特許 7223962 車室認証プログラム及び車室認証装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-02-09

(45)【発行日】2023-02-17

(54)【発明の名称】車室認証プログラム及び車室認証装置

(51)【国際特許分類】

   G08G 1/14 20060101AFI20230210BHJP

   G06T 7/00 20170101ALI20230210BHJP

【ＦＩ】

G08G1/14 A

G06T7/00 650Z

【請求項の数】 8

(21)【出願番号】P 2020167508

(22)【出願日】2020-10-02

(65)【公開番号】P2022059737

(43)【公開日】2022-04-14

【審査請求日】2022-01-21

(73)【特許権者】

【識別番号】304021417

【氏名又は名称】国立大学法人東京工業大学

(73)【特許権者】

【識別番号】520375136

【氏名又は名称】株式会社Ｔｅｃｈ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

(73)【特許権者】

【識別番号】515212747

【氏名又は名称】株式会社ＧＯＵＲＩＫＩコーポレーション

(74)【代理人】

【識別番号】100100011

【弁理士】

【氏名又は名称】五十嵐 省三

(72)【発明者】

【氏名】朱 疆

(72)【発明者】

【氏名】張 遠瑞

(72)【発明者】

【氏名】山▲崎▼ 智博

【審査官】上野 博史

(56)【参考文献】

【文献】特開２０１１－０１３９２４（ＪＰ，Ａ）

【文献】特開２０１７－０８４３６４（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０８Ｇ １／００－９９／００

Ｇ０６Ｔ ７／００－７／９０

Ｇ０１Ｃ ２１／００－２１／３６

２３／００－２５／００

(57)【特許請求の範囲】

【請求項1】

少なくとも１つの車室を有する駐車場における前記車室の空満室状態を認証するコンピュータに実行させるための車室認証プログラムであって、
前記駐車場の初期状態を設定する初期状態設定手順と、
前記初期状態を解除して前記駐車場を非初期状態とする解除手順と、
前記駐車場の前記初期状態の設定のときに、前記車室の空室状態画像データを取得して該空室状態画像データから空室特徴画像データを抽出して車室空室状態特徴画像テンプレートを作成する車室空室状態特徴画像テンプレート作成手順と、
前記駐車場が前記初期状態か前記非初期状態かを判別する初期状態／非初期状態判別手順と、
前記駐車場が前記初期状態のときに、前記車室の画像データを取得して前記車室の車室特徴画像データを抽出する車室特徴画像データ抽出手順と、
前記車室空室状態特徴画像テンプレートの前記空室状態特徴画像データと前記車室特徴画像データとの類似度を演算し、該類似度に応じて前記車室の初期状態時空満室情報を出力する車室空満室情報出力手順と、
前記駐車場の前記初期状態及び前記非初期状態のときに、前記車室の画像データを入力教師データとしかつ前記車室の空満室状態情報を出力教師データとして学習制御モデルを学習させて学習済とする学習手順と、
前記駐車場の前記非初期状態のときに、前記車室の画像データを取得して入力データとして学習済みの前記学習制御モデルに供給し前記学習制御モデルの出力に前記車室の非初期状態時空満室情報を得、出力する推定手順と
をコンピュータに実行させるための車室認証プログラム。

【請求項2】

前記車室空室状態特徴画像テンプレートの前記空室状態特徴画像データは前記車室の駐車場マークの画像データである請求項１に記載のコンピュータに実行させるための車室認証プログラム。

【請求項3】

前記車室空室状態特徴画像テンプレートの前記空室状態特徴画像データは前記車室の車止めマークの画像データである請求項１に記載のコンピュータに実行させるための車室認証プログラム。

【請求項4】

前記車室空室状態特徴画像テンプレートの前記空室状態特徴画像データは前記車室の駐車場マークの画像データ及び車止めマークの画像データであり、
前記類似度は前記駐車場マークの類似度と前記車止めマークの類似度とを所定比で加算したものである請求項１に記載のコンピュータに実行させるための車室認証プログラム。

【請求項5】

少なくとも１つの車室を有する駐車場における前記車室の空満室状態を認証する車室認証装置であって、
前記駐車場の初期状態を設定する初期状態設定手段と、
前記初期状態を解除して前記駐車場を非初期状態とする解除手段と、
前記駐車場の前記初期状態の設定のときに、前記車室の空室状態画像データを取得して該空室状態画像データから空室特徴画像データを抽出して車室空室状態特徴画像テンプレートを作成する車室空室状態特徴画像テンプレート作成手段と、
前記駐車場が前記初期状態か前記非初期状態かを判別する初期状態／非初期状態判別手段と、
前記駐車場が前記初期状態のときに、前記車室の画像データを取得して前記車室の車室特徴画像データを抽出する車室特徴画像データ抽出手段と、
前記車室空室状態特徴画像テンプレートの前記空室状態特徴画像データと前記車室特徴画像データとの類似度を演算し、該類似度に応じて前記車室の初期状態時空満室情報を出力する車室空満室情報出力手段と、
前記駐車場の前記初期状態及び前記非初期状態のときに、前記車室の画像データを入力教師データとしかつ前記車室の空満室状態情報を出力教師データとして学習制御モデルを学習させて学習済とする学習手段と、
前記駐車場の前記非初期状態のときに、前記車室の画像データを取得して入力データとして学習済みの前記学習制御モデルに供給し前記学習制御モデルの出力に前記車室の非初期状態時空満室情報を得、出力する推定手段と
を具備する車室認証装置。

【請求項6】

前記車室空室状態特徴画像テンプレートの前記空室状態特徴画像データは前記車室の駐車場マークの画像データである請求項５に記載の車室認証装置。

【請求項7】

前記車室空室状態特徴画像テンプレートの前記空室状態特徴画像データは前記車室の車止めマークの画像データである請求項５に記載の車室認証装置。

【請求項8】

前記車室空室状態特徴画像テンプレートの前記空室状態特徴画像データは前記車室の駐車場マークの画像データ及び車止めマークの画像データであり、
前記類似度は前記駐車場マークの類似度と前記車止めマークの類似度とを所定比で加算したものである請求項５に記載の車室認証装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は車室認証プログラム及び車室認証装置に関する。

【背景技術】

【0002】

複数の車室を有する従来の駐車場管理方法として、駐車場の入場時にＩＤ番号を備えた駐車券を発行すると共に、車室への入庫により入庫時刻を取得し、入庫後に利用した車室の番号とＩＤ番号とを関連付ける認証を行い、各認証毎に正規利用と不正利用とを判断しているものがある（参照：特許文献１）。

【0003】

しかしながら、上述の従来の駐車場管理方法は大規模の駐車場の管理に適しているが、車室数の少ない駐車場には設備コストが高く、適さない。

【0004】

車室数の少ない小規模の駐車場において、車室の空室状態及び満室状態を認証する従来の車室認証システムは、フラップ、センタコイルを車室毎に設けて車を感知するものである。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２００５－３３９０８１号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、上述の従来の車室認証システムにおいては、フラップ、センタコイルを車室毎に設けなければならず、やはり、設備コストが高いという課題がある。

【課題を解決するための手段】

【0007】

上述の課題を解決するために、本発明に係る車室認証プログラムは、少なくとも１つの車室を有する駐車場における車室の空満室状態を認証するコンピュータに実行させるための車室認証プログラムであって、駐車場の初期状態を設定する初期状態設定手順と、初期状態を解除して駐車場を非初期状態とする解除手順と、駐車場の初期状態の設定のときに、車室の空室状態画像データを取得して該空室状態画像データから空室特徴画像データを抽出して車室空室状態特徴画像テンプレートを作成する車室空室状態特徴画像テンプレート作成手順と、駐車場が初期状態か非初期状態かを判別する初期状態／非初期状態判別手順と、駐車場が初期状態のときに、車室の画像データを取得して車室の車室特徴画像データを抽出する車室特徴画像データ抽出手順と、車室空室状態特徴画像テンプレートの空室状態特徴画像データと車室特徴画像データとの類似度を演算し、該類似度に応じて車室の初期状態時空満室情報を出力する車室空満室情報出力手順と、駐車場の初期状態及び非初期状態のときに、車室の画像データを入力教師データとしかつ車室の空満室状態情報を出力教師データとして学習制御モデルを学習させて学習済とする学習手順と、駐車場の非初期状態のときに、車室の画像データを取得して入力データとして学習済みの学習制御モデルに供給し学習制御モデルの出力に車室の非初期状態時空満室情報を得、出力する推定手順とを実行させるものである。

【0008】

また、本発明に係る車室認証装置は、少なくとも１つの車室を有する駐車場における車室の空満室状態を認証する車室認証装置であって、駐車場の初期状態を設定する初期状態設定手段と、初期状態を解除して駐車場を非初期状態とする解除手段と、駐車場の初期状態の設定のときに、車室の空室状態画像データを取得して該空室状態画像データから空室特徴画像データを抽出して車室空室状態特徴画像テンプレートを作成する車室空室状態特徴画像テンプレート作成手段と、駐車場が初期状態か非初期状態かを判別する初期状態／非初期状態判別手段と、駐車場が初期状態のときに、車室の画像データを取得して車室の車室特徴画像データを抽出する車室特徴画像データ抽出手段と、車室空室状態特徴画像テンプレートの空室状態特徴画像データと車室特徴画像データとの類似度を演算し、該類似度に応じて車室の初期状態時空満室情報を出力する車室空満室情報出力手段と、駐車場の初期状態及び非初期状態のときに、車室の画像データを入力教師データとしかつ車室の空満室状態情報を出力教師データとして学習制御モデルを学習させて学習済とする学習手段と、駐車場の非初期状態のときに、車室の画像データを取得して入力データとして学習済みの学習制御モデルに供給し学習制御モデルの出力に車室の非初期状態時空満室情報を得、出力する推定手段とを具備するものである。

【発明の効果】

【0009】

本発明によれば、車室にはフラップ、センタコイルを設ける必要がないので、設備コストを低減できる。

【図面の簡単な説明】

【0010】

【図1】本発明に係る車室認証装置の実施の形態を含む駐車場を示す図である。

【図2】図１の車室認証装置の接続関係を示す図である。

【図3】図１の車室認証装置の詳細なブロック回路図である。

【図4】図３の中央処理ユニットの初期状態設定動作を説明するためのフローチャートである。

【図5】図４のフローチャートを補足説明するための図である。

【図6】図２の中央処理ユニットの初期状態解除動作を説明するためのフローチャートである。

【図7】図２の中央処理ユニットの学習動作を説明するためのフローチャートである。

【図8】図２の中央処理ユニットの初期状態動作及び非初期状態動作（推定動作）よりなるメイン動作を説明するためのフローチャートである。

【図9】図８の初期状態動作を補足するための図である。

【図10】図３の車室認証装置の他の例を示すブロック図である。

【図11】図１の駐車場に人が入った場合を示す図である。

【発明を実施するための形態】

【0011】

図１は本発明に係る車室認証装置の実施の形態を含む駐車場を示す図である。

【0012】

図１において、駐車場１０には少数たとえば４つの車室１０－１、１０－２、１０－３、１０－４が設けられ、これら車室１０－１、１０－２、１０－３、１０－４の空室状態情報、満室状態情報を駐車場１０内の車室認証装置１によって認証する。このため、駐車場１０には少なくとも１つのカメラ（たとえば単眼カメラ）２が設けられている。尚、図１においては、車室１０－１、１０－２は車が駐車して満室状態となっており、車室１０－３、１０－４は車が駐車していない空室状態となっている。

【0013】

図２は図１の車室認証装置の接続を示す図である。

【0014】

図２において、車室認証装置１にはカメラ２が接続される。また、車室認証装置１は必要に応じてインタネット３を介して情報端末４等に接続される。操作者は情報端末４を介して又は直接的に車室認証装置１及びカメラ２を操作できる。

【0015】

図３は図２の車室認証装置１の詳細なブロック回路図である。

【0016】

図３において、車室認証装置１は、中央処理ユニット（ＣＰＵ）１０１、プログラム等を格納するリードオンリメモリ（ＲＯＭ）（又はフラッシュメモリ）１０２、一時的データ等を格納するランダムアクセスメモリ（ＲＡＭ）１０３、カメラ２に接続された画像インタフェイス１０４、インタネット３に接続された通信インタフェイス１０５、学習制御モデル１０６等によって構成される。学習制御モデル１０６は入力層、複数の中間層及び出力層よりなるディープラーニングによるニューラルネットワークである。

【0017】

図４はＣＰＵ１０１が実行する初期状態設定ルーチンであって、操作者の駐車場１０のすべての車室１０－１、１０－２、１０－３、１０－４の空室状態を確認後に実行される割込みルーチンである。この初期状態設定ルーチンはたとえば駐車場１０の立上げ後、少なくとも１回実行される。尚、この初期状態設定ルーチンはＲＯＭ（又はフラッシュメモリ）１０２に格納されている。

【0018】

始めに、ステップ４０１にて、初期状態フラグＳをセットする（Ｓ←“１”）。

【0019】

次に、ステップ４０２にて、図５の（Ａ）に示す駐車場１０の車室１０－１、１０－２、１０－３、１０－４の空室状態のＲＧＢカラー画像データをカメラ２より取得する。このＲＧＢカラー画像データはグレースケール化される。

【0020】

次に、ステップ４０３にて、図５の（Ｂ）に示すごとく、グレースケール画像データを黒白２値化データに変換する。この場合、必要に応じて２次元ガウス関数を用いたガウシアンぼかし処理及び最適２値化処理を行う。

【0021】

次に、ステップ４０４にて、図５の（Ｃ）に示すごとく、黒白２値化データから空室特徴画像データたとえば駐車場を表す「Ｐ」マーク１０－１ａ、１０－２ａ、１０－３ａ、１０－４ａの画像データを抽出して全車室空室状態特徴画像テンプレートを作成し、ＲＡＭ１０３に保存する。

【0022】

次に、ステップ４０５にて、初期状態時間Ｔたとえば所定時間を設定する。

【0023】

そして、ステップ４０６にて図４のルーチンは終了する。

【0024】

図６はＣＰＵ１０１が実行する初期状態解除ルーチンであって、時間ΔＴによる時間割込みルーチンである。この初期状態解除ルーチンはＲＯＭ（又はフラッシュメモリ）１０２に格納されている。

【0025】

始めに、ステップ６０１にて、ＴをΔＴ減算し、ステップ６０２にて初期状態時間Ｔが経過したか否かを判別する。初期状態時間Ｔが経過していなければ、ステップ６０５に直接進む。

【0026】

他方、ステップ６０２にて、初期状態時間Ｔが経過した（Ｔ＜０）ときのみ、ステップ６０３にて、Ｔを０でガードし、ステップ６０４にて、初期状態フラグＳをリセットして初期状態を解除する。つまり、非初期状態とする（Ｓ←“０”）。

【0027】

そして、ステップ６０５にて図６のルーチンは終了する。

【0028】

このように、図４、図６のルーチンにより、初期状態（Ｓ＝“１”）は操作者の駐車場１０の空室状態の車室１０－１、１０－２、１０－３、１０－４の確認後、所定時間Ｔだけ維持される。尚、初期状態の解除（Ｓ＝“０”）は操作者による操作によっても行うことができ、この場合、初期状態時間を設定時間Ｔより短縮することもできる。

【0029】

図７はＣＰＵ１０１が実行する学習ルーチンであって、操作者の駐車場１０の各車室１０－１、１０－２、１０－３、１０－４の空室状態情報又は満室状態情報の入力によって実行される割込みルーチンである。この場合、操作者は予め情報端末４等を用いてカメラ２の画像から各車室１０－１、１０－２、１０－３、１０－４の車室状態情報を確認して入力する必要がある。また、この割込みルーチンは初期状態（Ｓ＝“１”）であっても非初期状態（Ｓ＝“０”）であっても、様々な天気、時間、季節の環境の基で実行される。尚、この割込みルーチンはＲＯＭ（又はフラッシュメモリ）１０２に格納されている。

【0030】

始めに、ステップ７０１にて、カメラ２より全車室１０－１、１０－２、１０－３、１０－４の車室画像データを取得する。この場合も、カメラ２の画像データがＲＧＢカラーデータであれば、グレースケール化する。

【0031】

次に、ステップ７０２にて、ステップ７０１にて取得した全車室の車室画像データを黒白２値化データに変換する。この場合も、必要に応じてガウシアンぼかし処理及び最適２値化処理を行う。

【0032】

次に、ステップ７０３において、学習処理を行う。すなわち、２値化画像データを入力教師データとしかつ各車室の空室状態情報又は満室状態情報を出力教師データとし、学習制御モデル１０６をディープラーニングによって学習させる。

【0033】

ステップ７０４では、ステップ７０３の学習が実行済であることを示す学習済フラグＬをセットする（Ｌ＝“１”）。尚、学習済フラグＬは図示しない初期化ルーチンでリセットされている（Ｌ＝“０”）。

【0034】

そして、ステップ７０５にて図７のルーチンは終了する。

【0035】

図８はＣＰＵ１０１が実行するメインルーチンであって、初期状態であっても非初期状態であっても実行される。このメインルーチンはＲＯＭ（又はフラッシュメモリ）１０２に格納されている。

【0036】

始めに、ステップ８０１にて、図９の（Ａ）に示すごとく、カメラ２より全車室１０－１、１０－２、１０－３、１０－４のＲＧＢカラー画像データを取得する。このＲＧＢカラー画像データはグレースケール化される。

【0037】

次に、ステップ８０２にて、図９の（Ｂ）に示すごとく、ステップ８０１にて取得した全車室１０－１、１０－２、１０－３、１０－４のグレースケール画像データを黒白２値化データに変換する。この場合も、必要に応じてガウシアンぼかし処理及び最適２値化処理を行う。

【0038】

次に、ステップ８０３にて、初期状態（Ｓ＝“１”）か非初期状態（Ｓ＝“０”）かを判別する。この結果、初期状態（Ｓ＝“１”）であれば、ステップ８０４～８０８に進み、各車室１０－１、１０－２、１０－３、１０－４の車室特徴画像たとえば「Ｐ」マーク画像による迅速な空満室判定を行う。他方、非初期状態（Ｓ＝“０”）であれば、ステップ８０９、８１０に進み、各車室１０－１、１０－２、１０－３、１０－４の十分学習した学習済の学習制御モデル１０６を用いた推定処理による高精度の空満室判定を行う。

【0039】

ステップ８０４～８０８について説明する。

【0040】

ステップ８０４では、図９の（Ｃ）に示すごとく、図５の（Ｃ）の空室特徴画像データ１０－ｉａ（ｉ＝１，２，３，４）に対応する車室特徴画像データ１０－ｉｂを抽出する。

【0041】

次に、ステップ８０５では、図４のステップ４０４で求めた空室状態車室１０－ｉの空室特徴画像データ（テンプレート）１０－ｉａと車室１０－ｉの現在の車室特徴画像データ１０－ｉｂとの類似度（％）を演算し、類似度（％）が一定値αたとえば８０％より大きいか否かを判別する。たとえば、空室特徴画像データ（テンプレート）１０－ｉａ及び車室特徴画像データ１０－ｉｂを同一のサイズのピクセル表示としてブーリアン演算により類似度（％）を演算する。この結果、類似度（％）＞αであれば、ステップ８０６にて当該車室は空室状態と判別し、空室状態情報を出力し、他方、類似度（％）≦αであれば、ステップ８０７にて当該車室は満室状態と判別し、満室状態情報を出力する。

【0042】

ステップ８０８は、ステップ８０４、８０５、８０６、８０７のフローをすべての車室について実行してステップ８１２に進む。

【0043】

ステップ８０９、８１０、８１１について説明する。

【0044】

ステップ８０９では、学習制御モデル１０６が図７のルーチンによって学習済（Ｌ＝“１”）か否かを判別し、学習済のときのみ、ステップ８１０に進む。

【0045】

ステップ８１０では、推定処理を行う。すなわち、学習済の学習制御モデル１０６にステップ８０２にて取得した車室黒白２値化データを入力すると、学習制御モデル１０６の出力に各車室１０－１、１０－２、１０－３、１０－４の空満室状態情報を得られる。

【0046】

次に、ステップ８１１にて、ステップ８１０にて学習制御モデル１０６の出力にて得られた空満室状態情報を出力する。

【0047】

そして、ステップ８１２にて、図８のルーチンは終了する。

【0048】

空室状態特徴画像データとして「Ｐ」マークの画像データを用いたが、「車止め」マークの画像データを用いてもよい。また、空室状態特徴画像データとして「Ｐ」マーク及び２つの「車止め」マークの両方を用いてもよい。この場合には、図８のステップ８０５における類似度の演算の際には、たとえば「Ｐ」マークの重みを０．６とし、１つの「車止め」マークの重みを０．２とする。つまり、類似度は「Ｐ」マークの類似度と「車止め」マークの類似度とを所定比で加算したものとする。

【0049】

尚、上述の実施の形態においては、初期状態設定及び解除、学習制御モデルの学習は全車室に対して一斉に行っているが、各車室毎に行ってもよい。

【0050】

図３の車室認証装置１は図１０に示すハードウェアで構成することもできる。

【0051】

図１０は少なくとも１つの車室を有する駐車場における車室の空満室状態を認証する車室認証装置である。初期状態設定手段は駐車場の初期状態を設定する。解除手段は初期状態を解除して駐車場を非初期状態とする。駐車場の初期状態の設定のときに、車室空室状態特徴画像テンプレート作成手段は車室の空室状態画像データを取得して該空室状態画像データから空室特徴画像データを抽出して車室空室状態特徴画像テンプレートを作成する。初期状態／非初期状態判別手段は駐車場が初期状態か非初期状態かを判別する。駐車場が初期状態のときに、車室特徴画像データ抽出手段は車室の画像データを取得して車室の車室特徴画像データを抽出する。車室空満室情報出力手段は車室空室状態特徴画像テンプレートの空室状態特徴画像データと車室特徴画像データとの類似度を演算し、該類似度に応じて車室の初期状態時空満室情報を出力する。駐車場の初期状態及び非初期状態のときに、学習手段は車室の画像データを入力教師データとしかつ車室の空満室状態情報を出力教師データとして学習制御モデルを学習させて学習済とする。駐車場の非初期状態のときに、推定手段は車室の画像データを取得して入力データとして学習済みの学習制御モデルに供給し学習制御モデルの出力に車室の非初期状態時空満室情報を得、出力する。

【0052】

上述の発明の実施の形態によれば、駐車場の立上げ時等の初期状態時には、「Ｐ」マーク、「車止め」マーク等のテンプレートを用いた簡易な車室認証を行う。これにより、駐車場の立上げに迅速に対応できる。他方、非初期状態時には、駐車場の初期状態時を含めて常に学習した機械学習モデルを用いて精確な車室認証を行う。つまり、機械学習モデルは常に進化し、たとえリフォーム等で駐車場の環境が変化しても対応できる初期状態及び非初期状態のいずれの場合にあっても、図１１に示すごとく、車室にノイズとしての人間Ｈが入っても車として判別されず、従って、当該車室は空室状態と判別される。

【0053】

尚、本発明は上述の実施の形態の自明の範囲内でいかなる変更にも適用し得る。

【産業上の利用可能性】

【0054】

本発明に係る車室認証装置は、駐車場課金システム等に利用できる。

【0055】

１：車室認証装置
２：カメラ
３：インタネット
４：情報端末
１０１：ＣＰＵ
１０２：ＲＯＭ
１０３：ＲＡＭ
１０４：画像インタフェイス
１０５：通信インタフェイス
１０６：機械学習モデル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】