特許7396115テンプレート画像更新プログラム、テンプレート画像更新方法、及びテンプレート画像更新装置
(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】2023-12-04
(45)【発行日】2023-12-12
(54)【発明の名称】テンプレート画像更新プログラム、テンプレート画像更新方法、及びテンプレート画像更新装置
(51)【国際特許分類】
G06T 7/00 20170101AFI20231205BHJP
【ＦＩ】
G06T7/00 300D
G06T7/00 350C
【請求項の数】
6
(21)【出願番号】P 2020030278
(22)【出願日】2020-02-26
(65)【公開番号】P2021135647
(43)【公開日】2021-09-13
【審査請求日】2022-11-17
(73)【特許権者】
【識別番号】000005223
【氏名又は名称】富士通株式会社
(74)【代理人】
【識別番号】110001519
【氏名又は名称】弁理士法人太陽国際特許事務所
(72)【発明者】
【氏名】鯉渕 悟志
(72)【発明者】
【氏名】山岡 大亮
(72)【発明者】
【氏名】阿戸 隆志
【審査官】山田 辰美
(56)【参考文献】
【文献】特開２０１３－０９３６３９（ＪＰ，Ａ）
【文献】特開２００８－２５０７７２（ＪＰ，Ａ）
【文献】特開平０９－２８２４５５（ＪＰ，Ａ）
【文献】特開２０１９－１０２０４２（ＪＰ，Ａ）
【文献】特開２０１８－０９７７６６（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｔ ７／００
ＩＥＥＥ Ｘｐｌｏｒｅ
(57)【特許請求の範囲】
【請求項1】
予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する第１の判定処理を行い、前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する第２の判定処理を行い、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する第３の判定処理を行い、
前記第１の判定処理で前記第１輝度情報と前記第２輝度情報との間に第１の閾値以上の変化があると判定され、前記第２の判定処理で前記第１背景情報と前記第２背景情報との間に第２の閾値以上の変化がないと判定され、かつ、前記第３の判定処理で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する、
処理をコンピュータに実行させるテンプレート画像更新プログラム。
【請求項2】
前記第１の判定処理は、前記テンプレート画像及び前記検出結果画像を複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の部分領域の各々の前記代表値と、前記検出結果画像の対応する位置の部分領域の前記代表値と、の間の変化を表す変化値に基づいて変化が大きいと判定される部分領域の個数が第１の所定数を超えている場合、前記第１輝度情報と前記第２輝度情報との間に変化があると判定する、
請求項１に記載のテンプレート画像更新プログラム。
【請求項3】
前記第２の判定処理は、前記テンプレート画像及び前記検出結果画像を複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記検出結果画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記検出結果画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値と前記検出結果画像の対応する前記部分領域のｄＨａｓｈ値とが一致する部分領域の個数が第２の所定数を超えている場合に前記第１背景情報と前記第２背景情報との間に変化がないと判定する、
請求項１または請求項２に記載のテンプレート画像更新プログラム。
【請求項4】
前記対象物の検出処理は、前記予め定められた撮影範囲を撮影した撮影画像から前記対象物を検出するように学習させたディープラーニング学習済みモデルによる処理である、 請求項１～請求項３の何れか１項に記載のテンプレート画像更新プログラム。
【請求項5】
コンピュータが、予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する第１の判定処理を行い、
前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する第２の判定処理を行い、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する第３の判定処理を行い、
前記第１の判定処理で前記第１輝度情報と前記第２輝度情報との間に前記第１の閾値以上の変化があると判定され、前記第２の判定処理で前記第１背景情報と前記第２背景情報との間に前記第２の閾値以上の変化がないと判定され、かつ、前記第３の判定処理で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する、
テンプレート画像更新方法。
【請求項6】
予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する輝度判定部と、前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する背景判定部と、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する対象物判定部と、
前記輝度判定部で前記第１輝度情報と前記第２輝度情報との間に前記第１の閾値以上の変化があると判定され、前記背景判定部で前記第１背景情報と前記第２背景情報との間に前記第２の閾値以上の変化がないと判定され、かつ、前記対象物判定部で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する更新部と、
を含むテンプレート画像更新装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、テンプレート画像更新プログラム、テンプレート画像更新方法、及び、テンプレート画像更新装置に関する。
【背景技術】
【0002】
屋外のカメラで取得される画像の輝度情報は、天候の変化または時間の経過によって変化するため、道路上の車両検出処理を行うためのテンプレートマッチングに使用するテンプレート画像は、輝度情報の変化に適応するように更新することが望ましい。
【先行技術文献】
【特許文献】
【0003】
【文献】特開平９－２８２４５５号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、テンプレート画像を更新するために、複数パターンのテンプレート候補画像を予め保持しておくことは効率がよくない。
【0005】
本発明は、１つの側面として、テンプレート画像を効率よく更新することを可能とすることを目的とする。
【課題を解決するための手段】
【0006】
１つの実施形態では、テンプレート画像の輝度情報である第１輝度情報と、検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する第１の判定処理を行う。テンプレート画像は、予め定められた撮影範囲を撮影した撮影画像に対して対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用する画像である。テンプレート画像の背景情報である第１背景情報と、検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する第２の判定処理を行う。テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する検出結果画像の領域に検出処理の検出対象である対象物の画像が存在するかを判定する第３の判定処理を行う。条件が満たされた場合に、検出結果画像でテンプレート画像を更新する。条件が満たされた場合とは、第１の判定処理で第１輝度情報と第２輝度情報との間に変化があると判定され、第２の判定処理で第１背景情報と第２背景情報との間に変化がないと判定され、かつ、第３の判定処理で対象物の画像が存在しないと判定された場合である。
【発明の効果】
【0007】
本発明は、１つの側面として、テンプレート画像を効率よく更新することを可能とする。
【図面の簡単な説明】
【0008】
【図1】本実施形態の情報処理装置の機能構成を例示するブロック図である。
【図2】検出結果画像を例示する概念図である。
【図3】テンプレート画像を例示する概念図である。
【図4】誤検出誘引情報の指示を例示する概念図である。
【図5A】検出結果画像における検出領域の位置と、誤検出誘引情報に対応する位置と、を例示する概念図である。
【図5B】ＩｏＵ（Intersection over Union）を説明する概念図である。
【図5C】ＩｏＵを説明する概念図である。
【図6】輝度情報の変化の判定を説明する概念図である。
【図7】背景情報の変化の判定を説明する概念図である。
【図8】テンプレート画像の更新を説明する概念図である。
【図9】本実施形態の情報処理装置のハードウェア構成を例示するブロック図である。
【図10A】本実施形態の情報処理の流れを例示するフローチャートである。
【図10B】本実施形態の誤検出結果除去処理の流れを例示するフローチャートである。
【図10C】本実施形態のテンプレート画像更新処理の流れを例示するフローチャートである。
【発明を実施するための形態】
【0009】
（情報処理装置の機能構成）
図１に、情報処理装置１０の機能構成を例示する。情報処理装置１０は、車両検出装置１１、誤検出結果除去装置１２及びテンプレート画像更新装置の一例であるテンプレート画像管理装置１３を含む。情報処理装置１０には、画像取得装置３１、テンプレート画像記憶装置３２、表示装置３３、及び指示装置３４が接続されている。誤検出結果除去装置１２は、位置判定部２１、画像判定部２２及び除去部２３を含む。テンプレート画像管理装置１３は、登録部２５、対象物判定部の一例である車両判定部２６、輝度判定部２７、背景判定部２８、及び更新部２９を含む。
図１に、情報処理装置１０の機能構成を例示する。情報処理装置１０は、車両検出装置１１、誤検出結果除去装置１２及びテンプレート画像更新装置の一例であるテンプレート画像管理装置１３を含む。情報処理装置１０には、画像取得装置３１、テンプレート画像記憶装置３２、表示装置３３、及び指示装置３４が接続されている。誤検出結果除去装置１２は、位置判定部２１、画像判定部２２及び除去部２３を含む。テンプレート画像管理装置１３は、登録部２５、対象物判定部の一例である車両判定部２６、輝度判定部２７、背景判定部２８、及び更新部２９を含む。
【0010】
車両検出装置１１は、画像取得装置３１で予め定められた撮影範囲を撮影した画像を、対象物の一例である車両を検出するように学習させたニューラルネットワーク学習済みモデルに入力し、検出結果領域の一例である車両検出結果情報を出力する。車両検出結果情報は、例えば、図２に実線で例示する検出された車両の画像を囲む矩形の左上角及び右下角の座標で表される。ニューラルネットワーク学習済みモデルは、ディープラーニング学習済みモデルであってよい。
【0011】
図２に破線で例示する車両検出結果情報は、対象物である車両の画像を含んでいない。即ち、誤検出による車両検出結果情報である。誤検出を誘引する画像である誤検出誘引画像が背景部分に存在すると、当該誤検出誘引画像で誤検出が頻出する。本実施形態では、テンプレートマッチングを使用して、誤検出による車両検出結果情報を除去する。
【0012】
テンプレート画像管理装置１３の登録部２５は、図３に例示するように、テンプレート画像記憶装置３２に、テンプレート画像及び誤検出誘引情報を記憶させる。登録部２５は、例えば、図４に例示するように、車両検出装置１１による車両検出結果情報を表す矩形を含む検出結果画像を表示装置３３に表示し、当該矩形が誤検出誘引画像を含むか否かユーザに判断させる。ユーザが、車両の画像を含まない矩形を指示装置３４で指示すると、登録部２５は、当該検出結果画像をテンプレート画像とし、指示された矩形の情報を誤検出誘引領域の一例である誤検出誘引情報として、テンプレート画像記憶装置３２に記憶させる。
【0013】
ユーザは、車両の画像を含まない矩形を誤検出誘引情報であると判断する。テンプレート画像記憶装置３２に記憶される誤検出誘引情報は、矩形の左上角及び右下角の座標であってよい。また、テンプレート画像記憶装置３２には、設置位置、ズーム倍率などの設定が各々固定されている複数の画像取得装置３１の各々のテンプレート画像が記憶されていてもよい。また、テンプレート画像毎に複数の誤検出誘引情報が含まれていてもよい。
【0014】
誤検出結果除去装置１２は、車両検出装置１１から出力される車両検出結果情報が誤検出による場合、誤検出による車両検出結果情報を除去する。
【0015】
位置判定部２１及び画像判定部２２は、テンプレート画像及び誤検出誘引情報を使用して、車両検出結果情報が誤検出によるか否かを判定する。位置判定部２１は、図５Ａに実線で例示する車両検出結果情報の位置と破線で例示するテンプレート画像の誤検出誘引情報の位置とが一致するか否か判定する。位置判定部２１は、例えば、ＩｏＵ（Intersection over Union）を使用して、車両検出結果情報の位置と誤検出誘引情報との位置の一致度を判定する。
【0016】
ＩｏＵは、図５Ｂに例示する２つの領域の重畳部分の面積を図５Ｃに例示する２つの領域の外郭で囲まれた領域の面積で割った値であり、２つの領域の大きさが近く、重畳部分が多いほど、１に近い値となり、重畳部分が少ないほど、０に近い値となる。位置判定部２１は、ＩｏＵの値が所定の閾値以上である場合に、車両検出結果情報が誤検出によると判定する。閾値は、例えば、０．５であってよい。
【0017】
画像判定部２２は、検出結果画像の車両検出結果情報を表す矩形内の画像情報とテンプレート画像の誤検出誘引情報を表す矩形内の画像情報とのテンプレートマッチングを行い、画像の一致度が高い場合には、車両検出結果情報が誤検出によると判定する。画像情報の一致度が高い場合、画像取得装置３１の設定は変更されておらず、車両検出結果情報を表す矩形内には、誤検出誘引情報を表す矩形内と同様に車両は存在しない、と判定される。したがって、テンプレートマッチングの結果、出力される一致度が所定の閾値以上である場合、画像判定部２２は、車両検出結果情報が誤検出によると判定する。
【0018】
例えば、画像取得装置３１の設定が変更されている場合、車両検出結果情報の位置と誤検出誘引情報の位置とが一致していても、誤検出ではない場合があるため、画像判定部２２による画像の一致度を判定することで、誤検出の判定の精度を向上させることができる。したがって、位置判定部２１による位置の一致度の判定と、画像判定部２２による画像の一致度の判定は、何れか一方だけを行うようにしてもよい。
【0019】
除去部２３は、位置判定部２１及び画像判定部２２が、車両検出結果情報が誤検出によると判定した場合、当該車両検出結果情報を除去する。除去部２３は、例えば、誤検出による車両検出結果情報を表す矩形の左上角及び右下角の座標情報を除去する。
【0020】
テンプレート画像管理装置１３は、誤検出結果除去装置１２で使用されるテンプレート画像を更新する。テンプレート画像管理装置１３は、撮影される画像の輝度情報が変化し、画像取得装置３１の設定は変更されておらず、検出結果画像の誤検出誘引情報に対応する位置に車両の画像が存在しない場合に、テンプレート画像を更新する。輝度情報が変化した場合とは、天候の変化、時間の経過などにより、例えば、第１輝度情報の一例であるテンプレート画像の輝度情報と第２輝度情報の一例である検出結果画像の輝度情報との間に変化がある場合である。
【0021】
輝度判定部２７は、検出結果画像の輝度情報とテンプレート画像の輝度情報との間の変化を判定する。輝度判定部２７は、図６に例示するように、検出結果画像及びテンプレート画像を各々ｍ行×ｎ列＝Ｌ（ｍ、ｎ、Ｌは自然数）個の部分領域に分割する。輝度判定部２７は、各々の部分領域の代表値を導出する。代表値は、例えば、各部分領域内の画素の輝度値の平均値であってよい。
【0022】
画素毎の輝度値Ｙは、例えば、式（１）で導出される。
Ｙ＝０．３×Ｒ＋０．５９×Ｇ＋０．１１×Ｂ …（１）
Ｒ、Ｇ、Ｂは、各々画素毎のＲ値、Ｇ値、及びＢ値である。なお、代表値は、例えば、各部分領域内の画素の輝度値の最大値、最小値、中間値などであってもよい。
Ｙ＝０．３×Ｒ＋０．５９×Ｇ＋０．１１×Ｂ …（１）
Ｒ、Ｇ、Ｂは、各々画素毎のＲ値、Ｇ値、及びＢ値である。なお、代表値は、例えば、各部分領域内の画素の輝度値の最大値、最小値、中間値などであってもよい。
【0023】
輝度判定部２７は、検出結果画像のＬ個の部分領域の各々の代表値を、テンプレート画像の対応する部分領域の各々の代表値で割った値である変化値が、所定範囲を超えるか否かを判定する。例えば、変化値が第１の所定値以下または第１の所定値より大きい第２の所定値以上である部分領域が所定の割合以上存在する場合、テンプレート画像を変更する程度に輝度が変化したと判定する。Ｌに所定の割合を掛けた数が第１の所定数に相当する。第１の所定数は第１の閾値の一例である。
【0024】
第１の所定値は、例えば、０．８、第２の所定値は、例えば、１．２であってよい。所定の割合は、例えば、８０％であってよい。ｍが８であり、ｎが９である場合、７２個（Ｌ＝９×８）の部分領域の内、第１の所定数の一例である５８個（７２×０．８＝５７．６）以上の部分領域で、変化値が所定範囲を超えている場合に、輝度情報が変化した、と判定する。また、ｍが８であり、ｎが９である場合、ｍ×（ｎ－１）＝６４ｂｉｔで１画像を処理することが可能となる。
【0025】
変化値は、テンプレート画像のＬ個の部分領域の各々の代表値を、検出結果画像の対応する部分領域の各々の代表値で割った値であってもよい。また、変化値は、テンプレート画像のＬ個の部分領域の各々の代表値と、検出結果画像の対応する部分領域の各々の代表値との差であってもよい。変化値に基づいて変化が大きいと判定される部分領域の個数が第１の所定数を超えている場合に輝度情報が変化したと判定することで、例えば、ヘッドライト、車両などによる一時的な輝度情報の変化による影響を抑制することができる。
【0026】
背景判定部２８は、背景情報の変化を判定する。背景判定部２８は、背景情報の変化を判定するために、例えば、ｄＨａｓｈを使用する。背景情報判定部２８は、図７に例示するように、Ｌ個の部分領域の内、検出結果画像で、誤検出ではなく、車両が検出されたＰ個の部分領域の代表値を０と置き替える。テンプレート画像の対応するＰ個の部分領域の代表値も０と置き替える。これにより、検出結果画像に存在する車両の画像による影響を抑制することができる。
【0027】
背景判定部２８は、検出結果画像の第ｉ行第ｊ列（ｉ＝１、…、ｍ、ｊ＝１、…、ｎ－１）の部分領域の代表値と、第ｉ行第ｊ＋１列の部分領域の代表値とを比較する。背景判定部２８は、第ｉ行第ｊ列の領域の代表値が第ｉ行第ｊ＋１列の領域の代表値より大きい場合、第ｉ行第ｊ列の部分領域のｄＨａｓｈ値として１を設定する。第ｉ行第ｊ列の部分領域の代表値が第ｉ行第ｊ＋１列の部分領域の代表値以下である場合、当該領域のｄＨａｓｈ値として０を設定する。
【0028】
同様に、テンプレート画像の各領域についてもｄＨａｓｈ値を設定する。次に、背景変判定部２８は、式（２）で検出結果画像とテンプレート画像との距離を導出する。
距離＝（Ｑ－Ｐ）／（（ｍ×（ｎ－１）－Ｐ）…（２）
距離＝（Ｑ－Ｐ）／（（ｍ×（ｎ－１）－Ｐ）…（２）
【0029】
Ｑは、検出結果画像の部分領域の各々のｄＨａｓｈ値とテンプレート画像の対応する部分領域のｄＨａｓｈ値との排他的論理和が０となる数、即ち、一致する数である。背景判定部２８は、距離が所定の閾値以上であれば、類似度が高く、テンプレート画像の背景情報である第１背景情報と検出結果画像の背景情報である第２背景情報との間で変化はない、即ち、画像取得装置３１の設定は変更されていないと判定する。所定の閾値は、例えば、０．８であってよい。
【0030】
Ｑの値で背景情報の変化を判定してもよく、ＱがＬに所定の割合を掛けた値を超えた場合に、背景情報が変化していないと判定してもよい。Ｌに所定の割合を掛けた値は、第２所定数の一例であり、例えば、５８（≒Ｌ×０．８＝７２×０．８）であってもよい。第２の所定数は、第２の閾値の一例である。Ｑ－Ｐの値で背景情報の変化を判定してもよく、Ｑ－ＰがＬ－Ｐに所定の割合を掛けた値を超えた場合に、背景情報が変化していないと判定してもよい。なお、ｄＨａｓｈ値に代えて、ａＨａｓｈ値、ｐＨａｓｈ値などのＰｅｒｃｅｐｔｕａｌ Ｈａｓｈ値を使用してもよい。
【0031】
車両判定部２６は、検出結果画像の誤検出誘引情報に対応する位置に車両の画像が存在するか否か判定する。即ち、誤検出誘引情報に対応する位置で、誤検出でなく、車両が検出されているか否か判定する。誤検出誘引情報に対応する位置に車両が存在する画像は、誤検出を検出するためのテンプレート画像として適していないためである。
【0032】
更新部２９は、図８に例示するように、条件が満たされた場合に、検出結果画像をテンプレート画像と置き替えることで、テンプレート画像を更新し、条件が満たされない場合、テンプレート画像を更新しない。条件とは、輝度判定部２７で輝度情報が変化したと判定され、背景判定部２８で背景情報が変化していないと判定され、かつ、車両判定部２６で検出結果画像の誤検出誘引情報に対応する位置に車両が存在しないと判定される、ことである。なお、画像取得装置３１の設定が変更されないことを前提として、背景情報判定部２８の判定を行わないようにしてもよい。
【0033】
（情報処理装置のハードウェア構成）
情報処理装置１０は、一例として、図９に示すように、ＣＰＵ（Central Processing Unit）５１、一次記憶部５２、二次記憶部５３、及び、外部インターフェイス５４を含む。ＣＰＵ５１は、ハードウェアであるプロセッサの一例である。ＣＰＵ５１、一次記憶部５２、二次記憶部５３、及び、外部インターフェイス５４は、バス５９を介して相互に接続されている。なお、ＣＰＵに代えて、ＧＰＵ（Graphics Processing Unit）が使用されてもよい。
情報処理装置１０は、一例として、図９に示すように、ＣＰＵ（Central Processing Unit）５１、一次記憶部５２、二次記憶部５３、及び、外部インターフェイス５４を含む。ＣＰＵ５１は、ハードウェアであるプロセッサの一例である。ＣＰＵ５１、一次記憶部５２、二次記憶部５３、及び、外部インターフェイス５４は、バス５９を介して相互に接続されている。なお、ＣＰＵに代えて、ＧＰＵ（Graphics Processing Unit）が使用されてもよい。
【0034】
一次記憶部５２は、例えば、ＲＡＭ（Random Access Memory）などの揮発性のメモリである。二次記憶部５３は、例えば、ＨＤＤ（Hard Disk Drive）、又はＳＳＤ（Solid State Drive）などの不揮発性のメモリである。
【0035】
二次記憶部５３は、プログラム格納領域５３Ａ及びデータ格納領域５３Ｂを含む。プログラム格納領域５３Ａは、一例として、車両検出プログラム、誤検出結果除去プログラム及びテンプレート画像更新プログラムの一例であるテンプレート画像管理プログラムなどを含む情報処理プログラムを記憶している。データ格納領域５３Ｂは、テンプレート画像記憶装置３２の一例である。
【0036】
ＣＰＵ５１は、プログラム格納領域５３Ａから情報処理プログラムを読み出して一次記憶部５２に展開する。ＣＰＵ５１は、情報処理プログラムをロードして実行することで、図１の車両検出装置１１、誤検出結果除去装置１２及びテンプレート画像管理装置１３として動作する。即ち、ＣＰＵ５１は、位置判定部２１、画像判定部２２、除去部２３、登録部２５、車両判定部２６、輝度判定部２７、背景判定部２８、及び更新部２９として動作する。
【0037】
なお、情報処理プログラムは、外部サーバに記憶され、ネットワークを介して、一次記憶部５２に展開されてもよい。また、情報処理プログラムは、ＤＶＤ（Digital Versatile Disc）などの非一時的記録媒体に記憶され、記録媒体読込装置を介して、一次記憶部５２に展開されてもよい。
【0038】
外部インターフェイス５４には外部装置が接続され、外部インターフェイス５４は、外部装置とＣＰＵ５１との間の各種情報の送受信を司る。図９では、外部インターフェイス５４に、画像取得装置の一例であるカメラ５５Ａ、表示装置の一例であるディスプレイ５５Ｂ、及び、指示装置の一例であるマウス５５Ｃが接続されている例を示している。
【0039】
しかしながら、例えば、ディスプレイ５５Ｂは、情報処理装置１０に内蔵されていてもよいし、カメラ５５Ａ、ディスプレイ５５Ｂ及びマウス５５Ｃのいずれかまたは全部は、ネットワークを介して、情報処理装置１０と離隔した位置に配置されていてもよい。
【0040】
また、情報処理装置１０は、専用装置であってもよいし、ワークステーション、パーソナルコンピュータ、またはタブレットであってもよい。
【0041】
（情報処理の流れ）
図１０Ａに、本実施形態の情報処理の流れの一例を示す。ＣＰＵ５１は、ステップ１０１で、設定を固定したカメラ５５Ａで取得した画像に対して、車両検出処理を行い、車両検出結果情報を出力する。
図１０Ａに、本実施形態の情報処理の流れの一例を示す。ＣＰＵ５１は、ステップ１０１で、設定を固定したカメラ５５Ａで取得した画像に対して、車両検出処理を行い、車両検出結果情報を出力する。
【0042】
ＣＰＵ５１は、ステップ１０２で、検出結果画像に対して後述する誤検出結果除去処理を行い、ステップ１０３で、検出結果画像及びテンプレート画像を使用して後述するテンプレート画像更新処理を行う。なお、テンプレート画像更新処理は、例えば、所定数の誤検出結果除去処理を行う毎に行われてもよいし、所定時間毎に行われてもよい。また、テンプレート画像更新処理の後、誤検出結果除去処理を行うようにしてもよい。
【0043】
（誤検出結果除去処理の流れ）
図１０Ｂに、本実施形態の誤検出結果除去処理の流れの一例を示す。ＣＰＵ５１は、ステップ１１１で、検出結果画像に未処理の車両検出結果情報が存在するか否か判定する。ステップ１１１の判定が否定された場合、即ち、未処理の車両検出結果情報が存在しない場合、ＣＰＵ５１は、誤検出結果除去処理を終了する。ステップ１１１の判定が肯定された場合、即ち、未処理の車両検出結果情報が存在する場合、ＣＰＵ５１は、ステップ１１２で、当該車両検出結果情報の位置とテンプレート画像の誤検出誘引情報の位置とが一致するか否か判定する。
図１０Ｂに、本実施形態の誤検出結果除去処理の流れの一例を示す。ＣＰＵ５１は、ステップ１１１で、検出結果画像に未処理の車両検出結果情報が存在するか否か判定する。ステップ１１１の判定が否定された場合、即ち、未処理の車両検出結果情報が存在しない場合、ＣＰＵ５１は、誤検出結果除去処理を終了する。ステップ１１１の判定が肯定された場合、即ち、未処理の車両検出結果情報が存在する場合、ＣＰＵ５１は、ステップ１１２で、当該車両検出結果情報の位置とテンプレート画像の誤検出誘引情報の位置とが一致するか否か判定する。
【0044】
ステップ１１２の判定が否定された場合、即ち、車両検出結果情報の位置とテンプレート画像の誤検出誘引情報の位置とが一致しない場合、ＣＰＵ５１は、誤検出結果除去処理を終了する。ステップ１１２の判定が肯定された場合、ＣＰＵ５１は、ステップ１１３で、車両検出結果情報で表される領域の画像と誤検出誘引情報で表される領域の画像とが一致するか否か判定する。
【0045】
ステップ１１３の判定が否定された場合、即ち、車両検出結果情報で表される領域の画像と誤検出誘引情報で表される領域の画像とが一致しない場合、ＣＰＵ５１は、誤検出結果除去処理を終了する。ステップ１１３の判定が肯定された場合、即ち、車両検出結果情報で表される領域の画像と誤検出誘引情報で表される領域の画像とが一致した場合、ＣＰＵ５１は、当該車両検出結果情報を除去する。当該車両検出結果情報は誤検出によると判定されるためである。
（テンプレート画像更新処理）
（テンプレート画像更新処理）
【0046】
図１０Ｃに、本実施形態のテンプレート画像更新処理の流れの一例を示す。ＣＰＵ５１は、ステップ１２１で、検出結果画像の誤検出誘引情報に対応する位置に車両の画像が存在するか否か判定する。ステップ１２１の判定が肯定された場合、即ち、車両の画像が存在する場合、当該検出結果画像はテンプレート画像として使用するのに不適切であるため、ＣＰＵ５１は、テンプレート画像更新処理を終了する。
【0047】
ステップ１２１の判定が肯定された場合、ＣＰＵ５１は、検出結果画像の輝度情報とテンプレート画像の輝度情報との間に変化があるか否か判定する。ステップ１２１の判定が否定された場合、即ち、検出結果画像の輝度情報とテンプレート画像の輝度情報との間に変化がない場合、ＣＰＵ５１は、テンプレート画像更新処理を終了する。
【0048】
ステップ１２２の判定が肯定された場合、即ち、検出結果画像の輝度情報とテンプレート画像の輝度情報との間に変化がある場合、ＣＰＵ５１は、ステップ１２３で、検出結果画像の背景情報とテンプレート画像の背景情報との間に変化があるか否か判定する。ステップ１２３の判定が肯定された場合、即ち、検出結果画像の背景情報とテンプレート画像の背景情報との間に変化がある場合、ＣＰＵ５１は、テンプレート画像更新処理を終了する。
【0049】
ステップ１２３の判定が否定された場合、即ち、検出結果画像の背景情報とテンプレート画像の背景情報との間に変化がない場合、ＣＰＵ５１は、ステップ１２４で、検出結果画像をテンプレート画像とすることで、テンプレート画像を更新する。なお、図１０Ａ～図１０Ｃのフローチャートは一例であり、適宜、ステップの順序を入れ替えてもよいし、ステップの追加または削除を行ってもよい。なお、本実施形態では、対象物が車両である例について説明したが、対象物は、例えば、自転車または船舶などであってよい。
【0050】
なお、ニューラルネットワーク学習済みモデルを使用して車両検出処理を行う場合だけでなく、ルールベースの車両検出処理を行う場合であっても、本実施形態の誤検出結果除去処理及びテンプレート画像更新処理を適用することができる。
【0051】
ニューラルネットワーク学習済みモデルを使用して画像に対して車両検出処理を行い、車両が存在するか否か、車両が走行しているか否か、などを判定する技術が存在する。当該技術では、誤検出を誘引する画像である誤検出誘引画像が存在すると、当該誤検出誘引画像で誤検出が頻出する。
【0052】
誤検出誘引画像による誤検出の発生は、ニューラルネットワーク学習済みモデルを再学習させることで抑制することができる。しかしながら、再学習を行うためには、多くの学習用画像データを収集しなければならず、多くの時間及び費用を要することになる。したがって、本実施形態では、誤検出された車両検出結果情報を、テンプレートマッチングを使用して検出し、検出した車両検出結果情報を除去する。
【0053】
本実施形態では、テンプレート画像の輝度情報である第１輝度情報と、検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する第１の判定処理を行う。テンプレート画像は、予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用する画像である。テンプレート画像の背景情報である第１背景情報と、検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する第２の判定処理を行う。テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する検出結果画像の領域に検出処理の検出対象である対象物の画像が存在するかを判定する第３の判定処理を行う。条件を満たした場合に、検出結果画像でテンプレート画像を更新する。条件を満たした場合とは、第１の判定処理で第１輝度情報と第２輝度情報との間に変化があると判定され、第２の判定処理で第１背景情報と第２背景情報との間に変化がないと判定され、かつ、第３の判定処理で対象物の画像が存在しないと判定された場合である。
【0054】
本実施形態では、テンプレート画像を効率よく更新することができる。
【0055】
以上の各実施形態に関し、更に以下の付記を開示する。
【0056】
（付記１）
予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する第１の判定処理を行い、
前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する第２の判定処理を行い、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する第３の判定処理を行い、
前記第１の判定処理で前記第１輝度情報と前記第２輝度情報との間に第１の閾値以上の変化があると判定され、前記第２の判定処理で前記第１背景情報と前記第２背景情報との間に第２の閾値以上の変化がないと判定され、かつ、前記第３の判定処理で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する、
処理をコンピュータに実行させるテンプレート画像更新プログラム。
（付記２）
前記第１の判定処理は、
前記テンプレート画像及び前記検出結果画像を複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の部分領域の各々の前記代表値と、前記検出結果画像の対応する位置の部分領域の前記代表値と、の間の変化を表す変化値に基づいて変化が大きいと判定される部分領域の個数が第１の所定数を超えている場合、前記第１輝度情報と前記第２輝度情報との間に変化があると判定する、
付記１のテンプレート画像更新プログラム。
（付記３）
前記第２の判定処理は、
前記テンプレート画像及び前記検出結果画像を複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記検出結果画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記検出結果画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値と前記検出結果画像の対応する前記部分領域のｄＨａｓｈ値とが一致する部分領域の個数が第２の所定数を超えている場合に前記第１背景情報と前記第２背景情報との間に変化がないと判定する、
付記１または付記２のテンプレート画像更新プログラム。
（付記４）
前記対象物の検出処理は、前記予め定められた撮影範囲を撮影した撮影画像から前記対象物を検出するように学習させたディープラーニング学習済みモデルによる処理である、
付記１～付記３の何れかのテンプレート画像更新プログラム。
（付記５）
コンピュータが、
予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する第１の判定処理を行い、
前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する第２の判定処理を行い、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する第３の判定処理を行い、
前記第１の判定処理で前記第１輝度情報と前記第２輝度情報との間に第１の閾値以上の変化があると判定され、前記第２の判定処理で前記第１背景情報と前記第２背景情報との間に第２の閾値以上の変化がないと判定され、かつ、前記第３の判定処理で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する、
テンプレート画像更新方法。
（付記６）
前記第１の判定処理は、
前記テンプレート画像及び前記検出結果画像を各々複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の部分領域の各々の前記代表値と、前記検出結果画像の対応する位置の部分領域の前記代表値と、の間の変化を表す変化値に基づいて変化が大きいと判定される部分領域の個数が第１の所定数を超えている場合、前記第１輝度情報と前記第２輝度情報との間に変化があると判定する、
付記５のテンプレート画像更新方法。
（付記７）
前記第２の判定処理は、
前記テンプレート画像及び前記検出結果画像を各々複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記検出結果画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記検出結果画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値と前記検出結果画像の対応する前記部分領域のｄＨａｓｈ値とが一致する部分領域の個数が第２の所定数を超えている場合に前記第１背景情報と前記第２背景情報との間に変化がないと判定する、
付記５または付記６のテンプレート画像更新方法。
（付記８）
前記対象物の検出処理は、前記予め定められた撮影範囲を撮影した撮影画像から前記対象物を検出するように学習させたディープラーニング学習済みモデルによる処理である、
付記５～付記７の何れかのテンプレート画像更新方法。
（付記９）
予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する輝度判定部と、
前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する背景判定部と、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する対象物判定部と、
前記輝度判定部で前記第１輝度情報と前記第２輝度情報との間に第１の閾値以上の変化があると判定され、前記背景判定部で前記第１背景情報と前記第２背景情報との間に第２の閾値以上の変化がないと判定され、かつ、前記対象物判定部で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する更新部と、
を含むテンプレート画像更新装置。
（付記１０）
前記輝度判定部は、
前記テンプレート画像及び前記検出結果画像を各々複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の部分領域の各々の前記代表値と、前記検出結果画像の対応する位置の部分領域の前記代表値と、の間の変化を表す変化値に基づいて変化が大きいと判定される部分領域の個数が第１の所定数を超えている場合、前記第１輝度情報と前記第２輝度情報との間に変化があると判定する、
付記９のテンプレート画像更新装置。
（付記１１）
前記背景判定部は、
前記テンプレート画像及び前記検出結果画像を各々複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記検出結果画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記検出結果画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値と前記検出結果画像の対応する前記部分領域のｄＨａｓｈ値とが一致する部分領域の個数が第２の所定数を超えている場合に前記第１背景情報と前記第２背景情報との間に変化がないと判定する、
付記９または付記１０のテンプレート画像更新装置。
（付記１２）
前記対象物の検出処理は、前記予め定められた撮影範囲を撮影した撮影画像から前記対象物を検出するように学習させたディープラーニング学習済みモデルによる処理である、
付記９～付記１１の何れかのテンプレート画像更新装置。
予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する第１の判定処理を行い、
前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する第２の判定処理を行い、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する第３の判定処理を行い、
前記第１の判定処理で前記第１輝度情報と前記第２輝度情報との間に第１の閾値以上の変化があると判定され、前記第２の判定処理で前記第１背景情報と前記第２背景情報との間に第２の閾値以上の変化がないと判定され、かつ、前記第３の判定処理で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する、
処理をコンピュータに実行させるテンプレート画像更新プログラム。
（付記２）
前記第１の判定処理は、
前記テンプレート画像及び前記検出結果画像を複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の部分領域の各々の前記代表値と、前記検出結果画像の対応する位置の部分領域の前記代表値と、の間の変化を表す変化値に基づいて変化が大きいと判定される部分領域の個数が第１の所定数を超えている場合、前記第１輝度情報と前記第２輝度情報との間に変化があると判定する、
付記１のテンプレート画像更新プログラム。
（付記３）
前記第２の判定処理は、
前記テンプレート画像及び前記検出結果画像を複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記検出結果画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記検出結果画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値と前記検出結果画像の対応する前記部分領域のｄＨａｓｈ値とが一致する部分領域の個数が第２の所定数を超えている場合に前記第１背景情報と前記第２背景情報との間に変化がないと判定する、
付記１または付記２のテンプレート画像更新プログラム。
（付記４）
前記対象物の検出処理は、前記予め定められた撮影範囲を撮影した撮影画像から前記対象物を検出するように学習させたディープラーニング学習済みモデルによる処理である、
付記１～付記３の何れかのテンプレート画像更新プログラム。
（付記５）
コンピュータが、
予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する第１の判定処理を行い、
前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する第２の判定処理を行い、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する第３の判定処理を行い、
前記第１の判定処理で前記第１輝度情報と前記第２輝度情報との間に第１の閾値以上の変化があると判定され、前記第２の判定処理で前記第１背景情報と前記第２背景情報との間に第２の閾値以上の変化がないと判定され、かつ、前記第３の判定処理で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する、
テンプレート画像更新方法。
（付記６）
前記第１の判定処理は、
前記テンプレート画像及び前記検出結果画像を各々複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の部分領域の各々の前記代表値と、前記検出結果画像の対応する位置の部分領域の前記代表値と、の間の変化を表す変化値に基づいて変化が大きいと判定される部分領域の個数が第１の所定数を超えている場合、前記第１輝度情報と前記第２輝度情報との間に変化があると判定する、
付記５のテンプレート画像更新方法。
（付記７）
前記第２の判定処理は、
前記テンプレート画像及び前記検出結果画像を各々複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記検出結果画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記検出結果画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値と前記検出結果画像の対応する前記部分領域のｄＨａｓｈ値とが一致する部分領域の個数が第２の所定数を超えている場合に前記第１背景情報と前記第２背景情報との間に変化がないと判定する、
付記５または付記６のテンプレート画像更新方法。
（付記８）
前記対象物の検出処理は、前記予め定められた撮影範囲を撮影した撮影画像から前記対象物を検出するように学習させたディープラーニング学習済みモデルによる処理である、
付記５～付記７の何れかのテンプレート画像更新方法。
（付記９）
予め定められた撮影範囲を撮影した撮影画像に対し、対象物の検出処理を施した検出結果画像から誤検出による検出領域を検知する際に使用するテンプレート画像の輝度情報である第１輝度情報と、前記検出結果画像の輝度情報である第２輝度情報との間に第１の閾値以上の変化があるかを判定する輝度判定部と、
前記テンプレート画像の背景情報である第１背景情報と、前記検出結果画像の背景情報である第２背景情報との間に第２の閾値以上の変化があるかを判定する背景判定部と、
前記テンプレート画像に含まれる誤検出を誘引する画像を含む誤検出誘引領域に対応する前記検出結果画像の領域に前記検出処理の検出対象である対象物の画像が存在するかを判定する対象物判定部と、
前記輝度判定部で前記第１輝度情報と前記第２輝度情報との間に第１の閾値以上の変化があると判定され、前記背景判定部で前記第１背景情報と前記第２背景情報との間に第２の閾値以上の変化がないと判定され、かつ、前記対象物判定部で前記対象物の画像が存在しないと判定された場合に、前記検出結果画像で前記テンプレート画像を更新する更新部と、
を含むテンプレート画像更新装置。
（付記１０）
前記輝度判定部は、
前記テンプレート画像及び前記検出結果画像を各々複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の部分領域の各々の前記代表値と、前記検出結果画像の対応する位置の部分領域の前記代表値と、の間の変化を表す変化値に基づいて変化が大きいと判定される部分領域の個数が第１の所定数を超えている場合、前記第１輝度情報と前記第２輝度情報との間に変化があると判定する、
付記９のテンプレート画像更新装置。
（付記１１）
前記背景判定部は、
前記テンプレート画像及び前記検出結果画像を各々複数の部分領域に分割し、
前記テンプレート画像及び前記検出結果画像の複数の部分領域の各々の輝度情報の代表値を導出し、
前記テンプレート画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記検出結果画像の前記部分領域の代表値と、前記部分領域に隣接する隣接部分領域の代表値とを使用して、前記検出結果画像の前記部分領域の各々のｄＨａｓｈ値を導出し、
前記テンプレート画像の前記部分領域の各々のｄＨａｓｈ値と前記検出結果画像の対応する前記部分領域のｄＨａｓｈ値とが一致する部分領域の個数が第２の所定数を超えている場合に前記第１背景情報と前記第２背景情報との間に変化がないと判定する、
付記９または付記１０のテンプレート画像更新装置。
（付記１２）
前記対象物の検出処理は、前記予め定められた撮影範囲を撮影した撮影画像から前記対象物を検出するように学習させたディープラーニング学習済みモデルによる処理である、
付記９～付記１１の何れかのテンプレート画像更新装置。
【符号の説明】
【0057】
１３ テンプレート画像管理装置（テンプレート画像更新装置）
２６ 車両判定部（対象物判定部）
２７ 輝度判定部
２８ 背景判定部
２９ 更新部
５１ ＣＰＵ
５２ 一次記憶部
５３ 二次記憶部
２６ 車両判定部（対象物判定部）
２７ 輝度判定部
２８ 背景判定部
２９ 更新部
５１ ＣＰＵ
５２ 一次記憶部
５３ 二次記憶部
【図1】
【図2】
【図3】
【図4】
【図5A】
【図5B】
【図5C】
【図6】
【図7】
【図8】
【図9】
【図10A】
【図10B】
【図10C】
