JP2022160510A - 転落者検出システム、転落者検出方法、および転落者検出プログラム - Google Patents
転落者検出システム、転落者検出方法、および転落者検出プログラム Download PDFInfo
- Publication number
- JP2022160510A JP2022160510A JP2022118403A JP2022118403A JP2022160510A JP 2022160510 A JP2022160510 A JP 2022160510A JP 2022118403 A JP2022118403 A JP 2022118403A JP 2022118403 A JP2022118403 A JP 2022118403A JP 2022160510 A JP2022160510 A JP 2022160510A
- Authority
- JP
- Japan
- Prior art keywords
- person
- image data
- fallen
- image
- platform
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 127
- 238000004458 analytical method Methods 0.000 claims abstract description 109
- 239000002699 waste material Substances 0.000 claims abstract description 69
- 238000010191 image analysis Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 6
- 238000003384 imaging method Methods 0.000 claims description 35
- 238000004422 calculation algorithm Methods 0.000 claims description 30
- 230000032258 transport Effects 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 230000002787 reinforcement Effects 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000004056 waste incineration Methods 0.000 abstract description 13
- 239000000428 dust Substances 0.000 description 19
- 238000010276 construction Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/44—Details; Accessories
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
- F23G5/00—Incineration of waste; Incinerator constructions; Details, accessories or control therefor
- F23G5/50—Control or safety arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/02—Systems for controlling combustion using devices responsive to thermal changes or to thermal expansion of a medium
- F23N5/08—Systems for controlling combustion using devices responsive to thermal changes or to thermal expansion of a medium using light-sensitive elements
- F23N5/082—Systems for controlling combustion using devices responsive to thermal changes or to thermal expansion of a medium using light-sensitive elements using electronic means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
- F23N5/24—Preventing development of abnormal or undesired conditions, i.e. safety arrangements
- F23N5/242—Preventing development of abnormal or undesired conditions, i.e. safety arrangements using electronic means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/188—Capturing isolated or intermittent images triggered by the occurrence of a predetermined event, e.g. an object reaching a predetermined position
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Emergency Alarm Devices (AREA)
- Incineration Of Waste (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
【課題】廃棄物焼却施設等の廃棄物処理施設において、廃棄物を貯留する貯留設備への転落者を自動で検出できる転落者検出システム、方法及びプログラムを提供する。【解決手段】廃棄物処理施設100において、転落者検出システム10は、被処理物が貯留される貯留設備(ピット3)内を撮像する第1カメラ6から第1画像データを取得する第1画像データ取得部と、貯留設備に隣接するプラットホーム21内を撮像する第2カメラ23から第2画像データを取得する第2画像データ取得部と、第1画像データを画像解析して貯留設備内の人物を検出する第1画像解析部と、第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡する第2画像解析部と、第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定する転落者判定部と、を備える。【選択図】図1
Description
本発明は、被処理物を貯留する設備へ転落した人を自動的に検出する転落者検出システム、転落者検出方法、および転落者検出プログラムに関する。
廃棄物処理関連施設において、特に廃棄物焼却施設では、件数は少ないものの、年に数件、ごみピット内へ人が転落する事故が報告されている。
ごみピットへ人が転落した際には、クレーン運転士等へ伝達し、転落者の安全確保のため、クレーン操作を一時停止する必要がある。しかしながら、昨今クレーンの自動運転技術が発展してきており、たとえば、クレーン自動運転中(すなわち、クレーン運転士の不在時)に転落者が発生した場合、クレーン運転士等への伝達に時間を要し、重大な事故を起こす可能性がある。
また、特に廃棄物焼却施設においては、ごみピット内への転落者を自動で検出し、クレーンを制御する等の事故防止システムは存在していない。
他分野(特に鉄道業界)では、駅のホームから線路への転落者を画像処理等で検出するシステムが用いられている(たとえば特許文献1、2参照)。
鉄道業界で用いられている転落者検出システムでは、転落起因側であるホームと転落結果側である線路を同時に撮影する監視カメラの画像を処理し、転落者の検出を行っている。これに対し、廃棄物焼却施設では、転落起因側であるプラットホームと転落結果側であるごみピットとの間がごみ投入扉で仕切られているため、転落起因側と転落結果側を同時に撮影できる場所にカメラなどの撮像装置を設置することが困難である。
また、鉄道業界で用いられている転落者検出システムでは、監視カメラの画像を処理することにより、落下物の大きさを求め、その大きさから落下物が人であるか否かを判定する手法が用いられることがある。これに対し、廃棄物焼却施設では、搬入車両(パッカー車両や軽トラックなど)から大小さまざまな廃棄物がごみピットへ投入されるため、落下物の大きさだけで落下物が人であるか否かを判定することは困難である。
また、上述したように、廃棄物焼却施設では、転落起因側(プラットホーム)と転落結果側(ごみピット)を同時に撮影できる場所にカメラを設置することが困難であるため、たとえば、ごみピット側にカメラを設置してごみピット内の画像を処理し、転落者を検出することが考えられる。しかしながら、ごみピット内では廃棄物の山が崩れるなどして転落者の上部に廃棄物がかぶさる可能性があり、その場合、ごみピット内の画像の処理により転落者を検出することは困難である。
なお、焼却施設のようなピットアンドクレーン方式を採用している施設だけでなく、ピットアンドクレーン方式以外の例えば貯留設備への直接投入方式やコンバクタコンテナ方式のような構成の廃棄物処理施設(たとえば粗大ごみ破砕施設やリサイクル施設など)においても同様の課題がある。
本発明は、以上のような点を考慮してなされたものである。本発明の目的は、廃棄物焼却施設等の廃棄物処理施設において、廃棄物を貯留する貯留設備への転落者を自動で検出できる転落者検出システム、転落者検出方法、および転落者検出プログラムを提供することにある。
本発明の第1の態様に係る転落者検出システムは、
被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得する第1画像データ取得部と、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得する第2画像データ取得部と、
第1画像データを画像解析して貯留設備内の人物を検出する第1画像解析部と、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡する第2画像解析部と、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定する転落者判定部と、
を備える。
被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得する第1画像データ取得部と、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得する第2画像データ取得部と、
第1画像データを画像解析して貯留設備内の人物を検出する第1画像解析部と、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡する第2画像解析部と、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定する転落者判定部と、
を備える。
このような態様によれば、貯留設備内を撮像した第1画像データの解析結果と、プラットホーム内を撮像した第2画像データの解析結果とを組み合わせることで、プラットホームから貯留設備へと転落する転落者を自動で検出できる。一般に、機械学習モデルを利用して画像データから転落者を検出する場合には、機械学習モデルの検出精度は様々であり、100%の精度で転落者を検出することは不可能であるが、貯留設備内を撮像した第1画像データの解析結果と、プラットホーム内を撮像した第2画像データの解析結果とを組み合わせることで、転落者の検出精度を上げることができる。また、既存施設であっても、貯留設備内を撮像する第1カメラとプラットホーム内を撮像する第2カメラとを追加で設置するだけで、本件システムの動作が可能となるため、本件システムの導入にあたって既存施設の大幅な改造は不要であり、安価に既存施設の安全性を高めることが可能となる。
本発明の第2の態様に係る転落者検出システムは、第1の態様に係る転落者検出システムであって、
転落者判定部は、第2画像データの解析結果を確認し、第1時刻において貯留設備とプラットホームとの間を仕切る投入扉近傍の予め定められた領域への人物の進入が検出された場合に、第1時刻における第1画像データの解析結果を確認し、貯留設備内に人物が検出された場合に、転落者ありと判定する。
転落者判定部は、第2画像データの解析結果を確認し、第1時刻において貯留設備とプラットホームとの間を仕切る投入扉近傍の予め定められた領域への人物の進入が検出された場合に、第1時刻における第1画像データの解析結果を確認し、貯留設備内に人物が検出された場合に、転落者ありと判定する。
このような態様によれば、プラットホーム内を撮像した第2画像データの解析結果を確認し、投入扉近傍の予め定められた領域への人物の進入が検出された場合(すなわち第2画像データの解析結果において転落者が仮検出された場合)に、第1画像データの解析結果を確認し、貯留設備内に人物が検出された場合(すなわち第1画像データの解析結果においても転落者が仮検出された場合)に、転落者ありと最終判定することで、転落者を正確に検出できる。
本発明の第3の態様に係る転落者検出システムは、第2の態様に係る転落者検出システムであって、
転落者判定部は、第1時刻において投入扉近傍の予め定められた領域への人物の進入が検出された場合に、第1時刻における第1画像データのうち当該投入扉の位置に対応する貯留設備内の領域を撮像した画像の解析結果を確認する。
転落者判定部は、第1時刻において投入扉近傍の予め定められた領域への人物の進入が検出された場合に、第1時刻における第1画像データのうち当該投入扉の位置に対応する貯留設備内の領域を撮像した画像の解析結果を確認する。
このような態様によれば、投入扉が複数設けられている大型の貯留設備であっても、プラットホーム内を撮像した第2画像データの解析結果を確認し、投入扉近傍の予め定められた領域への人物の進入が検出された場合(すなわち第2画像データの解析結果において転落者が仮検出された場合)に、貯留設備内を撮像した第1画像データ全体の解析結果を確認するのではなく、転落者が発生した可能性の高い投入扉の位置に対応する貯留設備内の領域の画像の解析結果を確認することで、より正確かつ短時間での転落者検出が可能となる。
本発明の第4の態様に係る転落者検出システムは、第2または3の態様に係る転落者検出システムであって、
転落者判定部は、第1時刻における第1画像データの解析結果を確認した際に貯留設備内に人物が検出されなかった場合には、第1時刻における第1画像データと、第1時刻から予め定められた時間経過後の第2時刻における第1画像データとの差分を抽出し、抽出した差分が予め定められた閾値を超えた場合に、転落者ありと判定し、差がない場合に、転落者なしと判定する。
転落者判定部は、第1時刻における第1画像データの解析結果を確認した際に貯留設備内に人物が検出されなかった場合には、第1時刻における第1画像データと、第1時刻から予め定められた時間経過後の第2時刻における第1画像データとの差分を抽出し、抽出した差分が予め定められた閾値を超えた場合に、転落者ありと判定し、差がない場合に、転落者なしと判定する。
このような態様によれば、たとえば、貯留設備内で転落者の上部に被処理物がかぶさった場合には、貯留設備内を撮像した第1画像データの解析結果では、(転落者の上部に被処理物がかぶさっているため)貯留設備内に人物が検出されなかったとなるが、第2画像データの解析結果において既に転落者が仮検出されていることから、さらに、第1時刻における第1画像データと、第1時刻から予め定められた時間経過後の第2時刻における第1画像データとを比較してそれらの差分を抽出する。そして、第1時刻における第1画像データと第2時刻における第1画像データとの差分が予め定められた閾値を超えた場合には、貯留設備内で被処理物の山が崩れるなどしたと考えられ、崩れた山の被処理物が転落者の上部にかぶさって転落者が見えていない可能性があると考えられることから、転落者ありと判定する。これにより、貯留設備内で転落者の上部に被処理物がかぶさった場合であっても、転落者を自動で検出することが可能となる。
本発明の第5の態様に係る転落者検出システムは、第1の態様に係る転落者検出システムであって、
転落者判定部は、第1画像データの解析結果を確認し、第1時刻において貯留設備内に人物が検出された場合に、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認し、貯留設備とプラットホームとの間を仕切る投入扉近傍の予め定められた領域内で人物が映像からフレームアウトしていた場合に、転落者ありと判定する。
転落者判定部は、第1画像データの解析結果を確認し、第1時刻において貯留設備内に人物が検出された場合に、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認し、貯留設備とプラットホームとの間を仕切る投入扉近傍の予め定められた領域内で人物が映像からフレームアウトしていた場合に、転落者ありと判定する。
このような態様によれば、貯留設備内を撮像した第1画像データの解析結果を確認し、貯留設備内に人物が検出された場合(すなわち第1画像データの解析結果において転落者が仮検出された場合)に、第2画像データの解析結果を確認し、投入扉近傍で人物が映像からフレームアウトしていた場合(すなわち第2画像データの解析結果においても転落者が仮検出された場合)に、転落者ありと最終判定することで、転落者を正確に検出できる。
本発明の第6の態様に係る転落者検出システムは、第5の態様に係る転落者検出システムであって、
転落者判定部は、第1時刻において貯留設備内に人物が検出された場合に、第1時刻に対して予め定められた時間前までの第2画像データのうち貯留設備内で人物が検出された領域に対応する位置の投入扉を撮像した画像の解析結果を確認する。
転落者判定部は、第1時刻において貯留設備内に人物が検出された場合に、第1時刻に対して予め定められた時間前までの第2画像データのうち貯留設備内で人物が検出された領域に対応する位置の投入扉を撮像した画像の解析結果を確認する。
このような態様によれば、投入扉が複数設けられている大型のプラットホームであっても、貯留設備内を撮像した第1画像データの解析結果を確認し、貯留設備内に人物が検出された場合(すなわち第1画像データの解析結果において転落者が仮検出された場合)に、プラットホーム内を撮像した第2画像データ全体の解析結果を確認するのではなく、転落者が発生した可能性の高い位置にある投入扉の画像の解析結果を確認することで、より正確かつ短時間での転落者検出が可能となる。
本発明の第7の態様に係る転落者検出システムは、第5または6の態様に係る転落者検出システムであって、
転落者判定部は、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認した際に投入扉近傍の予め定められた領域外で人物が映像からフレームアウトしていた場合には、転落者なしと判定する。
転落者判定部は、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認した際に投入扉近傍の予め定められた領域外で人物が映像からフレームアウトしていた場合には、転落者なしと判定する。
このような態様によれば、プラットホーム内を撮像した第2画像データにて人物が貯留設備への転落とは無関係な理由(たとえば搬送車両の陰に一時的に隠れた場合など)で映像からフレームアウトしていた場合に、転落者ありと誤判定することを防ぐことができ、転落者検出の正確性を高めることができる。
本発明の第8の態様に係る転落者検出システムは、第5~7のいずれかの態様に係る転落者検出システムであって、
転落者判定部は、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認した際に投入扉近傍の予め定められた領域内への人物の進入が検出されなかった場合に、転落者なしと判定する。
転落者判定部は、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認した際に投入扉近傍の予め定められた領域内への人物の進入が検出されなかった場合に、転落者なしと判定する。
このような態様によれば、貯留施設内を撮像した第1画像データにて、たとえば人物と同程度の大きさの被処理物が誤って人物として検出された場合(すなわち第1画像データの解析結果において誤って転落者が仮検出された場合)であっても、プラットホーム内を撮像した第2画像データの解析結果を確認した際に投入扉近傍への人物の進入が検出されなかった場合に、転落者なしと判定することで、転落者ありと誤判定することを防ぐことができ、転落者検出の正確性を高めることができる。
本発明の第9の態様に係る転落者検出システムは、第1~8のいずれかの態様に係る転落者検出システムであって、
転落者判定部により転落者ありと判定された場合に、
(1)警報を発報する、
(2)貯留設備内に貯留された被処理物の攪拌または搬送を行うクレーンを停止するようクレーン制御装置に制御信号を送信する、
(3)貯留設備とプラットホームとの間を仕切る投入扉を閉じるよう投入扉制御装置に制御信号を送信する、
(4)クレーンを動作させて転落者の救出を行うようクレーン制御装置に制御信号を送信する、
(5)貯留設備に設けられた救出用機材を動作させて転落者の救出を行うよう救出用機材制御装置に制御信号を送信する、
のうちの少なくとも1つの処理を行う指示部をさらに備える。
転落者判定部により転落者ありと判定された場合に、
(1)警報を発報する、
(2)貯留設備内に貯留された被処理物の攪拌または搬送を行うクレーンを停止するようクレーン制御装置に制御信号を送信する、
(3)貯留設備とプラットホームとの間を仕切る投入扉を閉じるよう投入扉制御装置に制御信号を送信する、
(4)クレーンを動作させて転落者の救出を行うようクレーン制御装置に制御信号を送信する、
(5)貯留設備に設けられた救出用機材を動作させて転落者の救出を行うよう救出用機材制御装置に制御信号を送信する、
のうちの少なくとも1つの処理を行う指示部をさらに備える。
このような態様によれば、転落者の迅速な救助が可能となり、施設の安全性を高めることができる。
本発明の第10の態様に係る転落者検出システムは、第1~9のいずれかの態様に係る転落者検出システムであって、
第1画像解析部は、貯留設備内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与することにより生成した第1教師データを機械学習することにより構築された第1検出アルゴリズムを用いて、貯留設備内の新たな画像データを入力として、貯留設備内の人物を検出する。
第1画像解析部は、貯留設備内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与することにより生成した第1教師データを機械学習することにより構築された第1検出アルゴリズムを用いて、貯留設備内の新たな画像データを入力として、貯留設備内の人物を検出する。
本発明の第11の態様に係る転落者検出システムは、第1~10のいずれかの態様に係る転落者検出システムであって、
第2画像解析部は、プラットホーム内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与することにより生成した第2教師データを機械学習することにより構築された第2検出アルゴリズムを用いて、プラットホーム内の新たな画像データを入力として、プラットホーム内の人物を検出する。
第2画像解析部は、プラットホーム内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与することにより生成した第2教師データを機械学習することにより構築された第2検出アルゴリズムを用いて、プラットホーム内の新たな画像データを入力として、プラットホーム内の人物を検出する。
本発明の第12の態様に係る転落者検出システムは、第11の態様に係る転落者検出システムであって、
第2教師データは、プラットホーム内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与するとともに搬入車両が存在している領域に人為的な別のラベルを情報として付与することにより生成したものである。
第2教師データは、プラットホーム内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与するとともに搬入車両が存在している領域に人為的な別のラベルを情報として付与することにより生成したものである。
このような態様によれば、プラットホーム内にて人物(たとえば作業員)は搬入車両の近傍で作業している頻度が高く、人物の位置と搬入車両の位置との間には関係性があるため、プラットホーム内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与するとともに搬入車両が存在している領域に人為的な別のラベルを情報として付与することにより生成した教師データを機械学習することにより構築された第2検出アルゴリズムを用いることで、プラットホーム内の人物の検出精度を高めることができることに加えて、搬入車両の落下も検出できるようになる。
本発明の第13の態様に係る転落者検出システムは、第10の態様に係る転落者検出システムであって、
前記第1検出アルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの1つまたは2つ以上を含む。
前記第1検出アルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの1つまたは2つ以上を含む。
本発明の第14の態様に係る転落者検出システムは、第11または12の態様に係る転落者検出システムであって、
前記第2検出アルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの1つまたは2つ以上を含む。
前記第2検出アルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの1つまたは2つ以上を含む。
本発明の第15の態様に係る転落者検出システムは、第1~14のいずれかの態様に係る転落者検出システムであって、
前記第2画像解析部が人物の動線の追跡に用いるアルゴリズムは、オプティカルフロー、背景差分法、カルマンフィルタ、パーティクルフィルタ、深層学習、のうちの1つまたは2つ以上を含む。
前記第2画像解析部が人物の動線の追跡に用いるアルゴリズムは、オプティカルフロー、背景差分法、カルマンフィルタ、パーティクルフィルタ、深層学習、のうちの1つまたは2つ以上を含む。
本発明の第16の態様に係る転落者検出システムは、第1~15のいずれかの態様に係る転落者検出システムであって、
前記第1カメラは、RGBカメラ、近赤外線カメラ、3DカメラまたはRGB-Dカメラのうちの1つまたは2つ以上を含む。
前記第1カメラは、RGBカメラ、近赤外線カメラ、3DカメラまたはRGB-Dカメラのうちの1つまたは2つ以上を含む。
本発明の第17の態様に係る転落者検出システムは、第1~16のいずれかの態様に係る転落者検出システムであって、
前記第2カメラは、RGBカメラ、近赤外線カメラ、3DカメラまたはRGB-Dカメラのうちの1つまたは2つ以上を含む。
前記第2カメラは、RGBカメラ、近赤外線カメラ、3DカメラまたはRGB-Dカメラのうちの1つまたは2つ以上を含む。
本発明の第18の態様に係る廃棄物処理施設は、第1~17のいずれかの態様に係る転落者検出システムを備える。
本発明の第19の態様に係る転落者検出方法は、
被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得するステップと、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得するステップと、
第1画像データを画像解析して貯留設備内の人物を検出するステップと、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡するステップと、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定するステップと、
を含む。
被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得するステップと、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得するステップと、
第1画像データを画像解析して貯留設備内の人物を検出するステップと、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡するステップと、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定するステップと、
を含む。
本発明の第20の態様に係る転落者検出プログラムは、
コンピュータに、
被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得するステップと、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得するステップと、
第1画像データを画像解析して貯留設備内の人物を検出するステップと、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡するステップと、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定するステップと、
を実行させる。
コンピュータに、
被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得するステップと、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得するステップと、
第1画像データを画像解析して貯留設備内の人物を検出するステップと、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡するステップと、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定するステップと、
を実行させる。
本発明によれば、廃棄物焼却施設等の廃棄物処理施設において、廃棄物を貯留する貯留設備への転落者を自動で検出できる。
以下に、添付の図面を参照して、本発明の実施の形態を詳細に説明する。なお、以下の説明および以下の説明で用いる図面では、同一に構成され得る部分について、同一の符号を用いるとともに、重複する説明を省略する。
(廃棄物処理施設の構成)
図1は、一実施の形態に係る廃棄物処理施設100の構成を示す概略図である。
図1は、一実施の形態に係る廃棄物処理施設100の構成を示す概略図である。
図1に示すように、廃棄物処理施設100は、廃棄物を積載する搬送車両(パッカー車両や軽トラックなど)22が停車するプラットホーム21と、プラットホーム21から投入される廃棄物が貯留されるごみピット(貯留設備)3と、ごみピット3内に貯留される廃棄物を攪拌および搬送するクレーン5と、クレーン5により搬送される廃棄物が投入されるホッパ4と、ホッパ4から投入された廃棄物を焼却する焼却炉1と、焼却炉1内で生じる排ガスから排熱を回収する排熱ボイラ2と、を備えている。焼却炉1の種類は、図1に示すようなストーカ炉に限られるものではなく、流動炉(流動床炉ともいう)も含まれる。また、ごみピット3の構造は、図1に示すような1段ピットに限られるものではなく、ごみピットを投入部と貯留部に分割した2段ピットも含まれる。ごみピット3とプラットホーム21との間は投入扉24により仕切られている。また、廃棄物処理施設100には、投入扉24の動作を制御する投入扉制御装置20と、クレーン5の動作を制御するクレーン制御装置30とが設けられている。
搬送車両22に積載された状態で搬入される廃棄物は、プラットホーム21から投入扉24を介してごみピット3内へと投入され、ごみピット3内にて貯留される。ごみピット3内に貯留される廃棄物は、クレーン5によって攪拌されるとともに、クレーン5によってホッパ4へと搬送され、ホッパ4を介して焼却炉1内部へと投入され、焼却炉1内部にて焼却されて処理される。
図1に示すように、廃棄物処理施設100には、ごみピット3内を撮像する第1カメラ6と、ごみピット3内の廃棄物の種類を識別するごみ識別システム40とが設けられている。
第1カメラ6は、ごみピット3の上方に配置され、図示された例ではクレーン5のレールに固定されており、ごみピット3の上方からごみピット3内に貯留される廃棄物を撮像できるようになっている。第1カメラ6は、1台のみ設置されてもよいし、複数台設置されてもよい。
第1カメラ6は、撮像結果として廃棄物の形状および色彩画像データを出力するRGBカメラであってもよいし、撮像結果として廃棄物の近赤外線画像データを出力する近赤外線カメラであってもよいし、撮像結果として廃棄物の3次元画像データを撮像する3DカメラまたはRGB-Dカメラであってもよいし、これらのうちの2つ以上の組み合わせであってもよい。
ごみ識別システム40は、ごみピット3内を撮像する第1カメラ6から画像データ(第1画像データともいう)を取得し、第1画像データを画像解析して、ごみピット3内に貯留されている廃棄物の種類を識別する。たとえば、ごみ識別システム40は、ごみピット3内を撮像した過去の画像データに廃棄物の種類がラベリングされた教師データを機械学習することにより構築された識別アルゴリズム(学習済みモデル)を用いて、ごみピット3内の新たな画像データを入力としてごみピット3内に貯留されている廃棄物の種類を識別してもよい。
ごみ識別システム40は、ごみピット3内に貯留されている廃棄物の種類の識別結果として、廃棄物の種類の比率を領域毎に表示するマップを生成し、クレーン制御装置30へと送信する。クレーン制御装置30は、ごみ識別システム40から受信するマップに基づいて、廃棄物の種類の比率が全ての領域で等しくなるように、クレーン5を動作させてごみピット3内の廃棄物を攪拌させる。これにより、クレーン5の自動運転が可能となる。
ごみ識別システム40としては、具体的には、たとえば、特許6731680号公報に記載の情報処理装置を利用することができる。
図1に示すように、廃棄物処理施設100には、プラットホーム21内を撮像する第2カメラ23と、プラットホーム21からごみピット3へと転落する転落者を検出する転落者検出システム10とがさらに設けられている。
第2カメラ23は、プラットホーム21の上方に配置され、図示された例では投入扉24の正面付近に位置するプラットホーム21の壁に固定されており、投入扉24の正面付近からプラットホーム21内を撮像できるようになっている。第2カメラ23は、1台のみ設置されてもよいし、複数台設置されてもよい。
第2カメラ23は、撮像結果として対象物(作業員などの人物や搬送車両22など)の形状および色彩画像データを出力するRGBカメラであってもよいし、撮像結果として対象物の近赤外線画像データを出力する近赤外線カメラであってもよいし、撮像結果として対象物の3次元画像データを撮像する3DカメラまたはRGB-Dカメラであってもよいし、これらのうちの2つ以上の組み合わせであってもよい。
(転落者検出システムの構成)
次に、プラットホーム21からごみピット3へと転落する転落者を検出する転落者検出システム10の構成について説明する。図2は、転落者検出システム10の構成を示すブロック図である。転落者検出システム10は、1台のコンピュータによって構成されてもよいし、互いに通信可能に接続された複数のコンピュータによって構成されてもよい。
次に、プラットホーム21からごみピット3へと転落する転落者を検出する転落者検出システム10の構成について説明する。図2は、転落者検出システム10の構成を示すブロック図である。転落者検出システム10は、1台のコンピュータによって構成されてもよいし、互いに通信可能に接続された複数のコンピュータによって構成されてもよい。
図2に示すように、転落者検出システム10は、制御部11と、記憶部12と、通信部13とを有している。各部は、バスやネットワークを介して互いに通信可能に接続されている。
このうち通信部13は、第1カメラ6、第2カメラ23、クレーン制御装置30および投入扉制御装置20に対する通信インターフェースである。通信部13は、第1カメラ6、第2カメラ23、クレーン制御装置30および投入扉制御装置20の各々と転落者検出システム10との間で情報を送受信する。
記憶部12は、たとえばハードディスクやフラッシュメモリ等の不揮発性データストレージである。記憶部12には、制御部11が取り扱う各種データが記憶される。また、記憶部12には、後述する第1モデル構築部11c1により構築された第1検出アルゴリズム12a1と、第2モデル構築部11c2により構築された第2検出アルゴリズム12a2と、第1画像データ取得部11a1により取得された第1画像データ12b1と、第2画像データ取得部11a2により取得された第2画像データ12b2と、第1教師データ生成部11b1により生成された第1教師データ12c1と、第2教師データ生成部11b2により生成された第2教師データ12c2とが記憶される。
制御部11は、転落者検出システム10の各種処理を行う制御手段である。図2に示すように、制御部11は、第1画像データ取得部11a1と、第2画像データ取得部11a2と、第1教師データ生成部11b1と、第2教師データ生成部11b2と、第1モデル構築部11c1と、第2モデル構築部11c2と、第1画像解析部11d1と、第1画像解析部11d2と、転落者判定部11eと、指示部11fと、を有している。これらの各部は、転落者検出システム10内のプロセッサが所定のプログラムを実行することにより実現されてもよいし、ハードウェアで実装されてもよい。
このうち第1画像データ取得部11a1は、ごみピット3内を撮像する第1カメラ6から第1画像データを取得する。第1画像データは、動画像であってもよいし、連続した静止画像であってもよい。第1画像データのフレームレートは、一般的なフレームレート(30fps程度)のものであればよく、特に高フレームレートである必要はなく、また、低フレームレート(5~10fps程度)であってもよい。第1画像データのメタデータには撮影日時の情報が含まれている。第1画像データ取得部11a1により取得された第1画像データ12b1は、記憶部12に記憶される。
第2画像データ取得部11a2は、プラットホーム21内を撮像する第2カメラ23から第2画像データを取得する。第2画像データは、動画像であってもよいし、連続した静止画像であってもよい。第2画像データのフレームレートは、一般的なフレームレート(30fps程度)のものであればよく、特に高フレームレートである必要はなく、また、低フレームレート(5~10fps程度)であってもよい。第2画像データのメタデータには撮影日時の情報が含まれている。第2画像データ取得部11a2により取得された第2画像データ12b2は、記憶部12に記憶される。
第1教師データ生成部11b1は、ごみピット3内を撮像した過去の画像データに対して、廃棄物焼却施設100の運転を行う熟練運転員が目視で識別した人物(すなわち転落者)または人物を模したダミー人形が存在している領域の情報をラベリングする(すなわち、人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与する)ことにより、第1教師データを生成する。一例として、第1教師データ生成部11b1は、意図的に人物を模したダミー人形がごみピット3内へ投下された後、当該ごみピット3内を撮像した画像データに対して第1教師データを生成してもよいし、ごみピット3内を撮像した過去の画像データに人物の画像を合成した画像データ(合成画像データ)に対して第1教師データを生成してもよい。第1教師データ生成部11b1は、ごみピット3内を撮像した過去の画像データに対して、廃棄物焼却施設100の運転を行う熟練運転員が目視で識別した人物(すなわち転落者)または人物を模したダミー人形が存在している領域の情報と搬送車両22が存在している領域の情報とをラベリングする(すなわち、人物または人物を模したダミー人形が存在している領域と搬送車両が存在している領域に人為的なラベルを情報として付与する)ことにより、第1教師データを生成してもよい。人物または人物を模したダミー人形が存在している領域の情報および搬送車両22が存在している領域の情報は、たとえばレイヤーとして画像データに重ね合わせた状態でラベリング(すなわち人為的なラベルが情報として付与)される。第1教師データ生成部11b1により生成された第1教師データ12c1は、記憶部12に記憶される。
第2教師データ生成部11b2は、プラットホーム21内を撮像した過去の画像データに対して、廃棄物焼却施設100の運転を行う熟練運転員が目視で識別した人物または人物を模したダミー人形が存在している領域の情報をラベリングする(すなわち、人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与する)ことにより、第2教師データを生成する。一例として、第2教師データ生成部11b2は、意図的に人物を模したダミー人形がプラットホーム21内に設置された後、当該プラットホーム21内を撮像した画像データに対して第2教師データを生成してもよいし、プラットホーム21内を撮像した過去の画像データに人物の画像を合成した画像データ(合成画像データ)に対して第2教師データを生成してもよい。第2教師データ生成部11b2は、ごみピット3内を撮像した過去の画像データに対して、廃棄物焼却施設100の運転を行う熟練運転員が目視で識別した人物または人物を模したダミー人形が存在している領域の情報と搬送車両22が存在している領域の情報の情報とをラベリングする(すなわち、人物または人物を模したダミー人形が存在している領域と搬送車両が存在している領域に人為的なラベルを情報として付与する)ことにより、第2教師データを生成してもよい。プラットホーム21内にて人物(たとえば作業員)は搬入車両22の近傍で作業している頻度が高く、人物の位置と搬入車両22の位置との間には関係性があるため、後述する第2モデル構築11c2が、プラットホーム21内を撮像した画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与するとともに搬入車両22が存在している領域に人為的な別のラベルを情報として付与した教師データを機械学習することにより、第2検出アルゴリズム12a2を構築することで、第2検出アルゴリズム12a2によるプラットホーム21内の人物の検出精度を高めることができることに加えて、搬送車両22の落下も検出できるようになる。人物または人物を模したダミー人形が存在している領域の情報および搬送車両22が存在している領域の情報は、たとえばレイヤーとして画像データに重ね合わせた状態でラベリング(すなわち人為的なラベルが情報として付与)される。第2教師データ生成部11b2により生成された第2教師データ12c2は、記憶部12に記憶される。
第1モデル構築部11c1は、記憶部12に記憶された第1教師データ12c1を機械学習することにより、ごみピット3内の新たな画像データを入力としてごみピット3内の人物(すなわち転落者)を検出する第1検出アルゴリズム12a1(学習済みモデル)を構築する。第1検出アルゴリズム12a1は、最尤分類法、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの1つまたは2つ以上を含んでいてもよい。第1モデル構築部11c1により構築された第1検出アルゴリズム12a1は、記憶部12に記憶される。
第2モデル構築部11c2は、記憶部12に記憶された第2教師データ12c2を機械学習することにより、プラットホーム21内の新たな画像データを入力としてプラットホーム21内の人物を検出する第2検出アルゴリズム12a2(学習済みモデル)を構築する。第2検出アルゴリズム12a2は、最尤分類法、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの1つまたは2つ以上を含んでいてもよい。第2モデル構築部11c2により構築された第2検出アルゴリズム12a2は、記憶部12に記憶される。
第1画像解析部11d1は、第1画像データ取得部11a1により取得された第1画像データを画像解析してごみピット3内の人物を検出する。具体的には、たとえば、第1画像解析部11dは、第1モデル構築部11c1により構築された第1検出アルゴリズム12a1(学習済みモデル)を用いて、ごみピット3内の新たな画像データを入力として、ごみピット3内の人物を検出する。一変形例として、第1画像解析部11d1は、第1画像データ取得部11a1により取得された第1画像データを画像解析してごみピット3内の人物および搬送車両22を検出してもよい。具体的には、たとえば、第1画像解析部11dは、第1モデル構築部11c1により構築された第1検出アルゴリズム12a1(学習済みモデル)を用いて、ごみピット3内の新たな画像データを入力として、ごみピット3内の人物および搬送車両22をそれぞれ検出してもよい。
第1画像解析部11d1は、ごみピット3の表面を複数のブロックに分割し、ごみピット3内の新たな画像データをブロック単位で第1検出アルゴリズム12a1(学習済みモデル)に入力し、ブロック単位で人物(または人物および搬送車両22)の検出結果を取得してもよい。これにより、ごみピット3内のどの場所に転落者(または転落者および搬送車両22の転落)が発生したのかを正確に把握することが可能となる。
第2画像解析部11d2は、第2画像データ取得部11a2により取得された第2画像データを画像解析してプラットホーム21内の人物を検出し、検出された人物の動線を追跡する。具体的には、たとえば、第2画像解析部11dは、第2モデル構築部11c2により構築された第2検出アルゴリズム12a2(学習済みモデル)を用いて、プラットホーム21内の新たな画像データを入力として、プラットホーム21内の人物を検出する。次いで、第2画像解析部11dは、検出された人物をトラッキングし、投入扉24の近傍の予め定められた領域への人物の進入を検出する。一変形例として、第2画像解析部11d2は、第2画像データ取得部11a2により取得された第2画像データを画像解析してプラットホーム21内の人物および搬送車両22をそれぞれ検出し、検出された人物および搬送車両22の動線をそれぞれ追跡する。具体的には、たとえば、第2画像解析部11dは、第2モデル構築部11c2により構築された第2検出アルゴリズム12a2(学習済みモデル)を用いて、プラットホーム21内の新たな画像データを入力として、プラットホーム21内の人物および搬送車両22をそれぞれ検出する。次いで、第2画像解析部11dは、検出された人物および搬送車両22をそれぞれトラッキングし、投入扉24の近傍の予め定められた領域への人物および搬送車両22の進入を検出する。トラッキングに用いるアルゴリズムは、オプティカルフロー、背景差分法、カルマンフィルタ、パーティクルフィルタ、深層学習、のうちの1つまたは2つ以上を含んでいてもよい。
一変形例として、第2画像解析部11d2は、第2画像データ取得部11a2により取得された第2画像データを画像解析してプラットホーム21内の人物を検出し、検出された人物の動線を追跡するとともに、検出された人物の安全装備(安全帯またはヘルメット)の着用状況を画像処理により検出し、安全装備を着用せずに投入扉24付近で作業している人物がいるか否かを判定してもよい。そして、安全装備を着用せずに投入扉24付近で作業している人物がいると判定された場合には、後述する指示部11fは、警報(アラーム)を発報してもよいし、投入扉24を(閉じている場合には)開かなくしたり(開いている場合には)閉じたりするよう投入扉制御装置20に制御信号を送信してもよい。
転落者判定部11eは、第1画像解析部11d1による第1画像データの解析結果と第2画像解析部11d2による第2画像データの解析結果との組み合わせに基づいて、プラットホーム21からごみピット3へと転落する転落者の有無を判定する。一般に、機械学習モデルを利用して画像データから転落者を検出する場合には、機械学習モデルの検出精度は様々であり、100%の精度で転落者を検出することは不可能であるが、本実施の形態では、ごみピット3内を撮像した第1画像データの解析結果と、プラットホーム21内を撮像した第2画像データの解析結果とを組み合わせることで、転落者の検出精度を上げることができる。
一例として、転落者判定部11eは、まず、第2画像データの解析結果を確認し、図4Aに示すように、第1時刻において投入扉24の近傍の予め定められた領域への人物の進入が検出された場合(すなわち第2画像データの解析結果において転落者が仮検出された場合)に、第1時刻における第1画像データの解析結果を確認し、図4Bに示すように、ごみピット3内に人物が検出された場合(すなわち第1画像データの解析結果においても転落者が仮検出された場合)に、転落者ありと最終判定してもよい。これにより、転落者を正確に検出することが可能となる。
転落者判定部11eは、図4Aに示すように、第1時刻において投入扉25(図示された例では投入扉B)の近傍の予め定められた領域への人物の進入が検出された場合に、図4Bに示すように、第1時刻における第1画像データのうち当該投入扉(すなわち投入扉B)の位置に対応するごみピット3内の領域(図4Bにおいて符号B1を付した一点鎖線で囲まれた領域)を撮像した画像の解析結果を確認してもよい。これにより、投入扉24が複数設けられている大型のごみピット3であっても、プラットホーム21内を撮像した第2画像データの解析結果を確認し、投入扉Bの近傍の予め定められた領域への人物の進入が検出された場合に、ごみピット3内を撮像した第1画像データ全体の解析結果を確認するのではなく、転落者が発生した可能性の高い投入扉Bの位置に対応するごみピット3内の領域B1の画像の解析結果を確認することで、より正確かつ短時間での転落者検出が可能となる。
また、転落者判定部11eは、第1時刻における第1画像データの解析結果を確認した際にごみピット3内に人物が検出されなかった場合には、第1時刻における第1画像データと、第1時刻から予め定められた時間経過後(たとえば5分後)の第2時刻における第1画像データとを比較してそれらの差分を抽出し、第1時刻における第1画像データと第2時刻における第1画像データとの差分が予め定められた閾値を超えた場合に、転落者ありと判定し、差がない場合に、転落者なしと判定してもよい。この理由は、以下のとおりである。すなわち、たとえば、ごみピット3内で転落者の上部に廃棄物がかぶさった場合には、第1画像データの解析結果では、(転落者の上部に廃棄物がかぶさっているため)ごみピット3内に人物が検出されなかったとなるが、第2画像データの解析結果において既に転落者が仮検出されているのであるから、さらに、第1時刻における第1画像データと第2時刻における第1画像データとを比較してそれらの差分を抽出する。そして、第1時刻における第1画像データと第2時刻における第1画像データとの差分が予め定められた閾値を超えた場合には、ごみピット3内で廃棄物の山が崩れるなどしたと考えられ、崩れた山の廃棄物が転落者の上部にかぶさって転落者が見えていない可能性があると考えられることから、転落者ありと判定する。これにより、ごみピット3内で転落者の上部に廃棄物がかぶさった場合であっても、転落者を自動で検出することが可能となる。
一変形として、転落者判定部11eは、まず、第1画像データの解析結果を確認し、図6Aに示すように、第1時刻においてごみピット3内に人物が検出された場合(すなわち第1画像データの解析結果において転落者が仮検出された場合)に、第1時刻に対して予め定められた時間前(たとえば5分前)までの第2画像データの解析結果を確認し、図6Bに示すように、投入扉24の近傍の予め定められた領域内で人物が映像からフレームアウトしていた場合(すなわち第2画像データの解析結果においても転落者が仮検出された場合)に、転落者ありと最終判定してもよい。これにより、転落者を正確に検出することが可能となる。
転落者判定部11eは、図6Aに示すように、第1時刻においてごみピット3内に人物が検出された場合に、図6Bに示すように、第1時刻に対して予め定められた時間前(たとえば5分前)までの第2画像データのうちごみピット3内で人物が検出された領域(図6Aにおいて符号B2を付した一点鎖線で囲まれた領域)に対応する位置の投入扉(図示された例では投入扉B)を撮像した画像の解析結果を確認してもよい。これにより、投入扉24が複数設けられている大型のプラットホーム21であっても、ごみピット3内を撮像した第1画像データの解析結果を確認し、ごみピット3内に人物が検出された場合に、プラットホーム21内を撮像した第2画像データ全体の解析結果を確認するのではなく、転落者が発生した可能性の高い位置にある投入扉Bの画像の解析結果を確認することで、より正確かつ短時間での転落者検出が可能となる。
また、転落者判定部11eは、第1時刻に対して予め定められた時間前(たとえば5分前)までの第2画像データの解析結果を確認した際に投入扉24の近傍の予め定められた領域外で人物が映像からフレームアウトしていた場合には、転落者なしと判定してもよい。これにより、プラットホーム21内を撮像した第2画像データにて人物がごみピット3への転落とは無関係な理由(たとえば搬送車両22の陰に一時的に隠れた場合など)で映像からフレームアウトしていた場合に、転落者ありと誤判定することを防ぐことができ、転落者検出の正確性を高めることができる。
また、転落者判定部11eは、第1時刻に対して予め定められた時間前(たとえば5分前)までの第2画像データの解析結果を確認した際に投入扉24の近傍の予め定められた領域内への人物の進入が検出されなかった場合に、転落者なしと判定してもよい。これにより、ごみピット3内を撮像した第1画像データにて、たとえば人物と同程度の大きさの廃棄物が誤って人物として検出された場合(すなわち第1画像データの解析結果において誤って転落者が仮検出された場合)であっても、プラットホーム21内を撮像した第2画像データの解析結果を確認した際に投入扉24の近傍への人物の進入が検出されなかった場合に、転落者なしと判定することで、転落者ありと誤判定することを防ぐことができ、転落者検出の正確性を高めることができる。
指示部11fは、転落者判定部11eによる判定結果を確認し、転落者判定部11eにより転落者ありと判定された場合に、
(1)警報(アラーム)を発報する、
(2)ごみピット3内に貯留された廃棄物の攪拌または搬送を行うクレーン5を停止するようクレーン制御装置30に制御信号を送信する、
(3)ごみピット3とプラットホーム21との間を仕切る投入扉24を閉じるよう投入扉制御装置20に制御信号を送信する、
(4)クレーン5を動作させて転落者の救出を行うようクレーン制御装置30に制御信号を送信する、
(5)ごみピット3に設けられた救出用機材(不図示)を動作させて転落者の救出を行うよう救出用機材制御装置(不図示)に制御信号を送信する、
のうちの少なくとも1つの処理を行う。これにより、クレーン5の自動運転中(すなわち、クレーン運転士の不在時)に転落者が発生した場合であっても、転落者の迅速な救助が可能となり、施設の安全性を高めることができる。
(1)警報(アラーム)を発報する、
(2)ごみピット3内に貯留された廃棄物の攪拌または搬送を行うクレーン5を停止するようクレーン制御装置30に制御信号を送信する、
(3)ごみピット3とプラットホーム21との間を仕切る投入扉24を閉じるよう投入扉制御装置20に制御信号を送信する、
(4)クレーン5を動作させて転落者の救出を行うようクレーン制御装置30に制御信号を送信する、
(5)ごみピット3に設けられた救出用機材(不図示)を動作させて転落者の救出を行うよう救出用機材制御装置(不図示)に制御信号を送信する、
のうちの少なくとも1つの処理を行う。これにより、クレーン5の自動運転中(すなわち、クレーン運転士の不在時)に転落者が発生した場合であっても、転落者の迅速な救助が可能となり、施設の安全性を高めることができる。
(転落者検出方法の第1例)
次に、このような構成からなる転落者検出システム10による転落者検出方法の第1例について説明する。図3は、転落者検出方法の第1例を示すフローチャートである。
次に、このような構成からなる転落者検出システム10による転落者検出方法の第1例について説明する。図3は、転落者検出方法の第1例を示すフローチャートである。
図3に示すように、まず、第1画像データ取得部11a1が、ごみピット3内を撮像する第1カメラ6から第1画像データを取得する(ステップS10)。取得された第1画像データ12b1は、記憶部12に記憶される。
次いで、第2画像データ取得部11a2が、プラットホーム21内を撮像する第2カメラ23から第2画像データを取得する(ステップS11)。取得された第1画像データ12b2は、記憶部12に記憶される。なお、ステップS10とステップS11の順番はどちらが先でもよく、同時であってもよい。
次に、第2画像解析部11d2が、第2画像データ取得部11a2により取得された第2画像データを画像解析してプラットホーム21内の人物を検出し、検出された人物の動線を追跡する(ステップS12)。
転落者判定部11eは、第2画像解析部11d2による第2画像データの解析結果を確認する(ステップS13)。
第1時刻において投入扉24の近傍の予め定められた領域への人物の進入が検出されなかった場合(すなわち第2画像データの解析結果において転落者が仮検出されなかった場合)には(ステップS13:NO)、転落者判定部11eは、転落者なしと判定する(ステップS19)。
他方、図4Aに示すように、第1時刻において投入扉24の近傍の予め定められた領域への人物の進入が検出された場合(すなわち第2画像データの解析結果において転落者が仮検出された場合)には(ステップS13:YES)、第1画像解析部11d1は、第1画像データ取得部11a1により取得された第1時刻における第1画像データを画像解析してごみピット3内の人物を検出する(ステップS14)。
そして、転落者判定部11eは、第1画像解析部11d1による第1時刻における第1画像データの解析結果を確認する(ステップS15)。ここで、転落者判定部11eは、図4Aに示すように、第1時刻において投入扉25(図示された例では投入扉B)の近傍の予め定められた領域への人物の進入が検出された場合に、図4Bに示すように、第1時刻における第1画像データのうち当該投入扉(すなわち投入扉B)の位置に対応するごみピット3内の領域(図4Bにおいて符号B1を付した一点鎖線で囲まれた領域)を撮像した画像の解析結果を確認してもよい。
図4Bに示すように、ごみピット3内に人物が検出された場合(すなわち第1画像データの解析結果においても転落者が仮検出された場合)には(ステップ15:YES)、転落者判定部11eは、転落者ありと判定する(ステップS17)。
他方、ごみピット3内に人物が検出されなかった場合(すなわち第1画像データの解析結果において転落者が仮検出されなかった場合)には(ステップ15:NO)、転落者判定部11eは、第1時刻における第1画像データと、第1時刻から予め定められた時間経過後(たとえば5分後)の第2時刻における第1画像データとの差分を抽出し、抽出した差分を予め定められた閾値と比較する(ステップS16)。
第1時刻における第1画像データと第2時刻における第1画像データとの差分が予め定められた閾値を超えた場合には(ステップS16:YES)、ごみピット3内で廃棄物の山が崩れるなどしたと考えられ、崩れた山の廃棄物が転落者の上部にかぶさって転落者が見えていない可能性があると考えられることから、転落者判定部11eは、転落者ありと判定する(ステップS17)。
他方、第1時刻における第1画像データと第2時刻における第1画像データとの差分が予め定められた閾値を超えていない場合には(ステップS16:NO)、転落者判定部11eは、転落者なしと判定する(ステップS19)。
そして、転落者判定部11eが転落者ありと判定した場合には(ステップS17の後)、指示部11fは、他の作業員へ周知するために警報(アラーム)を発報するとともに、クレーン5を停止するようクレーン制御装置30に制御信号を送信する(ステップS18)。
ステップS18において、指示部11fは、転落者の上に廃棄物が投入されて救助が困難になることを防止するために、ごみピット3とプラットホーム21との間を仕切る投入扉24を閉じるよう投入扉制御装置20に制御信号を送信してもよい。また、指示部11fは、クレーン5を停止するようクレーン制御装置30に制御信号を送信する代わりに、クレーン5を動作させて転落者の救出を行うようクレーン制御装置30に制御信号を送信してもよい。また、指示部11fは、ごみピット3に設けられた救出用機材(不図示)を動作させて転落者の救出を行うよう救出用機材制御装置(不図示)に制御信号を送信してもよい。これにより、クレーン5の自動運転中(すなわち、クレーン運転士の不在時)に転落者が発生した場合であっても、転落者の迅速な救助が可能となる。
(転落者検出方法の第2例)
次に、転落者検出システム10による転落者検出方法の第2例について説明する。図5は、転落者検出方法の第2例を示すフローチャートである。
次に、転落者検出システム10による転落者検出方法の第2例について説明する。図5は、転落者検出方法の第2例を示すフローチャートである。
図5に示すように、まず、第1画像データ取得部11a1が、ごみピット3内を撮像する第1カメラ6から第1画像データを取得する(ステップS20)。取得された第1画像データ12b1は、記憶部12に記憶される。
次いで、第2画像データ取得部11a2が、プラットホーム21内を撮像する第2カメラ23から第2画像データを取得する(ステップS21)。取得された第1画像データ12b2は、記憶部12に記憶される。なお、ステップS20とステップS21の順番はどちらが先でもよく、同時であってもよい。
次に、第1画像解析部11d1が、第1画像データ取得部11a1により取得された第1画像データを画像解析してごみピット3内の人物を検出する(ステップS22)。
転落者判定部11eは、第1画像解析部11d1による第1画像データの解析結果を確認する(ステップS23)。
第1時刻においてごみピット3内に人物が検出されなかった場合(すなわち第1画像データの解析結果において転落者が仮検出されなかった場合)には(ステップS23:NO)、転落者判定部11eは、転落者なしと判定する(ステップS29)。
他方、図6Aに示すように、第1時刻においてごみピット3内に人物が検出された場合(すなわち第1画像データの解析結果において転落者が仮検出された場合)には(ステップS23:YES)、第2画像解析部11d2は、第2画像データ取得部11a2により取得された第2画像データのうち、第1時刻に対して予め定められた時間前(たとえば5分前)までの第2画像データを画像解析してプラットホーム21内の人物を検出し、検出された人物の動線を追跡する(ステップS24)。
そして、転落者判定部11eは、第2画像解析部11d2による第2画像データの解析結果において、投入扉24の近傍の予め定められた領域内への人物の進入が検出されたか否かを確認する(ステップS25)。ここで、転落者判定部11eは、図6Aに示すように、第1時刻においてごみピット3内に人物が検出された場合に、図6Bに示すように、第1時刻に対して予め定められた時間前(たとえば5分前)までの第2画像データのうちごみピット3内で人物が検出された領域(図6Aにおいて符号B2を付した一点鎖線で囲まれた領域)に対応する位置の投入扉(図示された例では投入扉B)を撮像した画像の解析結果を確認してもよい。
投入扉24の近傍の予め定められた領域内への人物の進入が検出されなかった場合(すなわち第2画像データの解析結果において転落者が仮検出されなかった場合)には(ステップS25:NO)、転落者判定部11eは、転落者なしと判定する(ステップS29)。
他方、図6Aに示すように、第2画像データの解析結果において投入扉24の近傍の予め定められた領域内への人物の進入が検出された場合には(ステップS25:YES)、転落者判定部11eは、第2画像データの解析結果において、投入扉24の近傍の予め定められた領域内で人物が映像からフレームアウトしていたか否かを確認する(ステップS26)。
投入扉24の近傍の予め定められた領域内で人物が映像からフレームアウトしていた場合(すなわち第2画像データの解析結果においても転落者が仮検出された場合)には(ステップS26:YES)、転落者判定部11eは、転落者ありと判定する(ステップS27)。
他方、投入扉24の近傍の予め定められた領域内で人物が映像からフレームアウトしていなかった場合には(ステップS26:NO)、転落者判定部11eは、転落者なしと判定する(ステップS29)。
そして、転落者判定部11eが転落者ありと判定した場合には(ステップS27の後)、指示部11fは、他の作業員へ周知するために警報(アラーム)を発報するとともに、クレーン5を停止するようクレーン制御装置30に制御信号を送信する(ステップS28)。
ステップS28において、指示部11fは、転落者の上に廃棄物が投入されて救助が困難になることを防止するために、ごみピット3とプラットホーム21との間を仕切る投入扉24を閉じるよう投入扉制御装置20に制御信号を送信してもよい。また、指示部11fは、クレーン5を停止するようクレーン制御装置30に制御信号を送信する代わりに、クレーン5を動作させて転落者の救出を行うようクレーン制御装置30に制御信号を送信してもよい。また、指示部11fは、ごみピット3に設けられた救出用機材(不図示)を動作させて転落者の救出を行うよう救出用機材制御装置(不図示)に制御信号を送信してもよい。これにより、クレーン5の自動運転中(すなわち、クレーン運転士の不在時)に転落者が発生した場合であっても、転落者の迅速な救助が可能となる。
ところで、廃棄物焼却施設では、転落起因側であるプラットホーム21と転落結果側であるごみピット3との間がごみ投入扉24で仕切られているため、鉄道業界で用いられている転落者検出システムのように、転落起因側と転落結果側を同時に撮影できる場所にカメラなどの撮像装置を設置することが困難である。
これに対し、本実施の形態によれば、転落起因側と転落結果側を同時に撮影できる場所にカメラを設置しなくても、転落結果側であるごみピット3内を撮像する第1カメラ6から第1画像データを取得するとともに、転落起因側であるプラットホーム21内を撮像する第2カメラ23から第2画像データを取得し、ごみピット3内を撮像した第1画像データの解析結果と、プラットホーム21内を撮像した第2画像データの解析結果とを組み合わせることにより、プラットホーム21からごみピット3へと転落する転落者を自動で検出できる。
一般に、機械学習モデルを利用して画像データから転落者を検出する場合には、機械学習モデルの検出精度は様々であり、100%の精度で転落者を検出することは不可能であるが、本実施の形態によれば、ごみピット3内を撮像した第1画像データの解析結果と、プラットホーム21内を撮像した第2画像データの解析結果とを組み合わせることで、転落者の検出精度を上げることができる。
また、本実施の形態によれば、既存施設であっても、ごみピット3内を撮像する第1カメラ6とプラットホーム21内を撮像する第2カメラ23とを追加で設置するだけで、本件システムの動作が可能となるため、本件システムの導入にあたって既存施設の大幅な改造は不要であり、安価に既存施設の安全性を高めることが可能となる。
なお、上述した実施の形態において、転落者検出システム10が設けられている廃棄物処理施設100は、ごみ識別システム40が設けられている施設であり、ごみ識別システム40の識別結果に基いてクレーン5の自動運転が行われるように構成されていたが、これに限定されるものではなく、転落者検出システム10が設けられている廃棄物処理施設100は、ごみ識別システム40が設けられていない施設であってもよい。
また、上述した実施の形態では、転落者検出システム10は、ごみピット3内を撮像した第1画像データの解析結果と、プラットホーム21内を撮像した第2画像データの解析結果との組み合わせに基づいて、転落者の有無を判定するように構成されていたが、第1画像データの解析結果のみで十分な検出精度が得られる場合には、第1画像データの解析結果のみに基づいて転落者の有無を判定してもよいし、第2画像データの解析結果のみで十分な検出精度が得られる場合には、第2画像データの解析結果のみに基づいて転落者の有無を判定してもよい。
以上、本発明の実施の形態および変形例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。また、各実施の形態および変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
また、本実施の形態に係る転落者検出システム10は1つまたは複数のコンピュータによって構成され得るが、1つまたは複数のコンピュータに転落者検出システム10を実現させるためのプログラム及び当該プログラムを非一時的に記録した記録媒体も、本件の保護対象である。
1 焼却炉
2 燃焼装置
3 ごみピット
4 ホッパ
5 クレーン
6 第1カメラ
10 転落者検出システム
11 制御部
11a1 第1画像データ取得部
11a2 第2画像データ取得部
11b1 第1教師データ生成部
11b2 第2教師データ生成部
11c1 第1モデル構築部
11c2 第2モデル構築部
11d1 第1画像解析部
11d2 第2画像解析部
11e 転落者判定部
11f 指示部
12 記憶部
12a1 第1検出アルゴリズム
12a2 第2検出アルゴリズム
12b1 第1画像データ
12b2 第2画像データ
12c1 第1教師データ
12c2 第2教師データ
13 通信部
20 投入扉制御装置
21 プラットホーム
22 搬送車両
23 第2カメラ
24 投入扉
30 クレーン制御装置
40 ごみ識別システム
100 廃棄物処理施設
2 燃焼装置
3 ごみピット
4 ホッパ
5 クレーン
6 第1カメラ
10 転落者検出システム
11 制御部
11a1 第1画像データ取得部
11a2 第2画像データ取得部
11b1 第1教師データ生成部
11b2 第2教師データ生成部
11c1 第1モデル構築部
11c2 第2モデル構築部
11d1 第1画像解析部
11d2 第2画像解析部
11e 転落者判定部
11f 指示部
12 記憶部
12a1 第1検出アルゴリズム
12a2 第2検出アルゴリズム
12b1 第1画像データ
12b2 第2画像データ
12c1 第1教師データ
12c2 第2教師データ
13 通信部
20 投入扉制御装置
21 プラットホーム
22 搬送車両
23 第2カメラ
24 投入扉
30 クレーン制御装置
40 ごみ識別システム
100 廃棄物処理施設
Claims (18)
- 被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得する第1画像データ取得部と、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得する第2画像データ取得部と、
第1画像データを画像解析して貯留設備内の人物を検出する第1画像解析部と、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡する第2画像解析部と、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定する転落者判定部と、
を備えた転落者検出システム。 - 転落者判定部は、第2画像データの解析結果を確認し、第1時刻において貯留設備とプラットホームとの間を仕切る投入扉近傍の予め定められた領域への人物の進入が検出された場合に、第1時刻における第1画像データの解析結果を確認し、貯留設備内に人物が検出された場合に、転落者ありと判定する、請求項1に記載の転落者検出システム。
- 転落者判定部は、第1時刻において投入扉近傍の予め定められた領域への人物の進入が検出された場合に、第1時刻における第1画像データのうち当該投入扉の位置に対応する貯留設備内の領域を撮像した画像の解析結果を確認する、請求項2に記載の転落者検出システム。
- 転落者判定部は、第1時刻における第1画像データの解析結果を確認した際に貯留設備内に人物が検出されなかった場合には、第1時刻における第1画像データと、第1時刻から予め定められた時間経過後の第2時刻における第1画像データとの差分を抽出し、抽出した差分が予め定められた閾値を超えた場合に、転落者ありと判定し、差がない場合に、転落者なしと判定する、請求項2または3に記載の転落者検出システム。
- 転落者判定部は、第1画像データの解析結果を確認し、第1時刻において貯留設備内に人物が検出された場合に、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認し、貯留設備とプラットホームとの間を仕切る投入扉近傍の予め定められた領域内で人物が映像からフレームアウトしていた場合に、転落者ありと判定する、請求項1に記載の転落者検出システム。
- 転落者判定部は、第1時刻において貯留設備内に人物が検出された場合に、第1時刻に対して予め定められた時間前までの第2画像データのうち貯留設備内で人物が検出された領域に対応する位置の投入扉を撮像した画像の解析結果を確認する、請求項5に記載の転落者検出システム。
- 転落者判定部は、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認した際に投入扉近傍の予め定められた領域外で人物が映像からフレームアウトしていた場合には、転落者なしと判定する、請求項5または6に記載の転落者検出システム。
- 転落者判定部は、第1時刻に対して予め定められた時間前までの第2画像データの解析結果を確認した際に投入扉近傍の予め定められた領域内への人物の進入が検出されなかった場合に、転落者なしと判定する、請求項5~7のいずれかに記載の転落者検出システム。
- 転落者判定部により転落者ありと判定された場合に、
(1)警報を発報する、
(2)貯留設備内に貯留された被処理物の攪拌または搬送を行うクレーンを停止するようクレーン制御装置に制御信号を送信する、
(3)貯留設備とプラットホームとの間を仕切る投入扉を閉じるよう投入扉制御装置に制御信号を送信する、
(4)クレーンを動作させて転落者の救出を行うようクレーン制御装置に制御信号を送信する、
(5)貯留設備に設けられた救出用機材を動作させて転落者の救出を行うよう救出用機材制御装置に制御信号を送信する、
のうちの少なくとも1つの処理を行う指示部をさらに備えた、請求項1~8のいずれかに記載の転落者検出システム。 - 第1画像解析部は、貯留設備内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与することにより生成した第1教師データを機械学習することにより構築された第1検出アルゴリズムを用いて、貯留設備内の新たな画像データを入力として、貯留設備内の人物を検出する、請求項1~9のいずれかに記載の転落者検出システム。
- 第2画像解析部は、プラットホーム内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与することにより生成した第2教師データを機械学習することにより構築された第2検出アルゴリズムを用いて、プラットホーム内の新たな画像データを入力として、プラットホーム内の人物を検出する、請求項1~10のいずれかに記載の転落者検出システム。
- 第2教師データは、プラットホーム内の過去の画像データに対して人物または人物を模したダミー人形が存在している領域に人為的なラベルを情報として付与するするとともに搬入車両が存在している領域に人為的な別のラベルを情報として付与することにより生成したものである、請求項11に記載の転落者検出システム。
- 前記第1検出アルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの1つまたは2つ以上を含み、
前記第2検出アルゴリズムは、最尤分類法、ボルツマンマシン、ニューラルネットワーク、サポートベクターマシン、ベイジアンネットワーク、スパース回帰、決定木、ランダムフォレストを用いた統計的推定、強化学習、深層学習、のうちの1つまたは2つ以上を含む、請求項10を引用する請求項11または12に記載の転落者検出システム。 - 前記第2画像解析部が人物の動線の追跡に用いるアルゴリズムは、オプティカルフロー、背景差分法、カルマンフィルタ、パーティクルフィルタ、深層学習、のうちの1つまたは2つ以上を含む、請求項1~13のいずれかに記載の転落者検出システム。
- 前記第1カメラは、RGBカメラ、近赤外線カメラ、3DカメラまたはRGB-Dカメラのうちの1つまたは2つ以上を含み、
前記第2カメラは、RGBカメラ、近赤外線カメラ、3DカメラまたはRGB-Dカメラのうちの1つまたは2つ以上を含む、請求項1~14のいずれかに記載の転落者検出システム。 - 請求項1~15のいずれかに記載の転落者検出システムを備えた廃棄物処理施設。
- 被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得するステップと、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得するステップと、
第1画像データを画像解析して貯留設備内の人物を検出するステップと、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡するステップと、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定するステップと、
を含む転落者検出方法。 - コンピュータに、
被処理物が貯留される貯留設備内を撮像する第1カメラから第1画像データを取得するステップと、
貯留設備に隣接するプラットホーム内を撮像する第2カメラから第2画像データを取得するステップと、
第1画像データを画像解析して貯留設備内の人物を検出するステップと、
第2画像データを画像解析してプラットホーム内の人物を検出し、検出された人物の動線を追跡するステップと、
第1画像データの解析結果と第2画像データの解析結果との組み合わせに基づいて、プラットホームから貯留設備へと転落する転落者の有無を判定するステップと、
を実行させる転落者検出プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022118403A JP2022160510A (ja) | 2021-03-12 | 2022-07-26 | 転落者検出システム、転落者検出方法、および転落者検出プログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021040498A JP7113930B1 (ja) | 2021-03-12 | 2021-03-12 | 転落者検出システム、転落者検出方法、および転落者検出プログラム |
JP2022118403A JP2022160510A (ja) | 2021-03-12 | 2022-07-26 | 転落者検出システム、転落者検出方法、および転落者検出プログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021040498A Division JP7113930B1 (ja) | 2021-03-12 | 2021-03-12 | 転落者検出システム、転落者検出方法、および転落者検出プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022160510A true JP2022160510A (ja) | 2022-10-19 |
JP2022160510A5 JP2022160510A5 (ja) | 2024-03-06 |
Family
ID=82740440
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021040498A Active JP7113930B1 (ja) | 2021-03-12 | 2021-03-12 | 転落者検出システム、転落者検出方法、および転落者検出プログラム |
JP2022118403A Pending JP2022160510A (ja) | 2021-03-12 | 2022-07-26 | 転落者検出システム、転落者検出方法、および転落者検出プログラム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021040498A Active JP7113930B1 (ja) | 2021-03-12 | 2021-03-12 | 転落者検出システム、転落者検出方法、および転落者検出プログラム |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP4306852A1 (ja) |
JP (2) | JP7113930B1 (ja) |
CN (1) | CN116868244A (ja) |
TW (1) | TW202307370A (ja) |
WO (1) | WO2022190494A1 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6047695A (ja) | 1983-08-26 | 1985-03-15 | Oriental Yeast Co Ltd | 魚介類の鮮度判定恒数k値の簡易測定法 |
JPH09182061A (ja) * | 1995-12-22 | 1997-07-11 | Furukawa Electric Co Ltd:The | 画像による安全監視方法 |
JP4041678B2 (ja) | 2002-02-22 | 2008-01-30 | 東日本旅客鉄道株式会社 | ホーム転落者検知方法及び装置 |
JP5386744B2 (ja) | 2010-02-05 | 2014-01-15 | 株式会社日立国際電気 | 監視システム |
JP6526953B2 (ja) * | 2014-09-12 | 2019-06-05 | 株式会社日立国際電気 | 物体識別方法 |
WO2020040110A1 (ja) * | 2018-08-23 | 2020-02-27 | 荏原環境プラント株式会社 | 情報処理装置、情報処理プログラム、および情報処理方法 |
-
2021
- 2021-03-12 JP JP2021040498A patent/JP7113930B1/ja active Active
- 2021-12-15 CN CN202180094662.8A patent/CN116868244A/zh active Pending
- 2021-12-15 EP EP21930339.3A patent/EP4306852A1/en active Pending
- 2021-12-15 WO PCT/JP2021/046200 patent/WO2022190494A1/ja active Application Filing
-
2022
- 2022-01-11 TW TW111101070A patent/TW202307370A/zh unknown
- 2022-07-26 JP JP2022118403A patent/JP2022160510A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP7113930B1 (ja) | 2022-08-05 |
EP4306852A1 (en) | 2024-01-17 |
CN116868244A (zh) | 2023-10-10 |
JP2022139916A (ja) | 2022-09-26 |
TW202307370A (zh) | 2023-02-16 |
WO2022190494A1 (ja) | 2022-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI797402B (zh) | 資訊處理裝置、資訊處理程式、及資訊處理方法 | |
Al-Masri et al. | A serverless IoT architecture for smart waste management systems | |
WO2020040110A1 (ja) | 情報処理装置、情報処理プログラム、および情報処理方法 | |
JP3960983B2 (ja) | 監視センターサーバ | |
WO2019208729A1 (ja) | 情報処理装置、制御装置、および不適物検出システム | |
CN111553305B (zh) | 一种违章视频识别系统和方法 | |
JP7113930B1 (ja) | 転落者検出システム、転落者検出方法、および転落者検出プログラム | |
CN110921154A (zh) | 一种控制垃圾回收巡逻车的方法、装置及垃圾回收巡逻车 | |
Qi et al. | A hierarchical HAZOP-like safety analysis for learning-enabled systems | |
JP4090418B2 (ja) | 発熱監視方法および装置 | |
JP7122439B2 (ja) | ごみピット転落警報装置、ごみピット転落警報方法およびごみピット転落警報プログラム | |
JP2008242920A (ja) | 廃棄物管理方法およびシステム | |
JP7385417B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
CN112652014A (zh) | 信息处理装置、同一性判定方法、以及存储介质 | |
WO2021205585A1 (ja) | ごみ分別支援システム | |
CN115348415A (zh) | 智能监控废弃物清理的系统与方法 | |
WO2023286795A1 (ja) | 情報処理方法、情報処理装置、および情報処理プログラム | |
CN111882748A (zh) | 一种能识别检测收纳支付的回收机 | |
CN117036670B (zh) | 质量检测模型的训练方法、装置、设备、介质及程序产品 | |
JP2023180853A (ja) | データ収集システム、データ収集方法、モデル生成方法及び異物回収システム | |
JP2023063857A (ja) | 廃棄物選別システム | |
CN114093072A (zh) | 一种码头外场查验车道系统 | |
Shetty et al. | noTrash. AI–An Approach Towards the Hygienic City based on Deep Learning | |
CN117753769A (zh) | 一种医疗废物回收系统和方法 | |
JP2024087501A (ja) | 監視システム及び監視方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240227 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240227 |