JP2021034739A - 事象発生推定のための学習データ生成方法・プログラム、学習モデル及び事象発生推定装置 - Google Patents
事象発生推定のための学習データ生成方法・プログラム、学習モデル及び事象発生推定装置 Download PDFInfo
- Publication number
- JP2021034739A JP2021034739A JP2019148395A JP2019148395A JP2021034739A JP 2021034739 A JP2021034739 A JP 2021034739A JP 2019148395 A JP2019148395 A JP 2019148395A JP 2019148395 A JP2019148395 A JP 2019148395A JP 2021034739 A JP2021034739 A JP 2021034739A
- Authority
- JP
- Japan
- Prior art keywords
- image data
- information
- data
- situation
- event
- 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
Abstract
Description
周辺又は所定環境の状況に係る画像データに対し画素又は単位領域毎に当該状況に係る値を割り当てる処理を実施し、形成された各画素領域に当該状況に係るラベルを付与した画像データである領域分割画像データを生成するステップと、
当該領域分割画像データの当該画素領域及び当該ラベルに基づいて、当該事象の発生に関係し得る情報である状況情報を決定するステップと、
所定の条件を満たす当該状況情報が決定された画像データに対し、当該事象が発生し易いことを示す値を正解データとして対応付けたデータセットを含む学習データを生成するステップと
を有する学習データ生成方法が提供される。
上記の学習データを生成するステップでは、当該発生要因スコアが所定の条件を満たすことになる画像データに対し、当該事象が発生し易いことを示す値を正解データとして対応付けたデータセットを含む学習データを生成することも好ましい。
当該状況情報は、当該通行エリアの幅に係る項目の情報、当該通行エリアでの人及び/又は移動体の存在に係る項目の情報、複数の通行エリアが交差する交差点の存在に係る項目の情報、視界障害物の存在に係る項目の情報、人及び/又は移動体の数に係る項目の情報、並びに、周囲の移動体及び/又は人における所定以上の位置の変化に係る項目の情報のうちの少なくとも1つを含む情報であることも好ましい。
当該入力画像データに対し画素又は単位領域毎に当該周辺又は所定環境の状況に係る値を割り当てる処理を実施し、形成された各画素領域に当該周辺又は所定環境の状況に係るラベルを付与した画像データである領域分割画像データを生成する領域分割画像生成手段と、
当該領域分割画像データの当該画素領域及び当該ラベルに基づいて、当該事象の発生に関係し得る情報である状況情報を決定する状況情報決定手段と、
当該状況情報に基づいて、出力された当該推定結果を裏付ける情報であって当該事象が発生する要因に係る情報である発生要因情報を生成して出力する発生要因情報生成手段と
を更に有することも好ましい。
周辺又は所定環境の状況に係る画像データに対し画素又は単位領域毎に当該状況に係る値を割り当てる処理を実施し、形成された各画素領域に当該状況に係るラベルを付与した画像データである領域分割画像データを生成する領域分割画像生成手段と、
当該領域分割画像データの当該画素領域及び当該ラベルに基づいて、当該事象の発生に関係し得る情報である状況情報を決定する状況情報決定手段と、
所定の条件を満たす当該状況情報が決定された画像データに対し、当該事象が発生し易いことを示す値を正解データとして対応付けたデータセットを含む学習データを生成する学習データ生成手段と
してコンピュータを機能させる学習データ生成プログラムが提供される。
図1は、本発明に係る学習モデル生成装置及び事象発生推定装置を備えた事象発生推定システムの一実施形態を説明するための模式図及び機能ブロック図である。
(a)(本実施形態において移動可能な)事象発生推定装置である1つ以上の端末20と、
(b)端末20(又は画像データベース)から取得された画像データに基づいて学習モデルを生成可能な学習モデル生成装置であるクラウドサーバ1と
を有し、このうちクラウドサーバ1においては、この後詳細に説明する「周辺状況情報」を勘案して選別された画像データを用いた「学習データ」が生成され、さらにこれにより「学習モデル」が生成されて、この「学習モデル」が端末20に供給される。
(A)周辺又は所定環境の状況に係る画像データに対し画素又は単位領域毎に当該状況に係る値を割り当てる処理を実施し、形成された各画素領域(画像部分領域)に当該状況に係るラベルを付与した画像データである「領域分割画像データ」を生成する領域分割画像生成部112と、
(B)「領域分割画像データ」の当該画素領域及び当該ラベルに基づいて、所定事象の発生に関係し得る情報である「周辺状況情報」(状況情報)を決定する周辺状況情報決定部113と、
(C)所定の条件を満たす「周辺状況情報」が決定された画像データに対し、所定事象が発生し易いことを示す値を正解データとして対応付けたデータセットを含む「学習データ」を生成する学習データ生成部114と
を有することを特徴としているのである。
同じく図1に示した機能ブロック図によれば、クラウドサーバ1は、通信インタフェース101と、プロセッサ・メモリとを有する。ここで、このプロセッサ・メモリは、本発明による学習データ生成プログラムを含む学習モデル生成プログラムの一実施形態を保存しており、さらに、コンピュータ機能を有していて、この学習モデル生成プログラムを実行することによって、学習モデル生成処理を実施する。
(a)道路幅,(b)視界障害物,(c)人の数,(d)自動車の数,・・・
を予め設定しておき、当該項目毎に、交通事故又は交通事故未遂事象が発生する要因となる度合いを示す「危険スコア(発生要因スコア)」を決定して、当該項目毎に決定した「危険スコア」を周辺状況情報としている。
(a)所定条件を満たす周辺状況情報(危険スコア群)が決定された元の画像データに対し、交通事故(又は交通事故未遂事象)の起き易いことを示す値(ラベル)を正解データとして対応付けたデータセットを生成し、
(b)当該所定条件を満たさない周辺状況情報(危険スコア群)が決定された元の画像データに対し、交通事故(又は交通事故未遂事象)が起き易いとは言えないことを示す値(ラベル)を正解データとして対応付けたデータセットを生成し、
これらのデータセットを含む「学習データ」を生成する。
(a)画像データを入力してこれらの特徴に係る特徴情報を出力する第1NNとしての畳み込み層部(Convolutional Layers)と、
(b)畳み込み層部から出力された特徴情報を入力してクラスに係る情報(ラベルに係る情報)を出力する第2NNとしての全結合層部(Fully-Connected Layers)と
を含む識別器を構成し、これに対し「学習データ」を用いて学習処理を行って「学習モデル」を生成してもよい。
同じく図1に示した機能ブロック図によれば、端末20は、通信インタフェース201と、通信インタフェース202と、カメラ203と、ディスプレイ(DP)204と、プロセッサ・メモリとを有する。ここで、このプロセッサ・メモリは、本発明に係る事象発生推定プログラムの一実施形態を保存しており、さらに、コンピュータ機能を有していて、この事象発生推定プログラムを実行することによって、事象発生推定処理を実施する。
(a)事故発生推定部213が"危険"との推定結果を出力し、
(b)周辺状況情報決定部216が、所定閾値以上の「人の数」危険スコアと、所定閾値以上の「視界障害物」危険スコアとを決定し、これを受けて発生要因情報生成部217が発生要因情報「歩行者多し」及び「見通し不良」を生成して出力し、
提示情報生成部214は、これら(a)及び(b)の出力から提示情報「危険!歩行者多し!見通し不良!」を生成して、画像内の吹き出しの形でディスプレイ204に表示させている。
図5は、本発明による学習データ・学習モデル生成方法、及び事象発生推定方法における一実施形態の概略を示すシーケンス図である。ここで本実施形態では、端末20A〜20Cは各々、常時、自動車2の進行方向の状況をカメラ203によって撮影して映像(画像データ)を生成している(ステップS101)。なお、端末20の数は本実施形態において3つとなっているが、本発明は当然、これに限定されるものではない。
(S103)端末20Cは、急ブレーキ情報の取得時に生成された画像データを選択する。
(S104)端末20Cは、選択した急ブレーキ時の画像データ(急ブレーキタグの付与された画像データ)を、クラウドサーバ1へ送信する。
ここで、他の端末20A及び20Bについても上記ステップS102〜104相当の処理が実施され、さらにいずれの端末においても上記ステップS102〜104相当の処理が繰り返されることによって、クラウドサーバ1は、急ブレーキタグの付与された画像データを十分な量だけ取得するものとする。
(S112)クラウドサーバ1は、生成した領域分割画像から、周辺状況情報としての危険スコア群を決定する。
(S113)クラウドサーバ1は、所定条件を満たす危険スコア群を有する画像データに対し正解ラベル"危険"を対応付けたデータセットを含む「学習データ」を生成する。
(S115)クラウドサーバ1は、生成した「学習モデル」を各端末20A〜20Cに供給する。
(S122)各端末20A〜20Cは、推定した危険度に係る提示情報を、当該画像データに合わせてディスプレイ204に表示する。
101 通信インタフェース
111 画像取得部
112 領域分割画像生成部
113 周辺状況情報決定部
114 学習データ生成部
115 学習モデル生成部
2 自動車
20、20A、20B、20C 端末(事象発生想定装置)
201、202 通信インタフェース
203 カメラ
204 ディスプレイ(DP)
211 映像生成部
212 画像選択部
213 事故発生推定部
214 提示情報生成部
215 領域分割画像生成部
216 周辺状況情報決定部
217 発生要因情報生成部
Claims (10)
- 周辺又は所定環境の状況に係る入力画像データに基づき、所定の事象の発生し易さを推定可能な学習モデルを生成するための学習データを生成するコンピュータにおける学習データ生成方法であって、
周辺又は所定環境の状況に係る画像データに対し画素又は単位領域毎に当該状況に係る値を割り当てる処理を実施し、形成された各画素領域に当該状況に係るラベルを付与した画像データである領域分割画像データを生成するステップと、
当該領域分割画像データの当該画素領域及び当該ラベルに基づいて、当該事象の発生に関係し得る情報である状況情報を決定するステップと、
所定の条件を満たす当該状況情報が決定された画像データに対し、当該事象が発生し易いことを示す値を正解データとして対応付けたデータセットを含む学習データを生成するステップと
を有することを特徴とする学習データ生成方法。 - 前記状況情報を決定するステップでは、予め設定された状況情報に係る項目毎に、当該事象が発生する要因となる度合いを示す発生要因スコアを決定して、当該項目毎に決定した発生要因スコアを当該状況情報とし、
前記学習データを生成するステップでは、当該発生要因スコアが所定の条件を満たすことになる画像データに対し、当該事象が発生し易いことを示す値を正解データとして対応付けたデータセットを含む学習データを生成する
ことを特徴とする請求項1に記載の学習データ生成方法。 - 当該画像データは、通行エリアを移動する移動体での撮影によって生成され、当該所定の事象は、前記移動体に係る事故又は事故未遂事象であり、
当該状況情報は、当該通行エリアの幅に係る項目の情報、当該通行エリアでの人及び/又は移動体の存在に係る項目の情報、複数の通行エリアが交差する交差点の存在に係る項目の情報、視界障害物の存在に係る項目の情報、人及び/又は移動体の数に係る項目の情報、並びに、周囲の移動体及び/又は人における所定以上の位置の変化に係る項目の情報のうちの少なくとも1つを含む情報である
ことを特徴とする請求項1又は2に記載の学習データ生成方法。 - 当該画像データは、移動体が所定条件を満たすだけの急な減速若しくは制動動作、若しくは急なステアリング動作を行った時点又はその近傍時点における前記移動体での撮影によって生成され、当該所定の事象は、前記移動体に係る事故又は事故未遂事象であることを特徴とする請求項1から3のいずれか1項に記載の学習データ生成方法。
- 当該移動体が所定条件を満たすだけの急な減速若しくは制動動作、若しくは急なステアリング動作を行った時点又はその近傍時点は、当該移動体に搭載されたCAN(Controller Area Network)から取得される速度若しくは制動情報、当該画像データにおけるオプティカルフローのベクトル量、及び当該画像データを含む画像データ群に対する符号化圧縮処理の際に決定される動きベクトルのうちの少なくとも1つに基づいて決定される時点とすることを特徴とする請求項4に記載の学習データ生成方法。
- 当該領域分割画像データは、当該画像データに対しセマンティックセグメンテーション(Semantic Segmentation)処理を施して生成されることを特徴とする請求項1から5のいずれか1項に記載の学習データ生成方法。
- 請求項1から6のいずれか1項に記載された学習データ生成方法によって生成された学習データを用いて生成されることを特徴とする学習モデル。
- 請求項7に記載された学習モデルを用い、周辺又は所定環境の状況に係る入力画像データについて所定の事象の発生し易さを推定し、当該推定結果を出力する事象発生推定手段を有することを特徴とする事象発生推定装置。
- 当該入力画像データに対し画素又は単位領域毎に当該周辺又は所定環境の状況に係る値を割り当てる処理を実施し、形成された各画素領域に当該周辺又は所定環境の状況に係るラベルを付与した画像データである領域分割画像データを生成する領域分割画像生成手段と、
当該領域分割画像データの当該画素領域及び当該ラベルに基づいて、当該事象の発生に関係し得る情報である状況情報を決定する状況情報決定手段と、
当該状況情報に基づいて、出力された当該推定結果を裏付ける情報であって当該事象が発生する要因に係る情報である発生要因情報を生成して出力する発生要因情報生成手段と
を更に有することを特徴とする請求項8に記載の事象発生推定装置。 - 周辺又は所定環境の状況に係る入力画像データに基づき、所定の事象の発生し易さを推定可能な学習モデルを生成するための学習データを生成するコンピュータを機能させるプログラムであって、
周辺又は所定環境の状況に係る画像データに対し画素又は単位領域毎に当該状況に係る値を割り当てる処理を実施し、形成された各画素領域に当該状況に係るラベルを付与した画像データである領域分割画像データを生成する領域分割画像生成手段と、
当該領域分割画像データの当該画素領域及び当該ラベルに基づいて、当該事象の発生に関係し得る情報である状況情報を決定する状況情報決定手段と、
所定の条件を満たす当該状況情報が決定された画像データに対し、当該事象が発生し易いことを示す値を正解データとして対応付けたデータセットを含む学習データを生成する学習データ生成手段と
してコンピュータを機能させることを特徴とする学習データ生成プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019148395A JP7269694B2 (ja) | 2019-08-13 | 2019-08-13 | 事象発生推定のための学習データ生成方法・プログラム、学習モデル及び事象発生推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019148395A JP7269694B2 (ja) | 2019-08-13 | 2019-08-13 | 事象発生推定のための学習データ生成方法・プログラム、学習モデル及び事象発生推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021034739A true JP2021034739A (ja) | 2021-03-01 |
JP7269694B2 JP7269694B2 (ja) | 2023-05-09 |
Family
ID=74677700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019148395A Active JP7269694B2 (ja) | 2019-08-13 | 2019-08-13 | 事象発生推定のための学習データ生成方法・プログラム、学習モデル及び事象発生推定装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7269694B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220161785A (ko) * | 2021-05-31 | 2022-12-07 | 영남대학교 산학협력단 | 교통사고 검지 시스템 및 그 방법 |
JP7254988B1 (ja) | 2022-03-11 | 2023-04-10 | ソフトバンク株式会社 | 運行管理システム、運行管理装置、運行管理装置の制御方法、及び運行管理装置の制御プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007072987A (ja) * | 2005-09-09 | 2007-03-22 | Denso Corp | 環境認識装置 |
JP2011014037A (ja) * | 2009-07-03 | 2011-01-20 | Fuji Heavy Ind Ltd | リスク予測システム |
JP2011198266A (ja) * | 2010-03-23 | 2011-10-06 | Toyota Central R&D Labs Inc | 危険判定装置及びプログラム |
JP2019028861A (ja) * | 2017-08-02 | 2019-02-21 | ソニー株式会社 | 信号処理装置、および信号処理方法、プログラム、並びに移動体 |
JP2019106049A (ja) * | 2017-12-13 | 2019-06-27 | 株式会社豊田中央研究所 | 車両制御装置、リスクマップ生成装置、及びプログラム |
-
2019
- 2019-08-13 JP JP2019148395A patent/JP7269694B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007072987A (ja) * | 2005-09-09 | 2007-03-22 | Denso Corp | 環境認識装置 |
JP2011014037A (ja) * | 2009-07-03 | 2011-01-20 | Fuji Heavy Ind Ltd | リスク予測システム |
JP2011198266A (ja) * | 2010-03-23 | 2011-10-06 | Toyota Central R&D Labs Inc | 危険判定装置及びプログラム |
JP2019028861A (ja) * | 2017-08-02 | 2019-02-21 | ソニー株式会社 | 信号処理装置、および信号処理方法、プログラム、並びに移動体 |
JP2019106049A (ja) * | 2017-12-13 | 2019-06-27 | 株式会社豊田中央研究所 | 車両制御装置、リスクマップ生成装置、及びプログラム |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220161785A (ko) * | 2021-05-31 | 2022-12-07 | 영남대학교 산학협력단 | 교통사고 검지 시스템 및 그 방법 |
KR102551566B1 (ko) * | 2021-05-31 | 2023-07-06 | 영남대학교 산학협력단 | 교통사고 검지 시스템 및 그 방법 |
JP7254988B1 (ja) | 2022-03-11 | 2023-04-10 | ソフトバンク株式会社 | 運行管理システム、運行管理装置、運行管理装置の制御方法、及び運行管理装置の制御プログラム |
JP2023132714A (ja) * | 2022-03-11 | 2023-09-22 | ソフトバンク株式会社 | 運行管理システム、運行管理装置、運行管理装置の制御方法、及び運行管理装置の制御プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7269694B2 (ja) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3759700B1 (en) | Method for determining driving policy | |
KR102351592B1 (ko) | 기본 미리 보기 영역 및 시선 기반 운전자 주의 산만 검출 | |
Nidamanuri et al. | A progressive review: Emerging technologies for ADAS driven solutions | |
US20200216078A1 (en) | Driver attentiveness detection system | |
US9881221B2 (en) | Method and system for estimating gaze direction of vehicle drivers | |
US11527078B2 (en) | Using captured video data to identify pose of a vehicle | |
US11315026B2 (en) | Systems and methods for classifying driver behavior | |
KR101276770B1 (ko) | 사용자 적응형 특이행동 검출기반의 안전운전보조시스템 | |
WO2020042984A1 (zh) | 一种车辆行为检测方法及装置 | |
WO2020264010A1 (en) | Low variance region detection for improved detection | |
US20200010095A1 (en) | Method and apparatus for monitoring driving condition of vehicle | |
JP7480302B2 (ja) | 交通弱者の意図を予測する方法および装置 | |
KR102553053B1 (ko) | 차량 주변의 위험 요소를 감지하기 위한 전자 장치 및 이를 제어하기 위한 방법 | |
Raja et al. | SPAS: Smart pothole-avoidance strategy for autonomous vehicles | |
US20230166743A1 (en) | Devices and methods for assisting operation of vehicles based on situational assessment fusing expoential risks (safer) | |
JP7269694B2 (ja) | 事象発生推定のための学習データ生成方法・プログラム、学習モデル及び事象発生推定装置 | |
US11443622B2 (en) | Systems and methods for mitigating a risk of being followed by a vehicle | |
JP7474160B2 (ja) | 情報処理装置 | |
JP7186749B2 (ja) | 管理システム、管理方法、管理装置、プログラム及び通信端末 | |
WO2019104471A1 (en) | Method and apparatus for assisting driving | |
Maaz et al. | Iot programming to develop self driving robotics car using opencv and other emerging technologies | |
KR20210005766A (ko) | 자율주행차량 기반의 추월 우선권 제공 시스템, 그리고 이를 위한 자율주행차량 단말 | |
JP7301715B2 (ja) | 監視カメラ利用車両システムに適用される状態予測サーバおよび注意喚起装置 | |
US20230109171A1 (en) | Operator take-over prediction | |
US20240112570A1 (en) | Moving body prediction device, learning method, traffic safety support system, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210617 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220609 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220721 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220810 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221220 |
|
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: 20230421 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230421 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7269694 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |