JP2021018593A - 車両用情報処理装置 - Google Patents
車両用情報処理装置 Download PDFInfo
- Publication number
- JP2021018593A JP2021018593A JP2019133732A JP2019133732A JP2021018593A JP 2021018593 A JP2021018593 A JP 2021018593A JP 2019133732 A JP2019133732 A JP 2019133732A JP 2019133732 A JP2019133732 A JP 2019133732A JP 2021018593 A JP2021018593 A JP 2021018593A
- Authority
- JP
- Japan
- Prior art keywords
- inference
- model
- accuracy
- unit
- vehicle
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
本願は、上記課題を解決する手段を複数含んでいるが、その一例を挙げるならば、車両に設置されたカメラから取得した画像を保存する画像記憶部と、特性の異なる複数の推論モデルの中から、車両の周囲環境に最適な推論モデルを選択するモデル選択部と、モデル選択部で選択された推論モデルによる推論の精度を算出する精度算出制御部とを備え、モデル選択部は精度算出制御部で出力された推論の精度に応じて、画像の推論に使用する推論モデルを切替えるようにした車両用情報処理装置としたものである。
上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
以下、本発明の第1の実施の形態例を、図1〜図5を参照して説明する。
図1は、本発明の第1の実施の形態例の車両用情報処理装置100の構成例である。
車両用情報処理装置100は、電車やバスなどの車両に設置され、車両に搭載されたカメラから取得した画像についての情報処理を行うものである。なお、車両用情報処理装置100の設置例については後述する(図2)。
演算部140では、推論部110で選択された推論モデルを使った推論の演算処理が実行され、演算処理の実行結果が、記憶部150の推論結果記憶部153に記憶される。
推論結果記憶部153に記憶された推論結果は、推論結果判定部103で読み出され、推論結果判定部103で推論結果の判定処理が行われる。推論結果判定部103で得られた判定結果は、出力制御部104の制御により外部出力部105に出力される。出力制御部104は、例えば出力用のインタフェースに対応したコントローラで構成される。
モデル集合部120には、複数の推論モデルが用意されている。図1の例では、第1推論モデル121と、第2推論モデル122と、第3推論モデル123とが用意されている。第1推論モデル121は、天候が晴れの状況で撮像された画像に適した推論モデルである。第2推論モデル122は、天候が曇りの状況で撮像された画像に適した推論モデルである。第3推論モデル123は、天候が雨の状況で撮像された画像に適した推論モデルである。図1の例では、推論に使用するために指定された指定モデル129として、第1推論モデル121が選択された状況を示す。
第2AIモデル演算部142は、推論部110の精度算出制御部111の制御で指定された推論モデルを使って、画像記憶部151に記憶された画像についての推論を実行する。第2AIモデル演算部142での推論結果は、記憶部150内の比較用精度記憶部152に記憶される。
図2は、車両用情報処理装置100の設置例を示す。
図2の例では、鉄道用の車両200のドア201の上部に設置された車内表示装置210が、図1に示す車両用情報処理装置100を内蔵する。
車内表示装置210には、ディスプレイパネル105aが配置され、車内の乗客への各種案内を行うことができる。例えば、ディスプレイパネル105aには、列車の運行情報、乗り換え案内、広告等が表示される。
また、車両用情報処理装置100には、防犯カメラ101aが取り付けられている。図1に示す画像取得部101は、この防犯カメラ101aが撮像した画像を取得する。
図3は、車内表示装置210が車両用情報処理装置100を内蔵した場合のハードウェア構成例を示す。
車内表示装置210は、CPU(central processing unit)11、主記憶装置12、演算部13、補助記憶装置14、バス15、画像入力制御部102、及び表示部211を備える。
画像入力制御部102が取得した画像データは、バス15を経由して、補助記憶装置14に取り込まれる。
また、表示部211のディスプレイパネル105aの表示は、CPU11の制御に基づいて、出力制御部104から出力されたデータにより行われる。また、補助記憶装置14での推論結果判定部103の判定に基づいた処理結果も、ディスプレイパネル105aに表示される。
図4及び図5は、本実施の形態例の車両用情報処理装置100が行う処理の流れを示すフローチャートである。
まず、図4のフローチャートに基づいて、画像取得時の処理の流れを説明する。
車両用情報処理装置100は、画像取得部101を経由して、防犯カメラ101aが撮像した画像を取得する(ステップS1)。このとき、車両用情報処理装置100の第1AIモデル演算部141が、指定モデル129を使って、画像に対する推論を実施する(ステップS2)。
このステップS1〜S4の処理が、新たに画像を取得するごとに繰り返される。
この推論の精度低下時の推論モデル切替えの処理タスクは、図4のフローチャートに示す画像取得時の推論処理タスクと並行して実施される。
まず、精度算出制御部111は、精度判定部113が保持する推論の精度低下のフラグがセットされているか否かを確認する(ステップS5)。
このステップS5で、推論の精度低下のフラグがセットされていないと確認された場合(ステップS5のNO)、精度算出制御部111でのステップS5の確認を繰り返す。
そして、第2AIモデル演算部142は、指定モデル129以外の推論モデルの推論の精度を、比較用精度記憶部152に出力する(ステップS7)。
このステップS8で選択した推論モデルが、新たな指定モデル129になる。
したがって、例えばモデル集合部120に用意された推論モデルの数が多い場合であっても、図5のフローチャートに示す処理に要する時間の影響を、図4のフローチャートに示す推論処理が受けない。このため、推論モデル切り替えのための比較処理が車両用情報処理装置100で行われていても、入力画像に基づいた推論処理が遅れることがなく、入力画像に基づいた推論処理は常に最適な状態で実施される。
次に、本発明の第2の実施の形態例を、図6及び図7を参照して説明する。この図6及び図7において、第1の実施の形態例で説明した図1〜図5と同一箇所には同一符号を付している。
図6は、本発明の第2の実施の形態例の車両用情報処理装置100aの構成を示す。
車両用情報処理装置100aは、第1の実施の形態例の車両用情報処理装置100と同様に、電車やバスなどの車両に設置され、車両に搭載されたカメラから取得した画像についての情報処理を行うものである。
第2の実施の形態例の車両用情報処理装置100aは、状態入力制御部107と周囲環境判定部108とを備える点で、第1の実施の形態例の車両用情報処理装置100と相違する。第2の実施の形態例の車両用情報処理装置100aのその他の構成は、第1の実施の形態例の車両用情報処理装置100と同じである。
次に、本実施の形態例の車両用情報処理装置100aで行われる処理について説明する。
画像取得部101から取得した画像に対して行われる推論処理は、先に第1の実施の形態例で図4のフローチャートで説明した処理と同じである。
そして、本実施の形態例の車両用情報処理装置100aでは、入力画像に対して行われる推論処理と並行して、図7のフローチャートに示す推論モデル切替え処理が実行される。
このステップS5で、推論の精度低下のフラグがセットされていないと確認された場合(ステップS5のNO)、推論結果判定部103は推論の対象となる推論結果の情報を検出したか否かを判断する(ステップS9)。このステップS9で、推論の対象となる推論結果の情報を検出しないと判定された場合は(ステップS9のNO)、ステップS5の精度算出制御部111での判断に戻る。
ここで、周囲環境判定部108は、状態入力制御部107が取得した周囲環境の情報を参照して、周囲環境に変化があるか否かを判定する(ステップS10)。ここでは、周囲環境として、天候情報の状態を扱うケースでは、状態取得部106が外部ネットワーク等から取得する天候状態に基づいて、曇りから晴れに変化したような状況を判定する。
そして、ステップS10で、周囲状態の変化があると周囲環境判定部108が判定した場合(ステップS10のYES)、周囲環境判定部108は、周囲状態に変化があることの情報を精度算出制御部111に通知する。この通知を受信した精度算出制御部111は、指定モデル129以外の全推論モデルと、画像記憶部151から取得した画像を入力パラメータとして、第2AIモデル演算部142に推論を実行させる(ステップS6)。
比較用精度記憶部152に推論の精度が記憶されると、精度比較部132が比較用精度記憶部152から推論の精度を取得して比較する。そして、モデル判定部131が、精度比較部132から取得した情報を元に、最も精度が高い推論モデルを選択する(ステップS8)。
このステップS8で選択した推論モデルが、新たな指定モデル129になる。
特に、本実施の形態例の車両用情報処理装置100aの場合には、推論精度の低下を検出しない状況でも、周囲環境の検出で切り替わるため、迅速に推論モデルが切り替わるようになり、推論の精度低下による誤判定をより効果的に防ぐことができる。
次に、本発明の第3の実施の形態例を、図8〜図10を参照して説明する。この図8〜図10においても、第1及び第2の実施の形態例で説明した図1〜図7と同一箇所には同一符号を付している。
図8は、本発明の第3の実施の形態例の車両用情報処理装置100bの構成を示す。
車両用情報処理装置100bは、第1及び第2の実施の形態例の車両用情報処理装置100,100aと同様に、電車やバスなどの車両に設置され、車両に搭載されたカメラから取得した画像についての情報処理を行うものである。
第3の実施の形態例の車両用情報処理装置100bのその他の構成は、第2の実施の形態例の車両用情報処理装置100aと同じである。
図9は、周囲環境判定用テーブル155が持つ情報の例を示す。
ここでは、周囲環境判定用テーブル155は、重量センサ106aが検出した乗客の総重量と、推定乗客人数と、混雑度状態との情報を持つ。
例えば、重量センサ106aが検出した重量が0トン〜3トンのとき、推定乗客数が0人〜50人であり、混雑度状態が混雑度1になる。
また、重量センサ106aが検出した重量が3トン〜6トンのとき、推定乗客数が50人〜100人であり、混雑度状態が混雑度2になる。以下、同様にして、重量センサ106aが検出した重量が増えるごとに、推定乗客数が増え、混雑度のランクが高くなる。
図10は、車内表示装置210が本実施の形態例の車両用情報処理装置100bを内蔵した場合のハードウェア構成例を示す。
図10に示す車内表示装置210の場合には、周囲環境判定部108の機能が、補助記憶装置14にプログラムとして記憶される。
車内表示装置210のその他の構成は、第1の実施の形態例で図3に示す車内表示装置210と同じである。
次に、本実施の形態例の車両用情報処理装置100bで行われる処理について説明する。
画像取得部101から取得した画像に対して行われる推論処理は、先に第1の実施の形態例で図4のフローチャートで説明した処理が実行される。
そして、本実施の形態例の車両用情報処理装置100bで行われる推論モデル切替え処理は、先に第2の実施の形態例で図7のフローチャートで説明した処理が実行される。
但し、本実施の形態例の場合には、周囲環境として混雑度の情報を取得し、取得した混雑度のレベルに応じて、推論モデルを切り替える処理が実行される点が、第1及び第2の実施の形態例と異なる。
例えば、最初の状態が混雑度1であり、状態取得部106から取得した値が3トンを超えた場合、混雑度状態が混雑度1から混雑度2に変化しているため、周囲環境判定部108は、混雑度が変化したと判定する。
したがって、本実施の形態例の車両用情報処理装置100bによると、車内の混雑度に変化が発生した場合、推論の精度が高い推論モデルへの切替えが実施されるようになり、自動的に推論の精度が高い推論モデルが選択され、推論の精度低下による誤判定を防ぐことができる。
なお、本発明は、上述した各実施の形態例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した各実施の形態例は、本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。
さらに、各実施の形態例では、演算部140としてGPU、FPGA、推論処理に特化したAIアクセラレータ等が適用可能と述べたが、車両用情報処理装置100,100a,100bのその他の一部または全ての構成についても、FPGAなどでハードウェア化してもよい。
Claims (6)
- 車両に設置されたカメラから取得した画像を保存する画像記憶部と、
特性の異なる複数の推論モデルの中から、前記車両の周囲環境に最適な推論モデルを選択するモデル選択部と、
前記モデル選択部で選択された推論モデルによる推論の精度を算出する精度算出制御部と、を備え、
前記モデル選択部は前記精度算出制御部で出力された推論の精度に応じて、画像の推論に使用する推論モデルを切替えるようにした
車両用情報処理装置。 - 前記周囲環境には時間情報が含まれ、
前記モデル選択部が選択する複数の推論モデルには、適用される時間に応じた複数の推論モデルを有し、
前記モデル選択部は、複数の前記推論モデルの中から最も推論の精度が高い推論モデルを選択する
請求項1に記載の車両用情報処理装置。 - 前記周囲環境には、前記車両の周辺の天候情報を含み、
前記モデル選択部が選択する複数の推論モデルには、天候に応じた複数の推論モデルを有し、
前記モデル選択部は、複数の前記推論モデルの中から最も推論の精度が高い推論モデルを選択する
請求項1に記載の車両用情報処理装置。 - 前記情報処理装置において、前記周囲環境は、車両内の乗客による混雑度情報を含み、
前記モデル選択部が選択する複数の推論モデルには、混雑度に応じた複数の推論モデルを有し、
前記モデル選択部は、複数の前記推論モデルの中から最も推論の精度が高い推論モデルを自動で選択する
請求項1に記載の車両用情報処理装置。 - 前記情報処理装置において、
前記周囲環境の状態を取得する状態取得部を備え、
前記モデル選択部は、前記状態取得部から取得する情報に応じて推論モデルを切替える
請求項1〜4のいずれか1項に記載の車両用情報処理装置。 - 前記情報処理装置において、
前記モデル選択部で選択された推論モデルによる演算を実行して前記画像から特定の事象を検出する第1の演算部と、
前記精度算出制御部で精度を算出するために、複数の推論モデルの演算を実行する第2の演算部と、を備える
請求項1〜4のいずれか1項に記載の車両用情報処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133732A JP7071316B2 (ja) | 2019-07-19 | 2019-07-19 | 車両用情報処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133732A JP7071316B2 (ja) | 2019-07-19 | 2019-07-19 | 車両用情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021018593A true JP2021018593A (ja) | 2021-02-15 |
JP7071316B2 JP7071316B2 (ja) | 2022-05-18 |
Family
ID=74563695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019133732A Active JP7071316B2 (ja) | 2019-07-19 | 2019-07-19 | 車両用情報処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7071316B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022270379A1 (ja) * | 2021-06-24 | 2022-12-29 | 株式会社デンソー | 車載装置、物体の通知方法、プログラム、及び車両用システム |
WO2023054779A1 (ko) * | 2021-09-30 | 2023-04-06 | 한국전자기술연구원 | 포인트 클라우드 컨텍스트 및 경량화 딥러닝 기반 3차원 객체 인지 방법 |
US11968469B2 (en) | 2021-08-20 | 2024-04-23 | Canon Kabushiki Kaisha | Computing apparatus, image capturing apparatus, control method, and storage medium |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016031564A (ja) * | 2014-07-25 | 2016-03-07 | 株式会社デンソー | 歩行者検出装置および歩行者検出方法 |
JP2018081404A (ja) * | 2016-11-15 | 2018-05-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 識別方法、識別装置、識別器生成方法及び識別器生成装置 |
-
2019
- 2019-07-19 JP JP2019133732A patent/JP7071316B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016031564A (ja) * | 2014-07-25 | 2016-03-07 | 株式会社デンソー | 歩行者検出装置および歩行者検出方法 |
JP2018081404A (ja) * | 2016-11-15 | 2018-05-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 識別方法、識別装置、識別器生成方法及び識別器生成装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022270379A1 (ja) * | 2021-06-24 | 2022-12-29 | 株式会社デンソー | 車載装置、物体の通知方法、プログラム、及び車両用システム |
US11968469B2 (en) | 2021-08-20 | 2024-04-23 | Canon Kabushiki Kaisha | Computing apparatus, image capturing apparatus, control method, and storage medium |
WO2023054779A1 (ko) * | 2021-09-30 | 2023-04-06 | 한국전자기술연구원 | 포인트 클라우드 컨텍스트 및 경량화 딥러닝 기반 3차원 객체 인지 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP7071316B2 (ja) | 2022-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7071316B2 (ja) | 車両用情報処理装置 | |
US11669714B1 (en) | Models for stop sign database creation | |
US20210129869A1 (en) | Intelligent driving control methods and apparatuses, vehicles, electronic devices, and storage media | |
US20220108607A1 (en) | Method of controlling traffic, electronic device, roadside device, cloud control platform, and storage medium | |
US11610477B2 (en) | Traffic assistance system, server, and vehicle-mounted device | |
US20230144209A1 (en) | Lane line detection method and related device | |
US11932274B2 (en) | Electronic device and control method therefor | |
CN111310562B (zh) | 基于人工智能的车辆驾驶风险管控方法及其相关设备 | |
CN108423006A (zh) | 一种辅助驾驶预警方法及系统 | |
CN108230616A (zh) | 一种危险驾驶识别警报方法及系统 | |
US11287273B2 (en) | Patrol system and server for patrol system | |
CN106448171B (zh) | 一种积水路段预测方法及装置 | |
CN112330915B (zh) | 无人机森林防火预警方法、系统、电子设备和存储介质 | |
US20230040713A1 (en) | Simulation method for autonomous vehicle and method for controlling autonomous vehicle | |
CN112433539A (zh) | 一种处理高速交通事故的无人机调度方法、系统及可读存储介质 | |
CN109034120A (zh) | 面向智能设备自主行为的场景理解方法 | |
JP6930274B2 (ja) | デジタルサイネージ制御装置、デジタルサイネージ制御方法、プログラム、記録媒体 | |
JP2008217484A (ja) | 地震対応要否判定プログラム、地震対応要否判定装置、及び地震対応要否判定方法 | |
KR102026686B1 (ko) | 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버 | |
US11662217B2 (en) | Predictive cleanliness function for vehicle-sharing fleet | |
CN113763711B (zh) | 基于城市管理的无人机交通监控方法及系统 | |
CN115440063A (zh) | 交通信号灯的控制方法、装置、计算机设备和存储介质 | |
CN114120103A (zh) | 基于图像数据的智能电缆监测方法和装置 | |
CN112989981B (zh) | 一种路面裂缝检测方法、系统及存储介质 | |
CN113791564B (zh) | 远程控制的方法、装置、设备、云端服务器及控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210514 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220119 |
|
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: 20220412 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220506 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7071316 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |