JP2021157474A - 監視システム、監視方法及びプログラム - Google Patents
監視システム、監視方法及びプログラム Download PDFInfo
- Publication number
- JP2021157474A JP2021157474A JP2020056803A JP2020056803A JP2021157474A JP 2021157474 A JP2021157474 A JP 2021157474A JP 2020056803 A JP2020056803 A JP 2020056803A JP 2020056803 A JP2020056803 A JP 2020056803A JP 2021157474 A JP2021157474 A JP 2021157474A
- Authority
- JP
- Japan
- Prior art keywords
- reference value
- moving
- pixels
- image
- moving body
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
【課題】厳しい環境条件下であっても現象の発生を正確に検出する。【解決手段】動体画素検出部20は、火山Vの最新の画像データInが得られる度に、最新の画像データInと過去の画像データIt1〜It2との比較により、最新の画像データInを構成する画素のうち、動体画素数Px(n)を検出する。基準値算出部21は、動体画素数Px(n)が得られる度に、過去の期間T1を1サンプリング周期Sだけ後にずらしつつ、期間T1に撮像された複数枚の画像データIt1〜It2における動体画素数Px(t1)〜Px(t2)の平均値avePx(n−1)、標準偏差σ(n−1)及びノイズ成分Nに基づく基準値Pmax(n−1)を算出する。現象検出部22は、基準値算出部21で算出された基準値Pmax(n−1)に対する動体画素検出部20で検出された動体画素数Px(n)の比率が閾値αを超えた場合に、火山Vの噴火の発生を検出する。【選択図】図1
Description
本発明は、監視システム、監視方法及びプログラムに関する。
日本で最も活発な活動をしている火山の一つである桜島は、10km西に鹿児島市の中心部が位置する、都市圏に近い火山として知られている。このため、桜島の噴火は、中規模なものであっても観光、農業、漁業等の産業に経済的損失を与えて地域の発展を妨げたり、県民の生活・健康に影響を与えたりするおそれがある。そこで、噴火があったことをいち早く知るために、桜島は24時間監視対象となっている。
現状では、桜島のような火山の噴火の判断は、目視に頼らざるを得ないのが実情であり、監視には大変な労力が必要となる。このため、監視画像を利用して噴火を自動的に検出する方法の開発が望まれている。
監視対象における現象の発生を自動的に検出する一般的な方法に、「差分画像」を利用する方法がある。この方法では、現象が発生する前の背景画像を予め準備しておき、その現象が発生した後の画像と背景画像との差分、すなわち相違点を求めることで、現象が発生したことを検出する。
屋内などの環境変化が小さい空間又は環境を制御可能な空間であれば、「差分画像」を利用する方法は有効である。一方、環境変化が大きい屋外では、検出対象である現象の発生とは無関係な環境変化により背景画像が変化するので、「差分画像」を利用する方法で現象の発生を検出することが難しくなっている。
このような点を改善するため、直前の画像を背景画像として更新していく方法や、差分後の画像から現象の発生に関連する動体の速度ベクトルを求めることで、背景と動体とを分離する方法等が開示されている(例えば、特許文献1参照)。
しかしながら、現象の発生の自動的な検出を妨げるものは、背景画像の変化には限られない。防災を目的として野外に設置されたカメラで監視対象を監視する場合には、カメラが設置される環境条件が厳しくなる。例えば、風によりカメラが振動したり、カメラのレンズが汚れたりして画質が劣化する。このような環境条件の厳しさが、現象の発生の自動的な検出の妨げとなっている。
本発明は、上記実情の下になされたものであり、厳しい環境条件下であっても現象の発生を正確に検出することができる監視システム、監視方法及びプログラム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、本発明の第1の観点に係る監視システムは、
一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出部と、
前記動体画素検出部で前記動体画素数が検出される度に、算出対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出部と、
前記基準値算出部で前記基準値が算出される度に、前記基準値算出部で算出された前記基準値に対する前記動体画素検出部で検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出部と、
を備える。
一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出部と、
前記動体画素検出部で前記動体画素数が検出される度に、算出対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出部と、
前記基準値算出部で前記基準値が算出される度に、前記基準値算出部で算出された前記基準値に対する前記動体画素検出部で検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出部と、
を備える。
この場合、前記基準値算出部は、
前記動体画素数の平均値と、標準偏差の3倍と、前記ノイズ成分を加算した値を、前記基準値として算出する、
こととしてもよい。
前記動体画素数の平均値と、標準偏差の3倍と、前記ノイズ成分を加算した値を、前記基準値として算出する、
こととしてもよい。
また、前記期間の終期は、前記最新の画像が撮像された時点よりも少なくともM(Mは2以上の自然数)サンプリング前の時点となるように規定されている、
こととしてもよい。
こととしてもよい。
前記基準値算出部は、
前記監視対象における現象の発生が検出される前の前記動体画素数の最大値を、前記ノイズ成分として設定する、
こととしてもよい。
前記監視対象における現象の発生が検出される前の前記動体画素数の最大値を、前記ノイズ成分として設定する、
こととしてもよい。
前記動体画素検出部は、
前記最新の画像における輝度値に対する画素数の分布を示す混合ガウス分布モデルを推定し、
前記過去の画像から推定されている混合ガウス分布モデルに含まれる正規分布に属しない画素を、前記動体画素として前記最新の画像から抽出する、
こととしてもよい。
前記最新の画像における輝度値に対する画素数の分布を示す混合ガウス分布モデルを推定し、
前記過去の画像から推定されている混合ガウス分布モデルに含まれる正規分布に属しない画素を、前記動体画素として前記最新の画像から抽出する、
こととしてもよい。
前記動体画素検出部は、
前記最新の画像をグレースケール画像に変換し、
前記グレースケール画像に対して輝度値に対する画素数を示すヒストグラムを作成し、 前記ヒストグラムを正規化し、
前記正規化されたヒストグラムに基づいて、前記混合ガウス分布モデルを推定する、
こととしてもよい。
前記最新の画像をグレースケール画像に変換し、
前記グレースケール画像に対して輝度値に対する画素数を示すヒストグラムを作成し、 前記ヒストグラムを正規化し、
前記正規化されたヒストグラムに基づいて、前記混合ガウス分布モデルを推定する、
こととしてもよい。
前記動体画素検出部は、
前記抽出された前記動体画素のうち、孤立する前記動体画素をノイズとして除去し、
前記抽出された前記動体画素のうち、除去されなかった前記動体画素の数を、前記動体画素数としてカウントする、
こととしてもよい。
前記抽出された前記動体画素のうち、孤立する前記動体画素をノイズとして除去し、
前記抽出された前記動体画素のうち、除去されなかった前記動体画素の数を、前記動体画素数としてカウントする、
こととしてもよい。
前記動体画素検出部は、
前記最新の画像における前記監視対象において現象が発生する領域の部分画像に対して処理を行って、前記動体画素数を算出する、
ようにしてもよい。
前記最新の画像における前記監視対象において現象が発生する領域の部分画像に対して処理を行って、前記動体画素数を算出する、
ようにしてもよい。
また、本発明の第2の観点に係る監視方法は、
コンピュータが、一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出ステップと、
コンピュータが、前記動体画素検出ステップで前記動体画素数が検出される度に、対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出ステップと、
コンピュータが、前記基準値算出ステップで前記基準値が算出される度に、前記基準値算出ステップで算出された前記基準値に対する前記動体画素検出ステップで検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出ステップと、
を含む。
コンピュータが、一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出ステップと、
コンピュータが、前記動体画素検出ステップで前記動体画素数が検出される度に、対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出ステップと、
コンピュータが、前記基準値算出ステップで前記基準値が算出される度に、前記基準値算出ステップで算出された前記基準値に対する前記動体画素検出ステップで検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出ステップと、
を含む。
また、本発明の第3の観点に係るプログラムは、
コンピュータを、
一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出部、
前記動体画素検出部で前記動体画素数が検出される度に、算出対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出部、
前記基準値算出部で前記基準値が算出される度に、前記基準値算出部で算出された前記基準値に対する前記動体画素検出部で検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出部、
として機能させる。
コンピュータを、
一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出部、
前記動体画素検出部で前記動体画素数が検出される度に、算出対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出部、
前記基準値算出部で前記基準値が算出される度に、前記基準値算出部で算出された前記基準値に対する前記動体画素検出部で検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出部、
として機能させる。
本発明によれば、過去のある期間に撮像された複数枚の画像における被写体の動きを示す動体画素の数である動体画素数の平均値、標準偏差及びノイズ成分に基づく基準値に対する最新の画像における動体画素数の比率が閾値を超えた場合に、現象が発生したことを検出する。現象が発生していなかった過去の期間に撮像された複数枚の画像における動体画素数の変動は、現象とは関係のない他の要因によるものであると考えられるため、この変動を考慮した基準値を用いることにより、他の要因による誤検出を防止することができる。この結果、厳しい環境条件下であっても現象の発生を正確に検出することができる。
以下、本発明の実施の形態について図面を参照して詳細に説明する。全図において、同一又は相当する構成要素には、同一の符号が付されている。
図1に示すように、本実施の形態に係る監視システム1には、カメラ10が無線通信可能に接続されている。カメラ10は、撮像視野IA内に山頂の火口を含む火山Vの大部分とその周辺が収められるように屋外に設置されている。このため、カメラ10は、風などの自然環境の影響を受け易くなっている。
カメラ10は、一定のサンプリング周期Sで火山Vを撮像する。この撮像により、各サンプリング時点tk(k=0,1,2,・・・)での火山V及び周辺の画像データIkが得られる。カメラ10は、撮像を行う度に、その撮像により得られた画像データIkを、無線通信により、監視システム1に送っている。なお、サンプリング周期Sに特に制限はなく、監視対象の動きに応じた時間(例えば1/30秒)とすることができる。
監視システム1は、情報処理を行うコンピュータである。火山Vが噴火すれば、火山Vから噴煙柱Erが上がる。監視システム1は、カメラ10から送られる各サンプリング時点tk(k=0,1,2,・・・)で撮像された画像データIkに基づいて、監視対象における現象が発生した、すなわち火山Vの噴火が発生したことを検出する。噴火は、噴煙柱Erにより検出される。この検出を行うため、監視システム1は、動体画素検出部20と、基準値算出部21と、現象検出部22と、を備えている。
動体画素検出部20は、カメラ10から送られた各サンプリング時点tk(k=0,1,2,・・・)での火山V及び周辺の画像データIkを受信する。動体画素検出部20は、画像データIkを記憶する。
動体画素検出部20は、一定のサンプリング周期Sで撮像される火山Vの最新の画像データInが得られる度に、最新の画像データInと過去の画像データIt1〜It2とを比較する。この比較により、動体画素検出部20は、最新の画像データInを構成する画素のうち、被写体の動きを示す動体画素MPを検出する。動体画素MPには、例えば、噴煙柱Erの他にも、雲、太陽による逆光、飛行機、鳥、車、鉄道、船舶等の移動する物体、影を示す画素が含まれる。さらに、動体画素検出部20は、動体画素MPの数を示す動体画素数Px(n)を検出する。
基準値算出部21は、動体画素検出部20で動体画素数Px(n)が検出される度に、動体画素検出部20から動体画素数Px(n)を入力し、記憶する。
基準値算出部21は、動体画素検出部20で動体画素数Px(n)が検出される度に、算出対象となる過去の期間T1を1サンプリング周期S後にずらす。本実施の形態では、期間T1の始期を時点t1とし、終期を時点t2とする。時点t2は、最新の画像データInが撮像された時点tnよりも少なくともM(Mは2以上の自然数)サンプリング前、すなわち期間T2前の時点となるように設定されている。
さらに、基準値算出部21は、期間T1に撮像された複数枚の画像データIt1〜It2における動体画素数Px(t1)〜Px(t2)の平均値avePx(n−1)、標準偏差σ(n−1)及び画像データIkに含まれるノイズ成分Nに基づく基準値Pmax(n−1)を算出する。Px(t1)は、時点t1で撮像された画像データIt1から得られる動体画素数であり、Px(t2)は、時点t2で撮像された画像データIt2から得られる動体画素数である。基準値Pmax(n−1)は、噴火前に想定される動体画素数Px(n)の最大値である。ここで、n−1は、nの1サンプリング前のデータという意味ではなく、最新の画像データInよりも過去の期間T1における画像データIt1〜It2に基づいて定められる値という意味で用いられている。
現象検出部22は、動体画素検出部20から動体画素数Px(n)を入力するとともに、基準値算出部21から基準値Pmax(n−1)を入力する。現象検出部22は、基準値Pmax(n−1)に対する動体画素数Px(n)の比率が閾値αを超えた場合に、火山Vにおける現象の発生、すなわち噴火の発生を検出する。
このように、基準値算出部21及び現象検出部22は、以下の式(1)(基準値Pmax(n−1)の算出式)及び式(2)(噴火の判定)を実行して、基準値Pmax(n−1)の算出及び火山Vの噴火の判定を行う。
Pmax(n−1)=avePx(n−1)+3σ(n−1)+N ・・・(1)
Px(n)/Pmax(n−1)>α ・・・(2)
Pmax(n−1)=avePx(n−1)+3σ(n−1)+N ・・・(1)
Px(n)/Pmax(n−1)>α ・・・(2)
なお、現象検出部22は、火山Vの噴火の発生が検出される前の動体画素数Px(n)の最大値を、ノイズ成分Nとして設定することができる。ノイズ成分Nは、カメラ10で撮像された画像データIkに現れる固有のものであり、予め計測しておき、その計測値を設定しておくことが可能である。また、閾値αの値は、任意であるが、例えば1.0又は1.0以上の値を用いることができる。図1では、α=1.0の場合での比較の様子が示されている。
上述の監視システム1の機能は、図2に示すハードウエア構成で実現されている。図2に示すように、監視システム1は、制御部31、主記憶部32、外部記憶部33、操作部34、表示部35及び無線通信回路36をハードウエア構成として備えている。主記憶部32、外部記憶部33、操作部34、表示部35及び無線通信回路36はいずれも内部バス30を介して制御部31に接続されている。
制御部31は、CPU(Central Processing Unit)を備えている。このCPUが、外部記憶部33に記憶されているプログラム39に従って処理を実行することにより、図1に示す監視システム1の各構成要素が実現される。
主記憶部32は、RAM(Random-Access Memory)を備えている。主記憶部32のRAMには、外部記憶部33に記憶されているプログラム39がロードされる。CPUは、RAMにロードされたプログラム39を実行する。この他、主記憶部32は、制御部31の作業領域(データの一時記憶領域)として用いられる。
外部記憶部33は、フラッシュメモリ、ハードディスク、DVD−RAM(Digital Versatile Disc Random-Access Memory)、DVD−RW(Digital Versatile Disc ReWritable)等の不揮発性メモリを備える。外部記憶部33の不揮発性メモリには、制御部31に実行させるためのプログラム39があらかじめ記憶されており、このプログラム39が、主記憶部32に読み込まれる。また、外部記憶部33は、制御部31の指示に従って、このプログラム39の実行の際に用いられるデータを制御部31に供給し、制御部31から供給されたデータを記憶する。
本実施の形態では、監視システム1の動体画素検出部20、基準値算出部21及び現象検出部22は、制御部31、主記憶部32及び外部記憶部33に対応している。
操作部34は、操作者によって操作されるマンマシンインターフェイスである。操作部34は、キーボード及びマウスなどのポインティングデバイスと、キーボードとを備える。操作部34への操作入力は、制御部31に送られる。制御部31は、操作入力の内容に従ってプログラム39を実行する。
表示部35は、画像を表示するマンマシンインターフェイスである。表示部35は、CRT(Cathode Ray Tube)またはLCD(Liquid Crystal Display)を備える。表示部35には、例えば、火山Vの画像データIk及び噴火が発生したことを知らせる警告が表示される(例えば図10参照)。すなわち、本実施の形態では、現象検出部22が、表示部35に対応する。
無線通信回路36は、カメラ10から送信される無線信号を受信する通信回路である。無線信号には、Wifi(登録商標)、FM波又はBluetooth(登録商標)等の短距離通信などが用いられる。監視システム1の動体画素検出部20は、制御部31及び無線通信回路36を用いて、カメラ10から画像データInを受信する。
なお、外部記憶部33は、一時的でない記録媒体37と接続することが可能である。記録媒体37にはプログラム39が記憶されている。プログラム39は、記録媒体37から外部記憶部33へ転送され、書き込まれるようにしてもよい。
次に、本発明の実施の形態に係る監視システム1の動作について説明する。
図3に示すように、まず、監視システム1の動体画素検出部20は、受信した画像データInのサンプリング番号を示すカウンタ値nを0に初期化する(ステップS1)。
続いて、動体画素検出部20は、画像データInを受信するまで待つ(ステップS2;No)。画像データInを受信すると(ステップS2;Yes)、動体画素検出部20は、カウンタ値nを1インクリメントする(ステップS3)。
続いて、動体画素検出部20は、カウンタ値nが所定の数nc以上であるか否かを判定する(ステップS4)。ここで、ncは、動体画素数Px(n)及び基準値Pmax(n−1)などの算出が可能となる画像データIkの数である。ncには、最初の画像データI1が取得されてから、少なくとも期間T1及び期間T2が経過するまでに得られる画像データIkの数が設定される。
カウンタ値nが所定の数ncより少ない場合(ステップS4;No)、動体画素検出部20は、ステップS2に戻る。以降、画像データ受信待ち(ステップS2)、カウンタ値nのインクリメント(ステップS3)、カウンタ値nがnc以上であるか否かの判定(ステップS4)が繰り返される。カウンタ値nが所定の数nc以上となれば(ステップS4;Yes)、動体画素検出部20は、噴火が検出された後であるか否かを判定する(ステップS5)。
ここでは、噴火がまだ検出されていないので(ステップS5;No)、監視システム1の動体画素検出部20は、動体画素検出ステップを実行する(ステップS6)。ここでは、動体画素検出部20は、最新の画像データInと過去の画像データIt1〜It2との比較により、最新の画像データInを構成する画素のうち、動体画素MPの数である動体画素数Px(n)を検出する(図1参照)。
続いて、監視システム1の基準値算出部21は、基準値算出ステップを実行する(ステップS7)。ここでは、基準値算出部21は、対象となる過去の期間T1を1サンプリング周期S後にずらしつつ、期間T1に撮像された複数枚の画像データIt1〜It2における動体画素数Px(t1)〜Px(t2)の平均値avePx(n−1)、標準偏差σ(n−1)及び画像データIkに含まれるノイズ成分Nに基づく基準値Pmax(n−1)を算出する。
続いて、監視システム1の現象検出部22は、基準値算出部21で算出された基準値Pmax(n−1)に対する動体画素検出部20で検出された動体画素数Px(n)の比率が閾値αを超えるか否かを判定する(ステップS8;現象検出ステップ)。基準値Pmax(n−1)に対する動体画素数Px(n)の比率が、閾値αを超えていなければ(ステップS8;No)、監視システム1は、ステップS2に戻る。
以降、ステップS1〜ステップS8が繰り返され、画像データInを受信する度に、動体画素検出部20による動体画素数Px(n)の検出、基準値算出部21による基準値Pmax(n−1)の算出、基準値Pmax(n−1)に対する動体画素数Px(n)の比率が閾値αを超えているか否かの判定が行われる。ここで、監視システム1は、表示部35に最新の画像データInを表示させるようにしてもよい。
基準値Pmax(n−1)に対する動体画素数Px(n)の比率が、閾値αを超えると(ステップS8;Yes)、現象検出部22は、”噴火”を表示出力する(ステップS9;図10参照)。ここで、警報又は警告を発生させるようにしてもよい。また、SNS(Social Networking Service)に情報を流すようにしてもよい。ステップS9の終了後、監視システム1は、ステップS2に戻る。
以降、画像データ受信待ち(ステップS2)、カウンタ値nのインクリメント(ステップS3)、カウンタ値nがnc以上であるか否かの判定(ステップS4)、カウンタ値nの判定(ステップS5)が行われ、噴火検出後なので(ステップS5;Yes)、ステップS2〜S5が繰り返される。このように、噴火検出後も、画像データIkの受信は継続される。
(動体画素検出ステップ)
動体画素検出ステップについてさらに詳細に説明する。図4に示すように、動体画素検出部20は、最新の画像データInを、グレースケール画像に変換する(ステップS20)。この変換により、例えば、カラー画像である画像データInから、図5(A)に示すグレースケール画像が生成される。
動体画素検出ステップについてさらに詳細に説明する。図4に示すように、動体画素検出部20は、最新の画像データInを、グレースケール画像に変換する(ステップS20)。この変換により、例えば、カラー画像である画像データInから、図5(A)に示すグレースケール画像が生成される。
図4に戻り、続いて、動体画素検出部20は、グレースケール画像に対してヒストグラム補正を行う(ステップS21)。具体的には、動体画素検出部20は、例えば、図6(A)に示すように、グレースケール画像の輝度値に対する画素数を示すヒストグラムを生成する。さらに、動体画素検出部20は、輝度値の最低値から最高値までヒストグラムが広がるように、図6(B)に示すように、ヒストグラムを正規化する。これにより、図5(A)に示す画像から、図5(B)に示す画像が生成される。
図4に戻り、続いて、動体画素検出部20は、正規化されたヒストグラムに基づいて、クラスタリングを行って、輝度値に対する画素数の分布を示す混合ガウス分布モデルを推定する(ステップS22)。図6(C)には、図6(B)に示すヒストグラムから推定された混合ガウス分布モデルの一例が示されている。混合ガウス分布モデルは、複数の正規分布が合成されて形成されるモデルである。ここでは、合成すると、混合ガウス分布モデルに最も近くなる複数の正規分布が推定され、各正規分布の平均値(図6(C)のμ1,μ2)、標準偏差(図6(C)のσ1,σ2)が求められる。なお、正規分布の数は、その数における情報量基準同士の比較で決定することができる。
図4に戻り、続いて、動体画素検出部20は、現在の画像データInから推定された混合ガウス分布モデルに基づいて、過去の画像データIkから推定された混合ガウス分布モデルに含まれる正規分布に属しない画素を、動体画素として最新の画像データInから抽出する画素判定を行う(ステップS23)。例えば、図7に示すように、時点tAでの画像データItAから、正規分布C1、C2が混合した混合ガウス分布モデルが推定されているものとする。この場合、時点tBでの画像データItBにおける各画素の判定は、時点tAでの過去の画像データItAから推定された混合ガウス分布モデルを背景モデルとして用いて行われる。時点tBの画像データItBから推定される混合ガウス分布モデルに、新たに正規分布C3が混合している場合には、正規分布C3に対応する画素が、動体画素MPとして抽出される。時点tBでの混合ガウス分布モデルは、時点tCでの背景モデルとなる。時点tCでは、正規分布C3については背景となっているが、新たな正規分布C4が生成されており、正規分布C4に対応する画素が動体画素MPとして抽出される。これにより、図5(B)に示す画像から、図5(C)に示す動体画素MPの画像が生成される。
図4に戻り、続いて、動体画素検出部20は、抽出された動体画素MPのうち、孤立する動体画素MPをノイズとして除去するノイズ処理を行う(ステップS24)。具体的には、動体画素検出部20は、周囲に動体画素MPが存在しない動体画素MPを除去する。これにより、例えば、図5(C)に示す画像から図5(D)に示す画像が生成される。
図4に戻り、続いて、動体画素検出部20は、ノイズ処理で除去されなかった動体画素MPの数を、動体画素数Px(n)としてカウントする(ステップS25)。最後に、動体画素検出部20は、動体画素数Px(n)を基準値算出部21に出力する(ステップS26)。なお、図5(E)に示す画像では、枠で囲まれた部分が動体画素MPであり、この動体画素MPの数が、動体画素数Px(n)となる。
このように、混合ガウス分布モデルの手法を用いるようにすれば、背景モデルの平均値及び標準偏差の情報のみ記憶するだけで良い。したがって、背景画像を記憶し、演算する必要がなくなるため、差分画像を求める場合に比べ、処理時間を短縮して、現象の発生を検出するためのリアルタイム処理が可能となる。
なお、本実施の形態では、混合ガウス分布モデルにより、動体画素MPを抽出したが、本発明はこれには限られない。k−meansクラスタリングなど、他のクラスタリング手法を用いて、動体画素MPを抽出するようにしてもよい。
(基準値算出ステップ)
次に、基準値算出ステップについて説明する。図1に示すように、基準値算出部21は、最新の画像データInを期間T1における複数枚の画像データIt1〜It2における動体画素数Px(t1)〜Px(t2)の平均値avePx(n−1)、標準偏差σ(n−1)、ノイズ成分Nを加算して、基準値Pmax(n−1)を算出する。したがって、図8に示すように、基準値Pmax(n−1)は、サンプリング周期S毎に異なる値となる。
次に、基準値算出ステップについて説明する。図1に示すように、基準値算出部21は、最新の画像データInを期間T1における複数枚の画像データIt1〜It2における動体画素数Px(t1)〜Px(t2)の平均値avePx(n−1)、標準偏差σ(n−1)、ノイズ成分Nを加算して、基準値Pmax(n−1)を算出する。したがって、図8に示すように、基準値Pmax(n−1)は、サンプリング周期S毎に異なる値となる。
(現象検出ステップ)
次に、現象検出ステップについて説明する。図9に示すように、平均値avePx(n−1)と標準偏差σ(n−1)の3倍である3σ(n−1)と、ノイズ成分Nの加算値を基準値Pmax(n−1)とする。この基準値Pmax(n−1)に対する最新の画像データInの動体画素数Px(n)の比率が、閾値αを上回れば、現象検出部22は、火山に噴火が発生したことを検出する。なお、図9では、閾値αを1としているが、これには限定されない。また、ノイズ成分Nは、例えば100画素程度とすることができるが、これに限定されない。
次に、現象検出ステップについて説明する。図9に示すように、平均値avePx(n−1)と標準偏差σ(n−1)の3倍である3σ(n−1)と、ノイズ成分Nの加算値を基準値Pmax(n−1)とする。この基準値Pmax(n−1)に対する最新の画像データInの動体画素数Px(n)の比率が、閾値αを上回れば、現象検出部22は、火山に噴火が発生したことを検出する。なお、図9では、閾値αを1としているが、これには限定されない。また、ノイズ成分Nは、例えば100画素程度とすることができるが、これに限定されない。
動体画素数Px(n)が基準値Pmax(n−1)を上回り、噴火を検出すれば、例えば、図10に示すように、現象検出部22は、表示部35に、火山Vの画像データIkとともに、”Eruption”の文字を表示出力させる。
図11では、噴火前後の動体画素数Px(n)の変動の複数の観測結果が、噴火の時点を基準に重ね合わせて表示されている。図11に示すように、噴火の時点から動体画素数Px(n)は、急激に増加している。噴火による動体画素数Px(n)の増加は、他の要因による変化に比べ急峻である。したがって、基準値Pmax(n−1)を設定しても、噴火を正確に検出することが可能となる。
本実施の形態に係る監視システム1によれば、噴煙柱Erの高度、噴煙速度、横幅等を計測することも可能である。例えば、図12に示すように、監視システム1は、画像データIkに横ラインHL及び縦ラインVLをメッシュ状に設定しておき、噴煙柱Erと横ラインHLの位置関係に基づいて、噴煙柱Erの高度H、噴煙速度BVを検出するようにしてもよい。さらに、監視システム1は、噴煙柱Erと縦ラインVLとの位置関係に基づいて、噴煙柱Erの横幅Wを計測するようにしてもよい。噴煙速度BVは、噴煙柱Erの上端が異なる横ラインHLにそれぞれ到達する時間差と、横ラインHL間に相当する距離から求めることができる。この距離は、火山とカメラ10の位置関係から、予め設定しておくことができる。
また、監視システム1は、複数の横ラインHLへの噴煙柱Erの到達時間を測定し、噴煙速度BVに基づいて、噴火の規模を判定するようにしてもよい。この場合、監視システム1は、噴火が大規模であることを検出した場合には、防災情報を出し、噴火が中規模であることを検出した場合には、注意喚起情報を出すようにしてもよい。また、監視システム1は、災害の心配のない小規模な噴火を検出した場合には、噴火情報を観光のために用いるようにしてもよい。
また、図13に示すように、カメラ10を複数の地点に設置しておき、監視システム1が、火山Vの噴火を複数のカメラ10で同時に撮像し、それらの視差を利用して噴煙柱Erの立体画像を生成し、その立体画像に基づいて、噴煙柱Erの体積を算出するようにしてもよい。カメラ10は3台以上設置されていてもよい。
監視システム1は、火山Vの噴火の検出情報を、緊急メールとして送信するようにしてもよい。また、この検出情報を、噴火を検出したときに、通常はスリープしており噴火時に起動する必要のある装置の電源をオンをするトリガー信号として用いるようにしてもよい。また、火山Vの噴火の観測結果は、防災教育に用いることも可能である。
以上詳細に説明したように、本実施の形態によれば、過去のある期間T1に撮像された複数枚の画像データIt1〜It2における被写体の動きを示す動体画素MPの数である動体画素数Px(t1)〜Px(t2)の平均値avePx(n−1)、標準偏差σ(n−1)及びノイズ成分Nに基づく基準値Pmax(n−1)に対する最新の画像データInにおける動体画素数Px(n)の比率が閾値αを超えた場合に、噴火が発生したことを検出する。噴火が発生していなかった過去の期間T1に撮像された複数枚の画像データIt1〜It2における動体画素数Px(t1)〜Px(t2)の変動は、現象とは関係のない他の要因によるものであると考えられるため、この変動を考慮した基準値Pmax(n−1)を用いることにより、他の要因による誤検出を防止することができる。この結果、厳しい環境条件下であっても火山Vにおける噴火の発生を正確に検出することができる。
本実施の形態では、動体画素数Px(n)の抽出に、直近の期間T1における複数枚の画像データIt1〜It2が用いられる。このため、画像データInに含まれるノイズ、逆光、カメラ10の汚れやぶれによる動体画素数Px(n)の変動に左右されることなく、動体画素数Px(n)の変動により、火山Vの噴火を精度良く検出することが可能となる。
また、本実施の形態によれば、期間T1の終期は、最新の画像データInが撮像された時点Tnよりも少なくともM(Mは2以上の自然数)サンプリング前、すなわち期間T2前の時点t2となっている。時点Tnの直前の画像データIn−1等を動体画素数Px(n)の算出及び基準値Pmax(n−1)の算出から除外するようにすれば、噴火が検出される前の動体画素数Px(n)の増加により動体画素数Px(n)の平均のレベルが増大する。これにより、基準値Pmax(n−1)が大きくなりすぎて噴火が検出できなくなるのを防止することができる(図9参照)。
また、本実施の形態によれば、火山Vの噴火が発生していないときの動体画素数Px(n)の最大値を、ノイズ成分Nとして設定する。動体画素数Px(n)は、図9に示すように、周期的に大きくなったり、ランダムに変動したりしている。このような変動は、画像データIkに含まれるノイズ成分Nであると考えられる。そこで、それらの極大値の中の最大値をノイズ成分Nとすることができる。実際には、このノイズ成分Nが適切な値に設定されてから、噴火の検出が開始される。本実施の形態では、このような変動に基づく値を画像データIkのノイズ成分Nとして基準値Pmax(n−1)に加算することにより、火山Vの噴火の誤検出を防止することができる。
また、本実施の形態によれば、最新の画像データInの輝度値に対する画素数の分布を示す混合ガウス分布モデルを推定し、最新の画像データInの各画素が、過去の画像データIkにより背景となった正規分布に属するか否かを判定し、背景モデルに属しないと判定される画素を、動体画素MPとして抽出する。このようにすれば、統計的な手法を用いて、動体画素MPを高精度に抽出することが可能となるうえ、差分画像を求める必要がなくなる。この結果、処理時間を縮小し、リアルタイムな処理が可能となる。
しかしながら、本発明では、他の方法で、動体画素MPを抽出するようにしてもよい。例えば、最新の画像データInと、期間T1における画像データIt1〜It2の平均画像との差分画像を求めて、その差分画像で輝度値が所定値以上となる画素を動体画素MPとして抽出するようにしてもよい。
また、動体画素MPを抽出する前に、画像データInはグレースケール化され、ヒストグラム補正により正規化される。これにより、画像データIn全体の色変化や、輝度値の変化の影響を極力低減した状態で、動体画素MPを精度良く抽出することが可能となる。
また、本実施の形態では、抽出された動体画素MPのうち、孤立する動体画素MPはノイズとして除去される。このようにすれば、抽出される動体画素MPを、火山Vの噴火、すなわち噴煙柱Erを示す動体画素MPに絞り込むことが可能となる。
なお、画像データIkのグレースケール化、ヒストグラム補正、ノイズ処理は、必ずしも必要ではない。
また、監視システム1による監視結果と、地震情報、空振計で計測される空気振動、傾斜計で計測される火山Vの傾斜の変化、ワイヤセンサ、振動センサ、音響センサ等による火山堆積物の土砂移動の検出結果とを組み合わせるようにしてもよい。このようにすれば、火山Vを自動的かつ多角的に観測して、その噴火の発生を正確に検出することができる。
なお、上記実施の形態では、火山Vの噴火を検出したが、本発明はこれには限られない。例えば、図14(A)に示すように、河川を監視対象とし、土石流または増水等の発生を検出するようにしてもよい。この他、地滑りの自動検出にも、上記実施の形態に係る監視システム1を適用することができる。
また、動体画素検出部20は、最新の画像データInにおける監視対象において現象が発生する領域の部分画像DAに対して処理を行って、動体画素数Px(n)を算出するようにしてもよい。部分画像DAの大きさは、画像データIkの1/3程度とすることができるが、これに限定されない。このようにしても、図14(A)及び図14(B)に示す画像データIkにおける被写体の動きから、図14(B)に示すように、土石流等の動体画素MPを検出することができる。霧又は降雨によるノイズ成分Nが画像データIkに含まれていたとしても、動体画素MPの検出領域を部分画像DAに狭めることで、それらのノイズ成分Nの影響を低減し、現象の発生をより正確に検出することができるようになる。
上記実施の形態では、カメラ10を通常の可視光線のカメラとしたが、赤外線画像などを撮像するカメラを用いてもよい。本発明は、カメラの種別には限定されない。
また、上記実施の形態では、カメラ10と監視システム1とを、無線により接続したが、本発明はこれには限られない。カメラ10と監視システム1とを、有線により接続するようにしてもよい。
その他、監視システム1のハードウエア構成やソフトウエア構成は一例であり、任意に変更および修正が可能である。
制御部31、主記憶部32、外部記憶部33、操作部34、表示部35及び無線通信回路36、内部バス30などから構成される監視システム1の処理を行う中心となる部分は、上述のように、専用のシステムとして構築されるようにしてもよいし、通常のコンピュータシステムを用いて実現されるようにしてもよい。例えば、前記の動作を実行するためのコンピュータプログラムを、コンピュータが読み取り可能な一時的でない記録媒体(フレキシブルディスク、CD−ROM、DVD−ROM等)に格納して配布し、当該コンピュータプログラムをコンピュータにインストールすることにより、前記の処理を実行する監視システム1を構成してもよい。また、インターネット等の通信ネットワーク上のサーバ装置が有する記憶装置に当該コンピュータプログラムを格納しておき、通常のコンピュータシステムがダウンロード等することで監視システム1を構成してもよい。
コンピュータの機能を、OS(オペレーティングシステム)とアプリケーションプログラムの分担、またはOSとアプリケーションプログラムとの協働により実現する場合などには、アプリケーションプログラム部分のみを記録媒体や記憶装置に格納してもよい。
搬送波にコンピュータプログラムを重畳し、通信ネットワークを介して配信することも可能である。たとえば、通信ネットワーク上の掲示板(BBS, Bulletin Board System)にコンピュータプログラムを掲示し、ネットワークを介してコンピュータプログラムを配信してもよい。そして、このコンピュータプログラムを起動し、OSの制御下で、他のアプリケーションプログラムと同様に実行することにより、前記の処理を実行できるように構成してもよい。
この発明は、この発明の広義の精神と範囲を逸脱することなく、様々な実施の形態及び変形が可能とされるものである。また、上述した実施の形態は、この発明を説明するためのものであり、この発明の範囲を限定するものではない。すなわち、この発明の範囲は、実施の形態ではなく、特許請求の範囲によって示される。そして、特許請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、この発明の範囲内とみなされる。
本発明は、屋外における監視対象の急峻な動きの検出に適用することができる。
1 監視システム、10 カメラ、20 動体画素検出部、21 基準値算出部、22 現象検出部、30 内部バス、31 制御部、32 主記憶部、33 外部記憶部、34 操作部、35 表示部、36 無線通信回路、37 記録媒体、39 プログラム、DA 部分画像、Er 噴煙柱、MP 動体画素、HL 横ライン、IA 撮像視野、V 火山、VL 縦ライン
Claims (10)
- 一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出部と、
前記動体画素検出部で前記動体画素数が検出される度に、算出対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出部と、
前記基準値算出部で前記基準値が算出される度に、前記基準値算出部で算出された前記基準値に対する前記動体画素検出部で検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出部と、
を備える監視システム。 - 前記基準値算出部は、
前記動体画素数の平均値と、標準偏差の3倍と、前記ノイズ成分を加算した値を、前記基準値として算出する、
請求項1に記載の監視システム。 - 前記期間の終期は、前記最新の画像が撮像された時点よりも少なくともM(Mは2以上の自然数)サンプリング前の時点となるように規定されている、
請求項1又は2に記載の監視システム。 - 前記基準値算出部は、
前記監視対象における現象の発生が検出される前の前記動体画素数の最大値を、前記ノイズ成分として設定する、
請求項1から3のいずれか一項に記載の監視システム。 - 前記動体画素検出部は、
前記最新の画像における輝度値に対する画素数の分布を示す混合ガウス分布モデルを推定し、
前記過去の画像から推定されている混合ガウス分布モデルに含まれる正規分布に属しない画素を、前記動体画素として前記最新の画像から抽出する、
請求項1から4のいずれか一項に記載の監視システム。 - 前記動体画素検出部は、
前記最新の画像をグレースケール画像に変換し、
前記グレースケール画像に対して輝度値に対する画素数を示すヒストグラムを作成し、 前記ヒストグラムを正規化し、
前記正規化されたヒストグラムに基づいて、前記混合ガウス分布モデルを推定する、
請求項5に記載の監視システム。 - 前記動体画素検出部は、
前記抽出された前記動体画素のうち、孤立する前記動体画素をノイズとして除去し、
前記抽出された前記動体画素のうち、除去されなかった前記動体画素の数を、前記動体画素数としてカウントする、
請求項5又は6に記載の監視システム。 - 前記動体画素検出部は、
前記最新の画像における前記監視対象において現象が発生する領域の部分画像に対して処理を行って、前記動体画素数を算出する、
請求項1から7のいずれか一項に記載の監視システム。 - コンピュータが、一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出ステップと、
コンピュータが、前記動体画素検出ステップで前記動体画素数が検出される度に、対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出ステップと、
コンピュータが、前記基準値算出ステップで前記基準値が算出される度に、前記基準値算出ステップで算出された前記基準値に対する前記動体画素検出ステップで検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出ステップと、
を含む監視方法。 - コンピュータを、
一定のサンプリング周期で撮像される監視対象の最新の画像が得られる度に、前記最新の画像と過去の画像との比較により、前記最新の画像を構成する画素のうち、被写体の動きを示す動体画素の数である動体画素数を検出する動体画素検出部、
前記動体画素検出部で前記動体画素数が検出される度に、算出対象となる過去の期間を1サンプリング周期後にずらしつつ、前記期間に撮像された複数枚の画像における前記動体画素数の平均値、標準偏差及び画像に含まれるノイズ成分に基づく基準値を算出する基準値算出部、
前記基準値算出部で前記基準値が算出される度に、前記基準値算出部で算出された前記基準値に対する前記動体画素検出部で検出された前記最新の画像における前記動体画素数の比率が閾値を超えた場合に、前記監視対象における現象の発生を検出する現象検出部、
として機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020056803A JP2021157474A (ja) | 2020-03-26 | 2020-03-26 | 監視システム、監視方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020056803A JP2021157474A (ja) | 2020-03-26 | 2020-03-26 | 監視システム、監視方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021157474A true JP2021157474A (ja) | 2021-10-07 |
Family
ID=77918460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020056803A Pending JP2021157474A (ja) | 2020-03-26 | 2020-03-26 | 監視システム、監視方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021157474A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102562147B1 (ko) * | 2023-02-28 | 2023-08-01 | 주식회사 디앤에스테크놀로지 | 라인스캔카메라의 이미지 정보 분석을 통한 차량하부 정상 영상 검출 방법 |
-
2020
- 2020-03-26 JP JP2020056803A patent/JP2021157474A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102562147B1 (ko) * | 2023-02-28 | 2023-08-01 | 주식회사 디앤에스테크놀로지 | 라인스캔카메라의 이미지 정보 분석을 통한 차량하부 정상 영상 검출 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6831414B2 (ja) | 測位のための方法、測位のための装置、デバイス及びコンピュータ読み取り可能な記憶媒体 | |
US9582730B2 (en) | Estimating rainfall precipitation amounts by applying computer vision in cameras | |
US11538239B2 (en) | Joint modeling of object population estimation using sensor data and distributed device data | |
JP6468439B2 (ja) | ガス検知用画像処理装置、ガス検知用画像処理方法及びガス検知用画像処理プログラム | |
CN108921900B (zh) | 一种监测监控摄像机的方位的方法及装置 | |
CN104978390A (zh) | 使用出行路径元数据进行情景感知目标检测 | |
CN112798811B (zh) | 速度测量方法、装置和设备 | |
US10949669B2 (en) | Augmented reality geolocation using image matching | |
CN113704116A (zh) | 自动驾驶车辆的数据处理方法、装置、电子设备和介质 | |
CN102270304A (zh) | 数据差异引导的图像捕获 | |
CN109471911B (zh) | 一种基于地球同步轨道卫星的电网山火监测预警方法 | |
JP6631618B2 (ja) | 画像監視装置及び画像監視方法 | |
CN108629254B (zh) | 一种运动目标的检测方法及装置 | |
CN107832771B (zh) | 气象数据处理装置、方法、系统及记录介质 | |
CN111507204A (zh) | 倒计时信号灯的检测方法、装置、电子设备及存储介质 | |
CN111127584A (zh) | 建立视觉地图的方法和装置、电子设备和存储介质 | |
WO2018044378A1 (en) | Quantifying gas leak rates using frame images acquired by a camera | |
EP3934232A1 (en) | Imaging system | |
CN110114801A (zh) | 图像前景检测装置及方法、电子设备 | |
JP2021157474A (ja) | 監視システム、監視方法及びプログラム | |
CN113610702B (zh) | 一种建图方法、装置、电子设备及存储介质 | |
CN113344906B (zh) | 车路协同中相机评估方法、装置、路侧设备和云控平台 | |
JP7427615B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 | |
CN112287922A (zh) | 表计读取方法、装置、设备以及存储介质 |