JP4447309B2 - 交差点交通量計測装置および交差点交通量計測方法 - Google Patents

Description

この発明は、交差点に設置されたカメラで交差点通過車両の分岐方向をリアルタイムで計測する交通量計測装置及び方法に関する。

従来から、交差点の交通量を計測する装置として、交差点から少し離れた流入路に車両センサ（超音波感知器）を設置し、交差点を通過する車両を、この車両センサで感知して車両の通過台数を計測するようにしたものが知られている。この装置は、図８に示すように、交差点流出部全車線に超音波感知器を設置し、信号現示同期により感知車両を直進・左折・右折として判別する。ただし、左折判定と右折判定は、同一現示での流入であるために、複数車線のうちのどの車線に車両が流入したかで右折判定と左折判定を行うようにしている。

しかし、この装置は、左折と右折が同一現示での流入であるためにその判別が難しく、また、現示の切り換え時点での感知車両での判別が難しい不都合がある。さらに、交差点流出全断面に感知器の設置が必要となるため、経済的でないという問題がある。

そこで、最近では、図９に示すように、交差点の流入路にテレビカメラを設置し、テレビカメラの画像から交差点へ流入する車両の動きを計測する装置が提案されるようになっている。

第１には、交差点への流入路にカメラを設置し、交差点へ進入する交通の流れを面的に撮像し、車両の存在位置、速度を計測することによって車両の待ち時間、さばけ量、残留車両台数を計測する。これにより、交差点での各信号機の最適な制御を行う（特許文献１参照）。

第２に、交差点内に流入する１方路の道路状況を１台のカメラで撮像し、交差点内に直進、右折、左折する車両の台数を計測し、その交通量の情報から各信号機の最適な制御を行う（特許文献２参照）。

第３に、図１０に示すように、交差点の中心部上空にカメラを設置できるよう専有の支柱を設置し、あるいは、交差点の信号機の支柱や信号機近くの支柱（いずれも、高さ１５ｍ以上）にカメラを設置して、交差点内の車両を歪みのない状態で画像認識し、これにより高精度に交差点内を直進、右折、左折する車両台数を計測して信号制御を行う（特許文献３参照）。
特開平１１−１２６２９６号公報 特開２０００−９０３８９号公報 特許第２７１２８４４号

しかしながら、上記の第１及び第２の装置では、１つの交差点にカメラを複数台設置する必要があるために、コスト上及び美観上の問題があり、また、第３の装置では、高さ１５ｍ〜３０ｍの支柱を設置する必要があったり、また、非常に高い位置にカメラを設置することが必要であるために、設置方法や設置場所上の問題と美観上の問題とがあった。

さらに、上記いずれの装置においても、車両の抽出と追跡を、車両画像の面積や重心位置によって行っているために、撮像画像内で車両の重なりが生じた場合に計測精度が大きく低下するという問題があった。

この発明の目的は、低コストで美観上問題がなく、且つ車両画像の重なりが生じても車両の追跡を高精度に行い、分岐方向ごとの車両台数または分岐率を計測できる交差点交通量計測装置を提供することにある。

この発明の交差点交通量計測装置では、カメラとして広角カメラを使用する。広角カメラを使用することによってこのカメラを低位置に設置しても交差点全体が撮像可能となる。

また、入力画像を時系列フレームごとに記憶し、各フレームから車両オブジェクトを抽出してＩＤを付与する車両ラベリング処理部を設ける。車両オブジェクトとは、画素よりも大きな単位のブロックの塊で表されるものをいう。車両ラベリング処理部において、フレームごとに各車両オブジェクトに対しＩＤが付与される。

また、ＩＤの付与された車両オブジェクトに対しトラッカ処理部によって移動ベクトルが求められる。この移動ベクトルは、マルコフ確率モデル（ＭＲＦモデル）を使用し、前回のフレームの入力画像及び車両オブジェクトと、今回のフレームの入力画像を用いて、今回のフレームの入力画像における車両オブジェクトを推定することによって求める。

このようにして求めた各車両オブジェクトの移動ベクトルをＩＤとともに予め設定した交差点の分割領域に記憶するテーブルを用意する。予め設定した交差点の分割領域は、本明細書ではリージョンと称する。この発明では、１つの交差点に、このリージョンが予め複数個設定される。車両の追跡は、ブロックマッチングにより得られる各車両ＩＤがどのリージョンを移動したかで追跡する。

車両の追跡で問題となるのは、交差点内で頻発する、車両画像の重なりと分離である。この発明では、あるフレームにおいて車両オブジェクトが重なると、重なった車両オブジェクトに対して重なる前の車両オブジェクトに付与されているＩＤのいずれかを付与する。たとえばＩＤ＝１と２の車両オブジェクトが重なることをあるフレームにおいて検出すると、その重なった車両オブジェクトのＩＤを仮にＩＤ＝１とする。また、重なった車両オブジェクトが分離すると、その分離した車両オブジェクトに対してＩＤを再付与する処理（以下、リバース処理と言う。）を行う。この車両オブジェクトの分離の検出は、時間的に連続する過去の複数フレーム分の入力画像において、連続して車両オブジェクトが分離していると判断できたときに行う。

リバース処理とは、車両オブジェクトの分離を検出したフレームに対し、過去の複数フレームを参照することによって当該ＩＤに係る車両オブジェクトの過去の動きを判定し、これに基づいて推定されるＩＤを付与する処理をいう。テーブルの各フレームに対しては、リージョンごとに、車両オブジェクトのＩＤと移動ベクトルとが記憶されている。したがって、分離した時のフレームに対し過去のフレームを逆上って分析することによって、分離した車両オブジェクトに付与すべきＩＤが、車両オブジェクトが重なる前に付与されている複数のＩＤの中のどれかを正確に判断することが可能である。

図１は、リバース処理の概念図を示している。いま、フレームＮで２つの車両オブジェクトが分離したとする。この時、追跡処理部は、フレームＮ−１、フレームＮ−２、フレームＮ−３・・・の過去の複数フレームの車両オブジェクトを分析する。テーブルには、過去のフレームについてリージョンごとに車両オブジェクトのＩＤ及び移動ベクトルが記憶されている。これらの情報から、そのオブジェクトらしさを算出し、分離した車両オブジェクトＡについては、ＩＤ＝２であり、車両オブジェクトＢについてはＩＤ＝１であることが最も確からしいと判断する。

なぜなら、過去のフレームにおいて右下方向に進行していたＩＤ＝１の車両オブジェクトが、フレームＮにおいて急激に右上方向に進路を変更し、且つ、過去のフレームにおいて右上方向に進行していたＩＤ＝２の車両オブジェクトが、フレームＮにおいて急激に右下方向に進路を変更することが通常ありえないからである。

上記のようにして、トラッカ処理部は、車両オブジェクトが分離した時にテーブルを参照することによって分離した車両オブジェクトに対し正確なＩＤを付与することができるようになる。

以上のようにして、交差点内における各車両オブジェクトの追跡が行われると、この追跡出力に基づいて各車両の分岐方向が事象判定部において判定される。

この発明によれば、広角カメラを使用することによって、このカメラを低い位置に設置しても交差点を通過する全車両を撮像することが可能になり、また、広角カメラを使用することにより車両オブジェクトの重なりや分離が多数発生しても、リバース処理により車両オブジェクトの追跡を正確に行うことができ、この結果精度のよい交差点交通量計測装置を実現できる。これにより、低コストで、且つ美観上も問題なくカメラを組付けることが可能である。特に、現状は、周囲のビルの設置状況や環境条件等によってカメラ設置に対し厳しい制限のある交差点が多数あるが、この発明によれば、１台の広角カメラを低位置に設置するだけでよく、たとえば、１台の広角カメラを１台の信号灯器用柱に設置するだけでよいために、様々な交差点に対し広角カメラを容易に設置することが可能である。また、リバース処理によって、車両オブジェクトの重なりや分離があっても正確な車両の追跡が可能であり、交差点での分岐方向ごとの車両台数または分岐率を高精度で検出し計測することができる。

図２は、この発明が適用される交差点の一例を示している。この実施形態では、１台の広角カメラ１が、交差点の左下角部に設置されている信号灯器用柱（６ｍ）に取り付けられる。広角カメラ１は、広角レンズを内蔵しているために、図示するように視野角は９０°を超え、交差点内に流入する全車両を検出することが可能である。

このような視野角を実現するために、カメラとして、たとえば、焦点距離が２ｍｍの超広角レンズを使用し、且つ、逆光条件やビル、歩道橋、木等の影が発生する撮像条件化でもコントラストのある画像が得られるよう高ダイナミックレンジ（１２０ｄＢ以上）のものを用いるのが望ましい。

図３は、この発明の実施形態である交差点交通量計測装置のブロック図である。

広角カメラ１で撮像した交差点の画像は画像入力部２に入力する。

画像入力部２は、Ａ／Ｄ変換部２０と画像メモリ２１とを備えている。広角カメラ１で撮像された画像はＡ／Ｄ変換部２０でＡ／Ｄ変換されディジタル画像データとして画像メモリ２１に取り込まれる。

画像メモリ２１に記憶されている画像データは、背景作成部３によって読み込まれ、この背景作成部３により交差点の背景画像が形成される。この背景作成部３は、背景画像作成処理部３０と背景画像記憶用メモリ３１とを備えている。

背景画像作成処理部３０は、撮像対象である交差点内に移動する車両がない背景画像を作成する。背景画像は、時間的に固定された画像であるために、複数のフレームについて、カルマンフィルタ等を使用した公知の方法によって作成することが可能である。その他、一定時間内の画素毎の最頻度値で画像データを更新することで背景画像を作成する公知の方法もある。

作成された背景画像は背景画像メモリ３１に記憶される。

車両特徴抽出部４は、上記背景作成部３で作成した背景画像と入力画像との差分をとることによって、車両画像の特徴量を抽出する。この車両特徴抽出部４は、照度変化対応フィルタ４０と、車両抽出処理部４１と、車両ラベリング処理部４２とで構成される。

照度変化対応フィルタ４０は、画像のエッジを抽出するフィルタであって、このフィルタを通すことによって、ビルの影や雲による急な照度の変化にも対応可能となる。車両抽出処理部４１において、背景画像メモリ３１に記憶されている背景画像とフィルタ４０を通した画像とを対比し、車両画像の特徴量（車両特徴量）を抽出し、これを、車両ラベリング処理部４２に出力する。車両ラベリング処理部４２では、予め設定してある交差点の流入地点（流入ポイント）を車両（車両特徴量で表されるデータ）が通過するかどうかを検出し、この流入ポイントを通過したことを検出すると、その車両を車両オブジェクトとしてＩＤを付与する。車両特徴抽出部４でＩＤが付与された車両オブジェクトは、トラッカ処理部５に渡される。

前記トラッカ処理部５は、車両追跡部５０と、データベース解析部５１とで構成されている。

車両追跡部５０は、時系列に蓄積した車両オブジェクトの時空間データに基づいて、各車両オブジェクトの追跡処理を行う部分である。

前記車両追跡部５０は、図４に示すテーブルＴを備えている。このテーブルＴは、フレームごとに、各リージョンに属する車両オブジェクトのＩＤ、ベクトル、フラグを少なくとも記憶している。

交差点のリージョンは、たとえば、図５に示すように予め設定される。図示するように、広角カメラ１で交差点を撮像した時の交差点画像に対し、予め、図５に示すようなリージョンが設定される。設定されたリージョンに対し、図４に示すテーブルでは、ＲＧ０、ＲＧ１、・・・の各リージョン番号が付与されている。

ＩＤは、上記車両ラベリング処理部４２で付与されたＩＤであり、このＩＤは、車両オブジェクトが予め設定されている交差点の流入ポイントを通過する時に初期値として設定される。たとえば、図５においてＲＧ６のリージョンの下側のラインが通過ポイントに設定されている。したがって、車両オブジェクトがこの通過ポイントを通過すると、その車両オブジェクトに対しＩＤが付与される。フレームがＦＬ１であるとすると、このＦＬ１に対応するＲＧ６の領域に、新規に付与されたＩＤが記憶されることになる。

ベクトルは、後述する方法で求められる車両オブジェクトの移動ベクトルを表す。

フラグ（Ｆｌａｇ）は、車両オブジェクトの分離を記憶する。

車両追跡部５０は、基本的には、時刻ｔ−１の画像及び車両オブジェクトと、時刻ｔの画像とを用いて、時刻ｔの車両オブジェクトを推定することで、各オブジェクトの追跡処理を行う。この推定手法には種々の公知の方法を採用することが可能であるが、たとえば、特開平２００３−２６３６２６号公報に示されるようなマルコフ確率モデル（ＭＲＦモデル）を利用した追跡手法を採用することが可能である。このＭＲＦモデルは、それぞれの画像ブロックは近傍ブロックの影響を受ける確率が空間的にも時間的にも高いという拘束条件を用いて、評価関数の局所最適化を行う手法である。このＭＲＦモデルのような、時空間の確率モデルを使用して追跡を行うことにより、画像上車両オブジェクトが時々刻々変化してもその変化を受けにくくなり、観測量の揺らぎに大きく影響されることなく各車両オブジェクトの追跡ができるようになる。

本実施形態では、上記車両追跡部５０において、ＭＲＦモデル による追跡処理を行い、計測データ解析部５１において、車両オブジェクトが分離した時にＩＤの再付与を行うリバース処理を行っている。

前記リバース処理には、図４に示すテーブルＴが参照され、図１において説明したような方法によって、分離した新たな車両オブジェクトに対してＩＤの再付与を行う。すなわち、図１に示す例では、フレームＮにおいて、車両オブジェクトＡとＢが分離した時、この分離した車両オブジェクトＡとＢとにＩＤを付与するため、過去の複数フレームにおける経由を分析する。テーブルＴを参照すれば、図１に示す例では、車両オブジェクトＡとＢについては、フレームＮ−１においてＩＤ＝１とＩＤ＝２の車両オブジェクトが重なり、フレームＮ−２において、２つの車両オブジェクトＩＤ１とＩＤ２とが図示する矢印の移動ベクトルを持ち、フレームＮ−３においては、それらの車両オブジェクトが図示の矢印の移動ベクトルを持っていることがわかる。そこで、確率的な推定を行えば、フレームＮにおいては、分離された新たな車両オブジェクトＡについては矢印Ｐに示す方向に進み、新たな車両オブジェクトＢについては、矢印Ｑに示す方向に進んできたと推定することができる。そこで、フレームＮで分離した車両オブジェクトＡについてはＩＤ＝２を付与し、新たな車両オブジェクトＢについてはＩＤ＝１を付与する。この結果、重なっていたオブジェクトが分離した場合でもＩＤの再付与が正しいものとなる確率が高くなり、各車両の追跡精度が高いものとなる。なお、リバース処理に使用する過去のフレーム数は、本実施形態では４０フレームとしている。

事象判定部６は、交差点方向別分岐台数計測部６０を備えている。この交差点方向別分岐台数計測部６０は、前記トラッカ処理部５から入力される追跡出力に基づいて交差点での各車両の分岐方向を検出し、交差点での分岐方向ごとの車両台数または分岐率を計測し出力する。

図６は、車両特徴抽出部４及びトラッカ処理部５における処理フローを示している。

ステップＳＴ１においては、フレームごとの初期化処理を行う。ここでは、各変数の初期化処理をしたり、画像入力部２において画像を取得してメモリ２１に記憶したりする。また、画像メモリ２１に記憶されているデータに基づいて、背景作成部３において背景画像が作成され背景画像メモリ３１に記憶される。

さらに、上記ＳＴ１においては、図５に示す交差点のリージョンが設定される。

次に、ＳＴ２において、車両オブジェクトが生成され、ＩＤが付与される。この処理は、図３の車両特徴抽出部４において行われる。車両特徴抽出部４の車両ラベリング処理部４２においては、抽出した車両が、予め定めた交差点の流入ポイントを通過すると、この流入ポイントを通過した車両オブジェクトに対して、ＩＤを付与する。ＩＤは、各車両オブジェクト等を区別するためのユニークな値であればよく、数値であっても符号であっても構わない。

ＳＴ３においては、トラッカ処理部５での追跡処理及びリバース処理が行われる。追跡処理は車両追跡部５０において、リバース処理はデータベース解析部５１においてそれぞれ行われる。

追跡処理は、上述したようにＭＲＦモデル等の確率モデルを使用し、時刻ｔ−１の画像及び車両オブジェクトと、時刻ｔの画像を用いて、時刻ｔでの車両オブジェクトを推定する。

前記リバース処理は、先に述べたように、図４に示すテーブルＴを参照し、図１に示すように過去の複数フレーム（４０フレーム）を逆上って分析し、分離した車両オブジェクトに対するＩＤの推定を行って、その推定したＩＤを当該車両オブジェクトに対し付与する。

ＳＴ４では、ＩＤが付与された車両オブジェクトのベクトルを決定する処理を行う。この処理をここではブロックマッチングと称する。

ブロックマッチングでは、車両オブジェクトを構成する各ブロック（複数画素を集合したものを）の前フレームとのマッチングを行ってその車両オブジェクトの移動ベクトルを決定する。図７は、あるフレームの２つの車両オブジェクトＡ及びＢを示しているが、車両オブジェクトＡでは、各ブロックごとに前フレームとの対比を行う。あるブロックが前フレームに対して左斜め上方向に移動していれば、そのブロックに対するベクトルは左斜め上方向となる。この処理を車両オブジェクトを構成する全てのブロックに対して行い、各ブロックに対するベクトルの多数を占める方向をその車両オブジェクトに対する移動ベクトルと決定する。図７に示す例では、車両オブジェクトＡに対しては、Ａ→が移動ベクトルとなり、車両オブジェクトＢについては、Ｂ→が移動ベクトルとなる。

上記ＳＴ４のブロックマッチングで求められた各車両オブジェクトの移動ベクトルは、テーブルＴの当該フレームに記憶される。

図６において、ＳＴ５においては各車両オブジェクトの重心が算出される。車両オブジェクトの重心算出は、図５のどのリージョンに属するかを決めるためものである。車両オブジェクトが、複数のリージョンにまたがっている場合、その車両オブジェクトの重心の位置が属するリージョンに、その車両オブジェクトが属するものとする。これにより、各車両オブジェクトは、図５におけるリージョン配置において、どのリージョンに属するかが一義的に決定される。この結果が、図４に示すテーブルＴに記憶されることになる。図６において、ＳＴ６がこのオブジェクトのリージョン算出処理を行う。

以上のステップＳＴ１〜ステップＳＴ６の処理が、１フレームごとに順次行われていき、１フレームごとのトラッカ処理５においての処理の結果、すなわち追跡出力は事象判定部６に出力される。そして、事象判定部６において、交差点での各車両の分岐方向が検出され、さらにこの検出結果に基づいて分岐方向ごとの車両台数または分岐率が算出される。

なお、この分岐方向ごとの車両台数または分岐率は、所定の収集時間間隔毎の計測、あるいは、図示していない信号制御装置との間で信号周期に同期させての計測を行なうことができる。

なお、上記ステップＳＴ３におけるリバース処理において、車両オブジェクトが分離したかどうかを検出する時、分岐の判断の精度を高めるために、過去の４フレーム分を参照する。すなわち、過去４フレーム分において連続して車両オブジェクトが分離していると判断できた時にだけ、今回のフレームにおいて、その車両オブジェクトが分離したものと判定する。

また、テーブルＴに記憶しているフラグは、車両オブジェクトが分離したことを記憶するものであるが、これは、リバース処理を行う時に、どのオブジェクトに対してリバース処理を行うかを判定する必要があるためである。

リバース処理の動作について説明するための図である。 広角カメラが交差点に設置される状態を示す。 交差点交通量計測装置のブロック図 テーブルの構成図 交差点に予め設定されているリージョンの一例を示す図 車両特徴抽出ブロック図及びトラッカ処理部における処理フローを示す図 ブロックマッチングの処理を説明するための図 従来の交通量計測装置の概念図 従来の交通量計測装置の概念図 従来の交通量計測装置の概念図

Claims (3)

1. 交差点を通過する車両を撮像する広角カメラと、
   該広角カメラにより撮像された背景画像及び該広角カメラにより撮像された時系列フレーム毎の入力画像が格納される画像メモリと、
   該画像メモリに記憶されている入力画像から車両オブジェクトを抽出してＩＤを付与する車両ラベリング処理部と、
   前記車両ラベリング処理部がＩＤを付与した車両オブジェクを前記交差点内で追跡するトラッカ処理部と、
   前記トラッカ処理部の追跡出力に基づいて交差点での分岐方向ごとの車両台数または分岐率を検出する事象判定部と、を備え、
   前記トラッカ処理部は、
   ＭＲＦモデルを使用し、前回のフレームの入力画像及び車両オブジェクトと、今回のフレームの入力画像を用いて、今回のフレームの入力画像における車両オブジェクトを推定し、前記車両ラベリング処理部がＩＤを付与した車両オブジェクトの移動ベクトルを求め、
   車両オブジェクトのＩＤ及び移動ベクトルを、予め設定した交差点の分割領域毎及びフレーム毎にテーブルに記憶し、
   今回のフレームの入力画像に時間的に連続する過去の複数フレーム分の入力画像において、連続して車両オブジェクトが分離していると判断できたときに、その車両オブジェクトの分離を検出し、
   さらに、車両オブジェクトの分離を検出したときに、前記テーブルに記憶されている過去の情報を参照して、分離した車両オブジェクトに対するＩＤ付与を行う、
   交差点交通量計測装置。
2. 前記広角カメラは、交差点の信号機と略同一高さに設置される１台のカメラで構成される請求項１記載の交差点交通量計測装置。
3. 交差点を通過する車両を広角カメラにより撮像する第１のステップ、
   該広角カメラにより撮像された背景画像及び該広角カメラにより撮像された入力画像を、画像メモリに時系列フレーム毎に順次格納する第２のステップ、
   該画像メモリに記憶されている入力画像から車両オブジェクトを抽出してＩＤを付与する第３のステップ、
   ＩＤを付与した車両オブジェクを前記交差点内で追跡する第４のステップ、
   前記４のステップによる追跡出力に基づいて交差点での分岐方向ごとの車両台数または分岐率を検出する第５のステップ、を備え、
   前記第４のステップは、
   ＭＲＦモデルを使用し、前回のフレームの入力画像及び車両オブジェクトと、今回のフレームの入力画像を用いて、今回のフレームの入力画像における車両オブジェクトを推定し、前記車両ラベリング処理部がＩＤを付与した車両オブジェクトの移動ベクトルを求め、
   車両オブジェクトのＩＤ及び移動ベクトルを、予め設定した交差点の分割領域毎及びフレーム毎にテーブルに記憶し、
   今回のフレームの入力画像に時間的に連続する過去の複数フレーム分の入力画像において、連続して車両オブジェクトが分離していると判断できたときに、その車両オブジェクトの分離を検出し、
   さらに、車両オブジェクトの分離を検出したときに、前記テーブルに記憶されている過去の情報を参照して、分離した車両オブジェクトに対するＩＤ付与を行う、ステップである、
   交差点交通量計測方法。

Images