JP4112068B2 - Image monitoring apparatus and image monitoring method - Google Patents

Image monitoring apparatus and image monitoring method Download PDF

Info

Publication number
JP4112068B2
JP4112068B2 JP09553798A JP9553798A JP4112068B2 JP 4112068 B2 JP4112068 B2 JP 4112068B2 JP 09553798 A JP09553798 A JP 09553798A JP 9553798 A JP9553798 A JP 9553798A JP 4112068 B2 JP4112068 B2 JP 4112068B2
Authority
JP
Japan
Prior art keywords
change
distribution
evaluation value
pixel values
values
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.)
Expired - Fee Related
Application number
JP09553798A
Other languages
Japanese (ja)
Other versions
JPH11296654A (en
Inventor
久和 真庭
雅史 岩本
貴彦 藤坂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP09553798A priority Critical patent/JP4112068B2/en
Publication of JPH11296654A publication Critical patent/JPH11296654A/en
Application granted granted Critical
Publication of JP4112068B2 publication Critical patent/JP4112068B2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Image Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Emergency Alarm Devices (AREA)
  • Image Analysis (AREA)

Description

【０００１】
【発明の属する技術分野】
本発明は、画像監視装置および画像監視方法に係り、特に、画像センサが監視する監視領域内での変化を検出する装置および方法として好適な画像監視装置および画像監視方法に関する。
【０００２】
【従来の技術】
従来より、例えば特開平４−２９１６０６号公報に開示される如く、画像センサにより所定領域を監視して、その領域内における異常の発生を検知する装置が知られている。
上記従来の装置は、画像センサで取得した画像データから時間的または空間的な変化の特徴を抽出し、その特徴に基づいて画像データに有意な変化が認められると判断できる場合に監視領域における異常を検知する。上記の手法によれば、監視領域に発生する異常を容易に検出することができる。
【０００３】
【発明が解決しようとする課題】
画像データは、2次元的に配置された複数のピクセル値の集合と把握することができる。従って、画像データに変化が生じたか否かは、例えば、複数のピクセル値の一部に変化が生じたか否かを判断することにより判断できる。一部のピクセル値に変化が生じたか否かは、例えば、ピクセル値毎に通常値からの変化が生じているかを判断することにより、または、複数のピクセル値の分布に通常の分布からの変化が生じているかを判断することにより判断できる。
【０００４】
従って、上記従来の装置においては、画像データを構成する複数のピクセル値のそれぞれについて、通常値からの変化が生じているか否かを判断することにより、または、複数のピクセル値の分布に通常分布からの変化が生じているか否かを判断することにより画像データ内における変化の有無、すなわち、監視領域内での異常の有無を判断することができる。
【０００５】
しかし、画像データを構成するピクセル値の値は、監視される対象物と画像センサとの間に介在する空気の状態や、対象物に照射される光の強度等に大きな影響を受ける。このため、各ピクセル値の通常値や複数のピクセル値の通常の分布は、対象物の状態が一定であっても、天候や季節等に応じた変化を示す。従って、通常値や通常の分布を予め定める必要のある従来の手法によっては、対象物の変化を常に優れた精度で検出することが困難である。
【０００６】
本発明は、上記のような課題を解決するためになされたもので、天候や季節の変化に影響されることなく、常に優れた精度で監視領域内の変化を検出する画像監視装置を提供することを第１の目的とする。
【０００７】
また、本発明は、天候や季節の変化に影響されることなく、常に優れた精度で監視領域内の変化を検出する画像監視方法を提供することを第２の目的とする。
【０００８】
【課題を解決するための手段】
本発明の請求項１に係る画像監視装置は、お互いに近似した値を示す複数のピクセル値で構成された監視領域の変化を検出する画像監視装置において、
監視領域の画像データを構成する複数のピクセル値を出力し得る画像センサと、
前記複数のピクセル値の分布を検出する分布検出手段と、
前記ピクセル値の分布を、通常値の集合と、前記通常値から変化した変化値の集合で構成される混合分布と仮定することの確からしさを表す変化評価値を演算する変化評価値算出手段と、
前記ピクセル値の分布を、前記通常値の集合のみで構成される非変化分布と仮定することの確からしさを表す非変化評価値を演算する非変化評価値算出手段と、
前記変化評価値と、前記非変化評価値とに基づいて、前記監視領域に通常状態からの変化が生じたか否かを判断する判断手段と、
を備えるものである。
【０００９】
本発明の請求項２に係る画像監視装置は、前記監視領域の基準状態に対応する参照画像データを記憶する参照画像データ記憶手段と、
前記画像センサが取得する画像データと、前記参照画像データとの差分に相当する差分画像を作成する差分画像作成手段とを備え、
前記分布検出手段が、前記差分画像を構成する複数のピクセル値の分布を検出するものである。
【００１０】
本発明の請求項３に係る画像監視装置は、前記変化評価値算出手段が、前記複数のピクセル値のそれぞれを、前記通常値の集合と仮定した通常値集合と、前記変化値の集合と仮定した変化値集合とに分類する分類手段を備え、
前記監視領域に変化が生じたと判断される場合に、前記変化値の集合に属するピクセル値に対応する部位の集合を変化範囲と特定する変化範囲特定手段を備えるものである。
【００１１】
本発明の請求項４に係る画像監視装置は、前記分類手段による分類を適当に変化させる分類変更手段と、
前記通常値の集合に属するピクセル値の分布および前記変化値の集合に属するピクセル値の分布と、所定の分布との適合度合いに基づいて前記分類手段による分類の適性を評価する分類評価手段とを備え、
前記評価値演算手段が、前記分類評価手段により最適な評価の得られた分類を有する混合分布に基づいて前記変化評価値を演算するものである。
【００１２】
本発明の請求項５に係る画像監視装置は、前記複数のピクセル値の分布の種類を、予め想定した複数の分布種類の中の一つに特定する分布種類特定手段を備えると共に、
前記変化評価値算出手段および前記非変化値演算手段が、前記分布特定手段により特定される分布種類を前記通常値の集合により構成される分布の種類と認識して前記変化評価値または前記非変化評価値を演算するものである。
【００１３】
本発明の請求項６に係る画像監視装置は、前記変化評価値算出手段および前記非変化値演算手段が、それぞれ、自由パラメータ数の異なるモデル間の優劣比較を可能とする所定の基準値を演算する手法で、前記複数のピクセル値に基づいて、前記変化評価値または前記非変化評価値を演算するものである。
【００１４】
本発明の請求項７に係る画像監視方法は、お互いに近似した値を示す複数のピクセル値で構成された監視領域の変化を検出する画像監視方法において、
画像センサから、監視領域の画像データを構成する複数のピクセル値を取得するピクセル値検出ステップと、
前記複数のピクセル値の分布を検出する分布検出ステップと、
前記ピクセル値の分布を、通常値の集合と、前記通常値から変化した変化値の集合で構成される混合分布と仮定することの確からしさを表す変化評価値を演算する変化評価値算出ステップと、
前記ピクセル値の分布を、前記通常値の集合のみで構成される非変化分布と仮定することの確からしさを表す非変化評価値を演算する非変化評価値算出ステップと、
前記変化評価値と、前記非変化評価値とに基づいて、前記監視領域に通常状態からの変化が生じたか否かを判断する判断ステップと、
を備えるものである。
【００１５】
本発明の請求項８に係る画像監視方法は、前記監視領域の基準状態に対応する参照画像データを記憶する参照画像データ記憶ステップと、
前記画像センサが取得する画像データと、前記参照画像データとの差分に相当する差分画像を作成する差分画像作成ステップとを備え、
前記分布検出ステップが、前記差分画像を構成する複数のピクセル値の分布を検出するものである。
【００１６】
本発明の請求項９に係る画像監視方法は、前記変化評価値算出ステップが、前記複数のピクセル値のそれぞれを、前記通常値の集合と仮定した通常値集合と、前記変化値の集合と仮定した変化値集合とに分類する分類ステップを備え、
前記監視領域に変化が生じたと判断される場合に、前記変化値の集合に属するピクセル値に対応する部位の集合を変化範囲と特定する変化範囲特定ステップを備えるものである。
【００１７】
本発明の請求項１０に係る画像監視方法は、前記分類ステップによる分類を適当に変化させる分類変更ステップと、
前記通常値の集合に属するピクセル値の分布および前記変化値の集合に属するピクセル値の分布と、所定の分布との適合度合いに基づいて前記分類ステップによる分類の適性を評価する分類評価ステップとを備え、
前記評価値演算ステップが、前記分類評価ステップにより最適な評価の得られた分類を有する混合分布に基づいて前記変化評価値を演算するものである。
【００１８】
本発明の請求項１１に係る画像監視方法は、前記複数のピクセル値の分布の種類を、予め想定した複数の分布種類の中の一つに特定する分布種類特定ステップを備えると共に、
前記変化評価値算出ステップおよび前記非変化値演算ステップが、前記分布特定ステップにより特定される分布種類を前記通常値の集合により構成される分布の種類と認識して前記変化評価値または前記非変化評価値を演算するものである。
【００１９】
本発明の請求項１２に係る画像監視方法は、前記変化評価値算出ステップおよび前記非変化値演算ステップが、それぞれ、自由パラメータ数の異なるモデル間の優劣比較を可能とする所定の基準値を演算する手法で、前記複数のピクセル値に基づいて、前記変化評価値または前記非変化評価値を演算するものである。
【００２０】
【発明の実施の形態】
以下、図面を参照してこの発明の実施の形態について説明する。尚、各図において共通する要素には同一の符号を付して重複する説明を省略する。
【００２１】
実施の形態１．
図１は本発明の実施の形態１の画像監視装置のシステム構成図を示す。本実施形態の画像監視装置は、画像センサ１０を備えている。画像センサ１０は、所定の監視領域し、その監視領域に対応する２次元的な画像データを取得するセンサである。画像センサ１０は、例えば、テレビカメラのような可視撮像装置やIR撮像装置、或いは、合成開口レーダ(SAR)などにより実現される。
【００２２】
画像センサ１０により得られる画像データは、２次元的に配置された複数のピクセル値の集合と把握することができる。また、この場合、複数のピクセル値のそれぞれは、２次元的な広がりを有する監視領域の特定部分の状態に対応していると把握することができる。より具体的には、個々のピクセル値は、そのピクセル値に対応する特定部分から画像センサ１０に到達する可視光の強度、赤外線の強度、或いは、レーダ送信波に起因する反射波の強度等に相当する。
【００２３】
本実施形態の画像監視装置は領域分割部１２を備えている。画像センサ１０で取得された画像データは領域分割部１２に供給される。領域分割部１２は、監視領域全域に対応する画像データを、複数の所定領域に対応する領域データに分割する処理を実行する。
【００２４】
図２は、画像センサ１０が取得する画像データ１４と、領域分割部１２により生々される領域データの一部１６，１８，２０を示す。
本実施形態において、画像センサ１０は、山、河川および森林を含む広大な領域を監視している。このため、画像データ１４には、山、河川および森林のそれぞれに対応する領域が存在する。
【００２５】
画像データ１４を構成する複数のピクセル値のうち、山の領域に対応するピクセル値同士は、互いに近似した値を示す。同様に、河川の領域に対応するピクセル値同士、および、森林の領域に対応するピクセル値同士は、互いに近似した値を示す。このように、画像データ１４内には、ピクセル値同士が近似した値を示す小領域が存在する。領域分割部１２は、画像データ１４を、特に近似するピクセル値のみが含まれる小領域に分割し、各小領域に対応する領域データを生成する。このため、領域分割部１２で生成される領域データには、その領域内に変化が生じない限り、値の近似したピクセル値のみが含まれる。
【００２６】
図３は、領域分割部１２により生成された領域データの一例２２を示す。図３に示す領域データ２２は、対応する小領域のほぼ中央部に、他の部分に比してピクセル値の高い領域を有している。
図４は、図３に示す領域データ２２に含まれるピクセル値の分布を示す。尚、図４に示す分布は、領域データ２２に最も多数含まれるピクセル値、すなわち、分布のピークとなるピクセル値が“０”であるものとして表されている。
【００２７】
本実施形態において、画像センサ１０の監視領域は、予め定められた既知の領域に設定されている。従って、領域分割部１２により生成される領域データのそれぞれも、予め設定された既知の小領域に対応している。また、既知の小領域に対応するピクセル値の分布の種類は、その小領域に変化が生じない限りほぼ一定に維持される。以下、この分布形状を基本分布種類と称す。本実施形態において、画像監視装置は、後述の如く、全ての小領域に対応する基本分布種類を記憶している。
【００２８】
領域データ２２に対応する小領域は、基本分布種類が正規分布である領域である。従って、その小領域に変化が生じていない場合は、領域データ２２の分布がほぼ正規分布に従う。上記の如く、図３に示す領域データ２２には、他の部分に比してピクセル値の高い領域が含まれている。このため、図４に示す分布は、ピクセル値の大きな領域に、正規分布から外れる部分が形成されている。
【００２９】
本実施形態の画像監視装置は、変化評価値算出部２４および非変化評価値算出部２６を備えている。領域分割部１２で生成された領域データは、変化評価値算出部２４および非変化評価値算出部２６の双方に供給される。変化評価値算出部２４は、領域データ内に変化が生じていることの確からしさを表す変化評価値ＪAを算出する部分である。一方、非変化評価値算出部２６は、領域データ内に変化が生じていないことの確からしさを表す非変化評価値ＪBを算出する部分である。
【００３０】
図５は、変化評価値算出部２４で実行される一連の処理のフローチャートを示す。図５に示す一連の処理は、個々の領域データに対して実行される。図５に示す一連の処理においては、先ずステップ３０の処理が実行される。
【００３１】
ステップ３０では、領域分割部１２から領域データを取り込む処理が実行される。
【００３２】
ステップ３２では、領域データ内に変化が生じていることを仮定して、領域データに含まれるピクセル値の分布(以下、ピクセル値分布と称す)をモデル化する処理が実行される。以下、本ステップ３２で設定されるモデルを変化仮定モデルと称す。変化仮定モデルは、ピクセル値の分布が、通常値から変化していないピクセル値の分布（以下、通常値分布と称す）と、通常値から変化しているピクセル値の分布(以下、変化値分布と称す)の混合分布である場合に現実のピクセル値分布と良好に適合する。
【００３３】
上述の如く、本実施形態においては、各小領域に対応する基本分布種類が予め設定されている。基本分布種類は、ピクセル値の通常値の集合により形成される分布の種類である。従って、変化仮定モデルにおいても、通常値分布の種類は基本分布種類に一致する。また、本実施形態において、小領域の変化に伴って通常値から変化したピクセル値の集合は、正規分布に従うとものとして扱うことができる。従って、変化仮定モデルにおいて、変化値分布の種類は、正規分布とみなすことができる。
【００３４】
このように、本実施形態においては、変化仮定モデルを構成する２つの分布（通常値分布および変化値分布）の種類を何れも既知のものとして扱うことができる。領域データに含まれる複数のピクセル値を、２の集合に分ける分類は多数存在する。上記ステップ３２では、これら多数の分類のうちで、既知の通常値分布の種類と、既知の変化値分布の種類との組み合わせに最も適合する分類を検出し、その分類に従う混合分布を変化仮定モデルとして設定する。
【００３５】
上記ステップ３２の処理は、例えば、公知のk-means法や、公知のロバストクラスタリング等の手法を用いることにより実現できる。K-means法は、▲１▼所定の分布に含まれる複数のデータを適当に２つの集合に分類し、▲２▼その分類に対する尤度や対数尤度（既知の分布種類に対する適合度を表す評価値）を演算し、▲３▼尤度や対数尤度に基づいて最良の分類が得られるまで上記の処理を繰り返すことにより最適な分類を検出する手法である。
【００３６】
一方、ロバストクラスタリングは、ほぼk-means法と同じ処理を行うが、２つの集合にデータを分類し、その分類に対する評価値を算出する際、各集合の中心から大きく離れたデータは無視して算出するほうほうである。
【００３７】
本実施形態において、上記ステップ３２では、具体的には、対数尤度を評価値として、k-means法により最適分類を検出する処理が実行される。以下、上記ステップ３２において実行される処理の一例を説明する。尚、以下の例は、領域データに含まれるピクセル数がＮであり、それらのピクセル値がスカラー値yi（１≦ｉ≦Ｎ）であり、かつ、通常値分布および変化値分布が共に正規分布に従う場合の処理である。
【００３８】
上記ステップ３２では、先ず、適当なピクセル値をしきい値として、Ｎ個のピクセル値yi（１≦ｉ≦Ｎ）を集合１および集合２に分類する処理が実行される。変化評価値算出部２４では、ピクセル番号ｉおよび集合番号ｋに対応してλik（１≦ｉ≦Ｎ；k=１または２）が定義されている。ピクセル値yiが集合１に含まれる場合、λi1およびλi2は、それぞれλi1＝１，λi2＝０に設定される。一方、ピクセル値yiが集合２に含まれる場合、λi1およびλi2は、それぞれλi1＝０，λi2＝１に設定される。上記のλikによれば、Ｎ個のピクセル値yiの分類結果をＮ行２列の行列Λで表すことができる。
【００３９】
上述した行列の対数尤度Ｊ(Λ)は、次式（１）により表すことができる。
【００４０】
【数１】

Figure 0004112068
【００４１】
但し、上記（１）式に示すyavekは集合ｋに含まれるピクセル値yiの平均値である。また、上記（１）式に示すσk2は集合ｋに含まれるピクセル値yiの誤差の分散である。これらの値は、それぞれ次式（２）および（３）により表すことができる。
【００４２】
【数２】
Figure 0004112068
【００４３】
尚、集合ｋに含まれるピクセル値yiの誤差の分散σk2は、上記（３）式に代えて次式（４）により演算しても良い。
【００４４】
【数３】
Figure 0004112068
【００４５】
上記（１）式により演算される対数尤度Ｊ(Λ)は、集合１に含まれるピクセル値の分布、および、集合２に含まれるピクセル値の分布が、共に正規分布に適合するほど小さな値となる特性値である。上記ステップ３２では、対数尤度Ｊ(Λ)を最小とする分類が検出されるまで、異なる分類を設定し、その分類に対する対数尤度Ｊ(Λ)を演算する処理が繰り返される。その結果、上記ステップ３２の処理によれば、通常値分布および変化値分布を、共に既知の分布種類に適合させるうえで最適な変化仮定モデルを得ることができる。
【００４６】
上記図３および図４に示す領域データ２２については、ピクセル値“６”をしきい値として、その値“６”に満たないピクセル値を通常値の集合に分類し、かつ、“６”以上のピクセル値を変化値の集合に分類した場合に対数尤度Ｊ(Λ)を最小値とすることができる。従って、上記ステップ３２の処理によれば、領域データ２２に対して、上記の分類に従う混合分布が変化仮定分布として設定される。上記ステップ３２の処理が終了すると、次に、変化評価値算出部２４においてステップ３４の処理が実行される。
【００４７】
ステップ３４では、領域分割部１２から出力される領域データを、通常値分布と変化値分布の混合分布であると仮定することの確からしさを表す変化評価値ＪAが演算される。
【００４８】
ところで、本実施形態の画像監視装置は、領域データに含まれている複数のピクセル値に基づいて、領域データに対応する小領域に変化が生じているか否かを判断する。領域データ内に変化が生じたか否かは、例えば、領域データ内に通常値と異なるピクセル値が含まれているか否かに基づいて判断することができる。また、領域データ内に変化が生じたか否かは、例えば、ピクセル値分布が通常の分布と異なっているか否かに基づいても判断することができる。
【００４９】
しかし、各ピクセル値の通常値、および、領域データに含まれるピクセル値の通常の分布は、天候や季節等の外因により大きな変化を示す。このため、通常値や通常分布を一定値または一定分布に設定して上記の判別を行うことによっては、領域データ内における変化の発生を常に精度良く検出することはできない。
【００５０】
本実施形態の画像監視装置は、ピクセル値分布のモデルとして、上記の如く変化仮定モデルを設定すると共に、後述の如く、領域データに変化が生じていないとの仮定に基づく非変化仮定モデルを設定する。非変化仮定モデルは、基本分布種類と同じ種類の分布を有するモデルである。
【００５１】
ピクセル値分布の種類(例えば、正規分布、ワイブル分布，Ｋ分布等)は、小領域に変化が生じない限りは、ほぼ常に一定の種類に維持される。従って、小領域に変化が生じていない場合は、ピクセル値分布の種類が基本分布種類に一致するはずである。この場合、現実のピクセル値分布は、変化仮定モデルより非変化仮定モデルに良好に適合する。
【００５２】
一方、小領域内に変化が発生し、その結果、領域データに含まれる一部のピクセル値に変化が生ずると、現実のピクセル値分布の種類が、基本分布種類と異なるものとなる。そして、小領域内に明らかな変化が発生すると、現実のピクセル値分布が、非変化仮定モデルより変化仮定モデルに良好に適合する事態が生ずる。
【００５３】
換言すると、本実施形態の画像監視装置においては、現実のピクセル値分布が、変化仮定モデルより非変化仮定モデルに適合する場合は、領域データ内に変化が生じていないと判断することができる。また、現実のピクセル値分布が、非変化仮定モデルより変化仮定モデルに適合する場合には、領域データ内に変化が発生したと判断することができる。このような手法によれば、天候や季節に関わらず、常に優れた精度で小領域内の変化の有無を判断することが可能である。本実施形態の画像監視装置は、小領域内の変化の有無を上記の手法で判断する点に特徴を有している。
【００５４】
上述の如く、尤度や対数尤度は、設定したモデルと現実の分布との適合度合いを表す特性値である。従って、尤度や対数尤度によれば、設定したモデルの適性を判断することができる。しかしながら、尤度や対数尤度は、モデルの自由パラメータ数が大きい程、高い適合度合いを表す値となり易い傾向を有している。このため、尤度や対数尤度によっては、自由パラメータ数の異なるモデル間の優劣を比較することができない。
【００５５】
本実施形態において設定される変化仮定モデルには２つの分布が含まれている。一方、非変化仮定モデルには一つの分布のみが含まれている。このため、これら２つのモデルの自由パラメータ数は互いに相違している。従って、変化仮定モデルと非変化仮定モデルの優劣は、尤度や対数尤度によっては直接比較することができない。
【００５６】
自由パラメータ数の異なるモデル間同士での優劣比較を可能とする手法としては、例えば、AIC(Akaike Information Criterion)、MDL(Minimum Description Length)基準、および、MDL原理等を用いる手法が知られている。本実施形態の画像監視装置は、これらの手法のうちMDL原理を用いる手法で変化仮定モデルと非変化仮定モデルの優劣比較を行うこととしている。
【００５７】
すなわち、上述したステップ３４では、MDL原理に基づく手法で、変化仮定モデルに対する変化評価値ＪAが演算される。上記ステップ３２の処理により設定された変化仮定モデルに対する変化評価値ＪAは、次式（５）により求めることができる。
【００５８】
【数４】
Figure 0004112068
【００５９】
上記（５）式により得られる変化評価値ＪAは、変化仮定モデルが現実のピクセル値分布に適合しているほど小さな値となる特性値である。上記の演算処理が終了すると、変化評価値算出部２４において、次にステップ３６の処理が実行される。
ステップ３６では、変化仮定範囲Ｃを特定する処理が実行される。本ステップ３６では、変化仮定モデルの設定時に変化値集合に分類されたピクセル値の存在範囲が範囲変化仮定範囲Ｃとして特定される。
【００６０】
図６は、上記図３に示す領域データ２２を、ピクセル値“６”以上の部分と、ピクセル値“６”未満の部分とに分類して表した図を示す。領域データ２２が処理の対象である場合、本ステップ３６では、図６中に白抜きで表した範囲が変化仮定範囲Ｃとして特定される。上記の処理が終了すると、変化評価値算出部２４において実行すべき一連の処理が終了する。
【００６１】
図７は、非変化評価値算出部２６で実行される一連の処理のフローチャートを示す。図７に示す一連の処理は、個々の領域データに対して実行される。図７に示す一連の処理においては、先ずステップ４０の処理が実行される。
【００６２】
ステップ４０では、領域分割部１２から領域データを取り込む処理が実行される。
【００６３】
ステップ４２では、領域データ内に変化が生じていないことを仮定して、ピクセル値分布を、基本分布種類と同種の分布でモデル化する処理が実行される。以下、本ステップ４２で設定されるモデルを非変化仮定モデルと称す。非変化仮定モデルは、領域データに含まれる全てのピクセル値が通常値の集合に含まれる場合に現実のピクセル値分布と良好に適合する。
【００６４】
ステップ４４では、領域分割部１２から出力される領域データを、通常値分布のみで構成される分布であると仮定することの確からしさを表す非変化評価値ＪBが演算される。本実施形態において、非変化評価値ＪBは、上述した変化評価値ＪAと同様に、MDL原理に従う手法で演算される。非変化評価値ＪBは、例えば、領域データの基本分布種類が正規分布であり、領域データにピクセル数Ｎのピクセル値yi（１≦ｉ≦Ｎ）が含まれている場合には次式（６）により表される。
【００６５】
【数５】
Figure 0004112068
【００６６】
但し、上記（６）式に示すyaveは全てのピクセル値yiの平均値である。また、上記（６）式に示すσ２は全てのピクセル値yiの誤差の分散である。これらの値は、それぞれ次式（７）および（８）により表すことができる。
【００６７】
【数６】
Figure 0004112068
【００６８】
上記（６）で表される非変化評価値ＪBは、非変化仮定モデルが現実のピクセル値分布と適合するほど小さな値となる特性値である。また、上記の非変化評価値ＪBは、同一の領域データに対して演算される変化評価値ＪA(上記（５）式参照)との比較により、非変化仮定モデルと変化仮定モデルとの優劣比較を可能とする値である。上記ステップ４４で、非変化評価値ＪBが演算されると、非変化評価値算出部２６で実行すべき一連の処理が終了する。
【００６９】
本実施形態の画像監視装置は、図１に示す如く、変化判断部４８を備えている。変化評価値算出部２４で算出または特定された変化評価値ＪAおよび変化仮定範囲Ｃ、および、非変化評価値算出部２６で算出された非変化評価値ＪBは、変化判断部４８に供給される。変化判断部４８は、上記の如く供給される各種データに基づいて後述する処理を実行することで、小領域内の変化の有無を判断し、また、変化範囲を特定する。
【００７０】
図８は、変化判断部４８で実行される一連の処理のフローチャートを示す。図８に示す一連の処理は、個々の領域データに対して実行される。図８に示す一連の処理においては、先ずステップ５０の処理が実行される。
【００７１】
ステップ５０〜５４では、それぞれ、変化評価値ＪA、変化仮定範囲Ｃ、および、非変化評価値ＪBを取り込む処理が実行される。
【００７２】
ステップ５６では、変化評価値ＪAと非変化評価値ＪBとを比較する処理が実行される。上述の如く変化評価値ＪAおよび非変化評価値ＪBは、MDL原理に従って演算されており、モデルが現実の分布に適合しているほど小さな値となる。従って、ＪA＜ＪBが成立する場合は変化仮定モデルが非変化仮定モデルに比して優れていると判断でき、一方、ＪA＞ＪBが成立する場合は、非変化仮定モデルが変化仮定モデルに比して優れていると判断できる。
【００７３】
ステップ５８では、上記ステップ５６の比較処理により、変化仮定モデルが非変化仮定モデルに比して優れている、すなわち、ピクセル値分布のモデルとしては変化仮定モデルが適正であるとする結果が得られたか否かが判別される。その結果、変化仮定モデルが適正であると判別される場合は、領域データ内に何らかの変化が発生したと判断することが適切である。この場合、本ステップ５８に次いでステップ６０の処理が実行される。一方、本ステップ５８で変化仮定モデルが適正でないと判別される場合は、領域データ内に変化が生じていないと判断することが適切である。この場合、次にステップ６２の処理が実行される。
【００７４】
ステップ６０では、領域データ内における変化の発生を表す判断結果R1と、領域データ内における変化範囲ＣRとが出力される。変化範囲ＣRは、変化評価値算出部２４から供給された変化仮定範囲Ｃと一致する範囲である。
【００７５】
ステップ６２では、領域データ内に変化が発生していないことを表す判断結果R2が出力される。本ステップ６２の処理、または、上記ステップ６０の処理が終了すると、変化判断部４８において実行すべき一連の処理が終了される。
【００７６】
本実施形態の画像監視装置は、図1に示す如く、判断結果収集部６４を備えている。変化判断部４８が出力する判断結果R1,R2および変化範囲ＣRは、変化判断結果収集部６４に供給される。変化判断結果収集部６４は、個々の領域データに対応して出力されるそれらの判断結果R1,R2および変化範囲ＣRを収集して、画像センサ１０の監視領域全域に対応するデータを生成する。従って、変化判断結果収集部６４で生成されたデータによれば、監視領域の全域を対象として変化が生じているか否かを判断することができる。
【００７７】
上述の如く、本実施形態の画像監視装置によれば、ピクセル値分布のモデルとして変化仮定モデルと非変化仮定モデルの何れが優れているかに基づいて監視領域内の変化の有無を判断することができる。変化仮定モデルと非変化仮定モデルの優劣は、天候や季節などの外因に影響されることなく、監視領域内に変化が生じているか否かのみにより決定される。このため、本実施形態の画像監視装置によれば、監視領域内における変化の有無を常に優れた精度で判断することができる。
【００７８】
ところで、上記の実施形態においては、ピクセル値をスカラー値に限定しているが、本発明はこれに限定されるものではなく、ピクセル値を、強度と位相等複数の要素を含むベクトルまたは虚数などで表してもよい。
【００７９】
また、上記の実施形態においては、変化評価値算出部２４が複数のピクセル値を２つの集合に分類する手法としてk-means法を用いているが、本発明はこれに限定されるものではなく、上記の手法としてロバストクラスタリングを用いてもよい。
【００８０】
また、上記の実施形態においては、変化仮定モデルと非変化仮定モデルの優劣を判断する手法として、MDL原理に基づいた手法を用いているが、本発明はこれに限定されるものではなく、上記の判断を、例えば、AICまたはMDL基準を用いた手法で行うこととしても良い。
【００８１】
また、上記の実施形態においては、変化評価値算出部２４が、変化値集合に分類されたピクセル値、すなわち、所定のしきい値以上の値を有するピクセル値の存在範囲異を変化仮定範囲Ｃとして特定することとしているが、変化仮定範囲Ｃを特定する手法はこれに限定されるものではなく、変化評価値算出部２４によってピクセル数の少ない側の集合に分類されたピクセル値の存在範囲を変化仮定範囲Ｃとして特定してもよい。
【００８２】
更に、上記の実施形態においては、画像データを構成するピクセル値が直接領域分割部１２に供給されているが、本発明はこれに限定されるものではなく、何らかのフィルタ処理を施した後のピクセル値を領域分割部１２に供給することとしてもよい。
【００８３】
例えば、画像データを構成するピクセル値の数が多大である場合は、上記のフィルタ処理として、隣接する複数のピクセル値を１つのピクセル値に変換する処理を実行することが有効である。上記の処理によれば、領域分割部１２に供給されるピクセル値の数を減少させることができる。このため、上記の処理を実行することによれば、画像データに多大なピクセル値が含まれる場合に、不必要に膨大な処理を実行することなく所望の監視機能を実現することが可能となる。
【００８４】
また、例えば、画像データに大きなノイズが重畳する場合は、上記のフィルタ処理として、１つのピクセル値を、隣接する複数のピクセル値の平均値に変換する移動平均処理を実行することが有効である。上記の処理によれば、個々のピクセル値に対するノイズの影響を有効に抑制することができる。このため、上記の処理を実行することによれば、画像データにノイズが重畳し易い状況下で、正確な監視機能を実現することが可能となる。
【００８５】
尚、上記の実施形態においては、上記ステップ３０〜３４の処理により前記請求項１記載の「分布検出手段」および「変化評価値算出手段」、および、前記請求項１２記載の「分布検出ステップ」および「変化評価値算出ステップ」が、上記ステップ４０〜４４の処理により前記請求項１記載の「非変化評価値算出手段」および前記請求項１２記載の「非変化評価算出ステップ」が、それぞれ実現されている。
【００８６】
また、上記の実施形態においては、上記ステップ３２の処理により前記請求項３記載の「分類手段」および前記請求項９記載の「分類ステップ」が、上記ステップ３６，５８および６０の処理により前記請求項３記載の「変化範囲特定手段」および前記請求項９記載の「変化範囲特定ステップ」が、それぞれ実現されている。
【００８７】
また、上記の実施形態においては、上記ステップ３２の処理により前記請求項４記載の「分類変更手段」および「分類評価手段」、および、前記請求項１０記載の「分類変更ステップ」および「分類評価ステップ」が、それぞれ実現されている。
【００８８】
更に、上記の実施形態においては、AIC、MDL基準またはMDL原理を用いた手法が、前記請求項６または１２記載の「自由パラメータ数の異なるモデル間の優劣比較を可能とする所定の基準値を演算する手法」に相当している。
【００８９】
実施の形態２．
次に、図９を参照して、本発明の実施の形態２の画像監視装置について説明する。
図９は、本実施形態の画像監視装置のシステム構成図を示す。本実施形態の画像監視装置は、上記図１に示すシステム構成において、参照画像記憶部７０および差分画像作成部７２を備えている点に特徴を有している。
【００９０】
参照画像記憶部７０には、監視領域の基準状態を表す画像データが、参照画像として記憶されている。参照画像記憶部７０は、差分画像作成部７２に対して上記の参照画像を供給する。差分画像作成部７２には、参照画像記憶部７０から参照画像が供給されると共に、画像センサ１０から画像データが供給される。差分画像作成部７２は、後述の処理を行うことで画像データと参照画像の差分画像を作成し、作成した差分画像を領域分割部１２に供給する。
【００９１】
図１０は、差分画像作成部７２において実行される一連の処理のフローチャートを示す。本実施形態の画像監視装置は、例えば１時間毎等、所定時間毎に監視領域の監視処理を実行する。図１０に示す一連の処理は、上記の所定時間毎に繰り返し実行される。図１０に示す処理においては、先ずステップ８０の処理が実行される。
【００９２】
ステップ８０では、画像センサ１０から画像データを取り込む処理が実行される。本ステップ８０で取り込まれた画像データは、差分画像作成部７２において、２次元的に配置されたピクセル値の集合として扱われる。
【００９３】
ステップ８２では、参照画像記憶部７０から参照画像を取り込む処理が実行される。本ステップ８２で取り込まれた参照画像は、画像データと同様に、差分画像作成部７２において、２次元的に配置されたピクセル値の集合として扱われる。
【００９４】
ステップ８４では、対応するピクセル値同士の差分を求めることにより、画像データと参照画像の差分画像を作成し、その差分画像を領域分割部１２に出力する処理が実行される。
【００９５】
ステップ８６では、参照画像記憶部７０に、今回の処理サイクルで取得した画像データを新たな参照画像として記憶させる処理が実行される。本ステップ８６の処理が終了すると、差分画像作成部７２において実行すべき一連の処理が終了される。
【００９６】
上記の処理によれば、領域分割部１２には、画像データと参照画像７０との差分画像が供給される。差分画像を構成するピクセル値は、画像データと参照画像とが一致する範囲内では“０”となり、画像データと参照画像とが一致しない範囲で“０”と異なる値となる。
【００９７】
画像データは、広範な監視領域に対応している。このため、画像データの中には、ピクセル値（通常値）が比較的大きな領域や、ピクセル値の比較的小さな領域が混在している。このため、画像データを分割して画像データから直接的に領域データを作成すると、作成された複数の領域データに、画像データ内での位置の差に起因するバイアス誤差が残存する。
【００９８】
これに対して、上述した差分画像は、広範な監視領域に対応しているにも関わらず、全域においてほぼ等しくピクセル値“０”を有している。このため、差分画像を分割することにより領域データを作成することによれば、バイアス誤差の無い領域データを得ることができる。更に、上記の手法で作成された領域データによれば、単純に、ピクセル値の絶対値が大きい部位を変化部位と把握することが可能となる。このため、本実施形態の画像監視装置によれば、実施の形態１の画像監視装置に比して、容易に高精度な監視機能を実現することができる。
【００９９】
ところで、上記の実施形態においては、画像監視装置による監視処理を所定時間毎に実行することとしているが、本発明はこれに限定されるものではなく、画像監視装置による監視処理を常時実行し、参照画像の更新処理のみを所定時間毎に実行することとしてもよい。
【０１００】
尚、上記の実施形態においては、参照画像記憶手段７０により前記請求項２記載の「参照画像データ記憶手段」が、上記ステップ８６の処理により前記請求項８記載の「参照画像データ記憶ステップ」が、上記ステップ８４の処理により前記請求項２記載の「差分画像作成手段」および前記請求項８記載の「差分画像作成ステップ」が、それぞれ実現されている。
【０１０１】
実施の形態３．
次に、図１１および１２を参照して、本発明の実施の形態３の画像監視装置について説明する。
図１１は、本実施形態の画像監視装置のシステム構成図を示す。本実施形態の画像監視装置は、分布検定部９０を備えている。分布検定部９０には領域分割部１２から領域データが供給されている。分布検定部９０は、後述した処理を行うことにより、領域データに含まれるピクセル値の分布の種類を検定し、その分布の種類を予め設定されている複数の分布種類の一つに特定する。
【０１０２】
本実施形態の画像監視装置は、分布検定型変化評価値算出部９２および分布検定型非変化評価値算出部９４を備えている。分布検定型変化評価値算出部９２および分布検定型非変化評価値算出部９４には、領域分割部１２から領域データが供給されると共に、分布検定部９０から特定された分布の種類に関するデータが供給される。
【０１０３】
上述した実施の形態１および２の画像監視装置において、変化評価値ＪAおよび非変化評価値ＪBは、領域データに含まれるピクセル値の基本分布種類（変化が無い場合の分布種類）が既知であることを前提に算出される。従って、実施の形態１および２の画像監視装置においては、全ての監視領域に含まれる全ての小領域について予め基本分布種類を決定しておくことが必要となる。
【０１０４】
本実施形態の画像監視装置は、分布検定型変化評価値算出部９２および分布検定型非変化評価値算出部９４が、領域データに含まれるピクセル値の基本分布種類が分布検定部９０によって特定された分布種類であるとして、変化評価値ＪAおよび非変化評価値ＪBを演算する点に特徴を有している。上記の手法によれば、小領域に対する基本分布種類を予め決定することなく、全ての小領域を対象として高精度に変化評価値ＪAおよび非変化評価値ＪBを求めることができる。
【０１０５】
図１２は、分布検定部９０において実行される一連の処理のフローチャートを示す。図１２に示す一連の処理は領域データ毎に実行される。図１２に示す処理においては、先ず、ステップ１００の処理が実行される。
【０１０６】
ステップ１００では、領域分割部１２から領域データを取り込む処理が実行される。
【０１０７】
ステップ１０２では、領域データに含まれるピクセル値の分布種類の検定が行われる。本実施形態において、各領域データに対応する小領域は、変化の生ずる範囲が、変化の生じない範囲に比して十分に小さくなるように設定されている。このため、領域データに含まれるピクセル値の分布種類は、領域データ内における変化の有無に関わらず常に同じ種類とみなすことができる。本実施形態においては、その分布種類を基本分布種類と称す。
【０１０８】
本実施形態の画像監視装置は、正規分布やワイブル分布やＫ分布などの分布種類を予め記憶している。上記ステップ１０２では、具体的には、適合度検定などの手法により、予め記憶されているそれらの分布種類の中で現実のピクセル値分布に最も近似する分布種類を選択する処理が実行される。
【０１０９】
ステップ１０４では、上記ステップ１０２で選択された分布種類が基本分布種類として特定され、更に、その基本分布種類を表すデータが分布検定型変化評価値算出部９２、および、分布検定型非変化評価値算出部９４に出力される。本ステップの処理が終了すると、分布検定部９０で実行すべき一連の処理が終了される。
【０１１０】
本実施形態の画像監視装置において、分布検定型変化評価値算出部９２は、領域データ含まれるピクセルのうち、通常値集合に含まれるピクセル値が上記の基本分布種類に従うものとして変化仮定モデルを設定し、更に、実施の形態１の場合と同様の処理により変化評価値ＪAを演算する。尚、実施の形態１においては、変化値集合に含まれるピクセル値の分布種類が既知であるとしているが、本実施形態において、その分布種類は、既知であるとしても、また、基本分布種類と同種であるとしてもよい。
【０１１１】
また、本実施形態の画像監視装置において、分布検定型非変化評価値算出部９４は、領域データに含まれるピクセル値が基本分布種類と同種の分布を形成するとして非変化仮定モデルを設定し、更に、実施の形態１の場合と同様の処理により非変化評価値ＪBを演算する。上記の処理によれば、予め小領域に対する基本分布種類を定める作業が不要となると共に、現実のピクセル値分布の種類を正確に変化評価値ＪAおよび非変化評価値ＪBに反映させることが可能となる。このため、本実施形態の画像監視装置によれば、容易かつ高精度に監視領域における変化を検出することができる。
【０１１２】
尚、上記の実施形態においては、上記ステップ１０２の処理により前記請求項５記載の「分布種類特定手段」および前記請求項１１記載の「分布種類特定ステップ」が、また、分布検定型変化評価値算出部９２および分布検定型非変化評価値算出部９４により前記請求項５記載の「変化評価値算出手段および非変化値演算手段」、および、前記請求項１１記載の「変化評価値算出ステップおよび非変化値演算ステップ」が、それぞれ実現されている。
【０１１３】
【発明の効果】
この発明は以上説明したように構成されているので、以下に示すような効果を奏する。
請求項１または７記載の発明によれば、変化評価値と非変化評価値とを比較することで、ピクセル値の分布を混合分布と仮定すべきか、或いは非変化分布と仮定すべきかを適正に判断することができる。そして、その判断結果に基づいて、監視領域に変化が生じたか否かを判断することができる。上記の手法によれば、天候や季節等の変化に影響されることなく、監視領域内での変化を常に優れた精度で検出することができる。
【０１１４】
請求項２または８記載の発明によれば、分布検出手段に、差分画像を構成する複数のピクセル値の分布を検出させることができる。画像データおよび参照画像データは、天候等の外部因子の影響をほぼ等しく受ける。このため、差分画像データには、それらの外部因子の影響が殆ど及ばない。本発明においては、上記の特性を有する差分画像データに基づい監視領域における変化の有無が判断される。このような手法によれば、外部因子に影響されることなく常に高い精度で監視領域の変化を検出することができる。
【０１１５】
請求項３または９記載の発明によれば、監視領域に変化が生じたと判断される場合に、変化値集合に属するピクセル値に対応する部位の集合が変化範囲と認識される。上記の手法によれば、監視領域内で通常状態から変化した範囲を容易かつ正確に検出することができる。
【０１１６】
請求項４または１０記載の発明によれば、通常値集合に属するピクセル値の分布および変化値集合に属するピクセル値の分布を所定の分布と最も適合させる分類が特定されると共に、その分類に従う混合分布に基づいて変化評価値が演算される。上記の手法によれば、ピクセル値の分布が混合分布であると仮定することの確からしさを、最適な混合分布に基づいて判断することができる。このため、本発明によれば、監視領域における変化の有無を正確に判断することができる。
【０１１７】
請求項５または１１記載の発明によれば、通常値の集合により構成される分布の種類を適性な分布に特定したうえで変化評価値および非変化評価値を演算することができる。これらの評価値は、それらの演算時に設定した仮定が現実の状態に一致しているほど精度良く演算できる。上記の処理によれば、通常値の集合により構成される分布の種類を現実の分布種類に近い種類に設定することができる。このため、本発明によれば、監視領域における変化の有無を正確に判断することができる。
【０１１８】
請求項６または１２記載の発明によれば、変化評価値および非変化評価値は、それぞれ、自由パラメータ数の異なるモデル間での優劣比較が可能となる基準値として演算される。変化評価値は、複数のピクセル値が２つの分布を構成するモデルを仮定して演算される。一方、非変化評価値は、複数のピクセル値が１つの分布を構成するモデルを仮定して演算される。これら２つのモデルには、異なる数の自由パラメータが含まれる。このため、これら２つのモデルの優劣を判断するためには、自由パラメータ数の相違を考慮した判断が必要となる。本発明によれば、上記の要求を満たす優劣比較が実行される。このため、本発明によれば、監視領域における変化の有無を正確に判断することができる。
【図面の簡単な説明】
【図１】 本発明の実施の形態１の画像監視装置のシステム構成図である。
【図２】 図１に示す画像監視装置で得られる画像データの一例である。
【図３】 図１に示す画像監視装置で得られる領域データの一例である。
【図４】 図３に示す領域データに含まれるピクセル値の分布である。
【図５】 図１に示す変化評価値算出部で実行される一連の処理のフローチャートである。
【図６】 図５に示すルーチンにより特定される変化仮定範囲を表す図である。
【図７】 図１に示す非変化評価値算出部で実行される一連の処理のフローチャートである。
【図８】 図１に示す変化判断部で実行される一連の処理のフローチャートである。
【図９】 本発明の実施の形態２の画像監視装置のシステム構成図である。
【図１０】 図９に示す差分画像作成部で実行される一連の処理のフローチャートである。
【図１１】 本発明の実施の形態３の画像監視装置のシステム構成図である。
【図１２】 図１１に示す差分画像作成部で実行される一連の処理のフローチャートである。
【符号の説明】
１０ 画像センサ、 １２ 領域分割部、 １４ 画像データ、 １６〜２２ 領域データ、 ２４ 変化評価値算出部、 ２６ 非変化評価値算出部、 ４８ 変化判断部、 ７０ 参照画像記憶部、 ７２ 差分画像作成部、 ９０ 分布検定部、 ９２ 分布検定型変化評価値算出部、 ９４ 分布検定型非変化評価値算出部、 ＪA 変化評価値、 ＪB 非変化評価値、 Ｃ 変化仮定範囲、 Ｒ1,Ｒ2 判断結果、 ＣR 変化範囲。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an image monitoring apparatus and an image monitoring method, and more particularly to an image monitoring apparatus and an image monitoring method suitable as an apparatus and method for detecting a change in a monitoring area monitored by an image sensor.
[0002]
[Prior art]
2. Description of the Related Art Conventionally, as disclosed in, for example, Japanese Patent Application Laid-Open No. 4-291606, an apparatus that monitors a predetermined area with an image sensor and detects the occurrence of an abnormality in the area is known.
The above-described conventional apparatus extracts a temporal or spatial change feature from image data acquired by an image sensor, and when it can be determined that a significant change is recognized in the image data based on the feature, an abnormality in the monitoring region Is detected. According to the above method, an abnormality occurring in the monitoring area can be easily detected.
[0003]
[Problems to be solved by the invention]
Image data can be understood as a set of a plurality of pixel values arranged two-dimensionally. Therefore, whether or not a change has occurred in the image data can be determined, for example, by determining whether or not a change has occurred in some of the plurality of pixel values. Whether or not some of the pixel values have changed can be determined by, for example, determining whether or not there is a change from the normal value for each pixel value, or changing the distribution of multiple pixel values from the normal distribution. Can be determined by determining whether or not
[0004]
Therefore, in the above conventional apparatus, for each of the plurality of pixel values constituting the image data, it is determined whether or not a change from the normal value has occurred, or the distribution of the plurality of pixel values is normally distributed. It is possible to determine whether there is a change in the image data, that is, whether there is an abnormality in the monitoring area.
[0005]
However, the value of the pixel value constituting the image data is greatly affected by the state of air interposed between the monitored object and the image sensor, the intensity of light irradiated on the object, and the like. For this reason, the normal value of each pixel value and the normal distribution of a plurality of pixel values show changes according to the weather, season, etc., even if the state of the object is constant. Therefore, it is difficult to always detect a change in an object with excellent accuracy by a conventional method in which a normal value or a normal distribution needs to be determined in advance.
[0006]
The present invention has been made to solve the above-described problems, and provides an image monitoring apparatus that always detects changes in a monitoring area with excellent accuracy without being affected by changes in weather and seasons. This is the first purpose.
[0007]
A second object of the present invention is to provide an image monitoring method that always detects a change in a monitoring area with excellent accuracy without being affected by changes in weather and seasons.
[0008]
[Means for Solving the Problems]
  An image monitoring apparatus according to a first aspect of the present invention includes:In an image monitoring apparatus for detecting a change in a monitoring area composed of a plurality of pixel values indicating values approximate to each other,
  An image sensor capable of outputting a plurality of pixel values constituting the image data of the monitoring area;
  Distribution detecting means for detecting a distribution of the plurality of pixel values;
  A change evaluation value calculating means for calculating a change evaluation value representing the probability of assuming that the distribution of the pixel values is a mixed distribution composed of a set of normal values and a set of change values changed from the normal values; ,
  A non-change evaluation value calculating means for calculating a non-change evaluation value representing the probability of assuming that the distribution of the pixel values is a non-change distribution composed of only the set of normal values;
  Determination means for determining whether or not a change from a normal state has occurred in the monitoring area based on the change evaluation value and the non-change evaluation value;
  Is provided.
[0009]
An image monitoring apparatus according to a second aspect of the present invention includes a reference image data storage unit that stores reference image data corresponding to a reference state of the monitoring area;
Difference image creating means for creating a difference image corresponding to a difference between the image data acquired by the image sensor and the reference image data;
The distribution detecting means detects a distribution of a plurality of pixel values constituting the difference image.
[0010]
In the image monitoring apparatus according to claim 3 of the present invention, the change evaluation value calculation means assumes that each of the plurality of pixel values is the normal value set and the change value set. Classification means for classifying the change value set into
When it is determined that a change has occurred in the monitoring area, change range specifying means for specifying a set of portions corresponding to pixel values belonging to the set of change values as a change range is provided.
[0011]
According to a fourth aspect of the present invention, there is provided an image monitoring apparatus comprising: a class changing unit that appropriately changes the classification by the classifying unit;
A classification evaluation unit that evaluates suitability of classification by the classification unit based on a degree of matching with a distribution of pixel values belonging to the set of normal values and a distribution of pixel values belonging to the set of change values, and a predetermined distribution. Prepared,
The evaluation value calculation means calculates the change evaluation value based on a mixture distribution having a classification for which an optimum evaluation is obtained by the classification evaluation means.
[0012]
The image monitoring apparatus according to a fifth aspect of the present invention includes a distribution type specifying unit that specifies a distribution type of the plurality of pixel values as one of a plurality of distribution types assumed in advance,
The change evaluation value calculation means and the non-change value calculation means recognize the distribution type specified by the distribution specification means as the type of distribution constituted by the set of normal values, and change evaluation value or non-change An evaluation value is calculated.
[0013]
In the image monitoring apparatus according to claim 6 of the present invention, the change evaluation value calculation means and the non-change value calculation means each calculate a predetermined reference value that enables superiority comparison between models having different numbers of free parameters. The change evaluation value or the non-change evaluation value is calculated based on the plurality of pixel values.
[0014]
  An image monitoring method according to claim 7 of the present invention includes:In an image monitoring method for detecting a change in a monitoring area composed of a plurality of pixel values indicating values approximate to each other,
  A pixel value detection step of acquiring a plurality of pixel values constituting the image data of the monitoring area from the image sensor;
  A distribution detecting step for detecting a distribution of the plurality of pixel values;
  A change evaluation value calculation step for calculating a change evaluation value representing the probability of assuming that the distribution of the pixel values is a mixed distribution composed of a set of normal values and a set of change values changed from the normal values; ,
  A non-change evaluation value calculation step of calculating a non-change evaluation value representing the probability of assuming that the distribution of the pixel values is a non-change distribution composed of only the set of normal values;
  A determination step of determining whether or not a change from a normal state has occurred in the monitoring area based on the change evaluation value and the non-change evaluation value;
  Is provided.
[0015]
An image monitoring method according to claim 8 of the present invention includes a reference image data storage step of storing reference image data corresponding to a reference state of the monitoring area;
A difference image creation step of creating a difference image corresponding to a difference between the image data acquired by the image sensor and the reference image data;
The distribution detection step detects a distribution of a plurality of pixel values constituting the difference image.
[0016]
In the image monitoring method according to claim 9 of the present invention, the change evaluation value calculation step assumes that each of the plurality of pixel values is the normal value set and the change value set. A classification step for classifying the change value set into
When it is determined that a change has occurred in the monitoring area, there is provided a change range specifying step of specifying a set of portions corresponding to pixel values belonging to the set of change values as a change range.
[0017]
An image monitoring method according to claim 10 of the present invention includes a classification changing step for appropriately changing the classification in the classification step;
A classification evaluation step for evaluating the suitability of classification according to the classification step based on the degree of conformity between the distribution of pixel values belonging to the set of normal values and the distribution of pixel values belonging to the set of change values, and a predetermined distribution. Prepared,
In the evaluation value calculation step, the change evaluation value is calculated based on a mixture distribution having a classification for which an optimum evaluation is obtained by the classification evaluation step.
[0018]
An image monitoring method according to an eleventh aspect of the present invention includes a distribution type specifying step of specifying a distribution type of the plurality of pixel values as one of a plurality of distribution types assumed in advance.
The change evaluation value calculation step and the non-change value calculation step recognize the distribution type specified by the distribution specification step as a type of distribution constituted by the set of normal values, and change evaluation value or non-change An evaluation value is calculated.
[0019]
In the image monitoring method according to a twelfth aspect of the present invention, the change evaluation value calculation step and the non-change value calculation step each calculate a predetermined reference value capable of comparing superiority and inferiority between models having different numbers of free parameters. The change evaluation value or the non-change evaluation value is calculated based on the plurality of pixel values.
[0020]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the present invention will be described below with reference to the drawings. In addition, the same code | symbol is attached | subjected to the element which is common in each figure, and the overlapping description is abbreviate | omitted.
[0021]
Embodiment 1 FIG.
FIG. 1 is a system configuration diagram of an image monitoring apparatus according to Embodiment 1 of the present invention. The image monitoring apparatus of this embodiment includes an image sensor 10. The image sensor 10 is a sensor that performs a predetermined monitoring area and acquires two-dimensional image data corresponding to the monitoring area. The image sensor 10 is realized by, for example, a visible imaging device such as a television camera, an IR imaging device, or a synthetic aperture radar (SAR).
[0022]
Image data obtained by the image sensor 10 can be understood as a set of a plurality of pixel values arranged two-dimensionally. Further, in this case, it can be understood that each of the plurality of pixel values corresponds to the state of a specific portion of the monitoring area having a two-dimensional spread. More specifically, each pixel value is the intensity of visible light, the intensity of infrared light, or the intensity of a reflected wave caused by a radar transmission wave that reaches the image sensor 10 from a specific portion corresponding to the pixel value. Equivalent to.
[0023]
The image monitoring apparatus according to the present embodiment includes an area dividing unit 12. The image data acquired by the image sensor 10 is supplied to the area dividing unit 12. The area dividing unit 12 executes processing for dividing image data corresponding to the entire monitoring area into area data corresponding to a plurality of predetermined areas.
[0024]
FIG. 2 shows image data 14 acquired by the image sensor 10 and part of the region data 16, 18, and 20 generated by the region dividing unit 12.
In the present embodiment, the image sensor 10 monitors a vast area including mountains, rivers, and forests. For this reason, the image data 14 has regions corresponding to mountains, rivers, and forests.
[0025]
Among a plurality of pixel values constituting the image data 14, pixel values corresponding to the mountain regions show values approximate to each other. Similarly, pixel values corresponding to the river region and pixel values corresponding to the forest region show values approximate to each other. Thus, there is a small region in the image data 14 that indicates a value approximated by pixel values. The area dividing unit 12 divides the image data 14 into small areas including only particularly approximate pixel values, and generates area data corresponding to each small area. For this reason, the region data generated by the region dividing unit 12 includes only pixel values that are approximate to the value unless a change occurs in the region.
[0026]
FIG. 3 shows an example 22 of area data generated by the area dividing unit 12. The area data 22 shown in FIG. 3 has an area having a higher pixel value than that of the other part in the substantially central part of the corresponding small area.
FIG. 4 shows a distribution of pixel values included in the area data 22 shown in FIG. Note that the distribution shown in FIG. 4 is represented as the pixel value that is most included in the region data 22, that is, the pixel value that is the peak of the distribution is “0”.
[0027]
In the present embodiment, the monitoring area of the image sensor 10 is set to a predetermined known area. Accordingly, each of the area data generated by the area dividing unit 12 also corresponds to a known small area set in advance. In addition, the type of distribution of pixel values corresponding to a known small area is maintained substantially constant unless a change occurs in the small area. Hereinafter, this distribution shape is referred to as a basic distribution type. In the present embodiment, the image monitoring apparatus stores basic distribution types corresponding to all small areas, as will be described later.
[0028]
The small area corresponding to the area data 22 is an area whose basic distribution type is a normal distribution. Therefore, when there is no change in the small area, the distribution of the area data 22 almost follows a normal distribution. As described above, the region data 22 shown in FIG. 3 includes a region having a higher pixel value than other portions. For this reason, in the distribution shown in FIG. 4, a portion deviating from the normal distribution is formed in an area where the pixel value is large.
[0029]
The image monitoring apparatus of this embodiment includes a change evaluation value calculation unit 24 and a non-change evaluation value calculation unit 26. The area data generated by the area dividing unit 12 is supplied to both the change evaluation value calculation unit 24 and the non-change evaluation value calculation unit 26. The change evaluation value calculation unit 24 is a part that calculates a change evaluation value JA that represents the probability that a change has occurred in the area data. On the other hand, the non-change evaluation value calculation unit 26 is a part that calculates a non-change evaluation value JB representing the certainty that no change has occurred in the area data.
[0030]
FIG. 5 shows a flowchart of a series of processes executed by the change evaluation value calculation unit 24. The series of processing shown in FIG. 5 is executed for each area data. In the series of processes shown in FIG. 5, first, the process of step 30 is executed.
[0031]
In step 30, a process for fetching area data from the area dividing unit 12 is executed.
[0032]
In step 32, assuming that a change has occurred in the area data, a process of modeling a distribution of pixel values included in the area data (hereinafter referred to as pixel value distribution) is executed. Hereinafter, the model set in step 32 is referred to as a change assumption model. The change assumption model includes a distribution of pixel values whose pixel values have not changed from normal values (hereinafter referred to as normal value distributions) and a distribution of pixel values that have changed from normal values (hereinafter referred to as change value distributions). It matches well with the actual pixel value distribution.
[0033]
As described above, in this embodiment, the basic distribution type corresponding to each small region is set in advance. The basic distribution type is a type of distribution formed by a set of normal values of pixel values. Therefore, also in the change assumption model, the type of normal value distribution matches the basic distribution type. Further, in the present embodiment, a set of pixel values that have changed from normal values as the small area changes can be treated as following a normal distribution. Therefore, in the change assumption model, the type of change value distribution can be regarded as a normal distribution.
[0034]
Thus, in the present embodiment, both types of two distributions (normal value distribution and change value distribution) constituting the change assumption model can be treated as known. There are many classifications that divide a plurality of pixel values included in region data into two sets. In step 32, among these many classifications, a classification that best suits the combination of the known normal value distribution type and the known change value distribution type is detected, and the mixture distribution according to the classification is represented as a change assumption model. Set as.
[0035]
The process of step 32 can be realized by using a known k-means method or a known robust clustering method, for example. In the K-means method, (1) a plurality of data included in a predetermined distribution are appropriately classified into two sets, and (2) likelihood and logarithmic likelihood (representing goodness of fit for a known distribution type). (Evaluation value) is calculated, and the above process is repeated until the best classification is obtained on the basis of (3) likelihood and logarithmic likelihood.
[0036]
On the other hand, robust clustering performs almost the same processing as the k-means method, but when classifying data into two sets and calculating an evaluation value for the classification, data that is far from the center of each set is ignored. This is the way to calculate.
[0037]
In the present embodiment, in step 32, specifically, a process of detecting the optimum classification by the k-means method with the log likelihood as an evaluation value is executed. Hereinafter, an example of the process executed in step 32 will be described. In the following example, the number of pixels included in the area data is N, the pixel values are scalar values yi (1 ≦ i ≦ N), and both the normal value distribution and the change value distribution are normal distributions. This is the process to follow.
[0038]
In step 32, first, a process of classifying N pixel values yi (1 ≦ i ≦ N) into set 1 and set 2 using appropriate pixel values as threshold values is executed. In the change evaluation value calculation unit 24, λik (1 ≦ i ≦ N; k = 1 or 2) is defined corresponding to the pixel number i and the set number k. When the pixel value yi is included in the set 1, λi1 and λi2 are set to λi1 = 1 and λi2 = 0, respectively. On the other hand, when the pixel value yi is included in the set 2, λi1 and λi2 are set to λi1 = 0 and λi2 = 1, respectively. According to the above λik, the classification result of N pixel values yi can be represented by a matrix Λ of N rows and 2 columns.
[0039]
The log likelihood J (Λ) of the matrix described above can be expressed by the following equation (1).
[0040]
[Expression 1]
Figure 0004112068
[0041]
However, yavek shown in the above equation (1) is an average value of the pixel values yi included in the set k. Also, σk shown in the above equation (1)2Is the error variance of the pixel values yi included in the set k. These values can be expressed by the following equations (2) and (3), respectively.
[0042]
[Expression 2]
Figure 0004112068
[0043]
The variance σk of the error of the pixel value yi included in the set k2May be calculated by the following equation (4) instead of the above equation (3).
[0044]
[Equation 3]
Figure 0004112068
[0045]
The logarithmic likelihood J (Λ) calculated by the above equation (1) is such a small value that the distribution of pixel values included in set 1 and the distribution of pixel values included in set 2 both conform to the normal distribution. Is the characteristic value. In step 32, until a class that minimizes the log likelihood J (Λ) is detected, a process of setting a different class and calculating the log likelihood J (Λ) for the class is repeated. As a result, according to the process of step 32, an optimum change assumption model can be obtained in order to adapt both the normal value distribution and the change value distribution to the known distribution types.
[0046]
For the region data 22 shown in FIGS. 3 and 4, the pixel value “6” is set as a threshold value, and pixel values less than the value “6” are classified into a set of normal values, and “6” or more. Logarithm likelihood J (Λ) can be set to the minimum value when the pixel values of the above are classified into a set of change values. Therefore, according to the process of step 32, the mixture distribution according to the above classification is set as the assumed change distribution for the region data 22. When the process of step 32 is completed, the change evaluation value calculation unit 24 then executes the process of step 34.
[0047]
In step 34, a change evaluation value JA representing the probability of assuming that the area data output from the area dividing unit 12 is a mixed distribution of a normal value distribution and a change value distribution is calculated.
[0048]
By the way, the image monitoring apparatus according to the present embodiment determines whether or not a change has occurred in a small area corresponding to the area data, based on a plurality of pixel values included in the area data. Whether or not a change has occurred in the area data can be determined based on, for example, whether or not a pixel value different from the normal value is included in the area data. Further, whether or not a change has occurred in the area data can be determined based on, for example, whether or not the pixel value distribution is different from the normal distribution.
[0049]
However, the normal value of each pixel value and the normal distribution of pixel values included in the area data show a large change due to external factors such as weather and seasons. For this reason, the occurrence of a change in the area data cannot always be detected accurately by setting the normal value or the normal distribution to a constant value or a constant distribution and performing the above determination.
[0050]
The image monitoring apparatus according to the present embodiment sets a change assumption model as described above as a pixel value distribution model, and sets a non-change assumption model based on the assumption that there is no change in the area data, as will be described later. To do. The non-change assumption model is a model having the same type of distribution as the basic distribution type.
[0051]
The type of pixel value distribution (for example, normal distribution, Weibull distribution, K distribution, etc.) is almost always kept constant as long as no change occurs in the small area. Therefore, when there is no change in the small area, the pixel value distribution type should match the basic distribution type. In this case, the actual pixel value distribution fits better to the non-change assumption model than to the change assumption model.
[0052]
On the other hand, when a change occurs in a small region and, as a result, a change occurs in some pixel values included in the region data, the actual pixel value distribution type is different from the basic distribution type. When an obvious change occurs in the small region, a situation occurs in which the actual pixel value distribution is better matched to the change assumption model than the non-change assumption model.
[0053]
In other words, in the image monitoring apparatus according to the present embodiment, when the actual pixel value distribution matches the non-change assumption model rather than the change assumption model, it can be determined that no change has occurred in the area data. Further, when the actual pixel value distribution matches the change assumption model rather than the non-change assumption model, it can be determined that a change has occurred in the region data. According to such a method, it is possible to always determine whether there is a change in a small area with excellent accuracy regardless of the weather or season. The image monitoring apparatus according to the present embodiment is characterized in that the presence or absence of a change in a small area is determined by the above method.
[0054]
As described above, the likelihood and log likelihood are characteristic values representing the degree of matching between the set model and the actual distribution. Therefore, the suitability of the set model can be determined according to the likelihood and the log likelihood. However, the likelihood and logarithmic likelihood tend to be a value representing a high degree of matching as the number of free parameters of the model increases. For this reason, the superiority or inferiority of models having different numbers of free parameters cannot be compared depending on the likelihood or the log likelihood.
[0055]
The change assumption model set in the present embodiment includes two distributions. On the other hand, the non-change assumption model includes only one distribution. For this reason, the number of free parameters of these two models is different from each other. Therefore, the superiority or inferiority of the change assumption model and the non-change assumption model cannot be directly compared depending on the likelihood or the log likelihood.
[0056]
As a technique that enables superiority or inferiority comparison between models with different number of free parameters, for example, techniques using AIC (Akaike Information Criterion), MDL (Minimum Description Length) criteria, MDL principle, etc. are known . The image monitoring apparatus according to the present embodiment performs a superior / inferior comparison between the change assumption model and the non-change assumption model by using the MDL principle among these techniques.
[0057]
That is, in step 34 described above, the change evaluation value JA for the change assumption model is calculated by a method based on the MDL principle. The change evaluation value JA for the change assumption model set by the processing of step 32 can be obtained by the following equation (5).
[0058]
[Expression 4]
Figure 0004112068
[0059]
The change evaluation value JA obtained by the above equation (5) is a characteristic value that becomes smaller as the change assumption model is adapted to the actual pixel value distribution. When the above calculation process is completed, the change evaluation value calculation unit 24 next executes the process of step 36.
In step 36, a process for specifying the change assumption range C is executed. In this step 36, the existence range of the pixel values classified into the change value set at the time of setting the change assumption model is specified as the range change assumption range C.
[0060]
FIG. 6 shows a diagram in which the area data 22 shown in FIG. 3 is classified into a part having a pixel value “6” or more and a part having a pixel value “6” or less. When the area data 22 is a processing target, in this step 36, the range shown in white in FIG. When the above process ends, a series of processes to be executed in the change evaluation value calculation unit 24 ends.
[0061]
FIG. 7 shows a flowchart of a series of processes executed by the non-change evaluation value calculation unit 26. A series of processing shown in FIG. 7 is executed for each area data. In the series of processes shown in FIG. 7, the process of step 40 is first executed.
[0062]
In step 40, a process for fetching area data from the area dividing unit 12 is executed.
[0063]
In step 42, assuming that no change has occurred in the region data, a process of modeling the pixel value distribution with a distribution of the same type as the basic distribution type is executed. Hereinafter, the model set in step 42 is referred to as a non-change assumption model. The non-change hypothesis model fits well with the actual pixel value distribution when all the pixel values included in the region data are included in the set of normal values.
[0064]
In step 44, a non-change evaluation value JB representing the certainty of assuming that the region data output from the region dividing unit 12 is a distribution composed only of the normal value distribution is calculated. In the present embodiment, the non-change evaluation value JB is calculated by a method according to the MDL principle, like the change evaluation value JA described above. The non-change evaluation value JB is, for example, the following expression (6) when the basic distribution type of the area data is a normal distribution and the area data includes a pixel value yi (1 ≦ i ≦ N) of N pixels. ).
[0065]
[Equation 5]
Figure 0004112068
[0066]
However, yave shown in the above equation (6) is an average value of all pixel values yi. Also, σ2 shown in the above equation (6) is a variance of errors of all pixel values yi. These values can be expressed by the following equations (7) and (8), respectively.
[0067]
[Formula 6]
Figure 0004112068
[0068]
The non-change evaluation value JB represented by the above (6) is a characteristic value that becomes so small that the non-change assumption model matches the actual pixel value distribution. In addition, the above-mentioned non-change evaluation value JB is compared with the change evaluation value JA (refer to the above formula (5)) calculated for the same region data, and the superiority / inferiority comparison between the non-change assumption model and the change assumption model. It is a value that enables When the non-change evaluation value JB is calculated in step 44, a series of processes to be executed by the non-change evaluation value calculation unit 26 ends.
[0069]
The image monitoring apparatus of the present embodiment includes a change determination unit 48 as shown in FIG. The change evaluation value JA and change assumption range C calculated or specified by the change evaluation value calculation unit 24 and the non-change evaluation value JB calculated by the non-change evaluation value calculation unit 26 are supplied to the change determination unit 48. . The change determination unit 48 determines whether or not there is a change in the small region by executing processing described later based on the various data supplied as described above, and specifies the change range.
[0070]
FIG. 8 shows a flowchart of a series of processes executed by the change determination unit 48. A series of processing shown in FIG. 8 is executed for each area data. In the series of processes shown in FIG. 8, first, the process of step 50 is executed.
[0071]
In steps 50 to 54, processing for fetching the change evaluation value JA, the change assumption range C, and the non-change evaluation value JB is executed.
[0072]
In step 56, a process of comparing the change evaluation value JA and the non-change evaluation value JB is executed. As described above, the change evaluation value JA and the non-change evaluation value JB are calculated according to the MDL principle, and become smaller as the model is adapted to the actual distribution. Therefore, when JA <JB holds, it can be judged that the change assumption model is superior to the non-change assumption model. On the other hand, when JA> JB holds, the non-change assumption model compares to the change assumption model. Can be judged to be excellent.
[0073]
In step 58, the comparison processing in step 56 gives a result that the change assumption model is superior to the non-change assumption model, that is, the change assumption model is appropriate as the pixel value distribution model. It is determined whether or not. As a result, when it is determined that the change assumption model is appropriate, it is appropriate to determine that some change has occurred in the area data. In this case, the process of step 60 is executed after this step 58. On the other hand, if it is determined in step 58 that the change assumption model is not appropriate, it is appropriate to determine that no change has occurred in the area data. In this case, the process of step 62 is performed next.
[0074]
In step 60, a determination result R1 indicating the occurrence of a change in the area data and a change range CR in the area data are output. The change range CR is a range that coincides with the change assumption range C supplied from the change evaluation value calculation unit 24.
[0075]
In step 62, a determination result R2 indicating that no change has occurred in the area data is output. When the process of step 62 or the process of step 60 is finished, a series of processes to be executed by the change determination unit 48 is finished.
[0076]
The image monitoring apparatus according to the present embodiment includes a determination result collection unit 64 as shown in FIG. The determination results R1, R2 and the change range CR output from the change determination unit 48 are supplied to the change determination result collection unit 64. The change determination result collection unit 64 collects the determination results R1 and R2 and the change range CR that are output corresponding to each area data, and generates data corresponding to the entire monitoring area of the image sensor 10. Therefore, according to the data generated by the change determination result collection unit 64, it can be determined whether or not a change has occurred in the entire monitoring area.
[0077]
As described above, according to the image monitoring apparatus of the present embodiment, it is possible to determine whether there is a change in the monitoring region based on which one of the change assumption model and the non-change assumption model is superior as the pixel value distribution model. it can. The superiority or inferiority of the change assumption model and the non-change assumption model is determined only by whether or not there is a change in the monitoring area without being influenced by external factors such as weather and season. For this reason, according to the image monitoring apparatus of the present embodiment, it is possible to always determine the presence or absence of a change in the monitoring area with excellent accuracy.
[0078]
In the above embodiment, the pixel value is limited to a scalar value. However, the present invention is not limited to this, and the pixel value is a vector or imaginary number including a plurality of elements such as intensity and phase. It may be expressed as
[0079]
In the above embodiment, the change evaluation value calculation unit 24 uses the k-means method as a method of classifying a plurality of pixel values into two sets. However, the present invention is not limited to this. Robust clustering may be used as the above method.
[0080]
In the above embodiment, a method based on the MDL principle is used as a method for determining the superiority or inferiority of the change assumption model and the non-change assumption model, but the present invention is not limited to this, and This determination may be made, for example, by a method using an AIC or MDL standard.
[0081]
In the above embodiment, the change evaluation value calculation unit 24 changes the existence range difference of the pixel values classified into the change value set, that is, the pixel values having a value equal to or larger than the predetermined threshold value, into the change assumption range C. However, the method for identifying the change assumption range C is not limited to this, and the existence range of the pixel values classified into the set having the smaller number of pixels by the change evaluation value calculation unit 24 is determined. The change assumption range C may be specified.
[0082]
Furthermore, in the above embodiment, the pixel values constituting the image data are directly supplied to the region dividing unit 12, but the present invention is not limited to this, and the pixel after performing some filtering process. The value may be supplied to the region dividing unit 12.
[0083]
For example, when the number of pixel values constituting the image data is large, it is effective to execute a process of converting a plurality of adjacent pixel values into one pixel value as the filter process. According to the above processing, the number of pixel values supplied to the region dividing unit 12 can be reduced. For this reason, according to the above processing, when a large number of pixel values are included in the image data, it is possible to realize a desired monitoring function without executing an unnecessarily large amount of processing. .
[0084]
For example, when large noise is superimposed on image data, it is effective to execute a moving average process that converts one pixel value into an average value of a plurality of adjacent pixel values as the filter process. . According to the above processing, it is possible to effectively suppress the influence of noise on individual pixel values. For this reason, by executing the above processing, an accurate monitoring function can be realized in a situation where noise is easily superimposed on image data.
[0085]
In the above-described embodiment, the “distribution detection means” and “change evaluation value calculation means” according to claim 1 and the “distribution detection step” according to claim 12 are performed by the processing of steps 30 to 34. And “change evaluation value calculation step” are realized by the processes of steps 40 to 44, respectively, of “non-change evaluation value calculation means” according to claim 1 and “non-change evaluation calculation step” according to claim 12. Has been.
[0086]
Further, in the above-described embodiment, the “classification means” according to claim 3 and the “classification step” according to claim 9 are performed according to the processing of steps 36, 58, and 60 by the processing of step 32. The “change range specifying means” according to claim 3 and the “change range specifying step” according to claim 9 are realized.
[0087]
In the above-described embodiment, the “classification changing unit” and “classification evaluation unit” according to claim 4 and the “classification changing step” and “classification evaluation” according to claim 10 are performed by the process of step 32. Each step is realized.
[0088]
Furthermore, in the above-described embodiment, the method using the AIC, MDL criterion, or MDL principle is described in the above-mentioned “6. It corresponds to the “method of operation”.
[0089]
Embodiment 2. FIG.
Next, an image monitoring apparatus according to the second embodiment of the present invention will be described with reference to FIG.
FIG. 9 is a system configuration diagram of the image monitoring apparatus according to the present embodiment. The image monitoring apparatus of the present embodiment is characterized in that a reference image storage unit 70 and a difference image creation unit 72 are provided in the system configuration shown in FIG.
[0090]
In the reference image storage unit 70, image data representing the standard state of the monitoring area is stored as a reference image. The reference image storage unit 70 supplies the reference image to the difference image creation unit 72. The difference image creation unit 72 is supplied with a reference image from the reference image storage unit 70 and image data from the image sensor 10. The difference image creating unit 72 creates a difference image between the image data and the reference image by performing processing described later, and supplies the created difference image to the region dividing unit 12.
[0091]
FIG. 10 shows a flowchart of a series of processing executed in the difference image creation unit 72. The image monitoring apparatus according to the present embodiment executes monitoring processing of a monitoring area every predetermined time, for example, every hour. A series of processing shown in FIG. 10 is repeatedly executed at the predetermined time intervals. In the process shown in FIG. 10, the process of step 80 is first executed.
[0092]
In step 80, a process for capturing image data from the image sensor 10 is executed. The image data captured in step 80 is handled as a set of two-dimensionally arranged pixel values in the difference image creation unit 72.
[0093]
In step 82, a process for fetching a reference image from the reference image storage unit 70 is executed. The reference image captured in this step 82 is handled as a set of pixel values arranged two-dimensionally in the difference image creation unit 72 as in the case of image data.
[0094]
In step 84, a difference image between corresponding pixel values is obtained to create a difference image between the image data and the reference image, and a process of outputting the difference image to the region dividing unit 12 is executed.
[0095]
In step 86, the reference image storage unit 70 stores the image data acquired in the current processing cycle as a new reference image. When the process of step 86 is completed, a series of processes to be executed in the difference image creation unit 72 is completed.
[0096]
According to the above processing, the area dividing unit 12 is supplied with a difference image between the image data and the reference image 70. The pixel value constituting the difference image is “0” within the range where the image data and the reference image match, and is different from “0” within the range where the image data and the reference image do not match.
[0097]
The image data corresponds to a wide monitoring area. For this reason, the image data includes a region having a relatively large pixel value (normal value) and a region having a relatively small pixel value. For this reason, when image data is divided and region data is generated directly from the image data, a bias error due to a difference in position in the image data remains in the plurality of generated region data.
[0098]
On the other hand, the above-described difference image has substantially the same pixel value “0” in the entire region, although it corresponds to a wide range of monitoring regions. For this reason, by creating area data by dividing the difference image, area data having no bias error can be obtained. Furthermore, according to the area data created by the above-described method, it is possible to simply grasp a part where the absolute value of the pixel value is large as a change part. Therefore, according to the image monitoring apparatus of the present embodiment, it is possible to easily realize a highly accurate monitoring function as compared with the image monitoring apparatus of the first embodiment.
[0099]
By the way, in the above embodiment, the monitoring process by the image monitoring apparatus is executed every predetermined time, but the present invention is not limited to this, and the monitoring process by the image monitoring apparatus is always executed. Only the reference image update process may be executed at predetermined time intervals.
[0100]
In the above-described embodiment, the “reference image data storage unit” described in claim 2 is performed by the reference image storage unit 70, and the “reference image data storage step” described in claim 8 is performed by the process of step 86. The “difference image creation means” according to claim 2 and the “difference image creation step” according to claim 8 are realized by the processing of step 84, respectively.
[0101]
Embodiment 3 FIG.
Next, an image monitoring apparatus according to the third embodiment of the present invention will be described with reference to FIGS.
FIG. 11 is a system configuration diagram of the image monitoring apparatus according to the present embodiment. The image monitoring apparatus of this embodiment includes a distribution verification unit 90. Area data is supplied from the area dividing unit 12 to the distribution test unit 90. The distribution verification unit 90 performs a process described later, thereby testing the distribution type of the pixel values included in the region data and specifying the distribution type as one of a plurality of preset distribution types.
[0102]
The image monitoring apparatus of this embodiment includes a distribution test type change evaluation value calculation unit 92 and a distribution test type non-change evaluation value calculation unit 94. The distribution test type change evaluation value calculation unit 92 and the distribution test type non-change evaluation value calculation unit 94 are supplied with region data from the region division unit 12 and also have data related to the type of distribution specified by the distribution test unit 90. Supplied.
[0103]
In the image monitoring apparatuses of the first and second embodiments described above, the change evaluation value JA and the non-change evaluation value JB are known for the basic distribution type (distribution type when there is no change) of the pixel values included in the region data. It is calculated on the assumption. Therefore, in the image monitoring apparatuses of the first and second embodiments, it is necessary to determine the basic distribution type in advance for all the small areas included in all the monitoring areas.
[0104]
In the image monitoring apparatus of this embodiment, the distribution test type change evaluation value calculation unit 92 and the distribution test type non-change evaluation value calculation unit 94 specify the basic distribution type of the pixel values included in the region data by the distribution test unit 90. It is characterized in that the change evaluation value JA and the non-change evaluation value JB are calculated as the distribution types. According to the above method, the change evaluation value JA and the non-change evaluation value JB can be obtained with high accuracy for all the small regions without determining the basic distribution type for the small region in advance.
[0105]
FIG. 12 shows a flowchart of a series of processes executed in the distribution test unit 90. A series of processing shown in FIG. 12 is executed for each area data. In the process shown in FIG. 12, first, the process of step 100 is executed.
[0106]
In step 100, a process for fetching area data from the area dividing unit 12 is executed.
[0107]
In step 102, the distribution type of pixel values included in the region data is tested. In the present embodiment, the small area corresponding to each area data is set such that the range in which the change occurs is sufficiently smaller than the range in which no change occurs. For this reason, the distribution type of the pixel values included in the area data can always be regarded as the same type regardless of whether there is a change in the area data. In this embodiment, the distribution type is referred to as a basic distribution type.
[0108]
The image monitoring apparatus of the present embodiment stores in advance distribution types such as normal distribution, Weibull distribution, and K distribution. In step 102, specifically, a process of selecting a distribution type that is closest to the actual pixel value distribution from among the previously stored distribution types is performed by a technique such as a fitness test.
[0109]
In step 104, the distribution type selected in step 102 is specified as a basic distribution type. Further, data representing the basic distribution type includes distribution test type change evaluation value calculation unit 92, and distribution test type non-change evaluation value. It is output to the calculation unit 94. When the process of this step is finished, a series of processes to be executed by the distribution test unit 90 is finished.
[0110]
In the image monitoring apparatus of the present embodiment, the distribution test type change evaluation value calculation unit 92 sets the change assumption model assuming that the pixel values included in the normal value set among the pixels included in the region data conform to the above basic distribution type. Further, the change evaluation value JA is calculated by the same process as in the first embodiment. In the first embodiment, the distribution type of the pixel values included in the change value set is known. However, in this embodiment, even if the distribution type is known, the basic distribution type and It may be the same kind.
[0111]
Further, in the image monitoring apparatus of the present embodiment, the distribution test type non-change evaluation value calculation unit 94 sets the non-change assumption model assuming that the pixel values included in the region data form the same type of distribution as the basic distribution type, Further, the non-change evaluation value JB is calculated by the same process as in the first embodiment. According to the above processing, it is not necessary to predetermine the basic distribution type for the small area, and the actual pixel value distribution type can be accurately reflected in the change evaluation value JA and the non-change evaluation value JB. Become. For this reason, according to the image monitoring apparatus of the present embodiment, it is possible to detect a change in the monitoring region easily and with high accuracy.
[0112]
In the above embodiment, the “distribution type specifying means” according to claim 5 and the “distribution type specifying step” according to claim 11 are also processed by the processing of step 102, and the distribution test type change evaluation value is also set. The "change evaluation value calculation means and non-change value calculation means" according to claim 5 and the "change evaluation value calculation step and Each “non-change value calculation step” is realized.
[0113]
【The invention's effect】
Since the present invention is configured as described above, the following effects can be obtained.
According to the first or seventh aspect of the present invention, by comparing the change evaluation value and the non-change evaluation value, it is properly determined whether the pixel value distribution should be assumed to be a mixed distribution or a non-change distribution. Judgment can be made. Then, based on the determination result, it can be determined whether or not a change has occurred in the monitoring area. According to the above method, it is possible to always detect a change in the monitoring area with excellent accuracy without being affected by changes in weather, seasons, and the like.
[0114]
According to the second or eighth aspect of the invention, the distribution detecting means can detect the distribution of a plurality of pixel values constituting the difference image. Image data and reference image data are almost equally affected by external factors such as weather. For this reason, the difference image data is hardly affected by these external factors. In the present invention, the presence / absence of a change in the monitoring area is determined based on the difference image data having the above characteristics. According to such a method, it is possible to always detect a change in the monitoring area with high accuracy without being affected by external factors.
[0115]
According to the third or ninth aspect, when it is determined that a change has occurred in the monitoring area, a set of parts corresponding to pixel values belonging to the change value set is recognized as a change range. According to the above method, the range changed from the normal state in the monitoring area can be detected easily and accurately.
[0116]
According to the invention of claim 4 or 10, the classification that best matches the distribution of the pixel values belonging to the normal value set and the distribution of the pixel values belonging to the change value set to the predetermined distribution is specified, and the mixing according to the classification is performed. A change evaluation value is calculated based on the distribution. According to the above method, the probability of assuming that the distribution of pixel values is a mixture distribution can be determined based on the optimum mixture distribution. For this reason, according to the present invention, it is possible to accurately determine whether or not there is a change in the monitoring area.
[0117]
According to the fifth or eleventh aspect of the present invention, it is possible to calculate the change evaluation value and the non-change evaluation value after specifying the distribution type constituted by the set of normal values as an appropriate distribution. These evaluation values can be calculated more accurately as the assumptions set at the time of the calculation match the actual state. According to the above processing, the type of distribution constituted by the set of normal values can be set to a type close to the actual distribution type. For this reason, according to the present invention, it is possible to accurately determine whether or not there is a change in the monitoring area.
[0118]
According to the invention described in claim 6 or 12, the change evaluation value and the non-change evaluation value are each calculated as a reference value that enables comparison of superiority and inferiority between models having different numbers of free parameters. The change evaluation value is calculated assuming a model in which a plurality of pixel values form two distributions. On the other hand, the non-change evaluation value is calculated assuming a model in which a plurality of pixel values constitute one distribution. These two models contain different numbers of free parameters. For this reason, in order to determine the superiority or inferiority of these two models, it is necessary to determine in consideration of the difference in the number of free parameters. According to the present invention, superiority comparison that satisfies the above requirements is performed. For this reason, according to the present invention, it is possible to accurately determine whether or not there is a change in the monitoring area.
[Brief description of the drawings]
FIG. 1 is a system configuration diagram of an image monitoring apparatus according to a first embodiment of the present invention.
FIG. 2 is an example of image data obtained by the image monitoring apparatus shown in FIG.
FIG. 3 is an example of area data obtained by the image monitoring apparatus shown in FIG. 1;
4 is a distribution of pixel values included in the area data shown in FIG. 3;
FIG. 5 is a flowchart of a series of processes executed by a change evaluation value calculation unit shown in FIG.
6 is a diagram showing a change assumed range specified by the routine shown in FIG. 5. FIG.
7 is a flowchart of a series of processes executed by a non-change evaluation value calculation unit shown in FIG.
FIG. 8 is a flowchart of a series of processes executed by a change determination unit shown in FIG.
FIG. 9 is a system configuration diagram of an image monitoring apparatus according to a second embodiment of the present invention.
FIG. 10 is a flowchart of a series of processes executed by the difference image creation unit shown in FIG.
FIG. 11 is a system configuration diagram of an image monitoring apparatus according to a third embodiment of the present invention.
12 is a flowchart of a series of processing executed by the difference image creation unit shown in FIG.
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 10 Image sensor, 12 area | region division part, 14 image data, 16-22 area | region data, 24 change evaluation value calculation part, 26 non-change evaluation value calculation part, 48 change judgment part, 70 reference image memory | storage part, 72 difference image creation part , 90 distribution test part, 92 distribution test type change evaluation value calculation part, 94 distribution test type non-change evaluation value calculation part, JA change evaluation value, JB non-change evaluation value, C change assumption range, R1, R2 judgment result, CR Range of change.

Claims (12)

お互いに近似した値を示す複数のピクセル値で構成された監視領域の変化を検出する画像監視装置において、
前記監視領域の画像データを構成する複数のピクセル値を出力し得る画像センサと、
前記複数のピクセル値の分布を検出する分布検出手段と、
前記ピクセル値の分布を、通常値の集合と、前記通常値から変化した変化値の集合で構成される混合分布と仮定することの確からしさを表す変化評価値を演算する変化評価値算出手段と、
前記ピクセル値の分布を、前記通常値の集合のみで構成される非変化分布と仮定することの確からしさを表す非変化評価値を演算する非変化評価値算出手段と、
前記変化評価値と、前記非変化評価値とに基づいて、前記監視領域に通常状態からの変化が生じたか否かを判断する判断手段と、
を備えることを特徴とする画像監視装置。 In an image monitoring apparatus for detecting a change in a monitoring area composed of a plurality of pixel values indicating values approximate to each other,
An image sensor capable of outputting a plurality of pixel values constituting the image data of the monitoring area;
Distribution detecting means for detecting a distribution of the plurality of pixel values;
A change evaluation value calculating means for calculating a change evaluation value representing the probability of assuming that the distribution of the pixel values is a mixed distribution composed of a set of normal values and a set of change values changed from the normal values; ,
A non-change evaluation value calculating means for calculating a non-change evaluation value representing the probability of assuming that the distribution of the pixel values is a non-change distribution composed of only the set of normal values;
Determination means for determining whether or not a change from a normal state has occurred in the monitoring area based on the change evaluation value and the non-change evaluation value;
An image monitoring apparatus comprising: 前記監視領域の基準状態に対応する参照画像データを記憶する参照画像データ記憶手段と、
前記画像センサが取得する画像データと、前記参照画像データとの差分に相当する差分画像を作成する差分画像作成手段とを備え、
前記分布検出手段は、前記差分画像を構成する複数のピクセル値の分布を検出することを特徴とする請求項１記載の画像監視装置。Reference image data storage means for storing reference image data corresponding to a reference state of the monitoring area;
Difference image creating means for creating a difference image corresponding to a difference between the image data acquired by the image sensor and the reference image data;
The image monitoring apparatus according to claim 1, wherein the distribution detection unit detects a distribution of a plurality of pixel values constituting the difference image. 前記変化評価値算出手段は、前記複数のピクセル値のそれぞれを、前記通常値の集合と仮定した通常値集合と、前記変化値の集合と仮定した変化値集合とに分類する分類手段を備え、
前記監視領域に変化が生じたと判断される場合に、前記変化値の集合に属するピクセル値に対応する部位の集合を変化範囲と特定する変化範囲特定手段を備えることを特徴とする請求項１または２記載の画像監視装置。The change evaluation value calculation means includes classification means for classifying each of the plurality of pixel values into a normal value set assumed to be the set of normal values and a change value set assumed to be the set of change values,
2. A change range specifying means for specifying, as a change range, a set of portions corresponding to pixel values belonging to the set of change values when it is determined that a change has occurred in the monitoring area. 2. The image monitoring apparatus according to 2. 前記分類手段による分類を適当に変化させる分類変更手段と、
前記通常値の集合に属するピクセル値の分布および前記変化値の集合に属するピクセル値の分布と、所定の分布との適合度合いに基づいて前記分類手段による分類の適性を評価する分類評価手段とを備え、
前記評価値演算手段は、前記分類評価手段により最適な評価の得られた分類を有する混合分布に基づいて前記変化評価値を演算することを特徴とする請求項３記載の画像監視装置。Classification changing means for appropriately changing the classification by the classification means;
A classification evaluation unit that evaluates suitability of classification by the classification unit based on a degree of matching with a distribution of pixel values belonging to the set of normal values and a distribution of pixel values belonging to the set of change values, and a predetermined distribution. Prepared,
The image monitoring apparatus according to claim 3, wherein the evaluation value calculation unit calculates the change evaluation value based on a mixture distribution having a classification for which an optimum evaluation is obtained by the classification evaluation unit. 前記複数のピクセル値の分布の種類を、予め想定した複数の分布種類の中の一つに特定する分布種類特定手段を備えると共に、
前記変化評価値算出手段および前記非変化値演算手段は、前記分布特定手段により特定される分布種類を前記通常値の集合により構成される分布の種類と認識して前記変化評価値または前記非変化評価値を演算することを特徴とする請求項４記載の画像監視装置。A distribution type specifying means for specifying the distribution type of the plurality of pixel values as one of a plurality of distribution types assumed in advance;
The change evaluation value calculation means and the non-change value calculation means recognize the distribution type specified by the distribution specification means as a type of distribution constituted by the set of normal values and recognize the change evaluation value or the non-change value. The image monitoring apparatus according to claim 4, wherein an evaluation value is calculated. 前記変化評価値算出手段および前記非変化値演算手段は、それぞれ、自由パラメータ数の異なるモデル間の優劣比較を可能とする所定の基準値を演算する手法で、前記複数のピクセル値に基づいて、前記変化評価値または前記非変化評価値を演算することを特徴とする請求項１乃至５の何れか１項記載の画像監視装置。The change evaluation value calculation means and the non-change value calculation means are each a method of calculating a predetermined reference value that enables comparison of superiority and inferiority between models having different numbers of free parameters, and based on the plurality of pixel values. The image monitoring apparatus according to claim 1, wherein the change evaluation value or the non-change evaluation value is calculated. お互いに近似した値を示す複数のピクセル値で構成された監視領域の変化を検出する画像監視方法において、
画像センサから、前記監視領域の画像データを構成する複数のピクセル値を取得するピクセル値検出ステップと、
前記複数のピクセル値の分布を検出する分布検出ステップと、
前記ピクセル値の分布を、通常値の集合と、前記通常値から変化した変化値の集合で構成される混合分布と仮定することの確からしさを表す変化評価値を演算する変化評価値算出ステップと、
前記ピクセル値の分布を、前記通常値の集合のみで構成される非変化分布と仮定することの確からしさを表す非変化評価値を演算する非変化評価値算出ステップと、
前記変化評価値と、前記非変化評価値とに基づいて、前記監視領域に通常状態からの変化が生じたか否かを判断する判断ステップと、
を備えることを特徴とする画像監視方法。 In an image monitoring method for detecting a change in a monitoring area composed of a plurality of pixel values indicating values approximate to each other,
From the image sensor, a pixel value detection step of obtaining a plurality of pixel values constituting image data of the monitoring region,
A distribution detecting step for detecting a distribution of the plurality of pixel values;
A change evaluation value calculation step for calculating a change evaluation value representing the probability of assuming that the distribution of the pixel values is a mixed distribution composed of a set of normal values and a set of change values changed from the normal values; ,
A non-change evaluation value calculation step of calculating a non-change evaluation value representing the probability of assuming that the distribution of the pixel values is a non-change distribution composed of only the set of normal values;
A determination step of determining whether or not a change from a normal state has occurred in the monitoring area based on the change evaluation value and the non-change evaluation value;
An image monitoring method comprising: 前記監視領域の基準状態に対応する参照画像データを記憶する参照画像データ記憶ステップと、
前記画像センサが取得する画像データと、前記参照画像データとの差分に相当する差分画像を作成する差分画像作成ステップとを備え、
前記分布検出ステップは、前記差分画像を構成する複数のピクセル値の分布を検出することを特徴とする請求項７記載の画像監視方法。A reference image data storing step for storing reference image data corresponding to a reference state of the monitoring area;
A difference image creation step of creating a difference image corresponding to a difference between the image data acquired by the image sensor and the reference image data;
8. The image monitoring method according to claim 7, wherein the distribution detecting step detects a distribution of a plurality of pixel values constituting the difference image. 前記変化評価値算出ステップは、前記複数のピクセル値のそれぞれを、前記通常値の集合と仮定した通常値集合と、前記変化値の集合と仮定した変化値集合とに分類する分類ステップを備え、
前記監視領域に変化が生じたと判断される場合に、前記変化値の集合に属するピクセル値に対応する部位の集合を変化範囲と特定する変化範囲特定ステップを備えることを特徴とする請求項７または８記載の画像監視方法。The change evaluation value calculating step includes a classification step of classifying each of the plurality of pixel values into a normal value set assumed to be the set of normal values and a change value set assumed to be the set of change values,
The change range specifying step of specifying, as a change range, a set of parts corresponding to pixel values belonging to the set of change values when it is determined that a change has occurred in the monitoring region. 8. The image monitoring method according to 8. 前記分類ステップによる分類を適当に変化させる分類変更ステップと、
前記通常値の集合に属するピクセル値の分布および前記変化値の集合に属するピクセル値の分布と、所定の分布との適合度合いに基づいて前記分類ステップによる分類の適性を評価する分類評価ステップとを備え、
前記評価値演算ステップは、前記分類評価ステップにより最適な評価の得られた分類を有する混合分布に基づいて前記変化評価値を演算することを特徴とする請求項９記載の画像監視方法。A classification changing step for appropriately changing the classification by the classification step;
A classification evaluation step for evaluating the suitability of classification according to the classification step based on the degree of conformity between the distribution of pixel values belonging to the set of normal values and the distribution of pixel values belonging to the set of change values, and a predetermined distribution. Prepared,
The image monitoring method according to claim 9, wherein the evaluation value calculation step calculates the change evaluation value based on a mixture distribution having a classification for which an optimum evaluation is obtained by the classification evaluation step. 前記複数のピクセル値の分布の種類を、予め想定した複数の分布種類の中の一つに特定する分布種類特定ステップを備えると共に、
前記変化評価値算出ステップおよび前記非変化値演算ステップは、前記分布特定ステップにより特定される分布種類を前記通常値の集合により構成される分布の種類と認識して前記変化評価値または前記非変化評価値を演算することを特徴とする請求項１０記載の画像監視方法。A distribution type specifying step for specifying a distribution type of the plurality of pixel values as one of a plurality of distribution types assumed in advance;
The change evaluation value calculation step and the non-change value calculation step recognize the distribution type specified by the distribution specification step as a type of distribution composed of the set of normal values and recognize the change evaluation value or the non-change value. The image monitoring method according to claim 10, wherein an evaluation value is calculated. 前記変化評価値算出ステップおよび前記非変化値演算ステップは、それぞれ、自由パラメータ数の異なるモデル間の優劣比較を可能とする所定の基準値を演算する手法で、前記複数のピクセル値に基づいて、前記変化評価値または前記非変化評価値を演算することを特徴とする請求項７乃至１１の何れか１項記載の画像監視方法。The change evaluation value calculation step and the non-change value calculation step are each a method of calculating a predetermined reference value that enables superiority comparison between models with different numbers of free parameters, and based on the plurality of pixel values, The image monitoring method according to claim 7, wherein the change evaluation value or the non-change evaluation value is calculated.
JP09553798A 1998-04-08 1998-04-08 Image monitoring apparatus and image monitoring method Expired - Fee Related JP4112068B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP09553798A JP4112068B2 (en) 1998-04-08 1998-04-08 Image monitoring apparatus and image monitoring method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP09553798A JP4112068B2 (en) 1998-04-08 1998-04-08 Image monitoring apparatus and image monitoring method

Publications (2)

Publication Number Publication Date
JPH11296654A JPH11296654A (en) 1999-10-29
JP4112068B2 true JP4112068B2 (en) 2008-07-02

Family

ID=14140323

Family Applications (1)

Application Number Title Priority Date Filing Date
JP09553798A Expired - Fee Related JP4112068B2 (en) 1998-04-08 1998-04-08 Image monitoring apparatus and image monitoring method

Country Status (1)

Country Link
JP (1) JP4112068B2 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102213586A (en) * 2010-04-09 2011-10-12 鸿富锦精密工业（深圳）有限公司 Bad hole detection device and bad hole detection method

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4512778B2 (en) * 2004-04-26 2010-07-28 株式会社エヌ・ティ・ティ・データ Illegal dumping point detection device, method, and program
TWI694382B (en) 2019-01-04 2020-05-21 財團法人金屬工業研究發展中心 Smoke detection method with deep vision

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102213586A (en) * 2010-04-09 2011-10-12 鸿富锦精密工业（深圳）有限公司 Bad hole detection device and bad hole detection method
CN102213586B (en) * 2010-04-09 2013-11-20 鸿富锦精密工业（深圳）有限公司 Bad hole detection device and bad hole detection method

Also Published As

Publication number Publication date
JPH11296654A (en) 1999-10-29

Similar Documents

Publication Publication Date Title
EP1842154B1 (en) Method and system for identifying illumination flux in an image
Collins et al. An assessment of several linear change detection techniques for mapping forest mortality using multitemporal Landsat TM data
US9881212B2 (en) Infrared image based early detection of oil spills in water
US7639874B2 (en) Methods for discriminating moving objects in motion image sequences
US10235629B2 (en) Sensor data confidence estimation based on statistical analysis
KR102106112B1 (en) Apparatus for discriminating crops using drone image
US20130155235A1 (en) Image processing method
US8611586B1 (en) Fast target extraction from thermal imagery
KR100957716B1 (en) Extraction Method of Skin-Colored Region using Variable Skin Color Model
Powell et al. Comparing curved-surface range image segmenters
KR20210094121A (en) Optical Mode Selection for Multimode Semiconductor Inspection
BR102013019507A2 (en) METHOD FOR ASSESSING THE CONFIDENCE OF EQUIVALENT SIGNATURES OF A HYPERSPECTRAL IMAGE AT LEAST ONE TRACKED OBJECT
CN107907500A (en) A kind of detection method in the mutton place of production
CN115063762B (en) Lane line detection method, device, equipment and storage medium
JP4112068B2 (en) Image monitoring apparatus and image monitoring method
JP5155250B2 (en) Object detection device
CN114913415A (en) Disease and pest detection system based on remote sensing monitoring
WO2007004864A1 (en) Method and apparatus for visual object recognition
KR101460148B1 (en) Tongue diagnosis model system developed by analyzing the color of the tongue
CN112199295A (en) Deep neural network defect positioning method and system based on frequency spectrum
JP4711131B2 (en) Pixel group parameter calculation method and pixel group parameter calculation apparatus
Morozov et al. Adaptive algorithms of position and energy reconstruction in Anger-camera type detectors: experimental data processing in ANTS
CN114529543A (en) Installation detection method and device for peripheral screw gasket of aero-engine
JP6457729B2 (en) Laminar smoke detection device and laminar smoke detection method
CN117938554B (en) Prediction system based on network security intrusion

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20050311

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20080212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20080311

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20080311

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20080408

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20080409

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110418

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees