JP2019128184A - 物体検知装置 - Google Patents
物体検知装置 Download PDFInfo
- Publication number
- JP2019128184A JP2019128184A JP2018008460A JP2018008460A JP2019128184A JP 2019128184 A JP2019128184 A JP 2019128184A JP 2018008460 A JP2018008460 A JP 2018008460A JP 2018008460 A JP2018008460 A JP 2018008460A JP 2019128184 A JP2019128184 A JP 2019128184A
- Authority
- JP
- Japan
- Prior art keywords
- action
- pattern image
- detection
- behavior
- unit
- 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
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
【課題】正確に物体の行動を分類する。【解決手段】レーザ光を検出媒体とし、物体を検出する検出手段と、上記検出手段の検出結果に基づいて対象物を認識する認識手段と、上記検出手段により検出される上記対象物を含む所定時間分の計測データを積算する積算手段と、上記積算手段により積算された計測データに基づいて行動パターン画像を生成する行動パターン画像生成手段と、上記行動パターン画像から対象物の行動を分類する行動分類手段と有する。【選択図】図1
Description
本発明は、物体検知装置に関するものである。
例えば、特許文献1には、人間の転倒を検知する転倒検知装置が開示されている。このような転倒検知装置においては、検知領域内の温度を検知するサーモパイルを備えている。そして、転倒検知装置は、検知領域内の人間の体温から形状を取得し、人間の高さ方向における重心の変化に基づいて、転倒を検知している。
上述のように、特許文献1においては、人間の高さ方向における変化に基づいて、転倒を検知している。しかしながら、人間や、動物、移動体等の物体は、個々の高さにバラツキがあるため、物体の行動を検出する際に高さを基準とすると、誤判定を招く可能性がある。
本発明は、上述する問題点に鑑みてなされたもので、正確に物体の行動を分類することを目的とする。
本発明は、上記課題を解決するための第1の手段として、レーザ光を検出媒体とし、物体を検出する検出手段と、上記検出手段の検出結果に基づいて対象物を認識する認識手段と、上記検出手段により検出される上記対象物を含む所定時間分の計測データを積算する積算手段と、上記積算手段により積算された計測データに基づいて行動パターン画像を生成する行動パターン画像生成手段と、上記行動パターン画像から対象物の行動を分類する行動分類手段と有する、という構成を採用する。
第2の手段として、上記第1の手段において、上記行動パターン画像生成手段は、上記対象物が転倒したか否かを判定する、という構成を採用する。
第3の手段として、上記第1または第2の手段において、上記行動パターン画像生成手段は、地面または床面と垂直かつ上記対象物の移動方向と平行な2次元平面上に、上記対象物を投影した画像を上記行動パターン画像として生成する、という構成を採用する。
第4の手段として、上記第1〜3のいずれかの手段において、上記行動分類手段は、予め機械学習により取得した学習データを有し、上記学習データに基づいて行動を分類する、という構成を採用する。
本発明によれば、物体検知装置は、所定時間分の計測点データを積算して行動パターン画像を生成している。これにより、対象物の所定時間における動作の推移に基づいて、対象物の行動を分類することができる。したがって、正確に対象物の行動を分類することができる。
以下、図面を参照して、本発明に係る物体検知装置の一実施形態について説明する。
本実施形態に係る物体検知装置1は、図1に示すように、レーザレーダ2(検出手段)と、信号処理部3とを備えた踏切内の障害物を検知する装置である。また、物体検知装置1は、外部の管制センタ100と無線あるいは有線により通信接続されている。このような物体検知装置1は、検知対象物として、例えば人間や、動物、自転車、車椅子、ベビーカー等の移動体を想定している。
レーザレーダ2は、測定範囲に対してレーザ光を照射し、該レーザ光の反射光から当該測定範囲内における複数の計測点の三次元座標値を電気信号として取得する装置とされている。レーザレーダ2は、踏切装置の近傍に設置され、線路と遮断棒とを含む範囲にレーザ光を照射し、該範囲の三次元座標値を取得する。すなわち、レーザレーダ2は、レーザ光を検出媒体としている。本実施形態におけるレーザレーダ2は、1秒間に複数回検出を行い、信号処理部3へとデータを送信している。
信号処理部3は、演算処理を行うためのCPU(Central Processing Unit)、データやソフトウェアを記憶するメモリ等を有するコンピュータによって具現化されている。また、信号処理部3は、レーザレーダ2と別体として設けられてもよい。信号処理部3は、物体認識部3a(認識手段)と、物体追跡部3bと、移動積算部3c(積算手段)と、行動パターン画像生成部3d(行動パターン画像生成手段)と、行動パターン分類部3e(行動分類手段)とを有している。なお、信号処理部3は、レーザレーダ2と別体として、外部施設に設けられてもよい。
物体認識部3aは、レーザレーダ2から取得した三次元座標値(検出結果)より物体を対象物として認識する。物体認識部3aは、レーザレーダ2から取得した複数の計測点のうち、計測点間の距離が互いに近い計測点を同一のグループとしてグループ化する。具体的には、物体認識部3aは、レーザレーダ2が計測した複数の計測点同士の距離を算出し、計測点間の距離が予め定められた距離範囲内である計測点の集合を同一のグループ(対象物)として識別する。
物体追跡部3bは、物体認識部3aによって認識された対象物の行動を追跡し、対象物の移動方向を判定すると共に移動軌跡を記録する。
移動積算部3cは、物体追跡部3bにより生成された対象物を含む連続した複数のフレーム(本実施形態においては4フレーム)の計測点データ(計測データ)を積算する。すなわち、移動積算部3cは、レーザレーダ2による数秒間分の対象物を含む計測点データに基づいて、積算を行う。なお、本実施形態において、1回の計測において取得された計測点データを1フレームとして定義する。
行動パターン画像生成部3dは、移動積算部3cにより算出された積算結果を、物体の移動方向と平行かつ地面と垂直な2次元平面に投影し、行動パターン画像を生成する。具体的には、行動パターン画像生成部3dは、図2に示すように、複数のフレームにおいて重複する計測点を明るい色のドットとなるように、膨張アルゴリズムを用いて処理を行い、対象物の積算された全ての計測点を含む1枚の画像を生成する。
行動パターン分類部3eは、深層学習(ディープラーニング)によりニューラルネットワークを用いて学習された複数の行動パターン画像と対象物の行動内容とが紐付けられた学習データAを予め有しており、該学習データAに基づいて行動パターン画像から対象物の行動を分類する。例えば、本実施形態において行動パターン分類部3eは、対象物の行動として、転倒、歩行、転倒からの回復等を判定する。また、行動パターン分類部3eは、対象物の行動が転倒に該当する場合に、管制センタ100に異常を通報する。学習データAには、例えば、図2に示すような行動パターン画像と、行動パターンとが紐付けられて記録されている。例えば、図2の左上は転倒状態を示し、左中央は1人が転倒状態、1人が歩行状態(すなわち、1画像に2人が入り込んだ状態)を示し、左下は立ち止まり状態を示している。また、図2の右上は車いすからの転倒状態(すなわち、車いす及び転倒状態の人が1画像に示される)を示し、右中央は1人が転倒状態であり、転倒状態の人を援助する援助者がいる状態を示し、右下が通常の歩行状態を示している。なお、図2におけるドットは、重ね合わせられた計測点を示している。該ドットは、複数画像において同一の位置にある場合、重ね合わせられることで色が明るく表示されている。つまり、明るい色のドットは、複数フレームにおいて静止状態で記録されている物体を示している。
管制センタ100は、踏切装置及び鉄道運行を制御する設備である。管制センタ100は、行動パターン分類部3eからの異常通報に基づいて、当該踏切装置近傍の信号を変更する。
このような本実施形態の物体検知装置1による対象物の行動パターンの分類動作について、図3を参照して説明する。
まず、レーザレーダ2及び信号処理部3の物体認識部3aが、物体検出を行う(ステップS1)。ステップS1では、まず、レーザレーダ2がレーザ光を照射し、該レーザ光の反射光から当該測定範囲内における複数の計測点の三次元座標値を電気信号として取得する。そして、物体認識部3aが、レーザレーダ2が計測した複数の計測点同士の距離を算出し、計測点間の距離が予め定められた距離範囲内である計測点の集合を同一のグループ(対象物)として識別する。
まず、レーザレーダ2及び信号処理部3の物体認識部3aが、物体検出を行う(ステップS1)。ステップS1では、まず、レーザレーダ2がレーザ光を照射し、該レーザ光の反射光から当該測定範囲内における複数の計測点の三次元座標値を電気信号として取得する。そして、物体認識部3aが、レーザレーダ2が計測した複数の計測点同士の距離を算出し、計測点間の距離が予め定められた距離範囲内である計測点の集合を同一のグループ(対象物)として識別する。
次に、物体追跡部3bが、物体追跡を行う(ステップS2)。ステップS2では、物体認識部3aによって認識された対象物の行動を追跡し、対象物の移動方向を判定すると共に移動軌跡を記録する。
次に、移動積算部3cが、計測点の積算を行う(ステップS3)。ステップS3では、物体追跡部3bにより生成された対象物を含む連続した4フレーム分の計測点を積算する。
そして、行動パターン画像生成部3dが、2次元平面上に積算結果を投影する(ステップS4)。さらに、行動パターン画像生成部3dが、行動パターン画像を生成する(ステップS5)。ステップS4、S5では、行動パターン画像生成部3dは、移動積算部3cにより算出された積算結果を、物体の移動方向と平行かつ地面と垂直な2次元平面に投影し、行動パターン画像を生成する。具体的には、行動パターン画像生成部3dは、図2に示すように、複数のフレームにおいて重複する計測点を明るい色のドットとなるように、対象物の積算された全ての計測点を含む1枚の画像を生成する。
次に、行動パターン分類部3eが、行動パターンの分類を行う(ステップS6)。ステップS6において、行動パターン分類部3eは、学習データAに基づいて行動パターン画像から対象物の行動を分類する。さらに、行動パターン分類部3eが、対象物が転倒したか否かを判定する(ステップS7)。なお、本実施形態において、行動パターン分類部3eは、歩行者の転倒、自転車の転倒、車椅子・ベビーカー等からの転落等を転倒として判定する。
行動パターン分類部3eにより対象物が転倒していないと判断された場合、ステップS7における判定がNOの場合、フローを終了する。また、行動パターン分類部3eにより対象物が転倒したと判断された場合、ステップS7における判定がYESの場合、行動パターン分類部3eは、管制センタ100に異常を通報する(ステップS8)。
このような本実施形態に係る物体検知装置1によれば、複数フレーム分(所定時間分)の計測点データを積算して行動パターン画像を生成している。これにより、対象物の所定時間における動作の推移に基づいて、対象物の行動を分類することができる。したがって、正確に対象物の行動を分類することができる。
また、本実施形態に係る物体検知装置1によれば、行動パターン分類部3eは、転倒したか否かを判定する。これにより、踏切内において、対象物が転倒した際に、列車の停止等の安全措置を行うことができる。
また、本実施形態に係る物体検知装置1によれば、行動パターン画像生成部3dは、地面または床面と垂直かつ対象物の移動方向と平行な2次元平面上に積算結果を投影する。これにより、対象物の移動姿勢が明確となり、対象物の行動の判定が容易となる。
また、本実施形態に係る物体検知装置1によれば、行動パターン分類部3eは、予め深層学習により学習した学習データAを有している。これにより、行動パターン分類部3eは、膨大な行動パターン画像を学習した状態で、正確に対象物の行動を分類することができる。
以上、図面を参照しながら本発明の好適な実施形態について説明したが、本発明は上記実施形態に限定されるものではない。上述した実施形態において示した各構成部材の諸形状や組み合わせ等は一例であって、本発明の趣旨から逸脱しない範囲において設計要求等に基づき種々変更可能である。
また、上記実施形態においては、行動パターン分類部3eは、転倒と判定すると管制センタ100に異常を通報するものとしたが、本発明はこれに限定されない。行動パターン分類部3eは、転倒と判定すると、列車の信号を変更してもよい。また、物体検知装置1が警報ランプ等を備え、行動パターン分類部3eが転倒と判定すると、警報ランプにより警告を行うものとしてもよい。
また、行動パターン分類部3eは、対象物の転倒からの回復(立ち上がり、退避等)を判定するものとしてもよい。この場合、行動パターン分類部3eは、対象物の転倒状態が一定時間内に回復した際には、異常通報を行わないことも可能であり、列車の運行への影響を必要最低限とすることが可能である。
上記実施形態においては、レーザレーダ2が踏切装置に設けられるものとしたが、本発明はこれに限定されない。物体検知装置1は、例えば、室内に設置され、室内の物体または人の転倒を検知するものとしてもよい。この場合、レーザレーダ2を用いることにより、監視カメラ等を用いることなくプライバシーに配慮しつつ転倒を検知することができる。
また、上記実施形態においては、行動パターン分類部3eは、深層学習による学習データAに基づいて行動を分類するものとしたが、本発明はこれに限定されない。例えば、行動パターン分類部3eは、ニューラルネットワークを用いない一般的な機械学習による学習データを有し、該学習データに基づいて行動を分類するものとしてもよい。また、行動パターン分類部3eは、他の手法により、行動パターン画像から行動を分類するものとしてもよい。
また、上記実施形態においては、移動積算部3cは、4フレーム分の計測点を積算するものとしたが、本発明はこれに限定されない。移動積算部3cが積算するフレームの数は限定されるものではない。なお、積算するフレーム数を増加させることにより、より正確に対象物の行動を分類することが可能となる。
1 物体検知装置
2 レーザレーダ
3 信号処理部
3a 物体認識部
3b 物体追跡部
3c 移動積算部
3d 行動パターン画像生成部
3e 行動パターン分類部
100 管制センタ
A 学習データ
2 レーザレーダ
3 信号処理部
3a 物体認識部
3b 物体追跡部
3c 移動積算部
3d 行動パターン画像生成部
3e 行動パターン分類部
100 管制センタ
A 学習データ
Claims (4)
- レーザ光を検出媒体とし、物体を検出する検出手段と、
前記検出手段の検出結果に基づいて対象物を認識する認識手段と、
前記検出手段により検出される前記対象物を含む所定時間分の計測データを積算する積算手段と、
前記積算手段により積算された計測データに基づいて行動パターン画像を生成する行動パターン画像生成手段と、
前記行動パターン画像から前記対象物の行動を分類する行動分類手段と
を有することを特徴とする物体検知装置。 - 前記行動パターン画像生成手段は、前記対象物が転倒したか否かを判定することを特徴とする請求項1記載の物体検知装置。
- 前記行動パターン画像生成手段は、地面または床面と垂直かつ前記対象物の移動方向と平行な2次元平面上に、前記対象物を投影した画像を前記行動パターン画像として生成することを特徴とする請求項1または2記載の物体検知装置。
- 前記行動分類手段は、予め機械学習により取得した学習データを有し、前記学習データに基づいて行動を分類することを特徴とする請求項1〜3のいずれか一項に記載の物体検知装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018008460A JP2019128184A (ja) | 2018-01-22 | 2018-01-22 | 物体検知装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018008460A JP2019128184A (ja) | 2018-01-22 | 2018-01-22 | 物体検知装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019128184A true JP2019128184A (ja) | 2019-08-01 |
Family
ID=67472095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018008460A Pending JP2019128184A (ja) | 2018-01-22 | 2018-01-22 | 物体検知装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019128184A (ja) |
-
2018
- 2018-01-22 JP JP2018008460A patent/JP2019128184A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9805474B1 (en) | Pedestrian tracking at a traffic intersection to identify vulnerable roadway users for traffic signal timing, pedestrian safety, and traffic intersection control | |
JP4871160B2 (ja) | ロボットおよびその制御方法 | |
US9251598B2 (en) | Vision-based multi-camera factory monitoring with dynamic integrity scoring | |
US20140119608A1 (en) | System and Methods for Improving Accuracy and Robustness of Abnormal Behavior Detection | |
US20150294143A1 (en) | Vision based monitoring system for activity sequency validation | |
CN104935879A (zh) | 用于活动顺序验证的基于视觉的监视系统 | |
JP2011198161A (ja) | 対象物認識システム及び該システムを利用する監視システム、見守りシステム | |
KR20130054637A (ko) | 자동 주차 시스템에서 물체 검출 장치 및 방법 | |
CA3196344A1 (en) | Rail feature identification system | |
JP4507243B2 (ja) | 行動分析方法及びシステム | |
JP2011209794A (ja) | 対象物認識システム及び該システムを利用する監視システム、見守りシステム | |
Pramerdorfer et al. | Fall detection based on depth-data in practice | |
JP6331566B2 (ja) | 人物頭部検知装置及び姿勢推定装置 | |
JP7263094B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP2019128184A (ja) | 物体検知装置 | |
JP2021163401A (ja) | 人物検知システム、人物検知プログラム、学習済みモデル生成プログラム及び学習済みモデル | |
JP2005114588A (ja) | 追尾装置 | |
JP2020009107A (ja) | 避難誘導装置、避難誘導システム、および制御プログラム | |
JP4579870B2 (ja) | 起き上がり予兆検知装置 | |
JP2007313189A (ja) | 動作判別装置、動作判別方法およびプログラム | |
JP5694834B2 (ja) | 物体認識方法及び物体認識装置 | |
KR101383988B1 (ko) | 3차원 카메라를 이용한 객체 인식 시스템 및 방법 | |
JP7212455B2 (ja) | 監視装置及び監視方法 | |
JP2017019351A (ja) | 転落者検知装置、転落者検知システム、転落者検知方法、および転落者検知プログラム | |
JP7342664B2 (ja) | ロボット、制御方法、およびプログラム |