JP2007256280A - 物体認識システム及びそれを用いた物体の変位計測方法 - Google Patents

Abstract

【課題】煩雑な視準作業を行うことなく、個人的要因による誤差が介入しない物体認識システム及びそれを用いた物体の変位計測方法を提供すること。
【解決手段】物体認識システムは、計測対象事物の所定部位に設置される目標物１００;目標物１００と離隔された地点に設置され、目標物１００を昼間及び夜間にかかわらず持続的に撮影し、撮影されたアナログ映像をデジタルデータに変換して処理し、その結果データを遠隔地の外部機器へ転送するカメラ装置１２０、及びカメラ装置１２０と電気的に接続され、カメラ装置１２０を遠隔制御し、カメラ装置１２０から送信されたデータを分析プログラムによって分析及び処理し、処理結果をインターネットウェブサーバーに保存してシステム運用に活用できるようにするメインサーバーコンピューター１３０を備えている。
【選択図】図１

Description

本発明は、物体認識システム及びそれを用いた物体の変位計測方法に関し、特に赤外線を用いたCCD(charge-coupled device)カメラを用いて、昼間及び夜間にかかわらず、遠距離の事物を識別してその位置把握及び変位を精緻に計測することができる物体認識システム及びそれを用いた物体の変位計測方法に関する。

道路、橋梁、建築物、道路や鉄道が敷設された切土・盛土の斜面、又は鉄道が敷設された傾斜地、原子力発電所など、社会間接資本施設は、重要な施設であって、それらに対する安全性確保のための努力は、国民の生命と財産とを保護するという意味で重要である。

安全性確保のための努力の一環として、構造物の建設時及び一定期間が経過した後の構造物の安全性を確認するために、構造物に対して精密安全診断を実施しており、その結果に基づいて、構造物を補修及び補強することで安全性を確保している。

ところが、以上のような構造物の精密安全診断において、殆どの装備がセンサーを構造物内に設置し、センサーからの感知信号(震動周波数など)を受信して、構造物の変化を解析する方式が採用されているので、センサーの取付け位置によって構造物の変化の測定結果が影響を受ける可能性があるという問題がある。また実際に肉眼によって確認できないという問題もある。

最近では、デジタル映像装置と技術の発達のため、各種分野すなわち、人工衛星による映像情報の採取から映像監視分野に至るまでデジタル写真測量技術の活用が活発に行なわれている。特に変位解析の幾何学的3次元位置決定において、信頼性が高く、また使いやすく、相対的に値段の安いデジタルカメラを用いたデジタル写真測量技術が早くから普及している。すなわち、橋梁、土木、建築などの大型構造物の3次元形状を計測するため、トランシット(transit)や巻き尺、振り子などを用いた2次元的な測定装置が主に利用されている。これに対して、近年では、測量分野で発展してきた三角測量や、光波距離計を用いた距離測定、角度測定法による測量器を用いた3次元的な測定装置による計測も行われるようになった。

一例として、1台の計測器で、計測対象物(測定対象物体)上の任意の点に対する3次元座標を計測することができる3次元座標計測システムを用いて、あらかじめ任意の2点を計測し、3次元座標系を設定した後、各測定点に設置された反射ターゲット(ターゲット点を含む)を視準(collimation)して、水平角、鉛直角、距離測定の3要素を同時に計測し、座標変換の解析、演算を行って3次元座標を求めることが行われている。例えば、１００ｍ離れた距離で±１ｍｍ以下の高い精度が得られている。ここで、反射ターゲットは、ある程度の大きさを有する反射面を備えた部材である。また、ターゲット点は、その反射点上に設けられた、3次元座標計測用計測点である。また、反射ターゲットは、一定の厚さを有するので、計測対象物表面の厳密な3次元座標を得るため、計測値及び反射ターゲットの大きさや形状に基づいた所定の演算を行うことが必要な場合がある。

しかし、このような従来の計測システムでは、視準作業において、望遠鏡の焦点合わせや、反射ターゲットの中心(ターゲット点)と望遠鏡の十字線との中心合わせを肉眼によって行うので、作業が煩雑であり、視準作業に時間を要し、また計測者の個人的要因による誤差が介入しやすい。すなわち、人為的な作業を要することが、能率の低下、又は計測精密度の低下をもたらす要因となっている。

本発明は、以上のような事項を勘案して創出されたものであって、赤外線を用いたCCDカメラを用いて昼間及び夜間にかかわらず、遠距離の事物を識別して、その位置把握及び変位を精緻に計測することができる物体認識システム及びそれを用いた物体の変位計測方法を提供することにその目的がある。

本発明の他の目的は、インターネット通信網を通じて遠隔地での制御が可能な物体認識システム及びそれを用いた物体の変位計測方法を提供することにある。

上記の目的を達成するために、本発明に係る物体認識システムは、
計測対象である任意の事物の変位を計測するために、計測対象事物の所定部位に設置される目標物と、
前記目標物と一定距離離隔された地点に設置され、前記目標物を昼間及び夜間にかかわらず持続的に撮影し、該撮影されたアナログ信号映像をデジタルデータに変換して処理すると共に、処理された結果データを遠隔地の外部機器へ転送するカメラ装置と、
前記カメラ装置と電気的に接続され、前記カメラ装置を遠隔制御し、前記カメラ装置から送信されたデータをシステム設計者によってあらかじめ作成されて保存された分析プログラムによって分析及び処理すると共に、該処理結果をインターネットウェブサーバーに保存して使用者がシステム運用に活用できるようにするメインサーバーコンピューターと、を備えて構成されている点にその特徴がある。

また、上記の目的を達成するために、本発明に係る物体認識システムを用いた物体の変位計測方法は、
計測対象である任意の事物の変位を計測するために、計測対象事物の所定部位に設置される目標物と、前記目標物を昼間及び夜間にかかわらず持続的に撮影し、該撮影されたアナログ映像をデジタルデータに変換して処理すると共に、処理された結果データを遠隔地の外部機器へ転送するカメラ装置と、前記カメラ装置から転送されたデータをシステム設計者によって、あらかじめ作成されて保存された分析プログラムによって分析及び処理すると共に、該処理結果をインターネットウェブサーバーに保存して使用者がシステム運用に活用できるようにするメインサーバーコンピューターを備えて構成された物体認識システムを用いて物体の変位を計測するための方法であって、
a)前記カメラ装置によって撮影された前記目標物に対するデジタル映像データをメインサーバーコンピューターで遠隔受信する段階と、
b)記受信された前記映像データをグレーレベル(gray level)を用いて二値化する段階と、
c)二進化された前記映像データに対して形状処理のためのモルフォロジ(morphology)技法を適用して除去演算及び埋込演算を遂行する段階;
d)前記除去演算及び埋込演算によって、それぞれ得られた除去映像及び埋設映像に対して、所定のテンプレート(template)映像を用いて、前記除去映像及び埋込映像内部に在る類似する映像パターンをそれぞれ探探索する段階と、
e)探索された前記類似映像パターンに対して二値映像処理を用いてパターンの境界を追跡する段階と、
f)追跡された前記境界を基に、前記類似映像パターンに対する外郭線抽出及び中心点探索を遂行して、前記目標物の変位および大きさの変化を検出する段階 と、を含んで構成されている点にその特徴がある。

以上の説明のように、本発明に係る物体認識システム及びそれを用いた物体の変位計測方法は、赤外線を用いたCCDカメラを用いて昼間及び夜間にかかわらず、常に計測対象事物に設置されている遠距離の目標物(ターゲット)を撮影して、そのデータを基準値と比較/分析することによって、遠距離の事物を識別し、その位置を把握し、且つ変位を精緻に計測することができるという長所がある。また、インターネット通信網を通じて実時間データの送信及び遠隔地での制御が可能であって、本発明が現場の計測対象の自然物や各種の土木関連構造物に採用される場合、低廉な費用で、いずれの特定対象物をも持続的に管理/監督することができ、これによって施設物に対する安全性を更に高めることができる。

以下、添付した図面を参照しながら本発明の実施の形態を詳細に説明する。

図1は、本発明に係る物体認識システムの構成を概略的に示す図面である。

図1を参照すると、本発明に係る物体認識システムは、目標物110、カメラ装置120及びメインサーバーコンピューター130に大別して構成される。

目標物110は計測対象の任意の事物(例えば、切土・盛土の斜面や鉄道の傾斜地、ある特定の構造物など)の変位を計測するために、計測対象事物の所定部位に設置される。このような目標物110は、カメラによって撮影される主要ターゲット部分である円形のヘッド部と、そのヘッド部を支持及び固定する支持部で構成される。このような目標物110は、計測対象事物に通常複数設置される。

カメラ装置120は、目標物110と一定距離離隔された地点に設置され、目標物110を昼間及び夜間にかかわらず持続的に撮影し、その撮影された映像(アナログ信号)をデジタルデータに変換して処理すると共に、処理結果のデータを遠隔地の外部器機(メインサーバーコンピューター)へ送る。

このようなカメラ装置120は、図2に示されたように、目標物110を撮影し、撮影された映像(アナログ信号)をデジタルデータに変換して処理すると共に、処理結果のデータを遠隔地の外部機器へ転送するCCDカメラ本体121と、そのCCDカメラ本体121の両側にそれぞれ設置され、外部の照度変化による光センサー(赤外線光源122の後面部に設置される)の作動によって発光して赤外線を放出することによって、カメラ本体121による夜間撮影を可能にする赤外線光源122と、CCDカメラ本体121の下に設置されて、一定周期で上下左右に所定角度範囲内での回転運動をすることによって、CCDカメラ本体121による目標物110の小さな動きや震動、変化に対しても撮影可能にする遠隔制御通信用回転機(pan/tilt)123と、を備えて構成される。

ここで、CCDカメラ本体121には、一つのコントローラ(例えば、マイクロプロセッサー)が内蔵され、このコントローラによって撮像された映像(アナログ信号)をデジタルデータに変換して処理する。また、カメラ本体121に設置されているCCD素子には特定波長帯の光を認識するためのフィルターが内蔵され、これによって約850nmの赤外線光源を認識して夜間にも目標物を撮像して、その撮像された映像を判別できるようになる。また、CCDカメラ本体121にはズームレンズが使われ、このズームレンズ(zoom lens)は高画質ズームレンズ(最大60倍のズームレンズ)である。また、カメラ本体121には、望ましくはカメラ本体121を保護するためのハウジング124がカメラ本体121を囲むように設置される。また、ハウジング124の前面にはカメラ保護用透明ガラス窓が設置され、そのガラス窓の一側にはガラス窓を掃除するためのワイパー125が設置される。また、望ましくは、カメラ本体121の内部には夏期の高温環境で、カメラ本体内部の熱を外部へ強制に排出するための換気ファンと、冬期の零下の気温でもカメラの各機能が円滑に作動できるようにするためのヒーターが更に設置される。このような、換気ファン及びヒーターは、温度センサーの作動により、自動にオン/オフされるように構成される。このため、温度センサーもカメラ本体121の内部に設置される。

赤外線光源122の発光源には、赤外線LED(light-emitting diode)が使われることができる。このような赤外線光源122の前面には内部の発光源を保護するための投光ガラス板が設置される。また、両側の赤外線光源122の上面には、赤外線光源122を雪、雨、霰またはその他の落下物から保護するためのカバー126が各々更に設置される。

メインサーバーコンピューター130は、カメラ装置120と電気的に接続され、カメラ装置120を遠隔制御し、カメラ装置120から転送されたデータをシステム設計者によってあらかじめ作成されて保存された分析プログラムによって分析及び処理すると共に、その処理結果をインターネットウェブサーバーに保存して使用者がシステム運用に活用できるようにする。

次に、以上のような構成の本発明に係る物体認識システムを用いて物体の変位を計測する方法に関して説明する。

図3は、本発明に係る物体認識システムを用いた物体の変位計測方法を概略的に示すフローチャートである。

図3を参照すると、本発明に係る物体認識システムを用いた物体の変位計測方法によって、先ず、カメラ装置120によって撮影された目標物に対するデジタル映像データをメインサーバーコンピューター130で遠隔受信する(段階S310)。その後、その受信された映像データに対して、グレーレベル(gray level)を用いて二値化処理をする(段階S311)。ここで、この二値化処理に関して、更に詳しく説明する。

図4は、8×8サイズのサンプル映像に関するピクセル（画素）値を示す図であり、図5は、図4の明るさの頻度数の分布であるヒストグラム(histogram)を示す図である。

図4のサンプル映像のピクセルにおいて、64個のピクセルの内、明るさの値が60であるピクセルの個数は20個であり、明るさの値が120であるピクセルの個数は7個であることが分かる。このように明るさの値に対するピクセルの個数(頻度値)を示したものが図5のヒストグラムである。明るさ値は、0から255まで(0〜255までの全256段階の明るさの段階であって、これをgray-levelと称する)存在するので、図5での水平軸（横軸）は明るさの値を表す0〜255の値を表し、垂直軸（縦軸）はそれぞれの明るさの値のピクセルの頻度値を表す。映像を分析するためには多くの方法があるが、中でも一番簡単な方法が閾値を用いた二値化処理である。これは物体と背景を分離する、一定の濃度値以上のピクセルだけ抽出する、映像の全体的な情報を簡略化するなどの多くのイメージ処理の前処理として使われている。このような二値化は、ヒストグラムを用いて、ある閾値を決めて、ピクセルの明度値が閾値よりも小さければ、該当するピクセルの明度値を0(黒色)にし、閾値よりも大きければ、該当するピクセルの明度値を255(白)にする処理である。

図6は、一つの谷と二つの峰を形成して成る双峰線ヒストグラムを示す図である。

図6に示されたように、双峰線のような形状の映像は、明るい背景に暗い物体を含んでいると仮定すると、物体中の暗いピクセルは、ヒストグラムの左側のピークに該当するはずであり、右側のピークは背景の明るいピクセルによって作られているはずである。よって、二つのピークの中間の窪んで明度値の頻度が一番低い所を閾値に決めれば、映像で物体と背景を適当に分離することができることになる。

図7は、草地でテニスボールの大きさを認識するプログラムによる映像理化の例を示す図である。

図7に示したような、映像の二値化処理において、先決すべき課題は、映像内でテニスボールをその後の背景部分と分離することである。この際、映像を二値化する作業が必要になる。すなわち、元の入力映像は明るさの値が0〜255の間の値であるので、任意の定数基準値(閾値、threshold value)を一つ設定して、この値よりも明るさの値が小さいピクセルの明るさの値を0(zero)に変更し、大きいピクセルの明るさの値を255に変更する処理を行う。図7において、左側の写真は元の入力映像であり、右側の写真は二値化処理後の映像をそれぞれ表す。

一方、以上のような二値化処理が完了すると、その二値化された映像データに対して形態処理のためにモルフォロジ(morphology)技法を適用して除去演算及び埋込演算を遂行する(段階S312)。ここで、モルフォロジ技法に対して、より詳しく説明する。

モルフォロジ技法は、マスク基盤映像処理とは違って幾何学的形状でマスクを構成する。マスクの形態は四角形形状だけでなく、多様な二次元の幾何学的形状を有することができる。モルフォロジ技法は、あらかじめ幾何学的形状が分かっている対象物体の情報を反映して、映像内で所望する部分のみを抽出する方法である。このようなモルフォロジ技法では、マスク基盤映像処理でのマスクの役目を担うものとして、図8に示した、多様な形態の構造要素等(structuring elements)を使う。この際、重要なことは、構造要素の形状を、あらかじめ分かっている、ある幾何学的な形状に構成することができるということである。

図9a及び図9bは、指紋認識装置で使われる指紋映像の雑音除去と隆線(指紋模様を表す線)の向上のため、モルフォロジ技法を適用した例を示す図であって、図9aは元の指紋映像であり、図9bはモルフォロジ技法適用後の指紋映像である。

以上のようなモルフォロジ技法を構成する一番基本的な演算には浸蝕(erosion)演算(収縮演算とも呼ばれる)と、膨脹(dilation)演算があり、これら2つの基本演算を複合的に使った除去(opening)演算及び埋込(closing)演算がある。以下、この4つの演算に対して説明する。

浸蝕演算は、物体に対して背景を拡張させて物体の大きさを収縮させる処理である。浸蝕演算は、主に物体と背景の間のスパーク雑音除去のように、映像全体に対して非常に小さい物体を除去するか、映像全体において背景拡張によって物体を収縮させる用途に使用される。このような浸蝕演算の場合、元イメージAと構造要素Bとで具現され、構造要素のデザインによって多様な用途のフィルターの役目をすることができる。実際のプログラムとして具現するには、構造要素Bをイメージ上でスキャンしながら、構造要素B上で1である領域が全部A領域内に含まれている場合、その地点のピクセルの値を1に設定し、そうではない場合には、0(zero)に設定すれば良い。

図10は、浸蝕マスクの例を示す画像であって、このマスクは演算の際、白い物体の周りから１ピクセルを無くす効果を有する。このマスクの演算方法は次の通りである。

3×3マスクが映像の上を通り過ぎる時、元映像の3×3ピクセルずつ計算がなされるが、元映像の3×3のピクセル値と3×3マスクのピクセル値が正確に一致しなければ、結果映像が更に割り当てられるとき、明度値は0(検定)が設定されて物体の収縮が起きる。同様にマスクの元映像の3×3ブロック内のピクセルを比べた結果、正確に一致する場合には255(白色)が割り当てられる。

図11は、簡単な映像について浸蝕演算の特徴を示すものであって、(A)は元映像を、(B)は浸蝕演算後の結果映像をそれぞれ示す。このような浸蝕演算の特徴は、背景である暗い部分が強調される点である。

膨脹演算は、構造要素B上で1である領域が一つでもA領域上に存在すると、その地点のピクセルの値を1に設定し、そうでない場合にはピクセルの値を0に設定する。このような、基本的な演算を使って、筆記体の文字認識などにおける文字の細線化処理や、映像の分離、マシン・ビジョンなどにおける前処理(ノイズ除去、特徴抽出)などに有用に用いられている。膨脹演算は、物体の最外角ピクセルを拡張させる役目をする。したがって、物体の大きさは拡張され、背景は収縮される。膨脹演算は、物体中のホールのような空いた空間を埋め込んだり、お互いに短い距離で分離された領域を連結させたりすることができる。

図12は、膨脹マスクの一例を示す図であり、このマスクは白い物体の周りに１ピクセルを加えることができ、3×3マスクと同一の領域を有する領域に対しては値を変えず、相互に1個以上違うピクセルが存在する場合、マスクの中のピクセルに白に該当する値を割り当てる。膨脹演算続けて行なうと、白に該当する値を有する物体の拡張によって背景領域が消える。

図13は、簡単な映像について、膨脹演算の特徴を示す図であり、四角形の物体の白いピクセルが拡張されて物体中の黒色の背景が収縮されることが分かる。(A)は元映像を、(B)は膨脹演算後の映像をそれぞれ表す。

除去演算では、前述したように、浸蝕演算を遂行した後、更に膨脹演算を遂行する。すなわち、浸蝕演算の効果を有しつつ、膨脹演算によって元映像の大きさを維持する。これは、元の映像を浸蝕演算によって映像の最外郭を１ピクセルだけ無くし、更に膨脹演算によって最外郭を１ピクセルだけ拡張させる方法である。浸蝕演算では、元映像の大きさを失う短所を有しているが、除去演算は浸蝕演算で微細な雑音を除去し、更に膨脹演算を遂行することによって、元映像の大きさを維持することができる。

図14は、除去演算の過程を示す図であり、前述したように、元映像に対して先ず浸蝕演算を遂行して浸蝕映像を得て、その浸蝕映像に対して、更に膨脹演算を遂行して最終的に除去映像を得る。

埋込演算は、上記の除去演算とは反対に、先ず膨脹演算を遂行した後、更に浸蝕演算を遂行する。すなわち、膨脹演算の効果を有しつつ、浸蝕演算によって元映像の大きさを維持する。このような、埋込演算では拡張が先に起きるので、小さなホールは埋め込まれて、収縮作用の際に、元映像の大きさに復元される。

図15は、埋込演算の過程を示す図であり、前述したように、元映像に対して、先ず膨脹演算を遂行して膨脹映像を得て、その膨脹映像に対して、更に浸蝕演算を遂行して最終的に埋込映像を得る。

以上のようなモルフォロジ技法を適用した除去及び埋込演算の遂行が完了すると、上記した除去演算及び埋込演算によってそれぞれ得られた除去映像及び埋込映像に対して、あらかじめ与えられたテンプレート(template)映像(一種のモデル映像)を用いて除去映像及び埋込映像の内部に在る類似の映像パターンをそれぞれ探索する(段階S313)。ここで、このようなテンプレート整合に対して、より説明を追加する。

室内での映像処理の場合、最も理想的な環境を作って、鮮明な入力映像を得ることができるが、屋外ではそう容易ではない。特に時間の経過による太陽の高度の変化による全体的な背景の明るさが変わる状況では、パターン認識による物体の認識率は落ちる。比較する基準テンプレート映像に比べて、全体的に明暗が変わるので、明るさの差の値のみを基準値として利用するパターンの比較方法は適用し難い。映像の明るさの値が映像のすべての領域で全体的に増加されたと仮定して、入力映像において、比較する映像領域の明るさの平均値を求めて、その平均値を引いた映像を作る。この映像を比べるための映像として使う。この時、同様に、テンプレート映像に関しても明るさの平均値を計算して、明るさの平均値をテンプレート構成画素から引いた正規化された明るさ映像を作ることが可能である。このようにして、テンプレートと、比較する検査映像の比較領域とを明るさに関して、正規化させて比べると、全体的な照明の明るさが高くなっても、低くなってもパターンの比較が可能である。このような方法を濃淡正規化整合法(normalized gray-level correlation : NGC)という。図16は、入力映像に対するテンプレート映像を示図であって、(A)は入力映像の一部分を示す図であり、(B)は入力映像に対応するテンプレート映像を示す図である。

以上のようなテンプレート整合による、類似の映像パターンを探し出す作業が完了すると、その探し出した類似映像パターンに対して二値映像処理を用いてパターン境界を追跡する(段階S314)。ここで、パターンの境界追跡とは、二値化された映像またはラベリングされた映像において、一定の明るさの値を有する領域の境界を追跡して、境界ピクセルの順序化された情報を得る処理である。図17は、簡単な映像に対して境界を追跡した一例を示す図であって、先ず入力映像を二値化し、二値化された映像に対して明るさ値255を有する領域に対して境界を追跡する。境界を追跡すると、1ピクセルの厚さを有するピクセルの順序化された連続チェーン情報を得ることが可能になる。これに関して段階的に、より詳細に説明する。

第1段階 : 映像の左側の一番上にあるピクセルから順にスキャンして、値が255であるピクセル値が見つかると境界追跡を開始する。

第2段階 : x、y座標(1，3)で、255であるピクセルに初めて出会う。図17の(a)で中心点を(1，3)の点(図17の(b)でXと点線の矩形で表示)にして、この点の周りを回りながら値が255であるピクセルを探す。初めは、(1，3)を中心にした時、4番の位置で探索を始める。図18は、中心点の周りのピクセルの順番を示す図である。図17及び18を参照すると、中心点(1，3)の周りで4番目の位置は点(0，3)であり、ピクセル値が0（図17では空白）であるので、次の5番目、6番目と順に回りながら値が255であるピクセルを探す。(1，4)にある6番目の位置で255であるピクセルに出会うので、この点を一番目の境界位置とする。図17の(b)では、この点を0として表示した。

第3段階 : 中心位置は前の第2段階で表示した境界位置に移動されるので、(1，4)の位置が中心点になる。第2段階で関心点を中心とする6番目の位置で境界を発見したので、次の探索開始点を更に決定する。(1，4)では、3番目から境界を回り始める。(2，5)の7番目の位置で255を発見するので、この点を二番目の境界点として"1"で表示する。

第4段階 : また、中心点を(2，5)に移動し、その点を中心点にした時、4番目から探索を始める。(3，6)の位置にある7番目の位置で、255であるピクセルを発見する。このピクセルを三番目の境界点として"2"で表示する。このような方法で、境界に沿って表示して行った後、一回り回って、最初の開始点(X表示点)に到逹すると、境界追跡が完了する。

このようにして、パターンの境界追跡まで完了すると、その追跡された境界に基づいて、類似映像パターンに対する外郭線抽出及び中心点探索を遂行して、目標物の変位や大きさの変化を検出する(段階S315)。すなわち、上のような境界追跡を通じて一つのパターンに対する外郭線(輪郭線)を認識することができ、このように認識した座標点に基づいて、図19に示したような方法で、各輪郭線の中間点を求め、それらの求められた中間点の座標の平均を求めることによって、円の中心線を求めることができる。すなわち図19で、左側に円の外郭を認識した時、この点(黒い点)をaとし、同じく円の右側の外郭の点を認識した時、この点(黒い点)をbとして、左側と右側のそれぞれの複数の外郭点を求めた後、これらの対応する二つの点を用いて、二つの座標の中心点(白い点)を求める。このようにして求められた複数の白い点の座標の平均を求めて、円の中心線を求めることができる。そして、こうして求められた二つの中心線が交わる点によって中心点を求めることができ、それによって目標物の直径をも求めることができる。そして、最終的にそれを基に目標物の変位や大きさの変化を検出することができる。そのような目標物の変位や大きさの変化の検出は、結局その目標物が設置されている事物、例えば切土・盛土斜面や傾斜地、あるいは特定構造物の挙動を意味し、したがって使用者あるいはシステム運用者はそういう検出結果に対応して適切な対策を講ずることで、山崩れや構造物の崩壊などの事態を前もって防止することができる。また、事故の発生が不可避な場合でも事故の発生による被害を最小化させることができる。

本発明に係る物体認識システムの構成を概略的に示す図である。 本発明に係る物体認識システムにおけるカメラ装置の構成を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法を概略的に示すフローチャートである。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるサンプル映像に対するピクセル値を示す図である。 図4に対する明るさ頻度数の分布であるヒストグラム(histogram)を示す図である。 一つの谷と二つの峰を有する双峰線のヒストグラムを示す図面。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用される映像二値化の例を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法で使う多様な形態の構造要素を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法と関連して指紋映像を向上させるモルフォロジ技法の例を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法と関連して指紋映像を向上させるモルフォロジ技法の例を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法における浸蝕演算の際に使われる浸蝕マスクを示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法における元映像と浸蝕演算後の映像を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法における膨脹演算の際に使われる膨脹マスクを示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法における元映像と膨脹演算後の映像を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法における除去演算過程を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法に採用されるモルフォロジ技法における埋込演算過程を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法において、テンプレート整合過程における入力映像に対するテンプレート映像を示す図である。 本発明に係る物体認識システムを用いた物体の変位計測方法において、簡単な映像に対して境界を追跡した例を示す図である。 図17での境界追跡と関連する関心ピクセルの周りのピクセル番号を示す図面である。 本発明に係わる物体認識システムを用いた物体の変位計測方法において、外郭線抽出に続く中心点の探索過程を示す図である。

符号の説明

110 目標物
120 カメラ装置
121 CCDカメラ本体
122 赤外線光源
123 遠隔制御通信用回転機
124 ハウジング
125 ワイパー
126 カバー
130 メインサーバーコンピューター

Claims (6)

1. 計測対象である任意の事物の変位を計測するために、計測対象事物の所定部位に設置される目標物；
   前記目標物と一定距離離隔された地点に設置され、前記目標物を昼間及び夜間にかかわらず持続的に撮影し、該撮影されたアナログ映像をデジタルデータに変換して処理すると共に、処理された結果データを遠隔地の外部機器へ転送するカメラ装置；及び
   前記カメラ装置と電気的に接続され、前記カメラ装置を遠隔制御し、前記カメラ装置から転送されたデータをシステム設計者によってあらかじめ作成されて保存された分析プログラムによって分析及び処理すると共に、該処理結果をインターネットウェブサーバーに保存して使用者がシステム運用に活用できるようにするメインサーバーコンピューター、を備えて構成されていることを特徴とする物体認識システム。
2. 前記カメラ装置が、
   前記目標物を撮影し、撮影されたアナログ映像をデジタルデータに変換して処理すると共に、処理された結果データを遠隔地の外部機器へ転送するCCDカメラ本体と、
   前記CCDカメラ本体の両側にそれぞれ設置され、外部の照度変化による光センサーの作動によって発光して赤外線を放出することによって前記カメラ本体による夜間撮影を可能にする赤外線光源と、
   前記CCDカメラ本体の下部に設置され、一定周期で上下左右に所定角度範囲内での回転運動をし、前記CCDカメラ本体によって前記目標物の小さな動、震動、および変化の撮影を可能にする遠隔制御通信用回転機とを備えて構成されていることを特徴とする請求項１記載の物体認識システム。
3. 前記CCDカメラ本体に設置されているCCD素子には、特定波長帯の光を認識するためのフィルターが内蔵されていることを特徴とする請求項２記載の物体認識システム。
4. 前記カメラ本体の内部には、夏期の高温環境で前記カメラ本体の内部の熱を外部へ強制に排出させるための換気ファンと、冬期の零下の気温でもカメラの各機能が円滑に作動できるようにするためのヒーターが更に設置されていることを特徴とする請求項２記載の物体認識システム。
5. 計測対象である任意の事物の変位を計測するために、計測対象事物の所定部位に設置される目標物；前記目標物を昼間及び夜間にかかわらず持続的に撮影して、該撮影されたアナログ映像をデジタルデータに変換して処理すると共に、処理された結果データを遠隔地の外部機器へ転送するカメラ装置；及び前記カメラ装置から転送されたデータをシステム設計者によってあらかじめ作成されて保存された分析プログラムによって分析及び処理すると共に、該処理結果をインターネットウェブサーバーに保存して使用者がシステム運用に活用できるようにするメインサーバーコンピューターを備えて構成されている物体認識システムを用いて物体の変位を計測する方法であって、
   a)前記カメラ装置によって撮影された前記目標物のデジタル映像データを、前記メインサーバーコンピューターで遠隔受信する段階；
   b)受信された前記映像データを、グレーレベル(gray level)を用いて二値化する段階；
   c)二値化された前記映像データに対して形状処理のためのモルフォロジ(morphology)技法を適用して除去演算及び埋込演算を遂行する段階；
   d)前記除去演算及び埋込演算によって、それぞれ得られた除去映像及び埋込映像に対して、所定のテンプレート(template)映像を用いて、前記除去映像及び埋込映像内部に在る類似する映像パターンをそれぞれ探索する段階；
   e)探索された前記類似映像パターンに対して二値映像処理を用いてパターン境界を追跡する段階；及び
   f)追跡された前記境界に基づいて、前記類似映像パターンに対する外郭線抽出及び中心点探索を遂行して、前記目標物の変位および大きさの変化を検出する段階を含んで構成されていることを特徴とする物体認識システムを用いた物体の変位計測方法。
6. 前記段階b)でのグレーレベルを用いた二値化が、ヒストグラムを用いて、閾値を決定し、ピクセルの明度値が前記閾値よりも小さければ、該ピクセルの明度値を、黒色を表す0に設定し、ピクセルの明度値が前記閾値よりも大きければ、該ピクセルの明度値を、白色を表す255に設定することを特徴とする請求項５記載の物体認識システムを用いた物体の変位計測方法。