JP2003339043A - 侵入者検知方法および侵入者検知装置 - Google Patents
侵入者検知方法および侵入者検知装置Info
- Publication number
- JP2003339043A JP2003339043A JP2002145784A JP2002145784A JP2003339043A JP 2003339043 A JP2003339043 A JP 2003339043A JP 2002145784 A JP2002145784 A JP 2002145784A JP 2002145784 A JP2002145784 A JP 2002145784A JP 2003339043 A JP2003339043 A JP 2003339043A
- Authority
- JP
- Japan
- Prior art keywords
- correlation value
- points
- deterioration
- image
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
- Burglar Alarm Systems (AREA)
Abstract
(57)【要約】
【課題】 侵入者を検知するための侵入者検知方法に関
し,少ない計算量で確実に扉からの侵入者を検知するこ
とを目的とする。 【解決手段】 侵入者検知装置1の相関演算部11は,
撮像装置2からある瞬間の画像を取得し,また画像デー
タ記憶部10からそれ以前の画像を取得し,画像中に均
等に多数分布させた各測定点ごとの相関演算を行い,相
関値が悪化した測定点の数を求める。また,相関値悪化
量平均値算出部15は,相関値が悪化した測定点の相関
値悪化量平均値を算出し,侵入有無判定部19は,相関
値が悪化した測定点の数および相関値悪化量平均値に基
づいて,これらに対して予め定められた条件をもとに最
終的に侵入者の有無を判定する。
し,少ない計算量で確実に扉からの侵入者を検知するこ
とを目的とする。 【解決手段】 侵入者検知装置1の相関演算部11は,
撮像装置2からある瞬間の画像を取得し,また画像デー
タ記憶部10からそれ以前の画像を取得し,画像中に均
等に多数分布させた各測定点ごとの相関演算を行い,相
関値が悪化した測定点の数を求める。また,相関値悪化
量平均値算出部15は,相関値が悪化した測定点の相関
値悪化量平均値を算出し,侵入有無判定部19は,相関
値が悪化した測定点の数および相関値悪化量平均値に基
づいて,これらに対して予め定められた条件をもとに最
終的に侵入者の有無を判定する。
Description
【0001】
【発明の属する技術分野】本発明は,テレビ(TV)カ
メラ等の撮像手段によって扉,窓またはそれに類するも
の(以下,単に扉という)の画像を適当な時間間隔で連
続的に取り込み,ある瞬間の画像とそれ以前の画像とを
比較することによって,扉を通って侵入してくる人物等
の移動物体(以下,侵入者という)を自動的に検知する
侵入者検知方法および侵入者検知装置に関するものであ
る。
メラ等の撮像手段によって扉,窓またはそれに類するも
の(以下,単に扉という)の画像を適当な時間間隔で連
続的に取り込み,ある瞬間の画像とそれ以前の画像とを
比較することによって,扉を通って侵入してくる人物等
の移動物体(以下,侵入者という)を自動的に検知する
侵入者検知方法および侵入者検知装置に関するものであ
る。
【0002】
【従来の技術】警備や安全確保のための遠隔,非接触あ
るいは受動型の侵入者検知技術においては,TVカメラ
など動画を取得できる画像入力機器からのデータを用い
ることが,誤警報の抑制および確実な侵入者検知に有効
である。
るいは受動型の侵入者検知技術においては,TVカメラ
など動画を取得できる画像入力機器からのデータを用い
ることが,誤警報の抑制および確実な侵入者検知に有効
である。
【0003】従来は,具体的な侵入者検知技術として,
以下のような侵入者検知方法が用いられてきた。 (1)画面内で動く物体を識別し,人の動きとの類似性
を判定する方法。 (2)画面内で動く物体の外形を抽出し,その包絡線を
追跡して侵入者を判定する方法。 (3)画面内での動きの抽出に,適当に分布させた測定
点における微小な画像の移動(オプティカルフロー)を
用いる方法。 (4)あらかじめ定めた測定点の輝度の変化だけを見る
方法。
以下のような侵入者検知方法が用いられてきた。 (1)画面内で動く物体を識別し,人の動きとの類似性
を判定する方法。 (2)画面内で動く物体の外形を抽出し,その包絡線を
追跡して侵入者を判定する方法。 (3)画面内での動きの抽出に,適当に分布させた測定
点における微小な画像の移動(オプティカルフロー)を
用いる方法。 (4)あらかじめ定めた測定点の輝度の変化だけを見る
方法。
【0004】
【発明が解決しようとする課題】しかし,上記(1)〜
(3)の従来技術では,いずれも大きな計算量を必要と
し,汎用の小型計算機上で充分な性能を出すこと,ある
いは安価かつ演算の低速な回路で実装することが困難で
あった。また,上記(4)の従来技術では,誤検出する
ことが多く,実用的な検出精度を得にくいという問題が
あった。
(3)の従来技術では,いずれも大きな計算量を必要と
し,汎用の小型計算機上で充分な性能を出すこと,ある
いは安価かつ演算の低速な回路で実装することが困難で
あった。また,上記(4)の従来技術では,誤検出する
ことが多く,実用的な検出精度を得にくいという問題が
あった。
【0005】本発明は,上記問題点の解決を図り,可能
な限り少ない計算量で,より確実に,TVカメラ等から
の入力画像により扉からの侵入者の有無を判定する技術
を提供することを目的とする。
な限り少ない計算量で,より確実に,TVカメラ等から
の入力画像により扉からの侵入者の有無を判定する技術
を提供することを目的とする。
【0006】
【課題を解決するための手段】本発明は,上記課題を解
決し,扉からの侵入者の検知に特化した低計算量要求タ
イプの侵入者検知機能を実現するため,以下の特徴を持
つ。 (1)扉周辺の画像を入力するTVカメラ等の視野内に
適切に配置した複数個の測定点にのみ注目する。 (2)ある瞬間の画像と一定時間以前の画像との間で,
各測定点における微小範囲の画像を比較して相関値を算
出する。大きな計算量を要するオプティカルフローは求
めない。 (3)TVカメラ等の視野内に映っている監視対象の扉
の映像は,侵入者のない時には静穏であると想定し,相
関値の悪化した測定点(以下,相関値悪化点という)の
数と相関値悪化量の平均値にのみ注目する。 (4)相関値悪化点の分布の形状は考慮しない。全測定
点数に対する相関値悪化点数の範囲と,相関値悪化点が
視野の水平方向いっぱいに分布していないことのみを判
定条件に含める。
決し,扉からの侵入者の検知に特化した低計算量要求タ
イプの侵入者検知機能を実現するため,以下の特徴を持
つ。 (1)扉周辺の画像を入力するTVカメラ等の視野内に
適切に配置した複数個の測定点にのみ注目する。 (2)ある瞬間の画像と一定時間以前の画像との間で,
各測定点における微小範囲の画像を比較して相関値を算
出する。大きな計算量を要するオプティカルフローは求
めない。 (3)TVカメラ等の視野内に映っている監視対象の扉
の映像は,侵入者のない時には静穏であると想定し,相
関値の悪化した測定点(以下,相関値悪化点という)の
数と相関値悪化量の平均値にのみ注目する。 (4)相関値悪化点の分布の形状は考慮しない。全測定
点数に対する相関値悪化点数の範囲と,相関値悪化点が
視野の水平方向いっぱいに分布していないことのみを判
定条件に含める。
【0007】具体的には,扉周辺の画像を入力するTV
カメラ等の視野内に複数個の測定点をほぼ均等に配置
し,その各測定点の微小範囲の画像ごとにある瞬間の入
力画像と一定時間前の入力画像との相関値を求める。そ
して,相関値の悪化した測定点の数nが0から全測定点
数Nの間のある決まった範囲にあるときに,扉を通って
人物等が侵入してきたと判断することを特徴とする。
カメラ等の視野内に複数個の測定点をほぼ均等に配置
し,その各測定点の微小範囲の画像ごとにある瞬間の入
力画像と一定時間前の入力画像との相関値を求める。そ
して,相関値の悪化した測定点の数nが0から全測定点
数Nの間のある決まった範囲にあるときに,扉を通って
人物等が侵入してきたと判断することを特徴とする。
【0008】例えば,0から全測定点数Nの間のある決
まった範囲をaからbの範囲(ただし,0<a<b<
N)とするとき,a≦n≦bである場合に人物等が侵入
してきたものと判断する。これによって,侵入者がカメ
ラ視野内に入ってきたことによる相関値悪化点の発生
を,カメラの振動や照明の急激な変化による全画面的な
相関値悪化点の発生や小さな生き物の画面内での移動,
あるいは視野の一部で発生するカーテンの揺れなどから
区別することができる。
まった範囲をaからbの範囲(ただし,0<a<b<
N)とするとき,a≦n≦bである場合に人物等が侵入
してきたものと判断する。これによって,侵入者がカメ
ラ視野内に入ってきたことによる相関値悪化点の発生
を,カメラの振動や照明の急激な変化による全画面的な
相関値悪化点の発生や小さな生き物の画面内での移動,
あるいは視野の一部で発生するカーテンの揺れなどから
区別することができる。
【0009】n>bである場合,ある決まった範囲より
相関値悪化点数nが多いため,TVカメラ等自体が動い
てしまったり,TVカメラ等が設置された室内の照明が
変化したりしている可能性が高いと判断でき,また,n
<aである場合,ある決まった範囲より相関値悪化点数
nが少ないため,TVカメラ等の視野内を小さな生き物
等が横切ったり,TVカメラ等の視野の一部でカーテン
が揺れたりしている可能性が高いと判断できるからであ
る。
相関値悪化点数nが多いため,TVカメラ等自体が動い
てしまったり,TVカメラ等が設置された室内の照明が
変化したりしている可能性が高いと判断でき,また,n
<aである場合,ある決まった範囲より相関値悪化点数
nが少ないため,TVカメラ等の視野内を小さな生き物
等が横切ったり,TVカメラ等の視野の一部でカーテン
が揺れたりしている可能性が高いと判断できるからであ
る。
【0010】また,すべての相関値悪化点の相関値悪化
量の総和を相関値悪化点数nで割った値,すなわち,n
個の相関値悪化点の相関値悪化量(変化量)を平均した
相関値悪化量平均値davを求め,その相関値悪化量平均
値davが,適切に設定された閾値を適切に設定された時
間以上にわたって越え続けたときに,扉を通って人物等
が侵入してきたと判断することを特徴とする。
量の総和を相関値悪化点数nで割った値,すなわち,n
個の相関値悪化点の相関値悪化量(変化量)を平均した
相関値悪化量平均値davを求め,その相関値悪化量平均
値davが,適切に設定された閾値を適切に設定された時
間以上にわたって越え続けたときに,扉を通って人物等
が侵入してきたと判断することを特徴とする。
【0011】これによって,突発的な大きなノイズか
ら,人物等の侵入を確実に区別することができる。例え
ば,人物等の侵入による測定点の相関値悪化では,ある
程度十分な時間,相関値は悪化し続け,一瞬だけの相関
値悪化の場合,ノイズ等の発生が原因と考えられるから
である。
ら,人物等の侵入を確実に区別することができる。例え
ば,人物等の侵入による測定点の相関値悪化では,ある
程度十分な時間,相関値は悪化し続け,一瞬だけの相関
値悪化の場合,ノイズ等の発生が原因と考えられるから
である。
【0012】また,TVカメラ等の視野内において相関
値悪化点が水平方向いっぱいに分布しているとき,また
は,TVカメラ等の視野の水平方向両端に同時に相関値
悪化点が分布しているとき,扉を通って人物等が侵入し
てきたとは判断しないことを特徴とする。
値悪化点が水平方向いっぱいに分布しているとき,また
は,TVカメラ等の視野の水平方向両端に同時に相関値
悪化点が分布しているとき,扉を通って人物等が侵入し
てきたとは判断しないことを特徴とする。
【0013】例えば,TVカメラ等の視野いっぱいに扉
を映している場合でもない限り,扉を通って人物等が侵
入することによってTVカメラ等の視野の水平方向両端
に同時に相関値悪化点が分布することはない。TVカメ
ラ等の視野の水平方向両端に同時に相関値悪化点が分布
した場合,TVカメラ等の振動などによって測定点の相
関値が悪化している可能性が高いと判断できる。
を映している場合でもない限り,扉を通って人物等が侵
入することによってTVカメラ等の視野の水平方向両端
に同時に相関値悪化点が分布することはない。TVカメ
ラ等の視野の水平方向両端に同時に相関値悪化点が分布
した場合,TVカメラ等の振動などによって測定点の相
関値が悪化している可能性が高いと判断できる。
【0014】また,時刻tにおける相関値悪化量平均値
dav(t)を適当な時定数pをもって時間積分して,時
刻tにおける相関値悪化量平均値の時間積分値(以下,
積分済相関値悪化量平均値という)d(t)を求め,そ
の積分済相関値悪化量平均値d(t)が,適切に設定さ
れた閾値を適切に設定された時間にわたって越え続けた
ときに,扉を通って人物等が侵入してきたと判断するこ
とを特徴とする。
dav(t)を適当な時定数pをもって時間積分して,時
刻tにおける相関値悪化量平均値の時間積分値(以下,
積分済相関値悪化量平均値という)d(t)を求め,そ
の積分済相関値悪化量平均値d(t)が,適切に設定さ
れた閾値を適切に設定された時間にわたって越え続けた
ときに,扉を通って人物等が侵入してきたと判断するこ
とを特徴とする。
【0015】時刻tにおける相関値悪化量平均値d
av(t)を時間積分した値である積分済相関値悪化量平
均値d(t)の時刻tによる変化は,時刻tにおける相
関値悪化量平均値dav(t)の時刻tによる変化と比べ
て,変化がなだらかになる。これにより,測定点の相関
値悪化量の変化の激しさによる誤認,ノイズによる誤認
などを防ぐことができる。
av(t)を時間積分した値である積分済相関値悪化量平
均値d(t)の時刻tによる変化は,時刻tにおける相
関値悪化量平均値dav(t)の時刻tによる変化と比べ
て,変化がなだらかになる。これにより,測定点の相関
値悪化量の変化の激しさによる誤認,ノイズによる誤認
などを防ぐことができる。
【0016】また,相関値悪化量平均値davと閾値とを
比較する際に,複数の閾値とそれぞれの閾値に一対一で
対応する時間長とを設定し,相関値悪化量平均値davが
いずれかの閾値を,その閾値に対応する時間長以上にわ
たって越え続けた場合に,扉を通って人物等が侵入して
きたと判断することを特徴とする。
比較する際に,複数の閾値とそれぞれの閾値に一対一で
対応する時間長とを設定し,相関値悪化量平均値davが
いずれかの閾値を,その閾値に対応する時間長以上にわ
たって越え続けた場合に,扉を通って人物等が侵入して
きたと判断することを特徴とする。
【0017】これによって,相関値悪化量平均値davの
変動の激しさに起因する誤警報の発生および侵入者の見
逃しを防止することができる。例えば,扉を通って人物
等がゆっくりと侵入してきた場合,相関値悪化量平均値
davの値は低く,比較的長い時間にわたって変化(悪
化)し続け,また,扉を通って人物等が急に侵入してき
た場合,相関値悪化量平均値davの値は高く,比較的短
い時間で変化(悪化)するからである。
変動の激しさに起因する誤警報の発生および侵入者の見
逃しを防止することができる。例えば,扉を通って人物
等がゆっくりと侵入してきた場合,相関値悪化量平均値
davの値は低く,比較的長い時間にわたって変化(悪
化)し続け,また,扉を通って人物等が急に侵入してき
た場合,相関値悪化量平均値davの値は高く,比較的短
い時間で変化(悪化)するからである。
【0018】また,相関値悪化点数nの値により変化す
る重み係数aw を求め,その重み係数aw を相関値悪化
量平均値davに乗じてから,適切に設定された閾値と比
較することを特徴とする。
る重み係数aw を求め,その重み係数aw を相関値悪化
量平均値davに乗じてから,適切に設定された閾値と比
較することを特徴とする。
【0019】例えば,重み係数aw は,0から全測定点
数Nまで比較的連続的に変化し,相関値悪化点数nが適
切な値で極大値をとり,両端(0または全測定点数N)
で0になる値とする。この重み係数aw は,関数または
数表により求めて相関値悪化量平均値davに乗じる。こ
の方法を用いることにより,単純に相関値悪化点数nの
許容範囲の最小値aと最大値b(0<a<b<N;Nは
全測定点数)を決めて,そこから外れるものを排除する
方法に比べて,より確実な侵入者検知が実現できる。
数Nまで比較的連続的に変化し,相関値悪化点数nが適
切な値で極大値をとり,両端(0または全測定点数N)
で0になる値とする。この重み係数aw は,関数または
数表により求めて相関値悪化量平均値davに乗じる。こ
の方法を用いることにより,単純に相関値悪化点数nの
許容範囲の最小値aと最大値b(0<a<b<N;Nは
全測定点数)を決めて,そこから外れるものを排除する
方法に比べて,より確実な侵入者検知が実現できる。
【0020】以上の各種侵入者の有無の判断の方法は,
いずれの方法を用いてもよく,またいくつかを組み合わ
せ用いてもよい。組み合わせて用いたほうが,侵入者の
検出精度は向上する。
いずれの方法を用いてもよく,またいくつかを組み合わ
せ用いてもよい。組み合わせて用いたほうが,侵入者の
検出精度は向上する。
【0021】
【発明の実施の形態】以下,図面に基づいて,本発明の
実施の形態を説明する。図1は,本発明を実現するシス
テムの構成例を示す図である。侵入者検知装置1は,C
PUおよびメモリからなるコンピュータであり,ソフト
ウェアプログラムとメモリ等によって構成される画像デ
ータ記憶部10,相関演算部11,相関値悪化点数記憶
部12,重み係数算出部13,相関値悪化点分布判定部
14,相関値悪化量平均値算出部15,相関値悪化量平
均値有効性算入部16,相関値悪化量平均値時間積分部
17,積分済相関値悪化量平均値記憶部18,侵入有無
判定部19を備える。また,侵入者検知装置1には,監
視対象領域を撮影するTVカメラ等の撮像装置2が接続
されている。
実施の形態を説明する。図1は,本発明を実現するシス
テムの構成例を示す図である。侵入者検知装置1は,C
PUおよびメモリからなるコンピュータであり,ソフト
ウェアプログラムとメモリ等によって構成される画像デ
ータ記憶部10,相関演算部11,相関値悪化点数記憶
部12,重み係数算出部13,相関値悪化点分布判定部
14,相関値悪化量平均値算出部15,相関値悪化量平
均値有効性算入部16,相関値悪化量平均値時間積分部
17,積分済相関値悪化量平均値記憶部18,侵入有無
判定部19を備える。また,侵入者検知装置1には,監
視対象領域を撮影するTVカメラ等の撮像装置2が接続
されている。
【0022】TVカメラ等の撮像装置2は,一定間隔
(例えば,150ミリ秒間隔など)で扉を視野内に収め
た画像を取得し,その画像を画像データ記憶部10およ
び相関演算部11に送る。画像データ記憶部10は,撮
像装置2から受けた画像を記憶する。
(例えば,150ミリ秒間隔など)で扉を視野内に収め
た画像を取得し,その画像を画像データ記憶部10およ
び相関演算部11に送る。画像データ記憶部10は,撮
像装置2から受けた画像を記憶する。
【0023】相関演算部11は,撮像装置2からある瞬
間の画像を受け,画像データ記憶部10からそれ以前の
画像を受け,双方の画像の相関演算を行う。相関演算
は,画像上にほぼ均等に多数分布させた測定点ごとに,
各測定点を中心とする微小範囲(例えば8×8画素程
度)の画像を切り出して行う。この測定点を中心とする
微小範囲の画像の大きさ,または測定点の間引き率を変
えることにより,一つの測定点がカバーする領域の広さ
や求める相関値の正確さを変えることも可能である。
間の画像を受け,画像データ記憶部10からそれ以前の
画像を受け,双方の画像の相関演算を行う。相関演算
は,画像上にほぼ均等に多数分布させた測定点ごとに,
各測定点を中心とする微小範囲(例えば8×8画素程
度)の画像を切り出して行う。この測定点を中心とする
微小範囲の画像の大きさ,または測定点の間引き率を変
えることにより,一つの測定点がカバーする領域の広さ
や求める相関値の正確さを変えることも可能である。
【0024】図2は,本実施の形態におけるカメラが捉
えた画像および測定点の分布例を示す図である。図2
(a)の例は,カメラの視野のほぼ中央に扉がある例で
ある。測定点は画像内に均等に配置されており,全測定
点数Nは280点(縦14点×横20点)である。図2
(b)は,図2(a)の扉から人が侵入したときの画像
の例である。例えば,図2(a)の画像の測定点と図2
(b)の画像の測定点との相関演算を行うと,画像中央
部の侵入者および開かれたほうの扉の部分の測定点の相
関値が悪化するが,それ以外の測定点の相関値は悪化し
ない。
えた画像および測定点の分布例を示す図である。図2
(a)の例は,カメラの視野のほぼ中央に扉がある例で
ある。測定点は画像内に均等に配置されており,全測定
点数Nは280点(縦14点×横20点)である。図2
(b)は,図2(a)の扉から人が侵入したときの画像
の例である。例えば,図2(a)の画像の測定点と図2
(b)の画像の測定点との相関演算を行うと,画像中央
部の侵入者および開かれたほうの扉の部分の測定点の相
関値が悪化するが,それ以外の測定点の相関値は悪化し
ない。
【0025】相関演算部11での,相関演算方法として
は,例えば正規化相関値,あるいはより計算量の少ない
SAD相関値(二つの画像間の,対応する画素どうしの
輝度の差の絶対値の総和)を用いることができる。(式
1)は,正規化相関値を与える式の例である。
は,例えば正規化相関値,あるいはより計算量の少ない
SAD相関値(二つの画像間の,対応する画素どうしの
輝度の差の絶対値の総和)を用いることができる。(式
1)は,正規化相関値を与える式の例である。
【0026】
【数1】
【0027】上記(式1)において,si は一方の画像
の或る測定点を中心とする微小範囲の切り出し画像の輝
度配列の要素を示し,ti はもう一方の画像の同じ測定
点を中心とする微小範囲の切り出し画像の輝度配列の要
素を示す。上線が付けられたs,tは,それぞれ全
si ,全ti の平均値である。
の或る測定点を中心とする微小範囲の切り出し画像の輝
度配列の要素を示し,ti はもう一方の画像の同じ測定
点を中心とする微小範囲の切り出し画像の輝度配列の要
素を示す。上線が付けられたs,tは,それぞれ全
si ,全ti の平均値である。
【0028】図3は,本実施の形態における相関値悪化
点の分布の例を示す図である。相関演算部11では,例
えば,(式1)で計算された相関値の変化量が,あらか
じめ設定されたある閾値を越えた点のみを相関値悪化点
として識別する。図3において,0以外の数値で表され
た測定点(点線で囲まれた部分の測定点)が相関値悪化
点であり,その相関値悪化点の数が,相関値悪化点数n
である。図3の例の相関値悪化点数は,n=78点であ
る。
点の分布の例を示す図である。相関演算部11では,例
えば,(式1)で計算された相関値の変化量が,あらか
じめ設定されたある閾値を越えた点のみを相関値悪化点
として識別する。図3において,0以外の数値で表され
た測定点(点線で囲まれた部分の測定点)が相関値悪化
点であり,その相関値悪化点の数が,相関値悪化点数n
である。図3の例の相関値悪化点数は,n=78点であ
る。
【0029】相関値悪化点数記憶部12は,相関演算部
11から相関値悪化点数nを取得しそれを記憶する。重
み係数算出部13は,相関値悪化点数記憶部12に記憶
された相関値悪化点数nをもとに,重み係数aw を算出
する。重み係数aw の算出方法としては,比較的連続的
に変化し,相関値悪化点数nが適切な値で極大値を出力
し,かつ両端(0または全測定点数N)で0を出力する
相関値悪化点数nの関数f(n)を用いる方法,または
数表を用いる方法がある。
11から相関値悪化点数nを取得しそれを記憶する。重
み係数算出部13は,相関値悪化点数記憶部12に記憶
された相関値悪化点数nをもとに,重み係数aw を算出
する。重み係数aw の算出方法としては,比較的連続的
に変化し,相関値悪化点数nが適切な値で極大値を出力
し,かつ両端(0または全測定点数N)で0を出力する
相関値悪化点数nの関数f(n)を用いる方法,または
数表を用いる方法がある。
【0030】図4は,本実施の形態における重み係数a
w を算出する相関値悪化点数nの関数f(n)の例を示
す図である。この図に示すように,適切な値で極大値を
示し,両端(0または全測定点数N)で0を示すような
曲線を描く関数f(n)により重み係数aw を算出する
と,有効な値が得られる。
w を算出する相関値悪化点数nの関数f(n)の例を示
す図である。この図に示すように,適切な値で極大値を
示し,両端(0または全測定点数N)で0を示すような
曲線を描く関数f(n)により重み係数aw を算出する
と,有効な値が得られる。
【0031】具体的に,重み係数aw を算出する式とし
ては,例えば,(式2)に示すように相関値悪化点数n
の四次式f(n)による算出などが有効である。 aw =f(n)=−(( n/N−0.5)/0.5 )4 +1 (式2) (ただし,0≦n≦N,Nは全測定点数) (式2)の場合,重み係数aw は0〜1の間の数値をと
り,全測定点数Nに対する相関値悪化点数nの占める割
合が17%〜83%の時は0.8以上の値が,それ以外
の場合は0.8未満の値が算出される。
ては,例えば,(式2)に示すように相関値悪化点数n
の四次式f(n)による算出などが有効である。 aw =f(n)=−(( n/N−0.5)/0.5 )4 +1 (式2) (ただし,0≦n≦N,Nは全測定点数) (式2)の場合,重み係数aw は0〜1の間の数値をと
り,全測定点数Nに対する相関値悪化点数nの占める割
合が17%〜83%の時は0.8以上の値が,それ以外
の場合は0.8未満の値が算出される。
【0032】相関値悪化点分布判定部14は,相関演算
部11から相関値悪化点の分布を取得し,相関値悪化点
がカメラ視野水平方向いっぱいに分布しているかどう
か,または,水平方向両端に同時に相関値悪化点が所定
数以上分布しているかどうかを判定する。照明on/o
ffによるカメラ視野全体の明るさの変化やカメラの揺
れによって相関値悪化点が大量に発生した場合,相関値
悪化点の分布がカメラ視野水平方向いっぱいに広がって
いる可能性が高い。したがって,相関値悪化点の分布を
判定することによって,侵入者による相関値悪化点の発
生か,カメラの振動等による相関値悪化点の発生かを区
別することができる。
部11から相関値悪化点の分布を取得し,相関値悪化点
がカメラ視野水平方向いっぱいに分布しているかどう
か,または,水平方向両端に同時に相関値悪化点が所定
数以上分布しているかどうかを判定する。照明on/o
ffによるカメラ視野全体の明るさの変化やカメラの揺
れによって相関値悪化点が大量に発生した場合,相関値
悪化点の分布がカメラ視野水平方向いっぱいに広がって
いる可能性が高い。したがって,相関値悪化点の分布を
判定することによって,侵入者による相関値悪化点の発
生か,カメラの振動等による相関値悪化点の発生かを区
別することができる。
【0033】図5は,本実施の形態におけるカメラが設
置されている部屋の照明offの瞬間の相関値悪化点の
分布例を示す図である。この図において,0以外の数値
で表された測定点が相関値悪化点である。図中の楕円の
枠が示すように,水平方向いっぱいに相関値悪化点が分
布していたり,水平方向両端に同時に相関値悪化点が分
布している。相関値悪化点分布判定部14での判定方法
として,相関値悪化点の分布域の左端から右端までの距
離の測定点の水平方向の分布域に対する割合を調べ,そ
の割合があらかじめ設定されたある閾値,例えば0. 9
を上回るか下回るかによって判定する方法などがある。
置されている部屋の照明offの瞬間の相関値悪化点の
分布例を示す図である。この図において,0以外の数値
で表された測定点が相関値悪化点である。図中の楕円の
枠が示すように,水平方向いっぱいに相関値悪化点が分
布していたり,水平方向両端に同時に相関値悪化点が分
布している。相関値悪化点分布判定部14での判定方法
として,相関値悪化点の分布域の左端から右端までの距
離の測定点の水平方向の分布域に対する割合を調べ,そ
の割合があらかじめ設定されたある閾値,例えば0. 9
を上回るか下回るかによって判定する方法などがある。
【0034】相関値悪化量平均値算出部15は,相関演
算部11から相関値悪化点数nと各相関値悪化点の相関
値悪化量ΔDi(i=0,... ,n)とを取得し,相関
値悪化点あたりの相関値悪化量平均値davを求める。相
関値悪化量平均値davは,次の(式3)により求められ
る。
算部11から相関値悪化点数nと各相関値悪化点の相関
値悪化量ΔDi(i=0,... ,n)とを取得し,相関
値悪化点あたりの相関値悪化量平均値davを求める。相
関値悪化量平均値davは,次の(式3)により求められ
る。
【0035】
【数2】
【0036】相関値悪化量平均値有効性算入部16は,
相関値悪化量平均値算出部15で算出された相関値悪化
量平均値davに,重み係数算出部13で算出された重み
係数aw を乗じ,さらに,相関値悪化点分布判定部14
の判定で,相関値悪化点がカメラ視野水平方向いっぱい
に分布していると判定された場合,または水平方向両端
に同時に相関値悪化点が所定数以上分布していると判定
された場合には0を,そうでない場合には1を,相関値
悪化量平均値davに乗じて,その結果を有効な相関値悪
化量平均値davとする。
相関値悪化量平均値算出部15で算出された相関値悪化
量平均値davに,重み係数算出部13で算出された重み
係数aw を乗じ,さらに,相関値悪化点分布判定部14
の判定で,相関値悪化点がカメラ視野水平方向いっぱい
に分布していると判定された場合,または水平方向両端
に同時に相関値悪化点が所定数以上分布していると判定
された場合には0を,そうでない場合には1を,相関値
悪化量平均値davに乗じて,その結果を有効な相関値悪
化量平均値davとする。
【0037】相関値悪化量平均値時間積分部17は,相
関値悪化量平均値有効性算入部16から相関値悪化量平
均値davを取得し,あらかじめ定められた適切な時定数
p(例えば0.8)による時間積分を行う。例えば,現
在時刻をtとし,算出する時刻tにおける積分済相関値
悪化量平均値をd(t)とし,時刻tの一つ前の積分済
相関値悪化量平均値をd(t−1)とし,また,時刻t
における相関値悪化量平均値をdav(t)とすると,積
分済相関値悪化量平均値d(t)は,以下の(式4)で
計算される。
関値悪化量平均値有効性算入部16から相関値悪化量平
均値davを取得し,あらかじめ定められた適切な時定数
p(例えば0.8)による時間積分を行う。例えば,現
在時刻をtとし,算出する時刻tにおける積分済相関値
悪化量平均値をd(t)とし,時刻tの一つ前の積分済
相関値悪化量平均値をd(t−1)とし,また,時刻t
における相関値悪化量平均値をdav(t)とすると,積
分済相関値悪化量平均値d(t)は,以下の(式4)で
計算される。
【0038】
d(t)=d(t−1)×p+dav(t)×(1−p) (式4)
(ただし,0≦p≦1,pは時定数)
この時間積分操作により,相関値悪化量平均値davの短
周期的な変動に左右されない安定した判定が可能とな
る。
周期的な変動に左右されない安定した判定が可能とな
る。
【0039】図6は,本実施の形態における積分済相関
値悪化量平均値d(t)の変化を示す図である。相関値
悪化量平均値dav(t)のグラフが激しく変動するのに
比べて,積分済相関値悪化量平均値d(t)のグラフは
緩やかに変動していることが分かる。
値悪化量平均値d(t)の変化を示す図である。相関値
悪化量平均値dav(t)のグラフが激しく変動するのに
比べて,積分済相関値悪化量平均値d(t)のグラフは
緩やかに変動していることが分かる。
【0040】積分済相関値悪化量平均値記憶部18は,
相関値悪化量平均値時間積分部17で算出された積分済
相関値悪化量平均値d(t)を時刻順に記憶する。侵入
有無判定部19は,相関値悪化量平均値時間積分部17
で計算された積分済相関値悪化量平均値と積分済相関値
悪化量平均値記憶部18に記憶されている過去の積分済
相関値悪化量平均値とを用いて,扉からの人物等の移動
物体の侵入の有無を判定する。
相関値悪化量平均値時間積分部17で算出された積分済
相関値悪化量平均値d(t)を時刻順に記憶する。侵入
有無判定部19は,相関値悪化量平均値時間積分部17
で計算された積分済相関値悪化量平均値と積分済相関値
悪化量平均値記憶部18に記憶されている過去の積分済
相関値悪化量平均値とを用いて,扉からの人物等の移動
物体の侵入の有無を判定する。
【0041】侵入有無判定部19による判定は,以下の
通りである。 ・最新および直近の積分済相関値悪化量平均値を用い
る。 ・積分済相関値悪化量平均値が閾値T1 を越える状態が
m1 回連続したとき,または,積分済相関値悪化量平均
値が閾値Tk (<Tk-1 )を越える状態がmk (>m
k-1 )回連続したとき,侵入者があったものと判断す
る。ただし,kは2以上の整数である。
通りである。 ・最新および直近の積分済相関値悪化量平均値を用い
る。 ・積分済相関値悪化量平均値が閾値T1 を越える状態が
m1 回連続したとき,または,積分済相関値悪化量平均
値が閾値Tk (<Tk-1 )を越える状態がmk (>m
k-1 )回連続したとき,侵入者があったものと判断す
る。ただし,kは2以上の整数である。
【0042】このように,複数の閾値を設定し,それぞ
れに対してそれを越え続けなければいけない時間(回
数)を決めておくことにより,カメラの視野内で大きく
激しく動きすぐに去ってしまうような侵入者から,小さ
く長時間動く侵入者まで,幅広く検出が可能である。ま
た「連続した」という条件に多少の分断を認める条件を
加えることにより検出の確実さを増大させることもでき
る。
れに対してそれを越え続けなければいけない時間(回
数)を決めておくことにより,カメラの視野内で大きく
激しく動きすぐに去ってしまうような侵入者から,小さ
く長時間動く侵入者まで,幅広く検出が可能である。ま
た「連続した」という条件に多少の分断を認める条件を
加えることにより検出の確実さを増大させることもでき
る。
【0043】図7は,本実施の形態における侵入者検知
処理フローチャートである。図7に示した処理は,たと
えば0. 1〜0. 3秒間隔といった一定時間間隔で実行
される。以下,処理の流れを図7のフローチャートに沿
って説明する。
処理フローチャートである。図7に示した処理は,たと
えば0. 1〜0. 3秒間隔といった一定時間間隔で実行
される。以下,処理の流れを図7のフローチャートに沿
って説明する。
【0044】まず,TVカメラ等の撮像装置2から画像
を取得し(ステップS10),相関演算部11におい
て,画像データ記憶部10に記憶されていた1サイクル
前の画像との相関演算を,前記(式1)で行う(ステッ
プS11)。相関演算部11において得られた情報のう
ち,相関値悪化量があらかじめ設定されたある閾値を越
えた点のみを相関値悪化点として識別し,以降の処理の
対象とする。相関値悪化量平均値算出部15は,相関値
悪化点数と各相関値悪化点の相関値悪化量とから,前記
(式2)に従って相関値悪化量平均値を算出する(ステ
ップS12)。
を取得し(ステップS10),相関演算部11におい
て,画像データ記憶部10に記憶されていた1サイクル
前の画像との相関演算を,前記(式1)で行う(ステッ
プS11)。相関演算部11において得られた情報のう
ち,相関値悪化量があらかじめ設定されたある閾値を越
えた点のみを相関値悪化点として識別し,以降の処理の
対象とする。相関値悪化量平均値算出部15は,相関値
悪化点数と各相関値悪化点の相関値悪化量とから,前記
(式2)に従って相関値悪化量平均値を算出する(ステ
ップS12)。
【0045】重み係数算出部13は,相関値悪化点数か
ら例えば前記(式3)により重み係数を算出し,相関値
悪化量平均値有効性算入部16は,相関値悪化量平均値
に重み係数を乗じる(ステップS13)。相関値悪化点
分布判定部14は,相関値悪化点がカメラ視野水平方向
いっぱいに分布しているか(または水平方向両端に同時
に相関値悪化点が所定数以上分布しているか)を判定し
(ステップS14),分布していれば(ステップS1
5),相関値悪化量平均値有効性算入部16は,相関値
悪化量平均値に0を乗じる(ステップS16)。
ら例えば前記(式3)により重み係数を算出し,相関値
悪化量平均値有効性算入部16は,相関値悪化量平均値
に重み係数を乗じる(ステップS13)。相関値悪化点
分布判定部14は,相関値悪化点がカメラ視野水平方向
いっぱいに分布しているか(または水平方向両端に同時
に相関値悪化点が所定数以上分布しているか)を判定し
(ステップS14),分布していれば(ステップS1
5),相関値悪化量平均値有効性算入部16は,相関値
悪化量平均値に0を乗じる(ステップS16)。
【0046】相関値悪化量平均値時間積分部17は,相
関値悪化量平均値を適当な時定数で時間積分して積分済
相関値悪化量平均値を算出し(ステップS17),積分
済相関値悪化量平均値記憶部18に記憶する。侵入有無
判定部19は,積分済相関値悪化量平均値が,適切に設
定された1または複数の閾値を,各閾値に対応して設定
された時間以上にわたって越え続けているかを判定する
(ステップS18)。1つでも越え続けていれば(ステ
ップS19),侵入者ありと判定する(ステップS2
0)。越えていなければ(ステップS19),侵入者な
しと判定する(ステップS21)。ステップS10に戻
り,次のサイクルの処理に移る。
関値悪化量平均値を適当な時定数で時間積分して積分済
相関値悪化量平均値を算出し(ステップS17),積分
済相関値悪化量平均値記憶部18に記憶する。侵入有無
判定部19は,積分済相関値悪化量平均値が,適切に設
定された1または複数の閾値を,各閾値に対応して設定
された時間以上にわたって越え続けているかを判定する
(ステップS18)。1つでも越え続けていれば(ステ
ップS19),侵入者ありと判定する(ステップS2
0)。越えていなければ(ステップS19),侵入者な
しと判定する(ステップS21)。ステップS10に戻
り,次のサイクルの処理に移る。
【0047】また,本実施の形態では,重み係数算出部
13で重み係数aw を算出し,それを相関値悪化量平均
値有効性算入部16で相関値悪化量平均値davに乗じて
いるが,あらかじめ適切に設定されたaからbまでの範
囲内(0<a<b<N,Nは全測定点数)に相関値悪化
点数nがあるかを確認する相関値悪化点数判定部(図示
省略)を重み係数算出部13の代わりに設けて,相関値
悪化量平均値有効性算入部16で,a≦n≦bであれば
1を,n<aまたはn>bであれば0を,相関値悪化量
平均値davに乗じるようにしてもよい。
13で重み係数aw を算出し,それを相関値悪化量平均
値有効性算入部16で相関値悪化量平均値davに乗じて
いるが,あらかじめ適切に設定されたaからbまでの範
囲内(0<a<b<N,Nは全測定点数)に相関値悪化
点数nがあるかを確認する相関値悪化点数判定部(図示
省略)を重み係数算出部13の代わりに設けて,相関値
悪化量平均値有効性算入部16で,a≦n≦bであれば
1を,n<aまたはn>bであれば0を,相関値悪化量
平均値davに乗じるようにしてもよい。
【0048】また,本実施の形態では,侵入有無判定部
19での判定において,複数の閾値とそれらに対応する
時間長が設定されているが,閾値とそれに対応する時間
長とが一つだけしか設定されていなくともよい。
19での判定において,複数の閾値とそれらに対応する
時間長が設定されているが,閾値とそれに対応する時間
長とが一つだけしか設定されていなくともよい。
【0049】以上の処理は,コンピュータとソフトウェ
アプログラムとによって実現することができ,そのプロ
グラムは,コンピュータが読み取り可能な可搬媒体メモ
リ,半導体メモリ,ハードディスク等の適当な記録媒体
に格納して,そこから読み出すことによりコンピュータ
に実行させることができる。
アプログラムとによって実現することができ,そのプロ
グラムは,コンピュータが読み取り可能な可搬媒体メモ
リ,半導体メモリ,ハードディスク等の適当な記録媒体
に格納して,そこから読み出すことによりコンピュータ
に実行させることができる。
【0050】本実施の形態の特徴を列挙すると,以下の
通りである。
通りである。
【0051】(付記1)監視対象領域の画像を適当な時
間間隔で連続的に取り込み,ある瞬間の画像とそれ以前
の画像とを比較することにより,画像の変化から侵入し
てくる移動物体を自動的に検知する侵入者検知方法にお
いて,前記画像の比較にあたって,前記画像の視野内に
複数分布させた測定点における微小範囲の画像同士を比
較し,各測定点における相関値を算出する過程と,前記
算出された相関値が所定値以上変化した相関値悪化点の
数と相関値悪化点の相関値悪化量平均値を算出する過程
と,前記算出した相関値悪化点の数と相関値悪化量平均
値とに基づいて監視対象領域への移動物体の侵入の有無
を判定する過程とを有することを特徴とする侵入者検知
方法。
間間隔で連続的に取り込み,ある瞬間の画像とそれ以前
の画像とを比較することにより,画像の変化から侵入し
てくる移動物体を自動的に検知する侵入者検知方法にお
いて,前記画像の比較にあたって,前記画像の視野内に
複数分布させた測定点における微小範囲の画像同士を比
較し,各測定点における相関値を算出する過程と,前記
算出された相関値が所定値以上変化した相関値悪化点の
数と相関値悪化点の相関値悪化量平均値を算出する過程
と,前記算出した相関値悪化点の数と相関値悪化量平均
値とに基づいて監視対象領域への移動物体の侵入の有無
を判定する過程とを有することを特徴とする侵入者検知
方法。
【0052】(付記2)付記1に記載の侵入者検知方法
において,前記侵入の有無を判定する過程では,前記相
関値悪化点の数nが,a≦n≦b(ただし,a,bは,
0<a<b<Nの範囲のあらかじめ設定された値;Nは
全測定点数)である場合に,侵入する移動物体があると
判定することを特徴とする侵入者検知方法。
において,前記侵入の有無を判定する過程では,前記相
関値悪化点の数nが,a≦n≦b(ただし,a,bは,
0<a<b<Nの範囲のあらかじめ設定された値;Nは
全測定点数)である場合に,侵入する移動物体があると
判定することを特徴とする侵入者検知方法。
【0053】(付記3)付記1または付記2に記載の侵
入者検知方法において,前記相関値悪化量平均値を算出
する過程では,すべての相関値悪化点の相関値悪化量の
総和を相関値悪化点の数で割った値に,前記相関値悪化
点の数に応じてあらかじめ定められた重み係数を乗じた
ものを有効な相関値悪化量平均値として算出することを
特徴とする侵入者検知方法。
入者検知方法において,前記相関値悪化量平均値を算出
する過程では,すべての相関値悪化点の相関値悪化量の
総和を相関値悪化点の数で割った値に,前記相関値悪化
点の数に応じてあらかじめ定められた重み係数を乗じた
ものを有効な相関値悪化量平均値として算出することを
特徴とする侵入者検知方法。
【0054】(付記4)付記1から付記3までのいずれ
かに記載の侵入者検知方法において,前記侵入の有無を
判定する過程では,前記相関値悪化量平均値があらかじ
め設定された閾値を所定の時間以上にわたって越え続け
た場合に,侵入する移動物体があると判定することを特
徴とする侵入者検知方法。
かに記載の侵入者検知方法において,前記侵入の有無を
判定する過程では,前記相関値悪化量平均値があらかじ
め設定された閾値を所定の時間以上にわたって越え続け
た場合に,侵入する移動物体があると判定することを特
徴とする侵入者検知方法。
【0055】(付記5)付記1から付記3までのいずれ
かに記載の侵入者検知方法において,前記相関値悪化量
平均値を算出する過程で算出した相関値悪化量平均値を
所定の時定数でもって時間積分する過程をさらに有し,
前記侵入の有無を判定する過程では,前記時間積分した
相関値悪化量平均値があらかじめ設定された閾値を所定
の時間以上にわたって越え続けた場合に,侵入する移動
物体があると判定することを特徴とする侵入者検知方
法。
かに記載の侵入者検知方法において,前記相関値悪化量
平均値を算出する過程で算出した相関値悪化量平均値を
所定の時定数でもって時間積分する過程をさらに有し,
前記侵入の有無を判定する過程では,前記時間積分した
相関値悪化量平均値があらかじめ設定された閾値を所定
の時間以上にわたって越え続けた場合に,侵入する移動
物体があると判定することを特徴とする侵入者検知方
法。
【0056】(付記6)付記4または付記5に記載の侵
入者検知方法において,前記侵入の有無を判定する過程
では,前記相関値悪化量平均値を閾値と比較する際に,
複数の閾値とそれぞれの閾値に対応する時間長とを条件
として設定することにより,前記相関値悪化量平均値が
少なくともいずれか一つの閾値をその閾値に対応する時
間長以上にわたって越え続けた場合に,侵入する移動物
体があると判定することを特徴とする侵入者検知方法。
入者検知方法において,前記侵入の有無を判定する過程
では,前記相関値悪化量平均値を閾値と比較する際に,
複数の閾値とそれぞれの閾値に対応する時間長とを条件
として設定することにより,前記相関値悪化量平均値が
少なくともいずれか一つの閾値をその閾値に対応する時
間長以上にわたって越え続けた場合に,侵入する移動物
体があると判定することを特徴とする侵入者検知方法。
【0057】(付記7)付記1から付記6までのいずれ
かに記載の侵入者検知方法において,前記相関値悪化点
が画像の水平方向に所定数以上分布しているか否か,ま
たは,前記相関値悪化点が画像の水平方向両端に同時に
所定数以上分布しているか否かを判定する過程を有し,
所定数以上分布している場合には,前記侵入の有無を判
定する過程において侵入する移動物体がないと判定する
ことを特徴とする侵入者検知方法。
かに記載の侵入者検知方法において,前記相関値悪化点
が画像の水平方向に所定数以上分布しているか否か,ま
たは,前記相関値悪化点が画像の水平方向両端に同時に
所定数以上分布しているか否かを判定する過程を有し,
所定数以上分布している場合には,前記侵入の有無を判
定する過程において侵入する移動物体がないと判定する
ことを特徴とする侵入者検知方法。
【0058】(付記8)監視対象領域の画像を適当な時
間間隔で連続的に取り込み,ある瞬間の画像とそれ以前
の画像とを比較することにより,画像の変化から侵入し
てくる移動物体を自動的に検知する侵入者検知装置にお
いて,前記画像の比較にあたって,前記画像の視野内に
複数分布させた測定点における微小範囲の画像同士を比
較し,各測定点における相関値を算出する手段と,前記
算出された相関値が所定値以上変化した相関値悪化点の
数と相関値悪化点の相関値悪化量平均値を算出する手段
と,前記算出した相関値悪化点の数と相関値悪化量平均
値とに基づいて監視対象領域への移動物体の侵入の有無
を判定する手段とを備えることを特徴とする侵入者検知
装置。
間間隔で連続的に取り込み,ある瞬間の画像とそれ以前
の画像とを比較することにより,画像の変化から侵入し
てくる移動物体を自動的に検知する侵入者検知装置にお
いて,前記画像の比較にあたって,前記画像の視野内に
複数分布させた測定点における微小範囲の画像同士を比
較し,各測定点における相関値を算出する手段と,前記
算出された相関値が所定値以上変化した相関値悪化点の
数と相関値悪化点の相関値悪化量平均値を算出する手段
と,前記算出した相関値悪化点の数と相関値悪化量平均
値とに基づいて監視対象領域への移動物体の侵入の有無
を判定する手段とを備えることを特徴とする侵入者検知
装置。
【0059】(付記9)付記8に記載の侵入者検知装置
において,前記侵入の有無を判定する手段は,前記相関
値悪化点の数nが,a≦n≦b(ただし,a,bは,0
<a<b<Nの範囲のあらかじめ設定された値;Nは全
測定点数)である場合に,侵入する移動物体があると判
定することを特徴とする侵入者検知装置。
において,前記侵入の有無を判定する手段は,前記相関
値悪化点の数nが,a≦n≦b(ただし,a,bは,0
<a<b<Nの範囲のあらかじめ設定された値;Nは全
測定点数)である場合に,侵入する移動物体があると判
定することを特徴とする侵入者検知装置。
【0060】(付記10)付記8または付記9に記載の
侵入者検知装置において,前記相関値悪化量平均値を算
出する手段は,すべての相関値悪化点の相関値悪化量の
総和を相関値悪化点の数で割った値に,前記相関値悪化
点の数に応じてあらかじめ定められた重み係数を乗じた
ものを有効な相関値悪化量平均値として算出することを
特徴とする侵入者検知装置。
侵入者検知装置において,前記相関値悪化量平均値を算
出する手段は,すべての相関値悪化点の相関値悪化量の
総和を相関値悪化点の数で割った値に,前記相関値悪化
点の数に応じてあらかじめ定められた重み係数を乗じた
ものを有効な相関値悪化量平均値として算出することを
特徴とする侵入者検知装置。
【0061】(付記11)付記8から付記10までのい
ずれかに記載の侵入者検知装置において,前記侵入の有
無を判定する手段は,前記相関値悪化量平均値があらか
じめ設定された閾値を所定の時間以上にわたって越え続
けた場合に,侵入する移動物体があると判定することを
特徴とする侵入者検知装置。
ずれかに記載の侵入者検知装置において,前記侵入の有
無を判定する手段は,前記相関値悪化量平均値があらか
じめ設定された閾値を所定の時間以上にわたって越え続
けた場合に,侵入する移動物体があると判定することを
特徴とする侵入者検知装置。
【0062】(付記12)付記8から付記10までのい
ずれかに記載の侵入者検知装置において,前記相関値悪
化量平均値を算出する手段で算出した相関値悪化量平均
値を所定の時定数でもって時間積分する手段をさらに備
え,前記侵入の有無を判定する手段は,前記時間積分し
た相関値悪化量平均値があらかじめ設定された閾値を所
定の時間以上にわたって越え続けた場合に,侵入する移
動物体があると判定することを特徴とする侵入者検知装
置。
ずれかに記載の侵入者検知装置において,前記相関値悪
化量平均値を算出する手段で算出した相関値悪化量平均
値を所定の時定数でもって時間積分する手段をさらに備
え,前記侵入の有無を判定する手段は,前記時間積分し
た相関値悪化量平均値があらかじめ設定された閾値を所
定の時間以上にわたって越え続けた場合に,侵入する移
動物体があると判定することを特徴とする侵入者検知装
置。
【0063】(付記13)付記11または付記12に記
載の侵入者検知装置において,前記侵入の有無を判定す
る手段は,前記相関値悪化量平均値を閾値と比較する際
に,複数の閾値とそれぞれの閾値に対応する時間長とを
条件として設定することにより,前記相関値悪化量平均
値が少なくともいずれか一つの閾値をその閾値に対応す
る時間長以上にわたって越え続けた場合に,侵入する移
動物体があると判定することを特徴とする侵入者検知装
置。
載の侵入者検知装置において,前記侵入の有無を判定す
る手段は,前記相関値悪化量平均値を閾値と比較する際
に,複数の閾値とそれぞれの閾値に対応する時間長とを
条件として設定することにより,前記相関値悪化量平均
値が少なくともいずれか一つの閾値をその閾値に対応す
る時間長以上にわたって越え続けた場合に,侵入する移
動物体があると判定することを特徴とする侵入者検知装
置。
【0064】(付記14)付記8から付記13までのい
ずれかに記載の侵入者検知装置において,前記相関値悪
化点が画像の水平方向に所定数以上分布しているか否
か,または,前記相関値悪化点が画像の水平方向両端に
同時に所定数以上分布しているか否かを判定する手段を
備え,所定数以上分布している場合には,前記侵入の有
無を判定する手段において侵入する移動物体がないと判
定することを特徴とする侵入者検知装置。
ずれかに記載の侵入者検知装置において,前記相関値悪
化点が画像の水平方向に所定数以上分布しているか否
か,または,前記相関値悪化点が画像の水平方向両端に
同時に所定数以上分布しているか否かを判定する手段を
備え,所定数以上分布している場合には,前記侵入の有
無を判定する手段において侵入する移動物体がないと判
定することを特徴とする侵入者検知装置。
【0065】(付記15)監視対象領域の画像を適当な
時間間隔で連続的に取り込み,ある瞬間の画像とそれ以
前の画像とを比較することにより,画像の変化から侵入
してくる移動物体を自動的に検知する処理を行うための
侵入者検知プログラムであって,前記画像の比較にあた
って,前記画像の視野内に複数分布させた測定点におけ
る微小範囲の画像同士を比較し,各測定点における相関
値を算出する処理と,前記算出された相関値が所定値以
上変化した相関値悪化点の数と相関値悪化点の相関値悪
化量平均値を算出する処理と,前記算出した相関値悪化
点の数と相関値悪化量平均値とに基づいて監視対象領域
への移動物体の侵入の有無を判定する処理とをコンピュ
ータに実行させるための侵入者検知プログラム。
時間間隔で連続的に取り込み,ある瞬間の画像とそれ以
前の画像とを比較することにより,画像の変化から侵入
してくる移動物体を自動的に検知する処理を行うための
侵入者検知プログラムであって,前記画像の比較にあた
って,前記画像の視野内に複数分布させた測定点におけ
る微小範囲の画像同士を比較し,各測定点における相関
値を算出する処理と,前記算出された相関値が所定値以
上変化した相関値悪化点の数と相関値悪化点の相関値悪
化量平均値を算出する処理と,前記算出した相関値悪化
点の数と相関値悪化量平均値とに基づいて監視対象領域
への移動物体の侵入の有無を判定する処理とをコンピュ
ータに実行させるための侵入者検知プログラム。
【0066】(付記16)監視対象領域の画像を適当な
時間間隔で連続的に取り込み,ある瞬間の画像とそれ以
前の画像とを比較することにより,画像の変化から侵入
してくる移動物体を自動的に検知する処理を行うための
プログラムを格納したコンピュータ読み取り可能な記録
媒体であって,前記画像の比較にあたって,前記画像の
視野内に複数分布させた測定点における微小範囲の画像
同士を比較し,各測定点における相関値を算出する処理
と,前記算出された相関値が所定値以上変化した相関値
悪化点の数と相関値悪化点の相関値悪化量平均値を算出
する処理と,前記算出した相関値悪化点の数と相関値悪
化量平均値とに基づいて監視対象領域への移動物体の侵
入の有無を判定する処理とをコンピュータに実行させる
ためのプログラムを記録したことを特徴とする侵入者検
知プログラム記録媒体。
時間間隔で連続的に取り込み,ある瞬間の画像とそれ以
前の画像とを比較することにより,画像の変化から侵入
してくる移動物体を自動的に検知する処理を行うための
プログラムを格納したコンピュータ読み取り可能な記録
媒体であって,前記画像の比較にあたって,前記画像の
視野内に複数分布させた測定点における微小範囲の画像
同士を比較し,各測定点における相関値を算出する処理
と,前記算出された相関値が所定値以上変化した相関値
悪化点の数と相関値悪化点の相関値悪化量平均値を算出
する処理と,前記算出した相関値悪化点の数と相関値悪
化量平均値とに基づいて監視対象領域への移動物体の侵
入の有無を判定する処理とをコンピュータに実行させる
ためのプログラムを記録したことを特徴とする侵入者検
知プログラム記録媒体。
【0067】
【発明の効果】以上説明したように,本発明によれば,
TVカメラ等から入力される連続画像を用い,画像内に
多数分布させた測定点における微小範囲の画像に着目し
て相関値悪化点の数と相関値悪化量を指標とすることに
より,少ない計算量で,確実に扉等からの侵入者を検出
することができるようになる。
TVカメラ等から入力される連続画像を用い,画像内に
多数分布させた測定点における微小範囲の画像に着目し
て相関値悪化点の数と相関値悪化量を指標とすることに
より,少ない計算量で,確実に扉等からの侵入者を検出
することができるようになる。
【図1】本発明を実現するシステムの構成例を示す図で
ある。
ある。
【図2】本実施の形態におけるカメラが捉えた画像およ
び測定点の分布例を示す図である。
び測定点の分布例を示す図である。
【図3】本実施の形態における相関値悪化点の分布の例
を示す図である。
を示す図である。
【図4】本実施の形態における重み係数aw を算出する
相関値悪化点数nの関数f(n)の例を示す図である。
相関値悪化点数nの関数f(n)の例を示す図である。
【図5】本実施の形態におけるカメラが設置されている
部屋の照明offの瞬間の相関値悪化点の分布例を示す
図である。
部屋の照明offの瞬間の相関値悪化点の分布例を示す
図である。
【図6】本実施の形態における積分済相関値悪化量平均
値d(t)の変化を示す図である。
値d(t)の変化を示す図である。
【図7】本実施の形態における侵入者検知処理フローチ
ャートである。
ャートである。
1 侵入者検知装置
10 画像データ記憶部
11 相関演算部
12 相関値悪化点数記憶部
13 重み係数算出部
14 相関値悪化点分布判定部
15 相関値悪化量平均値算出部
16 相関値悪化量平均値有効性算入部
17 相関値悪化量平均値時間積分部
18 積分済相関値悪化量平均値記憶部
19 侵入有無判定部
2 撮像装置
─────────────────────────────────────────────────────
フロントページの続き
Fターム(参考) 5C054 FC12 FC16 HA18
5C084 AA02 AA07 AA13 BB31 CC17
CC19 DD12 EE01 GG43 GG52
GG56 GG57 GG63 GG68 GG78
GG80
Claims (5)
- 【請求項1】 監視対象領域の画像を適当な時間間隔で
連続的に取り込み,ある瞬間の画像とそれ以前の画像と
を比較することにより,画像の変化から侵入してくる移
動物体を自動的に検知する侵入者検知方法において,前
記画像の比較にあたって,前記画像の視野内に複数分布
させた測定点における微小範囲の画像同士を比較し,各
測定点における相関値を算出する過程と,前記算出され
た相関値が所定値以上変化した相関値悪化点の数と相関
値悪化点の相関値悪化量平均値を算出する過程と,前記
算出した相関値悪化点の数と相関値悪化量平均値とに基
づいて監視対象領域への移動物体の侵入の有無を判定す
る過程とを有することを特徴とする侵入者検知方法。 - 【請求項2】 請求項1記載の侵入者検知方法におい
て,前記侵入の有無を判定する過程では,前記相関値悪
化点の数nが,a≦n≦b(ただし,a,bは,0<a
<b<Nの範囲のあらかじめ設定された値;Nは全測定
点数)である場合に,侵入する移動物体があると判定す
ることを特徴とする侵入者検知方法。 - 【請求項3】 請求項1または請求項2記載の侵入者検
知方法において,前記侵入の有無を判定する過程では,
前記相関値悪化量平均値があらかじめ設定された閾値を
所定の時間以上にわたって越え続けた場合に,侵入する
移動物体があると判定することを特徴とする侵入者検知
方法。 - 【請求項4】 請求項1から請求項3までのいずれかに
記載の侵入者検知方法において,前記相関値悪化点が画
像の水平方向に所定数以上分布しているか否か,また
は,前記相関値悪化点が画像の水平方向両端に同時に所
定数以上分布しているか否かを判定する過程を有し,所
定数以上分布している場合には,前記侵入の有無を判定
する過程において侵入する移動物体がないと判定するこ
とを特徴とする侵入者検知方法。 - 【請求項5】 監視対象領域の画像を適当な時間間隔で
連続的に取り込み,ある瞬間の画像とそれ以前の画像と
を比較することにより,画像の変化から侵入してくる移
動物体を自動的に検知する侵入者検知装置において,前
記画像の比較にあたって,前記画像の視野内に複数分布
させた測定点における微小範囲の画像同士を比較し,各
測定点における相関値を算出する手段と,前記算出され
た相関値が所定値以上変化した相関値悪化点の数と相関
値悪化点の相関値悪化量平均値を算出する手段と,前記
算出した相関値悪化点の数と相関値悪化量平均値とに基
づいて監視対象領域への移動物体の侵入の有無を判定す
る手段とを備えることを特徴とする侵入者検知装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002145784A JP2003339043A (ja) | 2002-05-21 | 2002-05-21 | 侵入者検知方法および侵入者検知装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002145784A JP2003339043A (ja) | 2002-05-21 | 2002-05-21 | 侵入者検知方法および侵入者検知装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2003339043A true JP2003339043A (ja) | 2003-11-28 |
Family
ID=29704959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002145784A Withdrawn JP2003339043A (ja) | 2002-05-21 | 2002-05-21 | 侵入者検知方法および侵入者検知装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2003339043A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216095A (ja) * | 2004-01-30 | 2005-08-11 | Nippon Micro Systems Kk | 監視装置 |
JP2010509693A (ja) * | 2006-11-14 | 2010-03-25 | インストロ プレシジョン リミテッド | 侵入者検知システム |
US8624734B2 (en) | 2008-12-22 | 2014-01-07 | Mitsubishi Electric Corporation | Intruder identifying method, intruder identifying device and intruder identifying sensor device |
-
2002
- 2002-05-21 JP JP2002145784A patent/JP2003339043A/ja not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216095A (ja) * | 2004-01-30 | 2005-08-11 | Nippon Micro Systems Kk | 監視装置 |
JP2010509693A (ja) * | 2006-11-14 | 2010-03-25 | インストロ プレシジョン リミテッド | 侵入者検知システム |
US8624734B2 (en) | 2008-12-22 | 2014-01-07 | Mitsubishi Electric Corporation | Intruder identifying method, intruder identifying device and intruder identifying sensor device |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020073505A1 (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
JP5518359B2 (ja) | 煙検出装置 | |
US7982774B2 (en) | Image processing apparatus and image processing method | |
JP4729610B2 (ja) | 煙検出装置 | |
EP2461300A1 (en) | Smoke detecting apparatus | |
US8538063B2 (en) | System and method for ensuring the performance of a video-based fire detection system | |
US20170004629A1 (en) | Low-complexity motion detection based on image edges | |
JP4653207B2 (ja) | 煙検出装置 | |
JP2001357484A (ja) | 道路異常検出装置 | |
US20100310122A1 (en) | Method and Device for Detecting Stationary Targets | |
JP4999794B2 (ja) | 静止領域検出方法とその装置、プログラム及び記録媒体 | |
CN100375530C (zh) | 一种运动检测方法 | |
JP2001338302A (ja) | 監視装置 | |
JP4259720B2 (ja) | 画像センサ | |
JP5356302B2 (ja) | 煙検出装置 | |
JP2008046916A (ja) | 煙検出装置 | |
JP2002304677A (ja) | 侵入者検出方法および装置 | |
JP2003339043A (ja) | 侵入者検知方法および侵入者検知装置 | |
KR101454541B1 (ko) | 감시카메라 시스템 및 모니터링 방법 | |
JP3933453B2 (ja) | 画像処理装置及び移動体監視装置 | |
JP2005025313A (ja) | 滞留者検知システム | |
JP2002150440A (ja) | 監視対象物検出装置 | |
JP4619082B2 (ja) | 画像判定装置 | |
JPH0676047A (ja) | 画像処理装置 | |
JP4565738B2 (ja) | 画像センサ |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20050802 |