JP2023107146A - 害獣罠捕獲検知システム - Google Patents

Abstract

【課題】簡易な構成で設置が容易にでき、扉を含めた箱罠の状態、箱罠周辺の地面の状態及び対象となる害獣の姿を正確に把握できる害獣罠捕獲検知システムを提供すること。【解決手段】害獣罠捕獲検知システム１０は、箱罠５０に害獣が捕獲されたことを検知するシステムである。箱罠５０は、開口部５１が形成された本体部５２及び開口部５１を開閉する扉５３を備え、害獣が本体部５２に入ると扉５３が閉じる構造である。害獣罠捕獲検知システム１０は、箱罠５３を撮影可能な位置に設けられたカメラ機構２０と、ネットワーク１１を介して接続された解析機構３０と、結果表示部４０とを備えている。解析部は、記憶した画像データ７０と記憶した後に受信した画像データ７０とを比較し扉５３部分に所定の閾値以上の変化が生じたときに扉５３が閉じたと判定して害獣が捕獲されたことを検知する。【選択図】図１

Description

本発明は、遠隔地に設置された罠に害獣が捕獲されたことを検知する害獣罠捕獲検知システムに関するものである。

従来、害獣を捕獲するために、数十キロ離れた遠隔地に複数個の罠を設置することがある。罠を設置して直ぐに害獣がかかる訳ではないため、毎日罠の状況を確認する必要がある。各罠の状況を確認するために２、３時間以上かかることもあり、全ての罠を確認するには多大な時間と労力がかかる。

そこで、遠隔地に設置された罠に害獣が捕獲されたことを検知するシステムが近年では使用されている。このような、罠に害獣が捕獲されたことを検知する害獣罠捕獲検知システムの一例として特許文献１に示す技術が知られている。

特許文献１の害獣罠捕獲検知システムでは、捕獲対象動物の生息領域内に複数の罠装置を設置すると共に送受信装置を複数の罠装置の略中心区域に設置し、扉を上昇させて、罠の本体内に、害獣（動物）を誘き寄せるためにエサを設置する。そして、エサを食べようとして、害獣が罠の本体内に入ったことが検知されると、扉が下降し、発信装置からワイヤの一端が外れ、この発信装置に内蔵された検知装置が害獣を捕獲したことを検知することとなり、発信装置は捕獲関連情報を発信する。送受信装置の受信装置が捕獲関連情報を受信すると、メール送信装置がパケット通信を介して少なくとも一つのユーザー端末に無線で「平成○年○月○日○時○分 罠装置番号○○が作動しました。」なる旨の電子メールを送信する。

ところで、罠は、捕獲の有無の確認のみならず、罠に取り付けられる検知装置が適正に設置された状態が保たれているか、扉の開閉等の罠の状態はどうか、害獣により罠周辺の地面が荒らされていないか、対象となる害獣の姿はどうか、など様々な状態を正確に把握できれば好ましい。

しかし、特許文献１の害獣罠捕獲検知システムでは、罠の本体に発信装置を設け、発信装置に接続されたワイヤの他端を扉に接続しているため、仮に扉が開いた状態で害獣がワイヤを引っ張って外した場合でも検知装置が作動したものとして捕獲関連情報を発信してしまう。

また、特許文献２の動物捕獲システムＣでは、マイクにより音を拾い動物がいることを検知するものである。さらに、特許文献２の防犯システムＢでは、マイクにより音を拾い侵入者を検出してカメラを駆動させるものである。しかし、カメラを駆動させて侵入者が入った現在の状態を表示器に表示するにしても、マイクの設置が必要になるため罠が設置される山林などのように風の音が強くノイズが入り易い場所では誤動作を招き易く、マイクとカメラが必要になるため、設置作業が大変になるうえ装置が大がかりになる。

特開２０１５－１２２９７６号公報 特開２００１－３３５５１号公報

本発明は、以上の点に鑑み、簡易な構成で設置が容易にでき、扉を含めた罠の状態、罠周辺の地面の状態及び対象となる害獣の姿を正確に把握できる害獣罠捕獲検知システムを提供することを課題とする。

開口部が形成された本体部及び前記開口部を開閉する開閉部を備え、害獣が前記本体部に入ると前記開閉部が閉じる罠を遠隔地に設置し、この罠に前記害獣が捕獲されたことを検知する害獣罠捕獲検知システムであって、
前記罠を撮影可能な位置に設けられたカメラ機構と、このカメラ機構にネットワークを介して接続された解析機構と、この解析機構に前記ネットワークを介して接続された結果表示部とを備え、
前記カメラ機構は、前記開閉部を含めた前記罠を撮影するカメラと、このカメラに接続され撮影及び撮影した前記画像データの前記解析機構への送信を制御する撮影通信部と、撮影通信部への給電を管理する電源制御部からなる制御部を備え、
前記解析機構は、前記カメラ機構から送信された前記画像データを受信する受信部と、受信した前記画像データから前記開閉部の開閉を解析する解析部と備え、
前記解析部は、前記罠の前記開閉部が開いた状態の前記画像データを記憶し、この記憶した前記画像データと記憶した後に受信した前記画像データとを比較して前記開閉部部分に所定の閾値以上の変化が生じたときに前記開閉部が閉じたと判定して前記害獣が捕獲されたことを検知し、検知結果を結果表示部に送信することを特徴とする。

かかる構成によれば、罠の設置場所には、その近傍に扉を含めた罠を撮影するカメラと、撮影及び撮影した画像データの解析機構への送信を制御する撮影通信部と、撮影通信部への給電を管理する電源制御部からなる制御部とを備えたカメラ機構のみを設置するだけである。このため、簡易な構成で設置が容易にできる。さらに、解析機構は、カメラ機構から送信された画像データから開閉部の開閉を解析する。詳細には解析部は、罠の開閉部が開いた状態の画像データを記憶し、この記憶した画像データと記憶した後に受信した画像データとを比較して開閉部部分に所定の閾値以上の変化が生じたときに開閉部が閉じたと判定して害獣が捕獲されたことを検知し、画像データを含めた検知結果を結果表示部に送信する。このように、画像データから、開閉部を含めた罠の状態、罠周辺の地面の状態及び対象となる害獣の姿を正確に把握できる。さらに、罠の状態を画像として確認するため予期せぬ異常であっても点検できる。さらに、画像によりシステムが正常に動作していることを確認できる。

好ましくは、前記解析部は、前記罠の前記開閉部が開いた状態の前記画像データから特徴点を検出して記憶し、この記憶した前記画像データの特徴点と記憶した後に受信した前記画像データから検出した特徴点から特徴量記述子間の距離を計算して前記開閉部部分に所定の閾値以上の変化が生じたときに前記開閉部が閉じたと判定して前記害獣が捕獲されたことを検知し、検知結果を結果表示部に送信する。

かかる構成によれば、人口知能により画像データの特徴量を用いて検知するので、扉を含めた罠の状態、罠周辺の地面の状態及び対象となる害獣の姿をより正確に把握できる。

好ましくは、前記カメラ機構は、周囲の照度を計測するカメラモジュールを備え、撮影時に照度を計測するとともに照度データを前記解析機構へ送信し、前記解析部は、撮影時の照度が所定の値よりも大きい場合は前記画像データを除外する。

かかる構成によれば、カメラモジュールにより照度を計測し日光の影響が大きいと推測される高照度条件の画像を除外することで検知精度を向上させることができる。なお、対象となる害獣（動物）の活動は日没後２時間前後や深夜または早朝に集中しており実用上の問題はない。

好ましくは、前記解析部は、前記画像データのデータ量が規定値の７０％未満のときに前記画像データを除外する。

霧や結露により明瞭でない画像が記録された場合は判定から除外する必要がある。明瞭でない画像は周波数成分の変化により画像圧縮率が向上しデータ量が小さくなる。かかる構成によれば、この特徴を利用し設置時の画像ファイルサイズに比して７０％以下に減少した場合は明瞭でない画像と判断し除外するので検知精度をより向上させることができる。

好ましくは、前記電源制御部は、所定の第１の時間毎に前記撮影通信部の電源をＯＮにする。

かかる構成によれば、電源制御部は、電源制御を所定の第１の時間毎に前記撮影通信部の電源をＯＮにするので、少ない消費電力で待機することができる。

好ましくは、前記電源制御部は、前記撮影通信部の電源がＯＮとなったときに前記解析機構と接続が可能か確認し、通信が失敗したときは電源をＯＦＦにして前記第１の時間よりも短い所定の第２の時間後に再度前記撮影通信部の電源をＯＮにする。

かかる構成によれば、罠は山間部に設置されるので気象状況などにより、通信が良好に行うことができない場合がある。かかる構成によれば、通信が失敗したときは前記撮影通信部の電源をＯＦＦにして第１の時間よりも短い所定の第２の時間後に再度電源をＯＮにするので、通信が失敗した場合であっても消費電力を抑えつつ長い時間を空けることなく罠などの状態を検知することができる。

好ましくは、前記カメラ機構は、周囲の照度を計測するカメラモジュールと、赤外線による照明とを備え、前記撮影通信部は、計測した照度が所定の値よりも小さいときは前記照明をＯＮにしてから撮影するように制御する。

直射日光による陰影により判定精度が低下する場合がある。かかる構成によれば、周囲の照度を計測するカメラモジュールと、赤外線による照明とを備え、前記撮影通信部は、計測した照度が所定の値よりも小さいときは照明をＯＮにしてから撮影するように制御するので、日没後や早朝または赤外線ＬＥＤにて照明を行う夜間の撮影はこの影響を受けない。

好ましくは、前記解析機構は、前記受信部に前記画像データを蓄積画像として保存するストレージを有し、
前記解析部は、新たに受信した前記画像データを検証画像とし、前記蓄積画像のデータ量と前記検証画像のデータ量から標準偏差を計算し、前記検証画像のデータ量の偏差が－２未満のときに検知の判定処理を終了する。

霧や結露により明瞭でない画像が記録された場合は判定から除外する必要がある。かかる構成によれば、ストレージに画像データを蓄積画像として保存し、解析部は、新たに受信した画像データを検証画像とし、蓄積画像のデータ量と検証画像のデータ量から標準偏差を計算する。検証画像のデータ量の偏差が－２未満のときに検知の判定処理を終了するので、蓄積画像から不明瞭な範囲が求められ、不明瞭と判定された検証画像を判定しない。この結果、罠の状態を正確に判定して検知精度を向上させることができる。

好ましくは、前記カメラ機構は、周囲の照度を計測するカメラモジュールを備え、撮影時に照度を計測するとともに照度データを前記解析機構へ送信し、
前記解析機構は、前記ストレージに前記照度データを保存し、
前記解析部は、前記蓄積画像からこの蓄積画像の照度が前記検証画像の照度と近いものをｎ個選択し、撮影日時で古い順にソートして参照画像ｉ１～ｉｎとし、
前記参照画像ｉ１～ｉｎからそれぞれの特徴点ｋ１～ｋｎを検出し、
前記特徴点ｋ１～ｋｎからそれぞれ特徴量記述子ｆ１～ｆｎを計算し、
前記特徴量記述子ｆ１と前記特徴量記述子ｆ２にてハミング距離によりマッチングを行い前記特徴量記述子間の距離ｄ１２を計算し、残りの前記特徴量記述子間の距離ｄ２３～ｄｎ１を計算し、
前記特徴量記述子間の距離ｄ１２～ｄｎ１のうち最も小さい値が得られた前記参照画像の組み合せから、撮影日時の新しい前記参照画像を選択して標準画像ｉｒとし、この標準画像ｉｒの前記特徴点ｋｒ及び前記特徴量記述子ｆｒを抽出し、
前記検証画像ｉ０の特徴点を検出し特徴点ｋ０とし、
前記特徴点ｋ０から特徴量記述子ｆ０を計算し、
前記特徴量記述子ｆ０と前記標準画像の前記特徴量記述子ｆｒとの間の距離ｄ０ｒを計算し、
前記特徴量記述子間の距離ｄ１２～ｄｎ１、ｄ０ｒから標準偏差を計算し、前記特徴量記述子間の距離ｄ０ｒの偏差が１．６以上のときに前記害獣が捕獲された状態と判定する。

かかる構成によれば、蓄積画像からこの蓄積画像の照度が検証画像の照度と近いものをｎ個選択して参照画像ｉ１～ｉｎとし、特徴点ｋ１～ｋｎを検出する。特徴点ｋ１～ｋｎからそれぞれ特徴量記述子ｆ１～ｆｎを計算し、ハミング距離によりマッチングを行い特徴量記述子間の距離ｄ１２～ｎ１を計算し、最も小さい値が得られた参照画像の組み合せから選択して標準画像ｉｒとし、この標準画像ｉｒの特徴点ｋｒ及び特徴量記述子ｆｒを抽出する。検証画像ｉ０の特徴点を検出し特徴点ｋ０とし、特徴点ｋ０から特徴量記述子ｆ０を計算し、徴量記述子ｆ０と標準画像の特徴量記述子ｆｒとの間の距離ｄ０ｒを計算し、特徴量記述子間の距離ｄ１２～ｄｎ１、ｄ０ｒから標準偏差を計算し、特徴量記述子間の距離ｄ０ｒの偏差が１．６以上のときに害獣が捕獲された状態とするので、より正確に害獣の捕獲を把握することができる。

簡易な構成で設置が容易にでき、開閉部を含めた罠の状態、罠周辺の地面の状態及び対象となる害獣の姿を正確に把握できる。

本発明の実施例１に係る害獣罠捕獲検知システムの説明図である。 本発明の実施例１に係るカメラ機構の説明図である。 本発明の実施例１に係るカメラ機構の制御部の構成の説明図である。 本発明の実施例１に係るカメラ機構の制御部のフローである。 本発明の実施例１に係る解析機構の解析部のデータ受信のフローである。 本発明の実施例１に係る解析機構の解析部の画像解析のフローである。 害獣が箱罠に入り扉が閉まる作用図である。 カメラ機構を箱罠の斜め前方に設置した場合に扉が開いたままの状態を撮影した画像データの解析例を説明する図である。 カメラ機構を箱罠の斜め前方に設置した場合に扉の開状態と閉状態を撮影した画像データの解析例を説明する図である。 カメラ機構を箱罠の後方に設置した場合に扉が開いたままの状態を撮影した画像データの解析例を説明する図である。 カメラ機構を箱罠の後方に設置した場合に扉の開状態と閉状態を撮影した画像データの解析例を説明する図である。 本発明の実施例２に係る解析機構の解析部の画像解析のフローである。 本発明の実施例２に係る解析機構の画像抽出から特徴量記述子間の距離を計算するまでを説明する図である。 本発明の実施例２に係る解析機構の別態様の画像抽出から特徴量記述子間の距離を計算するまでを説明する図である。 扉に記号が記載された場合の状態を説明する図である。 図１７～図２０の画像配置を説明する図である。 くくり罠を使用した場合の画像解析を説明する図である。 くくり罠を使用した場合の画像解析のうち捕獲状態の例を説明する図である。 箱罠を使用した場合の画像解析を説明する図である。 箱罠を使用した場合の画像解析のうち記号を標準画像とした捕獲状態の例を説明する図である。 カメラ機構を箱罠の後方に設置し記号を標準画像とした場合の非捕獲状態のマッチング結果と捕獲状態のマッチング結果を説明する図である。

本発明の実施の形態を添付図に基づいて以下に説明する。なお、図１は害獣罠捕獲検知システム１０の説明図は概念的に示すものとする。

図１に示されるように、害獣罠捕獲検知システム１０は、山間部などの遠隔地に設置された罠（以下、箱罠という）５０に害獣（動物）６０（図７（ａ）参照）が捕獲されたことを検知するものである。箱罠５０は、開口部５１が形成された本体部５２及び開口部５１を開閉する開閉部（以下、扉という）５３を備えている。害獣６０が本体部５２に入り、餌を取る又は所定の場所を踏んだり接触したりすると開いていた扉５３が閉じる構造となっている。

なお、実施例では、箱罠５０の本体部５２がドラム形状であり、扉５３が網状であるが、これに限定されず、本体部５２が直方体の格子状であり、扉５３が板状でもよい。さらには、扉５３が上下にスライドすることで開閉するものに限定されず、扉５３がヒンジを介して揺動することで開閉するものなどでもよく、害獣６０を捕獲することができれば箱罠５０の形状や構造は問わず、他の一般的な罠でも差し支えない。

害獣罠捕獲検知システム１０は、箱罠５０を撮影可能な位置に設けられたカメラ機構２０と、このカメラ機構２０にネットワーク１１を介して接続された解析機構３０と、この解析機構３０にネットワーク１１を介して接続された結果表示部４０とを備えている。カメラ機構２０は箱罠５０及び扉５３の開閉が撮影可能な位置に設けられている。カメラ機構２０は撮影した画像（以下、画像データという）７０（図８～図１１参照）を、ネットワーク１１を介して解析機構３０に送信する。解析機構３０は、送信された画像データ７０により箱罠５０の状態や害獣罠捕獲検知システム１０の稼働状況を確認し、画像解析により害獣６０の捕獲状態を検出し、結果表示部４０に通知を送信する。

また、カメラ機構２０、解析機構３０、及び結果表示部４０は、インターネットによるネットワーク１１を介してそれぞれが接続されている。カメラ機構２０、解析機構３０、及び結果表示部４０は、インターネットによるネットワーク１１を介してそれぞれが接続されているので、離れた場所であっても容易に箱罠５０に害獣６０が捕獲されたことや箱罠５０を含めた周辺の状況を確認することができる。なお、実施例では、カメラ機構２０、解析機構３０、及び結果表示部４０は、インターネットによるネットワーク１１を介してそれぞれが接続されているものとしたが、これに限定されず、部分的にサービス提供者独自の無線又は有線のネットワーク１１を採用してもよい。

次にカメラ機構２０について説明する。
図１、図２（ａ）、図２（ｂ）に示されるように、カメラ機構２０は、扉５２を含めた箱罠５０を撮影するカメラ２１と、このカメラ２１に接続され撮影及び撮影した画像データ７０（図８～図１１参照）の解析機構３０への送信を行う撮影通信部と、撮影通信部への給電を管理する電源制御部からなる制御部２２と、この制御部２２に給電する電源２３と、制御部２２及びカメラ２１を覆うように保持する筐体２４と、この筐体２４を支持すると共に地面６１に突き刺すように設けられる支持部２４ａとを備えている。

筐体２４は箱状であり、一面が開口している。カメラ２１はこの開口側に向けて配置されている。なお、実施例では、筐体２４の前面側が開口しているが、この開口部分に透明なガラスや透明な樹脂材を設け、カメラ２１等を風雨からより一層保護できるようにしてもよい。また、実施例では、近傍に設置した２つの箱罠５０の画像を得るために支持部２４ａに２つの筐体２４（２つのカメラ２１）を設けたが、これに限定されず、支持部２４ａに１つ又は複数の筐体２４を設けてもよい。さらには、実施例では、支持部２４ａを棒状にして地面６１に突き刺す形で設置したが、これに限定されず、支持部２４ａを地面６１に置く台状の部材や、木にくくり付けるバンド状の部材としてもよい。

図２、図３に示すように、カメラ機構２０は、電源（電池）２３と、制御部２２を備えている。制御部２２は、電源の制御を行う電源制御部２５と、撮影や通信等の制御を行う撮影通信部２６とを備えている。

電源制御部２５は、常時電源２３に接続された第１マイコン（マイコン１）２５ａと、電源２３に接続され第１マイコン２５ａによりＯＮとＯＦＦの制御がなされる第１リレー（リレー１）２５ｂとを備えている。

撮影通信部２６は、第１リレー２５ｂがＯＮになることで作動する第２マイコン（マイコン２）２６ａと、電源２３に接続され第２マイコン２６ａによりＯＮとＯＦＦの制御がなされる第２リレー（リレー２）２６ｂと、第２マイコン２６ａに接続され撮影及び照度計測を行うカメラモジュール２６ｃと、第２マイコン２６ａに接続され通信を行う通信モジュール（ＬＴＥ－Ｍモジュール）２６ｄと、第２リレー２６ｂに接続された赤外線による照明（赤外線ＬＥＤ）２６ｅと、を備えている。

カメラモジュール２６ｃは、撮影を行うカメラ２１と、照度の計測する照度計測部（不図示）とを含んで構成されている。また、実施例では、通信モジュール２６ｄは、いわゆるＬＴＥ－Ｍ（Long Term Evolution for machine-type-communication）と呼ばれる通信規格によりインターネット（ネットワーク１１）に通信するものとしたが、これに限定されず、ネットワーク１１を介して通信できれば通信規格は問わない。

このように、カメラ機構２０は、周囲の照度を計測するカメラモジュール２６ｃと、赤外線による照明２６ｅとを備え、撮影時に照度を計測するとともに照度データを解析機構３０へ送信する。

また、第２マイコン２６ａ、第２マイコン２６ａに接続されるカメラモジュール２６ｃ及び通信モジュール２６ｄは、第１リレー２５ｂにより電源回路が開閉され待機中は電力を消費しない。照明（赤外線ＬＥＤ）２６ｅは、必要時に第２リレー２６ｄにより電源回路が開閉され、第２マイコン２６ａの電源容量に依存しない。このため、カメラ機構２０は待機時間を考慮して消費電力を軽減でき、特に電力供給が難しい山間部の山奥では、電源（電池）２３の交換頻度を少なくして監視者の労力を大幅に軽減することができる。

次にカメラ機構２０のフローについて説明する。なお、図面ではＳＴＥＰを、Ｓと表示する。
図４に示されるように、カメラ機構２０への電源２３の接続により、第１マイコン２５ａに電源を投入し（ＳＴＥＰ１）、第１リレー２５ｂをＯＮにし（ＳＴＥＰ２）、通知待機とする（ＳＴＥＰ３）。

撮影通信部２６の第２マイコン２６ａは、カメラ２１の初期化を行い、ＡＷＢ（automatic white balance）を開始し（ＳＴＥＰ４）、通信を初期化してＳＩＭ（Subscriber Identity Module）番号を取得し（ＳＴＥＰ５）、解析機構３０との通信の接続確認を行う（ＳＴＥＰ６）。ＳＴＥＰ６の接続確認で接続が成功であれば明度判定（ＳＴＥＰ７）に進む。ＳＴＥＰ６の接続確認で接続が失敗であれば第１マイコン２５ａにエラー通知を行う。

ＳＴＥＰ７ではカメラモジュール２６ｃで計測した照度（明度）が所定の値を越えている場合は昼間と判定してＳＴＥＰ８に進み、計測した照度（明度）が所定の値を越えていない場合は夜間と判定してＳＴＥＰ１０に進む。

ＳＴＥＰ８ではカメラ２１で箱罠５０及びその周辺を撮影し、ＳＴＥＰ９で画像データ７０を解析機構３０へ送信し、第１マイコン２５ａに処理の終了通知を行う。また、ＳＴＥＰ１０では第２リレー２６ｂをＯＮにして赤外線による照明２６ｅを点灯した状態としてカメラ２１で箱罠５０及びその周辺を撮影し（ＳＴＥＰ１１）、第２リレー２６ｂをＯＦＦとし（ＳＴＥＰ１２）、ＳＴＥＰ９に進む。このように、制御部２２は、計測した照度が所定の値よりも小さいときは照明２６ｅをＯＮにしてから撮影するように制御する。

そして、電源制御部２５の第１マイコン２５ａでは、ＳＴＥＰ６のエラー通知、又はＳＴＥＰ９の終了通知を受信し（ＳＴＥＰ１３）、第１リレー２５ｂをＯＦＦにし（ＳＴＥＰ１４）、省電力待機とする（ＳＴＥＰ１５）。ＳＴＥＰ１５では、ＳＴＥＰ１３でエラー通知を受信した場合は２０分待機とし、ＳＴＥＰ１３で終了通知を受信した場合は６０分待機とし、待機時間経過後にＳＴＥＰ２に戻る。このように、制御部２２は、カメラ２１の電源がＯＮとなったときに解析機構３０と接続が可能か確認し、通信が失敗したときは電源をＯＦＦにして第１の時間（例えば６０分）よりも短い所定の第２の時間（例えば２０分）後に再度カメラ２１の電源をＯＮにする。また、所定の第１の時間は、例えば６０分とする。なお、実施例では、所定の第１の時間を６０分としたが、これに限定されず、３０分９０分、１２０分などでもよく、適宜時間間隔を変更して設定してもよい。

次に解析機構３０の構成について説明する。
図５、図６に示されるように、解析機構３０は、カメラ機構２０から送信された画像データ７０を受信する受信部３１と、受信した画像データ３１から扉５３の開閉を解析する解析部３５と備えている。

次に解析機構３０を構成するサーバの受信部３１における画像データ７０を受信するフローについて説明する。
図５に示されるように、解析機構３０において、ネットワーク１１を介してカメラ機構２０からの画像データ７０の受信を開始し（ＳＴＥＰ１６）、要求電文を受信し（ＳＴＥＰ１７）、識別番号を照合する（ＳＴＥＰ１８）。

ＳＴＥＰ１８の識別番号照合で成功すると、照度や電源２３の電圧等の情報を含むテレメトリを受信してデータベース３２にログを残し（ＳＴＥＰ１９）、さらに画像データ７０を受信してストレージ３３に画像データ７０を保存し（ＳＴＥＰ２０）、接続を断ち切る（ＳＴＥＰ２１）。また、ＳＴＥＰ１８の識別番号照合で失敗すると、ＳＴＥＰ２１に進み接続を断ち切る。

次に解析機構３０の解析部３５における画像解析のフローについて説明する。
図６に示されるように、解析機構３０において、画像データ７０による箱罠５０に害獣６０が捕獲されたことを検知する判定を開始し（ＳＴＥＰ２２）、対比対象となる画像データ７０の数をカウントし（ＳＴＥＰ２３）、画像データ７０の数ｎが２以上であればＳＴＥＰ２４に進み、画像データ７０の数ｎが２未満であればＳＴＥＰ２９に進み終了する。

ＳＴＥＰ２４では、撮影時の照度（明度）を確認し、検知を夜間に限定している場合はテレメトリから撮影時の照度を取得し、低照度時（例えば１０００ルクス未満）の場合は解析を続けＳＴＥＰ２５に進み、高照度時（例えば１０００ルクス以上）の場合は画像データ７０を除外しＳＴＥＰ２９に進み終了する。このように、解析部３５は、撮影時の照度が所定の値（例えば１０００ルクス）よりも大きい場合は画像データ７０を除外する。

ＳＴＥＰ２５では、画像データ７０のデータ量（ファイルサイズ）を確認し、データ量の減少が抑えられている（例えばデータ量が規定値の７０％以上）の場合は解析を続けＳＴＥＰ２６に進み、データ量が減少した（例えばデータ量が規定値の７０％未満）場合は明確ではない画像と判断して画像データ７０を除外しＳＴＥＰ２９に進み終了する。このように、解析部３５は、画像データ７０のデータ量が規定値の７０％未満のときに画像データ７０を除外する。

ＳＴＥＰ２６では、画像データ７０の変化を検出する。具体的には、解析部３５は、予め箱罠５０の扉５３が開いた状態の画像データ７０を記憶し、この記憶した画像データ７０と記憶した後に受信した画像データ７０とを比較する。比較は特徴点を検出し特徴量記述子間の距離を求めることで行う。扉５３部分に特徴量記述子間の距離が所定の閾値以上（例えば５００以上）となる変化が生じたときに扉５３が閉じたと判定して害獣６０が捕獲されたことを検知し（ＳＴＥＰ２７）、検知結果を結果表示部に送信し（ＳＴＥＰ２８）、その後ＳＴＥＰ２９に進み終了する。特徴量記述子間の距離が、扉５３部分に所定の閾値未満（例えば５００未満）となった場合は変化が生じていないとしてＳＴＥＰ２９に進み終了する。

なお、ＳＴＥＰ２８における結果の通知送信は、画像を確認できるＵＲＬを記載した通知を設置者宛に送信し、送信手段には電子メール、ＳＮＳ、プッシュ通知等を用いる。

また、ＳＴＥＰ２６の変化検出では、人工知能により特徴量を計算して判定するものとしてもよい。この場合、解析部３５は、人工知能（ＡＩ：Artificial Intelligence ）を備え、機械学習を用いて画像データ７０を判別する。解析部３５は、箱罠５０の扉５３が開いた状態の画像データ７０から特徴量を抽出して記憶し、この記憶した画像データ７０の特徴量と記憶した後に受信した画像データ７０から抽出した特徴量とを比較して扉５３部分に所定の閾値以上の変化が生じたときに扉５３が閉じたと判定して害獣６０が捕獲されたことを検知し、検知結果を結果表示部４０に送信する。

また、人工知能を用いる手法としては、一例として、いわゆるＯｐｅｎＣＶ（Open Source Computer Vision Library）に実装されたＡ－ＫＡＺＥと呼ばれる理論を用いてもよい。なお、理論の詳細は一般的に使用されているものであるため説明を省略する。

また、一般的に、機械学習とは、データから規則性や判断基準を学習し、学習した規則性や判断基準に基づき未知のものを予測、判断する技術と、人工知能に関わる分析技術をいう。機械学習に包含される関係にあるディープラーニングを用いてもよく、ディープラーニングはより基礎的で広範な機械学習の手法であるニューラルネットワークの分析手法を拡張したものであり、高精度の分析や活用を可能する手法である。実施例では、教師データなしの手法を用いてもよい。また、いわゆる教師あり学習といわれる正解にあたる教師データが与えられる機械学習を用いてもよい。この場合本発明では、事前に箱罠５０の扉５３が開いた状態と、箱罠５０の扉５３が閉じた状態の画像を複数枚撮影して教師データとして使用したり、受信部３１のストレージ３３に蓄積された、箱罠５０の扉５３が開いた状態と、箱罠５０の扉５３が閉じた状態の画像を教師データとして使用したりしてもよい。なお、教師あり学習の分析手法として、回帰分析や決定木などある。

また、ニューラルネットワークは、画像認識の分野にも応用されており、中間層（隠れ層）を２層以上に多層化したニューラルネットワークがディープラーニングと言われている。ディープラーニングは、与えられたデータのどこに着目すればよいか、具体的な特徴量を人間が指示せずとも自らそのデータの特徴づける特徴量を抽出し、データに含まれるルールや規則性を学習する手法である。

次に箱罠５０に害獣６０が捕獲される作用について説明する。
図７（ａ）に示されるように、箱罠５０の扉５３は開いており、箱罠５０の近傍にカメラ機構２０が配置されている。害獣（動物）６０が、箱罠５０の本体部５２の中に置かれた餌を目当てに、開口部５１から本体部５２の中に入る。

図７（ｂ）に示されるように、害獣６０が餌を取る又は所定の場所を踏んだり接触したりすると開いていた扉５３が閉じる。すると、明確に見えていた開口部５１の前に扉５３が移動するので、カメラ機構２０で撮影した画像データ（画像）７０に扉５３が閉まる前後で変化が生じる。

さらには、所定の時間毎にカメラ機構２０で撮影することで、箱罠５０周辺の地面６１の状態も認識することができる。

次に画像データ７０と画像データ７０の解析状態について説明する。
図８（ａ）は箱罠５０を設置した直後の正面側の画像データ７０ａ（７０）である。扉５３が開いた状態である。図８（ｂ）は箱罠５０を設置して数時間後又は数日後の画像データ７０ｂ（７０）である。扉５３が開いた状態である。図８（ｃ）は前述の両者の画像データ７０ａと画像データ７０ｂとを解析した状態である。図８（ｃ）の画面左上に３４６．３８との数値が記載されている。仮に閾値を５００とすると、解析した状態の値３４６．３８は閾値５００よりも小さいため、両者の画像データ７０ａと画像データ７０ｂは扉５３が変化しておらず開いた状態のままと判定することができる。

図９（ａ）は箱罠５０を設置した直後の正面側の画像データ７０ｃ（７０）である。扉５３が開いた状態である。図９（ｂ）は箱罠５０を設置して数時間後又は数日後の画像データ７０ｄ（７０）である。扉５３が閉じた状態である。図９（ｃ）は前述の両者の画像データ７０ｃと画像データ７０ｄとを解析した状態である。図９（ｃ）の画面左上に５２１．９３との数値が記載されている。仮に閾値を５００とすると、解析した状態の値５２１．９３は閾値５００よりも大きいため、両者の画像データ７０ｃと画像データ７０ｄは扉５３が変化しており扉５３が閉じて害獣６０が捕獲されたと判定することができる。

図１０（ａ）は箱罠５０を設置した直後の背面側の画像データ７０ｅ（７０）である。扉５３が開いた状態である。図１０（ｂ）は箱罠５０を設置して数時間後又は数日後の画像データ７０ｆ（７０）である。扉５３が開いた状態である。図１０（ｃ）は前述の両者の画像データ７０ｅと画像データ７０ｆとを解析した状態である。図１０（ｃ）の画面左上に４１２．６７との数値が記載されている。仮に閾値を５００とすると、解析した状態の値４１２．６７は閾値５００よりも小さいため、両者の画像データ７０ｅと画像データ７０ｆは扉５３が変化しておらず開いた状態のままと判定することができる。

図１１（ａ）は箱罠５０を設置した直後の背面側の画像データ７０ｇ（７０）である。扉５３が開いた状態である。図１１（ｂ）は箱罠５０を設置して数時間後又は数日後の画像データ７０ｈ（７０）である。扉５３が閉じた状態である。図１１（ｃ）は前述の両者の画像データ７０ｇと画像データ７０ｈとを解析した状態である。図１１（ｃ）の画面左上に５７９．２３との数値が記載されている。仮に閾値を５００とすると、解析した状態の値５７９．２３は閾値５００よりも大きいため、両者の画像データ７０ｇと画像データ７０ｈは扉５３が変化しており扉５３が閉じて害獣６０が捕獲されたと判定することができる。

次に以上に述べた害獣罠捕獲検知システム１０の作用、効果を説明する。
本発明の実施例では、罠（箱罠）５０の設置場所には、その近傍に開閉部（扉）５３を含めた箱罠５０を撮影するカメラ２１と、このカメラ２１に接続され撮影及び撮影した画像の送信を行う撮影通信部と、撮影通信部への給電を管理する電源制御部からなる制御部２２を備えたカメラ機構２０のみを設置するだけである。このため、簡易な構成で設置が容易にできる。さらに、解析機構３０は、カメラ機構２０から送信された画像データ７０から扉５３の開閉を解析する。詳細には解析部３５は、箱罠５０の扉５３が開いた状態の画像データ７０を記憶し、この記憶した画像データ７０と記憶した後に受信した画像データ７０とを比較して扉５３部分に所定の閾値以上の変化が生じたときに扉が閉じたと判定して害獣６０が捕獲されたことを検知し、画像データ７０を含めた検知結果を結果表示部４０に送信する。このように、画像データ７０から、扉５３を含めた箱罠５０の状態、箱罠５０周辺の地面６１の状態及び対象となる害獣６０の姿を正確に把握できる。さらに、罠の状態を画像として確認するため予期せぬ異常であっても点検できる。さらに、画像によりシステムが正常に動作していることを確認できる。

さらに、本発明の実施例では、人口知能により画像データ７０の特徴量を用いて検知するので、扉５３を含めた箱罠５０の状態、箱罠５０周辺の地面６１の状態及び対象となる害獣６０の姿をより正確に把握できる。

さらに、本発明の実施例では、カメラモジュール２６ｃにより照度を計測し日光の影響が大きいと推測される高照度条件の画像を除外することで検知精度を向上させることができる。なお、対象となる害獣（動物）６０の活動は日没後２時間前後や深夜または早朝に集中しており実用上の問題はない。

さらに、本発明の実施例では、霧や結露により明瞭でない画像が記録された場合は判定から除外する必要がある。明瞭でない画像は周波数成分の変化により画像圧縮率が向上しデータ量が小さくなる。かかる構成によれば、この特徴を利用し設置時の画像ファイルサイズに比して７０％以下に減少した場合は明瞭でない画像と判断し除外するので検知精度をより向上させることができる。

さらに、本発明の実施例では、電源制御部２５は、電源制御を所定の第１の時間毎に撮影通信部２６の電源をＯＮにするので、少ない消費電力で待機することができる。

さらに、本発明の実施例では、通信が失敗したときは電源をＯＦＦにして第１の時間よりも短い所定の第２の時間後に再度カメラの電源をＯＮにするので、通信が失敗した場合であっても消費電力を抑えつつ長い時間を空けることなく箱罠５０などの状態を検知することができる。

さらに、本発明の実施例では、周囲の照度を計測するカメラモジュール２６ｃと、赤外線による照明２６ｅとを備え、撮影通信部２６は、計測した照度が所定の値よりも小さいときは照明をＯＮにしてから撮影するように制御するので、日没後や早朝または赤外線ＬＥＤにて照明を行う夜間の撮影はこの影響を受けない。

以上に述べたように、本発明では、省電力端末の作成および画像送信が実用的となった。本発明は、端末からは画像の送信のみを行い負荷の高い処理をクラウド上で行うことによって、省電力と高度な画像解析の両立を可能とする。さらに、本発明は、画像監視であるため、罠の状態を画像として確認するため予期せぬ異常であっても点検でき、画像によりシステムが正常に動作していることを確認できる。さらに、本発明は、非接触検知であるため、罠と接触する部品が無いため対象動物に破壊される恐れが少なく、罠から離れた場所に設置するため対象動物に警戒されにくい。さらに、本発明は、罠の構造に対する非依存であるため、罠の種類や方式に固有の検知器を必要としないため同一のシステムで幅広い罠に対応できる。さらに、本発明は、電磁的なセンサーを用いないため、部品点数を削減し、回路を単純化してコストを抑えることができる。

さらに、本発明は、設置作業は罠が見える場所にカメラを置いて電源スイッチを入れるだけであり容易、罠へのセンサー接続等の作業が不要、検知に用いるのは画像センサーのみであるため故障リスクが少なく信頼性が高い、画像で状況を確認できるため捕獲の有無のみならずあらゆる異常について確認できる、等の効果がある。

見回りは危険を伴うため指定管理鳥獣捕獲業務では２人組で行う必要があり、捕獲罠は近距離に設置するとは限らない。見回りは毎日行う必要があり労力と移動に伴う燃料の負担が問題となっているが、本発明によりそれら負担が不要となり、自宅に居ながら罠の点検を行うことが出来る。

次に実施例２の実施の形態を添付図に基づいて以下に説明する。なお、実施例１と同様の構成については図面を省略又は図面に符号を記載して説明を省略する。

解析機構３０の解析部３５における画像解析のフローについて説明する。
図１２に示されるように、解析機構３０において、画像データ７０による罠５０に害獣６０が捕獲されたことを検知する判定を開始し（ＳＴＥＰ３０）、対比対象となる受信した最新の画像データ（以下、検証画像という）の撮影時照度を読み込み判定し（ＳＴＥＰ３１）、照度が通常（日中、任意の時間帯等）時２００００ルクス以下、または夜間検知優先時１０００ルクス以下の場合（ＹＥＳ）はＳＴＥＰ３２に進み解析を続け、通常時２００００ルクスを越えている、または夜間検知優先時１０００ルクスを越えている場合（ＮＯ）はＳＴＥＰ４５に進み判定を終了する。

ＳＴＥＰ３２では、解析機構３０に保存されている過去に送信され解析機構３０に保存されている画像データ（以下、蓄積画像という）のファイルサイズと検証画像のファイルサイズから標準偏差を計算し、検証画像のファイルサイズが偏差－２．０以上の場合（ＹＥＳ）はＳＴＥＰ３３に進み解析を続け、検証画像のファイルサイズが偏差－２．０未満の場合（ＮＯ）はＳＴＥＰ４５に進み判定を終了する。

図１２～図１４に示されるように、ＳＴＥＰ３３では、蓄積画像から撮影時照度が検証画像と近いｎ個を選択し、撮影日時で古い順にソートして参照画像（蓄積画像から選択された撮影時照度が検証画像と近い既定数の画像）ｉ１～ｉｎとして選定する。

ＳＴＥＰ３４では、参照画像数をカウントし、参照画像数が５以上の場合（ＹＥＳ）はＳＴＥＰ３５に進み解析を続け、参照画像数が５未満の場合（ＮＯ）はＳＴＥＰ４４に進み検証画像を保存（検証画像ｉ０を蓄積画像に追加）してさらにＳＴＥＰ４５に進み判定を終了する。なお、ｎを大きくすると判定の安定性が向上するが無視すべき時間経過による変化の影響も増大する。撮影設定を１時間毎とした場合、ｎを２０とすると１週間分程度の画像が抽出され適当である。無視すべき時間経過による変化とは落ち葉の堆積や植物の成長等がある。

ＳＴＥＰ３５では、参照画像ｉ１～ｉｎからそれぞれの特徴点ｋ１～ｋｎを検出する。なお、特徴点の検出アルゴリズムには一般的は特徴点検出アルゴリズムを使用し例えば前述のＡＫＡＺＥを使用してもよい。ＳＴＥＰ３６では、特徴点ｋ１～ｋｎからそれぞれ特徴量記述子ｆ１～ｆｎを計算する。なお、特徴量記述子の計算アルゴリズムには一般的は特徴量記述子計算アルゴリズムを使用し例えば前述のＡＫＡＺＥを使用してもよい。ＳＴＥＰ３７では、特徴量記述子ｆ１と前記特徴量記述子ｆ２にていわゆるハミング距離によりマッチングを行い前記特徴量記述子間の距離ｄ１２を計算し、残りの前記特徴量記述子間の距離ｄ２３～ｄｎ１を計算する。

ＳＴＥＰ３８では、特徴量記述子間の距離ｄ１２～ｄｎ１のうち最も小さい値が得られた参照画像の組み合せから、撮影日時の新しい参照画像を選択して標準画像ｉｒとし、この標準画像ｉｒの特徴点ｋｒ及び特徴量記述子ｆｒを抽出する。なお、不安定な参照画像を元に検証画像との距離を求めると判定精度が低下するため、参照画像の中で距離が小さく最も一致度が高い組み合わせを持つ画像を標準画像（参照画像から選択された標準的な画像）とする。

ＳＴＥＰ３９では、検証画像ｉ０の特徴点を検出し特徴点ｋ０とする。ＳＴＥＰ４０では、特徴点ｋ０から特徴量記述子ｆ０を計算する。ＳＴＥＰ４１では、特徴量記述子ｆ０と標準画像の特徴量記述子ｆｒとの間の距離ｄ０ｒを計算する。

ＳＴＥＰ４２では、特徴量記述子間の距離ｄ１２～ｄｎ１、ｄ０ｒから標準偏差を計算し、特徴量記述子間の距離ｄ０ｒの偏差が１．６以上のとき（ＹＥＳ）は害獣が捕獲された状態と判定して通知を送信し（ＳＴＥＰ４３）、さらにＳＴＥＰ４４に進み検証画像を保存してさらにＳＴＥＰ４５に進み判定を終了する。ＳＴＥＰ４２で特徴量記述子間の距離ｄ０ｒの偏差が１．６未満のとき（ＮＯ）はＳＴＥＰ４４に進み検証画像を保存してさらにＳＴＥＰ４５に進み判定を終了する。

なお、ＳＴＥＰ４２では、誤検知が続いた場合判定は閾値を２．０まで上げてもよい。

図１５（ａ）、図１５（ｂ）に示されるように、開閉部（扉）５３には記号５４が記載されている。ここでは記号５４は文字である。なお、板状の開閉扉５３を有し捕獲時にその可視状態が変化する罠箱５０ついて、開閉扉に文字や図柄からなる記号を記し当該記号を標準画像ｉｒとして特徴量記述子間の距離ｄ１ｒ、ｄ２ｒ、ｄ３ｒ、ｄ４ｒ、ｄｎｒ、ｄ０ｒを計算する。ｄ１ｒ、ｄ２ｒ、ｄ３ｒ、ｄ４ｒ、ｄｎｒ、ｄ０ｒから標準偏差を求め、ｄ０ｒの偏差が１．６以上の場合に捕獲状態と判定する。

また、固定した標準画像により安定した特徴点で評価できるため、罠箱の動作により記号が不可視となった場合に高精度な検知を行うことができる。なお、標準画像から検出される特徴点が多いほど判定精度が向上するため、複雑な記号や図柄を使用することが望ましい。

次に罠５０としてくくり罠を使用した場合の画像解析を説明する。
図１７（ａ）は非捕獲状態を示す１２個の画像であり、図１６に示すとおり参照画像ｉ１～ｉ１１，検証画像ｉ０を配置したものである。それぞれの画像の中央にそれぞれの画像の特徴量記述子間の距離から標準偏差を求め算出した偏差が記載されている。検証画像ｉ０の偏差は１．６未満であり、開閉部（ワイヤ保持部）５３が閉じておらず、害獣６０が捕獲されていない状態と判定することができる。

なお、参照画像ｉ１１の偏差が１．９２となっているが、最も撮影時間の離れた参照画像ｉ１とのマッチングにより特徴量記述子間の距離が大きくなるためである。時間経過による変動が大きい環境であるほどこの傾向が強い。このとき参照画像ｉ１１は非捕獲状態の最大値として分散に影響を与え検証画像ｉ０の偏差の上昇を鈍らせ検知精度が向上する。

図１７（ｂ）は捕獲状態を示す検証画像ｉ０と、非捕獲状態を示す参照画像ｉ１～ｉ１１であり、それぞれの画像の中央にそれぞれの画像の偏差の計算結果が記載されている。検証画像ｉ０の偏差は１．６以上であり、くくり罠５０の開閉部（ワイヤ保持部）が閉じて害獣６０が捕獲された状態と判定することができる。

図１８に示されるように、くくり罠５０を使用した場合の画像解析のうち、捕獲状態（捕獲動物は画面外）を示す検証画像ｉ０と、非捕獲状態を示す参照画像ｉ１～ｉ１１である。それぞれの画像の中央にそれぞれの画像の偏差の計算結果が記載されている。検証画像ｉ０の偏差は１．６以上であり、くくり罠５０の開閉部（ワイヤ保持部）が閉じて害獣６０が捕獲された状態と判定することができる。なお、捕獲動物が茂みに隠れていたり、画面外に出ていたりする場合がある。本発明は捕獲動物が罠から逃れようと地面に残した跡によっても捕獲を検知することができる

次に罠５０として箱罠を使用した場合の画像解析を説明する。
図１９（ａ）は非捕獲状態を示す参照画像ｉ１～ｉ１１、検証画像ｉ０であり、それぞれの画像の中央にそれぞれの画像の偏差の計算結果が記載されている。検証画像ｉ０の偏差は１．６未満であり、開閉部（扉）５３が閉じておらず、害獣６０が捕獲されていない状態と判定することができる。

図１９（ｂ）は捕獲状態を示す検証画像ｉ０と、非捕獲状態を示す参照画像ｉ１～ｉ１１であり、それぞれの画像の中央にそれぞれの画像の偏差の計算結果が記載されている。画像ｉ０の偏差は１．６以上であり、箱罠５０の開閉部（扉）５３が閉じて害獣６０が捕獲された状態と判定することができる。

次に罠５０として箱罠５０の扉５３に記号５４を使用した場合の画像解析を説明する。
図２０（ａ）に示されるように、箱罠５０を使用した場合の画像解析のうち、捕獲状態を示す検証画像ｉ０と、非捕獲状態を示す参照画像ｉ１～ｉ１１である。それぞれの画像の中央にそれぞれの画像の偏差の計算結果が記載されている。検証画像ｉ０の偏差は１．６以上であり、箱罠５０の開閉部（扉）５３が閉じて害獣６０が捕獲された状態と判定することができる。この際、判別には扉５３に記載された記号（ここではＱＲコード（登録商標））５４が使用されている。

図２１（ａ）は非捕獲状態のマッチング結果を示す画像であり、箱罠５０の扉５３に記号５４としてＱＲコード（登録商標）が記載されている。

図２１（ｂ）は捕獲状態のマッチング結果を示す画像であり、開閉部（扉）の閉鎖により箱罠５０の扉５３に記載された記号５４のＱＲコード（登録商標）が隠れている。

次に以上に述べた害獣罠捕獲検知システム１０の作用、効果を説明する。
本発明の実施例では、ストレージ３３に画像データ７０を蓄積画像として保存し、解析部３５は、新たに受信した画像データ７０を検証画像とし、蓄積画像のデータ量と検証画像のデータ量から標準偏差を計算する。検証画像のデータ量の偏差が－２未満のときに検知の判定処理を終了するので、蓄積画像から不明瞭な範囲が求められ、不明瞭と判定された検証画像を判定しない。この結果、罠５０の状態を正確に判定して検知精度を向上させることができる。

さらに、蓄積画像からこの蓄積画像の照度が検証画像の照度と近いものをｎ個選択して参照画像ｉ１～ｉｎとし、特徴点ｋ１～ｋｎを検出する。特徴点ｋ１～ｋｎからそれぞれ特徴量記述子ｆ１～ｆｎを計算し、ハミング距離によりマッチングを行い特徴量記述子間の距離ｄ１２～ｄｎ１を計算し、最も小さい値が得られた参照画像の組み合せから撮影日時の新しい画像を標準画像ｉｒとして選択し、この標準画像ｉｒの特徴点ｋｒ及び特徴量記述子ｆｒを抽出する。検証画像ｉ０の特徴点を検出し特徴点ｋ０とし、特徴点ｋ０から特徴量記述子ｆ０を計算し、特徴量記述子ｆ０と標準画像の特徴量記述子ｆｒとの間の距離ｄ０ｒを計算し、特徴量記述子間の距離ｄ１２～ｄｎ１、ｄ０ｒから標準偏差を計算し、特徴量記述子間の距離ｄ０ｒの偏差が１．６以上のときに害獣６０が捕獲された状態とするので、より正確に害獣６０の捕獲を把握することができる。

尚、実施例では、捕獲時には、対象動物の姿、扉の開閉等の罠の状態、対象動物による地面の荒れ、等の変化が画像に記録され、これらの変化を検出し捕獲状態を判別する。カメラは草地や軟弱な地面に設置する事が多く傾きや向きに変化が生じやすいところ、画角変化に耐性を持つ画像解析アルゴリズムを採用する。

即ち、本発明の作用及び効果を奏する限りにおいて、本発明は、実施例に限定されるものではない。

本発明の技術は、遠隔地に設置された箱罠に害獣が捕獲されたことを検知する害獣罠捕獲検知システムに好適である。

１０…害獣罠捕獲検知システム、１１…ネットワーク、２０…カメラ機構、２１…カメラ、２２…制御部、２３…電源、２５…電源制御部、２６…撮影通信部、３０…解析機構、３１…受信部、３５…解析部、４０…結果表示部、５０…罠（箱罠、くくり罠）、５１…開口部、５２…本体部、５３…開閉部（扉、ワイヤ保持部）、６０…害獣（動物）、７０、７０ａ、７０ｂ、７０ｃ、７０ｄ、７０ｅ、７０ｆ、７０ｇ、７０ｈ…画像データ（画像）。

Claims (9)

1. 開口部が形成された本体部及び前記開口部を開閉する開閉部を備え、害獣が前記本体部に入ると前記開閉部が閉じる罠を遠隔地に設置し、この罠に前記害獣が捕獲されたことを検知する害獣罠捕獲検知システムであって、
   前記罠を撮影可能な位置に設けられたカメラ機構と、このカメラ機構にネットワークを介して接続された解析機構と、この解析機構に前記ネットワークを介して接続された結果表示部とを備え、
   前記カメラ機構は、前記開閉部を含めた前記罠を撮影するカメラと、このカメラに接続され撮影及び撮影した前記画像データの前記解析機構への送信を制御する撮影通信部と、この撮影通信部への給電を管理する電源制御部からなる制御部とを備え、
   前記解析機構は、前記カメラ機構から送信された前記画像データを受信する受信部と、受信した前記画像データから前記開閉部の開閉を解析する解析部と備え、
   前記解析部は、前記罠の前記開閉部が開いた状態の前記画像データを記憶し、この記憶した前記画像データと記憶した後に受信した前記画像データとを比較して前記開閉部部分に所定の閾値以上の変化が生じたときに前記開閉部が閉じたと判定して前記害獣が捕獲されたことを検知し、検知結果を結果表示部に送信することを特徴とする害獣罠捕獲検知システム。
2. 請求項１記載の害獣罠捕獲検知システムであって、
   前記解析部は、前記罠の前記開閉部が開いた状態の前記画像データから特徴点を検出して記憶し、この記憶した前記画像データの特徴点と記憶した後に受信した前記画像データから検出した特徴点から特徴量記述子間の距離を計算して前記開閉部部分に所定の閾値以上の変化が生じたときに前記開閉部が閉じたと判定して前記害獣が捕獲されたことを検知し、検知結果を結果表示部に送信することを特徴とする害獣罠捕獲検知システム。
3. 請求項１又は請求項２記載の害獣罠捕獲検知システムであって、
   前記カメラ機構は、周囲の照度を計測するカメラモジュールを備え、撮影時に照度を計測するとともに照度データを前記解析機構へ送信し、
   前記解析部は、撮影時の照度が所定の値よりも大きい場合は前記画像データを除外することを特徴とする害獣罠捕獲検知システム。
4. 請求項１から請求項３のいずれか１項記載の害獣罠捕獲検知システムであって、
   前記解析部は、前記画像データのデータ量が規定値の７０％未満のときに前記画像データを除外することを特徴とする害獣罠捕獲検知システム。
5. 請求項１から請求項４のいずれか１項記載の害獣罠捕獲検知システムであって、
   前記電源制御部は、所定の第１の時間毎に前記撮影通信部の電源をＯＮにすることを特徴とする害獣罠捕獲検知システム。
6. 請求項５記載の害獣罠捕獲検知システムであって、
   前記電源制御部は、前記撮影通信部の電源がＯＮとなったときに前記解析機構と接続が可能か確認し、通信が失敗したときは電源をＯＦＦにして前記第１の時間よりも短い所定の第２の時間後に再度前記撮影通信部の電源をＯＮにすることを特徴とする害獣罠捕獲検知システム。
7. 請求項１から請求項６のいずれか１項記載の害獣罠捕獲検知システムであって、
   前記カメラ機構は、周囲の照度を計測するカメラモジュールと、赤外線による照明とを備え、
   前記撮影通信部は、計測した照度が所定の値よりも小さいときは前記照明をＯＮにしてから撮影するように制御することを特徴とする害獣罠捕獲検知システム。
8. 請求項１記載の害獣罠捕獲検知システムであって、
   前記解析機構は、前記受信部に前記画像データを蓄積画像として保存するストレージを有し、
   前記解析部は、新たに受信した前記画像データを検証画像とし、前記蓄積画像のデータ量と前記検証画像のデータ量から標準偏差を計算し、前記検証画像のデータ量の偏差が－２未満のときに検知の判定処理を終了することを特徴とする害獣罠捕獲検知システム。
9. 請求項８記載の害獣罠捕獲検知システムであって、
   前記カメラ機構は、周囲の照度を計測するカメラモジュールを備え、撮影時に照度を計測するとともに照度データを前記解析機構へ送信し、
   前記解析機構は、前記ストレージに前記照度データを保存し、
   前記解析部は、前記蓄積画像からこの蓄積画像の照度が前記検証画像の照度と近いものをｎ個選択し、撮影日時で古い順にソートして参照画像ｉ１～ｉｎとし、
   前記参照画像ｉ１～ｉｎからそれぞれの特徴点ｋ１～ｋｎを検出し、
   前記特徴点ｋ１～ｋｎからそれぞれ特徴量記述子ｆ１～ｆｎを計算し、
   前記特徴量記述子ｆ１と前記特徴量記述子ｆ２にてハミング距離によりマッチングを行い前記特徴量記述子間の距離ｄ１２を計算し、残りの前記特徴量記述子間の距離ｄ２３～ｄｎ１を計算し、
   前記特徴量記述子間の距離ｄ１２～ｄｎ１のうち最も小さい値が得られた前記参照画像の組み合せから、撮影日時の新しい前記参照画像を選択して標準画像ｉｒとし、この標準画像ｉｒの前記特徴点ｋｒ及び前記特徴量記述子ｆｒを抽出し、
   前記検証画像ｉ０の特徴点を検出し特徴点ｋ０とし、
   前記特徴点ｋ０から特徴量記述子ｆ０を計算し、
   前記特徴量記述子ｆ０と前記標準画像の前記特徴量記述子ｆｒとの間の距離ｄ０ｒを計算し、
   前記特徴量記述子間の距離ｄ１２～ｄｎ１、ｄ０ｒから標準偏差を計算し、前記特徴量記述子間の距離ｄ０ｒの偏差が１．６以上のときに前記害獣が捕獲された状態と判定することを特徴とする害獣罠捕獲検知システム。
   
   

Images