ナビゲーション

物体検出

cv::MatchTemplate

MatchTemplate(image, templ, result, method) → None

テンプレートと，それと重なる領域の画像とを比較します．

パラメタ:
  • image (CvArr) – テンプレートとの比較を行う対象画像．8ビットあるいは32ビット，浮動小数点型
  • templ (CvArr) – テンプレート．比較対象となる画像以下のサイズで，同じデータ型でなければならない
  • result (CvArr) – 比較結果のマップ．シングルチャンネル，32ビット，浮動小数点型． image が W \times H で， templ が w \times h の場合， result は必ず (W-w+1) \times (H-h+1) となります
  • method (int) – テンプレートと画像領域とを比較する方法（以下を参照してください）

この関数は， CalcBackProjectPatch と類似した関数です．画像 image 全体に対してテンプレート templ をずらしながら，それとサイズ w \times h の重なり領域とを指定された方法で比較し，その結果を result に格納します．ここでは，それぞれの比較手法の式を示します（ I は image ， T は template ， R は result を表します）．総和演算は，テンプレートと重なり領域の，どちらか片方あるいは両方に対して行われます： x' = 0...w-1, y' = 0...h-1

  • method=CV_TM_SQDIFF

    R(x,y)= \sum _{x',y'} (T(x',y')-I(x+x',y+y'))^2

  • method=CV_TM_SQDIFF_NORMED

    R(x,y)= \frac{\sum_{x',y'} (T(x',y')-I(x+x',y+y'))^2}{\sqrt{\sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}

  • method=CV_TM_CCORR

    R(x,y)= \sum _{x',y'} (T(x',y') \cdot I(x+x',y+y'))

  • method=CV_TM_CCORR_NORMED

    R(x,y)= \frac{\sum_{x',y'} (T(x',y') \cdot I'(x+x',y+y'))}{\sqrt{\sum_{x',y'}T(x',y')^2 \cdot \sum_{x',y'} I(x+x',y+y')^2}}

  • method=CV_TM_CCOEFF

    R(x,y)= \sum _{x',y'} (T'(x',y') \cdot I(x+x',y+y'))

    ここで，

    \begin{array}{l} T'(x',y')=T(x',y') - 1/(w \cdot h) \cdot \sum _{x'',y''} T(x'',y'') \\ I'(x+x',y+y')=I(x+x',y+y') - 1/(w \cdot h) \cdot \sum _{x'',y''} I(x+x'',y+y'') \end{array}

    です．

  • method=CV_TM_CCOEFF_NORMED

    R(x,y)= \frac{ \sum_{x',y'} (T'(x',y') \cdot I'(x+x',y+y')) }{ \sqrt{\sum_{x',y'}T'(x',y')^2 \cdot \sum_{x',y'} I'(x+x',y+y')^2} }

比較計算が終わると，関数 MinMaxLoc を用いて最も良いマッチング結果を，最小値（ CV_TM_SQDIFF ）や最大値（ CV_TM_CCORR ）として検出できます．カラー画像の場合，分母や分子のそれぞれの総和演算は，全てのチャンネルに対して行われます（それぞれチャンネルで，それぞれの平均値が用いられます）．

物体検出のための Haar 特徴に基づくカスケード分類器

ここで述べられる物体検出器は， Paul Viola Viola01 によって最初に提案され，Rainer Lienhart Lienhart02 によって改良されたものです．まず，分類器（つまり， haar-like特徴を用いるブースティングされた分類器のカスケード ）は，数百の正例と負例によって学習されます． 正例とは，同一のサイズ（例えば， 20\times20 ）にスケーリングされた特定の物体（つまり，顔や車）を含むサンプル画像であり，負例とは，正例と同一サイズの任意の画像です．

学習が終わると，分類器は入力画像の（学習に用いられた物と同じサイズの）ROI に対して適用されます．その領域に物体（顔や車）が写っていると思われる場合は，分類器は「1」を出力し，それ以外では，「0」を出力します．画像全体から物体を探索するためには，画像中の探索窓を移動させながら，その個々の領域を分類器を用いて判別します．学習時とは異なるサイズの物体も検出できるように，分類器は簡単に「サイズ変更」できるように設計されており，これは画像自体のサイズを変更するよりも効率的です．そして，画像中からサイズ不明の物体を検出するためには，異なるスケールで複数回の探索処理が必要です．

分類器の名前にある「カスケード」という単語は，最終的に得られる分類器がいくつかの単純な分類器（ stages ）から構成される，という事を意味しています．この単純な分類器たちが ROI に対して次々に適用され，物体候補は，いずれかのステージで却下されるか，あるいは全てのステージを通過します．また，「ブーストされた」という単語は，カスケードの各ステージにおける単純な分類器自身が複合体である事を意味します．これらの単純な分類器は基本分類器から構成され，それには4種類の ブースティング 技法（重み付き投票）の内の1つが利用されます．現在のところ，Discrete Adaboost，Real Adaboost，Gentle Adaboost そして Logitboost がサポートされています．ここで利用される基本分類器は，少なくとも2つの葉を持つ決定木です． Haar-like 特徴はこの基本分類器の入力であり，その算出方法については後述します．現在のアルゴリズムでは次のような Haar-like 特徴を用いています：

_images/haarfeatures.png

個々の分類器で用いられる特徴は，形状（1a, 2b など），ROI 内での位置，スケール（このスケールは検出ステージで用いられるスケールとは別物ですが，これら2つのスケールは乗じられます）によって規定されます．例えば，ライン特徴の3番目（2c）の場合，（2つの白ストライプと中央の黒ストライプを含む）特徴全体の矩形部分の画像ピクセルの和と，黒ストライプ部分の画像ピクセルの和を（領域サイズの違いを相殺するために）3倍したもの，との差分が出力となります．矩形領域全体のピクセル値の合計は，インテグラルイメージ（以下の説明，および Integral を参照してください）を用いて高速に計算されます．

顔検出の簡単なデモンストレーション．検出された顔の周りに矩形を描きます：

hc = cv.Load("haarcascade_frontalface_default.xml")
img = cv.LoadImage("faces.jpg", 0)
faces = cv.HaarDetectObjects(img, hc, cv.CreateMemStorage())
for (x,y,w,h),n in faces:
    cv.Rectangle(img, (x,y), (x+w,y+h), 255)
cv.SaveImage("faces_detected.jpg", img)

cv::HaarDetectObjects

HaarDetectObjects(image, cascade, storage, scale_factor=1.1, min_neighbors=3, flags=0, min_size=(0, 0)) → detected_objects

画像から物体検出を行います．

パラメタ:
  • image (CvArr) – この画像の中から物体を検出する
  • cascade (CvHaarClassifierCascade) – Haar分類器カスケードの内部表現
  • storage (CvMemStorage) – 物体候補の矩形列を保存するメモリストレージ
  • scale_factor (float) – スキャン毎にスケーリングされる探索窓のスケーリングファクタ．たとえば，これが1.1ならば，探索窓が10 % 大きくなります

%–

パラメタ:
  • scale_factor (float) – The factor by which the search window is scaled between the subsequent scans, 1.1 means increasing window by 10 %
  • min_neighbors (int) – （これから1を引いた値が）物体を表す矩形を構成する近傍矩形の最小数． min_neighbors -1 より少ない数の矩形しか含まないグループは，全て棄却されます． min_neighbors が0 の場合は，グループ化が行われずに，物体の候補となる個々の矩形が全て返されます．これは，ユーザが独自のグループ化処理を行いたい場合に有用です
  • flags (int) – 処理モード．現在は， CV_HAAR_DO_CANNY_PRUNING のみ有効です．このフラグが指定されている場合，関数はCannyエッジ検出器を利用し，非常に多くのエッジを含む（あるいは非常に少ないエッジしか含まない）画像領域を，探索物体を含まない領域であると見なして棄却します．特定の閾値は顔検出用に調整されており，この場合，枝刈りにより処理が高速化されます
  • min_size (CvSize) – 探索窓の最小サイズ．デフォルトでは，分類器の学習に用いられたサンプルのサイズが設定されます（顔検出の場合は \sim 20\times 20 ）

この関数は，与えられた画像から，カスケードの学習対象となった物体を含むであろう矩形領域を検出し，それらの領域を矩形のシーケンスとして返します．これは，画像のスキャンを異なるスケールで複数回行います（ SetImagesForHaarClassifierCascade を参照してください）．毎回，各スケールにあった画像領域を処理対象とし， RunHaarClassifierCascade を用いて，分類器をこの領域に適用します．また，判別する領域数を減らすために，Cannyエッジ検出器を用いた枝刈り処理のようなヒューリスティックな手法を適用することもあります．処理された物体候補矩形（分類器カスケードに渡された領域）が集められると，それらはグループ化され，さらに十分に大きいグループの平均矩形のみがシーケンスとして返されます．デフォルトパラメータ（ scale_factor =1.1, min_neighbors =3, flags =0）は，正確ではあるが低速な物体検出用に調整されたものです．実際の動画像に対する，より高速な処理のためには，以下のような値が考えられます： scale_factor =1.2, min_neighbors =2, flags = CV_HAAR_DO_CANNY_PRUNING , min_size = あり得る最小の顔サイズ （例えばビデオ会議の場合は，画面全体の \sim 1/4 から 1/16 ）

この関数は，タプル (rect, neighbors) のリストを返します．ここで， rect は物体の範囲を示す CvRect であり，また neighbors は隣接矩形の個数を示します．

>>> import cv
>>> image = cv.LoadImageM("lena.jpg", cv.CV_LOAD_IMAGE_GRAYSCALE)
>>> cascade = cv.Load("../../data/haarcascades/haarcascade_frontalface_alt.xml")
>>> print cv.HaarDetectObjects(image, cascade, cv.CreateMemStorage(0), 1.2, 2, 0, (20, 20))
[((217, 203, 169, 169), 24)]

目次

前のトピックへ

平面細分割

次のトピックへ

カメラキャリブレーションと3次元再構成

このページ

ナビゲーション

© Copyright 2010, authors (Translated by Junichi IDO). このドキュメントは Sphinx 1.0 で生成しました。