JP2008234551A - 異常検知装置及び異常検知プログラム - Google Patents
異常検知装置及び異常検知プログラム Download PDFInfo
- Publication number
- JP2008234551A JP2008234551A JP2007076472A JP2007076472A JP2008234551A JP 2008234551 A JP2008234551 A JP 2008234551A JP 2007076472 A JP2007076472 A JP 2007076472A JP 2007076472 A JP2007076472 A JP 2007076472A JP 2008234551 A JP2008234551 A JP 2008234551A
- Authority
- JP
- Japan
- Prior art keywords
- normal
- abnormality
- abnormal
- determination
- determination unit
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Abstract
【解決手段】異常検知装置20Aは、監視対象の撮像データを取得する撮像データ取得部21と、正常な監視対象を予め学習した正常学習データを記憶する正常学習データ記憶部22Aと、撮像データと正常学習データとに基づいて、監視対象が正常であるか否かを判定する正常判定部23Aと、異常な監視対象を予め学習した異常学習データを記憶する異常学習データ記憶部24Aと、撮像データと異常学習データとに基づいて、監視対象が異常であるか否かを判定する異常判定部25Aと、正常判定部23Aの判定結果と異常判定部25Aの判定結果とに基づいて、監視対象が正常であるか異常であるかを判定する総合判定部26Aと、を備えている。
【選択図】図1
Description
≪異常検知システム≫
図1は、本発明の第一の実施形態に係る異常検知装置を備えた異常検知システムを示すブロック図である。図1に示すように、異常検知システムは、撮像装置10と、異常行動検知装置20Aと、外部装置30と、を備えている。
続いて、異常検知装置20Aの詳細構成について説明する。図1に示すように、異常検知装置20Aは、機能部として、撮像データ取得部21と、正常学習データ記憶部22Aと、正常判定部23Aと、異常学習データ記憶部24Aと、異常判定部25Aと、総合判定部26Aと、発報部27と、を備えている。
第一の実施形態に係る正常判定部23Aは、一例として、特開2006−79272号公報に開示されている判定手法を用いて、監視対象の行動が正常行動であるか否かを判定する。この場合には、正常学習データ記憶部22Aに記憶された正常学習データは、線形変換行列、分布の中心(重心)及び分散共分散行列の逆行列となる。これらについては後記する。
x’=Ax …式(1)
変換行列Aは、主成分分析等の多変量解析によって算出される行列である。この変換行列Aの算出手法については後記する。撮像データの特徴量として高次局所自己相関特徴、すなわち251次元の特徴ベクトルxを用いる場合には、変換行列Aは、n×251(n=1,2,…,251)の大きさの行列となる。また、変換行列Aで線形変換された特徴ベクトルx’は、n次元のベクトルとなる。変換された特徴量、すなわち特徴ベクトルx’は、正常度算出部23dに出力される。
第一の実施形態に係る異常判定部25Aは、一例として、特開2006−79272号公報に開示されている判定手法を用いて、監視対象の行動が異常行動であるか否かを判定する。この場合には、異常学習データ記憶部24Aに記憶された異常学習データは、線形変換行列、分布の中心(重心)及び共分散行列の逆行列となる。これらについては後記する。
y’=By …式(2)
変換行列Bは、主成分分析等の多変量解析によって算出される行列である。この変換行列Bの算出手法については後記する。撮像データの特徴量として高次局所自己相関特徴、すなわち251次元の特徴ベクトルyを用いる場合には、変換行列Bは、n×251(n=1,2,…,251)の大きさの行列となる。そして、変換行列Bで線形変換された特徴ベクトルy’は、n次元のベクトルとなる。変換された特徴量、すなわち特徴ベクトルy’は、異常度算出部25dに出力される。
続いて、特徴量算出部23b,25bによる特徴量の算出手法の詳細について説明する。なお、特徴量算出部23b,25bによる算出手法は同様であるため、以下、特徴量算出部23bによる算出手法について説明する。図4(a)は、撮像データを説明するための図であり、図4(b)は、特徴量の算出対象を説明するための図である。
ここで、フレームの解像度を縦hピクセル、横wピクセルとすると、フレーム群GFは、h×w×3ボクセルの3次元フレームを構成することになる。特徴量算出部23bは、3次元フレームのボクセル全要素に対して、3×3×3のマスクパターンMPを順次移動させながら適用することにより、立体高次局所自己相関特徴を抽出する。
第一のマスクパターンMP1は、入力映像に対するボクセルデータを順次走査した場合に、中心のボクセルBc1が1となる場合の数を計数するためのパターンである。
第二のマスクパターンMP2は、中心のボクセルBc1に加えて、その上のボクセルBc2も1となる場合の数を計数するためのパターンである。
二値画像に対する立体高次局所自己相関特徴には、251個のマスクパターンMP(MP1,MP2,…MP251)が存在し、各マスクパターンMPを満たす場合の数を計数することにより、入力された映像の特徴を、251次元の特徴ベクトルとして抽出することになる。
すなわち、i番目のマスクパターンMPを満たす場合の数が、特徴ベクトルのi番目の要素となる。
続いて、正常学習データ記憶部22Aに記憶される正常学習データを生成するために用いられる正常学習データ生成装置について説明する。図6は、正常学習データを生成するために用いられる正常学習データ生成装置を示すブロック図である。図6に示すように、正常学習データ生成装置40は、機能部として、学習用撮像データ取得部41と、動き抽出部42と、特徴量算出部43と、主成分分析部44と、部分空間算出部45と、を備えている。
続いて、部分空間算出部45による部分空間の算出処理について詳細に説明する。図7は、主成分分析で得られた主成分ごとの累積寄与率を説明するための図である。累積寄与率は、各主成分の寄与率を大きいものから順に足したものであり、そこまでの主成分で分析対象のデータが本来有する情報量をどれくらい説明することができているかを表す指標である。
以上のことから、最も大きい主成分から3番目に大きい主成分で構成される部分空間は、正常行動への寄与率が大きいと考えることができる。また、4番目に大きい主成分から最も小さい主成分で構成される部分空間は、正常行動への寄与率が小さいと考えることができる。このように、累積寄与率を判断基準として、正常行動への寄与率が小さい部分空間を算出することができる。なお、累積寄与率が何%となる段階で区切るかは、予め記憶されている。
続いて、正常度算出部23dによる正常度の算出処理について詳細に説明する。図8は、正常度算出部による正常度の算出処理を説明するための図である。正常度の算出は、正常度への寄与率が小さい部分空間において実行される。これは、この部分空間においては、正常行動の特徴量の分散が小さくなるのに対し、非正常行動、すなわち異常行動の特徴量の分散が大きくなると考えられるためである。本実施形態では、k+1番目に大きい主成分以下の大きさを有する主成分で構成される部分空間を用いて正常度を算出する。
この部分空間は251−k次元であるが、図8には便宜上k+1番目に大きい主成分とk+2番目に大きい主成分との2軸を選んで表示している。
特徴量の集合C1は、学習に用いた正常行動の特徴量を部分空間にプロットしたものである。正常行動への寄与率が小さい部分空間では、集合C1の重心xcを中心としてその近傍に特徴量が分布する。したがって、現在評価している撮像データに関する特徴ベクトルx’が重心xcに近い場合には、監視対象の行動は正常行動であると判定され、特徴ベクトルx’が重心xcから離れている場合には、監視対象の行動は正常行動ではない(非正常行動)、すなわち異常行動であると判定される。
特徴量の集合C1の分散共分散行列の逆行列をSx -1とすると、マハラノビス距離D1は、下記式(3)により表される。
D12=(x’−xc)tSx -1(x’−xc) …式(3)
続いて、異常学習データ記憶部24Aに記憶される異常学習データを生成するために用いられる異常学習データ生成装置について説明する。図9は、異常学習データを生成するために用いられる異常学習データ生成装置を示すブロック図である。図9に示すように、異常学習データ生成装置50は、機能部として、学習用撮像データ取得部51と、動き抽出部52と、特徴量算出部53と、主成分分析部54と、部分空間算出部55と、を備えている。
続いて、部分空間算出部55は、図7に示す累積寄与率を判断基準として、異常行動への寄与率が大きい部分空間を算出することができる。なお、累積寄与率が何%となる段階で区切るかは、予め記憶されている。
続いて、異常度算出部25dによる異常度の算出処理について詳細に説明する。図10は、異常度算出部による異常度の算出処理を説明するための図である。異常度の算出は、異常度への寄与率が大きい部分空間において実行される。これは、この部分空間においては、異常行動の特徴量の分散が小さくなるのに対し、非異常行動、すなわち正常行動の特徴量の分散が大きくなると考えられるためである。本実施形態では、k番目に大きい主成分以上の大きさを有する主成分で構成される部分空間を用いて正常度を算出する。
この部分空間はk次元であるが、図10には便宜上1番目に大きい主成分(第1主成分)と2番目に大きい主成分(第2主成分)との2軸を選んで表示している。
特徴量の集合C2は、学習に用いた異常行動の特徴量を部分空間にプロットしたものである。異常行動への寄与率が小さい部分空間では、集合C2の重心ycを中心としてその近傍に特徴量が分布する。したがって、現在評価している撮像データに関する特徴ベクトルy’が重心ycに近い場合には、監視対象の行動は異常行動であると判定され、特徴ベクトルy’が重心ycから離れている場合には、監視対象の行動は異常行動ではない(非異常行動)、すなわち正常行動であると判定される。
特徴量の集合C2の分散共分散行列の逆行列をSy -1とすると、マハラノビス距離D2は、下記式(4)により表される。
D22=(y’−yc)tSy -1(y’−yc) …式(4)
続いて、総合判定部26Aの詳細構成について説明する。図11は、図1の総合判定部を示す詳細ブロック図である。図11に示すように、総合判定部26Aは、総合判定テーブル記憶部26aと、正常/異常判定部26bと、を備えている。
続いて、総合判定テーブルの例について説明する。図12(a)(b)は、総合判定テーブルの例を説明するための図である。
図12(a)に示す総合判定テーブル26a1は、正常判定部23Aの判定結果及び異常判定部25Aの判定結果がともに正常である場合に、総合判定結果を正常とし、正常判定部23Aの判定結果及び異常判定部25Aの判定結果の少なくとも一方が異常である場合に、総合判定結果を異常とするテーブルである。
図12(b)に示す総合判定テーブル26a2は、正常判定部23Aの判定結果及び異常判定部25Aの判定結果の少なくとも一方が正常である場合に、総合判定結果を正常とし、正常判定部23Aの判定結果及び異常判定部25Aの判定結果がともに異常である場合に、総合判定結果を異常とするテーブルである。
総合判定テーブル26a1は、失報を減らすことに重点を置いたテーブルであり、総合判定テーブル26a2は、誤報を減らすことに重点を置いたテーブルである。
続いて、本発明の第一の実施形態に係る異常検知装置20Aの動作例について説明する。図13は、図1の異常検知装置の動作例を説明するためのフローチャートである。以下の動作例の説明において、適宜図1〜図12を参照する。
続いて、ステップS2のサブルーチン、すなわち正常判定部23Aの動作例について説明する。図14は、正常判定部の動作例を説明するためのフローチャートである。
続いて、ステップS3のサブルーチン、すなわち異常判定部25Aの動作例について説明する。図15は、異常判定部の動作例を説明するためのフローチャートである。
続いて、ステップS22,S32のサブルーチン、すなわち特徴量算出部23a,25aの動作例について説明する。特徴量算出部23a,25aの動作例は同一であるので、ここでは、特徴量算出部23aを例にとり説明する。図16は、特徴量算出部の動作例を説明するためのフローチャートである。
これらの一連の処理により、特徴量算出部23aは、立体高次局所自己相関による251次元の特徴ベクトルvnを算出することができる。
続いて、正常学習データ生成装置40の動作例について説明する。図17は、正常学習データ生成装置の動作例を説明するためのフローチャートである。
続いて、異常学習データ生成装置50の動作例について説明する。図18は、異常学習データ生成装置の動作例を説明するためのフローチャートである。
続いて、第二の実施形態に係る異常検知装置について、第一の実施形態に係る異常検知装置20Aとの相違点を中心に説明する。図19は、本発明の第二の実施形態に係る異常検知装置を示すブロック図である。
続いて、第三の実施形態に係る異常検知装置について、第一の実施形態に係る異常検知装置20Aとの相違点を中心に説明する。図20及び図21は、本発明の第三の実施形態に係る異常検知装置の要部を示すブロック図である。
続いて、第四の実施形態に係る異常検知装置について、第一の実施形態に係る異常検知装置20Aとの相違点を中心に説明する。図22は、本発明の第四の実施形態に係る異常検知装置の要部を示すブロック図である。
21 撮像データ取得部
22A,22B,22C1,22C2 正常学習データ記憶部
23A,23B,23C 正常判定部
24A,22B,22C1,22C2 異常学習データ記憶部
25A,25B,25C 異常判定部
26A,26D 総合判定部
Claims (13)
- 監視対象の撮像データを取得する撮像データ取得部と、
正常な前記監視対象を予め学習した正常学習データを記憶する正常学習データ記憶部と、
前記撮像データと前記正常学習データとに基づいて、前記撮像データに含まれる監視対象が正常であるか否かを判定する正常判定部と、
異常な前記監視対象を予め学習した異常学習データを記憶する異常学習データ記憶部と、
前記撮像データと前記異常学習データとに基づいて、前記撮像データに含まれる監視対象が異常であるか否かを判定する異常判定部と、
前記正常判定部の判定結果と前記異常判定部の判定結果とに基づいて、前記撮像データに含まれる監視対象が正常であるか異常であるかを判定する総合判定部と、
を備えていることを特徴とする異常検知装置。 - 前記総合判定部は、前記正常判定部の判定結果が正常であり、かつ、前記異常判定部の判定結果が非異常である場合に、前記撮像データに含まれる監視対象が正常であると判定し、前記正常判定部の判定結果が非正常である、又は、前記異常判定部の判定結果が異常である場合に、前記撮像データに含まれる監視対象が異常であると判定することを特徴とする請求項1に記載の異常検知装置。
- 前記総合判定部は、前記正常判定部の判定結果が正常である、又は、前記異常判定部の判定結果が非異常である場合に、前記撮像データに含まれる監視対象が正常であると判定し、前記正常判定部の判定結果が非正常であり、かつ、前記異常判定部の判定結果が異常である場合に、前記撮像データに含まれる監視対象が異常であると判定することを特徴とする請求項1に記載の異常検知装置。
- 前記正常学習データ記憶部は、正常学習データを種別ごとに記憶する複数の正常学習データ記憶ユニットを備え、
前記正常判定部は、前記複数の正常学習データ記憶ユニットに対応し、当該正常学習データ記憶ユニットに記憶された正常学習データの種別に基づいて、前記撮像データに含まれる監視対象の行動が正常であるか異常であるかを判定する複数の正常判定ユニットを備えており、
前記総合判定部は、前記複数の正常判定ユニットの判定結果が全て非正常である場合に、前記正常判定部の判定結果が非正常であるとする
ことを特徴とする請求項1に記載の異常検知装置。 - 前記異常学習データ記憶部は、異常学習データを種別ごとに記憶する複数の異常学習データ記憶ユニットを備え、
前記異常判定部は、前記複数の異常学習データ記憶ユニットに対応し、当該異常学習データ記憶ユニットに記憶された異常学習データの種別に基づいて、前記撮像データに含まれる監視対象が異常であるか正常であるかを判定する複数の異常判定ユニットを備えており、
前記総合判定部は、前記複数の異常判定ユニットの判定結果の少なくとも一つが異常である場合に、前記異常判定部の判定結果が異常であるとする
ことを特徴とする請求項1に記載の異常検知装置。 - 前記正常学習データ記憶部を複数備え、
前記正常判定部は、複数の前記正常学習データ記憶部から一つを選択して判定に用いることを特徴とする請求項1に記載の異常検知装置。 - 前記正常判定部は、時刻に基づいて複数の前記正常学習データ記憶部から一つを選択することを特徴とする請求項6に記載の異常検知装置。
- 前記異常学習データ記憶部を複数備え、
前記異常判定部は、複数の前記異常学習データ記憶部から一つを選択して判定に用いることを特徴とする請求項1に記載の異常検知装置。 - 前記異常判定部は、時刻に基づいて複数の前記異常学習データ記憶部から一つを選択することを特徴とする請求項8に記載の異常検知装置。
- 前記総合判定部は、
前記第一の判定部の判定結果及び前記第二の判定部の判定結果と当該総合判定部の判定結果とを関連付けた総合判定テーブルを記憶する総合判定テーブル記憶部と、
前記第一の判定部の判定結果、前記第二の判定部の判定結果及び前記総合判定テーブルに基づいて、前記撮像データに含まれる監視対象が正常であるか異常であるかを判定する正常/異常判定部と、
を備えていることを特徴とする請求項1に記載の異常検知装置。 - 前記総合判定テーブル記憶部は、複数の前記総合判定テーブルを備えており、
前記複数の総合判定テーブルから一つを選択する総合判定テーブル選択部をさらに備え、
前記正常/異常判定部は、前記総合判定テーブル選択部により選択された総合判定テーブルを用いて判定することを特徴とする請求項10に記載の異常検知装置。 - 前記総合判定テーブル選択手段は、時刻に基づいて前記複数の総合判定テーブルから一つを選択することを特徴とする請求項11に記載の異常検知装置。
- コンピュータを、
監視対象の撮像データを取得する撮像データ取得部、
予め記憶されている正常な前記監視対象を予め学習した正常学習データと前記撮像データとに基づいて、前記撮像データに含まれる監視対象が正常であるか否かを判定する正常判定部、
予め記憶されている異常な前記監視対象を予め学習した異常学習データと前記撮像データとに基づいて、前記撮像データに含まれる監視対象が異常であるか否かを判定する異常判定部、及び、
前記正常判定部の判定結果と前記異常判定部の判定結果とに基づいて、前記撮像データに含まれる監視対象が正常であるか異常であるかを判定する総合判定部、
として機能させることを特徴とする異常検知プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007076472A JP4369961B2 (ja) | 2007-03-23 | 2007-03-23 | 異常検知装置及び異常検知プログラム |
CN2008100085095A CN101271529B (zh) | 2007-03-23 | 2008-01-23 | 异常检测装置以及异常检测程序 |
HK09100646.9A HK1122633A1 (en) | 2007-03-23 | 2009-01-21 | Device and program for detecting abnormality |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007076472A JP4369961B2 (ja) | 2007-03-23 | 2007-03-23 | 異常検知装置及び異常検知プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008234551A true JP2008234551A (ja) | 2008-10-02 |
JP4369961B2 JP4369961B2 (ja) | 2009-11-25 |
Family
ID=39907217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007076472A Active JP4369961B2 (ja) | 2007-03-23 | 2007-03-23 | 異常検知装置及び異常検知プログラム |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP4369961B2 (ja) |
CN (1) | CN101271529B (ja) |
HK (1) | HK1122633A1 (ja) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008269063A (ja) * | 2007-04-17 | 2008-11-06 | Softopia Japan Foundation | 多重分割画像を用いた異常動作検出装置、異常動作検出方法及び異常動作検出用プログラム |
JP2010146298A (ja) * | 2008-12-18 | 2010-07-01 | Sogo Keibi Hosho Co Ltd | 登録装置および登録方法 |
JP2010273112A (ja) * | 2009-05-21 | 2010-12-02 | Fujifilm Corp | 人物追跡方法、人物追跡装置および人物追跡プログラム |
JP2011035571A (ja) * | 2009-07-30 | 2011-02-17 | Masafumi Hagiwara | 不審行動検知方法および不審行動検知装置 |
JP2011107765A (ja) * | 2009-11-12 | 2011-06-02 | Masafumi Hagiwara | 不審行動検知方法および不審行動検知装置 |
WO2011148439A1 (ja) * | 2010-05-27 | 2011-12-01 | パナソニック株式会社 | 動作解析装置および動作解析方法 |
JP2012205097A (ja) * | 2011-03-25 | 2012-10-22 | Secom Co Ltd | 映像処理装置 |
JP2014165607A (ja) * | 2013-02-22 | 2014-09-08 | Tokyo Electron Ltd | 基板処理装置、基板処理装置の監視装置及び基板処理装置の監視方法 |
JP2016191589A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社Screenホールディングス | 欠陥分類装置および欠陥分類方法 |
JP2018093266A (ja) * | 2016-11-30 | 2018-06-14 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2018147172A (ja) * | 2017-03-03 | 2018-09-20 | 日本電信電話株式会社 | 異常検知装置、異常検知方法及びプログラム |
JP2019053384A (ja) * | 2017-09-13 | 2019-04-04 | 沖電気工業株式会社 | 異常検知システム、情報処理装置、及び、異常検知方法 |
JP2020015938A (ja) * | 2018-07-24 | 2020-01-30 | 日本製鉄株式会社 | 羽口監視装置、羽口監視プログラム、及び羽口監視方法 |
JP2020083422A (ja) * | 2018-11-29 | 2020-06-04 | ホームネットカーズ株式会社 | 給油システム、給油方法、プログラム、及び記録媒体 |
JPWO2021005649A1 (ja) * | 2019-07-05 | 2021-01-14 | ||
WO2021015256A1 (ja) * | 2019-07-25 | 2021-01-28 | Eneos株式会社 | セルフ給油許可システム、セルフ給油許可システムの制御方法、及び、セルフ給油ステーション |
JP6979660B1 (ja) * | 2020-09-30 | 2021-12-15 | 株式会社エクサウィザーズ | 情報処理方法、学習モデルの生成方法、情報処理装置及びコンピュータプログラム |
WO2021260837A1 (ja) * | 2020-06-24 | 2021-12-30 | 日本電気株式会社 | 学習装置、推定装置、学習方法及びプログラム |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6708385B2 (ja) | 2015-09-25 | 2020-06-10 | キヤノン株式会社 | 識別器作成装置、識別器作成方法、およびプログラム |
US11200427B2 (en) * | 2017-03-31 | 2021-12-14 | Yokogawa Electric Corporation | Methods and systems for image based anomaly detection |
JP6936650B2 (ja) * | 2017-07-27 | 2021-09-22 | 三菱パワー株式会社 | モデル学習装置、学習済みモデルの生成方法、プログラム、学習済みモデル、監視装置、および監視方法 |
CN111164575B (zh) * | 2017-10-11 | 2023-08-22 | 三菱电机株式会社 | 样本数据生成装置、样本数据生成方法和计算机能读取的存储介质 |
DE112018007171T5 (de) * | 2018-03-29 | 2021-01-28 | Mitsubishi Electric Corporation | Abnormalitätsinspektionsvorrichtung und abnormalitätsinspektionsverfahren |
JP7134051B2 (ja) * | 2018-10-01 | 2022-09-09 | 三菱電機株式会社 | 劣化検知システム |
JP7115346B2 (ja) * | 2019-02-07 | 2022-08-09 | 株式会社デンソー | 異常検知装置 |
JP7440332B2 (ja) * | 2020-04-21 | 2024-02-28 | 株式会社日立製作所 | 事象解析システムおよび事象解析方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7624174B2 (en) * | 2003-05-22 | 2009-11-24 | Microsoft Corporation | Self-learning method and system for detecting abnormalities |
JP4718253B2 (ja) * | 2005-06-17 | 2011-07-06 | 株式会社日立ビルシステム | 監視カメラの画像異常検出装置 |
-
2007
- 2007-03-23 JP JP2007076472A patent/JP4369961B2/ja active Active
-
2008
- 2008-01-23 CN CN2008100085095A patent/CN101271529B/zh active Active
-
2009
- 2009-01-21 HK HK09100646.9A patent/HK1122633A1/xx unknown
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008269063A (ja) * | 2007-04-17 | 2008-11-06 | Softopia Japan Foundation | 多重分割画像を用いた異常動作検出装置、異常動作検出方法及び異常動作検出用プログラム |
JP2010146298A (ja) * | 2008-12-18 | 2010-07-01 | Sogo Keibi Hosho Co Ltd | 登録装置および登録方法 |
JP2010273112A (ja) * | 2009-05-21 | 2010-12-02 | Fujifilm Corp | 人物追跡方法、人物追跡装置および人物追跡プログラム |
JP2011035571A (ja) * | 2009-07-30 | 2011-02-17 | Masafumi Hagiwara | 不審行動検知方法および不審行動検知装置 |
JP2011107765A (ja) * | 2009-11-12 | 2011-06-02 | Masafumi Hagiwara | 不審行動検知方法および不審行動検知装置 |
JP2011248664A (ja) * | 2010-05-27 | 2011-12-08 | Panasonic Corp | 動作解析装置および動作解析方法 |
WO2011148439A1 (ja) * | 2010-05-27 | 2011-12-01 | パナソニック株式会社 | 動作解析装置および動作解析方法 |
CN102473301A (zh) * | 2010-05-27 | 2012-05-23 | 松下电器产业株式会社 | 动作解析装置及动作解析方法 |
US8565488B2 (en) | 2010-05-27 | 2013-10-22 | Panasonic Corporation | Operation analysis device and operation analysis method |
JP2012205097A (ja) * | 2011-03-25 | 2012-10-22 | Secom Co Ltd | 映像処理装置 |
JP2014165607A (ja) * | 2013-02-22 | 2014-09-08 | Tokyo Electron Ltd | 基板処理装置、基板処理装置の監視装置及び基板処理装置の監視方法 |
JP2016191589A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社Screenホールディングス | 欠陥分類装置および欠陥分類方法 |
JP2018093266A (ja) * | 2016-11-30 | 2018-06-14 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2018147172A (ja) * | 2017-03-03 | 2018-09-20 | 日本電信電話株式会社 | 異常検知装置、異常検知方法及びプログラム |
JP2019053384A (ja) * | 2017-09-13 | 2019-04-04 | 沖電気工業株式会社 | 異常検知システム、情報処理装置、及び、異常検知方法 |
JP7035395B2 (ja) | 2017-09-13 | 2022-03-15 | 沖電気工業株式会社 | 異常検知システム、情報処理装置、及び、異常検知方法 |
JP2020015938A (ja) * | 2018-07-24 | 2020-01-30 | 日本製鉄株式会社 | 羽口監視装置、羽口監視プログラム、及び羽口監視方法 |
JP7059846B2 (ja) | 2018-07-24 | 2022-04-26 | 日本製鉄株式会社 | 羽口監視装置、羽口監視プログラム、及び羽口監視方法 |
JP2020083422A (ja) * | 2018-11-29 | 2020-06-04 | ホームネットカーズ株式会社 | 給油システム、給油方法、プログラム、及び記録媒体 |
JPWO2021005649A1 (ja) * | 2019-07-05 | 2021-01-14 | ||
WO2021005649A1 (ja) * | 2019-07-05 | 2021-01-14 | 日本電気株式会社 | 光ファイバセンシングシステム、光ファイバセンシング機器、及び地中行動監視方法 |
JP7338687B2 (ja) | 2019-07-05 | 2023-09-05 | 日本電気株式会社 | 光ファイバセンシングシステム、光ファイバセンシング機器、及び地中行動監視方法 |
WO2021015256A1 (ja) * | 2019-07-25 | 2021-01-28 | Eneos株式会社 | セルフ給油許可システム、セルフ給油許可システムの制御方法、及び、セルフ給油ステーション |
WO2021260837A1 (ja) * | 2020-06-24 | 2021-12-30 | 日本電気株式会社 | 学習装置、推定装置、学習方法及びプログラム |
JPWO2021260837A1 (ja) * | 2020-06-24 | 2021-12-30 | ||
JP7375934B2 (ja) | 2020-06-24 | 2023-11-08 | 日本電気株式会社 | 学習装置、推定装置、学習方法及びプログラム |
JP2022056838A (ja) * | 2020-09-30 | 2022-04-11 | 株式会社エクサウィザーズ | 情報処理方法、学習モデルの生成方法、情報処理装置及びコンピュータプログラム |
JP6979660B1 (ja) * | 2020-09-30 | 2021-12-15 | 株式会社エクサウィザーズ | 情報処理方法、学習モデルの生成方法、情報処理装置及びコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP4369961B2 (ja) | 2009-11-25 |
CN101271529A (zh) | 2008-09-24 |
HK1122633A1 (en) | 2009-05-22 |
CN101271529B (zh) | 2010-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4369961B2 (ja) | 異常検知装置及び異常検知プログラム | |
JP4663756B2 (ja) | 異常行動検知装置 | |
JP4368767B2 (ja) | 異常動作検出装置および異常動作検出方法 | |
JP4701100B2 (ja) | 異常行動検知装置 | |
JP5701005B2 (ja) | 物体検知装置、物体検知方法、監視カメラシステム、およびプログラム | |
US20130121590A1 (en) | Event detection apparatus and event detection method | |
JP4641450B2 (ja) | 非定常画像検出方法、非定常画像検出装置、及び非定常画像検出プログラム | |
Fan et al. | Human fall detection using slow feature analysis | |
US11334759B2 (en) | Information processing apparatus, information processing method, and medium | |
JPWO2014010174A1 (ja) | 画角変動検知装置、画角変動検知方法および画角変動検知プログラム | |
JP2008278128A (ja) | 監視システム、監視方法およびプログラム | |
KR101960755B1 (ko) | 미취득 전력 데이터 생성 방법 및 장치 | |
KR101581162B1 (ko) | 실시간 영상 기반의 화염, 연기 및 물체 움직임 자동 감지 방법, 장치 및 시스템 | |
JP6590477B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
JP2010128947A (ja) | 非定常度推定装置、非定常度推定方法、非定常度推定プログラム | |
JP7372391B2 (ja) | 入力データにおける異常を検知するための概念 | |
US11574461B2 (en) | Time-series based analytics using video streams | |
KR102290857B1 (ko) | 채널상태정보를 이용한 인공지능 기반의 스마트 사용자 검출 방법 및 장치 | |
KR20230103890A (ko) | 멀티-모달 비디오 캡셔닝 기반 영상 보안 시스템 및 방법 | |
JP2009003638A (ja) | 逐次更新型非定常検出装置、逐次更新型非定常検出方法、逐次更新型非定常検出プログラムおよびそのプログラムを記録した記録媒体 | |
CN113743293A (zh) | 跌倒行为检测方法、装置、电子设备及存储介质 | |
JP5228067B2 (ja) | 異常行動検知装置 | |
WO2020139071A1 (en) | System and method for detecting aggressive behaviour activity | |
JP7436801B2 (ja) | 情報出力プログラム、情報出力装置及び情報出力方法 | |
WO2023188264A1 (ja) | 情報処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20081203 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090402 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090512 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090713 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090825 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090828 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4369961 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120904 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130904 Year of fee payment: 4 |