知財求人 - 知財ポータルサイト「IP Force」
▶ アイシン精機株式会社の特許一覧 ▶ 国立大学法人九州工業大学の特許一覧
特開2022-102379勾配方向量子化装置、画像認識装置、勾配方向量子化プログラム、及び画像認識プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022102379
(43)【公開日】2022-07-07
(54)【発明の名称】勾配方向量子化装置、画像認識装置、勾配方向量子化プログラム、及び画像認識プログラム
(51)【国際特許分類】
G06T 7/49 20170101AFI20220630BHJP
G06T 7/00 20170101ALI20220630BHJP
【ＦＩ】
G06T7/49
G06T7/00 300F
【審査請求】未請求
【請求項の数】12
【出願形態】ＯＬ
(21)【出願番号】P 2020217071
(22)【出願日】2020-12-25
(71)【出願人】
【識別番号】000000011
【氏名又は名称】株式会社アイシン
(71)【出願人】
【識別番号】504174135
【氏名又は名称】国立大学法人九州工業大学
(74)【代理人】
【識別番号】100096655
【弁理士】
【氏名又は名称】川井 隆
(74)【代理人】
【識別番号】100091225
【弁理士】
【氏名又は名称】仲野 均
(72)【発明者】
【氏名】山田 英夫
(72)【発明者】
【氏名】柴田 雅聡
(72)【発明者】
【氏名】田向 権
(72)【発明者】
【氏名】榎田 修一
(72)【発明者】
【氏名】長嶺 佑哉
【テーマコード（参考）】
5L096
【Ｆターム（参考）】
5L096AA06
5L096EA39
5L096FA67
5L096GA07
5L096GA30
5L096JA11
(57)【要約】
【課題】計算リソースを抑えつつ、少ない分岐条件で高精度な勾配方向の計算を行う。
【解決手段】着目画素のｘ方向の輝度勾配をｆｘ、ｙ方向の輝度勾配をｆｙとすると、ｆｙ／ｆｘの範囲とθの範囲を対応させることができる。そこで、θを１０°ごとの９方向に区分すると、これに応じてｆｙ／ｆｘの範囲も区分することができ、ｆｙ／ｆｘを９方向に量子化することができる。この９方向による量子化を４つの各象限について行うと、象限決定４条件×角度決定９条件＝３６方向に勾配方向を量子化することができる。ｆｘｔａｎθ＝ｆｙとし、ｆｘｔａｎθを境界値として範囲を可変的に設定すると、ｆｙを量子化したθに対応させることができ、ｆｙ／ｆｘによる除算を回避することができる。ｔａｎθ＝ｆｙ／ｆｘの区分の境界値を固定小数点で近似すると精度を小数部のビット幅で調節することができる。
【選択図】図７
【解決手段】着目画素のｘ方向の輝度勾配をｆｘ、ｙ方向の輝度勾配をｆｙとすると、ｆｙ／ｆｘの範囲とθの範囲を対応させることができる。そこで、θを１０°ごとの９方向に区分すると、これに応じてｆｙ／ｆｘの範囲も区分することができ、ｆｙ／ｆｘを９方向に量子化することができる。この９方向による量子化を４つの各象限について行うと、象限決定４条件×角度決定９条件＝３６方向に勾配方向を量子化することができる。ｆｘｔａｎθ＝ｆｙとし、ｆｘｔａｎθを境界値として範囲を可変的に設定すると、ｆｙを量子化したθに対応させることができ、ｆｙ／ｆｘによる除算を回避することができる。ｔａｎθ＝ｆｙ／ｆｘの区分の境界値を固定小数点で近似すると精度を小数部のビット幅で調節することができる。
【選択図】図７
【特許請求の範囲】
【請求項1】
画像上に配列した各画素の輝度を取得する輝度取得手段と、
前記取得した輝度の配列に基づいて、前記各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得手段と、
前記取得した分母成分と分子成分を、量子化した所定数の勾配方向に対応させた正接の値の範囲に適用して前記輝度の勾配方向を量子化する量子化手段と、
前記量子化した勾配方向を出力する出力手段と、
を具備したことを特徴とする勾配方向量子化装置。
前記取得した輝度の配列に基づいて、前記各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得手段と、
前記取得した分母成分と分子成分を、量子化した所定数の勾配方向に対応させた正接の値の範囲に適用して前記輝度の勾配方向を量子化する量子化手段と、
前記量子化した勾配方向を出力する出力手段と、
を具備したことを特徴とする勾配方向量子化装置。
【請求項2】
前記量子化手段は、
前記取得した分母成分と分子成分で構成される正接の値を、前記範囲に適用して前記輝度の勾配方向を量子化する、
ことを特徴とする請求項１に記載の勾配方向量子化装置。
前記取得した分母成分と分子成分で構成される正接の値を、前記範囲に適用して前記輝度の勾配方向を量子化する、
ことを特徴とする請求項１に記載の勾配方向量子化装置。
【請求項3】
前記量子化手段は、
前記取得した分母成分に応じて前記範囲の境界値を設定し、
前記取得した分子成分を、前記設定した境界値の範囲に適用して前記輝度の勾配方向を量子化する、
ことを特徴とする請求項１の記載の勾配方向量子化装置。
前記取得した分母成分に応じて前記範囲の境界値を設定し、
前記取得した分子成分を、前記設定した境界値の範囲に適用して前記輝度の勾配方向を量子化する、
ことを特徴とする請求項１の記載の勾配方向量子化装置。
【請求項4】
前記範囲の境界値は、固定小数点による近似値であることを特徴とする請求項１、請求項２、又は請求項３に記載の勾配方向量子化装置。
【請求項5】
前記固定小数点の小数部のビット幅は、０ビットから７ビットまでのうちの何れかであることを特徴とする請求項４に記載の勾配方向量子化装置。
【請求項6】
前記固定小数点の小数部のビット幅は、４ビットであることを特徴とする請求項４に記載の勾配方向量子化装置。
【請求項7】
前記画素の輝度の勾配方向を、当該勾配方向の象限に応じた所定角度だけ回転する回転手段と、
前記量子化した勾配方向を、前記回転手段で回転した所定角度に応じて補正する勾配方向補正手段と、を備え、
前記正接成分取得手段は、前記回転した輝度の勾配の正接の分母成分と分子成分を取得し、
前記出力手段は、前記補正後の量子化した勾配方向を出力する、
ことを特徴とする請求項１から請求項６のうちのいずれか１の請求項に記載の勾配方向量子化装置。
前記量子化した勾配方向を、前記回転手段で回転した所定角度に応じて補正する勾配方向補正手段と、を備え、
前記正接成分取得手段は、前記回転した輝度の勾配の正接の分母成分と分子成分を取得し、
前記出力手段は、前記補正後の量子化した勾配方向を出力する、
ことを特徴とする請求項１から請求項６のうちのいずれか１の請求項に記載の勾配方向量子化装置。
【請求項8】
前記回転手段は、前記勾配方向を、前記量子化を行う所定の象限に回転し、
前記補正手段は、前記量子化した勾配方向を、前記所定角度だけ逆方向に回転する補正を行う、
ことを特徴とする請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置。
前記補正手段は、前記量子化した勾配方向を、前記所定角度だけ逆方向に回転する補正を行う、
ことを特徴とする請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置。
【請求項9】
画像を取得する画像取得手段と、
請求項１から請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置によって、前記取得した画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得手段と、
前記取得した勾配方向の分布に基づいて前記取得した画像の特徴量を取得する特徴量取得手段と、
前記取得した特徴量を用いて画像認識する画像認識手段と、
を具備したことを特徴とする画像認識装置。
請求項１から請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置によって、前記取得した画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得手段と、
前記取得した勾配方向の分布に基づいて前記取得した画像の特徴量を取得する特徴量取得手段と、
前記取得した特徴量を用いて画像認識する画像認識手段と、
を具備したことを特徴とする画像認識装置。
【請求項10】
前記特徴量取得手段は、前記勾配方向の共起の分布を混合ガウス分布で表した負担率によって前記特徴量を取得することを特徴とする請求項９に記載の画像認識装置。
【請求項11】
画像上に配列した各画素の輝度を取得する輝度取得機能と、
前記取得した輝度の配列に基づいて、前記各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得機能と、
前記取得した分母成分と分子成分を、量子化した所定数の勾配方向に対応させた正接の値の範囲に適用して前記輝度の勾配方向を量子化する量子化機能と、
前記量子化した勾配方向を出力する出力機能と、
をコンピュータで実現することを特徴とする勾配方向量子化プログラム。
前記取得した輝度の配列に基づいて、前記各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得機能と、
前記取得した分母成分と分子成分を、量子化した所定数の勾配方向に対応させた正接の値の範囲に適用して前記輝度の勾配方向を量子化する量子化機能と、
前記量子化した勾配方向を出力する出力機能と、
をコンピュータで実現することを特徴とする勾配方向量子化プログラム。
【請求項12】
画像を取得する画像取得機能と、
請求項１から請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置によって、前記取得した画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得機能と、
前記取得した勾配方向の分布に基づいて前記取得した画像の特徴量を取得する特徴量取得機能と、
前記取得した特徴量を用いて画像認識する画像認識機能と、
をコンピュータで実現することを特徴とする画像認識プログラム。
請求項１から請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置によって、前記取得した画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得機能と、
前記取得した勾配方向の分布に基づいて前記取得した画像の特徴量を取得する特徴量取得機能と、
前記取得した特徴量を用いて画像認識する画像認識機能と、
をコンピュータで実現することを特徴とする画像認識プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、勾配方向量子化装置、画像認識装置、勾配方向量子化プログラム、及び画像認識プログラムに関し、画像を構成する画素の輝度の勾配方向を量子化するものに関する。
【背景技術】
【0002】
歩行者などの対象を画像認識するアルゴリズムには、ＨＯＧ、ＣｏＨＯＧ、ＭＲＣｏＨＯＧといった、画像を構成する画素の輝度の勾配方向に着目して対象の特徴量を抽出するものがある。
勾配方向θは、ｘ、ｙ方向の輝度の勾配をｆｘ、ｆｙとすると、ｔａｎθ＝ｆｙ／ｆｘの関係から、θ＝ａｒｃｔａｎ（ｆｙ／ｆｘ）によって求めることができる。
勾配方向θは、ｘ、ｙ方向の輝度の勾配をｆｘ、ｆｙとすると、ｔａｎθ＝ｆｙ／ｆｘの関係から、θ＝ａｒｃｔａｎ（ｆｙ／ｆｘ）によって求めることができる。
【0003】
例えば、非特許文献１の技術では、θの逆正接によって勾配方向を計算し、これを８方向に量子化している。
ところで、逆正接の計算は、多くの計算リソースを使用するため、ＦＰＧＡなどの計算リソースが限られた機器へ実装する場合、ｆｘ、ｆｙに分岐条件を課して勾配方向を量子化することにより、三角関数の計算を回避するのが望ましい。
ところが、量子化する方向を３６方向など多くの方向に拡張した場合、求める勾配方向の精度によっては分岐条件が多く発生してしまい、リソース増加につながるという問題があった。
ところで、逆正接の計算は、多くの計算リソースを使用するため、ＦＰＧＡなどの計算リソースが限られた機器へ実装する場合、ｆｘ、ｆｙに分岐条件を課して勾配方向を量子化することにより、三角関数の計算を回避するのが望ましい。
ところが、量子化する方向を３６方向など多くの方向に拡張した場合、求める勾配方向の精度によっては分岐条件が多く発生してしまい、リソース増加につながるという問題があった。
【先行技術文献】
【非特許文献】
【0004】
【非特許文献1】小林駿也、その他著「小規模ＦＰＧＡによる実時間歩行者検出」 情報処理学会第８２回全国大会、 １－１２１，１２２、 ２０２０
【発明の概要】
【発明が解決しようとする課題】
【0005】
本発明は、計算リソースを抑えつつ、少ない分岐条件で高精度な勾配方向の計算を行うことを目的とする。
【課題を解決するための手段】
【0006】
（１）請求項１に記載の発明では、画像上に配列した各画素の輝度を取得する輝度取得手段と、前記取得した輝度の配列に基づいて、前記各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得手段と、前記取得した分母成分と分子成分を、量子化した所定数の勾配方向に対応させた正接の値の範囲に適用して前記輝度の勾配方向を量子化する量子化手段と、前記量子化した勾配方向を出力する出力手段と、を具備したことを特徴とする勾配方向量子化装置を提供する。
（２）請求項２に記載の発明では、前記量子化手段は、前記取得した分母成分と分子成分で構成される正接の値を、前記範囲に適用して前記輝度の勾配方向を量子化する、ことを特徴とする請求項１に記載の勾配方向量子化装置を提供する。
（３）請求項３に記載の発明では、前記量子化手段は、前記取得した分母成分に応じて前記範囲の境界値を設定し、前記取得した分子成分を、前記設定した境界値の範囲に適用して前記輝度の勾配方向を量子化する、ことを特徴とする請求項１の記載の勾配方向量子化装置を提供する。
（４）請求項４に記載の発明では、前記範囲の境界値は、固定小数点による近似値であることを特徴とする請求項１、請求項２、又は請求項３に記載の勾配方向量子化装置を提供する。
（５）請求項５に記載の発明では、前記固定小数点の小数部のビット幅は、０ビットから７ビットまでのうちの何れかであることを特徴とする請求項４に記載の勾配方向量子化装置を提供する。
（６）請求項６に記載の発明では、前記固定小数点の小数部のビット幅は、４ビットであることを特徴とする請求項４に記載の勾配方向量子化装置を提供する。
（７）請求項７に記載の発明では、前記画素の輝度の勾配方向を、当該勾配方向の象限に応じた所定角度だけ回転する回転手段と、前記量子化した勾配方向を、前記回転手段で回転した所定角度に応じて補正する勾配方向補正手段と、を備え、前記正接成分取得手段は、前記回転した輝度の勾配の正接の分母成分と分子成分を取得し、前記出力手段は、前記補正後の量子化した勾配方向を出力する、ことを特徴とする請求項１から請求項６のうちのいずれか１の請求項に記載の勾配方向量子化装置を提供する。
（８）請求項８に記載の発明では、前記回転手段は、前記勾配方向を、前記量子化を行う所定の象限に回転し、前記補正手段は、前記量子化した勾配方向を、前記所定角度だけ逆方向に回転する補正を行う、ことを特徴とする請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置を提供する。
（９）請求項９に記載の発明では、画像を取得する画像取得手段と、請求項１から請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置によって、前記取得した画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得手段と、前記取得した勾配方向の分布に基づいて前記取得した画像の特徴量を取得する特徴量取得手段と、前記取得した特徴量を用いて画像認識する画像認識手段と、を具備したことを特徴とする画像認識装置を提供する。
（１０）請求項１０に記載の発明では、前記特徴量取得手段は、前記勾配方向の共起の分布を混合ガウス分布で表した負担率によって前記特徴量を取得することを特徴とする請求項９に記載の画像認識装置を提供する。
（１１）請求項１１に記載の発明では、画像上に配列した各画素の輝度を取得する輝度取得機能と、前記取得した輝度の配列に基づいて、前記各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得機能と、前記取得した分母成分と分子成分を、量子化した所定数の勾配方向に対応させた正接の値の範囲に適用して前記輝度の勾配方向を量子化する量子化機能と、前記量子化した勾配方向を出力する出力機能と、をコンピュータで実現することを特徴とする勾配方向量子化プログラムを提供する。
（１２）請求項１２に記載の発明では、画像を取得する画像取得機能と、請求項１から請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置によって、前記取得した画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得機能と、前記取得した勾配方向の分布に基づいて前記取得した画像の特徴量を取得する特徴量取得機能と、前記取得した特徴量を用いて画像認識する画像認識機能と、をコンピュータで実現することを特徴とする画像認識プログラムを提供する。
（２）請求項２に記載の発明では、前記量子化手段は、前記取得した分母成分と分子成分で構成される正接の値を、前記範囲に適用して前記輝度の勾配方向を量子化する、ことを特徴とする請求項１に記載の勾配方向量子化装置を提供する。
（３）請求項３に記載の発明では、前記量子化手段は、前記取得した分母成分に応じて前記範囲の境界値を設定し、前記取得した分子成分を、前記設定した境界値の範囲に適用して前記輝度の勾配方向を量子化する、ことを特徴とする請求項１の記載の勾配方向量子化装置を提供する。
（４）請求項４に記載の発明では、前記範囲の境界値は、固定小数点による近似値であることを特徴とする請求項１、請求項２、又は請求項３に記載の勾配方向量子化装置を提供する。
（５）請求項５に記載の発明では、前記固定小数点の小数部のビット幅は、０ビットから７ビットまでのうちの何れかであることを特徴とする請求項４に記載の勾配方向量子化装置を提供する。
（６）請求項６に記載の発明では、前記固定小数点の小数部のビット幅は、４ビットであることを特徴とする請求項４に記載の勾配方向量子化装置を提供する。
（７）請求項７に記載の発明では、前記画素の輝度の勾配方向を、当該勾配方向の象限に応じた所定角度だけ回転する回転手段と、前記量子化した勾配方向を、前記回転手段で回転した所定角度に応じて補正する勾配方向補正手段と、を備え、前記正接成分取得手段は、前記回転した輝度の勾配の正接の分母成分と分子成分を取得し、前記出力手段は、前記補正後の量子化した勾配方向を出力する、ことを特徴とする請求項１から請求項６のうちのいずれか１の請求項に記載の勾配方向量子化装置を提供する。
（８）請求項８に記載の発明では、前記回転手段は、前記勾配方向を、前記量子化を行う所定の象限に回転し、前記補正手段は、前記量子化した勾配方向を、前記所定角度だけ逆方向に回転する補正を行う、ことを特徴とする請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置を提供する。
（９）請求項９に記載の発明では、画像を取得する画像取得手段と、請求項１から請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置によって、前記取得した画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得手段と、前記取得した勾配方向の分布に基づいて前記取得した画像の特徴量を取得する特徴量取得手段と、前記取得した特徴量を用いて画像認識する画像認識手段と、を具備したことを特徴とする画像認識装置を提供する。
（１０）請求項１０に記載の発明では、前記特徴量取得手段は、前記勾配方向の共起の分布を混合ガウス分布で表した負担率によって前記特徴量を取得することを特徴とする請求項９に記載の画像認識装置を提供する。
（１１）請求項１１に記載の発明では、画像上に配列した各画素の輝度を取得する輝度取得機能と、前記取得した輝度の配列に基づいて、前記各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得機能と、前記取得した分母成分と分子成分を、量子化した所定数の勾配方向に対応させた正接の値の範囲に適用して前記輝度の勾配方向を量子化する量子化機能と、前記量子化した勾配方向を出力する出力機能と、をコンピュータで実現することを特徴とする勾配方向量子化プログラムを提供する。
（１２）請求項１２に記載の発明では、画像を取得する画像取得機能と、請求項１から請求項７までのうちの何れか１の請求項に記載の勾配方向量子化装置によって、前記取得した画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得機能と、前記取得した勾配方向の分布に基づいて前記取得した画像の特徴量を取得する特徴量取得機能と、前記取得した特徴量を用いて画像認識する画像認識機能と、をコンピュータで実現することを特徴とする画像認識プログラムを提供する。
【発明の効果】
【0007】
本発明によれば、量子化した勾配方向に対応させた正接の値を用いることにより、計算リソースを抑えつつ、少ない分岐条件で高精度な勾配方向の計算を行うことができる。
【図面の簡単な説明】
【0008】
【図1】ＨＯＧ特徴量の概念を説明するための図である。
【図2】ＣｏＨＯＧ特徴量の概念を説明するための図である。
【図3】ＭＲＣｏＨＯＧ特徴量の概念を説明するための図である。
【図4】ｔａｎθを固定小数点で近似する方法を説明するための図である。
【図5】ｔａｎθの近似値を用いたθの量子化方法を説明するための図である。
【図6】ｆｙ／ｆｘによる割り算を回避する方法を説明するための図である。
【図7】勾配方向量子化装置の回路構成を説明するための図である。
【図8】勾配方向を量子化する手順を説明するためのフローチャートである。
【図9】リソース使用量などを説明するための図である。
【図10】基準となるＧＭＭを作成する方法を説明するための図である。
【図11】基準ＧＭＭの近似を説明するための図である。
【図12】負担率の計算に用いるパラメータなどについて説明するための図である。
【図13】負担率の計算式を説明するための図である。
【図14】基底関数をより詳細に説明するための図である。
【図15】負担率の具体的な計算を説明するための図である。
【図16】負担率の量子化を説明するための図である。
【図17】画像処理装置のハードウェア的な構成の一例を示した図である。
【図18】画像認識処理の手順を説明するためのフローチャートである。
【図19】プロット処理の手順を説明するためのフローチャートである。
【図20】負担率計算処理を説明するためのフローチャートである。
【図21】実験結果を説明するための図である。
【発明を実施するための形態】
【0009】
（１）実施形態の概要
着目画素のｘ方向の輝度勾配をｆｘ、ｙ方向の輝度勾配をｆｙとすると、勾配方向θは、ｆｙ／ｆｘの逆正接、即ち、θ＝ａｒｃｔａｎ（ｆｙ／ｆｘ）となる。このθの計算処理は困難である。
本実施形態では、ｆｙ／ｆｘはθの正接なので、ｆｙ／ｆｘ＝ｔａｎθを使用する。これは、図５に示したように、ｔａｎθは単調増加関数であり、θとｔａｎθの増減関係は一致する。このため、ｆｙ／ｆｘの範囲とθの範囲を対応させることができるためである。
そこで、θを１０°ごとの９方向に区分すると、これに応じてｆｙ／ｆｘの範囲も区分することができ、ｆｙ／ｆｘを９方向に量子化することができる。この９方向による量子化を４つの各象限について行うと、象限決定４条件×角度決定９条件＝３６方向に勾配方向を量子化することができる。
着目画素のｘ方向の輝度勾配をｆｘ、ｙ方向の輝度勾配をｆｙとすると、勾配方向θは、ｆｙ／ｆｘの逆正接、即ち、θ＝ａｒｃｔａｎ（ｆｙ／ｆｘ）となる。このθの計算処理は困難である。
本実施形態では、ｆｙ／ｆｘはθの正接なので、ｆｙ／ｆｘ＝ｔａｎθを使用する。これは、図５に示したように、ｔａｎθは単調増加関数であり、θとｔａｎθの増減関係は一致する。このため、ｆｙ／ｆｘの範囲とθの範囲を対応させることができるためである。
そこで、θを１０°ごとの９方向に区分すると、これに応じてｆｙ／ｆｘの範囲も区分することができ、ｆｙ／ｆｘを９方向に量子化することができる。この９方向による量子化を４つの各象限について行うと、象限決定４条件×角度決定９条件＝３６方向に勾配方向を量子化することができる。
【0010】
また、ｆｘｔａｎθ＝ｆｙとし、図６に示したように、ｆｘｔａｎθを境界値として範囲を可変的に設定すると、ｆｙを量子化したθに対応させることができ、ｆｙ／ｆｘによる除算を回避して乗算により計算することができる。
更に、ｔａｎθ＝ｆｙ／ｆｘの区分の境界値を図４（ｃ）に示したような固定小数点で近似すると、その精度を小数部のビット幅で調節することができる。
このように、ｆｙ／ｆｘがθと相関関係にあることを利用して、計算リソースを抑えつつ、少ない分岐条件で高精度な勾配方向の計算を行うことができる。
更に、ｔａｎθ＝ｆｙ／ｆｘの区分の境界値を図４（ｃ）に示したような固定小数点で近似すると、その精度を小数部のビット幅で調節することができる。
このように、ｆｙ／ｆｘがθと相関関係にあることを利用して、計算リソースを抑えつつ、少ない分岐条件で高精度な勾配方向の計算を行うことができる。
【0011】
（２）実施形態の詳細
まず、ＨＯＧ特徴量、ＣｏＨＯＧ特徴量、及びＭＲＣｏＨＯＧ特徴量について説明する。
図１は、ＨＯＧ特徴量の概念を説明するための図である。
ＨＯＧ特徴量は、次の手順により画像から抽出される。
図１（ａ）左図に示した画像１０１は、対象を観測する観測窓などによる注目画像領域とする。
まず、画像１０１を矩形のセル１０２ａ、１０２ｂ、・・・に分割する。
次に、図１（ａ）右図に示したように、セル１０２ごとに各画素（ピクセル）の輝度の勾配方向（低輝度から高輝度に向かう方向）を所定の角度ごとに複数の方向に量子化する。以下では、輝度の勾配方向を単に勾配方向と呼ぶことにする。また、ＣｏＨＯＧ特徴量やＭＲＣｏＨＯＧ特徴量でも同様な量子化した勾配方向を用いる。
まず、ＨＯＧ特徴量、ＣｏＨＯＧ特徴量、及びＭＲＣｏＨＯＧ特徴量について説明する。
図１は、ＨＯＧ特徴量の概念を説明するための図である。
ＨＯＧ特徴量は、次の手順により画像から抽出される。
図１（ａ）左図に示した画像１０１は、対象を観測する観測窓などによる注目画像領域とする。
まず、画像１０１を矩形のセル１０２ａ、１０２ｂ、・・・に分割する。
次に、図１（ａ）右図に示したように、セル１０２ごとに各画素（ピクセル）の輝度の勾配方向（低輝度から高輝度に向かう方向）を所定の角度ごとに複数の方向に量子化する。以下では、輝度の勾配方向を単に勾配方向と呼ぶことにする。また、ＣｏＨＯＧ特徴量やＭＲＣｏＨＯＧ特徴量でも同様な量子化した勾配方向を用いる。
【0012】
次に、図１（ｂ）に示したように、量子化した勾配方向を階級とし、出現回数を度数とするヒストグラムを生成することにより、セル１０２に含まれる勾配方向のヒストグラム１０６をセル１０２ごとに作成する。
そして、セル１０２をいくつか集めたブロック単位でヒストグラム１０６の合計度数が１となるように正規化する。
そして、セル１０２をいくつか集めたブロック単位でヒストグラム１０６の合計度数が１となるように正規化する。
【0013】
図１（ａ）左図の例では、セル１０２ａ、１０２ｂ、１０２ｃ、１０２ｄから１ブロックが形成されている。
このようにして正規化したヒストグラム１０６ａ、１０６ｂ、・・・を図１（ｃ）のように一列に並べたヒストグラムが画像１０１のＨＯＧ特徴量１０７である。
このようにして正規化したヒストグラム１０６ａ、１０６ｂ、・・・を図１（ｃ）のように一列に並べたヒストグラムが画像１０１のＨＯＧ特徴量１０７である。
【0014】
図２は、ＣｏＨＯＧ特徴量を説明するための図である。
ＣｏＨＯＧ特徴量は、局所領域における２画素間の勾配ペアに着目した特徴量であり、次の手順により画像から抽出される。
図２（ａ）に示したように、画像１０１を矩形のセル１０２ａ、１０２ｂ、・・・に分割する。なお、セルは、ブロックとも呼ばれる。
ＣｏＨＯＧ特徴量は、局所領域における２画素間の勾配ペアに着目した特徴量であり、次の手順により画像から抽出される。
図２（ａ）に示したように、画像１０１を矩形のセル１０２ａ、１０２ｂ、・・・に分割する。なお、セルは、ブロックとも呼ばれる。
【0015】
ＣｏＨＯＧ特徴量では、セル１０２ａ、１０２ｂ、・・・に注目画素１１０を設定し、注目画素１１０の勾配方向と、注目画素１１０から距離１～４にある画素の勾配方向との組合せにより共起行列（注目画素１１０に関するヒストグラム）を作成する。なお、注目画素１１０との組合せに係る画素はオフセットと呼ばれる。
【0016】
例えば、注目画素１１０からの距離は、数式で表されるが、当該数式を適用すると、図２（ａ）に示したように、距離１の画素として、注目画素１１０に隣接する画素１ａ～１ｄが得られる。
なお、注目画素１１０の上と左の画素が組合せに含まれないのは、一番上の画素行の左端から右方向に向けて順に注目画素１１０を設定して処理していくため、既に処理が終了しているからである。
なお、注目画素１１０の上と左の画素が組合せに含まれないのは、一番上の画素行の左端から右方向に向けて順に注目画素１１０を設定して処理していくため、既に処理が終了しているからである。
【0017】
次に、注目画素１１０と画素１ａの輝度勾配方向を観察する。図では勾配方向を矢線で示してある。
注目画素１１０の輝度勾配方向は、右方向で画素１ａの勾配方向は、右上方向である。
そこで、図２（ｂ）の共起行列１１３で、（行番号、列番号）＝（右方向、右上方向）の要素に一票を投じる。
図２（ｂ）の例では、注目画素１１０と画素１ａの勾配方向の組みとして、行番号として右方向の矢印が記載された行と、列番号として右上方向の矢印が記載された列の要素に１が加算された結果、当該要素の値が１０になっている。
注目画素１１０の輝度勾配方向は、右方向で画素１ａの勾配方向は、右上方向である。
そこで、図２（ｂ）の共起行列１１３で、（行番号、列番号）＝（右方向、右上方向）の要素に一票を投じる。
図２（ｂ）の例では、注目画素１１０と画素１ａの勾配方向の組みとして、行番号として右方向の矢印が記載された行と、列番号として右上方向の矢印が記載された列の要素に１が加算された結果、当該要素の値が１０になっている。
【0018】
なお、本来は、共起行列１１３を立体的なヒストグラムで描き、票数を高さ方向の棒グラフで表すべきであるが、図を簡略化するため票数を数値で表している。
以下、同様に注目画素１１０と画素１ｂ、１ｃ、１ｄとの組合せによる投票（計数）を行う。
以下、同様に注目画素１１０と画素１ｂ、１ｃ、１ｄとの組合せによる投票（計数）を行う。
【0019】
図２（ｃ）に示したように、注目画素１１０を中心に、距離２の画素は画素１ａ～１ｄの外周にある画素２ａ～２ｆ、距離３の画素は更にその外周の画素３ａ～３ｈ、距離４の画素は更にその外周の画素４ａ～４ｌと規定されている。
これらについても同様に注目画素１１０と組合せて共起行列１１３に投票する。
これらについても同様に注目画素１１０と組合せて共起行列１１３に投票する。
【0020】
以上の投票処理をセル１０２を構成する全画素について行い、画素ごとの共起行列が得られる。
更に、これを全てのセル１０２で行い、全ての共起行列の成分を図２（ｄ）に示したように一列に並べたヒストグラムが画像１０１のＣｏＨＯＧ特徴量１１７である。
更に、これを全てのセル１０２で行い、全ての共起行列の成分を図２（ｄ）に示したように一列に並べたヒストグラムが画像１０１のＣｏＨＯＧ特徴量１１７である。
【0021】
図３は、ＭＲＣｏＨＯＧ特徴量を説明するための図である。
ＭＲＣｏＨＯＧ特徴量は、同じ画像の異なる解像度間で共起をみることでオフセット数を大幅に削減する。
まず、図３（ａ）に示したように、元画像から解像度（画像サイズ）の異なる画像を生成することにより高解像度画像１２０（元画像）、中解像度画像１２１、低解像度画像１２２を得る。画像中の升目は、画素を表している。図示しないが、これら各解像度画像にもセル（ブロックとも呼ばれる）が設定されている。
そして、高解像度画像１２０、中解像度画像１２１、及び低解像度画像１２２のそれぞれの画素について勾配方向を計算する。
ＭＲＣｏＨＯＧ特徴量は、同じ画像の異なる解像度間で共起をみることでオフセット数を大幅に削減する。
まず、図３（ａ）に示したように、元画像から解像度（画像サイズ）の異なる画像を生成することにより高解像度画像１２０（元画像）、中解像度画像１２１、低解像度画像１２２を得る。画像中の升目は、画素を表している。図示しないが、これら各解像度画像にもセル（ブロックとも呼ばれる）が設定されている。
そして、高解像度画像１２０、中解像度画像１２１、及び低解像度画像１２２のそれぞれの画素について勾配方向を計算する。
【0022】
ＭＲＣｏＨＯＧ特徴量の抽出には、中解像度画像１２１、低解像度画像１２２を用いるが、分かり易くするために、図３（ｂ）に示したように、中解像度画像１２１と低解像度画像１２２を中解像度画像１２１ａと低解像度画像１２２ａに引き延ばし、高解像度画像１２０と同じサイズにする。
【0023】
次に、図３（ｃ）に示したように、ＣｏＨＯＧ特徴量と同様に、高解像度画像１２０の注目画素１２５における勾配方向と、その周囲の高解像度画像１２０の画素１ａ～１ｄの勾配方向との共起（輝度勾配方向の組合せ）を取って、図示しない共起行列に投票する。
【0024】
次に、高解像度画像１２０の注目画素１２５と、画素１ａ～１ｄの外周にある中解像度画像１２１ａの画素２ａ～２ｄとの共起に従って共起行列に投票し、更に、注目画素１２５と、画素２ａ～２ｄの外周にある低解像度画像１２２ａの画素３ａ～３ｄとの共起に従って共起行列に投票する。
【0025】
このようにして、高解像度画像１２０の注目画素１２５に対して、高解像度画像１２０内での組合せ、中解像度画像１２１ａとの組合せ、低解像度画像１２２ａとの組合せで共起を取った共起行列が得られる。
この処理を、高解像度画像１２０のセル内の各画素に対して行い、更に、全てのセルについて行う。
これにより、高解像度画像１２０の画素ごとの共起行列が得られる。
この処理を、高解像度画像１２０のセル内の各画素に対して行い、更に、全てのセルについて行う。
これにより、高解像度画像１２０の画素ごとの共起行列が得られる。
【0026】
同様にして、更に、中解像度画像１２１ａに注目画素を設定した場合の各解像度画像との共起行列、低解像度画像１２２ａに注目画素を設定した場合の各解像度画像との共起行列を計算し、全ての共起行列の成分を図３（ｄ）に示したように一列に並べたヒストグラムが高解像度画像１２０のＭＲＣｏＨＯＧ特徴量１２７である。
【0027】
なお、この例では、高解像度画像１２０に注目画素を設定した場合の共起行列、中解像度画像１２１ａに注目画素を設定した場合の共起行列、低解像度画像１２２ａに注目画素を設定した場合の共起行列を連結したヒストグラムをＭＲＣｏＨＯＧ特徴量としたが、何れか１つ、例えば、高解像度画像１２０に注目画素を設定した場合の共起行列によるヒストグラムをＭＲＣｏＨＯＧ特徴量とすることも可能である。
また、何れか２つを組合せてもよいし、更に、解像度を増やして４種類以上の解像度画像で共起をとってもよい。
ＭＲＣｏＨＯＧ特徴量は、ＣｏＨＯＧより大幅に特徴量を減らすことができる一方、頑健性がＣｏＨＯＧよりもよいという特徴がある。
また、何れか２つを組合せてもよいし、更に、解像度を増やして４種類以上の解像度画像で共起をとってもよい。
ＭＲＣｏＨＯＧ特徴量は、ＣｏＨＯＧより大幅に特徴量を減らすことができる一方、頑健性がＣｏＨＯＧよりもよいという特徴がある。
【0028】
以上のアルゴリズムでは、各画素の勾配方向に基づいて特徴量を抽出しているが、これらの勾配方向は、図７で説明する勾配方向量子化装置７によって取得することができる。ここでは、勾配方向量子化装置７が行う勾配方向の角度の計算方法について説明する。
【0029】
図４は、ｔａｎθを固定小数点で近似する方法を説明するための図である。
後述するように、本実施形態では、正接の値を利用して勾配方向を量子化するが、これをハードウェアへの実装に適した固定小数点によって近似する。
後述するように、本実施形態では、正接の値を利用して勾配方向を量子化するが、これをハードウェアへの実装に適した固定小数点によって近似する。
【0030】
図４（ａ）に示したｆｘ、ｆｙは、それぞれ、ｘ方向（水平方向・横方向）とｙ方向（垂直方向・縦方向）の輝度の勾配強度を表している。
ｆｘ、ｆｙは、数学的には、輝度をｘ方向、ｙ方向に偏微分して求めるが、本実施形態では、式（４１）で示したように、ｆｘを着目画素の水平方向（左右横方向）両隣に隣接する画素の輝度の差分で表し、ｆｙを着目画素の垂直方向（上下縦方向）両隣に隣接する画素の輝度の差分で表す。式（４１）で、Ｙは輝度、ｘ、ｙは、注目画素の座標値を表す。
ｆｘ、ｆｙは、数学的には、輝度をｘ方向、ｙ方向に偏微分して求めるが、本実施形態では、式（４１）で示したように、ｆｘを着目画素の水平方向（左右横方向）両隣に隣接する画素の輝度の差分で表し、ｆｙを着目画素の垂直方向（上下縦方向）両隣に隣接する画素の輝度の差分で表す。式（４１）で、Ｙは輝度、ｘ、ｙは、注目画素の座標値を表す。
【0031】
これにより、輝度の勾配は点Ｔから点Ｓに向かうベクトルで表され、勾配方向θは、当該ベクトルとｆｘの成す角度で表される。
勾配方向θは、図４（ｂ）の式（４２）で示したように、ｆｙをｆｘで除した値の逆正接で表される。これにより、式（４３）で表したようにｔａｎθ＝ｆｙ／ｆｘとなる。更に、式（４４）で示したようにｆｘ×ｔａｎθ＝ｆｙの関係も成り立つ。式（４３）、（４４）は、それぞれ図５、６で勾配方向を量子化するのに用いる。
勾配方向θは、図４（ｂ）の式（４２）で示したように、ｆｙをｆｘで除した値の逆正接で表される。これにより、式（４３）で表したようにｔａｎθ＝ｆｙ／ｆｘとなる。更に、式（４４）で示したようにｆｘ×ｔａｎθ＝ｆｙの関係も成り立つ。式（４３）、（４４）は、それぞれ図５、６で勾配方向を量子化するのに用いる。
【0032】
本実施形態では、図４（ｃ）に示したように、量子化に用いるｔａｎθの範囲の境界値を、整数部のビット幅が３ビット、小数部のビット幅が０～７ビットの固定小数点を用いて近似的に表す。
固定小数点を用いることにより、計算リソースを節約すると共に、シフト演算などの高速な演算も可能となる。
このように、勾配方向量子化装置７は、量子化に対応させた正接の範囲の境界値を、小数部のビット幅が０ビットから７ビットまでのうちの何れかである固定小数点によって近似値している。
固定小数点を用いることにより、計算リソースを節約すると共に、シフト演算などの高速な演算も可能となる。
このように、勾配方向量子化装置７は、量子化に対応させた正接の範囲の境界値を、小数部のビット幅が０ビットから７ビットまでのうちの何れかである固定小数点によって近似値している。
【0033】
小数部のビット幅は、ビット幅が大きいほど近似の精度が上がるが、その分だけ計算リソースを使用する。
そこで、精度と使用する計算リソースとの兼ね合いから適当なビット幅を設定する。本実施形態では、後述の実験に基づき４ビットとした。
以下では、小数部のビット幅を４ビットとした場合について説明し、当該４ビット幅による値を単に近似値と記す。
このように、勾配方向量子化装置７は、一例として、固定小数点の小数部のビット幅を４ビットとしている。
そこで、精度と使用する計算リソースとの兼ね合いから適当なビット幅を設定する。本実施形態では、後述の実験に基づき４ビットとした。
以下では、小数部のビット幅を４ビットとした場合について説明し、当該４ビット幅による値を単に近似値と記す。
このように、勾配方向量子化装置７は、一例として、固定小数点の小数部のビット幅を４ビットとしている。
【0034】
図４（ｄ）は、ｔａｎθの値の近似値を１０°ごとに示している。
図に示したように、ｔａｎθの値は１０°から８０°まで、１０°ごとに、０．１７６、０．３６４、０．５７７、０．８３９、１．１９、１．７３、２．７５、５．６７であり、これら対応する近似値は、０．１８７５、０．３７５、０．５６２５、０．８４２５、１．１８７５、１．７５、２．７５、５．６８７５となる。
図に示したように、ｔａｎθの値は１０°から８０°まで、１０°ごとに、０．１７６、０．３６４、０．５７７、０．８３９、１．１９、１．７３、２．７５、５．６７であり、これら対応する近似値は、０．１８７５、０．３７５、０．５６２５、０．８４２５、１．１８７５、１．７５、２．７５、５．６８７５となる。
【0035】
図５は、ｔａｎθの近似値を用いたθの量子化方法を説明するための図である。
図に示したグラフは、０°≦θ＜９０°の範囲におけるｔａｎθ＝ｆｙ／ｆｘとθの関係を表している。
図に示したように、ｔａｎθは、単調増加関数であるため、図４（ｂ）で示した式（４３）のｔａｎθ＝ｆｙ／ｆｘをθに重複なく対応させることができる。
そこで、ｔａｎθ＝ｆｙ／ｆｘを複数の範囲に分割し、これらをθの範囲に対応させることにより、これらの範囲を量子化の単位とすることができる。
図に示したグラフは、０°≦θ＜９０°の範囲におけるｔａｎθ＝ｆｙ／ｆｘとθの関係を表している。
図に示したように、ｔａｎθは、単調増加関数であるため、図４（ｂ）で示した式（４３）のｔａｎθ＝ｆｙ／ｆｘをθに重複なく対応させることができる。
そこで、ｔａｎθ＝ｆｙ／ｆｘを複数の範囲に分割し、これらをθの範囲に対応させることにより、これらの範囲を量子化の単位とすることができる。
【0036】
本実施形態では、ｔａｎθ軸をθが１０°ごとの近似値を境界値とする範囲で区分し、それらを１０°ごとのθに対応させた。
具体的には、ｔａｎθ軸を、０≦ｔａｎθ＜０．１８７５、０．１８７５≦ｔａｎθ＜０．３７５、・・・、５．６８７５≦θの各範囲に区分し、これらをそれぞれ、１番目のθ、２番目のθ、・・・９番目のθに対応させる。
具体的には、ｔａｎθ軸を、０≦ｔａｎθ＜０．１８７５、０．１８７５≦ｔａｎθ＜０．３７５、・・・、５．６８７５≦θの各範囲に区分し、これらをそれぞれ、１番目のθ、２番目のθ、・・・９番目のθに対応させる。
【0037】
ｎ番目のθは、ｎ番目の方向に対応しており（ｎは１から９までの整数）、これにより、０°から９０°までの角度を９方向に量子化することができる。
例えば、図に示したようにｔａｎθ＝ｆｙ／ｆｘが１．７５≦ｔａｎθ＜２．７５の範囲にあった場合、７番目のθ、即ち、７番目の方向に量子化する。
以上は、θが第１象限にある場合であるが、後述する手法によって、他の３象限についても、１０番目のθ、１１番目のθ、・・・、３６番目のθと量子化し、勾配方向を合計３６方向に量子化する。
例えば、図に示したようにｔａｎθ＝ｆｙ／ｆｘが１．７５≦ｔａｎθ＜２．７５の範囲にあった場合、７番目のθ、即ち、７番目の方向に量子化する。
以上は、θが第１象限にある場合であるが、後述する手法によって、他の３象限についても、１０番目のθ、１１番目のθ、・・・、３６番目のθと量子化し、勾配方向を合計３６方向に量子化する。
【0038】
このように、勾配方向量子化装置７は、輝度の勾配方向の正接の分母成分であるｆｘと分子成分であるｆｙを、量子化した所定数の勾配方向に対応させた正接の値の範囲に適用して輝度の勾配方向θを量子化する量子化手段を備えており、当該量子化手段は、分母成分と分子成分で構成される正接の値であるｆｙ／ｆｘを当該範囲に適用して輝度の勾配方向を量子化することができる。
【0039】
図６は、ｆｙ／ｆｘによる割り算を回避する方法を説明するための図である。
図５の例に従って勾配方向を量子化してもよいが、ｆｙ／ｆｘを計算する必要がある。
図６の例では、式（ｄ）のｆｘ×ｔａｎθ＝ｆｙの関係を用いてｆｘによるｆｙの除算を回避して乗算によりθを量子化する。除算を回避することにより計算リソースの使用を節約することができる。
図５の例に従って勾配方向を量子化してもよいが、ｆｙ／ｆｘを計算する必要がある。
図６の例では、式（ｄ）のｆｘ×ｔａｎθ＝ｆｙの関係を用いてｆｘによるｆｙの除算を回避して乗算によりθを量子化する。除算を回避することにより計算リソースの使用を節約することができる。
【0040】
この例では、ｔａｎθの近似値をｆｘ倍した値を境界値とし、これによる範囲を量子化したθに対応させる。これにより、ｆｙを量子化したθに対応させることができる。
例えば、図に示したように、１．７５ｆｘ≦ｆｙ＜２．７５ｆｘであった場合、これを７番目のθに量子化する。
ｔａｎθ軸で範囲をｆｘに応じて可変的に設定することにより、ｆｙを量子化したθに対応させることができ、乗算によって勾配方向を量子化することができる。
例えば、図に示したように、１．７５ｆｘ≦ｆｙ＜２．７５ｆｘであった場合、これを７番目のθに量子化する。
ｔａｎθ軸で範囲をｆｘに応じて可変的に設定することにより、ｆｙを量子化したθに対応させることができ、乗算によって勾配方向を量子化することができる。
【0041】
この例における量子化手段は、勾配方向の正接の分母成分であるｆｘに応じて量子化の範囲の境界値を設定し、分子成分であるｆｙを、当該設定した境界値の範囲に適用して輝度の勾配方向を量子化している。
【0042】
図７は、勾配方向量子化装置７の回路構成を説明するための図である。
勾配方向量子化装置７は、例えば、ＦＰＧＡ（ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）をプログラミングすることにより構成することができる。
ＦＰＧＡは、利用者が回路構成をプログラムできる集積回路であり、多数のＬＵＴ（ｌｏｏｋ－ｕｐ ｔａｂｌｅ）やＦＦ（ｆｌｉｐ－ｆｌｏｐ）などから構成されている。
勾配方向量子化装置７は、例えば、ＦＰＧＡ（ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）をプログラミングすることにより構成することができる。
ＦＰＧＡは、利用者が回路構成をプログラムできる集積回路であり、多数のＬＵＴ（ｌｏｏｋ－ｕｐ ｔａｂｌｅ）やＦＦ（ｆｌｉｐ－ｆｌｏｐ）などから構成されている。
【0043】
まず、勾配方向量子化装置７は、ｆｘ、ｆｙの入力を受け付ける。
図５に示した手法も可能であるが、ここでは、勾配方向量子化装置７は、図６に示した手法を用いて勾配方向を量子化する。
これにより多くの計算リソースを要する除算や逆正接の計算を避けるとともに、少ない条件分岐で１０°ごとの３６方向に勾配方向を量子化することができる。
図５に示した手法も可能であるが、ここでは、勾配方向量子化装置７は、図６に示した手法を用いて勾配方向を量子化する。
これにより多くの計算リソースを要する除算や逆正接の計算を避けるとともに、少ない条件分岐で１０°ごとの３６方向に勾配方向を量子化することができる。
【0044】
象限選択部７４は、ｆｘ、ｆｙの入力を受け付けて勾配方向の象限を判定し、判定結果を回転選択部７１とオフセット選択部７５に出力する。
図６の関係は、勾配方向が第１象限（０≦θ＜９０°）にある場合の量子化であるため、勾配方向が第２象限～第４象限にある場合、勾配方向量子化装置７は、これを回転して第１象限に写像して量子化した後、これを逆回転方向にオフセットして第２象限～第４象限の勾配方向を計算する。象限選択部７４は、そのための象限判定を行う。
図６の関係は、勾配方向が第１象限（０≦θ＜９０°）にある場合の量子化であるため、勾配方向が第２象限～第４象限にある場合、勾配方向量子化装置７は、これを回転して第１象限に写像して量子化した後、これを逆回転方向にオフセットして第２象限～第４象限の勾配方向を計算する。象限選択部７４は、そのための象限判定を行う。
【0045】
より具体的には、象限選択部７４は、第１象限～第４象限に、それぞれ対応させた０～３の数値の入力を受け付け、ｆｘ、ｆｙの値に応じて、対応する象限の数値を選択して出力する。
ｆｘ、ｆｙと、勾配方向の象限の対応関係は、ｆｘ、ｆｙの符号に基づいており、例えば、ｆｘ＞０、ｆｙ≧０の場合は第１象限、ｆｘ≦０、ｆｙ＞０の場合は第２象限、ｆｘ＜０、ｆｙ≦０の場合は第３象限、ｆｘ≧０、ｆｙ＜０の場合は第４象限とする。
ｆｘ、ｆｙと、勾配方向の象限の対応関係は、ｆｘ、ｆｙの符号に基づいており、例えば、ｆｘ＞０、ｆｙ≧０の場合は第１象限、ｆｘ≦０、ｆｙ＞０の場合は第２象限、ｆｘ＜０、ｆｙ≦０の場合は第３象限、ｆｘ≧０、ｆｙ＜０の場合は第４象限とする。
【0046】
回転選択部７１は、勾配方向が第２象限～第４象限にある場合に、これを象限に応じた角度で回転して第１象限に写像する。写像した勾配方向が量子化対象となる。
より具体的には、回転選択部７１は、ｆｘ、ｆｙと、符号を反転した－ｆｘ、－ｆｙの入力を受け付けるとともに、象限選択部７４から０～３の数値によって勾配方向の象限を受け付ける。
例えば、象限選択部７４から受け取った象限が第１象限であった場合、回転選択部７１は、ｆｘと－ｆｘのうち０以上の方を選択し（ｆｘは正負の値をとるため、選択した値はｆｘの絶対値となる）、かつ、ｆｙと－ｆｙのうち０以上の方を選択してこれら回転後のｆｘ、ｆｙとして出力する。この場合、回転角度は０°である。
より具体的には、回転選択部７１は、ｆｘ、ｆｙと、符号を反転した－ｆｘ、－ｆｙの入力を受け付けるとともに、象限選択部７４から０～３の数値によって勾配方向の象限を受け付ける。
例えば、象限選択部７４から受け取った象限が第１象限であった場合、回転選択部７１は、ｆｘと－ｆｘのうち０以上の方を選択し（ｆｘは正負の値をとるため、選択した値はｆｘの絶対値となる）、かつ、ｆｙと－ｆｙのうち０以上の方を選択してこれら回転後のｆｘ、ｆｙとして出力する。この場合、回転角度は０°である。
【0047】
勾配方向が第２象限、第３象限、第４象限にあった場合は、これらをそれぞれ時計方向に９０°、１８０°、２７０°回転するような回転後のｆｘ、ｆｙをｆｘ、－ｆｘ、ｆｙ、－ｆｙから選択して出力する。
具体的には、勾配方向が第２象限か第４象限にある場合、ｆｙ、－ｆｙのうち、０以上の方を選択して回転後のｆｘとし、ｆｘ、－ｆｘのうち、０以上の方を選択してｆｙとする。
勾配方向が第３象限にある場合、ｆｘ、－ｆｘのうち、０以上の方を選択して回転後のｆｘとし、ｆｙ、－ｆｙのうち、０以上の方を選択してｆｙとする。
具体的には、勾配方向が第２象限か第４象限にある場合、ｆｙ、－ｆｙのうち、０以上の方を選択して回転後のｆｘとし、ｆｘ、－ｆｘのうち、０以上の方を選択してｆｙとする。
勾配方向が第３象限にある場合、ｆｘ、－ｆｘのうち、０以上の方を選択して回転後のｆｘとし、ｆｙ、－ｆｙのうち、０以上の方を選択してｆｙとする。
【0048】
このように、勾配方向量子化装置７は、画素の輝度の勾配方向を、当該勾配方向の象限に応じた所定角度だけ回転する回転手段を備えている。
また、勾配方向量子化装置７は、取得した輝度の配列に基づいて、各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得手段を備えており、当該回転手段は、勾配方向を、量子化を行う所定の象限に回転している。
また、勾配方向量子化装置７は、取得した輝度の配列に基づいて、各画素ごとに輝度の勾配の正接の分母成分と分子成分を取得する正接成分取得手段を備えており、当該回転手段は、勾配方向を、量子化を行う所定の象限に回転している。
【0049】
オフセット選択部７５は、象限選択部７４から勾配方向の象限の入力を受け付けて、これに応じたオフセット値を選択して加算部７７に出力する。
より具体的には、オフセット選択部７５は、第１象限～第４象限にそれぞれ対応させたオフセット値０、９、１８、２７の入力を受け付け、象限選択部７４が判別した象限に対応するオフセット値を選択して加算部７７に出力する。
より具体的には、オフセット選択部７５は、第１象限～第４象限にそれぞれ対応させたオフセット値０、９、１８、２７の入力を受け付け、象限選択部７４が判別した象限に対応するオフセット値を選択して加算部７７に出力する。
【0050】
１つの象限で勾配方向を９方向に量子化するため、勾配方向が第２象限にあった場合、回転後のｆｘ、ｆｙで量子化した方向を表す数値にオフセット値として９を加算すれば、反時計方向に９０°回転して第２象限に戻した方向となる。同様に、勾配方向が第１象限、第３象限、第４象限の場合は、量子化した方向の数値に、それぞれオフセット値として０、１８、２７を加算すれば、元の象限での量子化した方向となる。
このように、勾配方向量子化装置７は、量子化した勾配方向を、回転前の勾配方向の象限に応じた方向に補正する補正手段を備えており、当該補正手段は、量子化した勾配方向を、回転した所定角度だけ逆方向に回転する補正を行う。
このように、勾配方向量子化装置７は、量子化した勾配方向を、回転前の勾配方向の象限に応じた方向に補正する補正手段を備えており、当該補正手段は、量子化した勾配方向を、回転した所定角度だけ逆方向に回転する補正を行う。
【0051】
ｔａｎθテーブル７２は、図５に示した１０°ごとのｔａｎθの近似値を記憶しており、これらを乗算部７３に出力する。
乗算部７３は、ｔａｎθテーブル７２が出力した近似値に回転後のｆｘを乗じて図６のｆｘｔａｎθを計算して方向選択部７６に出力する。
乗算部７３は、ｔａｎθテーブル７２が出力した近似値に回転後のｆｘを乗じて図６のｆｘｔａｎθを計算して方向選択部７６に出力する。
【0052】
方向選択部７６は、回転によって第１象限に写像した勾配方向を量子化し、その方向に対応する数値を選択して加算部７７に出力する。
より具体的には、方向選択部７６は、１番目のθ～９番目のθに、それぞれ対応する０～８の数値の入力を受け付けると共に、ｔａｎθテーブル７２と回転選択部７１からそれぞれｆｘｔａｎθと回転後のｆｙの入力を受け付ける。
そして、方向選択部７６は、ｆｘｔａｎθを境界値とする範囲のうち、ｆｙがある範囲に対応する方向の数値を選択して出力する。
例えば、ｆｙが１番目のθの範囲にあるとき、方向選択部７６は、０を出力する。
より具体的には、方向選択部７６は、１番目のθ～９番目のθに、それぞれ対応する０～８の数値の入力を受け付けると共に、ｔａｎθテーブル７２と回転選択部７１からそれぞれｆｘｔａｎθと回転後のｆｙの入力を受け付ける。
そして、方向選択部７６は、ｆｘｔａｎθを境界値とする範囲のうち、ｆｙがある範囲に対応する方向の数値を選択して出力する。
例えば、ｆｙが１番目のθの範囲にあるとき、方向選択部７６は、０を出力する。
【0053】
加算部７７は、方向選択部７６が出力した数値に、オフセット選択部７５が出力したオフセット値を加算することにより、３６方向に量子化した勾配方向に対応する数値を出力する。
以上のようにして、勾配方向量子化装置７は、３６方向に量子化した勾配方向を、１番目のθから３６番目のθに対応する０から３５までの整数値によって出力する。
このように、勾配方向量子化装置７は、元の象限に戻す回転により補正した勾配方向を出力する出力手段を備えている。
以上のようにして、勾配方向量子化装置７は、３６方向に量子化した勾配方向を、１番目のθから３６番目のθに対応する０から３５までの整数値によって出力する。
このように、勾配方向量子化装置７は、元の象限に戻す回転により補正した勾配方向を出力する出力手段を備えている。
【0054】
図８は、勾配方向量子化装置７が勾配方向を量子化する手順を説明するためのフローチャートである。
まず、勾配方向量子化装置７は、ｆｘとｆｙの入力を受け付ける（ステップ３０５）。
次に、象限選択部７４が入力されたｆｘとｆｙから勾配方向の象限に対応する数値を選択して出力する（ステップ３１０）。
次に、オフセット選択部７５が象限選択部７４が選択した数値に応じてオフセット値を選択して出力する（ステップ３１５）。
まず、勾配方向量子化装置７は、ｆｘとｆｙの入力を受け付ける（ステップ３０５）。
次に、象限選択部７４が入力されたｆｘとｆｙから勾配方向の象限に対応する数値を選択して出力する（ステップ３１０）。
次に、オフセット選択部７５が象限選択部７４が選択した数値に応じてオフセット値を選択して出力する（ステップ３１５）。
【0055】
一方、回転選択部７１は、ｆｘ、ｆｙ、－ｆｘ、－ｆｙから回転後のｆｘ、ｆｙを選択して出力する（ステップ３２０）。
次に、乗算部７３が回転後のｆｘとｔａｎθテーブルの近似値を乗算してｆｘｔａｎθの範囲を生成して出力する（ステップ３２５）。
次に、乗算部７３が回転後のｆｘとｔａｎθテーブルの近似値を乗算してｆｘｔａｎθの範囲を生成して出力する（ステップ３２５）。
【0056】
次に、乗算部７３が出力したｆｘｔａｎθの範囲と回転選択部７１が出力した回転後のｆｙに基づいて、方向選択部７６が量子化した方向に対応する数値を選択して出力する（ステップ３３０）。
そして、加算部７７が、方向選択部７６が出力した数値とオフセット選択部７５が出力したオフセット値を加算して量子化した勾配方向に対応する数値を出力し（ステップ３３５）、後述するメインルーチン（図１９）にリターンする。
そして、加算部７７が、方向選択部７６が出力した数値とオフセット選択部７５が出力したオフセット値を加算して量子化した勾配方向に対応する数値を出力し（ステップ３３５）、後述するメインルーチン（図１９）にリターンする。
【0057】
図９は、勾配方向量子化装置７をＦＰＧＡに実装した場合のリソース使用量などを説明するための図である。
図９（ａ）は、小数部のビット幅を０から７まで変化させたときの、ＬＵＴとＦＦのリソースの使用数を示している。
ＬＵＴについては、ビット幅が０の時に９７個であり、ビット幅が６の時の２９７個までビット幅が増えるにつれて増えている。ビット幅が７で２８４個に減少するが、これは次に説明するＤＳＰの使用によって演算の一部が肩代わりされたためと考えられる。
ＦＦについても、ビット幅が０の時の５２個からビット幅が６の時の１８３個まで増えて、ビット幅が７で１７５個に減少している。
図９（ａ）は、小数部のビット幅を０から７まで変化させたときの、ＬＵＴとＦＦのリソースの使用数を示している。
ＬＵＴについては、ビット幅が０の時に９７個であり、ビット幅が６の時の２９７個までビット幅が増えるにつれて増えている。ビット幅が７で２８４個に減少するが、これは次に説明するＤＳＰの使用によって演算の一部が肩代わりされたためと考えられる。
ＦＦについても、ビット幅が０の時の５２個からビット幅が６の時の１８３個まで増えて、ビット幅が７で１７５個に減少している。
【0058】
ちなみに、逆正接を高位まで計算した場合、ＬＵＴは、１０，０００個程度、ＦＦは６０００個程度必要である。
比較のために行った、ｆｘとｆｙを多数の分岐条件によって分岐させて３６方向に量子化する場合についても実験した。
この量子化は、単に、ｆｘとｆｙの大きさの範囲と、ｆｘとｆｙの和と差の範囲の組み合わせによって、１６の分岐条件によって３６方向を場合分けすることにより行った。
この例では、１条件につき、ＬＵＴを３，０８７個、ＦＦを７６個使用した。
このように、勾配方向量子化装置７のｔａｎθの近似値を用いた分岐では、多くの計算リソースを節約することができる。
比較のために行った、ｆｘとｆｙを多数の分岐条件によって分岐させて３６方向に量子化する場合についても実験した。
この量子化は、単に、ｆｘとｆｙの大きさの範囲と、ｆｘとｆｙの和と差の範囲の組み合わせによって、１６の分岐条件によって３６方向を場合分けすることにより行った。
この例では、１条件につき、ＬＵＴを３，０８７個、ＦＦを７６個使用した。
このように、勾配方向量子化装置７のｔａｎθの近似値を用いた分岐では、多くの計算リソースを節約することができる。
【0059】
図９（ｂ）は、小数部のビット幅を０から７まで変化させたときの、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）リソースの使用数を示している。ＤＳＰは、デジタル信号を算術演算する回路である。図に示したように小数のビット幅が０から６までは、ＤＳＰを使用せず、７ビットの時に１個使用している。
【0060】
図９（ｃ）は、勾配方向量子化装置７による３６方向角度計算の精度を評価したグラフである。
ここでは、全２６１、１２１通りの角度に対する一致率を検証した。
角度の一致率は、小数部のビット幅が０の場合から７の場合まで、順に４６．７％、５７．６％、７９．５％、９０．１％、９６％、９７．１％、９８．７％、９８．８％であった。また、上記の比較のための実験では、９１％であった。
また、角度の最大誤差（本来の量子化された角度の隣の角度に分類された場合の数）は、ビット幅が０の場合は２件であったが、１～７では１件であった。
ここでは、全２６１、１２１通りの角度に対する一致率を検証した。
角度の一致率は、小数部のビット幅が０の場合から７の場合まで、順に４６．７％、５７．６％、７９．５％、９０．１％、９６％、９７．１％、９８．７％、９８．８％であった。また、上記の比較のための実験では、９１％であった。
また、角度の最大誤差（本来の量子化された角度の隣の角度に分類された場合の数）は、ビット幅が０の場合は２件であったが、１～７では１件であった。
【0061】
このように、小数部のビット幅を増やすと精度が高まるが、ビット幅が４以上ではほぼ横ばいであるため、リソースの使用量を考慮すると、４ビットのビット幅が適当であると思われる。
【0062】
次に、勾配方向量子化装置７を画像認識装置に適用する例について説明する。
この例では、同じ画像の異なる解像度間に渡る勾配方向の共起の出現頻度を特徴量とするＭＲＣｏＨＯＧ特徴量を混合ガウスモデル（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ、以下ＧＭＭと記す）によって抽出する。
本実施形態では、３６方向の多方向に勾配方向を量子化するため、共起行列に投票すると次元が大きくなり、多くの計算リソースを必要とする。そのため、以下に説明するＧＭＭによる方法を採用し、ＦＰＧＡなどの小型の装置にも実装できるようにした。
まず、このような勾配方向から画像認識の基準となるＧＭＭを作成する方法について説明する。
この例では、同じ画像の異なる解像度間に渡る勾配方向の共起の出現頻度を特徴量とするＭＲＣｏＨＯＧ特徴量を混合ガウスモデル（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ、以下ＧＭＭと記す）によって抽出する。
本実施形態では、３６方向の多方向に勾配方向を量子化するため、共起行列に投票すると次元が大きくなり、多くの計算リソースを必要とする。そのため、以下に説明するＧＭＭによる方法を採用し、ＦＰＧＡなどの小型の装置にも実装できるようにした。
まず、このような勾配方向から画像認識の基準となるＧＭＭを作成する方法について説明する。
【0063】
図１０は、基準となるＧＭＭを作成する方法を説明するための図である。
図１０（ａ）に示したように、画像処理装置８（図１７）は、基準となるＧＭＭを作成するための画像２の入力を受け付け、これを複数の同じ矩形形状のブロック領域３Ａ、３Ｂ、・・・に区分する。画像２は、例えば、画像認識対象である歩行者を写した画像である。
図では、図示しやすいように４×４に区分しているが、標準的な値は、例えば、４×８である。
なお、ブロック領域３Ａ、３Ｂ、・・・を特に区別しない場合は、単にブロック領域３と記す。
図１０（ａ）に示したように、画像処理装置８（図１７）は、基準となるＧＭＭを作成するための画像２の入力を受け付け、これを複数の同じ矩形形状のブロック領域３Ａ、３Ｂ、・・・に区分する。画像２は、例えば、画像認識対象である歩行者を写した画像である。
図では、図示しやすいように４×４に区分しているが、標準的な値は、例えば、４×８である。
なお、ブロック領域３Ａ、３Ｂ、・・・を特に区別しない場合は、単にブロック領域３と記す。
【0064】
画像処理装置８は、画像２をブロック領域３に区分すると共に、画像２の解像度を変換し、図１０（ｂ）に示したように解像度（画像サイズ）の異なる高解像度画像１１、中解像度画像１２、低解像度画像１３を生成する。画像２の解像度が適当な場合は、画像２をそのまま高解像度画像として使用する。
図では、ブロック領域３Ａの部分の高解像度画像１１、中解像度画像１２、低解像度画像１３を示しており、升目は画素を模式的に表している。
図では、ブロック領域３Ａの部分の高解像度画像１１、中解像度画像１２、低解像度画像１３を示しており、升目は画素を模式的に表している。
【0065】
そして、画像処理装置８は、勾配方向量子化装置７を用いることにより、高解像度画像１１、中解像度画像１２、低解像度画像１３のそれぞれの画素について勾配方向を１０°ごとの３６方向に量子化して計算する。
画像処理装置８は、このようにして勾配方向を算出すると、注目画素と、これから離れた位置にある画素（以下、オフセット画素）の勾配方向の共起を次のようにして取得する。
画像処理装置８は、このようにして勾配方向を算出すると、注目画素と、これから離れた位置にある画素（以下、オフセット画素）の勾配方向の共起を次のようにして取得する。
【0066】
まず、画像処理装置８は、図１０（ｃ）に示したように、高解像度画像１１に注目画素５を設定し、高解像度画像１１で注目画素５からオフセット距離１（即ち、高解像度において隣接する）にあるオフセット画素１ａ～１ｄに着目する。
なお、画素ｎ個分の距離をオフセット距離ｎと呼ぶことにする。
なお、画素ｎ個分の距離をオフセット距離ｎと呼ぶことにする。
【0067】
そして、画像処理装置８は、注目画素５とオフセット画素１ａ～オフセット画素３ｄとの各勾配方向の共起（勾配方向の組合せ）を取得し、これに対応する点を共起対応点５１、５１、・・・として、図１０（ｄ）に示す特徴面１５（１ａ）～１５（３ｄ）にプロットする。図３の例では、共起行列に投票したが、ＧＭＭを用いた方式では特徴面１５にプロットすることにより投票する。
なお、画像処理装置８は、図１０（ｄ）に示した１２の特徴面１５（１ａ）～１５（３ｄ）を、図１０（ａ）で区分したブロック領域３Ａ、３Ｂ、・・・ごとに作成する。
以下、複数の特徴面全体をさす場合には特徴面１５という。
なお、画像処理装置８は、図１０（ｄ）に示した１２の特徴面１５（１ａ）～１５（３ｄ）を、図１０（ａ）で区分したブロック領域３Ａ、３Ｂ、・・・ごとに作成する。
以下、複数の特徴面全体をさす場合には特徴面１５という。
【0068】
例えば、図１０（ｃ）において、注目画素５とオフセット画素１ａの共起をプロットする場合、注目画素５の勾配方向が３番目のθ（勾配方向量子化装置７が出力する数値は２）で、オフセット画素１ａの勾配方向が１４番目のθ（勾配方向量子化装置７が出力する数値は１３）であったとすると、画像処理装置８は、オフセット画素１ａ用の特徴面１５（１ａ）の横軸（ｘ軸）が３番目のθで縦軸（ｙ軸）が１４番目のθである位置に共起対応点５１をプロットする。
【0069】
なお、特徴面１５のｘ軸、ｙ軸は１０°ごとの３６区間に量子化されており、特徴面１５は、３６×３６個の升目からできている。図ではプロットした点を密集した群で表しているが、画像処理装置８は、この量子化した升目ごとにプロットして投票する。
【0070】
そして、画像処理装置８は、高解像度画像１１内で、注目画素５を順次移動しながら、注目画素５とオフセット画素１ａとの共起を取って特徴面１５（１ａ）にプロットする。
このように特徴面１５は、画像中にある特定のオフセット（注目画素５からの相対位置）を持つ２つの勾配方向ペアがどのような出現頻度を持つかを表現している。
このように特徴面１５は、画像中にある特定のオフセット（注目画素５からの相対位置）を持つ２つの勾配方向ペアがどのような出現頻度を持つかを表現している。
【0071】
なお、図１０（ｃ）で、図面に向かって注目画素５の右側の画素について共起を観察するのは、まず、注目画素５を図面に向かって左上端の画素から、順次右方向の画素に移動し、右端に達すると、１段下で左端の画素から右方向に移動させるという移動経路を設定しているので、注目画素５の移動に伴って重複する共起の組合せを取得しないようにするためである。
【0072】
また、注目画素５の移動はブロック領域３Ａ内（同一のブロック領域内）で行うが、オフセット画素の選択は、ブロック領域３Ａを超える場合でも行われる。
画像２の端部では、勾配方向を算出することができないが、これについては、適当な任意の方法で処理する。
画像２の端部では、勾配方向を算出することができないが、これについては、適当な任意の方法で処理する。
【0073】
次に、画像処理装置８は、注目画素５とオフセット画素１ｂ（図１０（ｃ）参照）との勾配方向の共起を取得して、これに対応する共起対応点５１を特徴面１５（１ｂ）にプロットする。
なお、画像処理装置８は、先に注目画素５とオフセット画素１ａで使用した特徴面１５（１ａ）とは、異なる新たな特徴面１５を用意し、これに投票する。このように、画像処理装置８は、注目画素５とオフセット画素の相対的な位置関係の組合せごとに特徴面１５を生成する。
そして、高解像度画像１１内で注目画素５を順次移動しながら、注目画素５とオフセット画素１ｂとの共起を取って共起対応点５１を当該特徴面１５（１ｂ）にプロットする。
なお、画像処理装置８は、先に注目画素５とオフセット画素１ａで使用した特徴面１５（１ａ）とは、異なる新たな特徴面１５を用意し、これに投票する。このように、画像処理装置８は、注目画素５とオフセット画素の相対的な位置関係の組合せごとに特徴面１５を生成する。
そして、高解像度画像１１内で注目画素５を順次移動しながら、注目画素５とオフセット画素１ｂとの共起を取って共起対応点５１を当該特徴面１５（１ｂ）にプロットする。
【0074】
以下同様に画像処理装置８は、注目画素５とオフセット画素１ｃとの組合せ、及び注目画素５とオフセット画素１ｄの組合せについても、それぞれに個別の特徴面１５（１ｃ）、１５（１ｄ）を用意して勾配方向の共起をプロットする。
【0075】
このようにして、画像処理装置８は、注目画素５と、注目画素５からオフセット距離１のオフセット画素１ａ～１ｄについての４つの特徴面１５を生成すると、次に、高解像度画像１１における注目画素５と、オフセット距離２にある中解像度画像１２のオフセット画素２ａ～２ｄに着目する。
【0076】
そして、上記の手法と同じ手法により、注目画素５とオフセット画素２ａの組合せによる特徴面１５（２ａ）、同様にオフセット画素２ｂ、２ｃ、２ｄの組合せによる特徴面１５（２ｂ）～１５（２ｄ）を作成する。
【0077】
そして、画像処理装置８は、高解像度画像１１における注目画素５と、オフセット距離３にある低解像度画像１３のオフセット画素３ａ～３ｄについても同様に、注目画素５とオフセット画素３ａ～３ｄの相対的な位置関係の組合せごとの特徴面１５（３ａ）～１５（３ｄ）を生成する。
画像処理装置８は、以上の処理をブロック領域３Ｂ、３Ｃ、・・・に対しても行い、画像２の特徴を抽出した複数の特徴面１５を生成する。
このように画像処理装置８は、ブロック領域３Ａ、３Ｂ、３Ｃ・・・ごとに、複数の特徴面１５（１ａ）～１５（３ｄ）を生成する。
画像処理装置８は、以上の処理をブロック領域３Ｂ、３Ｃ、・・・に対しても行い、画像２の特徴を抽出した複数の特徴面１５を生成する。
このように画像処理装置８は、ブロック領域３Ａ、３Ｂ、３Ｃ・・・ごとに、複数の特徴面１５（１ａ）～１５（３ｄ）を生成する。
【0078】
そして、画像処理装置８は、これら特徴面１５の各々について、以下のようにしてＧＭＭを生成する。
なお、ここでは、説明を簡単にするため、画像２から作成した特徴面１５からＧＭＭを生成するが、より詳細には、多数の学習画像から取得した特徴面１５を重ね合わせたものに対してＧＭＭを生成する。
なお、ここでは、説明を簡単にするため、画像２から作成した特徴面１５からＧＭＭを生成するが、より詳細には、多数の学習画像から取得した特徴面１５を重ね合わせたものに対してＧＭＭを生成する。
【0079】
図１０（ｅ）は、これら複数の特徴面１５のうちの１つを表しており、まず、画像処理装置８は、これらの共起対応点５１を近いもの同士を組合せることにより混合数Ｋ個のクラスタ（グループ）にクラスタリングする。
混合数は、ＧＭＭを生成するに際して混合するガウス分布の個数を表しており、これを適当に指定すると、画像処理装置８は、自動的に指定された個数に共起対応点５１をクラスタリングする。
混合数は、ＧＭＭを生成するに際して混合するガウス分布の個数を表しており、これを適当に指定すると、画像処理装置８は、自動的に指定された個数に共起対応点５１をクラスタリングする。
【0080】
混合数は、Ｋ＝６、Ｋ＝１６、Ｋ＝３２、Ｋ＝６４などと、各種の値を設定することができ、混合数の値は、実験などにより決定する。
図１０（ｅ）の例では、簡単化のため、Ｋ＝３とし、共起対応点５１は、クラスタ６０－１～６０－３にクラスタリングしている。
特徴面１５にプロットされた共起対応点５１、５１、・・・は、画像の特徴に応じて集まる傾向があり、クラスタ６０－１、６０－２、・・・は、画像の特徴を反映したものとなる。
図１０（ｅ）の例では、簡単化のため、Ｋ＝３とし、共起対応点５１は、クラスタ６０－１～６０－３にクラスタリングしている。
特徴面１５にプロットされた共起対応点５１、５１、・・・は、画像の特徴に応じて集まる傾向があり、クラスタ６０－１、６０－２、・・・は、画像の特徴を反映したものとなる。
【0081】
図１０（ｆ）に示したように、画像処理装置８は、共起対応点５１をクラスタリングした後、Ｋ個のガウス分布（ガウス分布５４－１、５４－２、５４－３）を線形に重ね合わせた確率密度関数ｐ（ｘ｜θ）によって、特徴面１５における共起対応点５１の確率密度関数５３を表す。このようにガウス分布を基底関数（線形和の対象となっている関数であってＧＭＭを構成する要素となっている関数）とし、これによる線形和で表された確率密度関数５３がＧＭＭである。
画像処理装置８は、学習した対象と被写体の類否を判断するための基準ＧＭＭ５５として確率密度関数５３を使用する。
画像処理装置８は、学習した対象と被写体の類否を判断するための基準ＧＭＭ５５として確率密度関数５３を使用する。
【0082】
確率密度関数ｐ（ｘ｜θ）の具体的な数式は、図１０（ｇ）のようになる。
ここで、ｘは、共起対応点５１の分布を表すベクトル量でありθは母数（μｊ、Σｊ）（ただし、ｊ＝１、２、・・・、Ｋ）を表すベクトル量である。
πｊは、混合係数と呼ばれ、ｊ番目のガウス分布を選択する確率を表している。μｊ、Σｊは、それぞれ、ｊ番目のガウス分布の平均値と、分散共分散行列を表している。πｊとθにより確率密度関数５３、即ち、基準ＧＭＭ５５が一意的に定まる。
ここで、ｘは、共起対応点５１の分布を表すベクトル量でありθは母数（μｊ、Σｊ）（ただし、ｊ＝１、２、・・・、Ｋ）を表すベクトル量である。
πｊは、混合係数と呼ばれ、ｊ番目のガウス分布を選択する確率を表している。μｊ、Σｊは、それぞれ、ｊ番目のガウス分布の平均値と、分散共分散行列を表している。πｊとθにより確率密度関数５３、即ち、基準ＧＭＭ５５が一意的に定まる。
【0083】
ｚは、ＥＭアルゴリズムや負担率を計算するのに用いられる潜在パラメータであり、混合するＫ個のガウス分布に対応してｚ１、ｚ２、・・・、ｚＫが用いられる。ｘの分布から事後的にｚの確率を計算したものが負担率となる。
ＥＭアルゴリズムは、説明は省略するが、尤度を最大化するπｊと母数（μｊ、Σｊ）を推定するアルゴリズムであり、画像処理装置８は、ＥＭアルゴリズムを適用することによりπｊ、θを決定し、これによってｐ（ｘ｜θ）を求める。
ＥＭアルゴリズムは、説明は省略するが、尤度を最大化するπｊと母数（μｊ、Σｊ）を推定するアルゴリズムであり、画像処理装置８は、ＥＭアルゴリズムを適用することによりπｊ、θを決定し、これによってｐ（ｘ｜θ）を求める。
【0084】
基準ＧＭＭ５５は、クラスタ６０－１、６０－２、６０－３の位置にあるガウス分布５４－１、５４－２、５４－３（図示せず）を基底関数とし、これらを混合して形成される。
そして、基準ＧＭＭ５５を用いて各共起対応点５１のガウス分布５４－１、５４－２、５４－３に対する負担率を計算し、これをガウス分布５４－１、５４－２、５４－３に投票したガウス分布５４ごとの合計値がＭＲＣｏＨＯＧ特徴量となる。
なお、以下では、ガウス分布５４－１、５４－２、５４－３を特に区別しない場合は、単にガウス分布５４と記すことにし、他の構成要素についても同様とする。
そして、基準ＧＭＭ５５を用いて各共起対応点５１のガウス分布５４－１、５４－２、５４－３に対する負担率を計算し、これをガウス分布５４－１、５４－２、５４－３に投票したガウス分布５４ごとの合計値がＭＲＣｏＨＯＧ特徴量となる。
なお、以下では、ガウス分布５４－１、５４－２、５４－３を特に区別しない場合は、単にガウス分布５４と記すことにし、他の構成要素についても同様とする。
【0085】
このようにして生成したＭＲＣｏＨＯＧ特徴量を用いて画像認識を行うのであるが、基準ＧＭＭ５５を直接適用して負担率を計算する場合、計算能力の高い計算機を要する。
そのため、計算リソースが限られた機器へ実装する場合、従来は、基準ＧＭＭ５５を用いて予め作成した負担率テーブルをメモリに用意し、このテーブルを参照することにより各ガウス分布５４に対する負担率を取得していた。
これには、大きなメモリ資源を要し、画像認識装置をＦＰＧＡやＩＣチップなどの小型・安価な半導体装置で実現するには不向きであった。
そのため、計算リソースが限られた機器へ実装する場合、従来は、基準ＧＭＭ５５を用いて予め作成した負担率テーブルをメモリに用意し、このテーブルを参照することにより各ガウス分布５４に対する負担率を取得していた。
これには、大きなメモリ資源を要し、画像認識装置をＦＰＧＡやＩＣチップなどの小型・安価な半導体装置で実現するには不向きであった。
【0086】
そこで、本実施形態では、計算が容易な基準ＧＭＭ５５の近似式を画像処理装置８に実装することにより、負担率テーブルを参照せずに、少数のパラメータを用いたハードウェア指向の簡単な計算で負担率を計算できるようにした。以下、その方法について説明する。
【0087】
図１１の各図は、基準ＧＭＭ５５の近似を説明するための図である。
図１１（ａ）の楕円６２－１、６２－２、６２－３は、基準ＧＭＭ５５の本来の基底関数であるガウス分布５４－１、５４－２、５４－３を適当な高さ（ｐ（ｘ｜θ））で輪切りにして基準ＧＭＭ５５の定義域であるｘｙ平面上に投影したものである。
図１１（ａ）の楕円６２－１、６２－２、６２－３は、基準ＧＭＭ５５の本来の基底関数であるガウス分布５４－１、５４－２、５４－３を適当な高さ（ｐ（ｘ｜θ））で輪切りにして基準ＧＭＭ５５の定義域であるｘｙ平面上に投影したものである。
【0088】
これら楕円６２－１、６２－２、６２－３は、クラスタ６０－１、６０－２、６０－３の位置に対応して形成されている。
これら楕円６２は、ガウス分布５４から求めてもよいし、あるいは、クラスタ６０をバランスよく囲む形を適当に設定してもよい。
これら楕円６２は、ガウス分布５４から求めてもよいし、あるいは、クラスタ６０をバランスよく囲む形を適当に設定してもよい。
【0089】
ガウス分布５４は、２変数の正規分布であるため、所定のｐ（ｘ｜θ）で輪切りにしたラインの幅は、これら２変数の標準偏差の幅を反映し、主軸（長軸）と副軸（短軸）が直行すると共に任意の方向に回転した楕円６２となる。
【0090】
本実施形態の基準ＧＭＭ５５は、楕円６２と後述の計算式の組み合わせによってガウス分布５４を近似したものを基底関数とする。
そして、ｘｙ平面上に形成された個別の楕円６２を規定するパラメータを当該計算式に代入すると個別のガウス分布５４を近似する個別の基底関数が形成されるようになっている。
これにより基準ＧＭＭ５５を用いた負担率の計算が容易になる。
そして、ｘｙ平面上に形成された個別の楕円６２を規定するパラメータを当該計算式に代入すると個別のガウス分布５４を近似する個別の基底関数が形成されるようになっている。
これにより基準ＧＭＭ５５を用いた負担率の計算が容易になる。
【0091】
楕円６２は、式（１）で表され、画像処理装置８が楕円６２を特定するために記憶すべきパラメータは、楕円６２ごとの係数Ａ、Ｂ、Ｃと楕円６２の中心の座標値（ｘ０、ｙ０）だけである。
必要とするメモリは、１つの楕円６２あたり、５×６４＝３２０ビットであり、画像認識に要するメモリは、合計で３９．４ＫＢ程度と少量で済む。
なお、ｘ０などの下付文字０は、文字の誤変換を防止するため全角文字で表してある。以下、他の数式も同様とする。
必要とするメモリは、１つの楕円６２あたり、５×６４＝３２０ビットであり、画像認識に要するメモリは、合計で３９．４ＫＢ程度と少量で済む。
なお、ｘ０などの下付文字０は、文字の誤変換を防止するため全角文字で表してある。以下、他の数式も同様とする。
【0092】
このように主軸が基準ＧＭＭ５５の座標軸から任意の角度だけ回転した状態の楕円６２を用いて負担率を計算することも可能であるが、計算が複雑となるため、本実施形態では、図１１（ｂ）に示したように、最大幅の方向（主軸の方向）が基準ＧＭＭ５５の座標軸と平行、又は直角となるように楕円６２－１、６２－２、６２－３を回転して楕円６３－１、６３－２、６３－３を設定し、これに基づいて基準ＧＭＭ５５の基底関数を構成した。
【0093】
最大幅の方向をｘ軸、ｙ軸の何れに平行にするかは、回転角度の少ない方に合わせるが、実験によって回転方向を決定してもよい。
また、回転に伴って、楕円６３を大きくしたり扁平にしたりなど、適度に整形することも可能である。
実験によると、楕円６２を用いた場合と楕円６３を用いた場合では、画像認識精度に大きな差は見られず、楕円６３を用いることができることが確認された。
このように、本実施形態で使用する楕円の最大幅の方向は、混合ガウスモデルを定義する直交座標軸に平行又は直角となっている。
また、回転に伴って、楕円６３を大きくしたり扁平にしたりなど、適度に整形することも可能である。
実験によると、楕円６２を用いた場合と楕円６３を用いた場合では、画像認識精度に大きな差は見られず、楕円６３を用いることができることが確認された。
このように、本実施形態で使用する楕円の最大幅の方向は、混合ガウスモデルを定義する直交座標軸に平行又は直角となっている。
【0094】
楕円６３は、式（２）で表され、画像処理装置８が楕円６３を特定するために記憶すべきパラメータは、楕円６３ごとの係数Ａ、Ｂと楕円６２の中心の座標値（ｘ０、ｙ０）だけである。
必要とするメモリは、１つの楕円６３あたり、４×６４＝２５６ビットであり、画像認識に要するメモリは、合計で３１．５ＫＢ程度である。
なお、実際に負担率の計算に使用するパラメータは、後述するように、主軸半径（主軸方向のガウス分布の幅）、副軸半径（副軸方向のガウス分布の幅）、及び中心の座標値であるが、この場合も記憶するパラメータは４個なので、メモリ消費量は同じである。
必要とするメモリは、１つの楕円６３あたり、４×６４＝２５６ビットであり、画像認識に要するメモリは、合計で３１．５ＫＢ程度である。
なお、実際に負担率の計算に使用するパラメータは、後述するように、主軸半径（主軸方向のガウス分布の幅）、副軸半径（副軸方向のガウス分布の幅）、及び中心の座標値であるが、この場合も記憶するパラメータは４個なので、メモリ消費量は同じである。
【0095】
次に、基底関数に用いる計算式と負担率の計算方法について説明する。
図１２の各図は、負担率の計算に用いるパラメータや変数について説明するための図である。
図１２（ａ）楕円６３－ｉ（ｉ番目の楕円６３で、楕円６３－１、６３－２、・・・のうちの何れか、以下、他の構成要素も同様とする）の中心をｗｉとし、共起対応点５１とｗｉの距離をｘ軸方向の距離であるｄｉ＿ｘと、ｙ軸方向の距離であるｄｉ＿ｙで表す。
このような座標軸に沿って計測した距離はマンハッタン距離と呼ばれ、ユーグリッド距離に比べてハードウェアでの計算が容易になる。
図１２の各図は、負担率の計算に用いるパラメータや変数について説明するための図である。
図１２（ａ）楕円６３－ｉ（ｉ番目の楕円６３で、楕円６３－１、６３－２、・・・のうちの何れか、以下、他の構成要素も同様とする）の中心をｗｉとし、共起対応点５１とｗｉの距離をｘ軸方向の距離であるｄｉ＿ｘと、ｙ軸方向の距離であるｄｉ＿ｙで表す。
このような座標軸に沿って計測した距離はマンハッタン距離と呼ばれ、ユーグリッド距離に比べてハードウェアでの計算が容易になる。
【0096】
また、図１２（ｂ）に示したように、楕円６３－ｉのｘ軸方向の半径（幅）とｙ軸方向の半径（幅）を２のｎ乗（ｎは０以上の整数、０以上の整数による２の冪乗とも言えるし、あるいは０乗を含む２の累乗とも言える）で表し、それぞれの幅を、２のｒｉ＿ｘ乗、２のｒｉ＿ｙ乗で量子化する。ｒｉ＿ｘとｒｉ＿ｙは、０、１、２、・・・となる０以上の整数である。
【0097】
この量子化は、図１２（ｃ）の幅量子化テーブルに従って近似することにより得られたものである。例えば、楕円の半径はガウス分布の幅である標準偏差σに対応するが、１＜σ≦２の場合は２の１乗、２＜σ≦４の場合は２の２乗、・・・、などと近似する。
このように楕円６３の半径を２のｎ乗で近似・量子化することによりビットシフトによる演算が可能となる。
このように楕円６３の半径を２のｎ乗で近似・量子化することによりビットシフトによる演算が可能となる。
【0098】
図１３は、負担率の計算式を説明するための図である。
負担率とは、潜在変数ｚの事後分布であり（共起対応点５１が与えられたときのｚの分布）、ｐ（ｋｚ＝１｜ｘ）で表される。
共起対応点５１の分布がガウス分布５４－１、ガウス分布５４－２、・・・の形成に寄与し、ＧＭＭはガウス分布の線形和であるため、これが積み重なって（その合計として）基準ＧＭＭ５５の確率密度関数５３が構成されている。
そのとき、ある共起対応点５１が、ガウス分布５４－１、ガウス分布５４－２、・・・に属する確率（寄与している割合）が当該共起対応点５１の各ガウス分布５４に対する負担率となる。
負担率とは、潜在変数ｚの事後分布であり（共起対応点５１が与えられたときのｚの分布）、ｐ（ｋｚ＝１｜ｘ）で表される。
共起対応点５１の分布がガウス分布５４－１、ガウス分布５４－２、・・・の形成に寄与し、ＧＭＭはガウス分布の線形和であるため、これが積み重なって（その合計として）基準ＧＭＭ５５の確率密度関数５３が構成されている。
そのとき、ある共起対応点５１が、ガウス分布５４－１、ガウス分布５４－２、・・・に属する確率（寄与している割合）が当該共起対応点５１の各ガウス分布５４に対する負担率となる。
【0099】
ここでは、コンピュータによる計算を容易にするため、図１３に示した式（３）で定義されるｓｉ＿ｘ，ｉ＿ｙで混合ガウス分布を構成するガウス分布を近似し、式（４）のｚｉによる計算式によって負担率を近似する。即ち、楕円６３－ｉのパラメータで規定されるｓｉ＿ｘ，ｉ＿ｙが基底関数に相当し、ｚｉが、当該基底関数に対応する特徴量の計算式に相当する。
これらの式は、ハードウェアへの実装を容易にするために新たに考案したものである。
共起の分布とパラメータをｚｉの式に代入することにより、混合ガウスモデルを用いた画像の特徴量であるところの負担率を近似的に容易に計算することができる。
これらの式は、ハードウェアへの実装を容易にするために新たに考案したものである。
共起の分布とパラメータをｚｉの式に代入することにより、混合ガウスモデルを用いた画像の特徴量であるところの負担率を近似的に容易に計算することができる。
【0100】
図１４は、基底関数をより詳細に説明するための図である。
図１３に示した式（３）、（４）は、ｘ軸、ｙ軸方向の２変数に対する式を１つにまとめたものとなっており、分かりやすくするためにこれを１変数にしたのが図１４（ａ）の式（５）、（６）である。
図１３に示した式（３）、（４）は、ｘ軸、ｙ軸方向の２変数に対する式を１つにまとめたものとなっており、分かりやすくするためにこれを１変数にしたのが図１４（ａ）の式（５）、（６）である。
【0101】
図のグラフに示したように、ｚｉは、共起対応点５１と楕円６３－ｉの中心の間の距離ｄｉが０のとき１となり、ｄｉが中心から離れるに従って徐々に小さくなる。そして、ｚｉは、ｓｉが１のとき（即ち、ｄｉ＝２の（ｒｉ－ｌｏｇ２ａ乗）のとき）、１／２となり、更にｄｉが大きくなると、次第に０に近づいていく。
ｚｉの広がり具合は、楕円６３－ｉの半径ｒｉによって規定され、ｒｉが小さいほど急峻な形状となる。
ｚｉの広がり具合は、楕円６３－ｉの半径ｒｉによって規定され、ｒｉが小さいほど急峻な形状となる。
【0102】
なお、２を底とするｌｏｇ２ａの項ａは、計算精度を規定する項であり、ハードウェア化を行う場合は、通常ａ＝８ビット、又は１６ビットに設定する。この項を無視するなら、ｄｉが楕円６３の幅に等しいときｚｉは１／２となる。
【0103】
このように、ｚｉは、ガウス分布と似た性質を有しており、当該計算式によりガウス分布を好適に近似することができる。
また、ｓｉにおいてｄｉは、２の（ｒｉ－ｌｏｇ２ａ）乗で除しているが、２のｎ乗による除算はビットシフトによりハードウェアできわめて容易にできるため、ｚｉを用いることによりガウス分布の近似をビットシフトで行うことができる。
そこで、ガウス分布５４－ｉをｚｉで近似し、ガウス分布５４－ｉに属する確率を近似的に表すｚｉを負担率として採用する。
また、ｓｉにおいてｄｉは、２の（ｒｉ－ｌｏｇ２ａ）乗で除しているが、２のｎ乗による除算はビットシフトによりハードウェアできわめて容易にできるため、ｚｉを用いることによりガウス分布の近似をビットシフトで行うことができる。
そこで、ガウス分布５４－ｉをｚｉで近似し、ガウス分布５４－ｉに属する確率を近似的に表すｚｉを負担率として採用する。
【0104】
以上は、負担率を計算するための計算式を図１３の式（４）で定義したが、これに限定するものではなく、楕円６３に基づいて共起対応点５１のガウス分布５４への属する割合を割り振ることができるものであれば基底関数として適用できる。
【0105】
例えば、図１４（ｂ）に示したように、０≦ｄｉ＜２のｒｉ乗でｚｉ＝１であり、１≦ｒｉでｚｉ＝０となる関数や（２次元の場合は半径の幅が２のｒｉ＿ｘ乗と、２のｒｉ＿ｙ乗の楕円柱となる）、図１４（ｃ）に示したように、ｄｉが０からｒｉに増えるにつれてｚｉが直線的に減少し、１≦２のｒｉ乗でｚｉ＝０となる関数や（２次元では、底面の半径の幅が２のｒｉ＿ｘ乗と、２のｒｉ＿ｙ乗の楕円となる楕円錐）、その他、楕円６３に局在したウェーブレット型やガボール型の関数を使用することなどができる。
これらの基底関数が画像認識にどの程度利用できるかは、実験により検証される。
これらの基底関数が画像認識にどの程度利用できるかは、実験により検証される。
【0106】
図１５の各図は、負担率の具体的な計算を説明するための図である。
図１５（ａ）に示したように、楕円６３－ｉの内部にある共起対応点５１を考え、この点の楕円６３－ｉに対する負担率を求める。
図１５（ｂ）に示したように、楕円６３－ｉのｘ軸方向の半径２のｒｉ＿ｘ乗を２の５乗、ｙ軸方向の半径２のｒｉ＿ｙ乗を２の３乗とする。
また、楕円６３－ｉの中心ｗｉの座標値を（１０、２５）、共起対応点５１の座標値を（２５、２０）とする。
図１５（ａ）に示したように、楕円６３－ｉの内部にある共起対応点５１を考え、この点の楕円６３－ｉに対する負担率を求める。
図１５（ｂ）に示したように、楕円６３－ｉのｘ軸方向の半径２のｒｉ＿ｘ乗を２の５乗、ｙ軸方向の半径２のｒｉ＿ｙ乗を２の３乗とする。
また、楕円６３－ｉの中心ｗｉの座標値を（１０、２５）、共起対応点５１の座標値を（２５、２０）とする。
【0107】
図１５（ｃ）に示したように、ｘ軸方向に関しては、ｄｉ＿ｘ＝１５、ｒｉ＿ｘ＝５である。これらを図１３の式（３）に代入して計算するとｓｉ＿ｘ＝３．７５となる。
一方、図に示したようにｄｉ＿ｘをビット列（００００００００１１１１）で表し、これを２の２乗で割るため－２だけシフトすると（即ち、２だけ右にシフトすると）ｓｉ＿ｘに対応するビット列（００００００００００１１）が得られる。
このビット列が表す値を１０進数に変換すると、図に示したように３となり、先に計算した値の小数点以下を切り捨てた値となる。なお、小数点以下の誤差は無視する。
一方、図に示したようにｄｉ＿ｘをビット列（００００００００１１１１）で表し、これを２の２乗で割るため－２だけシフトすると（即ち、２だけ右にシフトすると）ｓｉ＿ｘに対応するビット列（００００００００００１１）が得られる。
このビット列が表す値を１０進数に変換すると、図に示したように３となり、先に計算した値の小数点以下を切り捨てた値となる。なお、小数点以下の誤差は無視する。
【0108】
図１５（ｄ）に示したように、ｙ軸方向に関しては、ｄｉ＿ｙ＝５、ｒｉ＿ｙ＝３である。これらを図１３の式（３）に代入して計算するとｓｉ＿ｙ＝５となる。
一方、図に示したようにｄｉ＿ｙをビット列（０００００００００１０１）で表し、これを２の０乗で割るため０だけ右にシフトすると（即ちシフトしないと）ｓｉ＿ｙに対応するビット列（０００００００００１０１）が得られる。
このビット列が表す値を１０進数に変換すると、図に示したように５となり、先に計算した値と等しくなる。
一方、図に示したようにｄｉ＿ｙをビット列（０００００００００１０１）で表し、これを２の０乗で割るため０だけ右にシフトすると（即ちシフトしないと）ｓｉ＿ｙに対応するビット列（０００００００００１０１）が得られる。
このビット列が表す値を１０進数に変換すると、図に示したように５となり、先に計算した値と等しくなる。
【0109】
このため、図１５（ｅ）に示したように、共起対応点５１のガウス分布５４－ｉ（楕円６３－ｉに対応するガウス分布５４－ｉ）に対する負担率ｚｉは、ｚｉ＿ｘとｚｉ＿ｙを加えて０．１４０６・・・と近似される。
同様にして、楕円６３－（ｉ＋１）やその他の楕円６３に対しても図１３の式（４）を適用して共起対応点５１のこれらガウス分布５４に対する負担率（の近似値）も計算することができる。
同様にして、楕円６３－（ｉ＋１）やその他の楕円６３に対しても図１３の式（４）を適用して共起対応点５１のこれらガウス分布５４に対する負担率（の近似値）も計算することができる。
【0110】
このようにしてある共起対応点５１の各ガウス分布５４に対する負担率を計算することができるが、これを全ての共起対応点５１に対して計算して得られた負担率をガウス分布５４ごとに集計（投票）すると共に、これを全ての特徴面１５について行って連結し、更に正規化するとＭＲＣｏＨＯＧ特徴量が得られる。
【0111】
図１６は、負担率の量子化を説明するための図である。
画像処理装置８は、図１３の式（４）によって負担率を計算した後、更に、これを２のｎ乗に量子化することによりメモリ消費を節約する。
図１６（ａ）は、量子化しない場合のガウス分布５４－ｉに対する負担率の例を示している。
なお、この例では混合数Ｋ＝６とし、ｉは１から６までの値をとる。
負担率を量子化しない場合、例えば、ガウス分布５４－１における負担率が０．４、ガウス分布５４－２における負担率が０．１５、・・・などと６４ビット表現になる。
画像処理装置８は、図１３の式（４）によって負担率を計算した後、更に、これを２のｎ乗に量子化することによりメモリ消費を節約する。
図１６（ａ）は、量子化しない場合のガウス分布５４－ｉに対する負担率の例を示している。
なお、この例では混合数Ｋ＝６とし、ｉは１から６までの値をとる。
負担率を量子化しない場合、例えば、ガウス分布５４－１における負担率が０．４、ガウス分布５４－２における負担率が０．１５、・・・などと６４ビット表現になる。
【0112】
図１６（ｂ）は、負担率の量子化テーブル２１の例を示している。
量子化テーブル２１は、負担率の６４ビット表現を０．８７５以上の場合、０．７５以上０．８７５未満の場合、０．６２５以上０．７５未満の場合、・・・の８段階に区分し、これらを、それぞれ、（２の０乗）＋（２の－３乗）、（２の－１乗）＋（２の－２乗）、・・・のシフト加算（２のｎ乗の加算）による３ビット表現に近似している。
量子化テーブル２１は、負担率の６４ビット表現を０．８７５以上の場合、０．７５以上０．８７５未満の場合、０．６２５以上０．７５未満の場合、・・・の８段階に区分し、これらを、それぞれ、（２の０乗）＋（２の－３乗）、（２の－１乗）＋（２の－２乗）、・・・のシフト加算（２のｎ乗の加算）による３ビット表現に近似している。
【0113】
画像処理装置８は、負担率を計算すると、量子化テーブル２１を参照してこれを３ビット表現に近似することによりメモリ消費を節約する。
なお、試算によると、例えば、６４ビット表現の場合は２０４１２ＫＢのメモリを消費するが、３ビット表現の場合のメモリ消費量は３１９ＫＢである。
また、負担率をシフト加算の形に量子化すると、後のハードウェアによる計算が容易となる。
なお、試算によると、例えば、６４ビット表現の場合は２０４１２ＫＢのメモリを消費するが、３ビット表現の場合のメモリ消費量は３１９ＫＢである。
また、負担率をシフト加算の形に量子化すると、後のハードウェアによる計算が容易となる。
【0114】
以上、画像からＭＲＣｏＨＯＧ特徴量を負担率によって抽出する方法について説明したが、当該特徴量を予め対象を学習した既存のニューラルネットワークなどの識別器に入力して画像認識を行うことができる。
【0115】
図１７は、画像処理装置８のハードウェア的な構成の一例を示した図である。
図１７（ａ）に示した画像処理装置８は、例えば、車両に搭載され、歩行者などを画像認識する。
この例では、半導体装置８５でＭＲＣｏＨＯＧ特徴量を抽出し、ＣＰＵ８１で被写体を画像認識する。
これは、一例であって、画像認識まで半導体装置８５で行ったり、あるいは、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を搭載した小型のシングルボードのコンピュータで全体を構成したりなど、各種の形態が可能である。
図１７（ａ）に示した画像処理装置８は、例えば、車両に搭載され、歩行者などを画像認識する。
この例では、半導体装置８５でＭＲＣｏＨＯＧ特徴量を抽出し、ＣＰＵ８１で被写体を画像認識する。
これは、一例であって、画像認識まで半導体装置８５で行ったり、あるいは、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を搭載した小型のシングルボードのコンピュータで全体を構成したりなど、各種の形態が可能である。
【0116】
画像処理装置８は、ＣＰＵ８１、ＲＯＭ８２、ＲＡＭ８３、記憶装置８４、半導体装置８５、入力部８６、及び出力部８７などがバスラインで接続されて構成されている。
ＣＰＵ８１は、中央処理装置であって、記憶装置８４が記憶する画像認識プログラムに従って動作し、半導体装置８５が抽出した特徴量を用いて画像認識処理を行う。
ＣＰＵ８１は、中央処理装置であって、記憶装置８４が記憶する画像認識プログラムに従って動作し、半導体装置８５が抽出した特徴量を用いて画像認識処理を行う。
【0117】
ＲＯＭ８２は、読み出し専用のメモリであって、ＣＰＵ８１を動作させるための基本的なプログラムやパラメータを記憶している。
ＲＡＭ８３は、読み書きが可能なメモリであって、ＣＰＵ８１が画像認識処理を行う際のワーキングメモリを提供する。
ＲＡＭ８３は、読み書きが可能なメモリであって、ＣＰＵ８１が画像認識処理を行う際のワーキングメモリを提供する。
【0118】
記憶装置８４は、ハードディスクや半導体記憶装置などの大容量の記憶媒体を用いて構成されており、画像認識プログラムを記憶している。
入力部８６は、操作担当者からの入力を受け付けるなどの入力デバイスを備えており、画像処理装置８に対する各種操作を受け付ける。
出力部８７は、操作担当者に各種の情報を提示するディスプレイ、スピーカなどの出力デバイスを備えており、画像処理装置８の操作画面や画像認識結果などを出力する。
入力部８６は、操作担当者からの入力を受け付けるなどの入力デバイスを備えており、画像処理装置８に対する各種操作を受け付ける。
出力部８７は、操作担当者に各種の情報を提示するディスプレイ、スピーカなどの出力デバイスを備えており、画像処理装置８の操作画面や画像認識結果などを出力する。
【0119】
半導体装置８５は、例えば、ＦＰＧＡを用いて構成されており、画像データ（動画データ）の入力を受け付けて、ＧＭＭによってＭＲＣｏＨＯＧによる特徴量を抽出して出力する。
半導体装置８５は、図１７（ｂ）に示したように、画像入力部９１、プロット部９２、負担率計算部９３、特徴量生成部９４から構成されている。
半導体装置８５は、図１７（ｂ）に示したように、画像入力部９１、プロット部９２、負担率計算部９３、特徴量生成部９４から構成されている。
【0120】
以下、画像処理装置８が行う画像認識処理の手順についてフローチャートを用いて説明する。
図１８は、画像処理装置８が行う画像認識処理の手順を説明するためのフローチャートである。以下の処理で、特徴量の抽出を行うステップ１５０～１７０は半導体装置８５が行い、以降の画像認識処理（Ｓ１７５～Ｓ１８５）はＣＰＵ８１が行う。
図１８は、画像処理装置８が行う画像認識処理の手順を説明するためのフローチャートである。以下の処理で、特徴量の抽出を行うステップ１５０～１７０は半導体装置８５が行い、以降の画像認識処理（Ｓ１７５～Ｓ１８５）はＣＰＵ８１が行う。
【0121】
まず、画像入力部９１が、カメラから送信される動画データからフレーム画像を取得する（ステップ１５０）。
このように、画像処理装置８は、画像を取得する画像取得手段を備えている。
次に、プロット部９２が、当該画像に対して後述のプロット処理を行い、勾配方向量子化装置７による勾配方向の計算などを行って、勾配方向の共起による特徴量を当該フレーム画像から抽出する（ステップ１５５）。
このように、画像処理装置８は、勾配方向量子化装置７によって、画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得手段を備えている。
このように、画像処理装置８は、画像を取得する画像取得手段を備えている。
次に、プロット部９２が、当該画像に対して後述のプロット処理を行い、勾配方向量子化装置７による勾配方向の計算などを行って、勾配方向の共起による特徴量を当該フレーム画像から抽出する（ステップ１５５）。
このように、画像処理装置８は、勾配方向量子化装置７によって、画像を構成する各画素の輝度の勾配方向を取得する勾配方向取得手段を備えている。
【0122】
次に、負担率計算部９３が、負担率を当該画像の特徴面１５ごとに計算する（ステップ１６０）。
そして、特徴量生成部９４が、特徴面１５ごとに計算した負担率を全ての特徴面１５について連結して対象画像全体の特徴を表す特徴量とし（ステップ１６５）、これを正規化して出力する（ステップ１７０）。
このように、画像処理装置８は、勾配方向の分布に基づいて画像の特徴量を取得する特徴量取得手段を備えており、当該特徴量取得手段は、勾配方向の共起の分布を混合ガウス分布で表した負担率によって当該特徴量を取得している。
そして、特徴量生成部９４が、特徴面１５ごとに計算した負担率を全ての特徴面１５について連結して対象画像全体の特徴を表す特徴量とし（ステップ１６５）、これを正規化して出力する（ステップ１７０）。
このように、画像処理装置８は、勾配方向の分布に基づいて画像の特徴量を取得する特徴量取得手段を備えており、当該特徴量取得手段は、勾配方向の共起の分布を混合ガウス分布で表した負担率によって当該特徴量を取得している。
【0123】
次に、ＣＰＵ８１が、当該正規化した特徴量をニューラルネットワークやその他の識別機構により構成された識別器に入力し、出力された値から当該フレーム画像における歩行者の類比判断を行い（ステップ１７５）、この類比判断による認識結果を車両の制御系などに出力する（ステップ１８０）。
このように、画像処理装置８は、特徴量を用いて画像を画像認識する画像認識手段を備えている。
そして、ＣＰＵ８１は、認識対象の追跡を継続する場合は（ステップ１８５；Ｙ）、ステップ１５０に戻って、半導体装置８５が出力する次の特徴量による認識を行い、追跡を継続しない場合は（ステップ１８５；Ｎ）、処理を終了する。
このように、画像処理装置８は、特徴量を用いて画像を画像認識する画像認識手段を備えている。
そして、ＣＰＵ８１は、認識対象の追跡を継続する場合は（ステップ１８５；Ｙ）、ステップ１５０に戻って、半導体装置８５が出力する次の特徴量による認識を行い、追跡を継続しない場合は（ステップ１８５；Ｎ）、処理を終了する。
【0124】
図１９は、図１８におけるステップ１５５のプロット処理の手順を説明するためのフローチャートである。
まず、プロット部９２は、画像入力部９１が処理した画像を読み込む（ステップ５）。
次に、プロット部９２は、当該画像をブロック領域３に区分し、当該区分の位置を記憶する（ステップ１０）。
まず、プロット部９２は、画像入力部９１が処理した画像を読み込む（ステップ５）。
次に、プロット部９２は、当該画像をブロック領域３に区分し、当該区分の位置を記憶する（ステップ１０）。
【0125】
次に、プロット部９２は、区分した高解像度画像１１のブロック領域３のうちの１つを選択し（ステップ１５）、これから共起対象の高解像度画像１１の画素、中解像度画像１２の画素、低解像度画像１３の画素を生成して記憶する（ステップ２０）。
なお、当該画像をそのまま高解像度画像１１として使用する場合は、当該画像の画素を解像度変換せずに高解像度画像１１の画素として使用する。
なお、当該画像をそのまま高解像度画像１１として使用する場合は、当該画像の画素を解像度変換せずに高解像度画像１１の画素として使用する。
【0126】
次に、プロット部９２は、生成した高解像度画像１１、中解像度画像１２、低解像度画像１３の個々の画素について勾配方向を勾配方向量子化装置７で算出（図８参照）して記憶する（ステップ２５）。
次に、プロット部９２は、高解像度画像１１内、高解像度画像１１と中解像度画像１２の間、及び高解像度画像１１と低解像度画像１３の間で勾配方向の共起を取って特徴面１５にプロットして記憶する（ステップ３０）。これにより当該ブロック領域３Ａによる特徴面１５が得られる。
次に、プロット部９２は、高解像度画像１１内、高解像度画像１１と中解像度画像１２の間、及び高解像度画像１１と低解像度画像１３の間で勾配方向の共起を取って特徴面１５にプロットして記憶する（ステップ３０）。これにより当該ブロック領域３Ａによる特徴面１５が得られる。
【0127】
次に、プロット部９２は、全ての画素についてプロットしたか否かを判断する（ステップ３５）。
まだ、プロットを行っていない画素がある場合（ステップ３５；Ｎ）、プロット部９２は、ステップ２０に戻って次の画素を選択し、これについて特徴面１５へのプロットを行う。
まだ、プロットを行っていない画素がある場合（ステップ３５；Ｎ）、プロット部９２は、ステップ２０に戻って次の画素を選択し、これについて特徴面１５へのプロットを行う。
【0128】
一方、当該ブロック領域３についての全画素についてプロットした場合（ステップ３５；Ｙ）、プロット部９２は、全てのブロック領域３についてプロットしたか否かを判断する（ステップ４０）。
まだ、プロットを行っていないブロック領域３がある場合（ステップ４０；Ｎ）、プロット部９２は、ステップ１５に戻って次のブロック領域３を選択し、これについて特徴面１５へのプロットを行う。
一方、全てのブロック領域３についてプロットした場合（ステップ４０；Ｙ）、プロット部９２は、全てのブロック領域３ごとのオフセット画素ごとに生成した特徴面１５を出力し（ステップ４５）、図１８のメインルーチンにリターンする。
まだ、プロットを行っていないブロック領域３がある場合（ステップ４０；Ｎ）、プロット部９２は、ステップ１５に戻って次のブロック領域３を選択し、これについて特徴面１５へのプロットを行う。
一方、全てのブロック領域３についてプロットした場合（ステップ４０；Ｙ）、プロット部９２は、全てのブロック領域３ごとのオフセット画素ごとに生成した特徴面１５を出力し（ステップ４５）、図１８のメインルーチンにリターンする。
【0129】
図２０は、図１８におけるステップ１６０の負担率計算処理を説明するためのフローチャートである。
まず、負担率計算部９３は、処理対象とする特徴面１５を選択する（ステップ２０５）。
次に、負担率計算部９３は、選択した特徴面１５から共起対応点５１を選択してその座標値を記憶する（ステップ２１０）。
まず、負担率計算部９３は、処理対象とする特徴面１５を選択する（ステップ２０５）。
次に、負担率計算部９３は、選択した特徴面１５から共起対応点５１を選択してその座標値を記憶する（ステップ２１０）。
【0130】
次に、負担率計算部９３は、楕円６３－ｉをカウントするパラメータｉを１に初期化して記憶する（ステップ２１５）。
次に、負担率計算部９３は、ステップ２１０で記憶した共起対応点５１の座標値を読み込むと共に、楕円６３－ｉのパラメータ（中心座標値（ｘ０、ｙ０）、及び主軸と副軸の幅を規定するｒｉ＿ｘとｒｉ＿ｙ）も読み込み、これらを図１３の式（３）、（４）に代入して当該共起対応点５１のガウス分布５４－ｉ（楕円６３－ｉに対応するガウス分布）における負担率の近似値を計算する。
更に、画像処理装置８は、当該負担率の近似値を量子化テーブル２１を参照して量子化し、最終的な負担率として記憶する（ステップ２２０）。
次に、負担率計算部９３は、ステップ２１０で記憶した共起対応点５１の座標値を読み込むと共に、楕円６３－ｉのパラメータ（中心座標値（ｘ０、ｙ０）、及び主軸と副軸の幅を規定するｒｉ＿ｘとｒｉ＿ｙ）も読み込み、これらを図１３の式（３）、（４）に代入して当該共起対応点５１のガウス分布５４－ｉ（楕円６３－ｉに対応するガウス分布）における負担率の近似値を計算する。
更に、画像処理装置８は、当該負担率の近似値を量子化テーブル２１を参照して量子化し、最終的な負担率として記憶する（ステップ２２０）。
【0131】
次に、負担率計算部９３は、ガウス分布５４－ｉの負担率の合計値に当該負担率を加算して記憶することにより、当該負担率をガウス分布５４－ｉに投票する（ステップ２２５）。
次に、負担率計算部９３は、ｉを１だけインクリメントして記憶し（ステップ２３０）、記憶したｉが混合数Ｋ以下か否かを判断する（ステップ２３５）。
次に、負担率計算部９３は、ｉを１だけインクリメントして記憶し（ステップ２３０）、記憶したｉが混合数Ｋ以下か否かを判断する（ステップ２３５）。
【0132】
ｉがＫ以下であった場合（ステップ２３５；Ｙ）、負担率計算部９３は、ステップ２２０に戻り、次のガウス分布５４－ｉに対して同様の処理を繰り返す。
一方、ｉがＫより大きい場合（ステップ２３５；Ｎ）、当該共起対応点５１について全てのガウス分布５４に対して投票したため、負担率計算部９３は、特徴面１５の全ての共起対応点５１に対して負担率を計算したか否かを判断する（ステップ２４０）。
一方、ｉがＫより大きい場合（ステップ２３５；Ｎ）、当該共起対応点５１について全てのガウス分布５４に対して投票したため、負担率計算部９３は、特徴面１５の全ての共起対応点５１に対して負担率を計算したか否かを判断する（ステップ２４０）。
【0133】
まだ、負担率を計算していない共起対応点５１がある場合（ステップ２４０；Ｎ）、負担率計算部９３は、ステップ２１０に戻って次の共起対応点５１を選択する。
一方、全ての共起対応点５１について負担率を計算した場合（ステップ２４０；Ｙ）、負担率計算部９３は、当該特徴面１５による負担率を特徴量生成部９４に出力し（ステップ２４３）、更に、全ての特徴面１５について負担率による各ガウス分布５４への投票処理を行ったか否かを判断する（ステップ２４５）。
一方、全ての共起対応点５１について負担率を計算した場合（ステップ２４０；Ｙ）、負担率計算部９３は、当該特徴面１５による負担率を特徴量生成部９４に出力し（ステップ２４３）、更に、全ての特徴面１５について負担率による各ガウス分布５４への投票処理を行ったか否かを判断する（ステップ２４５）。
【0134】
まだ処理を行っていない特徴面１５がある場合（ステップ２４５；Ｎ）、負担率計算部９３は、ステップ２０５に戻って次の特徴面１５を選択する。
一方、全ての特徴面１５に対して処理を行った場合（ステップ２４５；Ｙ）、プロット処理を終了し、図１８のメインルーチンにリターンする。
一方、全ての特徴面１５に対して処理を行った場合（ステップ２４５；Ｙ）、プロット処理を終了し、図１８のメインルーチンにリターンする。
【0135】
図２１は、本実施形態による画像認識の実験結果を示したグラフである。
図２１（ａ）、（ｂ）は、それぞれ混合数Ｋ＝１６、３２の場合を表している。
縦軸は画像認識における正検出率を表しており、横軸は誤検出率を表している。
曲線Ａは、ａｒｃｔａｎθを計算し、勾配方向の近似を行わなかった場合、曲線Ｂは、画像処理装置８によって小数部のビット幅を６とした場合、曲線Ｃは、ｆｘとｆｙの大きさの範囲と、ｆｘとｆｙの和と差の範囲の組み合わせによって、多数の分岐によって３６方向を場合分けした場合の結果を表している。
正答率が高いほど（曲線が上に位置するほど）性能が高いことを示している。
何れの混合数においても、ビット幅を６とした場合は、近似を行わない場合に次いで、これに近い正検出率を示しており、多分岐を行った場合よりもよい成績を示している。
このように、画像処理装置８を小規模のハードウェアへの実装に適しているとともに高い画像認識能力を発揮することができる。
図２１（ａ）、（ｂ）は、それぞれ混合数Ｋ＝１６、３２の場合を表している。
縦軸は画像認識における正検出率を表しており、横軸は誤検出率を表している。
曲線Ａは、ａｒｃｔａｎθを計算し、勾配方向の近似を行わなかった場合、曲線Ｂは、画像処理装置８によって小数部のビット幅を６とした場合、曲線Ｃは、ｆｘとｆｙの大きさの範囲と、ｆｘとｆｙの和と差の範囲の組み合わせによって、多数の分岐によって３６方向を場合分けした場合の結果を表している。
正答率が高いほど（曲線が上に位置するほど）性能が高いことを示している。
何れの混合数においても、ビット幅を６とした場合は、近似を行わない場合に次いで、これに近い正検出率を示しており、多分岐を行った場合よりもよい成績を示している。
このように、画像処理装置８を小規模のハードウェアへの実装に適しているとともに高い画像認識能力を発揮することができる。
【0136】
以上に説明したように、勾配方向量子化装置７は、ｙ／ｘがθと相関関係にあることを利用して、計算リソースを抑えつつ、少ない分岐条件で高精度な勾配方向の計算を行うことができる。
また、勾配方向の境界条件に用いる定数（ｔａｎθの近似値）の精度は量子化に用いるビット数で制御することができ、また、使用する計算リソースの量もビット数で制御できる。
また、勾配方向の境界条件に用いる定数（ｔａｎθの近似値）の精度は量子化に用いるビット数で制御することができ、また、使用する計算リソースの量もビット数で制御できる。
【0137】
上の例では、一例として１０°ごとに３６方向へ量子化したが、更に多くの、あるいは少ない方向へ量子化することも可能である。ｔａｎθの近似値を境界とするので他の角度への拡張は容易である。
また、３６方向のときは、小数部のビット幅が４、７２方向のときは、小数部のビット幅が７など、量子化する方向に連動してビット幅を変化させるように構成することもできる。
更に、０°～１０°、１０°～３０°、３０°～４５°、・・・などと不均等な角度範囲で量子化することもできる。
また、３６方向のときは、小数部のビット幅が４、７２方向のときは、小数部のビット幅が７など、量子化する方向に連動してビット幅を変化させるように構成することもできる。
更に、０°～１０°、１０°～３０°、３０°～４５°、・・・などと不均等な角度範囲で量子化することもできる。
【0138】
勾配方向（角度）の計算に計算リソースの使用量が大きい三角関数や除算を避けて実装できるため、勾配方向量子化装置７による勾配方向計算アルゴリズムをＦＰＧＡなど計算リソースが限られた機器へ実装することができる。
【符号の説明】
【0139】
２ 画像
３ ブロック領域
５ 注目画素
７ 勾配方向量子化装置
８ 画像処理装置
１１ 高解像度画像
１２ 中解像度画像
１３ 低解像度画像
１５ 特徴面
２１ 量子化テーブル
５１ 共起対応点
５３ 確率密度関数
５４ ガウス分布
５５ 基準ＧＭＭ
６０ クラスタ
６２ 楕円
６３ 楕円
８１ ＣＰＵ
８２ ＲＯＭ
８３ ＲＡＭ
８４ 記憶装置
８５ 半導体装置
８６ 入力部
８７ 出力部
７１ 回転選択部
７２ ｔａｎθテーブル
７３ 乗算部
７４ 象限選択部
７５ オフセット選択部
７６ 方向選択部
７７ 加算部
９１ 画像入力部
９２ プロット部
９３ 負担率計算部
９４ 特徴量生成部
１０１ 画像
１０２ セル
１０６ ヒストグラム
１０７ ＨＯＧ特徴量
１１０ 注目画素
１１３ 共起行列
１１７ ＣｏＨＯＧ特徴量
１２０ 高解像度画像
１２１ 中解像度画像
１２２ 低解像度画像
１２５ 注目画素
１２７ ＭＲＣｏＨＯＧ特徴量
３ ブロック領域
５ 注目画素
７ 勾配方向量子化装置
８ 画像処理装置
１１ 高解像度画像
１２ 中解像度画像
１３ 低解像度画像
１５ 特徴面
２１ 量子化テーブル
５１ 共起対応点
５３ 確率密度関数
５４ ガウス分布
５５ 基準ＧＭＭ
６０ クラスタ
６２ 楕円
６３ 楕円
８１ ＣＰＵ
８２ ＲＯＭ
８３ ＲＡＭ
８４ 記憶装置
８５ 半導体装置
８６ 入力部
８７ 出力部
７１ 回転選択部
７２ ｔａｎθテーブル
７３ 乗算部
７４ 象限選択部
７５ オフセット選択部
７６ 方向選択部
７７ 加算部
９１ 画像入力部
９２ プロット部
９３ 負担率計算部
９４ 特徴量生成部
１０１ 画像
１０２ セル
１０６ ヒストグラム
１０７ ＨＯＧ特徴量
１１０ 注目画素
１１３ 共起行列
１１７ ＣｏＨＯＧ特徴量
１２０ 高解像度画像
１２１ 中解像度画像
１２２ 低解像度画像
１２５ 注目画素
１２７ ＭＲＣｏＨＯＧ特徴量
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】