論文オクルージョンを考慮した交通流計測員内村圭一（熊本大学）非会員松島宏典（熊本大学）正 Ã ÌÖ Æ ÐÓÛ Å ×ÙÖ Ñ ÒØ ÓÒ× Ö Ò Ç ÐÙ× ÓÒ Í ÑÙÖ ¸ Å Ñ Ö¸ ÃÓÙ×Ù Å Ø×Ù× Ñ ¸ ÆÓÒ¹Ñ Ñ Ö ´ÃÙÑ ÑÓØÓ ÍÒ Ú Ö× ØÝµ ÒØ，ØÖ Æ ÓÒ ×Ø ÓÒ Ò ÒÚ ÖÓÒÑ ÒØ Ð ÔÓÐÐÙØ ÓÒ， Ö × Ö ÓÙ× ØÖ Æ ÔÖÓ Ð Ñ，×Ù × ØÖ Æ ×Ó Ð ××Ù × Û Ø Ø Ò Ö × Ò Ú Ð ÓÛÒ Ö× Ô Ö Ø Ó． × Ñ ×ÙÖ ，ÔÖ Ø Ð ÔÔÐ Ø ÓÒ Ó ×Ý×Ø Ñ Û ÔÖÓÚ × Ö Ú Ö Û Ø Ù× ÙÐ Ò ÓÖÑ Ø ÓÒ × × Ö ．ÁÒ ÓÒÒ Ø ÓÒ Û Ø ×Ù ÖÓÙÒ ，Ø ØÖ Ð Ò Û Ø ÙØÓÑ Ø ×ÙÖÚ ÐÐ Ò ×Ý×Ø Ñ Ó ØÖ Æ ×Ø Ø Ò Ò Ó ×Ø Ð Ù× Ò Ñ ÔÖÓ ×× Ò Ø ÒÓÐ¹ Ó Ý × Ñ ．Ì × Ö × Ö ÔÖÓÔÓ× × Ø ØÖ Æ ÓÛ Ñ ×ÙÖ Ñ ÒØ Ø Ò ÕÙ Ù× Ò Ñ × ÕÙ Ò × Ø Ò Ý Ñ Ö ÑÓÙÒØ ÓÒ Ø ÓÓØ Ö ．Ï Ô Ö ÓÖÑ Ú Ð × Ø Ø ÓÒ Ù× Ò ÔØ Ú ÖÓÙÒ « Ö¹ ÓÖÑ Ð Ø ÑÔÐ Ø Ñ Ø Ò Ò ØÖ Ò Ò ÔÖÓ ×× Ò ， Ò Ú Ð × ØÖ Ò Ù× Ò Ø ÓÒ ÔØ Ó Ý Ð ØÓ ÔÖÓÚ ×ÓÐÙØ ÓÒ ØÓ Ú Ð × Ó ÐÙ× ÓÒ． Ú ÒØÙ ÐÐÝ，Ø ØÖ Æ Ô Ö Ñ Ø Ö ÐÐ ØÖ Æ ÚÓÐÙÑ ， ÙÖ Ý Ò Ø Æ Ò Ý Ó ×Ô ， Ò ×Ô Ó ÙÔ Ò Ý × ÓÑÔÙØ ．ÁÒ Ø ÜÔ Ö Ñ ÒØ Ð Ö ×ÙÐØ，Ø ÓÙÖ ÔÔÖÓ × × ÓÛÒ．キーワード：ÁÌË，交通流計測，テンプレートマッチング，追跡周期，オクルージョン ÁÒØ ÐÐ ÒØ ÌÖ Ò×ÔÓÖØ ËÝ×Ø Ñ×，ÌÖ Æ ÐÓÛ Å ×ÙÖ Ñ ÒØ，Ì ÑÔÐ Ø Å Ã ÝÛÓÖ × Ø Ò ，ÌÖ Ò Ý Ð ，Ç ÐÙ¹ × ÓÒ 生じるため，このような車両を個別に追跡し処理しなけれ ½º まえがきばならないという問題も生じる。近年，自動車保有台数の増加に伴い，交通事故，渋滞，環車両の追跡方法に関しては現在さまざまな手法が考えら境汚染など様々な道路交通に関する問題が深刻化してきてれている。その一つに，画像上から認識した車両をあらか ¿ 次元モデルに対応させて追跡を行う方法がいる。これら諸問題の対策として，自動車交通を情報化すじめ用意したることで，道路を走行中の運転者に対し，道路情報，交通提案されている ´ µ 。しかし，道路上を走行するすべての車情報，沿線情報などを提供するシステムが実用化されつつ両に対応した詳細なモデルを持つことができないという問あり ´½µ ，題が挙げられる。また，移動する車両の輪郭を抽出し形状重要な項目の一つとなっている。を推定し追跡するという方法もある ´ µ 。これは車両の形状 ÁÌË´ÁÒØ ÐÐ ÒØ ÌÖ Ò×ÔÓÖØ ËÝ×Ø Ñ×µ においても情報収集のために利用される道路交通情報センサの中で，モデルの仮定を必要とせず，領域に基づく車両追跡と比較一般的に使用されているものは，超音波式，ループコイルした場合，計算コストも削減できるという利点もあるが，車式および光式である ´¾µ 。しかし，これらはもともと道路の両同士にオクルージョンが生じている場合，輪郭を更新す代表的な区間に設置し，局所的な情報を取得するものであることは困難である。さらに車両が持つ特徴に着目し追跡るため，空間的な広がりを持った情報を取得することがでを行う方法 ´ µ もあるが，現在の車両には多くのさまざま特きず ´¿µ ´ µ ，追跡のような高度な処理ができない。また，新徴が存在し，また似た動きを行ない走行する車両も実際の設や変更も容易ではない。さらに，人の手により交通量調走行環境上では多数存在するため，同一車両として認識す査を行なったりもするが，長時間の測定などではその精度ることは難しい。一方，オクルージョンの影響を受けないに欠けるという問題点が存在する。車両追跡手法 ´ µ についても研究されているが，車線を走行中の車両が明らかに疎の場合を対象としている。そのため，画像を利用した道路情報の収集が実現されれば，落下物や事故，避走といった様々な空間的な道路情報本論文では，空間的情報を持った道路情景画像に対し，コも取得することができ，利便性が高い。しかし，混雑したンピュータビジョン技術で処理する際に生じるオクルージョ状況下では車両同士が遮蔽（オクルージョン）する問題がンの問題について考慮することで正確な交通情報を得るこ電学論，ÜÜÜ 巻 ÜÜ 号，平成 ÜÜ 年 ½ とを目的とする。そのために，歩道橋に設置したビデオカ ¿º 車両検出メラから昼間に撮影される様々な自動車交通流の計測手法〈¿・½〉適応型背景差分処理撮影された画像に対し車両が通過する部分のみに車両検出領域を設け，背景差分処理を適用することで通過する車両に対して抽出を行う。この手法の利点として，車両を直接検出でき，処理が容易であるという特徴がある。しかし，一般的な道路環境では，日照の変化や新たに物体が加わるなどの様々な状況が存在するために，その変化に従って背景画像を適応的に修正しなければならないという問題が残されている。図は画像座標における計フレームの明度値の変化をを提案する ´ µ 。 ¾º で本手法のシステムの概要について述べ，¿º で º で車両の追跡方法， º で交通流の計測以下，車両の検出方法，パラメータである交通量，車両速度，空間占有率について º では計測パラメータの結果について述べ， º で結論をまとめる。述べる。また，最後に ¾º システム概要 ´½ µ ½ にオクルージョンを考慮した処理システムの概要を示す。道路情景画像は，車両が画像奥行き方向に進行する ¾ 図 ¾ ¼¼ 示した実例である。ここで，入力画像において走行している車両がしばしば道路表面を隠し，さらに日照の変化も受車線に対し，その両車線の中央部分にビデオカメラを設置けているために明度値に変化が生じているのが分かる。することにより得られる。従来，車両抽出方法としては背そこで，背景画像の環境への対応のために現在の環境の景差分処理，微分処理などが用いられてきた。大きな背景状態から予測値を用いることで推定を行うカルマンフィル画像を持つことは処理時間の面で環境への追従を困難なもタ ´½¼µ ´½½µ により各ピクセル上で推定を行い背景の更新をのとする。よって，本論文では車両が通過する部分に対し行う。て検出領域を設定し，その部分のみの背景画像を保存し更背景画像更新後の車両部分の検出は次のように行う。車 ´ µ，車両検出領域内におい ´ µ とすると，車両を含んだ車新する背景差分処理を行って車両画像を抽出する。抽出さ両検出領域内の背景画像を Ì れた領域に対し，影の影響を低減し車両領域を特定するたて移動物体を含む画像を Ì めにエッジ処理を適用する。また，車両追跡方法としては両画像 Ì× Ø Ø やみかけの大きさが変化した場合対応が困難であった。こ ´ µ は ´½µ 式により抽出される。 ´ µ ´ µ ¡ ¡¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ¡¡ ¡ ´½µ ×´ µ その後，抽出された × ´ µ に対して，膨張，収縮を行うこの問題に対し，本論文では車両が進行するたびに逐次的にとでノイズの除去を行う。テンプレートを更新する変動テンプレートマッチングを行〈¿・¾〉水平エッジ抽出による車両領域の特定テンプレートマッチングの精度向上を目的として車両の後方部を抽出する。そのために車両検出領域で抽出された車両画像 Ì× Ø の面積に着目する。まず，Ì× Ø 中において，車両の水平エッジを抽出し車両領域を特定すると共に影の部分の影響を低減するために次式に示すの加重マトリックスの縦方向部分を適用する。従来のテンプレートマッチング方法では，テンプレートに Ì 登録した車両のみしか追跡することができず，物体の姿勢 Ø Ø Ì Ø Ì Ì い，追跡の際に生じるオクルージョンに対処するために追跡周期の概念を組み合わせた新しい追跡手法を導入する。 Ø Ø ´ µ ´ µ ËÓ Ð Image Sequence Change in Insolation Background Image 200 Difference Image Edge Detection Create Template Gray Value Update 250 Traffic Parameter 150 100 50 Passage of the Vehicle Template Matching 0 0 100 Tracking Cycle 300 400 500 Frame Number 図 ¾ 背景画像座標における明度値の変化図 ½ 交通流計測ダイアグラム º ½º 200 Å ×ÙÖ Ñ ÒØ º ¾º Ö Ñ Ó ÌÖ Æ È Ö Ñ Ø Ö Ö Ý Î ÐÙ Ò Ò ÖÓÙÒ ÁÑ ¾ ÌºÁ Â Ô Ò¸ ÎÓÐº ÜÜÜ¹ ¸ ÆÓºÜÜ¸ ÜÜÜÜ オクルージョンを考慮した交通流計測 ´ µ Ê Ú Ø Ê ただし， Ñ Ê ´ µ Ø Ø ´ µ 車両画像 Ì× ´Ø µ´白µ ´ µ ´ µ Ø Ê Ø Ë Ø Ë Ø Ë ´ µ その囲まれた領域を車両後方部分としテンプレート ÌÑ ´ µ ，テンプレートサイズ，テここで， Ñ ´ µ は時刻 ¢ Ò Ì Ü Ý ´µ Ê ´ ´ µ ´ µ Ñ´ µ ËÑ ´Ø µ ËÑ ´Ø ½ µ ½ Ø Ê ´ ½ µ ¡ ´ µ Ñ ´ ½ µ ËÑ Ø Ë Ë Ø ´µ 〈・¾・〉移動ベクトル因子 Ê Ø 車両ベクトルにより予測した移動物体候補の予測位置と実際マッチングした位置のずれを示す移動ベクトル因子 Ê Ø も信頼指数の要素とする。ここで，車両ベクトルとは前フレームまでの情報から現フレームの画像上における車両の予測位置を示したものである。具体的な Ê Ø の計算は次のように行う。 ´ µ ´ µ ´ µ ´¼ ½ ´ÄÜ Ý ´ µ ÄÎÜ ´Ý ´ µ ½ µµ Î ´ µ µ ´ µ ただし，ÄÜ Ý ´ µ は時刻の車両位置ベクトル，ÄÜ Ý ´ ½µ は時刻 ½ の車両位置ベクトル，Î ´ µ は時刻 ½ まで Ê Ø Ø Ñ Ü Ø Ø Ø の車両位置ベクトルから予測した時刻である。車両位置ベクトル Ê Ú Ø Ø ´µ Ú Ø 信頼指数は移動物体候補の Ì Ø Ì « Ø ¿ Ø の車両ベクトル ÄÜ Ý ´ µ とは，マッチング画像 Ø Ø ½ ÜÜ 年 Ø ´ ½µ と ´ µ のそれぞれの重心を始点，終点としたベク Î ´ µ の具体的な式を次に示す。 Î´ µ つの要素によって計算する。，ÜÜÜ 巻 ÜÜ 号，平成 Ø Ø トルである。車両ベクトルる。信頼指数が大きければ大きいほど，マッチングへの信電学論 Ø Ø 特徴およびテンプレートマッチング結果を示す評価値であ頼性が向上する。信頼指数は次式に示す Ø Ø いことを示している。 Ê Ú Ø 〈・¾〉信頼指数 Ê Ø ´ µ 式は， ´ µ の値が ½ に近いほど追跡への信頼性が高でのテンプレートマッチング結果定数 ´ µ については次 ËÑ Ø 信頼指数てある。 ´µ Ü Ý 前フレームと現フレーム Ø ´ µ，失 Ñ´ µ ´ ¼µ とする。また， ¼ は移動物体候補の発生時点であり， ´ µ は次に述べる移動物体の Ñ Ø 式で計算する。 ¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡ ´¿µ である。マッチングに成功すれば，敗すれば， ´ µ サイズの画像である。〈・¾・¿〉面積因子 Ê 跡時間などから求める。具体的な式を次に示す。 ´µ Ø の面積変化率を示した車両の面積因子 Ê ¼ Ñ ÜÝ Ì Ì 位置を中心とした Ñ 滅するものとする。生命指数は，移動物体の特徴値や，追 Ø¼ Ñ ½Ò ½¬¬ ½ Ò ´µ Ø Ø の明度値である。ここで，マッチング画像 Ì はマッチング Ø 〈・½〉生命指数 Î Ö Ø 移動物体の追跡に生命指数 ´½¾µ Î Ö Ø を適用する。生命指数とは，追跡される移動物体の存在，消滅にかかわる重要な因子である。生物の生命力と同様に，生命指数が大きければ大きいほど，その移動物体が追跡される可能性は大きくなる。また，生命指数はテンプレートに与え，値がになった時点で移動物体は消 ´ µ Ø ´ µ を次式で計算する。 Ì Ñ º 車両追跡 Ö Ø Ø ´ ´ µµ Ü Ý ´ Ñ ´ µµ はそれぞれ，マッチング画像の画素 ´ µ の明度値および ¢ サイズの大きさのテンプレート画像 Ñ の画素 ´ µ ´ µ もそれぞれの検出処理において保存する。車両検出の一連の様子を図 ¿ に示す。 Î Ø ここで，時刻 Ø において， ËÑ Ø ´ µ Ø ¬ ¬ ´Ì ´Ø µµ Ü Ý ´ÌÑ ´Ø µµ¬ ¬ Ü Ý ½ ¬ ¬ ËÑ ´Ø µ Ü ¼ Ý ¼ ¬ ¬ Ü Ý ´ÌÑ ´Ø µµ ÊÑ ´Ø µ 平エッジをすべて含むような最小の矩形を設定することで，ンプレート面積 Ë Ø マッチング因子 ÊÑ 次に，得られたエッジに対して補間処理を行ったのち，水 Á Ø プレートマッチングにおける精度を評価したテンプレート Ø ÓÒ ´ ½ ½µ · ¾ ´ ½µ · ´ · ½ ½µ ´ ½ · ½µ ¾ ´ · ½µ ´ · ½ · ½µ ¡ ¡¡¡ ¡ ´¾µ とする。また，テンプレート Ø Ê 図 ¿ 車両検出 Ø Ø Ë ´ µ テンプレート画像 ÌÑ ´Ø µ´白µ Ð Ø Ø Ë Î ´ µµ ´ µ Ê ´ µ 能となる。 ´ µ は次式で表すことができる。 ´ µ ½ È ´ µ Ñ´ µ ¡¡¡ ¡¡ ¡¡ ¡¡ ´ µ ¿´ ´ µ Ñ ´ µµ ただし， ´ µ は時刻における車両の水平エッジの面積であり， Ñ ´ µ は時刻でのテンプレート面積を表す。〈・¾・¾〉テンプレートマッチング因子 Ñ ´ µ テン Ê º ¿º Ø ´ µ については以下に説明する。テンプレート因子 ´ µ テンプレート因 Ê Ê ´ µ エッジ検出 ´白µ ´ µ· Ê は各項の係数を示している。また， ´ µ ÊÑ Ø ´ µ· Ñ ÊÑ Ø 〈・¾・½〉 Ê Ø Ø は，テンプレート画像 ÌÑ の信頼性を評価するための因子であり，他のすべての信頼指数の要素に関わるものである。Ê Ø により，正確な追跡処理を行うことが可子Ê ´ µ 車両検出領域 ´黒枠内µ ´ µ¡´ Ø ¡ ´ÄÜ Ý ´ µ ÄÜ Ý ´ ½µµ ´ µ Ø Ø ここで，« は履歴に対する重みであり，きそれぞれ ¼º ¸¼º¿¸¼º¾¸¼º½ ½¾¿ のととする。〈・¿〉変動テンプレートマッチング従来のテンプレートマッチングの手法では，テンプレートとして登録している物体しか追跡することができず，物体の姿勢や見かけの大きさが変化した場合，対応が困難となる。そこで，次のような方法を提案する。物体が検出されテンプレートに生命指数が存在する場合は，テンプレート画像 ÌÑ を数ピクセル膨張した車両存在領域を利用してテンプレートマッチングを行う。次に，その領域に対して閾値処理を行った後，座標，幅，面積の特徴抽出を行うことで下影領域を特定し，テンプレートの幅・高さを更新する。なお，得られた領域に補間処理を行なっても下影部分と判断できない場合は，車両ベクトルを利用推定領域内に含まれて誤マッチングが生じることが考えられる。その対処として次のような処理を行う。移動ベクトル因子 Ê ´ µ の値及びテンプレートマッチング因子 Ø ´ µ ÊÑ Ø の値を順次閾値処理し，マッチング精度が悪いものである ´ µ 式のうち，車両位置ベクトル ÄÜ Ý ´ µ を修正すならば， Ø る。そこで修正された車両ベクトルを利用することで，誤マッチングを減らし追跡のロバスト性を向上する。 º 交通流計測パラメータ〈・½〉交通量交通量は，道路の一断面を単位時間に通過する車両の台数で示すことができ，道路の利用状況を示す量的指標の代表的なものである ´½¿µ 。ここでは， ¿・¾ で述べたテンプレート作成時を車両通過と判断し，交通量の計測を行う。すなわち，道路の一断面である ´ µ ´½µ 式でして次フレームでの車両存在領域を予測することにし，テ車両検出領域を車両が通過した中で図ンプレートの更新は行わない。得られる差分画像の最大面積を保存する。そして，最大面また，車両ベクトルをフレームで評価しているために車両ベクトルが形成される以前に下影の領域取得に失敗するとテンプレートの更新が行えなかったり，車両ベクトルで車両位置を予測できないため生命指数が ¼ となり追跡が積と車両画像の面積との差がある閾値以上になった場合を車両通過と判断する。〈・¾〉車両速度追跡している車両から得られる画像上の位置情報をもとに速度を算出する。まず，テンプレー ´ µ 終了する問題が考えられる。この対策として，車両存在領域ト ÌÑ の重心画像データの投影変換する図 Ý 軸への投影画像に対する判別分析法によりテンプレー参照， ´ トの下端を予測し，以下の式を用いてテンプレートの拡大・ ÜÒ ÝÒ µ を ¿ 次元座標へ次式で逆参照。縮小率を計算し，テンプレートの更新を行う。 ´ µ ¡ Vehicle Detection Line ´ ½ µ ¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ¡¡ ¡¡ ´½¼µ ÌÑ ´ µ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ´½½µ ÌÑ ´ ½ µ ÏÌÑ Ø ÏÌÑ Ø Ø Ø ただし，ÏÌÑ ´ µ は時刻 Ø Ø におけるテンプレート幅，はテンプレートの拡大・縮小率， ´ µ は時刻 ÌÑ Ø Ø におけるテンプレート重心から下端までの距離である。〈・〉オクルージョンに対する処理実際の追跡の CCD Camera Passing Vehicle 場合，車両の車線変更や追い抜きなど何らかの要因が影響し，オクルージョンが起こりうることが予想される。そこ図で，本論文では追跡対象車両の重なりの情報を得るため，次 º º 式を利用する。 ¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡ ´½¾µ ここで， ´ µ は ´ µ 式で示した面積因子であり， Ú は車両速度に依存した値とする。 ´ µ の値は ´ µ 式でも分か Ê ´ µ Ø Ê 交通量計測俯瞰図 ÌÓÔ Î Û Ó ÌÖ Æ Ú ÎÓÐÙÑ Å ×ÙÖ Ñ ÒØ Y Ø Ê (x ,y ) n n y Ø るように，車両が画像奥行き方向に進行する場合，時間に対してほぼ一定であることが分かる。よって，Ê ´ µが Ø Ú より小さくなる時をオクルージョン発生とする。この場合， Hx X 車両ベクトルにより車両存在領域の推定を行う。これらの Z f 処理を行うことで，車両が一度オクルージョンし再び現れたとしても生命指数が存在する限り再び追跡を行うことが (X ,Y ,Z ) n n n できる。〈・〉追跡のロバスト性の向上追跡を行う際，特図に車両が画像奥行き部分に存在する場合，マッチング精度により車両ベクトルが影響を受け，追跡すべき車両以外が º º ÓÖ Ò Ø ÁÑ 画像座標系と車両座標系 ÓÓÖ Ò Ø ËÝ×Ø Ñ Ò Î Ð Ó¹ ËÝ×Ø Ñ ÌºÁ Â Ô Ò¸ ÎÓÐº ÜÜÜ¹ ¸ ÆÓºÜÜ¸ ÜÜÜÜ オクルージョンを考慮した交通流計測 À Ò À Ò À Ò ´ ただし， Ò ÜÒ Ó× × Ò ÝÒ ここで，Ë は計測区間長であり，Ð は車両の車長を表す Ó× · Ò × Ò ¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ´½¿µ Ò Ó× × Ò Ò Ò µ は ¿ 次元空間の座標であり，はカ Ý Ý メラの焦点距離，はカメラの俯角，À は道路平面からカメラレンズの中心までの高さとする。ここで得られた ¾ ¿次 ´図 µ 参照。計測区間長 Ë ，すなわち車両追跡範囲は ½¼¼Ñ に設定した。車長 Ð は車幅情報から次のように決定する。テンプレート幅を形成する両端点の座標を逆投影変換することにより実距離を求める。これを車幅とみなす。実際には，車幅とテンプレート幅が一致したものになるとは限らないので，フレームまでの追跡を行なった後，結果を累積平均する元座標を利用して，フレーム間での移動距離を求めるこことで車幅を決定する。算出された車幅に対し，閾値を設とで随時速度を求める。定することで大型車，小型車の判別を行う。判別結果によ〈・¿〉空間占有率道路の混雑状態を示す代表的な指標に，ある瞬間における道路の単位区間上に存在する車両の台数を表す交通密度がある。交通密度は実際に計測するのは困難である ´½¿µ 。したがって，ここでは空間占有率 Ç× を計測する。空間占有率とは，ある瞬間に一定長の道路区間上に存在する車両の長さの総和がその区間長に占める割合の百分率のことであり，次式によって与えられる。 ½ Ç× Ë Ð ¢ ½¼¼ ¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ¡¡ ¡¡¡ ¡¡ ¡¡ ´½ µ り Ð を大型車の場合は ½¼Ñ，小型車の場合は Ñ と設定した ´½µ 。なお，閾値は図のように大型車，小型車の数台に対し，車幅を算出した結果により º 実験結果 ½½ ½ ¼¼ ½ ¿¼ ¾¼¼½ ¿ ¾ ½ ¼ ½ ¾¼ ¾ ÑÑ È ¾½ ¾ Vehicle Length li ¾¼¼¼ 〈・½〉実験環境天気が晴れの場合として，年月日 ∼ の国道号線・世安歩道橋でのデータ，晴れと曇りが交互に現れ日照の変化が起きている場合として，年月日 ∼ の前者と同じ場所でのデータの通りの場合において実験を行なった。地面からカメラまでの高さは前者，後者であり，カメラの焦点距離はである。評価実験にはの汎用を用いた。〈・¾〉車両追跡車両が比較的疎な状態の時と密な状態の時の二つの場合に分けて計測を行った。疎な状態及び密な状態のときのオクルージョンが発生している場合の車両追跡結果の様子をそれぞれ図及び図に示す。図の第フレームから第フレームまでの間，台の車両，がそれぞれ追跡されている様子を白枠で示して ½ ÀÞ Measurement Range Length S ¾º¿Ñ とした。 º ¿Ñ º Ñ ¾¾¼¿ Ø ÐÓÒ ¾ いる。以降のフレームでは互いの車両がそれぞれ車線変更を行なっている。第図 º º ÓÒ ていた車両空間占有率概念図 ÔØÙ Ð ÙÖ Ó ËÔ Ç ¾¾¾ フレームでは，左車線を走行しが，右車線を走行中の車両の前方部分を通 ÙÔ Ò Ý Large Vehicle 3.0 Threshold Vehicle Width(m) 2.5 2.0 ´ µ 第 ¾½ ¾ フレーム ´ µ 第 ¾¾¼¿ フレーム ´ µ 第 ¾¾¾ フレーム ´ µ 第 ¾¾ 1.5 1.0 Small Vehicle 0.5 0.0 0 10 20 30 40 50 60 Frame Number 図複数車両におけるフレーム数と車幅の関係 º º Ø ÔÐ 電学論 Î Ê Ð Ø ÓÒ Ð × Ï ØÛ Ò Ö Ñ Ø ，ÜÜÜ 巻 ÜÜ 号，平成 ÆÙÑ Ö Ò º º Î ÜÜ 年 ´ µ 図 ÅÙÐ¹ フレームオクルージョンにおける車両追跡疎 Î Ð ×µ Ð × ÌÖ Ò ÒÇ ÐÙ× ÓÒ Ë Ò ´Ê Ö Ø ÓÒ ½¾½¼ フレーム以降から ¾ 台の車両にオクルージョンるが，が発生したため，今まで増加していた生命指数の一方が減少している。しかし，生命指数が存在する限り追跡処理は ½¾ ¼ フレーム以降はオクルージョンが解消され行なわれ，再びマッチングに成功した結果，生命指数が増加を続けている。このように，対象としている車両の生命指数が ´ µ 第 ½¿ フレーム ´ µ 第 ¿ フレーム ¼となるまで，追跡が継続される様子が分かる。〈・¿〉交通量車両の検出結果，すなわち交通量の計測結果を表に示す。また年月日の実験時に示す。表間内における車両累積台数の計測結果を図における交通量と通過台数との差は，車両画像の面積に対するエッジ検出が適切ではなかったのが要因の一つである ½ ´ µ 第 ¼ フレーム ½ フレーム ´ µ 図オクルージョンにおける車両追跡密 º º Î ´ µ 第 Î Ð × ÌÖ Ò ÒÇ ÐÙ× ÓÒ Ë Ò ´ と考えられる。また，図 Ð ×µ ½½ Occlusion Part 140 120 100 ½¾ 〈・〉車両速度図は車両の速度推移を示している。図中，はそれぞれ約，約で一定走行したときの結果である。両結果とも，車両が一定走行するように目視での車両制御を行った割には妥当であろうと思われる。図は複数車両の速度推移を示している。対象としたフレームにおいて，複数車両がつの群として現れて走行しており，個々の車両の詳細な速度推移が得られている。〈・〉空間占有率表は車両の追跡結果であり，図は年月日のデータからフレームを使用 ´µ ´µ ½ A 80 ½ ½½ のように，車両通過台数の時間 Ñ» ¼ Ñ» ½¿ 160 ¾ 的変動は，道路計画等の立案に重要な指標となり得ることが予想される。 Ò× 180 Vitality Index ¾¼¼½ ¾¼¼½ ¿ ¾ ¾ ½¼¼¼ 60 40 表 ½ 交通量の計測結果 B 20 Ì 0 1150 1200 1250 1300 Ð ½º Å ÜÔ Ö Ñ ÒØ Ð Ý ×ÙÖ Ñ ÒØ Ê ×ÙÐØ Ó ÌÖ Æ ÌÖ Æ ÚÓÐÙÑ Frame ID ¿¼¼¼ ¾¼¼¼» »½½ 図 ½¼ フレーム º ½¼º Á Î Ø Ð ØÝ ÁÒ における生命指数の変化 Ü Ò Ò Ö Ñ ¿ ¼¼ Á ÎÓÐÙÑ Ð ÓÙÒØ ´Î ×Ù Ð Ó × ÖÚ Ø ÓÒµ ¿ Ö Ñ ¾ ¼¼ Ö ½¼ ¼¼ Ö ¾¼¼½» »¾ Î Ñ ½½¾ Ñ Ö Ñ 過し車線変更を行なっており，そこでオクルージョンが生 100 が生じている間は生命指数が存在する限り推定が行なわれ，第 ¾¾ フレーム以降では，推定された領域内で再び車両がテンプレートマッチングに成功した様子が白枠で示されている。図では，車両が密な状態になり，車両が画像奥行き方向に進行するにつれてオクルージョンが発生したために，黒枠で車両存在領域の推定を行っている。このようにカメラから遠い位置で複数車両が走行し，オクルージョンが発生したとしても，車両が疎の場合と同様に追跡処理を行なっているのが確認できる。また，図追跡時のフレーム Á 80 60 40 20 0 0 1000 2000 3000 4000 5000 6000 7000 Frame ID の車両における生命指数の変化を示したも ½½ のである。ここでは， ½¼ は図 Vehicle Cumulative Count じ黒枠で車両存在領域が推定されている。オクルージョンフレームまでに ¾ 台の車両の生命指数が発生しており，追跡されている様子がわかる。その後も，互いに追跡処理が行なわれ生命指数は増加してい図 ½½ 車両累積台数の時刻変化 º ½½º ÌÑ Ò Ò Î Ð × ÙÑÙÐ Ø Ú ÌºÁ Â Ô Ò¸ ÎÓÐº ÜÜÜ¹ ¸ ÆÓºÜÜ¸ ÜÜÜÜ ÓÙÒØ オクルージョンを考慮した交通流計測 30 60 )b* 25 Space Occupancy(%) Vehicle Speed(km/h) 50 40 30 )c* 20 10 0 0 10 20 30 40 50 60 70 80 90 15 10 5 0 0 200 400 Frame Number Î Ð 600 800 1000 Frame ID 図 ½¾ 速度の推移 º ½¾º Actual Measurement Value True Value 20 図½ ËÔ Ò º½ º 空間占有率 ËÔ Ç ÙÔ Ò Ý º むすび 60 歩道橋に設置したビデオカメラから撮影された画像を用 Vehicle Speed(km/h) 50 い，背景差分処理と水平エッジ処理による車両検出及びテ 40 ンプレートマッチングと追跡周期による車両追跡を利用し 30 た交通計測手法を提案した。本論文で提案した手法により，車両速度，交通量，空間占有率からなる交通流計測パラメー 20 Vehicle Existence タの測定を行い，本手法の有効性を示すことができた。今 10 後の課題として，追跡の安定性に対する検証及び交通流計 0 0 200 400 600 800 1000 1200 測パラメータの精度向上の検討，薄暮や夜間についての検討を挙げる。 Frame Number （平成図 ½¿ 複数車両の速度推移 º ½¿º ¾ ÅÙÐØ ÔÐ Î Ð × ËÔ Ò 文し，車線のうち右車線を対象とした車両の空間占有率である。図 ½ では ½ ±が最大占有率となり，使用した全てのフレームにおいて実測値は真値に近い軌跡を得ることができた。また，空間占有率において，真値と実測値との間で差が生じている部分がある。この原因として，表 ¾ にも関連しているが，追跡対象の車両が追跡を開始してすぐに大型車との間でオクルージョンが発生したために，生命指数が ¼ となり追跡が終了したためである。表 ¾ に関しては，車両検出精度の向上やシステムに応じた信頼指数の設定が，さらなる車両追跡結果の向上につながるものと考えられる。表¾ Ì Ð ¾º 車両追跡結果 Î ÜÔ Ö Ñ ÒØ Ð Ð × ÌÖ Ý Î Ð Ò Ê ×ÙÐØ ØÖ Ò 電学論，ÜÜÜ 巻 ÜÜ 号，平成 Ö ×ÙÐØ ÜÜ 年献 Ø ÌÖ Ò Ò ÅÓÒÓ ÙÐ Ö ÁÑ Ë ÕÙ Ò Ó ÊÓ ÌÖ Æ Ë Ò ×” ，ÁÂ Î，½¼，¾ ¹¾ ½（½ ¿）（） ÆºÈ Ø Ö Ö ÙÒ ： “ ÊÓ Ù×Ø ØÖ Ò Ó ÔÓ× Ø ÓÒ Ò Ú ÐÓ ØÝ Û Ø Ã ÐÑ Ò ×Ò ×” ，Á ÌÖ Ò×．È ÅÁ，¾½，， ¹ （½ ）（） ÂºÅ Ð ，ËºÊÙ×× ÐÐ ：“ Å Ò Î × ÓÒ × ËÙÖÚ ÐÐ Ò ËÝ×Ø Ñ ÓÖ Ð ÓÖÒ ÊÓ × ” ，È ÌÀ ÈÖÓ Ø ÅÇÍ¹ ¿ Ò Ð Ê ÔÓÖØ，ÍÒ Ú． Ð ÓÖÒ ， Ö Ð Ý（½ ）（） ÓÙÒ ¹Ã ÂÙÒ Ò Ó¹ËÙÒ ÀÓ： “ ÌÖ Æ È Ö Ñ Ø Ö Ü¹ ØÖ Ø ÓÒ Ù× Ò Î Ó¹ × Î Ð ÌÖ Ò ”，ÈÖÓ ．Á ÁÌË ÓÒ ³ ， ¹ （½ ）（）松島宏典，内村圭一：「複雑道路状況下における交通計測」，電学研資，ÊÌ ¹¼½¹¿¿（¾¼¼½）（½¼）片山徹：応用カルマンフィルタ，朝倉書店（½ ¿） Ñ ÚÓÒ Ö Ò Ø： “ÅÓÚ Ò Ó Ø （½½） ÃÐ Ù×¹È Ø Ö Ã ÖÑ ÒÒ Ò Ö Ó Ò Ø ÓÒ Ù× Ò Ò ÔØ Ú ÖÓÙÒ Ñ ÑÓÖÝ ”，Ì Ñ ¹ ÁÑ ÈÖÓ ×× Ò Ò ÅÓÚ Ò Ç Ø Ê Ó Ò Ø ÓÒ¸ （ ½ ¼）（½¾）胡振程，内村圭一：「変動背景における複数移動物体の検出及び同時追跡」，電学論，Â½¾¼¹ ，½¼，½½¿ ¹½½ ¾（¾¼¼¼）（½¿）河上省吾，松井寛：交通工学，森北出版株式会社（½ ） ¾ ¿ 日受付，同年月日再受付）（ ½ ）道路交通における状況理解調査専門委員会編：「道路交通における状況理解」，電学技法，（¾¼¼¼）「都市交通と映像情報メディア」，映像情報メディア学会（ ¾ ）金山憲司：誌， ¿，½（½ ）（ ¿ ）風間久，武田信之，小野口一則：「交通監視システムの開発∼正規）化相関に基づく車両追跡∼」，信学技報，ÈÊÅÍ ¹½¼½（½ （）久保山英生，小沢慎治：「連続画像からのトンネル内における重交通）流計測」，信学技報，ÈÊÅÍ ¹½¼¼（½ （） ºÃÓÐÐ Ö，ÂºÏ Ö， Ò Àº¹Àº Æ Ð ：“ ÅÓ Ð¹ × Ç ¹ Î ÖÝ Ò ¾¼¼¼» »½½ ¾¼¼½» »¾ ½¿ 年 ½ 月 ¾ ¹¾ 内村圭一（正員） ½ 年熊本大学大学院工学研究科修了。現在，熊本大学工学部数理情報システム工学科教授。平 ∼ マクマスタ ´カナダµ 客員研究員。工博。高度道路交通システム，地理情報処理，画像認識，環境電磁工学に関する研究に従事。電気学会，電子情報通信学会，情報処理学会各会員松島宏典（非会員） ¾¼¼¼ 年熊本大学大学工学部数理情報システム工学科卒業。現在，熊本大学大学院自然科学研究科博士前期課程在学中。ÁÌË，画像処理，コンピュータビジョンに関する研究に従事。電子情報通信学会会員 ÌºÁ Â Ô Ò¸ ÎÓÐº ÜÜÜ¹ ¸ ÆÓºÜÜ¸ ÜÜÜÜ