JP6866182B2

JP6866182B2 - ベッド位置特定装置

Info

Publication number: JP6866182B2
Application number: JP2017033851A
Authority: JP
Inventors: 円井上
Original assignee: Aiphone Co Ltd
Current assignee: Aiphone Co Ltd
Priority date: 2017-02-24
Filing date: 2017-02-24
Publication date: 2021-04-28
Anticipated expiration: 2037-02-24
Also published as: JP2018139388A

Description

本発明は、見守り対象者の状態をカメラの撮像映像により見守る際に、撮像映像から人物が伏しているベッド位置を特定するベッド位置特定装置に関する。

病院をはじめ老人ホームや高齢者施設では、高齢者の転倒による事故が多発している。このような施設での転倒事故は、ベッドから起き上がって離床する際に発生する場合が多いため、ベッド上の患者等の見守り対象者を撮像するカメラを設置して見守るシステムがある。例えば、特許文献１では患者の頭部上方からベッド全体を撮像し、その映像から患者の起き上がり動作を判別した。

特許第６０４６５５９号公報

D. G. Lowe: "Distinctive Image Features from Scale-Invariant Keypoints", Inter-national Journal of Computer Vision, Vol.60, No.2, pp.91-110, 2004. C. Harris and M. Stephens: "A combined corner and edge detector." Alvey Vision Conference, pp. 147-152, 1988. N. Dalal, B. Triggs: "Histograms of Oriented Gradients for Human Detection" In IEEE Conference on Computer Vision and Pattern Recognition, vol.1, pp.886-893, 2005.

しかしながら、上記従来の人物の起き上がり等の動作を検出する技術は、撮像エリア全体の動き情報から患者の動作を検出するため、ベッド周囲の看護師や見舞人の動きなど、患者以外の人物の動きを患者の動きとして誤検知することがあった。

そこで、本発明はこのような問題点に鑑み、ベッド周囲の人物を見守り対象の人物と判断しないようカメラの撮像画像からベッドの位置を特定するベッド位置特定装置を提供することを特徴とする。

上記課題を解決する為に、請求項１の発明は、ベッドが配置された部屋全体を上方から撮像するカメラと、カメラの撮像画像全体を、ベッド領域を設定するための特定の形状及びサイズの枠により重複部を設けて複数に分割する画像分割部と、枠により生成された個々の小領域画像に対して画像のコントラストを強調する補正を行う輝度補正部と、輝度補正部で生成された補正画像から画像特徴を抽出する特徴抽出部と、ベッドの有無で２クラスに分けた学習サンプルから抽出した画像特徴を記憶する学習部と、カメラの撮像画像内におけるベッド位置を特定する特定部とを備えると共に、小領域画像を生成する枠は、撮像画像内のベッドの大きさに対して１割程度大きく設定され、特定部は、特徴抽出部が抽出した個々の小領域画像の画像特徴と、学習部の画像特徴とを基に、ベッドを包含している小領域画像を特定し、撮像画像内のベッド位置を特定することを特徴とする。
本発明によれば、撮像画像におけるベッド位置を特定するため、見守りエリアを撮像エリア内の特定の領域に限定することが可能となり、ベッド周囲の人物の動きを排除でき誤検出を大きく削減することができる。

また、複数生成される小領域画像の何れかにベッド全体を含ませることが可能であり、その小領域画像を見守り対象者の動作判定領域として良好に使用できる。

本発明によれば、撮像画像におけるベッド位置を特定するため、見守りエリアを撮像エリア内の特定の領域に限定することが可能となり、ベッド周囲の人物の動きを排除でき誤検出を大きく削減することができる。

本発明に係るベッド位置特定装置の一例を示すブロック図である。画像分割処理の説明図であり、（ａ）は撮像するベッドの領域に対して十分大きな枠で分割する様子、（ｂ）はベッドより僅かに大きな枠で分割する様子、（ｃ）はベッドより僅かに小さな枠で分割する様子を示している。小領域画像に対する輝度補正の説明図であり、（ａ）は輝度補正前の画像、（ｂ）は輝度補正後の画像である。小領域に分割しない状態で輝度補正を行った場合を示し、（ａ）は輝度補正前の画像、（ｂ）は輝度補正後の画像である。

以下、本発明を具体化した実施の形態を、図面を参照して詳細に説明する。図１は本発明に係るベッド位置特定装置の一例を示すブロック図であり、１は撮像素子を備えたカメラ、２はカメラ１の撮像画像を一時的に保持する画像保持部、３は撮像画像を複数の小領域画像に分割する画像分割部、４は分割された小領域画像に対して輝度補正を行う輝度補正部、５は小領域画像毎に画像特徴を抽出する特徴抽出部、６は学習データを蓄積した学習部、７はカメラ１の撮像画像内においてベッド位置を特定する特定部である。
尚、画像保持部２、画像分割部３、輝度補正部４、特徴抽出部５、学習部６、特定部７は、動作プログラムをインストールしたＣＰＵ或いはＤＳＰにより一体に構成される。

カメラ１は、患者等の見守り対象者（以下、単に「患者」とする。）を撮像するために、患者の居る部屋の上部に配置されて部屋全体を撮像するよう設置されている。このようにカメラ１を配置することで、カメラ１を移動或いはカメラ１の角度を変更すること無く、部屋の何れの場所にベッドを移動してもベッド全体を撮像エリア内に納めることを可能としている。そして、カメラ１からは動画が出力されるが、この動画は所定間隔で連続出力される画像フレーム（静止画）により構成されている。

画像保持部２は、例えばＲＡＭで構成され、カメラ１が撮像した画像（画像フレーム）が後段の画像分割処理等実施されるまで一次記憶される。

画像分割部３は、画像保持部２の画像、即ちカメラ１が出力する画像フレーム全体を複数の小領域画像に分割する。このとき小領域画像を生成するために設定される枠は、好ましい形状とサイズがあり、運用開始時に設定される。
そのうち形状は、撮像されるベッドの形状で決定され、基本は縦長に配置されるようカメラ１が固定されるため、使用する枠も縦長の長方形が選択される。以下、この形状で説明する。

サイズに関しては、異なる複数種類の大きさの枠が用意されてあり、図２はサイズが異なる枠を使用した画像分割の概念を示している。図２（ａ）は撮像するベッドの領域に対して十分大きな枠で分割する様子、図２（ｂ）はベッドより僅かに大きな枠で分割する様子、図２（ｃ）はベッドより僅かに小さな枠で分割する様子を示して３種類の大きさの小領域に分割する様子を示している。

尚、小領域画像の生成は、カメラ１が出力する画像フレームに対して、重なり部を有して画像全域を分割するように枠が平行移動して、順次小領域画像を生成し、生成した小領域画像データが後段に出力され、出力された画像に対して順次画像処理が成される。

画像フレーム中のベッドサイズは、画像サイズに対して概ね一定に決定されるが、ベッドサイズはベッドとカメラとの間の距離により異なるため、図２のように複数種類のサイズを用意しておき、新たに設定することなく選択操作により簡易な操作で最適な枠サイズを選択可能としている。

その際、枠サイズの選択は、ベッドの位置が決定した際に撮像画像を基に選択され、撮像されるベッドに対して幅と高さに１割程度のマージンを持たせたサイズ或いはそれに近い枠が選択される。１割程度のマージンを付加することで、何れかの小領域画像がベッド全体或いはほぼ全体を含んだ画像となるため、その画像からベッド形状の捕捉が容易になる。また、その小領域自体をベッド領域としてその周囲を判断の対象外とすることで、患者の動作を認識する際に見守り対象の患者以外の周囲の人物を排除し易い。

輝度補正部４は、画像分割部３により得られた小領域画像に対して画像毎に輝度補正を行い、コントラストを強調した輝度補正画像を生成する。図３は小領域画像に対する輝度補正の説明図であり、（ａ）は補正前、（ｂ）は補正後の説明図である。
分割した小領域画像に限定して輝度補正を実施することで、ベッド領域を鮮明にすることができ、より判定し易い補正画像を取得する事が可能となる。

ここで、図４は小領域に分割しない状態で輝度補正を行った場合を示し、（ａ）は輝度補正前、（ｂ）は輝度補正後を示している。図４では、左側には壁面が映り込んでいる状態を示し、このように壁面に照明が反射してベッドが判別し難い状態では、補正前の画像（ａ）は右側に撮像されているベッドが殆ど識別できない。また補正後の画像（ｂ）の場合は、壁面の反射により左右どちらがベッドであるか判別が難しい。
このように画像フレーム全体では、壁面の明度の影響により輝度補正してもベッド領域と壁の識別が難しい状状況が発生する場合がある。

特徴抽出部５は、輝度補正された小領域画像から画像特徴を抽出する。画像特徴は、例えば非特許文献１に開示されているＳＩＦＴや、コーナーを表現する例えば非特許文献２に開示されているようなＨａｒｒｉｓコーナー、または画像の勾配を表す例えば非特許文献３に開示されているようなＨＯＧ等が適用されて、物体の形状を表現する画像特徴が算出（抽出）される。
この抽出は、分割された各小領域画像に対して逐次的に実施される。

学習部６は、部屋の中の様々な場所にベッドを配置して上記配置状態のカメラ１により部屋全体を上方から撮像した複数の撮像画像と、ベッド無しの撮像画像とでクラス分けしたデータを基に算出した特徴量情報を記憶している。

特定部７は、ベッドと非ベッドの２クラスに分けた学習部６が記憶している学習サンプルと、特徴抽出部５が算出した特徴量とを用いて学習された強識別器によって構成された周知のアダブーストによる識別器を用いて、ベッド領域を判定する。こうして、ベッドを包含する小領域が特定、即ちベッド領域が特定される。
尚、識別器はＳＶＭや部分空間法、ニューラルネットワークなど様々な手法が適応できる。
そして、この判定された小領域画像の領域のみに対して、その後人物の動作判定が成される（詳述せず）。

このように、撮像画像におけるベッド位置を特定するため、見守りエリアを撮像エリア内の特定の領域に限定することが可能となり、ベッド周囲の人物の動きを排除でき誤検出を大きく削減することができる。
また、ベッドより１割程度大きい枠により小領域画像を生成することで、複数生成される小領域画像の何れかにベッド全体を含ませることが可能であり、その小領域画像を見守り対象者の動作判定領域として良好に使用できる。

尚、上記実施形態では、小領域画像を生成する枠のベッドサイズに対するマージンを１割程度としているが、画像フレーム内のベッドの大きさに対して同程度としても患者の動作判定は可能であるし、ベッドサイズより２割程度のマージンを設けても良い。マージンが大きいと、その分ベッド上の患者以外の周囲にいる人物も含めて見守り対象の人物と判断する確率は上昇するが、２割程度であればその確率も低く抑制できる。但し、その場合は、内部領域の平均輝度を算出する際の周囲の削除量も２割程度と大きくするのが望ましい。
また、小領域画像の生成するための枠は、正方形であっても横長の形状としても良く、カメラ１の撮像画像にベッドが横向きに配置される場合は横長の枠を用意するのが好ましい。

１・・カメラ、２・・画像保持部、３・・画像分割部、４・・輝度補正部、５・・特徴抽出部、６・・学習部、７・・特定部。

Claims

ベッドが配置された部屋全体を上方から撮像するカメラと、
前記カメラの撮像画像全体を、ベッド領域を設定するための特定の形状及びサイズの枠により重複部を設けて複数に分割する画像分割部と、
前記枠により生成された個々の小領域画像に対して画像のコントラストを強調する補正を行う輝度補正部と、
前記輝度補正部で生成された補正画像から画像特徴を抽出する特徴抽出部と、
ベッドの有無で２クラスに分けた学習サンプルから抽出した画像特徴を記憶する学習部と、
前記カメラの撮像画像内におけるベッド位置を特定する特定部とを備えると共に、
前記小領域画像を生成する前記枠は、撮像画像内のベッドの大きさに対して１割程度大きく設定され、
前記特定部は、前記特徴抽出部が抽出した個々の前記小領域画像の画像特徴と、前記学習部の画像特徴とを基に、ベッドを包含している前記小領域画像を特定し、撮像画像内のベッド位置を特定することを特徴とするベッド位置特定装置。