JP5361576B2 - 駐車場における車両の検知システムおよび検知方法 - Google Patents
駐車場における車両の検知システムおよび検知方法 Download PDFInfo
- Publication number
- JP5361576B2 JP5361576B2 JP2009157372A JP2009157372A JP5361576B2 JP 5361576 B2 JP5361576 B2 JP 5361576B2 JP 2009157372 A JP2009157372 A JP 2009157372A JP 2009157372 A JP2009157372 A JP 2009157372A JP 5361576 B2 JP5361576 B2 JP 5361576B2
- Authority
- JP
- Japan
- Prior art keywords
- membership
- vehicle
- class
- unit
- data
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Traffic Control Systems (AREA)
Description
この駐車状況測定方法は、駐車場の特定駐車エリアにおける駐車台数からニューラルネットワークを用いて駐車場全体の駐車率を推定する駐車状況測定方法において、特定駐車エリアの駐車台数を各車種別に設けた車種別用ニューラルネットワークに入力して車種別の駐車率を求め、その求めた各駐車率を全体用ニューラルネットワークに入力して駐車場全体の駐車率を推定する方法である。
撮影用カメラにより撮影された撮影画像から車室を切り出すとともにこの切り出された車室毎の画像データから複数の代表値を取得して正規化する正規化部と、この正規化部で得られた代表値よりなる画像データをベクトル化するベクトル化部と、このベクトル化部でベクトル化されたベクトルデータの次元を圧縮する次元圧縮部と、この次元圧縮部で圧縮されたベクトルデータの予め訓練用データで求められたクラスター中心に対するマハラノビス距離を求めるマハラノビス距離計算部と、このマハラノビス距離計算部で求められたマハラノビス距離を下記(1)式に示すメンバーシップ関数(u*)に代入するとともにこの関数値を下記(2)式に代入してメンバーシップ(チルダu)を求めるメンバーシップ計算部と、このメンバーシップ計算部で求められたメンバーシップを用いて駐車状態または空車状態のいずれかのクラスにクラスタリングを行い車室内に車両が存在するか否かを判断する在車判断部とを具備したものである。
撮影用カメラにより撮影された撮影画像から車室を切り出すとともにこの切り出された車室毎の画像データから複数の代表値を取得して正規化し、この正規化された代表値よりなる画像データをベクトル化し、このベクトル化されたベクトルデータの次元を圧縮し、この圧縮されたベクトルデータの予め訓練用データで求められたクラスター中心に対するマハラノビス距離を求め、この求められたマハラノビス距離を下記(3)式に示すメンバーシップ関数(u*)に代入するとともにこの関数値を下記(4)式に代入してメンバーシップ(チルダu)を求め、この求められたメンバーシップを用いて車室内に車両が存在するか否かを判断する方法である。
(3)式に示すメンバーシップ関数(u*)の各パラメータについては、訓練用データに基づき予め決定し、
且つこの決定に際しては、
まず訓練用データを用いて駐車状態および空車状態を示すクラス毎にセミハードクラスタリングを行うことにより、各クラス毎における各クラスターの中心およびメンバーシップを求め、
次に評価用データにより、(3)式に示すメンバーシップ関数(u*)および(4)式に示すメンバーシップ(チルダu)を用いて当該メンバーシップが正しいクラスに所属するように、(3)式における各パラメータ(m,γ,ν,α)の最適化を図る方法である。
(3)式にて示すメンバーシップ関数(u*)における各パラメータ(m,γ,ν,α)の最適化を行う際に、粒子群最適化法を用いる方法である。
本実施例に係る駐車場は、屋外に設けられているものとして説明する。
ところで、この車両の検知システムおよび検知方法(これらを、検知システム等ともいう)には、ファジィクラスタリング法が用いられる。
このファジィクラスタリング法は繰返し重み付き最小二乗法を用いるので目的関数Jiは下記(1)式のように設定される。
ハードとファジイの中間的なセミハードクラスタリングをするために、メンバーシップukiを下記(8)式のように設定する。
このとき、目的関数Jを用いてセミハードクラスタリングを行う。
そして、上記求められたメンバーシップuに基づき、各クラス毎にクラスタリングが行われる。
すなわち、第1フェーズにて求められた各クラスターの中心vに対して、マハラノビス距離Dを求める。このとき、第1フェーズで求められたメンバーシップuが用いられる。
この粒子群最適化法は、メンバーシップ関数u*における3つのパラメータ(m,γ,ν)と同じくパラメータであるクラスターの混合比率αの最適化が行われる。
すなわち、上記メンバーシップ関数u*を用いたメンバーシップ*uが、正しいクラスに属するように、言い換えれば、正しいクラスのメンバーシップ*uの方が大きくなるように、最適化が図られる。
そして、実際に、駐車の有無を判断する判断工程の概略について説明する。
すなわち、撮影されて所定の処理(後述する)が施された画像データの、上記準備工程で求められた各クラスターの中心vに対するマハラノビス距離Dを求めるとともに、このマハラノビス距離を上記(6)式に代入して求められるメンバーシップ関数値u*を上記(5)式に代入し、各クラスにおけるクラスターに対するメンバーシップ*uを求める。そして、クラスター毎に求められたメンバーシップ*uを加算し、クラス毎のメンバーシップ*u1,*u2を求める。
なお、以下の説明では、自由パラメータ(m,γ,ν,α)およびクラスター中心v,分散共分散行列S、クラスの混合比率πなどが識別に関わる要素であるため、判断用パラメータと称して説明する。
なお、この駐・空判断部13は、単独で作動するものであるため、画像データを読み込み、次元圧縮などの構成部分については、上述したものと同一のものが具備されており、当然ながら、この構成部分も再度説明する。
まず、この検知システムの設置に際しては、下記に示すように、二つの場合が考えられ、以下、この設置に際しての手順を概略的に説明した後、一つの場合に基づき具体的に説明する。
前もって入手した画像データを用いて、車室位置の設定、画像圧縮係数の計算および判断用パラメータの生成(訓練)を実施しておき、これらを用いてシステムを稼動させる。
なお、駐車場で用いる画像圧縮係数および判断用パラメータは、データベース部14に登録される(別の駐車場でも利用される)。
撮影用カメラが設置されて画像データの取り込みが可能になると、画像データを取り込み、車室位置を仮に設定する。
これと同時に、この駐車場での画像データを収集しておき、この画像データを使って車室位置を詳細に設定し、新たに画像圧縮係数の計算および判断用パラメータの生成(訓練)を実施する。
その後も、現地の画像データを収集して判断用パラメータを訓練し続け、識別精度を向上させる。勿論、この場合も、駐車場で使用する画像圧縮係数および判断用パラメータはデータベース部に登録される(別の駐車場でも利用される)。
すなわち、データベース部14には、既設駐車場の画像データにより得られた画像圧縮係数および判断用パラメータが記憶されている。
そして、新しい駐車場の検知システムにおいては、新しく設置された撮影用カメラにより画像データを収集して、判断用パラメータの精度の向上が図られる。
車室Sの位置が特定されると、撮影用カメラ2から画像データを読み込み、この画像データを正規化およびベクトル化した後、データベース部14に記憶されている画像圧縮係数に基づき次元を、例えば1024次元から50次元に圧縮する。そして、この次元圧縮された画像データに対して、マハラノビス距離を求めるとともに、このマハラノビス距離を用いてメンバーシップ関数を求め、この求められたメンバーシップ関数値を用いて、各クラスに対するメンバーシップを求める。
すなわち、撮影用カメラ2にて撮影された車室Sの画像データが画像読込部41に読み込まれ、この画像データは車室切出部42、正規化部43およびベクトル化部44で例えば1024次元データにベクトル化された後、次元圧縮部45で次元が圧縮される。この次元圧縮部45では、データベース部14に記憶されている画像圧縮係数に基づき、その次元が1024次元から50次元に圧縮される。次に、この次元圧縮された画像データはマハラノビス距離計算部46にてマハラノビス距離が求められ、そしてメンバーシップ計算部47において、マハラノビス距離を用いてメンバーシップ関数が求められた後、この求められたメンバーシップ関数値を用いて、各クラスに対するメンバーシップが求められる。そして、これら求められたメンバーシップの内、各クラス毎に加算してクラス毎のメンバーシップが求められる。
また、上記説明においては、駐車場を屋外として説明したが、撮影条件が良い屋内にも、当然に、この検知システムを適用することができる。
屋上駐車場に設置されている監視カメラ(撮影用カメラである)の画像から27車室の駐車状況の識別を行った。実験には、天候や時間帯の異なる様々な条件下の3週間分の画像データから、2600枚の画像を選んで用いた。
最初にカメラ番号や用いる画像の枚数、車室数やそのグループ分けを指定し、次に車室の切り出し箇所を画面上で指定した。
下記に示す(表1)および(表2)の下段に、第2週目の1000枚(27000件)で評価した誤識別率を示す。なお、各表は、昼夜を分けた場合の誤識別率を示す。
1 支柱
2 撮影用カメラ
11 車室設定部
12 データ等作成・調整部
13 駐・空判断部
14 データベース部
21 車室位置設定部
22 車室位置情報取得部
31 画像圧縮係数計算部
31a 画像読込部
31b 車室切出部
31c 正規化部
31d 主成分分析部
31e 画像圧縮係数取得部
32 パラメータ調整部
32a 画像読込部
32b 画像圧縮部
32c 訓練画像蓄積部
32d パラメータ取得部
41 画像読込部
42 車室切出部
43 正規化部
44 ベクトル化部
45 次元圧縮部
46 マハラノビス距離計算部
47 メンバーシップ計算部
48 在車判断部
Claims (6)
- 駐車場を撮影した画像データに対してファジィクラスタリングを行い車室が駐車状態であるか空車状態であるかを判断する車両の検知システムであって、
撮影用カメラにより撮影された撮影画像から車室を切り出すとともにこの切り出された車室毎の画像データから複数の代表値を取得して正規化する正規化部と、この正規化部で得られた代表値よりなる画像データをベクトル化するベクトル化部と、このベクトル化部でベクトル化されたベクトルデータの次元を圧縮する次元圧縮部と、この次元圧縮部で圧縮されたベクトルデータの予め訓練用データで求められたクラスター中心に対するマハラノビス距離を求めるマハラノビス距離計算部と、このマハラノビス距離計算部で求められたマハラノビス距離を下記(1)式に示すメンバーシップ関数(u*)に代入するとともにこの関数値を下記(2)式に代入してメンバーシップ(チルダu)を求めるメンバーシップ計算部と、このメンバーシップ計算部で求められたメンバーシップを用いて駐車状態または空車状態のいずれかのクラスにクラスタリングを行い車室内に車両が存在するか否かを判断する車両判断部とを具備したことを特徴とする駐車場における車両の検知システム。
- 次元圧縮部にて次元を圧縮する際に、主成分分析法を用いたことを特徴とする請求項1に記載の駐車場における車両の検知システム。
- (1)式にて示すメンバーシップ関数(u*)における各パラメータ(m,γ,ν,α)の最適化を行う際に、粒子群最適化法を用いたことを特徴とする請求項1に記載の駐車場における車両の検知システム。
- 駐車場を撮影した画像データに対してファジィクラスタリングを行い車室が駐車状態であるか空車状態であるかを判断する車両の検知方法であって、
撮影用カメラにより撮影された撮影画像から車室を切り出すとともにこの切り出された車室毎の画像データから複数の代表値を取得して正規化し、この正規化された代表値よりなる画像データをベクトル化し、このベクトル化されたベクトルデータの次元を圧縮し、この圧縮されたベクトルデータの予め訓練用データで求められたクラスター中心に対するマハラノビス距離を求め、この求められたマハラノビス距離を下記(3)式に示すメンバーシップ関数(u*)に代入するとともにこの関数値を下記(4)式に代入してメンバーシップ(チルダu)を求め、この求められたメンバーシップを用いて車室内に車両が存在するか否かを判断することを特徴とする駐車場における車両の検知方法。
- (3)式に示すメンバーシップ関数(u*)の各パラメータについては、訓練用データに基づき予め決定し、
且つこの決定に際しては、
まず訓練用データを用いて駐車状態および空車状態を示すクラス毎にセミハードクラスタリングを行うことにより、各クラス毎における各クラスターの中心およびメンバーシップを求め、
次に評価用データにより、(3)式に示すメンバーシップ関数(u*)および(4)式に示すメンバーシップ(チルダu)を用いて当該メンバーシップが正しいクラスに所属するように、(3)式における各パラメータ(m,γ,ν,α)の最適化を図るようにしたことを特徴とする請求項4に記載の駐車場における車両の検知方法。 - (3)式にて示すメンバーシップ関数(u*)における各パラメータ(m,γ,ν,α)の最適化を行う際に、粒子群最適化法を用いたことを特徴とする請求項5に記載の駐車場における車両の検知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009157372A JP5361576B2 (ja) | 2009-07-02 | 2009-07-02 | 駐車場における車両の検知システムおよび検知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009157372A JP5361576B2 (ja) | 2009-07-02 | 2009-07-02 | 駐車場における車両の検知システムおよび検知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011013924A JP2011013924A (ja) | 2011-01-20 |
JP5361576B2 true JP5361576B2 (ja) | 2013-12-04 |
Family
ID=43592734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009157372A Active JP5361576B2 (ja) | 2009-07-02 | 2009-07-02 | 駐車場における車両の検知システムおよび検知方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5361576B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053584A (zh) * | 2020-08-21 | 2020-12-08 | 杭州目博科技有限公司 | 一种用于路牙的车位检测设备及其管理方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9129524B2 (en) * | 2012-03-29 | 2015-09-08 | Xerox Corporation | Method of determining parking lot occupancy from digital camera images |
JP6008618B2 (ja) * | 2012-07-02 | 2016-10-19 | 日立造船株式会社 | ごみ焼却炉におけるごみ状態検出装置 |
US9224062B2 (en) * | 2013-08-09 | 2015-12-29 | Xerox Corporation | Hybrid method and system of video and vision based access control for parking stall occupancy determination |
JP7223962B2 (ja) * | 2020-10-02 | 2023-02-17 | 国立大学法人東京工業大学 | 車室認証プログラム及び車室認証装置 |
JP7461866B2 (ja) | 2020-12-23 | 2024-04-04 | 名古屋電機工業株式会社 | 情報処理装置、情報処理方法およびプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2635447B2 (ja) * | 1990-12-17 | 1997-07-30 | 日本電信電話株式会社 | 物体認識処理方法 |
JP3444924B2 (ja) * | 1993-06-29 | 2003-09-08 | 株式会社東芝 | 空きエリア検出装置 |
JPH11306325A (ja) * | 1998-04-24 | 1999-11-05 | Toshiba Tec Corp | 対象物検出装置及び対象物検出方法 |
JP4762421B2 (ja) * | 2001-02-27 | 2011-08-31 | 名古屋電機工業株式会社 | 混雑状況判定方法およびその装置 |
JP2005182504A (ja) * | 2003-12-19 | 2005-07-07 | Matsushita Electric Ind Co Ltd | 駐車支援システム |
JP3903436B2 (ja) * | 2004-08-09 | 2007-04-11 | 国立大学法人九州工業大学 | 印影の認証システム |
JP2007280073A (ja) * | 2006-04-07 | 2007-10-25 | Kenwood Corp | 駐車場内誘導システム、駐車場側誘導装置、自動車側誘導装置及び駐車場内誘導方法 |
JP2008140093A (ja) * | 2006-12-01 | 2008-06-19 | Nippon Telegr & Teleph Corp <Ntt> | 異常事象抽出装置、異常事象抽出方法、この方法のプログラム及びこのプログラムを記録した記録媒体 |
-
2009
- 2009-07-02 JP JP2009157372A patent/JP5361576B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053584A (zh) * | 2020-08-21 | 2020-12-08 | 杭州目博科技有限公司 | 一种用于路牙的车位检测设备及其管理方法 |
CN112053584B (zh) * | 2020-08-21 | 2021-07-27 | 杭州目博科技有限公司 | 一种基于地磁、雷达及摄像的路牙车位状态预测管理系统及其管理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2011013924A (ja) | 2011-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5361576B2 (ja) | 駐車場における車両の検知システムおよび検知方法 | |
CN110309781B (zh) | 基于多尺度光谱纹理自适应融合的房屋损毁遥感识别方法 | |
JP5483961B2 (ja) | 画像処理装置、被写体判別方法、プログラム及び記憶媒体 | |
JP5823270B2 (ja) | 画像認識装置及び方法 | |
CN105913040B (zh) | 暗视觉条件下的双摄像头实时行人检测系统 | |
CN109684922B (zh) | 一种基于卷积神经网络的多模型对成品菜的识别方法 | |
CN102708361B (zh) | 远距离人脸采集方法 | |
CN107909081B (zh) | 一种深度学习中图像数据集的快速获取和快速标定方法 | |
CN107273832B (zh) | 基于积分通道特征与卷积神经网络的车牌识别方法及系统 | |
CN108549864A (zh) | 面向车载热成像行人检测的感兴趣区域过滤方法和装置 | |
US8488878B2 (en) | Sky detection system used in image extraction device and method using sky detection system | |
JP5500024B2 (ja) | 画像認識方法及び装置並びにプログラム | |
CN104036284A (zh) | 基于Adaboost算法的多尺度行人检测方法 | |
CN107766801B (zh) | 一种基于红外热点追踪的绝缘子识别方法及装置 | |
JP6095817B1 (ja) | 物体検出装置 | |
CN109063619A (zh) | 一种基于自适应背景抑制滤波器和组合方向梯度直方图的交通信号灯检测方法和系统 | |
JP4946878B2 (ja) | 画像識別装置及びプログラム | |
CN110427815B (zh) | 实现门禁有效内容截取的视频处理方法及装置 | |
KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
JP2011165170A (ja) | 対象物検出装置及びプログラム | |
CN113591973B (zh) | 一种轨道板外观状态变化智能比对方法 | |
CN110348366B (zh) | 一种自动化最优人脸搜索方法及装置 | |
CN115714858A (zh) | 一种工业相机的增益值和曝光值自动调节方法 | |
Fusek et al. | Adaboost for parking lot occupation detection | |
CN116740652B (zh) | 一种基于神经网络模型的锈斑面积扩大的监测方法与系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120509 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130731 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130806 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130903 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5361576 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |