JP6271776B1 - エレベータの乗車検知システム - Google Patents

Abstract

【課題】 乗車意思のある利用者を広範囲に正確に検知してドアの開閉制御に反映させることのできるエレベータの乗車検知システムを提供すること。【解決手段】 一実施形態に係るエレベータの乗車検知システムは、乗りかごが乗場に到着したときに、当該乗りかごのドア付近から前記乗場の方向に向けて所定の範囲を撮影可能な撮像手段と、時系列的に連続した複数枚の撮影画像を用いて第１のエリア内で移動体の動きに着目して当該移動体を検知する動き検知手段と、検知された移動体の位置を推定する位置推定手段と、推定された位置にいる移動体に関連した特徴量の時系列変化に基づいて、当該移動体の属性を推定する属性推定手段と、推定された移動体の位置の時系列変化と、推定された当該移動体の属性とに基づいて、当該移動体の乗車意思を推定する乗車意思推定手段と、推定結果に基づいて、ドアの開閉動作を制御する制御手段とを含む。【選択図】 図１

Description

本発明の実施形態は、乗りかごに乗車する利用者を検知するエレベータの乗車検知システムに関する。

通常、エレベータの乗りかごが乗場に到着して戸開すると、所定時間経過後に戸閉して出発する。その際、エレベータの利用者は乗りかごがいつ戸閉するのか分からないため、乗場から乗りかごに乗車するときに戸閉途中のドアにぶつかることがある。

このような乗車時のドアとの衝突を回避するため、乗りかごに乗車する利用者をセンサで検知してドアの開閉動作を制御することが考えられている。上記センサとしては一般的に光電センサが用いられる。すなわち、乗りかごの上部に光電センサを設置しておき、乗りかごに乗車する利用者を光学的に検知する。利用者が検知されている間は、ドアの戸開状態が維持されるので、利用者が戸閉途中のドアにぶつかることを回避でき、また、ドアの戸袋に引き込まれることを防止できる。

特許第５２０１８２６号公報

しかしながら、光電センサの検知範囲は狭く、ピンポイントでしか利用者を検知できない。このため、乗りかごから少し離れた場所に利用者がいると、それを検知できずに戸閉を開始してしまうことや、逆に乗りかごの近くを通り過ぎただけの人物を誤検知してドアを開いてしまうことがある。

本発明が解決しようとする課題は、乗車意思のある利用者を広範囲に正確に検知してドアの開閉制御に反映させることのできるエレベータの乗車検知システムを提供することである。

一実施形態に係るエレベータの乗車検知システムは、乗りかごが乗場に到着したときに、当該乗りかごのドア付近から前記乗場の方向に向けて所定の範囲を撮影可能な撮像手段と、前記撮像手段によって撮影された時系列的に連続した複数枚の画像を用いて第１のエリア内で移動体の動きに着目して当該移動体を検知する動き検知手段と、前記動き検知手段によって検知された移動体の位置を推定する位置推定手段と、前記位置推定手段によって推定された位置にいる移動体に関連した特徴量の時系列変化に基づいて、当該移動体の属性を推定する属性推定手段と、前記位置推定手段によって推定された前記移動体の位置の時系列変化と、前記属性推定手段によって推定された当該移動体の属性とに基づいて、当該移動体の乗車意思を推定する乗車意思推定手段と、前記乗車意思推定手段の推定結果に基づいて、前記ドアの開閉動作を制御する制御手段とを具備する。

図１は、一実施形態に係るエレベータの乗車検知システムの構成を示す図である。 図２は、同実施形態におけるカメラによって撮影された画像の一例を示す図である。 図３は、同実施形態における撮影画像をブロック単位で区切った状態を示す図である。 図４は、同実施形態における実空間での検知エリアを説明するための図である。 図５は、同実施形態における実空間での座標系を説明するための図である。 図６は、同実施形態における画像比較による動き検知を説明するための図であり、時間ｔで撮影された画像の一部を模式的に示す図である。 図７は、同実施形態における画像比較による動き検知を説明するための図であり、時間ｔ＋１で撮影された画像の一部を模式的に示す図である。 図８は、同実施形態におけるエレベータの乗車検知システムの全体の処理の流れを示すフローチャートである。 図９は、同実施形態におけるエレベータの乗車検知システムの動き検知処理を示すフローチャートである。 図１０は、同実施形態におけるエレベータの乗車検知システムの位置推定処理を示すフローチャートである。 図１１は、同実施形態におけるエレベータの乗車検知システムの属性推定処理を示すフローチャートである。 図１２は、図１１に示す処理の詳細を示すフローチャートである。 図１３は、同実施形態における利用者の属性を説明するための図である。 図１４は、同実施形態におけるエレベータの乗車検知システムの乗車意思推定処理を示すフローチャートである。 図１５は、同実施形態における利用者の属性が健常者である場合の乗車意思推定エリアについて説明するための図である。 図１６は、同実施形態における利用者の属性が高齢者又は車椅子利用者である場合の乗車意思推定エリアについて説明するための図である。 図１７は、同実施形態における利用者の属性が影である場合の乗車意思推定エリアについて説明するための図である。 図１８は、同実施形態における乗車意思なしの足元位置の変化状態を示す図である。 図１９は、同実施形態におけるエレベータの乗車検知システムの別の全体の処理の流れを示すフローチャートである。 図２０は、同実施形態におけるエレベータの乗車検知システムの別の乗車意思推定処理を示すフローチャートである。

以下、図面を参照して実施形態を説明する。
図１は一実施形態に係るエレベータの乗車検知システムの構成を示す図である。なお、ここでは、１台の乗りかごを例にして説明するが、複数台の乗りかごでも同様の構成である。

乗りかご１１の出入口上部にカメラ１２が設置されている。具体的には、乗りかご１１の出入口上部を覆う幕板１１ａの中にカメラ１２のレンズ部分を乗場１５側に向けて設置されている。カメラ１２は、例えば車載カメラなどの小型の監視用カメラであり、広角レンズを有し、１秒間に数コマ（例えば３０コマ／秒）の画像を連続撮影可能である。乗りかご１１が各階に到着して戸開したときに、乗場１５の状態を乗りかご１１内のかごドア１３付近の状態を含めて撮影する。

このときの撮影範囲はＬ１＋Ｌ２に調整されている（Ｌ１≫Ｌ２）。Ｌ１は乗場側の撮影範囲であり、かごドア１３から乗場１５に向けて例えば３ｍである。Ｌ２はかご側の撮影範囲であり、かごドア１３からかご背面に向けて例えば５０ｃｍである。なお、Ｌ１，Ｌ２は奥行き方向の範囲であり、幅方向（奥行き方向と直交する方向）の範囲については少なくとも乗りかご１１の横幅より大きいものとする。

なお、各階の乗場１５において、乗りかご１１の到着口には乗場ドア１４が開閉自在に設置されている。乗場ドア１４は、乗りかご１１の到着時にかごドア１３に係合して開閉動作する。動力源（ドアモータ）は乗りかご１１側にあり、乗場ドア１４はかごドア１３に追従して開閉するだけである。以下の説明において、かごドア１３を戸開しているときには乗場ドア１４も戸開しており、かごドア１３を戸閉しているときには乗場ドア１４も戸閉しているものとする。

カメラ１２によって撮影された各画像（映像）は、画像処理装置２０によってリアルタイムに解析処理される。なお、図１では、便宜的に画像処理装置２０を乗りかご１１から取り出して示しているが、実際には画像処理装置２０はカメラ１２と共に幕板１１ａの中に収納されている。

ここで、画像処理装置２０には、記憶部２１と利用者検知部２２が備えられている。記憶部２１は、カメラ１２によって撮影された画像を逐次保存すると共に、利用者検知部２２の処理に必要なデータを一時的に保持しておくためのバッファエリアを有する。利用者検知部２２は、カメラ１２によって撮影された時系列的に連続した複数枚の画像の中でかごドア１３に最も近い人・物の動きに着目して乗車意思のある利用者の有無を検知する。この利用者検知部２２を機能的に分けると、動き検知部２２ａ、位置推定部２２ｂ、属性推定部２２ｃ及び乗車意思推定部２２ｄで構成される。

動き検知部２２ａは、各画像の輝度をブロック単位で比較して人・物の動きを検知する。ここで言う「人・物の動き」とは、乗場１５の人物や車椅子等の移動体の動きのことである。

位置推定部２２ｂは、動き検知部２２ａによって各画像毎に検知された動きありのブロックの中からかごドア１３に最も近いブロックを抽出し、当該ブロックにおけるかごドア１３の中心（ドア間口の中心）から乗場方向の座標位置（図５に示すＹ座標）を利用者の位置（足元位置）として推定する。

属性推定部２２ｃは、位置推定部２２ｂによって推定された位置の時系列変化や、当該位置周辺に位置するブロックの輝度の時系列変化、当該位置のブロックの色相、彩度及び明度の時系列変化等に基づいて、かごドア１３に最も近い利用者の属性を推定する。利用者の属性とは、移動体の種別を示す情報であり、例えば、一般人（健常者）、高齢者、車椅子利用者、ペット、台車、影等が利用者の属性の一例として挙げられる。なお、利用者の属性は、上記した一例に限られず、例えば、性別、年齢、服装、持っている荷物の種別等でさらに細かく区分されても良い。

乗車意思推定部２２ｄは、位置推定部２２ｂによって推定された位置の時系列変化及び属性推定部２２ｃによって推定された利用者の属性に基づいて、当該利用者の乗車意思の有無を推定する。

なお、これらの機能（動き検知部２２ａ、位置推定部２２ｂ、属性推定部２２ｃ、乗車意思推定部２２ｄ）はカメラ１２に設けられていても良いし、かご制御装置３０に設けられていても良い。

かご制御装置３０は、図示せぬエレベータ制御装置に接続され、このエレベータ制御装置との間で乗場呼びやかご呼びなどの各種信号を送受信する。なお、「乗場呼び」とは、各階の乗場１５に設置された図示せぬ乗場呼び釦の操作により登録される呼びの信号のことであり、登録階と行先方向の情報を含む。「かご呼び」とは、乗りかご１１のかご室内に設けられた図示せぬ行先呼び釦の操作により登録される呼びの信号のことであり、行き先階の情報を含む。

また、かご制御装置３０は、戸開閉制御部３１を備える。戸開閉制御部３１は、乗りかご１１が乗場１５に到着したときのかごドア１３の戸開閉を制御する。詳しくは、戸開閉制御部３１は、乗りかご１１が乗場１５に到着したときにかごドア１３を戸開し、所定時間経過後に戸閉する。ただし、かごドア１３の戸開中に画像処理装置２０の利用者検知部２２によって乗車意思のある人物が検知された場合には、戸開閉制御部３１は、かごドア１３の戸閉動作を禁止して戸開状態を維持する。

次に、図２乃至図７を参照して本実施形態における乗車意思検知方法について説明する。

図２はカメラ１２によって撮影された画像の一例を示す図である。図中のＥ１は位置推定エリア、ｙｎは利用者の足元位置が検知されたＹ座標を表している。図３は撮影画像をブロック単位で区切った状態を示す図である。なお、原画像を一辺Ｗ_blockの格子状に区切ったものを「ブロック」と呼ぶ。

カメラ１２は乗りかご１１の出入口上部に設置されている。したがって、乗りかご１１が乗場１５で戸開したときに、乗場側の所定範囲（Ｌ１）とかご内の所定範囲（Ｌ２）が撮影される。ここで、カメラ１２を利用すると検知範囲が広がり、乗りかご１１から少し離れた場所にいる利用者でも検知することができる。しかし、その一方で、乗りかご１１に乗車しない人物を誤検知して、かごドア１３を開いてしまう可能性がある。

そこで、本システムでは、図３に示すように、カメラ１２で撮影した画像を一定サイズのブロックに区切り、人・物の動きがあるブロックを検知し、その動きありのブロックを追うことで乗車意思のある利用者であるか否かを判断する構成としている。

なお、図３の例では、ブロックの縦横の長さが同じであるが、縦と横の長さが異なっていても良い。また、画像全域にわたってブロックを均一な大きさとしても良いし、例えば画像上部ほど縦（Ｙ軸方向）の長さを短くするなどの不均一な大きさにしても良い。これらにより、後に推定する足元位置をより高い分解能もしくは実空間での均一な分解能で求めることができる（画像上で均一に区切ると、実空間ではかごドア１３から遠い方ほど疎な分解能となる）。

図４は実空間での検知エリアを説明するための図である。図５は実空間での座標系を説明するための図である。

撮影画像から乗車意思のある利用者の動きを検知するため、まず、ブロック毎に動き検知エリアを設定しておく。具体的には、図４に示すように、少なくとも位置推定エリアＥ１と乗車意思推定エリアＥ２を設定しておく。位置推定エリアＥ１は、乗場１５からかごドア１３に向かってくる利用者の身体の一部、具体的には利用者の足元位置を推定するエリアである。乗車意思推定エリアＥ２は、位置推定エリアＥ１で検知された利用者に乗車意思があるか否かを推定するエリアである。なお、乗車意思推定エリアＥ２は、上記位置推定エリアＥ１に含まれ、利用者の足元位置を推定するエリアでもある。すなわち、乗車意思推定エリアＥ２では、利用者の足元位置を推定すると共に当該利用者の乗車意思を推定する。

実空間において、位置推定エリアＥ１はかごドア１３の中心から乗場方向に向かってＬ３の距離を有し、例えば２ｍに設定されている（Ｌ３≦乗場側の撮影範囲Ｌ１）。位置推定エリアＥ１の横幅Ｗ１は、かごドア１３の横幅Ｗ０以上の距離に設定されている。乗車意思推定エリアＥ２はかごドア１３の中心から乗場方向に向かってＬ４の距離を有し、例えば１ｍに設定されている（Ｌ４≦Ｌ３）。乗車意思推定エリアＥ２の横幅Ｗ２は、かごドア１３の横幅Ｗ０と略同じ距離に設定されている。

なお、乗車意思推定エリアＥ２の横幅Ｗ２はＷ０よりも横幅が大きくても良い。また、乗車意思推定エリアＥ２は実空間で長方形ではなく、三方枠の死角を除く台形であっても良い。

ここで、図５に示すように、カメラ１２は、乗りかご１１の出入口に設けられたかごドア１３と水平の方向をＸ軸、かごドア１３の中心から乗場１５の方向（かごドア１３に対して垂直の方向）をＹ軸、乗りかご１１の高さ方向をＺ軸とした画像を撮影する。このカメラ１２によって撮影された各画像において、図４に示した位置推定エリアＥ１および乗車意思推定エリアＥ２の部分をブロック単位で比較することで、かごドア１３の中心から乗場１５の方向、つまりＹ軸方向に移動中の利用者の足元位置の動きを検知する。

この様子を図６および図７に示す。
図６および図７は画像比較による動き検知を説明するための図である。図６は時間ｔで撮影された画像の一部、図７は時間ｔ＋１で撮影された画像の一部を模式的に示している。

図中のＰ１，Ｐ２は撮影画像上で動きありとして検知された利用者の画像部分であり、実際には画像比較により動きありとして検知されたブロックの集合体である。画像部分Ｐ１，Ｐ２の中でかごドア１３に最も近い動きありのブロックＢｘを抽出し、そのブロックＢｘのＹ座標を追うことで乗車意思の有無を判定する。この場合、Ｙ軸方向に点線で示すような等距離線（かごドア１３と平行な等間隔の水平線）を引けば、ブロックＢｘとかごドア１３とのＹ軸方向の距離が分かる。

図６および図７の例では、かごドア１３に最も近い動きありのブロックＢｘの検知位置がｙ_ｎ→ｙ_ｎ−１に変化しており、利用者がかごドア１３に近づいてくることがわかる。

次に、本システムの動作について詳しく説明する。
図８は本システムにおける全体の処理の流れを示すフローチャートである。
乗りかご１１が任意の階の乗場１５に到着すると（ステップＳ１１のＹｅｓ）、かご制御装置３０は、かごドア１３を戸開して乗りかご１１に乗車する利用者を待つ（ステップＳ１２）。

このとき、乗りかご１１の出入口上部に設置されたカメラ１２によって乗場側の所定範囲（Ｌ１）とかご内の所定範囲（Ｌ２）が所定のフレームレート（例えば３０コマ／秒）で撮影される。画像処理装置２０は、カメラ１２で撮影された画像を時系列で取得し、これらの画像を記憶部２１に逐次保存しながら（ステップＳ１３）、以下のような利用者検知処理をリアルタイムで実行する（ステップＳ１４）。

利用者検知処理は、画像処理装置２０に備えられた利用者検知部２２によって実行される。この利用者検知処理は、動き検知処理（ステップＳ１４ａ）、位置推定処理（ステップＳ１４ｂ）、属性推定処理（ステップＳ１４ｃ）、乗車意思推定処理（ステップＳ１４ｄ）に分けられる。

（ａ）動き検知処理
図９は上記ステップＳ１４ａの動き検知処理を示すフローチャートである。この動き検知処理は、上記利用者検知部２２の構成要素の１つである動き検知部２２ａで実行される。

動き検知部２２ａは、記憶部２１に保持された各画像を１枚ずつ読み出し、ブロック毎に平均輝度値を算出する（ステップＡ１１）。その際、動き検知部２２ａは、初期値として最初の画像が入力されたときに算出されたブロック毎の平均輝度値を記憶部２１内の図示せぬ第１のバッファエリアに保持しておくものとする（ステップＡ１２）。

２枚目以降の画像が得られると、動き検知部２２ａは、現在の画像のブロック毎の平均輝度値と上記第１のバッファエリアに保持された１つ前の画像のブロック毎の平均輝度値とを比較する（ステップＡ１３）。その結果、現在の画像の中で予め設定された値以上の輝度差を有するブロックが存在した場合には、動き検知部２２ａは、当該ブロックを動きありのブロックとして判定する（ステップＡ１４）。

現在の画像に対する動きの有無を判定すると、動き検知部２２ａは、当該画像のブロック毎の平均輝度値を次の画像との比較用として上記第１のバッファエリアに保持する（ステップＡ１５）。

以後同様にして、動き検知部２２ａは、カメラ１２によって撮影された各画像の輝度値を時系列順にブロック単位で比較しながら動きの有無を判定することを繰り返す。

（ｂ）位置推定処理
図１０は上記ステップＳ１４ｂの位置推定処理を示すフローチャートである。この位置推定処理は、上記利用者検知部２２の構成要素の１つである位置推定部２２ｂで実行される。

位置推定部２２ｂは、動き検知部２２ａの検知結果に基づいて現在の画像の中で動きありのブロックをチェックする（ステップＢ１１）。その結果、図４に示した位置推定エリアＥ１内に動きありのブロックが存在した場合、利用者検知部２２は、その動きありのブロックのうち、かごドア１３に最も近いブロックを抽出する（ステップＢ１２）。

ここで、図１に示したように、カメラ１２は乗りかご１１の出入口上部に乗場１５に向けて設置されている。したがって、利用者が乗場１５からかごドア１３に向かっていた場合には、その利用者の右または左の足元の部分が撮影画像の一番手前つまりかごドア１３側のブロックに映っている可能性が高い。そこで、位置推定部２２ｂは、かごドア１３に最も近い動きありのブロックのＹ座標（かごドア１３の中心から乗場１５方向の座標）を利用者の足元位置のデータとして求め、記憶部２１内の図示せぬ第２のバッファエリアに保持する（ステップＢ１３）。

以後同様にして、位置推定部２２ｂは、各画像毎にかごドア１３に最も近い動きありのブロックのＹ座標を利用者の足元位置のデータとして求め、上記第２のバッファエリアに保持していく。なお、このような足元位置の推定処理は、位置推定エリアＥ１内だけでなく、乗車意思推定エリアＥ２内でも同様に行われている。

（ｃ）属性推定処理
図１１は上記ステップＳ１４ｃの属性推定処理を示すフローチャートである。この属性推定処理は、上記利用者検知部２２の構成要素の１つである属性推定部２２ｃで実行される。

属性推定部２２ｃは、上記第２のバッファエリアに保持された各画像の利用者の足元位置のデータを平滑化する（ステップＣ１１）。なお、平滑化の方法としては、例えば、平均値フィルタやカルマンフィルタ等の公知の任意の方法を用いるものとし、ここではその詳しい説明を省略する。

足元位置のデータを平滑化したとき、変化量が所定値以上のデータが存在した場合（ステップＣ１２のＹｅｓ）、属性推定部２２ｃは、そのデータを外れ値として除外する（ステップＣ１３）。なお、上記所定値は、利用者の標準的な歩行速度と撮影画像のフレームレートによって決められる。

次に、属性推定部２２ｃは、位置推定エリアＥ１内の利用者の足元位置の時系列変化や、当該足元位置周辺に位置するブロックの輝度の時系列変化、当該足元位置のブロックの色相、彩度及び明度の時系列変化等に基づいて、かごドア１３に最も近い利用者の属性を推定し、当該推定の結果である属性データを記憶部２１内の図示せぬ第３のバッファエリアに保持する（ステップＣ１４）。

以降同様にして、属性推定部２２ｃは、かごドア１３に最も近い利用者の属性を推定し、属性データを上記第３のバッファエリアに保持することを繰り返す。

ここで、図１２のフローチャートを参照して、上記ステップＣ１４の処理手順の一例について説明する。図１２は上記ステップＣ１４の処理手順の一例を示すフローチャートである。

まず、属性推定部２２ｃは、上記第２のバッファエリアを参照して、位置推定エリアＥ１内の利用者の足元位置を示すブロックの色相、彩度及び明度の時系列変化に基づいて、利用者の属性が影であるか否かを判定する（ステップＣ１４ａ）。具体的には、利用者の足元位置を示すブロックの色相、彩度及び明度のうち明度のみが低下している場合、属性推定部２２ｃは、利用者の属性を影と判定する。なお、ここでは、利用者の属性が影であるか否かを判定するために、ブロックの色相、彩度及び明度の時系列変化を利用するとしたが、これに限られず、公知の任意の方法で判定されても良い。

利用者の属性が影であると判定された場合（ステップＣ１４ａのＹｅｓ）、属性推定部２２ｃは後述するステップＣ１４ｃの処理に進む。

一方、利用者の属性が影でないと判定された場合（ステップＣ１４ａのＮｏ）、属性推定部２２ｃは、位置推定エリアＥ１内の利用者の足元位置の時系列変化に基づいて、利用者の属性を特定する（ステップＣ１４ｂ）。

具体的には、属性推定部２２ｃは、利用者の足元位置の時系列変化によって示される利用者の動線（移動軌跡）の形状を解析し、動線の振幅及び周波数、動線の平均方向と動線を構成する各線分のばらつき、動線の平均方向と動線を構成する各線分の成す角度のうちの少なくとも１つを特徴量として求め、この特徴量を基に、事前に学習させておいた学習結果を用いて、公知のニューラルネットワーク、ＳＶＭ（Support Vector Machine）、ランダムフォレスト等の機械学習・判別分析により利用者の属性を特定する。

ここで、図１３を参照して、利用者の属性に応じた足元位置の変化状態について説明する。図１３の横軸は時間、縦軸は位置（Ｙ座標）を示し、利用者が乗場１５からかごドア１３に向かってくる場合、時間経過に伴い、利用者の足元位置のＹ座標が徐々に小さくなる。

例えば、利用者が歩行者の場合、左右の足元が交互に検知されるため、利用者の動線は、図１３の実線及び一点鎖線のように湾曲した形状となるが、利用者が車椅子利用者の場合、左右の足元が交互に検知されず、利用者の動線は、図１３の点線のように直線的な形状となる。また、利用者が一般人（健常者）の場合、左右の足元が短い時間間隔で、かつある程度の歩幅をもって交互に検知されるため、図１３の実線のように小さな弧を描いて湾曲した形状となるが、利用者が高齢者の場合、左右の足元が長い時間間隔で、かつ小さな歩幅をもって交互に検知されるため、図１３の一点鎖線のように大きな弧を描いて湾曲した形状となる。以上のようにして、利用者の属性は特定される。

再度、図１２の説明に戻る。利用者の属性が特定されると、属性推定部２２ｃは、当該利用者の属性を示す属性データを記憶部２１内の図示せぬ第３のバッファエリアに保持する（ステップＣ１４ｃ）。

なお、ここでは、属性推定部２２ｃは、上記したステップＣ１４ｂの処理において、位置推定エリアＥ１内の利用者の足元位置の時系列変化に基づいて利用者の属性を特定するとしたが、利用者の属性を特定する方法はこれに限られず、例えば、かごドア１３に最も近いブロックの周辺に位置する各ブロックの輝度値又は画像上の輝度値を特徴量として求め、この特徴量を基に、事前に学習させておいた学習結果を用いて、公知のニューラルネットワーク、ＳＶＭ）、ランダムフォレスト等の機械学習・判別分析により利用者の属性を特定しても良い。

（ｄ）乗車意思推定処理
図１４は上記ステップＳ１４ｄの乗車意思推定処理を示すフローチャートである。この乗車意思推定処理は、上記利用者検知部２２の構成要素の１つである乗車意思推定部２２ｄで実行される。

乗車意思推定部２２ｄは、上記第２のバッファエリアに保持された各画像の利用者の足元位置のデータを平滑化する（ステップＤ１１）。なお、平滑化の方法としては、例えば、平均値フィルタやカルマンフィルタ等の公知の任意の方法を用いるものとし、ここではその詳しい説明を省略する。

足元位置のデータを平滑化したとき、変化量が所定値以上のデータが存在した場合（ステップＤ１２のＹｅｓ）、乗車意思推定部２２ｄは、そのデータを外れ値として除外する（ステップＤ１３）。

次に、乗車意思推定部２２ｄは、上記第３のバッファエリアに保持された属性データを参照して、この乗車意思推定処理に関連したパラメータ、例えば、乗車意思推定エリアＥ２の面積（大きさ）を調整する（ステップＤ１４）。

具体的には、乗車意思推定部２２ｄは、属性データによって示される利用者の属性が一般人（健常者）である場合、図１５に示すように、乗車意思推定エリアＥ２の面積を元の設定のままとし、利用者の属性が高齢者又は車椅子利用者である場合、図１６に示すように、乗車意思推定エリアＥ２の面積を元の設定より大きくなるように調整し、利用者の属性が影である場合、図１７に示すように、乗車意思推定エリアＥ２の面積を元の設定より小さくなるように調整する。

これによれば、次のような利点を得ることができる。

例えば、かごドア１３に最も近い利用者が高齢者又は車椅子利用者である場合、一般人（健常者）よりも移動の速さが遅い可能性があるので、乗りかご１１に乗車する意思があるにも関わらず、乗車意思推定エリアＥ２に到達する前に（つまり、乗車意思のある利用者として検知される前に）、かごドア１３が戸閉し、乗りかご１１が次の階に向けて出発してしまうという不都合が生じ得る。しかしながら、本実施形態によれば、利用者の属性が高齢者又は車椅子利用者の場合、図１６に示したように、乗車意思推定エリアＥ２の面積を元の設定より大きくなるように調整することができるので、移動の速さが遅くても、乗車意思のある利用者として検知される可能性を上げることができ、上記した不都合を解消することができる。

また、利用者の属性が影である場合、例えば、この影の元となる人物には乗りかご１１に乗車する意思がないにも関わらず、光のあたり方に変化が生じると、当該人物が動いていなくても、その影は動いてしまうので、乗車意思のある利用者として誤検知されてしまうという不都合が生じ得る。しかしながら、本実施形態によれば、利用者の属性が影の場合、図１７に示したように、乗車意思推定エリアＥ２の面積を元の設定より小さくなるように調整することができるので、乗車意思推定エリアＥ２に影が映り込む可能性を低くすることができ、上記した不都合を解消することができる。

再度、図１４の説明に戻る。乗車意思推定部２２ｄは、利用者の属性に応じて設定された乗車意思推定エリアＥ２内の動き（データ変化）を確認する（ステップＤ１５）。その結果、乗車意思推定エリアＥ２内でＹ軸方向へかごドア１３に向かっている利用者の足元位置の動き（データ変化）を確認できた場合には（ステップＤ１６のＹｅｓ）、乗車意思推定部２２ｄは、当該利用者に乗車意思ありと判断する（ステップＤ１７）。

一方、乗車意思推定エリアＥ２内でＹ軸方向にかごドア１３に向かっている利用者の足元位置の動きを確認できなかった場合には（ステップＤ１６のＮｏ）、乗車意思推定部２２ｄは、当該利用者に乗車意思なしと判断する（ステップＤ１８）。例えば、乗りかご１１の正面を人物がＸ軸方向に横切ると、図１８に示すように乗車意思推定エリアＥ２内でＹ軸方向に時間的に変化しない足元位置が検知される。このような場合には乗車意思なしと判断される。

このように、かごドア１３に最も近い動きありのブロックを利用者の足元位置とみなし、利用者の属性に応じて乗車意思推定エリアＥ２の面積を調整し、当該乗車意思推定エリアＥ２内での足元位置のＹ軸方向の時間的な変化を追跡することで利用者の乗車意思の有無を精度良く推定することができる。

図８に戻って、乗車意思ありの利用者が検知されると（ステップＳ１５のＹｅｓ）、画像処理装置２０からかご制御装置３０に対して利用者検知信号が出力される。かご制御装置３０は、この利用者検知信号を受信することによりかごドア１３の戸閉動作を禁止して戸開状態を維持する（ステップＳ１６）。

詳しくは、かごドア１３が全戸開状態になると、かご制御装置３０は戸開時間のカウント動作を開始し、所定の時間Ｔ（例えば１分）をカウントした時点で戸閉を行う。この間に乗車意思ありの利用者が検知され、利用者検知信号が送られてくると、かご制御装置３０はカウント動作を停止してカウント値をクリアする。これにより、上記時間Ｔの間、かごドア１３の戸開状態が維持されることになる。

なお、この間に新たな乗車意思ありの利用者が検知されると、再度カウント値がクリアされ、上記時間Ｔの間、かごドア１３の戸開状態が維持されることになる。ただし、上記時間Ｔの間に何度も利用者が来てしまうと、かごドア１３をいつまでも戸閉できない状況が続いてしまうので、許容時間Ｔｘ（例えば３分）を設けておき、この許容時間Ｔｘを経過した場合にかごドア１３を強制的に戸閉することが好ましい。

上記時間Ｔ分のカウント動作が終了すると（ステップＳ１７）、かご制御装置３０はかごドア１３を戸閉し、乗りかご１１を目的階に向けて出発させる（ステップＳ１８）。

このように本実施形態によれば、乗りかご１１の出入口上部に設置したカメラ１２によって乗場１５を撮影した画像を解析することにより、例えば乗りかご１１から少し離れた場所からかごドア１３に向かって来る利用者を検知して戸開閉動作に反映させることができる。

特に、撮影画像の中で利用者の足元位置に注視し、かごドア１３から乗場１５に向かう方向（Ｙ軸方向）の足元位置の時間的変化を追うことで、例えば乗りかごの近くを通り過ぎただけの人物を誤検知することを防ぎ、乗車意思のある利用者だけを正しく検知して戸開閉動作に反映させることができる。この場合、乗車意思のある利用者が検知されている間は戸閉状態が維持されるので、利用者が乗りかご１１に乗ろうとしたときに戸閉動作が開始されてドアにぶつかってしまうような事態を回避できる。

また、上記実施形態では乗場１５で乗りかご１１のかごドア１３が戸開している状態を想定して説明したが、かごドア１３が戸閉中であっても、カメラ１２によって撮影された画像を用いて乗車意思のある利用者の有無が検知される。乗車意思のある利用者が検知されると、かご制御装置３０の戸開閉制御部３１によってかごドア１３の戸閉動作が中断され、再度戸開動作が行われる。

以下に、図１９のフローチャートを参照して、戸閉中の処理動作について説明する。
乗りかご１１のかごドア１３が全戸開の状態から所定の時間が経過すると、戸開閉制御部３１によって戸閉動作が開始される（ステップＳ２１）。このとき、カメラ１２の撮影動作は継続的に行われている。上記画像処理装置２０は、このカメラ１２によって撮影された画像を時系列で取得し、これらの画像を記憶部２１に逐次保存しながら（ステップＳ２２）、利用者検知処理をリアルタイムで実行する（ステップＳ２３）。

利用者検知処理は、画像処理装置２０に備えられた利用者検知部２２によって実行される。この利用者検知処理は、動き検知処理（ステップＳ２３ａ）、位置推定処理（ステップＳ２３ｂ）、属性推定処理（ステップＳ２３ｃ）、乗車意思推定処理（ステップＳ２３ｄ）に分けられる。なお、これらの処理は、図８のステップＳ１４ａ〜Ｓ１４ｄと同様であるため、その詳しい説明は省略する。

ここで、乗車意思ありの利用者が検知されると（ステップＳ２４のＹｅｓ）、画像処理装置２０からかご制御装置３０に対して利用者検知信号が出力される。かご制御装置３０は、戸閉中に上記利用者検知信号を受信すると、かごドア１３の戸閉動作を中断して再度戸開動作（リオープン）を行う（ステップＳ２５）。

以降は、図８のステップＳ１２に戻って上記同様の処理が繰り返される。ただし、戸閉中に乗車意思のある利用者が続けて検知されると、リオープンが繰り返され、乗りかご１１の出発が遅れてしまう。したがって、乗車意思のある利用者を検知した場合でも、上述した許容時間Ｔｘ（例えば３分）が経過していれば、リオープンしないで戸閉することが好ましい。

このように、戸閉中であっても乗車意思のある利用者の有無が検知され、当該検知結果を戸開閉動作に反映させることができる。したがって、利用者が戸閉途中の乗りかご１１に乗ろうとしたときにドアにぶつかってしまうような事態を回避できる。

なお、乗車意思推定部２２ｄは、利用者の乗車意思の有無をより正確に判断するために、利用者のドア方向への移動の速さを考慮した乗車意思推定処理を実行しても良い。これに伴い、乗車意思推定部２２ｄは、乗車意思推定エリアＥ２の面積ではなく、予め設定される速さの閾値を乗車意思推定処理に関連したパラメータとして調整しても良い。

以下、図２０のフローチャートを参照して、利用者の速さを考慮した乗車意思推定処理について説明する。なお、上述した図１４の乗車意思推定処理と同様な処理については同一の符号を付し、ここではその詳しい説明は省略するものとする。

ステップＤ１１〜Ｄ１３の処理が実行されると、乗車意思推定部２２ｄは、上記第３のバッファエリアに保持された属性データを参照して、この乗車意思推定処理に関連したパラメータ、ここでは、予め設定された速さの閾値を調整する（ステップＤ２１）。

具体的には、乗車意思推定部２２ｄは、属性データによって示される利用者の属性が一般人（健常者）である場合、速さの閾値を元の設定のままとし、利用者の属性が高齢者又は車椅子利用者である場合、速さの閾値を元の設定より小さくなるように調整し、利用者の属性が影である場合、速さの閾値を元の設定より大きくなるように調整する。

これによれば次のような利点を得ることができる。
例えば、かごドア１３に最も近い利用者が高齢者又は車椅子利用者である場合、一般人（健常者）よりも移動の速さが遅い可能性があるので、乗りかご１１に乗車する意思があるにも関わらず、移動の速さが閾値未満となり乗車意思なしと判断され、かごドア１３が戸閉し、乗りかご１１が次の階に向けて出発してしまうという不都合が生じ得る。しかしながら、利用者の属性が高齢者又は車椅子利用者の場合、上記したように速さの閾値を元の設定より小さくなるように調整することができるので、移動の速さが遅くても、乗車意思のある利用者として検知される可能性を上げることができ、上記した不都合を解消することができる。

また、利用者の属性が影である場合、例えば、この影の元となる人物には乗りかご１１に乗車する意思がないにも関わらず、光のあたり方に変化が生じると、当該人物が動いていなくても、その影は動いてしまうので、乗車意思のある利用者として誤検知されてしまうという不都合が生じ得る。しかしながら、利用者の属性が影の場合、上記したように速さの閾値を元の設定より大きくなるように調整することができるので、光のあたり方が細かく変化し、影が高速に動かない限り、乗車意思のある利用者として誤検知されることはなく、上記した不都合を解消することができる。

再度、図２０の説明に戻る。ステップＤ２１の処理の後、上記ステップＤ１５及びＤ１６の処理が実行され、乗車意思推定エリアＥ２内でＹ軸方向へかごドア１３に向かっている利用者の足元位置の動き（データ変化）を確認できた場合には（ステップＤ１６のＹｅｓ）、乗車意思推定部２２ｄは、当該利用者の移動の速さが利用者の属性に応じて調整された閾値以上であるか否かを判断する（ステップＤ２２）。

なお、利用者の移動の速さは、当該利用者の足元位置の動きに基づいて求められる。詳しくは、利用者の移動の速さは、かごドア１３に最も近い動きありのブロックのＹ座標の変化に基づいて、乗車意思推定部２２ｄにより求められる。

例えば、カメラ１２が１秒間に３０コマの画像を連続撮影可能であり、かごドア１３と上記ブロックとのＹ軸方向の距離がミリメートル単位で規定され、利用者の歩行の速さを求めるためのサンプリング期間が３０フレームに設定されている場合を想定する。この場合において、さらに、１コマ目の画像から抽出されたかごドア１３に最も近い動きありのブロックのＹ座標（利用者の足元位置）がｙ_ｍであり、３０コマ目の画像から抽出されたかごドア１３に最も近い動きありのブロックのＹ座標がｙ_ｍ−１であった場合を想定する。この場合、利用者の歩行の速さは、秒速（ｙ_ｍ−ｙ_ｍ−１）［ｍｍ］と求められる。

以上のようにして、利用者の移動の速さは、予め設定されたサンプリング期間にしたがって乗車意思推定部２２ｄによって求められる。なお、サンプリング期間は１０フレームに設定されることが好ましい。ただし、サンプリング期間は、少なくとも２フレーム以上であれば、任意の値に設定されて構わない。また、サンプリング期間は、利用者の現在の足元位置に応じて変更されても良い。

また、利用者の移動の速さに関し、予め設定される閾値（元の閾値）は、標準的な歩行の速さと同程度の速さ（例えば、秒速８００［ｍｍ］）または標準的な歩行の速さよりも少し遅い速さに設定されることが好ましい。

図２０に戻って、利用者の移動の速さが上記閾値以上であると判定された場合には（ステップＤ２２のＹｅｓ）、乗車意思推定部２２ｄは、当該利用者に乗車意思ありと判断する（ステップＤ１７）。一方で、利用者の歩行の速さが上記閾値未満であると判定された場合には（ステップＤ２２のＮｏ）、乗車意思推定部２２ｄは、当該利用者に乗車意思なしと判断する（ステップＤ１８）。

以上のように、利用者の足元位置の時間的な変化に加えて、当該利用者の移動の速さを考慮した乗車意思推定処理が実行されることにより、利用者の乗車意思の有無を多面的に判断することができる。つまり、利用者の乗車意思の有無をより正確に判断することができる。

なお、上記ステップＤ２１の処理では、利用者の属性に応じて速さの閾値が調整されるとしたが、この場合であっても、利用者の属性に応じて乗車意思推定エリアＥ２の面積が調整されても良い。

本実施形態では、乗車意思推定部２２ｄは、乗車意思推定エリアＥ２内でＹ軸方向へかごドア１３に向かっている利用者の足元位置の動き（データ変化）を確認できた場合に、乗車意思ありと判断するとしたが、これに限られず、乗車意思推定部２２ｄは、利用者の属性に応じて、乗車意思推定処理に関連したパラメータを調整した後であれば、利用者の足元位置の動きがＹ軸方向へかごドア１３に向かっていなくても、つまり、乗車意思推定エリアＥ２内で単に動きが検知されただけで、その動きを乗車意思とみなし、乗車意思ありと判断しても良い。

以上述べた一実施形態によれば、乗車意思のある利用者を広範囲に正確に検知してドアの開閉制御に反映させることのできるエレベータの乗車検知システムを提供することができる。

なお、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１１…乗りかご、１２…カメラ、１３…かごドア、１４…乗場ドア、１５…乗場、２０…画像処理装置、２１…記憶部、２２…利用者検知部、２２ａ…動き検知部、２２ｂ…位置推定部、２２ｃ…属性推定部、２２ｄ…乗車意志推定部、３０…かご制御装置、３１…戸開閉制御部、Ｅ１…利用者位置推定エリア、Ｅ２…乗車意思推定エリア。

Claims (8)

1. 乗りかごが乗場に到着したときに、当該乗りかごのドア付近から前記乗場の方向に向けて所定の範囲を撮影可能な撮像手段と、
   前記撮像手段によって撮影された時系列的に連続した複数枚の画像を用いて第１のエリア内で移動体の動きに着目して当該移動体を検知する動き検知手段と、
   前記動き検知手段によって検知された移動体の位置を推定する位置推定手段と、
   前記位置推定手段によって推定された位置にいる移動体に関連した特徴量の時系列変化に基づいて、当該移動体の属性を推定する属性推定手段と、
   前記位置推定手段によって推定された前記移動体の位置の時系列変化と、前記属性推定手段によって推定された当該移動体の属性とに基づいて、当該移動体の乗車意思を推定する乗車意思推定手段と、
   前記乗車意思推定手段の推定結果に基づいて、前記ドアの開閉動作を制御する制御手段と
   を具備することを特徴とするエレベータの乗車検知システム。
2. 前記動き検知手段は、
   前記各画像の輝度をブロック単位で比較して前記移動体の動きを検知し、
   前記位置推定手段は、
   前記各画像毎に検知された動きありのブロックを抽出し、当該ブロックにおける前記ドアの中心から前記乗場方向の座標位置を前記移動体の位置として推定し、
   前記乗車意思推定手段は、
   前記移動体が第２のエリア内で前記ドアに予め設定された閾値以上の速さで近づいている状態が検知された場合に乗車意思ありと推定することを特徴とする請求項１に記載のエレベータの乗車検知システム。
3. 前記乗車意思推定手段は、
   前記属性推定手段によって推定された前記移動体の属性が特定の属性である場合、当該移動体の乗車意思の有無の推定に関連したパラメータを元の設定から調整可能であることを特徴とする請求項２に記載のエレベータの乗車検知システム。
4. 前記パラメータは、
   前記第２のエリアの面積又は前記閾値であることを特徴とする請求項３に記載のエレベータの乗車検知システム。
5. 前記乗車意思推定手段は、
   前記属性推定手段によって推定された前記移動体の属性が健常者である場合、前記第２のエリアの面積を元の設定のままとし、
   前記属性推定手段によって推定された前記移動体の属性が他の属性に比べて速さが遅い属性である場合、前記第２のエリアの面積を元の設定より大きくなるように調整し、
   前記属性推定手段によって推定された前記移動体の属性が影である場合、前記第２のエリアの面積を元の設定より小さくなるように調整することを特徴とする請求項４に記載のエレベータの乗車検知システム。
6. 前記乗車意思推定手段は、
   前記属性推定手段によって推定された前記移動体の属性が健常者である場合、前記閾値を元の設定のままとし、
   前記属性推定手段によって推定された前記移動体の属性が他の属性に比べて速さが遅い属性である場合、前記閾値を元の設定より小さくなるように調整し、
   前記属性推定手段によって推定された前記移動体の属性が影である場合、前記閾値を元の設定より大きくなるように調整することを特徴とする請求項４に記載のエレベータの乗車検知システム。
7. 前記特徴量は、
   前記移動体の位置の時系列変化によって示される移動体の動線の形状を解析することによって得られる値と、前記移動体周辺の画像上での輝度値と、前記移動体の画像上での色相、彩度及び明度とのうちの少なくとも１つであることを特徴とする請求項１に記載のエレベータの乗車検知システム。
8. 前記撮像手段は、
   前記乗りかごの出入口上部に設置され、
   前記ドアと水平の方向をＸ軸、前記ドアの中心から前記乗場の方向をＹ軸、前記乗りかごの高さ方向をＺ軸とした画像を撮影することを特徴とする請求項１に記載のエレベータの乗車検知システム。

Images