トップページ > コンテンツ > 画像処理関連 > 物体抽出

物体抽出の方法の一つに前景と背景を輝度、色、エッジ、時間変化、周波数特性
等を評価基準として行う方法がある。

一般に物体を識別するために学習モデルの生成を必要とするが、
一般に物体の種類は様々あり、各モデルを生成することは非常に困難である。
ただし照明環境等、物体検出の妨げとなる要因は多いため、なかなか一般物体には
拡張されていないのが現状と言える。

顔認識等においては統計的手法をとった研究や上記の特徴基準を用いた研究が広く
なされている。上に挙げたエッジの例だと顔は楕円、鼻は細長い等。
色の例だと肌色検出したり、唇が赤いので取りやすい。
統計手法の種類としてはSVM,Adaboost,ニューラルネットワーク等がある。

研究例：

• 顔検出→Haar-like+AdaBoostを用いて検出する研究

　　[P. Viola and M. Jones，“Robust Real-Time Face Detection”,International Journal of Computer Vision, 57(2), pp. 137-154, 2004.]
　　ただし、形状情報やテクスチャが多様な物体に関してはHaar-like特徴量は不向きとか。

• 人検出→Hog+SVM、ピクセルの時空間状態の変化を調べ利用する研究もあり(三井相和, 山内悠嗣, 藤吉弘亘, "アピアランスと時空間特徴を用いたJoint特徴による人検出",電気関係学会東海支部連合大会 September, 2008)
• 画像分類→Bag of keypoints:SIFT+SVM
• 差分とヒストグラムを利用したcam-shift法->初期追跡領域を決める必要あり。
• 物体に円滑化フィルタを通して計算量を減らしたり、小領域の特徴量の平均値を計算し尤も近い隣接領域に併合したり

　する研究あり。