JP2020516910A - 人体認識方法および人体認識センサ - Google Patents

Abstract

本発明は、レーザスキャナ（１２）を用いて、監視領域内の検出物体（Ｐ）を分析し、検出物体が人であるか否かを判定する人体認識方法に関する。レーザスキャナ（１２）は、パルス光の飛行時間測定によってレーザスキャナ位置に対する反射点の距離を導出するために、複数のパルス光によって少なくとも１つのレーザカーテン（２２、３２、３４）を生成する。反射点の距離とパルス光の方向との組み合わせにより、監視領域内の所定の検出ゾーン内の位置を特定し、検出物体について特定された反射点を、高さに関するＺ軸と、Ｚ軸に垂直であってレーザカーテン（２２、３２、３４）の横方向における幅に関する幅軸とを有する評価面（ＥＰ）に、評価対象物（Ｏ１、Ｏ２）として投影する。当該方法は、評価面（ＥＰ）を、Ｚ軸に沿った反射点の密度分布に基づいて分析し、分析結果を、人体計測パラメータと比較することを特徴とする。【選択図】図１

Description

本発明は、監視領域内の物体を検出し、検出物体が人体であるか否かを判定する人体認識方法および人体認識センサに関する。

ＥＰ２７４１２６３Ｂ１は、侵入検出のための人認識センサを開示しており、このセンサは、検出物体の反射点を判定する距離取得部と、物体の推定された幅および高さに応じて、検出物体が人体であるかどうかを判定する人体判定部とを備える。

アカマツシュンイチ他，“３Ｄレーザスキャナを用いた人計数システムの開発”，２０１４年 ロボットおよびバイオミメティックに関するＩＥＥＥ国際会議，ＩＥＥＥ，２０１４年１２月５日，第１９８３〜１９８８頁には、人を計数するための３Ｄレーザスキャナが開示されている。３Ｄレーザスキャナは、検出された点の３Ｄクラウドを作成する。３Ｄクラウドの点は、グループ化アルゴリズムに従ってグループ化される。次に、分類されたグループの物体高さが、クラウドの最高点（ｚ値）から最低点（ｚ値）を差し引くことによって算出される。さらに、物体領域は、矩形近似が行われて、物体の点のｘ−ｙ突出長さを算出することによって判定される。矩形の長辺が物体の幅として判定され、矩形の短辺が物体の奥行きとして判定される。物体が人であるか否かの判定は、物体の高さ、物体の奥行き、物体の幅の絶対値の比較に基づいて行われる。

また、国際公開第２０１２／０４２０４３号パンフレットは、レーザスキャナに基づくアクセス制御システムに適用される人検出部を開示している。検出部は、基本的に、センサ領域に複数の人が存在する状況があるかどうかを判定（評価）する。これは、高さ輪郭を導出（評価）することによって行われる。高さ輪郭は、基本的に、輪郭の最大値および最小値を判定することによって導出される。

本発明の目的は、制御目的のための人検出センサの精度を改善することである。

本発明は、レーザスキャナを用いて、監視領域内の検出物体を分析し、検出物体が人体であるか否かを判定する方法に関する。この方法は、次のステップを含む。レーザスキャナは、パルス光の飛行時間測定によってレーザスキャナ位置に対する反射点の距離を導出するために、複数のパルス光によって少なくとも１つのレーザカーテンを生成する。また、反射点の距離とパルス光の方向との組み合わせによって、監視領域内の所定の検出ゾーン内の位置が特定される。検出物体について特定された反射点の位置は、高さに関するＺ軸と、Ｚ軸に垂直であってレーザカーテンの横方向における幅に関する幅軸とを有する評価面（評価平面）に、投影される。

本発明に従えば、評価面は、Ｚ軸に沿った反射点の密度分布に基づいて分析（評価）され、分析結果が、人体計測パラメータと比較される。

監視領域は、レーザカーテンによって画定され、垂直高さ方向と、２つの横方向すなわち奥行き方向および幅方向とを有し、これらはすべて互いに垂直である。単一の垂直レーザカーテンの場合、監視領域の奥行きは、レーザカーテンの奥行きに等しい。

評価面は、垂直面の垂直軸に一致するＺ軸、および／または、監視領域の幅に一致する評価幅範囲を有していてもよい。なお、Ｚ軸は、例えば、垂直方向に対して傾斜したレーザカーテンに沿って定められてもよいが、この場合であっても、幅は、依然としてレーザカーテンの幅に相当していてもよい。

本発明による人体計測パラメータは、人体計測値および／または人体比率である。

人体計測パラメータは、特に、高さ、幅、肩幅、肩高さ、頭部幅、人体の全体高さに関するパラメータである。

評価部は、評価面内の密度分布に基づいて、密度分布が人体の密度分布に対応しているか否かを判定する。

検出物体が人体であるかどうかを判定するために、検出物体の高さを表すＺ軸に沿った密度分布が算出される。人体に対応する密度分布は、２つのピークを含む。１つのピークは、ほぼ頭の頂部にあり、もう一つのピークは、ほぼ肩の頂部にある。

上記判定において、好ましくは、肩高さに対する頭高さの比率を判定（算出）する。頭と肩の高さの比は、全ての人間に対して本質的に等しく、とりわけ絶対的な高さに依存しない人体計測パラメータであるので、密度分布の判定（評価）によって、信頼性高く、人の識別を行うことができる。

密度分布に加えて、評価部は、さらなるステップにおいて物体の幅を判定（算出）してもよい。この場合、評価部は、評価面において対象物に帰属し、密度分布のピークの位置にある反射点を解析し、人体の頭部および肩の有効幅を判定する。

この情報を統合することにより、より正確な方法で（人体か否かの）判定を行うことが可能となる。有効な頭部および肩の幅の比率を予め定め、密度分布の判定から導出される結果と一致するかどうかチェックしてもよい。その結果を密度判定の結果と比較することができる。両方の判定が肯定的である場合、検出物体は人体である可能性が非常に高い。

また、評価部は、密度分布判定によるピークゾーン内の反射点の数をカウントしてもよい。カウント数が所定の数よりも小さい場合、計測は無視される。

人体の移動は、移動方向に行われ、ここで、移動方向は、基本的に、幅および奥行きのベクトルである。特にドア用途では、移動方向は幅方向に垂直であり、したがって、人体の肩の向きは、通常、幅方向に揃えられる。

本発明によれば、評価面の全ての反射点の中から個々の評価対象物を識別することができる。また、反射点の部分集合（サブセット）が評価対象物ごとに生成され、この部分集合が、密度分布解析に供される。

これによって、評価対象物ごとに、それが人体に相当するか否かを判定することが可能となる。その結果、検出センサは、検出物体が人体であるか否かの情報に基づいて、ドアまたは照明を制御することが可能となる。

個々の評価対象物の判定は、評価部によって行われる。平面の上部から下部までに位置する隣接ゾーンによって、全ての反射点を含む評価面が解析される。１つまたは複数の反射点が隣接ゾーンに新たに存在すると、隣接ゾーン内のすべての反射点が考慮され、新たに存在する反射点が評価対象物に割り当てられる。隣接ゾーン内において新たに存在する点の上に他の点がない場合には、新たに存在する反射点は、新たな評価対象物に割り当てられる。あるいは（そうでなければ）、その数学的重心との距離が最小となる既存の評価対象物に割り当てられる。

この手順によれば、全ての反射点は、評価対象物に帰属する反射点の部分集合（サブセット）にグループ化される。

この評価によれば、レーザカーテンを通って平行に歩いている２人以上の人であっても識別することができる。

本発明の更なる改良によれば、反射点は、評価面上で時間積分されてもよい。これにより、反射点の密度が高くなるので、評価対象物をより良好に識別することができ、検出物体をより信頼性の高い方法で分類することができる。

時間積分は、検出物体の最初の検出が発生した後、固定の時間間隔に基づいて行うことができる。

本発明のさらなる改良によれば、時間積分は、反射点の部分集合を時間オブジェクトに割り当てる方法で実行される。これは、反射点の高さが無視される幅−時間平面に、反射点を投影することによって行われる。幅軸は、所定の蓄積／積分時間に応じて延びる。

時間幅平面に投影された反射点は、時間オブジェクトに帰属する部分集合（サブセット）としてクラスタリングされる。各時間オブジェクトは、評価面を生成するための反射点の主要な集合である。評価面では、反射点の時間成分は無視されるが、その高さが考慮される。

この手順によれば、時間オブジェクトの区切りに関するより正確な判定が可能である。したがって、取得された情報は、連続して通過する人の量に関してより正確である。

時間オブジェクトのクラスタリングは、好ましくは、ＤＢＳＣＡＮアルゴリズムを用いて行われる。

好ましくは、スキャナは、互いに対して傾斜する複数のレーザカーテンを生成する。いくつかのレーザカーテンにより、より正確な像を得ることができ、物体の運動方向を把握することができる。

スキャナは、好ましくは、複数のレーザカーテンを連続的に評価（走査）および／または生成する。

互いに対して傾斜する少なくとも２つのカーテンを用いることによって、走査平面の幅に垂直な２つの奥行き位置を判定することができる。２つの平面が連続して走査（スキャン）されることにより、検出物体の移動方向に沿って、走査時間の重心が時間幅図において変化するので、人の移動方向を検出することができる。

複数のレーザカーテンを用いることによって、時間積分のための所定の蓄積時間は、センサが現在のレーザカーテンを走査するのに必要な時間よりも長くなるか、またはそれに等しくなる。

評価部は、背景の影響を明らかに受ける反射点を受け入れないようにしてもよい。これにより、この段階で背景雑音を低減することができる。

本発明はさらに、監視領域内の物体を分析し、物体が人体であるか否かを判定するための人認識センサに関している。このセンサは、レーザスキャナと、上述の方法を実行可能な評価部とを備える。

本発明のさらなる態様は、垂直軸に対して４５°未満に傾斜した少なくとも１つのレーザカーテンを生成するセンサに関する。これにより、頭上走査が可能になるので、人体がセンサの下を通過するときに人体を認識することができる。

人認識センサは、上述の方法を実行する演算部（演算処理部）を含んでもよい。演算部は、好ましくは、評価部がソフトウェアプログラムとして実装されたマイクロプロセッサ、マイクロコントローラ、またはＦＰＧＡにより実現される。

本発明のさらなる利点、特徴、および潜在的な用途は、図面に示される実施形態と併せて、以下の説明から推測される得る。

説明、特許請求の範囲および図面を通して、用語および関連する参照符号は、添付された参照符号のリストから注目すべきものとして使用される。

本発明に係るレーザスキャナの概略図である。 １つの走査カーテンを有する人認識センサの第１の実施形態を示す図である。 図１のセンサによる人認識の方法を示す図である。 ２つの走査カーテンを有する人認識センサの第２の実施形態を示す図である。 評価部が時間オブジェクトを生成する第１ステップを記載した評価部の動作原理を示す図である。 生成された時間オブジェクトの拡大図である。 （ａ）は評価面における図４ｂの時間オブジェクトの図であり、（ｂ）は人物オブジェクト（対象物）の分離後の時間オブジェクトの図である。 （ａ）は図５ｂの分離された人物オブジェクトを示す図であり、（ｂ）は図６ａの人物オブジェクトの密度分布を示す図である。 （ａ）は第１の走査カーテンについての図４ｂの時間オブジェクトの時間幅平面を示す図であり、（ｂ）は第２のカーテンについての図４ｂの時間オブジェクトの時間幅平面を示す図である。

図１は、本発明に従った人認識センサ１０の第１の実施形態を示す。人認識センサ１０は、レーザスキャナ１２と、処理部（演算処理部）１４とを備え、処理部１４は、評価部１６を含む。処理部１４は、レーザスキャナ１２に接続されるとともに、人の認識結果に関する情報を含む情報が供給され得る出力ポート１８に接続されている。

図１による実施形態のレーザスキャナは、反射点の導出のために評価（走査）される少なくとも１つのレーザカーテンを用いる。反射点は、光パルスによって導出される（飛行時間（ＴＯＦ）が測定される）。この飛行時間の測定およびパルス光の方向に応じて、レーザスキャナに対する反射点の位置が導き出される。この導出処理は、処理部１４によって行うことができる。処理部１４において、反射点が判定され、それらの位置が、本発明による方法を実行する評価部１６に入力される。この方法は、以下の図に関連してより詳細に説明される。

この構成によれば、評価部１６は、レーザスキャナ１２に対する反射点のデータを受け取る。

次に、評価部１６は、以下の図でさらに説明するように、本発明に従って反射点を分析する。そして、その結果、検出物体（検出された物体）が人体であるか否かの情報を含む信号が出力される。

図２は、人認識センサ２０が上部位置に取り付けられ、その下方を物体が通過する例示的な用途を示す。人認識センサ２０は、垂直方向に１つのレーザカーテンを投影する。レーザカーテンは幅方向Ｗに長さを有している。ここでは、人Ｐが、レーザカーテン２２を移動方向Ｍに移動している様子が示されている。通過する人Ｐは光パルスを反射する。これにより、人認識センサ２０のレーザスキャナが、レーザカーテン内の反射点を判定（評価）する。

センサ２０の評価部は、レーザカーテン２２と一致する評価面ＥＰを分析（評価）するように構成されている。それゆえに、評価面ＥＰは、レーザカーテン２２と同様に、垂直方向に延びるＺ軸と、幅軸Ｗとを有している。

図３は、評価面ＥＰの分析（評価）による人体認識の方法を示している。このケースでは、評価面ＥＰがレーザカーテン２２と一致するので、反射点を評価面ＥＰに投影する必要はない。反射点は、それらの位置に従って評価面ＥＰに割り当てられる。評価面ＥＰは、Ｚ軸および幅軸Ｗを有している。

本発明によれば、評価部１６は、評価面ＥＰのＺ軸に沿った密度分布を計算する。この密度分布において、２つのピークが検出されることが想定される。

例えば、１つのピークのみが存在する場合、計算値は破棄され、評価対象物（物体）は人体として識別されない。

２つのピーク２４、２６がある場合、人体を検出可能な場合であり、Ｚ軸上のピークの位置（高さ）Ｈ１、Ｈ２が特定される。第１のピーク２４は、物体の全体高さＨ１（人体を見たときの頭の高さ）に相当するとみなされる。第２のピーク２６は、人の肩の高さＨ２であるとみなされる。全体高さＨ１と肩高さＨ２との比率は、所定の人体比率の範囲と比較される。人体比率は人の年齢と共に変化するので、頭部の高さ（肩高さと全体高さとの間の距離；Ｈ１−Ｈ２）をさらに考慮してもよい。

この方法によれば、検出対象から子供を除外するような最小高さの測定を制限する必要がない。子供についても上述の評価に従って判定（定義）することができるためである。

評価面ＥＰ内で、肩幅Ｗ２および第２の密度ピーク２６の位置（高さ）Ｈ２を判定することができる。第１のピーク２４の領域において、頭部幅Ｗ１を判定することができる。これらのさらなるパラメータにより、人体認識の関し、対象物のより正確な評価を達成することができる。

図４は、複数のレーザカーテン３２、３４を生成する人認識センサ３０の配置を示す。この場合、人認識センサ３０は、ドアフレームの上方に取り付けられ、ドアの前方領域を監視する。レーザカーテン３２、３４は、垂直軸に対して、また、互いに対して傾斜しており、幅方向Ｗにおいてドアに平行に延びている。評価面ＥＰはドア面に対して平行に設定される。

人認識センサ３０のレーザスキャナは、レーザスキャナに対する検出物体の反射点の位置を導出し、評価部は、それらを評価対象物として評価面ＥＰに投影する。

取得期間中に、人Ｐがレーザカーテン３２、３４を通って移動するときに、反射点が取得（生成）される。

図５ａに記載されるように、取得期間は約１５秒である。記載された例では、４つの検出物体が、レーザカーテンを連続的に通過し、２つの検出物体は、同時にレーザカーテンを通過している。評価部は、取得された反射点を時間幅平面に投影するように構成される。

この時間幅平面において、（現存する）反射点は、時間オブジェクトＴＯ＿１、ＴＯ＿２、ＴＯ＿３にクラスタリングされる。これは、ＤＢＳＣＡＮアルゴリズムを使用することによって行われる。

このケースでは、取得期間中にレーザカーテンを通過した４つの検出物体によって、３つの時間オブジェクトＴＯ＿１、ＴＯ＿２、ＴＯ＿３が規定されている。

時間オブジェクトＴＯ＿２の拡大図に示されるように、時間オブジェクトＴＯ＿２内には、より多くの検出物体が存在し得る。

さらに、評価部は、時間オブジェクトごとの反射点を取得するように構成されており、図６ａに示すように、それらを評価面ＥＰに投影する。評価面は、垂直軸Ｚおよび幅軸Ｗを有する。

次の分離ステップにおいて、評価部は、時間オブジェクトＴＯ＿１、ＴＯ＿２、ＴＯ＿３ごとに反射点を対象物に割り当てる。

これは、評価面ＥＰを上部から下部まで分析し、各点を１つの評価対象物に割り当てることによって行われる。

個々の評価対象物Ｏ１の判定は、評価部によって行われる。評価面ＥＰは、時間オブジェクトＴＯ＿２の全ての反射点を含む。評価面ＥＰは、評価面ＥＰの上部から下部までにある隣接ゾーン４０によって解析される。隣接ゾーン４０に反射点が新たに存在すると、隣接ゾーン４０内の全ての反射点が考慮され、新たに存在する反射点が評価対象物に割り当てられる（例えば、図６ｂの対象物Ｏ２（十字）および対象物Ｏ１（円）を参照）。隣接ゾーン内において新たに存在する点の上に他の点がない場合には、新たに存在する反射点は、新たな評価対象物に割り当てられる。あるいは（そうでなければ）、その数学的重心との距離が最小となる既存の評価対象物Ｏ１またはＯ２に割り当てられる。この手順によれば、全ての反射点は、評価対象物Ｏ１、Ｏ２に帰属する反射点の部分集合にグループ化される。

結果として、図６ｂは、図５ｂの時間オブジェクトＴＯ＿２が２つの評価対象物Ｏ１、Ｏ２に分離されたことを示す。

次に、図７ａに示す評価面内の各対象物を、図７ｂに示すように、Ｚ軸に沿った密度分布解析にかける。図７ａ，７ｂでは、対象物Ｏ１が解析されている。対象物が人体であるか否かを判定するためのさらなる評価は、図３において説明したように、取得した計測値を人体計測データと比較することによって行われる。

本発明の更なる改良によれば、評価部は、対象物の移動方向を分析することができる。これにより、人認識センサは、対象物情報と共に方向情報を提供することができる。例えば、これは、何人の人が建物に入ったか、または建物から出たかについてのカウントを可能にする。あるいは、カウントだけを行い、単に、出力ポートに最終的なカウント値を提供することを可能にする。

移動方向は、例えば５００ｍｓの短時間にわたる２つのカーテン３２、３４の累積反射点を比較することによって分析（判定）される。反射点は、時間幅平面に投影され、この時間幅平面において、存在する反射点の数学的重心がカーテンごとに判定される。

図８ａおよび図８ｂに十字で示す重心の移動（シフト）によれば、重心は、まず第１のカーテン３２を通過し、次に第２のカーテン３４を通過しており、この重心の移動方向が、対象物の移動方向を示している。

１０ 人認識センサ、１２ レーザスキャナ、１４ 演算部、１６ 評価部、１８ 出力ポート、２０ 人認識センサ、２２ レーザカーテン、２４ ピーク、２６ ピーク、３０ 人認識センサ、３２ 第１レーザカーテン、３４ 第２レーザカーテン、４４ 重心、４６ 重心、ＴＯ＿１ 時間オブジェクト、ＴＯ＿２ 時間オブジェクト、ＴＯ＿３ 時間オブジェクト、Ｏ１ 評価対象物、Ｏ２ 評価対象物、ＥＰ 評価面、Ｐ 人、Ｍ 移動方向、Ｚ Ｚ軸、Ｗ 幅軸。

Claims (16)

1. レーザスキャナ（１２）を用いて、監視領域内の検出物体（Ｐ）を分析し、検出物体が人であるか否かを判定する人体認識方法であって、
   レーザスキャナ（１２）は、パルス光の飛行時間（ＴＯＦ）測定によってレーザスキャナ位置に対する反射点の距離を導出するために、複数のパルス光によって少なくとも１つのレーザカーテン（２２、３２、３４）を生成し、
   反射点の距離とパルス光の方向との組み合わせにより、監視領域内の所定の検出ゾーン内の位置を特定し、
   検出物体について特定された反射点を、高さに関するＺ軸と、Ｚ軸に垂直であってレーザカーテン（２２、３２、３４）の横方向における幅に関する幅軸とを有する評価面（ＥＰ）に、評価対象物（Ｏ１、Ｏ２）として投影し、
   当該方法において、前記評価面（ＥＰ）を、Ｚ軸に沿った反射点の密度分布に基づいて分析し、分析結果を、人体計測パラメータと比較することを特徴とする、方法。
2. 前記人体計測パラメータは、人体計測値および／または人体比率であることを特徴とする、請求項１に記載の方法。
3. 評価対象物（Ｏ１、Ｏ２）に帰属する反射点を、高さにわたる密度分布に基づいて分析して、頭高さ（Ｈ１）および肩高さ（Ｈ２）を導出し、
   人体計測パラメータは、頭高さ（Ｈ１）と肩高さ（Ｈ２）との比率であり、この比率を、人体の所定範囲と比較することを特徴とする、請求項１または２に記載の方法。
4. 前記密度分布のピーク（２４、２６）を判定することによって、前記頭高さ（Ｈ１）および前記肩高さ（Ｈ２）を導出することを特徴とする、請求項１〜３のいずれか１項に記載の方法。
5. 前記評価面（ＥＰ）を、高さにわたる密度分布によって分析し、対応する密度分布のピーク位置それぞれにおける幅（Ｗ１、Ｗ２）を取得することによって、頭部幅（Ｗ１）および肩幅（Ｗ２）を導出することを特徴とする、請求項１〜４のいずれか１項に記載の方法。
6. 前記人体計測パラメータは、頭部幅（Ｗ１）と肩幅（Ｗ２）との比率であり、この比率を、人体比率の所定範囲と比較することを特徴とする、請求項５に記載の方法。
7. 前記センサが、互いに傾斜した複数のレーザカーテン（２２、３２、３４）を生成し、分析することを特徴とする、請求項１に記載の方法。
8. 前記複数のレーザカーテン（３２、３４）は、連続的に走査され、人体および／または分析対象物の運動方向（Ｍ）を判定することを特徴とする、請求項７に記載の方法。
9. 前記反射点を、取得期間にわたって時間積分することを特徴とする、請求項１〜８のいずれか１項に記載の方法。
10. 前記反射点の部分集合は、取得期間における幅時間平面内の反射点をクラスタリングすることによって規定される時間オブジェクト（ＴＯ＿１、ＴＯ＿２、ＴＯ＿３）に帰属することを特徴とする、請求項９に記載の方法。
11. 前記時間オブジェクト（ＴＯ＿１、ＴＯ＿２、ＴＯ＿３）に帰属する反射点の部分集合が、前記評価面（ＥＰ）上の分析のための主要な集合であることを特徴とする、請求項１０に記載の方法。
12. 前記評価面内の反射点の部分集合は、反射点をクラスタリングすることによって評価対象物（Ｏ１、Ｏ２）に割り当てられることを特徴とする、請求項１〜１１のいずれか１項に記載の方法。
13. 反射点は、ある範囲内において、Ｚ方向に沿って現在分析されている点の上に他の点があるかどうかという基準に従って、分析され、
    前記範囲内に他の点がなければ、反射点を新たな対象物に割り当て、前記範囲内に他の点があれば、重心を有する既存の対象物に、反射点を割り当てることを特徴とする、請求項１２に記載の方法。
14. 監視領域内の物体（Ｐ）を検出および分析し、検出物体が人であるか否かを判定するための人認識センサであって、
    レーザスキャナ（１２）と、請求項１〜１３のいずれか１項に記載の方法を実行可能な評価部（１６）とを備える、人認識センサ。
15. 前記評価部（１６）は、マイクロプロセッサのような演算部であり、前記方法は、コンピュータによって実施される方法であることを特徴とする、請求項１４に記載の人認識センサ。
16. 前記少なくとも１つのレーザカーテン（２２、３２、３４）は、垂直軸に対して４５°未満傾斜していることを特徴とする、請求項１４または１５に記載の人認識センサ。

Images