図面 (/)

技術 水面境界検出装置、水面境界検出方法及びコンピュータプログラム

出願人 株式会社東芝東芝インフラシステムズ株式会社
発明者 君山健二横井謙太朗堀江勝大宮崎靖之
出願日 2016年9月9日 (5年2ヶ月経過) 出願番号 2016-176897
公開日 2018年3月15日 (3年8ヶ月経過) 公開番号 2018-041406
状態 特許登録済
技術分野 イメージ分析 測量一般 画像処理
主要キーワード 水面領域 機械方式 各処理対象画像 監視エリア毎 磁気ハードディスク装置 水位計測 境界候補 無向グラフ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2018年3月15日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (10)

課題

エッジが正しく検出できない場合であっても水面と水面以外の領域との境界線を検出することができる水面境界検出装置、水面境界検出方法及びコンピュータプログラムを提供することである。

解決手段

実施形態の水面境界検出装置は、画像入力部と、学習モデル生成部と、境界線検出部とを持つ。画像入力部は、水面と、前記水面以外の背景撮影された画像を入力する。学習モデル生成部は、入力された前記画像に基づいて前記水面の特徴と、前記背景の特徴とを学習することによって学習モデルを生成する。境界線検出部は、入力された前記画像と、前記学習モデルとを用いて、前記水面と、前記背景との境界線を検出する。

概要

背景

近年の局地的豪雨の増加に伴い、災害の未然防止と早期の避難判断のために河川リアルタイム水位計測が重要となっている。従来では、機械方式水位計や、目盛りのある量水板目視確認により計測されていた。機械方式では、浮子とスイッチが使われており急流時に故障異物の装置内進入によって動作不良を起こしやすい。量水板の目視確認では、河川に接近するたびに人が危険にさらされる。
そこで、監視カメラを用いた水位計測の方式が提案されている。しかしながら、この方法では、画像特有の問題によりエッジが正しく検出できない場合には水面と水面以外の領域(河川のにおける河原、岸壁植生及び橋脚など)の境界線を検出できない場合があった。

概要

エッジが正しく検出できない場合であっても水面と水面以外の領域との境界線を検出することができる水面境界検出装置、水面境界検出方法及びコンピュータプログラムを提供することである。実施形態の水面境界検出装置は、画像入力部と、学習モデル生成部と、境界線検出部とを持つ。画像入力部は、水面と、前記水面以外の背景撮影された画像を入力する。学習モデル生成部は、入力された前記画像に基づいて前記水面の特徴と、前記背景の特徴とを学習することによって学習モデルを生成する。境界線検出部は、入力された前記画像と、前記学習モデルとを用いて、前記水面と、前記背景との境界線を検出する。

目的

本発明が解決しようとする課題は、エッジが正しく検出できない場合であっても水面と水面以外の領域との境界線を検出することができる水面境界検出装置、水面境界検出方法及びコンピュータプログラムを提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

水面と、前記水面以外の背景撮影された画像を入力する画像入力部と、入力された前記画像に基づいて前記水面の特徴と、前記背景の特徴とを学習することによって学習モデルを生成する学習モデル生成部と、入力された前記画像と、前記学習モデルとを用いて、前記水面と、前記背景との境界線を検出する境界線検出部と、を備える水面境界検出装置

請求項2

前記画像から前記水面と、前記背景との間のおおまかな境界領域を表わす境界候補領域を検出する境界候補検出部をさらに備え、前記学習モデル生成部は、前記境界候補領域を基準として前記水面と、前記背景とを分割して前記学習モデルを生成する、請求項1に記載の水面境界検出装置。

請求項3

前記画像と、前記画像と同じ場所で撮影された過去の画像との差分を画素毎に算出し、複数の画素で構成されるブロック単位差分結果合計値を算出し、前記合計値が閾値以上であるブロックを水面領域と判定し、前記合計値が閾値未満であるブロックを背景領域と判定する差分検出部をさらに備え、前記境界候補検出部は、判定された前記水面領域と、前記背景領域との境界となる領域を前記境界候補領域として検出する、請求項2に記載の水面境界検出装置。

請求項4

前記境界線検出部は、前記画像を、前記学習モデルに基づいて、水面領域と、背景領域とに領域分割することによって前記水面と、前記背景との境界線を検出する、請求項1から3のいずれか一項に記載の水面境界検出装置。

請求項5

水面と、前記水面以外の背景が撮影された画像を入力する画像入力ステップと、入力された前記画像に基づいて前記水面の特徴と、前記背景の特徴とを学習することによって学習モデルを生成する学習モデル生成ステップと、入力された前記画像と、前記学習モデルとを用いて、前記水面と、前記背景との境界線を検出する境界線検出ステップと、を有する水面境界検出方法

請求項6

前記画像から前記水面と、前記背景との間のおおまかな境界領域を表わす境界候補領域を検出する境界候補検出ステップをさらに有し、前記学習モデル生成ステップにおいて、前記境界候補領域を基準として前記水面と、前記背景とを分割して前記学習モデルを生成する、請求項5に記載の水面境界検出方法。

請求項7

前記画像と、前記画像と同じ場所で撮影された過去の画像との差分を画素毎に算出し、複数の画素で構成されるブロック単位で差分結果の合計値を算出し、前記合計値が閾値以上であるブロックを水面領域と判定し、前記合計値が閾値未満であるブロックを背景領域と判定する差分検出ステップをさらに有し、前記境界候補検出ステップにおいて、判定された前記水面領域と、前記背景領域との境界となる領域を前記境界候補領域として検出する、請求項6に記載の水面境界検出方法。

請求項8

前記境界線検出ステップにおいて、前記画像を、前記学習モデルに基づいて、水面領域と、背景領域とに領域分割することによって前記水面と、前記背景との境界線を検出する、請求項5から7のいずれか一項に記載の水面境界検出方法。

請求項9

水面と、前記水面以外の背景が撮影された画像を入力する画像入力ステップと、入力された前記画像に基づいて前記水面の特徴と、前記背景の特徴とを学習することによって学習モデルを生成する学習モデル生成ステップと、入力された前記画像と、前記学習モデルとを用いて、前記水面と、前記背景との境界線を検出する境界線検出ステップと、をコンピュータに実行させるためのコンピュータプログラム

請求項10

前記画像から前記水面と、前記背景との間のおおまかな境界領域を表わす境界候補領域を検出する境界候補検出ステップをさらに実行させ、前記学習モデル生成ステップにおいて、前記境界候補領域を基準として前記水面と、前記背景とを分割して前記学習モデルを生成する、請求項9に記載のコンピュータプログラム。

請求項11

前記画像と、前記画像と同じ場所で撮影された過去の画像との差分を画素毎に算出し、複数の画素で構成されるブロック単位で差分結果の合計値を算出し、前記合計値が閾値以上であるブロックを水面領域と判定し、前記合計値が閾値未満であるブロックを背景領域と判定する差分検出ステップをさらに実行させ、前記境界候補検出ステップにおいて、判定された前記水面領域と、前記背景領域との境界となる領域を前記境界候補領域として検出する、請求項10に記載のコンピュータプログラム。

請求項12

前記境界線検出ステップにおいて、前記画像を、前記学習モデルに基づいて、水面領域と、背景領域とに領域分割することによって前記水面と、前記背景との境界線を検出する、請求項9から11のいずれか一項に記載のコンピュータプログラム。

技術分野

0001

本発明の実施形態は、水面境界検出装置、水面境界検出方法及びコンピュータプログラムに関する。

背景技術

0002

近年の局地的豪雨の増加に伴い、災害の未然防止と早期の避難判断のために河川リアルタイム水位計測が重要となっている。従来では、機械方式水位計や、目盛りのある量水板目視確認により計測されていた。機械方式では、浮子とスイッチが使われており急流時に故障異物の装置内進入によって動作不良を起こしやすい。量水板の目視確認では、河川に接近するたびに人が危険にさらされる。
そこで、監視カメラを用いた水位計測の方式が提案されている。しかしながら、この方法では、画像特有の問題によりエッジが正しく検出できない場合には水面と水面以外の領域(河川のにおける河原、岸壁植生及び橋脚など)の境界線を検出できない場合があった。

先行技術

0003

特開平9−161076号公報
特開平8−145765号公報
特開2001−41803号公報
特開2007−256254号公報
特開2011−211556号公報
特開2007−212238号公報
特開平9−38631号公報

発明が解決しようとする課題

0004

本発明が解決しようとする課題は、エッジが正しく検出できない場合であっても水面と水面以外の領域との境界線を検出することができる水面境界検出装置、水面境界検出方法及びコンピュータプログラムを提供することである。

課題を解決するための手段

0005

実施形態の水面境界検出装置は、画像入力部と、学習モデル生成部と、境界線検出部とを持つ。画像入力部は、水面と、前記水面以外の背景撮影された画像を入力する。学習モデル生成部は、入力された前記画像に基づいて前記水面の特徴と、前記背景の特徴とを学習することによって学習モデルを生成する。境界線検出部は、入力された前記画像と、前記学習モデルとを用いて、前記水面と、前記背景との境界線を検出する。

図面の簡単な説明

0006

実施形態の水面境界検出システム100のシステム構成を示す図。
画像処理部21による画像処理の概要を説明するための図。
画像処理部21の具体的な構成を表す概略ブロック図。
境界候補検出部220の具体的な構成を表す概略ブロック図。
画像処理部21による学習モデル生成処理の流れを示すフローチャート
学習の具体的な処理を説明するための図。
画像処理部21による領域検出処理の流れを示すフローチャート。
水面領域と背景領域との境界検出グラフカットを用いた一例を示す図。
グラフカットの説明図。

実施例

0007

以下、実施形態の水面境界検出装置、水面境界検出方法及びコンピュータプログラムを、図面を参照して説明する。
図1は、実施形態の水面境界検出システム100のシステム構成を示す図である。水面境界検出システム100は、水面と、水面以外(例えば、河川の岸における河原、植生、橋脚及び岸壁など)の背景との境界線を検出する。水面境界検出システム100は、撮影装置10及び水面境界検出装置20を備える。撮影装置10と水面境界検出装置20は、有線通信又は無線通信により接続される。

0008

撮影装置10は、例えばパンチルトカメラであり、監視エリア1を撮影する。監視エリア1は、河川2、岸壁3、植生4及び橋脚5を含む領域である。撮影装置10は、通常時には、予め設定された広域の画角で監視エリア1全体を撮影する。また、撮影装置10は、定時観測時には、狭域の画角(ズーム)で監視エリア1のうち河川2に焦点を当てた特定のエリアを撮影する。ここで、定時観測時とは、河川2の水位を測量するタイミングである。撮影装置10の通常時、定時観測時の切り替えは、予め設定されたタイミングで切り替えられてもよいし、手動で切り替えられてもよい。

0009

水面境界検出装置20は、撮影装置10によって定時観測時に撮影された処理対象となる画像(以下「処理対象画像」)に基づいて、水面と背景との境界線を検出する。水面境界検出装置20は、画像処理部21及び表示部22を備える。画像処理部21は、処理対象画像に対して画像処理を行うことによって、水面と背景との境界線を検出する。表示部22は、液晶ディスプレイ有機EL(Electro Luminescence)ディスプレイ等の画像表示装置である。表示部22は、撮影装置10によって撮影された画像及び水面と背景との境界線を表示する。表示部22は、画像表示装置を水面境界検出装置20に接続するためのインタフェースであってもよい。この場合、表示部22は、撮影画像を表示するための映像信号を生成し、自身に接続されている画像表示装置に映像信号を出力する。

0010

図2は、画像処理部21による画像処理の概要を説明するための図である。図2に示すように、画像処理部21は、大きく3つの処理工程を行う。3つの処理工程として、(1)ROI(Region Of Interest:対象領域)設定、(2)水面の境界簡易推定、(3)水面の境界詳細推定がある。以下、順番に説明する。
(1)ROI設定では、画像処理部21は、入力された処理対象画像30に対してROI31を設定する。対象領域の設定は、ユーザによって設定される。ROI設定は、処理開始の最初にのみ設定されていればよい。また、監視エリア毎にROI設定が異なっていてもよい。

0011

(2)水面の境界簡易推定では、画像処理部21は、同じ監視エリアにおいて、時刻tに入力された処理対象画像と、時刻t−1に入力された処理対象画像とに基づいて、各処理対象画像上における同位置の画素の変化(動き)を抽出する。一般的に、水面は時刻の変化に応じて河川の流れも変化するため、背景と比べて画素の変化が大きい。そこで、画像処理部21は、各時刻の処理対象画像のROI31内の画素を比較して、画素の変化量が閾値以上の領域を水面領域、画素の変化量が閾値未満の領域を背景領域として、水面領域と、背景領域との間のおおまかな境界領域を表わす境界候補領域32を検出する。その後、画像処理部21は、検出した境界候補領域32に基づいて、水面領域の特徴量と、背景領域の特徴量とを学習することによって学習モデルを生成する。特徴量は、例えばRGBのヒストグラムである。

0012

(3)水面の境界詳細推定では、画像処理部21は、生成した学習モデルにおける水面領域の特徴量と、背景領域の特徴量とを初期値として設定し、新たに入力された処理対象画像を水面領域と背景領域とに領域分割することによって、水面領域と、背景領域との境界線33を検出する。

0013

図3は、画像処理部21の具体的な構成を表す概略ブロック図である。
画像処理部21は、画像入力部210、境界候補検出部220、学習モデル生成部230、学習モデル記憶部240及び境界線検出部250を備える。
画像入力部210は、撮影装置10に撮影された画像を入力する。例えば、画像入力部210は、処理対象画像を入力する。
境界候補検出部220は、画像入力部210に入力された処理対象画像に基づいて、境界候補領域を検出する。
学習モデル生成部230は、境界候補検出部220に検出された境界候補領域に基づいて、水面領域の特徴量と、背景領域の特徴量とを学習することによって学習モデルを生成する。
学習モデル記憶部240は、磁気ハードディスク装置半導体記憶装置などの記憶装置を用いて構成される。学習モデル記憶部240は、学習モデルを記憶する。
境界線検出部250は、画像入力部210に入力された処理対象画像と、学習モデル記憶部240に記憶されている学習モデルとに基づいて、処理対象画像を領域分割することによって水面領域と背景領域との境界線を検出する。

0014

図4は、境界候補検出部220の具体的な構成を表す概略ブロック図である。
境界候補検出部220は、バッファ221、動き検出部222、ブレ補正部223、差分検出部224及び候補領域検出部225を備える。
バッファ221は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。バッファ221は、過去の処理対象画像を記憶する。例えば、バッファ221は、時刻t−1に入力された処理対象画像を記憶する。
動き検出部222は、画像入力部210に入力された処理対象画像と、バッファ221に記憶されている処理対象画像とを用いて画面の動きを検出する。

0015

ブレ補正部223は、画像入力部210に入力された処理対象画像に対して、動き検出部222によって検出された動き分だけ画像をずらして、撮影装置10の揺れ補正する。なお、ブレ補正部223は、動き検出部222によって動きが検出されない場合には補正を行わない。
差分検出部224は、画像入力部210に入力された処理対象画像と、バッファ221に記憶されている処理対象画像とに基づいて、同位置の画素の差分を検出する。
候補領域検出部225は、差分の検出結果に基づいて、各領域の境界を境界候補領域32として検出する。

0016

図5は、画像処理部21による学習モデル生成処理の流れを示すフローチャートである。学習モデル生成タイミングは、一定の時間間隔が経過する度に実行されてもよいし、環境光の変化があったタイミングに実行されてもよいし、天候の変化があったタイミングに実行されてもよい。図5の処理では、ROIが設定されているものとする。
画像入力部210は、時刻tにおいて撮影装置10によって撮影された処理対象画像を入力する(ステップS101)。画像入力部210は、入力した処理対象画像を境界候補検出部220に出力する。動き検出部222は、画像入力部210から出力された時刻tにおける処理対象画像と、バッファ221に記憶されている時刻t−1における処理対象画像とを入力とする。動き検出部222は、入力した複数の処理対象画像から画面の動きを検出する(ステップS102)。

0017

動き検出部222は、検出結果をブレ補正部223に出力する。例えば、動き検出部222は、画面に動きがない場合には、動きがなかった旨を検出結果としてブレ補正部223に出力する。また、例えば、動き検出部222は、画面に動きがあった場合には、どのくらい動きがあったのかを示す旨を検出結果としてブレ補正部223に出力する。ブレ補正部223は、画像入力部210から出力された時刻tにおける処理対象画像と、動き検出部222から出力された検出結果とを入力とする。ブレ補正部223は、入力された検出結果に基づいて、画面の動きがあったか否かを判定する(ステップS103)。

0018

画面の動きがあった場合(ステップS103−YES)、ブレ補正部223は入力された時刻tにおける処理対象画像を、検出結果に含まれる動き分だけ画像してブレを補正する(ステップS104)。ブレ補正部223はブレ補正後の画像を差分検出部224に出力する。
一方、画面の動きがなかった場合(ステップS103−NO)、ブレ補正部223は入力された時刻tにおける処理対象画像を差分検出部224に出力する。

0019

差分検出部224は、ブレ補正部223から出力された時刻tにおける処理対象画像と、バッファ221に記憶されている時刻t−1における処理対象画像とを入力とする。差分検出部224は、入力した各処理対象画像のROI内の同位置の画素を比較することによって画素値の差分を画素毎に算出する(ステップS105)。その後、差分検出部224は、ROI内の画素について、複数の画素で構成されるブロック単位差分結果合計値を算出する。例えば、ROIが4×4の画素で構成される場合、差分検出部224は2×2のブロック単位で差分結果の合計値を算出する。

0020

差分検出部224は、算出した合計値に対して閾値判定を行う(ステップS106)。具体的には、差分検出部224は、算出した合計値が閾値以上である場合、画素の変化が大きいと判定し、算出した合計値が閾値未満である場合、画素の変化が小さいと判定する。差分検出部224は、画素の変化が大きいと判定したブロックに対して水面らしい領域であることを示す値(例えば、“0”)を付与し、画素の変化が小さいと判定したブロックに対して背景の領域であることを示す値(例えば、“1”)を付与する。なお、閾値は、予め設定されていてもよいし、適宜設定されてもよい。差分検出部224は、時刻tにおける処理対象画像と、ROI内のブロックに対して付与した値を示す情報(以下「付与情報」という。)とを候補領域検出部225に出力する。

0021

候補領域検出部225は、差分検出部224から出力された処理対象画像と、付与情報とを入力とする。候補領域検出部225は、入力した付与情報に基づいて、処理対象画像から境界候補領域を検出する(ステップS107)。具体的には、候補領域検出部225は、処理対象画像のROI内において、付与情報で示される水面らしい領域であることを示す値と、背景の領域であることを示す値との境界となる位置を境界候補領域として検出する。候補領域検出部225は、処理対象画像と、境界候補領域の検出結果とを学習モデル生成部230に出力する。学習モデル生成部230は、候補領域検出部225から出力された処理対象画像と、境界候補領域の検出結果とを入力とする。

0022

学習モデル生成部230は、入力した処理対象画像と、境界候補領域の検出結果とに基づいて水面領域の特徴量と、背景領域の特徴量とを学習する(ステップS108)。学習の具体的な処理について図6を用いて説明する。画像30全体を検出対象とするのは処理量誤判定の危険を考慮すると得策ではないため、学習モデル生成部230はROI31の範囲内のみを検出対象とする。まず、学習モデル生成部230は、ROI31内において、候補領域検出部225によって検出された境界候補領域32を設定する。次に、学習モデル生成部230は、設定した境界候補領域32を基準として、上下に数画素分マージン35及び36を設定する。

0023

これは、候補領域検出部225によるブロック単位での検出では、おおまかな領域しか分からないし、斜めになっている境界や、複雑な境界を表現することできない。そのため、学習モデル生成部230は、境界候補領域32を基準として、上に背景のマージン35、下に水面のマージン36を設定することによって水面領域と背景領域の混在を防ぐことができる。そして、学習モデル生成部230は、ROI31内であって、マージン35よりも上方の画素から背景領域の特徴量を学習する。また、学習モデル生成部230は、ROI31内であって、マージン36よりも下方の画素から水面領域の特徴量を学習する。学習モデル生成部230は、学習結果を学習モデルとして学習モデル記憶部240に記憶する(ステップS109)。例えば、学習モデル生成部230は、学習モデルとして混合ガウシアンモデルを用いることができる。

0024

図7は、画像処理部21による領域検出処理の流れを示すフローチャートである。
画像入力部210は、時刻t+1において撮影装置10によって撮影された処理対象画像を入力する(ステップS201)。画像入力部210は、入力した処理対象画像を境界線検出部250に出力する。境界線検出部250は、画像入力部210から出力された処理対象画像と、学習モデル記憶部240に記憶されている学習モデルとを用いて、処理対象画像から水面領域と背景領域とを領域分割することによって水面領域と背景領域との境界を検出する(ステップS202)。

0025

水面領域と背景領域との境界を検出方法には、例えばグラフカットの技術を用いることができる。グラフカットは、画像を重みつき無向グラフとして捉え、エネルギー最小化問題を解くことでラベリングを行う手法である。グラフカットのアルゴリズムを用いて川の水面とそれ以外を分離することで求める。ラベル前景と背景の2種類であり、全ての画素にラベル付けを行うことで前景と背景を分離する。ここでは、水面を前景として設定し、水面以外を背景として設定する。エネルギー関数を定義し、最小となる切断位置を求める。

0026

図8は、水面領域と背景領域との境界検出にグラフカットを用いた一例を示す図である。
図8(A)に示すように、境界線検出部250は、処理開始時の初期グラフとして、水面を表す前景ターミナルSから処理対象画像の各画素40に対してt−リンク41を設定し、背景を表す背景ターミナルTから処理対象画像の各画素40に対してt−リンク42を設定する。この際、境界線検出部250は、t−リンク41においては画素が水面領域の特徴量に近いほど切断コストが高くなるようにコストを設定し、t−リンク42においては画素が背景領域の特徴量に近いほど切断コストが高くなるようにコストを設定する。t-リンク41及び42のコストは、事前学習した混合ガウシアンモデルから計算される尤度が用いられる。

0027

また、境界線検出部250は、各画素40間において画素40間を結ぶn−リンク43を設定し、各n−リンク43について隣り合う画素の画素値が近いほど切断コストが高くなるようにコストを設定する。周辺画素との類似性を表すn−リンク43のコストは、注目する画素の周囲8方向に隣接した画素それぞれに対して、RGB値のL2ノルムを距離で正規化した値が用いられる。境界線検出部250は、上記の設定を行った後、グラフカットの処理を実行する。実行結果を図8(B)に示す。図8(B)において、画素45が水面領域の画素を表し、画素46が背景領域の画素を表す。グラフカットの処理では、ターミナルと画素間において画素値が異なるほど切断されやすく、各画素間において画素値が異なるほど切断されやすい。上記のように、境界線検出部250は、領域分割を行うことによって、水面領域と、背景領域とを分割し、水面領域と背景領域との境界線33を検出する。

0028

図9は、グラフカットの説明図である。グラフカットでは、前景と背景とをコストが最小となるように分割する。各リンク47には、切断コストが示されている。図9では、一例として分割について2つのパターンを示している。1つ目は切断線48で分割するパターンであり、2つ目は切断線49で分割するパターンである。切断線48で分割するパターンでは、切断コストの合計が10であり、切断線49で分割するパターンでは、切断コストの合計が6である。この場合、最小コストである切断線49で分割するパターンで分割が行われる。その後、表示部22は、画像処理部21による処理結果を表示する(ステップS203)。

0029

以上のように構成された水面境界検出装置20によれば、エッジが正しく検出できない場合であっても水面と水面以外の領域との境界線を検出することが可能になる。具体的には、水面境界検出装置20は、水面と、背景が撮影された処理対象画像に基づいて水面の特徴と、背景の特徴とを学習することによって学習モデルを生成し、新たに入力された処理対象画像と、学習モデルとを用いて、水面と背景との境界線を検出する。これにより、画像からエッジを検出する必要がない。そのため、エッジが正しく検出できない場合であっても水面と水面以外の領域との境界線を検出することが可能になる。

0030

以下、水面境界検出システム100の変形例について説明する。
本実施形態では、画像入力部210は、リアルタイムで撮影された画像を入力する構成を示したが、これに限定される必要はない。例えば、画像入力部210は、例えばCD−ROMUSBメモリ(Universal Serial Bus Memory)等の記録媒体に記録された処理対象画像のデータを読み出して入力してもよい。また、画像入力部210は、ネットワークを介して他の情報処理装置から処理対象画像のデータを受信してもよい。画像入力部210は、処理対象画像のデータの入力を受けることが可能な構成であれば、さらに異なる態様で構成されてもよい。

0031

撮影装置10は、河川2沿いに複数台設置されてもよい。このように構成される場合、表示部22は、並べて表示してもよいし、切り替えて表示してもよい。
境界候補領域が自動的に検出できない場合には、画像処理部21はユーザが設定した値を境界候補領域として用いてもよいし、初期値として設定されている値を境界候補領域として用いてもよいし、システム外で計測される水位から得られる予測領域を境界候補領域としてもよいし、これらのいずれを組み合わせてもよい。また、境界候補領域をユーザが修正可能に構成されてもよい。

0032

また、画像処理部21は、環境光の変化や天候の変化によって時間間隔を変更してもよい。例えば、境界候補領域が自動的に取得できない場合や、特徴量の信頼性が低いと判断されたときには過去の学習モデルを代用することも出来る。
本実施形態では、学習モデル生成部230は、学習時に特徴量として色を用いる構成を示したが、水面の特徴点の動きの方向を用いてもよいし、両方を併用してもよい。

0033

以上説明した少なくともひとつの実施形態によれば、水面と、水面以外の背景が撮影された画像を入力する画像入力部210と、入力された画像に基づいて水面の特徴と、背景の特徴とを学習することによって学習モデルを生成する学習モデル生成部230と、入力された画像と、学習モデルとを用いて、水面と、背景との境界線を検出する境界線検出部250とを持つことにより、エッジが正しく検出できない場合であっても水面と水面以外の領域との境界線を検出することができる。

0034

上述した水面境界検出装置20の各機能をコンピュータで実現するようにしてもよい。その場合、この機能を実現するためのプログラムコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現してもよい。なお、ここでいう「コンピュータシステム」とは、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

0035

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよく、FPGA(Field Programmable Gate Array)等のプログラマブルロジックデバイスを用いて実現されるものであってもよい。

0036

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

0037

10…撮影装置,20…水面境界検出装置,21…画像処理部,22…表示部,210…画像入力部,220…境界候補検出部,221…バッファ,222…動き検出部,223…ブレ補正部,224…差分検出部,225…候補領域検出部,230…学習モデル生成部,240…学習モデル記憶部,境界線検出部250…

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ