JPH10222663A - 画像認識システム及び装置 - Google Patents
画像認識システム及び装置Info
- Publication number
- JPH10222663A JPH10222663A JP9018708A JP1870897A JPH10222663A JP H10222663 A JPH10222663 A JP H10222663A JP 9018708 A JP9018708 A JP 9018708A JP 1870897 A JP1870897 A JP 1870897A JP H10222663 A JPH10222663 A JP H10222663A
- Authority
- JP
- Japan
- Prior art keywords
- active eye
- image data
- active
- information
- eye
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】従来の画像認識技術の概念に基くことなしに画
像を迅速かつ容易にしかも正確に処理できる新規の画像
認識システムを提供する。 【解決手段】本発明の画像認識システムは、複数のアク
ティブアイを用いて取り込んだ画像データの中の対象物
の少なくとも色情報を判別すると共に、各アクティブア
イの座標情報に基き位置を演算することにより、取り込
んだ画像データの中から予定の対象物を特定するように
構成される。
像を迅速かつ容易にしかも正確に処理できる新規の画像
認識システムを提供する。 【解決手段】本発明の画像認識システムは、複数のアク
ティブアイを用いて取り込んだ画像データの中の対象物
の少なくとも色情報を判別すると共に、各アクティブア
イの座標情報に基き位置を演算することにより、取り込
んだ画像データの中から予定の対象物を特定するように
構成される。
Description
【０００１】
【発明の属する技術分野】本発明は、画像認識システム
及び装置に関するものである。
及び装置に関するものである。
【０００２】
【従来の技術】画像情報は、時間と空間の関数であり、
時間と共に変化するという開放性、データの多次元性及
び大規模性、エッジなどの不連続性、標本化、量子化過
程で生じる雑音や不確定性などの特徴をもっている。そ
のため画像情報を処理するシステムとしては時間の変化
に追従する適応処理、大量データを実時間で処理するリ
アルタイム処理、不連続性を扱う非線形処理及び雑音や
変動に対するロバスト性が要求される。またニューロン
と呼ばれる演算素子から成るニューラルネットワークは
数理的性質及び情報処理能力をもつており、多数のニュ
ーロンによる同時並列処理、ニューロン間の結合荷重が
可塑的に変化する学習能力、複雑な拘束条件のもとで評
価関数を最小化する最適化能力があり、これを利用する
ことにより画像認識における大規模な最適化の問題を高
速に解くことができる。またその学習能力を利用して、
結合荷重を適応的に変化させて様々な画像認識が可能と
なるシステムも提案されている。
時間と共に変化するという開放性、データの多次元性及
び大規模性、エッジなどの不連続性、標本化、量子化過
程で生じる雑音や不確定性などの特徴をもっている。そ
のため画像情報を処理するシステムとしては時間の変化
に追従する適応処理、大量データを実時間で処理するリ
アルタイム処理、不連続性を扱う非線形処理及び雑音や
変動に対するロバスト性が要求される。またニューロン
と呼ばれる演算素子から成るニューラルネットワークは
数理的性質及び情報処理能力をもつており、多数のニュ
ーロンによる同時並列処理、ニューロン間の結合荷重が
可塑的に変化する学習能力、複雑な拘束条件のもとで評
価関数を最小化する最適化能力があり、これを利用する
ことにより画像認識における大規模な最適化の問題を高
速に解くことができる。またその学習能力を利用して、
結合荷重を適応的に変化させて様々な画像認識が可能と
なるシステムも提案されている。
【０００３】添付図面の図９には従来の画像認識システ
ムの一例を示し、Ａは処理すべき画像データ、ＢはHSI
変換処理部、Ｃはフィルタ、Ｄは二値化処理部、Ｅは輪
郭線追跡部である。
ムの一例を示し、Ａは処理すべき画像データ、ＢはHSI
変換処理部、Ｃはフィルタ、Ｄは二値化処理部、Ｅは輪
郭線追跡部である。
【０００４】
【発明が解決しようとする課題】従来の画像認識システ
ムでは上述のように画像情報の処理に要求される事項を
満たすため特殊なハードウエアが用いられており、装置
自体が大掛りで高価なものとなっている。一方そのよう
な特殊なハードウエアを使用しないと、画像認識に非常
に時間が掛ることになる。すなわち従来の画像認識シス
テムにおいては通常ノイズを除去したり色変換等の処理
を画素毎に行う必要があり、そのため画像認識に時間が
かかることになる。従来技術においては画像認識時間を
短縮するためには処理すべき画素数を減らす以外に方法
がなかった。しかしながら画素数を減らすと当然精度が
犠牲となるという問題点があった。また、図９に示すよ
うな従来の画像認識システムでは、各種の処理を左から
右へ順次実施していくため、最後の処理が行われなけ
ば、結果が得られず、何らかの理由で処理が途中で止ま
ると、最後までその影響が残り、正確な画像認識が保証
できないという問題点もあった。
ムでは上述のように画像情報の処理に要求される事項を
満たすため特殊なハードウエアが用いられており、装置
自体が大掛りで高価なものとなっている。一方そのよう
な特殊なハードウエアを使用しないと、画像認識に非常
に時間が掛ることになる。すなわち従来の画像認識シス
テムにおいては通常ノイズを除去したり色変換等の処理
を画素毎に行う必要があり、そのため画像認識に時間が
かかることになる。従来技術においては画像認識時間を
短縮するためには処理すべき画素数を減らす以外に方法
がなかった。しかしながら画素数を減らすと当然精度が
犠牲となるという問題点があった。また、図９に示すよ
うな従来の画像認識システムでは、各種の処理を左から
右へ順次実施していくため、最後の処理が行われなけ
ば、結果が得られず、何らかの理由で処理が途中で止ま
ると、最後までその影響が残り、正確な画像認識が保証
できないという問題点もあった。
【０００５】そこで、本発明は、従来の画像認識技術の
概念に基くことなしに特殊なハードウエアを使用しなく
ても画像を迅速かつ容易にしかも正確に処理できる新規
の画像認識システムを提供することを目的としている。
概念に基くことなしに特殊なハードウエアを使用しなく
ても画像を迅速かつ容易にしかも正確に処理できる新規
の画像認識システムを提供することを目的としている。
【０００６】
【課題を解決するための手段】上記の目的を達成するた
めに、本発明においては、取り込んだ画像データを僅か
な画素数から成る微小領域単位で、予め記憶された色情
報及び必要により形状情報に基づき走査し、目標とする
対象物の輪郭要素を特定し集合して対象物の形状及び位
置を特定する機能をもつアクティブアイと呼ばれる画像
プローブ素子を複数個使用し、取り込んだ画像データの
中の対象物の少なくとも色情報を判別すると共に、各ア
クティブアイの座標情報に基き位置を演算することによ
り、取り込んだ画像データの中から対象物が特定され
る。
めに、本発明においては、取り込んだ画像データを僅か
な画素数から成る微小領域単位で、予め記憶された色情
報及び必要により形状情報に基づき走査し、目標とする
対象物の輪郭要素を特定し集合して対象物の形状及び位
置を特定する機能をもつアクティブアイと呼ばれる画像
プローブ素子を複数個使用し、取り込んだ画像データの
中の対象物の少なくとも色情報を判別すると共に、各ア
クティブアイの座標情報に基き位置を演算することによ
り、取り込んだ画像データの中から対象物が特定され
る。
【０００７】
【発明の実施の形態】本発明による画像認識システム
は、取り込んだ画像データの表示画面上を行動規則に基
いて移動し、画像データ上の少なくとも色情報から記憶
している色か否かを判別できる複数のアクティブアイを
用いて、取り込んだ画像データから対象物の真偽を判別
し、各アクティブアイにより形成されるコロニー座標系
の情報に基いて考察している対象物の形状を認識すると
共に、その対象物の位置を特定できるように構成したこ
とを特徴としている。
は、取り込んだ画像データの表示画面上を行動規則に基
いて移動し、画像データ上の少なくとも色情報から記憶
している色か否かを判別できる複数のアクティブアイを
用いて、取り込んだ画像データから対象物の真偽を判別
し、各アクティブアイにより形成されるコロニー座標系
の情報に基いて考察している対象物の形状を認識すると
共に、その対象物の位置を特定できるように構成したこ
とを特徴としている。
【０００８】本発明の一実施の形態においては、アクテ
ィブアイは、各々予定の時間以上画像データ中の対象物
を見失っている状態にあるレベル０と直前まで画像デー
タ中の対象物らしきものを見ていたが現在は見失ってい
る状態にあるレベル１と画像データ中の対象物らしきも
のを見ている状態にあるレベル２とをもち、しかも全体
に関して全てレベル０の状態にある全体レベル１と少な
くとも一つのアクティブアイがレベル１以上にある全体
レベル０とをもち、アクティブアイの予定の行動規則は
これらの各レベルと全体レベルとの組み合わせにより形
成される。また予定の行動規則に従って、それぞれのア
クティブアイはランダムに移動したり、最も近いコロニ
ーの中心に向って集まる方向または中心から離れる方向
に移動するようにされる。この様子は、食物に蠅がたか
るようにアクティブアイが対象物に向かい、その食物が
取り去られれば、その蠅が飛散するのと同じようにアク
ティブアイは飛散する。さらに、アクティブアイによる
画像データ中の色情報の判別は、入射してくる色情報を
色相、飽和度及び輝度信号に変換し、これら信号を予め
記憶された色情報マップと比較することにより行われ得
る。さらにまた、形状認識において、それぞれのアクテ
ィブアイによって形成される閉ループのコロニー座標系
はｘｙ座標から成り、各アクティブアイの位置情報は
ｘ、ｙ軸に関する情報と隣接したアクティブアイを接続
ベクトルとｘ軸との成す角度情報とから成っている。こ
れらの情報を演算処理してそれぞれ０〜１の出力値に変
換し、これらの出力値を平均化してコロニー全体の出力
の平均値により形状認識が行われ得る。
ィブアイは、各々予定の時間以上画像データ中の対象物
を見失っている状態にあるレベル０と直前まで画像デー
タ中の対象物らしきものを見ていたが現在は見失ってい
る状態にあるレベル１と画像データ中の対象物らしきも
のを見ている状態にあるレベル２とをもち、しかも全体
に関して全てレベル０の状態にある全体レベル１と少な
くとも一つのアクティブアイがレベル１以上にある全体
レベル０とをもち、アクティブアイの予定の行動規則は
これらの各レベルと全体レベルとの組み合わせにより形
成される。また予定の行動規則に従って、それぞれのア
クティブアイはランダムに移動したり、最も近いコロニ
ーの中心に向って集まる方向または中心から離れる方向
に移動するようにされる。この様子は、食物に蠅がたか
るようにアクティブアイが対象物に向かい、その食物が
取り去られれば、その蠅が飛散するのと同じようにアク
ティブアイは飛散する。さらに、アクティブアイによる
画像データ中の色情報の判別は、入射してくる色情報を
色相、飽和度及び輝度信号に変換し、これら信号を予め
記憶された色情報マップと比較することにより行われ得
る。さらにまた、形状認識において、それぞれのアクテ
ィブアイによって形成される閉ループのコロニー座標系
はｘｙ座標から成り、各アクティブアイの位置情報は
ｘ、ｙ軸に関する情報と隣接したアクティブアイを接続
ベクトルとｘ軸との成す角度情報とから成っている。こ
れらの情報を演算処理してそれぞれ０〜１の出力値に変
換し、これらの出力値を平均化してコロニー全体の出力
の平均値により形状認識が行われ得る。
【０００９】また本発明の別の実施の形態によれば、取
り込んだ画像データの表示画面上を行動規則に基いて移
動してコロニー座標系を形成し、画像データ上の少なく
とも色情報から記憶している色か否かを判別できる複数
のアクティブアイと、各アクティブアイからの出力に基
づき考察している対象物の形状を認識する形状認識手段
と、各アクティブアイからの出力に基づき注目している
対象物の位置を特定する位置計算手段とから成ることを
特徴とする画像認識装置が提供される。
り込んだ画像データの表示画面上を行動規則に基いて移
動してコロニー座標系を形成し、画像データ上の少なく
とも色情報から記憶している色か否かを判別できる複数
のアクティブアイと、各アクティブアイからの出力に基
づき考察している対象物の形状を認識する形状認識手段
と、各アクティブアイからの出力に基づき注目している
対象物の位置を特定する位置計算手段とから成ることを
特徴とする画像認識装置が提供される。
【００１０】
【実施例】以下添付図面の図１〜図８を参照して実施例
について説明する。図１には本発明の一実施例による画
像認識システムの装置構成を示し、この画像認識システ
ムは画像データ１の表示画面上を予定の行動規則に基い
て移動し、画像データ上の少なくとも色情報から記憶し
ている色か否かを判別できる複数のアクティブアイ２
と、各アクティブアイ２からの出力を受け、画像データ
１の表示画面上の対象物が予定のものであるか否かを形
状認識する形状認識部３と、各アクティブアイ２からの
出力を受け、形状認識した対象物の位置を特定する位置
計算部４とから成っており、対象物の位置に関する情報
はそれぞれのアクティブアイ２にフィードバックされ
る。
について説明する。図１には本発明の一実施例による画
像認識システムの装置構成を示し、この画像認識システ
ムは画像データ１の表示画面上を予定の行動規則に基い
て移動し、画像データ上の少なくとも色情報から記憶し
ている色か否かを判別できる複数のアクティブアイ２
と、各アクティブアイ２からの出力を受け、画像データ
１の表示画面上の対象物が予定のものであるか否かを形
状認識する形状認識部３と、各アクティブアイ２からの
出力を受け、形状認識した対象物の位置を特定する位置
計算部４とから成っており、対象物の位置に関する情報
はそれぞれのアクティブアイ２にフィードバックされ
る。
【００１１】図示システムにおいては、取り込んだ画像
データの中から予め記憶した対象物を検出し、その位置
を特定するようにソフトウエアが構成されている。すな
わち取り込んだ画像の中から予め記憶した対象物を検出
する際には図示実施例では色情報が用いられる。 図２
には色情報による判別の仕方を示し、入射してくる色情
報を変換処理部５で色相、飽和度及び輝度信号に変換す
る。これら信号は予め記憶された色情報マップ６におけ
る情報と比較され、その結果予定の対象物でないとする
出力０から予定の対象物である出力１までの間の値（対
象物らしさを表す）の出力信号が発生される。ところ
で、取り込んだ画像データの中に同じ色の物が複数ある
場合には形状の判別も行うようにされる。それぞれのア
クティブアイ２は、小領域 (３×３画素) の色情報から
記憶された色か否かを判別でき、記憶された色を発見す
ると他のアクティブアイ２は後で説明する単純な行動規
則に基づいてその場所に近付くように移動する。こうし
てそれぞれのアクティブアイ２は画像データの中の対象
物と背景との境界に集まり、その時のアクティブアイ２
の位置座標に関する情報は形状認識部３に送られ、この
情報に基いて後で詳細に説明するように考察中の対象物
形状認識が行われる。そして位置計算部４では、形状認
識した対象物の位置を特定するため、対象物の中心座標
が出力される。各アクティブアイ２の座標は形状認識部
３と位置計算部４の両方に送られるため、形状が判別で
きるほどアクティブアイ２が集まっていない段階でも大
まかな位置を知ることができる。
データの中から予め記憶した対象物を検出し、その位置
を特定するようにソフトウエアが構成されている。すな
わち取り込んだ画像の中から予め記憶した対象物を検出
する際には図示実施例では色情報が用いられる。 図２
には色情報による判別の仕方を示し、入射してくる色情
報を変換処理部５で色相、飽和度及び輝度信号に変換す
る。これら信号は予め記憶された色情報マップ６におけ
る情報と比較され、その結果予定の対象物でないとする
出力０から予定の対象物である出力１までの間の値（対
象物らしさを表す）の出力信号が発生される。ところ
で、取り込んだ画像データの中に同じ色の物が複数ある
場合には形状の判別も行うようにされる。それぞれのア
クティブアイ２は、小領域 (３×３画素) の色情報から
記憶された色か否かを判別でき、記憶された色を発見す
ると他のアクティブアイ２は後で説明する単純な行動規
則に基づいてその場所に近付くように移動する。こうし
てそれぞれのアクティブアイ２は画像データの中の対象
物と背景との境界に集まり、その時のアクティブアイ２
の位置座標に関する情報は形状認識部３に送られ、この
情報に基いて後で詳細に説明するように考察中の対象物
形状認識が行われる。そして位置計算部４では、形状認
識した対象物の位置を特定するため、対象物の中心座標
が出力される。各アクティブアイ２の座標は形状認識部
３と位置計算部４の両方に送られるため、形状が判別で
きるほどアクティブアイ２が集まっていない段階でも大
まかな位置を知ることができる。
【００１２】アクティブアイ２の行動規則について説明
すると、各アクティブアイ２は次の三つのレベルをも
つ。すなわち、 レべル０：一定時間以上対象物を見失っている状態； レベル１：直前まで対象物らしきものを見ていたが、現
在は見失っている状態； レベル２：対象物らしきもの
を見ている状態。またアクティブアイ２の全体について
も次の二つのレベルをもつ。すなわち、 全体レベル０：全てのアクティブアイ２がレベル０の状
態； 全体レベル１：一つ以上のアクティブアイ２がレベル１
以上の状態。 これらのレベルの組合せて下表のような行動規則が形成
される。
すると、各アクティブアイ２は次の三つのレベルをも
つ。すなわち、 レべル０：一定時間以上対象物を見失っている状態； レベル１：直前まで対象物らしきものを見ていたが、現
在は見失っている状態； レベル２：対象物らしきもの
を見ている状態。またアクティブアイ２の全体について
も次の二つのレベルをもつ。すなわち、 全体レベル０：全てのアクティブアイ２がレベル０の状
態； 全体レベル１：一つ以上のアクティブアイ２がレベル１
以上の状態。 これらのレベルの組合せて下表のような行動規則が形成
される。
【００１３】図３には各アクティブアイ２の速度ベクト
ルの方向を示す。細線、太線の四角はそれぞれレベル
０、レベル１、２のアクティブアイを表し、線で結ばれ
たアクティブアイはコロニーを表す。
ルの方向を示す。細線、太線の四角はそれぞれレベル
０、レベル１、２のアクティブアイを表し、線で結ばれ
たアクティブアイはコロニーを表す。
【００１４】次に図４を参照してコロニーの生成につい
て説明する。あるレベル１以上のアクティブアイ(a)
は、最も近いレベル１以上のアクティブアイ(b) に連結
する。そしてアクティブアイ(b) はアクティブアイ(a)
を除く最も近いレベル１以上のアクティブアイ(c) に連
結し、さらにアクティブアイ(c) はアクティブアイ(b)
を除く最も近いレベル１以上のアクティブアイに連結す
る。これを繰り返すことにより一つのコロニーが形成さ
れる。ここで、すでに連結されているアクティブアイに
連結することはできない。その結果形成されるコロニー
は図示したように、閉じた多角形となる。
て説明する。あるレベル１以上のアクティブアイ(a)
は、最も近いレベル１以上のアクティブアイ(b) に連結
する。そしてアクティブアイ(b) はアクティブアイ(a)
を除く最も近いレベル１以上のアクティブアイ(c) に連
結し、さらにアクティブアイ(c) はアクティブアイ(b)
を除く最も近いレベル１以上のアクティブアイに連結す
る。これを繰り返すことにより一つのコロニーが形成さ
れる。ここで、すでに連結されているアクティブアイに
連結することはできない。その結果形成されるコロニー
は図示したように、閉じた多角形となる。
【００１５】図５にはコロニー座標系を示し、図示した
ように、アクティブアイ２の行動規則によって対象物と
背景との境界にアクティブアイ２が集まり、コロニーを
生成していると仮定する。まずコロニーを生成している
アクティブアイの中で最も左のアクティブアイのｘ座標
をｘ＝０、右端のアクティブアイのｘ座標をｘ＝１，同
様に上端のアクティブアイのｙ座標をｙ＝０、下端のア
クティブアイのｙ座標をｙ＝１とするコロニー座標系を
考える。また、各アクティブアイの接続べクトルとｘ軸
とのなす角をθとする。各アクティブアイに関しての
ｘ、ｙ、θの３つの値は、図６に示す形状認識部３にお
ける演算処理部７に入力され、対象物らしさを０〜１の
値で出力させる。対象物らしさを表すこれらの０〜１の
値の出力信号は平均化装置８へ送られ、コロニー全体の
出力の平均値が対象物らしさを表す０〜１の値として出
力される。この出力信号によって対象物であるか否かが
形状識別される。
ように、アクティブアイ２の行動規則によって対象物と
背景との境界にアクティブアイ２が集まり、コロニーを
生成していると仮定する。まずコロニーを生成している
アクティブアイの中で最も左のアクティブアイのｘ座標
をｘ＝０、右端のアクティブアイのｘ座標をｘ＝１，同
様に上端のアクティブアイのｙ座標をｙ＝０、下端のア
クティブアイのｙ座標をｙ＝１とするコロニー座標系を
考える。また、各アクティブアイの接続べクトルとｘ軸
とのなす角をθとする。各アクティブアイに関しての
ｘ、ｙ、θの３つの値は、図６に示す形状認識部３にお
ける演算処理部７に入力され、対象物らしさを０〜１の
値で出力させる。対象物らしさを表すこれらの０〜１の
値の出力信号は平均化装置８へ送られ、コロニー全体の
出力の平均値が対象物らしさを表す０〜１の値として出
力される。この出力信号によって対象物であるか否かが
形状識別される。
【００１６】図７には本発明の画像認識システムを利用
した実験例を示す。この実験では対象物をカメラの視野
内に入れてから対象物の形状を判別してその中心位置を
計算するまでの時問を調べる。Pentium120MHzCPUのパソ
コンを使用し、画素数は 320×200 、アクティブアイの
数は32とした。対象物として一辺75mmの正方形の赤い紙
を用い、カメラの位置から500mm のところに固定した。
このシステムが出力する対象物の座標の時間変化を図８
に示す。図８から約２秒間で形状判別が終了し、その後
はほぼ一定値を出力していることが分かる。汎用のパソ
コンを用いた画像認識システムとしては十分に速く、ま
た画素数を減らして高速化した場合に比べて正確であ
る。
した実験例を示す。この実験では対象物をカメラの視野
内に入れてから対象物の形状を判別してその中心位置を
計算するまでの時問を調べる。Pentium120MHzCPUのパソ
コンを使用し、画素数は 320×200 、アクティブアイの
数は32とした。対象物として一辺75mmの正方形の赤い紙
を用い、カメラの位置から500mm のところに固定した。
このシステムが出力する対象物の座標の時間変化を図８
に示す。図８から約２秒間で形状判別が終了し、その後
はほぼ一定値を出力していることが分かる。汎用のパソ
コンを用いた画像認識システムとしては十分に速く、ま
た画素数を減らして高速化した場合に比べて正確であ
る。
【００１７】このように本発明による画像認識システム
では対象物の色と形状を予め記憶しておけば、画面上に
おける対象物の大きさに関係なくその位置を特定できる
ので、パターンマッチング法のようにカメラの位置を気
にする必要がない。また１回の処理サイクルに要する時
問が0.03秒程度と短かく、対象物の動きをリアルタイム
で感知できるので、本発明は、移動ロボットの目として
応用することができ、またサービス用知能移動ロボット
に組み込んで自律移動可能化手段として用いたり、ある
いはロボットによるドア開け時のドアノブの位置検出、
エレベータのボタンの位置検出、書類等の物体の手渡し
動作時の対象物位置検出等に広く応用することが可能で
ある。
では対象物の色と形状を予め記憶しておけば、画面上に
おける対象物の大きさに関係なくその位置を特定できる
ので、パターンマッチング法のようにカメラの位置を気
にする必要がない。また１回の処理サイクルに要する時
問が0.03秒程度と短かく、対象物の動きをリアルタイム
で感知できるので、本発明は、移動ロボットの目として
応用することができ、またサービス用知能移動ロボット
に組み込んで自律移動可能化手段として用いたり、ある
いはロボットによるドア開け時のドアノブの位置検出、
エレベータのボタンの位置検出、書類等の物体の手渡し
動作時の対象物位置検出等に広く応用することが可能で
ある。
【００１８】本発明の具体的応用例として、二輪車等の
車両を予め定められた限られた軌道に沿って許容軌道範
囲内で走行させるため、この許容軌道範囲内からはずれ
た際にドライバーにその旨を知らせる装置としての応
用、農薬散布等に使用されるヘリコプターを例えば農薬
散布すべき田畑の形状や大きさに合わせて予め定めた飛
行範囲及び経路を飛行できるようにする装置としての応
用、産業ロボットの作業動作の制御（例えばＬＳＩチッ
プの取扱い制御、組み立てラインにおける所定の部品の
取り付け位置の認識）等を挙げることができる。
車両を予め定められた限られた軌道に沿って許容軌道範
囲内で走行させるため、この許容軌道範囲内からはずれ
た際にドライバーにその旨を知らせる装置としての応
用、農薬散布等に使用されるヘリコプターを例えば農薬
散布すべき田畑の形状や大きさに合わせて予め定めた飛
行範囲及び経路を飛行できるようにする装置としての応
用、産業ロボットの作業動作の制御（例えばＬＳＩチッ
プの取扱い制御、組み立てラインにおける所定の部品の
取り付け位置の認識）等を挙げることができる。
【００１９】
【発明の効果】以上説明したように、本発明による画像
認識システムにおいては、取り込んだ画像データの中か
ら予め記憶した対象物を検出し、その位置を特定するよ
うに構成しているので、対象物の見掛けの大きさに関係
なくその位置を特定することができ、また一回の処理サ
イクルに要する時間が短く、しかも装置自体を簡単かつ
小型に構成することができる。従って、本発明の画像認
識システムは、例えば移動ロボットの目、各種位置検出
手段等の画像理解技術として広く利用することができ
る。
認識システムにおいては、取り込んだ画像データの中か
ら予め記憶した対象物を検出し、その位置を特定するよ
うに構成しているので、対象物の見掛けの大きさに関係
なくその位置を特定することができ、また一回の処理サ
イクルに要する時間が短く、しかも装置自体を簡単かつ
小型に構成することができる。従って、本発明の画像認
識システムは、例えば移動ロボットの目、各種位置検出
手段等の画像理解技術として広く利用することができ
る。
【図１】 本発明の画像認識システムを示す概略ブロッ
ク線図。
ク線図。
【図２】 本発明の画像認識システムにおける色情報判
別の仕方を示す概略ブロック線図。
別の仕方を示す概略ブロック線図。
【図３】 本発明の画像認識システムにおけるアクティ
ブアイの速度ベクトルを示す図。
ブアイの速度ベクトルを示す図。
【図４】 本発明の画像認識システムにおけるコロニー
の生成の仕方を示す概略図。
の生成の仕方を示す概略図。
【図５】 コロニーの座標系を示す図。
【図６】 本発明の画像認識システムにおける形状認識
部の構成を示す概略ブロック線図。
部の構成を示す概略ブロック線図。
【図７】 本発明の画像認識システムを用いた実験例を
示す概略線図。
示す概略線図。
【図８】 実験結果を示すグラフ。
【図９】 従来技術による画像認識システムの一例を示
す概略ブロック線図。
す概略ブロック線図。
１：画像データ ２：アクティブアイ ３：形状認識部 ４：位置計算部
Claims (6)
- 【請求項１】 取り込んだ画像データの表示画面上を行
動規則に基いて移動し、画像データ上の少なくとも色情
報から記憶している色か否かを判別できる複数のアクテ
ィブアイを用いて、取り込んだ画像データから対象物の
真偽を判別し、各アクティブアイにより形成されるコロ
ニー座標系の情報に基いて注目している対象物の形状を
認識すると共に、その対象物の位置を特定できるように
構成したことを特徴とする画像認識システム。 - 【請求項２】 アクティブアイが、各々予定の時間以
上、画像データ中の対象物を見失っている状態にあるレ
ベル０と直前まで画像データ中の対象物らしきものを見
ていたが現在は見失っている状態にあるレベル１と画像
データ中の対象物らしきものを見ている状態にあるレベ
ル２とをもち、しかも全体に関して全てレベル０の状態
にある全体レベル１と少なくとも一つのアクティブアイ
がレベル１以上にある全体レベル０とをもち、アクティ
ブアイの予定の行動規則がこれらの各レベルと全体レベ
ルとの組み合わせにより形成される請求項１に記載の画
像認識システム。 - 【請求項３】 行動規則に従って、それぞれのアクティ
ブアイがランダムに移動したり、最も近いコロニーの中
心に集まる方向または中心から離れる方向に移動するよ
う行動が検定されている請求項１に記載の画像認識シス
テム。 - 【請求項４】 アクティブアイによる画像データ中の色
情報の判別が、入射してくる色情報を色相、飽和度及び
輝度信号に変換し、これら信号を予め記憶された色情報
マップと比較することにより行われる請求項１に記載の
画像認識システム。 - 【請求項５】 それぞれのアクティブアイによって形成
される閉ループのコロニー座標系がｘｙ座標から成り、
各アクティブアイの位置情報がｘ、ｙ軸に関する情報と
隣接したアクティブアイの接続ベクトルとｘ軸との成す
角度情報とから成り、これらの情報を演算処理してそれ
ぞれ０〜１の出力値に変換し、これらの出力値を平均化
してコロニー全体の出力の平均値により形状認識が行わ
れる請求項１に記載の画像認識システム。 - 【請求項６】 取り込んだ画像データの表示画面上を行
動規則に基いて移動してコロニー座標系を形成し、画像
データ上の少なくとも色情報から記憶している色か否か
を判別できる複数のアクティブアイと、各アクティブア
イからの出力に基づき考察している対象物の形状を認識
する形状認識手段と、各アクティブアイからの出力に基
づき考察している対象物の位置を特定する位置計算手段
とから成ることを特徴とする画像認識装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9018708A JPH10222663A (ja) | 1997-01-31 | 1997-01-31 | 画像認識システム及び装置 |
| US09/016,918 US6226401B1 (en) | 1997-01-31 | 1998-02-02 | Image recognition system and apparatus using active eyes |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9018708A JPH10222663A (ja) | 1997-01-31 | 1997-01-31 | 画像認識システム及び装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10222663A true JPH10222663A (ja) | 1998-08-21 |
Family
ID=11979161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9018708A Pending JPH10222663A (ja) | 1997-01-31 | 1997-01-31 | 画像認識システム及び装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6226401B1 (ja) |
| JP (1) | JPH10222663A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100429977B1 (ko) * | 2002-02-22 | 2004-05-03 | 엘지전자 주식회사 | 로봇의 목표물 추정방법 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6393147B2 (en) | 1998-04-13 | 2002-05-21 | Intel Corporation | Color region based recognition of unidentified objects |
| US6546117B1 (en) * | 1999-06-10 | 2003-04-08 | University Of Washington | Video object segmentation using active contour modelling with global relaxation |
| US7640007B2 (en) * | 1999-02-12 | 2009-12-29 | Fisher-Rosemount Systems, Inc. | Wireless handheld communicator in a process control environment |
| US7230582B1 (en) * | 1999-02-12 | 2007-06-12 | Fisher-Rosemount Systems, Inc. | Wearable computer in a process control environment |
| US6806847B2 (en) * | 1999-02-12 | 2004-10-19 | Fisher-Rosemount Systems Inc. | Portable computer in a process control environment |
| US6631206B1 (en) * | 1999-08-30 | 2003-10-07 | University Of Washington | Image filtering in HSI color space |
| US6941025B2 (en) * | 2001-04-19 | 2005-09-06 | International Business Machines Corporation | Simultaneous vertical spatial filtering and chroma conversion in video images |
| JP4396273B2 (ja) * | 2001-10-22 | 2010-01-13 | ソニー株式会社 | ロボット装置及びその制御方法 |
| US8005262B2 (en) * | 2007-07-16 | 2011-08-23 | Hugh Griffin | System and method for video object identification |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4926251A (en) * | 1987-04-07 | 1990-05-15 | Kabushiki Kaisha Toshiba | Color image processing apparatus with image corrector |
| US5155775A (en) * | 1988-10-13 | 1992-10-13 | Brown C David | Structured illumination autonomous machine vision system |
| US5023724A (en) * | 1989-05-24 | 1991-06-11 | Bran Ferren | Focus enhancing method |
| JP2893078B2 (ja) * | 1990-12-06 | 1999-05-17 | オムロン株式会社 | シェーディング補正方法およびその装置 |
| US6058209A (en) * | 1991-09-27 | 2000-05-02 | E. I. Du Pont De Nemours And Company | Method for resolving redundant identifications of an object |
| US5903454A (en) * | 1991-12-23 | 1999-05-11 | Hoffberg; Linda Irene | Human-factored interface corporating adaptive pattern recognition based controller apparatus |
| WO1995034044A1 (en) * | 1994-06-09 | 1995-12-14 | Kollmorgen Instrument Corporation | Stereoscopic electro-optical system for automated inspection and/or alignment of imaging devices on a production assembly line |
| US5703961A (en) * | 1994-12-29 | 1997-12-30 | Worldscape L.L.C. | Image transformation and synthesis methods |
| EP0727760A3 (en) * | 1995-02-17 | 1997-01-29 | Ibm | Product size detection system |
| JP3370817B2 (ja) * | 1995-03-16 | 2003-01-27 | 大日本スクリーン製造株式会社 | コントラスト修正装置 |
| CN100524015C (zh) * | 1995-06-22 | 2009-08-05 | 3Dv***有限公司 | 生成距景物距离的图象的方法和装置 |
| JP2891159B2 (ja) * | 1996-02-14 | 1999-05-17 | 日本電気株式会社 | 多眼画像からの物体検出方式 |
| US6009188A (en) * | 1996-02-16 | 1999-12-28 | Microsoft Corporation | Method and system for digital plenoptic imaging |
-
1997
- 1997-01-31 JP JP9018708A patent/JPH10222663A/ja active Pending
-
1998
- 1998-02-02 US US09/016,918 patent/US6226401B1/en not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100429977B1 (ko) * | 2002-02-22 | 2004-05-03 | 엘지전자 주식회사 | 로봇의 목표물 추정방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US6226401B1 (en) | 2001-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1113388B1 (en) | Visual device | |
| EP1329850A2 (en) | Apparatus, program and method for detecting both stationary objects and moving objects in an image | |
| US20070140526A1 (en) | Image processing method | |
| Nakamura | Real-time 3-D object tracking using Kinect sensor | |
| Jamzad et al. | A fast vision system for middle size robots in robocup | |
| Rao et al. | Object tracking system using approximate median filter, Kalman filter and dynamic template matching | |
| JPH10222663A (ja) | 画像認識システム及び装置 | |
| KR20200027087A (ko) | 로봇 및 그의 제어 방법 | |
| WO2024060978A1 (zh) | 关键点检测模型训练及虚拟角色驱动的方法和装置 | |
| CN115816460A (zh) | 一种基于深度学习目标检测与图像分割的机械手抓取方法 | |
| CN107527368A (zh) | 基于二维码的三维空间姿态定位方法与装置 | |
| Gal | Automatic obstacle detection for USV’s navigation using vision sensors | |
| CN112288809B (zh) | 一种用于多物体复杂场景的机器人抓取检测方法 | |
| CN110717424A (zh) | 一种基于预处理机制的实时极小人脸检测方法 | |
| EP4089649A1 (en) | Neuromorphic cameras for aircraft | |
| JP2000322581A (ja) | 移動物体検知方法 | |
| JP2002006034A (ja) | レーダにおける目標の類識別方法及び装置 | |
| RU2685996C1 (ru) | Способ и система предиктивного избегания столкновения манипулятора с человеком | |
| KR19990086856A (ko) | 계층적 신경망을 이용한 물체 감지 장치 및방법 | |
| Nurrohmah et al. | Improvement of the Processing Speed of The Robot’s Vision System Using Robot Operating System | |
| Fehr et al. | Issues and solutions in surveillance camera placement | |
| JP2000194861A (ja) | 画像認識方法及び装置 | |
| JPH0345898A (ja) | 画像識別・追尾装置 | |
| Hoseini A et al. | An active robotic vision system with a pair of moving and stationary cameras | |
| Jha et al. | Real Time Hand Gesture Recognition for Robotic Control |