JP4321471B2 - 暴れ検知装置 - Google Patents

Description

この発明は、エレベータかご内などにおいて、カメラ映像から人物の暴れ動作の発生を自動的に検知する暴れ検知装置に関する。

従来の暴れ検知装置においては、画像から頭部、腕、脚等の身体の一部を抽出し、それらの位置関係および動きから暴れ動作を検知している（例えば、非特許文献１）。
また、犯罪検知という観点に広げると、エレベータかご内の乗客を検出し、乗客の数、乗客の性別、乗客の移動速度、乗り込んだフロアの同一性、乗客の相対距離、および乗客の向きを分析し、複数の異常徴候係数を求め、犯罪の可能性を判断している（例えば、特許文献１）。
また、監視エリア内における人物の動きが継続し、いつまでも収まらず、かつ、音声認識により犯罪を連想させる「助けて」等の単語が検出された場合には、エリア内で犯罪が発生していると判定している（例えば、特許文献２）。

特公平６−７４１１４号（第３−４頁、第１図） 特開２００３−２４８８８２号（第４頁、第１図） Ａｎｋｕｒ Ｄａｔｔａ、Ｍｕｂａｒａｋ Ｓｈａｈ ａｎｄ Ｎｉｅｌｓ Ｄａ Ｖｉｔｏｒｉａ Ｌｏｂｏ、"Ｐｅｒｓｏｎ−ｏｎ−Ｐｅｒｓｏｎ Ｖｉｏｌｅｎｃｅ Ｄｅｔｅｃｔｉｏｎ ｉｎ Ｖｉｄｅｏ Ｄａｔａ"Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ、ｐｐ．４３３−４３８、２００２

従来の暴れ検知装置では、人物から離れて真横から人物を撮影して身体の特定部分を抽出しなければならない。しかしながら、狭いエレベータかご内などでは、身体の特定部分が常に見えるようにカメラを設置することは難しいため、適用できる場所が限られるという問題があった。
また、従来の暴れ検知装置では、乗客の数、乗客の性別、乗客の移動速度、乗り込んだフロアの同一性、乗客の相対距離、および乗客の向きを分析し、犯罪の可能性を検知するものであり、人物の暴れ動作の発生は検知できない。さらに、カメラ設置条件および環境の変化による暴れ検知の誤判定が生じやすく、扉の動きに伴う人物の入退室動作に対しても暴れ検知の誤判定が生じる。しかも、暴れ検知に必要な乗客の個別検出のために、エレベータかご内でカメラが乗客に近く俯瞰撮影しているような場合は、画像内の乗客どうしに重なりが発生するため、高度な処理が必要となり、装置が大がかりになり、処理時間が長くなるという問題があった。
また、従来の暴れ検知装置は、犯罪を検知するものであり、音声と人の動きとの継続に着目しているだけなので、通常の人物移動等と暴れ動作とを区別できず、音声認識手段を併用していることから、装置が複雑になるという問題があった。

この発明は、上述のような課題を解決するためになされたものであり、エレベータかご内のような閉空間等の様々な場所において、暴れ検知の誤判定が生じにくく、簡便な暴れ検知装置を得るものである。

この発明に係る暴れ検知装置においては、エレベータかご内を監視するカメラと、前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、前記扉の開閉状態毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたものである。
また、この発明に係る暴れ検知装置においては、エレベータかご内を監視するカメラと、前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、前記エレベータかごの壁の種類毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたものである。
さらに、この発明に係る暴れ検知装置においては、エレベータかご内を監視するカメラと、前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、前記カメラのアングル毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき、前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたものである。

この発明に係る暴れ検知装置は、エレベータかご内を監視するカメラと、前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、前記扉の開閉状態毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたので、暴れ検知の誤判定が生じにくく、簡便な暴れ検知装置を得ることができる。
また、この発明に係る暴れ検知装置においては、エレベータかご内を監視するカメラと、前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、前記エレベータかごの壁の種類毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたので、暴れ検知の誤判定が生じにくく、簡便な暴れ検知装置を得ることができる。
さらに、この発明に係る暴れ検知装置においては、エレベータかご内を監視するカメラと、前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、前記カメラのアングル毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき、前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたので、暴れ検知の誤判定が生じにくく、簡便な暴れ検知装置を得ることができる。

実施の形態１．
図１は、この発明を実施するための実施の形態１を示す暴れ検知装置を示すブロック図である。カメラ１は、監視対象となる所定の監視エリアを撮影し、撮影した画像を動き算出部２に出力する。動き算出部２はカメラ１で撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを算出し、各点の動きの向きおよび大きさから人物の動きの向きまたは大きさのうちの少なくとも一方の人物の動きのばらつき量を算出する動き算出手段である。撮影時刻が所定時間異なる２枚の画像は、連続して撮影した前後２枚の画像となる。例えば、ビデオカメラを用いてＮＴＳＣ方式で撮影した場合、撮影は１／３０秒毎に行われる。この場合、所定時間異なる２枚の画像としては、連続した２枚の画像とすることもできるが、途中の画像を間引いたり撮影間隔を変えたりすることで、１／１０秒毎にしたり、１秒毎にしたりすることができる。

また、動き算出部２は記憶領域を備えており、受け取った画像を適宜保存することができる。動き算出部２で算出された人物の動きのばらつき量は補正部３に出力される。本実施の形態では、監視エリアは閉空間であり、扉開閉判定部６は閉空間である監視エリア内外に通じる扉の開閉状態を判定する扉開閉判定手段である。扉開閉判定部６はカメラ１によって撮影された画像から扉の開閉状態を判定し、動き算出部２および補正部３にその結果を出力する。なお、動き算出部２は、監視エリアへの人物の入退場データを除いて人物の動きのばらつき量を算出する。

補正部３は、扉開閉状態毎に分類された人物の動きのばらつき量の平均値および分散値のデータベースから構成される統計モデルに基づき、暴れ判定手段で用いる人物の動きのばらつき量または人物の暴れ判定閾値を補正する補正手段である。補正部３は、統計モデルＤＢ（データベース）４に記憶されている統計モデルを用いて人物の動きのばらつき量を補正し、その結果を暴れ判定部５に出力する。暴れ判定部５は、人物の動きのばらつき量と人物の暴れ判定閾値とを比較して人物の暴れを判定する暴れ判定手段である。暴れ判定部５は、補正された人物の動きのばらつき量に対し、閾値処理を施して、人物の暴れの有無を判定する。

統計モデルを構成するデータベースの内容については、閉空間の種類毎に分類された人物の動きのばらつき量の平均値および分散値でもよい。閉空間の種類としては、壁がガラス張りである場合、壁に窓がついている場合、壁の色が違う場合、糢様が違う場合などがある。また、データベースの内容については、カメラ１のアングル毎に分類された人物の動きのばらつき量の平均値および分散値のデータベースでもよい。このようなデータベースから構成される統計モデルに基づき、補正部３で人物の動きのばらつき量または人物の暴れ判定閾値を補正し、暴れ判定部５に出力する。

図２は、実施の形態１における暴れ検知装置の動作を示すフローチャートである。ステップＳＴ１０において、カメラ１により画像が撮影され、画像が入力される。ステップＳＴ１１において、扉開閉判定部６は扉の開閉状態を判定する。扉の開閉状態を判定方法については後で述べる。次に、ステップＳＴ１２において、動き算出部２は撮影時刻が所定時間異なる２枚の画像からオプティカルフローを算出する。オプティカルフローについては後で述べる。続いて、ステップＳＴ１３において、動き算出部２はオプティカルフローから人物の動きのばらつき量を算出する。人物の動きのばらつき量は、例えば、人物の動きの向きのばらつきまたは人物の動きの大きさばらつきであり、画像の各点で求められた動きの向き、動きの大きさの分散値または標準偏差として求められる。

ところで、扉が開いている場合には、例えば、照明条件等の監視エリア内の環境条件が大きく変わる。また、扉の開閉に伴う動き、人物の入退室動作、扉から外部の動きなどが観測され、暴れ検知の誤判定要因となる。そこで、扉が開いている場合には、予め決めておいた所定領域の画像内の各点の情報、所定の移動方向を持つ画像内の各点の情報等を使わずに、人物の動きのばらつきを算出する。

さらに、ステップＳＴ１４において、補正部３は統計モデルＤＢ４に記憶されている統計モデルを用いて人物の動きのばらつき量を補正し、カメラ１の設置条件、環境への依存度を軽減した値に修正する。統計モデルは、監視エリア毎、扉の開閉状態毎に予め用意しておく。例えば、カメラ１の設置後に、通常の人物の動作に対して、人物の動きのばらつき量を試験的に算出し、その時間的な平均値Ｍと分散値σとを統計モデルとして記憶しておく。ステップＳＴ１３で算出した人物の動きのばらつき量をＶとすると、ステップＳＴ１４では補正値Ｖ’を式（１）から算出する。
Ｖ’＝（Ｖ−Ｍ）÷σ …（１）

最後に、ステップＳＴ１５において、暴れ判定部５は補正値Ｖ’を閾値処理し、人物の暴れの有無を判定する。ここでは、補正値Ｖ’が閾値以上である場合に暴れありと判断する。以上のステップＳＴ１０からＳＴ１５までの処理が所定の時間間隔で繰り返し実行される。

図３は、実施の形態１における扉の開閉状態を判定方法である判定用ウインドウの説明図である。例えば、画像内に扉が映っている場合は、画像内の人物が入り込まない扉の上端付近に判定用ウインドウを設置し、ウインドウ内の平均輝度が変化した場合に扉が開いた状態と判定する。また、オプティカルフローから扉の開閉状態を判断してもよい。一方、画像内に扉が映っていない場合には、人物が入り込まない画像周辺の平均輝度の変化に着目すればよい。なお、画像から判断するのではなく、扉の開閉モータ、開閉センサ等からの扉の開閉に関する信号から判断してもよい。

図４は、実施の形態１におけるオプティカルフローの説明図である。オプティカルフローは、画像の各点における動きの向きと動きの大きさとを表した見掛けの速度分布である。図４において、画像の各点で計算された動きの向きと動きの大きさとが線分によって表示されている。

このように、暴れ動作と相関のある人物の動きのばらつき量に着目し、ばらつきが大きい場合に暴れありと判断しているため、ばらつきの小さい通常の人物動作等は誤判定されず、安定した暴れ検知が実現できる。また、本発明は、人物または人物の特定部分を個別に検出せず、さらに、扉開閉状態に応じて特定の領域に発生した動きまたは特定の向きの動きを除いて人物の動きのばらつき量を算出するとともに、人物の動きのばらつき量または閾値を監視エリア毎、扉開閉状態毎に適切に補正するようにした。このため、カメラ１の設置条件または環境の変化に依存しにくく、かつ、扉の動き、人物の入退室動作に対する暴れ検知の誤判定は少なく、エレベータかご内をはじめ、電車、バス、オフィス等、様々な環境下にも適用できる。なお、音声認識も必要としないので最小限の装置構成で暴れ検知ができる。

以上のように、監視エリアを撮影するカメラ１と、カメラ１で撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを算出し、各点の動きの向きおよび大きさから人物の動きの向きまたは大きさのうちの少なくとも一方の人物の動きのばらつき量を算出し、人物の動きのばらつき量と人物の暴れ判定閾値とを比較して人物の暴れを判定するので、エレベータかご内のような閉空間等の様々な場所において、カメラ１の設置条件、環境の変化、扉の動きに伴う人物の入退室動作に対して暴れ検知の誤判定が生じにくく、簡便な暴れ検知装置を得ることができる。

なお、統計モデルを用いて暴れ判定閾値を補正するようにしても、統計モデルを用いて人物の動きのばらつき量を補正する場合と効果は同様である。また、扉の開閉状態の判定結果を動き算出部２または補正部３のいずれか一方で用いてもよい。さらに、複数種類の人物の動きのばらつき量を組み合わせて人物の暴れを判断するようにしてもよい。また、暴れ判定部５は、扉が閉じてから所定時間経過後、扉が開く所定時間前までの間の人物の動きのばらつき量を用いて、人物の暴れを判定してもよい。この場合、扉が閉じてから所定時間経過後、扉が開く所定時間前までの間の人物の動きのばらつき量を動き算出部２で算出しておいてもよい。

実施の形態２．
図５は、この発明を実施するための実施の形態２を示す暴れ検知装置を示すブロック図である。図５において、人数推定部７を備えている点で実施の形態１と異なっている。なお、図において、同一の符号を付したものは、同一またはこれに相当するものであり、このことは明細書の全文において共通することである。さらに、明細書全文に表れている構成要素の形容は、あくまで例示であってこれらの記載に限定されるものではない。具体的には、監視エリアに多くの人物が存在する可能性がある場合には、監視エリア内の人数を推定する人数推定手段である人数推定部７を追加する。人数推定部７はカメラ１によって撮影された画像から人数を推定し、補正部３にその結果を出力する。なお、統計モデルＤＢ４は、統計モデルを構成するデータベースとして、推定人数毎に分類された人物の動きのばらつき量の平均値および分散値を備えている。

図６は、実施の形態２における暴れ検知装置の動作を示すフローチャートである。まず、ＳＴ１０においてカメラ１で画像が撮影された後、ＳＴ２０において、人数推定部７は画像内に映る人物の数を推定する。例えば、予め取得しておいた人物の存在しない背景だけの画像と現在の画像とを比較して差の大きな領域を抽出し、その領域の個数または面積により人数を推定すればよい。ＳＴ１１からＳＴ１３までは、実施の形態１と同様である。次に、ステップＳＴ２１において、補正部３は統計モデルＤＢ４に予め用意しておいた人数別の統計モデルを用いて、推定人数別に人物の動きのばらつき量または暴れ判定閾値の補正を行う。最後に、ＳＴ１５において、暴れ判定部５で暴れを判定する。

以上のように、人数推定部７を追加し、推定人数別に補正を行うようにしたので、多くの人物の動きに対して人物の暴れ判定を正しく行うことができる。

実施の形態３．
図７は、この発明を実施するための実施の形態３を示す暴れ検知装置を示すブロック図である。図７において、モデル更新部８を備えている点で実施の形態１と異なっている。昼夜の移り変わりまたは四季等の移り変わりに対して、監視エリアの環境が時々刻々と変化する場合には、モデル更新部８を追加することで対応する。モデル更新部８は動き算出部２で算出された人物の動きのばらつき量を入力し、新しい統計モデルを生成して、統計モデルＤＢ４に出力する。この結果、統計モデルＤＢ４は、動き算出部２で算出された人物の動きのばらつき量により更新される。

図８は、実施の形態３における暴れ検知装置の動作を示すフローチャートである。まず、ステップＳＴ３０において、画像の入力をカウントするためのカウンタをリセットする。続くＳＴ１０からＳＴ１５までは実施の形態１と同様である。次に、ステップＳＴ３１において、上記カウンタが所定回数Ｎに達している否かを判定し、達していない場合、モデル更新部８はステップＳＴ３２において動き算出部２で算出された人物の動きのばらつき量を保存し、ＳＴ３３でカウンタを１つ増加させ、ＳＴ１０に戻る。一方、カウンタが所定回数Ｎに達した場合は、ステップＳＴ３４において、モデル更新部８はそれまでに保存しておいたＮ個の人物の動きのばらつき量からその平均値Ｍ’と分散値σ’とを算出し、ステップＳＴ３５において新しい統計モデルとして統計モデルＤＢ４に保存する。最後にステップＳＴ３６において、カウンタをリセットし、ＳＴ１０に戻る。このように、統計モデルを更新し、最新の環境に対応した人物の動きのばらつき量の補正を行うことができる。

以上のように、統計モデルを更新させるようにしたので、昼夜または四季による長期的な環境の変化に追従した補正が可能となり、人物の暴れ判定をさらに正しく行うことができる。

参考例１．
図９は、参考例１を示す暴れ検知装置を示すブロック図である。図９において、動き量算出部９および暴れ量判定部１０以外の構成は実施の形態１と同じである。動き量算出部９はカメラ１で撮影された撮影時刻が所定時間異なる２枚の画像から人物の動きの大きさを算出する動き量算出手段である。また、暴れ量判定部１０は人物の動きの大きさと人物の暴れ量判定閾値とを比較して人物の暴れを判定する暴れ量判定手段である。人物の動きの大きさの算出方法以外の動作については実施の形態１と同じである。人物の動きの大きさだけを算出するため、算出の処理速度を早くすることができる。

以上のように、撮影時刻が所定時間異なる２枚の画像から人物の動きの大きさを算出するので、暴れ検知の処理速度を早くすることができる。

この発明の実施の形態１を示す暴れ検知装置を示すブロック図である。 この発明の実施の形態１における暴れ検知装置の動作を示すフローチャートである。 この発明の実施の形態１における判定用ウインドウの説明図である。 この発明の実施の形態１におけるオプティカルフローの説明図である。 この発明の実施の形態２を示す暴れ検知装置を示すブロック図である。 この発明の実施の形態２における暴れ検知装置の動作を示すフローチャートである。 この発明の実施の形態３を示す暴れ検知装置を示すブロック図である。 この発明の実施の形態３における暴れ検知装置の動作を示すフローチャートである。 参考例１を示す暴れ検知装置を示すブロック図である。

符号の説明

１ カメラ、２ 動き算出部、３ 補正部、４ 統計モデルＤＢ、５ 暴れ判定部、６ 扉開閉判定部、７ 人数推定部、８ モデル更新部、９ 動き量算出部、１０ 暴れ量判定部。

Claims (5)

1. エレベータかご内を監視するカメラと、
   前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、
   前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、
   前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、
   前記扉の開閉状態毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたことを特徴とする暴れ検知装置。
2. エレベータかご内を監視するカメラと、
   前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、
   前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、
   前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、
   前記エレベータかごの壁の種類毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたことを特徴とする暴れ検知装置。
3. エレベータかご内を監視するカメラと、
   前記エレベータかごの扉の開閉状態を判定する扉開閉判定手段と、
   前記カメラで撮影された撮影時刻が所定時間異なる２枚の画像から画像内の各点の動きの向きおよび大きさを表した見掛けの速度分布であるオプティカルフローを算出し、前記オプティカルフローから人物の動きの向きまたは大きさのうちの少なくとも一方で前記人物の動きのばらつき量を算出する動き算出手段と、
   前記扉が閉じてから所定時間経過後、前記扉が開く所定時間前までの間の前記人物の動きのばらつき量と前記人物の暴れ判定閾値とを比較して前記人物の暴れを判定する暴れ判定手段と、
   前記カメラのアングル毎に分類された前記人物の動きのばらつき量の平均値および分散値のデータベースに基づき、前記暴れ判定手段で用いる前記人物の動きのばらつき量または前記人物の暴れ判定閾値を補正する補正手段とを備えたことを特徴とする暴れ検知装置。
4. エレベータかご内の人数を推定する人数推定手段を備え、
   データベースは、推定人数毎に分類された人物の動きのばらつき量の平均値および分散値を備えたことを特徴とする請求項１から３のいずれか１項に記載の暴れ検知装置。
5. データベースは、動き算出手段で算出された人物の動きのばらつき量により更新されることを特徴とする請求項１から４のいずれか１項に記載の暴れ検知装置。

Images