JP5264457B2

JP5264457B2 - 物体検出装置

Info

Publication number: JP5264457B2
Application number: JP2008316904A
Authority: JP
Inventors: 秀紀氏家
Original assignee: Secom Co Ltd
Current assignee: Secom Co Ltd
Priority date: 2008-12-12
Filing date: 2008-12-12
Publication date: 2013-08-14
Anticipated expiration: 2028-12-12
Also published as: JP2010140315A

Description

本発明は、画像から検出対象物を検出する物体検出装置に関する。

画像内に検出対象物に対応した画像領域が含まれるか否かを検出する物体検出装置が知られている。

特許文献１には、識別対象のテンプレートを画像上の走査領域に対して順次ずらしながらマッチングするテンプレートマッチングの技術が開示されている。走査間隔を大きくとりつつ検出窓領域を走査してマッチング処理を行い、識別対象のテンプレートとの類似度が高いと現在よりも演算対象画素が多いレベルでマッチングを８つの近傍領域に対して行うことで、マッチング処理の高速化と精度向上を図っている。

特許文献２には、矩形領域を検出窓領域として、入力画像を順次走査して物体を検出する物体検出装置が開示されている。検出窓領域にて物体との類似性を算出し、類似度が十分に高ければ検出窓領域の走査間隔を広くし、類似度が十分に高くなければ走査間隔を短くする。

また、対象物体の存否を事前学習させた識別器に画像を入力し、画像中の対象物体を検出する物体検出装置が提案されている。例えば、特許文献３には、パーティクルフィルタを用いて人物を追跡する人物追跡装置であって、カスケード型識別器を用いて、カスケードの通過段数を人らしさの指標とする技術が開示されている。

特開平２−１５９６８２号公報特許第３５１７５１８号公報特開２００８−２６９７４号公報

ところで、画像から検出対象物が存在する位置をより高い精度で求めるためには検出窓領域を細かい走査間隔でずらしながらマッチングを行う必要がある。しかしながら、走査間隔を細かくすると処理負担が大きくなり、検出対象物を検出するまで時間が掛かる。一方、検出窓領域を大きな走査間隔でずらしながらマッチングを行うと、検出対象が存在するにも関わらず検出できない、いわゆる検出漏れが発生する原因となる。

本発明は、上記問題を鑑みてなされたものであり、処理負担の軽減と検出漏れをなくす物体検出装置を提供することを目的とする。

本発明の１つの態様は、画像から検出対象物を検出する物体検出装置であって、前記画像を取得する画像取得部と、前記画像取得部から入力された前記画像から検出窓が設定されている検出窓領域画像を取り込み、前記検出窓領域画像に前記検出対象物が存在しているか否かの判定と、その判定における前記検出対象物の存在の確からしさの度合いを示す信頼度と、を出力する識別器と、前記信頼度が高くなるほどその後の検出窓の走査間隔を短く設定する検出窓制御手段と、前記識別器からの出力に基づき前記検出対象物が存在するか否かを判定する判定手段と、を有することを特徴とする。

ここで、前記検出窓制御手段は、前記走査間隔を前記検出窓の大きさを超えない範囲に設定することが好適である。

また、前記識別器は、前記検出窓領域画像と前記検出対象物とが類似している度合いを示す類似度を出力し、前記判定手段は、前記信頼度が所定値以上であり互いに重なり合っている前記検出窓領域画像、の中から前記類似度が高い前記検出窓領域画像を前記検出対象物の画像を含む検出対象画像と判定することが好適である。

また、前記識別器は、複数の強識別器が直列に接続されたカスケード型識別器を含み、当該直列に接続された複数の強識別器のそれぞれは、前記検出窓領域画像に前記検出対象物が存在するか否かの識別結果を出力し、前記カスケード型識別器において前記検出対象物が存在するとの識別結果を出力した強識別器のうち最後の段の強識別器の初段からの段数を前記信頼度とすることが好適である。なお、検出対象物が存在しないとの識別結果の出力を利用する場合は、識別結果を出力した強識別器の前段の段数としても同じである。

本発明によれば、物体検出装置において処理負担を軽減し、検出漏れをなくすことができる。

＜第１の実施の形態＞
本発明の実施の形態における物体検出装置１は、図１に示すように、画像取得部２、信号処理部３、記憶部４及び出力部５を含んで構成される。物体検出装置１は、監視空間を撮像した監視画像を取得し、画像内に撮像された人や物等の検出対象物を検出する。画像取得部２、信号処理部３、記憶部４及び出力部５は互いに情報伝達可能に接続される。

なお、本実施の形態では、画像内に写った人を検出対象物する例について説明する。ただし、これに限定されるものではなく、流通化に置かれる商品等の物品、通行する車等を検出する場合等にも適用することができる。

画像取得部２は、ＣＣＤ素子やＣ−ＭＯＳ素子等の撮像素子、光学系部品、アナログ／デジタル変換器等を含んで構成される所謂監視カメラを含む。また、画像取得部２は、インターネットのネットワークを介して画像を取得するものであってもよい。画像取得部２は、撮像した画像を信号処理部３へ送信する。画像を取得する間隔は一定の時間間隔でなくてもよい。また、取得する画像は固定した場所を撮像したものでなくてもよい。

画像は、例えば、幅３２０ピクセル、高さ２４０ピクセル、各ピクセルがＲ（赤）、Ｇ（緑）、Ｂ（青）をそれぞれ２５６階調で表現したカラー画像である。

信号処理部３は、ＣＰＵ、ＤＳＰ、ＭＣＵ、ＩＣ等の演算回路を含んで構成される。信号処理部３は、画像取得部２、記憶部４及び出力部５と情報伝達可能に接続される。信号処理部３は、検出窓領域選択手段３０、検出窓制御手段３２、識別器３４及び判定手段３６等の各手段での処理を記述したプログラムを記憶部４から読み出して実行することによりコンピュータを各手段として機能させる。

信号処理部３は、図２の上図に示すように、画像取得部２より入力画像２００から検出対象物を検出する。説明の都合上、画像２００の左上を原点Ｘ＝０，Ｙ＝０とし、横方向にＸ軸、縦方向にＹ軸とし、Ｘ軸は右方向、Ｙ軸は下方向に正に増加するものとする。入力画像２００には、領域２０３，２０４の位置に検出対象物（人）が写っており、矩形２０１，２０２は検出窓領域を示している。

物体検出装置１は、検出窓領域を少しずつずらしながら走査し、検出窓領域に人が写っている否かを判定する。矢印は、検出窓領域をずらす際の左上の座標を示すものであり、検出窓領域は画像２００全体を漏れなく探索するように走査する。領域２０３，２０４にある矩形は、検出処理の結果、人であると判定された検出窓領域（人候補領域）を示す。人が写っている画像領域付近では、人であると判定される検出窓領域が複数出てくる場合があるが、検出窓領域をまとめる処理を行うことで最終的な検出窓領域（図２中の太線：人領域）を得る。

検出窓領域選択手段３０は、検出窓領域の幅と高さを決定する。画像内に様々な大きさで写る人に対応するため検出窓領域の幅と高さを変更しながら、検出窓領域を走査して画像内に人が写っているか否かを判定する。なお、検出窓領域の幅と高さは、検出対象物の画像上での大きさを考慮して、予め記憶部４に１又は複数を記憶している。ただし、予め幅と高さを記憶していなくとも、所定の規則に従って決定してもよい。

検出窓制御手段３２は、検出窓領域をずらす間隔（走査間隔）を決定し、決定した走査間隔に基づいて検出窓領域をずらす。

識別器３４は、検出窓領域内の画像がどれだけ人に似ているか、類似度を計算する。類似度は、図３に示す処理手順で計算される。まず、検出窓切出手段３１０にて入力画像から検出窓領域が切り出され、カスケード型識別器３２０に入力される。カスケード型識別器３２０は、強識別器３２１，３２２，３２３のような複数の強識別器が直列に並んだ識別器である（ここではＮ個の識別器が直列に並んでいる例を示す）。個々の識別器は、ヒストグラム・オブ・オリエンティッド・グラディエント(ＨＯＧ：Histograms of Oriented Gradients)特徴(Navneet Dalal and Bill Triggs, Histograms of Oriented Gradients for Human Detection, In Proceedings of IEEE Conference Computer Vision and Pattern Recognition 2005)を用いてアダブースト(AdaBoost)で予め学習させる。すなわち、検出対象物である人の様々な立位状態の画像と人が写っていない画像を大量に用意し、各画像に対して検出対象物の画像であるか否か正解付けを行っておき、これらのデータを用いて両者が識別できるようにアダブーストに学習させる。類似度を計算するときは、各識別器は、入力された画像からＨＯＧ特徴を計算し、アダブーストで選択された特徴量より類似度を計算する。

強識別器３２１〜３２３はあらかじめ計算する順序が決まっており、最初に計算する強識別器３２１が１、次に計算する強識別器３２２が２・・・のように各強識別器には計算する順番と同じ番号を割り当てる。

各識別器３２１〜３２３は、検出窓領域として切り出された画像を入力とし、類似度を計算する。最先の識別器３２１以外の識別器３２２，３２３等は、前段で計算された類似度が閾値より大きい場合のみ（図中Ｔの矢印）、類似度を計算する。閾値以下の場合（図中Ｆの矢印）、類似度と信頼度を類似度・信頼度管理手段３３０に出力し、検出窓領域の大きさ（幅、高さ）と中心座標と共に判定情報履歴４０として記録する。

閾値は、例えば０に設定し、０より大きければ人に似ており、０以下であれば人に似ていないと判定する。また、信頼度とは、検出窓領域として切り出された画像に検出対象物の存在の確からしさの度合いであって、検出窓領域の走査間隔を設定する際に用いる。例えば、カスケード型識別器３２０において検出対象物が存在する（図中Ｔ）との識別結果を出力した強識別器のうち最後の段となる強識別器の番号（初段からの段数）とする。なお、最終段の強識別器３２３で判定を行う際には、閾値より大きい場合（図中Ｔの矢印）及び閾値以下の場合（図中Ｆの矢印）のいずれにおいても類似度、信頼度、検出窓領域の大きさ（幅、高さ）と中心座標を類似度・信頼度管理手段３３０に出力し、判定情報履歴４０として記録する。

判定手段３６は、判定情報履歴４０として記憶されている検出窓領域の大きさ（幅、高さ）と中心座標、類似度及び信頼度（強識別器の識別番号）を用いて、最終的に画像内のどこに人が写っているかを決定する。

判定情報履歴４０に含まれるデータの中で、信頼度がカスケード型識別器３２０に含まれる強識別器の最終段の識別番号に一致し、かつ類似度が閾値より大きいデータを抽出し人候補領域とする。人候補領域がない場合は入力画像中に人領域はないということで終了する。

人候補領域があった場合、検出窓領域の大きさと中心座標を用いて、一定以上（例えば、検出窓領域の面積の半分以上）の領域が重なっている人候補領域を纏める。纏めた人候補領域の中で類似度が一番高い検出窓領域を人領域として選択する。纏めた領域毎に選択された検出窓領域を人領域とし、出力部５に選択された検出窓領域の情報を出力する。

記憶部４は、ＲＯＭやＲＡＭ等のメモリ装置で構成される。記憶部４は、信号処理部３からアクセス可能に接続される。記憶部４は、各種プログラム、各種データを記憶することができ、信号処理部３からの要求に応じてこれらの情報を読み書きする。記憶部４は、類似度・信頼度管理手段３３０として機能し、判定情報履歴４０として検出窓領域の大きさ（幅、高さ）と中心座標、類似度及び信頼度の４つの情報を関連付けて記憶する。判定情報履歴４０は、検出窓制御手段３２、識別器３４、判定手段３６において必要に応じて読み書きされる。

出力部５は、報知音を出力する音響出力手段や入力画像を表示する表示手段を含んで構成することができる。判定手段３６で人領域が検出された場合、スピーカー、ブザー等の音響出力手段で警報を鳴らしたり、ディスプレイ等の外部表示装置に入力画像を表示したりする。また、出力部５は、コンピュータをネットワークや電話回線に接続するためのインターフェースを含んでもよい。この場合、出力部５は、電話回線やインターネット等の情報伝達手段を介して、センタ装置（図示しない）に入力画像や人領域の情報を送出する。なお、センタ装置は、画像内の検出対象物を監視するセンタ等に設置されるホストコンピュータである。

以下、物体検出装置１における処理について、図１の機能ブロック図並びに図５〜８のフローチャートを参照しつつ説明する。

ステップＳ１０では、画像取得部２において画像を取得し、信号処理部３に画像が送信される。画像の取得タイミングは決まった時間間隔でもよいし、外部から何らかの要求があったタイミングであってもよい。

ステップＳ２０では、検出窓領域の大きさ（幅と高さ）を決定する。検出窓領域の大きさを予め設定した複数の大きさに順次変更しつつ、各大きさの検出窓領域で画像全体を走査する。また、本実施の形態では検出窓領域は矩形としたので大きさとして幅と高さのみを決定すればよいが、検出窓領域は任意の形状であってよく、その場合には形状と大きさを決定する。この処理は検出窓領域選択手段３０にて行われる。

ステップＳ３０からステップＳ５０の処理は、ステップＳ２０で設定した検出窓領域の大きさで画像全体を走査し終わるまで繰り返す。

ステップＳ３０では、前回の検出窓領域で判別の際に求めた信頼度を用いて検出窓領域の走査間隔を求める。信頼度とは、上記のとおり、カスケード型識別器３２０において検出対象物が存在する（図中Ｔ）との識別結果を出力した強識別器のうち最後の強識別器に割り当てられた番号（初段からの段数）である。この処理は検出窓制御手段３２で行う。

具体的には、判定情報履歴４０に格納されている前回の検出窓領域で判定した信頼度を読み出し、対応する走査間隔を予め用意した対応表により選択する。図４に対応表４００の例を示す。

図２の下図は、入力画像２００のＹ＝ｙ１において、検出窓領域を１ピクセルずつＸ方向にずらした時に判定した信頼度がどのように変化するかをグラフ２１０として示す。人が写り込んでいる領域に近づくにつれ、カスケード型識別器３２０において検出対象物が存在するとの識別結果を出力する識別番号（信頼度）が大きくなり、人が写り込んでいる領域から離れるにつれ識別番号（信頼度）が小さくなる。このことより、信頼度が小さい場合にはその検出窓領域の画像は人に似ておらず、信頼度が大きい場合には人に似ているといえ、対応表４００は信頼度が小さいほど走査間隔は大きく、信頼度が大きいほど走査間隔は小さくなるように設定する。また、走査間隔は０（ピクセル）より大きく、検出窓領域の幅又は高さよりも小さくする。

例えば、入力画像が幅３２０ピクセル、高さ２４０ピクセル、検出窓領域が幅６４ピクセル、高さ１２８ピクセル、カスケード型識別器３２０の強識別器の段数が１３である場合、Ｖ１＝８，Ｖ２＝８，Ｖ３＝７，Ｖ４＝７，Ｖ５＝６，Ｖ６＝６，Ｖ７＝６，Ｖ８＝５，Ｖ９＝５，Ｖ１０＝５，Ｖ１１＝４，Ｖ１２＝４，Ｖ１３＝４とする。

なお、ステップＳ２０で検出窓領域の大きさを変更した直後、すなわち画像に対する新たな検出窓領域での走査開始時には走査間隔は予め設定した初期値とする。

ステップＳ４０では、検出窓領域の位置を決定する。この処理は検出窓制御手段３２でなされる。検出窓領域の位置決定方法について図６のフローチャートを用いて説明する。なお、検出窓領域の左上の座標を開始点と呼び、決定すべき検出窓領域の開始点を（ＳＸ，ＳＹ）、前回の検出窓領域の開始点を（ＢＸ，ＢＹ）とする。

ステップＳ４０１では、検出窓領域の大きさが変更されたか否かの判定を行う。検出窓領域の大きさが変更された直後の場合は、ステップＳ４０５において検出窓領域の開始点（ＳＸ，ＳＹ）を（０，０）に設定してステップＳ５０に移行する。検出窓領域の大きさ変更後、初めての処理でない場合にはステップＳ４０２へ移行する。

ステップＳ４０２では、前回の検出窓領域の開始点（ＢＸ，ＢＹ）を読み出す。ステップＳ４０３では、ステップＳ４０２で読み出した前回の検出窓領域の開始点（ＢＸ，ＢＹ）から画像の右端まで走査したか否かを判定する。前記の検出窓領域で画像の右端まで走査が終了した場合、すなわち検出窓領域の右端ＢＸ＋Ｗ（但し、Ｗは検出窓領域の幅）が画像の右端に一致した場合にはステップＳ４０６において検出窓領域の開始点を（ＳＸ，ＳＹ）＝（０，ＢＹ＋ｑ）と設定し、ステップＳ５０へ移行する。ただし、ｑは予め定めた定数とする。例えば、入力画像が幅３２０ピクセル、高さ２４０ピクセルの場合にはｑ＝４ピクセルに設定する。右端まで走査していない場合にはステップＳ４０４に移行する。

ステップＳ４０４では、ステップＳ３０で決定した走査間隔だけＸ方向に検出窓領域をずらし、Ｙ方向にはずらさないように検出窓領域の開始点を（ＳＸ，ＳＹ）を決定する。すなわち、検出窓領域の開始点（ＳＸ，ＳＹ）＝（ＢＸ＋ステップＳ３０で決定した走査間隔，ＢＹ）とする。その後、ステップＳ５０に移行する。

ステップＳ５０では、ステップＳ４０にて設定された検出窓領域内の画像がどれだけ人に似ているかを示す類似度を求める。これは、図３に示したカスケード型識別器３２０の識別処理であり、識別器３４にてなされる。識別処理について図７のフローチャートを用いて説明する。

ステップＳ５０１では、現在の検出窓領域からＨＯＧ特徴量を計算する。ただし、この処理はステップＳ１０とステップＳ２０との間で、入力画像の各ピクセルのエッジの強度と角度を計算し、エッジの角度毎のインテグラル画像を作成しておくことでより高速に計算することが可能になる。

ステップＳ５０２では、すべての強識別器を調査し終わったか否かの判定を行う。すべての強識別器で調査し終わった場合はステップＳ５０５に移行し、終わっていない場合にはステップＳ５０３に移行し、次の強識別器での調査を行う。ステップＳ５０３では、検出窓領域内の画像が人に似ているか否かを判定するための類似度を計算する。

ステップＳ５０４では、ステップＳ５０３において計算した類似度が予め設定した閾値より大きいか否かを判定する。閾値より大きい場合にはステップＳ５０２に移行し、閾値以下の場合にはステップＳ５０５に移行する。ステップＳ５０５では、検出窓領域の大きさ（幅と高さ）と中心座標、類似度及び信頼度を関連付けて判定情報履歴４０として記録し、ステップＳ６０に移行する。

ステップＳ６０では、すべての大きさの検出窓領域について検出処理が終了したか否かを判定する。すべての大きさの検出窓領域について調査が終わった場合はステップＳ７０に処理を移行させ、そうでない場合はステップＳ２０に処理を戻す。

ステップＳ７０では、ステップＳ５０で求めた判定情報履歴４０に記憶されている各検出窓領域の大きさ（幅と高さ）、中心座標、類似度及び信頼度から最終的に人が写っている位置を決定する。この処理は判定手段３６でなされる。

ステップＳ７０１〜Ｓ７０２の処理はステップＳ５０で求めた判定情報履歴４０として記憶されているすべての検出窓領域について行う。ステップＳ７０１では、信頼度がカスケード型識別器３２０に含まれる強識別器の最終段の識別番号に一致し、かつ類似度が閾値より大きいか否かを判定し、条件を満たす場合にはステップＳ７０２に移行し、そうでない場合には次の検出窓領域について判定を行う。ステップＳ７０２では、ステップＳ７０１で条件を満たした検出窓領域を人候補領域に追加する。

判定情報履歴４０に記憶された情報に対してステップＳ７０１〜Ｓ７０２を繰り返すことで求められた人候補領域は、図２に示すように、人が写っている領域の近くに領域２０３，２０４のように複数抽出される場合がある。ステップＳ７０３〜Ｓ７０５では、複数の人候補領域から人領域を最終的に選択する。

ステップＳ７０３では、人候補領域として抽出された検出窓領域の大きさと中心座標を用いて、一定以上（例えば、検出窓領域の面積の半分以上）の領域が重なっている人候補領域をグループとして纏める。ステップＳ７０４では、ステップＳ７０３で作成されたグループ毎に人候補領域の中で類似度が一番高い検出窓領域を人領域として選択する。ステップＳ７０５では、ステップＳ７０４で選択された検出窓領域を人領域とし、ステップＳ８０に移行する。

ステップＳ８０では、ステップＳ７０において判定された人領域を基に、人領域が１つでもあれば、判定された人領域の検知窓情報を画像と共に異常信号として出力する。この処理は出力部５にてなされる。

なお、本実施の形態では、カスケード型識別器３２０の各識別器における判定によって定められる信頼度に応じてＸ方向への走査間隔を変更するものとしたが、同様にＹ方向への走査間隔を変更するものとしてもよい。例えば、１走査ライン前の各検出窓領域におけるカスケード型識別器３２０からの信頼度の出力を平均化し、その値に応じて次の走査ラインの開始点（ＳＸ，ＳＹ）を決定する際のｑの値を変更すればよい。

＜第２の実施の形態＞
第２の実施の形態では、第１の実施の形態における識別器３４の構成のみが異なる。本実施の形態における識別器３４は、図９に示すように、並列に接続した強識別器の数によって人領域の判定を行う。すなわち、第１の実施の形態ではカスケード型識別器３２０においていずれかの強識別器が人でないと判定した時点で処理を終了するものとしたが、本実施の形態ではすべての強識別器にて識別処理を行い、検索窓領域が人を含むと判定した強識別器の数がそうでないと判定した強識別器の数よりも多い場合に人を含むと判定した識別器の数を信頼度として判定手段３６に出力する。

＜第３の実施の形態＞
第３の実施の形態では、第１の実施の形態における識別器３４の構成のみが異なる。本実施の形態における識別器３４は、予め画像上の人が有する形状、輝度、エッジ情報等のパラメータを含む特徴情報をテンプレートとして記憶部４に記憶しておき、検出窓領域の画像と特徴情報との類似度を算出し、類似度をその検出窓領域の人らしさの信頼度として判定手段３６に出力する。

以上のように、上記各実施の形態によれば、画像からの物体検出において処理負担を軽減し、検出漏れをなくすことができる。

また、本実施の形態では、物体検出装置１の各部の機能を１つのコンピュータで実現する態様を説明したがこれに限定されるものではない。物体検出装置１の各部の機能は一般的なコンピュータをプログラムにより制御することによって実現できるものであり、これらの装置の各機能を適宜組み合わせて１つのコンピュータで処理させてもよいし、各機能をネットワーク等で接続された複数のコンピュータで分散処理させてもよい。

本発明の実施の形態における物体検出装置の構成を示す機能ブロック図である。物体の検出処理を説明する図である。本発明の実施の形態における識別器の構成を示す図である。本発明の実施の形態における対応表の例を示す図である。本発明の実施の形態における物体検出装置での処理を示すフローチャートである。本発明の実施の形態における物体検出装置での検出窓領域の位置設定処理を示すフローチャートである。本発明の実施の形態における物体検出装置での識別処理を示すフローチャートである。本発明の実施の形態における物体検出装置での判定処理を示すフローチャートである。本発明の実施の形態における識別器の構成を示す図である。

符号の説明

１物体検出装置、２画像取得部、３信号処理部、４記憶部、５出力部、３０検出窓領域選択手段、３２検出窓制御手段、３４識別器、３６判定手段、４０判定情報履歴、２００入力画像、２０１，２０２検出窓領域、２０３，２０４領域、３１０検出窓切出手段、３２０カスケード型識別器、３２１，３２２，３２３強識別器、３３０類似度・信頼度管理手段、４００対応表。

Claims

画像から検出対象物を検出する物体検出装置であって、
前記画像を取得する画像取得部と、
前記画像取得部から入力された前記画像から検出窓が設定されている検出窓領域画像を取り込み、前記検出窓領域画像に前記検出対象物が存在しているか否かの判定と、その判定における前記検出対象物の存在の確からしさの度合いを示す信頼度と、を出力する識別器と、
前記信頼度が高くなるほどその後の検出窓の走査間隔を短く設定する検出窓制御手段と、
前記識別器からの出力に基づき前記検出対象物が存在するか否かを判定する判定手段と、
を有し、
前記識別器は、複数の強識別器が直列に接続されたカスケード型識別器を含み、当該直列に接続された複数の強識別器のそれぞれは、前記検出窓領域画像に前記検出対象物が存在するか否かの識別結果を出力し、
前記カスケード型識別器において前記検出対象物が存在するとの識別結果を出力した強識別器のうち最後の段の強識別器の初段からの段数を前記信頼度とすることを特徴とする物体検出装置。
前記検出窓制御手段は、前記走査間隔を前記検出窓の大きさを超えない範囲に設定することを特徴とする請求項１に記載の物体検出装置。
前記識別器は、前記検出窓領域画像と前記検出対象物とが類似している度合いを示す類似度を出力し、
前記判定手段は、前記信頼度が所定値以上であり互いに重なり合っている前記検出窓領域画像の中から前記類似度が高い前記検出窓領域画像を前記検出対象物の画像を含む検出対象画像と判定することを特徴とする請求項１又は２に記載の物体検出装置。