JP4225807B2 - 路面状況判定方法および装置 - Google Patents
路面状況判定方法および装置 Download PDFInfo
- Publication number
- JP4225807B2 JP4225807B2 JP2003063062A JP2003063062A JP4225807B2 JP 4225807 B2 JP4225807 B2 JP 4225807B2 JP 2003063062 A JP2003063062 A JP 2003063062A JP 2003063062 A JP2003063062 A JP 2003063062A JP 4225807 B2 JP4225807 B2 JP 4225807B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- image feature
- road surface
- surface condition
- dispersion
- 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
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Description
【発明の属する技術分野】
本発明は道路上に設置した監視カメラの映像を入力し、その入力画像を処理することにより、道路路面の乾燥、湿潤、水膜等の路面状態を判定する路面状況判定方法および装置に関する。
【0002】
【従来の技術】
従来から、道路上の路面状況を判定する判定装置とし、以下のものが提案されている。
(1)路面に赤外線を照射し、この路面からの正反射及び乱反射成分を検出し、受光した受光レベルにより路面の状況を判定する装置。
(2)カメラに特殊な偏向フィルタを取り付け、このカメラにより垂直偏向画像及び水平偏向画像を撮影し、それぞれの偏向成分の比率に基づいて、路面状況を判定する装置。
ところが、これらの路面状況判定装置の場合には、以下のような問題がある。すなわち、前記(1)の装置では路面に局所的に赤外線を照射するものであるため、この装置では局所的な情報しか得ることができず、路面の広い範囲の状況を正確に把握することができないという問題があった。
また、前記(1)、(2)のいずれの装置においても、特殊な別の装置を道路上の設備として新たに追加して設置する必要があるため、既存の設備をそのまま利用することができずコストが嵩む恐れがあるという問題があった。
【0003】
上記従来技術の問題点を解決するため、道路監視用に設置されているTVカメラによるモニタ映像を入力し、この映像により取得した画像をビットマップ画像として取り込み、この画像から得られる色相平均・分散、彩度平均・分散、明度平均・分散等の画像特徴量にもとづいて、多変量解析における判別分析法により路面状態を判定するものが提案されている(特許文献1参照)。
この方式では、先の従来技術と異なり、既存に設置されている道路監視用の可視カメラを利用することにより、また、道路上に新たな設備を追加することなく、広い範囲において路面の状況を正確且つ詳細に判定することができる路面状況判定装置を実現できる。
【0004】
【特許文献1】
特開2002−140789号公報
【0005】
【発明が解決しようとする課題】
ところがこのような可視カメラから得られる画像特徴量を利用する従来の装置には、同一の路面状況に対応する画像特徴データの分布が単一の正規分布であることを前提にするために、正解率が劣化する場合があった。
また、同一の路面状況に対応する画像特徴データの分布が、設置条件、季節によって変化するために、個々の設置場所において最低でも1年間は、目視で判定した路面状況と対応する画像特徴データのサンプルデータを収集し、それをもとに、各路面状況に対応する適切な画像特徴量の分布を決定する作業が不可欠であり、装置の導入コストが大きいという課題があった。
本発明は上記従来技術の問題点を解決するためになされたものであって、本発明の目的は、人手によるサンプルデータ収集を自動化することができ、また、設置条件、季節変化に対して自動的にチューニング作業を行うことができ、導入コストの大幅な削減を実現することができる路面状況判定方法および装置を提供することである。
【0006】
【課題を解決するための手段】
本発明においては、以下のようにして前記課題を解決する。
(1)各路面状態の分布を、図2(b)に示すように複数の正規分布の重み付き和(混合正規分布)によって表現し、画像特徴量分布データとして、図1の画像特徴量分布データ記憶部5に格納する。
そして、画像特徴量算出部3で、TVカメラで取得した路面画像から色相平均・分散、彩度平均・分散、明度平均・分散等の画像特徴量を算出し、判定部4で、画像特徴量算出部3で算出された画像特徴量が、上記混合正規分布で定義された路面状況のどれに帰属するかで、路面状況を判定する。
本発明においては、上記のように各路面状態の分布を複数の正規分布の重み付き和によって、より正確に表現し、現在の画像特徴量がどの路面状態の分布に帰属する確率が高いかにより路面状態を判定しているので、従来に比べ、誤認識の発生率を大幅に低減することができる。
(2)上記において、1日程度の人手によるサンプルデータから作成した初期分布を利用して、判定処理を行いながら、帰属確率が一定以上で信頼性が高いデータを蓄積し、蓄積されたデータを用いて、定期的に路面状態の分布を再計算する処理を各路面状態について十分な数のデータが蓄積するまで繰り返し、画像特徴量分布データ記憶部5格納された画像特徴量分布データを、設置条件に応じて自動的にチューニングする。
これにより、従来のように路面状況と対応する画像特徴データのサンプルデータを収集し、各路面状況に対応する適切な画像特徴量の分布を決定する作業が不要となり、導入コストの低減化を図るとともに、路面状況判定の正解率を向上させることができる。
(3)上記(2)において、過去の様々な設置条件にて収集したサンプルデータ複数の正規分布の重み付き加算で表現し、設置条件に依存しない共通的な画像特徴分布が一定以上の重みをもつ画像特徴分布を得る。
この共通的な画像特徴分布を上記(2)における初期期分布とすることで、過去の様々な設置条件にて収集したサンプルデータをもとに初期分布を自動的に得ることができ、設置条件に対するチューニングを完全に自動化することができる。
(4)季節による画像特徴データの分布の変化が緩やかである点に着目し、ある季節に人手により収集したサンプルデータから作成した初期分布を利用して判定処理を行いながら、帰属確率が一定以上で信頼性が高いデータを蓄積し、この蓄積されたデータを用いて、定期的に路面状態の分布を再計算する処理を繰り返すことにより、画像特徴量分布データ記憶部5格納された画像特徴量分布データを、季節変化に応じて自動的にチューニングする。
季節によって天候、日照条件が変化するために、各路面状態に対する画像特徴データの分布も、季節により変動するが、上記のように画像特徴量分布データを、季節変化に応じて自動的にチューニングすることにより、従来のように、最低1年間にわたって定期的に人手によるサンプルデータを収集して、季節に応じた各路面状態に対応する適切な画像特徴量の分布を決定する作業が不要となり、導入コストの低減化を図るとともに、路面状況判定の正解率を向上させることができる。
(5)上記(3)(4)を組み合わせ、設置条件、季節変化に対するチューニング作業を自動化する。
【0007】
【発明の実施の形態】
図1は本発明の第1の実施例の路面状況判定装置の機能ブロック図である。
図1において、TVカメラ1にて撮影した路面画像を画像入力部2でデジタル化する。ついで、画像特徴量算出部3にてデジタル画像を処理して、注目領域の輝度平均・分散、彩度平均・分散、明度平均・分散の画像特徴量を算出する。
一方、画像特徴量分布データ記憶部5には、画像特徴量の分布データが格納されており、判定部4では、上記画像特徴量分布データ記憶部5に格納された画像特徴量の分布データと、画像特徴量算出部3で算出された画像特徴量とから、路面状況を判定する。
上記画像特徴量分布データ記憶部5に格納された画像特徴量の分布データは、予め所定の設置条件でTVカメラにより収集したサンプルデータにEMアルゴリズムを適用し、複数の正規分布の重み付き和(混合正規分布という)として各路面状況を表したものであり、上記判定部4は、画像特徴量算出部3で算出された画像特徴量が、上記混合正規分布で定義された路面状況のどれに帰属するかで、路面状況を判定する。
なお、本発明の路面状況判定装置は、CPU、メモリ、外部記憶装置、入出力装置等を備えた処理装置で実現することができ、この場合、上記外部記憶装置には、プログラム、データ等が格納され、上記画像特徴量算出部3、判定部4等で行われる機能は、上記プログラムを実行することにより行われる。
【0008】
図2は、前記特許文献1に記載される路面状況判定装置における画像特徴量分布データと、本実施例の画像特徴量の分布データを示す図である。
上記特許文献1に記載されるものでは、路面状態に対応する画像特徴の分布を単一の正規分布で表現し、それをもとに現在の画像特徴データがどの路面状態の分布に帰属する確率が高いかをもって路面状態を判定していた。
例えば図2(a)に示すように、算出した画像特徴量データを、横軸を画像特徴量U、縦軸を画像特徴量Vとした空間上にプロットし、路面状況A,Bの各特徴量の分布が正規分布であるとして平均値と分散値の分布特性で各路面状況を表し、TVカメラで捉えた路面画像データから算出した画像特徴量が、どの路面状況の分布に帰属するかを判別して、路面状況を判別していた。なお、図2では、2次元平面上で特徴量分布を示しているが、特徴量分布は実際にはn次元空間上にプロットされる。
上記特許文献1に記載されるものでは、上記のように路面状況を判定しているため、実際の画像特徴の分布が正規分布と大きく異なっている場合には、2以上の分布が接近してしまい、誤認識が発生する可能性が大きい。
【0009】
これに対し、本発明においては、画像特徴量分布に対してEMアルゴリズムを適用し、図2(b)に示すように、各路面状態の分布を複数の正規分布の重み付き和によって、より正確に表現することにより、誤認識の発生率を大幅に低減した。なお、EMアルゴリズムについては、例えば、”渡辺美智子、山口和範編著、「EMアルゴリズムと不完全データ」、多賀出版社発行”,”電子情報通信学会論文誌、「明度分布パターン推定に基づくシーン状態変化の動的認識」 D-II,Vol.J85.J85-D-II No.2,「明度分布パターン推定に基づくシーン状態変化の動的認識」,PP272-261,2002 年2 月”等を参照されたい。
EMアルゴリズムによれば、特徴量分布を正規分布の重み付き和(混合正規分布)によって表現することができ、図2(a)に示す特徴量分布は、EMアルゴリズムを適用することにより、図2(b)に示すように以下の(1)式に示す混合正規分布で表される。
【0010】
【0011】
例えば、図2(b)において、実線で囲まれた領域は、路面状況A(例えば路面乾燥)の特徴量分布を示し、点線で囲まれた領域は路面状況B(例えば路面湿潤)の特徴量分布を表し、各特徴量分布は、それぞれ上記(2)(3)式の混合正規分布P1,P2で定義される。
なお、図2(b)の例では、(2)(3)式のn1,n2はそれぞれn1=2,n2=2であり、例えば路面状況Aの混合正規分布P1は、(2)式に示すように、特徴量分布1(Φ11)と特徴量分布2(Φ12) をウエイトw11 ,w12 を付けて加算したもので表される。
判定部4では、画像特徴量算出部3で算出された画像特徴量が、上記混合正規分布で定義された路面状況のどれに帰属するかの帰属確率を求めて、路面状況を判定する。
上記画像特徴量データの各路面状態への帰属確率は、ベイズ識別法により算出することができる。ベイス識別法については、例えば、大津展之、粟田多喜夫、関田巌著、「パターン認識」、朝倉書店、等を参照されたい。
本実施例においては、上記のような混合正規分布を用いたので、正解率を向上させることができる。
【0012】
上記第1の実施例では、予め収集したサンプルデータにEMアルゴリズムを適用し、混合正規分布を得ていたが、以下の説明する本発明の第2の実施例では、これまで少なくとも1週間以上の人手によるサンプルデータに依存していた設置条件に対するチューニング作業を、1日程度の人手によるサンプルデータから作成した初期分布をもとに、自動的に生成する。
図3は本発明の第2の実施例の路面状況判定装置の機能ブロック図である。
本実施例では、前記図1に示したものに、画像特徴量分布調整手段6と、記憶部7を設けたものである。
画像特徴量分布調整手段6は、記憶部7に格納された初期サンプルデータをもとに、路面状況の初期分布データを生成し、この初期分布データを利用して判定処理を行いながら、帰属確率が一定以上で信頼性が高いデータを上記記憶部7に蓄積する。また、蓄積されたデータを用いて、定期的に設置条件に応じた路面状態の分布を再計算することにより、画像特徴量分布データ記憶部6に格納された画像特徴量分布データを自動的にチューニングする。
その他の動作は前記図1に示したものと同様であり、画像特徴量算出部3は、TVカメラで取得した注目領域の輝度平均・分散、彩度平均・分散、明度平均・分散の画像特徴量を算出する。
画像特徴量分布データ記憶部5には、最初、初期サンプルデータから生成した初期分布データが格納され、上記画像特徴量分布調整手段6により、上記初期分布データが自動的にチューニングされる。
判定部4は、上記画像特徴量分布調整手段6でチューニングされた画像特徴量分布データに基づき、画像特徴量算出部3で算出された画像特徴量が路面状況のどれに帰属するかを判定して路面状況を判定する。
【0013】
図4(a)は本実施例におけるチューニング処理を示すフローチャートである。
まず、各路面状態の初期分布を記憶部7に格納された初期サンプルデータを もとに生成し、調整モードをセットする(ステップS1)。
次いで、画像を入力し、前記したように画像特徴量算出部3で画像特徴量を計算し(ステップS2)、判定部4で各路面状況の帰属確率を計算する(ステップS3)。
そして、調整モードであれば、ステップS4からステップS5に行き、帰属確率が閾値を越えているかを調べ、閾値を越えていなければステップS2に戻る。また、閾値を越えていれば、帰属確率が最大となる路面状況のサンプルデータを追加し(ステップS6)、追加数が閾値より大きいかを判定する(ステップS7)。追加数が閾値を越えていれば、データの追加数が閾値を越えた路面状況の特徴量分布を前記EMアルゴリズムにより再計算する(ステップS8)。
次いで、追加総数が閾値を越えているかを調べ(ステップS9)、追加総数が閾値を越えていれば、ステップS10で調整モードを終了(リセット)し、ステップS2に戻る。
ステップS2では、前記したように画像を入力し、画像特徴量を計算し、ステップS3において各路面状況の帰属確率を計算する。
そして、調整モードがリセットされているので、ステップS11に行き、帰属確率が最大となる路面状況を判定結果として出力する。
上記処理を行うことにより、図4(b)に示すように、初期サンプルデータにデータが追加されるとともに、再計算により路面状況の特徴量分布が調整され、実際の設置条件に応じた特徴量分布になるように自動的にチューニングされる。本実施例においては、上記のように、画像特徴量分布調整手段6により、初期分布を利用して判定処理を行いながら、帰属確率が一定以上で信頼性が高いデータを蓄積し、定期的に路面状態の分布を再計算しているので、設置条件に対するチューニング作業を、1日程度の人手によるサンプルデータから作成した初期分布をもとに自動的に生成することができ、従来例のように、目視で判定した路面状況と対応する画像特徴データのサンプルデータを収集し、各路面状況に対応する適切な画像特徴量の分布を決定する作業が不要となり、導入コストの低減化を図るとともに、路面状況判定の正解率を向上させることができる。
なお、上記効果は、混合正規分布を用いて路面状況を判定することにより得られるものであり、前記図2(a)で説明した従来技術に基づいて実施した場合には、誤認識が多いために正しいチューニングは困難である。
【0014】
上記第2の実施例では初期サンプルデータから初期分布データを得ているが、本発明の第3の実施例は、第2の実施例で必要とされる初期分布を得る作業を、過去の様々な設置条件にて収集したサンプルデータを基に自動的に得るようにしたものである。
図5は本実施例を説明する図である。
本実施例では、まず過去の様々な設置条件にて収集したサンプルデータを複数の正規分布の重み付き加算で表現する。
例えば、過去の様々な設置条件にて収集したサンプルデータに、EMアルゴリズムを適用することにより、図5に示すようにA,B,Cの分布が得られたとする。
図5に示す分布を正規分布の重み付き加算で表現すると、例えば以下の(4)式であらわされる。なお、(4)式で上記分布A,B,CはそれぞれΦ1,Φ2,Φ3に対応している。
P=w1・Φ1+w2・Φ2+w3・Φ3…(4)
ここで、w3>>w2,w3とすると、上記正規分布Φ1,Φ2,Φ3の中で、最もウエイトが大きい分布Cは共通の正規分布と考えることができ、分布Aは条件Aに特化した分布、分布Bは条件Bに特化した分布と考えることができる。
そこで、上記正規分布の重み付き加算の各項の中で、最もウェイトの大きい分布を共通の分布として取り出す。
これにより、過去の様々な設置条件にて収集したサンプルデータから、設置条件に依存しない共通的な画像特徴分布を、一定以上の重みをもつ画像特徴分布として得ることができる。例えば、上記(4)式に示す画像分布においては、初期分布として、以下の(5)式を得ることができる。なお、以下の(5)式においてw3=1である。
P=w3・Φ3…(5)
以上のようにすれば、過去の様々な設置条件にて収集したサンプルデータを基に、共通的な初期分布データを自動的に得ることができる。したがって、この初期分布データを用いて、第2の実施例で説明した処理を行えば、設置条件に対するチューニングを完全に自動化することができる。
【0015】
ところで、季節によって天候、日照条件が変化するために、各路面状態に対する画像特徴データの分布も、季節により変動する。そのため、従来では、最低1年間にわたって定期的に人手によるサンプルデータを収集して、季節に応じた各路面状態に対する画像特徴データの分布を得る必要があった。
本発明の第4の実施例では、季節による画像特徴データの分布の変化が緩やかである点に着目し、ある季節に人手により収集したサンプルデータから作成した初期分布を利用して判定処理を行いながら、帰属確率が一定以上で信頼性が高いデータを蓄積する。また、蓄積されたデータを用いて、定期的に季節に応じた路面状態の分布を再計算する処理を繰り返すことにより、季節変化に対するチューニングを自動実行する。
本実施例の構成は、前記図3に示したものと同様であり、画像特徴量分布データ記憶部5には、最初、初期分布データが格納され、画像特徴量分布調整手段6は、定期的に、季節に応じた路面状態の分布を再計算する処理を繰り返すことにより、上記画像特徴量分布データ記憶部5に格納される分布データのチューニングを自動実行する。
図6(a)は本実施例におけるチューニング処理を示すフローチャートである。
まず、各路面状態の初期分布を記憶部7に格納された初期サンプルデータを もとに生成し、経過時間をリセットする(ステップS1)。
次いで、画像を入力し、前記したように画像特徴量算出部3で画像特徴量を計算し(ステップS2)、判定部4で各路面状況の帰属確率を計算する(ステップS3)。
そして、帰属確率が最大となる路面状況を判定結果として出力し(ステップS4)、帰属確率が閾値を越えているかを調べる(ステップS5)。
帰属確率が閾値を越えていなければステップS2に戻る。また、閾値を越えていれば、帰属確率が最大となる路面状況をサンプルデータに追加し(ステップS6)、経過時間が閾値を越えているかを判定する(ステップS7)。経過時間が閾値を越えていれば、全路面状況の特徴量分布を前記EMアルゴリズムにより再計算し、経過時間をリセットし(ステップS8)、ステップS2に戻り、上記処理を繰り返す。
上記処理を行うことにより、前記第2の実施例と同様、図6(b)に示すように、初期サンプルデータにデータが追加されるとともに、再計算により路面状況の特徴量分布が調整され、季節変化に応じて特徴量分布が自動的にチューニングされる。
【0016】
図7は本発明の第5の実施例の処理を示すフローチャートであり、本実施例は、前記第3の実施例、第4の実施例を組み合わせることにより、設置条件、季節変化に対するチューニング作業を自動化するようにしたものである。
本実施例の構成は、前記図3に示したものと同様であり、画像特徴量分布データ記憶部5には、最初、初期分布データが格納され、画像特徴量分布調整手段6は、定期的に、設置条件、季節に応じた路面状態の分布を再計算する処理を繰り返すことにより、上記画像特徴量分布データ記憶部5に格納される分布データのチューニングを自動実行する。
図7において、まず、各路面状態の初期分布を記憶部7に格納された初期サンプルデータをもとに生成し、経過時間をリセットする(ステップS1)。
次いで、画像を入力し、前記したように画像特徴量算出部3で画像特徴量を計算し(ステップS2)、判定部4で各路面状況の帰属確率を計算する(ステップS3)。
そして、帰属確率が閾値を越えているかを調べる(ステップS4)。
帰属確率が閾値を越えていなければステップS2に戻る。また、閾値を越えていれば、帰属確率が最大となる路面状況をサンプルデータに追加する(ステップS5)。
ついで、設置条件調整モードであるかを調べ、設置条件調整モードであれば、ステップS6からステップS7に行き、サンプルデータの追加数が閾値を越えているかを調べ、越えていなければステップS2に戻る。また、追加数が閾値を越えていれば、データの追加数が閾値を越えた路面状況の特徴量分布を再計算し(ステップS8)、追加総数が閾値を越えているかを調べる(ステップS9)。
追加総数が閾値を越えていなければステップS2に戻り、越えていればステップS9からステップS10に行き、設置条件調整を終了させステップ2に戻る。
そして、ステップS2からステップS5の処理を行い、ステップS6からステップ11に行き、帰属確率が最大となる路面状態を判定結果として出力し、ステップS12で経過時間が閾値を越えたかを調べる(ステップS12)。
経過時間が閾値を越えていなければ、ステップS2に戻り上記処理を繰り返し、閾値を越えていれば、全路面状態の特徴量分布を再計算し、経過時間をリセットしてステップS2に戻る。
上記処理を行うことにより、初期サンプルデータにデータが追加されるとともに、追加されたデータを用いた再計算により路面状況の特徴量分布が調整され、設置条件、季節変化に応じて特徴量分布が自動的にチューニングされる。
【0017】
(付記1) 路面の画像から得られる、色相平均・分散、彩度平均・分散、明度平均・分散等の画像特徴量の混合正規分布を用いて路面状況を定義し、
上記画像特徴量の混合正規分布に基づき、道路上に設置した監視カメラの画像から路面状況を判定する
ことを特徴とする路面状況判定方法。
(付記2) 同一路面状況で判定された画像特徴量データを利用して、予め定めた所定の初期分布の画像特徴量分布を再定義することにより、設置条件に依存する画像特徴量分布の変化を自動的に調整する
ことを特徴とする付記1の路面状況判定方法。
(付記3) 路面の画像から得られる、色相平均・分散、彩度平均・分散、明度平均・分散等の画像特徴量の混合正規分布を用いて路面状況を定義した画像特徴量の分布を格納する画像特徴量分布格納手段と、
道路上に設置した監視カメラの画像から、注目領域の輝度分布・分散、彩度平均・分散、明度平均・分散の画像特徴量を算出する手段と、
上記画像特徴量分布格納手段に格納された画像特徴量の分布と、上記算出された画像特徴量に基づき、路面状況を判定する判定手段を備えた
ことを特徴とする路面状況判定装置。
(付記4) 同一路面状況において取得した画像特徴量データを利用して、予め生成された初期分布の画像特徴量分布を再定義することにより、設置条件に依存する画像特徴量分布の変化を得る画像特徴量分布調整手段を有し、
上記判定手段は、上記調整された画像特徴量分布を利用して、路面状況を判定する
ことを特徴とする付記3の路面状況判定装置。
(付記5) 異なる設置条件のもとで収集された同一路面状況に対応する画像特徴量データから求めた設置条件への依存度の少ない特徴量分布を初期分布とすることを特徴とする付記4の路面状況判定装置。
(付記6) 運用中に、ある期間の同一路面状況において収集した画像特徴量データから求めた画像特徴量分布を初期分布とし、該初期分布の画像特徴量分布を再定義することにより、季節に依存する画像特徴量分布の変化を得る画像特徴量分布調整手段を有し、
上記判定手段は、上記調整された画像特徴量分布を利用して、路面状況を判定する
ことを特徴とする付記3の路面状況判定装置。
(付記7) 異なる設置条件のもとで収集された同一路面状況に対応する画像特徴量データから求めた設置条件への依存度の少ない特徴量分布を初期分布として、同一路面状況において判定された画像特徴量データを利用して、上記初期分布の画像特徴量分布を再定義することにより、設置条件に依存する画像特徴量分布の変化を得る第1の画像特徴量分布調整手段と、
上記画像特徴量分布調整手段により再定義された画像特徴量分布を、運用中に、ある期間の同一路面状況において収集した季節に依存する画像特徴分布により再定義することにより、季節に依存する画像特徴量分布の変化を得る第2の画像特徴量分布調整手段とを備え、
上記判定手段は、上記第2の画像特徴量分布調整手段により調整された画像特徴量分布を利用して、路面状況を判定する
ことを特徴とする付記3の路面状況判定装置。
(付記8) 路面状況判定処理を行うプログラムであって、
上記プログラムは、路面の画像から得られる、色相平均・分散、彩度平均・分散、明度平均・分散等の画像特徴量の混合正規分布を用いて路面状況を定義する処理と、
上記画像特徴量の混合正規分布に基づき、道路上に設置した監視カメラの画像から路面状況を判定する処理をコンピュータに実行させる
ことを特徴とする路面状況判定プログラム。
【0018】
【発明の効果】
以上説明したように、本発明においては、各路面状態の分布を複数の正規分布の重み付き和によって正確に表現し、現在の画像特徴量がどの路面状態の分布に帰属する確率が高いかにより路面状態を判定しているので、従来に比べ、誤認識の発生率を大幅に低減することができる。
また、画像特徴量分布データを、設置条件に応じて自動的にチューニングすることにより、従来、可視カメラによる路面状況判定装置の導入に不可欠であった人手によるサンプルデータ収集を自動化することができ、導入コストの大幅な削減を実現することができる。
【図面の簡単な説明】
【図1】本発明の第1の実施例の路面状況判定装置の機能ブロック図である。
【図2】路面状況に対応した特徴量分布を示す図である。
【図3】本発明の第2の実施例の路面状況判定装置の機能ブロック図である。
【図4】本発明の第2の実施例の処理を示すフローチャートである。
【図5】本発明の第3の実施例を説明する図である。
【図6】本発明の第4の実施例の処理を示すフローチャートである。
【図7】本発明の第5の実施例の処理を示すフローチャートである。
【符号の説明】
1 TVカメラ
2 画像入力部
3 画像特徴量算出部
4 判定部
5 画像特徴量分布データ記憶部
6 画像特徴量分布調整手段
7 記憶部
Claims (3)
- 路面の画像から得られる、色相平均・分散、彩度平均・分散、明度平均・分散等の画像特徴量の混合正規分布を用いて路面状況を定義し、
上記画像特徴量の混合正規分布に基づき、道路上に設置した監視カメラの画像から路面状況を判定し、
同一路面状況で判定された画像特徴量データを利用して、予め定めた所定の初期分布の画像特徴量分布を再定義することにより、設置条件に依存する画像特徴量分布の変化を自動的に調整する
ことを特徴とする路面状況判定方法。 - 路面の画像から得られる、色相平均・分散、彩度平均・分散、明度平均・分散等の画像特徴量の混合正規分布を用いて路面状況を定義した画像特徴量の分布を格納する画像特徴量分布格納手段と、
道路上に設置した監視カメラの画像から、注目領域の輝度分布・分散、彩度平均・分散、明度平均・分散の画像特徴量を算出する手段と、
上記画像特徴量分布格納手段に格納された画像特徴量の分布と、上記算出された画像特徴量に基づき、路面状況を判定する判定手段と、
同一路面状況において取得した画像特徴量データを利用して、予め生成された初期分布の画像特徴量分布を再定義することにより、設置条件に依存する画像特徴量分布の変化を得る画像特徴量分布調整手段を有し、
上記判定手段は、上記調整された画像特徴量分布を利用して、路面状況を判定する
ことを特徴とする路面状況判定装置。 - 路面の画像から得られる、色相平均・分散、彩度平均・分散、明度平均・分散等の画像特徴量の混合正規分布を用いて路面状況を定義した画像特徴量の分布を格納する画像特徴量分布格納手段と、
道路上に設置した監視カメラの画像から、注目領域の輝度分布・分散、彩度平均・分散、明度平均・分散の画像特徴量を算出する手段と、
上記画像特徴量分布格納手段に格納された画像特徴量の分布と、上記算出された画像特徴量に基づき、路面状況を判定する判定手段と、
運用中に、ある期間の同一路面状況において収集した画像特徴量データから求めた画像特徴量分布を初期分布とし、該初期分布の画像特徴量分布を再定義することにより、季節に依存する画像特徴量分布の変化を得る画像特徴量分布調整手段を有し、
上記判定手段は、上記調整された画像特徴量分布を利用して、路面状況を判定する
ことを特徴とする路面状況判定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003063062A JP4225807B2 (ja) | 2003-03-10 | 2003-03-10 | 路面状況判定方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003063062A JP4225807B2 (ja) | 2003-03-10 | 2003-03-10 | 路面状況判定方法および装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004274431A JP2004274431A (ja) | 2004-09-30 |
JP4225807B2 true JP4225807B2 (ja) | 2009-02-18 |
Family
ID=33124747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003063062A Expired - Fee Related JP4225807B2 (ja) | 2003-03-10 | 2003-03-10 | 路面状況判定方法および装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4225807B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4483334B2 (ja) * | 2004-02-18 | 2010-06-16 | 富士ゼロックス株式会社 | 画像処理装置 |
JP2008304269A (ja) * | 2007-06-06 | 2008-12-18 | Sony Corp | 情報処理装置、および情報処理方法、並びにコンピュータ・プログラム |
JP5237596B2 (ja) | 2007-08-10 | 2013-07-17 | オリンパス株式会社 | 判別装置 |
JP2011076214A (ja) * | 2009-09-29 | 2011-04-14 | Alps Electric Co Ltd | 障害物検出装置 |
CN102947841A (zh) | 2010-04-30 | 2013-02-27 | 沃康普公司 | 放射摄影图像中的毛刺恶性肿块检测和分级 |
US9499172B2 (en) | 2012-09-20 | 2016-11-22 | Google Inc. | Detecting road weather conditions |
US9110196B2 (en) | 2012-09-20 | 2015-08-18 | Google, Inc. | Detecting road weather conditions |
EP2897845B1 (en) * | 2012-09-20 | 2017-08-09 | Waymo Llc | Detecting road weather conditions |
JP6833668B2 (ja) | 2017-11-28 | 2021-02-24 | 株式会社東芝 | 画像特徴強調装置、路面特徴解析装置、画像特徴強調方法及び路面特徴解析方法 |
JP7048357B2 (ja) | 2018-03-06 | 2022-04-05 | 東芝インフラシステムズ株式会社 | 撮影画像事前確認システム及び撮影画像事前確認方法 |
JP7103282B2 (ja) * | 2019-03-15 | 2022-07-20 | トヨタ自動車株式会社 | 路面状態検出装置 |
-
2003
- 2003-03-10 JP JP2003063062A patent/JP4225807B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2004274431A (ja) | 2004-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10417493B2 (en) | Video object classification with object size calibration | |
JP4225807B2 (ja) | 路面状況判定方法および装置 | |
CN108269254B (zh) | 图像质量评估方法和装置 | |
KR100792283B1 (ko) | 이동물체 자동 추적장치 및 방법 | |
CN107240092B (zh) | 一种图像模糊度检测方法及装置 | |
CN116092018B (zh) | 一种基于智慧建筑的消防隐患监测方法及系统 | |
KR20000076565A (ko) | 다수의 영상 사이의 유사도 레벨을 결정하기 위한 시스템및 방법과, 그러한 결정을 인에이블하기 위한 세그먼트데이터 구조 | |
US20080181523A1 (en) | Method and apparatus for reducing noise | |
JP7121353B2 (ja) | 映像解析装置、映像解析方法、および映像解析プログラム | |
US8659676B2 (en) | Image analysis device and method thereof | |
US20160234418A1 (en) | Method of adjusting digital camera image processing parameters | |
CN110562201A (zh) | 雨刮器的控制方法、控制装置和车辆 | |
CN111310739A (zh) | 一种暴雨天气检测方法、系统及终端 | |
CN106657803A (zh) | 光电经纬仪用高速相机自动曝光方法 | |
JP4284322B2 (ja) | クラス分け処理結果の評定と時間的安定化のための方法 | |
JP7411494B2 (ja) | コンクリート管理システム、コンクリート管理方法及びコンクリート管理プログラム | |
CN113435464B (zh) | 异常数据检测方法、装置、电子设备及计算机存储介质 | |
TWI695326B (zh) | 物件屬性分析方法及其相關物件屬性分析裝置 | |
JP3367975B2 (ja) | オートアイリス回路 | |
CN110611774A (zh) | 一种路面监控视频光照补偿方法和系统 | |
CN116523911B (zh) | 一种建筑垃圾再生骨料生产监控系统 | |
CN111539012B (zh) | 一种边缘化架构的隐私数据分布存储系统和方法 | |
JP3271391B2 (ja) | 車線認識装置 | |
CN118102105A (zh) | 一种曝光参数的获取方法、装置 | |
CN117894196A (zh) | 交通管制的方法、系统、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080901 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080909 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081029 |
|
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: 20081125 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081125 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111205 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4225807 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111205 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121205 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121205 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131205 Year of fee payment: 5 |
|
LAPS | Cancellation because of no payment of annual fees |