JP2019149114A - データ処理装置、画像解析方法、およびプログラム - Google Patents

Abstract

【課題】鋼管内部の劣化状態を診断する作業の効率を向上させる。【解決手段】本発明の代表的な実施の形態に係るデータ処理装置（１００）は、複数の時系列の静止画（４００）を含む画像データ（４０）を取得する画像データ取得部（１）と、前記画像データ取得部によって取得した画像データから前記静止画を抽出する画像抽出部（２）と、前記画像抽出部によって抽出した前記静止画の輝度のばらつきに基づいて、当該静止画が鋼管内部を撮影した画像であるか否かを判定する判定部（３）と、を備えることを特徴とする。【選択図】図１

Description

本発明は、データ処理装置、画像解析方法、およびプログラムに関し、例えば鋼管鉄塔の鋼管内部の劣化状態を診断するためのデータ処理装置、画像解析方法、およびプログラムに関する。

鋼管鉄塔の鋼管内部の劣化状態を診断する方法として、工業用内視鏡を鋼管内に挿入して鋼管内部の画像を撮影し、撮影した画像を解析することで鋼管内部の腐食の有無を判定する方法が知られている。

従来、鋼管内部の劣化状態の診断を行う場合には、工業用内視鏡によって撮影した画像を目視で確認することにより鋼管内部の腐食の有無を判定していたが、近年は、工業用内視鏡によって撮影した画像をコンピュータの画像処理によって解析することにより、鋼管内部の腐食の有無を判定する腐食解析装置が開発されている（例えば、特許文献１参照）。

特開２０１２−１３６７５号公報

一般に、鋼管内部の劣化状態の診断の際に撮影された画像には、鋼管内部のみならず鋼管の外部も撮影されていることが多い。例えば、鉄塔の所望の鋼管について点検を行う場合、先ず、点検対象の鋼管が鉄塔のどの部分の鋼管であるかを特定するために、点検対象の鋼管に付与された識別番号を工業用内視鏡で撮影する。例えば、点検対象の鋼管の識別番号を記載したホワイトボードや識別番号が記載された鋼管の外周面等を撮影する。その後、撮影を継続した状態で工業用内視鏡を鋼管内部に挿入して鋼管内部を移動させる。そして、鋼管内部を一通り撮影したら、工業用内視鏡を鋼管内部から取り出して撮影を終了する。工業用内視鏡を鋼管内部から取り出したとき、空や地面、鉄塔の外観等の鋼管外部の風景が撮影される。

このような手順で撮影された一連の動画には、上述したように鋼管内部以外の画像が含まれている。このような動画を従来の腐食解析装置にそのまま入力した場合、鋼管内部以外の画像に対しても腐食の有無を判定する解析処理が行われ、鋼管内部以外の場所においても腐食があるという誤判定が行われる虞がある。

そのため、腐食解析装置を用いて鋼管内部の劣化状態を診断する場合には、予め作業者が工業用内視鏡で撮影された一連の動画を目視で確認して、その動画における鋼管内部の撮影開始点と鋼管内部の撮影終了点を指定してから、腐食解析装置に解析処理を実行させる必要がある。一般に鋼管鉄塔における点検対象の鋼管は、一基あたり数十本から数百本にも及ぶため、点検対象の全ての鋼管の動画について目視による確認作業を行った場合、多大な作業時間が必要となる。

このように、腐食解析装置を用いて診断作業を行う場合であっても、作業者による動画の確認作業が必要になるため、作業効率の十分な向上が見込めないという課題がある。

本発明は、上述した課題に鑑みてなされたものであり、鋼管内部の劣化状態の診断時の作業効率を向上させることを目的とする。

本発明の代表的な実施の形態に係るデータ処理装置は、複数の時系列の静止画を含む画像データを取得する画像データ取得部と、前記画像データ取得部によって取得した画像データから前記静止画を抽出する画像抽出部と、前記画像抽出部によって抽出した前記静止画の輝度のばらつきに基づいて、当該静止画が鋼管内部を撮影した画像であるか否かを判定する判定部と、を備えることを特徴とする。

本発明に係るデータ処理装置によれば、鋼管内部の劣化状態の診断時の作業効率を向上させることが可能となる。

本発明の一実施の形態に係るデータ処理装置の機能ブロック構成を示す図である。 データ処理装置のハードウェア構成を示す図である。 画像データから静止画を抽出する方法を説明するための図である。 判定部の機能ブロック構成を示す図である。 ブロック分割部による画像分割の一例を示す図である。 本発明の一実施の形態に係る鋼管内部の劣化状態を診断するための画像解析方法の全体的な流れを示すフローチャートである。 鋼管内部判定処理（ステップＳ２）の流れを示すフローチャートである。 鋼管内部を撮影した動画の輝度分散の時間的変化を示す図である。 図８に示す動画の時刻ｔ１における１フレームの画像を示す図である。 図８に示す動画の時刻ｔ３における１フレームの画像を示す図である。 図８に示す動画の時刻ｔ４における１フレームの画像を示す図である。 図８に示す動画の時刻ｔ６における１フレームの画像を示す図である。

１．実施の形態の概要
先ず、本願において開示される発明の代表的な実施の形態について概要を説明する。なお、以下の説明では、一例として、発明の構成要素に対応する図面上の参照符号を、括弧を付して記載している。

〔１〕本発明の代表的な実施の形態に係るデータ処理装置（１００）は、複数の時系列の静止画（４００）を含む画像データ（４０）を取得する画像データ取得部（１）と、前記画像データ取得部によって取得した画像データから前記静止画を抽出する画像抽出部（２）と、前記画像抽出部によって抽出した前記静止画の輝度のばらつきに基づいて、当該静止画が鋼管内部を撮影した画像であるか否かを判定する判定部（３）と、を備えることを特徴とする。

〔２〕上記データ処理装置において、前記判定部は、前記画像抽出部によって抽出した前記静止画の領域を複数のブロック（４０１）に分割するブロック分割部（３１）と、前記ブロック毎に輝度の分散を算出する分散算出部（３２）と、前記分散算出部によって算出した前記ブロック毎の輝度の分散に基づいて、前記画像抽出部によって抽出した前記静止画が鋼管内部を撮影した画像であるか否かを判定する画像判定部（３３）と、を有していてもよい。

〔３〕上記データ処理装置において、前記分散算出部は、前記ブロックの輝度の分散を表す第１輝度分散値（４３）を算出する第１輝度分散算出部（３２１）と、前記ブロックの前記第１輝度分散値の分散を表す第２輝度分散値（４４）を算出する第２輝度分散算出部（３２２）とを含み、前記画像判定部は、少なくとも一つの前記ブロックの前記第１輝度分散値が第１閾値（４１）よりも大きい場合に、前記画像抽出部によって抽出した前記静止画が鋼管内部以外を撮影した画像であると判定し、全ての前記ブロックの前記第１輝度分散値が前記第１閾値よりも小さい場合に、前記画像抽出部によって抽出した前記静止画が鋼管内部を撮影した画像であると判定する第１鋼管内部判定部（３３１）と、前記第１鋼管内部判定部によって鋼管内部の画像と判定した前記静止画における少なくとも一つの前記ブロックの前記第２輝度分散値が第２閾値（４２）よりも大きい場合に、当該静止画が鋼管内部以外の画像であると判定し、前記第１鋼管内部判定部によって鋼管内部の画像と判定した前記静止画における全ての前記ブロックの前記第２輝度分散値が前記第２閾値よりも小さい場合に、当該静止画が鋼管内部を撮影した画像であると判定する第２鋼管内部判定部（３３２）と、を含んでいてもよい。

〔４〕上記データ処理装置において、前記判定部は、前記画像抽出部によって抽出した複数の連続する前記静止画に対する前記画像判定部の判定結果に基づいて、前記画像データにおける鋼管内部の撮影開始点と鋼管内部の撮影終了点を検出する撮影範囲検出部（３４）を、更に有していてもよい。

〔５〕上記データ処理装置において、前記撮影範囲検出部は、前記複数の連続する前記静止画のそれぞれが鋼管内部の画像であると判定された場合に、当該複数の連続する前記静止画の少なくとも一つを鋼管内部の撮影開始点の画像とし、前記撮影開始点の判定後に、前記複数の連続する前記静止画のそれぞれが鋼管外部の画像であると判定された場合に、当該複数の連続する前記静止画よりも前に撮影された前記静止画を鋼管内部の撮影終了点の画像としてもよい。

〔６〕本発明の代表的な実施の形態に係るプログラム（１０２１）は、複数の時系列の静止画を含む画像データを取得する画像データ取得ステップ（Ｓ１）と、前記画像データ取得ステップによって取得した画像データから前記静止画を抽出する画像抽出ステップ（Ｓ２，Ｓ２１）と、前記画像抽出ステップによって抽出した前記静止画の輝度のばらつきに基づいて、当該静止画が鋼管内部を撮影した画像であるか否かを判定する判定ステップ（Ｓ２，Ｓ２２〜Ｓ３０）と、を含むことを特徴とする。

〔７〕上記画像解析方法において、前記判定ステップは、前記画像抽出ステップによって抽出した前記静止画の領域を複数のブロック（４０１）に分割するブロック分割ステップ（Ｓ２３）と、前記ブロック毎に輝度の分散を算出する分散算出ステップ（Ｓ２４，Ｓ２８）と、前記分散算出ステップによって算出した前記ブロック毎の輝度の分散に基づいて、前記画像抽出ステップによって抽出した前記静止画が鋼管内部を撮影した画像であるか否かを判定する画像判定ステップ（Ｓ２５，Ｓ２９）とを含んでもよい。

〔８〕上記画像解析方法において、前記分散算出ステップは、前記ブロックの輝度の分散を表す第１輝度分散値（４３）を算出する第１輝度分散算出ステップ（Ｓ２４）と、前記ブロックの前記第１輝度分散値の分散を表す第２輝度分散値（４４）を算出する第２輝度分散算出ステップ（Ｓ２８）と、を含み、前記画像判定ステップは、少なくとも一つの前記ブロックの前記第１輝度分散値が第１閾値（４１）よりも大きい場合に、前記画像抽出ステップによって抽出した前記静止画が鋼管内部以外を撮影した画像であると判定し、全ての前記ブロックの前記第１輝度分散値が前記第１閾値よりも小さい場合に、前記画像抽出ステップによって抽出した前記静止画が鋼管内部を撮影した画像であると判定する第１鋼管内部判定ステップ（Ｓ２５，Ｓ２７，Ｓ２６）と、前記第１鋼管内部判定ステップによって鋼管内部の画像と判定した前記静止画における少なくとも一つの前記ブロックの前記第２輝度分散値が第２閾値（４２）よりも大きい場合に、当該静止画が鋼管内部以外の画像であると判定し、前記第１鋼管内部判定ステップによって鋼管内部の画像と判定した前記静止画における全ての前記ブロックの前記第２輝度分散値が前記第２閾値よりも小さい場合に、当該静止画が鋼管内部を撮影した画像であると判定する第２鋼管内部判定ステップ（Ｓ２９，Ｓ３０，Ｓ２６）とを含んでもよい。

〔９〕上記画像解析方法において、前記判定ステップは、前記画像抽出ステップによって抽出した複数の連続する前記静止画に対する前記画像判定ステップの判定結果に基づいて、前記画像データにおける鋼管内部の撮影開始点と鋼管内部の撮影終了点を検出する撮影範囲検出ステップ（Ｓ３１〜Ｓ３６）を更に含んでもよい。

〔１０〕上記画像解析方法において、前記撮影範囲検出ステップは、前記複数の連続する前記静止画のそれぞれが鋼管内部の画像であると判定された場合に、当該複数の連続する前記静止画の少なくとも一つを鋼管内部の撮影開始点の画像とするステップ（Ｓ３１，Ｓ３２）と、前記撮影開始点の判定後に、前記複数の連続する前記静止画のそれぞれが鋼管外部の画像であると判定された場合に、当該複数の連続する前記静止画よりも前に撮影された前記静止画を鋼管内部の撮影終了点の画像とするステップ（Ｓ３４，Ｓ３５，Ｓ３６）とを含む。

〔１１〕本発明の代表的な実施の形態に係るプログラム（１０２１）は、上記画像解析方法における各ステップ（Ｓ１〜Ｓ３，Ｓ２１〜Ｓ３６）をコンピュータに実行させることを特徴とする。

２．実施の形態の具体例
以下、本発明の実施の形態の具体例について図を参照して説明する。なお、以下の説明において、各実施の形態において共通する構成要素には同一の参照符号を付し、繰り返しの説明を省略する。

〈データ処理装置の構成〉
図１は、本発明の一実施の形態に係るデータ処理装置の機能ブロック構成を示す図である。
同図に示されるデータ処理装置１００は、例えば鋼管鉄塔を構成する各鋼管の内部の劣化状態を診断するための診断装置である。具体的に、データ処理装置１００は、工業用内視鏡によって鋼管内部を撮影した画像を解析することにより、鋼管内部の腐食の有無を判定する。

データ処理装置１００は、例えば鋼管内部の腐食の有無を判定するための画像解析処理を実行する前に、診断対象の画像データから鋼管内部の画像の有無を判定して、鋼管内部の撮影開始点と鋼管内部の撮影終了点とを自動的に検出する画像解析処理を実行する。

図１に示すように、データ処理装置１００は、鋼管内部の劣化状態を診断するための画像解析方法を実現するための機能部として、画像データ取得部１、画像抽出部２、判定部３、記憶部４、および腐食判定処理部５を備えている。

データ処理装置１００は、例えば、パーソナルコンピュータ（ＰＣ）、サーバ、およびタブレット端末等の情報処理装置である。画像データ取得部１、画像抽出部２、判定部３、記憶部４、および腐食判定処理部５は、情報処理装置内のＣＰＵ等のプロセッサが、情報処理装置内のＲＡＭやＲＯＭ等の記憶装置に記憶されたプログラムに従って各種演算を実行して周辺回路を制御することにより、実現される。

上記プログラムは、本実施の形態に係る鋼管内部の劣化状態を診断するための画像解析方法を実現するためのプログラムであって、例えば、予めデータ処理装置１００内の記憶装置にインストールされている。

なお、上記プログラムは、ネットワークを介して流通可能であってもよいし、ＣＤ−ＲＯＭ等のコンピュータが読み取り可能な記憶媒体（Ｎｏｎ−ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）に書き込まれて流通可能であってもよい。

図２は、データ処理装置１００のハードウェア構成を示す図である。
図２に示すように、データ処理装置１００は、演算装置１０１、記憶装置１０２、入力装置１０３、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）装置１０４、出力装置１０５、およびバス１０６を主要なハードウェア構成要素として備えている。

演算装置１０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）等のプロセッサによって構成されている。記憶装置１０２は、演算装置１０１に各種のデータ処理を実行させるためのプログラム１０２１と、演算装置１０１によるデータ処理で利用されるパラメータや演算結果等のデータ１０２２とを記憶する記憶領域を有し、例えばＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ、およびフラッシュメモリ等から構成されている。

本実施の形態に係る鋼管内部の劣化状態を診断するための画像解析方法を実現するためのプログラムは、例えばプログラム１０２１として記憶装置１０２に記憶されている。

入力装置１０３は、外部から情報の入力を検出する機能部であり、例えばキーボード、マウス、ポインティングデバイス、ボタン、またはタッチパネル等から構成されている。Ｉ／Ｆ装置１０４は、外部との情報の送受を行う機能部であり、有線または無線によって通信を行うための通信制御回路や入出力ポート、アンテナ等から構成されている。

出力装置１０５は、演算装置１０１によるデータ処理によって得られた情報等を出力する機能部である。出力装置１０５としては、例えば、ＳＳＤやＨＤＤ等の外部記憶装置や、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）および有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）等の表示装置等である。バス１０６は、演算装置１０１、記憶装置１０２、入力装置１０３、Ｉ／Ｆ装置１０４、および出力装置１０５を相互に接続し、これらの装置間でデータの授受を可能にする機能部である。

データ処理装置１００は、演算装置１０１が記憶装置１０２に記憶したプログラム１０２１に従って演算を実行して、記憶装置１０２、入力装置１０３、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）装置１０４、出力装置１０５、およびバス１０６を制御することにより、図１に示した各種機能部、すなわち、画像データ取得部１、画像抽出部２、判定部３、記憶部４、および腐食判定処理部５が実現される。

なお、データ処理装置１００は、図２に示すように一台のコンピュータによって実現されてもよいし、クライアントサーバシステムのように、有線または無線によって互いに通信可能に接続された複数台のコンピュータによって実現されていてもよく、データ処理装置１００は、図２に示したハードウェア構成に限定されない。

以下、データ処理装置１００を構成する各機能部について説明する。

画像データ取得部１は、画像データ４０を取得する機能部である。例えば、画像データ取得部１は、後述する記憶部４から、劣化診断対象の鋼管の画像データ４０を取得する。

ここで、画像データ４０は、複数の時系列の静止画データを含むデータであり、例えば動画のデータである。

なお、画像データ取得部１は、例えば、ＵＳＢメモリ等のフラッシュメモリやＣＤ−ＲＯＭ等の外部記憶媒体、またはデータ処理装置１００と無線または有線の通信ネットワークを介して接続された外部の情報処理装置（例えばサーバやＰＣ等）から、画像データ４０を取得してもよい。

画像抽出部２は、画像データ取得部１によって取得した画像データ４０から静止画を抽出する機能部である。画像抽出部２は、例えば画像データ４０としての動画から、所定の時間毎に、１フレームの静止画を順次抽出する。

図３は、画像データ４０から静止画を抽出する方法を説明するための図である。
画像抽出部２は、所定のフレームレートの画像データ４０から、ｊフレーム毎に１フレームの静止画４００＿１〜４００＿ｋを抽出する。ここで、ｊは２以上の整数であり、例えば、ｊは、１０〜５０の範囲の整数である。また、ｋは１以上の整数である。

例えば、画像抽出部２は、３０ｆｐｓ（ｆｒａｍｅ ｐｅｒ ｓｅｃｏｎｄ）の動画（画像データ４０）から、３０（ｊ＝３０）フレーム毎に１フレームの静止画４００＿１〜４００＿ｋを順次抽出する。

判定部３は、画像データ４０の中から鋼管内部を撮影した画像と鋼管内部以外（鋼管外部）を撮影した画像とを判別する機能部である。具体的に、判定部３は、画像抽出部２によって抽出した画像の輝度のばらつきに基づいて、当該画像が鋼管内部の画像であるか否かを判定する。更に、判定部３は、画像データ４０から鋼管内部の撮影開始点と鋼管内部の撮影終了点を検出する。判定部３の詳細については後述する。

記憶部４は、鋼管の内部の劣化状態を診断するための各種プログラムやパラメータ等を記憶するための機能部である。例えば、記憶部４は、ＵフラッシュメモリやＣＤ−ＲＯＭ等の記憶媒体または他の情報処理装置から取得した画像データ４０を記憶する。また、記憶部４は、後述する判定部３による判定処理に必要なパラメータとしての第１閾値４１および第２閾値４２や、後述する第１輝度分散値４３および第２輝度分散値４４等の判定部３による演算結果等を記憶する。

腐食判定処理部５は、画像データ取得部１によって取得した画像データ４０に基づいて、鋼管内部の腐食の有無を判定する腐食判定処理を行う機能部である。腐食判定処理部５は、例えば、画像データ４０（動画データ）のうち、判定部３によって検出された鋼管内部の撮影開始点から鋼管内部の撮影終了点までの画像に基づいて、鋼管内部の腐食の有無を判定する。腐食の有無の判定手法としては、例えば特許文献１に開示されているような従来技術を採用することができる。

〈判定部３の構成〉
次に、判定部３について詳細に説明する。
図４は、判定部３の機能ブロック構成を示す図である。
同図に示すように、判定部３は、機能ブロックとして、画像変換部３０、ブロック分割部３１、分散算出部３２、画像判定部３３、および撮影範囲検出部３４を有する。

画像変換部３０は、画像抽出部２によって抽出した静止画４００をグレースケールに変換する機能部である。画像変換部３０は、例えば、公知の輝度保存変換技術等によって、カラーの静止画４００をグレースケールに変換する。

ブロック分割部３１は、画像抽出部２によって抽出した静止画の領域を複数に分割する機能部である。ブロック分割部３１は、画像抽出部２によって抽出され、画像変換部３０によってグレースケールに変換された１フレームの静止画４００を、（ｎ×ｍ）個の小領域（以下、「ブロック」とも称する。）４０１にそれぞれ分割する。ここで、ｎ，ｍは２以上の整数である。

図５は、ブロック分割部３１による画像分割の一例を示す図である。
同図に示すように、ブロック分割部３１は、画像抽出部２によって抽出した静止画４００を、（ｎ×ｍ）個のブロック４０１にそれぞれ分割する。同図には、静止画４００＿１を２５（＝５×５）個のブロック４０１＿１〜４０１＿２５にそれぞれ分割した場合が一例として示されている。

分散算出部３２は、画像抽出部２によって抽出した静止画４００（グレースケール）のブロック４０１毎に輝度の分散を算出する機能部である。図４に示すように、分散算出部３２は、第１輝度分散算出部３２１と第２輝度分散算出部３２２とを含む。

第１輝度分散算出部３２１は、ブロック４０１の分散を表す第１輝度分散値４３を算出する。例えば、図５に示す例の場合、第１輝度分散算出部３２１は、先ず、グレースケールの静止画４００＿１の各ブロック４０１＿１〜４０１＿２５の輝度を算出するとともに、ブロック４０１＿１〜４０１＿２５の輝度の平均値を算出する。次に、第１輝度分散算出部３２１は、各ブロック４０１＿１〜４０１＿２５の輝度と、ブロック４０１＿１〜４０１＿２５の輝度の平均値とに基づいて、ブロック４０１＿１〜４０１＿２５毎に輝度の分散を算出し、第１輝度分散値４３として記憶部４に記憶する。

第２輝度分散算出部３２２は、第１輝度分散値４３の分散を表す第２輝度分散値４４を算出する機能部である。例えば、図５に示す例の場合、第２輝度分散算出部３２２は、先ず、第１輝度分散算出部３２１によって算出された静止画４００＿１の各ブロック４０１＿１〜４０１＿２５の第１輝度分散値４３の平均値を算出する。次に、第２輝度分散算出部３２２は、各ブロック４０１＿１〜４０１＿２５の第１輝度分散値４３と、ブロック４０１＿１〜４０１＿２５の第１輝度分散値４３の平均値とに基づいて、各ブロック４０１＿１〜４０１＿２５の輝度の分散値の分散を算出し、第２輝度分散値４４として記憶部４に記憶する。

画像判定部３３は、分散算出部３２によって算出したブロック４０１毎の輝度の分散に基づいて、画像抽出部２によって抽出した静止画４００が鋼管内部の画像であるか否かを判定する機能部である。図４に示すように、画像判定部３３は、第１鋼管内部判定部３３１と第２鋼管内部判定部３３２とを含む。

第１鋼管内部判定部３３１は、各ブロック４０１の第１輝度分散値４３と第１閾値４１とを比較する。

ここで、第１閾値４１は、判定対象の静止画４００が鋼管内部の画像であるか否かを判定するための基準となる分散値である。第１閾値４１は、データ処理装置１００のユーザが任意に設定可能な値である。本実施の形態では、一例として、第１閾値４１を“２０”とする。

例えば、静止画４００に地面や木々等の全体的に濃淡差が大きい被写体が映っている場合（第１のケース）、静止画４００の各ブロック４０１の輝度のバラつき、すなわち各ブロック４０１の輝度の分散（第１輝度分散値４３）は、小さくなる傾向がある。同様に、静止画４００の全体に空や劣化の無い鋼管内部が映っている場合（第２のケース）、静止画４００の各ブロック４０１の輝度の分散は、小さくなる傾向がある。一方、静止画４００の半分に木々が映り、静止画４００の残り半分に空が映っているような場合（第３のケース）、静止画４００の各ブロック４０１の輝度の分散は、大きくなる傾向がある。

そこで、第１鋼管内部判定部３３１は、各ブロック４０１の第１輝度分散値４３と第１閾値４１とを比較することにより、上述した第１乃至第３のケースを判別する。
具体的に、少なくとも一つのブロック４０１の第１輝度分散値４３が第１閾値４１よりも大きい場合（上記第３のケース）、第１鋼管内部判定部３３１は、画像抽出部２によって抽出した静止画４００が鋼管内部以外（鋼管外部）の画像であると判定する。

一方、全てのブロック４０１の第１輝度分散値４３が第１閾値４１よりも小さい場合（上記第１のケースおよび上記第２のケース）、第１鋼管内部判定部３３１は、画像抽出部２によって抽出した静止画４００が鋼管内部の画像であると判定する。

第１鋼管内部判定部３３１によれば、上述した第３のケースの静止画４００と、上述した第１のケースおよび第２のケースの静止画４００とを判別することができる。
その一方で、第１鋼管内部判定部３３１は、上述した第１のケースの静止画４００と第２のケースの静止画４００とを判別することはできない。そのため、全てのブロック４０１の第１輝度分散値４３が第１閾値４１よりも小さい場合（上記第１のケースおよび上記第２のケース）、第１鋼管内部判定部３３１は、判定対象の静止画４００が鋼管内部の画像であると、“仮に”判定する。

第２鋼管内部判定部３３２は、各ブロック４０１の第２輝度分散値４４と第２閾値４２とを比較する。

ここで、第２閾値４２は、上述した第１閾値４１と同様に、判定対象の静止画４００が鋼管内部の画像であるか否かを判定するための基準となる分散値であり、ユーザが任意に設定可能な値である。本実施の形態では、一例として、第２閾値４２を“２０”とする。なお、第１閾値４１と第２閾値４２とは互いに異なる値であってもよい。

例えば、静止画４００に地面や木々等の全体的に濃淡差が大きい被写体が映っている場合（第１のケース）、静止画４００の各ブロック４０１の輝度のバラつき、すなわち各ブロック４０１の輝度の分散値の分散（第２輝度分散値４４）は、大きくなる傾向がある。また、静止画４００の全体に空や劣化の無い鋼管内部が映っている場合（第２のケース）、静止画４００の各ブロック４０１の輝度の分散値の分散は、小さくなる傾向がある。また、静止画４００の半分に木々が映り、静止画４００の残り半分に空が映っているような場合（第３のケース）、静止画４００の各ブロック４０１の輝度の分散値の分散は、第１のケースにおける分散と第２のケースにおける分散の間の値となる傾向がある。

そこで、第２鋼管内部判定部３３２は、各ブロック４０１の第２輝度分散値４４と第２閾値４２とを比較することにより、上述した第１のケースと第２のケースを判別する。

具体的に、第１鋼管内部判定部３３１によって鋼管内部と（仮）判定された静止画４００の少なくとも一つのブロック４０１の第２輝度分散値４４が第２閾値４２よりも大きい場合（第１のケース）、第２鋼管内部判定部３３２は、当該静止画４００が鋼管内部以外の画像であると判定する。

一方、第１鋼管内部判定部３３１によって鋼管内部と判定された静止画４００の全てのブロック４０１の第２輝度分散値４４が第２閾値４２よりも小さい場合（第２のケース）、第２鋼管内部判定部３３２は、当該静止画４００が鋼管内部の画像であると判定する。

第２鋼管内部判定部３３２によれば、上述した第１のケースの静止画４００と、上述した第２のケースの静止画４００とを判別することができる。

撮影範囲検出部３４は、画像抽出部２によって抽出した複数の連続する静止画４００（フレーム）に対する画像判定部３３の判定結果に基づいて、鋼管内部の撮影開始点ＳＴと鋼管内部の撮影終了点ＥＤを検出する。

具体的に、撮影範囲検出部３４は、画像抽出部２によって抽出したｈ（ｈは２以上の整数）枚の連続する静止画４００（フレーム）が鋼管内部の画像であると判定された場合に、当該ｈ枚の連続する静止画４００の少なくとも一つを鋼管内部の撮影開始点ＳＴの画像とし、撮影開始点ＳＴの情報を記憶部４に記憶する。

また、撮影範囲検出部３４は、撮影開始点ＳＴの決定後に、画像抽出部２によって抽出したｇ（ｇは２以上の整数）枚の連続する静止画４００（フレーム）が鋼管外部の画像であると判定された場合に、当該ｇ枚の連続する静止画４００より前に撮影された静止画４００を鋼管内部の撮影終了点ＥＤの画像とし、撮影終了点ＥＤの情報を記憶部４に記憶する。

〈データ処理装置１００による画像解析方法〉
次に、本実施の形態に係るデータ処理装置１００による、鋼管内部の劣化状態を診断するための画像解析方法の全体的な流れについて説明する。

図６は、本発明の一実施の形態に係る鋼管内部の劣化状態を診断するための画像解析方法の全体的な流れを示すフローチャートである。

先ず、データ処理装置１００は、診断対象の鋼管の画像データ４０を取得する（ステップＳ１）。例えば、画像データ取得部１が、記憶部４、フラッシュメモリ等の外部記憶媒体、または外部の情報処理装置から、劣化診断対象の鋼管の画像データ４０（例えば動画データ）を取得する。

次に、データ処理装置１００は、ステップＳ１で取得した画像データ４０の中から鋼管内部が撮影されている範囲を特定する鋼管内部判定処理を実行する（ステップＳ２）。具体的に、データ処理装置１００は、画像データ４０中の複数のフレームの中から鋼管内部を撮影した静止画４００を特定するとともに、画像データ４０における鋼管内部の撮影開始点ＳＴと鋼管内部の撮影終了点ＥＤを特定する。なお、ステップＳ２の詳細については後述する。

次に、データ処理装置１００は、ステップＳ１で取得した画像データ４０に基づいて、腐食判定処理を行う（ステップＳ３）。具体的には、腐食判定処理部５が、ステップＳ１で取得した画像データ４０における、ステップＳ２で特定した鋼管内部の撮影開始点ＳＴから鋼管内部の撮影終了点ＥＤまでの範囲の画像に対して、上述した手法により、鋼管の腐食の有無を判定する。

以上の手順でデータ処理装置１００がデータ処理を実行することにより、鋼管の劣化診断が行われる。

〈鋼管内部判定処理〉
次に、上述した鋼管内部判定処理（ステップＳ２）について詳細に説明する。
図７は、鋼管内部判定処理（ステップＳ２）の流れを示すフローチャートである。

先ず、データ処理装置１００は、ステップＳ１で取得した画像データ４０から１フレームの静止画４００を抽出する（ステップＳ２１）。具体的には、上述したように、画像抽出部２が、ステップＳ１で取得した画像データ４０の中から、所定の時間毎に一つの静止画４００を抽出する。例えば、図３に示すように、画像抽出部２が、画像データ４０の中から、ｊフレーム毎に、静止画４００＿１〜４００＿ｋを順次抽出する。

次に、データ処理装置１００は、ステップＳ２１で抽出したカラーの静止画４００をグレースケールに変換する（ステップＳ２２）。具体的には、上述の図３の場合、画像変換部３０が、ステップＳ２１で抽出した静止画４００＿１〜４００＿ｋをグレースケールに変換する。

次に、データ処理装置１００は、ステップＳ２１で抽出した静止画４００＿１〜４００＿ｋから一つの静止画４００を判定対象として選択し、選択した静止画４００の領域を複数のブロック４０１に分割する（ステップＳ２３）。具体的には、ブロック分割部３１が、ステップＳ２２でグレースケールに変換された静止画４００を、（ｎ×ｍ）個のブロック４０１に分割する。例えば、図５のように、ブロック分割部３１が、静止画４００＿１を２５個のブロック４０１＿１〜４０１＿２５に分割する。

次に、データ処理装置１００は、ステップＳ２３で分割された複数のブロック４０１の輝度の分散を算出する（ステップＳ２４）。具体的には、第１輝度分散算出部３２１が、上述した手法により、ブロック４０１毎に第１輝度分散値４３を算出して記憶部４に記憶する。上述の図５の例の場合、第１輝度分散算出部３２１は、静止画４００＿１の各ブロック４０１＿１〜４０１＿２５の第１輝度分散値４３をそれぞれ算出する。

次に、データ処理装置１００は、第１鋼管内部判定処理として、ステップＳ２４で算出した第１輝度分散値４３と第１閾値４１とを比較する（ステップＳ２５）。具体的には、第１鋼管内部判定部３３１が、全てのブロック４０１の第１輝度分散値４３が第１閾値４１（例えば、分散値：２０）よりも小さいか否かを判定する。

ステップＳ２５において、全てのブロック４０１の第１輝度分散値４３が第１閾値４１よりも小さくない場合、すなわち、少なくとも一つのブロック４０１の第１輝度分散値４３が第１閾値４１よりも大きい場合、第１鋼管内部判定部３３１は、判定対象の静止画４００が鋼管内部以外の画像であると判定する（ステップＳ２６）。
例えば、上述の図５において、静止画４００＿１のブロック４０１＿１〜４０１＿２５のうち、ブロック４０１＿１の第１輝度分散値４３が第１閾値４１よりも大きく、ブロック４０１＿２〜４０１＿２５の第１輝度分散値４３が第１閾値４１よりも小さい場合、第１鋼管内部判定部３３１は、静止画４００＿１が鋼管外部の画像であると判定する。

一方、ステップＳ２５において、全てのブロック４０１の第１輝度分散値４３が第１閾値４１よりも小さい場合、第１鋼管内部判定部３３１は、判定対象の静止画４００が鋼管内部の画像であると仮判定する（ステップＳ２７）。
例えば、上述の図５において、静止画４００＿１の全てのブロック４０１＿１〜４０１＿２５の第１輝度分散値４３が第１閾値４１よりも小さい場合、第１鋼管内部判定部３３１は、静止画４００＿１が鋼管内部の画像であると仮判定する。

ステップＳ２７において、判定対象の静止画４００が鋼管内部の画像であると仮判定された場合、ステップＳ２３で分割された複数のブロック４０１の輝度の分散値の分散を算出する（ステップＳ２８）。具体的には、第２輝度分散算出部３２２が、上述した手法により、ブロック４０１毎に第２輝度分散値４４を算出して記憶部４に記憶する。上述の図５の例の場合、第２輝度分散算出部３２２は、静止画４００＿１の各ブロック４０１＿１〜４０１＿２５の第２輝度分散値４４を算出する。

ステップＳ２８の後、データ処理装置１００は、第２鋼管内部判定処理として、ステップＳ２８で算出した第２輝度分散値４４と第２閾値４２とを比較する（ステップＳ２９）。具体的には、第２鋼管内部判定部３３２が、全てのブロック４０１の第２輝度分散値４４が第２閾値４２（例えば、分散値：２０）よりも小さいか否かを判定する。

ステップＳ２９において、全てのブロック４０１の第２輝度分散値４４が第２閾値４２よりも小さくない場合、すなわち、少なくとも一つのブロック４０１の第２輝度分散値４４が第２閾値４２よりも大きい場合、第２鋼管内部判定部３３２は、判定対象の静止画４００が鋼管外部の画像であると判定する（ステップＳ２６）。
例えば、上述の図５において、静止画４００＿１のブロック４０１＿１〜４０１＿２５のうち、ブロック４０１＿１の第２輝度分散値４４が第２閾値４２（例えば、２０）よりも大きく、ブロック４０１＿２〜４０１＿２５の第２輝度分散値４４が第２閾値４２よりも小さい場合、第２鋼管内部判定部３３２は、静止画４００＿１が鋼管外部の画像であると判定する。

一方、ステップＳ２９において、全てのブロック４０１の第２輝度分散値４４が第２閾値４２よりも小さい場合、第２鋼管内部判定部３３２は、判定対象の静止画４００が鋼管内部の画像であると判定する（ステップＳ３０）。例えば、上述の図５において、静止画４００＿１の全てのブロック４０１＿１〜４０１＿２５の第２輝度分散値４４が第２閾値４２よりも小さい場合、第２鋼管内部判定部３３２は、静止画４００＿２が鋼管内部の画像であると判定する。

ステップＳ３０の後、データ処理装置１００は、ステップＳ３０と同一の判定結果がｈ回連続したか否かを判定する（ステップＳ３１）。具体的には、撮影範囲検出部３４が、ステップＳ２１で抽出したｈ枚の連続する全ての静止画４００が鋼管内部の画像であると判定されたか否かを判定する。

ステップＳ３１において、ステップＳ２１で抽出したｈ枚の連続する全ての静止画４００が鋼管内部の画像であると判定された場合には、撮影範囲検出部３４が、ｈ枚の連続するフレームの少なくとも一つを鋼管内部の撮影開始点ＳＴの画像とする（ステップＳ３２）。
例えば、上述した図３において、画像抽出部２によって抽出した３（ｈ＝３）枚の静止画４００＿２〜４００＿４のそれぞれが鋼管内部の画像であると判定された場合、撮影範囲検出部３４は、静止画４００＿２〜４００＿４のうち、最も早い時刻に撮影された静止画４００＿２を鋼管内部の撮影開始点ＳＴの画像とする。

ステップＳ３２の後、または、ステップＳ３１においてステップＳ２１で抽出した連続するｈ枚の静止画４００のうち少なくとも一枚が鋼管内部の画像でないと判定された場合には、データ処理装置１００は、ステップＳ２３に戻り、次の判定対象の静止画４００に対して上述の処理を実行する。

一方、ステップＳ２６において、判定対象の静止画４００が鋼管外部の画像であると判定された場合には、データ処理装置１００は、鋼管内部の撮影開始点ＳＴが決定済みか否かを判定する（ステップＳ３４）。

ステップＳ３４において、鋼管内部の撮影開始点ＳＴが既に決定済みである場合には、データ処理装置１００は、ステップＳ２６と同一の判定結果がｇ回連続したか否かを判定する（ステップＳ３５）。具体的には、撮影範囲検出部３４が、ステップＳ２１で抽出したｇ枚の連続する全ての静止画４００が鋼管外部の画像であると判定されたか否かを判定する。

ステップＳ３５において、ステップＳ２１で抽出した連続するｇ枚の静止画４００のうち少なくとも一枚が鋼管内部の画像であると判定された場合、または、ステップＳ３４において、鋼管内部の撮影開始点ＳＴが決定されていない場合には、データ処理装置１００は、ステップＳ２３に戻り、次の判定対象の静止画４００に対して上述の処理を実行する。

一方、ステップＳ３５において、ステップＳ２１で抽出したｇ枚の連続する全ての静止画４００が鋼管外部の画像であると判定された場合には、撮影範囲検出部３４が、連続するｇ枚の静止画４００（フレーム）よりも前の静止画４００（フレーム）を鋼管内部の撮影終了点ＥＤの画像とする（ステップＳ３６）。
例えば、上述した図３において、静止画４００＿１が鋼管内部の撮影開始点ＳＴの画像と検出された後に、連続する３（ｇ＝３）枚の静止画４００＿９〜４００＿１１の全てが鋼管外部の画像であると判定された場合、撮影範囲検出部３４は、静止画４００＿９の直前に撮影された静止画４００＿８を鋼管内部の撮影終了点ＥＤの画像とする。

以上の手順により、鋼管内部の撮影開始点ＳＴと鋼管内部の撮影終了点ＥＤが検出され、ステップＳ１で取得した画像データ４０における鋼管内部の撮影範囲を特定することができる。

次に、鋼管内部判定処理（ステップＳ２）の具体例を示す。
図８は、鋼管内部を撮影した動画の輝度分散の時間的変化を示す図である。
同図には、最初に診断対象の鋼管の識別番号が記載されている鋼管の外周面（鋼管外部）を工業用内視鏡によって撮影し、次に、工業用内視鏡を鋼管内部に挿入して、工業用内視鏡を移動させながら鋼管内部を撮影し、その後、工業用内視鏡を鋼管内部から取り出すまでの一連の動画における輝度分散の時間的変化が示されている。同図において、縦軸は輝度分散（例えば、第２輝度分散値４４）を表し、横軸は時間を表している。

図９Ａ〜図９Ｄは、図８に示す動画の所定の時刻における１フレームの画像を示す図である。図９Ａは、図８における時刻ｔ１での画像（鋼管の外周面を撮影した画像）を表し、図９Ｂは、図８における時刻ｔ３での画像（鋼管内部を撮影した画像）を表し、図９Ｃは、図８における時刻ｔ４での画像（鋼管内部を撮影した画像）を表し、図９Ｄは、図８における時刻ｔ６での画像（鋼管外部の風景を撮影した画像）を表している。

図８に示すように、時刻ｔ０において工業用内視鏡による撮影を開始する。時刻ｔ０から時刻ｔ１までの期間は、鋼管の識別番号が記載されている鋼管の外周面（鋼管外部）を撮影しているため、輝度分散が大きくなる傾向となる。その後、時刻ｔ２において、工業用内視鏡を鋼管内部に挿入して鋼管内部の撮影を開始すると、鋼管外部を撮影した場合に比べて輝度分散が小さくなる傾向となる。その後、時刻ｔ５において、工業用内視鏡を鋼管内部から外部に取り出すと、再び輝度分散が大きくなる傾向となる。

図８に示す動画の場合、鋼管内部の撮影を開始した時刻ｔ２の直後に輝度分散が低い値で安定し始める。そのため、データ処理装置１００は、上述したステップＳ２の処理により、時刻ｔ２付近の静止画４００を鋼管内部の撮影開始点ＳＴの画像と判定する。

その後、時刻ｔ５において輝度分散が上昇し、輝度分散が高い値で安定し始める。そのため、データ処理装置１００は、上述したステップＳ２の処理により、時刻ｔ５付近の静止画４００を鋼管内部の撮影終了点ＥＤの画像と判定する。

このように、データ処理装置１００によれば、画像データ（動画）における鋼管内部が撮影されている範囲を特定することができる。

〈本実施の形態に係るデータ処理装置１００の効果〉
以上、本実施の形態に係るデータ処理装置１００は、複数の時系列の静止画を含む画像データ４０から抽出した静止画４００の輝度のばらつきに基づいて、当該静止画４００が鋼管内部の画像であるか否かを判定するので、診断対象の鋼管を撮影した画像データ４０（動画）における鋼管内部が撮影されている範囲を、作業者の目視によらず、自動的に特定することが可能となる。これにより、鋼管内部と鋼管外部が撮影された一連の動画の中から鋼管内部が撮影されている部分だけを特定して、鋼管の腐食の有無を判定する画像解析処理を実行することが可能となるので、鋼管の劣化状態を診断する診断作業の効率を向上させることが可能となる。

また、データ処理装置１００は、画像データ４０から抽出した静止画４００の領域を複数のブロック４０１に分割し、各ブロック４０１の輝度の分散に基づいて、抽出した画像が鋼管内部の画像であるか否かを判定する。

これによれば、静止画４００全体の輝度のばらつきを適切に把握することができるので、抽出した画像が鋼管内部の画像であるか否かを高精度に判定することが可能となる。

また、データ処理装置１００は、第１鋼管内部判定処理として、少なくとも一つのブロック４０１の輝度の分散を表す第１輝度分散値４３が第１閾値４１よりも大きい場合に、抽出した画像が鋼管内部以外の画像であると判定し、全てのブロック４０１の第１輝度分散値４３が第１閾値４１よりも小さい場合に、抽出した画像が鋼管内部の画像であると仮判定する。これにより、画像データ４０の中から、上述した第３のケースの静止画４００と、上述した第１および第２のケースの静止画４００とを判別することが可能となる。

更に、データ処理装置１００は、第２鋼管内部判定処理として、第１鋼管内部判定処理によって鋼管内部と判定された画像の少なくとも一つのブロック４０１の第１輝度分散値４３の分散を表す第２輝度分散値４４が第２閾値４２よりも大きい場合に、当該画像が鋼管内部以外の画像であると判定し、第１鋼管内部判定処理によって鋼管内部と判定された画像の全てのブロック４０１の第２輝度分散値４４が第２閾値４２よりも小さい場合に、当該画像が鋼管内部の画像であると判定する。これにより、画像データ４０の中から、上述した第１のケースの静止画４００と上述した第２のケースの静止画４００とを判別することが可能となる。

このように、データ処理装置１００は、第１鋼管内部判定処理および第２鋼管内部判定処理の二段階の判定を行うので、鋼管内部の画像であるか否かを、より高精度に判定することが可能となる。

また、データ処理装置１００は、抽出した複数の連続するフレームに対する判定結果に基づいて、鋼管内部の撮影開始点ＳＴと鋼管内部の撮影終了点ＥＤを検出する。これによれば、画像データ４０から抽出した各静止画４００の輝度分散の時間的な変化を把握することができるので、鋼管内部の撮影開始点および鋼管内部の撮影終了点を、より高精度に検出することが可能となる。

また、データ処理装置１００は、複数の連続するフレームが鋼管内部の画像であると判定された場合に、当該複数の連続するフレームの少なくとも一つを鋼管内部の撮影開始点の画像とし、撮影開始点の判定後に、複数の連続するフレームが鋼管外部の画像であると判定された場合に、当該複数の連続するフレームより前のフレームを鋼管内部の撮影終了点の画像とする。これによれば、複雑なデータ処理を行うことなく、鋼管内部の撮影開始点および撮影終了点を検出することが可能となる。

≪実施の形態の拡張≫
以上、本発明者らによってなされた発明を実施の形態に基づいて具体的に説明したが、本発明はそれに限定されるものではなく、その要旨を逸脱しない範囲において種々変更可能であることは言うまでもない。

例えば、上記実施の形態では、画像データ４０が動画である場合を例示したが、これに限られない。例えば、画像データ４０は、複数の時系列の静止画を含むデータであってもよい。この場合、画像抽出部２は、時系列の複数の静止画の中から、所定の時間毎に、一つの静止画を順次抽出する。

また、上述のフローチャートは、動作を説明するための一例を示すものであって、これに限定されない。すなわち、フローチャートの各図に示したステップは具体例であって、このフローに限定されるものではない。具体的には、一部の処理の順番が変更されてもよいし、各処理間に他の処理が挿入されてもよいし、一部の処理が並列に行われてもよい。

例えば、図７に示したフローチャートにおいて、画像をグレースケールに変換する処理（ステップＳ２２）は、ステップＳ１で画像データ４０を取得した直後に、画像データ４０全体に対して行ってもよい。

また、ステップＳ２１、Ｓ２２において複数の静止画４００＿１〜４００＿ｋを抽出してグレースケールに変換した後に、判定対象の静止画４００を一つ選択して、ステップＳ２３〜Ｓ３６までの処理を実行する場合を例示したが、これに限られない。例えば、一つの静止画４００毎に、ステップＳ２１〜Ｓ３６までの処理を連続して実行してもよい。

また、画像データ４０がグレースケールのデータである場合には、ステップＳ２２の処理を省略してもよい。

１…画像データ取得部、２…画像抽出部、３…判定部、４…記憶部、５…腐食判定処理部、３０…画像変換部、３１…ブロック分割部、３２…分散算出部、３３…画像判定部、３４…撮影範囲検出部、４０…画像データ、４１…第１閾値、４２…第２閾値、４３…第１輝度分散値、４４…第２輝度分散値、１００…データ処理装置、３２１…第１輝度分散算出部、３２２…第２輝度分散算出部、３３１…第１鋼管内部判定部、３３２…第２鋼管内部判定部、４００、４００＿１〜４００ｋ…静止画、４０１，４０１＿１〜４０１＿２５…ブロック、１０２１…プログラム、ＥＤ…撮影終了点、ＳＴ…撮影開始点。

Claims (11)

1. 複数の時系列の静止画を含む画像データを取得する画像データ取得部と、
   前記画像データ取得部によって取得した画像データから前記静止画を抽出する画像抽出部と、
   前記画像抽出部によって抽出した前記静止画の輝度のばらつきに基づいて、当該静止画が鋼管内部を撮影した画像であるか否かを判定する判定部と、
   を備えるデータ処理装置。
2. 請求項１に記載のデータ処理装置において、
   前記判定部は、
   前記画像抽出部によって抽出した前記静止画の領域を複数のブロックに分割するブロック分割部と、
   前記ブロック毎に輝度の分散を算出する分散算出部と、
   前記分散算出部によって算出した前記ブロック毎の輝度の分散に基づいて、前記画像抽出部によって抽出した前記静止画が鋼管内部を撮影した画像であるか否かを判定する画像判定部と、を有する
   ことを特徴とするデータ処理装置。
3. 請求項２に記載のデータ処理装置において、
   前記分散算出部は、
   前記ブロックの輝度の分散を表す第１輝度分散値を算出する第１輝度分散算出部と、
   前記ブロックの前記第１輝度分散値の分散を表す第２輝度分散値を算出する第２輝度分散算出部と、を含み、
   前記画像判定部は、
   少なくとも一つの前記ブロックの前記第１輝度分散値が第１閾値よりも大きい場合に、前記画像抽出部によって抽出した前記静止画が鋼管内部以外を撮影した画像であると判定し、全ての前記ブロックの前記第１輝度分散値が前記第１閾値よりも小さい場合に、前記画像抽出部によって抽出した前記静止画が鋼管内部を撮影した画像であると判定する第１鋼管内部判定部と、
   前記第１鋼管内部判定部によって鋼管内部の画像と判定した前記静止画における少なくとも一つの前記ブロックの前記第２輝度分散値が第２閾値よりも大きい場合に、当該静止画が鋼管内部以外の画像であると判定し、前記第１鋼管内部判定部によって鋼管内部の画像と判定した前記静止画における全ての前記ブロックの前記第２輝度分散値が前記第２閾値よりも小さい場合に、当該静止画が鋼管内部を撮影した画像であると判定する第２鋼管内部判定部と、を含む
   ことを特徴とするデータ処理装置。
4. 請求項３に記載のデータ処理装置において、
   前記判定部は、
   前記画像抽出部によって抽出した複数の連続する前記静止画に対する前記画像判定部の判定結果に基づいて、前記画像データにおける鋼管内部の撮影開始点と鋼管内部の撮影終了点を検出する撮影範囲検出部を、更に有する
   ことを特徴とするデータ処理装置。
5. 請求項４に記載のデータ処理装置において、
   前記撮影範囲検出部は、前記複数の連続する前記静止画のそれぞれが鋼管内部の画像であると判定された場合に、当該複数の連続する前記静止画の少なくとも一つを鋼管内部の撮影開始点の画像とし、前記撮影開始点の判定後に、前記複数の連続する前記静止画のそれぞれが鋼管外部の画像であると判定された場合に、当該複数の連続する前記静止画よりも前に撮影された前記静止画を鋼管内部の撮影終了点の画像とする
   ことを特徴とするデータ処理装置。
6. 複数の時系列の静止画を含む画像データを取得する画像データ取得ステップと、
   前記画像データ取得ステップによって取得した画像データから前記静止画を抽出する画像抽出ステップと、
   前記画像抽出ステップによって抽出した前記静止画の輝度のばらつきに基づいて、当該静止画が鋼管内部を撮影した画像であるか否かを判定する判定ステップと、
   を有する画像解析方法。
7. 請求項６に記載の画像解析方法において、
   前記判定ステップは、
   前記画像抽出ステップによって抽出した前記静止画の領域を複数のブロックに分割するブロック分割ステップと、
   前記ブロック毎に輝度の分散を算出する分散算出ステップと、
   前記分散算出ステップによって算出した前記ブロック毎の輝度の分散に基づいて、前記画像抽出ステップによって抽出した前記静止画が鋼管内部を撮影した画像であるか否かを判定する画像判定ステップと、を有する
   ことを特徴とする画像解析方法。
8. 請求項７に記載の画像解析方法において、
   前記分散算出ステップは、
   前記ブロックの輝度の分散を表す第１輝度分散値を算出する第１輝度分散算出ステップと、
   前記ブロックの前記第１輝度分散値の分散を表す第２輝度分散値を算出する第２輝度分散算出ステップと、を含み、
   前記画像判定ステップは、
   少なくとも一つの前記ブロックの前記第１輝度分散値が第１閾値よりも大きい場合に、前記画像抽出ステップによって抽出した前記静止画が鋼管内部以外を撮影した画像であると判定し、全ての前記ブロックの前記第１輝度分散値が前記第１閾値よりも小さい場合に、前記画像抽出ステップによって抽出した前記静止画が鋼管内部を撮影した画像であると判定する第１鋼管内部判定ステップと、
   前記第１鋼管内部判定ステップによって鋼管内部の画像と判定した前記静止画における少なくとも一つの前記ブロックの前記第２輝度分散値が第２閾値よりも大きい場合に、当該静止画が鋼管内部以外の画像であると判定し、前記第１鋼管内部判定ステップによって鋼管内部の画像と判定した前記静止画における全ての前記ブロックの前記第２輝度分散値が前記第２閾値よりも小さい場合に、当該静止画が鋼管内部を撮影した画像であると判定する第２鋼管内部判定ステップと、を含む
   ことを特徴とする画像解析方法。
9. 請求項８に記載の画像解析方法において、
   前記判定ステップは、
   前記画像抽出ステップによって抽出した複数の連続する前記静止画に対する前記画像判定ステップの判定結果に基づいて、前記画像データにおける鋼管内部の撮影開始点と鋼管内部の撮影終了点を検出する撮影範囲検出ステップを、更に有する
   ことを特徴とする画像解析方法。
10. 請求項９に記載の画像解析方法において、
    前記撮影範囲検出ステップは、前記複数の連続する前記静止画のそれぞれが鋼管内部の画像であると判定された場合に、当該複数の連続する前記静止画の少なくとも一つを鋼管内部の撮影開始点の画像とし、前記撮影開始点の判定後に、前記複数の連続する前記静止画のそれぞれが鋼管外部の画像であると判定された場合に、当該複数の連続する前記静止画よりも前に撮影された前記静止画を鋼管内部の撮影終了点の画像とする
    ことを特徴とする画像解析方法。
11. 請求項６乃至１０の何れか一項に記載の画像解析方法における各ステップをコンピュータに実行させる
    プログラム。