WO1997025700A1

WO1997025700A1 - Traffic congestion measuring method and apparatus and image processing method and apparatus

Info

Publication number: WO1997025700A1
Application number: PCT/JP1997/000020
Authority: WO
Inventors: Masakatsu Higashikubo; Yoshiyuki Ito
Original assignee: Sumitomo Electric Industries, Ltd.
Priority date: 1996-01-12
Filing date: 1997-01-09
Publication date: 1997-07-17
Also published as: US6075874A; JP3834826B2; US5999635A; KR100279333B1; KR19990077195A; TW349211B

Description

明細書交通渋滞計測方法および装置並びに画像処理方法および装置技術分野

本発明は、ビデオカメラにより撮影された道路と該道路上を行き来する車両の動画像上にサンプル点を設定し、サンプル点の輝度に基づいて道路の渋滞状況を自動的に検出する方法および装置に関する。また、画像にサンプル点を設定して画像を処理する方法および装置に関する。背景技術

従来、道路交通の円滑化を図るために、交通渋滞の状況を計測する種々の交通渋滞計測システムが提案されている。このような交通渋滞計測システムとしては、車両の存在や動きを検知するセンサとして、超音波センサを用いる超音波式交通渋滞計測システムゃループコイルを用いるループコィル式交通渋滞計測システムがよく知られている。

超音波センサを用いた交通渋滞計測システムは、道路の路面から所^高さ隔てた位置に超音波センサを配置し、該超音波センサによりセンサ直下近傍の車両の存在、車両の速度を検知して、道路の渋滞状況を検出するものである。ループコイルを用いた交通渋滞システムは、道路にループコィを埋め込み、ループコイルの上方の車両通過に伴う磁気の変化から、車両の存在、車両の速度を検知して、道路の渋滞状況を検出するものである- これら超音波センサゃル一プコイルを用いた交通渋滞計測システム；こおいては、超音波センサやループコイルの設置地点のみの情報しか得られず、所定時間における通過台数、または、設置地点を通過する車両のうちのごく一部の特定車の速度を用いて間接的に渋滞状況を推定しているのが現状である- このため、超音波センサやループコイルを用いた交通渋滞計測システムでは、交通渋滞における正確な渋滞範囲をリアルタイムに自動計測するこごは困難である。例えば、交差点からの渋滞の長さに応じて信号の切り替え時期を制御する目的で、上記の超音波センサやループコイルを採用した場合には、交通渋滞を速やかに緩和させるような信号制御が困難になるといった間題がある。

上記の超音波センサやループコイルを用いた交通渋滞計測システムり正確な渋滞状況をリアルタイムで計測できるものとして、ビデオカメラを用いた以下の 2例の交通渋滞計測システムが提案されている。第 1の例は、 wootton Jeffreys CONSULTANTSの" INP ACTS: A New TV Image Processing System for Monitoring Traffic Conditions"または欧州特許公報 0403 ! 93号に開示されているシステムである。これは、ビデオカメラにより撮影された画像上の道路を 1台の車の長さ程度の大きさに車線毎にブコック化し、それぞれのブロックが、車が検知されない空きのブロック、移動している車を検知したブロック、止まっている車を検知したブロックの中のどのブロックに相当するかを画像処理により調べ、 3種類のプロックの存在パターン;こ応じて、渋滞の状況検出、例えば、完全に停滞している、少し移動している、順調に流れている等を検出する。

第 2の例は、北村等による電気学会産業応用部門全国入会資料（ 1 9 9 1 ) の「道路交通渋滞計測システムの検討」に開示されているシステムである。これは、ビデオカメラにより撮影された画像から車両密度、車両の移動量、路面輝度の 3種の特徴量を抽出し、これらの 3種の特徴量をニニ一ラルネットワークの入力層に入力し、 0〜 1の範囲の 0 . 2刻みの 5段階に: ii力値を求め、その出力値に応じて、渋滞の状況を 5段階に検出、すなわち、「空き」、「定常走行」、「混雑」、「やや渋滞」、「渋滞」の 5つの状況を検出する。

しかしながら、上述の第 1の従来例と第 2の従来例の交通渋滞計測システムには以下のような問題点があった。すなわち前者の交通渋滞計測システムにあっては、 3種類のプロックの存在パターンと渋滞の状況との関係を各 ¾ 点毎に事前に学習しておく必要がある。また、車線毎にブコック化処理が必要になるので、複数の車線に跨がった渋滞を検出することができず、正確な渋滞状況を検出できない。更に、遠方では車両が小さくなるので、車 1台に相当するプロック化が困難であり、長い距離にわたる渋滞検出は行えない。 —方、後者の交通渋滞計測システムにあっては、ニニ一ラルネッ、フークを利用しているので、予め学習用の大量のデータを用いてニューラルットワークを構成しておかなければならず、前準備が煩雑である。また、道路環境が変化すると、新たにニューラルネットワークを構成し直さなければならない。さらに、画像全体を一括して画像処理して渋滞状況を検出しているので、画像上の部分的な渋滞状況を検出することができず、画像上の分毎の詳細な情報、例えば、「道路上の X 1地点からどの X 2地点まで yメートルの渋滞が発生」というような部分的な渋滞の長さの情報を提供できない- どちらの交通渋滞計測システムにも上述のような問題点があり、実用化するのは困難である。本発明は斯かる事情に鑑みてなされたものであり、事前の学習量が少なくて良く、複数の車線に跨がった渋滞も検出することができ、環境の変化、例えば、計測地点、時間帯、天候、交通量等の変 :こ関わらずに安定して渋滞状況を検出でき、しかも渋滞の長さも検出できる交通渋滞計測方法及び装置を提供することを目的とする。

また、上記の利点を併せ持ってかつ、例えば 2 0 k mZ h以下の速度で低速運転している車両群による渋滞を正確に検出可能な、高速道路の渋滞検出に適した交通渋滞計測方法および装置を提供することを目的とする _c

さらに、上記交通渋滞計測万法および装置で採^した処理手順を ^した画像処理方法およぴ装置を提供することを目的とする。発明の開示

第 1の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて.. 交通渋滞の状況を計測する交通渋滞計測方法であって、前記動画像上に、それぞれ輝度値を有する複数のサンプル点を設定するステップ（a ) ご、前記一連の画像のうちの所定時刻における画像上の、車両が存在していると推測されるサンプル点を、存在サンプル点として検出するステップ（b ) と、前記所定時刻の画像上の、移動中の車両が存在していると推測されるサンブル点を、移動サンプル点として検出するステップ（c ) と、所定の割合以上の移動サンプノレ点を含む互いに隣接する複数のサンプル点から構成されるブコックを、移動プロックとして検出するステップ（d ) と、前記移動ブロックから外れた存在了ンプル点を、渋滞サンプル点として検出するステップ（e ) と、所定の割合以上の渋滞サンプル点を含む互いに隣接する複数のサンプル点から構成されるブコックを、渋滞ブロックとして検出するステップ（f ) と、前記渋滞ブロックに基づいて、前記所定時刻における前記道路上の交通渋滞の状況を計測するステツプ（g ) と、を備えた交通渋滞計測方法が提供される。

第 2の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測装置であって、前記動画像上に、それぞれ輝度値を有する複数のサンプル点を設定する第 1の手段と、前記一連の画像のうちの所定時刻における画像上の、車両が存在していると推測される—ンブノ点を、存在サンプル点として検出する第 2の手段と、前記所定時刻の画像上の、移動中の車両が存在していると推測されるサンブル点を、移動サンプル点として検出する第 3の手段と、所定の割合以上の移動サンプル点を含む互いに隣接する複数のサンプル点から構成されるプロックを、移動プロックとして検出する第 4の手段と、前記移動ブロックから外れた存在サンプル点を、渋滞サンプル点として検出する第 5の手段と、所定の割合以上の渋滞サンブル sを含む互いに隣接する複数のサンプル点から構成されるブロックを、渋滞ブコックとして検出する第 6の手段と、前記渋滞ブロックに基づいて、前記所時刻における前記道路上の交通渋滞の状況を計測する第 7の手段と、を備えた交通渋滞計測装置が提供される。第 3の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づ、て、交通渋滞の状況を計測する交通渋滞計測方法であって、輝度値をそれぞ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンプによりそれぞれが構成される複数のサンプルラインを前記動画像上に設定するステップ（a ) と、前記ビデオカメラにより撮影されて、車両が道路上に存在していないと推測される基準輝度画像を作成するステップ（b ) と、前記一運の画像のうちの所定時刻の画像と前記基準輝度画像との輝度の差を表す差分画像を算出して、前記所定時刻の画像と前記基準輝度画像との位置的に対応するサンプル点の輝度の差を表す輝度差分値を算出するステップ（c ) と、前記差分画像上の各サンプル点の輝度差分値に基づいて、前記基準輝度画像上のサンブルラインとの輝度の差が所定値より大きな前記所定時刻の画像上のサンプルラインを、差分サンプルラインとして検出するステップ（d ) と、前記差分画像を空間微分して、差分画像上の各サンプル点の微分値を算出するステツァ ( e ) と、空間微分された前記差分画像上の各サンプル点の微分値に基づ'、'、'て、前記所定時刻の画像上のサンプルラインのうちの、隣接するサンブルラノンごの輝度の差が所定値より大きなサンプルラインを、エッジラインとして検出するステツブ（ ί ) と、前記ステップ（d ) で検出された差分サンプルラインと前記ステップ（f ) で検出されたエッジラインとの両方を、車両が存在していると推測される存在サンプルラインとして検出するステップ（g ) ご、前記存在サンプルラインに基づいて、交通渋滞の状況を計測するステップ（h ) と、を備えた交通渋滞計測方法が提供される。

第 4の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の西像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測方法であって、輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上;こ並ぶ複数のマンブ ^ ,こよりそれぞれが構成される複数のサンプルラインを設定するステップ（&；ご、前記一連の画像のうちの所定時刻における画像上の各サンブル点の輝度に基づいて、車両が存在していると推測されるサンプルラインを、存在サンプルラノンとして検出するステップ（b ) と、前記所定時刻の画像に描写された、車両の影を含む前記道路上の影の領域を推定するステップ（c ) と、前記影の領域に基づいて、前記存在サンプルラインを補正するステップ（d ) と、該ステツプ（d ) で補正された存在サンプルラインに基づいて、交通渋滞の状¾を計測するステップ（e ) と、を備えたことを特徴とする交通渋滞計測方法が提供される。

第 5の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて. 交通渋滞の状況を計測する交通渋滞計測方法であって、輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンブル^によりそれぞれが構成される複数のサンプルラインを設定するステツァ、' ) と、前記所定時刻の画像上の、移動中の車両が存在していると推測されるンプルラインを、移動サンプルラインとして検出するステップ（b ) と、前記移動サンプルラインに基づいて、交通渋滞の状況を計測するステップ（c ) とを備えたことを特徴とする交通渋滞計測方法が提供される。

第 6の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づ、'て、交通渋滞の状況を計測する交通渋滞計測方法であって、輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンブル点によりそれぞれが構成される複数のサンプルラインを設定するステップ（と、前記一連の画像のうちの所定時刻における画像上の各サンプル点の輝度；こ基づいて車両が存在していると推測されるサンプルラインを、存在サンブルラインとして検出するステップ（b ) と、前記存在サンプルラインに基づいて、前記所定時刻の前記道路上に存在する車両の密度を算出するステップ（c ) ご、前記所定時刻の画像に描写された全車両に対して、所定サイズょり大きな車両が含まれている割合を推定するステップ（d ) と、該ステップ（d ) で推された割合に基づいて、前記車両の密度を補正するステップ（e ) ご、前記ステツプ（e ) で補正された車両の密度に基づいて、交通渋滞の状況を計測するステップ（f ) と、を備えた交通渋滞計測方法が提供される。

第 7の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて. 交通渋滞の状況を計測する交通渋滞計測方法であって、輝度値をそれぞれ^丁るごともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンブル点によりそれぞれが構成される複数のサンプルラインを設定するステップ（a ) と、前記一連の画像のうちの所定時刻 tにおける画像上の各サンブルラインのサンブル点の輝度値の平均を表す平均輝度値を算出するステップ（b ) と，フを正の時間間隔として、前記一連の画像のうちの前記時刻 t γにおける画像上の各サンプルラインのサンプル点の輝度値の平均を表す平均輝度値を算丁るステツプ（c ) と、前記時刻 tの画像上の、移動中の車両が存在してい、るご推定されるサンプルラインを、移動サンプルラインとして検出するステツァ（d ) と、前記時刻 t + γにおける画像上のサンプルラインの中から、前記時刻 tにおける画像上の各移動サンプルラインの移動先と推測されるサンプルラインを、移動先サンプルラインとして検出するステップ（e ) と、前記移動サンプルラインと前記移動先移動サンプルラインとに対応する道路上の実際 C二つの位置間の距離と前記時間 yとに基づいて、各移動サンブルラノンの速度を算出するステップ（f ) と、前記ステップ（ί ) で算出された各移動サンアルラインの速度に基づいて、前記道路の交通渋滞の状況を計測するステップ（g ) と、を備えた交通渋滞計測方法が提供される。

第 8の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測方法であって、前記ビデオカメラにより撮影されて、車両が存在していないと推測される画像を基準輝度画像として設定するステップ（a ) と、所定時刻の画像と前記基準輝度画像とに基づいて、前記所定時刻の画像上の車両の存在を検出するステップ（b ) と、該ステップ ( b ) 後、前記基準輝度画像を更新するステップ（c ) と、前記ステップ ( b ) とステップ（c ) とを所定の時間間隔で繰り返すステツブ（d , こ、を備え、前記ステップ（c ) では、前記基準輝度画像が、次式によって更新され、

Β η+1 = Βη+1 + η X ( Χη— Βη)

ここに、 Χηは、時刻 t nの画像の各画素の輝度値、 B nは、時刻 t _nの画像上の車両の存在を検出するのに使われる基準輝度画像の各画素の輝度値、 3 r. +1は、時刻 t n+1の画像上の車両の存在を検出するのに使われる基準輝度画像の各画素の輝度値を表し、 t riTl—し nが前記所定の時間間隔に等しく、 η は可変係数であり、 i X n— B n ；が大きレ、ほど小さくするごもに、萆両の渋滞度が高くなるほど小さくするようにした交通渋滞計測方法が提^される。

第 9の発明によれば、ビデオカメラにより撮影された、道路と該道路二を行き来する車両とを描写した一連の複数の画像からなる動画像に基づ、て、交通渋滞の状况を計測する交通渋滞計測方法であって、所定時刻の画像を複数個に区分するメッシュ毎に、存在する車両の平均速度を表す空間速度を算出するステツプ（a ) と、前記空問速度に基づいて、渋滞が発生しているメッシュを渋滞領域として検出するステップ（b ) と、前記渋滞領域の末尾位置を検するステップ（c ) と、を備えた交通渋滞計測方法が提洪される，

第 1 0の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測装置であって、輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンブル点によりそれぞれが構成される複数のサンプルラインを前記動画像上に設定する手段と、前記ビデオカメラにより撮影されて、軍両が道路上に存在していご推測される基準輝度画像を作成する手段と、前記一連の画像のうちの所時の画像と前記基準輝度画像との輝度の差を表す差分画像を算出して、前記所定時刻の面像と前記基準輝度画像との位置的に対応するサンブ /レ点の輝度の差を表す輝度差分値を算出する手段と、前記差分画像上の各サンプル点の輝度差分値に基づいて、前記基準輝度画像上のサンプルランとの輝度の差が所定値より大きな前記所定時刻の面像上のサンプルラインを、差分サンブルラノンご一て検出する手段と、前記差分画像を空間微分して、差分画像上の各サンプル = の微分値を算出する手段と、空間微分された前記差分画像上の各サンブル点の微分値に基づいて、前記所定時刻の画像上のサンプルラインのうちの、隣接するサンプルラインとの輝度の差が所定値より大きなサンプルラインを、ニッジラインとして検出する手段と、前記差分サンプルラインと前記エッジラインとの両方を、車両が存在していると推測される存在サンプルラノンとして検出する手段と、前記存在サンプルラインに基づいて、交通渋滞の状況を計測丁る手段と、を備えた交通渋滞計測装置が提供される。

第 1 1の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測装置であって、輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンプルラインを設定する手段と、前記所定時刻の画像上の、移動中の車両が存在していると推測されるサンブルラインを、移動サンプルラインとして検出する手段と、前記移動サンアルラインに基づいて、交通渋滞の状況を計測する手段と、を備えたことを特徴とする通渋滞計測装置が提供される。

第 1 2の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づレ、て、交通渋滞の状況を計測する交通渋滞計測装置であって、輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンァ /レ^によりそれぞれが構成される複数のサンプルラインを設定する手段と、前記一連の画像のうちの所定時刻における画像上の各サンプル点の輝度に基づいて車両が存在していると推測されるサンプルラインを、存在サンプルラノンこ ^て検出する手段と、前記存在サンプルラインに基づいて、前記所定時刻の前記道路上に存在する車両の密度を算出する手段と、前記所定時刻の画像に描写された全車両に対して、所定サイズより大きな車両が含まれている割合を推定する手段と、前記割合に基づいて、前記車両の密度を補正する手段と、を備えた交通渋滞計測装置が提供される。

第 1 3の発明によれば、ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測装置であって、輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンアル点によりそれぞれが構成される複数のサンプルラインを設定する手段と、前記一連の画像のうちの所定時刻 tにおける画像上の各サンプルラインのサンプル点の輝度値の平均を表す平均輝度値を算出する手段と、 '/を正の時間間隔ごて、前記一連の画像のうちの時刻 t + における画像上の各サンブルラインのサンプル点の輝度値の平均を表す平均輝度値を算出する手段と、前記時刻 tの画像上の、移動中の車両が存在していると推定されるサンプルラインを、移動サンプルラインとして検出する手段と、前記時刻 t + Ύにおける画像上のサンプルラインの中から、前記時刻 tにおける画像上の各移動サンプルラインの移動先と推測されるサンプルラインを、移動先サンプルラインとして検出する手段と、前記移動サンプルラインと前記移動先移動サンプルラインとに対応丁る道路上の実際の二つの位置間の距離と前記時問 Ύとに基づいて、各移動 7ンプルラインの速度を算出する手段と、算出された各移動サンプルラインの速度に基づいて、前記道路の交通渋滞の状況を計測する手段と、を備えた交通渋滞計測装置が提供される。

第 1 4の発明によれば、カメラにより撮影され、対象物と背景とを一緒に描写した画像を処理する画像処理方法において、前記背景のみを描写する基準輝度画像を作成するステップご、前記画像と前記基準輝度画像との輝度 ^差を表す差分画像を算出するステップと、前記差分画像に含まれた各画素の輝度値が所定値より大きいか否かを判別するステップと、前記カメラの位置から各画素に対応する実際の各位置までの距離に応じて、前記所定値を変化させるステツプと、を備えた画像処理方法が提供される。第 1 5の発明によれば、ビデオカメラにより撮影された一連の連続した画像のうちの時刻 tにおける画像と、 αを正の時間間隔として、時刻こおける画像との輝度の差を表す第 1の差分画像を算出するステップと、前記第 1の差分画像に所定の第 1の閾値で二値化処理を施して、「0」および「1」のンベルを有する画素のみからなる第 1の特徴抽出画像を作成するステップご、前記一連の連続した画像のうちの時刻 tにおける画像と、 ]3を正の時間間隔として、時刻 t + 3における画像との輝度の差を表す第 2の差分画像を算出するステツプと、前記第 2の差分画像に所定の第 2の閾値で二値化処理を施して、「0」および「1」のレベルを有する画素のみからなる第 2の特徴抽出画像を作成するステップと、前記第 1の特徴抽出画像と前記第 2の特徴抽出画像との論理積をとつて積画像を作成するステップと、前記ビデオカメラの位置からの、前記時刻 tにおける画像に含まれる各画素に対応する実際の各位置までの各距離に応じて、前記 αおよび 3を変化させるステップと、を備えた画像処理方法が提供される。

第 1 6の発明によれば、カメラにより撮影された画像に含まれる画素の輝度値に基づいて、前記画素を第 1の画素と第 2の画素の何れかに分別するステツプと、前記画像のそれぞれを部分的に構成する複数の候補ブコックのそれぞれに含まれる全画素に対する第 1の画素の個数の割合を算出するステツ 7ご、前記第 1の画素の割合が所定値より大きい候補プロックを検出するステップと、前記カメラの位置からの、前記各候補ブロックに対応する実際の各位置までの各距離に応じて、前記所定値を変化させるステップと、を備えた画像処理方法が提供される。

第 1 7の発明によれば、カメラにより撮影された画像に含まれる画素の輝度値に基づいて、前記画素を第 1の画素と第 2の画素の何れかに分別するステツプと、前記画像のそれぞれを部分的に構成する複数の候補ブコックのそれぞれに含まれる全画素に対する第 1の画素の個数の割合を算出するステップご、前記第 1の画素の割合が所定値より大きい候補プロックを検出するステップと、前記カメラの位置からの、前記各候補プロックに対応する実際の各位置までの各距離に応じて、各候補ブロックの大きさを変化させるステップと、を備えた画像処理方法が提供される。

第 1 8の発明によれば、カメラにより撮影され、対象物と背景とを一緒に描写した画像を処理する画像処理装置において、前記背景のみを描写する基準輝度画像を作成する手段と、前記画像と前記基準輝度画像との輝度の差を表す差分画像を算出する手段と、前記差分画像に含まれた各画素の輝度値が所定値より大きいか否かを判別する手段と、前記カメラの位置から各画素に対^する実際の各位置までの距離に応じて、前記所定値を変化させる手段と、を備えた画像処理装置が提供される。

第 1 9の発明によれば、ビデオカメラにより撮影された一連の連続した画像のうちの時刻 tにおける画像と、 c を正の時間間隔として、時刻 t一こおける画像との輝度の差を表す第 1の差分画像を算出する手段と、前記第 1の差分画像に所定の第 1の閾値で二値化処理を施して、「0」および i - ：, ベルを有する画素のみからなる第 1の特徴抽出画像を作成する手段と、前記一連の連続した画像のうちの時刻 tにおける画像と、 j3を正の時間間隔として.、時刻 t + /3における画像との輝度の差を表す第 2の差分画像を算出する手段ご、前記第 2の差分画像に所定の第 2の閾値で二値化処理を施して、「0」および「1」のレベルを有する画素のみからなる第 2の特徴抽出画像を作成する手段と、前記第 1の特徴抽出画像と前記第 2の特徴抽出画像との論理積をとって積画像を作成する手段と、前記ビデオカメラの位置からの、前記時刻 t ;こおける画像に含まれる各画素に対応する実際の各位置までの各距離に応じて、前記 α およびを変化させる手段と、を備えた画像処理装置が提供される。

第 2 0の発明によれば、カメラにより撮影された画像に含まれる画素の輝度値に基づいて、前記画素を第 1の画素と第 2の画素の何れかに分 Τる手段と、前記画像のそれぞれを部分的に構成する複数の候補ブコックのそぞれ;こ含まれる全画素に対する第 1の画素の個数の割合を算出する手段と、前記第 1 の画素の割合が所定値より大きい候補プロックを検出する手段と、前記刀メラの位置からの、前記各候補プロックに対応する実際の各位置までの各距離に応じて、前記所定値を変化させる手段と、を備えた画像処理装置が提供される：第 2 1の発明によれば、カメラにより撮影された画像に含まれる画素の輝度値に基づいて、前記画素を第 1の画素と第 2の画素の何れかに分別する手段と、前記画像のそれぞれを部分的に構成する複数の候補ブコックのそれぞれに含まれる全画素に対する第 1の画素の個数の割合を算出する手段と、前記第 1 の画素の割合が所定値より大きい候補プロックを検出する手段と、前記カメラの位置からの、前記各候補プロックに対応する実際の各位置までの各距離:こ^ じて、各候補ブロックの大きさを変化させる手段と、を備えた画像処理装置が提供される。図面の簡単な説明

本発明の上述の目的、特徴および長所とその他の目的、特徴および長所は、以下の図面と共に、後述される発明の好適な実施例の詳細な記载ら明らカになる。

第 1図は、本発明に係る交通渋滞計測方法および装置を適用した交通管制システムの第 1の実施例を示す図である。

第 2図は、第 1図に示されたビデオカメラが撮影する領域を示す斜視図である。

第 3図は、第 1図に示された渋滞計測装置を示すブコック ¾である：第 4図は、第 1図に示された渋滞計測システムの渋滞計測手順を示フコ —チヤ一トである _c

第 5図は、第 4図に示されたフローチヤ一トの各ステップの算出結果ゃ検出結果の関係を示す図である。

第 6図は、第 1図に示されたビデオ力メラで撮影された画像上に設^するサンプル点を示す図である。

第 7図は、第 4図に示されたフローチャートのステップ S 2の詳細な手順を示すフローチヤ一トである：第 8図は、第 7図に示されたフローチヤ一トのステップ S 2 bで作^さる存在サンプル点を示す図である。

第 9図は、第 4図に示されたフロ一チヤ一卜のステップ S 2で検出される存在サンプル点を示す図である。

第 1 0図は、第 4図に示されたフコーチャートのステップ S 3の詳細な手順を示すフローチヤ一トである - 第 1 1図は、第 1 0図に示されたフローチヤ一トのステップ S 3 a〜ステップ S 3 kにより作成される各画像の関係を示す図。

第 1 2図は、第 1 0図に示されたフコーチヤ一トのステップ S 3 Jおよび S 3 kのそれぞれで作成される第 1の特徴抽出画像および第 2の特徴抽出画像と、第 1 0図のフローチヤ一トのステップ S 3 Iで作成される積画像との関係を示す図である。

第 1 3図は、第 4図に示されたフローチヤ一トのステップ S 4の詳細な手順を示すフロ一チヤ一トである。

第 1 4図は、第 4図に示されたフロ一チャートのステップ S 4で検される移動プロックを示す図である。

第 1 5図は、第 4図に示されたフローチヤ一トのステプ S 5で検される渋滞サンプル点の検出方法を説明する図である。

第 1 6図は、第 4図に示されたフローチャートのステップ S 6の詳な手順を示すフローチャートである。

第 1 7図は、第 4図に示されたフローチヤ一トのステップ S 6で検出される渋滞プロックを示す図である。

第 1 8図は、第 4図に示されたフローチヤ一卜のステッブ S 7の詳細な手順を示すフロ一チヤ一トである。

第 1 9図は、第 1 8図に示されたフロ一チヤ一トのステップ S 7 £で検された渋滞範囲と、ステップ S 7 cで補正された渋滞範囲の関係を示 T図である。第 2 0図は、本発明に係る交通渋滞計測方法および装置を適用し ΐΖ通管制システムの第 2の実施例を示す図である。

第 2 1図は、第 2 0図に示された渋滞計測装置の空間計測領域と交通流計測領域との関係を示す図である。

第 2 2図は、第 2 0図に示された渋滞計測システムの空間密度計測手順を示すフロ一チヤ一トである。

第 2 3図は、第 2 2図に示されたフローチヤ一トの各ステップの算結果や検出結果の関係を示す図である。

第 2 4図は、第 2 2図に示されたフコーチヤ一トのステップ Ρ 1で作成されるサンプル点画像と、同ステップで設定されるサンプルラインとの関係を示す図。

第 2 5図は、第 2 2図に示されたフローチヤ一トのステップ Ρ 4の詳細な手順の第 1例を示すフロ一チヤ一トである。

第 2 6図は、第 2 2図に示されたフローチヤ一トのステップ Ρ 4の詳細な手順の第 2例を示すフローチャートである。

第 2 7図は、第 2 2図に示されたフローチヤ一トのステップ Ρ 5の詳細な手順の第 1例を示すフロ一チヤ一トである。

第 2 8図は、第 2 2図に示されたフローチヤ一トのステップ Ρ 5の詳細な手順の第 2例を示すフローチヤ一トである。

第 2 9図は、第 2 2図に示されたフローチャートのステップ Ρ 7の詳細な手順を示すフローチヤ一トである。

第 3 0図は、第 2 2図に示されたフローチヤ一トのステップ Ρ 7にける存在サンプルラインの補正前、途中、後の変化を示す図である _c

第 3 1図は、第 2 2図に示されたフコ一チヤ一トのステップ P 8の詳細な手順を示すフローチャートである _c

第 3 2図は、第 2 2図に示されたフロ一チヤ一卜のステップ P 9の詳細な手順を示すフローチヤ一トである。第 3 3図は、第 2 2図に示されたフコ一チヤ一のステップ P 1 0.の詳細な手順を示すフローチヤ一トである _c

第 3 4図は、第 2 2図に示されたフローチヤ一トのステップ P I 0二お;丁る存在サンプルラインの補正前後の変化を示す図。

第 3 5図は、第 2 2図に示されたフコーチヤ一卜のステップ P 1 2 ,こおけるメッシュ毎の空間密度を表す図。

第 3 6図は、第 2 2図に示されたフロ一チヤ一トのステップ P 1 5，こおる大型車混入率に基づく空間密度の補正が必要になる理由を説明するための図である。

第 3 7図は、第 2 0図に示された渋滞計測システムの空間速度の計測手順を示すフロ一チヤ一トである。

第 3 8図は、第 3 7図に示されたフローチヤ一トの各ステップの算^結杲や検出結果の関係を示す図である：

第 3 9図は、第 3 7図に示されたフローチヤ一トのステップ Q 4の詳細な手順の第 1例を示すフローチャートである。

第 4 0図は、第 3 7図に示されたフローチヤ一トのステップ Q 4の詳細な手順の第 2例を示す図である。

第 4 1図は、第 4 0図に示されたフローチヤ一トのステップ Q 4 Jにおける移動サンプルラインおよび該移動サンプルライン前後の 2つのサンプルラインと、これら移動サンプルライン、 2つのサンプルラインのそれぞれの予想移動範囲との関係を示す図である。

第 4 2図は、第 2 0図に示された渋滞計測システムの渋滞領域末尾位置の計測手順の第 1例を示すフ口一チャートである。

第 4 3図は、第 2 0図に示された渋滞計測システムの渋滞領域末尾'立置の計測手順の第 2例を示すフーチヤ一トである。

第 4 4図は、第 4 2図および第 4 3図に示されたフコーチヤ一トの各ステップの算出結果や検出結果の関係を示す図である。第 4 5図は、第 4 2図に示されたフローチヤ一トの手順で計測され Γこ渋滞領域渋滞末尾位置を示す図である _c 発明の好ましい実施例

(第 1の実施例）

本発明に係る交通渋滞計測方法および装置を採用した交通管制システムの第 1の実施例を、第 1図〜第 1 9図を参照しつつ以下に詳細に説明する- 第 1図に示すように、交通管制システムは、交差点 I S近傍に配置されたビデオ力メラ 1 1〜 1 4、渋滞計測装置 2 1〜 2 4、信号機 3 1〜 3 4、信号制御装置 4 1〜4 4および中継装置 5 0、並びに、交差^ I S ら遠く離れた所に位置する交通管制センタ一内に設けられた中央制御装置 S )を備えている。ビデオカメラ 1 1〜 1 4は、第 2図に示すように、交差点： S近傍の路面から例えば高さ 1 O mの位置に配置され、交差点近傍位置から 1 5 O mの距離の 3車線分の領域 Yを撮影する。また本実施例においては、ビデォカメラ 1 1〜1 4は、車両の進行方向下流側から上流側を撮影するうに向けられている。

渋滞計測装置 2 1〜2 4は、交差点 I Sに流入する車両の台数、速度および車種に基づいて交通流量を計測するとともに、渋滞範囲、言い換えれば渋滞長を計測することができる。渋滞計測装置 2 1〜2 4のそれぞれは、第 3 図に示すように、 C P U 2、画像メモリ 3、入力装置 4、表示装置 5、格納装置 6、伝送装置 7、 R AM (Random Access Memory) 8および R O M ( ead-only Memory) 9をfeえてレ、る。

ビデオ力メラ 1 1〜1 4により撮影された画像デ一タは、それぞれ渋滞計測装置 2 1〜2 4の C P U 2に伝送される。伝送された画像データは C Pじ 2を介して画像メモリ 3に格納される- R OM 9には、渋滞検出に関する各種プログラムが格納されており、 C Pじ 2は、 R OM 9から必要なブコダラムを読み出して、 R AM 8を作業エリアとして、プログラムを実行する。ブログラムの実行により、画像メモリ 3から必要な画像データが読み出され、この画像データに基づいて、種々の計算値が算出され、最終的には後述の状態状況の計測結果が算出される。プログラムの実行中に算出される各種計算値は、一時的に、画像メモリ 3に記憶されるようになっている渋滞状況の計測結果は、表示装置 5、格納装置 6および伝送装置 7に出刀される：表示装置 5は、入力された渋滞状況を表示する。格納装置 6は、入力された渋滞状況を格納する。伝送装置 7は、入力された渋滞状況を中継装置 5 0を通して、第 1図に示された交通管制センタ一の中央制御装置 6 0に送信 Tる。入力装置 4は、各種設定値や閾値を入力したり、これらを変更したりする際に用いられる入力手段である。

再び第 1図において、交通管制センタ一の中央制御装置 6 0は、渋滞計測装置 4 1 4 4の計測結果に基づいて、中継装置 5 0を介して信号制御装置 4 1 4 4に信号制御パターンを送信する。例えば、ビデオカメラ 1 ： 1 3から画像データを入力する渋滞計測装置 2 1 2 3が、ビデオカメラ】 2 1 4から画像データを入力する渋滞計測装置 2 2 2 4よりも、長い渋滞範囲を計測した場合、中央制御装置 6 0は、信号機 3 1 3 3の青信号の時間間隔が、信号機 3 2 3 4の青信号の時間間隔よりも長くなるうな、信号制御パターンを信号制御装置 4 ：! 4 4に送出して、ビデ：^カメラ 1 1 3により撮影されている道路上の渋滞を緩和させるようにしている。ここで、上述のように構成される交通渋滞計測装置により実行される渋滞計測方法を、まず、第 4図に示されるステップ S 1 S 8のフローチャートに従って、概略的に説明する。

ステップ S 1で、ビデオカメラにより撮影された画像上に複数のアンプル点を設定する。例えば、第 6図に示される画像 7 1がビデ才力メラにり撮影された場合、サンプル点は「·」により示される。ステップ S 2で、時刻 t nにおける面像上の、車両が存在していると推測されるサンブル点を、存在サンプル点として検出する。ステップ S 3で、時刻 t nの画像上の、移動中の車両が存在していると推測されるサンプル点を、移動サンプル点と ^て検出丁る。ステップ S 4で、所定の割合以上の移動サンプル点を含む互いに^接丁る複数のサンプル点から構成される矩形のプロックを、移動ブコックご ^て検 m する。ステップ S 5で、移動ブロックから外れた存在サンプル sを、渋滞サンプル点として検出する。ステップ S 6で、所定の割合以上の渋滞サンブル点を含む互いに隣接する複数のサンプル点から構成される矩形のプロックを、渋滞ブロックとして検出する。ステップ S 7で、渋滞ブロックに基づいて、時刻： nにおける計測領域内の交通渋滞の状況を計測する。ステップ S 8で、 — 1として、ステップ S 2に戻る。「n」は、正の整数であり、 t n+!— t n ;は一定である。したがって、上記ステップ S 2〜S 7の各手順は一定の時間間隔で繰り返される。

第 5図は、上記ステップ S 1〜S 7における検出結果あるいは算出結果の概略的な関係を示す図である。これら検出結果あるいは算出結果の詳細は、後述する各ステップ S 1〜S 7の詳細な説明により明らかになる _s

上記ステップ S 1のサンプル点の設定について、下記に詳説する：第 6図に示された画像 7 1は、同図の下側がビデオカメラから距離が近い領域に相当し、第 6図の上側がビデオカメラから距離が遠い領域に相当する _c また、画像 7 1には 3車線が示されており、画像 7 1内の実線で示す矩形は車両を示している。第 6図から理解されるように、サンブル点の道路横断方向の間隔が実際の道路上で等間隔になるようにサンプル点を道路横断方向に配置する。このようにサンプル点を配置するのは、道路横断方向では位置の歪みが小さく、また簡単に実際の長さに変換できるためである

一方、車両走行方向については、ビデオカメラから遠い位置ではサンプル点の間隔を狭くし、近い位置ではサンプル点の間隔を広くする。このようにサンプル点を配置するのは、ビデオカメラ近傍では車両が入きく写る 3でンプル点が疎であってもその走行状態を検出できるが、遠方では草 R 小さく写るのでサンプル点を密にしないとその走行状態を検出できない^ である。例えば、計測範囲内のビデオカメラから最遠地点における走行方向のサンプル点間隔を画像上での 1画素間隔とし、それより近いところでは、車両を検知できる程度にサンプル点間隔を広くする。この場合、予め決めておいたサンブル点のトータル数の上限値に応じて、サンプル点間隔を設する _c このようにしておくと、遠方での車両の走行状態の検出を確保できると共に、処理時間を短縮できる。そして、ビデオカメラから遠方である領域の検出を入力画像の限界まで確保しつつ、サンプル点数の上限を設定したことにより、検出処理を高速化させるとももに、高価な専用ハードウェアを不要とすることができる。また、ビデオカメラの解像度を定数として設定丁るだけで様々な解像度のビデオカメラを簡単に利用することができる。このンフル点の設定時に、ビデオカメラの路面上の位置から各車線に沿った各サンプル点までの実際の距離と、各車線に沿った各サンプル点間の実際の距離を、車線毎に格納装置 6の記憶領域に作成された距離テ一ブルに記憶しておく。次に、第 4図のステップ S 2の存在サンプル点の検出手順を、第 7図のステツプ S 2 a〜S 2 gのフローチヤ一トに従って、下記に詳説する：

ステップ S 2 aで、後述の二値化処理に用いる各閾値 T H 1を、ビデオ力メラの道路上の位置から各サンプル点に対応する道路上の実際の各位置までの距離に応じて設定する。ステップ S 2 bでは、時刻 t nの画像のアンプル点に対応する画素のみからなるサンプル点画像を作成する- 第 8図は、サンプル点画像の一例を示す図であり、同図から理解されるように、サンプル点画像は、時刻 t nの画像上のサンプル点を直行座標系に変換して構成されており、第 8図に示すサンプル点の配列と同じ 2次元配列のデータ形式メモリ上に記憶されるようになっている：また、サンプル点画像ヱのサンブ点に対応する各画素の輝度値は 8ビットデータで表されるようになっている。ステップ S 2 bからステップ S 2 cに進むと、サンプル点画像と基準輝度画像との各サンプル点の輝度値の差を表す輝度差分値を算出するこご；こより差分画像を算出する。存在サンプル点検出の最初のフローにおける基準輝度画像は、車両に対する背景のみを描写したものであり、計測を開始する環境に近い状態において撮影されたものである。望ましくは、最初の基準輝度画像としては、渋滞計測領域内の道路上に車両が全く存在していない画像であることが望ましい。しかしながら、適切な基準輝度画像を予め準備 Tるのは、天候の変化や時間経過により時々刻々と画像上の輝度が変化するため非常に困難であるため、実際には、車両が存在していないとみなすことできる画像、すなわち、実際には数台の車両が存在していたとしても、実際に車両が全く存在していない場合の画像と近似した画素データを有する画像であればよい。また、この基準輝度画像もサンプル点に対応する画素のみ^らなり、上述のサンプル点画像と同様に構成されている。

ステップ S 2 dでは、ステップ S 2 cでの差分画像を用いて、次の時刻 t n

+1のサンプル点画像に対応する差分画像を算出するのに使わる基準輝度像 Bn+lを次式によって更新する。

Βητ1 = Β η + τ] Χ (Χ η— Β η) … (i) ここに、 X nは、時刻 t nのサンプル点画像の各サンプル点の輝度値、 B n は、時刻 tnのサンプル点画像に対応する差分画像を算出するのに使われた基準輝度画像の各サンプル点の輝度値、 Bn+lは、時刻 t n+1のサンブ点画像の差分画像を算出するのに使われる輝度値とする。 ηは可変値であ、 X n -B n iが大きいほど、あるいは、渋滞度が高いほど、小さく Tる。

X n— B n Iが大きいほど 7?を小さくするのは、輝度変化が大きいほど車両が存在する可能性が高いからである。このときの Πは、各サンプル点毎に設定される。一方、渋滞度が高いほどを小さくするのは、渋滞中の草両の輝度を基準輝度画像に取り込まないようにするためである：このときの .は、車線毎あるいは所定の領域毎に設定する。渋滞度は後述の渋滞範蹈の検出結果から判定する。

上式）で基準輝度画像を更新することにより、天候や時間経過:こ伴う日差しの変化に基準輝度画像を自動的に追随させることができる：また、上式（ i ) で基準輝度画像を更新するのは、ステップ S 2 cで算出する「X n 一 B n」の計算値をそのまま利^することができ、計算量を削減 Tることができるからである。なお、計算量が多くなるが、基準輝度画像の更新垤を次式（ i i ) を使ってステップ S 2 cの直前に行ってもよい：

Bn+1 = B n + a X (Xn+l - B η ) ■· · (n) ステップ S 2 eで、差分画像を車両進行方向にソ一ベル微分子で空間微分し、次いでステップ S 2 f で、空間微分された差分画像のサンプル点の各微分値をステップ S 2 aで設定された各閾値 T H 1で二値化する:. この結果、サンプル点は、「0」レベルか「1」レベルのどちらかの値になる「 1— レベルのサンプル点には、車両が存在していると推測することができ、「0」レベルのサンプル点には、車両が存在していないと推測するこ -ができるので、ステップ S 2 gで、「1」レベルのサンプノレ点を、存在サンプノレ点として検出する。このようにして検出された存在サンプル点の配置例を第 9図に示す。

なお、上記ステップ S 2 aにおける各閾値 T H 1は、ビデオカメラの道路上の位置からから遠い位置に対応するサンプル点の識別に ¾いられるのほど、小さくなるように設定するとよい。これは、ビデオカメラから遠い位置では近い位置に比べて画像がぼやけ、車両と背景との輝度差が小さくなるからである。このようにビデオカメラの道路上の位置から各サンプル^ :こ対応する道路上の各位置までの実際の距離に応じて各サンプル点での閾値を設定することにより、ビデオカメラからの距離に影響されることなく、どの位置でも同程度の精度で存在サンプル点を検出することができる。

次に、第 4図のステップ S 3の移動サンプル点の検出手順を、第 1 G図のステップ S 3 a〜S 3 mのフローチャートに従って、下記に詳説する。なお、各ステップの説明において、第 1 1図おょぴ第 1 2図を参照するご理解が容易になる。

まず、ステップ S 3 aで、サンプル点画像を M個の領域に分割する。不実施例では、ビデオカメラから遠い領域、中間距離の領域、近い領域の 3つ,こ分割するので、 M= 3になる。ステップ S 3 bで、 m番目の領域に対応する時間間隔 am、 Γηと、後述の二値化の閾値 ΤΗ 1、 ΤΗ 2を設定する。ここ、 a m、 πιは正の時間であり、 α 1 < α 2< α 3、 1 < 2 < /93とする _c このように、 am、 j3mを設定するのは以下の理由による。ビデオカメラから近い位置では遠い位置に比べて、画像における見かけ上の車両の移動は速くなる。よって、ビデオカメラから近い位置では車両の移動を短時間差の画像間の比較により十分に検出することができるので、ビデオカメラから近、、位置にあるサンプル点に対する am、 j3mの値は小さく設定する。一方、ビデオカメラから遠い位置では車両の移動を短時間差の画像間の比較では検^することが困難であるので、ビデオカメラから遠い位置にあるサンプル、'こお丁る am、 /3 mの値は大きく設定する。また、 am、 πには、異なる値を用いてもよいが、通常は、とするのが好ましい。

上記ステップ S 3 bに続くステップ S 3 cで、時刻 t n、 t η - a xr., ι η + πιに対応するサンプル点画像を作成する。ステップ S 3 dで、時刻 nのサンプル点画像の m番目の領域と、時刻 t— amのサンプル点画像の番目の領域との輝度の差を表す第 1の差分領域を算出する。ステップ S 3 eでは、第 1の差分領域をステップ S 3 bで設定された閾値 TH 1で二値化し、第 1の特徴抽出領域を算出する。この結果、第 1の特徴差分領域のサンプル^の値は「0」レベル力 Γΐ」レベルの何れ力こなる。

ステップ S 3 f で、時刻 t nのサンプル点画像の m番目の領域と、 B寺刻 t n

+ β mのサンプル点画像の m番目の領域との輝度の差を表す第 2の差分領域を算出する。ステップ S 3 f からステップ S 3 gに進み、第 2の差分領域をステップ S 3 bで設定された閾値 TH 2で二値化し、第 2の特徴抽出領域を算出する。この結果、第 2の特徴抽出領域のサンプル点の値は「0」レベルか Γι」レベルの何れかになる。

ステップ S 3 gに続くステップ S 3 hとステップ S 3 i とにより、 m = Mになるまで、ステップ S 3 b〜S 3 gが繰り返される。この結果、 3つの第 1の特徴抽出領域と 3つの第 2の特徴抽出領域が算出される。ステップ S 3 j では、全部の第 1の特徴抽出領域を結合して、第 1の特徴抽出画像を作成する。同様に、ステップ S 3 kでは、全部の第 2の特徴抽出領域を結合して、第 2の特徴抽出画像を作成する。

ステップ S 3 1では、第 1の特徴抽出画像と第 2の特徴抽出画像との論理積をとつて、積画像を作成し、ステップ S 3 mでは、積画像の「1」レベルのサンプル点を、移動サンプル点として検出する。第 1、第 2の特徴抽出画像と積画像の関係は、第 1 2図に例示される。

上述のように、時刻 t nの前後の画像を使って、移動サンプ点を検出するのは、時刻 t nの前あるいは後だけの画像を使って移動サンプル ^を検出しょうとすると、第 1 2図の第 1または第 2の特徴抽出画像から分かるように、時刻 t nの画像には存在していない移動車両が特徴抽出画像に残り、第 1の特徴抽出画像だけから、あるいは、第 2の特徴抽出画像だけからでは、正確な移動サンプル点を検出することができないからである。

なお、この移動サンプル点の検出処理において、時間間隔 a m、 jS を調整することにより、例えば 2 0 k mZ h以下の低速で移動する車両についてのサンプル点が移動サンプル点として検出されないようにすることも可能であり、このように c m、 j3 mを設定することにより、本実施例を低速萆両による渋滞の検出にも適用することができる。

次に、第 4図のステップ S 4の移動ブロックの検出手順を、第 1 3図のステツプ S 4 a〜S 4 jのフローチャートに従って、下記に詳説する _c

ステップ s 4 aで、計算開始位置を、サンプル点画像の左上角に設定する _c 候補ブロックとは、それぞれが時刻 t nのサンプル点画像を部分的に構成する縦横に隣接して並ぶサンプル点からなる矩形のブロックであ , 移動ブロックの検出対象になるブロックである。ステップ S 4 bで、ビデオカメラの道路上の位置からの各候補ブロックに対応する道路上の各位置までの距離に応じたブ πックサイズおよび閾値 T H 1を設定する。

ステップ S 4 cで、候捕ブロック内に含まれるサンプル点の総数に対する移動サンプル点の割合を算出し、ステップ S 4 dで、候補ブコック内の移動サンプル点の割合がステップ S 4 bで設定された閾値 T H iより入きいか否かが判定される。ステップ S 4 bの判定が「Y E S」であれば、ステップ S

4 dからステップ S 4 eに進み、候補ブロックを移動ブコックとして検出する _c ステップ S 4 bの判定が「N O」であれば、ステップ S 4 dか S 4 ί に進む。ステップ S 4 f とステップ S 4 gによって、右方向（道路横断方向の右）に 1サンプル点ピッチで並ぶ各候補ブロック全部に対して、ステップ

5 4 c〜S 4 eが繰り返される。

ステップ S 4 f に続くステップ S 4 hでは、候補ブロックの計算開始位置をサンブル点画像の最左端に移動する。ステップ S 4 i d:ステップ S 4 jによって、ステップ S 4 b〜S 4 hが繰り返される。すなわち、横一列分づっの候補ブロックに対する検出処理が下方向（車両走行方向の手前）に繰り返される。この結果、サンプル点画像に含まれる全ての候補ブコックに対して検出処理が実行され、サンプル点画像に含まれる移動プロックを全て検出することができる。

第 1 4図は、互いに部分的に重なり合う二つの移動ブコックが検された例を示されている。第 1 4図に示された移動ブロックは、縦 5列、横 3列のサンプル点から構成され、「@」が移動サンプル点、「〇」が移動サンプル点以外のサンプル点を示す。検出された移動プロック内の移動サンプル点の割合は 6 0 %であり、このときの、移動ブロック検出の判定基準である閾値丁1^ 1は5 5 %でぁる。なお、第 1 4図に示すように、移動ブコック円に入らない移動サンプル点はノイズとして除去する。

上記ステップ S 4 bにおける候補ブロックのサイズ、すなわち、候補ブコックに含まれるサンプルの総数と、閾値 T H 1は以下のように設定するとよい。候補ブロックのサイズは、画像上に描写される平均的な車両のサイズにほぼ一致させるように設定し、結果的に移動ブコックがサンプレ点画像上で一つの車両を表すようにする。このため、ビデオカメラから遠い領域では、車両が小さい像として得られるので候補プロックの大きさを小さく設定し、ビデオ力メラから近い領域では、車両が大きい像として得られるのでブ口ックの大きさを大きくする。一方、閾値 T H 1は、ビデオカメラから遠領域では隣接する画素間の輝度差が小さいので小さくし、ビデオカメラから近い領域では逆に大きくするこのようにすることにより、ビデオカメラからの距離に影響されることなく、すべての領域において同程度の精度で移動プロックを検出することができる

第 4図のステップ S 5では、上記の移動プロックから外れた存在サンプル点を、渋滞サンプル点として検出する。第 1 5図は、渋滞サンプル点の検^ 例を示している。第 1 5において、「·」は存在サンプル点、「0」は存在サンプル点以外のサンプル点、「☆」は渋滞サンプル点を示している _c

次に、第 4図のステップ S 6の渋滞ブロックの検出手順を、第 1 6図のステツプ S 6 a〜S 6 jのフローチヤ一トに従って、下記に詳説する- ステップ S 6 aで、計算開始位置を、サンプル点画像の左上角に設定する。候補プロックとは、それぞれが時刻 t nのサンプル点画像を部分的に構成する縦横に隣接して並ぶサンプル点からなる矩形のブコックであり、渋滞ブロックの検出対象になるブロックである。ステップ S 6 bで、ビデオカメラの道路上の位置からの各候補プロックに対応する道路上の各位置までの距離に応じたプロックサイズおよび閾値 T H 1を設定する。

ステップ S 6 cで、候補ブロック内のサンプル点の総数に対する渋滞サンプル点の数の割合を算出し、ステップ S 6 dで、候補ブコック^の渋滞サンプル点の割合がステップ S 6 bで設定された閾値 T H 1より大きいか否かが判定される。ステップ S 6 dでの判定が「Y E S」であれば、ステップ S 3 dからステップ S 6 eに進み、候補ブロックを渋滞ブロックとして検する：ステップ S 6 bでの判定が「N O」であれば、ステップ S 6 dから S 6 f に進む。

ステップ S 6 f とステップ S 6 gによって、右方向（道路横断方向の右）に 1サンプル点ピッチで並ぶ各候補ブロック全部に対して、ステップ S 6 c 〜S 6 f の各動作が繰り返される。

ステップ S 6 f からステップ S 6 hに進むと、候補プロックの計算開始位置をサンプル点画像の最左端に移動する。ステップ S 6 i とステップ S 6 j によって、ステップ S 6 b〜S 6 hが操り返される。すなわち、横一列分づつの候補ブロックに対する検出処理が下方向（車両走行方向の手前）に繰り返される。この結果、サンプル点画像に含まれる全ての候補ブロックに対して検出処理が実行され、サンプル点画像に含まれる渋滞ブコックを全て検出することができる。

第 1 7図は、互いに部分的に重なり合う二つの渋滞ブロックが検出された例を示している。第 1 7図に示された渋滞ブロックは、縦 5列、横 3列のサンプル点から構成され、「☆」が渋滞サンプル点、「0」が渋滞サンプル点以外のサンプル点を示す。このときの、渋滞ブロック検出の判定基準である閾値 T H 1は 4 5 %であり、第 1 7図に示す検出された渋滞ブロックの渋滞サンプル点の割合は、 4 7 %である。なお、第 1 7図に示すように、渋滞ブ口ック内に入らない渋滞サンプル点はノイズとして除去する _c

上記ステップ S 6 bにおける候補プロックのサイズと、閾値 T H I 前逑の移動プロックの検出処理における設定と同様にすればよい。候補ブ πックのサイズは、画像上に描写される平均的な車両のサイズにほぼ一致させるように設定し、結果的に渋滞ブロックがサンプル点画像上で一つの車両を表すようにする。このため、ビデオカメラから遠い領域では、車両が小さ像として得られるので候補ブロックの大きさを小さく設定し、ビデオ力メラから近い領域では、車両が大きい像として得られるのでブコックの大きさを大きくする。一方、閾値 T H 1は、ビデオカメラから遠い領域では隣接する画素間の輝度差が小さいので小さくし、カメラから近い領域では逆に大きくする。このようにすることにより、カメラからの距離に影響されることなく、すべての領域において同程度の精度で渋滞プロックを検出することができる。

次に、第 4図のステップ S 7の渋滞状況の計測手順を、第 1 8図のステツプ S 7 a 〜 S 7 cのフローチヤ一トに従って、下記に詳説する。

ステップ S 7 aで、車線毎に渋滞プロックが存在するユリアを渋滞範囲と検出する。各渋滞ブロックエリアには、単独の渋滞プロック、互いに連結あるいは互いに重なり合う複数の渋滞ブロックが存在する。第 1 9図^、計測領域内の渋滞ブロックが存在する領域の一例を示している：もし、 2軍線に跨った渋滞プロックがあるときは、その存在範囲が大きい万の車線に渋滞ブロックが存在するものと判定する。

ステップ S 7 bで、各車線にて検出した渋滞範囲を、前述の距離テーブルを参照して、実際の道路上の距離に変換する c ステップ S 7 cで、過去の渋滞位置のプロファイルから、急激な渋滞位置の変動をノイズとして除去し、渋滞位置を平滑化する補正処理を行うことにより、渋滞範囲を補正して、渋滞状況の最終的な計測結果として出力する。

上述の実施例によれば、画像の全ての画素の輝度データを処理ぜずに、特定のサンプル点に対応する画素のみの輝度データを処理しているので、計算処理に要するデータ量を大幅に削減することができ、結果的に装置のハード構成を簡素化することができ、コストを低減することができる：ま、高速処理が可能になって、リアルタイムの渋滞計測が可能になる。詳細に、計測結果を 1〜2秒以内 (時間差分の最大時間間隔 +処理時間)のほぼリアルタイムで出力できるので、交通管制の分野において、本実施例のように渋滞長に応じて青または黄信号時間を調整するような交通管制システムに利用すると非常に効果的である。また、上記実施例の説明から理解されるように、事前の学習をほとんどすることなく、装置を設定してから直ぐに精度良い渋滞計測が可能になり、また、環境の変化、例えば、計測地点、時間帯、天候、交通量等の変化に関わらずに安定して渋滞状況を計測することができ、しかも渋滞の長さも簡単に検出することができる。さらにまた、各種判定の基準になる閾値等の各種パラメータを、ビデオ力メラの道路上の位置から各サンプル点に対応する道路上の各位置まで距離に応じて変化させているので、高精度の渋滞計測が可能になる。また、丄記パラメータを各サンプル点のビデオカメラからの距離により自動的に検出できるため、交通管制システムの管理運用上の有効である。さらにま、最後の出力段階まで車線位置を考慮する必要がなく、 2車線に跨った渋滞車両の計測も可能になり、安定した渋滞計測が可能になる。また、検出された移動サンプル点および渋滞サンプル点から、移動ブロックおよぴ渋滞ブコックの形式、すなわち、移動車両および渋滞車両を移動車群および渋滞軍群:：して検出しているので、移動ブロックおよび渋滞ブロックから外れた移動サンプル点および渋滞サンプル点を、ノイズとして簡単に除去することができる。さらに、道路上に計測可能な距離だけ隔てて本実施例のビデオカメラと渋滞計測装置を、複数個連ねて配置するようにすれば、長距離にわたる連続した渋滞状況を計測することもできる。さらに、本実施例は、計測領¾ の一部の計測結果から計測領域の全体の渋滞状況を推定しているのではなく、計測領域全体の渋滞状況を直接的に計測しているので、計測領域内で事故や車両故障が発生した場合に、直ちにそれを検知することもできる。

なお、上記の詳細な実施例の説明から理解されるように、本実施例は、本発明の画像処理方法および装置の好適な実施例でもある。

次に、上記の道路渋滞状況計測装置を、 1 9 9 5年、東京、大阪の 2力所の地点において設定して、計測を行った結果を以下に説明する。

(東京での計測結果）

(A) 計測条件

場所：東京の内幸町交差点

環境：天候（晴、晷、雨）、時間帯（昼間、薄暮、夜間）、交通量（軽交通、重交通）の点を考慮して次の 6つの異なる環境で行った。 ① 8月 2日 15:00〜17:00 (昼間、暴のち雨、重交通）

② 8月 2日 18:30〜20:30 (薄暮 ·夜間、暴、重交通）

③ 8月 3日 14:45〜16:45 (昼間 ·晴、重交通）

④ 8月 3日 18:30〜20:30 (薄暮'夜間、晴、重交通）

⑤ 8月 5日 15:00〜 17:00 (昼間 ·暴、軽交通）

⑥ 8月 5日 18:30〜20:30 (薄暮，夜間、蠹、軽交通）

( B ) 計測方法

計測領域：カメラの設置位置から長さ 150mの 2車線を設定した c 渋滞の判定：低速走行車両は渋滞中にあると見なした。

渋滞の途中が動いており、その後に渋滞が続いてレヽる場合には最遠の渋滞位置を渋滞末尾とした。

渋滞位置を 1秒毎に出力し、 5分間毎の渋滞長のピーク値の平均値を計測した。この平均値を計測値のピーク値の平均値とする。

( C ) 計測評価の基準

渋滞計測精度を以下の式に基づいて算出した。但し、真値のピーク値の平均値とは、信号サイクル毎に渋滞長のピーク値を求め、その 5分間毎のピ一ク値の平均値を示す。

渋滞計測精度（％) = (計測値のピーク値の平均渋滞長（m) ÷

真値のピーク値の平均渋滞長（m) } X 100 … (iii)

(D) 精度評価

上記①〜⑥の環境時における渋滞計測精度の結果は以下のうであつた。

①： 95.4% ②： 96.4% ③： 98.6% ②： 95.5% ⑤： 98.2% ⑥： 95.7%

何れの環境下においても、ほぼ真値どおりに渋滞状況を計測できており、渋滞長のピーク値も 95%以上の計測精度が得られた。 (大阪での計測結果）

(A) 計測条件

場所：枚方の国道 1号出屋敷南交差点

環境：天候（晴れ、雨）、時間帯（昼間、薄暮、夜間）の点を考慮して次の 5つの異なる環境で行った。

(1) 8月 30日 20:45〜21 : 15 (夜間、雨）

(2) 8月 31日 10:20〜10:50 (昼間、雨）

(3) 9月 4日 1 1 :00〜11 :30 (昼間、晴）

(4) 9月 4日 18:20〜18:50 (薄暮、晴）

(5) 9月 4 S 19:30〜20:00 (夜間、晴）

( B ) 計測方法

計測領域：カメラの設置位置から長さ 100mの 2車線を設定した - 渋滞の判定：低速走行車両は渋滞中にあると見なした- 渋滞の途中が動いており、その後に渋滞が続いている場合には最遠の渋滞位置を渋滞末尾とした。

渋滞位置： 2車線のうち、よりビデオカメラ近くに発生し渋滞位置渋滞先頭位置とし、よりビデオ力メラ遠くに発生した渋滞位置を渋滞末尾位置とした。

渋滞位置の出力値はカメラ位置からの距離に対して、次のようにした。

カメラ位置からの距離 X (m ) 出力値（m)

0 < X≤10 10 10< x≤20 20 20 < x≤30 30 30ぐ x≤40 40 40 < x≤50 50 50< x≤60 60 60 < x≤75

75 < x≤100 10C 渋滞位置を 1秒毎に出力した ₍

( C ) 真値の計測

8月 30日、 31日においては、ビデオカメラ位置から 10、 20、 30、 40、 50、 60、 100m地点の渋滞位置の真値をカメラ面像から目視計測した

9月 4日においては、 50、 75 、 100m地点に計測員を配置して渋滞位置の真値を計測し、ビデオカメラ位置から 10、 20、 30、 40、 60ιτι地^の渋滞位置の真値をカメラ画像から目視計測した。

( D ) 計測評価の基準

本発明の手法による計測値と上述の手法による真値とについて、以下の式にて総停止時間を求め、その比を渋滞計測精度として算出した。

総停止時間（m，秒） =渋滞長 (m) X時間（秒）

= {渋滞末尾位置（m) —渋滞先頭位置（ ) }

X時間（秒） … （IV)

渋滞計測精度 (%) = {計測値の総停止時間（m ·秒） ÷

真値の総停止時間（ '秒） · Ο

… (ν)

( Ε ) 精度評価

上記 (1)〜(5)の環境時における計測値の総停止時間（a) 、真値の総停止時間（b) 、渋滞計測精度 (c) の結果は以下のようであつたし

(a) (m ·秒） (b) (m ·秒） (c) (%)

(1) 42350 43775 96.7

(2) 36620 37135 98.6

(3) 38755 39030 99.3

(4) 45940 46695 98.4

(5) 44690 46465 96.2

何れの環境下においても、ほぼ真値どおりに渋滞状況を計測できており、総停止時間も 96° /。以上の計測精度が得られた。

以上のように、何れの場合にあっても、精度評価の結果が示すように、計測地点、時間帯、天候及び交通量に関わらず、安定した渋滞長、渋滞位置の計測を行えている。

(第 2の実施例）

本発明に係る交通渋滞計測方法および装置を採用した交通管制システムの第 2の実施例を、第 2 0図から第 4 5図を参照しつつ以下に詳細に説明する。

第 2 0図に示すように、交通管制システムの第 2の実施例は、ビデオカメラ 8 1、渋滞計測装置 8 2、情報表示板 9 1、表示制御装置 9 2および交通管制センター内の中央制御装置 1 0 0により構成される。ビデオカメラ 8 1 同士は互いに所定の間隔で高速道路上に配置されている。また、各ビデオ力メラ 8 1は、第 2 1図に示すように、車両の進行方向上流側から下流側に向けて配置、すなわち、車両の後面サイドを撮影するように配置されている _£ このようにビデオカメラの向きを設定すると、渋滞範囲の末尾位置をり正確に計測することができる：逆に、渋滞範囲の開始位置をより正確に計測するためには、ビデオカメラを車両の進行方向下流側から上流側に向て配置、すなわち、車両の前面サイドを撮影するように配置すればよい _c 情報表示板 9 1は、ビデオカメラ 8 1よりも車両進行方向上流側の高速道路上に、車両進行方向上流側に向けて配置されている。渋滞計測装置 8 2 は、第 3図に示した第 1の実施例の渋滞計測装置 2 1〜2 4と同様な構成になっているので、重複説明をさけるため、ここではその説明は省略するが、計測を実行するための各種プログラムや初期設定値は、第 1実施例のものとは勿論異なるものである。本実施例の渋滞計測装置 8 2は、第 2 1図;こ示される空間計測領域 E、交通流計測領域 Fの渋滞状況を計測するものである。交通流計測領域 Fは、ビデオカメラ 8 1から車両の進行方向に 1 0 m離れた位置から、車両の進行方向に 3 O mの位置までの 4車線分の範囲に相当する。また、この交通流計測流域 Fでは、車両の識別とともに、感知ライン D L上の車両の通過台数、速度、車長、車種等、通過台数、を計測することができる。この交通流計測領域 Fでの計測手法については、特開平 5— 3 0 7 6 9 5号公報に記載されているので、ここでは、その説明は省略する。

一方、空間計測領域 Eは、ビデオカメラから車両の進行方向に 1 O m離れた位置から、車両の進行方向に 2 0 O mまでの 2車線分の範囲に相当する。この空間計測領域 Eにおける計測手法は、以下に詳述されるが、空間密度、空間速度、渋滞末尾位置を計測するためのものである。

渋滞計測装置 8 2の計測結果は、交通管制センタ一の中央制御装置 1 0 0 に送信される。中央制御装置 1 0 0では、受信した計測結果に基づいて、高速道路上のドライバ一にとつて有益となる交通情報を作成して、表示制御部 9 2に送信し、情報表示板 9 1に交通情報が表示されるようになって'、' "る。ここで、上述のように構成される渋滞計測装置 8 2により実行される空間密度の算出方法を、まず、第 2 2図に示されるステップ P 1〜P 1 6のフコ —チャートに従って、概略的に説明する。

ステップ P 1で、時刻 t nにおけるサンプル点画像を作成するとごもに、画像内にサンプルラインを設定する。その作成方法については、前述の第 1 の実施例のサンプル点画像と同様であり、重複説明を避けるため、ここではその説明は省略する。サンプルラインは、道路横断方向に並ぶ車線幅分のサンプル点により構成される。第 2 4図は、サンプル点画像上におけるサンプル点とサンプルラインとの関係を示している。

また、ステップ P 1に続くステップ P 2 、 P 3もそれぞれ、前述の第 7図のステップ S 2 c 、 S 2 dと同様の処理であり、重複説明を避けるため、ここでの説明は省略する。

ステップ P 4およびステップ P 5のそれぞれで、差分画像に基づいて、差分サンプルラインおよびエッジサンプルラインをそれぞれ検出する：ステツプ P 6では、' ステップ P 4およびステップ P 5でそれぞれ検出され差分サンプルラインおよびエッジサンプルラインに基づいて、存在サンプルラインを検出する。ステップ P 6に続くステップ P 7では、存在サンプルラインの配置に基づいて存在サンプルラインを補正し、ステップ P 8では、ステップ P 4で検出された差分サンプルラインの配置に基づいて、存在サンプルラインを補正する。

ステップ P 9では、時刻 t n、時刻 t n— ct m、時刻 t n + mのサンプル点画像に基づいて、移動サンプルラインを検出する。ステップ？ 1 0では、移動サンプルラインの配置に基づいて、存在サンプルラインを補正する。

ステップ P 1 1では、計測領域を複数のメッシュに分割し、ステップ P 1 2では、ステップ P 1 0で補正された存在サンプルラインに基づいて、時刻 t nにおけるメッシュ毎の空間密度を算出する。

ステップ P 1 3では、時刻 t nの計測領域における大型車両の混入率を算出し、ステップ P 1 4で、時刻 t nの計測領域における車間距離を算出し、ステップ P 1 5で、大型車の混入率および車間距離に基づいて、空間密度を補正する。

ステップ P 1 6で、 n— n +1として、ステップ P iに戻る _c 「 r 、正^ 整数であり、； t n+1— t n Uま一定である _c したがって、上記ステップ P l 〜 P 16の各手順は一定の時間間隔で繰り返される。

第 23図は、上記ステップ P 1〜P 1 5における検出結果あるいは算出結果の概略的な関係を示す図である。これら検出結果あるいは算出結果の詳細は、後述する各ステップ P 1〜P 15の詳細な説明により明らかになる _c

次に、第 22図のステップ P 4の差分サンプルラインの検出手順の第 1例を、第 25図に示すステップ P 4 a〜P 4 jのフローチャートに従って、以下に詳説する。

ステップ P 4 aで、 M個のサンプル点からなる k番目のサンプルラノンのビデオカメラからの距離に基づいて、正の閾値 TH 1、負の閾値 TH 2および正の整数閾値 TH 3を設定する。ステップ P 4 bで、 k番目のサンプルラィンの m番目のサンプル点の輝度差分値が、 TH 1より大か否かが判別される。ここで、輝度差分値は、第 22図のステップ P 2で算出された差分画像の各サンプル点の値を指す。

ステップ P 4 bでの判定が「YE S」であれば、ステップ P 4 dに進み、ステップ P 4 bでの判定が「NOj であれば、ステップ P 4 cに進む。ステップ P 4 cでは、 k番目のサンプルラインの m番目のサンプル点の輝度差分値が TH2より小さいか否かを判定する。ステップ P 4 cでの判定が「YE S」であれば、ステップ P 4 dに進み、ステップ P 4 cの判定が「NO」であれば、ステップ P 4 f に進む。

ステップ P 4 dでは、 k番目のサンプルラインの m番目のサンプル点のフラグを「ON」にして、ステップ P4 eに進む _e ステップ P 4 eとステップ P 4 f により、ステップ P 4 b〜P 4 dの動作が、 m = Mになるまで繰り返される。この繰り返しにより、 k番目のサンプルラインの全てのサンプル点の輝度差分値について、正の閾値 TH1より大か、あるいは、負の閾値 TH 2より小かが判別される。

ステップ P 4 gでは、 k番目のサンプルラインの「ON」のフラグ数が T H3より大か否かを判定する。ステップ P 4 gでの判定が「YE S_ であれば、ステップ P 4 hに進み、 k番目のサンプノレラインを、差分サンブルラインとして検出する。ステップ P 4 gの判定が「NO」であれば、ステップ P 4 jに進み、 mを 1に戻し、 kを k+ 1に置き換える。ステップ P 4 i とステツプ P 4 jにより、ステップ P 4 a〜P 4 hの動作が、 k -Kになるまで繰り返される。ここに Kは計測領域内の 1車線分のサンプルライン数を表す。この繰り返し動作により、計測領域の一車線分の全ての差分サンプルラインが検出される。

ステップ P 4 aにおける正の閾値 TH 1は、ビデオカメラから遠い位置のサンプルラインに対応するものほど小さく、逆に負の閾値 TH 2は、ビデオカメラから遠い位置のサンプルラインに対応するものほど大きくなるうに設定するとよい。これは、これは、ビデオカメラから遠い位置では近、'、位置に比べて画像がぼやけ、車両と背景との輝度差が小さくなるからである。このようにビデオ力メラからの距離に応じて T H 1、 TH 2を設定することにより、ビデオカメラからの距離に影響されることなく、どの位置でも同程度の精度で差分サンプルラインを検出することができる。ステップ P 4 aにおける正の整数閾値 TH 3は、輝度差の変化が少ないビデオカメラから遠い領域では小さくし、輝度差の変化が大きいカメラから近い領域では逆に大きくする。このようにすることにより、カメラからの距離に影響されることなく、すべての領域において同程度の検出レベルで差分サンプルサン 7ルラノンを検出することが可能になる。

次に、第 22図のステップ P 4の差分サンプルラインの検出手順の第 2例を、第 26図に示すステップ P 4 A〜P 4Hのフローチ一' に ¾つて、以下に詳説する。

ステップ P 4 Aで、 k番目のサンプルラインのビデオカメラからの位置に基づいて、第 1、第 2の正の閾値 TH1、 TH2と、第 1、第 2の負の閾値 TH3、 TH 4を設定する。なお、 TH4く TH3く 0く TH 1く TH2である。このように閾値を、正負を分けて設定するのは、以下の理由による。すなわち、各サンプルラインに含まれるサンプル点の輝度差分値は、王の値のものあれば、負の値のものもある。これを、正、負の区別なく処理しょうとすると、正、負の輝度差分値同士の相殺が生じたりノイズを拾い易くなつたりして、これらの影響により誤検出し易くなる。このような誤検出を避けるために、上述の閾値を正、負に分けて、正の輝度差分値と負の輝度差分値を別に処理するようにしている

ステップ P 4 Bでは、 k番目のサンプルラインのサンプル点のうち、第 1 の正の閾値 TH 1より大きなサンプル点の輝度差分値の平均値 PMを算出する。 P 4 Cでは、 k番目のサンプルラインのサンプル点のうち、第 iの負の閾値 TH 3より小さなサンプル点の輝度差分値の平均値 NMを算出する。ステップ P 4 Cからステップ P Dに進み、平均値 PMが第 2の正の閾値 TH 2より大か否かが判定される。ステップ P 4 Dでの判定が「YE S」であれば、ステップ P 4 Fに進み、ステップ P 4 Dでの判定が「NO」であれば、ステップ P 4 Eに進む。ステップ P 4Eでは、平均値 NMが第 2の負の閾値 TH4より小か否かが判別される。ステップ P 4 Eでの判定が「YE S」であれば、ステップ P 4 Fに進み、 k番目のサンプルラインを差分サンプルラインとして検出する。ステップ P 4 Eの判定が「NO」であれば、ステツプ P 4Hに進み、 kを k丄 1に置き換える。ステップ P 4Gとステップ P4Hにより、ステップ P 4 A〜P 4 Fの動作が、 k-Κになるまで繰り返される。この繰り返しにより、計測領域の一車線分の全ての差分サンプルラインが検出される。

ステップ P 4 Aにおける正の閾値 TH 1、 TH2は、ビデオカメラから遠い位置のサンプルラインに対応するものほど小さく、逆に負の閾値 TH 3、 TH 4は、ビデオカメラから遠い位置のサンプルラインに対応するものほど大きくなるように設定するとよレ、。このようにビデオカメラからの距離に応じて TH 1〜TH 4を設定することにより、ビデオカメラからの距離に影響されることなく、どの位置でも同程度の精度にて差分サンプルラインを検出することができる。

次に、第 22図のステップ P 5のエッジサンプルラインの検出手順の第 i 例を、第 27図に示すステップ P 5 a〜P 5 kのフローチヤ一卜に従って、以下に詳説する。

ステップ P 5 aで、第 22図のステップ P 2で算出された差分画像を車両進行方向にソ一ベル微分子で空間微分して、各サンプル点の空間微分値を算出する。ステップ P 5 bでは、 k番目のサンプルラインのビデオカメラからの位置に基づいて、正の閾値 TH 1、負の閾値 TH2、正の整数閾値丁 H 3 を設定する。

ステップ P 5 bに続くステップ P 5 cでは、 k番目のサンプルラインの m 番目のサンプル点の空間微分値が T H 1より大か否かが定される- ステツプ P 5 cでの判定が「YES」ならば、ステップ P 5 eに進み、ステップ P 5 cでの判定が「NO」であれば、ステップ P 5 dに進む：ステップ？ 5 d では、 k番目のサンプルラインの m番目のサンプル点の空間微分値が 'Γ H 2 より小か否かが判定される c ステップ P 5 dでの判定が「YE S」であれば、ステップ P 5 eに進み、ステップ P 5 dでの判定が「NO」であれば、ステップ P 5 gに進む。

ステップ P 5 cあるいはステップ P 5 dからステップ P 5 eに進むと、 k 番目のサンプルラインの m番目のフラグを「ON」にして、ステップ P 5 f に進む。ステップ P 5 f とステップ P 5 gにより、ステップ 50〜 56 の動作が、 m = Mになるまで繰り返される。この繰り返しにより、 k番目のサンプルラインの全てのサンプル点の空間微分値について、 IEの閾値 TH 1 より大力、、あるいは、負の閾値 TH 2より小かが判定される _c

ステップ P 5 f からステップ P 5 hに進むと、 Γ〇Ν」のフラグ数が正の整数閾値 ΤΗ 3より大か否かが判別される。ステップ Ρ 5 r:での判 ^が —Y ES」であれば、ステップ P 5 iに進み、 k番目のサンブルラインをエッジサンプルラインとして検出する。ステップ P 5 hでの判定が「NO」であれば、ステップ P 5 kに進み、 mを 1に戻し、 kを k+ 1に置き換える。ステップ P 5 j とステップ P 5 kにより、ステップ P 5 b〜P 5 iの動作が、 k =Kになるまで繰り返される。この繰り返しにより、計測領域の一草線分の全てのェッジサンプルラインが検出される。

ステップ Ρ 5 bにおける正の閾値 TH 1は、ビデオカメラから遠い位置のサンプルラインに対応するものほど小さく、逆に負の閾値丁 H 2は、ビデオカメラから遠い位置のサンプルラインに対応するものほど大きくなるうに設定するとよい。このようにビデオカメラからの距離に応じて TH 1、 TH 2を設定することにより、ビデオ力メラカゝらの距離に影響されるこごなく、どの位置でも同程度の精度にてエッジサンプルラインを検岀するこごができる。ステップ P 5 bにおける正の整数閾値 TH3は、輝度差の変化が^ないビデオカメラから遠い領域では小さくし、輝度差の変化が大きいカメラから近い領域では逆に大きくする。このようにすることにより、カメラからの距離に影響されることなく、すべての領域において同程度の検出レベルでエツジサンプルサンプルラインを検出することが可能になる。

次に、第 22図のステップ P 5のエッジサンプルラインの検出手順の第 2 例を、第 28図に示すステップ P 5 A〜P 5 Iのフローチヤ一トに従って、以下に詳説する。

ステップ P 5 Aで、第 22図のステップ P 2で箅出された差分画像を車両進行方向にソーベル微分子で空間微分して、各サンプル点の空間微分値を算出する。

ステップ P 5 Bで、 k番目のサンプルラインのビデオカメラからの位置に基づいて、第 i、第 2の正の閾値 TH1、 TH2、第 1、第 2の負の閾値 T H3、 TH4を設定する。なお、なお、 TH4く TH3く 0く TH 1く TH 2である。このように閾値を、正負を分けて設定するのは、以下の理由による。すなわち、各サンプルラインに含まれるサンプル点の空間微分値は、正の値のものあれば、負の値のものもある。これを、正、負の区別なく処理しようとすると、正、負の空間微分値同士の相殺が生じたりノイズを拾い易くなったりして、これらの影響により誤検出し易くなる- このような誤検出を避けるために、上述の閾値を正、負に分けて、正の空間微分値と負の空間微分値を別に処理するようにしている _c

ステップ P 5 Cでは、 k番目のサンプルラインのサンプル点のうち、第 1 の正の閾値 TH 1より大きなサンプル点の空間微分値の平均値 PMを算出する。 P 5Dでは、 k番目のサンプルラインのサンプル点のうち、第 1の負の閾値 TH 3より小さなサンプル点の空間微分値の平均値 NMを算出する。ステップ P 5 Dからステップ P 5 Eに進み、平均値 PMが第 2の正の閾値 TH 2より大か否かが判別される- ステップ P 5 Eでの判定が「YE S」であれば、ステップ P 5 Gに進み、ステップ P 5 Eでの判定が「N〇― であれば、ステップ P 5 Fに進む。ステップ P 5 Fでは、平均値 NMが第 2の負の閾値 TH 4より小か否かが判定される。ステップ P 5 Fでの判定が「YE SJ であれば、ステップ P 5 Gに進み、 k番目のサンプルラインを差分サンプルラインとして検出する。ステップ P 5 Fでの判定が ΓΝΟ」であれば、ステップ Ρ 5 Ιに進み、 kを k十 1に置き換える。ステップ P 5Hごステツプ P 5 1により、ステップ P 5 B〜P 5 Gの動作が、 k=Kになるまで繰り返される。この繰り返しにより、計測領域の一車線分の全てのエッジサンプルラインが検出される。

ステップ P 5 Bにおける正の閾値 TH 1、 TH2は、ビデオカメラから遠い位置のサンプルラインに対応するものほど小さく、逆に負の閾値 TH 3、 TH4は、ビデオカメラから遠い位置のサンプルラインに対応するものほど大きくなるように設定するとよい。このようにビデオ力メラからの距離に応じて TH 1〜TH 4を設定することにより、ビデオカメラからの距離に影響されることなく、どの位置でも同程度の精度でエッジサンプルラインを検出することができる。

第 22図のステップ P 6における存在サンプルラインは、以下のようにして検出する。すなわち、第 2 2図のステップ P 4で検出された差分サンブルラインと、ステップ P 5で検出されたエッジサンプルラインのうちの少、なくとも一方のサンプルラインであれば、そのサンプルラインを存在サンプルラインとして検出する。

次に、第 2 2図のステップ P 7の存在サンプルラインの配置に基づいた存在サンプルラインの補正手順を、第 2 9図に示すステップ？ 7 a〜P 7 mのフローチャートに従って、以下に詳説する。この存在サンプルラノンの配置に基づいた存在サンプルラインの補正は、前半のステップ P 7 a〜ステップ P 7 eが車体範囲内における、存在サンプルラインの検出漏れを補正するための処理であり、後半のステップ P 7 g〜P 7 mが車体範囲外の存在サンプルラインの誤検出を補正するための処理である。

ステップ P 7 aで、 k番目と k— 1番目の存在サンブルラインのビデオ力メラからの位置に基づいて、閾値 T H 1を設定する。ステップ P 7 cで、 k 番目と k + 1番目の存在サンプルライン間に存在するサンプルラインの数をカウントする _c

ステップ P 7 bに続くステップ P 7 cで、カウントされたライン数が T H 1より小か否かが判定される。ステップ P 7 cでの判定が「Y E S」であれば、ステップ P 7 dに進み、 k番目と k十 1番目の存在サンプルラノンの間のサンプルラインを存在サンプルラインとして追加する。ステップ P 7 cでの判定が「NO」であれば、ステップ P 7 f に進み、 kを k + 1に置き換える。ステップ P 7 eとステップ P 7 f により、ステップ P 7 a〜P 7 dの動作が、 k = Kになるまで繰り返される。この繰り返しにより、計測領域の一車線分の全ての存在サンプルラインに対して、第 2 2図のステップ P 6で検出された存在サンプルラインの配置に基づいた存在サンプルラインを追加する補正がなされたことになる。

例えば、第 2 2図のステップ P 6で、第 3 0図の（a ) に示丁ような配置で存在サンプルラインが検出された場合、 k番目と k + 1番目の存在サンプルラインの間のサンプルラインの数は以下のようになる。上から 1番目と 2 番目の存在サンプルラインの間と、 2番目と 3番目の存在サンプルラインの間とには 0個のサンプルライン、 3番目と 4番目の存在サンプルラインの間の領域 L 1には 2個のサンプルライン、 4番目と 5番目の存在サンブルラインの間には 0個のサンプルライン、 5番目と 6番目の間の存在サンプルラインの間の領域 L 2には 5個のサンプルライン、 6番目と 7番目の存在サンプルラインの間には 7個のサンプルライン、 7番目と 8番目の存在サンプルラィンの間と、 8番目と 9番目の存在サンプルラインの間には 0個のサンプルラインがそれぞれ存在する。したがって、ステップ P 7 bで閾値 TH 1を T H I =3=—定に設定した場合、第 30図の（a) および（b) に示すように、領域し 1のサンプルラインのみが存在サンプルラインとして追加される。

再び第 29図において、ステップ P 7 eからステップ P 7 gに進むご、存在サンプルラインを、他のサンプルラインを含まないで連続した存在サンプルラインからなる複数のライングループに分類する。ステップ P 7 hで、各ライングループのビデオカメラからの位置に基づいて、閾値 TH 2を設定する。ステップ P 7 iでは、 r番目のライングループに含まれる存在サンプルラインの数を算出する。

ステップ P 7 iに続くステップ P 7 jでは、カウントされた存在サンプルラインの数が、 TH2より小か否かが判定される。ステップ P 7 〗での判定力；「YE S」であれば、ステップ P 7 kに進み、 r番目のライングループに含まれる全ての存在サンプルラインを除去する。ステップ P 7 jでの判定が「NO」であれば、ステップ P 7mに進み、 rを Γ + lに置き換える- ステップ P 7 1 とステップ P 7mにより、ステップ P 7 g〜P 7 kの動作が、 r =Rになるまで繰り返される。なお、 Rは計測領域の 1車線分に含まれるライングループの総数である。この繰り返し動作により、計測領域の一萆線分の全ての存在サンプルラインに対して、 P 7 dで補正された存在サンプルラィンの配置に基づいて存在サンプルラインを除去する補正がなされたことになる。

ステップ P 7 d終了後に、第 3 0図（b ) に示すような配置で存在サンプルラインが検出された場合、 r番目のライングループの存在サンプルラインの数は以下のようになる。領域 L 4で示される 1番目のライングループには 7個の存在サンプルライン、領域し 5で示される 2番目のライングループには、 1個の存在サンプルライン、領域 L 6で示される 3番目のライングループには、 3個の存在サンプルラインがそれぞれ存在している。したがって、ステップ P 7 hで閾値 T H 2を T H 2 = 3 =一定に設定しておけば、第 3 0 図の（b ) および（c ) に示すように、領域 L 5のライングループの存在了ンプルラインが除去される。

ステップ P 7 a、 P 7 hにおける閾値 T H 1、 T H 2は、画像上に描写される平均的な車両の長さの 1 4に相当するサンプルライン数に一致させるとよレ、。このため、閾値 T H 1、 T H 2は、ビデオカメラから遠い領域では車両が小さい像として得られるので、小さくし、ビデオカメラから近い領域では、車両が大きい像として得られるので、大きくする = このようにすることにより、カメラからの距離に影響されることなく、すべての領域において同程度の精度で存在サンプルラインを追加あるいは削除する補正処理をすることができる。

次に、第 2 2図のステップ P 8の差分サンプルラインの配置に基づいた存在サンプルラインの補正手順の 1例を、第 3 1図に示すステップ P 8 _£〜P 8 iのフローチャートに従って、以下に詳説する。この差分サンプルラインの配置に基づいた存在サンプルラインの補正は、建物や車両等の影を誤って車両が存在していると認識して検出された存在サンプル点を除去するための処理である。詳しくは、上述の差分サンプルラインは、時刻のサンプル点画像と基準輝度画像との輝度差から単純に検出されるので、車両の影の範囲や、日差しの急激な変化により突然現れた建物の影の範囲 < ンが誤って存在サンプルラインとして検出されることになる。したがって、差分サンプルラインの配置から建物や車両の影によって生じる誤検 ώを補正する必要がある。

ステップ Ρ 8 aで、エッジサンプルラインを含まないで連続する差分サンプルラインからなるライングループを検出する。ここで、エッジケンプルラインを含まないライングループを特定するのは、下記の理由による：一般的に影の範囲はエッジが検出され難く、また影の範囲のサンブル点の輝度値も相対的に小さいため、通常、エッジサンプルラインが検出されない- このため、ニッジサンプルラインが検出された領域は影が存在してレ、ないとみなすことができるからである。ステップ P 8 で、 k番目のライングループのビデオカメラからの位置に基づいて、閾値 T H 1、 T H 2を設定する：ステップ P 8 cで、 k番目のライングループに含まれる差分サンプルラインの数をカウントする。

ステップ P 8 cに続くステップ P 8 dで、カウントされたライン数が閾値 T H 1より大か否かが判別される。ステップ P 8 dでの判定が「Y E S」であれば、ステップ P 8 eに進み、 k番目のライングループの各差分サンプルラインに位置的に対応する時刻 t nのサンプル点画像上の各サンブルライン内のサンプル点の輝度値の平均値 B Mを算出する。ステップ P 8 dでの^定「N O」であれば、ステップ P 8 iに進み、 kを k + 1に置き換える。ステップ P 8 eからステップ P 8 f に進むと、上記 B Mが閾値 T H 2より小か否かが判別される。ステップ P 8 f での判定が「Y E S j であれば、ステツブ P 8 gに進み、 k番目のライングノ！ ^一プの差分サンプルライン:こ位置的に対応する存在サンプルラインを除去する。ステップ P 8 ίでの判定が「Ν Ο」であれば、ステップ Ρ 8 iに進み、 kを k T lに置き換える：ステップ P 8 hとステップ P 8 iにより、ステップ P 8 b〜P 8 gの動作が、 k = Kになるまで繰り返される。この繰り返しにより、計測領域の一車線分の全ての存在サンプルラインに対して、差分サンプルラインの配置に基づいて存在サンプルラインを除去する補正がなされたことになる：ステップ P 8 bにおける閾値 T H 1は、画像上に描写される平均的な車両の長さの 1 4に相当するサンプルライン数に一致させるとよい。このため、閾値 T H 1は、ビデオカメラから遠い領域では車両が小さい像として得られるので、小さくし、ビデオカメラから近い領域では、車両が大きい像として得られるので、大きくする。またステップ P 8 bにおける閾値 T H 2 は、ビデオカメラから遠い領域のものほど小さくするように設定するとよレ、。これは、ビデオカメラから遠い位置では近い位置に比べて画像がぼやけ、車両と背景との輝度差が小さくなるからである _e このようにビデオカメラからの距離に応じて T H 1、 T H 2を設定することにより、ビデカメラからの距離に影響されることなく、どの位置でも同程度の精度にて存在サンプルラインを除去することができる。

次に、第 2 2図のステップ P 9の移動サンプルラインの検出手順の 1例を、第 3 2図に示すステップ P 9 a〜P 9 gのフローチャートに従って、以下に詳説する。

ステップ P 9 aで、移動サンプル点を検出する。この移動サンプル点の検出手順は、前述の第 1の実施例の第 1 0図に示された検出手順と同じであり、重複説明を避けるため、ここではその説明を省略する：

ステップ P 9 bでは、 k番目のサンプルラインのビデオカメラからの位置に基づいて、閾値 T H 1を設定する。ステップ P 9 cでは、 k番目のサンプルラインに含まれる移動サンプル点の数をカウントする。

ステップ P 9 cに続くステップ P 9 dでは、カウントされた移動サンプル点数が閾値 T H 1より大か否かが判別される。ステップ？ 9 dでの判定が「Y E S」であれば、ステップ P 9 eに進み、 k番目のサンプルラノンを移動サンプルラインとして検出する。ステップ P 9 dでの判定が「N〇- であれば、ステップ P 9 gに進み kを k T 1に置き換える。ステップ P 9 f とステツプ P 9 gにより、ステップ P 9 'り〜 P 9 eの動作が、 k = Kになるまで繰り返される。この繰り返しにより、計測領域の一車線分の移動サ.

ィンが全て検出される。

ステップ P 9 bにおける閾値 T H 1は、ビデオカメラから遠い領域のものほど小さくなるように設定するとよいこのようにビデオカメラからの距離に応じて T H 1を設定することにより、ビデオカメラからの距離に影響されることなく、どの位置でも同程度の精度で移動サンプルラインを検出することができる。

次に、第 2 2図のステップ P 1 0の移動サンプルラノンの配置に基づいた存在サンプルラインの補正手順の 1例を、第 3 3図に示すステップ P I 0 a 〜P 1 0 gのフローチャートに従って、以下に詳説する。この移動サンブルラインの配置に基づいた存在サンプルラインの捕正は、第 2 9図のステップ P 7 a〜P 7 f で補正されなかった、車体範囲内の存在サンプルラインの検出漏れを補正するための処理である。詳しくは、基準輝度画像とのコントラストが小さく、車体範囲内での輝度変化の小さい車両が道路上に存在している場合には、この車両の存在は差分サンプルラインやエッジサンプルラインとして検出され難く、また上記のステップ P 7 a〜P 7 f の処理では補正されない。このような車両の存在は、移動サンプルラインによって検できることがあり、移動サンプルラインの配置に基づいて、存在サンブルラインの検出漏れを補正する。

ステップ P 1 0 aで、 k番目と k + 1番目の存在サンプルラインのビデオカメラからの位置に基づいて、閾値 T H 1、 T H 2を設定する。ただし、 T H Iく T H 2である。このステップ P 1 0 aで設定される閾値 T H 1；ま、第 2 9図のステップ P 7 aで設定される閾値 T H 1と一致させる：このように設定するのは、ステップ P 1 0 a〜P 1 0 gでの処理の補正対象のサンプルラインを、ステップ P 7 aから P 7 f での処理の補正対象から外れたものだけに限定するためである。この結果、無駄な処理や補正漏れを防 itするこができる。ステップ P 1 0 bで、 k番目と k+ 1番目の存在サンプルライン間に存在するサンプルラインの数をカウントする。ステップ P 1 0 cでは、カウントされたライン数が TH 1以上かつ、 TH 2より小か否かが判定される。ステップ P 1 0 cでの判定が「YE S」であれば、ステップ？； L 0 dに進み、ステツプ P 1 0 cでの判定が「NO」であれば、ステップ P 1 0 gに進む _c ステップ P I 0 cからステップ P l O dに進むと、 k番目と k+ 1番目の存在サンプルラインの間に、移動サンプルラインが存在するか否かが判定される。ステップ P 1 0 dでの判定が「YES」であれば、ステップ P l O e に進み、 k番目と k + 1番目の存在サンプルラインの間の移動サンプルラインを含むサンブルラインを、存在サンプルラインに追加する。ステップ P 1 0 dでの判定が「NO」であれば、ステップ P 1 0 gに進み、 kを k十 1に置き換える。ステップ P 10 f とステップ P 1 0 gにより、ステップ P 1 0 a〜P 1 0 eの動作が、 k =Kになるまで繰り返される。この繰り返しにより、計測領域の一車線分の全ての存在サンプルラインに対して、移動サンプルラインの配置に基づいて、存在サンプルラインを追加する補正がなされたことになる。

例えば、第 22図のステップ Ρ 8、 Ρ 9のそれぞれで、第 34図の（a) に示すような配置の存在サンプルラインおよび移動サンプルラインが得られた場合、 k番目と k+ 1番目の存在サンプルラインの間のサンブルラインの数は以下のようになる。上から 1番目〜 7番目の隣接する二つの存在サンプルラインのそれぞれの間には 0個のサンプルライン、 7番目と 8番目の存在サンプルラインの間の領域 L 7には 3個のサンプルライン、 8番目〜 i 0番目の隣接する二つの存在サンプルラインのそれぞれの間には 0個のサンプルライン、 i 0番目と 1 1番目の存在サンプルラインの間の領域 L 8 6個のサンプルライン、 1 1番目〜 14番目の隣接する二つの存在サンプルラインのそれぞれの間には 0個のサンプルラインが存在している。一方、領域し 7には 1個の移動サンプルライン、領域 L 8には 0個の移動サンブルラインがそれぞれ存在している。したがって、ステップ P 1 0 aで閾値 TH 1、 T H 2を TH 1 = 3 =—定、 TH 2 = 5 =—定に設定した場合、第 3 4図の (a ) および（b) に示すように、領域 L 7のサンプルラインが存在サンプルラインとして追加される。

ステップ P 1 0 aにおける閾値 TH 1、 TH 2は、それぞれ画像に描写される平均的な車両の長さの 1 4、 1Z2に相当するサンプルライン数に一致させるとよい。このため、閾値 TH 1、 TH 2は、ビデオカメラから遠い領域では車両が小さい像として得られるので、小さくし、ビデオ刀メラから近い領域では、車両が大きい像として得られるので、大きくする：このようにすることにより、カメラからの距離に影響されることなく、すべての領域において同程度の精度にて存在サンプルラインを補正することができる。第 2 2図のステップ P 1 1におけるメッシュは、第 3 5図に示される。このメッシュは、ビデオカメラからの距離が近くなるにつれて、縦サノズが大きくなるように設定されている。このようにメッシュサイズをビデオカメラからの距離に応じて設定することにより、各メッシュで指定される実際の道路上の各領域のサイズを同程度にすることができる。

第 2 2図のステップ P 1 2おける各メッシュの空間密度は、下記の弍で算出される。

D (m) =P S L (m) /Ύ S L (m) … (vi) ここに、 D (m) は m番目のメッシュの空間密度、卩しは！！！番目のメッシュに含まれる存在サンプルラインの数、 T S L (m) は、 m番目のメッシュに含まれるサンプルラインの総数である。第 3 5図に示すような配置で存在サンプルラインが求められた場合、メッシュ Mlの空間密度は 3 3¾、メッシュ M 2〜M4の空間密度は 1 0 0 %、メッシュ M 5の空間密度は 7 5 %、メッシュ M 6の空間密度は 0 %、メッシュ \ 7の空間密度は 8 0 %となる。

第 2 2図のステップ P 1 3おける大型車の混入率は、以下のような手法で算出する。

ます、 5分または 1 0分間の単位時間内での第 2 1図に示す交通流計測領域 Fでの大型車両の混入率 R tを次式により箅出する。

ここに、 N_Lは、第 2 1図の感知ライン DLを通過した大型車両台数、 Ν_τ は、感知ライン DLを通過した全車両台数である。なお、第 2 1図に示す交通流計測領域 Fでは、前述したように、車両の通過台数、車両の大型車、普通車の区別を計測できるので、これらの計測データを利^して、混入率 R ΐ を算出する。

第 22図のステップ Ρ 14おける車間距離は、ビデオカメラからの情報からでは実際に計測するのは困難であるので、実際には、車間距離と比例関係のあると推定される車両の速度あるいは単位時間当たりの通過台数を算出して、これらの算出値を車間距離に相当するものとして利用する

第 22図のステップ Ρ 1 5における大型車両混入率と車間距離に基づく空間密度の補正は、以下の手法でなされる。大型車の混入による補正は、見かけ上の車両存在範囲によって算出された空間密度を補正するための^理である。具体的には、第 36図のハッチング領域で示す車両が大型車両であるとき、車両の実際の存在範囲よりも見かけ上の車両存在範囲が非常に大きくなる。この見かけ上の車両存在範囲により算出された空間密度が補正される：まず、上記単位時間内に交通流計測領域 Fを通過した全車両の平均車高 h a、平均車長 1 aをそれぞれ次式により算出する。

h a =R t X h_L-r (l -R t) X h_s … (viii)

1 a =R t X 1 _L+ ( 1 -R i) X 1 _s … （"）ここに、 h は大型車両の高さ、 h_sは普通車両の高さ、 1 Lは大型車両の長さ、〖 _sは普通車両の長さである。

次に、第 36図のハッチング領域で示す車両による隠れ範囲 1 hを次式により算出する。 1 h = h a XL/ (H— h a) … (x) ここに、 Hはビデオカメラの路面からの高さ、 Lはビデオカメラから車両の先端位置までの距離である。

上記 1 h、 1 aにより、見かけ上の車両存在範囲を実際の車両存在範囲に補正するための補正率 R eを次式により算出する。

Re = l a/ ( l a + l h) … (xi)

なお、第 21図に示す交通流計測領域 Fでは、前述したように、車両の通過台数、車両の大型車、普通車の区別、車両の長さ等を計測できるので、これらの計測データを利用して、補正率 Reを算出する。また、補三率 R eによる補正は、交通流計測領域 F以外の空間計測領域 Eの計測結果に利用すればよい。交通流計測領域 Fでは、個々の車両の車長を直接計測することができるので、個々の車両毎に、補正率を算出すればよい。

上記のようにして算出された補正率 Reは、車間距離が長ければ、そのまま使うことができるが、車間距離が短くなれば、すなわち、ビデオカメラで撮影された画像上で車両が重なって見えれば、（Xりで算出された Reをそのまま使うことができず、増加させる必要がある。具体的には、車間距離が長いほど、捕正率 R eを式 (xi)で算出された値に近づけ、車間距離が短くなるほど、補正率 Reを 1に近づける。

空間計測領域 Eにおいては、ビデオ力メラからの情報しか渋滞計測装置は入手することができないため、複数の車両が重なって撮影されるような車間距離が短くなつている場合には、車間距離を計測することができな。このため、上記の車間距離は、直接算出するのではなく、車間距離と比例関係がある計測値、本実施例は、後述の方法で算出される空間速度と交通流計測領域 Fで計測された単位時間当たりの通過台数を車間距離に相当するものとして利用する。具体的には、空間速度が大きいほど、補正率 Reを式 (Xりで算出された値に近づけ、空間速度が小さいほど、補正率 Reを 1に近づける。一方、通過台数が少ないほど、補正率 Reを式 (Xりで算出された値に近づ、通過台数が多いほど、補正率 R eを 1に近づける _c

第 2 2図のステップ P 1 5においては、上記のようにして算出され補正された補正率 R eを、各メッシュの空間密度に乗算することにより、空間密度を補正する。

次に、渋滞計測装置 8 2、 8 4により実行される空間速度の算出万法を、まず、第 3 7図に示されるステップ Q 1〜Q 1 5のフローチヤ一、に従つて、概略的に説明する。

ステップ Q 1で、時刻 t n、 t n + 7の各画像のサンブル点画像を作成する。ステップ Q 2で、各サンプル点画像の各サンプルラインに含まれるサンプル点の輝度値の平均値を算出して、各サンプルラインのライン輝度均値を算出する。

ステップ Q 3で、時刻 t nのサンプル点画像上の移動サンプルラインを検出する。移動サンプルラインは、前述の第 3 2図のフローチャートと同じ手順で検出するので、重複説明を避けるため、ここではその説明を省略する。ステップ Q 4で、時刻 t nのサンプル点画像上での各移動サンプルラインの時刻 t n + yの画像上での移動先を検出する。ステップ Q 5では、移動先が検出された移動サンプルラインの速度を算出する。

ステップ Q 6で、時刻 t nのサンプル点画像を複数のメッシュに分割する。ステップ Q 7で、 k番目のメッシュ内の移動先を追跡することができた移動サンプルラインの平均速度を算出する。ステップ Q 8で、 k番目のメッシュで移動先を追跡することができた移動サンプルライン数の k番目のメッシュに含まれる全サンプルライン数に対する割合を算出する。

ステップ Q 8に続くステップ Q 9で、 k番目のメッシュの移動サンプルラィンの割合が所定の閾値より大か否かが判別される。ステップ Q 9で：判定力；「Y E S」であれば、ステップ Q 1 0に進み、 k番目のメッシュ^の移動サンプルラインの平均速度を、 k番目のメッシュの空間速度として検出する _c ステップ Q 9での判定が「N〇j であれば、ステップ Q l 1に進み、速度 0 km/hを、 k番目のメッシュの空間速度として設定する。

ステップ Q 9からステップ Q 1 2に進むと、 k番目の空間速度を指数平滑ィ匕して、ステップ Q 1 3に進む。ステップ Q 1 3、 Q 1 4により、 k =Kになるまで、ステップ Q 7〜ステップ Q1 2が繰り返される。この結果、時刻 t nのサンプル点画像における各メッシュの空間速度が算出されたこごになる _c

上記のステップ Q 1〜Q 1 5は、所定の時間間隔で繰り返される。上記ステップ Q 1〜Q 1 5で必要な画像データや、検出あるいは算出されるデータの概略的な関係を、第 38図に示す。

次に、第 3 7図のステップ Q 4の移動サンプルラインの移動先を検出する手順の第 1例を、第 39図に示すステップ Q 4 a〜Q4 gのフ口一チヤ一トに従って、以下に詳説する。

ステップ Q 4 aで、時刻 t nのサンプル点画像上の k番目の移動サンブルラインの位置と、時間間隔 7とに基づいて、 k番目の移動サンプルラインの t η + γのサンプル点画像上の予想移動範囲を算出する。ステップ Q 4 b で、時刻 t nのサンプル点画像上の k番目の移動サンプルラインと、時刻 t η+γのサンプル点画像上の予想移動範囲内の各サンプルラインとの輝度値の差を表す輝度差分値の絶対値を算出する。

ステップ Q 4 bに続くステップ Q 4 cで、最小の輝度差分値の絶対値が所定の閾値より小さいか否かが判別される。ステップ Q4 cでの判定が「YE S」であれば、ステップ Q4 dに進み、最小の輝度差分値の絶対値のサンプルラインを k番目の移動サンプルラインの移動先として検出する。ステップ Q4 dでの判定が「NO」であれば、ステップ Q 4 eに進み、 k番目の移動サンプルラインの移動先を無しと検出する _c

ステップ Q 4 dおよびステップ Q 4 eに続くステップ Q 4 ίおよびステツプ Q4 gにより、ステップ Q4 a〜ステップ Q4 eの動作が、 k=K:こなるまで繰り返される。結果的に、時刻 t nのサンプル点画像上の全ての移動サンプルラインの移動先の有無と移動先の位置が検出される。

次に、第 3 7図のステップ Q 4の移動サンプルラインの移動先を検出する手順の第 2例を、第 4 0図に示すステップ Q 4 A〜Q 4 Mのフローチヤ一トに従って、以下に詳説する。

ステップ Q 4 Aで、時刻 t nのサンプル点画像上の k番目の移動サンプルラインの位置と、時間間隔 γとに基づいて、 k番目の移動サンプルラインの t η + τ/のサンプル点画像上の第 1の予想移動範囲を算出する。ステップ Q 4 Βで、第 1の予想移動範囲の 1サンプルライン分前後にずれた範囲を、それぞれ第 2、第 3の予想移動範囲として検出する。

ステップ Q 4 Cで、時刻 t ηのサンプル点画像上の k番目の移動サンプルラインと、時刻 t n + yのサンプル点画像上の第 1の予想移動範囲の m番目のサンプルラインとの輝度値の差を表す輝度差分値の絶対値じ 1を算出する。

ステップ Q 4 Dで、時刻 t nのサンプル点画像上の k番目の移動サンプルラインの直前のサンプルラインと、時刻 t η + γのサンプル点画像上の第 2 の予想移動範囲内の m番目のサンプルラインとの輝度値の差を表す輝度差分値の絶対値 U 2を算出する。

ステップ Q 4 Eで、時刻 ηのサンプル点画像上の k番目の移動サンブルラインの直後のサンプルラインと、時刻 t n屮 γのサンプル点画像上の第 3 の予想移動範囲内の m番目のサンプルラインとの輝度値の差を表す輝度差分値の絶対値 U 3を算出する。

ステップ Q 4 Fで、し ^T l、 U 2、し' 3を加算して輝度差分値の総じを算出する。ステップ Q 4 Gとステップ Q 4 Hにより、 m = .Mになるまで、ステツプ Q 4 C〜ステップ Q 4 Fを繰り返し、第 1、第 2、第 3の予想移動範囲の全てのサンプルラインに対する移動サンプルラインとその前後のサンプルラインとの輝度差分値の計算とその総和処理を実行する：

ステップ Q 4 Iで、総和 U mのうちの最小の U mが閾値より小か否かを判別する- ステップ Q4 Iでの判定が「YE S」であれば、ステップ Q4 Jに進み、最小の総和 Umの第 1の予想移動範囲内の m番目のサンプルラインを、時刻 t nのサンプル点画像上の k番目の移動サンプルラインの移動先として検出する。ステップ Q 4 Iでの判定が「NO」であれば、ステップ Q 4 Kに進み、時刻 t nのサンプル点画像上の k番目の移動サンプルラインの移動先無しと判定する。

ステップ Q4 Lとステップ Q4Mにより、 k =Kになるまで、ステップ Q 4 A〜ステップ Q4Kを繰り返す。この結果的、時刻 t nのサンプル点画像上の全ての移動サンプルラインの時刻 t η + _γの画像上での移動先が検出される _c

ここで、第 4 1図の（a) に示すように、時刻 t nのサンブ /レ点画像上に、移動サンプルライン MV dが検出され、第 1の予想移動範囲は第 4 1図の（b) に示す第 1予想移動範囲 PA 1を得るとすると、 PA2が第 2の予想移動範囲、 P A3が第 3の予想移動範囲になる。上記のステップ Q4 Fで算出される総和 Umのうちの最小の総和に対応する 3つのサンプルラノンが第 4図の（b) の時刻 t n + yのサンプル点画像上の位置 b、 b— 1、 b + 1に位置するサンプルラインであるとき、位置 bのサンブルラノンが移動サンプルライン MV aの移動先となる。

第 3 7図のステップ Q 5における各移動サンプルラインの速度 Vkは、次式により算出される。

ここに、 L aは、時刻 t nのサンプル点画像上の各移動サンプルラノンの車両走行方向における座標位置、 L bは、各移動サンプルラインの時刻 t n -r γのサンプル点画像上の移動先の車両走行方向における座標位置である：第 3 7図のステップ Q 1 2における空間速度の指数平滑化処理は、次式に従ってよつて実行される。

V (m， tn) = ( 1 - θ ) XV (m, tn-l) + Θ X V (-, t π) '·■ (xiii) ここに、 V (m， t n) は、 m番目のメッシの時刻 tでの空間速度、 V (m， tn-1) は、 m番目のメッシュの時刻 tn-1での空間速度、 eは指数係数で 0 < θ < 1である。この空間速度の指数平滑化処理により、ノイズを除去することができる。

次に、渋滞計測装置 8 2により実行される渋滞領域の末尾位置の検岀方法の第 1例を、第 4 2図に示されるステップ Ζ 1〜Ζ 4のフローチヤ一、に従つて以下に説明する。

ステップ Z 1で、各メッシュの空間速度を算出する。この空間速度の算出方法は下記の 2通りがある。

最初の算出方法は、前述の第 3 7図のフローチャートに従った手順で空間速度を算出する方法であり、

二つめの算出方法は、第 2 2図のフローチヤ一トの手順で算出した空間密度と、第 2 1図の交通流計測領域 Fで計測される交通量と、を用いて次式により空間速度 V (m， t n) を算出する方法である。

V (m, t n) = (q ( t n) X 1 a ) /d (m， t n) … (ix) ここに、 q ( t n) は時刻 t nにおける空間計測領域内の単位時間あたりの交通量、 1 aは時刻 t nにおける空間計測領域内の車両の平均車長、 d

(m， t n) は m番目のメッシュの空間密度である。

さらに、ノイズ成分を除去するために、空間速度 V (m， t n) を次式で指数平滑化する。

V (m， t n) = (1 - ) X V (m, tn-1) + μ XV (m, i n)

… (xv) ここに、 μは指数係数で 0 < _M < 1である。

ステップ Ζ 2で、ノイズ成分および渋滞の疎密波による影響を除去 Τるために、各メッシュの平均化空間速度 Mv (m) を次式により算出する：

ここに、 Mv (m) m番目のメッシュにおける平均化空間速度、 M メッシ二の総数である- ステップ Z 3で、上記の平均化空間速度 Mv (m) のうち、 Mv (m) < Cvを満たす Mv (m) を有するメッシュを全て渋滞領域として検出する。 C Vは予め設定された速度で、例えば、高速道路では、 C v = 40 km/ h、一般道路では、 C V = 20 km/hとする。ステップ Z 4で、渋滞領域の上流側端部の位置を渋滞末尾位置として検出する。第 4 5図は、メッシュ、渋滞領域および渋滞末尾位置との関係を示す図である C

次に、渋滞計測装置 82、 84により実行される渋滞領域の禾尾位置の検出方法の第 2例を、第 43図に示されるステップ Z 1' 〜Ζ 4' のフコーチャ一トに従って以下に説明する。

ステップ Z 1' で、各メッシュ内に含まれる移動サンプル点の数をカウントする。ステップ Ζ 2' で、各メッシュの移動密度 Mr (m) 各メッシュの移動サンプル点の数を各メッシュに含まれる総サンプル点の数で除算することにより、算出する。

ステップ Z 3' で、空間密度 D (m) が所定の閾値 C 1より大で、移動密度 Mr (m) が所定の閾値 C 2より小であるメッシュを、渋滞領域として検出する。ステップ Z 4' で、渋滞領域の上流側端部の位置を渋滞末尾位置として検出する。

第 42図のステップ Z 1〜Z 4および第 43図の Z 1 ' 〜Ζ 4' 、所定の時間間隔で繰り返される。上記ステップ ζ ι〜ζ4および z i ' 〜τ— ' で必要な画像データや、検出あるいは算出されるデータの概略的な関係を第 44図に示す _c

第 20図に示される渋滞計測装置 82は、第 22図のフコ一チヤ一 :、に従つて計測した空間密度、第 3 7図のフコーチャートに従って計測した空間速度、並びに、第 42図あるいは第 43図のフローチャートに従って計測された渋滞末尾位置を、第 2 1図の交通流計測装置 Fで計測された各種の計測結果とともに、交通管制センターの中央制御装置 1 0 0に送信する。中央制御装置 1 0 0は、受信した計測結果に基づいて、ビデオカメラ 8 1により撮影されている道路上を走行中の車両の運転者に知らせる交通情報を作成して、表示制御装置 9 2に送信する。表示制御装置 9 2は、受信した交通情報を情報表示板 9 1に表示させる。

上述の第 2の実施例によれば、画像の全ての画素の輝度データを処理ぜずに、特定のサンプル点に対応する画素のみの輝度データを処理しているので、計算処理するデータ量を大幅に削減することができ、結果的に装置のハ —ド構成を簡素化することができ、コストを低減することができる：た、高速処理が可能になって、リアルタイムの渋滞計測が可能になる。

また、第 2の実施例では、サンプルライン単位で車両の存在や移動を検出しているので、メッシュ毎の空間速度および空間密度を検出することができる。この結果、例えば、 4 0 k mZ h以下の車両の一団が占める領域を渋滞として認識するように渋滞計測装置を設定した場合に、その渋滞領域^の車両の速度や密度ををリアルタイムに直接的に計測することができ、詳細な渋滞情報を提供することができる。したがって、本実施例の交通管制システムは、高速道路に適用すると効果的である。

また、事前の学習をほとんどすることなく、装置を設定してから直ぐに精度良い渋滞計測が可能になり、また、環境の変化、例えば、計測地点、時間帯、天候、交通量等の変化に関わらずに安定して渋滞状況を検出することができ、しかも渋滞の長さも簡単に検出することができる。

さらにまた、各種判別の基準になる閾値等の各種パラメータを、ビデオ力メラから各サンプル点での距離に応じて変化させているので、高精度の渋滞計測が可能になる。また、上記パラメ一タを各サンプル点のカメラからの距離により自動的に検出できるため、交通管制システムの管理運用上の有効である。またさらに、道路上に計測可能な距離だけ隔てて本実施例のビデオカメラと渋滞計測装置を、複数個連ねて配置するようにすれば、長距離にわたる連続した渋滞状況を計測することもできる。さらに、本実施例は、計測領域内の一部の計測結果から計測領域の全体の渋滞状況を推定しているのではなく、計測領域全体の渋滞状況を直接的に計測しているので、計測領域内で事故や車両故障が発生した場合に、直ちにそれを検知できる効果もある。

Claims

請求の範囲

1 . ビデオカメラにより撮影された、道路と該道路上を行き来丁る車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の汰況を計測する交通渋滞計測方法であって、

前記動画像上に、それぞれ輝度値を有する複数のサンブル点を設足丁るステップ（a ) と、

前記一連の画像のうちの所定時刻における画像上の、車両が存在していると推測されるサンプル点を、存在サンプル点として検出するステップ（b ) と、前記所定時刻の画像上の、移動中の車両が存在しているご推測されるサンブル点を、移動サンプル点として検出するステップ（c ) と、

所定の割合以上の移動サンプル点を含む互いに隣接する複数のサンブル^から構成されるブロックを、移動ブロックとして検出するステップ（d ) と、前記移動プロックから外れた存在サンプル点を、渋滞サンプル点として検出するステップ（e ) と、

所定の割合以上の渋滞サンプル点を含む互レ、に隣接する複数のサン 7 点から構成されるブロックを、渋滞ブロックとして検出するステップ（ί ) と、前記渋滞プロックに基づいて、前記所定時刻における前記道路上の交通渋滞の状況を計測するステップ（g ) と、を備えた交通渋滞計測方法。

2 . 請求の範囲第 1項記載の交通渋滞計測方法において、前記ステップ（a ) で設定されたサンプル点のうちの道路の横断方向に並ぶサンブル点の間隔が等間隔であり、前記ステップ（a ) で設定されたサンプル点のうちの道路の延在方向に並ぶサンプル点の間隔が、前記ビデオカメラの前記道路上の位置から各サンプル点に対応する前記道路上の実際の各位置までの距離が長いほど小さくなる交通渋滞計測方法。

3 . 請求の範囲第 1項記載の交通渋滞計測方法において、前記ステップ（b ) 、

前記ビデ才力メラにより撮影されて、車両が道路上に存在していないと推測されかつ、前記サンプル点に対応する画素のみからなる基準輝度画像を作成するステップ（b 1 ) と、

前記所定時刻の画像に含まれた画素のうち前記サンプル点に対応する画素のみからなるサンプル点画像を作成するステップ（b 2 ) と、 '

前記サンプル点画像と前記基準輝度画像とに基づいて、前記存在サンプル点を検出するステップ（b 3 ) と、を有する交通渋滞計測方法。

4 . 請求の範囲第 3項記載の交通渋滞計測方法において、

前記ステップ（b ) から（g ) が一定の時間間隔で繰り返えされ、

前記ステップ（b ) 、

前記所定時刻を t 1 とし、時刻 t 1から前記一定の時間間隔前の時刻 ΐ 0におけるサンプル点画像の存在サンプル点を検出するのに使われた基準輝度面像と、時刻 t 1におけるサンプル点画像とに基づいて、時刻 t 1におけるサンプル点画像の存在サンプル点を検出するのに使われる基準輝度画像を作成するステップを有する交通渋滞計測方法。

5 . 請求の範囲第 1項記載の交通渋滞計測方法において、

前記ステップ（b ) 力

前記ビデオカメラにより撮影されて、車両が道路上に存在していないと推測される基準輝度画像を作成するステップ（b 1 ) と、

前記所定時刻の画像と前記基準輝度画像との輝度の差を表す差分画像を算出するステップ（b 2 ) と、

前記差分画像を空間微分するステップ（b 3 ) と、

空間微分された差分画像における所定の閾値以上の微分値を有するアンプル点を存在サンプル点として検出するステップ（b 4 ) と、

前記閾値を、前記ビデオカメラの前記道路上の位置から各サンプル点に対応する前記道路上の実際の各位置までの距離に応じて変化させるステップ（b 5) と、を有する交通渋滞計測方法。

6. 請求の範囲第 1項記載の交通渋滞計測方法において、

前記ステップ（c) が、

tを前記所定時刻として、時刻 tの画像に含まれた画素のうちのサンプル点に対応する画素のみからなるサンプル点画像を作成するステップ（c l ) と、 αを正の時間間隔として、時刻 t一 αの圃像に含まれた画素のうちのサンブル点に対応する画素のみからなるサンプル点画像を作成するステツァ； c 2：と、

を正の時間間隔として、時刻 t + の画像に含まれた画素のうちのサンプル点に対応する画素のみからなるサンプル点画像を作成するステップ（c 3) と、

前記ステップ（c 1 ) 、（c 2) および（c 3) で作成された 3つのサンプル点画像に基づいて、移動サンプル点を検出するステップ（c 4) と、を有する交通渋滞計測方法。

7. 請求の範囲第 1項記載の交通渋滞計測方法において、

前記ステップ（c) 力

tを前記所定時刻、 aを正の時間間隔として、時刻 tの画像と時刻 t一ひの画像との輝度の差を表す第 1の差分画像を算出するステップ（c 1 ) と、前記第 1の差分画像に所定の第 1の閾値で二値化処理を施して、

「0」および「1」のレベルを有する画素のみからなる第 1の特徴抽岀画像を作成するステップ（c 2) と、

]3を正の時間間隔として、時刻 tの画像と時刻 t + 0の画像との輝度の差を表す第 2の差分画像を算出するステップ（c 3) と、

前記第 1の差分画像に所定の第 2の閾値で二値化処理を施して、

「0」および「1」のレベルを有する画素のみからなる第 2の特徴抽出画像を作成するステップ（c 4) と、

前記第 1の特徴抽出画像と前記第 2の特徴抽出画像との論理積をとつて積画像を作成するステップ（c 5) と、

前記積画像における「1」のレベルを有する画素に対応するサンプル点を、移動サンプル点として検出するステップ（c 6) と、

前記第 1および第 2の閾値を、前記ビデオカメラの前記道路上の位置^ら各サンプル点に対応する前記道路上の実際の各位置までの距離に応じて変化させるステップ（c 7) と、を有する交通渋滞計測方法。

8. 請求の範囲第 1項記載の交通渋滞計測方法において、

前記ステップ（d) が、

前記所定時刻の画像のそれぞれを部分的に構成する複数の候補プロックのそれぞれに含まれるサンプル点の全個数に対する移動サンプル点の個数の割合を算出するステップ（d 1) と、

前記ステップ（d l ) で算出された割合が所定値より大きい候補ブコックを、前記移動ブロックとして検出するステップ（d 2) と、を有する交通渋滞計測方法。

9. 請求の範囲第 8項記載の交通渋滞計測方法において、

前記ステップ（d) 1

前記候補プロックの大きさを、前記ビデオ力メラの前記道路上の位置から各候補プロックに対応する前記道路上の実際の各位置までの距離に応じて変化させるステップ（d 3) を有する交通渋滞計測方法 _c

1 0. 請求の範囲第 8項記載の交通渋滞計測方法において、

前記ステップ（d) ί

前記各候補ブロックに用いられる前記所定値を、前記ビデオ力メラの前記道路上の位置から各候補プロックに対応する前記道路上の実際の各位置までの距離に応じて変化させるステップ（d 3) を有する交通渋滞計測方法：

1 1. 請求の範囲第 8項記載の交通渋滞計測方法において、

前記ステップ（d) 力

前記移動ブロックから外れた移動サンプル点を、ノイズとみなして除去するステップ（d 3) を有する交通渋滞計測方法。

1 2. 請求の範囲第 1項記載の交通渋滞計測方法において、

前記ステップ（ί) 、

前記所定時刻の画像のそれぞれを部分的に構成する複数の候補ブコックのそれぞれに含まれるサンプル点の全個数に対する渋滞サンプル点の個数の割合を算出するステップ（f 1) と、

前記ステップ（ f 1 ) で算出された割合が所定値より大きい候補ブニックを、前記渋滞ブロックとして検出するステップ（ f 2) と、を有する交通渋滞計測方法。

1 3. 請求の範囲第 1 2項記載の交通渋滞計測方法において、

前記ステップ（f ) 、

前記候補プロックの大きさを、前記ビデオカメラの前記道路上の位置ら各候補プロックに対応する前記道路上の実際の各位置までの距離に応じて変化させるステップ（f 3) を有する交通渋滞計測方法。

14. 請求の範囲第 1 2項記載の交通渋滞計測方法において、

前記ステップ（f ) 力

前記各候補ブロックに用いられる前記所定値を、前記ビデオカメラの前記道路上の位置から各候補ブロックに対応する前記道路上の実際の各位置での距離に応じて変化させるステップ（f 3) を有する交通渋滞計測方法

1 5 . 請求の範囲第 1 2項記載の交通渋滞計測方法において、前記ステップ（ f ) が、

前記渋滞プロックから外れた渋滞サンプル点を、ノイズとみなして除云する ( f 3 ) を有する交通渋滞計測方法。

1 6 . 請求の範囲第 1項記載の交通渋滞計測方法において、

前記ステップ（g ) 力

前記渋滞プロックの存在する前記所定時刻の画像上の範囲を渋滞範囲であると判定するステツプを有する交通渋滞計測方法。

1 7 . ビデオカメラにより撮影された、道路と該道路上を行き来する草両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測装置であつて、

前記動画像上に、それぞれ輝度値を有する複数のサンプルを設定する第 1 の手段と、

前記一連の画像のうちの所定時刻における面像上の、車両が存在していると推測されるサンプル点を、存在サンプル点として検出する第 2の手段と、

前記所定時刻の画像上の、移動中の車両が存在していると推測されるサンプル点を、移動サンプル点として検出する第 3の手段と、

所定の割合以上の移動サンプル点を含む互いに隣接する複数のサンブル点から構成されるプロックを、移動プロックとして検出する第 4の手段と、

前記移動プロックから外れた存在サンプル点を、渋滞サンプル点として検岀する第 5の手段と、

所定の割合以上の渋滞サンプル点を含む互いに隣接する複数のサンプル点から構成されるプロックを、渋滞プロックとして検出する第 6の手段と、

前記渋滞プロックに基づいて、前記所定時刻における前記道路上の交通渋滞の状況を計測する第 7の手段と、を備えた交通渋滞計測装置。

1 8 . 請求の範囲第 1 7項記載の交通渋滞計測装置において、前記第 2の手段が、

前記ビデオカメラにより撮影されて、車両が道路上に存在していないご推測される基準輝度画像を作成する手段と、

前記所定時刻の画像と前記基準輝度画像との輝度の差を表す差分面像を算出する手段と、

前記差分画像を空問微分する手段と、

空間微分された差分画像における所定の閾値以上の微分値を有する了ンプ/レ点を存在サンプル点として検出する手段と、を有し、

前記第 3の手段が、

tを前記所定時刻、 αを正の時間間隔として、時刻 tの画像と時刻 — _αの画像との輝度の差を表す第 1の差分画像を算出する手段と、

前記第 1の差分画像に所定の第 1の閾値で二値化処理を施して、

「0」および「1」のレベルを有する画素のみからなる第 1の特徴抽出画像を作成する手段と、

βを正の時間間隔として、時刻 tの画像と時刻 t + j3の画像との輝度の差を表す第 2の差分画像を算出する手段と、

前記第 1の差分画像に所定の第 2の閾値で二値化処理を施して、「0」および「1」のレベルを有する画素のみからなる第 2の特徴抽出画像を作成する手段と、

前記第 1の特徴抽出画像と前記第 2の特徴抽出画像との論理積をごつて積画像を作成する手段と、

前記積画像における「1」のレベルを有する画素に対応するサンブル点を、移動サンプル点として検出する手段と、を有し、

前記第 4の手段が、

前記所定時刻の画像のそれぞれを部分的に構成する複数の候補ブコックのそれぞれに含まれるサンプル点の全個数に対する移動サンプル点の個数の割合を算出する手段と、前記移動サンプル点の割合が所定値より大きい候補プロックを、前記移動ブロックとして検出する手段と、を有し、

前記第 6の手段が、

前記所定時刻の画像のそれぞれを部分的に構成する複数の候補プロックのそれぞれに含まれるサンプル点の全個数に対する渋滞サンプル点の個数の割合を算出する手段と、

前記渋滞サンプル点の割合が所定値より大きい候補プロックを、前記渋滞ブロックとして検出する手段と、を有し、

前記第 7の手段が、

前記渋滞ブロックの存在する前記動画像上の範囲を渋滞範囲であると判定することを特徴とする交通渋滞計測装置。

1 9 . ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測方法であって、

輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンブルラインを前記動画像上に設定するステップ（a ) と、

前記ビデオカメラにより撮影されて、車両が道路上に存在していないと推測される基準輝度画像を作成するステップ（b ) と、

前記一連の画像のうちの所定時刻の画像と前記基準輝度画像との輝度の差を表す差分画像を算出して、前記所定時刻の画像と前記基準輝度画像との位置的に対応するサンプル点の輝度の差を表す辉度差分値を算出するステップ ( c ) と、

前記差分画像上の各サンプル点の輝度差分値に基づいて、前記基準輝度画像上のサンプルラインとの輝度の差が所定値より大きな前記所定時刻の画像上のサンプルラインを、差分サンプルラインとして検出するステップ（d ) と、前記差分画像を空間微分して、差分画像上の各サンプル点の微分値を算出するステップ（e ) と、

空間微分された前記差分画像上の各サンプル点の微分値に基づいて、前記所定時刻の画像上のサンプルラインのうちの、隣接するサンブルラノン；：の輝度の差が所定値より大きなサンプルラインを、ニッジラインとして検 ttするステップ（ f ) と、

前記ステップ（d ) で検出された差分サンプルラインと前記ステップ（ ί ) で検出されたニッジラインとの両方を、車両が存在していると推測される存在サンブルラインとして検出するステップ（g ) と、

前記存在サンプルラインに基づいて、交通渋滞の状況を計測 Tるステップ ( h ) と、を備えた交通渋滞計測方法。

2 0 . 請求の範囲第 1 9項記載の交通渋滞計測方法において、

前記ステップ（a ) で設定されたサンプルライン同士の間隔が、前記ビデオカメラの前記道路上の位置から各サンプルラインに対応する道路上の実際の各位置までの距離が長くなるほど小さくなる交通渋滞計測万法：

2 1 . 請求の範囲第 1 9項記載の交通渋滞計測方法において、

前記ステップ（b ) から（h ) が一定の時間間隔で繰り返えされ、

前記ステップ（b ) I

前記所定時刻を t 1 とし、時刻 t 1から前記一定の時間間隔前の時刻 ΐ 0におけるサンプル点画像の存在サンプル点を検出するのに使われた基準輝度画像と、時刻で 1におけるサンブル点画像とに基づいて、時刻 t 1にお;了るすンブル点画像の存在サンプル点を検出するのに使われる基準輝度画像を作成するステツブを有する交通渋滞計測方法。

2 2 . 請求の範囲第 1 9項記載の交通渋滞計測方法において、

前記ステップ（d ) 力

正の所定値より大きな正の輝度差分値を有するサンプル. を検出 Tるステツプ（d 1) と、

負の所定値より小さな負の輝度差分値を有するサンプル点を検出するステツプ 2) と、

前記ステップ（d 1) および（d 2) で検出されたサンプル点を含む割合が所定値よりも大きなサンプルラインを、差分サンプルラインとして検出するステツプ（d 3) と、有する交通渋滞計測方法。

23. 請求の範囲第 22項記載の交通渋滞計測方法において、

前記ステップ（d) が、

各サンプル点の検出に用いられる前記正の所定値および負の所定値を、前記ビデオ力メラの前記道路上の位置から各サンプル点に対応する道路上の実際の位置までの距離に応じて変化させるステップ（d 4) を有する交通渋滞計測方法 _c

24. 請求の範囲第 1 9項記載の交通渋滞計測方法において、

前記ステップ（d) 力

各サンプルラインに含まれるサンプル点の輝度差分値の平均を表す平均輝度差分値を算出するステップ（d 1 ) と、

正の所定値より大きな正の平均輝度差分値を有するサンプルラインを、差分サンプルラインとして検出するステップ（d 2) と、

負の所定値より小さな負の平均輝度差分値を有するサンプルラインを、差分サンプルラインとして検出するステップ（d 3) と、を有する交通渋滞計測方法。

25. 請求の範囲第 24項記載の交通渋滞計測方法において、

前記ステップ（d) 力 S、

各サンプルラインの検出に用いられる前記正の所定値および負の所定値を、前記ビデオカメラの前記道路上の位置から各サンプルラインに対応する道路上の実際の位置までの距離に応じて変化させるステップ（d 4 ) こ、を有する交通渋滞計測方法。

2 6 . 請求の範囲第 1 9項記載の交通渋滞計測方法において、

前記存在サンプルラインのなかに、少なくとも一^ 3のサンプルラインを挟む隣接する二つの存在サンプルラインがありかつ、前記二つの存在サンブルラインに対応する前記道路上の実際の二つの位置間の距離が所定値より大きいとき、前記隣接する二つの存在サンプルラインの間に位置するサンプルラインを、存在サンプルラインとして、前記ステップ（g ) で検出された存在サンプルラインに加えるステップ（ i ) を備えた交通渋滞計測方法 _c

2 7 . 請求の範囲第 1 9項記載の交通渋滞計測方法:こおいて、

前記存在サンブルラインのなかに、連続する複数の存在サンアルラノンがぁりかつ、前記連続する存在サンブルラインの両端の存在サンプルライン:こ対応する前記道路上の実際の二つの位置問の距離が所定値より小さいとき、前記ステツプ（g ) 検出された存在サンプルラインの中から、前記連続した存在サンプルラインを除去するステップ（ i ) を備えた交通渋滞計測方法。

2 8 . 請求の範囲第 1 9項記載の交通渋滞計測方法において、

前記存在サンプルラインのなかに、差分サンプルラインのみからなる連続する複数の存在サンプルラインがぁりかつ、前記連続する存在サンプルラインの両端の存在サンプルラインに対応する前記道路上の実際の二つの位置間の距離が所定値より大きくかつ、前記所定時刻における画像上の前記連続する存在サンプルラインのサンプル点の輝度値の平均値が所定値より小さいとき、前記ステツプ（g ) 検出された存在サンブルラインの中から、前記連続した存在サンプルラインを除去するステップ（ i ) を備えた交通渋滞計測方法。

2 9 . 請求の範囲第 1 9項記載の交通渋滞の計測方法において、前記所定時刻の画像上の、移動中の車両が存在していると推測されるサンプルラインを、移動サンプルラインとして検出するステップ（ i ) と、

前記二つの存在サンプルラインの間に、少なくとも一つのサンプルラインがありかつ、前記二つの存在サンブルラインに対応する道路上の実際の二つの位置間の距離が所定値より小さくかつ、前記二つの存在サンブルラインのに少なくとも一つの移動サンプルラインがあるとき、前記二つの存在サンプルラインの間の移動サンプルラインを含むサンプルラインを、存在サンプルラインとして、前記ステップ（g ) 検出された存在サンプルラインに加えるステップ ( j ) と、を備えた交通渋滞計測方法。

3 0 . 請求の範囲第 2 9記載の交通渋滞計測方法において、

前記ステップ（ j ) での前記二つのサンプルラインの各組の検出；こ^ らる前記所定値を、前記ビデオカメラの前記道路上の位置からサンブルラノンの各組に対応する道路上の実際の各位置までの各距離に応じて変化させるステツプ（k ) を備えた交通渋滞計測方法。

3 1 . ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の^ を計 ¾ する交通渋滞計測方法であって、

輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動面像上に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンプルラインを設定するステップ（a ) と、

前記一連の画像のうちの所定時刻における画像上の各サンプル点の輝度に基づいて、車両が存在していると推測されるサンプルラインを、存在ンプルラインとして検出するステップ（b ) と、

前記所定時刻の画像に描写された、車両の影を含む前記道路の影の領域を推定するステップ（c ) と、

前記影の領域に基づいて、前記存在サンブルラインを補正するステップ ( d ) と、

該ステップ（d ) で補正された存在サンプルラインに基づいて、交通 ¾滞の状況を計測するステップ（e ) と、を備えたことを特徴とする交通渋滞計測方法。

3 2 . ビデオカメラにより撮影された、道路と該道路上を行き来する直^とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状を計測する交通渋滞計測方法であつて、

輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンプルラノンを設定するステップ（a ) と、

前記所定時刻の画像上の、移動中の車両が存在していると推測されるサンプルラインを、移動サンプルラインとして検出するステップ（b ) と、

前記移動サンプルラインに基づいて、交通渋滞の状況を計測するステツブ ( c ) とを備えたことを特徴とする交通渋滞計測方法。

3 3 . 請求の範囲第 3 2項記載の交通渋滞計測方法において、

前記ステップ（b ) お、

tを前記所定時刻、ひを正の時問間隔として、時刻 tの画像と時刻：一の画像との輝度の差を表す第 1の差分画像を算出するステップ（b 1 ) ご、前記第 1の差分画像に所定の第 1の閎値で二値化処理を施して、

Γ θ」および「1」のレベルを有する画素のみからなる第 1の特徴抽出画像を作成するステップ（b 2 ) と、

βを正の時間間隔として、時刻 ΐの画像と時刻 t -r βの画像との輝度の差を表す第 2の差分画像を算出するステップ（b 3 ) と、

前記第 2の差分画像に所定の第 2の閾値で二値化処理を施して、

Γ θ」および「1」のレベルを有する画素のみからなる第 2の特徴抽岀画像を作成するステップ（b 4 ) と、前記第 1の特徴抽出画像と前記第 2の特徴抽出画像との論理積を表す積画像を算出するステップ（b 5 ) と、

前記積画像における「1」のレベルを有する画素に対応するサンプル点を、移動サンプル点として検出するステップ（b 6 ) と、

前記サンプルラインのうち、所定の割合以上の移動サンプル点を含むサンプノレラインを、移動サンプルラインとして検出するステップ（b 7 ) と、を備えた交通渋滞計測方法。

3 4 . 請求の範囲第 3 3項記載の交通渋滞計測方法において、

前記ステップ（b 2 ) および（b 4 ) において前記第 1おび第 2の差分画像の各画素の二値化に用いられる前記第 1および第 2の閾値を、前記ビデオ力メラの前記道路上の位置から各画素に対応する道路上の実際の位置までの距離に応じて変化させるステップ（b 8 ) と、

前記ステップ（b 7 ) で用いられる前記所定の割合を、前記ビデオ刀メラの前記道路上の位置から各サンプルラインに対応する道路上の実際の位置までの距離に応じて変化させるステップ（b 9 ) と、を有する交通渋滞計測万法：

3 5 . ビデオカメラにより撮影された、道路と該道路上を行き来丁る車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測方法であつて、

輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンルラノンを設定するステップ（a ) と、

前記一連の画像のうちの所定時刻における画像上の各サンプル点の輝度に基づいて車両が存在していると推測されるサンプルラインを、存在サンブルラインとして検出するステップ（b ) と、

前記存在サンプルラインに基づいて、前記所定時刻の前記道路上に存在する車両の密度を算出するステップ（c ) と、前記所定時刻の画像に描写された全車両に対して、所定サノズ 0丁、きな草両が含まれている割合を推定するステップ（d ) と、

該ステップ（d ) で推定された割合に基づいて、前記車両の密度を^ するステップ（e ) と、

前記ステップ（e ) で補正された車両の密度に基づいて、交通渋滞の忒況を計測するステップ（ί ) と、を備えた交通渋滞計測方法：

3 6 . 請求の範囲第 3 5項記載の交通渋滞計測方法において、

前記所定時刻における前記道路上の車両の車間 ¾離を推定丁るスッブ ( g ) を備え、

前記ステップ（e ) では、前記ステップ（c ) で算出された車両の密度が、前記ステップ（d ) で推定された割合に加えて、前記ステップ g ) で算&された車間距離に基づいて補正されるようにした交通渋滞計測方法：

3 7 . ビデオカメラにより撮影された、道路と該道路上を行き采丁る草ごを描写した一連の複数の画像からなる動画像に基づいて、交通渋獠の^ を計する交通渋滞計測方法であって、

輝度値をそれぞれ有するごとも前記道路の横断方向に一列:こ前記 ¾っ画像工に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンブラノンを設定するステップ（a ) と、

前記一連の画像のうちの所定時刻 tにおける画像上の各サンプルラノンのサンブル点の輝度値の平均を表す平均輝度値を算出するステツァ（D ., ご、

yを正の時間間隔として、前記一連の画像のうちの時刻：― ,こお:: -る画像上の各サンプルラインのケンブル点の輝度値の平均を表す均輝, 値を算 ¾するステップ（c ) と、

前記時刻 tの画像上の、移動甲の車両が存在しているご推さるーンブルラインを、移動サンプルラインとして検出するステツァご、

前記時刻 t + yにおける画像上のサンブルラインの中から，前記時 ¾ Iにおける画像上の各移動サンプルラインの移動先と推測されるサンプルラノンを、移動先サンプルラインとして検出するステップ（e) ご.，

前記移動サンプルラインと前記移動先移動サンプルラインごに対^丁る道路上の実際の二つの位置間の距離と前記時間 /とに基づいて、各移動サンブルラインの速度を算出するステップ（ί) と、

前記ステップ（ f 〉で算出された各移動サンプルラインの速度に基づいて、前記道路の交通渋滞の状況を計測するステップ（g) と、を備えた交通渋滞計測方法-

3 8. 請求の範囲第 3 7項記载の交通渋滞計測方法において、

前記ステップ（e) 力

前記ビデオカメラの前記道路上の位置からの各移動サンプルラインに対応する前記道路上の実際の位匱までの距離および前記時間 γに基づいて、時刻 t yの画像上に時刻 tの画像上の各移動サンプルラインの各移動先範囲を設定するステップ（e l) と、

時刻 t十 yにおける画像上の前記各移動先範囲内の各サンプルライン^均輝度値と、時刻 tにおける画像上の各移動サンプルラノンの平均輝度値ごの差の絶対値の総和を算出するステップ（e 2) と、

該ステップ（e 2) で算出された総和のなかの最小の総和が、所定値よりも小さいか否かを判別するステップ（e 3) と、

該ステップ（ e 3 ) で前記最小の総和が前記所定値よりも小さいと ^別されたとき、前記最小の総和に対応する時刻 t + yの画像上の各サンプルラインを、各移動先サンプルラインとして検出するステップ（e 4) と、を有する交通渋滞計測方法。

3 9. 請求の範囲第 3 7項記載の交通渋滞計測方法において、

前記ステップ（b) 力;、

時刻 tにおける画像上の各移動サンプルラインの前記道路の上流側および下流側に隣接する各サンプルラインのサンプル点の輝度値の平均輝度値を算出するステップを有し、

前記ステップ（e) 力 S、

前記ビデオカメラの前記道路上の位置からの各移動サンプルラインに对応する前記道路上の実際の位置までの距離および前記時間 γに基づいて、時亥 ij t 一 yの画像上に時刻 tの画像上の各移動サンプルラインの各第 1の移動先範囲を設定するステップ（e 1.) と、

前記各第 1の移動先範囲を、各第 1の移動先範囲の前記道路の上流側にーサンプルライン分ずらして構成される各第 2の移動先範囲を設定するステップ (e 2) と、

前記各第 1の移動先範囲を、各第 1の移動先範囲の前記道路の下流側に一 · ンプルライン分ずらして構成される各第 3の移動先範囲を設定するステップ (e 3) と、

時刻 tにおける画像上の各移動サンプルラインの平均輝度値と、時刻 t十における画像上の各第 1の移動先範囲内の各サンプルラインの平均輝度値との差の絶対値を算出ステップ（e 4) と、

時刻 tにおける画像上の各移動サンブルラインの前記道路の上流側に隣接するサンプルラインの平均輝度値と、時刻 t十 γにおける画像上の各第 2の移動先範囲内の各サンプルラインの平均輝度値との差の絶対値を算出ステップ（ e 5) と、

時刻 tにおける画像上の各移動サンプルラインの前記道路の下流側に隣接するサンプルラインの平均輝度値と、時刻 t γにおける画像上の各第 3の移動先範囲内の各サンプルラインの平均輝度値との差の絶対値を算出ステップ、ら 6) と、

時刻 tにおける画像上の各移動サンプルラインに対応する前記ステップ（e

4) 、 (e 5) および（e 6) で算出された差の絶対値を、各移動サンプルライン毎に総和するステップ（e 7) と、

該ステップ（e 7) で算出された総和のなかの時刻 tにおける画像上の各移動サンプルラノン毎の最小の総和が、所定値よりも小さい否かを判別丁るステツブ（e 8 ) と、

該ステップ（ e 8 ) で前記最小の総和が前記所定値よりも小さいと ¾ されたとき、前記各最小の総和に対応する時刻 t + yの画像上の各サンブルラインを、時刻 tにおける画像上の各移動サンプルラインに対応する各移動先サンプルラインとして検出するステップ（e 9) と、を有する交通渋滞計測方法：

4 0. 請求の範囲第 3 7項記載の交通渋滞計測方法において、

時刻 zにおける画像に描写された前記道路を複数のメッシ二に分割"^るス亍ップ（h) と、

前記ステップ（f ) 算出された前記移動サンプルラインの速度の平均を各メッシニ毎に算出し、各平均速度を各メッシュの空問速度として検出するステツプ（ i ) と、を備えた交通渋滞計測方法。

4 1 . 請求の範囲第 4 0項記載の交通渋滞計測方法において、

所定値よりも小さい空間速度を、ゼロに設定するステップ（j ) を備えた交通渋滞計測方法。

4 2. ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測方法であって、

前記ビデオ力メラにより撮影されて、車両が存在していないご推測 5れる画像を基準輝度画像として設するステップ（a ) と、

所定時刻の画像と前記基準輝度画像とに基づいて、前記所定時刻の像上の車両の存在を検出するステップ（と、

該ステップ（b ) 後、前記基準輝度画像を更新するステップ（c ) ご、前記ステップ（b ) とステップ（c ) とを所定の時間間隔で繰り返 Tステッブ（d ) と、を備え、前記ステップ（c) では、前記基準輝度画像が、次式によって更新され、

ここに、 Xnは、時刻の画像の各画素の輝度値、 Bnは、時刻 t の画像上の車両の存在を検出するのに使われる基準輝度画像の各画素の輝度値、 Bn +1は、時刻 tn+1の画像上の車両の存在を検出するのに使われる基準琿度画像の各画素の輝度値を表し、 in+1— tnが前記所定の時間間隔に等しく、 η は可変係数であり、； Χη-Β η ' が大きレ、ほど小さくするともに、草両の渋滞度が高くなるほど小さくするようにした交通渋滞計測方法。

4 3. ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測方法であって、

所定時刻の画像を複数個に区分するメッシュ毎に、存在する車両の平均速度を表す空間速度を算出するステップ（a) と、

前記空間速度に基づいて、渋滞が発生しているメッシュを渋滞領域ごして検出するステップ（b) と、

前記渋滞領域の末尾位置を検出するステップ（ c ) と、を備えた交通渋滞計測方法。

44. 請求の範囲 43項記載の交通渋滞計測方法において、

前記メッシュ毎に、存在している移動甲の車両の密度を表す移動密度を算岀するステップ（d) を備え、

前記ステップ（b) では、前記空間速度に加え前記移動密度に基づ'、、て、渋滞が発生しているメッシュを渋滞領域として検出する交通渋滞計測方法：

4 5. 請求の範囲第 43項記載の交通渋滞計測方法において、

前記ステップ（c ) で検出された渋滞領域の末尾位置を、前記ビデオカメラの撮影領域内の道路に向かおうとしている車両の運転者に、リアルタイムに通知するステップ（d ) を備えた交通渋滞計測方法-

4 6 . ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状^を計測する交通渋滞計測装置であって、

輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンブルラインを前記動画像上に設定する手段と、

前記ビデオ力メラにより撮影されて、車両が道路上に存在してし、'な ·ご推測される基準輝度画像を作成する手段と、

前記一連の画像のうちの所定時刻の画像と前記基準輝度画像との輝度の差を表す差分画像を算出して、前記所定時刻の画像と前記基準輝度画像との位置的に対応するサンプル点の輝度の差を表す輝度差分値を算出する手段と、

前記差分画像上の各サンプル点の輝度差分値に基づいて、前記基準輝度画像上のサンプルラインとの輝度の差が所定値より大きな前記所定時刻の画像上のサンプルラインを、差分サンプルラインとして検出する手段と、

前記差分画像を空間微分して、差分画像上の各サンプルの微分値を算出丁る手段と、

空間微分された前記差分画像上の各サンプル点の微分値に基づいて、前記所定時刻の画像上のサンプルラインのうちの、隣接するサンプルラインごの輝度の差が所定値より大きなサンプルラインを、エッジラインとして検出する手段と、

前記差分サンプルラインと前記ェッジラインとの両方を、車両が存在^て、、ると推測される存在サンプルラインとして検出する手段と、

前記存在サンプルラインに基づいて、交通渋滞の状況を計測する手段ご、を備えた交通渋滞計測装置。

4 7 . ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状況を計測する交通渋滞計測装置であって、

輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像ェに並ぶ複数のサンプル点によりそれぞれが構成される複数のサンプルラノンを設定する手段と、

前記所定時刻の画像上の、移動中の車両が存在していると推測される 7ンプルラインを、移動サンプルラインとして検出する手段と、

前記移動サンプルラインに基づいて、交通渋滞の状況を計測する手段と、を備えたことを特徴とする交通渋滞計測装置。

4 8 . ビデオカメラにより撮影された、道路と該道路上を行き来する車両とを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状- を計測する交通渋滞計測装置であつて、

輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンブラノンを設定する手段と、

前記一連の画像のうちの所定時刻における画像上の各サンブル^の輝度に基づいて車両が存在していると推測されるサンプルラインを、存在アンアルラノンとして検出する手段と、

前記存在サンプルラインに基づいて、前記所定時刻の前記道路上に存在する車両の密度を算出する手段と、

前記所定時刻の画像に描写された全車両に対して、所定サイズより大きな車両が含まれている割合を推定する手段と、

前記割合に基づいて、前記車両の密度を補正する手段と、を備えた交通渋滞計測装匱。

4 9 . ビデオカメラにより撮影された、道路と該道路上を行き采する直両ごを描写した一連の複数の画像からなる動画像に基づいて、交通渋滞の状 ¾を計する交通渋滞計測装置であって、

輝度値をそれぞれ有するとともに前記道路の横断方向に一列に前記動画像上に並ぶ複数のサンプル点によりそれぞれが構成される複数のサンプルラインを設定する手段と、

前記一連の画像のうちの所定時刻 tにおける画像上の各サンブルラインのサンプル点の輝度値の平均を表す平均輝度値を算出する手段と、

yを正の時間間隔として、前記一連の面像のうちの時刻 t十 _Ίにおける画像上の各サンプルラインのサンプル点の輝度値の平均を表す平均輝度値を算出する手段と、

前記時刻 tの画像上の、移動甲の車両が存在していると推さるンプルラインを、移動サンプルラインとして検出する手段と、

前記時刻 t + yにおける画像上のサンプルラインの中から、前記時刻 zにおける画像上の各移動サンプルラインの移動先と推測されるサンプルラインを、移動先サンプルラインとして検出する手段と、

前記移動サンプルラインと前記移動先移動サンプルラインとに対応 Tる道路上の実際の二つの位置間の距離と前記時間 γとに基づいて、各移動ンプルラインの速度を算出する手段と、

算出された各移動サンプルラインの速度に基づいて、前記道路の交通渋滞の状況を計測する手段と、を備えた交通渋滞計測装置。

5 0 . カメラにより撮影され、対象物と背景とを一緒に描写した画像を処理する画像処理方法において、

前記背景のみを描写する基準輝度画像を作成するステップと、

前記画像と前記基準輝度画像との輝度の差を表す差分画像を算出するステップと、

前記差分画像に含まれた各画素の輝度値が所定値より大きいか否かを判別するステップと、

前記カメラの位置から各画素に対応する実際の各位置までの距離にじて、前記所定を変化させるステップと、を備えた画像処理方法：

5 1 . ビデオ力メラにより撮影された一連の連続した画像のうちの時刻 zにおける画像と、 αを正の時間間隔として、時刻 t一 αにおける画像との輝度の差を表す第 1の差分画像を算出するステップと、

前記第 1の差分画像に所定の第 1の閾値で二値化処理を施して、 .「0— および「1」のレベルを有する画素のみからなる第 1の特徴抽出画像を作成するステツプと、

前記一連の連続した画像のうちの時刻 tにおける画像と、 βを正の埒間間隔として、時刻 t + における画像との輝度の差を表す第 2の差分画像を算するステップと、

前記第 2の差分画像に所定の第 2の閾値で二値化処理を施して、「0」および「1」のレベルを有する画素のみからなる第 2の特徴抽出画像を作成するステツブと、

前記第 1の特徴抽出画像と前記第 2の特徴抽出画像との論理積をごつて積画像を作成するステップと、

前記ビデオカメラの位置からの、前記時刻 tにおける画像に含まれる各画素に対応する実際の各位置までの各距離に応じて、前記 αおよび /3を変化させるステップと、を備えた画像処理方法。

5 2 . カメラにより撮影された画像に含まれる画素の輝度値に基づ、、て、記画素を第 1の画素と第 2の画素の何れ力、-：こ分別するステップと、

前記画像のそれぞれを部分的に構成する複数の候補ブックのそぞに含まれる全画素に対する第 1の画素の個数の割合を算出するステップと、

前記第 1の画素の割合が所定値より大きい候補プロックを検出するステップと、

前記力メラの位置からの、前記各候補ブロックに対応する実際の各位置までの各距離に応じて、前記所定値を変化させるステップと、を備えた画像処理方法。

5 3 . カメラにより撮影された画像に含まれる画素の輝度値に基づいて、前記画素を第 1の画素と第 2の画素の何れかに分別するステップと、

前記画像のそれぞれを部分的に構成する複数の候補プロックのそれぞれに含まれる全画素に対する第 1の画素の個数の割合を算出するステップと、

前記力メラの位置からの、前記各候補プロックに対応する実際の各位置までの各距離に応じて、各候補ブロックの大きさを変化させるステップと、を備えた画像処理方法。

5 4 . カメラにより撮影され、対象物と背景とを一緒に描写した画像を処理する画像処理装置において、

前記背景のみを描写する基準輝度画像を作成する手段と、

前記画像と前記基準輝度画像との輝度の差を表す差分画像を算出する手段と、

前記差分画像に含まれた各画素の輝度値が所定値より大きいか否かを^别する手段と、

前記カメラの位置から各画素に対応する実際の各位置までの距離に応じて、前記所定値を変化させる手段と、を備えた画像処理装置-

5 5 . ビデオカメラにより撮影された一連の連続した画像のうちの時刻：における画像と、 αを正の時間間隔として、時刻 t— 0：における画像ごの輝度の差を表す第 1の差分画像を算出する手段と、

前記第 1の差分画像に所定の第 1の閾値で二値化処理を施して、 ^r C'」および Γ ΐ」のレベルを有する画素のみからなる第 1の特徴抽出画像を作成する手段と、前記一連の連続した画像のうちの時刻 tにおける画像と、を正の時間間隔として、時刻 t + βにおける画像との輝度の差を表す第 2の差分画像を算出する手段と、

前記第 2の差分画像に所の第 2の闕値で二値化処理を施して、「G _ および「1」のレベルを有する画素のみからなる第 2の特徴抽出画像を作成する手段と、

前記第 1の特徴抽出画像と前記第 2の特徴抽出画像との論理積をとつて積画像を作成する手段と、

前記ビデオカメラの位置からの、前記時刻 tにおける画像に含まれる各画素に対応する実際の各位置までの各距離に応じて、前記 αおよび ;3を変化させる手段と、を備えた画像処理装置。

5 6 . カメラにより撮影された画像に含まれる画素の輝度値に基づいて、前記画素を第 1の画素と第 2の画素の何れかに分別する手段と、

前記画像のそれぞれを部分的に構成する複数の候補ブコックのそれぞれに含まれる全画素に対する第 1の画素の個数の割合を算出する手段と、

前記第〗の画素の割合が所定値より大きい候補プロックを検出する手段と、前記カメラの位置からの、前記各候補プロックに対応する実際の各位置までの各距離に応じて、前記所定^:を変化させる手段と、を備えた画像処理装置-

5 7 . カメラにより撮影された画像に含まれる画素の輝度値に基づいて、前記画素を第 1の画素と第 2の画素の何れかに分別する手段と、

前記画像のそれぞれを部分的に構成する複数の候補プロックのそれぞれに含まれる全画素に対する第 1の画素の個数の割合を算出する手段と、

前記第 1の画素の割合が所定値より大きい候補プロックを検出する手段と、前記カメラの位置からの、前記各候補プロックに対応する実際の各位置までの各距離に応じて、各候補ブロックの大きさを変化させる手段と、を備えた画像処理装置。