物体检测设备制造技术

提供了一种改善从输入图像检测物体的物体检测设备中的物体检测精度的装置。获得表示到被摄物体的距离的深度信息，获得其中各个像素的信息是深度信息的深度图像。通过按照指定的深度，对包含在局部区域中的各个像素的深度信息分组，生成深度图像的多个局部区域中的每个局部区域的深度直方图。计算在深度图像中的不同位置的两个特定区域的两个深度直方图之间的相似度作为特征。具有高确信度的训练用深度图像被定义为正例，具有低确信度的训练用深度图像被定义为负例，构成适合于对正例和负例分类的分类器，并利用所述分类器，根据所述特征，在深度图像中检测作为检测目标的物体。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及根据输入图像检测物体的物体检测设备。
技术介绍
近年来，一直期待实现可理解在诸如办公室、住宅和公共设施之类空间内的人的意图并帮助其行动的技术。为了使按照这种方式监测人的技术得以实现，必须知道人在所述空间内的什么地方，因此实现先进的人体检测已成为课题。已经对人体检测进行了许多研究并提出了各种方法。使用已知的可见光照相机的人体检测方法包括多种方法，其中涉及利用局部特征和提升(boosting)的统计训练。还提出了使用梯度方向直方图(HOG)特征的人体检测方法，所述梯度方向直方图(HOG)特征是以直方图的形式，把亮度梯度方向表示成局部特征的特征(例如，参见非专利文献I)。Yuji Yamauchi, Hironobu Fujiyoshi, Bon-ffoo Hwang, Takeo Kanade,“PeopleDetection Based on Co-occurrence of Appearance and Spatiotemporal Features，，，Meeting on Image Recognition and Understanding (MIRU2OO7),第 H92-H97 页，2007。
技术实现思路
不过，就使用亮度梯度方向的已知人体检测方法来说，难以相对于复杂背景辨别人体形状，从而检测精度有时降低。在发生人体形状重叠和遮挡的情况下，也难以辨别人体形状，从而检测精度有时降低。此外，就利用可见光照相机的已知人体检测方法来说，出现由于图像内的人体的大小未知，因此当检测物体时，随着检测窗口的比例尺的变化，要进行图像的多轮光栅扫描，从而会增大处理成本和使实时处理变得困难的问题。鉴于上面所述，本专利技术的一个目的是提高根据输入图像检测物体的物体检测设备的物体检测精度。本专利技术的另一个目的是提高物体检测设备的物体检测速度。为了实现上述目的，按照本专利技术的第一方面的专利技术包括深度图像获取装置，深度直方图生成装置，特征计算装置，和分类装置。深度图像获取装置获得表示到被摄物体的距离的深度信息，并获得其中各个像素的信息是深度信息的深度图像。深度直方图生成装置通过按照指定的深度对包含在局部区域中的各个像素的深度信息分组，来生成深度图像的多个局部区域中的每个局部区域的深度直方图。特征计算装置计算在深度图像中的不同位置的两个局部区域的两个深度直方图之间的相似度，作为特征。分类装置把具有高确信度的训练用深度图像定义为正例，把具有低确信度的训练用深度图像定义为负例，构成适合于对正例和负例分类的分类器，并利用所述分类器，根据所述特征，在深度图像中检测作为检测目标的物体。按照这种方式，使用利用深度图像识别局部区域之间的深度关系的深度图像的深度直方图特征使得即使在背景高度复杂的情况下，也能够识别检测目标和背景之间的边界，从而使得能够提闻物体检测的精度。此外，按照第二方面的专利技术的特征在于分类装置包括遮挡判定装置，遮挡率计算装置，和分类器构成装置。在包含在局部区域之一中的像素之一的深度信息指示小于规定阈值的深度的情况下，遮挡判定装置判定该像素代表遮挡。遮挡率计算装置计算遮挡率，遮挡率是局部区域中，已被确定为代表遮挡的像素的比例。分类器构成装置利用遮挡率，构成分类器。利用出自深度图像的深度信息从而使得能够容易地识别遮挡区域，从而能够在考虑到遮挡区域的同时，进行物体检测。这使得能够更进一步地提高物体检测的精度。另外，按照第三方面的专利技术的特征在于深度图像生成装置位于三维空间中的固定位置，获得包含深度图像的全空间深度图像，并通过光栅扫描三维空间，从全空间深度图像获得与物体对应的深度图像。利用包括深度信息的深度图像使得能够按照三维空间中的深度，指定检测物体的大小。于是，在三维空间中进行光栅扫描的情况下，能够排除与物体的大小不相符的深度图像，从而与在二维空间中进行光栅扫描的情况相比，能够提高检测物体的速度。此外，按照第四方面的专利技术的特征在于分类装置是飞行时间(TOF)照相机。TOF照相机不要求像立体照相机所需那样计算图像之间的对应，从而能够提高检测物体的速度。附图说明图I是按照本专利技术的实施例的人体检测设备的概念图。图2是扫描深度图像中的检测窗口的程序的说明图。图3是表示计算深度直方图的程序的概念图。图4是表示利用积分直方图，计算深度直方图的程序的说明图。图5是表示利用深度信息的人体检测的流程的说明图。图6是表示Real AdaBoost算法的说明图。图7是表示在使用其中人体相互重叠的输入深度图像的情况下的弱分类器的响应的说明图。图8是表示利用均值漂移聚类的检测窗口的积分结果的说明图。图9是表示利用深度直方图特征的人体检测设备的评估实验的结果的说明图。图10是表示利用深度直方图特征的人体检测设备的评估实验的结果的说明图。具体实施例方式下面，说明使用按照本专利技术的物体检测设备的实施例。按照本实施例的物体检测设备分析包括每个像素的深度信息的深度图像，并检测包含在深度图像中的物体。在本实施例中，所述物体检测设备将用作检测人体的人体检测设备。图I是按照本实施例的人体检测设备I的概念图。如图I中所示，按照本实施例的物体检测设备具备深度图像获取部分10和计算处理部分20。计算处理部分20由输入深度图像获取部分21，深度直方图特征计算部分22和分类部分23构成。深度图像获取部分10是能够检测由构成深度图像的各个像素表示的距离的深度测量装置，比如照相机或传感器等。在本实施例中，飞行时间(TOP)照相机被用作深度图像获取部分10。在本实施例中，深度图像获取部分10被配置成三维坐标被固定的固定照相机。通过测量从位于照相机周围的LED发射的红外光被物体反射，然后被照相机观测到为止所需的时间，TOP照相机能够测量到物体的距离。TOP照相机能够测量由构成获得的图像的各个像素表示的距离。在用TOF照相机产生的深度图像中，用与到照相机的距离相应的不同亮度表示每个像素。和使用立体照相机的情况不同，就TOF照相机来说，不必利用照相机校准和立体匹配来计算图像之间的对应，从而处理成本较低，实时处理是切实可行的。在本实施例中，使用MESA SR-3000作为TOF照相机。SR-3000能够实时地获得O. 3米-7. 5米的深度信息(3米远的分辨率为22毫米)。具备诸如ROM和RAM之类的存储器，CPU和诸如硬盘之类的存储装置的已知计算机可用作计算处理部分20，它可被配置成使得按照保存在存储装置中的程序，进行各种计算处理。计算处理部分20的CPU可被配置成获得已由深度图像获取部分10获得的深度图像，作为输入图像，并利用深度图像进行各种处理以检测人体。按照本实施例的计算处理部分20被配置成通过利用TOF照相机获得的深度信息确定人体和背景之间的深度关系，根据输入的深度图像检测人体。因而，在按照本实施例的计算处理部分20中，输入深度图像获取部分21获得输入深度图像，深度直方图特征计算部分22根据输入深度图像中的两个局部区域之间的深度分布的相似度，计算深度直方图特征，分类部分23利用深度直方图特征检测输入深度图像中的人体。深度直方图按照指定的深度范围，对输入深度图像的局部区域中的各个像素的深度信息分组，并以直方图的形式表示出现频度。深度直方图特征以特征量的形式，表示根据输入深本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：藤吉弘亘，
申请(专利权)人：学校法人中部大学，
类型：发明
国别省市：