特開 2023-161443 車側灯点灯状態検知システムおよび車側灯点灯状態検知装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023161443

(43)【公開日】2023-11-07

(54)【発明の名称】車側灯点灯状態検知システムおよび車側灯点灯状態検知装置

(51)【国際特許分類】

   B61B 1/02 20060101AFI20231030BHJP

   G01M 17/08 20060101ALI20231030BHJP

   B61D 37/00 20060101ALI20231030BHJP

   G06T 7/00 20170101ALI20231030BHJP

   G06V 10/70 20220101ALI20231030BHJP

【ＦＩ】

B61B1/02

G01M17/08

B61D37/00 G

G06T7/00 350B

G06V10/70

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2022071839

(22)【出願日】2022-04-25

(71)【出願人】

【識別番号】000005234

【氏名又は名称】富士電機株式会社

(74)【代理人】

【識別番号】100104433

【弁理士】

【氏名又は名称】宮園 博一

(72)【発明者】

【氏名】矢▲崎▼ 敬祐

(72)【発明者】

【氏名】石河 範明

(72)【発明者】

【氏名】野間 拓耶

(72)【発明者】

【氏名】鈴木 崇大

(72)【発明者】

【氏名】植草 秀明

【テーマコード（参考）】

3D101

5L096

【Ｆターム（参考）】

3D101AD20

5L096BA18

5L096DA03

5L096FA52

5L096JA11

5L096KA04

(57)【要約】

【課題】鉄道車両の車体色の彩度と車側灯の彩度との差異が小さい場合でも、車側灯が点灯しているか否かの判定精度が低下することを抑制することにより、車側灯の点灯状態を精度よく検知することが可能な車側灯点灯状態検知システムを提供する。
【解決手段】この車側灯点灯状態検知システム１００は、鉄道車両２の側面２ｅに設けられた車側灯３が写る車両画像３０を撮像する画像撮像部１０と、車側灯３が写る画像を用いた機械学習によって学習された学習済モデル４を用いて、車両画像３０に写る車側灯３が点灯しているか否かを示す情報である点灯情報２０を取得する画像処理部１１と、点灯情報２０に基づいて、車側灯３の点灯状態を検知する制御部１２と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

鉄道車両の側面に設けられた車側灯が写る車両画像を撮像する画像撮像部と、
前記車側灯が写る画像を用いた機械学習によって学習された学習済モデルを用いて、前記車両画像に写る前記車側灯が点灯しているか否かを判定した情報である点灯情報を取得する画像処理部と、
前記点灯情報に基づいて、前記車側灯の点灯状態を検知する制御部と、を備える、車側灯点灯状態検知システム。

【請求項2】

前記画像処理部は、前記学習済モデルが推定した、前記車両画像において前記車側灯が写る領域の情報である学習推定領域情報を、前記点灯情報とともに取得するように構成されており、
前記制御部は、前記点灯情報と、前記学習推定領域情報とに基づいて、前記車側灯の点灯状態を検知するように構成されている、請求項１に記載の車側灯点灯状態検知システム。

【請求項3】

鉄道車両毎に予め設定された、前記学習推定領域情報の領域よりも大きい前記車側灯の領域の情報である設定領域情報を記憶する記憶部をさらに備え、
前記制御部は、前記画像処理部において取得された前記学習推定領域情報と、前記記憶部に記憶された前記設定領域情報とに基づいて、学習推定領域が、設定領域に含まれるか否かを判定するとともに、前記学習推定領域が、領前記設定領域に含まれる場合には、前記点灯情報を出力し、前記学習推定領域が、前記設定領域に含まれない場合には、エラー情報を出力するように構成されている、請求項２に記載の車側灯点灯状態検知システム。

【請求項4】

前記記憶部は、予め設定された前記車側灯の個数の情報である設定車側灯個数情報をさらに記憶するように構成されており、
前記制御部は、前記車両画像に写る前記車側灯の個数を取得するとともに、取得した前記車側灯の個数と、前記設定車側灯個数情報とが異なる場合に、前記エラー情報を出力するように構成されている、請求項３に記載の車側灯点灯状態検知システム。

【請求項5】

前記画像撮像部は、複数の前記車側灯を撮像するように構成されており、
前記学習済モデルは、１枚の画像中に複数の前記車側灯が写る場合には、前記車側灯毎に前記点灯情報を出力するように構成されている、請求項１に記載の車側灯点灯状態検知システム。

【請求項6】

前記制御部は、複数の前記車両画像のうち、前記車側灯が重複して写る画像の一方に対して、重複した前記車側灯が写る領域を、前記車側灯が点灯しているか否かを判定する判定対象から除外するように構成されている、請求項５に記載の車側灯点灯状態検知システム。

【請求項7】

前記制御部は、重複した前記車側灯が写る領域に対してマスキング処理を行うことにより、重複した前記車側灯が写る領域を、前記車側灯が点灯しているか否かを判定する判定対象から除外するように構成されている、請求項６に記載の車側灯点灯状態検知システム。

【請求項8】

鉄道車両の停止位置の情報である停止位置情報を取得する停止位置情報取得部をさらに備え、
前記制御部は、前記停止位置情報と、前記学習済モデルにより取得された前記点灯情報とに基づいて、前記車側灯の点灯状態を検知するように構成されている、請求項２に記載の車側灯点灯状態検知システム。

【請求項9】

前記学習済モデルは、前記車両画像から前記車側灯が点灯しているか否かを判定することを学習されたディープニューラルネットワークである、請求項１に記載の車側灯点灯状態検知システム。

【請求項10】

鉄道車両の側面に設けられた車側灯が写る車両画像を取得する画像取得部と、
前記車側灯が写る画像を用いた機械学習によって学習された学習済モデルを用いて、前記車両画像に写る前記車側灯が点灯しているか否かを判定した情報である点灯情報を取得する画像処理部と、
前記点灯情報に基づいて、前記車側灯の点灯状態を検知する制御部と、を備える、車側灯点灯状態検知装置。

【発明の詳細な説明】

【技術分野】

【0001】

この発明は、鉄道車両に設けられた車側灯が点灯しているか否かを判定することにより、車側灯の点灯状態を検知する車側灯点灯状態検知システムおよび車側灯点灯状態検知装置に関する。

【背景技術】

【0002】

従来、鉄道車両に設けられた車側灯が点灯しているか否かを判定することにより、車側灯の点灯状態を検知する車側灯点灯状態検知システムが知られている（たとえば、特許文献１参照）。

【0003】

上記特許文献１には、車側灯を撮影する撮影装置と、撮影装置による撮影画像を用いて、車側灯が点灯しているか否かを判定する判定装置とを備える車側灯点灯検知システムが開示されている。特許文献１に開示されている判定装置では、外乱光による判定精度の低下を抑制するために、撮影画像に写る車側灯の彩度に基づいて、車側灯が点灯しているか否かを判定している。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１７－１２１８３４号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、上記特許文献１に記載されている車側灯点灯検知システム（車側灯点灯状態検知システム）では、撮影画像（車両画像）に写る車側灯の彩度に基づいて車側灯が点灯しているか否かを判定しているため、たとえば、鉄道車両が、車側灯の彩度と差異が小さい車体色を有する場合に、車側灯が点灯しているか否かの判定精度が低下するという不都合がある。この場合、車側灯の点灯状態の検知精度が低下するという問題点がある。

【0006】

この発明は、上記のような課題を解決するためになされたものであり、この発明の１つの目的は、鉄道車両の車体色の彩度と車側灯の彩度との差異が小さい場合でも、車側灯が点灯しているか否かの判定精度が低下することを抑制することにより、車側灯の点灯状態を精度よく検知することが可能な車側灯点灯状態検知システムを提供することである。

【課題を解決するための手段】

【0007】

上記目的を達成するために、この発明の第１の局面による車側灯点灯状態検知システムは、鉄道車両の側面に設けられた車側灯が写る車両画像を撮像する画像撮像部と、車側灯が写る画像を用いた機械学習によって学習された学習済モデルを用いて、車両画像に写る車側灯が点灯しているか否かを判定した情報である点灯情報を取得する画像処理部と、点灯情報に基づいて、車側灯の点灯状態を検知する制御部と、を備える。

【0008】

上記第１の局面による車側灯点灯状態検知システムは、車側灯が写る画像を用いた機械学習によって学習された学習済モデルを用いて、車両画像に写る車側灯が点灯しているか否かを判定した情報である点灯情報を取得する画像処理部と、点灯情報に基づいて、車側灯の点灯状態を判定する制御部と、を備える。ここで、機械学習によって学習された学習済モデルは、鉄道車両の車体色の彩度と車側灯の彩度との差異が小さい場合でも、鉄道車両と車側灯との境界を取得することができると考えられる。したがって、上記のように構成することにより、画像処理部が、学習済モデルを用いて車側灯が点灯しているか否かを判定した情報である点灯情報を取得するため、鉄道車両の車体色の彩度と車側灯の彩度との差異が小さい場合でも、車側灯が点灯しているか否かを精度よく判定することができる。その結果、鉄道車両の車体色の彩度と車側灯の彩度との差異が小さい場合でも、車側灯が点灯しているか否かの判定精度が低下することを抑制することにより、車側灯の点灯状態を精度よく検知することが可能な車側灯点灯状態検知システムを提供することができる。

【0009】

上記第１の局面による車側灯点灯状態検知システムにおいて、好ましくは、画像処理部は、学習済モデルが推定した、車両画像において車側灯が写る領域の情報である学習推定領域情報を、点灯情報とともに取得するように構成されており、制御部は、点灯情報と、学習推定領域情報とに基づいて、車側灯の点灯状態を検知するように構成されている。このように構成すれば、制御部が、点灯情報とともに、学習推定領域情報を用いて車側灯の点灯状態を検知するので、学習推定領域情報によって、車両画像に写る車側灯の位置を取得することができる。その結果、たとえば、１枚の車両画像に複数の車側灯が写る場合でも、点灯情報と学習推定領域情報とに基づいて、個々の車側灯の点灯状態を区別して検知することができる。

【0010】

この場合、好ましくは、鉄道車両毎に予め設定された、学習推定領域情報の領域よりも大きい車側灯の領域の情報である設定領域情報を記憶する記憶部をさらに備え、制御部は、画像処理部において取得された学習推定領域情報と、記憶部に記憶された設定領域情報とに基づいて、学習推定領域が、設定領域に含まれるか否かを判定するとともに、学習推定領域が、設定領域に含まれる場合には、点灯情報を出力し、学習推定領域が、設定領域に含まれない場合には、エラー情報を出力するように構成されている。このように構成すれば、制御部が、学習推定領域が設定領域に含まれると判定した場合には、点灯情報が出力されるので、たとえば、ホームドアなどに対して点灯情報を出力することにより、ホームドアの開閉などに車側灯点灯の点灯情報を利用することができる。また、制御部が、学習推定領域が設定領域に含まれないと判定した場合には、エラー情報が出力される。したがって、予め設定された鉄道車両以外の鉄道車両が停車している場合に、ホームドアが開かれることを抑制することができる。

【0011】

上記制御部が画像処理部において取得された学習推定領域情報と、記憶部に記憶された設定領域情報とに基づいて、学習推定領域が、設定領域に含まれるか否かを判定する構成において、好ましくは、記憶部は、予め設定された車側灯の個数の情報である設定車側灯個数情報をさらに記憶するように構成されており、制御部は、車両画像に写る車側灯の個数を取得するとともに、取得した車側灯の個数と、設定車側灯個数情報とが異なる場合に、エラー情報を出力するように構成されている。このように構成すれば、制御部は、学習推定領域情報から取得された車側灯の個数と、設定車側灯個数情報とを比較することにより、ホームに停車している鉄道車両が予め設定された鉄道車両であるか否かを、容易に判定することができる。

【0012】

上記第１の局面による車側灯点灯状態検知システムにおいて、好ましくは、画像撮像部は、複数の車側灯を撮像するように構成されており、学習済モデルは、１枚の画像中に複数の車側灯が写る場合には、車側灯毎に点灯情報を出力するように構成されている。このように構成すれば、１枚の画像中に複数の車側灯が写る場合には、車側灯毎に点灯情報が出力されるので、１つの画像撮像部によって、複数の車側灯を撮影した場合でも、個々の車側灯の点灯情報を取得することができる。その結果、たとえば、１つの車側灯を１つの画像撮像部で撮影する場合のように、車側灯毎に画像撮像部を配置する必要がないので、部品点数が増加することを抑制しつつ、システムの構成が複雑化することを抑制することができる。

【0013】

この場合、好ましくは、制御部は、複数の車両画像のうち、車側灯が重複して写る画像の一方に対して、重複した車側灯が写る領域を、車側灯が点灯しているか否かを判定する判定対象から除外するように構成されている。このように構成すれば、複数の車両画像に重複して写る車側灯が、重複して点灯しているか否かを判定されることを抑制することができる。その結果、１つの車側灯が複数の車両画像に写っていた場合でも、車側灯の点灯状態を正確に検知することができる。

【0014】

上記制御部が重複した車側灯が写る領域を、車側灯が点灯しているか否かを判定する判定対象から除外するように構成において、好ましくは、制御部は、重複した車側灯が写る領域に対してマスキング処理を行うことにより、重複した車側灯が写る領域を、車側灯が点灯しているか否かを判定する判定対象から除外するように構成されている。このように構成すれば、制御部が重複した車側灯が写る領域に対してマスキング処理を行うので、重複した車側灯が写る領域を、車側灯が点灯しているか否かを判定する判定対象から容易に除外することができる。

【0015】

上記第１の局面による車側灯点灯状態検知システムにおいて、好ましくは、鉄道車両の停止位置の情報である停止位置情報を取得する停止位置情報取得部をさらに備え、制御部は、停止位置情報と、学習済モデルにより取得された点灯情報とに基づいて、車側灯の点灯状態を検知するように構成されている。このように構成すれば、鉄道車両の停止位置にずれが生じた場合でも、停止位置情報に基づいて、設定領域情報に含まれる設定領域を修正することができる。その結果、鉄道車両の停止位置にずれが生じた場合でも、車側灯の点灯状態の検知精度が低下することを抑制することができる。

【0016】

上記第１の局面による車側灯点灯状態検知システムにおいて、好ましくは、学習済モデルは、車両画像から車側灯が点灯しているか否かを判定することを学習されたディープニューラルネットワークである。このように構成すれば、物体検出に適した学習モデルであるディープニューラルネットワークを用いることにより、車両画像に写る車側灯を精度よく検出することができる。

【0017】

この発明の第２の局面による車側灯点灯状態検知装置は、鉄道車両の側面に設けられた車側灯が写る車両画像を取得する画像取得部と、車側灯が写る画像を用いた機械学習によって学習された学習済モデルを用いて、車両画像に写る車側灯が点灯しているか否かを判定した情報である点灯情報を取得する画像処理部と、点灯情報に基づいて、車側灯の点灯状態を検知する制御部と、を備える。

【0018】

上記第２の局面による車側灯点灯状態検知装置では、上記のように、車側灯が写る画像を用いた機械学習によって学習された学習済モデルを用いて、車両画像に写る車側灯が点灯しているか否かを判定した情報である点灯情報を取得する画像処理部と、点灯情報に基づいて、車側灯の点灯状態を検知する制御部と、を備える。これにより、上記第１の局面による車側灯点灯状態検知システムと同様に、鉄道車両の車体色の彩度と車側灯の彩度との差異が小さい場合でも、車側灯が点灯しているか否かの判定精度が低下することを抑制することにより、車側灯の点灯状態を精度よく検知することが可能な車側灯点灯状態検知装置を提供することができる。

【発明の効果】

【0019】

本発明によれば、上記のように、鉄道車両の車体色の彩度と車側灯の彩度との差異が小さい場合でも、車側灯が点灯しているか否かの判定精度が低下することを抑制することにより、車側灯の点灯状態を精度よく検知することが可能な車側灯点灯状態検知システムを提供することができる。

【図面の簡単な説明】

【0020】

【図1】第１実施形態による車側灯点灯状態検知システムの全体構成を示した模式図である。

【図2】車両画像を説明するための模式図である。

【図3】第１実施形態による制御部が車両画像に対して行うマスキング処理を説明するための模式図である。

【図4】学習済モデルを生成する構成を説明するための模式図である。

【図5】第１実施形態による画像処理部が点灯情報および学習推定領域情報を取得する構成を説明するための模式図である。

【図6】車両画像に対して設定領域を設定する構成を説明するための模式図である。

【図7】第１実施形態による制御部が車側灯の点灯状態を検知する構成を説明するためのブロック図である。

【図8】第１実施形態による制御部が車側灯の点灯状態を検知する構成を説明するための模式図である。

【図9】第１実施形態による車側灯点灯状態検知装置が学習済モデルを生成する処理を説明するためのフローチャートである。

【図10】第１実施形態による車側灯点灯状態検知装置が点灯情報を出力する処理を説明するためのフローチャートである。

【図11】第２実施形態による車側灯点灯状態検知システムの全体構成を示した模式図である。

【図12】第２実施形態による制御部が、停止位置情報に基づいて設定領域を補正する構成を説明するための模式図である。

【図13】第２実施形態による車側灯点灯状態検知装置が点灯情報を出力する処理を説明するためのフローチャートである。

【発明を実施するための形態】

【0021】

以下、本発明を具体化した実施形態を図面に基づいて説明する。

【0022】

［第１実施形態］
（車側灯点灯状態検知システムの全体構成）
図１～図８を参照して、本発明の第１実施形態による車側灯点灯状態検知装置１を備える車側灯点灯状態検知システム１００の構成について説明する。車側灯点灯状態検知システム１００は、鉄道車両２に設けられた車側灯３の点灯状態を検知するシステムである。なお、車側灯３とは、鉄道車両２の側面２ｅに設けられ、鉄道車両２のドア２ｆ（図２参照）の開閉状態を報知するための側灯である。すなわち、車側灯３は、戸閉め車側灯である。

【0023】

また、図１に示す例では、鉄道車両２は、第１車両２ａ～第４車両２ｄを含む４両編成である。鉄道車両２の各車両には、１つの車側灯３が設けられている。すなわち、第１車両２ａ～第４車両２ｄには、それぞれ、第１車側灯３ａ～第４車側灯３ｄが設けられている。なお、鉄道車両２の車両数は、何両であってもよい。

【0024】

車側灯点灯状態検知装置１は、鉄道車両２に設けられた複数の車側灯３の点灯状態を検知する。また、車側灯点灯状態検知装置１は、車側灯３が点灯しているか否かを判定した情報である点灯情報２０を、上位装置１０１に対して出力するように構成されている。上位装置１０１は、たとえば、ホームに設置されたホームドアの制御装置などを含む。

【0025】

図１に示すように、車側灯点灯状態検知システム１００は、車側灯点灯状態検知装置１と、画像撮像部１０とを備える。

【0026】

車側灯点灯状態検知装置１は、画像処理部１１と、制御部１２と、記憶部１３と、画像取得部１４とを備える。

【0027】

画像撮像部１０は、鉄道車両２の側面２ｅに設けられた車側灯３が写る車両画像３０を撮像するように構成されている。画像撮像部１０は、ホームに設けられ、停車している鉄道車両２を撮像するように構成されている。本実施形態では、車側灯点灯状態検知システム１００は、複数の画像撮像部１０を備えている。図１に示す例では、車側灯点灯状態検知システム１００は、第１画像撮像部１０ａおよび第２画像撮像部１０ｂを備える。画像撮像部１０（第１画像撮像部１０ａおよび第２画像撮像部１０ｂ）は、たとえば、カラー画像を撮像可能なカメラである。

【0028】

本実施形態では、画像撮像部１０は、複数の車側灯３を撮像するように構成されている。図１に示す例では、第１画像撮像部１０ａおよび第２画像撮像部１０ｂの各々は、複数の車側灯３を撮像するように構成されている。具体的には、第１画像撮像部１０ａは、破線５０および破線５１で示すように、第１車両２ａ～第３車両２ｃに設けられた第１車側灯３ａ～第３車側灯３ｃを撮像するように構成されている。

【0029】

また、第２画像撮像部１０ｂは、破線５２および破線５３で示すように、第２車両２ｂ～第４車両２ｄに設けられた第２車側灯３ｂ～第４車側灯３ｄを撮像するように構成されている。なお、破線５０～破線５３は、各画像撮像部１０の撮像範囲を便宜的に示すものである。

【0030】

画像処理部１１は、車側灯３が写る画像を用いた機械学習によって学習された学習済モデル４を用いて、車両画像３０に写る車側灯３が点灯しているか否かを判定した情報である点灯情報２０を取得するように構成されている。画像処理部１１は、たとえば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、および、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などを含む。画像処理部１１が学習済モデル４を用いて点灯情報２０を取得する構成の詳細については、後述する。

【0031】

制御部１２は、点灯情報２０に基づいて、車側灯３の点灯状態を検知するように構成されている。制御部１２は、たとえば、ＣＰＵ、ＲＯＭ、および、ＲＡＭなどを含む。制御部１２が車側灯３の点灯状態を検知する構成の詳細については、後述する。

【0032】

記憶部１３は、学習済モデル４を記憶するように構成されている。また、記憶部１３は、後述する設定領域情報２２および設定車側灯個数情報２３を記憶するように構成されている。なお、本実施形態では、記憶部１３は、複数の設定領域情報２２、および、複数の設定車側灯個数情報２３を記憶している。具体的には、記憶部１３は、ホームに停車する鉄道車両２毎に、設定領域情報２２および設定車側灯個数情報２３を関連付けて（紐づけて）記憶している。記憶部１３は、たとえば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、または、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）などの不揮発性の記憶装置である。

【0033】

画像取得部１４は、鉄道車両２の側面２ｅに設けられた車側灯３が写る車両画像３０を取得するように構成されている。画像取得部１４は、取得した車両画像３０を、画像処理部１１に出力するように構成されている。画像取得部１４は、たとえば、入出力インタフェースである。

【0034】

（車両画像）
図２は、画像撮像部１０（図１参照）が撮像する車両画像３０の模式図である。

【0035】

車両画像３０には、鉄道車両２（図１参照）が写る。また、車両画像３０には、各車両に設けられた車側灯３（図１参照）が写る。図２に示す例では、車両画像３０には、第１車両２ａ～第３車両２ｃ、および、第１車両２ａ～第３車両２ｃに設けられた第１車側灯３ａ～第３車側灯３ｃが写る。

【0036】

（マスキング処理）
ここで、車両画像３０に写る第３車側灯３ｃは、第１画像撮像部１０ａ（図１参照）および第２画像撮像部１０ｂ（図１参照）のいずれにおいても撮像される。この場合、第１画像撮像部１０ａによって撮像された車両画像３０、および、第２画像撮像部１０ｂによって撮像された車両画像３０の両方に写る第３車側灯３ｃが画像毎に判定された場合、鉄道車両２（図１参照）に設けられた車側灯３（図１参照）の個数よりも多い数の車側灯３が判定されることになる。

【0037】

そこで、本実施形態では、図３に示すように、制御部１２（図１参照）は、複数の車両画像３０（図２参照）のうち、車側灯３（図１参照）が重複して写る画像の一方に対して、重複した車側灯３が写る領域３０ａ（図２参照）を、車側灯３が点灯しているか否かを判定する判定対象から除外するように構成されている。具体的には、制御部１２は、重複した車側灯３が写る領域３０ａに対してマスキング処理を行うことにより、重複した車側灯３が写る領域３０ａを、車側灯３が点灯しているか否かを判定する判定対象から除外するように構成されている。図３に示す車両画像３１は、マスキング処理が行われた後の車両画像３０である。制御部１２は、たとえば、マスキング処理として、領域３１ａに示すように、重複した車側灯３が写る領域３０ａを黒塗りするように構成されている。なお、制御部１２は、ユーザの操作入力に基づいて、複数の車両画像３０に重複して写る車側灯３のうち、大きさが小さい車側灯３が写る領域３０ａに対して、マスキング処理を行う。

【0038】

（学習済モデルの生成）
次に、図４を参照して、学習済モデル４（図１参照）を生成する構成について説明する。

【0039】

学習済モデル４は、教師用画像３２および教師用画像３３を教師用データとして、点灯情報２０および学習推定領域情報２１を出力することを、学習モデル５を学習することにより生成される。なお、学習推定領域情報２１は、複数の車両画像３０において車側灯３が写る領域の情報である。

【0040】

教師用画像３２および教師用画像３３の各々は、車側灯３が写る領域である車側灯領域４０が設定され、かつ、車側灯３が点灯しているか否かのラベルが設定された画像である。教師用画像３２は、車両画像３０に対して、マスキング処理を行わずに車側灯領域４０および車側灯３が点灯しているか否かのラベルが設定された画像である。また、教師用画像３３は、車両画像３０に対してマスキング処理が行われた車両画像３１に対して、車側灯領域４０および車側灯３が点灯しているか否かのラベルが設定された画像である。

【0041】

図４に示すように、教師用画像３２は、複数の画像撮像部１０によって撮像された複数の車両画像３０に対して、車側灯領域４０および車側灯３が点灯しているか否かのラベルを設定することにより取得される。点灯しているか否かを示すラベルは、たとえば、数値である。すなわち、車側灯３が点灯している場合には、ラベルとして、「１」が設定される。また、車側灯３が消灯している場合には、ラベルとして、「０」が設定される。なお、図４に示す例では、車側灯３が点灯しているか否かを識別するため、車側灯３が点灯している画像については、車側灯３および車側灯領域４０を実線で図示し、車側灯３が消灯している画像については、車側灯３および車側灯領域４０を破線で図示している。すなわち、教師用画像３２ａおよび教師用画像３３ａが、車側灯３が消灯している画像である。また、教師用画像３２ｂおよび教師用画像３３ｂが、車側灯３が点灯している画像である。

【0042】

学習モデル５を学習させることにより生成された学習済モデル４（図１参照）は、車両画像３０が入力された場合、点灯情報２０およびが学習推定領域情報２１を出力する。具体的には、学習済モデル４は、点灯情報２０として、車側灯３が点灯しているか否かを示す数値を出力する。より具体的には、学習済モデル４は、車側灯３が点灯している場合には、「１」を出力し、車側灯３が消灯している場合には、「０」を出力する。

【0043】

また、学習済モデル４（図１参照）は、学習推定領域情報２１として、車両画像３０に写る車側灯３の領域（車側灯領域４０）の情報を出力する。具体的には、学習済モデル４は、車両画像３０に写る車側灯３の領域の座標値を出力する。より具体的には、学習済モデル４は、車側灯３の領域の対角の２点の座標値を出力する。なお、学習済モデル４は、１枚の画像中に複数の車側灯３が写る場合には、車側灯３毎に点灯情報２０を出力するように構成されている。また、学習済モデル４は、１枚の画像中に複数の車側灯３が写る場合には、車側灯３毎に学習推定領域情報２１を出力するように構成されている。

【0044】

すなわち、教師用画像３２および教師用画像３３が、教師用入力データであり、車両画像３０に写る車側灯３の領域（車側灯領域４０）の情報、および、車側灯３が点灯しているか否かを示すラベルが、教師用出力データである。

【0045】

本実施形態では、学習済モデル４（図１参照）は、複数の車両画像３０から車側灯３が点灯しているか否かを判定することを学習されたディープニューラルネットワークである。

【0046】

（点灯情報および学習推定領域情報の取得）
次に、図５を参照して、画像処理部１１が点灯情報２０および学習推定領域情報２１を取得する構成について説明する。図５に示すように、画像撮像部１０は、鉄道車両２（図１参照）を撮像した車両画像３０を取得する。画像撮像部１０は、取得した車両画像３０を、画像取得部１４に対して出力する。

【0047】

画像取得部１４は、画像撮像部１０から入力された車両画像３０を、画像処理部１１に対して出力する。

【0048】

画像処理部１１は、画像取得部１４から入力された車両画像３０と、記憶部１３から読み込んだ学習済モデル４とに基づいて、点灯情報２０および学習推定領域情報２１を取得する。すなわち、画像処理部１１（図１参照）は、学習済モデル４が推定した、複数の車両画像３０において車側灯３が写る領域の情報である学習推定領域情報２１を、点灯情報２０とともに取得するように構成されている。画像処理部１１は、取得した点灯情報２０および学習推定領域情報２１を、制御部１２に対して出力する。

【0049】

制御部１２は、点灯情報２０と、学習推定領域情報２１とに基づいて、車側灯３の点灯状態を検知するように構成されている。

【0050】

ここで、ホームには、様々な種類の鉄道車両２（図１参照）が停車する。また、鉄道車両２によって車両編成が異なる。そのため、制御部１２が、たとえば、鉄道車両２の種類を判定せずに、車側灯３の点灯状態を検知しただけで、点灯情報２０を上位装置１０１（図１参照）に対して出力した場合、鉄道車両２が停車していない位置のホームドアが開かれる可能性がある。そのため、本実施形態では、制御部１２は、ホームに停車している鉄道車両２が、予め停車すると設定されている車両であるか否かを判定するように構成されている。

【0051】

（設定領域）
ホームに停車している鉄道車両２（図１参照）が、予め停車すると設定されている車両であるか否かを判定するために、画像撮像部１０（図１参照）が撮像する車両画像３０（図１参照）および、車両画像３１には、鉄道車両２毎に設定領域４１が設定される。図６に示す例は、車両画像３１に対して設定される設定領域４１を示している。設定領域４１は、車両画像３０および車両画像３１において車側灯３が写る可能性がある領域である。設定領域４１は、鉄道車両２の停止位置のずれを考慮した大きさに設定される。具体的には、設定領域４１は、鉄道車両２（図１参照）毎に予め設定された、学習推定領域情報２１（図５参照）の領域（学習推定領域４２（図８参照））よりも大きい車側灯３の領域である。本実施形態では、記憶部１３（図５参照）は、設定領域４１の情報である設定領域情報２２（図５参照）を記憶するように構成されている。

【0052】

ここで、画像撮像部１０（図１参照）は、ホームに固定されているため、画像撮像部１０によって撮像される車両画像３１に写る車側灯３の個数は、鉄道車両２（図１参照）の種類が同じであれば、変更されない。そのため、設定領域４１は、画像撮像部１０によって撮像された車両画像３０（車両画像３１）に対して、鉄道車両２の種類毎に設定される。

【0053】

また、設定領域４１は、車両画像３１に写る車側灯３毎に設定される。図６に示す例では、車両画像３１において、２つの車側灯３（第１車側灯３ａおよび第２車側灯３ｂ）が写っている。そのため、図６に示す例では、設定領域４１は、第１車側灯３ａに対して設定される第１設定領域４１ａと、第２車側灯３ｂに対して設定される第２設定領域４１ｂとを含む。

【0054】

（鉄道車両が予め停車すると設定されている車両であるか否かの判定）
次に、図７および図８を参照して、制御部１２が、鉄道車両２（図１参照）が、予め停車すると設定されている車両であるか否かを判定する構成について説明する。

【0055】

図７に示すように、制御部１２は、画像処理部１１において取得された学習推定領域情報２１と、記憶部１３に記憶された設定領域情報２２とに基づいて、鉄道車両２（図１参照）が、予め停車すると設定されている車両であるか否かを判定する。

【0056】

制御部１２は、画像処理部１１から学習推定領域情報２１を取得する。また、制御部１２は、記憶部１３から、設定領域情報２２を取得する。また、制御部１２は、画像処理部１１から点灯情報２０を取得する。

【0057】

制御部１２は、学習推定領域情報２１と設定領域情報２２とに基づいて、鉄道車両２（図１参照）が、予め停車すると設定されている車両であるか否かを判定する。

【0058】

具体的には、図８に示すように、制御部１２（図７参照）は、画像処理部１１（図７参照）において取得された学習推定領域情報２１（図７参照）と、記憶部１３（図７参照）に記憶された設定領域情報２２（図７参照）とに基づいて、学習推定領域４２が、設定領域４１に含まれるか否かを判定する。

【0059】

図８の画像３４ａ～画像３４ｃに示すように、制御部１２は、設定領域４１と学習推定領域４２との両方を重畳表示させる。なお、図８に示す画像３４ａ～画像３４ｃは、車両画像３０（図２参照）および車両画像３１（図３参照）に対して、設定領域４１および学習推定領域４２を重畳表示させた画像である。画像３４ａ～画像３４ｃは、制御部１２が、学習推定領域４２が設定領域４１に含まれるか否かを判定する構成を説明するために便宜的に図示している画像であるため、鉄道車両２（図１参照）、および、車側灯３（図１参照）を図示していない。また、制御部１２は、画像３４ａ～画像３４ｃを生成しなくてもよい。

【0060】

制御部１２は、全ての学習推定領域４２が、設定領域４１に含まれるか否かを判定する。なお、制御部１２は、記憶部１３（図７参照）に記憶されている車両毎の設定領域情報２２を取得し、車両毎の設定領域情報２２に含まれる設定領域４１に対して、全ての学習推定領域４２が含まれるか否かを判定する。また、学習推定領域４２が設定領域４１に含まれるとは、設定領域４１の内部に、学習推定領域４２が内包されることを意味する。

【0061】

画像３４ａは、第１設定領域４１ａ、第２設定領域４１ｂ、第１学習推定領域４２ａ、および、第２学習推定領域４２ｂが写る。画像３４ａでは、第１学習推定領域４２ａおよび第２学習推定領域４２ｂが、それぞれ、第１設定領域４１ａおよび第２設定領域４１ｂに内包されている。

【0062】

画像３４ｂは、第３設定領域４１ｃ、第４設定領域４１ｄ、第３学習推定領域４２ｃ、および、第４学習推定領域４２ｄが写る。画像３４ｂでは、第３学習推定領域４２ｃおよび第４学習推定領域４２ｄが、それぞれ、第３設定領域４１ｃおよび第４設定領域４１ｄに内包されている。

【0063】

画像３４ｃは、第５設定領域４１ｅ、および、第５学習推定領域４２ｅが写る。画像３４ｃでは、第５学習推定領域４２ｅは、第５設定領域４１ｅに内包されている。すなわち、図８に示す例は、ホームに停車している鉄道車両２（図１参照）が、予め停車すると設定されている車両であることを示している。

【0064】

再び図７を参照して、本実施形態では、制御部１２は、学習推定領域４２（図８参照）が、設定領域４１（図８参照）に含まれる場合には、点灯情報２０を上位装置１０１に対して出力するように構成されている。また、制御部１２は、学習推定領域４２が、設定領域４１に含まれない場合には、エラー情報２４を上位装置１０１に対して出力するように構成されている。

【0065】

ここで、学習推定領域４２の個数が設定領域４１の個数よりも少ない場合、全ての学習推定領域４２が設定領域４１に含まれる場合がある。しかしながら、学習推定領域４２の個数と設定領域４１の個数とが異なる場合、ホームに停車している鉄道車両２（図１参照）は、予め停車すると設定されている車両ではないと考えられる。

【0066】

そこで、制御部１２は、車側灯３の個数に基づいて、鉄道車両２が予め停車すると設定されている車両であるか否かを判定するように構成されている。本実施形態では、記憶部１３は、予め設定された車側灯３の個数の情報である設定車側灯個数情報２３を記憶するように構成されている。制御部１２は、複数の車両画像３０（図１参照）に写る車側灯３の個数を取得するように構成されている。具体的には、制御部１２は、学習推定領域４２（図８参照）の個数を取得することにより、複数の車両画像３０に写る車側灯３の個数を取得する。そして、制御部１２は、複数の車両画像３０に写る車側灯３の個数と、設定車側灯個数情報２３とを比較することにより、鉄道車両２が予め停車すると設定されている車両であるか否かを判定する。制御部１２は、取得した車側灯３の個数と、設定車側灯個数情報２３とが異なる場合に、上位装置１０１に対してエラー情報２４を出力するように構成されている。また、制御部１２は、取得した車側灯３の個数と、設定車側灯個数情報２３とが一致する場合には、点灯情報２０を上位装置１０１に対して出力する。

【0067】

（学習済モデルの生成処理）
次に、図９を参照して、制御部１２（図１参照）が学習済モデル４（図１参照）を生成する処理について説明する。

【0068】

ステップＳ１において、制御部１２は、車両画像３０（図１参照）を取得する。本実施形態では、制御部１２は、複数の車両画像３０を取得する。

【0069】

ステップＳ２において、制御部１２は、複数の車両画像３０のうちの、予め設定された車両画像３０に対して、マスキング処理を行う。

【0070】

ステップＳ３において、制御部１２は、ユーザの操作入力に基づいて、車両画像３０に対して車側灯３（図４参照）の領域４０（図４参照）および車側灯３が点灯しているか否かを示すラベルを設定する。車側灯３が点灯している場合には、制御部１２は、ラベルとして、「１」を設定する。また、車側灯３が消灯している場合には、制御部１２は、ラベルとして、「０」を設定する。

【0071】

ステップＳ４において、制御部１２は、車両画像３０に対して車側灯３の領域４０および車側灯３が点灯しているか否かを示すラベルが設定された画像を用いて、学習モデル５（図４参照）を学習させる。すなわち、制御部１２は、ステップＳ４において、教師用画像３２（図４参照）および教師用画像３３（図４参照）を用いて学習モデル５を学習させることにより、学習済モデル４（図１参照）を生成する。

【0072】

ステップＳ５において、制御部１２は、生成した学習済モデル４を、記憶部１３（図１参照）に記憶する。その後、処理は、終了する。

【0073】

（点灯情報出力処理）
次に、図１０を参照して、車側灯点灯状態検知装置１（図１参照）が、点灯情報２０（図１参照）を出力する処理について説明する。

【0074】

ステップＳ１０において、画像処理部１１（図５参照）は、車両画像３０（図５参照）を取得する。具体的には、画像処理部１１は、複数の画像撮像部１０（図５参照）の各々が撮像した複数の車両画像３０を、画像取得部１４（図５参照）を介して取得する。

【0075】

ステップＳ１１において、画像処理部１１は、学習済モデル４（図５参照）を取得する。具体的には、画像処理部１１は、記憶部１３（図５参照）から、学習済モデル４を読み込む。

【0076】

ステップＳ１２において、画像処理部１１は、点灯情報２０（図５参照）および学習推定領域情報２１（図５参照）を取得する。具体的には、画像処理部１１は、複数の車両画像３０を学習済モデル４に入力することにより、点灯情報２０および学習推定領域情報２１を取得する。

【0077】

ステップＳ１３において、制御部１２は、設定領域情報２２（図１参照）および設定車側灯個数情報２３（図１参照）を取得する。具体的には、制御部１２は、記憶部１３から設定領域情報２２および設定車側灯個数情報２３を読み込む。

【0078】

ステップＳ１４において、制御部１２は、設定領域４１（図８参照）に含まれない学習推定領域４２（図８参照）があるか否かを判定する。設定領域４１に含まれない学習推定領域４２がある場合、処理は、ステップＳ１５へ進む、設定領域４１に含まれない学習推定領域４２がない場合、処理は、ステップＳ１６へ進む。

【0079】

ステップＳ１５において、制御部１２は、上位装置１０１（図７参照）に対してエラー情報２４（図７参照）を出力する。その後、処理は、終了する。

【0080】

ステップＳ１４からステップＳ１６へ処理が進んだ場合、ステップＳ１６において、制御部１２は、車側灯３（図１参照）の個数を取得する。具体的には、制御部１２は、学習推定領域４２の個数を取得することにより、車側灯３の個数を取得する。

【0081】

ステップＳ１７において、制御部１２は、車側灯３の個数が一致しているか否かを判定する。具体的には、制御部１２は、ステップＳ１６において取得した車側灯３の個数の情報に一致する設定車側灯個数情報２３があるか否かを判定する。車側灯３の個数が一致している場合、処理は、ステップＳ１８へ進む。車側灯３の個数が一致していない場合、処理は、ステップＳ１５へ進む。

【0082】

ステップＳ１８において、制御部１２は、上位装置１０１に対して点灯情報２０を出力する。その後、処理は、終了する。

【0083】

（第１実施形態の効果）
第１実施形態では、以下のような効果を得ることができる。

【0084】

第１実施形態では、上記のように、車側灯点灯状態検知システム１００は、鉄道車両２の側面２ｅに設けられた車側灯３が写る車両画像３０を撮像する画像撮像部１０と、車側灯３が写る画像を用いた機械学習によって学習された学習済モデル４を用いて、車両画像３０に写る車側灯３が点灯しているか否かを判定した情報である点灯情報２０を取得する画像処理部１１と、点灯情報２０に基づいて、車側灯３の点灯状態を検知する制御部１２と、を備える。ここで、機械学習によって学習された学習済モデル４は、鉄道車両２の車体色の彩度と車側灯３の彩度との差異が小さい場合でも、鉄道車両２と車側灯３との境界を取得することができると考えられる。したがって、上記のように構成することにより、画像処理部１１が、学習済モデル４を用いて車側灯３が点灯しているか否かを判定した情報である点灯情報２０を取得するため、鉄道車両２の車体色の彩度と車側灯３の彩度との差異が小さい場合でも、車側灯３が点灯しているか否かを精度よく判定することができる。その結果、鉄道車両２の車体色の彩度と車側灯３の彩度との差異が小さい場合でも、車側灯３が点灯しているか否かの判定精度が低下することを抑制することにより、車側灯３の点灯状態を精度よく検知することが可能な車側灯点灯状態検知システム１００を提供することができる。

【0085】

また、第１実施形態では、画像処理部１１は、学習済モデル４が推定した、車両画像３０において車側灯３が写る領域の情報である学習推定領域情報２１を、点灯情報２０とともに取得するように構成されており、制御部１２は、点灯情報２０と、学習推定領域情報２１とに基づいて、車側灯３の点灯状態を検知するように構成されている。これにより、制御部１２が、点灯情報２０とともに、学習推定領域情報２１を用いて車側灯３の点灯状態を検知するので、学習推定領域情報２１によって、車両画像３０に写る車側灯３の位置を取得することができる。その結果、たとえば、１枚の車両画像３０に複数の車側灯３が写る場合でも、点灯情報２０と学習推定領域情報２１とに基づいて、個々の車側灯３の点灯状態を区別して検知することができる。

【0086】

また、第１実施形態では、鉄道車両２毎に予め設定された、学習推定領域情報２１の領域（学習推定領域４２）よりも大きい車側灯３の領域の情報である設定領域情報２２を記憶する記憶部１３をさらに備え、制御部１２は、画像処理部１１において取得された学習推定領域情報２１と、記憶部１３に記憶された設定領域情報２２とに基づいて、学習推定領域４２が、設定領域４１に含まれるか否かを判定するとともに、学習推定領域４２が、設定領域４１に含まれる場合には、点灯情報２０を出力し、学習推定領域４２が、設定領域４１に含まれない場合には、エラー情報２４を出力するように構成されている。これにより、制御部１２が、学習推定領域４２が設定領域４１に含まれると判定した場合には、点灯情報２０が出力されるので、たとえば、ホームドアなどに対して点灯情報２０を出力することにより、ホームドアの開閉などに車側灯点灯の点灯情報２０を利用することができる。また、制御部１２が、学習推定領域４２が設定領域４１に含まれないと判定した場合には、エラー情報２４が出力される。したがって、予め設定された鉄道車両２以外の鉄道車両２が停車している場合に、ホームドアが開かれることを抑制することができる。

【0087】

また、第１実施形態では、記憶部１３は、予め設定された車側灯３の個数の情報である設定車側灯個数情報２３をさらに記憶するように構成されており、制御部１２は、車両画像３０に写る車側灯３の個数を取得するとともに、取得した車側灯３の個数と、設定車側灯個数情報２３とが異なる場合に、エラー情報２４を出力するように構成されている。これにより、制御部１２は、学習推定領域情報２１から取得された車側灯３の個数と、設定車側灯個数情報２３とを比較することにより、ホームに停車している鉄道車両２が予め設定された鉄道車両２であるか否かを、容易に判定することができる。

【0088】

また、第１実施形態では、画像撮像部１０は、複数の車側灯３を撮像するように構成されており、学習済モデル４は、１枚の画像中に複数の車側灯３が写る場合には、車側灯３毎に点灯情報２０を出力するように構成されている。これにより、１枚の画像中に複数の車側灯３が写る場合には、車側灯３毎に点灯情報２０が出力されるので、１つの画像撮像部１０によって、複数の車側灯３を撮影した場合でも、個々の車側灯３の点灯情報２０を取得することができる。その結果、たとえば、１つの車側灯３を１つの画像撮像部１０で撮影する場合のように、車側灯３毎に画像撮像部１０を配置する必要がないので、部品点数が増加することを抑制しつつ、システムの構成が複雑化することを抑制することができる。

【0089】

また、第１実施形態では、制御部１２は、複数の車両画像３０のうち、車側灯３が重複して写る画像の一方に対して、重複した車側灯３が写る領域３０ａを、車側灯３が点灯しているか否かを判定する判定対象から除外するように構成されている。これにより、複数の車両画像３０に重複して写る車側灯３が、重複して点灯しているか否かを判定されることを抑制することができる。その結果、１つの車側灯３が複数の車両画像３０に写っていた場合でも、車側灯３の点灯状態を正確に検知することができる。

【0090】

また、第１実施形態では、制御部１２は、重複した車側灯３が写る領域３０ａに対してマスキング処理を行うことにより、重複した車側灯３が写る領域３０ａを、車側灯３が点灯しているか否かを判定する判定対象から除外するように構成されている。これにより、制御部１２が重複した車側灯３が写る領域３０ａに対してマスキング処理を行うので、重複した車側灯３が写る領域３０ａを、車側灯３が点灯しているか否かを判定する判定対象から容易に除外することができる。

【0091】

また、第１実施形態では、学習済モデル４は、車両画像３０から車側灯３が点灯しているか否かを判定することを学習されたディープニューラルネットワークである。これにより、物体検出に適した学習モデルであるディープニューラルネットワークを用いることにより、車両画像３０に写る車側灯３を精度よく検出することができる。

【0092】

また、第１実施形態では、車側灯点灯状態検知装置１は、鉄道車両２の側面２ｅに設けられた車側灯３が写る車両画像３０を取得する画像取得部１４と、車側灯３が写る画像を用いた機械学習によって学習された学習済モデル４を用いて、車両画像３０に写る車側灯３が点灯しているか否かを判定した情報である点灯情報２０を取得する画像処理部１１と、点灯情報２０に基づいて、車側灯３の点灯状態を検知する制御部１２と、を備える。これにより、上記第１実施形態による車側灯点灯状態検知システム１００と同様に、鉄道車両２の車体色の彩度と車側灯３の彩度との差異が小さい場合でも、車側灯３が点灯しているか否かの判定精度が低下することを抑制することにより、車側灯３の点灯状態を精度よく検知することが可能な車側灯点灯状態検知装置１を提供することができる。

【0093】

［第２実施形態］
図１１および図１２を参照して、第２実施形態による車側灯点灯状態検知装置２０１を備えた車側灯点灯状態検知システム２００の構成について説明する。なお、図中において、上記第１実施形態と同様の構成の部分には、同一の符号を付している。

【0094】

図１１に示すように、車側灯点灯状態検知システム２００は、停止位置情報取得部１５、および、車側灯点灯状態検知装置２０１を備える点で、上記第１実施形態による車側灯点灯状態検知システム１００（図１参照）とは異なる。

【0095】

停止位置情報取得部１５は、鉄道車両２の停止位置の情報である停止位置情報２５を取得するように構成されている。停止位置情報取得部１５は、種々の位置検出センサを含み得る。また、停止位置情報２５は、たとえば、基準となる停止位置からの鉄道車両２のずれ量を含む。

【0096】

車側灯点灯状態検知装置２０１は、制御部１２（図１参照）の代わりに制御部２１０を備える点で、上記第１実施形態による車側灯点灯状態検知装置１（図１参照）とは異なる。

【0097】

制御部２１０は、停止位置情報２５と、学習済モデル４により取得された点灯情報２０とに基づいて、車側灯３の点灯状態を検知するように構成されている。第２実施形態による制御部２１０は、停止位置情報２５に基づいて、設定領域４１（図１２参照）の位置を修正するように構成されている。制御部２１０のその他の構成は、上記第１実施形態による制御部１２（図１参照）と同様である。

【0098】

（設定領域の調整）
次に、図１２を参照して、第２実施形態による制御部２１０（図１１参照）が、停止位置情報２５（図１１参照）を用いて、設定領域４１の位置を修正する構成について説明する。

【0099】

図１２に示す車両画像３１は、設定領域４１が設定された画像である。なお、図１２に示す例では、位置が修正される前の設定領域４１を、破線で図示している。鉄道車両２の停止位置がずれた場合、車両画像３１に写る車側灯３の位置もずれる。

【0100】

そこで、制御部２１０は、停止位置情報２５を用いて、設定領域４１を修正するように構成されている。具体的には、図１２に示すように、制御部２１０は、停止位置情報２５に基づいて設定領域４１の位置を修正した修正設定領域４３を設定する。より具体的には、制御部２１０は、停止位置情報２５、および、画像撮像部１０（図１１参照）の撮像倍率などに基づいて、鉄道車両２の停止位置のずれ量を、車両画像３１におけるピクセル数に変換する。そして、制御部２１０は、変換したピクセル数だけ、設定領域４１の位置をずらすことにより、修正設定領域４３を設定する。なお、制御部２１０は、鉄道車両２のずれ量に対応する、車両画像３１における縦方向におけるピクセル数と、横方向におけるピクセル数とを取得し、設定領域４１の位置を修正する。

【0101】

図１２に示す例では、第１設定領域４１ａおよび第２設定領域４１ｂが設定されている。そのため、制御部２１０は、第１設定領域４１ａおよび第２設定領域４１ｂをそれぞれ修正した第１修正設定領域４３ａおよび第２修正設定領域４３ｂを設定する。

【0102】

制御部２１０は、設定領域４１の代わりに修正設定領域４３を用いて、車側灯３（図１１参照）の点灯状態の検知を行う。設定領域４１の代わりに修正設定領域４３を用いる点以外は、上記第１実施形態における制御部１２が車側灯３の点灯状態を検知する構成と同様であるため、詳細な説明は省略する。

【0103】

次に、図１３を参照して、第２実施形態による制御部２１０（図１１参照）が点灯情報２０（図１１参照）を出力する処理について説明する。なお、上記第１実施形態による制御部１２（図１参照）が点灯情報２０（図１参照）を出力する処理と同様の構成については、同一の符号を付し、詳細な説明は省略する。

【0104】

ステップＳ１０およびステップＳ１１において、画像処理部１１（図１１参照）は、複数の車両画像３０を取得し、予め設定された車両画像３０に対してマスキング処理を行う。

【0105】

ステップＳ２０において、制御部２１０は、停止位置情報２５（図１１参照）を取得する。具体的には、制御部２１０は、停止位置情報取得部１５から停止位置情報２５を取得する。

【0106】

ステップＳ１２およびステップＳ１３において、画像処理部１１は、点灯情報２０および学習推定領域情報２１を取得する。また、制御部２１０は、設定領域情報２２および設定車側灯個数情報２３を取得する。

【0107】

ステップＳ２１において、制御部２１０は、設定領域４１（図１２参照）を修正する。具体的には、制御部２１０は、設定領域４１を修正した修正設定領域４３（図１２参照）を設定する。

【0108】

そして、処理は、ステップＳ１４およびステップＳ１５へ進み、制御部２１０が上位装置１０１（図１１参照）に対してエラー情報２４（図７参照）を出力し、その後、終了する。または、処理は、ステップＳ１４～ステップＳ１８へ進み、制御部２１０が上位装置１０１に対して点灯情報２０（図１１参照）を出力し、その後、終了する。

【0109】

なお、第２実施形態のその他の構成は、上記第１実施形態と同様である。

【0110】

（第２実施形態の効果）
第２実施形態では、以下のような効果を得ることができる。

【0111】

第２実施形態では、上記のように、車側灯点灯状態検知システム２００は、鉄道車両２の停止位置の情報である停止位置情報２５を取得する停止位置情報取得部１５をさらに備え、制御部２１０は、停止位置情報２５と、学習済モデル４により取得された点灯情報２０とに基づいて、車側灯３の点灯状態を検知するように構成されている。これにより、鉄道車両２の停止位置にずれが生じた場合でも、停止位置情報２５に基づいて、設定領域情報２２に含まれる設定領域４１を修正することができる。その結果、鉄道車両２の停止位置にずれが生じた場合でも、車側灯３の点灯状態の検知精度が低下することを抑制することができる。

【0112】

なお、第２実施形態のその他の効果は、上記第１実施形態と同様である。

【0113】

［変形例］
今回開示された実施形態は、全ての点で例示であり制限的なものではないと考えられるべきである。本発明の範囲は上記実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内での全ての変更（変形例）が含まれる。

【0114】

たとえば、上記第１および第２実施形態では、制御部１２（制御部２１０）が、点灯情報２０と学習推定領域情報２１とに基づいて、車側灯３の点灯状態を検知する構成の例を示したが、本発明はこれに限られない。たとえば、制御部は、学習推定領域情報２１を用いず、点灯情報２０を用いて、車側灯３の点灯状態を検知するように構成されていてもよい。しかしながら、制御部が、学習推定領域情報２１を用いず、点灯情報２０を用いて、車側灯３の点灯状態を検知する構成の場合、１枚の画像に写る複数の車側灯３の点灯状態を区別して検知することが困難になる。したがって、制御部は、点灯情報２０と学習推定領域情報２１とに基づいて、車側灯３の点灯状態を検知するように構成されることが好ましい。

【0115】

また、上記第１および第２実施形態では、制御部１２（制御部２１０）が、学習推定領域４２が設定領域４１に含まれているか否かを判定し、点灯情報２０またはエラー情報２４を出力する構成の例を示したが、本発明はこれに限られない。制御部は、点灯情報２０だけを出力するように構成されていてもよい。しかしながら、制御部が点灯情報２０だけを出力する構成の場合、ホームに停車している鉄道車両２が予め設定された車両ではないことを上位装置１０１に対して出力することができない。したがって、制御部は、学習推定領域４２が設定領域４１に含まれているか否かを判定し、点灯情報２０またはエラー情報２４を出力するように構成されることが好ましい。

【0116】

また、上記第１および第２実施形態では、制御部１２（制御部２１０）が、複数の車両画像３０に写る車側灯３の個数と、記憶部１３に記憶された設定車側灯個数情報２３とを比較し、車側灯３の個数が設定車側灯個数情報２３と異なる場合に、エラー情報２４を出力する構成の例を示したが、本発明はこれに限られない。たとえば、制御部は、車側灯３の個数と設定車側灯個数情報２３とを比較するように構成されていなくてもよい。しかしながら、制御部が、車側灯３の個数と設定車側灯個数情報２３とを比較するように構成されていない場合、車側灯３の個数と設定車側灯個数情報２３とが異なる場合に、エラー情報２４が出力されない。したがって、制御部は、車側灯３の個数と設定車側灯個数情報２３とを比較し、車側灯３の個数が異なる場合には、エラー情報２４を出力するように構成されていることが好ましい。

【0117】

また、上記第１および第２実施形態では、制御部１２（制御部２１０）が、重複した車側灯３が写る領域３０ａに対してマスキング処理を行うことにより、重複した車側灯３が写る領域３０ａを、車側灯３が点灯しているか否かを判定する判定対象から除外する構成の例を示したが、本発明はこれに限られない。たとえば、制御部は、重複した車側灯３が写る領域３０ａの点灯情報２０を車側灯３が点灯しているか否かの判定に用いなければ、どのように判定対象から除外してもよい。たとえば、制御部は、マスキング処理を行う代わりに、重複した車側灯３が写る領域３０ａの座標値を取得し、重複した車側灯３が写る領域３０ａを判定対象から除外するように構成されてもよい。また、制御部は、重複した車側灯３が写る領域３０ａの点灯情報２０を取得したとしても、車側灯３の個数の取得対象から除外するように構成されてもよい。

【0118】

また、上記第１および第２実施形態では、学習済モデル４が、ディープニューラルネットワークである例を示したが、本発明はこれに限られない。車側灯３の点灯情報２０および学習推定領域情報２１を取得可能であれば、学習済モデルの種類は問わない。

【0119】

また、上記第１および第２実施形態では、車側灯点灯状態検知装置１（車側灯点灯状態検知装置２０１）が、学習モデル５を学習させることにより、学習済モデル４を生成する構成の例を示したが、本発明はこれに限られない。たとえば、車側灯点灯状態検知装置とは異なる画像処理装置において生成された学習済モデル４を、記憶部１３に記憶するように構成されていてもよい。

【0120】

また、上記第１および第２実施形態では、画像撮像部１０の各々が、複数の車側灯３を撮像する構成の例を示したが、本発明はこれに限られない。たとえば、画像撮像部１０の各々が、１つの車側灯３を撮像するように構成されていてもよい。しかしながら、画像撮像部１０の各々が、１つの車側灯３を撮像する構成の場合、車側灯３の個数と同じ個数の画像撮像部１０を設ける必要があり、部品点数が増加するとともに、システムの構成が複雑化する。したがって、複数の画像撮像部１０のうち、少なくとも１つの画像撮像部１０は、複数の車側灯３を撮影するように構成されることが好ましい。

【0121】

また、上記第１および第２実施形態では、車側灯点灯状態検知システム１００（車側灯点灯状態検知システム２００）が、２つの画像撮像部１０を備える構成の例を示したが、本発明はこれに限られない。たとえば、１つの画像撮像部１０によって全ての車側灯３が写る車両画像３０を撮像することが可能であれば、車側灯点灯状態検知システムは、１つの画像撮像部１０を備えていてもよい。また、車側灯点灯状態検知システムは、２つ以上の画像撮像部１０を備えていてもよい。車側灯点灯状態検知システムが備える画像撮像部１０の数は、問わない。

【0122】

また、上記第２実施形態では、車側灯点灯状態検知システム２００が、停止位置情報取得部１５を備える構成の例を示したが、本発明はこれに限られない。たとえば、車側灯点灯状態検知装置２０１が、鉄道車両２と通信可能に構成されていれば、鉄道車両２から停止位置情報２５を取得するように構成されていてもよい。

【符号の説明】

【0123】

１、２０１ 車側灯点灯状態検知装置
２ 鉄道車両
２ｅ 鉄道車両の側面
３ 車側灯
４ 学習済モデル
１０ 画像撮像部
１１ 画像処理部
１２、２１０ 制御部
１３ 記憶部
１４ 画像取得部
１５ 停止位置情報取得部
２０ 点灯情報
２１ 学習推定領域情報
２２ 設定領域情報
２３ 設定車側灯個数情報
２４ エラー情報
２５ 停止位置情報
３０ 車両画像
３０ａ 重複した車側灯が写る領域
４１ 設定領域
４２ 学習推定領域
１００、２００ 車側灯点灯状態検知システム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】