JP6935690B2 - 検出プログラム、方法、及び装置 - Google Patents

Description

開示の技術は、検出プログラム、検出方法、及び検出装置に関する。

従来、移動体の形状情報に依存することなく、移動体の識別をする移動体識別装置が提案されている。この装置は、撮像装置によって時系列画像を取得し、この時系列画像に基づいて、任意の画像中における所定の複数の位置について画像間における動き情報を検出する。また、この装置は、検出された動き情報に基づいて、所定の動き情報と異なる動き情報に対応した任意の画像中における領域を移動体領域として抽出する。そして、この装置は、少なくとも抽出された移動体領域に包含される複数の位置について検出された動き情報に基づいて、移動体領域に存在する移動体を識別する。

また、逆走車両を検知し、運転者にその情報を提供する危険走行情報提供システムが提案されている。このシステムでは、車両に搭載された車載装置で時々刻々測位し、測位位置と測位時刻とを関連付けた走行軌跡である時系列情報（軌跡情報）を蓄積する。また、このシステムは、道路の各車線上に設置された路上通信装置の通信部の路車間通信領域を通過する際に、軌跡情報を路上通信装置に送信し、軌跡情報に基づいて車両の走行方位を算出する。そして、このシステムは、記憶部に記憶している軌跡情報を送ってきた路上通信装置の通信部が設けられている車線における車両の進行方位と比較し、両者が略逆向きであると判定した場合には、車両は逆走車両であると判定する。

特開平９−２４９０８３号公報 特開２００９−２９４８１２号公報

画像内の動体の進行方向を特定する場合において、従来技術の手法では、例えば、他の車両等の障害物の陰に隠れていた車両が突然出現する場合などには、所定の動き情報と比較するための十分な動き情報を検出することができない可能性がある。この場合、動体の進行方向を特定することができず、動体の異常な方向への進行を検出できなかったり、誤検出したりする可能性がある。

一つの側面として、本発明は、画像内の動体の異常な方向への進行を精度良く検出することを目的とする。

１つの態様では、道路を含む範囲についての撮影画像を所定の大きさの領域に分割し、分割された各領域について、時間的な画像の変化に基づいて動体の進行方向を特定する。そして、特定した前記領域それぞれの進行方向と、前記各領域について過去の所定期間の異なる時間に特定された前記動体の進行方向が所定回数連続で同一の場合に前記各領域と対応付けて前記進行方向が記憶された記憶部に記憶された前記領域それぞれにおける動体の進行方向との一致度に基づいて動体の異常な方向への進行を検出する。

一つの側面として、画像内の動体の異常な方向への進行を精度良く検出することができる、という効果を有する。

本実施形態に係る検出装置の機能ブロック図である。 車両領域の検出を説明するための図である。 分割領域を説明するための概略図である。 方向マップの一例を示す概略図である。 正解マップの一例を示す概略図である。 逆走車両の検出を説明するための図である。 検出結果の一例を示す図である。 本実施形態に係る検出装置として機能するコンピュータの概略構成を示すブロック図である。 学習処理の一例を示すフローチャートである。 方向マップ作成処理の一例を示すフローチャートである。 正解マップ更新処理の一例を示すフローチャートである。 逆走検出処理の一例を示すフローチャートである。 本実施形態の効果を説明するための図である。

以下、図面を参照して開示の技術に係る実施形態の一例を詳細に説明する。本実施形態では、動体の異常な方向への進行の検出の一例として、道路を走行する車両の逆走を検出する場合を説明する。

図１に示すように、本実施形態に係る検出装置１０は、道路を含む範囲を撮影範囲とする位置に設置された固定カメラ（図示省略）で撮影された撮影画像（動画像）を入力として取得し、逆走車両の検出結果を出力する。検出装置１０は、機能的には、車両検出部１１と、分割部１２と、特定部１３と、学習部１４と、逆走検出部１５とを含む。また、検出装置１０の所定の記憶領域には、正解マップ２０が記憶される。なお、逆走検出部１５は、開示の技術の検出部の一例である。

車両検出部１１は、検出装置１０に入力された撮影画像を取得し、撮影画像の各フレーム画像に対して画像処理を行って、撮影画像から動体である車両を示す車両領域を検出する。車両領域の検出には、背景差分法等の従来既知の手法を適用することができる。例えば、車両検出部１１は、図２に示すように、各フレーム画像２２について、平滑化処理を行い、前フレーム画像との差分画像を生成し、差分画像を二値化処理した二値化画像２４から、動体を示す画素を抽出する。また、車両検出部１１は、二値化画像２４に対して、伸縮処理及び膨張処理を行い、動体を示す画素の一群の各々を車両領域２６の各々として検出する。以下では、車両領域２６が検出される画像を車両領域検出画像２８という。

分割部１２は、フレーム画像２２及び車両領域検出画像２８の各々を、所定の大きさの複数の領域に分割する。以下では、分割された各領域を分割領域という。図３に、車両領域検出画像２８を分割領域に分割した例を概略的に示す。図３の例では、各マスが１つの分割領域３２に相当する。

特定部１３は、分割部１２で分割された各分割領域３２について、時間的な画像の変化に基づいて、車両の進行方向を特定する。具体的には、特定部１３は、車両領域検出画像２８において車両領域２６を少なくとも一部に含む分割領域３２に対応するフレーム画像２２の分割領域３２について、前フレーム画像２２とのブロックマッチングなどにより、動きベクトルを算出する。そして、特定部１３は、算出した動きベクトルを、予め定めた所定数の方向（例えば、１６方向）のうち、その動きベクトルが示す方向と最も近い方向に割り当てた方向情報を算出し、算出した方向情報を分割領域３２に対応付けて格納した方向マップを作成する。例えば、図４に、方向マップ３４を画像化した一例を概略的に示す。図４の例では、各分割領域３２に格納された方向情報３６を矢印で表している。なお、図４では、説明を分かり易くするため、方向マップ３４に車両領域２６も合せて表記している。

学習部１４は、過去の所定時間の間に、道路を含む範囲を通過した車両の情報を利用して、分割領域３２毎に車両の進行方向の正解の情報が格納された正解マップを作成する。具体的には、学習部１４は、所定時間分の撮影画像の各フレーム画像２２について、特定部１３で作成された方向マップ３４の方向情報３６を、分割領域３２毎に統合した正解情報を、各分割領域３２に対応付けて記憶することで、正解マップを作成する。ここで、所定時間分の撮影画像の中に、逆走車両が含まれる場合、すなわち、異常な方向情報３６が格納された方向マップ３４が含まれる場合がある。この場合を考慮して、学習部１４は、例えば、過去のフレーム画像２２の各々から作成された方向マップ３４を分割領域３２毎に参照し、方向情報３６が格納されている分割領域３２を抽出する。そして、学習部１４は、抽出した分割領域３２に格納されている方向情報３６が所定回数連続で同一の場合に、その方向情報３６を正解情報とすることができる。図５に、正解マップ２０を画像化した一例を概略的に示す。図５の例では、各分割領域３２に格納された正解情報３８を矢印で表している。

逆走検出部１５は、特定部１３で作成された方向マップ３４の方向情報３６が示す方向と、学習部１４で作成された正解マップ２０の正解情報３８が示す方向との一致度に基づいて、逆走車両を検出する。具体的には、逆走検出部１５は、方向マップ３４において方向情報３６が格納されている各分割領域３２について、図６に示すように、方向情報３６が示す方向と、正解情報３８が示す方向とが一致するか否かを示すフラグを立てる。図６では、方向が一致する場合に一致フラグ「０」、一致していない場合に不一致フラグ「１」を立てた例を示している。逆走検出部１５は、１つの車両領域２６を含む１又は複数の分割領域３２（図６中の破線部）に対して、不一致フラグが立てられた分割領域３２の割合が所定の閾値以上の場合に、その車両領域２６を、逆走車両を示す車両領域２６として検出する。なお、逆走検出部１５は、１つの車両領域２６を含む１又は複数の分割領域３２に対して、一致フラグが立てられた分割領域３２の割合が所定の閾値未満の場合に、その車両領域２６を、逆走車両を示す車両領域２６として検出してもよい。

逆走検出部１５は、逆走車両を示す車両領域２６を検出した場合には、例えば、図７に示すように、検出された車両領域２６の外接矩形を撮影画像に重畳するなどして、検出結果として出力する。

検出装置１０は、例えば図８に示すコンピュータ４０で実現することができる。コンピュータ４０は、Central Processing Unit（ＣＰＵ）４１と、一時記憶領域としてのメモリ４２と、不揮発性の記憶部４３とを備える。また、コンピュータ４０は、入力装置、表示装置等の入出力装置４４と、記憶媒体４９に対するデータの読み込み及び書き込みを制御するRead/Write（Ｒ／Ｗ）部４５と、インターネット等のネットワークに接続される通信（Interface）Ｉ／Ｆ４６を備える。ＣＰＵ４１、メモリ４２、記憶部４３、入出力装置４４、Ｒ／Ｗ部４５、及び通信Ｉ／Ｆ４６は、バス４７を介して互いに接続される。

記憶部４３は、Hard Disk Drive（ＨＤＤ）、Solid State Drive（ＳＳＤ）、フラッシュメモリ等によって実現できる。記憶媒体としての記憶部４３には、コンピュータ４０を、検出装置１０として機能させるための検出プログラム５０が記憶される。検出プログラム５０は、車両検出プロセス５１と、分割プロセス５２と、特定プロセス５３と、学習プロセス５４と、逆走検出プロセス５５とを有する。また、記憶部４３は、正解マップ２０を構成する情報が記憶される情報記憶領域６０を有する。

ＣＰＵ４１は、検出プログラム５０を記憶部４３から読み出してメモリ４２に展開し、検出プログラム５０が有するプロセスを順次実行する。ＣＰＵ４１は、車両検出プロセス５１を実行することで、図１に示す車両検出部１１として動作する。また、ＣＰＵ４１は、分割プロセス５２を実行することで、図１に示す分割部１２として動作する。また、ＣＰＵ４１は、特定プロセス５３を実行することで、図１に示す特定部１３として動作する。また、ＣＰＵ４１は、学習プロセス５４を実行することで、図１に示す学習部１４として動作する。また、ＣＰＵ４１は、逆走検出プロセス５５を実行することで、図１に示す逆走検出部１５として動作する。また、ＣＰＵ４１は、情報記憶領域６０から情報を読み出して、メモリ４２に正解マップ２０を展開する。これにより、検出プログラム５０を実行したコンピュータ４０が、検出装置１０として機能することになる。なお、プログラムを実行するＣＰＵ４１はハードウェアである。

次に、本実施形態に係る検出装置１０の作用について説明する。正解マップ２０を作成する学習段階において、過去の所定時間分の撮影画像が検出装置１０に入力されると、検出装置１０において、図９に示す学習処理が実行される。また、逆走車両を実際に検出する段階では、時々刻々撮影画像が検出装置１０に入力され、検出装置１０において、図１２に示す逆走検出処理が実行される。以下、学習処理及び逆走検出処理の各々について詳述する。

図９に示す学習処理のステップＳ１０で、学習部１４が、フレーム画像２２と同一サイズの画像領域を、所定の大きさの複数の分割領域３２に分割した空の正解マップ２０を用意する。

次に、ステップＳ１２で、車両検出部１１が、入力された撮影画像の先頭フレームから順に１つのフレーム画像を処理対象のフレーム画像２２として設定する。そして、車両検出部１１は、処理対象のフレーム画像２２から、背景差分法などにより、車両を示す車両領域２６を検出した車両領域検出画像２８を作成し、フレーム画像２２と共に分割部１２へ受け渡す。

次に、ステップＳ１４で、分割部１２が、フレーム画像２２及び車両領域検出画像２８の各々を、正解マップ２０と同様に複数の分割領域３２に分割する。すなわち、フレーム画像２２、車両領域検出画像２８、及び正解マップ２０の各々は、それぞれ対応する分割領域３２に分割されている。分割部１２は、分割領域３２に分割されたフレーム画像２２及び車両領域検出画像２８の各々を特定部１３へ受け渡す。

次に、ステップＳ２０で、方向マップ作成処理が実行される。ここで、図１０を参照して、方向マップ作成処理について説明する。

ステップＳ２１で、特定部１３が、フレーム画像２２と同一サイズの画像領域を、フレーム画像２２と同様に複数の分割領域３２に分割した空の方向マップ３４を用意する。すなわち、フレーム画像２２、車両領域検出画像２８、及び方向マップ３４の各々は、それぞれ対応する分割領域３２に分割されている。

次に、ステップＳ２２で、特定部１３が、方向マップ３４の分割領域３２から以下のステップＳ２３及びＳ２４の処理が未処理の分割領域３２を１つ選択し、処理対象の分割領域３２として設定する。

次に、ステップＳ２３で、特定部１３が、方向マップ３４における処理対象の分割領域３２に対応する車両領域検出画像２８の分割領域３２に、車両検出部１１で検出された車両領域２６が含まれるか否かを判定する。車両領域２６が含まれる場合には、処理はステップＳ２４へ移行し、車両領域２６が含まれない場合には、処理はステップＳ２５へ移行する。

ステップＳ２４では、特定部１３が、方向マップ３４における処理対象の分割領域３２に対応するフレーム画像２２の分割領域３２について、前フレーム画像２２とのブロックマッチングなどにより、動きベクトルを算出する。そして、特定部１３は、算出した動きベクトルを、予め定めた所定数の方向（例えば、１６方向）のうち、その動きベクトルが示す方向と最も近い方向に割り当てた方向情報３６を算出し、方向マップ３４における処理対象の分割領域３２に格納する。

次に、ステップＳ２５で、特定部１３が、方向マップ３４の全ての分割領域３２について処理が終了したか否かを判定する。未処理の分割領域３２が存在する場合には、処理はステップＳ２２に戻り、全て終了した場合には、処理は学習処理（図９）に戻る。

次に、ステップＳ３０で、正解マップ更新処理が実行される。ここで、図１１を参照して、正解マップ更新処理について説明する。

ステップＳ３１で、学習部１４が、正解マップ２０の分割領域３２から以下のステップＳ３２〜Ｓ３５の処理が未処理の分割領域３２を１つ選択し、処理対象の分割領域３２として設定する。

次に、ステップＳ３２で、学習部１４が、正解マップ２０における処理対象の分割領域３２に対応する方向マップ３４の分割領域３２に方向情報３６が格納されているか否かを判定する。方向情報３６が格納されている場合には、処理はステップＳ３３へ移行し、格納されていない場合には、処理はステップＳ３６へ移行する。

ステップＳ３３では、学習部１４が、過去のフレーム画像２２の各々から作成された方向マップ３４の各々における処理対象の分割領域３２の各々を参照し、方向情報３６が格納されている分割領域３２を抽出する。そして、学習部１４は、抽出した分割領域３２に格納されている方向情報３６がＸ回（例えば、５回）連続で、上記ステップＳ３２で格納されていると判定された方向情報３６と同一か否かを判定する。方向情報３６がＸ回連続で同一の場合には、処理はステップＳ３４へ移行し、同一ではない場合には、処理はステップＳ３５へ移行する。

ステップＳ３４では、学習部１４が、Ｘ回連続で同一と判定した方向情報３６を正解情報３８として正解マップ２０の処理対象の分割領域３２に格納する。一方、ステップＳ３５では、学習部１４が、正解マップ２０の処理対象の分割領域３２に格納されている正解情報３８をリセットする。

次に、ステップＳ３６で、学習部１４が、正解マップ２０の全ての分割領域３２について処理が終了したか否かを判定する。未処理の分割領域３２が存在する場合には、処理はステップＳ３１に戻り、全て終了した場合には、処理は学習処理（図９）に戻る。

次に、ステップＳ４０で、車両検出部１１が、入力された撮影画像の次のフレーム画像が存在するか否かを判定する。次のフレーム画像が存在する場合には、処理はステップＳ１２に戻り、入力された撮影画像の全てのフレーム画像について処理が終了した場合には、正解マップ２０を所定の記憶領域に記憶して、学習処理は終了する。

次に、図１２を参照して逆走検出処理について説明する。

ステップＳ５１〜Ｓ５３で、学習処理のステップＳ１２、Ｓ１４、及びＳ２０と同様に、フレーム画像から車両領域２６を検出して、方向マップ３４を作成する。

次に、ステップＳ５４で、逆走検出部１５が、上記ステップＳ５３で作成された方向マップ３４の分割領域３２のうち、方向情報３６が格納されている分割領域３２から、以下のステップＳ５５〜Ｓ５７の処理が未処理の分割領域３２を１つ選択する。そして、逆走検出部１５は、選択した分割領域３２を処理対象の分割領域３２として設定する。

次に、ステップＳ５５で、逆走検出部１５が、方向マップ３４の処理対象の分割領域３２に格納された方向情報３６が示す方向と、正解マップ２０の処理対象の分割領域３２に格納された正解情報３８が示す方向とが一致するか否かを判定する。方向が一致する場合には、処理はステップＳ５６へ移行し、逆走検出部１５が、方向マップ３４の処理対象の分割領域３２に一致フラグを立てる。一方、方向が一致しない場合には、処理はステップＳ５７へ移行し、逆走検出部１５が、方向マップ３４の処理対象の分割領域３２に不一致フラグを立てる。

次に、ステップＳ５８で、逆走検出部１５が、方向マップ３４の分割領域３２のうち、方向情報３６が格納された分割領域３２の全てについて処理が終了したか否かを判定する。未処理の分割領域３２が存在する場合には、処理はステップＳ５４に戻り、全て終了した場合には、処理はステップＳ５９へ移行する。

ステップＳ５９では、逆走検出部１５が、上記ステップＳ５１で作成された車両領域検出画像２８に含まれる車両領域２６から、以下のステップＳ６０及びＳ６１の処理が未処理の車両領域２６を１つ選択し、処理対象の車両領域２６として設定する。

次に、ステップＳ６０で、逆走検出部１５が、処理対象の車両領域２６を少なくとも一部に含む分割領域３２に対応する方向マップ３４における分割領域３２に立てられたフラグを集計する。

次に、ステップＳ６１で、逆走検出部１５が、車両領域２６に対応する分割領域に対して、不一致フラグが立てられた分割領域３２の割合（不一致割合）が所定の閾値以上か否かを判定する。不一致割合が閾値以上の場合には、処理はステップＳ６２へ移行し、不一致割合が閾値未満の場合には、処理はステップＳ６３へ移行する。

ステップＳ６２では、逆走検出部１５が、不一致割合が閾値以上であると判定した車両領域２６を、逆走車両を示す車両領域２６として検出し、その車両領域２６のフレーム画像２２上での位置等の情報を一旦所定の記憶領域に記憶する。

次に、ステップＳ６３で、逆走検出部１５が、車両領域検出画像２８に含まれる全ての車両領域２６について処理が終了したか否かを判定する。未処理の車両領域２６が存在する場合には、処理はステップＳ５９に戻り、全ての車両領域２６について処理が終了した場合には、処理はステップＳ６４へ移行する。

ステップＳ６４では、逆走検出部１５が、所定の記憶領域に記憶した逆走車両を示す車両領域２６の情報に基づいて、例えば、検出された車両領域２６の外接矩形を撮影画像に重畳するなどして、検出結果として出力する。そして、処理はステップＳ５１に戻る。

以上説明したように、本実施形態に係る検出装置１０は、撮影画像を所定の大きさの領域に分割した分割領域毎に、動体の正解の進行方向の情報を記憶しておく。そして、検出装置１０は、撮影画像から検出された車両の進行方向を特定し、記憶しておいた正解の進行方向との一致するか否かを判定して、異常な方向へ進行する動体を検出する。このように、本実施形態に係る検出装置１０は、分割領域毎に動体の進行方向が異常か否かを判定することができる。そのため、本実施形態に係る検出装置１０は、例えば、他の車両等の障害物の陰から突然出現した動体などについても、少なくとも２フレーム分の撮影画像が取得できれば、精度良く進行方向を特定することができる。

ここで、例えば、図１３の破線部に示すように、撮影画像の端部などでは、実際には、道路に沿った方向とは異なる方向の動きベクトルが算出される。したがって、道路に沿った方向を正解の方向として記憶しておいた場合には、異常な方向へ進行する動体を精度良く検出できない。本実施形態に係る検出装置１０では、過去の撮影画像内の動体の進行方向の情報に基づいて、分割領域毎に正解情報が格納された正解マップを作成する。そのため、本実施形態に係る検出装置１０は、図１３に示すような実際に算出される動きベクトルに基づく正解情報を記憶しておくことができ、撮影画像の端部などでも、異常な方向へ進行する動体を精度良く検出することができる。

また、本実施形態に係る検出装置１０は、車両領域に対応する複数の分割領域における正解情報との一致度の判定結果に基づいて、その車両領域が逆走車両を示す車両領域か否かを判定する。これにより、例えば、トラックの荷台部分など、動体の一部が対向車線の領域に入ってしまっている場合などでも、動体自体の進行方向が正常であれば、分割領域の多数は正解情報と一致すると判定される。そのため、異常な方向へ進行する動体であると誤検出されることを抑制できる。

なお、上記実施形態では、算出した動きベクトルの方向を所定方向へ割り当てて、方向マップの方向情報を算出する場合について説明したが、これに限定されない。例えば、算出した動きベクトルをそのまま方向情報として方向マップの各分割領域に格納してもよい。この場合、所定時間分の撮影画像の各フレーム画像から作成された方向マップの各々において、同一の分割領域３２に格納されている動きベクトルの平均を、正解マップの分割領域３２に格納する正解情報とすることができる。そして、逆走車両の検出の際には、方向マップに格納された動きベクトルと、正解マップに格納された正解情報が示すベクトルとのなす角が所定の閾値以下か否かにより、一致度を判定することができる。なお、本実施形態のように動きベクトルを所定方向に割り当てて方向情報を算出する場合も、割り当てる方向の数を細分化するなどして設定することができる。これにより、結果的に、正解情報が示すベクトルと検出された車両領域の動きベクトルとのなす角が閾値以下になる場合を、正解の方向と一致する場合と判定することができる。

また、本実施形態では、逆走車両の検出処理とは別に、過去の所定時間分の撮影画像を入力して学習処理を実行する場合について説明したが、学習処理と逆走車両の検出処理とを並列に実行してもよい。この場合、例えば、図９に示す学習処理のステップＳ３０の前若しくは後、又はステップＳ３０の処理と並列に、図１２に示す逆走検出処理のステップＳ５４〜Ｓ６４の処理を実行すればよい。

また、上記実施形態では、全ての分割領域が同じサイズの場合について説明したが、これに限定されない。例えば、撮影画像の奥行き方向に沿って奥に行くほど（画像の上に行くほど）、撮影装置からの距離が遠くなることを考慮して、撮影画像の奥行き方向に沿って奥に行くほど（画像の上に行くほど）、分割領域のサイズを小さくするようにしてもよい。

なお、上記実施形態では、異常な方向に進行する動体の一例として逆走車両を検出する場合について説明したが、動体は車両に限定されない。また、対象の動体に応じて、異常な進行方向も逆走の場合に限定されない。

また、上記実施形態では、検出プログラム５０が記憶部４３に予め記憶（インストール）されている態様を説明したが、これに限定されない。開示の技術に係るプログラムは、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ＵＳＢメモリ等の記憶媒体に記憶された形態で提供することも可能である。

以上の実施形態に関し、更に以下の付記を開示する。

（付記１）
道路を含む範囲についての撮影画像を所定の大きさの領域に分割し、
分割された各領域について、時間的な画像の変化に基づいて動体の進行方向を特定し、
特定した前記領域それぞれの進行方向と、記憶部に記憶した前記領域それぞれにおける動体の進行方向との一致度に基づいて動体の異常な方向への進行を検出する、
処理をコンピュータに実行させることを特徴とする検出プログラム。

（付記２）
記憶部に記憶した前記領域それぞれにおける動体の進行方向として、過去の所定時間の間に前記道路を含む範囲を通過した動体の情報を利用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付記１に記載の検出プログラム。

（付記３）
前記一致度に基づいて動体の異常な方向への進行を検出する際、前記動体の存在する複数の領域における進行方向の一致度に基づき検出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付記１又は付記２に記載の検出プログラム。

（付記４）
前記一致度を判定する際、記憶部に記憶した前記領域それぞれにおける動体の進行方向と、特定した前記領域ごとの進行方向との方向の角度の差が所定の値以下である場合に一致であると判定する付記１乃至付記３のいずれか一項に記載の検出プログラム。

（付記５）
前記撮影画像として、前記道路を含む範囲を撮影可能な位置に固定された撮影装置により撮影される撮影画像を取得する付記１〜付記４のいずれか１項記載の検出プログラム。

（付記６）
道路を含む範囲についての撮影画像を所定の大きさの領域に分割し、
分割された各領域について、時間的な画像の変化に基づいて動体の進行方向を特定し、
特定した前記領域それぞれの進行方向と、記憶部に記憶した前記領域それぞれにおける動体の進行方向との一致度に基づいて動体の異常な方向への進行を検出する
処理をコンピュータが実行することを特徴とする検出方法。

（付記７）
記憶部に記憶した前記領域それぞれにおける動体の進行方向として、過去の所定時間の間に前記道路を含む範囲を通過した動体の情報を利用する処理をコンピュータが実行することを特徴とする付記６に記載の検出方法。

（付記８）
前記一致度に基づいて動体の異常な方向への進行を検出する際、前記動体の存在する複数の領域における進行方向の一致度に基づき検出する処理をコンピュータが実行することを特徴とする付記６又は付記７に記載の検出方法。

（付記９）
前記一致度を判定する際、記憶部に記憶した前記領域それぞれにおける動体の進行方向と、特定した前記領域ごとの進行方向との方向の角度の差が所定の値以下である場合に一致であると判定する付記６乃至付記８のいずれか一項に記載の検出方法。

（付記１０）
前記撮影画像として、前記道路を含む範囲を撮影可能な位置に固定された撮影装置により撮影される撮影画像を取得する付記６乃至付記９のいずれか一項記載の検出方法。

（付記１１）
道路を含む範囲についての撮影画像を所定の大きさの領域に分割する分割部と、
分割された各領域について、時間的な画像の変化に基づいて動体の進行方向を特定する特定部と、
特定した前記領域それぞれの進行方向と、記憶部に記憶した前記領域それぞれにおける動体の進行方向との一致度に基づいて動体の異常な方向への進行を検出する検出部と、
を有することを特徴とする検出装置。

（付記１２）
記憶部に記憶した前記領域それぞれにおける動体の進行方向として、過去の所定時間の間に前記道路を含む範囲を通過した動体の情報を利用する学習部を含むことを特徴とする付記１１に記載の検出装置。

（付記１３）
前記検出部は、前記一致度に基づいて動体の異常な方向への進行を検出する際、前記動体の存在する複数の領域における進行方向の一致度に基づき検出することを特徴とする付記１１又は付記１２に記載の検出装置。

（付記１４）
前記検出部は、前記一致度を判定する際、記憶部に記憶した前記領域それぞれにおける動体の進行方向と、特定した前記領域ごとの進行方向との方向の角度の差が所定の値以下である場合に一致であると判定する付記１１乃至付記１３のいずれか一項に記載の検出装置。

（付記１５）
前記撮影画像として、前記道路を含む範囲を撮影可能な位置に固定された撮影装置により撮影される撮影画像を取得する付記１１〜付記１４のいずれか１項記載の検出装置。

（付記１６）
道路を含む範囲についての撮影画像を所定の大きさの領域に分割し、
分割された各領域について、時間的な画像の変化に基づいて動体の進行方向を特定し、
特定した前記領域それぞれの進行方向と、記憶部に記憶した前記領域それぞれにおける動体の進行方向との一致度に基づいて動体の異常な方向への進行を検出する、
処理をコンピュータに実行させることを特徴とする検出プログラムを記憶した記憶媒体。

１０ 検出装置
１１ 車両検出部
１２ 分割部
１３ 特定部
１４ 学習部
１５ 逆走検出部
２０ 正解マップ
２２ フレーム画像
２６ 車両領域
２８ 車両領域検出画像
３２ 分割領域
３４ 方向マップ
３６ 方向情報
３８ 正解情報
４０ コンピュータ
４１ ＣＰＵ
４２ メモリ
４３ 記憶部
４９ 記憶媒体
５０ 検出プログラム

Claims (7)

1. 道路を含む範囲についての撮影画像を所定の大きさの領域に分割し、
   分割された各領域について、時間的な画像の変化に基づいて動体の進行方向を特定し、
   特定した前記領域それぞれの進行方向と、前記各領域について過去の所定期間の異なる時間に特定された前記動体の進行方向が所定回数連続で同一の場合に前記各領域と対応付けて前記進行方向が記憶された記憶部に記憶された前記領域それぞれにおける動体の進行方向との一致度に基づいて動体の異常な方向への進行を検出する、
   処理をコンピュータに実行させることを特徴とする検出プログラム。
2. 記憶部に記憶した前記領域それぞれにおける動体の進行方向として、前記過去の所定期間に前記道路を含む範囲を通過した動体の情報を利用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請求項１に記載の検出プログラム。
3. 前記一致度に基づいて動体の異常な方向への進行を検出する際、前記動体の存在する複数の領域における進行方向の一致度に基づき検出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請求項１又は請求項２に記載の検出プログラム。
4. 前記一致度を判定する際、記憶部に記憶した前記領域それぞれにおける動体の進行方向と、特定した前記領域ごとの進行方向との方向の角度の差が所定の値以下である場合に一致であると判定する請求項１乃至請求項３のいずれか一項に記載の検出プログラム。
5. 前記撮影画像として、前記道路を含む範囲を撮影可能な位置に固定された撮影装置により撮影される撮影画像を取得する請求項１〜請求項４のいずれか１項記載の検出プログラム。
6. 道路を含む範囲についての撮影画像を所定の大きさの領域に分割し、
   分割された各領域について、時間的な画像の変化に基づいて動体の進行方向を特定し、
   特定した前記領域それぞれの進行方向と、前記各領域について過去の所定期間の異なる時間に特定された前記動体の進行方向が所定回数連続で同一の場合に前記各領域と対応付けて前記進行方向が記憶された記憶部に記憶された前記領域それぞれにおける動体の進行方向との一致度に基づいて動体の異常な方向への進行を検出する
   処理をコンピュータが実行することを特徴とする検出方法。
7. 道路を含む範囲についての撮影画像を所定の大きさの領域に分割する分割部と、
   分割された各領域について、時間的な画像の変化に基づいて動体の進行方向を特定する特定部と、
   特定した前記領域それぞれの進行方向と、前記各領域について過去の所定期間の異なる時間に特定された前記動体の進行方向が所定回数連続で同一の場合に前記各領域と対応付けて前記進行方向が記憶された記憶部に記憶された前記領域それぞれにおける動体の進行方向との一致度に基づいて動体の異常な方向への進行を検出する検出部と、
   を有することを特徴とする検出装置。

Images