JP2015141634A

JP2015141634A - 物体検出センサ及びプログラム

Info

Publication number: JP2015141634A
Application number: JP2014014956A
Authority: JP
Inventors: 西村　拓矢; Takuya Nishimura; 拓矢西村
Original assignee: Secom Co Ltd
Current assignee: Secom Co Ltd
Priority date: 2014-01-29
Filing date: 2014-01-29
Publication date: 2015-08-03
Anticipated expiration: 2034-01-29
Also published as: JP6342169B2

Abstract

【課題】車両が存在する可能性がある警戒領域を監視する場合であっても、精度よく検出対象を検出できる物体検知センサを提供する。
【解決手段】警戒領域の一端から他端までを測定周期おきに走査して、警戒領域における各方向の測定点までの距離を示す測距データを生成し、過去の測距データと比較して現在の測距データについて同一の被測定物により距離が変化した測定点を変化領域としてグループ化し、変化領域としてグループ化した測定点のうち線分として近似できる測定点から線分データを検出する。そして、１つの線分データごとに車両形状らしさを評価して第１の車形状度を算出し、２つの線分データの組合せごとに車両形状らしさを評価して第２の車形状度を算出し、第１の車形状度及び第２の車形状度を用いて第３の車形状度を算出し、第３の車形状度に基づいて変化領域が検出対象か否かを判定する。
【選択図】図６

Description

本発明は、光線の投受光により警戒領域内の被測定物までの距離を検出する物体検出センサに関する。

従来、屋外などの広域な警戒領域を監視するために、レーザ光線や可視光線、超音波、赤外線などの各種探査信号を警戒領域内に照射して、対象物からの反射回帰信号を受信することで警戒領域における物体を検出する物体検知センサが知られている。

例えば、特許文献１には、所定角度範囲を回転走査しながらレーザ光を投光し、反射光の受光時に算出される距離値より侵入者の存在を判定するレーザセンサを用いた警備システムが開示されている。

特開平１０−２４１０６２号公報

特許文献１のレーザセンサは、侵入者を検出対象としており、任意に設定された２次元の監視エリアにおいてレーザセンサにて取得される距離データに変化があった場合に、この変化が所定の回数連続すると侵入物の存在を検出し、さらにこの侵入物の移動量に基づき侵入者か否かの判定を行っている。このように、特許文献１のレーザセンサは、侵入者を検出するに際して距離データの変化の継続時間とその移動量とを判定条件に加えることで植栽や設置物などによる誤判定を防止している。

ここで、物体検出センサの検出対象としては、侵入者に限られるわけでなく、侵入者が乗車する（盗難）車両をも検出対象とする場合がある。また、逆に、車両は除外して侵入者のみを検出対象としたい場合もある。

検出対象として車両が含まれる場合、特許文献１の技術によれば、変化の継続時間と移動量を判定条件としていることから、この判定条件を満たしていれば車両を検出することは可能である。
しかしながら、車両と侵入者とは、最高移動速度、形状、大きさなどの特性が大きく異なっている。このため、特許文献１のような判定条件を用いて侵入者及び車両を検出対象とする場合、精度よくこれらの検出対象を検出できない。

例えば、速く移動している車両は、距離データが変化している時間も短い。このような車両を確実に検知できるように、変化の継続時間の判定条件を短くした場合は、植栽などの誤判定の要因による短時間の変化も判定条件を満たす可能性が高まることから、誤判定してしまう可能性が増加してしまう。
逆に、このような誤判定を排除するために変化の継続時間の判定条件を長くした場合は、早く移動している車両を検出できなくなってしまう可能性が高まり、検出対象としての車両が存在するにもかかわらず、これを検出できない場合が生じてしまう。

また、検出対象として車両を除外したい場合は、特許文献１のように同じ判定条件では車両と侵入者とを区別することがそもそもできない。

そこで、本発明では、車両が存在する可能性がある警戒領域を監視する場合であっても、精度よく検出対象を検出できる物体検知センサの提案を目的とする。

上記の目的を達成するために本発明による物体検出センサは、警戒領域を監視して該警戒領域に存在する検出対象を検出する物体検出センサであって、前記警戒領域の一端から他端までを測定周期おきに走査して、前記警戒領域における各方向の測定点までの距離を示す測距データを生成する検知部と、過去の前記測距データと比較して現在の前記測距データについて同一の被測定物により距離が変化した前記測定点を変化領域としてグループ化するグループ化手段と、前記変化領域としてグループ化した測定点のうち線分として近似できる測定点から線分データを検出する線分検出手段と、前記線分データから１つの線分データごとに車両形状らしさを評価して第１の車形状度を算出する第１の車形評価手段と、前記線分データから２つの線分データの組合せごとに車両形状らしさを評価して第２の車形状度を算出する第２の車形評価手段と、前記第１の車形状度及び前記第２の車形状度を用いて第３の車形状度を算出する第３の車形評価手段と、前記第３の車形状度に基づいて前記変化領域が前記検出対象か否かを判定する判定手段と、を備えたことを特徴とする。

かかる構成において、物体検出センサは、警戒領域に生じた変化領域に含まれる複数の線分データについて、１つの線分データについてそれぞれ車両形状らしさを評価し、また２つの線分データの組合せについてそれぞれ車両形状らしさを評価する。そして、これら２つの評価結果を両方用いて算出した車両形状らしさに基づいて、変化領域が検出対象か否かを判定するように作用する。

かかる構成によれば、１つの線分データの評価結果、及び２つの線分データの組合せの評価結果に基づいて車両形状らしさを算出するので、精度よく車両形状らしさを算出できる。この結果、変化領域が検出対象か否かの判定も精度を高めることができる。

また、本発明による物体検出センサにおいて、前記判定手段は、前記第３の車形状度から車両が存在する度合いを複数の前記測定周期にわたり評価して車存在度を算出する車度評価手段を備え、当該車存在度に基づいて前記変化領域が前記検出対象か否かを判定する手段であって、前記車度評価手段は、前記第３の車形状度が第１の閾値よりも高くなった回数が多いほど前記車存在度を高く算出してもよい。

かかる構成において、物体検出センサは、車両形状らしさが高い測距データが得られた回数が多いほど車両が存在する度合いを高く評価するように作用する。

かかる構成によれば、変化領域の車両形状らしさに加えて、この車両形状らしさが高いことを時間軸の観点からも評価することができるので、警戒領域に車両が存在する可能性を精度よく検出できる。

また、本発明に係る物体検出センサにおいて、前記車度評価手段は、前記回数の多さに応じて前記車存在度を高く算出するにあたり、前記回数が少ないときの方が多いときよりも前記車存在度を高めてゆく度合いを大きくしてもよい。

かかる構成において、物体検出センサは、車両形状らしさが高い測距データが得られた回数がまだあまり多くない状況でも、車両が存在する度合いを高く評価するように作用する。

かかる構成によれば、早い速度で通過する車両に対しても、車両が存在する度合いを高く評価することができ、警戒領域に車両が存在する可能性を精度よく検出できる。

また、本発明に係る物体検出センサにおいて、前記車度評価手段は、前記第３の車形状度が、前記第１の閾値より大きい第２の閾値よりも高いときに所定の底上値を前記車存在度に加算してもよい。

かかる構成において、物体検出センサは、車両形状らしさが非常に高い測距データが得られた場合には所定の底上値を車存在度に加算するように作用する。

かかる構成によれば、移動速度の速い車両に対して、車両が存在する度合いを即座に高く評価することができ、警戒領域に車両が存在する可能性を精度よく検出できる。

上記の目的を達成するために本発明によるプログラムは、警戒領域の一端から他端までを測定周期おきに走査して、前記警戒領域における各方向の測定点までの距離を示す測距データを生成する検知部を備え、当該測距データに基づき前記警戒領域を監視して該警戒領域に存在する検出対象を検出する物体検出センサで実行されるプログラムであって、前記プログラムは、コンピュータに、過去の前記測距データと比較して現在の前記測距データについて同一の被測定物により距離が変化した前記測定点を変化領域としてグループ化する処理と、前記変化領域としてグループ化した測定点のうち線分として近似できる測定点から線分データを検出する処理と、前記線分データから１つの線分データごとに車両形状らしさを評価して第１の車形状度を算出する処理と、前記線分データから２つの線分データの組合せごとに車両形状らしさを評価して第２の車形状度を算出する処理と、前記第１の車形状度及び前記第２の車形状度を用いて第３の車形状度を算出する処理と、前記第３の車形状度に基づいて前記変化領域が前記検出対象か否かを判定する処理と、を実行させることを特徴とする。

本発明によれば、車両が存在する可能性がある警戒領域を監視する場合であっても、精度よく検出対象を検出できる。

本発明に係る物体検出センサを用いた警備システムの全体構成を示す概略図である。本発明に係る物体検出センサの構成を示すブロック図である。警備システムにおける警備装置の構成を示すブロック図である。本発明に係る物体検出センサによる検出対象の検出方法の概要を示す図である。本発明に係る物体検出センサによる変化領域の検出処理の概念を示す図である。本発明に係る物体検出センサによる車存在度の算出処理の概念を示す図である。本発明に係る物体検出センサの監視動作を示すフローチャートである。本発明に係る物体検出センサの検出対象判定処理を示すフローチャートである。本発明に係る物体検出センサの車存在度算出処理を示すフローチャート（１）である。本発明に係る物体検出センサの車存在度算出処理を示すフローチャート（２）である。

以下、本発明の実施形態について、図面を参照して具体的に説明する。
本実施形態では、監視建物において物体検出センサを用いて屋外監視する警備システムを例示するが、本発明の範囲はこれに限定されるものではない。

図１は、本発明に係る物体検出センサ２を用いた警備システム１を示す構成図である。
図１は、監視建物３の屋外壁面に設置される物体検出センサ２と、この物体検出センサ２の警戒領域４と、監視建物３内に設置される警備装置５との関係を模式的に平面図上に示している。図１の例では、監視建物３の周囲に３つの物体検出センサ２が設置されている。物体検出センサ２は、それぞれ警備装置５と通信線にて接続されており、警備装置５は、遠隔の監視センタ６と通信回線網７を介して接続されている。なお、特に図示はしていないが、監視建物３の内部にも熱線センサや開閉センサなどの警備センサが設置されており、警備装置５に接続されている。

物体検出センサ２は、予め設定された警戒領域４内にレーザ光を照射しながら所定の測定周期で空間走査を行い、光路上にある物体にて反射した反射光を受光することで、領域内に存在する被測定物としての物体の位置を検出する。このようにして、物体検出センサ２は、警戒領域４内に出現する物体を監視し、この物体が検出対象であると判定すると自己のアドレス情報を含む検出信号を警備装置５に出力する。

警備装置５は、監視区域となる監視建物３の内外を監視している。そして、警備装置５は、物体検出センサ２の検出信号などに基づき監視区域の異常を確定し、監視センタ６に異常信号を出力する。

監視センタ６は、警備会社などが運営するセンタ装置６１を備えた施設である。センタ装置６１は、１又は複数のコンピュータで構成されており、本発明に関連する監視センタ６の機能を実現する。監視センタ６では、センタ装置６１により各種機器が制御され、警備装置５から受信した異常信号を記録するとともに、異常の情報をディスプレイ６２に表示し、監視員が監視対象となる複数の監視区域を監視している。

＜物体検出センサ＞
次に、図２を用いて物体検出センサ２の構成について説明する。図２は、物体検出センサ２の構成を示すブロック図である。
物体検出センサ２は、警戒領域４における検出対象にレーザ光が照射されるように、監視建物３の屋外壁面に水平または一定の俯角を設定されて設置される。本実施形態における物体検出センサ２は、人物及び車両を検出対象としていることから、壁面における設置高さは警戒領域４に侵入した人物及び車両にレーザ光が照射される高さに設置される。また、物体検出センサ２は、警備装置５より電源供給を受けて作動する。

物体検出センサ２は、警備装置５と接続され通信を行う通信部２１と、レーザ光を照射及び受光する検知部２２と、ＨＤＤやメモリなどで構成され各種設定情報やプログラムなどを記憶する記憶部２３と、ＭＰＵやマイコンなどで構成され各部の制御を行う制御部２４とを有して概略構成される。

通信部２１は、警備装置５と接続され、警備装置５から出力される警備開始信号および警備解除信号を受信して制御部２４に当該信号を出力する。また、通信部２１は、制御部２４にて警戒領域４における検出対象の存在が判定されると、自己のアドレス情報を含む検出信号を警備装置５に送信する。

検知部２２は、レーザ光により警戒領域４を走査して、レーザ光を反射した被測定物としての物体の位置を検出する。検知部２２は、例えば波長８９０ｎｍ程度の近赤外線を発射するレーザ発振部２２１と、レーザ光を反射して物体検出センサ２より照射させる走査鏡２２２と、走査鏡２２２を等速に回転駆動させる走査制御部２２３と、受光素子を備えてレーザ発振部２２１の近傍に設けられる反射光検出部２２４と、レーザ光の照射結果として測距データを生成する測距データ生成部２２５とを備えている。

レーザ発振部２２１より発射されるレーザ光は、走査鏡２２２と走査制御部２２３とにより照射方向を制御されて、少なくとも警戒領域４の全体を走査する。この走査は、物体検出センサ２の設置角に応じて水平な平面について行うか、あるいは、俯角を以て遠距離となるほど地面に近づくような平面について行うことができる。走査は、所定の測定周期（例えば３０ｍｓｅｃ）で行われ、例えば、同方向について繰り返し行ってもよく、また、往方向の走査を行った後に復方向の走査を行ってもよい。

測距データ生成部２２５は、レーザ光の照射から反射光の検出までに要する時間から算出される物体検出センサ２とレーザ光を反射した被測定物（測定点）との距離と、走査制御部２２３により回転駆動される走査鏡２２２の角度（警戒領域４における方向）とにより、レーザ光を反射した物体、即ちレーザ光を反射した測定点の相対位置を算出する。相対位置は、物体検出センサ２を基準とした測定点の位置であり、具体的には物体においてレーザ光を反射した面の位置である。また、測距データ生成部２２５は、所定時間内に反射光が返ってこない場合には、レーザ光の照射可能な距離内に物体がないと判断して、所定の擬似データを相対位置として記録する。擬似データは所定の値でよく、例えば物体検出センサ２が監視すべき警戒領域４の外周となる距離値や、レーザ光による有効測定距離以上の適当な値でよい。

測距データ生成部２２５により得られる測定データを本実施形態では測距データと呼ぶ。測距データは、具体的には検知部２２による１回の走査で警戒領域４を所定の角度間隔（例えば０．２５°）で測定した結果である。例えば、１８０°の範囲について０．２５°間隔で測距データを取得すると７２１個の距離値が得られる。これら７２１個の距離値のセットが一つの測距データになる。測距データは、角度（方向）と距離とを対応付けた複数の測定点データの集まりの情報（テーブル）として記憶される。
測距データ生成部２２５は、所定の周期間隔（例えば３０ｍｓｅｃ）にて検知部２２の１回の走査が終了する毎に測距データを生成して制御部２４に出力する。

記憶部２３は、ＲＯＭやＲＡＭ、又はＨＤＤにて構成され物体検出センサ２自身を特定するためのアドレス情報と各種プログラムなどを記憶しており、更に物体検出センサ２を動作させるための各種情報を記憶する。具体的に、記憶部２３は、設定された警戒領域４を示す警戒領域情報と、制御部２４にて生成された基準データと、検知部２２にて検出された物体のトラッキング情報と、現在の警戒領域４の状態を示す現状態情報とを記憶している。また、記憶部２３には、検知部２２から出力された過去所定周期分の測距データが記憶されている。

警戒領域情報は、例えば物体検出センサ２にて監視すべき範囲として警備会社などによる監視区域の警備プランニングに応じ設定される警戒領域４を示す情報である。
この警戒領域情報は、物体検出センサ２の設置時や監視区域の警備プランニング変更時などに、設定端末や図示しない操作部などから検知部２２による走査面上の範囲を指定されて入力される。そして、入力された警戒領域４の範囲は、検知部２２で走査を行う所定の角度間隔（例えば０．２５°）ごとに、検知部２２からの角度（方向）と距離値が対応付けられて角度（方向）と距離のテーブルとして記憶部２３に記憶される。本実施形態では、図１に示すように、物体検出センサ２を中心とした半円状に警戒領域４が設定される例について説明する。
なお、警戒領域情報は、これに限らず警戒領域４の範囲を示す情報と物体検出センサ２との位置関係が識別可能に記憶されていればよく、例えば、物体検出センサ２を原点として相対的な位置関係を示す二次元座標にて設定され記憶していてもよい。

基準データは、後述する検出対象判定処理にて現在の測距データと比較して警戒領域４に新規に出現した物体を抽出するために用いられる比較基準情報であり、検知部２２による走査開始後から現在までの何れかの過去時点で取得された測距データより生成される。基準データは、角度（方向）と距離のテーブルとして記憶されてよい。また、基準データは、何れの過去時点で生成されてもよく、また随時に取得される測距データを用いて更新されてもよい。本実施形態では、検知部２２による走査が開始された後初回の走査で取得される測距データから基準データが生成され記憶される例について説明する。

トラッキング情報は、後述する検出対象判定処理にて警戒領域４に新規に出現した物体を複数周期に渡り追跡するために用いられる情報である。トラッキング情報には、現在周期における物体の位置と大きさ及び検出対象と判定されたか否かと、当該物体が警戒領域４に始めて出現した位置と大きさ、現在までの各周期における位置と大きさが対応づけられて記憶されている。
また、トラッキング情報には、車存在度及びカウンタが対応づけられて記憶される。これらの情報の詳細については後述する。

現状態情報には、制御部２４による判定結果として現在の警戒領域４に検出対象が存在しているのか否かが記憶される。制御部２４によりかかる検出対象の存在が判定されると、検出有りの状態が記憶され、検出対象の存在が判定されないと検出無しの状態が記憶される。

制御部２４は、ＣＰＵ、ＲＯＭ、ＲＡＭ等からなるマイクロコンピュータ及びその周辺回路で構成され、上述した各部を制御する。そのために、制御部２４は、このマイクロコンピュータ及びマイクロコンピュータ上で実行されるコンピュータプログラムによって実現される機能モジュールとして、検知部２２の駆動を制御する駆動制御部２４１と、検知部２２より取得された測距データから基準データを生成する基準データ生成部２４２と、検出対象の存在の有無を判定する検出対象判定部２４３と、を備えている。

駆動制御部２４１は、通信部２１を介して警備装置５から警備開始信号が入力されると検知部２２に駆動信号を出力し、検知部２２の駆動を開始させて、走査制御部２２３による走査鏡２２２の駆動およびレーザ発振部２２１によるレーザ光の照射などを開始させる。また、駆動制御部２４１は、警備装置５から警備解除信号が入力されると検知部２２に駆動停止信号を出力し、その時点の走査終了を以て検知部２２の駆動を停止させて、走査鏡２２２の駆動およびレーザ光の照射などを停止させる。
このように、警備装置５の警備開始にあわせて検知部２２を駆動させることで連続稼働による駆動部品の破損を防止することが可能となる。

基準データ生成部２４２は、検知部２２より取得される測距データを用いて基準データを生成する。上述したように、本実施形態では、検知部２２による走査が開始された後初回の走査で取得される測距データから基準データが生成され記憶される例について説明する。即ち、基準データ生成部２４２は、駆動制御部２４１より駆動信号が出力され検知部２２の走査が開始されると、この初回の走査で出力された測距データを基準データとして記憶部２３に記憶する。測距データにおける測定点の位置として或る角度に対応する距離値が警戒領域４内でない場合、当該角度に対応する警戒領域４の外周までの距離を基準データとして記憶する。この基準データには、当該走査による測定点までの距離が記憶されるため、この走査時点で警戒領域４に存在する植栽や外壁などの既設物が基準データとして取り込まれることになる。
なお、これに限らず、基準データ生成部２４２は、検知部２２による走査が開始された後、所定回数（例えば５分間の間に行われる走査）の測距データにおいて走査角度ごとに距離値の頻度を求め、最も頻度が高い距離値を当該走査角度の基準値として採用し、基準データを生成してもよい。

検出対象判定部２４３は、現在の測距データと基準データとを比較して警戒領域４に出現した物体を変化領域として検出し、この物体の特徴量と移動量とを算出する。そして、この特徴量と移動量とに基づき、物体が検出対象であるか否かを判定する。
屋外環境では屋内と比較して小動物などの移動物体が多く、また植栽などの揺れや風による飛来物などが存在し得るため、警戒領域４に新規な物体が出現しただけで即座に検出対象と判定することは誤判定を招きかねない。このため、本実施形態において、検出対象判定部２４３は、警戒領域４に出現した物体を検出すると、この物体を複数周期に渡り評価して検出対象であるか否かを判定する。

具体的には、検出対象判定部２４３は、測距データから得られる走査角度ごとの距離値と、基準データに記憶された角度ごとの距離値との差分を対応する角度ごとに算出して、基準データよりも近距離となった測定点、つまり距離値が変化した測定点を変化点として検出する。そして、検出対象判定部２４３は、同一の被測定物により距離値が変化した測定点を変化領域としてグループ化する。さらに、検出対象判定部２４３は、この変化領域について、トラッキング情報を参照して前回周期の検出結果に同一の被測定物によって生じた変化領域が存在するか否かを判定するトラッキング処理を行う。前回周期の検出結果との対応付けは、両周期で検出された物体間の距離と大きさなどにより行われる。即ち、両周期で検出された物体間の距離が閾値以内で大きさの変動が閾値以内である場合に、変化領域の対応付けが行われる。
なお、対応付けが行われた場合、トラッキング情報には現在周期で検出された変化領域の位置と大きさ及び検出対象と判定されたか否かが、現在までの各周期における位置と大きさと対応付けて記憶される。

次に、検出対象判定部２４３は、変化領域の特徴量を算出する。本実施形態においては、特徴量として、人物らしい度合いの高さを示す人存在度、車両らしい度合いの高さを示す車存在度、鳥らしい度合いの高さを示す鳥存在度、霧らしい度合いの高さを示す霧存在度を用いている。これらの特徴量は最小値０〜最大値１００の範囲で算出される。
以下、順番に各特徴量の算出処理について説明する。ただし、車存在度については後に詳述するためここでは人存在度、鳥存在度、霧存在度について説明する。

人存在度は、人物の幅方向の大きさや移動速度の特性に着目した特徴量である。
具体的な算出処理は、まず、変化領域に含まれる測定点のうち、角度が最大値の測定点と最小値の測定点とを変化領域の両端点として選択する。そして、この両端点の角度と距離の情報とから、両端点間の距離を算出し、この距離が人物の幅方向の長さを考慮した所定範囲に近いほど人存在度を高く算出する。
また、トラッキング情報から変化領域の移動速度を算出し、人物とは思えないほど移動速度が速い場合は人存在度を極めて低い値とする。

鳥存在度は、鳥の飛行速度や飛行状態における動きの特性に着目した特徴量である。
具体的な算出処理は、トラッキング情報から変化領域の移動速度を算出し、この移動速度が速いほど鳥存在度を高く算出する。
また、鳥は飛行状態においては羽ばたいているため変化領域の大きさや形状も頻繁に変化している。これを考慮して、トラッキング情報を参照して、変化領域の大きさや形状が頻繁に変化しているほど、鳥存在度を高く算出する。

霧存在度は、霧の濃さの特性に着目した特徴量である。
具体的な算出処理は、変化領域に含まれる測定点について、隣り合う測定点同士の差分とって分散値を算出する。霧の濃度にはむらがあることから、この分散値が大きいほど霧存在度を高く算出する。

このようにして算出された各特徴量は、検出対象か否かを判定する際に、次のように用いられる。
検出対象判定部２４３は、変化領域が警戒領域４に初めて出現した位置から現在位置までの移動量を算出する。そして、この移動量が所定距離以上であれば当該変化領域を検出対象と判定する。
ここで、検出対象判定部２４３は、この判定条件としての所定距離を、上述した変化領域の各特徴量に応じて動的に異なる値に設定する。具体的には、検出対象である人物及び車両の特徴量である人存在度及び車存在度を検出対象特徴量として合計し、検出対象ではない鳥及び霧の特徴量である鳥存在度及び霧存在度を非検出対象特徴量として合計し、検出対象特徴量よりも非検出対象特徴量が大きい場合（例えば、所定量以上大きい場合）には、検出対象でない可能性が大きいことから、そうでない場合の所定距離（例えば１ｍ）に比べて所定距離を長く設定（例えば、３ｍ）する。
このように、検出対象判定部２４３は、非検出対象の特徴量が大きい場合には、緩い判定基準を設定することで誤判定を排除している。
なお、検出対象と判定されると記憶部２３の現状態情報に検出有りが記憶され、検出対象と判定されないと現状態情報から当該検出有りの情報を削除し、検出無しの情報が記憶される。

図４から図６を用いて更に詳細に説明する。図４に検出対象判定部２４３による検出対象の検出方法を示す。図に示すように、ある走査角度において基準データに記憶された測定点（被測定物による反射点）までの距離ｄ_ｂに対し、現在の測定点までの距離ｄ_ｎが短い場合に被測定物Ｑが変化領域として検出され、現在周期で検出された被測定物Ｑによる変化領域と前回周期で検出された被測定物Ｑ´による変化領域とが対応付けされて、この変化領域が警戒領域４に初めて出現した位置から現在位置までの移動距離により検出対象か否かが判定される。

図５は、検出対象判定部２４３にて行われる、測距データの比較による変化領域の検出処理の概念を示している。図５において横軸は角度であり、縦軸は角度成分に対応する距離値である。検出対象判定部２４３は、現在の測距データと基準データとにおいて各々の角度成分ごとに距離値の差分を算出し、現在の測距データが基準データよりも所定距離以上近くなっている変化点の有無を調べる。変化点は、図５下段の図において距離差が負の値であって−Δ以下の点（距離差が−側にΔ以上の点）である。検出対象判定部２４３は、変化点があればその連続する区間を調べ、連続する区間を変化領域としてグループ化する。
具体的には、２つの変化点間の距離を算出し、この距離が所定距離以内（例えば７０ｃｍ以内）であれば連続する区間とみなせると判断して、一つの変化領域を構成する変化点とする。
検出対象判定部２４３は、グループ化した変化領域の大きさが人物や車両の一部と判定できる所定サイズ（例えば１５ｃｍ）以上であれば当該変化領域に含まれる測定点の位置（角度と距離値）をトラッキング情報に現在周期の情報として記憶する。そして、検出対象判定部２４３は、この変化領域について前回周期の変化領域との対応付けを行う。
なお、連続する区間と判断できなかった変化点（孤立点）はノイズとして除去してよく、また膨張収縮処理による統合やノイズ除去を行ってもよい。

図６は、検出対象判定部２４３による車存在度の算出処理の概念を示す図である。この図では、車両の移動によって砂埃が発生した環境下で、物体検出センサ２の警戒領域４に車両が存在している状況を例として示している。図中、黒丸点は、変化した測定点であって、上述した変化領域を検出する処理によって、一つの変化領域としてグループ化されている測定点を示している。
この例では、センサから照射されたレーザ光が砂埃で反射したことから、一部の測定点が車両の側面の手前となってしまい、車両の外形が精度良く検出できていない状態を示している。このため、一つの変化領域としては検出されているものの、車両の側面によって反射した測定点は砂埃がない場合に比べて少なくなっている。

検出対象判定部２４３は、まず、変化領域としてグループ化された測定点のうち、線分として近似できる測定点から線分データを検出する処理を行う。
この線分近似する処理は、例えば、まず、グループ化された測定点のうち隣り合う測定点３点を選択する。そして、これら３点の測定点のうち隣り合う２点の測定点について測距データにおける距離値の差がともに近距離にあるとみなせる所定距離範囲内であり、かつ、これら３点の測定点のうち隣り合う２点を結んでできる２本の線分同士のなす角がほぼ直線とみなせる所定角度範囲内である場合に、１つの線分と判断する処理をグループ化された全ての測定点について行うことで実現できる。図６においては３本の線分を近似した例として示されている。
線分近似がされた場合、１本の線分に近似できる測定点のうち線分の両端の２つの測定点の位置（角度と距離値）を線分データとして特定する。
なお、線分近似する処理は、公知の手法を用いればよく、例えば、ハフ変換や最小二乗法などといった手法を用いてもよい。

次に、検出対象判定部２４３は、複数の線分データについて１つの線分データごとに評価し（図中の白抜き矢印）、車両形状らしさの度合いの高さを示す車形状度ｆ１を算出する処理を行う。この１つの線分データについての評価は、線分データから線分の長さを算出し、これが大きければ大きいほど高い評価を行い、車形状度ｆ１を高く算出する。

この１つの線分データの評価方法の例としては、例えば、以下のような方法が考えられる。
・線分の長さが第１の所定長さ未満の場合、車形状度ｆ１＝０とする。
・線分の長さが第１の所定長さ以上で第２の所定長さ以下の場合、第１の所定長さのときに車形状度ｆ１＝０で、第２の所定長さのときに車形状度ｆ１＝５０となるように略比例的に車形状度ｆ１を増加させる。
・線分の長さが第２の所定長さより大きい場合、車形状度ｆ１＝５０とする。

さらに、検出対象判定部２４３は、２つの線分データの全ての組合せについて、それぞれ評価し（図中の破線矢印）、車両形状らしさの度合いの高さを示す車形状度ｆ２を算出する処理を行う。この２つの線分データの組合せについての評価は、２つの線分データからそれぞれの線分の長さを算出し、この合計値が大きいほど高い評価を行う。また、２つの線分データから２つの線分のなす角を算出し、これが９０度に近いほど高い評価を行う。そして、これらの評価が高いほど、車形状度ｆ２を高く算出する。

この２つの線分データの組合せの評価方法の例としては、まず、２つの線分データの長さの合計値について、以下のように評価値を算出する。
・合計値０以上で第３の所定長さ以下の場合、合計値０のときに評価値０で、第３の所定長さのときに評価値２５となるように略比例的に評価値を増加させる。
・合計値が第３の所定長さより大きい場合、評価値２５とする。
そして、２つの線分データのなす角に応じて、これらの評価値に所定値を乗じて、車形状度ｆ２とする。例えば、以下のように評価値に所定値を乗じるようにする。
・なす角（劣角）と９０度との差の絶対値が０以上第１の所定差以下である場合、評価値に２を乗じる。
・なす角（劣角）と９０度との差の絶対値が第１の所定差より大きく第２の所定差以下である場合、評価値に１を乗じる。
・なす角（劣角）と９０度との差の絶対値が第２の所定差より大きい場合、評価値に０．５を乗じる。

検出対象判定部２４３は、算出した全ての車形状度ｆ１及び車形状度ｆ２を合計し、これを、変化領域の車両形状らしさの度合いの高さを示す車形状度Ｆとして算出する処理を行う。
上述の例による評価方法では、例えば、車両の一側面について、２つの線分データしか検出されていなかったとしても、それぞれの線分データが十分に長く、１つの線分データの評価方法において、第２の所定長さ以上であれば、車形状度ｆ１＝５０を２つ得られるので、これだけで、車形状度Ｆを最高値の１００とすることができる。
また、例えば、車両の二側面について、それぞれ１つずつ線分データが検出され、何れか一方の線分データの長さが短くても、他方の線分の長さが十分に長く、１つの線分データの評価方法において、他方の線分の長さが第２の所定長さ以上であれば、車形状度ｆ１＝５０を１つ得られる。そして、２つの線分データの評価方法において、２つの線分データの長さの合計値が十分に長く第３の所定長さ以上あって、２つの線分データのなす角が９０度に極めて近く９０度との差の絶対値が０以上第１の所定差以下であれば、車形状度ｆ２＝５０を１つ得られるので、車形状度Ｆを最高値の１００とすることができる。
さらに、上記の事例の条件に当てはまらなかったとしても、さらにもう１つの線分データが得られていれば、これを含めた評価によって車形状度Ｆを高く算出することができる。
この車形状度Ｆは上述の車存在度の算出に用いられる。

このように、本実施形態では、変化領域における変化した測定点の全てを一度に考慮して車形状度Ｆを算出するのではなく、近似した１つの線分データごと、及び近似した２つの線分データの組ごとにまずは評価を行った上で、これらの評価を総合して車両形状らしさＦを算出する。このため、図の例のような砂埃又は霧などの存在する環境、また車両形状の曲面部分や車両の塗装などの影響で、車両形状の一部分しか変化した測定点が検出できていなくても、精度よく車形状度Ｆを算出することができる。

次に、この車形状度Ｆを用いた車存在度の算出処理について説明する。車存在度の算出は、測定周期ごとに算出される車形状度Ｆが特定の状態にあるか否かを検出し、この状態が生じた回数に応じて算出する。
具体的には、検出対象判定部２４３は、車形状度Ｆが所定の閾値Ｍ（第１の閾値）よりも高い状態となった測定周期の回数を検出することで車存在度を算出する。この回数の検出及び車存在度の算出は、上述のトラッキング処理において、新規に検出した変化領域に対してトラッキング情報を記憶する際に、回数を検出するためのカウンタ及び車存在度（初期値はともに０）を設定することにより行われる。そして、車形状度Ｆが閾値Ｍよりも高ければカウンタに１を加算してゆく。

そして、車形状度Ｆが閾値Ｍよりも高くなった回数（カウンタ値）が多いほど、高く車存在度を算出する。このときに、カウンタの値が小さい値、つまり車形状度Ｆが閾値Ｍよりも高くなった回数がまだあまり多くはない初期の状態において、車存在度を高めてゆく度合いが、車存在度の最大値１００に対して最も高い割合となるようにする。
例えば、９００ｍｓｅｃ（測定周期が３０ｍｓｅｃであれば３０周期）で車存在度を最小値０から最大値１００となるようにする場合、前回の周期で記憶したトラッキング情報に含まれる車存在度に対し、カウンタ値が１〜１０の場合は５を加算、カウンタ値が１１〜２０の場合は４を加算、カウンタ値が２１〜３０の場合は１を加算する。

このように、車形状度Ｆが閾値Ｍより高くなった回数の多さを加味して車存在度を高く算出することで、車存在度の算出精度を向上させることができる。
また、その回数がまだあまり多くない状況でも大きく車存在度が算出されるようにしているので、早い速度で通過する車両に対しても高く車存在度を算出できる。

また、車存在度は、車形状度Ｆが閾値Ｌ（閾値Ｌ＜閾値Ｍ）よりも低い状態となった場合、所定の値を車存在度から減算する。
具体的には、検出対象判定部２４３は、車形状度Ｆが閾値Ｌよりも低い状態となった測定周期の回数が多くなるほど、低く車存在度を算出する。この低く車存在度を算出する処理も、上述のカウンタを用いて行われる。カウンタの値が大きい値、つまり車形状度Ｆが閾値Ｍよりも高い回数がまだ多い状態においては、車存在度を低めてゆく度合いが、車存在度の最大値１００に対して最も低い割合となるようにする。
例えば、９００ｍｓｅｃ（測定周期が３０ｍｓｅｃであれば３０周期）で車存在度を最大値１００から最小値０となるようにする場合、前回の周期で記憶したトラッキング情報に含まれる車存在度から、カウンタ値が２０〜２９の場合は１を減算、カウンタ値が１０〜１９の場合は４を減算、カウンタ値が０〜９の場合は５を減算する。

このように、車形状度Ｆが閾値Ｌより低い状態となった場合は車存在度を低く算出するようにすることで、車存在度の算出精度を向上させることができる。
また、車形状度Ｆが閾値Ｍより高い回数がまだ多い場合においては、大きく車存在度が減算されないようにしているので、一旦高くなった車存在度を短期的な環境要因によるノイズによって極端に低めてしまうことがないようにできる。

なお、車形状度Ｆが閾値Ｌ〜閾値Ｍの間である場合には値の加算・減算は行わずに現在の値を維持する。

さらに、検出対象判定部２４３は、車形状度Ｆが所定の閾値Ｈ（閾値Ｈ＞閾値Ｍ、第２の閾値）よりも高い場合、すなわち、車形状度Ｆが非常に高い場合、カウンタに応じて算出した上述の車存在度に所定の底上値（例えば５０）を加算する。
この底上値の加算は、車形状度Ｆが閾値Ｈよりも高い測定周期に限って加算されるもので、これを加算して次の測定周期に車形状度Ｆが閾値Ｈ以下となった場合は底上値を減算する。
これにより、車形状度Ｆが非常に高い場合に限って、車存在度をより早く高めることができ、移動速度の速い車両に対して即座に車存在度を高めることができる。

＜警備装置＞
次に、図３を用いて警備装置５の構成について説明する。図３は、警備装置５の構成を示すブロック図である。警備装置５は、監視建物３内に設置されて監視区域を警戒監視し、異常の所在を遠隔の監視センタ６へと通報する。

警備装置５は、物体検出センサ２及びその他の警備センサ（不図示）と接続されるセンサＩ／Ｆ（インターフェース）５１と、通信網７を介して遠隔の監視センタ６と接続される通信部５２と、監視区域の利用者により操作される操作部５３と、ＨＤＤやメモリなどで構成される記憶部５４と、ＭＰＵやマイコンなどで構成され各部の制御を行う制御部５５とを有して概略構成される。制御部５５は、機能モジュールとして、監視区域の警備モードを設定／変更するモード設定部５５１と、監視区域に異常が発生したことを確定する異常処理部５５２とを備えている。また、記憶部５４には、警備モード情報や現状態情報などの管理情報や、各種の処理プログラムやパラメータや警備装置５の識別情報などが記憶されている。

モード設定部５５１は、利用者が警備モードを設定する際に操作部５３から入力する情報を照合し、照合ＯＫと判定できれば、操作部５３の入力に基づいて警備モードを警備セットモードまたは警備解除モードに設定する。モード設定部５５１にて設定された警備モードは、記憶部５４の警備モード情報に記憶される。

ここで、警備セットモードは、夜間や休日など、監視建物３を含む監視区域が無人となるときに設定され、各種センサが事象の変化を検知したときに通信部５２を介して遠隔の監視センタ６に異常通報を行うモードである。また、警備解除モードは、監視区域が有人のときに設定され、各種センサの検知による異常通報を行わないモードである。
モード設定部５５１は、警備セットモードに設定されるとセンサＩ／Ｆ５１を介して物体検出センサ２に警備開始信号を出力し、また、警備解除モードに設定されるとセンサＩ／Ｆ５１を介して物体検出センサ２に警備解除信号を出力する。

異常処理部５５２は、記憶部５４に記憶された現在の警備モードが警備セットモードであるときに各種センサから検出信号の入力を受けると、監視区域に異常が発生したと確定し、現状態情報に各種センサから入力された検出信号に対応する異常種別と検出したセンサの情報を記憶する。また、異常処理部５５２は、異常の発生を確定すると、異常種別と検知したセンサ及び警備装置５の識別情報を含む異常信号を、遠隔の監視センタ６に通信部５２を介して送信する。

＜動作の説明＞
以上のように構成された警備システム１について、図面を参照してその動作を説明する。ここでは、主として物体検出センサ２に関する動作について説明する。図７は、物体検出センサ２にて実行される監視プログラムの動作を示すフローチャートである。

駆動制御部２４１は、警備装置５から警備開始信号を受信すると（ステップＳＴ１−Ｙｅｓ）、検知部２２に駆動信号を出力し、検知部２２の駆動を開始させる（ステップＳＴ２）。駆動信号の入力を受け検知部２２が警戒領域４の走査を開始して測距データが出力されると（ステップＳＴ３−Ｙｅｓ）、基準データ生成部２４２は、この初回の走査による測距データに基づき基準データを生成して記憶部２３に記憶する（ステップＳＴ４）。

そして、基準データを生成した後に測距データが取得されると（ステップＳＴ５−Ｙｅｓ）、検出対象判定部２４３により現在の測距データと基準データとを比較して検出対象判定処理が行われる（ステップＳＴ６）。検出対象判定処理については後述する。そして、検出対象判定処理の結果に基づき記憶部２３の現状態情報に警備装置５に出力していない検出情報が記憶されていれば（ステップＳＴ７−Ｙｅｓ）、通信部２１よりかかる自己のアドレス情報を含む検出信号が警備装置５に送信される（ステップＳＴ８）。

物体検出センサ２は、警備装置５から警備解除信号を受信していなければ（ステップＳＴ９−Ｎｏ）、かかるステップＳＴ５からＳＴ８の処理を繰り返し警戒領域４の監視を行う。他方、警備装置５から警備解除信号を受信すると（ステップＳＴ９−Ｙｅｓ）、駆動制御部２４１が検知部２２に駆動停止信号を出力して検知部２２の駆動を停止させ（ステップＳＴ１０）、記憶部２３の現状態情報に記憶された検出有りの情報から検出無しの情報に変更し（ステップＳＴ１１）、一連の処理を終了する。なお、ステップＳＴ３及びＳＴ５において、走査周期（例えば３０ｍｓｅｃ）を所定以上越えても測距データが取得されなければ、機器の異常として処理を終了してよい。

以上に、物体検出センサ２の基本的な動作について説明した。
次に、図７のステップＳＴ６における検出対象判定処理について図８を参照して説明する。図８は検出対象判定処理のフローチャートである。

図８において、検出対象判定部２４３は、現在周期にて取得された測距データと基準データを読み出し（ステップＳＴ３１）、角度成分（方向）ごとに、現在の測距データで検出された距離値ｄ_ｎと基準データに記憶された距離値ｄ_ｂとの差分計算を行う（ステップＳＴ３２）。

そして、検出対象判定部２４３は、現在の測距データと基準データとの差分結果から、現在の測距データが基準データよりも所定距離以上近くなっている変化点が存在するかを調べる（ステップＳＴ３３）。変化点は、図５下段の図において距離差が負の値であって−Δ以下の点（距離差が−側にΔ以上の点）である。検出対象判定部２４３は、変化点があれば（ステップＳＴ３３−Ｙｅｓ）、その連続区間を調べ、連続する変化点で距離が近いものをグループ化して変化領域として検出する（ステップＳＴ３４）。ここでは、検知部２２が走査する際の角度間隔が検出対象（人や車両）と比較して十分に密であるので、連続していない変化点（孤立点）や、変化領域の大きさが検出対象（人や車両）の一部と判定できる所定サイズ（例えば１５ｃｍ）に満たない物体をノイズとして除去してよい。

検出対象判定部２４３は、変化領域として変化点の位置（角度と距離値）を記憶部２３のトラッキング情報に現在周期の情報として記憶する。そして、トラッキング情報を参照して前回周期と現在周期の処理結果の比較を行い、変化領域ごとにトラッキング対象が存在するかどうかを判定するトラッキング処理を行う（ＳＴ３５）。トラッキング処理では、前回周期と現在周期の間で、所定の角度、距離範囲内にほぼ同一サイズの変化領域があるか否かでトラッキング対象の有無を判断する。該当変化領域があれば、その変化領域がトラッキング対象になる。なお、この判断で、トラッキング対象がなければ、現在周期のその変化領域は新規に出現した変化領域であることとなる。
なお、前回周期の変化領域のトラッキング情報であって、今回周期においてトラッキング対象と判断されなかったトラッキング情報は、この変化領域を生じさせた物体は警戒領域外に移動したと判断して消去する。

次に、検出対象判定部２４３は、変化領域ごとに上述した特徴量を算出する特徴量算出処理を行う（ＳＴ３６）。この特徴量算出処理において、特徴量の一つとして車存在度を算出する処理である後述の車存在度算出処理も行われる。

検出対象判定部２４３は、特徴量の算出が完了すると、変化領域ごとに警戒領域４に新規に出現したときの位置をトラッキング情報から読み出し、警戒領域４に新規に出現した位置から現在位置までの移動距離を算出する（ステップＳＴ３７）。移動距離は、新規に出現した位置から現在位置までの直線距離より算出する。

そして、変化領域ごとに算出された移動距離全てが所定距離に満たなければ（ステップＳＴ３８−Ｎｏ）、検出対象判定処理を終了する。他方、変化領域ごとに算出された移動距離のいずれかが所定距離以上であれば（ステップＳＴ３８−Ｙｅｓ）、該当変化領域を検出対象と判定し、警戒領域４に検出対象が存在すると判定して記憶部２３の現状態情報に検出有りを記憶する（ステップＳＴ３９）。この結果、図７のステップＳＴ８において警備装置５に検出信号が出力され、警備装置５にて異常が確定されると遠隔の監視センタ６に異常通報がなされる。

なお、ＳＴ３３においてマイナス側の変化点が存在しない場合（ＳＴ３３−Ｎｏ）は、警戒領域４に変化点を生じさせる物体が何も出現していないことになるので、トラッキング情報を消去する処理を行う。

次に、図８のステップＳＴ３６における車存在度算出処理について図９及び図１０を参照して説明する。図９及び図１０は車存在度算出処理のフローチャートである。
検出対象判定部２４３は、まず、トラッキング情報を参照し、任意の変化領域を選択する（ＳＴ５１）。そして、選択した変化領域における測定点のうち線分として近似できる測定点から線分データを検出する（ＳＴ５２）。

検出対象判定部２４３は、ＳＴ５２で検出した線分データから任意の１つの線分データを選択し（ＳＴ５３）、車形状度ｆ１を算出する（ＳＴ５４）。そして、ＳＴ５２において検出した線分データについて全ての評価が終わったかを判定し（ＳＴ５５）、終わっていない場合（ＳＴ５５−Ｎｏ）は、ＳＴ５３に戻ってまだ評価をしていない１つの線分データを選択し、車形状度ｆ１を算出する（ＳＴ５４）。全ての評価が終わった場合（ＳＴ５５−Ｙｅｓ）は、ＳＴ５６へと進む。これらＳＴ５３〜ＳＴ５５の一連の処理が１つの線分データごとに車両形状らしさを評価する評価処理（第１の車形評価処理）となる。

次に、検出対象判定部２４３は、ＳＴ５２で検出した線分データから任意の２つの線分データの組を選択し（ＳＴ５６）、車形状度ｆ２を算出する（ＳＴ５７）。そして、ＳＴ５２において検出した線分データの２つの線分データの組全てについて評価が終わったかを判定し（ＳＴ５８）、終わっていない場合（ＳＴ５８−Ｎｏ）は、ＳＴ５６に戻ってまだ評価をしていない２つの線分データの組を選択し、車形状度ｆ２を算出する（ＳＴ５７）。全ての評価が終わった場合（ＳＴ５８−Ｙｅｓ）は、ＳＴ５９へと進む。これらＳＴ５６〜ＳＴ５８の一連の処理が２つの線分データの組合せごとに車両形状らしさを評価する評価処理（第２の車形評価処理）となる。

Ｓ５９において、検出対象判定部２４３は、第１の車形評価処理で算出された全ての車形状度ｆ１と第２の車形評価処理で算出された全ての車形状度ｆ２を全て合計して車形状度Ｆを算出する。そして、図１０のフローへ進む。

検出対象判定部２４３は、図１０のフローへ進むと、図９のＳＴ５９にて算出された車形状度Ｆが、閾値Ｍより高いか（ＳＴ７１）、閾値Ｌより低いか（Ｓ７４）を判定する。
車形状度Ｆが閾値Ｍより高いと判定すると（ＳＴ７１−Ｙｅｓ）、カウンタに１を加算し（ＳＴ７２）、カウンタ値に応じて車存在度に所定値を加算する（ＳＴ７３）。
車形状度Ｆが閾値Ｌより低いと判定すると（ＳＴ７４−Ｙｅｓ）、カウンタから１を減算し（ＳＴ７５）、カウンタ値に応じて車存在度から所定値を減算する（ＳＴ７６）。
なお、この車存在度に加算・減算する具体的な処理は上述したため説明を省略する。
また、車形状度Ｆが閾値Ｌから閾値Ｍまでの間である場合（ＳＴ７１−ＮｏかつＳＴ７４−Ｎｏ）は、カウンタ及び車存在度の加算・減算は行わずにＳＴ７７へと進む。

検出対象判定部２４３は、ＳＴ７７において、車存在度が閾値Ｈよりも高いか否かを判定する（ＳＴ７７）。
車存在度が閾値Ｈよりも高い場合（ＳＴ７７−Ｙｅｓ）は、車存在度に底上値を加算し、ＳＴ８１へ進む。
車存在度が閾値Ｈ以下である場合（ＳＴ７７−Ｎｏ）は、前回に底上値を加算しているか否かを判定し（ＳＴ７９）、前回加算している場合（ＳＴ７９−Ｙｅｓ）には車存在度から底上値を減算し（ＳＴ８０）、前回加算していない場合（ＳＴ７９−Ｎｏ）にはＳＴ８０の処理をスキップしてＳＴ８１へ進む。
これらＳＴ７１〜ＳＴ８０の一連の処理が変化領域に車両が存在する度合いを評価して車存在度を算出する評価処理（車度評価処理）となる。
なお、この車度評価処理において算出した車存在度はトラッキング情報に記憶される。

検出対象判定部２４３は、車度評価処理が完了すると、トラッキング情報に記憶されている全ての変化領域について、車存在度を算出する処理を行ったか否かを判定する（ＳＴ８１）。
全ての変化領域について処理を行っていなければ（ＳＴ８１−Ｎｏ）、図９のＳＴ５１に戻り、まだ処理を行っていない変化領域を選択し、同様にして車存在度を算出する処理を行う。
また、全ての変化領域について処理を行っていれば（ＳＴ８１−Ｙｅｓ）、処理を終了する。

なお、ＳＴ５１においてトラッキング情報を参照しても変化領域が記憶されていない場合は処理を終了する。
また、ＳＴ５２において線分データを検出しなかったときはＳＴ５９へと進む。この場合、車形状度ｆ１及びｆ２いずれも算出されていないことから、車形状度Ｆは０となる。
また、ＳＴ５２において線分データを１つだけ検出したとき（例えば車両の一側面が物体検出センサ２のレーザ光の照射方向に対して垂直な位置関係にあるときなど）は、ＳＴ５３〜ＳＴ５５においてその１つの線分データについて第１の車形評価処理を行った後、ＳＴ５６〜ＳＴ５８の第２の車形評価処理をスキップし、ＳＴ５９へ進む。この場合、ＳＴ５９における車形状度Ｆは、その１つの線分データについての車形状度ｆ１となる。

以上、本発明の実施の形態を例示により説明したが、本発明の範囲はこれらに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。

例えば、本実施形態では、１つの線分データについて車両形状らしさを評価する方法として、近似した線分の長さを用いているが、これに替えて、またはこれに加えて他の評価方法を採用してもよい。他の評価方法としては、例えば、線分に近似できたとしてもこの線分を構成する測定点には近似線分を基準とするとばらつきがあることから、このばらつきの度合いの分散をとるなどにより算出し、このばらつきの度合いを１つの線分データを評価するのに用いてもよい。

また、本実施形態では、２つの線分データの組合せについて車両形状らしさを評価する方法として、それぞれの線分データの長さの合計値と、２つの線分データのなす角とを用いていたが、両者のうちいずれかのみを用いてもよいし、これらに替えて、またはこれらに加えて他の評価方法を採用してもよい。他の評価方法としては、例えば、２つの線分データについてそれぞれ上述のようにばらつき度を算出し、２つの線分データのばらつき度を合計したものを用いてもよい。また、本実施形態では、２つの線分データのなす角が９０度に近いほど高い評価を行っているが、９０度に近く、かつ、２つの線分データの位置が離れておらず連結されている場合には、車両の外形としての矩形の何れかの角が検出できている可能性が高いことから、さらに高い評価を行う、などしてもよい。

さらに、本実施形態では、車形状度ｆ１と車形状度ｆ２とを全て合計して車形状度Ｆを算出しているが、全ての車形状度ｆ１と全ての車形状度ｆ２とを用いて車形状度を算出すればよく、これに限るものではない。
例えば、車形状度ｆ１は１つの線分データを用いた車両形状らしさの評価であり、車形状度ｆ２は２つの線分データを用いた車両形状らしさの評価であり、車形状度ｆ２の方が車形状度ｆ１よりも評価の元となるデータ量が多く信頼性が高い。このことから、単純に合計するのではなく、合計する際に、車形状度ｆ２の方を車形状度ｆ１よりも高い重み付けをして合計して車形状度Ｆを算出するようにしてもよい。

そして、本実施形態では、車形状度Ｆから車存在度を算出し、これに基づいて検出対象か否かを判定しているが、これに限るものではなく、他の方法により、車形状度Ｆから検出対象か否かを判定してもよい。
例えば、本実施形態では、車形状度Ｆを算出するのに複数の所定周期にわたり車形状度Ｆを評価しているが、複数の所定周期にわたる評価を行わず、車形状度Ｆを特徴量として直接用いて、他の特徴量とあわせて検出対象か否かを判定するようにしてもよい。

また、本実施形態においては、検出対象を判定するための判定条件として移動量を用いているが、これに替えて、またはこれに加えて、他の手法を用いてもよい。
例えば、変動領域が警戒領域４に滞留している時間をトラッキング情報から算出し、この滞留時間が所定時間以上であることを判定条件としてもよい。
また、変化領域の移動した軌跡をトラッキング情報から検出し、この軌跡が検出対象に特有な軌跡であることを判定条件としてもよい。

さらに、本実施形態では検出対象を人物及び車両としているが、物体検出センサ２が監視する警戒領域４の警備プランニングに応じて、車両だけを検出対象としてもよいし、車両を検出対象としなくてもよい。なお、本実施形態において車両を検出対象としないようにする場合には、特徴量として算出した車存在度を非検出対象の特徴量として、上述したような検出対象の特徴量との比較に基づいて、検出対象か否かを判定するようにすればよい。

そして、本実施形態において、特徴量として４つを用いているが、これに限らず、４つの特徴量のうちいずれかを用いてもよいし、他の特徴量を用いてもよい。

また、本実施形態では、それぞれ１周期前（現在周期に対する前回周期）および１周期後（前回周期に対する現在周期）の測距データとの間でトラッキング処理を行う例について説明したが、これに限らず、所定時間内の測距データ（例えば１秒間の間に取得されるデータ）との間でトラッキング処理を行う構成としてよい。この場合、上述したようにトラッキング処理において所定時間内に取得された測距データ全てについて対応付けの可否を判定し、対応する変化領域が存在すればトラッキング対象ありと判定する。これにより、瞬時的なノイズにより検出が欠落した場合であっても誤判定することなくトラッキング対象を検出することができる。

１警備システム
２物体検出センサ
２１通信部
２２検知部
２２１レーザ発振部
２２２走査鏡
２２３走査制御部
２２４反射光検出部
２２５測距データ生成部
２３記憶部
２４制御部
２４１駆動制御部
２４２基準データ生成部
２４３検出対象判定部
３監視建物
４警戒領域
５警備装置
６監視センタ
７通信網

Claims

警戒領域を監視して該警戒領域に存在する検出対象を検出する物体検出センサであって、
前記警戒領域の一端から他端までを測定周期おきに走査して、前記警戒領域における各方向の測定点までの距離を示す測距データを生成する検知部と、
過去の前記測距データと比較して現在の前記測距データについて同一の被測定物により距離が変化した前記測定点を変化領域としてグループ化するグループ化手段と、
前記変化領域としてグループ化した測定点のうち線分として近似できる測定点から線分データを検出する線分検出手段と、
前記線分データから１つの線分データごとに車両形状らしさを評価して第１の車形状度を算出する第１の車形評価手段と、
前記線分データから２つの線分データの組合せごとに車両形状らしさを評価して第２の車形状度を算出する第２の車形評価手段と、
前記第１の車形状度及び前記第２の車形状度を用いて第３の車形状度を算出する第３の車形評価手段と、
前記第３の車形状度に基づいて前記変化領域が前記検出対象か否かを判定する判定手段と、
を備えることを特徴とした物体検出センサ。
前記判定手段は、前記第３の車形状度から車両が存在する度合いを複数の前記測定周期にわたり評価して車存在度を算出する車度評価手段を備え、当該車存在度に基づいて前記変化領域が前記検出対象か否かを判定する手段であって、
前記車度評価手段は、前記第３の車形状度が第１の閾値よりも高くなった回数が多いほど前記車存在度を高く算出する請求項１に記載の物体検出センサ。
前記車度評価手段は、前記回数の多さに応じて前記車存在度を高く算出するにあたり、前記回数が少ないときの方が多いときよりも前記車存在度を高めてゆく度合いを大きくする請求項２に記載の物体検出センサ。
前記車度評価手段は、前記第３の車形状度が、前記第１の閾値より大きい第２の閾値よりも高いときに所定の底上値を前記車存在度に加算する請求項２又は請求項３に記載の物体検出センサ。
警戒領域の一端から他端までを測定周期おきに走査して、前記警戒領域における各方向の測定点までの距離を示す測距データを生成する検知部を備え、当該測距データに基づき前記警戒領域を監視して該警戒領域に存在する検出対象を検出する物体検出センサで実行されるプログラムであって、
前記プログラムは、コンピュータに、
過去の前記測距データと比較して現在の前記測距データについて同一の被測定物により距離が変化した前記測定点を変化領域としてグループ化する処理と、
前記変化領域としてグループ化した測定点のうち線分として近似できる測定点から線分データを検出する処理と、
前記線分データから１つの線分データごとに車両形状らしさを評価して第１の車形状度を算出する処理と、
前記線分データから２つの線分データの組合せごとに車両形状らしさを評価して第２の車形状度を算出する処理と、
前記第１の車形状度及び前記第２の車形状度を用いて第３の車形状度を算出する処理と、
前記第３の車形状度に基づいて前記変化領域が前記検出対象か否かを判定する処理と、
を実行させることを特徴としたプログラム。