JP2018041406A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2018041406A JP2018041406A JP2016176897A JP2016176897A JP2018041406A JP 2018041406 A JP2018041406 A JP 2018041406A JP 2016176897 A JP2016176897 A JP 2016176897A JP 2016176897 A JP2016176897 A JP 2016176897A JP 2018041406 A JP2018041406 A JP 2018041406A
- Authority
- JP
- Japan
- Prior art keywords
- water surface
- boundary
- image
- background
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【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が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。
【選択図】図3
Description
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(河川の岸における河原、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。
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。
(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。
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や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。
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。
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。
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)。
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。
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)。
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。
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−ROMやUSB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。
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。
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。
Claims (12)
- 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。 - 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。 - 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。 - 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。
- 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。 - 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。 - 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。 - 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。
- 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016176897A JP6776070B2 (ja) | 2016-09-09 | 2016-09-09 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016176897A JP6776070B2 (ja) | 2016-09-09 | 2016-09-09 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018041406A true JP2018041406A (ja) | 2018-03-15 |
JP6776070B2 JP6776070B2 (ja) | 2020-10-28 |
Family
ID=61626199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016176897A Active JP6776070B2 (ja) | 2016-09-09 | 2016-09-09 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6776070B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020139667A (ja) * | 2019-02-27 | 2020-09-03 | ダイキン工業株式会社 | 水位判定装置及びこの水位判定装置を備える空気調和機 |
WO2020188692A1 (ja) * | 2019-03-18 | 2020-09-24 | 三菱電機株式会社 | 水位計測装置、水位計測方法および水位計測プログラム |
JP2021517308A (ja) * | 2018-03-21 | 2021-07-15 | グアンジョウ エックスエアークラフト テクノロジー カンパニー リミテッド | 作業対象領域境界の取得方法および装置、並びに作業経路の計画方法 |
CN114674297A (zh) * | 2022-03-24 | 2022-06-28 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 河道管理范围线准确程度的检测方法及装置、电子设备 |
CN115953454A (zh) * | 2023-03-10 | 2023-04-11 | 武汉大水云科技有限公司 | 基于图像复原的水位获取方法、装置、设备及存储介质 |
KR102641428B1 (ko) * | 2023-09-13 | 2024-02-28 | 주식회사 솔디아 | Cctv 영상을 이용한 침수 재해 예측 및 경보 방법 |
-
2016
- 2016-09-09 JP JP2016176897A patent/JP6776070B2/ja active Active
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021517308A (ja) * | 2018-03-21 | 2021-07-15 | グアンジョウ エックスエアークラフト テクノロジー カンパニー リミテッド | 作業対象領域境界の取得方法および装置、並びに作業経路の計画方法 |
JP7307743B2 (ja) | 2018-03-21 | 2023-07-12 | グアンジョウ エックスエアークラフト テクノロジー カンパニー リミテッド | 作業対象領域境界の取得方法および装置、並びに作業経路の計画方法 |
JP2020139667A (ja) * | 2019-02-27 | 2020-09-03 | ダイキン工業株式会社 | 水位判定装置及びこの水位判定装置を備える空気調和機 |
JP7393612B2 (ja) | 2019-02-27 | 2023-12-07 | ダイキン工業株式会社 | 水位判定装置及びこの水位判定装置を備える空気調和機 |
WO2020188692A1 (ja) * | 2019-03-18 | 2020-09-24 | 三菱電機株式会社 | 水位計測装置、水位計測方法および水位計測プログラム |
CN114674297A (zh) * | 2022-03-24 | 2022-06-28 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 河道管理范围线准确程度的检测方法及装置、电子设备 |
CN115953454A (zh) * | 2023-03-10 | 2023-04-11 | 武汉大水云科技有限公司 | 基于图像复原的水位获取方法、装置、设备及存储介质 |
CN115953454B (zh) * | 2023-03-10 | 2023-05-05 | 武汉大水云科技有限公司 | 基于图像复原的水位获取方法、装置、设备及存储介质 |
KR102641428B1 (ko) * | 2023-09-13 | 2024-02-28 | 주식회사 솔디아 | Cctv 영상을 이용한 침수 재해 예측 및 경보 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP6776070B2 (ja) | 2020-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6776070B2 (ja) | 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 | |
EP3198852B1 (en) | Image processing apparatus and control method thereof | |
US9619708B2 (en) | Method of detecting a main subject in an image | |
US20210281748A1 (en) | Information processing apparatus | |
WO2019107528A1 (ja) | 河川危険度判定装置、河川危険度判定方法、記憶媒体 | |
CN107005655B (zh) | 图像处理方法 | |
US11070729B2 (en) | Image processing apparatus capable of detecting moving objects, control method thereof, and image capture apparatus | |
KR101051459B1 (ko) | 영상의 에지를 추출하는 장치 및 방법 | |
EP3690800A2 (en) | Information processing apparatus, information processing method, and program | |
US10121067B2 (en) | Image processing apparatus that determines processing target area of an image based on degree of saliency, image processing method, and storage medium | |
US20180047271A1 (en) | Fire detection method, fire detection apparatus and electronic equipment | |
US10713793B2 (en) | Image processing apparatus, image processing method, and recording medium | |
US11301974B2 (en) | Image processing apparatus, image processing method, image capturing apparatus, and storage medium | |
JP2007156655A (ja) | 変動領域検出装置及びその方法 | |
TW201935320A (zh) | 評估系統、評估裝置、評估方法、評估程式及記錄媒體 | |
WO2018133101A1 (zh) | 图像前景检测装置及方法、电子设备 | |
US10455144B2 (en) | Information processing apparatus, information processing method, system, and non-transitory computer-readable storage medium | |
CN111510567B (zh) | 使用多个图像的图像阴影检测 | |
US20120249837A1 (en) | Methods and Systems for Real-Time Image-Capture Feedback | |
JP2020201823A (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP7078295B2 (ja) | 変状検出装置、変状検出方法、及びプログラム | |
US20190325587A1 (en) | Gas detection-use image processing device, gas detection-use image processing method, and gas detection-use image processing program | |
JP2012034069A (ja) | 画像処理装置、および画像処理プログラム | |
US10147169B2 (en) | Image processing device and program | |
WO2022188102A1 (zh) | 深度图像的修复方法及装置、摄像头组件及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170913 Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170913 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190412 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200515 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200609 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200803 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200908 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201007 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6776070 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |