機械学習を用いた屋外カメラによる駐車場監視システムの開発

摘要

Currently used parking systems involve sensors, such as ultrasonic waves, infrared rays, and cameras. These systems check whether a parking space has a car, however parking time measurements are, to the best of our knowledge, not performed. Currently known methods for measuring parking time can be difficult to introduce and might consume space and/or have installation costs. If parking time can be measured by using surveillance cameras installed in the parking lot, this can be advantageous with respect to installation spaces and/or cost. In this research, a parking lot surveillance system which guesses parking time without using correlations of time series data for a large parking lot, using a network camera at an outdoor parking lot, has been created. Discrimination between occupied or vacant parking spaces is done using a support vector machine, and features are extracted by Bag-of-features used in the field of generic object recognition. Furthermore, similarities are calculated from SIFT features, and when a threshold similarity value which is previously determined by Bayes decision rule from estimated densities is exceeded, the parking time of each car is guessed by discriminating from the same car.%超音波，赤外線，カメラ等のセンサを用いた駐車場監視システムが開発されている．これらのシステムでは，駐車か空車か識別することを目的としており，駐車時間を計測することは我々の知る限り行われていない．駐車時間を計測するには，センサ以外にゲートを設けて車の入出時間を管理すればよいが，設置スペースやコストの面で導入が困難な場合がある.駐車場に設置されている監視カメラを用いて駐車時間を計測できれば，設置スペースや価格の面で有利である.本研究では，ネットワークカメラを用い，大規模な屋外駐車場にも対応できるようにするため，時系列データの相関性を利用しないことで低フレームレートの場合でも駐車時間を推定可能な駐車場監視システムを開発した.一般物体認識の分野で用いられているBag-of-featuresによって特徴量を抽出し，その特徴量からSupport Vector Machineを用いて駐車か空車かを識別した．さらに，SIFT特徴量から類似度を計算し，推定した類似度の確率密度からベイズ決定則を用いて事前に決定した閾値を類似度が超えたら同一車と識別することで，連続して駐車している車の駐車時間を推定した．