本研究は、ビデオ画面上の走行車両の軌跡を自動的に計測するシステムの開発を行ったものである。本研究で扱うビデオ画面は、(1)移動するカメラで撮影した車両の重なりのないビデオ画面、(2)固定カメラで撮影した車両の重なりの有るビデオ画面、の2種類である。また、本研究で開発するシステムの特徴として、(a)交通調査で用いられる一般のビデオカメラで撮影した画像から軌跡を自動計測すること、(b)計測はオフラインであるので、計算機の処理時間はある程度長くても良く、むしろ原画像データをなるべく有効に使い、計測精度の向上を目指すという点があげられる。

　交通工学の分野では、ボトルネック区間の交通容量解析、あるいは事故頻発区間などの車両挙動の解析などのために、交通量や密度などの巨視的な集計量だけでなく、個々車両の微視的な挙動の把握が必要となってきている。数百メートルの長さを持つこれらの道路区間において、各車両の2次元的な運動軌跡をトラッキングする場合には、これまではビデオで道路区間を撮影しそこから走行軌跡を手作業で計測することが行われてきた。ビデオカメラを道路近傍の建物の屋上や気球に設置して、交通流を連続撮影し、画像から車両の軌跡を0.5ないし1.0程度の画面間隔で読み取るわけであるが、極めて多くの時間と労力を要している。また、読みとりにかなりの個人差が生じ、計測したデータの後処理にも多くの時間が必要であった。

　画像処理手法を用いた交通流計測の研究は、1970年代からヨーロッパ、アメリカ、日本で始められる。これらシステムを撮影方式、処理方式、画面特性などで分類すれば図1のようになるが、本研究で扱う対象については、これまで研究があまり見られないのが現状である。

図1 画像処理システムの分類

　山本らは、カメラが固定されている場合の重なりなしの車両処理について、原画像と背景画像との差分(空間変化)を用いて、2次元的な車両走行軌跡の自動計測方法を提案している。本研究では、この2次元的な車両認識アプローチの基本部分を生かし、カメラが移動する場合にシステムを発展させる。

2-1自動画像処理プロセス

　本研究では、図2示すような自動画像処理プロセスを提案した。はじめに、操作者が処理の基準となるモデル画面を1つ設定し、その画面上に基準点を複数指定する。システムは各データ画面を読み込み、指定した基準点に対応する点を見つけ、データ画面をモデル画面の座標系に射影変換する。変換された画像はモデル画面と同じ部分で同じ角度から撮影した画面となっており、以後の車両認識過程が可能となる。以下この処理プロセスの幾つ重要な部分を紹介する。

図2 システムによる自動画像処理のプロセス(1)基準点の認識とモデル画面への変換

　基準点は、なるべく道路上あるいは道路面と等高度の位置にあること、形状が単純で特徴があること、という要求から、本研究ではレーンマークを基準点として選定した。基準点の認識のためには、次の3種類の情報を用いている:(1)基準点付近の輝度パターン(レーンマークの長さ、幅、方向)、(2)前後画面上の基準点の移動の特徴(移動速度・方向)、(3)隣り合う基準点間の相対的な位置関係。ここは局所的基準点の認識という。まず、操作者が基準点を定義したときに、(1)の基準点付近の輝度情報を保存しておく。新しい画面における基準点の認識に当たっては、まず(2)の基準点の移動情報から基準点のおおよその位置を推定する。そして、(1)の輝度情報から基準点の認識を行う。さらに、基準点が認識できなかった場合には、他の認識が出来た基準点からの相対的位置関係を利用して再度認識を試みるという再帰型の方法をとった。

　以上のような基準点の認識が修了した後は、読み込み画面の各画素をモデル画面座標系に変換し、画素の輝度情報を変換座標に埋め込む。その際、変換座標は整数値をとらないので、平滑か処理を行い、斑のないモデル座標系の画面を作成した。

(2)背景画像の作成と更新

　初期の背景画像として、数十枚の画面の画像について上記のようにモデル座標系への変換を行った後、各画素毎に輝度の頻度分布を調べ、その最頻値を背景の輝度とし、それらを集めて背景画像としている。

　時間の経過とともに、おもに天候の変化などから、背景の輝度は時々刻々と変化する。従って、各画面ごとに車両と認識された領域以外の領域に限り、背景画像の更新を行った。

(3)車両の認識とトラッキング

　変換画像と背景画像との輝度の差を示す差画像上では、背景部分はなくなり、車両とノイズが残っている。この差画像に、閾値Tをあたえることにより二値化を行い、二値化差画像を作成し、この二値化差画像を用いて車両の存在領域を抽出する。さらに、一度認識された車両については、次の画面上で前画面における位置の近くで、過去の走行履歴(位置,速度,加速度)を利用しながら、その車両の位置を探索し、マッチング及びトラッキングを行う。

(4)カルマンスムージング処理

　以上のプロセスにより計測された各画免状の車両位置は、後処理として車両位置、速度、加速度を相互に関連づけながらカルマンスムージングを行い、平滑かおよび補完をする。

2-2システムの検証

　検証には、1991年7月28日、東名46.64キロポスト地点において、気球に積載したカメラで撮影した500秒間の連続画像を用いた(図3参照)。四車線の道路上に、26個の基準点を設定して標定し、10フレーム/秒の間隔で5000フレームを処理した。その結果、車両が認識できたのは100%の555台、また対象区間全域に渡ってトラッキングできた台数は97%の538台であった。さらに、マニュワル計測との相対的な誤差は、平均1.97[pixel](＝0.47m)であった。

図3 東名46.64キロポスト地点の検証用画面

　本研究で対象とするのは、図4のように車両の流れ方向が画面の奥から手前へ、あるいはその逆の方向に撮影される場合で、手前の車両が後ろの車両を部分、あるいは完全的に隠す可能性のある画面である。3次元的に車両を認識するためには画像理解が必要となるが、本研究では、(1)トップダウン解析を用い、画面上の道路の範囲を限定し、画面と地図の対応関係を構築し、車両のモデルを作る、また(2)ボトムアップ解析を参考にし、動画像部分のエッジより画像を分割する。車両の剛体運動を仮定して、複数の画像から車両の運動情報をとり、撮影に関する幾何学の関係を利用して、車両のモデルと照合しなから、三次元的に車両の形状と運動を判断する。

図4 対象とする車両の重なりのある画面

　地図上で車両の位置を予測し、認識された車両の寸法を利用して画面へ三次元的に投影し、車両画像とマッチングし、車両の運動をトラッキングする。

　本研究は、ビデオ画面上の走行車両の軌跡を自動的に計測するシステムの開発を行ったものである。対象としたビデオ画面は、(1)移動するカメラで撮影した車両の重なりのないビデオ画面、(2)固定カメラで撮影した車両の重なりの有るビデオ画面、の2種類である。本システムの特徴は、(a)交通調査で用いられる一般のビデオカメラで撮影した画像から軌跡を自動計測すること、(b)計測はオフラインであるので、計算機の処理時間はある程度長くても良く、むしろ原画像データをなるべく有効に使い、計測精度の向上を目指すという点である。

　(1)の移動するカメラで撮影した車両の重なりのないビデオ画面における自動計測システムでは、気球に積載したカメラで撮影した500秒間の連続画像で検証したところ、車両の認識率100%、約150mの通路区間全域に渡るトラッキング成功率97%を達成した。また、マニュアル計測との相対的な誤差は、平均1.97[pixel](＝0.47m)であった。

　(2)の固定カメラで撮影した車両の重なりの有るビデオ画面における自動計測システムでは、連続撮影した画像を用いて、三次元的な車両の認識と首都高速近傍のビルからトラッキングの検証を行った。

　今後の課題としては、より多種の撮影画面においてシステムを検証すること、また各種の閾値の設定方法について分析を進めることがあげられる。