JP5759752B2 - Security device and security operation switching method - Google Patents
Security device and security operation switching method Download PDFInfo
- Publication number
- JP5759752B2 JP5759752B2 JP2011043205A JP2011043205A JP5759752B2 JP 5759752 B2 JP5759752 B2 JP 5759752B2 JP 2011043205 A JP2011043205 A JP 2011043205A JP 2011043205 A JP2011043205 A JP 2011043205A JP 5759752 B2 JP5759752 B2 JP 5759752B2
- Authority
- JP
- Japan
- Prior art keywords
- security
- sensor
- certainty
- action
- area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 81
- 230000009471 action Effects 0.000 claims description 104
- 241000282414 Homo sapiens Species 0.000 claims description 74
- 238000006243 chemical reaction Methods 0.000 claims description 64
- 230000004044 response Effects 0.000 claims description 48
- 230000007704 transition Effects 0.000 claims description 32
- 238000012544 monitoring process Methods 0.000 claims description 31
- 230000005856 abnormality Effects 0.000 claims description 17
- 239000003990 capacitor Substances 0.000 claims description 4
- 229910052724 xenon Inorganic materials 0.000 claims description 4
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 claims description 4
- 230000008569 process Effects 0.000 description 65
- 238000004364 calculation method Methods 0.000 description 52
- 230000006399 behavior Effects 0.000 description 51
- 238000001514 detection method Methods 0.000 description 39
- 238000010586 diagram Methods 0.000 description 28
- 241001465754 Metazoa Species 0.000 description 20
- 230000007123 defense Effects 0.000 description 15
- 230000007717 exclusion Effects 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 12
- 230000001364 causal effect Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 241000282412 Homo Species 0.000 description 9
- 101150040337 H2BC1 gene Proteins 0.000 description 8
- 230000000903 blocking effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010049119 Emotional distress Diseases 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- IMACFCSSMIZSPP-UHFFFAOYSA-N phenacyl chloride Chemical compound ClCC(=O)C1=CC=CC=C1 IMACFCSSMIZSPP-UHFFFAOYSA-N 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000003491 tear gas Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Burglar Alarm Systems (AREA)
- Alarm Systems (AREA)
Description
本発明は、監視領域における異常を検知した際に警備動作を実行する警備装置および警備動作切替え方法に関する。 The present invention relates to a security device and a security operation switching method for executing a security operation when an abnormality in a monitoring area is detected.
従来、監視領域における異常を検知した際に警備動作を実行する警備装置が知られている。このような警備装置は、近年のセキュリティに対する関心の高まりや敷設コストの低コスト化に伴って、一般家庭においても広く導入されるようになってきている。 Conventionally, a security device that performs a security operation when an abnormality in a monitoring area is detected is known. Such a security device has been widely introduced in general households as the interest in security in recent years and the laying cost are reduced.
一般家庭に導入される警備装置としては、建物の敷地内にセンサを設置し、敷地内のセンサが物体に反応したときに、建物に侵入を企てる不法侵入者が存在すると判断して、威嚇ベルや非常灯などの機器を作動させるといった、不法侵入者を排除するような警備動作(以下、このような警備動作を侵入者排除動作という。)を行うものが知られている。 As a security device to be installed in ordinary households, a sensor is installed on the site of a building, and when the sensor on the site reacts to an object, it is judged that there is an illegal intruder who attempts to infiltrate the building. There are known devices that perform a security operation that eliminates illegal intruders (such as the operation of an intruder) (hereinafter, such a security operation is referred to as an intruder exclusion operation).
しかしながら、敷地内のセンサが物体に反応したときに侵入者排除動作を行う警備装置では、家人や正規訪問者にセンサが反応した場合にも侵入者排除動作が実行され、家人や正規訪問者に対して精神的な苦痛を与える場合がある。また、人間以外の小動物や無生物にセンサが反応した場合にも侵入者排除動作が実行され、近隣住民に対して迷惑をかける結果となる場合がある。このため、この種の警備装置においては、センサが反応している要因(センサ反応要因)が不法侵入者である場合に、不法侵入者に対して効果的な侵入者排除動作を行う仕組みを構築することが重要な課題とされている。 However, in the security device that performs the intruder exclusion operation when the sensor on the site reacts to the object, the intruder exclusion operation is executed even when the sensor reacts to the housekeeper or the regular visitor, and May cause mental distress. In addition, when the sensor reacts to a small animal other than a human being or an inanimate object, an intruder exclusion operation may be executed, resulting in inconvenience to neighboring residents. For this reason, in this type of security device, when the factor that the sensor is responding to (sensor reaction factor) is an illegal intruder, a mechanism for performing an effective intruder exclusion operation against the illegal intruder is constructed. It is an important issue.
侵入者排除動作を行う警備装置に関して、特許文献1には、監視領域を撮像した画像データに対する画像認識処理により、監視領域に侵入者が存在する確度を「人検出」、「侵入者検出」、「侵入者確定」の3段階で判定し、その判定結果に応じた適切な侵入者排除動作を行うことが記載されている。
Regarding the security device that performs the intruder exclusion operation,
しかしながら、特許文献1に記載されている技術は、監視領域を撮像した画像データに対する画像認識処理により侵入者が存在する確度を判定する構成であるため、物体を検知するセンサの信号に基づいて侵入者排除動作を実行する警備装置に対して適用することができない。
However, since the technique described in
本発明は、上記に鑑みてなされたものであって、センサ反応要因を的確に推定して、推定されるセンサ反応要因に対して効果的な警備動作を行うことができる警備装置および警備動作切替え方法を提供することを目的としている。 The present invention has been made in view of the above, and is capable of accurately estimating a sensor reaction factor and performing an effective guard operation against the estimated sensor reaction factor and a guard operation switching. It aims to provide a method.
上述した課題を解決し、目的を達成するために、本発明にかかる警備装置は、監視領域における異常を検知した際に予め定めた複数の警備動作のうち少なくとも一つを実行する警備装置において、前記監視領域に設置された複数のセンサと、前記複数のセンサから、センサが反応しているか否かの2値をとるセンサ反応信号を取得する取得手段と、前記センサ反応信号の時系列データに基づいて、複数の物体カテゴリごとに、各物体カテゴリに属する物体がセンサ反応要因となっている確からしさを表す確信度を算出する確信度算出手段と、前記センサ反応信号と、前記確信度とに基づいて、実行する警備動作を切替える警備動作制御手段と、を備えることを特徴とする。 In order to solve the above-described problems and achieve the object, the security device according to the present invention is a security device that executes at least one of a plurality of security operations determined in advance when an abnormality is detected in the monitoring area. A plurality of sensors installed in the monitoring region; an acquisition means for acquiring a sensor response signal that takes a binary value indicating whether or not the sensor is reacting from the plurality of sensors ; and time-series data of the sensor response signal. based on, for each of the plurality of objects categories, the confidence factor computing means for object belonging to each object category to compute confidence factor representing the likelihood that a sensor reacting factors before xenon capacitors response signal, the confidence factor And security operation control means for switching the security operation to be executed.
また、本発明にかかる警備動作切替え方法は、監視領域における異常を検知した際に予め定めた複数の警備動作のうち少なくとも一つを実行する警備装置において実行される警備動作切替え方法であって、前記監視領域に設置された複数のセンサから、センサが反応しているか否かの2値をとるセンサ反応信号を取得するステップと、前記センサ反応信号の時系列データに基づいて、複数の物体カテゴリごとに、各物体カテゴリに属する物体がセンサ反応要因となっている確からしさを表す確信度を算出するステップと、前記センサ反応信号と、前記確信度とに基づいて、実行する警備動作を切替えるステップと、を含むことを特徴とする。 Further, the security operation switching method according to the present invention is a security operation switching method executed in a security device that executes at least one of a plurality of security operations predetermined when an abnormality in the monitoring area is detected, Obtaining a sensor response signal that takes a binary value indicating whether or not the sensor is reacting from a plurality of sensors installed in the monitoring area; and a plurality of object categories based on time-series data of the sensor response signal each, the steps of the object belonging to each object category to compute confidence factor representing the likelihood that a sensor reacting factors before xenon capacitors reaction signal, on the basis of said confidence, the security operations performed And a step of switching.
本発明によれば、センサ反応要因を的確に推定して、推定されるセンサ反応要因に対して効果的な警備動作を行うことができる、という効果を奏する。 According to the present invention, it is possible to accurately estimate a sensor reaction factor and perform an effective guard operation against the estimated sensor reaction factor.
以下に添付図面を参照して、この発明にかかる警備装置および警備動作切替え方法の最良な実施の形態を詳細に説明する。 Exemplary embodiments of a security device and a security operation switching method according to the present invention will be explained below in detail with reference to the accompanying drawings.
[概要]
本実施形態にかかる警備装置は、監視領域における異常を検知した際に予め定めた複数の警備動作のうち少なくとも一つを実行する警備装置である。具体的には、この警備装置は、一般家庭の住居として使用される建物の敷地を監視領域としており、建物の敷地内に侵入した侵入者を排除するための警備動作(侵入者排除動作)として、「誘導動作」、「警告動作」、「威嚇動作」および「攻撃動作」を有する。そして、この警備装置は、建物の敷地(監視領域)に設置された複数のセンサから得られるセンサ反応信号と、このセンサ反応信号の時系列データに基づいて算出される確信度および確信度加重和(詳細は後述する)とに基づいて、上記の各警備動作のうち、実行する警備動作の切替えを行う機能を持つ。
[Overview]
The security device according to the present embodiment is a security device that executes at least one of a plurality of security operations determined in advance when an abnormality in the monitoring area is detected. Specifically, this security device uses the site of a building used as a residence for ordinary households as a monitoring area, and as a security operation (intruder exclusion operation) to eliminate intruders that have entered the building site , “Guidance operation”, “warning operation”, “intimidation operation” and “attack operation”. The security device includes a sensor reaction signal obtained from a plurality of sensors installed on a site (monitoring area) of a building, and a certainty factor and a certainty factor weighted sum calculated based on time series data of the sensor reaction signal. Based on (details will be described later), it has a function of switching the security operation to be executed among the above security operations.
ここで、上記の各警備動作の概要について説明する。上記の各警備動作には「駆動」と「停止」の2つのモードがある。「駆動」モードは、各警備動作で使用する機器として指定されている機器を作動させるモードであり、「停止」モードは機器の作動を停止するモードである。 Here, the outline | summary of each said guard operation | movement is demonstrated. Each of the security operations described above has two modes, “drive” and “stop”. The “drive” mode is a mode in which a device designated as a device to be used in each security operation is operated, and the “stop” mode is a mode in which the operation of the device is stopped.
「誘導動作」は、敷地の入口である門扉から建物の入口である玄関までの経路(以下、アクセスエリアという。)を少なくとも可聴領域とする音声出力機器から、誘導音声を出力する警備動作である。誘導音声とは、家人に対して警備解除を促したり、正規訪問者に対して退去を促したりする音声メッセージである。「誘導動作」の実行中は、例えば「ただいま警備中です。すみやかに退去して下さい。家人の方は警備解除をお願いします。」といった音声メッセージ(誘導音声)を音声出力機器から出力する。 The “guidance operation” is a guard operation that outputs a guidance voice from an audio output device having at least an audible area from the entrance gate of the site to the entrance of the building (hereinafter referred to as an access area). . The guidance voice is a voice message that prompts a householder to release the security or prompts a regular visitor to leave. While the “guidance operation” is being executed, a voice message (guidance voice) is output from the voice output device, for example, “We are currently guarding. Please leave immediately.
「誘導動作」の目的は、敷地内が警備中であることを優しく報知することである。これにより、家人に対しては警備解除、正規訪問者に対しては退去を促し、不法侵入者に対しては精神的不安を与えることができる。なお、「誘導動作」で使用する音声出力機器は、アクセスエリアを可聴領域とする指向性スピーカを用いることが望ましい。ただし、指向性のない通常のスピーカを用いるようにしてもよい。 The purpose of the “guidance operation” is to gently notify that the site is guarded. As a result, security can be lifted for householders, retreating for regular visitors, and mental insecurity for illegal intruders. Note that the sound output device used in the “guidance operation” desirably uses a directional speaker whose access area is an audible area. However, a normal speaker having no directivity may be used.
「警告動作」は、建物の開口部付近(以下、開口部エリアという。)を少なくとも可聴領域とする音声出力機器から、警告音声を出力する動作である。警告音声とは、退去しない場合に警備会社等に通報されるなどの警告を行う音声メッセージである。「警告動作」の実行中は、例えば「警備エリアに侵入しています。滞在を続けた場合、警備会社に通報されます。」といった音声メッセージ(警告音声)を音声出力機器から出力する。また、「警告動作」では、音声出力機器からの警告音声の出力と併せて、限定報知用機器を作動させる。限定報知用機器とは、敷地内に異常が発生していることを敷地内に報知するものであり、例えば、敷地内に存在する人間に対してのみ影響を与えるように設置されたライトなどである。 The “warning operation” is an operation for outputting a warning sound from an audio output device having at least an audible area in the vicinity of an opening of a building (hereinafter referred to as an opening area). The warning voice is a voice message that gives a warning such as being notified to a security company or the like when not leaving. During the execution of the “warning operation”, for example, a voice message (warning voice) such as “Intruding into the security area. If you keep staying, you will be notified to the security company” is output from the voice output device. In the “warning operation”, the limited notification device is operated together with the output of the warning sound from the sound output device. The limited notification device is used to notify the site that an abnormality has occurred on the site, such as a light that is installed so as to affect only humans existing on the site. is there.
「警告動作」の目的は、警備中の敷地内に侵入していることを強めに報知することである。これにより、警備会社等に通報される可能性があることを示唆し、家人に対しては速やかな警備解除、正規訪問者に対しては速やかな退去を促し、不法侵入者に対しては発見される感覚を与えることができる。なお、「警告動作」で使用する音声出力機器は、開口部エリアを可聴領域とする指向性スピーカを用いることが望ましい。ただし、「誘導動作」で使用する音声出力機器として指向性スピーカを用いている場合は、これを「警告動作」で使用する音声出力機器として代用することも可能である。この場合、実行する警備動作が「誘導動作」から「警告動作」に切替わると、指向性スピーカから出力される音声が、誘導音声から警告音声に切替わる。 The purpose of the “warning operation” is to give a strong notification that an intruder has entered the guarded site. This suggests that there is a possibility of being reported to a security company, etc., prompting the housekeepers to quickly remove the security, prompting regular visitors to move out quickly, and discovering illegal intruders Can give you a sense of being. Note that the sound output device used in the “warning operation” preferably uses a directional speaker having an opening area as an audible area. However, when a directional speaker is used as an audio output device used in the “guidance operation”, it can be substituted as an audio output device used in the “warning operation”. In this case, when the security operation to be performed is switched from the “guidance operation” to the “warning operation”, the sound output from the directional speaker is switched from the guidance sound to the warning sound.
「威嚇動作」は、開口部エリアを少なくとも可聴領域とする音声出力機器から、威嚇音声を出力する動作である。威嚇音声とは、警備会社等への通報が完了したなどの内容の威嚇を行う音声メッセージである。「威嚇動作」の実行中は、例えば「警備会社に通報されました。まもなく警備員が到着します。」といった音声メッセージ(威嚇音声)を音声出力機器から出力する。また、「威嚇動作」では、音声出力機器からの威嚇音声の出力と併せて、周囲報知用機器を作動させる。周囲報知用機器とは、敷地内に異常が発生していることを敷地内および敷地外に報知するものであり、例えば、敷地内だけでなく敷地外にも影響を与えるように設置された点滅用ライトや威嚇ベルなどである。 The “intimidating action” is an action of outputting intimidating sound from a sound output device having the opening area at least as an audible area. The threatening voice is a voice message that threatens the content such as completion of a report to a security company or the like. During the execution of “intimidation action”, for example, a voice message (intimidation voice) such as “A security company has been notified. A security guard will arrive soon” is output from the voice output device. Further, in the “intimidation operation”, the surrounding notification device is operated together with the output of the intimidation sound from the sound output device. Ambient alarm device is used to notify the inside and outside of the site that an abnormality has occurred on the site, for example, flashing installed to affect not only the site but also the outside of the site. Such as lights and threatening bells.
「威嚇動作」の目的は2つあり、1つは侵入者に対して人(警備員など)が来ることを報知することであり、もう1つは監視対象の敷地に異常が発生していることを近隣の住民に報知することである。これにより、警備会社などに通報されたこと及び周囲からの注目を浴びる可能性が高いことを不法侵入者に理解させ、不法侵入者に対して、発見される感覚を「警告動作」よりも強く与えることができる。なお、「威嚇動作」で使用する音声出力機器としては、「警告動作」で用いる指向性スピーカをそのまま利用することができる。この場合、実行する警備動作が「警告動作」から「威嚇動作」に切替わると、指向性スピーカから出力される音声が、警告音声から威嚇音声に切替わる。また、「威嚇動作」で使用する音声出力機器として指向性のない通常のスピーカを用いる場合には、このスピーカから敷地外にも届く音量で威嚇音声または威嚇ベルに相当する威嚇音を出力することで、このスピーカを周囲報知用機器として代用することも可能である。 There are two purposes for "intimidating action", one is to notify the intruder that a person (security guard, etc.) is coming, and the other is that there is an abnormality in the monitored site. This is to inform the neighboring residents. This makes it possible for illegal intruders to understand that they have been reported to a security company and that they are likely to receive attention from the surroundings. Can be given. Note that the directional speaker used in the “warning operation” can be used as it is as an audio output device used in the “intimidation operation”. In this case, when the security operation to be performed is switched from the “warning operation” to the “intimidation operation”, the sound output from the directional speaker is switched from the warning sound to the intimidation sound. In addition, when a normal speaker with no directivity is used as an audio output device used for “intimidating action”, an intimidating sound equivalent to an intimidating sound or intimidating bell should be output from the speaker at a volume that reaches outside the premises. Thus, it is possible to substitute this speaker as a surrounding notification device.
「攻撃動作」は、「威嚇動作」の実行中にこの「威嚇動作」に加えて実行されるものであり、建物への侵入危険度の高い開口部エリアに存在する人間に対して負荷を与える攻撃用機器を作動させる動作である。攻撃用機器としては、開口部エリアに存在する人間の動きを制限し、また、不快な気分にさせる効果のある機器が用いられる。例えば、捕縛ネットや催涙ガス、フラッシュライトなどが攻撃用機器の一例として考えられる。 "Attack action" is executed in addition to this "threat action" during execution of "threat action", and gives a load to a person existing in an opening area having a high risk of entering the building. This is an action that activates the attack equipment. As the attacking device, a device that restricts the movement of a human existing in the opening area and has an effect of making the person feel uncomfortable. For example, a trapping net, tear gas, flash light, etc. can be considered as examples of attack devices.
「攻撃動作」の目的は、不法侵入者に対して身体的及び精神的に負荷を与え、侵入工作の継続を困難にさせることである。これにより、不法侵入者は、その場に滞在を続けて侵入工作を継続することが困難になり、侵入意欲が低下することで侵入を断念させることができる。 The purpose of the “attack action” is to physically and mentally burden the illegal intruder and make it difficult to continue the intrusion. This makes it difficult for an illegal intruder to stay on the spot and continue the intrusion work, and to abandon the intrusion due to a decrease in the willingness to intrude.
本実施形態にかかる警備装置では、上記の各警備動作のほかに、「警告動作」に付随する警備動作として「物理的防御動作」を有する。「物理的防御動作」は、建物の開口部に設けた物理的防御用機器を作動させる動作である。物理的防御用機器とは、電動補助錠や電動シャッタなど、建物の開口部の遮断状態を物理的に強化する機器である。 The security device according to the present embodiment has a “physical defense operation” as a security operation accompanying the “warning operation” in addition to the above-described security operations. The “physical defense operation” is an operation of operating a physical defense device provided in the opening of the building. A physical defense device is a device that physically enhances the blocking state of an opening of a building, such as an electric auxiliary lock or an electric shutter.
「物理的防御動作」の目的は、建物の開口部の遮断状態を物理的に強化することにより、不法侵入者による侵入工作を困難にさせることである。これにより、建物外での滞在時間を延ばし、発見される感覚を高めることで、侵入を断念させることができる。 The purpose of the “physical defense operation” is to make intrusion work by illegal intruders difficult by physically strengthening the blocking state of the opening of the building. Thereby, the invasion can be abandoned by extending the staying time outside the building and enhancing the sense of discovery.
[装置構成]
図1は、本実施形態にかかる警備装置の概略構成を示すブロック図である。本実施形態にかかる警備装置は、図1に示すように、監視領域である建物の敷地に設置された複数のセンサ1と、センサインターフェース2と、制御装置3と、機器インターフェース4と、警備動作(侵入者排除動作)を実行するための各種機器5とを備える。制御装置3は、通信ネットワークを介して、警備会社に設置された監視装置6に接続されている。
[Device configuration]
FIG. 1 is a block diagram illustrating a schematic configuration of a security device according to the present embodiment. As shown in FIG. 1, the security device according to the present embodiment includes a plurality of
センサ1は、監視領域である建物の敷地を複数の検知対象領域に分けたときに、各検知対象領域に対してそれぞれ一つ以上設置される。つまり、本実施形態にかかる警備装置では、監視領域である建物の敷地に複数のセンサ1を設置しており、それぞれのセンサ1の種類としては、当該センサ1が設置される検知対象領域での物体検知に適したものが用いられる。例えば、敷地の入口である門扉の開閉を検出するセンサや、焦電素子を用いたパッシブ型の赤外線センサ、赤外線ビームの遮断を検出するセンサ、赤外線の反射を利用して物体の有無や物体までの距離を検出するセンサ等が、本実施形態におけるセンサ1として有効に利用可能である。
One or
センサインターフェース2は、上記の複数のセンサ1の制御および各センサ1からのセンサ反応信号の受信を実施するための装置である。センサ反応信号は、センサ1が物体に反応していることを示す「反応」と、センサ1が物体に反応していないことを示す「無反応」の2値をとる。本実施形態にかかる警備装置では、センサ1が物体に反応しているか否かにかかわらず、センサインターフェース2によって所定の計測周期で定期的に複数のセンサ1からセンサ反応信号が取得され、制御装置3に供給される。
The
制御装置3は、本実施形態にかかる警備装置の全体を統括的に制御するものである。特に、この制御装置3は、センサインターフェース2によって複数のセンサ1から定期的に取得されるセンサ反応信号を入力し、このセンサ反応信号の時系列データから、後述する確信度および確信度加重和を算出する。そして、制御装置3は、センサインターフェース2によって複数のセンサ1から定期的に取得されるセンサ反応信号と、センサ反応信号の時系列データから算出した確信度および確信度加重和とに基づいて、実行する警備動作の切替えを行い、各種機器5の動作を制御するための制御指令を機器インターフェース4に出力する。
The
また、制御装置3は、例えば「威嚇動作」を実行させるように警備動作を切替えた場合など、予め定めた所定条件が成立したときに、警備会社に設置された監視装置6に対して、異常を知らせる信号を発報(通報)する機能も有している。
In addition, the
機器インターフェース4は、制御装置3から出力された制御指令に従って、各種機器5のうちで、実行する警備動作に関わる機器を作動させ、それ以外の機器を停止させる。
In accordance with the control command output from the
警備動作を実行するための各種機器5は、上述した音声出力機器5a、限定報知用機器5b、周囲報知用機器5c、攻撃用機器5dおよび物理的防御用機器5eを含む。なお、図1では、「誘導動作」、「警告動作」および「威嚇動作」のそれぞれで使用する音声出力機器を音声出力機器5aとして総称しているが、それぞれの警備動作で個別の音声出力機器を用いるようにしてもよいし、一部の音声出力機器を共有するようにしてもよい。
図2は、制御装置3内部の機能的な構成を示す機能ブロック図である。制御装置3は、図2に示すように、判断モデル記憶部31と、確信度算出部32と、確信度加重和算出部33と、警備動作制御部34とを備える。
FIG. 2 is a functional block diagram showing a functional configuration inside the
判断モデル記憶部31は、ダイナミックベイジアンネットワークを利用した確率モデルによりセンサ反応の因果関係を表現したモデルである判断モデルを記憶するデータベースである。
The judgment
判断モデルは、センサ1の反応要因となり得る予め定めた複数の物体カテゴリごとに、各物体カテゴリに属する物体の行動の遷移の条件付確率と位置の遷移の条件付確率とを定めた確率モデルである行動モデルと、物体が存在する位置と複数のセンサ1の反応との関係を表した確率モデルであるセンサモデルと、を含んでいる。また、本実施形態では、監視領域である建物の敷地を複数の検知対象領域に分けて、各検知対象領域に対してそれぞれ一つ以上のセンサ1を設置する構成を想定しているため、これら複数の検知対象領域の位置を表す位置モデルを定義し、この位置モデルを、確率モデルである行動モデルおよびセンサモデルとともに、判断モデルに含めている。なお、判断モデルの具体例については、詳細を後述する。
The judgment model is a probability model in which for each of a plurality of predetermined object categories that can be a reaction factor of the
確信度算出部32は、判断モデル記憶部31に記憶されている判断モデルを用いることで、センサインターフェース2によって複数のセンサ1から定期的に取得されるセンサ反応信号の時系列データから、予め定めた複数の物体カテゴリごとに、各物体カテゴリに属する物体がセンサ反応要因となっている確からしさを表す確信度を算出する。
The certainty
具体的には、確信度算出部32は、センサインターフェース2によってセンサ反応信号が取得されるたびにそのセンサ反応信号をチェックするとともに、そのセンサ反応信号を内部メモリなどにバッファリングしていく。そして、新たに得られたセンサ反応信号と過去のセンサ反応信号とを組み合わせた時系列データを随時生成し、このセンサ反応信号の時系列データを、判断モデル記憶部31に記憶されている判断モデルと照合することによって、物体カテゴリごとの確信度を算出する。ここで、本実施形態では、物体カテゴリとして、人間、小動物、無生物の3種類のカテゴリを想定している。なお、確信度算出部32は、計算結果を内部メモリなどに一時的に保存し、次の処理周期において確信度を算出する際に、前回の計算結果を用いて再帰的な計算を行うことで、計算負荷を低減させるようにしている。この確信度算出部32による物体カテゴリごとの確信度の算出方法の具体例については、詳細を後述する。
Specifically, every time the sensor response signal is acquired by the
確信度加重和算出部33は、確信度算出部32により時系列で算出される各物体カテゴリの確信度のうち、物体カテゴリ=人間に対応する確信度を、時系列の初期段階ほど低い重み係数により重み付け加算した値である確信度加重和を算出する。
The certainty factor weighted
物体カテゴリごとの確信度は、上述したように、センサ反応信号の時系列データを判断モデルと照合することによって算出されるが、時系列の初期段階では得られている情報が少ないため、確信度の誤差が大きいと考えられる。そこで、本実施形態では、信頼性の高い情報を得るために、確信度加重和算出部33が、確信度算出部32により時系列で算出される物体カテゴリごとの確信度のうち、特に物体カテゴリ=人間に対応する確信度について、時系列で算出される確信度の積分をとる(毎回の確信度の総和をとる)。この際、観測の初期段階の確信度は信頼できないと考えて、初期段階の確信度には低い重み係数により重み付け加算して確信度加重和を算出する。なお、重み係数は、観測時間が経過するごとに増加していく値であり、種々の単調増加の関数を用いることができるが、シグモイド関数を用いるのが最適と考えられる。
As described above, the certainty factor for each object category is calculated by collating the time series data of the sensor response signal with the judgment model. However, since there is little information obtained in the initial stage of the time series, the certainty factor The error is considered to be large. Therefore, in the present embodiment, in order to obtain highly reliable information, the certainty factor weighted
警備動作制御部34は、センサインターフェース2によって複数のセンサ1から定期的に取得されるセンサ反応信号と、確信度算出部32により算出される物体カテゴリごとの確信度と、確信度加重和算出部33により算出される確信度加重和とに基づいて、上記の各警備動作のうちで現在の状況に応じた最適な警備動作が実行されるように、上記の各警備動作の「駆動」モードや「停止」モードを設定し、各種機器5の動作を制御するための制御指令を機器インターフェース4に出力する。
The security
[警備動作切替えの具体例]
ここで、警備動作制御部34による警備動作の切替えの具体例について説明する。なお、以下で説明する警備動作の切替えはあくまで一例を例示したものであり、切替えの判断基準(条件)は、以下で説明する例に限られるものではなく、警備装置を適用する環境などに応じて様々に変形して設定することができる。
[Specific example of security operation switching]
Here, a specific example of switching of the security operation by the security
本実施形態にかかる警備装置は「警備セットモード」と「警備解除モード」とを有し、警備装置が「警備セットモード」に設定されている間、監視領域に設置された複数のセンサ1のいずれかが物体に反応すると、警備動作制御部34による制御が開始される。そして、この警備動作制御部34による制御に従って、上記の各警備動作のうちのいずれかが実行される。なお、警備装置が「警備解除モード」に設定されている場合には、監視領域に設置されたセンサ1が物体に反応しても警備動作は行われない。
The security device according to the present embodiment has a “security set mode” and a “security release mode”. While the security device is set to the “security set mode”, the plurality of
(誘導動作)
警備動作制御部34は、監視領域である建物の敷地に設置された複数のセンサ1のうち、最初に反応したセンサが門扉の開閉を検出するセンサである場合、最初に実行する警備動作として「誘導動作」を選択する。これは、「誘導動作」の主な対象として想定している正規利用者が、通常は門扉から敷地内に進入することを考慮したものである。
(Guide operation)
The security
また、警備動作制御部34は、「誘導動作」の実行中は、以下の条件に従って警備動作の切替えを行う。すなわち、「誘導動作」の実行中に、複数のセンサ1のうち、アクセスエリアに設置されたセンサが反応し続けており、且つ、確信度加重和算出部33により算出された確信度加重和が閾値Th1(第1の閾値)以上であり、且つ、確信度算出部32により算出された人間に対応する確信度が、人間以外の物体カテゴリに対応する確信度よりも高い場合、警備動作制御部34は、実行する警備動作を「誘導動作」から「警告動作」に切替える。これは、音声出力機器5aから誘導音声を出力しているにも関わらず、アクセスエリアに設置されたセンサが反応し続け、そのアクセスエリアに滞在している物体が人間である可能性が高い状況は、不法侵入者がアクセスエリアに滞在している可能性が高く、確信度加重和がある閾値を超えた時点で「警告動作」に移行することが有効と考えられるためである。
In addition, the guard
また、「誘導動作」の実行中に、複数のセンサ1のうち、アクセスエリア以外に設置されたセンサが反応し、且つ、確信度算出部32により算出された人間に対応する確信度が、人間以外の物体カテゴリに対応する確信度よりも高い場合、警備動作制御部34は、実行する警備動作を「誘導動作」から「警告動作」に切替える。これは、音声出力機器5aから誘導音声を出力した結果、物体がアクセスエリアから敷地内の他のエリアに移動し、その移動した物体が人間である可能性が高い状況は、不法侵入者がアクセスエリア以外のエリアに移動した可能性が高く、「警告動作」に移行することが有効と考えられるためである。
In addition, during execution of the “guidance operation”, a sensor installed outside the access area among the plurality of
また、「誘導動作」の実行中に、複数のセンサ1のうち、アクセスエリア以外に設置されたセンサが反応し、且つ、確信度算出部32により算出された人間に対応する確信度よりも、人間以外の物体カテゴリに対応する確信度の方が高い状態が、予め定めた所定時間以上継続した場合、警備動作制御部34は、「誘導動作」を含めたすべての警備動作を終了させる。これは、アクセスエリアから敷地内の他のエリアに移動した物体が人間以外の小動物や無生物である可能性が高い状況では、警備動作を実行する必要がないと考えられるためである。なお、ここでは、アクセスエリア以外に設置されたセンサが反応していることを警備動作終了の条件の1つとしているが、アクセスエリアに設置されたセンサが反応している場合であっても、確信度算出部32により算出された人間に対応する確信度よりも、人間以外の物体カテゴリに対応する確信度の方が高い状態が所定時間以上継続した場合は、「誘導動作」を含めたすべての警備動作を終了させるようにしてもよい。
Further, during the execution of the “guidance operation”, a sensor installed outside the access area among the plurality of
また、「誘導動作」の実行中に、複数のセンサ1のうちのいずれも反応していない状態が、予め定めた所定時間以上継続した場合、警備動作制御部34は、「誘導動作」を含めたすべての警備動作を終了させる。これは、いずれのセンサも反応していない状況は、センサ反応要因となっていた物体が敷地外に移動した可能性が高く、警備動作を実行する必要がないと考えられるためである。
In addition, when the state in which none of the plurality of
また、「誘導動作」の実行中に、警備装置が「警備セットモード」から「警備解除モード」に切替えられた場合には、家人が警備解除の操作を行ったと判断できるため、警備動作制御部34は、「誘導動作」を含めたすべての警備動作を終了させる。 In addition, when the security device is switched from the “security set mode” to the “security release mode” during the “guidance operation”, it can be determined that the householder has performed the security release operation. 34 terminates all the guard operations including the “guidance operation”.
なお、「誘導動作」の実行中、「誘導動作」において作動させる音声出力機器5aの可聴領域内(つまり、音声出力機器5aからの誘導音声の効果が及ぶ範囲)のセンサが反応していない状況では、音声出力機器5aを作動させることは無駄である。そのため、このような状況では、警備動作制御部34は、音声出力機器5aからの誘導音声の出力を中断させ、無駄な消費電力の削減を図ることが望ましい。
It should be noted that during execution of the “guidance operation”, a sensor in the audible region of the
(警告動作)
一方、監視領域である建物の敷地に設置された複数のセンサ1のうち、最初に反応したセンサが門扉の開閉を検出するセンサ以外のセンサであり、且つ、確信度算出部32により算出された人間に対応する確信度が、人間以外の物体カテゴリに対応する確信度よりも高い場合、警備動作制御部34は、最初に実行する警備動作として「警告動作」を選択する。これは、「警告動作」の主な対象として想定している不法侵入者が、門扉以外の場所から敷地内に侵入する可能性が高いことを考慮したものである。つまり、門扉の開閉を検出するセンサ以外のセンサが最初に反応し、人間に対応する確信度が高い状況は、不法侵入者が敷地内に侵入した可能性が高く、すぐに「警告動作」を行うことが有効と考えられるためである。
(Warning action)
On the other hand, among the plurality of
なお、警備動作制御部34は、実行する警備動作として「警告動作」を選択した場合には、この「警告動作」に付随して「物理的防御動作」を実行させる。この「物理的防御動作」は、警備装置が「警備セットモード」から「警備解除モード」に切替えられた場合や、建物の玄関に設置された本錠の正規開錠動作が確認できた場合などに終了する。本錠の正規開錠動作は、例えば本錠の施開錠状態を検出可能なセンサを設けることで確認できる。
When the “warning operation” is selected as the guard operation to be executed, the guard
また、警備動作制御部34は、「警告動作」の実行中は、以下の条件に従って警備動作の切替えを行う。すなわち、「警告動作」の実行中に、確信度算出部32により算出された人間に対応する確信度が、人間以外の物体カテゴリに対応する確信度よりも高く、且つ、複数のセンサ1のうち、開口部エリアに設置されたセンサが反応しており、且つ、確信度加重和算出部33により算出された確信度加重和が閾値Th2(第2の閾値)以上であり、且つ、確信度算出部32により算出された人間以外の物体カテゴリに対応する確信度が、十分に小さい値に設定された閾値Th3(第3の閾値)以下である場合、警備動作制御部34は、実行する警備動作を「警告動作」から「威嚇動作」に切替える。これは、音声出力機器5aから警告音声を出力しているにも関わらず、人間である可能性が高い物体が開口部エリアに存在する状況は、高い侵入意図を持った不法侵入者が建物内部への侵入を企てようとしている可能性が高いため、「警告動作」よりも侵入者排除効果の強い「威嚇動作」を行うことが有効と考えられるためである。
Further, the guard
なお、建物の開口部としては、一般的に、建物内部への侵入危険度が高い開口部(例えば、掃出し窓のような開口部が広く、破壊工作が比較的容易な開口部)と、侵入危険度が低い開口部(例えば、高窓のような開口部が狭く、破壊工作が困難な開口部)とが存在する。建物内部への侵入危険度が高い開口部エリアのセンサが反応している場合と、建物内部への侵入危険度が低い開口部エリアのセンサが反応している場合とで、確信度総和値に対する閾値を変化させるようにしてもよい。具体的には、侵入危険度の高い開口部エリアのセンサが反応している場合の閾値は、侵入危険度の低い開口部エリアのセンサが反応している場合の閾値よりも低くすることで、「警告動作」から「威嚇動作」への切替えを早めに行う仕組みとすることが望ましい。 In general, as the opening of a building, there is an opening that has a high risk of entering the building (for example, an opening that has a wide opening such as a sweep window and is relatively easy to destroy), and an intrusion. There are low-risk openings (for example, openings such as high windows that are narrow and difficult to break). When the sensor of the opening area where the risk of entering the building is high is reacting and when the sensor of the opening area where the risk of entering the building is low is reacting, The threshold value may be changed. Specifically, the threshold when the sensor of the opening area with a high intrusion risk is reacting is lower than the threshold when the sensor of the opening area with a low intrusion risk is reacting, It is desirable to adopt a mechanism for switching from “warning operation” to “intimidation operation” early.
また、「警告動作」の実行中に、確信度算出部32により算出された人間に対応する確信度よりも、人間以外の物体カテゴリに対応する確信度の方が高い状態が所定時間以上継続した場合、警備動作制御部34は、「警告動作」を含めたすべての警備動作を終了させる。これは、センサ反応要因となっている物体が人間以外の小動物や無生物である可能性が高い状況では、警備動作を実行する必要がないと考えられるためである。
Further, during the execution of the “warning operation”, a state in which the certainty factor corresponding to the object category other than the human being is higher than the certainty factor corresponding to the human being calculated by the certainty
また、「警告動作」の実行中に、複数のセンサ1のうちのいずれも反応していない状態が、予め定めた所定時間以上継続した場合、警備動作制御部34は、「警告動作」を含めたすべての警備動作を終了させる。これは、いずれのセンサも反応していない状況は、センサ反応要因となっていた物体が敷地外に移動した可能性が高く、警備動作を実行する必要がないと考えられるためである。
In addition, when the state in which none of the plurality of
また、「警告動作」の実行中に、警備装置が「警備セットモード」から「警備解除モード」に切替えられた場合には、家人が警備解除の操作を行ったと判断できるため、警備動作制御部34は、「警告動作」を含めたすべての警備動作を終了させる。 In addition, when the security device is switched from the “security set mode” to the “security release mode” during the execution of the “warning operation”, it can be determined that the householder has performed the security release operation. 34 terminates all the guard operations including the “warning operation”.
なお、「警告動作」の実行中、「警告動作」において作動させる音声出力機器5aの可聴領域内(つまり、音声出力機器5aからの警告音声の効果が及ぶ範囲)や、限定報知用機器5bによる異常報知の効果が及ぶ範囲のセンサが反応していない状況では、これら音声出力機器5aや限定報知用機器5bを作動させることは無駄である。そのため、警備動作制御部34は、音声出力機器5aの可聴領域内のセンサが反応していなければ、音声出力機器5aからの警告音声の出力を中断し、また、限定報知用機器5bによる異常報知の効果が及ぶ範囲のセンサが反応していなければ、限定報知用機器5bの作動を中断させることで、無駄な消費電力の削減を図ることが望ましい。
During the execution of the “warning operation”, the
(威嚇動作)
警備動作制御部34は、「警告動作」から「威嚇動作」への切替えを、上述した条件に従って行う。ただし、「威嚇動作」において使用する周囲報知用機器5cは、音声出力機器5aからの威嚇音声の出力を開始するタイミングよりも遅らせて作動させることが望ましい。つまり、「警告動作」から「威嚇動作」への切替えの条件の1つとして、確信度加重和算出部33により算出された確信度加重和が閾値Th2以上という条件があるが、この閾値Th2をTh2a,Th2bの2段階(Th2a<Th2b)とし、確信度加重和が閾値Th2a以上となったら音声出力機器5aからの威嚇音声の出力を開始し、確信度加重和が閾値Th2b以上となったら周囲報知用機器5cの作動を開始させる。これは、周囲に与える影響を考慮すると、周囲に対する影響が小さい順番に機器を作動させる方が、利便性の高い警備装置になると考えられるからである。なお、周囲報知用機器5cとして、光を発する機器と音を発する機器がある場合、周囲に与える影響の大きさを考えて、光を発する機器、音を発する機器の順番に作動させることが望ましい。
(Intimidation action)
The guard
また、警備動作制御部34は、「威嚇動作」の実行中は、以下の条件に従って警備動作の切替えを行う。すなわち、「威嚇動作」の実行中に、確信度加重和算出部33により算出された確信度加重和が、上記の閾値Th2(第2の閾値)よりも大きい閾値Th4(第4の閾値)以上となった場合に、「威嚇動作」に加えて「攻撃動作」を実行させる。これは、音声出力機器5aから威嚇音声を出力し、また周囲報知用機器5cを作動させているにも関わらず、不法侵入者である可能性が極めて高い物体が開口部エリアに存在し続けている状況では、不法侵入者に対して直接的な負荷を与える「攻撃動作」を行うことが有効と考えられるためである。
Further, the guard
また、「威嚇動作」の実行中に、複数のセンサ1のいずれかが反応しているが開口部エリアのセンサは反応しなくなった場合、警備動作制御部34は、実行する警備動作を「威嚇動作」から「警告動作」に切替える。これは、開口部エリアのセンサが反応しなくなった状況では、不法侵入者が建物内部へ侵入する危険度が下がったと判断でき、「威嚇動作」よりも侵入者排除効果の弱い「警告動作」を行うことが有効と考えられるためである。なお、「威嚇動作」に加えて「攻撃動作」も実行している場合には、「威嚇動作」から「警告動作」への切替えが行われるときに、「攻撃動作」は終了させる。
Further, when any of the plurality of
また、「威嚇動作」の実行中に、確信度算出部32により算出された人間に対応する確信度よりも、人間以外の物体カテゴリに対応する確信度の方が高い状態が所定時間以上継続した場合、警備動作制御部34は、「威嚇動作」を含めたすべての警備動作を終了させる。これは、センサ反応要因となっている物体が人間以外の小動物や無生物である可能性が高い状況では、警備動作を実行する必要がないと考えられるためである。
Further, during the execution of the “threatening action”, a state in which the certainty factor corresponding to the object category other than the human being is higher than the certainty factor corresponding to the human being calculated by the certainty
また、「威嚇動作」の実行中に、複数のセンサ1のうちのいずれも反応していない状態が、予め定めた所定時間以上継続した場合、警備動作制御部34は、「威嚇動作」を含めたすべての警備動作を終了させる。これは、いずれのセンサも反応していない状況は、センサ反応要因となっていた物体が敷地外に移動した可能性が高く、警備動作を実行する必要がないと考えられるためである。
In addition, if the state in which none of the plurality of
また、「威嚇動作」の実行中に、警備装置が「警備セットモード」から「警備解除モード」に切替えられた場合には、家人が警備解除の操作を行ったと判断できるため、警備動作制御部34は、「威嚇動作」を含めたすべての警備動作を終了させる。 In addition, when the security device is switched from the “security set mode” to the “security release mode” during the execution of the “threat action”, it can be determined that the householder has performed the security release operation. 34 terminates all the security operations including the “intimidation operation”.
なお、「威嚇動作」の実行中、「威嚇動作」において作動させる音声出力機器5aの可聴領域内(つまり、音声出力機器5aからの威嚇音声の効果が及ぶ範囲)や、周囲報知用機器5cによる異常報知の効果が及ぶ範囲のセンサが反応していない状況では、これら音声出力機器5aや周囲報知用機器5cを作動させることは無駄である。そのため、警備動作制御部34は、音声出力機器5aの可聴領域内のセンサが反応していなければ、音声出力機器5aからの威嚇音声の出力を中断し、また、周囲報知用機器5cによる異常報知の効果が及ぶ範囲のセンサが反応していなければ、周囲報知用機器5cの作動を中断させることで、無駄な消費電力の削減を図ることが望ましい。同様に、警備動作制御部34は、「攻撃動作」の実行中、攻撃用機器5dの効果が及ぶ範囲のセンサが反応していなければ、攻撃用機器5dの作動を中断させることで、無駄な消費電力の削減を図ることが望ましい。
During the execution of the “intimidation operation”, the
[警備動作の遷移の具体例]
次に、本実施形態にかかる警備装置により実行される警備動作の遷移の具体例について、図3乃至図7を参照して説明する。図3は、一連の警備動作の遷移を説明するメインフローチャートであり、図4は、「誘導動作」実行時の処理の流れを示すフローチャートであり、図5は、「警告動作」および「物理的防御動作」実行時の処理の流れを示すフローチャートであり、図6は、「威嚇動作」実行時の処理の流れを示すフローチャートであり、図7は、「攻撃動作」実行時の処理の流れを示すフローチャートである。
[Specific example of transition of security operation]
Next, a specific example of the transition of the security operation executed by the security device according to the present embodiment will be described with reference to FIGS. FIG. 3 is a main flowchart for explaining a transition of a series of guard operations, FIG. 4 is a flowchart showing a flow of processing when “guidance operation” is executed, and FIG. 5 shows “warning operations” and “physical operations”. FIG. 6 is a flowchart showing the flow of processing when the “defense action” is executed, FIG. 6 is a flowchart showing the flow of processing when the “defense action” is executed, and FIG. 7 shows the flow of processing when the “attack action” is executed. It is a flowchart to show.
(メインフロー)
まず、図3を参照して、本実施形態にかかる警備装置による動作の概要を説明する。本実施形態にかかる警備装置が「警備セットモード」に設定されると、センサインターフェース2によって複数のセンサ1から定期的に取得されるセンサ反応信号が制御装置3に入力される。制御装置3は、センサインターフェース2から入力されるセンサ反応信号の監視を行い、いずれかのセンサから出力されたセンサ反応信号が「反応」になったか否か、つまり、複数のセンサ1のいずれかが反応しているか否かを判定する(ステップS1)。そして、制御装置3は、いずれかのセンサが反応している場合(ステップS1:Yes)、警備動作制御部34による制御を開始させる(ステップS2)。
(Main flow)
First, with reference to FIG. 3, the outline | summary of operation | movement by the security apparatus concerning this embodiment is demonstrated. When the security device according to the present embodiment is set to the “security set mode”, sensor response signals periodically acquired from the plurality of
警備動作制御部34による制御が開始されると、まず、ステップS1で反応していると判定されたセンサが門扉の開閉を検出するセンサであるか否かが判定される(ステップS3)。そして、門扉の開閉を検出するセンサが反応している場合は(ステップS3:Yes)、「誘導動作」が実行される(ステップS4)。一方、門扉の開閉を検出するセンサ以外の他のセンサが反応している場合は(ステップS3:No)、「警告動作」が実行される(ステップS5)。
When control by the security
ステップS4の「誘導動作」の実行中、警備動作制御部34は、上述した「警告動作」に移行する条件が成立したか否かを随時判定し(ステップS6)、「警告動作」に移行する条件が成立した場合は(ステップS6:Yes)、実行する警備動作を「誘導動作」から「警告動作」に切替える(ステップS5)。一方、「警告動作」に移行する条件が成立する前に、上述した警備動作を終了する条件が成立した場合には(ステップS6:No)、警備動作制御部34は、「誘導動作」を終了するとともに自身の制御を終了する(ステップS7)。このとき、警備動作を終了する条件が「警備解除モード」への切替えである場合には(ステップS8:Yes)、警備動作制御部34による制御の終了に伴って、警備装置による一連の動作が終了する。一方、警備動作を終了する条件が「警備解除モード」への切替え以外の条件である場合には(ステップS8:No)、ステップS1に戻ってセンサ反応信号の監視が継続される。
During the execution of the “guidance operation” in step S4, the guard
また、ステップS5の「警告動作」の実行中、警備動作制御部34は、上述した「威嚇動作」に移行する条件が成立したか否かを随時判定し(ステップS9)、「威嚇動作」に移行する条件が成立した場合は(ステップS9:Yes)、実行する警備動作を「警告動作」から「威嚇動作」に切替える(ステップS10)。一方、「威嚇動作」に移行する条件が成立する前に、上述した警備動作を終了する条件が成立した場合には(ステップS9:No)、警備動作制御部34は、「警告動作」を終了するとともに自身の制御を終了する(ステップS7)。このとき、警備動作を終了する条件が「警備解除モード」への切替えである場合には(ステップS8:Yes)、警備動作制御部34による制御の終了に伴って、警備装置による一連の動作が終了する。一方、警備動作を終了する条件が「警備解除モード」への切替え以外の条件である場合には(ステップS8:No)、ステップS1に戻ってセンサ反応信号の監視が継続される。
Further, during the execution of the “warning operation” in step S5, the guard
また、ステップS10の「威嚇動作」の実行中、警備動作制御部34は、上述した「警告動作」に移行する条件が成立したか否かを随時判定し(ステップS11)、「警告動作」に移行する条件が成立した場合は(ステップS11:Yes)、実行する警備動作を「威嚇動作」から「警告動作」に切替える(ステップS5)。また、警備動作制御部34は、ステップS10の「威嚇動作」の実行中、上述した「攻撃動作」を追加する条件が成立したか否かを随時判定し(ステップS12)、「攻撃動作」を追加する条件が成立した場合は(ステップS12:Yes)、「攻撃動作」を実行する(ステップS13)。一方、「警告動作」に移行する条件や、「攻撃動作」を追加する条件が成立する前に、上述した警備動作を終了する条件が成立した場合には(ステップS12:No)、警備動作制御部34は、「威嚇動作」を終了するとともに自身の制御を終了する(ステップS7)。このとき、警備動作を終了する条件が「警備解除モード」への切替えである場合には(ステップS8:Yes)、警備動作制御部34による制御の終了に伴って、警備装置による一連の動作が終了する。一方、警備動作を終了する条件が「警備解除モード」への切替え以外の条件である場合には(ステップS8:No)、ステップS1に戻ってセンサ反応信号の監視が継続される。
Further, during the execution of the “intimidation operation” in step S10, the guard
また、警備動作制御部34は、ステップS10の「威嚇動作」に追加して、ステップS13の「攻撃動作」を実行している場合も、上述した「警告動作」に移行する条件が成立したか否かを随時判定し(ステップS14)、「警告動作」に移行する条件が成立した場合は(ステップS14:Yes)、実行する警備動作を「威嚇動作」から「警告動作」に切替える(ステップS5)。一方、「警告動作」に移行する条件が成立する前に、上述した警備動作を終了する条件が成立した場合には(ステップS14:No)、警備動作制御部34は、「威嚇動作」および「攻撃動作」を終了するとともに自身の制御を終了する(ステップS7)。このとき、警備動作を終了する条件が「警備解除モード」への切替えである場合には(ステップS8:Yes)、警備動作制御部34による制御の終了に伴って、警備装置による一連の動作が終了する。一方、警備動作を終了する条件が「警備解除モード」への切替え以外の条件である場合には(ステップS8:No)、ステップS1に戻ってセンサ反応信号の監視が継続される。
In addition to the “intimidation operation” in step S10, the guard
(誘導動作)
次に、図3のステップS4における「誘導動作」実行時の警備動作制御部34による制御の具体例について、図4を参照して説明する。
(Guide operation)
Next, a specific example of the control by the guard
ステップS101:「誘導動作」が開始されると、警備動作制御部34は、「誘導動作」で使用する音声出力機器5aを作動させるための制御指令を機器インターフェース4に出力し、音声出力機器5aから誘導音声を出力させる。
Step S101: When the “guidance operation” is started, the guard
ステップS102:警備動作制御部34は、警備装置が「警備セットモード」から「警備解除モード」に切替えられたか否かを判定する。そして、警備装置が「警備解除モード」に切替えられていなければ(ステップS102:No)、ステップS103に進む。一方、警備装置が「警備解除モード」に切替えられた場合は(ステップS102:Yes)、図3のステップS7に進み、音声出力機器5aからの誘導音声の出力を停止させて、警備動作を終了させる。
Step S102: The security
ステップS103:警備動作制御部34は、複数のセンサ1のいずれかが反応している状態が継続されているか否かを判定する。そして、いずれのセンサも反応していない場合は(ステップS103:No)、ステップS104に進む。一方、複数のセンサ1のいずれかが反応している状態が継続されている場合は(ステップS103:Yes)、ステップS105に進む。
Step S103: The guard
ステップS104:警備動作制御部34は、いずれのセンサも反応しなくなってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS104:No)、ステップS102に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS104:Yes)、図3のステップS7に進み、音声出力機器5aからの誘導音声の出力を停止させて、警備動作を終了させる。
Step S104: The security
ステップS105:警備動作制御部34は、反応しているセンサがアクセスエリアに設置されたセンサであるか否かを判定する。そして、反応しているセンサがアクセスエリアに設置されたセンサであれば(ステップS105:Yes)、ステップS106に進む。一方、反応しているセンサがアクセスエリアに設置されたセンサ以外の他のセンサであれば(ステップS105:No)、ステップS108に進む。
Step S105: The security
ステップS106:警備動作制御部34は、現時点で確信度加重和算出部33により算出された確信度加重和(物体カテゴリ=人間に対応する確信度の加重和)が、予め定めた閾値Th1(第1の閾値)以上となっているか否かを判定する。そして、確信度加重和が閾値Th1以上であれば(ステップS106:Yes)、ステップS107に進む。一方、確信度加重和が閾値Th1未満であれば(ステップS106:No)、ステップS102に戻って以降の判定を繰り返す。
Step S106: The security
ステップS107:警備動作制御部34は、現時点で確信度算出部32により算出された物体カテゴリ=人間に対応する確信度が、他の物体カテゴリに対応する確信度よりも高いか否かを判定する。そして、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度よりも高ければ(ステップS107:Yes)、実行する警備動作を「誘導動作」から「警告動作」に切替える。一方、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値であれば(ステップS107:No)、ステップS102に戻って以降の判定を繰り返す。
Step S107: The security
ステップS108:警備動作制御部34は、現時点で確信度算出部32により算出された物体カテゴリ=人間に対応する確信度が、他の物体カテゴリに対応する確信度よりも高いか否かを判定する。そして、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度よりも高ければ(ステップS108:Yes)、実行する警備動作を「誘導動作」から「警告動作」に切替える。一方、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値であれば(ステップS108:No)、ステップS109に進む。
Step S108: The security
ステップS109:警備動作制御部34は、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値となってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS109:No)、ステップS102に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS109:Yes)、図3のステップS7に進み、音声出力機器5aからの誘導音声の出力を停止させて、警備動作を終了させる。
Step S109: The guard
(警告動作)
次に、図3のステップS5における「警告動作」実行時の警備動作制御部34による制御の具体例について、図5を参照して説明する。
(Warning action)
Next, a specific example of control by the guard
ステップS201:「警告動作」が開始されると、警備動作制御部34は、その「警告動作」が「誘導動作」からの移行により開始されるものであるか否かを判定する。そして、「警告動作」が「誘導動作」からの移行により開始されるものでない場合は(ステップS201:No)、ステップS202に進む。一方、「警告動作」が「誘導動作」からの移行により開始されるものであれば(ステップS201:Yes)、ステップS203に進む。なお、「警告動作」が「誘導動作」からの移行により開始されるものでない場合とは、警備装置が「警備セットモード」に設定された後、複数のセンサ1のうち、門扉の開閉を検知するセンサ以外の他のセンサが最初に反応したことにより、警備装置による警備動作が「警告動作」から開始される場合である。
Step S201: When the “warning operation” is started, the guard
ステップS202:警備動作制御部34は、現時点で確信度算出部32により算出された物体カテゴリ=人間に対応する確信度が、他の物体カテゴリに対応する確信度よりも高いか否かを判定する。そして、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度よりも高ければ(ステップS202:Yes)、ステップS203に進む。一方、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値であれば(ステップS202:No)、図3のステップS7に進み、警備動作を終了させる。
Step S202: The guard
ステップS203:警備動作制御部34は、物理的防御用機器5eを作動させるための制御指令を機器インターフェース4に出力し、物理的防御用機器5eを作動させる。
Step S203: The guard
ステップS204:警備動作制御部34は、「警告動作」で使用する音声出力機器5aを作動させるための制御指令と、限定報知用機器5bを作動させるための制御指令とを機器インターフェース4に出力し、音声出力機器5aから警告音声を出力させるとともに、限定報知用機器5bを作動させる。
Step S204: The guard
ステップS205:警備動作制御部34は、警備装置が「警備セットモード」から「警備解除モード」に切替えられたか否かを判定する。そして、警備装置が「警備解除モード」に切替えられていなければ(ステップS205:No)、ステップS206に進む。一方、警備装置が「警備解除モード」に切替えられた場合は(ステップS205:Yes)、図3のステップS7に進み、音声出力機器5aからの警告音声の出力と限定報知用機器5bの作動、および、物理的防御用機器5eの作動を停止させて、警備動作を終了させる。
Step S205: The security
ステップS206:警備動作制御部34は、複数のセンサ1のいずれかが反応している状態が継続されているか否かを判定する。そして、いずれのセンサも反応していない場合は(ステップS206:No)、ステップS207に進む。一方、複数のセンサ1のいずれかが反応している状態が継続されている場合は(ステップS206:Yes)、ステップS208に進む。
Step S206: The guard
ステップS207:警備動作制御部34は、いずれのセンサも反応しなくなってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS207:No)、ステップS205に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS207:Yes)、図3のステップS7に進み、音声出力機器5aからの警告音声の出力と限定報知用機器5bの作動を停止させて、警備動作を終了させる。
Step S207: The guard
ステップS208:警備動作制御部34は、現時点で確信度算出部32により算出された物体カテゴリ=人間に対応する確信度が、他の物体カテゴリに対応する確信度よりも高いか否かを判定する。そして、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値であれば(ステップS208:No)、ステップS209に進む。一方、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度よりも高ければ(ステップS208:Yes)、ステップS210に進む。
Step S208: The guard
ステップS209:警備動作制御部34は、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値になってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS209:No)、ステップS205に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS209:Yes)、図3のステップS7に進み、音声出力機器5aからの警告音声の出力と限定報知用機器5bの作動を停止させて、警備動作を終了させる。
Step S209: The guard
ステップS210:警備動作制御部34は、反応しているセンサが開口部エリアに設置されたセンサであるか否かを判定する。そして、反応しているセンサが開口部エリアに設置されたセンサであれば(ステップS210:Yes)、ステップS211に進む。一方、反応しているセンサが開口部エリアに設置されたセンサ以外の他のセンサであれば(ステップS210:No)、ステップS205に戻って以降の判定を繰り返す。
Step S210: The guard
ステップS211:警備動作制御部34は、現時点で確信度加重和算出部33により算出された確信度加重和(物体カテゴリ=人間に対応する確信度の加重和)が、予め定めた閾値Th2a(第2の閾値)以上となっているか否かを判定する。そして、確信度加重和が閾値Th2a以上であれば(ステップS211:Yes)、ステップS212に進む。一方、確信度加重和が閾値Th2a未満であれば(ステップS211:No)、ステップS205に戻って以降の判定を繰り返す。
Step S211: The security
ステップS212:警備動作制御部34は、現時点で確信度算出部32により算出された人間以外の物体カテゴリに対応する確信度が、予め定めた閾値Th3(第3の閾値)以下となっているか否かを判定する。そして、人間以外の物体カテゴリに対応する確信度が閾値Th3以下であれば(ステップS212:Yes)、実行する警備動作を「警告動作」から「威嚇動作」に切替える。一方、人間以外の物体カテゴリに対応する確信度が閾値Th3を超えていれば(ステップS212:No)、ステップS205に戻って以降の判定を繰り返す。
Step S212: The security
(威嚇動作)
次に、図3のステップS10における「威嚇動作」実行時の警備動作制御部34による制御の具体例について、図6を参照して説明する。
(Intimidation action)
Next, a specific example of the control by the guard
ステップS301:「威嚇動作」が開始されると、警備動作制御部34は、「威嚇動作」で使用する音声出力機器5aを作動させるための制御指令を機器インターフェース4に出力し、音声出力機器5aから威嚇音声を出力させる。
Step S301: When “intimidation operation” is started, the security
ステップS302:警備動作制御部34は、警備装置が「警備セットモード」から「警備解除モード」に切替えられたか否かを判定する。そして、警備装置が「警備解除モード」に切替えられていなければ(ステップS302:No)、ステップS303に進む。一方、警備装置が「警備解除モード」に切替えられた場合は(ステップS302:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力を停止させて、警備動作を終了させる。
Step S302: The security
ステップS303:警備動作制御部34は、複数のセンサ1のいずれかが反応している状態が継続されているか否かを判定する。そして、いずれのセンサも反応していない場合は(ステップS303:No)、ステップS304に進む。一方、複数のセンサ1のいずれかが反応している状態が継続されている場合は(ステップS303:Yes)、ステップS305に進む。
Step S303: The guard
ステップS304:警備動作制御部34は、いずれのセンサも反応しなくなってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS304:No)、ステップS302に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS304:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力を停止させて、警備動作を終了させる。
Step S304: The security
ステップS305:警備動作制御部34は、現時点で確信度算出部32により算出された物体カテゴリ=人間に対応する確信度が、他の物体カテゴリに対応する確信度よりも高いか否かを判定する。そして、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値であれば(ステップS305:No)、ステップS306に進む。一方、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度よりも高ければ(ステップS305:Yes)、ステップS307に進む。
Step S305: The security
ステップS306:警備動作制御部34は、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値となってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS306:No)、ステップS302に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS306:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力を停止させて、警備動作を終了させる。
Step S306: The guard
ステップS307:警備動作制御部34は、反応しているセンサが開口部エリアに設置されたセンサであるか否かを判定する。そして、反応しているセンサが開口部エリアに設置されたセンサであれば(ステップS307:Yes)、ステップS308に進む。一方、反応しているセンサが開口部エリアに設置されたセンサ以外の他のセンサであれば(ステップS307:No)、実行する警備動作を「威嚇動作」から「警告動作」に切替える。
Step S307: The security
ステップS308:警備動作制御部34は、現時点で確信度加重和算出部33により算出された確信度加重和(物体カテゴリ=人間に対応する確信度の加重和)が、閾値Th2aよりも大きな値に設定された閾値Th2b以上となっているか否かを判定する。そして、確信度加重和が閾値Th2b以上であれば(ステップS308:Yes)、ステップS309に進む。一方、確信度加重和が閾値Th2b未満であれば(ステップS308:No)、ステップS302に戻って以降の判定を繰り返す。
Step S308: The security
ステップS309:警備動作制御部34は、周囲報知用機器5cを作動させるための制御指令を機器インターフェース4に出力し、周囲報知用機器5cを作動させる。
Step S309: The guard
ステップS310:警備動作制御部34は、警備装置が「警備セットモード」から「警備解除モード」に切替えられたか否かを判定する。そして、警備装置が「警備解除モード」に切替えられていなければ(ステップS310:No)、ステップS311に進む。一方、警備装置が「警備解除モード」に切替えられた場合は(ステップS310:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力および周囲報知用機器5cの作動を停止させて、警備動作を終了させる。
Step S310: The security
ステップS311:警備動作制御部34は、複数のセンサ1のいずれかが反応している状態が継続されているか否かを判定する。そして、いずれのセンサも反応していない場合は(ステップS311:No)、ステップS312に進む。一方、複数のセンサ1のいずれかが反応している状態が継続されている場合は(ステップS311:Yes)、ステップS313に進む。
Step S311: The security
ステップS312:警備動作制御部34は、いずれのセンサも反応しなくなってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS312:No)、ステップS310に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS312:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力および周囲報知用機器5cの作動を停止させて、警備動作を終了させる。
Step S312: The security
ステップS313:警備動作制御部34は、現時点で確信度算出部32により算出された物体カテゴリ=人間に対応する確信度が、他の物体カテゴリに対応する確信度よりも高いか否かを判定する。そして、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値であれば(ステップS313:No)、ステップS314に進む。一方、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度よりも高ければ(ステップS313:Yes)、ステップS315に進む。
Step S313: The security
ステップS314:警備動作制御部34は、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値となってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS314:No)、ステップS310に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS314:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力および周囲報知用機器5cの作動を停止させて、警備動作を終了させる。
Step S314: The guard
ステップS315:警備動作制御部34は、反応しているセンサが開口部エリアに設置されたセンサであるか否かを判定する。そして、反応しているセンサが開口部エリアに設置されたセンサであれば(ステップS315:Yes)、ステップS316に進む。一方、反応しているセンサが開口部エリアに設置されたセンサ以外の他のセンサであれば(ステップS315:No)、実行する警備動作を「威嚇動作」から「警告動作」に切替える。
Step S315: The guard
ステップS316:警備動作制御部34は、現時点で確信度加重和算出部33により算出された確信度加重和(物体カテゴリ=人間に対応する確信度の加重和)が、閾値Th2bよりも大きな値に設定された閾値Th4(第4の閾値)以上となっているか否かを判定する。そして、確信度加重和が閾値Th4以上であれば(ステップS316:Yes)、ステップS317に進む。一方、確信度加重和が閾値Th4未満であれば(ステップS316:No)、ステップS310に戻って以降の判定を繰り返す。
Step S316: The security
ステップS317:警備動作制御部34は、現時点で確信度算出部32により算出された人間以外の物体カテゴリに対応する確信度が、予め定めた閾値Th3(第3の閾値)以下となっているか否かを判定する。そして、人間以外の物体カテゴリに対応する確信度が閾値Th3以下であれば(ステップS317:Yes)、「攻撃動作」を追加する。一方、人間以外の物体カテゴリに対応する確信度が閾値Th3を超えていれば(ステップS317:No)、ステップS310に戻って以降の判定を繰り返す。
Step S317: The guard
(攻撃動作)
次に、図3のステップS13における「攻撃動作」実行時の警備動作制御部34による制御の具体例について、図7を参照して説明する。
(Attack action)
Next, a specific example of the control by the guard
ステップS401:「攻撃動作」が開始されると、警備動作制御部34は、攻撃用機器5dを作動させるための制御指令を機器インターフェース4に出力し、攻撃用機器5dを作動させる。
Step S401: When the “attack operation” is started, the guard
ステップS402:警備動作制御部34は、警備装置が「警備セットモード」から「警備解除モード」に切替えられたか否かを判定する。そして、警備装置が「警備解除モード」に切替えられていなければ(ステップS402:No)、ステップS403に進む。一方、警備装置が「警備解除モード」に切替えられた場合は(ステップS402:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力および周囲報知用機器5cの作動停止とともに、攻撃用機器5dの作動を停止させ、警備動作を終了させる。
Step S402: The security
ステップS403:警備動作制御部34は、複数のセンサ1のいずれかが反応している状態が継続されているか否かを判定する。そして、いずれのセンサも反応していない場合は(ステップS403:No)、ステップS404に進む。一方、複数のセンサ1のいずれかが反応している状態が継続されている場合は(ステップS403:Yes)、ステップS405に進む。
Step S403: The guard
ステップS404:警備動作制御部34は、いずれのセンサも反応しなくなってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS404:No)、ステップS402に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS404:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力および周囲報知用機器5cの作動停止とともに、攻撃用機器5dの作動を停止させ、警備動作を終了させる。
Step S404: The security
ステップS405:警備動作制御部34は、現時点で確信度算出部32により算出された物体カテゴリ=人間に対応する確信度が、他の物体カテゴリに対応する確信度よりも高いか否かを判定する。そして、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値であれば(ステップS405:No)、ステップS406に進む。一方、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度よりも高ければ(ステップS405:Yes)、ステップS407に進む。
Step S405: The guard
ステップS406:警備動作制御部34は、物体カテゴリ=人間に対応する確信度が他の物体カテゴリに対応する確信度以下の値となってから予め定めた所定時間が経過したか否かを判定する。そして、所定時間が経過していなければ(ステップS406:No)、ステップS402に戻って以降の判定を繰り返す。一方、所定時間が経過していれば(ステップS406:Yes)、図3のステップS7に進み、音声出力機器5aからの威嚇音声の出力および周囲報知用機器5cの作動停止とともに、攻撃用機器5dの作動を停止させ、警備動作を終了させる。
Step S406: The guard
ステップS407:警備動作制御部34は、反応しているセンサが開口部エリアに設置されたセンサであるか否かを判定する。そして、反応しているセンサが開口部エリアに設置されたセンサであれば(ステップS407:Yes)、ステップS402に戻って以降の判定を繰り返す。一方、反応しているセンサが開口部エリアに設置されたセンサ以外の他のセンサであれば(ステップS407:No)、実行する警備動作を「警告動作」に切替える。
Step S407: The guard
[確信度の算出]
以上、警備動作制御部34による警備動作の切替えについて具体例を挙げながら詳細に説明したが、次に、警備動作を切替える際の判定の基準の1つとして用いられる確信度を算出する方法の具体例について、詳細に説明する。
[Calculation of certainty]
As described above, the switching of the guard operation by the guard
本実施形態にかかる警備装置において、制御装置3の確信度算出部32が算出する物体カテゴリごとの確信度は、上述したように、各物体カテゴリに属する物体がセンサ反応要因となっている確からしさを表す値である。ここで、本実施形態では、物体カテゴリとして人間、小動物、無生物を想定しており、これらの行動は画一的ではない。つまり、これらの物体カテゴリに属する物体が毎回全く同じ行動を取るとは考えられず、移動経路や移動速度などは毎回変化するものと考えられる。したがって、各物体カテゴリの行動モデルとして決定的な単一モデルを構築することは困難であり、確率的な行動モデルを構築することが必要となる。そこで、本実施形態にかかる警備装置では、ダイナミックベイジアンネットワークを利用した確率モデルを構築し、ダイナミックベイジアンネットワークを利用した確率推論によって、各物体カテゴリに属する物体がセンサ反応要因となっている確からしさを表す確信度を算出する。
In the security device according to the present embodiment, the certainty factor for each object category calculated by the certainty
すなわち、本実施形態にかかる警備装置では、ダイナミックベイジアンネットワークを利用した確率推論を実行するために、各種の物体カテゴリごとの行動の選択基準(行動モデル)を確率モデルによって構築し、また、センサの反応と物体の行動との関係性をセンサモデルとして行動モデルと同様の確率モデルによって構築する。そして、これら二つの確率モデルと、上述した複数の検知対象領域の位置を表す位置モデルとを組み合わせた「判断モデル」を利用することによって、時系列で得られるセンサ反応信号からセンサ反応要因を推定できるようにしている。 That is, in the security device according to the present embodiment, in order to execute probability inference using a dynamic Bayesian network, action selection criteria (behavior models) for each of various object categories are constructed using probability models, and sensor The relationship between the reaction and the behavior of the object is constructed as a sensor model by a probability model similar to the behavior model. Then, by using a “judgment model” that combines these two probability models and the position model that represents the positions of the plurality of detection target areas described above, the sensor reaction factor is estimated from the sensor reaction signal obtained in time series. I can do it.
(ダイナミックベイジアンネットワーク)
以下では、まず、判断モデルに用いるダイナミックベイジアンネットワークの概要について説明する。ダイナミックベイジアンネットワークとは、観測された事象からその原因を推定する確率モデルであるベイジアンネットワークを時間軸に展開したものである。
(Dynamic Bayesian network)
Below, the outline | summary of the dynamic Bayesian network used for a judgment model is demonstrated first. A dynamic Bayesian network is a time-based expansion of a Bayesian network, which is a probabilistic model for estimating the cause from observed events.
ベイジアンネットワークは、事象を構成する複数の要素間の因果関係を視覚的に表現し、それらの因果関係を条件付確率で表したものである。つまり、ベイジアンネットワークは、図8に示すように、事象を構成する各要素を確率変数で表されるノードとして表し、因果関係を有する各ノード間を有向辺(矢印)で結んで、ノード間の因果関係を条件付確率で定義したモデルとして表現される。図8に示した例では、事象を構成するノードAとノードBの因果関係が条件付確率P(B|A)として与えられ、ノードBとノードCの因果関係が条件付確率P(C|B)として与えられる。なお、先頭のノードAには、このノードに接続される矢印がなく、条件付確率を定義できないので、このノード自体の確率変数で定まる事前確率P(A)を与える。このような事前確率と条件付確率によって表現される図8のモデルは、下記の式(1)に示すような数式によって表すことができる。
P(A,B,C)=P(A)P(B|A)P(C|B) ・・・(1)
A Bayesian network is a visual representation of a causal relationship between a plurality of elements constituting an event, and the causal relationship is expressed by a conditional probability. In other words, as shown in FIG. 8, the Bayesian network represents each element constituting an event as a node represented by a random variable, connects each node having a causal relationship with a directed side (arrow), and connects the nodes. It is expressed as a model in which the causal relationship is defined by conditional probability. In the example shown in FIG. 8, the causal relationship between the node A and the node B constituting the event is given as the conditional probability P (B | A), and the causal relationship between the node B and the node C is the conditional probability P (C | B). Note that the leading node A has no arrow connected to this node, and the conditional probability cannot be defined, so a prior probability P (A) determined by the random variable of this node itself is given. The model of FIG. 8 expressed by such prior probabilities and conditional probabilities can be expressed by a mathematical formula as shown in the following formula (1).
P (A, B, C) = P (A) P (B | A) P (C | B) (1)
以上のようなベイジアンネットワークにおいて、あるノードに対して当該ノードに接続される矢印の起点となるノードは、一般に親ノードと呼ばれている。ここで、あるノードXに対する親ノードをPa(X)と表し、ノードがn個あるモデルを一般式で表現すると、下記の式(2)のようになる。
ベイジアンネットワークでは、上述したように、事象を構成する各要素間の因果関係を条件付確率によって定義するが、各要素の実現値は離散的に表現するのが一般的である。図8に示した例において、ノードAとノードBの因果関係を表す条件付確率P(B|A)は、図9に示すような条件付確率表によって表現される。この図9の条件付確率表では、ノードAが「1」のときにノードBが「1」となる確率は0.6、ノードAが「1」のときにノードBが「0」となる確率は0.4、ノードAが「0」のときにノードBが「1」となる確率は0.1、ノードAが「0」のときにノードBが「0」となる確率は0.9であることを示している。ベイジアンネットワークでは、各ノード間の条件付確率としてそれぞれ以上のような条件付確率表を用意してネットワーク全体のモデルを構築する。 In the Bayesian network, as described above, the causal relationship between each element constituting the event is defined by the conditional probability, but the actual value of each element is generally expressed discretely. In the example shown in FIG. 8, the conditional probability P (B | A) representing the causal relationship between the node A and the node B is expressed by a conditional probability table as shown in FIG. In the conditional probability table of FIG. 9, the probability that node B is “1” when node A is “1” is 0.6, and node B is “0” when node A is “1”. The probability is 0.4, the probability that the node B is “1” when the node A is “0” is 0.1, and the probability that the node B is “0” when the node A is “0” is 0. 9 is shown. In a Bayesian network, a conditional probability table as described above is prepared as a conditional probability between nodes, and a model of the entire network is constructed.
ベイジアンネットワークを利用した原因の推定は、観測できる要素を固定して未知の要素の全てのパターンの組み合わせを考えることで行う。例えば、図8に示した例において、ノードCが「1」であることが観測された場合、ノードCが「1」という結果が、ノードAが「1」であることに起因するものかどうかを推定するには、ノードAが「1」の条件下でノードBが「1」となってノードCが「1」となる確率と、ノードAが「1」の条件下でノードBが「0」となってノードCが「1」となる確率の和を計算する。以上を数式で表すと、下記の式(3)のようになる。
P(C=1|A=1)=α(P(A=1)P(B=1|A=1)P(C=1|B=1)+P(A=1)P(B=0|A=1)P(C=1|B=0))
=α(ΣBP(A=1)P(B|A=1)P(C=1|B)) ・・・(3)
ここで、αは正規化定数であり、C=1の場合のA=0の確率との正規化を行う定数である。
The cause estimation using the Bayesian network is performed by fixing the elements that can be observed and considering the combination of all patterns of unknown elements. For example, in the example illustrated in FIG. 8, when it is observed that the node C is “1”, whether the result that the node C is “1” is due to the node A being “1”. Is estimated under the condition that the node A is “1” and the node B is “1” and the node C is “1”. The sum of the probabilities that node C becomes “1” and node C becomes “1” is calculated. When the above is expressed by a mathematical formula, the following formula (3) is obtained.
P (C = 1 | A = 1) = α (P (A = 1) P (B = 1 | A = 1) P (C = 1 | B = 1) + P (A = 1) P (B = 0 | A = 1) P (C = 1 | B = 0))
= Α (Σ B P (A = 1) P (B | A = 1) P (C = 1 | B)) ··· (3)
Here, α is a normalization constant, and is a constant that performs normalization with the probability of A = 0 when C = 1.
以上のように、ベイジアンネットワークでは、観測できる要素の値を固定して観測できない未知の要素の全ての実現値分のパターンの確率の和を求めることで原因の確率を求めることができ、原因の推定が可能となる。 As described above, in the Bayesian network, the cause probability can be obtained by calculating the sum of the pattern probabilities for all realization values of unknown elements that cannot be observed with fixed observable element values. Estimation is possible.
以上説明したベイジアンネットワークは、時間軸を考慮しない静的なモデルである。したがって、本実施形態にかかる警備装置のように、時々刻々とセンサ反応信号が得られるような対象への適用を考えた場合には、時系列に対応したモデルを構築する必要がある。そこで、ベイジアンネットワークを時間軸に展開したモデルであるダイナミックベイジアンネットワークを利用する。 The Bayesian network described above is a static model that does not consider the time axis. Therefore, when considering application to a target where a sensor response signal can be obtained from moment to moment like the security device according to the present embodiment, it is necessary to construct a model corresponding to time series. Therefore, a dynamic Bayesian network, which is a model in which the Bayesian network is developed over time, is used.
ダイナミックベイジアンネットワークは、図10に示すように、一つの基本的なモデルをユニットとして、観測結果が得られるごとに時々刻々とユニットが追加され、増大していくモデルとなっている。このようなダイナミックベイジアンネットワークを利用した推定方法は、基本的には上述したベイジアンネットワークを利用した推定方法と同様であり、観測結果が得られるたびにノード数が増えていくだけである。 As shown in FIG. 10, the dynamic Bayesian network is a model in which one basic model is used as a unit, and units are added every time an observation result is obtained. The estimation method using such a dynamic Bayesian network is basically the same as the estimation method using the Bayesian network described above, and only the number of nodes increases each time an observation result is obtained.
図10に示した例では、1回目の観測結果O1が得られたときのモデルは図11のようになる。この図11のモデルを上記の式(1)のように表すと、下記の式(4)のようになる。
P(X0,X1,O1)=P(X0)P(X1|X0)P(O1|X1) ・・・(4)
ここで、X1の状態の推定を行うことを考える。O1は観測結果のため固定し、未知の要素はX0となる。上記の式(3)を利用すると、下記の式(5)のとおりに計算することによってX1の状態の推定値を得ることができる。
P(X1|O1)=ΣX0P(X0)P(X1|X0)P(O1|X1)
=P(O1|X1)ΣX0P(X0)P(X1|X0) ・・・(5)
In the example shown in FIG. 10, the model when the first observation result O1 is obtained is as shown in FIG. When the model of FIG. 11 is expressed as the above equation (1), the following equation (4) is obtained.
P (X0, X1, O1) = P (X0) P (X1 | X0) P (O1 | X1) (4)
Here, it is assumed that the state of X1 is estimated. O1 is fixed for the observation result, and the unknown element is X0. When the above equation (3) is used, the estimated value of the state of X1 can be obtained by calculating as the following equation (5).
P (X1 | O1) = ΣX0P (X0) P (X1 | X0) P (O1 | X1)
= P (O1 | X1) ΣX0P (X0) P (X1 | X0) (5)
次に、2回目の観測時点では、図12に示すように、X2とO2のノードが追加されたモデルとなる。この図12に示すモデルをこれまでと同様に数式で表すと、下記の式(6)のようになる。
P(X0,X1,X2,O1,O2)=P(X0)P(X1|X0)P(O1|X1)P(X2|X1)P(O2|X2) ・・・(6)
ここで、X2の状態の推定値は、未知の要素がX0およびX1であるため、下記の式(7)のとおりに計算することで得ることができる。
P(X2|O1,O2)=ΣX0ΣX1P(X0)P(X1|X0)P(O1|X1)P(X2|X1)P(O2|X2)
=P(O2|X2)ΣX1P(O1|X1)P(X2|X1)ΣX0P(X0)P(X1|X0) ・・・(7)
Next, at the time of the second observation, as shown in FIG. 12, the model has X2 and O2 nodes added. When the model shown in FIG. 12 is expressed by mathematical formulas as before, the following formula (6) is obtained.
P (X0, X1, X2, O1, O2) = P (X0) P (X1 | X0) P (O1 | X1) P (X2 | X1) P (O2 | X2) (6)
Here, since the unknown elements are X0 and X1, the estimated value of the state of X2 can be obtained by calculating as in the following equation (7).
P (X2 | O1, O2) = Σ X0 Σ X1 P (X0) P (X1 | X0) P (O1 | X1) P (X2 | X1) P (O2 | X2)
= P (O2 | X2) Σ X1 P (O1 | X1) P (X2 | X1) Σ X0 P (X0) P (X1 | X0) ··· (7)
ダイナミックベイジアンネットワークでは、新たな観測結果が得られるたびにモデルにユニットを追加して上述のように計算を行うことによって、時系列で得られる観測結果からその原因を推定することが可能となる。ただし、時々刻々とユニットを追加していけば、ある時間が経過すると非常に巨大なモデルとなり、それだけ計算量が増大して実用に値しないものとなる虞がある。そこで、ダイナミックベイジアンネットワークを利用した因果関係の推定を行う場合には、下記の式(8)に示すような再帰的な計算を行うことによって計算量の増大を抑えるようにすることが望ましい。
P(Xt+1|O1,O2,・・・,Ot+1)=P(Ot+1|Xt+1)ΣXtP(Xt+1|Xt,O1,O2,・・・,Ot)P(Xt|O1,O2,・・・,Ot)
=P(Ot+1|Xt+1)ΣXtP(Xt+1|Xt)P(Xt|O1,O2,・・・,Ot) ・・・(8)
この式(8)において、最後の項が前のタイミングでの推定値である。このように、前のタイミングの推定値を用いた再帰的な計算を行うことによって、計算量の増大を有効に抑制することが可能となる。
In a dynamic Bayesian network, each time a new observation result is obtained, a unit is added to the model and the calculation is performed as described above, so that the cause can be estimated from the observation result obtained in time series. However, if units are added from time to time, there is a possibility that the model becomes very large after a certain period of time, and the amount of calculation increases accordingly, which is not practical. Therefore, when causal relation estimation using a dynamic Bayesian network is performed, it is desirable to suppress an increase in calculation amount by performing recursive calculation as shown in the following formula (8).
P (Xt + 1 | O1, O2,..., Ot + 1) = P (Ot + 1 | Xt + 1) .SIGMA.XtP (Xt + 1 | Xt, O1, O2,..., Ot) P (Xt | O1, O2, ..., Ot)
= P (Ot + 1 | Xt + 1) Σ XtP (Xt + 1 | Xt) P (Xt | O1, O2,..., Ot) (8)
In this equation (8), the last term is the estimated value at the previous timing. Thus, by performing recursive calculation using the estimated value of the previous timing, it is possible to effectively suppress an increase in the amount of calculation.
(判断モデル)
次に、確信度の算出に用いられる判断モデルについて、さらに詳しく説明する。図13は、判断モデルの概要を示すモデル図である。判断モデルは、図13に示すように、ダイナミックベイジアンネットワークを利用した確率モデルであり、大きく分けて、位置モデルと、行動モデルと、センサモデルの3つのモデルから構成されている。このうち、行動モデルとセンサモデルは、図9に示したような条件付確率表で表現される確率モデルである。なお、図13の判断モデルでは、各ノードの添え字の部分が観測時間を表し、“0”は初期状態を表している。この判断モデルは時系列の変化を表したモデル(ダイナミックベイジアンネットワーク)であり、図14に示すように、初期状態の基本モデルに対して、添え字が共通する部分がユニットとして観測タイミングごとに追加されていくものである。以下、この判断モデルを構成する位置モデル、行動モデル、センサモデルについて、具体例を挙げながら説明する。
(Judgment model)
Next, the determination model used for calculating the certainty factor will be described in more detail. FIG. 13 is a model diagram showing an outline of a judgment model. As shown in FIG. 13, the determination model is a probability model using a dynamic Bayesian network, and is roughly composed of three models: a position model, an action model, and a sensor model. Among these, the behavior model and the sensor model are probability models expressed by a conditional probability table as shown in FIG. In the determination model of FIG. 13, the subscript portion of each node represents the observation time, and “0” represents the initial state. This judgment model is a model (dynamic Bayesian network) that represents time-series changes. As shown in FIG. 14, a part with a common subscript is added as a unit at each observation timing to the basic model in the initial state. It will be done. Hereinafter, the position model, the behavior model, and the sensor model constituting the determination model will be described with specific examples.
(位置モデル)
位置モデルは、センサ1を用いた物体検知の対象となる複数の検知対象領域の位置を表すモデルである。すなわち、監視領域となる建物の敷地構造を周辺状況等によって複数の抽象的なエリアに分け、各エリアをそれぞれ検知対象領域とする。このときの各エリアの位置を位置モデルとして表現する。具体的には、一般的な建物の敷地構造は、例えば図15に示すように、門扉エリアと、囲障エリアと、アクセスエリアと、プライベートエリアと、開口部エリアとに分けることができ、これら各エリアの位置を位置モデルとして表す。
(Position model)
The position model is a model that represents the positions of a plurality of detection target regions that are targets of object detection using the
ここで、図15に例示する位置モデルの各エリアは、次のような意味を持つ。
門扉エリア:外部からの通常のアクセスが行われるエリアであり、門扉は通常閉じられており、開閉はレバーを引く等の動作を要するものとする。
囲障エリア:囲障(塀)の部分を表している。
アクセスエリア:通常の外部から入ってくる人間が建物の玄関へ向かうのに通過するエリアである。
プライベートエリア:アクセスエリアと空間的には繋がっているが、門扉から玄関までのルートを外れた庭の奥の部分の空間を表す。
開口部エリア:建物の開口部及びその手前部分の空間を表す。
Here, each area of the position model illustrated in FIG. 15 has the following meaning.
Gate area: It is an area where normal access from outside is performed, the gate is normally closed, and opening and closing requires an operation such as pulling a lever.
Fence area: Represents the Fence (障) part.
Access area: This is the area through which a person coming from the outside passes to go to the entrance of the building.
Private area: Represents the space in the back of the garden that is spatially connected to the access area but is off the route from the gate to the entrance.
Opening area: It represents the opening of the building and the space in front of it.
(行動モデル)
行動モデルは、予め定めた複数の物体カテゴリごとに、各物体カテゴリに属する物体の行動様式を表した確率モデルである。すなわち、行動モデルは、各物体カテゴリに属する物体が上記の位置モデルで表現される建物敷地内をどのような行動を取りながらどのように移動していくのかを、図9に示したような条件付確率表の形で表現したモデルである。本実施形態で想定する判断モデルは、図13に示したように、行動モデルの部分の要素間を繋ぐ矢印が、物体行動(At)と物体位置(Xt)の2種類のノードに向かっている。したがって、行動モデルは、各物体カテゴリに属する物体の行動の遷移を表現する条件付確率表と、各物体カテゴリに属する物体の位置の遷移を表現する条件付確率表との2つの条件付確率表によって表される。
(Behavior model)
The behavior model is a probability model that represents the behavior style of an object belonging to each object category for each of a plurality of predetermined object categories. That is, the behavior model is based on the conditions as shown in FIG. 9 as to what kind of behavior the object belonging to each object category moves within the building site represented by the above position model. It is a model expressed in the form of an attached probability table. In the determination model assumed in the present embodiment, as shown in FIG. 13, the arrows connecting the elements of the behavior model portion are directed toward two types of nodes: object behavior (At) and object position (Xt). . Therefore, the behavior model has two conditional probability tables: a conditional probability table that expresses the transition of the behavior of the objects belonging to each object category, and a conditional probability table that expresses the transition of the position of the object belonging to each object category. Represented by
ここで、それぞれの条件付確率表について説明する前に、図13に示した判断モデル(ダイナミックベイジアンネットワーク)のノードとなる物体カテゴリと物体行動および物体位置の具体的な実現値の例を説明する。 Here, before explaining each conditional probability table, an example of specific realization values of the object category, the object action, and the object position which are nodes of the determination model (dynamic Bayesian network) shown in FIG. 13 will be described. .
物体カテゴリは、センサ反応要因の分類であり、本実施の形態では、人間、小動物、無生物の3つのカテゴリとしている。なお、ここで無生物とは、小動物以外のセンサ誤報の要因となり得るものを総称したカテゴリであり、例えば、太陽光や風、ゴミ袋等の飛来物などである。 The object category is a classification of sensor reaction factors. In this embodiment, there are three categories: human, small animal, and inanimate. Here, inanimate is a category that collectively refers to sensors that may cause sensor misinformation other than small animals, such as flying objects such as sunlight, wind, and garbage bags.
物体行動は、物体カテゴリが取り得る行動を分類したものであり、本実施の形態では、消失、進入、移動、滞在の4つの行動に分類している。ここで消失とは、敷地外から消える動作であり、外部に離脱するような動きをいう。また、進入とは、外部から敷地内部に入ってくる動作をいう。また、移動とは、敷地内を移動する動作をいう。また、滞在とは、敷地内の現在位置からほとんど動かない動作をいう。 The object action is a classification of actions that can be taken by the object category. In this embodiment, the action is classified into four actions of disappearance, entry, movement, and stay. Here, “disappearance” means an operation that disappears from outside the site, and refers to a movement that leaves the outside. Moreover, approach means the operation | movement which enters the site inside from the outside. Moreover, movement means the operation | movement which moves within the site. A stay means an operation that hardly moves from the current position in the site.
物体位置は、図15に示したように、上記の位置モデルにおいて表現された敷地内のそれぞれのエリアを表したものである。 As shown in FIG. 15, the object position represents each area in the site expressed in the above position model.
次に、行動モデルを表現する2つの条件付確率表について説明する。図16は、物体の行動の遷移を表現する条件付確率表の具体例を示し、図17は、物体の位置の遷移を表現する条件付確率表の具体例を示している。 Next, two conditional probability tables expressing the behavior model will be described. FIG. 16 shows a specific example of a conditional probability table expressing the transition of the behavior of the object, and FIG. 17 shows a specific example of the conditional probability table expressing the transition of the position of the object.
物体の行動の遷移を表現する条件付確率表とは、物体が前に選択した行動によって敷地内のある位置に存在しているとの条件の下で、次に選択する行動の確率を表現したものである。言い換えると、物体がある行動を取って現在の位置にいるときに、続けてどの行動を選択するのかという確率を表している。このような行動の遷移の条件付確率を式で表すと、P(行動|物体,現在位置,前回行動)となる。この条件付確率を、上述した物体行動の分類と図15に示した位置モデルとを用いて図9に示したような条件付確率表として表すことにより、図16に示すような物体の行動の遷移を表現する条件付確率表が得られる。 The conditional probability table that expresses the transition of an object's behavior represents the probability of the next action to be selected under the condition that the object exists at a certain position in the site by the previously selected action. Is. In other words, when the object takes a certain action and is at the current position, it represents the probability of selecting which action to continue. When the conditional probability of such a behavior transition is expressed by an equation, P (action | object, current position, previous behavior) is obtained. By expressing this conditional probability as a conditional probability table as shown in FIG. 9 using the above-mentioned classification of the object behavior and the position model shown in FIG. 15, the behavior of the object as shown in FIG. A conditional probability table representing the transition is obtained.
物体の位置の遷移を表現する条件付確率表とは、物体が前のタイミングで存在していた位置においてある行動を取ったとの条件の下で、現在存在する位置はどこなのかを確率で表現したものである。言い換えると、物体が前にいた位置である行動を取った後に、どの位置にいるのかという確率を表している。このような位置の遷移の条件付確率を式で表すと、P(位置|物体,前位置,前行動)となる。この条件付確率を、上述した物体行動の分類と図15に示した位置モデルとを用いて図9に示したような条件付確率表として表すことにより、図17に示すような物体の位置の遷移を表現する条件付確率表が得られる。 A conditional probability table that expresses the transition of the position of an object is a probability that expresses where the current position is, under the condition that the object has taken some action at the position where it existed at the previous timing. It is a thing. In other words, it represents the probability of where the object is after taking an action that is the position where the object was in front. When the conditional probability of such a position transition is expressed by an equation, P (position | object, previous position, previous action) is obtained. By expressing this conditional probability as a conditional probability table as shown in FIG. 9 using the above-mentioned classification of object behavior and the position model shown in FIG. 15, the position of the object as shown in FIG. A conditional probability table representing the transition is obtained.
ところで、初期状態の判断モデル(図14の左側に示す基本モデル)では、前のタイミングでの行動や位置のノードが存在しないため、図16や図17に示した条件付確率表をそのまま適用することはできない。そこで、このような初期状態に対応した条件付確率表、つまり、センサ1が最初に反応した場合に適合する条件付確率表を別に用意しておく。
By the way, in the determination model of the initial state (basic model shown on the left side of FIG. 14), there is no action or position node at the previous timing, so the conditional probability tables shown in FIGS. 16 and 17 are applied as they are. It is not possible. Therefore, a conditional probability table corresponding to such an initial state, that is, a conditional probability table that is suitable when the
初期状態の位置については、センサ1の反応要因となる物体が最初に建物敷地内のどこに存在するか(初期位置)を条件付確率P(位置|物体)として表すことができ、これを図9に示したような条件付確率表として表すと、図18に示すような初期位置の条件付確率表が得られる。また、初期状態の行動については、センサ1の反応要因となる物体が最初にどのような行動をとるか(初期行動)を条件付確率P(行動|物体,現在位置)として表すことができ、これを図9に示したような条件付確率表として表すと、図19に示すような初期行動の条件付確率表が得られる。
As for the position in the initial state, where the object that becomes the reaction factor of the
なお、図13に示した判断モデルにおいては、物体カテゴリ(Ct)を表すノード間が矢印で繋がっているため、この物体カテゴリを表すノード間の因果関係についての条件付確率を定義する必要があるが、物体が動いている最中に変化することはないと考えられる(例えば人間が小動物に変化するといったことはない)ため、前の物体と現在の物体が等しい確率を1.0、変化する確率を0として与えておけばよい。 In the determination model shown in FIG. 13, since the nodes representing the object category (Ct) are connected by arrows, it is necessary to define a conditional probability for the causal relationship between the nodes representing the object category. However, it is considered that the object does not change while it is moving (for example, a human is not changed to a small animal), so the probability that the previous object and the current object are equal will change by 1.0. The probability should be given as 0.
(センサモデル)
センサモデルは、物体が存在する位置と複数のセンサ1の反応との関係を表した確率モデルである。すなわち、センサモデルは、物体がある位置に存在した場合に、各センサ1がどのように反応するのかを表している。図13に示した判断モデルのセンサモデル部分に示すように、センサモデルは、物体位置(Xt)のノードと観測結果であるセンサ反応信号(Ot)のノード間が矢印で結ばれた形をしており、条件付確率P(センサ|位置)によって定義される。なお、センサ反応信号は反応/無反応の2値をとるものとしている。以下、具体例を挙げながらセンサモデルについてさらに詳しく説明する。
(Sensor model)
The sensor model is a probabilistic model that represents the relationship between the position where the object exists and the reactions of the plurality of
監視領域となる建物の敷地内を図15に示したように門扉エリア、囲障エリア、アクセスエリア、プライベートエリア、開口部エリアの5つの検知対象領域にエリア分けし、図20に示すように、門扉エリアには屋外開閉センサ1a、囲障エリアには2つの対向式赤外線センサ1b,1c、アクセスエリアには屋外空間センサ1d、プライベートエリアには屋外空間センサ1e、開口部エリアには滞留検知センサ1fがそれぞれ設置されているものとする。なお、屋外開閉センサ1aは門扉の開閉を検出するセンサであり、対向式赤外線センサ1b,1cは赤外線ビームの遮断を検出するセンサである。また、屋外空間センサ1d,1eは焦電素子を用いたパッシブ型の赤外線センサであり、滞留検知センサ1fは赤外線の反射を利用して物体の有無や物体までの距離を検出するセンサである。これら各センサ1a〜1fの検知エリアは、図20中のハッチングを付した領域となる。
As shown in FIG. 15, the site of the building that is the monitoring area is divided into five detection target areas: a gate area, an obstacle area, an access area, a private area, and an opening area. Outdoor open /
以上のように住宅の敷地内にセンサ1a〜1fを設置したとの仮定のもとで、条件付確率P(センサ|位置)を図9に示したような条件付確率表として表すことにより、図21に示すようなセンサモデルの条件付確率表が得られる。各センサ1a〜1fから得られるセンサ反応信号は上述したように反応/無反応の2値であり、図21に示す条件付確率表では反応を示す確率が示される。この図21に示す条件付確率は、敷地内のある位置に物体が存在したときに、どのセンサが反応するかを表現したものである。
By expressing the conditional probability P (sensor | position) as a conditional probability table as shown in FIG. 9 under the assumption that the
なお、このセンサモデルの条件付確率表では、敷地内のいずれかのエリア(検知対象領域)に物体が存在するにも関わらずセンサ1a〜1fのいずれも反応しない無反応の状態となる確率も与えている。これは、位置モデルによって定義される各エリア(検知対象領域)をセンサ1a〜1fの検知エリアで完全に覆うことは困難であることや、検知エリア内に物体が存在してもセンサ1a〜1fが誤って反応しない(失報)場合があることを考慮したものである。このようにセンサモデルの条件付確率表に無反応の状態の確率を与えておくことにより、位置モデルによって定義される敷地内のエリア全てをセンサ1の検知エリアで覆う必要はなくなり、また、センサ1が誤って反応しなかった場合にも対応することが可能となる。
In the conditional probability table of this sensor model, there is also a probability that an unreacted state in which none of the
以上のように、確信度の算出に用いる判断モデルは、監視領域となる建物の敷地をエリア分けして位置モデルを生成するとともに、行動モデルを表現する4つの条件付確率表(図16〜図19)と、センサモデルを表す条件付確率表(図21)とを作成することによって構築されるものである。判断モデルを構成する上記の5つの条件付確率表は、人間(侵入者)や小動物、無生物の行動パターンやそれに応じたセンサ反応状態を数値に変換したものであり、設計者が予め作成しておくものであるが、経験的に得られる警備に関するノウハウを利用してこれらの条件付確率表を作成することによって、警備装置に適用する上で最適な判断モデルを構築することができる。以下、警備に適した判断モデルを構成する条件付確率表の具体的な作成基準の一例について説明する。 As described above, the determination model used to calculate the certainty factor generates four location probability models by dividing the site of the building area to be monitored into areas, and expresses the behavior model (FIGS. 16 to FIG. 16). 19) and a conditional probability table (FIG. 21) representing the sensor model. The above five conditional probability tables constituting the judgment model are obtained by converting human (intruder), small animal, inanimate behavior patterns and corresponding sensor reaction states into numerical values, which are prepared in advance by the designer. However, by creating these conditional probability tables using empirical know-how related to security, it is possible to construct an optimum judgment model for application to a security device. Hereinafter, an example of a specific creation criterion for the conditional probability table constituting the judgment model suitable for security will be described.
(人間の行動パターン)
まず、人間の行動パターンについて、基本的な考え方として次のような仮定をおく。
「人間は地面を移動し(空を飛ばない)、敷地外から敷地内へ移動する。敷地内においても地面を移動し、建物へ向かう。」
このような仮定をおくため、図18に示した初期位置の条件付確率表では、人間が敷地内部のエリア(アクセスエリア、プライベートエリア、開口部エリア等)に初期状態で存在する確率は0とする。
(Human behavior pattern)
First, the following assumptions are made as a basic way of thinking about human behavior patterns.
“Human moves on the ground (does not fly in the sky) and moves from outside the site to the site.
In order to make such an assumption, in the conditional probability table for the initial position shown in FIG. 18, the probability that a person exists in the area inside the site (access area, private area, opening area, etc.) in the initial state is 0. To do.
また、上述した物体行動の定義から、「進入」は敷地外から敷地内へ移動することと定義しているため、図19に示した初期行動の条件付確率表では、門扉エリアと囲障エリア以外のエリアでは、人間の初期行動が「進入」である確率を0としている。同様に、図16に示した行動遷移の条件付確率表では、前のタイミングでの行動に拠らず敷地内部のエリア(アクセスエリア、プライベートエリア、開口部エリア等)に存在している状態で人間が「進入」を選択する確率を0としている。また、図17に示した位置遷移の条件付確率表では、図15に示した位置モデルにおいて、進入の直後に玄関前に存在することは不可能であるため(距離が離れすぎている)、前行動が「進入」の場合に人間が開口部エリアに存在する確率を0としている。 Further, since the definition of the object action described above defines that “entry” is to move from outside the site to inside the site, the conditional probability table for the initial action shown in FIG. 19 excludes the gate area and the obstacle area. In this area, the probability that the initial action of a human being is “entry” is set to zero. Similarly, in the conditional probability table of behavior transition shown in FIG. 16, it exists in an area (access area, private area, opening area, etc.) inside the site without depending on the behavior at the previous timing. The probability that a human selects “approach” is zero. Further, in the conditional probability table of position transition shown in FIG. 17, in the position model shown in FIG. 15, it is impossible to exist in front of the entrance immediately after entering (the distance is too far), When the previous action is “entry”, the probability that a person exists in the opening area is set to zero.
以上は、物体行動や物体位置の定義のもとで人間の物理的な挙動に関して明示的な行動パターンに関して述べたものである。図16〜図19に示した条件付確率表の他の部分に関しては、侵入者等の人間の行動に関して警備のノウハウを応用する。以下では、その例を簡単に説明する。 The above is a description of an explicit action pattern regarding the physical behavior of a person based on the definition of the object action and the object position. With respect to the other parts of the conditional probability tables shown in FIGS. 16 to 19, security know-how is applied to human behavior such as intruders. Below, the example is demonstrated easily.
侵入者は、周囲から見られることを嫌悪する傾向が強く現れる。そのため、見通しが悪い箇所や見られたとしても周囲から怪しまれない箇所/行動、極度に短時間で目的が達成される箇所/行動を好む傾向にある。そのため、図18に示した初期位置の条件付確率表では、人間の初期位置の確率として、「囲障」よりも「門扉」を高く設定している。これは、門扉を開けることは通常の訪問者のようで怪しまれにくい上に、乗り越えるよりも短時間で敷地内へ入ることができると考えられるからである。ただし、門扉自体が強固な場合や、門扉が頑丈に施錠されている場合、門扉が高い場合等においては、人間の初期位置の確率として「門扉」よりも「囲障」のほうを高く設定することが好ましい場合もある。 Intruders tend to dislike being seen from the surroundings. Therefore, there is a tendency to prefer a place / behavior where the prospect is poor, a place / behavior that is not suspicious from the surroundings even if it is seen, and a place / behavior whose purpose is achieved in an extremely short time. Therefore, in the conditional probability table for initial positions shown in FIG. 18, “gate” is set higher than “enclosure” as the probability of human initial position. This is because opening a gate is like a normal visitor and is less likely to be suspicious, and it is considered possible to enter the site in a shorter time than getting over. However, when the gate itself is strong, when the gate is firmly locked, or when the gate is high, the probability of the initial position of the person should be set higher than the gate. May be preferred.
同様に、門扉周辺に滞在することは周囲から見つかり怪しまれるリスクを負うことになるため、図16に示した行動遷移の条件付確率表では、前のタイミングでの行動に拠らず門扉エリアに存在している人間がとる行動として、「滞在」よりも「移動」を選択する確率を高く設定している。 Similarly, staying around the gate is at risk of being found and suspicious from the surroundings. Therefore, the conditional transition probability table shown in FIG. 16 shows that the gate area does not depend on the behavior at the previous timing. The probability of selecting “move” rather than “stay” is set higher as an action taken by a human being.
また、アクセスエリアは門扉から直接繋がったエリアであり、門扉が格子状であるような場合にはアクセスエリアの見通しがよくなる。そのため、図16に示した行動遷移の条件付確率表では、アクセスエリア内では人間が「滞在」を選択する確率を低く設定しており、「移動」を選択する確率を高く設定している。また、プライベートエリアは周囲を囲障で囲まれており滞在しても周囲から見られるリスクが低いため、プライベートエリアに存在している人間が「滞在」を選択する確率は、アクセスエリアに存在している場合より高く設定する。 Also, the access area is an area directly connected from the gate, and when the gate is in a lattice shape, the visibility of the access area is improved. Therefore, in the conditional transition probability probability table shown in FIG. 16, the probability that a person will select “stay” is set low in the access area, and the probability that “movement” will be selected is set high. In addition, since the private area is surrounded by obstacles and the risk of being seen from the surroundings is low even when staying, the probability that a person existing in the private area will select “stay” exists in the access area. Set higher than if
人間は建物の中を目指して進み、建物内へ入るには開口部を通る。そのため、人間は開口部エリアに向かう。したがって、開口部エリア以外のエリアでは人間が「移動」を選択する確率が全体的に高く、逆に、開口部エリアでは人間が「滞在」を選択する確率が高い。図17に示した位置遷移の条件付確率表は、物体の移動の方向性を表している。侵入者は見通しが悪いエリアを移動しながら、見通しが悪く侵入しやすい開口部のエリアへ向かうように位置を遷移する。このため、図17に示した位置遷移の条件付確率表では、侵入者が好むエリアへ進むように人間の位置の遷移確率を与える。 Humans go inside the building and go through the opening to enter the building. Therefore, the human heads for the opening area. Therefore, the probability that a person will select “move” is generally high in areas other than the opening area, and conversely, the probability that a person will select “stay” is high in the opening area. The conditional probability table for position transition shown in FIG. 17 represents the directionality of the movement of the object. While the intruder moves in an area where the line of sight is poor, the position changes so as to go to the area of the opening where the line of sight is poor and easy to enter. For this reason, in the conditional probability table for position transition shown in FIG. 17, the transition probability of the human position is given so as to proceed to the area preferred by the intruder.
以上のような基準に従って人間の位置や行動に関する条件付確率を定めるが、これらは警備対象となる住宅の物理的な構造や周辺環境に依存して調整する。例えば、囲障が1m程度であれば、乗り越える方が短時間で済む場合があり、そのような建物の場合には、図18に示した初期位置の条件確率表において、人間の初期位置が「囲障」である確率を高めるようにする。 Conditional probabilities relating to human positions and actions are determined according to the above criteria, but these are adjusted depending on the physical structure of the house to be guarded and the surrounding environment. For example, if the fence is about 1 m, it may take a short time to get over. In such a building, the initial position of the human in the condition probability table for the initial position shown in FIG. To increase the probability of
(小動物の行動パターン)
小動物についても、人間の場合と同様に「地面を移動し(空を飛ばない)、敷地外から敷地内へ移動する。敷地内においても地面を移動する」との仮定をおく。このような仮定をおくため、図18に示した初期位置の条件付確率表では、小動物の初期位置が「囲障」である確率を高く設定している。なお、小動物は門扉を開閉することがないと考えられるため、門扉エリアに存在する確率は0としている。
(Small animal behavior patterns)
As for humans, as in humans, it is assumed that “move the ground (do not fly in the sky) and move from outside the site to the site. The ground is also moved within the site”. In order to make such an assumption, in the conditional probability table of the initial position shown in FIG. 18, the probability that the initial position of the small animal is “enclosure” is set high. In addition, since it is thought that a small animal does not open and close a gate, the probability that it exists in a gate area is set to 0.
その他の条件付確率表では、「小動物はランダムに行動を選択し、方向性の定めがなく移動する」との仮定をおいて、それぞれの条件付確率表の小動物に関する項目を埋めていく。 In the other conditional probability tables, items regarding small animals in each conditional probability table are filled in on the assumption that “small animals randomly select an action and move without a direction”.
(無生物のパターン)
無生物は、ゴミ袋等の飛来物のほか、風や太陽光線などの自然要因がある。したがって、敷地内のどの位置も無生物の初期位置となり得るが、その確率は各エリアの大きさに依存することとなる。このため、図18に示した初期位置の条件付確率表では、無生物の初期位置の確率の大小を各エリアの大きさに応じて設定している。
(Inanimate pattern)
Inanimate objects include natural factors such as wind and sunlight, as well as flying objects such as garbage bags. Therefore, any position in the site can be an inanimate initial position, but the probability depends on the size of each area. For this reason, in the conditional probability table of the initial position shown in FIG. 18, the magnitude of the probability of the inanimate initial position is set according to the size of each area.
また、無生物は移動することがほとんどないと考えられるため、「移動」を選択する確率はどのような状態(位置、前のタイミングの行動)でも非常に小さい確率を与える。また、無生物はその要因自体がなくなる場合(太陽光が雲で覆われる場合や日が傾く等)があるため、行動として「消失」を選択する確率を高く設定する。以上のような考え方に従って、図16〜図19に示した条件付確率表の無生物に関する項目を埋めていく。 Further, since it is considered that an inanimate object rarely moves, the probability of selecting “move” gives a very small probability in any state (position, behavior at the previous timing). In addition, since inanimate factors may disappear (sunlight is covered with clouds or the sun is tilted), the probability of selecting “disappear” as an action is set high. In accordance with the above concept, the inanimate items in the conditional probability tables shown in FIGS.
(センサ反応信号のパターン)
センサ反応信号は、物体の行動パターンによって変化するものではなく、センサ1の種類や検知エリアの大きさ、センサ1の設置位置に依存して反応の確率が変化する。図21に示したセンサモデルの条件付確率表は、物体がある位置Xに存在したときにどのセンサが反応するかを表したものであり、図20に示した例において、物体が存在しているエリアに設置されているセンサ以外のセンサが反応する確率を0としている。
(Sensor response signal pattern)
The sensor response signal does not change depending on the behavior pattern of the object, but the probability of reaction changes depending on the type of
また、図21に示したセンサモデルの条件付確率表では、上述したように、センサ1の種類に応じて、物体が存在するのに誤って反応しないような確率を「無反応」の確率として与えている。図20に示した例では、門扉エリアに設置した屋外開閉センサ1aや、囲障エリアに設置した対向式赤外線センサ1b,1c、開口部エリアに設置した滞留検知センサ1fは、誤って反応しない場合が非常に少ないと想定しているため、無反応の確率を非常に小さな値に設定している。逆に、アクセスエリアやプライベートエリアに設置する屋外空間センサ1d,1eは誤って反応しない確率はある程度高いことを想定しているため、無反応の確率を他のセンサよりも高く設定している。
In the conditional probability table of the sensor model shown in FIG. 21, as described above, the probability that an object is present but does not react erroneously as the probability of “no reaction” depends on the type of
ところで、図20に示した例では、位置モデルによって定義される各エリア(検知対象領域)がセンサ1a〜1fの検知エリアによってほぼ覆われていることを想定しているが、実際には、センサ1の検知エリアで全てのエリア(検知対象領域)を完全に覆うことは困難な場合が多い。そこで、このような場合には、位置モデルによって定義されるエリア内ではあるがセンサ1の検知エリアからは外れている位置に物体が存在する可能性も考慮して、センサモデルの条件付確率表における「無反応」の確率を定める。
By the way, in the example shown in FIG. 20, it is assumed that each area (detection target area) defined by the position model is almost covered by the detection areas of the
具体的な例を挙げて説明すると、例えば図22に示すように、監視領域となる建物の敷地に、アクセスエリアの一部を検知エリアとする屋外空間センサ1g、アクセスエリアの一部とプライベートエリアの一部とを検知エリアとする屋外空間センサ1h、プライベートエリアの一部を検知エリアとする屋外空間センサ1iがそれぞれ設置されているものとする(図中のハッチングを付した領域が各センサ1g〜1iの検知エリアを示している。)。この図22に示す例では、特にプライベートエリアにおいてセンサ検知エリアから外れる領域が広くなっているため、プライベートエリアに物体が存在しても、無反応の状態となる確率が高い。そこで、センサモデルの条件付確率表では、位置がプライベートエリアの場合に、そのセンサ検知エリアから抜けている面積に応じて確率を低く設定する。図23は、このような場合のセンサモデルの条件付確率表の一例を示している。なお、ここでは簡単のために、アクセスエリアとプライベートエリアのみに焦点を絞って記述している。
For example, as shown in FIG. 22, an
また、図22に示した例では、屋外空間センサ1hがアクセスエリアとプライベートエリアにまたがって設置されている。この場合には、アクセスエリアとプライベートエリアのどちらに物体が存在しても屋外空間センサ1hが反応する場合がある。そのため、図23に示したセンサモデルの条件付確率表では、物体の位置がアクセスエリアとプライベートエリアのどちらの場合にも屋外空間センサ1hの確率を0にせず、各エリアにどれほどセンサの検知エリアがかかっているかに応じた確率を与える。
In the example shown in FIG. 22, the
(確信度の算出)
次に、制御装置3の確信度算出部32において、センサ1の反応信号の時系列データと上述した判断モデルとを用いて、物体カテゴリごとにセンサ反応要因となっている確信度を算出する手法について説明する。
(Calculation of confidence)
Next, in the certainty
ベイジアンネットワークを利用した原因推定の計算式は、上記の式(3)で示したように、条件付確率の積と和で構成されている。センサ反応要因推定アルゴリズムにおいて、図13に示したような判断モデルを利用して確信度の算出を行うために、上記の式(3)を図13の判断モデルに適用すると、下記の式(9)のようになる。
P(C0=c|O0=o)=α(P(C0=c)ΣXΣAP(A0|C0=c,X0)P(X0|C0=c)P(O0=o|X0)) ・・・(9)
また、2回目以降の観測値が得られた際の確信度の計算式は、下記の式(10)のように、再帰的な計算を行う計算式として表される。
P(C=c|Ot=ot,Ot-1=ot-1,Ot-2=ot-2,・・・)
=α((ΣXtΣAtΣXt−1ΣAt−1P(At|C=c,Xt,At-1)P(Xt|C=c,At-1,Xt-1)P(Ot=ot|Xt))P(C=c|Ot-1=ot-1,Ot-2=ot-2,・・・)) ・・・(10)
なお、上記の式(9)および式(10)において、Cは物体カテゴリを表し、Oはセンサ反応信号(反応したセンサ)を表している。また、Aは物体の行動を表し、Xは物体の存在する位置を表している。また、各変数の添え字は観測タイミングを表し、添え字の“0”は初期状態を表している。また、ΣA(・・・)は行動Aに関して総和をとるという意味であり、ΣX(・・・)は位置Xに関して総和をとるという意味である。
The calculation formula for cause estimation using the Bayesian network is composed of a product and a sum of conditional probabilities as shown in the above formula (3). When the above equation (3) is applied to the determination model of FIG. 13 in order to calculate confidence using the determination model as shown in FIG. 13 in the sensor reaction factor estimation algorithm, the following equation (9 )become that way.
P (C0 = c | O0 = o) = α (P (C0 = c) Σ X Σ A P (A0 | C0 = c, X0) P (X0 | C0 = c) P (O0 = o | X0)) ... (9)
Moreover, the calculation formula of the certainty factor when the observed value after the second time is obtained is expressed as a calculation formula for performing recursive calculation as in the following formula (10).
P (C = c | Ot = ot, Ot-1 = ot-1, Ot-2 = ot-2,...)
= Α ((Σ Xt Σ At Σ Xt-1 Σ At-1 P (At | C = c, Xt, At-1) P (Xt | C = c, At-1, Xt-1) P (Ot = ot | Xt)) P (C = c | Ot-1 = ot-1, Ot-2 = ot-2,...)) (10)
In the above formulas (9) and (10), C represents an object category, and O represents a sensor response signal (reacted sensor). A represents the action of the object, and X represents the position where the object exists. The subscript of each variable represents the observation timing, and the subscript “0” represents the initial state. Further, Σ A (...) Means summing with respect to the action A, and Σ X (...) Means summing with respect to the position X.
上記の式(9)では、初期行動の条件付確率を表すP(A0|C0=c,X0)に関して図19に示したような条件付確率表から値を参照し、初期位置の条件付確率を表すP(X0|C0=c)に関して図18に示したような条件付確率表から値を参照し、センサモデルの条件付確率を表すP(O0=o|X0)に関して図21に示したような条件付確率表から値を参照することによって、初期状態のセンサ反応信号としてoが観測された際にその反応要因の物体カテゴリがcである確信度P(C0=c|O0=o)を算出することができる。 In the above equation (9), the conditional probability at the initial position is referred to by referring to the value from the conditional probability table as shown in FIG. 19 for P (A0 | C0 = c, X0) representing the conditional probability of the initial action. With respect to P (X0 | C0 = c) representing the value, a value is referred to from the conditional probability table as shown in FIG. 18, and P (O0 = o | X0) representing the conditional probability of the sensor model is shown in FIG. By referring to the value from the conditional probability table, the certainty P (C0 = c | O0 = o) that the object category of the reaction factor is c when o is observed as the sensor response signal in the initial state. Can be calculated.
また、上記の式(10)では、行動遷移の条件付確率を表すP(At|C=c,Xt,At-1)に関して図16に示したような条件付確率表から値を参照し、位置遷移の条件付確率を表すP(Xt|C=c,At-1,Xt-1)に関して図17に示したような条件付確率表から値を参照し、センサモデルの条件付確率を表すP(Ot=ot|Xt)に関して図21に示したような条件付確率表から値を参照し、前回の計算結果P(C=c|Ot-1=ot-1,Ot-2=ot-2,・・・)を用いた再帰的な計算をすることによって、2回目以降のセンサ反応信号としてoが観測された際にその反応要因の物体カテゴリがcである確信度P(C=c|Ot=ot,Ot-1=ot-1,Ot-2=ot-2,・・・)を算出することができる。 Further, in the above equation (10), a value is referred to from the conditional probability table as shown in FIG. 16 with respect to P (At | C = c, Xt, At-1) representing the conditional probability of action transition, With respect to P (Xt | C = c, At-1, Xt-1) representing the conditional probability of the position transition, a value is referred to from the conditional probability table as shown in FIG. 17 to represent the conditional probability of the sensor model. With respect to P (Ot = ot | Xt), a value is referred from the conditional probability table as shown in FIG. 21, and the previous calculation result P (C = c | Ot-1 = ot-1, Ot-2 = ot- 2)), when o is observed as the second and subsequent sensor reaction signals, the certainty factor P (C = c) that the object category of the reaction factor is c | Ot = ot, Ot-1 = ot-1, Ot-2 = ot-2,.
ここで、図20に示した例において、初期状態のセンサ反応信号として門扉エリアに設置した屋外開閉センサ1aの反応が観測された場合に、そのセンサ反応要因が人間である確信度を算出する場合を想定して上記の式(9)を具体化すると、下記の式(11)のようになる。
なお、上記の式(9)〜式(11)において、右辺の先頭にあるαは正規化定数であり、cを人間、小動物、無生物と3つの物体カテゴリで変化させたときに算出される3つの値の和を1.0とするような係数である。実際の計算上は、αを考慮しないで上記の式を使って3つの物体カテゴリごとにそれぞれ確信度を計算し、3つの値が得られた後に、それぞれの値を3つの値の和で割ることで確信度を得る。 In the above equations (9) to (11), α at the beginning of the right side is a normalization constant, and is calculated when c is changed in three object categories: human, small animal, inanimate. The coefficient is such that the sum of two values is 1.0. In actual calculation, the certainty factor is calculated for each of the three object categories using the above formula without considering α, and after the three values are obtained, each value is divided by the sum of the three values. To gain confidence.
(確信度算出の具体例)
次に、図24および図25に示す物体の行動パターンを想定し、物体カテゴリごとの確信度を算出する具体例について説明する。図24は、不審者が囲障エリアからアクセスエリアに侵入し、そのまま開口部エリア(玄関)へ向かった場合の例である。センサの反応としては、{囲障エリア、アクセスエリア、開口部エリア}と3回反応したとする。一方、図25は、小動物が図24と同様に囲障を乗り越えてアクセスエリアに進入し、そのまま囲障エリアから外へ抜けた場合の例である。この場合のセンサの反応としては、{囲障エリア、アクセスエリア、囲障エリア}となる。
(Specific example of confidence calculation)
Next, a specific example of calculating the certainty factor for each object category assuming the behavior patterns of the objects shown in FIGS. 24 and 25 will be described. FIG. 24 shows an example of a case where a suspicious person enters the access area from the obstacle area and goes directly to the opening area (entrance). It is assumed that the sensor has reacted three times with {enclosure area, access area, opening area}. On the other hand, FIG. 25 shows an example in which a small animal gets over the obstacle and enters the access area as in FIG. The sensor response in this case is {enclosure area, access area, enclosure area}.
物体カテゴリごとの確信度の算出は、センサ反応の1回目については上記の式(9)と図18、図19、図21に示したような条件付確率表を利用して計算する。2回目のセンサ反応からは、計算量が増えないよう上記の式(10)と図16、図17、図21に示したような条件付確率表を利用して再帰的に計算する。 The certainty factor for each object category is calculated by using the above equation (9) and the conditional probability tables as shown in FIGS. 18, 19, and 21 for the first sensor response. From the second sensor response, calculation is recursively using the above equation (10) and the conditional probability tables as shown in FIGS. 16, 17, and 21 so that the calculation amount does not increase.
図24の例において物体カテゴリごとに確信度を算出した場合の結果を図26に示す。また、図25の例において物体カテゴリごとに確信度を算出した場合の結果を図27に示す。これら図26および図27において、実数部分が各センサ反応要因の推定値(確信度)を表している。図26に示すように、図24の例の場合では、道路に面する囲障エリアのセンサの反応から始まっており、初めのうちは動物と区別がつかない。しかしながら、その方向性が開口部エリア(玄関)へまっすぐ進んでいる様子がわかったことで(つまり、センサ反応O2が得られたことで)、センサの反応要因が人間である確信度が高い値となる。一方、図27に示すように、図25の例の場合では、図24の例と同様に囲障エリアのセンサから反応が始まっており、その後も方向の定めがなく再度囲障エリアのセンサが反応する。特定の目的を持たないようなセンサ反応系列が得られたことで、目的を持たずに移動する物体として小動物がセンサ反応要因である確信度が高い値となる。 FIG. 26 shows the result when the certainty factor is calculated for each object category in the example of FIG. FIG. 27 shows the result when the certainty factor is calculated for each object category in the example of FIG. In these FIG. 26 and FIG. 27, the real part represents the estimated value (confidence) of each sensor reaction factor. As shown in FIG. 26, in the case of the example of FIG. 24, it starts from the reaction of the sensor in the surrounding area facing the road, and is initially indistinguishable from the animal. However, the fact that the directionality goes straight to the opening area (entrance) has been found (that is, the sensor response O2 has been obtained), and the confidence factor that the sensor reaction factor is human is high. It becomes. On the other hand, as shown in FIG. 27, in the case of the example of FIG. 25, the reaction starts from the sensor in the surrounding area as in the example of FIG. . By obtaining a sensor response sequence that does not have a specific purpose, a certainty factor that a small animal is a sensor reaction factor as a moving object without a purpose has a high value.
[実施形態の効果]
以上、具体的な例を挙げながら詳細に説明したように、本実施形態にかかる警備装置では、制御装置3の確信度算出部32が、複数のセンサ1から定期的に取得されるセンサ反応信号の時系列データを、判断モデル記憶部31が記憶する判断モデルに照らし合わせて、複数の物体カテゴリごとに、各物体カテゴリに属する物体がセンサ反応要因となっている確からしさを表す確信度を算出する。また、制御装置3の確信度加重和算出部33が、確信度算出部32により時系列で算出される、物体カテゴリ=人間に対応する確信度を、時系列の初期段階ほど低い重み係数により重み付け加算した確信度加重和を算出する。そして、制御装置3の警備動作制御部34が、複数のセンサ1から得られるセンサ反応信号と、確信度算出部32により算出される物体カテゴリごとの確信度と、確信度加重和算出部33により算出される確信度加重和とに基づいて、現在の状況に応じた最適な警備動作が実行されるように、警備動作の切替えを行うようにしている。したがって、本実施形態にかかる警備装置によれば、センサ反応要因を的確に推定して、推定されるセンサ反応要因に対して効果的な警備動作を行うことができる。
[Effect of the embodiment]
As described above in detail with reference to specific examples, in the security device according to the present embodiment, the certainty
以上のように、本発明にかかる警備装置および警備動作切替え方法は、不法侵入者に対して効果的な侵入者排除動作を行うための技術として有用である。 As described above, the security device and the security operation switching method according to the present invention are useful as a technique for performing an effective intruder exclusion operation for illegal intruders.
1 センサ
3 制御装置
5a 音声出力機器
5b 限定報知用機器
5c 周囲報知用機器
5d 攻撃用機器
5e 物理的防御用機器
31 判断モデル記憶部
32 確信度算出部
33 確信度加重和算出部
34 警備動作制御部
DESCRIPTION OF
Claims (12)
前記監視領域に設置された複数のセンサと、
前記複数のセンサから、センサが反応しているか否かの2値をとるセンサ反応信号を取得する取得手段と、
前記センサ反応信号の時系列データに基づいて、複数の物体カテゴリごとに、各物体カテゴリに属する物体がセンサ反応要因となっている確からしさを表す確信度を算出する確信度算出手段と、
前記センサ反応信号と、前記確信度とに基づいて、実行する警備動作を切替える警備動作制御手段と、を備えることを特徴とする警備装置。 In a security device that executes at least one of a plurality of predetermined security operations when an abnormality in the monitoring area is detected,
A plurality of sensors installed in the monitoring area;
An acquisition means for acquiring a sensor response signal that takes a binary value indicating whether the sensor is responding from the plurality of sensors ;
Based on the time-series data of the sensor response signal, and a plurality of each object category, confidence factor computing means for object belonging to each object category to compute confidence factor representing the likelihood that a sensor reaction factor,
Before the xenon capacitors reaction signal, on the basis of said confidence, security apparatus characterized by comprising a security operation control means for switching the security operation to be executed.
前記確信度算出手段は、前記行動モデルを用いて前記センサ反応信号の時系列データに適合する行動パターンをとる確率を前記複数の物体カテゴリごとに求めるとともに、該確率に対して前記センサモデルで表される物体の位置に対するセンサ反応の確率を乗算して、前記複数の物体カテゴリごとの前記確信度を算出することを特徴とする請求項1に記載の警備装置。 For each of the plurality of object categories, an action model that is a probability model that defines a conditional probability of action transition of an object belonging to each object category and a conditional probability of position transition; a position where the object exists; A judgment model storage means for storing a judgment model including a sensor model that is a probability model representing a relationship with a sensor response of
The certainty factor calculating means obtains, for each of the plurality of object categories, a probability of taking an action pattern that matches the time series data of the sensor response signal using the action model, and represents the probability with the sensor model. The security device according to claim 1, wherein the certainty factor for each of the plurality of object categories is calculated by multiplying a probability of a sensor reaction with respect to a position of the object to be detected.
前記確信度算出手段により時系列で算出される、人間に対応する前記確信度を、時系列の初期段階ほど低い重み係数により重み付け加算した確信度加重和を算出する確信度加重和算出手段をさらに備え、
前記警備動作制御手段は、前記複数のセンサから得られるセンサ反応信号と、前記確信度と、前記確信度加重和とに基づいて、実行する警備動作を切替えることを特徴とする請求項1または2に記載の警備装置。 The object category includes a category indicating a person,
A certainty factor weighted sum calculating unit that calculates a certainty factor weighted sum obtained by weighting and adding the certainty factor corresponding to a human being calculated in a time series by the certainty factor calculating unit using a weighting factor that is lower in the initial stage of the time series. Prepared,
The security operation control means switches a security operation to be executed based on a sensor response signal obtained from the plurality of sensors, the certainty factor, and the certainty factor weighted sum. Security device according to.
前記複数の警備動作は、
前記敷地の入口から前記建物の入口に至る経路であるアクセスエリアを少なくとも可聴領域とする音声出力機器から誘導音声を出力する誘導動作と、
前記建物の開口部付近を少なくとも可聴領域とする音声出力機器から警告音声を出力する警告動作と、
前記建物の開口部付近を少なくとも可聴領域とする音声出力機器から威嚇音声を出力する威嚇動作と、
前記建物の開口部付近に存在する人間に対して負荷を与える攻撃用機器を作動させる攻撃動作と、を含むことを特徴とする請求項3に記載の警備装置。 The site of the building is the monitoring area,
The plurality of security operations are:
A guidance operation for outputting a guidance voice from a voice output device having at least an audible area as an access area that is a route from the entrance of the site to the entrance of the building;
A warning operation for outputting a warning sound from a sound output device having at least an audible area near the opening of the building;
A threatening action of outputting a threatening sound from a sound output device having at least an audible area near the opening of the building;
The security device according to claim 3, further comprising: an attack operation that activates an attack device that applies a load to a person existing near the opening of the building.
前記監視領域に設置された複数のセンサから、センサが反応しているか否かの2値をとるセンサ反応信号を取得するステップと、
前記センサ反応信号の時系列データに基づいて、複数の物体カテゴリごとに、各物体カテゴリに属する物体がセンサ反応要因となっている確からしさを表す確信度を算出するステップと、
前記センサ反応信号と、前記確信度とに基づいて、実行する警備動作を切替えるステップと、を含むことを特徴とする警備動作切替え方法。 A security operation switching method that is executed in a security device that executes at least one of a plurality of predetermined security operations when an abnormality is detected in a monitoring area,
Obtaining a sensor response signal taking a binary value as to whether or not the sensor is reacting from a plurality of sensors installed in the monitoring area ;
Based on the time-series data of the sensor response signal, for each of the plurality of objects categories, the steps of the object belonging to each object category to compute confidence factor representing the likelihood that a sensor reaction factor,
Before xenon capacitors reaction signal, on the basis of said confidence, security operation switching method characterized by comprising the steps of: switching the security operation to be executed.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011043205A JP5759752B2 (en) | 2011-02-28 | 2011-02-28 | Security device and security operation switching method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011043205A JP5759752B2 (en) | 2011-02-28 | 2011-02-28 | Security device and security operation switching method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012181630A JP2012181630A (en) | 2012-09-20 |
JP5759752B2 true JP5759752B2 (en) | 2015-08-05 |
Family
ID=47012785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011043205A Active JP5759752B2 (en) | 2011-02-28 | 2011-02-28 | Security device and security operation switching method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5759752B2 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014178760A (en) * | 2013-03-13 | 2014-09-25 | Osaka Gas Co Ltd | Security system |
WO2024009508A1 (en) * | 2022-07-08 | 2024-01-11 | 株式会社テクノミライ | Digital intrusion detection system |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004118450A (en) * | 2002-09-25 | 2004-04-15 | Matsushita Electric Works Ltd | Trespass detecting device for gate unit |
US20070241863A1 (en) * | 2004-01-15 | 2007-10-18 | Ken Udagawa | Information Recognition Device, Information Recognition Method, Information Recognition Program, and Alarm System |
JP4875313B2 (en) * | 2005-03-30 | 2012-02-15 | セコム株式会社 | Monitoring device |
-
2011
- 2011-02-28 JP JP2011043205A patent/JP5759752B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2012181630A (en) | 2012-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5340899B2 (en) | Security device and sensor reaction factor estimation method | |
JP4611915B2 (en) | Security device and security method | |
JP4180600B2 (en) | Information recognition apparatus, information recognition method, information recognition program, and alarm system | |
EP1782406B1 (en) | Monitoring devices | |
US6771173B1 (en) | System and device for monitoring and signaling personnel presence | |
EP3918586B1 (en) | Smart surveillance system for swimming pools | |
US7978069B2 (en) | Reliable security system by triangulation | |
US11072966B1 (en) | Video analytic enhanced pet door | |
US9613510B2 (en) | Apparatus and method for rapid human detection with pet immunity | |
JP5759752B2 (en) | Security device and security operation switching method | |
JP2013125469A (en) | Security device and security action switching method | |
Prakash et al. | FSAS: An IoT‐Based Security System for Crop Field Storage | |
Teoh et al. | A neural network approach towards reinforcing smart home security | |
US11138869B2 (en) | Alarm system | |
US20230085515A1 (en) | Systems and methods for averting crime with look-ahead analytics | |
JP2010146190A (en) | Crime-prevention system | |
JP2008077612A (en) | Crime prevention system | |
GB2608639A (en) | Threat assessment system | |
JP5881361B2 (en) | Security system | |
JP7320222B2 (en) | Bathroom monitoring device and bathroom monitoring method | |
US20150323661A1 (en) | Method and device for monitoring an immobile space region | |
JP3174605U (en) | Security equipment | |
KR100337492B1 (en) | Manless preservation alarm system for prevention of invasion | |
US20240331336A1 (en) | Multi-source object detection and escalated action | |
Prakash et al. | Research Article FSAS: An IoT-Based Security System for Crop Field Storage |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140204 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141010 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141021 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141202 |
|
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: 20150602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150608 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5759752 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |