第1回，第2回と画像認識の基礎とOpenCVについて紹介してきました。第3回目の今回は，いよいよ本連載の目玉であるOpenCVを使ったオブジェクト検出に挑戦してみます。

オブジェクト検出の仕組み

基本原理のおさらい

オブジェクト検出のプログラムを書き始める前に，そもそもどんな仕組みでオブジェクト検出を行っているのかを理解しましょう。 第1回では画像認識の原理として，学習フェーズと認識フェーズがあることを説明しましたが，OpenCVに実装されているオブジェクト検出プログラムもこの流れに従います。つまり，画像から特徴量を抽出し，学習アルゴリズムによってオブジェクトを学習します（詳しくは第1回を参照してください⁠）⁠。

OpenCVに実装されているオブジェクト検出プログラムは，Paul Violaらのオブジェクト検出の研究［1］をベースに，Rainer Lienhartらが改良した研究［2］が実装されています。これらの研究では，画像特徴量としてHaar-Like特徴量，学習アルゴリズムとしてAdaboostと呼ばれるアルゴリズムを使用しており，非常に高速にオブジェクト検出が行えます。

なお，以下で説明するアルゴリズムは，考え方を伝えるためにかなり乱暴に簡略化しています。詳しいやり方に興味のある方は，以下の原著を読んでみてください。

• [1] Paul Viola and Michael J. Jones, "Rapid Object Detection using a Boosted Cascade of Simple Features", IEEE CVPR, 2001.
• [2] Rainer Lienhart and Jochen Maydt, "An Extended Set of Haar-like Features for Rapid Object Detection", IEEE ICIP 2002, Vol. 1, pp. 900-903, Sep. 2002.

Adaboost

OpenCVのオブジェクト検出器は，学習にAdaBoost（エイダブースト，またはアダブースト）と呼ばれる方法を用いています。 AdaBoostは一つひとつはあまり判別能力の高くない（ただしランダムに判定するよりは若干ましという程度の）弱い識別器を，たくさん繋げることで強い識別器を作るという考え方の，学習・判別アルゴリズムです。強い識別器は，弱い識別器をその重要度にあわせて重みをつけて，それらを組み合わせたものになります。

例えば，ある画像が車かどうかを判断する識別器を作りたいとします。車かどうかを判定させるために，画像中に丸があるかを判断する識別器や，三角があるかを判断する識別器，四角があるかどうかを判断する識別器など，単純な図形に反応する複数の識別器を用意したとしましょう。

ここに車の画像を入力したところ，タイヤなどのせいで丸を判定する識別器が強い出力を返しました。その場合，丸を判定する識別器は車かどうかを判定する上で重要なので，重みを重くします。次に車以外の画像を入力（例えばオニギリの画像）した際，三角の識別器が反応したとします。この場合は三角の識別器の重みを小さくします。

このような処理を繰り返すことで，車を入力すると強く反応し，車以外を入力すると反応しない強い識別器を作成することができます。

このように，正解画像と非正解画像，及び教師信号（画像が正解画像か不正解画像かを教える信号）を与えて学習をさせると言うやり方はほとんどの機械学習で一般的な方法です。