JP6125137B1 - 水位計測装置及び水位計測方法 - Google Patents

Abstract

水位計測装置（１００）は、操作入力装置（２）に入力された操作に応じて、監視カメラ（１）による撮影画像（Ｉ，Ｉ’）における標定点（Ａ１〜Ａ４）の座標値と、標定点（Ａ１〜Ａ４）に対応する水位値とを設定する標定点設定部（１１）と、撮影画像（Ｉ，Ｉ’）を取得して、撮影画像（Ｉ，Ｉ’）のうちの標定点（Ａ１〜Ａ４）の座標値を含む領域を識別用画像（Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’）として切り出す識別用画像切り出し部（１２）と、水領域と非水領域との識別に係る機械学習の結果に基づき、識別用画像（Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’）に対応する領域が水領域であるか非水領域であるかを識別する画像学習識別部（１８）と、画像学習識別部（１８）による識別結果と、標定点（Ａ１〜Ａ４）に対応する水位値とを用いて、監視カメラ（１）による撮影範囲における水位を算定する水位算定部（１４）とを備える。

Description

本発明は、水位計測装置及び水位計測方法に関する。

従来、監視カメラにより撮影された画像を用いて、河川などの水位を計測する技術が開発されている。例えば、特許文献１の水位計測方法は、量水板が設置された河川において、監視カメラが量水板を含む画像を撮影し、水位計測装置が当該画像を用いて当該河川の水位を計測するものである。

特開２００１−２８１０４６号公報

特許文献１の水位計測方法は、撮影された画像における輝度分布に基づいて量水板の位置を特定し、特定した位置に基づき水位を計測するものである。しかしながら、輝度分布のみに基づいて量水板の位置を特定する処理は、特定の精度が不安定である。このため、特許文献１の水位計測方法は、計測結果に誤りが生ずる可能性があり、計測が不安定であるという問題があった。

本発明は、上記のような課題を解決するためになされたものであり、安定した水位計測が可能な水位計測装置及び水位計測方法を提供することを目的とする。

本発明の水位計測装置は、操作入力装置に入力された操作に応じて、監視カメラによる撮影画像における標定点の座標値と、標定点に対応する水位値とを設定する評定点設定部と、撮影画像を取得して、撮影画像のうちの標定点の座標値を含む領域を識別用画像として切り出す識別用画像切り出し部と、水領域と非水領域との識別に係る機械学習の結果に基づき、識別用画像に対応する領域が水領域であるか非水領域であるかを識別する画像学習識別部と、画像学習識別部による識別結果と、識別用画像に対応する標定点の水位値とを用いて、監視カメラによる撮影範囲における水位を算定する水位算定部と、操作入力装置に入力された操作に応じて、撮影画像における常時水領域と、撮影画像における常時非水領域とを設定する常時領域設定部と、撮影画像を取得して、撮影画像のうちの常時水領域に対応する部分と撮影画像のうちの常時非水領域に対応する部分とを学習用画像として切り出す学習用画像切り出し部とを備え、画像学習識別部は、学習用画像を用いて、水領域と非水領域との識別に係る機械学習を実行するものである。

本発明によれば、上記のように構成したので、安定した水位計測が可能な水位計測装置及び水位計測方法を得ることができる。

本発明の実施の形態１に係る水位計測装置の要部を示す機能ブロック図である。 本発明の実施の形態１に係る水位計測装置の要部を示すハードウェア構成図である。 本発明の実施の形態１に係る標定点設定部及び常時領域設定部の動作を示すフローチャートである。 本発明の実施の形態１に係る撮影画像の一例を示す説明図である。 本発明の実施の形態１に係る標定点の一例を示す説明図である。 本発明の実施の形態１に係る常時水領域及び常時非水領域の一例を示す説明図である。 本発明の実施の形態１に係る識別用画像切り出し部、画像識別部及び水位算定部の動作を示すフローチャートである。 本発明の実施の形態１に係る切り出し対象領域の一例を示す説明図である。 本発明の実施の形態１に係る識別用画像の一例を示す説明図である。 本発明の実施の形態１に係る切り出し対象領域の他の例を示す説明図である。 本発明の実施の形態１に係る識別用画像の他の例を示す説明図である。 本発明の実施の形態１に係る学習用画像切り出し部及び画像学習部の動作を示すフローチャートである。 図１３Ａは、本発明の実施の形態１に係る学習用画像の具体例を示す説明図である。図１３Ｂは、本発明の実施の形態１に係る他の学習用画像の具体例を示す説明図である。 本発明の実施の形態１に係る画像学習識別部における人工ニューラルネットワークの階層構造、及び各層間の入出力関係などを示す説明図である。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。

実施の形態１．
図１は、本発明の実施の形態１に係る水位計測装置の要部を示す機能ブロック図である。図１を参照して、実施の形態１の水位計測装置１００について、河川の水位計測に用いる例を中心に説明する。

監視カメラ１は、水位計測装置１００による水位計測の対象となる河川を撮影するものである。監視カメラ１による撮影の対象となる範囲（以下「撮影範囲」という。）には、河川の水と、河川の水以外のもの（例えば橋梁などの構造物）とが含まれている。以下、監視カメラ１により撮影された画像を「撮影画像」という。監視カメラ１は、撮影画像を示す画像データを水位計測装置１００に出力するものである。

操作入力装置２は、水位計測装置１００を使用する作業者（以下、単に「作業者」という。）による操作の入力を受け付けるものである。操作入力装置２は、例えば、キーボード３及びマウス４により構成されている。また、表示装置５は、例えば、液晶ディスプレイ又は有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイなどのディスプレイ６により構成されている。

以下、水位計測装置１００の要部について説明する。

標定点設定部１１は、操作入力装置２に入力された操作に応じて、撮影画像における水位計測の基準となる点（以下「標定点」という。）の座標値と、この標定点に対応する水位を示す値（以下「水位値」という。）とを設定するものである。より具体的には、標定点設定部１１は、撮影画像における複数個の標定点の座標値と、複数個の標定点の各々に対応する水位値とを設定するものである。標定点設定部１１は、各標定点の座標値を識別用画像切り出し部１２に出力するとともに、各標定点に対応する水位値を水位算定部１４に出力するものである。

識別用画像切り出し部１２は、監視カメラ１が出力した画像データを取得するものである。識別用画像切り出し部１２は、取得した画像データが示す撮影画像のうち、標定点設定部１１により設定された各標定点の座標値を含む領域を切り出すものである。以下、識別用画像切り出し部１２による切り出しの対象となる領域を「切り出し対象領域」といい、識別用画像切り出し部１２により切り出された領域に対応する画像を「識別用画像」という。識別用画像切り出し部１２は、切り出した識別用画像を画像識別部１３に出力するものである。

画像識別部１３は、識別用画像切り出し部１２が出力した識別用画像の各々に対応する領域が、河川の水が写された領域（以下「水領域」という。）であるのか、河川の水以外のものが写された領域（以下「非水領域」という。）であるのかを識別するものである。このとき、画像識別部１３は、画像学習部１７による機械学習の結果に基づき、水領域であるか非水領域であるかの識別処理を実行するようになっている。画像識別部１３は、識別結果を水位算定部１４に出力するものである。

水位算定部１４は、画像識別部１３による識別結果と、標定点設定部１１が出力した各標定点に対応する水位値とを用いて、監視カメラ１の撮影範囲における水位を算定するものである。

常時領域設定部１５は、操作入力装置２に入力された操作に応じて、撮影画像における常に河川の水が写されると想定される１個以上の領域（以下「常時水領域」という。）と、撮影画像における常に河川の水以外のものが写されると想定される１個以上の領域（以下「常時非水領域」という。）とを設定するものである。すなわち、常時水領域は、渇水又は増水などの河川の状態変化にかかわらず、常に河川の水が写される蓋然性が他の領域よりも高い領域である。また、常時非水領域は、渇水又は増水などの河川の状態変化にかかわらず、常に河川の水以外のもの（例えば橋梁などの構造物）が写される蓋然性が他の領域よりも高い領域である。

学習用画像切り出し部１６は、監視カメラ１が出力した画像データを取得するものである。学習用画像切り出し部１６は、取得した画像データが示す撮影画像のうち、常時領域設定部１５により設定された常時水領域に対応する部分と、常時領域設定部１５により設定された常時非水領域に対応する部分とを切り出すものである。以下、学習用画像切り出し部１６による切り出しの対象となる部分を「切り出し対象部分」といい、学習用画像切り出し部１６により切り出された部分に対応する画像を「学習用画像」という。学習用画像切り出し部１６は、切り出した学習用画像を画像学習部１７に出力するものである。

画像学習部１７は、学習用画像切り出し部１６が出力した学習用画像を用いて、水領域と非水領域との識別に係る機械学習を実行するものである。すなわち、画像学習部１７及び画像識別部１３により、画像学習識別部１８が構成されている。画像学習識別部１８は、例えば、いわゆる「人工ニューラルネットワーク」を用いたものである。人工ニューラルネットワークの構造、及び人工ニューラルネットワークによる機械学習の具体例については、図１４を参照して後述する。

標定点設定部１１、識別用画像切り出し部１２、水位算定部１４、常時領域設定部１５、学習用画像切り出し部１６及び画像学習識別部１８により、水位計測装置１００の要部が構成されている。

次に、図２を参照して、水位計測装置１００のハードウェア構成について説明する。図２に示す如く、水位計測装置１００はコンピュータにより構成されており、プロセッサ２１及びメモリ２２を有している。メモリ２２には、当該コンピュータを図１に示す標定点設定部１１、識別用画像切り出し部１２、水位算定部１４、常時領域設定部１５、学習用画像切り出し部１６及び画像学習識別部１８として機能させるためのプログラムが記憶されている。メモリ２２に記憶されたプログラムをプロセッサ２１が読み出して実行することにより、図１に示す標定点設定部１１、識別用画像切り出し部１２、水位算定部１４、常時領域設定部１５、学習用画像切り出し部１６及び画像学習識別部１８の機能が実現される。

プロセッサ２１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、マイクロプロセッサ、マイクロコントローラ又はＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）などにより構成されている。メモリ２２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）若しくはＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ−Ｏｎｌｙ Ｍｅｍｏｒｙ）などの半導体メモリ、磁気ディスク、光ディスク又は光磁気ディスクなどにより構成されている。

次に、図３のフローチャートを参照して、標定点設定部１１及び常時領域設定部１５の動作について説明する。

まず、ステップＳＴ１にて、標定点設定部１１は、操作入力装置２に入力された操作に応じて、撮影画像における複数個の標定点の座標値と、各標定点に対応する水位値とを設定する。具体的には、例えば、標定点設定部１１は、監視カメラ１が出力した画像データを取得して、この画像データが示す撮影画像をディスプレイ６に表示させる。作業者は、ディスプレイ６に表示された撮影画像に対して、マウス４を用いて複数個の標定点を指定する。標定点設定部１１は、指定された各標定点の座標値を算出する。作業者は、キーボード３を用いて、指定した各標定点に対応する水位値を入力する。

また、ステップＳＴ２にて、常時領域設定部１５は、操作入力装置２に入力された操作に応じて、撮影画像における常時水領域と、撮影画像における常時非水領域とを設定する。具体的には、例えば、常時領域設定部１５は、監視カメラ１が出力した画像データを取得して、この画像データが示す撮影画像をディスプレイ６に表示させる。作業者は、ディスプレイ６に表示された撮影画像に対して、マウス４を用いて常時水領域と常時非水領域とを指定する。

図４は、撮影画像Ｉの一例を示している。図５に示す例において、撮影画像Ｉの中央部に写された構造物Ｓは橋梁である。また、図中ｘ軸及びｙ軸は、撮影画像Ｉにおける座標値に対応する軸である。

図５は、ステップＳＴ１で指定された標定点Ａ１〜Ａ４の一例を示している。図５に示す如く、撮影画像Ｉの中央部において、４個の標定点Ａ１〜Ａ４が縦一列に配置されている。図中、（ｘ１，ｙ１）は撮影画像Ｉにおける標定点Ａ１の座標値、（ｘ２，ｙ２）は撮影画像Ｉにおける標定点Ａ２の座標値、（ｘ３，ｙ３）は撮影画像Ｉにおける標定点Ａ３の座標値、（ｘ４，ｙ４）は撮影画像Ｉにおける標定点Ａ４の座標値をそれぞれ示している。また、標定点Ａ１に対応する水位値は４メートル、標定点Ａ２に対応する水位値は３メートル、標定点Ａ３に対応する水位値は２メートル、標定点Ａ４に対応する水位値は１メートルにそれぞれ設定されている。

なお、標定点Ａ１〜Ａ４の各々に対応する水位値を入力するためには、事前に構造物Ｓのサイズ及び凹凸形状などを測量しておくことが求められる。この測量については、公知の種々の方法を用いることができるため、説明を省略する。

図６は、ステップＳＴ２で指定された常時水領域Ｂ及び常時非水領域Ｃの一例を示している。図６に示す如く、撮影画像Ｉの左端部に１個の矩形状の常時水領域Ｂが設定されている。また、撮影画像Ｉの上端部に１個の矩形状の常時非水領域Ｃが設定されている。

以下、ステップＳＴ１，ＳＴ２の処理を総称して「準備処理」という。準備処理は、例えば、監視カメラ１が設置されて作業者が水位計測装置１００の使用を開始するときに１回だけ実行される。準備処理が完了した後、監視カメラ１は、撮影範囲を撮影して、撮影画像を示す画像データを出力する処理を継続して実行する。水位計測装置１００は、監視カメラ１が順次出力する画像データの各々に対して、図７のフローチャートに示す処理と図１２のフローチャートに示す処理とを自動で実行する。

次に、図７のフローチャートを参照して、識別用画像切り出し部１２、画像識別部１３及び水位算定部１４の動作について説明する。

まず、ステップＳＴ１１にて、識別用画像切り出し部１２は、監視カメラ１が出力した画像データを取得する。この画像データは、例えば、ステップＳＴ１１に対する直近のタイミングにて監視カメラ１が撮影した１個の撮影画像を示すものである。

次いで、ステップＳＴ１２にて、識別用画像切り出し部１２は、ステップＳＴ１１で取得した画像データが示す撮影画像から識別用画像を切り出す。このとき、図３のステップＳＴ１で設定された各標定点の座標値を含む領域が切り出し対象領域となる。識別用画像切り出し部１２は、切り出した識別用画像を画像識別部１３に出力する。

次いで、ステップＳＴ１３にて、画像識別部１３は、識別用画像切り出し部１２がステップＳＴ１２で出力した識別用画像の各々に対応する領域が、水領域であるか非水領域であるかを識別する。このとき、画像識別部１３は、画像学習部１７による機械学習（図１２に示すステップＳＴ２３）の結果に基づき、水領域であるか非水領域であるかの識別処理を実行する。画像識別部１３は、識別結果を水位算定部１４に出力する。

次いで、ステップＳＴ１４にて、水位算定部１４は、画像識別部１３がステップＳＴ１３で出力した識別結果と、標定点設定部１１がステップＳＴ１で出力した各標定点に対応する水位値とを用いて、監視カメラ１の撮影範囲における水位を算定する。

以下、ステップＳＴ１１〜ＳＴ１４の処理を総称して「水位計測処理」という。水位計測装置１００は、図３に示す準備処理が完了した後、所定の条件を満たすとき（例えば、水位計測処理の終了を指示する操作が操作入力装置２に入力されたとき、水位計測装置１００の電源が切られたとき、又は監視カメラ１と水位計測装置１００間の通信接続が解除されたとき）まで、水位計測処理を繰り返し実行する。

図８は、図５に示す例と同様の撮影画像Ｉと、この撮影画像Ｉにおける切り出し対象領域Ｄ１〜Ｄ４の一例とを示している。切り出し対象領域Ｄ１〜Ｄ４は、ステップＳＴ１で設定された標定点Ａ１〜Ａ４と一対一に対応している。図８に示す例において、切り出し対象領域Ｄ１〜Ｄ４の各々は、対応する標定点Ａ１〜Ａ４を中心とする正方形状の領域である。個々の切り出し対象領域Ｄ１〜Ｄ４のサイズは、互いに隣接する２個の切り出し対象領域の縁部同士が当接するサイズに設定されている。すなわち、標定点Ａ１〜Ａ４が略等間隔に配列されているため、切り出し対象領域Ｄ１〜Ｄ４のサイズは互いに略同等のサイズとなっている。

図９は、撮影画像Ｉから切り出された識別用画像Ｅ１〜Ｅ４の一例を示している。識別用画像Ｅ１〜Ｅ４は、図８に示す切り出し対象領域Ｄ１〜Ｄ４と一対一に対応している。

図９に示す例において、識別用画像Ｅ１〜Ｅ４の各々は、いずれも、その全体に構造物Ｓが写されており、かつ、河川の水が写されていない画像である。画像識別部１３は、画像学習部１７による機械学習の結果に基づき、識別用画像Ｅ１〜Ｅ４の各々に対応する領域がいずれも非水領域であると識別する。水位算定部１４は、識別用画像Ｅ４に対応する領域が非水領域であるため、河川の水位が標定点Ａ４に対応する水位値（１メートル）未満であると算定する。

図１０は、図５に示す例と異なる撮影画像Ｉ’と、この撮影画像Ｉ’における切り出し対象領域Ｄ１〜Ｄ４とを示している。図１０に示す切り出し対象領域Ｄ１〜Ｄ４の形状及びサイズは、図８に示す切り出し対象領域Ｄ１〜Ｄ４の形状及びサイズと同様であるため、説明を省略する。

図１１は、撮影画像Ｉ’から切り出された識別用画像Ｅ１’〜Ｅ４’を示している。識別用画像Ｅ１’〜Ｅ４’は、図１０に示す切り出し対象領域Ｄ１〜Ｄ４と一対一に対応している。

図１１に示す例において、識別用画像Ｅ１’は、下端部にのみ河川の水が写されており、かつ、残余の大半部に構造物Ｓが写された画像である。他方、識別用画像Ｅ２’〜Ｅ４’は、いずれも、その全体に河川の水が写されており、かつ、構造物Ｓが写されていない画像である。画像識別部１３は、画像学習部１７による機械学習の結果に基づき、識別用画像Ｅ１’に対応する領域が非水領域であり、かつ、識別用画像Ｅ２’〜Ｅ４’の各々に対応する領域が水領域であると識別する。水位算定部１４は、識別用画像Ｅ１’に対応する領域が非水領域であり、かつ、識別用画像Ｅ２’に対応する領域が水領域であるため、河川の水位が標定点Ａ２に対応する水位値（３メートル）以上かつ標定点Ａ１に対応する水位値（４メートル）未満であると算定する。

次に、図１２フローチャートを参照して、学習用画像切り出し部１６及び画像学習部１７の動作について説明する。

まず、ステップＳＴ２１にて、学習用画像切り出し部１６は、監視カメラ１が出力した画像データを取得する。この画像データは、例えば、ステップＳＴ２１に対する直近のタイミングにて監視カメラ１が撮影した１個の撮影画像を示すものである。

次いで、ステップＳＴ２２にて、学習用画像切り出し部１６は、ステップＳＴ２１で取得した画像データが示す撮影画像から学習用画像を切り出す。このとき、図３のステップＳＴ２で設定された常時水領域に対応する部分と、図３のステップＳＴ２で設定された常時非水領域に対応する部分とが切り出し対象部分となる。学習用画像切り出し部１６は、切り出した学習用画像を画像学習部１７に出力する。

次いで、ステップＳＴ２３にて、画像学習部１７は、学習用画像切り出し部１６がステップＳＴ２２で出力した学習用画像を用いて、水領域と非水領域との識別に係る機械学習を実行する。すなわち、常時水領域に対応する学習用画像は、通常、河川の水が写された画像である。常時非水領域に対応する学習用画像は、通常、河川の水以外のものが写された画像である。画像学習部１７による機械学習は、常時水領域に対応する学習用画像と同様の特徴を有する識別用画像が入力された場合は当該識別用画像に対応する領域が水領域であると識別し、かつ、常時非水領域に対応する学習用画像と同様の特徴を有する識別用画像が入力された場合は当該識別用画像に対応する領域が非水領域であると識別することを可能ならしめることを目的とした学習である。

以下、ステップＳＴ２１〜ＳＴ２３の処理を総称して「機械学習処理」という。水位計測装置１００は、図３に示す準備処理が完了した後、所定の条件を満たすとき（例えば、機械学習処理の終了を指示する操作が操作入力装置２に入力されたとき、水位計測装置１００の電源が切られたとき、又は監視カメラ１と水位計測装置１００間の通信接続が解除されたとき）まで、機械学習処理を自動で繰り返し実行する。

すなわち、水位計測装置１００が水位計測を開始してから時間が経過するにつれて、実行した機械学習処理の回数が増加して、画像学習部１７が学習に用いた学習用画像の個数が増えていく。一般に、機械学習は、入力される学習用データが多いほど出力の精度が向上する性質を有している。このため、機械学習処理の繰り返しにより、画像識別部１３による識別の精度を次第に向上することができる。この結果、水位算定部１４による水位算定の精度を向上することができ、水位計測装置１００による計測を安定させることができる。

図１３に、学習用画像の具体例を示す。図１３Ａに示す１６個の画像の各々は、常時水領域に対応する学習用画像、すなわち河川の水が写された画像である。他方、図１３Ｂに示す１６個の画像の各々は、常時非水領域に対応する学習用画像、すなわち河川の水以外のものが写された画像である。

次に、図１４を参照して、画像学習識別部１８における人工ニューラルネットワークの構造、及び人工ニューラルネットワークによる機械学習の具体例などについて説明する。

人工ニューラルネットワークとは、計算機に予め複数の画像データを正解とともに入力して学習させておくことにより、新たに入力された画像データに写されているものが、特定の対象であるかどうかを判定して結果を出力するように動作させる仕組みの一つである。

例えば、以下の非特許文献１には、いわゆる「畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，ＣＮＮ）」を用いて、画像認識により物体を識別する方式が開示されている。ＣＮＮとは、画像に対応する２次元の入力に対してフィルタを適用（いわゆる「畳み込み」）して次の層に渡すことを特徴とする人工ニューラルネットワークである。

（非特許文献１）
Alex Krizhevsky, Ilya Sutskever, and Geoffrey E Hinton. "Imagenet classification with deep convolutional neural networks." In Advances in neural information processing systems, pages 1097-1105, 2012.

人工ニューラルネットワークは、入力信号の重み付き和を取り、活性化関数と呼ばれる非線形関数を適用して出力とするパーセプトロンを階層的に配置した計算モデルである。パーセプトロンの出力ｏｕｔは、入力をＸ＝（ｘ１，ｘ２，…ｘｎ）、重みをＷ＝（ｗ１，ｗ２，…ｗｎ）、活性化関数をｆ（・）とし、かつ、＊をベクトルの要素積として以下の式（１）により表すことができる。

ｏｕｔ＝ｆ（Ｘ＊Ｗ） （１）

畳み込みニューラルネットワークにおいて、パーセプトロンは画像に対応する二次元信号を入力にとり、入力の重み付き和を計算して次の層に渡す。活性化関数には、シグモイド関数又はＲｅＬＵ（Ｒｅｃｔｉｆｉｅｄ Ｌｉｎｅａｒ Ｕｎｉｔ）関数が用いられる。

図１４は人工ニューラルネットワークの構造の一例を示している。図１４に示す如く、前述のパーセプトロンが階層的に配置されており、各層が入力信号を処理していくことで、識別結果を計算する。最終層は識別するタスクの出力に対応しており、回帰タスクであれば活性化関数の出力をそのまま予測値とし、分類タスクであれば最終層についてソフトマックス関数を適用し、出力とする。

畳み込みニューラルネットワークの場合、図１４に示す如く二次元信号のマップとして人工ネットワークが構成される。二次元信号のそれぞれがパーセプトロンに対応するとみなすことができ、前層の特徴マップに対し重み付き和を計算して活性化関数を適用した結果を出力する。図１４には、層と層の間の入出力の対応関係を記載している。

畳み込みネットワークにおいて、上述の処理は畳み込み演算と呼ばれ、このほかにプーリング処理を行う層が各層に挿入される場合がある。この層は、特徴マップに対して平均値演算又は最大値演算を行うことによりダウンサンプリングを行う。図１４に示す例においては、第１層〜第３層に３層の畳み込み層を配置して、第４層及び第５層に通常のパーセプトロンの層を配置している。

このような人工ニューラルネットワークの学習は、誤差逆伝播により行われるものであり、確率的勾配降下法が用いられる。誤差逆伝播とは、人工ニューラルネットワークの出力誤差を最終層から順に前の層に向かって伝播させ、重みを更新させていく枠組みのことである。誤差逆伝播の具体的な方法については、例えば、以下の非特許文献２に記載されたものと同様の方法を用いることができる。

（非特許文献２）
Ｃ．Ｍ．ビショップ、元田浩（監訳）、『パターン認識と機械学習 上』、丸善出版、２０１２年。

なお、標定点設定部１１は、１個の標定点の座標値と、当該１個の標定点に対応する水位値とを設定するものであっても良い。ただし、水位算定部１４にてより細かい水位の算定を可能とする観点から、標定点設定部１１は、複数個の標定点の座標値と、当該複数個の標定点の各々の水位値とを設定するのが好適である。

また、識別用画像切り出し部１２による個々の切り出し対象領域の形状は、正方形に限定されるものではなく、如何なる形状であっても良い。また、個々の切り出し対象領域は対応する標定点の座標値を含むものであれば良く、個々の切り出し対象領域における標定点の配置位置はその中心部に限定されるものではない。例えば、個々の切り出し対象領域は、対応する標定点がその隅部に配置されたものであっても良い。

また、学習用画像切り出し部１６による個々の切り出し対象部分の形状は、矩形に限定されるものではない。個々の切り出し対象部分の形状は、操作入力装置２の操作に応じた如何なる形状であっても良い。

また、画像学習識別部１８は、学習用画像の入力に対して水領域と非水領域との識別に係る機械学習を実行可能なモデルを用いたものであれば良く、当該モデルは畳み込みニューラルネットワークに限定されるものではない。画像学習識別部１８は、例えば、サポートベクトルマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ）を用いたものであっても良い。

また、図１２に示す機械学習処理は、図３に示す準備処理の完了後に繰り返し実行されるのに代えて、所定のタイミングのみにて実行されるものであっても良い。例えば、機械学習処理は、監視カメラ１のメンテナンス中など、水位計測処理が停止したタイミングにて実行されるものであっても良い。これにより、水位計測処理の実行中における水位計測装置１００の処理負荷を低減することができる。また、この場合、学習用画像切り出し部１６は、ステップＳＴ２１にて、前回の機械学習処理が実行された後に撮影された複数個の撮影画像を示す画像データをまとめて取得するものであっても良い。学習用画像切り出し部１６は、当該複数個の撮影画像の各々から学習用画像を切り出すものであっても良い。

また、水位計測装置１００による水位計測の対象は河川に限定されるものではない。水位計測装置１００は、例えば、湖沼、海洋、ダム、用水路又は溜池などの水位計測にも用いることができる。

以上のように、実施の形態１の水位計測装置１００は、操作入力装置２に入力された操作に応じて、監視カメラ１による撮影画像Ｉ，Ｉ’における標定点Ａ１〜Ａ４の座標値と、標定点Ａ１〜Ａ４に対応する水位値とを設定する標定点設定部１１と、撮影画像Ｉ，Ｉ’を取得して、撮影画像Ｉ，Ｉ’のうちの標定点Ａ１〜Ａ４の座標値を含む領域を識別用画像Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’として切り出す識別用画像切り出し部１２と、水領域と非水領域との識別に係る機械学習の結果に基づき、識別用画像Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’に対応する領域が水領域であるか非水領域であるかを識別する画像学習識別部１８と、画像学習識別部１８による識別結果と、標定点Ａ１〜Ａ４に対応する水位値とを用いて、監視カメラ１による撮影範囲における水位を算定する水位算定部１４とを備える。水領域と非水領域との識別に機械学習の結果を用いることにより、両領域を高精度に識別することができる。この結果、水位算定部１４による水位算定の精度を向上することができ、水位計測装置１００による計測を安定させることができる。また、操作入力装置２に入力された操作に応じて標定点の座標値を設定するため、量水板が設置されていない河川などの水位計測にも用いることができる。

また、水位計測装置１００は、操作入力装置２に入力された操作に応じて、撮影画像Ｉ，Ｉ’における常時水領域Ｂと、撮影画像Ｉ，Ｉ’における常時非水領域Ｃとを設定する常時領域設定部１５と、撮影画像Ｉ，Ｉ’を取得して、撮影画像Ｉ，Ｉ’のうちの常時水領域Ｂに対応する部分と撮影画像Ｉ，Ｉ’のうちの常時非水領域Ｃに対応する部分とを学習用画像として切り出す学習用画像切り出し部１６とを備え、画像学習識別部１８は、学習用画像を用いて、水領域と非水領域との識別に係る機械学習を実行する。これにより、機械学習処理を自動で繰り返し実行することが可能となり、画像識別部１３による識別の精度を次第に向上することができる。

また、標定点設定部１１は、撮影画像Ｉ，Ｉ’における複数個の標定点Ａ１〜Ａ４の座標値と、複数個の標定点Ａ１〜Ａ４の各々に対応する水位値とを設定し、識別用画像切り出し部１２は、複数個の標定点Ａ１〜Ａ４に対応する複数個の識別用画像Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’を切り出し、画像学習識別部１８は、複数個の識別用画像Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’の各々が水領域であるか非水領域であるかを識別し、水位算定部１４は、複数個の識別用画像Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’の各々についての識別結果と、複数個の標定点Ａ１〜Ａ４の各々に対応する水位値とを用いて、撮影範囲における水位を算定する。標定点の個数を増やすことにより、水位算定部１４にてより細かい水位の算定が可能となる。

また、実施の形態１に係る水位計測方法は、標定点設定部１１が、操作入力装置２に入力された操作に応じて、監視カメラ１による撮影画像Ｉ，Ｉ’における標定点Ａ１〜Ａ４の座標値と、標定点Ａ１〜Ａ４に対応する水位値とを設定するステップ（ステップＳＴ１）と、識別用画像切り出し部１２が、撮影画像Ｉ，Ｉ’を取得して、撮影画像Ｉ，Ｉ’のうちの標定点Ａ１〜Ａ４の座標値を含む領域を識別用画像Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’として切り出すステップ（ステップＳＴ１１，ＳＴ１２）と、画像学習識別部１８が、水領域と非水領域との識別に係る機械学習の結果に基づき、識別用画像Ｅ１〜Ｅ４，Ｅ１’〜Ｅ４’に対応する領域が水領域であるか非水領域であるかを識別するステップ（ステップＳＴ１３）と、水位算定部１４が、画像学習識別部１８による識別結果と、標定点Ａ１〜Ａ４に対応する水位値とを用いて、監視カメラ１による撮影範囲における水位を算定するステップ（ステップＳＴ１４）とを備える。これにより、上記水位計測装置１００と同様の上記効果を得ることができる。

なお、本願発明はその発明の範囲内において、実施の形態の任意の構成要素の変形、もしくは実施の形態の任意の構成要素の省略が可能である。

本発明の水位計測装置は、河川などの水位計測に用いることができる。

１ 監視カメラ、２ 操作入力装置、３ キーボード、４ マウス、５ 表示装置、６ ディスプレイ、１１ 標定点設定部、１２ 識別用画像切り出し部、１３ 画像識別部、１４ 水位算定部、１５ 常時領域設定部、１６ 学習用画像切り出し部、１７ 画像学習部、１８ 画像学習識別部、２１ プロセッサ、２２ メモリ、１００ 水位計測装置。

Claims (3)

1. 操作入力装置に入力された操作に応じて、監視カメラによる撮影画像における標定点の座標値と、前記標定点に対応する水位値とを設定する標定点設定部と、
   前記撮影画像を取得して、前記撮影画像のうちの前記標定点の座標値を含む領域を識別用画像として切り出す識別用画像切り出し部と、
   水領域と非水領域との識別に係る機械学習の結果に基づき、前記識別用画像に対応する領域が前記水領域であるか前記非水領域であるかを識別する画像学習識別部と、
   前記画像学習識別部による識別結果と、前記標定点に対応する水位値とを用いて、前記監視カメラによる撮影範囲における水位を算定する水位算定部と、
   前記操作入力装置に入力された操作に応じて、前記撮影画像における常時水領域と、前記撮影画像における常時非水領域とを設定する常時領域設定部と、
   前記撮影画像を取得して、前記撮影画像のうちの前記常時水領域に対応する部分と前記撮影画像のうちの前記常時非水領域に対応する部分とを学習用画像として切り出す学習用画像切り出し部と、を備え、
   前記画像学習識別部は、前記学習用画像を用いて、前記水領域と前記非水領域との識別に係る前記機械学習を実行する
   ことを特徴とする水位計測装置。
2. 前記標定点設定部は、前記撮影画像における複数個の前記標定点の座標値と、複数個の前記標定点の各々に対応する水位値とを設定し、
   前記識別用画像切り出し部は、複数個の前記標定点に対応する複数個の前記識別用画像を切り出し、
   前記画像学習識別部は、複数個の前記識別用画像の各々が前記水領域であるか前記非水領域であるかを識別し、
   前記水位算定部は、複数個の前記識別用画像の各々についての前記識別結果と、複数個の前記標定点の各々に対応する水位値とを用いて、前記撮影範囲における水位を算定する
   ことを特徴とする請求項１記載の水位計測装置。
3. 標定点設定部が、操作入力装置に入力された操作に応じて、監視カメラによる撮影画像における標定点の座標値と、前記標定点に対応する水位値とを設定するステップと、
   識別用画像切り出し部が、前記撮影画像を取得して、前記撮影画像のうちの前記標定点の座標値を含む領域を識別用画像として切り出すステップと、
   画像学習識別部が、水領域と非水領域との識別に係る機械学習の結果に基づき、前記識別用画像に対応する領域が前記水領域であるか前記非水領域であるかを識別するステップと、
   水位算定部が、前記画像学習識別部による識別結果と、前記標定点に対応する水位値とを用いて、前記監視カメラによる撮影範囲における水位を算定するステップと、
   常時領域設定部が、前記操作入力装置に入力された操作に応じて、前記撮影画像における常時水領域と、前記撮影画像における常時非水領域とを設定するステップと、
   学習用画像切り出し部が、前記撮影画像を取得して、前記撮影画像のうちの前記常時水領域に対応する部分と前記撮影画像のうちの前記常時非水領域に対応する部分とを学習用画像として切り出すステップと、
   前記画像学習識別部が、前記学習用画像を用いて、前記水領域と前記非水領域との識別に係る前記機械学習を実行するステップと、
   を備える水位計測方法。

Images