JP7435609B2 - 画像処理システム、画像処理プログラム、および画像処理方法 - Google Patents
画像処理システム、画像処理プログラム、および画像処理方法 Download PDFInfo
- Publication number
- JP7435609B2 JP7435609B2 JP2021537637A JP2021537637A JP7435609B2 JP 7435609 B2 JP7435609 B2 JP 7435609B2 JP 2021537637 A JP2021537637 A JP 2021537637A JP 2021537637 A JP2021537637 A JP 2021537637A JP 7435609 B2 JP7435609 B2 JP 7435609B2
- Authority
- JP
- Japan
- Prior art keywords
- behavior
- predetermined
- image
- target person
- subject
- 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
- 238000012545 processing Methods 0.000 title claims description 28
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000001514 detection method Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 109
- 238000004891 communication Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000036544 posture Effects 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Description
本発明は、画像処理システム、画像処理プログラム、および画像処理方法に関する。
我が国は、戦後の高度経済成長に伴う生活水準の向上、衛生環境の改善、および医療水準の向上等により、長寿命化が顕著となっている。このため、出生率の低下と相まって、高齢化率が高い高齢化社会になっている。このような高齢化社会では、病気、怪我、および加齢などにより、介護等の対応を必要とする要介護者等の増加が想定される。
要介護者等は、病院や老人福祉施設などの施設において、歩行中に転倒したり、ベッドから転落して怪我をするおそれがある。そのため、要介護者等がこのような状態になったときに介護士や看護師等のスタッフがすぐに駆けつけられるようにするために、撮影された画像から要介護者等の状態を検出するためのシステムの開発が進められている。このようなシステムで要介護者等の状態を検出するためには、画像から検知対象である人物の姿勢や行動を高精度で検出する必要がある。
下記特許文献1には、次の先行技術が開示されている。被監視者の所定の行動を検知して通知等をする検知ユニットによる監視機能を、端末ユニットから受信した情報等に基づいて停止する。これにより、必要に応じて監視機能を停止できるため、被監視者以外の者に対する誤検知を低減できる。
しかし、上記特許文献1に開示された先行技術は、被監視者以外の者の行動を被監視者の行動として誤検知することを防止できるが、被監視者の行動の検知精度を向上できないという問題がある。
本発明は、このような問題を解決するためになされたものである。すなわち、撮影された画像に基づく人物の行動の推定精度を向上できる、画像処理システム、画像処理プログラム、および画像処理方法を提供することを目的とする。
本発明の上記課題は、以下の手段によって解決される。
(1)撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の体に関する特徴点を検出する特徴点検出部と、前記画像に基づいて、前記画像の中心領域から前記対象者へ向かう方向を算出する算出部と、検出された前記特徴点の中の所定の特徴点の並び方向と、算出された前記対象者へ向かう方向とに基づいて、前記対象者の行動が所定の行動に含まれる行動かどうか判定する判定部と、前記判定部により、前記対象者の行動が前記所定の行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する出力部と、を有する画像処理システム。
(2)前記判定部は、前記所定の特徴点の並び方向と、前記対象者へ向かう方向とが所定の関係にある場合に、前記対象者の行動が前記所定の行動に含まれる行動であると判定する、上記(1)に記載の画像処理システム。
(3)前記所定の関係は、前記撮影装置から前記対象者までの距離に応じて設定される、上記(2)に記載の画像処理システム。
(4)前記所定の特徴点の並び方向は、2つの前記特徴点の一方から他方へ向かう特定方向である、上記(1)~(3)のいずれかに記載の画像処理システム。
(5)前記判定部は、複数の前記特定方向を用いて、前記対象者の行動が前記所定の行動に含まれる行動かどうか判定する、上記(4)に記載の画像処理システム。
(6)前記所定の関係は、前記所定の特徴点の並び方向と、前記対象者へ向かう方向とがなす角度が所定の閾値以上である、上記(2)または(3)に記載の画像処理システム。
(7)前記所定の行動は転倒および転落であり、前記判定部は、前記対象者の行動が、転倒および転落の少なくともいずれかであるかどうか判定する、上記(1)~(6)のいずれかに記載の画像処理システム。
(8)前記撮影装置は広角カメラであり、前記画像は、所定の領域を俯瞰する位置に設置された前記広角カメラにより撮影された前記所定の領域を含む画像である、上記(1)~(7)のいずれかに記載の画像処理システム。
(9)前記対象者へ向かう方向は、前記画像の中心領域に含まれる点と、前記所定の特徴点と、に基づいて算出される方向である、上記(1)~(8)のいずれかに記載の画像処理システム。
(10)撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の体に関する特徴点を検出する手順(a)と、前記画像に基づいて、前記画像の中心領域から前記対象者へ向かう方向を算出する手順(b)と、検出された前記特徴点の中の所定の特徴点の並び方向と、算出された前記対象者へ向かう方向とに基づいて、前記対象者の行動が所定の行動に含まれる行動かどうか判定する手順(c)と、前記手順(c)において、前記対象者の行動が前記所定の行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する手順(d)と、を有する処理をコンピューターに実行させるための画像処理プログラム。
(11)画像処理システムに実行させる方法であって、撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の体に関する特徴点を検出する段階(a)と、前記画像に基づいて、前記画像の中心領域から前記対象者へ向かう方向を算出する段階(b)と、検出された前記特徴点の中の所定の特徴点の並び方向と、算出された前記対象者へ向かう方向とに基づいて、前記対象者の行動が所定の行動に含まれる行動かどうか判定する段階(c)と、前記段階(c)において、前記対象者の行動が前記所定の行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する段階(d)と、を有する画像処理方法。
撮影された画像に基づいて対象者の体に関する特徴点を検出し、所定の特徴点の並び方向と、画像の中心領域から対象者へ向かう方向とに基づいて、対象者の行動が所定の行動に含まれるか判定し、含まれると判定したときに対象者の行動に関する情報を出力する。これにより、撮影された画像に基づく人物の行動の推定精度を向上できる。
以下、図面を参照して、本発明の実施形態に係る、画像処理システム、画像処理プログラム、および画像処理方法について説明する。なお、図面において、同一の要素には同一の符号を付し、重複する説明を省略する。図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。また、2つの方向がなす角度は、例えば、60度と300度(360度-60度)というように2つの角度が観念できるが、本明細書においては、当該2つの角度のうち小さい方の角度のことを意味する。
図1は、画像認識システム10の概略構成を示す図である。
画像認識システム10は、検出部100、サーバー200、通信ネットワーク300、および携帯端末400を有する。検出部100は、通信ネットワーク300によりサーバー200および携帯端末400と相互に通信可能に接続される。携帯端末400はアクセスポイント310を介して通信ネットワーク300と接続され得る。検出部100は、画像処理システムを構成する。検出部100は、1つの一体化された装置でも、分離配置される複数の装置でもあり得る。なお、後述するように、検出部100の機能の一部をサーバー200が実施するようにしてもよい。
(検出部100)
図2は、検出部100の構成を示すブロック図である。図2の例に示すように、検出部100は、制御部110、通信部120、カメラ130、および体動センサー140を備え、これらはバスによって相互に接続されている。カメラ130は、撮影装置を構成する。
図2は、検出部100の構成を示すブロック図である。図2の例に示すように、検出部100は、制御部110、通信部120、カメラ130、および体動センサー140を備え、これらはバスによって相互に接続されている。カメラ130は、撮影装置を構成する。
制御部110は、CPU(Central Processing Unit)、およびRAM(Random Access Memory)、ROM(Read Only Memory)等のメモリにより構成され、プログラムに従って検出部100の各部の制御および演算処理を行う。制御部110は、特徴点検出部、算出部、および判定部を構成する。制御部110は、通信部120とともに出力部を構成する。制御部110の作用の詳細については後述する。
通信部120は、通信ネットワーク300を介して、携帯端末400等と通信するためのインターフェース回路(例えばLANカード等)である。
カメラ130は、例えば広角カメラである。カメラ130は、検出部100が対象者500の居室の天井等に設置されることで、所定の領域を俯瞰する位置に設置され、当該所定の領域を含む画像(以下、単に「画像600」とも称する)を撮影する。対象者500は、例えばスタッフ等により介護または看護を必要とする者である。所定の領域は対象者500の居室の床面全体を含む3次元の領域であり得る。カメラ130は、広角カメラより画角が狭い標準カメラであってもよい。以下、説明を簡単にするために、カメラ130は、広角カメラであるものとして説明する。画像600には、対象者500が画像として含まれ得る。画像600には、静止画および動画が含まれる。カメラ130は近赤外線カメラであり、LED(Light Emitting Device)により近赤外線を撮影領域に向けて照射し、撮影領域内の物体により反射される近赤外線の反射光をCMOS(Complememtary Metal Oxide Semiconductor)センサーにより受光することで所定の領域を撮影し得る。画像600は近赤外線の反射率を各画素とするモノクロ画像であり得る。カメラ130は、近赤外線カメラに代替して可視光カメラを用いてもよく、これらを併用してもよい。
体動センサー140は、ベッド700に対してマイクロ波を送受信して対象者500の体動(例えば呼吸動)によって生じたマイクロ波のドップラシフトを検出するドップラシフト方式のセンサーである。
制御部110の作用について説明する。
制御部110は、画像600から人の画像のシルエット(以下、「人シルエット」と称する)を検出する。人シルエットは、例えば、撮影時刻が前後する画像(フレーム)の差分を抽出する時間差分法により差分が相対的に大きい画素の範囲を抽出することで検出され得る。人シルエットは、撮影画像と背景画像との差分を抽出する背景差分法により検出されてもよい。制御部110は、人シルエットに基づいて、対象者500の所定の行動を検出し得る。所定の行動には、例えば、転倒および転落が含まれる。制御部110は、例えば、検出されたシルエットの重心が、時系列で動いていた状態から急に停止した状態に変化したことや、人シルエットに対応する矩形のアスペクト比の変化等により、転倒を検出し得る。制御部110は、例えば、人シルエットがベッド700の領域内に存在している状態から急にベッド700の領域外に存在している状態に変化したことや、人シルエットに対応する矩形のアスペクト比の変化等により、転落を検出し得る。画像600におけるベッド700の領域は、検出部100が設置される際に予め設定され、データとして制御部110のメモリに記憶され得る。
制御部110は、画像600に基づいて、対象者500を含む領域として、人物領域610を検出し、人物領域610から、人の体に関する特徴点(以下、単に「特徴点620」と称する)を検出する。
図3は、画像600において検出された人物領域610を示す図である。
制御部110は、画像600から、人物である対象者500を含む領域を人物領域610として検出する。具体的には、制御部110は、画像600上で物体(オブジェクト)が存在する領域を検出し、検出した領域に含まれる物体のカテゴリーを推定することで、人物領域610を検出し得る。物体が存在する領域は、画像600上で物体が含まれる矩形(候補矩形)として検出され得る。検出部100は、検出された候補矩形のうち、物体のカテゴリーが人物であると推定された候補矩形を検出することで、人物領域610を検出する。人物領域610は、ニューラルネットワーク(以下、「NN」と称する)を用いて検出され得る。NNによる人物領域610の検出方法としては、例えば、Faster R-CNN、Fast R-CNN、およびR-CNNといった公知の方法が挙げられる。画像600から人物領域610を検出するためのNNは、画像600と、当該画像600に対する正解として設定された人物領域610との組合せの教師データを用いて、画像600から人物領域610を検出(推定)するための学習が予めされる。
図4は、特徴点620を示す図である。
制御部110は、人物領域610に基づいて、特徴点620を検出する。特徴点620には、関節点621、および頭部(例えば、頭部矩形)の対頂点622が含まれ得る。特徴点620には、例えば、足の先端の2つの関節点621a、621bの中央点621cがさらに含まれ得る。当該中央点621cは、足の先端の2つの関節点620a、621bに基づいて算出される。特徴点620は、DeepPose等のNNを用いた公知の技術により検出され得る。特徴点620は、画像600における座標として検出(および算出)され得る。DeepPoseについては、公知の文献(Alexander Toshev, et al. “DeepPose: Human Pose Estimation via Deep Neural Networks”, in CVPR, 2014)に詳細が記載されている。人物領域610から特徴点620を検出するためのNNは、人物領域610と、当該人物領域610に対する正解として設定された特徴点620との組合せの教師データを用いて、人物領域610から特徴点620を検出(推定)するための学習が予めされる。なお、特徴点620は、画像600から特徴点620を検出するためのNNを用いて、画像600から直接推定されてもよい。この場合、画像600から特徴点620を検出するためのNNは、画像600と、当該画像600に対する正解として設定された特徴点620との組合せの教師データを用いて、画像600から特徴点620を検出(推定)するための学習が予めされる。
制御部110は、画像600に基づいて、画像600の中心領域から、画像600上の対象者500へ向かう方向(以下、「対象者方向」とも称する)を算出する。画像600の中心領域には、画像600の中心が含まれる。以下、説明を簡単にするために、対象者方向は、画像600の中心から対象者500の特徴点620の重心に向かう方向であるものとして説明する。なお、対象者方向は、画像600の中心から人物領域610の中心に向かう方向であってもよい。また、対象者方向は、画像600の中心から腰の中心の関節点621eに向かう方向等であってもよい。
制御部110は、検出された特徴点620の中の所定の特徴点620の並び方向(以下、「特徴点並び方向」とも称する)と、対象者方向とに基づいて、対象者500の行動が所定の行動に含まれる行動かどうかを判定する。所定の特徴点620は、対象者500の身長方向に並ぶ複数の特徴点620であり、所定の行動に含まれるかどうかの判定精度の観点から、実験により、検出された特徴点620の中から、適当に選択され得る。特徴点並び方向は、2つの所定の特徴点の一方から他方へ向かう方向(以下、「特定方向」とも称する)であり得る。特徴点並び方向は、3つ以上の所定の特徴点からの距離の2乗和が最小となる直線と平行な方向であってもよい。所定の行動は、複数の行動であっても単一の行動であってもよい。所定の行動には、転倒および転落が含まれ得る。具体的には、制御部110は、人シルエット等に基づいて、対象者500の行動が所定の行動の中のいずれか(例えば、転倒)として検出された場合に、特徴点並び方向と対象者方向とに基づいて、検出された行動が、所定の行動に含まれる行動(例えば、転倒および転落)に該当するかどうかを判定(再判断)する。対象者500の行動が、所定の行動に含まれる行動かどうかの判定は、人シルエットに基づいて所定の行動のいずれか1つが検出された画像600に対して行われる。
図5は、特徴点並び方向を示す図である。特徴点並び方向は、図5において、実線の矢印で示されている。
図5の例においては、所定の特徴点を、足の先端の2つの関節点620a、620bの中央点621cと、肩の中心の関節点621dの2つの特徴点620とし、足の先端の2つの関節点620a、620bの中央点621cから肩の中心の関節点621dへ向かう方向を特徴点並び方向としている。特徴点並び方向は、足の先端の2つの関節点620a、620bの中央点621cから腰の中心の関節点621eへ向かう方向であってもよい。また、特徴点並び方向は、腰の中心の関節点621eから肩の中心の関節点621dへ向かう方向等であってもよい。
特徴点並び方向と、対象者方向とに基づく、対象者500の行動が所定の行動に含まれるかどうかの判定方法について、さらに詳細に説明する。
制御部110は、特徴点並び方向と、対象者方向とが所定の関係にある場合に、対象者500の行動が、所定の行動に含まれる行動であると判定する。例えば、制御部110は、特徴点並び方向と、対象者方向とがなす角度が所定の閾値以上である場合に、対象者500の行動が、所定の行動に含まれる行動であると判定する。所定の閾値は、対象者500の行動が、所定の行動に含まれるかどうかの判定精度の観点から、実験により、適当に設定し得る。
図6は、広角カメラによる画像600において、特徴点並び方向と対象者方向を示す図である。図7は、広角カメラによる画像600において、対象者500が歩行しているときの特徴点並び方向と対象者方向との関係を示す図である。図8は、広角カメラによる画像600において、対象者500が転倒および転落の少なくともいずれかをしているときの特徴点並び方向と対象者方向との関係を示す図である。これらの図においては、特徴点並び方向が、画像600上の実線の矢印として示されている。また、対象者方向が、破線の矢印として示されている。図6においては、特徴点620が、対象者500の画像とともにさらに示されている。
対象者500が歩行という行動をしている場合は、対象者500は立位の姿勢にある。対象者500が転倒および転落のいずれかの行動をしている場合は、対象者500は臥位の姿勢にある。図7および図8を参照すると、対象者500が立位の姿勢である場合は、特徴点並び方向と対象者方向とは互いに平行に近い方向になり、両者のなす角度θは比較的小さくなる。対象者500が臥位の姿勢である場合は、特徴点並び方向と対象者方向とは互いに直交に近づき、両者のなす角度θは比較的大きくなる。この傾向は、広角カメラによる画像600では、広角カメラの広角レンズのもつ歪み特性に起因してより顕著になるが、画像600が比較的広い領域を俯瞰して撮影された画像であれば、標準カメラによる画像600であっても、同様な傾向が見られる。従って、特徴点並び方向と、対象者方向とがなす角度θが所定の閾値以上であれば、対象者500の行動が、所定の行動である転倒および転落の少なくともいずれかであると判定できる。なお、特徴点並び方向と、対象者方向とに基づく判定では、転倒および転落を区別しない。しかし、転倒か転落かは、人シルエットに基づく所定の行動の検出において区別されているため、転倒および転落の少なくともいずれかであると判定できれば十分である。人シルエットに基づいて転倒または転落が検出されたときに、さらに、特徴点並び方向と、対象者方向とに基づいて、転倒および転落の少なくともいずれかであると判定することにより、転倒および転落の検出精度を向上できる。
上述した、対象者500の行動が、所定の行動である、転倒および転落の少なくともいずれかであると判定するための、特徴点並び方向と、対象者方向とがなす角度θに設定される所定の閾値は、カメラ130から対象者500までの距離に応じて設定され得る。カメラ130から対象者500までの距離は、画像600における、画像600の中心から対象者500までの距離に対応する。従って、所定の閾値が、カメラ130から対象者500までの距離に応じて設定されることは、所定の閾値が、画像600における、画像600の中心から対象者500までの距離に応じて設定されることに対応する。例えば、画像600の中心から比較的短い距離の範囲内を第1範囲、画像600の中心から比較的遠い距離の範囲内を第3範囲、第1範囲と第3範囲の間の範囲を第2範囲とする。そして、第1範囲に設定する所定の第1閾値、第2範囲に設定する所定の第2閾値、第3範囲に設定する所定の第3閾値の順に、閾値である角度を大きく設定し得る。例えば、第1閾値を80度、第2閾値を70度、第3閾値を60度に設定する。これにより、画像600の中心からの距離が短いほど所定の行動に含まれると判定する基準を厳しい基準にする。これは、画像600の中心に近い対象者500の方が、立位の姿勢と、臥位の姿勢とにおける、特徴点並び方向と、対象者方向とがなす角度θの差が小さくなる傾向があるため、所定の行動に該当するかどうかの判定が困難になるからである。この傾向は、広角カメラで撮影された画像600のように、広角レンズの特性に起因して、画像600の中心の歪みは比較的小さく、周辺に行くに従い歪みが大きくなっているような場合に特に顕著になる。
制御部110は、複数の特定方向(2つの所定の特徴点の一方から他方へ向かう方向)を用い、複数の特定方向と対象者方向との関係に基づいて、所定の行動に含まれるかどうか判定し得る。例えば、足の先端の2つの関節点620a、620bの中央点621cから腰の中心の関節点621eへ向かう方向を第1特定方向として、当該第1特定方向と対象者方向とのなす角度が所定の閾値以上であるかどうか判断する。腰の中心の関節点621eから肩の中心の関節点621dへ向かう方向を第2特定方向として、当該第2特定方向と対象者方向とのなす角度が所定の閾値以上であるかどうか判断する。そして、いずれかの角度が所定の閾値以上であると判断した場合に、所定の行動の少なくともいずれかの行動(所定の行動に含まれる行動)であると判定し得る。
制御部110は、特徴点並び方向と、対象者方向とに基づいて、対象者500の行動が所定の行動の少なくともいずれかの行動であると判定した場合、対象者500の行動に関する情報を、通信部120によりサーバー200に送信すること等により、出力する。対象者500の行動に関する情報は、対象者500の行動が所定の行動の少なくともいずれかであることを示す第1情報、または、人シルエットに基づき検出された所定の行動の確度(確率)が高いことを示す第2情報であり得る。第1情報は、例えば、「対象者500の行動が、転倒および転落の少なくともいずれかである」という情報である。第2情報は、例えば、「検出された行動である確率が高い」という情報である。制御部110は、対象者500の行動に関する情報と関連付けて、人シルエットに基づいて検出された、対象者500の所定の行動を示す行動特定情報をさらにサーバー200等に送信し得る。第1情報、第2情報、および行動特定情報には、対象者500のID(番号)等の対象者500を特定する情報、および画像600の撮影時間等が含まれることで関連付けされ得る。後述するように、サーバー200において、行動特定情報と、対象者500の行動に関する情報と、に基づいて、対象者500が、人シルエットに基づいて検出された所定の行動をしたという最終判断がされ得る。
一方、制御部110が、人シルエットに基づいて対象者500の所定の行動のいずれかが検出され、かつ、特定方向と対象者方向との関係に基づいて所定の行動の少なくともいずれかであると判定された場合に、対象者500が人シルエットに基づいて検出された所定の行動をしたという最終判断をしてもよい。この場合、制御部110は、対象者500が所定の行動をしたという最終判断を示す第3情報を、対象者500の行動に関する情報としてサーバー200等に送信(出力)し得る。なお、行動特定情報はサーバー200等に送信される必要はない。第3情報は、例えば、「対象者500が転倒した」という情報である。第3情報には、対象者500の氏名等の対象者500を特定する情報が含まれる。
(サーバー200)
図9は、サーバー200の構成を示すブロック図である。サーバー200は、制御部210、通信部220、および記憶部230を備える。各構成要素は、バスによって、相互に接続されている。
図9は、サーバー200の構成を示すブロック図である。サーバー200は、制御部210、通信部220、および記憶部230を備える。各構成要素は、バスによって、相互に接続されている。
制御部210および通信部220の基本構成は、検出部100の対応する構成要素である、制御部110および通信部120と同様である。
制御部210は、通信部220により、検出部100から対象者500の行動に関する情報を受信する。制御部210は、検出部100から行動特定情報をさらに受信し得る。
制御部21は、対象者500の行動に関する情報が、対象者500の行動が所定の行動の少なくともいずれかであることを示す第1情報である場合、対象者500が、行動特定情報が示す所定の行動をしたという最終判断をする。制御部21は、対象者500の行動に関する情報が、人シルエットに基づき検出された所定の行動の確度(確率)が高いことを示す第2情報である場合も、同様に、対象者500が、行動特定情報が示す所定の行動をしたという最終判断をする。制御部21は、行動特定情報が示す所定の行動をしたという最終判断をしたときに、対象者500が所定の行動(例えば、転倒)をしたことをスタッフ等に通知するためのイベント通知を、携帯端末400等に送信し得る。
制御部21は、対象者500の行動に関する情報が、対象者500の所定の行動をしたという最終判断を示す第3情報である場合、対象者500が所定の行動をしたことをスタッフ等に通知するためのイベント通知を、携帯端末400等に送信し得る。
なお、サーバー200は、検出部100の機能の一部を代替して実施し得る。例えば、サーバー200は、検出部100から画像600を受信し、画像600から人シルエットを検出し、人シルエットに基づいて、対象者500の所定の行動を検出する。対象者500の所定の行動が検出されたときに、人物領域610を検出して、人物領域610に基づいて、特徴点620を検出する。そして、画像600等に基づいて対象者方向を算出し、特徴点並び方向と対象者方向とに基づいて、人シルエットに基づいて検出された対象者500の所定の行動が、所定の行動に含まれる行動かどうか判定し得る。
(携帯端末400)
図10は、携帯端末400の構成を示すブロック図である。携帯端末400は、制御部410、無線通信部420、表示部430、入力部440、および音声入出力部450を備える。各構成要素は、バスにより相互に接続されている。携帯端末400は、例えば、タブレット型コンピューター、スマートフォン、または携帯電話等の通信端末機器によって構成され得る。
図10は、携帯端末400の構成を示すブロック図である。携帯端末400は、制御部410、無線通信部420、表示部430、入力部440、および音声入出力部450を備える。各構成要素は、バスにより相互に接続されている。携帯端末400は、例えば、タブレット型コンピューター、スマートフォン、または携帯電話等の通信端末機器によって構成され得る。
制御部410は、検出部100の制御部110の構成と同様に、CPU、RAM、ROMなどの基本構成を備える。
無線通信部420は、Wi-Fi、Bluetooth(登録商標)などの規格による無線通信を行う機能を有し、アクセスポイントを経由して、または直接に各装置と無線通信する。無線通信部420は、イベント通知をサーバー200から受信する。
表示部430および入力部440は、タッチパネルであり、液晶などで構成される表示部430の表示面に、入力部440としてのタッチセンサーが設けられる。表示部430、入力部440によって、イベント通知を表示する。そして、イベント通知に関する対象者500への対応を促す入力画面を表示するとともに、当該入力画面に入力された、スタッフによるイベント通知への対応の意思を受け付ける。
音声入出力部450は、例えばスピーカーとマイクであり、無線通信部420を介して他の携帯端末400との間でスタッフ相互間の音声通話を可能にする。また、音声入出力部450は、無線通信部420を介して検出部100との間で音声通話を可能にする機能を備え得る。
画像認識システム10の動作について説明する。
図11は、画像認識システム10の動作を示すフローチャートである。本フローチャートは、プログラムに従い、制御部110により実行される。
制御部110は、画像600から検出した人シルエットに基づいて、対象者500の所定の行動を検出したことを契機に、画像600に基づいて、対象者500の特徴点620を検出する(S101)。
制御部110は、検出された特徴点620に基づいて、特徴点並び方向を算出する(S102)。
制御部110は、画像600および特徴点620に基づいて、対象者方向を算出する(S103)。
制御部110は、特徴点並び方向と、対象者方向とに基づいて、対象者500の行動が所定の行動である、転倒および転落の少なくともいずれかであるかどうか(転倒および転落に含まれるかどうか)を判定する(S104)。
制御部110は、対象者500の行動が所定の行動である、転倒および転落のいずれでもないと判定した場合は(S105:NO)、処理を終了する。
制御部110は、対象者500の行動が所定の行動である、転倒および転落の少なくともいずれかであると判定した場合は(S105:YES)、対象者の行動に関する情報をサーバー200へ送信することで出力する(S106)。
実施形態は以下の効果を奏する。
撮影された画像に基づいて対象者の特徴点を検出し、特徴点並び方向と、対象者方向とに基づいて、対象者の行動が所定の行動に含まれるか判定し、含まれると判定したときに対象者の行動に関する情報を出力する。これにより、撮影された画像に基づく人物の行動の推定精度を向上できる。
さらに、特徴点並び方向と、対象者方向とが所定の関係にある場合に、対象者の行動が所定の行動であると判定する。これにより、撮影された画像に基づく人物の行動の推定精度をさらに向上できる。
さらに、上記所定の関係を、撮影装置から対象者までの距離に応じて設定する。これにより、対象者の位置によらず、画像に基づいて人物の行動を高精度に推定できる。
さらに、特徴点並び方向を、2つの特徴点の一方から他方へ向かう特定方向とする。これにより、より簡単に、撮影された画像に基づく人物の行動の推定精度を向上できる。
さらに、複数の特定方向を用いて、対象者の行動が所定の行動に含まれるか判定する。これにより、対象者の同じ姿勢に属する様々な体勢について、画像に基づいて人物の行動を高精度に推定できる。
さらに、所定の関係を、特徴点並び方向と、対象者方向とがなす角度が所定の閾値以上とする。これにより、さらに簡単に、撮影された画像に基づく人物の行動の推定精度を向上できる。
さらに、所定の行動を転倒および転落とし、対象者の行動が、転倒および転落の少なくともいずれかであるかどうかを判定する。これにより、撮影された画像に基づく人物の行動の推定精度をさらに向上できる。
さらに、画像を、所定の領域を俯瞰する位置に設置された広角カメラにより撮影された所定の領域を含む画像とする。これにより、より効果的に、撮影された画像に基づく人物の行動の推定精度を向上できる。
さらに、対象者方向を、画像の中心領域に含まれる点と、特徴点とに基づいて算出される方向とする。これにより、対象者方向の算出に特徴点の算出結果を利用できる。
以上に説明した画像認識システム10の構成は、上述の実施形態の特徴を説明するにあたって主要構成を説明したのであって、上述の構成に限られず、特許請求の範囲内において、種々改変することができる。また、一般的な画像認識システムが備える構成を排除するものではない。
例えば、実施形態においては、特徴点並び方向と、対象者方向とがなす角度が所定の閾値以上となった場合に、対象者の行動が所定の行動に含まれると判定している。しかし、例えば、特徴点並び方向と、対象者方向とがなす角度の正弦値を算出し、算出した正弦値が所定の閾値以上である場合に、対象者の行動が所定の行動に含まれると判定してもよい。
また、検出部100、サーバー200、および携帯端末400は、それぞれ複数の装置により構成されてもよく、いずれか複数の装置が単一の装置として構成されてもよい。
また、上述したフローチャートは、一部のステップを省略してもよく、他のステップが追加されてもよい。また各ステップの一部は同時に実行されてもよく、一つのステップが複数のステップに分割されて実行されてもよい。
また、上述した画像認識システム10における各種処理を行う手段および方法は、専用のハードウェア回路、またはプログラムされたコンピューターのいずれによっても実現することが可能である。上記プログラムは、例えば、USBメモリやDVD(Digital Versatile Disc)-ROM等のコンピューター読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピューター読み取り可能な記録媒体に記録されたプログラムは、通常、ハードディスク等の記憶部に転送され記憶される。また、上記プログラムは、単独のアプリケーションソフトとして提供されてもよいし、一機能としてその検出部等の装置のソフトウエアに組み込まれてもよい。
本出願は、2019年8月7日に出願された日本特許出願(特願2019-145511号)に基づいており、その開示内容は、参照され、全体として、組み入れられている。
Claims (11)
- 撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の体に関する特徴点を検出する特徴点検出部と、
前記画像に基づいて、前記画像の中心領域から前記対象者へ向かう方向を算出する算出部と、
検出された前記特徴点の中の所定の特徴点の並び方向と、算出された前記対象者へ向かう方向とに基づいて、前記対象者の行動が所定の行動に含まれる行動かどうか判定する判定部と、
前記判定部により、前記対象者の行動が前記所定の行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する出力部と、
を有する画像処理システム。 - 前記判定部は、前記所定の特徴点の並び方向と、前記対象者へ向かう方向とが所定の関係にある場合に、前記対象者の行動が前記所定の行動に含まれる行動であると判定する、請求項1に記載の画像処理システム。
- 前記所定の関係は、前記撮影装置から前記対象者までの距離に応じて設定される、請求項2に記載の画像処理システム。
- 前記所定の特徴点の並び方向は、2つの前記特徴点の一方から他方へ向かう特定方向である、請求項1~3のいずれか一項に記載の画像処理システム。
- 前記判定部は、複数の前記特定方向を用いて、前記対象者の行動が前記所定の行動に含まれる行動かどうか判定する、請求項4に記載の画像処理システム。
- 前記所定の関係は、前記所定の特徴点の並び方向と、前記対象者へ向かう方向とがなす角度が所定の閾値以上である、請求項2または3に記載の画像処理システム。
- 前記所定の行動は転倒および転落であり、
前記判定部は、前記対象者の行動が、転倒および転落の少なくともいずれかであるかどうか判定する、請求項1~6のいずれか一項に記載の画像処理システム。 - 前記撮影装置は広角カメラであり、前記画像は、所定の領域を俯瞰する位置に設置された前記広角カメラにより撮影された前記所定の領域を含む画像である、請求項1~7のいずれか一項に記載の画像処理システム。
- 前記対象者へ向かう方向は、前記画像の中心領域に含まれる点と、前記所定の特徴点と、に基づいて算出される方向である、請求項1~8のいずれか一項に記載の画像処理システム。
- 撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の体に関する特徴点を検出する手順(a)と、
前記画像に基づいて、前記画像の中心領域から前記対象者へ向かう方向を算出する手順(b)と、
検出された前記特徴点の中の所定の特徴点の並び方向と、算出された前記対象者へ向かう方向とに基づいて、前記対象者の行動が所定の行動に含まれる行動かどうか判定する手順(c)と、
前記手順(c)において、前記対象者の行動が前記所定の行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する手順(d)と、
を有する処理をコンピューターに実行させるための画像処理プログラム。 - 画像処理システムに実行させる方法であって、
撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の体に関する特徴点を検出する段階(a)と、
前記画像に基づいて、前記画像の中心領域から前記対象者へ向かう方向を算出する段階(b)と、
検出された前記特徴点の中の所定の特徴点の並び方向と、算出された前記対象者へ向かう方向とに基づいて、前記対象者の行動が所定の行動に含まれる行動かどうか判定する段階(c)と、
前記段階(c)において、前記対象者の行動が前記所定の行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する段階(d)と、
を有する画像処理方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019145511 | 2019-08-07 | ||
JP2019145511 | 2019-08-07 | ||
PCT/JP2020/026880 WO2021024691A1 (ja) | 2019-08-07 | 2020-07-09 | 画像処理システム、画像処理プログラム、および画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021024691A1 JPWO2021024691A1 (ja) | 2021-02-11 |
JP7435609B2 true JP7435609B2 (ja) | 2024-02-21 |
Family
ID=74502961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021537637A Active JP7435609B2 (ja) | 2019-08-07 | 2020-07-09 | 画像処理システム、画像処理プログラム、および画像処理方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7435609B2 (ja) |
WO (1) | WO2021024691A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016199749A1 (ja) | 2015-06-10 | 2016-12-15 | コニカミノルタ株式会社 | 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014010203A1 (ja) * | 2012-07-13 | 2014-01-16 | 日本電気株式会社 | 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 |
JP2019121045A (ja) * | 2017-12-28 | 2019-07-22 | コニカミノルタ株式会社 | 姿勢推定システム、行動推定システム、および姿勢推定プログラム |
-
2020
- 2020-07-09 JP JP2021537637A patent/JP7435609B2/ja active Active
- 2020-07-09 WO PCT/JP2020/026880 patent/WO2021024691A1/ja active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016199749A1 (ja) | 2015-06-10 | 2016-12-15 | コニカミノルタ株式会社 | 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021024691A1 (ja) | 2021-02-11 |
WO2021024691A1 (ja) | 2021-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7138931B2 (ja) | 姿勢解析装置、姿勢解析方法、及びプログラム | |
US7106885B2 (en) | Method and apparatus for subject physical position and security determination | |
JP7271915B2 (ja) | 画像処理プログラムおよび画像処理装置 | |
JPWO2016199749A1 (ja) | 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム | |
US11298050B2 (en) | Posture estimation device, behavior estimation device, storage medium storing posture estimation program, and posture estimation method | |
JP6115692B1 (ja) | 行動検知装置、該方法および該プログラム、ならびに、被監視者監視装置 | |
WO2016199504A1 (ja) | 行動検知装置および行動検知方法ならびに被監視者監視装置 | |
JP7351339B2 (ja) | 画像処理システム、画像処理プログラム、および画像処理方法 | |
JP7347577B2 (ja) | 画像処理システム、画像処理プログラム、および画像処理方法 | |
JP7435609B2 (ja) | 画像処理システム、画像処理プログラム、および画像処理方法 | |
JP2018082745A (ja) | 姿勢判定装置及び通報システム | |
WO2020008726A1 (ja) | 対象物体検出プログラム、および対象物体検出装置 | |
JP7388440B2 (ja) | 画像処理システム、画像処理プログラム、および画像処理方法 | |
JP6870514B2 (ja) | 見守り支援システム及びその制御方法 | |
JP2023084685A (ja) | 対象をモニタリングするための方法及びシステム | |
JP2020013185A (ja) | 見守り装置および見守り装置の制御プログラム | |
JP2021033379A (ja) | 画像処理システム、画像処理プログラム、および画像処理方法 | |
JP6115689B1 (ja) | 転倒検知装置および転倒検知方法ならびに被監視者監視装置 | |
JP5207040B2 (ja) | 転倒検知システム | |
JP7117491B2 (ja) | 認知機能評価システム、及び、プログラム | |
JP2022165483A (ja) | 検出装置、検出システム、検出方法、および検出プログラム | |
JP7314939B2 (ja) | 画像認識プログラム、画像認識装置、学習プログラム、および学習装置 | |
JP2021065617A (ja) | 画像処理装置および画像処理プログラム | |
WO2019163561A1 (ja) | 情報処理装置 | |
JP2023025761A (ja) | 見守りシステム、見守り装置、見守り方法、および見守りプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221223 |
|
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: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7435609 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |