JP6818965B2 - 異常検出装置、異常検出プログラム及び異常検出方法 - Google Patents
異常検出装置、異常検出プログラム及び異常検出方法 Download PDFInfo
- Publication number
- JP6818965B2 JP6818965B2 JP2020554649A JP2020554649A JP6818965B2 JP 6818965 B2 JP6818965 B2 JP 6818965B2 JP 2020554649 A JP2020554649 A JP 2020554649A JP 2020554649 A JP2020554649 A JP 2020554649A JP 6818965 B2 JP6818965 B2 JP 6818965B2
- Authority
- JP
- Japan
- Prior art keywords
- motion
- unit
- frame
- occurrence probability
- scattering
- 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
- 238000001514 detection method Methods 0.000 title claims description 92
- 230000005856 abnormality Effects 0.000 claims description 98
- 239000013598 vector Substances 0.000 claims description 72
- 238000000034 method Methods 0.000 claims description 29
- 238000000605 extraction Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 230000007717 exclusion Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 description 29
- 230000008859 change Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 206010000117 Abnormal behaviour Diseases 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000002441 reversible effect Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 241001125929 Trisopterus luscus Species 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Description
複数の画像を取得する画像取得部と、
1フレームの画像に含まれる複数の移動体から、動きの大きさと動きの方向とによって決定される複数の動きベクトルを抽出する動き抽出部と、
前記複数の動きベクトルの動きベクトルごとに生起確率を計算し、少なくともいずれかの前記生起確率に重み付けを行う重み付け部と、
重み付けされた前記生起確率に基づいて、前記1フレームの散乱度を計算する散乱度計算部と、
前記散乱度と閾値とを比較し、比較結果に基づいて異常を検出する検出部と、
を備える。
図1から図19を参照して、実施の形態1の異常検出装置100を説明する。異常検出装置100は、画像を構成する複数のフレームの各フレームの散乱度を計算し、散乱度の変化から画像に発生している異常を検出する装置である。
図1は、異常検出装置100のハードウェア構成を示す。異常検出装置100は、コンピュータである。異常検出装置100は、プロセッサ10を備えるとともに、主記憶装置20、補助記憶装置30、入力インタフェース40及び出力インタフェース50といった他のハードウェアを備える。プロセッサ10は、信号線101を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
プロセッサ10は、OSを実行しながら、異常検出プログラムを実行する。
以下に異常検出装置100の動作を説明する。異常検出装置100の動作は、異常検出方法に相当する。異常検出方法の手順は、異常検出プログラムの手順に相当する。
図3は、異常検出装置100の動作のフローチャートである。図2では図3に対応する処理に、図3のステップ番号を付している。図2及び図3を参照して、異常検出装置100の動作概要を説明する。
ステップS102において、動き抽出部12は、1フレームの画像に含まれる複数の移動体から、動きの大きさと動きの方向とによって決定される複数の動きベクトルを抽出する。動きベクトルは動きベクトルvt(r、θ)または単にvt(r、θ)と表記する。動きベクトルvt(r、θ)については後述する。添え字のtは1フレーム関することを意味する。
なお、実施の形態1では、動きベクトルvt(r、θ)を抽出する移動体として人を例にしている。しかし、動きベクトルvt(r、θ)を抽出する移動体は、人に限られない。移動体は、昆虫、車両、液体に浮いている浮遊物のような、あらゆる移動体を対象とすることができる。
なお添え字のtは1フレーム関することを意味する。生起確率pt(r、θ)は動きベクトルvt(r、θ)に一対一に対応している。実施の形態1では、重み付け部13による重み付けは、タイプ1からタイプ4を説明する。タイプ1からタイプ4の重み付けは、後述する。
ステップS105において、検出部15は、散乱度Etと閾値THとを比較し、比較結果に基づいて異常を検出する。閾値THは、検出部15に設定されている。
図4は、画像の1フレームであるフレーム71を示す。フレーム71は不規則に動く群集を示す。不規則に動く群集では散乱度Etは大きくなる。図4では、丸形状で示す複数の人61が、不規則に動くことを示す。丸形状の一つ一つが人を示している。人61を示す丸形状に付されている矢印82の方向が人の動く方向を示し、矢印の大きさが人の動く速さを示す。動きベクトルvt(r、θ)と区別するため、矢印82を人ベクトル82と呼ぶこととする。
図5は、画像の1フレームであるフレーム72を示す。フレーム72は規則的に動く群集を示す。規則的に動く群集では散乱度Etは小さくなる。
図6は、動きベクトルvt(r、θ)及び生起確率pt(r、θ)を説明する図である。図4のフレーム71を想定して説明する。図6の最上段は、人ベクトル82の方向θの分布を示す図である。横軸は人ベクトル82の方向θを示し、縦軸は方向θの数Nθを示す。右側の円は方向θの計測方向を示している。方向θはX軸を基準に左回りに測る。図4、図5、図9、図11、図13及び図15にはX−Y座標を示している。図6の2段目は、人ベクトル82の大きさrの分布を示す図である。横軸は人ベクトル82の大きさrを示し、縦軸は大きさrの数Nrを示す。図6の3段目は、動きベクトルvt(r、θ)の分布を模式的に示している。動きベクトルvt(r、θ)は、動き抽出部12によってフレーム71から抽出される。動きベクトルvt(r、θ)はフレーム71と異なる別のフレームを参照して求められる。動きベクトルvt(r、θ)は大きさr及び方向θから決まるので、複数人の人ベクトル82が同一のときは、複数の同一の人ベクトル82は一つの動きベクトルvt(r、θ)に集約される。図6の4段目は、動きベクトルvt(r、θ)の生起確率pt(r、θ)の分布を模式的に示している。重み付け部13は、動きベクトルvt(r、θ)ごとに生起確率pt(r、θ)を計算する。
図8は、検出部15による異常の検出を示すグラフである。散乱度Etはtごと、つまりフレームごとに計算されるが、これが図8の横軸の時間に対応する。図8の縦軸は散乱度Etの大きさである。検出部15は、散乱度Etが閾値TH以上となった場合に、取得する画像に異常があると判定する。図8では、検出部15によって異常時間帯が異常と検出される。
図8のグラフは、検出部15によって、図2のステップS103に示すタイプ1からタイプ4のそれぞれについて生成される。
閾値THは、タイプ1からタイプ4のそれぞれについて設定されている。例えば、各閾値THは、検出部15を実現する異常検出プログラムに設定されている。閾値THはタイプごとに異なる種類の閾値が設定されている。図2の場合であれば、タイプ1の閾値THは混乱を示す閾値であり、タイプ2の閾値THは対流を示す閾値であり、タイプ3の閾値THは合流を示す閾値であり、タイプ2の閾値THは逆送を示す閾値である。よって、検出部15は、異常として、異常の発生と、発生した異常の種類とを検出できる。
具体的には以下のようである。検出部15は散乱度Etが閾値THを超えた場合に異常の発生を検出できる。また、検出部15は、散乱度Etが閾値THを超えた場合に、閾値THの種類から、発生した異常の種類を検出できる。
図9及び図10を参照して、重み付け部13が行う重み付け処理のタイプ1を説明する。タイプ1では、重み付け部13は、生起確率pt(r、θ)が計算される動きベクトルvt(r、θ)の動きの大きさにr応じて、生起確率pt(r、θ)に重み付けを行う。
タイプ1によって異常状態として混乱状態を検知できる。言い換えれば、タイプ1で異常と検出された状態が混乱状態である。
図9は、図4と同一のフレーム71である。
図10は、図9から得られる生起確率pt(r、θ)を模式的に示す。生起確率pt(r、θ)は大きさr及び方向θで決まるが、タイプ1では、大きさrが大きいほど、重みwr,θを大きくする。wr,θを大きさrに比例させてもよい。なお、情報量log[pt(r、θ)]の生起確率pt(r、θ)には,重みwr,θは反映させない。重みwr,θは、情報量log[pt(r、θ)]と掛け算される生起確率pt(r、θ)に反映する。これはタイプ1からタイプ4とも同じである。
図11及び図12を参照して、重み付け部13が行う重み付け処理のタイプ2を説明する。タイプ2では、重み付け部13は、生起確率pt(r、θ)が計算される動きベクトルvt(r、θ)の動きの方向θに応じて、生起確率pt(r、θ)に重み付けを行う。より具体的には、タイプ2では1フレームを左右に分けて、画面左側と画面右側とで異なる重み付けを行う。タイプ2によって異常状態として対流状態を検知できる。言い換えれば、タイプ2で異常と検出された状態が対流状態である。
図11は、対流を説明するフレーム73である。図11では、画面左側の人ベクトル82は右方向にそろっており、画面右側の人ベクトル82は左方向にそろっている。
図12は、図11から得られる生起確率pt(r、θ)を模式的に示す。生起確率pt(r、θ)は大きさr及び方向θで決まるが、タイプ2では、方向θに応じて重み付けを行う。タイプ2の特徴は、画面左側と画面右側とで重み付けする方向が異なる点である。画面左側では、図12の一番上(3/2*π≦θ≦2π)と、一番下の領域(0≦θ≦π/2)とが重み付けの対象となる。画面右側では、図12の中央(π/2≦θ≦3/2*π)の領域が重み付けの対象となる。重み付け部13は、重み付けの対象となる領域の生起確率pt(r、θ)に、対応する大きさrの値に応じて重みwr,θを付けてもよい。例えば、重みwr,θを大きさrに比例させてもよい。あるいは重み付け部13は、重みwr,θとして、固定値を与えてもよい。図11をみるとわかるように、画面左側は右方向が強調され、画面右側は左方向が強調されるので、対流を検出しやすい。
図13及び図14を参照して、重み付け部13が行う重み付け処理のタイプ3を説明する。行う重み付け処理のタイプ3では、重み付け部13は1フレームにおける映像エリア81に応じた重み付けを行う。図13のフレーム74は1フレームである。
図13は、映像エリア81を示す図である。図13の映像エリア81は、合流領域83から本線84への合流を示している。
図14は、図13から得られる生起確率pt(r、θ)を模式的に示す。
動き抽出部12は、フレーム74から1フレームの部分領域である映像エリア81を抽出し、映像エリア81から複数の動きベクトルを抽出する。また、動き抽出部12は、1フレームのうち映像エリア81が除かれた除外領域から複数の動きベクトルを抽出する。図13において除外領域は、フレーム74のうち、映像エリア81が除かれた領域である。
重み付け部13は、映像エリア81から抽出された複数の動きベクトルの動きベクトルごとに生起確率を計算する。また、重み付け部13は、除外領域から抽出された複数の動きベクトルの動きベクトルごとに生起確率を計算する。
重み付け部13は、映像エリア81に基づき計算された複数の生起確率に、除外領域に基づき計算された複数の生起確率と異なる重み付けを行う。
具体的には、以下のようである。映像エリア81で抽出される動きベクトルvt(r、θ)をvin,t(r、θ)と表記し、除外領域で抽出される動きベクトルvt(r、θ)をvout,t(r、θ)と表記する。また、動きベクトルvin,t(r、θ)の生起確率をpin,t(r、θ)と表記し、動きベクトルvout,t(r、θ)の生起確率をpout,t(r、θ)と表記する。散乱度計算部14は図7の(式2)において、pin,t(r、θ)とpout,t(r、θ)とを区別する。つまり図7の(式2)において、pin,t(r、θ)とpout,t(r、θ)とは、異なる項として扱われる。
動き抽出部12は、フレーム74から映像エリア81を抽出し、映像エリア81から複数の動きベクトルvin,t(r、θ)を抽出する。動き抽出部12は、除外領域から複数の動きベクトルvout,t(r、θ)を抽出する。
重み付け部13は、映像エリア81から抽出された複数の動きベクトルvin,t(r、θ)の動きベクトルごとに生起確率pin,t(r、θ)を計算する。また、重み付け部13は、除外領域から抽出された複数の動きベクトルvout,t(r、θ)の動きベクトルごとに生起確率pout,t(r、θ)を計算する。
図14の破線で示す範囲は、動き抽出部12が映像エリア81から抽出した動きベクトルvin,t(r、θ)に対応する生起確率pin,t(r、θ)の範囲を示す。図14の破線で示す範囲には9つの生起確率pin,t(r、θ)を点で示している。重み付け部13は、映像エリア81に基づき計算された複数の生起確率pin,t(r、θ)に、除外領域に基づき計算された複数の生起確率pout,t(r、θ)と異なる重み付けを行う。例えば、重み付け部13は、複数の生起確率pin,t(r、θ)には、生起確率pin,t(r、θ)の大きさrに反比例する重みwr,θを生起確率pin,t(r、θ)に乗じ、複数の生起確率pout,t(r、θ)には重みwr,θとしてゼロを乗じる。これによって、映像エリア81の状態を強調して検出できる効果がある。
図15及び図16を参照して、重み付け部13が行う重み付け処理のタイプ4を説明する。タイプ4はタイプ2に類似するが、タイプ4はタイプ2に対して画面を左右に分けずに、1フレーム全体で、生起確率pt(r、θ)における方向θに応じて、重み付け部13が重み付けを行う。タイプ4によって異常状態として逆走状態を検知できる。言い換えれば、タイプ4で異常と検出された状態が逆走状態である。
図15は、逆走を説明するフレーム75である。図15では、複数の人61の人ベクトル82は左方向にそろっている。黒い丸で示す人62の人ベクトル82のみが左方向である。
図16は、図15から得られる生起確率pt(r、θ)を模式的に示す。タイプ4では、方向θに応じて生起確率pt(r、θ)に、重みwr,θが与えられる。図15については、図16の一番上(3/2*π≦θ≦2π)と、一番下の領域(0≦θ≦π/2)とは、重みwr,θがゼロである。中央(π/2≦θ≦3/2*π)の領域では、重み付け部13は大きさrに比例する重みwr,θを生起確率pt(r、θ)に与える。この重み付けにより、図15の人62の逆走を検出できる。
異常検出装置100の変形例1として、検出部15がフレームの前景の面積を使用して、異常を特定する方式を説明する。検出部15は、閾値THと散乱度Etとの比較結果と、少なくとも一つのフレームにおける前景面積とに基づいて、異常を検出する。
前景の面積を使用する具体例としては、特定のフレームの前景の形状又は異常が検出されたフレームの前景の形状から、異常の種類を特定することができる。
あるいは複数フレームにおける前景の面積変化から、異常の種類を特定することができる。複数フレームにおける前景の面積変化から異常の種類を特定する場合は、検出部15は、フレームt、フレームt+1、フレームt+2,...の複数フレームにわたる、前景の面積変化を計算する。検出部15は、前景の面積変化と、図8に示す散乱度Etの変化とを用いて、異常として、具体的な異常の種類を検出することができる。
(1)異常検出装置100は重み付け部13によって生起確率pt(r、θ)に重み付けするので、多様な異常行動を正確に検出できる。具体的には、駅のように多くの人が集まる環境における雑踏事故防止は、パブリックセーフティを実現するための重要な要素の一つである。 雑踏事故の一因として、不審物または急病人に起因するパニック状態の発生がある。パニック状態の予兆として、群集が入り乱れて動き回る「混乱行動」、あるいは群集が一箇所に集まる「蝟集行動」がある。そのため、これら予兆の早期発見が雑踏事故の防止に有効である。異常検出装置100は重み付け部13を有するので、これら予兆の早期発見が可能である。
(2)また、異常行動の種類に応じて「警備員派遣」または「避難誘導」など、対処法が異なる。従って、異常行動の種類を特定することは有効である。異常検出装置100の検出部15は、散乱度Etの変化と前景の面積変化とから異常の種類を検出するので、異常行動の種類に応じた対処法を選択することができる。
図1の異常検出装置100では、異常検出装置100の機能がソフトウェアで実現されるが、変形例2として、異常検出装置100の機能がハードウェアで実現されてもよい。
図19は、異常検出装置100の変形例2に係る異常検出装置100の構成を示す。図19の電子回路90は、画像取得部11、動き抽出部12,重み付け部13,散乱度計算部14、検出部15、主記憶装置20、補助記憶装置30、入力インタフェース40及び出力インタフェース50の機能を実現する専用の電子回路である。電子回路90は、信号線91に接続している。電子回路90は、具体的には、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックIC、GA、ASIC、または、FPGAである。GAは、Gate Arrayの略語である。ASICは、Application Specific Integrated Circuitの略語である。FPGAは、Field−Programmable Gate Arrayの略語である。異常検出装置100の構成要素の機能は、1つの電子回路で実現されてもよいし、複数の電子回路に分散して実現されてもよい。別の変形例として、異常検出装置100の構成要素の一部の機能が電子回路で実現され、残りの機能がソフトウェアで実現されてもよい。
異常検出装置100において、画像取得部11、動き抽出部12,重み付け部13,散乱度計算部14及び検出部15の機能がプロセッシングサーキットリにより実現されてもよい。あるいは、画像取得部11、動き抽出部12,重み付け部13,散乱度計算部14、検出部15、主記憶装置20、補助記憶装置30、入力インタフェース40及び出力インタフェース50の機能が、プロセッシングサーキットリにより実現されてもよい。
Claims (7)
- 複数の画像を取得する画像取得部と、
1フレームの画像に含まれる複数の移動体から、動きの大きさと動きの方向とによって決定される複数の動きベクトルを抽出する動き抽出部と、
前記複数の動きベクトルの動きベクトルごとに生起確率を計算し、少なくともいずれかの前記生起確率に重み付けを行う重み付け部と、
重み付けされた前記生起確率に基づいて、前記1フレームの散乱度を計算する散乱度計算部と、
前記散乱度と閾値とを比較し、比較結果に基づいて異常を検出する検出部と、
を備える異常検出装置。 - 前記重み付け部は、
前記生起確率が計算される前記動きベクトルの前記動きの大きさに応じて、前記生起確率に重み付けを行う請求項1に記載の異常検出装置。 - 前記重み付け部は、
前記生起確率が計算される前記動きベクトルの前記動きの方向に応じて、前記生起確率に重み付けを行う請求項1または請求項2に記載の異常検出装置。 - 前記動き抽出部は、
前記1フレームから前記1フレームの一部分の部分領域を抽出し、前記部分領域から複数の動きベクトルを抽出し、前記1フレームのうち前記部分領域が除かれた除外領域から複数の動きベクトルを抽出し、
前記重み付け部は、
前記部分領域から抽出された前記複数の動きベクトルの動きベクトルごとに生起確率を計算し、前記除外領域から抽出された前記複数の動きベクトルの動きベクトルごとに生起確率を計算し、前記部分領域に基づき計算された生起確率に、前記除外領域に基づき計算された生起確率と異なる重み付けを行う請求項1から請求項3のいずれか1項に記載の異常検出装置。 - 前記検出部は、
前記比較結果と、少なくとも一つのフレームにおける前景面積とに基づいて、異常を検出する請求項1から請求項4のいずれか1項に記載の異常検出装置。 - コンピュータに、
複数の画像を取得する処理と、
1フレームの画像に含まれる複数の移動体から、動きの大きさと動きの方向とによって決定される複数の動きベクトルを抽出する処理と、
前記複数の動きベクトルの動きベクトルごとに生起確率を計算し、少なくともいずれかの前記生起確率に重み付けを行う処理と、
重み付けされた前記生起確率に基づいて、前記1フレームの散乱度を計算する処理と、
前記散乱度と閾値とを比較し、比較結果に基づいて異常を検出する処理と、
を実行させる異常検出プログラム。 - コンピュータが、
複数の画像を取得し、
1フレームの画像に含まれる複数の移動体から、動きの大きさと動きの方向とによって決定される複数の動きベクトルを抽出し、
前記複数の動きベクトルの動きベクトルごとに生起確率を計算し、少なくともいずれかの前記生起確率に重み付けを行い、
重み付けされた前記生起確率に基づいて、前記1フレームの散乱度を計算し、
前記散乱度と閾値とを比較し、比較結果に基づいて異常を検出する、
異常検出方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/040347 WO2020090010A1 (ja) | 2018-10-30 | 2018-10-30 | 異常行動検出装置、異常行動検出プログラム及び異常行動検出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6818965B2 true JP6818965B2 (ja) | 2021-01-27 |
JPWO2020090010A1 JPWO2020090010A1 (ja) | 2021-03-18 |
Family
ID=70463651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020554649A Active JP6818965B2 (ja) | 2018-10-30 | 2018-10-30 | 異常検出装置、異常検出プログラム及び異常検出方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6818965B2 (ja) |
WO (1) | WO2020090010A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11853844B2 (en) * | 2020-04-28 | 2023-12-26 | Pfu Limited | Information processing apparatus, image orientation determination method, and medium |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5400718B2 (ja) * | 2010-07-12 | 2014-01-29 | 株式会社日立国際電気 | 監視システムおよび監視方法 |
JP5992681B2 (ja) * | 2011-12-19 | 2016-09-14 | 日本信号株式会社 | 混雑の非通常状態検知システム |
JP2017151875A (ja) * | 2016-02-26 | 2017-08-31 | 三菱電機株式会社 | 滞留判定装置及び滞留判定プログラム |
JP2018117331A (ja) * | 2017-01-19 | 2018-07-26 | 株式会社イデアクエスト | ベッド見守り装置 |
-
2018
- 2018-10-30 WO PCT/JP2018/040347 patent/WO2020090010A1/ja active Application Filing
- 2018-10-30 JP JP2020554649A patent/JP6818965B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
WO2020090010A1 (ja) | 2020-05-07 |
JPWO2020090010A1 (ja) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Robust detection of adversarial attacks on medical images | |
JP6616521B2 (ja) | 画像処理装置 | |
Kumar et al. | A novel method of edge detection using cellular automata | |
KR101708547B1 (ko) | 사상(事象) 검출 장치 및 사상 검출 방법 | |
JP2022506905A (ja) | 知覚システムを評価するシステム及び方法 | |
JP6764481B2 (ja) | 監視装置 | |
WO2019119659A1 (zh) | 用于风力发电机组的涡激振动的监测方法和设备 | |
WO2016073105A1 (en) | Face recognition using gradient based feature analysis | |
KR20140028809A (ko) | 이미지 피라미드의 적응적 이미지 처리 장치 및 방법 | |
US20150146006A1 (en) | Display control apparatus and display control method | |
JP2007156655A (ja) | 変動領域検出装置及びその方法 | |
US10691956B2 (en) | Information processing apparatus, information processing system, information processing method, and storage medium having determination areas corresponding to waiting line | |
TWI493510B (zh) | 跌倒偵測方法 | |
JP6818965B2 (ja) | 異常検出装置、異常検出プログラム及び異常検出方法 | |
US20220262121A1 (en) | System and method for mitigating crowd panic detection | |
US20220245955A1 (en) | Method and Device for Classifying Pixels of an Image | |
KR102101623B1 (ko) | 영상 정보를 이용하여 이상 상황을 감지하는 방법 및 장치 | |
US20190370996A1 (en) | Image processing apparatus | |
CN113392779A (zh) | 基于生成对抗网络的人群监控方法、装置、设备及介质 | |
Singh et al. | An Ensemble-Based IoT-Enabled Drones Detection Scheme for a Safe Community | |
US20230044673A1 (en) | Detection device and control method of the same | |
WO2016092783A1 (en) | Information processing apparatus, method for processing information, discriminator generating apparatus, method for generating discriminator, and program | |
JP6223897B2 (ja) | 異常検知装置及び異常検知システム | |
JP6948547B2 (ja) | プログラム、情報処理システム、及び情報処理方法 | |
JP2008165705A (ja) | 画像処理装置及び画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201027 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201027 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201027 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20201117 |
|
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: 20201201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6818965 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |