CN117242506A - 判定装置、判定方法及判定程序 - Google Patents

判定装置、判定方法及判定程序 Download PDF

Info

Publication number
CN117242506A
CN117242506A CN202180097791.2A CN202180097791A CN117242506A CN 117242506 A CN117242506 A CN 117242506A CN 202180097791 A CN202180097791 A CN 202180097791A CN 117242506 A CN117242506 A CN 117242506A
Authority
CN
China
Prior art keywords
vehicle
target vehicle
time
speed difference
target object
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180097791.2A
Other languages
English (en)
Inventor
森皓平
尾花和昭
秦崇洋
横畑夕贵
林亚纪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Publication of CN117242506A publication Critical patent/CN117242506A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096716—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information does not generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

图像获得部20获取搭载在所述观测车辆上的摄像头所拍摄的时间序列图像组。速度差推测部24使用所述时间序列图像组中拍摄到的表示所述目标物的区域的时间序列变化，来推测所述目标物与所述观测车辆之间的速度差。判定部28基于所述速度差来判定所述目标物或者所述观测车辆是否为危险状态。

Description

判定装置、判定方法及判定程序
技术领域
本公开的技术涉及一种判定装置、判定方法以及判定程序。
背景技术
作为针对交通工具的可收集和分析信息的设备，已知设置在街道中的传感器。环形线圈或电子眼等获得速度信息的设备作为代表性的示例，主要用于探测超过限制速度的危险驾驶车辆。
现有技术文献
非专利文献
【非专利文献1】：株式会社未来技研，“PS系列环形线圈式车辆探测器规格说明书”＜URL：http://www.hallo-signal.co.jp/support/psrg/pguide_lpcss02_ref.pdf＞
发明内容
发明要解决的课题
然而，环形线圈或电子眼等是只要固定式的设备，就只能收集设置位置附近的信息，通用性较差。最近，虽然出现了便携式设备，但是除了价格高之外，还存在只能收集搬运并设置的地方的信息等课题，因此，难以网罗全国道路的信息，无法判定非设置区间的危险驾驶车辆。
另外，虽然可以利用从上述电子眼等设备得到的数据来探测危险驾驶车辆，但是一般不会将探测到的危险驾驶车辆的信息通知给行驶车辆。另外，即使共享了是否存在危险，也无法判断该危险是否会从探测到的位置移动、或者在移动的情况下可能会对哪辆车造成危险。
本公开的技术是鉴于上述问题而提出的，其目的在于提供一种判定装置、判定方法以及判定程序，以能够使用搭载在车辆上的摄像头所拍摄的时间序列图像组，来判定也可用于该车辆以外的危险状态。
解决课题的手段
本公开的第一方式是一种判定装置，所述判定装置判定目标物或观测车辆是否为危险状态，所述目标物为能够从所述观测车辆拍摄的物体，其包括：图像获得部，所述图像获得部获取搭载在所述观测车辆上的摄像头所拍摄的时间序列图像组；速度差推测部，所述速度差推测部使用所述时间序列图像组中拍摄到的表示所述目标物的区域的时间序列变化，来推测所述目标物与所述观测车辆之间的速度差；以及判定部，所述判定部基于所述速度差来判定所述目标物或者所述观测车辆是否为危险状态。
本公开的第二方式是一种判定方法，为判定装置中的判定方法，所述判定装置判定目标物或观测车辆是否为危险状态，所述目标物为能够从所述观测车辆拍摄的物体，在所述判定方法中，图像获得部获取搭载在所述观测车辆上的摄像头所拍摄的时间序列图像组；速度差推测部使用所述时间序列图像组中拍摄到的表示所述目标物的区域的时间序列变化，来推测所述目标物与所述观测车辆之间的速度差；以及判定部基于所述速度差来判定所述目标物或者所述观测车辆是否为危险状态。
本公开的第三方式是一种程序，为判定程序，其用于使计算机作为上述第一方式的判定装置而发挥功能。
发明的效果
根据本公开的技术，能够使用搭载在车辆上的摄像头所拍摄的时间序列图像组，来判定也可用于该车辆以外的危险状态。
附图说明
图1是示出对作为目标物的目标车辆进行拍摄而得到的图像的一个示例的图。
图2的(A)是示出观测车辆和目标车辆在同一车道上行驶的示例的图，以及图2的(B)是示出观测车辆行驶的车道与目标车辆行驶的车道有间隔的示例的图。
图3是示出目标车辆是故障车辆或路上驻车车辆的示例的图。
图4是用于说明光流的矢量长度根据目标车辆的部位而不同的图。
图5是示出探测违反速度限制的车辆的示例的图。
图6是示出探测停车车辆的示例的图。
图7是示出对速度比观测车辆快的目标车辆进行拍摄而得到的时间序列图像组的示例的图。
图8是示出与基准位置处的距目标车辆的基准距离相比逐渐变远的情况的图。
图9是示出距目标车辆的距离与表示目标车辆的区域的面积比率之间的关系的曲线图。
图10是用于说明基准位置上的距目标车辆的距离的图。
图11是用于说明距观测车辆的距离为各距离的目标车辆的图。
图12是针对每个速度差，示出表示目标车辆的区域的面积比率的时间序列变化的图样的一个示例的示意图。
图13是用于说明判定与目标车辆之间的速度差是否为阈值以上的方法的图。
图14是用于说明针对每个危险状态的程度判定与目标车辆之间的速度差是否为阈值以上的方法的图。
图15是示出第一实施方式的判定装置的结构的图。
图16是计算机作为第一实施方式的判定装置而发挥功能的一个示例的概要框图。
图17是示出第一实施方式的判定装置的结构的框图。
图18是示出第一实施方式的判定装置的速度差推测部的结构的框图。
图19是用于说明追踪表示目标车辆的区域的方法的图。
图20是示出第一实施方式的判定装置的判定处理例程的流程图。
图21是第二实施方式的判定装置的速度差推测部的结构的框图。
图22是示出第二实施方式的判定装置的判定处理例程的流程图。
图23是示出对速度比观测车辆慢的目标车辆进行拍摄而得到的图像的图。
图24是示出目标车辆比观测车辆速度慢的情况的图。
图25是示出表示目标车辆的区域的面积比率的时间序列变化的图样的一个示例的图。
具体实施方式
以下，参照附图对本公开的技术的实施方式进行说明。需要说明的是，在各附图中，对相同或等价的构成要素及部分标注相同的附图标记。另外，为了便于说明，附图的尺寸比率被夸大，有时与实际的比率不同。
＜本实施方式的概要＞
在本实施方式中，根据从搭载在观测车辆上的摄像头所拍摄的图像中映出的表示目标物的区域的时间序列变化，推测观测车辆与目标物之间的速度差。在本实施方式中，如图1和图2所示，将目标物作为目标车辆A，以目标车辆A的速度比观测车辆100快的情况为例进行说明。在图1中，示出了表示在相邻车道上行驶的目标车辆A的图像的示例。在图2的(A)中，示出了在与观测车辆100相同车道上行驶的目标车辆A的速度比观测车辆100快的示例。另外，在图2的(B)中，示出了在与观测车辆100的行驶车道有间隔的车道上行驶的目标车辆A的速度比观测车辆100快的示例。
以往，为了管理违反速度限制的车辆，使用以环形线圈或电子眼、H系统为代表的速度测量器等，即使用设置型传感器。
最近，虽然也使用了便携式传感器，但价格高，并且需要运输和设置到希望收集信息的地方，灵活性较差，因此，便携式传感器无法网罗全国的道路。
另外，在汽车或基础设施上安装传感器来网罗全国道路信息也需要时间和资金。因此，期望一种使用已经搭载在一部分汽车上的传感器(包括摄像头)来高效地收集其他汽车等的信息的技术。
另外，如图3所示，还存在由路上驻车车辆或事故车辆、即停在道路上的目标车辆A引起的问题。这样的目标车辆A即使是网联汽车，也会存在发动机熄火的情况而无法进行位置信息的收集，因此需要从外部进行探测和识别，以使周围知道它的存在。
另外，在商业用车辆中，通过引入使用车内摄像头或传感器、控制器局域网络(Controller Area Network，CAN)数据的监视机构来评价有无危险驾驶(疏忽驾驶、分心驾驶、攻击性驾驶、超速、急起步、以及急刹车等)的系统也正在普及。
但是，对于一般车辆(非商业车辆)，由于没有好处而且会产生费用负担，因此导入该系统的可能性低，仍然需要从外部进行探测和识别。
以往，作为推测观测车辆与目标物之间的速度差的方法，已知一种通过搭载在观测车辆上的毫米波雷达求出与目标物之间的距离并根据该时间序列变化来测量速度差的方法，或者已知一种根据使用搭载在观测车辆上的摄像头所拍摄的影像来计算特征点及其光流并根据该矢量求出周围车辆的移动量和相对速度的方法，这些方法主要用于警报接近和避免碰撞。
但是，关于光流，在观测车辆也行驶的情况下，对周围的背景也进行有检测，因此需要另外确定影像内的目标物的区域。另外，可能无法追踪同一车辆的同一部位。例如，矢量有可能从一个车辆的轮胎被拉到另一个车辆的轮胎上。另外，由于计算光流的特征点是车辆的哪个部分也不明确，因此可能会出现误差。例如，如图4所示，即使是关于同一车辆的光流，矢量长度也会根据光流是两个地点中的哪一个而产生差异。在图4中，示出了目标车辆A的前轮部分的光流的矢量比目标车辆的背面部分的光流的矢量短的示例。
因此，在本实施方式中，使用搭载在观测车辆上的摄像头所拍摄的时间序列图像组，高精度地推测目标车辆与观测车辆之间的速度差以及目标车辆的速度。目标车辆与观测车辆之间的速度差以及目标车辆的速度的推测结果，例如也可以活用于与日本道路交通信息中心这样的提供拥堵信息的公司、警察、周边车辆等的共享信息中。
例如，将目标车辆与观测车辆之间的速度差的推测结果活用于探测违反速度限制的车辆。当观测车辆以100km/h的速度在限制速度为100km/h的高速公路上行驶时，如图5所示，在推测目标车辆A与观测车辆之间的速度差为+50km/h以上的情况下，则会附上图像并通知警察目标车辆A是违反速度限制并以150km/h行驶的车辆。
另外，将目标车辆与观测车辆之间的速度差的推测结果活用于探测故障车辆或路上驻车车辆、即探测停车车辆。当观测车辆在一般道路上以30km/h行驶时，如图6所示，在推测目标车辆A与观测车辆之间的速度差为-30km/h且根据位置信息确认周围不存在信号、以及设施等成为停车因素的地物的情况下，则会与后续车辆共享信息，即会与后续车辆共享目标车辆A是行驶速度为0km/h的停车车辆。作为共享目标的后续车辆，可以配置为仅向比探测到停车车辆等危险的时刻晚行驶的车辆通知该停车车辆所在的车道。例如，可以向该停车车辆所在的位置与最近的交叉点之间的车辆进行通知，也可以参照导航信息向计划在该停车车辆所在的车道上行驶的车辆进行通知。另外，也可以向汇集、分发道路信息的地图、动态地图和提供导航服务的服务提供商发送该信息。
接着，对推测目标车辆与观测车辆之间的速度差的原理进行说明。在此，以目标车辆的速度比观测车辆快的情况为例进行说明。
如图7所示，在时刻t、时刻t+a和时刻t+b下，随着目标车辆A远离，图像中的表示目标车辆A的区域大小逐渐变小。此时，目标车辆A与观测车辆之间的速度差越大，表示目标车辆A的区域大小变小得越快。因此，根据表示目标车辆A的区域的大小的变化量和其变小的速度，能够求出目标车辆A与观测车辆之间的速度差。另外，在要求出目标车辆A的绝对速度的情况下，只要加上观测车辆的速度即可。
另外，在使用搭载在观测车辆上的摄像头(为一般的单镜头摄像头)的情况下，其他车辆或建筑物等目标物以相对于消失点收敛的方式在图像上示出。
此时映出的表示目标物的区域大小可以近似为单点透视图，并相对于距作为基准的地点的距离有规律地变化。例如，当距摄像头的距离为2倍时，表示目标物的正面部分的区域的边缘长度减为1/2，当距摄像头的距离为3倍时，表示目标物的正面部分的区域的边缘长度减为1/3。
另外，当距摄像头的距离为2倍时，表示目标物的正面部分的区域面积减为1/4，当距摄像头的距离为3倍时，表示目标物的正面部分的区域面积减为1/9。
另外，如图8所示，将在时刻t探测到的表示目标车辆A的区域设为图像纵向的基准位置中的表示目标车辆A的区域，将表示目标车辆A的背面部分的区域面积设为1.0。将此时的目标车辆A与观测车辆之间的距离设为基准距离d(m)。
关于在时刻t+a探测到的目标车辆A，与时刻t的表示背面部分的区域面积相比，表示背面部分的区域面积为1/4，与时刻t的表示背面部分的区域的边缘长度相比，表示背面部分的区域的边缘长度为1/2。
此时，目标车辆A与观测车辆之间的距离D变为2d(m)。
另外，与时刻t探测到的表示目标车辆A的背面部分的区域面积相比，在时刻t+b探测到的表示目标车辆A的背面部分的区域面积为1/9，与时刻t的表示背面部分的区域的边缘长度相比，时刻t+b的表示背面部分的区域的边缘长度为1/3。
此时，目标车辆A与观测车辆之间的距离D变为3d(m)。
图9示出表示上述目标车辆A的背面部分的区域面积与距目标车辆A的距离D之间的关系的曲线图。如果将观测车辆A的横向设为X轴，将观测车辆A的高度方向设为Z轴，则与X-Z平面水平的表示目标车辆A的背面部分的区域面积与基准位置上的表示目标车辆A的背面部分的区域面积之间的比率如上述图9所示，是根据目标车辆A与观测车辆之间的距离而变化的关系。
表示目标车辆的背面部分的区域的边缘长度与基准位置上的表示目标车辆的背面部分的区域的边缘长度之间的比率、距目标车辆的距离D、以及基准距离d的关系式由下述公式(1)表示。
表示目标车辆的背面部分的区域面积与基准位置上的表示目标车辆的背面部分的区域的面积比率、距目标车辆的距离D、以及基准距离d的关系式由下述公式(2)表示。
在此，基准距离d不是与图像下部之间的距离，而是与搭载在观测车辆100上的后述的摄像头60的设置位置之间的距离(参照图10)。俯视图如图11所示。在图11中，设为摄像头60搭载在观测车辆100的前端，示出了表示目标车辆A的背面部分的区域的面积比率为1.0时的距离D(＝基准距离d)、该面积比率为1/4时的距离D(＝2d)、该面积比率为1/9时的距离D(＝3d)。
在此，如上述图9所示，在横轴为距目标车辆A的距离D情况下，无论速度差为多少，图形是相同的。另外，如上述关系式那样，若在式中引入基准距离d，则为了使用关系式计算速度差，必须计算基准距离d。
因此，在本实施方式中，如图12所示，通过将横轴作为时间轴，来可视化速度差的影响。图12中的图形同样是面积比率随时间而变化的曲线图。另外，速度差越大，收敛越快，速度差越小，收敛时间越长。
由此，即使只有急剧变化的初期的倾向，也能够推测速度差。
在本实施方式中，如上所述推测目标车辆与观测车辆之间的速度差，判定目标车辆的危险状态。
例如，如果速度限制是80km/h的高速公路，则制定规则为判定以110km/h行驶的目标车辆为危险状态。即，将+30km/h的速度差作为判定车辆是否为危险状态的判定阈值。
或者，如图13所示，求出在速度差为+30km/h的情况下的面积比率的时间序列变化来作为图样，如果衰减速度快于该图样，则判定为目标车辆为危险状态，并向警察或周围车辆共享该信息。
另外，如图14所示，也可以针对每间隔10km/h的速度差求出图样，通过判断最接近哪个图样，来详细区分危险状态的程度。在图14中，示出了针对速度差为+10km/h、+20km/h、+30km/h、+40km/h、+50km/h中的每一个分别求出表示面积比率的时间序列变化的图样的示例。
另外，也可以考虑摄像机60的设置位置与道路之间的距离(以下记为高度)。例如，在将图像的下端设为Y＝0的情况下，高度越高，则将在图像纵向上统一的图像上的坐标设定为越低值即可。关于摄像头60的高度，可以使用高度传感器来获得，也可以根据搭载摄像头的车辆类型来设定，还可以在设置摄像头60时预先输入。需要说明的是，在以图像的左上为原点的情况下，高度越高，则将在图像纵向上统一的图像上的坐标设定为越高的值即可。
另外，也可以考虑设置摄像头60的朝向(以下记为朝向)。例如，在摄像头60的滚转角相对于道路不是水平的情况下，将获得的图像左右旋转来使用即可。关于朝向，可以使用加速度传感器或陀螺仪中心来获得，也可以根据所获得的图像求出。
另外，在摄像头60的俯仰角朝上或朝下，而不是朝正面的情况下，使在图像纵向统一的图像上的坐标上下移动即可。例如，在摄像头60朝下的情况下，使在图像纵向统一的图像上的坐标挪到在纵轴上的较高的值即可。
另外，在本实施方式中，向处理中导入以下两点。
第一，在将目标车辆的整个背面部分收纳在图像中之后，开始计算表示目标车辆的背面部分的区域大小。具体而言，在判定从图像探测到的表示目标车辆的背面部分的区域与图像的一端相距一定量的情况下，开始计算表示目标车辆的背面部分的区域大小。
第二，在图像纵向上统一表示目标车辆的背面部分的区域的面积比率为1.0的时间点。其原因在于，考虑到由于观测车辆的前部而导致表示目标车辆的背面部分的区域的缺失的情况，以及统一基准距离d。
另外，在本实施方式中，求出目标车辆与观测车辆之间的速度差，是为了判定目标车辆是否为危险状态，而不是为了判定目标车辆是正在接近还是在远离。
[第一实施方式]
＜第一实施方式所涉及的判定装置的结构＞
图15和图16是示出本实施方式的判定装置10的硬件配置的框图。
如图15所示，摄像头60、传感器62以及通信部64与判定装置10连接。摄像头60搭载在观测车辆100上，拍摄表示观测车辆100的前方的时间序列图像组，并向判定装置10进行输出。传感器62检测包含观测车辆100的速度的CAN数据，并向判定装置10进行输出。通信部64经由网络向周围车辆和企业的服务器发送判定装置10的判定结果。
需要说明的是，以判定装置10搭载在观测车辆100上的情况为例进行说明，但并不限定于此。也可以将可与观测车辆100通信的外部设备配置为判定装置10。
如图16所示，判定装置10具有CPU(Central Processing Unit)11、ROM(Read OnlyMemory)12、RAM(Random Access Memory)13、存储器14、输入部15、显示部16和通信接口(I/F)17。各结构经由总线19连接，且彼此可通信。
CPU 11是中央处理单元，用于执行各种程序或者控制各部。即，CPU 11从ROM 12或存储器14读取程序，并将RAM 13作为工作区域来执行程序。CPU 11根据在ROM 12或存储器14中存储的程序，控制上述各结构和进行各种运算处理。在本实施方式中，在ROM 12或存储器14中存储有用于判定目标车辆A的危险状态的判定程序。判定程序可以是一个程序，也可以是由多个程序或模块构成的程序组。
ROM 12存储各种程序和各种数据。RAM 13作为工作区域临时存储程序或数据。存储器14由硬盘驱动器(Hard Disk Drive，HDD)或固态硬盘(Solid State Drive，SSD)构成，且存储包含操作系统的各种程序以及各种数据。
输入部15用于输入包含由摄像头60拍摄的时间序列图像组和由传感器62检测到的CAN数据等的各种输入。例如，向输入部15输入由摄像头60拍摄到的包含存在于观测车辆100的前方的目标车辆A的时间序列图像组、以及由传感器62检测出的包含观测车辆100的速度的CAN数据。
时间序列图像组的各图像是没有因诸如镜头或快门之类的摄像头构造引起的失真、或该失真被校正后的RGB或灰度的图像。
显示部16例如是液晶显示器，用于显示包含目标车辆A的危险状态的判定结果的各种信息。显示部16也可以采用触摸面板方式，以作为输入部15而发挥功能。
通信接口17是用于通过通信部64与其他设备进行通信的接口，例如使用以太网(注册商标)、光纤分布式数据接口(Fiber Distributed Data Interface，FDDI)、Wi-Fi(注册商标)等标准。
接着，对判定装置10的功能构成进行说明。图17是示出判定装置10的功能构成的示例的框图。
如图17所示，判定装置10在功能上具备图像获得部20、速度获得部22、速度差推测部24、速度推测部26、判定部28以及道路数据库30。
图像获得部20获取输入部15所接收到的时间序列图像组。
速度获得部22获取输入部15所接收到的拍摄到时间序列图像组时的观测车辆100的速度。
速度差推测部24使用时间序列图像组中拍摄到的表示目标车辆A的区域的时间序列变化，来推测目标车辆A与观测车辆100之间的速度差。
具体而言，速度差推测部24针对各时刻计算基准位置上的表示目标车辆A的区域大小与该时刻下的表示目标车辆A的区域大小之间的比率，并将表示比率的时间序列变化的图样与针对每个速度差预先求出的表示比率的时间序列变化的图样进行比较，从而推测目标车辆A与观测车辆100之间的速度差。
如图18所示，速度差推测部24具备物体探测部40、追踪部42、区域信息计算部44、图样计算部46、图样比较部48和图样数据库50。
物体探测部40从时间序列图像组的各图像中探测可从观测车辆100拍摄到的表示目标车辆A的区域。具体而言，使用物体探测算法YOLOv3等物体探测方法，以对包含汽车、卡车和公共汽车等分类实施物体探测，由此探测表示目标车辆A的区域，并如图19所示，对探测到的区域进行编号。在图19中，示出了在N帧中探测到表示目标车辆A的区域X、Y、在N+1帧中探测到表示目标车辆A的区域X、Y、在N+2帧中探测到表示目标车辆A的区域X的示例。
追踪部42是基于物体探测部40的探测结果，来追踪表示目标车辆A的区域。具体而言，如上述图19所示，与在前后帧中探测到的区域相比，将在当前帧中探测到的区域中与在前后帧中探测到的区域重叠的像素数多的区域推测为表示同一目标车辆的区域，并通过反复实施该操作，以追踪表示各目标车辆A的区域。在图19的右侧，示出了对于N+1帧的区域X，计算将与N帧、N+2帧重叠区域X的像素的积集的像素数除以与N帧、N+2帧重叠区域X的像素的和集的像素数而得到的值的示例。对于该值最高的区域X，判断为表示与重叠的前后帧的区域X相同的目标车辆A，并追踪表示目标车辆A的区域。
区域信息计算部44针对各时刻计算追踪到的表示目标车辆A的区域大小。此时，区域信息计算部44在表示目标车辆A的区域从图像的端部离开的时间点开始，针对各时刻计算追踪到的表示目标车辆A的区域大小。例如，将计算边缘长度或面积，作为追踪到的表示目标车辆A的区域大小。在本实施方式中，以计算表示目标车辆A的区域面积的情况为例进行说明。
图样计算部46针对追踪到的目标车辆A计算表示基准位置上的表示目标车辆A的区域大小与各时刻下的表示目标车辆A的区域大小之间的比率的时间序列变化的图样。具体而言，图样计算部46将在图像纵向的基准位置上探测到的表示目标车辆A的区域大小作为基准位置上的表示目标车辆A的区域大小，并计算表示追踪到的表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率的时间序列变化的图样。
图样比较部48将图样计算部46计算出的图样与后述的图样进行比较，即与针对每个速度差存储在图案数据库50中且示出表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率的时间序列变化的图样进行比较，将与最相似的图样对应的速度差推测为目标车辆A与观测车辆100之间的速度差。
在图样数据库50中，针对每个速度差，存储有针对该速度差的表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率的时间序列变化的图样(参照上述图14)。
速度推测部26根据所获得的观测车辆100的速度和所推测的速度差，推测目标车辆A的速度。
判定部28使用与目标车辆A之间的速度差或目标车辆A的速度，判定目标车辆A是否为危险状态。
例如，在目标车辆A的速度为阈值以上的情况下，判定部28判定目标车辆A为危险状态。在此，作为一个示例，阈值是与限制速度相比仅快了规定速度的速度。
另外，在基于从道路数据库30获取到的车道信息判断为没有超车道的道路且目标车辆A与观测车辆100之间的速度差为阈值以上的情况下，判定部28判定目标车辆A为危险状态。
在道路数据库30中，存储有道路的各地点的车道信息。
＜第一实施方式所涉及的判定装置的作用＞
接着，对判定装置10的作用进行说明。
图20是示出判定装置10进行判定处理的流程的流程图。CPU 11从ROM 12或存储器14读取判定程序，在RAM 13中展开并执行，由此进行判定处理。另外，向判定装置10输入摄像头60所拍摄的时间序列图像组和拍摄该时间序列图像组时由传感器62检测出的CAN数据。
在步骤S100中，CPU 11作为图像获得部20，获取输入部15所接收到的时间序列图像组。
在步骤S102中，CPU 11作为速度获得部22，从输入部15所接收到的CAN数据中获取拍摄时间序列图像组时的观测车辆100的速度。
在步骤S104中，CPU 11作为物体探测部40，从时间序列图像组的各图像中探测表示目标车辆A的区域。并且，CPU 11作为追踪部42，基于物体探测部40的探测结果，追踪表示目标车辆A的区域。
在步骤S106中，CPU 11作为区域信息计算部44，针对各时刻计算追踪到的表示目标车辆A的区域大小。并且，CPU 11作为图样计算部46，计算表示追踪到的目标车辆A在基准位置上的区域大小与表示目标车辆A的区域大小之间的比率的时间序列变化图样。
在步骤S108中，CPU 11作为图样比较部48，将图样计算部46计算出的图样与如下的图样进行比较，即针对每个速度差存储在图样数据库50中且示出表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率的时间序列变化的图样，将与最相似的图样对应的速度差推测为目标车辆A与观测车辆100之间的速度差。
在步骤S110中，CPU 11作为速度推测部26，根据获得到的观测车辆100的速度和推测出的速度差，推测目标车辆A的速度。
在步骤S112中，CPU 11作为判定部28，使用目标车辆A与观测车辆100之间的速度差或目标车辆A的速度，判定目标车辆A是否为危险状态。在判定目标车辆A为危险状态的情况下，转移到步骤S114，另一方面，在判定目标车辆A不为危险状态的情况下，结束判定处理。
在步骤S114中，通信部64经由网络向周围车辆或企业的服务器发送表示判定装置10的判定结果的危险信息。另外，显示部16显示包含目标车辆A的危险状态的判定结果的危险信息，并结束判定处理。
如上所述，本实施方式所涉及的判定装置使用时间序列图像组中拍摄到的表示目标车辆的区域的时间序列变化，来推测目标车辆与观测车辆之间的速度差，并基于速度差来判定目标车辆是否为危险状态。由此，能够使用搭载在观测车辆上的摄像头所拍摄的时间序列图像组来判定也可用于该观测车辆以外的危险状态。
另外，与参考文献1相比，本实施方式所涉及的判定装置通过考虑观测车辆的速度，能够推测目标车辆的速度，从而能够推测目标车辆是停止的还是移动的。例如，能够应对：在观测车辆停止的情况下与在观测车辆以80km/h行驶的情况下，表示在对向车道上接近的目标车辆的区域大小的变化是不同的。此外，还能够应对：目标车辆停车而观测车辆接近的情况。
【参考文献1】：NTT通信株式会社，“成功活用人工智能(AI)来自动检测危险驾驶”，＜URL：https：//www.ntt.com/about-us/press-releases/news/article/2016/20160926_2.html＞，2016年9月26日
另外，在上述非专利文献1中，没有考虑背景的运动。特别是由于使用了光流，因此如果观测车辆在运动，则背景也会运动，因此很难区分在同一方向上将矢量拉到了目标车辆还是路面或行道树，而飘扬的旗帜、强风中摇摆的树木会被探测为目标车辆。因此，需要另外的确定表示目标车辆的区域的方法或矢量的统计处理。但是，超过观测车辆的目标车辆，由于矢量的方向与背景反向，因此仅使用光流，就能够被完整地提取出。另一方面，在本实施方式中，追踪帧之间的表示目标车辆的区域，并且使用表示目标车辆的区域的时间序列变化，来推测目标车辆与观测车辆之间的速度差，由此能够降低计算量。
需要说明的是，在上述实施方式中，以如下的情况为例进行了说明：将示出表示目标车辆的区域大小与基准位置上的表示目标车辆的区域大小之间的比率的时间序列变化的图样彼此进行比较，来推测目标车辆与观测车辆之间的速度差，但并不限定于此。也可以将示出表示目标车辆的区域大小与基准位置上的表示目标车辆的区域大小之间的比率的时间序列变化的图样近似之后，计算近似式，并将近似式彼此进行比较，来推测目标车辆与观测车辆之间的速度差。在这种情况下，首先，在各时刻，计算表示目标车辆的区域大小与基准位置上的表示目标车辆的区域大小之间的比率，并计算包括以横轴为时刻、以纵轴为大小的比率坐标的点组([t1，x1]，[t2，x2]，[t3，x3]…)，计算与点组对应的近似式即可。此时，近似式的次数可以根据区域大小是边缘长度还是区域面积来确定。
另外，也可以针对如汽车、卡车、公共汽车、拖车等每种车辆类型，准备示出表示目标车辆的区域大小与基准位置上的表示目标车辆的区域大小之间的比率的时间序列变化的图样。另外，也可以针对每个车辆名称，准备表示该比率的时间序列变化的图样。在这种情况下，物体探测部从时间序列图像组的各图像中探测表示目标车辆A的区域，并且识别目标车辆A的车辆类型和车辆名称。
另外，也可以考虑目标车辆与哪个车道有间隔、目标车辆的前面部分和背面部分中的哪一部分映出在图像中，来推测目标车辆与观测车辆之间的速度差。
[第二实施方式]
接着，对第二实施方式的判定装置进行说明。需要说明的是，对于与第一实施方式相同结构的部分标注相同的附图标记，并省略对其的说明。
在第二实施方式中，使用如下的关系式，推测距目标车辆的距离，根据推测出的距离的变化来推测速度差这一点与第一实施方式不同，该关系式是使用表示目标车辆的区域大小与基准位置上的表示目标车辆的区域大小之间的比率、基准位置上的距目标车辆的基准距离、以及距目标车辆的距离所表示的关系式。
＜第二实施方式所涉及的判定装置的结构＞
接着，第二实施方式的判定装置10包括图像获得部20、速度获得部22、速度差推测部224、速度推测部26、判定部28以及道路数据库30。
速度差推测部224针对各时刻，使用针对目标车辆A的种类预先求出的在基准位置上的距目标车辆A的基准距离、针对目标车辆A的种类预先求出的在该基准位置上的表示目标车辆A的区域大小、以及在该时刻下的表示目标车辆A的区域大小，计算在该时间下的距目标车辆A的距离，并且根据距离的时间序列变化，推测目标车辆A与观测车辆100之间的速度差。
具体而言，速度差推测部224使用如下的关系式，计算在该时刻下的距目标车辆A的距离，该关系式是针对每个时刻，使用基准位置上的距目标车辆A的基准距离、该时刻下的表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率、以及该时刻下的距目标车辆A的距离所表示的关系式。而且，速度差推测部224基于距目标车辆A的距离的时间序列变化，推测目标车辆A与观测车辆100之间的速度差。
如图21所示，速度差推测部224包括物体探测部40、追踪部42、区域信息计算部44、距离计算部246、速度差计算部248和参数数据库250。
物体探测部40从时间序列图像组的各图像中探测表示目标车辆A的区域。此时，物体探测部40还识别目标车辆A的种类。在此，目标车辆A的种类例如是车辆类型。
区域信息计算部44针对各时刻计算追踪到的表示目标车辆A的区域大小，并且针对各时刻计算追踪到的表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率。
距离计算部246使用如下的关系式，计算在该时刻下的距目标车辆A的距离，该关系式是针对每个时刻，使用与目标车辆A的种类对应的基准距离、该时刻下的表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率、以及该时刻下的距目标车辆A的距离所表示的关系式。具体而言，距离计算部246将表示目标车辆A的区域大小设为面积，并将针对目标车辆A的种类预先求出的基准距离、以及该时刻下的表示目标车辆A的区域大小与针对目标车辆A的种类预先求出的在基准位置上的表示目标车辆A的区域大小之间的比率代入上述公式(2)中，来计算距目标车辆A的距离。
需要说明的是，在表示目标车辆A的区域大小为长度的情况下，距离计算部246将针对目标车辆A的种类预先求出的基准距离、以及该时刻下的表示目标车辆A的区域大小与针对目标车辆A的种类预先求出的在基准位置上的表示目标车辆A的区域大小之间的比率代入上述公式(1)中，来计算距目标车辆A的距离。
速度差计算部248基于针对各时刻计算出的距目标车辆A的距离和时刻步长的间隔，计算目标车辆A与观测车辆100之间的速度差。具体而言，速度差计算部248通过将时刻间的距目标车辆A的距离之差除以时刻步长的间隔，来计算目标车辆A与观测车辆100之间的速度差。
参数数据库250针对每个车辆的种类存储预先求出的基准距离以及基准位置上的表示目标车辆A的区域大小。例如，针对每个目标车辆A的种类，预先求出在图像纵向的基准位置上被探测时的表示目标车辆A的区域大小和此时距目标车辆A的距离，并将它们作为基准位置上的表示目标车辆A的区域大小以及基准距离，存储在参数数据库250中即可。需要说明的是，基准距离是根据目标车辆A的尺寸和摄像头60的视角信息而求出的。例如，也可以将针对目标车辆A的车辆类型所确定的宽度作为目标车辆A的尺寸使用，并根据目标车辆A的宽度和摄像头60的视角信息求出基准距离。例如，也可以根据摄像头60的水平视角信息求出可拍摄目标车辆A的整体宽度的距离，并将该距离作为基准距离d。另外，即使没有确定目标车辆A的种类，只要得到目标车辆A的至少一部分的尺寸，也可以根据该尺寸和摄像头60的视角信息求出基准距离。即，能够利用拍摄到的被拍摄体的可在现实空间中得到大小的部分，并利用与图像上的被拍摄体的大小之间的关系来求出基准距离。
＜第二实施方式所涉及的判定装置的作用＞
接着，对判定装置10的作用进行说明。
图22是示出判定装置10进行判定处理的流程的流程图。CPU 11从ROM 12或存储器14读取判定程序，在RAM 13中展开并执行，由此进行判定处理。另外，向判定装置10输入摄像头60所拍摄的时间序列图像组和拍摄该时间序列图像组时由传感器62检测出的CAN数据。
在步骤S100中，CPU 11作为图像获得部20，获取输入部15所接收到的时间序列图像组。
在步骤S102中，CPU 11作为速度获得部22，从输入部15所接收到的CAN数据中获取拍摄时间序列图像组时的观测车辆100的速度。
在步骤S104中，CPU 11作为物体探测部40，从时间序列图像组的各图像中探测表示目标车辆A的区域，并且识别目标车辆A的种类。并且，CPU 11作为追踪部42，基于物体探测部40的探测结果，追踪表示目标车辆A的区域。
在步骤S200中，CPU 11作为区域信息计算部44，针对各时刻计算追踪到的表示目标车辆A的区域大小，并针对各时刻计算追踪到的表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率。
在步骤S201中，CPU 11作为距离计算部246，使用如下的关系式，根据该时刻下的表示目标车辆A的区域大小，来计算该时刻下的距目标车辆A的距离，该关系式是针对各时刻，使用基准距离、表示该时刻下的表示目标车辆A的区域大小与基准位置上的表示目标车辆A的区域大小之间的比率、以及该时刻下的距目标车辆A的距离所表示的关系式。
在步骤S202中，CPU 11作为速度差计算部248，基于针对各时刻计算出的距目标车辆A的距离和时刻步长的间隔，来计算目标车辆A与观测车辆100之间的速度差。具体而言，通过将时刻间的距目标车辆A的距离之差除以时刻步长的间隔，来计算目标车辆A与观测车辆100之间的速度差。
在步骤S110中，CPU 11作为速度推测部26，根据获得到的观测车辆100的速度和推测出的速度差，推测目标车辆A的速度。在步骤S112中，CPU 11作为判定部28，使用目标车辆A与观测车辆100之间的速度差或目标车辆A的速度，判定目标车辆A是否为危险状态。在判定目标车辆A为危险状态的情况下，转移到步骤S114，另一方面，在判定目标车辆A不为危险状态的情况下，结束判定处理。
在步骤S114中，通信部64经由网络向周围车辆或企业的服务器发送包含判定装置10的判定结果的危险信息。另外，显示部16显示包含目标车辆A的危险状态的判定结果的危险信息，并结束判定处理。
如上所述，本实施方式所涉及的判定装置使用如下的关系式，来推测目标车辆与观测车辆之间的速度差，并基于速度差判定目标车辆是否为危险状态，该关系式是使用时间序列图像组中拍摄到的表示目标车辆的区域的时间序列变化、表示目标车辆的区域大小、以及距目标车辆的距离所表示的关系式。由此，能够通过使用搭载在观测车辆上的摄像头所拍摄的时间序列图像组，来判定也可用于该观测车辆以外的危险状态。
＜变形例＞
需要说明的是，本发明不限于上述实施方式，在不脱离本发明的主旨的范围内可以进行各种变形和应用。
例如，以目标车辆比观测车辆的速度快的情况为例进行了说明，但并不限定于此。即使在目标车辆比观测车辆的速度慢的情况下，也可以应用本发明。在这种情况下，基于从时间序列图像组中探测到的表示目标车辆的区域，求出基准位置上的表示目标车辆的区域大小，针对各时刻，计算表示目标车辆的区域大小与基准位置上的表示目标车辆的区域大小之间的比率，并求出表示该比率的时间序列变化的图样，使时间轴反转，使观测车辆看起来更快，并与每个速度差的图样进行比较即可。另外，在速度限制为80km/h的高速公路上目标车辆的速度非常慢的情况下，例如，当目标车辆是因故障而停在路边的单一车辆时，判定目标车辆为危险状态，并向高速公路巡逻队(Express Way Patrol)通知该目标车辆的探测地点即可。另外，在目标车辆是对向车道的车辆的情况下，如果与目标车辆之间的速度差比限制速度的2倍快，或者比限制速度慢，则判定目标车辆为危险状态。
另外，作为目标车辆的危险状态，也可以判定每个车道是否发生了堵塞。在判定每个车道的拥堵情况中，例如，在规定车道中针对多个目标车辆的每一个推测出的速度为阈值以下的情况下，可以判定车道拥堵。另外，也可以设想，当观测车辆以高速行驶时，超过大部分车辆且速度差较大的情况。在这样的情况下，当观测车辆的速度为规定值以上时，也可以增加判定为车道拥堵的速度差或超越的台数。
另外，以探测表示目标车辆的背面部分的区域的情况为例进行了说明，但并不限定于此。例如，也可以探测表示目标车辆的侧面部分的区域。在此，表示目标车辆的区域大小的时间序列变化在目标车辆的背面部分与目标车辆的侧面部分之间是不同的。
具体而言，表示目标车辆的侧面部分的区域的边缘长度与基准位置上的表示目标车辆的侧面部分的区域的边缘长度之间的比率、距目标车辆的距离D、以及基准距离d的关系式由下述公式(3)表示。
另外，表示目标车辆的侧面部分的区域面积与基准位置上的表示目标车辆的侧面部分的区域的面积之间的比率、距目标车辆的距离D、以及基准距离d的关系式由下述公式(4)表示。
另外，也可以设为探测表示目标车辆的背面部分和侧面部分这两方的区域。在这种情况下，使用将与表示目标车辆的背面部分的区域相关的关系式同与表示侧面部分的区域相关的关系式相加得到的关系式。
另外，也可以使用无论目标车辆的种类如何，大小都是固定的物体，例如，可以使用表示目标车辆的牌照的区域大小的时间序列变化，来推测目标车辆与观测车辆之间的速度差。
另外，以探测的目标物是目标车辆的情况为例进行了说明，但并不限定于此。探测的目标物也可以是目标车辆以外的目标物，例如，既可以是摩托车或在道路上奔跑的人，也可以是下落物、道路标识或广告牌、电线杆等地物。在目标物是地物的情况下，在时间序列图像组中，以扩大表示目标物的区域大小的方式变化。因此，当根据推测的目标物的速度判定其为地物时，可以向后续车辆通知地物的存在，也可以使用基于关系式推测的距地物的距离，以校正位置信息(经度纬度)。另外，由于能够根据推测的与目标物之间的速度差来求出观测车辆的速度，因此也可以判定观测车辆的危险状态。
另外，以观测车辆及目标车辆行驶的道路为直行路的情况为例进行了说明，但并不限定于此。观测车辆及目标车辆行驶的道路也可以是具有曲率的道路。在这种情况下，即使道路具有曲率，由于使用表示目标车辆的区域的短时间的变化，因此可以认为该道路是直行路，从而可以同样地推测与目标车辆之间的速度差。或者，也可以使用考虑了曲率的关系式，推测与目标车辆之间的速度差。
另外，以对摄像头所拍摄的图像没有失真或事先实施失真校正的情况为例进行了说明，但并不限定于此。例如，可以使用与摄像头的镜头的失真匹配的关系式，也可以使用剪切图像中失真少的中央部分而得到的部分图像，推测与目标车辆之间的速度差。
另外，以目标车辆在与观测车辆不同的车道上行驶的情况为例进行了说明，但并不限定于此。也可以将在与观测车辆相同的车道上行驶的车辆作为目标车辆。
另外，以在图像纵向上规定基准位置且无论车道位置在哪都使用相同的图样或关系式的情况为例进行了说明，但并不限定于此。例如，也可以对每个车道位置规定图像纵向的基准位置，同时准备图样或关系式。
另外，在与时间序列图像组对应的期间内，目标车辆或观测车辆实施了变更车道的情况下，由于表示目标区域的区域大小的时间序列变化发生急剧的变化，因此也可以采用转到其他处理这样的例外处理。
另外，在上述各实施方式中，由CPU读入软件(程序)并执行的各种处理，也可以由CPU以外的各种处理器执行。作为这种情况下的处理器，可示例出：图形处理器(GraphicsProcessing Unit，GPU)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)等制造后可变更电路结构的可编程逻辑器件(Programmable Logic Device，PLD)、以及专用集成电路(Application Specific Integrated Circuit，ASIC)等用作执行特定处理且具有专门设计的电路结构的作为处理器的专用电路等。另外，判定处理可以通过这些各种处理器中的一个来执行，也可以通过同种或不同种类的两个以上的处理器的组合(例如，多个FPGA、以及CPU与FPGA的组合等)来执行。另外，这些各种处理器的硬件结构更具体地说是将半导体元件等电路元件组合而成的电路。
另外，在上述各实施方式中，对判定程序预先存储(安装)在存储器14中的方式进行了说明，但不限定于此。程序可以是以在只读光盘(Compact Disk Read Only Memory，CD-ROM)、高密度数字视频光盘(Digital Versatile Disk Read Only Memory，DVD-ROM)、以及通用串行总线(Universal Serial Bus，USB)存储器等非临时(non-transitory)存储介质中存储的方式而被提供的。另外，程序也可以是经由网络从外部装置下载的方式。
关于以上的实施方式，还公开了以下的附注。
(附注项1)
一种判定装置，所述判定装置判定目标物或观测车辆是否为危险状态，所述目标物为能够从所述观测车辆拍摄的物体，其包括：
存储器；以及
至少一个处理器，所述至少一个处理器与所述存储器连接；
其中，所述处理器被配置为：
获取搭载在所述观测车辆上的摄像头所拍摄的时间序列图像组；
使用所述时间序列图像组中拍摄到的表示所述目标物的区域的时间序列变化，来推测所述目标物与所述观测车辆之间的速度差；以及
基于所述速度差来判定所述目标物或者所述观测车辆是否为危险状态。
(附注项2)
一种非临时存储介质，存储有计算机可执行的程序，以执行判定处理，所述判定处理用于判定目标物或观测车辆是否为危险状态，所述目标物为能够从所述观测车辆拍摄的物体，
在所述判定处理中，
获取搭载在所述观测车辆上的摄像头所拍摄的时间序列图像组；
使用所述时间序列图像组中拍摄到的表示所述目标物的区域的时间序列变化，来推测所述目标物与所述观测车辆之间的速度差；以及
基于所述速度差来判定所述目标物或者所述观测车辆是否为危险状态。
附图标记说明
10 判定装置
11 CPU
15 输入部
16 显示部
17 通信接口
20 图像获得部
22 速度获得部
24、224 速度差推测部
26 速度推测部
28 判定部
30 道路数据库
40 物体探测部
42 追踪部
44 区域信息计算部
46 图样计算部
48 图样比较部
50 图样数据库
60 摄像头
62 传感器
64 通信部
100 观测车辆
246 距离计算部
248 速度差计算部
250参数数据库
A目标车辆

Claims (7)

1.一种判定装置，所述判定装置判定目标物或观测车辆是否为危险状态，所述目标物为能够从所述观测车辆拍摄的物体，其包括：
图像获得部，所述图像获得部获取搭载在所述观测车辆上的摄像头所拍摄的时间序列图像组；
速度差推测部，所述速度差推测部使用所述时间序列图像组中拍摄到的表示所述目标物的区域的时间序列变化，来推测所述目标物与所述观测车辆之间的速度差；以及
判定部，所述判定部基于所述速度差来判定所述目标物或者所述观测车辆是否为危险状态。
2.根据权利要求1所述的判定装置，其还包括：
速度获得部，所述速度获得部获取所述时间序列图像组被拍摄时的所述观测车辆的速度；以及
速度推测部，所述速度推测部根据所述观测车辆的速度和所述速度差，推测所述目标物的速度，
所述判定部使用所述目标物的速度代替所述速度差，来判断所述目标物或者所述观测车辆是否为危险状态。
3.根据权利要求1或2所述的判定装置，其中，
所述速度差推测部：
针对各时刻，计算基准位置上的表示目标物的区域大小与所述时刻下的区域大小之间的比率；
将所述比率的时间序列变化与针对每个所述速度差预先求出所述比率的时间序列变化进行比较，推测所述目标物与所述观测车辆之间的速度差。
4.根据权利要求1或2所述的判定装置，其中，
所述速度差推测部：
针对各时刻，使用基准位置上的距目标物的基准距离、所述基准位置上的表示目标物的区域大小、以及所述时刻下的区域大小，计算所述时刻下的距所述目标物的距离，
根据所述距离的时间序列变化，推测所述速度差。
5.根据权利要求4所述的判定装置，其中，
所述速度差推测部使用关系式，计算所述时刻下的距离所述目标物的距离，所述关系式是使用表示所述基准距离、所述基准位置上的表示目标物的区域大小与所述时刻下的区域大小之间的比率、以及所述时刻下的距所述目标物的距离所表示的关系式。
6.一种判定方法，为判定装置中的判定方法，所述判定装置判定目标物或观测车辆是否为危险状态，所述目标物为能够从所述观测车辆拍摄的物体，在所述判定方法中，
图像获得部获取搭载在所述观测车辆上的摄像头所拍摄的时间序列图像组；
速度差推测部使用所述时间序列图像组中拍摄到的表示所述目标物的区域的时间序列变化，来推测所述目标物与所述观测车辆之间的速度差；以及
判定部基于所述速度差来判定所述目标物或者所述观测车辆是否为危险状态。
7.一种判定程序，使计算机作为权利要求1至5中任一项所述的判定装置而发挥功能。
CN202180097791.2A 2021-05-17 2021-05-17 判定装置、判定方法及判定程序 Pending CN117242506A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/018625 WO2022244063A1 (ja) 2021-05-17 2021-05-17 判定装置、判定方法、及び判定プログラム

Publications (1)

Publication Number Publication Date
CN117242506A true CN117242506A (zh) 2023-12-15

Family

ID=84141394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180097791.2A Pending CN117242506A (zh) 2021-05-17 2021-05-17 判定装置、判定方法及判定程序

Country Status (4)

Country Link
EP (1) EP4322133A1 (zh)
JP (1) JPWO2022244063A1 (zh)
CN (1) CN117242506A (zh)
WO (1) WO2022244063A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0743469A (ja) * 1993-07-30 1995-02-14 Omron Corp 車々間通信システム
JP6767518B2 (ja) * 2017-02-14 2020-10-14 パイオニア株式会社 情報記録装置、情報記録方法及び情報記録用プログラム
JP7165907B2 (ja) * 2018-12-13 2022-11-07 パナソニックＩｐマネジメント株式会社 車両制御装置、車両、車両制御方法およびプログラム
JP7047824B2 (ja) * 2019-09-12 2022-04-05 トヨタ自動車株式会社 車両制御装置

Also Published As

Publication number Publication date
JPWO2022244063A1 (zh) 2022-11-24
EP4322133A1 (en) 2024-02-14
WO2022244063A1 (ja) 2022-11-24

Similar Documents

Publication Publication Date Title
US10704920B2 (en) Traffic lane guidance system for vehicle and traffic lane guidance method for vehicle
JP6424761B2 (ja) 運転支援システム及びセンタ
US10431094B2 (en) Object detection method and object detection apparatus
US9074906B2 (en) Road shape recognition device
US10984557B2 (en) Camera calibration using traffic sign recognition
EP3086303B1 (en) Warning notification system, method and program
US20190042857A1 (en) Information processing system and information processing method
CN105608927A (zh) 警告装置
US10369995B2 (en) Information processing device, information processing method, control device for vehicle, and control method for vehicle
JP7147442B2 (ja) 地図情報システム
JP2013020293A (ja) 車両制御装置
CN110053616B (zh) 车辆驾驶辅助系统和方法
CN111524359A (zh) 信息处理装置、信息处理系统、信息处理方法以及程序
JP5446778B2 (ja) 事故発生予測装置、事故発生予測プログラム及び事故発生予測方法
CN113538917A (zh) 碰撞预警方法与碰撞预警装置
JP7464454B2 (ja) 車両制御装置及び車両制御方法
CN112785874A (zh) 信息处理装置、系统及方法以及非暂时性记录介质
CN113227831A (zh) 基于多传感器数据融合的护栏估计方法和车载设备
CN117242506A (zh) 判定装置、判定方法及判定程序
US20220036730A1 (en) Dangerous driving detection device, dangerous driving detection system, dangerous driving detection method, and storage medium
JP2015197800A (ja) 運転支援装置
CN114333414A (zh) 停车让行检测装置、停车让行检测系统以及记录介质
JP2022027306A (ja) 移動体妨害検出装置、移動体妨害検出システム、及び移動体妨害検出プログラム
WO2023286303A1 (ja) 車両制御装置
Alrousan et al. Multi-Sensor Fusion in Slow Lanes for Lane Keep Assist System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination