部位估計裝置、部位估計方法以及部位估計程序的製作方法

2023-05-09 14:50:26 2

部位估計裝置、部位估計方法以及部位估計程序的製作方法
【專利摘要】公開了能夠高精度地估計多關節物體的部位的部位估計裝置。該裝置中，邊緣對似然圖生成單元(120)計算邊緣對似然，生成對每個像素表示該邊緣對似然的邊緣對似然圖，所述邊緣對似然表示成對像素是估計對象部位的邊緣的似真性。連續性似然圖生成單元(130)對邊緣對似然圖，對設想了估計對象部位的區域內包含的像素的邊緣對似然，評價連續性，生成表示具有連續性的邊緣對似然作為估計對象部位候選區域的連續性似然圖。綜合似然圖生成單元(140)生成基於預先確定的條件鎖定而表示連續性似然圖所示的候選區域的綜合似然圖。
【專利說明】部位估計裝置、部位估計方法以及部位估計程序

【技術領域】
[0001]本發明涉及估計人、動物或機器人等多關節物體的部位的部位估計裝置、部位估計方法以及部位估計程序。

【背景技術】
[0002]近年來，基於拍攝到的運動圖像進行人的姿勢估計的相關研究積極開展著。姿勢估計裝置能夠利用計算機分析從運動圖像中判定人的行動，不依賴於人工就能夠進行行動分析。作為行動分析，例如有街頭異常行動檢測、店鋪購買行動分析、工廠作業高效化輔助、以及運動姿勢指導。
[0003]因此，例如專利文獻I中記載了基於由單眼照相機拍攝人得到的圖像來估計此人的姿勢的技術。
[0004]專利文獻I記載的技術(以下稱為「現有技術」)中，首先基於拍攝了人的圖像中包含的橢圓形或平行線，提取部位候選。接著，現有技術使用從多個樣本圖像中統計求得的似然函數，計算部位似然和部位關係似然。接著，現有技術基於計算出的似然，計算最佳部位候選的組合。由此，現有技術能夠確定哪個部位位於哪個區域，無論人的位置或朝向如何，都能夠估計人的姿勢。
[0005]現有技術文獻
[0006]專利文獻
[0007]專利文獻1:日本專利特開2005-165923號公報


【發明內容】

[0008]發明要解決的問題
[0009]但是，現有技術具有在某些拍攝條件下無法高精度地估計部位的問題。這是因為，現有技術的前提是用平行線從拍攝圖像中提取部位輪廓。但實際上，由於部位衣服的褶皺或陰影、以及部位背景物體的形狀或陰影，難以僅將部位輪廓作為平行線提取出來。
[0010]本發明的目的是高精度地估計多關節物體的部位。
[0011]解決問題的方案
[0012]本發明的一方式的部件估計裝置包括:邊緣對似然圖生成單元，對圖像中的每個像素計算邊緣對似然，生成對每個所述像素表示該邊緣對似然的邊緣對似然圖，所述邊緣對似然表示該像素附近存在的成對像素是估計對象部位的邊緣的似真性；連續性似然圖生成單元，對於所述邊緣對似然圖，對設想了所述估計對象部位的區域內包含的像素的邊緣對似然，評價連續性，生成表示具有連續性的邊緣對似然作為表示所述估計對象部位的候選區域的連續性似然圖；以及綜合似然圖生成單元，生成基於預先確定的條件鎖定而表示所述連續性似然圖所示的所述候選區域的綜合似然圖。
[0013]本發明的一方式的部件估計方法具有如下步驟:對圖像中的每個像素計算邊緣對似然，生成對每個所述像素表示該邊緣對似然的邊緣對似然圖的步驟，所述邊緣對似然表示該像素附近存在的成對像素是估計對象部位的邊緣的似真性；對於所述邊緣對似然圖，對設想了所述估計對象部位的區域內包含的像素的邊緣對似然，評價連續性，生成表示具有連續性的邊緣對似然作為表示所述估計對象部位的候選區域的連續性似然圖的步驟；以及生成基於預先確定的條件鎖定而表示所述連續性似然圖所示的所述候選區域的綜合似然圖的步驟。
[0014]本發明的一方式的部件估計程序使輸入或生成圖像的裝置的計算機執行如下處理:對所述圖像中的每個像素計算邊緣對似然，生成對每個所述像素表示該邊緣對似然的邊緣對似然圖的處理，所述邊緣對似然表示該像素附近存在的成對像素是估計對象部位的邊緣的似真性；對於所述邊緣對似然圖，對設想了所述估計對象部位的區域內包含的像素的邊緣對似然，評價連續性，生成表示具有連續性的邊緣對似然作為表示所述估計對象部位的候選區域的連續性似然圖的處理；以及生成基於預先確定的條件鎖定而表示所述連續性似然圖所示的所述候選區域的綜合似然圖的處理。
[0015]發明效果
[0016]根據本發明，能夠高精度地估計多關節物體的部位。

【專利附圖】

【附圖說明】
[0017]圖1是表示本發明實施方式I的部位估計裝置的一例結構的框圖。
[0018]圖2是表示本發明實施方式2的部位估計系統的一例結構的系統結構圖。
[0019]圖3是表示本發明實施方式2的一例身體模型的圖。
[0020]圖4是表示本發明實施方式2的部位估計裝置的一例結構的框圖。
[0021]圖5是表示本發明實施方式2的部位估計裝置的一例動作的流程圖。
[0022]圖6是表示本發明實施方式2的邊緣對似然圖生成處理的一例動作的流程圖。
[0023]圖7是用於說明本發明實施方式2的邊緣對似然圖生成處理的圖。
[0024]圖8是表示本發明實施方式2的一例邊緣對似然圖的圖。
[0025]圖9是表示本發明實施方式2的一例連續性似然圖的圖。
[0026]圖10是表示本發明實施方式2的綜合似然圖生成處理的一例動作的流程圖。
[0027]圖11是表示本發明實施方式3的部位估計裝置的一例結構的框圖。
[0028]圖12是表示本發明實施方式3的部位估計裝置的一例動作的流程圖。
[0029]圖13是表示本發明實施方式3的一例連續性似然圖的圖。
[0030]圖14是表示本發明實施方式4的部位估計裝置的一例結構的框圖。
[0031]圖15是表示本發明實施方式4的部位估計裝置的一例結構的框圖。
[0032]標號說明
[0033]100、100b、10c 部位估計裝置
[0034]110圖像輸入單元
[0035]120邊緣對似然圖生成單元
[0036]130連續性似然圖生成單元
[0037]140、140b、140c綜合似然圖生成單元
[0038]150結果輸出單元
[0039]160方差似然圖生成單元
[0040]170輪廓區域提取單元
[0041]200部位估計系統
[0042]310監視區
[0043]320監視照相機
[0044]330地面
[0045]340人

【具體實施方式】
[0046]下面，參照附圖對本發明的各實施方式進行詳細說明。
[0047](實施方式I)
[0048]本發明的實施方式I是本發明的基本方式的一例。
[0049]
[0050]圖1是表示本實施方式的部位估計裝置的一例結構的框圖。
[0051]在圖1中，部位估計裝置100具有邊緣對似然圖生成單元120、連續性似然圖生成單元130、以及綜合似然圖生成單元140。
[0052]邊緣對似然圖生成單元120對圖像中的每個像素計算邊緣對似然。每個像素的邊緣對似然是指，對該像素附近存在的像素是估計對象部位(以下稱為「對象部位」)邊緣的似真性進行數值化表示而得到的值。邊緣對似然圖生成單元120基於像素附近存在的、與規定的梯度方向平行的邊緣對，計算邊緣對似然。並且，邊緣對似然圖生成單元120生成對每個像素表示計算出的邊緣對似然的邊緣對似然圖。
[0053]這裡，上述「部位」指作為多關節物體的人的一部分。另外，假設這裡的「人」是包含人體、動物、或機器人等多關節物體的、包含所有多關節物體的概念。
[0054]連續性似然圖生成單元130對於邊緣對似然圖，對設想了對象部位的大小或形狀的區域內包含的像素的邊緣對似然，評價連續性。並且，連續性似然圖生成單元130生成連續性似然圖，該圖將具有連續性的邊緣對似然表示為部位區域候選。這裡的「部位區域」是指圖像中「對象部位所佔的區域」，換言之是「表示對象部位的區域」。
[0055]綜合似然圖生成單元140基於預先確定的條件鎖定連續性似然圖所示的部位區域候選，生成表示鎖定的部位區域候選的綜合似然圖。
[0056]部位估計裝置100例如具有CPU (Central Processing Unit,中央處理單元)、存儲控制程序的ROM (Read Only Memory,只讀存儲器)等存儲介質、以及RAM (Random AccessMemory，隨機存取存儲器)等作業用存儲器。此時，上述各結構單元的功能通過CPU執行控制程序來實現。
[0057]這種部位估計裝置100通過以下動作，在複雜的圖像中也能夠高精度地估計部位。此外，「複雜的圖像」例如是胳膊與軀幹重疊的圖像、存在多個由衣服褶皺或人工物體形成的平行線邊緣的圖像等。
[0058]首先，邊緣對似然圖生成單元120對圖像中的每個像素，基於該像素附近存在的、與規定的梯度方向平行的邊緣對，計算邊緣對似然。並且，邊緣對似然圖生成單元120生成對每個像素表示計算出的邊緣對似然的邊緣對似然圖。這裡，平行線的寬度採用對象部位的粗細。由此，邊緣對似然圖生成單元120能夠生成與對象部位對應的邊緣對似然圖。
[0059]接著，連續性似然圖生成單元130將邊緣對似然圖作為對象部位進行評價。每個像素的邊緣對似然是指，該像素附近存在的像素是對象部位邊緣的似真性(plausibility)。因此，在圖像中存在對象部位的區域中，設想區域內包含的像素的邊緣對似然的總和較大。「設想區域」是預先設想了對象部位的大小或形狀的區域。
[0060]連續性似然圖生成單元130對於邊緣對似然圖，若設想區域內的邊緣對似然的總和大於預先確定的閾值，則留下設想區域內的邊緣對似然。如果設想區域內的邊緣對似然的總和小於預先確定的閾值，則連續性似然圖生成單元130可以在設想區域內設定表示無邊緣對似然的值(例如零)。
[0061]這樣，部位估計裝置100並不是用閾值過濾每個像素的邊緣對似然，而是留下作為部位區域的可能性較高的區域中包含的像素的邊緣對似然。據此，部位估計裝置100能夠留下雖然邊緣對似然較低，但作為部位區域的可能性較高的區域中包含的像素。另外，部位估計裝置100刪除雖然邊緣對似然較高、但作為部位區域的可能性較低的區域中包含的像素的邊緣對似然。由此，部位估計裝置100能夠除去陰影或褶皺等並非部位區域的區域中包含的像素。
[0062]因此，與現有技術相比，部位估計裝置100也能夠從難以僅將對象部位輪廓作為平行線提取的圖像中，高精度地估計對象部位。
[0063](實施方式2)
[0064]本發明的實施方式2是將本發明適用於估計圖像中包含的人的部位的裝置時的一例具體方式。
[0065]
[0066]首先，說明包含本實施方式的部位估計裝置的部位估計系統的概要。
[0067]圖2是表示本實施方式的部位估計系統的一例結構的系統結構圖。圖2中，部位估計系統200具有拍攝監視區310的監視照相機320、以及與監視照相機320可通信連接的部位估計裝置100。
[0068]監視照相機320例如是數字攝像機，從斜上方拍攝監視區310。也就是說，監視照相機320拍攝的圖像是拍攝包括人340和水平地面330的真實空間得到的圖像。並且，監視照相機320將拍攝到的圖像發送到部位估計裝置100。這裡，假設作為部位估計對象的人340正在監視區310的地面330上步行。
[0069]部位估計裝置100例如是個人計算機，基於從監視照相機320接收到的圖像，估計人340的部位。
[0070]以上是關於部位估計系統200的概要的說明。
[0071]〈關於人的部位的說明〉
[0072]接著，說明本實施方式中作為估計對象的人340的部位。
[0073]圖3是表示人340的一例身體結構模型(以下稱為「身體模型」)410的圖。身體模型410示意性地表示部位估計中使用的身體各部位的位置關係。身體模型410例如包括軀幹411、左大腿412、左小腿413、左腳414、右大腿415、右小腿416、右腳417、頭418、右上臂419、右前臂420、左上臂422、以及左前臂423。
[0074]上述各部位通過關節連接。因此，各部位的可動區域受到其他部位的限制。例如，左腳414隻能在以與左小腿413的連接點為中心的規定的角度範圍內移動。本實施方式中，部位估計裝置100使用各部位的連接關係，從圖像中估計身體模型410中各部位的區域(上述「部位區域」)。此外，部位估計裝置100使用的身體模型不限於圖3所示的例子。
[0075]以上是關於作為估計對象的人340的部位的說明。
[0076]〈部位估計裝置的結構〉
[0077]接著，對部位估計裝置100的結構進行說明。
[0078]圖4是表示部位估計裝置100的一例結構的框圖。圖4中，部位估計裝置100具有圖像輸入部110、邊緣對似然圖生成單元120、連續性似然圖生成單元130、綜合似然圖生成單元140、以及結果輸出單元150。
[0079]圖像輸入單元110輸入圖像。
[0080]具體而言，圖像輸入單元110接收由監視照相機320拍攝的圖像。並且，圖像輸入單元I1將接收的圖像依次輸出到邊緣對似然圖生成單元120。
[0081]邊緣對似然圖生成單元120檢測來自圖像輸入單元110的圖像的邊緣，對該圖像中包含的每個像素(以下稱為「關注像素」)，檢測以關注像素為基準的兩個像素(以下稱為「邊緣對」)。此時，作為邊緣對，邊緣對似然圖生成單元120檢測垂直於梯度方向並且位於包含關注像素的直線上的、與關注像素等距離的兩個像素。並且，邊緣對似然圖生成單元120確定以檢測出的兩個像素的各個像素為中心的規定範圍的區域，基於確定的兩個區域內的像素的亮度總和，計算關注像素的邊緣對似然。並且，邊緣對似然圖生成單元120生成對每個像素表示計算出的邊緣對似然的邊緣對似然圖。每個像素的邊緣對似然是指，對該像素附近存在的像素是對象部位邊緣的似真性進行數值化表示的值。邊緣對似然圖生成單元120對預先定義的多個梯度方向分別生成邊緣對似然圖。
[0082]這裡，說明邊緣對。如上所述，構成邊緣對的兩個像素位於垂直於預先定義的梯度方向並且位於包含關注像素的直線上，與關注像素距離相等。另外，兩個像素之間的距離是對象部位的粗細。這兩個像素稱為「梯度方向對像素」。另外，將以梯度方向對像素的各個像素為中心的兩個小區域稱為「梯度方向對附近區域」。
[0083]並且，在梯度方向對附近區域中的任一區域包含了作為邊緣的像素(以下簡稱為「邊緣」)的情況下，對關注像素而言，稱為「存在邊緣對」。並且，此時，由包含在梯度方向對附近區域中的邊緣構成的像素集合稱為「關注像素的邊緣對」。
[0084]另外，關注像素的邊緣對似然基於關注像素的邊緣對來計算。例如，在一個梯度方向對附近區域較多地包含邊緣，而另一個梯度方向對附近區域中包含的邊緣較少的情況下，邊緣對似然較低。此外，關於邊緣對似然的具體計算方法，將在後闡述。
[0085]另外，將對於圖像的所有像素，映射計算出的邊緣對似然所得到的圖稱為「邊緣對似然圖」。
[0086]另外，通過確定表示關注像素位置的X坐標x、y坐標y、梯度方向k，來識別邊緣對似然圖中包含的所有邊緣對似然。
[0087]此外，本實施方式中，相對關注像素，將包含預先定義的所有梯度方向的梯度方向對區域的區域稱為「局部區域」。
[0088]並且，邊緣對似然圖生成單元120對預先定義的多個梯度方向，分別生成邊緣對似然圖。隨後，邊緣對似然圖生成單元120將生成的邊緣對似然圖輸出到連續性似然圖生成單元130。
[0089]此外，關於邊緣對似然圖的生成方法的詳細情況，將在後闡述。
[0090]連續性似然圖生成單元130對於生成的邊緣對似然圖的、同一梯度方向的邊緣對似然，評價設想區域內包含的像素的邊緣對似然的連續性，生成連續性似然圖。
[0091]每個像素的邊緣對似然是指，該像素附近存在的像素是對象部位邊緣的似真性。因此，在圖像中存在對象部位的區域中，設想區域內包含的像素的邊緣對似然的總和較大。
[0092]連續性似然圖生成單元130對於不同梯度方向的每個邊緣對似然圖，若設想區域內的邊緣對似然的總和較大，則留下設想區域內的邊緣對似然。如果設想區域內的邊緣對似然的總和較小，則連續性似然圖生成單元130可以在設想區域內設定表示無邊緣對似然的值(例如零)。
[0093]此外，關於連續性似然圖的生成方法的細節，將在後闡述。
[0094]綜合似然圖生成單元140從連續性似然圖中不同梯度方向上提取出的的部位區域候選之中，提取與預先確定的對象部位條件相符合的區域，生成表示所提取區域的綜合似然圖。
[0095]此外，與對象部位條件相符合的區域的提取方法的細節，將在後闡述。
[0096]結果輸出單元150輸出綜合似然圖生成單元140的部位估計結果。
[0097]具體而言，結果輸出單元150例如包括液晶顯示器等顯示裝置。結果輸出單元150在估計出部位的情況下將表示該部位的信息通知給用戶，在未估計出部位的情況下將表示該情況的信息通知給用戶。作為該通知的方法可舉出使用了文字及圖像中的至少一者的顯
/Jn ο
[0098]部位估計裝置100例如具有CPU、存儲控制程序的ROM等存儲介質、以及RAM等作業用存儲器。此時，上述各結構單元的功能通過CPU執行控制程序來實現。
[0099]以上是關於部位估計裝置100的結構的說明。
[0100]
[0101]接著，說明部位估計裝置100的動作。
[0102]本實施方式中，圖像輸入單元110將圖像輸出到邊緣對似然圖生成單元120，該圖像是從監視照相機320等輸入的圖像中提取出估計為人340的區域(以下稱為「人候選區域」)所得到的圖像。
[0103]上述「提取出人候選區域所得到的圖像」是在人候選區域以外的像素中存儲表示背景的值，僅對人候選區域的像素存儲像素值的圖像。
[0104]就人候選區域的提取來說，可以使用從監視照相機320等輸入的圖像與背景圖像的背景差圖像。這裡，背景差圖像例如是表示在人340不在的狀態下拍攝到的背景圖像和輸入圖像之間的差的圖像。由此，部位估計裝置100能夠將從監視照相機等輸入的圖像中與背景不同的像素作為人候選區域進行處理。
[0105]此外，部位估計裝置100也可以例如預先保持背景圖像，通過計算背景圖像和輸入圖像之間的差來生成背景差圖像。或者，部位估計裝置100還可以通過從輸入的圖像中提取移動物體區域，生成背景差圖像。例如，基於上次輸入的圖像和本次輸入的圖像之間的差，進行靜止物體與移動物體的識別。由此，部位估計裝置100能夠將作為移動體的一部分識別出的像素作為人候選區域。
[0106]此外，本實施方式中，圖像輸入單元110將灰度圖像輸出到邊緣對似然圖生成單元 120。
[0107]在從監視照相機320等輸入的圖像為RGB (Red Green Blue，紅綠藍)值的情況下，圖像輸入單元110將圖像變換為從各像素的RGB值中僅提取亮度Y(像素的明亮程度)得到的灰度(黑白梯度)圖像並輸出。亮度Y例如通過下式進行計算。
[0108]Y(R，G，B) = RX0.29891+GX0.58661+BX0.11448
[0109]另外，本實施方式中，對象部位為胳膊(右上臂419、右前臂420、左上臂422、左前臂423)。此外，部位估計裝置100也可以區分前臂與上臂來估計部位。
[0110]另外，本實施方式中，提取人候選區域中圖像的上部區域作為胳膊候選區域，將胳膊候選區域中包含的全部像素作為處理對象。上部區域例如預先確定為包含人候選區域的規定的比例(例如從上方起10%至50% )的部分的區域。
[0111]
[0112]圖5是表示部位估計裝置100的一例動作的流程圖。
[0113]在步驟S1000中，圖像輸入單元110輸入I幀的圖像數據。
[0114]在步驟S2000中，邊緣對似然圖生成單元120基於輸入的圖像，進行邊緣對似然圖生成處理。邊緣對似然圖生成處理是生成上述邊緣對似然圖的處理。其細節使用圖6及圖7在後面闡述。
[0115]在步驟S3000中，連續性似然圖生成單元130基於邊緣對似然圖，進行連續性似然圖生成處理。連續性似然圖生成處理是生成上述連續性似然圖的處理。其細節使用圖8及圖9在後面闡述。
[0116]在步驟S4000中，綜合似然圖生成單元140基於連續性似然圖，進行綜合似然圖生成處理。綜合似然圖生成處理是生成上述綜合似然圖的處理。其細節使用圖10在後面闡述。
[0117]在步驟S5000中，結果輸出單元150基於綜合似然圖，進行結果輸出處理。結果輸出處理是輸出步驟S4000中估計的對象部位的信息的處理。
[0118]例如，結果輸出單元150對每個像素重疊估計出的部位的候選區域，並顯示在液晶顯示器上。此外，結果輸出單元150可以在進行重疊時，顯示為能夠通過顏色等區分表示部位候選區域的梯度方向的信息。
[0119]在步驟S6000中，結果輸出單元150判斷是否滿足預先設定的規定的處理結束條件。這裡的「規定的處理結束條件」例如是通過用戶操作而指示部位估計處理的結束。
[0120]結果輸出單元150在不滿足規定的處理結束條件的情況下(S6000 否」)，返回步驟S1000反覆執行處理。另一方面，結果輸出單元150在滿足規定的處理結束條件的情況下(S6000 是」)，結束一系列處理。
[0121]通過這種動作，部位估計裝置100能夠生成從對象部位候選區域中提取最適合的候選區域並進行表示的綜合似然圖，上述對象部位候選區域是基於每個像素的邊緣對似然和每個設想區域的連續性似然提取的。由此，即使是難以用直線提取部位輪廓的圖像，部位估計裝置100也能夠估計人340的對象部位。
[0122]以上是對部位估計裝置100的動作的說明。
[0123]
[0124]接著，使用圖6及圖7說明一例邊緣對似然圖生成處理(圖5的步驟S2000)。
[0125]圖6是表示邊緣對似然圖生成處理(圖5的步驟S2000)的一例動作的流程圖。圖7是用於說明梯度方向為水平方向的邊緣對似然圖的生成處理的圖。這裡，說明以水平方向為O度，生成水平方向的邊緣對似然圖的例子。
[0126]在步驟S2001中，邊緣對似然圖生成單元120選擇要生成的邊緣對似然圖的梯度方向的增量。這裡，作為例子，假設將增量預先設定為30度。在以此方式使梯度方向以30度為增量的情況下，生成O度、30度、60度、90度、120度、150度的6個邊緣對似然圖。因此，在該情況下，邊緣對似然圖生成單元120將步驟S2002至S2007的處理反覆執行6次。
[0127]梯度方向的增量影響到對象部位的估計精度。在需要較高的估計精度的情況下，用戶可以將增量設定得較小。例如，對比將增量設定為45度時及設定為30度時，在設定為30度時，對象部位的估計精度較高。
[0128]在步驟S2002中，邊緣對似然圖生成單元120從胳膊候選區域710中選擇關注像素。胳膊候選區域710是從圖像輸入單元110輸入的圖像的一例。例如，圖7中，邊緣對似然圖生成單元120以左上角的像素(由※所示的像素)為起點，將X坐標和Y坐標分別逐一遞增1，由此選擇圖7所示的全部像素作為關注像素。不過，選擇的方法不限於此。圖7中，以從胳膊候選區域710中選擇了關注像素702的情況為例進行說明。
[0129]在步驟S2003中，邊緣對似然圖生成單元120選擇梯度方向對像素。圖7中，選擇704和705作為梯度方向對像素。
[0130]如上所述，這裡，以生成水平方向的邊緣對似然圖為例。因此，邊緣對似然圖生成單元120作為滿足兩個條件的像素，選擇704和705這兩個像素作為梯度方向對像素。兩個條件是:位於通過關注像素702且垂直於水平直線的直線上，以及與關注像素702的距離是對象部位的粗細701的一半長度703。也就是說，在生成角度為Θ的邊緣對似然圖的情況下，邊緣對似然圖生成單元120選擇兩個梯度方向對像素。梯度方向對像素是位於通過關注像素且與角度Θ垂直(Θ+90度)的直線上、距離為對象部位的粗細701的一半長度703的像素。此外，對象部位的粗細701是表示對象部位的平均粗細的預先確定的值。
[0131]在步驟S2004中，邊緣對似然圖生成單元120分別選擇與梯度方向對像素分別相距預先設定的距離以內的像素組，作為梯度方向對附近區域。圖7中，作為梯度方向對附近區域706和707，分別選擇與梯度方向對像素704和705的距離分別在附近長度708以內的像素組。附近長度708是表示部位的外觀誤差長度的預先確定的值。
[0132]這裡，上述「部位的外觀誤差長度」是圖像上對象部位的粗細的差。有時對象部位的端部和中央的粗細不同。另外，在某些拍攝角度下，對象部位在圖像上的粗細不同，或者部位兩端粗細不同。此外，有時由於衣服的褶皺等，拍攝到的對象部位的粗細並不均勻。因此，本實施方式中，作為部位的外觀誤差長度，預先設定相對於部位的平均粗細的、規定的圖像上的部位的粗細差，由此能夠進行魯棒性估計。
[0133]在步驟S2005中，邊緣對似然圖生成單元120計算關注像素702的邊緣對似然。具體而言，邊緣對似然圖生成單元120計算梯度方向對附近區域706內的像素亮度總和與梯度方向對附近區域707內的像素亮度總和的積，作為邊緣對似然。
[0134]此外，邊緣對似然圖生成單元120也可以計算梯度方向對附近區域706內具有規定值以上的亮度Y的像素數與梯度方向對附近區域707內具有規定值以上的亮度Y的像素數的積，作為邊緣對似然。由此，邊緣對似然圖生成單元120能夠用各梯度方向對附近區域706、707的大小對邊緣對似然進行標準化。
[0135]在步驟S2006中，邊緣對似然圖生成單元120判斷關於胳膊候選區域710的全部像素的邊緣對似然計算是否已結束。若關於全部像素已結束計算(32006:「是」)，則邊緣對似然圖生成單元120判斷為步驟S2001中選擇的增量的邊緣對似然圖的生成已結束，並進入步驟S2007。另一方面，若關於全部像素未結束計算(S2006:「否」)，則邊緣對似然圖生成單元120判斷為步驟S2001中選擇的增量的邊緣對似然圖的生成未結束，並進入步驟S2002。
[0136]在步驟S2007中，邊緣對似然圖生成單元120判斷關於全部梯度方向的邊緣對似然計算是否已結束。若關於全部梯度方向已結束計算(32007:「是」)，則邊緣對似然圖生成單元120判斷為預先確定的全部梯度方向的邊緣對似然圖的生成已結束，並結束一系列處理。另一方面，若關於全部梯度方向未結束計算(S2007:「否」)，則邊緣對似然圖生成單元120判斷為預先確定的全部梯度方向的邊緣對似然圖的生成未結束。因此，邊緣對似然圖生成單元120為了生成尚未生成的梯度方向的邊緣對似然圖，進入步驟S2001。
[0137]此外，在上述圖7的說明中，關於部位的粗細701和附近長度708，說明了預先設定值的例子，但不限於此。也就是說，邊緣對似然圖生成單元120也可以與人物候選區域或胳膊候選區域的大小成比例來動態地改變值，調節為合適的值。由此，邊緣對似然圖生成單元120能夠根據人340的圖像上的大小，將對象部位的粗細701和附近長度708改變為合適的值。其結果是，邊緣對似然圖生成單元120能夠對每個梯度方向生成精度更高的邊緣對似然圖。
[0138]
[0139]接著，使用圖8及圖9說明一例連續性似然圖生成處理(圖5的步驟S3000)。
[0140]在邊緣對似然圖中，與不存在對象部位的區域內的像素相比，存在對象部位的區域內的像素在各像素的各梯度方向對附近區域中存在邊緣的機率較高，因此邊緣對似然較高。因此，連續性似然圖生成單元130利用如下事實:在對象部位候選區域內僅特定像素的邊緣對似然較高，特定像素周圍像素的邊緣對似然較低的情況下，能夠判斷為該候選區域並非部位區域。
[0141]圖8是表示一例作為連續性似然圖的基礎的邊緣對似然圖的圖。圖8中，在邊緣對似然圖的部分區域810中，表示各像素的水平方向的邊緣對似然。
[0142]在生成連續性似然圖時，連續性似然圖生成單元130使用作為設想了對象部位的大小或形狀的區域的部位矩形801。部位矩形801是設想區域的一例。圖8中，部位矩形801例示設想為上臂或前臂的長方形。不過，連續性似然圖生成單元130能夠設定與對象部位的大小或形狀相應的部位矩形。另外，雖然例示了長方形，但部位矩形801也可以使用與對象部位的大小或形狀相應的橢圓形。部位的連接根部及端部受連接部位的形狀的影響，與部位中央相比，邊緣對似然傾向於較低，因此通過使部位矩形為橢圓形，能夠減少部位的連接根部及端部的影響程度，高精度地提取候選區域。
[0143]圖8所示的部位矩形801，將短邊設想為對象部位的平均粗細，將長邊設想為對象部位的平均長度。
[0144]連續性似然圖生成單元130使部位矩形801的長邊的方向與邊緣對似然圖的梯度方向一致。並且，連續性似然圖生成單元130評價部位矩形801中包含的像素的邊緣對似然的總和。
[0145]圖8中示出梯度方向為水平方向的邊緣對似然，因此連續性似然圖生成單元130將部位矩形801的長邊的方向設定為水平方向。另外，連續性似然圖生成單元130例如將部位矩形801的初始位置設定為連續性似然圖的左上角。並且，連續性似然圖生成單元130反覆進行X軸方向上的每一個像素的掃描和Y軸方向上的每一行的移動。由此，連續性似然圖生成單元130在連續性似然圖的全部區域中評價部位矩形801中包含的像素的邊緣對似然的總和。
[0146]例如，在圖8中，邊緣對似然圖的邊緣對似然P使用表示關注像素的位置的X坐標X、y坐標y、以及梯度方向k，設為p(x，y，k)。另外，設部位矩形801的左上角像素的位置為(i，j)，部位矩形的長邊長度為r，短邊長度為s，梯度方向為k。此時，連續性似然圖生成單元130通過下式求由部位矩形801包圍的像素的邊緣對似然的總和T。
[0147]T = ff；'p(x,y,k) - - - (I)

r - j λ- -1
[0148]在圖8的例子中，(i, j) = (4, 3), r = 5, s = 2。因此,作為上式的計算結果,部位矩形801內的像素的邊緣對似然的總和T為41。
[0149]連續性似然圖生成單元130在邊緣對似然的總和為規定的閾值以上的情況下，將部位矩形801中包含的像素在邊緣對似然圖上的坐標信息追加到總和的評價結果列表信息中進行保持。連續性似然圖生成單元130對於胳膊候選區域710的全部區域，結束了部位矩形801中包含的像素的邊緣對似然總和的評價之後，進行以下動作。即，連續性似然圖生成單元130僅保持在上述列表信息中保持了坐標信息的像素的邊緣對似然。或者,連續性似然圖生成單元130也可以將剩餘像素的邊緣對似然設定為表示無邊緣對似然的值(例如零)。這樣一來，評價了邊緣對似然之後的似然稱為「連續性似然」。
[0150]圖9是表示一例基於圖8所示的邊緣對似然圖生成的連續性似然圖的圖。
[0151]圖8中，假設在規定的閾值為40的情況下，對於胳膊候選區域的一部分810的全部區域，結束了部位矩形801中包含的像素的邊緣對似然總和的評價。此時，邊緣對似然總和的評價結果列表信息中保持的像素，僅為圖8的部位矩形801所包圍的區域的像素。連續性似然圖生成單元130將部位矩形801所包圍區域以外的像素的邊緣對似然，設定為表示無邊緣對似然的值(例如零)，生成連續性似然圖。其結果是，如圖9所示那樣，生成連續性似然圖820。
[0152]這裡，規定的閾值可以根據對象部位的部位矩形801不同而不同。規定的閾值例如可以與對象部位的部位矩形801的大小成比例地改變閾值。另外，規定的閾值可以根據身體模型中對象部位的位置改變閾值。例如，在對象部位位於身體模型的端部的情況下，對象部位與其他部位不重疊，被檢測出的可能性高，因此將閾值設定得較高。另外，在對象部位位於身體模型的中央的情況下，與其他部位重疊的可能性高，被檢測出的可能性低，因此將閾值設定得較低。連續性似然圖生成單元130可以通過這樣設定閾值來生成魯棒性的連續性似然圖。另外，連續性似然圖生成單元130也可以使用事先準備的圖像的邊緣對似然，學習對象部位的部位矩形801中包含的像素的邊緣對似然的總和。
[0153]連續性似然圖生成單元130對於各梯度方向的全部邊緣對似然圖反覆執行上述處理。由此，連續性似然圖生成單元130能夠對每個梯度方向生成連續性似然圖。
[0154]這樣，連續性似然圖生成單元130並不是用閾值過濾各像素的邊緣對似然，而是以設想了對象部位的大小或形狀的區域為單位設定閾值，過濾邊緣對似然。連續性似然圖生成單元130例如對於設想了對象部位的大小或形狀的區域，以部位矩形801為單位設定閾值。由此，連續性似然圖生成單元130能夠留下雖然作為單個像素是邊緣對似然低的像素，但包含在部位區域中的可能性較高的像素。另外，連續性似然圖生成單元130能夠將不滿足對象部位區域條件的像素的邊緣對似然作為噪聲除去。不滿足對象部位區域條件的情況例如是如下情況:雖然作為單個像素的邊緣對似然較高，但設想了對象部位的大小或形狀的區域的邊緣對似然總和小於閾值。
[0155]〈綜合似然圖生成處理的說明〉
[0156]接著，使用圖10說明一例綜合似然圖生成處理(圖5的步驟S4000)。
[0157]圖10是表示一例綜合似然圖生成處理(圖5的步驟S4000)的動作的流程圖。
[0158]綜合似然圖是使用對各梯度方向生成的所有連續性似然圖生成的、表示對象部位的可能性最大的區域的圖。
[0159]在步驟S9001中，綜合似然圖生成單元140對連續性似然圖的同一梯度方向中的每個方向，將對象部位候選區域的數進行計數。也就是說，在有6個梯度方向的情況下，綜合似然圖生成單元140對6個梯度方向中的每個方向，將候選區域的數進行計數。這裡的「對象部位候選區域」是指，在連續性似然圖中，對在同一梯度方向上連續的像素賦予了連續性似然的區域。例如，在圖9的例子中，對象部位候選區域的數量為I。本實施方式中，假設對6個梯度方向中的每個方向，將候選區域的數進行計數後，提取了 5個候選區域。
[0160]在步驟S9002中，綜合似然圖生成單元140將對各梯度方向計數了的對象部位候選區域的數量總和與對象部位的數量進行比較。這裡的「對象部位的數量」是預先確定的值。在比較結果是候選區域的數量總和為對象部位的數量以下的情況下69002:「是」)，綜合似然圖生成單元140將連續性似然圖作為綜合似然圖，並結束一系列處理。另一方面，在候選區域的數量總和大於對象部位數的情況下(S9002 否」)，綜合似然圖生成單元140進入步驟S9003。
[0161]本實施方式中，對象部位的數為4(右前臂420、右上臂419、左上臂422、左前臂423)。因此，綜合似然圖生成單元140在候選區域的數量總和為4以下時結束一系列處理，在候選區域的數量總和多於4時進入步驟S9003。
[0162]在步驟S9003中，綜合似然圖生成單元140對各梯度方向上進行了計數的每個對象部位候選區域，計算候選區域中包含的像素的連續性似然的總和。並且，綜合似然圖生成單元140從計算出的總和最大的區域起，依次提取數量為對象部位數的候選區域。
[0163]本實施方式中，對象部位的數為4，因此綜合似然圖生成單元140對於全部5個候選區域，計算候選區域中包含的像素的連續性似然的總和。並且，綜合似然圖生成單元140從計算出的總和值最大的區域起，依次提取4個候選區域。
[0164]在步驟S9004中，綜合似然圖生成單元140判定提取出的候選區域是否滿足對象部位的身體限制。
[0165]例如，本實施方式中，對象部位為上臂或前臂，使用上臂和前臂至少通過關節連接這一身體限制。具體而言，使用的判定基準是:在各候選區域的至少一個端部附近，存在其他候選區域的端部。
[0166]這裡，說明一例確定表示候選區域端部位置的端部坐標的方法。
[0167]例如，在圖9所示的梯度方向為水平方向的連續性似然圖中，考慮通過候選區域的水平方向(X軸方向)的直線群。在該直線群中，考慮直線與候選區域重疊的長度最長的直線。將該直線和候選區域的邊界像素作為候選區域的端部像素。例如，圖9中，候選區域的端部像素用X軸和Y軸的值(x，y)表示為(4，3)和(8，3)、或者(4，4)和(8，4)。這裡，在候選區域的端部像素有多個的情況下，將各坐標值的平均值作為端部坐標，所以為(4，3.5)和(8，3.5)。
[0168]本實施方式中，綜合似然圖生成單元140用同樣的方法求其他3個候選區域的端部坐標。並且，綜合似然圖生成單元140對每個候選區域，判定從部位區域的任一端部起的規定的距離內是否存在其他候選區域的端部。並且，綜合似然圖生成單元140在對全部候選區域，從部位區域的任一端部起的規定的距離內存在其他候選區域的端部的情況下，判斷為滿足身體限制。這裡，上述「規定的距離」依賴於部位區域的大小，長度短於部位區域的短邊。
[0169]在滿足身體限制時(S9004 是」)，綜合似然圖生成單元140生成保持提取出的候選區域的連續性似然，將其他值設定為表示無連續性似然的值(例如零)的綜合似然圖，並結束一系列處理。另一方面，在不滿足身體限制時(39004:「否」)，綜合似然圖生成單元140返回步驟S9003，繼續進行候選區域的提取。
[0170]此外，在所有候選區域組合均不滿足身體限制時，綜合似然圖生成單元140將最接近身體限制的候選區域組合視為候選區域進行提取。並且，綜合似然圖生成單元140生成保持提取出的候選區域的連續性似然，將其他值設定為表示無連續性似然的值(例如零)的綜合似然圖，並結束一系列處理。
[0171]說明綜合似然圖生成單元140判斷規定的候選區域是否最接近身體限制的方法的一例。首先，綜合似然圖生成單元140對從部位區域的任一端部起的規定的距離內不存在其他候選區域的端部的部位候選，計算從部位區域的任一端部起到其他候選區域的端部的最短距離。並且，綜合似然圖生成單元140對每個候選區域組合，計算最短距離與規定的距離之差的和。綜合似然圖生成單元140將該值小的候選區域組合判斷為接近身體限制。
[0172]這樣，部位估計裝置100利用對各梯度方向生成的連續性似然圖，並且考慮身體限制，僅提取作為部位的可能性最高的區域。由此，部位估計裝置100能夠高精度地估計部位。
[0173]此外，綜合似然圖生成單元140使用了 「前臂和上臂通過關節連接」這一身體限制，另外，也可以進行估計頭或肩的位置的處理，使用「在肩附近存在上臂的候選區域的端部」這一身體限制。由此，部位估計裝置100能夠高精度地估計部位。
[0174]另外，本實施方式中，在圖9所示的流程中，也可以省略是否滿足身體限制的判定(步驟S9004)本身。
[0175]如以上說明的，本實施方式能夠得到以下作用和效果。也就是說，部位估計裝置100首先對輸入圖像的每個像素，對各梯度方向生成將局部區域中的對象部位相似性數值化而得到的邊緣對似然圖。由此，部位估計裝置100能夠無遺漏地提取局部區域中的對象部位相似性。另外，部位估計裝置100對各梯度方向生成連續性似然圖，該圖表示邊緣對似然圖上基於相當於對象部位的區域判定的對象部位相似性。由此，部位估計裝置100能夠將雖然局部區域滿足部位相似性、但不滿足作為區域的部位相似性的區域，判斷為並非部位區域。
[0176]此外，部位估計裝置100生成綜合似然圖，該圖是從連續性似然圖中各梯度方向上提取出的候選區域中，鎖定了與對象部位最相似的滿足身體限制的區域並進行表示的圖。由此，部位估計裝置100能夠估計人340的對象部位。
[0177]通過上述一系列動作，如上所述，即使是難以用直線提取部位輪廓的圖像，部位估計裝置100也能夠高精度地估計人340的部位。
[0178](實施方式3)
[0179]本發明的實施方式3是將本發明適用於估計拍攝圖像中包含的人的部位的裝置時的具體方式的一例。
[0180]本實施方式是對實施方式2增加功能的方式，對與實施方式2相同的部分附加相同的標號，並省略與其相關的說明。
[0181]本實施方式中，部位估計裝置在圖像中存在與對象部位形狀類似的人工物體的情況下,通過將對象部位和人工物體相區別，能夠精度更高地估計部位。
[0182]首先，包括本實施方式的部位估計裝置的部位估計系統的概要，與實施方式2是同樣的。
[0183]
[0184]首先說明部位估計裝置10b的結構。
[0185]圖11是表示部位估計裝置10b的一例結構的框圖。圖11中，部位估計裝置10b具有圖像輸入單元110、邊緣對似然圖生成單元120、連續性似然圖生成單元130、方差似然圖生成單元160、綜合似然圖生成單元140b、以及結果輸出單元150。
[0186]圖11中，與圖4不同之處有兩個。一個是增加了方差似然圖生成單元160。另一個是綜合似然圖生成單元140b使用方差似然圖生成單元160生成的方差似然圖，生成綜合似然圖。
[0187]方差似然圖生成單元160在連續性似然圖生成單元130對各梯度方向生成的各個連續性似然圖中，評價預先定義的設想區域(例如部位矩形)內包含的連續性似然的方差。並且，方差似然圖生成單元160反覆進行連續性似然的方差評價，直到包括全部連續性似然圖為止，由此生成方差似然圖。上述「預先定義的設想區域」例如是對象部位候選區域。這裡的「對象部位候選區域」是指，在連續性似然圖中，對在同一梯度方向上連續的像素賦予了連續性似然的區域。
[0188]具體而言，方差似然圖生成單元160刪除判斷為連續性似然圖的連續性似然的方差和對象部位的方差不同的連續性似然。或者，方差似然圖生成單元160也可以僅保持判斷為與對象部位的方差類似的連續性似然。這樣的話，方差似然圖生成單元160生成方差似然圖。
[0189]該方差似然圖生成處理利用了人工物體與人的部位中連續性似然的方差不同的事實。工業產品等人工物體的邊緣與人的部位的邊緣的梯度相比，容易用單一的梯度進行提取，方差的值傾向於較小。因此，本實施方式中，通過評價方差能夠判別人工物體和人的部位。
[0190]此外，關於方差似然圖生成方法的細節，在後面闡述。
[0191]這種部位估計裝置10b首先與上述實施方式1、2同樣地進行邊緣對似然圖生成處理和連續性似然圖生成處理。隨後，部位估計裝置100進行方差似然圖生成處理，該處理評價連續性似然的方差，對各梯度方向生成滿足對象部位的方差的方差似然圖。並且，部位估計裝置10b基於各梯度方向的方差似然圖，生成滿足對象部位的身體限制的綜合似然圖。這樣，即使是難以用直線提取部位輪廓的圖像或者混合有人工物體的圖像，部位估計裝置10b也能夠高精度地估計人340的部位。
[0192]以上是對部位估計裝置10b的結構的說明。
[0193]
[0194]接著說明部位估計裝置10b的動作。
[0195]圖12是表示部位估計裝置10b的一例動作的流程圖。
[0196]圖12與圖5的不同之處在於，在連續性似然圖生成處理(S3000)和綜合似然圖生成處理(S4000)之間，增加了方差似然圖生成處理(S7000)。
[0197]在步驟S7000中，方差似然圖生成單元160進行方差似然圖生成處理。方差似然圖生成處理是生成上述方差似然圖的處理。
[0198]
[0199]這裡，說明一例方差似然圖生成處理(S7000)。
[0200]方差似然圖生成單元160使用下式求方差的值。
I n
[0201]σ 2 = —X (x 1- ~)...(2)

n i = i
[0202]方差σ 2是從各數據Xi中減去平均值I求出偏差，將這些值的平方和除以數據數η,
[0203]由此求得數據和平均值之間的距離所得到的值。
[0204]方差σ 2越大，表示數據的標準離差越大。
[0205]在圖像中，工業產品等人工物體的邊緣往往由直線構成。因此，本實施方式中，利用與人工物體與人340的部位相比連續性似然圖的方差值更小這一點，能夠區分人工物體與人340的部位。具體而言，方差似然圖生成單元160對各個同一梯度方向求連續性似然圖的部位候選區域的方差。若求得的方差值小於規定的閾值，則方差似然圖生成單元160將候選區域判斷為人工物體。並且，方差似然圖生成單元160將方差值小於規定的閾值的像素的連續性似然設定為表示無連續性似然的值(例如零)。另一方面，若求得的方差值大於規定的閾值，則方差似然圖生成單元160判斷為候選區域是部位的可能性大。並且，方差似然圖生成單元160保持方差值大於規定的閾值的像素的連續性似然。例如，方差似然圖生成單元160在梯度方向k的候選區域的方差小於規定的閾值時，將該候選區域中包含的像素的梯度方向k的連續性似然設定為表示無似然的值(例如零)。
[0206]這裡，方差似然圖生成單元160作為上述「規定的閾值」，既可以使用預先學習的值，也可以基於上次部位估計結果的部位區域的方差的平均值進行計算。或者，方差似然圖生成單元160還可以使用判別分析法，將本次提取的候選區域的方差分類為人工物體與人340的部位。判別分析法是求分離度最大的閾值，自動進行二值化的公知方法。在分類為人工物體與人340的部位這兩個類時，通過類間方差與類內方差之比來求分離度。
[0207]接著，說明一例方差似然圖生成單元160計算連續性似然圖的部位候選區域的方差的方法。
[0208]首先，方差似然圖生成單元160使用下式計算連續性似然圖的部位候選區域的重心C。
[0209]設部位候選區域中包含的第k像素Gk的X坐標和y坐標的位置為Gk = (xk, yk)，在有m個像素的情況下，通過下式計算重心C。

【權利要求】
1.部位估計裝置，包括: 邊緣對似然圖生成單元，對圖像中的每個像素計算邊緣對似然，生成對每個所述像素表示該邊緣對似然的邊緣對似然圖，所述邊緣對似然表示該像素附近存在的成對像素是估計對象部位的邊緣的似真性； 連續性似然圖生成單元，對於所述邊緣對似然圖，對設想了所述估計對象部位的區域內包含的像素的邊緣對似然，評價連續性，生成表示具有連續性的邊緣對似然作為表示所述估計對象部位的候選區域的連續性似然圖；以及 綜合似然圖生成單元，生成基於預先確定的條件鎖定而表示所述連續性似然圖所示的所述候選區域的綜合似然圖。
2.如權利要求1所述的部位估計裝置，還包括: 方差似然圖生成單元，評價所述連續性似然圖所示的具有所述連續性的邊緣對似然的方差，生成滿足所述估計對象部位的方差的方差似然圖， 所述綜合似然圖生成單元基於所述方差似然圖，生成所述綜合似然圖。
3.如權利要求2所述的部位估計裝置， 所述連續性似然圖生成單元除了考慮具有所述連續性的邊緣對似然以外，還考慮設想了所述估計對象部位的區域的附近區域中包含的像素的邊緣對似然，生成所述連續性似然圖， 所述方差似然圖生成單元基於所述連續性似然圖，生成所述方差似然圖。
4.如權利要求1所述的部位估計裝置，還包括: 輪廓區域估計單元，估計作為所述估計對象部位以外的部位的非估計對象部位的輪廓區域， 所述綜合似然圖生成單元在鎖定所述候選區域時，優先選擇坐標與由所述輪廓區域估計單元估計出的所述輪廓區域不重疊的候選區域。
5.如權利要求1所述的部位估計裝置， 所述邊緣對似然圖生成單元根據所述圖像的大小，動態調節所述邊緣對似然圖生成中使用的值。
6.部位估計方法，包括如下步驟: 對圖像中的每個像素計算邊緣對似然，生成對每個所述像素表示該邊緣對似然的邊緣對似然圖的步驟，所述邊緣對似然表示該像素附近存在的成對像素是估計對象部位的邊緣的似真性； 對於所述邊緣對似然圖，對設想了所述估計對象部位的區域內包含的像素的邊緣對似然，評價連續性，生成表示具有連續性的邊緣對似然作為表示所述估計對象部位的候選區域的連續性似然圖的步驟；以及 生成基於預先確定的條件鎖定而表示所述連續性似然圖所示的所述候選區域的綜合似然圖的步驟。
7.部位估計程序，使輸入或生成圖像的裝置的計算機執行如下處理: 對所述圖像中的每個像素計算邊緣對似然，生成對每個所述像素表示該邊緣對似然的邊緣對似然圖的處理，所述邊緣對似然表示該像素附近存在的成對像素是估計對象部位的邊緣的似真性； 對於所述邊緣對似然圖，對設想了所述估計對象部位的區域內包含的像素的邊緣對似然，評價連續性，生成表示具有連續性的邊緣對似然作為表示所述估計對象部位的候選區域的連續性似然圖的處理；以及 生成基於預先確定的條件鎖定而表示所述連續性似然圖所示的所述候選區域的綜合似然圖的處理。
【文檔編號】G06T7/00GK104169968SQ201380013587
【公開日】2014年11月26日 申請日期:2013年3月15日 優先權日:2012年3月29日
【發明者】川口京子, 田靡雅基, 裡雄二 申請人:松下電器產業株式會社