JP2011081823A - 確率分布関数を用いて行動をモデル化するための方法及び装置 - Google Patents

確率分布関数を用いて行動をモデル化するための方法及び装置 Download PDF

Info

Publication number
JP2011081823A
JP2011081823A JP2010259759A JP2010259759A JP2011081823A JP 2011081823 A JP2011081823 A JP 2011081823A JP 2010259759 A JP2010259759 A JP 2010259759A JP 2010259759 A JP2010259759 A JP 2010259759A JP 2011081823 A JP2011081823 A JP 2011081823A
Authority
JP
Japan
Prior art keywords
behavior
cluster
feature data
repetitive
probability distribution
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
Application number
JP2010259759A
Other languages
English (en)
Other versions
JP5143212B2 (ja
Inventor
Miroslav Trajkovic
ミロスラヴ トラヤコヴィク
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of JP2011081823A publication Critical patent/JP2011081823A/ja
Application granted granted Critical
Publication of JP5143212B2 publication Critical patent/JP5143212B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G08B13/19615—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion wherein said pattern is defined by the user
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19665—Details related to the storage of video surveillance data
    • G08B13/19671—Addition of non-video data, i.e. metadata, to video stream
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19665—Details related to the storage of video surveillance data
    • G08B13/19671—Addition of non-video data, i.e. metadata, to video stream
    • G08B13/19673—Addition of time stamp, i.e. time metadata, to video stream
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Abstract

【課題】人間又は他の生物の行動パターンをモデル化して反復的な行動パターンの違反を検出するための方法及び装置が開示される。
【解決手段】１人又は複数の人の行動が時間に対して観察され、行動の特徴が多次元空間で記録される。多次元データは、時間に対して、人間の行動パターンの表示を提供する。時間、位置及び動作に関して反復的である動作、例えば睡眠及び食事は、多次元データにおいてガウス分布又はクラスタとして現れる。確率分布関数は、反復的な行動パターン及びその特性（例えば平均及び分散）を識別するために既知のガウス分布又はクラスタリング技術を用いて分析されることができる。反復的な行動パターンからの逸脱が検出されることができ、適当ならばアラームが起動されることができる。
【選択図】 図２

Description

本発明は、コンピュータビジョンシステムに関し、より詳細には、行動パターンを観察することによって事象を識別する、行動のモデル化及び検出の方法及びシステムに関する。
コンピュータビジョン技術は、画像中のオブジェクト又は事象を自動的に検出又は分類するためにますます用いられるようになっている。例えば、人間の行動パターンを識別するために、行動モデル化技術がしばしば利用される。典型的には、行動の分析及びモデル化のシステムは、最初に行動パターンを学習し、その後、このような行動パターンからの逸脱を検出する。一般的に、従来型の行動分析技術は、異常な事象の検出に焦点を当てる。
行動モデル化に関するほとんどの従来の研究は、確率分布又は隠れマルコフモデル（ＨＭＭ）としての軌道のモデル化に関連するものであった。一旦軌道がモデル化されると、目標は、物体の軌道を予測して、「異常な」軌道を検出することである。例えば、軌道分析技術は、特定の領域を歩いている人の軌跡を観察し、その後、人が立ち入り禁止区域に入ったことを軌道が示したら警報を生成するように適用されてきた。
従来型の軌道分析技術は、多くのセキュリティアプリケーション用としてはよく機能する一方で、ホームモニタリング等の他のアプリケーション用としてのこのような軌道分析技術の有効性及び値は、疑わしい。特に、行動モデル化システムが１人又は複数の特定の人々の動作をモニタしている（例えば家庭環境における高齢者の遠隔モニタ）ときには、最も重要な情報は、その人がいかにして現在の位置又は動作に到達したかではなく、その人の現在の位置又は動作である。
従って、行動パターンを観察して反復的な行動パターンの違反を検出することにより事象を識別する行動のモデル化及び検出の方法及びシステムの必要性が存在する。
概略的には、画像データにおいて行動パターンを自動的に学習して識別するための方法及び装置が開示される。本発明の１つの側面によれば、人間又は他の生物の行動パターンをモデル化し、反復的な行動パターンの違反を検出するための方法及び装置が提供される。本発明は、１人又は複数の人の行動を時間に対して観察して、多次元空間で行動の特徴を記録する。例えば、ユーザの行動は、位置（例えば垂直及び水平方向の位置）、時間、姿勢及び体の動きの度合を含む多次元空間について得られることができる。多次元データは、時間に対して、人間の行動パターンの表示を提供する。時間、位置及び動作に関して反復的な動作、例えば睡眠及び食事は、多次元データにおいてガウス分布又はクラスタとして現れる。
学習アルゴリズムが多次元データに適用され、反復的な行動パターンを識別する。１つの実施例において、人間の行動をモデル化するために、多次元特徴データから確率密度関数（ｐｄｆ）が計算される。確率分布関数は、反復的な行動パターン及びその特性を識別するために、ガウス分布又はクラスタリング技術等、ＰＤＦ分析のためのあらゆる方法を用いて分析されることができる。通常、反復的な行動パターンは、それぞれが平均及び分散によって特徴付けられるガウス分布又はクラスタとして多次元特徴データに現れる。
確率分布関数は別個のクラスタにクラスタリングされることができ、クラスタは行動パターンに関連することができる。通常、クラスタは、食事等の対応する動作によってラベルされている必要はない。クラスタが何らかの特定の行動と関連していることを知ることで十分である。
本発明の他の側面によれば、反復的な行動パターンからの逸脱が検出されることができ、適当ならば警報が起動されることができる。例えば、反復的な行動パターンがガウス分布又はクラスタとして表されると、分散は、現在の行動が反復的な行動パターンからの逸脱として分類されるべきであるかどうか決定するための閾値を提供する。通常、異常な行動は、何らかの健康の問題又は非常事態を示しうる。従って、反復的な行動パターンからの逸脱が１つ又は複数の所定の状態を満たすと警報を生成するという規則が随意に定められることができる。
本発明の好適な実施例による例示的なビデオモニタリングシステムを示す。 本発明の多次元空間において観察される人間の行動のプロットを示す。 図１の特徴抽出プロセスの例示的な実施態様を説明するフローチャートである。 図１のＰＤＦ生成・分析プロセスの例示的な実施態様を説明しているフローチャートである。 図１の事象検出プロセスの例示的な実施態様を説明しているフローチャートである。
本発明の完全な理解並びに本発明の他の特徴及び利点は、以下の詳細な説明及び図面を参照して得られる。
図１は、本発明の例示的なビデオモニタリングシステム１２０を示す。ビデオモニタリングシステム１２０は、人間又は他の生物の行動パターンをモデル化して、反復的な行動パターンの違反を検出する。例えば、ビデオモニタリングシステム１２０は、観察される人間の睡眠パターン及び食事パターンをモニタしてもよい。その後で、このような行動パターンからの逸脱、例えば異常な間隔で若しくは異常な時間に眠ること、又は、異常な間隔で異常な量の食事を取ることが検出され、適当ならば、警報を起動させるようにすることができる。
以下で更に議論される１つの実施例においては、本発明は、１人又は複数の人の行動を時間に対して観察して、多次元空間で行動の特徴を記録する。例えば、ユーザの行動は、２次元の位置（垂直及び水平）、時間、姿勢並びに体の動きの度合を含む５次元空間について得られることができる。多次元データは、時間に対して、人間の行動パターンの表示を提供する。時間、位置及び動作に関して反復的である動作、例えば睡眠及び食事は、多次元データにおいてクラスタとして現れる。
その後、学習アルゴリズムが多次元データに適用され、このような反復的な行動パターンを識別する。例えば、人の行動をモデル化するために確率密度関数（ｐｄｆ）が計算されることができる。確率分布関数は、反復的な行動パターン及びその特性を識別するためにガウス分布又はクラスタリング技術を用いて分析されることができる。通常、反復的な行動パターンは、それぞれが平均及び分散によって特徴付けられるガウス分布又はクラスタとして多次元特徴データにおいて識別される。
一旦反復的な行動パターンが識別されると、このような反復的な事象又は行動からの逸脱が検出されることができ、適当ならば、警報を起動することができる。例えば、反復的な行動パターンがガウス分布又はクラスタとして表されると、ガウス分布又はクラスタの分散は、現在の行動が、反復的な行動パターンの一部として分類されるべきか又は反復的な行動パターンからの逸脱として分類されるべきかを決定するための閾値を提供する。
通常、異常な行動は、何らかの健康の問題又は非常事態を示しうる。従って、反復的な行動パターンからの逸脱である行動が検出されると警報を生成するという規則が定められることができる。
確率分布関数は別個のクラスタにクラスタリングされることができ、クラスタは行動パターンに関連することができる。通常、クラスタは、食事等の対応する動作に対してラベルされる必要はない。クラスタが何らかの特定の行動と関連していることを知ることで十分である。従って、知識に基づいた説明が、確率分布関数からこのような行動を認識するために、特定の行動について随意に提供されることができる。例えば、人々は通常夜に眠るので、所定の時間（例えば夜間の数時間）、姿勢（例えば横になっている）及び動作（例えば低い度合いの体の動き）を有するクラスタは、睡眠としてラベルされることができる。更に、この説明から、家の中のその人のベッドの位置が推定されることができる。
図１をここで参照する。本発明による、行動を観察し、行動パターンを検出するビデオ処理システム１２０が示される。ビデオ処理システム１２０は、ビデオフィード１０７を通じて１つ又は複数のカメラ（例えばカメラ１０５）と、デジタル多用途ディスク（ＤＶＤ）１１０と、そして、ネットワーク１１５と、相互動作しているのが示される。ビデオ処理システム１２０は、プロセッサ１３０、媒体インタフェース１３５、ネットワークインタフェース１４０及びメモリ１４５を有する。メモリ１４５は、イメージグラバ１５０、入力画像１５５、図３とともに後述される特徴抽出プロセス３００、図４とともに後述されるＰＤＦ生成・分析プロセス４００及び図５とともに後述されるイベント検出プロセス５００を有する。
当技術分野で知られるように、ここで議論される方法及び装置は、コンピュータ可読コード手段を実装するコンピュータ可読の媒体をそれ自身が有する製品として配布されてもよい。コンピュータ可読のプログラムコード手段は、ビデオ処理システム１２０等のコンピュータシステムと連動して、ここで議論される方法を実行するための又はここで議論される装置を作製するための全ての又は幾つかのステップを実行するように動作可能である。コンピュータ可読の媒体は、記録可能な媒体（例えばフロッピー（登録商標）ディスク、ハードドライブ、媒体インタフェース１３５を通じてアクセスされるＤＶＤ１１０等のコンパクトディスク若しくはメモリーカード）であってもよく、又は、伝送媒体（例えば、ファイバーオプティクス、ワールドワイドウェブ、ケーブル、時分割多重アクセス若しくは符号分割多重アクセスを用いるワイヤレスチャネル、若しくは他の無線周波数チャネルを有するネットワーク１１５）であってもよい。コンピュータシステムの用途に適している情報を記憶することができるあらゆる既知の又は開発される媒体が用いられてもよい。コンピュータ可読コード手段は、コンピュータに命令及びデータを読み取ることを許可するためのあらゆる機構、例えば磁気媒体上の磁気偏差又はＤＶＤ１１０等のコンパクトディスクの表面における高さの偏差である。
メモリ１４５は、ここで開示される方法、ステップ及び機能を実現するようにプロセッサ１３０を構成する。メモリ１４５は、分散されてもローカルであってもよく、プロセッサ１３０は分散されても単一であってもよい。メモリ１４５は、電気、磁気若しくは光メモリとして実現されることができ、又は、これらの若しくは他の種類の記憶装置のいかなる組合せであってもよい。用語「メモリ」は、プロセッサ１３０によってアクセスされるアドレス指定可能空間のアドレスから読取り可能な又はこれに書込み可能なあらゆる情報を含むのに十分広く解釈されるべきである。この定義によれば、ネットワークインタフェース１４０を通じてアクセスされるネットワーク１１５等のネットワーク上の情報は、依然として、ビデオ処理システム１２０のメモリ１４５内にある。なぜなら、プロセッサ１３０は、ネットワークから情報を取得することができるからである。ビデオ処理システム１２０の全て又は一部は、集積回路又は他の類似したデバイス、例えばプログラマブル論理回路等に作られてもよいことにも注意されたい。
システムが議論されたので、ここでグローバル及びローカルなピクセル従属性並びにインクリメンタルトレーニングを提供する確率モデルが議論される。
図２は、多次元空間において観察される人間の行動のプロット２００を示す。図２の実施例において、人間の行動は、時間、姿勢及び（家の中の）位置に基づいてモニタされる。例示的な時間次元は連続である一方で、例示的な姿勢（例えば、座っている状態、立っている状態、横になっている状態）及び位置次元は離散的である。加えて、説明の便宜上、例示的な位置次元は、家の中の生の水平及び垂直座標から、家の特定の部屋（台所及び寝室）の表示に変換されている。例示的な行動プロット２００が体の動きの度合を示さないことに注意されたい。
図２に示すデータは、説明の便宜上、ランダムな行動を除去するために、また別途、行動パターンを構成しない行動を除去するためにフィルタされた。残った図２中のデータは、それぞれ挙動のパターンに関連した３つのクラスタ２１０、２２０、２３０を含む。クラスタ２１０は、人が、正午ごろに、座った状態で、台所にいることを示し、これは、その人が昼食を取っていることを示唆する。クラスタ２２０は、人が、午後６時ごろに、座った状態で、台所にいることを示し、これは、その人が夕食を取っていることを示唆する。クラスタ２３０は、人が、午前０時から午前７時までの間、横になった状態で、寝室にいることを示し、これは、その人が寝ていることを示唆する。
図３は、図２に示される例示的な行動プロット２００を生成するために用いられる、人の行動を観察するために用いられる例示的な特徴抽出プロセス３００を説明するフローチャートである。まず最初に、特徴抽出プロセス３００は、ステップ３１０の間に、画像データのフレームを得る。その後、特徴抽出プロセス３００は、ステップ３２０の間に、例えば、周知のトラッキング及び姿勢分析技術（例えばProc. of the 3rd Int'l Conf. on Automatic Face and Gesture Recognition, 492-497, Nara, Japan（１９９８年４月１４〜１６日）のIwasawa他による「Real-Time Human Posture Estimation Using Monocular Thermal Images」に説明された技術）を用いて、フレームから人の位置及び姿勢を抽出する。
体の動きの度合は、ステップ３４０の間に、例えば、オプティカルフロー、動き履歴又は他の動き推定技術を用いて任意に得られることができる。適切なオプティカルフロー推定技術は、例えばInt'l J. of Computer Vision, 12(1):43-77（１９９４年）のJ.L. Barron他による「Performance of Optical Flow Techniques」において説明されている。体の動きの度合は、一般に、同じ物理的な位置の付近にいる最中に人が生じる動きの量である。
抽出された位置、姿勢及び体の動きの度合の特徴データは、ステップ３５０の間にタイムスタンプされることができるので、図２に示すように、データは、時間の関数としてプロットされることができる。その後、プログラム制御は終了する。
図４は、実施例において、特徴抽出プロセス３００（図３）によって得られる特徴データを処理し、確率分布関数を生成して分析し、反復的な行動パターン及びその特徴を識別する例示的なＰＤＦ生成・分析プロセス４００を説明するフローチャートである。図４に示すように、ＰＤＦ生成・分析プロセス４００は、最初に、ステップ４１０の間に、所望の多次元空間で特徴抽出プロセス３００によって抽出される特徴データを得る。
その後、確率分布関数は、ステップ４２０の間に、抽出された特徴データに対して当てはめられる（fit）。ガウス分布の混合を抽出された特徴データに対して当てはめるための適切な技術の議論については、例えば、IEEE Trans. on Neural Networks, 2, 366-377（１９９１年）のH.G.C. Travenによる「A Neural Network Approach to Statistical Pattern Classification by 'Semiparametric' Estimation of Probability Density Functions」を参照されたい。その後、プログラム制御は終了する。
前述のように、反復的な行動パターンは、それぞれが平均及び分散によって特徴付けられたガウス分布又はクラスタとして多次元データに現れる。本実施例においては、確率分布関数はガウス分布の混合であり、以下の形式で与えられる。
Figure 2011081823
 ここで、ｘは多次元空間の点を示し、ｎは、ガウス分布の数を示し（未知）、μｊ及びＣｊは、それぞれ、ｊ次ガウス分布（jth Gaussian）の平均及び共分散を示す。
図５は、反復的な行動パターンからの逸脱を検出する例示的な事象検出プロセス５００を説明するフローチャートである。例えば、反復的な行動パターンがガウス分布又はクラスタとして表されると、ガウス分布又はクラスタの分散は、現在の行動が、反復的な行動パターンの一部として分類されるべきか又は反復的な行動パターンからの逸脱として分類されるべきであるかを決定する閾値を提供する。例示的な事象検出プロセス５００は、反復的な行動パターンからの逸脱である行動が検出されたら警報を生成する多くの規則を使用する。
図５に示すように、事象検出プロセス５００は、最初に、ステップ５１０の間に、画像データを観察する。その後、事象検出プロセス５００は、ステップ５２０の間に、多くの特徴（例えば位置、姿勢及び体の動きの度合の特徴データ）を抽出する。次に、抽出された特徴データは、ステップ５４０の間、ＰＤＦ生成・分析プロセス４００によって生成される確率分布関数と比較される。
ステップ５５０の間に、抽出された特徴データがガウス分布又はクラスタの分散を所定の閾値よりも大きく超えるかどうかを決定するテストが実行される。閾値が一般に各ガウス分布又はクラスタの分散に基づくことに注意されたい（例えば分散プラス幾らかの許容範囲）。ステップ５５０の間に、抽出された特徴データが、何れのガウス分布又はクラスタの分散も所定の閾値より大きく超えないと決定されたら、プログラム制御はステップ５１０に戻り、他の逸脱がないか人間の行動のモニタを続ける。
しかし、ステップ５５０の間に、抽出された特徴データが、ガウス分布又はクラスタの何れかの分散を所定の閾値よりも大きく超えると決定されたら、観察された行動は、おそらく反復的なデータパターンからの逸脱である。ランダムな行動を表すデータは、例えばKullback-Leibler距離法又はインターセクションを用いて除去されることができ、これは、式２及び３とともに以下で説明される。観察された行動は、ステップ５６０の間に、データの反復的なパターンからの逸脱としてフラグされる。加えて、ステップ５７０の間に、観察された行動は評価され、この行動が、反復的な行動パターンからの逸脱である特定の行動が検出されると警報を生成するように定められた多くの例示的な所定の規則に違反するかが決定される。ステップ５７０の間に、１つ又は複数の例示的な所定の規則が違反されていると決定されたら、ステップ５８０の間に、プログラム制御が終了する前に警報が生成される。
上記した例示的な事象検出プロセス５００は、行動パターンを特徴付ける確率分布関数（式１）をｎ個の単一ガウス分布に分解し、新しく検出された行動（ｂ（ｘ））は、各々のガウス分布に対して別々に比較される。通常、新しい行動が検出されると、事象検出プロセス５００は、この新しい行動が、確率分布関数ｆ（ｘ）からどれだけ離れているかを、式１から測定する。これを実行するには多くの手法がある。１つの手法は、通常行動ｆ（ｘ）と新しく検出された行動ｂ（ｘ）との間の重複を計算することである。これは、例えば、Kullback-Leibler距離を用いて行われることができる：
Figure 2011081823
 ここで、積分は、空間全体について実行される。式（２）は、図５の例示的な事象検出プロセス５００によって実現される技術のよりコンパクトな表現に過ぎない。
用いられることができる他の距離関数は、以下として規定される単純なインターセクションである：
Figure 2011081823
 ０≦ｄｉｎｔ≦１であることに注意されたい。
Figure 2011081823
 ならばｄｉｎｔ＝１であり、
Figure 2011081823
 ならばｄｉｎｔ＝０である。ｂが均一に分散されたランダムな信号であるならば、
Figure 2011081823
 である。
他の変形例において、行動パターンは、データをクラスタリングすることによって識別されることができ、これは、図４とともに上記で議論されたガウス分布の混合を当てはめるのと事実上同じ技術である。その差は、解析関数が推定されるのではなく、データをクラスタにグループ化する最適な手法が決定されるということである。これらのクラスタは、分析的な形式では表されることはできず、リレーショナルな形式でしか表されることができない（即ち、特定の点の組が１つのクラスタに属し、他の点の組が他のクラスタに属するということができる）。新しい行動が検出されたら、毎回、この行動が、クラスタの一部に当てはまる（通常行動）か、又は、別個のクラスであるべき（異常行動）かがチェックされる。次に、クラスタサイズは、行動がどれだけ「通常（普通）」であるかを決定する（サイズが大きいほど行動はより通常である）。いかなるクラスタリング技術が使用されてもよい。幾つかのよりポピュラーなクラスタリング技術は、例えば、Ch. 10, Willey（２００１年）のRichard Duda他による「Pattern Classification」において説明される。
ここで示され説明された実施例及び変形例は、本発明の原理を説明するに過ぎず、本発明の範囲及び精神から逸脱することなく当業者によって種々の変形例が実現されることができることは理解される。

Claims (20)

  1. 生物の行動をモデル化するための方法において、
    複数の画像を得るステップと、
    複数の特徴を前記複数の画像から抽出するステップと、
    前記複数の抽出された特徴を多次元空間で分析するステップと、
    を有する方法。
  2. 請求項１に記載の方法において、前記多次元空間は、前記画像データの確率分布関数を提供する、方法。
  3. 請求項１に記載の方法において、更に、前記抽出された特徴データをクラスタリングして少なくとも１つの反復的な行動パターンを識別するステップを有する方法。
  4. 請求項３に記載の方法において、前記クラスタリングステップは、更に、各クラスタの平均及び分散を計算するステップを有する、方法。
  5. 請求項３に記載の方法において、データのクラスタは行動パターンに対応する、方法。
  6. 請求項１に記載の方法において、更に、前記抽出された特徴データを確率分布関数に対して当てはめ、平均及び分散を有する少なくとも１つのガウス分布を識別するステップを有する方法。
  7. 請求項６に記載の方法において、ガウス分布は行動パターンに対応する、方法。
  8. 請求項１に記載の方法において、前記抽出された特徴データは時間の表示を含む、方法。
  9. 請求項１に記載の方法において、前記抽出された特徴データは位置の表示を含む、方法。
  10. 請求項１に記載の方法において、前記抽出された特徴データは動作の表示を含む、方法。
  11. 請求項１に記載の方法において、前記抽出された特徴データは姿勢の表示を含む、方法。
  12. 生物の行動をモデル化するためのシステムにおいて、
    コンピュータ可読コードを記憶するメモリと、
    前記メモリに動作的に結合されるプロセッサとを有し、前記プロセッサは前記コンピュータ可読コードを実行するように構成され、前記コンピュータ可読コードは、
    複数の画像を得て、
    複数の特徴を前記複数の画像から抽出し、
    前記複数の抽出された特徴を多次元空間で分析する
    ように構成される、システム。
  13. 請求項１２に記載のシステムにおいて、前記多次元空間は、前記画像データの確率分布関数を提供する、システム。
  14. 請求項１２に記載のシステムにおいて、前記プロセッサは、更に、前記抽出された特徴データをクラスタリングして、少なくとも１つの反復的な行動パターンを識別するように構成される、システム。
  15. 請求項１４に記載のシステムにおいて、前記プロセッサは、更に、各クラスタの平均及び分散を計算するように構成される、システム。
  16. 請求項１４に記載のシステムにおいて、データのクラスタは行動パターンに対応する、システム。
  17. 請求項１２に記載のシステムにおいて、前記プロセッサは、更に、前記抽出された特徴データを確率分布関数に対して当てはめ、平均及び分散を有する少なくとも１つのガウス分布を識別するように構成される、システム。
  18. 請求項１７に記載のシステムにおいて、ガウス分布は行動パターンに対応する、システム。
  19. 生物の行動をモデル化するための製品において、
    コンピュータ可読コード手段を実装するコンピュータ可読媒体を有し、前記コンピュータ可読プログラムコード手段は、
    複数の画像を得るステップと、
    複数の特徴を前記複数の画像から抽出するステップと、
    前記複数の抽出された特徴を多次元空間で分析するステップと
    を有する、製品。
  20. 請求項１９に記載の製品において、前記多次元空間は、前記画像データの確率分布関数を提供する、製品。
JP2010259759A 2002-06-28 2010-11-22 確率分布関数を用いて行動をモデル化するための方法及び装置 Expired - Fee Related JP5143212B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/184,512 US7202791B2 (en) 2001-09-27 2002-06-28 Method and apparatus for modeling behavior using a probability distrubution function
US10/184,512 2002-06-28

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2004517112A Division JP4936662B2 (ja) 2002-06-28 2003-06-18 人間の行動の確率的モデル化によるビデオ監視

Publications (2)

Publication Number Publication Date
JP2011081823A true JP2011081823A (ja) 2011-04-21
JP5143212B2 JP5143212B2 (ja) 2013-02-13

Family

ID=29999238

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2004517112A Expired - Fee Related JP4936662B2 (ja) 2002-06-28 2003-06-18 人間の行動の確率的モデル化によるビデオ監視
JP2010259759A Expired - Fee Related JP5143212B2 (ja) 2002-06-28 2010-11-22 確率分布関数を用いて行動をモデル化するための方法及び装置

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2004517112A Expired - Fee Related JP4936662B2 (ja) 2002-06-28 2003-06-18 人間の行動の確率的モデル化によるビデオ監視

Country Status (6)

Country Link
US (1) US7202791B2 (ja)
EP (1) EP1520258A2 (ja)
JP (2) JP4936662B2 (ja)
CN (1) CN1666232B (ja)
AU (1) AU2003237024A1 (ja)
WO (1) WO2004003848A2 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013037471A (ja) * 2011-08-05 2013-02-21 Nec Corp 確率モデル更新システム、確率モデル更新装置、確率モデル更新方法およびプログラム
CN104376208A (zh) * 2014-11-14 2015-02-25 电子科技大学 一种多传感器管理中构建虚拟量测值的方法

Families Citing this family (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6919799B2 (en) * 1999-04-29 2005-07-19 Bridgestone/Firestone North American Tire, Llc Monitoring device and tire combination
US7552030B2 (en) * 2002-01-22 2009-06-23 Honeywell International Inc. System and method for learning patterns of behavior and operating a monitoring and response system based thereon
US20040116781A1 (en) * 2002-12-17 2004-06-17 International Business Machines Corporation Behavior based life support generating new behavior patterns from historical behavior indicators
US20040116783A1 (en) * 2002-12-17 2004-06-17 International Business Machines Corporation Behavior based life support generating new behavior patterns from behavior indicators for a user
WO2005039181A1 (ja) * 2003-10-21 2005-04-28 Matsushita Electric Industrial Co., Ltd. 監視装置
CN1960674B (zh) * 2004-06-03 2010-05-12 斯蒂芬妮·利特埃尔 用于个体体力消耗的人体环境工程学追踪的系统和方法
US7426301B2 (en) * 2004-06-28 2008-09-16 Mitsubishi Electric Research Laboratories, Inc. Usual event detection in a video using object and frame features
US20050285937A1 (en) * 2004-06-28 2005-12-29 Porikli Fatih M Unusual event detection in a video using object and frame features
JP2006133937A (ja) * 2004-11-04 2006-05-25 Fuji Xerox Co Ltd 動作識別装置
KR100720924B1 (ko) * 2005-04-12 2007-05-22 와이즈임베드(주) 구호통보장치
US20060260624A1 (en) * 2005-05-17 2006-11-23 Battelle Memorial Institute Method, program, and system for automatic profiling of entities
US9065727B1 (en) 2012-08-31 2015-06-23 Google Inc. Device identifier similarity models derived from online event signals
GB2426851B (en) * 2005-05-28 2007-07-18 Martin Charles Adams An occupant monitoring system for homes or offices
US7558404B2 (en) * 2005-11-28 2009-07-07 Honeywell International Inc. Detection of abnormal crowd behavior
US9268910B2 (en) 2005-12-15 2016-02-23 Koninklijke Philips N.V. Modifying a person's eating and activity habits
US7756682B1 (en) * 2006-09-21 2010-07-13 Sandia Corporationed System and method for statistically monitoring and analyzing sensed conditions
US20100278391A1 (en) * 2006-10-12 2010-11-04 Yung-Tai Hsu Apparatus for behavior analysis and method thereof
GB0620620D0 (en) * 2006-10-17 2006-11-29 Imp Innovations Ltd Pervasive sensing
DE102006053375A1 (de) 2006-11-10 2008-05-15 Boehringer Ingelheim Pharma Gmbh & Co. Kg Verfahren zur Mischung von Pulvern
DE102007010186A1 (de) * 2007-03-02 2008-09-04 Robert Bosch Gmbh Vorrichtung, Verfahren und Computerprogramm zur bildgestützten Verfolgung von Überwachungsobjekten
JP4535398B2 (ja) * 2007-08-10 2010-09-01 国立大学法人名古屋大学 在宅者の行動・安否確認システム
KR20090019152A (ko) * 2007-08-20 2009-02-25 한국전자통신연구원 센서를 이용한 일상생활 행위 인식 방법 및 시스템
US9171454B2 (en) * 2007-11-14 2015-10-27 Microsoft Technology Licensing, Llc Magic wand
US7412429B1 (en) 2007-11-15 2008-08-12 International Business Machines Corporation Method for data classification by kernel density shape interpolation of clusters
CA2712775A1 (en) * 2008-01-23 2009-07-30 Evan Goulding Systems and methods for behavioral monitoring and calibration
AU2008200926B2 (en) * 2008-02-28 2011-09-29 Canon Kabushiki Kaisha On-camera summarisation of object relationships
US8952894B2 (en) * 2008-05-12 2015-02-10 Microsoft Technology Licensing, Llc Computer vision-based multi-touch sensing using infrared lasers
US20100031202A1 (en) * 2008-08-04 2010-02-04 Microsoft Corporation User-defined gesture set for surface computing
US8847739B2 (en) * 2008-08-04 2014-09-30 Microsoft Corporation Fusing RFID and vision for surface object tracking
US8284258B1 (en) * 2008-09-18 2012-10-09 Grandeye, Ltd. Unusual event detection in wide-angle video (based on moving object trajectories)
AU2009305056B2 (en) * 2008-10-16 2015-10-22 Koninklijke Philips Electronics N.V. Fall detection system
US8890937B2 (en) * 2009-06-01 2014-11-18 The Curators Of The University Of Missouri Anonymized video analysis methods and systems
TWI482123B (zh) * 2009-11-18 2015-04-21 Ind Tech Res Inst 多狀態目標物追蹤方法及系統
WO2012005392A1 (en) * 2010-07-06 2012-01-12 Lg Electronics Inc. Object recognition and tracking based apparatus and method
JP5785869B2 (ja) * 2011-12-22 2015-09-30 株式会社日立製作所 行動属性分析プログラムおよび装置
US9597016B2 (en) 2012-04-27 2017-03-21 The Curators Of The University Of Missouri Activity analysis, fall detection and risk assessment systems and methods
US9408561B2 (en) 2012-04-27 2016-08-09 The Curators Of The University Of Missouri Activity analysis, fall detection and risk assessment systems and methods
GB2501542A (en) * 2012-04-28 2013-10-30 Bae Systems Plc Abnormal behaviour detection in video or image surveillance data
US9053185B1 (en) 2012-04-30 2015-06-09 Google Inc. Generating a representative model for a plurality of models identified by similar feature data
US8914500B1 (en) 2012-05-21 2014-12-16 Google Inc. Creating a classifier model to determine whether a network user should be added to a list
US8886575B1 (en) 2012-06-27 2014-11-11 Google Inc. Selecting an algorithm for identifying similar user identifiers based on predicted click-through-rate
US8874589B1 (en) 2012-07-16 2014-10-28 Google Inc. Adjust similar users identification based on performance feedback
US8782197B1 (en) 2012-07-17 2014-07-15 Google, Inc. Determining a model refresh rate
US9336302B1 (en) 2012-07-20 2016-05-10 Zuci Realty Llc Insight and algorithmic clustering for automated synthesis
US8886799B1 (en) 2012-08-29 2014-11-11 Google Inc. Identifying a similar user identifier
KR101993010B1 (ko) * 2013-02-28 2019-06-25 고려대학교 산학협력단 시공간 패턴에 기반한 비디오 분석 장치 및 방법
US9710761B2 (en) 2013-03-15 2017-07-18 Nordic Technology Group, Inc. Method and apparatus for detection and prediction of events based on changes in behavior
US9905010B2 (en) 2013-06-18 2018-02-27 Panasonic Intellectual Property Management Co., Ltd. Image position determination device and image position determination method for reducing an image of a closed eye person
CN103400160B (zh) * 2013-08-20 2017-03-01 中国科学院自动化研究所 一种零训练样本行为识别方法
US9186479B1 (en) 2014-06-05 2015-11-17 Morphy Inc. Methods and systems for gathering human biological signals and controlling a bed device
US9694156B2 (en) 2014-06-05 2017-07-04 Eight Sleep Inc. Bed device system and methods
US9686300B1 (en) * 2014-07-14 2017-06-20 Akamai Technologies, Inc. Intrusion detection on computing devices
KR102330322B1 (ko) 2014-09-16 2021-11-24 삼성전자주식회사 영상 특징 추출 방법 및 장치
US10129384B2 (en) 2014-09-29 2018-11-13 Nordic Technology Group Inc. Automatic device configuration for event detection
CN105023271B (zh) * 2015-06-25 2017-11-14 西北工业大学 基于多线索信息的行为集体度衡量方法
US11864926B2 (en) 2015-08-28 2024-01-09 Foresite Healthcare, Llc Systems and methods for detecting attempted bed exit
US10206630B2 (en) 2015-08-28 2019-02-19 Foresite Healthcare, Llc Systems for automatic assessment of fall risk
EP3163546A1 (en) * 2015-10-29 2017-05-03 Thomson Licensing Method and device for detecting anomalous behavior of a user
US10154932B2 (en) 2015-11-16 2018-12-18 Eight Sleep Inc. Adjustable bedframe and operating methods for health monitoring
US10105092B2 (en) 2015-11-16 2018-10-23 Eight Sleep Inc. Detecting sleeping disorders
CN108463175B (zh) * 2016-02-22 2020-11-06 松下知识产权经营株式会社 痴呆症状检测系统以及记录介质
CN106056718A (zh) * 2016-06-22 2016-10-26 华东师范大学 一种智能驱动控制系统
EP3474737A4 (en) 2016-06-28 2019-12-04 Foresite Healthcare, LLC SYSTEMS AND METHODS FOR USE IN FALL DETECTION USING THERMAL DETECTION
US11205103B2 (en) 2016-12-09 2021-12-21 The Research Foundation for the State University Semisupervised autoencoder for sentiment analysis
US11185235B2 (en) * 2017-03-27 2021-11-30 Panasonic Intellectual Property Management Co., Ltd. Information processing method, information processing device, and recording medium
GB2584242B (en) 2018-01-09 2022-09-14 Eight Sleep Inc Systems and methods for detecting a biological signal of a user of an article of furniture
GB2584241B (en) 2018-01-19 2023-03-08 Eight Sleep Inc Sleep pod
JP6867701B2 (ja) * 2018-12-03 2021-05-12 株式会社チームボックス モニタリング装置、モニタリングシステム、モニタリング方法及びモニタリングプログラム
GB2579674B (en) * 2018-12-12 2022-09-07 Centrica Plc Monitoring method and system
CN110349646B (zh) * 2019-07-15 2022-06-10 上海交通大学 基于先验知识聚类的运动模式识别方法及系统
EP3834725A1 (en) 2019-12-11 2021-06-16 Koa Health B.V. Method and system for detecting human abnormal behaviour by using data from user's portable devices

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10255058A (ja) * 1997-03-14 1998-09-25 Toshiba Corp 動作検出装置および動作検出方法
JP2001034869A (ja) * 1999-07-23 2001-02-09 Matsushita Electric Ind Co Ltd 行動判定装置、ケアシステム、ケア住宅およびプログラム記録媒体
JP2001052276A (ja) * 1999-08-05 2001-02-23 Matsushita Electric Ind Co Ltd 行動判定装置、ケアシステム、ケア住宅およびプログラム記録媒体
WO2001041064A2 (en) * 1999-12-01 2001-06-07 Koninklijke Philips Electronics N.V. Program classification using object tracking
WO2002043352A2 (en) * 2000-11-24 2002-05-30 Clever Sys. Inc. System and method for object identification and behavior characterization using video analysis

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4952928A (en) 1988-08-29 1990-08-28 B. I. Incorporated Adaptable electronic monitoring and identification system
US5640468A (en) * 1994-04-28 1997-06-17 Hsu; Shin-Yi Method for identifying objects and features in an image
US5961571A (en) * 1994-12-27 1999-10-05 Siemens Corporated Research, Inc Method and apparatus for automatically tracking the location of vehicles
US6064958A (en) * 1996-09-20 2000-05-16 Nippon Telegraph And Telephone Corporation Pattern recognition scheme using probabilistic models based on mixtures distribution of discrete distribution
US5991460A (en) * 1998-02-12 1999-11-23 Rockwell Science Center, Inc. Navigation system using hybrid sensor correlation system
US6697103B1 (en) 1998-03-19 2004-02-24 Dennis Sunga Fernandez Integrated network for monitoring remote objects
FI109843B (fi) * 1998-04-09 2002-10-15 Ist Oy Ihmisen fysiologisilla signaaleilla ohjautuva kiinteistöautomaation ohjausjärjestelmä
US6314204B1 (en) * 1998-11-03 2001-11-06 Compaq Computer Corporation Multiple mode probability density estimation with application to multiple hypothesis tracking
US6208250B1 (en) * 1999-03-05 2001-03-27 Hill-Rom, Inc. Patient position detection apparatus for a bed
EP1071055B1 (en) 1999-07-23 2004-12-22 Matsushita Electric Industrial Co., Ltd. Home monitoring system for health conditions
US6311644B1 (en) * 2000-02-03 2001-11-06 Carl S. Pugh Apparatus and method for animal behavior tracking, predicting and signaling
US6535114B1 (en) * 2000-03-22 2003-03-18 Toyota Jidosha Kabushiki Kaisha Method and apparatus for environment recognition
JP3977007B2 (ja) * 2000-11-14 2007-09-19 グローリー株式会社 パターン認識装置、パターン認識方法およびその方法をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体
US6525663B2 (en) * 2001-03-15 2003-02-25 Koninklijke Philips Electronics N.V. Automatic system for monitoring persons entering and leaving changing room
US6825769B2 (en) * 2001-09-14 2004-11-30 Koninklijke Philips Electronics N.V. Automatic shut-off light system when user sleeps
US6645066B2 (en) * 2001-11-19 2003-11-11 Koninklijke Philips Electronics N.V. Space-conditioning control employing image-based detection of occupancy and use

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10255058A (ja) * 1997-03-14 1998-09-25 Toshiba Corp 動作検出装置および動作検出方法
JP2001034869A (ja) * 1999-07-23 2001-02-09 Matsushita Electric Ind Co Ltd 行動判定装置、ケアシステム、ケア住宅およびプログラム記録媒体
JP2001052276A (ja) * 1999-08-05 2001-02-23 Matsushita Electric Ind Co Ltd 行動判定装置、ケアシステム、ケア住宅およびプログラム記録媒体
WO2001041064A2 (en) * 1999-12-01 2001-06-07 Koninklijke Philips Electronics N.V. Program classification using object tracking
WO2002043352A2 (en) * 2000-11-24 2002-05-30 Clever Sys. Inc. System and method for object identification and behavior characterization using video analysis

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013037471A (ja) * 2011-08-05 2013-02-21 Nec Corp 確率モデル更新システム、確率モデル更新装置、確率モデル更新方法およびプログラム
CN104376208A (zh) * 2014-11-14 2015-02-25 电子科技大学 一种多传感器管理中构建虚拟量测值的方法

Also Published As

Publication number Publication date
WO2004003848A2 (en) 2004-01-08
US20030059081A1 (en) 2003-03-27
JP5143212B2 (ja) 2013-02-13
US7202791B2 (en) 2007-04-10
WO2004003848A3 (en) 2004-06-03
AU2003237024A8 (en) 2004-01-19
AU2003237024A1 (en) 2004-01-19
JP4936662B2 (ja) 2012-05-23
WO2004003848A9 (en) 2004-12-23
CN1666232A (zh) 2005-09-07
JP2005531845A (ja) 2005-10-20
CN1666232B (zh) 2010-05-26
EP1520258A2 (en) 2005-04-06

Similar Documents

Publication Publication Date Title
JP5143212B2 (ja) 確率分布関数を用いて行動をモデル化するための方法及び装置
US7369680B2 (en) Method and apparatus for detecting an event based on patterns of behavior
JP2005531845A5 (ja)
Raykov et al. Predicting room occupancy with a single passive infrared (PIR) sensor through behavior extraction
US10607147B2 (en) Estimating a number of occupants in a region
Cardinaux et al. Video based technology for ambient assisted living: A review of the literature
Nait-Charif et al. Activity summarisation and fall detection in a supportive home environment
Hauptmann et al. Automated analysis of nursing home observations
US20030058111A1 (en) Computer vision based elderly care monitoring system
Zouba et al. Monitoring activities of daily living (ADLs) of elderly based on 3D key human postures
Fan et al. Human fall detection using slow feature analysis
CN113642361B (zh) 一种跌倒行为的检测方法和设备
McKenna et al. Summarising contextual activity and detecting unusual inactivity in a supportive home environment
Chen et al. Detecting social interactions of the elderly in a nursing home environment
Pazhoumand-Dar FAME-ADL: A data-driven fuzzy approach for monitoring the ADLs of elderly people using Kinect depth maps
Chen et al. Multimodal detection of human interaction events in a nursing home environment
Jaikumar et al. Detection of anomalous events from unlabeled sensor data in smart building environments
Mocanu et al. A model for activity recognition and emergency detection in smart environments
Al-Temeemy Multispectral imaging: monitoring vulnerable people
Wong et al. Extracting patterns of behavior from a network of binary sensors
Mocanu et al. A multi-agent system for human activity recognition in smart environments
Uhríková et al. Detection of aberrant behaviour in home environments from video sequence
Eldib et al. Behavior analysis for aging-in-place using similarity heatmaps
Anderson et al. Extension of a soft-computing framework for activity analysis from linguistic summarizations of video
Payandeh On importance sampling in sequential Bayesian tracking of elderly

Legal Events

Date Code Title Description
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: 20121023

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: 20121120

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20151130

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Ref document number: 5143212

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees