【連載】

機械の目が見たセカイ -コンピュータビジョンがつくるミライ

33 見えないものを観る(3) - 目に見えない光「赤外線」を観る

33/37

今回は、人の目では見ることのできない赤外線を可視化する技術をご紹介します。人間が見ることができるのは、波長が0.38μmから0.78μmの間の極々一部の電磁波(光)のみで、可視光と呼ばれています。赤外線は、可視光よりも波長の長い電磁波です(図1)。赤外よりもさらに波長の長い電磁波が携帯電話等の通信やテレビに使用されています。

赤外線は、近赤外線、中赤外線、遠赤外線に大別することができます。同じ赤外線でも特徴が大きく異なるので、1つずつ見ていきましょう。

図1 赤外線とは

近赤外線カメラ

近赤外線は、リモコンで使用されている光です。人間の目には見えません。近赤外線を照射し、近赤外線の波長域を露光できるカメラで撮影すれば、人間の目には暗闇しか見えない環境下で、明るい映像を撮影することができます。これが暗視カメラです。近年では、自動車の夜間の運転を補助するナイトビジョンシステムでも採用されています(動画1)。近赤外線は人間の目には見えないので、対向車や歩行者が周囲にいる場合でもハイビームで近赤外線を照射することができ、ディスプレイ上で遠方の映像を目視で確認することができます。さらにコンピュータビジョン技術を用いれば、その映像から歩行者を自動で検出することができます。

動画1 自動車の夜間運転支援システム(ナイトビジョン)

第1世代目のMicrosoft Kinectセンサでは、近赤外線でドットパターンを照射して、そのドットを近赤外線カメラで計測し、三角測量の原理で3次元データを計測していました(動画2)。第2世代目のKinectセンサは、ToF(Time of Flight)に変更されましたが、パルス変調された近赤外線が用いられており、近赤外線を照射し反射して戻ってくるまでの時間をもとに3次元データを計測します。

動画2 Kinect第1世代の近赤外投稿パターン

また、静脈認証でも近赤外線が用いられています。近赤外線を人体に照射すると、近赤外線は人体の表面部を少し透過したのち、反射されます。その際、光が血管に当たると近赤外線は赤血球に吸収され、減衰します(図2)。この反射されてきた近赤外線を撮像することで、体の表面近くに静脈が存在する領域が暗く、静脈の通っていない領域が明るい画像を得ることができます。この画像を処理して、静脈のパターンから個人を特定するのが静脈認証技術です。

図2 近赤外線を用いた静脈の撮像原理の概要

中赤外線カメラ

すべての分子は、ある特定の周波数の電磁波(光)を吸収する性質があります。この性質を調べる技術に、赤外分光法(IR法)というものがあります。中赤外線を照射すると分子が光のエネルギーを吸収するため、透過(または反射)した赤外線は照射したときよりも物質に吸収された分だけ減衰します。波長ごとの吸収されるエネルギーは分子の化学構造によって異なるため、波長(または周波数)を横軸、吸光度を縦軸にとる赤外吸収スペクトルは分子ごとに異なります。つまり、透過(または反射)した赤外線の赤外吸収スペクトルを調べることで物質を特定することができます。

遠赤外線カメラ

物体は、温度が高いほど強い遠赤外線を発します。つまり、遠赤外線を電気信号に変換することができれば、物体に触れることなく温度を計測することができます。遠赤外線を電気信号に変換できる素子を2次元的に配置して得られるのが、熱画像(サーモグラフィ)です。遠赤外線カメラで撮影した熱画像を用いると、人間や火などの発熱源を容易に検出できます。さらにその温度を計測することができるため、空港で旅客が病気で発熱していないかを監視したり、機械の故障により発熱した箇所を自動で検出することができます。

動画3 遠赤外線カメラ

近赤外線を照射して近赤外線カメラで撮影することで、静脈のように見えなかったものが見えることがあるかもしれません。機会があれば是非いろいろ撮影してみて下さい。

また、遠赤外線カメラは高価なものでしたが、近年では低価格化が進んでいます。普通のカメラよりはまだ高価ではありますが、人や火などの発熱源を検出するシステムを開発する際は、センサの候補に遠赤外線カメラも入れてみてください。

著者プロフィール

樋口未来(ひぐち・みらい)
日立製作所 日立研究所に入社後、自動車向けステレオカメラ、監視カメラの研究開発に従事。2011年から1年間、米国カーネギーメロン大学にて客員研究員としてカメラキャリブレーション技術の研究に携わる。

日立製作所を退職後、2016年6月にグローバルウォーカーズ株式会社を設立し、CTOとして画像/映像コンテンツ×テクノロジーをテーマにコンピュータビジョン、機械学習の研究開発に従事している。また、東京大学大学院博士課程に在学し、一人称視点映像(First-person vision, Egocentric vision)の解析に関する研究を行っている。具体的には、頭部に装着したカメラで撮影した一人称視点映像を用いて、人と人のインタラクション時の非言語コミュニケーション(うなずき等)を観測し、機械学習の枠組みでカメラ装着者がどのような人物かを推定する技術の研究に取り組んでいる。

専門:コンピュータビジョン、機械学習

33/37

インデックス

連載目次
第37回 コンピュータビジョン分野で活躍する企業・フリーランサー インタビュー(3)
第36回 領域分割(3) - CRFを用いたSemantic Image Segmentation
第35回 領域分割(2) - Mean Shift法を用いたImage Segmentation
第34回 領域分割(1) - 概要編
第33回 見えないものを観る(3) - 目に見えない光「赤外線」を観る
第32回 見えないものを観る(2) - 絵画の下書きを観る
第31回 見えないものを観る(1) - 映像から音を復元する
第30回 動く人・物を追跡する(4) - OpenCVのトラッキング手法(後編)
第29回 動く人・物を追跡する(3) - OpenCVのトラッキング手法(中編)
第28回 動く人・物を追跡する(2) - OpenCVのトラッキング手法(前編)
第27回 動く人・物を追跡する(1) - OpenCVによるトラッキング
第26回 インターネット上の画像群からTime-lapse映像を自動生成する手法の概要
第25回 一人称視点(3) - Social Saliency
第24回 一人称視点(2) - Social Interaction
第23回 一人称視点(1) - 概要
第22回 行動認識(3) - Two-stream ConvNets
第21回 行動認識(2) - 動きの特徴量(HOF、MBH)
第20回 行動認識(1) - Dense Trajectories
第19回 視線計測(3) - カメラのみを用いた視線計測
第18回 視線計測(2) - 近赤外の点光源を用いた視線計測
第17回 視線計測(1) - 導入編
第16回 コンピュータビジョン分野における機械学習(4) - Deep Learning
第15回 コンピュータビジョン分野における機械学習(3) - 識別器
第14回 コンピュータビジョン分野における機械学習(2) - 顔検出・人検出
第13回 コンピュータビジョン分野における機械学習(1) - 導入編
第12回 コンピュータビジョン分野の市場分析(1) - 自動車編
第11回 コンピュータビジョン分野で活躍する企業・フリーランサー インタビュー(2)
第10回 カメラを用いた3次元計測(4) - Structure from Motion
第9回 カメラを用いた3次元計測(3) - サブピクセル推定
第8回 カメラを用いた3次元計測(2) - ステレオカメラ
第7回 コンピュータビジョン分野で活躍する企業・フリーランサー インタビュー(1)
第6回 カメラを用いた3次元計測(1)
第5回 意外と知らないカメラキャリブレーション
第4回 ハードウェアの基礎知識
第3回 コンピュータビジョンの要素技術と応用範囲(後編)
第2回 コンピュータビジョンの要素技術と応用範囲(前編)
第1回 普及期に入ったコンピュータビジョン

もっと見る



人気記事

一覧

イチオシ記事

新着記事