2017 Fiscal Year Research-status Report
| Project/Area Number |
16K01304
|
|---|
| Research Institution | Oshima National College of Maritime Technology |
|---|
Principal Investigator |
岡村 健史郎 大島商船高等専門学校, その他部局等, 教授 (60194388)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松村 遼 大島商船高等専門学校, その他部局等, 助教 (20734768)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 進入物体検出 / カメラキャリブレーション / サーマルカメラ / 密漁防止 |
|---|
| Outline of Annual Research Achievements |
近年，沿岸部の海上で犯罪が多発している．その犯罪の中で特に注目されているものが密漁である．水産物の枯渇による価格上昇により，この密漁が暴力団の資金源になっていると言われており，緊急の対策が求められている．本研究は，これらの犯罪に対処するとともに地方の小規模な漁業協同組合でも利用可能な安価な自動監視システムの構築を目指している．この研究において，筆者らはサーマルカメラを用いて海上を含む沿岸領域を観測した画像から，固有空間法を用いて変動を多く含む背景を記述し，天候や観測時間に影響されずに進入物体を高精度に検出・追跡するシステムの構築を行っている．
平成29年度においては，昨年設置したカメラに対して，内部パラメータおよび外部パラメータを推定するカメラキャリブレーションを容易にするための手法の開発を行った．キャリブレーションにより対象領域の地点の三次元空間上の座標と観測画像の画素の座標との対応付けが可能となる．従来，キャリブレーションは監視領域に固有の座標を設定し，巻き尺やレーザーメータなどを用いて，各地点の座標を設定していた．この方法では，障害物の無い広大な領域が必要で，海上部では実施することが出来ない．そこで，本研究では小型船舶上にてGPSを用いた小型測位機とWiFiネットワークを用い，小型船舶を監視カメラで撮影し，その画像と船舶上の測位機から得られた緯度経度をリアルタイムで読み取ることで，容易にキャリブレーションが海上領域でも出来ることを示した．これにより座標系を設定する必要が無いだけでなく広大な海上領域を対象にキャリブレーションが出来るようになった．キャリブレーションの精度は，巻き尺を用いた地上でのキャリブレーションと比べ3倍程度の誤差が生じたが，カメラから数百メートル～数キロ離れた領域では検出に大きな影響が出ないことが分かった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究は，広大な沿岸領域を対象に，天候，時間による背景変動に対して頑健な検出・追跡性能を示す安価な自動監視システム構築を目指している．
平成29年度には，まず，広大な監視領域をカメラによらず共通座標により統合するためのカメラキャリブレーション手法の開発を行い，続いて複数のカメラから得られる情報の統合方法の開発を行うことを計画した．この第一の計画に対して，小型船舶上にてGPSによる小型測位機とWiFiネットワークを用い，小型船舶を監視カメラで撮影し，その画像と小型測位機の緯度経度をリアルタイムで読み取ることで容易にキャリブレーションが海上領域でも出来ることを示した．これにより海上を含む広大な領域において，視点固定型の単眼カメラを用いて実世界上での物体サイズや位置などを推定できるようになった．この小型測位機を用いた海上領域に対するキャリブレーションの精度は，地上の巻き尺を用いたキャリブレーションの精度に比べ，やや大きくなっていた．従来，測位システムを構成する衛星がアメリカのGPSだけであったが，平成29年度より日本の衛星であるみちびきが配備されつつ有り，測位の精度が今後飛躍的に向上することが期待される．
平成29年度内の第二の計画に対して，平成28年度に設置した二台目のカメラに対して，キャリブレーションを行い，監視が出来るようにした．このカメラは一台目のカメラと共通の座標系を持ち，この座標系において進入物体の位置や大きさを検出できた．予定していた，二台のカメラの検出結果を再評価し，これら複数の結果を統合するところまでは至っていない．しかし，複数のカメラが共通の座標系のもとで物体を検出できるようになったため，別のカメラで検出された物体の統合化は物体の座標から十分可能であると考えられる．この結果の統合に関しては平成30年に行う．
|
| Strategy for Future Research Activity |
平成30年が研究計画の最終年度になる．まず，平成29年度の予定であった複数台のカメラの検出結果から，それらを再評価し，複数の結果を一つにする手法を考える．測位機を用いたキャリブレーションでは，全てのカメラが共通の座標を用いて物体の位置を推定する．そこで，各カメラによって検出された物体の位置を手がかりにカメラ間で監視物体の受け渡しを考える．
本システムが実用化されるためには，天候や昼夜を問わずに物体を追跡できることが最も大切である．そのためには，事前に学習した背景画像だけでなく，リアルタイムに背景モデルを更新し，検出時の真の背景に近い背景を作る出すことが必要となる．本研究おいて，背景は学習画像に対する固有ベクトルとして表現される．そこで，観測した画像を保存しておき，それらの中から監視実行日に近い画像を検索し，固有空間を学習変更することを考える．更に，検出精度が悪い場合には，学習候補画像をユーザに提示し，ユーザが選択することで監視精度を向上する．このとき，容易に選択できるようなGUIシステムも構築する．
近年，ネットワークの発達により情報処理の形としてクラウドコンピューティングが多く用いられるようになってきた．この科研費申請時にはサーマルカメラから得られるデータを監視領域に設置した小型コンピュータにて処理し，その処理結果のみをWiFiネットワークを用いて監視者に送信するという通信量を少なくするモデルを考えていた．しかし，WiFiの通信コストが急激に低下するとともにクラウド上のコンピュータ処理のコストが大幅に低下していることから，カメラで撮影した画像をクラウド上のコンピュータに送信し処理する方法も検討する．これにより，領域に複数設置し設定する必要のあった小型コンピュータの保守作業が大幅に低下すると共に，処理性能が大幅に向上することが期待される．
|
| Causes of Carryover |
小型船を用いた海上での実験に使用予定であった人件費，燃料費などを本校教職員の協力により使わないで良くなった．この費用に関しては，収集したテスト用データの保存用ひカメラが増え，大きな容量が必要になってきていることから，ファイルサーバ用HDDと画像印刷用プリンターに利用する．
|
