專利名稱：車型判定裝置、程序、方法
技術領域：
本發(fā)明涉及一種使用拍攝車輛的圖像來判定該車輛的類型的車型判 定裝置、車型判定程序和車型判定方法，尤其涉及可以與攝影設備的設 置條件無關地、高精度地判定車輛類型的車型判定裝置、車型判定程序 和車型判定方法。
背景技術：
以往，在車輛管理業(yè)務等中，采用了分析利用在路上設置的攝影設 備拍攝的車輛的圖像并判定車輛的類型的系統。作為其代表，分析圖像 中的車牌部分并判定車輛的類型的系統已廣為人知。這種系統不僅利用車 牌的車輛號碼，還利用車牌的顏色等進行車型的判定(例如專利文獻l)。
但是，在分析車牌的方式中，在車牌較臟的情況下等，不能高精度 地判定車輛的類型。因此，在需要無論在哪種情況下都能高精度地判定 車輛類型的情況下，組合多種方式進行車型判定。關于與車牌部分的分
析無關地判定車輛的類型的方式，例如有專利文獻2公開的方式。
專利文獻2公開的車型判定方式按照預定的規(guī)則識別圖像中的車輛
的機罩部分和前車窗玻璃部分，根據這些部分的寬度和高度，進行對象
是普通車還是大型車的大致的車型判定。
專利文獻l:日本特開2003—331384號公報 專利文獻2:日本特開平11一353581號公報
但是，專利文獻2公開的車型判定方式根據機罩部分和前車窗玻璃 部分的高度等判定車輛的類型，所以根據車輛的形狀、在路上設置的攝 影設備的設置角度的組合，有時將導致錯誤地判定車型。
一般，圖像中的普通車的機罩部分的高度在攝影設備越以接近水平 的角度設置時越低，在設置角度越接近垂直時越高。因此，根據攝影設備的設置角度，特定類型的普通車的機罩部分的高度被拍攝為與大型車 的機罩部分的高度大致相同，有時會將普通車錯誤地判定為大型車。車 輛根據車型具有各自的特征形狀，所以即使調整攝影設備的設置角度， 也很難徹底防止這種錯誤判定。

發(fā)明內容
本發(fā)明就是為了解決上述現有技術的問題而提出的，其目的在于， 提供一種可以與攝影設備的設置條件無關地、高精度地判定車輛的類型 的車型判定裝置、車型判定程序和車型判定方法。
為了解決上述問題并達到上述目的，在本發(fā)明的一個方式中，提供 一種使用拍攝車輛的圖像來判定該車輛的類型的車型判定裝置，該車型 判定裝置的特征在于，該車型判定裝置具有執(zhí)行如下處理的單元從 所述圖像中提取水平方向的直線和側面的直線，其中，所述水平方向的 直線和側面的直線構成所述車輛的車型判定區(qū)域的輪廓；求出所述水平 方向的直線與所述側面的直線之間的角度的單元；以及車型判定單元， 其根據所述角度，判定所述車輛的類型。
并且，在本發(fā)明的一個方式中，其特征在于，使用距離攝影裝置的 設置位置遠的一側的側面，其中，所述攝影裝置用于拍攝所述圖像。
并且，在本發(fā)明的一個方式中，其特征在于，具有定義了所述角度 與車型之間的關系的存儲區(qū)域，所述車型判定單元通過參照所述存儲區(qū) 域來判定所述車輛的類型。
并且，在本發(fā)明的一個方式中，其特征在于，所述車型判定區(qū)域是 車輛的機罩。
并且，在本發(fā)明的一個方式中，其特征在于，所述車型判定區(qū)域是 車輛的前車窗玻璃。
另外，把本發(fā)明的構成要素、表述或構成要素的任意組合適用于方 法、裝置、系統、計算機程序、記錄介質、數據結構等得到的發(fā)明，作 為本發(fā)明的方式也是有效的。
根據本發(fā)明，其構成為識別圖像中的車輛的預定區(qū)域(例如機罩)，根據構成該區(qū)域的輪廓的水平方向的直線與側面的直線之間的角度進行 車型的判定，所以在根據機罩的高度等其他信息不能正確判定車型的情 況下，也發(fā)揮可以高精度地判定車輛的類型的效果。


圖1是表示背景圖像的一例的圖。 圖2是表示識別圖像的一例的圖。
圖3是表示車輛部分的提取結果的一例的圖。
圖4是表示縱向邊緣的檢測示例的圖。
圖5是表示基于邊緣的邊界設定示例的圖。
圖6是表示車輛部分的區(qū)域分割示例的圖。
圖7是表示獲取機罩的斜率和高度的示例的圖。
圖8是表示獲取貨車機罩的斜率和高度的示例的圖。
圖9是表示本實施例涉及的車型判定裝置的結構的功能方框圖。
圖IO是表示車型的判定規(guī)則的一例的圖。
圖11是表示由車輛部分提取部提取車輛部分的圖像的一例的圖。 圖12是表示機罩識別部根據圖11所示的圖像生成的輪廓圖像的一 例的圖。
圖13是表示構成圖11中的區(qū)域A的各個像素的像素值的圖。
圖14是表示構成圖12中的區(qū)域A的各個像素的像素值的圖。
圖15是表示車輛所處區(qū)域的寬度W的范圍的圖。
圖16是表示M二4時的分割線的一例的圖。
圖17是表示邊緣信息的一例的圖。
圖18是表示機罩的斜率的圖。
圖19是表示相當于機罩的區(qū)域的側面的坐標的圖。
圖20是表示基于顏色的機罩區(qū)域的推測規(guī)則的一例的圖。
圖21是表示基于區(qū)域的高度的機罩區(qū)域的推測規(guī)則的一例的圖。
圖22是表示車型判定裝置的處理步驟的流程圖。
圖23是表示車型判定處理的處理步驟的流程圖。圖24是表示機罩識別處理的處理步驟的流程圖。
圖25是表示執(zhí)行車型判定程序的計算機的功能方框圖。 符號說明
100車型判定裝置；110控制部；111圖像輸入部；112車輛部分提 取部；113車型判定部；114機罩識別部；115黃色號碼判定部；120存 儲部；121圖像數據存儲區(qū)域；122判定規(guī)則存儲區(qū)域；123設定信息存 儲區(qū)域；130顯示部；1000計算機；1010 CPU; 1020輸入裝置；1030監(jiān) 視器；1040介質讀取裝置；1050網絡接口裝置；1060 RAM; 1061車型 判定步驟；1070硬盤裝置；1071車型判定程序；1072車型判定用數據； 1080總線。
具體實施例方式
以下，參照附圖具體說明本發(fā)明涉及的車型判定裝置、車型判定程 序和車型判定方法的優(yōu)選實施方式。
實施例
首先，說明本實施例涉及的車型判定方法的概況。本實施例涉及的 車型判定方法從識別圖像中提取識別對象的車輛部分，再根據所提取的 車輛部分的機罩部分(車型判定區(qū)域)的高度和斜率，判定車輛的大致 類型。不僅利用機罩部分的高度，通過把斜率也設為判定因素，可以與 攝影設備的設置角度等無關地、高精度地進行車型判定。
在本實施例涉及的車型判定方法中，為了從識別圖像中提取識別對 象的車輛部分，進行背景圖像與識別圖像的比較。圖1是表示背景圖像
的一例的圖，圖2是表示識別圖像的一例的圖。如這些附圖所示，背景
圖像和識別圖像是利用同一攝影設備在同一位置以同一角度拍攝的圖 像。并且，背景圖像是沒有拍攝任何車輛的圖像，識別圖像是拍攝了識 別對象車輛的一部分或全部的圖像。
比較這兩個圖像并生成差分圖像，按照圖3所示，從識別圖像中只
提取車輛部分。這樣，在完成車輛部分的提取后，為了識別機罩，將所提取的車輛部分分割為幾個區(qū)域。
車輛部分的區(qū)域分割是以通過沿縱向掃描包括車輛部分的中央在內 的多處而檢測到的邊緣作為基準來進行的。圖4是表示縱向邊緣的檢測 示例的圖。該圖表示通過沿縱向掃描包括車輛部分的中央在內的三處來 檢測邊緣的示例。圖5是表示基于邊緣的邊界設定示例的圖。該圖表示 利用最小平方法等獲取通過大致處于同一水平線上的各個邊緣的中心的 直線，并把其作為邊界的示例。
另外，在該圖所示的示例中，忽略了前護柵的區(qū)域及其下方的邊緣。 前護柵的區(qū)域雖然可以通過檢測許多邊緣來識別，但通常位于機罩的下 方。本實施例涉及的車型判定方法如后面所述，采用通過與上方區(qū)域比 較來識別機罩部分的邏輯，不需要機罩下方的區(qū)域，所以不使用前護柵 的區(qū)域及其下方的邊緣。另外，在變更識別機罩部分的邏輯時，可以使 用前護柵的區(qū)域及其下方的邊緣。
圖6是表示車輛部分的區(qū)域分割示例的圖。該圖表示根據在圖5中 設定的邊界線把車輛部分分割為3個區(qū)域的示例。這樣，在進行區(qū)域分 割后，從上方區(qū)域調查各個區(qū)域的顏色的變化模式和縱向長度的變化模 式，將其結果與預定的推測規(guī)則對照，推測相當于機罩的區(qū)域。
并且，在推測相當于機罩的區(qū)域后，獲取機罩的斜率和高度，將它 們與預定的閾值比較，由此進行車型判定。圖7是表示獲取機罩的斜率
和高度的示例的圖。如該圖所示，機罩的斜率e求出為如下的角度區(qū)域
的下方邊界線與距攝影裝置遠的側面的輪廓線之間的角度。并且，機罩
的高度H求出為區(qū)域的上方邊界線與下方邊界線之間的距離。另外，嚴
格地講，e不是機罩的斜率本身，而是根據機罩的斜率和攝像機的拍攝位
置確定的角度，但由于攝像機的拍攝位置是一定的，所以在本說明書中
把e稱呼為機罩的斜率。
為了求出機罩的斜率e，需要獲取距攝影裝置遠的側面的輪廓線，該 線例如可以在相當于機罩的區(qū)域中距攝影裝置遠的側面中，獲取作為車 輛部分提取的區(qū)域的邊界線上的幾個點作為樣本，并作為通過這些點的 中心的直線，利用最小平方法求出。并且，在不能精密提取車輛部分時，
8也可以對橫向邊緣檢測幾點，并把其作為基準來獲取輪廓線。
圖8是表示獲取貨車機罩的斜率和高度的示例的圖。如該圖所示， 貨車的機罩的斜率大于圖7所示的普通車的斜率。并且，貨車機罩的高 度低于圖7所示的普通車的高度。
艮P，通過獲取機罩的斜率和高度，并將它們與預定的閾值比較，可 以容易判定識別對象是普通車還是貨車。萬一，由于攝影裝置的設置角 度，在普通車的機罩的高度被拍攝為與貨車相同的高度時，由于不會同 時將機罩的斜率拍攝為與貨車相同的斜率，所以能夠避免錯誤判定。
圖2等所示的圖像是從斜上方拍攝車輛得到的，這樣從斜上方拍攝 車輛的方法具有不會使駕駛員注意到攝像機的存在的優(yōu)點。并且，圖2
等所示的圖像容易進行基于車牌的車型判定，所以不是拍攝整個車輛， 而是將車輛的前半部分拍攝得比較大。本實施例涉及的車型判定方法對 于這樣傾斜拍攝車輛的一部分得到的圖像，只要能夠識別到機罩的斜率 程度的不同，就能夠正確進行車型判定。
下面，說明使用本實施例涉及的車型判定方法進行車型判定的車型
判定裝置的結構。圖9是表示本實施例涉及的車型判定裝置100的結構 的圖。如該圖所示，車型判定裝置100具有控制部110、存儲部120和顯 示部130。顯示部130是顯示各種信息的裝置，利用液晶顯示裝置等構成。 控制部110是控制整個車型判定裝置100的控制部，具有圖像輸入 部lll、車輛部分提取部112、車型判定部113、機罩識別部114和黃色 號碼判定部115。圖像輸入部111是受理識別圖像和背景圖像的輸入，將 所輸入的識別圖像和背景圖像存儲在存儲部120的圖像數據存儲區(qū)域121 中的處理部。
車輛部分提取部112是對存儲在圖像數據存儲區(qū)域121中的識別圖 像和背景圖像進行比較，從識別圖像中提取車輛部分作為差分圖像的處 理部。車輛部分提取部112在比較識別圖像和背景圖像時，獲取識別圖 像中拍攝路面的可能性較大的幾個點的周邊像素的RGB (Red、 Green and Blue)值，并與背景圖像的相同位置的周邊像素的RGB值進行比較。
并且，差分較大的點由于拍攝車輛的可能性較大而被排除，求出被
9推測為路面的其他點的差分的平均值。并且，使用所求出的差分的平均 值進行背景圖像的拉伸，使明亮度與識別圖像吻合。這樣，通過在提取 差分之前調整背景圖像的明亮度，可以提高車輛部分的提取精度。
然后，車輛部分提取部112按照被細分的每個區(qū)域或每個像素，比
較識別圖像和背景圖像，求出R、 G、 B各個值的差分的絕對值。并且， 把差分的絕對值中R、 G、 B任一方在閾值以上的部分識別為車輛部分。
這樣，通過比較識別圖像和背景圖像并提取車輛部分，即使存在像 路面上的白線那樣與背景中的其他部分色度等大不相同的部分，也能夠 刪除該部分并正確提取車輛部分。另外，在上述說明中，把RGB值作為 基準來比較識別圖像和背景圖像，但也可以利用明度和亮度等其他值來 取代RGB值，或者與RGB值并用進行比較。
并且，在上述說明中，示出了通過與背景圖像的比較來提取車輛部 分的示例，但也可以利用其他已知的方法來提取車輛部分，即，使用微 分濾波等提取識別圖像中的輪廓，并對所提取的輪廓進行模式匹配。
車型判定部113是對由車輛部分提取部112提取的車輛部分進行分 析，并判定車輛的大致類型的處理部。具體地講，車型判定部113把所 提取的車輛部分劃分為"摩托車"、"路面及其他"、"輕型汽車"、"大型車 (卡車)"、"貨車"和"普通車"六種類型。另外，所說"輕型汽車"，在日 本指排氣量在660cc以下的被分類為小型汽車的車型，排氣量在1000 3000cc左右的"普通車"被賦予白色車牌，相對于此，"輕型汽車"被賦予 黃色車牌。
車型判定部113在所提取的車輛部分的面積和寬度在預定的閾值以 下時，如果高度大于閾值，則把對象判定為"摩托車"，如果高度在閾值 以下，則把對象判定為"路面及其他"。并且，在通過黃色號碼判定部115 的分析，判明所提取的車輛部分映有黃色車牌時，把對象判定為"輕型汽 車"。
并且，車型判定部113在所提取的車輛部分的面積和寬度在預定的 閾值以上時，把對象判定為"大型車"。在上述之外的情況下，使用已經 說明的本實施例涉及的車型判定方法，根據機罩的斜率和高度，判定對
10象是"貨車"還是"普通車"。
另外，上述的車型判定的區(qū)分和判定邏輯僅是一例，可以根據目的 進行變更。例如，在需要把"輕型汽車"再劃分為"輕型轎車"和"輕型卡車" 時，也可以使用本實施例涉及的車型判定方法判別兩者。具體地講，在 識別到黃色車牌時，如果機罩的斜率的大小在預定的閾值以上、而且機 罩的高度在預定的閾值以下，則把對象判定為"輕型卡車"，否則，判定 為"輕型轎車"。
并且，"大型車"的判別也可以使用本實施例涉及的車型判定方法。 具體地講，在機罩具有接近垂直的斜率、而且高度在預定的閾值以上時， 可以判定為"大型車"。圖10表示根據機罩的斜率判定"普通車"、"貨車" 和"大型車"時的判定規(guī)則的一例。在該圖所示的判定規(guī)則被存儲在存儲
部120的判定規(guī)則存儲區(qū)域122中時，車型判定部113參照該規(guī)則，如 果機罩的斜率e為45° 75°，則把對象判定為"普通車"，如果0為75° 85°， 則把對象判定為"貨車"，如果e為85° 105°，則把對象判定為"大型車"。 機罩識別部114是根據由車輛部分提取部112提取的車輛部分識別 相當于機罩的部分，并獲取該部分的高度和斜率的處理部。由機罩識別 部114獲取的機罩的斜率和高度，也在車型判定部113的車型判定中使 用。
機罩識別部114首先對由車輛部分提取部112提取了車輛部分的圖 像執(zhí)行輪廓提取處理。具體地講，對復制的圖像數據的各個像素的RGB 值進行HSI (Hue、 Saturation、 Intensity)轉換或HSV (Hue、 Saturation、 Value)轉換，生成把所得到的各個像素的明亮度或亮度作為該像素的像 素值的灰度圖像。并且，對所生成的灰度圖像施加Sobel和Prewitt等已 知的微分濾波器來強調輪廓，然后進行基于閾值處理的二值化等，生成 輪廓圖像。
圖11是表示由車輛部分提取部112提取車輛部分的圖像的一例的 圖，圖12是表示機罩識別部114根據圖11所示的圖像生成的輪廓圖像 的一例的圖。并且，圖13是表示構成圖11中的區(qū)域A的各個像素的像 素值的圖，圖14是表示構成圖12中的區(qū)域A的各個像素的像素值的圖。在圖14的示例中，進行使輪廓部分的像素的像素值為225、使其他部分
的像素的像素值為o的二值化。
然后，機罩識別部114沿橫向掃描輪廓圖像，獲取相當于輪廓的像 素出現的最左側的坐標和最右側的坐標，把它們之間視為車輛所在的區(qū) 域，并獲取其寬度W。在輪廓圖像是圖12所示的圖像時，車輛所在區(qū)域 的寬度W表示圖15所示的范圍。
并且，機罩識別部114設定把車輛所在的區(qū)域分割為W/M的寬度的 M—l個縱向分割線。M必須是至少3以上的整數，在本實施例中，設為 M=4。在M二4時，如圖16所示，設定3個縱向分割線、即線A C。
在設定分割線后，機罩識別部114獲取相鄰的上下像素的像素值的 差分，同時從上向下地掃描各個分割線上的像素。并且，每當檢測到差 分大于閾值的部分時，把上側的像素的坐標作為邊緣記錄在邊緣信息中。 邊緣信息是按照每個分割線保存位于邊緣即輪廓邊界的像素的坐標的信 息，并與處理對象的圖像相對應地存儲在存儲部120的圖像數據存儲區(qū) 域121中。圖17表示邊緣信息的一例。如該圖所示，在邊緣信息中按照 每個分割線記錄著位于輪廓邊界的像素的坐標。另外，各個分割線通過 車輛的不同部分，所以邊緣信息中記錄的坐標的數量有時因每個分割線 而不同。
然后，機罩識別部114參照邊緣信息，提取大致水平位置的坐標的 組合。關于坐標的組合的提取，例如通過從各個分割線上的坐標中逐個 選出Y軸的值的差收斂在預定值以內的坐標來進行。在假設選出Y軸的 值的差在10以內的坐標時，從圖17所示的邊緣信息的示例中提取線A 的(146、 12)與線B的(l卯、17)與線C的(216、 16)的組合、和線 A的(146、 36)與線B的(190、 37)與線C的(216、 35)的組合等。
并且，機罩識別部114對所提取的每個組合使用最小平方法等，求 出通過組合內的各個坐標的中心的水平方向的直線，把這些直線作為邊 界，對由車輛部分提取部112提取了車輛部分的圖像分割區(qū)域。通過以 上處理，如圖6所示，可以把由車輛部分提取部112提取的車輛部分分 割為車輛的每個部位的區(qū)域。這樣，在將車輛部分分割區(qū)域后，機罩識別部114推測這些區(qū)域中 的哪個相當于機罩。為了推測相當于機罩的區(qū)域，機罩識別部114求出 各個區(qū)域的顏色、寬度和高度。關于顏色，可以獲取區(qū)域中的各個像素 的顏色的平均，也可以根據區(qū)域中的各個像素的顏色的分布求出。并且， 機罩識別部114將所求出的各個區(qū)域的顏色、寬度和高度，與存儲在存
儲部120的判定規(guī)則存儲區(qū)域122中的推測規(guī)則對照，由此推測相當于 機罩的區(qū)域。
圖20是表示基于顏色的機罩區(qū)域的推測規(guī)則的一例的圖。如該圖所 示，該規(guī)則對相鄰的兩個區(qū)域的上位區(qū)域的顏色和下位區(qū)域的顏色的每 種組合，定義下位區(qū)域是相當于機罩的區(qū)域的概率。
例如，在上位區(qū)域的顏色是"銀色"、下位區(qū)域的顏色是"白色"時， 由于上位區(qū)域是前車窗玻璃、下位區(qū)域是機罩的可能性較大，所以相對 于該組合的概率為"30"。并且，在上位區(qū)域的顏色是"白色"、下位區(qū)域的 顏色是"銀色"時，由于上位區(qū)域是車頂、下位區(qū)域是前車窗玻璃的可能 性較大，所以相對于該組合的概率為"O"。
圖21是表示基于區(qū)域的高度的機罩區(qū)域的推測規(guī)則的一例的圖。如 該圖所示，該規(guī)則對相鄰的兩個區(qū)域的上位區(qū)域的高度占總體的比率和 下位區(qū)域的高度占總體的比率的每種組合，定義下位區(qū)域是相當于機罩 的區(qū)域的概率。
例如，在上位區(qū)域的高度的比率為"25%"、下位區(qū)域的高度的比率 為"40%"時，由于上位區(qū)域是前車窗玻璃、下位區(qū)域是機罩的可能性較 大，所以相對于該組合的概率為"40"。并且，在上位區(qū)域的高度的比率 為"30%"、下位區(qū)域的高度的比率為"20%"時，由于上位區(qū)域是車頂、下 位區(qū)域是前車窗玻璃的可能性較大，所以相對于該組合的概率為"O"。
機罩識別部114對相鄰的兩個區(qū)域的全部組合進行與這些規(guī)則的對 照，對每種組合累計下位區(qū)域是機罩的概率。例如，在上位區(qū)域的顏色 是"銀色"、高度為"25%"，而且下位區(qū)域的顏色是"白色"、高度為"40%" 時，該組合中的下位區(qū)域是機罩的概率累計值為30+40=70。并且，機 罩識別部114把能夠獲得最高概率的組合中的下位區(qū)域推測為機罩。另夕卜，此時，為了防止把寬度狹小、不可能是機罩的區(qū)域錯誤地推測為機 罩，也可以把機罩寬度的下限值存儲在判定規(guī)則存儲區(qū)域122中，將下 位區(qū)域的寬度小于該下限值的組合排除外后，進行判定。
另外，在上述示例中，根據相鄰的兩個區(qū)域的顏色和高度的變化模 式來推測相當于機罩的區(qū)域，但也可以根據相鄰的三個以上區(qū)域的顏色 和高度的變化模式來推測相當于機罩的區(qū)域。
這樣，在推測相當于機罩的區(qū)域后，機罩識別部114求出該區(qū)域的 高度和斜率。關于斜率，通過如下方法求出兩條直線所成的角度，其 中， 一條直線是相當于機罩的區(qū)域的下端的線，即是在根據邊緣信息求 出的邊界線中、成為被推測為機罩的區(qū)域與其正下方區(qū)域之間的邊界的 線(圖18中的線D)，另一條直線是被推測為機罩的區(qū)域中距攝像機遠
的一側的側面的直線(圖18中的線F)。
表示被推測為機罩的區(qū)域的側面中哪個是距攝像機遠的一側的信
息，被預先存儲在存儲部120的設定信息存儲區(qū)域123中。并且，機罩 識別部114按照圖19所示提取距攝像機遠的一側的側面與背景之間的邊 界部分的坐標，使用最小平方法等求出通過這些坐標的中心的直線，把 該直線作為距攝像機遠的一側的側面的直線。
另外，為了防止相當于機罩的區(qū)域的斜率和高度因攝像機的設置角 度和高度而變化，機罩識別部114也可以根據存儲在存儲部120的設定 信息存儲區(qū)域123中的有關攝影設備的設置角度的信息、和整個識別圖 像中的機罩部分的位置等，校正機罩的斜率和高度。
黃色號碼判定部115是判定由車輛部分提取部112提取的車輛部分 是否映有黃色車牌的處理部。該判定例如可以使用專利文獻1公開的技 術實現。黃色號碼判定部115的判定結果還在車型判定部113的車型判 定中使用。
存儲部120是存儲各種信息的存儲部，具有圖像數據存儲區(qū)域121、 判定規(guī)則存儲區(qū)域122和設定信息存儲區(qū)域123。圖像數據存儲區(qū)域121 是存儲通過圖像輸入部受理輸入的識別圖像及其關聯信息和背景圖像的 區(qū)域。判定規(guī)則存儲區(qū)域122是存儲用于使車型判定部113和機罩識別部
114進行各種判定的規(guī)則和閾值的區(qū)域。設定信息存儲區(qū)域123是存儲像 攝影設備的設置角度那樣的設定信息的區(qū)域。
下面，說明圖9所示的車型判定裝置100的處理步驟。圖22是表示 車型判定裝置100的處理步驟的流程圖。如該圖所示，首先，圖像輸入 部111受理背景圖像的輸入，并將其存儲在圖像數據存儲區(qū)域中(步驟 SlOl)，還受理識別圖像的輸入，并將其存儲在圖像數據存儲區(qū)域中(步 驟S102)。
并且，車輛部分提取部112調整背景圖像的明亮度，使識別圖像與 背景圖像的路面部分的明亮度相同(步驟S103)，比較識別圖像和背景圖 像，從識別圖像中提取車輛部分(步驟S104)。
并且，車型判定部113對由車輛部分提取部112提取的車輛部分進 行后面敘述的車型判定處理，判定車輛的類型(步驟S105)，將判定結果 輸出給顯示部130 (步驟S106)。
圖23是表示車型判定處理的處理步驟的流程圖。如該圖所示，首先， 車型判定部113獲取由車輛部分提取部112提取的車輛部分的面積、寬 度和高度(步驟S201)。
并且，當面積和寬度在閾值以下時(步驟S202:肯定)，如果高度 在閾值以下(步驟S211:肯定)，則把識別對象判定為"路面及其他"(步 驟S213)，否則(步驟S211:否定)，把識別對象判定為"摩托車"(步驟 S212)。
當由車輛部分提取部112提取的車輛部分的面積和寬度不在閾值以 下時(步驟S202:否定)，進行后面敘述的機罩識別處理，獲取機罩的斜 率和高度(步驟S203)。
并且，當通過黃色號碼判定部115確認存在黃色車牌時(步驟S204-肯定)，把識別對象判定為"輕型汽車"(步驟S210)，如果車輛部分的面 積和寬度在閾值以上(步驟S205:肯定)，則把識別對象判定為"大型車" (步驟S209)。
并且，當判定識別對象既不是"輕型汽車"也不是"大型車"時(步驟
15S204:否定，而且步驟S205:否定)，在通過機罩識別處理得到的機罩的
斜率在閾值以上、而且高度在閾值以下的情況下(步驟S206:肯定)，把 識別對象判定為"貨車"(步驟S208)，否則(步驟S206:否定)，把識別 對象判定為"普通車"(步驟S207)。
圖24是表示機罩識別處理的處理步驟的流程圖。如該圖所示，首先， 車型判定部113檢測由車輛部分提取部112提取的車輛部分的縱向邊緣 (步驟S301)，把所檢測的邊緣作為基準，把車輛部分分割為多個區(qū)域(步 驟S302)。
并且，獲取通過分割得到的各個區(qū)域的顏色、寬度和高度(步驟 S303)，并將其與推測規(guī)則對照，推測相當于機罩的區(qū)域(步驟S304)。 并且，檢測機罩的側面的輪廓線(步驟S305)，獲取機罩的斜率和高度(步 驟S306)，進行所獲取的斜率和高度的校正(步驟S307)。
另外，圖9所示的本實施例涉及的車型判定裝置100的結構可以在 不脫離本發(fā)明宗旨的范圍內進行各種變更。例如，把車型判定裝置100 的控制部110的功能安裝為軟件，并由計算機執(zhí)行該軟件，由此可以實 現與車型判定裝置100相同的功能。以下，表示執(zhí)行把控制部110的功 能安裝為軟件的車型判定程序1071的計算機的一例。
圖25是表示執(zhí)行車型判定程序1071的計算機1000的功能方框圖。 該計算機1000通過利用總線1080連接以下各部分而構成執(zhí)行各種運 算處理的CPU (Central Processing Unit) 1010;受理來自用戶的數據輸入 的輸入裝置1020;顯示各種信息的監(jiān)視器1030;從記錄了各種程序等的 記錄介質讀取程序等的介質讀取裝置1040;通過網絡與其他計算機之間 進行數據的收發(fā)的網絡接口裝置1050;臨時存儲各種信息的RAM (Random Access Memory) 1060;和硬盤裝置1070。
并且，在硬盤裝置1070中存儲有具有與圖9所示控制部110相同 的功能的車型判定程序1071、和與存儲在圖9所示存儲部120中的各種 數據對應的車型判定用數據1072。另外，也可以將車型判定用數據1072 適當分散存儲在通過網絡連接的其他計算機中。
并且，CPU1010從硬盤裝置1070讀出車型判定程序1071并展開到
16RAM1060中，由此車型判定程序1071發(fā)揮車型判定步驟1061的作用。 并且，車型判定步驟1061把從車型判定用數據1072讀出的信息等適當 展開到RAM1060中分配給自身的區(qū)域中，并根據該展開的數據等執(zhí)行各 種數據處理。
另外，上述車型判定程序1071未必一定要存儲在硬盤裝置1070中， 也可以由計算機1000讀出存儲在CD—ROM等存儲介質中的該程序并執(zhí) 行。并且，還可以在通過公共線路、因特網、LAN (Local Area Network)、 WAN (Wide Area Network)等連接到計算機1000上的其他計算機(或服 務器)等中存儲該程序，計算機1000從這些設備中讀出程序并執(zhí)行。
如上所述，在本實施例中構成為識別圖像中的車輛的機罩，除其高 度外，還根據側面的斜率的大小來進行車型的判定，所以在由于攝影設 備的設置條件而不能根據機罩的高度等正確判定車型時，也能夠高精度 地判定車輛的類型。
另外，上述實施例中的詞--機罩，如果是在車輛前部具有發(fā)動機的車 輛，則指車輛前部的發(fā)動機的防護罩，如果是在車輛后部具有發(fā)動機的 車輛，則指車輛前部的后備箱的防護罩。
并且，在上述實施例中，說明了根據識別圖像中的機罩的側面部分 的斜率的大小來判定車輛的類型的示例，但也可以根據機罩的側面部分 的倒角的大小來判定車輛的類型。該情況時，例如求出機罩的側面部分 的近時曲線，計算表示倒角大小的系數，并將其與閾值比較來進行車型 判定。該方式在判定機罩具有倒角的特殊形狀的車輛時比較有效。
并且，也可以取代識別圖像中的機罩，或者除此之外，獲取能夠獲 取斜率的大小作為任一個角的角度的部位(例如前車窗玻璃部分和車頂 部分)的斜率的大小，并判定車輛的類型。例如，在前車窗玻璃部分的 斜率大于閾值時，可以判定識別對象是大型車。
并且，在上述實施例中，說明了使用這些車型判定區(qū)域的下邊與側 面的直線之間的角度來判定車型的示例，但也可以取代該示例，使用車 型判定區(qū)域的上邊與側面的直線之間的角度也能夠獲得相同結果。
產業(yè)上的可利用性如上所述，本發(fā)明涉及的車型判定裝置、車型判定程序和車型判定 方法，在使用拍攝車輛的圖像來判定該車輛的類型時比較有用，尤其適 合于需要與攝影設備的設置條件無關地、高精度地判定車輛的類型的情 況。
權利要求
1. 一種使用拍攝車輛的圖像來判定該車輛的類型的車型判定裝置，其特征在于，該車型判定裝置具有執(zhí)行如下處理的單元從所述圖像中提取水平方向的直線和側面的直線，其中，所述水平方向的直線和側面的直線構成所述車輛的車型判定區(qū)域的輪廓；求出所述水平方向的直線與所述側面的直線之間的角度的單元；以及車型判定單元，其根據所述角度，判定所述車輛的類型。
2. 根據權利要求1所述的車型判定裝置，其特征在于，所述側面的 直線使用距離攝影裝置的設置位置遠的一側的側面，其中，所述攝影裝 置用于拍攝所述圖像。
3. 根據權利要求1所述的車型判定裝置，其特征在于，該車型判定 裝置具有定義了所述角度與車型之間的關系的存儲區(qū)域，所述車型判定單元通過參照所述存儲區(qū)域來判定所述車輛的類型。
4. 根據權利要求1所述的車型判定裝置，其特征在于，所述車型判 定區(qū)域是車輛的機罩。
5. 根據權利要求1所述的車型判定裝置，其特征在于，所述車型判 定區(qū)域是車輛的前車窗玻璃。
6. 根據權利要求l所述的車型判定裝置，其特征在于，該車型判定 裝置具有車型判定區(qū)域提取單元，該車型判定區(qū)域提取單元以通過沿縱向掃描所述圖像得到的邊緣作為基準，把所述車輛分割為多個區(qū)域，根 據這些區(qū)域的顏色的變化參數，識別所述車型判定區(qū)域。
7. 根據權利要求1所述的車型判定裝置，其特征在于，該車型判定 裝置具有車型判定區(qū)域提取單元，該車型判定區(qū)域提取單元以通過沿縱 向掃描所述圖像得到的邊緣作為基準，把所述車輛分割為多個區(qū)域，根 據這些區(qū)域的高度的變化參數，識別所述車型判定區(qū)域。
8. —種車型判定程序，其特征在于，該車型判定程序使得使用拍攝 車輛的圖像來判定該車輛的類型的車型判定裝置作為以下單元而動作執(zhí)行如下處理的單元從所述圖像中提取水平方向的直線和側面的 直線，其中，所述水平方向的直線和側面的直線構成所述車輛的車型判 定區(qū)域的輪廓；求出所述水平方向的直線與所述側面的直線之間的角度的單元；以及車型判定單元，其根據所述角度，判定所述車輛的類型。
9. 一種使用拍攝車輛的圖像來判定該車輛的類型的車型判定裝置 的車型判定方法，其特征在于，該車型判定方法包括執(zhí)行如下處理的步驟從所述圖像中提取水平方向的直線和側面的 直線，其中，所述水平方向的直線和側面的直線構成所述車輛的車型判 定區(qū)域的輪廓；求出所述水平方向的直線與所述側面的直線之間的角度的步驟；以及車型判定步驟，根據所述角度，判定所述車輛的類型。
全文摘要
本發(fā)明的課題是提供一種可以與攝影設備的設置條件無關地、高精度地判定車輛的類型的車型判定裝置、程序、方法。為了解決該課題，車型判定裝置(100)具有從識別對象的圖像中提取車輛部分的車輛部分提取部(112)；識別由車輛部分提取部(112)提取的車輛部分中相當于機罩的區(qū)域的機罩識別部(114)；以及根據由機罩識別部(114)識別的機罩區(qū)域的側面的斜率的大小來判定類型的車型判定部(113)。
文檔編號G08G1/015GK101454814SQ20078001934
公開日2009年6月10日 申請日期2007年5月25日 優(yōu)先權日2006年5月26日
發(fā)明者兒玉賢二, 安藤淳禎, 新莊孝子, 秦早穗子, 高橋國和 申請人:富士通株式會社