狀態(tài)估計裝置、狀態(tài)估計方法以及集成電路的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及使用時間序列濾波器對可觀測的現(xiàn)象的狀態(tài)進(jìn)行估計的技術(shù)，例如設(shè) 及使用時間序列濾波器來跟蹤運(yùn)動圖像上的物體的技術(shù)。
【背景技術(shù)】
[0002] 作為對時時刻刻變化的觀測對象的內(nèi)部狀態(tài)進(jìn)行估計的技術(shù)，存在使用時間序列 濾波器的技術(shù)。時間序列濾波器是指在將時刻t的對象的內(nèi)部狀態(tài)設(shè)為狀態(tài)矢量Xt并將在 時刻t觀測到的特征設(shè)為觀測矢量yt時，根據(jù)觀測到的觀測矢量yt對無法直接觀測的對象的 內(nèi)部狀態(tài)Xt進(jìn)行估計的技術(shù)。
[0003] 也就是說，時間序列濾波器是指如下技術(shù):在從W下的狀態(tài)空間模型、即， 系統(tǒng)模型：Xt~f ( Xt I Xt-I) 觀測模型:yt~Myt I Xt) 給出觀測系列(直到時刻t的觀測矢量的集合)yi:t={yi，y2, ? ? ?，yt}時，求出狀態(tài)系 列x〇:t={x〇，xi，? ? ?，xt}的帶條件概率分布p(xt|yi:t)。
[0004] 當(dāng)將系統(tǒng)噪聲設(shè)為Vt并將觀測噪聲設(shè)為Wt時，能夠W W下方式表示對象的內(nèi)部狀 態(tài)的系統(tǒng)模型W及觀測對象時的觀測模型。
[000引對象的內(nèi)部狀態(tài)的系統(tǒng)模型:Xt=f (Xt-I，Vt) 觀測對象時的觀測模型:y t=h (Xt，Wt) f ( Xt-I，Vt):表示時刻t-1和時刻t的狀態(tài)變化的狀態(tài)轉(zhuǎn)變函數(shù) h (Xt，Wt):表示在狀態(tài)Xt時得到的觀測矢量的函數(shù) 此時，1個先期預(yù)測為 試1]
通過貝葉斯法則，在時刻t的后驗概率分布p(xt|yi:t)成為 試2]
此外，h(yt I Xt)為似然度(在狀態(tài)Xt時，得到觀測矢量yt的概率），p(xt I 為預(yù)測概 率分布。
[0006] 作為安裝時間序列濾波器的一種技術(shù)，存在粒子濾波器。在粒子濾波器中，用粒子 的分布來表現(xiàn)觀測對象的內(nèi)部狀態(tài)的概率分布，將當(dāng)前時刻的狀態(tài)的后驗概率分布設(shè)為下 一時刻的狀態(tài)的先驗概率分布。而且，在粒子濾波器中，通過把根據(jù)表示該先驗概率分布的 粒子(按該先驗概率分布生成的樣本集合）的狀態(tài)估計出的模板的觀測(預(yù)測樣本)與下一 時刻的實際圖像(實際觀測)進(jìn)行比較來求出似然度。
[0007] 而且，在粒子濾波器中，根據(jù)求出的似然度和預(yù)測概率分布來對粒子的后驗概率 分布進(jìn)行估計。
[0008] 在下一時刻W后，反復(fù)進(jìn)行前述的處理，由此在粒子濾波器中，對動態(tài)地變化的觀 測對象(例如跟蹤對象)的狀態(tài)逐次地進(jìn)行估計。
[0009] 在粒子濾波器中，在將粒子數(shù)(粒子的數(shù)量)設(shè)為M(M:自然數(shù))并設(shè)為 整數(shù))時，進(jìn)行W下（1)~(4)的處理。
[0010] (1)粒子生成（1個先期預(yù)測） 通過相當(dāng)于W下數(shù)學(xué)式的處理，關(guān)于各樣本(各粒子），生成在時刻t的預(yù)測樣本。也就 是說，從時刻t-1的后驗概率分布(時刻t-1的觀測對象的內(nèi)部狀態(tài)的概率分布)獲取通過系 統(tǒng)模型(狀態(tài)轉(zhuǎn)變函數(shù))預(yù)測出的概率分布(預(yù)測概率分布）。具體地說，按照系統(tǒng)模型f，使 時刻t-1的各樣本(各粒子)轉(zhuǎn)變而生成預(yù)測樣本。 xat(i)~f (Xt I Xt-I(I)) Xat=Ixat(I)，xat(2)，xat(3)，???，xat(M)} xat:由狀態(tài)轉(zhuǎn)變函數(shù)f ()得到的狀態(tài)矢量Xt的預(yù)巧Ij (估計)矢量。
[0011] (2)權(quán)重的計算(似然度計算） 通過相當(dāng)于W下數(shù)學(xué)式的處理，關(guān)于通過處理（1)生成的各預(yù)測樣本，計算出權(quán)重(似 然度）。也就是說，按照觀測模型h，對得到觀測矢量yt的概率(似然度)進(jìn)行估計。 wat…~Myt Ixat(D) wat={wat(i)，wat(2)，wat(3)，? ? ?，wat(M)} wat:由函數(shù)hO得到的權(quán)重(似然度)Wt的預(yù)測(估計)矢量(似然度的預(yù)測值的集合）。 [001^ (3)重采樣 W與權(quán)重(似然度）watW成比例的比率來恢復(fù)提取M個粒子(提取粒子xatW)。從像運(yùn) 樣恢復(fù)提取出的M個粒子的分布獲取時刻t的后驗概率分布(時刻t的觀測對象的內(nèi)部狀態(tài) 的概率分布）。
[0013] (4)前進(jìn)到時刻t而返回至（1)。此時，將通過處理(3)獲取到的后驗概率分布(在時 亥Ijt處的后驗概率分布)設(shè)為下一時刻(時刻t+1)的先驗概率分布。
[0014] 像運(yùn)樣，所謂粒子濾波器，是通過反復(fù)進(jìn)行表示觀測對象的狀態(tài)的參數(shù)的先驗概 率分布的預(yù)測W及后驗概率分布的計算來對時時刻刻變化的表示觀測對象的狀態(tài)的參數(shù) 進(jìn)行估計的技術(shù)。運(yùn)樣的粒子濾波器例如被利用于跟蹤運(yùn)動圖像上的物體（目標(biāo)）的位置。 在使用粒子濾波器來進(jìn)行物體（目標(biāo)）的位置跟蹤處理的情況下，表示跟蹤對象(觀測對象 的一個例子)的狀態(tài)的參數(shù)例如為表示物體的位置的參數(shù)。在該情況下，在粒子濾波器中， 通過把根據(jù)表示物體的位置的參數(shù)估計出的觀測(預(yù)測樣本)與實際觀測(例如通過照相機(jī) 等拍攝的圖像)進(jìn)行比較來計算出似然度，基于計算出的似然度來進(jìn)行粒子的重采樣，由此 能夠獲取表示觀測對象的狀態(tài)的參數(shù)的后驗概率分布(例如專利文獻(xiàn)1)。
[0015] 現(xiàn)有技術(shù)文獻(xiàn) 專利文獻(xiàn) 專利文獻(xiàn)1:特開2012-234466號公報。

【發(fā)明內(nèi)容】

[0016] 發(fā)明要解決的課題 然而，在W往的技術(shù)中，由于使用單一的觀測數(shù)據(jù)來執(zhí)行物體的跟蹤處理，因此在獲取 觀測數(shù)據(jù)的環(huán)境變化的情況等當(dāng)中，無法穩(wěn)定地獲取適當(dāng)?shù)挠^測數(shù)據(jù)，其結(jié)果，有時無法適 當(dāng)?shù)剡M(jìn)行內(nèi)部狀態(tài)的估計。另外，在W往的技術(shù)中，由于使用單一的觀測數(shù)據(jù)來執(zhí)行物體的 跟蹤處理，因此難W對多樣的對象物適當(dāng)?shù)剡M(jìn)行檢測/跟蹤處理。
[0017] 進(jìn)一步地，在W往的技術(shù)中，在觀測數(shù)據(jù)存在噪聲的情況下、在獲取觀測數(shù)據(jù)時發(fā) 生錯誤、異常的情況下，難W適當(dāng)?shù)貙Ω檶ο蟮奈矬w的內(nèi)部狀態(tài)進(jìn)行估計。
[0018] 于是，鑒于上述問題點(diǎn)，本發(fā)明目的在于實現(xiàn)如下的狀態(tài)估計裝置、程序W及集成 電路:關(guān)于跟蹤對象的物體，獲取多個觀測數(shù)據(jù)，使用從獲取到的多個觀測數(shù)據(jù)分別導(dǎo)出的 似然度(多個似然度)和觀測數(shù)據(jù)的可靠度(多個觀測數(shù)據(jù)的可靠度），來估計物體的內(nèi)部狀 態(tài)，由此能夠更正確且魯棒地進(jìn)行物體的檢測處理、跟蹤處理。
[0019] 用于解決課題的方案 為了解決上述課題，第一發(fā)明是對觀測對象的內(nèi)部狀態(tài)進(jìn)行估計的狀態(tài)估計裝置，具 備:第一觀測獲取部、第二觀測獲取部、先驗概率分布預(yù)測部、第一似然度獲取部、第二似然 度獲取部、似然度合成部W及后驗概率分布獲取部。
[0020] 第一觀測獲取部W任意的時間間隔來獲取從可觀測的現(xiàn)象得到的第一觀測數(shù)據(jù)。
[0021] 第二觀測獲取部W任意的時間間隔來獲取從可觀測的現(xiàn)象得到的第二觀測數(shù)據(jù)。
[0022] 先驗概率分布預(yù)測部把在前一時刻t-1獲取到的、作為觀測對象的內(nèi)部狀態(tài)的概 率分布的后驗概率分布數(shù)據(jù)設(shè)為在當(dāng)前時刻t的先驗概率分布數(shù)據(jù)，對在該時刻t的先驗概 率數(shù)據(jù)進(jìn)行預(yù)測處理，獲取在當(dāng)前時刻t的、作為觀測對象的內(nèi)部狀態(tài)的概率分布的預(yù)測概 率分布數(shù)據(jù)。
[0023] 第一似然度獲取部基于第一觀測數(shù)據(jù)來獲取第一似然度。
[0024] 第二似然度獲取部基于第二觀測數(shù)據(jù)來獲取第二似然度。
[0025] 似然度合成部基于第一似然度、第二似然度、示出第一觀測數(shù)據(jù)的可靠度的第一 可靠度數(shù)據(jù)W及示出第二觀測數(shù)據(jù)的可靠度的第二可靠度數(shù)據(jù)，來獲取合成似然度。
[0026] 后驗概率分布獲取部根據(jù)合成似然度和預(yù)測概率分布數(shù)據(jù)，來獲取在當(dāng)前時刻t 的、作為觀測對象的內(nèi)部狀態(tài)的概率分布的后驗概率分布數(shù)據(jù)。
[0027] 在該狀態(tài)估計裝置中，獲取多個觀測數(shù)據(jù)(例如第一觀測數(shù)據(jù)和第二觀測數(shù)據(jù)）， 基于觀測數(shù)據(jù)的可靠度(例如第一可靠度數(shù)據(jù)和第二可靠度數(shù)據(jù))對從獲取到的多個觀測 數(shù)據(jù)分別導(dǎo)出的多個似然度(例如第一似然度和第二似然度)進(jìn)行合成，由此獲取合成似然 度。也就是說，在該狀態(tài)估計裝置中，由于能夠基于觀測數(shù)據(jù)的可靠度更高的數(shù)據(jù)來獲取合 成似然度，因此能夠獲取精度高的后驗概率分布數(shù)據(jù)。其結(jié)果，在該狀態(tài)估計裝置中，使用 精度高的后驗概率分布數(shù)據(jù)，能夠更正確且魯棒地進(jìn)行物體的檢測處理、跟蹤處理。
[0028] 此外，"時刻"是指例如包含基于對觀測對象進(jìn)行采樣的時間間隔的時刻的概念， 例如時刻t-1示出時刻t的采樣的前一個采樣時刻。
[0029] 另外，"當(dāng)前時刻t"與"下一時刻t+r或者"前一時刻t-r與"當(dāng)前時刻t"的時間間 隔例如在后驗概率分布獲取部中只要對于獲取單位圖像的量(例如一帖的量）的后驗概率 分布數(shù)據(jù)來說是足夠的時間即可，例如是相當(dāng)于一帖的時間（一帖時間）。
[0030] 第二發(fā)明是第一發(fā)明，進(jìn)一步具備第一可靠度獲取部和第二可靠度獲取部。
[0031 ]第一可靠度獲取部獲取第一可靠度數(shù)據(jù)。
[0032] 第二可靠度獲取部獲取第二可靠度數(shù)據(jù)。
[0033] 而且，第一觀測獲取部獲取作為與第一觀測數(shù)據(jù)的檢測精度有關(guān)的數(shù)據(jù)的第一檢 測精度數(shù)據(jù)，第二觀測獲取部獲取作為與第二觀測數(shù)據(jù)的檢測精度有關(guān)的數(shù)據(jù)的第二檢測 精度數(shù)據(jù)。
[0034] 而且，第一可靠度獲取部基于第一檢測精度數(shù)據(jù)來獲取第一可靠度數(shù)據(jù)，第二可 靠度獲取部基于第二檢測精度數(shù)據(jù)來獲取第二可靠度數(shù)據(jù)。
[0035] 由此，在該狀態(tài)估計裝置中，基于由第一可靠度獲取部獲取到的第一可靠度數(shù)據(jù) W及由第二可靠度獲取部獲取到的第二可靠度數(shù)據(jù)，能夠更適當(dāng)?shù)孬@取合成似然度。例如 在該狀態(tài)估計裝置中，第一可靠度獲取部能夠按時間序列連續(xù)地獲取第一可靠度數(shù)據(jù)，第 二可靠度獲取部能夠按時間序列連續(xù)地獲取第二可靠度數(shù)據(jù)，因此能夠獲取精度更高的第 一可靠度數(shù)據(jù)、第二可靠度數(shù)據(jù)。因而，在該狀態(tài)估計裝置中，基于觀測數(shù)據(jù)的可靠度更高 的數(shù)據(jù)，能夠更適當(dāng)?shù)孬@取合成似然度，因此能夠獲取精度高的后驗概率分布數(shù)據(jù)。其結(jié) 果，在該狀態(tài)估計裝置中，使用精度高的后驗概率分布數(shù)據(jù)，能夠更正確且魯棒地進(jìn)行物體 的檢測處理、跟蹤處理。
[0036] 第=發(fā)明是第二發(fā)明，進(jìn)一步具備傳感器部，該傳感器部基于由一個或者多個傳 感器檢測出的規(guī)定的物理量，來獲取一個或者多個傳感器檢測值。
[0037] 而且，似然度合成部基于由傳感器部獲取到的傳感器檢測值，修正第一可靠度數(shù) 據(jù)，由此獲取修正第一可靠度數(shù)據(jù);基于由傳感器部獲取到的傳感器檢測值，修正第二可靠 度數(shù)據(jù)，由此獲取修正第二可靠度數(shù)據(jù)。
[0038] 而且，似然度合成部基于修正第一可靠度數(shù)據(jù)和修正第二可靠度數(shù)據(jù)，來獲取合 成似然度。
[0039] 由此，在該狀態(tài)估計裝置中，由于能夠獲取考慮了傳感器檢測值的合成似然度，因 此進(jìn)一步地能夠獲取精度高的后驗概率分布數(shù)據(jù)。其結(jié)果，在該狀態(tài)估計裝置中，使用精度 高的后驗概率分布數(shù)據(jù)，能夠更正確且魯棒地進(jìn)行物體的檢測處理、跟蹤處理。
[0040] 第四發(fā)明是第二發(fā)明，進(jìn)一步具備傳感器部，該傳感器部基于由一個或者多個傳 感器檢測出的規(guī)定的物理量，來獲取一個或者多個傳感器檢測值。
[0041] 而且，第一可靠度獲取部基于由傳感器部獲取到的傳感器檢測值和第一檢測精度 數(shù)據(jù)來獲取第一可靠度數(shù)據(jù)。
[0042] 第二可靠度獲取部基于由傳感器部獲取到的傳感器檢測值和第二檢測精度數(shù)據(jù) 來獲取第二可靠度數(shù)據(jù)。
[0043] 由此，在該狀態(tài)估計裝置中，由于能夠獲取考慮了傳感器檢測值的合成似然度，因 此進(jìn)一步地能夠獲取精度高的后驗概率分布數(shù)據(jù)。其結(jié)果，在該狀態(tài)估計裝置中，使用精度 高的后驗概率分布數(shù)據(jù)，能夠更正確且魯棒地進(jìn)行物體的檢測處理、跟蹤處理。
[0044] 第五發(fā)明是第一發(fā)明至第四發(fā)明中的任一個的發(fā)明，第一可靠度數(shù)據(jù)為固定值， 第二可靠度數(shù)據(jù)為固定值。
[0045] 由此，在該狀態(tài)估計裝置中，能夠使用作為固定值的第一可靠度數(shù)據(jù)和第二可靠 度數(shù)據(jù)，執(zhí)行狀態(tài)估計處理。
[0046] 第六發(fā)明是第一發(fā)明至第五發(fā)明中的任一個的發(fā)明，第一可靠度數(shù)據(jù)為二值數(shù) 據(jù)，第二可靠度數(shù)據(jù)為二值數(shù)據(jù)。
[0047]由此，在該狀態(tài)估計裝置中，能夠使用作為二值數(shù)據(jù)的第一可靠度數(shù)據(jù)和第二可 靠度數(shù)據(jù)，執(zhí)行狀態(tài)估計處理。
[004引第屯發(fā)明是第一發(fā)明至第五發(fā)明中的任一個的發(fā)明，第一可靠度數(shù)據(jù)為連續(xù)值， 第二可靠度數(shù)據(jù)為連續(xù)值。
[0049] 由此，在該狀態(tài)估計裝置中，由于使用作為連續(xù)值的第一可靠度數(shù)據(jù)和第二可靠 度數(shù)據(jù)，因此能夠獲取精度更高的合成似然度。其結(jié)果，在該狀態(tài)估計裝置中，使用精度更 高的后驗概率分布數(shù)據(jù)，能夠更正確且魯棒地進(jìn)行物體的檢測處理、跟蹤處理。
[0050] 第八發(fā)明是對觀測對象的內(nèi)部狀態(tài)進(jìn)行估計的狀態(tài)估計方法，具備第一觀測獲取 步驟、第二觀測獲取步驟、先驗概率分布預(yù)測步驟、第一似然度獲取步驟、第二似然度獲取 步驟、合成似然度獲取步驟W及后驗概率分布獲取步驟。
[0051] 第一觀測獲取步驟W任意的時間間隔來獲取從可觀測的現(xiàn)象得到的第一觀測數(shù) 據(jù)。
[0052] 第二觀測獲取步驟W任意的時間間隔來獲取從可觀測的現(xiàn)象得到的第二觀測數(shù) 據(jù)。
[0053] 在先驗概率分布預(yù)測步驟中，把在前一時刻t-1獲取到的、作為觀測對象的內(nèi)部狀 態(tài)的概率分布的后驗概率分布數(shù)據(jù)設(shè)為在當(dāng)前時刻t的先驗概率分布數(shù)據(jù)，對在該時刻t的 先驗概率數(shù)據(jù)進(jìn)行預(yù)測處理，獲取在當(dāng)前時刻t的、作為觀測對象的內(nèi)部狀態(tài)的概率分布的 預(yù)測概率分布數(shù)據(jù)。
[0054] 在第一似然度獲取步驟中，基于第一觀測數(shù)據(jù)來獲取第一似然度。
[0055] 在第二似然度獲取步驟中，基于第二觀測數(shù)據(jù)來獲取第二似然度。
[0056] 在合成似然度獲取步驟中，基于第一似然度、第二似然度、示出第一觀測數(shù)據(jù)的可 靠度的第一可靠度數(shù)據(jù)W及示出第二觀測數(shù)據(jù)的可靠度的第二可靠度數(shù)據(jù)，來獲取合成似 然度。
[0057] 在后驗概率分布獲取步驟中，根據(jù)合成似然度和預(yù)測概率分布數(shù)據(jù)，來獲取在當(dāng) 前時刻t的、作為觀測對象的內(nèi)部狀態(tài)的概率分布的后驗概率分布數(shù)據(jù)。
[00曰引由此，能夠?qū)崿F(xiàn)使計算機(jī)執(zhí)行起到與第一發(fā)明相同的效果的狀態(tài)估計方法的程 序。
[0059] 第九發(fā)明是對觀測對象的內(nèi)部狀態(tài)進(jìn)行估計的集成電路，具備第一觀測獲取部、 第二觀測獲取部、先驗概率分布預(yù)測部、第一似然度獲取部、第二似然度獲取部、似然度合 成部W及后驗概率分布獲取部。
[0060] 第一觀測獲取部W任意的時間間隔來獲取從可觀測的現(xiàn)象得到的第一觀測數(shù)據(jù)。
[0061] 第二觀測獲取部W任意的時間間隔來獲取從可觀測的現(xiàn)象得到的第二觀測數(shù)據(jù)。
[0062] 先驗概率分布預(yù)測部把在前一時刻t-1獲取到的、作為觀測對象的內(nèi)部狀態(tài)的概 率分布的后驗概率分布數(shù)據(jù)設(shè)為在當(dāng)前時刻t的先驗概率分布數(shù)據(jù)，對在該時刻t的先驗概 率數(shù)據(jù)進(jìn)行預(yù)測處理，獲取在當(dāng)前時刻t的、作為觀測對象的內(nèi)部狀態(tài)的概率分布的預(yù)測概 率分布數(shù)據(jù)。
[0063] 第一似然度獲取部基于第一觀測數(shù)據(jù)來獲取第一似然度。
[0064] 第二似然度獲取部基于第二觀測數(shù)據(jù)來獲取第二似然度。
[0065] 似然度合成部基于第一似然度、第二似然度、示出第一觀測數(shù)據(jù)的可靠度的第一 可靠度數(shù)據(jù)W及示出第二觀測數(shù)據(jù)的可靠度的第二可靠度數(shù)據(jù)，來獲取合成似然度。
[0066] 后驗概率分布獲取部根據(jù)合成似然度和預(yù)測概率分布數(shù)據(jù)，來獲取在當(dāng)前時刻t 的、作為觀測對象的內(nèi)部狀態(tài)的概率分布的后驗概率分布數(shù)據(jù)。
[0067] 由此，能夠?qū)崿F(xiàn)起到與第一發(fā)明相同的效果的集成電路。
[0068] 根據(jù)本發(fā)明，能夠?qū)崿F(xiàn)如下的狀態(tài)估計裝置、程序W及集成電路:關(guān)于跟蹤對象的 物體，獲取多個觀測數(shù)據(jù)，使用從獲取到的多個觀測數(shù)據(jù)分別導(dǎo)出的似然度(多個似然度） 和觀測數(shù)據(jù)的可靠度(多個觀測數(shù)據(jù)的可靠度），對物體的內(nèi)部狀態(tài)進(jìn)行估計，由此能夠更 正確且魯棒地進(jìn)行物體的檢測處理、跟蹤處理。
【附圖說明】
[0069] 圖1是第一實施方式的狀態(tài)估計裝置1000的概要結(jié)構(gòu)圖。
[0070] 圖2是示意性地示出作為由攝像裝置(未圖示)拍攝到的運(yùn)動圖像(攝像運(yùn)動圖像） 的輸入數(shù)據(jù)Din的圖。
[0071] 圖3是示意性地示出由第一觀測獲取部1獲取到的第一觀測數(shù)據(jù)Dl的圖。
[0072] 圖4是示意性地示出由第二觀測獲取部2獲取到的第二觀測數(shù)據(jù)D2的圖。
[0073] 圖5是使第一觀測數(shù)據(jù)Dl(由第一觀測數(shù)據(jù)得到的圖像數(shù)據(jù)Dl)與第二觀測數(shù)據(jù)D2 (由第二觀測數(shù)據(jù)得到的圖像數(shù)據(jù)D2)重疊來示意性地進(jìn)行示出的圖。
[0074] 圖6是用于說明在將觀測對象(跟蹤對象)設(shè)為物體TGl的情況下的預(yù)測處理、似然 度獲取處理(似然度計算）、重采樣處理的圖。
[0075] 圖7是第一實施方式的第一變形例的狀態(tài)估計裝置1000 A的概要結(jié)構(gòu)圖。
[0076] 圖8是第二實施方式的狀態(tài)估計裝置2000的概要結(jié)構(gòu)圖。
[0077] 圖9是示意性地示出作為由具有可見光用圖像傳感器的攝像裝置(未圖示)拍攝到 的運(yùn)動圖像(攝像運(yùn)動圖像)的輸入數(shù)據(jù)Dinl的圖。
[0078] 圖10是示意性地示出作為由具有紅外光用圖像傳感器的攝像裝置(未圖示）拍攝 到的運(yùn)動圖像(攝像運(yùn)動圖像)的輸入數(shù)據(jù)Din2的圖。
[0079] 圖11是示意性地示出由第一觀測獲取部IA獲取到的第一觀測數(shù)據(jù)Dl的圖。
[0080] 圖12是示意性地示出由第二觀測獲取部2A獲取到的第二觀測數(shù)據(jù)D2的圖。
[0081