[論文レビュー] Object Detection using Image Processing

Fares Jalled, Voronkov Ilia|arXiv (Cornell University)|Nov 23, 2016

Face and Expression Recognition参考文献 5被引用数 51

ひとこと要約

本論文では、無人航空機（UAV）アプリケーションにおけるリアルタイム顔検出およびオブジェクト検出を実現するため、積分画像とAdaBoostを用いたHaarカスケードを用いたOpenCV-Python実装によるビオラ＝ジョーンズオブジェクト検出フレームワークを提示する。積分画像とAdaBoostを活用することで特徴の計算と分類を効率的に行い、低遅延な検出を実現し、高価なセンサーへの依存を低減し、無人航空機における自律的障害物回避および監視を可能にする。

ABSTRACT

An Unmanned Ariel vehicle (UAV) has greater importance in the army for border security. The main objective of this article is to develop an OpenCV-Python code using Haar Cascade algorithm for object and face detection. Currently, UAVs are used for detecting and attacking the infiltrated ground targets. The main drawback for this type of UAVs is that sometimes the object are not properly detected, which thereby causes the object to hit the UAV. This project aims to avoid such unwanted collisions and damages of UAV. UAV is also used for surveillance that uses Voila-jones algorithm to detect and track humans. This algorithm uses cascade object detector function and vision. train function to train the algorithm. The main advantage of this code is the reduced processing time. The Python code was tested with the help of available database of video and image, the output was verified.

研究の動機と目的

• 高価なレーザーセンサーへの依存を低減するため、無人航空機（UAV）向けに低コストでリアルタイムのオブジェクトおよび顔検出システムを開発すること。
• 検出不能な障害物や標的によるUAVの衝突リスクを低減するため、検出精度と速度を向上させること。
• リソース制約のあるUAVプラットフォームへのデプロイに適した、計算効率の高い検出パイプラインをOpenCVおよびPythonを用いて実装すること。
• 最小限の手動介入で、ビオラ＝ジョーンズアルゴリズムを用いた自律的監視および人間の追跡を可能にすること。
• UAVにおける高価なセンサーシステムを画像処理ベースの検出に置き換える可能性を実証すること。

提案手法

• 本システムは、画像領域全体における特徴応答の高速計算を可能にするために、積分画像から抽出されたHaar類似特徴を用いたビオラ＝ジョーンズフレームワークを採用する。
• 積分画像は、4つの配列参照のみで長方形領域内の画素強度の合計を計算可能にし、処理時間を著しく削減する。
• AdaBoostアルゴリズムを用いて、多数のHaar類似パターンから最も識別性の高い特徴を選択し、弱い分類器のカスケードを学習する。
• 複数段階の注目カスケード構造を採用し、単純で高速な分類器が初期段階で否定的サンプルを除外し、有望な領域に対してはより複雑な分類器が検出を精緻化する。
• 検出パイプラインは、入力画像または動画フレームを特徴抽出、分類、バウンディングボックスの局所化の段階を経て、オブジェクトや顔を特定する。
• 実装はPythonとOpenCVを用いて記述され、UAVプラットフォームにおけるリアルタイム動作を最適化している。

実験結果

リサーチクエスチョン

• RQ1 低コストの画像処理ベースのオブジェクト検出システムは、UAVにおける障害物検出において高価なレーザーセンサーを効果的に代替できるか？
• RQ2 積分画像とHaar類似特徴の使用が、リアルタイムUAVアプリケーションにおける検出速度と効率をどのように向上させるか？
• RQ3 ビオラ＝ジョーンズカスケード分類器は、最小限の誤検出で、実世界のUAV動画ストリームにおける顔やオブジェクトをどの程度正確に検出できるか？
• RQ4 注目カスケード機構は、顕著なオブジェクト領域に計算リソースを優先することで、検出性能をどのように向上させるか？
• RQ5 AdaBoostを用いた特徴選択と分類器学習が、検出精度と処理時間に与える影響は何か？

主な発見

• 本システムは、画像データのみを用いてリアルタイムで顔やオブジェクトを検出でき、積分画像計算により処理時間を顕著に短縮した。
• 積分画像の使用により、特徴応答の定数時間計算が可能となり、マルチスケール検出が効率的かつスケーラブルになった。
• 注目カスケード構造により、否定的領域が初期段階で効果的にフィルタリングされ、深層分析が必要な領域の数が削減され、全体の処理速度が向上した。
• Python-OpenCVでの実装は、MATLABなどの代替プラットフォームと比較して、より高速な実行とUAV制御システムへの統合の容易さを実現した。
• 実画像および動画データベースを用いたテストにより、監視および障害物検出シナリオにおいて、人間の顔やオブジェクトの検出に高い有効性を示した。
• 結果として、UAVベースのアプリケーションにおけるビオラ＝ジョーンズフレームワークの実現可能性と性能が確認され、将来的な自律航行および監視分野への展開を支援するものとなった。