JP2015216518A - 情報処理方法、プログラム及び情報処理装置 - Google Patents
情報処理方法、プログラム及び情報処理装置 Download PDFInfo
- Publication number
- JP2015216518A JP2015216518A JP2014098619A JP2014098619A JP2015216518A JP 2015216518 A JP2015216518 A JP 2015216518A JP 2014098619 A JP2014098619 A JP 2014098619A JP 2014098619 A JP2014098619 A JP 2014098619A JP 2015216518 A JP2015216518 A JP 2015216518A
- Authority
- JP
- Japan
- Prior art keywords
- cpu
- depth
- head
- information processing
- coordinates
- 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
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
【課題】密着した２つ以上の人体を別々の人体として判別する情報処理方法、プログラム及び情報処理装置を提供する。
【解決手段】コンピュータ１は、人の頭上からセンシングが可能な位置に設置された深度センサ２から取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定する。コンピュータ１は、判定結果に応じて、人の存在を示す情報を出力する。また、頭部形状の検出基準は、略半球形状であり、人の存在を示す情報は、頭部形状の検出基準を満たすと判定された対象の数と同じ人数の人が存在することを示す情報である。
【選択図】図１
【解決手段】コンピュータ１は、人の頭上からセンシングが可能な位置に設置された深度センサ２から取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定する。コンピュータ１は、判定結果に応じて、人の存在を示す情報を出力する。また、頭部形状の検出基準は、略半球形状であり、人の存在を示す情報は、頭部形状の検出基準を満たすと判定された対象の数と同じ人数の人が存在することを示す情報である。
【選択図】図１
Description
本発明は、情報処理方法、プログラム及び情報処理装置に関する。
従来、カメラ画像を利用して歩行者を検出する技術が提案されている（例えば特許文献１参照）。
しかしながら、従来の技術では密着した２つ以上の人体を別々の人体として判別することができないという問題があった。
一つの側面では、密着した２つ以上の人体を別々の人体として判別することが可能な情報処理方法等を提供することを目的とする。
本願に開示する情報処理方法は、人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定し、判定結果に応じて、人の存在を示す情報を出力する処理をコンピュータに実行させる。
一つの側面では、密着した２つ以上の人体を別々の人体として判別することが可能となる。
実施の形態１
以下実施の形態を、図面を参照して説明する。図１は情報処理システムの概要を示す説明図である。情報処理システムは、情報処理装置１、及び、深度センサ２（以下、センサ２という）等を含む。情報処理装置１及びセンサ２は有線または無線で接続されている。情報処理装置１はサーバコンピュータ、パーソナルコンピュータ、携帯電話、スマートフォン、ゲーム機またはＰＤＡ（Personal Digital Assistant）等である。以下では情報処理装置１をコンピュータ１と読み替えて説明する。
以下実施の形態を、図面を参照して説明する。図１は情報処理システムの概要を示す説明図である。情報処理システムは、情報処理装置１、及び、深度センサ２（以下、センサ２という）等を含む。情報処理装置１及びセンサ２は有線または無線で接続されている。情報処理装置１はサーバコンピュータ、パーソナルコンピュータ、携帯電話、スマートフォン、ゲーム機またはＰＤＡ（Personal Digital Assistant）等である。以下では情報処理装置１をコンピュータ１と読み替えて説明する。
センサ２は例えばマイクロソフト社のKINECT（登録商標）またはステレオカメラ等の所定領域内の深度（距離）を検出するセンサである。実施形態ではKINECT（登録商標）を用いた例を挙げて説明する。センサ２は例えば遊園地、駅、道路、店舗、会社、工場、学校、球場または店舗等の施設に設置される。センサ２は人の頭上から深度を検出することが可能な位置に取り付けられる。例えば天井またはゲートに、センサ２が下方向に向くよう取り付ける。コンピュータ１は、センサ２から取り込んだ深度から人間の頭の形状が存在するか否かを判断する。人間の頭の形状が存在するか否かは、略半円球状の形状が存在するか否かにより判断する。コンピュータ１は、頭の形状を検出した場合、人の存在を示す情報を表示部に出力する。コンピュータ１により出力された情報を利用することで、センサ２を設置した施設の係員が、施設内にどのような利用客が存在するかを把握することができる。ひいては、利用客に対する支援の必要有無の判断材料にしたり、施設の改善を検討する際の検討材料にしたりすることができる。以下、詳細を説明する。
図２はセンサ２のハードウェア群を示す説明図である。センサ２は制御部としてのＣＰＵ（Central Processing Unit）２１、ＲＡＭ(Random Access Memory)２２、撮像部２３、深度取得部２４、記憶部２５及び通信部２６等を含む。ＣＰＵ２１は、バス２７を介してハードウェア各部と接続されている。ＣＰＵ２１は記憶部２５に記憶された制御プログラム２５Ｐに従いハードウェア各部を制御する。ＲＡＭ２２は例えばＳＲＡＭ（Static RAM）、ＤＲＡＭ(Dynamic RAM)、フラッシュメモリ等である。ＲＡＭ２２は、記憶部としても機能し、ＣＰＵ２１による各種プログラムの実行時に発生する種々のデータを一時的に記憶する。
撮像部２３は、例えばＣＣＤ（Charge-Coupled Device）カメラであり、取り込んだ画像をＲＡＭ２２へ出力する。深度取得部２４は複数の位置から赤外線を照射し、照射物体から反射した光を取り込むことで、計測領域の深度を検出する。深度取得部２４は計測領域の平面座標及び深度をＲＡＭ２２に出力する。なお、実施形態では、センサ２から地面に向かう方向を深度の正方向とし、原点をセンサ２とする。またセンサ２から地面に向かう深度正方向と交差する面の座標を平面座標（以下、場合により座標と省略する）とする。記憶部２５はハードディスクまたは大容量メモリであり、制御プログラム２５Ｐを記憶している。通信部２６はＣＰＵ２１の指示に従い、ＲＡＭ２２に記憶した画像と、座標及び深度とをコンピュータ１へ出力する。
通信部２６は例えばＵＳＢ（Universal Serial Bus）規格に基づき通信を行う通信モジュールであり、有線または無線でコンピュータ１との間で情報の送受信を行う。なお、センサ２とコンピュータ１との間の通信はインターネット、公衆回線網またはＬＡＮ（Local Area Network）を通じて行うほか、Bluetooth（登録商標）規格に基づいて行っても良い。なお、センサ２は高さ約2m〜3mの位置にて、深度取得部２４が真下を向くよう設置することが望ましいが、これに限るものではない。多少の斜め下方向を向けて設置するようにしても良い。この場合、傾斜角度を予め測定しておき、傾斜角度に応じて深度及び座標を幾何学補正するようにすれば良い。また設置する高さも上述した高さに限定するものではない。
図３はコンピュータ１のハードウェア群を示すブロック図である。コンピュータ１は制御部としてのＣＰＵ１１、ＲＡＭ１２、入力部１３、表示部１４、記憶部１５、通信部１６、及び時計部１８等を含む。ＣＰＵ１１は、バス１７を介してハードウェア各部と接続されている。ＣＰＵ１１は記憶部１５に記憶された制御プログラム１５Ｐに従いハードウェア各部を制御する。ＲＡＭ１２は例えばＳＲＡＭ、ＤＲＡＭ、フラッシュメモリ等である。ＲＡＭ１２は、記憶部としても機能し、ＣＰＵ１１による各種プログラムの実行時に発生する種々のデータを一時的に記憶する。
入力部１３はマウスまたはキーボード、マウスまたはタッチパネル等の入力デバイスであり、受け付けた操作情報をＣＰＵ１１へ出力する。表示部１４は液晶ディスプレイまたは有機ＥＬ（electroluminescence）ディスプレイ等であり、ＣＰＵ１１の指示に従い各種情報を表示する。通信部１６は通信モジュールであり、センサ２または図示しない他のコンピュータとの間で情報の送受信を行う。
時計部１８は日時をＣＰＵ１１へ出力する。記憶部１５はハードディスクまたは大容量メモリであり、制御プログラム１５Ｐ及び履歴ＤＢ１５１等を記憶している。なお、実施形態では履歴ＤＢ１５１を記憶部１５に記憶する例を挙げたがこれに限るものではない。ＲＡＭ１２に記憶するほか、図示しない他のＤＢサーバ内に記憶するようにしても良い。この場合、ＣＰＵ１１は、ＳＱＬ(Structured Query Language)を用いて履歴ＤＢ１５１に対し、情報の読み出し及び書き込みを行う。
図４は履歴ＤＢ１５１のレコードレイアウトを示す説明図である。履歴ＤＢ１５１は日時フィールド、深度フィールド、座標フィールド等を含む。日時フィールドにはセンサ２により計測を行った日時が記憶されている。深度フィールドには、日時に対応づけて、センサ２が検出した人間の頭の頂部までの深度が記憶されている。座標フィールドには、頂部の座標が記憶されている。ＣＰＵ１１は、記憶部１５に予め記憶した半円球状のテンプレートモデルを読み出す。半円球状のテンプレートモデルは、頭上に設けたセンサ２が人間の頭を計測した場合に得られる頭の略上半分の形状に相当するモデルである。ＣＰＵ１１は、センサ２から取得した平面座標及び深度と、テンプレートモデルとに基づきパターンマッチングを行う。具体的には、ＣＰＵ１１は、取得した平面座標及び深度から、任意の高さにおける平面座標及び深度を切り取り、対比モデルを生成する。ＣＰＵ１１は、テンプレートと対比モデルとの相違が許容値の範囲内であれば対比モデルは人間の頭と判断する。
ＣＰＵ１１は、対比モデルの最低深度を、履歴ＤＢ１５１に記憶する。なお、深度に代えて身長を記憶するようにしても良い。この場合、ＣＰＵ１１は、ＲＡＭ１２に記憶した設置高さから深度を減じた値を身長として記憶する。また、本実施形態では最低深度を記憶する例を示すがこれに限るものではない。頭と判断した対比モデルの深度の平均値等を深度として記憶するようにしても良い。また座標は最低深度に対応する座標を、頂部の座標として記憶する例を示したがこれに限るものではない。例えば対比モデルを平面に投影した場合に得られる頭部の外周座標の平均または重心等を頂部の座標として履歴ＤＢ１５１に記憶しても良い。
本実施形態では頭の略上半分の形状に相当する半円球状をテンプレートモデルとしたが、テンプレートモデルの形状はこの形状に限るものではない。帽子をかぶっている場合もあるため、半円球状のモデルに帽子の鍔を付加したモデルをテンプレートモデルとしても良い。また、頭の大きさは個人で相違するため、複数サイズのテンプレートモデルを用意しておいてもよい。
ＣＰＵ１１は、センサ２の撮像部２３から取り込んだ画像を表示部１４に表示している。ＣＰＵ１１は、人間の頭を認識した場合、履歴ＤＢ１５１に記憶した座標を中心に一定の大きさを有する円を画像上に重畳して表示する。なお、認識した人の存在を示す情報の出力は他の形態であっても良い。例えば、表示部１４に認識したことを示すテキストまたはマーク（シンボル）を表示するほか、累積人数を表示しても良い。また図示しないスピーカから、認識したことを示す音、または、人数を出力しても良い。さらに通信部１６を介して他のコンピュータへ人の存在を示す情報を出力しても良い。本実施形態では表示部１４に出力する例を挙げて説明する。
以上のハードウェア群において各種ソフトウェア処理を、フローチャートを用いて説明する。図５は認識処理の手順を示すフローチャートである。ＣＰＵ１１は、センサ２から座標及び深度を取得する（ステップＳ５１）。ＣＰＵ１１は、テンプレートモデルを記憶部１５から読み出す（ステップＳ５２）。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度レンジ内で複数の対比モデルを生成する（ステップＳ５３）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内であるか否かを判断する（ステップＳ５４）。ＣＰＵ１１は、許容値の範囲内でないと判断した場合（ステップＳ５４でＮＯ）、処理を終了する。
ＣＰＵ１１は、許容値の範囲内であると判断した場合（ステップＳ５４でＹＥＳ）、ステップＳ５５へ移行する。ＣＰＵ１１は、人物の頭部と判断し、取得した深度から最低深度及び最低深度に対応する座標を取得する（ステップＳ５５）。ＣＰＵ１１は、認識した頂部のデータとして時計部１８から出力される日時、最低深度及び座標を履歴ＤＢ１５１に記憶する（ステップＳ５６）。ＣＰＵ１１は、記憶部１５からマークを読み出す（ステップＳ５７）。本実施形態では緑色の円であるものとして説明するが、これに限るものではない。例えば「人」とする文字をマークとしても良い。
ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。なお、画像の座標系は、深度取得部２４で取得する平面座標系に一致しているものとする。ＣＰＵ１１は、座標を参照し、読み出したマークを画像に重畳して表示する（ステップＳ５８）。これにより、施設を通行する人間を容易に認識することができる。また、画像に重畳してマークが表示されるため、監視員等も容易に人物を目視することが可能となる。さらに半円球状のモデルを利用することで、同様の大きさを有する荷物を頭と誤認識する事を防止することが可能となる。
実施の形態２
実施の形態２は複数人を認識する形態に関する。図６は情報処理システムの概要を示す説明図である。図６の例は大人と子供が歩いている様子を示している。ＣＰＵ１１は、２つの頭部形状を認識し、２人と判断する。またＣＰＵ１１は、認識した頭頂の深度に応じて大人または子供と判断する。以下詳細を説明する。
実施の形態２は複数人を認識する形態に関する。図６は情報処理システムの概要を示す説明図である。図６の例は大人と子供が歩いている様子を示している。ＣＰＵ１１は、２つの頭部形状を認識し、２人と判断する。またＣＰＵ１１は、認識した頭頂の深度に応じて大人または子供と判断する。以下詳細を説明する。
図７は複数の深度を示す説明図である。本実施形態ではセンサ２から鉛直方向に対し、複数の領域を設定している。図７Ａの例は３つの領域（レンジ）を設定している。深度１ｍを第１の深度とし、第１の深度よりも短い領域を第１領域に設定している。なお、深度ではなく、地上からの高さとしても良いことはもちろんである。第１領域に頭頂が存在すると判断した場合、ＣＰＵ１１は、大人と判断する。なお、頭頂を基準とするのではなく、頭の中心など、頭の他の位置を基準としても良い。
深度1.4mを、第１の深度よりも長い第２の深度とする。なお、実施形態で述べる数値に限定されるものではない。第１の深度以上第２の深度以下の領域を第２の領域とする。ＣＰＵ１１は、第２領域に頭頂が存在すると判断した場合、子供と判断する。第２深度よりも長い領域を第３の領域とする。ＣＰＵ１１は、第３領域に頭頂が存在すると判断した場合、幼児と判断する。なお、本実施形態では３つの領域に応じて３つの属性（大人、子供、幼児）を付与することとしたが、これに限るものではない。深度に応じた複数の領域に対し、それぞれ異なる属性が付与される形態であれば良い。
図７Ｂは２の領域に、２つの属性を付与する形態に関する。この例では、深度1.3mを第１の深度とし、第１の深度よりも短い領域を第１領域としている。ＣＰＵ１１は、第１領域に頭頂が存在する場合、大人が存在すると判断する。第１の深度以上の領域を第２領域とする。ＣＰＵ１１は、第２領域に頭頂が存在する場合、子供が存在すると判断する。実施形態では図７Ａに示す３つの領域について処理を行う例を説明する。
図８は履歴ＤＢ１５１のレコードレイアウトを示す説明図である。履歴ＤＢ１５１は日時フィールド、深度フィールド、座標フィールド、属性フィールド及び累積人数フィールド等を含む。深度フィールドには、人間の頭部を認識した日時に対応づけて深度が記憶されている。座標フィールドには、深度に対応付けて認識した頭部頭頂の座標が記憶されている。属性フィールドには、深度に対応づけて属性が記憶されている。図８の例では、１２時３０分０秒に大人（深度０．９ｍ）及び子供（深度１．２ｍ）が記憶されている。なお日時フィールドでは年月日の記載を省略している。累積人数フィールドは、さらに大人フィールド、子供フィールド及び幼児フィールドを含む。日時に対応付けて計測を開始してからの大人、子供及び幼児の累積人数を記憶している。
ＣＰＵ１１は、複数の頭部を検出した場合、各頭部の頂部の深度を履歴ＤＢ１５１に記憶する。ＣＰＵ１１は、頭部の内最も低い深度の座標である頭頂の座標を深度に対応付けて記憶する。具体的にはＣＰＵ１１は、第１〜第３領域の深度と属性とを対応付けたテーブルを参照し、記憶した深度に対応する属性を抽出する。ＣＰＵ１１は、深度に対応する属性を履歴ＤＢ１５１に記憶する。ＣＰＵ１１は、属性毎に累積人数を日時に対応付けて履歴ＤＢ１５１に記憶する。ＣＰＵ１１は、記憶した深度及び属性を表示部１４に出力する。またＣＰＵ１１は、各属性の累積人数を表示部１４に出力する。
図９は表示結果を示すイメージ図である。ＣＰＵ１１は、取り込んだ画像を表示部１４に出力する。ＣＰＵ１１は、各属性のマークを読み出す。各属性のマークは属性別に視認することができるよう設定されている。視認可能にする態様として例えば、各属性のマークは属性毎に色が異なる（例えば、大人は緑、子供は黄色、幼児は赤）、点滅速度が異なる、表示文字が異なるなどの態様が考えられる。本実施形態では、ＣＰＵ１１は、マークとして属性「大人」には、頂部座標の周囲に頂部からの引き出し線と共に「大人」のテキスト文字を表示部１４に出力する。併せてＣＰＵ１１は、頂部座標を中心とする所定範囲内に右上から左下に向かう線分群で形成されるハッチングを表示部１４に出力する。
ＣＰＵ１１は、マークとして属性「子供」には、頂部座標の周囲に頂部からの引き出し線と共に「子供」のテキスト文字を表示部１４に出力する。併せてＣＰＵ１１は、頂部座標を中心とする所定範囲内に左上から右下に向かう線分群で形成されるハッチングを表示部１４に出力する。ＣＰＵ１１は、マークとして属性「幼児」には、頂部座標の周囲に頂部からの引き出し線と共に「幼児」のテキスト文字を表示部１４に出力する。併せてＣＰＵ１１は、頂部座標を中心とする所定範囲内に横方向に向かう線分群で形成されるハッチングを表示部１４に出力する。ＣＰＵ１１は、表示部１４の一部に、履歴ＤＢ１５１に記憶した各属性の累積人数を出力する。
図１０〜図１２は出力処理の手順を示すフローチャートである。ＣＰＵ１１は、センサ２から第１領域にて座標及び深度を取得する（ステップＳ１０１）。ＣＰＵ１１は、第１領域のテンプレートモデルを記憶部１５から読み出す（ステップＳ１０２）。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度の範囲内で複数の対比モデルを生成する（ステップＳ１０３）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内であるか否かを判断する（ステップＳ１０４）。ＣＰＵ１１は、許容値の範囲内でないと判断した場合（ステップＳ１０４でＮＯ）、処理をステップＳ１０９へ移行させる。
ＣＰＵ１１は、許容値の範囲内であると判断した場合（ステップＳ１０４でＹＥＳ）、ステップＳ１０５へ移行する。ＣＰＵ１１は、大人の頭部と判断し、取得した深度から最低深度及び最低深度に対応する頂部座標を取得する（ステップＳ１０５）。ＣＰＵ１１は、認識した頂部のデータとして時計部１８から出力される日時、最低深度、属性及び座標を履歴ＤＢ１５１に記憶する（ステップＳ１０６）。ＣＰＵ１１は、記憶部１５から第１領域のマークを読み出す（ステップＳ１０７）。
ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出したマークを画像に重畳して表示する（ステップＳ１０８）。ＣＰＵ１１は頭と認識した座標群及び以外の座標についても、ステップＳ１０１〜ステップＳ１０８の処理を繰り返す。他の頭部を発見した場合は、同様に履歴ＤＢ１５１に２人目として属性「大人」と深度を記憶する。全ての座標について処理を終えた後、ＣＰＵ１１は、処理をステップＳ１０９へ移行させる。
ＣＰＵ１１は、センサ２から第２領域にて座標及び深度を取得する（ステップＳ１０９）。ＣＰＵ１１は、第２領域のテンプレートモデルを記憶部１５から読み出す（ステップＳ１１１）。第２領域には大人よりも頭の小さい子供が存在する可能性が高いことから、第１領域のテンプレートモデルより小さなテンプレートモデルを用意しておけば良い。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度の範囲内で複数の対比モデルを生成する（ステップＳ１１２）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内であるか否かを判断する（ステップＳ１１３）。ＣＰＵ１１は、許容値の範囲内でないと判断した場合（ステップＳ１１３でＮＯ）、処理をステップＳ１１８へ移行させる。
ＣＰＵ１１は、許容値の範囲内であると判断した場合（ステップＳ１１３でＹＥＳ）、ステップＳ１１４へ移行する。ＣＰＵ１１は、子供の頭部と判断し、取得した深度から最低深度及び最低深度に対応する頂点座標を取得する（ステップＳ１１４）。ＣＰＵ１１は、認識した頂部のデータとして時計部１８から出力される日時、最低深度、属性及び座標を履歴ＤＢ１５１に記憶する（ステップＳ１１５）。ＣＰＵ１１は、記憶部１５から第２領域のマークを読み出す（ステップＳ１１６）。
ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した第２領域のマークを画像に重畳して表示する（ステップＳ１１７）。ＣＰＵ１１は既に頭と認識した座標群及び以外の座標についても、ステップＳ１０９〜ステップＳ１１７の処理を繰り返す。他の頭部を発見した場合は、同様に履歴ＤＢ１５１に２人目として属性「子供」と深度を記憶する。全ての座標について処理を終えた後、ＣＰＵ１１は、処理をステップＳ１１８へ移行させる。
ＣＰＵ１１は、センサ２から第３領域にて座標及び深度を取得する（ステップＳ１１８）。ＣＰＵ１１は、第３領域のテンプレートモデルを記憶部１５から読み出す（ステップＳ１１９）。第３領域には大人よりも頭の小さい幼児が存在する可能性が高いことから、第２領域のテンプレートモデルより小さなテンプレートモデルを用意しておけば良い。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度の範囲内で複数の対比モデルを生成する（ステップＳ１２１）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内であるか否かを判断する（ステップＳ１２２）。ＣＰＵ１１は、許容値の範囲内でないと判断した場合（ステップＳ１２２でＮＯ）、処理をステップＳ１２７へ移行させる。
ＣＰＵ１１は、許容値の範囲内であると判断した場合（ステップＳ１２２でＹＥＳ）、ステップＳ１２３へ移行する。ＣＰＵ１１は、幼児の頭部と判断し、取得した深度から最低深度及び最低深度に対応する頂点座標を取得する（ステップＳ１２３）。ＣＰＵ１１は、認識した頂部のデータとして時計部１８から出力される日時、最低深度、属性及び座標を履歴ＤＢ１５１に記憶する（ステップＳ１２４）。ＣＰＵ１１は、記憶部１５から第３領域のマークを読み出す（ステップＳ１２５）。
ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した第３領域のマークを画像に重畳して表示する（ステップＳ１２６）。ＣＰＵ１１は既に頭と認識した座標群及び以外の座標についても、ステップＳ１１８〜ステップＳ１２６の処理を繰り返す。他の頭部を発見した場合は、同様に履歴ＤＢ１５１に２人目として属性「幼児」と深度を記憶する。全ての座標について処理を終えた後、ＣＰＵ１１は、処理をステップＳ１２７へ移行させる。
ＣＰＵ１１は、履歴ＤＢ１５１を参照し、属性毎に累積人数を算出する。ＣＰＵ１１は、算出した累積人数を属性毎に、履歴ＤＢ１５１に記憶する（ステップＳ１２７）。ＣＰＵ１１は、表示部１４に属性毎の累積人数を出力する（ステップＳ１２８）。これにより、複数の人物の通過を精度良く検出することが可能となる。また深度を利用することで、通過する人物の属性を把握することが可能となる。また通過する人物が大人であるか、子供であるかを容易に把握することが可能となる。
本実施の形態２は以上の如きであり、その他は実施の形態１と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。
実施の形態３
図１３は歩行状況を示す説明図である。図１３Ａは大人と子供が歩いている状況を示している。ＣＰＵ１１は、上述した実施の形態の処理により、複数の人物を認識する。本実施形態では２名の人物を認識する例を示すが、３人以上であっても良い。以下では一の人物を第１対象、他の人物を第２対象という。第１領域に属する人物を大人と判断し、第２領域に属する人物を子供と判断する。ＣＰＵ１１は、履歴ＤＢ１５１の座標を参照し、第１対象の頂部座標と第２対象との頂部座標との同一平面における距離を算出する。ＣＰＵ１１は、記憶部１５から閾距離を読み出す。この距離は例えば、３０ｃｍとすればよい。ＣＰＵ１１は、算出した距離が閾距離以上か否かを判断する。ＣＰＵ１１は、閾距離以上と判断した場合、第２領域に属する第２対象を子供と判断する。
図１３は歩行状況を示す説明図である。図１３Ａは大人と子供が歩いている状況を示している。ＣＰＵ１１は、上述した実施の形態の処理により、複数の人物を認識する。本実施形態では２名の人物を認識する例を示すが、３人以上であっても良い。以下では一の人物を第１対象、他の人物を第２対象という。第１領域に属する人物を大人と判断し、第２領域に属する人物を子供と判断する。ＣＰＵ１１は、履歴ＤＢ１５１の座標を参照し、第１対象の頂部座標と第２対象との頂部座標との同一平面における距離を算出する。ＣＰＵ１１は、記憶部１５から閾距離を読み出す。この距離は例えば、３０ｃｍとすればよい。ＣＰＵ１１は、算出した距離が閾距離以上か否かを判断する。ＣＰＵ１１は、閾距離以上と判断した場合、第２領域に属する第２対象を子供と判断する。
図１４は履歴ＤＢ１５１のレコードレイアウトを示す説明図である。履歴ＤＢ１５１は、日時フィールド、深度フィールド、座標フィールド、属性フィールド、及び、累積人数フィールド等を含む。属性フィールドには、大人、子供に加えて、子連れ歩行幼児、だっこ幼児、及び歩行幼児が記憶されている。図１３Ａの例では、子供と認識されたため、属性は「子供」と記憶されている。また大人と子供の累積人数が１増加している。図１４の例では１２時３０分００秒に、大人と子供が認識され、深度、座標、及び属性「大人」と「子供」が記憶されている。また、累積人数は、大人「９」、子供「５」と記憶されている。
図１３Ｂは、幼児が大人に抱かれている状況を示している。当該状況における幼児を、以下だっこ幼児という。ＣＰＵ１１は、第２領域に属すると判断し、かつ、頂部間の平面における距離が第１距離（例えば３０ｃｍ）より小さい場合、第２対象をだっこ幼児と判断する。本実施形態ではだっこ幼児と判断するが、幼児が大人に背負われている場合も同様の特徴を有するため、おんぶ幼児と判断しても良い。なお、本実施形態ではだっこ幼児であるものとして説明する。だっこ幼児とおんぶ幼児とを区別する場合、ＣＰＵ１１は、撮像部２３から取り込んだ画像データから第１対象の進行方向を取得する。そしてＣＰＵ１１は、進行方向反対側に第２対象の頂部が存在する場合、おんぶ幼児と判断し、それ以外はだっこ幼児と判断すれば良い。ＣＰＵ１１は、だっこ幼児と判断した場合、属性に「だっこ幼児」を記憶する。１２時３１分００秒の例では、大人及びだっこ幼児の累積人数がそれぞれ１増加している。
図１３Ｃは、子連れの歩行する幼児が存在する状況を示している。ＣＰＵ１１は、第２対象の深度が第３領域に属し、かつ、第１対象と第２対象との頂部座標の距離が第１距離より小さい場合、属性を子連れ歩行幼児と判断する。この場合、歩行する幼児と大人が手をつないで、または、接近して歩行していると判断する。図１４における１２時３２分００秒では、子連れ歩行幼児が認識され、大人と子連れ歩行幼児の累積人数が１増加している。なお、ＣＰＵ１１は、第２対象が第３領域に属し、かつ頂部座標の距離が第１距離以上の場合、大人の手を離れて自由に歩行している幼児であるとして、属性を歩行幼児に設定する。
図１５〜図１８は認識処理の手順を示すフローチャートである。ＣＰＵ１１は、センサ２から第１領域にて座標及び深度を取得する（ステップＳ１５１）。ＣＰＵ１１は、第１領域のテンプレートモデルを記憶部１５から読み出す（ステップＳ１５２）。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度の範囲内で複数の対比モデルを生成する（ステップＳ１５３）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内であるか否かを判断する（ステップＳ１５４）。ＣＰＵ１１は、許容値の範囲内でないと判断した場合（ステップＳ１５４でＮＯ）、処理をステップＳ１５９へ移行させる。
ＣＰＵ１１は、許容値の範囲内であると判断した場合（ステップＳ１５４でＹＥＳ）、ステップＳ１５５へ移行する。ＣＰＵ１１は、大人の頭部と判断し、取得した深度から最低深度及び最低深度に対応する頂部座標を取得する（ステップＳ１５５）。ＣＰＵ１１は、認識した頂部のデータとして時計部１８から出力される日時、最低深度、属性及び座標を履歴ＤＢ１５１に記憶する（ステップＳ１５６）。ＣＰＵ１１は、記憶部１５から第１領域の大人のマークを読み出す（ステップＳ１５７）。
ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した大人のマークを画像に重畳して表示する（ステップＳ１５８）。ＣＰＵ１１は、センサ２から第２領域にて座標及び深度を取得する（ステップＳ１５９）。ＣＰＵ１１は、第２領域のテンプレートモデルを記憶部１５から読み出す（ステップＳ１６１）。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度の範囲内で複数の対比モデルを生成する（ステップＳ１６２）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内であるか否かを判断する（ステップＳ１６３）。ＣＰＵ１１は、許容値の範囲内でないと判断した場合（ステップＳ１６３でＮＯ）、処理をステップＳ１７５へ移行させる。
ＣＰＵ１１は、許容値の範囲内であると判断した場合（ステップＳ１６３でＹＥＳ）、ステップＳ１６４へ移行する。ＣＰＵ１１は、取得した深度から最低深度及び最低深度に対応する頭部座標を取得する（ステップＳ１６４）。ＣＰＵ１１は、認識した頂部のデータとして時計部１８から出力される日時、最低深度、及び座標を履歴ＤＢ１５１に記憶する（ステップＳ１６５）。
ＣＰＵ１１は、記憶部１５から閾距離を読み出す（ステップＳ１６６）。ＣＰＵ１１は、大人と認識した第１対象と、ステップＳ１６４で許容値の範囲内と判断した第２対象との頂部の座標距離が、閾距離以上か否かを判断する（ステップＳ１６７）。ＣＰＵ１１は、閾距離以上と判断した場合（ステップＳ１６７でＹＥＳ）、処理をステップＳ１６８へ移行させる。
ＣＰＵ１１は、履歴ＤＢ１５１に属性「子供」を記憶する（ステップＳ１６８）。ＣＰＵ１１は、記憶部１５から第２領域の子供マークを読み出す（ステップＳ１６９）。ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した第２領域の子供マークを画像に重畳して表示する（ステップＳ１７１）。
ＣＰＵ１１は、閾距離以上でないと判断した場合（ステップＳ１６７でＮＯ）、処理をステップＳ１７２へ移行させる。ＣＰＵ１１は、履歴ＤＢ１５１に属性「だっこ幼児」を記憶する（ステップＳ１７２）。ＣＰＵ１１は、記憶部１５から第２領域のだっこ幼児マークを読み出す（ステップＳ１７３）。ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した第２領域のだっこ幼児マークを画像に重畳して表示する（ステップＳ１７４）。
ＣＰＵ１１は、センサ２から第３領域にて座標及び深度を取得する（ステップＳ１７５）。ＣＰＵ１１は、第３領域のテンプレートモデルを記憶部１５から読み出す（ステップＳ１７６）。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度の範囲内で複数の対比モデルを生成する（ステップＳ１７７）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内であるか否かを判断する（ステップＳ１７８）。ＣＰＵ１１は、許容値の範囲内でないと判断した場合（ステップＳ１７８でＮＯ）、処理をステップＳ１８９へ移行させる。
ＣＰＵ１１は、許容値の範囲内であると判断した場合（ステップＳ１７８でＹＥＳ）、ステップＳ１７９へ移行する。ＣＰＵ１１は、取得した深度から最低深度及び最低深度に対応する頂部座標を取得する（ステップＳ１７９）。ＣＰＵ１１は、認識した頂部のデータとして時計部１８から出力される日時、最低深度、及び座標を履歴ＤＢ１５１に記憶する（ステップＳ１８１）。
ＣＰＵ１１は、大人と認識した第１対象と、ステップＳ１７８で許容値の範囲内と判断した第２対象との頂部の座標距離が、閾距離以上か否かを判断する（ステップＳ１８２）。ＣＰＵ１１は、閾距離以上と判断した場合（ステップＳ１８２でＹＥＳ）、処理をステップＳ１８３へ移行させる。
ＣＰＵ１１は、履歴ＤＢ１５１に属性「歩行幼児」を記憶する（ステップＳ１８３）。ＣＰＵ１１は、記憶部１５から第３領域の歩行幼児マークを読み出す（ステップＳ１８４）。ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した第３領域の歩行幼児マークを画像に重畳して表示する（ステップＳ１８５）。
ＣＰＵ１１は、閾距離以上でないと判断した場合（ステップＳ１８２でＮＯ）、処理をステップＳ１８６へ移行させる。ＣＰＵ１１は、履歴ＤＢ１５１に属性「子連れ歩行幼児」を記憶する（ステップＳ１８６）。ＣＰＵ１１は、記憶部１５から第３領域の子連れ歩行幼児マークを読み出す（ステップＳ１８７）。
ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した第３領域の子連れ歩行幼児マークを画像に重畳して表示する（ステップＳ１８８）。
ＣＰＵ１１は、履歴ＤＢ１５１を参照し、属性毎に累積人数を算出する。ＣＰＵ１１は、算出した累積人数を属性毎に、履歴ＤＢ１５１に記憶する（ステップＳ１８９）。ＣＰＵ１１は、表示部１４に属性毎の累積人数を出力する（ステップＳ１８１０）。これにより、幼児が大人に密着している場合、一体として誤認識される恐れがあるところ、抱かれているのか、歩行しているのかを区別した上で、複数の人物を認識することが可能となる。また、深度に応じて子供と幼児とを区別するようにしたので、よりきめ細かく歩行者の動向を把握することが可能となる。また認識した複数の頭部の属性に応じて相互に異なる形態で表示部１４にマークを表示するので、オペレータは容易に視認することが可能となる。
本実施の形態３は以上の如きであり、その他は実施の形態１から実施の形態２と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。
実施の形態４
実施の形態４は抱かれている幼児が睡眠状態にあるか否かを判断する形態に関する。図１９は幼児の接近状況を示す説明図である。ＣＰＵ１１は、属性だっこ幼児と判断した場合、当該幼児が睡眠状態にあるか否かを判断する。ＣＰＵ１１は、上述した第１距離よりも短い第２距離（例えば１５ｃｍ）を記憶部１５から読み出す。ＣＰＵ１１は、第１対象の頂部座標と第２対象の頂部座標との平面における距離が第２距離以下であるか否かを判断する。ＣＰＵ１１は、第２距離以下であると判断した場合、幼児は睡眠状態にあると判断する。
例えば、だっこされている幼児が寝ている場合は、子供は自分で姿勢を保つことはできないので、頭も含め体全体を抱っこしている大人に預けている状態になるであろう。従って、だっこされている幼児と抱っこしている大人との頭の頂部間の平面における距離は、かなり近い距離（たとえば１５ｃｍよりも近い距離）になると考えられる。一方、抱っこされている幼児が起きている、すなわち活動状態にあれば、子供は自分で姿勢を保つであろう。従って、頭の頂部間の平面における距離は、寝ている場合と比較して離れた状態になると考えられる。
例えば、何らかの待ち行列に並んでいる人をセンサ２の計測対象とすることができる。センサ２により、大人が子供を抱っこしている状態であり、さらに子供が睡眠状態であると判断された場合、待ち行列中の人に対する音声や画像などでの情報提供の内容を、大人向けのコンテンツとすることが考えられる。また、幼児が起きている状態であると判断された場合、情報提供の内容を、幼児向けのコンテンツとすることが考えられる。
実施の形態４は抱かれている幼児が睡眠状態にあるか否かを判断する形態に関する。図１９は幼児の接近状況を示す説明図である。ＣＰＵ１１は、属性だっこ幼児と判断した場合、当該幼児が睡眠状態にあるか否かを判断する。ＣＰＵ１１は、上述した第１距離よりも短い第２距離（例えば１５ｃｍ）を記憶部１５から読み出す。ＣＰＵ１１は、第１対象の頂部座標と第２対象の頂部座標との平面における距離が第２距離以下であるか否かを判断する。ＣＰＵ１１は、第２距離以下であると判断した場合、幼児は睡眠状態にあると判断する。
例えば、だっこされている幼児が寝ている場合は、子供は自分で姿勢を保つことはできないので、頭も含め体全体を抱っこしている大人に預けている状態になるであろう。従って、だっこされている幼児と抱っこしている大人との頭の頂部間の平面における距離は、かなり近い距離（たとえば１５ｃｍよりも近い距離）になると考えられる。一方、抱っこされている幼児が起きている、すなわち活動状態にあれば、子供は自分で姿勢を保つであろう。従って、頭の頂部間の平面における距離は、寝ている場合と比較して離れた状態になると考えられる。
例えば、何らかの待ち行列に並んでいる人をセンサ２の計測対象とすることができる。センサ２により、大人が子供を抱っこしている状態であり、さらに子供が睡眠状態であると判断された場合、待ち行列中の人に対する音声や画像などでの情報提供の内容を、大人向けのコンテンツとすることが考えられる。また、幼児が起きている状態であると判断された場合、情報提供の内容を、幼児向けのコンテンツとすることが考えられる。
図２０は履歴ＤＢ１５１のレコードレイアウトを示す説明図である。新たに睡眠フィールドが設けられている。ＣＰＵ１１は、睡眠状態にあると判断した場合、属性だっこ幼児に対応付けて睡眠フラグを記憶する。
図２１は認識処理の手順を示すフローチャートである。ＣＰＵ１１は、ステップＳ１７２の処理後以下の処理を行う。ＣＰＵ１１は、第１対象と第２対象との頂部座標の距離を算出する（ステップＳ２１１）。ＣＰＵ１１は、記憶部１５から第２距離を読み出す（ステップＳ２１２）。ＣＰＵ１１は、算出した距離は第２距離以下か否かを判断する（ステップＳ２１３）。ＣＰＵ１１は、第２距離以下であると判断した場合（ステップＳ２１３でＹＥＳ）、ステップＳ２１４へ移行する。
ＣＰＵ１１は、履歴ＤＢ１５１に、記憶しただっこ幼児の属性に対応付けて、睡眠フラグを記憶する（ステップＳ２１４）。ＣＰＵ１１は、記憶部１５から第２領域の睡眠幼児マークを読み出す（ステップＳ２１５）。ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した第２領域の睡眠幼児マークを画像に重畳して表示する（ステップＳ２１６）。ＣＰＵ１１は、睡眠フラグがセットされただっこ幼児の累積数を算出する（ステップＳ２１７）。ＣＰＵ１１は、算出した累積数を表示部１４に出力する（ステップＳ２１８）。
ＣＰＵ１１は、算出した距離が第２距離以下でないと判断した場合（ステップＳ２１３でＮＯ）、処理をステップＳ２１９へ移行させる。ＣＰＵ１１は、記憶部１５から第２領域のだっこ幼児マークを読み出す（ステップＳ２１９）。ＣＰＵ１１は、表示部１４にセンサ２から取得した画像を表示する。ＣＰＵ１１は、座標を参照し、読み出した第２領域のだっこ幼児マークを画像に重畳して表示する（ステップＳ２１１１）。これにより、幼児が睡眠状態にあるか否かも把握することができ、施設側は当該情報を有効活用することが可能となる。
本実施の形態４は以上の如きであり、その他は実施の形態１から実施の形態３と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。
実施の形態５
実施の形態５はベビーカーを認識する形態に関する。ＣＰＵ１１は、深度を取得し、第３領域にて複数の車輪形状を認識した場合、ベビーカーであると判断する。本実施形態では4輪のベビーカーを認識する例を挙げて説明するが、これに限るものではない。３輪以上であれば良い。ＣＰＵ１１は、所定幅（例えば車輪幅３ｃｍから１０ｃｍ）を有する半円筒形状を第３領域にて複数検出した場合に、ベビーカーであると判断する。ＣＰＵ１１は、履歴ＤＢ１５１を参照し、検出した複数の車輪にて囲まれる座標領域内に、幼児が存在すると判断した場合、ベビーカーに幼児が座っていると判断する。
実施の形態５はベビーカーを認識する形態に関する。ＣＰＵ１１は、深度を取得し、第３領域にて複数の車輪形状を認識した場合、ベビーカーであると判断する。本実施形態では4輪のベビーカーを認識する例を挙げて説明するが、これに限るものではない。３輪以上であれば良い。ＣＰＵ１１は、所定幅（例えば車輪幅３ｃｍから１０ｃｍ）を有する半円筒形状を第３領域にて複数検出した場合に、ベビーカーであると判断する。ＣＰＵ１１は、履歴ＤＢ１５１を参照し、検出した複数の車輪にて囲まれる座標領域内に、幼児が存在すると判断した場合、ベビーカーに幼児が座っていると判断する。
図２２は履歴ＤＢ１５１のレコードレイアウトを示す説明図である。属性としてベビーカー幼児が新たに設けられている。また累積人数には、ベビーカーの他、ベビーカー幼児のフィールドが設けられている。ＣＰＵ１１は、ベビーカーを認識した場合、ベビーカーの累積数をインクリメントする。ＣＰＵ１１は、ベビーカーを認識し、かつ、子連れ歩行幼児と判断した第２対象の頭頂座標が認識した複数の車輪で囲まれる領域内に属すると判断した場合、属性をベビーカー幼児に書き換える。またＣＰＵ１１は、ベビーカー幼児の累積人数をインクリメントする。
図２３及び図２４は認識処理の手順を示すフローチャートである。ＣＰＵ１１は、センサ２から第３領域にて座標及び深度を取得する（ステップＳ２３１）。ＣＰＵ１１は、第３領域のベビーカーのテンプレートモデルを記憶部１５から読み出す（ステップＳ２３２）。なお、ベビーカーの車輪のテンプレートモデルは予め各メーカーのベビーカーを測定しておくことにより、準備しておけば良い。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度の範囲内で複数の対比モデルを生成する（ステップＳ２３３）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内にある対比モデルを抽出する（ステップＳ２３４）。
ＣＰＵ１１は、許容値の範囲内にある対比モデルが複数か否かにより、複数の車輪が存在するか否かを判断する（ステップＳ２３５）。ＣＰＵ１１は、複数の車輪が存在しないと判断した場合（ステップＳ２３５でＮＯ）、処理を終了する。ＣＰＵ１１は、複数の車輪が存在すると判断した場合（ステップＳ２３５でＹＥＳ）、ステップＳ２３６へ移行する。ＣＰＵ１１は、ベビーカーと判断し、取得した深度から各車輪の最低深度及び最低深度に対応する頂部座標を取得する（ステップＳ２３６）。ＣＰＵ１１は、時計部１８から出力される日時、各車輪の最低深度及び座標をＲＡＭ１２に記憶する（ステップＳ２３７）。
ＣＰＵ１１は、ベビーカーの累積数をインクリメントする（ステップＳ２３８）。ＣＰＵ１１は、上述した実施形態により子連れ歩行幼児と認識したか否か判断する（ステップＳ２３９）。ＣＰＵ１１は、子連れ歩行幼児と認識していない場合（ステップＳ２３９でＮＯ）、処理を終了する。ＣＰＵ１１は、子連れ歩行幼児と認識した場合（ステップＳ２３９でＹＥＳ）、処理をステップＳ２４１へ移行させる。ＣＰＵ１１は、ＲＡＭ１２の各車輪の座標及び履歴ＤＢ１５１の子連れ歩行幼児の座標を参照し、複数の車輪の座標で囲まれる領域に、頭部座標が存在するか否かを判断する（ステップＳ２４１）。
ＣＰＵ１１は、頭部座標が存在しないと判断した場合（ステップＳ２４１でＮＯ）、処理を終了する。ＣＰＵ１１は、頭部座標が存在すると判断した場合（ステップＳ２４１でＹＥＳ）、処理をステップＳ２４２へ移行させる。ＣＰＵ１１は、履歴ＤＢ１５１における属性を子連れ歩行幼児からベビーカー幼児に変更する（ステップＳ２４２）。ＣＰＵ１１は、履歴ＤＢ１５１のベビーカー幼児の累積人数をインクリメントする（ステップＳ２４３）。ＣＰＵ１１は、履歴ＤＢ１５１に記憶したベビーカーの累積数、または、ベビーカー幼児の累積人数を表示部１４へ出力する。これにより、ベビーカーの数及びベビーカーに乗っている幼児の数を把握することが可能となる。なお、本実施形態では２つの前輪及び２つの後輪を認識する形態を例示したがこれに限るものではない。ＣＰＵ１１は、他の特徴部分を認識するようにしても良い。例えば、ＣＰＵ１１は、２つの前輪と、後輪上側に設けられるハンドル上に乗せられた人間の左右の手指とを認識した場合に、ベビーカーであると判断しても良い。その他、ＣＰＵ１１は、１つの前輪と、２つの後輪と、後輪上側に設けられるハンドル上に乗せられた人間の左右の手指とを認識した場合に、ベビーカーであると判断しても良い。
本実施の形態５は以上の如きであり、その他は実施の形態１から実施の形態４と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。
実施の形態６
実施の形態６は車いすを認識する形態に関する。ＣＰＵ１１は、深度を取得し、第３領域にて複数の車いすに係る車輪形状を認識した場合、車いすであると判断する。例えば、所定幅（例えば車輪幅３ｃｍ〜５ｃｍ）を有し、かつ、前輪に係る所定深度（例えば深度１．７ｍ〜１．９ｍ）及び後輪に係る所定深度（例えば深度２．２ｍ〜２．３ｍ）を有する半円筒形状を第３領域にて複数検出した場合に、車いすであると判断すれば良い。ＣＰＵ１１は、履歴ＤＢ１５１を参照し、検出した複数の車輪の間の座標領域内に、第２領域に係る子供またはだっこ幼児が存在すると判断した場合、車いすに人間が座っていると判断する。
実施の形態６は車いすを認識する形態に関する。ＣＰＵ１１は、深度を取得し、第３領域にて複数の車いすに係る車輪形状を認識した場合、車いすであると判断する。例えば、所定幅（例えば車輪幅３ｃｍ〜５ｃｍ）を有し、かつ、前輪に係る所定深度（例えば深度１．７ｍ〜１．９ｍ）及び後輪に係る所定深度（例えば深度２．２ｍ〜２．３ｍ）を有する半円筒形状を第３領域にて複数検出した場合に、車いすであると判断すれば良い。ＣＰＵ１１は、履歴ＤＢ１５１を参照し、検出した複数の車輪の間の座標領域内に、第２領域に係る子供またはだっこ幼児が存在すると判断した場合、車いすに人間が座っていると判断する。
図２５は履歴ＤＢ１５１のレコードレイアウトを示す説明図である。属性として車いすに乗った人間が新たに設けられている。また累積人数には、車いすの他、車いすに乗った人間のフィールドが設けられている。ＣＰＵ１１は、車いすを認識した場合、車いすの累積数をインクリメントする。ＣＰＵ１１は、車いすを認識し、かつ、第２領域の子供、または、だっこ幼児と判断した第２対象の頭頂座標が認識した複数の車輪で囲まれる領域内に属すると判断した場合、属性を車いすに乗った人間に書き換える。またＣＰＵ１１は、車いすに乗った人間の累積人数をインクリメントする。
図２６及び図２７は認識処理の手順を示すフローチャートである。ＣＰＵ１１は、センサ２から第３領域にて座標及び深度を取得する（ステップＳ２６１）。ＣＰＵ１１は、第３領域の車いすのテンプレートモデルを記憶部１５から読み出す（ステップＳ２６２）。なお、車いすの車輪のテンプレートモデルは予め各メーカーの車いすを測定しておくことにより、準備しておけば良い。ＣＰＵ１１は、取得した座標及び深度に基づき、所定深度の範囲内で複数の対比モデルを生成する（ステップＳ２６３）。ＣＰＵ１１は、テンプレートモデルと対比モデルとの相違が許容値の範囲内にある対比モデルを抽出する（ステップＳ２６４）。
ＣＰＵ１１は、許容値の範囲内にある対比モデルが複数か否かにより、複数の車輪が存在するか否かを判断する（ステップＳ２６５）。ＣＰＵ１１は、複数の車輪が存在しないと判断した場合（ステップＳ２６５でＮＯ）、処理を終了する。ＣＰＵ１１は、複数の車輪が存在すると判断した場合（ステップＳ２６５でＹＥＳ）、ステップＳ２６６へ移行する。ＣＰＵ１１は、車いすと判断し、取得した深度から各車輪の最低深度及び最低深度に対応する頂部座標を取得する（ステップＳ２６６）。ＣＰＵ１１は、時計部１８から出力される日時と各車輪の最低深度及び座標とをＲＡＭ１２に記憶する（ステップＳ２６７）。
ＣＰＵ１１は、車いすの累積数をインクリメントする（ステップＳ２６８）。ＣＰＵ１１は、上述した実施形態により子供またはだっこ幼児と認識したか否か判断する（ステップＳ２６９）。ＣＰＵ１１は、子供またはだっこ幼児と認識していない場合（ステップＳ２６９でＮＯ）、処理を終了する。ＣＰＵ１１は、子供またはだっこ幼児と認識した場合（ステップＳ２６９でＹＥＳ）、処理をステップＳ２７１へ移行させる。ＣＰＵ１１は、ＲＡＭ１２の各車輪の座標及び履歴ＤＢ１５１の子供またはだっこ幼児の座標を参照し、複数の車輪の座標で囲まれる領域に、頭部座標が存在するか否かを判断する（ステップＳ２７１）。
ＣＰＵ１１は、頭部座標が存在しないと判断した場合（ステップＳ２７１でＮＯ）、処理を終了する。ＣＰＵ１１は、頭部座標が存在すると判断した場合（ステップＳ２７１でＹＥＳ）、処理をステップＳ２７２へ移行させる。ＣＰＵ１１は、履歴ＤＢ１５１における属性を子供またはだっこ幼児から車いすに乗った人間に変更する（ステップＳ２７２）。ＣＰＵ１１は、履歴ＤＢ１５１の車いすに乗った人間の累積人数をインクリメントする（ステップＳ２７３）。ＣＰＵ１１は、履歴ＤＢ１５１に記憶した車いすの累積数、または、車いすに乗った人間の累積人数を表示部１４へ出力する。これにより、車いすの数及び車いすに乗っている人間の数を把握することが可能となる。なお、実施の形態５で述べた処理を併せて行っても良い。また、本実施形態では２つの前輪及び２つの後輪を認識する形態を例示したがこれに限るものではない。ＣＰＵ１１は、他の特徴部分を認識するようにしても良い。例えば、ＣＰＵ１１は、２つの前輪と、後輪上側に設けられる取っ手上に乗せられた人間の左右の手指とを認識した場合に、車いすであると判断しても良い。その他、ＣＰＵ１１は、２つの前輪と、２つの後輪と、後輪上側に設けられる取っ手上に乗せられた人間の左右の手指とを認識した場合に、車いすであると判断しても良い。
本実施の形態６は以上の如きであり、その他は実施の形態１から実施の形態５と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。
実施の形態７
実施の形態７は通行する人間の側方にセンサを設置する形態に関する。図２８は情報処理システムの概要を示す説明図である。本実施形態の如くセンサ２と同一のセンサ３を通行する人間の側方に設けても良い。
実施の形態７は通行する人間の側方にセンサを設置する形態に関する。図２８は情報処理システムの概要を示す説明図である。本実施形態の如くセンサ２と同一のセンサ３を通行する人間の側方に設けても良い。
図２９は認識処理の手順を示すフローチャートである。ＣＰＵ１１は、頭、左肩、右肩、首、背骨の座標を取得する（ステップＳ２９１）。ＣＰＵ１１は、頭、左肩、右肩、首、背骨の深度を取得する（ステップＳ２９２）。ＣＰＵ１１は、取得した座標及び深度から、頭、左肩、右肩、首、背骨の間隔比を算出する（ステップＳ２９３）。ＣＰＵ１１は、記憶部１５に記憶した間隔比のテンプレートを読み出す。ＣＰＵ１１は、算出した間隔比がテンプレートの間隔比に対し、許容範囲内であるか否かを判断する（ステップＳ２９４）。
ＣＰＵ１１は、許容範囲内であると判断した場合（ステップＳ２９４でＹＥＳ）、通行人は一人と判断する（ステップＳ２９６）。ＣＰＵ１１は、許容範囲内でないと判断した場合（ステップＳ２９４でＮＯ）、処理をステップＳ２９５へ移行させる。ＣＰＵ１１は、記憶部１５から、頭、左肩、右肩、首、背骨のテンプレート深度を読み出す。ＣＰＵ１１は、頭、左肩、右肩、首、背骨の深度と、テンプレートの頭、左肩、右肩、首、背骨の深度とを比較し、許容値の範囲内であるか否かを判断する（ステップＳ２９５）。ＣＰＵ１１は、許容値の範囲内と判断した場合（ステップＳ２９５でＹＥＳ）、通行人は一人と判断する（ステップＳ２９６）。
ＣＰＵ１１は、許容値の範囲内でないと判断した場合（ステップＳ２９５でＮＯ）、処理を終了する。この場合、ＣＰＵ１１は、対象は、大人と抱かれた幼児の組み合わせ、大人と比較的大きな荷物、または複数人が密接している状況と判断する。このように側面からもセンサ３を利用することで、認識精度を高めることが可能となる。
本実施の形態７は以上の如きであり、その他は実施の形態１から実施の形態６と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。
実施の形態８
図３０は上述した形態のコンピュータ１の動作を示す機能ブロック図である。ＣＰＵ１１が制御プログラム１５Ｐを実行することにより、コンピュータ１は以下のように動作する。判定部３０１は、人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定する。出力部３０２は、判定結果に応じて、人の存在を示す情報を出力する。
図３０は上述した形態のコンピュータ１の動作を示す機能ブロック図である。ＣＰＵ１１が制御プログラム１５Ｐを実行することにより、コンピュータ１は以下のように動作する。判定部３０１は、人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定する。出力部３０２は、判定結果に応じて、人の存在を示す情報を出力する。
図３１は実施の形態８に係るコンピュータ１のハードウェア群を示すブロック図である。コンピュータ１を動作させるためのプログラムは、ディスクドライブ等の読み取り部１０ＡにCD-ROM、DVD（Digital Versatile Disc）ディスク、メモリーカード、またはUSB(Universal Serial Bus)メモリ等の可搬型記録媒体１Ａを読み取らせて記憶部１５に記憶しても良い。また当該プログラムを記憶したフラッシュメモリ等の半導体メモリ１Ｂをコンピュータ１内に実装しても良い。さらに、当該プログラムは、インターネット等の通信網Ｎを介して接続される他のサーバコンピュータ（図示せず）からダウンロードすることも可能である。以下に、その内容を説明する。
図３１に示すコンピュータ１は、上述した各種ソフトウェア処理を実行するプログラムを、可搬型記録媒体１Ａまたは半導体メモリ１Ｂから読み取り、或いは、通信網を介して他のサーバコンピュータ（図示せず）からダウンロードする。当該プログラムは、制御プログラム１５Ｐとしてインストールされ、ＲＡＭ１２にロードして実行される。これにより、上述したコンピュータ１として機能する。
本実施の形態８は以上の如きであり、その他は実施の形態１から７と同様であるので、対応する部分には同一の参照番号を付してその詳細な説明を省略する。
以上の実施の形態１乃至８を含む実施形態に関し、さらに以下の付記を開示する。
（付記１）
人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定し、
判定結果に応じて、人の存在を示す情報を出力する
処理をコンピュータに実行させることを特徴とする情報処理方法。
（付記２）
前記頭部形状の検出基準は、略半球形状である
ことを特徴とする付記１に記載の情報処理方法。
（付記３）
前記人の存在を示す情報は、頭部形状の検出基準を満たすと判定された対象の数と同じ人数の人が存在することを示す情報である
ことを特徴とする付記１又は２に記載の情報処理方法。
（付記４）
前記対象についての深度に応じて、大人の存在又は子供の存在を示す情報を前記人の存在を示す情報として出力する
ことを特徴とする付記１〜３のいずれか一つに記載の情報処理方法。
（付記５）
前記対象についての深度が第１の深度より短い場合に、大人の存在を示す情報を前記人の存在を示す情報として出力する
ことを特徴とする付記４に記載の情報処理方法。
（付記６）
前記対象についての深度が第２の深度より長い場合に、子供の存在を示す情報を前記人の存在を示す情報として出力する
ことを特徴とする付記４に記載の情報処理方法。
（付記７）
前記対象についての深度が第１の深度より短い場合に、大人の存在を示す情報を前記人の存在を示す情報として出力し、前記対象についての深度が前記第１の深度以上の場合、又は、前記第１の深度よりも長い第２の深度より長い場合に、子供の存在を示す情報を前記人の存在を示す情報として出力する
ことを特徴とする付記４に記載の情報処理方法。
（付記８）
頭部形状の検出基準を満たす対象が複数存在し、第１の対象と第２の対象との間の距離が所定の距離範囲内であって、前記第１の対象の深度が大人に対応する深度レンジに属し、前記第２の対象の深度が大人に対応する深度レンジ外に属する場合に、前記人の存在を示す情報として、子連れの大人が存在することを示す情報を出力する、
ことを特徴とする付記１に記載の情報処理方法。
（付記９）
前記第２の対象の深度の長短に応じて、前記第２の対象の子供の種別を判定し、前記人の存在を示す情報として、判定した前記子供の種別を出力する
ことを特徴とする付記８に記載の情報処理方法。
（付記１０）
下方をセンシングする深度センサを用いて、人の頭部形状に対応する形状を持つ１又は複数の対象を検出し、
検出した１又は複数の対象について、人に対応するシンボルを割り当ててコンピュータのディスプレイに表示させる
ことを特徴とする情報処理方法。
（付記１１）
検出した１又は複数の対象について、深度に応じて異なる大人又は子供のシンボルを割り当てて前記ディスプレイに表示させる
ことを特徴とする付記１０に記載の情報処理方法。
（付記１２）
人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定し、
判定結果に応じて、人の存在を示す情報を出力する
処理をコンピュータに実行させることを特徴とするプログラム。
（付記１３）
人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定する判定部と、
判定結果に応じて、人の存在を示す情報を出力する出力部と
を備える情報処理装置。
（付記１４）
前記第１の対象と前記第２の対象との距離が第１距離以下である場合、子供が寝ていることを示す情報を出力する
を備える付記８に記載の情報処理方法。
（付記１５）
前記深度センサから取得した深度に基づきベビーカーが存在するか否かを判断し、
存在すると判断した場合、ベビーカーを示す情報を出力する
付記１に記載の情報処理方法。
（付記１６）
ベビーカーが存在すると判断し、かつ、該ベビーカーの存在領域に頭部形状の検出基準を満たす対象が存在すると判断した場合、ベビーカー上に子供が存在することを示す情報を出力する
付記１５に記載の情報処理方法。
（付記１７）
前記深度センサから取得した深度に基づき車いすが存在するか否かを判断し、
存在すると判断した場合、車いすを示す情報を出力する
付記１に記載の情報処理方法。
（付記１８）
車いすが存在すると判断し、かつ、該車いすの存在領域に頭部形状の検出基準を満たす対象が存在すると判断した場合、車いす上に人間が存在することを示す情報を出力する
付記１７に記載の情報処理方法。
（付記１９）
前記深度センサに対応付けて設けられた撮像装置から取り込んだ画像上に、人の存在を示す情報を重畳して表示する付記１に記載の情報処理方法。
（付記２０）
前記深度センサに対応付けて設けられた撮像装置から取り込んだ画像上に、大人の存在を示す情報と、子供の存在を示す情報とを異なる形態で重畳して表示する付記４に記載の情報処理方法。
人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定し、
判定結果に応じて、人の存在を示す情報を出力する
処理をコンピュータに実行させることを特徴とする情報処理方法。
（付記２）
前記頭部形状の検出基準は、略半球形状である
ことを特徴とする付記１に記載の情報処理方法。
（付記３）
前記人の存在を示す情報は、頭部形状の検出基準を満たすと判定された対象の数と同じ人数の人が存在することを示す情報である
ことを特徴とする付記１又は２に記載の情報処理方法。
（付記４）
前記対象についての深度に応じて、大人の存在又は子供の存在を示す情報を前記人の存在を示す情報として出力する
ことを特徴とする付記１〜３のいずれか一つに記載の情報処理方法。
（付記５）
前記対象についての深度が第１の深度より短い場合に、大人の存在を示す情報を前記人の存在を示す情報として出力する
ことを特徴とする付記４に記載の情報処理方法。
（付記６）
前記対象についての深度が第２の深度より長い場合に、子供の存在を示す情報を前記人の存在を示す情報として出力する
ことを特徴とする付記４に記載の情報処理方法。
（付記７）
前記対象についての深度が第１の深度より短い場合に、大人の存在を示す情報を前記人の存在を示す情報として出力し、前記対象についての深度が前記第１の深度以上の場合、又は、前記第１の深度よりも長い第２の深度より長い場合に、子供の存在を示す情報を前記人の存在を示す情報として出力する
ことを特徴とする付記４に記載の情報処理方法。
（付記８）
頭部形状の検出基準を満たす対象が複数存在し、第１の対象と第２の対象との間の距離が所定の距離範囲内であって、前記第１の対象の深度が大人に対応する深度レンジに属し、前記第２の対象の深度が大人に対応する深度レンジ外に属する場合に、前記人の存在を示す情報として、子連れの大人が存在することを示す情報を出力する、
ことを特徴とする付記１に記載の情報処理方法。
（付記９）
前記第２の対象の深度の長短に応じて、前記第２の対象の子供の種別を判定し、前記人の存在を示す情報として、判定した前記子供の種別を出力する
ことを特徴とする付記８に記載の情報処理方法。
（付記１０）
下方をセンシングする深度センサを用いて、人の頭部形状に対応する形状を持つ１又は複数の対象を検出し、
検出した１又は複数の対象について、人に対応するシンボルを割り当ててコンピュータのディスプレイに表示させる
ことを特徴とする情報処理方法。
（付記１１）
検出した１又は複数の対象について、深度に応じて異なる大人又は子供のシンボルを割り当てて前記ディスプレイに表示させる
ことを特徴とする付記１０に記載の情報処理方法。
（付記１２）
人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定し、
判定結果に応じて、人の存在を示す情報を出力する
処理をコンピュータに実行させることを特徴とするプログラム。
（付記１３）
人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定する判定部と、
判定結果に応じて、人の存在を示す情報を出力する出力部と
を備える情報処理装置。
（付記１４）
前記第１の対象と前記第２の対象との距離が第１距離以下である場合、子供が寝ていることを示す情報を出力する
を備える付記８に記載の情報処理方法。
（付記１５）
前記深度センサから取得した深度に基づきベビーカーが存在するか否かを判断し、
存在すると判断した場合、ベビーカーを示す情報を出力する
付記１に記載の情報処理方法。
（付記１６）
ベビーカーが存在すると判断し、かつ、該ベビーカーの存在領域に頭部形状の検出基準を満たす対象が存在すると判断した場合、ベビーカー上に子供が存在することを示す情報を出力する
付記１５に記載の情報処理方法。
（付記１７）
前記深度センサから取得した深度に基づき車いすが存在するか否かを判断し、
存在すると判断した場合、車いすを示す情報を出力する
付記１に記載の情報処理方法。
（付記１８）
車いすが存在すると判断し、かつ、該車いすの存在領域に頭部形状の検出基準を満たす対象が存在すると判断した場合、車いす上に人間が存在することを示す情報を出力する
付記１７に記載の情報処理方法。
（付記１９）
前記深度センサに対応付けて設けられた撮像装置から取り込んだ画像上に、人の存在を示す情報を重畳して表示する付記１に記載の情報処理方法。
（付記２０）
前記深度センサに対応付けて設けられた撮像装置から取り込んだ画像上に、大人の存在を示す情報と、子供の存在を示す情報とを異なる形態で重畳して表示する付記４に記載の情報処理方法。
１ コンピュータ
１Ａ 可搬型記録媒体
１Ｂ 半導体メモリ
２ センサ
３ センサ
１０Ａ 読み取り部
１１ ＣＰＵ
１２ ＲＡＭ
１３ 入力部
１４ 表示部
１５ 記憶部
１５Ｐ 制御プログラム
１６ 通信部
１８ 時計部
２１ ＣＰＵ
２２ ＲＡＭ
２３ 撮像部
２４ 深度取得部
２５ 記憶部
２５Ｐ 制御プログラム
２６ 通信部
１５１ 履歴ＤＢ
３０１ 判定部
３０２ 出力部
１Ａ 可搬型記録媒体
１Ｂ 半導体メモリ
２ センサ
３ センサ
１０Ａ 読み取り部
１１ ＣＰＵ
１２ ＲＡＭ
１３ 入力部
１４ 表示部
１５ 記憶部
１５Ｐ 制御プログラム
１６ 通信部
１８ 時計部
２１ ＣＰＵ
２２ ＲＡＭ
２３ 撮像部
２４ 深度取得部
２５ 記憶部
２５Ｐ 制御プログラム
２６ 通信部
１５１ 履歴ＤＢ
３０１ 判定部
３０２ 出力部
Claims (6)
- 人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定し、
判定結果に応じて、人の存在を示す情報を出力する
処理をコンピュータに実行させることを特徴とする情報処理方法。 - 前記頭部形状の検出基準は、略半球形状である
ことを特徴とする請求項１に記載の情報処理方法。 - 前記人の存在を示す情報は、頭部形状の検出基準を満たすと判定された対象の数と同じ人数の人が存在することを示す情報である
ことを特徴とする請求項１又は２に記載の情報処理方法。 - 下方をセンシングする深度センサを用いて、人の頭部形状に対応する形状を持つ１又は複数の対象を検出し、
検出した１又は複数の対象について、人に対応するシンボルを割り当ててコンピュータのディスプレイに表示させる
ことを特徴とする情報処理方法。 - 人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定し、
判定結果に応じて、人の存在を示す情報を出力する
処理をコンピュータに実行させることを特徴とするプログラム。 - 人の頭上からセンシングが可能な位置に設置された深度センサから取得した深度を解析して、頭部形状の検出基準を満たす対象が存在するか判定する判定部と、
判定結果に応じて、人の存在を示す情報を出力する出力部と
を備える情報処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014098619A JP2015216518A (ja) | 2014-05-12 | 2014-05-12 | 情報処理方法、プログラム及び情報処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014098619A JP2015216518A (ja) | 2014-05-12 | 2014-05-12 | 情報処理方法、プログラム及び情報処理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2015216518A true JP2015216518A (ja) | 2015-12-03 |
Family
ID=54753019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014098619A Pending JP2015216518A (ja) | 2014-05-12 | 2014-05-12 | 情報処理方法、プログラム及び情報処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2015216518A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019532387A (ja) * | 2016-08-15 | 2019-11-07 | エヌイーシー ラボラトリーズ アメリカ インクＮＥＣ Ｌａｂｏｒａｔｏｒｉｅｓ Ａｍｅｒｉｃａ， Ｉｎｃ． | 電子ゲート環境のための乳幼児検出 |
| JP2022089834A (ja) * | 2016-03-18 | 2022-06-16 | 日本電気株式会社 | 映像監視システム、映像監視方法、及びプログラム |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04242877A (ja) * | 1990-12-28 | 1992-08-31 | Giken Torafuitsuku Kk | 通行者検出方法 |
| JP2005143016A (ja) * | 2003-11-10 | 2005-06-02 | Hitachi Kokusai Electric Inc | 監視システムおよび監視方法 |
| JP2006010318A (ja) * | 2004-06-22 | 2006-01-12 | Nippon Telegr & Teleph Corp <Ntt> | 被写体位置検出装置、被写体位置検出方法およびこの方法のプログラム |
| JP2006146378A (ja) * | 2004-11-17 | 2006-06-08 | Hitachi Ltd | 複数カメラを用いた監視システム |
| JP2006185166A (ja) * | 2004-12-27 | 2006-07-13 | Matsushita Electric Works Ltd | 距離画像を用いた人体検知方法および人体検知装置 |
| JP2006285409A (ja) * | 2005-03-31 | 2006-10-19 | Bab-Hitachi Industrial Co | 店舗等における人数及び人流カウント方法並びにこれらを利用したインストアマーチャンダイジングの提言方法。 |
| JP2009223835A (ja) * | 2008-03-18 | 2009-10-01 | Sony Corp | 撮影装置、画像処理装置、これらにおける画像処理方法およびプログラム |
| JP2010165183A (ja) * | 2009-01-15 | 2010-07-29 | Panasonic Electric Works Co Ltd | 人体検出装置 |
| JP2010191487A (ja) * | 2009-02-13 | 2010-09-02 | Sony Corp | 情報処理装置および情報処理方法 |
| JP2010262527A (ja) * | 2009-05-08 | 2010-11-18 | Nabtesco Corp | 通行者計数装置、通行者計数方法および通行者計数プログラム |
| JP2011047772A (ja) * | 2009-08-26 | 2011-03-10 | Konan Gakuen | 物体検知システム、物体検知システムの制御方法、制御プログラム、および記録媒体 |
| JP2011081736A (ja) * | 2009-10-09 | 2011-04-21 | Clarion Co Ltd | 歩行者検出システム |
| JP2012011989A (ja) * | 2010-07-05 | 2012-01-19 | Saxa Inc | 駅ホームの監視カメラシステム |
| US20130272576A1 (en) * | 2011-09-30 | 2013-10-17 | Intel Corporation | Human head detection in depth images |
-
2014
- 2014-05-12 JP JP2014098619A patent/JP2015216518A/ja active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04242877A (ja) * | 1990-12-28 | 1992-08-31 | Giken Torafuitsuku Kk | 通行者検出方法 |
| JP2005143016A (ja) * | 2003-11-10 | 2005-06-02 | Hitachi Kokusai Electric Inc | 監視システムおよび監視方法 |
| JP2006010318A (ja) * | 2004-06-22 | 2006-01-12 | Nippon Telegr & Teleph Corp <Ntt> | 被写体位置検出装置、被写体位置検出方法およびこの方法のプログラム |
| JP2006146378A (ja) * | 2004-11-17 | 2006-06-08 | Hitachi Ltd | 複数カメラを用いた監視システム |
| JP2006185166A (ja) * | 2004-12-27 | 2006-07-13 | Matsushita Electric Works Ltd | 距離画像を用いた人体検知方法および人体検知装置 |
| JP2006285409A (ja) * | 2005-03-31 | 2006-10-19 | Bab-Hitachi Industrial Co | 店舗等における人数及び人流カウント方法並びにこれらを利用したインストアマーチャンダイジングの提言方法。 |
| JP2009223835A (ja) * | 2008-03-18 | 2009-10-01 | Sony Corp | 撮影装置、画像処理装置、これらにおける画像処理方法およびプログラム |
| JP2010165183A (ja) * | 2009-01-15 | 2010-07-29 | Panasonic Electric Works Co Ltd | 人体検出装置 |
| JP2010191487A (ja) * | 2009-02-13 | 2010-09-02 | Sony Corp | 情報処理装置および情報処理方法 |
| JP2010262527A (ja) * | 2009-05-08 | 2010-11-18 | Nabtesco Corp | 通行者計数装置、通行者計数方法および通行者計数プログラム |
| JP2011047772A (ja) * | 2009-08-26 | 2011-03-10 | Konan Gakuen | 物体検知システム、物体検知システムの制御方法、制御プログラム、および記録媒体 |
| JP2011081736A (ja) * | 2009-10-09 | 2011-04-21 | Clarion Co Ltd | 歩行者検出システム |
| JP2012011989A (ja) * | 2010-07-05 | 2012-01-19 | Saxa Inc | 駅ホームの監視カメラシステム |
| US20130272576A1 (en) * | 2011-09-30 | 2013-10-17 | Intel Corporation | Human head detection in depth images |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022089834A (ja) * | 2016-03-18 | 2022-06-16 | 日本電気株式会社 | 映像監視システム、映像監視方法、及びプログラム |
| US11823398B2 (en) | 2016-03-18 | 2023-11-21 | Nec Corporation | Information processing apparatus, control method, and program |
| JP2019532387A (ja) * | 2016-08-15 | 2019-11-07 | エヌイーシー ラボラトリーズ アメリカ インクＮＥＣ Ｌａｂｏｒａｔｏｒｉｅｓ Ａｍｅｒｉｃａ， Ｉｎｃ． | 電子ゲート環境のための乳幼児検出 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9355368B2 (en) | Computer-based method and system for providing active and automatic personal assistance using a robotic device/platform | |
| Stone et al. | Fall detection in homes of older adults using the Microsoft Kinect | |
| Mastorakis et al. | Fall detection system using Kinect’s infrared sensor | |
| KR102577785B1 (ko) | 청소 로봇 및 그의 태스크 수행 방법 | |
| KR20240063820A (ko) | 청소 로봇 및 그의 태스크 수행 방법 | |
| CN107408146A (zh) | 监控 | |
| EP2763116B1 (en) | Fall detection system and method for detecting a fall of a monitored person | |
| JP2020518051A (ja) | 顔姿勢検出方法、装置及び記憶媒体 | |
| CN105868779B (zh) | 一种基于特征增强和决策融合的行为识别方法 | |
| JPWO2019240208A1 (ja) | ロボットおよびその制御方法、ならびにプログラム | |
| JP2015216518A (ja) | 情報処理方法、プログラム及び情報処理装置 | |
| JP6557853B2 (ja) | 異常状態通知システム、異常状態通知プログラム、異常状態通知方法および異常状態通知装置 | |
| JP6281164B2 (ja) | 遊び行動認識システム、遊び行動認識プログラム、遊び行動認識方法および遊び行動認識装置 | |
| US11222439B2 (en) | Image processing apparatus with learners for detecting orientation and position of feature points of a facial image | |
| Bansal et al. | Elderly people fall detection system using skeleton tracking and recognition | |
| Louie et al. | A victim identification methodology for rescue robots operating in cluttered USAR environments | |
| KR20230134109A (ko) | 청소 로봇 및 그의 태스크 수행 방법 | |
| JP6281249B2 (ja) | 情報処理装置、情報処理システム、プログラム及び情報処理方法 | |
| JP6347347B2 (ja) | 通知システム、通知プログラム、通知方法および通知装置 | |
| JP2020177557A (ja) | 情報処理装置、情報処理方法及びプログラム | |
| JP7342664B2 (ja) | ロボット、制御方法、およびプログラム | |
| Najmurrokhman et al. | Development of falling notification system for elderly using mpu6050 sensor and short message service | |
| JP6303918B2 (ja) | ジェスチャ管理システム、ジェスチャ管理プログラム、ジェスチャ管理方法および指さし認識装置 | |
| KR102233157B1 (ko) | 딥러닝 기반의 재실자 포즈 분류를 이용한 재실자 활동량 산출 방법 및 시스템 | |
| JP6340626B2 (ja) | 通知システム、通知プログラム、通知方法および通知装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170206 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170828 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171003 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171128 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180508 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180702 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190108 |