JP7235253B2 - 判別装置、判別方法、制御システム、学習モデル生成装置、学習モデル生成方法及びプログラム - Google Patents
判別装置、判別方法、制御システム、学習モデル生成装置、学習モデル生成方法及びプログラム Download PDFInfo
- Publication number
- JP7235253B2 JP7235253B2 JP2020053453A JP2020053453A JP7235253B2 JP 7235253 B2 JP7235253 B2 JP 7235253B2 JP 2020053453 A JP2020053453 A JP 2020053453A JP 2020053453 A JP2020053453 A JP 2020053453A JP 7235253 B2 JP7235253 B2 JP 7235253B2
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- image
- destination display
- type
- unit
- 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.)
- Active
Links
Images
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
- Platform Screen Doors And Railroad Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Description
図1は、実施の形態に係る判別装置の概要を示している。実施の形態に係る判別装置10は、車両画像から車両種別及び運行種別を判別する判別装置である。図1に示すように、判別装置10は、取得部11、抽出部12、判別部13を備えている。
次に、図面を参照して実施の形態1について説明する。図3は、本実施の形態に係る判別システム1の構成例を示している。図3に示すように、判別システム1は、判別装置100とカメラ200を備え、車両300を撮像した画像に基づいて車両種別及び運行種別を判別するシステムである。
次に、図面を参照して実施の形態2について説明する。本実施の形態は、実施の形態1の判別システムにおいて、さらに複数のカメラを備える例である。カメラ以外の構成は、実施の形態1と同様である。
次に、図面を参照して実施の形態3について説明する。本実施の形態は、実施の形態1や2の判別システムを、ホームドア制御システムに適用した例である。以下、ホームドア制御に関連する技術を検討し、その課題を述べた上で、本実施の形態に係るホームドア制御システムについて説明する。
ホームドア制御に関連する技術として、上記特許文献2~4、非特許文献1について検討する。特許文献3には、ホームドア制御装置において、列車が所定の停止範囲において停止状態にあると判断されたとき、プラットホームに設置されたホームドア装置に設けられた扉部を開動作させ、かつ、車両扉が閉動作中又は閉鎖状態にあると判断されたとき、ホームドア装置の扉部を閉動作させることが記載されている。しかしながら、この技術では、同じ車種の車両であっても行先によって車両扉の開閉位置が異なる運用の場合、ホームドアの開閉位置を適切に制御することができない。
第1の課題は、列車の車両種別及び運行種別により乗降扉の数及び位置が異なるものの、プラットホームには全ての列車に対応するようにホームドアが配置されているため、それぞれの列車の乗降扉の開閉位置に合わせてホームドアを開閉する必要があることである。
図23は、本実施の形態に係るホームドア制御システムの構成及び設置例を示している。図23に示すように、ホームドア制御システム400は、判別装置401、列車入線検知センサ402、カメラ403、ホームドア404、ホームドア制御部405、機器監視装置406を備える。判別装置401は、実施の形態1及び2の判別装置100と同様の機能を有し、カメラ403は、実施の形態1及び2のカメラ200と同様である。カメラ403は、列車600、特に先頭の車両601の行先標611を撮像する。なお、先頭の車両601以外の車両の行先標を撮像し、車両種別及び運行種別を判別してもよい。
図24は、本実施の形態に係る判別装置401のハードウェア構成例を示している。本実施の形態に係る判別装置401は、実施の形態1及び2と同様に車両種別及び運行種別を判別する装置であるとともに、ホームドア開閉位置制御信号自動出力装置であるとも言える。また、実施の形態1及び2と同様、行先標に限らず、車体マーク(表記やロゴ)や車両形式番号の画像から車両種別及び運行種別を判別してもよい。
図25は、本実施の形態に係る判別装置401が設置されたホームに、特急列車など、普通列車とドア数の異なる列車600が到着した例を示す。判別装置401は、車両601の行先標611から車両種別及び運行種別(例えば特急列車)を判別し、判別した車両種別及び運行種別をホームドア制御部405に通知すると、ホームドア制御部405は、通知された車両種別及び運行種別に基づいて開閉扉D3及びD6のみを開くよう制御する。これにより、列車600が停車した時、列車600の乗降扉に対応したホームドア404の開閉扉D3及びD6のみを開閉し、他の不要な開閉扉D1、D2、D4、D5を閉じたままにすることができる。
図26は、本実施の形態に係る判別装置401が設置されたホームに、一般車両を特急として運行する列車600が到着した例を示す。判別装置401は、車両601の行先標611から車両種別及び運行種別(例えば有料着座列車)を判別し、判別した車両種別及び運行種別をホームドア制御部405に通知すると、ホームドア制御部405は、通知された車両種別及び運行種別に基づいて開閉扉D1及びD4のみを開くよう制御する。これにより、列車600が停車した時、列車600の乗降扉のうち開閉される乗降扉に対応したホームドア404の開閉扉D1及びD4のみを開閉し、他の不要な開閉扉D2、D3、D5、D6を閉じたままにすることができる。
図27は、本実施の形態の変形例1として、列車600の先頭の車両601の前面の行先標612を撮像する位置にカメラ403を配置した例である。列車600(車両601)が列車入線検知センサ402の前を横切ったタイミングで、車両601の前面の行先標612の画像を取得し、取得した行先標612の画像に基づいて車両種別及び運行種別を判別する。なお、車両601の行先標612に限らず、実施の形態1及び2と同様、車両601の前面の表記やロゴ等を撮像し、表記やロゴ等の画像に基づいて車両種別及び運行種別を判別してもよい。例えば、車両601の側面の行先標611と車両601の前面の行先標612とを撮像し、行先標611の画像と行先標612の画像とに基づいて車両種別及び運行種別を判別してもよい。この場合、スコアが大きい方の判別結果を選択してもよい。
図28は、本実施の形態の変形例2として、ホームの発車標407を撮像する位置にカメラ403を配置した例である。列車600(車両601)が列車入線検知センサ402の前を横切ったタイミングで、発車標407の画像を取得し、実施の形態1及び2と同様、取得した発車標407の画像に基づいて車両種別及び運行種別を判別する。例えば、車両601の行先標611(または行先標611)と発車標407とを撮像し、行先標611の画像と発車標407の画像とに基づいて車両種別及び運行種別を判別してもよい。この場合、スコアが大きい方の判別結果を選択してもよい。
図29は、本実施の形態の変形例3として、列車入線検知センサ402の代わりに、ホームドア404が予め有する在線検知センサ408等の外部機器から、列車入線のタイミング信号を受信する例である。列車600(車両601)が入線すると、在線検知センサ408が入線を検知し、ホームドア接続ケーブル503を経由して、本実施の形態に係る判別装置401に信号が送られ、そのタイミングで列車600の画像を取得してもよい。ホームドアに予め設けられている在線検知センサを使用することで、新たに列車入線検知センサを設置することなく、本実施の形態のホームドア制御システムを実現することができる。
列車が実際に開閉する乗降扉の位置は車両種別及び運行種別(例えば行先)毎に異なるため、ホームドアの開閉制御では、入線してきた列車の車両種別及び運行種別に合わせて都度開閉位置を正しく制御するがある。人間による開閉操作はヒューマンエラー発生の可能性を含むため、自動化が望ましいが、列車の運行には遅延、運休、ダイヤ変更などの変動要因があり、時間や順番などの固定した運行を前提とした制御ではこれらの変化に対応することができない。
次に、図面を参照して実施の形態4について説明する。本実施の形態は、実施の形態1や2の判別システムにおける行先標学習モデル104a及び車両種別学習モデル106a並びにその生成方法の例である。
その他の実施の形態として、上記実施の形態では、車両として、主に鉄道車両を対象としたが、これに限らず例えば、バス等のその他の車両や航空機、船舶等に適用してもよい。例えば、バスや航空機、船舶の行先標やマーク等を上記実施の形態のように画像認識し、バス等の種別を判別してもよい。バスの行先標の判別結果を停留所の表示や専用のスマートホン等のアプリケーションに送信し、旅客の便に供してもよい。また、飛行機の機体番号を画像認識することで任意のポイントを通過する実機の確認結果報告をタワーに送信し、空の安全に供してもよい。さらに、船舶の名前を画像認識しその結果を港湾の監視所に送信し航行の安全に供してもよい。また、車両のナンバープレートを識別し特定の車両の運行ルートを把握することで効率的な運送や追跡に供するようにしてもよい。その他、物流仕分け箇所において、梱包容器(段ボール)等に記載されているロゴマークを読み取ることで、バーコード等の添付情報に頼ることなく仕分けが可能となる。
(付記A1)
車両を撮像した車両画像を取得する取得部と、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出する抽出部と、
前記抽出した行先表示画像に基づいて、前記車両の車両種別を判別する判別部と、
を備える、判別装置。
(付記A2)
前記抽出部は、前記車両画像に対しエッジ抽出処理を行ったエッジ画像に基づいて、前記行先表示部を含む領域を探索し、前記行先表示画像を抽出する、
付記A1に記載の判別装置。
(付記A3)
前記抽出部は、前記エッジ画像における所定範囲のエッジ画素数に基づいて、前記行先表示部を含む領域を探索する、
付記A2に記載の判別装置。
(付記A4)
前記抽出部は、前記所定範囲のエッジ画素数が最も多い領域の画像を、前記行先表示画像として抽出する、
付記A2に記載の判別装置。
(付記A5)
前記抽出部は、前記行先表示部の画像を学習した行先表示学習モデルに基づいて、前記車両画像から前記行先表示画像を抽出する、
付記A1乃至4のいずれかに記載の判別装置。
(付記A6)
前記取得部は、前記車両を撮像した複数の車両画像を取得し、
前記抽出部は、前記行先表示学習モデルに基づいて、前記複数の車両画像を前記行先表示画像とその他の画像に分類する、
付記A5に記載の判別装置。
(付記A7)
前記抽出部は、前記複数の車両画像を前記行先表示画像とその他の画像に分類するとともに、前記分類された結果に分類スコアを付与し、前記付与された分類スコアに基づいて前記行先表示画像を抽出する、
付記A6に記載の判別装置。
(付記A8)
前記抽出部は、前記付与された分類スコアが最も大きい画像を前記行先表示画像として抽出する、
付記A7に記載の判別装置。
(付記A9)
前記判別部は、前記車両種別に関連付けられた行先表示部の画像を学習した車両種別学習モデルに基づいて、前記車両種別を判別する、
付記A1乃至8のいずれかに記載の判別装置。
(付記A10)
前記判別部は、前記行先表示画像を複数の車両種別に分類するとともに、前記分類された結果に分類スコアを付与し、前記付与された分類スコアに基づいて前記車両種別を判別する、
付記A9に記載の判別装置。
(付記A11)
前記取得部は、第1の撮像部が前記車両を撮像した第1の車両画像と第2の撮像部が前記車両を撮像した第2の車両画像とを取得し、
前記抽出部は、前記第1の車両画像から第1の行先表示画像を抽出するとともに、前記第2の車両画像から第2の行先表示画像を抽出し、
前記判別部は、前記第1の行先表示画像及び前記第2の行先表示画像のいずれかに基づいて、前記車両種別を判別する、
付記A1乃至10のいずれかに記載の判別装置。
(付記A12)
前記判別部は、前記第1の行先表示画像に基づいて判別した判別スコアと前記第2の行先表示画像に基づいて判別した判別スコアとを比較し、前記判別スコアが大きい方の判別結果に基づいて、前記車両種別を判別する、
付記A11に記載の判別装置。
(付記A13)
前記第1の撮像部と前記第2の撮像部は、前記車両に対する撮像角度が異なる、
付記A11または12に記載の判別装置。
(付記A14)
前記抽出部は、前記取得した車両画像から行先表示部を含む行先表示画像、車体マークを含む車体マーク表示画像及び車両形式番号を含む車両形式番号表示画像を抽出し、
前記判別部は、前記抽出した行先表示画像、車体マーク表示画像及び車両形式番号表示画像に基づいて、前記車両の車両種別を判別する、
付記A1乃至13のいずれかに記載の判別装置。
(付記A15)
車両を撮像した車両画像を取得し、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出し、
前記抽出した行先表示画像に基づいて、前記車両の車両種別を判別する、
判別方法。
(付記A16)
車両を撮像した車両画像を取得し、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出し、
前記抽出した行先表示画像に基づいて、前記車両の車両種別を判別する、
処理をコンピュータに実行させるための判別プログラム。
(付記A17)
撮像装置と、判別装置と、ホームドア制御装置と、を備え、
前記判別装置は、
前記撮像装置が車両を撮像した車両画像を取得する取得部と、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出する抽出部と、
前記抽出した行先表示画像に基づいて、前記車両の車両種別を判別する判別部と、
前記車両種別の判別結果を前記ホームドア制御装置へ出力する出力部と、
を備え、
前記ホームドア制御装置は、プラットホーム上に設置されたホームドアの複数の扉のうち、前記出力された車両種別の判別結果に対応した扉の開閉を制御する、
制御システム。
(付記B1)
距離センサから列車迄の距離を計測して列車の入線を検知する赤外線レーザ式距離センサと、
列車の正面の行先標を撮影するカメラと、
列車の側面の行先標を撮影するカメラと、
列車側面の表記、ロゴ又は車体形式番号を撮影するカメラと、
列車前面の表記又はロゴを撮影するカメラと、
駅ホーム発車標を撮影するカメラと、
前記赤外線レーザ式距離センサが予め設定した距離範囲内に列車が入線したことを検知して出力する電気信号を受け、この電気信号から前記カメラのうちの1つまたは複数のカメラで撮影した画像を画像認識部に転送し保存する仕組みと、
保存した画像から行先標の表示、列車の表記、または発車標の表示を識別する画像認識エンジンを搭載するPC(パーソナルコンピュータ)を含むことを特徴とする判別装置。
(付記B2)
ホームドアに取り付けられた在線検知センサからの信号を受けて列車の入線を検知する受信部と、
列車の正面の行先標を撮影するカメラと、
列車の側面の行先標を撮影するカメラと、
列車側面の表記、ロゴ又は車体形式番号を撮影するカメラと、
列車前面の表記又はロゴを撮影するカメラと、
駅ホーム発車標を撮影するカメラと、
前記赤外線レーザ式距離センサが予め設定した距離範囲内に列車が入線したことを検知して出力する電気信号を受け、この電気信号から前記カメラのうちの1つまたは複数のカメラで撮影した画像を画像認識部に転送し保存する仕組みと、
保存した画像から行先標の表示、列車の表記、または発車標の表示を識別する画像認識エンジンを搭載するPCを含むことを特徴とするホームドア開閉位置制御信号自動出力装置。
(付記B3)
特定の列車の正面の行先標及び側面の行先標と、正面の表記又はロゴと、側面の表記ロゴ又は車体形式番号と、駅ホーム発車標とのうちの1つまたは複数の画像データからなる特定列車画像辞書と、
特定の列車以外の正面の行先標及び側面の行先標と、正面の表記又はロゴと、側面の表記、ロゴ又は車体形式番号と、駅ホーム発車標とのうちの1つまたは複数の画像データからなる特定列車画像辞書を保有し、撮影した画像と比較判断する画像認識部と画像認識部で識別した特定列車と特定列車以外の識別結果に応じたホームドアの制御信号をホームドアの制御部に出力することを特徴とするホームドア開閉位置制御信号自動出力装置。
(付記B4)
列車がホームに入線すると、停止前に列車の正面の行先標及び側面の行先標と、正面の表記又はロゴと、側面の表記、ロゴ又は車体形式番号と、駅ホーム発車標とのいずれかを撮影し、画像認識、表示内容の識別、ホームドア制御部へ識別結果に応じたホームドアの制御信号の出力までを行うことにより、この信号を受信したホームドアの制御タイミングにあわせることを特徴とするホームドア開閉位置制御信号自動出力装置。
(付記B5)
複数のカメラにより撮影された複数の画像を比較し、行先標、表記、ロゴ、車体形式番号、又は発車標の画像が切り出せるものを選択して画像認識するホームドア開閉位置制御信号自動出力装置。
(付記B6)
複数のカメラの設置角度を変えて同じ部分を撮影することにより、太陽光の反射等によるハレーションが発生しても、いずれかのカメラで認識可能な画像を取得できることを特徴とするホームドア開閉位置制御信号自動出力装置。
(付記B7)
各カメラは1車両分に相当する写真を連写して、その中から認識可能な行先標、表記、ロゴ又は車体形式番号の写っている画像を選び出し、画像認識を行うことを特徴とするホームドア開閉位置制御信号自動出力装置。
(付記B8)
カメラが連写した写真から認識可能な行先標、表記、ロゴ又は車体形式番号の写っている画像を選び出し、画像認識を行う際に人工知能を使用して、歪んだ画像や速度によってぶれた画像等も認識できることを特徴としたホームドア開閉位置制御信号自動出力装置。
(付記B9)
赤外線レーザ式距離センサの変わりに、ホームドアの有する在線検知センサ等の外部機器から、列車入線のタイミング信号を受信してそれにより画像認識を行うことも可能とすることを特徴としたホームドア開閉位置制御信号自動出力装置。
(付記C1)
車両の行先表示部の画像又は行先表示部以外の画像を含む画像データを入力する入力層と、前記入力層に入力された画像データに重み係数を乗じて伝達する1乃至複数の層からなる中間層と、前記入力された画像データを行先表示部の画像又は行先表示部以外の画像の何れかとして出力する出力層とを含む学習モデルを生成する手段を有する学習モデル生成装置において、
複数の画像データに行先表示部の画像又は行先表示部以外の画像であることを表す教師ラベルを付与した複数の教師データを作成する手段と、
前記複数の教師データのうちの1の教師データを前記入力層に入力し、前記出力層から出力された結果が正しい結果となるよう前記重み係数の更新を繰り返す重み係数調整を行う手段と、
前記複数の教師データの全てを用いて前記重み係数調整を実行する手段と、
を有することを特徴とする学習モデル生成装置。
(付記C2)
車両の行先表示部の画像又は行先表示部以外の画像を含む画像データを入力する入力層と、前記入力層に入力された画像データに重み係数を乗じて伝達する1乃至複数の層からなる中間層と、前記入力された画像データを行先表示部の画像又は行先表示部以外の画像の何れかとして出力する出力層とを含む学習モデルを生成する学習モデル生成装置が、
複数の画像データに行先表示部の画像又は行先表示部以外の画像であることを表す教師ラベルを付与した複数の教師データを作成し、
前記複数の教師データのうちの1の教師データを前記入力層に入力し、前記出力層から出力された結果が正しい結果となるよう前記重み係数の更新を繰り返す重み係数調整を行い、
前記複数の教師データの全てを用いて前記重み係数調整を行う
ことを特徴とする学習モデル生成方法。
(付記C3)
車両の行先表示部の画像又は行先表示部以外の画像を含む画像データを入力する入力層と、前記入力層に入力された画像データに重み係数を乗じて伝達する1乃至複数の層からなる中間層と、前記入力された画像データを行先表示部の画像又は行先表示部以外の画像の何れかとして出力する出力層とを含む学習モデルを生成する手段を有する学習モデル生成装置において、
複数の画像データに行先表示部の画像又は行先表示部以外の画像であることを表す教師ラベルを付与した複数の教師データを作成し、
前記複数の教師データのうちの1の教師データを前記入力層に入力し、前記出力層から出力された結果が正しい結果となるよう前記重み係数の更新を繰り返す重み係数調整を行い、
前記複数の教師データの全てを用いて前記重み係数調整を行う
ことを特徴とする学習モデル生成方法を前記学習モデル生成装置に実行させるプログラム。
(付記C4)
車両の行先表示部の画像データを入力する入力層と、前記入力層に入力された画像データに重み係数を乗じて伝達する1乃至複数の層からなる中間層と、前記入力された画像データの車両の車両種別及び運行種別を出力する出力層とを有する学習モデルの生成する手段を有する学習モデル生成装置において、
複数の画像データに行先表示部の画像毎に車両種別及び運行種別を表す教師ラベルを付与した複数の教師データを作成する手段と、
前記複数の教師データのうちの1の教師データを前記入力層に入力し、前記出力層から出力された結果が正しい結果となるよう前記重み係数の更新を繰り返す重み係数調整を行う手段と、
前記複数の教師データの全てを用いて前記重み係数調整を実行する手段と、
を有することを特徴とする学習モデル生成装置。
(付記C5)
車両の行先表示部の画像データを入力する入力層と、前記入力層に入力された画像データに重み係数を乗じて伝達する1乃至複数の層からなる中間層と、前記入力された画像データの車両の車両種別及び運行種別を出力する出力層とを有する学習モデルの生成する学習モデル生成装置が、
複数の画像データに行先表示部の画像毎に車両種別及び運行種別を表す教師ラベルを付与した複数の教師データを作成し、
前記複数の教師データのうちの1の教師データを前記入力層に入力し、前記出力層から出力された結果が正しい結果となるよう前記重み係数の更新を繰り返す重み係数調整を行い、
前記複数の教師データの全てを用いて前記重み係数調整を行う
ことを特徴とする学習モデル生成方法。
(付記C6)
車両の行先表示部の画像データを入力する入力層と、前記入力層に入力された画像データに重み係数を乗じて伝達する1乃至複数の層からなる中間層と、前記入力された画像データの車両の車両種別及び運行種別を出力する出力層とを有する学習モデルの生成する学習モデル生成装置が、
複数の画像データに行先表示部の画像毎に車両種別及び運行種別を表す教師ラベルを付与した複数の教師データを作成し、
前記複数の教師データのうちの1の教師データを前記入力層に入力し、前記出力層から出力された結果が正しい結果となるよう前記重み係数の更新を繰り返す重み係数調整を行い、
前記複数の教師データの全てを用いて前記重み係数調整を行う
ことを特徴とする学習モデル生成方法を前記学習モデル生成装置に実行させるプログラム。
10 判別装置
11 取得部
12 抽出部
13 判別部
100 判別装置
101 記憶部
102 画像取得部
103 画像切出部
104 第1の分類器
104a 行先標学習モデル
105 画像選択部
106 第2の分類器
106a 車両種別学習モデル
107 結果出力部
200、200a、200b カメラ
210 撮像領域
300 車両
301 行先標
302 車体マーク
303 車体形式番号
400 ホームドア制御システム
401 判別装置
402 列車入線検知センサ
403 カメラ
404 ホームドア
405 ホームドア制御部
406 機器監視装置
407 発車標
408 在線検知センサ
411 制御用コンピュータ
412 PoEハブ
413 接点入出力装置
414 電源装置
501 列車入線検知センサ用ケーブル
502 カメラ用ケーブル
503 ホームドア接続ケーブル
504 機器監視装置接続ケーブル
505 機器監視装置通信機器
506 電源
600 列車
601 車両
611 行先標
71 入力層
72 中間層
73 出力層
81 入力層
82 中間層
83 出力層
900 学習モデル生成装置
901 記憶部
902 制御部
903 入力部
904 操作部
905 内部バス
911 学習用画像
912 教師データ
913 学習モデル
914 コンピュータプログラム
921 生成部
922 調整部
923 実行部
Claims (15)
- 車両を撮像した車両画像を取得する取得部と、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出する抽出部と、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別する判別部と、
を備え、
前記抽出部は、前記行先表示部の画像を学習した行先表示学習モデルに基づいて、前記車両画像から前記行先表示画像を抽出する、
判別装置。 - 前記抽出部は、前記車両画像に対しエッジ抽出処理を行ったエッジ画像に基づいて、前記行先表示部を含む領域を探索し、前記行先表示画像を抽出する、
請求項1に記載の判別装置。 - 車両を撮像した車両画像を取得する取得部と、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出する抽出部と、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別する判別部と、
を備え、
前記判別部は、前記車両種別及び運行種別に関連付けられた行先表示部の画像を学習した車両種別学習モデルに基づいて、前記車両種別及び運行種別を判別する、
判別装置。 - 車両を撮像した車両画像を取得する取得部と、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出する抽出部と、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別する判別部と、
を備え、
前記取得部は、第1の撮像部が前記車両を撮像した第1の車両画像と第2の撮像部が前記車両を撮像した第2の車両画像とを取得し、
前記抽出部は、前記第1の車両画像から第1の行先表示画像を抽出するとともに、前記第2の車両画像から第2の行先表示画像を抽出し、
前記判別部は、前記第1の行先表示画像及び前記第2の行先表示画像のいずれかに基づいて、前記車両種別及び運行種別を判別する、
判別装置。 - 前記判別部は、前記第1の行先表示画像に基づいて判別した判別スコアと前記第2の行先表示画像に基づいて判別した判別スコアとを比較し、前記判別スコアが大きい方の判別結果に基づいて、前記車両種別及び運行種別を判別する、
請求項4に記載の判別装置。 - 前記第1の撮像部と前記第2の撮像部は、前記車両に対する撮像角度が異なる、
請求項4または5に記載の判別装置。 - 車両を撮像した車両画像を取得し、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出し、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別し、
前記行先表示画像の抽出では、前記行先表示部の画像を学習した行先表示学習モデルに基づいて、前記車両画像から前記行先表示画像を抽出する、
判別方法。 - 車両を撮像した車両画像を取得し、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出し、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別し、
前記車両種別及び運行種別の判別では、前記車両種別及び運行種別に関連付けられた行先表示部の画像を学習した車両種別学習モデルに基づいて、前記車両種別及び運行種別を判別する、
判別方法。 - 車両を撮像した車両画像を取得し、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出し、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別し、
前記車両画像の取得では、第1の撮像部が前記車両を撮像した第1の車両画像と第2の撮像部が前記車両を撮像した第2の車両画像とを取得し、
前記行先表示画像の抽出では、前記第1の車両画像から第1の行先表示画像を抽出するとともに、前記第2の車両画像から第2の行先表示画像を抽出し、
前記車両種別及び運行種別の判別では、前記第1の行先表示画像及び前記第2の行先表示画像のいずれかに基づいて、前記車両種別及び運行種別を判別する、
判別方法。 - 車両を撮像した車両画像を取得し、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出し、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別し、
前記行先表示画像の抽出では、前記行先表示部の画像を学習した行先表示学習モデルに基づいて、前記車両画像から前記行先表示画像を抽出する、
処理をコンピュータに実行させるための判別プログラム。 - 車両を撮像した車両画像を取得し、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出し、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別し、
前記車両種別及び運行種別の判別では、前記車両種別及び運行種別に関連付けられた行先表示部の画像を学習した車両種別学習モデルに基づいて、前記車両種別及び運行種別を判別する、
処理をコンピュータに実行させるための判別プログラム。 - 車両を撮像した車両画像を取得し、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出し、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別し、
前記車両画像の取得では、第1の撮像部が前記車両を撮像した第1の車両画像と第2の撮像部が前記車両を撮像した第2の車両画像とを取得し、
前記行先表示画像の抽出では、前記第1の車両画像から第1の行先表示画像を抽出するとともに、前記第2の車両画像から第2の行先表示画像を抽出し、
前記車両種別及び運行種別の判別では、前記第1の行先表示画像及び前記第2の行先表示画像のいずれかに基づいて、前記車両種別及び運行種別を判別する、
処理をコンピュータに実行させるための判別プログラム。 - 撮像装置と、判別装置と、ホームドア制御装置と、を備え、
前記判別装置は、
前記撮像装置が車両を撮像した車両画像を取得する取得部と、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出する抽出部と、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別する判別部と、
前記車両種別及び運行種別の判別結果を前記ホームドア制御装置へ出力する出力部と、
を備え、
前記ホームドア制御装置は、プラットホーム上に設置されたホームドアの複数の扉のうち、前記出力された車両種別及び運行種別の判別結果に対応した扉の開閉を制御し、
前記抽出部は、前記行先表示部の画像を学習した行先表示学習モデルに基づいて、前記車両画像から前記行先表示画像を抽出する、
制御システム。 - 撮像装置と、判別装置と、ホームドア制御装置と、を備え、
前記判別装置は、
前記撮像装置が車両を撮像した車両画像を取得する取得部と、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出する抽出部と、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別する判別部と、
前記車両種別及び運行種別の判別結果を前記ホームドア制御装置へ出力する出力部と、
を備え、
前記ホームドア制御装置は、プラットホーム上に設置されたホームドアの複数の扉のうち、前記出力された車両種別及び運行種別の判別結果に対応した扉の開閉を制御し、
前記判別部は、前記車両種別及び運行種別に関連付けられた行先表示部の画像を学習した車両種別学習モデルに基づいて、前記車両種別及び運行種別を判別する、
制御システム。 - 撮像装置と、判別装置と、ホームドア制御装置と、を備え、
前記判別装置は、
前記撮像装置が車両を撮像した車両画像を取得する取得部と、
前記取得した車両画像から行先表示部を含む行先表示画像を抽出する抽出部と、
前記抽出した行先表示画像に基づいて、前記車両の車両形式を含む車両種別及び前記車両の運行種別を判別する判別部と、
前記車両種別及び運行種別の判別結果を前記ホームドア制御装置へ出力する出力部と、
を備え、
前記ホームドア制御装置は、プラットホーム上に設置されたホームドアの複数の扉のうち、前記出力された車両種別及び運行種別の判別結果に対応した扉の開閉を制御し、
前記取得部は、第1の撮像部が前記車両を撮像した第1の車両画像と第2の撮像部が前記車両を撮像した第2の車両画像とを取得し、
前記抽出部は、前記第1の車両画像から第1の行先表示画像を抽出するとともに、前記第2の車両画像から第2の行先表示画像を抽出し、
前記判別部は、前記第1の行先表示画像及び前記第2の行先表示画像のいずれかに基づいて、前記車両種別及び運行種別を判別する、
制御システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020053453A JP7235253B2 (ja) | 2020-03-24 | 2020-03-24 | 判別装置、判別方法、制御システム、学習モデル生成装置、学習モデル生成方法及びプログラム |
JP2023020592A JP2023071731A (ja) | 2020-03-24 | 2023-02-14 | 判別装置、及びホームドア開閉位置制御信号自動出力装置 |
JP2023020593A JP2023053291A (ja) | 2020-03-24 | 2023-02-14 | 学習モデル生成装置、学習モデル生成方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020053453A JP7235253B2 (ja) | 2020-03-24 | 2020-03-24 | 判別装置、判別方法、制御システム、学習モデル生成装置、学習モデル生成方法及びプログラム |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023020593A Division JP2023053291A (ja) | 2020-03-24 | 2023-02-14 | 学習モデル生成装置、学習モデル生成方法及びプログラム |
JP2023020592A Division JP2023071731A (ja) | 2020-03-24 | 2023-02-14 | 判別装置、及びホームドア開閉位置制御信号自動出力装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021151842A JP2021151842A (ja) | 2021-09-30 |
JP7235253B2 true JP7235253B2 (ja) | 2023-03-08 |
Family
ID=77887082
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020053453A Active JP7235253B2 (ja) | 2020-03-24 | 2020-03-24 | 判別装置、判別方法、制御システム、学習モデル生成装置、学習モデル生成方法及びプログラム |
JP2023020592A Pending JP2023071731A (ja) | 2020-03-24 | 2023-02-14 | 判別装置、及びホームドア開閉位置制御信号自動出力装置 |
JP2023020593A Pending JP2023053291A (ja) | 2020-03-24 | 2023-02-14 | 学習モデル生成装置、学習モデル生成方法及びプログラム |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023020592A Pending JP2023071731A (ja) | 2020-03-24 | 2023-02-14 | 判別装置、及びホームドア開閉位置制御信号自動出力装置 |
JP2023020593A Pending JP2023053291A (ja) | 2020-03-24 | 2023-02-14 | 学習モデル生成装置、学習モデル生成方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (3) | JP7235253B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011158352A (ja) | 2010-02-01 | 2011-08-18 | Sinfonia Technology Co Ltd | 動力系の試験装置及びその制御方法 |
JP2017013725A (ja) | 2015-07-06 | 2017-01-19 | 日本信号株式会社 | 列車車種識別システム及び列車車種識別方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5766065A (en) * | 1980-10-02 | 1982-04-22 | Tokyo Shibaura Electric Co | Automatic guiding broadcasting device |
JPS61141087A (ja) * | 1984-12-14 | 1986-06-28 | Hitachi Ltd | 画像処理方法及び装置 |
JP2893948B2 (ja) * | 1990-11-30 | 1999-05-24 | 富士電機株式会社 | ナンバープレート認識装置 |
JPH09282447A (ja) * | 1996-04-18 | 1997-10-31 | Mitsubishi Electric Corp | 画像認識装置 |
JPH10302074A (ja) * | 1997-04-25 | 1998-11-13 | Chuo Spring Co Ltd | ナンバープレートの位置検出装置 |
JP5421188B2 (ja) * | 2010-05-19 | 2014-02-19 | 株式会社神戸製鋼所 | 列車種別検出装置 |
EP2583877B1 (en) * | 2010-06-16 | 2018-06-06 | Navitime Japan Co., Ltd. | Navigation system, terminal device, navigation server, navigation method, and navigation program |
JP7097321B2 (ja) * | 2018-03-16 | 2022-07-07 | 株式会社デンソーウェーブ | 鉄道車両の位置検出装置 |
-
2020
- 2020-03-24 JP JP2020053453A patent/JP7235253B2/ja active Active
-
2023
- 2023-02-14 JP JP2023020592A patent/JP2023071731A/ja active Pending
- 2023-02-14 JP JP2023020593A patent/JP2023053291A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011158352A (ja) | 2010-02-01 | 2011-08-18 | Sinfonia Technology Co Ltd | 動力系の試験装置及びその制御方法 |
JP2017013725A (ja) | 2015-07-06 | 2017-01-19 | 日本信号株式会社 | 列車車種識別システム及び列車車種識別方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021151842A (ja) | 2021-09-30 |
JP2023071731A (ja) | 2023-05-23 |
JP2023053291A (ja) | 2023-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214274B (zh) | 一种机场安保管理*** | |
US10878249B2 (en) | Border inspection with aerial cameras | |
US8127989B2 (en) | Apparatus and method of automating arrival and departure procedures in airport | |
CN107992786A (zh) | 一种基于人脸的公共场所人流量统计方法和*** | |
GB2556942A (en) | Transport passenger monitoring systems | |
CN106373200A (zh) | 一种快速自助检票进站装置及方法 | |
CN112633057A (zh) | 一种公交车内异常行为智能监控方法 | |
JP7235253B2 (ja) | 判別装置、判別方法、制御システム、学習モデル生成装置、学習モデル生成方法及びプログラム | |
JP2017054349A (ja) | 改札監視システム | |
CN111055890B (zh) | 一种铁路车辆防溜智能检测方法及检测*** | |
KR102217424B1 (ko) | 자율주행 대용량 간선 급행버스의 승객 안전성 확보를 위한 정류장 지원시스템 | |
US20220237970A1 (en) | Visitor management system and visitor management method | |
CN211427457U (zh) | 一种重要处所智能安防*** | |
CN107945288A (zh) | 车票识别验票*** | |
CN113936247B (zh) | 基于流线感知的轨道交通车站客流状态辨识*** | |
CN113533382A (zh) | 一种快速高效的客运站房数据共享安检***及方法 | |
CN114943930A (zh) | 车站清客方法及装置 | |
Murshed et al. | Automated level crossing system: A computer vision based approach with Raspberry Pi microcontroller | |
CN202771519U (zh) | 铁路货场智能门禁及其*** | |
Liu et al. | Intelligent video analysis system for railway station | |
WO2017048148A1 (en) | Monitoring a flow of objects by a sim card detector | |
Meshram et al. | Dynamic traffic scheduling using emergency vehicle detection | |
US20220292850A1 (en) | Reserved seat monitoring system, reserved seat monitoring method, and storage medium | |
JP6763053B2 (ja) | 改札監視システム | |
CN118135768B (zh) | 一种高速公路收费站人员动态作业环境下的安全监控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200421 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20200421 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200610 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210707 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220725 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220929 |
|
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: 20230117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7235253 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |