JP3816747B2 - 車種判別装置及び車種判別方法及び車種判別方法を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体 - Google Patents
車種判別装置及び車種判別方法及び車種判別方法を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体 Download PDFInfo
- Publication number
- JP3816747B2 JP3816747B2 JP2000388866A JP2000388866A JP3816747B2 JP 3816747 B2 JP3816747 B2 JP 3816747B2 JP 2000388866 A JP2000388866 A JP 2000388866A JP 2000388866 A JP2000388866 A JP 2000388866A JP 3816747 B2 JP3816747 B2 JP 3816747B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- moving body
- model
- vehicle
- image
- 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
Images
Landscapes
- Image Processing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Description
【発明の属する技術分野】
本発明は、車種判別装置及び車種判別方法及び車種判別を行わせるプログラムを記憶したコンピュータ読み取り可能な記憶媒体に関する。
【0002】
【従来の技術】
一般道路や高速道路を通行する車両の車種(大型車、普通車、小型車、二輪車等)ごとの交通量や、道路を通行する車両の車種ごとの速度、等の広域監視を行う方法には、可視カメラで撮像された画像を用いて車両の車種を判別し所望の情報(交通量や速度等)を得る、以下に示す幾つかの方法があった。
【0003】
車両の車種を判別する方法には、例えば、車両のナンバープレートの車種番号を読み取る方法、車両の車高及び車幅等の寸法に注目する方法、車両のヘッドライトやテイルランプの位置や間隔を用いる方法、車両表面や車両と背景との境界部に存在するエッジ成分を抽出する方法、可視カメラで撮像された画像内の車両領域の大きさを用いた方法、等が提案されていた。
・ナンバープレートを利用した方法この方法は、車両のナンバープレートを撮像可能な位置に撮像カメラが配置され、撮像された画像内からナンバープレートをエッジ処理により抽出し、抽出されたナンバープレートから車別番号をテンプレートマッチングにより検出し車種を判別する。この方法では、ほぼ確実に車種を判別することができるが、ナンバープレートの検出もれ、車別(車種)番号の検索にかかる処理時間が大きい等の問題があった。このため、広域監視、実時間処理に適さなかった。
・車両の寸法を利用した方法この方法は、撮像された画像からエッジ処理により車両を抽出し、この抽出された領域から車両の車幅、車長、車高といった寸法を計算し求める。この求められた数値をデータベースに予め記憶されている情報と比較し車種を判別する。この方法では、判別にかかる計算コストが低く、実時間・広域監視に有効であるが、計測すべき寸法によって、カメラの取り付け位置や台数等の設置条件があり、この設置条件を満たさない場合には機能しなかった。また、撮像される画像の領域を、車両一台が撮像されるように設定しておかなければならず、そのため撮像領域が交差点や渋滞した道路であれば、複数の車両が密集し一台の車両の寸法を得ることができなかった。
・ヘッドライトやテイルランプを利用した方法この方法は、ヘッドライトやテイルランプの位置をエッジ処理により求め、求めたヘッドライトやテイルランプの位置からヘッドライト等の間隔や取り付け位置を求め、この間隔や位置から車種を判別する。この方法では、夜間やトンネル内でライト、ランプを使用する場所では有効であるが、昼間では、ヘッドライトやテイルランプの位置を正確に求めなければならず、そのため計算コストがかかり、実時間・広域監視には適さない。また、雨天で路面が濡れている時には、ライトが路面に写りこみ、真のヘッドライトやテイルランプの位置を求めることが困難であった。
・エッジ成分を利用した方法この方法は、車両に存在するフロントガラス、サイドガラス、ボンネット、車両の背景に対するシルエットを抽出して、抽出した各構成要素の形状から車種を判別する。この方法には、例えば特開平11-353581号公報があり、微分処理によって車両のシルエットを切り出し、更に、このシルエット領域をヘッドライト、ボンネット、フロントガラス、屋根、屋根以降の後方部分といった部位に分割して、分割した各部位を予め保持するデータと比較することで、高精度の車種判別を達成していた。しかしながら、この方法では、撮像された画像内の車両に各部位とは無関係なエッジが存在した場合や、カメラの設置状況によって複数台の車両が重なって検出された場合については、各部位を分割することができなかった。
・車両領域の大きさを利用した方法この方法は、撮像された画像内からエッジ処理により、車両であろう領域を抽出し、予め車種ごとに持っているデータの大きさと比較して車種を判別する。この方法では、計算コストが低く実時間処理が可能であるが、検出された領域が車両以外でなくとも、検出された領域の大きさ(面積)が車種ごとに設定された所定領域であれば、この領域を車両とみなして判別するため、判別の信頼性が低いことが欠点であった。
【0004】
また、信頼性を増加させた方法として、特許第2953232号公報に記載された方法では、カメラが撮像する領域を通行する車両を予め撮像し画像データとして記憶しておき、この画像データと実際に撮像された画像内の車両とを比較することで判別を行っていた。しかしながら、カメラの設置位置や画角が変更された場合には、再度複数の画像データを作成する必要があった。
【0005】
【発明が解決しようとする課題】
上述したように、従来の車種判別装置では、実時間処理ができなかった、カメラの設置条件に制約があった、複数の車両が重なった時に判別できなかった、車両の各部位の抽出が困難であった、等により所望の車種を判別することが困難であった。
【0006】
そこで本発明は上記従来の問題点に鑑みてなされたもので、実時間処理が可能であり、カメラの設置条件に対する制約がより少なく、所望の車種を判別することができる車種判別装置及び車種判別方法及び車種判別を行うプログラムを記憶したコンピュータ読み取り可能な記憶媒体の提供を目的とする。
【0007】
【課題を解決するための手段】
上記目的を達成するために本発明の車種判別装置は、移動体が通行する領域を撮像範囲とした画像を撮像する撮像手段と、撮像された前記画像内から前記移動体を含む領域を移動体領域として抽出する移動体領域抽出手段と、複数種の移動体の3次元形状を移動体の車種ごとに移動体モデルとして記憶する記憶手段と、前記移動体モデルを、前記画像上の前記移動体の撮像方向の見え方に変換した移動体モデル画像に変換する移動体モデル画像変換手段と、前記移動体領域と前記移動体モデル画像とを重ね合わせて、前記移動体領域と前記移動体モデル画像とが交差する領域の交差面積を求める手段と、前記交差面積を前記移動体モデル画像の面積で除した交差面積モデル面積比、前記移動体領域の面積を前記移動体モデル画像の面積で除した領域面積モデル面積比、および、前記交差面積を前記移動体領域の面積で除した交差面積領域面積比を求める手段と、前記領域面積モデル面積比が1未満の場合には前記交差面積モデル面積比に前記領域面積モデル面積比を乗じたものを基礎確度とし、前記領域面積モデル面積比が1より大きい場合には前記交差面積モデル面積比を前記領域面積モデル面積比で除したものを基礎確度とする手段と、前記移動体モデル画像に対応する車種をその移動体モデル画像の面積によって判別するための第一の基準面積、および、前記移動体領域と前記移動体モデル画像とが交差する領域が複数の車両を含むか否かを前記交差面積領域面積比によって判別するための第一の閾値を設定する工程と、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が前記第一の閾値未満の場合には第一の調整係数を1未満の正数とし、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値以上の場合、および、前記移動体モデル画像の面積が前記第一の基準面積以下の場合には第一の調整係数を1とする手段と、前記基礎確度に前記第一の調整係数を乗じて、前記移動体領域に前記移動体モデル画像が適合している確度を算出する確度算出手段と、前記確度が最大となる前期移動体モデルが前記移動体領域に撮像されている車種であると判別する手段と、から構成される。
【0008】
また、本発明の車種判別方法は、移動体が通行する領域を撮像範囲とした画像を撮像する工程と、撮像された前記画像内から前記移動体を含む領域を移動体領域として抽出する工程と、複数種の移動体の3次元形状を移動体の車種ごとに移動体モデルとして記憶する工程と、前記移動体モデルを、前記画像上の前記移動体の撮像方向の見え方に変換した移動体モデル画像に変換する工程と、前記移動体領域と前記移動体モデル画像とを重ね合わせて、前記移動体領域と前記移動体モデル画像とが交差する領域の交差面積を求める工程と、前記交差面積を前記移動体モデル画像の面積で除した交差面積モデル面積比、前記移動体領域の面積を前記移動体モデル画像の面積で除した領域面積モデル面積比、および、前記交差面積を前記移動体領域の面積で除した交差面積領域面積比を求める工程と、前記領域面積モデル面積比が1未満の場合には前記交差面積モデル面積比に前記領域面積モデル面積比を乗じたものを基礎確度とし、前記領域面積モデル面積比が1より大きい場合には前記交差面積モデル面積比を前記領域面積モデル面積比で除したものを基礎確度とする工程と、前記移動体モデル画像に対応する車種をその移動体モデル画像の面積によって判別するための第一の基準面積、および、前記移動体領域と前記移動体モデル画像とが交差する領域が複数の車両を含むか否かを前記交差面積領域面積比によって判別するための第一の閾値を設定する工程と、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値未満の場合には第一の調整係数を1未満の正数とし、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値以上の場合、および、前記移動体モデル画像の面積が前記第一の基準面積以下の場合には第一の調整係数を1とする工程と、前記基礎確度に前記第一の調整係数を乗じて、前記移動体領域に前記移動体モデル画像が適合している確度を算出する工程と、前記確度が最大となる前期移動体モデルが前記移動体領域に撮像されている車種であると判別する工程と、を有する。
【0009】
また、本発明の記憶媒体は、車両の車種の判別を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体であって、移動体が通行する領域を撮像範囲とした画像を撮像させ、撮像された前記画像内から前記移動体を含む領域を移動体領域として抽出させ、複数種の移動体の3次元形状を移動体の車種ごとに移動体モデルとして記憶させ、前記移動体モデルを、前記画像上の前記移動体の撮像方向の見え方に変換した移動体モデル画像に変換させ、前記移動体領域と前記移動体モデル画像とを重ね合わせて、前記移動体領域と前記移動体モデル画像とが交差する領域の交差面積を求めさせ、前記交差面積を前記移動体モデル画像の面積で除した交差面積モデル面積比、前記移動体領域の面積を前記移動体モデル画像の面積で除した領域面積モデル面積比、および、前記交差面積を前記移動体領域の面積で除した交差面積領域面積比を求めさせ、前記領域面積モデル面積比が1未満の場合には前記交差面積モデル面積比に前記領域面積モデル面積比を乗じたものを基礎確度とさせ、前記領域面積モデル面積比が1より大きい場合には前記交差面積モデル面積比を前記領域面積モデル面積比で除したものを基礎確度とさせ、前記移動体モデル画像に対応する車種をその移動体モデル画像の面積によって判別するための第一の基準面積、および、前記移動体領域と前記移動体モデル画像とが交差する領域が複数の車両を含むか否かを前記交差面積領域面積比によって判別するための第一の閾値を設定させ、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値未満の場合には第一の調整係数を1未満の正数とさせ、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値以上の場合、および、前記移動体モデル画像の面積が前記第一の基準面積以下の場合には第一の調整係数を1とさせ、前記基礎確度に前記第一の調整補正係数を乗じて、前記移動体領域に前記移動体モデル画像が適合している確度を算出させ、前記確度が最大となる前期移動体モデルが前記移動体領域に撮像されている車種であると判別させる、プログラムを記憶したコンピュータ読み取り可能な記憶媒体である。
【0011】
このような構成によれば、判別したい車種の3次元形状モデルなる車両モデルを有し、この車両モデルを撮像手段によって撮像された画像上に表示した時の画像の大きさと、車両領域の大きさと、この画像と車両領域とが交差する領域の大きさとから車種を判別することができ、計算コストを抑えつつ、装置の設置場所の制限を少なくすることができる。また、判別したい車両を抽出した時に、この車両と並行して走行する車両を同時に抽出した場合であっても、車種をほぼ正しく判別することができる。また、車両一台あたりの判別処理が非常に簡単であるため、検出領域を複数設けた場合や、交通量の多い道路でも演算量を増加させずに車種を判別することができる。また、車両の判別を行いつつ、車両の追跡や歩行者の検出、車群(複数の車両がほぼ一塊に密集した状態)の速度などを同時に計算することも可能である。
【0012】
【発明の実施の形態】
以下、本発明の実施の形態について図面を参照して説明する。
【0013】
図1乃至図15は第1の実施の形態を示すものである。
【0014】
図1は、第1の実施の形態を道路に配置した時の斜視図である。
【0015】
第1の実施の形態は、撮像手段なるカメラ1と、コンピュータ等の電子機器2とから構成される。電子機器2は、カメラ1内に設けられるが、カメラ1本体とは別筐体で設けても良い。
【0016】
カメラ1は、移動体なる車両が通行する道路(車線L1、L2)の側部に配置された支柱3に、道路を上方から撮像するように固定される。カメラ1が固定される高さは、例えば6〜8mであり、カメラ1によって撮像される領域を検出領域Dとする。この検出領域Dは、図1では2車線であり略8×8メートル角の領域であるが、1車線あるいは3車線以上でも構わず、使用者によって任意に設定可能である。また、カメラ1は、カメラ1が設置された道路を通行する車両の走行方向(上流)側に配置され、この車両の前方を撮像する。また、逆に下流に配置され、この車両の後方を撮像しても良い。また、カメラ1で撮像された画像の濃淡値は、例えば256階調であるが、この諧調は任意に設定可能である。
【0017】
図2は、第1の実施の形態のブロック図であり、電子機器2は、画像信号処理装置4、モデル記憶装置5、モデル投影処理装置6(モデル画像変換手段)、判別装置7を有する。
【0018】
カメラ1が撮像した画像の画像信号は、画像信号処理部4に送られる。画像信号は、カメラ1と電子機器2とが接続されていれば画像信号処理部4に有線にて送信され、接続されていなければ無線にて送信される。無線で画像信号を受信する場合には、アンテナ、フィルタ、増幅器等の送受信装置が別途設けられる。
【0019】
画像信号処理部4は、カメラ1により撮像された画像(検出領域D)から車両領域Tを含む領域を抽出する。車両領域Tとは、撮像された画像上で少なくとも車両が含まれる領域(複数の画素からなる)をさす。この車両領域Tの抽出は、例えば背景差分やフレーム間差分といった方法を用いる。この車両抽出領域Tには、天候による車両の影が含まれていても良い。
【0020】
モデル記憶装置5は、車種(大型車、普通車、小型車、二輪車等)ごとの車両の3次元形状を車両モデルとして記憶している。この車両モデルは、例えばCADデータのようなデータ構造を有し、車両の3次元形状の特徴を複数の点(座標)で表現したものである。例えば、普通車の場合には、この点の数を16点とし、車両下側で4点、ボンネット4点、屋根4点、トランク(荷台)4点で、車両の特徴を表現している。
【0021】
モデル投影処理装置6は、任意の車両モデルを車両モデル画像に変換する。車両モデル画像とは、車両モデルを表現した複数の点を結び、2次元な画像で表現したデータである。なお、車両が走行する車線幅と検出領域D内の車両の走行方向は予めデータとして記憶している。この車両モデル画像は、検出領域D内の、車線幅(実長)と車両の走行方向と抽出された車両領域とから求められ、抽出された車両領域Tの位置に配置された車両モデルを撮像画像(見え方)に変換した画像である。
【0022】
判別装置7は、車両領域Tの大きさ(画素数)、車両モデル画像の大きさ等をもとに、車種を判別する。具体的には、車両領域Tと車両モデル画像との重ねた場合の重なり程度を比較して判別する。
【0023】
また、車種判別装置には、判別結果を記憶するMOやHDD等の記憶装置、判別結果や広域監視結果を表示するディスプレイ装置、判別結果や広域監視結果を出力するプリンタ、等の周辺機器を別途設けることも可能である。
【0024】
このような構成からなる車種判別装置の車種判別方法について、図4の電子機器のブロック図と図3のフローチャートを参照して説明する。
【0025】
図4に示すように、電子機器2は、少なくとも各種演算処理を行うCPU10、演算結果や車両モデル等を記憶するメモリ11を有し、電子機器2の周辺機器として演算結果等を表示するディスプレイ12、演算結果等を出力するプリンタ13、電子機器2を操作するためのマウス14やキーボード15、が設けられる。図4に示すような電子機器2は、カメラ1内に配置される場合ではなく、複数のカメラ1からの画像信号を集中的に処理、管理する管理センタ等に配置される場合である。
【0026】
(1)カメラ1により検出領域Dの画像を撮像する(S1)。撮像した画像は、有線もしくは無線により電子機器2に送信し、メモリ11に記憶する。メモリ11に記憶する際には、画像を撮像(記憶)した撮像時間(記憶時間)も含めた形式で記憶する。カメラ1は、常に検出領域Dを撮像しつづける。
【0027】
(2)撮像された画像に対してノイズ処理を行い、背景差分法(もしくはフレーム間差分法)を用い、濃淡値が変化した複数の画素からなる領域を抽出する(S2)。そして、抽出された領域の大きさを求める。道路上に存在する移動体は、自動車等の車両が大半であり、人間やその他物体が存在するとは考えにくい。そのため、この抽出した領域が車両領域Tであるとみなす。画像から車両領域Tを抽出する処理はCPU10によって行われ、車両領域Tは車両領域Tの大きさと共にメモリ11に記憶する。
【0028】
なお、車両領域Tの抽出と共に、この車両領域Tの各車線の走行方向端部における画像上の車線幅(図5中W1、W2)を画素(ピクセル)単位で求め、車両領域Tと対応させてメモリ11に記憶する。
【0029】
(3)車両領域Tが検出領域D内の特定領域に含まれているか否かをCPU10によって調べる(S3)。この特定領域とは、図6の特定領域を示す検出領域Dの斜視図中の斜線で示された領域であり、走行方向の幅が略2メートルの四角形領域である。この特定領域内に車両領域Tの(走行方向の)先端が入っていれば、(走行方向の)後端が検出領域D内に入り、ほぼ1台の車両が撮像されている。また、この特定領域に車両領域Tが入っていない場合には、検出領域D内に車両が存在しない、もしくは車両抽出不能としてS1へ進む。車両領域Tがこの特定領域内に入っている場合には、次のステップに進む。尚、この特定領域は、撮像された画像内の任意の領域を使用者により設定することができる。
【0030】
(4)検出領域D内に車両が存在している場合には、車種ごとに記憶された車両モデルのうち、大型車の車両モデルをメモリ11から読み出し、この読み出した車両モデル、画像上の車線の幅、車両の走行方向と車両領域Tから、大型車の車両モデルの車両領域Tにおける見え方(撮像方向の見え方)に変換した画像を作成する。そして、変換された車両モデルの画像をモデル領域Mとして、このモデル領域Mの面積(ピクセルの数)を求める(S4)。車両モデルの変換、モデル領域Mの面積は、CPU10によって計算し求め、モデル領域M及び面積はメモリ11に記憶する。尚、最初に読み出される車両モデルは大型車でなく、別の車両であっても構わない。
【0031】
(5)モデル領域Mをマスクパターンとし、このモデル領域Mを車両領域T内で移動し、モデル領域Mと車両領域Tとが交差する交差面積Cの最大値を求める(S5)。モデル領域Mの移動と交差面積Cの計算はCPU10によって行い、車両モデルと対応させてメモリ11に交差面積Cの最大値を記憶する。車両領域T、モデル領域Mと交差面積Cの関係を図7に示す。
【0032】
(6)全ての車両モデルに対して交差面積Cを求めたか否かをCPU10によって調べる(S6)。最初は、大型車に対する交差面積Cしか求めていないため、次のステップに進む。なお、全ての車両モデルに対する交差面積Cが求められていれば、(9)に進む。
【0033】
(7)全ての車両モデルに対して交差面積Cを求めていない場合には、メモリ11から他の車両モデル、例えば普通車の車両モデルを読み出し、読み出し普通車の車両モデルのモデル領域Mとモデル領域Mの面積を求める(S7)。求められたモデル領域Mとモデル領域Mの面積は、車両モデルに対応させてメモリ11に記憶する。
【0034】
(8)(7)で求めたモデル領域Mと車両領域Tとの交差面積Cの最大値を求める(S8)。求めた交差面積Cの最大値は、車両モデルと対応させてメモリ11に記憶される。(S6)に進む。
【0035】
(9)車両領域Tが任意のモデル領域n(ただしn=1,2,3,4)である確度(n)の基準を求め、メモリ11に記憶する(S9)。この確度(n)はC/Mと定義する。
【0036】
確度(n)は、車両領域Tに対して、選択された車両モデルが正しい場合、交差面積Cの大きさが、モデル領域Mの大きさに近付き、
【数1】
また、選択されたモデル領域Mが車両領域Tよりも小さい場合には、同じように
【数2】
一方、選択されたモデル領域Mが車両領域Tよりも大きい場合には、
【数3】
(10)全ての車両モデルごとにT/Mを求める(S10)。求めたT/Mは、車両モデルに対応させてメモリ11に記憶され、この計算はCPU10によって行う。
【0037】
(11)所定の関係に基づいて全ての車両モデルごとに新たな確度(n)を求め、記憶する(S11)。所定の関係とは、(S10)で求められたT/MがT/M<1であれば確度(n)=確度(n)×T/Mの計算式を使用し、T/M≧1であれば確度(n)=確度(n)×M/Tの計算式を使用することをいう。
【0038】
新たな確度(n)の計算は、CPU10によって行い、この新たな確度(n)をメモリ11に記憶する。
【0039】
(12)確度(n)を用いて車種を判別する(S12)。車種の判別は、(S11)で求めた確度(n)の最大値を有する車両モデルが、カメラ1によって撮像された車両領域Tに含まれる車両であると判断する。メモリ11から確度(n)を読み込み、最大値を求め、車種を判別する動作は、CPU10によって行う。判別した車種は、撮像時間と共に車両領域Tと対応させてメモリ11に記憶する。
【0040】
以上のようなステップ(1)〜(12)によって、カメラ1によって、撮像された画像内の車両が、いずれの車種であるかを判別する。
【0041】
判別された車種は、ディスプレイ12、プリンタ13に適宜出力することができる。また、このような判別を複数台の車両に対して行ったり、複数台のカメラを設置したりすることで、交通量や通行する車両の速度等の広域監視を行うことができる。
【0042】
次に、大型車のように二輪車に比べてモデル領域Mが大きな場合、車両領域Tがモデル領域Mに比例して大きければ車種をほぼ正しく判別することができる。この場合の車両領域T、モデル領域M、交差面積Cの関係を図10に示す。しかしながら、この判別したい車線の車両が検出領域Dを通行している間に、この車線に並行する車線を通行する車両があった場合には、判別したい車線とこの車線に並行する車線とをそれぞれ通行する車両を1つの車両領域Tとして抽出する。このため、
【数4】
このような場合の車種判別方法について、図12のフローチャートを参照して説明する。
【0043】
ステップ(1)から(11)までは、上述した図3の(1)〜(11)と同様である。
【0044】
(1)カメラ1により検出領域Dの画像を撮像する(S21)。撮像した画像は、有線もしくは無線により電子機器2に送信し、メモリ11に記憶する。メモリ11に記憶する際には、画像を撮像(記憶)した撮像時間(記憶時間)も含めた形式で記憶する。カメラ1は、常に検出領域Dを撮像しつづける。
【0045】
(2)撮像された画像に対してノイズ処理を行い、背景差分法(もしくはフレーム間差分法)を用い、濃淡値が変化した複数の画素からなる領域を抽出する(S22)。そして、抽出された領域の大きさを求める。道路上に存在する移動体は、自動車等の車両が大半であり、人間やその他物体が存在するとは考えにくい。そのため、この抽出した領域が車両領域Tであるとみなす。画像から車両領域Tを抽出する処理はCPU10によって行われ、車両領域Tは車両領域Tの大きさと共にメモリ11に記憶する。
【0046】
なお、車両領域Tの抽出と共に、この車両領域Tの各車線の走行方向端部における画像上の車線幅(図5参照(W1、W2))を画素(ピクセル)単位で求め、車両領域Tと対応させてメモリ11に記憶する。
【0047】
(3)車両領域Tが検出領域D内の特定領域に含まれているか否かをCPU10によって調べる(S23)。この特定領域とは、特定領域(図6参照)を示す検出領域Dの斜視図中の斜線で示された領域であり、走行方向の幅が略2メートルの四角形領域である。この特定領域内に車両領域Tの(走行方向の)先端が入っていれば、(走行方向の)後端が検出領域D内に入り、ほぼ1台の車両が撮像されている。また、この特定領域に車両領域Tが入っていない場合には、検出領域D内に車両が存在しない、もしくは車両抽出不能としてS21へ進む。車両領域Tがこの特定領域内に入っている場合には、次のステップに進む。
【0048】
(4)検出領域D内に車両が存在している場合には、車種ごとに記憶された車両モデルのうち、大型車の車両モデルをメモリ11から読み出し、この読み出した車両モデル、画像上の車線の幅、車両の走行方向と車両領域Tから、大型車の車両モデルの車両領域Tにおける見え方に変換した画像を作成する。そして、変換された車両モデルの画像をモデル領域Mとして、このモデル領域Mの面積(ピクセルの数)を求める(S24)。車両モデルの変換、モデル領域Mの面積は、CPU10によって計算し求め、モデル領域M及び面積はメモリ11に記憶する。
【0049】
(5)モデル領域Mをマスクパターンとし、このモデル領域Mを車両領域T内で移動し、モデル領域Mと車両領域Tとが交差する交差面積Cの最大値を求める(S25)。モデル領域Mの移動と交差面積Cの計算はCPU10によって行い、車両モデルと対応させてメモリ11に交差面積Cの最大値を記憶する。
【0050】
(6)全ての車両モデルに対して交差面積Cを求めたか否かをCPU10によって調べる(S26)。最初は、大型車に対する交差面積Cしか求めていないため、次のステップに進む。なお、全ての車両モデルに対する交差面積Cが求められていれば、(9)に進む。
【0051】
(7)全ての車両モデルに対して交差面積Cを求めていない場合には、メモリ11から他の車両モデル、例えば普通車の車両モデルを読み出し、読み出し普通車の車両モデルのモデル領域Mとモデル領域Mの面積を求める(S27)。求められたモデル領域Mとモデル領域Mの面積は、車両モデルに対応させてメモリ11に記憶する。
【0052】
(8)(7)で求めたモデル領域Mと車両領域Tとの交差面積Cの最大値を求める(S28)。求めた交差面積Cの最大値は、車両モデルと対応させてメモリ11に記憶される。(S26)に進む。
【0053】
(9)車両領域Tが任意のモデル領域n(ただしn=1,2,3,4)である確度(n)の基準を求め、メモリ11に記憶する(S29)。この確度(n)はC/Mと定義する。
【0054】
確度(n)は、車両領域Tに対して、選択された車両モデルが正しい場合、交差面積Cの大きさが、モデル領域Mの大きさに近付き、
【数5】
また、選択されたモデル領域Mが車両領域Tよりも小さい場合には、同じように
【数6】
一方、選択されたモデル領域Mが車両領域Tよりも大きい場合には、
【数7】
(10)全ての車両モデルごとにT/Mを求める(S30)。求めたT/Mは、車両モデルに対応させてメモリ11に記憶され、この計算はCPU10によって行う。
【0055】
(11)所定の関係に基づいて全ての車両モデルごとに新たな確度(n)を求め、記憶する(S31)。所定の関係とは、(S30)で求められたT/MがT/M<1であれば確度(n)=確度(n)×T/Mの計算式を使用し、T/M≧1であれば確度(n)=確度(n)×M/Tの計算式を使用することをいう。
【0056】
新たな確度(n)の計算は、CPU10によって行い、この新たな確度(n)をメモリ11に記憶する。
【0057】
(12)車両モデルごとに求められた交差面積Cと車両領域Tとの比(C/T)を求める(S32)。C/TはCPU10によって計算し、求めたC/Tは、車両モデルに対応させてメモリ11に記憶する。
【0058】
(13)C/Tと閾値1(TH1)とを比較する(S33)。閾値1は、例えば0.4と設定しているが、この数値は利用者が適宜設定可能である。C/Tが閾値1よりも小さい場合には、車両モデルの確度(n)に所定量(0.4)を乗算し減する。確度(n)を所定量減じて新たな確度(n)を求めた後、及びC/Tが閾値1よりも大きい場合には、次のステップ(14)に進む。
【0059】
このステップにより、抽出したい車両と、この抽出したい車両に対して並走する車両とを1つの車両領域Tとして抽出した時に、抽出したい車両をより大きな車種であると判断することを防止し、ほぼ正しい車種判別を行うことができる。このため、例えば小型車を普通車、大型車であると車種判別するような誤判別を防止することができる。
【0060】
なお、確度(n)に乗算される所定量なる数値は、使用者が適宜設定可能である。
【0061】
(14)車両モデルごとに求められた交差面積Cと、モデル領域Mとの比(C/M)を求める(S34)。C/MはCPU10によって計算し、求めたC/Mは、車両モデルに対応させてメモリ11に記憶される。
【0062】
(15)C/Mと閾値2(TH2)とを比較する(S35)。閾値2は、例えば0.9と設定しているが、この数値は利用者が適宜設定可能である。C/Mが閾値2よりも大きい場合には、車両モデルの確度(n)に所定量(1.5)を乗算して増やす。確度(n)を所定量増加して新たな確度(n)を求めた後、及びC/Mが閾値2よりも小さい場合には、次のステップ(16)に進む。
【0063】
なお、確度(n)に乗算される所定量なる数値は、使用者が適宜設定可能である。
【0064】
(16)上述のようにして求められた確度(n)を用いて車種を判別する(S36)。車種の判別は、確度(n)の最大値を有する車両モデルが、カメラ1によって撮像された車両領域Tに含まれる車両であるとする。メモリ11から確度(n)を読み込み、最大値を求め、車種を判別する動作は、CPU10によって行う。判別した車種は、撮像時間と共に車両領域Tと対応させてメモリ11に記憶する。
【0065】
以上のようなステップ(1)〜(16)により、カメラ1によって、撮像された画像内の車両が、いずれの車種であるかを判別する。この方法は、特に並行する車両を車両領域Tとして抽出した場合(抽出する頻度が高い場合)、大型車と区別して判別したい場合に有効である。
【0066】
次に、二輪車のように大型車に比べてモデル領域Mが小さな場合、車両領域Tがモデル領域Mの大きさに比例して小さければ車種をほぼ正しく判別することができる。この時の車両領域T、モデル領域M、交差面積Cの関係を図13に示す。しかしながら、車両領域Tがこのモデル領域Mよりも小さい場合、つまり
【数8】
ステップ(1)から(11)までは、上述した図3の(1)〜(11)と同様である。
【0067】
(1)カメラ1により検出領域Dの画像を撮像する(S40)。撮像した画像は、有線もしくは無線により電子機器2に送信し、メモリ11に記憶する。メモリ11に記憶する際には、画像を撮像(記憶)した撮像時間(記憶時間)も含めた形式で記憶する。カメラ1は、常に検出領域Dを撮像しつづける。
【0068】
(2)撮像された画像に対してノイズ処理を行い、背景差分法(もしくはフレーム間差分法)を用い、濃淡値が変化した複数の画素からなる領域を抽出する(S41)。そして、抽出された領域の大きさを求める。道路上に存在する移動体は、自動車等の車両が大半であり、人間やその他物体が存在するとは考えにくい。そのため、この抽出した領域が車両領域Tであるとみなす。画像から車両領域Tを抽出する処理はCPU10によって行われ、車両領域Tは車両領域Tの大きさと共にメモリ11に記憶する。
【0069】
なお、車両領域Tの抽出と共に、この車両領域Tの各車線の走行方向端部における車線幅(図5参照(W1、W2))を画素(ピクセル)単位で求め、車両領域Tと対応させてメモリ11に記憶する。
【0070】
(3)車両領域Tが検出領域D内の特定領域に含まれているか否かをCPU10によって調べる(S42)。この特定領域とは、特定領域(図6参照)を示す検出領域Dの斜視図中の斜線で示された領域であり、走行方向の幅が略2メートルの四角形領域である。この特定領域内に車両領域Tの(走行方向の)先端が入っていれば、(走行方向の)後端が検出領域D内に入り、ほぼ1台の車両が撮像されている。また、この特定領域に車両領域Tが入っていない場合には、検出領域D内に車両が存在しない、もしくは車両抽出不能としてS40へ進む。車両領域Tがこの特定領域内に入っている場合には、次のステップに進む。
【0071】
(4)検出領域D内に車両が存在している場合には、車種ごとに記憶された車両モデルのうち、大型車の車両モデルをメモリ11から読み出し、この読み出した車両モデル、車線の幅、車両の走行方向と車両領域Tから、大型車の車両モデルの車両領域Tにおける見え方に変換した画像を作成する。そして、変換された車両モデルの画像をモデル領域Mとして、このモデル領域Mの面積(ピクセルの数)を求める(S43)。車両モデルの変換、モデル領域Mの面積は、CPU10によって計算し求め、モデル領域M及び面積はメモリ11に記憶する。
【0072】
(5)モデル領域Mをマスクパターンとし、このモデル領域Mを車両領域T内で移動し、モデル領域Mと車両領域Tとが交差する交差面積Cの最大値を求める(S44)。モデル領域Mの移動と交差面積Cの計算はCPU10によって行い、車両モデルと対応させてメモリ11に交差面積Cの最大値を記憶する。
【0073】
(6)全ての車両モデルに対して交差面積Cを求めたか否かをCPU10によって調べる(S45)。最初は、大型車に対する交差面積Cしか求めていないため、次のステップに進む。なお、全ての車両モデルに対する交差面積Cを求めていれば、(9)に進む。
【0074】
(7)全ての車両モデルに対して交差面積Cを求めていない場合には、メモリ11から他の車両モデル、例えば普通車の車両モデルを読み出し、読み出し普通車の車両モデルのモデル領域Mとモデル領域Mの面積を求める(S46)。求められたモデル領域Mとモデル領域Mの面積は、車両モデルに対応させてメモリ11に記憶する。
【0075】
(8)(7)で求めたモデル領域Mと車両領域Tとの交差面積Cの最大値を求める(S47)。求めた交差面積Cの最大値は、車両モデルと対応させてメモリ11に記憶される。(S46)に進む。
【0076】
(9)車両領域Tが任意のモデル領域n(ただしn=1,2,3,4)である確度(n)の基準を求め、メモリ11に記憶する(S48)。この確度(n)はC/Mと定義する。
【0077】
確度(n)は、車両領域Tに対して、選択された車両モデルが正しい場合、交差面積Cの大きさが、モデル領域Mの大きさに近付き、
【数9】
また、選択されたモデル領域Mが車両領域Tよりも小さい場合には、同じように
【数10】
一方、選択されたモデル領域Mが車両領域Tよりも大きい場合には、
【数11】
(10)全ての車両モデルごとにT/Mを求める(S49)。求めたT/Mは、車両モデルに対応させてメモリ11に記憶され、この計算はCPU10によって行う。
【0078】
(11)所定の関係に基づいて全ての車両モデルごとに新たな確度(n)を求め、記憶する(S50)。所定の関係とは、(S49)で求められたT/MがT/M<1であれば確度(n)=確度(n)×T/Mの計算式を使用し、T/M≧1であれば確度(n)=確度(n)×M/Tの計算式を使用することをいう。
【0079】
新たな確度(n)の計算は、CPU10によって行い、この新たな確度(n)をメモリ11に記憶する。
【0080】
(12)(10)で求めた全ての車両モデルごとのT/Mの大きさを調べる(S51)。T/Mの大きさが1以下である場合には、その車両モデルの確度(n)を所定量(1.5)を乗算し増加し、メモリ11に記憶する。T/Mの大きさが1よりも大きい場合には、確度(n)はそのままとする。
【0081】
なお、確度(n)に乗算される所定量なる数値は、使用者が適宜設定可能である。
【0082】
(13)上述のようにして求められた確度(n)を用いて車種を判別する(S52)。車種の判別は、確度(n)の最大値を有する車両モデルが、カメラ1によって撮像された車両領域Tに含まれる車両であるとする。メモリ11から確度(n)を読み込み、最大値を求め、車種を判別する動作は、CPU10によって行う。判別した車種は、撮像時間と共に車両領域Tと対応させてメモリ11に記憶する。
【0083】
以上のようなステップ(1)〜(13)により、カメラ1によって、撮像された画像内の車両が、いずれの車種であるかを判別する。この方法は、小型車もしくは二輪車を判別する時に、特に有効である。
【0084】
また、図15のフローチャートに示すように、図12(モデル領域が大きな場合)、14(モデル領域が小さい場合)のステップを同時に含んだステップを有していても良い。
【0085】
以上述べた様な第1の実施の形態では、車両領域Tを抽出するために、車両モデルを実画像でなく3次元形状モデルを用いることで、実時間処理を可能とし、かつカメラ1の設置条件に対する制約を軽減し、また複数の車両が重なって撮像された時でもほぼ正しく車種を判別することができる。
【0086】
また、判別の信頼性を高めることができるため、高速道路及び一般道路の広域監視に対して使用することができる。
【0087】
次に、本発明の第2の実施の形態の構成について、図16の第2の実施の形態のブロック図を参照して説明する。
【0088】
なお、以下の各実施の形態において同一構成要素は同一符号を付し重複する説明は省略する。
【0089】
第2の実施の形態の特徴は、電子機器2内にモデル領域記憶装置20を設けたことである。
【0090】
電子機器2内に、モデル領域記憶装置20がモデル領域投影処理装置6と判別装置7とに接続されて配置される。
【0091】
モデル領域記憶装置20は、車両モデルごとにモデル領域Mをあらかじめ記憶している。モデル領域Mの求め方は第1の実施の形態と同様である。
【0092】
第1の実施の形態では、カメラと車両との位置関係が変化するため、その位置関係に対応した車両モデルの大きさ、見え方に変換する必要がある。つまり、カメラと車両の距離が小さければ車両は大きく撮像され、逆に大きければ小さく撮像される。したがって、予め車両モデルごとにモデル領域Mを計算して記憶しておくことはできない。仮に、予め計算されたこのモデル領域Mを判別に使用したとすれば、判別できない、もしくは正しく車種を判別することができない。
【0093】
これに対して、第2の実施の形態では、カメラ1が、検出領域Dから十分遠方(15〜20メートル以上)に配置された場合には、検出領域D内に存在する車両を、その検出領域D内での位置によらず1つのモデル領域Mと近似することができる。このため、モデル領域記憶装置20に、車種ごとのモデル領域Mを予め計算して記憶しておくことができる。
【0094】
車種判別方法は、上述した第1の実施の形態と同一である。
【0095】
以上述べたような第2の実施の形態では、カメラ1の設置位置によって、予め車種ごとのモデル領域Mを計算して求めておくことができ、計算コストを低減することができる。第2の実施の形態では、より実時間処理に対応でき、また計算コストが低いことから、一般道路よりも高速道路等で有利である。
【0096】
なお、本発明は上述した各実施の形態には限定されず、その主旨を逸脱しない範囲で種々変形して実施できることは言うまでもない。例えば、カメラによって撮像された画像内に複数の車両が重なって撮像された場合には、複数の車両を1つの車両領域として抽出しても良い。また、この車両領域を複数の車両領域に分割することが可能であれば、分割して複数の車両領域を抽出しても良い。
【0097】
また、車両領域を抽出する方法としては、オプティカルフローや色情報を用いて行うことも可能である
また、カメラによって撮像される画像は、可視光、もしくは赤外線を使用して撮像される。
【0098】
また、判別する車種の数は、いくつであっても良く、例えば5種類(大型車、中型車、普通車、軽自動車(小型車)、二輪車)とした場合には、中型車の車両モデルで
【数12】
となった時、中型車の確度(n)を減少させて、大型車の確度(n)を更に(中型車よりも)減少させても良い。また、大型車の確度(n)のみを減少させることも可能である。
【0099】
さらに、中型車の車両モデルで
【数13】
となった時、中型車の確度(n)を増加させて、大型車の確度(n)を更に(中型車よりも)増加させても良い。また、大型車の確度(n)のみを増加させることも可能である。
【0100】
さらに、大型車の車両モデルで
【数14】
となった時は、大型車の確度(n)のみを増加させれば良い。
【0101】
また、本発明の実施の形態における処理をコンピュータで実行可能なプログラムで実現し、このプログラムをコンピュータで読み取り可能な記憶媒体として実現することも可能である。
【0102】
なお、本発明における記憶媒体としては、磁気ディスク、フロッピーディスク、ハードディスク、光ディスク(CD−ROM,CD−R,DVD等)、光磁気ディスク(MO等)、半導体メモリ等、プログラムを記憶でき、かつコンピュータが読み取り可能な記憶媒体であれば、その記憶形式は何れの形態であってもよい。
【0103】
また、記憶媒体からコンピュータにインストールされたプログラムの指示に基づきコンピュータ上で稼動しているOS(オペレーションシステム)や、データベース管理ソフト、ネットワーク等のMW(ミドルウェア)等が本実施の形態を実現するための各処理の一部を実行してもよい。
【0104】
さらに、本発明における記憶媒体は、コンピュータと独立した媒体に限らず、LANやインターネット等により伝送されたプログラムをダウンロードして記憶または一時記憶した記憶媒体も含まれる。
【0105】
また、記憶媒体は1つに限らず、複数の媒体から本実施形態における処理が実行される場合も、本発明における記憶媒体に含まれ、媒体の構成は何れの構成であってもよい。
【0106】
なお、本発明におけるコンピュータは、記憶媒体に記憶されたプログラムに基づき、本実施の形態における各処理を実行するものであって、パソコン等の1つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であってもよい。
【0107】
また、本発明におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本発明の機能を実現することが可能な機器、装置を総称している。
【0108】
また、本発明は判別する対象を自動車(2輪、4輪)としているが、他の移動体である飛行機、列車、船、自転車や人間等に適用することも可能である。
【0109】
【発明の効果】
以上説明したように本発明によれば、実時間処理が可能であり、カメラの設置条件に対する制約がより少なくして、所望の車種を判別することができる。
【図面の簡単な説明】
【図1】 本発明の車種判別装置の第1の実施の形態を道路に設置した時の斜視図。
【図2】 本発明の車種判別装置の第1の実施の形態のブロック図。
【図3】 本発明の車種判別装置の第 1 の実施の形態のフローチャート。
【図4】 本発明の車種判別装置の電子機器のブロック図。
【図5】 本発明の車種判別方法の動作の説明図。
【図6】 本発明の車種判別方法の動作の説明図。
【図7】 本発明の車種判別方法の動作の説明図。
【図8】 本発明の車種判別方法の動作の説明図。
【図9】 本発明の車種判別方法の動作の説明図。
【図10】 本発明の車種判別方法の動作の説明図。
【図11】 本発明の車種判別方法の動作の説明図。
【図12】 本発明の車種判別方法のフローチャート。
【図13】 本発明の車種判別方法の動作の説明図。
【図14】 本発明の車種判別方法のフローチャート。
【図15】 本発明の車種判別方法のフローチャート。
【図16】 本発明の車種判別装置の第2の実施の形態のブロック図。
【符号の説明】
1 カメラ
2 電子機器
3 支柱
4 画像信号処理装置
5 モデル記憶装置
6 モデル投影処理装置
7 判別装置
20 モデル領域記憶装置
Claims (5)
- 移動体が通行する領域を撮像範囲とした画像を撮像する撮像手段と、
撮像された前記画像内から前記移動体を含む領域を移動体領域として抽出する移動体領域抽出手段と、
複数種の移動体の3次元形状を移動体の車種ごとに移動体モデルとして記憶する記憶手段と、
前記移動体モデルを、前記画像上の前記移動体の撮像方向の見え方に変換した移動体モデル画像に変換する移動体モデル画像変換手段と、
前記移動体領域と前記移動体モデル画像とを重ね合わせて、前記移動体領域と前記移動体モデル画像とが交差する領域の交差面積を求める手段と、
前記交差面積を前記移動体モデル画像の面積で除した交差面積モデル面積比、前記移動体領域の面積を前記移動体モデル画像の面積で除した領域面積モデル面積比、および、前記交差面積を前記移動体領域の面積で除した交差面積領域面積比を求める手段と、
前記領域面積モデル面積比が1未満の場合には前記交差面積モデル面積比に前記領域面積モデル面積比を乗じたものを基礎確度とし、前記領域面積モデル面積比が1より大きい場合には前記交差面積モデル面積比を前記領域面積モデル面積比で除したものを基礎確度とする手段と、
前記移動体モデル画像に対応する車種をその移動体モデル画像の面積によって判別するための第一の基準面積、および、前記移動体領域と前記移動体モデル画像とが交差する領域が複数の車両を含むか否かを前記交差面積領域面積比によって判別するための第一の閾値を設定する工程と、
前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が前記第一の閾値未満の場合には第一の調整係数を1未満の正数とし、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値以上の場合、および、前記移動体モデル画像の面積が前記第一の基準面積以下の場合には第一の調整係数を1とする手段と、
前記基礎確度に前記第一の調整係数を乗じて、前記移動体領域に前記移動体モデル画像が適合している確度を算出する確度算出手段と、
前記確度が最大となる前期移動体モデルが前記移動体領域に撮像されている車種であると判別する手段と、
を具備したことを特徴とする車種判別装置。 - 前記移動体モデル画像に対応する車種が、前記移動体領域に含まれる車両の車種よりも小型か否かを前記交差面積モデル面積比によって判別するための第二の閾値を設定する工程と、
前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積モデル面積比が前記第二の閾値以上の場合には第二の調整係数を1より大きい所定の値とし、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積モデル面積比が前記第二の閾値未満の場合、および、前記移動体モデル画像の面積が前記第一の基準面積以下の場合には第二の調整係数を1とする手段と、
を具備し、
前記確度算出手段は前記確度に前記第二の調整係数を乗じる手段をさらに含む、
ことを特徴とする請求項1に記載の車種判別装置。 - 前記移動体モデル画像に対応する車種をその移動体モデル画像の面積によって判別するための前記第一の基準面積よりも小さい第二の基準面積を設定する工程と、
前記移動体モデル画像の面積が前記第二の基準面積より小さい場合であって前記領域面積モデル面積比が1以下の場合には第三の調整係数を1より大きい所定の数とし、前記移動体モデル画像の面積が前記第二の基準面積より小さい場合であって領域面積モデル面積比が1より大きい場合、および、前記移動体モデル画像の面積が前記第二の基準面積以上の場合には第三の調整係数を1とする手段と、
を具備し、
前記確度算出手段は前記確度に前記第三の調整係数を乗じる手段をさらに含む、
ことを特徴とする請求項1または請求項2に記載の車種判別装置。 - 移動体が通行する領域を撮像範囲とした画像を撮像する工程と、
撮像された前記画像内から前記移動体を含む領域を移動体領域として抽出する工程と、
複数種の移動体の3次元形状を移動体の車種ごとに移動体モデルとして記憶する工程と、
前記移動体モデルを、前記画像上の前記移動体の撮像方向の見え方に変換した移動体モデル画像に変換する工程と、
前記移動体領域と前記移動体モデル画像とを重ね合わせて、前記移動体領域と前記移動体モデル画像とが交差する領域の交差面積を求める工程と、
前記交差面積を前記移動体モデル画像の面積で除した交差面積モデル面積比、前記移動体領域の面積を前記移動体モデル画像の面積で除した領域面積モデル面積比、および、前記交差面積を前記移動体領域の面積で除した交差面積領域面積比を求める工程と、
前記領域面積モデル面積比が1未満の場合には前記交差面積モデル面積比に前記領域面積モデル面積比を乗じたものを基礎確度とし、前記領域面積モデル面積比が1より大きい場合には前記交差面積モデル面積比を前記領域面積モデル面積比で除したものを基礎確度とする工程と、
前記移動体モデル画像に対応する車種をその移動体モデル画像の面積によって判別するための第一の基準面積、および、前記移動体領域と前記移動体モデル画像とが交差する領域が複数の車両を含むか否かを前記交差面積領域面積比によって判別するための第一の閾値を設定する工程と、
前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値未満の場合には第一の調整係数を1未満の正数とし、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値以上の場合、および、前記移動体モデル画像の面積が前記第一の基準面積以下の場合には第一の調整係数を1とする工程と、
前記基礎確度に前記第一の調整係数を乗じて、前記移動体領域に前記移動体モデル画像が適合している確度を算出する工程と、
前記確度が最大となる前期移動体モデルが前記移動体領域に撮像されている車種であると判別する工程と、
を有することを特徴とする車種判別方法。 - 車両の車種の判別を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体であって、
移動体が通行する領域を撮像範囲とした画像を撮像させ、
撮像された前記画像内から前記移動体を含む領域を移動体領域として抽出させ、
複数種の移動体の3次元形状を移動体の車種ごとに移動体モデルとして記憶させ、
前記移動体モデルを、前記画像上の前記移動体の撮像方向の見え方に変換した移動体モデル画像に変換させ、
前記移動体領域と前記移動体モデル画像とを重ね合わせて、前記移動体領域と前記移動体モデル画像とが交差する領域の交差面積を求めさせ、
前記交差面積を前記移動体モデル画像の面積で除した交差面積モデル面積比、前記移動体領域の面積を前記移動体モデル画像の面積で除した領域面積モデル面積比、および、前記交差面積を前記移動体領域の面積で除した交差面積領域面積比を求めさせ、
前記領域面積モデル面積比が1未満の場合には前記交差面積モデル面積比に前記領域面積モデル面積比を乗じたものを基礎確度とさせ、前記領域面積モデル面積比が1より大きい場合には前記交差面積モデル面積比を前記領域面積モデル面積比で除したものを基礎確度とさせ、
前記移動体モデル画像に対応する車種をその移動体モデル画像の面積によって判別するための第一の基準面積、および、前記移動体領域と前記移動体モデル画像とが交差する領域が複数の車両を含むか否かを前記交差面積領域面積比によって判別するための第一の閾値を設定させ、
前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値未満の場合には第一の調整係数を1未満の正数とさせ、前記移動体モデル画像の面積が前記第一の基準面積より大きい場合であって前記交差面積領域面積比が第一の閾値以上の場合、および、前記移動体モデル画像の面積が前記第一の基準面積以下の場合には第一の調整係数を1とさせ、
前記基礎確度に前記第一の調整補正係数を乗じて、前記移動体領域に前記移動体モデル画像が適合している確度を算出させ、
前記確度が最大となる前期移動体モデルが前記移動体領域に撮像されている車種であると判別させる、
プログラムを記憶したコンピュータ読み取り可能な記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000388866A JP3816747B2 (ja) | 2000-12-21 | 2000-12-21 | 車種判別装置及び車種判別方法及び車種判別方法を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2000388866A JP3816747B2 (ja) | 2000-12-21 | 2000-12-21 | 車種判別装置及び車種判別方法及び車種判別方法を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002190023A JP2002190023A (ja) | 2002-07-05 |
JP3816747B2 true JP3816747B2 (ja) | 2006-08-30 |
Family
ID=18855532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000388866A Expired - Fee Related JP3816747B2 (ja) | 2000-12-21 | 2000-12-21 | 車種判別装置及び車種判別方法及び車種判別方法を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3816747B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103794050A (zh) * | 2014-01-21 | 2014-05-14 | 华东交通大学 | 一种实时的交通车辆检测与跟踪方法 |
US11151633B1 (en) | 2020-06-17 | 2021-10-19 | Capital One Services, Llc | Systems and methods of application of machine learning to traffic data for vehicle recommendation |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004302699A (ja) * | 2003-03-28 | 2004-10-28 | Sumitomo Electric Ind Ltd | 車両検知器 |
JP5105400B2 (ja) * | 2006-08-24 | 2012-12-26 | コイト電工株式会社 | 交通量計測方法および交通量計測装置 |
JP2009003647A (ja) * | 2007-06-20 | 2009-01-08 | Mitsubishi Electric Corp | 物品検出装置 |
US8823797B2 (en) * | 2010-06-03 | 2014-09-02 | Microsoft Corporation | Simulated video with extra viewpoints and enhanced resolution for traffic cameras |
JP5677281B2 (ja) * | 2011-12-27 | 2015-02-25 | 株式会社東芝 | 車両検知装置 |
JP5899944B2 (ja) | 2012-01-17 | 2016-04-06 | 沖電気工業株式会社 | 車種判別装置 |
JP2014061797A (ja) * | 2012-09-21 | 2014-04-10 | Kobe Steel Ltd | 列車の車種判定方法及び車種判定装置 |
KR101407658B1 (ko) | 2013-04-16 | 2014-06-27 | 정영창 | 이미지기반 차량인식방법 및 시스템 |
KR101321597B1 (ko) | 2013-08-30 | 2013-10-28 | 주식회사 넥스파시스템 | 영상해석 기반 차량 인식 및 무인 정산 시스템 |
JP6685704B2 (ja) * | 2015-11-27 | 2020-04-22 | 株式会社東芝 | 車種判別装置および車種判別方法 |
JP6615709B2 (ja) * | 2016-07-13 | 2019-12-04 | 日本電信電話株式会社 | 前景領域抽出装置、方法、及びプログラム |
-
2000
- 2000-12-21 JP JP2000388866A patent/JP3816747B2/ja not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103794050A (zh) * | 2014-01-21 | 2014-05-14 | 华东交通大学 | 一种实时的交通车辆检测与跟踪方法 |
US11151633B1 (en) | 2020-06-17 | 2021-10-19 | Capital One Services, Llc | Systems and methods of application of machine learning to traffic data for vehicle recommendation |
US11893617B2 (en) | 2020-06-17 | 2024-02-06 | Capital One Services, Llc | Systems and methods of application of machine learning to traffic data for vehicle recommendation |
Also Published As
Publication number | Publication date |
---|---|
JP2002190023A (ja) | 2002-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4624594B2 (ja) | 物体認識方法および物体認識装置 | |
EP2282295B1 (en) | Object recognizing device and object recognizing method | |
WO2020000251A1 (zh) | 基于摄像机协同接力的路口违章视频识别方法 | |
EP2549457B1 (en) | Vehicle-mounting vehicle-surroundings recognition apparatus and vehicle-mounting vehicle-surroundings recognition system | |
US7266220B2 (en) | Monitoring device, monitoring method and program for monitoring | |
KR102613839B1 (ko) | 긴급 차량들의 검출 | |
JP6679152B1 (ja) | 事故分析装置、事故分析方法及びプログラム | |
JP3816747B2 (ja) | 車種判別装置及び車種判別方法及び車種判別方法を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体 | |
JP2008168811A (ja) | 車線認識装置、車両、車線認識方法、及び車線認識プログラム | |
JP4940177B2 (ja) | 交通流計測装置 | |
CN114419874B (zh) | 基于路侧感知设备数据融合的目标行车安全风险预警方法 | |
JP7285799B2 (ja) | 事故分析装置、事故分析方法及びプログラム | |
WO2021166169A1 (ja) | 車両状態推定方法、車両状態推定装置、及び車両状態推定プログラム | |
JP4296287B2 (ja) | 車両認識装置 | |
WO2002052523A1 (fr) | Procede et appareil de surveillance de vehicule | |
KR102368262B1 (ko) | 다중 관측정보를 이용한 신호등 배치정보 추정 방법 | |
CN115359438A (zh) | 一种基于计算机视觉的车辆加塞的检测方法、系统和装置 | |
Chen et al. | Video-based on-road driving safety system with lane detection and vehicle detection | |
JP2002163645A (ja) | 車両検出装置及びその方法 | |
Wei et al. | Adaptive video-based vehicle classification technique for monitoring traffic. | |
JP7140895B1 (ja) | 事故分析装置、事故分析方法及びプログラム | |
Huang | Roadside camera calibration and its application in length-based vehicle classification | |
JP7507930B2 (ja) | 事故分析装置 | |
JP7038881B1 (ja) | 事故分析装置、事故分析方法及びプログラム | |
CN115497070A (zh) | 用于夜间识别道路上移动物体的方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050613 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050621 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050812 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20050908 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20051213 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060120 |
|
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: 20060606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060608 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090616 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100616 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100616 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110616 Year of fee payment: 5 |
|
LAPS | Cancellation because of no payment of annual fees |