Image processor, image processing method and image processing program

本発明は、画像処理装置、画像処理方法および画像処理プログラムに関する。

近年、一般物体認識や特定物体認識の技術として、画像中の特徴的な情報を抽出して物体を認識する技術が使われている。 前記した特徴的な情報を効率良く抽出する処理工程として、インテグラルイメージ（積分画像）やインテグラルヒストグラム（積分勾配画像）の作成が行われている。
インテグラルヒストグラムは、勾配方向毎の積分画像であるため、勾配方向の数の分だけ必要となる。
なお、インテグラルイメージを用いた認識技術が、特許文献１や非特許文献１などで述べられている。

車載用途の物体認識装置としては、車間距離制御（ＡＣＣ：Ａｄａｐｔｉｖｅ Ｃｒｕｉｓｅ Ｃｏｎｔｒｏｌ）の装置、衝突回避（または、軽減）の装置、衝突警報の装置などがある。 このような装置として、例えば、車両、２輪、自転車、歩行者などの認識のほか、道路標識などの認識のように、一度に多種類の目標物体の認識が行われる装置の普及が望まれている。
このような多種類の目標物体の認識のために、１台の車載カメラＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）で認識することができる安価な装置の普及が期待されている。 車載カメラＥＣＵによる物体の認識には、パターン認識が多く用いられている。 パターン認識による物体認識アルゴリズムは、Ｈａａｒ−ｌｉｋｅやＨＯＧ（Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓ）などの特徴量に、ＡｄａＢｏｏｓｔやＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）識別器などを組み合わせて構成する。

前記したパターン認識では、撮像した画像中から目標物体の画像を抽出するために、物体認識する領域（ウィンドウ）を各サイズで設定し、そのウィンドウ毎に前記した物体認識アルゴリズムの処理を施す。
また、ウィンドウ毎の特徴量を効率良く得るために、ウィンドウ内の特定矩形領域の積算値が高速に得られる前記したインテグラルイメージや前記したインテグラルヒストグラムを作成する手法が用いられている。

図２０および図２１を参照して、背景技術に係る物体認識部（例えば、図１に示されるカメラＥＣＵ１の物体認識部１３に対応する処理部）により行われる処理の手順の一例を示す。
図２０は、背景技術に係る物体認識部により行われる処理の手順の一例を示すフローチャート図である。
まず、物体認識部は、画像について、輝度の勾配を算出する（ステップＳ１００１）。
なお、輝度の勾配の算出に関する例が、図１６および図１７に示される。

次に、物体認識部は、全画像領域の中から任意の物体認識領域のインテグラルヒストグラムを作成する（ステップＳ１００２）。
なお、インテグラルヒストグラムを作成する処理は、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）またはマイクロコンピュータ（例えば、図１に示されるカメラＥＣＵ１の物体認識部１３が備えるものと同様なもの）などのうちの任意の１つ以上により行われる。

ここで、インテグラルヒストグラムのデータ容量は、ステップＳ１００１の処理で求めた輝度勾配方向毎にインテグラルヒストグラムを作成することから、インテグラルイメージのデータ容量が勾配方向数倍増えたデータ容量となる。

次に、物体認識部は、作成したインテグラルヒストグラムのデータをメモリ（例えば、図１に示されるカメラＥＣＵ１の物体認識部１３が備えるメモリ２３と同様なもの）に転送する（ステップＳ１００３）。
次に、物体認識部は、メモリに記憶したインテグラルヒストグラムのデータを入力データとして、物体認識処理（ここの例では、物体認識のためのパターン認識の処理）を行う（ステップＳ１００４）。

ここで、上述したように、インテグラルヒストグラムのデータ容量は、勾配方向毎の大きいデータ容量となるため、ステップＳ１００３の処理におけるメモリ転送とステップＳ１００４の処理におけるメモリアクセスに支障が出ないように設計する必要がある。

図２１は、背景技術に係る物体認識部により行われる物体認識処理（図２０に示されるフローチャートにおけるステップＳ１００４の処理の詳細）の手順の一例を示すフローチャート図である。
この例では、ＨＯＧ特徴量と識別器（ＡｄａＢｏｏｓｔやＳＶＭなど）により、認識アルゴリズムを構成している。
また、この例では、矩形の形状を有するウィンドウを用いる。

物体認識処理（ステップＳ１００４の処理）において、まず、物体認識部は、ラスタスキャンの処理として、メモリに記憶されたインテグラルヒストグラムの領域内において、あらかじめ設定された任意の座標領域（ウィンドウ）で抽出を行う（ステップＳ１１０１）。 この場合、物体認識部は、メモリに記憶されたインテグラルヒストグラムのデータにアクセスして、そのデータを取得して使用する。

次に、物体認識部は、特徴量算出処理として、特徴ベクトルを算出する（ステップＳ１１０２）。 この例では、物体認識部は、特徴ベクトルとして、ＨＯＧ特徴量（ベクトル）を算出する。
なお、ＨＯＧ特徴量の算出に関する例が、図１７に示される。
ＨＯＧ特徴量としては、ウィンドウ内をさらに細かいセル単位で区切り、そのセル単位にインテグラルヒストグラムによる矩形領域を当てはめ、４点の積算値の加減算により矩形領域の積算値を求める。 これを勾配方向毎に行うことで、セル単位の勾配ヒストグラムとなる。

次に、物体認識部は、識別器による識別処理として、算出したＨＯＧ特徴量に基づいて、あらかじめターゲット（目標）としている物体（物体の画像）を認識する（ステップＳ１１０３）。
この例では、Ｒｅａｌ ＡｄａＢｏｏｓｔの識別器を用いている。 Ｒｅａｌ ＡｄａＢｏｏｓｔの識別器では、あらかじめ目標の物体のＨＯＧ特徴量を学習させて、適切な弱識別器により構成された識別器に設定してある。

そして、物体認識部は、ラスタスキャンの処理が終了したか否かを確認し（ステップＳ１１０４）、ラスタスキャンの処理が終了するまで、ラスタスキャンの領域に対してウィンドウをスライドさせて、順次、ステップＳ１１０１の処理〜ステップＳ１１０４の処理を繰り返して行う。
なお、ラスタスキャンの処理では、例えば、同一のウィンドウスケールで前記した繰り返しの処理を終了した後に、ウィンドウのスケールやスキャンステップを可変（変更）して、再び、ウィンドウを順次スライドさせていき、ラスタスキャンの処理が終了するまでこのような処理を繰り返して行う。

しかしながら、前記したインテグラルヒストグラム（または、前記したインテグラルイメージ）を作成する画像領域は、一般物体認識においては勿論、特定物体認識においても、目標物体の種類が多くなる程、その領域を広くする必要がある。
車載用途においても、例えば、機能の中に道路標識（案内表示を含む）認識の機能が含まれ、その認識に前記したインテグラルヒストグラム（または、前記したインテグラルイメージ）を使用する場合には、画像領域（インテグラルヒストグラムの場合には、各勾配方向毎の画像領域）の上部や左右端部の領域（例えば、道路標識が存在する領域）まで含めることとなるため、ほぼ全ての画像領域に及ぶこととなってしまう。

この場合、前記したインテグラルヒストグラム（または、前記したインテグラルイメージ）の画像領域を、１つの広い範囲にする程、勾配強度（インテグラルイメージの場合には、輝度）の最大積算値が大きくなり、必要なデータ長が増えてしまう。 例えば、水平方向６４０画素×垂直方向４８０画素のラスタスキャン領域の場合、勾配強度が８ビットで表現できるとして、２７ビット（６４０×４８０×２５６を表現できるビット数）のデータ長（ビット長）の積算勾配強度値が必要となる。

だが、インテグラルヒストグラム（または、インテグラルイメージ）のメモリへの転送やＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）のメモリアクセスの効率性を良くするためにも、できるだけビット長を削減することが望まれる。 そして、このようなビット長を削減するためには、例えば、積算勾配強度値のビットを削除することになるが、この場合、情報量が削られてしまい、所望する矩形領域の積算値（これが特徴量となる）が得られなくなる点が課題である。

本発明は、このような事情を考慮して為されたものであり、所定の範囲（領域）の積算値を効率的に得ることができる画像処理装置、画像処理方法および画像処理プログラムを提供することを目的としている。

（１）上述した課題を解決するために、本発明に係る画像処理装置は、画像を取得する画像取得部と、前記画像取得部により取得された画像について、画像領域が複数に分割されたそれぞれの分割領域毎に、あらかじめ定められた画素に関する値の積算値の情報を記憶する記憶部と、前記記憶部に記憶された情報に基づいて、前記画像領域に設定される矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得する画像処理部と、を備え、前記画像領域は、上下の方向で複数に分割され、前記画像処理部は、前記画像領域に設定される矩形範囲が２つ以上の分割領域に跨る場合には、当該２つ以上の分割領域のうちで最も下側の分割領域の画素位置における積算値を、当該最も下側の分割領域の画素位置の当該最も下側の分割領域における積算値に、前記矩形範囲が跨る上側の各分割領域の最下行にある同じ列の画素位置の当該上側の各分割領域における積算値を加算した結果として、取得する、ことを特徴とする。

（２）上述した課題を解決するために、本発明に係る画像処理装置は、画像を取得する画像取得部と、前記画像取得部により取得された画像について、画像領域が複数に分割されたそれぞれの分割領域毎に、あらかじめ定められた画素に関する値の積算値の情報を記憶する記憶部と、前記記憶部に記憶された情報に基づいて、前記画像領域に設定される矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得する画像処理部と、を備え、前記画像領域は、左右の方向で複数に分割され、前記画像処理部は、前記画像領域に設定される矩形範囲が２つ以上の分割領域に跨る場合には、当該２つ以上の分割領域のうちで最も右側の分割領域の画素位置における積算値を、当該最も右側の分割領域の画素位置の当該最も右側の分割領域における積算値に、前記矩形範囲が跨る左側の各分割領域の最右列にある同じ行の画素位置の当該左側の各分割領域における積算値を加算した結果として、取得する、ことを特徴とする。

（３）本発明は、上記した（１）または上記した（２）に記載の画像処理装置において、前記画像処理部は、前記画像領域に設定される矩形範囲が１つの分割領域に収まる場合には、前記記憶部に記憶された前記矩形範囲の４個の頂点の画素位置の当該分割領域における積算値の情報を用いて、前記矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得する、ことを特徴とする。

（４）本発明は、上記した（１）から上記した（３）のいずれか１つに記載の画像処理装置において、前記記憶部は、前記画像取得部により取得された画像について、前記画像領域が複数に分割されたそれぞれの分割領域毎に、各画素位置における積算値の情報として、あらかじめ定められた基準となる画素位置と当該各画素位置とを対角の頂点とする矩形部分の範囲に含まれる画素に関する値の積算値の情報を記憶する、ことを特徴とする。

（５）本発明は、上記した（１）から上記した（４）のいずれか１つに記載の画像処理装置において、前記画素に関する値として、前記画素の輝度値が用いられ、前記画素に関する値の積分値として、インテグラルイメージが用いられる、ことを特徴とする。

（６）本発明は、上記した（１）から上記した（４）のいずれか１つに記載の画像処理装置において、前記画素に関する値として、勾配方向毎に、前記画素の勾配量が用いられ、前記画素に関する値の積分値として、勾配方向毎のインテグラルヒストグラムが用いられる、ことを特徴とする。

（７）上述した課題を解決するために、本発明に係る画像処理方法は、画像取得部が、画像を取得し、画像処理部が、前記画像取得部により取得された画像について、画像領域が上下の方向で複数に分割されたそれぞれの分割領域毎に、あらかじめ定められた画素に関する値の積算値の情報を記憶する記憶部に記憶された情報に基づいて、前記画像領域に設定される矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得し、前記画像領域に設定される矩形範囲が２つ以上の分割領域に跨る場合には、当該２つ以上の分割領域のうちで最も下側の分割領域の画素位置における積算値を、当該最も下側の分割領域の画素位置の当該最も下側の分割領域における積算値に、前記矩形範囲が跨る上側の各分割領域の最下行にある同じ列の画素位置の当該上側の各分割領域における積算値を加算した結果として、取得する、ことを特徴とする。

（８）上述した課題を解決するために、本発明に係る画像処理方法は、画像取得部が、画像を取得し、画像処理部が、前記画像取得部により取得された画像について、画像領域が左右の方向で複数に分割されたそれぞれの分割領域毎に、あらかじめ定められた画素に関する値の積算値の情報を記憶する記憶部に記憶された情報に基づいて、前記画像領域に設定される矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得し、前記画像領域に設定される矩形範囲が２つ以上の分割領域に跨る場合には、当該２つ以上の分割領域のうちで最も右側の分割領域の画素位置における積算値を、当該最も右側の分割領域の画素位置の当該最も右側の分割領域における積算値に、前記矩形範囲が跨る左側の各分割領域の最右列にある同じ行の画素位置の当該左側の各分割領域における積算値を加算した結果として、取得する、ことを特徴とする。

（９）上述した課題を解決するために、本発明に係る画像処理プログラムは、画像取得部が、画像を取得する手順と、画像処理部が、前記画像取得部により取得された画像について、画像領域が上下の方向で複数に分割されたそれぞれの分割領域毎に、あらかじめ定められた画素に関する値の積算値の情報を記憶する記憶部に記憶された情報に基づいて、前記画像領域に設定される矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得し、前記画像領域に設定される矩形範囲が２つ以上の分割領域に跨る場合には、当該２つ以上の分割領域のうちで最も下側の分割領域の画素位置における積算値を、当該最も下側の分割領域の画素位置の当該最も下側の分割領域における積算値に、前記矩形範囲が跨る上側の各分割領域の最下行にある同じ列の画素位置の当該上側の各分割領域における積算値を加算した結果として、取得する手順と、をコンピュータに実行させるためのプログラムである。

（１０）上述した課題を解決するために、本発明に係る画像処理プログラムは、画像取得部が、画像を取得する手順と、画像処理部が、前記画像取得部により取得された画像について、画像領域が左右の方向で複数に分割されたそれぞれの分割領域毎に、あらかじめ定められた画素に関する値の積算値の情報を記憶する記憶部に記憶された情報に基づいて、前記画像領域に設定される矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得し、前記画像領域に設定される矩形範囲が２つ以上の分割領域に跨る場合には、当該２つ以上の分割領域のうちで最も右側の分割領域の画素位置における積算値を、当該最も右側の分割領域の画素位置の当該最も右側の分割領域における積算値に、前記矩形範囲が跨る左側の各分割領域の最右列にある同じ行の画素位置の当該左側の各分割領域における積算値を加算した結果として、取得する手順と、をコンピュータに実行させるためのプログラムである。

以上説明したように、本発明によれば、所定の範囲（領域）の積算値を効率的に得ることができる画像処理装置、画像処理方法および画像処理プログラムを提供することが可能になる。

本発明の一実施形態に係る画像処理システムの構成（ハードウェア構成）を示す概略ブロック図である。

本発明の第１実施形態に係る分割インテグラルヒストグラム領域の一例を示す図である。

本発明の第１実施形態に係る分割インテグラルヒストグラム領域の詳細を説明するための図である。

ウィンドウ内の矩形領域が分割領域を跨ぐ場合と跨がない場合の様子の一例を示す図である。

本発明の第１実施形態に係る物体認識部により行われる処理の手順の一例を示すフローチャート図である。

本発明の第１実施形態に係る物体認識部により行われるＨＯＧ特徴量（ベクトル）算出処理の手順の一例を示すフローチャート図である。

ウィンドウ内の矩形領域が分割領域を跨ぐか否かを判定する方法の一例を説明するための図である。

本発明の第２実施形態に係る分割インテグラルヒストグラム領域の一例を示す図である。

本発明の第２実施形態に係る分割インテグラルヒストグラム領域の詳細を説明するための図である。

ウィンドウ内の矩形領域が分割領域を跨ぐ場合と跨がない場合の様子の一例を示す図である。

分割インテグラルヒストグラム領域における加算行の一例を示す図である。

本発明の第２実施形態に係る物体認識部により行われる処理の手順の一例を示すフローチャート図である。

本発明の第３実施形態に係る分割インテグラルヒストグラム領域の一例を示す図である。

分割インテグラルヒストグラム領域における加算列の一例を示す図である。

本発明の第３実施形態に係る物体認識部により行われる処理の手順の一例を示すフローチャート図である。

（Ａ）は輝度画像の一例を示す図であり、（Ｂ）は勾配の一例を示す図であり、（Ｃ）は勾配強度の一例を示す図であり、（Ｄ）は勾配方向の一例を示す図である。

（Ａ）および（Ｂ）はＨＯＧ特徴量を説明するための図である。

（Ａ）はオリジナル画像の一例を示す図であり、（Ｂ）は累積行加算の結果の一例を示す図であり、（Ｃ）は積分画像の一例を示す図である。

（Ａ）および（Ｂ）はＨａａｒ−ｌｉｋｅ特徴量を説明するための図である。

背景技術に係る物体認識部により行われる処理の手順の一例を示すフローチャート図である。

背景技術に係る物体認識部により行われる物体認識処理の手順の一例を示すフローチャート図である。

［用語の説明］
勾配方向特徴量は、画像の輝度の勾配方向と勾配強度に関する特徴量のことである。 なお、勾配強度は、情報量を低減した公知の勾配度数を用いることもできる。 本願において、勾配強度と勾配度数を含む、広義の勾配値を勾配量と定義する。
本願において、積分勾配画像（インテグラルヒストグラム）は、画像の輝度について勾配方向と勾配量を算出して、それぞれの勾配方向毎に勾配量を積分した結果（積分勾配値）のことである。 ここで、この積分は、例えば、積分勾配画像を求める対象となる領域に含まれる全ての画素（ｐｉｘｅｌ（ピクセル））について行われる。

本願において、「積算」と「積分」は、概略的には同様な処理を行っており、「積算」を用いる場合の他の構成例として「積分」が用いられてもよく、逆に、「積分」を用いる場合の他の構成例として「積算」が用いられてもよい。

また、識別器としては、Ｒｅａｌ ＡｄａＢｏｏｓｔの識別器や、ＡｄａＢｏｏｓｔの識別器や、ＳＶＭの識別器など、様々なものを含む。
また、識別器の下位概念として、統計的学習を行う識別器があり、その下位概念として、Ｂｏｏｓｔｉｎｇの識別器があり、その下位概念として、Ｒｅａｌ ＡｄａＢｏｏｓｔの識別器などがある。
ここで、Ｂｏｏｓｔｉｎｇは、複数の弱識別器を使用した統計的学習を行うものである。
また、矩形には、長方形ばかりでなく、正方形も含まれる。

［第１実施形態］
本実施形態では、車両に搭載されて物体認識の処理を行う車載用の画像処理システムを例として説明する。
図１は、本発明の一実施形態に係る画像処理システムの構成（ハードウェア構成）を示す概略ブロック図である。
本実施形態に係る画像処理システムは、カメラＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）１と、警報装置２と、ＡＣＣ−ＥＣＵ３と、衝突回避制御−ＥＣＵ４と、を備える。
なお、カメラＥＣＵ１は、画像処理装置の一例である。
カメラＥＣＵ１は、カメラ１１と、画像取得部１２と、物体認識部（画像処理部の一例）１３と、制御部１４と、を備える。

物体認識部１３は、本実施形態では、ＦＰＧＡ２１の機能と、マイクロコンピュータ２２の機能と、メモリ（記憶部の一例）２３の機能を用いて構成される。
なお、ＦＰＧＡ２１の機能の代わりに、または、ＦＰＧＡ２１の機能と共に、ＤＳＰの機能が用いられてもよい。
制御部１４は、本実施形態では、例えばＣＰＵを有するマイクロコンピュータ２２の機能と、メモリ２３の機能を用いて構成される。
また、物体認識部１３および制御部１４のメモリ２３および周辺回路は、ＦＰＧＡ、ＤＳＰ、マイクロコンピュータ内の集積回路に格納されているものを使用するか、もしくはそれらの外部に設けても良い。

ここで、物体認識部１３および制御部１４において、ＦＰＧＡ、ＤＳＰ、マイクロコンピュータといったデバイスについては、任意の数のデバイスが用いられてもよく、例えば、全てのデバイスが用いられてもよく、または、必ずしも全てのデバイスが必要ではなく、１つのデバイスあるいは２つのデバイスに全ての処理の機能を実装することも可能である。

本実施形態に係る画像処理システムに備えられる各処理部の概要を説明する。
カメラ１１は、例えば、車両の前方、側方または後方等のようにあらかじめ定められた方向の画像を撮像する車両位置に設けられる。 本実施形態では、カメラ１１は、車両の前方の目標物体を撮像して認識することができる車両位置に設けられる。
カメラ１１は、画像を撮像し、撮像した画像の信号を画像取得部１２に出力する。
画像取得部１２は、カメラ１１からの画像を画像データとして取り込み、取り込んだ画像データを物体認識部１３に出力する。

物体認識部１３は、画像取得部１２から入力される画像データについて、ＦＰＧＡ２１やマイクロコンピュータ２２により、物体認識のために、画像処理およびパターン認識の演算を行い、物体認識の処理の結果の情報を制御部１４に出力する。 この画像処理としては、例えば、前処理のフィルタリング処理などが行われる。
また、パターン認識の結果の情報としては、例えば、画像データの画像中における目標物体の情報が用いられる。

メモリ２３は、各種の情報を記憶する。
本実施形態では、例えば、インテグラルヒストグラム（または、インテグラルイメージ）のデータが、ＦＰＧＡ２１内（または、ＤＳＰ内）またはマイクロコンピュータ２２内で作成されて、メモリ２３に転送されて格納（記憶）される。

制御部１４は、物体認識部１３から入力される物体認識の処理の結果の情報に基づいて、あらかじめ定められた処理を行い、その結果の情報を警報装置２やＡＣＣ−ＥＣＵ３や衝突回避制御−ＥＣＵ４に出力する。
具体例として、制御部１４は、物体認識部１３から入力される物体認識の処理の結果の情報である目標物体の情報に基づいて、あらかじめ定められた処理として、目標物体との間のＴＴＣ（Ｔｉｍｅ ｔｏ Ｃｏｌｌｉｓｉｏｎ）や距離を算出する処理や、目標物体のトラッキングを行う処理や、他の装置やＥＣＵ（本実施形態では、警報装置２やＡＣＣ−ＥＣＵ３や衝突回避制御−ＥＣＵ４）のアプリケーション機能と通信する処理などを行う。

警報装置２やＡＣＣ−ＥＣＵ３や衝突回避制御−ＥＣＵ４は、カメラＥＣＵ１の制御部１４を介して各アプリケーション機能を実行するように設けられる。
警報装置２は、制御部１４から入力される情報に基づいて、例えば、目標物体が前方の車両である場合における前方車両衝突警報や、目標物体が歩行者である場合における歩行者衝突警報などを行う。
ＡＣＣ−ＥＣＵ３は、制御部１４から入力される情報に基づいて、例えば、目標物体が前方の車両である場合における車間距離制御などを行う。
衝突回避制御−ＥＣＵ４は、制御部１４から入力される情報に基づいて、例えば、目標物体が前方の車両である場合における衝突回避制御や、目標物体が歩行者である場合における歩行者衝突回避制御などを行う。 衝突回避制御−ＥＣＵ４は、例えば、ブレーキ制御やステアリング制御と連携する。

以下で、本実施形態に係る物体認識部１３により行われる処理を説明する。
以下では、インテグラルヒストグラムを例として説明するが、他の構成例として、インテグラルイメージに適用することも可能である。
図２は、本実施形態に係る分割インテグラルヒストグラム領域の一例を示す図である。
本実施形態では、カメラ１１により撮像される画像（全体の画像）が、水平方向６４０画素×垂直方向４８０画素の画像であるとする。
本実施形態では、全画像のうちで使用する領域部分を上下（横）に２分割して、そのうちの下側の接地物体認識領域と、そのうちの上側の上部物体認識領域と、に分けてある。 なお、本実施形態では、接地物体認識領域より下側の領域は、不使用の領域部分である。

接地物体認識領域は、例えば、主に車両、２輪車、自転車、歩行者などのように、接地していて自車両と衝突する可能性がある領域に存在する物体（接地物体）を捉える領域である。 接地物体認識領域の行幅はＡ［ｐｉｘｅｌ］の行の区間である。
上部物体認識領域は、主に上部の道路標識（案内表示を含む）などの物体（上部物体）を捉える領域である。 上部物体認識領域では、上部物体を認識することができる追加行幅は、Ｂ［ｐｉｘｅｌ］の行の区間である。
不使用の領域部分では、不使用の行幅は（４８０−Ａ−Ｂ）［ｐｉｘｅｌ］の行の区間である。

なお、全画像領域を分割する方法は、例えば、あらかじめ設定されて、メモリ２３などに記憶される。 具体的には、全画像領域のうちで、上部物体認識領域とする領域を特定する情報や、接地物体認識領域とする領域を特定する情報や、不使用領域とする領域を特定する情報が、メモリ２３などに記憶される。
また、他の構成例として、全画像領域を分割する方法が、自車両の挙動や撮像画像により適応的に設定されたり、ユーザによる指示入力に応じて設定されてもよい。
ここで、上部物体認識領域や接地物体認識領域といった分割領域を総和したものは、例えば、全画像領域となってもよく、または、全画像領域のうちの一部になってもよい。 また、不使用領域は、設けられてもよく、または、設けられなくてもよい。

図３は、本実施形態に係る分割インテグラルヒストグラム領域の詳細を説明するための図である。
本実施形態では、画像を構成する画素について、水平方向の画素位置（座標値）をｘ［ｐｉｘｅｌ］を用いて表し、垂直方向の画素位置（座標値）をｙ［ｐｉｘｅｌ］を用いて表す。
本実施形態では、画像の左上の画素位置を原点（０、０）とし、水平方向については右へ行くほどｘの値が大きくなるとし、垂直方向については下へ行くほどｙの値が大きくなるとする。

積算式は、式（１）で表される。
ｉ（ｘ、ｙ）は、画素位置（ｘ、ｙ）における積算する対象の値を表す。 積算する対象の値としては、本実施形態では勾配強度の値が用いられるが、他の値が用いられてもよい。
ｉｉ（ｘ _ｎ 、ｙ _ｎ ）は、積算値を表す。
（ｘ _０ 、ｙ _０ ）は、積算値算出の原点（画素位置）を表す。
（ｘ _ｎ 、ｙ _ｎ ）は、任意の点（画素位置）を表す。
（ｘ _Ｎ−１ 、ｙ _Ｎ１−１ ）について、（Ｎ−１）は６３９であり、（Ｎ１−１）は上部物体認識領域の最下行を表す値である。
（ｘ _Ｎ−１ 、ｙ _Ｎ２−１ ）について、（Ｎ−１）は６３９であり、（Ｎ２−１）は接地物体認識領域の最下行を表す値である。

本実施形態では、上部物体認識領域は、矩形の形状を有しており、その左上の画素位置が（ｘ _α 、ｙ _α ）で表され、その右下の画素位置が（ｘ _Ｎ−１ 、ｙ _Ｎ１−１ ）で表されるとする。
上部物体認識領域については、物体認識部１３は、画素位置（ｘ _α 、ｙ _α ）を基準点にして、（ｘ _０ 、ｙ _０ ）＝（ｘ _α 、ｙ _α ）から（ｘ _ｎ 、ｙ _ｎ ）＝（ｘ _Ｎ−１ 、ｙ _Ｎ１−１ ）までの勾配強度値ｉ（ｘ、ｙ）を積算して、その積算値ｉｉ（ｘ _ｎ 、ｙ _ｎ ）をメモリ２３に転送する。

ここで、（ｘ _Ｎ−１ 、ｙ _Ｎ１−１ ）は、６３９（＝Ｎ−１）列目とＢ区間（＝Ｎ１−１）の行目との交点の画素位置である。
また、ｙ _αは、上部物体を認識することができる上限の画素位置［ｐｉｘｅｌ］である。

このような分割インテグラルヒストグラム領域を用いると、積算値を抑圧させることができる。 例えば、水平方向６４０画素×垂直方向１００画素にインテグラルヒストグラムを分割すると２４ビット（６４０×１００×２５６を表現できるビット数）となり、それだけで精度に影響しない３ビット分の積算勾配強度値のデータ長削減を実現することができる。

本実施形態では、接地物体認識領域は、矩形の形状を有しており、その左上の画素位置が（ｘ _β 、ｙ _β ）で表され、その右下の画素位置が（ｘ _Ｎ−１ 、ｙ _Ｎ２−１ ）で表されるとする。
接地物体認識領域については、物体認識部１３は、画素位置（ｘ _β 、ｙ _β ）を基準点にして、（ｘ _０ 、ｙ _０ ）＝（ｘ _β 、ｙ _β ）から（ｘ _ｎ 、ｙ _ｎ ）＝（ｘ _Ｎ−１ 、ｙ _Ｎ２−１ ）までの勾配強度値ｉ（ｘ、ｙ）を積算して、その積算値ｉｉ（ｘ _ｎ 、ｙ _ｎ ）をメモリ２３に転送する。

ここで、（ｘ _Ｎ−１ 、ｙ _Ｎ２−１ ）は、６３９（＝Ｎ−１）列目とＡ区間（＝Ｎ２−１）の行目との交点の画素位置である。
また、ｙ _βは、接地物体を認識することができる上限の画素位置［ｐｉｘｅｌ］である。

このような分割インテグラルヒストグラム領域を用いると、積算値を抑圧させることができる。

図４は、ウィンドウ内の矩形領域が分割領域を跨ぐ場合と跨がない場合の様子の一例を示す図である。
ウィンドウ内の矩形領域１０１のように、分割領域を跨がずに、全ての画素位置のｙがｙ _βより小さいとき（例えば、近距離のとき）には、上部物体認識領域を使用する。
ウィンドウ内の矩形領域１０３のように、分割領域を跨がずに、全ての画素位置のｙがｙ _β以上であるとき（例えば、遠距離のとき）には、接地物体認識領域を使用する。

ウィンドウ内の矩形領域１０２のように、分割領域を跨いで、画素位置のｙがｙ _βより小さいところとｙ _β以上であるところがあるとき（例えば、中距離のとき）には、下部の接地物体認識領域の２点１２１、１２２の勾配強度積算値に対して、各々、上部の上部物体認識領域の最下行で同列の２点１１１、１１２の勾配強度積算値を加算する。 これにより、領域を分割しない場合における積算値と同じ積算値が求められる。

例えば、カメラ１１を前方に向けて搭載した車両が前方に進んでいる場合、近い未来に上部物体となるものが、まだ遠距離に存在するときには下部の接地物体認識領域で撮像され、中距離程度に存在するようになると分割領域を跨ぐように撮像され、近距離に存在するようになると上部物体認識領域のみで撮像される。

ここで、分割領域を跨ぐウィンドウ内の矩形領域における物体認識処理は、例えば、上部物体認識処理において行われてもよく、または、接地物体認識処理において行われてもよく、または、これらの両方で行われてもよく、または、これらとは異なる処理（例えば、分割領域を跨ぐ可能性がある物体の認識処理）を設けてその処理において行われてもよい。

図５は、本実施形態に係る物体認識部１３により行われる処理の手順の一例を示すフローチャート図である。
ここで、図５に示されるフローチャートは、図２に示されるようにインテグラルヒストグラムを上下（横）の２領域に分けた場合のものであり、概略的には、図２０に示される背景技術に係るフローチャートと比べて、分割したインテグラルヒストグラムの作成とメモリへの転送を追加しており（ステップＳ２〜ステップＳ５）、４種類の物体認識に対応させている（ステップＳ６〜ステップＳ９）。

まず、物体認識部１３は、処理対象（本実施形態では、目標物体の認識対象）となる画像について、輝度の勾配を算出する（ステップＳ１）。
次に、物体認識部１３は、上部物体認識領域のインテグラルヒストグラムを作成する（ステップＳ２）。
なお、インテグラルヒストグラムを作成する処理は、例えば、ＦＰＧＡ２１（または、ＤＳＰ）またはマイクロコンピュータ２２などのうちの任意の１つ以上により行われる。
次に、物体認識部１３は、作成した上部物体認識領域のインテグラルヒストグラムのデータをメモリ２３に転送する（ステップＳ３）。

次に、物体認識部１３は、接地物体認識領域のインテグラルヒストグラムを作成する（ステップＳ４）。
次に、物体認識部１３は、作成した接地物体認識領域のインテグラルヒストグラムのデータをメモリ２３に転送する（ステップＳ５）。
なお、ステップＳ２の処理〜ステップＳ５の処理は、図３に示される。

次に、物体認識部１３は、メモリ２３に記憶したインテグラルヒストグラムのデータを入力データとして、物体認識処理（本実施形態では、物体認識のためのパターン認識の処理）を行う（ステップＳ６〜ステップＳ９）。
具体的には、物体認識部１３は、上部物体認識処理を行い（ステップＳ６）、接地物体認識処理−ａを行い（ステップＳ７）、接地物体認識処理−ｂを行い（ステップＳ８）、接地物体認識処理−ｃを行う（ステップＳ９）。

ここで、上部物体認識処理では、主に画像の上部（例えば、自車両よりも上空の領域）に存在する物体を認識する処理を行う。
また、接地物体認識処理では、主に画像の上部と比べて画像の下部（例えば、車両がぶつかり得る領域）に存在する物体を認識する処理を行う。
また、接地物体認識処理−ａ、接地物体認識処理−ｂ、接地物体認識処理−ｃは、それぞれ、異なる接地物体を認識する処理を行う。 異なる接地物体としては、例えば、車両、２輪車、自転車、歩行者などがある。

図６は、本発実施形態に係る物体認識部１３により行われるＨＯＧ特徴量（ベクトル）算出処理の手順の一例を示すフローチャート図である。
本実施形態では、ＨＯＧ特徴量による特徴量算出を構成している。
また、本実施形態では、矩形の形状を有するウィンドウを用いる。
ここで、図６に示されるフローチャートは、概略的には、図２１に示される背景技術に係るフローチャートに対して、ＨＯＧ特徴量（ベクトル）算出（ステップＳ１１０２）のステップに該当する。 従って、図６の処理を実施した図２１の処理が、ステップＳ６〜ステップＳ９に反映される。

なお、ステップＳ６〜ステップＳ９に示される各物体認識処理は、例えば、それぞれが独立に行われてもよく、この場合には、それぞれの物体認識処理毎に図６に示されるフローチャートのような処理を行う。 他の構成例として、ステップＳ６〜ステップＳ９に示される複数種類の物体認識処理がまとめて行われてもよく、この場合には、これら複数種類の物体認識処理について共通に図６に示されるフローチャートのような処理を行う。

物体認識処理（ステップＳ６〜ステップＳ９の処理）において、まず、図２１で示すように、物体認識部１３は、ラスタスキャンの処理として、メモリに記憶されたインテグラルヒストグラムの領域内において、あらかじめ設定された任意の座標領域（ウィンドウ）で抽出を行う（ステップＳ１１０１）。 この場合、物体認識部１３は、メモリ２３に記憶されたインテグラルヒストグラムのデータにアクセスして、そのデータを取得して使用する。

ここで、本実施形態では、例えば、上部物体認識処理（ステップＳ６）と、接地物体認識処理−ａ（ステップＳ７）と、接地物体認識処理−ｂ（ステップＳ８）と、接地物体認識処理−ｃ（ステップＳ９）とをそれぞれ独立に行う場合に、ラスタスキャンする領域を異ならせることも可能である。

次に、物体認識処理（ステップＳ６〜ステップＳ９の処理）のＨＯＧ特徴量（ベクトル）算出処理において、まず、物体認識部１３は、各セルの抽出を行う（ステップＳ２１）。

次に、物体認識部１３は、ウィンドウ内の矩形領域（本実施形態の場合、ＨＯＧ特徴量におけるセル）が分割ヒストグラム領域を跨ぐか否かを判定する（ステップＳ２２）。
ステップＳ２２の処理における判定の結果、物体認識部１３は、ウィンドウ内の矩形領域が分割インテグラルヒストグラム領域を跨がないと判定した場合には、メモリ２３から読み出した積算値（インテグラルヒストグラムのデータ）をそのまま使用することとして（ステップＳ２３）、ステップＳ２４の処理へ移行する。

一方、ステップＳ２２の処理における判定の結果、物体認識部１３は、ウィンドウ内の矩形領域が分割インテグラルヒストグラム領域を跨ぐと判定した場合には、メモリ２３から読み出した積算値（インテグラルヒストグラムのデータ）について、下部領域（本実施形態では、接地物体認識領域）の積算値に上部領域（本実施形態では、上部物体認識領域）の最下行部の同列の積算値を加算した結果を使用することとして（ステップＳ２７）、ステップＳ２４の処理へ移行する。
なお、ステップＳ２３の処理およびステップＳ２７の処理は、図４に示される。

次に、ステップＳ２４の処理では、物体認識部１３は、特徴量算出処理として、特徴ベクトルを算出する（ステップＳ２４）。 本実施形態では、物体認識部１３は、特徴ベクトルとして、ＨＯＧ特徴量（ベクトル）を算出する。
なお、ＨＯＧ特徴量の算出に関する例が、図１７に示される。
ＨＯＧ特徴量としては、ウィンドウ内をさらに細かいセル単位で区切り、そのセル単位にインテグラルヒストグラムによる矩形領域を当てはめ、４点の積算値の加減算により矩形領域の積算値を求める。 これを勾配方向毎に行うことで、セル単位の勾配ヒストグラムとなる。

そして、物体認識部１３は、ウィンドウ内の矩形領域抽出（本実施形態では、全てのセルの抽出）の処理が終了したか否かを確認し（ステップＳ２５）、ウィンドウ内の矩形領域抽出の処理が終了するまで、順次、ステップＳ２１の処理〜ステップＳ２５の処理、ステップＳ２７の処理を繰り返して行う。

ここで、上述のように、ステップＳ２７の処理では、ウィンドウ内の特徴量を抽出する際に求める矩形領域の４点の積算値の画素位置が、インテグラルヒストグラムの分割領域を跨ぐ場合に、下部領域の積算値に上部領域の最下行部の同列の積算値を加算する処理を行う。 これにより、分割されているインテグラルヒストグラムにおいても、正しく４点の積算値が求められ、矩形領域の積算値を求めることができる。
なお、矩形領域の積算値が、図１８および図１９に示される。

次に、物体認識部１３は、図２１で示すように、識別器による識別処理として、算出したＨＯＧ特徴量に基づいて、あらかじめターゲット（目標）としている物体（物体の画像）を認識する（ステップＳ１１０３）。
本実施形態では、Ｒｅａｌ ＡｄａＢｏｏｓｔの識別器を用いている。 Ｒｅａｌ ＡｄａＢｏｏｓｔの識別器では、あらかじめ目標の物体のＨＯＧ特徴量を学習させて、適切な弱識別器により構成された識別器に設定してある。

ここで、本実施形態では、例えば、上部物体認識処理（ステップＳ６）と、接地物体認識処理−ａ（ステップＳ７）と、接地物体認識処理−ｂ（ステップＳ８）と、接地物体認識処理−ｃ（ステップＳ９）とで、目標の物体を異ならせることができる。

そして、物体認識部１３は、図２１で示すように、ラスタスキャンの処理が終了したか否かを確認し（ステップＳ１１０４）、ラスタスキャンの処理が終了するまで、ラスタスキャンの領域に対してウィンドウをスライドさせて、順次、ステップＳ１１０１の処理、図６に示される処理（ステップＳ１１０２に該当する処理）、ステップＳ１１０３の処理、ステップＳ１１０４の処理を繰り返して行う。
なお、ラスタスキャンの処理では、例えば、同一のウィンドウスケールで前記した繰り返しの処理を終了した後に、ウィンドウのスケールやスキャンステップを可変（変更）して、再び、ウィンドウを順次スライドさせていき、ラスタスキャンの処理が終了するまでこのような処理を繰り返して行う。

図７は、ステップＳ２２の処理において、ウィンドウ内の矩形領域が分割領域を跨ぐか否かを判定する方法の一例を説明するための図である。
図７には、上部物体認識領域と、接地物体認識領域と、ウィンドウ内の矩形領域２０１を示してある。
図７の例では、ウィンドウ内の矩形領域２０１において、左上の頂点の画素位置のｙはａであり、右上の頂点の画素位置のｙはｂであり、左下の頂点の画素位置のｙはｄであり、右下の頂点の画素位置のｙはｅである。

図７の例では、ｙ _βは、下部（本実施形態では、接地物体認識領域）のインテグラルヒストグラムの基準最上行にあたる画像のｙ座標値［ｐｉｘｅｌ］である。 このｙ _βの値は、例えば、任意に設定することが可能であり、自車両の挙動や撮像画像により適応的に設定することや、ユーザによる指示入力に応じての設定も可能である。

ウィンドウ内の矩形領域２０１が分割領域を跨ぐか否かを判定する条件式は、式（２）で表される。
すなわち、本実施形態では、抽出する矩形領域の上部のｙ（ａ、または、ｂ）がｙ _βよりも小さく、且つ、当該矩形領域の下部のｙ（ｄ、または、ｅ）がｙ _β以上であるときに、上下の分割インテグラルヒストグラム領域を跨いでいると判定する。

ステップＳ２７の処理において、下部領域（本実施形態では、接地物体認識領域）の積算値に上部領域（本実施形態では、上部物体認識領域）の最下行部の同列の積算値を加算する演算式は、例えば、式（３）で表される。
ここで、ｉｉ−Ｌ（ｘ _ｎ ，ｙ _ｎ ）は、下部領域の任意の行および任意の列の点（ｘ _ｎ ，ｙ _ｎ ）における積算値を表す。
また、ｉｉ−Ｕ（ｘ _ｎ ，ｙ _Ｎ１−１ ）は、上部領域の最下行および前記任意の列の点（ｘ _ｎ ，ｙ _Ｎ１−１ ）における積算値を表す。 （Ｎ１−１）は、上部領域の最下行を表す。
また、ｉｉ−ＡＤＤ（ｘ _ｎ ，ｙ _ｎ ）は、加算積算値を表す。

以上のように、本実施形態に係る画像処理システムにおけるカメラＥＣＵ１の物体認識部１３は、取得した画像から特定領域のインテグラルヒストグラム（または、インテグラルイメージ）を作成する場合に、画像の上下の領域を複数に分割してそれぞれ独立した積算値を計算する。 そして、本実施形態に係る物体認識部１３は、上下に分割したそれぞれの領域に跨る矩形範囲（矩形領域）の積算値を算出するときに、下側の領域の点の積算値を、当該下側の領域の点の当該下側の領域における積算値に、上側の各領域（例えば、当該矩形範囲が跨る各領域、または、他の構成例として、存在する全ての各領域）の最下行にある同じ列の点の当該上側の各領域における積算値を加算して、計算する。

また、本実施形態に係る物体認識部１３は、取得した画像から特定領域のインテグラルヒストグラム（または、インテグラルイメージ）を作成する場合に、画像の上下の領域を複数に分割してそれぞれ独立した積算値を計算し、そして、本実施形態に係る物体認識部１３は、上下に分割したそれぞれの領域に跨らない矩形範囲（矩形領域）の積算値を算出するときに、それぞれの領域（分割領域）での積算値を用いる。

また、本実施形態に係る物体認識部１３は、分割した領域のそれぞれで独立した積算値として、分割した領域毎に統一した基準点の位置からの積算値を計算する。

以上のように、本実施形態に係る画像処理システムにおけるカメラＥＣＵ１の物体認識部１３によると、所定の範囲（領域）の積算値を効率的に得ることができる。
すなわち、本実施形態に係る物体認識部１３では、インテグラルヒストグラム（または、インテグラルイメージ）の領域分割により、情報量を失うことなく、積算値（例えば、勾配方向毎の勾配強度の積算値）によるデータ長を制限し、簡単に矩形領域の積算値を求めて特徴量を算出することができる。

例えば、本実施形態では、データ長を制限した積算値とすることにより、低いメモリ２３の容量の実現が可能となり、メモリ２３へのデータ転送やＣＰＵのメモリアクセスの効率性が向上し、効率良く特徴量を求めることができるという効果を奏する。 また、本実施形態では、共通のインテグラルヒストグラム（または、インテグラルイメージ）を各目標物体のパターン認識のデータにする統合方式において、車両、２輪車、自転車、歩行者などのほか、道路標識などのように、一度に多種類の目標物体の認識処理を全て含んだ１つの装置（例えば、本実施形態に係るカメラＥＣＵ１）の適用が可能となるという効果を奏する。

本実施形態では、ターゲット（目標）とする物体の認識に好適な装置や、方法や、これらに用いるコンピュータプログラムなどを提供することができる。

［関連技術の説明］
図１６〜図１９を参照して、本実施形態に関連する技術を説明する。
図１６（Ａ）〜図１６（Ｄ）を参照して、勾配方向および勾配強度の算出例を説明する。
図１６（Ａ）は、輝度画像の一例を示す図である。
この例では、横（水平）方向のｘ軸の画素位置をｕで表しており、右へ行くほど座標値が大きくなる。 また、縦（垂直）方向のｙ軸の画素位置をｖで表しており、下へ行くほど座標値が大きくなる。
ｘ−ｙ直交座標の平面上における画素位置は、座標（ｕ、ｖ）で表される。

図１６（Ｂ）は、勾配の一例を示す図である。
この例では、座標（ｕ、ｖ）の画素位置における輝度をＩ（ｕ、ｖ）で表す。
座標（ｕ、ｖ）の画素位置における横（水平）方向の輝度の勾配をＩｘで表し、Ｉｘを式（４）で表す。 また、座標（ｕ、ｖ）の画素位置における縦（垂直）方向の輝度の勾配をＩｙで表し、Ｉｙを式（５）で表す。

図１６（Ｃ）は、勾配強度の一例を示す図である。
この例では、座標（ｕ、ｖ）の画素位置における勾配強度をｍ（ｕ、ｖ）で表し、ｍ（ｕ、ｖ）を式（６）で表す。
図１６（Ｄ）は、勾配方向の一例を示す図である。
この例では、座標（ｕ、ｖ）の画素位置における勾配方向をθ（ｕ、ｖ）で表し、θ（ｕ、ｖ）を式（７）で表す。

ここで、画像における輝度の勾配は、微分画像に対応する。 また、例えば、輝度の勾配が所定の閾値より大きい画素位置のつながりを勾配として検出することが可能である。
また、勾配を算出する手法としては、例えば、ソーベルフィルタを用いる手法などのように、他の手法を用いることもできる。
また、積分勾配画像は、例えば、ＨＯＧ特徴量を算出する際によく用いられる。

図１７（Ａ）および図１７（Ｂ）を参照して、ＨＯＧ特徴量を説明する。
図１７（Ａ）は、セルによるヒストグラム化の一例を示す。
画像の中に設定されるセル２００１と、３×３の計９個のセルから構成されるブロック２００２を示す。
また、１個のセルが横（水平）方向に５画素（５ｐｉｘｅｌ）、縦（垂直）方向に５画素（５ｐｉｘｅｌ）から構成される場合を示す。
そして、セル２００１について、セル単位での輝度勾配分布２００３を示す。 また、これについて、９方向を例として、方向を横軸とし且つ勾配強度を縦軸とした勾配方向ヒストグラムを示す。
また、この例では、ブロック２００２の単位で、その領域で、セル内の輝度勾配を正規化する。

図１７（Ｂ）は、ブロック領域により正規化された、ＨＯＧ特徴量を算出する例を示す。
９方向を例として、１個のセル２０１１の特徴ベクトルＦ _ｊ，ｋは、式（８）により表される。 各方向（方向１〜方向９）の特徴ベクトルの成分ｆをｆ _１ 〜ｆ _９とする。 ここで、ｋはセルの横（水平）方向の位置を表し、ｊは縦（垂直）方向の位置を表す。
ブロック２０１２の特徴ベクトルＶは、式（９）により表される。
この特徴ベクトルＶの大きさにより正規化した結果ｖは、式（１０）により表される。
この例では、ＨＯＧ特徴ベクトルは、９セル×９次元×４ブロック数＝３２４次元となる。

図１８（Ａ）、図１８（Ｂ）、図１８（Ｃ）を参照して、積分画像（インテグラルイメージ）について説明する。
図１８（Ａ）は、オリジナル画像の一例を示す図である。
この例では、オリジナル画像として、輝度画像２１０１を示す。
輝度画像２１０１について、横（水平）方向のｘ軸、縦（垂直）方向のｙ軸に関し、画素位置（ｘ、ｙ）の輝度値をｉ（ｘ、ｙ）とする。

図１８（Ｂ）は、累積行加算の結果の一例を示す図である。
この例では、枠内の左上から右下まで、繰り返して積分する。
累積行加算の結果２１０２において、位置（ｘ、ｙ）の累積行加算値ｓ（ｘ、ｙ）は、式（１１）により表される。

図１８（Ｃ）は、積分画像の一例を示す図である。
この例では、枠内の左上から右下まで、繰り返して積分する。
積分画像２１０３において、位置（ｘ、ｙ）の積分値ｉｉ（ｘ、ｙ）は、式（１２）により表される。

図１９（Ａ）および図１９（Ｂ）を参照して、Ｈａａｒ−ｌｉｋｅ特徴量を説明する。
図１９（Ａ）は、２矩形２２０１を示す。
２矩形２２０１の特徴として、左右の矩形の特徴量の差分を用いる。

図１９（Ｂ）は、２矩形特徴の求め方を示す。 この例では、積分画像から部分領域の積分値を計算する。
ａ、ｂ、ｃ、ｄ，ｅ、ｆを、それぞれ、各点における積分勾配値とする。
右側の領域（領域１）の単矩形特徴量は、式（１３）により表され、４点で算出することができる。
左側の領域（領域２）の単矩形特徴量は、式（１４）により表され、４点で算出することができる。
領域１の特徴量と領域２の特徴量との差分である２矩形特徴量は、式（１５）により表され、６点で算出することができる。

なお、積分においては、例えば、画面の左上から右下まで、繰り返して積分する。
インテグラルイメージの矩形領域は、このようにＨａａｒ−ｌｉｋｅ特徴量の矩形に用いられる。
このような積分画像の応用として、インテグラルヒストグラム（勾配積分ヒストグラム）がある。
具体的には、勾配画像について、勾配方向毎に積分を行う。
これにより、容易に、セル単位のヒストグラムを作成することができる。
インテグラルヒストグラムの矩形領域は、例えば、ＨＯＧ特徴量のセルに用いられる。

［第２実施形態］
本実施形態に係る画像処理システムの構成は、概略的に、図１に示されるものと同様である。 このため、本実施形態では、図１に示されるものと同じ符号を用いて説明する。
また、本実施形態では、主に、第１実施形態の場合とは異なる点について説明し、第１実施形態の場合と同様な点については詳しい説明を省略する。

以下で、本実施形態に係る物体認識部１３により行われる処理を説明する。
以下では、インテグラルヒストグラムを例として説明するが、他の構成例として、インテグラルイメージに適用することも可能である。
図８は、本実施形態に係る分割インテグラルヒストグラム領域の一例を示す図である。
本実施形態では、カメラ１１により撮像される画像（全体の画像）が、水平方向６４０画素×垂直方向４８０画素の画像であるとする。
本実施形態では、全画像のうちで使用する領域部分を上下（横）に３分割して、そのうちの最も下側の接地物体認識領域−２と、そのうちの中央の接地物体認識領域−１と、そのうちの最も上側の上部物体認識領域と、に分けてある。 上部物体認識領域と接地物体認識領域（接地物体認識領域−１および接地物体認識領域−２）としては、上部物体認識領域が上側にあり、接地物体認識領域が下側にある。 なお、本実施形態では、接地物体認識領域（接地物体認識領域−１および接地物体認識領域−２）より下側の領域は、不使用の領域部分である。

ここで、図８に示される本実施形態に係る分割インテグラルヒストグラム領域は、図２に示される第１実施形態に係る分割インテグラルヒストグラム領域と比べて、さらに接地物体認識領域を２つ（接地物体認識領域−１および接地物体認識領域−２）に分割したものとなっている。
このように、分割数をより細かくすることにより、個々の分割領域のサイズが小さくなり、より積算データ長の削減率を増すことができる。

接地物体認識領域−１は、例えば、車両、２輪車、自転車、歩行者などのように、主に接地していて自車両と衝突する可能性がある領域に存在する物体（接地物体）を捉える領域である。 接地物体認識領域では、接地物体を認識することができる最大行幅はＡ１［ｐｉｘｅｌ］の行の区間である。
接地物体認識領域−２は、例えば、車両、２輪車、自転車、歩行者などのように、主に接地していて自車両と衝突する可能性がある領域に存在する物体（接地物体）を捉える領域である。 接地物体認識領域では、接地物体を認識することができる最大行幅はＡ２［ｐｉｘｅｌ］の行の区間である。
上部物体認識領域は、上部の道路標識（案内表示を含む）などの物体（上部物体）を捉える領域である。 上部物体認識領域では、上部物体を認識することができる追加行幅は、Ｂ［ｐｉｘｅｌ］の行の区間である。
不使用の領域部分では、不使用の行幅は（４８０−Ａ１−Ａ２−Ｂ）［ｐｉｘｅｌ］の行の区間である。

なお、全画像領域を分割する方法は、例えば、あらかじめ設定されて、メモリ２３などに記憶される。 具体的には、全画像領域のうちで、上部物体認識領域とする領域を特定する情報や、接地物体認識領域−１とする領域を特定する情報や、接地物体認識領域−２とする領域を特定する情報や、不使用領域とする領域を特定する情報が、メモリ２３などに記憶される。
また、他の構成例として、全画像領域を分割する方法が、自車両による挙動や撮像画像により適応的に設定されたり、ユーザによる指示入力に応じて設定されてもよい。
ここで、上部物体認識領域や接地物体認識領域（接地物体認識領域−１および接地物体認識領域−２）といった分割領域を総和したものは、例えば、全画像領域となってもよく、または、全画像領域のうちの一部になってもよい。 また、不使用領域は、設けられてもよく、または、設けられなくてもよい。

図９は、本実施形態に係る分割インテグラルヒストグラム領域の詳細を説明するための図である。
本実施形態では、画像を構成する画素について、水平方向の画素位置（座標値）をｘ［ｐｉｘｅｌ］を用いて表し、垂直方向の画素位置（座標値）をｙ［ｐｉｘｅｌ］を用いて表す。
本実施形態では、画像の左上の画素位置を原点（０、０）とし、水平方向については右へ行くほどｘの値が大きくなるとし、垂直方向については下へ行くほどｙの値が大きくなるとする。

積算式は、式（１）で表される。
ｉ（ｘ、ｙ）は、画素位置（ｘ、ｙ）における積算する対象の値を表す。 積算する対象の値としては、本実施形態では勾配強度の値が用いられるが、他の値が用いられてもよい。
ｉｉ（ｘ _ｎ 、ｙ _ｎ ）は、積算値を表す。
（ｘ _０ 、ｙ _０ ）は、積算値算出の原点（画素位置）を表す。
（ｘ _ｎ 、ｙ _ｎ ）は、任意の点（画素位置）を表す。
（ｘ _Ｎ−１ 、ｙ _Ｎ１−１ ）について、（Ｎ−１）は６３９であり、（Ｎ１−１）は上部物体認識領域の最下行を表す値である。
（ｘ _Ｎ−１ 、ｙ _Ｎ２−１ ）について、（Ｎ−１）は６３９であり、（Ｎ２−１）は接地物体認識領域−１の最下行を表す値である。
（ｘ _Ｎ−１ 、ｙ _Ｎ３−１ ）について、（Ｎ−１）は６３９であり、（Ｎ３−１）は接地物体認識領域−２の最下行を表す値である。

本実施形態では、上部物体認識領域は、矩形の形状を有しており、その左上の画素位置が（ｘ _α 、ｙ _α ）で表され、その右下の画素位置が（ｘ _Ｎ−１ 、ｙ _Ｎ１−１ ）で表されるとする。
上部物体認識領域については、物体認識部１３は、画素位置（ｘ _α 、ｙ _α ）を基準点にして、（ｘ _０ 、ｙ _０ ）＝（ｘ _α 、ｙ _α ）から（ｘ _ｎ 、ｙ _ｎ ）＝（ｘ _Ｎ−１ 、ｙ _Ｎ１−１ ）までの勾配強度値ｉ（ｘ、ｙ）を積算して、その積算値ｉｉ（ｘ _ｎ 、ｙ _ｎ ）をメモリ２３に転送する。

ここで、（ｘ _Ｎ−１ 、ｙ _Ｎ１−１ ）は、６３９（＝Ｎ−１）列目とＢ区間（＝Ｎ１−１）の行目との交点の画素位置である。
また、ｙ _αは、上部物体を認識することができる上限の画素位置［ｐｉｘｅｌ］である。

このような分割インテグラルヒストグラム領域を用いると、積算値を抑圧させることができる。

本実施形態では、接地物体認識領域−１は、矩形の形状を有しており、その左上の画素位置が（ｘ _β 、ｙ _β ）で表され、その右下の画素位置が（ｘ _Ｎ−１ 、ｙ _Ｎ２−１ ）で表されるとする。
接地物体認識領域−１については、物体認識部１３は、画素位置（ｘ _β 、ｙ _β ）を基準点にして、（ｘ _０ 、ｙ _０ ）＝（ｘ _β 、ｙ _β ）から（ｘ _ｎ 、ｙ _ｎ ）＝（ｘ _Ｎ−１ 、ｙ _Ｎ２−１ ）までの勾配強度値ｉ（ｘ、ｙ）を積算して、その積算値ｉｉ（ｘ _ｎ 、ｙ _ｎ ）をメモリ２３に転送する。

ここで、（ｘ _Ｎ−１ 、ｙ _Ｎ２−１ ）は、６３９（＝Ｎ−１）列目とＡ１区間（＝Ｎ２−１）の行目との交点の画素位置である。
また、ｙ _βは、接地物体認識領域−１により接地物体を認識することができる上限の画素位置［ｐｉｘｅｌ］である。

このような分割インテグラルヒストグラム領域を用いると、積算値を抑圧させることができる。

本実施形態では、接地物体認識領域−２は、矩形の形状を有しており、その左上の画素位置が（ｘ _γ 、ｙ _γ ）で表され、その右下の画素位置が（ｘ _Ｎ−１ 、ｙ _Ｎ３−１ ）で表されるとする。
接地物体認識領域−２については、物体認識部１３は、画素位置（ｘ _γ 、ｙ _γ ）を基準点にして、（ｘ _０ 、ｙ _０ ）＝（ｘ _γ 、ｙ _γ ）から（ｘ _ｎ 、ｙ _ｎ ）＝（ｘ _Ｎ−１ 、ｙ _Ｎ３−１ ）までの勾配強度値ｉ（ｘ、ｙ）を積算して、その積算値ｉｉ（ｘ _ｎ 、ｙ _ｎ ）をメモリ２３に転送する。

ここで、（ｘ _Ｎ−１ 、ｙ _Ｎ３−１ ）は、６３９（＝Ｎ−１）列目とＡ２区間（＝Ｎ３−１）の行目との交点の画素位置である。
また、ｙ _γは、接地物体認識領域−２により接地物体を認識することができる上限の画素位置［ｐｉｘｅｌ］である。

このような分割インテグラルヒストグラム領域を用いると、積算値を抑圧させることができる。

図１０は、地上物体に関して、ウィンドウ内の矩形領域が分割領域を跨ぐ場合と跨がない場合の様子の一例を示す図である。
ウィンドウ内の矩形領域４０１のように、接地物体認識領域（接地物体認識領域−１および接地物体認識領域−２）に関し、分割領域を跨がずに、全ての画素位置のｙがｙ _γより小さいときには、接地物体認識領域−１を使用する。
ウィンドウ内の矩形領域４０３のように、接地物体認識領域（接地物体認識領域−１および接地物体認識領域−２）に関し、分割領域を跨がずに、全ての画素位置のｙがｙ _γ以上であるときには、接地物体認識領域−２を使用する。

ウィンドウ内の矩形領域４０２のように、接地物体認識領域（接地物体認識領域−１および接地物体認識領域−２）に関し、分割領域を跨いで、画素位置のｙがｙ _γより小さいところとｙ _γ以上であるところがあるときには、下部の接地物体認識領域−２の２点４２１、４２２の勾配強度積算値に対して、各々、上部の接地物体認識領域−１の最下行で同列の２点４１１、４１２の勾配強度積算値を加算する。 これにより、領域を分割しない場合における積算値と同じ積算値が求められる。

なお、ウィンドウ内の矩形領域が上部物体認識領域と接地物体認識領域−１を跨ぐ場合と跨がない場合については、第１実施形態において図４を参照して説明したのと同様である。

図１１は、分割インテグラルヒストグラム領域における加算行の一例を示す図である。
ウィンドウ内の矩形領域５０１は、上部物体認識領域と接地物体認識領域−１に跨る。
この場合には、ウィンドウ内の矩形領域５０１について、接地物体認識領域−１側の矩形領域部分の積算値に加える積算値の行は、上部物体認識領域における最下行となり、その積算値はｉｉ−Ｕ（ｘ _０ ，ｙ _Ｎ１−１ ）〜ｉｉ−Ｕ（ｘ _Ｎ−１ ，ｙ _Ｎ１−１ ）となる。 また、ウィンドウ内の矩形領域５０１について、接地物体認識領域−１側の矩形領域部分の積算値に加える積算値の列は、同じ列となる。
なお、ここの例では、ｉｉ−Ｕ（ｘ _ｎ ，ｙ _ｎ ）は、上部物体認識領域における積算値を表す。

ウィンドウ内の矩形領域５０２は、接地物体認識領域−１と接地物体認識領域−２に跨る。
この場合には、ウィンドウ内の矩形領域５０２について、接地物体認識領域−２側の矩形領域部分の積算値に加える積算値の行は、接地物体認識領域−１における最下行となり、その積分値はｉｉ−Ｌ（ｘ _０ ，ｙ _Ｎ２−１ ）〜ｉｉ−Ｌ（ｘ _Ｎ−１ ，ｙ _Ｎ２−１ ）となる。 また、ウィンドウ内の矩形領域５０２について、接地物体認識領域−２側の矩形領域部分の積算値に加える積算値の列は、同じ列となる。
なお、ここの例では、ｉｉ−Ｌ（ｘ _ｎ ，ｙ _ｎ ）は、接地物体認識領域−１における積算値を表す。

ウィンドウ内の矩形領域５０３は、３つの領域（上部物体認識領域と接地物体認識領域−１と接地物体認識領域−２）に跨る。
この場合には、最も下側である接地物体認識領域−２側の矩形領域部分の積算値に対して、上述した上部物体認識領域と接地物体認識領域−１に跨る場合と同様な積算値の加算と、上述した接地物体認識領域−１と接地物体認識領域−２に跨る場合と同様な積算値の加算と、の両方を行う。 すなわち、計２行分の積算値を加算する。 また、ウィンドウ内の矩形領域５０３について、接地物体認識領域−２側の矩形領域部分の積算値に加える計２行分の積算値の列は、同じ列となる。

このように、ウィンドウ内の矩形領域５０３が３つの領域に跨るような物体を認識する場合には、接地物体認識領域−２側の矩形領域部分の積算値に、前記した計２行分の該当する列の点の積分値を加算する。
本実施形態のような構成では、例えば、矩形領域の大きさが幾つになっても、加算するための複雑な計算式は増えないため、処理を単純化することができる。

図１２は、本実施形態に係る物体認識部１３により行われる処理の手順の一例を示すフローチャート図である。
ここで、図１２に示されるフローチャートは、図８に示されるようにインテグラルヒストグラムを上下（横）の３領域に分けた場合のものであり、概略的には、図２０に示される背景技術に係るフローチャートと比べて、分割したインテグラルヒストグラムの作成とメモリへの転送を追加しており（ステップＳ１０２〜ステップＳ１０７）、４種類の物体認識に対応させている（ステップＳ１０８〜ステップＳ１１１）。

まず、物体認識部１３は、処理対象（本実施形態では、目標物体の認識対象）となる画像について、輝度の勾配を算出する（ステップＳ１０１）。
次に、物体認識部１３は、上部物体認識領域のインテグラルヒストグラムを作成する（ステップＳ１０２）。
なお、インテグラルヒストグラムを作成する処理は、例えば、ＦＰＧＡ２１（または、ＤＳＰ）またはマイクロコンピュータ２２などのうちの任意の１つ以上により行われる。
次に、物体認識部１３は、作成した上部物体認識領域のインテグラルヒストグラムのデータをメモリ２３に転送する（ステップＳ１０３）。

次に、物体認識部１３は、接地物体認識領域−１のインテグラルヒストグラムを作成する（ステップＳ１０４）。
次に、物体認識部１３は、作成した接地物体認識領域−１のインテグラルヒストグラムのデータをメモリ２３に転送する（ステップＳ１０５）。

次に、物体認識部１３は、接地物体認識領域−２のインテグラルヒストグラムを作成する（ステップＳ１０６）。
次に、物体認識部１３は、作成した接地物体認識領域−２のインテグラルヒストグラムのデータをメモリ２３に転送する（ステップＳ１０７）。
なお、ステップＳ１０２の処理〜ステップＳ１０７の処理は、図９に示される。

次に、物体認識部１３は、メモリ２３に記憶したインテグラルヒストグラムのデータを入力データとして、物体認識処理（本実施形態では、物体認識のためのパターン認識の処理）を行う（ステップＳ１０８〜ステップＳ１１１）。
具体的には、物体認識部１３は、上部物体認識処理を行い（ステップＳ１０８）、接地物体認識処理−ａを行い（ステップＳ１０９）、接地物体認識処理−ｂを行い（ステップＳ１１０）、接地物体認識処理−ｃを行う（ステップＳ１１１）。

ここで、上部物体認識処理では、画像の上部（例えば、自車両よりも上空の領域）に存在する物体を認識する処理を行う。
また、接地物体認識処理では、画像の上部と比べて画像の下部（例えば、車両がぶつかり得る領域）に存在する物体を認識する処理を行う。
また、接地物体認識処理−ａ、接地物体認識処理−ｂ、接地物体認識処理−ｃは、それぞれ、異なる接地物体を認識する処理を行う。 異なる接地物体としては、例えば、車両、２輪車、自転車、歩行者などがある。

また、それぞれの接地物体認識処理（本実施形態では、接地物体認識処理−ａ、接地物体認識処理−ｂ、接地物体認識処理−ｃ）は、例えば、複数の接地物体認識領域（本実施形態では、接地物体認識領域−１、接地物体認識領域−２）のうちの一部の任意の１つ以上について行われてもよく、または、これらの全てについて行われてもよい。

また、物体認識処理の詳細としては、例えば、第１実施形態に係る図６（および図２１）を参照して説明したのと同様な構成や動作を用いることができる。
但し、本実施形態では、図１１を参照して説明したように、図６に示されるフローチャートにおけるステップＳ２７の処理において、ウィンドウ内の矩形領域が２つの分割領域に跨る場合と３つの分割領域に跨る場合とで、それぞれに対応した積算値の加算処理を行う。

以上のように、本実施形態に係る画像処理システムにおけるカメラＥＣＵ１の物体認識部１３は、取得した画像から特定領域のインテグラルヒストグラム（または、インテグラルイメージ）を作成する場合に、画像の上下の領域を複数に分割してそれぞれ独立した積算値を計算する。 そして、本実施形態に係る物体認識部１３は、上下に分割したそれぞれの領域に跨る矩形範囲（矩形領域）の積算値を算出するときに、下側の領域の点の積算値を、当該下側の領域の点の当該下側の領域における積算値に、上側の各領域（例えば、当該矩形範囲が跨る各領域、または、他の構成例として、存在する全ての各領域）の最下行にある同じ列の点の当該上側の各領域における積算値を加算して、計算する。

また、本実施形態に係る物体認識部１３は、取得した画像から特定領域のインテグラルヒストグラム（または、インテグラルイメージ）を作成する場合に、画像の上下の領域を複数に分割してそれぞれ独立した積算値を計算し、そして、本実施形態に係る物体認識部１３は、上下に分割したそれぞれの領域に跨らない矩形範囲（矩形領域）の積算値を算出するときに、それぞれの領域（分割領域）での積算値を用いる。

また、本実施形態に係る物体認識部１３は、分割した領域のそれぞれで独立した積算値として、分割した領域毎に統一した基準点の位置からの積算値を計算する。

以上のように、本実施形態に係る画像処理システムにおけるカメラＥＣＵ１の物体認識部１３によると、所定の範囲（領域）の積算値を効率的に得ることができる。
すなわち、本実施形態に係る物体認識部１３では、インテグラルヒストグラム（または、インテグラルイメージ）の領域分割により、情報量を失うことなく、積算値（例えば、勾配方向毎の勾配強度の積算値のほかに、勾配方向毎の積算度数などでもよい）によるデータ長を制限し、簡単に矩形領域の積算値を求めて特徴量を算出することができる。

例えば、本実施形態では、データ長を制限した積算値とすることにより、低いメモリ２３の容量の実現が可能となり、メモリ２３へのデータ転送やＣＰＵのメモリアクセスの効率性が向上し、効率良く特徴量を求めることができるという効果を奏する。 また、本実施形態では、共通のインテグラルヒストグラム（または、インテグラルイメージ）を各目標物体のパターン認識のデータにする統合方式において、車両、２輪車、自転車、歩行者などのほか、道路標識などのように、一度に多種類の目標物体の認識処理を全て含んだ１つの装置（例えば、本実施形態に係るカメラＥＣＵ１）の適用が可能となるという効果を奏する。

本実施形態では、ターゲット（目標）とする物体の認識に好適な装置や、方法や、これらに用いるコンピュータプログラムなどを提供することができる。

［第３実施形態］
本実施形態に係る画像処理システムの構成は、概略的に、図１に示されるものと同様である。 このため、本実施形態では、図１に示されるものと同じ符号を用いて説明する。
また、本実施形態では、主に、第１実施形態の場合とは異なる点について説明し、第１実施形態の場合と同様な点については詳しい説明を省略する。

以下で、本実施形態に係る物体認識部１３により行われる処理を説明する。
以下では、インテグラルヒストグラムを例として説明するが、他の構成例として、インテグラルイメージに適用することも可能である。
図１３は、本実施形態に係る分割インテグラルヒストグラム領域の一例を示す図である。
本実施形態では、カメラ１１により撮像される画像（全体の画像）が、水平方向６４０画素×垂直方向４８０画素の画像であるとする。
本実施形態では、全画像のうちで使用する領域部分を左右（縦）に３分割して、そのうちの最も左側の左部物体認識領域と、そのうちの中央の前方物体認識領域と、そのうちの最も右側の右部物体認識領域と、に分けてある。 なお、本実施形態では、これら３つの物体認識領域（左部物体認識領域、前方物体認識領域、右部物体認識領域）の縦方向の位置（上辺の位置と下辺の位置）は等しく、それよりも下側の領域およびそれよりも上側の領域は、不使用の領域部分である。

ここで、図１３に示される本実施形態に係る分割インテグラルヒストグラム領域は、図２に示される第１実施形態に係る分割インテグラルヒストグラム領域と比べて、インテグラルヒストグラムを分割する方向が上下ではなく左右となっており、また、分割する数が２ではなく３になっている。

左部物体認識領域は、例えば、主に左の方に存在する道路標識などの物体（例えば、接地物体）を捉える領域である。 左部物体認識領域の列幅はＢ１［ｐｉｘｅｌ］の列の区間である。
前方物体認識領域は、例えば、主に車両、２輪車、自転車、歩行者などのように、接地していて自車両と衝突する可能性がある領域に存在する物体（接地物体）を捉える領域である。 前方物体認識領域の列幅はＡ［ｐｉｘｅｌ］の列の区間である。
右部物体認識領域は、主に右の方に存在する案内表示などの物体（例えば、接地物体）を捉える領域である。 右部物体認識領域の列幅はＢ２［ｐｉｘｅｌ］の列の区間である。
上下の不使用の領域部分では、上下の不使用の合計の列幅は（４８０−Ｃ）［ｐｉｘｅｌ］の行の区間である。

なお、全画像領域を分割する方法は、例えば、あらかじめ設定されて、メモリ２３などに記憶される。 具体的には、全画像領域のうちで、左部物体認識領域とする領域を特定する情報や、前方物体認識領域とする領域を特定する情報や、右部物体認識領域とする領域を特定する情報や、不使用領域とする領域を特定する情報が、メモリ２３などに記憶される。
また、他の構成例として、全画像領域を分割する方法が、自車両の挙動や撮像画像により適応的に設定されたり、ユーザによる指示入力に応じて設定されてもよい。
ここで、左部物体認識領域や前方物体認識領域や右部物体認識領域といった分割領域を総和したものは、例えば、全画像領域となってもよく、または、全画像領域のうちの一部になってもよい。 また、不使用領域は、設けられてもよく、または、設けられなくてもよい。

図１４は、分割インテグラルヒストグラム領域における加算列の一例を示す図である。
概略的には、図８〜図１１に示されるような上下方向の分割インテグラルヒストグラム領域を用いる場合に対して、本実施形態では図１４に示されるような左右方向の分割インテグラルヒストグラム領域を用いるため、本実施形態の場合には、上下方向の場合における行と列を逆にして列と行に適用することで、同様な演算結果を得ることができる。

図１４に示される場合の具体例を示す。
（ｘ _０ 、ｙ _０ ）は、積算値算出の原点（画素位置）を表す。
（ｘ _ｎ 、ｙ _ｎ ）は、任意の点（画素位置）を表す。
（Ｎ−１）は、物体認識領域（左部物体認識領域、前方物体認識領域、右部物体認識領域）の最下行を表す値である。
（ｘ _Ｎ１−１ 、ｙ _Ｎ−１ ）について、（Ｎ１−１）は左部物体認識領域の最右行を表す値である。
（ｘ _Ｎ２−１ 、ｙ _Ｎ−１ ）について、（Ｎ２−１）は前方物体認識領域の最右行を表す値である。
（ｘ _Ｎ３−１ 、ｙ _Ｎ−１ ）について、（Ｎ３−１）は右部物体認識領域の最右行を表す値である。

本実施形態では、左部物体認識領域は、矩形の形状を有しており、その左上の画素位置が（ｘ _α 、ｙ _α ）で表され、その右下の画素位置が（ｘ _Ｎ１−１ 、ｙ _Ｎ−１ ）で表されるとする。
左部物体認識領域については、物体認識部１３は、画素位置（ｘ _α 、ｙ _α ）を基準点にして、（ｘ _０ 、ｙ _０ ）＝（ｘ _α 、ｙ _α ）から（ｘ _ｎ 、ｙ _ｎ ）＝（ｘ _Ｎ１−１ 、ｙ _Ｎ−１ ）までの勾配強度値ｉ（ｘ、ｙ）を積算して、その積算値ｉｉ−Ｌ（ｘ _ｎ 、ｙ _ｎ ）をメモリ２３に転送する。

本実施形態では、前方物体認識領域は、矩形の形状を有しており、その左上の画素位置が（ｘ _β 、ｙ _β ）で表され、その右下の画素位置が（ｘ _Ｎ２−１ 、ｙ _Ｎ−１ ）で表されるとする。
前方物体認識領域については、物体認識部１３は、画素位置（ｘ _β 、ｙ _β ）を基準点にして、（ｘ _０ 、ｙ _０ ）＝（ｘ _β 、ｙ _β ）から（ｘ _ｎ 、ｙ _ｎ ）＝（ｘ _Ｎ２−１ 、ｙ _Ｎ−１ ）までの勾配強度値ｉ（ｘ、ｙ）を積算して、その積算値ｉｉ−Ｃ（ｘ _ｎ 、ｙ _ｎ ）をメモリ２３に転送する。

本実施形態では、右部物体認識領域は、矩形の形状を有しており、その左上の画素位置が（ｘ _γ 、ｙ _γ ）で表され、その右下の画素位置が（ｘ _Ｎ３−１ 、ｙ _Ｎ−１ ）で表されるとする。
右部物体認識領域については、物体認識部１３は、画素位置（ｘ _γ 、ｙ _γ ）を基準点にして、（ｘ _０ 、ｙ _０ ）＝（ｘ _γ 、ｙ _γ ）から（ｘ _ｎ 、ｙ _ｎ ）＝（ｘ _Ｎ３−１ 、ｙ _Ｎ−１ ）までの勾配強度値ｉ（ｘ、ｙ）を積算して、その積算値ｉｉ−Ｒ（ｘ _ｎ 、ｙ _ｎ ）をメモリ２３に転送する。

ウィンドウ内の矩形領域７０１は、左部物体認識領域と前方物体認識領域に跨る。
この場合には、ウィンドウ内の矩形領域７０１について、前方物体認識領域側の矩形領域部分の積算値に加える積算値の列は、左部物体認識領域における最右列となり、その積算値はｉｉ−Ｌ（ｘ _Ｎ１−１ ，ｙ _０ ）〜ｉｉ−Ｌ（ｘ _Ｎ１−１ ，ｙ _Ｎ−１ ）となる。 また、ウィンドウ内の矩形領域７０１について、前方物体認識領域側の矩形領域部分の積算値に加える積算値の行は、同じ行となる。
なお、ここの例では、ｉｉ−Ｌ（ｘ _ｎ ，ｙ _ｎ ）は、左部物体認識領域における積算値を表す。

ウィンドウ内の矩形領域７０２は、前方物体認識領域と右部物体認識領域に跨る。
この場合には、ウィンドウ内の矩形領域７０２について、右部物体認識領域側の矩形領域部分の積算値に加える積算値の列は、前方物体認識領域における最右列となり、その積分値はｉｉ−Ｃ（ｘ _Ｎ２−１ ，ｙ _０ ）〜ｉｉ−Ｃ（ｘ _Ｎ２−１ ，ｙ _Ｎ−１ ）となる。 また、ウィンドウ内の矩形領域７０２について、右部物体認識領域側の矩形領域部分の積算値に加える積算値の行は、同じ行となる。
なお、ここの例では、ｉｉ−Ｃ（ｘ _ｎ ，ｙ _ｎ ）は、前方物体認識領域における積算値を表す。

また、ウィンドウ内の矩形領域が３つの領域に跨るような物体を認識する場合には、右部物体認識領域側の矩形領域部分の積算値に、前記した計２列分（左部物体認識領域および前方物体認識領域の計２列分）の該当する行の点の積分値を加算する。

図１５は、本実施形態に係る物体認識部１３により行われる処理の手順の一例を示すフローチャート図である。
ここで、図１５に示されるフローチャートは、図１３に示されるようにインテグラルヒストグラムを左右（縦）の３領域に分けた場合のものであり、概略的には、図２０に示される背景技術に係るフローチャートと比べて、分割したインテグラルヒストグラムの作成とメモリへの転送を追加しており（ステップＳ２０２〜ステップＳ２０７）、４種類の物体認識に対応させている（ステップＳ２０８〜ステップＳ２１１）。

まず、物体認識部１３は、処理対象（本実施形態では、目標物体の認識対象）となる画像について、輝度の勾配を算出する（ステップＳ２０１）。
次に、物体認識部１３は、左部物体認識領域のインテグラルヒストグラムを作成する（ステップＳ２０２）。
なお、インテグラルヒストグラムを作成する処理は、例えば、ＦＰＧＡ２１（または、ＤＳＰ）またはマイクロコンピュータ２２などのうちの任意の１つ以上により行われる。
次に、物体認識部１３は、作成した左部物体認識領域のインテグラルヒストグラムのデータをメモリ２３に転送する（ステップＳ２０３）。

次に、物体認識部１３は、前方物体認識領域のインテグラルヒストグラムを作成する（ステップＳ２０４）。
次に、物体認識部１３は、作成した前方物体認識領域のインテグラルヒストグラムのデータをメモリ２３に転送する（ステップＳ２０５）。

次に、物体認識部１３は、右部物体認識領域のインテグラルヒストグラムを作成する（ステップＳ２０６）。
次に、物体認識部１３は、作成した右部物体認識領域のインテグラルヒストグラムのデータをメモリ２３に転送する（ステップＳ２０７）。

次に、物体認識部１３は、メモリ２３に記憶したインテグラルヒストグラムのデータを入力データとして、物体認識処理（本実施形態では、物体認識のためのパターン認識の処理）を行う（ステップＳ２０８〜ステップＳ２１１）。
具体的には、物体認識部１３は、左部物体認識処理を行い（ステップＳ２０８）、衝突物体認識処理−ａを行い（ステップＳ２０９）、衝突物体認識処理−ｂを行い（ステップＳ２１０）、右部物体認識処理を行う（ステップＳ２１１）。

ここで、左部物体認識処理では、画像の左部（例えば、車両の左側の領域）に存在する物体を認識する処理を行う。
また、衝突物体認識処理では、画像の前方物体認識領域（例えば、車両がぶつかり得る領域）に存在する物体を認識する処理を行う。 衝突物体認識処理−ａ、衝突物体認識処理−ｂは、それぞれ、異なる接地物体を認識する処理を行う。 異なる接地物体としては、例えば、車両、２輪車、自転車、歩行者などがある。
また、右部物体認識処理では、画像の右部（例えば、車両の右側の領域）に存在する物体を認識する処理を行う。

また、物体認識処理の詳細としては、例えば、第１実施形態に係る図６（および図２１）を参照して説明したのと同様な構成や動作を用いることができる。
但し、本実施形態では、図１４を参照して説明したように、図６に示されるフローチャートにおけるステップＳ２７の処理において、左右に分割した３つの領域（左部物体認識領域、前方物体認識領域、右部物体認識領域）に関し、ウィンドウ内の矩形領域が２つの分割領域に跨る場合と３つの分割領域に跨る場合とで、それぞれに対応した積算値の加算処理を行う。

以上のように、本実施形態に係る画像処理システムにおけるカメラＥＣＵ１の物体認識部１３は、取得した画像から特定領域のインテグラルヒストグラム（または、インテグラルイメージ）を作成する場合に、画像の左右の領域を複数に分割してそれぞれ独立した積算値を計算する。 そして、本実施形態に係る物体認識部１３は、左右に分割したそれぞれの領域に跨る矩形範囲（矩形領域）の積算値を算出するときに、右側の領域の点の積算値を、当該右側の領域の点の当該右側の領域における積算値に、左側の各領域（例えば、当該矩形範囲が跨る各領域、または、他の構成例として、存在する全ての各領域）の最右列にある同じ行の点の当該左側の各領域における積算値を加算して、計算する。

また、本実施形態に係る物体認識部１３は、取得した画像から特定領域のインテグラルヒストグラム（または、インテグラルイメージ）を作成する場合に、画像の左右の領域を複数に分割してそれぞれ独立した積算値を計算し、そして、本実施形態に係る物体認識部１３は、左右に分割したそれぞれの領域に跨らない矩形範囲（矩形領域）の積算値を算出するときに、それぞれの領域（分割領域）での積算値を用いる。

また、本実施形態に係る物体認識部１３は、分割した領域のそれぞれで独立した積算値として、分割した領域毎に統一した基準点の位置からの積算値を計算する。

以上のように、本実施形態に係る画像処理システムにおけるカメラＥＣＵ１の物体認識部１３によると、所定の範囲（領域）の積算値を効率的に得ることができる。
すなわち、本実施形態に係る物体認識部１３では、インテグラルヒストグラム（または、インテグラルイメージ）の領域分割により、情報量を失うことなく、積算値（例えば、勾配方向毎の勾配強度の積算値のほかに、勾配方向毎の積算度数などでもよい）によるデータ長を制限し、簡単に矩形領域の積算値を求めて特徴量を算出することができる。

例えば、本実施形態では、データ長を制限した積算値とすることにより、低いメモリ２３の容量の実現が可能となり、メモリ２３へのデータ転送やＣＰＵのメモリアクセスの効率性が向上し、効率良く特徴量を求めることができるという効果を奏する。 また、本実施形態では、共通のインテグラルヒストグラム（または、インテグラルイメージ）を各目標物体のパターン認識のデータにする統合方式において、車両、２輪車、自転車、歩行者などのほか、道路標識などのように、一度に多種類の目標物体の認識処理を全て含んだ１つの装置（例えば、本実施形態に係るカメラＥＣＵ１）の適用が可能となるという効果を奏する。

本実施形態では、ターゲット（目標）とする物体の認識に好適な装置や、方法や、これらに用いるコンピュータプログラムなどを提供することができる。

［以上の実施形態に係る構成例］
（全体的な構成例）画像処理装置（以上の実施形態では、カメラＥＣＵ１）は、画像を取得する画像取得部１２と、前記画像取得部１２により取得された画像について、画像領域が複数に分割されたそれぞれの分割領域毎に、あらかじめ定められた画素に関する値の積算値の情報を記憶する記憶部（以上の実施形態では、メモリ２３）と、前記記憶部に記憶された情報に基づいて、前記画像領域に設定される矩形範囲について、前記画像取得部１２により取得された画像における画素に関する値の積算値を取得する画像処理部（以上の実施形態では、物体認識部１３）と、を備える。

なお、以上の実施形態では、記憶部（以上の実施形態では、メモリ２３）が画像処理部（以上の実施形態では、物体認識部１３）に含まれる構成例を示したが、他の構成例として、記憶部が画像処理部とは別に備えられてもよい。
また、画像領域を複数に分割する数としては、様々な数が用いられてもよい。
また、各分割領域としては、様々なものが用いられてもよい。
また、画像領域に設定される矩形範囲としては、様々なものが用いられてもよい。
また、画像領域に設定される矩形範囲について画像における画素に関する値の積算値は、例えば、当該画像における当該矩形範囲（当該矩形範囲の画像部分）の特徴量として用いることができる。

（構成例１）画像処理装置において、前記画像領域は、上下の方向で複数に分割され、前記画像処理部は、前記画像領域に設定される矩形範囲が２つ以上の分割領域に跨る場合には、当該２つ以上の分割領域のうちで最も下側の分割領域の画素位置における積算値を、当該最も下側の分割領域の画素位置の当該最も下側の分割領域における積算値に、前記矩形範囲が跨る上側の各分割領域の最下行にある同じ列の画素位置の当該上側の各分割領域における積算値を加算した結果として、取得する。

なお、この場合には、前記画像処理部は、例えば、他の分割領域（最も下側ではない分割領域）の画素位置における積算値としては、前記記憶部に記憶された当該画素位置の当該分割領域における積算値が用いられる。
また、前記画像処理部は、例えば、前記画像領域に設定される矩形範囲の４個の頂点の画素位置の積算値の情報を用いて、前記矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得する。

（構成例２）画像処理装置において、前記画像領域は、左右の方向で複数に分割され、前記画像処理部は、前記画像領域に設定される矩形範囲が２つ以上の分割領域に跨る場合には、当該２つ以上の分割領域のうちで最も右側の分割領域の画素位置における積算値を、当該最も右側の分割領域の画素位置の当該最も右側の分割領域における積算値に、前記矩形範囲が跨る左側の各分割領域の最右列にある同じ行の画素位置の当該左側の各分割領域における積算値を加算した結果として、取得する。

なお、この場合には、前記画像処理部は、例えば、他の分割領域（最も右側ではない分割領域）の画素位置における積算値としては、前記記憶部に記憶された当該画素位置の当該分割領域における積算値が用いられる。
また、前記画像処理部は、例えば、前記画像領域に設定される矩形範囲の４個の頂点の画素位置の積算値の情報を用いて、前記矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得する。

（構成例３）画像処理装置において、前記画像処理部は、前記画像領域に設定される矩形範囲が１つの分割領域に収まる場合には、前記記憶部に記憶された前記矩形範囲の４個の頂点の画素位置の当該分割領域における積算値の情報を用いて、前記矩形範囲について、前記画像取得部により取得された画像における画素に関する値の積算値を取得する。

（構成例４）画像処理装置において、前記記憶部は、前記画像取得部１２により取得された画像について、前記画像領域が複数に分割されたそれぞれの分割領域毎に、各画素位置における積算値の情報として、あらかじめ定められた基準となる画素位置と当該各画素位置とを対角の頂点とする矩形部分の範囲に含まれる画素に関する値の積算値の情報を記憶する。

なお、前記したあらかじめ定められた基準となる画素位置としては、例えば、前記分割領域毎に、分割領域の左上の画素位置を用いることができる。

（構成例５）画像処理装置において、前記画素に関する値として、前記画素の輝度値が用いられ、前記画素に関する値の積分値として、インテグラルイメージが用いられる。

（構成例６）画像処理装置において、前記画素に関する値として、勾配方向毎に、前記画素の勾配量が用いられ、前記画素に関する値の積分値として、勾配方向毎のインテグラルヒストグラムが用いられる。

［以上の実施形態についてのまとめ］
以上の実施形態（第１実施形態〜第３実施形態）では、２分割または３分割のインテグラルヒストグラム手法と積算データ長削除との組み合わせで述べたが、画像領域の分割数をさらに多くして積算データ長削除率（データの削減率）を向上させることも可能である。
また、以上の実施形態（第１実施形態〜第３実施形態）では、車載用の目標物体認識を例に説明したが、例えば、インテグラルヒストグラム（または、インテグラルイメージ）のような積算値を作成する、他の用途の特定物体認識または一般物体認識などに適用することもできる。 また、画像を用いる物体認識に限られず、任意の画像処理に適用することも可能である。

また、以上の実施形態（第１実施形態〜第３実施形態）では、画像の領域を複数の分割領域（以上の実施形態では、複数の分割インテグラルヒストグラム領域）に分割する方法として、上下（横）に分割する方法と、左右（縦）に分割する方法を示した。 これに対して、分割したインテグラルヒストグラム（または、インテグラルイメージ）から、全てのインテグラルヒストグラム（または、全てのインテグラルイメージ）の領域での積算値を簡単に求めるためには、上下と左右の両方向に分割しないことが望ましいと考えられる。 上下または左右の何れかであれば、分割数を多くしても、積算値を簡単に求めることができると考えられる。
なお、インテグラルヒストグラム（または、インテグラルイメージ）を作成する画像領域を分割するために、上下と左右の両方向に画像領域を分割する構成が用いられても構わない。
また、インテグラルヒストグラム（または、インテグラルイメージ）を作成する方法としては、任意の方法が用いられてもよい。

また、以上の実施形態（第１実施形態〜第３実施形態）では、インテグラルヒストグラム（または、インテグラルイメージ）を用いる場合を説明したが、その代わりに、画像に関する任意の値を積分（積算でもよい）した結果である任意の積分量（積算値でもよい）が用いられてもよい。 このような任意の積分量（積算値でもよい）についても、全体の画像領域を複数に分割して、それぞれの分割領域毎に積分量（積算値でもよい）を演算することで、それぞれの積分量（積算値でもよい）が小さくなり、メモリに要するデータ量を少なくすることなどができる。

なお、図１に示される本実施形態に係る画像処理システムにおける任意の構成部（例えば、物体認識部１３など）により行われる処理の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、処理を行ってもよい。 ここで言う「コンピュータシステム」とは、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）や周辺機器等のハードウェアを含むものとする。 また、「コンピュータシステム」は、ホームページ提供環境（あるいは、表示環境）を備えたＷＷＷシステムも含むものとする。 また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことを言う。 さらに、「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。

また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。 ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことを言う。 また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。 さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

また、上記に限られず、マイクロコンピュータのほか、例えば、ＦＰＧＡ、あるいは、ＤＳＰなどのデバイスを用いて、図１に示される本実施形態に係る画像処理システムにおける任意の構成部により行われる処理を実現することも可能である。

以上、本発明の実施形態について図面を参照して詳述したが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１…カメラＥＣＵ、２…警報装置、３…ＡＣＣ−ＥＣＵ、４…衝突回避制御−ＥＣＵ、１１…カメラ、１２…画像取得部、１３…物体認識部、１４…制御部、２１…ＦＰＧＡ（または、ＤＳＰ）、２２…マイクロコンピュータ、２３…メモリ、１０１〜１０３、２０１、４０１〜４０３、５０１〜５０３、７０１、７０２…ウィンドウ内の矩形領域、１１１、１１２、１２１、１２２、４１１、４１２、４２１、４２２…点、２００１、２０１１…セル、２００２、２０１２…ブロック、２００３…輝度勾配分布、２１０１…輝度画像、２１０２…累積行加算の結果、２１０３…積分画像、２２０１…２矩形