JP2019151181A - 判定装置、及び判定方法 - Google Patents

Abstract

【課題】特殊信号発光機に特別な装置を設けず、また、列車の運行中であっても運行に支障をきたすことなく、特殊信号発光機における視認性を判定することが可能な判定装置を提供する。【解決手段】鉄道における特殊信号発光機の視認性を判定する判定装置であって、列車の先頭車両から前記列車の進行方向における領域を撮像した画像である対象画像を取得する画像取得部と、前記画像取得部により取得された前記対象画像に前記特殊信号発光機が含まれる場合、前記対象画像の画像面に対する前記特殊信号発光機の発光面の角度を示す傾向角度が所定の基準角度以上であるか否かを判定する角度判定部と、前記角度判定部により判定された判定結果に基づいて、特殊信号発光機の視認性を判定する視認性判定部を備える。【選択図】図２

Description

本発明は、鉄道における特殊信号発光機の視認性を判定する判定装置、及び判定方法に関する。

特殊信号発光機は、軌道の沿線において列車の運行に支障を与えるような異常が発生し、列車を緊急に停止させる必要が生じた場合に発光信号を現示する装置である。

特殊信号発光機は、発光素子（ＬＥＤ（Light Emitting Diode））が基板に密に配列された発光面から発光される光の光軸が、水平方向に調整することが可能なように支持柱に装着される。また、特殊信号発光機に用いられる発光素子は、ある程度の指向性を持たせることにより、軌道から離れた箇所に照射される無駄な光の量をできるだけ減らすようにし、尚且つ、近隣になるべく余計な刺激を与えないようにしている。一方、指向性を高めすぎると、軌道のカーブ区間において、列車の走行位置によっては出射光の視認が途切れてしまう場合がある。

このような事情から、発光素子は、ある程度の指向性を持たせつつも、指向性を過度に高めすぎないよう設計されることが望ましい。特殊信号発光機に用いられる発光素子は、例えば、拡散角度が±１５°となるように設計される。ここで、拡散角度は、ＬＥＤの輝度半減角度によって決定される角度である。輝度半減角度は、発光源の中心線上あるいは中心線付近の明るさに対し、その明るさが半分になる角度である。以下の説明では、拡散角度を輝度半減角度とも称する。

また、特殊信号発光機の発光面は、黒い基板に透明なＬＥＤが密に配列されて形成されている。このため、特殊信号発光機の発光面は、消灯時には黒い面として視認される。また、特殊信号発光機の背面は白い遮蔽部材で覆われている。

特殊信号発光機においては、ＬＥＤの点滅による発光信号の現示が列車の運転士が目視により確認することで伝達される。このため、特殊信号発光機の保守、及び点検時における視認性の確認が重要な作業となる。このため、鉄道事業者では、所定の視認距離（８００［ｍ］）以上手前の地点で発光信号を確認することができるように特殊信号発光機を設置する旨を規定している。また、保守、及び点検時においては、視認距離（８００［ｍ］）以上手前の地点から特殊信号発光機の発光信号を視認することができるか否かを確認する確認作業を行うように規定している。

この確認作業は、視認距離（８００［ｍ］）の距離をおいて２人の作業員が無線連絡を取り合いながら、発光機を支える支持柱が傾くなどして視認性が悪くなった特殊信号発光機について、取り付け角度を調整する調整作業が行われるため多くの時間がかかっていた。また、列車運行に支障をきたさない夜間の時間帯などに作業を行う必要があり作業時間が制約されてしまう場合があった。

この対策として、特許文献１には、特殊信号発光機に赤外線発光機を設け、特殊信号発光機から発光させた赤外線を赤外線ビデオカメラにより検出する技術が開示されている。特許文献１によれば、人間が視認することができない赤外線を用いて視認性を検査するため、列車運行に支障をきたすことがない。
また、特許文献２には、線路（軌道）を走行する軌陸車から撮像した画像を画像解析することにより特殊信号発光機の発光を認識する技術が開示されている。特許文献２によれば、作業員が徒歩で移動しながら発光を確認する場合と比較して、検査に要する時間を短縮することができる。

特開２０１５−１７８３５７号公報 特開２０１６−７８５２８号公報

しかしながら、特許文献１では特殊信号発光機に赤外線発光機を設ける改造を行う必要があるため、改造に伴う費用や作業コストが生じてしまう。また、特許文献２では、特殊信号発光機を発光させるため、列車の運行に支障をきたさない夜間等に作業を行う必要があり、夜間の作業員の確保等の特別な手間が生じてしまう場合があった。

本発明は、このような事情に鑑みてなされたものであり、その目的は、特殊信号発光機に特別な装置を設けず、また、列車の運行中であっても運行に支障をきたすことなく、特殊信号発光機における視認性を判定することが可能な判定装置、及び判定方法を提供することである。

上述した課題を解決するために本発明の一実施形態は、鉄道における特殊信号発光機の視認性を判定する判定装置であって、列車の先頭車両から前記列車の進行方向における領域を撮像した画像である対象画像を取得する画像取得部と、前記画像取得部により取得された前記対象画像に前記特殊信号発光機が含まれる場合、前記対象画像の画像面に対する前記特殊信号発光機の発光面の角度を示す傾向角度が所定の基準角度以上であるか否かを判定する角度判定部と、前記角度判定部により判定された判定結果に基づいて、特殊信号発光機の視認性を判定する視認性判定部を備える判定装置である。

また、本発明の一実施形態は、上記判定装置であって、前記角度判定部は、前記対象画像に含まれる前記特殊信号発光機の画像領域における輝度分布と前記傾向角度との関係に基づいて、前記傾向角度が所定の基準角度以上であるか否かを判定する。

また、本発明の一実施形態は、上記判定装置であって、前記角度判定部は、前記輝度分布に前記傾向角度を付した学習データを用いて機械学習を実行することにより作成された角度推定モデルであって、前記傾向角度が所定の基準角度以上であるか否かを推定する角度推定モデルに、前記輝度分布を入力することにより得られる推定結果を用いて、前記傾向角度が所定の基準角度以上であるか否かを判定する。

また、本発明の一実施形態は、上記判定装置であって、前記対象画像が撮像された撮像位置から前記特殊信号発光機の設置位置までの距離を示す視認距離が所定の距離閾値以上であるか否かを判定する距離判定部を更に備える。

また、本発明の一実施形態は、鉄道における特殊信号発光機の視認性を判定する判定方法であって、画像取得部が、列車の先頭車両から前記列車の進行方向における領域を撮像した判定の対象である対象画像を取得し、角度判定部が、前記画像取得部により取得された前記対象画像に基づいて、前記対象画像に前記特殊信号発光機が含まれる場合、前記対象画像の画像面に対する前記特殊信号発光機の発光面の角度を示す傾向角度が所定の基準角度以上であるか否かを判定し、視認性判定部が、前記角度判定部により判定された判定結果に基づいて、特殊信号発光機の視認性を判定する判定方法である。

以上説明したように、この発明によれば、列車の先頭車両から列車の進行方向における領域を撮像すればよいため、特殊信号発光機に特別な装置を設ける必要がない。また、画像における特殊信号発光機の傾向角度が所定の基準角度（例えば、輝度半減角度）以上であるか否かを判定した判定結果に基づいて視認性を確認することができるため特殊信号発光機を発光させる必要がなく、列車の運行中であっても運行に支障をきたすことがない。つまり、特殊信号発光機に特別な装置を設けず、また、列車の運行中であっても運行に支障をきたすことなく、特殊信号発光機における視認性を判定することが可能である。

第１の実施形態の判定装置２０が適用される判定システム１の構成例を示すブロック図である。 第１の実施形態の判定装置２０の構成例を示すブロック図である。 第１の実施形態の特徴量抽出部２０３抽出した特徴量の例を示す図である。 第１の実施形態の角度判定部２０４が行う処理を説明する図である。 第１の実施形態の判定装置２０の動作例を示すフローチャートである。 第２の実施形態の特徴量抽出部２０３が行う処理を説明する図である。 第２の実施形態の角度判定部２０４Ａが行う処理を説明する図である。 第３の実施形態の距離判定部２０５Ｂが行う処理を説明する図である。

以下、実施形態の判定装置を、図面を参照して説明する。
以下に述べる実施形態では、特殊信号発光機のＬＥＤにおける部品の不具合や電気的な接続の不具合の有無は、日々の保守及び点検において確認され、このような不具合が発見された場合には、別途適切な対応がなされることにより当該不具合が解消されていることを前提としている。つまり、所定の視認距離（８００［ｍ］）以上手前の地点から撮像された特殊信号発光機の発光面が所定の角度閾値（例えば、輝度半減角度である１５［°］）未満の傾向角度である場合に、特殊信号発光機が発光信号を現示した場合に列車の運転士がその発光信号を目視により確認することができるとみなし、特殊信号発光機の視認性があると判断する。

＜第１の実施形態＞
まず、第１の実施形態について説明する。
図１は、第１の実施形態の判定装置２０が適用される判定システム１の構成例を示すブロック図である。図１に示すように、判定装置２０が適用される判定システム１は、例えば、撮像装置１０と判定装置２０とを備える。

撮像装置１０は、例えば、撮像部１００と記憶部１０１とを備える。撮像部１００は、例えば、列車の先頭車両に設けられ、先頭車両から列車の進行方向における領域を撮像する。撮像部１００は撮像した画像の画像データを記憶部１０１に記憶させる。撮像部１００は、動画像を撮像してもよいし、静止画像を撮像してもよい。また、撮像部１００はカラー画像を撮像してもよいし、白黒画像を撮像してもよい。
記憶部１０１は、撮像部１００により撮像された画像の画像データを記憶する。

なお、撮像部１００は、所定の視認距離（８００［ｍ］）の先にある特殊信号発光機の発光面（約１０［ｃｍ］×４０［ｃｍ］）を撮像する。このため、望遠レンズを備えたカメラであることが望ましいが、これに限定されることはない。撮像部１００は、所定の視認距離の先にある特殊信号発光機の発光面を撮像することができればよい。

判定装置２０は、撮像装置１０から撮像部１００により撮像された画像の画像データを取得する。判定装置２０は、撮像部１００により撮像された画像の画像データを逐次リアルタイムに取得してもよいし、記憶部１０１に記憶された画像データを、所定のタイミングでまとめて取得してもよい。

また、判定装置２０は、取得した画像データに基づいて、特殊信号発光機の視認性を判定し、判定結果を出力する。判定装置２０は、例えば、特殊信号発光機ごとに判定結果を出力する。

図２は、第１の実施形態の判定装置２０の構成例を示すブロック図である。判定装置２０は、例えば、画像取得部２００と、物体検出部２０１と、前処理部２０２と、特徴量抽出部２０３と、角度判定部２０４と、距離判定部２０５と、視認性判定部２０６と、判定結果出力部２０７とを備える。

画像取得部２００は、撮像装置１０から画像データを取得する。画像取得部２００は、取得した画像データを物体検出部２０１に出力する。ここで、画像取得部２００により取得された画像データに基づく画像は、判定装置２０により特殊信号発光機の視認性を判断する対象となる画像である。つまり、画像取得部２００により取得された画像は、「対象画像」の一例である。

物体検出部２０１は、画像取得部２００からの画像データから所定の物体（ここでは、特殊信号発光機）が撮像された領域を検出する。物体検出部２０１は、例えば、Ｒ−ＣＮＮ（Regions with Convolutional Neural Network）を用いて、画像データから検出対象である特殊信号発光機が撮像された領域を検出する。

物体検出部２０１は、例えば、エッジ検出を行うことにより画像データに撮像された様々な物体を特殊信号発光機の候補として抽出する。物体検出部２０１は、画像データにおける輝度の勾配に基づいてエッジ検出を行う。具体的には、物体検出部２０１は、画像に様々な矩形の枠（セル）をあてはめ、枠の内部に対し枠の外周に輝度の勾配が少ない場合に枠内に物体があると判定し、その枠を抽出することで画像から物体を抽出する。

また、物体検出部２０１は、画像から抽出した様々な物体の中から特殊信号発光機を選択する。物体検出部２０１は、画像から抽出した様々な物体の画像データをリサイズすることにより同じ大きさの画像の画像データとし、リサイズした画像データを学習済みモデルに入力して得られる出力に基づいて、特殊信号発光機が撮像された画像を選択する。

ここで、学習済みモデルは、予め様々な物体が撮像された画像に物体のカテゴリーが対応づけられた学習データを用いて機械学習を実行することにより作成され、画像に撮像された物体のカテゴリーを推定する物体推定モデルである。

なお、本実施形態では、物体推定モデルは、ＣＮＮ（Convolutional Neural Network）を用いて作成されたモデルであるが、これに限定されることはなく、モデルを作成する機械学習の技法としては、決定木学習、遺伝的プログラミング、サポートベクタマシンなどの一般的に用いられている技法のいずれを用いてもよい。

本実施形態では、一般的な１０カテゴリーにおける５００００枚の画像を学習済みの物体推定モデルに、３２０枚の特殊信号発光機の画像を追加学習させた物体推定モデルを用いたが、これに限定されることはない。物体推定モデルは、様々な物体が撮像された画像から、特殊信号発光機が撮像された画像を選択することができればよい。

物体検出部２０１は、物体推定モデルにより選択された選択結果に基づいて、画像から特殊信号発光機が撮像された領域を検出する。物体検出部２０１は、検出した特殊信号発光機が撮像された領域の画像データを前処理部２０２に出力する。

前処理部２０２は、特殊信号発光機が撮像された画像を前処理する。ここで、前処理とは、特徴量抽出部２０３により特徴量を抽出しやすいように画像を処理することである。

前処理部２０２は、例えば、物体検出部２０１から取得した特殊信号発光機の画像がカラー画像である場合、そのカラー画像をグレースケールに変換する。また、前処理部２０２は、グレースケールに変換した画像から特殊信号発光機が撮像された部分と背景が撮像された部分と分離し、特殊信号発光機が撮像された部分を抽出する。また、前処理部２０２は、例えば特殊信号発光機の発光面の色や、特殊信号発光機の背面の色の各々が所定の輝度の範囲内に含まれるようにフィルタ処理を行う。前処理部２０２は、前処理した画像の画像データを特徴量抽出部２０３に出力する。

特徴量抽出部２０３は、画像の特徴量を抽出する。ここで、画像の特徴量とは、特殊信号発光機が撮像された画像から得られる、画像の画像面に対する特殊信号発光機の発光面の角度（傾向角度）の特徴を定量的に示す物理量である。特徴量抽出部２０３は、抽出した特徴量を角度判定部２０４に出力する。

特徴量抽出部２０３は、例えば、前処理部２０２から取得したグレースケールに変換された特殊信号発光機の画像における画素ごとの輝度の分布を示すヒストグラム特徴量を抽出する。ヒストグラム特徴量は、例えば、画像における各画素の輝度とその輝度の発生確率との関係を示す分布図である。

ここで、特殊信発光信号機の発光面は、黒い基板に透明なＬＥＤが配列されており消灯時には黒い面として視認される。また、特殊信号発光機の背面は白い遮蔽部材で覆われている。このような特殊信号発光機の正面と背面の色の特徴に基づけば、特殊信号発光機の画像における輝度の分布から特殊信号発光機の傾向角度の特量を抽出することが可能である。

具体的には、特殊信号発光機の画像の輝度分布に黒、又は黒に近い輝度を示す画素が多く含まれている場合、特殊信号発光機の発光面は正面を向いている、つまり、画像面と発光面は平行であり、画像面に対する発光面の角度は０（ゼロ）［°］であると推定することが可能である。また、特殊信号発光機の画像の輝度分布に白、又は白に近い輝度を示す画素の割合が増加した場合、特殊信号発光機の背面の部分が撮像されており、画像面と発光面は平行ではなく、画像面に対する発光面の角度はある程度の角度（例えば、１５［°］、４５［°］、９０［°］等）をなしていると推定することが可能である。

角度判定部２０４は、特徴量抽出部２０３により抽出された特徴量に基づいて、傾向角度が所定の角度閾値以上であるか否かを判定する。角度判定部２０４は、判定結果を視認性判定部２０６に出力する。

角度判定部２０４は、例えば、特徴量を学習済みモデルに入力して得られる出力に基づいて、傾向角度が所定の角度閾値以上であるか否かを判定する。ここでの学習済みモデルは、予め様々な傾向角度で撮像された特殊信号発光機に傾向角度が所定の角度閾値以上であるか否かが対応づけられた学習データを用いて機械学習を実行することにより作成され、傾向角度が所定の角度閾値以上であるか否かを推定する角度推定モデルである。

なお、本実施形態では、角度推定モデルは、ＳＶＭ（Support Vector Machine）を用いて作成されたモデルであるが、これに限定されることはなく、モデルを作成する機械学習の技法としては、決定木学習、ニューラルネットワーク、遺伝的プログラミングなどの一般的に用いられている技法のいずれを用いてもよい。

距離判定部２０５は、画像が撮像された撮像位置から特殊信号発光機の設置位置までの距離を示す視認距離が所定の距離閾値以上であるか否かを判定する。距離判定部２０５は、判定結果を、視認性判定部２０６に出力する。

距離判定部２０５は、例えば撮像位置を示す撮像位置情報を画像取得部２００から取得する。この場合、画像取得部２００は、例えば、撮像装置１０から画像データと共に、その画像が撮像された撮像位置を示す撮像位置情報を取得し、取得した撮像位置情報を距離判定部２０５に出力する。

また、距離判定部２０５は、例えば、特殊信号発光機の設置位置を示す設置位置情報を、判定装置２０の図示しない記憶部から取得する。この場合、記憶部には、予め特殊信号発光機の設置位置を示す情報が記憶されている。或いは、距離判定部２０５は、判定装置２０の図示しない入力部に入力された特殊信号発光機の設置位置を示す情報を取得するようにしてもよい。この場合、入力部は、例えば、キーボードやマウス等の入力装置を有し、作業員らの入力操作により設置位置を示す情報が入力される。

距離判定部２０５は、取得した撮像位置情報、及び設置位置情報に基づいて、例えば、撮像位置と設置位置との差分を算出することにより視認距離を算出する。そして、距離判定部２０５は、算出した視認距離と所定の距離閾値とを比較することにより、視認距離が所定の距離閾値以上であるか否かを判定する。

視認性判定部２０６は、角度判定部２０４からの判定結果、及び距離判定部２０５からの判定結果に基づいて、特殊信号発光機の視認性があるか否かを判定する。視認性判定部２０６は、判定結果を判定結果出力部２０７に出力する。

視認性判定部２０６は、例えば、角度判定部２０４からの判定結果に傾向角度が所定の角度閾値未満であることが示され、尚且つ、距離判定部２０５からの判定結果に視認距離が所定の距離閾値以上であることが示されている場合、特殊信号発光機の視認性があると判定する。また、視認性判定部２０６は、角度判定部２０４からの判定結果に傾向角度が所定の角度閾値以上であることが示され、尚且つ、距離判定部２０５からの判定結果に視認距離が所定の距離閾値以上であることが示されている場合、特殊信号発光機の視認性がないと判定する。

判定結果出力部２０７は、視認性判定部２０６からの判定結果を出力する。判定結果出力部２０７から出力された判定結果は、例えば、図示しない表示装置のディスプレイに表示され、又は／及び、図示しない記憶装置のメモリに記憶される。

図３は、第１の実施形態の特徴量抽出部２０３が抽出した特徴量の例を示す図である。図３（ａ）〜（ｃ）は、グレースケールに変換された特殊信号発光機の画像の一例を示す。図３（ｄ）〜（ｆ）は、図３（ａ）〜（ｃ）の各々の画像について特徴量抽出部２０３が抽出した特徴量の一例をそれぞれ示す。図３（ｄ）〜（ｆ）の横軸は輝度値、縦軸は発生確率を示す。図３の例では特徴量として、輝度の分布を示すヒストグラム特徴量が抽出された例を示す。

図３（ａ）に示すように、発光面ＦＳが正面を向いた状態で特殊信号発光機が撮像された場合、傾向角度は０（ゼロ）［°］である。この場合、図３（ｄ）に示すように、画像の輝度分布は、発光面ＦＳの黒色部分が多い分布となる。この例では、輝度値が比較的小さい輝度値３０〜７０の輝度範囲にピークを有する分布を示している。これは、画像中に発光面ＦＳの黒色部分が占める割合が多く、輝度分布上のピークとして示されていると考えられる。

図３（ｂ）に示すように、発光面ＦＳが、撮像側から見て左側に４５［°］傾いた状態で特殊信号発光機が撮像された場合、傾向角度は４５［°］である。この場合、図３（ｅ）に示すように、画像の輝度分布は、発光面ＦＳの黒色部分と特殊信号発光機の背面ＢＳの白色部分が共に多い分布となる。この例では、輝度値が比較的小さい輝度値３０〜７０の輝度範囲に第１のピーク、輝度値が比較的大きい輝度値１３５〜１４５の輝度範囲に第２のピークを有する分布を示している。これは、発光面ＦＳの黒色部分が第１のピーク、背面ＢＳの白色部分が第２のピークとして示されていると考えられる。

図３（ｃ）に示すように、特殊信号発光機の背面ＢＳが撮像された場合、傾向角度は９０［°］である。この場合、図３（ｆ）に示すように、画像の輝度分布は、背面ＢＳの白色部分が多い分布となる。この例では、輝度値が比較的大きい輝度値１３５〜１４５の輝度範囲にピークを有する分布を示している。これは、画像中に発光面ＦＳの白色部分が占める割合が多く、輝度分布上のピークとして示されていると考えられる。

図４は、第１の実施形態の角度判定部２０４が行う処理を説明する図である。図４では、角度判定部２０４が特徴量をＳＶＭに入力することにより得られる判定結果を示している。図４の横軸及び縦軸は、ＳＶＭにより抽出された傾向角度が所定の角度閾値以上であるか否かを判定するための第１の判定スコア、及び第２の判定スコアを示す。
また、図４の白丸及び黒丸は事前の学習に用いられた学習データであり、白丸は傾向角度が所定の角度閾値以上の特徴量、黒丸は傾向角度が所定の角度閾値未満の特徴量をそれぞれ示している。ＳＶＭでは、事前の学習において、傾向角度が所定の角度閾値未満の群を「良」、及び傾向角度が所定の角度閾値以上の群を「不良」と分類するために、境界線ＬでのマージンＭ１、及びＭ２が最大となるように境界線Ｌを決定する。
また、図４の×印は、角度判定部２０４によりＳＶＭに入力された未知の特徴量が、ＳＶＭにより、境界線Ｌの下側の「良」群に分類されたことを示している。この場合、角度判定部２０４は、この未知の特徴量に対応する画像に撮像された特殊信号発光機の傾向角度が所定の角度閾値未満であると判定する。

図５は、第１の実施形態の判定装置２０の動作例を示すフローチャートである。
まず、判定装置２０の画像取得部２００は、撮像装置１０から画像データを取得する（ステップＳ１０）。
次に、物体検出部２０１は、画像データに基づく画像から特殊信号発光機を含む様々な物体が撮像された領域を抽出する（ステップＳ１１）。
次に、物体検出部２０１は、画像から特殊信号発光機が撮像された領域が抽出されたか否かを判定する（ステップＳ１２）。
画像から特殊信号発光機が撮像された領域が抽出された場合、距離判定部２０５は、視認距離が所定の距離閾値以上か否かを判定する（ステップＳ１３）。
視認距離が所定の距離閾値以上である場合、角度判定部２０４は、傾向角度が所定の角度閾値未満か否かを判定する（ステップＳ１４）。
傾向角度が所定の角度閾値未満である場合、視認性判定部２０６は、その画像に撮像された特殊信号発光機について、視認性「良」と判定する（ステップＳ１５）。
一方、傾向角度が所定の角度閾値以上である場合、視認性判定部２０６は、その画像に撮像された特殊信号発光機について、視認性「否」と判定する（ステップＳ１６）。
なお、ステップＳ１２において画像から特殊信号発光機が撮像された領域が抽出されない場合、又は、ステップＳ１３において視認距離が所定の距離閾値未満である場合、視認性判定部２０６は、その画像について、視認性「否」と判定する。

以上説明したように、第１の実施形態の判定装置２０は、鉄道における特殊信号発光機の視認性を判定する判定装置であって、列車の先頭車両から列車の進行方向における領域を撮像した画像である対象画像を取得する画像取得部２００と、画像取得部２００により取得された対象画像に特殊信号発光機が含まれる場合、対象画像の画像面に対する特殊信号発光機の発光面の角度を示す傾向角度が所定の基準角度以上であるか否かを判定する角度判定部２０４と、角度判定部２０４により判定された判定結果に基づいて、特殊信号発光機の視認性を判定する視認性判定部２０６を備える。これにより、第１の実施形態の判定装置２０は、列車の先頭車両から撮像された画像に基づいて取得した傾向角度に基づいて、特殊信号発光機の視認性を判定することができるため、特殊信号発光機に特別な装置を設けず、また、列車の運行中であっても運行に支障をきたすことなく、特殊信号発光機における視認性を判定することが可能である。

また、第１の実施形態の判定装置２０では、角度判定部２０４は、対象画像に含まれる特殊信号発光機の画像領域における輝度分布と傾向角度との関係に基づいて、傾向角度が所定の基準角度以上であるか否かを判定する。これにより、第１の実施形態の判定装置２０は、特殊信号発光機の傾向角度と密接な関連性を有する画像の輝度分布を用いて、傾向角度が所定の基準角度以上であるか否かを判定することが可能である。

また、第１の実施形態の判定装置２０では、角度判定部２０４は、輝度分布に傾向角度が所定の角度閾値以上であるか否かを示す判定情報を付した学習データを用いて機械学習を実行することにより作成された角度推定モデルであって、傾向角度が所定の基準角度以上であるか否かを推定する角度推定モデルに、輝度分布を入力することにより得られる推定結果を用いて、傾向角度が所定の基準角度以上であるか否かを判定する。これにより、第１の実施形態の判定装置２０は、特殊信号発光機の傾向角度と画像の輝度分布との関係性を学習済みの角度推定モデルに輝度分布を入力するだけで判定することができ、複雑な画像処理を行わなくとも、容易に、傾向角度が所定の基準角度以上であるか否かを判定することが可能である。

また、第１の実施形態の判定装置２０は、対象画像が撮像された撮像位置から特殊信号発光機の設置位置までの距離を示す視認距離が所定の距離閾値以上であるか否かを判定する距離判定部２０５を更に備える。これにより、第１の実施形態の判定装置２０は、視認距離が所定の距離閾値以上である場合における傾向角度が所定の基準角度以上であるか否かを判定することができ、予め定められた所定の条件における視認性を判定することが可能となる。

＜第２の実施形態＞
次に、第２の実施形態について説明する。本実施形態では、角度判定部２０４Ａが輝度分布に基づいて傾向角度を算出する点において上述した実施形態と相違する。以下では、上述した実施形態と異なる点を説明し、上述した実施形態と同一または類似の機能を有する構成に同一の符号を付し、その説明を省略する。

図６、第２の実施形態の角度判定部２０４Ａが行う処理を説明する図である。図６では、ある傾向角度の特殊信号発光機における画像の輝度分布図を示している。

図６に示すように、特殊信号発光機の画像について、画像輝度分布には、傾向角度に応じた複数のピークが示される。複数のピークには、特殊信号発光機の発光面の色である黒色を示す第１のピークと、特殊信号発光機の背面の色である白色を示す第２のピークとが含まれている。この例では、輝度値３５〜４５の輝度範囲における第１のピークｘ、及び輝度値１３５〜１４５の輝度範囲における第２のピークｙが示されている。

本実施形態では、このような第１のピークと第２のピークとの比率に基づいて、傾向角度を算出する。角度判定部２０４Ａは、例えば、以下の式（１）に基づいて、傾向角度を算出する。ここで、θは傾向角度、ｋは所定の定数、Ｒはピーク比をそれぞれ示す。

θ＝１／（ｋ＾Ｒ）×１００ ・・・（１）

また、式（１）におけるピーク比Ｒは、例えば、以下の式（２）で示される。ここで、ｘは第１のピークに対応する輝度範囲における輝度の発生確率の総和である。また、ｙは第２のピークに対応する輝度範囲における輝度の発生確率の総和である。

Ｒ＝ｘ／ｙ ・・・（２）

図７は、第２の実施形態の角度判定部２０４Ａが行う処理を説明する図である。図７では、角度判定部２０４Ａにより推定された傾向角度とピーク比Ｒとの関係を示している。
図７に示すように、定数ｋを適切な値とすることで、ピーク比Ｒに応じた傾向角度θが一意に決定される。なお、定数ｋは、撮像時の自然光の明度や、気象条件などの撮像条件に応じて任意に決定されてよい。また、第１のピークｘの輝度範囲、及び第２のピークの輝度範囲は、撮像条件に応じて任意に決定されてよい。

以上説明したように、第２の実施形態の判定装置２０Ａでは、角度判定部２０４Ａは、輝度分布に基づいて、所定の輝度範囲における第１のピークｘと、第１のピークｘと異なる所定の輝度範囲における第２のピークｙとの比率に応じて傾向角度を算出する。これにより、第２の実施形態の判定装置２０Ａは、画像処理や、学習済みモデルを用いなくとも、比較的簡単な計算により傾向角度を算出することが可能となる。

＜第３の実施形態＞
次に第３の実施形態について説明する。本実施形態では、距離判定部２０５Ｂが画像に基づいて視認距離を算出する点において上述した実施形態と相違する。以下では、上述した実施形態と異なる点を説明し、上述した実施形態と同一または類似の機能を有する構成に同一の符号を付し、その説明を省略する。

図８は、第３の実施形態の距離判定部２０５Ｂが行う処理を説明する図である。
図８に示すように、撮像装置１０の撮像部１００のカメラのセンサ１１０、及びレンズ１１１の各々諸元と、画像に撮像された特殊信号発光機の領域の画素数との間には関連性がある。このため、本実施形態では、距離判定部２０５Ｂが画像撮像された特殊信号発光機の領域の画素数に基づいて視認距離を算出する。

距離判定部２０５Ｂは、例えば、予め様々な視認距離ＤＸから被写体Ｈ（ここでは、特殊信号発光機）を撮像した画像Ｇにおける、被写体Ｈの領域の縦横の画素数をそれぞれ算出し、図示しない視認距離情報記憶部に記憶させておく。ここで、特殊信号発光機の実寸は予め決められた大きさである（例えば、９０［ｍｍ］×５５３［ｍｍ］）ことから、同じ視認距離から撮像された特殊信号発光機の領域は、カメラのセンサ１１０、及びレンズ１１１の各々諸元が変更されない限り、同じ画素数で形成される領域となる。

距離判定部２０５Ｂは、例えば、画像Ｇにおける特殊信号発光機の領域の縦、或いは横の画素数に基づいて、視認距離情報記憶部を参照し、縦、或いは横の画素数に対応する視認距離を選択することにより、視認距離を取得する。

以上説明したように、第３の実施形態の判定装置２０Ｂでは、距離判定部２０５Ｂは、対象画像における、特殊信号発光機の領域の画素数に基づいて、視認距離を算出する。これにより、第３の実施形態の判定装置２０Ｂは、ＧＰＳ受信機や、方向センサ、及び速度センサを用いなくとも、視認距離を算出することが可能となる。

なお、上記では撮像部１００のカメラが単眼カメラである場合を例示して説明したがこれに限定されず、撮像部１００のカメラはステレオカメラであってもよい。この場合、被写体Ｈの位置からレンズまでの視差情報を処理することにより視認距離ＤＸを測定することができる。

上述した実施形態における判定装置２０（２０Ａ、２０Ｂ）が行う処理の全部または一部をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、ＦＰＧＡ等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

１ 判定システム
１０ 撮像装置
２０ 判定装置
２００ 画像取得部
２０１ 物体検出部
２０２ 前処理部
２０３ 特徴量抽出部
２０４ 角度判定部
２０５ 距離判定部
２０６ 視認性判定部
２０７ 判定結果出力部

Claims (5)

1. 鉄道における特殊信号発光機の視認性を判定する判定装置であって、
   列車の先頭車両から前記列車の進行方向における領域を撮像した画像である対象画像を取得する画像取得部と、
   前記画像取得部により取得された前記対象画像に前記特殊信号発光機が含まれる場合、前記対象画像の画像面に対する前記特殊信号発光機の発光面の角度を示す傾向角度が所定の基準角度以上であるか否かを判定する角度判定部と、
   前記角度判定部により判定された判定結果に基づいて、特殊信号発光機の視認性を判定する視認性判定部
   を備える判定装置。
2. 前記角度判定部は、前記対象画像に含まれる前記特殊信号発光機の画像領域における輝度分布と前記傾向角度との関係に基づいて、前記傾向角度が所定の基準角度以上であるか否かを判定する
   請求項１に記載の判定装置。
3. 前記角度判定部は、前記輝度分布に前記傾向角度を付した学習データを用いて機械学習を実行することにより作成された角度推定モデルであって、前記傾向角度が所定の基準角度以上であるか否かを推定する角度推定モデルに、前記輝度分布を入力することにより得られる推定結果を用いて、前記傾向角度が所定の基準角度以上であるか否かを判定する
   請求項２に記載の判定装置。
4. 前記対象画像が撮像された撮像位置から前記特殊信号発光機の設置位置までの距離を示す視認距離が所定の距離閾値以上であるか否かを判定する距離判定部
   を更に備える
   請求項１から請求項３の何れか一項に記載の判定装置。
5. 鉄道における特殊信号発光機の視認性を判定する判定方法であって、
   画像取得部が、列車の先頭車両から前記列車の進行方向における領域を撮像した判定の対象である対象画像を取得し、
   角度判定部が、前記画像取得部により取得された前記対象画像に基づいて、前記対象画像に前記特殊信号発光機が含まれる場合、前記対象画像の画像面に対する前記特殊信号発光機の発光面の角度を示す傾向角度が所定の基準角度以上であるか否かを判定し、
   視認性判定部が、前記角度判定部により判定された判定結果に基づいて、特殊信号発光機の視認性を判定する
   判定方法。