特許ウォッチ

公開番号2025079452
公報種別公開特許公報(A)
公開日2025-05-22
出願番号2023192121
出願日2023-11-10
発明の名称画像処理装置、方法、及びプログラム
出願人日本電気株式会社
代理人個人,個人
主分類G06T 7/70 20170101AFI20250515BHJP(計算;計数)
要約【課題】物体検出処理のスループットを向上させる画像処理装置、方法、及びプログラムを提供する。
【解決手段】過去の入力画像において検出された物体の位置に基づいて、新たな入力画像における該物体の位置を予測する物体位置予測手段と、物体位置予測手段による予測結果に基づいて、新たな入力画像のうち物体検出の対象とする物体検出対象領域を決定する物体検出対象領域決定手段と、物体検出対象領域決定手段が決定した物体検出対象領域を対象として物体検出を行う物体検出手段とを含む。
【選択図】図9
特許請求の範囲【請求項１】
過去の入力画像において検出された物体の位置に基づいて、新たな入力画像における該物体の位置を予測する物体位置予測手段と、
前記物体位置予測手段による予測結果に基づいて、前記新たな入力画像のうち物体検出の対象とする物体検出対象領域を決定する物体検出対象領域決定手段と、
前記物体検出対象領域決定手段が決定した前記物体検出対象領域を対象として物体検出を行う物体検出手段とを備える
ことを特徴とする画像処理装置。
続きを表示（約 940 文字）【請求項２】
新たな入力画像を対象として物体検出を行う第２の物体検出手段を備え、
前記物体検出対象領域決定手段は、前記第２の物体検出手段による物体検出結果に基づいて、前記物体検出対象領域を更新する
請求項１記載の画像処理装置。
【請求項３】
前記物体検出対象領域決定手段は、前記第２の物体検出手段により検出された物体のうち前記物体位置予測手段による予測結果に基づいて決定した前記物体検出対象領域に含まれない新規物体を特定し、特定した該新規物体を含むように前記物体検出対象領域を更新する
請求項１または請求項２記載の画像処理装置。
【請求項４】
前記物体検出対象領域決定手段は、前記物体検出手段による物体検出結果に基づいて位置情報が更新された前記新規物体を含むように前記物体検出対象領域を更新する
請求項３記載の画像処理装置。
【請求項５】
前記物体位置予測手段は、予測への入力として、異なる時刻に生成された複数の入力画像においてそれぞれ検出された物体の位置情報を用いるときに、時刻ごとに互いに独立した情報を用いる
請求項１または請求項２記載の画像処理装置。
【請求項６】
過去の入力画像において検出された物体の位置に基づいて、新たな入力画像における該物体の位置を予測し、
予測結果に基づいて、前記新たな入力画像のうち物体検出の対象とする物体検出対象領域を決定し、
決定した前記物体検出対象領域を対象として物体検出を行う
ことを特徴とする画像処理方法。
【請求項７】
コンピュータに、
過去の入力画像において検出された物体の位置に基づいて、新たな入力画像における該物体の位置を予測する物体位置予測処理と、
前記物体位置予測処理による予測結果に基づいて、前記新たな入力画像のうち物体検出の対象とする物体検出対象領域を決定する物体検出対象領域決定処理と、
前記物体検出対象領域決定処理で決定した前記物体検出対象領域を対象として物体検出を行う物体検出処理と
を実行させるための画像処理プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、画像を処理する技術に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
機械学習を用いた主要なタスクの一つとして、画像における物体検出（ＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎ）タスクがある。物体検出タスクは、画像の中に存在する対象物体の位置とクラス（種別）との組のリストを生成するタスクである。近年、機械学習の中でも特に深層学習（Ｄｅｅｐ－Ｌｅａｒｎｉｎｇ）を用いた物体検出タスクが広く利用されている。例えば、特許文献１には、ニューラルネットワークを用いた物体の位置の検出処理に関する技術が開示されている。
【０００３】
物体検出タスクは、機械学習の学習フェーズにおいて、正解データとして、学習用の画像群と、各画像内の対象物体の情報とが与えられる。対象物体の情報は、物体検出タスクの仕様に沿って選択される。例えば、対象物体の情報は、対象物体が映っている矩形領域の４つの頂点の座標（バウンディングボックス（ＢｏｕｎｄｉｎｇＢｏｘ（ＢＢ））と、対象物体のクラスとを含む。なお、以下の説明でも、対象物体の情報の一例として、ＢＢとクラスとを用いる。物体検出タスクは、学習用の画像群と対象物体の情報とを用いて、例えば、深層学習を用いた機械学習の結果として、学習済モデルを生成する。
【０００４】
物体検出タスクは、検出フェーズにおいて、対象物体を含む画像に対して学習済モデルを適用して、画像に含まれる対象物体を推論する。また、物体検出タスクは、画像に含まれる対象物体それぞれについて、ＢＢとクラスとの組を出力する。なお、物体検出タスクは、ＢＢ及びクラスとともに、物体検出の結果についての評価結果（例えば、確実性（ｃｏｎｆｉｄｅｎｃｅ）又はスコア（ｓｃｏｒｅ））を出力することもある。
【０００５】
例えば、人及び車両を監視する監視システムは、監視カメラから出力される画像を物体検出タスクへの入力とし、物体検出タスクで画像に映っている人及び車両の位置とクラスと検出することで、構築可能である。
【先行技術文献】
【特許文献】
【０００６】
特開２０１９－０３６００８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
物体検出処理は高スループットであることが求められる。例えば、監視カメラから出力される画像に対して物体検出処理を行うシステムは、見落とし（すなわち検出漏れ）を防ぐために、ある程度高いフレームレートで動作する必要がある。スループットが低い場合、処理に用いる機器の数が増える、コストが増大する、消費電力が増える、という問題が発生する。
【０００８】
特許文献１に記載された技術は、画像系列から取得した物体の移動情報に基づいて推定の過程で取得した情報を補正することで、物体の位置の検出精度の向上を目指すものである。そのため、特許文献１に記載された技術では、スループットを向上させる効果を期待することはできない。
【０００９】
本開示はこれらの問題に鑑みてなされたものである。本開示は、物体検出処理のスループットを向上させる画像処理装置、方法、及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【００１０】
本開示による画像処理装置は、過去の入力画像において検出された物体の位置に基づいて、新たな入力画像における該物体の位置を予測する物体位置予測手段と、物体位置予測手段による予測結果に基づいて、新たな入力画像のうち物体検出の対象とする物体検出対象領域を決定する物体検出対象領域決定手段と、物体検出対象領域決定手段が決定した物体検出対象領域を対象として物体検出を行う物体検出手段とを含むことを特徴とする。
（【００１１】以降は省略されています）

関連特許