JPH0737064A

JPH0737064A - 侵入物体検出方法および検出装置

Info

Publication number: JPH0737064A
Application number: JP5181621A
Authority: JP
Inventors: Hiroyasu Enomoto; 博康榎本; Sadanori Shintani; 定則新谷
Original assignee: Babcock Hitachi KK
Current assignee: Mitsubishi Power Ltd
Priority date: 1993-07-22
Filing date: 1993-07-22
Publication date: 1995-02-07

Abstract

(57)【要約】【目的】カメラにより監視対象領域を撮影し、その撮
影画像に基いて進入物体を監視するものにおいて、環境
変化による誤判断を防ぐとともに、処理の迅速化と装置
のコンパクト化を図る。【構成】カメラ２１により監視対象領域から短い時間
差を隔てて先に入力した画像１１ａと後に入力した画像
１１ｂとの差画像を求め、その輪郭像１１ｃを求める工
程３と、その輪郭像１１ｃよりノイズを除去する前処理
工程４と、前処理された輪郭像１４よりその輪郭の特徴
量を求める工程５と、求めた特徴量を予め学習したニュ
ーラルネットワーク６に入力して進入物体の有無を判定
する工程と、判定結果１６を表示出力部１７によりモニ
タ部２２、警報部２３に表示する工程とからなること。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、侵入物体検出方法およ
び検出装置に係り、特に、一般の人間の入場が禁止され
ている施設、例えば上下水処理場の放水口、変電所、夜
間のビルなどの侵入監視装置であって、自動的に侵入物
体（人、動物、車など）が、例えば人間であるか否かを
判断して警報を発する侵入物体検出方法および検出装置
に関するものである。

【０００２】

【従来の技術】従来の技術では単に監視カメラを設置
し、警備員がその画像から判断している場合がほとんど
である。しかし、監視場所が多いと警備員は自動または
手動で切換えられる画面を常に注視せねばならず、労働
の負荷が高いととともに、見落としの恐れが多い。ま
た、遠隔地から監視する場合、動画像を伝送するにはま
だＩＮＳなどの回線性能が不足であり、また非常に回線
料金がかかるためコストメリットから実用化が困難であ
る。

【０００３】次に多い装置としては赤外線などの透過形
センサを用いるものがあり、何らかの物体が非可視の赤
外線を遮断したことを検知し、警報するものである。こ
の場合は遮断物が監視対象物、例えば人間でなくとも警
報が出るため、確実性に難点があった。特に屋外用には
実用性に限界があった。一方、画像処理を利用した装置
も報告されているが、透過形センサの一種としての使い
方であり、基準画像との差が多いときに侵入警報を出す
ものである。清浄時の基準画像をあらかじめ準備してお
かねばならないため、監視対象地点が多いときは、多数
の基準画像をあらかじめ準備しておかねばならないとい
う問題がある。また、太陽の移動により、物体の影に基
づく誤判断が発生することもあった。

【０００４】

【発明が解決しようとする課題】すなわち、上記従来技
術では監視する警備員の負担が大き過ぎたり、コストが
かかり過ぎたり、また信頼性に難点があった。本発明
は、従来技術の持つ上記の課題を解決し、侵入物体が監
視対象物、例えば人間である確度が高い場合のみに警報
を発することにより、１人ないし少人数の警備員できわ
めて多数の監視カメラによる監視を可能とする侵入物体
検出方法および検出装置を提供するものである。また、
これを屋外環境での監視にも適用可能とし、天候の変化
や昼夜にかかわりなく自動監視を可能とする装置を提供
するものである。

【０００５】

【課題を解決するための手段】上記課題を解決するため
本願の第１の発明は、監視対象領域を撮影し画像として
入力する工程と、この入力した画像を基準となる画像と
比較して差画像を求める工程と、その差画像に基づき侵
入物体の有無を判断する判定工程とを備えた侵入物体検
出方法において、監視対象領域より所定の時間差を隔て
て先に入力した画像と後に入力した画像との差画像を求
める工程と、その差画像の輪郭線を求める工程と、その
輪郭線からノイズを除去する工程と、ノイズ除去された
輪郭線から輪郭の特徴量を求める工程と、その特徴量を
ニューラルネットワークに入力して侵入物体の有無を判
断する判定工程とを備えたことを特徴とする侵入物体検
出方法に関する。

【０００６】本願の第２の発明は、監視対象領域を撮影
し画像として入力する工程と、入力した画像を基準とな
る画像と比較して差画像を求める工程と、この差画像に
基づき侵入物体の有無を判定する工程とを備えた侵入物
体検出方法において、監視対象領域より所定の時間差を
隔てて先に入力した画像と後に入力した画像との差画像
を求める工程と、その差画像の輪郭の特徴量を求める工
程と、その特徴量をあらかじめ学習したニューラルネッ
トワークに入力して差画像の輪郭が侵入物体であるか否
かを判定する工程とからなり、前記差画像を求める工程
は、時間差を隔てた２つの画像の差があらかじめ定めた
数およびまたは量より大きいときは、それ以降の処理を
一旦中断して、前記後に入力した画像を基準画像として
所定時間後に入力する新画像との差画像を求めるように
構成したことを特徴とする侵入物体検出方法に関する。

【０００７】本願の第３の発明は、監視対象領域を撮影
した画像を入力する工程と、入力した画像を基準となる
画像と比較して差画像を求める工程と、この差画像に基
づき侵入物体の有無を判定する工程とを備えた侵入物体
検出方法において、所定の短い時間差を隔てて先に入力
した画像と後に入力した画像との差画像を求める工程
と、この差画像の輪郭の特徴量を求める工程と、この特
徴量をニューラルネットワークに入力して差画像の輪郭
が侵入物体であるか否かを判定するとともに、最初に侵
入物体と判定したときは、これを侵入物体候補となす工
程と、続いて監視対象領域から入力した画像について前
記侵入物体候補に対応する位置の輪郭を求めてこの輪郭
の特徴量を求める工程と、この特徴量をニューラルネッ
トワークに入力してその輪郭が侵入物体であるか否かを
判定する工程とを備えたことを特徴とする侵入物体検出
方法に関する。

【０００８】本願の第４の発明は、上記第３の発明にお
いて、差画像の輪郭が侵入物体候補となされた後に、監
視対象領域から所定の時間差を隔てて入力された２つの
画像について、前記侵入物体候補に対応する位置の画像
について輪郭を求め、これら２つの輪郭についての特徴
量を求める工程と、これら２つの特徴量についての特徴
距離を求める工程と、この特徴距離に基づき前記輪郭が
侵入物体であるか否かの同定判定を行う工程とを備えた
ことを特徴とする侵入物体検出方法に関する。

【０００９】本願の第５の発明は、監視対象領域を撮影
し画像として入力する手段と、この入力した画像と基準
となる画像を比較して差画像を求める手段と、その差画
像に基づき侵入物体の有無を判断する判定手段とを設け
た侵入物体検出装置において、前記画像撮影入力手段に
より所定の時間差を隔てて先に入力した画像と後に入力
した画像との差画像を求める手段と、その差画像の輪郭
の特徴量を求める手段と、この特徴量を入力して侵入物
体の有無を判断するニューラルネットワーク手段とを設
けたことを特徴とする侵入物体検出装置に関する。

【００１０】本願の第６の発明は、上記第５の発明にお
いて、輪郭の特徴量として、輪郭高さ、輪郭幅、縦横
比、輪郭線長さ、輪郭線の囲む面積、輪郭比、主軸、主
軸方向縦横比のうちの１つ以上を用いることを特徴とす
る侵入物体検出装置に関する。

【００１１】

【作用】本発明では、まず単位時間差ごとの画像を比較
するので、天候の変化等に追従して差画像を得ることが
できる。すなわち、快晴で影があれば、影のある画像同
士で比較するため、影は太陽の移動による微小な変化を
除き差画像にあらわれない。そしてこのような影はノイ
ズ除去操作で容易に除去できる。

【００１２】次に監視対象物の持つ形態的な特徴量を抽
出して、あらかじめ監視対象物と非監視対象物の判断を
学習させたニューラルネットに入力し、その出力から、
より確実度を増した侵入物体判定ができる。さらに差画
像そのものをニューラルネットに入力するのでなく、差
画像についてその特徴量を抽出し、その特徴量をニュー
ラルネットに入力して判断させているので、判断処理が
短時間で行えるとともに、ニューラルネットも比較的小
規模で間に合うことになる。

【００１３】

【実施例】図１に本発明による一実施例を示す。侵入監
視装置１０１は、監視カメラ２１からの画像信号を、制
御部１０の指令するタイミングで、画像入力部１により
入力し、フレームメモリ１１ａに記憶する。これは時間
ｔ＝０の画像である。次にあらかじめ決められた時間Ｔ
が経過したときに、制御装置１０は画像転送部２に、フ
レームメモリ１１ａの内容を１１ｂに転送する指示を与
え、そのように実行される。継いで制御部１０は画像入
力部１に指令し、現在の画像を取り込み、フレームメモ
リ１１ａに格納する。このとき、フレームメモリ１１ａ
にはｔ＝０の、同１１ｂにはｔ＝−Ｔの画像が格納され
ている。この画像サンプリング周期Ｔは、例えば３０秒
とする。これは画像データの最小処理周期と、要求され
る判定時間および人間の移動速度とカメラの視野の関係
から決定される。

【００１４】ここで制御部１０は、差画像処理部３に指
令し、フレームメモリ１１ａと１１ｂの画像を入力し、
両者の差演算とその輪郭線抽出をし、その結果をフレー
ムメモリ１１ｃに格納する。ここで、差演算は次式のよ
うな明度の差の絶対値をとるこが一般的である。

【００１５】

【数１】ｄ^ij＝｜Ｂ₀ ^ij−Ｂ_T ^ij｜（１）ここで、ｄ：明度差の絶対値Ｂ₀ ：ｔ＝０の明度Ｂ_T ：ｔ＝−Ｔの明度ｉ、ｊ：画素の座標継いで１１ｃの内容に、前処理部４により後段の特徴抽
出のための前処理を施す。前処理の一例はノイズ除去で
ある。これは監視対象物体、例えば人間に比較して小さ
な画像はあらかじめ除去して、特徴抽出処理の負荷を軽
減するためのものである。以上の各段の個々の処理は全
て公知の技術を使って実現できる。

【００１６】次に特徴抽出部５にて特徴量ｆを抽出す
る。輪郭画像の特徴量は次のようなものが挙げられる。Ｈ：輪郭高さ（垂直方向）Ｗ：輪郭幅（水平方向） λ：縦横比（＝Ｈ／Ｗ）Ｌ：輪郭線長さＡ：輪郭線の囲む面積 μ：輪郭比（＝Ｌ／Ａ） θ：主軸傾き（輪郭を楕円で近似したときの主軸と垂直
軸の傾き） υ：主軸方向縦横比（近似楕円の長径／短径比）特徴量は、輪郭データの統計処理等によって抽出する。
図２、図３に輪郭線データの例を示す。ここでは輪郭線
データは、輪郭の原点とそこを始点とする相対座標で表
わした。ここで輪郭の原点とは、輪郭を外包する長方形
の最も左上の点である。これより、

【００１７】

【数２】Ｈ＝ＭＡＸ（ｖ）−ＭＩＮ（ｖ）＋１（２）Ｗ＝ＭＡＸ（ｈ）−ＭＩＮ（ｈ）＋１（３）Ｌ＝Σ（ＳＱＲＴ（（ｖ_i−ｖ_j）²＋（ｈ_i−ｈ_j）²））（４）等の演算によって各特徴量が求められる。ここでＭＡ
Ｘ、ＭＩＮは最大値、最小値を得る演算、ＳＱＲＴは平
方根を求める演算であり、ｖ、ｈはそれぞれ横と縦の座
標である。

【００１８】以上のうち、監視対象物体、例えば人間の
形状認識に有効な特徴量ｆを組合わせて選ぶ。例えば簡
単な例としてＨ（輪郭高さ）、Ｗ（輪郭幅）、Ａ（面
積）、λ（縦横比）、μ（輪郭比）を用いる。

【００１９】

【数３】ｆ＝ｆ（Ｈ、Ｗ、Ａ、λ、μ）（５）ここで、Ｈ、Ｗ、Ａは絶対的な大きさの特徴に関連し、
λとμは形状の特徴に関連する。以上の処理を特徴抽出
部５で行い、結果を特徴データ用メモリ１５に格納す
る。

【００２０】次にこれらの特徴量をニューラルネットウ
エア６に入力するが、このニューラルネットウエアはあ
らかじめ教師データを用いて人間か否かの学習をさせて
おく。この学習を行う制御ブロックを図４に示す。これ
はバックプロパゲーションによるニューラルネットワー
クの場合であり、人間であるデータと人間でないデータ
をｐ種類、学習パターンとして用意し、これらの特徴量
ｙを与え、一方それが人間であるかないかを教師信号ｔ
として与え、ニューラルネットワークの出力ｙ^pと教師
信号ｔの偏差が極力小さくなるよう、重み係数ｗを調整
する。出力は０から１の間で変化するものとし、例えば
人間で１、非人間で０となるように学習させる。この過
程を繰返し、輪郭線の特徴量を入力として、人間である
かないかを出力とするニューラルネットワーク６を完成
する。

【００２１】以上のようにしてあらかじめ作成したニュ
ーラルネットワーク部６に、特徴データ１５を入力す
る。そしてその出力を判定結果メモリ１６に格納する。
次にこれを表示出力部７に入れ、表示装置（モニタ）２
２に表示する。また、必要に応じて警報２３を鳴動させ
る。次に以上の処理の理解を助けるため、排水口侵入監
視に使用した場合の処理経過を具体例として図５に示
す。本図では処理手順とそのときのフレームメモリ等の
内容を視覚的に示す。

【００２２】まず、画像を時間Ｔだけ離して２つ入力す
る。そしてそれらの差演算を実施する。この例では、侵
入者のほかに排水口の縁の影、水面のきらめきなどの変
化による差画像が抽出された。次にノイズを除去する。
本例では単に面積Ａの規定値より小さな輪郭を機械的に
除去するものとした。

【００２３】そして輪郭線の特徴を抽出する。この図の
例では高さＨ、幅Ｗ、面積Ａの３特徴を得た場合を示
す。そしてＨとＷより縦横比λも求めると、特徴量は４
つである。これらをニューラルネットに入力する。そし
て人間（１）から非人間（０）までの間の値を得る。そ
して人間（１）に近い値が得られた場合、警報音を鳴ら
すとともに、監視モニタの表示を本画像に切換え、さら
に図のようにその輪郭を囲み、警備員の注意を促す。

【００２４】次に、環境変化の非常に激しいときの処理
を図６に示す。画像処理における環境とは、主に光線の
変化をいう。ここでは曇天時に、急に雲間から太陽が射
した場合を示した。この変化が（ｔ＝−Ｔ）から（ｔ＝
０）の間で起こった場合、図６に示すように多くの影が
差画像として発生する。これを全て特徴抽出し、ニュー
ラルネットワークに全て入力して判断することも可能で
あるが、特徴量抽出処理にかなりの負荷がかかるためあ
まり得策ではない。このように差画像が大量に発生した
場合は、特徴量抽出処理から左記の処理を省略し、次の
画像取り込みサイクルを待つこととする。以上の処理を
制御部１０によって実行する。

【００２５】以上の構成において、侵入物体を検出する
ための差画像抽出の基準画像を、時間Ｔだけ離れた時点
の画像を用いるため、天候、昼夜、四季などの環境の変
化分を除去した差画像が得られるため、後段の画像認識
処理に負担をかけず、また検出精度を向上できる。上記
の実施例では固定的なＴを用いた１画像同士の差演算を
用いたが、複数の時点の差画像を蓄積すれば、より確度
を向上できる。

【００２６】また、以上の説明ではカメラが固定である
ことを前提としたが、画像サンプリング時間Ｔの応用と
して、カメラを首振りやズーム操作させた場合も、動作
後の固定状態になったところで画像サンプリングを開始
すれば、１台のカメラでより広い範囲を、またズームに
より精度よく監視可能である。次に特徴量抽出である
が、輪郭データまでは画像処理装置によってハードウエ
ア主体で求められるため、きわめて高速に処理し得る。
特徴抽出処理はソフトウエア主体のため処理時間の問題
があるが、本実施例のようにノイズ除去のような前処理
を入れることで処理量を軽減できるので、画像のサンプ
リング周期を１秒以下に設定することも可能である。そ
して特徴量の理解であるが、これはニューラルネットワ
ークを使用することにより、きわめて高速に結果を得る
ことができる一方、適切な学習により判定の確度が期待
できる。

【００２７】また、環境急変時の処理により、誤判断に
よる誤警報発生の可能性が除去でき、また処理量過剰に
よるハングアップの恐れが一切ない。このように高速に
確度の高い侵入物体判定ができるため、１人または少人
数の警備員で多くの監視カメラを、少ない労働負荷で監
視できる。本発明による他の実施例として、より侵入物
体（者）判定の確度を向上させることのできる、侵入物
体（者）の同定機能を強化した場合を図７に示す。

【００２８】要するに本実施例は、侵入物体（者）を追
跡して判定することにより、判定の確度を向上させるも
のである。また、差画像では侵入物体（者）が静止した
場合に検出が困難となる欠点を除去するものである。ま
ず、図１と同様の処理を行い、侵入者を判定する。ただ
し、これは侵入者候補とする。差画像に１回あらわれた
だけでは確定しないこととしたもので、警備員には警報
は鳴らさず、ただ監視モニタの画像に長方形で囲む等の
印を表示する。ここまでの処理は図１と同様なので図７
では省略する。すなわち、侵入者監視装置では１の画像
入力から７の判定結果表示出力までの処理を行い、継い
で図７の処理を続行する。

【００２９】次に図７に従って説明する。侵入者候補を
時間を追って同定するために、フレームメモリ１１ａに
格納されている、上記の時点の生画像（ｔ＝０）に対
し、候補の大きさに対応したマスクをかけて画像処理対
象領域を限定するマスク処理３１を施した上で、マスク
画像１１ｂに対して輪郭線抽出処理３を行う。さらにノ
イズ除去等の前処理４を施し、前処理画像１４の中で侵
入者候補に対応する位置の輪郭を侵入者候補の生画像で
の輪郭とする。これに特徴抽出処理５を掛けて特徴量１
５ａを抽出し、ニューラルネットワーク６に入力する。
また、特徴データ記憶処理部３２により、ｔ＝−Ｔの特
徴データ１５ｂとして記憶する。以上の処理は制御部１
０の指令により順次実行する。

【００３０】次の画像サンプリング時に、同様にしてｔ
＝０の特徴データ１５ａを得る（ただし、マスク形状は
人間の移動速度を考慮した大きさとする）。このニュー
ラルネットワーク６の侵入者であるとの出力を得たとこ
ろで、特徴距離演算部３３はｔ＝０とｔ＝−Ｔの２つの
特徴データを入力し、次式により両者の特徴距離Ｌを算
出する。

【００３１】

【数４】Ｌ＝ＳＱＲＴ（Σ（（ｆ₀ ⁱ−ｆ_T ⁱ）＊ｗⁱ）²）（６）ここで、ｆ₀：ｔ＝０の特徴量ｆ_T：ｔ＝−Ｔの特徴量ｗ：特徴量間の重みを調整する重み係数ｉ：特徴番号（ｉ＝１〜全特徴種類）この値を同定処理部３４に入力し、あらかじめ定めた限
界同定距離Ｌｍよりも小さければ同定されたとする。

【００３２】そしてこの結果を表示部７に渡し、モニタ
部２２および警報部２３に出力する。表示部はこの同定
がある回数以上継続すると侵入者と断定し、警報を発す
る。例えば、警報を鳴動させるとともに、モニタ画面の
表示をより目立つ形式に、例えば侵入者を囲む枠の色を
明度の高い色に変更するととともにブリンクさせるよう
に更新する。

【００３３】このように本実施例を用いれば、侵入者候
補を追跡した上で侵入者と判定するため、判定結果の確
度がより向上できる。以上の説明では、差画像で検出し
た後、生画像を追跡して同定した。これと同じ効果を得
る他の方法として、毎回のサンプリングごとに差画像を
検出してからそれに対応する位置の生画像をマスクして
切り出すものが考えられる。この方法のほうが、装置の
構成によってはより実行時間を早められる。

【００３４】さらに他の実施例として、以上では画像の
明度を用いて判定していたが、色も加えるとより同定が
確実にできる。さらに別の実施例として、以上の実施例
では１画像につき１台の画像認識装置を使用したが、複
数の画像を光ファイバなどにより集中監視室に集めた上
で、高速認識処理で時分割処理をすることで、トータル
の設備費を低減できる。

【００３５】ところで、画像サンプリング時間を高速に
しなければ、この複数画面用の装置はあまり高価なもの
を必要としない。

【００３６】

【発明の効果】このように本発明によれば、従来実用化
が困難であった屋外での画像認識が可能となる。単位時
間差の画像を比較するため、天候の変化、時間の推移、
季節の移り変わりなどの種々の画像環境の変化に追従で
きる。またカメラのズーム、首振りにも対応できる。

【００３７】また、大きな画像環境の変化時には、画像
認識処理を省略することにより、過剰な処理のためにハ
ングすることなく対応できる。侵入物が人間であるか否
かの判定は対象画像の特徴量を求め、これをニューラル
ネットワークに入力して判定させることによりきわめて
高速に、またより確実に実行できる。

【００３８】そのための形状の特徴量抽出もまた、簡単
なアルゴリズムで高速に処理し得る。したがって、標準
的な画像間の差演算や輪郭線抽出などは、市販のハード
ウエアを使用すれば、その以降の画像認識処理はパソコ
ン上のソフトウエアでも高速に処理できるため、かなり
安価に装置を構成できる。

【００３９】また、特徴距離を用いた同定処理により、
侵入物体判定の確度を向上でき、さらに警備の省人化が
図れる。さらに複数の画像を時分割処理すれば、より経
済的なシステムをすることができる。

【図面の簡単な説明】

【図１】本発明による一実施例の装置ブロック図。

【図２】抽出した輪郭画像を示す図。

【図３】図２の輪郭画像の輪郭データを示す図。

【図４】ニューラルネットワークの学習処理ブロック線
図。

【図５】図１の装置のデータ処理手順の説明図。

【図６】画像環境急変時の処理説明図。

【図７】本発明における他の実施例である、画像同定処
理説明図。

【符号の説明】

１…画像入力部、２…画像転送部、３…差画像処理部
（輪郭線抽出部）、４…前処理部、５…特徴抽出部、６
…ニューラルネットウエア、７…表示出力部、１０…制
御部、２１…カメラ、２２…モニタ部、２３…警報部、
３１…マスク処理部、３２…特徴データ記憶処理部、３
３…特徴距離演算部、３４…同定処理部、１０１…侵入
監視装置。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号庁内整理番号ＦＩ技術表示箇所Ｇ０６Ｇ 7/60 Ｇ０８Ｂ 13/194 7323−5Ｇ 25/00 ５１０Ｍ 7323−5Ｇ // Ｇ０１Ｂ 11/00 Ｈ 9206−2Ｆ

Claims

【特許請求の範囲】

【請求項１】監視対象領域を撮影し画像として入力す
る工程と、この入力した画像を基準となる画像と比較し
て差画像を求める工程と、その差画像に基づき侵入物体
の有無を判断する判定工程とを備えた侵入物体検出方法
において、監視対象領域より所定の時間差を隔てて先に
入力した画像と後に入力した画像との差画像を求める工
程と、その差画像の輪郭線を求める工程と、その輪郭線
からノイズを除去する工程と、ノイズ除去された輪郭線
から輪郭の特徴量を求める工程と、その特徴量をニュー
ラルネットワークに入力して侵入物体の有無を判断する
判定工程とを備えたことを特徴とする侵入物体検出方
法。
【請求項２】監視対象領域を撮影し画像として入力す
る工程と、入力した画像を基準となる画像と比較して差
画像を求める工程と、この差画像に基づき侵入物体の有
無を判定する工程とを備えた侵入物体検出方法におい
て、監視対象領域より所定の時間差を隔てて先に入力し
た画像と後に入力した画像との差画像を求める工程と、
その差画像の輪郭の特徴量を求める工程と、その特徴量
をあらかじめ学習したニューラルネットワークに入力し
て差画像の輪郭が侵入物体であるか否かを判定する工程
とからなり、前記差画像を求める工程は、時間差を隔て
た２つの画像の差があらかじめ定めた数およびまたは量
より大きいときは、それ以降の処理を一旦中断して、前
記後に入力した画像を基準画像として所定時間後に入力
する新画像との差画像を求めるように構成したことを特
徴とする侵入物体検出方法。
【請求項３】監視対象領域を撮影した画像を入力する
工程と、入力した画像を基準となる画像と比較して差画
像を求める工程と、この差画像に基づき侵入物体の有無
を判定する工程とを備えた侵入物体検出方法において、
所定の短い時間差を隔てて先に入力した画像と後に入力
した画像との差画像を求める工程と、この差画像の輪郭
の特徴量を求める工程と、この特徴量をニューラルネッ
トワークに入力して差画像の輪郭が侵入物体であるか否
かを判定するとともに、最初に侵入物体と判定したとき
は、これを侵入物体候補となす工程と、続いて監視対象
領域から入力した画像について前記侵入物体候補に対応
する位置の輪郭を求めてこの輪郭の特徴量を求める工程
と、この特徴量をニューラルネットワークに入力してそ
の輪郭が侵入物体であるか否かを判定する工程とを備え
たことを特徴とする侵入物体検出方法。
【請求項４】請求項３において、差画像の輪郭が侵入
物体候補となされた後に、監視対象領域から所定の時間
差を隔てて入力された２つの画像について、前記侵入物
体候補に対応する位置の画像について輪郭を求め、これ
ら２つの輪郭についての特徴量を求める工程と、これら
２つの特徴量についての特徴距離を求める工程と、この
特徴距離に基づき前記輪郭が侵入物体であるか否かの同
定判定を行う工程とを備えたことを特徴とする侵入物体
検出方法。
【請求項５】監視対象領域を撮影し画像として入力す
る手段と、この入力した画像と基準となる画像を比較し
て差画像を求める手段と、その差画像に基づき侵入物体
の有無を判断する判定手段とを設けた侵入物体検出装置
において、前記画像撮影入力手段により所定の時間差を
隔てて先に入力した画像と後に入力した画像との差画像
を求める手段と、その差画像の輪郭の特徴量を求める手
段と、この特徴量を入力して侵入物体の有無を判断する
ニューラルネットワーク手段とを設けたことを特徴とす
る侵入物体検出装置。
【請求項６】請求項５において、輪郭の特徴量とし
て、輪郭高さ、輪郭幅、縦横比、輪郭線長さ、輪郭線の
囲む面積、輪郭比、主軸、主軸方向縦横比のうちの１つ
以上を用いることを特徴とする侵入物体検出装置。