JP7430863B2 - 情報処理方法、装置及びプログラム - Google Patents
情報処理方法、装置及びプログラム Download PDFInfo
- Publication number
- JP7430863B2 JP7430863B2 JP2021194307A JP2021194307A JP7430863B2 JP 7430863 B2 JP7430863 B2 JP 7430863B2 JP 2021194307 A JP2021194307 A JP 2021194307A JP 2021194307 A JP2021194307 A JP 2021194307A JP 7430863 B2 JP7430863 B2 JP 7430863B2
- Authority
- JP
- Japan
- Prior art keywords
- river
- information processing
- image
- area
- mask
- 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
- 230000010365 information processing Effects 0.000 title claims description 57
- 238000003672 processing method Methods 0.000 title claims description 24
- 238000001514 detection method Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 22
- 239000003086 colorant Substances 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 19
- 238000004891 communication Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000015654 memory Effects 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Description
本発明は、情報処理方法、装置及びプログラムに関する。
従来、河川に水位測定装置を設置し、豪雨等による増水を検知するシステムが利用されている。
水位測定装置は、専門的な装置である上に、設置にも大きな費用がかかるため、導入コストが高い。このため、河川の水位を安価に監視できる方法が望まれている。
本発明は、上記の課題を鑑みてなされたものであり、河川の水位を安価に監視することを目的とする。
一実施形態に係る情報処理方法は、情報処理装置が実行する情報処理方法であって、河川画像を取得する河川画像取得処理と、前記河川画像から河川部分を検出する河川部分検出処理と、前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出処理と、過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出処理と、前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御処理と、を含む。
一実施形態によれば、河川の水位を安価に監視することができる。
以下、本発明の各実施形態について、添付の図面を参照しながら説明する。なお、各実施形態に係る明細書及び図面の記載に関して、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。
＜システム構成＞
まず、本実施形態に係る情報処理システムの概要について説明する。本実施形態に係る情報処理システムは、撮影装置３により撮影された河川の画像に基づいて、河川の水位を監視するシステムである。この情報処理システムは、例えば、河川を管轄する自治体、河川を監視する事業者、又は河川の水位に関心を持つ任意の者（河川の近隣住民など）により利用される。
まず、本実施形態に係る情報処理システムの概要について説明する。本実施形態に係る情報処理システムは、撮影装置３により撮影された河川の画像に基づいて、河川の水位を監視するシステムである。この情報処理システムは、例えば、河川を管轄する自治体、河川を監視する事業者、又は河川の水位に関心を持つ任意の者（河川の近隣住民など）により利用される。
図１は、本実施形態に係る情報処理システムの構成の一例を示す図である。図１に示すように、本実施形態に係る情報処理システムは、ネットワークＮを介して相互に通信可能に接続された、監視装置１と、ユーザ端末２と、撮影装置３と、を備える。ネットワークＮは、例えば、有線ＬＡＮ（Local Area Network）、無線ＬＡＮ、インターネット、公衆回線網、モバイルデータ通信網、又はこれらの組み合わせである。図１の例では、情報処理システムは、監視装置１、ユーザ端末２、及び撮影装置３をそれぞれ１つずつ備えるが、それぞれ複数備えてもよい。
監視装置１は、河川画像に基づいて、河川の水位を監視する情報処理装置である。監視装置１は、例えば、ＰＣ（Personal Computer）、スマートフォン、タブレット端末、サーバ装置、又はマイクロコンピューであるが、これに限られない。監視装置１について、詳しくは後述する。
ユーザ端末２は、情報処理システムのユーザにより利用される情報処理装置である。ユーザ端末２は、河川画像を表示する。ユーザ端末２は、例えば、ＰＣ、スマートフォン、タブレット端末、サーバ装置、又はマイクロコンピューであるが、これに限られない。
撮影装置３は、河川を撮影する情報処理装置である。撮影装置３は、河川を撮影可能なように、河川の周辺に固定して設置される。撮影装置３は、定期的に河川を撮影し、得られた河川画像（図６参照）を監視装置１に送信する。なお、撮影装置３は、河川の動画を撮影し、得られた河川動画を監視装置１に送信してもよいし、河川画像又は河川動画をユーザ端末２に送信してもよい。河川動画の各フレームは、河川画像に相当する。
＜ハードウェア構成＞
次に、情報処理装置１００のハードウェア構成について説明する。図２は、情報処理装置１００のハードウェア構成の一例を示す図である。図２に示すように、情報処理装置１００は、バスＢを介して相互に接続された、プロセッサ１０１と、メモリ１０２と、ストレージ１０３と、通信Ｉ／Ｆ１０４と、入出力Ｉ／Ｆ１０５と、ドライブ装置１０６と、を備える。
次に、情報処理装置１００のハードウェア構成について説明する。図２は、情報処理装置１００のハードウェア構成の一例を示す図である。図２に示すように、情報処理装置１００は、バスＢを介して相互に接続された、プロセッサ１０１と、メモリ１０２と、ストレージ１０３と、通信Ｉ／Ｆ１０４と、入出力Ｉ／Ｆ１０５と、ドライブ装置１０６と、を備える。
プロセッサ１０１は、ストレージ１０３に記憶されたＯＳ（Operating System）を含む各種のプログラムをメモリ１０２に展開して実行することにより、情報処理装置１００の各構成を制御し、情報処理装置１００の機能を実現する。プロセッサ１０１は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＤＳＰ（Digital Signal Processor）、又はこれらの組み合わせである。
メモリ１０２は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、又はこれらの組み合わせである。ＲＯＭは、例えば、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable Programmable ROM）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、又はこれらの組み合わせである。ＲＡＭは、例えば、ＤＲＡＭ（Dynamic RAM）、ＳＲＡＭ（Static RAM）、又はこれらの組み合わせである。
ストレージ１０３は、ＯＳを含む各種のプログラム及びデータを記憶する。ストレージ１０３は、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＳＣＭ（Storage Class Memories）、又はこれらの組み合わせである。
通信Ｉ／Ｆ１０４は、情報処理装置１００を、ネットワークＮを介して外部装置に接続し、通信を制御するためのインタフェースである。通信Ｉ／Ｆ１０４は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｅｔｈｅｒｎｅｔ（登録商標）、又は光通信に準拠したアダプタであるが、これに限られない。
入出力Ｉ／Ｆ１０５は、監視装置１に入力装置１０７及び出力装置１０８を接続するためのインタフェースである。入力装置１０７は、例えば、マウス、キーボード、タッチパネル、マイク、スキャナ、カメラ、各種センサ、操作ボタン、又はこれらの組み合わせである。出力装置１０８は、例えば、ディスプレイ、プロジェクタ、プリンタ、スピーカ、バイブレータ、又はこれらの組み合わせである。
ドライブ装置１０６は、ディスクメディア１０９のデータを読み書きする。ドライブ装置１０６は、例えば、磁気ディスクドライブ、光学ディスクドライブ、光磁気ディスクドライブ、又はこれらの組み合わせである。ディスクメディア１０９は、例えば、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、ＦＤ（Floppy Disk）、ＭＯ（Magneto-Optical disk）、ＢＤ（Blu-ray（登録商標） Disc）、又はこれらの組み合わせである。
なお、本実施形態において、プログラムは、情報処理装置１００の製造段階でメモリ１０２又はストレージ１０３に書き込まれてもよいし、ネットワークＮを介して情報処理装置１００に提供されてもよいし、ディスクメディア１０９などの非一時的でコンピュータ読み取り可能な記録媒体を介して情報処理装置１００に提供されてもよい。
＜機能構成＞
次に、監視装置１の機能構成について説明する。図３は、監視装置１の機能構成の一例を示す図である。図３に示すように、監視装置１は、通信部１１と、記憶部１２と、制御部１３と、を備える。
次に、監視装置１の機能構成について説明する。図３は、監視装置１の機能構成の一例を示す図である。図３に示すように、監視装置１は、通信部１１と、記憶部１２と、制御部１３と、を備える。
通信部１１は、通信Ｉ／Ｆ１０４により実現される。通信部１１は、ネットワークＮを介して、ユーザ端末２及び撮影装置３との間で情報の送受信を行う。通信部１１は、撮影装置３から河川画像を受信する。また、通信部１１は、ユーザ端末２に河川画像を送信する。
記憶部１２は、メモリ１０２及びストレージ１０３により実現される。記憶部１２は、河川画像情報１２１と、検出モデル１２２と、を記憶する。
河川画像情報１２１は、河川画像に関する情報である。ここで、図４は、河川画像情報１２１の一例を示す図である。図４の河川画像情報１２１は、情報項目として、「ＩｍＩＤ」と、「撮影日時」と、「河川画像」と、「河川部分」と、「河川面積」と、「基準面積」と、「増加率」と、「第１マスク」と、「第２マスク」と、を含む。
「ＩｍＩＤ」は、河川画像を一意に識別する識別情報である。
「撮影日時」は、河川画像の撮影日時を示す情報である。撮影日時は、撮影装置３が河川画像を付与した日時であってもよいし、監視装置１が河川画像を受信した日時であってもよい。
「河川画像」は、河川画像の画像情報である。河川画像は、画像情報の保存先を示す情報であってもよい。
「河川部分」は、河川画像に含まれる河川部分を示す情報である。河川部分を示す情報は、後述する検出モデル１２２による河川部分の検出結果に相当する。河川部分を示す情報は、例えば、検出モデル１２２により河川部分と判定されたピクセルを示す情報であるが、これに限られない。
「河川面積」は、河川部分の面積を示す情報である。河川の水位が上がると河川面積は増加し、河川の水位が下がると河川面積は減少する。
「基準面積」は、河川面積の基準として算出された河川面積であり、河川の水位が通常の状態である場合の河川面積に相当する。
「増加率」は、基準面積に対する河川面積の増加率を示す情報である。
「第１マスク」は、第１河川部分を覆う第１マスクを示す情報である。第１河川部分は、河川部分のうち、基準面積に対応する部分である。第１河川部分は、通常時の河川部分に相当する。第１マスクを示す情報は、第１マスクの位置、形状及び色を示す情報を含む。第１マスクの位置及び形状を示す情報は、例えば、第１マスクに相当するピクセルを示す情報であるが、これに限られない。
「第２マスク」は、第２河川部分を覆う第２マスクを示す情報である。第２河川部分は、河川部分のうち、第１河川部分以外の部分である。第２河川部分は、通常時の河川部分に比べて増加した河川部分に相当する。河川の水位が上昇するほど、第２河川部分（第２マスク）は広くなる。第２マスクを示す情報は、第２マスクの位置、形状及び色を示す情報を含む。第２マスクの位置及び形状を示す情報は、例えば、第２マスクに相当するピクセルを示す情報であるが、これに限られない。
なお、河川画像情報１２１は、図４の例に限られない。河川画像情報１２１は、図４に示した情報の一部を含んでもよいし、図４に示した情報以外の情報を含んでもよい。
検出モデル１２２は、河川画像から河川部分を検出する機械学習モデルである。検出モデル１２２は、例えば、河川部分と、それ以外と、の２値を分類するセマンティックセグメンテーションを可能なニューラルネットワーク（例えば、ＨＲｎｅｔ）であるが、これに限られない。検出モデル１２２は、検出結果として、河川部分を示す情報を出力する。
制御部１３は、プロセッサ１０１がメモリ１０２からプログラムを読み出して実行し、他のハードウェア構成と協働することにより実現される。制御部１３は、監視装置１の動作全体を制御する。制御部１３は、河川画像取得部１３１と、河川部分検出部１３２と、河川面積算出部１３３と、基準面積算出部１３４と、マスク生成部１３５と、表示制御部１３６と、を備える。
河川画像取得部１３１は、撮影装置３から受信した河川画像を取得し、河川画像をＩｍＩＤ及び撮影日時と対応づけて記憶部１２に保存する。
河川部分検出部１３２は、検出モデル１２２を利用して、河川画像から河川部分を検出し、検出結果を河川画像と対応づけて記憶部１２に保存する。河川部分検出部１３２は、例えば、検出モデル１２２を利用した２値のセマンティックセグメンテーションにより河川部分を検出する。具体的には、河川部分検出部１３２は、検出モデル１２２に河川画像を入力し、検出モデル１２２が出力した河川部分のピクセルを示す情報を検出結果として取得し、取得した検出結果を河川画像情報１２１における「河川部分」に保存する。
河川面積算出部１３３は、河川部分の検出結果に基づいて、河川面積を算出し、河川面積を河川画像と対応づけて記憶部１２に保存する。河川面積は、例えば、河川画像における河川部分の割合、すなわち、（河川部分のピクセル数）／（河川画像の総ピクセル数）であるが、これに限られない。河川面積は、河川部分のピクセル数であってもよい。
基準面積算出部１３４は、過去の複数の河川面積に基づいて、基準面積を算出し、基準面積を河川画像と対応づけて記憶部１２に保存する。基準面積は、例えば、所定期間の河川面積の移動平均（単純移動平均、加重移動平均又は指数移動平均）であり得る。例えば、所定期間が１ヶ月である場合、現在から１ヶ月前までの河川面積の平均が、現在の基準面積として算出される。このように、過去の複数の河川面積に基づいて基準面積を算出することにより、季節による水位の変化などを考慮した基準面積を自動的に算出することができる。なお、所定期間は１時間、１日、１週間など、任意に設定可能である。
なお、基準面積の算出方法は上記の例に限られない。例えば、基準面積は、異常値を除去した過去の複数の河川面積に基づいて算出されてもよい。異常値は、例えば、基準面積に対する増加率が閾値以上の河川面積である。これにより、基準面積に対する、豪雨などによる水位の極端な上昇の影響を抑制することができる。
マスク生成部１３５は、河川部分及び基準面積に基づいて、第１マスク及び第２マスクを生成し、第１マスク及び第２マスクを河川画像と対応づけて記憶部１２に保存する。
第１マスクは、第１河川部分を覆う第１色のマスクである。第１色は、例えば、青であるが、これに限られない。第１色は、任意の色に設定できる。第１マスクは、例えば、河川面積が基準面積に最も近い過去の河川画像における河川部分の位置及び形状を有するマスクとして生成される。例えば、現在の基準面積が２５％である場合、河川面積が２５％に最も近い過去の河川画像における河川部分の位置及び形状を有するマスクが、第１マスクとして生成される。これにより、第１マスクに覆われる第１河川部分の位置及び形状を、過去の実際の河川部分の位置及び形状とすることができる。
また、第１マスクは、河川面積が基準面積となるように、過去の複数の河川部分に基づいて位置及び形状を生成されてもよい。具体的には、現在の基準面積に近い過去の複数の河川部分の位置及び形状から補完することにより、現在の基準面積と一致する河川部分の位置及び形状を生成することが考えられる。例えば、現在の基準面積が２５％である場合、河川面積が２５％に近い過去の複数の河川部分の位置及び形状から補完することにより、河川面積が２５％の河川部分の位置及び形状が、第１マスクとして生成される。これにより、第１マスクに覆われる第１河川部分の面積を、基準面積と一致させることができる。
第２マスクは、第２河川部分を覆う第２色のマスクである。第２色は、第１色とは異なる任意の色に設定できる。第２マスクは、河川部分と第１マスクとの差分を覆うマスクとして生成される。
マスク生成部１３５は、基準面積に対する河川面積の増加率を算出し、増加率に基づいて、第２色を選択する。例えば、マスク生成部１３５は、増加率が第１閾値未満である場合に第１の第２色（例えば、緑）を選択し、増加率が第１閾値以上第２閾値未満である場合に第２の第２色（例えば、ピンク）を選択し、増加率が第２閾値以上である場合に第３の第２色（例えば、赤）を選択する。一例として、第１閾値は１５％、第２閾値は２５％であるが、これに限られない。
表示制御部１３６は、ユーザ端末２に、河川画像と第１マスク及び第２マスクとを重畳して表示させる。これにより、ユーザ端末２には、第１河川部分が第１色に着色され、第２河川部分が第２色に着色された河川画像が表示される。
なお、監視装置１の機能構成は、上記の例に限られない。例えば、監視装置１は、上記の機能構成の一部を備え、残りをユーザ端末２が備えてもよい。また、監視装置１は、上記以外の機能構成を備えてもよい。また、監視装置１の各機能構成は、上記の通り、ソフトウェアにより実現されてもよいし、ＩＣチップ、ＳｏＣ（System on Chip）、ＬＳＩ（Large Scale Integration）、マイクロコンピュータ等のハードウェアによって実現されてもよい。
＜情報処理システムが実行する処理＞
次に、本実施形態に係る情報処理システムが実行する処理について説明する。図５は、情報処理システムが実行する処理の一例を示すフローチャートである。
次に、本実施形態に係る情報処理システムが実行する処理について説明する。図５は、情報処理システムが実行する処理の一例を示すフローチャートである。
（ステップＳ１０１）
撮影装置３は、河川を撮影し、得られた河川画像を監視装置１に送信する。撮影装置３は、所定時間ごとに河川の静止画を撮影し、撮影するたびに河川画像を監視装置１に送信してもよいし、継続的に河川の動画を撮影し、得られた河川動画を監視装置１に配信してもよい。
撮影装置３は、河川を撮影し、得られた河川画像を監視装置１に送信する。撮影装置３は、所定時間ごとに河川の静止画を撮影し、撮影するたびに河川画像を監視装置１に送信してもよいし、継続的に河川の動画を撮影し、得られた河川動画を監視装置１に配信してもよい。
（ステップＳ１０２）
監視装置１の河川画像取得部１３１は、撮影装置３から受信した河川画像を取得し、河川画像をＩｍＩＤ及び撮影日時と対応づけて記憶部１２に保存する。図４の例では、「ＩｍＩＤ」、「撮影日時」及び「河川画像」に、それぞれ「Ｉｍ００１」、「１１：１５：３０」及び「Ｉｍ００１．ｊｐｇ」が保存される。
監視装置１の河川画像取得部１３１は、撮影装置３から受信した河川画像を取得し、河川画像をＩｍＩＤ及び撮影日時と対応づけて記憶部１２に保存する。図４の例では、「ＩｍＩＤ」、「撮影日時」及び「河川画像」に、それぞれ「Ｉｍ００１」、「１１：１５：３０」及び「Ｉｍ００１．ｊｐｇ」が保存される。
（ステップＳ１０３）
河川部分検出部１３２は、検出モデル１２２を利用して、ステップＳ１０２で記憶部１２に保存された河川画像から河川部分を検出し、検出結果を河川画像と対応づけて記憶部１２に保存する。図４の例では、「河川部分」に「ｘｘｘ」が保存される。
河川部分検出部１３２は、検出モデル１２２を利用して、ステップＳ１０２で記憶部１２に保存された河川画像から河川部分を検出し、検出結果を河川画像と対応づけて記憶部１２に保存する。図４の例では、「河川部分」に「ｘｘｘ」が保存される。
ここで、図６は、河川部分の検出結果の一例を示す図である。図６の例では、２値のセマンティックセグメンテーションにより、河川画像Ｉｍから河川部分ＲＰが検出されており、河川部分ＲＰと他の部分ＯＰとが異なる色で表示されている。この場合、河川部分ＲＰのピクセルを示す情報が、河川部分ＲＰの検出結果として記憶部１２に保存される。
（ステップＳ１０４）
河川面積算出部１３３は、ステップＳ１０３で検出された河川部分の検出結果に基づいて、河川面積を算出し、河川面積を河川画像と対応づけて記憶部１２に保存する。河川面積の算出方法は上述の通りである。図４の例では、「河川面積」に「３０％」が保存される。
河川面積算出部１３３は、ステップＳ１０３で検出された河川部分の検出結果に基づいて、河川面積を算出し、河川面積を河川画像と対応づけて記憶部１２に保存する。河川面積の算出方法は上述の通りである。図４の例では、「河川面積」に「３０％」が保存される。
（ステップＳ１０５）
基準面積算出部１３４は、過去の複数の河川面積に基づいて、基準面積を算出し、基準面積を河川画像と対応づけて記憶部１２に保存する。基準面積の算出方法は上述の通りである。図４の例では、「基準面積」に「２５％」が保存される。
基準面積算出部１３４は、過去の複数の河川面積に基づいて、基準面積を算出し、基準面積を河川画像と対応づけて記憶部１２に保存する。基準面積の算出方法は上述の通りである。図４の例では、「基準面積」に「２５％」が保存される。
（ステップＳ１０６）
マスク生成部１３５は、過去の河川画像の河川部分及び基準面積に基づいて、第１マスクを生成し、第１マスクを河川画像と対応づけて記憶部１２に保存する。第１マスクの生成方法は上述の通りである。図４の例では、「第１マスク」に「ｙｙｙ」が保存される。
マスク生成部１３５は、過去の河川画像の河川部分及び基準面積に基づいて、第１マスクを生成し、第１マスクを河川画像と対応づけて記憶部１２に保存する。第１マスクの生成方法は上述の通りである。図４の例では、「第１マスク」に「ｙｙｙ」が保存される。
（ステップＳ１０７）
マスク生成部１３５は、現在の河川画像の河川部分、増加率及び第１マスクに基づいて、第２マスクを生成し、第２マスクを河川画像と対応づけて記憶部１２に保存する。第２マスクの生成方法は上述の通りである。図４の例では、「増加率」及び「第２マスク」に、それぞれ「２０％」及び「ｚｚｚ」が保存される。
マスク生成部１３５は、現在の河川画像の河川部分、増加率及び第１マスクに基づいて、第２マスクを生成し、第２マスクを河川画像と対応づけて記憶部１２に保存する。第２マスクの生成方法は上述の通りである。図４の例では、「増加率」及び「第２マスク」に、それぞれ「２０％」及び「ｚｚｚ」が保存される。
（ステップＳ１０８）
表示制御部１３６は、河川画像、第１マスク及び第２マスクを示す情報をユーザ端末２に送信し、ユーザ端末２のディスプレイに、河川画像と第１マスク及び第２マスクとを重畳して表示させる。これにより、河川画像における第１河川部分が第１色で表示され、第２河川部分が第２色で表示される。なお、表示制御部１３６は、河川画像、第１マスク及び第２マスクと共に、他の河川画像情報１２１をユーザ端末２に送信し、ユーザ端末２のディスプレイに表示させてもよい。
表示制御部１３６は、河川画像、第１マスク及び第２マスクを示す情報をユーザ端末２に送信し、ユーザ端末２のディスプレイに、河川画像と第１マスク及び第２マスクとを重畳して表示させる。これにより、河川画像における第１河川部分が第１色で表示され、第２河川部分が第２色で表示される。なお、表示制御部１３６は、河川画像、第１マスク及び第２マスクと共に、他の河川画像情報１２１をユーザ端末２に送信し、ユーザ端末２のディスプレイに表示させてもよい。
ここで、図７，図９，図１１は、河川画像の具体例を示す図である。図８，図１０，図１２は、それぞれ図７，図９，図１１の河川画像にマスクを重畳した画像を示す図である。図８，図１０，図１２の河川画像には、第１マスク及び第２マスクに加えて、河川面積及び増加率が表示されている。監視装置１は、撮影装置３から図７，図９，図１１の河川画像を取得すると、図５の処理を実行し、図８，図１０，図１２に示すように、河川画像と第１マスク及び第２マスクとを重畳してユーザ端末２に表示させる。
図８の例では、第１マスク（第１河川部分）は青であり、河川面積は２４.３３％であり、増加率は１０.０１％である。増加率が１５％（第１閾値）未満であるため、第２マスク（第２河川部分）は緑（第１の第２色）である。
図１０の例では、第１マスク（第１河川部分）は青であり、河川面積は２８.０８％であり、増加率は２１.４３％である。増加率が１５％（第１閾値）以上２５％（第２閾値）未満であるため、第２マスク（第２河川部分）はピンク（第２の第２色）である。
図１２の例では、第１マスク（第１河川部分）は青であり、河川面積は３１.０８％であり、増加率は２８.８３％である。増加率が２５％（第２閾値）以上であるため、第２マスク（第２河川部分）は赤（第３の第２色）である。
このように増加率に応じて第２マスクの色を変更して河川部分に重畳して表示することにより、ユーザは、第２マスク（第２河川部分）の色を見ただけで、基準面積に対する河川面積のおおよその増加率を把握することができる。
＜まとめ＞
以上説明した通り、本実施形態によれば、監視装置１は、撮影装置３から取得した河川画像に基づいて、基準面積に対する河川面積の変化（増加率）を可視化する。これは、通常の水位に対する水位の変化を可視化することに相当する。撮影装置３として既設の監視カメラを利用できるため、専門的な装置及び追加設備の設置費用などをかけることなく、安価に河川の水位を監視することができる。
以上説明した通り、本実施形態によれば、監視装置１は、撮影装置３から取得した河川画像に基づいて、基準面積に対する河川面積の変化（増加率）を可視化する。これは、通常の水位に対する水位の変化を可視化することに相当する。撮影装置３として既設の監視カメラを利用できるため、専門的な装置及び追加設備の設置費用などをかけることなく、安価に河川の水位を監視することができる。
また、河川画像に第１マスク及び第２マスクを重畳してユーザ端末２に表示させることにより、通常時の河川部分（第１河川部分）と、その差分（第２河川部分）と、を明確に示し、河川の水位の変化をユーザに直感的に把握させることができる（図８，図１０，図１２参照）。
＜付記＞
本実施形態は、以下の開示を含む。
本実施形態は、以下の開示を含む。
（付記１）
情報処理装置が実行する情報処理方法であって、
河川画像を取得する河川画像取得処理と、
前記河川画像から河川部分を検出する河川部分検出処理と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出処理と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出処理と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御処理と、
を含む情報処理方法。
情報処理装置が実行する情報処理方法であって、
河川画像を取得する河川画像取得処理と、
前記河川画像から河川部分を検出する河川部分検出処理と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出処理と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出処理と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御処理と、
を含む情報処理方法。
（付記２）
前記第１河川部分を覆う第１マスクと、前記第２河川部分を覆う第２マスクと、を生成するマスク生成処理を更に含み、
前記河川画像は、前記第１マスク及び前記第２マスクを重畳して表示させる
付記１に記載の情報処理方法。
前記第１河川部分を覆う第１マスクと、前記第２河川部分を覆う第２マスクと、を生成するマスク生成処理を更に含み、
前記河川画像は、前記第１マスク及び前記第２マスクを重畳して表示させる
付記１に記載の情報処理方法。
（付記３）
前記河川部分は、２値のセマンティックセグメンテーションにより検出される
付記１又は付記２に記載の情報処理方法。
前記河川部分は、２値のセマンティックセグメンテーションにより検出される
付記１又は付記２に記載の情報処理方法。
（付記４）
前記河川面積は、前記河川画像における前記河川部分の割合である
付記１から付記３までのいずれかに記載の情報処理方法。
前記河川面積は、前記河川画像における前記河川部分の割合である
付記１から付記３までのいずれかに記載の情報処理方法。
（付記５）
前記基準面積は、所定期間の前記河川面積の移動平均である
付記１から付記４までのいずれかに記載の情報処理方法。
前記基準面積は、所定期間の前記河川面積の移動平均である
付記１から付記４までのいずれかに記載の情報処理方法。
（付記６）
前記第１河川部分は、前記河川面積が前記基準面積に最も近い過去の河川画像における河川部分である
付記１から付記５までのいずれかに記載の情報処理方法。
前記第１河川部分は、前記河川面積が前記基準面積に最も近い過去の河川画像における河川部分である
付記１から付記５までのいずれかに記載の情報処理方法。
（付記７）
前記第１河川部分は、前記河川面積が前記基準面積となるように、過去の複数の河川部分に基づいて生成される
付記１から付記６までのいずれかに記載の情報処理方法。
前記第１河川部分は、前記河川面積が前記基準面積となるように、過去の複数の河川部分に基づいて生成される
付記１から付記６までのいずれかに記載の情報処理方法。
（付記８）
河川画像を取得する河川画像取得部と、
前記河川画像から河川部分を検出する河川部分検出部と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出部と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出部と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御部と、
を備える情報処理装置。
河川画像を取得する河川画像取得部と、
前記河川画像から河川部分を検出する河川部分検出部と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出部と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出部と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御部と、
を備える情報処理装置。
（付記９）
情報処理装置が実行する情報処理方法であって、
河川画像を取得する河川画像取得処理と、
前記河川画像から河川部分を検出する河川部分検出処理と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出処理と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出処理と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御処理と、
を含む情報処理方法をコンピュータに実行させるためのプログラム。
情報処理装置が実行する情報処理方法であって、
河川画像を取得する河川画像取得処理と、
前記河川画像から河川部分を検出する河川部分検出処理と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出処理と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出処理と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御処理と、
を含む情報処理方法をコンピュータに実行させるためのプログラム。
今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。また、本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
１：監視装置
２：ユーザ端末
３：撮影装置
１１：通信部
１２：記憶部
１３：制御部
１０１：プロセッサ
１０２：メモリ
１０３：ストレージ
１０４：通信Ｉ／Ｆ
１０５：入出力Ｉ／Ｆ
１０６：ドライブ装置
１０７：入力装置
１０８：出力装置
１０９：ディスクメディア
１２１：河川画像情報
１２２：検出モデル
１３１：河川画像取得部
１３２：河川部分検出部
１３３：河川面積算出部
１３４：基準面積算出部
１３５：マスク生成部
１３６：表示制御部
２：ユーザ端末
３：撮影装置
１１：通信部
１２：記憶部
１３：制御部
１０１：プロセッサ
１０２：メモリ
１０３：ストレージ
１０４：通信Ｉ／Ｆ
１０５：入出力Ｉ／Ｆ
１０６：ドライブ装置
１０７：入力装置
１０８：出力装置
１０９：ディスクメディア
１２１：河川画像情報
１２２：検出モデル
１３１：河川画像取得部
１３２：河川部分検出部
１３３：河川面積算出部
１３４：基準面積算出部
１３５：マスク生成部
１３６：表示制御部
Claims (9)
- 情報処理装置が実行する情報処理方法であって、
河川画像を取得する河川画像取得処理と、
前記河川画像から河川部分を検出する河川部分検出処理と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出処理と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出処理と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御処理と、
を含む情報処理方法。 - 前記第１河川部分を覆う第１マスクと、前記第２河川部分を覆う第２マスクと、を生成するマスク生成処理を更に含み、
前記河川画像は、前記第１マスク及び前記第２マスクを重畳して表示させる
請求項１に記載の情報処理方法。 - 前記河川部分は、２値のセマンティックセグメンテーションにより検出される
請求項１又は請求項２に記載の情報処理方法。 - 前記河川面積は、前記河川画像における前記河川部分の割合である
請求項１から請求項３までのいずれかに記載の情報処理方法。 - 前記基準面積は、所定期間の前記河川面積の移動平均である
請求項１から請求項４までのいずれかに記載の情報処理方法。 - 前記第１河川部分は、前記河川面積が前記基準面積に最も近い過去の河川画像における河川部分である
請求項１から請求項５までのいずれかに記載の情報処理方法。 - 前記第１河川部分は、前記河川面積が前記基準面積となるように、過去の複数の河川部分に基づいて生成される
請求項１から請求項６までのいずれかに記載の情報処理方法。 - 河川画像を取得する河川画像取得部と、
前記河川画像から河川部分を検出する河川部分検出部と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出部と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出部と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御部と、
を備える情報処理装置。 - 情報処理装置が実行する情報処理方法であって、
河川画像を取得する河川画像取得処理と、
前記河川画像から河川部分を検出する河川部分検出処理と、
前記河川部分の検出結果に基づいて、河川面積を算出する河川面積算出処理と、
過去の複数の前記河川面積に基づいて、基準面積を算出する基準面積算出処理と、
前記基準面積に対応する第１河川部分と、前記河川部分のうち前記第１河川部分以外の部分である第２河川部分と、を異なる色で表示させる表示制御処理と、
を含む情報処理方法をコンピュータに実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021194307A JP7430863B2 (ja) | 2021-11-30 | 2021-11-30 | 情報処理方法、装置及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021194307A JP7430863B2 (ja) | 2021-11-30 | 2021-11-30 | 情報処理方法、装置及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023080790A JP2023080790A (ja) | 2023-06-09 |
| JP7430863B2 true JP7430863B2 (ja) | 2024-02-14 |
Family
ID=86656534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021194307A Active JP7430863B2 (ja) | 2021-11-30 | 2021-11-30 | 情報処理方法、装置及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7430863B2 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014107784A (ja) | 2012-11-29 | 2014-06-09 | Panasonic Corp | 監視カメラ装置、それを含む監視システム、マスク処理方法、及びマスク処理プログラム |
| WO2019107528A1 (ja) | 2017-12-01 | 2019-06-06 | 日本電気株式会社 | 河川危険度判定装置、河川危険度判定方法、記憶媒体 |
| JP2021124370A (ja) | 2020-02-05 | 2021-08-30 | 三菱電機株式会社 | 河川管理装置、河川管理支援システム、河川管理支援方法及び河川管理支援プログラム |
-
2021
- 2021-11-30 JP JP2021194307A patent/JP7430863B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014107784A (ja) | 2012-11-29 | 2014-06-09 | Panasonic Corp | 監視カメラ装置、それを含む監視システム、マスク処理方法、及びマスク処理プログラム |
| WO2019107528A1 (ja) | 2017-12-01 | 2019-06-06 | 日本電気株式会社 | 河川危険度判定装置、河川危険度判定方法、記憶媒体 |
| JP2021124370A (ja) | 2020-02-05 | 2021-08-30 | 三菱電機株式会社 | 河川管理装置、河川管理支援システム、河川管理支援方法及び河川管理支援プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023080790A (ja) | 2023-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5866564B1 (ja) | モニタリング装置、モニタリングシステムおよびモニタリング方法 | |
| JP6707920B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
| CN102572318B (zh) | 能够快速且容易地进行校正处理的图像处理设备和方法 | |
| CN111753869A (zh) | 图像处理方法、图像处理装置、存储介质、图像处理系统及已学习模型制造方法 | |
| JP2013058828A (ja) | 笑顔判定装置及び方法 | |
| JP7188979B2 (ja) | 異常検知装置、異常検知方法および異常検知プログラム | |
| JP6214824B2 (ja) | 自動試験装置 | |
| TW200825989A (en) | Image monitoring method and system for event detection | |
| JP7347431B2 (ja) | 情報処理装置および情報処理方法、並びにプログラム | |
| CN112767394A (zh) | 图像检测方法、装置和设备 | |
| CN116033239A (zh) | 热成像相机 | |
| JP7430863B2 (ja) | 情報処理方法、装置及びプログラム | |
| JP7309366B2 (ja) | 監視システム、監視方法およびプログラム | |
| JP7294343B2 (ja) | ガス検出装置、情報処理装置およびプログラム | |
| US10755385B2 (en) | Image processing apparatus and recording medium | |
| WO2019146538A1 (ja) | 画像処理装置、画像処理方法及び記録媒体 | |
| US11910080B2 (en) | Image pickup apparatus for inferring noise and learning device | |
| US11527091B2 (en) | Analyzing apparatus, control method, and program | |
| US20240045992A1 (en) | Method and electronic device for removing sensitive information from image data | |
| KR102129182B1 (ko) | 디지털 트윈 기반 건설기계 지능화를 위한 시각화 도구 적용 방법 | |
| US20230126712A1 (en) | Image processing device, image processing method, program, and recording medium | |
| JP2015233202A (ja) | 画像処理装置および画像処理方法、並びにプログラム | |
| JP6904062B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| JP7416071B2 (ja) | 判定装置、および判定プログラム | |
| JP7501627B2 (ja) | 情報処理装置、制御方法及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230526 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230526 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230818 |
|
| 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: 20240117 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240118 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7430863 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |