JP2011186751A - 位置推定装置およびプログラム - Google Patents
位置推定装置およびプログラム Download PDFInfo
- Publication number
- JP2011186751A JP2011186751A JP2010050929A JP2010050929A JP2011186751A JP 2011186751 A JP2011186751 A JP 2011186751A JP 2010050929 A JP2010050929 A JP 2010050929A JP 2010050929 A JP2010050929 A JP 2010050929A JP 2011186751 A JP2011186751 A JP 2011186751A
- Authority
- JP
- Japan
- Prior art keywords
- information
- estimation
- physical quantity
- estimated
- person
- 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.)
- Pending
Links
Images
Landscapes
- Alarm Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
【課題】無線信号を送信する送信装置の位置を高精度で推定することのできる位置推定装置およびプログラムを得る。
【解決手段】入館管理装置20により、RFIDタグ52の位置を送信された無線信号に基づいて推定し、かつ当該推定対象とする領域を撮影するカメラ40によって得られた画像情報に基づいて前記領域に存在する人の位置を導出し、少なくとも推定したRFIDタグ52の位置を入力情報とし、補正後のRFIDタグ52の位置を示す物理量を出力情報とし、当該出力情報の正解情報を用いた学習機能を有するニューラル・ネットワークにより得られた物理量を用いて、推定したRFIDタグ52の位置を補正する一方、位置の推定対象としたRFIDタグ52の所持者が、位置の導出対象とした人とみなされる予め定められた条件を満足した場合に、導出した前記人の位置を示す物理量を前記正解情報としてニューラル・ネットワークを学習させる。
【選択図】図3
【解決手段】入館管理装置20により、RFIDタグ52の位置を送信された無線信号に基づいて推定し、かつ当該推定対象とする領域を撮影するカメラ40によって得られた画像情報に基づいて前記領域に存在する人の位置を導出し、少なくとも推定したRFIDタグ52の位置を入力情報とし、補正後のRFIDタグ52の位置を示す物理量を出力情報とし、当該出力情報の正解情報を用いた学習機能を有するニューラル・ネットワークにより得られた物理量を用いて、推定したRFIDタグ52の位置を補正する一方、位置の推定対象としたRFIDタグ52の所持者が、位置の導出対象とした人とみなされる予め定められた条件を満足した場合に、導出した前記人の位置を示す物理量を前記正解情報としてニューラル・ネットワークを学習させる。
【選択図】図3
Description
本発明は、位置推定装置およびプログラムに係り、より詳しくは、無線信号を送信する送信装置の位置を推定する位置推定装置およびプログラムに関する。
従来、監視カメラによって撮影されている人がRFID(Radio Frequency Identification)タグを所持しているか、所持していないのかを特定するための技術として、本出願人による特許文献1には、人の座標を監視カメラによって得られた画像情報に基づいて特定する一方、RFIDタグの位置をRFIDタグによって送信される無線信号に基づいて推定し、特定した人の位置と推定したRFIDタグの位置との距離に応じて、当該人が当該RFIDタグを所持しているか否かを判断する技術が開示されている。
なお、RFIDタグは、ICタグ、IDタグ、無線タグ、電磁誘導タグ等とも呼ばれるが、本明細書では、RFIDタグと称する。
しかしながら、上記特許文献1に開示されている技術では、現時点の技術ではRFIDタグの推定位置の誤差が比較的大きいため、複数の人が近接している場合、どの人がどのRFIDタグを所持しているか、或いはどの人がRFIDタグを所持していないのかを特定することが困難な場合がある、という問題点があった。なお、この問題点は、RFIDタグに限らず、他の無線信号を送信する送信装置の位置を当該無線信号に基づいて推定する他の技術にも発生し得る問題点である。
本発明は上記問題点を解決するためになされたものであり、無線信号を送信する送信装置の位置を高精度で推定することのできる位置推定装置およびプログラムを提供することを目的とする。
上記目的を達成するために、請求項1記載の位置推定装置は、無線信号を送信する送信装置の位置を前記無線信号に基づいて推定する推定手段と、前記推定手段による前記送信装置の位置の推定対象とする領域を撮影する撮影手段と、前記撮影手段によって得られた画像情報に基づいて前記領域に存在する人の位置を導出する導出手段と、少なくとも前記推定手段によって推定された前記送信装置の位置を入力情報とし、補正後の当該送信装置の位置を示す物理量を出力情報とすると共に、当該出力情報の正解情報を用いた学習機能を有する物理量推定手段と、前記物理量推定手段により得られた物理量を用いて、前記推定手段によって推定された前記送信装置の位置を補正する補正手段と、前記推定手段により位置の推定対象とされた前記送信装置の所持者が、前記導出手段により位置の導出対象とされた人とみなされる予め定められた条件を満足した場合に、前記導出手段によって導出された前記人の位置を示す物理量を前記正解情報として前記物理量推定手段を学習させる学習手段と、を備えている。
請求項1記載の位置推定装置によれば、推定手段により、無線信号を送信する送信装置の位置が前記無線信号に基づいて推定される一方、撮影手段により、前記推定手段による前記送信装置の位置の推定対象とする領域が撮影され、導出手段により、前記撮影手段によって得られた画像情報に基づいて前記領域に存在する人の位置が導出される。なお、前記送信装置には、RFIDタグ等の電波を発するものの他、光を発するもの、磁気を発するもの等、その存在位置が無線信号に基づいて推定することができるあらゆるものが含まれる。また、前記撮影手段による撮影には、動画像の撮影および静止画像の撮影が含まれる。
一方、本発明では、補正手段により、少なくとも前記推定手段によって推定された前記送信装置の位置を入力情報とし、補正後の当該送信装置の位置を示す物理量を出力情報とすると共に、当該出力情報の正解情報を用いた学習機能を有する物理量推定手段により得られた物理量を用いて、前記推定手段によって推定された前記送信装置の位置が補正される。なお、前記補正後の送信装置の位置を示す物理量には、当該補正後の送信装置の位置そのものを示す物理量の他、当該補正後の送信装置の位置に前記推定手段によって推定された前記送信装置の位置を補正するための補正量を示す物理量が含まれる。
ここで、本発明では、学習手段により、前記推定手段により位置の推定対象とされた前記送信装置の所持者が、前記導出手段により位置の導出対象とされた人とみなされる予め定められた条件を満足した場合に、前記導出手段によって導出された前記人の位置を示す物理量を前記正解情報として前記物理量推定手段が学習される。なお、前記人の位置を示す物理量には、当該人の位置そのものを示す物理量の他、当該人の位置に前記推定手段によって推定された前記送信装置の位置を補正するための補正量を示す物理量が含まれる。
このように、請求項1記載の位置推定装置によれば、無線信号を送信する送信装置の位置を前記無線信号に基づいて推定すると共に、前記位置の推定対象とする領域を撮影する撮影手段によって得られた画像情報に基づいて前記領域に存在する人の位置を導出し、少なくとも推定した前記送信装置の位置を入力情報とし、補正後の当該送信装置の位置を示す物理量を出力情報とすると共に、当該出力情報の正解情報を用いた学習機能を有する物理量推定手段により得られた物理量を用いて、推定した前記送信装置の位置を補正する一方、位置の推定対象とした前記送信装置の所持者が、位置の導出対象とした人とみなされる予め定められた条件を満足した場合に、導出した前記人の位置を示す物理量を前記正解情報として前記物理量推定手段を学習させているので、前記送信装置の位置を高精度で推定することができる。
なお、本発明は、請求項2に記載の発明のように、前記予め定められた条件が、前記推定手段により位置が推定された前記送信装置の数が1つで、かつ前記導出手段により位置が導出された人の数が一人であるとの条件としてもよい。これにより、当該条件を適用しない場合に比較して、より高い頻度で物理量推定手段を学習させることができる。
また、本発明は、請求項3に記載の発明のように、前記送信装置が、所持者の予め定められた外見上の特徴を示す特徴情報を前記無線信号で送信するものであり、前記導出手段が、前記画像情報に基づいて前記領域に存在する人の前記特徴情報をさらに導出し、前記予め定められた条件が、前記無線信号で送信された特徴情報により示される特徴と前記導出手段によって導出された特徴情報により示される特徴とが予め定められた一致度以上で一致するとの条件としてもよい。これにより、当該条件を適用しない場合に比較して、より高精度で物理量推定手段を学習させることができる。
また、本発明は、請求項4に記載の発明のように、前記領域における前記送信装置からの無線信号を受信する少なくとも3つのアンテナをさらに備え、前記推定手段が、前記アンテナによって受信された無線信号を用いた三角測量によって同一の前記送信装置の位置を複数推定し、推定した複数の位置の平均位置を当該送信装置の位置として推定してもよい。これにより、送信装置の位置を1回のみ推定する場合に比較して、より高精度で送信装置の位置を推定することができる。
特に、請求項4に記載の発明は、請求項5に記載の発明のように、前記アンテナを4つ以上備え、前記推定手段が、前記4つ以上のアンテナからの3つのアンテナの複数の組み合わせの各々毎に前記三角測量によって得られた同一の前記送信装置の複数の位置の平均位置を当該送信装置の位置として推定してもよい。これにより、アンテナを3つのみ用いる場合に比較して、より高精度で送信装置の位置を推定することができる。
また、請求項4に記載の発明は、請求項6に記載の発明のように、前記推定手段が、同一の前記送信装置の位置を、前記三角測量によって複数回連続して推定すると共に、推定した位置の移動平均を算出することにより当該送信装置の位置を推定してもよい。これにより、三角測量による推定結果を単発的に適用する場合に比較して、より高精度で送信装置の位置を推定することができる。
さらに、本発明は、請求項7に記載の発明のように、前記物理量推定手段を、ニューラル・ネットワークとしてもよい。
一方、上記目的を達成するために、請求項8記載のプログラムは、コンピュータを、無線信号を送信する送信装置の位置を前記無線信号に基づいて推定する推定手段と、前記推定手段による前記送信装置の位置の推定対象とする領域を撮影する撮影手段によって得られた画像情報に基づいて前記領域に存在する人の位置を導出する導出手段と、少なくとも前記推定手段によって推定された前記送信装置の位置を入力情報とし、補正後の当該送信装置の位置を示す物理量を出力情報とすると共に、当該出力情報の正解情報を用いた学習機能を有する物理量推定手段により得られた物理量を用いて、前記推定手段によって推定された前記送信装置の位置を補正する補正手段と、前記推定手段により位置の推定対象とされた前記送信装置の所持者が、前記導出手段により位置の導出対象とされた人とみなされる予め定められた条件を満足した場合に、前記導出手段によって導出された前記人の位置を示す物理量を前記正解情報として前記物理量推定手段を学習させる学習手段と、として機能させるためのものである。
従って、請求項8記載のプログラムによれば、コンピュータに対して請求項1記載の発明と同様に作用させることができるので、請求項1記載の発明と同様に、無線信号を送信する送信装置の位置を高精度で推定することができる。
本発明によれば、無線信号を送信する送信装置の位置を前記無線信号に基づいて推定すると共に、前記位置の推定対象とする領域を撮影する撮影手段によって得られた画像情報に基づいて前記領域に存在する人の位置を導出し、少なくとも推定した前記送信装置の位置を入力情報とし、補正後の当該送信装置の位置を示す物理量を出力情報とすると共に、当該出力情報の正解情報を用いた学習機能を有する物理量推定手段により得られた物理量を用いて、推定した前記送信装置の位置を補正する一方、位置の推定対象とした前記送信装置の所持者が、位置の導出対象とした人とみなされる予め定められた条件を満足した場合に、導出した前記人の位置を示す物理量を前記正解情報として前記物理量推定手段を学習させているので、前記送信装置の位置を高精度で推定することができる、という効果が得られる。
以下、図面を参照して、本発明を実施するための形態について詳細に説明する。なお、ここでは、本発明を、集合住宅への不審者の入館を防止する不審者入館防止システムに適用した場合について説明する。
まず、図1を参照して、本発明が適用された不審者入館防止システム10の構成を説明する。
同図に示すように、本形態に係る不審者入館防止システム10は、当該システム10の中心的な役割を担う入館管理装置20を有している。なお、本実施の形態に係る不審者入館防止システム10では、入館管理装置20が予め定められた中央監視室88(図3も参照。)に設けられている。
一方、本実施の形態に係る不審者入館防止システム10は、表示部30A、操作部30Bおよび警報部30Cを備えた操作パネル30と、上記集合住宅の風除室80(図2、図3も参照。)内の所定領域を撮影するビデオカメラ(以下、「カメラ」という。)40と、後述するRFIDタグ52(図3も参照。)から送信される電波を受信する4つ以上の複数(本実施の形態では、4つ)のアンテナ70A〜70Dと、風除室80に設けられた後述する窓72(図2も参照。)の開閉状態を検出する窓センサ72Aと、風除室80に設けられた後述する扉80Aおよび扉80B(図2、図3も参照。)の開閉状態を各々検出する扉センサ74Aおよび扉センサ74Bと、扉80Bの施錠および解錠を行う施解錠部60と、を備えている。なお、本実施の形態に係る不審者入館防止システム10では、表示部30Aとして液晶ディスプレイが、操作部30Bとしてテンキーおよび押しボタンが、警報部30Cとしてスピーカが、各々適用されている。
図2(平面図)および図3(側面図)で示されるように、本実施の形態に係る不審者入館防止システム10が取り扱い対象としている建物(集合住宅)90は風除室80を有しており、建物90の内部に入館する際には風除室80を通過する必要がある。
風除室80は、外部から当該風除室80に通じる扉80Aと、当該風除室80から建物90の内部に通じる扉80Bとを有している。ここで、扉80Aは、特に規制されることなく開閉することができるものとされている一方、扉80Bには前述した施解錠部60が設けられており、その施錠および解錠が施解錠部60によって行われるものとされている。
ところで、本実施の形態に係る不審者入館防止システム10では、建物90に制限なしで入館できる人を、予め定められた許可者(ここでは、建物90の居住者)のみに制限しており、当該許可者には、後述する二次記憶部20D(図7も参照。)に予め登録した登録者ID(Identification)および特徴情報が記憶されているRFIDタグ52が配布されている。
そして、風除室80の天井面の四隅近傍には前述したアンテナ70A〜70Dが1つずつ設けられており、上記許可者が建物90から外出する際にはRFIDタグ52を携帯することを義務付けることにより、当該許可者が風除室80から建物90に入館する際には、入館管理装置20によりアンテナ70A〜70Dを介して当該許可者が携帯しているRFIDタグ52から登録者IDを取得して認証(Authentication)するようにしている。
なお、本実施の形態に係る不審者入館防止システム10では、RFIDタグ52としてアクティブ型のものを適用しており、RFIDタグ52は登録者IDおよび特徴情報を無線にて所定距離の範囲内に常時送信している。従って、入館管理装置20は、常時、当該登録者IDおよび特徴情報をRFIDタグ52から受信することができる。
一方、図2および図3に示されるように、風除室80の扉80Bの近傍で、かつ風除室80の内部(建物90の館外)には前述した操作パネル30が設けられると共に、風除室80の天井面で、かつ扉80Bの近傍には前述したカメラ40が設けられている。
カメラ40は、風除室80における配設位置周辺の所定範囲(ここでは、画角が75度に対応する範囲)内が撮影可能とされている。なお、本実施の形態に係る不審者入館防止システム10では、カメラ40による撮影範囲と、アンテナ70A〜70DによるRFIDタグ52から送信された電波の受信可能範囲とを略一致させるようにRFIDタグ52から送信される電波の出力レベルが調整されている。
また、入館管理装置20は、RFIDタグ52から送信されている電波に基づいて当該RFIDタグ52の存在位置を示す位置情報も導出することができるものとして構成されている。なお、本実施の形態に係る入館管理装置20は、上記位置情報を、風除室80の室内の平面形状を各々同一サイズとして構成された正方形でマトリクス状に区分し、予め定められた角点位置を原点(0,0)とした2次元座標の情報として導出するものとされている。ここで、本実施の形態に係る入館管理装置20では、同一のRFIDタグ52からの電波の到来時間差を利用して三角測量を行うことにより上記位置情報を導出しているが、これに限らず、RFIDタグ52からの電波の受信強度の差を利用して三角測量を行うことにより上記位置情報を導出する方式等、他の従来既知の位置検知方式を適用することもできることは言うまでもない。
また、図1に示されるように、入館管理装置20には操作パネル30が電気的に接続されており、入館管理装置20は、操作パネル30の表示部30Aによる各種情報の表示、操作部30Bに対して行われた操作内容の把握、および警報部30Cによる警報の出力を各々行うことができる。また、入館管理装置20にはカメラ40も電気的に接続されており、入館管理装置20は、カメラ40による撮影によって得られた画像情報を入力することができる。
なお、本実施の形態に係る不審者入館防止システム10では、カメラ40を常時作動させており、入館管理装置20には、カメラ40から撮影によって得られている動画像を示す画像情報が常時入力されている。
また、本実施の形態に係る入館管理装置20は、カメラ40から入力された画像情報に基づいて、当該画像情報によって示される画像に人が存在するか否かを認識し、人が存在する場合に当該人の存在位置を示す位置情報、および当該人の外見上の特徴(本実施の形態では、性別および身長)を示す特徴情報を導出することができるものとされている。
なお、本実施の形態に係る入館管理装置20では、上記人が存在するか否かの認識を、カメラ40から入力された画像情報により示される画像に、略円形形状で、かつ人の頭部の平面面積の範囲内として予め定められたサイズの領域であり、黒色、茶色、白色、金色等の人の頭髪の色として予め定められた色と、肌色の少なくとも一方の色が全面積の半分以上を占める領域が存在する場合に、当該領域が人の領域であるものと見なして人が存在すると認識することにより行っているが、これに限らず、従来既知の他の人認識技術を適用して行う形態とすることもできる。また、本実施の形態に係る入館管理装置20では、上記性別および身長を、カメラ40から入力された画像情報により示される画像に基づいて、一例としてFieldAnalyst(登録商標)(NECソフト株式会社)、IMS(Intelligent Monitoring System、エクジット株式会社)等で用いられている技術等の従来既知の特徴導出技術によって導出する。さらに、本実施の形態に係る入館管理装置20では、上記人の存在位置を示す位置情報を、上記RFIDタグ52の位置を示す位置情報と同様の座標系の情報として導出する。
一方、入館管理装置20には窓センサ72Aおよび扉センサ74A,74Bも電気的に接続されており、入館管理装置20は、これらのセンサから受信した信号に基づいて、窓72、扉80A、扉80Bの各々の開閉状態を個別に把握することができる。また、入館管理装置20には施解錠部60も電気的に接続されており、入館管理装置20は、施解錠部60を介した扉80Bの施錠および解錠を遠隔操作することができる。
次に、図4を参照して、本実施の形態に係る操作パネル30の構成を詳細に説明する。
同図に示されるように、操作パネル30の正面の右上部には前述した表示部30Aが、右下部には前述した操作部30Bが、左下部には前述した警報部30Cが、各々設けられている。なお、同図に示すように、操作部30Bにはテンキーおよび押しボタンが設けられている。ここで、押しボタンには、建物90への入館を指示する際に押圧操作される入館ボタン30Eが含まれている。
また、操作パネル30の正面の左上部には建物90の住居内にいる居住者との間で通話することができる受話器30Dが、操作パネル30の下面には、後述する警告レベル3(最も高い警告レベル)に対応する処理を強制的に実行させる際に押圧操作される警告ボタン30Fが、各々設けられている。なお、警告ボタン30Fもまた入館管理装置20に電気的に接続されている。
ところで、RFIDタグ52から射出される電波を利用してRFIDタグ52の位置を推定する場合、その推定精度は、扉80A,80Bや窓72の開閉状態等といった当該電波に対して影響を与える要素の状態に大きく左右されることになり、必ずしも要求される推定精度が得られるとは限らない。そこで、本実施の形態に係る不審者入館防止システム10では、RFIDタグ52の位置の推定精度を向上させる位置推定精度向上機能が用意されている。
本実施の形態に係る不審者入館防止システム10では、上記位置推定精度向上機能を、同一のRFIDタグ52について複数の位置を三角測量によって推定し、当該複数の位置の平均位置をRFIDタグ52の推定位置とする平均位置導出機能、およびニューラル・ネットワークを用いてRFIDタグ52の推定位置の誤差を補正する位置補正機能の2つの機能によって実現している。
図5は、三角測量による位置の推定誤差が300cmとした場合の推定誤差の累積確率を推定誤差が完全にランダムであるものとして計算し、アンテナ数毎にプロットしたものである。同図に示すように、例えばアンテナ数が7つである場合、推定誤差が50cm以下となる確率が80%程度であり、かなり推定精度が改善されることがわかる。
そこで、本実施の形態に係る不審者入館防止システム10では、上記平均位置導出機能として、複数(本実施の形態では、4つ)のアンテナ70A〜70Dからの3つのアンテナの組み合わせ(本実施の形態では、4種類の組み合わせ)の各々毎に上記三角測量によって得られた同一のRFIDタグ52の複数の位置の平均位置を当該RFIDタグ52の推定位置とする技術を採用している。
なお、このように、本実施の形態に係る不審者入館防止システム10では、アンテナ数として4つを適用しているが、これに限らず、図5に示すグラフを参照することにより、不審者入館防止システム10の実用上の目的等に応じて最適なアンテナ数を決定することができる。
一方、図6には、本実施の形態に係る不審者入館防止システム10において、上記位置補正機能のために採用しているニューラル・ネットワーク78が模式的に示されている。
同図に示すように、本実施の形態に係るニューラル・ネットワーク78は、入力層、中間層(隠れ層)、出力層で構成される階層型のものである。また、本実施の形態に係るニューラル・ネットワーク78では、入力層に入力される値(説明変数)として、RFIDタグ52の推定位置を示す位置情報、カメラ40による撮影によって得られた画像情報によって示される人の位置(本実施の形態では、頭部の位置)を示す位置情報、上記画像情報によって示される人の外見上の特徴(本実施の形態では、性別および身長)を示す特徴情報、および窓センサ72A、扉センサ74A、扉センサ74Bの各センサから受信した信号によって示される窓72、扉80A、扉80Bの各々の開閉状態を示す状態情報が適用されており、出力層から出力される値(目的変数)として、RFIDタグ52の推定位置と補正後の当該推定位置との誤差(距離および方向)を示す誤差情報が適用されている。
そして、本実施の形態に係る不審者入館防止システム10では、このニューラル・ネットワーク78の初期設定として、実際に不審者入館防止システム10により得られる情報を用いて、ニューラル・ネットワーク78の各ユニットの結合荷重を決定するための学習(本実施の形態では、バックプロパゲーション(誤差逆伝搬)による学習)を実行する。
なお、本実施の形態に係る不審者入館防止システム10では、上記学習を、風除室80にRFIDタグ52を所持させた人を一人のみ存在させた状態で上記説明変数とする情報を取得すると共に、カメラ40による撮影によって得られた画像情報によって示される人の位置を示す位置情報と、前述した平均位置導出機能により推定されたRFIDタグ52の位置を示す位置情報との誤差(距離および方向)を示す誤差情報を取得し、当該誤差情報を正解情報(教師データ)として、複数人分(本実施の形態では、20人分)行う。なお、ここで学習に用いた誤差情報および説明変数は、実際の不審者入館防止システム10の運用時において予め定められた条件(本実施の形態では、位置が推定されたRFIDタグ52の数が1つで、かつ風除室80に存在する人の数が一人であるとの条件)が満足したときに学習を行う際に用いるため、後述する二次記憶部20Dの所定領域に記憶しておく。
次に、図7を参照して、本システムにおいて特に重要な役割を有する入館管理装置20の電気系の要部構成を説明する。
同図に示すように、本実施の形態に係る入館管理装置20は、入館管理装置20全体の動作を司るCPU(中央処理装置)20Aと、CPU20Aによる各種処理プログラムの実行時のワークエリア等として用いられるRAM(Random Access Memory)20Bと、各種制御プログラムや各種パラメータ等が予め記憶されたROM(Read Only Memory)20Cと、各種情報を記憶するために用いられる二次記憶部(ここでは、ハードディスク装置)20Dと、各種情報を入力するために用いられるキーボード20Eと、各種情報を表示するために用いられるディスプレイ20Fと、外部装置等との間の各種信号の授受を司る入出力I/F(インタフェース)20Gと、が備えられており、これら各部はシステムバスBUSにより電気的に相互に接続されている。
従って、CPU20Aは、RAM20B、ROM20C、および二次記憶部20Dに対するアクセス、キーボード20Eを介した各種入力情報の取得、ディスプレイ20Fに対する各種情報の表示、および入出力I/F20Gを介した外部装置等との間の各種信号の授受を各々行うことができる。なお、操作パネル30、カメラ40、アンテナ70A〜70D、窓センサ72A、扉センサ74A,74B、および施解錠部60は、入出力I/F20Gを介して入館管理装置20に電気的に接続されている。
一方、図8には、入館管理装置20に備えられた二次記憶部20Dの主な記憶内容が模式的に示されている。同図に示すように、二次記憶部20Dには、各種データベースを記憶するためのデータベース領域DBと、入館管理装置20を制御するための制御プログラムや各種処理を行うためのプログラム等を記憶するためのプログラム領域PGと、が設けられている。
また、データベース領域DBには、上記許可者に関する情報を記憶するための登録者データベースDB1と、建物90への入館者に関する情報を記憶するための入館履歴データベースDB2と、予め定められた複数段階の警告レベルに関する情報を記憶するための警告レベルデータベースDB3と、が含まれる。以下、これらのデータベースの構成について、図面を参照しつつ詳細に説明する。
図9に示すように、本実施の形態に係る登録者データベースDB1は、前述した登録者ID、パスワード、および特徴情報の各情報が、許可者毎に記憶されるように構成されている。
なお、上記登録者IDは、各許可者に対して唯一無二の情報として不審者入館防止システム10のシステム管理者によって付与された情報であり、上記パスワードは、対応する許可者によって予め指定されて登録された任意の文字列を示す情報である。また、上記特徴情報は、対応する許可者の外見上の特徴を示す情報であり、同図に示すように、性別および身長の2種類の情報が含まれる。
同図に示す例では、例えば、登録者IDとして‘AX001’が付与されたRFIDタグ52を携帯する居住者により、パスワードとして‘A123B’が指定される一方、自分自身の性別として‘男’が指定され、かつ身長として‘175cm’が指定されて、登録されていることを示している。
一方、図10に示すように、本実施の形態に係る入館履歴データベースDB2は、日時、入館者ID、人数、入館者位置、タグ位置、および判定結果の各情報が記憶されるように構成されている。
なお、上記日時は、建物90に入館しようとしている人がカメラ40を介して検出された日時(対応する情報を記憶した日時)を示す情報であり、年、月、日、および時刻の各情報から構成されている。また、上記入館者IDは、アンテナ70A〜70Dを介してRFIDタグ52から得られた登録者IDを示す情報であり、上記人数は、カメラ40により撮影された画像内に存在する人の人数を示す情報であり、さらに、上記入館者位置は、カメラ40により撮影された画像内に存在する人の位置を示す情報である。
一方、上記タグ位置は、アンテナ70A〜70Dを介して検出されたRFIDタグ52の位置を示す情報であり、上記判定結果は、後述する不審者入館防止処理プログラム(図12も参照。)において実行される不審者が存在するか否かの判定結果を示す情報である。
同図に示す例では、例えば、2010年9月5日13時19分35秒に、登録者IDとして‘AX001’が記憶されたRFIDタグ52を携帯している人と‘AC002’が記憶されたRFIDタグ52を携帯している人が二人で入館しようとしており、そのときの各入館者の位置座標が(1234,234)と(1267,233)で、RFIDタグ52の位置座標が(1244,238)と(1260,233)であり、上記判定結果が、不審者が存在しない(‘OK’)ことを示している。なお、同図に示されるように、本実施の形態に係る入館履歴データベースDB2では、不審者が存在することを示す情報として‘NG’を適用している。
ところで、本実施の形態に係る不審者入館防止システム10は、予め定められた複数段階の警告レベルのうちの何れかの警告レベルを示す情報(以下、「警告レベル情報」という。)が操作パネル30の操作部30Bを介して入力された場合に、当該警告レベル情報により示される警告レベルに対応する、警告を行うための処理を実行することができるものとされている。
本実施の形態に係る警告レベルデータベースDB3は、このための情報を記憶するためのものであり、本実施の形態に係る警告レベルデータベースDB3は、図11に示すように、予め定められた複数段階の警告レベルの各レベル毎に、実行すべき処理を特定するための情報が記憶されるように構成されている。なお、同図に示すように、本実施の形態に係る警告レベルデータベースDB3では、実行すべき処理を示す情報として‘○’が、実行しない処理を示す情報として‘×’が、各々適用されているが、これに限定されるものでないことは言うまでもない。
ここで、本実施の形態に係る不審者入館防止システム10では、同図に示すように、上記予め定められた複数段階の警告レベルとして、風除室80内に知っている人が存在する場合に対応するレベルである警告レベル0、風除室80に知らない人で、かつ挙動不審者ではなく危険性が低いと考えられる人が存在する場合に対応するレベルである警告レベル1、風除室80に知らない人で、かつ挙動不審者で危険性が高いと考えられる人が存在する場合に対応するレベルである警告レベル2、および風除室80に自身を脅迫している人が存在する場合に対応するレベルである警告レベル3の4段階の警告レベルが適用されている。
また、本実施の形態に係る不審者入館防止システム10では、同図に示すように、上記実行すべき処理として、後述する入館異常処理ルーチン・プログラム(図13も参照。)における各種判定結果を記録する処理を実行する「判定結果記録処理」、カメラ40による撮影画像を記録する処理を実行する「画像記録処理」、扉80Bの解錠を禁止する処理を実行する「解錠禁止処理」、風除室80内に対して警報部30Cを介して警報を発する処理を実行する「室内警報処理」、風除室80の外部に対して当該外部に設けられた警報部(図示省略。)を介して警報を発する処理を実行する「室外警報処理」、および予め定められた警備会社に設けられたコンピュータ(図示省略。)に対してオンラインで不審者の存在を通報する処理を実行する「通報処理」の6種類の処理が適用されており、入力された警告レベル情報に応じた処理が選択的に実行されることになる。
同図に示す例では、入力された警告レベル情報によって示される警告レベルが警告レベル3であった場合は、「判定結果記録処理」、「画像記録処理」、「室外警報処理」、および「通報処理」の4種類の処理が実行される。また、入力された警告レベル情報によって示される警告レベルが警告レベル2であった場合は上記6種類の全ての処理が実行される。なお、警告レベル3を示す警告レベル情報が入力された際に「解錠禁止処理」および「室内警報処理」を実行しないのは、正規の入館者の避難経路を確保し、かつ不審者を刺激しないようにするためである。
ここで、同図に示すように、本実施の形態に係る不審者入館防止システム10では、警告を行うための処理を何ら実行しない警告レベルである警告レベル0が用意されている。従って、正規の入館者は、警告レベル0を示す警告レベル情報を入力することにより、自身に対する不審者による妨害行為等の発生を防止し、かつ自身のプライバシーを守ることができる。
なお、本実施の形態に係る不審者入館防止システム10では、警告レベルとして4段階のレベルが適用されているが、これに限定されるものではなく、用途や居住者の要望等に応じて4段階以外の段階数のレベルとすることができることも言うまでもない。さらに、本実施の形態に係る不審者入館防止システム10では、上記実行すべき処理として6種類の処理が適用されているが、これに限定されるものではなく、用途や居住者の要望等に応じて不要な処理を削除したり、新たな処理を追加したりすることができることも言うまでもない。
次に、図12を参照して、本実施の形態に係る不審者入館防止システム10の作用を説明する。なお、図12は、カメラ40から入力されている画像情報により示される画像に人が存在すると認識され、かつRFIDタグ52から送信されている電波がアンテナ70A〜70Dを介して受信された際に入館管理装置20のCPU20Aによって実行される不審者入館防止処理プログラムの処理の流れを示すフローチャートであり、当該プログラムは二次記憶部20Dのプログラム領域PGに予め記憶されている。また、ここでは、錯綜を回避するために、一例として図9に示される登録者データベースDB1および図11に示される警告レベルデータベースDB3が既に構築済みであり、初期設定状態とされたニューラル・ネットワーク78が用意されている場合について説明する。
同図のステップ100では、カメラ40から入力されている画像情報により示される画像に存在する人の人数および位置を特定し、次のステップ102にて、この時点の日時、特定した人数および位置の各情報を入館履歴データベースDB2の対応する欄に記憶する。
次のステップ104では、この時点でアンテナ70A〜70Dを介してRFIDタグ52から受信されている電波により示される登録者IDおよび特徴情報を取得し、次のステップ106にて、当該RFIDタグ52の位置を、前述した平均位置導出機能により推定する。
次のステップ108では、上記ステップ106の処理によって推定したRFIDタグ52の位置を次のように補正する。
まず、この時点の窓72、扉80A、および扉80Bの開閉状態を、窓センサ72A、扉センサ74A、および扉センサ74Bから受信されている信号に基づいて特定すると共に、上記ステップ100の処理によって特定された人の性別および身長を前述した特徴導出技術により特定する。
次に、特定した窓72、扉80A、扉80Bの開閉状態を示す状態情報および人の性別および身長を示す特徴情報と、上記ステップ106の処理によって推定されたRFIDタグ52の位置を示す位置情報と、上記ステップ100の処理によって特定された人の位置を示す位置情報とを、RFIDタグ52の各々別にニューラル・ネットワーク78の入力層に入力することにより、RFIDタグ52の各々毎に前述した誤差情報を導出する。
最後に、RFIDタグ52の各々毎に、導出した誤差情報を用いて、上記ステップ106の処理により推定したRFIDタグ52の位置を補正する。
次のステップ110では、ニューラル・ネットワーク78の学習を行うか否かを示す学習フラグ(本実施の形態では、学習を行う場合にオン状態とし、学習を行わない場合にオフ状態とするフラグ)をデフォルトとしてオフ状態とし、次のステップ112では、上記ステップ104の処理によって取得した登録者IDを示す情報と、上記ステップ108の処理によって補正されたRFIDタグ52の位置を示す情報を入館履歴データベースDB2の対応する欄に記憶し、次のステップ114にて、上記ステップ104の処理によって取得した全ての登録者IDが登録者データベースDB1に登録されているか否かを判定することにより、上記ステップ104の処理によって登録者IDが取得された全てのRFIDタグ52が正規のもの(ここでは、建物90の居住者に配布されたもの)であるか否かを判定し、肯定判定となった場合はステップ116に移行する。
ステップ116では、上記ステップ100の処理によって特定した人数と、上記ステップ104の処理によって取得した登録者IDの数とが一致するか否かを判定し、肯定判定となった場合はステップ118に移行する。
ステップ118では、上記ステップ100の処理によって特定した人数が一人のみであったか否かを判定し、否定判定となった場合は後述するステップ122に移行する一方、肯定判定となった場合はステップ120に移行して、上記学習フラグをオン状態とした後にステップ122に移行する。
ステップ122では、上記ステップ100の処理によって特定した人の位置と、上記ステップ108の処理によって補正したRFIDタグ52の位置とが全て一致するか否かを判定し、肯定判定となった場合はステップ124に移行する。なお、本ステップ122では、上記全て一致するか否かの判定を、全ての特定した人について、当該人の位置と、当該人の位置に最も近接するRFIDタグ52の位置との間の距離が所定距離(ここでは、30cm)以内であるか否かを判定することにより行っている。
ステップ124では、以上の処理によって上記ステップ100の処理により特定した全ての人が入館可能な人として認証されたものと見なして入館履歴データベースDB2の対応する判定結果欄に、不審者が存在しないことを示す情報(ここでは、‘OK’)を記憶する。
次のステップ126では、扉80Bを解錠状態とするように施解錠部60を制御する。これに応じて施解錠部60が扉80Bを解錠状態とする結果、扉80Bが開けられ、入館者が建物90の内部に入館した後に扉80Bが閉められることになる。
そこで、次のステップ128では、扉80Bが閉じられるまで待機し、次のステップ130にて、扉80Bを施錠状態とするように施解錠部60を制御し、その後にステップ134に移行する。
一方、上記ステップ114、ステップ116、およびステップ122の何れかにおいて否定判定となった場合にはステップ132に移行し、図13に示される入館異常処理ルーチン・プログラムを実行する。以下、図13を参照しつつ、当該入館異常処理ルーチン・プログラムについて説明する。
まず、ステップ200では、入館履歴データベースDB2の対応する判定結果欄に、不審者が存在することを示す情報(ここでは、‘NG’)を記憶し、次のステップ202にて、施解錠部60に対して扉80Bの解錠動作の禁止を指示する。当該指示により、何らかの予期しない手段による扉80Bの解錠を防止することができる。
次のステップ204では、予め定められた報知画面を操作パネル30の表示部30Aに表示させる。
図14(A)には、上記ステップ204の処理によって表示部30Aに表示される報知画面の一例が示されている。同図に示すように、本実施の形態に係る報知画面では、登録者IDとパスワードの入力を促すメッセージが表示される。同図に示される報知画面が表示部30Aによって表示されると、入館者は、風除室80内の状況が何れの警告レベルに相当するかを判断した後、操作パネル30の操作部30Bを介して、自身に付与された登録者IDと自身が登録したパスワードを入力した後、警告レベル情報を入力する場合には当該警告レベルを入力する一方、建物90への入館を指示する場合は入館ボタン30Eを、警告レベル3(最も高い警告レベル)に対応する処理を強制的に実行させる場合は警告ボタン30Fを、各々押圧操作する。
そこで、次のステップ206では、登録者IDおよびパスワードの入力と、警告レベル情報の入力または入館ボタン30Eの押圧操作または警告ボタン30Fの押圧操作が行われたか否かを判定し、否定判定となった場合はステップ208に移行して、報知画面を表示させてから所定期間(ここでは、1分間)経過したか否かを判定し、否定判定となった場合は上記ステップ206に戻り、肯定判定となった場合には本入館異常処理ルーチン・プログラムを終了する。
一方、上記ステップ206において肯定判定となった場合にはステップ210に移行し、上記ステップ206の処理によって入力されたパスワードが、入力された登録者IDに対応する登録者データベースDB1のパスワードに一致するか否かを判定し、否定判定となった場合はステップ212に移行する。
ステップ212では、パスワードの不一致となった回数が所定回数(ここでは、3回)内であるか否かを判定し、肯定判定となった場合はステップ214に移行して、予め定められた第2報知画面(図14(B)参照。)を操作パネル30の表示部30Aに表示させた後に上記ステップ206に戻り、否定判定となった場合には本入館異常処理ルーチン・プログラムを終了する。
一方、上記ステップ210において肯定判定となった場合はステップ216に移行し、上記ステップ206の処理において警告レベル情報が入力されたか否かを判定して、否定判定となった場合はステップ218に移行し、上記ステップ206の処理において入館ボタン30Eが押圧操作されたか否かを判定して、否定判定となった場合は入館者によって警告ボタン30Fが押圧操作されたものと見なして後述するステップ228に移行する一方、肯定判定となった場合にはステップ220に移行する。
ステップ220では、扉80Bを解錠状態とするように施解錠部60を制御する。これに応じて施解錠部60が扉80Bを解錠状態とする結果、扉80Bが開けられ、入館者が建物90の内部に入館した後に扉80Bが閉められることになる。
そこで、次のステップ222では、扉80Bが閉じられるまで待機し、次のステップ324にて、扉80Bを施錠状態とするように施解錠部60を制御し、その後に本入館異常処理ルーチン・プログラムを終了する。
一方、上記ステップ216において肯定判定となった場合はステップ226に移行し、入力された警告レベル情報によって示される警告レベルが警告レベル3であったか否かを判定して、肯定判定となった場合はステップ228に移行する。
ステップ228では、警告レベルデータベースDB3の警告レベル3に対応する情報を読み出し、当該情報により特定される実行すべき処理(本実施の形態では、「判定結果記録処理」、「画像記録処理」、「室外警報処理」、および「通報処理」の4種類の処理)を実行し、その後に本入館異常処理ルーチン・プログラムを終了する。なお、本実施の形態に係る不審者入館防止システム10では、上記「画像記録処理」として、この時点でカメラ40から入力されている画像情報を所定期間分(ここでは、5秒間分)だけ二次記憶部20Dの所定領域に記憶する処理を、上記「室外警報処理」として、風除室80の外部に設けられた不図示の警報部に対して所定の警報音を所定期間(ここでは、10秒間)だけ発生させる処理を、各々適用している。
一方、上記ステップ226において否定判定となった場合はステップ230に移行し、入力された警告レベル情報によって示される警告レベルが警告レベル2であったか否かを判定して、肯定判定となった場合はステップ232に移行する。
ステップ232では、警告レベルデータベースDB3の警告レベル2に対応する情報を読み出し、当該情報により特定される実行すべき処理(本実施の形態では、「判定結果記録処理」、「画像記録処理」、「解錠禁止処理」、「室内警報処理」、「室外警報処理」、および「通報処理」の6種類全ての処理)を実行し、その後に本入館異常処理ルーチン・プログラムを終了する。なお、本実施の形態に係る不審者入館防止システム10では、上記「室内警報処理」として、操作パネル30の警報部30Cに対して所定の警報音を所定期間(ここでは、20秒間)だけ発生させる処理を適用している。
一方、上記ステップ230において否定判定となった場合はステップ234に移行し、入力された警告レベル情報によって示される警告レベルが警告レベル1であったか否かを判定して、肯定判定となった場合はステップ236に移行する。
ステップ236では、警告レベルデータベースDB3の警告レベル1に対応する情報を読み出し、当該情報により特定される実行すべき処理(本実施の形態では、「判定結果記録処理」、「画像記録処理」、「解錠禁止処理」、および「室内警報処理」の4種類の処理)を実行し、その後に本入館異常処理ルーチン・プログラムを終了する。
一方、上記ステップ234において否定判定となった場合は、入力された警告レベル情報によって示される警告レベルが警告レベル0であったものと見なしてステップ238に移行し、警告レベルデータベースDB3の警告レベル0に対応する情報を読み出して、当該情報により特定される実行すべき処理を実行し、その後に上記ステップ220に移行する。ここで、警告レベル0に対応する処理は存在しないため、上記ステップ238では警告を行うための処理を何ら実行することなく、上記ステップ220に移行することになる。
なお、入館異常処理ルーチン・プログラムが終了すると、メイン・プログラム(図12参照。)のステップ134に移行する。
ステップ134では、学習フラグがオン状態とされているか否かを判定し、肯定判定となった場合はステップ136に移行する。
ステップ136では、図15に示される学習処理ルーチン・プログラムを実行する。以下、図15を参照しつつ、当該学習処理ルーチン・プログラムについて説明する。
まず、ステップ300では、この時点で記憶されている誤差情報および説明変数(既にニューラル・ネットワーク78での学習に正解情報として用いられた誤差情報、および当該誤差情報に対応する説明変数)を二次記憶部20Dから読み出し、次のステップ302では、上記ステップ108の処理によって特定した窓72、扉80A、および扉80Bの開閉状態を示す状態情報および人の性別および身長を示す特徴情報と、上記ステップ106の処理によって推定したRFIDタグ52の位置を示す位置情報と、上記ステップ100の処理によって特定した人の位置を示す位置情報とにより示される説明変数(以下、「新規説明変数」という。)、および上記ステップ300の処理により読み出した説明変数を、RFIDタグ52の各々別にニューラル・ネットワーク78の入力層に入力する説明変数となるように設定する。
次のステップ304では、上記ステップ100の処理によって特定した人の位置を示す位置情報と、上記ステップ106の処理によって推定したRFIDタグ52の位置を示す位置情報との誤差(距離および方向)を示す誤差情報を導出し、当該誤差情報と、上記ステップ300の処理により読み出した誤差情報とを、ニューラル・ネットワーク78の正解情報となるように設定する。
次のステップ306では、以上の処理により設定した説明変数および正解情報を用いて、次の(1)式および(2)式が双方とも満足するように、ニューラル・ネットワーク78の前述した学習(本実施の形態では、バックプロパゲーションによる学習)を実行すると共に、上記ステップ304の処理によって導出した誤差情報と、上記新規説明変数とを、二次記憶部20Dの所定領域に記憶(追加記憶)する。なお、(1)式および(2)式において、ΔeXi,kは今回の学習であるi回目の学習後のk回目の学習時に用いた説明変数を用いて得られた上記誤差情報におけるX成分を表し、ΔXkはk回目の学習時の正解情報におけるX成分を表し、ΔeYi,kはi回目の学習後のk回目の学習時に用いた説明変数を用いて得られた上記誤差情報におけるY成分を表し、ΔYkはk回目の学習時の正解情報におけるY成分を表し、εは許容範囲を表す。
ステップ306の処理が終了すると本学習処理ルーチン・プログラムを終了し、メイン・プログラム(図12参照。)も終了する。
一方、メイン・プログラムの上記ステップ134において否定判定となった場合は、上記学習処理ルーチン・プログラムを実行することなく、メイン・プログラムを終了する。
以上詳細に説明したように、本実施の形態では、無線信号を送信する送信装置(本実施の形態では、RFIDタグ52)の位置を前記無線信号に基づいて推定すると共に、前記位置の推定対象とする領域を撮影する撮影手段(本実施の形態では、カメラ40)によって得られた画像情報に基づいて前記領域に存在する人の位置を導出し、少なくとも推定した前記送信装置の位置を入力情報とし、補正後の当該送信装置の位置を示す物理量を出力情報とすると共に、当該出力情報の正解情報を用いた学習機能を有する物理量推定手段(本実施の形態では、ニューラル・ネットワーク78)により得られた物理量を用いて、推定した前記送信装置の位置を補正する一方、位置の推定対象とした前記送信装置の所持者が、位置の導出対象とした人とみなされる予め定められた条件を満足した場合に、導出した前記人の位置を示す物理量を前記正解情報として前記物理量推定手段を学習させているので、前記送信装置の位置を高精度で推定することができる。
また、本実施の形態では、前記予め定められた条件を、前記位置を推定した前記送信装置の数が1つで、かつ前記位置を導出した人の数が一人であるとの条件としているので、当該条件を適用しない場合に比較して、より高い頻度で物理量推定手段を学習させることができる。
また、本実施の形態では、前記領域における前記送信装置からの無線信号を受信する複数のアンテナによって受信された無線信号を用いた三角測量によって同一の前記送信装置の位置を複数推定し、推定した複数の位置の平均位置を当該送信装置の位置として推定しているので、送信装置の位置を1回のみ推定する場合に比較して、より高精度で送信装置の位置を推定することができる。
特に、本実施の形態では、前記アンテナを4つ以上備え、当該4つ以上のアンテナからの3つのアンテナの複数の組み合わせの各々毎に前記三角測量によって得られた同一の前記送信装置の複数の位置の平均位置を当該送信装置の位置として推定しているので、アンテナを3つのみ用いる場合に比較して、より高精度で送信装置の位置を推定することができる。
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。本発明の要旨を逸脱しない範囲で上記実施の形態に多様な変更または改良を加えることができ、そのような変更または改良を加えた形態も本発明の技術的範囲に含まれる。
また、上記実施の形態は、クレーム(請求項)にかかる発明を限定するものではなく、また実施の形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。上記実施の形態には種々の段階の発明が含まれており、開示される複数の構成要件における適宜の組み合わせにより種々の発明を抽出できる。上記の実施の形態に示される全構成要件から幾つかの構成要件が削除されても、効果が得られる限りにおいて、この幾つかの構成要件が削除された構成が発明として抽出され得る。
例えば、上記実施の形態では、平均位置導出機能として、4つ以上(本実施の形態では、4つ)のアンテナ70A〜70Dからの3つのアンテナの組み合わせ(本実施の形態では、4種類の組み合わせ)の各々毎に三角測量によって得られた同一のRFIDタグ52の複数の位置の平均位置を当該RFIDタグ52の推定位置とする技術を適用した場合について説明したが、本発明はこれに限定されるものではなく、平均位置導出機能として、例えば、同一のRFIDタグ52の位置を、三角測量によって複数回(例えば、30回/秒)連続して推定すると共に、推定した位置の移動平均を算出することにより当該RFIDタグ52の位置を推定する技術を適用する形態としてもよい。なお、この場合、アンテナを3つのみ用いることになる。この場合も、上記実施の形態と同様の効果を奏することができる。
また、上記実施の形態では、ニューラル・ネットワーク78の目的変数(出力値)として上記誤差情報を適用した場合について説明したが、本発明はこれに限定されるものではなく、上記目的変数として、例えば、RFIDタグ52の補正後の位置そのものを適用する形態としてもよい。なお、この場合、正解情報(教師データ)として、カメラ40による撮影によって得られた画像情報により特定される人の位置を示す情報を用いてニューラル・ネットワーク78の学習を行うことになる。この場合も、上記実施の形態と同様の効果を奏することができる。
また、上記実施の形態では、ニューラル・ネットワーク78を学習させる条件として、カメラ40により撮影された画像に存在する人が一人で、かつ検出されたRFIDタグ52の数が1つであるとの条件を適用した場合について説明したが、本発明はこれに限定されるものではなく、不審者入館防止処理プログラム(図12参照。)のステップ108の処理によって特定された性別および身長と、ステップ104の処理によって取得された特徴情報により示される性別および身長とが、予め定められた一致度以上で一致するとの条件を適用する形態としてもよい。この場合、より高精度でニューラル・ネットワーク78を学習させることができる。
なお、上記予め定められた一致度としては、性別が一致すると共に、身長が予め定められた許容誤差(例えば、3cm)以内である一致度、性別とは無関係に身長が上記許容誤差以内である一致度等を例示することができる。ここで、この場合に適用する上記特徴情報として、性別、身長の他、年齢等の他の外見上の特徴を加えた特徴群の中から、単独、または複数の組み合わせを適用する形態としてもよい。
また、上記実施の形態では、ニューラル・ネットワーク78の構造を変更する点については特に言及しなかったが、過去の複数回(例えば、30回)の学習の結果が良好でない場合には、ニューラル・ネットワーク78の構造を変更する形態としてもよい。なお、この場合の変更対象としては、ニューラル・ネットワーク78の層数、説明変数の項目数、説明変数の種類、目的変数の種類等を例示することができる。この場合、より高精度でRFIDタグ52の位置を推定できるようになる。
また、上記実施の形態では、本発明の物理量推定手段としてニューラル・ネットワークを適用した場合について説明したが、本発明はこれに限定されるものではなく、例えば、最小自乗法、多項式のスプライン関数等といった、他の学習機能を有する物理量推定手段を適用する形態としてもよい。この場合も、上記実施の形態と同様の効果を奏することができる。
また、上記実施の形態では、本発明の撮影手段として動画像の撮影を行うカメラを適用した場合について説明したが、本発明はこれに限定されるものではなく、例えば、静止画像の撮影を行うカメラを適用する形態としてもよい。この場合も、上記実施の形態と同様の効果を奏することができる。
また、上記実施の形態では、監視対象とする建物として集合住宅を適用した場合について説明したが、本発明はこれに限定されるものではなく、例えば、事務所、病院、学校、美術館、博物館、映画館等の不特定多数の人が入館可能な他の建物を適用する形態としてもよい。この場合も、上記実施の形態と同様の効果を奏することができる。
また、上記実施の形態では、本発明の送信装置としてRFIDタグ52を適用した場合について説明したが、本発明はこれに限定されるものではなく、例えば、所定周波数の電波を送信する発信器や、光を発するLED等の発光部を有するもの等、その存在が無線にて検出することができる他の媒体とする形態としてもよい。この場合も、上記実施の形態と同様の効果を奏することができる。
また、上記実施の形態では、警報部30Cによる警報の発生によって不審者が存在することの報知を行う場合について説明したが、本発明はこれに限定されるものではなく、例えば、LED等の発光手段の点灯、点滅等による報知等の各種報知を単独または組み合わせて適用する形態とすることもできる。この場合も、上記実施の形態と同様の効果を奏することができる。
その他、上記実施の形態で説明した不審者入館防止システム10の構成(図1〜図8参照。)は一例であり、本発明の主旨を逸脱しない範囲内で適宜変更可能であることは言うまでもない。
また、上記実施の形態で説明した各種データベースのデータ構成(図9〜図11参照。)も一例であり、必要に応じて新たなデータを追加したり、不要なデータを削除したりすることができることも言うまでもない。
また、上記実施の形態で示した各種プログラムの処理の流れ(図12,図13,図15参照。)も一例であり、本発明の主旨を逸脱しない範囲内で適宜変更することができることは言うまでもない。
例えば、上記実施の形態では、ニューラル・ネットワーク78を学習させる学習処理ルーチン・プログラムを不審者入館防止処理プログラムの終了直前に実行するものとされているが、これに限らず、不審者入館防止処理プログラムでは、学習すべき条件となった場合に学習フラグをオンすると共に、学習に必要な情報を記憶しておき、別途、風除室80に人が存在しないときに学習処理ルーチン・プログラムを実行する形態としてもよい。この場合、不審者入館防止処理プログラムの実行時における上記学習のための処理上の負荷を削減することができる。
さらに、上記実施の形態で示した報知画面および第2報知画面の構成(図14参照。)も一例であり、本発明の主旨を逸脱しない範囲内において適宜変更可能であることは言うまでもない。
10 不審者入館防止システム
20 入館管理装置
20A CPU(推定手段,導出手段,補正手段,学習手段)
40 カメラ(撮影手段)
52 RFIDタグ(送信装置)
70A〜70D アンテナ
72 窓
72A 窓センサ
74A,74B 扉センサ
78 ニューラル・ネットワーク(物理量推定手段)
80 風除室
80A,80B 扉
90 建物
20 入館管理装置
20A CPU(推定手段,導出手段,補正手段,学習手段)
40 カメラ(撮影手段)
52 RFIDタグ(送信装置)
70A〜70D アンテナ
72 窓
72A 窓センサ
74A,74B 扉センサ
78 ニューラル・ネットワーク(物理量推定手段)
80 風除室
80A,80B 扉
90 建物
Claims (8)
- 無線信号を送信する送信装置の位置を前記無線信号に基づいて推定する推定手段と、
前記推定手段による前記送信装置の位置の推定対象とする領域を撮影する撮影手段と、
前記撮影手段によって得られた画像情報に基づいて前記領域に存在する人の位置を導出する導出手段と、
少なくとも前記推定手段によって推定された前記送信装置の位置を入力情報とし、補正後の当該送信装置の位置を示す物理量を出力情報とすると共に、当該出力情報の正解情報を用いた学習機能を有する物理量推定手段と、
前記物理量推定手段により得られた物理量を用いて、前記推定手段によって推定された前記送信装置の位置を補正する補正手段と、
前記推定手段により位置の推定対象とされた前記送信装置の所持者が、前記導出手段により位置の導出対象とされた人とみなされる予め定められた条件を満足した場合に、前記導出手段によって導出された前記人の位置を示す物理量を前記正解情報として前記物理量推定手段を学習させる学習手段と、
を備えた位置推定装置。 - 前記予め定められた条件は、前記推定手段により位置が推定された前記送信装置の数が1つで、かつ前記導出手段により位置が導出された人の数が一人であるとの条件である
請求項1記載の位置推定装置。 - 前記送信装置は、所持者の予め定められた外見上の特徴を示す特徴情報を前記無線信号で送信するものであり、
前記導出手段は、前記画像情報に基づいて前記領域に存在する人の前記特徴情報をさらに導出し、
前記予め定められた条件は、前記無線信号で送信された特徴情報により示される特徴と前記導出手段によって導出された特徴情報により示される特徴とが予め定められた一致度以上で一致するとの条件である
請求項1または請求項2記載の位置推定装置。 - 前記領域における前記送信装置からの無線信号を受信する少なくとも3つのアンテナをさらに備え、
前記推定手段は、前記アンテナによって受信された無線信号を用いた三角測量によって同一の前記送信装置の位置を複数推定し、推定した複数の位置の平均位置を当該送信装置の位置として推定する
請求項1〜請求項3の何れか1項記載の位置推定装置。 - 前記アンテナを4つ以上備え、
前記推定手段は、前記4つ以上のアンテナからの3つのアンテナの複数の組み合わせの各々毎に前記三角測量によって得られた同一の前記送信装置の複数の位置の平均位置を当該送信装置の位置として推定する
請求項4記載の位置推定装置。 - 前記推定手段は、同一の前記送信装置の位置を、前記三角測量によって複数回連続して推定すると共に、推定した位置の移動平均を算出することにより当該送信装置の位置を推定する
請求項4記載の位置推定装置。 - 前記物理量推定手段は、ニューラル・ネットワークである
請求項1〜請求項6の何れか1項記載の位置推定装置。 - コンピュータを、
無線信号を送信する送信装置の位置を前記無線信号に基づいて推定する推定手段と、
前記推定手段による前記送信装置の位置の推定対象とする領域を撮影する撮影手段によって得られた画像情報に基づいて前記領域に存在する人の位置を導出する導出手段と、
少なくとも前記推定手段によって推定された前記送信装置の位置を入力情報とし、補正後の当該送信装置の位置を示す物理量を出力情報とすると共に、当該出力情報の正解情報を用いた学習機能を有する物理量推定手段により得られた物理量を用いて、前記推定手段によって推定された前記送信装置の位置を補正する補正手段と、
前記推定手段により位置の推定対象とされた前記送信装置の所持者が、前記導出手段により位置の導出対象とされた人とみなされる予め定められた条件を満足した場合に、前記導出手段によって導出された前記人の位置を示す物理量を前記正解情報として前記物理量推定手段を学習させる学習手段と、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010050929A JP2011186751A (ja) | 2010-03-08 | 2010-03-08 | 位置推定装置およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010050929A JP2011186751A (ja) | 2010-03-08 | 2010-03-08 | 位置推定装置およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2011186751A true JP2011186751A (ja) | 2011-09-22 |
Family
ID=44792941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010050929A Pending JP2011186751A (ja) | 2010-03-08 | 2010-03-08 | 位置推定装置およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2011186751A (ja) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016051474A (ja) * | 2014-08-28 | 2016-04-11 | エフ.ホフマン−ラ ロシュ アーゲーF. Hoffmann−La Roche Aktiengesellschaft | 実験装置におけるrfidタグ−リーダアンテナ関連付けのための方法 |
WO2017072810A1 (ja) * | 2015-10-26 | 2017-05-04 | 株式会社ベイビッグ | 検知システム及び検知方法 |
JP2018013851A (ja) * | 2016-07-19 | 2018-01-25 | 日本電信電話株式会社 | 行動認識装置、および、行動認識方法 |
JP2018013855A (ja) * | 2016-07-19 | 2018-01-25 | 日本電信電話株式会社 | 行動認識装置、および、行動認識方法 |
JP2018013852A (ja) * | 2016-07-19 | 2018-01-25 | 日本電信電話株式会社 | 検知装置および検知方法 |
JP2018061114A (ja) * | 2016-10-04 | 2018-04-12 | 日本電信電話株式会社 | 監視装置および監視方法 |
JP2019091437A (ja) * | 2017-11-10 | 2019-06-13 | 株式会社リコー | 対象検出システム、対象検出方法、プログラム |
JP2019100817A (ja) * | 2017-11-30 | 2019-06-24 | 株式会社東芝 | 位置推定装置、位置推定方法及び端末装置 |
JP2019174164A (ja) * | 2018-03-27 | 2019-10-10 | Kddi株式会社 | 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法 |
CN110390153A (zh) * | 2019-07-15 | 2019-10-29 | 贝壳技术有限公司 | 户型结构改造方案的生成方法、装置以及设备、存储介质 |
CN110503354A (zh) * | 2019-07-02 | 2019-11-26 | 北京交通大学 | 一种基于深度学习的rfid标签位置估计方法 |
WO2020021739A1 (ja) * | 2018-07-26 | 2020-01-30 | 太陽誘電株式会社 | 位置検出システム、算出装置、プログラムおよび位置検出方法 |
JP2020504818A (ja) * | 2016-12-21 | 2020-02-13 | イバーニ, エルエルシーIvani, LLC | 既存の検出フィールドを使用する逆方向ビーコン屋内位置決めシステム |
JP2020201527A (ja) * | 2019-06-05 | 2020-12-17 | パナソニックIpマネジメント株式会社 | 管理システム及び管理方法、学習システム及び学習方法、並びにプログラム |
CN112926348A (zh) * | 2021-03-02 | 2021-06-08 | 南京巨源科技有限公司 | 一种基于rfid的室内考勤和音量检测系统及方法 |
US20230130857A1 (en) * | 2014-10-23 | 2023-04-27 | Automaton, Inc. | Systems and methods for rfid tag locating using constructive interference |
US11711667B2 (en) | 2015-09-16 | 2023-07-25 | Ivani, LLC | Detecting location within a network |
US11800319B2 (en) | 2015-09-16 | 2023-10-24 | Ivani, LLC | Building system control utilizing building occupancy |
-
2010
- 2010-03-08 JP JP2010050929A patent/JP2011186751A/ja active Pending
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016051474A (ja) * | 2014-08-28 | 2016-04-11 | エフ.ホフマン−ラ ロシュ アーゲーF. Hoffmann−La Roche Aktiengesellschaft | 実験装置におけるrfidタグ−リーダアンテナ関連付けのための方法 |
US11933877B2 (en) * | 2014-10-23 | 2024-03-19 | Automaton, Inc. | Systems and methods for RFID tag locating using constructive interference |
US20230130857A1 (en) * | 2014-10-23 | 2023-04-27 | Automaton, Inc. | Systems and methods for rfid tag locating using constructive interference |
US11711667B2 (en) | 2015-09-16 | 2023-07-25 | Ivani, LLC | Detecting location within a network |
US11800319B2 (en) | 2015-09-16 | 2023-10-24 | Ivani, LLC | Building system control utilizing building occupancy |
WO2017072810A1 (ja) * | 2015-10-26 | 2017-05-04 | 株式会社ベイビッグ | 検知システム及び検知方法 |
JPWO2017072810A1 (ja) * | 2015-10-26 | 2017-10-26 | 株式会社ベイビッグ | 検知システム及び検知方法 |
JP2018013855A (ja) * | 2016-07-19 | 2018-01-25 | 日本電信電話株式会社 | 行動認識装置、および、行動認識方法 |
JP2018013852A (ja) * | 2016-07-19 | 2018-01-25 | 日本電信電話株式会社 | 検知装置および検知方法 |
JP2018013851A (ja) * | 2016-07-19 | 2018-01-25 | 日本電信電話株式会社 | 行動認識装置、および、行動認識方法 |
JP2018061114A (ja) * | 2016-10-04 | 2018-04-12 | 日本電信電話株式会社 | 監視装置および監視方法 |
JP2020504818A (ja) * | 2016-12-21 | 2020-02-13 | イバーニ, エルエルシーIvani, LLC | 既存の検出フィールドを使用する逆方向ビーコン屋内位置決めシステム |
JP2019091437A (ja) * | 2017-11-10 | 2019-06-13 | 株式会社リコー | 対象検出システム、対象検出方法、プログラム |
JP2019100817A (ja) * | 2017-11-30 | 2019-06-24 | 株式会社東芝 | 位置推定装置、位置推定方法及び端末装置 |
US11061102B2 (en) | 2017-11-30 | 2021-07-13 | Kabushiki Kaisha Toshiba | Position estimating apparatus, position estimating method, and terminal apparatus |
JP2019174164A (ja) * | 2018-03-27 | 2019-10-10 | Kddi株式会社 | 物体認識情報及び受信電磁波情報に係るモデルを用いて端末位置を推定する装置、プログラム及び方法 |
WO2020021739A1 (ja) * | 2018-07-26 | 2020-01-30 | 太陽誘電株式会社 | 位置検出システム、算出装置、プログラムおよび位置検出方法 |
JPWO2020021739A1 (ja) * | 2018-07-26 | 2021-08-19 | 太陽誘電株式会社 | 位置検出システム、算出装置、プログラムおよび位置検出方法 |
JP7245837B2 (ja) | 2018-07-26 | 2023-03-24 | 太陽誘電株式会社 | 位置検出システム、算出装置、プログラムおよび位置検出方法 |
JP2020201527A (ja) * | 2019-06-05 | 2020-12-17 | パナソニックIpマネジメント株式会社 | 管理システム及び管理方法、学習システム及び学習方法、並びにプログラム |
JP7369993B2 (ja) | 2019-06-05 | 2023-10-27 | パナソニックIpマネジメント株式会社 | 管理システム及び管理方法、学習システム及び学習方法、並びにプログラム |
CN110503354A (zh) * | 2019-07-02 | 2019-11-26 | 北京交通大学 | 一种基于深度学习的rfid标签位置估计方法 |
CN110390153B (zh) * | 2019-07-15 | 2020-06-16 | 贝壳找房(北京)科技有限公司 | 户型结构改造方案的生成方法、装置以及设备、存储介质 |
CN110390153A (zh) * | 2019-07-15 | 2019-10-29 | 贝壳技术有限公司 | 户型结构改造方案的生成方法、装置以及设备、存储介质 |
CN112926348A (zh) * | 2021-03-02 | 2021-06-08 | 南京巨源科技有限公司 | 一种基于rfid的室内考勤和音量检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2011186751A (ja) | 位置推定装置およびプログラム | |
US10679443B2 (en) | System and method for controlling access to a building with facial recognition | |
US20200349786A1 (en) | Access management system | |
US10373408B2 (en) | Method and system for access control proximity location | |
US9865144B2 (en) | Video recognition in frictionless access control system | |
US20210287469A1 (en) | System and method for provisioning a facial recognition-based system for controlling access to a building | |
US20160284183A1 (en) | Tailgating Detection in Frictionless Access Control System | |
JP4559819B2 (ja) | 不審者検出システム及び不審者検出プログラム | |
JP4755900B2 (ja) | 不審者入館防止システム、不審者入館防止方法及び不審者入館防止プログラム | |
KR101730255B1 (ko) | 얼굴 인식 디지털 도어록 | |
CN110598735B (zh) | 一种访客信息提醒方法及装置 | |
KR20040105846A (ko) | 시각-기반 작동 방법 및 시스템 | |
CN104881911A (zh) | 具有生物计量鉴别入侵和进入控制的系统及方法 | |
US20180316381A1 (en) | Methods and Systems for Comprehensive Security-Lockdown | |
JP5314294B2 (ja) | 顔認証装置 | |
JP4740699B2 (ja) | 不審者入館防止システム及び不審者入館防止プログラム | |
US20170236348A1 (en) | Systems and methods of access control in security systems with augmented reality | |
KR101265447B1 (ko) | 다중 인증수단과 스마트폰을 이용한 엘리베이터의 보안 시스템 | |
US11172535B2 (en) | Systems and methods for personnel accountability and tracking during public safety incidents | |
KR20200060094A (ko) | 출입문 보안 관리시스템 | |
JP2011243054A (ja) | 犯罪防止装置およびプログラム | |
US11734978B2 (en) | Frictionless access control system with ranging camera | |
JP2011012420A (ja) | 建物監視システムおよびプログラム | |
JP5460462B2 (ja) | 犯罪防止装置およびプログラム | |
WO2020070860A1 (ja) | 警備システム、警備方法 |