画像情報を用いた交通流計測 情報工学科 藤吉研究室 EP02076 都築勇司
背景 渋滞，事故などの交通問題 人の手による計測 超音波センサ，ループコイルなどによる計測 交通流を知ることで原因究明 長時間の計測は不向き 設置に大掛かりな工事が必要
目的 カメラ映像による交通流の計測 長時間計測可能 設置が容易 簡略なアルゴリズムによる実現 低スペックマシンへの実装
実装環境 Brains社製 mmEye-PPC CPU メモリ OS Motorola社製 MPC5200 400MHz 12cm SAMSUNG社製 K4H511638B-TCB0×2 計256MByte OS NetBSD/sandpoint 12cm LANケーブル 8cm カメラ入力 電源
システム概要 画像処理及び ネットワークサーバとして機能 ネットワークにより配信 URL http://157.110.46.102/test.shtml
交通流計測における問題点 台数4台と誤計測 台数1台 同一車両に対する重複計測 同一物体をトラッキング 交差した領域に処理を限定 処理の簡略化
交通流計測の処理手順 移動体検出 計測ラインとの交差判定 同一物体判定 物体識別 カウント判定
移動体検出 フレーム間差分法による移動体の検出 差分値 { ピクセル状態 Th: しきい値 時刻t-iの画像 物体領域 時刻tの画像
交差判定 車両の進行方向と垂直に計測ラインを設定 交差している領域のみ計測対象
同一物体判定 過去の検出領域との比較 新規作成 更新 更新
物体識別 -ピクセル差分- P1 I1 P2 I2 ピクセル差分 = I1 – I2 特徴量の抽出が高速 一定のしきい値Thで分離可能 117 125 121 P2 I2 ピクセル差分 = I1 – I2 21 13 -50 特徴量の抽出が高速 一定のしきい値Thで分離可能 AdaBoostにより200組のピクセル対としきい値を選択
カウント判定 カウントのタイミングは計測ライン通過後 信頼性の向上 誤検出の対応 誤識別の対応 通過フレーム数:4 誤識別の発生 通過フレーム数:4 車両と識別されたフレーム数:1 通過フレーム数:3 車両と識別されたフレーム数:1 通過フレーム数:2 車両と識別されたフレーム数:0 通過フレーム数:0 車両と識別されたフレーム数:0 通過フレーム数:1 車両と識別されたフレーム数:0 車両でない 車両である 車両でない
評価実験 実験方法 結果 過去3年分の映像から約4時間に対して計測 目視による計測を真値として比較 正解率96.4% 実行速度24fps 計測方法 通過台数 真値 110 106 本手法 表1．計測結果
実行画面
まとめ カメラ映像から自動での交通流計測 低スペックマシンでリアルタイムを実現 今後の課題 目視と比較し正解率96.4% 小型画像処理ボードで24fpsの実行 低スペックマシンでリアルタイムを実現 今後の課題 移動体検出，識別器の精度の向上 人やバイクなど多クラスへの対応
物体識別 -AdaBoost- Boosting 弱い識別器（弱仮説）を複数用い，より高性能な識別器を構築 全ての学習データに対して最も正解の多い弱仮説の選択 識別に失敗した学習データの重みの増加 重みの獲得が最大となる弱仮説の選択 2～3を繰り返す