JP6654018B2 - 画像判定装置及びこれを用いた処理装置 - Google Patents

Description

本発明は、画像判定装置及びこれを用いた処理装置に関するものである。

従来から、撮像手段により撮像された画像に対して所定の処理を施す処理手段を有する処理装置を備えた装置が、種々提供されている。

このような装置の一例として、下記特許文献１には、道路をビデオカメラにより撮影し、この撮影した映像データを画像処理して、交通量や走行する車両の平均速度、渋滞の発生の有無などの種々の交通諸量を求める道路監視装置が開示されている。

この従来の道路監視装置は、電子カメラにより撮影された映像に基づいて、交通諸量の検出を行う道路監視装置において、前記電子カメラにより撮影された道路の映像を画像処理して、前記道路を走行する車両を検出する画像処理手段と、前記電子カメラによる撮影環境を計測する環境計測手段（風速計、照度計、視程計、雨雪計などの環境センサ）と、この環境計測手段の計測結果に基づいて、前記電子カメラによる撮影環境が前記車両の検出に適切な状態にあったか否かを判定する環境判定手段と、この環境判定手段が適切な状態にあったと判定した場合に、前記画像処理手段にて求めた情報に基づいて交通諸量を求める交通情報検出手段とを具備するものである。

この従来の道路監視装置では、電子カメラによる撮影環境を計測し、この撮影環境が適切な状態にあった場合にのみ、画像処理手段にて求めた情報に基づいて交通諸量を求めるようにしている。したがって、前記従来の道路監視装置によれば、撮影に適さない環境下において画像処理により車両を誤検出した場合でも、その検出した情報は交通諸量の算出に用いられないため、信頼性の高い交通諸量を安定した精度で検出することができる。

特開２００２−５６４９１号公報

しかしながら、前記従来の道路監視装置では、電子カメラによる撮影環境を環境センサで計測し、この撮影環境が適切な状態であるか否かを判定することによって、電子カメラにより撮影された画像が車両の検出に適切であるか否かを判定している。したがって、前記従来の道路監視装置では、電子カメラにより撮影された画像が車両の検出に適切であるか否かの判定に、当該画像自身から得られる情報は全く用いられていないため、前記判定に当該画像の実際の状況が全く反映されていなかった。

このような事情は、道路監視装置のみならず、撮像手段により撮像された画像に対して所定の処理を施す処理手段を有する処理装置を備えた種々の装置についても、同様である。

本発明は、このような事情に鑑みてなされたもので、撮像手段により撮像された画像が所定の処理に適していない画像であるか否かの判定において、撮像手段により撮像された画像自身から得られる情報を反映させることができる画像判定装置、及び、これを用いた処理装置を提供することを目的とする。

前記課題を解決するための手段として、以下の各態様を提示する。第１の態様による画像判定装置は、撮像手段により所定の時間間隔で撮像された２枚の画像間の差分画像の所定領域、あるいは、撮像手段により撮像された画像と背景画像との間の差分画像の所定領域から、ラベリングによりラベル領域を取得するラベリング手段と、前記ラベリング手段により取得された各ラベル領域について、当該ラベル領域から残りの各ラベル領域までの各距離の平均値又はこれに応じた値（例えば、前記各距離の積算値等）である指標値を取得する指標値取得手段と、前記指標値の予め定めた各範囲毎の当該範囲に属する前記指標値を持つ前記ラベル領域の数を示すヒストグラムを取得するヒストグラム取得手段と、前記ヒストグラムに基づいて、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が所定の処理に適していない画像であるか否か、あるいは、前記撮像手段により撮像された前記画像が所定の処理に適していない画像であるか否かを判定する判定手段と、を備えたものである。前記所定領域は、路上の領域を含んでもよい。

前記ヒストグラムは、撮像手段により撮像された２枚の画像間の差分画像の前記所定領域における前記ラベル領域の分布状況、あるいは、撮像手段により撮像された画像と背景画像との差分画像の前記所定領域における前記ラベル領域の分布状況によって変化し、当該分布状況を示す特徴量となる。一方、撮像手段により撮像された画像のうち前記所定の処理に適していない画像では、当該画像中に生ずる時間的に変化するノイズ等の影響で、前記分布状況には一定の傾向が生ずる。

したがって、前記第１の態様によれば、前記ヒストグラムに基づいて、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が所定の処理に適していない画像であるか否か、あるいは、前記撮像手段により撮像された前記画像が所定の処理に適していない画像であるか否かを判定するので、その判定を適切に行うことができる。

そして、前記ヒストグラムは、撮像手段により撮像された画像自身から得られる情報である。したがって、前記第１の態様によれば、撮像手段により撮像された２枚の画像のうちの少なくとも一方の画像が所定の処理に適していない画像であるか否かの判定、あるいは、前記撮像手段により撮像された前記画像が所定の処理に適していない画像であるか否かの判定において、撮像手段により撮像された画像自身から得られる情報を反映させることができる。

第２の態様による画像判定装置は、前記第１の態様において、前記判定手段は、前記ヒストグラムが、前記所定の処理に適していない画像の、前記ヒストグラムに対応するヒストグラムの群に属するか否かを判別することによって、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であるか否か、あるいは、前記撮像手段により撮像された前記画像が前記所定の処理に適していない画像であるか否かを判定するものである。

この第２の態様は、前記判定手段が、判別分析等によって、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であるか否か、あるいは、前記撮像手段により撮像された前記画像が前記所定の処理に適していない画像であるか否かを判定する例を挙げたものであるが、前記第１の態様では、この判定手法に限らない。

第３の態様による画像判定装置は、前記第２の態様において、前記判別はマハラノビス距離を用いた判別分析により行われるものである。

この第３の態様は、前記判別の手法の例を挙げたものであるが、前記第２の態様では、この判別の手法に限らず、例えば、ニューラルネットワーク又はサポートベクターマシン等を用いる手法を採用してもよい。

第４の態様による画像判定装置は、前記第１乃至第３のいずれかの態様において、前記判定手段は、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像の一部又は全体の領域の明るさが所定の明るさよりも暗いことを必要条件として、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であると判定するか、あるいは、前記撮像手段により撮像された前記画像の一部又は全体の領域の明るさが所定の明るさよりも暗いことを必要条件として、前記撮像手段により撮像された前記画像が前記所定の処理に適していない画像であると判定するものである。

一般的に、画像が明るい場合には、ノイズ等の影響が少なくて前記画像が前記所定の処理に適している一方で、画像が暗い場合には、ノイズ等の影響が大きくて前記画像が前記所定の処理に適していないことが多い。したがって、前記第４の態様によれば、前記判定手段は、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像の一部又は全体の領域の明るさが所定の明るさよりも暗いことを必要条件として、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であると判定か、あるいは、前記撮像手段により撮像された前記画像の一部又は全体の領域の明るさが所定の明るさよりも暗いことを必要条件として、前記撮像手段により撮像された前記画像が前記所定の処理に適していない画像であると判定するので、前記判定の精度を向上させることができる。

第５の態様による画像判定装置は、前記第１乃至第４のいずれかの態様において、前記撮像手段により撮像された前記２枚の画像、あるいは、前記撮像手段により撮像された前記画像は、気象条件の影響を受ける画像であるものである。

この第５の態様は、ノイズ等が生ずる画像の例として、気象条件の影響を受ける画像を挙げたものであるが、前記第１乃至第４の態様では、前記撮像手段により撮像された前記２枚の画像、あるいは、前記撮像手段により撮像された前記画像は、気象条件以外の要因の影響を受けてノイズ等を発生する画像であってもよい。

第６の態様による画像判定装置は、撮像手段により撮像され気象条件の影響を受ける画像が所定の処理に適していない画像であるか否かを判定する画像判定装置であって、前記気象条件を検出するセンサからの信号を用いることなく、前記画像に基づいて前記判定を行う手段を備えたものである。

この第６の態様によれば、撮像手段により撮像された画像が所定の処理に適していない画像であるか否かの判定が当該画像に基づいて行われるので、当該判定において、撮像手段により撮像された画像自身から得られる情報を反映させることができる。したがって、前記第６の態様によれば、撮像手段により撮像された画像が所定の処理に適していない画像であるか否かを判定するに際して、当該判定において、撮像手段により撮像された画像自身から得られる情報を反映させることができる。

そして、前記第６の態様によれば、撮像手段により撮像され気象条件の影響を受ける画像が所定の処理に適していない画像であるか否かの判定が、前記気象条件を検出するセンサからの信号を用いることなく行われるので、前記センサを設ける必要がなくなり、その分コスト低減を図ることができる。

第７の態様による画像判定装置は、前記第１乃至第６のいずれかの態様において、前記所定の処理は、検出対象を検出する処理であるものである。前記検出対象としては、例えば、歩行者や車両を挙げることができる。

この第７の態様は、前記所定の処理の例を挙げたものであるが、前記第１乃至第６の態様では、この例に限らない。

第８の態様による処理装置は、前記第１乃至第７のいずれかの態様による画像判定装置と、前記撮像手段により撮像された前記画像に対して前記所定の処理を施す処理手段と、を備えたものである。

この第８の態様によれば、前記画像判定装置が当該画像が所定の処理に適していないと判定した場合に、例えば、その旨を出力したり前記所定の処理を中止したりすることによって、前記所定の処理の処理結果の信頼性を高めることができる。

本発明によれば、撮像手段により撮像された画像が所定の処理に適していない画像であるか否かの判定において、撮像手段により撮像された画像自身から得られる情報を反映させることができる画像判定装置、及び、これを用いた処理装置を提供することができる。

本発明の第１の実施の形態による処理装置としての歩行者検出装置を有する交通制御システムを示す概略ブロック図である。 図１中の歩行者検出装置の動作を示す概略フローチャートである。 図１中のカメラにより晴の昼に撮像された画像の一例を示す図である。 図３に示す画像中に処理対象領域の外形をなす四角形を記入したものを示す図である。 図１中のカメラにより晴の昼に連続して撮像された２枚の画像（一方の画像は図３に示す画像である。）の差分画像を２値化した後の画像の一例を示す図である。 図１中のカメラにより風雨の夜に撮像された画像の一例を示す図である。 図１中のカメラにより風雨の夜に連続して撮像された２枚の画像（一方の画像は図６に示す画像である。）の差分画像を２値化した後の画像の一例を示す図である。 ラベル領域とラベル領域間距離の例を模式的に示す図である。 図２中のステップＳ７で用いる各クラス毎のマハラノビス距離算出用係数を求める手法の一例を示す概略フローチャートである。 図９中のステップＳ２１の詳細を示す概略フローチャートである。 本発明の第２の実施の形態による処理装置としての歩行者検出装置の動作を示す概略フローチャートである。 本発明の第３の実施の形態による処理装置としての歩行者検出装置の動作を示す概略フローチャートである。 図１２中のステップＳ５１の詳細を示す概略フローチャートである。

以下、本発明による画像判定装置及び処理装置について、図面を参照して説明する。

［第１の実施の形態］

図１は、本発明の第１の実施の形態による処理装置としての歩行者検出装置１１を有する交通制御システム１を示す概略ブロック図である。

図１に示す交通制御システム１は、路上の歩行者を検出する歩行者検出装置１１と、歩行者検出装置１１からの歩行者検出結果としての歩行者検出信号に基づいて、歩行者用交通信号機１３及び車両用交通信号機１４を制御する信号制御装置１２と、を備えている。

信号制御装置１２は、例えば、歩行者用交通信号機１３が青信号の場合において、当該歩行者用交通信号機１３に対応する路上の歩行者が検出された旨を示す歩行者検出信号を受けなければ、当該歩行者用交通信号機１３の青時間が所定時間となるように、歩行者用交通信号機１３を制御する一方で、歩行者用交通信号機１３が青信号の場合において、当該歩行者用交通信号機１３に対応する横断歩道上の歩行者が検出された旨の歩行者検出信号を受けると、当該歩行者用交通信号機１３の青時間が前記所定時間よりも長い時間となるように、歩行者用交通信号機１３を制御する。このとき、信号制御装置１２は、車両用交通信号機１４が歩行者用交通信号機１３の動作に適合する動作を行うように、車両用交通信号機１４を制御する。もっとも、信号制御装置１２は、このようないわゆる青時間延長制御に限らず、歩行者検出信号に基づいて他の制御を行ってもよい。また、歩行者検出装置１１からの歩行者検出信号の用途は、信号制御装置１２による交通信号機１３，１４の制御に限らず、他の用途に用いてもよいし、他の装置（例えば、交通管理センターの装置など）へ出力するようにしてもよい。

本実施の形態では、歩行者検出装置１１は、路上を含む領域を撮像する撮像手段としてのＣＣＤカメラ等のカメラ２１と、カメラ２１からの画像アナログ信号を画素ごとに所定階調のデジタル信号に変換するＡ／Ｄ変換器２２と、デジタル信号に変換された画像を記憶する画像メモリ２３と、画像メモリ２３からの画像に対して後述する処理を行う処理部２４とを備えている。図面には示していないが、処理部２４は、後述する動作を実現するように、マイクロコンピュータ及び他の電子回路等で構成されている。図面には示していないが、カメラ２１は、例えば、道路脇に立設された支柱上に設置される。

カメラ２１は路上を含む領域を撮像するので、カメラ２１により撮像された画像は気象条件の影響を受ける。図３は、図１中のカメラ２１により晴の昼に撮像された画像の一例を示す図である。図４は、図３に示す画像中に処理対象領域の外形をなす四角形を記入したものを示す図である。本実施の形態による歩行者検出装置１１では、前記処理対象領域は路上を含み、前記処理対象領域内において検出対象としての歩行者が検出される。図５は、図１中のカメラ２１により晴の昼に連続して撮像された２枚（２フレーム）の画像（一方の画像は図３に示す画像である。）の差分画像を２値化した後の画像の一例を示す図であり、後述する図２中のステップＳ３で得られる画像の例を示している。

図６は、図１中のカメラ２１により風雨の夜に撮像された画像の一例を示す図である。図７は、図１中のカメラ２１により風雨の夜に連続して撮像された２枚の画像（一方の画像は図６に示す画像である。）の差分画像を２値化した後の画像の一例を示す図であり、後述する図２中のステップＳ３で得られる画像の例を示している。

次に、本実施の形態における歩行者検出装置１１の動作について、図２を参照して説明する。図２は、図１中の歩行者検出装置１１の動作を示す概略フローチャートである。

歩行者検出装置１１が動作を開始すると、処理部２４は、まず、カメラ２１が撮像した２枚の連続する画像をサンプリングし（ステップＳ１）、サンプリングした画像を画像メモリ２３に格納させる。次いで、処理部２４は、それらの２枚の画像の差分画像（フレーム間差分画像）を生成する（ステップＳ２）。なお、本発明で用いる差分画像は、必ずしも２枚の連続する画像の差分画像に限らず、秒間フレーム数が多い場合などでは、例えば、１フレーム又は複数フレーム置きの２枚の画像などの他の所定の時間間隔で撮像された２枚の画像の差分画像でもよい。

なお、各回のステップＳ１において新たに２枚の画像をサンプリングして、ステップＳ２の差分処理では今回のステップＳ１で新たにサンプリングした２枚の画像の差分画像を得てもよいし、各回のステップＳ１において１枚の画像のみをサンプリングして、ステップＳ２の差分処理では今回のステップＳ１でサンプリングした画像と前回のステップＳ１でサンプリングした画像との差分画像を得てもよい。

次に、処理部２４は、ステップＳ２で生成した差分画像を２値化する（ステップＳ３）。この２値化に用いる閾値は、固定閾値でもよいし、判別分析法に代表されるような可変閾値でもよい。

引き続いて、処理部２４は、ステップＳ３で２値化された画像の前記処理対象領域からラベリングによりラベル領域を取得する（ステップＳ４）。なお、ステップＳ２，Ｓ３の処理は、前記処理対象領域についてのみ行ってもよい。

その後、処理部２４は、ステップＳ４で取得した各ラベル領域について、当該ラベル領域から残りの各ラベル領域までの各距離の平均値（以下、「ラベル領域間距離平均」と呼ぶ場合がある。）を、指標値として取得する（ステップＳ５）。ここでは、２つのラベル領域間の距離は、画像上の２つのラベル領域の重心間の画像上の直線距離とするが、必ずしも重心間の距離でなくてもよいし、また、画像上の直線距離ではなくて換算した実距離としてもよい。なお、前記平均値に代えて、前記平均値に応じた値、例えば積算値を指標値として取得し、以下の処理で、前記平均値に代えて前記平均値に応じた値を用いてもよい。

ここで、ステップＳ５の処理の具体例について、図８を参照して説明する。図８は、ラベル領域とラベル領域間距離の例を模式的に示す図である。説明を簡単にするため、図８に示す例では、ステップＳ４で前記処理対象領域から３つのラベル領域ａ，ｂ，ｃのみが得られたものとしている。実際には、ステップＳ４において、より多くのラベル領域、例えば、数十から数百のラベル領域が取得される。図８において、ラベル領域間距離（ａｂ間）はラベル領域ａの重心とラベル領域ｂの重心との間の画像上の直線距離を示し、ラベル領域間距離（ａｃ間）はラベル領域ａの重心とラベル領域ｃの重心との間の画像上の直線距離を示し、ラベル領域間距離（ｂｃ間）はラベル領域ｂの重心とラベル領域ｃの重心との間の画像上の直線距離を示している。

ステップＳ４において図８に示すように３つのラベル領域ａ，ｂ，ｃのみが得られた場合には、ステップＳ５において、全てのラベル領域ａ，ｂ，ｃについて、それぞれラベル領域間距離平均が算出される。すなわち、ラベル領域ａについて、当該ラベル領域ａから残りの各ラベル領域ｂ，ｃまでの各距離の平均値（＝｛ラベル領域間距離（ａｂ間）＋ラベル領域間距離（ａｃ間）｝／２）が算出される。これを、ラベル領域ａが持つラベル領域間距離平均と呼ぶ。また、ラベル領域ｂについて、当該ラベル領域ｂから残りの各ラベル領域ａ，ｃまでの各距離の平均値（＝｛ラベル領域間距離（ａｂ間）＋ラベル領域間距離（ｂｃ間）｝／２）が算出される。これを、ラベル領域ｂが持つラベル領域間距離平均と呼ぶ。さらに、ラベル領域ｃについて、当該ラベル領域ｃから残りの各ラベル領域ａ，ｂまでの各距離の平均値（＝｛ラベル領域間距離（ａｃ間）＋ラベル領域間距離（ｂｃ間）｝／２）が算出される。これを、ラベル領域ｃが持つラベル領域間距離平均と呼ぶ。

次に、処理部２４は、ステップＳ５で算出した全てのラベル領域のラベル領域間距離平均（指標値）に基づいて、ラベル領域間距離平均の予め定めた各範囲（階級）毎の当該範囲に属するラベル領域間距離平均を持つラベル領域の数（度数）を示すヒストグラム（「ラベル領域間距離平均ヒストグラム」と呼ぶ。）を作成する（ステップＳ６）。今、前記範囲（階級）の数をｐとし、前記各階級の度数をそれぞれｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐとすると、前記ラベル領域間距離平均ヒストグラムは、それらを要素とするｐ次元のベクトルｘ＝（ｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐ）^Ｔと表すことができ、ｐ次元の多変数ベクトル空間における１つの新たな標本ベクトルに相当する。

その後、処理部２４は、ステップＳ６で作成されたラベル領域間距離平均ヒストグラムに基づいて、ステップＳ２で差分処理された２枚の画像のうちの少なくとも一方の画像が所定の処理（本実施の形態では、後述するステップＳ１０の歩行者検出処理）に適していない画像であるか否かを判定する（ステップＳ７〜Ｓ９）。

ラベル領域間距離平均ヒストグラムは、カメラ２１により撮像されステップＳ２で差分処理された２枚の画像の前記処理対象領域におけるラベル領域の分布状況によって変化し、当該分布状況を示す特徴量となる。一方、カメラ２１により撮像された画像のうち前記所定の処理に適していない画像では、当該画像中に生ずる時間的に変化するノイズ等の影響で、前記分布状況には一定の傾向が生ずる。したがって、本実施の形態によれば、前記ラベル領域間距離平均ヒストグラムとに基づいて、カメラ２１により撮像されステップＳ２で差分処理された２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であるか否かを判定するので、その判定を適切に行うことができる。

本実施の形態では、ステップＳ６で作成されたラベル領域間距離平均ヒストグラムが、前記所定の処理に適していない画像の、前記ラベル領域間距離平均ヒストグラムに対応するラベル領域間距離平均ヒストグラムの群（クラス）に属するか否かを判別することによって、カメラ２１により撮像されステップＳ２で差分処理された２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であるか否かを判定する（ステップＳ７〜Ｓ９）。そして、本実施の形態では、前記判別は、マハラノビス距離を用いた判別分析により行う。もっとも、本発明では、前記判別は、ニューラルネットワーク又はサポートベクターマシン等を用いた手法で行ってもよい。

本実施の形態では、マハラノビス距離を用いた判別分析を行うために、事前に、前記所定の処理に適していない画像のラベル領域間距離平均ヒストグラムの群（クラス）を含む複数の群（クラス）の各々毎のマハラノビス距離算出用係数（平均・共分散行列）、すなわち、後述するステップＳ７で用いる各クラス毎のマハラノビス距離算出用係数を求め、これらを処理部２４の内部メモリ（図示せず）に予め格納しておく。

ここで、後述するステップＳ７で用いる各クラス毎のマハラノビス距離算出用係数を求める手法の一例について、説明する。

実際にカメラ２１で撮像した多数の画像に基づく本発明者の研究の結果、本実施の形態のような歩行者検出装置では、風雨（後の説明を参照）の夜（後の説明を参照）に撮像された画像から歩行者検出処理を行うと、歩行者検出の精度が大きく低下し、当該画像は歩行者検出処理に適していないことが判明した。これは、風雨の夜に撮像された画像では、図６に示すように、夜における濡れた路上等の光の様子が、雨の路上での跳ね返りや風による波紋の変化などにより変化するため、図７に示すように差分画像において濡れた路上等の光の変化により生ずるラベル領域と歩行者によるラベル領域とを区別できなくなってしまうことなどに起因するものと考えられる。

そこで、本発明者は、２４時間９ヶ月程度に渡って撮像された多数の画像の中から、１１クラスの画像群をそれぞれ選別した。第１のクラスは晴の昼に撮像された画像群、第２のクラスは晴の夜又は曇の夜に撮像された画像群、第３のクラスは曇の昼に撮像された画像群、第４のクラスは雨の昼に撮像された画像群、第５のクラスは雨の夜に撮像された画像群、第６のクラスは風雨の昼に撮像された画像群、第７のクラスは風雨の夜に撮像された画像群、第８のクラスは降雪の昼に撮像された画像群、第９のクラスは降雪の夜に撮像された画像群、第１０のクラスは積雪の昼に撮像された画像群、第１１のクラスは積雪の夜に撮像された画像群とした。なお、本発明では、選別するクラスの数は必ずしも１１個に限らない。

ここで、昼は表示画像を見て街路灯の点灯が確認されない状態をいい、夜は表示画像を見て街路灯の点灯が確認されない状態をいう。また、晴も曇も表示画像を見て路面が乾燥している状態をいう。晴と曇とは、昼においてのみ区別し、晴は表示画像を見て影が出ている状態であり、曇は表示画像を見て影が出ていない状態である。晴と曇とは、夜においては区別しない。風雨は、表示画像を見て降雨を確認できた状態において、カメラ２１の設置場所における気象庁観測データによれば降水量が２ｍｍ以上であるか、あるいは、前記気象庁観測データによれば降水量が１ｍｍ以上でかつ平均風速が６ｍ／ｓ以上である状態をいう。雨は、表示画像を見て降雨を確認できた状態において、風雨ではない状態をいう。積雪は、その時の天候を問わずに、表示画面を見て路面一帯に積雪が見られる状態をいう。降雪は、表示画像を見て、積雪はあってもごく一部で、雪が降っていることが確認できた状態をいう。

図９は、図２中のステップＳ７で用いる各クラス毎のマハラノビス距離算出用係数を求める手法の一例を示す概略フローチャートである。図１０は、図９中のステップＳ２１の詳細を示す概略フローチャートである。

図９及び図１０に示す手法は、例えば、パーソナルコンピュータ等を用いて実現することができる。前記第１乃至第１１のクラスの画像群を、各クラス毎にハードディスク等の記憶装置に予め記憶させておく。

パーソナルコンピュータ等のＣＰＵは、各クラス毎のマハラノビス距離算出用係数を求める処理を開始すると、ループ開始端Ｌ２１でそれ以降の処理の対象となるクラスを最大クラス数まで（すなわち、第１のクラスから第１１のクラスまで）順次変更して設定しながら、ループ開始端Ｌ２１以降の処理を行う。

前記ＣＰＵは、ループ開始端Ｌ２１で処理対象となるクラスが設定されると、当該クラス（ループ開始端Ｌ２１で現在処理対象として設定されているクラス）のマハラノビス距離算出用係数を算出する処理を行い（ステップＳ２１）、ループ終了端Ｌ２２へ移行する。ループ終了端Ｌ２２において、ループ開始端Ｌ２１で現在処理対象として設定されているクラスが最大クラス数のうちの最後のクラスでなければ、ループ開始端Ｌ２１へ戻る一方、当該クラスが最後のクラスであれば、各クラス毎のマハラノビス距離算出用係数を求める処理を終了する。このようにして得られた各クラス毎のマハラノビス距離算出用係数は、前述したように、処理部２４の内部メモリ（図示せず）に予め格納しておく。

ステップＳ２１の処理を開始すると、前記ＣＰＵは、図１０中のループ開始端Ｌ３１でそれ以降の処理の対象となる２枚の連続して撮像された画像を、前記記憶装置に記憶されている当該クラス（ループ開始端Ｌ２１で現在処理対象として設定されているクラス）の画像群の中から当該クラスの最大画像フレーム数まで順次変更して設定しながら、ループ開始端Ｌ３１以降の処理を行う。

前記ＣＰＵは、ループ開始端Ｌ３１で処理対象となる２枚の連続して撮像された画像が設定されると、当該２枚の画像を前記記憶装置からサンプリング（ステップＳ３１）し、サンプリングした画像を当該パーソナルコンピュータ等の画像メモリ（図示せず）に格納させる。次いで、前記ＣＰＵは、それらの２枚の画像の差分画像（フレーム間差分画像）を生成する（ステップＳ３２）。

次に、前記ＣＰＵは、ステップＳ３２で生成した差分画像を２値化する（ステップＳ３３）。引き続いて、前記ＣＰＵは、ステップＳ３３で２値化された画像の前記処理対象領域からラベリングによりラベル領域を取得する（ステップＳ３４）。

その後、前記ＣＰＵは、前述したステップＳ５と同様に、ステップＳ３４で取得した各ラベル領域について、当該ラベル領域から残りの各ラベル領域までの各距離の平均値（ラベル領域間距離平均）を、取得する（ステップＳ３５）。

次に、前記ＣＰＵは、前述したステップＳ６と同様に、ステップＳ３５で算出した全てのラベル領域のラベル領域間距離平均に基づいて、ラベル領域間距離平均の予め定めた各範囲（階級）毎の当該範囲に属するラベル領域間距離平均を持つラベル領域の数（度数）を示すヒストグラム（ラベル領域間距離平均ヒストグラム）を作成する（ステップＳ３６）。今、前記範囲（階級）の数をｐとし、前記各階級の度数をそれぞれｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐとすると、前記ラベル領域間距離平均ヒストグラムは、それらを要素とするｐ次元のベクトルｘ＝（ｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐ）^Ｔと表すことができ、ｐ次元の多変数ベクトル空間における１つの既知の標本ベクトルに相当する。ここで、既知とは、当該標本ベクトルがループ開始端Ｌ２１で現在処理対象として設定されているクラスに属することが既知であることを意味する。

ステップＳ３６の後、ループ終了端Ｌ３２へ移行する。ループ終了端Ｌ３２において、ループ開始端Ｌ３１で現在処理対象として設定されている２枚の画像が当該クラス（ループ開始端Ｌ２１で現在処理対象として設定されているクラス）の最大画像フレーム数のうちの最後の２枚の画像でなければ、ループ開始端Ｌ３１へ戻る一方、当該２枚の画像が最後の２枚の画像であれば、ステップＳ３７へ移行する。

ステップＳ３７において、前記ＣＰＵは、当該クラス（ループ開始端Ｌ２１で現在処理対象として設定されているクラス）について、これまでに各回のステップＳ３６で１つずつ得られた所定数のラベル領域間距離平均ヒストグラム（標本ベクトルｘ＝（ｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐ）^Ｔ）から、当該クラスのマハラノビス距離算出用係数として、当該クラスの前記所定数の標本ベクトルｘの母集団の平均ベクトルμ＝（μ_１，μ_２，μ_３，・・・，μ_ｐ）^Ｔ及び共分散行列Σを、算出する。なお、共分散行列Σは、公知の式によって算出することができる。

ステップＳ３７が終了することによって、ステップＳ２１が終了し、前述した図９中のループ終了端Ｌ２２へ移行する。

前述したように、ループ終了端Ｌ２２において、ループ開始端Ｌ２１で現在処理対象として設定されているクラスが最大クラス数のうちの最後のクラスでなければ、ループ開始端Ｌ２１へ戻る一方、当該クラスが最後のクラスであれば、第１乃至第１１のクラスの全てについて、各クラス毎のマハラノビス距離算出用係数の算出が終了し、各クラス毎のマハラノビス距離算出用係数を求める処理を終了する。このようにして求められた各クラス毎のマハラノビス距離算出用係数は、前述したように、処理部２４の内部メモリ（図示せず）に予め格納しておく。

以下の説明では、このようにして求められて処理部２４の内部メモリ（図示せず）に予め格納された第ｋ（ｋ＝１，２，３，・・・，１１）のクラスのマハラノビス距離算出用係数である平均ベクトル及び共分散行列を、それぞれμ_ｋ及びΣ_ｋと表記する。

再び図２を参照して、図１中の処理部２４が実行するステップＳ７以降の具体的な処理内容について説明する。その前にステップＳ６について再度説明すると、前述したように、ステップＳ６において、処理部２４は、ステップＳ２で差分処理された２枚の画像に基づく前記ラベル領域間距離平均ヒストグラム、すなわち、１つの新たな標本ベクトルｘ＝（ｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐ）^Ｔを取得する。この標本ベクトルｘが前記第１乃至第１１のクラスのうちのいずれのクラスに属するかは、未知である。

ステップＳ６の後に、処理部２４は、処理部２４の内部メモリ（図示せず）に予め格納された前記各クラス毎のマハラノビス距離算出用係数である平均ベクトルμ_ｋ及び共分散行列Σ_ｋ（ｋ＝１，２，３，・・・，１１）に従って、ステップＳ６で取得した標本ベクトルｘ＝（ｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐ）^Ｔの各クラスへのマハラノビス距離を算出する（ステップＳ７）。

標本ベクトルｘ＝（ｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐ）^Ｔの第ｋ（ｋ＝１，２，３，・・・，１１）のクラスへのマハラノビス距離をＤ_ｋと表記すると、マハラノビス距離Ｄ_ｋは、Ｄ_ｋ＝｛（ｘ−μ_ｋ）^ＴΣ_ｋ ^−１（ｘ−μ_ｋ）｝^１／２の式によって算出することができる。ステップＳ７において、処理部２４は、この式によってマハラノビス距離Ｄ_１，Ｄ_２，Ｄ_３，・・・，Ｄ_１１を算出するのである。

引き続いて、処理部２４は、ステップＳ７で算出されたマハラノビス距離Ｄ_１，Ｄ_２，Ｄ_３，・・・，Ｄ_１１を比較し、そのうち最も短いマハラノビス距離がいずれかであるかを判定する（ステップＳ８）。マハラノビス距離を用いた判別分析では、ステップＳ６で取得した標本ベクトルｘは、マハラノビス距離が最も短いクラスに属するものと判定されることになる。例えば、最も短いマハラノビス距離がＤ_３であれば前記第３のクラスに属するものと判定され、最も短いマハラノビス距離がＤ_７であれば前記第７のクラス（風雨の夜に撮像された画像群のクラス）に属するものと判定されることになる。

なお、本発明者は、前記第７のクラスのマハラノビス距離算出用係数である平均ベクトルμ_７及び共分散行列Σ_７を算出する基礎となった前記所定数の標本ベクトル（前記第７のクラスに属することが既知の標本ベクトル）の各々をそれぞれ、ステップＳ６で取得した１つの新たな標本ベクトルであるとみなして、ステップＳ７〜Ｓ９の処理を行ったところ、約９５％の標本ベクトルが前記第７のクラスに属すると判定されることを確認した。これにより、ステップＳ７〜Ｓ９のマハラノビスを用いた判別分析によれば、実際に風雨の夜に撮像された未知の画像が、約９５％の非常に高い確率で、風雨の夜に撮像された画像であると判別されるものと評価することができた。

ステップＳ８の後、処理部２４は、ステップＳ８で判定された最も短いマハラノビス距離がＤ_７であるか否か（すなわち、ステップＳ６で取得した標本ベクトルｘが前記第７のクラス（風雨の夜に撮像された画像群のクラス）に属するか否か、ひいては、ステップＳ２で差分処理された２枚の画像が風雨の夜に撮像されたものであるか否か）によって、ステップＳ２で差分処理された２枚の画像がステップＳ１０の歩行者検出処理に不適である（すなわち、適していない）画像であるか否かを判定する（ステップＳ９）。

処理部２４は、ステップＳ８で判定された最も短いマハラノビス距離がＤ_７である場合には、ステップＳ９において、ステップＳ２で差分処理された２枚の画像はステップＳ１０の歩行者検出処理に適していない画像であると判定し、ステップＳ１０を経ることなく、ステップＳ１３へ移行する。一方、処理部２４は、ステップＳ８で判定された最も短いマハラノビス距離がＤ_７ではない場合には、ステップＳ９において、ステップＳ２で差分処理された２枚の画像はステップＳ１０の歩行者検出処理に適していない画像ではないと判定し、ステップＳ１０へ移行する。

ステップＳ１０において、処理部２４は、ステップＳ２で差分処理された２枚の画像のうちの少なくとも一方の画像に基づいて、前記処理対象領域内における歩行者を検出する歩行者検出処理を行う。この歩行者検出処理は、例えば、ステップＳ４で取得されたラベル領域に対してパターン認識等を行うなどの公知の手法によって実現することができる。

ステップＳ１０の後に、処理部２４は、ステップＳ１０の歩行者検出処理の結果として歩行者が検出されたか否かを判定し（ステップＳ１１）、歩行者が検出されればステップＳ１２へ移行する一方、歩行者が検出されなければステップＳ１３へ移行する。

ステップＳ１２において、処理部２４は、歩行者が検出された旨を示す歩行者検出信号の出力を開始する。この歩行者検出信号は、図１中の信号制御装置１２に供給される。なお、既に歩行者検出信号が出力されている状態であれば、その出力を継続する。ステップＳ１２の後に、ステップＳ１へ戻って新たな画像をサンプリングする。

ステップＳ１３において、処理部２４は、歩行者が検出された旨を示す歩行者検出信号の出力を停止する。なお、既に歩行者検出信号の出力が停止されている状態であれば、その停止状態を継続する。ステップＳ１３の後に、ステップＳ１へ戻って新たな画像をサンプリングする。

本実施の形態では、処理部２４における図２中のステップＳ２〜Ｓ９の機能が、本発明の一実施の形態による画像判定装置に相当している。

本実施の形態によれば、前述したように、前記ラベル領域間距離平均ヒストグラムとに基づいて、カメラ２１により撮像されステップＳ２で差分処理された２枚の画像のうちの少なくとも一方の画像が前記所定の処理（本実施の形態では、ステップＳ１０の歩行者検出処理）に適していない画像であるか否かを判定するので、その判定を適切に行うことができる。

そして、前記ラベル領域間距離平均ヒストグラムは、カメラ２１により撮像された画像自身から得られる情報である。したがって、本実施の形態によれば、カメラ２１により撮像されステップＳ２で差分処理された２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であるか否かの判定において、カメラ２１により撮像された画像自身から得られる情報を反映させることができる。

また、本実施の形態では、カメラ２１により撮像され気象条件の影響を受ける画像が前記所定の処理に適していない画像であるか否かの判定が、前記気象条件を検出するセンサからの信号を用いることなく行われるので、前記センサを設ける必要がなくなり、その分コスト低減を図ることができる。

さらに、本実施の形態では、カメラ２１により撮像されステップＳ２で差分処理された２枚の画像のうちの少なくとも一方の画像が前記所定の処理（本実施の形態では、ステップＳ１０の歩行者検出処理）に適していない画像であると判定された場合（ステップＳ９でＹＥＳの場合）には、ステップＳ１０の歩行者検出処理が行われることなく、歩行者検出信号の出力が停止されるので、歩行者検出の精度が高まり、ひいては、信号制御装置による制御がより適切に行われることになる。

なお、ステップＳ９でＹＥＳかＮＯかに拘わらずに、常にステップＳ１０以降の処理が行われるようにし、ステップＳ９でＹＥＳの場合に、処理部２４はその旨を示し歩行者検出信号が無効である旨の信号（以下、「無効信号」と呼ぶ。）の信号制御装置１２への出力を開始し、ステップＳ９でＮＯの場合に、処理部２４は前記無効信号の出力を停止するようにしてもよい。この場合、信号制御装置１２は、処理部２４から前記無効信号を受けていない場合にのみ、処理部２４からの歩行者検出信号を有効なものとして受け取り、処理部２４から前記無効信号を受けている場合には、処理部２４からの歩行者検出信号を無視するように構成すればよい。

［第２の実施の形態］

図１１は、本発明の第２の実施の形態による処理装置としての歩行者検出装置の動作を示す概略フローチャートである。本実施の形態による歩行者検出装置が前記第１の実施の形態による歩行者検出装置１１と異なる所は、以下に説明する点である。

本実施の形態では、ステップＳ１の後に、処理部２４は、ステップＳ１でサンプリングされた２枚の画像のうちの一方の画像の前記処理対象領域の平均濃淡値を、当該画像の前記処理対象領域の明るさとして算出する（ステップＳ４２）。

次に、処理部２４は、ステップＳ４２で算出された平均濃淡値が所定値よりも低いか否かによって、当該画像の前記処理対象領域の明るさが所定の明るさよりも暗いか否かを判定する（ステップＳ４３）。前記所定の明るさは、例えば、街路灯の点灯・非点灯の閾値となる明るさに設定される。

ステップＳ４３で所定の明るさよりも暗いと判定されると、ステップＳ２へ移行し、ステップＳ４３で所定の明るさよりも暗くないと判定されると、ステップＳ１０へ移行する。

これにより、本実施の形態では、処理部２４は、カメラ２１により撮像された前記２枚の画像のうちの一方の画像（両方の画像でもよい。）の一部の領域（全部の領域でもよい。）の明るさが所定の明るさよりも暗いことを必要条件として、カメラ２１により撮像された前記２枚の画像のうちの少なくとも一方の画像が前記所定の処理（本実施の形態では、ステップＳ１０の歩行者検出処理）に適していない画像であると判定することになる。なお、カメラ２１により撮像された前記２枚の画像のうちの少なくとも一方の画像の一部又は全体の領域の明るさが所定の明るさよりも暗いことを必要条件としてもよい。

一般的に、画像が明るい場合には、ノイズ等の影響が少なくて前記画像が前記所定の処理（本実施の形態では、ステップＳ１０の歩行者検出処理）に適している一方で、画像が暗い場合には、ノイズ等の影響が大きくて前記画像が前記所定の処理に適していないことが多い。したがって、本実施の形態によれば、処理部２４は、カメラ２１により撮像された前記２枚の画像のうちの少なくとも一方の画像の一部又は全体の領域の明るさが所定の明るさよりも暗いことを必要条件として、カメラ２１により撮像された前記２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であると判定するので、前記判定の精度を向上させることができる。

なお、本実施の形態では、前記第１の実施の形態と同じく、処理部２４は、ステップＳ７で前記１１個のマハラノビス距離Ｄ_１，Ｄ_２，Ｄ_３，・・・，Ｄ_１１を算出し、ステップＳ８でそのうち最も短いマハラノビス距離がいずれかであるかを判定している。もっとも、本実施の形態では、処理部２４は、ステップＳ７で夜に関する前記５個のマハラノビス距離Ｄ_２，Ｄ_５，Ｄ_７，Ｄ_９，Ｄ_１１を算出し、ステップＳ８でそのうち最も短いマハラノビス距離がいずれかであるかを判定してもよい。この場合、昼に関する前記第１，第３，第４，第６，第８及び第１０のクラスのマハラノビス距離算出用係数は、使用しないので、処理部２４の内部メモリに格納しておく必要はない。

なお、本実施の形態による歩行者検出装置は、図１に示す交通制御システム１において、前記第１の実施の形態による歩行者検出装置１１に代えて用いることができる。

［第３の実施の形態］

図１２は、本発明の第３の実施の形態による処理装置としての歩行者検出装置の動作を示す概略フローチャートである。本実施の形態による歩行者検出装置が前記第１の実施の形態による歩行者検出装置１１と異なる所は、以下に説明する点である。

本実施の形態では、動作を開始すると、処理部２４は、初期の背景画像を作成する（ステップＳ５１）。ここで、ステップＳ５１の詳細について、図１３を参照して説明する。図１３は、図１２中のステップＳ５１の詳細を示す概略フローチャートである。

ステップＳ５１の処理を開始すると、処理部２４は、累積回数を示すカウント値ｎをゼロにセットする（ステップＳ６１）。次いで、処理部２４は、前回の累積画像ｆ（ｔ−１）を全画素がゼロの画像に初期設定する（ステップＳ６２）。その後、処理部２４は、カメラ２１からの現在の画像を、現在の画像ｇ（ｔ）としてサンプリングして画像メモリ２３に取り込む（ステップＳ６３）。

次に、処理部２４は、前回の累積画像ｆ（ｔ−１）とステップＳ６３でサンプリングした画像ｇ（ｔ）とに基づいて、ｆ（ｔ）＝αｆ（ｔ−１）＋（１−α）ｇ（ｔ）の式に従って現在の累積画像ｆ（ｔ）を作成する（ステップＳ６４）。この式において、αは、０＜α＜１を満たす重み係数であり、歩行者等の移動体の影響などが低減されるような値に設定される。

その後、処理部２４は、その内部メモリ（図示せず）に格納されたカウント値ｎを１だけインクリメントした（ステップＳ６５）後、カウント値ｎが所定累積回数Ｎに達したか否かを判定する（ステップＳ６６）。所定累積回数Ｎに達していなければ、処理部２４は、現在の累積画像ｆ（ｔ）を前回の累積画像ｆ（ｔ−１）とし（ステップＳ６７）、ステップＳ６３へ戻る。一方、ステップＳ６６で所定累積回数Ｎに達したと判定されると、処理部２４は、現在の累積画像ｆ（ｔ）を初期の背景画像として画像メモリ２３に保存する（ステップＳ６８）。これにより、ステップＳ５１の初期の背景画像の作成処理が終了し、図１２中のステップＳ５２へ移行する。なお、歩行者等の移動体が存在しない状態でカメラ２１により撮像された画像をサンプリングし、この画像を初期の背景画像としてもよい。

以下の説明において、背景画像は、ステップＳ５４で更新されるまでは、ステップＳ５１で保存された初期の背景画像を意味し、ステップＳ５４で更新された後には、ステップＳ５４で最新に更新された背景画像を意味する。

ステップＳ５２において、処理部２４は、カメラ２１が撮像した１枚の画像をサンプリングし（ステップＳ５２）、サンプリングした画像を画像メモリ２３に格納させる。その後、ステップＳ３へ移行する。

ステップＳ３において、処理部２４は、ステップＳ５３で生成した差分画像（本実施の形態では、背景差分画像）を２値化する。この２値化に用いる閾値は、固定閾値でもよいし、判別分析法に代表されるような可変閾値でもよい。

引き続いて、処理部２４は、ステップＳ３で２値化された画像の前記処理対象領域からラベリングによりラベル領域を取得する（ステップＳ４）。

次に、処理部２４は、背景画像を更新した（ステップＳ５４）の後、ステップＳ５へ移行する。ステップＳ５４の背景画像の更新は、例えば、現画像をｇ（ｔ）とするとともに現在の背景画像をｆ（ｔ−１）として前述した式に従って画像ｆ（ｔ）を算出し、この画像ｆ（ｔ）を更新後の背景画像とすることによって、行うことができる。

本実施の形態においても、ステップＳ５以降の処理は、前記第１の実施の形態の場合と同様である。本実施の形態では、ステップＳ１２の後及びステップＳ１３の後には、ステップＳ５２へ戻って新たな画像をサンプリングする。

なお、本実施の形態においても、処理部２４の内部メモリ（図示せず）に予め格納しておく、ステップＳ７で用いる各クラス毎のマハラノビス距離算出用係数は、前記第１の実施の形態の場合と全く同じでもよい。しかしながら、本実施の形態において、ステップＳ７で用いる各クラス毎のマハラノビス距離算出用係数は、背景差分画像を用いて求めたものであることが、より好ましい。

ここで、背景差分画像を用いて、ステップＳ７で用いる各クラス毎のマハラノビス距離算出用係数を求める手法の一例について、説明する。

本例による手法もパーソナルコンピュータ等を用いて実現することができ、本例による手法においても、前記第１乃至第１１のクラスの画像群を、各クラス毎にハードディスク等の記憶装置に予め記憶させておく。

パーソナルコンピュータ等のＣＰＵは、各クラス毎のマハラノビス距離算出用係数を求める処理を開始すると、まず、前記記憶装置に記憶されている前記第１のクラスの画像群のうち、連続して撮像された一連の画像について、図１２中のステップＳ５１，Ｓ５２，Ｓ５３，Ｓ３，Ｓ４，Ｓ５４，Ｓ５，Ｓ６に相当する処理を繰り返し、当該一連の画像に関する複数のラベル領域間距離平均ヒストグラムを算出し、同様に、前記記憶装置に記憶されている前記第１のクラスの画像群のうち、残りの各一連の画像に関する複数のラベル領域間距離平均ヒストグラムをそれぞれ算出する。これにより、前記記憶装置に記憶されている前記第１のクラスの画像群について、所定数のラベル領域間距離平均ヒストグラム（標本ベクトルｘ＝（ｘ_１，ｘ_２，ｘ_３，・・・，ｘ_ｐ）^Ｔ）が得られる。次に、前記ＣＰＵは、前記第１のクラスの前記所定数の標本ベクトルｘの母集団の平均ベクトルμ＝（μ_１，μ_２，μ_３，・・・，μ_ｐ）^Ｔ及び共分散行列Σを、前記第１のクラスのマハラノビス距離算出用係数として算出する。

その後、前記ＣＰＵは、前記記憶装置に記憶されている前記第１のクラスの画像群についての前述の処理と同様の処理を、前記記憶装置に記憶されている前記第２乃至第１１のクラスの各クラスの画像群について行い、前記第２乃至第１１のクラスの各クラスの母集団の平均ベクトルμ＝（μ_１，μ_２，μ_３，・・・，μ_ｐ）^Ｔ及び共分散行列Σを、各クラスのマハラノビス距離算出用係数として算出する。

本実施の形態では、このようにして求められた各クラス毎のマハラノビス距離算出用係数を、処理部２４の内部メモリ（図示せず）に予め格納しておけばよい。

本実施の形態によっても、前記第１の実施の形態と同様の利点が得られる。なお、本実施の形態による歩行者検出装置は、図１に示す交通制御システム１において、前記第１の実施の形態による歩行者検出装置１１に代えて用いることができる。

なお、本発明では、前記第１の実施の形態を変形して本実施の形態を得たのと同様の変形を、前記第２の実施の形態に適用してもよい。

以上、本発明の各実施の形態について説明したが、本発明はこれらの実施の形態に限定されるものではない。

例えば、前記各実施の形態では、本発明による処理装置の例として歩行者検出装置を挙げたが、本発明は、これに限らず、撮像手段により撮像された画像に対して所定の処理（車両検出処理でもよいし、他の処理でもよい。）を施す処理手段を有する種々の処理装置にも適用することができる。例えば、本発明は、従来の道路監視装置と同様の道路監視装置にも適用することができる。

１１ 歩行者検出装置
２１ カメラ
２４ 処理部

Claims (7)

1. 撮像手段により所定の時間間隔で撮像された２枚の画像間の差分画像の所定領域、あるいは、撮像手段により撮像された画像と背景画像との間の差分画像の所定領域から、ラベリングによりラベル領域を取得するラベリング手段と、
   前記ラベリング手段により取得された各ラベル領域について、当該ラベル領域から残りの各ラベル領域までの各距離の平均値又はこれに応じた値である指標値を取得する指標値取得手段と、
   前記指標値の予め定めた各範囲毎の当該範囲に属する前記指標値を持つ前記ラベル領域の数を示すヒストグラムを取得するヒストグラム取得手段と、
   前記ヒストグラムに基づいて、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が所定の処理に適していない画像であるか否か、あるいは、前記撮像手段により撮像された前記画像が所定の処理に適していない画像であるか否かを判定する判定手段と、
   を備えたことを特徴とする画像判定装置。
2. 前記判定手段は、前記ヒストグラムが、前記所定の処理に適していない画像の、前記ヒストグラムに対応するヒストグラムの群に属するか否かを判別することによって、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であるか否か、あるいは、前記撮像手段により撮像された前記画像が前記所定の処理に適していない画像であるか否かを判定することを特徴とする請求項１記載の画像判定装置。
3. 前記判別はマハラノビス距離を用いた判別分析により行われることを特徴とする請求項２記載の画像判定装置。
4. 前記判定手段は、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像の一部又は全体の領域の明るさが所定の明るさよりも暗いことを必要条件として、前記撮像手段により撮像された前記２枚の画像のうちの少なくとも一方の画像が前記所定の処理に適していない画像であると判定するか、あるいは、前記撮像手段により撮像された前記画像の一部又は全体の領域の明るさが所定の明るさよりも暗いことを必要条件として、前記撮像手段により撮像された前記画像が前記所定の処理に適していない画像であると判定することを特徴とする請求項１乃至３のいずれかに記載の画像判定装置。
5. 前記撮像手段により撮像された前記２枚の画像、あるいは、前記撮像手段により撮像された前記画像は、気象条件の影響を受ける画像であることを特徴とする請求項１乃至４のいずれかに記載の画像判定装置。
6. 前記所定の処理は、検出対象を検出する処理であることを特徴とする請求項１乃至５のいずれかに記載の画像判定装置。
7. 請求項１乃至６のいずれかに記載の画像判定装置と、
   前記撮像手段により撮像された前記画像に対して前記所定の処理を施す処理手段と、
   を備えたことを特徴とする処理装置。