JP2018106666A - 情報処理装置、情報処理方法およびプログラム - Google Patents

Abstract

【課題】交差点など見通しが悪い場所において車両の安全運転を支援することができる情報処理装置を提供することを目的とする。【解決手段】車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて画像に映るカーブミラーおよびカーブミラーに映る物体を検出する検出処理部１２ａと、検出されたカーブミラーにおける物体の位置を算出する算出部１０１Ａと、算出された前記カーブミラーにおける物体の位置に基づいて運転支援情報を生成する生成部と、生成された運転支援情報を出力する出力部と、を備える。【選択図】図２６

Description

本開示は、情報処理装置、情報処理方法およびプログラムに関する。

交差点など車両の運転者にとって見通しが悪い場所では、例えば他の車両または歩行者と接触したり衝突したりするような事故が起こりやすい。そのため、交差点などの場所で事故の発生に繋がるような危険を予測し、事故の発生を防止できる技術の開発が期待されている。

例えば特許文献１には、ドライブレコーダで記録されたデータを活用することで車両をより安全に走行させる技術について開示されている。この特許文献１では、このドライブレコーダでは車両に特異な事が発生したときの走行状況を示すデータを記録する。そして、ドライブレコーダで記録したデータから把握される当該走行状況が再現されることが予測されるとき、ドライバーに注意を喚起する。このようにして、安全性を高めることができるので、車両をより安全に走行させることができる。

特開２００７−１９３５７７号公報

しかしながら、ドライブレコーダが観測したデータを直接的に活用して危険を予測する方法では、ヒヤリハットに繋がる特異な事が発生する時間的区間が短いため、当該特異な事が発生した際の走行状況を示すデータを十分に記録することが困難な場合がある。したがって、当該走行状況の再現を予測すること、ひいては事故の発生に繋がるような危険を予測することは難しい。換言すると、上記従来技術では、事故の発生に繋がるような危険を予測し、車両を制御したりドライバーに注意を喚起したりするなどの運転支援を行うことは難しい。特に、見通しが悪い場所では観測範囲が狭くなるなどの観測条件が悪化するため、ドライブレコーダが観測するデータに不足が生じやすい。

本開示は、上述の事情に鑑みてなされたものであり、交差点など見通しが悪い場所において、車両の安全運転を支援することができる情報処理装置等を提供することを目的とする。

上記目的を達成するために、本開示の一態様に係る情報処理装置は、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて前記画像に映るカーブミラーおよび前記カーブミラーに映る物体を検出する検出部と、検出された前記カーブミラーにおける前記物体の位置を算出する算出部と、算出された前記カーブミラーにおける前記物体の位置に基づいて運転支援情報を生成する生成部と、生成された前記運転支援情報を出力する出力部と、を備える。

なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータで読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。

本開示によれば、交差点など見通しが悪い場所において車両の安全運転を支援することができる情報処理装置等を実現できる。

図１は、実施の形態１におけるシステムの構成の一例を示すブロック図である。 図２は、実施の形態１における画像取得部の機能構成の一例を示す図である。 図３は、実施の形態１における画像取得部が車両に搭載された際の様子の一例を示す図である。 図４は、実施の形態１における画像取得部が取得した画像の一例の説明図である。 図５は、単純な円または矩形等の検出に基づくカーブミラーの検出の説明図である。 図６は、統計的画像認識に基づくカーブミラーの検出の説明図である。 図７は、Deep Learningを利用したカーブミラーに映る動物体の認識方法の説明図である。 図８は、実施の形態１における算出部の機能構成の一例を示す図である。 図９は、実施の形態１における算出部が行う算出処理の一例を示す説明図である。 図１０は、実施の形態１における死角判定部が行う死角判定処理の一例を示す説明図である。 図１１は、カーブミラーの死角の説明図である。 図１２は、実施の形態１における出力処理部の機能構成の一例を示す図である。 図１３は、図９の（ｂ）における物体のサイズの変化量を示す概念図である。 図１４は、実施の形態１における曲線カーブ道路の一例を示す図である。 図１５は、実施の形態１における出力処理部が行う出力処理の一例を示す説明図である。 図１６は、実施の形態１におけるＴ字交差点の一例を示す図である。 図１７は、実施の形態１における出力処理部が行う出力処理の別の一例を示す説明図である。 図１８は、実施の形態１におけるシステムの情報処理方法の概要を示すフローチャートである。 図１９は、実施の形態１におけるシステムの情報処理方法の詳細を示すフローチャートである。 図２０は、実施の形態１の変形例１における出力処理部が行う危険予測処理の一例を示す説明図である。 図２１は、実施の形態１の変形例１における出力処理部が行う危険予測処理の一例を示す説明図である。 図２２は、実施の形態１の変形例２における出力処理部が行う危険予測処理の一例を示す説明図である。 図２３は、実施の形態１の変形例２における出力処理部が行う危険予測処理の一例を示す説明図である。 図２４は、実施の形態１の変形例３における出力処理部が行う危険予測処理の一例を示す説明図である。 図２５は、実施の形態１の変形例３における出力処理部が行う危険予測処理の一例を示す説明図である。 図２６は、実施の形態２におけるシステムの構成の一例を示すブロック図である。 図２７Ａは、交差点で一時停止した車両の運転者が視認したカーブミラー内に映る物体の一例を示す図である。 図２７Ｂは、カーブミラーの特性の説明図である。 図２７Ｃは、カーブミラーの特性の説明図である。 図２８は、実施の形態２における算出部の機能構成の一例を示す図である。 図２９Ａは、図２８に示す物体位置算出部が算出する物体の位置の一例を示す図である。 図２９Ｂは、図２８に示す路面領域算出部が算出する路面領域の一例を示す図である。 図３０は、図２８に示す中心軸算出部が算出する中心軸の算出方法の説明図である。 図３１は、実施の形態２における出力処理部の機能構成の一例を示す図である。 図３２は、実施の形態２におけるカーブミラー内の物体の位置の一例を示す図である。 図３３は、実施の形態２におけるカーブミラーの奥側に物体が位置する場合の危険度の説明図である。 図３４は、実施の形態２におけるカーブミラーの奥側に物体が位置する場合の危険度の説明図である。 図３５は、実施の形態２におけるカーブミラーの奥側に物体が位置する場合の危険度の説明図である。 図３６は、実施の形態２におけるカーブミラーの手前側に物体が位置する場合の危険度の説明図である。 図３７は、実施の形態２におけるカーブミラーの手前側に物体が位置する場合の危険度の説明図である。 図３８は、実施の形態２におけるカーブミラーの手前側に物体が位置する場合の危険度の説明図である。 図３９は、実施の形態２におけるＴ字交差点の一例を示す図である。 図４０は、実施の形態２における出力処理部が行う出力処理の別の一例を示す説明図である。 図４１は、実施の形態２におけるシステムの情報処理方法の概要を示すフローチャートである。 図４２は、実施の形態２におけるシステムの情報処理方法の詳細を示すフローチャートである。 図４３は、実施の形態２の変形例１における出力処理部が行う危険予測処理の一例を示す説明図である。 図４４は、実施の形態２の変形例２における出力処理部が行う危険予測処理の一例を示す説明図である。 図４５は、実施の形態２の変形例３における出力処理部が行う危険予測処理の一例を示す説明図である。 図４６は、実施の形態３におけるシステムの構成の一例を示すブロック図である。 図４７は、実施の形態３における特徴判定部の機能構成の一例を示す図である。 図４８は、ダイナミックマップの一例を示す説明図である。 図４９Ａは、実施の形態３における画像に映るカーブミラーの周囲環境の一例である。 図４９Ｂは、実施の形態３における画像に映るカーブミラーの周囲環境の一例である。 図４９Ｃは、実施の形態３における画像に映るカーブミラーの周囲環境の一例である。 図４９Ｄは、実施の形態３における画像に映るカーブミラーの周囲環境の一例である。 図４９Ｅは、実施の形態３における画像に映るカーブミラーの周囲環境の一例である。 図５０は、実施の形態３における設置場所取得部が用いるマップの一例を示す図である。 図５１は、実施の形態３における第１危険度判定部が判定に用いるローカルダイナミックマップの一例を示す図である。 図５２は、実施の形態３における第１危険度判定部が判定に用いるローカルダイナミックマップの一例を示す図である。 図５３は、実施の形態３における第１危険度判定部が判定に用いるローカルダイナミックマップの一例を示す図である。 図５４は、実施の形態３における第１危険度判定部が判定に用いるローカルダイナミックマップの一例を示す図である。 図５５は、実施の形態３における出力処理部の機能構成の一例を示す図である。 図５６は、実施の形態３における出力処理部が行う出力処理の一例を示す説明図である。 図５７は、実施の形態３における出力処理部が行う出力処理の一例を示す説明図である。 図５８は、実施の形態３におけるシステムの情報処理方法の概要を示すフローチャートである。 図５９は、実施の形態３におけるシステムの情報処理方法の詳細を示すフローチャートである。 図６０は、実施の形態３の変形例１における第２危険度判定部が行う第２危険度判定処理の一例を示す説明図である。 図６１は、実施の形態３の変形例２における第２危険度判定部が行う第２危険度判定処理の一例を示す説明図である。 図６２は、実施の形態３の変形例３における第２危険度判定部が行う第２危険度判定処理の一例を示す説明図である。

本開示の一形態に係る情報処理装置は、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて前記画像に映るカーブミラーおよび前記カーブミラーに映る物体を検出する検出部と、検出された前記カーブミラーにおける前記物体の位置を算出する算出部と、算出された前記カーブミラーにおける前記物体の位置に基づいて運転支援情報を生成する生成部と、生成された前記運転支援情報を出力する出力部と、を備える。

これにより、交差点など見通しが悪い場所においてカーブミラーを利用することで、車両の運転支援情報を出力することができるので、車両の安全運転を支援することができる。

ここで、例えば、前記生成部は、前記物体と、前記画像に映る道路から特定される前記カーブミラーにおける領域と、の位置関係に応じて前記運転支援情報を生成するとしてもよい。

また、例えば、前記算出部は、前記カーブミラーにおける前記物体の位置を算出する物体位置算出部と、前記カーブミラー内における路面領域を算出する路面領域算出部と、算出された前記路面領域の中心軸を算出する中心軸算出部と、を備え、前記生成部は、前記物体位置算出部により算出された前記物体の位置と、前記中心軸算出部により算出された前記中心軸と、の位置関係に応じて前記運転支援情報を生成するとしてもよい。

また、例えば、前記生成部は、前記物体が前記画像において前記中心軸よりも上に位置している場合、前記車両に前記物体を回避させるための前記運転支援情報を生成するとしてもよい。

これにより、物体が車両に近い場合に物体を回避することができ、物体および車両の安全性を確保することができる。

また、例えば、前記生成部は、前記算出部により算出された前記位置と前記カーブミラーの中心線との位置関係に基づいて前記運転支援情報を生成するとしてもよい。

また、例えば、前記生成部は、（ｉ）前記カーブミラーが前記車両からみて左に向いている場合に、前記物体が前記画像において前記中心線よりも右に位置しているとき、又は（ｉｉ）前記カーブミラーが前記車両からみて右に向いている場合に、前記物体が前記画像において前記中心線よりも左に位置しているときは、前記車両に前記物体を回避させるための前記運転支援情報を生成するとしてもよい。

これにより、物体が車両に近い場合に物体を回避することができ、物体および車両の安全性を確保することができる。また、道路の中心軸を特定するような複雑な処理を省くことができ、処理速度を向上させることができる。

また、例えば、前記運転支援情報は、前記車両が前記カーブミラーに向かう方向へ進行する状況における、前記物体の前記カーブミラーにおける位置から予測される危険性に応じて出力されるとしてもよい。

また、例えば、前記算出部は、さらに、前記カーブミラーを基準とした前記物体のサイズを算出する物体サイズ算出部を備え、前記生成部は、算出された前記物体の前記カーブミラーにおける位置と、算出された前記物体のサイズとに基づいて前記運転支援情報を生成するとしてもよい。

ここで、例えば、前記生成部は、時系列に連続する少なくとも２つの画像の各々に映る前記物体それぞれのサイズの変化情報および前記物体の前記カーブミラーにおける位置に応じて前記運転支援情報を生成するとしてもよい。

また、例えば、前記運転支援情報は、前記車両の挙動の制御指令情報を含むとしてもよい。

また、例えば、前記運転支援情報は、前記車両の乗員へ提示される提示情報を含むとしてもよい。

また、例えば、前記情報処理装置は、前記カーブミラーに映る物体を認識する認識部を備えるとしてもよい。

また、例えば、前記生成部は、前記運転支援情報を、前記認識部により認識された前記物体の属性に応じて生成するとしてもよい。

また、例えば、前記生成部は、前記認識部により認識された前記物体の属性が人物の場合、前記認識部により認識された前記物体の年齢に関する情報に応じて前記運転支援情報を変化させて生成するとしてもよい。

また、例えば、前記生成部は、前記認識部により認識された前記物体の属性が人物の場合、前記認識部により認識された前記物体が不注意行動をしているか否かに応じて前記運転支援情報を変化させて生成するとしてもよい。

また、例えば、前記生成部は、さらに、時系列に連続する複数の画像のうちの少なくとも１つの画像おいて前記認識部により認識された前記物体が、前記少なくとも１つ画像より時系列的に後の画像において前記認識部により認識されない場合に、前記運転支援情報を生成するとしてもよい。

また、例えば、前記生成部は、前記１つの画像に映る前記物体の位置と、前記後の画像において前記物体が前記認識部により認識されないことと、に基づいて前記運転支援情報を生成するとしてもよい。

本開示の一形態に係る情報処理方法は、プロセッサを用いて、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて前記画像に映るカーブミラーおよび前記カーブミラーに映る物体を検出し、検出された前記カーブミラーにおける前記物体の位置を算出し、算出された前記カーブミラーにおける前記物体の位置に基づいて運転支援情報を生成し、生成された前記運転支援情報を出力する。

本開示の一形態に係るプログラムは、情報処理方法を行うコンピュータに読み取り可能なプログラムであって、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて前記画像に映るカーブミラーおよび前記カーブミラーに映る物体を検出し、検出された前記カーブミラーにおける前記物体の位置を算出し、算出された前記カーブミラーにおける前記物体の位置に基づいて運転支援情報を生成し、生成された前記運転支援情報を出力する。

以下、本開示の実施の形態について、図面を参照しながら説明する。

以下で説明する実施の形態は、いずれも本開示の一具体例を示すものである。以下の実施の形態で示される数値、形状、構成要素、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また全ての実施の形態において、各々の内容を組み合わせることもできる。

（実施の形態１）
［システム１の構成］
図１は、実施の形態１におけるシステム１の構成の一例を示すブロック図である。

図１に示すシステム１は、例えば自動車などの車両に搭載され、情報処理装置１０と、画像取得部１１と、検出処理部１２ａとを備え、当該車両の運転支援情報を出力する。これらの構成等の詳細について以下説明する。なお、画像取得部１１と、検出処理部１２ａとは、図１に示す場合に限らず、情報処理装置１０に備えられてもよい。

ここで、見通しの悪い場所にはカーブミラーが設置されていることが多い。例えば、カーブミラーは、見通しの悪い交差点または先の見えにくいカーブで直接見えない様子を目視できるように道路に設置される、補助的な安全確認のための凸面鏡である。そこで、情報処理装置１０は、カーブミラーを利用することで当該車両のより安全な運転を支援する。なお、以下のカーブミラーは、物理的に存在する円状または矩形状の鏡を備えるが、直接見えない様子を画像により表示する円状または矩形状の電子ミラーを備えてもよい。

［画像取得部１１］
図２は、実施の形態１における画像取得部１１の機能構成の一例を示す図である。図３は、実施の形態１における画像取得部１１が車両に搭載された際の様子の一例を示す図である。図４は、実施の形態１における画像取得部１１が取得した画像の一例の説明図である。

画像取得部１１は、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報を取得する。本実施の形態では、画像取得部１１は、図２に示すように、センシング部１１１と画像記録部１１２とを備える。例えば画像取得部１１は、図３に示すような車載カメラであり、車両に搭載される。

センシング部１１１は、進行中の車両の前方を時系列に連続して画像を撮影し、画像記録部１１２に記録する。ここで、センシング部１１１は、カメラ等の動画像記録装置である。なお、センシング部１１１は、可視光撮影を行う可視光カメラもしくは赤外光撮影を行うInGaAsカメラであってもよい。この場合、センシング部１１１は、昼間は、可視光で画像を撮影し、夜間は赤外光で画像を撮影すればよい。

画像記録部１１２は、ＨＤＤ（Hard Disk Drive）またはメモリ等を備え、センシング部１１１が撮影した画像を記録する。

以下では、例えば図４に示す画像５０のように、交差点など見通しが悪い場所において進行中の車両の前方をセンシング部１１１が撮影した画像にカーブミラー５１が映っている場合を例に挙げて説明する。

［検出処理部１２ａ］
検出処理部１２ａは、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて画像に映るカーブミラーおよびカーブミラーに映る物体を検出する。また、検出処理部１２ａは、カーブミラーに映る物体の属性を認識してもよい。本実施の形態では、検出処理部１２ａは、検出部１２と認識部１３とを備える。

＜検出部１２＞
検出部１２は、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて画像に映るカーブミラーを検出する。より具体的には、検出部１２は、進行中の車両の前方を時系列に連続して撮影することにより得られた画像に映るカーブミラーを検出する。なお、撮像方向は車両の前方以外の方向であってもよい。例えば、車両が後方に進行する場合には、撮像方向は車両の後方であってもよい。

本実施の形態では、検出部１２は、画像取得部１１により取得された例えば図４に示す画像５０に映るカーブミラー５１を検出する。ここで、画像中のカーブミラーを検出する方法には、例えば単純な円または矩形等の検出に基づく方法または統計的画像認識に基づく方法などがある。以下、図を用いて、画像中のカーブミラーを検出する方法について説明する。

図５は、単純な円または矩形等の検出に基づくカーブミラーの検出の説明図である。なお、図４と同様の要素には同一の符号を付しており、詳細な説明は省略する。

まず、検出部１２は、画像取得部１１により取得された例えば図５に示される画像５０において、エッジ検出を行う。その結果、検出部１２は、画像５０ａに示されるように、カーブミラーの形状に対応したエッジ５１ａを検出する。

次に、検出部１２は、エッジ検出された画像５０ａにおいて、エッジ類似度の探索を行う。より具体的には、検出部１２は、画像５０ａに示すように、画像５０ａにおいて、円または矩形などを検出するフィルタ（ミラー形状フィルタ５２）を走査させて、ミラー形状フィルタ５２と類似するエッジを探索する。なお、ミラー形状フィルタ５２は、カーブミラーの輪郭を検出するためのフィルタであり、例えばソーベルフィルタ、キャニーフィルタ等を用いることができる。

そして、検出部１２は、例えば類似度マップ５４を作成し、類似度マップ５４中の類似度が高い位置５３のものをカーブミラー５１として検出する。

なお、画像取得部１１により取得された画像に映る被写体の地図上の位置がわかる場合には、当該位置から推定できるカーブミラーの形状等の情報に基づいて、円または矩形などを検出するフィルタを選択して用いてもよい。

図６は、統計的画像認識に基づくカーブミラーの検出の説明図である。なお、図４と同様の要素には同一の符号を付しており、詳細な説明は省略する。

例えば、検出部１２は、画像取得部１１により取得された例えば図６の（ａ）に示される画像５０において、サイズを変えた円を備えるマッチング領域５２ａを走査させる。

その結果、検出部１２は、図６の（ｂ）に示されるように、画像５０中の各位置とその位置でのサイズとにより当該円との類似度を示す類似度マップ５４ａを作成する。

そして、検出部１２は、類似度マップ５４ａ中の類似度が高い位置５３ａのものをカーブミラー５１として検出する。

なお、統計的画像認識は、図６を用いて説明した場合に限らない。検出部１２は、予め、大量のカーブミラーの画像とカーブミラー以外の画像とを学習した識別器（Deep Learning, SVＭ等）を備えるとしてよい。この場合、検出部１２は、この識別器を用いて、画像５０中の各位置でカーブミラーの画像か否かの判定を実施することで、カーブミラー５１を検出すればよい。

＜認識部１３＞
認識部１３は、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいてカーブミラーに映る物体を認識する。より具体的には、認識部１３は、画像取得部１１により取得された画像に映るカーブミラー内の物体を認識する。なお、認識部１３は、カーブミラーに映る物体の属性を認識してもよい。

本実施の形態では、認識部１３は、検出部１２により検出された画像に含まれるカーブミラーに映る人、自転車または自動車など動く物体（以降、動物体とも称する）の位置とサイズとを認識する。ここで、画像に映るカーブミラー内に存在する動物体を認識する方法には、例えばDeep Learningなどの機械学習を利用する方法がある。以下、図７を用いて、画像に映るカーブミラー内に存在する動物体を認識する方法について説明する。

図７は、Deep Learningを利用したカーブミラーに映る動物体の認識方法の説明図である。図７の（ａ）および（ｂ）では、カーブミラー５１に人６０が映るすなわち、カーブミラー５１内に人６０が存在する場合の例が示されている。なお、図４と同様の要素には同一の符号を付しており、詳細な説明は省略する。

認識部１３は、例えば図７の（ａ）に示される画像５０において検出部１２で検出されたカーブミラー５１の領域を、例えば図７の（ｂ）に示されるように位置およびサイズを変えながら、人６０を認識する認識処理を行う。

なお、認識部１３に上記の認識処理を行わせるために、予め、動物体すなわち人、自転車および自動車と、動物体以外とを認識する学習が認識部１３に対して行われていればよい。これにより、認識部１３は、カーブミラー内に存在すると認識したものの信頼度が閾値を超えており、かつ最大の大きさのものがあれば、カーブミラーに動物体が映っていると認識することができる。また、認識部１３は、カーブミラーに動物体が映っていると認識するときには、その位置とサイズとを出力する。ここで、信頼度は、人、自転車または自動車の動物体を示す形または輪郭らしさを示す値を示す。一方、認識部１３は、カーブミラー内に存在すると認識したもの信頼度に閾値を超えるものがなければカーブミラーに動物体は映っていないと認識する。

［情報処理装置１０］
次に、実施の形態１における情報処理装置１０について説明する。

実施の形態１における情報処理装置１０は、カーブミラーを利用することで、当該車両の運転支援情報を出力する。本実施の形態では、情報処理装置１０は、図１に示すように、算出部１０１と、出力処理部１０２と、死角判定部１０３とを備える。以下、これらの構成等の詳細について説明する。

＜算出部１０１＞
算出部１０１は、検出処理部１２ａにより検出されたカーブミラーのサイズと基準サイズとの差異を算出し、算出された当該差異を用いて物体のサイズを算出する。ここで、差異は、基準サイズに対するカーブミラーの倍率を含む。物体のサイズは、カーブミラーに映る物体を差異に応じた拡大または縮小により算出される。

図８は、実施の形態１における算出部１０１の機能構成の一例を示す図である。

実施の形態１における算出部１０１は、図８に示すように、差異算出部１０１１と、物体サイズ算出部１０１２とを備える。

差異算出部１０１１は、検出部１２により検出されたカーブミラーのサイズと基準サイズとの差異を算出する。より具体的には、差異算出部１０１１は、検出部１２により検出されたカーブミラーであって進行中の車両の前方を時系列に連続して撮影することにより得られた画像に映るカーブミラーのサイズと基準サイズとの差異を算出する。本実施の形態では、差異算出部１０１１は、差異として、例えば撮影することにより得られた画像に映るカーブミラーの基準サイズに対する倍率を算出する。基準サイズは、予め定められたカーブミラーの高さおよび幅で示されるサイズである。

なお、基準サイズは、所定時間において撮影された複数の画像に映るカーブミラーのうち最大のカーブミラーのサイズとしてもよいし、撮影された１フレーム前の画像に映るカーブミラーのサイズとしてもよい。また、差異算出部１０１１は、時系列に連続する少なくとも２つの画像において算出した倍率に応じてカーブミラー内の物体が拡大または縮小されたことで得る当該物体のサイズの変化量を、上記差異として算出してもよい。

また、差異算出部１０１１は、１枚の画像から上記差異を算出してもよい。具体的には、基準サイズは予め記憶される値であり、差異算出部１０１１は、１枚の画像に映るカーブミラーのサイズと記憶される基準サイズとに基づいて上記倍率を算出する。なお、基準サイズは、被写体との距離と対応付けられ、車両と画像に映るカーブミラーとの距離に応じて補正されてもよい。

物体サイズ算出部１０１２は、差異算出部１０１１により算出された当該差異を用いて物体のサイズを算出する。より具体的には、物体サイズ算出部１０１２は、認識部１３により認識されたカーブミラーに映る物体と、差異算出部１０１１により算出された差異とを用いて当該物体のサイズを算出する。本実施の形態では、物体サイズ算出部１０１２は、カーブミラーに映る物体のサイズとして、認識部１３により認識されたカーブミラーに映る物体を差異算出部１０１１で算出された差異に応じて拡大または縮小させることで物体のサイズを算出する。

ここで、このように構成される算出部１０１が行う算出処理の一例について図を用いて説明する。

図９は、実施の形態１における算出部１０１が行う算出処理の一例を示す説明図である。なお、図４と同様の要素には同一の符号を付しており、詳細な説明は省略する。

図９の（ａ）に示される画像５０_ｎ、画像５０_ｎ＋１および画像５０_ｎ＋２は、進行中の車両の前方を時系列に連続した時刻ｔ_ｎ、時刻ｔ_ｎ＋１および時刻ｔ_ｎ＋２において撮影されたものである。画像５０_ｎ、画像５０_ｎ＋１および画像５０_ｎ＋２のそれぞれには、カーブミラー５１、カーブミラー５１_ｎ＋１およびカーブミラー５１_ｎ＋２が含まれており、カーブミラー５１、カーブミラー５１_ｎ＋１およびカーブミラー５１_ｎ＋２には人６０、人６０_ｎ＋１および人６０_ｎ＋２が映っている。また、カーブミラー５１、カーブミラー５１_ｎ＋１およびカーブミラー５１_ｎ＋２のサイズは、例えば（ｗ_１ａ、ｈ_１ａ）、（ｗ_１ｂ、ｈ_１ｂ）および（ｗ１_ｃ、ｈ_１ｃ）であり、幅と高さとで表現される。カーブミラー５１、カーブミラー５１_ｎ＋１およびカーブミラー５１_ｎ＋２のサイズは、検出部１２で検出される。図９の（ｂ）には、基準サイズに拡大されたカーブミラー５１´、カーブミラー５１´_ｎ＋１およびカーブミラー５１´_ｎ＋２が示されている。

この場合において、算出部１０１すなわち差異算出部１０１１は、画像５０_ｎ、画像５０_ｎ＋１および画像５０_ｎ＋２に映るカーブミラー５１、カーブミラー５１_ｎ＋１およびカーブミラー５１_ｎ＋２を基準サイズに拡大または縮小したときの倍率を算出する。基準サイズを例えば（ｗ_ｓ、ｈ_ｓ）とした場合、差異算出部１０１１は、カーブミラー５１、５１_ｎ＋１および５１_ｎ＋２を基準サイズに拡大または縮小したときの倍率を、ｗ_ｓ／ｗ_１ａ、ｗ_ｓ／ｗ_１ｂ、ｗ_ｓ／ｗ_１ｃと算出する。ｈ_ｓ／ｈ_１ａ、ｈ_ｓ／ｈ_１ｂ、ｈ_ｓ／ｈ_１ｃと算出してもよい。

そして、算出部１０１すなわち物体サイズ算出部１０１２は、図９の（ｂ）に示されるように、差異算出部１０１１で算出された倍率ｗ_ｓ／ｗ_１ａ、ｗ_ｓ／ｗ_１ｂ、ｗ_ｓ／ｗ_１ｂに応じてカーブミラー５１、カーブミラー５１_ｎ＋１およびカーブミラー５１_ｎ＋２、並びに、人６０、人６０_ｎ＋１および人６０_ｎ＋２を拡大させたときの人６０´、人６０´_ｎ＋１および人６０´_ｎ＋２のサイズを算出すればよい。

＜死角判定部１０３＞
死角判定部１０３は、時系列に連続する複数の画像の少なくとも１つの画像において検出処理部１２ａにより検出（認識）された物体が、少なくとも１つ画像より時系列的に後の画像において検出処理部１２ａにより検出（認識）されない場合に、当該後の画像を当該物体がカーブミラーの死角に存在し得る死角画像と判定する。換言すると、死角判定部１０３は、時系列に連続する画像において、カーブミラー内に見えていた動物体が見えなくなったか否かを判定し、見えなくなった画像を死角画像と判定する。

ここで、このように構成される死角判定部１０３が行う死角判定処理の一例について図を用いて説明する。

図１０は、実施の形態１における死角判定部１０３が行う死角判定処理の一例を示す説明図である。なお、図４と同様の要素には同一の符号を付しており、詳細な説明は省略する。

図１０に示される画像５０_ｍ、画像５０_ｍ＋１および画像５０_ｍ＋２は、進行中の車両の前方を時系列に連続した時刻ｔ_ｍ、時刻ｔ_ｍ＋１および時刻ｔ_ｍ＋２において撮影されたものである。また、画像５０_ｍ、画像５０_ｍ＋１および画像５０_ｍ＋２のそれぞれには、カーブミラー５１_ｍ、カーブミラー５１_ｍ＋１およびカーブミラー５１_ｍ＋２が映っており、カーブミラー５１_ｍ、カーブミラー５１_ｍ＋１およびカーブミラー５１_ｍ＋２にはさらに人６０_ｍ、および人６０_ｍ＋１が映っている。

この場合において、時系列に連続する画像５０_ｍおよび画像５０_ｍ＋１のカーブミラー５１_ｍおよびカーブミラー５１_ｍ＋１には、認識部１３に認識された人６０_ｍおよび人６０_ｍ＋１が映っている。一方、画像５０_ｍ＋１の後の画像５０_ｍ＋２のカーブミラー５１_ｍ＋２には、人が映っておらず認識部１３には人が認識されない。そのため、死角判定部１０３は、画像５０_ｍ＋２を死角画像であると判定する。このように死角判定部１０３が死角画像を判定できる理由を図１１を用いて説明する。

図１１は、カーブミラーの死角の説明図である。

カーブミラーにも画角があり、死角すなわち死角領域が存在する。例えば図１１には、交差点において車両２の一時停止中に、自転車に乗った人である動物体６１_ｍ＋１が動物体６１_ｍ＋２の位置に移動し、カーブミラー７２の死角領域に入ってた場合の例が示されている。この場合、一時停止中の車両２の運転者は、カーブミラー７１に映る動物体６１_ｍ＋１を確認できる一方で、カーブミラー７２で動物体６１_ｍ＋２を確認できない。しかし、カーブミラー７２に動物体６１_ｍ＋２が映らなくても動物体６１_ｍ＋２は存在している。そのため、死角判定部１０３は、上記のように判定することで、画像５０_ｍ＋２を人である動物体がカーブミラー５１_ｍ＋２の死角に存在し得る死角画像と判定する。

なお、死角判定部１０３が死角画像を判定した場合、出力処理部１０２は、車両から直接またはカーブミラー内に人が見えるようになるまで、車両を一時停止させる車両制御情報を生成して出力する。また、死角判定部１０３が死角画像を判定した後、一定時間たっても人が見えるようにならない場合には、タイムアウトと判定し、死角判定処理を初めから行えばよい。タイムアウトと判定するのは、一定時間たってもカーブミラーに人が見えるようにならない場合には、カーブミラーの死角領域に存在する人などの動物体が家または店などに入ってしまい、いつまで待ってもカーブミラーに人が見えるようにならないことが考えられるからである。

さらに、死角判定部１０３は、複数の画像のうちの時系列に連続する少なくとも２つの画像においてサイズの異なる物体が検出処理部１２ａにより検出（認識）され、少なくとも２つの画像の時系列的に後の画像において物体が検出処理部１２ａにより検出（認識）されない場合に、当該後の画像を上記死角画像と判定してもよい。例えば図１０を用いて説明すると、画像５０_ｍ＋１に映るカーブミラー内の人６０_ｍ＋１のサイズが、時系列的に前の画像５０_ｍに映るカーブミラー５１_ｍ内の人６０_ｍのサイズよりも大きくなっている。これは、人６０が交差点に近づいていることを意味している。そして、画像５０_ｍ＋１の時系列的に後の画像５０_ｍ＋２のカーブミラー５１_ｍ＋２には、人が映っていない。これは、人６０が交差点近くの死角に入ったことを意味している。したがって、死角判定部１０３は、画像５０_ｍ＋１に映るカーブミラー内の人６０_ｍ＋１のサイズと、時系列的に前の画像５０_ｍに映るカーブミラー５１_ｍ内の人６０_ｍのサイズとの比較結果および画像５０_ｍ＋２における人６０の有無とに基づいて、画像５０_ｍ＋２を死角画像であると判定することができる。これにより、人６０が交差点から遠ざかって死角に入った場合には人６０がカーブミラーに映らなくなった画像が死角画像と判定されないため、安全であるのに車両が停止させられるなどの無駄が発生することを抑制できる。

＜出力処理部１０２＞
出力処理部１０２は、算出部１０１で算出された物体のサイズに基づいて、車両の運転支援情報を生成し、生成した運転支援情報を出力する。運転支援情報は、時系列に連続する少なくとも２つの画像の各々に対応する物体それぞれのサイズの変化情報に応じて生成されて出力される。ここで、運転支援情報は、変化情報がサイズの拡大を示す場合、車両を減速させるための情報および車両を物体から遠ざかる方向に移動させるための情報の少なくとも１つを含む。また、運転支援情報は、変化情報がサイズの拡大を示す場合、物体が車両から遠ざかった後に車両を走行させるための情報を含む。また、運転支援情報は、車両の挙動の制御指令情報であってもよいし、車両の乗員へ提示される提示情報であってもよい。

図１２は、実施の形態１における出力処理部１０２の機能構成の一例を示す図である。

本実施の形態では、出力処理部１０２は、図１２に示すように、危険予測部１０３１と、情報生成部１０３２と、情報出力部１０３３とを備える。

危険予測部１０３１は、算出部１０１で算出された物体のサイズに基づいて、車両がこのまま進行したときに予測される危険性を予測する。当該危険性は、危険度であってもよく、危険内容（例えば、接触、衝突、巻き込み等）であってもよい。危険予測部１０３１は、時系列に連続する少なくとも２つの画像に対応する物体のサイズの変化量に応じて危険度を判定する。ここで、一例として物体のサイズの変化量に応じて危険度が予測できることについて説明する。

図１３は、図９の（ｂ）における物体のサイズの変化量を示す概念図である。なお、図９の（ｂ）と同様の要素には同一の符号を付しており、詳細な説明は省略する。図１３には、物体サイズ算出部１０１２で算出された、基準サイズに拡大または縮小されたカーブミラーに映る物体である人６０´、人６０´_ｎ＋１および人６０´_ｎ＋２が概念的に示されている。

危険予測部１０３１は、図１３に示されるように、人６０´、人６０´_ｎ＋１および人６０´_ｎ＋２のサイズが順に大きくなっていることから、その人がカーブミラー５１に近づいているすなわち交差点に近づいているのがわかる。そして、危険予測部１０３１は、人６０´、人６０´_ｎ＋１および人６０´_ｎ＋２のサイズの変化量が大きいときには、その人がカーブミラー５１に近づいている速度および速度変化が大きいことがわかるので、危険度が高いと判定できる。つまり、人６０´、人６０´_ｎ＋１および人６０´_ｎ＋２のサイズの変化量が閾値より大きいと、当該人がカーブミラー５１がある交差点に急速に近づいており、情報処理装置１０を搭載する車両と衝突または接触する可能性が高いと判断できる。このようにして、危険予測部１０３１は、物体のサイズの変化量に応じて危険度を予測できる。

情報生成部１０３２は、算出部１０１で算出された物体のサイズに基づいて、車両の運転支援情報を生成する。情報生成部１０３２は、物体のサイズに応じて車両の運転支援情報を生成してよい。例えば、情報生成部１０３２は、時系列に連続する少なくとも２つの画像の各々に対応する物体それぞれのサイズの変化情報に応じて運転支援情報を生成してよい。また、情報生成部１０３２は、物体のサイズに加えて車両の状態に基づいて、車両の運転支援情報を生成してもよい。

また、情報生成部１０３２は、車両がカーブミラーに向かう方向へ進行する状況における変化情報から予測される危険性に応じて運転支援情報を生成してもよい。情報生成部１０３２は、危険予測部１０３１で予測された危険性に基づいて、車両制御情報を生成してもよい。

なお、情報生成部１０３２は、危険予測部１０３１で予測された危険度を示す情報を、運転支援情報として生成してもよい。例えば、情報生成部１０３２は、危険予測部１０３１により時系列に連続する少なくとも２つの画像に対応する物体のサイズの変化量に応じて判定される危険度を示す情報を、運転支援情報として生成してもよい。

また、情報生成部１０３２は、死角判定部１０３による死角画像の判定結果に基づいて、車両を一時停止させる車両制御情報を生成してもよい。具体的には、情報生成部１０３２は、時系列に連続する複数の画像のうちの少なくとも１つの画像において検出処理部１２ａにより検出（認識）された物体が、少なくとも１つ画像より時系列的に後の画像において検出処理部１２ａにより検出（認識）されない場合に、運転支援情報を生成してよい。また、情報生成部１０３２は、複数の画像のうちの時系列に連続する少なくとも２つの画像においてサイズの異なる物体が検出処理部１２ａにより検出（認識）され、少なくとも２つの画像の時系列的に後の画像において物体が検出処理部１２ａにより検出（認識）されない場合に、運転支援情報を生成してよい。

情報出力部１０３３は、情報生成部１０３２により生成された運転支援情報を出力する。

以下、このように構成される出力処理部１０２が行う出力処理の一例について図を用いて説明する。

図１４は、実施の形態１における曲線カーブ道路の一例を示す図である。図１５は、実施の形態１における出力処理部１０２が行う出力処理の一例を示す説明図である。

図１４に示される曲線カーブ道路は、見通しが悪い場所の一例である。図１４には、本実施の形態の情報処理装置１０またはシステム１が搭載された車両２が曲線カーブ道路を進行している様子が示されている。また、図１４には、物体の一例として車両３が示されており、車両２から、カーブミラー７３に映っている車両３が確認できる場合が示されている。

この場合において、出力処理部１０２すなわち危険予測部１０３１は、算出部１０１により基準サイズに拡大または縮小すなわち正規化されたカーブミラーに映る物体のサイズ変化に応じて、危険度を判定する。

より具体的には、危険予測部１０３１は、図１５に示すように、正規化されたカーブミラーに映る物体のサイズ変化が小さくなるまたはサイズ変化がないときには、危険度が低であると判定する。ここで、出力処理部１０２すなわち情報生成部１０３２は、危険予測部１０３１で判定された危険度が低であることを示す情報を生成してもよい。また、情報生成部１０３２は、図１５に示すように、危険度が低であることに基づいて、車両２の速度等の制御の変更がないことを示す車両制御情報を生成してもよい。図１４に示す例では、危険予測部１０３１は、正規化されたカーブミラー７３内の車両３のサイズ変化が小さくなるまたはサイズ変化がないときには、車両３は車両２から遠ざかる方向に進行中または停止中であると判定できるので、危険度が低であると判定する。そして、情報生成部１０３２は、判定された危険度が低であることを示す情報または車両２の速度等の制御の変更がないことを示す車両制御情報を生成してもよい。

また、危険予測部１０３１は、図１５に示すように、正規化されたカーブミラーに映る物体のサイズが除々に大きくなっているときには、危険度が中であると判定する。ここで、情報生成部１０３２は、判定された危険度が中であることを示す情報を出力してもよいし、図１５に示すように、危険度が中であることに基づいて、車両を減速させるための車両制御情報を生成してもよい。図１４に示す例では、危険予測部１０３１は、正規化されたカーブミラー７３内の車両３のサイズ変化が閾値ａより大きく除々に大きくなるときには、車両３は車両２に近づいている方向に進行中であると判定できるので、危険度が中であると判定する。そして、情報生成部１０３２は、判定された危険度が中であることを示す情報または車両２を減速させるための車両制御情報を生成してもよい。

また、危険予測部１０３１は、図１５に示すように、正規化されたカーブミラーに映る物体のサイズが急に大きくなっているときには、危険度が高であると判定する。ここで、情報生成部１０３２は、判定された危険度が高であることを示す情報を生成してもよい。また、情報生成部１０３２は、図１５に示すように、危険度が高であることに基づいて、車両を減速かつ対象物から遠ざかる方向に移動させるための車両制御情報を生成してもよい。図１４に示す例では、危険予測部１０３１は、正規化されたカーブミラー７３内の車両３のサイズ変化が閾値ａより大きい閾値ｂより大きいときには、車両３は車両２に近づいている方向に大きな速度で進行中であると判定できるので、危険度が高であると判定する。そして、情報生成部１０３２は、判定された危険度が高であることを示す情報または車両２を減速かつ、車両３が曲線カーブ道路の車線をはみ出しても衝突しないような位置となるように車両３から遠ざかる方向に移動せるための車両制御情報を生成してもよい。

なお、図１４および図１５では、車両２が曲線カーブ道路を進行中すなわち走行中である場合について説明したが、これに限らない。車両２が道路が交差する交差点を進行する場合でも同様のことが言える。

図１６は、実施の形態１におけるＴ字交差点の一例を示す図である。図１７は、実施の形態１における出力処理部１０２が行う出力処理の別の一例を示す説明図である。

図１６に示されるＴ字交差点は、見通しが悪い場所の一例である。図１６には、本実施の形態の情報処理装置１０またはシステム１が搭載された車両２がＴ字交差点を進行している様子が示されている。また、図１６には、物体の一例として車両３が示されており、車両２から、カーブミラー７４に映っている車両３が確認できる場合が示されている。

この場合において、出力処理部１０２すなわち危険予測部１０３１は、図１７に示すように、正規化されたカーブミラーに映る物体のサイズ変化が小さくなるまたはサイズ変化がないときには、危険度が低であると判定する。ここで、出力処理部１０２すなわち情報生成部１０３２は、危険予測部１０３１で判定された危険度が低であることを示す情報を生成してもよい。また、情報生成部１０３２は、図１７に示すように、危険度が低であることに基づいて、車両２を一時停止後させ、その後発進させるための車両制御情報を生成してもよい。図１６に示す例では、危険予測部１０３１は、正規化されたカーブミラー７４に映る車両３のサイズ変化が小さくなるまたはサイズ変化がないときには、車両３は車両２から遠ざかる方向に進行中または停止中であると判定できるので、危険度が低であると判定する。そして、情報生成部１０３２は、判定された危険度が低であることを示す情報または車両２を一時停止させ、その後発進させるための車両制御情報を生成してもよい。

また、危険予測部１０３１は、図１７に示すように、正規化されたカーブミラーに映る物体のサイズ変化が大きくなるときには、危険度が高であると判定する。ここで、情報生成部１０３２は、危険予測部１０３１で判定された危険度が高であることを示す情報を生成してもよい。また、情報生成部１０３２は、図１７に示すように、危険度が高であることに基づいて、車両２を一時停止後させ、対象物である車両２の通過をセンサ等で確認後に発進させるための車両制御情報を生成してもよい。図１６に示す例では、危険予測部１０３１は、正規化されたカーブミラー７４内の車両３のサイズ変化が大きくなるときには、車両３は、車両２に向かう方向に進行中であると判定できるので、危険度が高であると判定する。そして、情報生成部１０３２は、判定された危険度が高であることを示す情報または車両２を一時停止させ、車両２の通過をセンサ等で確認後に発進させるための車両制御情報を生成してもよい。

なお、上記では、サイズの変化情報がサイズの変化量である例を説明したが、サイズの変化情報はサイズの変化内容を示す情報であってもよい。例えば、サイズの変化内容は、サイズが大きくなった（または小さくなった）、サイズが所定サイズ以上になった（所定のサイズ未満になった）などであってよい。

また、上記では、運転支援情報が制御指令情報である例を説明したが、運転支援情報は提示情報であってもよい。例えば、提示情報は、後述する危険性を示す情報、運転手への推奨操作を示す情報であってよい。

［システム１の動作］
次に、以上のように構成されたシステム１の情報処理方法について説明する。図１８は、実施の形態１におけるシステム１の情報処理方法の概要を示すフローチャートである。図１９は、実施の形態１におけるシステム１の情報処理方法の詳細を示すフローチャートである。なお、図１８および図１９において同様の要素には同一の符号を付しており、詳細な説明は省略する。

まず、図１８に示すように、システム１は、画像情報に基づいて画像に映るカーブミラーとカーブミラーに映る物体を検出する（Ｓ１０）。次に、システム１は、画像に映るカーブミラーのサイズと基準サイズとの差異を算出し、当該差異を用いてカーブミラーに映る物体のサイズを算出する（Ｓ１１）。次に、システム１は、Ｓ１１で算出した物体のサイズに基づいて、車両の運転支援情報を生成する（Ｓ１２）。そして、システム１は、Ｓ１２で生成した運転支援情報を出力する（Ｓ１３）。

より詳細には、図１９に示すように、まず、システム１は、画像取得部１１で進行中の車両に搭載された撮像装置の撮像により得られた画像を示す画像情報を取得する画像取得処理を行う（Ｓ１０１）。

次に、システム１は、図１８で説明したＳ１０の処理を行う。より具体的には、システム１は、Ｓ１０において、Ｓ１０１で得られた画像に映るカーブミラーを検出する検出処理を行う（Ｓ１０２）。次いで、システム１は、Ｓ１０１で得られた画像に映るカーブミラー内の物体を認識（検出）する認識処理を行う（Ｓ１０３）。

次に、システム１は、図１８で説明したＳ１１の処理を行う。より具体的には、Ｓ１１において、システム１は、Ｓ１０２で検出されたカーブミラーのサイズと基準サイズとの差異を算出する差異算出処理を行う（Ｓ１０４）。次いで、システム１は、Ｓ１０３で認識されたカーブミラー内の物体に対して、Ｓ１０４で算出された差異を用いて当該物体のサイズを算出する物体サイズ算出処理を行う（Ｓ１０５）。なお、Ｓ１０４およびＳ１０５で行われる処理の詳細については上述した通りであるのでここでの詳細な説明は省略する。

次に、システム１は、時系列に連続する３つ画像のうち時系列に連続する２つの画像においてＳ１０３で認識された物体が、当該２つの画像の後の画像においてＳ１０３で認識されない場合に、当該後の画像を当該物体がカーブミラーの死角に存在し得る死角画像と判定する死角判定処理を行う（Ｓ１０６）。

ここで、システム１は、Ｓ１０６で死角画像を判定後にＳ１０３において当該物体が出現したことを認識した、または当該判定後に一定時間経過したかどうかを判定する（Ｓ１０６）。システム１は、Ｓ１０６で死角画像を判定後にＳ１０３で当該物体が出現したとき、またはタイムアウトすなわちＳ１０６で死角画像を判定後に一定時間経過してもＳ１０３で当該物体の出現を認識できない場合（Ｓ１０７でＹｅｓ）には、次の処理（Ｓ１２）に進む。それ以外の場合（Ｓ１０７でＮｏ）には、Ｓ１０７の判定処理を繰り返す。

次に、システム１は、図１８で説明したＳ１２の処理を行う。より具体的には、Ｓ１２において、システム１は、Ｓ１０５で算出された物体のサイズに基づいて、車両がこのまま進行したときに判定される危険度を予測する危険予測処理を行う（Ｓ１０８）。次いで、システム１は、Ｓ１０８で判定された危険度を示す情報を、運転支援情報として生成したり、Ｓ１０８で判定された危険度に基づいて、車両を制御するための車両制御情報を生成したりする情報生成処理を行う（Ｓ１０９）。なお、Ｓ１０８およびＳ１０９で行われる処理の詳細については上述した通りであるのでここでの説明は省略する。

そして、システム１は、図１８で説明したＳ１３の処理を行う。より具体的には、Ｓ１３において、システム１は、Ｓ１０９で生成された運転支援情報等を出力する情報出力処理を行う（Ｓ１１０）。

なお、Ｓ１０３、Ｓ１０４、Ｓ１０５の処理順序は図１９に示された場合に限らない。Ｓ１０４の後にＳ１０３を行いＳ１０５を行ってもよい。また、Ｓ１０６およびＳ１０７の処理は、Ｓ１１の算出処理の前に行うとしてもよい。

［実施の形態１の効果等］
以上のように、実施の形態１に係る情報処理装置１０またはシステム１によれば、交差点など見通しが悪い場所においてカーブミラーを利用することで、危険度を判定することができ、判定した危険度に基づいて車両の運転支援情報を生成して出力することができる。これにより、情報処理装置１０を搭載した車両の安全運転を支援することができる。

具体的には、見通しが悪い交差点などの場所において、カーブミラーに映る人物などの物体の移動量が大きい場合は、当該物体が当該場所に飛び出してくる可能性が高い。この場合、車両を早期に減速させて危険を回避させる必要がある。

そこで、本実施の形態では、進行中の車両から得ることのできる画像に映るカーブミラーのサイズは変化することから、カーブミラーのサイズを所定の基準サイズに揃える正規化を行う。これにより、カーブミラー内の人物等の物体の移動量をカーブミラー内の物体の大きさつまりサイズに変換できるので、サイズの変化量に応じて危険度を判定できる。このようにして、実施の形態１に係る情報処理装置１０は、カーブミラーを利用することで、危険度を判定することができる。

なお、例えば自動運転中の車両が情報処理装置１０を備える場合には、当該車両は、上記のようにカーブミラーを利用して、危険度を判定することできるので、判定した危険度に応じて車両制御を行うことができる。

また、上述したように、運転支援情報が、時系列に連続する少なくとも２つの画像の各々に対応する物体それぞれのサイズの変化情報に応じて生成され、変化情報がサイズの拡大を示してもよい。この場合、運転支援情報は、車両を減速させるための情報および車両を物体から遠ざかる方向に移動させるための情報の少なくとも１つを含んでもよいし、物体が車両から遠ざかった後に車両を走行させるための情報を含んでもよい。これらにより、交差点に近づいている物体および車両の安全を確保することができるからである。

また、運転支援情報は、物体のサイズに加えて車両の状態に基づいて生成されてもよい。車両の状態（走行状態、停止状態など）に合わせて無駄のない制御が可能となるからである。

また、運転支援情報は、物体のサイズに応じて生成されてもよい。サイズの変化情報を用いた処理を行わなくても危険を予測することができるからである。

以上のように、実施の形態１に係る情報処理装置１０またはシステム１によれば、交差点など見通しが悪い場所においてカーブミラーを利用することで、車両の安全運転を支援することができる。

（変形例１）
実施の形態１では、正規化されたカーブミラー内の物体のサイズの変化量に応じて危険度を判定する場合について説明したが、これに限らない。認識部１３がカーブミラーに映る物体の属性を認識し、算出部１０１が当該属性を考慮して危険度を判定してもよい。本変形例では、カーブミラーに映る物体が有する移動速度に関する属性をさらに考慮して危険度を判定する場合について説明する。

図２０および図２１は、実施の形態１の変形例１における出力処理部１０２が行う危険予測処理の一例を示す説明図である。なお、図１５および図１７と同様の内容には同一の文言が記載されており、詳細な説明は省略する。

図２０には、曲線カーブ道路において変形例１における出力処理部１０２が行う危険予測処理の一例が示されており、図２１にはＴ字交差点において変形例１における出力処理部１０２が行う危険予測処理の一例が示されている。なお、低、中または高の危険度に基づく、車両制御情報は、図１５と図１７に示す通りでよいため、図２０および図２１では図示を省略している。

図２０および図２１に示すように物体が人物である場合には、危険予測部１０３１は図１５および図１７のときと同様に危険度を判定する。一方で、物体が人物よりも移動速度の速い自転車、バイクまたは自動車である場合には、危険予測部１０３１は移動速度に応じて物体が人物であるときよりも高い危険度を判定する。

以上のように、本変形例では、出力処理部１０２は、運転支援情報を、認識部１３により認識された物体の属性に応じて生成して、生成した運転支援情報を出力する。

（変形例２）
変形例１では、カーブミラーに映る物体が有する移動速度に関する属性をさらに考慮して危険度を判定する場合について説明したが、これに限らない。カーブミラーに映る物体が人である場合には、危険予測部１０３１はその人の年齢に関する属性をさらに考慮して危険度を判定してもよい。この場合を変形例２として以下に説明する。

図２２および図２３は、実施の形態１の変形例２における出力処理部１０２が行う危険予測処理の一例を示す説明図である。なお、図１５および図１７と同様の内容には同一の文言が記載されており、詳細な説明は省略する。

図２２には、曲線カーブ道路において変形例２における出力処理部１０２が行う危険予測処理の一例が示されており、図２３にはＴ字交差点において変形例１における出力処理部１０２が行う危険予測処理の一例が示されている。なお、低、中または高の危険度に基づく、車両制御情報は、図１５と図１７に示す通りでよいため、図２２および図２３でも図示を省略している。

図２２および図２３に示すように、物体が人物であり、かつその人物が子供またはお年寄りである場合には、危険予測部１０３１は図１５および図１７と同様の危険度を判定すればよい。一方で、物体が人物であり、かつ、その人物が子供およびお年寄り以外のその他である場合には、人物が子供またはお年寄りであるときよりも高い危険度を判定すればよい。

以上のように、本変形例では、出力処理部１０２は、認識部１３により認識された物体の属性が人物の場合、認識部１３により認識された当該物体の年齢に関する情報に応じて運転支援情報を変化させて出力する。なお、上記では、年齢に関する情報が人物の世代である例を説明したが、年齢に関する情報は人物の年齢または年代であってもよい。

（変形例３）
変形例２では、カーブミラーに映る物体が人である場合には、その人の年齢に関する属性をさらに考慮して危険度を判定する場合について説明したが、これに限らない。カーブミラーに映る物体が人である場合に、危険予測部１０３１は、さらに、その人が不注意行動を行っているか否かという属性をさらに考慮して危険度を判定してもよい。具体的には、不注意行動は、非前方視行動である。例えば、非前方視行動は、スマートフォンなどの携帯端末または本などの注視がある。この場合を変形例３として以下に説明する。

図２４および図２５は、実施の形態１の変形例３における出力処理部１０２が行う危険予測処理の一例を示す説明図である。なお、図１５および図１７と同様の内容には同一の文言が記載されており、詳細な説明は省略する。

図２４には、曲線カーブ道路において変形例３における出力処理部１０２が行う危険予測処理の一例が示されており、図２５にはＴ字交差点において変形例１における出力処理部１０２が行う危険予測処理の一例が示されている。なお、低、中または高の危険度に基づく、車両制御情報は、図１５と図１７に示す通りでよいため、図２４および図２５でも図示を省略している。

図２４および図２５に示すように、物体が人物であり、かつその人物が携帯端末を見て移動行動を行う非前方視行動をしていないすなわちその人物が携帯端末を見ながら歩いていない場合には、危険予測部１０３１は、図１５および図１７のときと同様の危険度を判定すればよい。一方で、物体が人物であり、かつ、その人物が非前方視行動をしているすなわちその人物が携帯端末を見ながら歩いている場合には、危険予測部１０３１は、その人物が非前方視行動をしていないときよりも高い危険度を判定すればよい。なお、上記では、不注意行動が非前方視行動である例を説明したが、不注意行動は、人物の前方だが上方または下方を見ている行動、または人物の前方にある乳母車もしくはボールなどの特定物を注視している行動であってもよい。

以上のように、本変形例では、出力処理部１０２は、認識部１３により認識された物体の属性が人物の場合、認識部１３により認識された物体が不注意行動をしているか否かに応じて運転支援情報を生成して出力する。

（実施の形態２）
実施の形態１では、交差点などの見通しが悪い場所において、カーブミラーを利用することで進行中の車両の安全運転を支援することができる情報処理装置等について説明したが、これに限らない。一時停止中の車両においても、カーブミラーを利用して安全運転を支援することができる。以下、この場合について実施の形態２として説明する。

［システム１Ａの構成］
図２６は、実施の形態２におけるシステム１Ａの構成の一例を示すブロック図である。なお、図１と同様の要素には同一の符号を付しており、詳細な説明は省略する。

図２６に示すシステム１Ａは、実施の形態１におけるシステム１と比較して、情報処理装置１０Ａの構成が異なる。システム１Ａもまた、システム１と同様に、例えば自動車などの車両に搭載され、カーブミラーを利用することで、当該車両の運転支援情報を出力することができる。

本実施の形態では、一時停止中の車両の安全運転を支援するために、情報処理装置１０Ａは、カーブミラー内の物体の位置も加味する。なお、画像取得部１１と、検出処理部１２ａとは、実施の形態１と同様に、情報処理装置１０Ａに構成されてもよい。

［情報処理装置１０Ａ］
実施の形態２における情報処理装置１０Ａは、カーブミラーを利用することで、一時停止中の車両の運転支援情報を出力する。本実施の形態では、一時停止中の車両の安全運転を支援するために、情報処理装置１０Ａは、カーブミラー内の物体の位置も加味する。この理由について図２７Ａ〜図２７Ｃを用いて説明する。図２７Ａは、交差点で一時停止した車両２ａの運転者が視認したカーブミラー７５内に映る物体６３の一例を示す図である。図２７Ｂおよび図２７Ｃは、カーブミラーの特性の説明図である。

例えば図２７Ａには、交差点で一時停止した車両２ａの運転者が、当該交差点に設置されたカーブミラー７５を視認した場合に、カーブミラー７５に映る物体６３として自転車に乗った人が確認できる場合の例が示されている。図２７Ａでは、カーブミラー７５内の奥すなわちカーブミラー内の上部に人である物体６３が映っていることから、車両２ａの運転者は、物体６３が図２７Ｂに示すように車両２ａから見て道路の奥側の位置に存在するように見える。しかし、左右が反対に映るカーブミラーの特性から、実際には、物体６３は図２７Ｂに示すような位置すなわち車両２ａから見て道路の手前側の位置に存在する。

そのため、本実施の形態における情報処理装置１０Ａは、カーブミラー内の物体の位置も加味した上で、車両２ａの運転支援情報を出力する。

より具体的には、本実施の形態における情報処理装置１０Ａは、図２６に示すように、算出部１０１Ａと、出力処理部１０２Ａと、死角判定部１０３とを備える。図２６に示す情報処理装置１０Ａは、実施の形態１における情報処理装置１０と比較して、算出部１０１Ａと出力処理部１０２Ａとの構成が異なる。以下、算出部１０１Ａおよび出力処理部１０２Ａの構成等の詳細について説明する。

＜算出部１０１Ａ＞
図２８は、実施の形態２における算出部１０１Ａの機能構成の一例を示す図である。図２９Ａは、図２８に示す物体位置算出部１０１３が算出する物体の位置の一例を示す図である。図２９Ｂは、図２８に示す路面領域算出部１０１５が算出する路面領域の一例を示す図である。図３０は、図２８に示す中心軸算出部１０１６が算出する中心軸の算出方法の説明図である。

実施の形態２における算出部１０１Ａは、検出処理部１２ａにより検出されたカーブミラーにおける物体の位置を算出する。より具体的には、算出部１０１Ａは、検出部１２により検出されたカーブミラーであって車両に搭載された撮像装置の撮像により得られる画像に映るカーブミラー内において認識部１３により認識された物体の、カーブミラーにおける位置を算出する。

例えば、算出部１０１Ａは、図２８に示すように、物体位置算出部１０１３と、物体サイズ算出部１０１４と、路面領域算出部１０１５と、中心軸算出部１０１６とを備える。なお、算出部１０１Ａは、物体位置算出部１０１３のみ、または、物体位置算出部１０１３および物体サイズ算出部１０１４のみを有するとしてもよい。

物体位置算出部１０１３は、カーブミラーにおける物体の位置を算出する。より具体的には、物体位置算出部１０１３は、検出部１２により検出されたカーブミラーであって一時停止中の車両の前方を時系列に連続して撮影することにより得られた画像に映るカーブミラー内において認識部１３により認識された物体の、カーブミラーにおける位置を算出する。例えば、物体位置算出部１０１３は、図２９Ａに示すように、自転車に乗った人である物体６３のカーブミラー７５の領域内の位置を算出する。なお、算出部１０１Ａが、物体位置算出部１０１３のみを有する場合、物体位置算出部１０１３は、カーブミラーにおける物体の位置が、カーブミラー内の所定の位置を示す閾値よりも右か左かを算出してもよい。また、物体位置算出部１０１３は、カーブミラーにおける物体の位置が、カーブミラー内の所定の位置を示す閾値よりも上か下かを算出してもよい。

物体サイズ算出部１０１４は、カーブミラーを基準とした物体のサイズを算出する。より具体的には、物体サイズ算出部１０１４は、検出部１２により検出されたカーブミラーであって一時停止中の車両の前方を時系列に連続して撮影することにより得られた画像に映るカーブミラー内において認識部１３により認識された物体の大きさを算出する。

路面領域算出部１０１５は、カーブミラー内における路面領域を算出する。より具体的には、路面領域算出部１０１５は、検出部１２により検出されたカーブミラー内に映る道路を示す領域である路面領域を算出する。例えば、路面領域算出部１０１５は、図２９Ｂに示すように、カーブミラー７５の領域内に存在する道路を示す路面領域８０を算出する。路面領域算出部１０１５は、畳み込み層を用いたDeep Learningなどにより、予め、道路を映す大量のカーブミラーの画像を用いて学習されることで、上記のような路面領域を算出することができる。

中心軸算出部１０１６は、路面領域算出部１０１５で算出された路面領域の中心軸を算出する。より具体的には、中心軸算出部１０１６は、例えば図３０に示すように、路面領域算出部１０１５により算出された路面領域８０において、まず、路面の路肩に相当する直線（路肩直線と称する）をHough変換を用いて算出する。次いで、中心軸算出部１０１６は、算出した路肩直線の端点からの距離ｄが同じである路肩直線の位置を通り、路肩直線と直交する線Ｌ１、線Ｌ２を算出する。同様に、算出した路肩直線の端点からの距離が同じである路肩直線の位置を通り、路肩直線と直交する線Ｌ３および線Ｌ４並びに線Ｌ５および線Ｌ６を算出する。そして、中心軸算出部１０１６は、これらの交点を結ぶ直線を路面領域の中心軸８２として算出する。

なお、中心軸算出部１０１６は、上述したように、線Ｌ１および線Ｌ２、線Ｌ３および線Ｌ４、並びに線Ｌ５および線Ｌ５の３組の線を算出することで中心軸８２を算出すると説明したが、これに限らない。中心軸８２は、最低二本の交点から求められるので、中心軸算出部１０１６は、算出した線Ｌ１および線Ｌ２の交点と路肩直線の端点とから算出することもできる。また、中心軸算出部１０１６は、４組以上の線を算出し、最小二乗法を用いて、４組以上の線の交点と直線の二乗誤差を最小にする直線を中心軸８２として算出してもよい。

＜出力処理部１０２Ａ＞
出力処理部１０２Ａは、算出部１０１Ａで算出されたカーブミラーにおける物体の位置に基づいて運転支援情報を生成し、生成した運転支援情報を出力する。ここで、運転支援情報は、車両の挙動の制御指令情報を含んでいてもよいし、車両の乗員へ提示される提示情報を含んでいてもよい。

図３１は、実施の形態２における出力処理部１０２Ａの機能構成の一例を示す図である。図３２は、実施の形態２におけるカーブミラー内の物体の位置の一例を示す図である。

本実施の形態では、出力処理部１０２Ａは、図３１に示すように、危険予測部１０３１Ａと、情報生成部１０３２Ａと、情報出力部１０３３Ａとを備える。

《危険予測部１０３１Ａ》
危険予測部１０３１Ａは、算出部１０１Ａで算出されたカーブミラーにおける物体の位置に基づいて危険性を予測する。例えば、危険予測部１０３１Ａは、車両がカーブミラーに向かう方向へ進行する状況における、物体のカーブミラーにおける位置から危険性を予測してもよいし、物体と、画像に映る道路から特定されるカーブミラーにおける領域と、の位置関係に応じて危険性を予測してもよい。

本実施の形態では、危険予測部１０３１Ａは、物体位置算出部１０１３より算出された位置と中心軸算出部１０１６により算出された中心軸とに基づいて、危険性を予測する。具体的には、当該危険性は、危険度であってもよく、危険内容（例えば、接触、衝突、巻き込み等）であってもよい。

危険予測部１０３１Ａは、物体位置算出部１０１３より算出された位置が中心軸算出部１０１６により算出された中心軸よりも右である場合、当該位置が当該中心軸よりも左であるときよりも高い危険度を判定する。例えば、図３２に示すように、物体６３の下端が路面領域の中心軸８２より右または上に位置していれば、物体６３がカーブミラー７５の領域内において奥に存在すると定義できる。そして、物体６３がカーブミラー７５の領域内において奥に存在するときには、物体６３が車両から見て道路の手前側の位置に位置するので、一時停止中の車両が発進したときには物体６３と衝突する危険がある。そのため、危険予測部１０３１Ａは、物体６３がカーブミラー７５の領域内において奥に存在するときには、危険度を高く判定する。一方、物体６３の下端が中心軸８２より左または下に位置していれば、物体６３がカーブミラーの領域内において手前に存在すると定義できる。そして、物体６３がカーブミラー７５の領域内において手前に存在するときには、物体６３が車両から見て道路の奥側の位置に位置するので、一時停止中の車両が発進しても物体６３と衝突する危険は低い。そのため、危険予測部１０３１Ａは、物体６３がカーブミラー７５の領域内において手前に存在するときには、危険度を低く判定できる。

以下、この場合について図を用いてより具体的に説明する。

図３３、図３４および図３５は、実施の形態２におけるカーブミラー７５の奥側に物体６４が位置する場合の危険度の説明図である。図３３には、一時停止している車両２ａから、物体６４が奥側に映るカーブミラー７５の画像を取得している場面が示されている。図３４の（ａ）には、カーブミラー７５に存在する物体６４の位置とその大きさが示されており、（ｂ）は、（ａ）のカーブミラー７５の拡大図に該当し、物体６４と道路との関係が示されている。図３５には、図３４に示される物体６４と車両２ａとカーブミラー７５との位置関係が示されている。

図３５に示されるように、人である物体６４が車両２ａから見て道路の手前側を交差点の方向に歩いているとする。そして、一時停止している車両２ａに搭載されるシステム１Ａが、図３４に示すような、時刻ｔ_ｊ、時刻ｔ_ｊ＋１または時刻ｔ_ｊ＋２における画像５０_ｊ、画像５０_ｊ＋１または画像５０_ｊ＋２を取得するとする。この場合、システム１Ａすなわち情報処理装置１０Ａは物体６４_ｊ、物体６４_ｊ＋１または物体６４_ｊ＋２のカーブミラー７５における位置を算出する。画像５０_ｊ、画像５０_ｊ＋１または画像５０_ｊ＋２では、物体６４_ｊ、物体６４_ｊ＋１または６４_ｊ＋２は奥側に存在するため、物体６４_ｊ、６４_ｊ＋１または６４_ｊ＋２は車両２ａから見て道路の手前側の位置する。つまり、一時停止中の車両２ａが発進したときには物体６４と衝突する危険があるため、危険度を高めに判定する。

なお、一時停止している車両２ａに搭載されるシステム１Ａは、画像５０_ｊ、５０_ｊ＋１および５０_ｊ＋２を取得し、物体６４_ｊ、６４_ｊ＋１または６４_ｊ＋２の位置およびそのサイズを算出してもよい。この場合、物体６４_ｊ、６４_ｊ＋１または６４_ｊ＋２のサイズが大きくなってくるという連続性から、物体６４が交差点で一時停止中の車両２ａに近づいてくることがわかる。そのため、物体６４_ｊ＋２に対する危険度を物体６４_ｊ＋１等と比較してより高く判定してもよい。このように、危険予測部１０３１Ａは、時系列に連続する少なくとも２つの画像に対応する物体のサイズの変化量に応じて危険度を判定してもよい。つまり、危険予測部１０３１Ａは、物体サイズ算出部１０１４でカーブミラーを基準とした物体のサイズが算出されているときには、物体位置算出部１０１３より算出された物体のカーブミラーにおける位置と、物体サイズ算出部１０１４により算出された物体のサイズとに基づいて、危険度を予測してもよい。

また、一時停止している車両２ａに搭載されるシステム１Ａが、画像５０_ｊ＋２、画像５０_ｊ＋３を取得した場合、画像５０_ｊ＋３のカーブミラー７５には物体６４が存在していない。しかし、連続性すなわち直前に取得した時刻ｔ_ｊ＋２における画像５０_ｊ＋２のカーブミラー７５には物体６４_ｊ＋２が存在したことから、画像５０_ｊ＋３を当該物体６４がカーブミラー７５の死角に存在し得る死角画像と判定し、画像５０_ｊ＋３に対する危険度を物体６４_ｊ＋２等と比較してより高く判定すればよい。

図３６、図３７および図３８は、実施の形態２におけるカーブミラー７５の手前側に物体６４が位置する場合の危険度の説明図である。図３６には、一時停止している車両２ａから物体６４が手前側に映るカーブミラー７５の画像を取得している場面が示されている。図３７の（ａ）には、カーブミラー７５に存在する物体６４の位置とその大きさが示されており、（ｂ）は、（ａ）のカーブミラー７５の拡大図に該当し、物体６４と道路との関係が示されている。図３８には、図３７に示される物体６４と車両２ａとカーブミラー７５との位置関係が示されている。

図３８に示されるように、人である物体６４が車両２ａから見て道路の奥側を交差点の方向に歩いているとする。そして、一時停止している車両２ａに搭載されるシステム１Ａが、図３７に示すような、時刻ｔ_ｋ、時刻ｔ_ｋ＋１または時刻ｔ_ｋ＋２における画像５０_ｋ、画像５０_ｋ＋１または画像５０_ｋ＋２を取得するとする。この場合、システム１Ａすなわち情報処理装置１０Ａは物体６４_ｋ、物体６４_ｋ＋１または物体６４_ｋ＋２のカーブミラー７５における位置を算出する。画像５０ｋ、画像５０_ｋ＋１または画像５０_ｋ＋２では、物体６４_ｋ、物体６４_ｋ＋１または物体６４_ｋ＋２は手前側に存在するため、物体６４_ｋ、物体６４_ｋ＋１または物体６４_ｋ＋２は車両２ａから見て道路の奥側の位置する。つまり、一時停止中の車両２ａが発進したときには物体６４と衝突する危険が低いため、危険度を低めに判定する。

なお、一時停止している車両２ａに搭載されるシステム１Ａは、画像５０_ｋ、画像５０_ｋ＋１および画像５０_ｋ＋２を取得し、物体６４_ｋ、物体６４_ｋ＋１または物体６４_ｋ＋２の位置およびそのサイズを算出してもよい。この場合、物体６４_ｋ、物体６４_ｋ＋１または物体６４_ｋ＋２のサイズが大きくなってくるという連続性から、物体６４が交差点で一時停止中の車両２ａに近づいてくることがわかる。そのため、物体６４_ｋ＋２に対する危険度を物体６４_ｋ＋１等と比較して高く判定してもよい。このように、危険予測部１０３１Ａは、時系列に連続する少なくとも２つの画像の各々に映る物体それぞれのサイズの変化情報および物体のカーブミラーにおける位置に応じて危険度を予測してもよい。つまり、危険予測部１０３１Ａは、算出部１０１Ａにより算出されたカーブミラーにおける物体の位置と、算出された物体のサイズとに基づいて、危険性を予測してもよい。

上記では、サイズの変化情報がサイズの変化量である例を説明したが、サイズの変化情報はサイズの変化内容を示す情報であってもよい。例えば、サイズの変化内容は、サイズが大きくなった（または小さくなった）、サイズが所定サイズ以上になった（所定のサイズ未満になった）などであってよい。

また、一時停止している車両２ａに搭載されるシステム１Ａが、画像５０_ｋ＋２、画像５０_ｋ＋３を取得した場合、画像５０_ｋ＋３のカーブミラー７５には物体６４が存在していない。しかし、連続性すなわち直前に取得した時刻ｔ_ｋ＋２における画像５０_ｋ＋２のカーブミラー７５には物体６４_ｋ＋２が存在したことから、画像５０_ｋ＋３を当該物体６４がカーブミラー７５の死角に存在し得る死角画像と判定し、物体６４_ｋ＋３に対する危険度を物体６４_ｋ＋２等と比較してより高く予測すればよい。

また、危険予測部１０３１Ａは、算出部１０１Ａで算出された物体のカーブミラーにおける位置に基づいて、車両がこのまま進行したときに予測される危険度を判定してもよい。例えば、危険予測部１０３１Ａは、算出部１０１Ａにより算出された物体の位置がカーブミラーの中心線より下である場合、当該位置がカーブミラーの中心線より上であるときよりも高い危険度を判定するとしてもよい。また、危険予測部１０３１Ａは、算出部１０１Ａにより算出された物体の位置がカーブミラーの所定の位置よりも右にある場合、当該位置がカーブミラーの所定の位置よりも左側にあるときよりも高い危険度を判定するとしてもよい。なお、所定の位置は、中心軸の位置でもよいし、予め定められた中心近傍の位置であってもよい。また、中心線は、例えばカーブミラーの中心を通る線であり、水平線、垂直線、斜線、曲線などがある。中心線が水平線である場合には、上／下により危険度を判定すればよいし、中心線が垂直線である場合には、右／左により危険度を判定すればよい。また、中心線が斜線または曲線である場合には、一方／他方により危険度を判定すればよい。

《情報生成部１０３２Ａ》
情報生成部１０３２Ａは、算出部１０１Ａで算出されたカーブミラーにおける物体の位置に基づいて運転支援情報を生成する。例えば、情報生成部１０３２Ａは、物体と、画像に映る道路から特定されるカーブミラーにおける領域と、の位置関係に応じて運転支援情報を生成してもよい。また、情報生成部１０３２Ａは、算出部１０１Ａで算出された物体のカーブミラーにおける位置と、算出部１０１Ａで算出された物体のサイズとに基づいて運転支援情報を生成してもよく、例えば、時系列に連続する少なくとも２つの画像の各々に映る物体それぞれのサイズの変化情報および物体のカーブミラーにおける位置に応じて運転支援情報を生成してもよい。

より詳細には、情報生成部１０３２Ａは、物体位置算出部１０１３により算出された物体の位置と、中心軸算出部１０１６により算出された中心軸と、の位置関係に応じて運転支援情報を生成してもよい。例えば、情報生成部１０３２Ａは、物体が画像において中心軸よりも上に位置している場合、車両に物体を回避させるための運転支援情報を生成する。

また、情報生成部１０３２Ａは、算出部１０１Ａにより算出された物体の位置とカーブミラーの中心線との位置関係に基づいて運転支援情報を生成してもよい。例えば、情報生成部１０３２Ａは、（ｉ）カーブミラーが車両からみて左に向いている場合に、物体が画像において中心線よりも右に位置しているとき、又は、（ｉｉ）カーブミラーが車両からみて右に向いている場合に、物体が画像において中心線よりも左に位置しているときは、車両に物体を回避させるための運転支援情報を生成すればよい。

本実施の形態では、情報生成部１０３２Ａは、危険予測部１０３１Ａで予測された危険性に応じて、運転支援情報を生成する。例えば、情報生成部１０３２Ａは、危険予測部１０３１Ａで予測された危険性に基づいて、車両制御情報を生成してもよい。また、情報生成部１０３２Ａは、車両が前記カーブミラーに向かう方向へ進行する状況における、前記物体の前記カーブミラーにおける位置から予測される危険性に応じて運転支援情報を生成してもよい。

なお、情報生成部１０３２Ａは、危険予測部１０３１Ａで予測された危険度を示す情報を、運転支援情報として出力してもよい。例えば、情報生成部１０３２Ａは、危険予測部１０３１により時系列に連続する少なくとも２つの画像に対応する物体のサイズの変化量に応じて判定される危険度を示す情報を、運転支援情報として出力する。

さらに、情報生成部１０３２Ａは、物体位置算出部１０１３により算出された物体の位置と、死角判定部１０３により死角画像が判定されたことと、に基づいて、車両を一時停止させる車両制御情報を含む運転支援情報を生成してもよい。具体的には、情報生成部１０３２Ａは、さらに、時系列に連続する複数の画像のうちの少なくとも１つの画像おいて認識部１３により認識された物体が、少なくとも１つ画像より時系列的に後の画像において認識部１３により認識されない場合に、運転支援情報を生成してもよい。また、情報生成部１０３２Ａは、当該１つの画像に映る物体の位置と、その後の画像において物体が認識部１３により認識されないことと、に基づいて運転支援情報を生成してもよい。

《情報出力部１０３３Ａ》
情報出力部１０３３Ａは、情報生成部１０３２Ａにより生成された運転支援情報を出力する。

なお、上記では、運転支援情報が制御指令情報である例を説明したが、運転支援情報は提示情報であってもよい。例えば、提示情報は、後述する危険性を示す情報、運転手への推奨操作を示す情報であってよい。

ここで、このように構成される出力処理部１０２Ａが行う出力処理の一例について図を用いて説明する。

図３９は、実施の形態２におけるＴ字交差点の一例を示す図である。図４０は、実施の形態２における出力処理部１０２Ａが行う出力処理の別の一例を示す説明図である。図４０には、本実施の形態の情報処理装置１０Ａまたはシステム１Ａが搭載された車両２ａがＴ字交差点で一時停止している様子が示されている。

この場合において、出力処理部１０２Ａすなわち危険予測部１０３１Ａは、図４０に示すように、物体の時間毎のサイズが小さくなるまたは変化がないときには、カーブミラー７５内の物体の位置が奥側であっても手前側であっても危険度が低であると判定する。ここで、出力処理部１０２Ａすなわち情報生成部１０３２Ａは、危険予測部１０３１Ａで予測された危険度が低であることを示す情報を出力してもよい。また、情報生成部１０３２Ａは、図４０に示すように、危険度が低であることに基づいて、一時停止中の車両２ａを発進させるための車両制御情報を生成してもよい。図３９に示す例では、危険予測部１０３１Ａは、カーブミラー７５内の車両３のサイズが小さくなるまたは変化がないときには、車両３は、車両２ａから遠ざかる方向に進行中であると判定できるので、危険度が低であると判定する。そして、情報生成部１０３２Ａは、判定された危険度が低であることを示す情報または一時停止中の車両２ａを発進させるための車両制御情報を生成してもよい。

また、危険予測部１０３１Ａは、図４０に示すように、カーブミラー７５内の物体の位置が手前側、かつ、カーブミラー７５内の物体のサイズが大きくなるときには、危険度が中であると判定する。ここで、情報生成部１０３２Ａは、危険予測部１０３１Ａで判定された危険度が中であることを示す情報を生成してもよい。また、情報生成部１０３２Ａは、図４０に示すように、危険度が中であることに基づいて、一時停止中の車両２ａを徐行しながら発進させるための車両制御情報を生成してもよい。図３９に示す例では、危険予測部１０３１Ａは、カーブミラー７５内の車両３の位置が手前、かつ、カーブミラー７５内の車両３サイズが大きくなるときには、車両３は、道路の奥側を車両２ａに向かう方向に進行中であると判定できるので、危険度が中であると判定する。そして、情報生成部１０３２Ａは、判定された危険度が中であることを示す情報または一時停止中の車両２ａを徐行で発進させるための車両制御情報を生成してもよい。

また、危険予測部１０３１Ａは、図４０に示すように、カーブミラー７５内の物体の位置が奥側、かつ、カーブミラー７５内の物体のサイズが大きくなるときには、危険度が高であると判定する。ここで、情報生成部１０３２Ａは、危険予測部１０３１Ａで判定された危険度が高であることを示す情報を生成してもよい。また、情報生成部１０３２Ａは、図４０に示すように、危険度が高であることに基づいて、対象物である車両３の通過をセンサ等で確認後に一時停止中の車両２ａを発進させるための車両制御情報を生成してもよい。図３９に示す例では、危険予測部１０３１は、カーブミラー７５内の車両３のサイズが大きくなるときには、車両３は、道路の手前側を車両２ａに向かう方向に進行中であると判定できるので、危険度が高であると判定する。そして、情報生成部１０３２Ａは、判定された危険度が高であることを示す情報または、車両３の通過をセンサ等で確認後に一時停止中の車両２ａを発進させるための車両制御情報を生成してもよい。

［システム１Ａの動作］
次に、以上のように構成されたシステム１Ａの情報処理方法について説明する。図４１は、実施の形態２におけるシステム１Ａの情報処理方法の概要を示すフローチャートである。図４２は、実施の形態２におけるシステム１Ａの情報処理方法の詳細を示すフローチャートである。なお、図１９と同様の要素には同一の符号を付しており、詳細な説明は省略する。

まず、図４１に示すように、システム１Ａは、画像情報に基づいて画像に映るカーブミラーとカーブミラーに映る物体を検出する（Ｓ２０）。次に、システム１Ａは、Ｓ２０で検出されたカーブミラーにおける位置を算出する（Ｓ２１）。次に、システム１Ａは、Ｓ２１で算出した位置に基づいて運転支援情報を生成する（Ｓ２２）。そして、システム１Ａは、Ｓ２２で生成した運転支援情報を出力する（Ｓ２３）。

より詳細には、図４２に示すように、Ｓ２１の処理において、システム１Ａは、Ｓ１０２で検出されたカーブミラーにおける、Ｓ１０３で認識された物体の位置を算出する物体位置算出処理を行う（Ｓ２０４）。次いで、システム１Ａは、Ｓ１０２で検出されたカーブミラーを基準とした、Ｓ１０３で認識された物体の大きさを算出する物体サイズ算出処理を行う（Ｓ２０５）。次いで、システム１Ａは、Ｓ１０２で検出されたカーブミラー内における路面領域を算出する路面領域算出処理を行う（Ｓ２０６）。次いで、システム１Ａは、Ｓ２０６で算出された路面領域の中心軸を算出する中心軸算出処理を行う（Ｓ２０７）。なお、Ｓ２０４〜Ｓ２０７で行われる処理の詳細については上述した通りであるのでここでの詳細な説明は省略する。

また、図４１で説明したＳ２２の処理において、システム１Ａは、Ｓ２１で算出された物体のカーブミラーにおける位置に基づいて、車両がこのまま進行したときに予測される危険度を判定する危険予測処理を行う（Ｓ２２１）。次いで、システム１Ａは、Ｓ２２１で判定された危険度を示す情報を、運転支援情報として生成したり、Ｓ２２１で判定された危険度に基づいて、車両を制御するための車両制御情報を生成したりする情報生成処理を行う（Ｓ２２２）。なお、Ｓ２２１およびＳ２２２で行われる処理の詳細については上述した通りであるのでここでの説明は省略する。

そして、システム１Ａは、図４１で説明したＳ２３の処理を行う。より具体的には、Ｓ２３において、システム１Ａは、Ｓ２２２で生成された運転支援情報等を出力する情報出力処理を行う（Ｓ２２３）。

［実施の形態２の効果等］
以上のように、実施の形態２に係る情報処理装置１０Ａまたはシステム１Ａによれば、交差点など見通しが悪い場所において、カーブミラーを利用することで、危険度を判定することができ、判定した危険度に基づいて車両の運転支援情報を生成して出力することができる。それにより、情報処理装置１０Ａを搭載した車両の安全運転を支援することができる。

具体的には、交差点などの見通しが悪い場所において、カーブミラーに、人物などの物体が映っている場合には、当該物体が当該場所に飛び出してくる可能性がある。この場合、一時停止中の車両を早期に発進させると当該物体と衝突する危険がある。また、カーブミラーは左右反転して映すという特性がある。

したがって、カーブミラーの奥側に人物などの物体が映っている場合には、カーブミラーの手前側に人物などの物体が映っている場合に比べて、当該場所の一時停止中の車両に近い側の道路の路肩側近傍を移動中であることがわかる。つまり、カーブミラーの奥側に人物などの物体が映っている場合には、カーブミラーの手前側に人物などの物体が映っている場合に比べて、一時停止中の車両を早期に発進させると当該物体と衝突する危険が高い。

そこで、本実施の形態では、一時停止中の車両から得ることのできる画像に映るカーブミラー内の物体の位置と必要ならそのサイズ変化とから危険度を判定する。このようにして、実施の形態２に係る情報処理装置１０Ａは、カーブミラーを利用することで、危険度を判定することができる。

なお、例えば自動運転中の車両が情報処理装置１０Ａを備える場合には、当該車両は、上記のようにカーブミラーを利用して、危険度を判定することできるので、予測した危険度に応じて車両制御を行うことができる。

また、上述したように、例えば、実施の形態２に係る情報処理装置１０Ａは、物体が画像において中心軸よりも上に位置している場合、車両に物体を回避させるための運転支援情報を生成するとしてもよい。これにより、物体が車両に近い場合に物体を回避することができ、物体および車両の安全性を確保することができる。

また、例えば、実施の形態２に係る情報処理装置１０Ａは、（ｉ）カーブミラーが車両からみて左に向いている場合に、物体が画像において中心線よりも右に位置しているとき、または（ｉｉ）カーブミラーが車両からみて右に向いている場合に、物体が画像において中心線よりも左に位置しているときは、車両に物体を回避させるための運転支援情報を生成するとしてもよい。これにより、物体が車両に近い場合に物体を回避することができ、物体および車両の安全性を確保することができる。また、道路の中心軸を特定するような複雑な処理を省くことができ、処理速度を向上させることができる。

以上のように、実施の形態２に係る情報処理装置１０Ａまたはシステム１Ａによれば、交差点など見通しが悪い場所において、カーブミラーを利用することで、車両の安全運転を支援することができる。

なお、上記では、車両が一時停止中である例を説明したが、実施の形態２は低速（所定速度以下）で移動している車両について適用されてもよい。

（変形例１）
実施の形態２では、カーブミラー内の物体の位置と必要ならその大きさに応じて危険度を判定する場合について説明したが、これに限らない。認識部１３がカーブミラーに映る物体の属性を認識し、算出部１０１が当該属性を考慮して危険度を判定してもよい。本変形例では、カーブミラーに映る物体が有する移動速度に関する属性をさらに考慮して危険度を判定する場合について説明する。

図４３は、実施の形態２の変形例１における出力処理部１０２Ａが行う危険予測処理の一例を示す説明図である。なお、図４０と同様の内容には同一の文言が記載されており、詳細な説明は省略する。また、図４３にはＴ字等の交差点において変形例１における出力処理部１０２Ａが行う危険予測処理の一例が示されている。なお、低、中または高の危険度に基づく、車両制御情報は、図４０に示す通りでよいため、図４３では図示を省略している。

図４３に示すように、物体が人物である場合には、危険予測部１０３１Ａは図４０のときと同様の危険度を判定すればよい。一方で、物体が人物よりも移動速度の速い自転車、バイクまたは自動車である場合には、危険予測部１０３１Ａは移動速度に応じて物体が人物であるときよりも高い危険度を判定すればよい。

以上のように、本変形例では、出力処理部１０２Ａは、運転支援情報を、認識部１３により認識された物体の属性に応じて生成して、生成した運転支援情報を出力する。

（変形例２）
変形例１では、カーブミラーに映る物体が有する移動速度に関する属性をさらに考慮して危険度を判定する場合について説明したが、これに限らない。カーブミラーに映る物体が人である場合には、危険予測部１０３１Ａはその人の年齢に関する属性をさらに考慮して危険度を判定してもよい。この場合を変形例２として以下に説明する。

図４４は、実施の形態２の変形例２における出力処理部１０２Ａが行う危険予測処理の一例を示す説明図である。なお、図４０と同様の内容には同一の文言が記載されており、詳細な説明は省略する。また、図４４にはＴ字等の交差点において変形例２における出力処理部１０２Ａが行う危険予測処理の一例が示されている。なお、低、中または高の危険度に基づく、車両制御情報は、図４０に示す通りでよいため、図４４でも図示を省略している。

図４４に示すように、物体が人物であり、かつその人物が子供またはお年寄りである場合には、危険予測部１０３１Ａは図４０と同様の危険度を判定すればよい。一方で、物体が人物であり、かつ、その人物が子供およびお年寄り以外のその他である場合には、危険予測部１０３１Ａは人物が子供またはお年寄りであるときよりも高い危険度を判定すればよい。

以上のように、本変形例では、出力処理部１０２Ａは、認識部１３により認識された物体の属性が人物の場合、認識部１３により認識された当該物体の年齢に関する情報に応じて運転支援情報を変化させて生成し、生成した当該運転支援情報を出力する。なお、上記では、年齢に関する情報が人物の世代である例を説明したが、年齢に関する情報は人物の年齢または年代であってもよい。

（変形例３）
変形例２では、カーブミラーに映る物体が人である場合には、その人の年齢に関する属性をさらに考慮して危険度を判定する場合について説明したが、これに限らない。カーブミラーに映る物体が人である場合に、危険予測部１０３１Ａは、さらに、その人がスマートフォンなどの携帯端末を見ながら歩いているか否かという属性をさらに考慮して危険度を判定してもよい。具体的には、不注意行動は、非前方視行動である。例えば、非前方視行動は、スマートフォンなどの携帯端末または本などの注視がある。この場合を変形例３として以下に説明する。

図４５は、実施の形態２の変形例３における出力処理部１０２Ａが行う危険予測処理の一例を示す説明図である。なお、図４０と同様の内容には同一の文言が記載されており、詳細な説明は省略する。また、図４５にはＴ字等の交差点において変形例１における出力処理部１０２Ａが行う危険予測処理の一例が示されている。なお、低、中または高の危険度に基づく、車両制御情報は、図４０に示す通りでよいため、図４５でも図示を省略している。

図４５に示すように、物体が人物であり、かつその人物が携帯端末を見て移動行動を行う非前方視行動をしていないすなわちその人物が携帯端末を見ながら歩いていない場合には、危険予測部１０３１Ａは、図４０のときと同様の危険度を判定すればよい。一方で、物体が人物であり、かつ、その人物が非前方視行動をしているすなわちその人物が携帯端末を見ながら歩いている場合には、危険予測部１０３１Ａは、その人物が非前方視行動をしていないときよりも高い危険度を判定すればよい。なお、上記では、不注意行動が非前方視行動である例を説明したが、不注意行動は、人物の前方だが上方または下方を見ている行動、または人物の前方にある乳母車もしくはボールなどの特定物を注視している行動であってもよい。

以上のように、本変形例では、出力処理部１０２Ａは、認識部１３により認識された物体の属性が人物の場合、認識部１３により認識された物体が不注意行動をしているか否かに応じて運転支援情報を変化させて生成し、生成した当該運転支援情報を出力する。

（実施の形態３）
カーブミラーは、実施の形態１および２で説明したＴ字路または曲線カーブ道路以外の見通しが悪い場所にも存在する。

例えば車両専用道路の出口付近の場所では、車がスピードを緩めず飛び出してくる可能性が高いし、ショッピングモールの入庫口では人または車両の飛び出しがある可能性が高い。また、例えばショッピングモールの入り口では人の出入りが多いため人の飛び出しがある可能性が高い。また、例えば自動車がスピードを出しやすい直線に連なる曲がり角などの場所では、自動車がスピードを緩めず車線を越えて膨らむつまり飛び出してくる可能性がある。これらのようなカーブミラーが存在する見通しの悪い場所では、事故が発生する危険度が高い。つまり、自車両の位置またはカーブミラーの設置場所によっては、人が多く現れる場所かまたは自動車の速度が速い場所かなどの条件が異なることから危険度も異なる。

そこで、実施の形態３では、カーブミラーの設置場所の特徴を考慮することで、一時停止中または進行中の車両の安全運転を支援することができる情報処理装置等について説明する。なお、以下では、実施の形態３におけるシステムまたは情報処理装置が搭載された車両を自車両と称する。

［システム１Ｂの構成］
図４６は、実施の形態３におけるシステム１Ｂの構成の一例を示すブロック図である。なお、図１および図２６と同様の要素には同一の符号を付しており、詳細な説明は省略する。

図４６に示すシステム１Ｂは、実施の形態１におけるシステム１と比較して、取得部１１Ｂ、検出処理部１２ｂおよび情報処理装置１０Ｂの構成が異なる。システム１Ｂもまた、システム１と同様に、例えば自動車などの車両に搭載され、カーブミラーを利用することで、当該車両すなわち自車両の運転支援情報を出力することができる。

本実施の形態では、一時停止中または進行中の自車両の安全運転を支援するために、情報処理装置１０Ｂは、カーブミラーの設置場所の特徴も加味する。

［取得部１１Ｂ］
取得部１１Ｂは、画像取得部１１と同様に、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報を取得する。取得部１１Ｂは、マップ情報を取得してもよい。マップ情報とは、地理上の位置における動的に変化する事象を示す情報または地理上の静的な情報である。マップ情報には、マップ上の交通事故、渋滞、工事、路面状態および気象の少なくとも１つを示す追加マップ情報を含む。

なお、取得部１１Ｂは、実施の形態１における画像取得部１１と比較して、マップ情報を取得できる点が異なり、その他の点は同じである。取得部１１Ｂでは、センシング部１１１が通信等によりマップ情報を取得し、画像記録部１１２に記録すればよい。

［検出処理部１２ｂ］
検出処理部１２ｂは、カーブミラーおよびカーブミラーに映る物体を検出する。本実施の形態では、検出処理部１２ｂは、マップ情報または、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて、車両周辺のカーブミラーを検出する。

検出処理部１２ｂは、図４６に示すように、検出部１２Ｂと認識部１３Ｂとを備える。

＜検出部１２Ｂ＞
検出部１２Ｂは、カーブミラーを検出する。より具体的には、検出部１２Ｂは、画像情報に基づいて車両周辺のカーブミラーを検出する。例えば、検出部１２Ｂは、カーブミラーの識別情報またはカーブミラーの識別器を用いて、画像情報に基づいて車両周辺のカーブミラーを検出する。なお、画像情報に基づいて車両周辺のカーブミラーを検出する方法は、実施の形態１で画像中のカーブミラーを検出する方法と同様である。

また、検出部１２Ｂは、マップ情報に基づいて車両周辺のカーブミラーを検出してもよい。例えば、検出部１２Ｂは、車両の位置とマップ情報が示すカーブミラーの設置場所とに基づいて車両周辺のカーブミラーを検出する。

＜認識部１３Ｂ＞
認識部１３Ｂは、車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいてカーブミラーに映る物体を認識する。また、認識部１３Ｂは、カーブミラーの識別情報またはカーブミラーの識別器を用いて、画像情報に基づいてカーブミラーの周囲環境を認識する。このように、認識部１３Ｂは、取得部１１Ｂにより取得された画像に映るカーブミラー内の物体およびカーブミラーの周囲環境を認識する。

なお、取得部１１Ｂと、検出処理部１２ｂとは、実施の形態１および２と同様に、情報処理装置１０Ｂに構成されてもよい。

［情報処理装置１０Ｂ］
実施の形態３における情報処理装置１０Ｂは、カーブミラーを利用することで、一時停止中または進行中の自車両の運転支援情報を出力する。本実施の形態では、一時停止中または進行中の自車両の安全運転を支援するために、情報処理装置１０Ｂは、カーブミラーの設置場所の特徴も加味する。上述したように、自車両の位置またはカーブミラーの設置場所によって異なる危険度を考慮することができるからである。

より具体的には、情報処理装置１０Ｂは、図４６に示すように、出力処理部１０２Ｂと、死角判定部１０３と、判定部１０４とを備える。図４６に示す情報処理装置１０Ｂは、実施の形態１における情報処理装置１０と比較して、判定部１０４の構成が追加され、出力処理部１０２Ｂの構成が異なる。以下、判定部１０４および出力処理部１０２Ｂの構成等の詳細について説明する。

＜判定部１０４＞
図４７は、実施の形態３における判定部１０４の機能構成の一例を示す図である。

判定部１０４は、図４７に示すように、特徴判定部１０４１と、第１危険度判定部１０４２と、第２危険度判定部１０４３とを備える。

《特徴判定部１０４１》
特徴判定部１０４１は、カーブミラーの設置場所の特徴を判定する。当該特徴には、カーブミラーの設置場所における道路の態様または設置場所における物体の通過の態様を含む。

より具体的には、特徴判定部１０４１は、マップ情報に基づいて、カーブミラーの設置場所の特徴を判定する。例えば、特徴判定部１０４１は、カーブミラーの周辺のマップ情報に基づいて当該特徴を判定する。特徴判定部１０４１は、追加マップ情報から道路の態様または物体の通過の態様を判定してもよい。

また、特徴判定部１０４１は、画像情報に基づいてカーブミラーの設置場所の特徴を判定してもよい。例えば、特徴判定部１０４１は、カーブミラーの周囲環境に基づいて特徴を判定してもよい。特徴判定部１０４１は、カーブミラーの周囲環境から道路の態様または物体の通過の態様を判定してもよい。

さらに、特徴判定部１０４１は、カーブミラーに映る物体に基づいて当該特徴を判定してもよい。この場合、特徴判定部１０４１は、カーブミラーに物体が映っていること、またはカーブミラーに映っている物体の多寡を当該特徴として判定してもよい。

なお、特徴判定部１０４１は、自車両の前方を時系列に連続して撮影することにより得られた画像に映るカーブミラーの設置場所の特徴に関する情報を取得する設置場所取得部をさらに有していてもよい。当該設置場所取得部は、特徴判定部１０４１が有する場合に限らず、検出処理部１２ｂまたは取得部１１Ｂが有していてもよい。

例えば、設置場所取得部は、自車両の位置を示すＧＰＳ（Global PositioningSystem）情報から、自車両の前方を時系列に連続して撮影することにより得られた画像に映るカーブミラーの設置場所を取得することができる。この場合、設置場所取得部は、取得した設置場所と、交通事故多発地点の情報、渋滞情報、道路工事情報、事故現場および路面情報などが埋め込まれたローカルダイナミックマップとから、カーブミラーの設置場所の特徴に関する情報を取得する。

カーブミラーの設置場所の特徴とは、上述した道路の態様である。具体的には、道路の態様は、事故が起こりやすいもしくは実際に事故が起きた場所、車両の台数もしくは渋滞の有無などの道路の混雑度、落葉、落石、積雪もしくは凍結などの路面状況、または工事有無などである。例えば、事故が起こりやすい場所は、車両専用道路の出口付近、ショッピングモールの入庫口若しくは入口、または、自動車がスピードを出しやすい直線に連なる曲がり角である。

図４８は、ダイナミックマップの一例を示す説明図である。ローカルダイナミックマップは、所定場所付近を含む一部のダイナミックマップであり、道路・地物など静的な情報である高精細な地図データに、自車両位置周辺の刻々と変化する動的な情報を重ね合わせることで高度化された地図情報である。ローカルダイナミックマップには、例えば図４８に示すように、路面情報、車線情報および３次元構造物などの静的な情報である最下層の基盤データ上に、準静的データと準動的データと動的データとが重畳されている。ここで、準静的データには、例えば交通規制情報、道路工事情報および広域気象情報などが含まれ、準動的データには例えば事故情報、渋滞情報および狭域気象情報などが含まれる。動的データには例えば周辺車両情報、歩行者情報および信号情報などＩＴＳ（Intelligent Transport Systems：高度道路交通システム）の先読み情報などが含まれる。

また、設置場所取得部は、ＧＰＳ情報により取得した設置場所と、自車両に設置された車載カメラなどにより撮影さすることにより得られた画像に映るカーブミラーの周囲環境とから、カーブミラーの設置場所の特徴に関する情報を取得してもよい。さらに、カーブミラーの設置場所の特徴とは、上述した設置場所における物体の通過の態様であってもよい。具体的には、設置場所における物体の通過の態様は、人または車両の出入りの有無または程度である。

ここでは、カーブミラーの設置場所の特徴に関する情報とは、上述したようなマップ情報または撮影画像を用いて得られる事故が起こりやすい場所か否かを示す情報である。

図４９Ａ〜図４９Ｅは、実施の形態３におけるカーブミラーの周囲環境の一例である。周囲環境は、例えば図４９Ａ〜図４９Ｅに示すようなショッピングセンターなどの商業施設の出入り口である。なお、商業施設の出入り口は、図４９Ａ〜図４９Ｅに示すようなバリエーションがあるため、設置場所取得部は、商業施設の出入り口が映る画像を入力とする学習（Deep Learningなど）により得られる商業施設の出入り口認識器を備えるとしてよい。これにより、設置場所取得部は、画像に映るカーブミラーの周囲環境を示す画像から、ショッピングモールの入庫口若しくは入口などの事故が起こりやすい場所を示す情報を取得することができる。

図５０は、実施の形態３における設置場所取得部が用いるマップ８６の一例を示す図である。

設置場所取得部は、自車両の現在位置を図５０に示すマップ８６を取得後に画像に映るカーブミラーの周囲環境からカーブミラーの設置場所の特徴に関する情報を取得してもよい。自車両の現在位置が図５０に示すマップ８６上のショッピングセンターなどの商業施設８６０付近にあり、その後自車両の現在位置がGPS情報が取得できない商業施設８６０の屋内駐車場である場合において、商業施設８６０に自車両の現在位置があることを取得できるからである。これにより、設置場所取得部は、画像に映るカーブミラーの周囲環境から、商業施設８６０の入庫口または出庫口などの事故が起こりやすい場所を示す情報をより精度よく取得できるからである。

なお、自車両の現在位置がGPS情報が取得できるショッピングセンターの屋外駐車場である場合には、設置場所取得部は、地理情報からカーブミラーの設置場所の特徴に関する情報を取得してもよい。

《第１危険度判定部１０４２》
第１危険度判定部１０４２は、設置場所取得部により取得されたカーブミラーの設置場所の特徴に関する情報に基づいて、自車両の事故が起こる可能性の高さを示す第１危険度を判定する。第１危険度判定部１０４２は、自車両の現在位置とマップ情報とに基づいて判定（取得）されたカーブミラーの設置場所の特徴に関する情報に基づいて第１危険度を判定してもよいし、画像に映るカーブミラーの周囲環境に基づいて判定（取得）されたカーブミラーの設置場所の特徴に関する情報に基づいて第１危険度を判定してもよい。

まず、図５１〜図５４を用いて、第１危険度判定部１０４２が地理情報に基づいて第１危険度を判定する方法の一例について説明する。図５１〜図５４は、実施の形態３における第１危険度判定部１０４２が判定に用いるローカルダイナミックマップの一例を示す図である。図５１〜図５４において、同様の要素には同一の符号を付している。

図５１には、自車両の現在位置により取得される通勤時間帯のローカルダイナミックマップ８６ｔの一例が示されている。図５１において、道路８６１、道路８６２、高速道路８６３よび道路８６４は、自車両が走行する可能性のある道路を示すとする。また、ローカルダイナミックマップ８６ｔでは、動的に変化する交通事故、渋滞情報および、道路８６１を抜けて通勤する人が多いことを示す情報を含んでいるとする。

この場合、第１危険度判定部１０４２は、ハッチングされた道路８６１において自車両の事故の起こる可能性が最も高いとして、道路８６１の第１危険度を大と判定する。また、第１危険度判定部１０４２は、道路８６１に繋がり、商業施設８６５を通る道路８６２であってハッチングされた道路８６２において自車両の事故の起こる可能性が次に高いとして、その第１危険度を中と判定する。第１危険度判定部１０４２は、道路８６１および８６２以外の高速道路８６３および道路８６４においては自車両の事故の起こる可能性が低いとして、その第１危険度を小と判定する。

図５２には、自車両の現在位置により取得される大型連休時のローカルダイナミックマップ８６ｔ_１の一例が示されている。ローカルダイナミックマップ８６ｔ_１では、動的に変化する交通事故、渋滞情報として、高速道路８６３で渋滞および事故発生が多いことを示す情報を含んでいるとする。この場合、第１危険度判定部１０４２は、ハッチングされた高速道路８６３において自車両の事故の起こる可能性が最も高いとして、高速道路８６３の第１危険度を大と判定する。また、第１危険度判定部１０４２は、高速道路８６３に繋がるハッチングされた道路８６２および道路８６４において自車両の事故の起こる可能性が次に高いとして、それらの第１危険度を中と判定する。第１危険度判定部１０４２は、高速道路８６３、道路８６２および道路８６４以外の道路８６２においては自車両の事故の起こる可能性が低いとして、その第１危険度を小と判定する。

また、図５３には、自車両の現在位置により取得される土日の午後の時間帯のローカルダイナミックマップ８６ｔ_２の一例が示されている。ローカルダイナミックマップ８６ｔ_２では、動的に変化する交通事故、渋滞情報として、ショッピングセンターなどの商業施設８６５が混雑する時間帯を示すグラフと商業施設８６５に繋がる道路８６２で渋滞および事故発生が多いことを示す情報を含んでいるとする。

この場合、第１危険度判定部１０４２は、ハッチングされた道路８６２において自車両の事故の起こる可能性が最も高いとして、道路８６２の第１危険度を大と判定する。また、第１危険度判定部１０４２は、道路８６２に繋がるハッチングされた道路８６１において車両の事故の起こる可能性が次に高いとして、その第１危険度を中と判定する。第１危険度判定部１０４２は、道路８６１および道路８６２以外の高速道路８６３および道路８６４においては自車両の事故が起こる可能性が低いとして、それらの第１危険度を小と判定する。

また、図５４には、自車両の現在位置により取得されるイベント時のローカルダイナミックマップ８６ｔ_３の一例が示されている。また、ローカルダイナミックマップ８６ｔ_３では、動的に変化する交通事故、渋滞情報として、コンサートなどのイベントが発生したコンサート会場８６６に繋がる道路８６２で渋滞および事故発生が多いことを示す情報を含んでいるとする。

この場合、第１危険度判定部１０４２は、ハッチングされた道路８６２において自車両の事故の起こる可能性が最も高いとして、道路８６２の第１危険度を大と判定する。また、第１危険度判定部１０４２は、道路８６２に繋がるハッチングされた道路８６１において車両の事故の起こる可能性が次に高いとして、その第１危険度を中と判定する。第１危険度判定部１０４２は、道路８６１および道路８６２以外の高速道路８６３および道路８６４においては自車両の事故が起こる可能性が低いとして、それらの第１危険度を小と判定する。

このようにして、第１危険度判定部１０４２は、自車両の現在位置と、現在の時間、季節または現在イベントが発生している等により動的に変化する交通事故、渋滞情報を示す地理情報に基づいて第１危険度を判定することができる。

次に、第１危険度判定部１０４２が画像に映るカーブミラーの周囲環境に基づいて第１危険度を判定する方法の一例について説明する。ここで、設置場所取得部は、画像に映るカーブミラーの周囲環境から、ショッピングセンターの出入り口または駐車場などのカーブミラーの設置場所の特徴に関する情報を取得しているとする。

第１危険度判定部１０４２は、カーブミラーの設置場所の特徴に関する情報から自車両の現在位置がショッピングセンターなどの商業施設の駐車場であると推定される場合には、自車両の事故の起こる可能性が中程度であるとして、第１危険度を中と判定する。駐車場では自動車が多数停車しており、駐車場内での自車両の移動は見通しが悪いためである。一方、第１危険度判定部１０４２は、カーブミラーの設置場所の特徴に関する情報から自車両の現在位置がショッピングセンターなどの商業施設の出入り口または入庫口である場合には、自車両の事故の起こる可能性が高いとして、第１危険度を大と判定する。商業施設の出入り口では、移動中の人が多く、自車両と人との衝突可能性が高いからである。また、ショッピングセンターの入庫口では、通常傾斜があり自動車またはバイクが一旦停止後に加速または飛び出しをする可能性があり、自車両と人との衝突可能性が高いからである。

《第２危険度判定部１０４３》
第２危険度判定部１０４３は、第１危険度判定部１０４２で判定された第１危険度とカーブミラーに映る物体の有無とに基づいて、自車両が進行するときに予測される危険度である第２危険度を判定する。

第２危険度判定部１０４３は、カーブミラーに映る物体が有るときには、自車両が進行するときに物体と衝突する危険性が高まることから、これを加味した第２危険度を判定する。より具体的には、第２危険度判定部１０４３は、第１危険度判定部１０４２で判定された第１危険度が小の場合、カーブミラーに映る物体が有るときには第２危険度を中と判定し、カーブミラーに映る物体が無ければ第２危険度を低と判定する。第２危険度判定部１０４３は、第１危険度判定部１０４２で判定された第１危険度が中の場合、カーブミラーに映る物体が有れば第２危険度を中と判定し、カーブミラーに映る物体が無ければ第２危険度を低と判定する。また、第２危険度判定部１０４３は、第１危険度判定部１０４２で判定された第１危険度が大の場合、カーブミラーに映る物体が有れば第２危険度を高と判定し、カーブミラーに映る物体が無ければ第２危険度を中と判定する。

例えば、自車両の位置がショッピングモールの入庫口では、入庫口では自動車またはバイクが一旦停止後に加速まはた飛び出しをする可能性があるため、上述したように第１危険度判定部１０４２により第１危険度が中であると判定される。第２危険度判定部１０４３は、カーブミラーに映る車があるときには、入庫口付近に位置する自車両とその車との衝突可能性が高いとして第２危険度を中と判定する。一方、第２危険度判定部１０４３は、カーブミラーに映る車がないときには、自車両と車との衝突可能性が低くなるため、第２危険度を低と判定する。

また、例えば自車両の位置がショッピングモールの出入り口近辺の場合、出入り口近辺では、人の出入りが多く事故の発生確率も増えることから、上述したように第１危険度判定部１０４２により第１危険度が大であると判定される。第２危険度判定部１０４３は、カーブミラーに映る人があるときには、出入り口近辺に位置する自車両と人との衝突可能性が高いとして第２危険度を高と判定する。一方、第２危険度判定部１０４３は、カーブミラーに映る人がないときには、自車両と人との衝突可能性が低くなるため、第２危険度を中と判定する。

なお、第２危険度判定部１０４３は、第１危険度判定部１０４２で判定された第１危険度のみに基づいて、第２危険度を判定してもよい。この場合には、第２危険度判定部１０４３は、第１危険度判定部１０４２で判定された第１危険度が大であれば第２危険度を高と判定すればよい。同様に、第２危険度判定部１０４３は、第１危険度判定部１０４２で判定された第１危険度が中または小であれば第２危険度を中または低と判定すればよい。

このようにして、判定部１０４は、自車両の前方を時系列に連続して撮影することにより得られた画像に映るカーブミラーの設置場所の特徴として、第２危険度を判定する。

なお、例えば自車両の位置が自動車専用道路または高速の出入り口近辺の場所である場合、出入り口近辺では、車両専用道路等から出た車がスピードを緩めない可能性があり事故の発生確率も増えることから、第１危険度判定部１０４２は第１危険度を大であると判定してもよい。そして。第２危険度判定部１０４３は、カーブミラーに映る車があるときには、自車両と人との衝突可能性が高いとして第２危険度を高と判定すればよい。一方、第２危険度判定部１０４３は、カーブミラーに映る車がないときには、自車両と人との衝突可能性が低くなるため、第２危険度を中と判定してもよい。

なお、上記では、第２危険度の判定にカーブミラーに映る物体の有無が用いられる例を説明したが、第２危険度の判定にはカーブミラーに映る物体の種類、数、多寡または密集度などが用いられてもよい。

＜出力処理部１０２Ｂ＞
出力処理部１０２Ｂは、判定部１０４で判定された特徴に基づいて運転支援情報を生成し、生成した運転支援情報を出力する。ここで、運転支援情報は、車両の挙動の制御指令情報を含んでいてもよいし、車両の乗員へ提示される提示情報を含んでいてもよい。提示情報は、カーブミラーの設置場所における特徴から予測される危険性を提示する情報を含んでもよい。

図５５は、実施の形態３における出力処理部１０２Ｂの機能構成の一例を示す図である。

本実施の形態では、出力処理部１０２Ｂは、図５５に示すように、情報生成部１０３２Ｂと、情報出力部１０３３Ｂとを備える。

《情報生成部１０３２Ｂ》
情報生成部１０３２Ｂは、判定部１０４で判定された特徴に基づいて運転支援情報を生成する。情報生成部１０３２Ｂは、判定された道路の態様または物体の通過の態様に応じた運転支援情報を生成してもよい。例えば、情報生成部１０３２Ｂは、判定された道路の態様または物体の通過の態様が車両の安全な走行を妨げる態様である場合、車両を減速、停止または迂回させるための運転支援情報を生成する。また、例えば、情報生成部１０３２Ｂは、判定部１０４で判定された、カーブミラーに物体が映っていること、または前記カーブミラーに映っている物体の多寡に応じて、車両を減速、停止または迂回させるための運転支援情報を生成してもよい。

なお、情報生成部１０３２Ｂは、特徴から予測される危険性に応じて運転支援情報を生成してもよい。

また、実施の形態２同様に、出力処理部１０２Ｂは、さらに、上述の死角画像が判定された場合に、運転支援情報を生成してもよい。例えば、出力処理部１０２Ｂは、死角判定部１０３により死角画像が判定された時、運転支援情報として、一定期間、車両を一時停止させるための情報を生成してもよい。

《情報出力部１０３３Ｂ》
情報出力部１０３３Ｂは、情報生成部１０３２Ｂにより生成された運転支援情報を出力する。

以下、このように構成される出力処理部１０２Ｂが行う出力処理の一例について図を用いて説明する。図５６および図５７は、実施の形態３における出力処理部１０２Ｂが行う出力処理の一例を示す説明図である。図５６には、曲線カーブ道路において実施の形態３における出力処理部１０２Ｂが出力する自車両の車両制御情報の一例が示されており、図５７にはＴ字交差点において実施の形態３における出力処理部１０２Ｂが出力する自車両の車両制御情報の一例が示されている。なお、図５６および図５７には、第２危険度とその車両制御情報に加えて、カーブミラー設置場所に基づく第１危険度およびカーブミラーに映る物体の有無も合わせて示されている。

したがって、出力処理部１０２Ｂは、自車両が曲線カーブ道路に位置する場合には、第２危険度判定部１０４３により判定された第２危険度に基づいて、図５６に示すように車両を制御するための車両制御情報を生成して出力すればよい。一方、出力処理部１０２Ｂは、自車両がＴ字交差点に位置する場合には、第２危険度判定部１０４３により判定された第２危険度に基づいて、図５７に示すように車両を制御するための車両制御情報を生成して出力すればよい。

なお、第２危険度と車両制御情報との関係は、図１６および図１７で説明した危険度と車両制御情報との関係と同様であるため、ここでの詳細な説明は省略する。

［システム１Ｂの動作］
次に、以上のように構成されたシステム１Ｂの情報処理方法について説明する。図５８は、実施の形態３におけるシステム１Ｂの情報処理方法の概要を示すフローチャートである。図５９は、実施の形態３におけるシステム１Ｂの情報処理方法の詳細を示すフローチャートである。なお、図１９等と同様の要素には同一の符号を付しており、詳細な説明は省略する。

図５８に示すように、まず、システム１Ｂは、マップ情報または車両に搭載された撮像装置の撮像により得られる画像を示す画像情報を取得する（Ｓ３０）。次に、システム１Ｂは、Ｓ３０で取得したマップ情報または画像情報に基づいて、車両周辺のカーブミラーを検出する（Ｓ３１）。次に、システム１Ｂは、カーブミラーの設置場所の特徴を、マップ情報または画像情報に基づいて判定する（Ｓ３２）。次に、システム１Ｂは、Ｓ３２で判定した特徴に基づいて、運転支援情報を生成する（Ｓ３３）。そして、システム１Ｂは、Ｓ３３で生成した運転支援情報を出力する（Ｓ３４）。

より詳細には、図５９に示すように、まず、システム１Ｂは、図５８で説明したＳ３０の処理を行う。より具体的には、システム１Ｂは、Ｓ３０の処理において、マップ情報または車両に搭載された撮像装置の撮像により得られた画像を示す画像情報を取得する取得処理を行う（Ｓ３０１）。

次に、システム１Ｂは、図５８で説明したＳ３１の処理を行う。より具体的には、システム１Ｂは、Ｓ３１の処理において、Ｓ３０１で取得したマップ情報または画像情報に基づいて車両周辺のカーブミラーを検出する検出処理を行う（Ｓ３０２）。また、システム１Ｂは、Ｓ３０２で取得した画像情報に基づいてカーブミラーに映る物体を認識する認識処理を行う（Ｓ３０３）。

次に、システム１Ｂは、図５８で説明したＳ３２の処理を行う。より具体的には、システム１Ｂは、Ｓ３２の処理において、マップ情報または画像情報に基づいてカーブミラーの設置場所の特徴を判定する特徴判定処理を行う（Ｓ３０４）。次いで、システム１Ｂは、カーブミラーの設置場所の特徴に関する情報に基づいて、自車両の事故が起こる可能性の高さを示す第１危険度を判定する第１危険度判定処理を行う（Ｓ３０５）。次いで、システム１Ｂは、Ｓ３０５で判定された第１危険度とカーブミラーに映る物体の有無とに基づいて、自車両が進行するときに予測される危険度である第２危険度を判定する第２危険度判定処理を行う（Ｓ３０６）。なお、Ｓ３０４〜Ｓ３０６で行われる処理の詳細については上述した通りであるのでここでの詳細な説明は省略する。

また、Ｓ３３の処理において、システム１Ｂは、Ｓ３０６で判定された第２危険度に応じて、運転支援情報として生成する情報生成処理を行う（Ｓ３０７）。なお、Ｓ３０７で行われる処理の詳細については上述した通りであるのでここでの説明は省略する。

そして、システム１Ｂは、図５７で説明したＳ３４の処理を行う。より具体的には、Ｓ３４において、システム１Ｂは、Ｓ３０７で生成された運転支援情報等を出力する情報出力処理を行う（Ｓ３０８）。

［実施の形態３の効果等］
以上のように、実施の形態３に係る情報処理装置１０Ｂまたはシステム１Ｂによれば、交差点に加えて駐車場または商業施設の出入口等の見通しが悪い場所においても、カーブミラーを利用することで、車両が進行するときの危険度（すなわち第２危険度）を判定することができる。そして、判定した第２危険度に基づいて車両の運転支援情報を生成して出力することができるので、情報処理装置１０Ｂを搭載した車両の安全運転を支援することができる。

具体的には、カーブミラーの設置場所の特徴すなわちカーブミラーの設置場所が交差点または駐車場、商業施設の出入口、車両専用道路の出口付近など見通しが悪く事故が起こりやすい場所である場合、自車両にも事故が発生する可能性がある。つまり、この場所近辺に位置する車両を進行させた場合、自車両に事故が発生してしまう危険性がある。さらに、カーブミラーの設置場所が見通しが悪く事故が起こりやすい場所である場合、カーブミラーに物体が映っている場合には、さらに自車両に事故が発生してしまう危険性が高くなる。

そこで、本実施の形態では、一時停止中または進行中の車両から得ることのできる画像に映るカーブミラーの設置場所の特徴とカーブミラーに映る物体の有無とから、車両が進行するときに予測される危険度である第２危険度を判定する。

このように、実施の形態３に係る情報処理装置１０Ｂは、カーブミラーを利用することで、車両が進行するときの危険度である第２危険度）を判定することができる。

なお、上述したように、一時停止中または進行中の車両から得ることのできる画像に映るカーブミラーの設置場所の特徴のみから、車両が進行するときに予測される危険度である第２危険度を判定してもよい。

また、例えば自動運転中の車両が情報処理装置１０Ｂを備える場合には、当該車両は、上記のようにカーブミラーを利用して、第２危険度を判定することできるので、判定した第２危険度に応じて車両制御を行うことができる。

以上のように、実施の形態３に係る情報処理装置１０Ｂまたはシステム１Ｂによれば、見通しが悪い場所において、カーブミラーを利用することで、車両の安全運転を支援することができる。

（変形例１）
実施の形態３では、カーブミラーの設置場所の特徴とカーブミラーに映る物体の有無と車両が進行するときに予測される危険度である第２危険度を判定する場合について説明したが、これに限らない。認識部１３Ｂがカーブミラーに映る物体の属性を認識し、判定部１０４が当該属性を考慮して危険度を判定してもよい。本変形例では、カーブミラーに映る物体が有する移動速度に関する属性をさらに考慮して危険度を判定する場合について説明する。

図６０は、実施の形態３の変形例１における第２危険度判定部１０４３が行う第２危険度判定処理の一例を示す説明図である。なお、図５６および図５７と同様の内容には同一の文言が記載されており、詳細な説明は省略する。また、低、中または高の第２危険度に基づく、自車両の車両制御情報は、図５６または図５７に示す通りでよいため、図６０では図示を省略している。

図６０に示すように、物体が人物である場合には、第２危険度判定部１０４３は、図５６および図５７と同様の第２危険度を判定すればよい。一方で、物体が人物よりも移動速度の速い自転車、バイクまたは自動車である場合には、第２危険度判定部１０４３は、移動速度に応じて物体が人物であるときよりも高い第２危険度を判定すればよい。

以上のように、本変形例では、第２危険度判定部１０４３は、認識部１３Ｂにより認識された物体の属性に応じて変化させた第２危険度を判定する。その結果、出力処理部１０２Ｂは、運転支援情報を、認識部１３Ｂにより認識された物体の属性に応じて生成して、生成した運転支援情報を出力することができる。

（変形例２）
変形例１では、カーブミラーに映る物体が有する移動速度に関する属性をさらに考慮して第２危険度を判定する場合について説明したが、これに限らない。カーブミラーに映る物体が人である場合には、その人の年齢に関する属性をさらに考慮して第２危険度を判定してもよい。この場合を変形例２として以下に説明する。

図６１は、実施の形態３の変形例２における第２危険度判定部１０４３が行う第２危険度判定処理の一例を示す説明図である。なお、図５６および図５７と同様の内容には同一の文言が記載されており、詳細な説明は省略する。また、低、中または高の第２危険度に基づく、自車両の車両制御情報は、図５６または図５７に示す通りでよいため、図６０でも図示を省略している。

図６１に示すように、物体が人物であり、かつその人物が子供またはお年寄りである場合には、第２危険度判定部１０４３は、図５６および図５７と同様の第２危険度を判定すればよい。一方で、物体が人物であり、かつ、その人物が子供およびお年寄り以外のその他である場合には、第２危険度判定部１０４３は、人物が子供またはお年寄りであるときよりも高い第２危険度を判定すればよい。

以上のように、本変形例では、第２危険度判定部１０４３は、認識部１３Ｂにより認識された物体の属性が人物の場合、認識部１３Ｂにより認識された当該物体の年齢に応じて変化させた第２危険度を判定する。その結果、出力処理部１０２Ｂは、認識部１３Ｂにより認識された物体の属性が人物の場合、認識部１３Ｂにより認識された当該物体の年齢に応じて運転支援情報を変化させて生成し、生成した運転支援情報を出力することができる。なお、上記では、年齢に関する情報が人物の世代である例を説明したが、年齢に関する情報は人物の年齢または年代であってもよい。

（変形例３）
変形例２では、カーブミラーに映る物体が人である場合には、その人の年齢に関する属性をさらに考慮して第２危険度を判定する場合について説明したが、これに限らない。カーブミラーに映る物体が人である場合に、さらに、第２危険度判定部１０４３は、その人がスマートフォンなどの携帯端末を見ながら歩いているか否かという属性をさらに考慮して第２危険度を判定してもよい。具体的には、不注意行動は、非前方視行動である。例えば、非前方視行動は、スマートフォンなどの携帯端末または本などの注視がある。この場合を変形例３として以下に説明する。

図６２は、実施の形態３の変形例３における第２危険度判定部１０４３が行う第２危険度判定処理の一例を示す説明図である。なお、図５６および図５７と同様の内容には同一の文言が記載されており、詳細な説明は省略する。また、低、中または高の第２危険度に基づく、自車両の車両制御情報は、図５６または図５７に示す通りでよいため、図６０では図示を省略している。

図６２に示すように、物体が人物であり、かつその人物が携帯端末を見て移動行動を行う非前方視行動をしていないすなわちその人物が携帯端末を見ながら歩いていない場合には、第２危険度判定部１０４３は、図５６および図５７のときと同様の第２危険度を判定すればよい。一方で、物体が人物であり、かつ、その人物が非前方視行動をしているすなわちその人物が携帯端末を見ながら歩いている場合には、第２危険度判定部１０４３はその人物が非前方視行動をしていないときよりも高い第２危険度を判定すればよい。なお、上記では、不注意行動が非前方視行動である例を説明したが、不注意行動は、人物の前方だが上方または下方を見ている行動、または人物の前方にある乳母車もしくはボールなどの特定物を注視している行動であってもよい。

以上のように、本変形例では、第２危険度判定部１０４３は、認識部１３Ｂにより認識された物体の属性が人物の場合、認識部１３Ｂにより認識された物体が不注意行動をしているか否かに応じて変化させた第２危険度を判定する。その結果、出力処理部１０２Ｂは、認識部１３Ｂにより認識された物体の属性が人物の場合、認識部１３Ｂにより認識された物体が不注意行動をしているか否かに応じて運転支援情報を変化させて生成し、出力することができる。

以上のように、本開示の情報処理装置および情報処理方法等によれば、交差点など見通しが悪い場所において、当該場所に設置されたカーブミラーを利用することで車両の安全運転を支援することができる。また、日本以外の国では、あまりカーブミラーが普及していないこともあるが、交通事故の防止等の観点から将来的に見通しの悪い場所に交通事故防止のための何らかの設備が配置される可能性がある。ここで、本開示の各実施形態に係る情報処理装置等を用いられれば、配置される設備を高価な設備（例えばレーダーなど）にすることなく、安価なカーブミラーで交通の安全性を高めることができる。

なお、上記の実施の形態等では、カーブミラーの形状は、円状または矩形状として説明したが、これに限らない。設置されたカーブミラーの形状がなんらかの理由により変形しミラーの表面が凸凹状になっている場合またはカーブミラーの鏡面が曇っている場合も本開示の範囲に含まれる。この場合、カーブミラーに映る物体の認識に信頼度を導入し、信頼度が閾値以下である場合には、カーブミラーに映る物体の情報が信頼できないとして、本開示の情報処理方法を使用しないとしてもよい。

以上、本開示の情報処理装置および情報処理方法等について、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したもの、または、異なる実施の形態における構成要素を組み合わせて構築される形態も、本発明の一つまたは複数の態様の範囲内に含まれてもよい。例えば、以下のような場合も本発明に含まれる。

（１）上記の各装置は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクユニット、ディスプレイユニット、キーボード、マウスなどを備えるコンピュータシステムである。前記ＲＡＭまたはハードディスクユニットには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、各装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

（２）上記の各装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Large Scale Integration：大規模集積回路）を備えるとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、システムＬＳＩは、その機能を達成する。

（３）上記の各装置を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールを備えるとしてもよい。前記ＩＣカードまたは前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを備えるコンピュータシステムである。前記ＩＣカードまたは前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、前記ＩＣカードまたは前記モジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。

（４）本開示は、上記に示す方法であるとしてもよい。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。

（５）また、本開示は、前記コンピュータプログラムまたは前記デジタル信号をコンピュータで読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、半導体メモリなどに記録したものとしてもよい。また、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。

（６）また、本開示は、前記コンピュータプログラムまたは前記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。

（７）また、本開示は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムにしたがって動作するとしてもよい。

（８）また、前記プログラムまたは前記デジタル信号を前記記録媒体に記録して移送することにより、または前記プログラムまたは前記デジタル信号を、前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。

本開示は、自動運転を行うための車両に搭載される車載カメラ、CAN（Controller Area Network）などのシステムまたは、運転支援を行うための情報処理装置またはシステム等に利用できる。

１、１Ａ、１Ｂ システム
２、２ａ、３ 車両
１０、１０Ａ、１０Ｂ 情報処理装置
１１ 画像取得部
１１Ｂ 取得部
１２、１２Ｂ 検出部
１２ａ、１２ｂ 検出処理部
１３、１３Ｂ 認識部
５０、５０ａ、５０_ｊ、５０_ｊ+１、５０_ｊ+２、５０_ｊ+３、５０_ｋ、５０_ｋ＋１、
５０_ｋ＋２、５０_ｋ＋３、５０_ｍ、５０_ｍ＋１５０_ｍ＋２、５０_ｍ＋３、５０_ｎ、５０_ｎ+１、５０_ｎ+２ 画像
５１、５１_ｍ、５１_ｍ＋１、５１_ｍ＋２、５１_ｎ＋１、５１_ｎ＋２、５１´、５１´_ｎ＋１、５１´_ｎ＋２、７１、７２、７３、７４、７５ カーブミラー
５１ａ エッジ
５２ ミラー形状フィルタ
５２ａ マッチング領域
５３、５３ａ 位置
５４、５４ａ 類似度マップ
６０、６０_ｍ、６０_ｍ＋１、６０_ｍ＋２、６０_ｎ＋１、６０_ｎ＋２、６０´、６０´_ｎ＋１、６０´_ｎ＋２ 人
６１_ｍ＋１、６１_ｍ＋２ 動物体
６４、６４_ｍ、６４_ｍ＋１、６４_ｍ＋２ 物体
８０ 路面領域
８２ 中心軸
８６ マップ
８６_ｔ、８６_ｔ１、８６_ｔ２、８６_ｔ３ ローカルダイナミックマップ
１０１、１０１Ａ 算出部
１０２、１０２Ａ、１０２Ｂ 出力処理部
１０３ 死角判定部
１０４ 判定部
１１１ センシング部
１１２ 画像記録部
８６０、８６５ 商業施設
８６１、８６２、８６４ 道路
８６３ 高速道路
８６６ コンサート会場
１０１１ 差異算出部
１０１２、１０１４ 物体サイズ算出部
１０１３ 物体位置算出部
１０１５ 路面領域算出部
１０１６ 中心軸算出部
１０３１、１０３１Ａ 危険予測部
１０３２、１０３２Ａ、１０３２Ｂ 情報生成部
１０３３、１０３３Ａ、１０３３Ｂ 情報出力部
１０４１ 特徴判定部
１０４２ 第１危険度判定部
１０４３ 第２危険度判定部

Claims (19)

1. 車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて前記画像に映るカーブミラーおよび前記カーブミラーに映る物体を検出する検出部と、
   検出された前記カーブミラーにおける前記物体の位置を算出する算出部と、
   算出された前記カーブミラーにおける前記物体の位置に基づいて運転支援情報を生成する生成部と、
   生成された前記運転支援情報を出力する出力部と、を備える、
   情報処理装置。
2. 前記生成部は、前記物体と、前記画像に映る道路から特定される前記カーブミラーにおける領域と、の位置関係に応じて前記運転支援情報を生成する、
   請求項１に記載の情報処理装置。
3. 前記算出部は、
   前記カーブミラーにおける前記物体の位置を算出する物体位置算出部と、
   前記カーブミラー内における路面領域を算出する路面領域算出部と、
   算出された前記路面領域の中心軸を算出する中心軸算出部と、を備え、
   前記生成部は、前記物体位置算出部により算出された前記物体の位置と、前記中心軸算出部により算出された前記中心軸と、の位置関係に応じて前記運転支援情報を生成する、
   請求項２に記載の情報処理装置。
4. 前記生成部は、前記物体が前記画像において前記中心軸よりも上に位置している場合、前記車両に前記物体を回避させるための前記運転支援情報を生成する、
   請求項３に記載の情報処理装置。
5. 前記生成部は、前記算出部により算出された前記位置と前記カーブミラーの中心線との位置関係に基づいて前記運転支援情報を生成する、
   請求項２に記載の情報処理装置。
6. 前記生成部は、
   （ｉ）前記カーブミラーが前記車両からみて左に向いている場合に、前記物体が前記画像において前記中心線よりも右に位置しているとき、又は
   （ｉｉ）前記カーブミラーが前記車両からみて右に向いている場合に、前記物体が前記画像において前記中心線よりも左に位置しているときは、
   前記車両に前記物体を回避させるための前記運転支援情報を生成する、
   請求項５に記載の情報処理装置。
7. 前記運転支援情報は、前記車両が前記カーブミラーに向かう方向へ進行する状況における、前記物体の前記カーブミラーにおける位置から予測される危険性に応じて出力される、
   請求項１に記載の情報処理装置。
8. 前記算出部は、さらに、前記カーブミラーを基準とした前記物体のサイズを算出する物体サイズ算出部を備え、
   前記生成部は、算出された前記物体の前記カーブミラーにおける位置と、算出された前記物体のサイズとに基づいて前記運転支援情報を生成する、
   請求項１〜７のいずれか１項に記載の情報処理装置。
9. 前記生成部は、時系列に連続する少なくとも２つの画像の各々に映る前記物体それぞれのサイズの変化情報および前記物体の前記カーブミラーにおける位置に応じて前記運転支援情報を生成する、
   請求項８に記載の情報処理装置。
10. 前記運転支援情報は、前記車両の挙動の制御指令情報を含む、
    請求項１〜９のいずれか１項に記載の情報処理装置。
11. 前記運転支援情報は、前記車両の乗員へ提示される提示情報を含む、
    請求項１〜１０のいずれか１項に記載の情報処理装置。
12. 前記情報処理装置は、
    前記カーブミラーに映る物体を認識する認識部を備える、
    請求項１〜１１のいずれか１項に記載の情報処理装置。
13. 前記生成部は、前記運転支援情報を、前記認識部により認識された前記物体の属性に応じて生成する、
    請求項１２に記載の情報処理装置。
14. 前記生成部は、前記認識部により認識された前記物体の属性が人物の場合、前記認識部により認識された前記物体の年齢に関する情報に応じて前記運転支援情報を変化させて生成する、
    請求項１３に記載の情報処理装置。
15. 前記生成部は、前記認識部により認識された前記物体の属性が人物の場合、前記認識部により認識された前記物体が不注意行動をしているか否かに応じて前記運転支援情報を変化させて生成する、
    請求項１３に記載の情報処理装置。
16. 前記生成部は、さらに、時系列に連続する複数の画像のうちの少なくとも１つの画像おいて前記認識部により認識された前記物体が、前記少なくとも１つ画像より時系列的に後の画像において前記認識部により認識されない場合に、前記運転支援情報を生成する、
    請求項１２〜１５のいずれか１項に記載の情報処理装置。
17. 前記生成部は、前記１つの画像に映る前記物体の位置と、前記後の画像において前記物体が前記認識部により認識されないことと、に基づいて前記運転支援情報を生成する、
    請求項１６に記載の情報処理装置。
18. プロセッサを用いて、
    車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて前記画像に映るカーブミラーおよび前記カーブミラーに映る物体を検出し、
    検出された前記カーブミラーにおける前記物体の位置を算出し、
    算出された前記カーブミラーにおける前記物体の位置に基づいて運転支援情報を生成し、
    生成された前記運転支援情報を出力する、
    情報処理方法。
19. 情報処理方法を行うコンピュータに読み取り可能なプログラムであって、
    車両に搭載された撮像装置の撮像により得られる画像を示す画像情報に基づいて前記画像に映るカーブミラーおよび前記カーブミラーに映る物体を検出し、
    検出された前記カーブミラーにおける前記物体の位置を算出し、
    算出された前記カーブミラーにおける前記物体の位置に基づいて運転支援情報を生成し、
    生成された前記運転支援情報を出力する、
    プログラム。

Images