| 研究課題/領域番号 |
16500107
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
加藤 ジェーン 名古屋大学, 大学院・情報科学研究科, 助教授 (70251882)
|
|---|
| 研究分担者 |
渡邉 豊英 名古屋大学, 大学院・情報科学研究科, 教授 (80093342)
朝倉 宏一 名古屋大学, 評価企画室, 助教授 (80273283)
小尻 智子 名古屋大学, 情報連携基盤センター, 助手 (40362298)
|
|---|
| キーワード | 自動追跡(トラッキング) / 高度道路交通システム(ITS) / 隠れマルコフモデル(HMM) / 自動車走行音の認識 / 線形判別法 / 立体高次局所自己相関法(CHLAC) / 車載カメラ / 車両の検出 |
|---|
| 研究概要 |
我々はITS(高度道路交通システム)の実現には多種多様な情報を取得可能な動画像による情報獲得が有効と考え、動画像を用いた自動車の自動追跡技術の研究を進めてきた。しかし、追跡プロセスのロバスト性(頑健性)は、第一線の研究でもまだ低く、実用化には至っていない。そこで、自動車追跡のロバスト性の大幅向上と適用場面拡大を目標として本研究課題を提案した。
本研究課題では、まず、ローレベルな追跡技術と、高次元空間における対象物体の変形を追跡可能なハイレベル追跡とを一つの確率的な枠組(Bayesの枠組)に統合することで、日照条件の変動や対象物体の急な動きに適応できるロバストな自動車の追跡手法を確立した。これにより、ロバスト性向上と実時間追跡の両立が可能となる。
次に、上記枠組みの下、主としてローレベル追跡と位置づけられる認識機構の実現について検討・試作を行った。これらは単独でも移動物体の追跡プロセスとして利用可能であり、ハイレベル追跡と統合することで、よりロバスト性を高めた追跡システムとなりうるものである。第一に、悪天候時や夜間あるいは画像上で複数の自動車が重なる場合におけるロバスト性確保のため、自動車の走行音を認識することで、観測地点を通過する自動車を識別する手法を確立し、試作・評価を行った。第二に、路側のインフラがない場面での交通情報取得のため、移動車両上のカメラによる周囲の車両の検出・追跡を行う手法を検討した。第三に、移動車両の急な挙動や、交差点での車両・歩行者の挙動を認識する手法を検討し試作した。
本研究課題は、以上のような枠組みの下に平成16年度と平成17年度の二年間にわたって実施し、その研究成果を学会論文誌、国際会議、雑誌等で発表した。
|
