JP3254464B2 - 車輌認識装置と移動体認識方法 - Google Patents
車輌認識装置と移動体認識方法Info
- Publication number
- JP3254464B2 JP3254464B2 JP18523592A JP18523592A JP3254464B2 JP 3254464 B2 JP3254464 B2 JP 3254464B2 JP 18523592 A JP18523592 A JP 18523592A JP 18523592 A JP18523592 A JP 18523592A JP 3254464 B2 JP3254464 B2 JP 3254464B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- template
- vehicle
- moving object
- shading
- 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.)
- Expired - Fee Related
Links
Landscapes
- Road Signs Or Road Markings (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Description
【０００１】
【産業上の利用分野】本発明は道路の状況などを把握す
る車輌認識装置と移動体認識方法に係り、特に、移動車
輌の追跡に好適な車輌認識装置と移動体認識方法に関す
る。
る車輌認識装置と移動体認識方法に係り、特に、移動車
輌の追跡に好適な車輌認識装置と移動体認識方法に関す
る。
【０００２】
【従来技術】交通状態を検知することは、円滑な道路交
通を保つ上で非常に有効である。交通状態を検出する装
置としては、超音波式車輌感知器、ループ式車輌感知器
と呼ばれる装置が従来から利用されている。これらの装
置は、道路上の１地点に超音波や磁気を作用させて、そ
の変化により車輌の存在を計測し、その変化の時間によ
り、車輌の台数，速度を検出している。しかし、このよ
うな装置は、原理上１地点の交通状態しか判定できない
ため、広い範囲を計測したい場合に不利である。このた
め、特開平２−１２２４００号公報記載の従来技術のよ
うに、テレビカメラから得られた映像を処理して交通状
態を計測する方法が最近盛んになってきている。また、
特開平３−２０４７８３号公報記載の従来技術では、テ
レビカメラからの入力濃淡画像を２値化して重心演算を
することで、動物体の追跡を行っている。特開昭６２−
１８０４８８号公報記載の従来技術は、移動体の認識で
はなく文字の認識に関するものであるが、多値のテンプ
レートを用意してこれを複数の２値テンプレートに分解
し、入力映像を２値化した画像と前記２値テンプレート
との類似度をパターンマッチングで求めることで、文字
認識を行っている。
通を保つ上で非常に有効である。交通状態を検出する装
置としては、超音波式車輌感知器、ループ式車輌感知器
と呼ばれる装置が従来から利用されている。これらの装
置は、道路上の１地点に超音波や磁気を作用させて、そ
の変化により車輌の存在を計測し、その変化の時間によ
り、車輌の台数，速度を検出している。しかし、このよ
うな装置は、原理上１地点の交通状態しか判定できない
ため、広い範囲を計測したい場合に不利である。このた
め、特開平２−１２２４００号公報記載の従来技術のよ
うに、テレビカメラから得られた映像を処理して交通状
態を計測する方法が最近盛んになってきている。また、
特開平３−２０４７８３号公報記載の従来技術では、テ
レビカメラからの入力濃淡画像を２値化して重心演算を
することで、動物体の追跡を行っている。特開昭６２−
１８０４８８号公報記載の従来技術は、移動体の認識で
はなく文字の認識に関するものであるが、多値のテンプ
レートを用意してこれを複数の２値テンプレートに分解
し、入力映像を２値化した画像と前記２値テンプレート
との類似度をパターンマッチングで求めることで、文字
認識を行っている。
【０００３】尚、パターンマッチングについての従来技
術としては、特開昭６３−９８０７０号等がある。
術としては、特開昭６３−９８０７０号等がある。
【０００４】
【発明が解決しようとする課題】画像処理によって車の
台数，速度などを計測する従来の方法は、入力濃淡画像
を微分→２値化→特徴計測といった流れがほとんどであ
るため、２値化のしきい値が設定しにくく、車が重なっ
た場合に計測が困難になるという問題が有る。また、入
力濃淡画像の２値化，重心演算を行う従来技術は、装置
を設置する環境，状況の変化により画像のコントラスト
が低くなり車輌を背景から弁別できなくなることがある
という問題がある。多値テンプレートを複数の２値テン
プレートに分解して２値画像とパターンマッチングする
のでは、移動体の認識を精度良く行うことができないと
いう問題がある。
台数，速度などを計測する従来の方法は、入力濃淡画像
を微分→２値化→特徴計測といった流れがほとんどであ
るため、２値化のしきい値が設定しにくく、車が重なっ
た場合に計測が困難になるという問題が有る。また、入
力濃淡画像の２値化，重心演算を行う従来技術は、装置
を設置する環境，状況の変化により画像のコントラスト
が低くなり車輌を背景から弁別できなくなることがある
という問題がある。多値テンプレートを複数の２値テン
プレートに分解して２値画像とパターンマッチングする
のでは、移動体の認識を精度良く行うことができないと
いう問題がある。
【０００５】本発明の目的は、低コントラストの車輌で
あっても又、重なりが生じても精度良く車輌を識別しそ
の移動を追跡することのできる車輌認識装置等を提供す
ることにある。
あっても又、重なりが生じても精度良く車輌を識別しそ
の移動を追跡することのできる車輌認識装置等を提供す
ることにある。
【０００６】
【課題を解決するための手段】上記目的としての車両認
識装置、即ち、テレビカメラからの映像を入力濃淡画像
として処理することによって、車輛を認識する装置とし
ては、入力濃淡画像上に設けられた車輛検知エリア内に
車輛が進入したことを画像処理により判断する車輛進入
判定回路と、車輛検知エリア上の車輛を含む画像領域を
濃淡テンプレートとして抽出するテンプレート切出し回
路と、切出しされた濃淡テンプレートを記憶するテンプ
レート記憶回路と、該テンプレート記憶回路に記憶され
ている濃淡テンプレートと入力濃淡画像とを相関処理す
るパターンマッチング回路と、入力濃淡画像上での相関
処理範囲をサーチエリアとして更新設定するサーチエリ
ア設定回路と、上記テンプレート記憶回路での濃淡テン
プレートを更新するテンプレート更新回路と、車輛の移
動速度、移動方向を算出する車輛追跡回路とを設け、車
輛進入判定回路で車輛が進入したと判断した場合、入力
濃淡画像の車輛検知エリア内の画像から車輛の画像をテ
ンプレート切出し回路で切出した上、テンプレート記憶
回路に記憶し、サーチエリア設定回路で設定されたサー
チエリアについて、次回入力濃淡画像とテンプレート記
憶回路の画像とでパターンマッチング回路によって相関
処理し、相関処理されたサーチエリア上で最大類似度の
座標を検出するとともに、車輛追跡回路によって、前回
での最大類似度の座標との偏差から車輛の移動速度、移
動方向を算出し、更に、テンプレート更新回路によっ
て、前回テンプレートと上記最大類似度の座標近傍の画
像とから次回テンプレートが更新作成されることで達成
される。
識装置、即ち、テレビカメラからの映像を入力濃淡画像
として処理することによって、車輛を認識する装置とし
ては、入力濃淡画像上に設けられた車輛検知エリア内に
車輛が進入したことを画像処理により判断する車輛進入
判定回路と、車輛検知エリア上の車輛を含む画像領域を
濃淡テンプレートとして抽出するテンプレート切出し回
路と、切出しされた濃淡テンプレートを記憶するテンプ
レート記憶回路と、該テンプレート記憶回路に記憶され
ている濃淡テンプレートと入力濃淡画像とを相関処理す
るパターンマッチング回路と、入力濃淡画像上での相関
処理範囲をサーチエリアとして更新設定するサーチエリ
ア設定回路と、上記テンプレート記憶回路での濃淡テン
プレートを更新するテンプレート更新回路と、車輛の移
動速度、移動方向を算出する車輛追跡回路とを設け、車
輛進入判定回路で車輛が進入したと判断した場合、入力
濃淡画像の車輛検知エリア内の画像から車輛の画像をテ
ンプレート切出し回路で切出した上、テンプレート記憶
回路に記憶し、サーチエリア設定回路で設定されたサー
チエリアについて、次回入力濃淡画像とテンプレート記
憶回路の画像とでパターンマッチング回路によって相関
処理し、相関処理されたサーチエリア上で最大類似度の
座標を検出するとともに、車輛追跡回路によって、前回
での最大類似度の座標との偏差から車輛の移動速度、移
動方向を算出し、更に、テンプレート更新回路によっ
て、前回テンプレートと上記最大類似度の座標近傍の画
像とから次回テンプレートが更新作成されることで達成
される。
【０００７】また、移動体認識方法としては、テレビカ
メラからの映像を入力濃淡画像として処理することによ
って、移動体の移動状態を順次認識するに際して、入力
濃淡画像上に設けられた移動体検知エリア内に移動体が
進入したと判断された場合、該移動体を含む画像領域が
初期濃淡テンプレートとして抽出された上、入力濃淡画
像との間で濃淡パターンマッチング処理が初期サーチエ
リア上で行われることによって、類似度最大の座標が上
記移動体の初期位置として一旦認識された後は、次回入
力濃淡画像上でのサーチエリアが更新設定される度に、
該サーチエリア上での入力濃淡画像と、初期濃淡テンプ
レート、または前回濃淡プレートと今回類似度最大の座
標近傍の画像とから更新作成された次回濃淡テンプレー
トとの間で濃淡パターンマッチング処理が行われた上、
類似度最大の座標が上記移動体の位置として認識される
ことで達成される。
メラからの映像を入力濃淡画像として処理することによ
って、移動体の移動状態を順次認識するに際して、入力
濃淡画像上に設けられた移動体検知エリア内に移動体が
進入したと判断された場合、該移動体を含む画像領域が
初期濃淡テンプレートとして抽出された上、入力濃淡画
像との間で濃淡パターンマッチング処理が初期サーチエ
リア上で行われることによって、類似度最大の座標が上
記移動体の初期位置として一旦認識された後は、次回入
力濃淡画像上でのサーチエリアが更新設定される度に、
該サーチエリア上での入力濃淡画像と、初期濃淡テンプ
レート、または前回濃淡プレートと今回類似度最大の座
標近傍の画像とから更新作成された次回濃淡テンプレー
トとの間で濃淡パターンマッチング処理が行われた上、
類似度最大の座標が上記移動体の位置として認識される
ことで達成される。
【０００８】
【０００９】
【作用】２値化したテンプレートではなく、濃淡画像に
よるテンプレートを使用することで、背景や重なりが生
じた検出対象物でも精度良く認識することが可能とな
る。
よるテンプレートを使用することで、背景や重なりが生
じた検出対象物でも精度良く認識することが可能とな
る。
【００１０】また、検出対象物自身の画像から濃淡テン
プレートを切り出して使用するので、認識率が向上す
る。
プレートを切り出して使用するので、認識率が向上す
る。
【００１１】更に、濃淡テンプレートを順次更新してい
くので、移動体を長時間に渡ってその形状等が変化して
も追跡可能となる。
くので、移動体を長時間に渡ってその形状等が変化して
も追跡可能となる。
【００１２】
【実施例】以下、本発明の一実施例を図面を用いて説明
する。図１は本発明の一実施例に係る車輌認識装置のブ
ロック構成図である。テレビカメラ１などで撮像した道
路の映像は、アナログデータをディジタルデータに変換
するＡ／Ｄ変換器２を経て、画像メモリ３に入力され
る。この画像メモリ３として、本実施例では、８ビット
（２５６階調）程度の濃淡画像メモリを使用する。この
車輌認識装置は、車輌の濃淡画像（８ビット２５６階
調）の濃淡テンプレートを記憶する濃淡テンプレート記
憶回路４を有する。濃淡画像メモリ３と、濃淡テンプレ
ート記憶回路４は、アドレスプロセッサ５によりメモリ
内が走査される構成となっている。濃淡テンプレート記
憶回路４は、様々な車輌を、種々の角度から捕らえた濃
淡画像を記憶した複数の濃淡テンプレートを有する。濃
淡パターンマッチング回路６は、画像メモリ３の画像デ
ータ３０と、濃淡テンプレート記憶回路４の画像データ
４０とのマッチングを求めるもので、通常、次の様な正
規化相関演算を実行する。
する。図１は本発明の一実施例に係る車輌認識装置のブ
ロック構成図である。テレビカメラ１などで撮像した道
路の映像は、アナログデータをディジタルデータに変換
するＡ／Ｄ変換器２を経て、画像メモリ３に入力され
る。この画像メモリ３として、本実施例では、８ビット
（２５６階調）程度の濃淡画像メモリを使用する。この
車輌認識装置は、車輌の濃淡画像（８ビット２５６階
調）の濃淡テンプレートを記憶する濃淡テンプレート記
憶回路４を有する。濃淡画像メモリ３と、濃淡テンプレ
ート記憶回路４は、アドレスプロセッサ５によりメモリ
内が走査される構成となっている。濃淡テンプレート記
憶回路４は、様々な車輌を、種々の角度から捕らえた濃
淡画像を記憶した複数の濃淡テンプレートを有する。濃
淡パターンマッチング回路６は、画像メモリ３の画像デ
ータ３０と、濃淡テンプレート記憶回路４の画像データ
４０とのマッチングを求めるもので、通常、次の様な正
規化相関演算を実行する。
【００１３】入力画像ｆ（x,y）に対し、濃淡テンプレ
ートｔ（ｐ，ｑ）で正規化相関する場合、入力画像ｆ
（u,v）点の類似度ｒ（u,v）は次の数式１で計算され
る。
ートｔ（ｐ，ｑ）で正規化相関する場合、入力画像ｆ
（u,v）点の類似度ｒ（u,v）は次の数式１で計算され
る。
【００１４】
【数１】
【００１５】ここで、ｐ，ｑは濃淡テンプレートのｘ，
ｙサイズである。なお、相関を求める方法としては、上
記と同様な効果がある相関処理ならどのような処理でも
構わない。
ｙサイズである。なお、相関を求める方法としては、上
記と同様な効果がある相関処理ならどのような処理でも
構わない。
【００１６】画像メモリ３、濃淡テンプレート記憶回路
４の走査、濃淡パターンマッチング回路６の動作など
は、すべてＣＰＵ７で制御される。すなわち、ＣＰＵ７
からアドレスプロセッサ５と濃淡パターンマッチング回
路６に起動がかかり、上記数式１の画像アドレスをアド
レスプロセッサ５で発生させ、画像メモリ３，濃淡テン
プレート記憶回路４の当該アドレスのデータを読み出
し、濃淡パターンマッチング回路６で類似度計算に必要
なデータを求め、ＣＰＵ７で類似度ｒ(u,v)を計算す
る。
４の走査、濃淡パターンマッチング回路６の動作など
は、すべてＣＰＵ７で制御される。すなわち、ＣＰＵ７
からアドレスプロセッサ５と濃淡パターンマッチング回
路６に起動がかかり、上記数式１の画像アドレスをアド
レスプロセッサ５で発生させ、画像メモリ３，濃淡テン
プレート記憶回路４の当該アドレスのデータを読み出
し、濃淡パターンマッチング回路６で類似度計算に必要
なデータを求め、ＣＰＵ７で類似度ｒ(u,v)を計算す
る。
【００１７】濃淡パターンマッチング回路６を簡単に説
明すると、濃淡テンプレートに関するデータは予め計算
できるので、類似度演算の時は入力画像に関するデータ
を計算し、ＣＰＵ７に伝送する。入力画像に関するデー
タは、上記数式１の場合は、下記の数式２〜数式４の演
算を濃淡パターンマッチング回路６で求めている。
明すると、濃淡テンプレートに関するデータは予め計算
できるので、類似度演算の時は入力画像に関するデータ
を計算し、ＣＰＵ７に伝送する。入力画像に関するデー
タは、上記数式１の場合は、下記の数式２〜数式４の演
算を濃淡パターンマッチング回路６で求めている。
【００１８】
【数２】
【００１９】
【数３】
【００２０】
【数４】
【００２１】図２は、入力画像に対し、濃淡パターンマ
ッチングを行う説明図である。マッチング対象として、
図２（ａ）に示す様に、例えば４台の車１０があるとす
る。この場合、予め、濃淡テンプレートとして、車の
色，大きさ（形）に見合った濃淡テンプレートが作成さ
れている必要がある。例えば、濃淡テンプレートＴ１で
図２（ｂ）のようにパターンマッチングしながら走査し
ていき、類似度ｒ（u,v）が大きくなる座標を探すと、
図３（a）のように、Ｐ１点が求まる。同様に、濃淡テ
ンプレートＴ２〜Ｔ４で走査すると、図３（a）のよう
に、Ｐ２点〜Ｐ４点が求まる。従って、時刻ｔの車輌存
在座標と、時刻ｔ＋Δｔの車輌存在座標を、図３（ｂ）
のように求めれば、各車輌の瞬間移動速度，移動方向な
どを求めることが可能となる。
ッチングを行う説明図である。マッチング対象として、
図２（ａ）に示す様に、例えば４台の車１０があるとす
る。この場合、予め、濃淡テンプレートとして、車の
色，大きさ（形）に見合った濃淡テンプレートが作成さ
れている必要がある。例えば、濃淡テンプレートＴ１で
図２（ｂ）のようにパターンマッチングしながら走査し
ていき、類似度ｒ（u,v）が大きくなる座標を探すと、
図３（a）のように、Ｐ１点が求まる。同様に、濃淡テ
ンプレートＴ２〜Ｔ４で走査すると、図３（a）のよう
に、Ｐ２点〜Ｐ４点が求まる。従って、時刻ｔの車輌存
在座標と、時刻ｔ＋Δｔの車輌存在座標を、図３（ｂ）
のように求めれば、各車輌の瞬間移動速度，移動方向な
どを求めることが可能となる。
【００２２】上記の正規化相関処理の利点は、登録した
濃淡テンプレートと画像のパターンが似ていれば、明る
さが変化したり、多少何かによって隠れた場合（車輌の
重なりや、建物の影などによって車輌の一部分しか見え
ない場合など）でも類似度としてはある程度得られるこ
とにある。すなわち、路面の明るさに似た色を持つ車で
も、その形からそれが「車輌」であると認識することが
できる。従来は、あるしきい値で２値化処理するため、
低コントラストの車輌の認識が非常に困難であったが、
本方式を用いることで容易に車輌の抽出が可能である。
濃淡テンプレートと画像のパターンが似ていれば、明る
さが変化したり、多少何かによって隠れた場合（車輌の
重なりや、建物の影などによって車輌の一部分しか見え
ない場合など）でも類似度としてはある程度得られるこ
とにある。すなわち、路面の明るさに似た色を持つ車で
も、その形からそれが「車輌」であると認識することが
できる。従来は、あるしきい値で２値化処理するため、
低コントラストの車輌の認識が非常に困難であったが、
本方式を用いることで容易に車輌の抽出が可能である。
【００２３】ところで、道路を走行する車輌の動きを認
識する場合、車のサーチを常に図２（b）のように全面
走査する必要はない。すなわち、車の移動範囲はある程
度限定されているので、車の以前の動きから次のサーチ
範囲を特定することができる。図４にその例を示すが、
車輌が（ｘ０，ｙ０）座標から（ｘ１，ｙ１）座標に移
動した場合、次のサーチエリアを、移動速度Ｖと移動方
向θを用いて特定することが可能である。予想位置は、
前回の移動速度Ｖに対し、最小速度Ｖmin ，最大速度Ｖ
maxおよび移動方向の変化量２φを用いて、図４の扇型
の範囲となるが、処理を簡単にするために、その扇型を
囲む領域を次回のサーチ範囲とする。その場合、次の数
式５〜数式８のように定まる。
識する場合、車のサーチを常に図２（b）のように全面
走査する必要はない。すなわち、車の移動範囲はある程
度限定されているので、車の以前の動きから次のサーチ
範囲を特定することができる。図４にその例を示すが、
車輌が（ｘ０，ｙ０）座標から（ｘ１，ｙ１）座標に移
動した場合、次のサーチエリアを、移動速度Ｖと移動方
向θを用いて特定することが可能である。予想位置は、
前回の移動速度Ｖに対し、最小速度Ｖmin ，最大速度Ｖ
maxおよび移動方向の変化量２φを用いて、図４の扇型
の範囲となるが、処理を簡単にするために、その扇型を
囲む領域を次回のサーチ範囲とする。その場合、次の数
式５〜数式８のように定まる。
【００２４】
【数５】
【００２５】
【数６】
【００２６】
【数７】
【００２７】
【数８】
【００２８】ここで、xs,ysは領域の始点座標、xe,yeは
領域の終点座標である。なお、車輌の向きの範囲φは、
図５のように、速度Ｖの関数として変化させてもよい。
このようにすることで、図６（ａ）に示すように、時刻
ｔに求まった車輌のＰ１〜Ｐ４点の座標を追跡する場
合、図６（ｂ）のように、サーチエリアを決定すること
ができる。類似度演算は画素数に比例するため、できる
だけサーチ範囲を小さくすることが処理の高速化につな
がる。
領域の終点座標である。なお、車輌の向きの範囲φは、
図５のように、速度Ｖの関数として変化させてもよい。
このようにすることで、図６（ａ）に示すように、時刻
ｔに求まった車輌のＰ１〜Ｐ４点の座標を追跡する場
合、図６（ｂ）のように、サーチエリアを決定すること
ができる。類似度演算は画素数に比例するため、できる
だけサーチ範囲を小さくすることが処理の高速化につな
がる。
【００２９】次に、図７を用い、実際の車の追跡を行な
う例を説明する。図７（ａ）は、画面下から車が上方向
に移動する場合であるが、車を追跡する場合、車が画面
に入った画像を順次追跡する必要がある。このため、画
面下部に検出エリアを設け、この部分に入ってきた車輌
の画像を上方向に追跡していく。濃淡テンプレートを数
種類用意し、まず最初にサーチエリアについて車輌の検
出を行なう。すなわち、サーチエリアだけについて類似
度を各濃淡テンプレート毎に実行する。その結果、時刻
ｔに図７（b）のように座標P1,P2に車輌が検出されたと
すると、追跡テーブルを表１のように設け、Xold,Yold
にP1,P2の座標をそれぞれ登録する。
う例を説明する。図７（ａ）は、画面下から車が上方向
に移動する場合であるが、車を追跡する場合、車が画面
に入った画像を順次追跡する必要がある。このため、画
面下部に検出エリアを設け、この部分に入ってきた車輌
の画像を上方向に追跡していく。濃淡テンプレートを数
種類用意し、まず最初にサーチエリアについて車輌の検
出を行なう。すなわち、サーチエリアだけについて類似
度を各濃淡テンプレート毎に実行する。その結果、時刻
ｔに図７（b）のように座標P1,P2に車輌が検出されたと
すると、追跡テーブルを表１のように設け、Xold,Yold
にP1,P2の座標をそれぞれ登録する。
【００３０】
【表１】
【００３１】その時同時に、濃淡テンプレート番号Tno
と時刻Timeoldを登録する。この場合、追跡の初期状態
であるため、X1,Y1,Time1にはXold,Yold,Timeoldを登録
し、X2,Y2,Time2には“０”を格納しておく。ここで、X
1,Y1,Time1は、追跡する場合の前回の座標および時刻
を、X2,Y2,Time2は追跡する場合の今回の座標および時
刻を表す。さらに、初期状態であるため、以前の移動速
度および方向が求まっていないので、次のサーチエリア
は、移動速度の初期値として“０”から最大速度（高速
道路なら150ｋｍ／ｈ）、移動方向の変化量の初期値と
して例えば３０度を設定し、移動する範囲を指定してお
く（前記Vminを０ｋｍ／ｈ、Vmaxを１５０ｋｍ／ｈ、θ
を０度、φを３０度として、xs,ys,xe,yeを計算す
る。）。そして、時刻ｔ１の時刻の画像を入力し、Ｐ１
の車のサーチエリアについては濃淡テンプレートTnoが
“３”の濃淡テンプレートで類似度を計算し、表２のよ
うに最大類似度のＰ１’点を座標（Ｘ２，Ｙ２）に代入
する。
と時刻Timeoldを登録する。この場合、追跡の初期状態
であるため、X1,Y1,Time1にはXold,Yold,Timeoldを登録
し、X2,Y2,Time2には“０”を格納しておく。ここで、X
1,Y1,Time1は、追跡する場合の前回の座標および時刻
を、X2,Y2,Time2は追跡する場合の今回の座標および時
刻を表す。さらに、初期状態であるため、以前の移動速
度および方向が求まっていないので、次のサーチエリア
は、移動速度の初期値として“０”から最大速度（高速
道路なら150ｋｍ／ｈ）、移動方向の変化量の初期値と
して例えば３０度を設定し、移動する範囲を指定してお
く（前記Vminを０ｋｍ／ｈ、Vmaxを１５０ｋｍ／ｈ、θ
を０度、φを３０度として、xs,ys,xe,yeを計算す
る。）。そして、時刻ｔ１の時刻の画像を入力し、Ｐ１
の車のサーチエリアについては濃淡テンプレートTnoが
“３”の濃淡テンプレートで類似度を計算し、表２のよ
うに最大類似度のＰ１’点を座標（Ｘ２，Ｙ２）に代入
する。
【００３２】
【表２】
【００３３】Ｐ２点の車輌についても同様に実行する。
２回目以降は、移動速度を求めることができるので、求
まった移動速度Ｖ，向きθから前記した方法によって次
のサーチエリアを求め格納する。時刻ｔ２の処理も同様
であり、表３のようになる。
２回目以降は、移動速度を求めることができるので、求
まった移動速度Ｖ，向きθから前記した方法によって次
のサーチエリアを求め格納する。時刻ｔ２の処理も同様
であり、表３のようになる。
【００３４】
【表３】
【００３５】このように管理することで、車輌の追跡を
簡単に実行することが可能となる。
簡単に実行することが可能となる。
【００３６】図８，図９，図１０は、具体的処理手順を
示すフローチャートである。図８はメインフローであ
り、 （１）まず濃淡テンプレートの登録や、管理テーブルの
イニシャルなどの初期設定を行なう。 （２）画像を入力し、その画像に対して検出エリアでの
車輌サーチを行ない、車輌の追跡を実行する。
示すフローチャートである。図８はメインフローであ
り、 （１）まず濃淡テンプレートの登録や、管理テーブルの
イニシャルなどの初期設定を行なう。 （２）画像を入力し、その画像に対して検出エリアでの
車輌サーチを行ない、車輌の追跡を実行する。
【００３７】検出エリアでの車輌サーチは図９に示すよ
うに、 （１）濃淡テンプレート番号をイニシャルし、濃淡テン
プレート番号iでマッチング処理する。
うに、 （１）濃淡テンプレート番号をイニシャルし、濃淡テン
プレート番号iでマッチング処理する。
【００３８】（２）類似度がしきい値以上の座標があれ
ば、その類似度の最大座標を求めて追跡テーブルのXol
d,Yold,Tno,Timeoldに座標、濃淡テンプレート番号、時
刻を登録する。
ば、その類似度の最大座標を求めて追跡テーブルのXol
d,Yold,Tno,Timeoldに座標、濃淡テンプレート番号、時
刻を登録する。
【００３９】（３）この時、X1,Y1,Time1にもXold,Yol
d,Timeoldの値を格納する。
d,Timeoldの値を格納する。
【００４０】（４）次に、テーブルのフラグを立てると
共に、次のサーチエリア（初期値）を設定する。 上記処理を全ての濃淡テンプレートについて同様に実行
する。以上が車輌検出処理である。
共に、次のサーチエリア（初期値）を設定する。 上記処理を全ての濃淡テンプレートについて同様に実行
する。以上が車輌検出処理である。
【００４１】追跡処理は図１０のように実行する。 （１）追跡テーブルのカウンタをイニシャルし、追跡テ
ーブルiのフラグが“０”なら次のテーブルに、“１”
ならサーチエリアについて、該当濃淡テンプレート（Tn
o）でパターンマッチングする。 （２）しきい値以上の類似度があれば、最大類似度の座
標を抽出し、追跡テーブルのX2,Y2に座標を、Time2にそ
の時の時刻を格納する。
ーブルiのフラグが“０”なら次のテーブルに、“１”
ならサーチエリアについて、該当濃淡テンプレート（Tn
o）でパターンマッチングする。 （２）しきい値以上の類似度があれば、最大類似度の座
標を抽出し、追跡テーブルのX2,Y2に座標を、Time2にそ
の時の時刻を格納する。
【００４２】（３）そして、次の画像に対するサーチエ
リアを、X1,Y1,X2,Y2から求まる移動速度，方向から算
出し、サーチエリアを格納する。
リアを、X1,Y1,X2,Y2から求まる移動速度，方向から算
出し、サーチエリアを格納する。
【００４３】（４）その後、X1,Y1,Time1にX2,Y2,Time2
をコピーする。 以上の処理を、フラグが立っている車輌について全て行
ない、車輌追跡処理を終了する。
をコピーする。 以上の処理を、フラグが立っている車輌について全て行
ない、車輌追跡処理を終了する。
【００４４】ところで、車輌の進入検知のために数多く
の濃淡テンプレートを持つことは、図７の検出エリアで
の車輌サーチに非常に時間を要してしまい、移動物体が
高速になると１台１台を検知できなくなる可能性があ
る。このため、次の２つの対策が考えられる。 （１）濃淡テンプレートをできるだけ少なくする。 （２）入力画像から、追跡するための濃淡テンプレート
を作成する。
の濃淡テンプレートを持つことは、図７の検出エリアで
の車輌サーチに非常に時間を要してしまい、移動物体が
高速になると１台１台を検知できなくなる可能性があ
る。このため、次の２つの対策が考えられる。 （１）濃淡テンプレートをできるだけ少なくする。 （２）入力画像から、追跡するための濃淡テンプレート
を作成する。
【００４５】まず（１）の方法について説明する。車を
対象として濃淡テンプレートを作成する場合、白色小
型，黒色小型，白色大型，黒色大型だけでは濃淡テンプ
レートとしては少なすぎる。すなわち、白色の小型のテ
ンプレートを持っている場合、セダン，バン，ジープ，
荷台付きなどがあるため、車の大きさ的には同じ小型で
も形が異なるパターンでマッチングすると、全ての車を
検出できなくなる。しかしながら、このために全てのタ
イプの濃淡テンプレートを記憶し、それぞれでマッチン
グすることは非常に時間がかかり現実的でない。
対象として濃淡テンプレートを作成する場合、白色小
型，黒色小型，白色大型，黒色大型だけでは濃淡テンプ
レートとしては少なすぎる。すなわち、白色の小型のテ
ンプレートを持っている場合、セダン，バン，ジープ，
荷台付きなどがあるため、車の大きさ的には同じ小型で
も形が異なるパターンでマッチングすると、全ての車を
検出できなくなる。しかしながら、このために全てのタ
イプの濃淡テンプレートを記憶し、それぞれでマッチン
グすることは非常に時間がかかり現実的でない。
【００４６】そこで、図１１から図１３を参照して濃淡
テンプレートの作成方法を説明する。予め濃淡テンプレ
ートが図１１のようにT（1）〜T（8）の８枚あるとす
る。それぞれで別の濃淡テンプレートに対する類似度、
例えば、T（1）とそれ以外の濃淡テンプレートとのマッ
チングを行い、類似度が似ているものについては、両テ
ンプレートを用いて新しいパターンのテンプレートを作
成して元のテンプレートは破棄し、テンプレートの数を
減少させる。例えばパターンT（1）とパターンT（6）、
T（3）とパターンT（5）が類似している場合、パターン
T（1）とパターンT（6）の両画像を平均化処理してパタ
ーンT’（1）を作成し、パターンT（3）とパターンT
（5）の両画像を平均化処理してパターンT’（3）を作
成する。
テンプレートの作成方法を説明する。予め濃淡テンプレ
ートが図１１のようにT（1）〜T（8）の８枚あるとす
る。それぞれで別の濃淡テンプレートに対する類似度、
例えば、T（1）とそれ以外の濃淡テンプレートとのマッ
チングを行い、類似度が似ているものについては、両テ
ンプレートを用いて新しいパターンのテンプレートを作
成して元のテンプレートは破棄し、テンプレートの数を
減少させる。例えばパターンT（1）とパターンT（6）、
T（3）とパターンT（5）が類似している場合、パターン
T（1）とパターンT（6）の両画像を平均化処理してパタ
ーンT’（1）を作成し、パターンT（3）とパターンT
（5）の両画像を平均化処理してパターンT’（3）を作
成する。
【００４７】このようにして、１回類似度を求めて画像
を合成した結果、図１２に示すように、濃淡テンプレー
トは６枚に減少する。さらに図１２のパターンと、図１
１に示す初期の濃淡テンプレートT（1）〜T（8）とのマ
ッチングを行って同様の処理をすることで、図１３のよ
うに新たな濃淡テンプレートが合成され、全体のテンプ
ート数を減らすことができる。このような処理を、類似
度がある閾値より大きな場合がなくなるまで繰り返せ
ば、最終的に得られる濃淡テンプレートは、車輌を抽出
するのに必要最小限の濃淡テンプレートの数になる。こ
の結果、処理時間を大きく減少させることが可能とな
る。上記では画像の平均化処理で新たな濃淡テンプレー
トを作成しているが、このほかにも両画像の最大濃度や
最小濃度を残す方法などがある。
を合成した結果、図１２に示すように、濃淡テンプレー
トは６枚に減少する。さらに図１２のパターンと、図１
１に示す初期の濃淡テンプレートT（1）〜T（8）とのマ
ッチングを行って同様の処理をすることで、図１３のよ
うに新たな濃淡テンプレートが合成され、全体のテンプ
ート数を減らすことができる。このような処理を、類似
度がある閾値より大きな場合がなくなるまで繰り返せ
ば、最終的に得られる濃淡テンプレートは、車輌を抽出
するのに必要最小限の濃淡テンプレートの数になる。こ
の結果、処理時間を大きく減少させることが可能とな
る。上記では画像の平均化処理で新たな濃淡テンプレー
トを作成しているが、このほかにも両画像の最大濃度や
最小濃度を残す方法などがある。
【００４８】次に、（２）の対策について説明する。上
記（２）の対策は、濃淡テンプレートを予め持つのでな
く、テレビカメラから取り込んだ入力画像の中から、追
跡すべき画像を自動的に切り出し、その画像を濃淡テン
プレートとして用いるものである。すなわち、テンプレ
ートの数は追跡する車の数だけですむ。
記（２）の対策は、濃淡テンプレートを予め持つのでな
く、テレビカメラから取り込んだ入力画像の中から、追
跡すべき画像を自動的に切り出し、その画像を濃淡テン
プレートとして用いるものである。すなわち、テンプレ
ートの数は追跡する車の数だけですむ。
【００４９】図１４から図１７を参照して、その作成方
法を説明する。図１４は、車輌が画面下部から上部方向
に移動している例である（破線はレーン領域を示す）。
この車輌を追跡するため、画面下部の画像の内、車輌が
必ず入る大きさの領域を切り出して、図１４のように濃
淡テンプレートとする。この場合、図１５のように切り
出す領域の中心に車輌が入らない場合の画像をそのまま
濃淡テンプレートとして登録すると、その後の追跡処理
に悪影響を及ぼす。そこで、切り出した画像の濃度の状
態が周辺に片寄っていないかどうかを調べ、切り出す領
域の位置、大きさなどを変更する。
法を説明する。図１４は、車輌が画面下部から上部方向
に移動している例である（破線はレーン領域を示す）。
この車輌を追跡するため、画面下部の画像の内、車輌が
必ず入る大きさの領域を切り出して、図１４のように濃
淡テンプレートとする。この場合、図１５のように切り
出す領域の中心に車輌が入らない場合の画像をそのまま
濃淡テンプレートとして登録すると、その後の追跡処理
に悪影響を及ぼす。そこで、切り出した画像の濃度の状
態が周辺に片寄っていないかどうかを調べ、切り出す領
域の位置、大きさなどを変更する。
【００５０】車のパターンは左右対象であることに着目
し、次のような処理を行なう。 （１）切り出した画像の垂直方向の濃度の累積分布を求
める（X軸濃度累積分布）。 （２）求めた分布の濃度の重心xgと分散σxを求める。 （３）同様にきり出した画像の水平方向の濃度の累積分
布を求める（Y軸濃度累積分布）。 （４）求めた分布の濃度の重心ygと分散σyを求める。
し、次のような処理を行なう。 （１）切り出した画像の垂直方向の濃度の累積分布を求
める（X軸濃度累積分布）。 （２）求めた分布の濃度の重心xgと分散σxを求める。 （３）同様にきり出した画像の水平方向の濃度の累積分
布を求める（Y軸濃度累積分布）。 （４）求めた分布の濃度の重心ygと分散σyを求める。
【００５１】（５）濃度の重心xg,ygを中心座標にし
て、切り出す領域の大きさ Δｘ＝α・σｘ Δｙ＝α・σｙ として切り出す。αは定数（図１６）。 （６）再度切り出した領域で上記処理を行ない、重心座
標，分散が変化しなくなるまで繰り返す。 以上の処理により、車輌を中心に、しかも車輌を囲む最
小領域（図１７）の濃淡テンプレートを登録することが
可能となる。なお、濃度が片寄っている状態で終了した
場合は、車輌が画面に完全に入っていないものと見做
し、濃淡テンプレートの登録を止める（次の時刻で入力
した画像で処理し直す）。
て、切り出す領域の大きさ Δｘ＝α・σｘ Δｙ＝α・σｙ として切り出す。αは定数（図１６）。 （６）再度切り出した領域で上記処理を行ない、重心座
標，分散が変化しなくなるまで繰り返す。 以上の処理により、車輌を中心に、しかも車輌を囲む最
小領域（図１７）の濃淡テンプレートを登録することが
可能となる。なお、濃度が片寄っている状態で終了した
場合は、車輌が画面に完全に入っていないものと見做
し、濃淡テンプレートの登録を止める（次の時刻で入力
した画像で処理し直す）。
【００５２】上述した実施例は、道路を真上から見た場
合についての処理であるが、道路を撮影する場合、実際
には真上から撮影することはほとんどできない。このた
め、道路を俯瞰撮影することになる。この場合の道路の
見え方は、図１８（ａ）のように、Ｔ０時刻の車がＴ
１，Ｔ２と移動すると、車が遠方になるに従い車が小さ
く見える。したがって、図１４で説明した濃淡テンプレ
ートの追跡では、濃淡テンプレートと同じ大きさに見え
る車輌の検出はできても、遠方の車輌に対しては検出で
きなくなり、結果的に追跡できなくなってしまう。
合についての処理であるが、道路を撮影する場合、実際
には真上から撮影することはほとんどできない。このた
め、道路を俯瞰撮影することになる。この場合の道路の
見え方は、図１８（ａ）のように、Ｔ０時刻の車がＴ
１，Ｔ２と移動すると、車が遠方になるに従い車が小さ
く見える。したがって、図１４で説明した濃淡テンプレ
ートの追跡では、濃淡テンプレートと同じ大きさに見え
る車輌の検出はできても、遠方の車輌に対しては検出で
きなくなり、結果的に追跡できなくなってしまう。
【００５３】そこで、図１８（ｂ）のように、追跡しな
がら濃淡テンプレートを更新することで対処する。すな
わち、点Ｐ０がある濃淡テンプレートで検出された場合
は、次にサーチするための濃淡テンプレートは、点Ｐ０
の近傍の画像を用いて濃淡テンプレートを作成する。こ
の作成方法は、上記と同様、濃度の重心，分散を用いた
手法でもよい。そして、新たに登録された濃淡テンプレ
ートで次のサーチエリアについてマッチング処理し、点
Ｐ１が求まる。そして、点Ｐ１の近傍の画像を用いて濃
淡テンプレートを作成する。このような処理を順次実行
することで、車輌の大きさが変化しても、柔軟に追跡す
ることが可能となる。この方法は、車の大きさが瞬間的
にはほとんど変化しないことに着目したものである。
がら濃淡テンプレートを更新することで対処する。すな
わち、点Ｐ０がある濃淡テンプレートで検出された場合
は、次にサーチするための濃淡テンプレートは、点Ｐ０
の近傍の画像を用いて濃淡テンプレートを作成する。こ
の作成方法は、上記と同様、濃度の重心，分散を用いた
手法でもよい。そして、新たに登録された濃淡テンプレ
ートで次のサーチエリアについてマッチング処理し、点
Ｐ１が求まる。そして、点Ｐ１の近傍の画像を用いて濃
淡テンプレートを作成する。このような処理を順次実行
することで、車輌の大きさが変化しても、柔軟に追跡す
ることが可能となる。この方法は、車の大きさが瞬間的
にはほとんど変化しないことに着目したものである。
【００５４】テンプレートの作成は、前回のテンプレー
ト画像（ｇ）と新たに検出された車輌位置近傍の画像
（ｆ）の平均（（ｆ＋ｇ）／２）や、線形結合演算（α
ｆ＋βｇ 、α＋β＝１）で作成してもよい。このよう
な手法を用いると、例えば図１９のように示すように、
交差点での右折車輌台数を計測する場合、右折する車は
徐々に向きを変えるために１つの濃淡テンプレートでは
追跡が途中で終わってしまうが、追跡しながら濃淡テン
プレートを更新することで、容易に追跡が可能となる。
なお、濃淡テンプレートの大きさを車の大きさ、すなわ
ち、求まった車輌位置のｙ座標で定まる比率で小さくす
る方法もある。ただし、大きさだけの変化しか対応でき
ない。
ト画像（ｇ）と新たに検出された車輌位置近傍の画像
（ｆ）の平均（（ｆ＋ｇ）／２）や、線形結合演算（α
ｆ＋βｇ 、α＋β＝１）で作成してもよい。このよう
な手法を用いると、例えば図１９のように示すように、
交差点での右折車輌台数を計測する場合、右折する車は
徐々に向きを変えるために１つの濃淡テンプレートでは
追跡が途中で終わってしまうが、追跡しながら濃淡テン
プレートを更新することで、容易に追跡が可能となる。
なお、濃淡テンプレートの大きさを車の大きさ、すなわ
ち、求まった車輌位置のｙ座標で定まる比率で小さくす
る方法もある。ただし、大きさだけの変化しか対応でき
ない。
【００５５】ところで、濃淡テンプレートを更新した場
合は、前述した数式１の演算のうち、濃淡テンプレート
に関するデータを予め求めることができなくなる。そこ
で、高速にその値を求めることが必要となる。そのた
め、図２０のように、濃淡テンプレートｔ(i,j)に関す
るデータを求める回路を追加し、濃淡テンプレートが登
録されると、次の数式９，数式１０の演算を実行し、常
に高速処理が可能な構成にすることもできる。
合は、前述した数式１の演算のうち、濃淡テンプレート
に関するデータを予め求めることができなくなる。そこ
で、高速にその値を求めることが必要となる。そのた
め、図２０のように、濃淡テンプレートｔ(i,j)に関す
るデータを求める回路を追加し、濃淡テンプレートが登
録されると、次の数式９，数式１０の演算を実行し、常
に高速処理が可能な構成にすることもできる。
【００５６】
【数９】
【００５７】
【数１０】
【００５８】ここで、p , q は濃淡テンプレートのサイ
ズによって常に変化する。
ズによって常に変化する。
【００５９】入力画像からテンプレート切出回路１１で
テンプレートを切出し、これを前回のテンプレートと平
均処理あるいは線形結合処理等により次回のテンプレー
トをテンプレート更新回路１２で作成し、これを登録し
て次回の追跡に使用することで、連続的な追跡装置が構
成される。
テンプレートを切出し、これを前回のテンプレートと平
均処理あるいは線形結合処理等により次回のテンプレー
トをテンプレート更新回路１２で作成し、これを登録し
て次回の追跡に使用することで、連続的な追跡装置が構
成される。
【００６０】
【発明の効果】本発明によれば、濃淡パターンマッチン
グにより低コントラスト，車輌の重なりがある車輌につ
いても正確にその動きを検出可能となる。又、濃淡テン
プレートの更新処理により、記憶するテンプレートの形
状と追跡すべき移動物体の形状が変化するような場合で
も、パターンマッチング処理での移動物体追跡が実行で
き、特に交差点などの右折車輌などについても容易に認
識可能である。
グにより低コントラスト，車輌の重なりがある車輌につ
いても正確にその動きを検出可能となる。又、濃淡テン
プレートの更新処理により、記憶するテンプレートの形
状と追跡すべき移動物体の形状が変化するような場合で
も、パターンマッチング処理での移動物体追跡が実行で
き、特に交差点などの右折車輌などについても容易に認
識可能である。
【００６１】なお、本発明は停止車輌の検出（駐車違反
など）や、駐車場管理（駐車している場所の検出）など
にも利用できるものである。
など）や、駐車場管理（駐車している場所の検出）など
にも利用できるものである。
【図１】本発明の一実施例を説明する図である。
【図２】濃淡パターンマッチングの処理例を示す図であ
る。
る。
【図３】濃淡パターンマッチングで検出された座標を示
す図である。
す図である。
【図４】濃淡パターンマッチングの処理エリアを算出す
る方法を示す図である。
る方法を示す図である。
【図５】移動物体が移動する方向を、速度によって変化
させる場合の説明図である。
させる場合の説明図である。
【図６】移動物体を追跡する場合のサーチエリアを説明
する図である。
する図である。
【図７】移動物体を追跡する場合の説明図である。
【図８】移動物体を追跡する場合のメインフロー例を示
す図である。
す図である。
【図９】移動物体を追跡する場合の検出エリアでの車輌
サーチの処理フロー例を示す図である。
サーチの処理フロー例を示す図である。
【図１０】移動物体を追跡する場合の車輌追跡の処理フ
ロー例を示す図である。
ロー例を示す図である。
【図１１】テンプレートを最小枚数にするための処理例
を示す図である。
を示す図である。
【図１２】テンプレートを最小枚数にするための処理例
を示す図である。
を示す図である。
【図１３】テンプレートを最小枚数にするための処理例
を示す図である。
を示す図である。
【図１４】車輌の初期テンプレート画像の作成例を示す
図である。
図である。
【図１５】車輌が切り出し領域から外れたときの状態を
示す図である。
示す図である。
【図１６】車輌を切り出し領域の中心にしたとき説明図
である。
である。
【図１７】車輌の大きさにあわせてテンプレ−ト画像の
大きさを決定するときの説明図である。
大きさを決定するときの説明図である。
【図１８】車輌の大きさが変化する場合のテンプレート
更新処理方法例を示す図である。
更新処理方法例を示す図である。
【図１９】交差点を右折する車輌のモデルを示す図であ
る。
る。
【図２０】テンプレートを更新する場合の、濃淡パター
ンマッチング回路の一例を示す図である。
ンマッチング回路の一例を示す図である。
３…画像メモリ、４…濃淡テンプレート、５…アドレス
プロセッサ、６…濃淡パターンマッチング回路、１１…
テンプレート切出回路、１２…テンプレート更新回路。
プロセッサ、６…濃淡パターンマッチング回路、１１…
テンプレート切出回路、１２…テンプレート更新回路。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 八尋 正和 茨城県日立市大みか町五丁目２番１号 株式会社 日立製作所 大みか工場内 (56)参考文献 特開 平４−84300（ＪＰ，Ａ) 特開 平２−240781（ＪＰ，Ａ) 特開 昭59−79868（ＪＰ，Ａ) 特開 昭61−188683（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) H04N 7/18 G06T 1/00
Claims (8)
- 【請求項１】 テレビカメラからの映像を入力濃淡画像
として処理することによって、車輛を認識する装置であ
って、入力濃淡画像上に設けられた車輛検知エリア内に
車輛が進入したことを画像処理により判断する車輛進入
判定回路と、車輛検知エリア上の車輛を含む画像領域を
濃淡テンプレートとして抽出するテンプレート切出し回
路と、切出しされた濃淡テンプレートを記憶するテンプ
レート記憶回路と、該テンプレート記憶回路に記憶され
ている濃淡テンプレートと入力濃淡画像とを相関処理す
るパターンマッチング回路と、入力濃淡画像上での相関
処理範囲をサーチエリアとして更新設定するサーチエリ
ア設定回路と、上記テンプレート記憶回路での濃淡テン
プレートを更新するテンプレート更新回路と、車輛の移
動速度、移動方向を算出する車輛追跡回路とを設け、車
輛進入判定回路で車輛が進入したと判断した場合、入力
濃淡画像の車輛検知エリア内の画像から車輛の画像をテ
ンプレート切出し回路で切出した上、テンプレート記憶
回路に記憶し、サーチエリア設定回路で設定されたサー
チエリアについて、次回入力濃淡画像とテンプレート記
憶回路の画像とでパターンマッチング回路によって相関
処理し、相関処理されたサーチエリア上で最大類似度の
座標を検出するとともに、車輛追跡回路によって、前回
での最大類似度の座標との偏差から車輛の移動速度、移
動方向を算出し、更に、テンプレート更新回路によっ
て、前回テンプレートと上記最大類似度の座標近傍の画
像とから次回テンプレートが更新作成されるようにした
車輛認識装置。 - 【請求項２】 上記車輛進入判定回路では、車輛検知エ
リアへの車輛の進入は、車輛検知エリア上から切り出さ
れた画像の濃度の重心、分散から判断されるようにした
請求項１記載の車輛認識装置。 - 【請求項３】 上記サーチエリア設定回路では、次回入
力濃淡画像上へのサーチエリアは、今回車輛の位置と、
車輛の移動速度、移動方向とから予測される次回車輛の
位置にもとづき、設定されるようにした請求項１記載の
車輛認識装置。 - 【請求項４】 上記パターンマッチング回路では、濃淡
パターンマッチング処理に伴う濃淡テンプレート画像の
濃度累積値、２乗累積値、入力濃淡画像の濃 度累積値、
２乗累積値、入力濃淡画像と濃淡テンプレート画像の濃
度積和累積値の算出に際し、初期濃淡テンプレートが得
られた場合と濃淡テンプレートが更新作成された場合に
は、濃淡テンプレート画像に関する濃度累積値、２乗累
積値が予め高速に算出され、サーチエリア上での濃淡パ
ターンマッチング処理に際しては、入力濃淡画像の濃度
累積値、２乗累積値、入力濃淡画像と濃淡テンプレート
画像の濃度積和累積値が算出された上、予め算出されて
いる濃淡テンプレート画像に関する値とから類似度が算
出されるようにした請求項１記載の車輛認識装置。 - 【請求項５】 テレビカメラからの映像を入力濃淡画像
として処理することによって、移動体の移動状態を順次
認識する方法であって、入力濃淡画像上に設けられた移
動体検知エリア内に移動体が進入したと判断された場
合、該移動体を含む画像領域が初期濃淡テンプレートと
して抽出された上、入力濃淡画像との間で濃淡パターン
マッチング処理が初期サーチエリア上で行われることに
よって、類似度最大の座標が上記移動体の初期位置とし
て一旦認識された後は、次回入力濃淡画像上でのサーチ
エリアが更新設定される度に、該サーチエリア上での入
力濃淡画像と、初期濃淡テンプレート、または前回濃淡
プレートと今回類似度最大の座標近傍の画像とから更新
作成された次回濃淡テンプレートとの間で濃淡パターン
マッチング処理が行われた上、類似度最大の座標が上記
移動体の位置として認識されるようにした移動体認識方
法。 - 【請求項６】 移動体検知エリアへの移動体の進入は、
移動体検知エリア上から切り出された画像の濃度の重
心、分散から判断されるようにした請求項５記載の移動
体認識方法。 - 【請求項７】 次回入力濃淡画像上でのサーチエリア
は、今回移動体の位置と、移動体の移動速度、移動方向
とから予測される次回移動体の位置にもとづき、更新設
定されるようにした請求項５記載の移動体認識方法。 - 【請求項８】 濃淡パターンマッチング処理に伴う濃淡
テンプレート画像の濃度累積値、２乗累積値、入力濃淡
画像の濃度累積値、２乗累積値、入力濃淡画像と濃淡テ
ンプレート画像の濃度積和累積値の算出に際し、初期濃
淡テンプレートが得られた場合と濃淡テンプレートが更
新作成された場合には、濃淡テンプレ ート画像に関する
濃度累積値、２乗累積値が予め高速に算出され、サーチ
エリア上での濃淡パターンマッチング処理に際しては、
入力濃淡画像の濃度累積値、２乗累積値、入力濃淡画像
と濃淡テンプレート画像の濃度積和累積値が算出された
上、予め算出されている濃淡テンプレート画像に関する
値とから類似度が算出されるようにした請求項５記載の
移動体認識方法。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18523592A JP3254464B2 (ja) | 1992-07-13 | 1992-07-13 | 車輌認識装置と移動体認識方法 |
| DE69322306T DE69322306T2 (de) | 1992-04-24 | 1993-04-20 | Gegenstandserkennungssystem mittels Bildverarbeitung |
| EP93106368A EP0567059B1 (en) | 1992-04-24 | 1993-04-20 | Object recognition system using image processing |
| US08/051,692 US5554983A (en) | 1992-04-24 | 1993-04-23 | Object recognition system and abnormality detection system using image processing |
| US08/584,667 US5757287A (en) | 1992-04-24 | 1996-01-11 | Object recognition system and abnormality detection system using image processing |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP18523592A JP3254464B2 (ja) | 1992-07-13 | 1992-07-13 | 車輌認識装置と移動体認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0630417A JPH0630417A (ja) | 1994-02-04 |
| JP3254464B2 true JP3254464B2 (ja) | 2002-02-04 |
Family
ID=16167251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP18523592A Expired - Fee Related JP3254464B2 (ja) | 1992-04-24 | 1992-07-13 | 車輌認識装置と移動体認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3254464B2 (ja) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3435623B2 (ja) * | 1996-05-15 | 2003-08-11 | 株式会社日立製作所 | 交通流監視装置 |
| JP2000038121A (ja) * | 1998-07-22 | 2000-02-08 | Mitsubishi Motors Corp | 車両の走行制御方法 |
| JP3833614B2 (ja) | 2001-02-19 | 2006-10-18 | 本田技研工業株式会社 | 目標認識装置および目標認識方法 |
| JP4882577B2 (ja) * | 2006-07-31 | 2012-02-22 | オムロン株式会社 | 物体追跡装置およびその制御方法、物体追跡システム、物体追跡プログラム、ならびに該プログラムを記録した記録媒体 |
| EP1916538A3 (en) | 2006-10-27 | 2011-02-16 | Panasonic Electric Works Co., Ltd. | Target moving object tracking device |
| JP4915655B2 (ja) * | 2006-10-27 | 2012-04-11 | パナソニック株式会社 | 自動追尾装置 |
| US8588466B2 (en) | 2007-07-05 | 2013-11-19 | Nec Corporation | Object area detection system, device, method, and program for detecting an object |
| JP2009288108A (ja) * | 2008-05-29 | 2009-12-10 | Mitsutoyo Corp | 画像相関変位計 |
| JP2010079806A (ja) * | 2008-09-29 | 2010-04-08 | Saxa Inc | 画像処理装置、移動体の計数装置及びプログラム |
| CN113111883B (zh) * | 2021-03-23 | 2023-06-06 | 浙江大华技术股份有限公司 | 车牌检测方法、电子设备及存储介质 |
-
1992
- 1992-07-13 JP JP18523592A patent/JP3254464B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0630417A (ja) | 1994-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10970566B2 (en) | Lane line detection method and apparatus | |
| WO2021223368A1 (zh) | 基于视觉、激光雷达和毫米波雷达的目标检测方法 | |
| US7957559B2 (en) | Apparatus and system for recognizing environment surrounding vehicle | |
| JP3200950B2 (ja) | 物体認識装置 | |
| CN104700072B (zh) | 基于车道线历史帧的识别方法 | |
| US6205242B1 (en) | Image monitor apparatus and a method | |
| JPH10208047A (ja) | 車載用走行環境認識装置 | |
| CN112329776B (zh) | 基于改进CenterNet网络的车牌检测方法及装置 | |
| JPH11252587A (ja) | 物体追跡装置 | |
| JPH06107096A (ja) | 車両用前方監視方法 | |
| JP2000048209A (ja) | 画像処理方法及び装置 | |
| JP2001134772A (ja) | 対象物認識装置 | |
| CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
| JP3254464B2 (ja) | 車輌認識装置と移動体認識方法 | |
| JP2002228423A (ja) | タイヤ検出方法および装置 | |
| JP2005217883A (ja) | ステレオ画像を用いた道路平面領域並びに障害物検出方法 | |
| JPH11195127A (ja) | 白線認識方法および装置 | |
| Takahashi et al. | A robust lane detection using real-time voting processor | |
| CN108846363A (zh) | 一种基于发散式扫描的分区域车底阴影检测方法 | |
| JPH0973545A (ja) | 白線認識装置 | |
| JP2862199B2 (ja) | 車両認識装置 | |
| JP2002008019A (ja) | 軌道認識装置及び軌道認識装置を用いた鉄道車両 | |
| Kim et al. | Vision-based autonomous detection of lane and pedestrians | |
| JPH07271978A (ja) | 画像処理装置 | |
| Malik | High-quality vehicle trajectory generation from video data based on vehicle detection and description |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071130 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081130 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081130 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091130 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101130 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101130 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111130 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |