JP3888055B2

JP3888055B2 - オプティカルフローを利用した列車前方異常検出装置

Info

Publication number: JP3888055B2
Application number: JP2000394049A
Authority: JP
Inventors: 正人鵜飼; 憲市郎中村
Original assignee: Railway Technical Research Institute
Current assignee: Railway Technical Research Institute
Priority date: 2000-12-26
Filing date: 2000-12-26
Publication date: 2007-02-28
Anticipated expiration: 2020-12-26
Also published as: JP2002197445A

Description

【０００１】
【発明の属する技術分野】
本発明は、列車に搭載し進行方向を監視するＩＴＶカメラで撮影した時系列画像を処理して、ホームからの乗客等の人物や移動物体(以下、必要に応じて、移動物体と記載する)の転落などの異常を検出するオプティカルフローを利用した列車前方異常検出装置に関するものである。
【０００２】
【従来の技術】
ホームからの乗客等の転落検知装置は従来から様々なものが開発或いは提案されており、例えば特開平７−３２９７７２号公報、特開平９−２１８５６号公報、特開平９−２６４７２号公報、特開平９−１９３７８９号公報、特開平９−１９３８０３号公報、特開２０００−９５０９９号公報にも開示されている。ところが、これらの特許公報に開示された転落検知装置は、いずれも地上に設置された転落検知装置である。このため、転落検知装置がホームからの乗客等の転落を検知した場合、これを列車に通知する通信手段が必要である。即ち、地上に設置された転落検知装置と列車の運転席とを結ぶ無線通信システムが必要である。運転席でホームからの乗客の転落があったことを知らされた運転士は、列車の非常ブレーキを操作する等のアクションをとることになる。このように最終的には運転士は何らかのアクションをとることになるが、現実の無線通信システムの信頼性と、運転士を含むシステム全体の応答性に鑑みれば、通信が途切れたり、又は一瞬ではあるが運転士の対応に遅れが生じたりする危険性が皆無とは言えないという問題がある。
【０００３】
列車に搭載し進行方向を監視するＩＴＶカメラにより得られる画像から、テンプレートマッチングにより列車前方の支障物を検知しようとする考えは従来からあった。しかしながら、検出対象が既知であればテンプレートマッチングによる検知は可能であるが、ホームからの乗客等の転落という様々な対象を検知することは不可能である。また連続するフレーム間の差分からだけでは、自列車の移動の影響を除くことはできないし、対象の速度場を求めることはできない。従って、車載のＩＴＶカメラにより得られる画像から、テンプレートマッチングにより列車前方の支障物を検知する支障物検知装置は開発されていない。なお、車載ではないが、ホームの下の線路をテンプレート画像に登録し、類似度が下がったときには人が線路に降りていると判断する異常監視装置が、特開平９−２８２４５５号公報に開示されている。
【０００４】
車両前方に取り付けたレーザレーダからレーザ光を発し、対象からの反射光によって距離を算出し支障物を検知しようという装置もあるが、駅ホームのように人が複雑な動きをする場合に、異常か否かを判定することは困難である。
【０００５】
【発明が解決しようとする課題】
本発明が解決しようとする課題は、直線路のみならずカーブでもホームから転落の可能性がある異常な動きの乗客を検出することができるオプティカルフローを利用した列車前方異常検出装置を提供することである。
【０００６】
【課題を解決するための手段】
上記課題を解決するために、列車の運転席付近に搭載したＩＴＶカメラで列車進行方向を監視し、前記ＩＴＶカメラで撮影した時系列テレビ画像に正則化手法を用いた画像処理を施して画素毎にオプティカルフロー推定を行い、列車の進行方向前方に仮定されるＦＯＥを中心にしてＸＹ軸により分割された４領域の境界を決定し、更に、前記４領域の特定領域の列車進行方向に対して危険方向角度幅に入る角度のオプティカルフローの推定速度ベクトルを選別することによって、列車前方に明らかに危険と判定できる移動物体が存在することを検知するようにした。
【０００７】
そして、前記画像処理においては、連続する画像フレーム間で起きる背景情報の移動量（ズレ）を勾配法によるオプティカルフローの瞬時速度場ベクトル情報に置換し、その方向データを利用して背景移動量を求め、連続する画像フレーム間の背景情報を一致させて背景移動補正を行い、背景移動補正後の連続する画像フレーム間で実在する移動物体の推定速度を求めるようにした。これによって、背景情報が常に画像フレーム毎に移動する場合の背景差分や時間差分の画像処理の困難性を克服した。
【０００８】
更に、前記画像処理においては、連続２フレームの第１画像と第２画像の中の第１画像に対して一次微分処理を施し、演算対象の画素に対応する一次微分値を引用して正則化パラメータテーブルから最適の正則化パラメータを選定し、この選定した正則化パラメータを用いて連続２フレームの第１画像と第２画像を画像処理して勾配法オプティカルフローを求めるようにした。
【０００９】
【発明の実施の形態】
走行中の列車の前方を車載のＩＴＶカメラにより撮影して得られた時系列２画像から抽出されるオプティカルフローは、図２に示す如く、画像上の１点ＦＯＥ（focus of expansion）から放射状に広がる推定速度ベクトルとなる。ＦＯＥは、無限遠点又は消失点とも呼ばれるものである。なお、図２において、矢印付の６本の放射状の直線はオプティカルフローを示し、矢印なしの２本の太い直線はレールを示す。
【００１０】
本発明において、転落の可能性のある乗客は次のように定義する。即ち、ホームから転落する可能性がある乗客は、進行方向に対し直角な方向に或る速度以上で進入する人物とする。進行方向に対し直角な方向でなく、走行列車へ向かって突進する状況も想定されるが、その場合も速度ベクトルの成分は、ホームから線路に向かう横断方向の成分が必ず存在する。直線でもカーブでも転落可能性のある乗客を安定して検知するためには、時系列画像で常にＦＯＥを認識することが必要条件となる。
【００１１】
図３は、発散速度場をＦＯＥを中心として両面を４分割したものである。４分割した第１領域、第２領域、第３領域、第４領域毎に、推定速度ベクトルの方向は決まっている。即ち、例えば図３の４領域が直交するＸＹ軸で分割され、第１領域と第４領域の境界のＹ軸を０°とし且つ時計方向に角度をとった場合、ＦＯＥを中心として発散するオプティカルフローは、第１領域では０°から９０°の角度幅に、第２領域では９０°から１８０°の角度幅に、第３領域では１８０°から２７０°の角度幅に、そして、第４領域では２７０°から３６０°の角度幅に全て入る。
【００１２】
そこで、図３の画面中の第１領域及び第４領域に列車のプラットホームが写る線路画像では、２つの実線の矢印で挟まれた角度方向のオプティカルフローが危険であると判断する。即ち、第１領域において左上向きの角度θ_１の矢印と左下向きの角度θ_２の矢印で挟まれた速度場角度幅α即ち（θ_１〜θ_２）に入る角度θのオプティカルフローが存在するとき、又は第４領域において右上向きの角度θ_３の矢印と右下向きの角度θ_４の矢印で挟まれた速度場角度幅β即ち（θ_３〜θ_４）に入る角度θのオプティカルフローが存在するとき、列車進行方向に危険な移動物体、特に転落の可能性がある乗客が存在すると判断する。
【００１３】
第１領域における速度場角度幅（θ_１〜θ_２）は、列車進行方向に対して危険方向角度幅、即ち列車進行方向に対して直角な方向を含む所定角度幅に入る角度幅である。第１領域における列車進行方向に直角方向は、線路位置を示す右側の点線に対して直角な方向であるから、やや左下向きの点線の矢印で示す如く、概ね２６０°である。そこで、所定角度幅を例えば６０°とし且つ点線の矢印に対して等角度幅とすると、θ_１は２３０°、θ_２は２９０°となる。従って、２３０°から２９０°の角度を有するオプティカルフローが第１領域に存在することを検知した場合には、列車進行方向に危険な移動物体が存在すると判断するのである。
【００１４】
第４領域における速度場角度幅（θ_３〜θ_４）は、列車進行方向に対して危険方向角度幅、即ち列車進行方向に対して直角な方向を含む所定角度幅に入る角度幅である。第４領域における列車進行方向に直角方向は、線路位置を示す左側の点線に対して直角な方向であるから、やや右下向きの点線の矢印で示す如く、概ね１００°である。そこで、所定角度幅を例えば６０°とし且つ点線の矢印に対して等角度幅とすると、θ_１は７０°、θ_２は１３０°となる。従って、７０°から１３０°の角度を有するオプティカルフローが第４領域に存在することを検知した場合には、列車進行方向に危険な移動物体が存在すると判断するのである。
【００１５】
オプティカルフローは観測者が感じる画面上のある物体の見かけ速度分布を指す。オプティカルフローを推定する基本式は２つの仮定から導出される。その１つは、対象となる物理点の持つ濃淡値が運動に際して一定に保たれていることである。時刻ｔにおける画面上のある点(ｘ，ｙ)の濃淡値をＰ(ｘ，ｙ，ｔ) とし、微小時間Δｔ後は物理点が点（ｘ+Δｘ，ｙ＋Δｙ）まで移動し、その濃淡値をＰ（ｘ＋Δｘ，ｙ＋Δｙ，ｔ＋Δｔ）とすると、次の数式１が成立する。
【００１６】
【数１】

これをテイラー展開し、Δｔを０に極限を取ると、数式２が得られる。
【００１７】
【数２】

但し、ｕとｖは見かけ速度ベクトルであり、Ｐ_ｘ、Ｐ_ｙ、Ｐ_ｔは夫々ｘ、ｙ、ｔに対する偏微分である。
【００１８】
もう１つの仮定は、見かけ速度ｕとｖは滑らかに変化することである。速度の滑らかさＥ_ｃは、数式３の通り、速度ベクトルのラプラシアンの和で評価する。
【００１９】
【数３】

【００２０】
実際に計算するには、数式２のＰ_ｘ、Ｐ_ｙ、Ｐ_ｔは有限差分で近似し誤差をもたらす。数式３も離散化する必要があり、実際には速度分布の滑らかさを数式４と数式５で評価する。但し、Ｅ_ｂは対象となる物理点の持つ濃淡値が運動に際して一定に保たれるているとの仮定に基づくオプティカルフローの拘束条件を表す。
【００２１】
【数４】

【数５】

【００２２】
但し、数式５においてベクトル表示の見かけ速度ｕとｖは、数式６と数式７に示す通り、近傍速度ベクトルの平均値である。
【数６】

【数７】

【００２３】
滑らかさの重み係数である正則化パラメータαを導入して数式４と数式５を統合すると、次の数式８のような誤差Ｅの評価式が与えられる。
【数８】

【００２４】
誤差Ｅが最小値を取る条件で速度分布の計算式が得られる。結局、次の数式９と数式１０を反復して収束すれば推定速度が得られる。但し、ｋは反復パラメータである。
【数９】

【数１０】

【００２５】
本発明は、列車の運転席付近に搭載したＩＴＶカメラで撮影した時系列テレビ画像に、上述の正則化手法を用いた画像処理を施して画素毎にオプティカルフロー推定を行い、更に、列車進行方向と直角方向又は直角方向から所定の角度範囲にある危険方向角度幅に存在するオプティカルフローの推定速度ベクトルを選別することによって、列車前方に明らかに危険と判定できる移動物体が存在することを検知するようにしたものである。
【００２６】
即ち、本発明の一実施形態のオプティカルフローを利用した列車前方異常検出装置は、図１のブロック構成図で示す如く、監視対象場面を連続撮影する監視カメラ１１、監視カメラ１１が撮影したアナログ画像をデジタル画像に変換するＡ／Ｄ変換部１２、Ａ／Ｄ変換部１２から入力された時系列画像を蓄積する時系列画像蓄積部１３、時系列画像蓄積部１３に蓄積された時系列２画像の中の第１画像を取り出して画素毎に一次微分を施す第１画像一次微分部１４、第１画像一次微分部１４の出力である第１画像の画素毎の一次微分値を引用して最適の正則化パラメータを与える正則化パラメータテーブル引用部１５、演算処理部１６、及び警報部１７とから構成されている。
【００２７】
演算処理部１６は、時系列画像蓄積部１３に蓄積された時系列２画像の中の第１画像並びに第２画像及び正則化パラメータテーブル引用部１５からの正則化パラメータを入力として監視対象場面の画像のオプティカルフローを推定し、推定されたオプティカルフローに所定の演算処理を施して列車進行方向と直角方向のオプティカルフロー推定速度を選別し、列車前方に危険な移動物体が存在するか否かを判断する装置である。
【００２８】
部品構成で表現すると、演算処理部１６は例えば、各種演算と制御を行うＣＰＵ、プログラムが記憶されたＲＯＭ、各種データを記憶するＲＡＭ、データ等の入力を行うキーボード、ディスプレイ、及びプリンタ等から構成されている。
【００２９】
また機能構成で表現すると、演算処理部１６は、オプティカルフロー推定速度を算出する画像処理手段と、前記画像処理手段で算出されたオプティカルフロー推定速度の中から列車進行方向と直角方向のオプティカルフロー推定速度を選別する推定速度選別手段と、前記推定速度選別手段により選別された列車進行方向と直角方向のオプティカルフロー推定速度に基づいて明らかに危険と判定できる移動物体の存在の有無を判断する判断手段とから構成されたものである。
【００３０】
次に、図１に示した本発明の一実施形態のオプティカルフローを利用した列車前方異常検出装置の動作を、図６のフローチャートに従って説明する。
【００３１】
図６において、監視カメラ１１で撮影された画像はＡ／Ｄ変換部１２でデジタル信号に変換され、時系列画像蓄積部１３に入力される。時系列画像蓄積部１３に第１画像と第２画像の時系列２画像が蓄積される（１０１）。
【００３２】
ステップ１０１に続いて、第１画像一次微分部１４は、前記第１画像に対して一次微分の処理を施す（１０２）。一次微分は、前記第１画像の全ての画素に対して画素毎に行われる。
【００３３】
ステップ１０２に続いて、正則化パラメータテーブル部１５は、正則化パラメータテーブルを参照し、前記第１画像の画素毎の一次微分値に対して最適の正則化パラメータαを選定する（１０３）。
【００３４】
ステップ１０３に続いて、演算処理部１６は、全ての画素に対して画素毎にオプティカルフロー推定演算を行う（１０４）。オプティカルフロー推定演算は、画素毎に上記数式８〜数式１０を用いて行われる。演算に用いられるデータは、時系列画像蓄積部１３に蓄積されている第１画像並びに第２画像の画像データ、及び正則化パラメータテーブル部１５の正則化パラメータαである。なお、正則化パラメータに関しては、図６のフローチャートの説明を終了した後に、改めて詳述する。
【００３５】
ステップ１０４に続いて、演算処理部１６は、推定速度ベクトルの角度系列テーブルを生成する（１０５）。前記推定速度ベクトルの角度系列テーブルは、図５に示す如く、オプティカルフローの推定速度ベクトルの角度θを左欄に記載し、この角度を有するオプティカルフローの位置を座標Ｘと座標Ｙで表示したものである。オプティカルフローの位置は、言換えれば当該オプティカルフローを発生させた画素のＸＹ画面上の位置である。
【００３６】
図５は、第１領域と第２領域の境界が９２°、第２領域と第３領域の境界が１８５°、第３領域と第４領域の境界が２７０°となっている。これは、ＦＯＥの位置が列車の進行に従って常に変動するためである。このような境界角度で区分された図５の４領域において、ＦＯＥを中心として発散するオプティカルフローは、第１領域では０°から９２°の角度幅に、第２領域では９２°から１８５°の角度幅に、第３領域では１８５°から２７０°の角度幅に、そして、第４領域では２７０°から３６０°の角度幅に全て入る。
【００３７】
しかしながら、例えば第１領域の角度幅に入るべきオプティカルフローが２５０°の角度を有する場合、このオプティカルフローは、図５において第３領域に配列されることになる。同様に、例えば第４領域の角度幅に入るべきオプティカルフローが８０°の角度を有する場合、このオプティカルフローは、図５において第１領域に配列されることになる。
【００３８】
ステップ１０５に続いて、演算処理部１６は、ＦＯＥを中心とする４領域の境界、即ち第１領域、第２領域、第３領域、第４領域の境界を決定する処理を行う（１０６）。
【００３９】
ＦＯＥは、次のようにして決定する。演算処理部１６は、推定速度ベクトルの方向分布状況を判断してＦＯＥ付近を幾何学的に決定する。そして、演算処理部１６は、抽出推定速度ベクトルの信頼度解析処理で統計的判断後、各推定速度ベクトルの始点方向に仮想延長線が交わる点をＦＯＥとする。複数の仮想延長線の交わりは１点でなく特定の分布が想定されるが、最小２乗法でＦＯＥを決定する。
【００４０】
ＦＯＥを決定すると、第１領域と第４領域の境界が定まる。第１領域と第４領域の境界角度は監視カメラの画角と軌道（レール）の水平度で決定する。列車搭載の監視カメラが十分遠方を撮影するならば、水平度を考慮しないで領域境界が決定される。
【００４１】
ステップ１０６に続いて、演算処理部１６は、列車進行方向の風景で生じるオプティカルフローを前記推定速度ベクトルの角度系列テーブルから削除する（１０７）。列車進行方向の風景で生じるオプティカルフローは、ＦＯＥを中心にした放射状のものであり、これらは前記推定速度ベクトルの角度系列テーブルにおいて角度で特定できるものである。演算処理部１６は前記推定速度ベクトルの角度系列テーブルを検索し、列車進行方向の風景で生じるオプティカルフローを特定し、これを削除する。
【００４２】
ステップ１０７に続いて、演算処理部１６は、列車進行方向に存在する移動物体で生じるオプティカルフローのテーブルを生成する（１０８）。ステップ１０７が終了した時点で、前記推定速度ベクトルの角度系列テーブルに残されたオプティカルフローは、列車進行方向の風景で生じるオプティカルフローを含まないものである。従って、ステップ１０８では、演算処理部１６は、前記推定速度ベクトルの角度系列テーブルを第１領域と第４領域について編集することによって、列車進行方向に存在する移動物体で生じるオプティカルフローのテーブルを生成することになる。
【００４３】
ステップ１０８に続いて、演算処理部１６は、危険方向角度幅に存在する推定速度ベクトルが存在するか否かを判断する（１０９）。即ち、演算処理部１６は、ステップ１０８で生成された列車進行方向に存在する移動物体で生じるオプティカルフローのテーブルを検索し、第１領域空間に存在する推定速度ベクトルであって、θ1〜θ２の範囲内の角度を有し且つスカラ値が設定値以上である危険な推定速度ベクトルを抽出する。続いて、演算処理部１６は、前記テーブルを検索し、第４領域空間に存在する推定速度ベクトルであって、θ３〜θ４の範囲内の角度を有し且つスカラ値が設定値以上である危険な推定速度ベクトルを抽出する。
【００４４】
ステップ１０９で危険な推定速度ベクトルが抽出された場合は、演算処理部１６はその旨を表す信号を警報部１７に与え、警報処理を行わせる（１１０）。また、ステップ１０９で危険な推定速度ベクトルが抽出されなかった場合は、ステップ１０１に戻る。
【００４５】
次に、図６のステップ１０３で行われた正則化パラメータの最適値の選定について、以下に詳述する。
【００４６】
オプティカルフロー推定において演算画素の周辺の状態、即ち輝度分布や空間周波数の状態から適切な正則化パラメータαの選定が要求されることは、例えば特開平９−２９７８５１号公報に開示され、公知の事実である。オプティカルフロー推定において、正則化パラメータαの選択によっては推定速度場の抽出感度を制御することが可能であり、また、外乱制御を目的としたローパスフィルタとしての機能を持たせたと考えることもできる。
【００４７】
本発明に係る列車前方異常検出装置は、事前に方向識別できる異常速度を検出するものである。列車から進行方向前方に仮定されるＦＯＥに至る線路上の法線方向に進む危険者の挙動速度のみを検出するものである。
【００４８】
このように推定速度の方向性が限定されるため、オプティカルフロー推定の前処理として、時系列第１画像で演算対象画素のエッジ強度及びエッジ方向を一次微分で把握し、エッジ方向が線路方向と平行するか若しくは平行を中心とする一定角度範囲に含まれるなら、演算対象画素に対応する配列化した正則化パラメータ引用テーブルに大きな値をセットする。また、エッジ方向によっては、極端に大きな値を前記正則化パラメータ引用テーブルにセットする。要するに、オプティカルフロー推定計算において移動物体が危険とみなす移動方向と濃度勾配が一致する画素では、正則化パラメータαは最適値とし、他の角度では大きな値を与えるのである。
【００４９】
列車進行にともない背景においてもオプティカルフローが選られるので、対象物の移動ベクトルを推定するためには、この列車進行方向で発生するオプティカルフローの影響を排除する必要がある。更に、混雑するホーム上では、大勢の人物が自由な方向に移動しているため、画面全体で現われる推定速度ベクトルは一層複雑なものとなる。
【００５０】
正則化パラメータの最適値の選定というステップ１０３は、このような現場の状況を考慮して、オプティカルフロー推定計算過程で検出目的の危険な方向成分だけ感度を上げるようにしたのである。当然ながらオプティカルフロー推定後に抽出した推定ベクトルに対して角度フィルタ機能で不要方向のベクトルは除外する。
【００５１】
一次微分は、３×３画素の輝度値を基に、その中心点の勾配を求めるための演算処理である。この一時微分処理はグラジエント処理とも呼ばれ、この処理によってエッジの方向を認識する。画像中の画素位置(座標)が分かると、それに対応する線路方向に直角な方向のベクトルは容易に計算できるので、最も適した正則化パラメータ値αを決定できる。
【００５２】
ステップ１０３の処理は、連続する画像フレーム間で起きる背景情報の移動量（ズレ）を勾配法によるオプティカルフローの瞬時速度場ベクトル情報に置換し、その方向データを利用して背景移動量を求め、連続する画像フレーム間の背景情報を一致させて背景移動補正を行い、背景移動補正後の連続する画像フレーム間で実在する移動物体の推定速度を求める処理でもある。これによって、背景情報が常に画像フレーム毎に移動する場合の背景差分や時間差分の画像処理の困難性を克服した。
【００５３】
【発明の効果】
本発明に係るオプティカルフローを利用した列車前方異常検出装置により、直線路のみならずカーブでもホームから転落の可能性がある異常な動きの乗客を車上から検出することができるようになった。従って、従来の地上設置の列車前方異常検出装置でホームから転落の可能性がある異常な動きの乗客を検出した場合よりも、迅速な対応を車上でとれるようになった。
【図面の簡単な説明】
【図１】本発明の一実施形態の列車前方異常検出装置のブロック構成図である。
【図２】画像上の１点ＦＯＥから放射状に発散するオプティカルフローを示した図である。
【図３】発散速度場を分割した４つの領域、即ち第１領域、第２領域、第３領域及び第４領域を示した図である。
【図４】正則化テーブルを示した図である。
【図５】オプティカルフローの角度系列テーブルを示した図である。
【図６】本発明の一実施形態の列車前方異常検出装置の動作の流れを示したフローチャートである。
【符号の説明】
１１監視カメラ
１２Ａ／Ｄ変換部
１３時系列画像蓄積部
１４第１画像一次微分部
１５正則化パラメータテーブル引用部
１６演算処理部
１７警報部

Claims

列車の運転席付近に搭載し列車進行方向を監視するＩＴＶカメラと、前記ＩＴＶカメラで撮影した時系列画像から抽出したオプティカルフロー推定速度を算出する画像処理手段と、列車の進行方向前方に仮定されるＦＯＥを中心にしてＸＹ軸により分割された４領域の境界を決定する手段と、前記画像処理手段で算出されたオプティカルフロー推定速度の中から前記４領域の特定領域の列車進行方向と直角な方向又は直角な方向を含む所定角度幅のオプティカルフロー推定速度を選別する推定速度選別手段と、前記推定速度選別手段により選別された列車進行方向に対して危険方向角度幅に入る角度のオプティカルフロー推定速度に基づいて明らかに危険と判定できる移動物体の存在の有無を判断する判断手段とから構成されたオプティカルフローを利用した列車前方異常検出装置。
前記画像処理手段は、連続フレーム間で起きる背景情報の移動量を勾配法によるオプティカルフローの瞬時速度場ベクトル情報に置換し、その方向データを利用して背景移動量を求める手段と、連続フレーム間の背景情報を一致させて背景移動補正を行い、背景移動補正後の連続フレーム間で実在する移動物体の推定速度を求める手段とからなるものであることを特徴とする請求項１のオプティカルフローを利用した列車前方異常検出装置。
前記画像処理手段は、連続２フレームの第１画像に対して一次微分処理を施す演算処理手段と、演算対象の画素に対応する一次微分値を引用して正則化パラメータテーブルから最適の正則化パラメータを選定する正則化パラメータ選定手段と、前記最適の正則化パラメータを用いて連続２フレームの第１画像と第２画像とを画像処理して勾配法オプティカルフローを求めるオプティカルフロー算出手段とからなるものであることを特徴とする請求項１のオプティカルフローを利用した列車前方異常検出装置。