JP2013122739A - 解析装置、解析プログラムおよび解析方法 - Google Patents

Abstract

【課題】白線が部分的に消えたり、欠落した横断歩道を検出できる解析装置、解析プログラムおよび解析方法を提供する。
【解決手段】外部Ｉ／Ｆ２０は、解析対象の画像を取得する。算出部３２は、画像に対して適用位置を変えつつ横断歩道の白線の劣化に応じた判定条件を定めた判定パターンを適用した際の合致割合を算出する。検出部３４は、算出部３２により算出された合致割合に基づき、横断歩道を検出する。
【選択図】図１

Description

本発明は、解析装置、解析プログラムおよび解析方法に関する。

安全指導などを目的として、自動車などの車両に搭載されたドライブレコーダによる撮影画像を用いて周辺状況の解析が行われている。この解析では、車両や自転車、歩行者などの複数の移動体の動線が交差する交差点が重要なポイントであり、撮影画像から交差点に関するシーンを抽出したいという要望がある。

撮影画像から交差点に関するシーンを抽出する技術として、例えば、特徴的で規定された形状及び色パターンをもつ横断歩道を検知する技術が提案されている。

特開２０１０−１４６４７０号公報

米山昇吾ら、"構造情報を用いた白線・横断歩道検出に関する検討"、情報科学技術フォーラム一般講演論文集３（３）、２００４、Ｐ１９３−１９４ 北脇卓ら、"画像による横断歩道の検知"、電子情報通信学会技術研究報告.ＰＲＭＵ２００２ １６９−１８８ パターン認識・メディア理解、２００３年１月１６日、Ｐ３１−３６ 野田雅文ら、"車両の姿勢・速度情報を利用した車載カメラ画像からの路面標示認識"、画像の認識・理解シンポジウム（ＭＩＲＵ２００９）、２００９年７月、Ｐ６１４−６２１

しかし、従来技術は、撮影画像から横断歩道の白線のエッジの検出を行うため、横断歩道の白線が明瞭であること、および白線の規則性が整っていることを前提としている。このため、従来技術では、横断歩道が劣化等によって白線が部分的に消えたり、欠落した場合、横断歩道を検出できない場合があるという問題があった。

開示の技術は、白線が部分的に消えたり、欠落した横断歩道を検出できる解析装置、解析プログラムおよび解析方法を提供することを目的とする。

本願の開示する解析装置は、一つの態様において、取得部と、算出部と、検出部とを有する。取得部は、解析対象の画像を取得する。算出部は、前記取得部により取得された画像に対して適用位置を変えつつ横断歩道の白線の劣化に応じた判定条件を定めた判定パターンを適用した際の合致割合を算出する。検出部は、前記算出部により算出された合致割合に基づき、横断歩道を検出する。

本願の開示する解析装置の一つの態様によれば、白線が部分的に消えたり、欠落した横断歩道を検出できる。

図１は、解析装置の構成の一例を示す図である。 図２Ａは、車載カメラにより撮影された画像の一例を示す図である。 図２Ｂは、図２Ａの画像を変換した俯瞰画像の一例を示す図である。 図３Ａは、２０ドットの幅の白線の縮小化を模式的に示した図である。 図３Ｂは、１８ドットの幅の白線の縮小化を模式的に示した図である。 図４は、俯瞰画像を縮小した結果の一例を示す図である。 図５Ａは、劣化の少ない横断歩道の一例を示す図である。 図５Ｂは、白線が部分的に消えた横断歩道の一例を示す図である。 図５Ｃは、白線が部分的な消失および一部の白線が欠落した横断歩道の一例を示す図である。 図６Ａは、劣化していない理想的な横断歩道の状態および判定パターンの一例を示す図である。 図６Ｂは、白線が部分的に消えた横断歩道の状態および判定パターンの一例を示す図である。 図６Ｃは、一部の白線が欠落した横断歩道の状態および判定パターンの一例を示す図である。 図７は、縮小画像に対する判定パターンの適用配置の変え方の一例を示す図である。 図８Ａは、縮小画像に対する判定パターンの適用配置が重ならないように、判定パターンを複数並べて配置したパターンの一例を示す図である。 図８Ｂは、縮小画像に対する判定パターンの適用配置が重ならないように、判定パターンを複数並べて配置したパターンの一例を示す図である。 図８Ｃは、縮小画像に対する判定パターンの適用配置が重ならないように、判定パターンを複数並べて配置したパターンの一例を示す図である。 図８Ｄは、縮小画像に対する判定パターンの適用配置が重ならないように、判定パターンを複数並べて配置したパターンの一例を示す図である。 図９Ａは、判定パターンを縮小画像に適用して判定パターンの判定条件に合致するか否かを判定した結果の一例を示す図である。 図９Ｂは、判定パターンを縮小画像に適用して判定パターンの判定条件に合致するか否かを判定した結果の一例を示す図である。 図９Ｃは、判定パターンを縮小画像に適用して判定パターンの判定条件に合致するか否かを判定した結果の一例を示す図である。 図１０は、判定パターンを縮小画像に適用して判定パターンの判定条件に合致するか否かを判定した結果の他の一例を示す図である。 図１１は、判定パターンの適用位置に対応させた指標の記憶を説明するための図である。 図１２は、波及率の一例を示す図である。 図１３は、波及処理による指標値の変化の一例を示す図である。 図１４は、総合的な歩道指標の算出の手法を説明するための図である。 図１５は、横ライン毎の指標の合算値の算出の手法を説明するための図である。 図１６は、最終的な存在可能性指標の算出の手法を説明するための図である。 図１７は、算出処理の手順を示すフローチャートである。 図１８は、検出処理の手順を示すフローチャートである。 図１９は、マスク画像による論理演算の一例を説明する図である。 図２０は、マスク画像による論理演算の他の一例を説明する図である。 図２１は、マスク画像による論理演算の他の一例を説明する図である。 図２２は、マスク画像による論理演算の他の一例を説明する図である。 図２３は、解析装置の構成の一例を示す図である。 図２４は、車載カメラと被写体との距離の推定を説明するための図である。 図２５は、交差点シーンを特定する流れの一例の模式的に示した図である。 図２６は、解析プログラムを実行するコンピュータを示す図である。

以下に、本発明にかかる解析装置、解析プログラムおよび解析方法の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。そして、各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

実施例１に係る解析装置について説明する。図１は、解析装置の構成の一例を示す図である。解析装置１０は、車両に搭載されたドライブレコーダによる撮影画像を解析する装置であり、例えば、コンピュータなどである。本実施例では、外部装置１１からドライブレコーダにより連続的に撮影された画像の映像データを取得し、映像データの各画像フレームに対して、横断歩道らしい画像特徴がないか解析する場合を例にして説明する。外部装置１１は、ドライブレコーダであってもよい。また、外部装置１１は、ドライブレコーダから映像データを取り出して記憶したコンピュータやハードディスク、光ディスクなどの記憶装置であってもよい。

解析装置１０は、外部Ｉ／Ｆ２０と、記憶部２１と、制御部２２と、出力部２３と、を有する。

外部Ｉ／Ｆ２０は、外部と各種の情報を入出力するインタフェースである。外部Ｉ／Ｆ２０は、例えば、ネットワークなどのデータ伝送路を介して外部装置１１と通信により各種の情報を入出力するインタフェースであってもよい。また、外部Ｉ／Ｆ２０は、例えば、フラッシュメモリなどの記憶媒体との間で情報を入出力するインタフェースであってもよい。外部Ｉ／Ｆ２０は、外部装置１１と通信を行うことにより、あるいは、記憶媒体を介して外部装置１１から各種情報を取得する。例えば、外部Ｉ／Ｆ２０は、外部装置１１から映像データを取得する。

記憶部２１は、各種情報を記憶する。例えば、記憶部２１は、映像データ２１ａと、判定パターン情報２１ｂとを記憶する。映像データ２１ａは、外部Ｉ／Ｆ２０により外部装置１１から取得された映像データである。映像データ２１ａには、ドライブレコーダにより連続的に撮影された画像が含まれる。判定パターン情報２１ｂは、映像データ２１ａに含まれる各画像から横断歩道の検出に用いる各種の判定パターンを示す情報である。判定パターンの詳細については後述する。記憶部２１のデバイスの一例としては、フラッシュメモリやＮＶＳＲＡＭ(Non Volatile Static Random Access Memory)などのデータを書き換え可能な半導体メモリや、ハードディスク、光ディスクなどの記憶装置が挙げられる。

制御部２２は、例えば、内部メモリ等を有するＣＰＵなどの電子回路であり、変換部３０と、縮小部３１と、算出部３２と、特定部３３と、検出部３４と、推定部３５とを有する。

変換部３０は、映像データ２１ａに含まれる各画像に対して各種の変換を行う処理部である。変換部３０は、歪み補正部３０ａと、投影変換部３０ｂとを有する。

ここで、ドライブレコーダは、広い範囲の画像を撮影するため、一般的に画角の広い広角レンズを装着したカメラが用いられる。この広角レンズを装着したカメラにより撮影された画像は、広角レンズの特性を起因して画像の周辺領域で歪が大きくなる。

歪み補正部３０ａは、広角レンズのレンズ特性を起因とする画像の歪みを補正する画像処理を行う。例えば、歪み補正部３０ａは、広角レンズのレンズ特性に応じたパラメータを用いて歪を補正する画像処理を行う。このパラメータは、広角レンズのレンズ特性に応じて予め定められていてもよい。また、パラメータは、決まった大きさの市松模様の平面など所定のチェッカーボードを撮影し、撮影された画像のチェッカーボードの模様が正しく並行かつ等幅になるように算出により定められていてもよい。

投影変換部３０ｂは、歪み補正部３０ａにより補正された画像を上空から見下ろした俯瞰画像に変換する。例えば、投影変換部３０ｂは、画像から画像を撮影した車載カメラの姿勢を示す姿勢パラメータを求める。そして、投影変換部３０ｂは、姿勢パラメータを用いてアフィン変換などの各種画像処理を行って歪み補正部３０ａにより補正された画像を俯瞰画像に変換する。姿勢パラメータは、例えば、車両から離れた位置に指標となるテストパターンを設け、これをドライブレコーダの車載カメラにて撮像し、投影変換部３０ｂが撮影された画像のテストパターンの撮像状態から姿勢パラメータを算出してもよい。また、姿勢パラメータは、例えば、複数車線ある場合の走行ラインや路側帯との境界線など、地面等の基準面に描かれる平行線、当該平行線から求まる無限遠に基づいて求めてもよい。基準面に描かれる平行線は、俯瞰画像においても平行に表現される。そこで、投影変換部３０ｂは、例えば、撮影された画像において基準面に描かれる平行線が俯瞰画像においても平行になる姿勢パラメータを算出してもよい。また、車載カメラの搭載状態から姿勢パラメータが定まる場合、記憶部２１に車載カメラの搭載状態に応じた姿勢パラメータを予め記憶させてもよい。

変換部３０は、歪み補正部３０ａにより、映像データ２１ａに含まれる画像の歪みを補正し、投影変換部３０ｂにより、歪みを補正した画像を俯瞰画像に変換する。なお、変換部３０は、画像の歪が小さい場合、歪み補正部３０ａの処理を省略してもよい。例えば、ドライブレコーダが画角の小さいカメラを用いている場合、撮影画像の歪みが小さいため、変換部３０は、歪み補正部３０ａの処理を省略してもよい。

図２Ａは、車載カメラにより撮影された画像の一例を示す図である。図２Ａの例は、複数車線の道路を走行中の車両内部から車両の進行方向を向けて撮影された画像が示されている。図２Ｂは、図２Ａの画像を変換した俯瞰画像の一例を示す図である。図２Ｂの例では、図２Ａの画像の車線の走行ラインが平行線とされ、図２Ａの画像が上空から見下ろした俯瞰画像に変換されている。

図１に戻り、縮小部３１は、画像の縮小を行う。例えば、縮小部３１は、変換部３０により変換された俯瞰画像を所定のサイズの画像に縮小する。縮小部３１による画像の縮小率は、例えば、俯瞰画像に映る横断歩道の縞である白線の幅から定められていてもよい。横断歩道の白線幅は、法律で定められており、例えば、４５ｃｍである。よって、変換部３０により精度よく俯瞰画像に変換されていれば、俯瞰画像に映る横断歩道の縞の白線幅は、白線の劣化がない限り、一定の画素数を占めるはずである。

しかし、実際は、車載カメラを積んだ車両の加減速や、道路の凹凸の有無など様々な原因により、映像データの各フレーム毎に、路面に対する俯角や車載カメラの高さが微小に変化する。この影響により、俯瞰画像では、横断歩道の縞が歪んで並行にならず、幅も微小に太くあるいは細くなるように変換されたり、画像に映る横断歩道の縞の幅がシーン毎に微妙に異なったり、という誤差が生じてしまう。このため、映像データのフレームが異なると白線の幅が異なる場合がありうる。例えば、映像データのあるフレームの画像では、白線の幅が２０ドットである。映像データの別のフレームの画像では、白線の幅が１８ドットである、という場合もありうる。また、同じフレームの画像内でも、位置によって白線の幅が異なる場合がありうる。例えば、ある位置では、白線の幅が２０ドットである。別な位置では、白線の幅が１８ドットである、という場合もありうる。

俯瞰画像を縮小した縮小画像では、このように俯瞰画像の白線の幅が変化した場合、変化した白線部分に対応する画素に影響が及ぶ。図３Ａは、２０ドットの幅の白線の縮小化を模式的に示した図である。図３Ｂは、１８ドットの幅の白線の縮小化を模式的に示した図である。図３Ａおよび図３Ｂの例では、１０画素ずつ画素値の平均値を１画素の画素値として、画像を１／１０のサイズに縮小する。また、図３Ａおよび図３Ｂの例では、白線部分の白画素の画素値を２５５とし、白線の間部分の黒画素の画素値を０とする。図３Ａに例では、白線の幅が２０ドッドの白線Ｎを１／１０に縮小すると、縮小画像で２画素に縮小される。この縮小画像の２つの画素は、それぞれ元画像の画素値が２５５の１０個の画素の平均値であるため、画素値が２５５となる。一方、図３Ｂに例では、白線の太さが１８ドッドの白線Ｍを１／１０に縮小すると、縮小画像で２画素に縮小される。この縮小画像の一方の画素（図３Ｂの左側の画素）は、元画像の画素値が２５５の１０個の画素の平均値であるため、画素値が２５５となる。これに対し、縮小画像の他方の画素（図３Ｂの右側の画素）は、元画像の画素値が２５５の８個の画素と画素値が０の２個の画素の平均となるため、画素値が２５５×（８／１０）＝２０４となる。すなわち、縮小画像の他方の画素は、色が白ではなく白に近いグレーを示すことになる。

このように、２つの異なる幅の白線Ｍ、Ｎは、１／１０縮小画像化によって同じ２画素の値へと纏められるが、幅の違いにより片方の画素の色が若干異なる。以後の画像処理において、この色の違いがない物と看做すことができれば、実質的に縮小画像で白線Ｍ、Ｎは同じ幅のものとして扱うことができる。すなわち、画素値が２０４のグレーの画素色も画素値が２５５の白と同一に扱うような画像処理を行うならば、縮小画像による画素幅の誤差が吸収できる。本実施例では、適切に定めた閾値を用いて縮小画像を２値化することにより、縮小画像による画素幅の誤差を吸収する。

ここで、縮小画像を２値化する閾値の定め方について説明する。縮小画像を２値化する閾値は、以下の（１）〜（３）式から求める。

ここで、ＲＯＵＮＤＯＷＮ（）は、（）内に代入された値から少数点以下を切り捨てた値を返す関数である。また、ＭＩＮ（）は、（）内に代入された複数の値から最も小さい値を返す関数である。ＮとＭは、縮小画像で同一画素としたい白線の各画素数である。図３Ａ、３Ｂの例では、画素数Ｍ＝１８，Ｎ＝２０とする。Ｓは、画像の縮小率である。図３Ａ、３Ｂの例では、縮小率Ｓ＝１０である。ＧｎとＧｍは、ＮとＭの画素色である。図３Ａ、３Ｂの例では画素色Ｎ、Ｍの双方とも白で２５５である。ＤｎとＤｍは、小数点以下の画素色波及率を示す。図３の例では、ＤｎとＤｍは縮小画素２画素目に対するＭ、Ｎの影響力であり、Ｄｍ＝０．８，Ｄｎ＝１．０となる。Ａは、縮小画像での白色判定用の閾値である。図３Ａ、３Ｂの例では、閾値Ａを≦２５５×０．８＝２０４とする。なお、（３）式のＭＩＮ（Ｇｎ，Ｇｍ）は、ＮとＭの画素の代表値の一例であり、Ａｖｅｒａｇｅ（Ｇｎ，Ｇｍ）としてもよい。Ａｖｅｒａｇｅ（）は、（）内に代入された複数の値の平均値を返す関数である。

縮小部３１は、画像を縮小し、縮小画像に対して白色判定用の閾値Ａを用いて各画素の２値化を行う。縮小部３１は、２値化の際、歩道の白線部分が白画素、背景となる道路路面が黒画素になるように、必要なら色の反転を行う。白色判定用の閾値Ａを一定の値とした場合、縮小率Ｓが大きければ大きいほど、縮小画像内で同一視される画素数が増える。これにより、横断歩道の劣化や変換歪み等に起因する白線の画素幅の誤差を縮小画像で吸収できるようになる。また、縮小画像は、縮小率Ｓが大きいほど、画像サイズが小さくなるため、以後の画像処理計算も高速化できるという利点もある。なお、縮小部３１の処理は、省略することも可能である。縮小部３１の処理を省略する場合、以後の処理を縮小前の俯瞰画像を用いるものとして読み替えればよい。また、画像を二値化をせずに、元の８ビットのグレイスケールの画像を判定に用いるものとしてもよい。この場合、後述する判定パターンには、白画素・黒画素以外、３つ以上の具体的な他の輝度値を判定条件として定めるものとする。

図４は、俯瞰画像を縮小した結果の一例を示す図である。図４の例では、俯瞰画像５０を１／１０に縮小して画像５１としており、俯瞰画像５０および画像５１とも閾値Ａにより２値化している。また、図４の例では、俯瞰画像５０に含まれる白線部分を画像５０ａとして拡大し、画像５１に含まれる同一の白線部分を画像５１ａとして拡大して示している。画像５０ａに示されるように、俯瞰画像５０は、俯瞰投影変換の歪み誤差や、横断歩道を構成する白線の瘠せによる検知誤差により、白線部分の画素幅が細かく変化している。一方、画像５１ａに示されるように、縮小された画像５１は、白線部分の画素幅の細かい変化がなくなっている。

ところで、横断歩道は、上部を車両の通過や経年変化などによる劣化等によって白線が部分的に消えたり、欠落する場合がある。図５Ａは、劣化の少ない横断歩道の一例を示す図である。図５Ｂは、白線が部分的に消えた横断歩道の一例を示す図である。図５Ｃは、白線が部分的な消失および一部の白線が欠落した横断歩道の一例を示す図である。図５Ａの例は、横断歩道の白線を明瞭に認識できる。一方、図５Ｂおよび図５Ｃの例は、横断歩道の白線に部分的に消えている。また。図５Ｃの例は、矩形５２で示した領域の白線が欠落している。

本実施例に係る解析装置１０では、このように劣化した横断歩道の検出を行うため、横断歩道の状態に応じた判定条件を定めた１つ以上の判定パターンを判定パターン情報２１ｂとして記憶部２１に記憶している。

ここで、判定パターンについて説明する。横断歩道は、白線および白線の間部分に周期性がある。判定パターンは、横断歩道の周期性および白線の劣化に応じた判定条件が定められている。例えば、判定パターンは、法律によって定められた横断歩道の理想的な白線幅や背景地面の白線間隔幅が、俯瞰画像への変換及び画像の縮小によって縮小画像の画素の幾つ分に相当するかに応じて白線および白線の間部分の周期が定められている。また、判定パターンは、横断歩道の白線が一本丸ごと欠落した場合や、白線幅が瘠せてギザギザになった場合、白線の一部が消えて部分的な断続的な線分になっている場合など、様々な劣化に対応してそれぞれ判定条件が定められている。なお、検出対象の横断歩道の劣化の状態に周期性がある場合、判定パターンは、周期性がある部分を抽出して作成してもよい。例えば、判定パターンは、周期性がある劣化について１周期分に相当する部分を抽出して作成する。そして、横断歩道の検出を行う際には、判定パターンを複数繋げるように並べて意図する周期性を再現しながら利用する。このように、判定パターンを必要最小限のより小さな画素群として作成して微小な部分で特徴を判定検出することで、分断された白線などの部分的に残る横断歩道の特徴を効率的に検出できる。

図６Ａは、劣化していない理想的な横断歩道の状態および判定パターンの一例を示す図である。図６Ａに示すように、縮小画像において、劣化していない理想的な横断歩道６０は、白線および白線の間部分に対応して白画素、黒画素が交互に２画素ずつ連続する。このような横断歩道を検出するには、白画素および黒画素が交互に２画素ずつあるか否かを判定条件とする判定パターン６１を用意する。この判定パターン６１により、劣化していない理想的な横断歩道６０を検出できる。

図６Ｂは、白線が部分的に消えた横断歩道の状態および判定パターンの一例を示す図である。図６Ｂに示すように、縮小画像において、白線が部分的に消えた横断歩道６２は、白線および白線の間部分に対応して白画素、黒画素が交互に２画素ずつ連続しており、白線の部分的に消えた部分６２ａが黒画素となっている。このような横断歩道を検出するには、白画素、黒画素が交互に２画素ずつ連続すると共に、少なくとも一部の白線部分に対応する白画素の２画素部分について何れかが白画素であるか否かを判定条件とする判定パターン６３を用意する。本実施例では、図６Ｂに示すように、判定パターンの何れかが白画素であるか否かを判定条件とする白画素部分に「★」を付している。すなわち、白線の部分的な消去を許容するため、白線を示す隣り合う２画素のどちらかが白画素であればよいということを判定条件とする判定パターンを用意する。この判定パターン６３により、白線が部分的に消えた横断歩道６２を検出できる。

図６Ｃは、一部の白線が欠落した横断歩道の状態および判定パターンの一例を示す図である。図６Ｃに示すように、縮小画像において、一部の白線が欠落した横断歩道６４は、白線および白線の間部分に対応して白画素、黒画素が交互に２画素ずつ連続しており、白線の欠落した部分６４ａが黒画素となっている。このような横断歩道を検出するには、白画素、黒画素が交互に２画素ずつ連続すると共に、一部の白線部分に対応する白画素の２画素部分の存在の判定が不要であり、判定対象外とすることを判定条件とする判定パターン６５を用意する。すなわち、任意の位置の任意の数の白線の欠落を許容するため、許容する白線部分の画素に対しては、判定を行わないことを判定条件とする判定パターンを用意する。図６Ｃの例では、判定を不要とする白線部分の位置および数を変えて、白画素の２画素部分の存在の判定が不要であることを判定条件とする３つの判定パターン６５ａ〜６５ｃを用意している。本実施例では、図６Ｃに示すように、判定パターンの存在の判定が不要であることを判定条件とする白画素部分に「●」を付している。この判定パターン６５ａ〜６５ｃにより、一部の白線が欠落した横断歩道６４を検出できる。

図６Ｂ、６Ｃに示した、白線の部分的な消去および一部の白線が欠落に対応した判定条件は、それらを別個に判定パターンに用いてもよく、あるいは組み合わせて判定パターンに用いてもよい。例えば、図６Ｃの白画素の一部を、図６Ｂで説明した白線の部分的な消去に対応した判定条件に直して用いてもよい。

判定パターンは、図６Ａ〜６Ｃに示したように、縦１画素の長い横ラインであってもよい。また、判定パターンは、任意の縦の長さを持つラインとして実現しても構わない。判定パターンは、縦の長さを持たせる場合、同じパターンのものを単純に縦方向に伸ばしてもよい。また、判定パターンは、縦の長さを持たせる場合、複数のパターンを縦方向や横方向に組み合わせてもよい。このように判定パターンの画素数が増えて大きくなるほど、細かく分断された横断歩道白線の検出率は下がるが、白線まるごと欠落した場合や白線が瘠せた場合の検出率向上は期待できる。

本実施例に係る解析装置１０は、このように劣化に対応した判定パターンを判定パターン情報２１ｂとして記憶部２１に記憶している。なお、解析装置１０は、判定パターンを記憶部２１に記憶せずに、判定の際に判定パターンを生成してもよい。

図１に戻り、算出部３２は、縮小部３１により縮小した画像に対して適用位置を変えつつ判定パターンを適用した際の合致割合を算出する。例えば、算出部３２は、適用位置を変えつつ縮小部３１により縮小した画像と判定パターンに定められた判定条件と比較して、適用位置の各画素がそれぞれ判定条件に合致するか、合致しないか、判定対象外か、暫定的に合致となったか、の４つに判定する。そして、算出部３２は、４種それぞれの判定結果の画素の数を用いて、適用位置が横断歩道である可能性を示す歩道指標Ｐａ、または横断歩道でない可能性を示す非歩道指標Ｑａを算出する。算出部３２は、各判定パターンについてそれぞれ適用位置を変えつつ判定を行って歩道指標Ｐａ、非歩道指標Ｑａを算出する。このため、歩道指標・非歩道指標Ｑａは、判定パターン数×適用位置数だけ算出される。

図７は、縮小画像に対する判定パターンの適用配置の変え方の一例を示す図である。図７の例では、説明を簡単にするため、判定パターン７０が縦２画素×横２画素の合計４画素から成り、縮小画像７１が縦４画素×横６画素の大きさであるものとする。判定パターンを縮小画像の全体に適用する適用方法としては、図７に示すように、縮小画像７１に対して判定パターン７０を縦及び横に１画素ずつずらして適用する方法が一般的である。一方、判定パターン７０を縮小画像７１の全体に適用する適用方法としては、縮小画像７１に対する判定パターン７０の適用配置が重ならないように、判定パターン７０を複数並べて配置した複数のパターンを適用してもよい。図８Ａ〜８Ｄは、縮小画像に対する判定パターンの適用配置が重ならないように、判定パターンを複数並べて配置したパターンの一例を示す図である。図７に示す適用方法は、図８Ａ〜８Ｄに示した配置（１）〜配置（４）の４つパターン７２の何れかを部分的に実行したものである。図７には、配置パターンの適用位置が図８Ａ〜８Ｄの配置（１）〜（４）のいずれに該当するかを記載している。算出部３２は、図８Ａ〜８Ｄに示した４つパターンをそれぞれ適用することにより、縮小部３１により縮小した画像に対して適用位置を変えつつ判定パターンを適用した際の合致割合を算出してもよい。

ところで、車載カメラの画像を俯瞰画像に変換した場合、俯瞰画像には、車載カメラの画像から俯瞰画像に像が投影されない領域や、俯瞰画像において車内が写った領域が存在する場合がある。例えは、図２Ｂに示す俯瞰画像には、図２Ａに示す車載カメラの画像から像が投影されない領域７５および車内が写った領域７６が存在する。

特定部３３は、各種の特定を行う。例えば、特定部３３は、変換部３０により変換された俯瞰画像において、車載カメラにより撮影された画像から像が投影されない領域７５、および俯瞰画像において、車内が写った領域７６を特定する。特定部３３は、例えば、変換部３０により映像データ２１ａに含まれる車載カメラの画像を俯瞰画像に変換する際に、車載カメラの画像に対応する画素がなく、対応する画素の色が不明だった俯瞰画像の領域を像が投影されない領域７５と特定する。また、特定部３３は、例えば、俯瞰画像の車内が映りこむ領域を示す領域情報を記憶部２１に予め記憶させておき、当該領域情報に基づいて俯瞰画像の車内が写った領域７６を特定する。なお、領域情報は、例えば、車載カメラの設置位置や車載カメラの搭載車種毎に記憶されてもよい。この場合、特定部３３は、領域情報から車載カメラの設置位置や車載カメラの搭載車種に応じた俯瞰画像の車内が写った領域を特定する。また、特定部３３は、俯瞰画像に写った像の色や形状などからダッシュボードなどの車内に存在する物体を判別して俯瞰画像の車内が写った領域７６を特定してもよい。

算出部３２は、俯瞰画像に対して特定部３３により特定された領域を除外して合致割合を算出する。例えば、算出部３２は、画像の特定部３３により特定された領域をマスクする。そして、算出部３２は、縮小部３１により縮小した画像に対して適用位置を変えつつ判定パターンに定められた判定条件による判定を行う際に、判定パターンの適用位置がマスクされているか判定し、マスクされている場合、判定を行わないものとする。なお、算出部３２は、マスク部分に該当する画素の画素色を、例えば、黒画素など専用色で塗りつぶして、誤って歩道と過検知しないようにしてもよい。

図９Ａ〜図９Ｃは、判定パターンを縮小画像に適用して判定パターンの判定条件に合致するか否かを判定した結果の一例を示す図である。図９Ａ〜図９Ｃは、同じ縮小画像に対する判定結果である。図９Ｂの例は、判定パターンの適用位置を図９Ａから右に１画素ずらしたものである。図９Ｃの例は、判定パターンの適用位置を右に４画素ずらしたものである。図９Ａ〜図９Ｃの例は、図６Ｂに示した判定パターン６３を用いて判定している。判定パターン６３は、白画素、黒画素が交互に２画素ずつ連続すると共に、それぞれ白画素の２画素部分について何れかが白画素であるか否かを判定条件とする。また、図９Ａ〜図９Ｃの例では、判定パターン６３による判定結果の分布状況をより多く示すため、それぞれ矩形８０で囲んだ領域について、判定パターン６３を縦方向に移動させて判定した結果を同時に示している。また、図９Ａ〜図９Ｃの例では、判定条件に合致するか、合致しないか、判定対象外か、暫定的に合致となったかの４つに判定に応じて白画素、黒画素をそれぞれをパターン分けして判定結果を示している。判定パターン６３による判定の結果、各画素の判定結果が合致、判定対象外、暫定的に合致の何れかとなった適用位置は、横断歩道が存在する可能性が高い位置と看做すことができる。図９Ａの例では、矢印８１により示した１つの画素列において各画素の判定結果が合致、判定対象外、暫定的に合致の何れかとなっている。図９Ｂの例では、矢印８２により示した２つの画素列において各画素の判定結果が合致、判定対象外、暫定的に合致の何れかとなっている。

図１０は、判定パターンを縮小画像に適用して判定パターンの判定条件に合致するか否かを判定した結果の他の一例を示す図である。図１０は、図９Ａ〜図９Ｃと同じ縮小画像に対する判定結果である。判定パターン８５は、上述した判定パターン６３に、一部の白画素の２画素部分の存在の判定が不要という条件を含んでいる。また、図１０の例でも、判定パターン８５による判定結果の分布状況をより多く示すため、矩形８０で囲んだ領域について、判定パターン８５を縦方向に移動させて判定した結果を同時に示している。また、図１０の例でも、判定条件に合致するか、合致しないか、判定対象外か、暫定的に合致となったかの４つに判定に応じて白画素、黒画素をそれぞれをパターン分けして判定結果を示している。図１０の例では、矢印８６により示した８つの画素列において各画素の判定結果が合致、判定対象外、暫定的に合致の何れかとなっている。

図９Ａ〜図９Ｃおよび図１０に示した判定結果を比較した場合、図１０に示した判定結果は、図９Ａ〜図９Ｃに示した判定結果よりも、判定結果が合致、判定対象外、暫定的に合致の何れかとなる画素列の数が多くなっている。これは、一部の白線が欠落した横断歩道の可能性が高いことを意味している。

また、図９Ａ〜図９Ｃに示した判定結果を比較した場合、図９Ｂに示した判定結果は、図９Ａ、図９Ｃに示した判定結果よりも、判定結果が合致、判定対象外、暫定的に合致の何れかとなる画素列の数が多くなっている。これは、図９Ｂで示した判定パターン６３の適用位置が横断歩道の縞の配置位置に近いことを意味している。

算出部３２は、適用位置での判定パターンによる判定結果を用いて、判定パターン及び適用位置毎に歩道指標Ｐａ、非歩道指標Ｑａを計算する。例えば、歩道指標Ｐａは、判定条件に合致した画素÷判定を行った画素とする。また、非歩道指標Ｑａは、判定条件に合致しない画素÷判定を行った画素とする。本実施例では、歩道指標Ｐａ、非歩道指標Ｑａを、例えば、下記の（４）（５）式により算出する。

歩道指標Ｐａ＝ｆ（ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ） （４）
＝(ｂ＋ｋｃ＋ｆ)／（ａ＋ｂ＋ｃ＋ｅ＋ｆ） 但し(ａ＋ｅ)＝０の場合
＝０ 但し(ａ＋ｅ)＞０の場合
非歩道指標Ｑａ＝Ｆ(ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ) （５）
＝(ａ＋ｅ＋ｍｃ)／(ａ＋ｂ＋ｃ＋ｅ＋ｆ)
ここで、
ａは白画素で合致しない画素数
ｂは白画素で合致した画素数
ｃは白画素で暫定的に合致した画素数
ｄは白画素で判定対象外の画素数
ｅは黒画素で合致しない画素数
ｆは黒画素で合致した画素数
ｇは黒画素で判定対象外の画素数
ｋ、ｍは任意の変数 (０＜ｋ、ｍ≦１．０)、ｋ、ｍは、例えば、０．５

本実施例では、（４）式を、条件分岐により１つでも合致しない画素がある場合に歩道指標Ｐａを０とする式としたが、条件分岐をなくし、歩道指標Ｐａを０としなくてもよい。１つでも合致しない画素がある場合に歩道指標Ｐａを０としない場合には、例えば、非歩道指標Ｑａの値が十分大きな場合に歩道と看做さないなどの判定を行い、擬似的に０とするのと同じ効果を生じさせることも可能である。

なお、算出部３２は、歩道指標Ｐａ、非歩道指標Ｑａのどちらかだけを算出してもよい。また、非歩道指標Ｑａを後述する検出部３４において最終的な非横断歩道指標を計算するためだけに利用する場合、算出部３２は、最終的に最も横断歩道可能性が高い判定パターン及び配置についてだけ、非歩道指標Ｑａを後から算出してもよい。

また、上記（４）（５）式では、判定対象外の画素数ｇを指標の計算に利用しなかったが、これに限定するものではなく、分母に加えてもよい。これにより、歩道指標Ｐａおよび非歩道指標Ｑａは、判定を行なわない画素、すなわち判定から除く白線や背景黒線が存在するほど、判定パターンの指標が小さくなる。

また、上記（４）（５）式では、分布の割合を指標に用いたが、分布の状況を指標に用いてもよい。例えば、算出部３２は、連続して条件に合致した画素（ｂ，ｆ）が連続するほど、全体の指標を高めるように係数を算出し、指標に当該係数を乗算または加算して指標を算出してもよい。

算出部３２は、判定パターン及び適用位置毎に算出した歩道指標Ｐａ、非歩道指標Ｑａを適用位置に対応させて記憶させる。図１１は、判定パターンの適用位置に対応させた指標の記憶を説明するための図である。例えば、算出部３２は、図１１に示すように、縮小画像８７の画素８８を先頭にした適用配置で判定パターン８９による判定を行った場合、画素８８に対応させて判定結果である歩道指標Ｐａや非歩道指標Ｑａを記憶させる。なお、歩道指標Ｐａや非歩道指標Ｑａを記憶する画素の選定は、これに限定するわけではなく、この他に、右端の画素にしてもよいし、真ん中の画素にしてもよい。また、判定パターンが縦にも幅がある場合には、左上、左上、真ん中、右上、右下など、どの選定をしてもよい。

算出部３２は、記憶部２１に判定パターン情報２１ｂとして複数の判定パターンが記憶されている場合、判定パターン毎に適用配置の先頭の画素に対応させて歩道指標Ｐａ、非歩道指標Ｑａを記憶させる。

検出部３４は、判定パターン及び適用配置毎に保持した歩道指標Ｐａ、非歩道指標Ｑａから、その縮小画像に横断歩道が映っているかどうかを判定する。検出部３４は、例えば、判定パターン毎に、縮小画像の各画素に対応して記憶された歩道指標Ｐａ、非歩道指標Ｑａについてそれぞれ縦方向の波及処理を実施する。例えば、検出部３４は、同じ判定パターンを用いて算出された各画素の指標値について、それぞれ当該画素の指標値に、当該画素の上下の画素の指標値を上下の画素距離が遠くなるほど小さくなる波及率を掛けて加算する。図１２は、波及率の一例を示す図である。図１２の例では、上下各２画素に影響を及ぼすような波及処理を行っており、該当画素の１つ隣の上下の画素の波及率を０．５、更に１つ隣の画素の波及率を０．１としている。つまり、図１２に示す該当画素の上下の各画素の指標値をＡとした場合、検出部３４は、該当画素の指標値に、上下の画素からＡ×０．５を加算し、更に１つ上下の画素からＡ×０．１を加算する。なお、波及率は、０〜１の範囲で定めている。

図１３は、波及処理による指標値の変化の一例を示す図である。図１３の左側には、波及処理前の縦一列の画素ｎ〜ｎ＋５の２つの指標Ａ、Ｂが示されている。また、図１３の右側には、図１２に示した波及率により画素ｎ〜ｎ＋５の２つの指標Ａ、Ｂにそれぞれ波及処理を行った結果の指標値が示されている。指標Ａ、Ｂは、２種類の判定パターンの指標と看做してもよく、１種類の判定パターンの歩道指標Ｐａと非歩道指標Ｑａと看做してもよい。また、波及処理は、歩道指標Ｐａ、非歩道指標Ｑａの片方、または双方に実施してよい。図１３の例では、画素ｎ＋２は、波及処理前、指標Ａが「０．２」であったが、波及処理により、２つ上の画素ｎの指標Ａの「０．１」に波及率「０．１」を乗算した値「０．０１」が加算されるため、波及処理後、指標Ａが「０．２１」となる。検出部３４は、歩道指標Ｐａと非歩道指標Ｑａの双方について、このような波及処理を実施する。

歩道指標Ｐａは、白線の断絶が無い場合、上下画素で大きな値が続くはずであるが、劣化などにより白線の断絶が発生した場合、白線の断絶部分で小さな値となり、上下画素で白線の判定結果が変化する場合がある。そこで、本実施例に係る解析装置１０では、上下画素への波及処理を実施して縦方向、すなわち白線に沿った方向に歩道指標Ｐａを波及させる。これにより、解析装置１０によれば、多少の白線の断絶が発生した場合でも歩道指標Ｐａの変化が緩和され、白線の断絶が発生した場合でも白線を検出できる。

次に、検出部３４は、各指標のうち、横方向ごとに歩道指標Ｐａを参照し、横ラインに対する総合的な歩道指標を算出する。図１４は、総合的な歩道指標の算出の手法を説明するための図である。検出部３４は、各画素毎に、歩道指標Ｐａが複数記憶されている場合、それらの合算値、平均値、最大値、最小値などの任意の方法で統合し、１つの統合した歩道指標を算出する。本実施例では、統合した歩道指標として、例えば、平均値と合算値を算出する。検出部３４は、各画素に対応して記憶された歩道指標Ｐａに対して、歩道指標Ｐａの算出に用いた判定パターンを用いて、同じ縞パターンを検出する目的とする判定パターンの組を特定する。例えば、図１４の例では、画素９０に対して判定パターン（Ａ）〜（Ｅ）により求められた指標値（Ａ）〜（Ｅ）が記憶されているものとする。

検出部３４は、判定パターン（Ａ）〜（Ｅ）について、白画素部分と黒画素部分の幅が同じで、開始位置も等しいものを同じ縞パターンを検出目的とする判定パターンと判定する。例えば、判定パターン（Ａ）〜（Ｅ）では、白画素部分と黒画素部分が２画素ずつで開始位置も等しい判定パターン（Ａ）（Ｂ）を同じ縞パターンを検出目的とする判定パターンと判定する。また、判定パターン（Ａ）〜（Ｅ）では、白画素部分と黒画素部分が３画素ずつで開始位置も等しい判定パターン（Ｃ）（Ｄ）を同じ縞パターンを検出目的とする判定パターンと判定する。判定パターン（Ｅ）は、判定パターン（Ａ）（Ｂ）と同じ白画素と黒画素が２画素ずつであるが、白画素の位置が異なるため、検出目的とする縞パターンが異なると判定される。

そして、検出部３４は、検出目的とする縞パターン毎に、当該縞パターンを検出目的とする判定パターンの指標値の平均値を算出する。図１４の例では、判定パターン（Ａ）（Ｂ）の指標値の平均と、判定パターン（Ｃ）（Ｄ）の指標値の平均を算出する。判定パターン（Ｅ）は、指標数が１つで他に同じ縞パターンの指標がないため、判定パターン（Ｃ）（Ｄ）の指標値の平均値として扱う。

次に、検出部３４は、それぞれの横ラインで、検出目的とする縞パターンが同一のもの毎に、各画素の指標値の平均値を合算して、検出目的とする縞パターン毎の指標の合算値を求める。図１５は、横ライン毎の指標の合算値の算出の手法を説明するための図である。図１５の例では、横ライン９１の画素９３について判定パターン（Ａ）、（Ｅ）がそれぞれ検出目的とする縞パターンの指標の平均値（Ａ）、（Ｅ）が求められているものとする。また、図１５の例では、横ライン９１の画素９３について判定パターン（Ｃ）、（Ｄ）がそれぞれ検出目的とする縞パターンの指標の平均値（Ｃ）、（Ｄ）が求められているものとする。また、図１５の例では、横ライン９１の画素９４について判定パターン（Ｅ）、（Ｆ）がそれぞれ検出目的とする縞パターンの指標の平均値（Ｅ）、（Ｆ）が求められているものとする。

検出部３４は、判定パターン（Ａ）〜（Ｆ）について、白画素部分および黒画素部分の周期的な配置位置が一致するものを検出目的とする縞パターンが同一であると判定する。例えば、検出部３４は、判定パターン（Ａ）（Ｅ）の白画素部分と黒画素部分が２画素ずつで、白画素部分および黒画素部分の周期的な配置位置が一致するため、検出目的とする縞パターンが同一であると判定する。

そして、検出部３４は、検出目的とする縞パターンが同一のもの毎に、各画素の指標の平均値を合算して、検出目的とする縞パターン毎の指標の平均値の合算値を求める。図１５の例では、検出目的とする縞パターンが同一であると判定された指標の平均値（Ａ）（Ｅ）を合算して、合算値を求める。これより、各横ラインで、検出目的とする縞パターン毎の指標の平均値の合算値が算出される。例えば、白画素部分および黒画素部分がそれぞれ２画素の横断歩道を検出する場合、縞パターンは、白画素部分および黒画素部分の配置位置が１画素ずつずれた４つのパターンとなる。検出部３４では、それぞれの横ラインで、これらの縞パターン毎の指標の平均値の合算値を求める。また、例えば、判定パターンが図７に示した判定パターン７０のように縦２画素×横２画素の合計４画素から成る場合、縞パターンは、図８Ａ〜８Ｄに示した４つのパターンとなる。検出部３４では、これらの縞パターン毎の指標の平均値の合算値を求める。検出部３４は、歩道指標Ｐａと非歩道指標Ｑａの双方について、このような合算値の算出を実施する。

次に、検出部３４は、それぞれの横ラインで、縞パターン毎に求めた歩道指標Ｐａの合算値と非歩道指標Ｑａの合算値を用いて、歩道指標を補正する。具体的には、同じ縞パターンに対する歩道指標Ｐａの合算値と非歩道指標Ｑａの合算値を用いて、例えば下記（６）式にて歩道指標を補正する。ここで、ｄは補正の強さを調整するための任意のパラメータであり、０≦ｄ≦１．０とする。なお、この補正は必須の処理ではない。補正を行い場合は、歩道指標Ｐａの合算値を歩道指標として以降の処理を行う。

補正後の歩道指標＝ 歩道指標Ｐａの合算値−ｄ×非歩道指標Ｑａの合算値 （６）

この補正を行うことで、ある縞パターンの歩道指標Ｐａについて、歩道指標Ｐａを求めた位置だけではなく判定パターンの周期分ずれた位置での非歩道指標Ｑａも考慮した歩道指標を算出できる。すなわち、例えば、横ラインの中央付近の位置で歩道指標Ｐａが高い結果になっても、例えば、横ラインの左右寄りなどの他の位置で非歩道指標Ｑａが高い場合には、それら双方を勘案して最終的な横ラインでの歩道指標を算出できる。これにより、例えば、部分的に横断歩道と似た路面標示が現れて歩道指標Ｐａが高くなった場合でも、残りの部分が横断歩道と似ていない場合、非歩道指標Ｑａも高くなり、補正後の歩道指標も低下するため、最終的に横断歩道の過検知を減らすよう調整できる。

次に、検出部３４は、それぞれの横ラインで、縞パターン毎に算出した歩道指標群を比較し、最も値の大きな歩道指標を１つ選択する。すなわち、検出部３４は、それぞれの横ラインで、最も存在する可能性の高い縞パターンの歩道指標を選択する。

その後、検出部３４は、選択した各横ラインの最も可能性の高い歩道指標を縦方向に全横ラインを網羅するよう走査し、同じ縞パターンに関する歩道指標の横ラインを探してそれぞれ和を算出する。そして、検出部３４は、縞パターン毎に求めた歩道指標の和の中で和が最大の歩道指標を最終的な存在可能性指標と看做す。図１６は、最終的な存在可能性指標の算出の手法を説明するための図である。図１６の例では、横ライン「Ｎｏ１」は、最も値の大きな歩道指標の値が「０．８」であり、縞パターンが「パターンＡ」であるものとする。横ライン「Ｎｏ２」は、最も値の大きな歩道指標の値が「０．７５」であり、縞パターンが「パターンＢ」であるものとする。横ライン「Ｎｏ３」は、最も値の大きな歩道指標の値が「０．６」であり、縞パターンが「パターンＡ」であるものとする。横ライン「Ｎｏ４」は、最も値の大きな歩道指標の値が「０．２」であり、縞パターンが「パターンＢ」であるものとする。図１６の例では、横ライン「Ｎｏ１」と「Ｎｏ３」は、縞パターンが共に「パターンＡ」であるため、歩道指標の値「０．８」と「０．６」の和「１．４」を算出する。また、横ライン「Ｎｏ２」と「Ｎｏ４」は、縞パターンが共に「パターンＢ」であるため、歩道指標の値「０．７５」と「０．２」の和「０．９５」を算出する。そして、図１６の例では、「パターンＡ」の和「１．４」が「パターンＢ」の和「０．９５」よりも大きいため、「パターンＡ」の和「１．４」が最終的な存在可能性指標と看做される。

次に、検出部３４は、横ラインに対して複数算出した非歩道指標Ｑａの合算値を用いて、画像における歩道でない可能性を算出する。例えば、検出部３４は、歩道指標の和が最も大きい、最終的な存在可能性指標とされた縞パターンに関する非歩道指標Ｑａの合算値の画像内の総計を算出する。検出部３４は、例えば、算出済の横ラインおよび縞パターン毎の非歩道指標Ｑａの合算値の中から、歩道指標の和が最も大きい縞パターンのものを選定し、画像内部でこれらの合算を行って最終的な非横断歩道指標とする。合算を行う際には、横ライン毎の歩道指標が最も大きい縞パターンが、歩道指標の和が最も大きい縞パターンである横ラインのみを合算するという限定をつけてもよい。

検出部３４は、最終的な非横断歩道指標および最終的な存在可能性指標に基づいて最終的にその画像に横断歩道が存在するかを判定する。例えば、検出部３４は、以下に示す（７）（８）式に示すように最終的な存在可能性指標を所定の閾値ｔｈ１と比較すると共に、最終的な非横断歩道を所定の閾値ｔｈ２と比較する。そして、検出部３４は、最終的な存在可能性指標が閾値ｔｈ１以上であり、最終的な非横断歩道が閾値ｔｈ２以下である場合のみを横断歩道が存在するとする。なお、横断歩道が存在するかの判定に最終的な非横断歩道を用いない場合は、最終的な非横断歩道の可能性指標を用いた（８）式を省略する。

最終的な存在可能性指標≧ｔｈ１ （７）
最終的な非横断歩道指標≦ｔｈ２ （８）

なお、検出部３４は、閾値をｔｈ３の１つとして、所定の波及パラメータｒを用いて、以下の（９）式により判定を行ってもよい。波及パラメータｒは０以上であればよい。
最終的な存在可能性指標−ｒ×最終的な非横断歩道≧ｔｈ３ （９）

閾値ｔｈ１、ｔｈ２、ｔｈ３は、実際の横断歩道画像に対する処理結果から適切な値を選定すればよい。

推定部３５は、画像のどの部分に横断歩道が存在するかを推定する。横断歩道の存在する可能性が高い場所は、歩道指標の和が最も大きい縞パターンに関する判定パターン群の合致画素の分布状況、から求めることができる。例えば、推定部３５は、縮小画像サイズの専用画像を用意する。この専用画像はあらかじめ背景色としておく。例えば、専用画像はあらかじめ黒画素としておく。次に、推定部３５は、検出部３４による処理の結果、各画素に対応させて記憶されている、各判定パターンの歩道指標のうち、歩道指標の和が最も大きい縞パターンに関する判定パターンから求めたものを選定する。そして、推定部３５は、それぞれの画素において、歩道指標Ｐａを算出した際の縮小画像内での判定パターンの配置領域を特定し、配置領域に対応する専用画像の領域の画素の色を歩道指標Ｐａに応じて変化させる。この画素の色は、歩道指標Ｐａの値が高いほど輝度を高くするものとし、すでに色が設定されている画素に対しては、輝度加算を行うものとする。この結果、最終的な縞パターンに関連する判定パターンの合致する画素の多い領域ほど、輝度が明るい画像となり、歩道の可能性の高い画素ほど輝度が明るくなる。

なお、推定部３５は、横断歩道の場所を推定する際に、歩道指標Ｐａではなく、それを導出する元となった各判定パターン及び適用配置毎の各画素の判定結果を用いて横断歩道の位置を推定してもよい。例えば、推定部３５は、判定パターンの判定条件に合致した画素を歩道指標に準じた輝度、暫定合致した画素や未判定画素を歩道指標よりやや低い輝度で塗りつぶすことで、詳細な縞の状況を把握することもできる。

出力部２３は、各種の情報を出力する。例えば、出力部２３は、検出部３４により横断歩道が検出された場合、横断歩道が存在する旨のメッセージを出力する。また、出力部２３は、専用画像に基づき、横断歩道と推定された領域を出力する。出力部２３は、専用画像をそのまま提示してもよいが、さらに既存のクラスタリング手法を適用して、輝度の高い領域をクラスタリングし、クラスタリングした画像部分を横断歩道の高い領域として提示してもよい。出力部２３のデバイスの一例としては、ＬＣＤ（Liquid Crystal Display）の表示デバイスなどが挙げられる。なお、出力部２３は、横断歩道が存在すること示す信号、および横断歩道と推定された領域を示す信号を外部へ出力するものとしてもよい。

次に、本実施例に係る解析装置１０により横断歩道を検出する処理の流れを説明する。最初に、本実施例に係る解析装置１０により歩道指標Ｐａ、非歩道指標Ｑａを算出する算出処理の流れを説明する。図１７は、算出処理の手順を示すフローチャートである。この算出処理は、例えば、映像データ２１ａに含まれる画像から歩道指標Ｐａ、非歩道指標Ｑａの算出を行うタイミングで実行される。

図１７に示すように、変換部３０は、画像の歪みを補正し、俯瞰画像に変換する（ステップＳ１０）。縮小部３１は、俯瞰画像を縮小して縮小画像を生成する（ステップＳ１１）。そして、縮小部３１は、閾値Ａにより縮小画像の２値化を行う（ステップＳ１２）。

算出部３２は、記憶部２１から判定パターン情報２１ｂとして記憶された判定パターンを読み出す（ステップＳ１３）。算出部３２は、歩道指標Ｐａ、非歩道指標Ｑａの算出を行っていない、未処理の判定パターンがあるか否かを判定する（ステップＳ１４）。未処理の判定パターンがない場合（ステップＳ１４否定）、処理終了となる。

一方、未処理の判定パターンがある場合（ステップＳ１４肯定）、算出部３２は、未処理の判定パターンを１つ選択する（ステップＳ１５）。算出部３２は、縮小画像内の処理が必要な全ての領域を、選択した判定パターンで処理したか否かを判定する（ステップＳ１６）。全ての領域を処理した場合（ステップＳ１６肯定）、算出部３２は、ステップＳ１４の処理へ移行する。全ての領域を処理していない場合（ステップＳ１６否定）、算出部３２は、未処理の画像領域に対して配置位置を変更して判定パターンを適用する（ステップＳ１７）。算出部３２は、適用位置の画像と判定パターンに定められた判定条件で判定する（ステップＳ１８）。そして、算出部３２は、判定結果から歩道指標Ｐａ、非歩道指標Ｑａを算出する（ステップＳ１９）。算出部３２は、算出した歩道指標Ｐａ、非歩道指標Ｑａを判定パターンの適用位置の先頭の画素に対応させて記憶させ（ステップＳ２０）、ステップＳ１６へ移行する。これにより、記憶部２１には、判定パターン毎に適用配置の先頭の画素に対応させて歩道指標Ｐａ、非歩道指標Ｑａが記憶される。

次に、本実施例に係る解析装置１０により横断歩道の有無および位置を検出する検出処理の流れを説明する。図１８は、検出処理の手順を示すフローチャートである。この検出処理は、例えば、算出処理の終了したタイミングで実行される。

図１８に示すように、検出部３４は、判定パターン毎に、縮小画像の各画素に対応して記憶された歩道指標Ｐａ、非歩道指標Ｑａについてそれぞれ縦方向の波及処理を行う（ステップＳ３０）。次に、検出部３４は、最も値の大きな歩道指標が特定されていない、未処理の横ラインがあるか否かを判定する（ステップＳ３１）。未処理の横ラインがない場合（ステップＳ３１否定）、検出部３４は、後述するステップＳ３７の処理へ移行する。

一方、未処理の横ラインがある場合（ステップＳ３１肯定）、検出部３４は、未処理の横ラインを１つ選択する（ステップＳ３２）。検出部３４は、選択した横ラインの各画素で、検出目的とする縞パターン毎に、当該縞パターンを検出目的とする判定パターンの歩道指標Ｐａ、非歩道指標Ｑａの平均値を算出する（ステップＳ３３）。そして、検出部３４は、選択した横ラインで、検出目的とする縞パターン毎に、歩道指標Ｐａ、非歩道指標Ｑａの平均値の合算値を求める（ステップＳ３４）。そして、検出部３４は、歩道指標Ｐａの合算値と非歩道指標Ｑａの合算値を用いて、補正した歩道指標を算出する（ステップＳ３５）。検出部３４は、選択した横ラインの最も値の大きな歩道指標を特定し（ステップＳ３６）、ステップＳ３１へ移行する。

検出部３４は、縞パターン毎に、各横ラインの最も値の大きな歩道指標の和を算出する（ステップＳ３７）。そして、検出部３４は、歩道指標の和が最大の歩道指標を最終的な存在可能性指標と特定する（ステップＳ３８）。また、検出部３４は、最終的な存在可能性指標とされた縞パターンに関する非歩道指標Ｑａの合算値の画像内の総計して最終的な非横断歩道指標と算出する（ステップＳ３９）。

検出部３４は、最終的な存在可能性指標が閾値ｔｈ１以上であり、最終的な非横断歩道が閾値ｔｈ２以下であるか否か判定する（ステップＳ４０）。最終的な存在可能性指標が閾値ｔｈ１未満または最終的な非横断歩道が閾値ｔｈ２より大きい場合（ステップＳ４０否定）、検出部３４は、横断歩道が含まれない非横断歩道画像と判定し（ステップＳ４１）、処理を終了する。一方、最終的な存在可能性指標が閾値ｔｈ１以上であり、最終的な非横断歩道が閾値ｔｈ２以下である場合（ステップＳ４０肯定）、検出部３４は、横断歩道が含まれる横断歩道画像と判定する（ステップＳ４２）。推定部３５は、横断歩道が存在位置を推定する（ステップＳ４３）。出力部２３は、検出部３４による検出結果と横断歩道と推定された領域を出力し（ステップＳ４４）、処理を終了する。

このように、解析装置１０は、解析対象の画像として映像データを取得する。解析装置１０は、映像データの画像を変換した縮小画像に対して適用位置を変えつつ横断歩道の白線の劣化に応じた判定条件を定めた判定パターンを適用した際の合致割合を算出する。そして、解析装置１０は、算出された合致割合に基づき、横断歩道を検出する。これにより、解析装置１０によれば、白線が部分的に消えたり、欠落した横断歩道を検出できる。

また、解析装置１０は、横断歩道に対応して白線部分および白線の間部分が複数画素ずつ交互に存在すると共に、少なくとも一部の白線部分の複数の画素の何れかが白画素であることを判定条件とする判定パターン６３との合致割合を算出する。これにより、解析装置１０によれば、白線が部分的に消えた横断歩道を検出できる。

また、解析装置１０は、横断歩道に対応して白線部分および白線の間部分が交互に存在すると共に、一部の白線部分の存在の判定が不要であることを判定条件とする判定パターン６５との合致割合を算出する。これにより、解析装置１０によれば、一部の白線が欠落した横断歩道を検出できる。

また、解析装置１０は、取得した画像を縮小し、縮小された画像に対して位置を変えつつ判定パターンとの合致割合を算出する。これにより、解析装置１０によれば、横断歩道の劣化や変換歪み等に起因して取得した画像内の横断歩道の白線の画素幅に誤差がある場合でも、横断歩道を検出できる。

また、解析装置１０は、車載カメラにより撮影された画像を変換した俯瞰画像において、車載カメラにより撮影された画像から像が投影されない領域、および俯瞰画像において、車内が写った領域を特定し、特定された領域を除外して合致割合を算出する。これにより、解析装置１０によれば、合致割合を算出する領域を減少するため、合致割合を算出する処理負荷を軽減することができる。

また、解析装置１０は、算出された合致割合に基づき、画像内での横断歩道の位置を推定する。これにより、解析装置１０によれば、白線が部分的に消えたり、欠落した横断歩道の位置を推定できる。

次に、実施例２について説明する。実施例２に係る解析装置１０の構成は、図１に示した実施例１に係る解析装置１０と略同一であるため、異なる部分について説明する。

実施例２では、判定パターンとして判定用のマスク画像を記憶部２１に記憶する。そして、算出部３２は、縮小画像とマスク画像とのＯＲ、ＡＮＤ、ＸＯＲ、ＮＡＮＤ、ＮＯＲなどの論理演算を行うことで、解析対象の画像の各画素がそれぞれ判定条件に合致するか、合致しないか、判定対象外か、暫定的に合致となったか、の４つに判定する。

ここで、マスク画像および判定条件に合致するか否かを判定する論理演算について説明する。図１９は、マスク画像による論理演算の一例を説明する図である。図１９の例では、判定対象の画像１００に対して判定パターン１０１による横断歩道の検出を行うものとする。判定対象の画像１００は、縮小部３１の処理により、各画素が画素値が「１」の白画素または画素値が「０」の黒画素に２値化されている。判定パターン１０１は、部分１０１ａが白線を示す白画素であることが判定条件とする。この場合、マスク画像１０２は、白画素であることが判定条件とする部分１０２ａを「１」とする。なお、マスク画像１０２は、説明を簡略化するため、部分１０２ａ以外を「０」としている。

画像１０３は、画像１００とマスク画像１０２について対応する画素毎に、ＡＮＤの論理演算を行った結果である。画像１０３では、部分１０２ａに対応する部分１０３ａについて、画像１００で「１」の画素が「１」の画素となり、「０」の画素が「０」の画素となる。すなわち、画像１０３の部分１０３ａで「１」となった画素は、白画素である。よって、「１」となった画素は、判定条件に合致すると判定できる。

一方、画像１０４は、画像１００とマスク画像１０２について対応する画素毎に、ＸＯＲの論理演算を行った結果である。画像１０４では、部分１０２ａに対応する部分１０４ａについて、画像１００で「０」の画素が「１」の画素となり、「１」の画素が「０」の画素となる。すなわち、画像１０４の部分１０４ａで「０」となった画素は、黒画素である。よって、「１」となった画素は、判定条件に合致しない判定できる。

図２０は、マスク画像による論理演算の他の一例を説明する図である。図２０の例では、判定対象の画像１１０に対して判定パターン１１１による横断歩道の検出を行うものとする。判定対象の画像１１０は、縮小部３１の処理により、各画素が画素値が「１」の白画素または画素値が「０」の黒画素に２値化されている。判定パターン１１１は、部分１１１ａが白線の間部分を示す黒画素であることが判定条件とする。この場合、マスク画像１１２は、黒画素であることが判定条件とする部分１１２ａを「０」とする。

画像１１３は、画像１１０とマスク画像１１２について対応する画素毎に、ＮＯＲの論理演算を行った結果である。画像１１３では、部分１１２ａに対応する部分１１３ａについて、画像１１０で「０」の画素が「１」の画素となり、「１」の画素が「０」の画素となる。すなわち、画像１１３の部分１１３ａで「１」となった画素は、黒画素である。よって、「１」となった画素は、判定条件に合致すると判定できる。

一方、画像１１４は、画像１１０とマスク画像１１２について対応する画素毎に、ＯＲの論理演算を行った結果である。画像１１４では、部分１１２ａに対応する部分１１４ａについて、画像１１０で「０」の画素が「０」の画素となり、「１」の画素が「１」の画素となる。すなわち、画像１１４の部分１１４ａで「１」となった画素は、白画素である。よって、「１」となった画素は、判定条件に合致しない判定できる。

図２１は、マスク画像による論理演算の他の一例を説明する図である。図２１の例では、判定対象の画像１２０に対して判定パターン１２１による横断歩道の検出を行うものとする。判定対象の画像１２０は、縮小部３１の処理により、各画素が画素値が「１」の白画素または画素値が「０」の黒画素に２値化されている。判定パターン１２１は、部分１２１ａ、１２１ｂについてそれぞれ何れかが白画素であるか否かを判定条件とする。この場合、マスク画像１２２は、何れかが白画素であるか判定する部分を「１」としたものを個別に用意する。すなわち、何れかが白画素であるか判定する部分が複数ある場合、マスク画像は、何れかが白画素であるか判定する部分をそれぞれ個別に「１」としたものを用意する。図２１の例では、マスク画像１２３、１２４を用意している。マスク画像１２３は、部分１２１ａに対応する部分１２３ａを「０」とし、部分１２１ｂに対応する部分１２３ｂを「１」とする。マスク画像１２４は、部分１２１ａに対応する部分１２４ａを「１」とし、部分１２１ｂに対応する部分１２４ｂを「０」とする。

画像１２５は、画像１２０とマスク画像１２３について対応する画素毎に、ＡＮＤの論理演算を行った結果である。画像１２６は、画像１２０とマスク画像１２４について対応する画素毎に、ＡＮＤの論理演算を行った結果である。画像１２７は、画像１２５と画像１２６について対応する画素毎に、ＯＲの論理演算を行った結果である。画像１２７では、部分１２７ａ、１２７ｂについて、画像１２０で「０」の画素が「０」の画素となり、「１」の画素が「１」の画素となる。すなわち、部分１２７ａ、１２７ｂに「１」となった画素は、白画素である。よって、「１」となった画素は、判定条件に合致した画素と判定できる。

画像１２５、１２６について、それぞれ各画素の画素値の和、または、各画素の画素値の最大値をそれぞれ画素値とする画像１２８、１２９を作成する。なお、本実施では、画素値の和、または、画素値の最大値が１以上の場合、画素値の和、または、画素値の最大値を１と看做して画像１２８、１２９を作成する。

画像１３０は、画像１２５と画像１２８ついて対応する画素毎に、ＸＯＲの論理演算を行った画像に、さらに、対応する画素毎に、マスク画像１２３とのＡＮＤの論理演算を行った結果である。画像１３１は、画像１２５と画像１２９ついて対応する画素毎に、ＸＯＲの論理演算を行った画像に、さらに、対応する画素毎に、マスク画像１２４とのＡＮＤの論理演算を行った結果である。画像１３２は、画像１３１と画像１３２について対応する画素毎に、ＯＲの論理演算を行った結果である。画像１３２では、部分１３２ｂについて、画像１２０で「１」の画素が「０」の画素となり、「０」の画素が「１」の画素となる。すなわち、画像１３２の部分１３２ａ、１３２ｂで「１」となった画素は、判定条件に暫定的に合致した画素と判定できる。

画像１３３は、マスク画像１２３とマスク画像１２４ついて対応する画素毎に、ＯＲの論理演算を行った結果である。画像１３４は、画像１２７と画像１３２について対応する画素毎に、ＯＲの論理演算を行った画像に、さらに、対応する画素毎に、画像１３３とのＸＯＲの論理演算を行った結果である。画像１３４は、部分１３４ａ、１３４ｂについて、判定条件に合致した画素および暫定的に合致した画素以外の画素が「１」の画素となる。すなわち、画像１３４の部分１３４ａ、１３４ｂで「１」となった画素は、判定条件に合致しない画素と判定できる。

図２２は、マスク画像による論理演算の他の一例を説明する図である。図２２の例では、判定対象の画像１４０に対して判定パターン１４１による横断歩道の検出を行うものとする。判定対象の画像１４０は、縮小部３１の処理により、各画素が画素値が「１」の白画素または画素値が「０」の黒画素に２値化されている。判定パターン１４１は、部分１４１ａについて白線部分の存在の判定が不要であることを判定条件とする。この場合、マスク画像１４２は、白線部分の存在の判定が不要である部分を「１」とし、その他の部分を「０」とする。算出部３２は、縮小画像に対して適用位置を変えつつマスク画像１４２を用いて判定を行う際に、マスク画像１４２の「１」の画素に対応する縮小画像の画素を判定対象外の画素とする。

このように、本実施例に係る解析装置１０では、判定条件に応じた判定用のマスク画像を判定パターンとして記憶部２１に記憶させる。そして、本実施例に係る解析装置１０では、算出部３２が、縮小画像に対してマスク画像を用いて論理演算を行うことで、縮小画像の各画素がそれぞれ判定条件に合致するか、合致しないか、判定対象外か、暫定的に合致となったか、の４つに判定できる。

次に、実施例３について説明する。図２３は、解析装置の構成の一例を示す図である。なお、図１に示した実施例１に係る解析装置と同一の部分については、同一の符号を付し、異なる部分について説明する。

外部装置１１は、映像データと共に、当該映像データを撮影した車載カメラが搭載された車両の速度データが記憶されている。速度データは、映像データの各シーンでの車両速度が記録されている。よって、速度データから映像データの各シーンでの車両の速度を求めることができる。外部Ｉ／Ｆ２０は、外部装置１１から映像データと共に速度データを取得する。記憶部２１には、取得された映像データ２１ａおよび速度データ２１ｃが記憶される。

制御部２２は、判別部３６をさらに有する。

検出部３４は、横断歩道が検出された画像から横断歩道までの距離をさらに検出する。検出部３４は、画像に横断歩道がある場合に、その画像内推定位置から、自車と横断歩道の距離を概算する。俯瞰画像内のある画素上の点に対応する被写体は、路面上にあると仮定すると、俯瞰変換時の俯瞰カメラのカメラ位置、回転角度、焦点距離及び素子サイズ、画面画素サイズ等の各種パラメータを用いて世界座標系の値に変換することができる。そして、車載カメラと被写体との距離は、撮影時の車載カメラのカメラ位置、回転角度、焦点距離及び素子サイズ、画面画素サイズ等の各種パラメータを用いて推定できる。

図２４は、車載カメラと被写体との距離の推定を説明するための図である。俯瞰画像上の点Ｐ２（ｓ，ｔ）[dot]は、俯瞰カメラ１５０の焦点距離ｆ２[mm]、撮像素子サイズ（ｄｘ２、ｄｙ２）[mm]、撮像画像の画素サイズ（Ｗ２、Ｈ２）[dot]を用いて、俯瞰カメラ１５０のレンズ中心を原点とする俯瞰カメラ座標系の座標Ｐ２’で表せる。そして、俯瞰カメラ座標系の座標Ｐ２’は、俯瞰カメラ１５０の世界座標系での配置を示すカメラ中心位置（ＣＸ_２,Ｃｙ_２，Ｃｚ_２）と世界座標系に対する各軸での回転角（α_２、β_２、γ_２）を用いて、世界座標系の座標Ｐ（ｘ，ｙ，ｚ）に変換できる。一方、車載カメラ１５１と世界座標系の配置位置関係から、車載カメラ１５１の路面位置から世界座標系の任意点までの路面上の距離Ｌを以下のように求めることができる。

Ｌ＝＝｛（Ｃｘ_１−ｘ）^２＋（ＣＹ_１−ｙ）^２｝^１／２

ここで、解析装置１０は、変換部３０により撮影画像を俯瞰画像に変換するため、俯瞰カメラ１５０と車載カメラ１５１の位置関係及び世界座標系に対する位置（カメラパラメータ）が定まっている。このため、俯瞰画像の被写体が路面にあると仮定した場合、俯瞰投影画像に写る被写体の位置から車載カメラ１５１からの距離を算出できる。例えば、検出部３４は、縮小画像内での横断歩道の位置から俯瞰画像内の横断歩道の推定位置を逆算して俯瞰画像内の横断歩道の推定位置を求める。次に、検出部３４は、俯瞰画像内の横断歩道の推定位置からカメラ位置、回転角度、焦点距離及び素子サイズ、画面画素サイズ等のパラメータを用いて俯瞰カメラ座標系の座標を求める。次に、検出部３４は、カメラ中心位置と世界座標系に対する各軸での回転角を用いて、世界座標系の座標Ｐを求める。そして、検出部３４は、俯瞰カメラ１５０と車載カメラ１５１の位置関係及び世界座標系に対する位置から世界座標系の座標Ｐの車載カメラからの距離Ｌを検出する。すなわち、検出部３４は、便宜的に車載カメラ１５１の位置を自車代表点とするならば、画像に映っている横断歩道と自車代表点との相対位置を検出できる。

判別部３６は、検出部３４により横断歩道が検出された画像から映像データ２１ａを遡って、自車と横断歩道の距離が所定の距離となる画像を探す。例えば、判別部３６は、記憶部２１に記憶された速度データ２１ｃから、映像データ２１ａを遡った各画像を撮影した際の速度を求める。そして、判別部３６は、速度と画像のフレーム間隔に応じて、検出部３４により検出された自車と横断歩道の距離を更新して、横断歩道の通過シーンの開始位置となる所定の距離の画像を判別する。判別部３６は、例えば、自車の速度から実際に自車が移動した距離を推定しながら、下記式となる時刻ｉの画像Ｃを探す。

｜Ｍ−Ｌa｜≦｛Ｅ（ａ,ａ−１）＋Ｅ（ａ−１,ａ−２）＋
Ｅ（ａ−２,ａ−３）＋・・・＋Ｅ（ａ−ｉ−１,ａ−ｉ）｝
ここで、Ｍは所定の距離
Ｌａは、横断歩道が存在した時刻ａの画像Ａでの横断歩道と自車との距離
Ｅ(ｉ,ｉ−１)は、時刻ｉの画像と時刻（ｉ−１）の画像間の走行距離
時刻ｉ≦時刻ａ

また、判別部３６は、検出部３４により横断歩道が検出された画像から映像データ２１ａを下って、所定の距離となる画像を探す。例えば、判別部３６は、記憶部２１に記憶された速度データ２１ｃから、映像データ２１ａを下った各画像を撮影した際の速度を求める。そして、判別部３６は、速度と画像のフレーム間隔に応じて、検出部３４により検出された自車と横断歩道の距離を更新して、横断歩道の通過シーンの終了位置となる所定の距離の画像を判別する。判別部３６は、例えば、自車の速度から実際に自車が移動した距離を推定しながら、下記式となる時刻ｋの画像を探す。

｜Ｌa−Ｎ｜≦｛Ｅ（ａ,ａ＋１）＋Ｅ（ａ＋１,ａ＋２）＋
Ｅ（ａ＋２,ａ＋３）＋・・・＋Ｅ（ａ＋ｋ−１,ａ＋ｋ）｝
ここで、Ｎは所定の距離であり、負でもよい。
Ｅ(ｋ,ｋ−１)は、時刻ｋの画像と時刻（ｉ−１）の画像間の走行距離
時刻ｋ≧時刻ａ
横断歩道が自車の手前〜自車位置にくるシーンだけでなく、さらに自車の後方に消えていく画像も含めたシーンも判定できるようにするため、Ｎは負の値でもよいものとしている。

なお、車載カメラの移動距離は、疑似的に車載カメラを搭載した車両の移動距離と看做すことができるため、車載カメラの移動距離の代用として用いている。

判別部３６は、映像データ２１ａに時刻ｉ〜時刻ｋまでの画像群のシーンが交差点シーンに属することを記録する。例えば、判別部３６は、交差点シーンだけ抜き出して活用できるように、交差点シーンデータ群として、シーンの開始位置及び終了位置に対する映像番号及び映像フレーム番号を通過シーン情報として記録する。なお、判別部３６は、映像データ２１ａから交差点シーンに属する画像群を丸ごと複写して記録してもよい。この結果、大量の車載記録データ内から、交差点に関するシーンのデータを簡単に取得参照することが可能となる。

なお、判別部３６は、横断歩道を検知した画像が連続している場合、時間を下る方向への探索を開始する画像を、横断歩道を検知した画像のうち最も時刻が遅い画像としてもよい。また、判別部３６は、横断歩道を検知した画像が連続している場合、逆に時間を遡る方向への探索を開始する画像を、連続した画像群のうち最も時刻が早い画像としてもよい。

図２５は、交差点シーンを特定する流れの一例の模式的に示した図である。例えば、図２５に示すように、画像Ａ〜Ｂまで連続して横断歩道を検知している場合、判別部３６は、最も時刻が早い画像Ａから時間を遡って、自車との距離が所定の距離の画像Ｃを検知する。また、判別部３６は、最も時刻の遅い画像Ｂから時間を下って、自車との距離が所定の距離の画像Ｄを検知する。交差点シーン判定部は、この結果、画像Ｃ〜Ｄまでを交差点シーンＥとして判定する。

このように、解析装置１０は、車載カメラにより連続的に撮影された画像および前記車載カメラが搭載された車両の速度データ２１ｃを取得する。また、解析装置１０は、横断歩道が検出された画像から横断歩道までの距離を検出する。そして、解析装置１０は、検出された横断歩道までの距離および速度データ２１ｃに基づき、映像データ２１ａから、横断歩道との距離が所定範囲となる画像を判別する。よって、解析装置１０によれば、映像データ２１ａから横断歩道との距離が所定範囲となるシーンを簡単に取得参照することが可能となる。

さて、これまで開示の装置に関する実施例について説明したが、開示の技術は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下では、本発明に含まれる他の実施例を説明する。

例えば、上記の実施例では、車載カメラの画像を変換部３０により俯瞰画像に変換して横断歩道の検出を行う場合について説明したが、開示の装置はこれに限定されない。例えば、外部装置から取得される検出対象の画像が俯瞰画像である場合、変換部３０により変換を行う必要がない。

また、上記の実施例では、白画素、黒画素を２値の画像に対して判定パターンによる判定を行う場合について説明したが、これに限定されない。例えば、判定パターンとして白線と判定する閾値、白線の間と判定する閾値を定め、白線と判定する閾値を定め、グレイスケールの画像に対して判定を行うものとしてもよい。

また、上記の実施例では、歩道指標Ｐａ、非歩道指標Ｑａから最終的な存在可能性指標や最終的な非横断歩道指標を求めて横断歩道の有無の検出を行う場合について説明したが、これに限定されない。例えば、画像に対して適用位置を変えつつ各判定パターンを適用した判定を行った結果、何れかの判定パターンで判定条件に合致する割合が高い領域が所定範囲以上ある場合、横断歩道が含まれると検出してもよい。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的状態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、解析装置１０の変換部３０、縮小部３１、算出部３２、特定部３３、検出部３４、推定部３５、判別部３６の各処理部が適宜統合されてもよい。また、各処理部の処理が適宜複数の処理部の処理に分離されてもよい。さらに、各処理部にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

［解析プログラム］
また、上記の実施例で説明した各種の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータシステムで実行することによって実現することもできる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータシステムの一例を説明する。図２６は、解析プログラムを実行するコンピュータを示す図である。

図２６に示すように、コンピュータ３００は、ＣＰＵ（Central Processing Unit）３１０、ＨＤＤ（Hard Disk Drive）３２０、ＲＡＭ（Random Access Memory）３４０を有する。これら３００〜３４０の各部は、バス４００を介して接続される。

ＨＤＤ３２０には上記の解析装置１０の変換部３０、縮小部３１、算出部３２、特定部３３、検出部３４、推定部３５、判別部３６と同様の機能を発揮する解析プログラム３２０ａが予め記憶される。なお、解析プログラム３２０ａについては、適宜分離してもよい。

また、ＨＤＤ３２０は、各種情報を記憶する。例えば、ＨＤＤ３２０は、図１や図２３に示した映像データ２１ａ、判定パターン情報２１ｂ、速度データ２１ｃに対応する映像データ３２０ｂ、判定パターン情報３２０ｃ、速度データ３２０ｄを記憶する。

そして、ＣＰＵ３１０が、解析プログラム３２０ａをＨＤＤ３２０から読み出してＲＡＭ３４０に展開し、ＨＤＤ３２０に記憶された映像データ３２０ｂ、判定パターン情報３２０ｃ、速度データ３２０ｄを用いて各処理を実行する。すなわち、解析プログラム３２０ａは、縮小部３１、算出部３２、特定部３３、検出部３４、推定部３５、判別部３６と同様の動作を実行する。

なお、上記した解析プログラム３２０ａについては、必ずしも最初からＨＤＤ３２０に記憶させることを要しない。

例えば、コンピュータ３００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」にプログラムを記憶させておく。そして、コンピュータ３００がこれらからプログラムを読み出して実行するようにしてもよい。

さらには、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ３００に接続される「他のコンピュータ（またはサーバ）」などにプログラムを記憶させておく。そして、コンピュータ３００がこれらからプログラムを読み出して実行するようにしてもよい。

１０ 解析装置
２０ 外部Ｉ／Ｆ
２１ｂ 判定パターン情報
３０ 変換部
３１ 縮小部
３２ 算出部
３３ 特定部
３４ 検出部
３５ 推定部
６３ 判定パターン
６５ 判定パターン
８５ 判定パターン

Claims (9)

1. 解析対象の画像を取得する取得部と、
   前記取得部により取得された画像に対して適用位置を変えつつ横断歩道の白線の劣化に応じた判定条件を定めた判定パターンを適用した際の合致割合を算出する算出部と、
   前記算出部により算出された合致割合に基づき、横断歩道を検出する検出部と、
   を有することを特徴とする解析装置。
2. 前記算出部は、横断歩道に対応して白線部分および白線の間部分が複数画素ずつ交互に存在すると共に、少なくとも一部の白線部分の複数の画素の何れかが所定輝度以上であることを判定条件とする判定パターンとの合致割合を算出する
   ことを特徴とする請求項１に記載の解析装置。
3. 前記算出部は、横断歩道に対応して白線部分および白線の間部分が交互に存在すると共に、一部の白線部分の存在の判定が不要であることを判定条件とする判定パターンとの合致割合を算出する
   ことを特徴とする請求項１または２に記載の解析装置。
4. 前記取得部により取得された画像を縮小する縮小部をさらに有し、
   前記算出部は、前記縮小部により縮小された画像に対して位置を変えつつ前記判定パターンとの合致割合を算出する
   ことを特徴とする請求項１〜３の何れか１つに記載の解析装置。
5. 前記取得部は、車載カメラにより撮影された画像を取得し、
   前記取得部により取得された画像を俯瞰画像に変換する変換部と、
   前記変換部により変換された俯瞰画像において、前記車載カメラにより撮影された画像から像が投影されない領域、および前記俯瞰画像において、車内が写った領域の少なくとも一方を特定する特定部と、をさらに有し、
   前記算出部は、前記俯瞰画像に対して前記特定部により特定された領域を除外して前記合致割合を算出する
   ことを特徴とする請求項１〜４の何れか１つに記載の解析装置。
6. 前記算出部により算出された合致割合に基づき、画像内での横断歩道の位置を推定する推定部をさらに有する
   ことを特徴とする請求項１〜５の何れか１つに記載の解析装置。
7. 前記取得部は、車載カメラにより連続的に撮影された画像および前記車載カメラが搭載された車両の速度データを取得し、
   前記検出部は、横断歩道が検出された画像から横断歩道までの距離を検出し、
   前記検出部により検出された横断歩道までの距離および前記取得部により取得された速度データに基づき、前記連続的に撮影された画像から、横断歩道との距離が所定範囲となる画像を判別する判別部をさらに有する
   ことを特徴とする請求項１〜６の何れか１つに記載の解析装置。
8. コンピュータに、
   解析対象の画像に対して位置を変えつつ横断歩道の白線の劣化に応じた判定条件を定めた判定パターンとの合致割合を算出し、
   算出された合致割合に基づき、横断歩道を検出する
   処理を実行させることを特徴とする解析プログラム。
9. コンピュータが、
   解析対象の画像に対して位置を変えつつ横断歩道の白線の劣化に応じた判定条件を定めた判定パターンとの合致割合を算出し、
   算出された合致割合に基づき、横断歩道を検出する
   処理を実行することを特徴とする解析方法。