ハリスコーナー検出器は、画像内のコーナー点を特定するためのコンピュータビジョンにおける基礎的なアルゴリズムである。これは1988年にクリス・ハリスとマイク・スティーブンスによって「A Combined Corner and Edge Detector」という論文で発表された。この検出器は、画像の強度が複数の方向で大きな変動を持つ点を特定するように設計されており、特徴マッチング、物体認識、モーション追跡などのタスクに有用である。これは、多くの現代的な機械学習アプローチに先立つ分野の基盤技術であり、古典的なパイプラインや学習ベースの特徴検出器のベースラインとして今も広く使用されている。
このアルゴリズムはグレースケール画像を対象とし、局所的な勾配構造に基づいて応答値を計算する。各ピクセルについて、小さな近傍内の画像勾配の分布を要約する二次モーメント行列（構造テンソルとも呼ばれる）を構築する。この行列の固有値は、2つの直交方向に沿った強度変化の強さを示す。両方の固有値が大きい場合、つまり画像パッチが全方向で有意な変動を持つ場合にコーナーが検出される。応答関数はしばしばRと表記され、行列の行列式とトレースを組み合わせて固有値の明示的な計算を回避し、調整可能なパラメータk（通常0.04から0.06程度）を使用する。
数学的定式化
ハリス検出器は、ピクセル(x, y)に対する二次モーメント行列Mを、通常はガウス重み付き近傍であるウィンドウW上の和として定義する：
M = W上の和 [Ix^2, IxIy; IxIy, Iy^2]
ここで、IxとIyはx方向とy方向の画像勾配であり、Sobel演算子や類似の演算子を使用して計算される。応答Rは次式で与えられる：
R = det(M) - k * trace(M)^2
ここで、det(M) = λ1 * λ2、trace(M) = λ1 + λ2であり、λ1とλ2は固有値である。ピクセルは、Rが閾値を超える場合にコーナーとして分類され、非最大値抑制が適用されて局所的最大値のみが保持され、スパースな関心点の集合が生成される。
特性と利点
ハリスコーナー検出器は画像の回転に対して不変であり、つまりある向きで検出されたコーナーは、画像を回転させた後でも検出される。また、勾配の大きさに依存し絶対的な強度には依存しないため、照明変化に対して部分的に不変である。しかし、スケール不変性はなく、画像がスケーリングされるとコーナーが消えたり変化したりする可能性があり、これが後のスケール不変特徴変換（SIFT）や他のマルチスケール検出器の開発につながった。この検出器は計算効率が高く、特にディープラーニング以前の時代において、リアルタイムアプリケーションに適している。
コンピュータビジョンにおける応用
ハリスコーナーは、多くの古典的なコンピュータビジョンタスクで使用されている。データ拡張や画像ステッチングでは、重なり合う画像間のマッチングのためのキーポイントとして機能する。モーション追跡では、ビデオフレーム間で追跡するための安定した点を提供する。この検出器は、スケール選択を追加するハリス-ラプラス検出器など、より複雑な特徴記述子の構成要素でもある。ロボティクスや自動運転では、ハリスコーナーは視覚オドメトリや同時位置推定と地図作成（SLAM）に役立つが、現代のシステムではニューラルネットワークモデルからの学習特徴を使用することが多い。
現代のアプローチとの関係
ディープラーニングや畳み込みニューラルネットワークベースの手法の台頭により、ハリスコーナー検出器は、特定のタスクやデータに適応できる学習ベースの関心点検出器に大部分が取って代わられた。しかし、これは重要な教育ツールであり、新しいアルゴリズムを評価するためのベースラインとして残っている。OpenCVなどの多くのライブラリが組み込み実装を提供しており、計算リソースが限られている状況や解釈可能性が望まれる状況では今も使用されている。勾配ベースのコーナー検出の原理は、残差ネットワークや他のアーキテクチャにおける現代の特徴抽出層にも影響を与えている。
制限と拡張
主な制限はスケール不変性の欠如であり、これはハリス-ラプラス検出器やヘッセ-ラプラス検出器がスケールスペース解析を組み込むことで対処している。この検出器はノイズにも敏感であるが、ガウス平滑化がこれを軽減する。最小固有値を応答として使用するシ-トマシコーナー検出器などの拡張は、追跡アプリケーションの堅牢性を向上させる。実際には、ハリス検出器は非最大値抑制やサブピクセル精緻化と組み合わせて、正確なキーポイント位置特定を達成することが多い。
歴史的背景
ハリスコーナー検出器は、1980年代にゼロックスPARCや他の研究機関での研究から生まれ、モラベックによる初期のコーナー検出法を基盤としていた。これは、以前の手法よりも安定して再現性のある応答を提供したため、大きな進歩であった。このアルゴリズムの単純さと有効性により、コンピュータビジョンのカリキュラムや産業アプリケーションで標準的なツールとなった。人工知能や生成AIが分野を変革した現在でも、ハリスコーナー検出器は古典的な幾何学的・統計的手法の永続的な価値の証となっている。
実装に関する注意点
実際には、検出器にはウィンドウサイズ、ガウスシグマ、Rの閾値の選択が必要である。一般的な選択肢には、3x3または5x5のウィンドウ、シグマ約1、最大応答の割合に基づく閾値が含まれる。このアルゴリズムはOpenCV、scikit-image、MATLABなどの一般的なライブラリに実装されており、プロトタイピングにアクセスしやすい。大きな画像の場合、計算は畳み込み演算を使用してベクトル化でき、現代のハードウェア上で効率的である。