画像処理方法および画像処理装置
【課題】安定して渋滞状況を検出できる交通渋滞計測方法及び装置で採用した処理手順を利用した画像処理方法および装置を提供する。
【解決手段】ビデオカメラにより撮影された道路と車両を描写した画像上に、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し、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。次いで、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ブロックを移動ブロックとして検出し、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し、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ロックを渋滞ブロックとして検出する。上述のような手順で検出された渋滞ブロックに基づいて画像道路上の交通渋滞の状況を計測することが可能なように画像を処理する。
【解決手段】ビデオカメラにより撮影された道路と車両を描写した画像上に、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し、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。次いで、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ブロックを移動ブロックとして検出し、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し、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ロックを渋滞ブロックとして検出する。上述のような手順で検出された渋滞ブロックに基づいて画像道路上の交通渋滞の状況を計測することが可能なように画像を処理する。
【発明の詳細な説明】
【技術分野】
【０００１】
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て画像を処理する方法および装置に関する。
【背景技術】
【０００２】
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やループコイルを用いるループコイル式交通渋滞計測システムがよく知られている。
【０００３】
超音波センサを用いた交通渋滞計測システムは、道路の路面から所定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、道路にループコイルを埋め込み、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。
【０００４】
これら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においては、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とは困難である。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問題がある。
【０００５】
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よ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"ＩＮＰＡＣＴＳ：Ａ Ｎｅｗ ＴＶ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｎｉｔｏｒｉｎｇ Ｔｒａｆｆｉｃ Ｃｏｎｄｉｔｉｏｎｓ"または欧州特許公報０４０３１９３号に開示されているシステムである。
【０００６】
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ロック化し、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種類のブロックの存在パターンに応じて、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。
【０００７】
第２の例は、北村等による電気学会産業応用部門全国大会資料（１９９１）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種の特徴量をニュー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段階に出力値を求め、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。
【発明の開示】
【発明が解決しようとする課題】
【０００８】
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種類のブロックの存在パターンと渋滞の状況との関係を各地点毎に事前に学習しておく必要がある。また、車線毎にブロ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台に相当するブ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。
【０００９】
一方、後者の交通渋滞計測システムにあっては、ニューラルネットワ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ネ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、画像上の部分毎の詳細な情報、例えば、「道路上のｘ１地点からどのｘ２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。
【００１０】
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、交通量等の変化に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で採用した処理手順を利用した画像処理方法および装置を提供することを目的とする。
【００１１】
また、上記の利点を併せ持ってかつ、例えば２０ｋｍ／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で採用した処理手順を利用した画像処理方法および装置を提供することを目的とする。
【課題を解決するための手段】
【００１２】
本発明の画像処理方法は、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応じて、前記所定値を変化させるステップと、を備えた構成を有している。
【００１３】
本発明の画像処理方法は、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ｔ−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ップと、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っ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βを変化させるステップと、を備えた構成を有している。
【００１４】
本発明の画像処理方法は、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ブ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、前記第１の画素の割合が所定値より大きい候補ブ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、を備えた構成を有している。
【００１５】
本発明の画像処理方法は、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ブ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、前記第１の画素の割合が所定値より大きい候補ブ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、各候補ブロックの大きさを変化させるステップと、を備えた構成を有している。
【００１６】
本発明の画像処理装置は、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、を備えた構成を有している。
【００１７】
本発明の画像処理装置は、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ｔ−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、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βを変化させる手段と、を備えた構成を有している。
【００１８】
本発明の画像処理装置は、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ブ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手段と、を備えた構成を有している。
【００１９】
本発明の画像処理装置は、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ブ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、各候補ブロックの大きさを変化させる手段と、を備えた構成を有している。
【００２０】
また、本発明の画像処理方法は、上記構成に加えて、前記画像に含まれる全画素のなかの一部にそれぞれ対応する複数のサンプル点を前記画像上に設定するステップを備えた構成を有しても良い。また、本発明の画像処理装置は、上記構成に加えて、前記画像に含まれる全画素のなかの一部にそれぞれ対応する複数のサンプル点を前記画像上に設定する手段を備えた構成を有しても良い。
【発明の効果】
【００２１】
本発明は、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、環境の変化に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で採用した処理手順を利用した画像処理方法および装置を提供するものである。
【発明を実施するための最良の形態】
【００２２】
以下、本発明の実施の形態について、図面を参照して説明する。
【００２３】
（第１の実施の形態）
本発明に係る画像処理方法および装置が採用する処理手順を実行する交通渋滞計測方法および装置で構成される交通管制システムの第１の実施例を、第１図〜第１９図を参照しつつ以下に詳細に説明する。
【００２４】
第１図に示すように、交通管制システムは、交差点ＩＳ近傍に配置されたビデオカメラ１１〜１４、渋滞計測装置２１〜２４、信号機３１〜３４、信号制御装置４１〜４４および中継装置５０、並びに、交差点ＩＳからは遠く離れた所に位置する交通管制センター内に設けられた中央制御装置６０を備えている。ビデオカメラ１１〜１４は、第２図に示すように、交差点ＩＳ近傍の路面から例えば高さ１０ｍの位置に配置され、交差点近傍位置から１５０ｍ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、ビデオカメラ１１〜１４は、車両の進行方向下流側から上流側を撮影するように向けられている。
【００２５】
渋滞計測装置２１〜２４は、交差点ＩＳ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２１〜２４のそれぞれは、第３図に示すように、ＣＰＵ２、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、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）８およびＲＯＭ（Ｒｅａｄ−ｏｎｌｙ Ｍｅｍｏｒｙ）９を備えている。
【００２６】
ビデオカメラ１１〜１４により撮影された画像データは、それぞれ渋滞計測装置２１〜２４のＣＰＵ２に伝送される。伝送された画像データはＣＰＵ２を介して画像メモリ３に格納される。ＲＯＭ９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、ＣＰＵ２は、ＲＯＭ９から必要なプログラムを読み出して、ＲＡＭ８を作業エリアとして、プログラムを実行する。プ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に出力される。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５０を通して、第１図に示された交通管制センターの中央制御装置６０に送信する。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。
【００２７】
再び第１図において、交通管制センターの中央制御装置６０は、渋滞計測装置２１〜２４の計測結果に基づいて、中継装置５０を介して信号制御装置４１〜４４に信号制御パターンを送信する。例えば、ビデオカメラ１１、１３から画像データを入力する渋滞計測装置２１、２３が、ビデオカメラ１２、１４から画像データを入力する渋滞計測装置２２、２４よりも、長い渋滞範囲を計測した場合、中央制御装置６０は、信号機３１、３３の青信号の時間間隔が、信号機３２、３４の青信号の時間間隔よりも長くなるような、信号制御パターンを信号制御装置４１〜４４に送出して、ビデオカメラ１１、１３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。
【００２８】
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Ｓ１〜Ｓ８のフローチャートに従って、概略的に説明する。
【００２９】
ステップＳ１で、ビデオカメラにより撮影された画像上に複数のサンプル点を設定する。例えば、第６図に示される画像７１がビデオカメラにより撮影された場合、サンプル点は「●」により示される。ステップＳ２で、時刻ｔｎ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Ｓ３で、時刻ｔｎ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。ステップＳ４で、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矩形のブロックを、移動ブロックとして検出する。ステップＳ５で、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。ステップＳ６で、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矩形のブロックを、渋滞ブロックとして検出する。ステップＳ７で、渋滞ブロックに基づいて、時刻ｔｎ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Ｓ８で、ｎ←ｎ+1として、ステップＳ２に戻る。「ｎ」は、正の整数であり、｜ｔｎ+1−ｔｎ｜は一定である。したがって、上記ステップＳ２〜Ｓ７の各手順は一定の時間間隔で繰り返される。
【００３０】
第５図は、上記ステップＳ１〜Ｓ７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Ｓ１〜Ｓ７の詳細な説明により明らかになる。
【００３１】
上記ステップＳ１のサンプル点の設定について、下記に詳説する。
【００３２】
第６図に示された画像７１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。また、画像７１には３車線が示されており、画像７１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、サンプ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。
【００３３】
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大きく写るのでサンプル点が疎であってもその走行状態を検出できるが、遠方では車両が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からである。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プ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定する。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す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。このサンプル点の設定時に、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ーブルに記憶しておく。
【００３４】
次に、第４図のステップＳ２の存在サンプル点の検出手順を、第７図のステップＳ２ａ〜Ｓ２ｇのフローチャートに従って、下記に詳説する。
【００３５】
ステップＳ２ａで、後述の二値化処理に用いる各閾値ＴＨ１を、ビデオカ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Ｓ２ｂでは、時刻ｔｎの画像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。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ｔｎ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、サンプル点画像上のサンプル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。
【００３６】
ステップＳ２ｂからステップＳ２ｃ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とに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するのは、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ができる画像、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からなり、上述のサンプル点画像と同様に構成されている。
【００３７】
ステップＳ２ｄでは、ステップＳ２ｃでの差分画像を用いて、次の時刻ｔn+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れる基準輝度画像Ｂn+ 1を次式によって更新する。
【００３８】
Ｂn+1＝Ｂｎ＋η×（Ｘｎ−Ｂｎ） ...（ｉ）
ここで、Ｘｎは、時刻ｔｎのサンプル点画像の各サンプル点の輝度値、Ｂｎ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+1は、時刻ｔｎ+1のサンプル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は可変値であり、｜Ｘｎ−Ｂｎ｜が大きいほど、あるいは、渋滞度が高いほど、小さくする。｜Ｘｎ−Ｂｎ｜が大きいほどη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ηは、各サンプル点毎に設定される。一方、渋滞度が高いほどηを小さくするのは、渋滞中の車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η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囲の検出結果から判定する。
【００３９】
上式（ｉ）で基準輝度画像を更新することにより、天候や時間経過に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Ｓ２ｃで算出する「Ｘｎ−Ｂｎ」の計算値をそのまま利用することができ、計算量を削減す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処理を次式（ｉｉ）を使ってステップＳ２ｃの直前に行ってもよい。
【００４０】
Ｂn+1＝Ｂｎ＋η×（Ｘn+1−Ｂｎ） ...(ｉｉ)
ステップＳ２ｅで、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、次いでステップＳ２ｆ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Ｓ２ａで設定された各閾値ＴＨ１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とができるので、ステップＳ２ｇで、「１」レベルのサンプル点を、存在サンプル点として検出する。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。
【００４１】
なお、上記ステップＳ２ａにおける各閾値ＴＨ１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用いられるものほど、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点に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。
【００４２】
次に、第４図のステップＳ３の移動サンプル点の検出手順を、第１０図のステップＳ３ａ〜Ｓ３ｍ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１１図および第１２図を参照すると理解が容易になる。
【００４３】
まず、ステップＳ３ａで、サンプル点画像をＭ個の領域に分割する。本実施例では、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つに分割するので、Ｍ＝３になる。ステップＳ３ｂで、ｍ番目の領域に対応する時間間隔αｍ、βｍと、後述の二値化の閾値ＴＨ１、ＴＨ２を設定する。ここで、αｍ、βｍは正の時間であり、α１＜α２＜α３、β１＜β２＜β３とする。このように、αｍ、βｍ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い位置にあるサンプル点に対するαｍ、βｍ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出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点に対するαｍ、βｍの値は大きく設定する。また、αｍ、βｍには、異なる値を用いてもよいが、通常は、αｍ＝βｍとするのが好ましい。
【００４４】
上記ステップＳ３ｂに続くステップＳ３ｃで、時刻ｔｎ、ｔｎ−αｍ、ｔｎ＋βｍに対応するサンプル点画像を作成する。ステップＳ３ｄで、時刻ｔｎのサンプル点画像のｍ番目の領域と、時刻ｔ−αｍ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１の差分領域を算出する。ステップＳ３ｅでに、第１の差分領域をステップＳ３ｂで設定された閾値ＴＨ１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点の値は「０」レベルか「１」レベルの何れかになる。
【００４５】
ステップＳ３ｆで、時刻ｔｎのサンプル点画像のｍ番目の領域と、時刻ｔｎ＋βｍ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Ｓ３ｆからステップＳ３ｇに進み、第２の差分領域をステップＳ３ｂで設定された閾値ＴＨ２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」レベルが「１」レベルの何れかになる。
【００４６】
ステップＳ３ｇに続くステップＳ３ｈとステップＳ３ｉとにより、ｍ＝Ｍになるまで、ステップＳ３ｂ〜Ｓ３ｇ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Ｓ３ｊ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Ｓ３ｋ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。
【００４７】
ステップＳ３１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って、積画像を作成し、ステップＳ３ｍ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１２図に例示される。
【００４８】
上述のように、時刻ｔｎの前後の画像を使って、移動サンプル点を検出するのは、時刻ｔｎの前あるいは後だけの画像を使って移動サンプル点を検出しようとすると、第１２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ｔｎ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。
【００４９】
なお、この移動サンプル点の検出処理において、時間間隔αｍ、βｍを調整することにより、例えば２０ｋｍ／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αｍ、βｍを設定することにより、本実施例を低速車両による渋滞の検出にも適用することができる。
【００５０】
次に、第４図のステップＳ４の移動ブロックの検出手順を、第１３図のステップＳ４ａ〜Ｓ４ｊのフローチャートに従って、下記に詳説する。
【００５１】
ステップＳ４ａで、計算開始位置を、サンプル点画像の左上角に設定する。候補ブロックとは、それぞれが時刻ｔｎ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り、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Ｓ４ｂ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ロックサイズおよび閾値ＴＨ１を設定する。
【００５２】
ステップＳ４ｃで、候補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Ｓ４ｄで、候補ブロック内の移動サンプル点の割合がステップＳ４ｂで設定された閾値ＴＨ１より大きいか否かが判定される。ステップＳ４ｄの判定が「ＹＥＳ」であれば、ステップＳ４ｄからステップＳ４ｅに進み、候補ブロックを移動ブロックとして検出する。ステップＳ４ｄの判定が「ＮＯ」であれば、ステップＳ４ｄからＳ４ｆに進む。ステップＳ４ｆとステップＳ４ｇ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Ｓ４ｃ〜Ｓ４ｅが繰り返される。
【００５３】
ステップＳ４ｆに続くステップＳ４ｈでは、候補ブロックの計算開始位置をサンプル点画像の最左端に移勧する。ステップＳ４ｉとステップＳ４ｊによって、ステップＳ４ｂ〜Ｓ４ｈが繰り返される。すなわち、横一列分ず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移動ブロックを全て検出することができる。
【００５４】
第１４図は、互いに部分的に重なり合う二つの移動ブロックが検出された例を示している。第１４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、「○」が移動サンプル点以外のサンプル点を示す。検出された移動ブロック内の移動サンプル点の割合は６０％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ＴＨ１は５５％である。なお、第１４図に示すように、移動ブロック内に入らない移動サンプル点はノイズとして除去する。
【００５５】
上記ステップＳ４ｂにおける候補ブロックのサイズ、すなわち、候補ブロックに含まれるサンプルの総数と、閾値ＴＨ１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、車両が小さい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ブロックの大きさを大きくする。一方、閾値ＴＨ１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、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ブロックを検出することができる。
【００５６】
第４図のステップＳ５では、上記の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１５図は、渋滞サンプル点の検出例を示している。第１５図において、「●」は存在サンプル点、「○」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。
【００５７】
次に、第４図のステップＳ６の渋滞ブロックの検出手順を、第１６図のステップＳ６ａ〜Ｓ６ｊのフローチャートに従って、下記に詳説する。
【００５８】
ステップＳ６ａで、計算開始位置を、サンプル点画像の左上角に設定する。候補ブロックとは、それぞれが時刻ｔｎ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Ｓ６ｂ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ロックサイズおよび閾値ＴＨ１を設定する。
【００５９】
ステップＳ６ｃ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Ｓ６ｄで、候補ブロック同の渋滞サンプル点の割合がステップＳ６ｂで設定された閾値ＴＨ１より大きいか否かが判定される。ステップＳ６ｄでの判定が「ＹＥＳ」であれば、ステップＳ６ｄからステップＳ６ｅに進み、候補ブロックを渋滞ブロックとして検出する。ステップＳ６ｄでの判定が「ＮＯ」であれば、ステップＳ６ｄからＳ６ｆに進む。
【００６０】
ステップＳ６ｆとステップＳ６ｇ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Ｓ６ｃ〜Ｓ６ｅの各動作が繰り返される。
【００６１】
ステップＳ６ｆからステップＳ６ｈに進むと、候補ブ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Ｓ６ｉとステップＳ６ｊによって、ステップＳ６ｂ〜Ｓ６ｈが繰り返される。すなわち、横一列分ず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ロックを全て検出することができる。
【００６２】
第１７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１７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、「○」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ＴＨ１は４５％であり、第１７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、４７％である。なお、第１７図に示すように、渋滞ブロ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。
【００６３】
上記ステップＳ６ｂにおける候補ブロックのサイズと、閾値ＴＨ１は前述の移動ブ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、車両が小さい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ブロックの大きさを大きくする。一方、閾値ＴＨ１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ブロックを検出することができる。
【００６４】
次に、第４図のステップＳ７の渋滞状況の計測手順を、第１８図のステップＳ７ａ〜Ｓ７ｃのフローチャートに従って、下記に詳説する。
【００６５】
ステップＳ７ａで、車線毎に渋滞ブロックが存在するエリアを渋滞範囲と検出する。各渋滞ブロックエリアには、単独の渋滞ブロック、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１９図は、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車線に跨った渋滞ブロックがあるときは、その存在範囲が大きい方の車線に渋滞ブロックが存在するものと判定する。
【００６６】
ステップＳ７ｂ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。ステップＳ７ｃ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。
【００６７】
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せずに、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。詳細には、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。
【００６８】
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、ビデオカ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。さらにまた、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、移動ブロックおよび渋滞ブロックの形式、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車群と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。
【００６９】
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、直ちにそれを検知することもできる。
【００７０】
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。
【００７１】
次に、上記の道路渋滞状況計測装置を、１９９５年、東京、大阪の２カ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、曇、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、曇のち雨、重交通）
（２） ８月２日 18:30〜20:30 （薄暮・夜間、曇、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・曇、軽交通）
（６） ８月５日 18:30〜20:30 （薄暮・夜間、曇、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。
【００７２】
渋滞の判定：低速走行車両は渋滞中にあると見なした。
【００７３】
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分間毎のピーク値の平均値を示す。
【００７４】
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）｝×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ようであった。
【００７５】
（１）：95.4％ （２）：96.4％ （３）：98.6％
（４）：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 11:00〜11:30 （昼間、晴）
（４）９月 ４日 18:20〜18:50 （薄暮、晴）
（５）９月 ４日 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。
【００７６】
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。
【００７７】
渋滞位置：２車線のうち、よりビデオカメラ近くに発生した渋滞位置渋滞先頭位置とし、よりビデオカ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＜ｘ≦40 40
40＜ｘ≦50 50
50＜ｘ≦60 60
60＜ｘ≦75 75
75＜ｘ≦100 100
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画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、60ｍ地点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。
【００７８】
総停止時間（ｍ・秒）＝渋滞長（ｍ）×時間（秒）
＝｛渋滞末尾位置（ｍ）−渋滞先頭位置（ｍ）｝ ×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（ｍ・秒）｝×100 ...(ｖ)
（Ｅ）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った。
（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。
【００７９】
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。
【００８０】
（第２の実施例）
本発明に係る画像処理方法および装置が採用する処理手順を実行する交通渋滞計測方法および装置により構成される交通管制システムの第２の実施例を、第２０図から第４５図を参照しつつ以下に詳細に説明する。
【００８１】
第２０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８１、渋滞計測装置８２、情報表示板９１、表示制御装置９２および交通管制センター内の中央制御装置１００により構成される。ビデオカメラ８１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、各ビデオカメラ８１は、第２１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よ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けて配置、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。
【００８２】
情報表示板９１は、ビデオカメラ８１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８２は、第３図に示した第１の実施例の渋滞計測装置２１〜２４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８２は、第２１図に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８１から車両の進行方同に１０ｍ離れた位置から、車両の進行方向に３０ｍ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ＤＬ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５−３０７６９５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。
【００８３】
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１０ｍ離れた位置から、車両の進行方向に２００ｍ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。
【００８４】
渋滞計測装置８２の計測結果は、交通管制センターの中央制御装置１００に送信される。中央制御装置１００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ーにとって有益となる交通情報を作成して、表示制御部９２に送信し、情報表示板９１に交通情報が表示されるようになっている。
【００８５】
ここで、上述のように構成される渋滞計測装置８２により実行される空間密度の算出方法を、まず、第２２図に示されるステップＰ１〜Ｐ１６のフローチャートに従って、概略的に説明する。
【００８６】
ステップＰ１で、時刻ｔｎにおけるサンプル点画像を作成するとともに、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２４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。
【００８７】
また、ステップＰ１に続くステップＰ２、Ｐ３もそれぞれ、前述の第７図のステップＳ２ｃ、Ｓ２ｄ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。
【００８８】
ステップＰ４およびステップＰ５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。ステップＰ６では、ステップＰ４およびステップＰ５でそれぞれ検出された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Ｐ６に続くステップＰ７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Ｐ８では、ステップＰ４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。
【００８９】
ステップＰ９では、時刻ｔｎ、時刻ｔｎ−αｍ、時刻ｔｎ＋βｍ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Ｐ１０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。
【００９０】
ステップＰ１１では、計測領域を複数のメッシュに分割し、ステップＰ１２では、ステップＰ１０で補正された存在サンプルラインに基づいて、時刻ｔｎにおけるメッシュ毎の空間密度を算出する。
【００９１】
ステップＰ１３では、時刻ｔｎ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Ｐ１４で、時刻ｔｎの計測領域における車間距離を算出し、ステップＰ１５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。
【００９２】
ステップＰ１６で、ｎ←ｎ+1として、ステップＰ１に戻る。「ｎ」は、正の整数であり、｜ｔｎ+1−ｔｎ｜は一定である。したがって、上記ステップＰ１〜Ｐ１６の各手順は一定の時間間隔で繰り返される。
【００９３】
第２３図は、上記ステップＰ１〜Ｐ１５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Ｐ１〜Ｐ１５の詳細な説明により明らかになる。
【００９４】
次に、第２２図のステップＰ４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Ｐ４ａ〜Ｐ４ｊのフローチャートに従って、以下に詳説する。
【００９５】
ステップＰ４ａで、Ｍ個のサンプル点からなるｋ番目のサンプルラインのビデオカメラからの距離に基づいて、正の閾値ＴＨ１、負の閾値ＴＨ２および正の整数閾値ＴＨ３を設定する。ステップＰ４ｂで、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、ＴＨ１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Ｐ２で算出された差分画像の各サンプル点の値を指す。
【００９６】
ステップＰ４ｂでの判定が「ＹＥＳ」であれば、ステップＰ４ｄに進み、ステップＰ４ｂでの判定が「ＮＯ」であれば、ステップＰ４ｃに進む。ステップＰ４ｃ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Ｐ４ｃでの判定が「ＹＥＳ」であれば、ステップＰ４ｄに進み、ステップＰ４ｃの判定が「ＮＯ」であれば、ステップＰ４ｅに進む。
【００９７】
ステップＰ４ｄ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Ｐ４ｅに進む。ステップＰ４ｅとステップＰ４ｆにより、ステップＰ４ｂ〜Ｐ４ｄ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ＴＨ２より小かが判別される。
【００９８】
ステップＰ４ｇでは、ｋ番目のサンプルラインの「ＯＮ」のフラグ数がＴＨ３より大か否かを判定する。ステップＰ４ｇでの判定が「ＹＥＳ」であれば、ステップＰ４ｈ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Ｐ４ｇの判定が「ＮＯ」であれば、ステップ４ｉに進む。ステップＰ４ｉとステップＰ４ｊにより、ステップＰ４ａ〜Ｐ４ｈの動作が、ｋ＝Ｋになるまで繰り返される。ここで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。
【００９９】
ステップＰ４ａにおける正の閾値ＴＨ１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大き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からの距離に応じてＴＨ１、ＴＨ２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Ｐ４ａにおける正の整数閾値ＴＨ３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ラインを検出することが可能になる。
【０１００】
次に、第２２図のステップＰ４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Ｐ４Ａ〜Ｐ４Ｈのフローチャートに従って、以下に詳説する。
【０１０１】
ステップＰ４Ａ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、ＴＨ４を設定する。なお、ＴＨ４＜ＴＨ３＜０＜ＴＨ１＜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、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、負の輝度差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。
【０１０２】
ステップＰ４Ｂ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ＴＨ１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。Ｐ４Ｃ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ＴＨ３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。
【０１０３】
ステップＰ４ＣからステップＰ４Ｄに進み、平均値ＰＭが第２の正の閾値ＴＨ２より大か否かが判定される。ステップＰ４Ｄでの判定が「ＹＥＳ」であれば、ステップＰ４Ｆに進み、ステップＰ４Ｄでの判定が「ＮＯ」であれば、ステップＰ４Ｅに進む。ステップＰ４Ｅ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Ｐ４Ｅでの判定が「ＹＥＳ」であれば、ステップＰ４Ｆ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Ｐ４Ｅの判定が「ＮＯ」であれば、ステップ４Ｇに進む。ステップＰ４ＧとステップＰ４Ｈにより、ステップＰ４Ａ〜Ｐ４Ｆ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差分サンプルラインが検出される。
【０１０４】
ステップＰ４Ａにおける正の閾値ＴＨ１、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ＴＨ３、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。このようにビデオカメラからの距離に応じてＴＨ１〜ＴＨ４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。
【０１０５】
次に、第２２図のステップＰ５のエッジサンプルラインの検出手順の第１例を、第２７図に示すステップＰ５ａ〜Ｐ５ｋのフローチャートに従って、以下に詳説する。
【０１０６】
ステップＰ５ａで、第２２図のステップＰ２で算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Ｐ５ｂ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ＴＨ１、負の閾値ＴＨ２、正の整数閾値ＴＨ３を設定する。
【０１０７】
ステップＰ５ｂに続くステップＰ５ｃ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ＴＨ１より大か否かが判定される。ステップＰ５ｃでの判定が「ＹＥＳ」ならば、ステップＰ５ｅに進み、ステップＰ５ｃでの判定が「ＮＯ」であれば、ステップＰ５ｄに進む。ステップＰ５ｄ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ＴＨ２より小か否かが判定される。ステップＰ５ｄでの判定が「ＹＥＳ」であれば、ステップＰ５ｅに進み、ステップＰ５ｄでの判定が「ＮＯ」であれば、ステップＰ５ｆに進む。
【０１０８】
ステップＰ５ｃあるいはステップＰ５ｄからステップＰ５ｅ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Ｐ５ｆに進む。ステップＰ５ｆとステップＰ５ｇにより、ステップＰ５ｃ〜Ｐ５ｅ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、正の閾値ＴＨ１より大か、あるいは、負の閾値ＴＨ２より小かが判定される。
【０１０９】
ステップＰ５ｆからステップＰ５ｈに進むと、「ＯＮ」のフラグ数が正の整数閾値ＴＨ３より大か否かが判別される。ステップＰ５ｈでの判定が「ＹＥＳ」であれば、ステップＰ５ｉに進み、ｋ番目のサンプ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Ｐ５ｈでの判定が「ＮＯ」であれば、ステップＰ５ｊに進む。ステップＰ５ｊとステップＰ５ｋにより、ステップＰ５ｂ〜Ｐ５ｉ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。
【０１１０】
ステップＰ５ｂにおける正の閾値ＴＨ１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大き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ＴＨ１、ＴＨ２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エッジサンプルラインを検出することができる。ステップＰ５ｂにおける正の整数閾値ＴＨ３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エッジサンプルラインを検出することが可能になる。
【０１１１】
次に、第２２図のステップＰ５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Ｐ５Ａ〜Ｐ５１のフローチャートに従って、以下に詳説する。
【０１１２】
ステップＰ５Ａで、第２２図のステップＰ２で算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。
【０１１３】
ステップＰ５Ｂ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、第１、第２の負の閾値ＴＨ３、ＴＨ４を設定する。なお、ＴＨ４＜ＴＨ３＜０＜ＴＨ１＜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。
【０１１４】
ステップＰ５Ｃ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ＴＨ１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。Ｐ５Ｄでは、ｋ番目のサンプルラインのサンプル点のうち、第一の負の閾値ＴＨ３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。
【０１１５】
ステップＰ５ＤからステップＰ５Ｅに進み、平均値ＰＭが第２の正の閾値ＴＨ２より大か否かが判別される。ステップＰ５Ｅでの判定が「ＹＥＳ」であれば、ステップＰ５Ｇに進み、ステップＰ５Ｅでの判定が「ＮＯ」であれば、ステップＰ５Ｆに進む。ステップＰ５Ｆでは、平均値ＮＭが第２の負の閾値ＴＨ４より小か否かが判定される。ステップＰ５Ｆでの判定が「ＹＥＳ」であれば、ステップＰ５Ｇに進み、ｋ番目のサンプ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Ｐ５Ｆでの判定が「ＮＯ」であれば、ステップＰ５Ｈに進む。ステップＰ５ＨとステップＰ５Ｉにより、ステップＰ５Ｂ〜Ｐ５Ｇ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。
【０１１６】
ステップＰ５Ｂにおける正の閾値ＴＨ１、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ＴＨ３、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。このようにビデオカメラからの距離に応じてＴＨ１〜ＴＨ４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。
【０１１７】
第２２図のステップＰ６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２２図のステップＰ４で検出された差分サンプルラインと、ステップＰ５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。
【０１１８】
次に、第２２図のステップＰ７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２９図に示すステップＰ７ａ〜Ｐ７ｍ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イ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Ｐ７ａ〜ステップＰ７ｅ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Ｐ７ｇ〜Ｐ７ｍ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。
【０１１９】
ステップＰ７ａ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ＴＨ１を設定する。ステップＰ７Ｄ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。
【０１２０】
ステップＰ７ｂに続くステップＰ７ｃで、カウントされたライン数がＴＨ１より小か否かが判定される。ステップＰ７ｃでの判定が「ＹＥＳ」であれば、ステップＰ７ｄに進み、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を存在サンプルラインとして追加する。ステップＰ７ｃでの判定が「ＮＯ」であれば、ステップＰ７ｅに進む。ステップＰ７ｅとステップＰ７ｆにより、ステップＰ７ａ〜Ｐ７ｄ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２２図のステップＰ６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。
【０１２１】
例えば、第２２図のステップＰ６で、第３０図の（ａ）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、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Ｌ１には２個のサンプルライン、４番目と５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、５番目と６番目の間の存在サンプルラインの間の領域Ｌ２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の領域Ｌ３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インの間と、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Ｐ７ｂで閾値ＴＨ１をＴＨ１＝３＝一定に設定した場合、第３０図の（ａ）および（ｂ）に示すように、領域Ｌ１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。
【０１２２】
再び第２９図において、ステップＰ７ｅからステップＰ７ｇに進むと、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Ｐ７ｈ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、ｒ番目のライングループの判定に用いる閾値ＴＨ２を設定する。ステップＰ７ｉ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。
【０１２３】
ステップＰ７ｉに続くステップＰ７ｊ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Ｐ７ｊでの判定が「ＹＥＳ」であれば、ステップＰ７ｋ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Ｐ７ｊでの判定が「ＮＯ」であれば、ステップＰ７１に進む。ステップＰ７ｌとステップＰ７ｍにより、ステップＰ７ｇ〜Ｐ７ｋ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、計測領域の一車線分の全ての存在サンプルラインに対して、Ｐ７ｄで補正された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除去する補正がなされたことになる。
【０１２４】
ステップＰ７ｄ終了後に、第３０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Ｌ４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Ｌ５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Ｌ６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Ｐ７ｈで閾値ＴＨ２をＴＨ２＝３＝一定に設定しておけば、第３０図の（ｂ）および（ｃ）に示すように、領域Ｌ５のライングループの存在サンプルラインが除去される。
【０１２５】
ステップＰ７ａ、Ｐ７ｈにおける閾値ＴＨ１、ＴＨ２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ＴＨ１、ＴＨ２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。
【０１２６】
次に、第２２図のステップＰ８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３１図に示すステップＰ８ａ〜Ｐ８ｉ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。より詳細には、上述の差分サンプルラインは、時刻ｔｎ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のサンプルライ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出を補正する必要がある。
【０１２７】
ステップＰ８ａ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、エッジサ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プ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、エッジサンプルラインが検出された領域は影が存在していないとみなすことができるからである。
【０１２８】
ステップＰ８ｂ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ＴＨ１を設定する。さらに、ステップＰ８ｂで、所定の輝度値を示す閾値ＴＨ２を設定する。ステップＰ８ｃ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。
【０１２９】
ステップＰ８ｃに続くステップＰ８ｄで、カウントされたライン数が閾値ＴＨ１より大か否かが判別される。ステップＰ８ｄでの判定が「ＹＥＳ」であれば、ステップＰ８ｅ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ｔｎのサンプル点画像上の各サンプルライン内のサンプル点の輝度値の平均値ＢＭを算出する。ステップＰ８ｄでの判定が「ＮＯ」であれば、ステップＰ８ｈに進む。
【０１３０】
ステップＰ８ｅからステップＰ８ｆに進むと、上記ＢＭが閾値ＴＨ２より小か否かが判別される。ステップＰ８ｆでの判定が「ＹＥＳ」であれば、ステップＰ８ｇに進み、ｋ番目のライングループの差分サンプルラインに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Ｐ８ｆでの判定が「ＮＯ」であれば、ステップＰ８ｈに進む。ステップＰ８ｈとステップＰ８ｉにより、ステップＰ８ｂ〜Ｐ８ｇ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。
【０１３１】
ステップＰ８ｂにおける閾値ＴＨ１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ＴＨ１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。このようにビデオカメラからの距離に応じてＴＨ１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存在サンプルラインを除去することができる。
【０１３２】
次に、第２２図のステップＰ９の移動サンプルラインの検出手順の１例を、第３２図に示すステップＰ９ａ〜Ｐ９ｇのフローチャートに従って、以下に詳説する。
【０１３３】
ステップＰ９ａ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１０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。
【０１３４】
ステップＰ９ｂ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ＴＨ１を設定する。ステップＰ９ｃ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。
【０１３５】
ステップＰ９ｃに続くステップＰ９ｄでは、カウントされた移動サンプル点数が閾値ＴＨ１より大か否かが判別される。ステップＰ９ｄでの判定が「ＹＥＳ」であれば、ステップＰ９ｅに進み、ｋ番目の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Ｐ９ｄでの判定が「ＮＯ」であれば、ステップＰ９ｆに進む。ステップＰ９ｆとステップＰ９ｇにより、ステップＰ９ｂ〜Ｐ９ｅ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ンプルラインが全て検出される。
【０１３６】
ステップＰ９ｂにおける閾値ＴＨ１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ＴＨ１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。
【０１３７】
次に、第２２図のステップＰ１０の移動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３３図に示すステップＰ１０ａ〜Ｐ１０ｇ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、第２９図のステップＰ７ａ〜Ｐ７ｆ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。より詳細には、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Ｐ７ａ〜Ｐ７ｆ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出できることがあり、移動サンプルラインの配置に基づいて、存在サンプルラインの検出漏れを補正する。
【０１３８】
ステップＰ１０ａ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ＴＨ１、ＴＨ２を設定する。ただし、ＴＨ１＜ＴＨ２である。このステップＰ１０ａで設定される閾値ＴＨ１は、第２９図のステップＰ７ａで設定される閾値ＴＨ１と一致させる。このように設定するのは、ステップＰ１０ａ〜Ｐ１０ｇでの処理の補正対象のサンプルラインを、ステップＰ７ａからＰ７ｆ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止することができる。
【０１３９】
ステップＰ１０ｂ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Ｐ１０ｃでは、カウントされたライン数がＴＨ１以上かつ、ＴＨ２より小か否かが判定される。ステップＰ１０ｃでの判定が「ＹＥＳ」であれば、ステップＰ１０ｄに進み、ステップＰ１０ｃでの判定が「ＮＯ」であれば、ステップＰ１０ｆに進む。
【０１４０】
ステップＰ１０ｃからステップＰ１０ｄ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Ｐ１０ｄでの判定が「ＹＥＳ」であれば、ステップＰ１０ｅ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プルラインを、存在サンプルラインに追加する。ステップＰ１０ｄでの判定が「ＮＯ」であれば、ステップＰ１０ｆに進む。ステップＰ１０ｆとステップＰ１０ｇにより、ステップＰ１０ａ〜Ｐ１０ｅ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。
【０１４１】
例えば、第２２図のステップＰ８、Ｐ９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プ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Ｌ７には３個のサンプルライン、８番目〜１０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、１０番目と１１番目の存在サンプルラインの間の領域Ｌ８には６個のサンプルライン、１１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Ｌ７には１個の移動サンプルライン、領域Ｌ８には０個の移動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Ｐ１０ａで閾値ＴＨ１、ＴＨ２をＴＨ１＝３＝一定、ＴＨ２＝５＝一定に設定した場合、第３４図の（ａ）および（ｂ）に示すように、領域Ｌ７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。
【０１４２】
ステップＰ１０ａにおける閾値ＴＨ１、ＴＨ２は、それぞれ画像上に描写される平均的な車両の長さの１／４、１／２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ＴＨ１、ＴＨ２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にて存在サンプルラインを補正することができる。
【０１４３】
第２２図のステップＰ１１におけるメッシュは、第３５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、縦サイ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。
【０１４４】
第２２図のステップＰ１２おける各メッシュの空間密度は、下記の式で算出される。
【０１４５】
Ｄ（ｍ）＝ＰＳＬ（ｍ）／ＴＳＬ（ｍ） ...(ｖｉ)
ここで、Ｄ（ｍ）はｍ番目のメッシュの空間密度、ＰＳＬ（ｍ）はｍ番目のメッシュに含まれる存在サンプルラインの数、ＴＳＬ（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３５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Ｍ１の空間密度は３３％、メッシュＭ２〜Ｍ４の空間密度は１００％、メッシュＭ５の空間密度は７５％、メッシュＭ６の空間密度は０％、メッシュＭ７の空間密度は８０％となる。
【０１４６】
第２２図のステップＰ１３おける大型車の混入率は、以下のような手法で算出する。
【０１４７】
まず、５分または１０分間の単位時間内での第２１図に示す交通流計測領域Ｆでの大型車両の混入率Ｒｔを次式により算出する。
【０１４８】
Ｒｔ＝ＮＬ／ＮＴ ...(ｖｉｉ)
ここで、ＮＬは、第２１図の感知ラインＤＬを通過した大型車両台数、ＮＴは、感知ラインＤＬを通過した全車両台数である。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、普通車の区別を計測できるので、これらの計測データを利用して、混入率Ｒｔを算出する。
【０１４９】
第２２図のステップＰ１４おける車間距離は、ビデオカメラ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。
【０１５０】
第２２図のステップＰ１５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処理である。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。
【０１５１】
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ｈａ、平均車長ｌａをそれぞれ次式により算出する。
【０１５２】
ｈａ＝Ｒｔ×ｈＬ＋（１−Ｒｔ）×ｈＳ ...(ｖｉｉｉ)
ｌａ＝Ｒｔ×ｌＬ＋（１−Ｒｔ）×ｌｓ ...(ｉｘ)
ここで、ｈＬは大型車両の高さ、ｈＳは普通車両の高さ、ｌＬは大型車両の長さ、ｌＳは普通車両の長さである。
【０１５３】
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ｌｈを次式により算出する。
【０１５４】
ｌｈ＝ｈａ×Ｌ／（Ｈ−ｈａ） ...(ｘ)
ここで、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。
【０１５５】
上記ｌｈ、ｌａ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Ｒｅを次式により算出する。
【０１５６】
Ｒｅ＝ｌａ／（ｌａ＋ｌｈ） ...(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、補正率Ｒｅ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。
【０１５７】
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、(ｘｉ)で算出された補正率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、補正率Ｒｅ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。
【０１５８】
空間計測領域Ｅにおいては、ビデオカメラ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っている場合には、車間距離を計測することができない。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、本実施例では、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(ｘｉ)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(ｘｉ)で算出された値に近づけ、通過台数が多いほど、補正率Ｒｅを１に近づける。
【０１５９】
第２２図のステップＰ１５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Ｒｅ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。
【０１６０】
次に、渋滞計測装置８２により実行される空間速度の算出方法を、まず、第３７図に示されるステップＱ１〜Ｑ１５のフローチャートに従って、概略的に説明する。
【０１６１】
ステップＱ１で、時刻ｔｎ、ｔｎ＋γの各画像のサンプル点画像を作成する。ステップＱ２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平均値を算出する。
【０１６２】
ステップＱ３で、時刻ｔｎ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３２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。
【０１６３】
ステップＱ４で、時刻ｔｎのサンプル点画像上での各移動サンプルラインの時刻ｔｎ＋γの画像上での移動先を検出する。ステップＱ５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。
【０１６４】
ステップＱ６で、時刻ｔｎ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Ｑ７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Ｑ８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。
【０１６５】
ステップＱ８に続くステップＱ９で、ｋ番目のメッシュの移動サンプルライ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Ｑ９での判定が「ＹＥＳ」であれば、ステップＱ１０に進み、ｋ番目のメッシュ内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。ステップＱ９での判定が「ＮＯ」であれば、ステップＱ１１に進み、速度０ｋｍ／ｈを、ｋ番目のメッシュの空間速度として設定する。
【０１６６】
ステップＱ１０からステップＱ１２に進むと、ｋ番目の空間速度を指数平滑化して、ステップＱ１３に進む。ステップＱ１３、Ｑ１４により、ｋ＝Ｋになるまで、ステップＱ７〜ステップＱ１２が繰り返される。この結果、時刻ｔｎ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とになる。
【０１６７】
上記のステップＱ１〜Ｑ１５は、所定の時間間隔で繰り返される。上記ステップＱ１〜Ｑ１５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。
【０１６８】
次に、第３７図のステップＱ４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Ｑ４ａ〜Ｑ４ｇのフローチャートに従って、以下に詳説する。
【０１６９】
ステップＱ４ａで、時刻ｔｎ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ｔｎ＋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Ｑ４ｂで、時刻ｔｎ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ｔｎ＋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。
【０１７０】
ステップＱ４ｂに続くステップＱ４ｃ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Ｑ４ｃでの判定が「ＹＥＳ」であれば、ステップＱ４ｄ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Ｑ４ｃでの判定が「ＮＯ」であれば、ステップＱ４ｅに進み、ｋ番目の移動サンプルラインの移動先無しと検出する。
【０１７１】
ステップＱ４ｄおよびステップＱ４ｅに続くステップＱ４ｆおよびステップＱ４ｇにより、ステップＱ４ａ〜ステップＱ４ｅの動作が、ｋ＝Ｋになるまで繰り返される。結果的に、時刻ｔｎ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。
【０１７２】
次に、第３７図のステップＱ４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４０図に示すステップＱ４Ａ〜Ｑ４Ｍのフローチャートに従って、以下に詳説する。
【０１７３】
ステップＱ４Ａで、時刻ｔｎ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ｔｎ＋γ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Ｑ４Ｂ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。
【０１７４】
ステップＱ４Ｃで、時刻ｔｎ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ｔｎ＋γのサンプル点画像上の第１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Ｕ１を算出する。
【０１７５】
ステップＱ４Ｄで、時刻ｔｎ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ｔｎ＋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Ｕ２を算出する。
【０１７６】
ステップＱ４Ｅで、時刻ｔｎ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後のサンプルラインと、時刻ｔｎ＋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Ｕ３を算出する。
【０１７７】
ステップＱ４Ｆで、Ｕ１、Ｕ２、Ｕ３を加算して輝度差分値の総和Ｕｍを算出する。ステップＱ４ＧとステップＱ４Ｈにより、ｍ＝Ｍになるまで、ステップＱ４Ｃ〜ステップＱ４Ｆ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。
【０１７８】
ステップＱ４Ｉで、総和Ｕｍのうちの最小のＵｍが閾値より小か否かを判別する。ステップＱ４Ｉでの判定が「ＹＥＳ」であれば、ステップＱ４Ｊに進み、最小の総和Ｕｍの第１の予想移動範囲内のサンプルラインを、時刻ｔｎ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Ｑ４Ｉでの判定が「ＮＯ」であれば、ステップＱ４Ｋに進み、時刻ｔｎ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。
【０１７９】
ステップＱ４ＬとステップＱ４Ｍにより、ｋ＝Ｋになるまで、ステップＱ４Ａ〜ステップＱ４Ｋを繰り返す。この結果的、時刻ｔｎ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ｔｎ＋γの画像上での移動先が検出される。
【０１８０】
ここで、第４１図の（ａ）に示すように、時刻ｔｎのサンプル点画像上に、移動サンプルラインＭＶｄが検出され、第１の予想移動範囲は第４１図の（ｂ）に示す第１予想移動範囲ＰＡ１を得るとすると、ＰＡ２が第２の予想移動範囲、ＰＡ３が第３の予想移動範囲になる。上記のステップＱ４Ｆで算出される総和Ｕｍのうちの最小の総和に対応する３つのサンプルラインが第４１図の（ｂ）の時刻ｔｎ＋γ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のサンプルラインが移動サンプルラインＭＶｄの移動先となる。
【０１８１】
第３７図のステップＱ５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。
【０１８２】
Ｖｋ＝（Ｌｂ−Ｌａ）／γ ... (ｘｉｉ)
ここで、Ｌａは、時刻ｔｎのサンプル点画像上の各移動サンプルラインの車両走行方向における座標位置、Ｌｂは、各移動サンプルラインの時刻ｔｎ＋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。
【０１８３】
第３７図のステップＱ１２における空間速度の指数平滑化処理は、次式に従って実行される。
【０１８４】
Ｖ（ｍ， tn）＝（１−θ）×Ｖ（ｍ， tn-1）＋θ×Ｖ（ｍ， tn） ... (ｘｉｉｉ)
ここで、Ｖ（ｍ， tn）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、θ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。
【０１８５】
次に、渋滞計測装置８２により実行される渋滞領域の末尾位置の検出方法の第１例を、第４２図に示されるステップＺ１〜Ｚ４のフローチャートに従って以下に説明する。
【０１８６】
ステップＺ１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。
【０１８７】
最初の算出方法は、前述の第３７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２２図のフローチャートの手順で算出した空間密度と、第２１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，ｔｎ）を算出する方法である。
【０１８８】
Ｖ（ｍ，ｔｎ）＝（ｑ（ｔｎ）×ｌａ）／ｄ（ｍ，ｔｎ） ... (ｉｘｖ)
ここで、ｑ（ｔｎ）は時刻ｔｎにおける空間計測領域内の単位時間あたりの交通量、ｌａは時刻ｔｎにおける空間計測領域内の車両の平均車長、ｄ（ｍ，ｔｎ）はｍ番目のメッシュの空間密度である。
【０１８９】
さらに、ノイズ成分を除去するために、空間速度Ｖ（ｍ，ｔｎ）を次式で指数平滑化する。
【０１９０】
Ｖ（ｍ，ｔｎ）＝（１−μ）×Ｖ（ｍ，tn-1）＋μ×Ｖ（ｍ，ｔｎ） ... (ｘｖ)
ここで、μは指数係数で０＜μ＜１である。
【０１９１】
ステップＺ２で、ノイズ成分および渋滞の疎密波による影響を除去するために、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。
【０１９２】
【数１】
ここで、Ｍｖ（ｍ）ｍ番目のメッシュにおける平均化空間速度、Ｍはメッシュの総数である。
【０１９３】
ステップＺ３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。Ｃｖは予め設定された速度で、例えば、高速道路では、Ｃｖ＝４０ｋｍ／ｈ、一般道路では、Ｃｖ＝２０ｋｍ／ｈとする。ステップＺ４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４５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。
【０１９４】
次に、渋滞計測装置８２により実行される渋滞領域の末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Ｚ１′〜Ｚ４′のフローチャートに従って以下に説明する。
【０１９５】
ステップＺ１′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Ｚ２′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。
【０１９６】
ステップＺ３′で、空間密度Ｄ（ｍ）が所定の閾値Ｃ１より大で、移動密度Ｍｒ（ｍ）が所定の閾値Ｃ２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Ｚ４′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。
【０１９７】
第４２図のステップＺ１〜Ｚ４および第４３図のＺ１′〜Ｚ４′は、所定の時間間隔で繰り返される。上記ステップＺ１〜Ｚ４およびＺ１′〜Ｚ４′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。
【０１９８】
第２０図に示される渋滞計測装置８２は、第２２図のフローチャートに従って計測した空間密度、第３７図のフロ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２１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１００に送信する。中央制御装置１００は、受信した計測結果に基づいて、ビデオカメラ８１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９２に送信する。表示制御装置９２は、受信した交通情報を情報表示板９１に表示させる。
【０１９９】
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せずに、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。
【０２００】
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、４０ｋｍ／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、その渋滞領域内の車両の速度や密度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。
【０２０１】
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。
【０２０２】
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、ビデオカ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、上記パラメー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。
【０２０３】
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。
【図面の簡単な説明】
【０２０４】
【図１】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。
【図２】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。
【図３】第３図は、第１図に示された渋滞計測装置を示すブロック図である。
【図４】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すフローチャートである。
【図５】第５図は、第４図に示されたフローチャー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。
【図６】第６図は、第１図に示されたビデオカメラで撮影された画像上に設定するサンプル点を示す図である。
【図７】第７図は、第４図に示されたフローチャートのステップＳ２の詳細な手順を示すフローチャートである。
【図８】第８図は、第７図に示されたフローチャートのステップＳ２ｂで作成されるサンプル点画像を示す図である。
【図９】第９図は、第４図に示されたフローチャートのステップＳ２で検出される存在サンプル点を示す図である。
【図１０】第１０図は、第４図に示されたフローチャートのステップＳ３の詳細な手順を示すフローチャートである。
【図１１】第１１図は、第１０図に示されたフローチャートのステップＳ３ａ〜ステップＳ３ｋにより作成される各画像の関係を示す図である。
【図１２】第１２図は、第１０図に示されたフローチャートのステップＳ３ｊおよびＳ３ｋ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の特徴抽出願像と、第１０図のフローチャートのステップＳ３ｌで作成される積画像との関係を示す図である。
【図１３】第１３図は、第４図に示されたフローチャートのステップＳ４の詳細な手順を示すフローチャートである。
【図１４】第１４図は、第４図に示されたフローチャートのステップＳ４で検出される移動ブロックを示す図である。
【図１５】第１５図は、第４図に示されたフローチャートのステップＳ５で検出される渋滞サンプル点の検出方法を説明する図である。
【図１６】第１６図は、第４図に示されたフローチャートのステップＳ６の詳細な手順を示すフローチャートである。
【図１７】第１７図は、第４図に示されたフローチャートのステップＳ６で検出される渋滞ブロックを示す図である。
【図１８】第１８図は、第４図に示されたフローチャートのステップＳ７の詳細な手順を示すフローチャートである。
【図１９】第１９図は、第１８図に示されたフローチャートのステップＳ７ａで検出された渋滞範囲と、ステップＳ７ｃで補正された渋滞範囲の関係を示す図である。
【図２０】第２０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２の実施例を示す図である。
【図２１】第２１図は、第２０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。
【図２２】第２２図は、第２０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ーチャートである。
【図２３】第２３図は、第２２図に示されたフローチャー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。
【図２４】第２４図は、第２２図に示されたフローチャートのステップＰ１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である。
【図２５】第２５図は、第２２図に示されたフローチャートのステップＰ４の詳細な手順の第１例を示すフローチャートである。
【図２６】第２６図は、第２２図に示されたフローチャートのステップＰ４の詳細な手順の第２例を示すフローチャートである。
【図２７】第２７図は、第２２図に示されたフローチャートのステップＰ５の詳細な手順の第１例を示すフローチャートである。
【図２８】第２８図は、第２２図に示されたフローチャートのステップＰ５の詳細な手順の第２例を示すフローチャートである。
【図２９】第２９図は、第２２図に示されたフローチャートのステップＰ７の詳細な手順を示すフローチャートである。
【図３０】第３０図は、第２２図に示されたフローチャートのステップＰ７にお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。
【図３１】第３１図は、第２２図に示されたフローチャートのステップＰ８の詳細な手順を示すフローチャートである。
【図３２】第３２図は、第２２図に示されたフローチャートのステップＰ９の詳細な手順を示すフローチャートである。
【図３３】第３３図は、第２２図に示されたフローチャートのステップＰ１０の詳細な手順を示すフローチャートである。
【図３４】第３４図は、第２２図に示されたフローチャートのステップＰ１０における存在サンプルラインの補正前後の変化を示す図である。
【図３５】第３５図は、第２２図に示されたフローチャートのステップＰ１２におけるメッシュ毎の空間密度を表す図である。
【図３６】第３６図は、第２２図に示されたフローチャートのステップＰ１５におけ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。
【図３７】第３７図は、第２０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ーチャートである。
【図３８】第３８図は、第３７図に示されたフローチャー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。
【図３９】第３９図は、第３７図に示されたフローチャートのステップＱ４の詳細な手順の第１例を示すフローチャートである。
【図４０】第４０図は、第３７図に示されたフローチャートのステップＱ４の詳細な手順の第２例を示すフローチャートである。
【図４１】第４１図は、第４０図に示されたフローチャートのステップＱ４Ｊ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。
【図４２】第４２図は、第２０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例を示すフローチャートである。
【図４３】第４３図は、第２０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２例を示すフローチャートである。
【図４４】第４４図は、第４２図および第４３図に示されたフローチャー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。
【図４５】第４５図は、第４２図に示されたフローチャートの手順で計測された渋滞領域末尾置を示す図である。
【技術分野】
【０００１】
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て画像を処理する方法および装置に関する。
【背景技術】
【０００２】
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やループコイルを用いるループコイル式交通渋滞計測システムがよく知られている。
【０００３】
超音波センサを用いた交通渋滞計測システムは、道路の路面から所定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、道路にループコイルを埋め込み、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。
【０００４】
これら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においては、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とは困難である。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問題がある。
【０００５】
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よ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"ＩＮＰＡＣＴＳ：Ａ Ｎｅｗ ＴＶ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｎｉｔｏｒｉｎｇ Ｔｒａｆｆｉｃ Ｃｏｎｄｉｔｉｏｎｓ"または欧州特許公報０４０３１９３号に開示されているシステムである。
【０００６】
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ロック化し、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種類のブロックの存在パターンに応じて、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。
【０００７】
第２の例は、北村等による電気学会産業応用部門全国大会資料（１９９１）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種の特徴量をニュー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段階に出力値を求め、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。
【発明の開示】
【発明が解決しようとする課題】
【０００８】
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種類のブロックの存在パターンと渋滞の状況との関係を各地点毎に事前に学習しておく必要がある。また、車線毎にブロ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台に相当するブ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。
【０００９】
一方、後者の交通渋滞計測システムにあっては、ニューラルネットワ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ネ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、画像上の部分毎の詳細な情報、例えば、「道路上のｘ１地点からどのｘ２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。
【００１０】
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、交通量等の変化に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で採用した処理手順を利用した画像処理方法および装置を提供することを目的とする。
【００１１】
また、上記の利点を併せ持ってかつ、例えば２０ｋｍ／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で採用した処理手順を利用した画像処理方法および装置を提供することを目的とする。
【課題を解決するための手段】
【００１２】
本発明の画像処理方法は、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応じて、前記所定値を変化させるステップと、を備えた構成を有している。
【００１３】
本発明の画像処理方法は、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ｔ−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ップと、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っ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βを変化させるステップと、を備えた構成を有している。
【００１４】
本発明の画像処理方法は、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ブ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、前記第１の画素の割合が所定値より大きい候補ブ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、を備えた構成を有している。
【００１５】
本発明の画像処理方法は、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ブ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、前記第１の画素の割合が所定値より大きい候補ブ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、各候補ブロックの大きさを変化させるステップと、を備えた構成を有している。
【００１６】
本発明の画像処理装置は、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、を備えた構成を有している。
【００１７】
本発明の画像処理装置は、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ｔ−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、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βを変化させる手段と、を備えた構成を有している。
【００１８】
本発明の画像処理装置は、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ブ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手段と、を備えた構成を有している。
【００１９】
本発明の画像処理装置は、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ブ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、各候補ブロックの大きさを変化させる手段と、を備えた構成を有している。
【００２０】
また、本発明の画像処理方法は、上記構成に加えて、前記画像に含まれる全画素のなかの一部にそれぞれ対応する複数のサンプル点を前記画像上に設定するステップを備えた構成を有しても良い。また、本発明の画像処理装置は、上記構成に加えて、前記画像に含まれる全画素のなかの一部にそれぞれ対応する複数のサンプル点を前記画像上に設定する手段を備えた構成を有しても良い。
【発明の効果】
【００２１】
本発明は、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、環境の変化に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で採用した処理手順を利用した画像処理方法および装置を提供するものである。
【発明を実施するための最良の形態】
【００２２】
以下、本発明の実施の形態について、図面を参照して説明する。
【００２３】
（第１の実施の形態）
本発明に係る画像処理方法および装置が採用する処理手順を実行する交通渋滞計測方法および装置で構成される交通管制システムの第１の実施例を、第１図〜第１９図を参照しつつ以下に詳細に説明する。
【００２４】
第１図に示すように、交通管制システムは、交差点ＩＳ近傍に配置されたビデオカメラ１１〜１４、渋滞計測装置２１〜２４、信号機３１〜３４、信号制御装置４１〜４４および中継装置５０、並びに、交差点ＩＳからは遠く離れた所に位置する交通管制センター内に設けられた中央制御装置６０を備えている。ビデオカメラ１１〜１４は、第２図に示すように、交差点ＩＳ近傍の路面から例えば高さ１０ｍの位置に配置され、交差点近傍位置から１５０ｍ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、ビデオカメラ１１〜１４は、車両の進行方向下流側から上流側を撮影するように向けられている。
【００２５】
渋滞計測装置２１〜２４は、交差点ＩＳ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２１〜２４のそれぞれは、第３図に示すように、ＣＰＵ２、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、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）８およびＲＯＭ（Ｒｅａｄ−ｏｎｌｙ Ｍｅｍｏｒｙ）９を備えている。
【００２６】
ビデオカメラ１１〜１４により撮影された画像データは、それぞれ渋滞計測装置２１〜２４のＣＰＵ２に伝送される。伝送された画像データはＣＰＵ２を介して画像メモリ３に格納される。ＲＯＭ９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、ＣＰＵ２は、ＲＯＭ９から必要なプログラムを読み出して、ＲＡＭ８を作業エリアとして、プログラムを実行する。プ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に出力される。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５０を通して、第１図に示された交通管制センターの中央制御装置６０に送信する。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。
【００２７】
再び第１図において、交通管制センターの中央制御装置６０は、渋滞計測装置２１〜２４の計測結果に基づいて、中継装置５０を介して信号制御装置４１〜４４に信号制御パターンを送信する。例えば、ビデオカメラ１１、１３から画像データを入力する渋滞計測装置２１、２３が、ビデオカメラ１２、１４から画像データを入力する渋滞計測装置２２、２４よりも、長い渋滞範囲を計測した場合、中央制御装置６０は、信号機３１、３３の青信号の時間間隔が、信号機３２、３４の青信号の時間間隔よりも長くなるような、信号制御パターンを信号制御装置４１〜４４に送出して、ビデオカメラ１１、１３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。
【００２８】
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Ｓ１〜Ｓ８のフローチャートに従って、概略的に説明する。
【００２９】
ステップＳ１で、ビデオカメラにより撮影された画像上に複数のサンプル点を設定する。例えば、第６図に示される画像７１がビデオカメラにより撮影された場合、サンプル点は「●」により示される。ステップＳ２で、時刻ｔｎ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Ｓ３で、時刻ｔｎ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。ステップＳ４で、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矩形のブロックを、移動ブロックとして検出する。ステップＳ５で、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。ステップＳ６で、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矩形のブロックを、渋滞ブロックとして検出する。ステップＳ７で、渋滞ブロックに基づいて、時刻ｔｎ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Ｓ８で、ｎ←ｎ+1として、ステップＳ２に戻る。「ｎ」は、正の整数であり、｜ｔｎ+1−ｔｎ｜は一定である。したがって、上記ステップＳ２〜Ｓ７の各手順は一定の時間間隔で繰り返される。
【００３０】
第５図は、上記ステップＳ１〜Ｓ７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Ｓ１〜Ｓ７の詳細な説明により明らかになる。
【００３１】
上記ステップＳ１のサンプル点の設定について、下記に詳説する。
【００３２】
第６図に示された画像７１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。また、画像７１には３車線が示されており、画像７１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、サンプ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。
【００３３】
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大きく写るのでサンプル点が疎であってもその走行状態を検出できるが、遠方では車両が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からである。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プ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定する。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す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。このサンプル点の設定時に、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ーブルに記憶しておく。
【００３４】
次に、第４図のステップＳ２の存在サンプル点の検出手順を、第７図のステップＳ２ａ〜Ｓ２ｇのフローチャートに従って、下記に詳説する。
【００３５】
ステップＳ２ａで、後述の二値化処理に用いる各閾値ＴＨ１を、ビデオカ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Ｓ２ｂでは、時刻ｔｎの画像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。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ｔｎ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、サンプル点画像上のサンプル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。
【００３６】
ステップＳ２ｂからステップＳ２ｃ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とに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するのは、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ができる画像、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からなり、上述のサンプル点画像と同様に構成されている。
【００３７】
ステップＳ２ｄでは、ステップＳ２ｃでの差分画像を用いて、次の時刻ｔn+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れる基準輝度画像Ｂn+ 1を次式によって更新する。
【００３８】
Ｂn+1＝Ｂｎ＋η×（Ｘｎ−Ｂｎ） ...（ｉ）
ここで、Ｘｎは、時刻ｔｎのサンプル点画像の各サンプル点の輝度値、Ｂｎ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+1は、時刻ｔｎ+1のサンプル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は可変値であり、｜Ｘｎ−Ｂｎ｜が大きいほど、あるいは、渋滞度が高いほど、小さくする。｜Ｘｎ−Ｂｎ｜が大きいほどη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ηは、各サンプル点毎に設定される。一方、渋滞度が高いほどηを小さくするのは、渋滞中の車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η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囲の検出結果から判定する。
【００３９】
上式（ｉ）で基準輝度画像を更新することにより、天候や時間経過に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Ｓ２ｃで算出する「Ｘｎ−Ｂｎ」の計算値をそのまま利用することができ、計算量を削減す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処理を次式（ｉｉ）を使ってステップＳ２ｃの直前に行ってもよい。
【００４０】
Ｂn+1＝Ｂｎ＋η×（Ｘn+1−Ｂｎ） ...(ｉｉ)
ステップＳ２ｅで、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、次いでステップＳ２ｆ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Ｓ２ａで設定された各閾値ＴＨ１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とができるので、ステップＳ２ｇで、「１」レベルのサンプル点を、存在サンプル点として検出する。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。
【００４１】
なお、上記ステップＳ２ａにおける各閾値ＴＨ１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用いられるものほど、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点に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。
【００４２】
次に、第４図のステップＳ３の移動サンプル点の検出手順を、第１０図のステップＳ３ａ〜Ｓ３ｍ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１１図および第１２図を参照すると理解が容易になる。
【００４３】
まず、ステップＳ３ａで、サンプル点画像をＭ個の領域に分割する。本実施例では、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つに分割するので、Ｍ＝３になる。ステップＳ３ｂで、ｍ番目の領域に対応する時間間隔αｍ、βｍと、後述の二値化の閾値ＴＨ１、ＴＨ２を設定する。ここで、αｍ、βｍは正の時間であり、α１＜α２＜α３、β１＜β２＜β３とする。このように、αｍ、βｍ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い位置にあるサンプル点に対するαｍ、βｍ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出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点に対するαｍ、βｍの値は大きく設定する。また、αｍ、βｍには、異なる値を用いてもよいが、通常は、αｍ＝βｍとするのが好ましい。
【００４４】
上記ステップＳ３ｂに続くステップＳ３ｃで、時刻ｔｎ、ｔｎ−αｍ、ｔｎ＋βｍに対応するサンプル点画像を作成する。ステップＳ３ｄで、時刻ｔｎのサンプル点画像のｍ番目の領域と、時刻ｔ−αｍ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１の差分領域を算出する。ステップＳ３ｅでに、第１の差分領域をステップＳ３ｂで設定された閾値ＴＨ１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点の値は「０」レベルか「１」レベルの何れかになる。
【００４５】
ステップＳ３ｆで、時刻ｔｎのサンプル点画像のｍ番目の領域と、時刻ｔｎ＋βｍ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Ｓ３ｆからステップＳ３ｇに進み、第２の差分領域をステップＳ３ｂで設定された閾値ＴＨ２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」レベルが「１」レベルの何れかになる。
【００４６】
ステップＳ３ｇに続くステップＳ３ｈとステップＳ３ｉとにより、ｍ＝Ｍになるまで、ステップＳ３ｂ〜Ｓ３ｇ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Ｓ３ｊ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Ｓ３ｋ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。
【００４７】
ステップＳ３１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って、積画像を作成し、ステップＳ３ｍ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１２図に例示される。
【００４８】
上述のように、時刻ｔｎの前後の画像を使って、移動サンプル点を検出するのは、時刻ｔｎの前あるいは後だけの画像を使って移動サンプル点を検出しようとすると、第１２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ｔｎ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。
【００４９】
なお、この移動サンプル点の検出処理において、時間間隔αｍ、βｍを調整することにより、例えば２０ｋｍ／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αｍ、βｍを設定することにより、本実施例を低速車両による渋滞の検出にも適用することができる。
【００５０】
次に、第４図のステップＳ４の移動ブロックの検出手順を、第１３図のステップＳ４ａ〜Ｓ４ｊのフローチャートに従って、下記に詳説する。
【００５１】
ステップＳ４ａで、計算開始位置を、サンプル点画像の左上角に設定する。候補ブロックとは、それぞれが時刻ｔｎ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り、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Ｓ４ｂ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ロックサイズおよび閾値ＴＨ１を設定する。
【００５２】
ステップＳ４ｃで、候補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Ｓ４ｄで、候補ブロック内の移動サンプル点の割合がステップＳ４ｂで設定された閾値ＴＨ１より大きいか否かが判定される。ステップＳ４ｄの判定が「ＹＥＳ」であれば、ステップＳ４ｄからステップＳ４ｅに進み、候補ブロックを移動ブロックとして検出する。ステップＳ４ｄの判定が「ＮＯ」であれば、ステップＳ４ｄからＳ４ｆに進む。ステップＳ４ｆとステップＳ４ｇ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Ｓ４ｃ〜Ｓ４ｅが繰り返される。
【００５３】
ステップＳ４ｆに続くステップＳ４ｈでは、候補ブロックの計算開始位置をサンプル点画像の最左端に移勧する。ステップＳ４ｉとステップＳ４ｊによって、ステップＳ４ｂ〜Ｓ４ｈが繰り返される。すなわち、横一列分ず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移動ブロックを全て検出することができる。
【００５４】
第１４図は、互いに部分的に重なり合う二つの移動ブロックが検出された例を示している。第１４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、「○」が移動サンプル点以外のサンプル点を示す。検出された移動ブロック内の移動サンプル点の割合は６０％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ＴＨ１は５５％である。なお、第１４図に示すように、移動ブロック内に入らない移動サンプル点はノイズとして除去する。
【００５５】
上記ステップＳ４ｂにおける候補ブロックのサイズ、すなわち、候補ブロックに含まれるサンプルの総数と、閾値ＴＨ１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、車両が小さい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ブロックの大きさを大きくする。一方、閾値ＴＨ１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、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ブロックを検出することができる。
【００５６】
第４図のステップＳ５では、上記の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１５図は、渋滞サンプル点の検出例を示している。第１５図において、「●」は存在サンプル点、「○」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。
【００５７】
次に、第４図のステップＳ６の渋滞ブロックの検出手順を、第１６図のステップＳ６ａ〜Ｓ６ｊのフローチャートに従って、下記に詳説する。
【００５８】
ステップＳ６ａで、計算開始位置を、サンプル点画像の左上角に設定する。候補ブロックとは、それぞれが時刻ｔｎ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Ｓ６ｂ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ロックサイズおよび閾値ＴＨ１を設定する。
【００５９】
ステップＳ６ｃ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Ｓ６ｄで、候補ブロック同の渋滞サンプル点の割合がステップＳ６ｂで設定された閾値ＴＨ１より大きいか否かが判定される。ステップＳ６ｄでの判定が「ＹＥＳ」であれば、ステップＳ６ｄからステップＳ６ｅに進み、候補ブロックを渋滞ブロックとして検出する。ステップＳ６ｄでの判定が「ＮＯ」であれば、ステップＳ６ｄからＳ６ｆに進む。
【００６０】
ステップＳ６ｆとステップＳ６ｇ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Ｓ６ｃ〜Ｓ６ｅの各動作が繰り返される。
【００６１】
ステップＳ６ｆからステップＳ６ｈに進むと、候補ブ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Ｓ６ｉとステップＳ６ｊによって、ステップＳ６ｂ〜Ｓ６ｈが繰り返される。すなわち、横一列分ず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ロックを全て検出することができる。
【００６２】
第１７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１７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、「○」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ＴＨ１は４５％であり、第１７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、４７％である。なお、第１７図に示すように、渋滞ブロ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。
【００６３】
上記ステップＳ６ｂにおける候補ブロックのサイズと、閾値ＴＨ１は前述の移動ブ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、車両が小さい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ブロックの大きさを大きくする。一方、閾値ＴＨ１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ブロックを検出することができる。
【００６４】
次に、第４図のステップＳ７の渋滞状況の計測手順を、第１８図のステップＳ７ａ〜Ｓ７ｃのフローチャートに従って、下記に詳説する。
【００６５】
ステップＳ７ａで、車線毎に渋滞ブロックが存在するエリアを渋滞範囲と検出する。各渋滞ブロックエリアには、単独の渋滞ブロック、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１９図は、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車線に跨った渋滞ブロックがあるときは、その存在範囲が大きい方の車線に渋滞ブロックが存在するものと判定する。
【００６６】
ステップＳ７ｂ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。ステップＳ７ｃ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。
【００６７】
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せずに、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。詳細には、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。
【００６８】
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、ビデオカ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。さらにまた、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、移動ブロックおよび渋滞ブロックの形式、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車群と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。
【００６９】
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、直ちにそれを検知することもできる。
【００７０】
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。
【００７１】
次に、上記の道路渋滞状況計測装置を、１９９５年、東京、大阪の２カ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、曇、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、曇のち雨、重交通）
（２） ８月２日 18:30〜20:30 （薄暮・夜間、曇、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・曇、軽交通）
（６） ８月５日 18:30〜20:30 （薄暮・夜間、曇、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。
【００７２】
渋滞の判定：低速走行車両は渋滞中にあると見なした。
【００７３】
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分間毎のピーク値の平均値を示す。
【００７４】
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）｝×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ようであった。
【００７５】
（１）：95.4％ （２）：96.4％ （３）：98.6％
（４）：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 11:00〜11:30 （昼間、晴）
（４）９月 ４日 18:20〜18:50 （薄暮、晴）
（５）９月 ４日 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。
【００７６】
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。
【００７７】
渋滞位置：２車線のうち、よりビデオカメラ近くに発生した渋滞位置渋滞先頭位置とし、よりビデオカ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＜ｘ≦40 40
40＜ｘ≦50 50
50＜ｘ≦60 60
60＜ｘ≦75 75
75＜ｘ≦100 100
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画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、60ｍ地点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。
【００７８】
総停止時間（ｍ・秒）＝渋滞長（ｍ）×時間（秒）
＝｛渋滞末尾位置（ｍ）−渋滞先頭位置（ｍ）｝ ×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（ｍ・秒）｝×100 ...(ｖ)
（Ｅ）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った。
（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。
【００７９】
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。
【００８０】
（第２の実施例）
本発明に係る画像処理方法および装置が採用する処理手順を実行する交通渋滞計測方法および装置により構成される交通管制システムの第２の実施例を、第２０図から第４５図を参照しつつ以下に詳細に説明する。
【００８１】
第２０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８１、渋滞計測装置８２、情報表示板９１、表示制御装置９２および交通管制センター内の中央制御装置１００により構成される。ビデオカメラ８１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、各ビデオカメラ８１は、第２１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よ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けて配置、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。
【００８２】
情報表示板９１は、ビデオカメラ８１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８２は、第３図に示した第１の実施例の渋滞計測装置２１〜２４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８２は、第２１図に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８１から車両の進行方同に１０ｍ離れた位置から、車両の進行方向に３０ｍ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ＤＬ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５−３０７６９５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。
【００８３】
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１０ｍ離れた位置から、車両の進行方向に２００ｍ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。
【００８４】
渋滞計測装置８２の計測結果は、交通管制センターの中央制御装置１００に送信される。中央制御装置１００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ーにとって有益となる交通情報を作成して、表示制御部９２に送信し、情報表示板９１に交通情報が表示されるようになっている。
【００８５】
ここで、上述のように構成される渋滞計測装置８２により実行される空間密度の算出方法を、まず、第２２図に示されるステップＰ１〜Ｐ１６のフローチャートに従って、概略的に説明する。
【００８６】
ステップＰ１で、時刻ｔｎにおけるサンプル点画像を作成するとともに、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２４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。
【００８７】
また、ステップＰ１に続くステップＰ２、Ｐ３もそれぞれ、前述の第７図のステップＳ２ｃ、Ｓ２ｄ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。
【００８８】
ステップＰ４およびステップＰ５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。ステップＰ６では、ステップＰ４およびステップＰ５でそれぞれ検出された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Ｐ６に続くステップＰ７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Ｐ８では、ステップＰ４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。
【００８９】
ステップＰ９では、時刻ｔｎ、時刻ｔｎ−αｍ、時刻ｔｎ＋βｍ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Ｐ１０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。
【００９０】
ステップＰ１１では、計測領域を複数のメッシュに分割し、ステップＰ１２では、ステップＰ１０で補正された存在サンプルラインに基づいて、時刻ｔｎにおけるメッシュ毎の空間密度を算出する。
【００９１】
ステップＰ１３では、時刻ｔｎ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Ｐ１４で、時刻ｔｎの計測領域における車間距離を算出し、ステップＰ１５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。
【００９２】
ステップＰ１６で、ｎ←ｎ+1として、ステップＰ１に戻る。「ｎ」は、正の整数であり、｜ｔｎ+1−ｔｎ｜は一定である。したがって、上記ステップＰ１〜Ｐ１６の各手順は一定の時間間隔で繰り返される。
【００９３】
第２３図は、上記ステップＰ１〜Ｐ１５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Ｐ１〜Ｐ１５の詳細な説明により明らかになる。
【００９４】
次に、第２２図のステップＰ４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Ｐ４ａ〜Ｐ４ｊのフローチャートに従って、以下に詳説する。
【００９５】
ステップＰ４ａで、Ｍ個のサンプル点からなるｋ番目のサンプルラインのビデオカメラからの距離に基づいて、正の閾値ＴＨ１、負の閾値ＴＨ２および正の整数閾値ＴＨ３を設定する。ステップＰ４ｂで、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、ＴＨ１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Ｐ２で算出された差分画像の各サンプル点の値を指す。
【００９６】
ステップＰ４ｂでの判定が「ＹＥＳ」であれば、ステップＰ４ｄに進み、ステップＰ４ｂでの判定が「ＮＯ」であれば、ステップＰ４ｃに進む。ステップＰ４ｃ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Ｐ４ｃでの判定が「ＹＥＳ」であれば、ステップＰ４ｄに進み、ステップＰ４ｃの判定が「ＮＯ」であれば、ステップＰ４ｅに進む。
【００９７】
ステップＰ４ｄ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Ｐ４ｅに進む。ステップＰ４ｅとステップＰ４ｆにより、ステップＰ４ｂ〜Ｐ４ｄ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ＴＨ２より小かが判別される。
【００９８】
ステップＰ４ｇでは、ｋ番目のサンプルラインの「ＯＮ」のフラグ数がＴＨ３より大か否かを判定する。ステップＰ４ｇでの判定が「ＹＥＳ」であれば、ステップＰ４ｈ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Ｐ４ｇの判定が「ＮＯ」であれば、ステップ４ｉに進む。ステップＰ４ｉとステップＰ４ｊにより、ステップＰ４ａ〜Ｐ４ｈの動作が、ｋ＝Ｋになるまで繰り返される。ここで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。
【００９９】
ステップＰ４ａにおける正の閾値ＴＨ１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大き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からの距離に応じてＴＨ１、ＴＨ２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Ｐ４ａにおける正の整数閾値ＴＨ３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ラインを検出することが可能になる。
【０１００】
次に、第２２図のステップＰ４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Ｐ４Ａ〜Ｐ４Ｈのフローチャートに従って、以下に詳説する。
【０１０１】
ステップＰ４Ａ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、ＴＨ４を設定する。なお、ＴＨ４＜ＴＨ３＜０＜ＴＨ１＜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、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、負の輝度差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。
【０１０２】
ステップＰ４Ｂ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ＴＨ１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。Ｐ４Ｃ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ＴＨ３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。
【０１０３】
ステップＰ４ＣからステップＰ４Ｄに進み、平均値ＰＭが第２の正の閾値ＴＨ２より大か否かが判定される。ステップＰ４Ｄでの判定が「ＹＥＳ」であれば、ステップＰ４Ｆに進み、ステップＰ４Ｄでの判定が「ＮＯ」であれば、ステップＰ４Ｅに進む。ステップＰ４Ｅ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Ｐ４Ｅでの判定が「ＹＥＳ」であれば、ステップＰ４Ｆ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Ｐ４Ｅの判定が「ＮＯ」であれば、ステップ４Ｇに進む。ステップＰ４ＧとステップＰ４Ｈにより、ステップＰ４Ａ〜Ｐ４Ｆ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差分サンプルラインが検出される。
【０１０４】
ステップＰ４Ａにおける正の閾値ＴＨ１、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ＴＨ３、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。このようにビデオカメラからの距離に応じてＴＨ１〜ＴＨ４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。
【０１０５】
次に、第２２図のステップＰ５のエッジサンプルラインの検出手順の第１例を、第２７図に示すステップＰ５ａ〜Ｐ５ｋのフローチャートに従って、以下に詳説する。
【０１０６】
ステップＰ５ａで、第２２図のステップＰ２で算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Ｐ５ｂ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ＴＨ１、負の閾値ＴＨ２、正の整数閾値ＴＨ３を設定する。
【０１０７】
ステップＰ５ｂに続くステップＰ５ｃ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ＴＨ１より大か否かが判定される。ステップＰ５ｃでの判定が「ＹＥＳ」ならば、ステップＰ５ｅに進み、ステップＰ５ｃでの判定が「ＮＯ」であれば、ステップＰ５ｄに進む。ステップＰ５ｄ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ＴＨ２より小か否かが判定される。ステップＰ５ｄでの判定が「ＹＥＳ」であれば、ステップＰ５ｅに進み、ステップＰ５ｄでの判定が「ＮＯ」であれば、ステップＰ５ｆに進む。
【０１０８】
ステップＰ５ｃあるいはステップＰ５ｄからステップＰ５ｅ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Ｐ５ｆに進む。ステップＰ５ｆとステップＰ５ｇにより、ステップＰ５ｃ〜Ｐ５ｅ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、正の閾値ＴＨ１より大か、あるいは、負の閾値ＴＨ２より小かが判定される。
【０１０９】
ステップＰ５ｆからステップＰ５ｈに進むと、「ＯＮ」のフラグ数が正の整数閾値ＴＨ３より大か否かが判別される。ステップＰ５ｈでの判定が「ＹＥＳ」であれば、ステップＰ５ｉに進み、ｋ番目のサンプ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Ｐ５ｈでの判定が「ＮＯ」であれば、ステップＰ５ｊに進む。ステップＰ５ｊとステップＰ５ｋにより、ステップＰ５ｂ〜Ｐ５ｉ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。
【０１１０】
ステップＰ５ｂにおける正の閾値ＴＨ１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大き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ＴＨ１、ＴＨ２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エッジサンプルラインを検出することができる。ステップＰ５ｂにおける正の整数閾値ＴＨ３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エッジサンプルラインを検出することが可能になる。
【０１１１】
次に、第２２図のステップＰ５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Ｐ５Ａ〜Ｐ５１のフローチャートに従って、以下に詳説する。
【０１１２】
ステップＰ５Ａで、第２２図のステップＰ２で算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。
【０１１３】
ステップＰ５Ｂ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、第１、第２の負の閾値ＴＨ３、ＴＨ４を設定する。なお、ＴＨ４＜ＴＨ３＜０＜ＴＨ１＜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。
【０１１４】
ステップＰ５Ｃ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ＴＨ１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。Ｐ５Ｄでは、ｋ番目のサンプルラインのサンプル点のうち、第一の負の閾値ＴＨ３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。
【０１１５】
ステップＰ５ＤからステップＰ５Ｅに進み、平均値ＰＭが第２の正の閾値ＴＨ２より大か否かが判別される。ステップＰ５Ｅでの判定が「ＹＥＳ」であれば、ステップＰ５Ｇに進み、ステップＰ５Ｅでの判定が「ＮＯ」であれば、ステップＰ５Ｆに進む。ステップＰ５Ｆでは、平均値ＮＭが第２の負の閾値ＴＨ４より小か否かが判定される。ステップＰ５Ｆでの判定が「ＹＥＳ」であれば、ステップＰ５Ｇに進み、ｋ番目のサンプ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Ｐ５Ｆでの判定が「ＮＯ」であれば、ステップＰ５Ｈに進む。ステップＰ５ＨとステップＰ５Ｉにより、ステップＰ５Ｂ〜Ｐ５Ｇ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。
【０１１６】
ステップＰ５Ｂにおける正の閾値ＴＨ１、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ＴＨ３、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。このようにビデオカメラからの距離に応じてＴＨ１〜ＴＨ４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。
【０１１７】
第２２図のステップＰ６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２２図のステップＰ４で検出された差分サンプルラインと、ステップＰ５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。
【０１１８】
次に、第２２図のステップＰ７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２９図に示すステップＰ７ａ〜Ｐ７ｍ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イ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Ｐ７ａ〜ステップＰ７ｅ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Ｐ７ｇ〜Ｐ７ｍ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。
【０１１９】
ステップＰ７ａ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ＴＨ１を設定する。ステップＰ７Ｄ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。
【０１２０】
ステップＰ７ｂに続くステップＰ７ｃで、カウントされたライン数がＴＨ１より小か否かが判定される。ステップＰ７ｃでの判定が「ＹＥＳ」であれば、ステップＰ７ｄに進み、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を存在サンプルラインとして追加する。ステップＰ７ｃでの判定が「ＮＯ」であれば、ステップＰ７ｅに進む。ステップＰ７ｅとステップＰ７ｆにより、ステップＰ７ａ〜Ｐ７ｄ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２２図のステップＰ６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。
【０１２１】
例えば、第２２図のステップＰ６で、第３０図の（ａ）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、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Ｌ１には２個のサンプルライン、４番目と５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、５番目と６番目の間の存在サンプルラインの間の領域Ｌ２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の領域Ｌ３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インの間と、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Ｐ７ｂで閾値ＴＨ１をＴＨ１＝３＝一定に設定した場合、第３０図の（ａ）および（ｂ）に示すように、領域Ｌ１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。
【０１２２】
再び第２９図において、ステップＰ７ｅからステップＰ７ｇに進むと、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Ｐ７ｈ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、ｒ番目のライングループの判定に用いる閾値ＴＨ２を設定する。ステップＰ７ｉ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。
【０１２３】
ステップＰ７ｉに続くステップＰ７ｊ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Ｐ７ｊでの判定が「ＹＥＳ」であれば、ステップＰ７ｋ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Ｐ７ｊでの判定が「ＮＯ」であれば、ステップＰ７１に進む。ステップＰ７ｌとステップＰ７ｍにより、ステップＰ７ｇ〜Ｐ７ｋ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、計測領域の一車線分の全ての存在サンプルラインに対して、Ｐ７ｄで補正された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除去する補正がなされたことになる。
【０１２４】
ステップＰ７ｄ終了後に、第３０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Ｌ４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Ｌ５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Ｌ６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Ｐ７ｈで閾値ＴＨ２をＴＨ２＝３＝一定に設定しておけば、第３０図の（ｂ）および（ｃ）に示すように、領域Ｌ５のライングループの存在サンプルラインが除去される。
【０１２５】
ステップＰ７ａ、Ｐ７ｈにおける閾値ＴＨ１、ＴＨ２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ＴＨ１、ＴＨ２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。
【０１２６】
次に、第２２図のステップＰ８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３１図に示すステップＰ８ａ〜Ｐ８ｉ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。より詳細には、上述の差分サンプルラインは、時刻ｔｎ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のサンプルライ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出を補正する必要がある。
【０１２７】
ステップＰ８ａ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、エッジサ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プ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、エッジサンプルラインが検出された領域は影が存在していないとみなすことができるからである。
【０１２８】
ステップＰ８ｂ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ＴＨ１を設定する。さらに、ステップＰ８ｂで、所定の輝度値を示す閾値ＴＨ２を設定する。ステップＰ８ｃ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。
【０１２９】
ステップＰ８ｃに続くステップＰ８ｄで、カウントされたライン数が閾値ＴＨ１より大か否かが判別される。ステップＰ８ｄでの判定が「ＹＥＳ」であれば、ステップＰ８ｅ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ｔｎのサンプル点画像上の各サンプルライン内のサンプル点の輝度値の平均値ＢＭを算出する。ステップＰ８ｄでの判定が「ＮＯ」であれば、ステップＰ８ｈに進む。
【０１３０】
ステップＰ８ｅからステップＰ８ｆに進むと、上記ＢＭが閾値ＴＨ２より小か否かが判別される。ステップＰ８ｆでの判定が「ＹＥＳ」であれば、ステップＰ８ｇに進み、ｋ番目のライングループの差分サンプルラインに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Ｐ８ｆでの判定が「ＮＯ」であれば、ステップＰ８ｈに進む。ステップＰ８ｈとステップＰ８ｉにより、ステップＰ８ｂ〜Ｐ８ｇ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。
【０１３１】
ステップＰ８ｂにおける閾値ＴＨ１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ＴＨ１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。このようにビデオカメラからの距離に応じてＴＨ１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存在サンプルラインを除去することができる。
【０１３２】
次に、第２２図のステップＰ９の移動サンプルラインの検出手順の１例を、第３２図に示すステップＰ９ａ〜Ｐ９ｇのフローチャートに従って、以下に詳説する。
【０１３３】
ステップＰ９ａ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１０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。
【０１３４】
ステップＰ９ｂ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ＴＨ１を設定する。ステップＰ９ｃ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。
【０１３５】
ステップＰ９ｃに続くステップＰ９ｄでは、カウントされた移動サンプル点数が閾値ＴＨ１より大か否かが判別される。ステップＰ９ｄでの判定が「ＹＥＳ」であれば、ステップＰ９ｅに進み、ｋ番目の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Ｐ９ｄでの判定が「ＮＯ」であれば、ステップＰ９ｆに進む。ステップＰ９ｆとステップＰ９ｇにより、ステップＰ９ｂ〜Ｐ９ｅ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ンプルラインが全て検出される。
【０１３６】
ステップＰ９ｂにおける閾値ＴＨ１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ＴＨ１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。
【０１３７】
次に、第２２図のステップＰ１０の移動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３３図に示すステップＰ１０ａ〜Ｐ１０ｇ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、第２９図のステップＰ７ａ〜Ｐ７ｆ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。より詳細には、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Ｐ７ａ〜Ｐ７ｆ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出できることがあり、移動サンプルラインの配置に基づいて、存在サンプルラインの検出漏れを補正する。
【０１３８】
ステップＰ１０ａ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ＴＨ１、ＴＨ２を設定する。ただし、ＴＨ１＜ＴＨ２である。このステップＰ１０ａで設定される閾値ＴＨ１は、第２９図のステップＰ７ａで設定される閾値ＴＨ１と一致させる。このように設定するのは、ステップＰ１０ａ〜Ｐ１０ｇでの処理の補正対象のサンプルラインを、ステップＰ７ａからＰ７ｆ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止することができる。
【０１３９】
ステップＰ１０ｂ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Ｐ１０ｃでは、カウントされたライン数がＴＨ１以上かつ、ＴＨ２より小か否かが判定される。ステップＰ１０ｃでの判定が「ＹＥＳ」であれば、ステップＰ１０ｄに進み、ステップＰ１０ｃでの判定が「ＮＯ」であれば、ステップＰ１０ｆに進む。
【０１４０】
ステップＰ１０ｃからステップＰ１０ｄ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Ｐ１０ｄでの判定が「ＹＥＳ」であれば、ステップＰ１０ｅ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プルラインを、存在サンプルラインに追加する。ステップＰ１０ｄでの判定が「ＮＯ」であれば、ステップＰ１０ｆに進む。ステップＰ１０ｆとステップＰ１０ｇにより、ステップＰ１０ａ〜Ｐ１０ｅ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。
【０１４１】
例えば、第２２図のステップＰ８、Ｐ９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プ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Ｌ７には３個のサンプルライン、８番目〜１０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、１０番目と１１番目の存在サンプルラインの間の領域Ｌ８には６個のサンプルライン、１１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Ｌ７には１個の移動サンプルライン、領域Ｌ８には０個の移動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Ｐ１０ａで閾値ＴＨ１、ＴＨ２をＴＨ１＝３＝一定、ＴＨ２＝５＝一定に設定した場合、第３４図の（ａ）および（ｂ）に示すように、領域Ｌ７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。
【０１４２】
ステップＰ１０ａにおける閾値ＴＨ１、ＴＨ２は、それぞれ画像上に描写される平均的な車両の長さの１／４、１／２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ＴＨ１、ＴＨ２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にて存在サンプルラインを補正することができる。
【０１４３】
第２２図のステップＰ１１におけるメッシュは、第３５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、縦サイ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。
【０１４４】
第２２図のステップＰ１２おける各メッシュの空間密度は、下記の式で算出される。
【０１４５】
Ｄ（ｍ）＝ＰＳＬ（ｍ）／ＴＳＬ（ｍ） ...(ｖｉ)
ここで、Ｄ（ｍ）はｍ番目のメッシュの空間密度、ＰＳＬ（ｍ）はｍ番目のメッシュに含まれる存在サンプルラインの数、ＴＳＬ（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３５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Ｍ１の空間密度は３３％、メッシュＭ２〜Ｍ４の空間密度は１００％、メッシュＭ５の空間密度は７５％、メッシュＭ６の空間密度は０％、メッシュＭ７の空間密度は８０％となる。
【０１４６】
第２２図のステップＰ１３おける大型車の混入率は、以下のような手法で算出する。
【０１４７】
まず、５分または１０分間の単位時間内での第２１図に示す交通流計測領域Ｆでの大型車両の混入率Ｒｔを次式により算出する。
【０１４８】
Ｒｔ＝ＮＬ／ＮＴ ...(ｖｉｉ)
ここで、ＮＬは、第２１図の感知ラインＤＬを通過した大型車両台数、ＮＴは、感知ラインＤＬを通過した全車両台数である。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、普通車の区別を計測できるので、これらの計測データを利用して、混入率Ｒｔを算出する。
【０１４９】
第２２図のステップＰ１４おける車間距離は、ビデオカメラ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。
【０１５０】
第２２図のステップＰ１５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処理である。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。
【０１５１】
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ｈａ、平均車長ｌａをそれぞれ次式により算出する。
【０１５２】
ｈａ＝Ｒｔ×ｈＬ＋（１−Ｒｔ）×ｈＳ ...(ｖｉｉｉ)
ｌａ＝Ｒｔ×ｌＬ＋（１−Ｒｔ）×ｌｓ ...(ｉｘ)
ここで、ｈＬは大型車両の高さ、ｈＳは普通車両の高さ、ｌＬは大型車両の長さ、ｌＳは普通車両の長さである。
【０１５３】
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ｌｈを次式により算出する。
【０１５４】
ｌｈ＝ｈａ×Ｌ／（Ｈ−ｈａ） ...(ｘ)
ここで、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。
【０１５５】
上記ｌｈ、ｌａ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Ｒｅを次式により算出する。
【０１５６】
Ｒｅ＝ｌａ／（ｌａ＋ｌｈ） ...(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、補正率Ｒｅ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。
【０１５７】
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、(ｘｉ)で算出された補正率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、補正率Ｒｅ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。
【０１５８】
空間計測領域Ｅにおいては、ビデオカメラ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っている場合には、車間距離を計測することができない。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、本実施例では、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(ｘｉ)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(ｘｉ)で算出された値に近づけ、通過台数が多いほど、補正率Ｒｅを１に近づける。
【０１５９】
第２２図のステップＰ１５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Ｒｅ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。
【０１６０】
次に、渋滞計測装置８２により実行される空間速度の算出方法を、まず、第３７図に示されるステップＱ１〜Ｑ１５のフローチャートに従って、概略的に説明する。
【０１６１】
ステップＱ１で、時刻ｔｎ、ｔｎ＋γの各画像のサンプル点画像を作成する。ステップＱ２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平均値を算出する。
【０１６２】
ステップＱ３で、時刻ｔｎ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３２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。
【０１６３】
ステップＱ４で、時刻ｔｎのサンプル点画像上での各移動サンプルラインの時刻ｔｎ＋γの画像上での移動先を検出する。ステップＱ５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。
【０１６４】
ステップＱ６で、時刻ｔｎ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Ｑ７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Ｑ８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。
【０１６５】
ステップＱ８に続くステップＱ９で、ｋ番目のメッシュの移動サンプルライ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Ｑ９での判定が「ＹＥＳ」であれば、ステップＱ１０に進み、ｋ番目のメッシュ内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。ステップＱ９での判定が「ＮＯ」であれば、ステップＱ１１に進み、速度０ｋｍ／ｈを、ｋ番目のメッシュの空間速度として設定する。
【０１６６】
ステップＱ１０からステップＱ１２に進むと、ｋ番目の空間速度を指数平滑化して、ステップＱ１３に進む。ステップＱ１３、Ｑ１４により、ｋ＝Ｋになるまで、ステップＱ７〜ステップＱ１２が繰り返される。この結果、時刻ｔｎ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とになる。
【０１６７】
上記のステップＱ１〜Ｑ１５は、所定の時間間隔で繰り返される。上記ステップＱ１〜Ｑ１５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。
【０１６８】
次に、第３７図のステップＱ４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Ｑ４ａ〜Ｑ４ｇのフローチャートに従って、以下に詳説する。
【０１６９】
ステップＱ４ａで、時刻ｔｎ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ｔｎ＋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Ｑ４ｂで、時刻ｔｎ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ｔｎ＋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。
【０１７０】
ステップＱ４ｂに続くステップＱ４ｃ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Ｑ４ｃでの判定が「ＹＥＳ」であれば、ステップＱ４ｄ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Ｑ４ｃでの判定が「ＮＯ」であれば、ステップＱ４ｅに進み、ｋ番目の移動サンプルラインの移動先無しと検出する。
【０１７１】
ステップＱ４ｄおよびステップＱ４ｅに続くステップＱ４ｆおよびステップＱ４ｇにより、ステップＱ４ａ〜ステップＱ４ｅの動作が、ｋ＝Ｋになるまで繰り返される。結果的に、時刻ｔｎ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。
【０１７２】
次に、第３７図のステップＱ４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４０図に示すステップＱ４Ａ〜Ｑ４Ｍのフローチャートに従って、以下に詳説する。
【０１７３】
ステップＱ４Ａで、時刻ｔｎ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ｔｎ＋γ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Ｑ４Ｂ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。
【０１７４】
ステップＱ４Ｃで、時刻ｔｎ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ｔｎ＋γのサンプル点画像上の第１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Ｕ１を算出する。
【０１７５】
ステップＱ４Ｄで、時刻ｔｎ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ｔｎ＋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Ｕ２を算出する。
【０１７６】
ステップＱ４Ｅで、時刻ｔｎ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後のサンプルラインと、時刻ｔｎ＋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Ｕ３を算出する。
【０１７７】
ステップＱ４Ｆで、Ｕ１、Ｕ２、Ｕ３を加算して輝度差分値の総和Ｕｍを算出する。ステップＱ４ＧとステップＱ４Ｈにより、ｍ＝Ｍになるまで、ステップＱ４Ｃ〜ステップＱ４Ｆ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。
【０１７８】
ステップＱ４Ｉで、総和Ｕｍのうちの最小のＵｍが閾値より小か否かを判別する。ステップＱ４Ｉでの判定が「ＹＥＳ」であれば、ステップＱ４Ｊに進み、最小の総和Ｕｍの第１の予想移動範囲内のサンプルラインを、時刻ｔｎ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Ｑ４Ｉでの判定が「ＮＯ」であれば、ステップＱ４Ｋに進み、時刻ｔｎ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。
【０１７９】
ステップＱ４ＬとステップＱ４Ｍにより、ｋ＝Ｋになるまで、ステップＱ４Ａ〜ステップＱ４Ｋを繰り返す。この結果的、時刻ｔｎ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ｔｎ＋γの画像上での移動先が検出される。
【０１８０】
ここで、第４１図の（ａ）に示すように、時刻ｔｎのサンプル点画像上に、移動サンプルラインＭＶｄが検出され、第１の予想移動範囲は第４１図の（ｂ）に示す第１予想移動範囲ＰＡ１を得るとすると、ＰＡ２が第２の予想移動範囲、ＰＡ３が第３の予想移動範囲になる。上記のステップＱ４Ｆで算出される総和Ｕｍのうちの最小の総和に対応する３つのサンプルラインが第４１図の（ｂ）の時刻ｔｎ＋γ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のサンプルラインが移動サンプルラインＭＶｄの移動先となる。
【０１８１】
第３７図のステップＱ５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。
【０１８２】
Ｖｋ＝（Ｌｂ−Ｌａ）／γ ... (ｘｉｉ)
ここで、Ｌａは、時刻ｔｎのサンプル点画像上の各移動サンプルラインの車両走行方向における座標位置、Ｌｂは、各移動サンプルラインの時刻ｔｎ＋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。
【０１８３】
第３７図のステップＱ１２における空間速度の指数平滑化処理は、次式に従って実行される。
【０１８４】
Ｖ（ｍ， tn）＝（１−θ）×Ｖ（ｍ， tn-1）＋θ×Ｖ（ｍ， tn） ... (ｘｉｉｉ)
ここで、Ｖ（ｍ， tn）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、θ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。
【０１８５】
次に、渋滞計測装置８２により実行される渋滞領域の末尾位置の検出方法の第１例を、第４２図に示されるステップＺ１〜Ｚ４のフローチャートに従って以下に説明する。
【０１８６】
ステップＺ１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。
【０１８７】
最初の算出方法は、前述の第３７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２２図のフローチャートの手順で算出した空間密度と、第２１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，ｔｎ）を算出する方法である。
【０１８８】
Ｖ（ｍ，ｔｎ）＝（ｑ（ｔｎ）×ｌａ）／ｄ（ｍ，ｔｎ） ... (ｉｘｖ)
ここで、ｑ（ｔｎ）は時刻ｔｎにおける空間計測領域内の単位時間あたりの交通量、ｌａは時刻ｔｎにおける空間計測領域内の車両の平均車長、ｄ（ｍ，ｔｎ）はｍ番目のメッシュの空間密度である。
【０１８９】
さらに、ノイズ成分を除去するために、空間速度Ｖ（ｍ，ｔｎ）を次式で指数平滑化する。
【０１９０】
Ｖ（ｍ，ｔｎ）＝（１−μ）×Ｖ（ｍ，tn-1）＋μ×Ｖ（ｍ，ｔｎ） ... (ｘｖ)
ここで、μは指数係数で０＜μ＜１である。
【０１９１】
ステップＺ２で、ノイズ成分および渋滞の疎密波による影響を除去するために、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。
【０１９２】
【数１】
ここで、Ｍｖ（ｍ）ｍ番目のメッシュにおける平均化空間速度、Ｍはメッシュの総数である。
【０１９３】
ステップＺ３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。Ｃｖは予め設定された速度で、例えば、高速道路では、Ｃｖ＝４０ｋｍ／ｈ、一般道路では、Ｃｖ＝２０ｋｍ／ｈとする。ステップＺ４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４５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。
【０１９４】
次に、渋滞計測装置８２により実行される渋滞領域の末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Ｚ１′〜Ｚ４′のフローチャートに従って以下に説明する。
【０１９５】
ステップＺ１′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Ｚ２′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。
【０１９６】
ステップＺ３′で、空間密度Ｄ（ｍ）が所定の閾値Ｃ１より大で、移動密度Ｍｒ（ｍ）が所定の閾値Ｃ２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Ｚ４′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。
【０１９７】
第４２図のステップＺ１〜Ｚ４および第４３図のＺ１′〜Ｚ４′は、所定の時間間隔で繰り返される。上記ステップＺ１〜Ｚ４およびＺ１′〜Ｚ４′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。
【０１９８】
第２０図に示される渋滞計測装置８２は、第２２図のフローチャートに従って計測した空間密度、第３７図のフロ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２１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１００に送信する。中央制御装置１００は、受信した計測結果に基づいて、ビデオカメラ８１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９２に送信する。表示制御装置９２は、受信した交通情報を情報表示板９１に表示させる。
【０１９９】
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せずに、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。
【０２００】
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、４０ｋｍ／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、その渋滞領域内の車両の速度や密度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。
【０２０１】
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。
【０２０２】
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、ビデオカ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、上記パラメー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。
【０２０３】
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。
【図面の簡単な説明】
【０２０４】
【図１】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。
【図２】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。
【図３】第３図は、第１図に示された渋滞計測装置を示すブロック図である。
【図４】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すフローチャートである。
【図５】第５図は、第４図に示されたフローチャー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。
【図６】第６図は、第１図に示されたビデオカメラで撮影された画像上に設定するサンプル点を示す図である。
【図７】第７図は、第４図に示されたフローチャートのステップＳ２の詳細な手順を示すフローチャートである。
【図８】第８図は、第７図に示されたフローチャートのステップＳ２ｂで作成されるサンプル点画像を示す図である。
【図９】第９図は、第４図に示されたフローチャートのステップＳ２で検出される存在サンプル点を示す図である。
【図１０】第１０図は、第４図に示されたフローチャートのステップＳ３の詳細な手順を示すフローチャートである。
【図１１】第１１図は、第１０図に示されたフローチャートのステップＳ３ａ〜ステップＳ３ｋにより作成される各画像の関係を示す図である。
【図１２】第１２図は、第１０図に示されたフローチャートのステップＳ３ｊおよびＳ３ｋ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の特徴抽出願像と、第１０図のフローチャートのステップＳ３ｌで作成される積画像との関係を示す図である。
【図１３】第１３図は、第４図に示されたフローチャートのステップＳ４の詳細な手順を示すフローチャートである。
【図１４】第１４図は、第４図に示されたフローチャートのステップＳ４で検出される移動ブロックを示す図である。
【図１５】第１５図は、第４図に示されたフローチャートのステップＳ５で検出される渋滞サンプル点の検出方法を説明する図である。
【図１６】第１６図は、第４図に示されたフローチャートのステップＳ６の詳細な手順を示すフローチャートである。
【図１７】第１７図は、第４図に示されたフローチャートのステップＳ６で検出される渋滞ブロックを示す図である。
【図１８】第１８図は、第４図に示されたフローチャートのステップＳ７の詳細な手順を示すフローチャートである。
【図１９】第１９図は、第１８図に示されたフローチャートのステップＳ７ａで検出された渋滞範囲と、ステップＳ７ｃで補正された渋滞範囲の関係を示す図である。
【図２０】第２０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２の実施例を示す図である。
【図２１】第２１図は、第２０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。
【図２２】第２２図は、第２０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ーチャートである。
【図２３】第２３図は、第２２図に示されたフローチャー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。
【図２４】第２４図は、第２２図に示されたフローチャートのステップＰ１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である。
【図２５】第２５図は、第２２図に示されたフローチャートのステップＰ４の詳細な手順の第１例を示すフローチャートである。
【図２６】第２６図は、第２２図に示されたフローチャートのステップＰ４の詳細な手順の第２例を示すフローチャートである。
【図２７】第２７図は、第２２図に示されたフローチャートのステップＰ５の詳細な手順の第１例を示すフローチャートである。
【図２８】第２８図は、第２２図に示されたフローチャートのステップＰ５の詳細な手順の第２例を示すフローチャートである。
【図２９】第２９図は、第２２図に示されたフローチャートのステップＰ７の詳細な手順を示すフローチャートである。
【図３０】第３０図は、第２２図に示されたフローチャートのステップＰ７にお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。
【図３１】第３１図は、第２２図に示されたフローチャートのステップＰ８の詳細な手順を示すフローチャートである。
【図３２】第３２図は、第２２図に示されたフローチャートのステップＰ９の詳細な手順を示すフローチャートである。
【図３３】第３３図は、第２２図に示されたフローチャートのステップＰ１０の詳細な手順を示すフローチャートである。
【図３４】第３４図は、第２２図に示されたフローチャートのステップＰ１０における存在サンプルラインの補正前後の変化を示す図である。
【図３５】第３５図は、第２２図に示されたフローチャートのステップＰ１２におけるメッシュ毎の空間密度を表す図である。
【図３６】第３６図は、第２２図に示されたフローチャートのステップＰ１５におけ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。
【図３７】第３７図は、第２０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ーチャートである。
【図３８】第３８図は、第３７図に示されたフローチャー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。
【図３９】第３９図は、第３７図に示されたフローチャートのステップＱ４の詳細な手順の第１例を示すフローチャートである。
【図４０】第４０図は、第３７図に示されたフローチャートのステップＱ４の詳細な手順の第２例を示すフローチャートである。
【図４１】第４１図は、第４０図に示されたフローチャートのステップＱ４Ｊ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。
【図４２】第４２図は、第２０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例を示すフローチャートである。
【図４３】第４３図は、第２０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２例を示すフローチャートである。
【図４４】第４４図は、第４２図および第４３図に示されたフローチャー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。
【図４５】第４５図は、第４２図に示されたフローチャートの手順で計測された渋滞領域末尾置を示す図である。
【特許請求の範囲】
【請求項１】
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。
【請求項２】
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ｔ−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ップと、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っ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βを変化させるステップと、を備えた画像処理方法。
【請求項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ブ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、前記第１の画素の割合が所定値より大きい候補ブ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。
【請求項４】
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ブ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、前記第１の画素の割合が所定値より大きい候補ブ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、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。
【請求項５】
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。
【請求項６】
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ｔ−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、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βを変化させる手段と、を備えた画像処理装置。
【請求項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ブ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ブ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手段と、を備えた画像処理装置。
【請求項８】
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ブ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、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。
【請求項９】
請求項３または請求項４に記載の画像処理方法において、前記画像に含まれる全画素のなかの一部にそれぞれ対応する複数のサンプル点を前記画像上に設定するステップを備えた画像処理方法。
【請求項１０】
請求項７または請求項８に記載の画像処理装置において、前記画像に含まれる全画素のなかの一部にそれぞれ対応する複数のサンプル点を前記画像上に設定する手段を備えた画像処理装置。
【請求項１】
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。
【請求項２】
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ｔ−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ップと、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っ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βを変化させるステップと、を備えた画像処理方法。
【請求項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ブ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、前記第１の画素の割合が所定値より大きい候補ブ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。
【請求項４】
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ブ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、前記第１の画素の割合が所定値より大きい候補ブ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、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。
【請求項５】
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。
【請求項６】
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ｔ−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、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βを変化させる手段と、を備えた画像処理装置。
【請求項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ブ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ブ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手段と、を備えた画像処理装置。
【請求項８】
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ブ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、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。
【請求項９】
請求項３または請求項４に記載の画像処理方法において、前記画像に含まれる全画素のなかの一部にそれぞれ対応する複数のサンプル点を前記画像上に設定するステップを備えた画像処理方法。
【請求項１０】
請求項７または請求項８に記載の画像処理装置において、前記画像に含まれる全画素のなかの一部にそれぞれ対応する複数のサンプル点を前記画像上に設定する手段を備えた画像処理装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図４１】
【図４２】
【図４３】
【図４４】
【図４５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図４１】
【図４２】
【図４３】
【図４４】
【図４５】
【公開番号】特開２００６−２８６００７（Ｐ２００６−２８６００７Ａ）
【公開日】平成１８年１０月１９日（２００６．１０．１９）
【国際特許分類】
【出願番号】特願２００６−１１９７８８（Ｐ２００６−１１９７８８）
【出願日】平成１８年４月２４日（２００６．４．２４）
【分割の表示】特願平９−５２５０７９の分割
【原出願日】平成９年１月９日（１９９７．１．９）
【出願人】（０００００２１３０）住友電気工業株式会社 (12,747)
【Ｆターム（参考）】
【公開日】平成１８年１０月１９日（２００６．１０．１９）
【国際特許分類】
【出願日】平成１８年４月２４日（２００６．４．２４）
【分割の表示】特願平９−５２５０７９の分割
【原出願日】平成９年１月９日（１９９７．１．９）
【出願人】（０００００２１３０）住友電気工業株式会社 (12,747)
【Ｆターム（参考）】
[ Back to top ]