JP2005354746A - 順光・逆光識別装置 - Google Patents
順光・逆光識別装置 Download PDFInfo
- Publication number
- JP2005354746A JP2005354746A JP2005244911A JP2005244911A JP2005354746A JP 2005354746 A JP2005354746 A JP 2005354746A JP 2005244911 A JP2005244911 A JP 2005244911A JP 2005244911 A JP2005244911 A JP 2005244911A JP 2005354746 A JP2005354746 A JP 2005354746A
- Authority
- JP
- Japan
- Prior art keywords
- value
- camera
- light
- backlight
- processing unit
- 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
Links
Images
Landscapes
- Studio Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
【課題】 順光となり得る状態か逆光となり得る状態かを精度良く識別する。
【解決手段】 順光・逆光識別装置は、設置されたカメラ2の向きを基準として順光となり得る状態であるか逆光となり得る状態であるかを識別する。入力部8は、カメラ2が設置された地点を示す地点情報及びカメラ2の向きを入力する。処理部7は、タイマー9からの現在の日付、及び、前記地点情報及びカメラ2の向きに基づいて、太陽の方位に関連する近似式に従って、順光となり得る時間帯及び逆光となり得る時間帯のうちの少なくとも一方を求める。処理部7は、その求めた時間帯に基づいて、タイマー9からの時刻が順光となり得る時間帯及び逆光となり得る時間帯のいずれに属するかを判定する。
【選択図】 図1
【解決手段】 順光・逆光識別装置は、設置されたカメラ2の向きを基準として順光となり得る状態であるか逆光となり得る状態であるかを識別する。入力部8は、カメラ2が設置された地点を示す地点情報及びカメラ2の向きを入力する。処理部7は、タイマー9からの現在の日付、及び、前記地点情報及びカメラ2の向きに基づいて、太陽の方位に関連する近似式に従って、順光となり得る時間帯及び逆光となり得る時間帯のうちの少なくとも一方を求める。処理部7は、その求めた時間帯に基づいて、タイマー9からの時刻が順光となり得る時間帯及び逆光となり得る時間帯のいずれに属するかを判定する。
【選択図】 図1
Description
本発明は、路面上を走行する車両のナンバープレートが視野内を通過するように設置されたカメラの絞りを制御するアイリス制御装置及びこれを用いた車両ナンバー読み取り装置などにおいて用いることができる、順光・逆光識別装置に関するものである。
従来から、車両のナンバープレートをカメラで撮像し、該カメラから得られた画像を処理して車両ナンバーを読み取る車両ナンバー読み取り装置において用いられるアイリス制御装置として、前記カメラから得られた画像から路面の光の状態に関する情報を得て、この情報に基づいて前記カメラの絞りを制御するアイリス制御装置が用いられている。
このようなアイリス制御装置として、下記特許文献1に開示されたアイリス制御装置が知られている。この従来のアイリス制御装置では、前記画像の画像の所定領域の平均濃淡値を求め、前記所定領域を所定方向に微分した微分画像を求め、この前記微分画像の分散値を求め、前記平均濃淡値及び前記分散値を、路面の光の状態に関する情報として用いている。
この従来のアイリス制御装置によれば、路面の光の状態に関する情報に基づいて絞りを制御しているので、車両が頻繁にカメラの視野を通過する場合にカメラの絞りを適切に制御することができるのみならず、車両の通行がしばらく途切れてその間に天候が変化するなどした後に車両の通過が開始したような場合であっても、その初めの数台の車両に関してもカメラの絞りを適切に制御することができ、非常に優れたものであった。
また、前記従来のアイリス制御装置では、設置されたカメラの向きを基準として順光となり得る状態であるか逆光となり得る状態であるかを識別する順光・逆光識別装置が用いられている。この従来の順光・逆光識別装置では、太陽の位置が月日時に応じて定まることを前提としており、現在の月日時とカメラの向きのみから順光・逆光を識別していた。
特開平9−326956号公報
前記従来の順光・逆光識別装置では、現在の月日時とカメラの向きのみから順光・逆光を識別しており、太陽の方位が実際には月日時及びカメラの向きのみならずカメラの設置地点に応じても変わるにもかかわらず、この設置地点については看過されていた。このため、前記従来の順光・逆光識別装置では、順光となり得る状態か逆光となり得る状態かを精度良く識別することができなかった。
本発明は、このような事情に鑑みてなされたもので、順光となり得る状態か逆光となり得る状態かを精度良く識別することができる順光・逆光識別装置を提供することを目的とする。
逆光/順光、晴天/曇天等の状態(以下、「天候状態」という。ただし、太陽光による光の状態のみならず人工光による光の状態も含む。)に応じてカメラの絞りを適切に制御するためには、天候状態によって変化する対象を入力として制御を行う必要があり、しかも、車両等の移動体がカメラの視野内に存在しない場合であってもカメラの絞りを適切に制御するためには、その入力対象は、移動体がカメラの視野内に存在しない場合に得られるものでなければならない。
前述した特許文献1に開示されているように、その入力対象として、路面等(移動体が存在しないときの背景)の明るさ及び路面等のざらつき具合(厳密には、ざらつきの見え具合)を選定することができることが判明している。路面等の明るさは晴れているか曇っているかの光量に関係しており、路面等のざらつき具合は、晴天時の順光及び逆光における光の方向性の強度に関係している。そして、これらの関係を定量的に扱うため、路面等の明るさを示す特徴量として原画像(カメラから得られた画像)の平均濃淡値を用い、路面等のざらつき具合を示す特徴量として原画像を所定方向に微分した微分画像の分散値を用いることができることが判明している。
図8に示すようにカメラ2を設置した状態において、カメラ2の視野F内の鉛直面(XZ平面)照度(カメラ2側の照度E1及びカメラ2と反対側の照度E2)が、既に測定されている。なお、図8は順光及び逆光の状態を示す説明図であり、図8中、2はカメラ、Fはカメラ2の視野、3は路面、4は太陽を示す。説明の便宜上、図8に示すように互いに直交するX方向、Y方向及びZ方向を定義する。図8では、カメラ2は、被写体であるナンバープレート1aを有する移動体である車両1が視野F内を通過するように設置され、路面3がXY平面と一致し、車両進行方向がY方向と一致し、カメラ2の向きのXY平面への写像方向はY方向に一致している。
そして、両照度E1,E2の比率E1/E2が求められ、その比率E1/E2から、天候状態を、曇天及び順光、逆光の度合いを強・中・弱の3段階に分けて図9に示す表のように定義されている。ただし、図9の表では、曇天も弱順光又は弱逆光に含まれるように記載されているが、実際には比率E1/E2が1付近の値である場合が、天候状態が曇天であると定義されている。そして、車両1が視野F内に存在しないときに、照度E1及び照度E2に対応して原画像(実際にはその一部の領域)の平均濃淡値と当該原画像を図8中のY方向に相当する方向に微分した微分画像の分散値とが求められ、前述した天候状態に当てはめることによって、図10に示す分布が得られている。なお、図10の縦軸は原画像の平均濃淡値を示し、図10の横軸は微分画像の分散値を示している。ただし、図10では、これらの値は、それぞれの最大値で正規化されている。図10は、平均濃淡値と分散値とから、順光か逆光かを区別することはできないものの、順光及び逆光の強さを知ることができることを示している。
前記課題を解決するため、本発明による順光・逆光識別装置は、設置されたカメラの向きを基準として順光となり得る状態であるか逆光となり得る状態であるかを識別する順光・逆光識別装置において、前記カメラが設置された地点を示す地点情報及び前記カメラの向きを入力する入力手段と、現在の日付及び時刻を得るタイマー手段と、前記タイマー手段からの日付、前記入力手段により入力された地点情報、及び、前記入力手段により入力された前記カメラの向きに基づいて、太陽の方位に関連する近似式に従って、順光となり得る時間帯及び逆光となり得る時間帯のうちの少なくとも一方を求める時間帯演算手段と、前記時間帯演算手段の演算結果に基づいて、前記タイマー手段からの時刻が順光となり得る時間帯及び逆光となり得る時間帯のいずれに属するかを判定する判定手段とを備えたものである。前記入力手段は、設置者が操作により入力するものであってもよいし、自動的に入力するものであってもよい。後者の場合には、例えば、地点情報を入力する手段としていわゆるGPSデータを受信する受信機を用いることができ、カメラの向きを入力する手段としてカメラの向きを検出するセンサを用いることができる。
この順光・逆光識別装置によれば、カメラが設置された地点を示す地点情報をも考慮されているので、順光となり得る状態か逆光となり得る状態かを精度良く識別することができる。
本発明によれば、順光となり得る状態か逆光となり得る状態かを精度良く識別することができる順光・逆光識別装置を提供することができる。
[第1の例]
まず、本発明の一実施の形態による順光・逆光識別装置を備えた車両ナンバー読み取り装置の第1の例について、図1乃至図7及び図11乃至図13を参照して説明する。
図1は、本例による車両ナンバー読み取り装置の概略構成を示すブロック図である。図2乃至図7は、処理部7の動作を示すフローチャートである。図11は、微分処理(ステップS25)において用いられる微分フィルタの一例を示す図である。図12は、ファジィ推論部の一例を示す図である。
本例による車両ナンバー読み取り装置は、図1に示すように、カメラ2と、カメラ2から得られた画像信号をA/D変換するA/D変換器5と、A/D変換された画像信号を記憶する画像メモリ6と、画像メモリ6に記憶された画像を処理して、車両ナンバーを認識して当該車両ナンバーを出力するとともにカメラ2の絞りを制御するための制御信号としての制御出力値V0を出力する処理部7と、カメラ2が設置された地点を示す地点情報(例えば、北緯と東経)及びカメラ2の向きをカメラ2の設置時等に入力する入力部8と、現在の日付及び時刻を得るタイマー9と、D/A変換器10と、乗算器11と、を備えている。図1中の要素のうち処理部7の車両ナンバー認識機能を除いたものが、カメラ2の絞りを制御するアイリス制御装置を構成している。処理部7は、例えば、マイクロコンピュータ等を用いて構成される。
前記カメラ2は、前述した図8に示すように、被写体であるナンバープレート1aを有する移動体である車両1が視野F内を通過するように設置され、路面3がXY平面と一致し、車両進行方向がY方向と一致し、カメラ2の向きのXY平面への写像方向はY方向に一致している。そして、本例では、カメラ2は、そのレンズ部2aに画像信号をそのまま入力すると、画像の平均濃淡値を所定の基準値に保つように絞りを制御するアイリス制御機能を有するものが用いられている。ただし、本例では、カメラ2から得られた画像信号をそのままレンズ部2aに入力するのではなく、カメラ2から得られた画像信号とD/A変換器10から得られた信号とを乗算器11で乗算した信号をレンズ部2aに入力している。したがって、D/A変換器10から乗算器11に与えられた信号に応じて、すなわち、処理部7から出力される制御出力値V0に応じて、カメラ2の絞りが調節されるようになっている。
以下の説明では、制御出力値V0が大きいほどカメラ2の絞りが閉じ、制御出力値V0が小さいほどカメラ2の絞りが開くものとする。
処理部7は、図2に示すように、動作を開始すると、処理部7に内蔵されたメモリ(図示せず)に格納されたカウント値close,open,fixをそれぞれゼロにセットし、また、制御出力値V0を初期値C1にセットする(ステップS1)。
次に、処理部7は、画像メモリ6に新しい画像が入力されたか否かを判定し(ステップS2)、新しい画像が入力されるまで待つ。
新しい画像が入力されると、処理部7は、当該画像を処理して、新たに車両1の先端が視野F内の所定位置(又は所定範囲内)で感知されたか否かを判定する(ステップS3)。車両1の先端は、例えば、前記画像をY方向に微分して微分画像を求め、該微分画像のX方向に並んだ各行の画素値をそれぞれ加算し、この加算値のY方向の列のうちに所定の基準値以上の加算値を求め、この求めた加算値が複数Y方向に連続していることにより、検出することができる。もっとも、例えば、光学式等の感知器を用いて車両を感知し、処理部7は、この感知器から車両感知信号が得られた時に画像メモリ6内の最新の画像を取り込むようにしてもよい。ステップS3で感知されなければ、ステップS2に戻り、感知されるのを待つ。
ステップS3で感知されると、処理部7は、当該画像においてナンバープレート1aを検出する処理を行い(ステップS4)、ナンバープレート1aが検出されなければステップS2に戻り、ナンバープレート1aが検出されるとステップS5に移行する。ナンバープレート1aの検出処理は、例えば、ナンバープレート1aが所定の大きさを持つ矩形領域であること等を利用して当該領域を抽出することにより行うことができる。もっとも、ナンバープレート1aの検出処理は、これに限定されるものではなく、他の種々の手法を採用することができる。
ステップS5において、処理部7は、ステップS4で検出されたナンバープレート1aの領域を4つの文字領域(一連番号領域、仮名領域、分類番号(用途番号)領域、陸運支局名領域)に分割する処理を行い(ステップS5)、分割できなければステップS2へ戻り、分割できるとステップS6へ移行する。このステップS5の分割処理は、一連番号、仮名、分類番号及び陸運支局名からなる車両ナンバーを認識するための前処理であり、周知である。
ステップS6において、処理部7は、分割された4つの文字領域においてそれぞれ文字を周知の手法で認識することにより、車両ナンバーを認識する。この際には、ナンバープレート1aの領域は、所定閾値で2値化されることになる。次いで、処理部7は、認識した車両ナンバーを外部に出力する(ステップS7)。
その後、処理部7は、ナンバープレート1aの光の状態に関する情報(以下、「ナンバープレート情報」という。)として、ステップS4で検出されたナンバープレート1aの領域(その一部の領域でもよい。)中の、ステップS6で用いられた前記所定閾値(この所定閾値に代えて他の所定閾値も用いてもよい。)以上の濃淡値を有する領域の濃淡値の平均値(高レベル平均濃淡値)Whiteと、当該ナンバープレート1aの領域(その一部の領域でもよい。)中の、ステップS6で用いられた前記所定閾値(この所定閾値に代えて他の所定閾値も用いてもよい。)より小さい濃淡値を有する領域の濃淡値の平均値(低レベル平均濃淡値)Blackと、WhiteとBlackとの差(コントラスト値)Δlevelを算出し(ステップS8)、ステップS9へ移行する。
以上の説明からわかるように、本例では、ステップS8が、カメラから得られた画像から、前記ナンバープレート情報を得るナンバープレート情報取得手段に相当している。ステップS8がステップS4のYESのみならずステップS5のYESも経由しているので、より精度良く認識されたナンバープレート1aの領域から当該情報を得ていることとなる。もっとも、例えば、ステップS5でNOの場合にも、ステップS2へ戻ることなくステップS8へ移行するようにしてもよい。
ステップS9において、処理部7は、高レベル平均濃淡値Whiteが許容最大濃淡値を定める所定値C2以上であるか否かを判定する。所定値C2以上であれば(すなわち、ナンバープレート1aに相当する領域が白く霞んでいるような状態に近ければ)、処理部7は、カウント値closeを1だけカウントアップし(ステップS11)、ステップS2へ戻る。
ステップS9で所定値C2以上でないと判定されると、処理部7は、コントラスト値Δlevelが許容最低コントラスト値である所定値C3以上であるか否かを判定する(ステップS10)。所定値C3以上でなければ(すなわち、コントラストが低ければ)、ナンバープレート1aに相当する領域が黒く霞んでいるような状態に近いので、処理部7は、カウント値openを1だけカウントアップし(ステップS12)、ステップS2へ戻る。
ステップS10で所定値C3以上である(すなわち、所望のコントラストが得られている)と判定されると、処理部7は、カウント値fixを1だけカウントアップし(ステップS13)、ステップS2へ戻る。
カウント値close,open,fixは、1分(他の単位時間でもよい)ごとに行われる後述の図4に示す処理中のステップS43においてゼロにセットされる。したがって、カウント値closeは、各1分間(他の単位時間でもよい)中にステップS4,S5によりナンバープレート1aが認識された車両1のうち、Whiteが所定値C2以上である車両1(すなわち、ナンバープレート1aが白く霞んでいるような状態に近く、カメラ2の絞りを閉じるべき車両1)の台数のカウント値を示すこととなる。また、カウント値openは、各1分間(他の単位時間でもよい)中にステップS4,S5によりナンバープレート1aが認識された車両1のうち、Whiteが所定値C2より小さくかつΔlevelが所定値C3より小さい車両1(すなわち、ナンバープレート1aが黒く霞んでいるような状態に近く、カメラ2の絞りを開くべき車両1)の台数のカウント値を示すこととなる。
処理部7は、図2中のステップS1〜S13の処理中に、1分(他の単位時間でもよい。)ごとに、図3に示す割り込み処理及び図4に示す割り込み処理を行う。なお、本例では、図3に示す割り込み処理も図4に示す割り込み処理も1分ごとに行われるので、例えば、図3に示す割り込み処理に引き続いて図4に示す割り込み処理を行えばよい。
図3に示す割り込み処理において、処理部7は、まず、画像メモリ6に新しい画像が入力されたか否かを判定し(ステップS21)、新しい画像が入力されるまで待つ。
新しい画像が入力されると、処理部7は、当該画像をマスク処理して当該画像の所定領域の画像のみを抽出する(ステップS22)。この領域としては、路面3の一部に相当するように適宜選択する。このマスク処理は、主として、演算すべきデータ量を低減して処理の高速化を図るために行われるが、必ずしもマスク処理を行わずに、画像メモリ6に記憶されている画像の全体を後述するステップS23〜S26の対象としてもよい。
次に、処理部7は、ステップS22によりマスク処理された画像内に車両1が存在するか否かを判定する(ステップS23)。この判定も前述したステップS3の場合と同様に周知の手法により行うことができる。なお、ステップS23において、ステップS22によりマスク処理された画像内に車両1が存在するか否かを判定する代わりに、マスク処理されていない画像(すなわち、カメラ2の視野F内に車両1が存在するか否かを判定してもよい。
ステップS23で車両1が存在すると判定されるとステップS21へ戻り、車両が存在していなければ、ステップS24へ移行する。ステップS23は、路面3の光の状態を示す情報(以下、「路面情報」という。)を得る際に車両1の存在の影響を取り除く上で好ましいが、本例では、後述するように、ステップS29,S30において経時的な平均値を求めており、それを路面情報として用いているので、ステップS23がなくても、車両1の存在の影響が緩和される。このため、ステップS23を取り除いて、ステップS22からステップS24へ移行するようにしてもよい。
ステップS24では、処理部7は、ステップS22によりマスク処理された画像の各画素の濃淡値の平均値、すなわち、平均濃淡値aveを求める。この平均濃淡値aveは、路面3の明るさ、すなわち、晴れているか曇っているかの光量に関係している。
次に、処理部7は、ステップS22によりマスク処理された画像をY方向(カメラ2の向きに対応した方向)に微分した微分画像を求める(ステップS25)。具体的には、マスク処理された画像に対して、例えば、図11に示すSobelのY方向フィルタ(1次微分のフィルタの一種)を用いて操作すればよい。この操作により得られた微分画像は、マスク処理された画像の濃淡値のY方向の変化量を示すことになる。本例のように微分の方向をY方向としてカメラ2の向きに対応させることが、順光及び逆光の方向性の強度を感度良く検出する上で好ましいが、その微分方向は、必ずしもカメラ2の向きと完全に対応している必要はない。
その後、処理部7は、ステップS24により得られた微分画像の分散値vvを求める(ステップS26)。分散値vvは、路面3のざらつき具合、すなわち、順光及び逆光における光の方向性の強度を示している。分散値vvの値が高いほど順光及び逆光の強さが強いということになる。分散値vvを求める式を次の数1及び数2に示す。数1及び数2において、xaは微分画像の濃淡値の平均値、xiは微分画像のそれぞれの画素の濃淡値、ssは偏差平方和、nは画素数を示す。
次に、処理部7は、既にメモリ内に記憶されていたG分前(Gは、例えば、2以上の任意の値でよい。)の平均濃淡値ave及び分散値vvをクリアし(ステップS27)、その代わりに、今回ステップS24,S26でそれぞれ算出された平均濃淡値ave及び分散値vvをメモリ内に保存する(ステップS28)。これにより、現時点までのG分間に渡って1分ごとに得られた平均濃淡値ave及び分散値vvがメモリ内に保存されていることになる。なお、動作開始当初は、未だ7分間経過していないので、現時点までのG分間に渡る平均濃淡値ave及び分散値vvの全てが得られているわけではない。この場合には、処理部7は、現時点までのG分間に渡る平均濃淡値ave及び分散値vvのうち、未だ得られていない平均濃淡値ave及び分散値vvについては、予め定められた初期値を、後述するステップS29,S30で用いるようになっている。
その後、処理部7は、メモリに保存されている現時点までのG分間に渡って1分ごとに得られた7個ずつの平均濃淡値ave及び分散値vvの平均値をそれぞれ算出し(ステップS29,S30)、今回の図3に示す割り込み処理を終了する。
本例では、前述したステップS24〜S30が、路面3の光の状態に関する情報として、G分間の平均濃淡値aveの平均値及びG分間の分散値vvの平均値を得る路面情報取得手段に相当している。
もっとも、例えば、ステップS27〜S30を取り除いて、路面3の光の状態に関する情報として、ステップS24により得た平均濃淡値ave及びステップS26により得た分散値vvをそのまま後述するステップS62〜S65で用いてもよい。
次に、1分ごとに行われる図4に示す割り込み処理において、処理部7は、まず、現在のカウント値close,open,fixを加算することによって、前記ステップS4,S5によりナンバープレート1aが認識された車両の、1分間(他の単位時間でもよい。)当たりの台数(認識車両台数)Mを算出する(ステップS41)。
その後、処理部7は、認識車両台数Mが3台(他の任意の所定台数でもよい。)以上であるか否かを判定する(ステップS42)。3台以上であれば、処理部7は、前述したナンバープレート情報に基づく絞り制御を行った(ステップS100)後に、ステップS43へ移行する。一方、3台未満であれば、処理部7は、前述した路面情報に基づく絞り制御を行った(ステップS101)後に、ステップS43へ移行する。ステップS43において、処理部7はカウント値close,open,fixをゼロにセットし、図4に示す割り込み処理を終了する。
ステップS100のナンバープレート情報に基づく制御の具体例を、図5に示す。この制御では、処理部7は、まず、カウント値openとカウント値closeとの差が所定値C4(1以上の任意の数でよい)以上であるか否かを判定する(ステップS51)。所定値C4以上でなければ、カメラ2の絞りを閉じるべきであった車両1の台数とカメラ2の絞りを開くべきであった車両1の台数とが同数又は同数に近いので、制御出力値V0をそのまま固定し(ステップS58)、図5に示すナンバープレート情報に基づく制御(すなわち、図4中のステップS100)を終了する。
一方、ステップS51で所定値C4以上であると判定されると、処理部7は、カウント値openがカウント値closeより大きいか否かを判定する(ステップS52)。openの方が大きければ、処理部7は、カウント値openがカウント値fixより大きいか否かを判定する(ステップS54)。処理部7は、fixの方が大きければ、制御出力値V0をそのまま固定して(ステップS58)、図5に示すナンバープレート情報に基づく制御を終了するが、openの方が大きければ、制御出力値V0を所定値C5だけ小さくして(すなわち、カメラ2の絞りを所定量開いて)(ステップS55)、図5に示すナンバープレート情報に基づく制御を終了する。
ステップS52でopenはcloseより大きくないと判定されると、処理部7は、カウント値closeがカウント値fixより大きいか否かを判定する(ステップS56)。fixの方が大きければ、制御出力値V0をそのまま固定して(ステップS58)、図5に示すナンバープレート情報に基づく制御を終了するが、closeの方が大きければ、制御出力値V0を所定値C5だけ大きくして(すなわち、カメラ2の絞りを所定量閉じて)(ステップS57)、図5に示すナンバープレート情報に基づく制御を終了する。
図4中のステップS101の路面情報に基づく制御の具体例を、図6に示す。この制御では、処理部7は、まず、カメラ2の向きを基準として順光となり得る状態であるか逆光となり得る状態であるかを識別する(ステップS61)。この処理の具体例については、後述する。
順光となり得る状態の場合には、処理部7は、図3中のステップS29,S30によりそれぞれ現在得られているG分間の平均濃淡値aveの平均値及びG分間の分散値vvの平均値に基づいて、順光となり得る状態において車両1のナンバープレート1aのコントラストが高くなる順光用目標平均濃淡値をファジィ推論による演算によって求める(ステップS62)。その後、処理部7は、ステップS62により求められた順光用目標平均濃淡値とステップS29により得られた平均濃淡値aveの平均値との偏差を求め、当該平均濃淡値aveの平均値が当該目標平均濃淡値より低い場合には現在の制御出力値V0から前記偏差に応じた値だけ減少させた制御出力値V1を求め、当該平均濃淡値aveの平均値が当該目標平均濃淡値より高い場合には現在の制御出力値V0を前記偏差に応じた値だけ増加させた制御出力値V1を求める(ステップS63)。その後、処理部7は、現在の制御出力値V0をステップS63で求めた制御出力値V1に更新し(ステップS66)、図6に示す路面情報に基づく制御(すなわち、図4中のステップS101)を終了する。これにより、ステップS62により求められた順光用目標平均濃淡値とステップS29により得られた平均濃淡値aveの平均値との間の大小関係に応じてカメラ2の絞りが絞られ又は開かれ、当該平均濃淡値が当該目標平均濃淡値と一致するようにカメラ2の絞りが制御されることになる。
一方、逆光となり得る状態の場合には、処理部7は、図3中のステップS29,S30によりそれぞれ現在得られているG分間の平均濃淡値aveの平均値及びG分間の分散値vvの平均値に基づいて、逆光となり得る状態において車両1のナンバープレート1aのコントラストが高くなる逆光用目標平均濃淡値をファジィ推論による演算によって求める(ステップS64)。その後、処理部7は、ステップS64により求められた逆光用目標平均濃淡値とステップS29により得られた平均濃淡値aveの平均値との偏差を求め、当該平均濃淡値aveの平均値が当該目標平均濃淡値より低い場合には現在の制御出力値V0から前記偏差に応じた値だけ減少させた制御出力値V1を求め、当該平均濃淡値aveの平均値が当該目標平均濃淡値より高い場合には現在の制御出力値V0を前記偏差に応じた値だけ増加させた制御出力値V1を求める(ステップS65)。その後、処理部7は、現在の制御出力値V0をステップS65で求めた制御出力値V1に更新し(ステップS66)、図6に示す路面情報に基づく制御(すなわち、図4中のステップS101)を終了する。これにより、ステップS64により求められた逆光用目標平均濃淡値とステップS29により得られた平均濃淡値aveの平均値との間の大小関係に応じてカメラ2の絞りが絞られ又は開かれ、当該平均濃淡値が当該目標平均濃淡値と一致するようにカメラ2の絞りが制御されることになる。
本例では、ステップS62,64の処理は予め構築されたファジィ推論器(このファジィ推論器は、本例では、ソフトウエアにより構築されている。)を用いて行われる。このファジィ推論器は、市橋らによる「簡略ファジィ推論を用いたファジィモデルによる学習型制御」と題する論文(日本ファジィ学会誌、Vol.2, No.3, pp157-165(August 1990))に記載されているような、学習型簡略化ファジィ推論器として構築されている。学習型簡略化ファジィ推論器は、簡略型ファジィ推論器に最急降下法による学習機能を加えたものである。
簡略化ファジィ推論器は、後件部をファジィ集合や非線形関数としない実数値とした推論器である。簡略化ファジィ推論器では、その入力をxi(i=1,2,・・・,m)とすると、そのファジィ推論ルールは、次の数3のようになる。
ただし、jはルール番号、Aj1・・・Ajmはファジィ集合、wjは後件部実数値である。また、ファジィ集合のメンバーシップ関数は、メンバーシップ値が0.5のところで交わる三角形型が用いられている。前件部適合度μjは、Aji(xi)をメンバーシップ関数とすると、次の数4で示すようになる。
数4において、*は代数積を示す。そして、簡略型ファジィ推論器の出力yrは、次の数5で示すようになる。本例では、出力を順光用目標平均濃淡値及び逆光用目標平均濃淡値の2出力としている。
ここで、最急降下法による学習機能について説明する。最急降下式を次の数6に示す。
数6において、τは学習係数、tは時間、yr*は理想とする出力(本例では、順光となり得る状態又は逆光となり得る状態においてナンバープレート1aのコントラストが高くなる目標平均濃淡値)を、yrは現時点での出力である。最急降下法では、数6に示されているように、前件部適合度、理想とする出力及び現時点での出力を与えることでwi(t)の値がwi(t+1)の値に逐次更新されることになる。なお、学習の進む方向は、理想とする出力と現時点での出力との差(yr*−yr)が0となる方向である。学習型簡略化ファジィ推論器では、このようにしてファジィ推論ルールが生成される。なお、本例では、本装置の実際の設置時あるいは典型的な設置場所で事前に前述した最急降下法による学習機能を有効にしてファジィ推論ルールを生成した後に、当該学習機能を無効にして、生成されたファジィ推論ルールを保持することとしている。もっとも、自動学習機能を継続するように、ファジィ推論器を構築することもできる。
ところで、ステップS62,S64において用いるファジィ推論器としての学習型簡略化ファジィ推論器を入出力データに適したモデルとするに際しては、野村らによる「デルタルールによる学習型ファジィ推論」と題する論文(日本機会学会、No.910-70、FANシンポウジウム講演論文集、1991.10.25〜26、大阪市)に記載されているような、遺伝的アルゴリズムを用いることができる。遺伝的アルゴリズムは、組合せ最適化問題に適している生物進化をモデル化したものであり、(1)個体発生→(2)淘汰→(3)増殖→(4)交叉→(5)突然変異、の流れを一世代として数世代繰り返すものである。
以上のようにして、図10に示す分布に対して、遺伝的アルゴリズム及び学習機能を用いて簡略化ファジィ推論器として構築したファジィ推論器の一例を、図12に示す。
ところで、ステップS62,S63を全体として見れば、図3中のステップS29,S30によりそれぞれ現在得られているG分間の平均濃淡値aveの平均値及びG分間の分散値vvの平均値に対応して、順光となり得る状態において車両1のナンバープレート1aのコントラストが高くなる制御出力値V1が一意的に得られていることとなる。したがって、この対応関係を順光用テーブルとして予め作成して、処理部7の内蔵メモリに記憶させておき、ステップS62,S63に相当する処理として、この順光用テーブルを参照して制御出力値V1を求める処理を行ってもよい。
同様に、ステップS64,S65を全体として見れば、図3中のステップS29,S30によりそれぞれ現在得られているG分間の平均濃淡値aveの平均値及びG分間の分散値vvの平均値に対応して、逆光となり得る状態において車両1のナンバープレート1aのコントラストが高くなる制御出力値V1が一意的に得られていることとなる。したがって、この対応関係を逆光用テーブルとして予め作成して、処理部7の内蔵メモリに記憶させておき、ステップS64,S65に相当する処理として、この逆光用テーブルを参照して制御出力値V1を求める処理を行ってもよい。
本例では、前述したように、ステップS62で順光用目標値として順光用目標濃淡値を求めるとともにステップS64で逆光用目標値として逆光用目標濃淡値を求めていた。しかし、ステップS62で順光用目標値として順光用目標分散値を求めるとともにステップS64で逆光用目標値として逆光用目標分散値を求めてもよいし、ステップS62で順光用目標値として順光用目標濃淡値を求めるとともにステップS64で逆光用目標値として逆光用分散値を求めてもよいし、ステップS62で順光用目標値として順光用目標分散値を求めるとともにステップS64で逆光用目標値として逆光用目標濃淡値を求めてもよい。なお、これらの場合に用いるファジィ推論器も、前述と同様に、学習型簡略化ファジィ推論器として構築し、その構築に際しては遺伝的アルゴリズムを用いることができる。また、前述した各場合には、ステップS63,65において、対応する目標値とそれに応じた平均濃淡値aveの平均値又は分散値vvの平均値に基づいて制御出力値V1が算出されることは言うまでもない。また、これらの場合にそれぞれ対応した順光用テーブル及び逆光用テーブルを作成してもよいことは言うまでもない。
ここで、図6中のステップS61の順光・逆光の識別処理について説明する。
理科年表平成11年(平成10年11月30日発行、編纂者:国立天文台、発行所:丸善株式会社)(以下、「理科年表」という。)には、各地点の日出の時刻T1、日入の時刻T2及び南中の時刻T3が次の数7〜数9で与えられることが示されている(P.49)。
数7〜数9において、T01は旧東京天文台の日出の時刻(ここでは、単位を時間(hour)とする)、T02は旧東京天文台の日入の時刻(ここでは、単位を時間(hour)とする)、T03(T01とT02との間の中央の時刻)は旧東京天文台の南中の時刻(ここでは、単位を時間(hour)とする)を示している。そして、10日に1日の割合の各月日におけるT01,T02が、理科年表P.34に掲載されている。
数7〜数9中のM(ここでは、単位を時間(hour)とする)は、理科年表P.49第1表に120゜〜159゜まで1゜ずつの各地点の東経に対してそれぞれ掲載されている。この表から、本発明者は、数7〜数9中のMを求める近似式として、次の数10を得た。数10において、xは任意の地点の東経(deg)である。
数7,数8中のN(ここでは、単位を分(minute)とする)は、理科年表P.49第2表に20゜〜50゜まで1゜ずつの各地点の北緯に対してそれぞれ掲載されている。この表から、本発明者は、数7,数8中のNを求める近似式として、次の数11を得た。数11において、yは任意の地点の北緯(deg)である。
数7,数8中のnは、間理科年表P.50第3表に、4時間40分から7時間20分まで10分ずつのp(T01からT02までの時間の1/2)に対してそれぞれ掲載されている。この表から、本発明者は、数7,数8中のnを求める近似式として、次の数12を得た。
したがって、数7,数10〜数12から、任意の地点(x,y)における任意の日付の日出の時刻T1を算出することができる。また、数8,数10〜数12から、任意の地点(x,y)における任意の日付の日入の時刻T2を算出することができる。さらに、数9,数10から、任意の地点(x,y)における任意の日付の南中の時刻T3を算出することができる。
また、理科年表P.50には、20゜〜50゜まで5゜ずつの各地点の北緯における夏至、立夏(立秋)、春分(秋分)及び冬至の日出方位・日入方位が掲載されている。これから、本発明者は、日出方位(日入方位)f(t)を求める近似式として、次の数13を得た。
数13において、tは1月1日を1日目として当該月日が何日目かを示す日付であり、Tは閏年を考慮した周期であって365.25日、δは初期位相としての79(春分の日の日付に相当)であり、a0は次の数14で表され、a1は次の数15で表される。数14,数15において、yは任意の地点の北緯(deg)である。
したがって、数13〜数15から、任意の地点(x,y)における任意の日付の日出方位及び日入方位を算出することができる。
ところで、ある地点におけるある日付の日出時刻又は日入時刻又は南中時刻と日出方位又は日入り方位とがわかれば、太陽の方角は1時間当たりπ/12(単位はrad)だけ変化するものと近似できることから、当該地点における当該日付のカメラ2の向きYを基準として順光となり得る時間帯(以下、「順光時間帯」という。)及び逆光となり得る時間帯(以下、「逆光時間帯」)を算出することができる。
ここでは、カメラの向きYの方位をθとして、日出時刻T1及び日出方位f(t)から、順光時間帯及び逆光時間帯のいずれかを算出する例について説明する。なお、実際に太陽が出ているか否かにかかわらず、太陽の方位がカメラの向きYに対して±π/2(単位はrad)の角度範囲にあるとき(このときを「逆光モード」という。)が順光時間帯、それ以外の角度範囲にあるとき(このときを「順光モード」という。)が逆光時間帯であるものとする。
カメラの向きYの方位θと日出方位f(t)の差をΔθとすると、Δθは次の数16で表される。
Δθを次の(i)〜(iv)の4パターンに分類する。図13は、各パターン(i)〜(iv)におけるカメラ2の向きYと日出方位との関係を示す。
(i) Δθ>π/2 の場合
(ii) 0<Δθ≦π/2 の場合
(iii) −π/2<Δθ<0 の場合
(iv) Δθ≦−π/2 の場合
(ii) 0<Δθ≦π/2 の場合
(iii) −π/2<Δθ<0 の場合
(iv) Δθ≦−π/2 の場合
(i)の場合には、逆光モードが開始する時刻Tsは、次の数17で表され、この時刻Tsから12時間が逆光時間帯となる。
(ii)の場合には、逆光モードが開始する時刻Tsは、次の数18で表され、この時刻Tsから12時間が逆光時間帯となる。
(iii)の場合には、順光モードが開始する時刻Teは、次の数19で表され、この時刻Teから12時間が順光時間帯となる。
(iv)の場合には、順光モードが開始する時刻Teは、次の数20で表され、この時刻Teから12時間が順光時間帯となる。
以上の説明からわかるように、カメラ2の任意の設置地点(x,y)、現在の日付及びカメラ2の向きから順光時間帯又は逆光時間帯を演算により求めることができ、この順光時間帯又は逆光時間帯と現在の時刻(時分)から現在の時刻がいずれの時間帯に属するかを判別することによって、順光となり得る状態であるか逆光となり得る状態であるかを識別することができる。
したがって、図6中のステップS61の順光・逆光の識別は、具体的には、例えば、図7に示す処理によって行うことができる。すなわち、処理部7は、まず、タイマー9から現在の日付を読み込む(ステップS71)。次に、処理部7は、この読み込んだ現在の日付と、入力部8から予め入力されたカメラ2の設置地点を示す地点情報(例えば、北緯と東経)及びカメラ2の向きとから、順光時間帯又は逆光時間帯を算出する(ステップS72)。その後、処理部7は、タイマー9から現在の時刻を読込み(ステップS73)、ステップS72の算出結果に従ってこの現在の時刻がいずれの時間帯に属するかを判定する(ステップS74)。これによって、順光となり得る状態であるか逆光となり得る状態であるかを識別されることとなる。
入力部8,タイマー9及び処理部7の図6中のステップS61(すなわち、図7中の処理)が、カメラ2を基準として順光となり得る状態であるか逆光となり得る状態であるかを識別する順光・逆光識別装置(本発明の一実施の形態による順光・逆光識別装置)を構成している。本実施の形態では、カメラ2が設置された地点を示す地点情報をも考慮されているので、順光となり得る状態か逆光となり得る状態かを精度良く識別することができる。
以上説明した車両ナンバー読み取り装置によれば、被写体であるナンバープレート1aの光の状態に関するナンバープレート情報(いわば直接的な検出結果)に基づくステップS100によるカメラ2の絞りの制御と、路面の光の状態に関する路面情報(いわば間接的な検出結果)に基づくステップS101によるカメラ2の絞りの制御とが、ナンバープレート1aが認識された車両1aの所定単位時間当たりの台数に応じて、切り替えられる。したがって、車両1の通行がしばらく途切れてその間に天候が変化するなどした後に車両1の通過が開始したような場合であっても、その初めの数台の車両に関してもカメラ2の絞りを適切に制御することができるという利点を保持しつつ、カメラ2の絞りを適切に制御することができる率を向上させることができる。
[第2の例]
次に、第2の例による車両ナンバー読み取り装置について、図14を参照して説明する。
図14は、本例における図4中のステップS101の路面情報に基づく制御を示すフローチャートである。図14において、図16中のステップと同一又は対応するステップには同一符号を付し、その重複する説明は省略する。
本例は前述した第1の例を次のように変形したものである。すなわち、図3において、ステップS23の判定結果にかかわらずにステップS24以降の処理を行い、ステップS23のYESの判定結果を保持しておく。図14中のステップS81において、処理部7は、その判定結果が保持されているか否かによって、図3中のステップS29,S30で得られた平均値が車両1が路面領域内に存在した時のデータか否かを判定する。車両1が存在した時のデータでなければ、処理部7は、ステップS61以降の処理を行う。一方、車両1が存在した時のデータであれば、制御出力値V0をそのまま固定し(ステップS82)、図14に示す路面情報に基づく処理を終了する。
本例においても、車両1の存在の影響を取り除くことができる。
以上の点以外については、本例は前記第1の例と同じである。
[第3の例]
次に、本発明の第3の例による車両ナンバー読み取り装置について、図15を参照して説明する。
図15は、本例の処理部7の動作の要部を示すフローチャートである。図15において、図2中のステップと同一又は対応するステップには同一符号を付し、その重複する説明は省略する。
本例が前述した第1の例と異なる所は、処理部7が、図2中のステップS9,S10に代えて図15中のステップS91,S92の処理を行う点のみである。
本例では、図2中のステップS8の後に、処理部7は、高レベル平均濃淡値Whiteが許容最低濃淡値を定める所定値C6以下であるか否かを判定する(ステップS91)。なお、この所定値C6は、前述した図2中のステップS9で用いる所定値C2より小さい。所定値C6以下であれば(すなわち、ナンバープレート1aに相当する領域が黒く霞んでいるような状態に近ければ)、処理部7は、カウント値openを1だけカウントアップし(ステップS12)、図2中のステップS2へ戻る。
ステップS91で所定値C6以下でないと判定されると、処理部7は、コントラスト値Δlevelが許容最低コントラスト値である所定値C7以上であるか否かを判定する(ステップS92)。所定値C7以上でなければ(すなわち、コントラストが低ければ)、ナンバープレート1aに相当する領域が白く霞んでいるような状態に近いので、処理部7は、カウント値closeを1だけカウントアップし(ステップS11)、図2中のステップS2へ戻る。
ステップS92で所定値C7以上である(すなわち、所望のコントラストが得られている)と判定されると、処理部7は、カウント値fixを1だけカウントアップし(ステップS13)、図2中のステップS2へ戻る。
本例によっても、前記第1の例と同じ利点が得られる。
[第4の例]
次に、本発明の第4の例による車両ナンバー読み取り装置について、図16乃至図18を参照して説明する。
図16は、本例の処理部7の動作の要部を示すフローチャートであり、前述した図4に対応している。図16において、図4中のステップと同一又は対応するステップには同一符号を付し、その重複する説明は省略する。図17は、図16中のステップS102の具体例を示すフローチャートである。図17において、図6中のステップと同一又は対応するステップには同一符号を付し、その重複する説明は省略する。図18は本例における制御の切り替えの様子を示す図であり、図18(a)は1分間の認識車両台数Mと制御内容との関係を示す表、図18(b)は制御の状態遷移図である。
本例が前述した第1の例と異なる所は、処理部7が、1分(他の単位時間でもよい。)ごとに、図4に示す割り込み処理の代わりに図16に示す割り込み処理を行う点のみである。
図16に示す割り込み処理が図4に示す割り込み処理と異なる所は、以下の点のみである。ステップS42で認識車両台数Mが3台未満であると判定されると、処理部7は、認識車両台数Mが1台(例えば、2台でもよい。)以上であるか否かを判定する(ステップS111)。1台以上でなければ、処理部7は、ステップS101の路面情報に基づく制御(図4に示す処理)を行い、ステップS43を経て当該割り込み処理を終了する。一方、1台以上であれば、処理部7は、ステップS102の路面情報に基づく制御(変動幅の制限あり)(図17に示す処理)を行い、ステップS43を経て当該割り込み処理を終了する。
図17に示す処理が図6に示す処理と異なる所は、ステップS63,65で算出された制御出力値V1の現在の制御出力値V0に対する算出変動幅|V1−V0|が所定値C8で定まる許容変動幅を越える場合には、実際の変動幅を制限して制御出力値V0を更新する点のみである。
すなわち、図17に示す処理では、ステップS63,65の後に、処理部7は、算出変動幅|V1−V0|が所定値C8以上であるか否かを判定する(ステップS121)。所定値C8以上でなければ、処理部7は、現在の制御出力値V0をステップS63又はS65で求めた制御出力値V1に更新し(ステップS122)、図17に示す処理を終了する。一方、所定値C8以上であれば、処理部7は、算出された制御出力値V1が現在の制御出力値V0より大きいか否かを判定する(ステップS123)。算出された制御出力値V1の方が大きければ、処理部7は、現在の制御出力値V0をそれに所定値C8を加算した値に更新し(ステップS124)、図17に示す処理を終了する。一方、現在の制御出力値V0の方が大きければ、現在の制御出力値V0をそれから所定値C8を差し引いた値に更新し(ステップS125)、図17に示す処理を終了する。
本例によれば、制御の切り替え及びその遷移状態は図18に示すようになる。図18からわかるように、所定単位時間当たりの認識車両台数Mが3台以上である状態から次第に少なくなっていく場合に、ナンバープレート情報に基づく制御から路面情報に基づく制御に切り替わった当初において、ステップS100の制御からステップS102の制御に切り替わることとなり、路面情報に基づく制御においてカメラ2の絞りの変動幅が所定量以内に制限されることになる。このため、当該切り替わり時にカメラ2の絞りの変動幅が大きくなって絞りの制御が不安定になるようなおそれが少なくなる。
なお、本例によっても、前記第1の例と同様の利点が得られることは、言うまでもない。
[第5の例]
次に、本発明の第5の例による車両ナンバー読み取り装置について、図19及び図20を参照して説明する。
図19は、本例の処理部7の動作の要部を示すフローチャートであり、前述した図16に対応している。図19において、図16中のステップと同一又は対応するステップには同一符号を付し、その重複する説明は省略する。図20は本例における制御の切り替えの様子を示す図であり、図20(a)は当該1分間の認識車両台数M及びその前の1分間の認識車両台数M’と制御内容との関係を示す表、図20(b)は制御の状態遷移図である。
本例が前述した第4の例と異なる所は、処理部7が、1分(他の単位時間でもよい。)ごとに、図16に示す割り込み処理の代わりに図19に示す割り込み処理を行う点のみである。
図19に示す割り込み処理が図16に示す割り込み処理と異なる所は、以下の点のみである。ステップS111で認識車両台数Mが1台以上ではないと判定されると、処理部7は、その前の1分間の認識車両台数M’(すなわち、1分前に行われた図19の割り込み処理におけるステップS41で算出された認識車両台数)が3台以上であるか否かを判定する(ステップS131)。前の1分間の認識車両台数M’が3台以上でなければ、処理部7は、ステップS101の路面情報に基づく制御(図4に示す処理)を行い、ステップS43を経て当該割り込み処理を終了する。一方、3台以上であれば、制御出力値V0をそのまま固定し(ステップS103)、ステップS43を経て当該割り込み処理を終了する。
本例によれば、制御の切り替え及びその遷移状態は図20に示すようになる。図20からわかるように、前述した第4の例と同様の利点が得られるのみならず、M=0でM’≧3の場合にステップS103によって制御出力値V0がそのまま固定されるので、例えば、基本的に交通量が多いにもかかわらず、カメラ2の視野Fの手前の信号機が赤となったりカメラの視野Fの手前に駐車車両が存在するなどして、一時的に車両1の通行が途絶えた後に、当該信号機が青となるなどして再び車両1が頻繁に通過するような場合には、ステップS100のナンバープレート情報による制御の後に一時的にカメラ2の絞りが固定され、その後ステップS100のナンバープレート情報による制御が再開されるので、このような場合であっても、基本的にステップS100のナンバープレート情報による制御がスムーズに継続されることとなり、好ましい。
[第6の例]
次に、本発明の第6の例による車両ナンバー読み取り装置について、図21及び図22を参照して説明する。
図21及び図22は本例における処理部7の動作を示すフローチャートであり、図21は図2に対応し、図22は図4に対応している。図21において、図2中のステップと同一又は対応するステップには同一符号を付し、その重複する説明は省略する。また、図22において、図4中のステップと同一又は対応するステップには同一符号を付し、その重複する説明は省略する。
本例が前述した第1の例と異なる所は、処理部7の動作のみである。
本例では、処理部7は、動作を開始すると、1分間の認識車両台数を示すカウント値M及び制御状態を指令する制御フラグK(Kの値が「0」である場合には路面情報に基づく制御を行うべき状態であることを示し、Kの値が「1」である場合にはナンバープレート情報に基づく制御を行うべき状態であることを示す。)をゼロにセットし、また、制御出力値V0を初期値C1にセットする(ステップS1)。
次に、処理部7は、ステップS2〜S7の処理を行った後に、カウント値Mを1だけカウントアップする(ステップS142)。
その後、処理部7は、制御フラグKが1であるか否かを判定する(ステップS143)。制御フラグKが1でなければ(すなわち、0であれば)、ステップS2へ戻る。一方、制御フラグKが1であれば、処理部7は、ステップS8〜S10,S144〜S146の処理を行う。
ステップS9で高レベル平均値Whiteが所定値C2より大きいと判定されると(すなわち、ナンバープレート1aに相当する領域が白く霞んでいるような状態に近ければ)、処理部7は、制御出力値V0を所定値C5だけ大きくして(すなわち、カメラ2の絞りを所定量閉じて)(ステップS144)、ステップS2へ戻る。ステップS10でコントラスト値Δlevelが許容最低コントラスト値である所定値C3以上でないと判定されると(すなわち、コントラストが低ければ)、ナンバープレート1aに相当する領域が黒く霞んでいるような状態に近いので、処理部7は、制御出力値V0を所定値C5だけ小さくして(すなわち、カメラ2の絞りを所定量開いて)(ステップS145)、ステップS2へ戻る。ステップS10でコントラスト値Δlevelが所定値C3以上であると判定されると、処理部7は、制御出力値V0をそのまま固定して(ステップS146)、ステップS2へ戻る。
以上の説明からわかるように、本例では、ステップS9,S10,S144〜146が、ナンバープレート情報に基づく制御を行う制御手段に相当している。
処理部7は、ステップS141以外の図21中の各ステップの処理中に、1分(他の単位時間でもよい。)ごとに、図3に示す割り込み処理の他に図22に示す割り込み処理を行う。
図22に示す割り込み処理において、処理部7は、まず、認識車両台数Mが3台(他の任意の所定台数でもよい。)以上であるか否かを判定する(ステップS42)。3台以上であれば、処理部7は、制御フラグKを1にセットする(ステップS152)。これにより、図22に示す割り込み処理が終了して図21に示す処理の戻ったときに、ステップS143の後にステップS8以降の処理が行われることとなる。ステップS152の後に、処理部7は、認識車両台数Mをゼロにセットし(ステップS153)、図22に示す割り込み処理を終了する。ステップS42で3台未満であると判定されると、処理部7は、制御フラグKをゼロにセットした(ステップS151)後、ステップS101の路面情報に基づく絞り制御(図6に示す処理)を行い、その後、認識車両台数Mをゼロにセットし(ステップS153)、図22に示す割り込み処理を終了する。
本例によれば、ナンバープレートに基づく制御中においては、ステップS8により各車両についてナンバープレート情報が得られる度に絞り制御が行われるが、本例によっても、前述した第1の例と同様の利点が得られる。
なお、本例では、ステップS144,S145において所定量の絞り制御が行われているが、高レベル平均濃淡値Whiteの値に応じてステップS144において加算値を変えたり、コントラスト値Δlevelの値に応じてステップS145において減算値を変えたりしてもよい。
[第7の例]
次に、本発明の第7の例による車両ナンバー読み取り装置について、図23を参照して説明する。
図23は、本例の処理部7の動作の要部を示すフローチャートである。図23において、図21中のステップと同一又は対応するステップには同一符号を付し、その重複する説明は省略する。
本例が前述した第6の例と異なる所は、処理部7が、図21中のステップS9,S10に代えて図23中のステップS161,S162の処理を行う点のみである。
本例では、図21中のステップS8の後に、処理部7は、高レベル平均濃淡値Whiteが許容最低濃淡値を定める所定値C6以下であるか否かを判定する(ステップS161)。所定値C6以下であれば(すなわち、ナンバープレート1aに相当する領域が黒く霞んでいるような状態に近ければ)、処理部7は、制御出力値V0を所定値C5だけ小さくして(すなわち、カメラ2の絞りを所定量開いて)(ステップS145)、図21中のステップS2へ戻る。
ステップS161で所定値C6以下でないと判定されると、処理部7は、コントラスト値Δlevelが許容最低コントラスト値である所定値C7以上であるか否かを判定する(ステップS162)。所定値C7以上でなければ(すなわち、コントラストが低ければ)、ナンバープレート1aに相当する領域が白く霞んでいるような状態に近いので、処理部7は、制御出力値V0を所定値C5だけ大きくして(すなわち、カメラ2の絞りを所定量閉じて)(ステップS144)、図21中のステップS2へ戻る。
ステップS162で所定値C7以上である(すなわち、所望のコントラストが得られている)と判定されると、処理部7は、制御出力値V0をそのまま固定して(ステップS146)、図21中のステップS2へ戻る。
本例によっても、前記第6の例と同じ利点が得られる。
以上、本発明の実施の形態とその使用例について説明したが、本発明はこれらの実施の形態や使用例に限定されるものではない。
1 車両
1a ナンバープレート
2 カメラ
2a レンズ部
3 路面
5 A/D変換器
6 画像メモリ
7 処理部
8 入力部
9 タイマー
1a ナンバープレート
2 カメラ
2a レンズ部
3 路面
5 A/D変換器
6 画像メモリ
7 処理部
8 入力部
9 タイマー
Claims (1)
- 設置されたカメラの向きを基準として順光となり得る状態であるか逆光となり得る状態であるかを識別する順光・逆光識別装置において、
前記カメラが設置された地点を示す地点情報及び前記カメラの向きを入力する入力手段と、
現在の日付及び時刻を得るタイマー手段と、
前記タイマー手段からの日付、前記入力手段により入力された地点情報、及び、前記入力手段により入力された前記カメラの向きに基づいて、太陽の方位に関連する近似式に従って、順光となり得る時間帯及び逆光となり得る時間帯のうちの少なくとも一方を求める時間帯演算手段と、
前記時間帯演算手段の演算結果に基づいて、前記タイマー手段からの時刻が順光となり得る時間帯及び逆光となり得る時間帯のいずれに属するかを判定する判定手段とを備えたことを特徴とする順光・逆光識別装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005244911A JP2005354746A (ja) | 2005-08-25 | 2005-08-25 | 順光・逆光識別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005244911A JP2005354746A (ja) | 2005-08-25 | 2005-08-25 | 順光・逆光識別装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP23692899A Division JP3745171B2 (ja) | 1999-08-24 | 1999-08-24 | アイリス制御装置及びこれを用いた車両ナンバー読み取り装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005354746A true JP2005354746A (ja) | 2005-12-22 |
Family
ID=35588734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005244911A Pending JP2005354746A (ja) | 2005-08-25 | 2005-08-25 | 順光・逆光識別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005354746A (ja) |
-
2005
- 2005-08-25 JP JP2005244911A patent/JP2005354746A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111026127B (zh) | 基于部分可观测迁移强化学习的自动驾驶决策方法及系统 | |
CN111259827B (zh) | 一种面向城市河道监管的水面漂浮物自动检测方法及装置 | |
Foedisch et al. | Adaptive real-time road detection using neural networks | |
CN105354791A (zh) | 一种改进的自适应混合高斯前景检测方法 | |
CN111882055A (zh) | 一种基于CycleGAN与伪标签的目标检测自适应模型的构建方法 | |
CN111783551A (zh) | 基于贝叶斯卷积神经网络的对抗样本防御方法 | |
CN111882620A (zh) | 一种基于多尺度信息道路可行驶区域分割方法 | |
CN114120272A (zh) | 一种融合边缘检测的多监督智能车道线语义分割方法 | |
EP4257443A1 (en) | Method and system for automatic driving data collection and closed-loop management | |
CN112613225A (zh) | 一种基于神经网络元胞传输模型的交叉口交通状态预测方法 | |
CN117152513A (zh) | 一种面向夜间场景的车辆边界定位方法 | |
US20220164990A1 (en) | Image processing apparatus, image processing method, and nontransitory computer readable medium storing program | |
CN114004339A (zh) | 一种基于宽度学习的城市照明系统调节方法、装置和存储介质 | |
CN116861262B (zh) | 一种感知模型训练方法、装置及电子设备和存储介质 | |
JP3745171B2 (ja) | アイリス制御装置及びこれを用いた車両ナンバー読み取り装置 | |
Wang et al. | Vision‐Based Lane Departure Detection Using a Stacked Sparse Autoencoder | |
JP2005354746A (ja) | 順光・逆光識別装置 | |
CN116385293A (zh) | 基于卷积神经网络的雾天自适应目标检测方法 | |
Lin et al. | Image backlight compensation using neuro-fuzzy networks with immune particle swarm optimization | |
CN114897939A (zh) | 基于深度路径聚合网络的多目标跟踪方法及系统 | |
CN117911829B (zh) | 车辆导航的点云图像融合方法及系统 | |
CN114023074B (zh) | 基于多信号源的交通拥堵预测方法、设备及介质 | |
CN116778277B (zh) | 基于渐进式信息解耦的跨域模型训练方法 | |
JP4052299B2 (ja) | カメラ式車両感知器における露光制御方法及び装置 | |
KR102331807B1 (ko) | 차량의 주행을 위한 전자 장치 및 그의 동작 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080108 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080513 |