映像の時空間変動のモデル化による屋外でのロバストな移動対象検出の実現

昨年度に行った検討では,画像パターンの微小な変化が線形モデルに従うときに,背景と対象と識別が可能であることを示したが,本年度は,任意の画像パターンに対してその変化を効率的に記述する手法の検討を行った.この手法では,画像パターンの自己相関に着目し,画像上で観測された変化と自己相関を比較することで,観測された変化が動的シーンでみられる揺らぎによるものなのか,検出対象によるものなのかを識別する.従来の手法では,処理対象の画像が持つ2次元空間構造,すなわち2次元の隣接関係には着目せずに,画像を単なる1次元データとして扱うものが多く,そのために性能に限界があったと考えられる.これに対し,本手法で着目する自己相関は2次元空間構造を現したものであり,これを利用することで精度の向上が期待される.本年度はこの考え方に基づく手法の基本的な有効性を確認した.この考え方は,動的環境下の対象検出のみならず,画像解析の様々な面に応用が可能である.その一例として,画像同士のマッチングにおけるサブピクセル単位での変位推定に応用を試みた.対象検出が,画像に発生した変動が対象によるものかどうかを識別する問題であったのに対し,サブピクセル推定は画像の変動からその変位を精密に推定する問題と位置づけることができる.すなわち,平行移動による画像の変化を精密にモデル化する,という面では本質的に同様の問題であるといえる.この問題についても,先述の自己相関を用いた2次元空間構造の記述を行い,従来提案されている手法に比べて精度が向上することを確認した.

昨年度に行った検討では,画像パターンの微小な変化が線形モデルに従うときに,背景と対象と識別が可能であることを示したが,本年度は,任意の画像パターンに対してその変化を効率的に記述する手法の検討を行った.この手法では,画像パターンの自己相関に着目し,画像上で観測された変化と自己相関を比較することで,観測された変化が動的シーンでみられる揺らぎによるものなのか,検出対象によるものなのかを識別する.従来の手法では,処理対象の画像が持つ2次元空間構造,すなわち2次元の隣接関係には着目せずに,画像を単なる1次元データとして扱うものが多く,そのために性能に限界があったと考えられる.これに対し,本手法で着目する自己相関は2次元空間構造を現したものであり,これを利用することで精度の向上が期待される.本年度はこの考え方に基づく手法の基本的な有効性を確認した.この考え方は,動的環境下の対象検出のみならず,画像解析の様々な面に応用が可能である.その一例として,画像同士のマッチングにおけるサブピクセル単位での変位推定に応用を試みた.対象検出が,画像に発生した変動が対象によるものかどうかを識別する問題であったのに対し,サブピクセル推定は画像の変動からその変位を精密に推定する問題と位置づけることができる.すなわち,平行移動による画像の変化を精密にモデル化する,という面では本質的に同様の問題であるといえる.この問題についても,先述の自己相関を用いた2次元空間構造の記述を行い,従来提案されている手法に比べて精度が向上することを確認した.