JP4973008B2 - 車両判別装置及びそのプログラム - Google Patents

Description

本発明は車両の撮像画像から情報処理技術を用いて車両を判別する装置に関する。

本発明の第１の背景技術として、特開２０００−１４９１８１号公報に開示されるものがある。
この第１の背景技術は、路面及び路面上の設定領域を通過する車両を連続して撮影することにより連続画像を得るためのカメラと、前記連続画像についてそれぞれに輝度ヒストグラムを計算により求めるための輝度ヒストグラム計算手段と、前記輝度ヒストグラムの時系列差分を計算するための差分計算手段と、設定時間中に変化がない前記輝度ヒストグラムを路面データとして保存するための保存手段と、前記設定時間中に前記輝度ヒストグラムに変化があるときに、前後の２つの輝度ヒストグラムの差分を計算するための差分計算手段と、前記差分と予め設定したしきい値とを比較して車両の存在の判別を行うための車両検知手段とからなる交通流計測システムである。
この第１の背景技術によれば、車両存在を高精度に数値化することができる。
本発明の第２の背景技術として、特開２００２−８１８６号公報に開示されるものがある。

この第２の背景技術は、識別対象となる車両の画像データを微分処理することにより、当該車両の輪郭線を抽出する輪郭線抽出手段と、上記輪郭線抽出手段にて抽出された輪郭線の所定領域内における所定抽出方向成分の頻度を算出することにより、当該輪郭線の特徴量を抽出する特徴量抽出手段と、予め取得された、識別基準となる車両の基準特徴量と当該車両の車種を示す情報とを、相互に関連付けて記憶する記憶手段と、上記特徴量抽出手段にて抽出された特徴量と、上記記憶手段にて記憶された基準特徴量とを相互にマッチングすることにより、上記識別対象となる車両の車種を識別する特徴量マッチング手段とを備えた車種識別装置である。

このように第２の背景技術によれば、輪郭線抽出手段にて車両の輪郭線が抽出され、特徴量抽出手段にて輪郭線の特徴量が抽出される。そして、特徴量マッチング手段にて、この特徴量と、予め取得された基準特徴量とのマッチングが行なわれ、車両の車種が識別される。したがって、従来のように単なる見かけ上の大きさでなく、車両各部の輪郭線の特徴量に基づいて車種の識別が行なわれるので、車両と背景部分との輝度の差を問題にすることなく車種を識別でき、車種識別の精度を向上させることができる。

本発明の第３の背景技術として、特許第３４５３９５２号明細書に記述されるものがある。
この第３の背景技術は、入力されたテレビカメラから撮像された道路上の画像を保持する画像入力手段と、前記道路上の画像の輝度分布を解析する画像解析手段と、順次入力された道路上の画像から切り出されたテンプレートに対してパターンマッチングし、車両を追跡する車両追跡手段と、前記パターンマッチング結果から車両の追跡距離を計算し、計算結果の値が所定値より大きい場合、通過車両と判定する車両判定手段と、前記通過車両と判定された場合、予め定めた車種判定領域の画像を垂直方向に微分し、微分した画像を水平方向に投影して加算された波形を得て、前記波形のピークで最も離れた２つを選択し、選択された２つのピークの各々の垂直方向の座標に基づいて２つのテンプレートを登録し、前記２つのテンプレートの中心座標の差から車両前面部を道路上に投影した投影長を算出し、算出された複数地点の投影長の変化率から前記車両の高さを判定し、判定された高さに基づいて前記車両の車種を判定する車種判定手段とを有する交通流計測装置である。

このように第３の背景技術によれば、車両の影をテンプレートで切り出すことがなく、又２台の車両１つのテンプレートで切り出すことがないため、車両の影に影響されることなく、並行する車両が重なっている場合でも精度良く車両を認識することができる。また、背景画像を必要としないため、混雑時でも精度良く車両を追跡することができる。
特開２０００−１４９１８１号公報 特開２００２−８１８６号公報 特許第３４５３９５２号明細書

前記第１の背景技術は動画を対象とし、動画(連続画像内)であれば、差分法を用いて、動体のみを抽出し、そのパターンマッチングを行うことで、バイクか否かを判定できるかもしれない。しかしながら、静止画の場合は動画のように複数枚の静止画から構成されておらず静止画同士を比較して動体のみを抽出することができないため、バイクがどこにあるかを判定する必要があり、その判定手段がなく車両の有無を判定することができないという課題を有する。

また、前記第２の背景技術は、一枚のカラー静止画像から自動車の抽出を行う場合、ある程度の面積を占めているため、画像内のエッジを抽出し、そのエッジ間距離や特性などから車両位置を推定できる。しかしながら、バイクは、自動車に比べて、静止画像内に占める面積が小さいため、エッジのみを利用した方法は有効ではなく、正確に判定することができないという課題を有する。

さらに、前記第３の背景技術も、前記第１の背景技術と同様に、動画を前提としており、動画でなければ、車両追跡手段が機能せず、以降の処理を実行できないため、車両を認識することができないという課題を有する。

本発明は、大量の車体静止画像データを車種ごとに判別させる際に、高速処理にて判別できる車両判別装置を提供することを目的とする。

通常画像認識にて微分フィルターを使用する際、輪郭線抽出等に使用される。そのとき画像内のすべての画素に対して微分フィルターはかけられる。
ところで、車両には、数多くの複雑な形状をした部品から構成されているため複雑なエッジ群を構成する。一方バイクは画像に占める面積の割合も小さく、車両に比べエッジ群は限られている。
よって、車両およびバイク画像におけるエッジ群の特徴抽出は画像内全てに微分フィルターをかけなくても得ることができる。

本発明では、画像中のＨＳＩ（色相(Hue)・彩度(Saturation)・輝度(Intensity)）のＩ成分に対して微分フィルターを格子の頂点（水平方向へｎ本、垂直方向へｎ本）にかけ、それから得られた画像中の輝度の算出値を使用することでバイク画像とそれ以外の画像の判別を行いその処理の高速化を実現することができる。

（１）車両が撮影されたカラー静止画像のＲＧＢヒストグラムを取り出し、そのＲＧＢからＨＳＩのＩ成分（輝度）を計算し求める。

（２）求めたＩ成分に微分フィルターをかけ画像内での濃度変化を求める。このとき微分フィルターは画像上に指定した格子の頂点、つまり、格子を構成する格子線の交点だけにかけられる。

（３）１枚の画像につき、画像を左端・中央・右端の３つにわけ、各領域の全変化量が全領域の全変化量に対して占めている変化量の割合を求める。

（４）変化量が第１の閾値よりも大きい変化量数が第２の閾値より少ない、また上記の変化量割合が所定条件に該当していればバイク、それ以外ならバイク以外の車両と判別する。
さらに、（２）で求めた濃度（輝度）変化に平滑化を施すことで変化量を滑らかにしノイズを除去することもできる。

本発明に係る車両判別装置は、入力画像上で、水平方向および垂直方向のそれぞれの方向で等間隔である格子位置における複数の画素の輝度成分値、および、前記複数の画素それぞれの周辺の画素の輝度成分値を求める特徴抽出手段と、前記特徴抽出手段で求められた画素の輝度成分値に対して変化量を算出するフィルター手段と、前記変化量を水平位置が同じである画素毎に積算した垂直投影値と、全ての前記垂直投影値を積算した全変化量と、特定の条件を満たす複数の前記垂直投影値を積算した特定垂直投影値に基づき、前記特定垂直投影値の前記全変化量に対する比率である特定垂直投影値比率を算出する特定垂直投影値比率算出手段と、前記特定垂直投影値比率に基づいて前記入力画像に撮像されている車両を判別する車両判別手段と、を備え、前記特定の条件は、前記垂直投影値を構成し、かつ、所定の閾値よりも前記変化量が大きい前記格子位置にある画素が、前記所定のしきい値よりも前記変化量が大きい他の画素と、水平方向の隣接する前記格子位置にあるものである。

このように本発明によれば、入力画像上で、水平方向および垂直方向のそれぞれの方向で等間隔である格子位置における複数の画素の輝度成分値、および、前記複数の画素それぞれの周辺の画素の輝度成分値を求める特徴抽出手段と、前記特徴抽出手段で求められた画素の輝度成分値に対して変化量を算出するフィルター手段と、前記変化量を水平位置が同じである画素毎に積算した垂直投影値と、全ての前記垂直投影値を積算した全変化量と、特定の条件を満たす複数の前記垂直投影値を積算した特定垂直投影値に基づき、前記特定垂直投影値の前記全変化量に対する比率である特定垂直投影値比率を算出する特定垂直投影値比率算出手段と、前記特定垂直投影値比率に基づいて前記入力画像に撮像されている車両を判別する車両判別手段と、を備え、前記特定の条件は、前記垂直投影値を構成し、かつ、所定の閾値よりも前記変化量が大きい前記格子位置にある画素が、前記所定のしきい値よりも前記変化量が大きい他の画素と、水平方向の隣接する前記格子位置にあるものであるため、幅方向が細い対象物の特定垂直投影値の比率は大きく、一方、幅方向が太い対象物の特定垂直投影値の比率は小さく、それによって車両を正しく判別することができるという効果を奏する。大まかに二輪車とそれ以外を判別することができるが、二輪車の中でも、自動二輪車、原動付自転車、自転車、歩行者、動物を判別することもでき、四輪車の中でも、大型車、中型車、小型車を判別することもできる。
「周辺の画素」とは、対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素の周辺の画素であり、必要最小限としては、次工程のフィルター手段で必要となる輝度成分の値の画素である。たとえば、微分フィルターが３行３列の行列式で示されるならば、対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素を中心として垂直方向に３つ、水平方向に３つの画素の輝度成分の値が次工程の微分フィルター手段で必要となる輝度成分の値であり、「周辺の画素」は対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素を除いた、４つである。
勿論、特徴抽出手段は、全画素の輝度成分の値を求めてもよい。

本発明に係る車両判別装置は必要に応じて、前記車両判別手段は、前記特定垂直投影値の比率が第３の閾値以上であり、かつ、前記変化量数が第４の閾値以下である場合に、前記入力画像で撮像されている車両が二輪車であると判別するものである。

このように本発明によれば、撮像装置が撮像する対象物は多種あるが、縦方向に一定の長さを有する幅方向の長さの観点からすると、特定垂直投影値の比率は二輪車かそれ以外で大きく異なり、二輪車の中でも最も大きい自動二輪車であっても、四輪車の中でもっとも小さいであろう軽自動車と比べると幅がなく、並びに、二輪車の中でも小さい自転車であっても、歩行者と比べると縦方向の長さがあり、つまり、二輪車とそれ以外の間に特定垂直投影値の比率について大きく値が離隔しており、その判別は容易であって、正確に行うことができるという効果を有する。
さらに、二輪車と判別するための条件として、特定変化量数が第４の閾値以下である条件を加えることもできる。このときの、第４の閾値は、［２］の第２の閾値以下であることが望ましい。

したがって、「第３の閾値」は、通常、対象画像中の対象物が二輪車である場合の特定垂直投影値の比率と、対象画像中の対象物が二輪車以外である場合の特定垂直投影値の比率との間に設定する。撮像環境により特定垂直投影値の比率の値が異なるので、装置構築時に設定することが望ましい。

本発明に係る車両判別装置は必要に応じて、前記格子の間隔は、前記入力画像の撮像条件、または、前記車両判別手段の判別結果に基づき制御されるものである。
本発明に係る車両判別装置は必要に応じて、前記フィルター手段は、微分フィルターによって変化量を算出するものである。
本発明に係る車両判別装置は必要に応じて、前記フィルター手段は、フーリエ変換によって変化量を算出するものである。

これら前記の発明は、装置として説示してきたが、当業者であれば明らかな通り、プログラム、方法、システムとしても把握することができる。
これら前記の発明の概要は、本発明に必須となる特徴を列挙したものではなく、これら複数の特徴のサブコンビネーションも発明となり得る。

大量の車体静止画像データが車体判別装置に入力された際、二輪車が撮像されている撮像画像を高速に判別することができる。

ここで、本発明は多くの異なる形態で実施可能である。したがって、下記の実施形態の記載内容のみで解釈すべきではない。また、実施形態の全体を通して同じ要素には同じ符号を付けている。

実施形態では、主に装置について説明するが、所謂当業者であれば明らかな通り、本発明はコンピュータで使用可能なプログラム、システム、方法としても実施できる。また、本発明は、ハードウェア、ソフトウェア、または、ソフトウェア及びハードウェアの実施形態で実施可能である。プログラムは、ハードディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、光記憶装置または磁気記憶装置等の任意のコンピュータ可読媒体に記録できる。さらに、プログラムはネットワークを介した他のコンピュータに記録することができる。

（本発明の第１の実施形態）
［１．システム構成］
図１は本実施形態に係る撮像環境の説明図である。本実施形態では撮像装置１０を工場敷地内に敷設された道路脇に配置し、工場母屋内に車両判別装置２００を配置している。撮像装置１０で撮像された撮像画像は、撮像装置１０と車両判別装置２００を結ぶ通信路を介して車両判別装置２００に送信され、車両判別装置２００は受信した撮像画像に情報処理を施して車両判別結果を出力する。車両判別結果は管理者が操作する管理コンピュータ３０で集計され、敷地内に入場している車両数を四輪車と二輪車毎に表示する。これらの情報は、例えば、警備上用いることができる他、工場施設増設の設計時に用いることができる。

図２は本実施形態に係るシステム構成図及び車両判別装置のハードウェア構成図である。車両判別装置２００のハードウェアの構成は、一般のコンピュータの構成であり、ＣＰＵ(Central Processing Unit)２１０、ＤＲＡＭ(Dynamic Random Access Memory)２２０等のメインメモリ、外部記憶装置であるＨＤ(hard disk)２３０、表示装置であるディスプレイ２４０、入力装置であるキーボード２５０及びマウス２６０、ネットワークに接続するための拡張カードであるＬＡＮカード２７０、ＣＤ−ＲＯＭドライブ２８０等からなる。つまり、ＣＤ−ＲＯＭ等の記憶媒体に格納された車両判別プログラム、または、ネットワークを介して他のコンピュータから送信される車両判別プログラムを、コンピュータのＨＤ２３０に複製しメインメモリ２２０に適切に読み出し可能な状態にするインストールが実行され、一般のコンピュータが車両判別装置を構成している。なお、一般のコンピュータではなく車両判別装置に特化したハードウェアを用いて車両判別装置を構成することもできる。具体的には、車両判別装置上のロジックをＡＳＩＣ（Application Specific Integrated Circuit）で実装し、メモリ等の複数のＬＳＩと共にシステムＬＳＩで車両判別装置を構成することもできる。管理コンピュータ３０もハードウェアの構成は、車両判別装置２００と同様に、一般のコンピュータの構成である。ここで、車両判別装置２００と管理コンピュータ３０とを同一のコンピュータ上に構築することもできる。

図３は本実施形態に係る車両判別装置のブロック構成図である。車両判別装置２００は、撮像装置１０からの撮像画像を取り込む入力部２１１と、ＲＧＢ形式の撮像画像をＨＳＩ変換してＩ成分を抽出する特徴抽出部２１２と、抽出されたＨＳＩ形式のＩ成分のみの抽出データに対して特定点のみに微分フィルターをあてる微分フィルター部２１３と、フィルターデータを構成する変化量が第１の閾値以上ある変化量数を算出する特定変化量数算出部２１４と、撮像画像データ上の水平位置が同じフィルターデータを構成する変化量を積算して積算した値の中で特定の条件を満たす値をさらに積算して特定垂直投影値を求め、この特定垂直投影値を全変化量の積算値で除算して特定垂直投影値の比率を求める特定垂直投影値比率算出部２１５と、求めた特定変化量数及び特定垂直投影値比率が所定条件を満たすか否かで、現在対象となっている撮像画像データに撮像されている車両が四輪車か二輪車かを判別する車両判別部２１６と、車両判別データを出力する出力部２１７とを備える構成である。ここでのブロック構成図は一例であり、所謂当業者であれば適宜設計変更を実施して発明の本質的部分を変更しない範囲でブロック構成を変えることができるのは勿論である。つまり、機能ブロックの捉え方は実装者、実装環境及び仕様によって異なるからである。

撮像装置１０は２台あり、１台は入場する車両を撮像すべく入場方向の所定範囲を撮像し、残り１台は退場する車両を撮像すべく退場方向の所定範囲を撮像する。図４は本実施形態に係る撮像装置で撮像された撮像画像（二輪車が撮像された場合）である。図５は本実施形態に係る撮像装置で撮像された撮像画像（四輪車が撮像された場合）である。撮像装置は例えばＣＣＤカメラが該当する。図４では格子、格子点、格子線を引出線で指し示しているが、図５も同様である。実際の画像にはかかる引出線がないため、図５には意図的に示していない。

［２．特徴抽出の処理］
特徴抽出部２１２が使用するＲＧＢ形式の撮像画像をＨＳＩ形式に変換する技術は周知・慣用技術であり、ここで、詳説しない。
特徴抽出部２１２が求める必要があるのは、ＨＳＩ形式のＨ成分、Ｓ成分、Ｉ成分のうち、Ｉ成分のみであるので、Ｈ成分、Ｓ成分も求める必要がない。これらの成分を求めないことで、不必要な演算処理を回避することができる。

また、撮像画像データの全ての画素について、Ｉ成分を求める必要もなく、最小限で微分フィルターを適用するにあたって必要となる画素のＩ成分のみを求めるだけでよい。この最小限のＩ成分は、微分フィルターの大きさにも依存し、３行３列の微分フィルターの場合には対象点も含めて上下３個、左右３個の計５個の画素について対象点毎に５［個］のＩ成分が必要となる。一般的には、ｎ行ｎ列の微分フィルターの場合には対象点毎に（２ｎ−１）［個］のＩ成分が必要となる。勿論、必要となるＩ成分が重複する場合には、その分必要ない。

本実施形態では、対象点は、図４又は図５に示す縦側格子線と横側格子線で形成される複数格子の頂点である。そうすることで、撮像画像中に等間隔に対象点を配置することができる。図４及び図５では、縦側格子線及び横側格子線それぞれ５本ずつであるが、本発明はこれに限定されない。それぞれ、ｎ本ずつであってもよいし、それぞれｎ本、ｍ本であってもよい。

格子線数が減れば演算処理数が減るため高速になるが、最低限必要となる格子線数が存在する。この格子線数は各撮像環境で異なり、運用中に最適化が図られる。運用者が手動で判別結果の正答率を参照しながら設定することもできるが、初期状態の格子線数から目標となる判別結果の正答率に基づき格子線数を増加させたり減少させたりする制御部を備えることが望ましい。

撮像環境は撮像装置１０の配設周辺環境（路面、時刻（朝、昼、夜等）、天候（晴天、雨天、曇天等）、季節等）、撮像装置１０の撮像領域、撮像装置１０自体の撮像性能等である。これらパラメータを入力データとし、出力データを縦側格子線及び横側格子線の数とするニュールネットワーク、ＳＯＭ(Self-Organizing Map)等を構築して用いることが望ましい。

［３．微分フィルターの処理］
微分値に差があるところは画像内の濃度が変化している点である。（濃度値の傾きが大きいほど微分値は大きく変化する。）
差が大きければ大きいほど急激に濃度が変わっている点であるから、その差がある点付近に路面以外のものが映っていると推測できる。

バイクの場合路面情報が多いため、車に比べて濃度変化が起きている点が少ない。よって、この濃度変化が起きている点に着目し、これらの点がある一定値よりも多ければ車少なければバイク、と判別できる。
微分フィルターは、画像データの各点での微係数を新しい画素値とするフィルタである。実際には、ディジタル画像であるから差分を考えることになる。フィルタ係数には水平方向成分と垂直方向成分がある。
水平方向のフィルタ係数は次の通り。

垂直方向のフィルタ係数は次の通り。

本実施形態は微係数の大きさを用いる。水平方向成分g_h(i,j)、垂直方向成分g_v(i,j)を求めた後、

によって、g(i,j)を求める。

前記微分フィルターは、一般的に、Ｓｏｂｅｌフィルターと呼ばれる(参考文献：高木幹雄、下田陽久、「新編 画像解析ハンドブック」（p1231）、東京大学出版会)。

［４．特定変化量数算出処理］
撮像画像上の垂直格子線と水平格子線から形成される格子の頂点である格子点の画素における変化量のうち、所定閾値以上の値を有する変化量をカウントする。撮像画像中で一定値以上の変化量を有する点は、前記格子点の中でも撮像画像に写り込んでいるバイク、四輪車に位置するものと推定することができる。そして、バイクに位置する格子点と四輪車に位置する格子点を比較した場合、四輪車の方がバイクに比べ撮像画像中に占める面積が大きいため、位置する格子点の数も多くなる。したがって、この位置する格子点の数から撮像画像中に写りこむ対象物が四輪車かそれ以外かを判別することができる。

［５．特定垂直投影値比率算出処理］
撮像画像上の各垂直格子線上の格子点の画素における変化量を積算したものが、垂直投影値である。この垂直投影値の中で予め定められている数より大きい値の画素から、水平方向に垂直投影値を積算して特定垂直投影値を求める。そして、全ての垂直投影値を積算した全垂直投影値、つまり、全変化量で特定垂直投影値を除法して特定垂直投影値比率を求める。なお、特定垂直投影値を構成する、垂直投影値に対応した画素を通過する水平方向の線分は連続している必要がある。つまり、たとえば、図４において、第３の垂直格子線上に存在する、予め定められた数より大きい垂直投影値を持つ格子点上の画素と、第４の垂直格子線上に存在する、予め定められた数より大きい垂直投影値を持つ格子点上の画素は横（水平）方向に連続しており、第３の垂直格子線の格子点上の画素の垂直投影値と第４の垂直格子線の格子点上の画素の垂直投影値を積算して特定垂直投影値を求めることはできるが、第１の垂直格子線上に存在する、予め定められた数より大きい垂直投影値を持つ格子点上の画素と第２の垂直格子線上に存在する、予め定められた数より大きい垂直投影値を持つ格子点上の画素は横（水平）方向に連続しておらず、第１の垂直格子線の格子点上の画素の垂直投影値と第２の垂直格子線の格子点上の画素の垂直投影値を積算して特定垂直投影値を求めることは、第２の垂直格子線も含めて連続していない限りは、できないということである。

撮像画像に撮像されている二輪車を見ると、全垂直格子線のうち数本の垂直格子線と重なる（第１の特性）。一方、撮像画像に撮像されている四輪車を見ると、全垂直格子線のうちほとんどの垂直格子線と重なる。ところで、［４．特定変化量数算出処理］で前説したように、四輪車に位置する格子点が二輪車に位置する格子点よりも多い。そして、二輪車、四輪車に位置する画素における変化量は、対象物に位置しない路面と比べその値が大きい。また、撮像画像上の格子点における全変化量のうち所定以上は撮像画像に写り込んでいる対象物に位置する格子点における変化量の積算値である。そうすると、二輪車が撮像される撮像画像においても格子点における全変化量のうち所定以上を占めるのは二輪車に位置する格子点における変化量の積算値となる（第２の特性）。

したがって、第１の特性及び第２の特性から、全垂直格子線のうち数本の垂直格子線上の格子点の変化量の積算値が、格子点の全変化量のうち所定以上占めるという条件を満たせば、バイク等であると推定することができる。逆に、バイク等の対象物以外が撮像されているとすれば、四輪車であると推定することができる。ここで、撮像画像には対象物が撮像されていることを前提に説明したが、対象物が撮像されていない撮像画像の場合には、前記条件を満たさないので四輪車との推定結果に含まれることになる。四輪車との推定結果に含ませたくない場合には、格子点の全変化量の値を閾値判断することで、取り除くことができる。つまり、対象物が撮像されていないほとんど路面のみからなる撮像画像は各格子点での変化量も少なく積算した全変化量の値も少ないからである。同様に、変化量数が所定以下か否かで路面のみからなる撮像画像か否かを判断することもできる。

［６．車両判別］
車両判別部２１６が求めた特定変化量数及び特定垂直投影値比率が満たすか否かの判定で使用する所定条件も、詳細には撮像環境で異なるが、以下説示する所定条件を基準にして用いることができる。

この所定条件は、第１の条件が特定変化量数が第２の閾値以上であり、第２の条件が特定垂直投影値比率が第３の閾値以上である。この所定条件は［４．特定変化量数算出処理］及び［５．特定垂直投影値比率算出処理］での説示事項に理論に基づく。第１の条件を満たせば四輪車であり、第１の条件を満たさなければ二輪車、路面のみである。第２の条件を満たせば二輪車であり、第２の条件を満たさなければ四輪車、路面のみである。路面のみで対象物が撮像されていない撮像画像は前記した方法で取り除くことができるので、自動二輪車と四輪車とを識別することができる。より正確には第１の条件で四輪車を識別でき、第２の条件で自動二輪者を識別でき、第１の条件及び第２の条件で、四輪車及び自動二輪車を識別することができる。

ここで、四輪車以外とは、二輪車（自動二輪車、原動付自転車、自転車）、二輪車以外に歩行者、動物、路面のみが含まれる。なお、本発明における四輪車とは、セダン等の普通自動車、バスや大型トラック等の大型自動車を含む。当然ながらタイヤが四個配設された車両だけでなく、四個以上のタイヤが配設された車両、四個以下のタイヤが配設された車両を含むものである。タイヤが四個以上配設された車両とは大型トラックが一例であり、タイヤが四個以下配設された車両とは三輪車が一例である。すなわち、対象画像に写り込んだ車両が所定領域以上の占有スペースを有する車両か否かを本発明は判別することができるものであり、この本発明の要旨を逸脱しない範囲で四輪車を解釈することができる。

また、特定変化量数が第２の閾値以下という条件に該当する場合には、二輪車以外に歩行者、動物、路面のみが含まれるが、特定垂直投影値比率が第３の閾値以上であれば、路面のみは含まれない。第３の閾値の調整次第によっては、二輪車をさらに詳細に判別することもできる。

［７．フローチャートによる動作説明］
図６は本実施形態に係る車両判別装置の動作フローチャート、図７は本実施形態に係る車両判別装置の特定変化量数算出処理の詳細フローチャート及び図８は本実施形態に係る車両判別装置の特定垂直投影値比率算出処理の詳細フローチャートである。

プロセッサ２１０が入力部２１１として撮像装置１０から撮像画像を受信して取り込む（ステップ１００）。リアルタイムに撮像装置１０は撮像画像を撮像直後に車両判別装置２００に送信することもできるし、所定回数の撮像回数又は所定時間後に送信してもよい。
プロセッサ２１０が特徴抽出部２１２として撮像画像中格子の頂点及び微分フィルターで必要となる格子の頂点の周辺についてＲＧＢ成分からＩ成分に変換する（ステップ２００）。

プロセッサ２１０が平滑化処理を実行する（ステップ３００）。平滑化処理は、様々な公知・慣用技術があり、当業者であれば適宜実装することができるので、ここでの詳説は省略する。例えば、平滑化用のフィルターとして、次の式（４）のフィルターがある。ｎは１より大きい。この他、加重平均フィルター、メディアンフィルターがある。なお、ステップ２００では、微分フィルターで必要となる格子の頂点の周辺の画素のＩ成分も求めており、平滑化用のフィルターを適用することができる。ただし、微分フィルターがｎ行ｎ列、平滑化用のフィルターがｍ行ｍ列のとき、ｎ≧ｍである。ｎ＜ｍのときは、ステップ２００で、平滑化フィルター用にＩ成分を求める必要がある。

また、ステップ３００で平滑化処理を施したが、ステップ１００とステップ２００の間に平滑化処理を施してもよい。撮像画像の全画素に対して平滑化処理を実行してもよいが、微分フィルターで使用する画素についてのみ平滑化処理を施し、平滑化処理を施した画素についてのみステップ２００を実行する構成であってもよい。

プロセッサ２１０が微分フィルター部２１３として平滑化処理を施したＩ成分の抽出データに対して微分フィルターをあてる（ステップ４００）。そうすることで、各格子の頂点での変化量がフィルターデータとして求まる。

次に、プロセッサ２１０がステップ５００の定義済み特定変化量数算出処理及びステップ６００の定義済み特定垂直投影値比率算出処理を実行する。それぞれの処理の詳細については後説する。

プロセッサ２１０が車両判別部２１６として特定変化量数及び特定垂直投影値比率から撮像されている車両が二輪車か四輪車かを判別し、車両判別データを作成する（ステップ７００）。具体的には、特定変化量数が第２の閾値以下であれば四輪車以外と判断し、特定変化量数が第４の閾値以下かつ特定垂直投影値比率が第３の閾値［％］以上であれば二輪車であると判断する。車両判別データは、二輪車、四輪車の種別を示すフラグからなる。

プロセッサ２１０が出力部２１７として車両判別データを、撮影画像、撮影時刻及び撮影場所識別情報と共に集計装置である管理コンピュータ３０に出力する（ステップ８００）。

管理コンピュータ３０は、撮像装置１０毎に二輪車と四輪車の数を積算する。そして、入場する車両を撮像する撮像装置の積算結果から退場する車両を撮像する撮像装置の積算結果を減算することで、現在工場内に入場している車両数を二輪車と四輪車を区別して管理者コンピュータのディスプレイに表示する。

（特定変化量数算出処理）
プロセッサ２１０が特定変化量数算出部２１４として微分フィルター部２１３で求まったフィルターデータの中から変化量を取り出し（ステップ５０１）、取り出した変化量がｎ以上か否かを判断する（ステップ５０２）。ｎ以上であれば特定変化量数をカウントアップし（ステップ５０３）、ｎ以上でなければ次に進む。次に、取り出した変化量が最後の変化量か否かを判断する（ステップ５０４）。最後の変化量であれば終了し、そうでなければステップ５０１に戻る。

（特定垂直投影値比率算出処理）
プロセッサ２１０が特定垂直投影値比率算出部２１５として第ｎの水平位置にある変化量を積算する。つまり、第ｎの垂直格子線上の画素における変化量を積算する（ステップ６０１）。ｎの初期値は１である。プロセッサ２１０がｎがＮと等しいか否かを判断する（ステップ６０２）。等しくない場合には、ｎを１インクリメントしてステップ６０１に戻る。等しい場合には次の処理に進む。

プロセッサ２１０が求めた積算値を積算値の大きさで降順に整列させる（ステップ６１１）。
プロセッサ２１０が１番目からＴ番目の積算値を取り出す（ステップ６１２）。Ｔは任意に設定することができる。図４であればＴは例えば２である。
プロセッサ２１０が取り出した積算値の垂直格子線の中で連続していない垂直格子線の積算値を除外して、積算値を積算して特定垂直投影値を求める（ステップ６１３）。四輪車であれバイクであれ対象物が撮像画像中に存在する場合には、ある領域を連続して占めることになり、撮像画像中に離散して存在することはないため、連続していない格子線の積算値を加算しないことでノイズを除去することができる。たとえば、図４では、第３の垂直格子線と第４の垂直格子線上の格子点が二輪車及び二輪車の運転者に重なり、通常であれば、第３の垂直格子線の積算値若しくは第４の垂直格子線の積算値が、１番及び２番目に積算値が大きな値となるが、ノイズによって、第１の垂直格子線が２番目に積算値が大きい垂直格子線となったとしても、ステップ６１４によって加算されない。ここで、Ｔ個の積算値にするために、Ｔ番目以降の隣接関係にある積算値を取り出す構成にすることもできる。そうすることで、先程の図４の例で言えば、第３の垂直格子線の積算値若しくは第４の垂直格子線の積算値が積算されて特定垂直投影値となる。他に、もっとも高い積算値の垂直格子線を中心としてこの垂直格子線を含んで横方向に連続したＴ本の垂直格子線の積算値を積算して特定垂直投影値とすることもできる。
プロセッサ２１０が特定垂直投影値を全ての積算値を積算した値で除算して特定垂直投影値の比率を求める（ステップ６２１）。

［８．本実施形態の効果］
このように本実施形態に係る車両判別装置によれば、撮像装置１０から取り込んだ撮像画像から特定の点のＩ成分を抽出し、抽出したＩ成分に対して微分フィルターをかけ、特定変化量数及び特定垂直投影値比率を求め、この求めた特定変化量数及び特定垂直投影値比率が所定条件を満たすか否かで撮像画像に写り込んでいる車両が二輪車か四輪車かを判別することができる。特に、撮像画像中で画像処理する画素が特定の画素に限られ、高速に車両を判別することができる。

［９．具体例］
実際に、図４の二輪車が撮像されている撮像画像と、図５の四輪車が撮像されている撮像画像に対して、格子点の濃度変化量を求め、全濃度変化量での割合を求めたものが、それぞれ表１、表２となる。なお、図４及び図５は線画であるが、実際はＲＧＢ画像であり、そのＲＧＢ画像を用いて実験した。表のｎ行ｍ列の値は、第ｎ水平格子線と第ｍ垂直格子線の交点の画素の濃度変化量の割合である。

表３と表４は二輪車と四輪車でそれぞれもっとも濃度変化が大きかった点が含まれる列の濃度変化量の割合値の合計である。
それらの行のみで特定垂直投影値の比率を求めると、車が45.19382215であるのに対し、二輪車が70.46907183であり、十分に判別できる程値が離隔している。

（その他の実施形態）
［グループ化による特定垂直投影値の算出方法］
図９は格子線の全水平画素の変化量を各水平位置で垂直投影して算出した値をグラフ化した図例である。図９（ａ）がバイクについてであり、図９（ｂ）が四輪車についてである。

前記第１の実施形態では、水平格子線の飛び飛びの画素における変化量を用いて車両を判別してきた。つまり、水平格子線と垂直格子線の交点に相当する画素における変化量を用いてきた。図９は水平格子線上の全ての画素のおける変化量を求めて垂直投影したものである。言い換えれば、垂直格子線を横側の画素数分だけ設けた場合に相当する。この図９を参照するとわかるように、バイクの場合には大きな山が一つ形成され、変化量が一定の幅方向に集中しているのに対し、四輪車の場合には複数の山が形成され、変化量が分散している。このことは特定垂直投影値比率について前記第１の実施形態で説明した本発明の理論を裏付けるものでもある。

ところで、前記第１の実施形態では、特定垂直投影値比率算出処理で、垂直投影値の中で予め定められている数分大きい値から連続関係にある垂直投影値を積算して特定垂直投影値を求めたが、図９に示すようにＹ軸方向に平行する直線を複数本引いて、その直線によって画定される領域同士で変化量を積算し、最も大きな積算値を特定垂直投影値とし、全変化量で除法して特定垂直投影値の比率を求める構成にすることもできる。

すなわち、同じ垂直投影値の画素を通過する線分が連続であるように垂直投影値を所定個数にグループ化し、グループの中で垂直投影値を積算してその積算値が最も大きいグループの垂直投影値の積算値である特定垂直投影値の全変化量での比率を求め、その比率に基づき車両を判別することもできる。

［微分フィルターの代替技術］
前記第１の実施形態においては、微分フィルターを用いて微分値を求めたが、フーリエ変換を用いて微分値を求めてもよい。たとえば、撮像画像に対してフーリエ変換を施し、低周波成分を取り除き高周波成分のみとして逆フーリエ変換をしても求めることもできる。

［所定距離以上離隔した特定変化量点の無視］
特定変化量点は、バイク、車等が存在していると推定される箇所である。ところで、バイク、車等は撮像画像中で特定領域を連続して占有しており、離散して存在することはない。よって、ある集合を形成している特定変化量点から所定距離以上離隔した特定変化量点は、バイク、車等が存在している点を示しているのではなく、ノイズの可能性が非常に高い。すなわち、このような所定距離以上離隔した特定変化量点を無視して、車両判別を実施することで、より精度の高い車両判別を実現することができる。これは、ステップ４００とステップ５００の間に実施することが望ましい。ここで、「ある集合を形成している特定変化量点から所定距離以上離隔した特定変化量点」としたが、最も近い特定変化量点が所定距離以上である特定変化量点とすることもできる。

ここでは、特定変化量点同士の距離を求めて所定距離以上か否かを判断して離散して位置する特定変化量を特定したが、クラスタリング手法を用いることもできる。クラスタリング手法としては、公知技術であるクラスタリング手法を使用することができるが、例えば、K-means法(参考文献：高木幹雄、下田陽久、「新編 画像解析ハンドブック」（p1577−ｐ1579）、東京大学出版会)を使用することができる。つまり、クラスタリング手法を用いて形成されたクラスタの中で、要素が１つ等の少ないクラスタを特定してこのクラスタの要素を離散した特定変化量点として無視する構成にすることもできる。

以上の前記各実施形態により本発明を説明したが、本発明の技術的範囲は実施形態に記載の範囲には限定されず、これら各実施形態に多様な変更又は改良を加えることが可能である。そして、かような変更又は改良を加えた実施の形態も本発明の技術的範囲に含まれる。このことは、特許請求の範囲及び課題を解決する手段からも明らかなことである。

（付記）
前記各実施形態に関して次の付記を記す。
（付記１） 車両を撮像する撮像装置で撮像された対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素及びその周辺の画素を輝度成分に変換する特徴抽出手段と、当該特徴抽出手段で求めた該当画素の輝度成分の値に対して微分フィルターをかける微分フィルター手段と、微分フィルター手段で求めた変化量のうち第１の閾値以上の値を有する変化量数をカウントする特定変化量数算出手段と、特定変化量算出手段でカウントした変化量数に基づいて対象画像に撮像されている車両を判別する車両判別手段とを含む車両判別装置。

（付記２） 前記車両判別手段が、特定変化量算出手段でカウントした変化量数が第２の閾値以上であるか否かを判断し、特定変化量算出手段でカウントした変化量数が第２の閾値以上である場合に、対象画像で撮像されている車両が四輪車であると判別する前記付記１に記載の車両判別装置。

（付記３） 車両を撮像する撮像装置で撮像された対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素及びその周辺の画素を輝度成分に変換する特徴抽出手段と、当該特徴抽出手段で求めた該当画素の輝度成分の値に対して微分フィルターをかける微分フィルター手段と、微分フィルター手段で求めた変化量を同じ水平位置の位置する画素毎に積算して垂直投影値を求め、同じ垂直投影値の画素を通過する線分が連続しており且つ求めた垂直投影値の中で値が大きい垂直投影値を複数個積算して特定垂直投影値を求め、全変化量と特定垂直投影値から特定垂直投影値の全変化量内での比率を算出する特定垂直投影値比率算出手段と、特定垂直投影値比率算出手段で算出した特定垂直投影値の比率に基づいて対象画像に撮像されている車両を判別する車両判別手段とを含む車両判別装置。

（付記４） 前記車両判別手段が、特定垂直投影値比率算出手段で算出した特定垂直投影値の比率が第３の閾値以上であるか否かを判断し、特定変化量算出手段でカウントした変化量数が第４の閾値以上である場合に、対象画像で撮像されている車両が二輪車であると判別する前記付記３に記載の車両判別装置。

（付記５） 車両を撮像する撮像装置で撮像された対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素及びその周辺の画素を輝度成分に変換する特徴抽出手段と、当該特徴抽出手段で求めた該当画素の輝度成分の値に対して微分フィルターをかける微分フィルター手段と、微分フィルター手段で求めた変化量のうち第１の閾値以上の値を有する変化量数をカウントする特定変化量数算出手段と、微分フィルター手段で求めた変化量を同じ水平位置の位置する画素毎に積算して垂直投影値を求め、同じ垂直投影値の画素を通過する線分が連続しており且つ求めた垂直投影値の中で値が大きい垂直投影値を複数個積算して特定垂直投影値を求め、全変化量と特定垂直投影値から特定垂直投影値の全変化量内での比率を算出する特定垂直投影値比率算出手段と、特定変化量数算出手段で算出した変化量数及び特定垂直投影値比率算出手段で算出した特定垂直投影値の比率に基づいて対象画像に撮像されている車両を判別する車両判別手段とを含む車両判別装置。

（付記６） 前記車両判別手段が、特定変化量算出手段でカウントした変化量数が第２の閾値以上であるか否かを判断し、特定変化量算出手段でカウントした変化量数が第２の閾値以上である場合に、対象画像で撮像されている車両が四輪車であると判別し、前記車両判別手段が、特定垂直投影値比率算出手段で算出した特定垂直投影値の比率が第３の閾値以上であるか否かを判断し、特定変化量算出手段でカウントした変化量数が第３の閾値以上である場合に、対象画像で撮像されている車両が二輪車であると判別する前記付記５に記載の車両判別装置。

（付記７） 車両を撮像する撮像装置で撮像された対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素及びその周辺の画素を輝度成分に変換する特徴抽出手段と、当該特徴抽出手段で求めた該当画素の輝度成分の値に対して微分フィルターをかける微分フィルター手段と、微分フィルター手段で求めた変化量のうち第１の閾値以上の値を有する変化量数をカウントする特定変化量数算出手段と、特定変化量算出手段でカウントした変化量数に基づいて対象画像に撮像されている車両を判別する車両判別手段としてコンピュータを機能させるための車両判別プログラム。

（付記８） 車両を撮像する撮像装置で撮像された対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素及びその周辺の画素を輝度成分に変換する特徴抽出手段と、当該特徴抽出手段で求めた該当画素の輝度成分の値に対して微分フィルターをかける微分フィルター手段と、微分フィルター手段で求めた変化量を同じ水平位置の位置する画素毎に積算して垂直投影値を求め、同じ垂直投影値の画素を通過する線分が連続しており且つ求めた垂直投影値の中で値が大きい垂直投影値を複数個積算して特定垂直投影値を求め、全変化量と特定垂直投影値から特定垂直投影値の全変化量内での比率を算出する特定垂直投影値比率算出手段と、特定垂直投影値比率算出手段で算出した特定垂直投影値の比率に基づいて対象画像に撮像されている車両を判別する車両判別手段としてコンピュータを機能させるための車両判別プログラム。

（付記９） 車両を撮像する撮像装置で撮像された対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素及びその周辺の画素を輝度成分に変換する特徴抽出ステップと、当該特徴抽出ステップで求めた該当画素の輝度成分の値に対して微分フィルターをかける微分フィルターステップと、微分フィルターステップで求めた変化量のうち第１の閾値以上の値を有する変化量数をカウントする特定変化量数算出ステップと、特定変化量算出ステップでカウントした変化量数に基づいて対象画像に撮像されている車両を判別する車両判別ステップとを含む車両判別方法。

（付記１０） 車両を撮像する撮像装置で撮像された対象画像上の水平方向及び垂直方向のそれぞれに等間隔の位置の画素及びその周辺の画素を輝度成分に変換する特徴抽出ステップと、当該特徴抽出ステップで求めた該当画素の輝度成分の値に対して微分フィルターをかける微分フィルターステップと、微分フィルターステップで求めた変化量を同じ水平位置の位置する画素毎に積算して垂直投影値を求め、同じ垂直投影値の画素を通過する線分が連続しており且つ求めた垂直投影値の中で値が大きい垂直投影値を複数個積算して特定垂直投影値を求め、全変化量と特定垂直投影値から特定垂直投影値の全変化量内での比率を算出する特定垂直投影値比率算出ステップと、特定垂直投影値比率算出ステップで算出した特定垂直投影値の比率に基づいて対象画像に撮像されている車両を判別する車両判別ステップとを含む車両判別方法。
なお、前記付記１及び付記３を適用して１つの装置とすることで、より正確に車両の判別を実行することができる。つまり、付記１で判別された結果と付記３で判別された結果とを照合し、同じ結果である場合にはその判別結果が正しいものとして出力することができる。異なる結果であれば、一方の判別結果が誤っている可能性が高いので、判別未確定
として別途出力することもできる。さらに、ある車両の種別について付記１の判別結果の正答率が高く、他の車両の種別について付記３の判別結果の正答率が高いといった、車両の種別によって付記１と付記３の判別結果の正答率が異なることもあり、判別結果の正答率の高い判別結果を出した方を優先的に出力する構成にすることもできる。たとえば、付記１の判別結果が軽自動車であり、軽自動車について付記１のこれまでの正答率は９５［％］であり、一方、付記３の判別結果が普通乗用車であり、普通乗用車について付記３のこれまでの正答率は６０［％］であるときは、付記１の判別結果を優先して出力する。さらに、同じ撮像環境の条件値でも時間によって変化するものもパラメータとして用いることもできる。たとえば、各天候条件での正答率も記録しておき、対象とする撮像画像の撮像時の天候条件に合致する天候条件の正答率を読み出す構成とすることもできる。

本発明の第１の実施形態に係る撮像環境の説明図である。 本発明の第１の実施形態に係るシステム構成図及び車両判別装置のハードウェア構成図である。 本発明の第１の実施形態に係る車両判別装置のブロック構成図である。 本発明の第１の実施形態に係る撮像装置で撮像された撮像画像（二輪車が撮像された場合）である。 本発明の第１の実施形態に係る撮像装置で撮像された撮像画像（四輪車が撮像された場合）である。 本発明の第１の実施形態に係る車両判別装置の動作フローチャートである。 本発明の第１の実施形態に係る車両判別装置の特定変化量数算出処理の詳細フローチャートである。 本発明の第１の実施形態に係る車両判別装置の特定垂直投影値比率算出処理の詳細フローチャートである。 その他の実施形態に係る格子線の全水平画素の変化量を各水平位置で垂直投影して算出した値をグラフ化した図である。

符号の説明

１０ 撮像装置
３０ 管理コンピュータ
２００ 車両判別装置
２１０ ＣＰＵ（プロセッサ）
２１１ 入力部
２１２ 特徴抽出部
２１３ 微分フィルター部
２１４ 特定変化量数算出部
２１５ 特定垂直投影値比率算出部
２１６ 車両判別部
２１７ 出力部
２２０ ＤＲＡＭ
２３０ ＨＤ
２４０ ディスプレイ
２５０ キーボード
２６０ マウス
２７０ ＬＡＮカード
２８０ ＣＤ−ＲＯＭドライブ

Claims (7)

1. 入力画像上で、水平方向および垂直方向のそれぞれの方向で等間隔である格子位置における複数の画素の輝度成分値、および、前記複数の画素それぞれの周辺の画素の輝度成分値を求める特徴抽出手段と、
   前記特徴抽出手段で求められた画素の輝度成分値に対して変化量を算出するフィルター手段と、
   前記変化量を水平位置が同じである画素毎に積算した垂直投影値と、全ての前記垂直投影値を積算した全変化量と、特定の条件を満たす複数の前記垂直投影値を積算した特定垂直投影値に基づき、前記特定垂直投影値の前記全変化量に対する比率である特定垂直投影値比率を算出する特定垂直投影値比率算出手段と、
   前記特定垂直投影値比率に基づいて前記入力画像に撮像されている車両を判別する車両判別手段と、を備え、
   前記特定の条件は、前記垂直投影値を構成し、かつ、所定の閾値よりも前記変化量が大きい前記格子位置にある画素が、前記所定のしきい値よりも前記変化量が大きい他の画素と、水平方向の隣接する前記格子位置にあることである、ことを特徴とする車両判別装置。
2. 請求項１記載の車両判別装置であって、前記車両判別手段は、前記特定垂直投影値の比率が第３の閾値以上であり、かつ、前記変化量数が第４の閾値以下である場合に、前記入力画像で撮像されている車両が二輪車であると判別することを特徴とする車両判別装置。
3. 請求項１記載の車両判別装置であって、前記格子の間隔は、前記入力画像の撮像条件、または、前記車両判別手段の判別結果に基づき制御されることを特徴とする車両判別装置。
4. 請求項１記載の車両判別装置であって、前記フィルター手段は、微分フィルターによって変化量を算出することを特徴とする車両判別装置。
5. 請求項１記載の車両判別装置であって、前記フィルター手段は、フーリエ変換によって
   変化量を算出することを特徴とする車両判別装置。
6. コンピュータが、
   入力画像上で、水平方向および垂直方向のそれぞれの方向で等間隔である格子位置における複数の画素の輝度成分値、および、前記複数の画素それぞれの周辺の画素の輝度成分値を求める特徴抽出ステップと、
   前記特徴抽出ステップで求められた画素の輝度成分値に対して変化量を算出するフィルターステップと、
   前記変化量を水平位置が同じである画素毎に積算した垂直投影値と、全ての前記垂直投影値を積算した全変化量と、特定の条件を満たす複数の前記垂直投影値を積算した特定垂直投影値に基づき、前記特定垂直投影値の前記全変化量に対する比率である特定垂直投影値比率を算出する特定垂直投影値比率算出ステップと、
   前記特定垂直投影値比率に基づいて前記入力画像に撮像されている車両を判別する車両判別ステップと、を実行し、
   前記特定の条件は、前記垂直投影値を構成し、かつ、所定の閾値よりも前記変化量が大きい前記格子位置にある画素が、前記所定のしきい値よりも前記変化量が大きい他の画素と、水平方向の隣接する前記格子位置にあることである、ことを特徴とする車両判別方法。
7. 入力画像上で、水平方向および垂直方向のそれぞれの方向で等間隔である格子位置における複数の画素の輝度成分値、および、前記複数の画素それぞれの周辺の画素の輝度成分値を求める特徴抽出手段、
   前記特徴抽出手段で求められた画素の輝度成分値に対して変化量を算出するフィルター手段、
   前記変化量を水平位置が同じである画素毎に積算した垂直投影値と、全ての前記垂直投影値を積算した全変化量と、特定の条件を満たす複数の前記垂直投影値を積算した特定垂直投影値に基づき、前記特定垂直投影値の前記全変化量に対する比率である特定垂直投影値比率を算出する特定垂直投影値比率算出手段、
   前記特定垂直投影値比率に基づいて前記入力画像に撮像されている車両を判別する車両判別手段としてコンピュータを機能させ、
   前記特定の条件は、前記垂直投影値を構成し、かつ、所定の閾値よりも前記変化量が大きい前記格子位置にある画素が、前記所定のしきい値よりも前記変化量が大きい他の画素と、水平方向の隣接する前記格子位置にあることである、ことを特徴とする車両判別プログラム。

Images