Discovery Sagaサイレントキーワード俯瞰

レーザレーダ / トラッキング / 歩行者 / 車両 / サーベイランス / 流動解析

1)駅構内でめ実験を行い、レーザスキャナデータから人を抽出、追跡するための基礎的な手法を開発した。合わせて、広い地域をカバーするために多数のスキャナをネットワークで結合し、時刻同期やデータのリアルタイム転送を達成する手法も検討した。実験の結果、人間に関しては、比較的良好な精度でトラッキングできることが示された。
2)上記の実験を通じて、空間に存在する人の密度の多寡という観点からレーザスキャナの適用可能性を評価した。その結果、1平方メートルあたり0.8名程度(駅などにおいて、旅客が一応人の流れに沿って歩くことが可能な程度)であれば、人数のカウントは99%程度の精度で可能であることがわかった。なお、一人一人のトラッキングは8割程度に落ちてしまう。そのため、人数カウント用アルゴリズムとトラッキング用アルゴリズムを分離しそれぞれを改良することが必要であることがわかった。電子タグやCCDカメラなどとの連携可能性も探ることの重要性が認識された。実験にあたってはCCDカメラも併用し、両者を融合したデータを作成し、その有効性を確認したので、来年度以降、具体的な抽出への適用を進める予定である。

ITS / 時空間MRFモデル / トラッキング / 事象認識 / 論理推論 / 意味階層構造 / 歩行者 / 車両 / 交差点 / 低画角画像 / バイアフリー / 高度交通システム(ITS)

昨年度(平成14年度)は、画像上で車両のような剛体と歩行者のような非剛体を統一的にトラッキングするためのアルゴリズムを開発した。今年度(平成15年度)においては、昨年度開発したアルゴリズムを発展させ、これらの異なる移動物体の詳細な軌跡を自動取得することを可能にし、リアルタイムシステムの試作品として実装した。
一方、異常事象等の状態認識に関しては、主に高速道路における車両交通流画像を対象とした実験を行い、事象認識のアルゴリズムを開発した。この事象認識では、上記トラッキングアルゴリズムより得られる移動物体の詳細な時空間軌跡情報にreasoning(論理推定)手法を適用した挙動の分類を行う。まず、座標クラス記述子によりトラッキング結果から個々の車両の時空間軌跡を抽出する。次に、挙動クラス記述子により時空間軌跡から停止・避走等の挙動の意味を抽出する。
そして最後に、事象クラス記述子により画面中の車両挙動を総合的に解釈し、事故・渋滞等の事象認識を行う。事象認識アルゴリズムは、トラッキング結果→座標クラス記述子→挙動クラス記述子→事象クラス記述子というように信号処理情報から意味情報へとデータの階層構造(Semantic Hierarchy)を構成しており、その階層構築過程は人間の認知過程と親和性が高いものとなっている。
このように、今年度の研究成果としては、車両および歩行者を統一的にトラッキングするアルゴリズムの開発は一定の成果を収めたと思われる。事象認識に関しては、車両画像を対象として挙動を詳細に認識するためのアルゴリズムとして基礎的なものが開発された。この認識アルゴリズムは、車両および歩行者の混合画像に対しても応用可能と考えられ、今後継続してその適用性を検証して行きたい。

【研究分担者】
坂内正夫	東京大学	生産技術研究所	教授	(Kakenデータベース)