JP2019045191A - 水位計測装置および水際線抽出方法 - Google Patents
水位計測装置および水際線抽出方法 Download PDFInfo
- Publication number
- JP2019045191A JP2019045191A JP2017165718A JP2017165718A JP2019045191A JP 2019045191 A JP2019045191 A JP 2019045191A JP 2017165718 A JP2017165718 A JP 2017165718A JP 2017165718 A JP2017165718 A JP 2017165718A JP 2019045191 A JP2019045191 A JP 2019045191A
- Authority
- JP
- Japan
- Prior art keywords
- identification
- image
- water
- unit
- learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 376
- 238000000605 extraction Methods 0.000 title claims abstract description 160
- 238000005259 measurement Methods 0.000 claims abstract description 63
- 238000010801 machine learning Methods 0.000 claims abstract description 50
- 239000000284 extract Substances 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 23
- 238000003384 imaging method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 description 35
- 238000000034 method Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 26
- 238000000691 measurement method Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
- G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
- G01F23/284—Electromagnetic waves
- G01F23/292—Light, e.g. infrared or ultraviolet
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/80—Arrangements for signal processing
- G01F23/802—Particular electronic circuits for digital processing equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
Description
しかしながら、輝度分布のみに基づいて量水板の位置を特定する処理では、特定の精度が不安定になる。このため、特許文献1に記載された水位計測方法では、計測結果に誤りが生じる可能性が高く、計測が不安定であるという課題があった。
図1は、この発明の実施の形態1に係る水位計測装置100の構成を示すブロック図である。水位計測装置100は、監視カメラ1によって撮影された画像を用いて河川の水位を計測する装置であって、画素選択部11、識別用画像抽出部12、識別部13、水際線抽出部14、水位算定部15、学習用画像抽出部16および学習部17を備える。
例えば、画素選択部11は、撮影画像から32×128ピクセルの指定領域を特定し、上記指定領域における画素の中から、着目画素を選択する。画素選択部11によって選択された着目画素を示すデータは、識別用画像抽出部12に出力される。
識別強度は、複数の識別用画像のそれぞれに対応する領域が水領域である度合いを示す値である。例えば、識別用画像に対応する領域が水領域である場合、識別強度は、1.0となり、識別用画像に対応する領域が非水領域である場合、識別強度は、0.0となる。また、識別用画像において水領域と非水領域とが写っている場合、識別用強度は、0.5となる。
例えば、学習用画像抽出部16および学習部17は、水位計測装置100とは別に設けられた外部装置が備える構成であってもよい。この場合、識別部13は、上記外部装置で学習された機械学習の結果を用いて識別処理を行うことになる。
すなわち、実施の形態1に係る水位計測装置100は、画素選択部11、識別用画像抽出部12、識別部13、水際線抽出部14、水位算定部15を備えていればよく、学習用画像抽出部16および学習部17がない構成であってもよい。
すなわち、水位計測装置100は、着目画素の選択、識別用画像の抽出、識別処理および水際線抽出のそれぞれの処理を実行するための処理回路を備える。
処理回路は、専用のハードウェアであっても、メモリ202に記憶されたプログラムを実行するCPU(Central Processing Unit)であってもよい。
画素選択部11、識別用画像抽出部12、識別部13、水際線抽出部14、水位算定部15、学習用画像抽出部16および学習部17のそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて1つの処理回路で実現してもよい。
すなわち、水位計測装置100は、プロセッサ201により実行されるとき、着目画素の選択、識別用画像の抽出、識別処理および水際線抽出のそれぞれが結果的に実行されるプログラムを記憶するためのメモリ202を備える。
これらのプログラムは、画素選択部11、識別用画像抽出部12、識別部13、水際線抽出部14、水位算定部15、学習用画像抽出部16および学習部17の手順または方法を、コンピュータに実行させるものである。
例えば、画素選択部11、識別用画像抽出部12、識別部13、水際線抽出部14および水位算定部15については、専用のハードウェアとしての処理回路200でその機能を実現し、学習用画像抽出部16および学習部17については、プロセッサ201がメモリ202に記憶されたプログラムを読み出して実行することによってその機能を実現してもよい。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェア、またはこれらの組み合わせによって上記機能のそれぞれを実現することができる。
例えば、パーセプトロンは、画像に対応する二次元信号を入力すると、入力信号の重み付き和を計算して次の層のパーセプトロンに出力する。
なお、学習部17は、学習用画像の入力に対して水領域と非水領域との識別に係る機械学習を実行可能なモデルを用いたものであればよい。当該モデルとしては、例えば、畳み込みニューラルネットワーク、サポートベクトルマシン(SVM)などが挙げられる。
図4は、実施の形態1に係る水際線抽出方法を示すフローチャートである。なお、図4に示す一連の処理が実行される前段階で、学習部17による水領域と非水領域との識別に係る機械学習が実行されているものとする。
撮影画像の2次元画像面において着目画素に対して上に接する画像(例えば、64×64ピクセルの画像領域)が識別用画像として抽出され、着目画素に対して下に接する画像(例えば、64×64ピクセルの画像領域)が識別用画像として抽出される。
図5は、実施の形態1に係る水際線抽出方法の詳細を示すフローチャートである。
図5におけるステップST1aおよびステップST2aの処理は、図4のステップST1の処理に対応している。図5におけるステップST3aおよびステップST5aの処理は、図4のステップST2の処理に対応している。図5におけるステップST4a、ステップST6aおよびステップST7aの処理は、図4のステップST3の処理に対応している。図5におけるステップST8aの処理は、図4のステップST4の処理に対応している。
ステップST1aにおいて、画素選択部11は、撮影画像300における、監視カメラ1から対岸となる陸地および河川の水が写っている画像領域aのうち、水際線の抽出対象となる画像領域を、指定領域301とする。
図7Aは、撮影画像300から指定した指定領域301を示す図である。図7Aに示すように、画素選択部11は、指定領域301から着目画素302を選択する。
例えば、着目画素は、指定領域301の全ての画素から順に選択される。
図7Bは、着目画素302に対して上に接する識別用画像303を示す図である。
例えば、識別用画像抽出部12は、識別用画像303として64×64ピクセルの画像領域を抽出して、識別用画像303を示す画像データを識別部13に出力する。
図8Aは、着目画素302に対して下に接する識別用画像304を示す図である。
例えば、識別用画像抽出部12は、識別用画像303と同様に、64×64ピクセルの画像領域を抽出して、識別用画像304を示す画像データを識別部13に出力する。
監視カメラ1から対岸となる陸地(非水領域)が写っている識別用画像305cおよび識別用画像305dの識別強度は、0.0に近い値となる。
一方、識別用画像304bに対応する領域には、水領域と非水領域とが混在しているので、識別強度は、0.5に近い値となる。マップBには、着目画素302bに対応する識別用画像304bの識別強度(0.5)が記録される。
さらに、識別用画像として64×64ピクセルの画像領域を抽出する場合を示したが、このサイズに限定されるものではない。例えば、識別処理の演算負荷を上げない範囲であれば、このサイズよりも大きくてもよく、小さくてもよい。
さらに、画像領域として矩形の領域を指定および抽出する場合を示したが、矩形以外の領域であってもよい。例えば、円形の領域であってもよい。
画素選択部11は、撮影画像300から指定された指定領域301から着目画素302を選択し、識別用画像抽出部12は、着目画素302に接する識別用画像303,304をそれぞれ抽出する。識別部13は、水領域と非水領域との識別に係る機械学習の結果に基づいて、識別用画像303,304のそれぞれに対応する領域が水領域である度合いを示す識別強度を算出する。水際線抽出部14は、学習部17による水領域と非水領域との識別に係る機械学習の結果に基づいて、識別用画像303,304のそれぞれに対応する領域の識別強度から、撮影画像における水際線を抽出する。
このように上記機械学習の結果から精度よく水際線を抽出することができるので、水際線の位置に基づいて安定した水位計測が可能である。
図12は、この発明の実施の形態2に係る水位計測装置100Aの構成を示すブロック図である。図12において、図1と同一構成要素には同一符号を付して説明を省略する。水位計測装置100Aは、監視カメラ1によって撮影された画像を用いて河川の水位を計測する装置であり、識別用画像抽出部12A、識別部13A、水際線抽出部14A、水位算定部15、学習用画像抽出部16Aおよび学習部17Aを備える。
識別強度は、実施の形態1と同様に、複数の識別用画像のそれぞれに対応する領域が水領域である度合いを示す値である。例えば、識別用画像に対応する領域が水領域である場合、識別強度は、1.0となり、識別用画像に対応する領域が非水領域である場合には、識別強度は、0となる。また、識別用画像において水領域と非水領域とが写っている場合、識別用強度は、0.5となる。
例えば、学習部17Aは、上記学習用画像を教師データとしたD/Lを用いた機械学習を行うことにより、識別部13Aに入力された画像データが水領域、水際、非水領域の3カテゴリごとの識別強度として出力される機械学習の結果を得る。学習部17Aによる機械学習の結果は、識別部13Aに出力される。
図14は、実施の形態2に係る水際線抽出方法を示すフローチャートである。
なお、図14に示す一連の処理が実行される前段階で、学習部17Aによる水領域と水際と非水領域との識別に係る機械学習が実行されているものとする。
まず、識別用画像抽出部12Aは、監視カメラ1によって撮影された撮影画像から、水際線を抽出する画像領域を指定する(ステップST1b)。
図15Aは、撮影画像300および指定領域400を示す図である。ステップST1bにおいて、識別用画像抽出部12Aは、撮影画像300のうち、水際線の抽出対象の画像領域である指定領域400を指定する。例えば、64×128ピクセルの画像領域を指定する。
“水際”の識別強度とは、識別部13AによるD/Lの識別処理の結果であって、識別用画像に対応する領域が水際を含む領域である度合いを示す実数値である。
例えば、水際線抽出部14Aは、指定領域400を上辺から32ピクセル刻みとして、指定領域400の上辺から順に識別用画像401、識別用画像402、識別用画像403を当てはめて、下記式(1)から水際線の位置pを抽出する。
p=(32×s1+64×s2+96×s3)/(s1+s2+s3) (1)
識別用画像抽出部12Aは、撮影画像300の指定領域400から識別用画像401〜403を抽出する。識別部13Aは、学習部17Aによる、水領域と水際と非水領域との識別に係る機械学習の結果に基づいて、識別用画像401〜403のそれぞれに対応する領域が水際である度合いを示す識別強度を算出する。水際線抽出部14Aは、識別部13Aによって算出された識別強度に基づいて、水際線の位置pを算出する。水位算定部15は、水際線抽出部14Aによって算出された水際線の位置pに基づいて、監視カメラ1の撮影範囲における水位を算定する。
このように構成しても、上記機械学習の結果から精度よく水際線を抽出することができるので、水際線の位置に基づいて安定した水位計測が可能である。
図16は、この発明の実施の形態3に係る水位計測装置100Bの構成を示すブロック図である。図16において、図1と同一構成要素には同一符号を付して説明を省略する。水位計測装置100Bは、監視カメラ1によって撮影された画像を用いて河川の水位を計測する装置であり、識別用画像抽出部12B、識別部13B、水位算定部15、学習用画像抽出部16Bおよび学習部17Bを備える。
さらに、学習用画像抽出部16Bは、学習用画像における水際の位置を、画像上辺から16ピクセル刻みとして、7つのカテゴリ(16、32、48、64、80、96、112)で与えたものを、教師データとして学習部17Bに出力する。
例えば、ある学習用画像では、画像上辺から64ピクセルの位置の付近に水際が写っており、別の学習用画像では、画像上辺から112ピクセルの位置の付近に水際が写っているといった具合である。
図17は、実施の形態3に係る水際線抽出方法を示すフローチャートである。
なお、図17に示す一連の処理が実行される前段階で、学習部17Bによる水際の識別に係る機械学習が実行されているものとする。
識別用画像抽出部12Bは、監視カメラ1によって撮影された撮影画像から、水際線を抽出する画像領域を指定して、識別用画像として識別部13Bに出力する(ステップST1c)。図18Aは、撮影画像300および識別用画像400aを示す図である。例えば、図18Aに示すように、識別用画像抽出部12Bは、水際線の抽出対象である、64×128ピクセルの画像領域を撮影画像300から指定し、識別用画像400aとして識別部13Bに出力する。
例えば、識別部13Bは、入力された識別用画像400aにおける上記7つのカテゴリの水際の識別強度のうち、最も高いカテゴリに対応する画像位置を水際線の位置pとして識別する。
例えば、識別用画像400aに橋脚と河川の水との水際線が写っている場合、識別部13Bは、前述したようにラベル“2”を出力し、さらに、識別用画像400aにおける橋脚と河川の水との水際線の位置pを算出する。このようにしても識別用画像から水際線の位置を正確に識別することができる。
図20は、この発明の実施の形態4に係る水位計測装置100Cの構成を示すブロック図である。図20において、図1と同一構成要素には同一符号を付して説明を省略する。水位計測装置100Cは、レーザ付きカメラ2によって撮影された画像および3次元計測データを用いて、河川の水位を計測する装置である。また、水位計測装置100Cは、画素選択部11、識別用画像抽出部12、識別部13、水際線抽出部14C、水位算定部15C、学習用画像抽出部16Cおよび学習部17Cを備える。
レーザ付きカメラ2は、撮影画像を示す画像データおよび3次元計測データを水位計測装置100Cに出力する。
例えば、水位算定部15Cは、水際線の位置に対応する3次元情報から標高を特定し、標高と河川の水位との対応データから、特定した標高に対応する水位を求めてもよい。
Claims (9)
- 監視カメラによって撮影された撮影画像から指定した画像領域から着目画素を選択する画素選択部と、
前記画素選択部によって選択された前記着目画素に接する複数の画像領域を識別用画像として抽出する識別用画像抽出部と、
水領域と非水領域との識別に係る機械学習の結果に基づいて、前記複数の識別用画像のそれぞれに対応する領域が水領域である度合いを示す識別強度を算出する識別部と、
前記識別部によって算出された前記識別強度に基づいて、前記撮影画像における水際線を抽出する水際線抽出部と、
前記水際線抽出部によって抽出された水際線に基づいて、前記監視カメラの撮影範囲における水位を算定する水位算定部と
を備えたことを特徴とする水位計測装置。 - 前記撮影画像から学習用画像を抽出する学習用画像抽出部と、
前記学習用画像抽出部によって抽出された前記学習用画像を用いて、水領域と非水領域との識別に係る機械学習を実行する学習部と
を備えたことを特徴とする請求項1記載の水位計測装置。 - 監視カメラによって撮影された撮影画像から指定した画像領域から、複数の識別用画像を抽出する識別用画像抽出部と、
水領域と水際と非水領域との識別に係る機械学習の結果に基づいて、前記複数の識別用画像のそれぞれに対応する領域が水際である度合いを示す識別強度を算出する識別部と、
前記識別部によって算出された前記識別強度に基づいて、前記撮影画像における水際線の位置を算出する水際線抽出部と、
前記水際線抽出部によって算出された水際線の位置に基づいて、前記監視カメラの撮影範囲における水位を算定する水位算定部と
を備えたことを特徴とする水位計測装置。 - 前記撮影画像から学習用画像を抽出する学習用画像抽出部と、
前記学習用画像抽出部によって抽出された前記学習用画像を用いて、水領域と水際と非水領域との識別に係る機械学習を実行する学習部と
を備えたことを特徴とする請求項3記載の水位計測装置。 - 監視カメラによって撮影された撮影画像から、識別用画像を抽出する識別用画像抽出部と、
水領域と水際と非水領域との識別に係る機械学習の結果に基づいて、前記識別用画像における水際線の位置を識別する識別部と、
前記識別部によって識別された水際線の位置に基づいて、前記監視カメラの撮影範囲における水位を算定する水位算定部と
を備えたことを特徴とする水位計測装置。 - 前記撮影画像から学習用画像を抽出する学習用画像抽出部と、
前記学習用画像抽出部によって抽出された前記学習用画像を用いて、水際の識別に係る機械学習を実行する学習部と
を備えたことを特徴とする請求項5記載の水位計測装置。 - 前記学習部は、前記学習用画像抽出部によって抽出された前記学習用画像における水際線の位置を教師データのラベルとして水際の識別に係る機械学習を実行すること
を特徴とする請求項6記載の水位計測装置。 - 前記監視カメラは、撮影範囲の3次元計測機能を有したカメラであり、
前記水位算定部は、前記監視カメラによる3次元計測データに基づいて、前記監視カメラの撮影範囲における水位を算定すること
を特徴とする請求項1から請求項7のうちのいずれか1項記載の水位計測装置。 - 画素選択部が、監視カメラによって撮影された撮影画像から指定した画像領域から着目画素を選択するステップと、
識別用画像抽出部が、前記画素選択部によって選択された前記着目画素に接する複数の画像領域を識別用画像として抽出するステップと、
識別部が、水領域と非水領域との識別に係る機械学習の結果に基づいて、前記複数の識別用画像のそれぞれに対応する領域が水領域である度合いを示す識別強度を算出するステップと、
水際線抽出部が、前記識別部によって算出された前記識別強度に基づいて、前記撮影画像における水際線を抽出するステップと
を備えたことを特徴とする水際線抽出方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017165718A JP6729971B2 (ja) | 2017-08-30 | 2017-08-30 | 水位計測装置および水際線抽出方法 |
PCT/JP2018/017766 WO2019044040A1 (ja) | 2017-08-30 | 2018-05-08 | 水位計測装置および水際線抽出方法 |
US16/634,847 US11282226B2 (en) | 2017-08-30 | 2018-05-08 | Water level measurement device and shoreline extraction method |
EP18852242.9A EP3677881A4 (en) | 2017-08-30 | 2018-05-08 | WATER LEVEL MEASURING DEVICE AND COASTAL EXTRACTION PROCESS |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017165718A JP6729971B2 (ja) | 2017-08-30 | 2017-08-30 | 水位計測装置および水際線抽出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019045191A true JP2019045191A (ja) | 2019-03-22 |
JP6729971B2 JP6729971B2 (ja) | 2020-07-29 |
Family
ID=65526454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017165718A Active JP6729971B2 (ja) | 2017-08-30 | 2017-08-30 | 水位計測装置および水際線抽出方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11282226B2 (ja) |
EP (1) | EP3677881A4 (ja) |
JP (1) | JP6729971B2 (ja) |
WO (1) | WO2019044040A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909640A (zh) * | 2019-11-11 | 2020-03-24 | 浙江大华技术股份有限公司 | 水位线的确定方法及装置、存储介质、电子装置 |
JP2021125163A (ja) * | 2020-02-10 | 2021-08-30 | 三菱電機株式会社 | 河川はん濫および被害予測装置 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7074182B2 (ja) * | 2018-03-14 | 2022-05-24 | 日本電気株式会社 | 領域判定装置、監視システム、領域判定方法、及び、コンピュータプログラム |
JP6672502B1 (ja) * | 2019-03-27 | 2020-03-25 | ヤマト科学株式会社 | 反応容器の液面制御装置 |
CN110849444A (zh) * | 2019-11-20 | 2020-02-28 | 武汉世纪水元科技股份有限公司 | 一种基于机器视觉的视频水位测量方法 |
CN113819973A (zh) * | 2020-12-02 | 2021-12-21 | 湖北亿立能科技股份有限公司 | 基于雨量计、水位计和图像传感器的灵活水位监测系统 |
CN113205016B (zh) * | 2021-04-21 | 2022-05-17 | 武汉大学 | 恒等残差型Unet与遥感水体指数的河湖岸线变化检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012514751A (ja) * | 2009-01-06 | 2012-06-28 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッド | 画像化を使用して容器内の液体レベルを測定するための方法および装置 |
WO2016071281A1 (en) * | 2014-11-07 | 2016-05-12 | Photrack Ag | Method and system for determining the velocity of a moving fluid surface |
JP2016090279A (ja) * | 2014-10-30 | 2016-05-23 | 三菱電機株式会社 | 水位計測装置 |
JP6125137B1 (ja) * | 2016-11-17 | 2017-05-10 | 三菱電機株式会社 | 水位計測装置及び水位計測方法 |
JP2017146268A (ja) * | 2016-02-19 | 2017-08-24 | 三菱電機株式会社 | 水位計測装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3701167B2 (ja) | 2000-03-30 | 2005-09-28 | 日本無線株式会社 | 水位計測方法および装置 |
JP4910139B2 (ja) | 2006-02-24 | 2012-04-04 | 国立大学法人長岡技術科学大学 | 流水領域検出システム、流水領域検出方法、及びプログラム |
US8194992B2 (en) * | 2008-07-18 | 2012-06-05 | Xerox Corporation | System and method for automatic enhancement of seascape images |
WO2012037528A2 (en) * | 2010-09-16 | 2012-03-22 | California Institute Of Technology | Systems and methods for automated water detection using visible sensors |
KR101060031B1 (ko) * | 2011-02-09 | 2011-08-29 | (주)유디피 | 수위 감시 장치 및 방법 |
CN109738621B (zh) | 2012-05-14 | 2021-05-11 | 高斯外科公司 | 用于估计液体罐中的血液成分的量的系统和方法 |
-
2017
- 2017-08-30 JP JP2017165718A patent/JP6729971B2/ja active Active
-
2018
- 2018-05-08 WO PCT/JP2018/017766 patent/WO2019044040A1/ja unknown
- 2018-05-08 EP EP18852242.9A patent/EP3677881A4/en not_active Withdrawn
- 2018-05-08 US US16/634,847 patent/US11282226B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012514751A (ja) * | 2009-01-06 | 2012-06-28 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッド | 画像化を使用して容器内の液体レベルを測定するための方法および装置 |
JP2016090279A (ja) * | 2014-10-30 | 2016-05-23 | 三菱電機株式会社 | 水位計測装置 |
WO2016071281A1 (en) * | 2014-11-07 | 2016-05-12 | Photrack Ag | Method and system for determining the velocity of a moving fluid surface |
JP2017146268A (ja) * | 2016-02-19 | 2017-08-24 | 三菱電機株式会社 | 水位計測装置 |
JP6125137B1 (ja) * | 2016-11-17 | 2017-05-10 | 三菱電機株式会社 | 水位計測装置及び水位計測方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909640A (zh) * | 2019-11-11 | 2020-03-24 | 浙江大华技术股份有限公司 | 水位线的确定方法及装置、存储介质、电子装置 |
JP2021125163A (ja) * | 2020-02-10 | 2021-08-30 | 三菱電機株式会社 | 河川はん濫および被害予測装置 |
JP7233391B2 (ja) | 2020-02-10 | 2023-03-06 | 三菱電機株式会社 | 河川はん濫および被害予測装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3677881A4 (en) | 2020-08-19 |
US11282226B2 (en) | 2022-03-22 |
WO2019044040A1 (ja) | 2019-03-07 |
JP6729971B2 (ja) | 2020-07-29 |
US20200202556A1 (en) | 2020-06-25 |
EP3677881A1 (en) | 2020-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6729971B2 (ja) | 水位計測装置および水際線抽出方法 | |
EP3516625B1 (en) | A device and method for obtaining distance information from views | |
US9704017B2 (en) | Image processing device, program, image processing method, computer-readable medium, and image processing system | |
JP2020505863A (ja) | イメージセンサ、撮像方法および電子装置 | |
CN104052919B (zh) | 摄像装置、摄像系统及信号处理装置 | |
US11960073B2 (en) | System and method for template-based image analysis | |
CN106920245B (zh) | 一种边界检测的方法及装置 | |
JP2021508135A (ja) | 検査結論を決定するための取り込まれた画像の解析 | |
CN108986152A (zh) | 一种基于差分图像的异物检测方法及装置 | |
CN106062824A (zh) | 边缘检测装置、边缘检测方法和程序 | |
US20220215576A1 (en) | Information processing device, information processing method, and computer program product | |
El Bouazzaoui et al. | Enhancing rgb-d slam performances considering sensor specifications for indoor localization | |
JP2020095668A (ja) | 道路画像再構成及び車両測位のための方法及びシステム | |
JP2018169341A (ja) | 油膜検出システム及び油膜検出方法 | |
JP5099120B2 (ja) | テンプレートマッチング装置、テンプレートマッチング装置を備えたカメラ、テンプレートマッチングをコンピュータで行うためのプログラム | |
JP2005293334A (ja) | テンプレートマッチング装置 | |
CN111247559B (zh) | 用于处理图像和确定对象的视点的方法和系统 | |
Ranyal et al. | Enhancing pavement health assessment: An attention-based approach for accurate crack detection, measurement, and mapping | |
JP5076567B2 (ja) | テンプレートマッチング装置、テンプレートマッチング装置を備えたカメラ、テンプレートマッチングをコンピュータで行うためのプログラム | |
EP3855393A1 (en) | A method for detecting moving objects | |
JPWO2018180206A1 (ja) | 細胞画像評価装置および方法並びにプログラム | |
JP2017162055A (ja) | 画像評価装置及び画像評価プログラム | |
CN113537001B (zh) | 一种基于视觉目标跟踪的车辆驾驶自主决策方法及装置 | |
Andrade et al. | A robust methodology for outdoor optical mark recognition | |
US20230394786A1 (en) | Automated data annotation for computer vision applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190717 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200630 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6729971 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |