JP2001256485A - 車種判別システム - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】ＴＶカメラ等の撮像手段による車種判別システ
ムの車種判別精度を向上させる。 【解決手段】カメラ等の画像入力手段１と、その画像に
対する車両の情報を計測する検知領域設定手段２と、車
両が検知領域内に存在するが否かを計測する車両存在確
認手段３と、検知領域内に車両が存在している時の、入
力画像の濃度変化検出・記憶手段４、ならびに入力画像
のエッジ変化検出・記憶手段５と、検知領域を通過した
車両を追跡する車両追跡手段６と、追跡した結果から車
両通過速度を求める速度算出手段７を有し、濃度変化検
出・記憶手段４、エッジ変化検出・記憶手段５から得ら
れる画像濃度及びエッジ濃度の時系列データと、速度算
出手段から車長算出データを得、これらデータを入力し
て車種を判別する車種判定手段８により構成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、テレビカメラの映
像を処理し道路上を通過する車両の車種を判別する車種
判別システムに関する。

【０００２】

【従来の技術】道路上の車両の車種を判別する車種判別
システムとして、光学式感知器を用いたものがある。

【０００３】その光学式感知器を利用した車種判別シス
テムとして、特開平11−296784号には、光を道路に照射
し、その照射光と反射光との位相差から通過する車両の
高さを求め、この高さ変化のパターンから小型，大型，
貨物，バスなどの車種を判別することが記載されてい
る。

【０００４】また、道路上の車両の車種を判別する装置
として、画像式感知器を用いたものがある。特開平11−
353581号には、入力画像から路面の濃度を除去し、車両
のパターンを抽出し、抽出した車両のパターンについて
エッジ検出することでその車両の先頭位置と幅を求め、
さらに、それらから車両のシルエットを抽出し、その車
両の先頭の幅と車両のシルエットで大型乗用，大型貨
物，小型乗用，小型貨物を判別することが記載されてい
る。

【０００５】また、特開平11−232588号には、あらかじ
め車種毎の前面輝度パターンを記憶しておき、入力画像
の輝度パターンとの比較で車種を判別するものが記載さ
れている。

【０００６】

【発明が解決しようとする課題】従来の光学式感知器を
用いた車種判別システムで、その判別結果を確認するた
めには、ビデオカメラ等の他の確認手段が必要となる。

【０００７】また、ビデオカメラを設置した場合も、光
学式感知器の検出エリアと合わせる必要があること、感
知器の時刻とビデオの時間補正を正確に行う必要がある
などの問題がある。

【０００８】その点、画像式感知器を用いる場合、車種
判別と判別結果の確認に用いることができるので、この
ような問題が解決可能である。すなわち、撮影した画像
を処理して車種判別し、その判別結果をカメラ映像に重
ね、この映像を録画することで検証が容易になる。

【０００９】ところが、その画像式感知器を利用した装
置である特開平11−353581号は、車両の輝度パターンを
抽出するために、入力画面の全領域の路面濃度を除去す
ることで求めているために、抽出する車両パターンの輝
度や路面の輝度に大きなムラがある場合、正確に車両パ
ターンを抽出することが困難で、車種判別の精度が低下
してしまう。また、車両の幅の車種による長さの違いは
小さく、車両の幅から車種を判別することは困難であ
る。これらの問題点は、大型，普通，小型等の大きさに
よる種別の車種判別をする場合や貨物であるか乗用であ
るかの種別の車種判別をする場合に、大きな問題とな
る。

【００１０】特開平11−232588号「速度違反取締装置」
記載の方法も同様に、画像全体から車両の前面輝度パタ
ーンを取り出しているため、車種判別の精度が低下す
る。この問題点は、大型，普通，小型等の大きさによる
種別の車種判別をする場合や貨物であるか乗用であるか
の種別の車種判別をする場合に、大きな問題となる。

【００１１】以上のように、本願発明の目的は、画像監
視装置における車種判別の精度を向上させることにあ
る。

【００１２】

【課題を解決するための手段】上記のように、画像式感
知器で車両の車種を判別するために、本発明の車種判別
システムでは、画像上に領域を設定し、その領域を車両
が通過している間のその領域の画像濃度（画像の輝度の
濃度）の時系列データ、その領域のエッジ濃度（画像の
輝度を微分処理することで求めたエッジの輝度の濃度）
の時系列データを記憶し、車両の走行速度とこれらの時
系列データから車種を判別する方式を採用する。

【００１３】すなわち、検知領域を通過する車両の通過
時間（検知領域を車両が隠蔽している時間）と車両の通
過速度から車長を計測してその車両の大きさの種別を求
め、さらに検知領域の濃度の時系列データ（パターン）
及びエッジ濃度の時系列データ（パターン）から貨物，
乗用等の種別を特定することで車種を判別するものであ
る。通常、バスは天井が同一色で均一であるため画像濃
度の時系列データの前半は平坦であり、かつエッジ濃度
の時系列データは後半にエッジが強くなるなどの特徴か
ら車種を判別することが可能となる。なお、本明細書で
の「濃度」は「輝度の濃度」のことを意味する。

【００１４】また、本発明の態様としては、以下の手段
もある。

【００１５】（手段１）道路を撮影するテレビカメラの
映像を処理し車種を判別する車種判別システムにおい
て、テレビカメラの映像を画像メモリに取り込む画像入
力手段と、入力した画像上で車両を検知する検知領域を
各車線の車両進入側に設け、この検知領域の車両有無情
報，入力画像濃度変化パターン情報，入力画像を微分し
た映像のエッジ濃度変化パターン情報を記憶する検知領
域情報管理手段と、検知領域を車両が通過したタイミン
グで車両の末尾位置を抽出し、その位置を追跡処理して
通過速度を求める速度検出手段と、前記検知領域情報管
理手段の情報と速度検出手段で求まった通過速度情報に
より通過車両の車種を判別する車種判別手段を有するこ
とを特徴とする車種判別システム。

【００１６】（手段２）手段１の車種判別システムにお
いて、検知領域情報管理手段の車両有無情報は、検知領
域内の車両存在，車両非存在を判別し、車両存在時は検
知領域における入力画像平均濃度と入力画像を微分した
映像の平均濃度を時系列に車両存在回数分記憶すること
を特徴とする車種判別システム。

【００１７】（手段３）手段２の車種判別システムにお
いて、検知領域情報管理手段の車両有無情報は、検知領
域内の車両存在，車両非存在を判別するとともに、検知
領域の時間差分処理で変動領域を検出し、検知領域が時
間的に変動している場合だけ、検知領域における入力画
像平均濃度と入力画像を微分した映像の平均濃度を時系
列に車両存在回数分記憶することを特徴とする車種判別
システム。

【００１８】（手段４）手段２の車種判別システムにお
いて、検知領域内の車両存在，車両非存在を判別するた
めに、あらかじめ記憶している背景画像と入力画像の差
分処理を前記検知領域で実行し、該差分画像を所定しき
い値で２値化した時の面積が所定値以上の時に車両存
在、以下の時に車両非存在と判別することを特徴とする
車種判別システム。

【００１９】（手段５）手段２の車種判別システムにお
いて、検知領域内の車両存在，車両非存在を判別するた
めに、あらかじめ記憶している背景画像と入力画像の差
分処理を前記検知領域で実行し、該差分画像の平均濃度
が所定値以上の時に車両存在、以下の時に車両非存在と
判別することを特徴とする車種判別システム。

【００２０】（手段６）手段２の車種判別システムにお
いて、検知領域内の車両存在，車両非存在を判別するた
めに、あらかじめ記憶している背景画像と入力画像とで
類似度を前記検知領域内で算出し、類似度が所定値以下
の時に車両存在、以上の時に車両非存在と判別すること
を特徴とする車種判別システム。

【００２１】（手段７）手段２の車種判別システムにお
いて、検知領域内の車両存在，車両非存在を判別するた
めに、入力画像を微分処理し、該微分画像の平均濃度が
所定値以上の時に車両存在、以下の時に車両非存在と判
別することを特徴とする車種判別システム。

【００２２】（手段８）手段１の車種判別システムにお
いて、車種判別手段は、検知領域情報管理手段の車両有
無情報から得られる検知領域を通過している時間と速度
検出手段で求まった速度から通過車両の車長を算出し、
さらに検知領域情報管理手段の入力画像濃度変化パター
ン，エッジ濃度変化パターンから車両の形状を区別する
形状判別手段を有することを特徴とする車種判別システ
ム。

【００２３】（手段９）手段８の車種判別システムにお
いて、車種判別手段の形状判別手段は、検知領域情報管
理手段の入力画像濃度変化パターン，エッジ濃度変化パ
ターンをニューラルネットワークの入力層に入力し、出
力層に貨物，バスなどの形状に相当する出力を有する３
層ニューラルネットワークを用いて形状判別することを
特徴とする車種判別システム。

【００２４】（手段１０）手段８の車種判別システムに
おいて、車種判別手段の形状判別手段は、あらかじめ車
両の形状別に濃度変化パターン，エッジ濃度変化パター
ンを数種類記憶し、検知領域情報管理手段の入力画像濃
度変化パターン，エッジ濃度変化パターンとの類似度を
それぞれ算出し、その総和が最も高いパターンを求める
ことで形状判別することを特徴とする車種判別システ
ム。

【００２５】（手段１１）道路を撮影するテレビカメラ
の映像を処理し車種を判別する車種判別システムにおい
て、テレビカメラの映像を画像メモリに取り込む画像入
力手段と、入力した画像に車両を検知する検知領域を設
定する手段と、この検知領域の画像から、検知領域を通
過する車両の車長と、検知領域の画像濃度の時系列デー
タと、検知領域の画像におけるエッジ濃度の時系列デー
タとを求める手段と、前記濃度の時系列データと、エッ
ジ濃度の時系列データと、車長とから車種を判別画像す
る手段と、を有することを特徴とする車種判別システ
ム。

【００２６】（手段１２）手段１１の車種判別システム
において、前記検知領域の画像から、検知領域を通過す
る車両の車長と、検知領域の画像濃度の時系列データ
と、検知領域の画像におけるエッジ濃度の時系列データ
とを求める手段は、前記検知領域の画像から、検知領域
を通過する車両の速度と、検知領域の画像濃度の時系列
データと、検知領域の画像におけるエッジ濃度の時系列
データとを求める手段と、画像輝度の時系列データから
検知領域を車両が通過する時間を求める手段と、前記エ
ッジ濃度の時系列データから検知領域を通過する車両の
速度を求める手段と、その求めた時間と速度から、検知
領域を通過する車両の車長を求める手段と、を有するこ
とを特徴とする車種判別システム。

【００２７】（手段１３）手段１２の車種判別システム
において、前記エッジ濃度の時系列データから検知領域
を通過する車両の速度を求める手段は、前記エッジ濃度
から車両の末尾を特定する手段と、その末尾の位置の変
化と、その位置の変化に要した時間を求める手段と、そ
の位置の変化量とその位置の変化に要した時間とから、
車両の速度を求める手段と、を有することを特徴とする
車種判別システム。

【００２８】

【発明の実施の形態】以下、本発明の実施の形態を図面
を参照して説明する。

【００２９】図１は本発明の車種判別システムの処理手
段を説明する図である。

【００３０】カメラなどの映像撮像手段で撮像した画像
を入力する画像入力手段１と、その画像に対し車両の情
報を計測する検知領域設定手段２と、検知領域内に車両
が存在しているか否かを計測する車両存在確認手段３
と、検知領域内に車両が存在している時の入力した画像
の濃度情報を求める濃度変化検出・記憶手段４と、同じ
く、検知領域内に車両が存在している時の入力した画像
のエッジ濃度情報を求めるエッジ変化検出・記憶手段５
と、検知領域を通過した車両を追跡する車両追跡手段６
と、追跡した結果から車両の通過速度を求める速度算出
手段７と、濃度変化検出・記憶手段４およびエッジ変化
検出・記憶手段に格納されているデータと、車速度算出
手段７で求まる速度情報を用いて車種を判別する車種判
別手段８からなる。

【００３１】図２はハードウエア構成を説明する図であ
る。本発明で使用する画像処理装置２０は、テレビカメ
ラ２１の映像をディジタルデータに変換するＡ／Ｄ変換
器２２と変換された画像データを記憶する画像メモリ２
３と、画像メモリ２３のデータを映像として表示するた
めのディジタルデータをアナログデータに変換するＤ／
Ａ変換器２５を介してモニタテレビ２６に表示する構成
である。また、処理の動作はＣＰＵ２７やＲＡＭ２８な
どからなるコンピュータ２９(パソコンなど)で制御され
る。

【００３２】画像メモリ２３は複数枚備わっており、背
景画像や入力画像の記憶メモリ、各種画像処理結果を記
憶するワークメモリなどに利用する。

【００３３】なお、画像処理プロセッサ２４は微分処理
などを実行する空間積和演算や、２画像の差分処理など
を実行する画像間演算，画像濃度の頻度分布などを求め
るヒストグラム処理機能，テンプレート画像と対象画像
の類似度を算出する正規化相関処理などの機能が搭載さ
れている。

【００３４】図１の各手段の動作について以下説明す
る。

【００３５】図３は入力画像の一例を示す。テレビカメ
ラから取り込んだ２車線の道路を撮影した画像１０の中
で、検知領域設定手段２で検知領域Ｄ１，Ｄ２を設定
し、この領域のデータを求める。以下、簡単のために図
３の左車線１本だけを処理する場合について説明する。

【００３６】まず、検知領域設定手段２によって、画像
入力手段１から得られる入力画像のうち、図３のように
車両が進入する側に検知領域Ｄ１を設定する。この検知
領域の大きさは、車線方向の長さを普通車の車長の１／
１０程度（例えば５０cm程度）が映るように設定し、車
線に垂直の方向をほぼ車線の幅に設定する。車線方向の
長さを広げすぎると、検知領域に複数の車両が同時に存
在する場合などが発生し、車両の分離処理などが必要に
なるため、通常の車両間隔とされる長さ以下とする。

【００３７】また、狭すぎると、画像濃度，エッジ濃度
のばらつきが大きくなるため経験的に５０cm程度が検知
領域に納まるように設定している。

【００３８】また、カメラの設置方法として、図３のよ
うな視野に設定すれば、画面の下部では車両が重なるこ
とがないため（ほぼ真下を撮影）、検知領域の情報は車
両１台分の情報になる。

【００３９】この設定方法は、オフライン的に画面上の
座標を設定してその座標を記憶する。

【００４０】また、本実施例では、検知領域を直接設定
しているが、中央の白線を画像処理で認識し、その白線
よりも左側に設定するようにすれば、自動設定も可能で
ある。

【００４１】なお、図３の各車線の検知領域Ｄ１，Ｄ２
の間隔などは撮影する画角，道路幅，車両の通過特性
（車線の左側を通過するのが多いなど場所によって変化
する）によってその都度調整する。

【００４２】車両存在確認手段３は、検知領域設定手段
２によって設定された領域Ｄ１に車両が存在しているか
を毎回（処理周期は約３３ミリ秒程度）計測するもので
ある。

【００４３】処理方法としては、図４に示すようにあら
かじめ道路だけの画像を記憶しておき４１、この画像４
１と入力画像４２の差分処理を検知領域内で実行し、得
られた差分画像を所定しきい値で２値化４３したときの
面積を求め、この面積が所定値以下なら車両は存在して
いない、所定値以上なら存在していると判断する（背景
差分処理法）。

【００４４】また、図５のように入力画像の検知領域内
を微分処理し微分画像５１の平均濃度が所定値以下なら
車両は存在していない、所定値以上なら存在していると
判断する方法もある。

【００４５】また、入力画像の濃度変化に対応できるよ
うに、特開平10−307988号「交通流監視装置」に記載の
ように、あらかじめ記憶している道路の背景画像パター
ンと入力画像とで類似度（正規化相関処理）を算出し類
似度が所定値以下なら車両存在と判別することも可能で
ある。

【００４６】正規化相関処理は登録パターンと探索画像
パターンの濃度を合わせて類似度を求めるため、入力画
像の明るさが変動しても類似度にはあまり影響しない特
徴を持つ。このため、屋外の場合はこの処理が安定して
いる。いずれにしても、車両の存在有無の情報を記憶す
ることができればどのような方式でも効果は得られる。

【００４７】画面全体の画像から車両の領域を正確に求
めることは困難であるが、検知領域を所定の大きさに限
定することで、車両の存在有無情報が安定的に判別可能
となる。

【００４８】このような存在，非存在の情報を時系列に
図６のように記憶しておく（存在を１，非存在を０とす
る）。この時、存在のトータル時間が必要となるため、
存在開始時刻，存在終了時刻を用いて存在時間TimeSを
求めておく。

【００４９】濃度変化検出・記憶手段４は上記車両の存
在，非存在の判別結果を用いて、車両が存在している場
合に、入力画像の検知領域内の平均濃度を求め、これを
図７のように時系列に記憶するものである。記憶する個
数は、車両存在，非存在のデータ数と同じとなる。

【００５０】同じく、エッジ変化検出・記憶手段５は上
記車両の存在，非存在の判別結果を用いて、車両が存在
している場合に、入力画像のエッジの強度を求めるもの
で、入力画像について検知領域内を微分処理し、その微
分画像の平均濃度を時系列に記憶するものである。記憶
する個数は、車両存在，非存在のデータと同じ数とな
る。なお、微分処理には水平縞のエッジを強調する処理
（車のエッジは水平線が多い）や、垂直線を強調する処
理がある。これらの時系列データは後述する通過速度が
求まった時点で形状判別に利用する。

【００５１】このように、検知領域を所定の大きさに設
定し、この検知領域の画像濃度及びエッジの平均濃度を
求め、車種判別の処理に用いることで、従来よりも精度
を高めることができる。

【００５２】次に車両追跡手段６について説明する。車
両追跡処理は、図８のように車両が検知領域Ｄ１を通過
したと判断した時に（車両存在確認手段３で存在から非
存在になった瞬間。これを時刻ｔとする）、検知領域Ｄ
１の上部に処理領域８２を設け、この領域において車両
の末尾位置を検出する。画像処理で速度を求める場合、
精度良く計測するためには、車両が路面に接している場
所である。例えば、車両の屋根（ルーフ）などを追跡処
理した場合は、見かけ上速度が大きくなるので、ここで
は、車両の末尾座標を検出するために車両が検知領域を
通過した瞬間に一座表を求めるようにしている。末尾座
標の検出処理は、検出領域内８２を微分処理し、該微分
画像８３を水平方向に投影し８４、最大の投影分布の位
置Ｙｏを求め、そのＹｏの位置の近傍画像を図９のよう
にテンプレート画像Tmp に登録する。ここで、図中の８
０は入力画像、８１は通過中の車両を示す。なお、図８
のように最大の点でなく検出領域８２の下側から投影分
布が所定しきい値以上になる場所を検出しても良い。

【００５３】次に追跡処理であるが、これは時刻（ｔ
１）の入力画像と登録したテンプレート画像でマッチン
グ処理を実行するものである。図１０のようにテンプレ
ート画像と最も類似している場所を探すために、サーチ
エリア１００を設定し、このサーチエリア１００内で、
テンプレートマッチング処理（正規化相関処理）を実行
し、類似度が高い位置が検出できた場合は、その座標ｙ
ｐ（ｔ）の近傍の画像を再度テンプレート画像に登録
し、順次この処理を繰り返す（図１０ではＹｏの座標が
ｙｐ（ｔ１），ｙｐ（ｔ２）へ移動している）。車両が
画面から抜けたタイミングあるいはｙｐ（ｔ）が所定位
置より上になった場合に追跡を終了しこの座標をＹｅと
する（類似度が高い位置が検出できない場合も終了）。
このような車両追跡処理により得られる初期のテンプレ
ート登録座標Ｙｏ,終了座標Ｙｅ,追跡開始時刻time０と
追跡終了時刻time１を記憶しておく。

【００５４】車両の通過速度を求める速度算出手段７
は、上記車両追跡処理の登録座標Ｙｏと追跡座標Ｙｅ
と、時刻time０,time１から速度を算出する。ここで、
画像の座標は画素単位であるが、速度を求めるためには
画素と実距離との変換が必要である。ここでは、その変
換を式１で行う。

【００５５】あらかじめカメラの向きθ、カメラレンズ
の焦点距離Ｆ、カメラ高さＨを求めておき、画像上の座
標（ｘ,ｙ）は実座標（Ｘ，Ｚ）に変換することが出来
る。この計算式は「移動物体検出に基づく通過車両の車
種判別」電気学会道路交通研究会資料（ＲＴＡ−９５−
７,９５．３）に記載されている方式を用いると、式１
で変換できる。ここで、カメラと道路の関係を図１１に
示す。

【００５６】

【式１】

【００５７】このようにしてＹｏをＺｏ，ＹｅをＺｅに
変換し、速度Ｖを式２で求める。

【００５８】

【式２】

【００５９】ここで、車両の追跡処理は、特開平10−30
7988号「交通流監視装置」に記載のような手法について
説明したが、車両のパターンを抽出し、その末尾座標の
位置変動から速度を求める方式など色々と考えられる
が、検知領域を通過した車両の速度を計測できる手法で
あれば、その方式は限定しない。また、画素と実距離の
変換方法は他にも色々な方法があり、上記の変換式に限
定するものではない。

【００６０】次に車種判別手段８について説明する。車
種判別手段８は図１２のように動作する。まず車長を求
め、車長がＬＢより長い時は大型となり、大型と判別し
た場合は、画像濃度変化，エッジ変化検出・記憶手段
４，５に記憶されているデータを用いて形状判別（ここ
ではバス，貨物判別）を行い、車長がＬＢより短い時は
小型となり、同様にして形状判別（貨物，乗用車の区
別）を行う。ここで、上記例は小型，大型を分類するも
のであるが、車長によっては小型，中型，大型の３車種
に分類し、これらについてそれぞれ貨物、乗用などと分
類することも可能である。この車長の計測は車両の通過
速度Ｖと車両存在確認手段３で求まった存在時間TimeS
を用いて車長＝速度Ｖ＊存在時間TimeSにより算出する
ことができる。

【００６１】入力画像全体から車長を求めることは、車
両が重なった場合の車両の分離が困難なため、正確には
行えなかったが、このように、検知領域を設定し、その
検知領域における車両の通過速度と存在時間を求めると
車長を正確に求めることができる。

【００６２】なお、図３のような視野に設定しているの
で、画面の下部では車両が重なることがなく（ほぼ真下
を撮影）、検知領域の情報は車両１台分の情報であり、
画像から車長を正確に求めることが可能となっている。

【００６３】ところで、カメラの向きから検知領域を通
過している車両の時間と車長の関係は図１３のようにな
るため、補正することが精度の向上につながる。すなわ
ち、（車長＋検知幅）＝速度Ｖ＊存在時間TimeSである
ため、よって、車長＝速度Ｖ＊存在時間TimeS−検知幅
で算出する。なお、検知幅とは車線方向の検知領域の長
さである。

【００６４】また、画像濃度変化，エッジ濃度変化によ
る形状チェックは、図１４（ａ）のように車両存在回数
分記憶されているデータを、例えば１０個に正規化し図
１４（ｂ）のように変換する。この処理は、車長及び速
度によってデータの個数が大きく変化するため判別処理
が複雑になるのを回避するために正規化するものであ
る。正規化法は単純にｎ個（車長，通過時間によって変
動）のデータを１０個に間引きする処理でも良いし、更
に正確なものとして補間付きの圧縮処理でも良い。

【００６５】正規化した画像濃度データをGray［０］〜
Gray［９］とするとバスの場合は、図１５のように後部
に窓が有るので濃度値がGray［７］〜Gray［９］当たり
で下がる。また、天井の濃度はほぼ一様なのでGray
［０］からGray［６］当たりの濃度は均一となる。この
ため、画像濃度の時系列データの前半が均一か否かの判
別を行う。

【００６６】車長で大型と判別した場合は、以下の判別
条件でバスと判別する。 （１）Gray［７］からGray［９］が最小濃度である（図
１５ Ｓ８６−１）。 （２）Gray［０］からGray［６］の平均濃度Ａｖｅとの
差の絶対値の累積が所定値以下である（Ｓ８６−２）。

【００６７】更に、エッジ変化検出・記憶手段５によっ
て求まる情報も同様にして１０個にデータを正規化しEd
ge［０］からEdge［９］に記憶する。バスの場合は、車
両の先頭により最初に大きなエッジ濃度が発生し、最後
の位置に窓による大きなエッジ（濃度）が発生する。こ
れに対し、トラックなどでは、途中に運転席と荷台の間
に大きなエッジ濃度があるためこの情報が発生する。

【００６８】したがって、バスの場合は以下の条件で判
別する。 （１）Edge［０］からEdge［４］の平均よりEdge［５］
からEdge［９］の平均濃度が高いか、中央のエッジ濃度
は一様（Ｓ８６−３）。

【００６９】同様に、車長がＬＢより短い場合は小型車
とするが、濃度変化，エッジ濃度変化チェック処理によ
り、貨物か乗用かを判断する。セダンなどでは、大きな
エッジ濃度が窓の部分で発生するが、小型貨物ではエッ
ジ濃度が途中小さい。この違いから小型乗用車，小型貨
物の判別が可能である。

【００７０】このように、車両検知領域を通過する車両
の車長，画像濃度の時系列データ，エッジ濃度の時系列
データを用いることで、さまざまな形状の分類を正確に
行うことが可能となる。２次元の画像パターンを記憶し
て分類する方式は、記憶容量の問題のほかに、車両の形
状を正確に切り出すことが非常に困難であるが、本発明
では、検知領域を通過する車両の画像濃度，エッジ濃度
を時系列に求めるだけで形状判別が可能である。

【００７１】車種判別手段は以上のように種々のしきい
値を設定し判別することが可能であるが、より安定的に
判断する処理としてニューラルネットワークの利用があ
る。ニューラルネットワークを利用する場合のネットワ
ークの構造を図１６に示す。ネットワークは３層構造の
ニューラルネットワークであり、ネットワークの入力層
に、画像濃度を１０個（例えば）に正規化したGray
［０］からGray［９］を入力する。さらにエッジ濃度を
１０個に正規化したEdge［０］からEdge［９］を入力す
る。さらに、車長を入力する。出力層は、形状毎の出力
を用意する。ここで、ニューラルネットワークの扱うデ
ータ範囲は０から１の実数であるため、Gray［ｉ］は画
像濃度の最大値で除して、Edge［ｉ］はエッジ濃度の最
大値で除して０から１の実数に変換することが必要であ
る。また、車長については例えば１５ｍを最大として車
長を１５ｍで除した数値（１以上は１に設定）する。

【００７２】このような入力データを入力し、学習時は
教師データとして車種毎の値を与えることで学習する。
例えば、車種を５車種（小型乗用，小型貨物，大型貨
物，バス，その他）に判別する場合、小型乗用のデータ
を入力した場合は、出力の教師データとして小型乗用を
１その他を０に設定し与える。

【００７３】認識時は車種毎の出力を求め、最大出力の
車種を認識結果として用いる。また、ニューラルネット
ワークを小型，大型の２種類用意する方法もある。図１
７は小型の例であるが、入力は図１６の車長を除いた濃
度，エッジ情報を入力し、出力は小型乗用，小型貨物を
用意する。このように大型，小型のニューラルネットワ
ーク分けることで、小型車両の車長であるにもかかわら
ず少なくとも大型に判断する誤りは防ぐことが可能とな
る。また、図１６，図１７ではエッジ濃度は垂直エッジ
強調の微分画像の平均濃度を時系列に求めた情報を入力
しているが、水平エッジ濃度を加えた情報を入力するこ
とが必要な場合も同様な処理で対応可能である（Edge
［０］からEdge［９］が垂直エッジ強調情報、Edge［１
０］からEdge［１９］が水平エッジ強調情報とすると入
力層は濃度情報と合わせ３０個設ければ良い）。

【００７４】このように、ニューラルネットワークを利
用すると、画像濃度，エッジ濃度の形状判別にしきい値
などを設定する必要が無く、きわめて簡単に車種の判別
が可能となる。また、エッジ濃度を水平，垂直両方用い
る場合、データ数が増えプログラム的に車種判別の処理
を作り込むのは容易でないが、ニューラルネットワーク
を用いることで、判別に用いる時系列パターンの数が増
えても車種判別が高精度にできるメリットがある。

【００７５】また、あらかじめ形状毎の画像濃度の時系
列データをパターン，エッジ濃度の時系列データを形状
数（例えば、バス，大型貨物）記憶しておき、画像から
得られる変化情報との類似度を画像濃度，エッジ濃度毎
に求め、これらの類似度の総和が最大のパターンを認識
結果とすることもできる。記憶容量は時系列データを分
類形状数だけ用意するだけであり、ごく少ないデータで
良い。

【００７６】いずれにしても、車両が検知領域を通過し
ている間の画像濃度の時系列データ，エッジ濃度の時系
列データ、及び車長を求めることで、これまでの大型，
小型の判別だけでなく、車両の形状判別も可能となる。

【００７７】以上の処理の流れを詳細に説明する。図１
８に全体フローを示す。まず、画像処理装置の初期化や
各種テーブルの初期化を実行するＳ０。検知領域設定手
段で車両検知領域を設定するＳ１。車両の存在を求める
ベースになる背景画像を作成するＳ２。以下が処理のル
ープになる。

【００７８】画像を入力Ｓ３し、車両存在確認Ｓ４で検
知領域上に車両が存在しているかを確認する。また、検
知領域内の濃度の変化、エッジの変化情報を求める。車
両が検知領域を抜けた場合はＳ５で車両の末尾領域をテ
ンプレート画像に登録するＳ５。登録したテンプレート
画像と似ている場所を入力画像から探し追跡処理するＳ
６。追跡が終了したら、車両の速度を算出するＳ７。全
ての情報が求まった場合は、車種の判別Ｓ８を実行す
る。以下、各処理の詳細フローを示す。

【００７９】図１９に車両存在確認処理Ｓ４のフローを
示す。まず、背景画像と入力画像の差分処理Ｓ４−１を
実行し、この画像を２値化Ｓ４−２し、２値の面積を求
めるＳ４−３。この面積が所定値以上の場合は、車両が
存在していると判断しCountを増加するＳ４−５。ま
た、検知領域内の入力画像の平均濃度および微分画像の
平均濃度を求め、テーブルに格納する（Ｓ４−６からＳ
４−９）。微分処理で、水平，垂直の両方の情報を用い
る場合は配列を２倍用意する。

【００８０】面積が小さい場合は車両が存在しないと判
断するが、Count(存在回数)が所定値以下ならノイズで
存在，非存在が変動したと判断しCountをクリアする。C
ountが所定値以上の場合は車両が通過したと判断し、車
両末尾座標の検出Ｓ４−１１を実行し（図８，図９の処
理）車両末尾が求まった場合はｘｃ(Ｘ方向中心座標)、
ｙｃ（Ｙ方向中心座標）にその座標を格納する。また、
Ｓ４−７，９で格納した濃度，エッジ濃度の時系列デー
タを退避するＳ４−１２，１３。これは、次の車両が進
入した時にデータが消去されないようにするためであ
る。車種判別のためには図３のような視野に設定した場
合、車両が画面に２台（１車線）までしか入らないの
で、このような処理で良い。また、通過時間を格納Ｓ４
−１４する。なお、車両が通過したと判断した場合の回
数を求めることで、通過台数を算出することができる。

【００８１】図２０はテンプレート登録のフローであ
る。車両が通過した時に車両の末尾座標を求めるが、こ
の座標ｘｃ，ｙｃが求まっている場合に、テンプレート
画像の登録処理を実行する。テンプレートは複数個登録
できるようにしているため（多車線対応）、図２０のよ
うに、未使用の番号を探し（Track［ｉ］…hold が０の
場合未使用）、未使用の場合はそのテーブルに所定情報
を格納する。格納データは、追跡座標のＸ中心，Ｙ中心
（ｘｃ，ｙｃ）、その初期値（ｏｘｃ，ｏｙｃ），追跡
回数(count），テーブルの状態(hold＝２）、時刻(star
ttime，endtime）である。さらに、ｘｃ，ｙｃを中心と
して入力画像から所定のＸ幅，Ｙ幅の大きさの画像をテ
ンプレートに登録する。

【００８２】ここで、登録データは図２１のような管理
テーブルである。

【００８３】次に、図２２に追跡処理フローを示す。テ
ーブル番号を０からスタートし、管理テーブル（Track
［ｉ］）のhold が２の場合は、現時刻でテンプレート
が登録されたばかりなので、holdを１にして次の入力画
像まで待つＳ６−３。holdが１の場合は登録してから新
しい画像が入力されているのでこのデータについて追跡
処理する。まず、Track［ｉ］．ｘｃ，ｙｃ の値を基準
に探索領域（サーチエリア）を設定するＳ６−５。これ
は図１０の１００のように設定する。サーチエリアが決
まれば、その領域内で最も登録しているテンプレート画
像に類似している位置を探すＳ６−６。位置が見つかっ
た場合は、管理テーブルのｘｃ，ｙｃ（ｏｘｃ，ｏｙｃ
は更新しない）、時刻（endtime）を更新しＳ６−９、
登録画像のテンプレート画像をｘｃ，ｙｃの位置の近傍
画像に更新するＳ６−１０。一方、登録パターンが見つ
からない場合は、holdを３に設定し追跡が終了したこと
にするＳ６−８。このような処理をテーブル数ループす
る。通常、２車線の場合、テーブル数は４個程度有れば
十分である。

【００８４】なお、テンプレート画像の記憶番号は管理
テーブルの番号ｉと同じである。

【００８５】次に図２３に速度算出フローを示す。前述
したように車両追跡終了時はholdを３に設定しているの
で、holdが３になったテーブルに記憶されている、座
標，時刻から速度を算出するＳ７−３。速度を計算した
ら管理テーブルのデータを初期化するＳ７−４。

【００８６】車種判別Ｓ８のフローを図２４に示す。車
両追跡処理により速度が求まった場合に、速度，存在時
間TimeS から車長を求めＳ８−２、これを基に車種判別
するＳ８−３。速度が求めっていない場合は、車両が通
過していないので何も実行しない。なお、車種判別の具
体例は、図１２，図１５で説明した通りである。検知領
域を車両が通過してから車両の速度が求まるまでには、
速度が速い場合は、数回の追跡処理、例えば３３ミリ秒
×１０回＝３３０ミリ秒後に速度が求まるので、検知領
域通過後瞬時に車種判別が可能であるが、遅い車の場合
は画面を通過するまで速度計算しないため、数十秒後に
速度が求まる場合などがある。このため、車両追跡回数
が所定値以上（例えば、２０回）になったら速度を求
め、車種判別するようにしても良い。この場合は、図２
２の管理テーブルの更新Ｓ６−９の後に、追跡回数Trac
k［ｉ］．countが所定値以上ならholdを３に設定し、速
度を求めるようにすればよい。

【００８７】以上の説明は車線数が１本の場合について
述べたが、車線数が２本，３本の場合は、各処理を車線
数分ループ処理し、各テーブルを車線数分の配列で記憶
すれば、容易に多車線対応が可能である。

【００８８】ところで、上記車種判別手法は渋滞した場
合に問題が発生する。すなわち、渋滞すると、検知領域
に車両が停止し、車両存在時間が大きく延びる。この車
両は最終的には画面上から消えるため、ある速度で移動
するが、車長を計算する処理は、存在時間と速度から求
めているため、車長が非常に大きくなってしまう。

【００８９】そこで、存在時間の計測処理を図２５のよ
うに改善する。車両が移動している場合だけ、存在時間
としてカウントするようにするため（存在確認処理とし
ては存在と判断するが記憶カウンタとしてはカウントし
ない）、検知領域について現在時刻（ｔ）の入力画像ｆ
（ｔ）と所定時刻前（ｔ−ｄｔ）の入力画像ｆ（ｔ−ｄ
ｔ）の画像間の差分処理を実行しＳ４−１６、差分画像
を所定のしきい値で２値化した時の面積を算出する。こ
の面積が所定値以下なら移動していないと判断しＳ４−
１７、存在カウンタを更新しない。

【００９０】この処理により、渋滞していても存在時間
がほぼ正しく求まるため車長の計測が可能となる。な
お、移動速度Ｖが加減速する場合は車長に誤差が発生す
るが、速度算出の範囲を検知領域の近くに設定すること
で誤差を低減可能である。

【００９１】また、記憶している背景画像は更新が必要
であるが、画像処理で一般的な移動物体が無い場合の画
像の平均化（新しい背景画像＝古い背景画像と入力画像
の平均）などで対応可能である（検知領域だけの狭い範
囲なので処理は安定する）。

【００９２】なお、速度算出のための車両追跡処理にパ
ターンマッチング処理を用いた例を示しているが、その
ほかの速度算出の方式も流用可能である。また、存在確
認処理は背景画像と入力画像の類似度で判別する方式が
安定するが、背景差分の平均濃度を監視したりする方式
などが考えられる。

【００９３】また、夜間においてはテールランプだけし
か見えない状態では、本発明の効果は発生しないため
（車長が求まらない）、夜間時においては、ＬＥＤ照明
などによる照明を少なくとも検知領域内に照射すること
が必要である。それ以外の場所での処理はテールランプ
を検出し追跡処理し速度を求めることが出来るので問題
ない。将来的にはカメラの感度が向上し、夜間でも照明
が不用になる可能性があるが、現在では照明が必要であ
る。

【００９４】以上の例は車両が同一方向に移動する場
合、特に車両を後方から撮影し、台数，速度，車種を判
別するものである。

【００９５】しかし、道路には片側１車線の道路が対面
通行している場所も多い。この場合に検知領域を図２６
のように左車線は画面の下側Ｄ１，右車線は画面の上側
Ｄ２に設置し、車両をそれぞれ追跡する（１０１，１０
２は追跡のパターンを示す）。ここで、左車線の車両検
知，通過，追跡などの時間経過は図２７に示すように、
検知領域を通過した時点から車両の追跡処理が始まり、
追跡終了後、速度算出，車種判別が行われる。これに対
し、右車線の場合は、図２８のように車両が検知領域に
進入した瞬間から車両追跡が始まり、追跡終了後、速度
算出，車種判別が行われる。これは、検知領域通過直後
に車両のパターンを追跡すると、車両の屋根などを追跡
することになり、この車高が影響し速度計測精度が低下
するので、できるだけ路面との高さが少ない場所を追跡
する必要がるためである。このため、検知領域に進入し
た時に車両前面のパターンを抽出し追跡する。このよう
に、速度追跡処理方法を変更することで対面通行に対応
可能である。

【００９６】ところで、カメラの視野を図２９のように
真下を撮影し、検知領域は画面の中央に設定するＤ１，
Ｄ２。このようにすれば、上り，下り車線とも同じ処理
で台数，速度，車種の判別が可能である。すなわち、検
知領域を通過してから車両の速度を上り下りとも同じよ
うに求めることが可能である。また、一般的なテレビカ
メラは水平，垂直の比率が４：３であるので、カメラを
横向きに設置して撮影すれば、図３０のように車線方向
に長い撮影視野をとれるので、より好ましい。

【００９７】上り，下り対面通行の場合には、カメラを
真下に向けることが有効である。これは、設置上非常に
簡単であり効果と、認識処理を同じに出来るという効果
がある。

【００９８】また、カメラなどで道路を撮影し、その映
像に車両検知領域を設け、この領域を通過する車両の存
在，非存在情報，濃度の時系列情報，エッジ濃度の時系
列データ、および通過速度を求め、これら情報で車長を
基準に大型，小型を判別し、さらに濃度，エッジ濃度の
時系列データから貨物，バスなどの形状判別を行うこと
が可能である。

【００９９】また、１枚の画像から車両を切り出し車種
を判別することは非常に困難であるが、検知領域を通過
する車両の時間的変化を用いるので、車両の特徴を正確
に抽出できるため容易に車種判別が可能である。

【０１００】また、画像処理であるため、認識結果の検
証も容易であり、また、車長をベースに判別するため正
確な車種判別が可能である。なお、車長の設定値によっ
ては大型，中型，小型の分類も可能である。

【０１０１】

【発明の効果】本発明によれば、車種判別装置における
車種判別の精度を向上させることができる。

【図面の簡単な説明】

【図１】本発明の処理手段の構成を示す図である。

【図２】本発明に使用する画像処理ハードウエアの一例
を示す図である。

【図３】画像感知器の撮影例を示す図である。

【図４】車両存在有無を判別する処理の一例を示す図で
ある。

【図５】車両存在有無を判別する処理で微分処理を用い
た例を示す図である。

【図６】車両存在有無の状態を記憶した場合を説明する
図である。

【図７】車両存在時に求める入力濃度の時系列データを
説明する図である。

【図８】車両が通過した時に車両の末尾座標を求める処
理の一例を示す図である。

【図９】車両末尾座標の近傍をテンプレート画像に登録
する処理を示した図である。

【図１０】車両を追跡する処理を説明する図である。

【図１１】カメラの空間位置を説明する図である。

【図１２】車種判別のフローを示す図である。

【図１３】カメラアングルと車両存在時間の関係を説明
する図である。

【図１４】濃度変化情報個数の正規化を説明する図であ
る。

【図１５】車種判別に用いる濃度変化，エッジ変化の判
別処理フローを示す図である。

【図１６】濃度変化，エッジ変化をニューラルネットワ
ークで処理し車種を判別する場合の構成を示す図であ
る。

【図１７】小型車専用のニューラルネットワークによる
車種判別の構成を示す図である。

【図１８】車種判別処理の全体処理を示す図である。

【図１９】車両存在確認処理の処理フローを示す図であ
る。

【図２０】車両追跡時のテンプレート登録処理フローを
示す図である。

【図２１】車両追跡時の管理テーブルの内容を示す図で
ある。

【図２２】車両追跡処理フローを示す図である。

【図２３】通過速度算出フローを示す図である。

【図２４】車種判別処理フローを示す図である。

【図２５】渋滞時に対応した車両存在確認処理のフロー
を示す図である。

【図２６】対面通行の場合に、本発明を適用した図であ
る。

【図２７】左車線の車両検知，通過，追跡などの時間経
過を示す図である。

【図２８】右車線の車両検知，通過，追跡などの時間経
過を示す図である。

【図２９】カメラの視野を真下に設定した態様をあらわ
した図である。

【図３０】カメラを横向きに設定した場合のカメラの視
野を示す図である。

【符号の説明】

３…車両存在確認手段、４…濃度変化検出・記憶手段、
５…エッジ変化検出・記憶手段、６…車両追跡手段、７
…速度算出手段、８…車種判別手段、２０…画像処理装
置。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 堀田 都 茨城県日立市大みか町七丁目１番１号 株 式会社日立製作所日立研究所内 (72)発明者 佐藤 良幸 茨城県日立市大みか町五丁目２番１号 株 式会社日立製作所大みか事業所内 Ｆターム(参考） 5B057 AA16 BA11 BA24 CA08 CB08 CC02 CE11 DA08 DA13 DC16 5H180 BB20 CC04 EE07

Claims (3)

【特許請求の範囲】
1. 【請求項１】道路を撮影するテレビカメラの映像を処理
   し車種を判別する車種判別システムにおいて、 テレビカメラの映像を画像メモリに取り込む画像入力手
   段と、 入力した画像に車両を検知する検知領域を設定する手段
   と、 この検知領域の画像から、検知領域を通過する車両の車
   長と、検知領域の画像濃度の時系列データと、検知領域
   の画像におけるエッジ濃度の時系列データとを求める手
   段と、 前記画像濃度の時系列データと、エッジ濃度の時系列デ
   ータと、車長とから車種を判別する手段と、を有するこ
   とを特徴とする車種判別システム。
2. 【請求項２】請求項１において、 前記検知領域の画像から、検知領域を通過する車両の車
   長と、検知領域の画像濃度の時系列データと、検知領域
   の画像におけるエッジ濃度の時系列データとを求める手
   段は、 前記検知領域の画像から、検知領域を通過する車両の速
   度と、検知領域の画像濃度の時系列データと、検知領域
   の画像におけるエッジ濃度の時系列データとを求める手
   段と、 前記濃度の時系列データから検知領域を車両が通過する
   時間を求める手段と、 前記エッジ濃度の時系列データから検知領域を通過する
   車両の速度を求める手段と、 その求めた時間と速度から、検知領域を通過する車両の
   車長を求める手段と、を有することを特徴とする車種判
   別システム。
3. 【請求項３】請求項２において、 前記エッジ濃度の時系列データから検知領域を通過する
   車両の速度を求める手段は、 前記エッジ濃度から車両の末尾を特定する手段と、 その末尾の位置の変化量と、その位置の変化に要した時
   間を求める手段と、 その位置の変化量とその位置の変化に要した時間とか
   ら、車両の速度を求める手段と、を有することを特徴と
   する車種判別システム。