理においてポール１０４も歩行者として誤認識された状態であることが示されている。

本実施形態では、上記一次抽出画像に対して、更に人物検知処理を行う（以下、二次抽出処理と呼ぶ）。当該二次抽出処理では、上記ポール１０４が実空間においては同じ高さであり、一直線に並んでいる、という規則性があることに着目し、このような規則性を有する人物候補領域は歩行者ではないとして除外するという処理が実行される。具体的には、以下のような処理が実行される。

まず、図３に示したような一次抽出画像において、各人物候補領域１１０の上端の座標（正確には点線で示されている長方形の上辺の中心座標であるが、以下では単に上端座標と呼ぶ）と、ＦＯＥに相当する座標とを結ぶ直線を算出する。図４は、人物候補領域１１０ａ（ポール１０４ａに対応）の上端座標とＦＯＥ１２１とを結んだ直線１２２の例を示す。このような直線を各人物候補領域について算出する。図５は、各人物候補領域の上端座標とＦＯＥ１２１とを直線で結んだ状態を示す図である。

ここで、図４や図５に示されるように、左側のポール１０４ａ〜１０４ｄに対応する人物候補領域１１０ａ〜１１０ｄついては、その上端部分が直線１２２ａに重複した状態となっている。同様に、右側の人物候補領域１１０ｅ〜１１０ｈについても、その上端部分が直線１２２ｂと重複した状態となっている。このように、ポール１０４のような同じ高さで直線的に並んでいる物は、ＦＯＥ１２１に向かう直線１２２ａや１２２ｂに重なる状態となる。そのため、当該直線１２２ａおよび１２２ｂに重なっている人物候補領域１１０については人物ではないと考えることができる。

そこで、本実施形態では、上記直線１２２ａおよび１２２ｂに重なっている人物候補領域１１０ａ〜１１０ｈを一次抽出画像から削除して二次抽出画像を生成する。図６は、二次抽出画像の例である。図６では、歩行者１０１に対応する人物候補領域１１０ｉ〜１１０ｋのみが残っている状態が示されている。そして、当該二次抽出画像画像に基づいて、図７に示すような注意枠１４１ａ〜１４１ｃを生成する。

最後に、図８に示すような、上記カメラ画像に当該注意枠１４１ａ〜１４１ｃを重ね合わせた画像を生成し、当該画像を歩行者検出結果として表示部１７に表示する。

このように、本実施形態では、従来の手法によってガードレールのポール等のような物体が人間として誤検出されたとしても、当該物体の有する規則性に着目して、これらの物体が人間ではないことを検知することができる。これにより、人物検出処理の精度をより高めることが可能となる。

以下、図９を用いて、画像処理装置１０が行う人物検知処理の詳細動作を説明する。なお、図９のフローチャートで示す処理は、１／１０秒毎に繰り返されるものとする。

図９において、まず、一次抽出部１３は、ナイトビューカメラ１１からカメラ画像を取得する（ステップＳ１）。

次に、一次抽出部１３は、当該カメラ画像に基づく一次抽出処理を実行する（ステップＳ２）。本実施形態における当該処理は、上述したように各画素の輝度に基づいて人物候補領域１１０を抽出するための処理である。当該処理の原理、及び基本的な処理手法等については当業者には既知であるため、詳しい説明は省略するが、本実施形態では、まず、所定値以上の輝度を有す画素を抽出し、これらの画素で構成される領域を適宜設定する。そして、この領域（輝度のパターン）を、人間の輝度パターンを示す基準パターンとパターンマッチングする（当該基準パターンには、人間をあらゆる角度から観察した輝度のパターンが多数含まれている）。そして、基準パターン（のうちのいすれか）とマッチしていれば、その領域は人物候補領域として扱う処理が実行される。そして、当該処理の結果、上述したような一次抽出画像（そのサイズは、表示部１７の解像度に合わせたサイズとなっている）が生成され、一次抽出部１３は、二次抽出部１４に当該一次抽出画像を出力する。

次に、二次抽出部１４において、以下に示すような処理（二次抽出処理）が実行される。まず、二次抽出部１４は、記憶部１６からＦＯＥ座標１６１を読み出す（ステップＳ３）。続いて、二次抽出部１４は、上記一次抽出画像上の各人物候補領域１１０の上端座標と、ＦＯＥ座標１６１（図５のＦＯＥ１２１に相当）とを結ぶ直線を算出する（ステップＳ４）。

次に、二次抽出部１４は、所定数以上の人物候補領域１１０が重なっている直線を抽出し、当該直線に重なっている人物候補領域１１０を各直線毎にグループ化する処理を行う（ステップＳ５）。このステップＳ５の処理をより具体的に説明すると、まず、二次抽出部１４は、上記直線に重なっている人物候補領域１１０の数を算出する。ここで、重なっているか否かの判定部分については、基本的には上端座標を基準とするが、検出条件が厳しくなりすぎて、検出されるべき物が検出されなくなることを防ぐために、図１０に示すように、重なり判定を行う部分に若干の幅を持たせる。例えば、人物候補領域１１０の上辺から３ドットまでの部分において直線と重なっていれば、その候補領域は重なっていると判定する。次に、直線に重なっている人物候補領域１１０の数が所定値以上、例えば”４”以上の直線のみを抽出する。そして、これらの直線に重なっている人物候補領域１１０を直線毎にグループ化する（図１１参照）。

次に、上記でグループ化された各グループについて、以下のような処理が行われる。まず、二次抽出部１４は、上記グループに含まれている人物候補領域１１０の配置間隔が３次元空間内において等間隔であるか否かを判定する（ステップＳ６）。このステップＳ６の処理をより具体的に説明すると、まず、二次抽出部１４は、各人物候補領域間の画素数を上記直線に沿ってカウントする。つまり、直線上における各人物候補領域の間隔の大きさを画素数として取得する。次に、当該画素数が所定の比率で小さくなっていく関係にあるかを判定する。これは、例えばガードレールのポール等は３次元空間内では等間隔で配置されていても、２次元画像（２次元座標系）で表されると、図１１に示されるように、奥に行くほど当該間隔が小さく（狭く）なって表現される。しかし、３次元空間内で等間隔で配置されている物については、２次元座標系において、間隔が小さくなっていく比率を予め所定の計算によって算出しておくことが可能である。そのため、例えば、上記画素数の変化が、画面下から上に向かって１０：８：６のような比率（間隔パターン）であれば、３次元空間内においては等間隔であると判定する。なお、上記の処理方法はあくまで一例であり、これに限らず、上記のような人物候補領域１１０の配置関係が３次元空間内において等間隔であることが判定できれば、どのような処理方法を用いても良い。

上記判定の結果、等間隔と判定したときは、二次抽出部１４は、上記グループ化された人物候補領域１１０はガードレールのポールのような物体と考えられるため、上記一次抽出画像から削除する（ステップＳ７）。一方、等間隔でないと判定したときは、二次抽出部１４は、次のステップＳ８へと処理を進める。

次に、二次抽出部１４は、全てのグループについて上記ステップＳ６〜Ｓ７の処理を行ったか否か判定し（ステップＳ８）、行われていなければ（ステップＳ８でＮＯ）、まだチェックしていないグループについて上記ステップＳ６〜Ｓ７の処理を繰り返す。

一方、ステップＳ８の判定の結果、全てのグループをチェックしていれば（ステップＳ８でＹＥＳ）、上記の処理で人物候補領域１１０が削除された一次抽出画像を二次抽出画像として画像生成部１５に出力する。画像生成部１５は、二次抽出画像上に残っている各人物候補領域の大きさに合わせて、図７に示したような注意枠１４１をそれぞれ生成する（ステップＳ９）。

更に、画像生成部１５は、上記カメラ画像に、当該生成した注意枠１４１を重畳した画像を生成する。そして、画像生成部１５は、当該画像を表示画像として表示部１７に出力する（ステップＳ１０）。その結果、図８に示したような画像が表示部１７に表示されることになる。以上で、本実施形態にかかる人物検知処理は終了する。

以上のように、本実施形態では、従来の手法で一旦人物候補領域を検出した後、更に、人物候補領域の有する規則性、具体的には一直線に並んで配置されているか否か等に基づいて人物ではない物体を検知し、人物候補領域から除外する処理を行っている。これにより、ガードレールのポール等が人物として誤検出されることを防ぐことができ、より精度の高い人物検知を実現することが可能となる。

なお、上述の実施形態では、候補領域の上端座標とＦＯＥを結ぶ直線を算出し、当該直線と、各候補領域の上端部分との重なりを判定していた、これに加えて、更に、候補領域の下端側を併用するようにしても良い。すなわち、候補領域の下端座標とＦＯＥ１２１を結ぶ直線を算出し、各人物候補領域の下端部分（上記上端座標と同様に、重なり判定を行う部分には幅を持たせる）と当該直線との重なりも判定して、直線上に並んでいるか否かを判定するようにしても良い。そして、上端、および下端側のいずれか一方が所定数以上直線に重なっていれば、その人物候補領域は人物ではないものとして削除するするようにしても良い。

また、人物であるか否かの判定方法についても、上記のような直線を利用した処理だけに限らず、例えば、各人物候補領域の輝度パターンの類似性に基づいて判定するようにしても良い。ガードレールのポールのようなものは、その輝度パターンについても類似するものと考えられるからである。更には、当該輝度パターンからその物体の形状を算出し、当該形状の類似性に基づいて判定するようにしても良い。例えば、ガードレールのポール等はその形状が同じであるため、形状の類似度が高い人物候補領域が所定数以上あれば、それらは人物ではないと判定するようにしてもよい。

更に、上述の実施形態では、上記ステップＳ２において人物候補領域を抽出する処理として、基準パターンと輝度パターンのマッチングを例に説明した。この基準パターンに着目し、同じ基準パターンとマッチした複数の人物候補領域については、人物ではないと判定するようにしても良い。つまり、人物であれば、服装や背格好が個人個人で異なり、その反射率も異なるため、人物に対応する人物候補領域に関しては、全く同じ基準パターンにマッチして抽出されたという可能性は低い。一方、ガードレールのポールのような、同じ物が複数連続して並んでいるようなものは反射率もほぼ同じであると考えられる。そのため、同じ基準パターンにマッチして人物候補領域として抽出されるという可能性は高いと考えられる。そこで、上記ステップＳ２の処理の際に、人物候補領域として抽出された際に用いられた基準パターンの情報、例えば、上記基準パターンの識別番号等を合致パターン情報として記憶部１６に一時的に記憶する。この際、抽出された各人物候補領域と合致パターン情報とを対応づけて記憶しておく。そして、二次抽出部１４は、当該合致パターン情報を読み出して、同じ識別番号を有する基準パターンによって抽出された人物候補領域（つまり、合致パターン情報が同じである人物候補領域）については、人物ではないと判定するようにしてもよい。

また、ＦＯＥ座標に関して、上述の実施形態では予め記憶部１６に記憶されているＦＯＥ座標１６１を読み出して使用していたが、これに限らず、上記ステップＳ３の処理において、その都度、ナイトビューカメラ１１の角度や焦点距離等の情報を取得し、ＦＯＥ座標を算出して用いるようにしてもよい。

本発明にかかる画像処理装置および画像処理プログラムは、カメラの撮像画像に基づく人物検知の精度を高めることができ、車載用の人物検知システム等に有用である。

本発明の実施形態に係る画像処理装置を示す機能ブロック図 カメラ画像の一例を模式的に示す図 一次抽出画像の一例 人物候補領域とＦＯＥとを結んだ直線の例を示す図 人物候補領域とＦＯＥとを結んだ直線の例を示す図 二次抽出画像の一例 注意枠の一例を示す図 カメラ画像に注意枠を重ね合わせた画像の一例 本発明の実施形態に係る人物検知処理を示すフローチャート 人物候補領域と直線との重なり判定領域を説明するための図 人物候補領域のグループ化の一例を示す図

符号の説明

１０ 画像処理装置
１１ ナイトビューカメラ
１２ 人物検知部
１３ 一次抽出部
１４ 二次抽出部
１５ 画像生成部
１６ 記憶部
１７ 表示部

Claims (7)

1. 車両の外界を撮像する撮像装置からの画像データに基づいて歩行者の存在を認識する画像処理装置であって、
   前記画像データと歩行者のモデルパターンである基準パターンとを比較して当該画像データから歩行者候補画像を抽出する歩行者候補抽出手段と、
   前記歩行者候補抽出手段が抽出した複数の歩行者候補画像の間に、形状または並び方の少なくとも一つに規則性があるか否かを判定する規則性分析手段と、
   前記規則性分析手段が規則性があると判定した複数の歩行者候補画像を除外し、残った歩行者候補画像に基づいて表示用画像データを生成する除外手段と、
   前記除外手段が生成した表示用画像データに基づく画像を表示する表示手段とを備える画像処理装置。
2. 前記規則性分析手段は、複数の前記歩行者候補画像のそれぞれの端部が一直線上に並んでいるか否かを判定し、一直線上に並んでいる歩行者候補画像について規則性があると判定する、請求項１に記載の画像処理装置。
3. 前記規則性分析手段は、
   複数の前記歩行者候補画像のそれぞれの端部と前記画像データで示される画像上における消失点とを結ぶ直線を算出する直線算出手段と、
   前記端部が交差している歩行者候補画像の数が所定数以上である前記直線を抽出する抽出手段とを含み、
   前記抽出手段が抽出した直線と端部が交差している前記歩行者候補画像については規則性があると判定する、請求項２に記載の画像処理装置。
4. 前記規則性分析手段は、
   複数の前記歩行者候補画像間の画素数に基づいて、前記歩行者候補画像に対応する物体が車両の外界において等間隔で並んでいるか否かを判定する等間隔配置判定手段を含み、
   前記等間隔配置判定手段によって等間隔で並んでいると判定された複数の歩行者候補画像については規則性があると判定する、請求項１乃至請求項３のいずれかに記載の画像処理装置。
5. 前記規則性分析手段は、
   複数の前記歩行者候補画像の輝度に基づいて歩行者候補の形状を算出する形状算出手段を含み、
   前記歩行者候補の形状が相似しているときは規則性があると判定する、請求項１に記載の画像処理装置。
6. 前記画像処理装置は、前記歩行者候補抽出手段が前記歩行者候補画像を抽出したときに用いた基準パターンを示す合致パターン情報を各歩行者候補画像と対応づけて記憶する合致パターン情報記憶手段を更に備え、
   前記規則性分析手段は、前記合致パターン情報に基づいて、同じ基準パターンによって抽出された歩行者候補画像については規則性があると判定する、請求項１に記載の画像処理装置。
7. 車両の外界を撮像する撮像装置からの画像データに基づいて歩行者の存在を認識する画像処理装置のコンピュータに実行させる画像処理プログラムであって、
   前記コンピュータを、
   前記画像データと歩行者のモデルパターンである基準パターンとを比較して当該画像
   データから歩行者候補画像を抽出する歩行者候補抽出手段と、
   前記歩行者候補抽出手段が抽出した複数の歩行者候補画像の間に、形状または並び方の少なくとも一つに規則性があるか否かを判定する規則性分析手段と、
   前記規則性分析手段が規則性があると判定した複数の歩行者候補画像を除外し、残った歩行者候補画像に基づいて表示用画像データを生成する除外手段と、
   前記除外手段が生成した表示用画像データに基づく画像を表示する表示手段として機能させる、画像処理プログラム。

Images