JP7305698B2 - 車両の混雑度判定方法、および車両の混雑度判定システム - Google Patents

Description

本発明は、車両の混雑度判定方法、および車両の混雑度判定システムに関する。

従来、車両の乗車人数を監視する装置がある。特許文献１には、第１の撮像装置及び処理ユニットを備え、車体内に取り付けて車体内の乗車人数を監視する車両乗車人数の監視装置が開示されている。特許文献１の記動態検出モジュールは、画像変動値が閾値より大きい場合、認識ブロックに人がいると判断する。

特開２０１５－７９５３号公報

近年の新型コロナウイルス（ＣＯＶＩＤ－１９）等の感染症対策（ｗｉｔｈ／ａｆｔｅｒ コロナ）の観点からも旅客を輸送する車両の混雑度を適切に判定できる技術が望まれている。例えば、通路に複数の旅客が立っている場合であっても、車内を撮像した画像に基づいて適切に混雑度を判定できることが好ましい。

本発明の目的は、旅客を輸送する車両の混雑度を適切に判定できる車両の混雑度判定方法、および車両の混雑度判定システムを提供することである。

本発明の車両の混雑度判定方法は、旅客を輸送する車両の車内を撮像した画像を取得するステップと、前記画像から人を検出し、検出されたそれぞれの前記人に対して当該人を囲む矩形の検出領域を生成するステップと、前記画像の対象領域および前記検出領域に基づいて前記車両の混雑度を判定するステップと、を含み、前記対象領域は、前記画像の一部の領域であって、かつ前記車両の通路に立っている旅客が撮像される領域であり、前記判定するステップにおいて、前記対象領域と重なっている前記検出領域の数に基づいて前記車両の混雑度を判定することを特徴とする。

本発明に係る車両の混雑度判定方法は、画像から人を検出し、検出されたそれぞれの人に対して当該人を囲む矩形の検出領域を生成するステップと、画像の対象領域および検出領域に基づいて車両の混雑度を判定するステップと、を含む。対象領域は、画像の一部の領域であって、かつ車両の通路に立っている旅客が撮像される領域である。判定するステップにおいて、対象領域と重なっている検出領域の数に基づいて車両の混雑度が判定される。本発明に係る車両の混雑度判定方法によれば、旅客を輸送する車両の混雑度を適切に判定できるという効果を奏する。

図１は、実施形態に係る車両の混雑度判定システムのブロック図である。 図２は、第一カメラによって撮像された画像を示す図である。 図３は、第二カメラによって撮像された画像を示す図である。 図４は、重なり度合いの判定について説明する図である。 図５は、実施形態の動作を示すフローチャートである。

以下に、本発明の実施形態に係る車両の混雑度判定方法、および車両の混雑度判定システムにつき図面を参照しつつ詳細に説明する。なお、この実施形態によりこの発明が限定されるものではない。また、下記の実施形態における構成要素には、当業者が容易に想定できるものあるいは実質的に同一のものが含まれる。

［実施形態］
図１から図５を参照して、実施形態について説明する。本実施形態は、車両の混雑度判定方法、および車両の混雑度判定システムに関する。図１は、実施形態に係る車両の混雑度判定システムのブロック図、図２は、第一カメラによって撮像された画像を示す図、図３は、第二カメラによって撮像された画像を示す図、図４は、重なり度合いの判定について説明する図、図５は、実施形態の動作を示すフローチャートである。

図１に示すように、車両の混雑度判定システム１は、車載器２、カメラ３、および事務所ＰＣ７を含む。車載器２およびカメラ３は、旅客を輸送する車両１００に搭載されている。本実施形態の車両１００は、乗合いバスであり、例えば、予め定められた路線を走行する路線バスである。車両１００は、路線上の各停留所において旅客を乗降させる。車両１００には、車載器２およびカメラ３に加えて、ドアセンサ４が搭載されている。

車載器２は、例えば、車両１００の運行状況を記録するドライブレコーダやデジタルタコグラフである。車載器２は、ＣＰＵ２１、メモリ２２、ＧＰＳ受信部２３、および通信部２４を有する。ＣＰＵ２１は、各種の演算を行なう演算装置である。ＣＰＵ２１は、例えば、メモリ２２に記憶されているプログラムに従って本実施形態の動作を実行する。

メモリ２２は、揮発性メモリおよび不揮発性メモリを含む記憶部である。ＧＰＳ受信部２３は、衛星から送信される信号に基づいて車両１００の現在位置を算出する。通信部２４は、無線基地局５との間で通信を行なう通信モジュールである。通信部２４は、ＣＰＵ２１の指令に従い、車両１００のアンテナを介して無線基地局５と無線通信を行なう。

カメラ３は、車両１００の車内を撮像して画像Ｇ１，Ｇ２を出力する撮像装置である。カメラ３の位置およびカメラ３の画角は、車内の旅客を撮像できるように設定されている。本実施形態の車両１００は、カメラ３として、第一カメラ３１および第二カメラ３２を有する。第一カメラ３１は、車内における降車口の近傍を撮像する。第二カメラ３２は、車内における乗車口の近傍を撮像する。車載器２は、カメラ３によって撮像された画像を取得してメモリ２２に記憶する。

ドアセンサ４は、車両１００の乗降口を開閉するドアの状態を検出するセンサである。ドアセンサ４は、例えば、ドアが全閉状態であるか否かを検出する。ドアセンサ４は、例えば、乗車口ドアおよび降車口ドアのそれぞれに配置されている。ドアセンサ４の検出結果は、ＣＰＵ２１に送られる。

車載器２は、通信部２４を介して混雑度判定のためのデータを外部に送信する。送信されるデータは、例えば、カメラ３によって撮像された画像、その画像の撮像時刻、撮像時刻における車両１００の位置、および車両１００の識別コード等を含む。通信部２４が送信する画像データは、例えば、静止画のデータである。送信されたデータは、例えば、インターネット網ＮＷに接続されたサーバ６に保存される。

事務所ＰＣ７は、例えば、企業等の事務所に設置された汎用のコンピュータ装置で構成される。事務所ＰＣ７は、管理対象である車両１００の運行状況を管理する機能、および車両１００の混雑度を判定する機能を有している。事務所ＰＣ７は、ＣＰＵ７１、メモリ７２、通信部７３、および外部入力インタフェース７４を有する。事務所ＰＣ７は、通信部７３およびインターネット網ＮＷを介してサーバ６および無線基地局５のそれぞれと通信を行なう。事務所ＰＣ７は、例えば、メモリ７２からＣＰＵ７１に読み込んだプログラムに従って、運行状況の管理および混雑度の判定を実行する。

図２には、第一カメラ３１によって撮像された画像Ｇ１の一例が示されている。画像Ｇ１には、車両１００の車内１０１が撮像されている。より詳しくは、画像Ｇ１には、運転席１０２、通路１０３、および降車口１０５が撮像されている。降車口１０５は、車両１００の前部に配置されており、降車ドア１０４によって開閉される。

図３には、第二カメラ３２によって撮像された画像Ｇ２の一例が示されている。画像Ｇ２には、車両１００の車内１０１が撮像されている。より詳しくは、画像Ｇ２には、通路１０３、乗車口１０７、後部座席１０８、および前部座席１０９が撮像されている。乗車口１０７は、車両１００の中間部に配置されており、乗車ドア１０６によって開閉される。後部座席１０８は、乗車口１０７よりも車両後方に配置された座席である。後部座席１０８は、車両前方に向いている。前部座席１０９は、乗車口１０７よりも車両前方に配置された座席である。前部座席１０９は、車幅方向に向いている。

車載器２は、旅客の乗降が完了した後に撮像された画像Ｇ１，Ｇ２を送信する。例えば、車載器２は、降車ドア１０４および乗車ドア１０６の両方が全閉状態であるときに撮像された画像Ｇ１，Ｇ２をインターネット網ＮＷに送信する。旅客の動きが少ないときに撮像された画像Ｇ１，Ｇ２により、車内１０１の混雑度合いを精度よく推定することが可能となる。

事務所ＰＣ７は、車両１００の混雑度を判定するためのデータをサーバ６から取得する。事務所ＰＣ７は、通信部７３を介してデータを取得し、取得したデータをメモリ７２に保存する。ＣＰＵ７１は、検出部７１ａ、抽出部７１ｂ、および判定部７１ｃを有する。

検出部７１ａ、抽出部７１ｂ、および判定部７１ｃは、ＣＰＵ７１において実行されるプログラムの一部であってもよく、ＣＰＵ７１が有する回路の一部であってもよく、ＣＰＵ７１に実装されたチップ等であってもよい。すなわち、ＣＰＵ７１は、検出部７１ａとしての機能、抽出部７１ｂとしての機能、および判定部７１ｃとしての機能を実行できるように構成されていればよい。

本実施形態に係る車両の混雑度判定システム１は、二つの指標に基づいて車両１００の混雑度を判定する。一つ目の指標は、旅客の密集度である。ＣＰＵ７１は、画像Ｇ１，Ｇ２から人を検出し、通路１０３における旅客の密集度を算出する。二つ目の指標は、旅客の総検出数である。ＣＰＵ７１は、画像Ｇ２から検出された旅客の総数を算出する。つまり、密集度は画像Ｇ１，Ｇ２の両方から算出され、総検出数は、画像Ｇ２から算出される。本実施形態に係る車両の混雑度判定システム１は、旅客の密集度および旅客の総検出数に基づいて精度よく車両１００の混雑度を判定することができる。

検出部７１ａは、画像Ｇ１，Ｇ２から人を検出し、検出されたそれぞれの人に対して検出領域ＤＡを生成する。例えば、検出部７１ａは、図２に示すように、検出された人のそれぞれに対して検出領域ＤＡを生成する。検出領域ＤＡは、所謂バウンディングボックスである。図２では、三人の人Ｐ０，Ｐ１，Ｐ２が検出されている。検出部７１ａは、人Ｐ０を囲む検出領域ＤＡ０、人Ｐ１を囲む検出領域ＤＡ１、および人Ｐ２を囲む検出領域ＤＡ２を生成する。検出部７１ａは、立っている人、および座っている人を含む全ての人を検出し、検出された全ての人に対して検出領域ＤＡを生成する。

検出部７１ａは、図３に示すように、画像Ｇ２から検出された人Ｐ３，Ｐ４，Ｐ５に対して検出領域ＤＡ３，ＤＡ４，ＤＡ５を生成する。なお、検出領域ＤＡは、画像において人が写っていると認識された領域であり、人の全体を囲む領域とはならない場合がある。

抽出部７１ｂは、生成された全ての検出領域ＤＡから、密集度の算出対象とする検出領域ＤＡ、および総検出数の算出対象とする検出領域ＤＡを抽出する。車両１００の運転手は、密集度の算出対象から除外され、かつ総検出数の算出対象からも除外される。図２において検出された人Ｐ０は、車両１００の運転手である。抽出部７１ｂは、以下に説明するように運転手を認識し、運転手を算出対象から除外する。

図２に示すように、画像Ｇ１は、Ａ１１からＡ１９までの九個のエリアに等分されている。各エリアの形状は、長方形である。例示された画像Ｇ１では、各エリアにおける画像横方向の画素数が２４０、画像縦方向の画素数が１６０である。すなわち、各エリアは、３８，４００画素で構成されている。

画像Ｇ１において、エリアＡ１１，Ａ１４，Ａ１７は、運転手が撮像されるエリアとして設定されている。抽出部７１ｂは、検出領域ＤＡの中心座標がエリアＡ１１，Ａ１４，Ａ１７の何れかに位置する場合、その検出領域ＤＡが運転手に対応すると判断する。図２において、検出領域ＤＡ０の中心は、エリアＡ１４に位置している。つまり、検出領域ＤＡ０に対応する人Ａ０は、運転手であると判断できる。従って、抽出部７１ｂは、密集度および総検出数の算出対象から検出領域ＤＡ０を除外する。一方、検出領域ＤＡ１，ＤＡ２の中心は、エリアＡ１１，Ａ１４，Ａ１７の何れにも位置していない。抽出部７１ｂは、検出領域ＤＡ１，ＤＡ２を密集度の算出対象として採用する。検出領域ＤＡ１，ＤＡ２は、画像Ｇ１の領域であるため、総検出数の算出対象ではない。

図３に示すように、画像Ｇ２は、Ａ２１からＡ２９までの九個のエリアに等分されている。各エリアの形状は、長方形である。例示された画像Ｇ２では、各エリアにおける画像横方向の画素数が２４０、画像縦方向の画素数が１６０である。すなわち、各エリアは、３８，４００画素で構成されている。

画像Ｇ２は、運転手が撮像されるエリアを含まない。従って、抽出部７１ｂは、画像Ｇ２に関しては検出領域ＤＡが運転手に対応するか否かの判定を実行しない。画像Ｇ２において、エリアＡ２３，Ａ２６，Ａ２９は、着席した旅客が撮像されるエリアである。以下の説明では、着席している旅客が撮像されるエリアを「第一領域」と称する。抽出部７１ｂは、検出領域ＤＡの中心座標が第一領域に位置する場合、その検出領域ＤＡが着席している旅客に対応する領域であると判断する。図３において、検出領域ＤＡ５の中心は、エリアＡ２９に位置している。つまり、検出された人Ｐ５は、着席している旅客であると判断できる。

着席している旅客は、通路１０３の密集度との関連性が低い。抽出部７１ｂは、密集度の算出対象から検出領域ＤＡ５を除外する。一方、抽出部７１ｂは、検出領域ＤＡ５を総検出数の算出対象として採用する。

検出領域ＤＡ３，ＤＡ４の中心は、エリアＡ２３，Ａ２６，Ａ２９の何れにも位置していない。従って、抽出部７１ｂは、検出領域ＤＡ３，ＤＡ４を密集度および総検出数の算出対象として採用する。

判定部７１ｃは、密集度および総検出数を算出し、算出結果に基づいて車両１００の混雑度を判定する。本実施形態の密集度は、以下のように算出される。図２に示す画像Ｇ１において、密集度が算出されるエリアは、エリアＡ１５である。エリアＡ１５は、通路１０３における降車口１０５の側の端部に立っている旅客が撮像されるエリアである。

判定部７１ｃは、エリアＡ１５を対象領域Ｔｇに設定する。判定部７１ｃは、各検出領域ＤＡについて、対象領域Ｔｇと重畳している画素数が閾値Ｔｈ１以上であるか、を判定する。例えば、判定部７１ｃは、図４に示すように、対象領域Ｔｇと検出領域ＤＡ１とが重なっている領域Ｏｖ１を検出する。判定部７１ｃは、領域Ｏｖ１の画素数が閾値Ｔｈ１以上である場合に対象領域Ｔｇについてのカウント数Ｃ０をインクリメントする。カウント数Ｃ０の初期値は０である。閾値Ｔｈ１は、例えば、１，０２４［画素］である。つまり、領域Ｏｖ１の画素数が１，０２４以上である場合、検出領域ＤＡ１が密集の構成要素の一つとしてカウントされる。

判定部７１ｃは、他の検出領域ＤＡについても同様に対象領域Ｔｇと重なっている領域を検出し、かつ重なっている領域の画素数が閾値Ｔｈ１以上であれば対象領域Ｔｇについてのカウント数Ｃ０をインクリメントする。判定部７１ｃは、密集度の算出対象である全ての検出領域ＤＡについて、対象領域Ｔｇとの重なり度合いを判定する。判定部７１ｃは、算出されたカウント数Ｃ０をエリアＡ１５についてのカウント数Ｃ１５として記憶する。その後、判定部７１ｃは、カウント数Ｃ０を初期化する。

更に、判定部７１ｃは、画像Ｇ２について重なり度合いを判定する。図３に示す画像Ｇ２において、対象領域Ｔｇは、エリアＡ２５およびエリアＡ２８である。エリアＡ２５およびエリアＡ２８は、通路１０３における乗車口１０７の近傍に立っている旅客が撮像されるエリアである。

判定部７１ｃは、一つのエリアＡ２５を対象領域Ｔｇとして設定する。判定部７１ｃは、画像Ｇ２の各検出領域ＤＡについて、対象領域Ｔｇと重畳している画素数が閾値Ｔｈ２以上であるか、を判定する。閾値Ｔｈ２は、例えば、３，０７２［画素］である。判定部７１ｃは、対象領域Ｔｇと検出領域ＤＡとが重なっている領域の画素数が閾値Ｔｈ２以上である場合、対象領域Ｔｇについてのカウント数Ｃ０をインクリメントする。判定部７１ｃは、密集度の算出対象である全ての検出領域ＤＡについて、対象領域Ｔｇとの重なり度合いを判定する。判定部７１ｃは、算出されたカウント数Ｃ０をエリアＡ２５についてのカウント数Ｃ２５として記憶する。その後、判定部７１ｃは、カウント数Ｃ０を初期化する。

判定部７１ｃは、エリアＡ２８を対象領域Ｔｇとして設定し、同様にカウント数Ｃ０を算出する。判定部７１ｃは、算出されたカウント数Ｃ０をエリアＡ２８についてのカウント数Ｃ２８として記憶する。判定部７１ｃは、画像Ｇ２について、旅客の総検出数を算出する。総検出数ＣＡは、画像Ｇ２に対して生成された検出領域ＤＡの個数である。図３に例示された画像Ｇ２では、検出領域ＤＡ３，ＤＡ４，ＤＡ５が総検出数の算出対象である。つまり、総検出数ＣＡは、３である。

ＣＰＵ７１は、図５に示すフローチャートに基づいて混雑度を判定する。ＣＰＵ７１は、画像Ｇ１，Ｇ２を取得するステップを実行した後に図５のフローチャートを実行する。

ステップＳ１０において、検出部７１ａは、画像Ｇ１，Ｇ２について物体検出を実行し、検出領域ＤＡを計算する。ステップＳ１０は、画像Ｇ１，Ｇ２から人を検出し、検出されたそれぞれの人に対して当該人を囲む矩形の検出領域ＤＡを生成するステップである。ステップＳ１０が実行されると、ステップＳ２０に進む。

ステップＳ２０において、抽出部７１ｂは、密集度の算出対象とする検出領域ＤＡ、および総検出数の算出対象とする検出領域ＤＡを抽出する。ステップＳ２０が実行されると、ステップＳ３０に進む。

ステップＳ３０において、判定部７１ｃは、検出領域ＤＡと対象領域Ｔｇとの重複を計算する。判定部７１ｃは、エリアＡ１５，Ａ２５，Ａ２８のそれぞれについて、カウント数Ｃ１５，Ｃ２５，Ｃ２８を算出する。ステップＳ３０が実行されると、ステップＳ４０に進む。

ステップＳ４０において、判定部７１ｃは、混雑度の指標がレベルIIの条件を満たすか否かを判定する。本実施形態に係る車両の混雑度判定システム１は、混雑度のレベルをレベルI、レベルII、およびレベルIIIの三つに分類する。レベルIは、最も混雑度が低いレベルであり、レベルIIIは、最も混雑度が高いレベルである。レベルIは、例えば、立っている旅客が２名以下の混雑度合いである。なお、ベビーカー、座ろうとしている旅客、およびバス会社の社員は「立っている旅客」の対象外である。レベルIIは、例えば、立っている旅客が３名以上で、かつ通路１０３の中央部分が未使用の混雑度合いである。レベルIIIは、例えば、通路１０３の中央部分に旅客が立っている混雑度合いである。なお、通路１０３の中央部分は、例えば、通路１０３における乗車ドア１０６と降車ドア１０４との間の中間部分である。

レベルIIの条件を第一条件と称する。第一条件は、下記式（１）が成立することである。すなわち、「エリアＡ１５のカウント数Ｃ１５とエリアＡ２８のカウント数Ｃ２８との合計値が２以上」である場合に、混雑度がレベルII以上であると判定される。レベルIの条件は、「カウント数Ｃ１５とカウント数Ｃ２８との合計値が２未満」である。判定部７１ｃは、第一条件が成立する場合、ステップＳ４０で肯定判定してステップＳ５０に進む。判定部７１ｃは、ステップＳ４０で否定判定した場合はステップＳ８０に進む。
Ｃ１５＋Ｃ２８≧２ （１）

ステップＳ５０において、判定部７１ｃは、混雑度の指標がレベルIIIの条件を満たすか否かを判定する。レベルIIIの条件は、第一条件に加えて第二条件が成立することである。第二条件は、下記式（２）、式（３）、式（４）、および式（５）が全て成立することである。すなわち、第一条件が成立し、かつ「エリアＡ１５のカウント数Ｃ１５が１以上、エリアＡ２５のカウント数Ｃ２５およびエリアＡ２８のカウント数Ｃ２８が何れも２以上であり、かつ総検出数ＣＡが１１以上」である場合に混雑度がレベルIIIであると判定される。
Ｃ１５≧１ （２）
Ｃ２５≧２ （３）
Ｃ２８≧２ （４）
ＣＡ≧１１ （５）

判定部７１ｃは、第二条件が成立する場合、ステップＳ５０で肯定判定してステップＳ６０に進む。判定部７１ｃは、ステップＳ５０で否定判定した場合はステップＳ７０に進む。

ステップＳ６０において、判定部７１ｃは、混雑度のレベルＬｖに対しレベルIIIの値を代入する。ステップＳ６０が実行されると、フローチャートが終了する。

ステップＳ７０において、判定部７１ｃは、混雑度のレベルＬｖに対しレベルIIの値を代入する。ステップＳ７０が実行されると、フローチャートが終了する。

ステップＳ８０において、判定部７１ｃは、混雑度のレベルＬｖに対しレベルIの値を代入する。ステップＳ８０が実行されると、フローチャートが終了する。

ＣＰＵ７１は、混雑度のレベルＬｖについての情報を外部に送信してもよい。混雑度のレベルＬｖは、例えば、停留所に向けて無線送信されてもよい。この場合、停留所の表示器には、これから到着する車両１００の混雑度のレベルＬｖが表示される。混雑度のレベルＬｖは、例えば、ユーザの携帯端末に向けて送信されてもよい。この場合、ユーザの携帯端末において、車両１００の混雑度のレベルＬｖがアプリケーションソフトによって表示されてもよい。混雑度のレベルＬｖは、例えば、車両１００と同じ路線を走行する他の路線バスに送信されてもよい。混雑度のレベルＬｖは、車両１００を含む路線バスの運行スケジュールの管理に用いることもできる。

以上説明したように、本実施形態に係る車両の混雑度判定方法は、取得するステップと、生成するステップと、判定するステップと、を含む。取得するステップでは、旅客を輸送する車両１００の車内１０１を撮像した画像Ｇ１，Ｇ２が取得される。生成するステップでは、画像Ｇ１，Ｇ２から人が検出され、検出されたそれぞれの人に対して当該人を囲む矩形の検出領域ＤＡが生成される。図５のフローチャートでは、ステップＳ１０が生成するステップに相当する。

判定するステップでは、画像Ｇ１，Ｇ２の対象領域Ｔｇおよび検出領域ＤＡに基づいて車両１００の混雑度が判定される。図５のフローチャートでは、ステップＳ３０からステップＳ８０が判定するステップに相当する。対象領域Ｔｇは、画像Ｇ１，Ｇ２の一部の領域であって、かつ車両１００の通路１０３に立っている旅客が撮像される領域である。判定するステップでは、対象領域Ｔｇと重なっている検出領域ＤＡの数に基づいて車両１００の混雑度が判定される。

対象領域Ｔｇと重なっている検出領域ＤＡの数は、通路１０３に立っている旅客の密集度を表す。よって、本実施形態に係る車両の混雑度判定方法は、旅客を輸送する車両の混雑度を適切に判定することができる。また、広い画像Ｇ１，Ｇ２の全体から人を検出することで、対象領域Ｔｇから人を検出する場合と比較して良好な検出精度を実現できる。

以上のような車両の混雑度判定方法は、例えば、近年の新型コロナウイルス（ＣＯＶＩＤ－１９）等の感染症対策の観点からも有用である。例えば、利用者に対してタイムリーに正確に車両１００の混雑度を把握させ密にならない利用を促すことができ、また、事業者に対しても密にならないように運行計画の改善に活用させることができる。また、本実施形態に係る車両の混雑度判定方法では、静止画に基づいて混雑度が判定される。よって、判定に係る各部の負荷の増加を抑制することができる。例えば、カメラ３によって撮像された画像をインターネット網ＮＷに送信する場合の通信量が小さいので、通信負荷が軽減される。また、混雑度の判定を車載器２において実行する場合、車載器２における演算負荷が軽減される。

本実施形態の対象領域Ｔｇは、車両１００の乗降口の近傍に立っている旅客が撮像される領域である。車両１００が混雑している場合、乗降口の近傍に立つ旅客が多くなると考えられる。よって、本実施形態に係る車両の混雑度判定方法は、車両１００の混雑度を適切に判定することができる。

本実施形態の画像Ｇ２は、着席している旅客が撮像される第一領域を有する。第一領域に中心座標を有する検出領域ＤＡは、対象領域Ｔｇと重なっている検出領域のカウント数Ｃ０の算出対象から除外される。よって、本実施形態に係る車両の混雑度判定方法は、着席している旅客を除外して精度よく通路１０３の密集度を算出することができる。

本実施形態に係る車両の混雑度判定方法では、判定するステップにおいて、対象領域Ｔｇと重なっている検出領域ＤＡのカウント数と、画像Ｇ２から検出された人の総検出数ＣＡと、に基づいて車両１００の混雑度が判定される。よって、通路１０３の密集度と、総検出数ＣＡとに基づいて車両１００の混雑度を適切に判定することが可能となる。

本実施形態に係る車両の混雑度判定方法では、取得するステップにおいて、第一の画像および第二の画像が取得される。第一の画像は、通路１０３における降車口１０５の近傍に立っている旅客を撮像した画像Ｇ１に対応する。第二の画像は、通路１０３における乗車口１０７の近傍に立っている旅客を撮像した画像Ｇ２に対応する。判定するステップにおいて、第一の画像および第二の画像に基づいて車両１００の混雑度が判定される。二つの画像に基づき、車両１００の混雑度をより精度よく判定することが可能となる。

本実施形態に係る車両の混雑度判定システム１は、カメラ３と、検出部７１ａと、判定部７１ｃと、を有する。判定部７１ｃは、対象領域Ｔｇと重なっている検出領域ＤＡの数にもとづいて車両１００の混雑度を判定する。よって、混雑度判定システム１は、旅客を輸送する車両の混雑度を適切に判定することができる。

本実施形態に係る車両の混雑度判定方法および混雑度判定システム１は、精度よく車両１００の混雑度を判定することができる。例えば、対象領域Ｔｇだけでなく画像Ｇ１，Ｇ２の全体を対象として人を検出することで、検出漏れや誤検出が抑制される。比較例として、対象領域Ｔｇのみを撮像するようにカメラ３の画角が定められたとする。この場合、旅客が密集した場合には複数の人が重なって写るため、後ろに隠れている人が検出されにくくなる。これに対して、本実施形態では、対象領域Ｔｇよりも広い範囲を撮像するようにカメラ３の画角が定められている。これにより、人の検出漏れや誤検出が発生しにくい。

本実施形態のカメラ３は、車内１０１を俯瞰して撮影するように配置されている。よって、通路１０３に旅客が密集していたとしても、旅客のそれぞれを検出することが容易である。

また、カメラ３の画角は、通路１０３に立っている旅客だけでなく、座席１０８，１０９に座っている旅客も撮像できるように定められている。よって、密集度および総検出数の両方に基づく高精度の混雑度判定が可能となる。

本実施形態に係る車両の混雑度判定システム１および車両の混雑度判定方法によれば、車両１００の混雑緩和を実現できる。例えば、車両１００の混雑度に関する情報をリアルタイムでユーザに提供すれば、特定の車両１００へ旅客が集中しにくくなる。その結果、車両１００における旅客の密集を未然に抑制し、車内におけるウイルス感染を抑制することができる。

なお、判定部７１ｃは、複数のエリアをまとめて一つの対象領域Ｔｇとして設定してもよい。例えば、判定部７１ｃは、画像Ｇ２において、エリアＡ２５とエリアＡ２８とをまとめて一つの対象領域Ｔｇとしてもよい。この場合、対象領域Ｔｇと検出領域ＤＡとが重なる領域の画素数が閾値Ｔｈ３以上である場合、エリアＡ２５，Ａ２８に対するカウント数がインクリメントされる。

本実施形態の混雑度判定システム１は、搭載される車両に対する適合が容易である。例えば、カメラ３の位置や画角は、車両１００の車種や運行会社に応じて異なる場合がある。本実施形態の混雑度判定システム１は、画像Ｇ１，Ｇ２が有する複数のエリアから最適な対象領域Ｔｇを選択することで密集度の判定精度を容易に調節できる。また、閾値Ｔｈ１，Ｔｈ２によって密集度の判定精度を容易に調節できる。また、運転手として除外するエリアや、座席に座っている旅客として除外するエリアを設定することで、密集度の判定精度を容易に調節できる。このように、本実施形態の混雑度判定システム１は高い汎用性を有するシステムである。

なお、画像Ｇ１，Ｇ２におけるエリア数は例示された数には限定されない。また、画像Ｇ１，Ｇ２におけるエリアの形状は、例示された形状には限定されない。画像Ｇ１，Ｇ２は、等分割されていなくてもよい。

ＣＰＵ７１は、画像Ｇ１，Ｇ２の何れか一方に基づいて混雑度を判定してもよい。例えば、ＣＰＵ７１は、画像Ｇ１，Ｇ２の一方に基づいて、レベルI、レベルII、およびレベルIIIの何れかを判定してもよい。

検出部７１ａの動作、抽出部７１ｂの動作、および判定部７１ｃの動作のうち少なくとも一つの動作は、車載器２やクラウド上のサーバ６において実行されてもよい。例えば、車載器２のＣＰＵ２１は、検出部７１ａ、抽出部７１ｂ、および判定部７１ｃを有していてもよい。この場合、ＣＰＵ２１は、混雑度のレベルＬｖについての情報をインターネット網ＮＷに送信してもよい。

上記の実施形態に開示された内容は、適宜組み合わせて実行することができる。

１ 車両の混雑度判定システム
２ 車載器
３ カメラ
４ ドアセンサ
５ 無線基地局
６ サーバ
７ 事務所ＰＣ
２１：ＣＰＵ、 ２２：メモリ、 ２３：ＧＰＳ受信部、 ２４：通信部
３１：第一カメラ、 ３２：第二カメラ
７１：ＣＰＵ、 ７２：メモリ、 ７３：通信部、 ７４：外部入力インタフェース
１００：車両、 １０１：車内、 １０２：運転席、 １０３：通路
１０４：降車ドア、 １０５：降車口、 １０６：乗車ドア、 １０７：乗車口
１０８：後部座席、 １０９：前部座席
Ａ１１，Ａ１２，Ａ１３，Ａ１４，Ａ１５，Ａ１６，Ａ１７，Ａ１８，Ａ１９：エリア
Ａ２１，Ａ２２，Ａ２３，Ａ２４，Ａ２５，Ａ２６，Ａ２７，Ａ２８，Ａ２９：エリア
Ｃ０：対象領域のカウント数、 Ｃ１５，Ｃ２５，Ｃ２８：エリアのカウント数
ＣＡ：総検出数
ＤＡ：検出領域
Ｇ１，Ｇ２：画像
Ｐ 人

Claims (5)

1. 旅客を輸送する車両の車内を撮像した画像を取得するステップと、
   前記画像から人を検出し、検出されたそれぞれの前記人に対して当該人を囲む矩形の検出領域を生成するステップと、
   前記画像の対象領域および前記検出領域に基づいて前記車両の混雑度を判定するステップと、
   を含み、
   前記対象領域は、前記画像の一部の領域であって、かつ前記車両の通路に立っている旅客が撮像される領域であり、
   前記判定するステップにおいて、前記対象領域と重なっている前記検出領域の数に基づいて前記車両の混雑度を判定し、
   前記画像は、着席している旅客が撮像される第一領域を有し、
   前記第一領域に中心座標を有する前記検出領域は、前記対象領域と重なっている前記検出領域の数の算出対象から除外される
   ことを特徴とする車両の混雑度判定方法。
2. 前記対象領域は、前記車両の乗降口の近傍に立っている旅客が撮像される領域である
   請求項１に記載の車両の混雑度判定方法。
3. 前記判定するステップにおいて、前記対象領域と重なっている前記検出領域の数と、前記画像から検出された前記人の総検出数と、に基づいて前記車両の混雑度を判定する
   請求項１または２に記載の車両の混雑度判定方法。
4. 前記取得するステップにおいて、前記通路における降車口の近傍に立っている旅客を撮像した第一の画像、および前記通路における乗車口の近傍に立っている旅客を撮像する第二の画像を取得し、
   前記判定するステップにおいて、前記第一の画像および前記第二の画像に基づいて前記車両の混雑度を判定する
   請求項１から３の何れか１項に記載の車両の混雑度判定方法。
5. 旅客を輸送する車両の車内を撮像して画像を出力するカメラと、
   前記画像から人を検出し、検出されたそれぞれの前記人に対して当該人を囲む矩形の検出領域を生成する検出部と、
   前記画像の対象領域および前記検出領域に基づいて前記車両の混雑度を判定する判定部と、
   を備え、
   前記対象領域は、前記画像の一部の領域であって、かつ前記車両の通路に立っている旅客が撮像される領域であり、
   前記判定部は、前記対象領域と重なっている前記検出領域の数に基づいて前記車両の混雑度を判定し、
   前記画像は、着席している旅客が撮像される第一領域を有し、
   前記第一領域に中心座標を有する前記検出領域は、前記対象領域と重なっている前記検出領域の数の算出対象から除外される
   車両の混雑度判定システム。

Images