EYE MACHINE

ACCUMU Vol.5 1993

認知の科学

人工の目

移動物体識別追尾装置

　　　　　　　　　　　　　　　杉坂　政典　MASANORI SUGISAKA
　　　　　　　　　　　　　　　大分大学工学部電気電子工学科教授

図１　移動物体識別追尾装置

はじめに

　人の目は移動している物体が何であるかを一瞬のうちに認識し，それを追尾することができる。そのような人の目に似た働きをするものを工学的に実現するためには，眼球の動きや，目から入る視覚情報の処理の仕方，また物体をいかに認識しているかといった脳の情報処理の機序が解明されており，それを実現するためのセンサや人工脳を模擬できるコンピュータなどの高度なハードウェアの技術がある程度確立されていることが必要である。筆者の研究室では，人の目に似た機能をもつ人工の目（移動物体識別追尾装置）を試作し，その目に人工脳を付加するための研究を始めている。
　本稿では，試作した人工の目が低高速で移動する物体をどのような方法で認識し，人工脳の一部とみなせるニューロコンピュータをいかに使っているか，また，どのような制御法を用いて追尾を行っているのかについて紹介する。

移動物体識別追尾装置

図２　ニューロコンピュータを有す
　　　る移動物体識別追尾システム

図３　識別追尾実験装置

図４　追尾システムのハード面ブロック図

図５　移動物体追尾機構の断面図

　図１に移動物体識別追尾装置の外観写真を示す。図２に人工神経回路網（ニューラルネットワーク）をコンピュータ内にもつ装置システム，図３に識別と追尾に用いた光源を当てる黒板とパターン及び視覚装置の写真を示す。図４に追尾システムのハード面の概略のブロック図，図５に移動物体追尾機構の断面図が示されている。この装置は移動する対象物が何であるかを識別し，その対象物を自動的に追尾することができる。
　図４に示すように，システムはＣＣＤビデオカメラと水平軸（ｘ軸）上，垂直軸（ｙ軸）上を移動する２個のエンコーダ付ＤＣモータ及びそれらのモータを駆動するＰＷＭ（パルス幅変調）駆動回路から成る。また，対象物の識別を行うための人工神経回路網，ＰＩＤ（比例，積分，微分）制御やファジィ制御演算を実行し，ＰＷＭ回路の電流のオン・オフの割合，すなわち，デューティ比をサンプリング周期毎に変えて指令を出すためのマイクロコンピュータＰＣ９８０１とそのインターフェースから成る。追尾機構が人間の眼球（人工の目）に相当し，マイクロコンピュータやインターフェースの部分が人間の脳（人工脳）に相当するものと考えてよい。
　図５に示すように，下部に架台を設け，その中に水平移動用ＤＣモータとエンコーダを固定している。また架台に取り付けた外球とその内側に垂直移動用ＤＣモータとエンコーダを取り付け，可動可能にした内球にＣＣＤビデオカメラが固定されている。カメラはレンズが向けられている方向に向かって，右側と左側の水平方向にプラス６０度，マイナス６０度の範囲内で可動であり，上側と下側の垂直方向にプラス４５度，マイナス４５度の範囲内で可動である。２個のＤＣモータは前述の角度の範囲外では，仮にコンピュータから信号を受けたとしても動作しないようにハード面からロックされている。移動物体識別追尾システムの可動範囲は現在このように設定されている。

画像処理とパターン識別

　ＣＣＤビデオカメラから１サンプリング周期毎に取り込まれた画像データは１６×１２（行×列）＝１９２画素から構成され，６ビットの値，すなわち，輝度が０～６３の６４階調から成っている。追尾システムには白黒画像が現在用いられている。得られた画像データの処理法として色々考えられる。そのうち，識別に関しては，移動物体を識別させるため，三層の人工神経回路網を用い，学習には逆誤差伝播法を使用している。参考のため，識別追尾システムのソフト面の概略図を図６に示す。画像処理部はこの図からわかるようにＣＣＤビデオカメラから取り込まれた画像を直接処理する部分と，学習済み人工神経回路網で処理して識別する部分から成る。人工神経回路網の入力層に直接画像データを入力として加え処理を行った場合，回転したパターン，スケールの違ったパターン，移動したパターン等の識別が困難であり，さらに処理するデータ量が膨大となるなどの難点がある。従って，このような難点を解決するための特殊な人工神経回路網を考案した。すなわち，対象物パターンに特有の７個のモーメント不変量（Q_１－Q_７）を計算し，それを人工神経回路網の入力層に加え，いわゆる動的パターンの識別ができるように特殊な人工神経回路網を用いている。この人工神経回路網の概略図を図７に示す。７個のモーメント不変量を計算し，人工神経回路網に入れ識別する方法は，むき身の栗の等級選別に効果的であることが明らかにされている。画像パターンの識別にはモーメント不変量を用いた人工神経回路網が用いられるが，画像データを直接処理し対象物を追尾する部分については，図６に示すような追尾機構が用いられる。すなわち，現サンプリング時刻で，対象物の移動によりその画像データがＣＣＤビデオカメラの中心からずれた場合には，前サンプリング時刻の画像と現サンプリング時刻の画像のずれあるいは誤差を検出し，その誤差がある範囲内に収まるように駆動回路を用いて水平・垂直軸モータを回転し，ＣＣＤビデオカメラの中心が移動物体に追尾するようにコントローラを制御している。その際，２個のモータにはエンコーダが付いているのでＣＣＤビデオカメラの位置を検出し，移動位置を計算しながらモータの速度を制御する方法を採用している。追尾のための画像処理には図８に示すような図形のずれを検出する方法や輝度の最大値を検出する方法が考えられる。次に輝度の最大値を検出する方法を用いた実験結果について示す。

図６　移動物体識別追尾システムのソフト面のブロック図

図７　モーメント不変量を用いた人工神経回路網

図８　追尾のための画像処理

図９　ファジィコントローラ

ＰＷＭによる追尾制御

　図６では，コントローラとしてファジィ制御則に基づいたファジィコントローラが示されているが，コントローラとしてＰＩＤ制御則に基づいたＰＩＤコントローラやその他，適応制御・最適制御則等に基づいた種々のコントローラが考えられる。追尾制御実験では，ＰＩＤコントローラと図９に示すように，偏差と偏差の変化分を入力として水平垂直方向のパルスのデューティ比を出力とするファジィコントローラの２種類が用いられた。ファジィコントローラの実験結果については別の機会に譲ることにし，本稿ではＰＩＤコントローラを用いた場合の実験結果について述べる。
　ＰＩＤ制御はすでに示したように，比例（Ｐ）・積分（Ｉ）・微分（Ｄ）制御の略であり，目標値と出力の偏差に比例したもの，偏差を積分したもの，偏差を微分したものをある一定の比率で加え合わせたものを制御量として用いる制御法である。実験では，普通用いられるＰＩＤ制御則を若干修正したものを用いた。
　次に視覚装置に用いられた追尾の手順を示す。（１）始めに移動物体の画像データをＣＣＤビデオカメラからマイクロコンピュータに取り込む。（２）次に移動物体の画像の最大輝度を検出する。（３）ＣＣＤビデオカメラの現在の位置をエンコーダで読み，マイクロコンピュータに取り込む。現在の位置が画像の中心になるようにカメラを移動する。すなわち，カメラの位置（ｉ，ｊ）と画像の中心の間の偏差を計算し，ＰＩＤ制御則により速度を制御しながらカメラを画像の中心に移動する。（４）画像データをマイクロコンピュータに取り込む時間が約３０分の１ミリ秒であり，従って，画像取り込みに３０分の１ミリ秒以上のタイマーを用いる。実験では１００ミリ秒のタイマーを８２５３で割り込み処理を用いて生成した。（５）（１）から（４）の手順を繰り返し実行し，移動物体をある誤差内で追尾する。以上の手順を用いて追尾実験を行った。

追尾実験

　図２の移動物体識別追尾システムを用いてパターン識別実験と追尾制御実験を行った。パターン識別実験結果は紙面の都合上省略する。ＰＩＤ制御則として次式を用いた。

Ｖ

_ｎ＝Ｋ｛ｅ_ｎ＋Ｔ_ｓ（Σｅ_ｎ）／Ｔ_ｉ
　Ｗ_ｎ＝Ｖ_ｎ＋Ｔ_ｄ（Ｖ_ｎ－Ｖ_ｎ－１）／Ｔ_ｓ
　Ｕ_ｎ＝｛Ｗ_ｎ＋（０．１Ｔ’_ｄ／Ｔ_ｓ）Ｕ_ｎ－１｝／（１＋０．１Ｔ_ｄ／Ｔ_ｓ）
　ここで，Ｕｎはｎサンプリング時刻のＤＣモータの速度出力，ｅ_ｎはｎサンプリング時刻の画像の中心とＣＣＤビデオカメラの位置の偏差，Ｔ_ｓはサンプリング周期，Ｖ_ｎとＷ_ｎは補助変数である。式中に含まれるパラメータＫ，Ｔ_ｉ，Ｔ_ｄはそれぞれ比例ゲイン，積分時間，微分時間である。水平軸（ｘ軸）及び垂直軸（ｙ軸）モータの速度をＰＩＤ制御則で制御し，追尾実験を行った。ｘ軸モータのＰＩＤ制御のパラメータとしてＫ＝２．５０，Ｔ_ｉ＝１５０．０，Ｔ_ｄ＝０．７００，ｙ軸モータのパラメータとしてＫ＝４．００，Ｔ_ｉ＝１５０．０，Ｔ_ｄ＝０．７００を採用し，目標値を
　ｘ＝ｙ＝２０ｓｉｎ（７πｔ／１８０）
と設定し，２５秒間追尾を行った結果を図１０に示す。赤色の点線が目標値を示し，緑色の実線が１５秒間追尾したときの軌跡を示している。この図ではわからないが，最初目標値との偏差が大きく，時間の経過と共に偏差が小さくなる。すなわち，画面上では緑色の実線が次第に赤色の点線に近づいていった。図１１ａ・ｂ・ｃは，手動光源を目標値としたときの２５秒間の追尾結果を表している。用いたＰＩＤ制御のパラメータは図１０の場合と全く同じで目標値のみが異なっている。図１１ａ・ｂはそれぞれｘ軸ｙ軸モータの追尾を表しており，縦軸にｘ軸ｙ軸のモータのエンコーダ値に５０を加えたものをとり，横軸に時間をとっている。図１１ｃにそれを２次元平面で表示している。前と同様に赤色の点線が目標値で，緑色の実線が追尾の軌跡である。追尾実験の結果よりパラメータを適当に選ぶことにより，ＰＩＤコントローラは精度よく移動物体に追尾できることがわかる。


図１０　目標値がｘ＝ｙ＝２０sin （７πｔ／１８０）の場合の追尾結果	図１１ａ目標値が手動光源の場合の追尾結果


図１１ｃ　目標値が手動光源の場合の追尾結果	図１１ｂ　目標値が手動光源の場合の追尾結果

おわりに

　本稿では，試作した移動物体識別追尾装置について簡単に紹介し，その装置がいかに移動物体を識別し，どのように追尾しているかについて述べた。テーマで人工の目と大きなテーマを掲げたが，人工の目を実現するためには，一対の眼球から成る目や，人工脳をハード・ソフトの両面から研究開発することが今後一層望まれる。それにより，人工の目や脳をもつ機械が近い将来，人間の代わりに宇宙，深海，原子炉内等で働いたり，また，身近な日常生活ではアシスタントとして役立ってくれるものと期待している。
　なお，本稿で紹介された移動物体を識別する人工神経回路網の基本部分は，京都コンピュータ学院情報科学研究所所長上野季夫先生との共同研究から開発されたものである。