JP6942649B2 - 画像処理装置及び画像処理方法 - Google Patents
画像処理装置及び画像処理方法 Download PDFInfo
- Publication number
- JP6942649B2 JP6942649B2 JP2018013561A JP2018013561A JP6942649B2 JP 6942649 B2 JP6942649 B2 JP 6942649B2 JP 2018013561 A JP2018013561 A JP 2018013561A JP 2018013561 A JP2018013561 A JP 2018013561A JP 6942649 B2 JP6942649 B2 JP 6942649B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- unit
- image generation
- normal state
- captured
- 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
Description
実施例1の送電設備保守支援システムは、予め正常状態画像を学習させた生成モデルを用いて、カメラで撮影した画像から正常状態画像を生成し、撮影画像と生成画像との差異を評価することによって状態を判定する。
図1は、実施例1の送電設備保守支援システムによる送電線の保守を示す図である。実施例1における送電線保守支援システムは、移動体の一例である飛行体(ドローン)1−1に搭載したカメラ2が撮影した送電線の撮影画像F101を用いて、送電線の状態を判定する。
図3は、実施例1の送電設備保守支援システムの全体構成を示す図である。
図5は、実施例1の送電設備保守支援システムによる処理のフローチャートである。
実施例2では、撮影画像から監視対象領域を抽出することによって、複数の監視対象の状態を並行して判定でき、監視対象以外の背景の変化が大きい画像を用いて、鉄道設備の状態を判定する鉄道保守支援システムについて説明する。
図6は、実施例2の鉄道保守支援システムによる鉄道設備の保守を示す図である。
図7は、実施例2の鉄道保守支援システムの全体構成を示す図である。
実施例3では、時間的に近い過去の画像生成用パラメータを活用することによって、画像生成に要する時間を短縮し、リアルタイムに状態を判定する際の計算機リソースを低減する送電設備保守支援システムについて説明する。
図8は、実施例3の送電設備保守支援システムの全体構成を示す図である。
実施例4の道路保守支援システムは、自動車(カメラ)からの距離が異なる複数の監視対象領域を抽出し、同一箇所の状態の判定回数を増やすことによって、判定精度を高める。また、過去の画像生成用パラメータを同一箇所における以降の画像生成に活用することによって、画像生成に必要な時間を短縮し、リアルタイムに状態を判定する。
図10は、実施例4の道路保守支援システムによる保守を示す図である。
図11は、実施例4の道路保守支援システムの全体構成を示す図である。
実施例5の送電設備保守支援システムは、定義が可能な特定の異常事象に関して、当該の特定の異常事象の検知に特化した処理を並列に動作させて判定結果を統合することにより、判定精度を高める。
図12は、実施例5の送電設備保守支援システムの全体構成を説明する図である。
実施例6の鉄道保守支援システムは、走行時に状態を判定しながら、状態判定に使用する撮影画像と生成画像との類似度を撮影画像と共に記録して、判定部4が用いる閾値を好適に設定する。
実施例1に記載したように、判定部4は、例えば、撮影画像と生成画像との類似度が所定の閾値以上である場合は正常状態と判定し、所定の閾値より小さい場合は異常状態と判定する。このため、閾値の設定によって状態判定の性能が変わる。一般に、異常状態は発生頻度が低いため、実際の走行線区で異常状態のデータを取得するのは難しい。そこで、例えば、実験によって異常状態を再現した撮影画像と、正常状態の撮影画像とを取得し、画像生成部3が生成した生成画像と撮影画像群との類似度を算出し、異常状態の複数の撮影画像における平均的な類似度と、正常状態の複数の撮影画像における平均的な類似度との間に閾値を設定してもよい。しかし、実施例6の鉄道保守支援システムの運用中、実際の走行線区において異常状態が存在した場合、これを検知できるように判定部4の閾値及び画像生成部3を更新するとよい。
図13は、実施例6の鉄道保守支援システムの全体構成を示す図である。
実施例7の鉄道保守支援システムは、走行時に状態を判定しながら、画像以外から取得した状態情報を記録して、判定部4が用いる閾値を好適に設定する。
図14は、実施例7の鉄道保守支援システムの全体構成を示す図である。
1−2・・・・・・移動体の一例(列車)
1−3・・・・・・移動体の一例(自動車)
2・・・・・・・・カメラ
3・・・・・・・・画像生成部
4・・・・・・・・判定部
5・・・・・・・・領域抽出部
6・・・・・・・・パラメータ保持部
7・・・・・・・・フレーム制御部
8・・・・・・・・特定事象検知部
9・・・・・・・・判定結果統合部
10・・・・・・・類似度記録部
11・・・・・・・画像記録部
12・・・・・・・状態情報記録部
Claims (11)
- 画像を用いて対象物の状態を判定する画像処理装置であって、
移動体に搭載され、前記対象物が写された撮影画像を取得するカメラと、
正常状態を学習した画像生成モデルを用いて、前記カメラが取得した撮影画像に基づいて正常な状態を示す正常状態画像を生成する画像生成部と、
前記画像生成部が画像生成に用いた画像生成用パラメータを格納するパラメータ保持部と、
前記対象物の状態を判定する判定部と、を備え、
前記画像生成部は、前記パラメータ保持部から提供される画像生成用パラメータを用いて正常状態画像を生成し、
前記判定部は、前記撮影画像と前記正常状態画像との類似度を算出し、前記算出された類似度が小さい場合に、前記対象物が異常であると判定することを特徴とする画像処理装置。 - 画像を用いて対象物の状態を判定する画像処理装置であって、
移動体に搭載され、前記対象物が写された撮影画像を取得するカメラと、
前記撮影画像から前記対象物が含まれる複数の対象領域を抽出する領域抽出部と、
正常状態を学習した画像生成モデルを用いて、前記カメラが取得した撮影画像に基づいて正常な状態を示す正常状態画像を生成する画像生成部と、
前記画像生成部が画像の生成に用いた画像生成用パラメータを格納するパラメータ保持部と、
前記対象物の状態を判定する判定部と、を備え、
前記画像生成部は、前記対象物の同一箇所が写された正常状態画像を生成した際の画像生成用パラメータを用いて正常状態画像を生成し、
前記判定部は、前記撮影画像と前記正常状態画像との類似度を算出し、前記算出された類似度が小さい場合に、前記対象物が異常であると判定し、前記複数の対象領域の各々において、前記対象物の同一箇所の状態を判定することを特徴とする画像処理装置。 - 請求項2に記載の画像処理装置であって、
前記カメラによる画像取得と連動し、前記対象物の同一箇所が写された正常状態画像を生成した際の画像生成用パラメータの前記パラメータ保持部から前記画像生成部への提供を制御するフレーム制御部を備え、
前記画像生成部は、前記フレーム制御部の制御によって提供される画像生成用パラメータを用いて正常状態画像を生成することを特徴とする画像処理装置。 - 請求項1又は2に記載の画像処理装置であって、
前記撮影画像から前記対象物が含まれる1以上の対象領域を抽出する領域抽出部を備え、
前記画像生成部は、前記対象領域毎に正常状態画像を生成し、
前記判定部は、前記対象領域毎に前記対象物の状態を判定することを特徴とする画像処理装置。 - 請求項1又は2に記載の画像処理装置であって、
前記カメラによる画像取得と連動し、前記パラメータ保持部から前記画像生成部への画像生成用パラメータの提供を制御するフレーム制御部を備え、
前記画像生成部は、前記フレーム制御部の制御によって提供される画像生成用パラメータを用いて正常状態画像を生成することを特徴とする画像処理装置。 - 請求項1又は2に記載の画像処理装置であって、
前記カメラが取得した撮影画像から、定義された特定の事象を検知する特定事象検知部と、
前記判定部が出力する判定結果と前記特定事象検知部が出力する判定結果とを統合する判定結果統合部と、を備えることを特徴とする画像処理装置。 - 請求項1又は2に記載の画像処理装置であって、
前記判定部が状態判定に使用する類似度を記録する類似度記録部と、
前記カメラが取得した撮影画像を記録する画像記録部と、を備え、
前記類似度と前記撮影画像とは、時刻によって関連付けられて記録されることを特徴とする画像処理装置。 - 請求項7に記載の画像処理装置であって、
画像以外を用いて取得した状態情報を記録する状態情報記録部を備え、
前記類似度と前記撮影画像と前記状態情報とは、時刻によって関連付けられて記録されることを特徴とする画像処理装置。 - 請求項1又は2に記載の画像処理装置であって、
前記移動体は、飛行体、鉄道車両及び自動車のいずれかであることを特徴とする画像処理装置。 - 画像を用いて対象物の状態を判定する画像処理装置が実行する画像処理方法であって、
前記画像処理装置は、所定の手順で処理を実行する演算デバイスと、前記演算デバイスに接続された記憶デバイスとを有し、
移動体に搭載されたカメラによって前記対象物が写された撮影画像を取得する撮影画像取得ステップと、
正常状態を学習した画像生成モデルを用いて、前記カメラが取得した撮影画像に基づいて正常な状態を示す正常状態画像を生成する画像生成ステップと、
前記画像の生成に用いた画像生成用パラメータを格納する格納ステップと、
前記対象物の状態を判定する判定ステップと、を備え、
前記画像生成ステップでは、前記格納された画像生成用パラメータを用いて正常状態画像を生成し、
前記判定ステップでは、前記撮影画像と前記正常状態画像との類似度を算出し、前記算出された類似度が小さい場合に、前記対象物が異常であると判定することを特徴とする画像処理方法。 - 画像を用いて対象物の状態を判定する画像処理装置が実行する画像処理方法であって、
前記画像処理装置は、所定の手順で処理を実行する演算デバイスと、前記演算デバイスに接続された記憶デバイスとを有し、
移動体に搭載されたカメラによって前記対象物が写された撮影画像を取得する撮影画像取得ステップと、
前記撮影画像から前記対象物が含まれる複数の対象領域を抽出する領域抽出ステップと、
正常状態を学習した画像生成モデルを用いて、前記カメラが取得した撮影画像に基づいて正常な状態を示す正常状態画像を生成する画像生成ステップと、
前記画像の生成に用いた画像生成用パラメータを格納する格納ステップと、
前記対象物の状態を判定する判定ステップと、を備え、
前記画像生成ステップでは、前記対象物の同一箇所が写された正常状態画像を生成した際の画像生成用パラメータを用いて正常状態画像を生成し、
前記判定ステップでは、前記撮影画像と前記正常状態画像との類似度を算出し、前記算出された類似度が小さい場合に、前記対象物が異常であると判定し、前記複数の対象領域の各々において、前記対象物の同一箇所の状態を判定することを特徴とする画像処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018013561A JP6942649B2 (ja) | 2018-01-30 | 2018-01-30 | 画像処理装置及び画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018013561A JP6942649B2 (ja) | 2018-01-30 | 2018-01-30 | 画像処理装置及び画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019133306A JP2019133306A (ja) | 2019-08-08 |
JP6942649B2 true JP6942649B2 (ja) | 2021-09-29 |
Family
ID=67546226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018013561A Active JP6942649B2 (ja) | 2018-01-30 | 2018-01-30 | 画像処理装置及び画像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6942649B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7463686B2 (ja) * | 2019-10-24 | 2024-04-09 | 株式会社Jvcケンウッド | 画像記録装置、画像記録方法及び画像記録プログラム |
CN111340774B (zh) * | 2020-02-24 | 2023-03-21 | 腾讯科技(深圳)有限公司 | 图像检测方法、装置、计算机设备及存储介质 |
JP7464263B2 (ja) | 2020-04-08 | 2024-04-09 | 日本電気通信システム株式会社 | 検出装置、検出方法及びプログラム |
JP7369735B2 (ja) * | 2021-05-17 | 2023-10-26 | 株式会社日立パワーソリューションズ | 監視システム、および、監視方法 |
CN113099242B (zh) * | 2021-06-09 | 2021-08-24 | 广东电网有限责任公司湛江供电局 | 一种输电线路视频监测数据处理方法及系统 |
JP2023131956A (ja) * | 2022-03-10 | 2023-09-22 | 株式会社日立製作所 | 状態判定装置、状態判定方法および移動体支援システム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6266238B2 (ja) * | 2013-07-03 | 2018-01-24 | クラリオン株式会社 | 接近物検出システム、及び車両 |
JP6572535B2 (ja) * | 2014-12-10 | 2019-09-11 | 株式会社リコー | 画像認識システム、サーバ装置及び画像認識方法 |
JP6173655B1 (ja) * | 2016-01-07 | 2017-08-02 | 三菱電機株式会社 | 検出装置および検出方法 |
JP6747873B2 (ja) * | 2016-05-26 | 2020-08-26 | 東芝テック株式会社 | 情報処理装置及びプログラム |
JP6746112B2 (ja) * | 2016-06-14 | 2020-08-26 | 株式会社エンルート | 監視装置及び監視方法 |
-
2018
- 2018-01-30 JP JP2018013561A patent/JP6942649B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019133306A (ja) | 2019-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6942649B2 (ja) | 画像処理装置及び画像処理方法 | |
JP2953712B2 (ja) | 移動物体検知装置 | |
JP4157620B2 (ja) | 移動物体検出装置及びその方法 | |
WO2014132490A1 (ja) | 車両諸元計測処理装置、車両諸元計測方法及び記録媒体 | |
WO2010109831A1 (ja) | ドライブレコーダ | |
KR102082254B1 (ko) | 차량 인식 시스템 | |
JPWO2018235219A1 (ja) | 自己位置推定方法、自己位置推定装置および自己位置推定プログラム | |
KR102231356B1 (ko) | 시설물 결함 검측 방법 및 그 장치 | |
US9648286B2 (en) | Video monitoring system, video monitoring method, and video monitoring system building method | |
JP7311310B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP2018205950A (ja) | 自車位置推定用環境地図生成装置、自車位置推定装置、自車位置推定用環境地図生成プログラム、及び自車位置推定プログラム | |
JP2024009088A (ja) | 車種判定装置、車種判定方法、および車種判定プログラム | |
KR101492366B1 (ko) | 차량 사고 감지 방법 및 그 장치 | |
JP5261752B2 (ja) | ドライブレコーダ | |
JP6699323B2 (ja) | 電車設備の三次元計測装置及び三次元計測方法 | |
KR101544421B1 (ko) | 충격 감지 센서를 이용한 차량용 블랙박스 제어 장치 및 방법 | |
CN110570680A (zh) | 利用地图信息确定对象位置的方法和系统 | |
WO2022097426A1 (ja) | 状態判定装置、状態判定システム及び状態判定方法 | |
KR102221317B1 (ko) | 딥러닝을 이용한 시설물 결함 검측 장치 및 그 방법 | |
KR20140114650A (ko) | 이동 로봇의 경로계획 생성 장치 및 방법 | |
CN109740524B (zh) | 单目视觉的车辆监测方法及装置 | |
KR102589150B1 (ko) | 누적 차영상을 이용한 원거리 객체 검지 시스템 | |
JP6800388B1 (ja) | 検出装置、検出方法、及び検出プログラム | |
JP7416276B2 (ja) | 不安全運転検出装置、方法、及びプログラム | |
WO2022163216A1 (ja) | 移動体、情報処理方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210330 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210817 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210908 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6942649 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |