JP6217635B2 - 転倒検知装置および転倒検知方法、転倒検知カメラ、並びにコンピュータ・プログラム - Google Patents

Description

本発明は、人物等が転倒したことを画像処理等を用いて検知する技術分野に関する。

人（人体）が転倒したことを検知する一般的に知られている技術として、例えば、人体に加速度センサーやジャイロセンサーといったセンサー類を取り付けると共に、取り付けたセンサーから出力された情報を分析することによって、人体の動作を推定する装置及び方式が存在する。

このような技術を用いることによって、例えば、装置管理者は、比較的容易に人体が転倒したことを発見できる。その一方で、装置管理者は、検知対象である人体にセンサーを取り付ける、またはセンサーを所持させる必要がある。そのため、一般的に知られている技術は、利用できる場面（状況）が限られている。

より具体的に、例えば、公共の場において不特定の人が転倒したことを検知する場合に、一般的に知られている技術では、不特定の人にセンサーを所持させる必要があるために実現不可能である。

次に、上述した人が転倒したことを検知する技術として、センサー類によって人体の転倒を検知するだけでなく、例えば、カメラ等を用いて撮影された映像に基づいて、人体が転倒したという事象を検知する装置及び方式が存在する。

ここで、本願出願に先立って存在する関連技術として、例えば、特許文献１は、人が転倒したことを自動的に検知する転倒検知装置について開示する。

より具体的に、特許文献１に開示された転倒検知装置は、カメラによって撮像された画像と人体が存在しないときに撮像した画像との差分領域を抽出すると共に、抽出した差分領域の面積に基づいて、人体の転倒動作を検知する。

特許文献１は、特別なセンサー類を検知の対象となる人体に取り付ける、または所持させる必要がない。さらに、特許文献１は、カメラが撮像できる範囲に存在する人体を捉えることができる。

その一方で、特許文献１に記載された差分領域の面積は、検知の対象となる人体を撮像する際の条件に強く依存する。より具体的に、差分領域の面積は、カメラの設置角度に強く影響される。そのため、特許文献１は、係る面積を算出する際にカメラの設置角度に応じて調整する必要がある。

次に、特許文献２に記載された技術は、撮像された映像に含まれる人物を示す画像領域の時間的な変化から、その人物の姿勢の変化を検出する技術を開示する。

より具体的に、係る姿勢変化検出装置は、撮像手段によって取得した画像から人物を検出する人物検出手段と、その検出された人物の身長を推定する身長推定手段と、身長推定手段により得られる画像上における人物の縦及び横の大きさの変化の割合と、予め設定された姿勢パターンとを比較することによって人物の姿勢を認知する。

即ち、特許文献２における姿勢変化検出装置は、画像上における人物の「身長（高さ）」と「幅」との比率と各姿勢に対応する姿勢パターンとを比較することによって特定の姿勢を検出する。

このため、姿勢変化検出装置は、映像に含まれる人物を示す画像領域から推定した「身長（高さ）」と「幅」との情報に基づいて姿勢を判別するため、少ない計算量（低い処理能力）で検出できる。

特許文献３に記載された技術は、被観察者の転倒等を表す挙動の発生を検知する技術を開示する。

より具体的に、姿勢検知装置は、取得した左右画像に基づいて、３次元空間内に存在する人物を示す人物領域を表す情報（以下、「３次元人物領域情報」と称する）を抽出する。次に、姿勢検知装置は、抽出した３次元人物領域情報から３次元人物領域の高さ、幅および奥行き情報を算出する。さらに、姿勢検知装置は、算出した情報の中から高さに対する幅の比および３次元人物領域の高さに対する奥行きの比に基づいて、被観察者の姿勢を判定する。

また、姿勢検知装置は、３次元人物領域情報からサイズ（３次元空間における人物領域の高さ、幅、奥行き）を算出するために、カメラ、レンズ、カメラ設置環境（以降、「カメラのパラメータ」と称する）を事前に（予め）計算する必要がある。このため、特許文献３における３次元人物領域情報に基づいてサイズを算出する処理自体は、少ない計算量（低い処理能力）で処理できる。

このように、特許文献３は、取得した画像から３次元空間上での人物領域に相当するサイズに変換すると共に、変換したサイズを処理することで、カメラの設置角度等の影響を抑えることができる。

その一方で、係る３次元空間上でのサイズは、特に、カメラレンズの光軸（奥行き）方向に誤差が大きいことが一般的に知られている。

次に、特許文献４に記載された技術は、高齢者等の転倒を検知する技術を開示する。

より具体的に、特許文献４に開示された検知装置は、被観察者をカメラで撮影すると共に、撮影画像に基づき被観察者の動作ベクトルを検出する。さらに、検知装置は、検出した動作ベクトルと予め記憶している被観察者の転倒ベクトルとを比較することにより観察者が転倒したか否かを判別する。

検知装置は、倒れる瞬間の被観察者の動作を捉えることによって、被観察者が転倒したか否かを判別するため、被観察者の動作を判別できる程度に高いフレームレートの映像が必要となる。

特許文献５に記載された技術は、固定カメラで撮像された撮像データに基づき人体の部位領域や特定領域のデータを抽出すると共に、抽出した各データから人物の行動特徴を把握することによって、当該人物の行動を理解する人物行動理解システムに関する技術を開示する。

より具体的に、係る人物行動理解システムは、被写対象である人物を含む撮像領域の検出を行う撮像部と、この撮像部によって撮像される人物領域に含まれる部位領域データを抽出する部位検出部と、部位領域データの変化量によって行動の特徴を検出する行動特徴検出部と、検出された行動の特徴を組み合わせることによって人物の行動を判断する行動理解部とを有する。

このため、特許文献５における人物行動理解システムは、複数の部位領域データに基づいて検出した行動の特徴から人物の行動を判断するため、複雑な演算処理が必要となる。

特開２０００−２０７６６４号公報 特開２０１０−２３７８７３号公報 特開２００８−１４６５８３号公報 特開２００２−２３２８７０号公報 特開２００５−２５８８３０号公報

しかしながら、上述した特許文献１乃至特許文献３に記載された技術は、人物の転倒と直接的な関連があまり高くない「面積」や「身長（高さ）」、「幅」、「奥行き」等を表す情報に基づいて人物が転倒したか否かを検知する。

即ち、係る技術は、人物の「転倒または非転倒」状態という事象を正確に識別するのに必要な情報が不足しているため、転倒を検知する精度（検知精度）が低い。そのため、係る技術では、人物が転倒したことを検知できない。

より具体的に、例えば、特許文献１では、天井に設置されたカメラから真下を撮像している場合に、人物の撮像位置や重なり、影、照明変化等の非常に特殊、かつ理想的な撮像環境でなければ「面積」に基づいて、人物の転倒動作を検知できない。

さらに、特許文献２では、「身長（高さ）」と「幅」とに基づいて人物の姿勢を検知する。例えば、特許文献２は、人物が脚を伸ばして地面（床）等に座っている姿勢と、人物が倒れている姿勢とがどちらも「身長（高さ）」が低く、且つ「幅」が長くなる。そのため、特許文献２では、人物が脚を伸ばした場合と、倒れた場合とを区別することが困難である。

特許文献３における３次元空間における人物領域のサイズ（３次元空間における人物領域の高さ、幅、奥行き）は、撮像された左右画像から対応する一対の特徴点の位置を求めるため、画像に類似した特徴点が多数存在する場合に誤差が生じる。そのため、特許文献３は、被観察者の転倒等を表す挙動の発生を検知することが困難である。即ち、特許文献３は、係る転倒の検知精度が低いことが問題となる。

特許文献４における撮影画像に基づき被観察者の動作ベクトルを用いて転倒を検知する方式は、被観察者が倒れる瞬間の動作を捉えて検知する。そのため、係る撮影画像は、低いフレームレートの映像では必要な動作を捉えることが困難である。

さらに、特許文献４は、撮影画像に基づき転倒を検知する場合に、被観察者が倒れる瞬間の見逃しが発生するために、倒れた状態を検知することが困難である。

より具体的に、例えば、特許文献４は、インターネットに接続されたネットワークカメラ等のフレームレートが低いカメラで撮像した画像から動作ベクトルを検出することが困難である。

また、特許文献５は、抽出した被写対象である複数の人体部位領域データに基づいて、人物の行動を検出する。係る人物の行動を検出する処理は、複数の人体部位領域データを処理すると共に、検出された複数の行動の特徴を組み合わせる必要がある。

そのため、人物行動理解システムは、処理が複雑であり、計算コストが高く、高性能な演算処理装置（Ｃｅｎｔｒａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ：以降、「ＣＰＵ」と称する）が必要である。

さらに、上述した一般的に知られた技術では、「転倒の検知精度が低い」、「転倒を検知するために高い映像フレームレートが必要である」、「処理が複雑なために高性能なＣＰＵが必要である」等の課題を同時に解決できない。

本発明の主たる目的は、低いフレームレートの映像を用い、且つ高性能でない演算処理装置を採用した場合においても、高い精度で人体が転倒したことを検知することが可能な転倒検知装置等を提供することにある。

上記の課題を達成すべく、本発明に係る転倒検知装置は、以下の構成を備えることを特徴とする。

即ち、本発明に係る転倒検知装置は、
検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知する高さ検知部と、
高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出するアピアランス特徴量抽出部と、
前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別するアピアランス検知部と、
前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知する移動距離検知部とを備えることを特徴とする。

また、同目的を達成すべく、本発明に係る転倒検知方法は、以下の構成を備えることを特徴とする。

即ち、本発明に係る転倒検知方法は、
検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知し、
高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出し、
前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別し、
前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知することを特徴とする。

また、同目的を達成すべく、本発明に係る転倒検知カメラは、以下の構成を備えることを特徴とする。

即ち、本発明に係る転倒検知カメラは、
検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知する高さ検知部と、
高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出するアピアランス特徴量抽出部と、
前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別するアピアランス検知部と、
前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知する移動距離検知部とを備えることを特徴とする。

尚、同目的は、上記の各構成を有する転倒検知装置および転倒検知方法を、コンピュータによって実現するコンピュータ・プログラム、およびそのコンピュータ・プログラムが格納されている、読み取り可能な記憶媒体によっても達成される。

本発明によれば、低いフレームレートの映像を用い、且つ高性能でない演算処理装置を採用した場合においても、高い精度で人体が転倒したことを検知することが可能な転倒検知装置等を提供することができる。

本発明の第１の実施形態における転倒検知装置の構成を示すブロック図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、任意の統計的パターン認識手法によって学習する「倒れた状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、任意の統計的パターン認識手法によって学習する「倒れた状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、任意の統計的パターン認識手法によって学習する「倒れていない状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、任意の統計的パターン認識手法によって学習する「倒れていない状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、想定される「倒れた状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、想定される「倒れた状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、想定される「倒れた状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、想定される「倒れた状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、想定される「倒れた状態」を示す人体画像を例示する図である。 本発明の第１の実施形態におけるアピアランス辞書を生成する際に、想定される「倒れた状態」を示す人体画像を例示する図である。 本発明の第１の実施形態における転倒検知装置が行う動作を示すフローチャートである。 本発明の第２の実施形態における転倒検知装置の構成を示すブロック図である。 本発明の第２の実施形態における転倒検知装置が行う動作を示すフローチャートである。 本発明の第３の実施形態における転倒検知装置の構成を示すブロック図である。 本発明の第３の実施形態におけるアピアランス辞書を生成するに際して学習する「倒れていない状態」を例示する図である。 本発明の第３の実施形態におけるアピアランス辞書を生成するに際して学習する「倒れた状態」を例示する図である。 本発明の第３の実施形態におけるアピアランス辞書を生成するに際して学習する「倒れていない状態」を例示する図をアピアランス別にエリアを分けた様態（エリア分割例１）を例示する図である。 本発明の第３の実施形態におけるアピアランス辞書を生成するに際して学習する「倒れていない状態」を例示する図をアピアランス別にエリアを分けた様態（エリア分割例２）を例示する図である。 本発明の第３の実施形態の変形例における転倒検知装置の構成を示すブロック図である。 本発明に係る各実施形態を実現可能な情報処理装置のハードウェア構成を例示的に説明するブロック図である。

以下、本発明の実施形態について図面を参照して詳細に説明する。

＜第１の実施形態＞
図１は、本発明の第１の実施形態における転倒検知装置１の構成を示すブロック図である。

図１において、転倒検知装置１は、高さ検知部２と、アピアランス特徴量抽出部３と、移動距離検知部４と、アピアランス検知部５とを有する。

以下の説明において、説明の便宜上、高さ検知部２に新たに入力された高さ情報を「第１の高さ情報」と称する。さらに、高さ検知部２に過去に入力された高さ情報を「第２の高さ情報」と称する。また、移動距離検知部４に新たに入力された人体を表す部分画像の座標上の位置を表す位置座標情報を「第１の位置座標情報」と称する。さらに、移動距離検知部４に過去に入力された人体を表す部分画像の座標上の位置を表す位置座標情報を「第２の位置座標情報」と称する（以下の実施形態においても同様）。

ここで、高さ情報（第１の高さ情報、第２の高さ情報）とは、人体画像に含まれる人体の高さを示す情報である。

尚、高さ情報（第１の高さ情報、第２の高さ情報）は、例えば、人体画像における人体を表す部分画像の高さ方向の画素数を用いても良いし、人体画像における当該部分画像の縦横比率を用いても良い。さらに、高さ情報は、事前に計算しておいた画像（映像）を撮影するカメラのパラメータに基づいて計算可能な実際の３次元空間情報における高さ（メートル）を用いても良いし、実際の３次元空間における人体の縦横比率を用いても良い。但し、本実施形態を例に説明する本発明は、前述した構成には限定されない（以下の実施形態においても同様）。

より具体的に、高さ検知部２は、新たに入力された第１の高さ情報と過去に入力された第２の高さ情報とを比較することによって、人体の高さが減少していることを検知する。

即ち、高さ検知部２は、新たに入力された第１の高さ情報と過去に入力された第２の高さ情報とを比較した結果、第２の高さ情報に対して第１の高さ情報が減少していると判断した場合に、人体の高さが減少していることを検知する。

ここで、一例として、人体画像は、カメラ等の撮影機器によって撮影された検知対象である人体を表す部分画像を含む時系列な複数の画像フレームによって構成される動画像である。

アピアランス特徴量抽出部３は、入力された人体画像のアピアランス（以降、「見え方」や「見た目」とも表すこととする）に基づいて、その人体画像に関する特徴量（アピアランス特徴量）を抽出する。

より具体的に、一例として、アピアランス特徴量抽出部３は、入力された人体画像の輝度値を利用してアピアランス特徴量を抽出してもよい。

さらに、アピアランス特徴量抽出部３は、例えば、Ｎ．Ｄａｒａｌ、Ｂ．Ｔｒｉｇｇｓ著、「Ｈｉｓｔｏｇｒａｍｓ＿ｏｆ＿ｏｒｉｅｎｔｅｄ＿ｇｒａｄｉｅｎｔｓ＿ｆｏｒ＿ｈｕｍａｎ＿ｄｅｔｅｃｔｉｏｎ」、Ｉｎ＿Ｐｒｏｃｅｅｄｉｎｇ＿ｏｆ＿ｔｈｅ＿ＣＶＰＲ’０５、ｖｏｌ．１、ｐｐ．８８６−８９３、２００５年．に記載されたＨＯＧ（Ｈｉｓｔｏｇｒａｍｓ＿ｏｆ＿ｏｒｉｅｎｔｅｄ＿ｇｒａｄｉｅｎｔｓ）を利用してアピアランス特徴量を抽出してもよい。

また、アピアランス特徴量抽出部３は、例えば、細井利憲、石寺永記著「動き領域の見えに基づく物体認識」、情報科学技術フォーラム２００６、一般講演論文集、第３分冊、ｐｐ．７１−７２、２００６年．に記載された正規化融合型の勾配特徴量をアピアランス特徴量として利用してもよい（以下の実施形態においても同様）。

尚、上述したアピアランス特徴量抽出部３がアピアランス特徴量を抽出する際に採用した抽出手法自体は、現在では一般的な技術を採用することができるので、本実施形態における詳細な説明は省略する（以下の実施形態においても同様）。

次に、アピアランス検知部５は、アピアランス特徴量抽出部３によって抽出したアピアランス特徴量と、アピアランス辞書７（以降、「第１のアピアランス辞書」とも表す）とに基づいて、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）を識別する（識別処理）。

尚、アピアランス検知部５及びアピアランス辞書７については、本実施形態において後述する。

即ち、アピアランス検知部５は、ピアランス特徴量を基にアピアランス辞書７を参照すると共に、アピアランス辞書７を参照した結果に基づいて、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）を識別する。

移動距離検知部４は、新たに入力された第１の位置座標情報と、過去に入力された第２の位置座標情報と、に基づいて、検知対象である人体が移動した距離（移動距離）を算出する。即ち、移動距離検知部４は、第１の位置座標情報と第２の位置座標情報とに基づいて、人体画像に含まれる部分画像の移動距離を算出する。

次に、移動距離検知部４は、算出した移動距離と予め移動距離検知部４に設定した閾値とを比較すると共に、その比較した結果に基づいて、当該人体画像に含まれる人体の移動距離（移動量）が少ないことを検知する。

尚、例えば、係る移動距離は、人体画像における平面（２次元）座標系の位置情報を用いて移動した距離を算出しても良いし、実際の３次元空間座標系における位置情報を用いて移動した距離を算出してもよい。但し、本実施形態を例に説明する本発明は、前述した構成には限定されない（以下の実施形態においても同様）。

また、一例として、閾値は、単位時間当たり移動した距離を所定の演算によって算出した値でもよい。さらに、閾値と位置座標情報とには、時間情報を付加してもよい。これにより、移動距離検知部４は、所定の時間に渡り継続して移動距離が少ない場合に、移動距離が少ないことを検知することができる。但し、本実施形態を例に説明する本発明は、前述した構成には限定されない（以下の実施形態においても同様）。

また、上述した移動距離検知部４が第１の位置座標情報と第２の位置座標情報とに基づいて、人体画像に含まれる部分画像の移動距離を算出する技術自体は、現在では一般的な技術を採用することができるので、本実施形態における詳細な説明は省略する（以下の実施形態においても同様）。

記憶部６は、コンピュータによるデータの読み書きが可能な不揮発性記憶デバイスである。より具体的に、一例として、記憶部６は、サーバ等の電子機器に搭載されたハードディスクドライブ（Ｈａｒｄ＿ｄｉｓｋ＿ｄｒｉｖｅ：以降、「ＨＤＤ」と称する）等の不揮発性の記憶装置を採用することができる。

また、例えば、記憶部６は、不図示の通信ネットワークに接続されたストレージデバイス（不図示）を採用してもよい。但し、本実施形態を例に説明する本発明は、前述した構成には限定されない（以下の実施形態においても同様）。

検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）に関する学習を行うことによって生成されたアピアランス辞書７は、記憶部６に予め記憶される。

ここで、アピアランス辞書７とは、検知対象である人体の状態を識別処理する際に、必要とされるパラメータ値（アピアランス特徴量）の集合である。

また、係る学習及びアピアランス検知部５の識別処理の手法は、任意の統計的パターン認識手法を採用できる。

より具体的に、一例として、学習及びアピアランス検知部５の識別処理の手法は、Ｓｕｐｐｏｒｔ＿Ｖｅｃｔｏｒ＿Ｍａｃｈｉｎｅ（以降、「ＳＶＭ」と称する）を用いてもよい。

さらに、例えば、係る手法は、Ａ．Ｓａｔｏ、Ｋ．Ｙａｍａｄａ著、「Ｇｅｎｅｒａｌｉｚｅｄ＿Ｌｅａｒｎｉｎｇ＿Ｖｅｃｔｏｒ＿Ｑｕａｎｔｉｚａｔｉｏｎ」、Ａｄｖａｎｃｅｓ＿Ｉｎ＿Ｎｅｕｒａｌ＿Ｉｎｆｏｒｍａｔｉｏｎ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｓｙｓｔｅｍｓ、Ｖｏｌ．８、ｐｐ．４２３−４２９、ＭＩＴ＿Ｐｒｅｓｓ、１９９６年．に記載された一般化学習ベクトル量子化を用いてもよい。

より具体的に、一例として、一般化学習ベクトル量子化を用いた際に、アピアランス辞書７には、学習結果として得られる参照ベクトル群とそれぞれの参照ベクトルが属するクラス情報とが記憶される。

尚、アピアランス特徴量は、検知対象である人体と撮影するカメラとの位置関係によって変化する。

より具体的に、例えば、検知対象である人体を、画角が真下を向くように天井に設置されたカメラによって撮影された映像（画像）と、画角が真横を向くように（床と水平）壁に設置されたカメラによって撮影された映像（画像）とでは、人体のアピアランスが大きく異なる。このため、アピアランス辞書７は、本発明を適用しようとする環境に対応したアピアランスデータを用いて生成するとよい。

次に、本発明の第１の実施形態に係るより具体的な転倒検知装置１の動作について説明する。

以下の説明において、一例として、転倒検知装置１に入力データ１０１が入力された際の動作について、詳細に説明する。

ここで、入力データ１０１とは、「人体画像」と、その「人体画像」を基に所定の処理によって得られた「人体の位置座標情報」と、「人体のサイズ（高さ）情報」とする。

尚、「人体画像」を基に「人体の位置座標情報」と「人体のサイズ（高さ）情報」とを求める技術自体は、現在では一般的な技術を採用することができるので、本実施形態における詳細な説明は省略する（以下の実施形態においても同様）。

尚、説明の便宜上、上述した構成を例に説明するが、本発明は、係る構成には限定されない（以下の実施形態においても同様）。

図２（図２Ａ乃至図２Ｄ）は、本発明の第１の実施形態におけるアピアランス辞書７を生成する際に、任意の統計的パターン認識手法によって学習する「倒れた状態」及び「倒れていない状態」を示す人体画像を例示する図である。

ここで、図２Ａ及び図２Ｂは、想定される「倒れた状態」を示す人体画像を例示する図である。また、図２Ｃ及び図２Ｄは、想定される「倒れていない状態」を示す人体画像を例示する図である。

はじめに、処理に先立って生成されたアピアランス辞書７は、記憶部６に予め記憶される。

より具体的に、アピアランス辞書７は、図２に例示した「倒れた状態」及び「倒れていない状態」を示す「人体姿勢」を多数の人体画像に基づき任意の統計的パターン認識手法を用いて学習することによって生成される。

図３（図３Ａ乃至図３Ｆ）は、本発明の第１の実施形態におけるアピアランス辞書７を生成する際に、想定される「倒れた状態」を示す人体画像を例示する図である。

ここで、一例として、学習に用いる「倒れた状態」を示す画像としては、検知する「人体姿勢」を図３Ａ乃至図３Ｃに例示した多数の人体画像を網羅的に利用することが望ましい。

さらに、学習に用いる「倒れた状態」を示す画像には、図３Ｄ乃至図３Ｆに例示した倒れかかる「人体姿勢」も「倒れた状態」を示す人体画像として利用するとよい。

より具体的に、一例として、係る「倒れた状態」とは、人体が横たわる場合だけでなく両手をついて床（地面）の上に座る等の様々なパターンが想定される。そのため、アピアランス辞書７を生成するに際して学習に用いる「倒れた状態」を示す画像には、図３Ｄ乃至図３Ｆに例示した倒れかかる「人体姿勢」を「倒れた状態」として学習するとよい。これによって、転倒検知装置１は、人体の「倒れた状態」を精度よく識別できる。

尚、図２及び図３において「人体姿勢」を一例として示したが、これに限定されず、手を広げて倒れた場合等の様々なパターンの「人体姿勢」を示す多数の人体画像を利用することが望ましい（以下の実施形態においても同様）。

このように、アピアランス辞書７を生成する際、本実施形態における転倒検知装置１は、検知したい「人体姿勢」を調整（学習）することによって、様々な「人体姿勢」を識別可能である。

図４は、本発明の第１の実施形態における転倒検知装置１が行う動作を示すフローチャートである。係るフローチャートに沿って転倒検知装置１の動作手順を説明する。

ステップＳ１：
転倒検知装置１は、入力データ１０１の入力に応じて、高さ検知部２における処理を実行する。

高さ検知部２は、入力データ１０１に含まれる「人体のサイズ（高さ）情報」に基づいて、検知対象である人体の高さが減少しているか否かを検知する。

より具体的に、高さ検知部２は、新たに入力されたフレームにおける「人体のサイズ（高さ）情報」（第１の高さ情報）と過去に入力されたフレームにおける「人体のサイズ（高さ）情報」（第２の高さ情報）とを比較することによって、人体の高さが減少していることを検知する。

ステップＳ２において「ＮＯ」：
高さ検知部２は、検知対象である人体の高さが減少していないと検知した場合に、処理を終了すると共に、次の映像フレームの処理に進める。

ステップＳ２において「ＹＥＳ」：
高さ検知部２は、検知対象である人体の高さが減少していると検知した場合に、処理をステップＳ３に進める。

ステップＳ３：
アピアランス特徴量抽出部３は、入力データ１０１に含まれる「人体画像」に基づいて、アピアランス特徴量を抽出する。

ステップＳ４：
アピアランス検知部５は、記憶部６に予め記憶されたアピアランス辞書７と、アピアランス特徴量抽出部３によって抽出されたアピアランス特徴量とに基づいて、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）を識別する。

より具体的に、一例として、上述した一般化学習ベクトル量子化の手法を用いて生成したアピアランス辞書７として参照ベクトル群が記憶部６に記憶されている場合に、アピアランス検知部５は、アピアランス特徴量抽出部３によって抽出したアピアランス特徴量をベクトル（特徴ベクトル）とみなす。

さらに、アピアランス検知部５は、参照ベクトル群に対して最近傍探索を行うことによって、最近傍の参照ベクトルが属するクラス（「倒れた状態」または「倒れていない状態」）に識別する。

ステップＳ５において「ＮＯ」：
アピアランス検知部５は、検知対象である人体が「倒れていない状態」であると識別した場合に、処理を終了すると共に、次の映像フレームの処理に進める。

ステップＳ５において「ＹＥＳ」：
アピアランス検知部５は、検知対象である人体が「倒れた状態」であると識別した場合に、処理をステップＳ６に進める。

ステップＳ６：
次に、移動距離検知部４は、入力データ１０１に含まれる「人体の位置座標情報」に基づいて、検知対象である人体が移動した距離を算出する。次に、移動距離検知部４は、算出した移動距離と、予め移動距離検知部４に設定した閾値とを比較すると共に、その比較した結果に基づいて、当該人体の移動距離が少ないことを検知する。

より具体的に、移動距離検知部４は、新たに入力されたフレームにおける「人体の位置座標情報」（第１の位置座標情報）と、過去に入力されたフレームにおける「人体の位置座標情報」（第２の位置座標情報）とに基づいて、検知対象である人体が移動した距離を算出する。

次に、移動距離検知部４は、算出した移動距離と予め移動距離検知部４に設定した閾値とを比較すると共に、その比較した結果に基づいて、当該人体の移動距離が少ないことを検知する。

ステップＳ７において「ＮＯ」：
移動距離検知部４は、検知対象である人体の移動距離が閾値より少ないことを検知しない場合に、処理を終了すると共に、次の映像フレームの処理に進める。

ステップＳ７において「ＹＥＳ」：
移動距離検知部４は、検知対象である人体の移動距離が閾値より少ないことを検知した場合に、検知対象である人体が「倒れた状態」であると判定する。即ち、移動距離検知部４は、検知対象である人体が転倒したことを検知する。

尚、説明の便宜上、転倒検知装置１は、高さ検知部２、アピアランス検知部５、移動距離検知部４の順序で処理を進めたが、本発明は、これに限定されず転倒検知装置１は、３つ（高さ検知部２、アピアランス検知部５、移動距離検知部４）の処理が行われれば上述した順序に限定されない。

尚、上述した第１の実施形態は、サーバやパーソナルコンピュータ等の電子機器に適用してもよいし、カメラ等の撮影機器に適用してもよい。但し、本実施形態を例に説明する本発明は、前述した構成には限定されない（以下の実施形態においても同様）。

このように本実施の形態に係る転倒検知装置１によれば、低いフレームレートの映像を用い、且つ高性能でない演算処理装置を採用した場合においても、高い精度で人体が転倒したことを検知することができる。その理由は、以下に述べる通りである。

即ち、転倒検知装置１は、高さ検知部２とアピアランス検知部５と移動距離検知部４との検知及び識別結果に基づいて、検知対象である人物の状態を判断するためである。

特に、アピアランスは、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）を識別するために十分な情報を含んでいる。さらに、アピアランスは、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）という単純な識別問題として扱う。そのため、アピアランス辞書７には、アピアランスに基づき学習することによって、精度よく識別するための情報（アピアランス特徴量）が記憶される。このため、アピアランス検知部５は、高い識別精度を得られるためである。

さらに、転倒検知装置１は、検知対象である人体の倒れている途中の動きを検知する必要がないため、低いフレームレートの映像を用いて検知対象である人体の「倒れた状態」を検知できるからである。

より具体的に、一例として、高さ検知部２では、検知対象である人体の転倒前後のフレームが１フレームずつあれば検知対象である人体の転倒を検知できる。また、アピアランス検知部５では、検知対象である人体の転倒後のフレームが１フレームあれば検知対象である人体の転倒を識別できる。さらに、移動距離検知部４では、転倒前後のフレームが１フレームずつあれば検知対象である人体の転倒を検知できる。

さらに、転倒検知装置１は、高さ検知部２とアピアランス検知部５と移動距離検知部４との処理を少ない計算量（低い処理能力）で実行できるからである。即ち、転倒検知装置１は、軽量な処理で検知対象である人体の転倒を検知できる。

より具体的に、一例として、高さ検知部２では、新たに入力された第１の高さ情報と過去に入力された第２の高さ情報とを比較することによって、人体の高さが減少していることを検知するため、係る処理が軽量である。また、アピアランス検知部５では、入力された人体画像に基づきアピアランス特徴量を抽出すると共に、抽出したアピアランス特徴量と予め記憶されたアピアランス辞書７とに基づいて、識別するため複雑な処理を必要としない。さらに、移動距離検知部４では、新たに入力された第１の位置座標情報と過去に入力された第２の位置座標情報とに基づいて、検知対象である人体が移動した距離を算出すると共に、算出した移動距離と予め設定した閾値とを比較した結果に基づいて、当該人体の移動距離が閾値より少ないことを検知するため、係る処理が軽量である。

＜第２の実施形態＞
次に、上述した本発明の第１の実施形態に係る転倒検知装置１を基本とする第２の実施形態について説明する。以下の説明においては、本実施形態に係る特徴的な部分を中心に説明する。その際、上述した各実施形態と同様な構成については、同一の参照番号を付すことにより、重複する説明は省略する。

本発明の第２の実施形態における転倒検知装置１ａについて、図５を参照して説明する。

図５は、本発明の第２の実施形態における転倒検知装置１ａの構成を示すブロック図である。

図５において、転倒検知装置１ａは、高さ検知部２と、アピアランス特徴量抽出部３と、移動距離検知部４と、アピアランス検知部５と、判定部２１とを有する。

本実施形態では、第１の実施形態において説明した転倒検知装置１に、さらに、判定部２１を適用した場合について説明する。

判定部２１は、高さ検知部２、アピアランス検知部５、移動距離検知部４の処理において検知または識別した結果を取得すると共に、取得した高さ検知部２と、アピアランス検知部５と、移動距離検知部４との結果を総合的に判定することによって、検知対象である人体が転倒したか否かを検知する。即ち、判定部２１は、高さ検知部２と、アピアランス検知部５と、移動距離検知部４との当該結果に基づいて、検知対象である人体が転倒したか否かを検知する。

より具体的に、一例として、判定部２１は、高さ検知部２、アピアランス検知部５、移動距離検知部４から検知または識別結果を取得する。

判定部２１は、高さ検知部２から取得した結果が「人体の高さが減少している」ことを表す情報であり、アピアランス検知部５から取得した結果が「倒れた状態」ことを表す情報であり、移動距離検知部４から取得した結果が「人体の移動距離が少ない」ことを表す情報である場合に、検知対象である人体が転倒したことを検知する。

一方で、判定部２１は、検知対象である人体が転倒していないと検知した場合に、処理を終了すると共に、次の映像フレームの処理に進める。

尚、一例として、判定部２１は、高さ検知部２から取得した結果が「人体の高さが減少している」ことを表す情報であり、アピアランス検知部５から取得した結果が「倒れた状態」ことを表す情報であり、移動距離検知部４から取得した結果が「人体の移動距離が少ない」ことを表す情報である場合に、検知対象である人体が転倒したことを検知する。

しかしながら、本発明は、これに限定されず判定部２１は、高さ検知部２から取得した結果が「人体の高さが減少していない」ことを表す情報であり、アピアランス検知部５から取得した結果が「倒れた状態」ことを表す情報であり、移動距離検知部４から取得した結果が「人体の移動距離が少ない」ことを表す情報である場合に、検知対象である人体が転倒したことを検知してもよい。

このように、判定部２１は、検知対象である人体が転倒を検知する条件を変更してもよい（以下の実施形態においても同様）。

次に、本発明の第２の実施形態に係るより具体的な転倒検知装置１ａの動作について説明する。

以下の説明において、一例として、転倒検知装置１ａは、入力データ１０１が入力した際の動作について、詳細に説明する。

図６は、本発明の第２の実施形態における転倒検知装置１ａが行う動作を示すフローチャートである。係るフローチャートに沿って転倒検知装置１ａの動作手順を説明する。

ステップＳ２１：
転倒検知装置１ａは、入力データ１０１の入力に応じて、高さ検知部２における処理を実行する。

高さ検知部２は、入力データ１０１に含まれる「人体のサイズ（高さ）情報」に基づいて、検知対象である人体の高さが減少しているか否かを検知する。

次に、高さ検知部２は、検知した結果を判定部２１に入力する（与える）。

ここでは、高さ検知部２は、検知した結果である「人体の高さが減少している」ことを表す情報を判定部２１に入力する。

ステップＳ２２：
アピアランス特徴量抽出部３は、入力データ１０１に含まれる「人体画像」に基づいて、アピアランス特徴量を抽出する。

ステップＳ２３：
アピアランス検知部５は、記憶部６に予め記憶されたアピアランス辞書７と、アピアランス特徴量抽出部３によって抽出されたアピアランス特徴量とに基づいて、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）を識別する。

次に、アピアランス検知部５は、識別した結果を判定部２１に入力する。

ここでは、アピアランス検知部５は、識別した結果である「倒れた状態」を判定部２１に入力する。

ステップＳ２４：
次に、移動距離検知部４は、入力データ１０１に含まれる「人体の位置座標情報」に基づいて、検知対象である人体が移動した距離を算出する。次に、移動距離検知部４は、算出した移動距離と、移動距離検知部４に予め設定した閾値とを比較すると共に、比較した結果に基づいて、当該人体の移動距離が閾値より少ないことを検知する。

次に、移動距離検知部４は、検知した結果を判定部２１に入力する。

ここでは、移動距離検知部４は、検知した結果である「人体の移動距離が少ない」ことを表す情報を判定部２１に入力する。

ステップＳ２５：
判定部２１は、高さ検知部２と、アピアランス検知部５と、移動距離検知部４とから入力された結果に応じて、検知対象である人体が転倒したか否かを判定する。

ここで、判定部２１が取得した結果は、高さ検知部２から取得した結果が「人体の高さが減少している」ことを表す情報であり、アピアランス検知部５から取得した結果が「倒れた状態」ことを表す情報であり、移動距離検知部４から取得した結果が「人体の移動距離が少ない」ことを表す情報である。

ステップＳ２６において「ＮＯ」：
判定部２１は、検知対象である人体が転倒したか否かを判定した結果、検知対象である人体が転倒していないと判定した場合に、処理を終了すると共に、次の映像フレームの処理に進める。

ステップＳ２６において「ＹＥＳ」：
判定部２１は、検知対象である人体が転倒したか否かを判定した結果、検知対象である人体が転倒していると判定した場合に、検知対象である人体が転倒したことを検知する。

尚、本実施形態における高さ検知部２と、アピアランス検知部５と、移動距離検知部４との処理は、略並列に実行してもよいし、逐次実行してもよい。その場合に、検知結果は、何れも同じ結果を得ることができる。

より具体的に、例えば、転倒検知装置１ａは、複数の演算コア（マルチコアプロセッサ）を有するプロセッサを搭載したパーソナルコンピュータやサーバ等の電子機器において略並列に実行した際に、より高速に高さ検知部２と、アピアランス検知部５と、移動距離検知部４との処理を実行することができる。但し、本実施形態を例に説明する本発明は、前述した構成には限定されない（以下の実施形態においても同様）。

さらに、説明の便宜上、一例として、本実施形態では、高さ検知部２と、アピアランス検知部５と、移動距離検知部４との処理を転倒検知装置１ａにおいて実行したが、本発明は、これに限定されず複数の転倒検知装置１ａによって夫々の処理を略並行に実行してもよい。

その場合に、例えば、判定部２１は、不図示の通信ネットワークを介して接続された高さ検知部２と、アピアランス検知部５と、移動距離検知部４とから検知または識別した結果を取得する。

さらに、判定部２１は、取得した高さ検知部２と、アピアランス検知部５と、移動距離検知部４との結果を総合的に判定することによって、検知対象である人体が転倒したか否かを検知すればよい（以下の実施形態においても同様）。

このように本実施の形態に係る転倒検知装置１ａによれば、上述した第１の実施形態において説明した効果を享受できると共に、さらに、転倒検知装置１ａは、より速やかに検知対象である人体が転倒したことを検知することができる。その理由は、転倒検知装置１ａは、さらに、判定部２１を有する。そのため、高さ検知部２とアピアランス検知部５と移動距離検知部４とは、それぞれの処理が終了することを待つことなく処理を実行することができるからである。

＜第３の実施形態＞
次に、上述した本発明の第２の実施形態に係る転倒検知装置１ａを基本とする第３の実施形態について説明する。以下の説明においては、本実施形態に係る特徴的な部分を中心に説明する。その際、上述した各実施形態と同様な構成については、同一の参照番号を付すことにより、重複する説明は省略する。

図７は、本発明の第３の実施形態における転倒検知装置１ａの構成を示すブロック図である。

図７において、転倒検知装置１ａは、アピアランス辞書３１（以降、「第２のアピアランス辞書」とも表す）を有する。

本実施形態では、第２の実施形態において説明した転倒検知装置１ａに、さらに、アピアランス辞書３１を適用した場合について説明する。

図８（図８Ａ及び図８Ｂ）は、本発明の第３の実施形態におけるアピアランス辞書３１を生成するに際して学習する「倒れていない状態」（図８Ａ）及び「倒れた状態」（図８Ｂ）を例示する図である。

また、図９（図９Ａ及び図９Ｂ）は、本発明の第３の実施形態におけるアピアランス辞書３１を生成するに際して学習する「倒れていない状態」を例示する図をアピアランス別にエリアを分けた様態を例示する図である。

ここで、図８Ａ及び図８Ｂは、高い位置に設置したカメラから人物がいる地上を見下ろした状態で撮影された図である。さらに、図８Ａは、想定される「倒れていない状態」を示す人体画像を例示する図である。また、図８Ｂは、想定される「倒れた状態」を示す人体画像を例示する図である。

また、図９Ａは、「倒れていない状態」を示す人体画像をアピアランス別にエリア（第１のエリア乃至第６のエリア）を分けた様態を例示する図である。さらに、図９Ｂは、上述した図９Ａと異なるアピアランス別に当該人体画像を３つのエリアに分けた様態を例示する図である。

尚、説明の便宜上、一例として、図９は、アピアランス別に当該人体画像をエリアに分けた様態を図９Ａ及び図９Ｂにおいて示したが、本発明は、これに限定されず、人体画像のアピアランスに応じてアピアランス別に当該人体画像をエリアに分ければよい（以下の実施形態においても同様）。

アピアランス辞書３１は、上述したアピアランス別に分けたそれぞれのエリアに対応する第１のエリア情報３２、第２のエリア情報３３、第３のエリア情報３４、第４のエリア情報３５、第５のエリア情報３６及び第６のエリア情報３７を有する。

ここで、第１のエリア情報３２乃至第６のエリア情報３７は、図９Ａに例示した人体画像においてアピアランス別に分割された複数のエリア毎に観測されるアピアランス特徴量を予め学習することによって生成されたアピアランス辞書である。

より具体的に、一例として、第１のエリア情報３２は、図９Ａに示す第１のエリアにおいて「倒れた状態」及び「倒れていない状態」を示す多数の人体画像（不図示）から任意の統計的パターン認識手法を用いて学習することによって生成されることとする。第２のエリア情報３３乃至第６のエリア情報３７は、上述した第１のエリア情報３２を生成した手法によって、同様に生成されることとする。

説明の便宜上、一例として、アピアランス辞書３１は、第１のエリア情報３２乃至第６のエリア情報３７を有するが、本発明は、これに限定されず、アピアランス辞書３１は、人体画像のアピアランスによって１つ乃至複数のアピアランス辞書を有してもよい。

次に、本発明の第３の実施形態に係るより具体的な転倒検知装置１ａの動作について説明する。以下の説明においては、本実施形態に係る特徴的な部分を中心に説明する。

アピアランス検知部５は、入力した入力データ１０１に含まれる「人体画像」が示すところの検知対象である人体（人体を表す部分画像）の位置（エリア）に応じて選択したアピアランス辞書３１（第１のエリア情報３２乃至第６のエリア情報３７）と、アピアランス特徴量抽出部３が抽出したアピアランス特徴量とに基づいて、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）を識別すればよい。

より具体的に、一例として、アピアランス検知部５は、検知対象である人体の位置（エリア）が図９Ａにおける第３のエリアに位置する場合に、アピアランス辞書３１である第３のエリア情報３４を選択する。

さらに、アピアランス検知部５は、選択した第３のエリア情報３４と、アピアランス特徴量抽出部３が抽出したアピアランス特徴量とに基づいて、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）を識別すればよい。但し、本実施形態を例に説明する本発明は、前述した構成には限定されない（以下の実施形態においても同様）。

本実施形態におけるアピアランス辞書３１は、第１の実施形態における転倒検知装置１に適用してもよい。

このように本実施の形態に係る転倒検知装置１ａによれば、上述した各実施形態において説明した効果を享受できると共に、さらに、検知対象である人体の位置によってアピアランスが異なる映像（画像）において、より精度よく検知対象である人体が転倒したことを検知することができる。その理由は、アピアランス辞書３１は、人体画像のアピアランス別に分割された複数のエリア毎に生成されると共に、記憶部６に予め記憶される。次に、転倒検知装置１ａは、入力された人体画像において検知対象である人体の位置に合わせて利用するアピアランス辞書を選択すると共に、選択したアピアランス辞書を用いて検知対象である人体を検知することができるからである。

例えば、映像（画像）を撮影するカメラが広範囲を撮影できるレンズを装着している場合に、人体のアピアランスは、撮影した映像（画像）における人体の位置によって、大きく異なる。このような場合に、本実施形態における転倒検知装置１ａは、分割したエリア別のアピアランス辞書を用いるため、より精度よく検知対象である人体が転倒したことを検知することができる。

（第３の実施形態の変形例）
尚、上述した第３の実施形態に基づいて、以下に説明する変形例も実現可能である。以下の説明においては、本実施形態の変形例に係る特徴的な部分を中心に説明する。その際、上述した各実施形態と同様な構成については、同一の参照番号を付すことにより、重複する説明は省略する。

図１０は、本発明の第３の実施形態の変形例における転倒検知装置１ａの構成を示すブロック図である。

図１０において、転倒検知装置１ａは、アピアランス辞書４１（以降、「第３のアピアランス辞書」とも表す）を有する。

本変形例では、第３の実施形態において説明した転倒検知装置１ａに、さらに、アピアランス辞書４１を適用した場合について説明する。

アピアランス辞書４１は、第１のカメラ情報４２、第２のカメラ情報４３、第３のカメラ情報４４を有する。

ここで、第１のカメラ情報４２乃至第３のカメラ情報４４は、カメラが設置された条件（設置条件）毎に観測されるアピアランス特徴量を予め学習することによって生成されたアピアランス辞書である。

カメラの設置条件とは、カメラの設置角度、設置したカメラで撮影される映像の背景、カメラと検知対象である人体との距離等に相当する。

より具体的に、一例として、第１のカメラ情報４２は、第１のカメラの設置条件において撮影された「倒れた状態」及び「倒れていない状態」を示す多数の人体画像（不図示）から任意の統計的パターン認識手法を用いて学習することによって生成されることとする。第２のカメラ情報４３、第３のカメラ情報４４は、上述した第１のカメラ情報４２を生成した手法によって、同様に生成されることとする。

説明の便宜上、一例として、アピアランス辞書４１は、第１のカメラ情報４２、第２のカメラ情報４３及び第３のカメラ情報４４を有するが、本発明は、これに限定されず、アピアランス辞書４１は、カメラの設定条件によって１つ乃至複数のアピアランス辞書を有してもよい。

次に、本発明の第３の実施形態の変形例に係るより具体的な転倒検知装置１ａの動作について説明する。以下の説明においては、本実施形態に係る特徴的な部分を中心に説明する。

アピアランス検知部５は、入力した入力データ１０１に含まれる「人体画像」を撮影したカメラの設置条件に応じて選択したアピアランス辞書４１（第１のカメラ情報４２乃至第３のカメラ情報４４）と、アピアランス特徴量抽出部３が抽出したアピアランス特徴量とに基づいて、検知対象である人体の状態（「倒れた状態」または「倒れていない状態」）を識別すればよい。

例えば、検知対象である人体を、画角が真下を向くように天井に設置されたカメラによって撮影された映像（画像）と、画角が真横を向くように（床と水平）壁に設置されたカメラによって撮影された映像（画像）とでは、人体のアピアランスが大きく異なる。

このような場合に、変形例における転倒検知装置１ａは、入力した映像（画像）に合わせて、複数のカメラの設置条件に合わせて生成されたアピアランス辞書から利用するアピアランス辞書を選択する。

さらに、係る転倒検知装置１ａは、選択したアピアランス辞書を用いて検知対象である人体を検知することができるため、さまざまなカメラにおいて撮影された映像（画像）に対する処理が可能となる。

本実施形態におけるアピアランス辞書４１は、第１の実施形態における転倒検知装置１に適用してもよい。

このように本実施の形態に係る転倒検知装置１ａによれば、上述した各実施形態において説明した効果を享受できると共に、さらに、さまざまなカメラの設置角度から撮影した映像において、より精度よく検知対象である人体が転倒したことを検知することができる。その理由は、アピアランス辞書４１は、複数のカメラの設置条件毎に生成されると共に、記憶部６に予め記憶される。次に、変形例における転倒検知装置１ａは、入力した人体画像を撮影したカメラの設置条件に合わせて利用するアピアランス辞書を選択すると共に、選択したアピアランス辞書を用いて検知対象である人体を検知することができるからである。

（ハードウェア構成例）
上述した実施形態において図面に示した各部は、ソフトウェアプログラムの機能（処理）単位（ソフトウェアモジュール）と捉えることができる。これらの各ソフトウェアモジュールは、専用のハードウェアによって実現してもよい。但し、これらの図面に示した各部の区分けは、説明の便宜上の構成であり、実装に際しては、様々な構成が想定され得る。この場合のハードウェア環境の一例を、図１１を参照して説明する。

図１１は、本発明の模範的な実施形態に係る転倒検知装置を実行可能な情報処理装置３００（コンピュータ）の構成を例示的に説明する図である。即ち、図１１は、図１に示した転倒検知装置１、或いは、図５に示した転倒検知装置１ａ、図７に示した転倒検知装置１ａ、図１０に示した転倒検知装置１ａ、の全体または一部の転倒検知装置を実現可能なサーバ等のコンピュータ（情報処理装置）の構成であって、上述した実施形態における各機能を実現可能なハードウェア環境を表す。

図１１に示した情報処理装置３００は、ＣＰＵ（Ｃｅｎｔｒａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ）３０１、ＲＯＭ（Ｒｅａｄ＿Ｏｎｌｙ＿Ｍｅｍｏｒｙ）３０２、ＲＡＭ（Ｒａｎｄｏｍ＿Ａｃｃｅｓｓ＿Ｍｅｍｏｒｙ）３０３、ハードディスク３０４（記憶装置）、並びに外部装置との通信インタフェース（Ｉｎｔｅｒｆａｃ：以降、「Ｉ／Ｆ」と称する）３０５、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ＿Ｄｉｓｃ＿Ｒｅａｄ＿Ｏｎｌｙ＿Ｍｅｍｏｒｙ）等の記憶媒体３０７に格納されたデータを読み書き可能なリーダライタ３０８を備え、これらの構成がバス３０６（通信線）を介して接続された一般的なコンピュータである。

そして、上述した実施形態を例に説明した本発明は、図１１に示した情報処理装置３００に対して、その説明において参照したブロック構成図（図１、図５、図７、図１０）或いはフローチャート（図４、図６）の機能を実現可能なコンピュータ・プログラムを供給した後、そのコンピュータ・プログラムを、当該ハードウェアのＣＰＵ３０１に読み出して実行することによって達成される。また、当該装置内に供給されたコンピュータ・プログラムは、読み書き可能な一時記憶メモリ（ＲＡＭ３０３）またはハードディスク３０４等の不揮発性の記憶デバイスに格納すれば良い。

また、前記の場合において、当該ハードウェア内へのコンピュータ・プログラムの供給方法は、ＣＤ−ＲＯＭ等の各種記憶媒体３０７を介して当該装置内にインストールする方法や、インターネット等の通信回線を介して外部よりダウンロードする方法等のように、現在では一般的な手順を採用することができる。そして、このような場合において、本発明は、係るコンピュータ・プログラムを構成するコード或いは、そのコードが格納された記憶媒体によって構成されると捉えることができる。

尚、上述した各実施形態およびその変形例の一部又は全部は、以下の付記のようにも記載されうる。しかしながら、上述した実施形態及びその実施例により例示的に説明した本発明は、以下には限らない。即ち、
（付記１）
検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知する高さ検知部と、
高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出するアピアランス特徴量抽出部と、
前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別するアピアランス検知部と、
前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知する移動距離検知部とを備えることを特徴とする転倒検知装置。
（付記２）
前記アピアランス検知部の識別結果と、 前記移動距離検知部の検知結果とに基づいて判断することによって、前記人体画像に含まれる前記人体が転倒したか否かを検知する判定部をさらに有することを特徴とする付記１に記載の転倒検知装置。
（付記３）
前記判定部は、
前記高さ検知部から前記人体の高さが減少していることを検知結果として取得し、前記アピアランス検知部から前記人体が倒れた状態であることを識別結果として取得し、そして前記移動距離検知部から前記人体を表す前記部分画像の前記移動距離が少ないことを検知結果として取得した場合に、前記人体が転倒したことを検知することを特徴とする付記２に記載の転倒検知装置。
（付記４）
前記アピアランス検知部は、
前記部分画像に表された前記人体の位置に応じて、第２のアピアランス辞書に含まれる１つ以上のアピアランス辞書の中から特定のアピアランス辞書を選択し、前記アピアランス特徴量を基に前記特定のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別することを特徴とする付記１乃至付記３の何れかに記載の転倒検知装置。
（付記５）
前記アピアランス検知部は、
前記人体画像を撮影したカメラの設置条件に応じて、第３のアピアランス辞書に含まれる１つ以上のアピアランス辞書の中から特定のアピアランス辞書を選択し、前記アピアランス特徴量を基に前記特定のアピアランス辞書を参照した結果に基づいて、前記人体が倒れ状態か否かを識別することを特徴とする付記１乃至付記３の何れかに記載の転倒検知装置。
（付記６）
前記第１のアピアランス辞書は、
想定される前記人体の倒れた状態と倒れていない状態を表す人体画像に基づいて統計的パターン認識手法を用いて学習することによって生成された辞書であることを特徴とする付記１乃至付記３の何れかに記載の転倒検知装置。
（付記７）
前記第２のアピアランス辞書は、
前記人体画像をアピアランス別にエリアを分割し、分割した複数のエリア毎に想定される前記人体の倒れた状態と倒れていない状態を表す人体画像に基づいて統計的パターン認識手法を用いて学習することによって生成された辞書であることを特徴とする付記４に記載の転倒検知装置。
（付記８）
前記第３のアピアランス辞書は、
カメラの設置条件毎に想定される前記人体の倒れた状態と倒れていない状態を表す人体画像に基づいて統計的パターン認識手法を用いて学習することによって生成された辞書であることを特徴とする付記５に記載の転倒検知装置。
（付記９）
前記移動距離検知部は、
所定の時間に渡り継続して前記移動距離が少ない場合に、該移動距離が少ないことを検知することを特徴とする付記１乃至付記３の何れかに記載の転倒検知装置。
（付記１０）
前記位置座標情報は、
前記人体画像における平面座標系の前記部分画像の位置を表す位置情報を用いることを特徴とする付記１または付記２に記載の転倒検知装置。
（付記１１）
前記サイズ情報に含まれる高さ情報は、
前記人体画像における前記部分画像の高さ方向の画素数を用いることを特徴とする付記１または付記２に記載の転倒検知装置。
（付記１２）
前記サイズ情報に含まれる高さ情報は、
事前に計算しておいた前記人体画像を撮影するカメラのパラメータに基づいて計算可能な３次元空間情報を用いることを特徴とする付記１または付記２に記載の転倒検知装置。
（付記１３）
検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知し、
高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出し、
前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別し、
前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知することを特徴とする転倒検知方法。
（付記１４）
前記高さが減少しているか否かを検知した結果と、前記倒れ状態か否かを識別した結果と、前記移動距離が少ないか否かを検知した結果とに基づいて判断することによって、前記人体画像に含まれる前記人体が転倒したか否かを検知することを特徴とする付記１３に記載の転倒検知方法。
（付記１５）
検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知する高さ検知部と、
高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出するアピアランス特徴量抽出部と、
前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別するアピアランス検知部と、
前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知する移動距離検知部とを備えることを特徴とする転倒検知カメラ。
（付記１６）
転倒検知装置の動作制御のためのコンピュータ・プログラムであって、そのコンピュータ・プログラムにより、
検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知する機能と、
高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出する機能と、
前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別する機能と、
前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知する機能とをコンピュータに実現させることを特徴とするコンピュータ・プログラム。

この出願は、２０１２年７月１３日に出願された日本出願特願２０１２−１５７１００を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１ 転倒検知装置
１ａ 転倒検知装置
２ 高さ検知部
３ アピアランス特徴量抽出部
４ 移動距離検知部
５ アピアランス検知部
６ 記憶部
７ アピアランス辞書
２１ 判定部
３１ アピアランス辞書
３２ 第１のエリア情報
３３ 第２のエリア情報
３４ 第３のエリア情報
３５ 第４のエリア情報
３６ 第５のエリア情報
３７ 第６のエリア情報
４１ アピアランス辞書
４２ 第１のカメラ情報
４３ 第２のカメラ情報
４４ 第３のカメラ情報
１０１ 入力データ
３００ 情報処理装置
３０１ ＣＰＵ
３０２ ＲＯＭ
３０３ ＲＡＭ
３０４ ハードディスク
３０５ 通信インタフェース
３０６ バス
３０７ 記憶媒体
３０８ リーダライタ

Claims (10)

1. 検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知する高さ検知部と、
   高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出するアピアランス特徴量抽出部と、
   前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別するアピアランス検知部と、
   前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知する移動距離検知部とを備えることを特徴とする転倒検知装置。
2. 前記アピアランス検知部の識別結果と、 前記移動距離検知部の検知結果とに基づいて判断することによって、前記人体画像に含まれる前記人体が転倒したか否かを検知する判定部をさらに有することを特徴とする請求項１に記載の転倒検知装置。
3. 前記判定部は、
   前記高さ検知部から前記人体の高さが減少していることを検知結果として取得し、前記アピアランス検知部から前記人体が倒れた状態であることを識別結果として取得し、そして前記移動距離検知部から前記人体を表す前記部分画像の前記移動距離が少ないことを検知結果として取得した場合に、前記人体が転倒したことを検知することを特徴とする請求項２に記載の転倒検知装置。
4. 前記アピアランス検知部は、
   前記部分画像に表された前記人体の位置に応じて、第２のアピアランス辞書に含まれる１つ以上のアピアランス辞書の中から特定のアピアランス辞書を選択し、前記アピアランス特徴量を基に前記特定のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別することを特徴とする請求項１乃至請求項３の何れかに記載の転倒検知装置。
5. 前記アピアランス検知部は、
   前記人体画像を撮影したカメラの設置条件に応じて、第３のアピアランス辞書に含まれる１つ以上のアピアランス辞書の中から特定のアピアランス辞書を選択し、前記アピアランス特徴量を基に前記特定のアピアランス辞書を参照した結果に基づいて、前記人体が倒れ状態か否かを識別することを特徴とする請求項１乃至請求項３の何れかに記載の転倒検知装置。
6. 前記第１のアピアランス辞書は、
   想定される前記人体の倒れた状態と倒れていない状態を表す人体画像に基づいて統計的パターン認識手法を用いて学習することによって生成された辞書であることを特徴とする請求項１乃至請求項３の何れかに記載の転倒検知装置。
7. 検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知し、
   高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出し、
   前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別し、
   前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知することを特徴とする転倒検知方法。
8. 前記高さが減少しているか否かを検知した結果と、前記倒れ状態か否かを識別した結果と、前記移動距離が少ないか否かを検知した結果とに基づいて判断することによって、前記人体画像に含まれる前記人体が転倒したか否かを検知することを特徴とする請求項７に記載の転倒検知方法。
9. 検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知する高さ検知部と、
   高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出するアピアランス特徴量抽出部と、
   前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別するアピアランス検知部と、
   前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知する移動距離検知部とを備えることを特徴とする転倒検知カメラ。
10. 転倒検知装置の動作制御のためのコンピュータ・プログラムであって、そのコンピュータ・プログラムにより、
    検知対象である人体を表す部分画像を含む人体画像と、該部分画像の座標上の位置を表す位置座標情報と、前記部分画像に表された前記人体の大きさを表すサイズ情報とに基いて、前記サイズ情報に含まれる高さ情報と、過去に取得したサイズ情報に含まれる高さ情報とを比較することによって前記人体の高さが減少しているか否かを検知する機能と、
    高さが減少している場合には、前記人体画像のアピアランスに基づいて、アピアランス特徴量を抽出する機能と、
    前記アピアランス特徴量を基に第１のアピアランス辞書を参照した結果に基づいて、前記人体が倒れた状態か否かを識別する機能と、
    前記倒れた状態と識別した場合には、前記位置座標情報と過去に取得した位置座標情報とに基づいて、前記人体画像に含まれる前記部分画像の移動距離を算出し、前記移動距離と閾値とを比較すると共に、比較した結果に基づいて、前記人体を表す前記部分画像の前記移動距離が前記閾値より少ないか否かを検知し、前記移動距離が少ない場合に前記人体画像に含まれる前記人体が転倒したことを検知する機能とをコンピュータに実現させることを特徴とするコンピュータ・プログラム。

Images