特開 2023-182192 物体検出システム、物体検出方法および物体検出プログラム

(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】P2023182192

(43)【公開日】2023-12-26

(54)【発明の名称】物体検出システム、物体検出方法および物体検出プログラム

(51)【国際特許分類】

   G06T 7/246 20170101AFI20231219BHJP

   G06V 10/22 20220101ALI20231219BHJP

【ＦＩ】

G06T7/246

G06V10/22

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2022095666

(22)【出願日】2022-06-14

(71)【出願人】

【識別番号】000004237

【氏名又は名称】日本電気株式会社

(74)【代理人】

【識別番号】100103090

【弁理士】

【氏名又は名称】岩壁 冬樹

(74)【代理人】

【識別番号】100124501

【弁理士】

【氏名又は名称】塩川 誠人

(72)【発明者】

【氏名】片山 瑞穂

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096AA06

5L096BA04

5L096CA04

5L096DA02

5L096FA12

5L096FA16

5L096GA51

5L096HA05

5L096HA11

5L096JA03

5L096KA04

(57)【要約】

【課題】画像から高速に対象物体を検出できる物体検出システムを提供する。
【解決手段】物体存在領域予測手段８１は、過去画像から検出された対象物体を示す情報から、現在画像において対象物体が存在する領域である物体存在領域を予測する。物体存在領域断片生成手段８２は、物体存在領域からその物体存在領域の部分領域である物体存在領域断片を生成する。物体検出手段８３は、物体存在領域断片から、対象物体が含まれる領域である物体検出断片を検出する。対象物体検出手段８４は、物体検出断片を用いて、現在画像から対象物体を検出する。
【選択図】図１０

【特許請求の範囲】

【請求項1】

過去画像から検出された対象物体を示す情報から、現在画像において前記対象物体が存在する領域である物体存在領域を予測する物体存在領域予測手段と、
前記物体存在領域から当該物体存在領域の部分領域である物体存在領域断片を生成する物体存在領域断片生成手段と、
前記物体存在領域断片から、前記対象物体が含まれる領域である物体検出断片を検出する物体検出手段と、
前記物体検出断片を用いて、前記現在画像から前記対象物体を検出する対象物体検出手段とを備えた
ことを特徴とする物体検出システム。

【請求項2】

物体存在領域予測手段は、過去画像から検出された対象物体の存在領域を示す物体検出枠を、対象物体を示す情報として用いて物体存在領域を予測し、
対象物体検出手段は、前記物体検出枠と物体検出断片とから、現在画像における対象物体の存在領域を示す物体検出枠を推定する
請求項１記載の物体検出システム。

【請求項3】

対象物体検出手段は、過去画像から取得される物体検出枠の縦横サイズと、物体検出断片から取得される検出枠の縦横サイズとから、現在画像の物体検出枠の横サイズまたは縦サイズを推定する
請求項２記載の物体検出システム。

【請求項4】

物体存在領域断片生成手段は、物体存在領域における物体存在領域断片の位置を付加した物体存在領域断片を生成する
請求項１から請求項３のうちのいずれか１項に記載の物体検出システム。

【請求項5】

物体存在領域断片生成手段は、物体存在領域断片の位置として、分割前の物体存在領域に対する位置を付加した物体存在領域断片を生成する
請求項４記載の物体検出システム。

【請求項6】

物体存在領域断片生成手段は、物体存在領域を縦方向または横方向に二等分することにより物体存在領域断片を生成する
請求項１から請求項３のうちのいずれか１項に記載の物体検出システム。

【請求項7】

物体存在領域予測手段は、過去画像から対象物体が含まれる部分が抽出された画像である過去部分画像を、対象物体を示す情報として用いて、当該過去部分画像と現在画像との相関に基づいて、物体存在領域を予測する
請求項１記載の物体検出システム。

【請求項8】

物体存在領域予測手段は、過去部分画像を現在画像に対してスライドさせながら計算した複数の相関に基づいて物体存在領域を予測する
請求項７記載の物体検出システム。

【請求項9】

コンピュータが、過去画像から検出された対象物体を示す情報から、現在画像において前記対象物体が存在する領域である物体存在領域を予測し、
前記コンピュータが、前記物体存在領域から当該物体存在領域の部分領域である物体存在領域断片を生成し、
前記コンピュータが、前記物体存在領域断片から、前記対象物体が含まれる領域である物体検出断片を検出し、
前記コンピュータが、前記物体検出断片を用いて、前記現在画像から前記対象物体を検出する
ことを特徴とする物体検出方法。

【請求項10】

コンピュータに、
過去画像から検出された対象物体を示す情報から、現在画像において前記対象物体が存在する領域である物体存在領域を予測する物体存在領域予測処理、
前記物体存在領域から当該物体存在領域の部分領域である物体存在領域断片を生成する物体存在領域断片生成処理、
前記物体存在領域断片から、前記対象物体が含まれる領域である物体検出断片を検出する物体検出処理、および、
前記物体検出断片を用いて、前記現在画像から前記対象物体を検出する対象物体検出処理
を実行させるための物体検出プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、画像中の対象物体を検出する物体検出システム、物体検出方法および物体検出プログラムに関する。

【背景技術】

【0002】

物体を検出する方法の一例が、非特許文献１に記載されている。非特許文献１に記載された方法では、過去のある画像において検出された対象物体の位置を元に、現在の画像において上記対象物体物体が存在すると想定される領域を設定し、物体検出によってその領域内における物体の位置と大きさを確定する。

【0003】

具体的には、非特許文献１に記載された方法では、対象物体が存在すると想定される領域を設定することによって対象物体を含む領域の大まかな位置と大きさを予測する。そして、予測によって得られる画像の一部分に対して対象物体の位置と大きさを確定することで物体検出の結果とする。

【先行技術文献】

【非特許文献】

【0004】

【非特許文献1】YUXIANG YANG, et al.，“Visual Tracking With Long-Short Term Based Correlation Filter”，IEEE Access，2020年1月20日，https://ieeexplore.ieee.org/document/8963992

【発明の概要】

【発明が解決しようとする課題】

【0005】

一般に物体検出の計算負荷は高いため、処理高速化のためには物体検出における処理対象画像をなるべく小さくすることが望ましい。そこで、計算負荷を低くするため、非特許文献１に記載された方法のように、対象物体を検出しようとする画像の一部に対して処理を行う方法が考えられる。

【0006】

一方、例えば、検出しようとする対象物体のサイズが大きい場合、非特許文献１に記載された方法では、結果的にサイズの大きい対象物体に対する物体検出を繰り返すことになり、計算負荷を十分に低減できるとは言い難い。そのため、画像から高速に対象物体を推定することは困難である。

【0007】

そこで、本発明は、画像から高速に対象物体を検出できる物体検出システム、物体検出方法および物体検出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】

【0008】

本発明による物体検出システムは、過去画像から検出された対象物体を示す情報から、現在画像において対象物体が存在する領域である物体存在領域を予測する物体存在領域予測手段と、物体存在領域からその物体存在領域の部分領域である物体存在領域断片を生成する物体存在領域断片生成手段と、物体存在領域断片から、対象物体が含まれる領域である物体検出断片を検出する物体検出手段と、物体検出断片を用いて、現在画像から対象物体を検出する対象物体検出手段とを備えたことを特徴とする。

【0009】

本発明による物体検出方法は、コンピュータが、過去画像から検出された対象物体を示す情報から、現在画像において対象物体が存在する領域である物体存在領域を予測し、コンピュータが、物体存在領域からその物体存在領域の部分領域である物体存在領域断片を生成し、コンピュータが、物体存在領域断片から、対象物体が含まれる領域である物体検出断片を検出し、コンピュータが、物体検出断片を用いて、現在画像から対象物体を検出することを特徴とする。

【0010】

本発明による物体検出プログラムは、コンピュータに、過去画像から検出された対象物体を示す情報から、現在画像において対象物体が存在する領域である物体存在領域を予測する物体存在領域予測処理、物体存在領域からその物体存在領域の部分領域である物体存在領域断片を生成する物体存在領域断片生成処理、物体存在領域断片から、対象物体が含まれる領域である物体検出断片を検出する物体検出処理、および、物体検出断片を用いて、現在画像から対象物体を検出する対象物体検出処理を実行させることを特徴とする。

【発明の効果】

【0011】

本発明によれば、画像から高速に対象物体を検出できる。

【図面の簡単な説明】

【0012】

【図1】本発明の物体検出システムの第一の実施形態の構成例を示すブロック図である。

【図2】過去画像に対する物体検出結果と物体存在領域の例を示す説明図である。

【図3】物体存在領域断片群を生成する処理の例を示す説明図である。

【図4】物体検出断片を検出する処理の例を示す説明図である。

【図5】対象物体を検出する処理の例を示す説明図である。

【図6】第一の実施形態の物体検出システムの動作例を示すフローチャートである。

【図7】本発明の物体検出システムの第二の実施形態の構成例を示すブロック図である。。

【図8】物体存在領域を予測する処理の例を示す説明図である。

【図9】第二の実施形態の物体検出システムの動作例を示すフローチャートである。

【図10】本発明による物体検出システムの概要を示すブロック図である。

【発明を実施するための形態】

【0013】

以下、本発明の実施形態を図面を参照して説明する。
以下の説明では、対象物体を検出する画像を現在画像と記す。現在画像は、例えば、監視カメラなどの定点カメラ等により逐次撮影される画像である。また、以下の説明では、具体例として、対象物体が車両である場合を例示するが、対象物体は車両に限定されない。

【0014】

また、本実施形態では、現在画像よりも過去に撮像された画像（以下、過去画像と記す。）から対象物体の検出が既に行われているものとし、過去画像から検出された対象物体を示す情報が計算されているものとする。対象物体を示す情報として、対象物体の存在領域を示す情報や、対象物体が含まれる部分が抽出された画像（以下、過去部分画像と記す。）が挙げられる。

【0015】

対象物体の存在領域は、対象物体を含む領域であり、例えば、左上の頂点座標、並びに、幅および高さによって表される矩形領域である。他にも、対象物体の存在領域が、左上の頂点座標および右下の頂点座標で表わされる矩形領域であってもよい。

【0016】

［第１の実施の形態］
［構成の説明］
図１は、本発明の物体検出システムの第一の実施形態の構成例を示すブロック図である。図１に示すように、本実施形態の物体検出システム１００は、物体存在領域予測器２００と、物体存在領域断片生成部３００と、物体検出器４００と、対象物体検出器５００と、撮像装置６１０と、記憶部６２０とを備えている。

【0017】

記憶部６２０は、本実施形態の物体検出システム１００が行う処理に必要な各種情報を記憶する。また、本実施形態の記憶部６２０は、上述する過去画像７００および過去画像物体検出結果８００を記憶する。過去画像物体検出結果８００は、過去画像から検出された対象物体を示す情報であり、具体的には、対象物体の存在領域を示す情報や、対象物体が含まれる部分が抽出された画像である。

【0018】

本実施形態の物体検出システム１００は、現在画像、および、過去画像７００に対する過去画像物体検出結果８００から、物体検出結果を計算して出力する。なお、第一の実施形態では、過去画像から検出された対象物体を示す情報が、対象物体の存在領域を示す情報である場合について説明する。

【0019】

撮像装置６１０は、所定の場所に設置され、検出対象を撮像する装置である。具体的には、撮像装置６１０は、撮像の結果、現在画像を取得する。本実施形態では、撮像装置６１０が画像を撮像する際の画角は時間変化しないものとし、現在画像と過去画像の撮像画角も同一であるものとする。

【0020】

物体存在領域予測器２００は、過去画像７００から検出された対象物体を示す情報（すなわち、過去画像物体検出結果８００）から、現在画像において対象物体が存在する領域（以下、物体存在領域と記す。）を予測する。なお、物体存在領域予測器２００が物体存在領域を予測する方法は任意である。物体存在領域予測器２００は、例えば、カルマンフィルタなどの力学モデルに基づいて過去画像物体検出結果８００から物体存在領域を予測してもよい。

【0021】

図２は、過去画像に対する物体検出結果と物体存在領域の例を示す説明図である。図２に例示するように、過去画像７００から対象物体を示す情報として、対象物体の存在領域を示す物体検出枠が検出されたとする。このとき、物体存在領域予測器２００は、この物体検出枠を対象物体を示す情報として用いて、現在画像６００の物体存在領域を予測する。図２に例示するように、物体存在領域が、左上頂点座標並びに幅および高さによって表される矩形領域であってもよい。なお、物体存在領域予測器２００による予測の結果、物体存在領域は対象物体が含まれる蓋然性が高い領域であると言える。

【0022】

物体存在領域断片生成部３００は、物体存在領域を分割し、物体存在領域の部分領域（以下、物体存在領域断片と記す。）を生成する。その際、物体存在領域断片生成部３００は、物体存在領域断片に検出する対象物体の一部が含まれるように、物体存在領域を分割する。すなわち、物体存在領域断片は、物体存在領域の情報から得られる現在画像６００の部分画像をさらに分割した画像であり、物体存在領域よりも空間サイズの小さい画像である。

【0023】

なお、後述する物体検出器４００が、物体存在領域断片に対して対象物体の検出処理を行うため、分割された対象物体が物体検出器４００によって検出可能な程度に大きいものとする。そのため、物体存在領域断片生成部３００は、物体存在領域を縦方向または横方向に二等分することにより物体存在領域断片を生成することが好ましい。

【0024】

また、物体存在領域断片生成部３００は、物体存在領域における物体存在領域断片の位置を付加した物体存在領域断片を生成してもよい。物体存在領域断片の位置の例として、、分割前の物体存在領域に対する位置、例えば、分割された画像の右側に存在したことを示す情報や、上部に存在したことを示す情報などが挙げられる。また、物体存在領域断片の位置の例として、例えば、左上の座標を基準とした相対的な位置などが挙げられる。このような位置情報を付加することにより、後述する処理（具体的には、物体の存在領域を検出する処理）を精度よく行うことが可能になる。なお、この位置情報を用いた処理については後述される。

【0025】

図３は、物体存在領域断片を生成する処理の例を示す説明図である。現在画像から複数の物体存在領域が予測されると、物体存在領域断片生成部３００は、それぞれの物体存在領域から物体存在領域断片を生成する。図３に示す例では、物体存在領域断片生成部３００が、物体存在領域１１００から物体存在領域断片１２００を生成し、物体存在領域１１１０から物体存在領域断片１２１０を生成していることを示す。

【0026】

物体検出器４００は、物体存在領域断片から、対象物体が含まれる領域（以下、物体検出断片と記す。）を検出する。なお、物体検出断片を表わす方法は任意である。物体検出断片が、例えば、物体検出結果と同様、左上頂点座標並びに幅および高さによって表される矩形領域であってもよい。

【0027】

また、本実施形態の物体検出器４００が、対象物体が含まれる領域（すなわち、物体検出断片）を検出する方法も任意である。すなわち、物体検出器４００は、必ずしも物体検出断片を検出するための特別な物体検出器である必要はない。物体検出器４００は、対象物体の一部を含む画像から、対象物体を検出可能な検出器であれば、その内容を任意である。物体検出器４００は、例えば、Ｙｏｌｏ （You Look Only Once）などの一般的に用いられる物体検出器であってもよい。

【0028】

図４は、物体検出断片を検出する処理の例を示す説明図である。図４に示す例では、対象物体として車両の一部を含む物体存在領域断片１２００および物体存在領域断片１２１０から、それぞれ、車両の領域を特定した物体検出断片を検出したことを示す。

【0029】

対象物体検出器５００は、物体検出断片を用いて、現在画像から対象物体を検出する。すなわち、対象物体検出器５００は、物体検出断片と過去画像７００における過去画像物体検出結果８００から、現在画像６００における物体検出結果を計算する。

【0030】

以下、本実施形態の対象物体検出器５００が対象物体を検出する方法を具体的に説明する。図５は、現在画像から対象物体を検出する処理の例を示す説明図である。図５に示す例では、物体存在領域予測器２００が、過去画像から検出された対象物体の存在領域を示す物体検出枠を、対象物体を示す情報として用いて物体存在領域を予測していたとする。具体的には、物体存在領域予測器２００によって、物体検出枠１４００および物体検出枠１３００が、それぞれ予測されていたとする。

【0031】

この場合、対象物体検出器５００は、過去画像から検出された物体検出枠と物体検出断片とから、現在画像における対象物体の存在領域を示す物体検出枠を推定する。具体的には、対象物体検出器５００は、過去画像から取得される物体検出枠の縦サイズおよび横サイズ（以下、縦横サイズと記す。）と、物体検出断片から取得される検出枠の縦横サイズとから、現在画像の物体検出枠の横サイズまたは縦サイズを推定する。なお、サイズの単位は、ピクセル等、予め定めておけばよい。

【0032】

例えば、図５において、過去画像から取得される物体検出枠１４００の縦横サイズが、それぞれ１２０および１００であったとし、物体検出断片１７００の縦横サイズがそれぞれ６０および１００であったとする。この場合、物体検出断片１７００の縦サイズが１００であることから、対象物体検出器５００は、現在画像の物体検出枠１８００の横サイズを１００＊１２０／１００＝１２０と推定する。これは、１２０／１００ ＝ 物体検出枠１８００の横サイズ／１００を式変形したものである。この物体検出枠１８００に含まれる物体が、最終的な物体検出結果に相当する。

【0033】

同様に、図５において、過去画像から取得される物体検出枠１３００の縦横サイズが、それぞれ１００および１１０であったとし、物体検出断片１６００の縦横サイズがそれぞれ５０および１１０であったとする。この場合、物体検出断片１５００の縦サイズが１１０であることから、対象物体検出器５００は、現在画像の物体検出枠１６００の横サイズを１１０＊１００／１１０＝１００と推定する。

【0034】

ここで、物体存在領域断片生成部３００が、上述するような、物体存在領域における物体存在領域断片の位置を付加した物体存在領域断片を生成していたとする。その場合、対象物体検出器５００は、各物体検出断片が、物体存在領域のどの部分に位置していたかを推定できるため、縦方向または横方向のどちら方向について物体検出枠のサイズを推定すればよいか判断することが可能になる。

【0035】

例えば、図４に例示する物体存在領域断片１２１０に対して、分割された画像の右半分に位置することを示す情報が付加されていたとする。この場合、図５に例示する物体検出断片１７００にも分割された画像の右半分に位置することを示す情報を保持できる。これにより、対象物体検出器５００は、物体検出枠１８００の横サイズを計算した後、物体検出枠の左上頂点座標を計算すればよいと判断する。

【0036】

図５に示す例では、対象物体検出器５００は、物体検出枠の左上頂点座標（ｘ，ｙ）＝（ｘ´，物体検出枠１８００の左上頂点ｙ座標）と推定する。ここで、ｘ´＝物体検出断片１７００の左上頂点ｘ座標－（物体検出枠１８００の横サイズ－物体検出断片１７００の横サイズ）である。

【0037】

そして、対象物体検出器５００は、対象物体の検出結果を出力する。

【0038】

物体存在領域予測器２００と、物体存在領域断片生成部３００と、物体検出器４００と、対象物体検出器５００とは、プログラム（物体検出プログラム）に従って動作するコンピュータのプロセッサ（例えば、ＣＰＵ（Central Processing Unit ））、ＧＰＵ（Graphics Processing Unit））によって実現される。

【0039】

例えば、プログラムは、物体検出システム１００の記憶部６２０に記憶され、プロセッサは、そのプログラムを読み込み、プログラムに従って、物体存在領域予測器２００、物体存在領域断片生成部３００、物体検出器４００、および、対象物体検出器５００として動作してもよい。また、物体検出システム１００の機能がＳａａＳ（Software as a Service ）形式で提供されてもよい。

【0040】

また、物体存在領域予測器２００と、物体存在領域断片生成部３００と、物体検出器４００と、対象物体検出器５００とは、それぞれが専用のハードウェアで実現されていてもよい。また、各装置の各構成要素の一部又は全部は、汎用又は専用の回路（circuitry ）、プロセッサ等やこれらの組合せによって実現されてもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。

【0041】

また、物体検出システム１００の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。

【0042】

［動作の説明］
次に、本実施形態の物体検出システムの動作例を説明する。図６は、本実施形態の物体検出システム１００の動作例を示すフローチャートである。

【0043】

物体存在領域予測器２００は、現在画像と、過去画像に対する物体検出結果を受信する（ステップＳ１）。すなわち、物体存在領域予測器２００は、物体検出結果として、過去画像から検出された対象物体を示す情報を受信する。物体存在領域予測器２００は、過去画像に対する物体検出結果から、現在画像に対して物体存在領域を予測する（ステップＳ２）。物体存在領域断片生成部３００は、物体存在領域から物体存在領域断片を生成する（ステップＳ３）。物体検出器４００は、物体存在領域断片群に対して物体検出を行い、物体検出断片群を計算する（ステップＳ４）。すなわち、物体検出器４００は、物体存在領域断片から、物体検出断片を検出する。そして、対象物体検出器５００は、物体検出断片群と過去画像に対する物体検出結果から物体検出結果を推定し、現在画像の物体検出結果とする（ステップＳ５）。すなわち、対象物体検出器５００は、物体検出断片を用いて、現在画像から対象物体を検出する。

【0044】

［効果の説明］
次に、本実施形態の効果を説明する。以上のように、本実施形態では、物体存在領域予測器２００が、過去画像から検出された対象物体を示す情報から物体存在領域を予測し、物体存在領域断片生成部３００が、物体存在領域から物体存在領域断片を生成する。そして、物体検出器４００が、物体存在領域断片から物体検出断片を検出し、対象物体検出器５００が、物体検出断片を用いて、現在画像から対象物体を検出する。よって、画像から高速に対象物体を検出できる。

【0045】

すなわち、本実施形態の物体検出システム１００は、物体存在領域そのままではなく、物体存在領域を分割した一方の物体存在領域断片のみを用いて（すなわち、他方の物体存在領域断片を使用せず）物体検出を行うため、高速な推論を可能とし、物体検出の推論時間を短くできる、すなわち、高速に計算できる。これは、対象物体を検出する際に用いる画像の空間サイズを小さくしているためである。また、本実施形態の物体検出システム１００は、さらに、物体検出断片を用いて物体検出結果を推定するため、完全な対象物体を含む物体検出結果を出力できる。

【0046】

［第２の実施の形態］
［構成の説明］
次に、本発明による物体検出システムの第二の実施形態を説明する。第二の実施形態では、過去画像から検出された対象物体を示す情報が、対象物体が含まれる部分が抽出された画像（すなわち、過去部分画像）である場合について説明する。

【0047】

図７に示すように、本実施形態の物体検出システム１１０は、物体存在領域予測器２１０と、物体存在領域断片生成部３００と、物体検出器４００と、対象物体検出器５００と、撮影器６１０と、記憶部６２０と、過去部分画像生成器１０００とを備えている。すなわち、本実施形態の物体検出システム１１０は、第一の実施形態の物体検出システム１００と比較し、過去部分画像生成器１０００をさらに備え、物体存在領域予測器２００の代わりに物体存在領域予測器２１０を備えている点において異なる。それ以外の構成は、第一の実施形態と同様である。

【0048】

過去部分画像生成器１０００は、過去画像と過去画像に対する物体検出結果から、過去部分画像を生成する。上述するように、過去部分画像は、過去画像から対象物体が含まれる部分が抽出された画像であるである。過去部分画像生成器１０００が過去部分画像を生成する方法は任意であり、既知の物体検出方法が用いられればよい。

【0049】

物体存在領域予測器２１０は、対象物体を示す情報として過去部分画像を用いて物体存在領域を予測する。具体的には、物体存在領域予測器２１０は、過去部分画像と現在画像との相関に基づいて、物体存在領域を予測する。

【0050】

図８は、物体存在領域を予測する処理の例を示す説明図である。図８に示す例では、画像の画素値を用いて古典的な相関係数を計算する方法として、物体存在領域予測器２１０が、過去部分画像７１０と現在画像６００に含まれる物体との相関を計算していることを示す。具体的には、図８に示す例では、物体存在領域予測器２１０が、過去部分画像を現在画像に対してスライドさせながら、過去部分画像とその位置に対応する現在画像の一部との相関を複数計算して物体存在領域を予測していることを示す。物体存在領域予測器２１０は、例えば、所定の値を超える相関が計算された位置の現在画像を物体存在領域として予測してもよい。

【0051】

また、例えば、現在画像における物体存在領域群の全候補に対し、物体存在領域予測器２１０は、過去部分画像との相関を計算して、最も相関の高い候補を物体存在領域と予測してもよい。

【0052】

他にも、物体存在領域予測器２１０は、２つの画像を入力し、その２つの画像の相関が最も高い箇所を出力する深層学習モデルを用いてもよい。このような深層学習モデルとして、例えば、Ｓｉａｍ（Ｓｉａｍｅｓｅ）ネットワークが挙げられる。この場合、物体存在領域予測器２１０は、過去部分画像と現在画像とを深層学習モデルに入力し、出力結果を物体存在領域として予測してもよい。

【0053】

過去部分画像生成器１０００と、物体存在領域予測器２１０と、物体存在領域断片生成部３００と、物体検出器４００と、対象物体検出器５００と、は、プログラム（物体検出プログラム）に従って動作するコンピュータのプロセッサ（例えば、ＣＰＵ（Central Processing Unit ））、ＧＰＵ（Graphics Processing Unit））によって実現される。

【0054】

［動作の説明］
次に、本実施形態の物体検出システムの動作例を説明する。図９は、本実施形態の物体検出システム１１０の動作例を示すフローチャートである。

【0055】

過去部分画像生成器１０００は、過去画像および過去画像に対する物体検出結果を受信し（ステップＳ１１）、過去部分画像を生成する（ステップＳ１２）。物体存在領域予測器２１０は、過去部分画像を用いて物体存在領域を予測する（ステップＳ１３）。以降の処理は、図６に例示するステップＳ３以降の処理と同様である。

【0056】

［効果の説明］
次に、本実施形態の効果を説明する。以上のように、本実施形態では、物体存在領域予測器２１０が、過去部分画像と現在画像との相関に基づいて、物体存在領域を予測する。よって、第一の実施形態と同様、画像から高速に対象物体を検出できる。

【0057】

次に、本発明の概要を説明する。図１０は、本発明による物体検出システムの概要を示すブロック図である。本発明による物体検出システム８０は、過去画像から検出された対象物体を示す情報から、現在画像において対象物体が存在する領域である物体存在領域を予測する物体存在領域予測手段８１（例えば、物体存在領域予測器２００）と、物体存在領域からその物体存在領域の部分領域である物体存在領域断片を生成する物体存在領域断片生成手段８２（例えば、物体存在領域断片生成部３００）と、物体存在領域断片から、対象物体が含まれる領域である物体検出断片を検出する物体検出手段８３（例えば、物体検出器４００）と、物体検出断片を用いて、現在画像から対象物体を検出する対象物体検出手段８４（例えば、対象物体検出器５００）とを備えている。

【0058】

そのような構成により、画像から高速に対象物体を検出できる。

【0059】

また、物体存在領域予測手段８１は、過去画像から検出された対象物体の存在領域を示す物体検出枠を、対象物体を示す情報として用いて物体存在領域を予測し、対象物体検出手段８４は、物体検出枠と物体検出断片とから、現在画像における対象物体の存在領域を示す物体検出枠を推定してもよい。

【0060】

このとき、対象物体検出手段８４は、過去画像から取得される物体検出枠の縦横サイズと、物体検出断片から取得される検出枠の縦横サイズとから、現在画像の物体検出枠の横サイズまたは縦サイズを推定してもよい。

【0061】

また、物体存在領域断片生成手段８２は、物体存在領域における物体存在領域断片の位置を付加した物体存在領域断片を生成してもよい。

【0062】

具体的には、物体存在領域断片生成手段８２は、物体存在領域断片の位置として、分割前の物体存在領域に対する位置を付加した物体存在領域断片を生成してもよい。

【0063】

また、物体存在領域断片生成手段８２は、物体存在領域を縦方向または横方向に二等分することにより物体存在領域断片を生成してもよい。

【0064】

他にも、物体存在領域予測手段８１は、過去画像から対象物体が含まれる部分が抽出された画像である過去部分画像を、対象物体を示す情報として用いて、その過去部分画像と現在画像との相関に基づいて、物体存在領域を予測してもよい。

【0065】

具体的には、物体存在領域予測手段８１は、過去部分画像を現在画像に対してスライドさせながら計算した複数の相関に基づいて物体存在領域を予測してもよい。

【0066】

他にも、物体存在領域予測手段８１は、２つの画像を入力し、その２つの画像の相関が最も高い箇所を出力する深層学習モデルを用いて、過去部分画像と現在画像とから物体存在領域を予測してもよい。

【0067】

上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。

【0068】

（付記１）過去画像から検出された対象物体を示す情報から、現在画像において前記対象物体が存在する領域である物体存在領域を予測する物体存在領域予測手段と、
前記物体存在領域から当該物体存在領域の部分領域である物体存在領域断片を生成する物体存在領域断片生成手段と、
前記物体存在領域断片から、前記対象物体が含まれる領域である物体検出断片を検出する物体検出手段と、
前記物体検出断片を用いて、前記現在画像から前記対象物体を検出する対象物体検出手段とを備えた
ことを特徴とする物体検出システム。

【0069】

（付記２）物体存在領域予測手段は、過去画像から検出された対象物体の存在領域を示す物体検出枠 を、対象物体を示す情報として用いて物体存在領域を予測し、
対象物体検出手段は、前記物体検出枠と物体検出断片とから、現在画像における対象物体の存在領域を示す物体検出枠を推定する
付記１記載の物体検出システム。

【0070】

（付記３）対象物体検出手段は、過去画像から取得される物体検出枠の縦横サイズと、物体検出断片から取得される検出枠の縦横サイズとから、現在画像の物体検出枠の横サイズまたは縦サイズを推定する
付記２記載の物体検出システム。

【0071】

（付記４）物体存在領域断片生成手段は、物体存在領域における物体存在領域断片の位置を付加した物体存在領域断片を生成する
付記１から付記３のうちのいずれか１つに記載の物体検出システム。

【0072】

（付記５）物体存在領域断片生成手段は、物体存在領域断片の位置として、分割前の物体存在領域に対する位置を付加した物体存在領域断片を生成する
付記４記載の物体検出システム。

【0073】

（付記６）物体存在領域断片生成手段は、物体存在領域を縦方向または横方向に二等分することにより物体存在領域断片を生成する
付記１から付記３のうちのいずれか１つに記載の物体検出システム。

【0074】

（付記７）物体存在領域予測手段は、過去画像から対象物体が含まれる部分が抽出された画像である過去部分画像を、対象物体を示す情報として用いて、当該過去部分画像と現在画像との相関に基づいて、物体存在領域を予測する
付記１記載の物体検出システム。

【0075】

（付記８）物体存在領域予測手段は、過去部分画像を現在画像に対してスライドさせながら計算した複数の相関に基づいて物体存在領域を予測する
付記７記載の物体検出システム。

【0076】

（付記９）物体存在領域予測手段は、２つの画像を入力し、当該２つの画像の相関が最も高い箇所を出力する深層学習モデルを用いて、過去部分画像と現在画像とから物体存在領域を予測する
付記７記載の物体検出システム。

【0077】

（付記１０）コンピュータが、過去画像から検出された対象物体を示す情報から、現在画像において前記対象物体が存在する領域である物体存在領域を予測し、
前記コンピュータが、前記物体存在領域から当該物体存在領域の部分領域である物体存在領域断片を生成し、
前記コンピュータが、前記物体存在領域断片から、前記対象物体が含まれる領域である物体検出断片を検出し、
前記コンピュータが、前記物体検出断片を用いて、前記現在画像から前記対象物体を検出する
ことを特徴とする物体検出方法。

【0078】

（付記１１）コンピュータに、
過去画像から検出された対象物体を示す情報から、現在画像において前記対象物体が存在する領域である物体存在領域を予測する物体存在領域予測処理、
前記物体存在領域から当該物体存在領域の部分領域である物体存在領域断片を生成する物体存在領域断片生成処理、
前記物体存在領域断片から、前記対象物体が含まれる領域である物体検出断片を検出する物体検出処理、および、
前記物体検出断片を用いて、前記現在画像から前記対象物体を検出する存在領域検出処理
を実行させるための物体検出プログラム。

【産業上の利用可能性】

【0079】

本発明は、画像中の対象物体を検出する物体検出システムに好適に適用される。例えば、本発明を、物体検出によって車両や人を検出する交通システムや、物体検出によって製品を検出することで検品を行う検品システムなどの用途に好適に適用できる。

【符号の説明】

【0080】

１００，１１０ 物体検出システム
２００，２１０ 物体存在領域予測器
３００ 物体存在領域断片生成部
４００ 物体検出器
５００ 対象物体検出器
６００ 現在画像
６１０ 撮像装置
６２０ 記憶部
７００ 過去画像
７１０ 過去部分画像
８００ 過去画像物体検出結果
９００ 現在画像における物体検出結果
１０００ 過去部分画像生成器

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】