JP2009187348A - 不審物自動検出装置 - Google Patents

Abstract

【課題】滞留時間が変わっても安定して不審物を検出することのできる不審物自動検出装置を提供する。
【解決手段】画像を撮影する撮影手段１１と、前記撮影手段によって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出手段１２と、前記物体の動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出手段１３と、前記滞留時間が閾値より長い場合、前記物体を不審なものと判定する不審物判定手段１４と、前記物体の滞留時間を所定の物体の個数分保持する学習データ１５と、前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記閾値を決定するデータ学習手段１６とを有することにより、不審物が連続して撮影されても、安定して不審者物を検出することが出来る。
【選択図】図１

Description

本発明は監視カメラによって撮影した物体の中から不審なものを検出する不審物検出装置に関するものである。

従来の不審物自動検出装置の動作を図１２に示す。従来の不審物自動検出装置では、図１２に示すように、不審者を検出してその不審者に楕円を当てはめてわかりやすく表示している。図１２において、人物の領域はＡ（ｉ）で示しているようにあらかじめ求められている。

この時、楕円の半径（Ｄｘ、Ｄｙ）は、Ａ（ｉ）に含まれる画素のｘ座標とｙ座標から求めた人物領域のｘ軸方向の標準偏差ＳＤｘと、ｙ軸方向の標準偏差ＳＤｙを用いて以下のように決定する。

まず、ｘ軸方向の標準偏差ＳＤｘと、ｙ軸方向の標準偏差ＳＤｙとは次の式（１）、（２）で表すことができる。

ＳＤｘ＝｛１／Ｓ（ｉ）・Σ（ｘ−Ｉｘ）２｝１／２ …（１）
ＳＤｙ＝｛１／Ｓ（ｉ）・Σ（ｙ−Ｉｙ）２｝１／２ …（２）
但し、Ｓ（ｉ）はＡ（ｉ）の画素数を、ＩｘとＩｙとはこの変化領域における重心の座標を表している。これらのＩｘとＩｙとは次の式（３）、（４）と表される。

Ｉｘ＝１／Ｓ（ｉ）・Σｘ …（３）
尚、上記元ｘは集合Ａ（ｉ）の画素のｘ座標である。

Ｉｙ＝１／Ｓ（ｉ）・Σｙ …（４）
尚、上記元ｙは集合Ａ（ｉ）の画素のｙ座標である。
次にこれらのｘ軸方向の標準偏差ＳＤｘと、ｙ軸方向の標準偏差ＳＤｙとを以下の式（５）、（６）のように定数倍して、楕円の半径（Ｄｘ，Ｄｙ）を求める。

Ｄｘ＝α・ＳＤｘ …（５）
Ｄｙ＝β・ＳＤｙ …（６）
但し、上記α、βは正の定数である。

このようにして、標準偏差などの統計量を用いて人物領域に合わせて楕円を当てはめることが出来る（図１２、楕円１）。このように統計量を用いると、監視カメラで人物を撮影した時の時間によって不審者を判別することができる。すなわち、所定の人数を追跡した結果から得られる統計量を計算し、この統計量から大きく外れたものを不審者とする方法である。
特開平８−２２１５４８号公報 (第３図）

しかしながら、従来の不審物自動検出装置においては、図１３のようにノイズの影響により人物領域が本来の人物領域以外の範囲まで拡張されると、標準偏差はこの部分も含めて計算するので、楕円の当てはめに失敗してしまう（図１３、楕円２）。

滞留時間を用いて不審者を検出する場合には、不審者が連続して検出されると、徐々に統計量が変化し、本来不審者として検出されるべきものが不審者として検出されなくなってしまう。

本発明は、従来の問題を解決するためになされたもので、不審者が連続して登場しても確実に不審者と判定することのできる不審物自動検出装置を提供することを目的とする。

この課題を解決するために、本発明に係る不審物自動検出装置は、画像を取得する画像取得手段と、前記画像取得手段によって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出手段と、前記動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出手段と、前記滞留時間が第１の閾値より長い場合、または前記滞留時間が第２の閾値より短い場合、前記物体を不審なものと判定する不審物判定手段と、前記物体の滞留時間を所定の個数保持する学習データと、前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第１の閾値または前記第２の閾値を決定するデータ学習手段とを有している。

この構成により、不審物が連続して撮影されても、安定して不審者物を検出することが出来る。

また、本発明に係る不審物自動検出装置は、前記データ学習手段は、前記第１の閾値または前記第２の閾値を決定する際、エラー処理関数erfの逆関数inverfと前記所定の物体の個数分のうち異常なものと判定された異常個体数とを用いて、
第１の閾値＝inverf（１−異常個体数／所定の個数）×ｓｑｒｔ（２）×前記標準偏差
＋前記平均値、
によって求める特徴を有している。

この構成により、不審者を安定して検出する為の第１の閾値を、不審物の滞留時間に応じて決定することが出来る。

さらに、本発明に係る不審物自動検出装置は、前記データ学習手段は、前記第２の閾値を決定する際、エラー処理関数erfの逆関数inverfと前記所定の物体の個数分のうち異常なものと判定された異常個体数とを用いて、
第２の閾値＝−inverf（１−異常個体数／所定の個数）×ｓｑｒｔ（２）×前記標準偏 差＋前記平均値、
によって求めることを特徴としている。

この構成により、不審者を安定して検出する為の第２の閾値を、不審物の滞留時間に応じて決定することが出来る。

さらに、本発明に係る不審物自動検出装置は、画像を取得する第１の画像取得手段と、前記画像を複数の小領域に分ける画像分割手段と、前記小領域毎に不審物を検出する複数の小領域不審物自動検出手段と、撮影方向を変更可能な第２の画像取得手段と、前記小領域不審物自動検出手段によって検出された不審物情報にもとづき前記第２の画像取得手段の撮影方向を決定するカメラ制御手段とを有している。

この構成により、画像を小領域に分割し、小領域毎に不審物を検出することが出来る。

さらに、本発明に係る不審物自動検出方法は、画像を撮影する撮影ステップと、前記撮影ステップによって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出ス
テップと、前記物体の動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出ステップと、前記滞留時間が第１の閾値より長い場合、または前記滞留時間が第２の閾値より短い場合、前記物体を不審なものと判定する不審物判定ステップと、前記物体の滞留時間を所定の物体の個数分保持する学習データと、前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第１の閾値または前記第２の閾値を決定するデータ学習ステップとを有することを特徴とする不審物自動検出方法とを有している。

この構成により、不審物が連続して撮影されても、安定して不審物を検出することが出来る。

本発明は、不審者が連続して撮影された場合でも安定して不審者を検出できるという効果を有する不審物自動検出装置を提供することができるものである。

以下、本発明の実施の形態である監視カメラを用いた不審物自動検出装置について、図面を用いて説明する。
（本願発明の第１の実施の形態）
本発明の第１の実施の形態の不審物自動検出装置を図１に示す。

図１において、本発明の実施の形態の不審物自動検出装置１は、人物を連続的に撮影する固定式カメラ２と、固定式カメラ２からネットワークなどを通して不審物自動検出装置１に送られてきた画像を連続的に取得する画像取得手段１１と、画像取得手段１１によって連続的に取得された画像から人物を抽出し人物の動きを抽出しする人物特徴データ抽出手段１２と、人物の動きからある人物が画像取得手段によって取得された画像に登場してからいなくなるまでの滞留時間を算出する滞留時間算出手段１３と、滞留時間が所定の閾値を超えたときその人物を不審者として判定する不審者判定手段１４と、不審者と判定された場合不審者判定手段１４で得られた不審者の画像上の位置から、ＰＴＺ（ＰａｎＴｉｌｔＺｏｏｍ）対応カメラ３によって不審者を拡大撮影する場合のＰＴＺ対応カメラ３のカメラの向きとズーム率を計算しＰＴＺ対応カメラ３を制御するカメラ制御手段１８と、滞留時間算出手段１３で算出した人物毎の滞留時間とその人物が不審者であるか否かを保存する学習データ１５と、学習データから閾値を再計算するデータ学習手段１６と、データ学習手段１６によって求められた閾値を保持する閾値保持手段１７とによって構成されている。

以上のように構成された不審物自動検出装置について、図２を用いてその動作を説明する。図２において、人物特徴データ抽出（Ｓ２１）から人物登録（Ｓ２４）、人物処理終了（Ｓ２９）のステップは、人物特徴抽出手段１２によって実行される。また、滞留時間算出（Ｓ２５）およびデータ蓄積要否（Ｓ２６）は、滞留時間算出手段１３によって実行される。さらに、不審者判定（Ｓ２７）は不審者判定手段１４によって実行され、カメラ制御（Ｓ２８）はカメラ制御手段１８によって実行され、データ登録（Ｓ３０）はデータ学習手段１６によって実行される。

人物特徴データ抽出（Ｓ２１）では、画像取得手段１１によって取得された画像を１枚ずつ入力し、それぞれの画像から人物領域を抽出し、人数分の人物領域を人物領域データ１２１に記録する。

人物データ１９は、人物ＩＤ、全身矩形位置、撮像時間、ステータスなどによって構成されるデータである。不審物自動検出装置が動作し始めたときは、人物データは１件もな
く、動作するに従って新たに生成される。

比較（Ｓ２２）では、人物領域データ１２１に記録された人数分の領域を一つづつ取り出して処理をしていく。そして、人物領域データ１２１に保持された人物領域のデータが人物データにあるか否かを調べる。

そして、存在しない時（Ｓ２３、新規出現）は、画像取得手段１１で取得した画像の一つ前の画像までは存在していなかった人物が今回の画像では新たに出現したことになるので、人物登録（Ｓ２４）を行う。この時、新たに人物データ１９を作成する。人物データとしては、新たな人物ＩＤや全身矩形位置、撮影時間としては現在の時間、人物ステータスとしては「新規」とする。

一方、比較（Ｓ２３）で既存人物である場合（Ｓ２３，既存）は、以前登録した人物データの撮影時間と現在の時刻を元にして滞留時間を算出して滞留時間を記録すると共に、人物データのステータスを「既存」にする（Ｓ２５）。

システムが起動した当初、人物データの蓄積が所定の数（例えば３０）に満たない時は、データ蓄積の必要ありと判断する（Ｓ２６、要）。この場合は、不審者判定（Ｓ２７）をすることなく、人物処理終了（Ｓ２９）に移る。

一方、データ蓄積が終わっている場合は、滞留時間が閾値を超えているか否かを判定することにより不審者であるか否かを判定する（Ｓ２７）。この時、人物データ１９に不審者であることをステータスとして記録する。不審者と判定された場合はＰＴＺ対応カメラを制御する（Ｓ２８）。

人物特徴データ抽出手段で検出した人物のうち、処理が終わっていないものがあるとき（Ｓ２９、ＮＯ）は、比較（Ｓ２２）から処理を繰り返す。

人物処理終了（Ｓ２９）で人物領域データ１２１の処理がすべて終了しているとき（Ｓ２９、ＹＥＳ）場合は、人物データ１９のうち、人物領域データ１２１との対応づけがされていないものがあるかを調べる。判定処理が終わっていないものは、前回までの画像にはあったが、今回の画像にはなかったものであるので、人物データのステータスに「消えた」を登録して（Ｓ３０）、処理を終了する。

次に図３を用いて、データ学習手段１６の動作について説明する。データ学習手段１６は、人物データ１９を参照して処理を実行する。人物データの蓄積が所定の数終わっていない場合は、学習データに１件分のデータを登録して処理を終了する（Ｓ３１、未）。所定の数のデータの蓄積がおわった場合（Ｓ３１、済）は、データの蓄積が終わっているので、標準偏差などの処理を行う。

実際には、今登録した人物データから過去に遡って所定の数分の学習データを用いて、標準偏差を求め、所定の数から不審者のデータを除いた学習データを用いて、ｎ値、平均値±ｎσを計算する。

次に、不審者の判定（図２のステップ２７（Ｓ２７））を図４を用いてさらに詳しく説明する。滞留時間算出手段１３によって算出された滞留時間と閾値を比較する（Ｓ４１）。閾値を超えていた場合は不審者と判定し（Ｓ４２）、人物データ１９のステータスに不審者であることを登録する。そして、ＰＴＺ対応カメラを制御する（Ｓ４３）。閾値を超えていない場合は正常判定する（Ｓ４４）。

図５乃至図９を用いて、閾値の計算方法および本発明の閾値の計算方法の効果を述べる。図５は、学習データの滞留時間の分布を示している。この時、平均値±３σの範囲には全学習データの９９．７％が入ることが知られている。そこで、平均値±ｎσなるｎを決定し、平均値±ｎσに入ったものを正常データ、入らなかったものを異常データ、すなわち不審者とすることができる。

ところが、図６のように、不審者が続いて入力されると全体の統計量が変化していき、不審者であるにもかかわらず正常データと認識されてしまう。

そこで、図７に示すようにしてｎ値を計算し、このｎ値から第１の閾値および第２の閾値を計算する。そして、図８に示すように、滞留時間が第１の閾値より短く第２の閾値より長い場合を正常データとすることにより、不審者の数に応じて、正常データの範囲を狭くすることが出来る。

この結果、図９に示すように、不審者が連続した場合でも正しく検出できるようになる。

以上述べたように、本願発明の不審物自動検出装置では、カメラによって撮影した人物がカメラよって撮影した画像に登場してからの滞留時間によって、不審者であるか否かを判別することができ、不審者である場合はＰＴＺ対応カメラによって不審者を拡大撮影することが出来る。
（本願発明の第２の実施の形態）
次に本発明の第２の実施の形態について、図１０を用いて説明する。

図１０は本発明の第２の実施の形態のブロック構成図である。本発明の第２の実施の形態は、固定式カメラ２とＰＴＺカメラ３は第１の実施の形態と同じである。

第２の実施の形態では、固定式カメラ２から入力された画像は画像取得手段１０１に保持され、画像分割手段１０２によって、例えば３×３の小領域に分割される。

それぞれの小領域の画像は第１乃至第９の小領域不審者児童検出手段１０３乃至１１１に送られる。

第１乃至第９の小領域不審者自動検出手段の内部は、画像取得手段１１、人物特徴データ抽出手段１２、滞留時間算出手段１３、不審者判定手段１４、学習データ１５、データ学習手段１６、閾値保持手段１７を有しているが、これらについては実施の形態１と同じである。

第１の小領域不審物自動検出装置１０３乃至１１１によって不審者が検出されると、これらの情報はＰＴＺカメラ制御手段１１２に送られ、これによってＰＴＺ対応カメラが制御される。

この時、第１の小領域不審物自動検出装置１０３乃至１１１によって、同時に不審者が検出される場合があるが、その場合は検出された不審者の大きさや、滞留時間の長さによってＰＴＺ対応カメラ３によって撮影する不審者を決定しても良いし、不審者を順にＰＴＺ対応カメラ３によって撮影しても良い。

図１１は、第２の実施の形態の動作を示す説明図である。図１１に示すように、固定カメラで撮影した画像は、３×３の小領域に分割され、それぞれの小領域毎に不審者の検出が行われる。

この場合、小領域の位置によって、人物が滞留しやすい場所や、直ぐに通り過ぎてしまう場所を撮影していることになるが、本発明の実施の形態２を用いることにより、小領域毎の滞留時間に合わせて不審者を検出することができる。

以上のように本発明の第２の実施の形態の不審者検出装置によれば、小領域不審者検出手段を複数設けることにより、画面を小領域に分割して、小領域毎に不審者を検出することが可能である。

なお、図１１では画面の分割は同じ大きさになっているが、場所ごとに大きさを変えることも可能である。また、小領域の数は９個に限らず任意の数にすることも可能である。

以上のように、本発明にかかる不審物自動検出装置は、滞留時間の変動に合わせると共に、不審者が連続して撮影された場合でも不審者を安定して検出できる不審物自動検出装置効果
を有する。さらに、画面を分割して不審者を検出することにより、場所ごとに滞留時間の異なる場合でも安定して不審者を検出できるという効果を有し、セキュリティ分野に適応できる。

本発明の第１の実施の形態における不審物自動検出装置のブロック図 本発明の第１の実施の形態における不審物自動検出装置の動作説明のためのフロー図 本発明の第１の実施の形態における不審物自動検出装置の動作説明のためのフロー図 本発明の第１の実施の形態における不審物自動検出装置の動作説明のためのフロー図 本発明の第１の実施の形態における不審物検出装置の動作を示す説明図 本発明の第１の実施の形態における不審物検出装置の動作を示す説明図 本発明の第１の実施の形態における不審物検出装置の動作を示す説明図 本発明の第１の実施の形態における不審物検出装置の動作を示す説明図 本発明の第１の実施の形態における不審物検出装置の動作を示す説明図 本発明の第２の実施の形態における不審物自動検出装置のブロック図 本発明の第の実施の形態における不審物検出装置の動作を示す説明図 従来の不審物自動検出装置の動作を示す説明図 従来の不審物自動検出装置の動作を示す説明図

符号の説明

１ 不審物自動検出装置
２ 固定式カメラ
３ ＰＴＺ対応カメラ
１１ 画像取得手段
１２ 人物特徴データ抽出手段
１３ 滞留時間算出手段
１４ 不審物判定手段
１５ 学習データ
１６ データ学習手段
１７ 閾値保持手段
１８ カメラ制御手段

Claims (5)

1. 画像を取得する画像取得手段と、
   前記画像取得手段によって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出手段と、
   前記動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出手段と、前記滞留時間が第１の閾値より長い場合、または前記滞留時間が第２の閾値より短い場合、前記物体を不審なものと判定する不審物判定手段と、
   前記物体の滞留時間を所定の個数保持する学習データと、
   前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第１の閾値または前記第２の閾値を決定するデータ学習手段とを有することを特徴とする不審物自動検出装置。
2. 前記データ学習手段は、前記第１の閾値を決定する際、エラー処理関数erfの逆関数inverfと前記所定の物体の個数分のうち異常なものと判定された異常個体数とを用いて、
   第１の閾値＝inverf（１−異常個体数／所定の個数）×ｓｑｒｔ（２）×前記標準偏差
   ＋前記平均値、
   によって求めることを特徴とする請求項１に記載の不審物自動検出装置。
3. 前記データ学習手段は、前記第２の閾値を決定する際、エラー処理関数erfの逆関数inverfと前記所定の物体の個数分のうち異常なものと判定された異常個体数とを用いて、
   第２の閾値＝−inverf（１−異常個体数／所定の個数）×ｓｑｒｔ（２）×前記標準偏 差＋前記平均値、
   によって求めることを特徴とする請求項１に記載の不審物自動検出装置。
4. 画像を取得する第１の画像取得手段と、
   前記画像を複数の小領域に分ける画像分割手段と、
   前記小領域毎に不審物を検出する複数の小領域不審物自動検出手段と、
   撮影方向を変更可能な第２の画像取得手段と、
   前記小領域不審物自動検出手段によって検出された不審物情報にもとづき前記第２の画像取得手段の撮影方向を決定するカメラ制御手段を有する不審物自動検出装置。
5. 画像を撮影する撮影ステップと、
   前記撮影ステップによって撮影された画像の中から物体の動きを抽出する物体特徴データ抽出ステップと、
   前記物体の動きから前記物体が前記画像に入ってからの時間を算出する滞留時間算出ステップと、
   前記滞留時間が第１の閾値より長い場合、または前記滞留時間が第２の閾値より短い場合、前記物体を不審なものと判定する不審物判定ステップと、
   前記物体の滞留時間を所定の物体の個数分保持する学習データと、
   前記学習データから滞留時間の平均値および標準偏差を求め、前記平均値および標準偏差から前記第１の閾値または前記第２の閾値を決定するデータ学習ステップとを有することを特徴とする不審物自動検出方法。

Images