JP2011186751A - 位置推定装置およびプログラム - Google Patents

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

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。

特開２００７−１７９４９１号公報

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。

実施の形態に係る不審者入館防止システムの全体構成を示すブロック図である。 実施の形態に係る不審者入館防止システムが処理対象としている建物のレイアウトと、不審者入館防止システムが有する各種設備の配置位置を示す平面図である。 実施の形態に係る不審者入館防止システムが処理対象としている建物のレイアウトと、不審者入館防止システムが有する各種設備の配置位置を示す側面図である。 実施の形態に係る操作パネルの構成を示す外観図である。 実施の形態に係る不審者入館防止システムにおける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グラフである。 実施の形態に係るニューラル・ネットワークの構成例を示す模式図である。 実施の形態に係る入館管理装置の電気系の要部構成を示すブロック図である。 実施の形態に係る入館管理装置に備えられた二次記憶部の主な記憶内容を示す模式図である。 実施の形態に係る登録者データベースのデータ構造の一例を示す模式図である。 実施の形態に係る入館履歴データベースのデータ構造の一例を示す模式図である。 実施の形態に係る警告レベルデータベースのデータ構造の一例を示す模式図である。 実施の形態に係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る。 実施の形態に係る入館異常処理ルーチン・プログラムの処理の流れを示すフローチャートである。 実施の形態に係る報知画面および第２報知画面の表示状態の一例を示す概略図である。 実施の形態に係る学習処理ルーチン・プログラムの処理の流れを示すフローチャートである。

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。

なお、ニューラル・ネットワークの学習については従来既知であるので、これ以上のここでの説明は省略する。

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

Claims (8)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。

Images