JPWO2020075283A1

JPWO2020075283A1 - 異常者予知システム、異常者予知方法、およびプログラム

Info

Publication number: JPWO2020075283A1
Application number: JP2020549916A
Authority: JP
Inventors: 俊二菅谷
Original assignee: Optim Corp
Current assignee: Optim Corp
Priority date: 2018-10-11
Filing date: 2018-10-11
Publication date: 2021-09-02
Anticipated expiration: 2038-10-11
Also published as: WO2020075283A1; JP7009021B2

Abstract

【課題】不特定多数の人間が出入りする領域において、不審者や異常者の十分な学習用のサンプル画像が存在しない場合にも、所定の領域内の異常者を予知することが可能な異常者予知システム、異常者予知方法、およびプログラムを提供する。
【解決手段】所定領域内の監視対象者が異常者であるかを予知する異常者予知システムに、所定領域内に設けられ、監視対象者を撮影するカメラ１００と、正常な行動パターン又は異常な行動パターンを記憶する行動パターン記憶モジュール２３１と、行動パターンに基づいて、異常者を予知する異常者予知モジュール２１１と、を備える。
【選択図】図１

Description

本発明は、施設等の特定の領域内の異常者を予知することが可能な異常者予知システム、異常者予知方法、およびプログラムに関する。

広い範囲を監視して、複数の不審者が侵入しても、すべて検知可能な不審者検知システムが提案されている（特許文献１）。

特開平４−２６４５２２

また、人工知能が画像解析を行うための機械学習の手法として、教師あり学習（ＳｕｐｅｒｖｉｓｅｄＬｅａｒｎｉｎｇ）はよく知られる手法である。

しかしながら、特許文献１の手法では、監視対象エリアに出入りする人間の特徴を登録するデータベースとの照合を行うため、データベースの事前準備が必要であるという手間がかかる。また、監視対象エリアに特定の人間しか出入りしない場合には有効であるが、新幹線の車内や商業用施設等、不特定多数の人間が出入りするエリアでは、利用することができないという問題があった。

また、画像解析のために教師あり学習を行う場合、大量の画像を用意して学習を行わねばならず、不審者や異常者の検知を行う場合には、その学習のための十分な不審者や異常者のサンプル画像を準備することが難しい。

この課題に対して、本発明者は、正常な行動パターンを学習のために準備することは比較的容易であり、正常な行動パターン又は異常な行動パターンの何れかを記憶しておけば、不審者や異常者を予知できるという点に着目した。

本発明は、正常な行動パターン又は異常な行動パターンの何れかを記憶しておくことで、施設等の特定の領域内の異常者を予知することが可能な異常者予知システム、異常者予知方法、およびプログラムを提供することを目的とする。

本発明では、以下のような解決手段を提供する。

第１の特徴に係る発明は、
所定領域内の監視対象者が異常者であるかを予知する異常者予知システムであって、
前記所定領域内に設けられ、前記監視対象者を撮影するカメラ手段と、
正常な行動パターン又は異常な行動パターンを記憶する行動パターン記憶手段と、
前記行動パターンに基づいて、異常者を予知する異常者予知手段と、
を備える異常者予知システムを提供する。

第１の特徴に係る発明によれば、所定領域内の監視対象者が異常者であるかを予知する異常者予知システムにおいて、前記所定領域内に設けられ、前記監視対象者を撮影するカメラ手段と、正常な行動パターン又は異常な行動パターンを記憶する行動パターン記憶手段と、前記行動パターンに基づいて、異常者を予知する異常者予知手段と、を備える。

第１の特徴に係る発明は、異常者予知システムのカテゴリであるが、異常者予知方法、およびプログラムであっても同様の作用、効果を奏する。

第２の特徴に係る発明は、第１の特徴に係る発明である異常者予知システムであって、
前記行動パターンとは、前記監視対象者が、所定の行動を所定回数行う行動パターンであって、
前記異常者予知手段が、当該行動パターンに基づいて、異常者を予知する異常者予知システムを提供する。

第２の特徴に係る発明によれば、第１の特徴に係る発明である異常者予知システムにおいて、前記行動パターンとは、前記監視対象者が、所定の行動を所定回数行う行動パターンであって、前記異常者予知手段が、当該行動パターンに基づいて、異常者を予知する。

第３の特徴に係る発明は、第１の特徴又は第２の特徴に係る発明である異常者予知システムであって、
前記行動パターンとは、前記監視対象者が、所定の場所に所定時間いる行動パターンであって、
前記異常者予知手段が、当該行動パターンに基づいて、異常者を予知する異常者予知システムを提供する。

第３の特徴に係る発明によれば、第１の特徴又は第２の特徴に係る発明である異常者予知システムにおいて、前記行動パターンとは、前記監視対象者が、所定の場所に所定時間いる行動パターンであって、前記異常者予知手段が、当該行動パターンに基づいて、異常者を予知する。

第４の特徴に係る発明は、第１の特徴から第３の特徴の何れかに係る発明である異常者予知システムであって、
前記異常者予知手段が、当該行動パターンに加え、前記監視対象者が所有する荷物、服装、着用物に基づいて、異常者を予知する異常者予知システムを提供する。

第４の特徴に係る発明によれば、第１の特徴から第３の特徴の何れかに係る発明である異常者予知システムにおいて、前記異常者予知手段が、当該行動パターンに加え、前記監視対象者が所有する荷物、服装、着用物に基づいて、異常者を予知する。

第５の特徴に係る発明は、第１の特徴から第４の特徴のいずれかに係る発明である異常者予知システムであって、
前記異常者予知手段により予知した監視対象者が、結果的に異常者であったか否かのデータに基づき、
異常者の予知を学習する異常者学習手段をさらに備えた異常者予知システムを提供する。

第５の特徴に係る発明によれば、第１の特徴から第４の特徴のいずれかに係る発明である異常者予知システムにおいて、前記異常者予知手段により予知した監視対象者が、結果的に異常者であったか否かのデータに基づき、異常者の予知を学習する異常者学習手段をさらに備える。

第６の特徴に係る発明は、第１の特徴から第５の特徴のいずれかに係る発明である異常者予知システムであって、
前記行動パターン記憶手段は、前記所定領域の種類毎に正常な行動パターン又は異常な行動パターンを記憶し、
前記異常者予知手段が、当該所定領域の種類に合わせた行動パターンに基づいて、異常者を予知する異常者予知システムを提供する。

第６の特徴に係る発明によれば、第１の特徴から第５の特徴のいずれかに係る発明である異常者予知システムにおいて、前記行動パターン記憶手段は、前記所定領域の種類毎に正常な行動パターン又は異常な行動パターンを記憶し、前記異常者予知手段が、当該所定領域の種類に合わせた行動パターンに基づいて、異常者を予知する。

第７の特徴に係る発明は、
所定領域内の監視対象者が異常者であるかを予知する異常者予知システムに、
前記所定領域内に設けられ、前記監視対象者を撮影するステップと、
正常な行動パターン又は異常な行動パターンを記憶するステップと、
前記行動パターンに基づいて、異常者を予知するステップと、
を備える異常者予知方法を提供する。

第８の特徴に係る発明は、
所定領域内の監視対象者が異常者であるかを予知する異常者予知システムに、
前記所定領域内に設けられ、前記監視対象者を撮影するステップ、
正常な行動パターン又は異常な行動パターンを記憶するステップ、
前記行動パターンに基づいて、異常者を予知するステップ、
を実行させるためのプログラムを提供する。

本発明によれば、正常な行動パターン又は異常な行動パターンの何れかを記憶しておくことで、施設等の特定の領域内の異常者を予知することが可能な異常者予知システム、異常者予知方法、およびプログラムを提供することが可能となる。

図１は、本発明の好適な実施形態の概要図である。図２は、カメラ１００とコンピュータ２００の機能ブロックと各機能の関係を示す図である。図３は、異常者予知処理のフローチャート図である。図４は、異常者学習を行う場合の、カメラ１００とコンピュータ２００の機能ブロックと各機能の関係を示す図である。図５は、異常者学習を行う場合の、異常者予知処理のフローチャート図である。図６は、異常者予知の詳細なフローチャート図である。図７は、所定領域の種類が新幹線であるときの異常者予知システムの画面の一例である。図８は、所定領域がオフィスであるときの異常者予知システムの画面の一例である。図９は、正常な行動パターンのデータベースの構成の一例である。図１０は、正常な行動パターンのデータベースの構成の一例である。

以下、本発明を実施するための最良の形態について図を参照しながら説明する。なお、これはあくまでも一例であって、本発明の技術的範囲はこれに限られるものではない。

［異常者予知システムの概要］
図１は、本発明の好適な実施形態の概要図である。この図１に基づいて、本発明の概要を説明する。異常者予知システムは、カメラ１００、コンピュータ２００、通信網３００から構成される。

なお、図１において、カメラ１００の数は１つに限らず複数であってもよい。また、コンピュータ２００は、実在する装置に限らず、仮想的な装置であってもよい。

カメラ１００は、図２に示すように、カメラ部１０、制御部１１０、通信部１２０、記憶部１３０から構成される。また、コンピュータ２００は、同じく図２に示すように、制御部２１０、通信部２２０、記憶部２３０、入出力部２４０から構成される。制御部２１０は通信部２２０、記憶部２３０、入出力部２４０と協働して異常者予知モジュール２１１を実現する。また、記憶部２３０は、制御部２１０、通信部２２０、入出力部２４０と協働して、行動パターン記憶モジュール２３１を実現する。通信網３００は、インターネット等の公衆通信網でも専用通信網でもよく、カメラ１００とコンピュータ２００間の通信を可能とする。

カメラ１００は、コンピュータ２００とデータ通信可能な、撮像素子やレンズ等の撮像デバイスを備える撮像装置であり、監視を行いたい所定領域の画像を撮影する。ここでは、例として防犯カメラを図示しているが、デジタルカメラ、デジタルビデオ、ドローンに搭載したカメラ、ウェアラブルデバイスのカメラ、ＷＥＢカメラ、車載カメラ、３６０度カメラ等の必要な機能を備える撮像装置であってよい。また、記憶部１３０に撮像画像を保存可能としてもよい。

コンピュータ２００は、カメラ１００とデータ通信可能な計算装置である。ここでは、例としてデスクトップ型のコンピュータを図示しているが、携帯電話、携帯情報端末、タブレット端末、パーソナルコンピュータに加え、電化製品や、ウェアラブル端末等であってよい。また、実在する装置に限らず、仮想的な装置であってもよい。

図１の異常者予知システムにおいて、まず、行動パターン記憶モジュール２３１は、コンピュータ２００の記憶部２３０に、正常な行動パターン又は異常な行動パターンを記憶する（ステップＳ０１）。本発明において行動パターンとは、例えば、監視の対象となる人物が、所定の行動を所定の回数行うことや所定の場所に所定の時間いることである。また、行動パターンには、監視の対象となる人物の、所有する荷物や服装、帽子やサングラスやマスクといった着用物も含めるものとする。これらの行動パターンは、他のコンピュータや記憶媒体から取得してもよいし、カメラ１００で撮影した画像を基に行動パターンを抽出してコンピュータ２００で作成してもよい。このステップＳ０１は、既に十分な行動パターンが記憶されている場合には、省略可能である。

図９と図１０は、正常な行動パターンのデータベースの構成の一例である。ここでは、図面の都合上、図９と図１０に分けて記載しているが、図９と図１０の、行動、所定の場所、外見のすべての項目を、所定領域の種類毎に保持する構成としてもよいし、どれか一つの項目のみを、所定領域の種類毎に保持する構成としてもよい。所定領域とは、監視を行いたい場所のことであり、その種類毎に正常な行動パターン又は異常な行動パターンを用意することで、より適切に異常者を予知することができるようになる。図９と図１０の例では、所定領域の種類として、新幹線（自由席）、新幹線（指定席）、駅（ホーム）、駅（改札）、オフィス（デスクワーク）、オフィス（営業・企画）、オフィス（開発）、オフィス（会議室）、オフィス（エントランス）、オフィス（エレベーター）、病院（病室）、病院（エントランス）、介護施設（居室）、介護施設（エントランス）、を記載している。このように、同じ新幹線でも自由席と指定席を分けたり、駅でもホームと改札を分けたりすることで、所定領域の種類にあわせて相応しい正常な行動パターン又は異常な行動パターンを記憶させることが可能となり、結果として異常者予知の精度を向上させることができる。また、図９と図１０では、正常な行動パターンの例を示しているが、予め準備した、行動、所定の場所、外見、といった項目にあわせて、カメラ１００で撮影した異常者がいない正常な場合の画像を解析して、正常な行動パターンを抽出してもよい。この、正常な行動パターンを逸脱した場合を逸脱した場合を、異常であるとみなすことで、不審者のサンプル画像が少なく、異常な行動パターンを作成しづらいという問題に対応することが可能となる。異常な行動パターンのデータベースを作成する場合には、異常者のいる画像が十分に用意できる場合には、その画像を解析して、異常な行動パターンを抽出してもよい。

図１に戻り、コンピュータ２００の異常者予知モジュール２１１は、カメラ１００から監視を行いたい所定領域の画像を取得する（ステップＳ０２）。図１では、カメラ１００は１台のみ図示しているが、カメラ１００が複数台ある場合には、それぞれから画像を取得する。画像の取得処理は、異常者予知システムの実行中は、継続して行うものとする。

次に、異常者予知モジュール２１１は、取得した画像を解析し、異常者の予知を行う（ステップＳ０３）。異常者予知モジュール２１１は、取得した画像から人物を検出し、検出した人物それぞれを追跡して監視する。つまり、ある時点で人物Ｘを検出したら、その人物Ｘが所定領域からいなくなるまで、同一人物とみなして連続して行動パターンを比較するものとする。ここでは、所定領域の種類が新幹線（自由席）の例で、図９と図１０の正常な行動パターンと比較して異常者を予知する場合について説明する。所定領域の種類が新幹線（自由席）である場合、正常な行動パターンは、席を立つ回数が一時間に２回以内、所定領域内の滞在時間が新幹線の片道乗車時間内、姿勢が立つか座る、電話時間が５分以内、である。また、監視中の所定領域から別の場所へ移動した場合にも続けて監視が可能である場合、別の場所への滞在時間は、例えばデッキが５分以内、トイレが５分以内、洗面所が５分以内、である。また、外見については、荷物の数が３つ以内、荷物の大きさがそれぞれ８０センチ以内、服装は季節感あり、サングラス、帽子、マスク、については特別処理、全身の色は２色以上の服装、である。図１０の※マークは他の項目と関連する特別処理が必要なことを示すものとする。図１０におけるサングラス、帽子、マスク、についての特別処理は、全てが「あり」にはならない場合が正常であると判断するものとする。ステップＳ０３で、例えば席を立つ回数が１時間以内に３回となった場合には、異常者として予知する。又は、トイレに移動して５分を超えた場合、服装でサングラスと帽子とマスクのすべてを身につけている場合、服装の色が一色のみの場合、等も、同じく異常者として予知する。

図１に戻り、最後にコンピュータ２００の異常者予知モジュール２１１は、ステップＳ０３での異常者予知結果をもとに、異常者を警告する（ステップＳ０４）。ここでの警告方法としては、コンピュータ２００の入出力部２４０に出力してもよいし、ユーザが指定した別の端末等（非図示）の入出力部に出力してもよい。

図７は、所定領域の種類が新幹線であるときの異常者予知システムの画面の一例である。この画面は、コンピュータ２００の入出力部２４０に表示してもよいし、ユーザの使用する別の端末（非図示）の入出力部に表示してもよい。異常者予知システムの画面７０１には、表示７０２として監視場所、表示７０３として取得した画像、表示７０４として予知履歴、表示７０５として予知した異常者の情報を表示する。表示７０３の画面内には、予知した異常者の情報を吹き出し７０８として表示する。図９と図１０に示した正常な行動パターンと比較して、図７では、「異常者の可能性：６５％、席を１２回立っています」として、異常者である可能性とその主な理由を表示する例を示している。吹き出し７０８は、異常者の可能性が何パーセント以上の時に表示するかを、システムで設定可能としてよい。また、異常者である可能性が高いほど、吹き出しの色や形状、文字の色や太さやサイズ等を目立ちやすくする等、重要度が分かりやすいよう表示することが望ましい。また、吹き出し７０８の表示だけでなく、あわせて警告音を出力してもよい。吹き出し７０８による表示や出力方法は、本願発明を限定するものではなく、どの人物に対する異常者予知であるのかと、その内容が確認できればよいものとする。表示７０５の予知した異常者の情報部分や、吹き出し７０８を選択することで、当該人物の問題となる行動履歴、例えば離席した時間やその長さを表示してもよい。また、表示７０２の監視場所には、具体的な監視先の名称や住所のほかにも、異常者検知のために適用している監視場所の種類を表示してもよい。図７では、「新幹線（指定席）」を監視場所の種類として適用している。ここでは、表示のみであるが、監視場所の種類を、画面７０１上でユーザが切り替え可能としてもよい。更に、異常者予知システムの画面７０１には、切替ボタン７０６を用意して、例えば同じ新幹線の車内の、別の車両や、デッキ、トイレ、洗面所、等にもカメラ１００が設置されて監視が可能となっている場合、表示７０３の画面表示を切り替え可能としてもよい。また、ここでの異常者の可能性６５％と予知された人物Ａが、他のカメラ１００で監視可能な範囲では、どのような行動をとっていたのかの履歴を、連携して確認可能としてもよい。また、異常者予知システムの画面７０１には、通報ボタン７０７を用意して、当該新幹線の車掌や乗務員、又は新幹線総合指令室等に、異常者の通報を可能としてもよい。通報の際には、異常者の位置や座席、異常者である可能性とその理由、異常者の性別や外見上の特徴、カメラ１００から取得した画像等を、併せて通知してもよいものとする。

このように、本発明によれば、正常な行動パターン又は異常な行動パターンの何れかを記憶しておくことで、施設等の特定の領域内の異常者を予知することが可能な異常者予知システム、異常者予知方法、およびプログラムを提供することが可能となる。

［各機能の説明］
図２は、カメラ１００とコンピュータ２００の機能ブロックと各機能の関係を示す図である。カメラ１００は、カメラ部１０、制御部１１０、通信部１２０、記憶部１３０から構成される。また、コンピュータ２００は、制御部２１０、通信部２２０、記憶部２３０、入出力部２４０から構成される。制御部２１０は通信部２２０、記憶部２３０、入出力部２４０と協働して異常者予知モジュール２１１を実現する。また、記憶部２３０は、制御部２１０、通信部２２０、入出力部２４０と協働して、行動パターン記憶モジュール２３１を実現する。通信網３００は、インターネット等の公衆通信網でも専用通信網でもよく、カメラ１００とコンピュータ２００間の通信を可能とする。

カメラ１００は、カメラ部１０として、レンズ、撮像素子、各種ボタン、フラッシュ等の撮像デバイス等を備え、動画や静止画等の撮像画像として撮像する。また、撮像して得られる画像は、画像解析に必要なだけの情報量を持った精密な画像であるものする。

制御部１１０として、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）等を備える。

通信部１２０として、他の機器と通信可能にするためのデバイス、例えば、ＩＥＥＥ８０２．１１に準拠したＷｉＦｉ（ＷｉｒｅｌｅｓｓＦｉｄｅｌｉｔｙ）対応デバイス又は第３世代、第４世代移動通信システム等のＩＭＴ−２０００規格に準拠した無線デバイス等を備える。有線によるＬＡＮ接続であってもよい。

記憶部１３０として、ハードディスクや半導体メモリによる、データのストレージ部を備え、撮像画像等の必要なデータ等を記憶する。画像解析の目的やと画像の撮影環境等も、あわせて記憶してもよい。

制御部２１０として、ＣＰＵ、ＲＡＭ、ＲＯＭ等を備える。制御部２１０は通信部２２０、記憶部２３０、入出力部２４０と協働して異常者予知モジュール２１１を実現する。

通信部２２０として、他の機器と通信可能にするためのデバイス、例えば、ＩＥＥＥ８０２．１１に準拠したＷｉＦｉ対応デバイス又は第３世代、第４世代移動通信システム等のＩＭＴ−２０００規格に準拠した無線デバイス等を備える。有線によるＬＡＮ接続であってもよい。また、この通信部２２０を介して、必要に応じてユーザの使用する別の端末（非図示）との通信を行うものとする。

記憶部２３０として、ハードディスクや半導体メモリによる、データのストレージ部を備え、撮像画像や、正常な行動パターン又は異常な行動パターン等の処理に必要なデータを記憶する。記憶部２３０は、制御部２１０、通信部２２０、入出力部２４０と協働して、行動パターン記憶モジュール２３１を実現する。

入出力部２４０は、異常者予知システムを利用するために必要な機能を備えるものとする。入力を実現するための例として、タッチパネル機能を実現する液晶ディスプレイ、キーボード、マウス、ペンタブレット、装置上のハードウェアボタン、音声認識を行うためのマイク等を備えることが可能である。また、出力を実現するための例として、液晶ディスプレイ、ＰＣのディスプレイ、プロジェクターへの投影等の表示と音声出力等の形態が考えられる。入出力方法により、本発明は特に機能を限定されるものではない。また、入出力は、必要に応じてユーザの使用する別の端末（非図示）の入出力部からも行えるものとする。

［異常者予知処理］
図３は、異常者予知処理のフローチャート図である。上述した各モジュールが実行する処理について、本処理にあわせて説明する。

コンピュータ２００の行動パターン記憶モジュール２３１は、コンピュータ２００の記憶部２３０に、正常な行動パターン又は異常な行動パターンを記憶する（ステップＳ３０１）。本発明において行動パターンとは、例えば、監視の対象となる人物が、所定の行動を所定の回数行うことや所定の場所に所定の時間いることである。また、行動パターンには、監視の対象となる人物の、所有する荷物や服装、帽子やサングラスやマスクといった着用物も含めるものとする。行動パターンは、他のコンピュータや記憶媒体から取得してもよいし、カメラ１００で撮影した画像を基に行動パターンを抽出してコンピュータ２００で作成してもよい。このステップＳ３０１は、既に十分な行動パターンが記憶されている場合には、省略可能である。

図３に戻り、コンピュータ２００の異常者予知モジュール２１１は、監視を行いたい所定領域のカメラ１００に対して、画像送信要求を行う（ステップＳ３０２）。図２では、カメラ１００は１台のみ図示しているが、カメラ１００が複数台ある場合には、それぞれから画像を取得する。ステップＳ３０２の画像の送信要求は、異常者予知システムの実行時に一度行うと、それ以降は終了の指示があるまで、継続して画像を取得することとしてもよい。

コンピュータ２００からの画像送信要求を受けたカメラ１００は、カメラ部１０で撮像した所定領域の画像を、通信部１２０を介してコンピュータ２００に送信する（ステップＳ３０３）。

コンピュータ２００の異常者予知モジュール２１１は、カメラ１００から画像を取得する（ステップＳ３０４）。ステップＳ３０３のカメラ１００による画像送信処理と、ステップＳ３０４のコンピュータ２００の画像取得処理は、異常者予知システムの実行中は、継続して行うものとする。

次に、異常者予知モジュール２１１は、取得した画像を解析し、異常者の予知を行う（ステップＳ３０５）。異常者予知の詳細について、図６を用いて説明する。

図６は、異常者予知の詳細なフローチャート図である。まず、異常者予知モジュール２１１は、取得した画像から、人物を検出する（ステップＳ６０１）。検出する人物は、一人であるとは限らず、複数であるかも知れないし、ゼロであるかも知れない。

次に、異常者予知モジュール２１１は、検出した人物を追跡する（ステップＳ６０２）。具体的に、追跡するとは、次に取得した画像との連続性を考慮することである。連続した取得画像において、同一人物であるかどうかの判定を行い、同一人物であれば、その人物の行動を履歴として蓄積する。そうすることで、図９に示す行動パターンの、席を立つ回数や、滞在時間、電話時間、等を判定することが可能である。また、同一人物であるのに外見が変化したとき等にも、異常者であるとして予知することが可能となる。つまり、ある時点で人物Ｘを検出したら、その人物Ｘが所定領域からいなくなるまで、同一人物とみなして連続して行動パターンを比較するものとする。

次に、異常者予知モジュール２１１は、正常な行動パターンを使用するか、異常な行動パターンを使用するかの判断を行う（ステップＳ６０３）。ここでの判断方法としては、記憶部２３０に正常な行動パターンか、異常な行動パターンのどちらかしか存在しない場合には、存在する行動パターンを使用するものとする。正常な行動パターンと異常な行動パターンの両方が存在する場合には、監視を行う所定領域の種類に適した行動パターンがある方を使用することにしてもよいし、行動パターンを記憶させた場合に基となったデータの量が多い方を使用することにしてもよいし、ユーザが選択した方を使用することにしてもよい。

正常な行動パターンを使用することにした場合、異常者予知モジュール２１１は、着目している人物の行動が、正常な行動パターンの範囲内であるかどうかを判定する（ステップＳ６０４）。正常な行動パターンの範囲内である場合には、ステップＳ６０１に戻って、処理を継続する。正常な行動パターンの範囲外である場合には、次のステップＳ６０６へと進む。

異常な行動パターンを使用することにした場合、異常者予知モジュール２１１は、着目している人物の行動が、異常な行動パターンの範囲内であるかどうかを判定する（ステップＳ６０５）。異常な行動パターンの範囲内である場合には、次のステップＳ６０６へと進む。異常な行動パターンの範囲外である場合には、ステップＳ６０１に戻って、処理を継続する。

次に、異常者予知モジュール２１１は、ステップＳ６０４又はステップＳ６０５での判定結果に基づき、着目している人物を異常者として予知する（ステップＳ６０６）。この際、着目する人物がどの程度正常な行動パターンから外れているか、又は、どの程度異常な行動パターンに該当しているかに応じて、異常者である確率を算出してもよい。確率は、正常な行動パターンから外れている項目数、又は、異常な行動パターンに該当している項目数から判定してよい。さらに、行動パターンの回数や時間が、既定の値から大きく外れる場合には、異常者である確率をより高確率であると算出するようにしてもよい。以上が、異常者予知の詳細なフローである。

図３に戻り、最後にコンピュータ２００の異常者予知モジュール２１１は、ステップ３０５での異常者予知結果をもとに、異常者を警告する（ステップＳ３０６）。ここでの警告方法としては、コンピュータ２００の入出力部２４０に出力してもよいし、ユーザが指定した別の端末等（非図示）の入出力部に出力してもよい。

図８は、所定領域がオフィスであるときの異常者予知システムの画面の一例である。この画面は、コンピュータ２００の入出力部２４０に表示してもよいし、ユーザの使用する別の端末（非図示）の入出力部に表示してもよい。異常者予知システムの画面８０１には、表示８０２として監視場所、表示８０３として取得した画像、表示８０４として予知履歴、表示８０５として予知した異常者の情報を表示する。表示７０３の画面内には、予知した異常者の情報を吹き出し８０８として表示する。図９と図１０に示した正常な行動パターンと比較して、図８では、「異常者の可能性：８５％、サングラス：あり、服装：会社員の範囲外」として、異常者である可能性とその主な理由を表示する例を示している。吹き出し８０８は、異常者の可能性が何パーセント以上の時に表示するかを、システムで設定可能としてよい。また、異常者である可能性が高いほど、吹き出しの色や形状、文字の色や太さやサイズ等を目立ちやすくする等、重要度が分かりやすいよう表示することが望ましい。例えば、前述した図７の吹き出し７０８の異常者の可能性が６５％であったのに対して、図８の吹き出し８０８の異常者の可能性がより高い８５％であるため、より注意をひく形状としている。また、吹き出し８０８の表示だけでなく、あわせて警告音を出力してもよい。吹き出し８０８による表示や出力方法は、本願発明を限定するものではなく、どの人物に対する異常者予知であるのかと、その内容が確認できればよいものとする。表示８０５の予知した異常者の情報部分や、吹き出し８０８を選択することで、当該人物の問題となる行動履歴、例えば所定の監視対象領域に現れた時間やその長さを表示してもよい。また、表示８０２の監視場所には、具体的な監視先の名称や住所のほかにも、異常者検知のために適用している監視場所の種類を表示してもよい。図８では、「オフィス（デスクワーク）」を監視場所の種類として適用している。ここでは、表示のみであるが、監視場所の種類を、画面８０１上でユーザが切り替え可能としてもよい。更に、異常者予知システムの画面８０１には、追跡ボタン８０６を用意して、選択した異常者について、カメラ１００を追従して監視するようにしてもよい。また、ここでの異常者の可能性８５％と予知された人物Ｂが、他のカメラ１００で監視可能な範囲では、どのような行動をとっていたのかの履歴を、連携して確認可能としてもよい。また、異常者予知システムの画面８０１には、通報ボタン８０７を用意して、警備員室や、警備会社、監視場所であるオフィスＸの責任者、通報の対象として指定された人物、オフィスＸ全体等に、異常者の通報を可能としてもよい。通報の際には、異常者の位置や座席、異常者である可能性とその理由、異常者の性別や外見上の特徴、カメラ１００から取得した画像等を、併せて通知してもよいものとする。ここでは、画面８０１での表示から、通報ボタン８０７を選択した場合に、警備員室や、警備会社、監視場所であるオフィスＸの責任者、通報の対象として指定された人物、オフィスＸ全体等に、異常者の通報を行う例を記載したが、ステップＳ３０６で、画面８０１の表示なしで通報を行ってもよい。

［異常者学習処理］
図４は、異常者学習を行う場合の、カメラ１００とコンピュータ２００の機能ブロックと各機能の関係を示す図である。図２の構成に加え、コンピュータ２００の制御部２１０は、通信部２２０、記憶部２３０、入出力部２４０と協働して異常者学習モジュール２１２を実現する。図５は、異常者学習を行う場合の、異常者予知処理のフローチャート図である。上述した各モジュールが実行する処理について、本処理にあわせて説明する。図５のステップＳ５０１からステップＳ５０６の処理は、図３のステップＳ３０１からステップＳ３０６の処理に相当するため、ステップＳ５０７以降について説明する。なお、ステップＳ５０１の処理は、ステップＳ３０１と同じく、既に十分な行動パターンが記憶されている場合には、省略可能であるものとする。

コンピュータ２００の異常者学習モジュール２１２は、ステップＳ５０６での異常者警告に対するフィードバックデータを受け取る（ステップＳ５０７）。フィードバックデータを受け取るための方法として、例えば、図７の画面７０１や図８の画面８０１に、ユーザがフィードバックデータを送信するためのインターフェースを設けてもよい。異常者の可能性が表示された人物について「この人物は異常者として警戒が必要でしたか？」という問いを表示して、「はい」又は「いいえ」の回答を得ることで、フィードバックデータの受け取りが可能になる。

次に、異常者学習モジュール２１２は、ステップＳ５０５での異常者予知とステップＳ５０７のフィードバックデータを用いて学習する（ステップＳ５０８）。例えば、図７の例で、吹き出し７０８に対する「この人物は異常者として警戒が必要でしたか？」という問いの回答が「いいえ」であれば、離席回数はさほど重要ではないというように学習可能である。また、図８の例で、吹き出し８０８に対する「この人物は異常者として警戒が必要でしたか？」という問いの回答が「はい」であれば、服装が会社員の範囲外である人物、又は、サングラスをかけた人物に対して、異常者である可能性をもっと高くしたほうがよいというように学習が可能である。

最後に、異常者学習モジュール２１２は、ステップＳ５０８の学習結果に応じて、必要であれば行動パターンのデータベースを更新する（ステップＳ５０９）。例えば、前述の図７の例で、「この人物は異常者として警戒が必要でしたか？」という問いに対する回答が「いいえ」であったように、離席回数はさほど重要ではないという学習結果が蓄積された場合には、図９の新幹線（指定席）の正常な行動パターンのデータベースで、席をたつ回数が３回／１時間から、回数を増やして更新する。

このように、異常者予知に対するフィードバックデータを受け取って学習を行うことで、所定領域の種類に応じて、より精度を高めた異常者予知が可能な異常者予知システム、異常者予知方法、およびプログラムを提供することが可能となる。

本発明によれば、正常な行動パターン又は異常な行動パターンの何れかを記憶しておくことで、施設等の特定の領域内の異常者を高精度に予知することが可能な異常者予知システム、異常者予知方法、およびプログラムを提供することが可能となる。

上述した手段、機能は、コンピュータ（ＣＰＵ、情報処理装置、各種端末を含む）が、所定のプログラムを読み込んで、実行することによって実現される。プログラムは、例えば、コンピュータからネットワーク経由で提供される（ＳａａＳ：ソフトウェア・アズ・ア・サービス）形態であってもよいし、フレキシブルディスク、ＣＤ（ＣＤ−ＲＯＭ等）、ＤＶＤ（ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ等）、コンパクトメモリ等のコンピュータ読取可能な記録媒体に記録された形態で提供される。この場合、コンピュータはその記録媒体からプログラムを読み取って内部記憶装置又は外部記憶装置に転送し記憶して実行する。また、そのプログラムを、例えば、磁気ディスク、光ディスク、光磁気ディスク等の記憶装置（記録媒体）に予め記録しておき、その記憶装置から通信回線を介してコンピュータに提供するようにしてもよい。

以上、本発明の実施形態について説明したが、本発明は上述したこれらの実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。

１００カメラ、２００コンピュータ、３００通信網

第１の特徴に係る発明は、
所定領域内の監視対象者が異常者であるかを予知する異常者予知システムであって、
前記所定領域内に設けられ、前記監視対象者を撮影するカメラ手段と、
正常な行動パターン又は異常な行動パターンを記憶する行動パターン記憶手段と、
前記行動パターンに基づいて、異常者を予知する異常者予知手段と、
を備え、
前記異常者予知手段は、正常な行動パターンから外れている程度又は異常な行動パターンに該当している程度に応じて、異常者である確率を算出し、算出した当該確率に応じて、重要度を変更して警告する異常者予知システムを提供する。

第１の特徴に係る発明によれば、所定領域内の監視対象者が異常者であるかを予知する異常者予知システムにおいて、前記所定領域内に設けられ、前記監視対象者を撮影し、正常な行動パターン又は異常な行動パターンを記憶し、前記行動パターンに基づいて、異常者を予知し、正常な行動パターンから外れている程度又は異常な行動パターンに該当している程度に応じて、異常者である確率を算出し、算出した当該確率に応じて、重要度を変更して警告する。

第７の特徴に係る発明は、
所定領域内の監視対象者が異常者であるかを予知する異常者予知システムが実行する異常者予知方法であって、
前記所定領域内に設けられ、前記監視対象者を撮影するステップと、
正常な行動パターン又は異常な行動パターンを記憶するステップと、
前記行動パターンに基づいて、異常者を予知するステップと、
異常者を予知する際、正常な行動パターンから外れている程度又は異常な行動パターンに該当している程度に応じて、異常者である確率を算出し、算出した当該確率に応じて、重要度を変更して警告するステップと、
を備える異常者予知方法を提供する。

第８の特徴に係る発明は、
所定領域内の監視対象者が異常者であるかを予知する異常者予知システムに、
前記所定領域内に設けられ、前記監視対象者を撮影するステップ、
正常な行動パターン又は異常な行動パターンを記憶するステップ、
前記行動パターンに基づいて、異常者を予知するステップ、
異常者を予知する際、正常な行動パターンから外れている程度又は異常な行動パターンに該当している程度に応じて、異常者である確率を算出し、算出した当該確率に応じて、重要度を変更して警告するステップ、
を実行させるためのコンピュータ読み取り可能なプログラムを提供する。

Claims

所定領域内の監視対象者が異常者であるかを予知する異常者予知システムであって、
前記所定領域内に設けられ、前記監視対象者を撮影するカメラ手段と、
正常な行動パターン又は異常な行動パターンを記憶する行動パターン記憶手段と、
前記行動パターンに基づいて、異常者を予知する異常者予知手段と、
を備える異常者予知システム。
前記行動パターンとは、前記監視対象者が、所定の行動を所定回数行う行動パターンであって、
前記異常者予知手段が、当該行動パターンに基づいて、異常者を予知する請求項１に記載の異常者予知システム。
前記行動パターンとは、前記監視対象者が、所定の場所に所定時間いる行動パターンであって、
前記異常者予知手段が、当該行動パターンに基づいて、異常者を予知する請求項１又は請求項２に記載の異常者予知システム。
前記異常者予知手段が、当該行動パターンに加え、前記監視対象者が所有する荷物、服装、着用物に基づいて、異常者を予知する請求項１から請求項３の何れか一項に記載の異常者予知システム。
前記異常者予知手段により予知した監視対象者が、結果的に異常者であったか否かのデータに基づき、
異常者の予知を学習する異常者学習手段をさらに備えた、請求項１から請求項４の何れか一項に記載の異常者予知システム。
前記行動パターン記憶手段は、前記所定領域の種類毎に正常な行動パターン又は異常な行動パターンを記憶し、
前記異常者予知手段が、当該所定領域の種類に合わせた行動パターンに基づいて、異常者を予知する請求項１から請求項５の何れか一項に記載の異常者予知システム。
所定領域内の監視対象者が異常者であるかを予知する異常者予知システムに、
前記所定領域内に設けられ、前記監視対象者を撮影するステップと、
正常な行動パターン又は異常な行動パターンを記憶するステップと、
前記行動パターンに基づいて、異常者を予知するステップと、
を備える異常者予知方法。
所定領域内の監視対象者が異常者であるかを予知する異常者予知システムに、
前記所定領域内に設けられ、前記監視対象者を撮影するステップ、
正常な行動パターン又は異常な行動パターンを記憶するステップ、
前記行動パターンに基づいて、異常者を予知するステップ、
を実行させるためのプログラム。