JP2015036980A - 駐車区画占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法およびシステム - Google Patents

Abstract

【課題】駐車場占有率を費用を抑えて判定する。
【解決手段】対象駐車エリアの１つ以上の画像フレームは、対象駐車エリアに対して規定される２つ以上の対象領域の中から取得される１４。対象領域は、移動検出または画像コンテンツ変化検出のために分析される１６。画像コンテンツ分類工程２０は、対象領域の中の第１の対象領域に対して画像コンテンツ変化検出の結果に基づいて行われる。その後、物体追跡工程２２は、対象領域の中の第２の対象領域に対して、画像コンテンツ分類工程の結果が対象駐車エリア内に１つ以上の対象物体が存在することを示す場合に、行われる。
【選択図】図１

Description

実施形態は、一般的には駐車管理システムに関する。また、実施形態は、リアルタイムの占有率データを運転者に提供して、燃料消費および交通渋滞を減少させる技術およびシステムに関する。さらに、実施形態は、映像および視覚ベースのアクセス制御方法およびシステムに関する。

リアルタイムの駐車占有率データを運転者に提供して、燃料消費および交通渋滞を減少させる駐車管理システムが提案される。駐車区画占有率判定の状況において、所望の用途に応じて満たさなければならない様々なレベルの性能計量がある。例えば、あるレベルの性能計量は、駐車場における経時的な利用可能空間の総数の精度により測定される。この利用可能空間の総数は、この用途のための最低（すなわち、最も到達可能な）レベルの情報と見なされ得るが、最も普及している有用な情報も提供する。

他のレベルの情報は、駐車ビル（屋内）の各階ごとの利用可能空間の総数、または、各領域（屋外）の利用可能空間の総数に関与する。これは、効率的なナビゲーションを大きな駐車場に入場する駐車者へ提供するのに有用であり得る。最高レベルの情報は、駐車場の各駐車区画（それらのすべての利用可能空間）の状態であり得る。正確な情報がこのレベルにおいて達成され得る場合、より好適な管理および構成のために駐車パターンを取り出すこと、不完全に駐車された車両および悪天候の状況（積雪）などに起因する予想外の駐車容量の減少を管理／監視することなど、いくつかの追加的な用途が広がる。さらに、高レベルの情報は容易に統合され、簡潔に要約することにより低レベルの情報を生じさせ得る。

このような理由を考慮すると、最高レベルの情報を提供する際に好適に行う方法を開発すればよいのではないかという議論が起こる。これには多くの理由がある。例えば、多くの用途では最低レベルの情報しか必要としない。また、最高レベルの情報を提供する場合、問題はさらに複雑になる。精度の観点で未解決の問題が、いまだ多くある。加えて、敷地の区画ごとに個々の占有率を判定しようとする方法のための計算は、とても費用がかかる。リアルタイムで効率的に動作させるには、いまだ大きな隔たりがある。他の理由は、駐車場の各区画の個々の占有率を判定しようとする方法のための画像／映像取得は、典型的には好適に行うために高い空間分解能（例えば、より高価なカメラ、より高いデータ転送速度）を必要とすることを含む。さらに、他の理由は、低レベルの情報（例えば、敷地の総占有率）を正確に判定し得るモジュールが、高レベルの情報を提供しようとする方法を改良するのに有用であり得ることに関与する。

駐車占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法、システム、および処理装置可読媒体が描写される。対象駐車エリアの１つ以上の画像フレームは、対象駐車エリアに対して規定される２つ以上の対象エリアから取得され得る。対象駐車エリア内に規定される２つ以上の対象領域は、移動検出または変化検出のために分析され得る。画像コンテンツ分類工程は、２つ以上の対象領域の中の第１の対象領域に対して変化検出の結果に基づいて行われ得る。そして、物体追跡工程は、２つ以上の対象領域の中の第２の対象領域に対して、画像コンテンツ分類工程の結果が対象駐車エリア内に対象物体が存在することを示す場合に行われ、その後、対象駐車エリアに対して認可されるアクセスの種類を物体追跡工程の結果に基づいて判定する。

開示される実施形態は、一般的には、駐車区画占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド手法を描写する。この手法は、以下のステップを含み得る：（１）少なくとも２つの対象領域（ＲＯＩ）を対象の駐車エリア内に映像および視覚ベースのアクセス制御のために規定すること、（２）駐車エリアの画像フレーム（複数可）を取得すること、（３）第１の規定ＲＯＩを移動検出または画像コンテンツ変化検出のために分析すること、（４）選択的に、視覚ベースの画像コンテンツ分類を第１の規定ＲＯＩのために訓練すること、（５）画像コンテンツ分類を第１の規定ＲＯＩのためにステップ３における変化検出の結果に基づいて行うこと、（６）物体追跡を第２の規定ＲＯＩ内で、画像コンテンツ分類の結果が対象物体の存在を示す場合に行うこと、および（７）アクセスの種類を対象物体の追跡結果に基づいて判定すること。

添付の図において、同様の参照番号は、別個の図全体を通して同一または機能的に同様の要素を指す。添付の図は本明細書の一部に組み込まれ、かつ本明細書の一部を形成する。さらに、添付の図は本発明を図示し、本発明の詳細な説明と共に、本発明の原理を説明する役割を果たす。

図１は、所望の実施形態にしたがって、駐車区画占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法を図示する。 図２は、開示される実施形態にしたがって、少なくとも２つのＲＯＩが、用地の映像を分析するために規定および利用される例示的な画像を図示する。 図３Ａは、例示的な実施形態にしたがって、試験的用地から収集される肯定サンプルを描写する画像を図示する。 図３Ｂは、例示的な実施形態にしたがって、試験的用地から収集される否定サンプルを描写する画像を図示する。 図４Ａは、例示的な実施形態にしたがって、グランドトルースと対照する開示される手法を使用した結果得られる総占有率の性能の５日目の結果を描写するグラフを図示する。 図４Ｂは、例示的な実施形態にしたがって、グランドトルースと対照する開示される手法を使用した結果得られる総占有率の性能の９日目の結果を描写するグラフを図示する。 図５Ａは、例示的な実施形態にしたがって、１分間隔で評価される９つの映像全体にわたる現在のシステムの全体性能を示すデータを描くグラフを図示する。 図５Ｂは、例示的な実施形態にしたがって、０．５分間隔で評価される９つの映像全体にわたる現在のシステムの全体性能を示すデータを描くグラフを図示する。 図６は、代替の実施形態にしたがって、駐車区画（例えば、駐車地点）占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法の論理演算ステップを描写する工程の高レベルフローチャートを図示する。 図７は、代替の実施形態にしたがって、駐車区画（例えば、駐車地点）占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法の論理演算ステップを描写する工程の高レベルフローチャートを図示する。 図８は、１つ以上の開示される実施形態にしたがって実装され得るコンピュータシステムの概略図を図示する。 図９は、１つ以上の実施形態にしたがって、異常検出モジュール、オペレーティングシステム、およびユーザインタフェースを含むソフトウェアシステムの概略図を図示する。

これらの限定されない例において述べられる特定値および構成は、変化し得る。これらは単に少なくとも１つの実施形態を図示するために引用され、それらの範囲を限定する目的のものではない。

図１は、所望の実施形態にしたがって、駐車区画占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法１０を図示する。したがって、工程のフローチャートは、一般的に方法１０の論理演算ステップまたは命令を描写する図１に示される。ブロック１２で示されるように、少なくとも２つの対象領域（ＲＯＩ）は、対象駐車エリア内に映像および視覚ベースのアクセス制御のために規定され得る。ブロック１４で示されるように、論理演算またはステップは、駐車エリアの画像フレーム（複数可）を取得するために提供され得る。次に、ブロック１６で描写されるように、ステップまたは論理演算は、第１の規定ＲＯＩを移動検出または画像コンテンツ変化検出のために分析するよう実装され得る。その後、ブロック１８で示されるように、選択的なステップまたは工程は、視覚ベースの画像コンテンツ分類を第１の規定ＲＯＩのために変化検出の結果（ブロック１６参照）およびグランドトルースラベリングに基づいて訓練するよう実装され得る。ブロック２０で示されるように、ステップまたは論理演算は、画像コンテンツ分類を第１の規定ＲＯＩのために変化検出で生じる結果（ブロック１６参照）に基づいて行うよう実装され得る。ブロック２０で示される工程の処理に続いて、ステップまたは論理演算は、ブロック２２で図示されるように、物体追跡を第２の規定ＲＯＩ内で、画像コンテンツ分類の結果が対象物体の存在を示す場合に実装されるよう行われ得る。最終的には、ブロック２４で示されるように、ステップまたは論理演算は、アクセスの種類を対象物体の追跡結果に基づいて判定するよう実装され得る。

図１のブロック１２に示されるように、少なくとも２つの対象領域（ＲＯＩ）を対象駐車エリア内に規定するステップまたは論理演算に関連し、２つ以上の対象領域（すなわち、少なくとも２つのＲＯＩ）は、対象駐車エリア内に規定され得る。ここで、第１の規定ＲＯＩは対象物体の追跡開始のために使用され（この用途では車両の存在を意味する）、第２の規定ＲＯＩはこれらの対象物体の物体追跡を行うために使用される。選択的には、サブ領域がさらに第１の規定ＲＯＩ内に、追跡の開始をより困難にするよう規定され得る（すなわち、ほぼ確実に対象物体がサブ領域に到達しない限り、開始の回数を限定する）。

図２は、開示される実施形態にしたがって、例示的な用地の第１の規定ＲＯＩ３４（すなわち、小さい破線の四角形）、第２の規定ＲＯＩ３６（すなわち、大きい破線の四角形）、および第１のＲＯＩ３４内のサブ領域（すなわち、平行四辺形）の例示的な画像３０を図示する。平行四辺形のＲＯＩ３２は、この特定の駐車場の入場エリアを規定する。しかしながら、長方形のＲＯＩ３４（小さい四角形）を、後述される視覚ベースの画像コンテンツ分類器のために規定するのに、より好都合である。したがって、第１の規定ＲＯＩ３４は、平行四辺形のＲＯＩ３２より大きい四角形に設定され得る。しかし、開示される方法は、物体追跡を開始するために平行四辺形をさらに（選択的に）使用し得る。第２の規定ＲＯＩ３６は、駐車場へ入場または駐車場から出場する車両を追跡するために利用され得る。したがって、この敷地へアクセスするすべての可能経路を網羅するのに十分な大きさに設定される。理想的には、第２のＲＯＩ３６を、敷地のちょうど外側の領域（すなわち、赤い四角形が中心となるような青い四角形の配置）も網羅するよう設定するのがよい。この例示的な用地のカメラ構成はこのような最適な配置を許容しないので、ＲＯＩ３６の次に最適な配置が、図２に描写される例示的な状況において規定および図示される。ＲＯＩを規定するこのステップは、カメラ構成が固定される場合、オフラインで一度だけ行われ得ることに留意されたい。

ブロック１４に示されるように、駐車エリアの画像フレーム（複数可）を取得するステップに関して、実行時間で駐車エリアの画像フレームが継続的に取得され、その後、さらに後続のステップで処理され、対象駐車エリアの総占有率を経時的に判定する。この手法は、入口へのアクセスの制御／監視を介して敷地における車両の総数を提供し得ることに留意されたい（したがって、この文書全体にわたってアクセス制御と称する）。

ブロック１６で示されるように、第１の規定ＲＯＩを移動検出または画像コンテンツ変化検出のために分析するステップに関して、このステップにおいて第１の規定ＲＯＩの画像コンテンツは、ＲＯＩ内での時間的変化を検出するよう分析され得る。検出された場合、駐車エリアの総占有率の潜在的な変化があることを示す。変化検出を行う方法は複数ある。

例えば、１つの手法は、色変化を経時的に監視して画像コンテンツ変化を検出することに関与する。１つの手法は、時間的なＲＧＢプロファイルを計算および保存し得る。ここで、時間における各ＲＧＢ点は、第１の規定ＲＯＩにおけるすべての画素の算出された平均的なＲＧＢ値に対応する。時間的な低域または中間値フィルタバージョンは、その後ＲＯＩ場面における物体（複数可）の存在に起因しないＲＯＩでの輝度変化を表すために計算され得る。最終的には、変化は２つのプロファイルのセット間の差異に基づいて検出され得る。

他の手法は、例えば、移動検出を経時的に行って画像コンテンツ変化を検出する（すなわち、所望の方法）ことに関与する。例えば、１つの手法は、形態学的フィルタリングおよび振幅および／またはサイズ閾値化と共に、フレーム間差異または背景控除法を使用して、現行フレームの移動検出を行い得る。検出される移動ブロブがある場合、画像コンテンツの潜在的変化が示され得る。移動変化が第１のＲＯＩにおける変化検出のために使用される場合、移動変化も必要であるが異なる領域であるため、このステップが第２のＲＯＩにおける物体追跡と共に行われ得ることに留意されたい。

これらの技術は、フレーム間の時間的相対関係を探索するため、映像ベースの手法と称され得る。このような技術は、工程がさらなる情報なしに事象（すなわち、変化）が起こる回数を数えるため、仮想ループセンサに関与すると称されることもある。これらの技術は、計算において非常に効率的である。しかしながら、前述の方法だけを変化検出のために適用する際に、これらは技術的な課題をもたらす。例えば、物体の背景に対する明暗差が低いことに起因するエラー（すなわち、物体の色または場面の輝度のいずれかに起因）が結果として生じる可能性がある。さらに、対象でない移動物体に起因するエラー（例えば、主要道路上の移動車両の影、人々または群衆＋それらの影）が結果として生じることもある。

振幅の調整（例えば、場面の輝度に適合するよう閾値を動的に変化）および／またはサイズ閾値の一部は実装されてもよいが、誤検出および検出漏れの結果の間には、いまだトレードオフがある。代わりに、そのシステムを含む開示される手順は、閾値を調整して堅調に誤検出へバイアスをかけ、その後、視覚ベースの画像コンテンツ分類を統合して真の検出から誤検出を取り除くことができる。簡潔に言えば、移動する影、移動する群衆および影などを誤って含むエラー（すなわち、誤検出）を最初に許容することで、全く／ほとんど動かない車両（すなわち、真の検出）は見逃される。その後、人間の視覚システムに類似して実行され得るプロセスをさらに課し、対象物体が車両であるか車両でないかを認識する。

選択的に視覚ベースの画像コンテンツ分類を第１の規定ＲＯＩのために変化検出およびグランドトルースラベリングの結果に基づいて訓練する選択的なステップまたは論理演算に関して、図１のブロック１６で示されるように、視覚ベースの画像コンテンツ分類器は、車両の一部または全部が第１のＲＯＩに存在するか認識するよう訓練され得る。十分な分類器が一旦訓練されれば、日常の分析においてこのステップを行う必要はないため、この特定のステップは選択的と見なされる。

ここで、標準的な機器の学習手法が、開示される分類器を訓練するために行われ得る。つまり、特性を規定し、肯定および否定サンプルを収集した後、分類器を訓練する。しかしながら、言及または考察する価値がある特定の実際の差異がいくつかある。ここで訓練する分類器は、例えば、線形ＨＯＧ−ＳＶＭ分類器であり、これは多くの物体認識／検出タスクにおいて効果的であることが証明されている。もちろん、他の種類の分類器が線形ＨＯＧ−ＳＶＭ分類器の代わりに採用されてもよい。

任意の事象において、典型的な物体認識／検出タスクのために、物体の存在を検出および配置する必要がある。したがって、肯定の訓練サンプルは物体の境界まで正確にトリミングすることにより収集され得る一方で、否定サンプルは範囲内の画像からの該当するすべての無作為な生成物であり得る。実行時間で、様々な規模のスライディングウィンドウ手法が、テスト画像において対象物体を検出するために使用され得る。１つの可能な状況において、第１のＲＯＩの画像コンテンツを、車両が存在する場合と車両が存在しない場合とに分類することにのみ注目してもよい。実行時間で、スライディングウィンドウは不要である。これにより、訓練サンプルおよびトルースラベリングの収集がより簡潔になる。これは、（１）手動トリミングは不要であり、すなわち、訓練サンプルは単に、一日のうちの様々な時間から、および／または様々な日にわたって収集される第１のＲＯＩの生成画像である、（２）グランドトルースラベリングは、生成画像に車両が見えるかをラベルづけするよう人に依頼するのと同じくらい単純である、からである。

一見して、開示される分類器のタスクは典型的な物体認識／検出タスクより簡潔であるように思われる。これは、第１のＲＯＩ内に車両が存在することが、様々な姿勢およびＲＯＩの様々な位置で不完全であり得るため、正しくない可能性がある。動く影および歩行者（複数可）が存在しても、同様に当てはまる。これにより、訓練サンプル（肯定または否定）における画像コンテンツの多様性が増し、分類タスクがより困難になるであろう。この問題に対処するために、映像ベースの変化検出の分析を視覚ベースの分類器に、サンプル（肯定または否定）を収集することにより、変化が映像ベースの方法で検出される場合にのみ統合する（それ故、「映像ベースおよび視覚ベースのハイブリッド手法」と名付ける）。そうすることにより、開示される画像コンテンツ分類器は、場面に車両が存在する場合としない場合とを区別する一般的な範囲よりも、ＲＯＩに移動する車両がある場合と移動する車両がない場合とを区別するエリアにのみ特化するよう調整され得る。

図３は、開示される実施形態にしたがって、試験的用地から収集される肯定および否定サンプルの例示的な画像３７、３９を図示する。実際には、提案する画像コンテンツ分類器の訓練（主にサンプル収集およびラベリング）は、人的努力のコストが極めて低く非常に効率的である。所与の対象駐車用地で、用地の映像（複数可）上のブロック１２、１４、１６、１８に示されるステップを行い得る。映像ベースの処理において変化が検出されるごとに（すなわち、図１のブロック１６参照）、第１のＲＯＩの画像が保存され得る。十分なサンプルが保存された後、人が素早く画像サムネイルを調べ、それぞれを車両が存在する場合と車両が存在しない場合とにラベルづけする（さらなるトリミングは不要）。図３に示されるように、このタスクは非常に簡潔であり、非常に効果的に行われ得る（例えば、典型的な処理者が数百枚の画像をラベルづけするのに数分しかかからない）。また、期間外により多くのサンプルを収集するために、変化検出（図１のブロック１６参照）のために判定される閾値を変化させて、第１のＲＯＩに現れる同じ車両の姿勢および位置をより多く収集し得ることに留意されたい。

画像コンテンツ分類を第１の規定ＲＯＩのためにブロック１６における変化検出の結果に基づいて行うステップまたは論理演算に関して、図１のブロック２０で示されるように、実行時間でこのステップは、第１のＲＯＩにおける画像コンテンツの変化がブロック１６の工程の映像ベースの処理において検出される際に行われ得る。つまり、このプロセスは単に、第１のＲＯＩの画像をＨＯＧ特性空間に変換し、訓練された線形ＳＶＭを通過させて、車両（複数可）が第１のＲＯＩに存在するかを表す。車両が存在する場合、次に追跡のプロセスを継続する。存在しない場合はさらなるプロセスが必要であり、手順は次の映像フレームを処理するために継続される。

物体追跡を第２の規定ＲＯＩ内で、画像コンテンツ分類の結果が対象物体の存在を示す場合に行うステップまたは論理演算に関して、図１のブロック２２で示されるように、このステップにおいて物体追跡は、第２のＲＯＩ内で、対象物体が第１のＲＯＩ内に存在した後に行われ得る。すなわち、追跡はブロック２２により図示されるステップまたは論理演算において開始される。移動ブロブの近接一致、ミーンシフト追跡、粒子フィルタリング追跡など、多くの物体追跡アルゴリズムが採用され得る。簡潔さと計算上の利点のため、この作業のために移動ブロブの近接一致を使用する。次のステップで入場または出場動作を判定するのに十分詳しく追跡すればよいため、これで十分である。

図２に描写される現行の構成において、カメラの視野は敷地の外側のエリアを十分網羅しておらず、一部の場合において、追跡が開始された時点で（特に敷地から出場する車両）、車両を戻り追跡（過去の物体追跡に矛盾する）する必要があるかもしれないことに留意されたい。この工程を可能にするために、バッファ（例えば、現行フレームから３０秒まで）は過去に検出された移動ブロブを保存するよう管理され得る。その結果、このステップは、ブロック１６および２２で描写される工程の結果に関わらず、常にバッファを満たすよう稼働され得る。検出されたバッファのブロブは、一定時間（例えば、３０秒）戻り追跡で使用されない場合、破棄される。カメラ構成がこの用途のために最適化される場合、計算およびロバスト性は現行の実装よりも向上する。しかしながら、これは開示される実施形態を限定するものではない。

アクセスの種類を対象物体の追跡結果に基づいて判定するステップでは、アクセスの種類は、この用途における入場または出場により、検出される変化事象の追跡結果に基づいて（すなわち、第１のＲＯＩに車両（複数可）が存在することにより事象が開始されてから）算出され得る。このステップの最も簡潔なルールは、最終的に利用可能な追跡地点が敷地エリアの内部か外部かをチェックすることである。現行の構成において、カメラの視野は敷地の外側で十分なエリアを網羅しておらず、よい策ではない。さらに、追跡はノイジーである可能性がある。代わりに、結果として追跡された軌道への平滑化が行われ、アクセスの種類は、平滑化された軌道の方向および走行距離に基づいて判定される。

開示される手法と従来の手順との一部の重要な差異は、２つの要素からなる：すなわち、（１）それら（すなわち、従来の手法）は映像ベースであり、先に述べたような映像ベースと視覚ベースとのハイブリッドではなく、（２）局所的な追跡情報を伴う仮想ループを増加させる。（２）がない場合、典型的な仮想ループの概念は対のループを必要とし、対のループの中で発生するタイミングの順番を使用してアクセスの種類を判定する。これは、一部の運転者が最初に車両を駐車してから支払いのためにブースへ行く一方で、他の運転者は、支払いのためにブース近くに車両を停め、その後に駐車する設定において困難であり得る（両者のタイミングがまったく異なる）。結果として、対のループが起こるべき場所、離れている距離、および適切なタイミングなどを決定するのが難しいかもしれない。このように、開示される実施形態はより好適な代替案を提示し、より短い開発期間に関与するものである。

視覚ベースの手法のみをこの作業に使用すればよいのでは、と疑問に思うかもしれない。その答えは以下のとおりである。まず、視覚ベースの方法は計算的により高価である。画像コンテンツが最後の実行から変化していないことが確かである場合、すべてのフレームに対して第１のＲＯＩ上で視覚ベースの分類器を稼働させるのは割に合わない。仮に計算が手頃であったとしても、本明細書で述べられる視覚ベースの分類器は、映像ベースの移動変化により事前にフィルタリングされなかった場面の輝度または他の変動に起因する背景の変化に対処するよう修正の必要がある。これにより、分類タスクはより困難になり（先に述べたとおり）、したがって、結局は全体性能を低下させる可能性がある。

対象用地の取得映像のサンプルフレームは、図２に図示される例に描写される。この状況で使用される規定ＲＯＩは、図２にさらに示される。映像ベースの処理（例えば、図１のブロック１６）では、振幅の動的閾値は、現行のフレームでの第１のＲＯＩの平均的な背景ＲＧＢに基づいて使用され得る一方で、一定のサイズ閾値を使用する。閾値は誤検出を許容し、検出漏れの発生を最少化するようバイアスをかける。本明細書で先に述べた画像コンテンツ分類器は、先に述べた方法を使用してテスト映像の１つから収集されるデータを使用して、訓練され得る（例えば、移動検出のために異なる閾値レベルを使用して収集される映像のうち一日に収集される約１，８００の訓練サンプルについて）。分類器は、その後、すべてのテスト映像を処理するために適用され得る。訓練サンプルの例は、図３に示される。移動検出はすべてのフレームに対して稼働され、移動ブロブの稼働バッファが戻り追跡のために保存され得る一方で、開始後に物体追跡が行われるのみである。そうする理由は、前に述べられている。

図４Ａおよび図４Ｂは、特定の実施形態にしたがって、グランドトルースと対照する開示される手法を使用した結果得られる総占有率の性能を描写するグラフ４２、４４を図示し、それぞれ（ａ）５日目の結果、および（ｂ）９日目の結果を示す。図４Ａおよび図４Ｂは、グランドトルースと対照するアルゴリズムを使用した結果得られる総占有率の性能の２つの例を描写する。ここで、５日目の結果は性能が最も良い場合の一例であり、９日目の結果は性能が最も悪い場合の例である。

図５Ａおよび図５Ｂは、特定の実施形態にしたがって、現行システムの全体性能（例えば、駐車場の総占有率を判定する際のパーセント誤差）を、（ａ）１分間隔で評価、および（ｂ）０．５分間隔で評価されるテスト映像全体にわたって示すデータを描写するグラフ５２、５４を図示する。図５Ａおよび図５Ｂは、現行システムの全体性能を、すべてのテスト映像（すべての日）にわたって実証する。性能は次の様式において評価される。日ごとに、１分間のサンプリング（すなわち、グラフ５２）は、システムにより推定される総占有率の精度を評価するために使用される。所与される対象の分単位ごとに、実際の総占有率は、図４Ａおよび図４Ｂに示される実線曲線の表参照により得られる一方で、推定の総占有率は、図４Ａおよび図４Ｂに示される破線曲線の表参照により得られる。総占有率を推定する際のパーセント誤差は、２を６５（この駐車場の容量）で割った後、１００を掛ける（パーセントへの変換）ことにより算出される。この選択される評価方法は、システムが１分の遅延を有することを許容することに留意されたい。０．５分間のサンプリングの評価（リアルタイム用途では十分と考えられる）は、グラフ５４に示される。図５Ａおよび図５Ｂで分かるように、性能はほぼ同じである。システムの本質的な遅延は、物体の追跡から生じる。現行の実装は、物体が第２のＲＯＩから離れるか、または移動が２秒を超える間停止される場合、追跡を停止する。これにより数秒の遅延が生じることになるが、この用途では問題にならない。

図６は、代替の実施形態にしたがって、駐車区画（例えば、駐車地点）占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法６０の論理演算ステップを描写する工程の高レベルフローチャートを図示する。ブロック６２で示されるように、プロセスは開始され得る。次にブロック６４で描写されるように、ステップまたは論理演算は、対象駐車エリアの画像フレーム（複数可）を、対象駐車エリアに対して規定される２つ以上の対象領域から取得するよう行われ得る。その後、ブロック６６で示されるように、ステップまたは論理演算は、対象駐車エリア内に規定される２つ以上の対象領域を、移動検出および／または変化検出のために分析するよう行われ得る。

そして、ブロック６８で示されるように、ステップまたは論理演算は、画像コンテンツ分類工程を、２つ以上の対象領域の中の第１の対象領域に対して変化検出の結果に基づいて行うよう実装され得る。その後、ブロック７０で描写されるように、物体追跡ステップまたは論理演算は、２つ以上の対象領域の中の第２の対象領域に対して、画像コンテンツ分類の結果が対象駐車エリア内に対象物体が存在することを示す場合に行われ得る。そして、ブロック７２で描写されるように、ステップまたは論理演算は、対象駐車エリアに対して認可されるアクセスの種類を、物体追跡工程の結果に基づいて判定するよう行われ得る。その後、プロセスはブロック７４で示されるように終了され得る。

図７は、代替の実施形態にしたがって、駐車区画（例えば、駐車地点）占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法８０の論理演算ステップを描写する工程の高レベルフローチャートを図示する。図７に示される工程は、図６に示される方法６０の工程またはステップに追加され得ることに留意されたい。つまり、図７に示される方法８０は、図６の方法６０を補完し得る。プロセスは、ブロック８２で描写されるように開始され得る。そして、ブロック８４で示されるように、ステップまたは論理演算は、画像コンテンツ分類が、車両等級（複数可）が存在する場合と車両等級が存在しない場合とに対する分類を確実に含むよう行われ得る。その後、ブロック８６で示されるように、ステップまたは論理演算は、分類器の訓練を、画像コンテンツ分類を行うために開始するよう実装され得る。

その後、ブロック８８で描写されるように、ステップまたは論理演算は、訓練映像の２つ以上のフレームを第１の対象領域で移動検出のために分析するよう行われ得る。次に、ステップまたは論理演算は、ブロック９０で示されるように、訓練サンプル、２つ以上のフレームのうちの１つにおける第１の対象領域の画像を、移動検出が閾値を超える場合に自動的に収集するよう実装され得る。そして、ブロック９２で示されるように、ステップまたは論理演算は、収集されたサンプルを（例えば、人的作業により）１つ以上の車両等級が存在する場合と車両等級が存在しない場合とからなる２つの等級にグループ化するよう実装され得る。その後、プロセスはブロック９４で示されるように終了され得る。

実施形態は、本発明の実施形態にしたがって、方法、システム、およびコンピュータプログラム製品およびデータ構造のフローチャート図および／またはブロック図を参照して、少なくとも部分的に本明細書に描写される。例えば、図１および図６〜図７は、このような方法を図示する。図の各ブロックおよびブロックの組み合わせは、コンピュータプログラム命令により実装され得ることが理解されよう。これらのコンピュータプログラム命令は、汎用コンピュータ、特殊用途コンピュータ、または他のプログラマブルデータ処理器の処理装置に提供されて機器を生産してもよく、これにより、コンピュータまたは他のプログラマブルデータ処理器の処理装置を介して実行する命令は、例えば本明細書の図に対して考察および図示される様々な命令など、本明細書で考察されるブロック（複数可）で特定される機能／動作を実装する手段を作成する。

これらのコンピュータプログラム命令は、コンピュータまたは他のプログラマブルデータ処理装置が特定の方法で機能するようにし得るコンピュータ可読メモリにさらに保存されてもよく、これにより、コンピュータ可読メモリに保存される命令は、ブロック（複数可）において特定される機能／動作を実装する命令手段を含む製造品を生産する。

図８〜図９は、本発明の実施形態が実装されてもよいデータ処理環境の例示的な図として提供される。図８〜図９は単なる例示であり、開示される実施形態の態様または実施形態が実装されてもよい環境に関連して、いかなる限定をも主張または暗示するものではないことを理解されたい。描写される環境への多くの修正が、開示される実施形態の意図および範囲から逸脱せずになされてもよい。図８〜図９は、一般的に、実施形態が実装されてもよいデータ処理システム（例えば、「アプリケーション」など）を図示することを留意されたい。このように、図８〜図９は、例えばサーバ、ラップトップコンピュータ、スマートフォン、「パッド」またはタブレットコンピュータデバイス、デスクトップコンピュータ、および他のコンピュータデバイスを含む、様々な異なる種類のデータ処理システムおよびデバイスの代表例である。

図８に図示されるように、開示される実施形態は、例えば中央処理装置３０１（または、他の処理装置）、メインメモリ３０２、制御装置３０３、および一部の実施形態においては、ＵＳＢ（ユニバーサルシリアルバス）３０４、または他の適切な周辺接続部を含み得るデータ処理システム３００の状況において実装されてもよい。システム３００は、入力デバイス３０５（例えば、キーボード、マウスなどのポインティングデバイスなど）、表示装置３０６、およびＨＤＤ（ハードディスクドライブ）３０７（例えば、大容量記憶装置）をさらに含み得る。図示されるように、データ処理システム３００の様々なコンポーネントは、システムバス３１０または同様のアーキテクチャを介して電気的に通信し得る。システムバス３１０は、例えば、データ処理システム３００内のコンピュータコンポーネント間で、または他のデータ処理デバイス、コンポーネント、コンピュータなどと、データ転送を行うサブシステムであってもよい。

図９はコンピュータソフトウェアシステム３５０を図示し、図８に描写されるデータ処理システム３００の工程を指示するために採用されてもよい。メモリ３０２および／またはＨＤＤ３０７に保存されるソフトウェアアプリケーション３５４は、一般的にカーネルまたはオペレーティングシステム３５１およびシェルまたはインタフェース３５３を包含する、および／または関連付けられる。モジュール（複数可）３５２など１つ以上のアプリケーションプログラムは、実行のためにデータ処理システム３００により「ロード」（すなわち、大容量記憶装置またはＨＤＤ３０７からメインメモリ３０２へ転送）されてもよい。図９に示される例において、モジュール３５２は、例えば、図１、図６〜図７などの論理命令または工程を行うソフトウェアモジュールとして実装され得る。

データ処理システム３００は、ユーザ３４９によりアクセス可能なユーザインタフェース３５３を介してユーザコマンドおよびデータを受信し得る。これらの入力装置は、オペレーティングシステム３５１および／またはソフトウェアアプリケーション３５４およびそれらの任意のソフトウェアモジュール（複数可）３５２からの命令にしたがって、データ処理システム３００により起動されてもよい。

このように、本明細書の考察は、システムおよび方法の実装が可能な適切なコンピュータ環境の簡潔で一般的な描写を提供することを目的としている。要求されないが、開示される実施形態は、単一のコンピュータにより実行されるプログラムモジュールなどのコンピュータ実行可能命令の一般的な状況において描写される。ほとんどの場合、「モジュール」はソフトウェアアプリケーションを構成する。

一般的に、プログラムモジュール（例えば、モジュール３５２）は、特定タスクの遂行または特定のアブストラクトデータ種類および命令の実装を行うルーチン、サブルーチン、ソフトウェアアプリケーション、プログラム、オブジェクト、コンポーネント、データ構造などを含み得るが、それらに限定されない。さらに、当業者は、開示される方法およびシステムは、例えば携帯デバイス、マルチプロセッサシステム、データネットワーク、マイクロプロセッサベースまたはプログラマブル家庭用電化製品、ネットワーク化されたパーソナルコンピュータ、マイクロコンピュータ、メインフレームコンピュータ、サーバなど、他のコンピュータシステム構成で実現されてもよいことを理解するであろう。

本明細書で利用されるモジュールという用語は、特定タスクの遂行または特定のアブストラクトデータ種類の実装を行うルーチンおよびデータ構造の集合を指してもよい。モジュールは、２つの部分から構成されてもよい：すなわち、他のモジュールまたはルーチンによりアクセスされ得る定数、データ種類、変数、およびルーチンを一覧表示するインタフェース、および典型的にはプライベート（例えば、当該モジュールにのみアクセス可能）であり、モジュールのルーチンを実際に実装するソースコードを含む実装である。モジュールという用語は、文書処理、会計、在庫管理など、特定タスクの性能を支援するよう設計されたコンピュータプログラムなどのアプリケーションを単に指してもよい。

インタフェース３５３（例えば、グラフィカルユーザインタフェース）は結果を表示する働きをし、ユーザは追加入力または特定セッションの終了を行ってもよい。一部の実施形態において、オペレーティングシステム３５１およびインタフェース３５３は、「ウィンドウズ（登録商標）」システム環境において実装され得る。もちろん、他の種類のシステムが可能であることも理解され得る。例えば、従来の「ウィンドウズ（登録商標）」システムよりも、例えば無線システムにおいてより広く採用されるリアルタイムオペレーティングシステム（ＲＴＯＳ）など、他のオペレーションシステムが、オペレーティングシステム３５１およびインタフェース３５３に対して採用されてもよい。

Claims (10)

1. 駐車占有率判定のための映像および視覚ベースのアクセス制御のハイブリッド方法であって、前記方法は、
   対象駐車エリアの少なくとも１つの画像フレームを、前記対象駐車エリアに対して規定される少なくとも２つの対象領域から取得することと、
   前記対象駐車エリア内に規定される前記少なくとも２つの対象領域を、移動検出または変化検出のために分析することと、
   画像コンテンツ分類工程を、前記少なくとも２つの対象領域の中の第１の対象領域に対して、前記変化検出の結果に基づいて行うことと、および、
   物体追跡工程を、前記少なくとも２つの対象領域の中の第２の対象領域に対して、前記画像コンテンツ分類工程の結果が前記対象駐車エリア内に対象物体が存在することを示す場合に行い、その後、前記対象駐車エリアに対して認可されるアクセスの種類を、前記物体追跡工程の結果に基づいて判定することと、
   を含む、方法。
2. 前記対象駐車エリアは、駐車場入口または駐車場出口のうちの少なくとも１つを含む、請求項１に記載の方法。
3. 前記少なくとも２つの対象領域を、前記対象駐車エリアに対して規定することをさらに含む、請求項１に記載の方法。
4. 視覚ベースの画像コンテンツ分類を、前記第１の対象領域に対して、前記画像コンテンツ分類工程を行う際に使用するために訓練することをさらに含む、請求項１に記載の方法。
5. 前記画像コンテンツ分類は、少なくとも１つの車両等級が存在する場合と車両等級が存在しない場合とに対する分類を含む、請求項１に記載の方法。
6. 駐車占有率判定のための映像および視覚ベースのアクセス制御のハイブリッドシステムであって、前記システムは、
   処理装置と、
   前記処理装置に結合されるデータバスと、および、
   コンピュータプログラムコードを具現化するコンピュータ使用可能媒体であって、前記コンピュータ使用可能媒体は前記データバスと結合され、前記コンピュータプログラムコードは前記処理装置により実行可能な命令を含み、かつ、
   対象駐車エリアの少なくとも１つの画像フレームを、前記対象駐車エリアに対して規定される少なくとも２つの対象領域の中から取得することと、
   前記対象駐車エリア内に規定される前記少なくとも２つの対象領域を、移動検出または変化検出のために分析することと、
   画像コンテンツ分類工程を、前記少なくとも２つの対象領域の中の第１の対象領域に対して、前記変化検出の結果に基づいて行うことと、および、
   物体追跡工程を、前記少なくとも２つの対象領域の中の第２の対象領域に対して、前記画像コンテンツ分類工程の結果が前記対象駐車エリア内に対象物体が存在することを示す場合に行い、その後、前記対象駐車エリアに対して認可されるアクセスの種類を、前記物体追跡工程の結果に基づいて判定することと、
   を行うように構成される、コンピュータ使用可能媒体と、
   を含む、システム。
7. 前記対象駐車エリアは、駐車場入口または駐車場出口のうちの少なくとも１つを含む、請求項６に記載のシステム。
8. 前記命令は、前記少なくとも２つの対象範囲を、前記対象駐車エリアに対して規定するようさらに構成される、請求項６に記載のシステム。
9. 前記画像コンテンツ分類は、少なくとも１つの車両等級が存在する場合と等級クラスが存在しない場合とに対する分類を含む、請求項６に記載のシステム。
10. 駐車占有率判定のための映像および視覚ベースのアクセス制御のハイブリッドプロセスを引き起こす命令を表すコンピュータコードを保存する処理装置可読媒体であって、前記コンピュータコードは、
    対象駐車エリアの少なくとも１つの画像フレームを、前記対象駐車エリアに対して規定される少なくとも２つの対象領域の中から取得することと、
    前記対象駐車エリア内に規定される前記少なくとも２つの対象領域を、移動検出または変化検出のために分析することと、
    画像コンテンツ分類工程を、前記少なくとも２つの対象領域の中の第１の対象領域に対して、前記変化検出の結果に基づいて行うことと、
    物体追跡工程を、前記少なくとも２つの対象領域の中の第２の対象領域に対して、前記画像コンテンツ分類工程の結果が前記対象駐車エリア内に対象物体が存在することを示す場合に行い、その後、前記対象駐車エリアに対して認可されるアクセスの種類を、前記物体追跡工程の結果に基づいて判定することと、
    を行うコードをさらに含む、処理装置可読媒体。