JP2013137601A

JP2013137601A - 構造物の防犯システムおよびそれを備えたエレベータ

Info

Publication number: JP2013137601A
Application number: JP2011287401A
Authority: JP
Inventors: Tatsu Yumiba; 竜弓場; Masanori Miyoshi; 雅則三好; Shinichiro Yamaguchi; 伸一朗山口; Ryoichi Sakai; 亮一酒井; Takuya Kunisada; 拓也國貞
Original assignee: Hitachi Ltd; Hitachi Building Systems Co Ltd
Current assignee: Hitachi Ltd; Hitachi Building Systems Co Ltd
Priority date: 2011-12-28
Filing date: 2011-12-28
Publication date: 2013-07-11
Anticipated expiration: 2031-12-28
Also published as: JP5827892B2; CN103183263A; CN103183263B

Abstract

【課題】監視カメラとセンサとによりエレベータかご等の構造物内の人物の異常挙動を検知する防犯システムにおいて、構造物毎に感度が異なるセンサの異常判定の閾値を少ない作業量で簡便に調整する。
【解決手段】監視カメラ５１及びその画像判定部２と、センサ５３及びそのセンサ判定部４とを用いてエレベータかご等の構造物の異常挙動を検知するシステムであって、所定の大きさの信号源を構造物に加えた時のセンサの出力信号をセンササンプル信号として取り込むサンプル信号収集部５を備える。また、閾値計算部６は、センサの出力信号における変化の量をセンサ出力信号変化量としたとき、予め登録しておいた比較用の参照値に対するセンササンプル信号の変化量の比αが大きくなるほどセンサ判定部４で用いる異常挙動判定用の閾値πを大きくし、αが小さくなるほど閾値を小さくするような、前記比と予め登録された基準閾値とをパラメータとして用いる所定の計算式によって構造物に応じた閾値を算出する。
【選択図】図２

Description

本発明は、エレベータなどの構造物内の人物の異常な挙動を、監視カメラを通して画像認識して防犯を図る構造物の防犯システムに関する。

監視カメラの映像を目視によって監視するシステムにおいて、監視員が常時、映像を目視で監視する場合には、監視員の人的負担が大きい。そのような負担を軽減するために、撮影した映像中の人物の挙動を、ある指標（例えば映像中の動的要素の移動度合いすなわち所定時間における移動量や移動速度）により計測し、その計測値によって異常挙動を判定する監視システムが普及しつつある。かような監視システムは、代表的には、画像認識によって、人物の危険な異常挙動を検知して事故を未然に防止したり、異常挙動を行なった人物を特定したりする防犯システムに利用されている。

非特許文献１では、高次局所自己相関という画像上の局所的な見え方と動きの特徴量を利用して、撮影画像中の人物の異常挙動を検知する技術を開示している。エレベータにおいても乗客の安全性の向上のために、悪意を持った乗客がかご内の設備を破損したり、他の乗客に危害を加えたりするような異常挙動を検知するために、前記監視システムが求められている。

前記監視システムでは、画像認識からは異常挙動と区別がつきにくい正常な挙動を誤って異常挙動と認識してしまうこともあり、かような誤報をなくすことが課題とされている。例えば、監視カメラのすぐ前で髪を整えるような仕草は、実際には、エレベータのかご内でとられる日常の些細な動作であるが、監視カメラから見ると、見た目の動きが大きな挙動となって映り誤報につながる動作の代表例である。他にも窓の付いたエレベータでは、かごの外部から差し込んだ光がエレベータの昇降に伴い変化したり影が動いたときに、それが誤報につながることもあり得る。

以上述べたような監視カメラを通した画像認識によって生じる異常挙動検知の誤報を改善するために、画像認識とは検知原理が異なるセンサを画像認識（監視カメラ）と併用する方法が有効と考えられる。

特許文献１には、かご内に備えた赤外線センサや振動センサ等の種々のセンサを使って乗客の異常挙動を検知する技術が開示されている。ただし、これらのセンサを使って異常挙動を検知する場合、エレベータのかごの寸法並びに床や壁等の構造物のバリエーションがあることを考えると、センサに加えられる物理量が同じであっても、かごの仕様や構造的特性に応じて出力が変わることもあるので、かごに応じて適切なセンサの閾値を設定する必要がある。特許文献１には、前記センサの閾値の設定の方法については、開示されていない。

特許文献２には、振動センサならびに音量センサを用いて異常挙動を検知する場合の、センサ出力信号に対する異常挙動判定用の閾値（基準レベル）を設定する手法が２つ開示されている。その一つは、異常挙動の発生時のセンサの出力信号の変化量を学習して閾値を設定する方法である。この手法は、閾値を学習で設定するために、閾値の精度を上げることができる。ただし、学習前においては、閾値となるべき振動レベルや音量レベルの初期値をエレベータの取り付けられた環境によって決めている。この場合の初期値の設定の仕方については開示されていないが、環境に応じてエレベータ毎に個別に設定しなければならず、設定作業の負担が大きいために、その作業の簡便化を実現することが望まれる。

もう一つは、通常（正常）乗車時のセンサの出力信号の変化量を学習し、通常乗車時に頻繁に誤報しないように閾値を調整する方法である。この方法では、誤報率を抑えるために閾値を高くすると、異常挙動の検知する度合い、いわゆる失報率が高くなる傾向にあり、誤報率を抑えつつ有意に失報を抑えるように閾値を設定するのが困難であった。

特開昭６３−１２５７９号公報特開２００４−１４９２８７号公報

南里卓也、大津展之、"複数人動画像からの異常動作検出"、コンピュータビジョンとイメージメディア" 、Ｐ．４３−５０、２００５年１０月

本発明の主たる目的は、監視カメラと併用して種々のセンサを用いて、エレベータのかご等のさまざまな寸法や構造を有する構造物内の異常行動を検知する防犯システムにおいて、それぞれの構造物の特徴に応じたセンサの異常挙動判別用の閾値を少ない作業量で簡易に設定することができるシステムを提供することにある。

さらに副次的には、上記のような主たる目的を達成する防犯システムを前提として、前記センサの誤報率を抑えることを配慮しつつ異常挙動の失報を有意に抑える異常挙動検知用の閾値を設定できるシステムを提供することにある。

本発明は、上記した主たる目的を達成するために、基本的には、次のように構成される。
（１）一つは、監視対象となる構造物に設置され、構造物内の人物を撮影する監視カメラと、前記監視カメラで撮影された人物を画像認識して人物の異常挙動を判定する画像判定部と、前記構造物に設置され、構造物内の人物の異常挙動を検知するためのセンサと、前記センサの出力信号を異常挙動判定に必要な信号に加工処理し、この加工処理された信号を異常挙動判定用の閾値と比較して異常挙動判定を行うセンサ判定部と、を備えた構造物の防犯システムにおいて、
所定の大きさの信号源を前記構造物に加えた時の前記センサの出力信号をセンササンプル信号として取り込むサンプル信号収集部と、
前記センサの出力信号における変化の量をセンサ出力信号変化量としたとき、予め登録しておいた比較用の参照値に対する前記センササンプル信号のセンサ出力信号変化量のピーク値の比が大きくなるほど前記閾値を大きくし、前記比が小さくなるほど前記閾値を小さくするような、前記比と予め登録された基準閾値とをパラメータとして用いる所定の計算式によって前記構造物に応じた前記閾値を算出する閾値計算部と、を有することを特徴とする。
（２）もう一つは、上記同様の監視カメラと、画像判定部と、異常挙動検知用のセンサと、センサ判定部とを備えた防犯システムにおいて、
前記構造物の型式及び仕様の少なくとも一つを指定する構造物情報入力部と、
前記型式及び仕様の少なくとも一方に関して複数の型式或いは仕様が登録されており、且つそれらに関連づけて異常挙動検知用の複数の閾値がそれぞれ登録されているデータを有するデータ保存部と、
前記構造物情報入力部で指定された前記型式及び仕様の少なくとも一つに応じて前記閾値を前記データから検索して設定する閾値設定部と、を有することを特徴とする。
（３）本発明の副次的目的を達成するために、次のような構成も提案される。

前記（１）〜（２）の少なくとも一つの防犯システムは、予め構造物を代表する代表構造物に関する正常時の特定の条件で得られる前記センサの出力信号の変化の量を基準のセンサ出力信号変化量として登録しており、且つ正常時の前記代表構造物に関するセンサ出力信号変化量から前記センサ判定部で加工した異常度の頻度分布を基準の正常時異常度頻度分布として登録しており、
前記サンプル信号収集部は、前記構造物の正常時における前記センサの出力信号に関して前記基準のセンサ出力信号と同一条件のものを正常時センササンプル信号として収集し、
前記閾値計算部は、前記基準のセンサ出力信号変化量のピーク値に対する前記正常時センササンプル信号のセンサ出力信号変化量のピーク値の比と、前記基準の正常時異常度頻度分布と、前記センサの異常挙動判定用の前記閾値とから、前記正常時センササンプル信号の正常時異常度頻度分布と前記センサ判定部による異常時挙動判定の誤報率とについても算出し、その誤報率を、ディスプレイを介して表示するように構成されていることを特徴とする。

本発明によれば、それぞれの構造物の特徴に応じたセンサの異常挙動判別用の閾値を少ない作業量で簡易に設定することができる。

また、副次的には、上記主たる効果を奏しつつ、ディスプレイ表示される誤報率を参考にして、誤報率を抑え且つ異常挙動の失報を有意に抑える異常挙動検知用の閾値を設定することができる。

本発明の実施例１における防犯システムをエレベータかごに適用した概略図。実施例１における防犯システムの構成を示すブロック。実施例１におけるセンサ判定部４の動作を示すフロー図。実施例１におけるセンサ５３の出力信号の一例を示すグラフ図。実施例１におけるセンサ判定部４が判定するエレベータかごの異常度の例を示すグラフ図。サンプル信号収集部５にセンサ５３の出力信号を与えるサンプル信号源の例を示す図。サンプル信号源を与えられたときのセンサ５３の出力信号の例を示す図。実施例１における閾値計算部６のフロー図。実施例１における異常度検知用閾値を設定する場合に使用する代表かごにおける異常挙動の異常度頻度分布の一例を示すグラフ図。代表かごとかご５０における異常挙動の異常度頻度分布の一例を示すグラフ図。本発明の実施例２における防犯システムの構成を示すブロック図。実施例２における閾値計算部１６の誤報率の計算の仕方を示すフロー図。実施例２における閾値計算部１６の誤報率を計算する場合に、事前に作成された正常時のセンサ出力信号変化量から求めた異常さを示す尺度（異常度）の頻度分布のグラフ図。本発明の実施例３における防犯システムの構成を示すブロック図。ユーザインタフェース２００の画面の例。かご５０の型式に応じたセンサ判定部４の異常判定の閾値の例を示す図。

以下、本発明の具体的な実施形態について、以下に述べる実施例及び図面を参照しながら説明する。

本発明の実施例１は、本発明の適用対象となる構造物としてエレベータを例示する。図１は、このエレベータのかごに、防犯システムを備えた概略構成図を示す。

図１において、エレベータのかご（構造物）５０の内部には、監視カメラ５１が設置される。かご５０の外壁、例えば天井外壁には、防犯システムの信号処理及び乗客の異常挙動判定を行なう信号処理装置５２が設置されている。また、監視カメラ５１と併用される異常挙動検知用のセンサ５３がかご５０の下部に設置されている。本実施例では、センサ５３として荷重センサを例示するが、後述のように、これに限定されるものではない。符号５６は、かご５０を吊り下げたエレベータ昇降ロープである。

監視カメラ５１は、かご５０の天井或いは内壁に備え付けられ、かご５０内の乗客の動きが捉えられるように設置されている。監視カメラ５１は可視のカメラの他、近赤外のカメラや、Time Of Flight方式のような距離画像カメラであってよい。

本実施例では、センサ５３として例えば渦電流式の荷重センサを使用する。ただし、これに限定されるものではなく、周知の歪ゲージ方式など種々のタイプが適用可能である。

渦電流式の荷重センサを使用する場合には、センサ５３は、高周波磁束発生のセンサコイルによって構成され、このセンサ５３を、かご床５４の支持台５５の下面（センサコイルの高周波磁束によりうず電流を形成する導電板）と隙間を介して対向するよう配置される。かご床５４上の乗客もしくは貨物の荷重による衝撃や振動や、かご５０の壁が叩かれた時に生じる衝撃や振動によって、支持台５５の下面とセンサ５３との距離が変化し、それを支持台５５下面の渦電流値の変化ひいてはセンサ（センサコイル）５３のインピーダンス変化より検知する。センサ５３は、所定の周期で荷重の変化を計測している。この所定の周期は、乗客の動作の周期に対して十分に短く、乗客の動作によってかご床５４に振動が発生した時に、センサ５３の出力信号は変化する。監視カメラ５１が出力する映像、ならびにセンサ５３が出力する信号は、それぞれ信号処理装置５２に入力される。

信号処理装置５２は、監視カメラ５１からの映像信号およびセンサ５３からの出力信号を入力して、エレベータかご内の人物の異常挙動の有無を判定するために必要な信号処理を行う装置であって、任意の計算機を適用できる。なお、図１には、信号処理装置５２が１台の装置から構成される場合を示したが、信号処理装置５２は接続された２つ以上の装置から構成されても良い。また、監視カメラ５１もしくはセンサ５３の内部の処理装置を含めて、信号処理装置５２としても良い。あるいは、情報端末５９を図１に図示しない接続線で信号処理装置５２に接続して、信号処理装置５２の一部としてもよい。情報端末５９とは、キーボード、マウス、タッチパネルのような作業員からの入力操作を受け付ける機能と信号処理の機能とディスプレイなどの表示機能とを有する装置を指す。情報端末５９は、ノート型のパソコンや、タブレット型のパソコンや、ＰＤＡ（パーソナルデジタルアシスタント）や、携帯電話などで実現できる。

図２は、本発明の実施例１における監視カメラ５１及びセンサ５３と、信号処理装置５２の機能構成の一例を示すブロック図である。

図２中の画像判定部２、センサ判定部４、サンプル信号収集部５、閾値計算部６、総合判定部７、発報部８の各機能は、コンピュータプログラムとそれを実行するハードウェアによって構成される。

これらの機能の概要を述べると、画像判定部２はカメラ５１の映像中の所定の指標（例えば映像中の動的要素の所定時間における移動量や移動速度）を画像処理して計測し、その計測値を画像用の閾値（基準値）と比較して、かご５０内に乗客の異常挙動が発生しているか否かの判定を行う。

センサ判定部４は、異常挙動検知用のセンサ５３の出力信号（センサ出力信号）の時系列から、異常挙動判定に必要な信号、例えば変化の度合いを示す指標（加工値：具体例は後述する）を計算（加工処理）し、この指標がセンサの異常挙動判定用の閾値πを越えれば異常挙動有りと判定する。このセンサ５３用の閾値πは、閾値計算部６で算出される。この閾値の計算式については、その一例を後って詳述する。

総合判定部７は、画像判定部２およびセンサ判定部４の異常判定の結果を組み合わせて、最終的にかご５０内における乗客の挙動が異常であるか否かの判定を行う。発報部８は、総合判定部７が異常と判定した時に、警報信号を発生して、かご５０に備え付けた警報装置を介して警報を発生する。

サンプル信号収集部５は、閾値計算部６でセンサ５３用の異常挙動判別用の閾値πを算出する場合に用いるセンササンプル信号を、次のようにして収集する。すなわち、かご５０内で所定の信号源（例えば機械的振動や音）を加えて、その信号源による振動或いは衝撃をセンサ５３で検知して、そのセンサ出力信号をセンササンプル信号として収集する。このようなセンサ出力信号を生じさせる信号源は、図６（a）に示すように、落下によりかご床５４に衝撃を加える錘６０、図６（ｂ）に示すようにかご床５４の面上に置いて床に振動を与える加振器６１、及び作業員の動作の少なくとも一つであればよい。このような信号源は、閾値πを設定するときにのみ用意して使用される。閾値πは、センサ５３を備え付けたエレベータかごを建屋に設置するとき或いは既存のエレベータかごにセンサを設置するとき、或いはセンサを備え付けたかごのメンテナンス時に信号処理装置５２の閾値計算部６により計算される。

かご５０に上記した信号源を加えると、センサ５３がそれを検知する。

閾値計算部６は、上記信号源を利用して得られたセンサ出力信号をセンササンプル信号として取得する。そして、センサ５３の出力信号における変化の量（センサ５３に入力が加わる前の出力信号との差）をセンサ出力信号変化量としたとき、予め用意（登録）された比較用の参照値ωoに対するこのセンササンプル信号のセンサ出力信号変化量のピーク値ωの比α＝ω／ωoを算出し、その比αが大きくなるほど閾値を大きくし、比αが小さくなるほど閾値を小さくするような、前記比と予め登録された基準閾値とをパラメータとして用いる所定の計算式によって、センサ設置対象のかご（構造物）に応じた閾値πを算出する。この計算式としては、本実施例では、この比αを予め用意された基準閾値πoに乗じることで、かごの仕様、構造に応じた異常挙動判定用のセンサ閾値πを算出する。ただし、後述するように上記所定の計算式は、比αと基準閾値とをパラメータとして用いた別の計算式でもよい。

以下、画像判定部２、センサ判定部４、サンプル信号収集部５、閾値計算部６、総合判定部７の各機能の詳細を述べる。

画像判定部２は、所定の周期で、監視カメラ５１の映像を入力し、その映像に信号処理を加えることで映像の動きの異常さの指標を計算し、映像の動きの異常さの指標が異常判定の画像用の閾値を超えれば異常、超えなければ正常と判定する。映像の動きの異常さの指標の計算の方法には、非特許文献１の方法が適用でき、周知であるので、その詳細な説明は省略する。また、映像の動きの異常さの指標の計算の方法は、非特許文献１に記載のものに限らず、他の方法を用いてもよい。画像判定部２は、所定の出力周期で異常判定の結果を出力する。

センサ判定部４は、センサ出力信号に所定の周期で図３のフローを適用してセンサ出力信号からかご５０内の乗客の異常挙動の判定を行う。

すなわち、センサ判定部４は最初に、センサ５３の出力信号を所定の周期で読み込む（Ｓ１）。図４は、Ｓ１で読み込んだセンサ５３の出力信号の例をグラフで示している。図４のグラフの横軸Ｔは時刻、縦軸Ｗはセンサ５３の出力信号（出力信号の信号強度）を示し、Ｔ０までの時刻では出力信号Ｗは、ほぼ一定であるが、時刻Ｔ０以降は大きく変動している。これは図４に示すセンサ５３の出力信号Ｗを計測した時、例えば、かご５０内には２名の乗客が乗車しており、Ｔ０までの間はじっとしているためにかご床５４に伝わる力は前記２名の乗客の体重で一定であるが、Ｔ０以降は殴り合いの異常挙動が発生したために、この異常挙動に伴う乗客の動きが振動となり、かご床５４に伝わる力が時間変化している。このセンサ５３の出力信号における変化の量（センサ５３に入力が加わる前の出力信号との差）をセンサ出力信号変化量ΔＷと呼ぶこととする。尚、このセンサ出力信号変化量ΔＷは、図４における出力信号の波形の極大値や極小値における値に限られず、その途中の時刻の位置においても、その時刻における出力信号Ｗの大きさとセンサ５３に入力が加わる前の出力信号の大きさとの差によって計算される値である。センサ判定部４は次に、Ｓ１のセンサ５３の出力信号の変化量（センサ出力信号変化量）ΔＷから振動の強さを計算し、前記振動の強さをかご５０内の異常さを表す尺度（異常度）として出力する（Ｓ２）。図５のグラフは、図４の出力信号Ｗから計算した異常度の例であり、横軸が時刻Ｔ、縦軸が異常度Ｐを示している。図５の異常度Ｐは、各時刻において図４に示す時間窓τ内のセンサ出力信号変化量ΔＷの統計量である。すなわち、本実施例では、一例として、センサ５３の出力信号の加工値としてセンサ出力信号変化量ΔＷの統計量（異常度）Ｐを用いるが、これに限定されるものではなく、後述するように他の加工値を採用してもよい。この異常度Ｐは、例えば時間窓τ内のセンサ出力信号変化量ΔＷの標準偏差で計算できる。なお、センサ出力信号変化量ΔＷの標準偏差はセンサ５３の出力信号Ｗの標準偏差と同じなので、そちらで計算してもよい。図５において、異常度Ｐは乗客がじっとしているＴ０までの間は０に近い小さな値を取っているが、乗客が異常挙動をしたＴ０以降は０よりも大きな値を取っている。センサ判定部４は、次に、Ｓ２で計算した異常度Ｐと閾値πとを比較し、異常度Ｐが閾値πより大きければ異常（Ｓ４）、そうでなければ正常（Ｓ５）と判定する（Ｓ３）。図５のグラフの例では、異常度Ｐが閾値π以下であるＴ１までは正常、異常度Ｐがπより大きなＴ１以降は異常と判定している。

なお、Ｓ２の異常度Ｐは以上の説明では時間窓τ内のセンサ出力信号変化量ΔＷの標準偏差を使ったが、時間窓τ内におけるセンサ出力信号変化量ΔＷの大きさに比例した他の指標（加工値）を使っても良い。フーリエ変換のスペクトルの強度が一例である。他にも、時間窓τをいくつかの区間に分割し、区間内で標準偏差やスペクトルの強度を計算した後に、その中央値や平均等の統計量を求めて異常度Ｐとしても良い。

サンプル信号収集部５は、既述したように、かご５０においてかご床５４に所定の信号源（模擬挙動：錘、加振器など）による振動を発生させたときのセンサ５３の出力信号を収集する。図６（ａ）は、前記信号源の例として錘６０を所定の高さＬからかご床５４に落とす場合を示している。錘６０の質量は事前に定めた所定の値とする。錘６０の落下は、機械で行っても人手で行っても良い。図６（ｂ）は、前記信号源の例として、加振器６１をかご床５４に置いて加振させた場合である。加振器６１は、所定の周期で対象物に力を加えることで振動を繰り返す装置である。錘６０の落下および加振器６１による振動は、かご床５４および支持台５５を通過してセンサ５３に伝わる。

サンプル信号収集部５が収集したセンサ５３の出力信号の例を図７（ａ）および（ｂ）に示す。図７（ａ）および（ｂ）の横軸は時刻Ｔ、縦軸はセンサ５３の出力信号（出力信号の信号強度）Ｗを示している。図７（ａ）において錘６０を落下させた時の波形７１には、時刻Ｔ２にセンサ出力信号変化量のピーク値ω１が出現している。図７（ｂ）の波形７２は加振器６１を加振させたとき波形であり、時刻Ｔ３以降においてセンサ出力信号変化量のピーク値ω２を有する規則的な振動を継続している。

閾値計算部６は図８のフローによって、サンプル信号収集部５のセンサ５３の出力信号、すなわち上記信号源を利用したセンササンプル信号から、センサ判定部４で使用する異常挙動判定の閾値πを計算する。

閾値計算部６は、最初にサンプル信号収集部５で収集したセンササンプル信号、すなわち信号源（錘６０或いは加振器６１）が与えられたセンサ５３の出力信号から、そのセンサ出力信号変化量のピーク値ωを計算する（Ｓ１０）。このセンサ出力信号変化量のピーク値ωは、センサ５３に与えられる信号源の種類に応じて、適切な方法で計算する。信号源として錘６０を落下させたときは、閾値計算部６は、図７（ａ）の波形７１の時刻Ｔ２のピークにおけるセンサ出力信号変化量のピーク値ω１を計測する。ピークの抽出は、例えば錘６０を落下させた直後の波形７１の変化の最大値で計算できる。信号源として加振器６１を加振させたときは、波形７２の規則的な振動のピークにおけるセンサ出力信号変化量のピーク値ω２を抽出する。波形７２の規則的な振動からセンサ出力信号変化量のピーク値ω２を求めることは、フーリエ変換したときの最大の周波数成分を抽出することで可能である。ただし、この例に限らない。

閾値計算部６は、予めデータ登録してある比較用の参照値ωｏに対するＳ１０において求めたセンサ出力信号変化量のピーク値ωの比αを数１式で計算する（Ｓ１１）。ここで、比較用の参照値ωｏは、代表かご（代表構造物）において、上記信号源をセンサ５３に与える（具体的には、代表かご（代表構造物）内で上記信号源を加えて、その信号源による振動或いは衝撃を代表かごに設けたセンサ５３で検知して、そのセンサ出力信号を代表かごでのセンササンプル信号として収集する）ことによって与えられたセンサ出力信号の変化量のピーク値である。ここで、代表かごとは、かご５０と同様にセンサ５３を備えた所定の寸法と構造を持つかごであって、構造や仕様の異なるかごの中から、任意の１つを基準用として定めたかごである。代表かごは、センサ出力信号変化量のピーク値ωの比較対象となる参照値（基準値）ωｏを予め求めるために使用されるほかに、閾値計算部６が閾値πを計算する時に用いられる基準閾値πｏを求めるために使用される。基準閾値πｏの求め方は、後述する。
[数１]
α＝ω／ωｏ
以下に述べるように、信号源を利用したセンサ出力信号変化量のピーク値（かご５０と代表かごのセンサ出力信号変化量のピーク値）の比αは、かご５０と代表かごのかご床５４に同じ力Ｆを加えた時の、センサ出力信号変化量ΔＷの比にあたることを説明する。まず、かご５０内のかご床５４に大きさＦの何らかの力が加わった時、センサ出力信号変化量ΔＷに対して、ＦとΔＷの間を数２式のバネのモデルで扱う。
[数２]
ΔＷ＝κ´Ｆ
数２式におけるκ´はかご５０のバネ定数κの逆数（1/κ）である。数２式のバネのモデルを適用した理由は、乗客の動作により発生した振動の力がかご５０内のかご床５４および支持台５５に伝わると、センサ（ここでは、渦電流式荷重センサ）５３と支持台５５との間の隙間が変化する現象が、バネの上に錘を載せて揺らす現象と同じ構成をもつからである。代表かごでも同様に、数３式のバネのモデルを立てる。数３式において、κ´ｏは代表かごのバネ定数κｏの逆数（１/κｏ）である。
[数３]
ΔＷ＝κ´ｏＦ
ここで、上記した信号源（錘６０、加振器６１など）によりセンサ５３に与えられる力の大きさの最大値をＦｓとすると、信号源の力の大きさはかご５０でも代表かごでも同じＦｓである。そして、このときにセンサ出力信号変化量はピーク値となる。よって、かご５０ならびに代表かごにおいて信号源から与えられる力の最大値Ｆｓによるセンサ出力信号変化量のピーク値ωならびにωｏとＦｓの間には、数４式ならびに数５式が成立する。
[数４]
ω＝κ´Ｆｓ
[数５]
ωｏ＝κ´ｏＦｓ
数４式から数５式を除算することによって、数１式の比αと、バネ定数の逆数κ´ならびにκ´ｏの間に数６式の関係が成立することがわかる。
[数６]
α＝ω／ωｏ＝κ´／κ´ｏ
ここで、数２式において力Ｆを一定とすると、センサ出力信号変化量ΔＷはバネ定数の逆数κ´に比例する。すなわち、かご床５４に加える力Ｆが一定のとき、バネ定数の逆数κ´が大きいほどΔＷは大きくなる。よって比αは、かご床５４に一定の大きさの力Ｆを加えた時の、かご５０の代表かごに対するセンサ出力信号変化量ΔＷの比である。

次に、閾値計算部６は、Ｓ１１で求めた比αと、代表かごによって予め求めておいたセンサ判定部４用の基準閾値πｏから、かご５０の閾値πを計算する（Ｓ１２）。Ｓ１２では、閾値πの計算において、かご５０の異常度Ｐが数７式に従うことを前提とする。また、基準閾値πｏも代表かごの異常度Ｐｏが数８式に従うことを前提とする。
[数７]
Ｐ＝βκ´Ｆａ
[数８]
Ｐｏ＝βκ´ｏＦａ
数７式，数８式において、βは比例係数であって、Ｆａは異常挙動する乗客の動きがかご床５４に及ぼす力の代表値である。数７式，数８式が成立することは、次の２つの前提条件に基づく。１つ目の前提条件は力Ｆａが数２式に従うことである。この前提条件は、かご５０内における乗客の動きによる振動の力が、上記した信号源（錘、加振器）の力と同じくかご床５４および支持台５５を通じてセンサ５３に伝わることに基づく。２つ目の前提条件は、センサ出力信号変化量ΔＷに、異常度Ｐ，Ｐｏが比例することである。この前提条件は、センサ判定部４の説明で述べた通り、異常度Ｐ，Ｐｏが標準偏差等のセンサ出力信号変化量ΔＷの統計量であるために満たされる。以上２つの前提条件が満たされることによって、異常行動が発生したときのかご床５４に加わる力Ｆａとセンサ出力信号変化量ΔＷの間には数２式の関係が成り立ち、異常度Ｐ，ＰｏがこのΔＷに比例することで数７式，数８式が満たされる。

Ｓ１２では、振動源を利用したセンサ出力変化量のピーク値ω（かご５０におけるセンサ出力変動量のピーク値）と参照値であるセンサ出力変化量のピーク値ωo（代表かごにおけるセンサ出力変化量のピーク値）の比α及び基準閾値πoを利用して、かご５０における異常挙動判定用の閾値πを計算しているが、この比αは、数７式のかご５０の異常度Ｐを代表かごの数８式の異常度Ｐｏで除算した値とも一致する（数９式参照）。
[数９]
Ｐ／Ｐｏ＝κ´／κ´ｏ＝α
ここで、代表かごにおける基準閾値πｏの求め方について図９のグラフを使って説明する。また、この基準閾値πｏに上記の比αを乗じてかご５０における閾値πが求まることも図１０のグラフを使って説明する。

図９は代表かごに乗客のとり得る種々の異常挙動を与えて、それにより得られるセンサ５３のセンサ出力信号変化量から求めた異常度（統計量）Ｐｏを収集し、その異常度Ｐｏの大きさの頻度分布８１を示すグラフ（異常度頻度分布のグラフ）である。このグラフの横軸は異常度Ｐｏ、縦軸は頻度Ｈである。異常度Ｐｏは、既に説明したように代表かごにおけるセンサ出力信号変化量の統計量で求められ、センサ判定部４が図５に示すような異常度を計算することによって得られる。異常度の頻度分布において、異常度が小さくなるにつれて異常挙動を見逃す（以下、これを「失報」と称することもある）可能性が高くなる。図９において、異常度頻度分布８１の任意の異常度に異常挙動判別用の基準閾値πｏを設定した場合には、異常度頻度分布８１における基準閾値πｏより小さくなる領域８２が失報の生じる領域となり、この領域８２の面積が、頻度分布８１全体からみて失報率に相当することになる。失報率を零にするために基準閾値πｏを過度に小さくすると、正常な挙動を誤って異常と誤報する度合いが高くなるので、誤報率および失報率の双方を配慮して基準閾値πｏを定めておく。換言すれば失報率が目標値以下となるように基準閾値πｏを定めておく。誤報率については推定して、失報率が目標値以下となるように基準閾値πｏを設定してもよいが、後述する実施例２でも述べるように、閾値としてπｏひいてはπを設定した場合、誤報率がどのくらいになるか計算により表示して閾値設定者に理解できるようにしてもよい。

このようにして異常度頻度分布８１から求められた基準閾値πｏは、代表かごであるか否かを問わず、実機のかご５０の信号処理装置５２のデータベースに数１０式の閾値計算式と共に予め登録されている。
[数１０]
π＝απｏ
かご５０におけるセンサ判定部４は、上記した比αが求められると、比αと基準閾値πｏを用いて、数１０式の閾値計算式によりかご５０における閾値πを計算する。これをグラフで表せば図１０のようになる。

図１０のグラフの縦軸と横軸は、図９と同じである。図１０において、符号８１は、図９と同様の代表かごにおける異常度（センサ判定部４の説明で述べたセンサ出力信号変化量の統計量）の頻度分布グラフであり、符号９１がかご５０の異常度頻度分布グラフである。異常度頻度分布９１は、代表かごにおける異常度頻度分布８１に数９式の比α（数１式で求められる）を乗じることで異常度頻度分布８１の位置からα倍だけ移動することになる。すなわち、かご５０は代表かごと構造および仕様が異なり、それゆえ数２式のバネ定数が異なるために、その分、異常度頻度分布８１および９１も互いにずれることになる。したがって、異常度頻度分布９１における閾値πも基準閾値πｏからシフトすることになる。閾値πの設定により、閾値π未満での失報率（符号９２で示す）は、代表かごの失報率（符号８２で示す）とほぼ同等になる。

なお、比αが正確に計算できない場合には、マージンを与えた計算式としてもよい。数１１式は、数１０式の右辺にマージン係数ηを乗じて、閾値πを計算した場合である。マージン係数ηは０〜１の間の数である。
[数１１]
π＝ηαπｏ
例えば、比αが最大で真値より２０％ばらつくと想定される時、数１０式の右辺にマージン係数ηを０．８３＝（１００／１２０）を乗じておけば、比αが真値よりも２０％大きくなってしまったときでも相殺されて、閾値πが誤って過剰に大きくなることを抑止できる。閾値πが過剰に大きくなることを抑止できれば、失報率（符号９２で示す領域）が過剰に大きくなることを抑止できる。なお、以上の閾値πへのマージンの与え方はあくまで一例であり、他の方法で閾値πを小さく修正してもよい。例えば、比αが１より大きいときには、比αの平方根を取り、比αが１よりも小さいときは２乗するように変換すれば、閾値πは数１０で計算した時よりも小さくなる。このように、比αが１より大きいときと小さいときとで閾値計算式を変えるようにしてもよい。

総合判定部７は、画像判定部２とセンサ判定部４の異常判定の結果から、総合的に異常判定を行う。総合判定部７の最も単純な判定方法では、画像判定部２のセンサ判定部４の両者の論理積を取る。すなわち、画像判定部２のセンサ判定部４の両方が異常と判定した時には異常、どちらか一方もしくは正常と判定する。他にも、一定の時間の範囲内でセンサ判定部４が一度でも異常と判定してから所定時間後までは異常を継続するように加工してから、論理積を取っても良い。

発報部８は、総合判定部７が異常と判定した後に発報する。図１に図示しないかご５０内のスピーカにより異常挙動している乗客に注意を促す方法や、エレベータを最も近い階に停止させてドアを開けて異常挙動で被害を受けた乗客が逃げられるようにする方法や、図１に図示しない映像記録装置にカメラ５１の映像を記録して異常挙動の証拠を残す方法や、前記の映像を図１に図示しない通信路を経由して外部の監視員に伝送する方法が一例であるが、これに限らない。

本発明の実施例１では以上述べた構成によって、代表かごと異なる寸法や構造のかご５０においても、異常挙動に対するセンサ５３の出力信号のサンプルを多数収集することを必要とせずに、サンプル信号収集部５で収集した錘６０の落下や加振器６１の加振等の信号源のセンサ５３の出力信号（センササンプル信号）を少なくとも一つ収集するだけで、異常挙動に対する失報率が代表かごとほぼ同等になるようにかご５０のセンサ５３用の異常挙動判定の閾値を設定して、カメラ５１とセンサ５３を用いた異常挙動検知を実現できる。

以上の実施例１の閾値計算部６の説明では、閾値πの計算に数１０式を用いるため、その計算式と基準閾値πｏが予めデータベースなどに登録されている。また、数１０式の閾値計算式の背景には、図９および図１０に示すような異常度頻度分布（８１，９１）と失報率（８２，９２）の考え方を利用しているが、考え方としては、異常度頻度分布以外の他の方法で置き換えて基準閾値πｏを計算してもよい。例えば、異常挙動の異常度Ｐｏの代表値から所定のマージン係数を乗じる計算法で基準閾値πｏを計算してもよい。異常度Ｐｏの代表値は、例えば異常度の平均や中央値などの異常度の統計量で計算できる。この例では、異常度の代表値は、数９式に従い代表かごとかご５０との間で比αに応じて変化するので、異常挙動の異常度の平均値に所定のマージン係数を掛ける計算法を適用したときのかご５０における閾値πは代表かごの閾値πｏのα倍となって、数１０式を用いて計算することができる。

図１１に本発明の実施例２の機能構成を示す。図１１の実施例においても、図２の実施例同様に、監視カメラ５１、異常挙動検知用のセンサ５３、画像判定部２、センサ判定部４、総合判定部７及び発報部８を備え、これらの各機能は実施例１と同じである。また、閾値計算部１６と接続された表示部１７を有してもよい。サンプル信号収集部１５と閾値計算部１６は信号処理装置５２（図１参照）、ディスプレイ１７は情報端末５９（図１参照）で実現される。

サンプル信号収集部１５と閾値計算部１６は、実施例１のサンプル信号収集部５及び閾値計算部６で述べた機能のほかに、次のような機能を有する。

すなわち、サンプル信号収集部１５は、実施例１のサンプル信号収集部５で行う閾値計算用（比α計算用）のセンササンプル信号の収集、すなわち信号源（錘６０、加振器６１など）からの力を受けた時のセンサ５３の出力信号の収集に加えて、上記閾値計算用の信号源（錘６０、加振器６１など）とは異なる正常時の特定条件（例えば無人のかごの昇降動作）で得られるセンサ５３の出力信号を正常時センササンプル信号として収集する。

閾値計算部１６が信号源（錘６０、加振器６１など）のセンササンプル信号を利用して異常挙動判定用の閾値πを計算する点については、既に実施例１の同様の閾値計算部６で説明したので説明を省略する。閾値計算部１６は、閾値πの計算に加えて、上記した正常時センササンプル信号を利用して正常時の誤報率を計算する。あるいは、正常時の誤報率が極力小さくなるように、センサ判定部４および画像判定部２の少なくとも一つの異常挙動判定用の閾値を計算する。ここで、正常時の特定条件としては、無人時のかご５０の昇降動作によって生じる振動が代表的にあげられる。サンプル信号収集部１５は、このような正常時の昇降動作の振動によって生じるセンサ５３の出力信号を正常時センササンプル信号として収集する。無人時のかごの昇降動作時をセンサ信号収集条件としたのは、以下の理由による。正常時は乗客がかご５０に乗っていない無人時と、１人以上の乗客が乗っている有人時に大別できる。無人時では、昇降時にかご５０が揺れることでセンサ５３に伝わる振動が、センサ出力信号変化量のほぼ全てである。有人時では、昇降時のかご５０の揺れに加えて、乗客の動きによる振動がかご床５４や支持台５５を通じてセンサ５３に伝わるが、正常時の乗客の動きは小さいので、昇降時のかご５０の揺れが支配的である。以上より、正常時は有人時と無人時の両方で、昇降時のかご５０の揺れが支配的である。そして、正常時の信号源を無人時としたのは、正常時の中で頻度が高い代表ケースとして選択したためである。

以下、誤報率の計算および誤報率を極力小さくするための機能の詳細について説明する。

閾値計算部１６は、図１２のフローで誤報率を計算する。まず、サンプル信号収集部１５で正常時の特定条件（例えば無人時のかご５０の昇降時のセンサ５３の出力信号）を収集し、その収集データに基づいて、図８のＳ１０と同様の手順でセンサ出力信号（正常時センササンプル信号）の変化量のピーク値ρを計算する（Ｓ２０）。なお、正常時センササンプル信号については、代表かごにおいても、かご５０と同様の手順で事前に収集しておく。そして、予めデータベースに登録されている代表かご（代表構造物）の正常時センササンプル信号（すなわち、基準の正常時センササンプル信号）の変化量のピーク値ρｏに対するかご５０（構造物）での正常時センササンプル信号の変化量のピーク値ρを、数１２式のように比γとして計算する（Ｓ２１）。
[数１２]
γ＝ρ／ρｏ
次に、かご５０の正常時の異常度の頻度分布（正常時異常度頻度分布）と比γから誤報率を計算する（Ｓ２２）。ここで、「正常時の異常度」とは、正常時のかごの振動の強さ（本実施例では、センサ５３の出力信号の変化量）を、その統計量を計算することで既述した異常さを表す尺度（異常度）に加工して示したものであり、それは異常挙動を意味するものではない。この正常時の異常度の頻度分布、すなわち正常時異常度頻度分布のデータは、正常時の昇降動作時のセンサ出力信号変化量を収集して作成されるものであり、代表かごのもの（図１３の符号１８１で示すもの）が予め基準の正常時異常度頻度分布としてデータベースに格納されている。図１３には、代表かごの正常時の異常度の頻度分布（正常時異常度頻度分布）１８１と、かご５０の正常時の異常度の頻度分布１９１とが示されている。かご５０の頻度分布１９１は、予め登録されている代表かごの頻度分布１８１に上記した比γ（γは数１２式或いは数１３式のものが使用される）を乗じることで図１３のグラフで示す位置にシフトする。

かご５０の昇降に伴うかご５０の振動の力が、かご５０の筐体を通じて支持台５５にまで伝わりセンサ５３の出力信号の変化量として現れる。このような過程を正常時のバネのモデルとしてとらえると、数１２式のγは、かご５０と代表かごとの間の正常時のバネのモデルにおけるバネ定数の比と考えられる。また、数７式と数８式と同様に、正常時におけるかご５０ならびに代表かごの正常時の異常度ＰならびにＰｏが、それぞれかご５０ならびに代表かごの正常時のバネ定数に比例するととらえることができる。したがって、正常時におけるかご５０ならびに代表かごの正常時の異常度ＰならびにＰｏの間に、数１３式が成り立つとする。
[数１３]
Ｐ／Ｐｏ＝γ
図１３を用いて、Ｓ２２で誤報の生じる領域１９２を求める処理について説明する。図１３において、正常時のあらゆるケースでの異常度が数１３式に従うことと、予め代表かごの正常時の異常度の頻度分布１８１が予め登録されていることから、かご５０の正常時の異常度の頻度分布（正常時異常度頻度分布）１９１は頻度分布（基準の正常時量異常度頻度分布）１８１を比γ倍することで計算できる。異常度頻度分布１９１のうち、センサ判定部４の既述した異常挙動判定用の閾値πがこの正常時の異常度頻度分布１９１の或る点にかかるときに、πを超過する領域１９２の正常時異常度を誤って異常挙動が生じている異常度と判定してしまい、いわゆる誤報が発生する領域１９２となる。異常度頻度分布１９１全体の面積に対する領域１９２の占める割合が誤報率となる。

表示部１７は、閾値計算部１６が計算した誤報率１９２を表示する。誤報率１９２の表示を見れば、作業員はかご５０におけるセンサ判定部４の性能を測ることが可能となる。例えば、誤報率１９２が頻度分布１９１の１００％に近い場合には、画像判定部２にセンサ判定部４ならびに総合判定部７を加えても、画像判定部２の単体からの性能向上を期待できない。よって誤報率１９２は、かご５０において本発明のセンサ５３を加えた異常判定の実施の是否を判断する材料となる。

表示部１７は他にも、画像判定部２と総合判定部７の誤報率を上記同様の手法を用いて表示してもよい。すなわち、代表かごに関する正常時の特定の条件で得られる監視カメラ５１の映像における特定の指標（判定指標：例えば画像の動的要素の移動の度合い）を基準の正常時カメラ出力信号として予め登録しておく。且つ代表かごに関する正常時カメラ出力信号（前記監視カメラの映像中における前記特定指標）の統計量を計算することでカメラ異常度を算出し、基準の正常時カメラ異常度頻度分布を、異常さを示す尺度（異常度）上で作成し（すなわち画像による基準の正常時カメラ異常度頻度分布を作成し）予め登録しておく。サンプル信号収集部１５は、かご５０の正常時における監視カメラ５１の出力信号に関して前記基準のカメラ出力信号と同一条件のものを正常時カメラサンプル信号として収集する。基準の正常時カメラ異常度頻度分布に比γ´（γ´は、基準の正常時カメラ出力信号（代表かごにおける特定指標）に対する正常時カメラサンプル信号（かご５０における特定指標）の比）を乗じることで、かご５０に関する正常時の画像の異常度頻度分布（正常時カメラ異常度頻度分布）が得られる。この正常時の画像の異常度頻度分布に、画像における異常挙動判定用の閾値がかかるときには、閾値を超えた領域が画像判定部２の誤報率となる。

ここで、かご５０のセンサ判定部４の誤報率１９２をＥｗ、画像判定部２の誤報率をＥｉとし、総合判定部７の判定をセンサ判定部４の異常判定と画像判定部２の異常判定の論理積とし、センサ判定部４と画像判定２の誤報率が独立して算出されるものとすると、総合判定部７の誤報率Ｅｃは数１４式で計算できる。
[数１４]
Ｅｃ＝Ｅｉ×Ｅｗ
誤報率Ｅｃ、Ｅｉを見れば、従来の画像判定部２の単体の誤報率Ｅｉから、センサ判定部４ならびに総合判定部７を加えた時の誤報率Ｅｃの改善の程度を容易に測ること可能となる。

閾値計算部１６では、次の処理によって、画像判定部２の閾値を定めてもよい。かご５０のセンサ判定部４の失報率９２をＭｗとし、画像判定部２の失報率をＭｉとし、総合判定部７の判定をセンサ判定部４の異常判定と画像判定部２の異常判定の論理積とし、センサ判定部４と画像判定２の失報率が独立して算出されるとすると、総合判定部７の失報率Ｍｃは数１５式で計算できる。
[数１５]
Ｍｃ＝Ｍｉ＋Ｍｗ
閾値計算部１６は、また、画像判定部２の異常判定の閾値を幾通りか変えた時の画像判定部２の誤報率ならびに失報率を（Ｅｉ_１，Ｍｉ_１），（Ｅｉ_２，Ｍｉ_２）等のように計算し、同様にセンサ判定部４の異常判定の閾値を幾通りか変えたときのセンサ判定部４の誤報率ならびに失報率を（Ｅｗ_１，Ｍｗ_１），（Ｅｗ_２，Ｍｗ_２）等のように求めておき、総合判定部７の誤報率Ｅｃならびに失報率Ｍｃの評価が最も良くなる画像判定部２ならびにセンサ判定部４の異常判定の閾値の組合せを選択してもよい。誤報率Ｅｃならびに失報率Ｍｃの評価には、失報率Ｍｃを目標値以下にしながら、誤報率Ｅｃを最小にすることが考えられるが、これに限らない。閾値計算部１６は以上の過程で求めた画像判定部２ならびにセンサ判定部４の異常判定の閾値を、それぞれ画像判定部２ならびにセンサ判定部４に設定する。

図１４に本発明の実施例３の機能構成を示す。図１４においても、図２の実施例同様に、監視カメラ５１、異常挙動検知用のセンサ５３、画像判定部２、センサ判定部４、総合判定部７及び発報部８を備え、これらの各機能は実施例１と同じである。本実施例では、実施例１および２で述べたサンプル信号収集部（５、１５）やセンサ判定部４用の閾値計算部（６、１６）に代わり構造物情報入力部（換言すればセンサの設置対象に関する情報入力部）１、及びセンサ判定部４用の閾値設定部２６を備える。

まず、本実施例の概要を述べると、構造物情報入力部１は、センサ５３の設置対象となるべき構造物（本実施例では、かご５０）に関する情報を入力するためのものであり、作業員は、構造物情報入力部１を介してかご５０の仕様や構造的特徴（例えば型式）に関する情報を信号処理装置５２に入力する。そして、信号処理装置５２における閾値設定部２６は、入力部１からの構造物情報を受け取り、受け取った情報に応じてセンサ判定部４における判定用の閾値（異常挙動判定用の閾値）を検索或いは算出し設定する。この閾値設定には、データ保存部（例えば、データベース、以下、「閾値ＤＢ」と称する）３に予め登録されている閾値データを使用する。閾値データについては、図１６を用いて後述する。

まず、図１５を用いて、構造物情報入力部１について説明する。図１５には、入力部１を構成するユーザインタフェース２００の画面を示している。

ユーザインタフェース２００は、かご５０の型式を入力する入力部２０１、防振ゴムの数を入力する入力部２１１、防振ゴムの型式を入力する入力部２１２を備え、これらの入力部として、テキストボックスを例示している。これらの入力部は、少なくとも一つを備えるようにしてもよい。

また、入力部２０１、２１１、２１２は、上記したテキストボックスに代えてプルダウンメニューやラジオボタンの様な他のグラフィカルユーザインタフェースのコンポーネントを用いても良い。

作業員が入力部２０１にかご５０の型式を入力すると、閾値設定部２６は、入力部１からの型式情報を受け取り、かつ閾値ＤＢ３から図１６に示すような型式−閾値データのテーブル（データ）２５０を読み込んで、かご５０の型式に応じたセンサ判定部４用の閾値を型式−閾値データのテーブル２５０から検索（選択）し、これをセンサ判定部４に出力する。

図１６のテーブル２５０は型式−閾値データのテーブルの一例を示すものであり、種々の型式に対応させてそれに適した閾値を登録している。例えば、型式１にはπ１、型式２にはπ２、型式３、４、５にはπ３を対応させている。

このようなテーブル２５０は、例えば、実施例１で求めた代表かごの基準閾値πｏに対して各型式の典型かごについて実施例１で述べたような手法（例えば数６式、数１０式、数１１式）を用いて閾値πを求めておき、これらの閾値を型式と関連づけて表にまとめることで作成される。そして、このようなテーブル２５０を予め閾値ＤＢ３に登録しておく。本実施例のコンセプトは、同じ型式のかご５０は構造が似ているために、かご５０のそれぞれの設置場所のばらつきは小さいと考えられるので、センサ判定部４の判定用閾値を型式により共通化してもよいという考えに基づくものである。また、テーブル２５０中の閾値に、設置場所のばらつきを考慮したマージンを数１１式のように加味してもよい。また、テーブル２５０の例で、型式３、４、５に対してπ３を出力するように、構造が似通った型式では、センサ判定部４の異常判定の閾値を共通化してもよい。テーブル２５０として、型式に対応させるのではなく、仕様（例えば防振ゴムの数および防振ゴムの型式）と対応させても良い。防振ゴムの数および防振ゴムの型式が近ければ、閾値πも近いものとなる場合があるからである。あるいは、実際に設定する閾値πを、最適値よりも小さな値の閾値で代替してもよい。このように最適値よりも小さな値の閾値を設定することは、図１０において閾値πが左に移動することに相当するので、失報率９２が目標値よりも大きく悪化することは無い。

本実施例の上記説明では、かご５０の型式をユーザインタフェース２００に入力することで、それに対応したセンサ判定部４用の閾値πを閾値設定部２６でテーブル２５０（図１６）に基づいて自動的に設定する例を説明したが、それに代わって次のような計算手法を用いた閾値πの設定機能も備えている。

例えば、作業員が入力部２１１もしくは入力部２１２に構造物情報の仕様として防振ゴムの数および防振ゴムの型式を入力すると、閾値設定部２６がこれらの構造物情報の仕様に応じた閾値πを所定の計算方法により算出する。この計算方法の一例として、まず、事前に仕様に関連するパラメータとして、代表かごの防振ゴムの数、防振ゴムの型式、及びそれらによって決まるばね定数或いはその逆数κ´ｏ、さらに、そのパラメータを用いた閾値を求めるための計算式について登録しておく。さらに、かご５０について入力部２１１もしくは入力部２１２を介して入力された防振ゴムの数および防振ゴムの型式が、上記した代表かごのものと変わった時に、その代わった防振ゴムの増減数及び/又はかごの型式と、代表かごのκ´ｏとを利用してかご５０に応じたκ´が変化するモデルを構築しておく。例えば、入力された防振ゴムの数が代表かごよりも増えた時には、かご床５４に同じ力Ｆが加わった時の力が防振ゴムの数に応じて分散される分だけ、センサ出力信号変化量ΔＷが小さくなることを考慮して、κ´が小さくなるように補正する。具体的にκ´を補正する方法は例えば、防振ゴムの影響が支配的と置いて、防振ゴムの増減数ｎに反比例してκ´を小さく補正する方法があるが（数１６式）、これに限らない。数１６式において、ｎｏは、代表かごの防振ゴムの個数である。
[数１６]
κ´＝(ｎｏ／ｎ) κ´ｏ
例えば、他の例として、型式により防振ゴムのバネ係数ｈが変わり、かご５０が代表かごよりも硬質なゴムを適用した時にも同様に、かご床５４に同じ力Ｆが加わった時のセンサ出力信号変化量ΔＷが小さくなることを考慮して、κ´を小さく補正する（数１７式）。数１７式において、ｈｏは、代表かごの防振ゴムのバネ係数である。
[数１７]
κ´＝(ｈｏ／ｈ) κ´ｏ
入力部２１１もしくは入力部２１２の両方に入力があったときは、両者の影響を相乗させる。したがって、数６式から、次の数１８式が導かれ、比αを計算することができ、数１０式を用いて閾値πが計算できる。
[数１８]
α＝κ´／κ´ｏ＝(ｎｏ／ｎ)×(ｈｏ／ｈ)
尚、ユーザインタフェース２００に、入力部２１１、入力部２１２の防振ゴムの条件以外にも、かご５０の外枠の数や材質のような他の構造物の条件の入力部を設け、数１１式における他の構造物の条件から、マージン係数ηを決め、閾値πを計算してもよい。ただし、ここでは数１１式のマージン係数ηの値の範囲０〜１に限らず、前記マージン係数ηに相当した係数は０以上の任意の値をとってよい。

なお、例えば型式１と防振ゴムの数だけが異なる型式に対しては、型式１を代表かごとみなし、ｎｏとπｏを型式１の防振ゴムの数ｎ１と閾値π１に置き換えて閾値πを計算しても良い。

さらにカメラ映像の画像判定部２に用いる閾値についても、センサ判定部４の閾値同様に、予めエレベータかごの構造物の型式や仕様と関連づけて型式や仕様ごとに適したものを登録し、構造物情報入力部１が型式や仕様を入力すると、カメラ用の閾値設定部２７にそれに応じた画像判定部２用の閾値を選択して設定するようにしてもよい。

以上述べた実施例３において、構造物情報入力部１はユーザインタフェースを用いる以外にも、構造物情報入力部１が有する記憶部にかご５０の仕様や構造的特徴の情報（型式など）を保持しておき、構造物情報入力部１に対してその情報が求められたときにその情報を返すような処理装置で実現してもよい。例えば、かご５０の設置工事の段階で処理装置５２にかご５０の仕様や構造的特徴の情報を構造物情報入力部１が有する記憶部に記録しておき、閾値設定部２６がセンサ判定部４の閾値を求めるときに、構造物情報入力部１がかご５０の仕様や構造的特徴の情報（型式など）の記録データを閾値設定部２６に入力する構成を取れば、構造物情報入力部１をユーザインタフェースとしたときと同等の機能を実現できる。

以上の実施例１から３の説明では、センサ５３が一つの場合を述べたが、センサ５３は２つ以上の複数であってもよい。個々のセンサ５３について各実施例と同じ方法でセンサ判定部４の異常判定の閾値を計算すれば、センサ５３は２つ以上の複数であってもよい。

以上の実施例１から３の説明では、サンプル信号収集部５における信号源のセンサ出力信号変化量をセンサ５３で直接に計測したが、他のセンサを使って計測した計測値で代替しても良い。これは例えば、事前に取得しておいた錘６０の落下や加振器６１の加振等の信号源が発生した時のセンサ出力信号変化量と前記代替センサの信号の変化量の対応関係を使って、前記サンプル信号収集部５における信号源に対する代替センサの出力信号の変化量を、センサ出力信号変化量に換算することで実現できる。前記代替センサの一例には、錘６０に振動計を取り付けて、錘６０がかご床５４に落下したときの変化量を前記振動計で読みとる方法がある。なお、代替センサの変化量は、代替センサを処理装置５２もしくは情報端末５９に接続するか、代替センサのデータを媒体に記録した後に処理装置５２に出力するか、代替センサの計測値を作業員が読み取って情報端末５９に入力することで処理装置５２中の各機能で使えるようになるが、この例に限らない。

以上の実施例１から３の説明では、サンプル信号収集部５における信号源に錘６０の落下もしくは加振器６１の加振を使ったが、より簡易に作業員の動作で代替しても良い。錘６０の落下の代替は例えば、作業員が所定の高さの台から飛び降りることによる台の高さ分の落下、あるいは爪先立ちから踵で着地することで足の裏の長さ分の落下で実現できる。加振器６１の加振の代替は、例えば作業員が屈伸等の動作をすることで実現できる。作業員毎に動作のばらつきの影響が考えられるが、このばらつきの対応には、数１１式ようにマージン係数ηを前記作業員毎に動作のばらつきに応じて設定して比αに乗じることで、かご５０でのセンサ判定部４の異常判定の閾値πを小さく補正しても良い。閾値πを小さく補正することは、図１０において閾値πを左側にずらすことに相当し、失報率９２を減少させることは有っても増加させることは無い。また、荷重センサであるセンサ５３の出力信号から作業員の体重を計測して、前記作業員毎に動作のばらつきの影響を抑えてもよい。

以上の実施例１から３の説明では、センサ５３を荷重センサとしたが、センサ５３は荷重センサ以外にもかご５０内の振動センサを適用できる。例えば、ロープ５６の張力を計測するセンサ、ロープ端の加速度を計測するセンサでセンサ５３は代替できる。荷重センサ以外の振動センサのセンサ５３に適用した場合、荷重センサをセンサ５３としたときに異常挙動ならびにサンプル信号収集部５の信号源の及ぼす力がかご床５４および支持台５５を伝わり数２式のセンサ出力信号変化量ΔＷとして表れるのと同様に、前記荷重センサ以外の振動センサにおいて異常挙動ならびにサンプル信号収集部５の信号源が及ぼす力が所定の経路で伝わりセンサ出力信号変化量に表れる過程が数２式と同等のモデルで表すことができれば、実施例１から３の各機能で同様に扱える。ただし、荷重センサ以外の振動センサのセンサ５３では、前記所定の経路でセンサ５３の出力信号の変化に表れる過程に応じて、適切にサンプル信号収集部５の信号源を選択する必要がある。

荷重センサをセンサ５３として、異常挙動ならびにサンプル信号収集部５の信号源による振動がかご床５４と支持台５５以外の経路でセンサ５３に伝わる場合も、以上述べたセンサ５３を荷重センサ以外とした場合と同等に扱える。例えば、壁を殴って壊す異常挙動が集中的に発生するエレベータにおいて、壁を殴る振動を荷重センサによるセンサ５３で検知する場合が相当する。また、荷重センサをセンサ５３として、数２式以外でかご床５４に加わった力でセンサ５３の出力信号の変化量をモデル化する場合も、以上述べたセンサ５３を荷重センサ以外とした場合と同等に扱える。例えば、数２式に減衰項を加える場合が相当する。以上述べた、荷重センサをセンサ５３とするときに、異常挙動ならびにサンプル信号収集部５の信号源による振動がかご床５４と支持台５５以外の経路でセンサ５３に伝わる場合と、数２式以外でかご床５４に力が加わった時のセンサ出力信号変化量をモデル化する場合は、複合しても良い。

センサ５３としては、例えば数１０式や数１１式などのように比αと基準閾値πｏとをパラメータとした任意の計算式で閾値を換算できるものであれば、任意のセンサであってもよい。計算式を求める際には、例えば数２式のように異常挙動や信号源からの影響が所定の経路でセンサ５３に伝わる過程をモデル化する。例えば、音響センサをセンサ５３としたときは、音量一定のスピーカをサンプル信号収集部５の信号源として、異常挙動ならびに前記信号源の発生する音がかご５０内で拡散してセンサ５３に伝わる過程を、音の拡散に関わるパラメータを用いてモデル化すればよい。

本発明の防犯システム（異常挙動検知システム）は、実施例中で述べたエレベータ内の構造物に限定することなく、その他の構造物であっても画像認識とセンサを使った監視システムであれば、広く適用することができる。

１：構造物情報入力部、２：画像判定部、３：閾値データベース、４：センサ判定部、５：サンプル信号収集部、６：閾値計算部、７：総合判定部、８：発報部、５１：監視カメラ、５３：センサ。

Claims

監視対象となる構造物に設置され、構造物内の人物を撮影する監視カメラと、
前記監視カメラで撮影された人物を画像認識して人物の異常挙動を判定する画像判定部と、
前記構造物に設置され、構造物内の人物の異常挙動を検知するためのセンサと、
前記センサの出力信号を異常挙動判定に必要な信号に加工処理し、この加工処理された信号を異常挙動判定用の閾値と比較して異常挙動判定を行うセンサ判定部と、を備えた構造物の防犯システムにおいて、
所定の大きさの信号源を前記構造物に加えた時の前記センサの出力信号をセンササンプル信号として取り込むサンプル信号収集部と、
前記センサの出力信号における変化の量をセンサ出力信号変化量としたとき、予め登録しておいた比較用の参照値に対する前記センササンプル信号のセンサ出力信号変化量のピーク値の比が大きくなるほど前記閾値を大きくし、前記比が小さくなるほど前記閾値を小さくするような、前記比と予め登録された基準閾値とをパラメータとして用いる所定の計算式によって前記構造物に応じた前記閾値を算出する閾値計算部と、を有することを特徴とする構造物の防犯システム。
請求項１において、
前記センサが前記構造物の下部に設置された荷重センサであり、
前記信号源が、落下により前記構造物の床に衝撃を加える錘、前記床の面上に置いて前記床に振動を与える加振器、及び作業員の動作のうち少なくとも一つであることを特徴とする構造物の防犯システム。
請求項１または２において、
前記比較用の参照値は前記所定の大きさの信号源を代表構造物に加えた時のセンサ出力信号変化量のピーク値であり、前記基準閾値は前記代表構造物における閾値であることを特徴とする構造物の防犯システム。
請求項１ないし３のいずれか１項において、
前記所定の計算式は、前記予め登録された基準閾値に前記比を係数として乗じた計算式、或いは更にマージン係数を乗じた計算式であることを特徴とする構造物の防犯システム。
請求項１ないし４のいずれか１項において、
前記閾値計算部は、前記参照値に対する前記センササンプル信号の比が１より大きいときと小さいときとで前記所定の計算式を変えることを特徴とする構造物の防犯システム。
請求項１ないし５のいずれか１項において、
さらに、前記防犯システムは、予め構造物を代表する代表構造物に関する正常時の特定の条件で得られる前記センサの出力信号の変化の量を基準のセンサ出力信号変化量として登録しており、且つ正常時の前記代表構造物に関するセンサ出力信号変化量から前記センサ判定部で加工した異常度の頻度分布を基準の正常時異常度頻度分布として登録しており、
前記サンプル信号収集部は、前記構造物の正常時における前記センサの出力信号に関して前記基準のセンサ出力信号と同一条件のものを正常時センササンプル信号として収集し、
前記閾値計算部は、前記基準のセンサ出力信号変化量のピーク値に対する前記正常時センササンプル信号のセンサ出力信号変化量のピーク値の比と、前記基準の正常時異常度頻度分布と、前記センサの異常挙動判定用の前記閾値とから、前記正常時センササンプル信号の正常時異常度頻度分布と前記センサ判定部による異常時挙動判定の誤報率とについても算出し、その誤報率を、ディスプレイを介して表示するように構成されていることを特徴とする構造物の防犯システム。
請求項６において、
さらに、前記防犯システムは、前記代表構造物に関する正常時の特定の条件で得られる前記監視カメラの映像における特定の指標を基準のカメラ出力信号として予め登録しており、且つ正常時の前記代表構造物に関する前記監視カメラの映像中における前記特定の指標の出力信号の変化量から前記センサ判定部で加工した異常度の頻度分布を基準の正常時カメラ異常度頻度分布として登録しており、
前記サンプル信号収集部は、前記構造物の正常時における前記監視カメラの出力信号に関して前記基準のカメラ出力信号と同一条件のものを正常時カメラサンプル信号として収集し、
前記閾値計算部は、前記基準のカメラ出力信号に対する前記正常時カメラサンプル信号の比と、前記基準の正常時カメラ異常度頻度分布と、前記監視カメラによる異常挙動判定用の閾値とから、正常時カメラサンプル信号の正常時カメラ異常度頻度分布と前記画像判定部の異常時挙動判定の誤報率とについても算出し、その誤報率を、ディスプレイを介して表示するように構成されていることを特徴とする構造物の防犯システム。
請求項７において、
前記閾値計算部は、前記センサ出力信号のセンサ出力信号変化量に対する前記異常挙動判別用の閾値および前記カメラ出力信号に対する前記異常挙動判別用の閾値とに関して、異常挙動を見逃す割合である失報率と正常挙動を異常挙動と誤って判断する誤報率との評価が総合的に最も良くなる計算式を用いて、前記両閾値の良好な値の組み合わせを選択する機能を有することを特徴とする構造物の防犯システム。
請求項１ないし８のいずれか１項に記載の構造物の防犯システムを備え、前記構造物がエレベータのかごであることを特徴とするエレベータ。
監視対象となる構造物に設置され、構造物内の人物を撮影する監視カメラと、
前記監視カメラで撮影された人物を画像認識して人物の異常挙動を判定する画像判定部と、
前記構造物に設置され、構造物内の人物の異常挙動を検知するためのセンサと、
前記センサの出力信号を異常挙動判定に必要な信号に加工処理し、この加工処理された信号を異常挙動判定用の閾値と比較して異常挙動判定を行うセンサ判定部と、を備えた構造物の防犯システムにおいて、
前記構造物の型式及び仕様の少なくとも一つを指定する構造物情報入力部と、
前記型式及び仕様の少なくとも一方に関して複数の型式或いは仕様が登録されており、且つそれらに関連づけて異常挙動検知用の複数の閾値がそれぞれ登録されているデータを有するデータ保存部と、
前記構造物情報入力部で指定された前記型式及び仕様の少なくとも一つに応じて前記閾値を前記データから検索して設定する閾値設定部と、を有することを特徴とする構造物の防犯システム。
請求項１０において、
前記データ保存部は、前記仕様に対応したパラメータと前記パラメータを用いた前記閾値を求めるための計算式とが登録されており、
前記閾値設定部は、前記構造物情報入力部により前記仕様が指定されると、前記仕様に対応したパラメータと前記パラメータを用いた前記閾値を求めるための前記計算式により前記閾値を算出することを特徴とする構造物の防犯システム。
請求項１０または１１において、前記センサが荷重センサであり、前記型式がエレベータの型式であることを特徴とする構造物の防犯システム。
請求項１２において、前記仕様がエレベータかごの防振ゴムに関する個数及び型式の少なくとも１つであることを特徴とする構造物の防犯システム。
請求項１０ないし１３のいずれか１項に記載の構造物の防犯システムを備え、
前記構造物がエレベータのかごであることを特徴とするエレベータ。