WO2005069222A1 - 情報認識装置、情報認識方法、情報認識プログラム及び警報システム - Google Patents

Abstract

　検知範囲内に存在する被検知体に対する熱放射線検知手段の出力と、所定のモデル化手法を用いて予め用意した、複数対象の動作パターンにそれぞれ対応する熱放射線センサの出力に応じた動作パターンモデルと、に基づき被検知体に係る所定情報を認識することが可能な情報認識装置、情報認識方法及び情報認識プログラムを提供する。 　情報認識装置１を、赤外線検出部１０と、動作パターンモデル生成部１１と、動作パターンモデル記憶部１２と、認識処理部１３と、を含んだ構成とし、赤外線検知部１０を、焦電型赤外線センサ１０ａと、信号処理部１０ｂと、を含んだ構成とし、生成した動作パターンモデルは動作内容及び属性情報を対応付けて動作パターンモデル記憶部１２に記憶した。そして、赤外線検出部１０の出力と動作パターンモデルとに基づき被検知体の情報を認識するようにした。

Description

明 細 書

情報認識装置、情報認識方法、情報認識プログラム及び警報システム 技術分野

[0001] 本発明は、熱放射線センサを用いた情報処理に係り、特に、被検知体に対する熱 放射線センサの出力と、所定のモデルィ匕手法を用いて予め用意された複数対象の 動作パターンにそれぞれ対応する動作パターンモデルと、に基づき被検知体に係る 所定情報を認識することが可能な情報認識装置、情報認識方法及び情報認識プロ グラム、並びに情報認識装置を備えた警報システムに関する。

背景技術

[0002] 従来、焦電型赤外線センサ等の人体検知手段を利用して人体の移動方向を判別 する技術として、特許文献 1の人体移動方向判別装置がある。

これは、複数の人体検知範囲を有する 2つの人体検知手段のうちの一方が複数の 人体検知範囲で連続して人体を検出したときには、人体移動方向判別手段により 2 つの人体検出手段のうちどちらが人体を検知したかによつて人体の移動方向を判別 し、この判別出力を受けて報知手段により判別した人体移動方向に応じた報知をす る。更に、 2つの人体検知手段のうち一方が複数の人体検知範囲で連続して人体を 検知した際には、第 1の検知制御手段により他方の人体検知手段の検出出力を一 定時間無効にし、 2つの人体検知手段のうち一方が複数の人体検知範囲のうちの 1 つの人体検知範囲でのみ人体を検出した際には、第 2の検知制御手段により他方の 人体検知手段の検知出力を無効にする。これにより、人体検知範囲において検知さ れた人体の、迅速且つ正確な移動方向の報知が可能となる。

[0003] また、従来、人体を検知可能なセンサによって、警備対象の建物内に人が侵入した ことを検知し、当該検知結果を警備員に通知するような防犯システムがある。このよう な防犯システムにお ヽては、通知を受けた警備員が現場に急行する等の対処を行う ことが多い。

特許文献 1：特許 2766820号公報

[0004] し力しながら、上記特許文献 1の従来技術においては、検知範囲内において、 2つ の人体検知手段が人体を検知したか否かのみに基づき判断処理等の各処理が行わ れるため、人体の移動方向のように単純な行動内容の判断を行うことしかできない。 また、人体検知手段と称して 、るように検知対象を人体のみに限定して 、るため、 猫や犬などの動物が横切った場合にも動作してしまう恐れがあると共に、建物内など への動物等の侵入といったように被検知体の種類や人以外の行動までもを判断する ことはできない。このことは、上記従来の防犯システムにおいても言えることで、人体 検知用のセンサが、人と、猫や犬などの動物との判別がつかず、動物が建物内に侵 入した場合でも人が侵入したと判別して警備員に対し誤った通知を行うため、動物の 侵入に対して警備員が現場に急行するといつたような無駄な労力が生じる問題があ る。

[0005] 一方、本発明者らは、焦電型赤外線センサを用いて、当該センサの検知範囲内に おいて同一の行動を行う多数の被検知体の放出する熱放射線を検出した結果、被 検知体の種類毎 (人、動物、性別等）、同じ被検知体における各個人毎 (例えば、人 間なら、 Aさん、 Bさん等)などにおいて、焦電型赤外線センサの出力に個体差がある ことを見つけ出した。

そこで、本発明は、上記した従来の技術の有する未解決の課題、且つ、上記した焦 電型赤外線センサの出力特性に着目してなされたものであって、検知範囲内に存在 する被検知体に対する熱放射線検知手段の出力と、所定のモデル化手法を用いて 予め用意した、複数対象の動作パターンにそれぞれ対応する熱放射線センサの出 力に応じた動作パターンモデルと、に基づき被検知体に係る所定情報を認識するこ とが可能な情報認識装置、情報認識方法及び情報認識プログラム、並びに情報認 識装置を備えた防犯システムを提供することを目的として!ヽる。

発明の開示

[0006] 上記目的を達成するために、本発明に係る請求項 1記載の情報認識装置は、検知 範囲内に存在する被検知体から放出される熱放射線を、熱放射線センサによって検 知する熱放射線検知手段と、

被検知体の動作パターンに応じた前記熱放射線センサの出力を、所定のモデル化 手法に従って予めモデルィ匕してなる動作パターンモデルを記憶する動作パターンモ デル記憶手段と、

前記熱放射線検知手段の検知結果と、前記動作パターンモデル記憶手段に記憶 された前記動作パターンモデルとに基づき、前記検知範囲内に存在する前記被検 知体に係る所定情報を認識する情報認識手段と、を備えることを特徴として!、る。

[0007] このような構成であれば、熱放射線検知手段によって、検知範囲内に存在する被 検知体から放出される熱放射線を、熱放射線センサによって検出することが可能で あり、動作パターンモデル記憶手段によって、被検知体の動作パターンに応じた前 記熱放射線センサの出力を、所定のモデルィ匕手法に従って予めモデルィ匕してなる 動作パターンモデルを記憶することが可能であり、情報認識手段によって、前記熱放 射線検知手段の検知結果と、前記動作パターンモデル記憶手段に記憶された前記 動作パターンモデルとに基づき、前記検知範囲内に存在する前記被検知体に係る 所定情報を認識することが可能である。

[0008] 従って、熱放射線センサの検知結果と動作パターンモデルとに基づき被検知体の 所定情報を認識するようにしたので、被検知体の複雑な行動パターン、被検知体の 属性などの様々な情報の認識が可能となる。

ここで、被検知体とは、熱放射線を放出するものであれば、人、人以外の動物や虫 等の生き物、無生物等何でも含まれるものである。

[0009] また、熱放射線センサとは、被検知体力も放出される熱を検知するものならどのよう なものであっても良ぐ例えば、被検知体から放出される赤外線を検知する赤外線セ ンサであれば、光起電力効果又は光導電効果を利用した量子型センサ、あるいは、 熱起電力効果、焦電効果又は熱導電効果を利用した熱型センサなどがある。

また、所定のモデル化手法は、例えば、公知の HMMや-ユーラルネットワーク等 のモデル化手法がある。

[0010] また、被検知体に係る所定情報とは、検知範囲内における被検知体の動作内容や

、被検知体の属性 (性別、動物、虫など)等の情報である。

また、請求項 2に係る発明は、請求項 1記載の情報認識装置において、前記動作 ノターンモデル記憶手段には、複数種類の動作パターンにそれぞれ応じた複数の 動作パターンモデルを記憶することを特徴としている。 [0011] つまり、複数種類の動作パターンにそれぞれ応じた複数の動作パターンモデルと 検知結果とに基づき認識処理を行うことができるので、検知範囲内の被検知体の様 々な情報を認識することが可能となる。

また、請求項 3に係る発明は、請求項 1又は請求項 2記載の情報認識装置におい て、前記熱放射線センサの出力に基づき前記被検知体の前記動作パターンモデル を前記所定のモデルィ匕手法により生成する動作パターンモデル生成手段を備えるこ とを特徴としている。

[0012] つまり、動作パターンモデル生成手段によって、熱放射線センサの出力に基づき前 記被検知体の前記動作パターンモデルを前記所定のモデル化手法により生成する ことが可能である。

従って、新規動作パターンモデルの追加が容易であり、また、与えられた条件に応 じて動作パターンモデルを生成することができるので、認識内容の変更等による動作 ノ ターンモデルの変更等において柔軟な対応が可能である。

[0013] また、請求項 4に係る発明は、請求項 1乃至請求項 3のいずれ力 1項に記載の情報 認識装置において、前記熱放射線センサは、熱型センサであることを特徴としている つまり、熱放射線センサが、サーモパイル等を使用した熱起電力効果を利用したセ ンサ、 PZT (ジルコン酸チタン酸鉛）、 LiTa03 (タンタル酸リチウム）等を使用した焦 電効果を利用したセンサ、サーミスタ、ポロメータ等を使用した熱電対効果を利用し たセンサ等の熱型センサによって構成されて 、る。

[0014] また、請求項 5に係る発明は、請求項 1乃至請求項 3のいずれ力 1項に記載の情報 認識装置において、前記熱放射線センサは、量子型センサであることを特徴としてい る。

つまり、熱放射線センサが、フォトダイオード、フォトトランジスタ、フォト IC、太陽電 池等を使用した光起電力効果を利用したセンサ、 CdSセル、 CdSeセル、 PdSセル 等を使用した光導電効果を利用したセンサ、光電管、光電子倍増管等を使用した光 電子放出効果を利用したセンサ等の量子型センサによって構成されている。

[0015] また、請求項 6に係る発明は、請求項 4に記載の情報認識装置において、前記熱 型センサは、焦電効果を利用して前記被検知体力 放出される赤外線を検知する焦 電型赤外線センサであることを特徴として 、る。

つまり、熱放射線センサとして焦電型赤外線センサを用いるようにしたので、検知範 囲内における移動体の検知を容易に行うことが可能である。

[0016] また、請求項 7に係る発明は、請求項 1乃至請求項 6のいずれ力 1項に記載の情報 認識装置において、前記所定のモデル化手法は、 HMM (Hidden Markov Model)で あることを特徴としている。

つまり、時系列信号の確率モデルである HMMを用いて動作パターンをモデル化 することにより、非定常な時系列信号であっても容易にモデルィ匕することが可能とな るので、被検知体の動作パターンを的確にモデルィ匕することが可能である。

[0017] また、請求項 8に係る発明は、請求項 1乃至請求項 7のいずれ力 1項に記載の情報 認識装置において、前記所定情報は、前記被検知体の行動内容、前記被検知体の 移動速度及び前記被検知体の大きさのうち少なくとも 1つを含むことを特徴としている つまり、被検知体の行動内容、移動速度、大きさ等により熱放射線センサの出力は 変化するので、これらに対応する動作パターンモデルを予め生成して用意しておくこ とにより、被検知体の行動内容、移動速度、大きさ等を認識することが可能となる。

[0018] ここで、被検知体の行動内容とは、被検知体が人であれば、例えば、ある方向への 移動、手や足などの体の一部分の動作 (ジェスチャー等)などである。

また、大きさとは、被検知体の高さ、幅、長さ、表面積、体積等に対する大きさであり 、これは被検知体全体に対するものに限らず、被検知体の一部に対しての大きさも 含むものとする。

[0019] また、請求項 9に係る発明は、請求項 1乃至請求項 8のいずれ力 1項に記載の情報 認識装置において、前記所定情報は、前記被検知体の属性情報を含むことを特徴と している。

つまり、情報認識手段は、検知範囲内の被検知体の属性情報を認識することが可 能となる。

ここで、属性情報とは、例えば、大局的には、人、人以外の動物（ほ乳類)、虫等の 熱を放射する生物、車、バイク、カーテン、太陽光、ライト、エアコン等による温風や冷 風などの熱を放射する無生物などの種類の情報となる。

[0020] また、カーテンのゆれ、木の枝や葉のゆれなどの熱を放射しな!、無生物の種類の 情報も属性情報に含む。このような熱を放射しない無生物の所定情報の認識は、熱 を放射するものとの組み合わせで行うことが可能である。例えば、カーテンを境に一 方の側に熱放射線センサがあり、他方の側に熱源があるような場合に、熱源がカーテ ンに覆われて 、るときは熱源力も放射される熱はセンサに検知されず、カーテンがゆ れて熱源が晒されたときは熱源カゝら放射される熱がセンサに検知されることを利用す る。このような検知結果と動作パターンとを比較することで、例えば、それがカーテン のゆれであるのか、人が建物内に侵入したのかを判断することが可能となる。

[0021] 一方、局所的には、人であれば、男性、女性、大人、子供等の種類の情報、動物で あれば、犬、猫、ねずみ、鳥等の種類の情報、虫であれば、蝶、蜘蛛、ノッタ、力ブト ムシ、クヮガタ等の種類の情報、更に、これら各種類に対する個有情報となる。更に、 人以外の生物についても、その種類の中で上記した人と同様の種類分けをしても良 い。

なお、属性情報を、個有情報とした場合は、人間なら個人の識別、虫や動物なら個 体の識別が可能となる。

[0022] また、請求項 10に係る発明は、請求項 1乃至請求項 9のいずれか 1項に記載の情 報認識装置において、前記情報認識手段は、前記熱放射線検知手段の検知結果 から特徴量データを抽出し、当該特徴量データと前記動作パターンモデル記憶手段 に記憶された前記動作パターンモデルとに基づき、前記特徴量データと前記動作パ ターンモデルとの尤度を算出し、当該算出された尤度に基づき前記被検知体に係る 所定情報を認識するようになって 、ることを特徴として 、る。

[0023] つまり、特徴量データと前記動作パターンモデルとの尤度を算出して、これに基づ き被検知体に係る所定情報を認識するようにしたので、所定情報の簡易な認識が可 能となる。

また、請求項 11に係る発明は、請求項 10記載の情報認識装置において、前記特 徴量データは、前記熱放射線検知手段の検知結果のフレーム単位のスペクトルから なる第 1の特徴量データと、前記フレーム単位のスペクトルの平均振幅値からなる第 2の特徴量データとを含むことを特徴として 、る。

[0024] つまり、検知結果のフレーム単位のスペクトル力 なる第 1の特徴量データと、この フレーム単位のスペクトルの平均振幅値からなる第 2の特徴量データとに対し、これら と前記動作パターンモデルとの尤度を算出し、当該算出結果に基づき被検知体に係 る所定情報を認識するようにしたので、所定情報の認識精度を向上することが可能と なる。

また、請求項 12に係る発明は、請求項 11記載の情報認識装置において、前記第 1 の特徴量データは、前記スペクトルの値を常用対数値に変換したものであることを特 徴としている。

[0025] つまり、第 1の特徴量データとして、前記フレーム単位のスペクトルの値を常用対数 値に変換したものを用いるようにしたので、スペクトルの値が 1未満であれば、その分 散範囲が広がるようになり、 1以上であればその分散範囲が狭まるようになる。これに より、条件によっては、所定情報の認識精度をより向上することが可能となる。

また、請求項 13に係る発明は、請求項 11又は請求項 12記載の情報認識装置に おいて、前記特徴量データは、選択したフレームの前記第 1の特徴量データの示す 特徴量と、前記選択したフレームの 1つ前のフレームの前記第 1の特徴量データの示 す特徴量との差分力 なる第 3の特徴量データを更に含むことを特徴としている。

[0026] つまり、第 1及び第 2の特徴量データに加え、選択したフレームの前記第 1の特徴 量データの示す特徴量と、当該選択したフレームの 1つ前のフレームの前記第 1の特 徴量データの示す特徴量との差分力 なる第 3の特徴量データを用いて、所定情報 の認識を行うようにしたので、これにより、所定情報の認識精度をより向上することが 可能となる。

また、請求項 14に係る発明は、請求項 13記載の情報認識装置において、前記特 徴量データは、選択したフレームの前記第 2の特徴量データの示す特徴量と、当該 選択したフレームの 1つ前のフレームの前記第 2の特徴量データの示す特徴量との 差分力 なる第 4の特徴量データを更に含むことを特徴としている。

[0027] つまり、第 1一第 3の特徴量データに加え、選択したフレームの前記第 2の特徴量 データの示す特徴量と、当該選択したフレームの 1つ前のフレームの前記第 2の特徴 量データの示す特徴量との差分からなる第 4の特徴量データを用いて、所定情報の 認識を行うようにしたので、これにより、所定情報の認識精度をより向上することが可 能となる。

また、請求項 15に係る発明は、請求項 1乃至請求項 14のいずれか 1項に記載の情 報認識装置において、前記動作パターンモデルが、 4次元以上の高次元の前記特 徴量データ力 成るときに、

前記動作パターンモデル記憶手段に記憶された各動作パターンモデルに対応す る前記特徴量データを、 2次元又は 3次元空間上の座標点として表示する特徴量デ ータ表示手段と、

前記特徴量データの座標点が表示された空間上に、前記熱放射線検知手段の検 知結果に対応する座標点を表示する検知結果表示手段と、を備えることを特徴とし ている。

[0028] つまり、前記動作パターンモデルが、 4次元以上の高次元の特徴量データから成る ときに、特徴量データ表示手段によって、前記動作パターンモデル記憶手段に記憶 された各動作パターンモデルに対応する特徴量データを、 2次元又は 3次元空間上 の座標点として表示することが可能であり、検知結果表示手段によって、前記特徴量 データの座標点が表示された空間上に、前記熱放射線検知手段の検知結果に対応 する座標点を表示することが可能である。

[0029] 従って、検知結果を他の複数の被検知体の動作パターンに対応する特徴量データ と対比させて視覚的に捉えることが可能となり、視覚による所定情報の認識等が可能 となる。

また、本発明に係る請求項 16記載の情報認識方法は、検知範囲内に存在する被 検知体から放出される熱放射線を、熱放射線センサによって検知し、

複数の被検知体の複数種類の動作パターンにそれぞれ応じた前記熱放射線セン サの出力を、所定のモデルィ匕手法に従って予めモデルィ匕してなる動作パターンモデ ルを用意し、

前記熱放射線センサの検知結果と、前記動作パターンモデルとに基づき、前記検 知範囲内に存在する前記被検知体に係る所定情報を認識することを特徴としている

[0030] ここで、本発明は、請求項 1記載の情報認識装置等により実現することが可能であ り、その効果は重複するので記載を省略する。

また、本発明に係る請求項 17記載の情報認識プログラムは、検知範囲内に存在す る被検知体から放出される熱放射線を、熱放射線センサによって検知する熱放射線 検知ステップと、

複数の被検知体の複数種類の動作パターンにそれぞれ応じた前記熱放射線セン サの出力を、所定のモデルィ匕手法に従って予めモデルィ匕してなる動作パターンモデ ルを記憶する動作パターンモデル記憶ステップと、

前記熱放射線検知ステップによる検知結果と、前記動作パターンモデル記憶ステツ プにおいて記憶された前記動作パターンモデルとに基づき、前記検知範囲内に存 在する前記被検知体に係る所定情報を認識する情報認識ステップと、を備えることを 特徴としている。

[0031] ここで、本発明は、請求項 1記載の情報認識装置に適用可能なプログラムであり、 その効果は重複するので記載を省略する。

一方、上記目的を達成するために、請求項 18記載の警報システムは、請求項 1乃 至請求項 15のいずれか 1項に記載の情報認識装置と、

前記情報認識装置の認識結果に基づき、前記被検知体が人力ゝ否かを判断する判 断手段と、

前記判断手段によって、前記被検知体が人であると判定されたときに、警報を発す る警報手段と、を備えることを特徴としている。

[0032] このような構成であれば、判断手段によって、情報認識装置の認識結果に基づき、 前記被検知体が人力ゝ否かを判断することが可能であり、警報手段によって、被検知 体が人であると判断されたときに、警報を発することが可能である。

従って、被検知体の複雑な行動パターン、被検知体の属性などの様々な情報の認 識が可能な情報認識装置の認識結果に基づき、人と人以外の動物等との判別が可 能となるので、本システムを、建物の警備に利用した場合に、建物内への人以外の 動物等の侵入を人の侵入と判断して誤った警報を発することを低減することが可能と なる。

[0033] ここで、上記「警報を発する」とは、音声による警告メッセージをスピーカ等力 流し たり、ブザー音等の特異音を連続してスピーカから流したりするなど、侵入者に対し て発する威嚇や警告としての警報と、建物内への人の侵入を音声や画面表示などで システム利用者に対して直接通知する、危険に対するシステム利用者への警報とを 含む。なお、侵入者に対する警報と、システム利用者に対する警報とは、これら両方 を含む構成、どちらか一方を含む構成のいずれでも良い。

図面の簡単な説明

[0034] [図 1]本発明に係る情報認識装置の構成を示すブロック図である。

[図 2] (a)は、情報認識装置 1の設置位置を示す図であり、 (b)は、焦電型赤外線セン サ 10aの検知範囲を示す図であり、（c)は、検知対象の動作パターンを示す図である

[図 3]焦電型赤外線センサ 10aの出力波形と動作パターンモデルとの関係を示す図 である。

[図 4]赤外線検出部 10の動作処理を示すフローチャートである。

[図 5]動作パターンモデル生成部 11の動作処理を示すフローチャートである。

[図 6]認識処理部 13の動作処理を示すフローチャートである。

[図 7]実施例における動作方向の認識結果を示す図である。

[図 8]検知範囲 20を小さな範囲に細力べ区分した一例を示す図である。

[図 9] (a)及び (b)は、識別の際に被検知体とした犬の情報を示す図である。

[図 10] (a)は、人 (大人及び子供を区別）と犬 (大型犬及び小型犬とを区別）との認識 結果を示す図であり、（b)は、人 (大人及び子供の区別なし)と犬 (大型犬及び小型 犬の区別なし）との認識結果を示す図である。

[図 11]第 3の実施例における動作方向の認識結果を示す図である。

[図 12] (a)及び (b)は、第 4の実施例における動作方向の認識結果を示す図である。

[図 13]二次元射影した動作パターンモデルの表示例を示す図である。

[図 14]二次元射影部 14の動作処理を示すフローチャートである。 [図 15]本発明の第 4の実施の形態に係る警報システムの構成を示すブロック図であ る。

[図 16]発報制御部 50の動作処理を示すフローチャートである。

発明を実施するための最良の形態

[0035] 〔第 1の実施の形態〕

以下、本発明の第 1の実施の形態を図面に基づき説明する。図 1一図 6は、本発明 に係る情報認識装置の第 1の実施の形態を示す図である。

まず、本発明の第 1の実施の形態に係る情報認識装置の構成を図 1に基づき説明 する。図 1は、本発明の第 1の実施の形態に係る情報認識装置の構成を示すブロック 図である。

[0036] 図 1に示されるように、情報認識装置 1は、赤外線検出部 10と、動作パターンモデ ル生成部 11と、動作パターンモデル記憶部 12と、認識処理部 13と、を含んだ構成と なっている。

赤外線検知部 10は、焦電型赤外線センサ 10aと、信号処理部 10bと、を含んだ構 成となっている。

[0037] 焦電型赤外線センサ 10aは、焦電効果を利用して検知範囲内に存在する被検知 体力も放出される赤外線を検知することが可能なセンサである。

信号処理部 10bは、焦電型赤外線センサ 10aから出力される検知結果のアナログ 信号に対して、サンプリング、 FFT (Fast Fourie Transform)などの信号処理を行い、 検知結果の特徴量データを算出する機能を有したものである。

[0038] 動作パターンモデル生成部 11は、赤外線検知部 10から取得した特徴量データを HMMを用いてモデルィ匕して動作パターンモデルを生成する機能を有したものであ る。

動作パターンモデル記憶部 12は、上記生成された動作パターンモデルを記憶する 機能を有したものである。

認識処理部 13は、動作パターンモデル記憶部 12の記憶内容と、赤外線検知部 10 力も取得した赤外線検知結果の特徴量データとに基づき、焦電型赤外線センサ 10a の検知範囲内に存在する被検知体の動作パターン情報及び属性情報を認識する機 能を有したものである。

[0039] ここで、本実施の形態において、情報認識装置 1は、図示しないプロセッサと、 RA M (Random Access Memory)と、専用のプログラムの記憶された記憶媒体と、を備え ており、プロセッサにより専用のプログラムを実行することにより上記各部の制御を行 また、記憶媒体とは、 RAM, ROM等の半導体記憶媒体、 FD、 HD等の磁気記憶 型記憶媒体、 CD、 CDV、 LD、 DVD等の光学的読取方式記憶媒体、 MO等の磁気 記憶型 Z光学的読取方式記憶媒体であって、電子的、磁気的、光学的等の読み取 り方法のいかんにかかわらず、コンピュータで読み取り可能な記憶媒体であれば、あ らゆる記憶媒体を含むものである。

[0040] 更に、図 2—図 5に基づき、情報認識装置 1のより具体的な動作を説明する。図 2 (a )は、情報認識装置 1の設置位置を示す図であり、 (b)は、焦電型赤外線センサ 10a の検知範囲を示す図であり、（c)は、検知対象の動作パターンを示す図であり、図 3 は、焦電型赤外線センサ 10aの出力波形と動作パターンモデルとの関係を示す図で ある。

まず、図 2 (a)に示すように、情報認識装置 1は、その構成要素である焦電型赤外 線センサ 10aを室内等の天井に取り付け、その検知範囲 20内を通過する被検知体 力も放出される赤外線を検知するように設置されている。そして、検知範囲内を通る 被検知体から検知した赤外線の検知結果から、その被検知体の動作パターン及び 属性を認識するようになって！/、る。

[0041] 更に、本実施の形態において、焦電型赤外線センサ 10aは、 4つの焦電素子を 16 面のフレネルレンズで投影して検知範囲を拡大するものを使用しており、その検知範 囲 20は、図 2 (b)に示すように、横方向の軸を X軸とし縦方向の軸^ y軸として、 X方向 に約 6m、 y方向に約 7mの範囲となる。つまり、図 2 (b)に示すように、前記した範囲 内にある複数の検出ゾーンのいずれかを通過する被検知体からの赤外線を検知す ることがでさる。

[0042] 更に、本実施の形態においては、被検知体の動作パターンとして、図 2 (c)に示す ように（1)一（8)の各方向に、被検知体が検知範囲 20を当該検知範囲 20の外から 歩!、て通過したときのものを考える。

ここで、本実施の形態においては、予め複数の被検知体 (本実施の形態では人間） に上記した 8つの動作パターンの行動をしてもらい（例えば、各行動を同じ人に 5回 ずつしてもらう）、これら動作パターンの行動力も得られる焦電型赤外線センサ 10aか らの検知結果を、信号処理部 10bにおいて信号処理して特徴量データを算出し、動 作パターンモデル生成部 12によって、各動作パターンに対応した特徴量データを H MMによりモデル化する。

[0043] また、本実施の形態においては、信号処理部 10bにおいて、図 3に示すように、焦 電型赤外線センサ 10aからのデータ時間長 10 [s]のアナログの出力信号 30を、 100 [ms]間隔でサンプリングし、更に、これらサンプリングデータに対して AZD変換を行 うことによって当該アナログの出力信号 30をデジタルデータに変換する。そして、こ の 100 [ms]間隔のサンプリングデータを、 1. 6 [s]単位の複数のフレーム 31に分割 する。そして、各フレーム 31単位のサンプリングデータに対して FFTを行い、これら サンプリングデータをフーリエ級数に展開し、各高調波のスペクトル（（図 3中のスぺク トル 32)を算出する。なお、各フレーム 31には、それぞれ 16個のサンプリングデータ が対応しており、フレーム間のオーバーラップはサンプリングデータ 12個分とした。ま た、本実施の形態においては、各フレーム 31の上記したスペクトル 32の前半 8つを 第 1の特徴量データとし、更に、各フレーム毎に平均振幅レベルを算出し、これを第 2 の特徴量データとする。

[0044] また、本実施の形態において、動作パターンモデル生成部 11は、赤外線検知部 1 0から、第 1及び第 2の特徴量データを取得し、これら特徴量データを用いて、図 3に 示す、 HMM33を作成する。

ここで、 HMM33は、第 1の特徴量データを第 1のパラメータとし、第 2の特徴量デ 一タを第 2のパラメータとする。そして、内部状態数を S— Sの 5状態とし、各パラメ

1 5 一 タの確率分布としてシングルガウシアンを用いた。更に、 HMM33の学習には各属 性の各動作パターン毎に 5回ずつ行った行動パターンに対するデータを使用し、各 属性毎に各動作パターンのモデルィ匕を行った。なお、 HMMによる学習については 、公知の方法を用いる。 [0045] 本実施の形態においては、被検知体 A— Qまでの 17人の人物について、上記した 8つの動作パターンの行動をそれぞれ 5回ずつ行ってもらい、各被検知体毎に対応 する 8つの動作パターンの動作パターンモデルを生成した。

更に、動作パターンモデル生成部 11にお!、て生成された動作パターンモデルを、 被検知体の属性 (例えば、名前)及び動作パターンの内容と対応付けて、動作バタ ーンモデル記憶部 12に記憶する。

[0046] このようにして、検知対象である複数の被検知体の動作パターンモデルの生成が 完了すると、以降は、認識処理部 13において、赤外線検知部 10からの信号処理結 果に基づき、被検知体の動作パターン及び属性の認識処理が行われる。

例えば、被検知体 Aが、検知範囲 20を、図 2 (c)に示す (6)の方向に歩いて通過し たとする。これにより、焦電型赤外線センサ 10aは、被検知体 Aの赤外線を検知し、 当該検知結果に応じたアナログ信号を出力する。このアナログ信号は、信号処理部 1 Obに入力され、上記した信号処理が行われその処理結果が認識処理部 13に入力さ れる。

[0047] 認識処理部 13では、被検知体 Aの動作に対する上記信号処理結果から上記同様 の特徴量データを抽出し、この特徴量データと、動作パターンモデル記憶部 12に記 憶された動作パターンモデルとに基づき、被検知体 Aの動作パターン及び属性を認 識する。

本実施の形態においては、公知のビタビアルゴリズムを用いて、動作パターンモデ ル記憶部 12に記憶された動作パターンモデルの中から、被検知体 Aの動作に対す る特徴量データ系列 (観測系列とも 、う）を最も高 、確率で生成する状態遷移系列を 有するモデルを検出することで、被検知体 Aの動作パターン及び属性を認識する。 なお、上記したビタビアルゴリズムを用いた検出方法については、公知の方法を用い る。

[0048] 上記したように、ビタビアルゴリズムを利用することにより、最大確率の状態遷移系 列に対応する動作パターンモデルが検出されると、この動作パターンモデルには、上 記したように予め動作パターンの内容及び属性が対応付けられて!/ヽるので、これによ り、検知範囲内を通過した被検知体 Aの動作内容（（6)の方向に歩いて通過等）が認 識でき、更に、通過した被検知体が Aであることも認識できる。この認識結果は、例え ば、当該認識結果を表示部に表示する表示処理部や、認識結果を利用して何らか の処理を行うアプリケーションプログラム等の情報処理手段に出力される。

[0049] 更に、図 4に基づき、赤外線検出部 10の動作処理の流れを説明する。図 4は、赤 外線検出部 10の動作処理を示すフローチャートである。

図 4に示すように、まずステップ S 100に移行し、焦電型赤外線センサ 10aにおいて 、センサのアナログ出力信号を信号処理部 10bに入力してステップ S102に移行する

[0050] ステップ S102に移行した場合は、信号処理部 10bにおいて、取得したアナログ出 力信号に対して所定時間間隔 (例えば、 100ms)でサンプリング処理を行 、ステップ S 104に移行する。

ステップ S104では、信号処理部 10bにおいて、サンプリング結果に対して AZD変 換処理を行 、ステップ S 106に移行する。

[0051] ステップ S106では、信号処理部 10bにおいて、サンプリング処理及び AZD変換 処理された焦電型赤外線センサ 10aの出力信号に基づいて、当該出力信号に変化 があった力否かを判定し、変化があつたと判定された場合 (Yes)はステップ S108に移 行し、そうでな!/、場合 (No)はステップ S110に移行する。

ステップ S 108に移行した場合は、信号処理部 10bにおいて、上記 AZD変換され た出力信号を図示しない RAM等力も成る記憶部に保存してステップ S100に移行す る。

[0052] ステップ S110に移行した場合は、信号処理部 10bにおいて、上記記憶部に保存 データがあるカゝ否かを判定し、あると判定された場合 (Yes)はステップ S112に移行し 、そうでな!/、場合 (No)はステップ S 100に移行する。

ステップ S112では、信号処理部 10bにおいて、上記記憶部に保存されたデータに 対して、所定時間単位 (例えば、 1. 6s)でフレーム分割処理を行いステップ S114に 移行する。

[0053] ステップ S114では、信号処理部 10bにおいて、フレーム単位毎に FFTを行い、当 該 FFTの結果力も各高調波のスペクトルを算出し、更に、フレーム単位毎の平均振 幅を算出してステップ S 116に移行する。

ステップ S116では、赤外線検知部 10において、動作モードが動作パターンモデ ルの生成モードであるか否かを判定し、動作パターンモデルの生成モードであると判 定された場合 (Yes)はステップ S 118に移行し、そうでない場合 (No)はステップ S 120 に移行する。

[0054] ここで、本実施の形態にお!、ては、動作パターンモデルの生成モードと、情報認識 モードの 2つのモードが設定可能となっており、動作パターンモデルの生成モードに 設定されている場合は、赤外線検知部 10の信号処理結果を動作パターンモデル生 成部 11に入力し、一方、情報認識モードに設定されている場合は、赤外線検知部 1 0の信号処理結果を、認識処理部 13に入力する。

[0055] ステップ S 118に移行した場合は、赤外線検知部 10において、上記信号処理結果 を動作パターンモデル生成部 11に入力してステップ S 100に移行する。

一方、ステップ S120に移行した場合は、赤外線検知部 10において、上記信号処 理結果を認識処理部 13に入力してステップ S 100に移行する。

更に、図 5に基づき、動作パターンモデル生成部 11の動作処理の流れを説明する 。図 5は、動作パターンモデル生成部 11の動作処理を示すフローチャートである。

[0056] 図 5に示すように、まずステップ S 200に移行し、赤外線検知部 10からの信号処理 結果を取得したか否かを判定し、取得したと判定された場合 (Yes)はステップ S202に 移行し、そうでな 、場合 (No)は取得するまで待機する。

ステップ S202では、上記取得した信号処理結果に基づき、 HMMを用いて動作パ ターンモデルを生成してステップ S204に移行する。

[0057] ステップ S204では、生成した動作パターンモデルに動作内容及び属性情報を対 応付けてステップ S 206に移行する。

ステップ S206では、動作内容及び属性情報の対応付けられた動作パターンモデ ルを動作パターンモデル記憶部 12に記憶して処理を終了する。

更に、図 6に基づき、認識処理部 13の動作処理の流れを説明する。図 6は、認識 処理部 13の動作処理を示すフローチャートである。

[0058] 図 6に示すように、まずステップ S 300に移行し、赤外線検知部 10から信号処理結 果を取得したか否かを判定し、取得したと判定された場合 (Yes)はステップ S302に移 行し、そうでない場合 (No)は取得するまで待機する。

ステップ S302では、動作パターンモデル記憶部 12から動作パターンモデルを読 み出しステップ S 304に移行する。

[0059] ステップ S304では、読み出した動作パターンモデルと上記取得した信号処理結果 とに基づき、ビタビアルゴリズムを用いて最大確率となる状態遷移系列を有する動作 パターンモデルを検出してステップ S306に移行する。

ステップ S306では、検出された動作パターンモデルに基づき、認識処理を行いス テツプ S308に移行する。ここで、認識処理とは、上記したように、動作パターンモデ ルに対応付けられた動作内容及び属性情報を読み取ることである。

[0060] ステップ S308では、上記認識結果をアプリケーションプログラム等の情報処理手段 に出力し処理を終了する。

以上、赤外線検知部 10によって検知範囲 20内における複数の被検知体の赤外線 を検知すると共に、検知結果の出力信号を信号処理し、動作パターンモデル生成部

11によって前記信号処理された検知結果力 各被検知体の動作パターン内容及び 被検知体の属性に対応した動作パターンモデルを HMMにより生成し、動作パター ンモデル記憶部 12に記憶することが可能である。

[0061] また、認識処理部 13によって、赤外線検知部 10による検知範囲 20内において動 作する被検知体の赤外線検知結果と、動作パターンモデル記憶部 12に記憶された 動作パターンモデルとに基づき、被検知体の動作パターン及びその属性を認識する ことが可能である。

ここで、図 1に示す、赤外線検知部 10は、請求項 1、 10及び 11のいずれ力 1項に 記載の熱放射線検知手段に対応し、動作パターンモデル生成部 11は、請求項 3記 載の動作パターンモデル生成手段に対応し、動作パターンモデル記憶部 12は、請 求項 1、 2及び 10のいずれか 1項に記載の動作パターンモデル記憶手段に対応し、 認識処理部 13は、請求項 1又は 10記載の情報認識手段に対応する。

[0062] 〔第 1の実施例〕

更に、図 7及び図 8に基づき、上記第 1の実施の形態における情報認識装置 1を、 上記同様の検知範囲 20を被検知体 A— Qが通過した場合の上記（1)一（8)の 8つ の動作方向の認識に適用した第 1の実施例を説明する。ここで、図 7は、第 1の実施 例における動作方向の認識結果を示す図である。また、図 8は、検知範囲 20を小さ な範囲に細かく区分した一例を示す図である。

[0063] 本実施例においては、上記第 1の実施の形態と同様の特徴パラメータを用いて、 5 状態の HMMを生成する。ここでも、被検知体 A— Qの 17名に上記第 1の実施の形 態における（1)一 (8)の 8方向の動作を 5回行ってもらったデータを用いて HMMを 生成する。但し、本実施例では、各動作パターン毎の HMMを生成するときに、被検 知体の属性を無視し、更に、各方向の動作パターンモデルの生成において、 17名の 各方向に対する 5回試行の全データ（ 17名 X 5回の 85個）を用いた。

[0064] つまり、上記実施の形態においては、各方向の動作パターンモデルの生成に各属 性毎の 5個のデータを用いて、各被検知体専用の HMMを生成したのに対して、本 実施例では、 17名の各方向毎の全データを用いて、不特定多数の被検知体の各方 向動作に対応した HMMを生成して ヽる。

そして、上記第 1の実施の形態における情報認識装置 1において、上記生成された 動作パターンモデルを用いて、被検知体 A— Qの検知範囲 20の通過による動作方 向の平均認識率は、図 7に示すように、同線誤りを考慮すると 73. 7%となり、同線誤 りを無視すると 88. 7%となる。

[0065] なお、上記実施の形態及び実施例にお!、ては、検知範囲 20の全体に対して動作 パターンモデルを生成し、これにより上記（1)一（8)の 8方向を認識するようにしてい る力 これに限らず、図 8に示すように、検知範囲 20を小さな範囲に細力べ区分し、各 区分毎に各方向の動作パターンモデルを生成することにより、これら動作パターンモ デルを組み合わせることによって、被検知体の検知範囲 20内での様々な動作内容 を認識することが可能となる。

[0066] 〔第 2の実施例〕

更に、図 9及び図 10に基づき、上記第 1の実施の形態における情報認識装置 1を、 人と人以外の動物との識別に適用した第 2の実施例を説明する。

ここで、図 9 (a)及び (b)は、識別の際に被検知体とした犬の情報を示す図である。 また、図 10 (a)は、人 (大人及び子供を区別）と犬 (大型犬及び小型犬とを区別）との 認識結果を示す図であり、（b)は、人 (大人及び子供の区別なし)と犬 (大型犬及び 小型犬の区別なし)との認識結果を示す図である。

[0067] 本実施例では、被検知体として、人 42名（大人 36名、子供 6名（幼稚園児) )と、犬 12匹 (大型犬 5匹、小型犬 7匹）とを選び、これら被検知体に対して、上記第 1の実施 の形態における（1)一 (8)の 8方向の動作を 50回ずつ行ってもらったデータを用い て HMMを生成する。ここで、 HMMの生成においては、上記第 1の実施の形態にお ける第 1の特徴パラメータを常用対数値に変換したものと、上記第 1の実施の形態に おける第 2の特徴パラメータとを算出して用い、 HMMの内部状態数を 7状態とした。

[0068] ここで、大型犬、小型犬の判別は、図 9 (b)に示すように、被検知体として選ばれた 犬の中から、体高 63センチ、体長 80センチのラブラドールレトリバーを含めそれより 大きい犬を大型犬とし、一方、体高 40センチ、体長 40センチのトイプードルを含めそ れより小さい犬を小型犬とした。なお、体高及び体長は、図 9 (a)に示すように、犬が 立ち上がった状態の地面力 最も高い位置にある体の一部までの高さであり、体長 は、犬が立ち上がった状態の鼻先力も尻尾までの長さである。

[0069] 本実施例では、上記 36名の大人の動作データを用いて生成した大人用の動作パ ターンモデル、上記 6名の子供の動作データを用いて生成した子供用の動作パター ンモデル、上記 5匹の大型犬の動作データを用いて生成した大型犬用の動作パター ンモデル及び上記 7匹の小型犬の動作データを用いて生成した小型犬用の動作パ ターンモデルの 4種類のモデルを用いて認識処理を行った。なお、各動作パターン モデルは、各行動パターンに対応した 8つの HMM力も構成される。また、各モデル の生成においては、学習データ（動作データ）は、各行動パターン毎に 50回あるうち 10回分のみを使用し、残りの 40回分は認識処理に用いる評価データとした。

[0070] そして、人にっ ヽては大人と子供とを区別し、且つ犬につ 、ては大型犬と小型犬と を区別して、情報認識装置 1において、上記生成された動作パターンモデルを用い て、各被検知体の動作方向の識別処理を行った結果、図 10 (a)に示すように、大人 に対する平均認識率は、 93. 9%となり、子供に対する平均認識率は、 91. 1%となり 、大型犬に対する平均認識率は、 61. 9%となり、小型犬に対する平均認識率は、 7 9. 5%となり、これらの平均認識率は、 81. 6%となった。この結果を見ると、大型犬 の認識率が他と比べて際立って低くなつているため、大人と子供とが 90%を上回つ ているにもかかわらず、全体の平均認識率が 81. 6%と 90%を大きく下回っている。

[0071] 一方、人にっ 、ては大人と子供とを区別せず、且つ犬につ 、ては大型犬と小型犬 とを区別せずに、情報認識装置 1において、各被検知体の動作方向の認識処理をし た結果、図 10 (b)に示すように、大人に対する平均認識率は、 99. 6%となり、子供 に対する平均認識率は、 98. 4%となり、大型犬に対する平均認識率は、 96. 4%と なり、小型犬に対する平均認識率は、 94. 8%となり、これらの平均認識率は、 97. 3 %となった。この結果を見ると、大型犬と小型犬とを区別した場合に、大型犬の認識 率が低力つた理由が、その大部分が大型犬と小型犬とを誤認識していたことが解る。 そして、大型犬の認識率が飛躍的にアップしたため、全体の平均認識率は、 97. 3 %と大幅にアップした。このことから、本発明に係る情報認識装置 1においては、人と 犬 (人以外の動物）との識別について、高確率で識別できることが解った。

[0072] 〔第 2の実施の形態〕

更に、本発明の第 2の実施の形態を説明する。図 11及び図 12は、本発明に係る情 報認識装置の第 2の実施の形態の結果を示す図である。

上記第 1の実施の形態と異なるのは、モデル化や認識処理に用いる特徴量データ として、上記第 1の実施の形態における第 1及び第 2の特徴量データに加え、これら 第 1及び第 2の特徴量データから算出される第 3及び第 4の特徴量データを用いる点 にある。従って、上記第 1の実施の形態と同様の構成において、動作パターンモデル の生成方法及び認識処理方法が一部異なることとなるので、以下、上記第 1の実施 の形態と重複する部分については同様の図面を用いて説明を行う。

[0073] 本実施の形態においては、上記第 1の実施の形態と同様に、信号処理部 10bにお いて、図 3に示すように、焦電型赤外線センサ 10aからのデータ時間長 10 [s]のアナ ログの出力信号 30を、 100 [ms]間隔でサンプリングし、更に、これらサンプリングデ ータに対して AZD変換を行うことによって当該アナログの出力信号 30をデジタルデ ータに変換する。そして、この 100 [ms]間隔のサンプリングデータを、 1. 6 [s]単位 の複数のフレーム 31に分割する。そして、各フレーム 31単位のサンプリングデータに 対して FFTを行い、これらサンプリングデータをフーリエ級数に展開し、各高調波の スペクトル（（図 3中のスペクトル 32)を算出する。なお、各フレーム 31には、それぞれ 16個のサンプリングデータが対応しており、フレーム間のオーバーラップはサンプリ ングデータ 12個分とした。また、本実施の形態においては、各フレーム 31の上記し たスペクトル 32の前半 8つに対してその値 Nを常用対数値 (logN)に変換したものを 第 1の特徴量データとし、更に、各フレーム毎に平均振幅レベルを算出し、これを第 2 の特徴量データとし、全フレーム 31における各選択したフレーム 31に対する第 1の 特徴量データの数値と、その 1つ前のフレーム 31に対する第 1の特徴量データの数 値との差分を第 3の特徴量データとし、全フレーム 31における各選択したフレーム 31 に対する第 2の特徴量データの数値と、その 1つ前のフレーム 31に対する第 2の特徴 量データの数値との差分を第 4の特徴量データとする。

[0074] また、本実施の形態において、動作パターンモデル生成部 11は、赤外線検知部 1 0から、第 1一第 4の特徴量データを取得し、これら特徴量データを用いて、 HMMを 作成する。ここで、 HMMの生成においては、第 1一第 4の特徴量データを第 1一第 4 のパラメータとし、内部状態数を S— Sの 7状態とし、各パラメータの確率分布として

1 7

シングルガウシアンを用いた。例えば、 HMMの学習には、上記第 1の実施の形態と 同様に、各属性の各動作パターン毎に 5回ずつ行った行動パターンに対するデータ を使用し、各属性毎に各動作パターンのモデルィ匕を行う。

[0075] 更に、動作パターンモデル生成部 11にお 、て生成された動作パターンモデルを、 被検知体の属性 (例えば、名前)及び動作パターンの内容と対応付けて、動作バタ ーンモデル記憶部 12に記憶する。

このようにして、検知対象である複数の被検知体の動作パターンモデルの生成が 完了すると、以降は、認識処理部 13において、赤外線検知部 10からの信号処理結 果に基づき、被検知体の動作パターン及び属性の認識処理が行われる。

[0076] 次に、上記図 4に示すフローチャートにおける、上記第 1の実施の形態と異なる処 理内容となるステップ S 114について説明を行う。

ステップ S114では、信号処理部 10bにおいて、フレーム単位毎に FFTを行い、当 該 FFTの結果力 各高調波のスペクトルを算出し、当該算出したスペクトルに基づき 第 1一第 4の特徴量データを算出してステップ S 116に移行する。

[0077] ここで、本実施の形態においては、各高調波のスペクトルの値を常用対数値に変 換して第 1の特徴量データを生成し、各スペクトルのフレーム単位毎の平均振幅を第 2の特徴量データとして算出し、全フレームに対して、選択したフレームに対する第 1 の特徴量データと、その 1つ前のフレームに対する第 1の特徴量データとの差分を第 3の特徴量データとして算出し、全フレームに対して、選択したフレームに対する第 2 の特徴量データと、その 1つ前のフレームに対する第 2の特徴量データとの差分を第 4の特徴量データとして算出する。

[0078] 以上、赤外線検知部 10によって検知範囲 20内における複数の被検知体の赤外線 を検知すると共に、検知結果の出力信号を信号処理し、動作パターンモデル生成部 11によって前記信号処理された検知結果力 各被検知体の動作パターン内容及び 被検知体の属性に対応した動作パターンモデルを HMMにより生成し、動作パター ンモデル記憶部 12に記憶することが可能である。

[0079] また、動作パターンモデル生成部 11において、上記第 1一第 4の特徴量データを 用いて動作パターンモデルを生成することが可能である。

また、認識処理部 13によって、赤外線検知部 10による検知範囲 20内において動 作する被検知体の赤外線検知結果と、動作パターンモデル記憶部 12に記憶された 動作パターンモデルとに基づき、被検知体の動作パターン及びその属性を認識する ことが可能である。

[0080] ここで、図 1に示す、赤外線検知部 10は、請求項 1、 10及び 11のいずれ力 1項に 記載の熱放射線検知手段に対応し、動作パターンモデル生成部 11は、請求項 3記 載の動作パターンモデル生成手段に対応し、動作パターンモデル記憶部 12は、請 求項 1、 2及び 10のいずれか 1項に記載の動作パターンモデル記憶手段に対応し、 認識処理部 13は、請求項 1又は 10記載の情報認識手段に対応する。

[0081] 〔第 3の実施例〕

更に、図 11に基づき、上記第 2の実施の形態における情報認識装置 1を、上記第 1 の実施の形態と同様の検知範囲 20を被検知体 A— Qが通過した場合の上記（1)一 (8)の 8つの動作方向の認識に適用した第 3の実施例を説明する。ここで、図 11は、 第 3の実施例における動作方向の認識結果を示す図である。

[0082] 本実施例においては、上記第 2の実施の形態と同様の特徴パラメータを用いて、内 部状態数が 7の HMMを生成する。ここでも、被検知体 A— Qの 17名に上記（1)一（ 8)の 8方向の動作を 5回ずつ行つてもらったデータを用 V、て HMMを生成する。但し 、本実施例では、各動作パターン毎の HMMを生成するときに、被検知体の属性を 無視し、更に、各方向の動作パターンモデルの生成において、 17名の各方向に対 する 5回試行の全データ（17名 X 5回の 85個）を用いた。

[0083] つまり、上記第 2の実施の形態においては、各方向の動作パターンモデルの生成 に各属性毎の 5個のデータを用いて、各被検知体専用の HMMを生成したのに対し て、本実施例では、 17名の各方向毎の全データを用いて、不特定多数の被検知体 の各方向動作に対応した HMMを生成して 、る。

そして、上記第 2の実施の形態における情報認識装置 1において、上記生成された 動作パターンモデルを用いて、被検知体 A— Qの検知範囲 20の通過による動作方 向の認識処理を行った結果、図 11に示すように、平均認識率は、同線誤りを考慮す ると 90. 3%となり、同線誤りを無視すると 97. 0%となる。上記第 1の実施例では、同 線誤りを考慮した場合に 73. 7%、同線誤りを無視した場合に 88. 7%となっている ので、動作パターンモデルの生成及び認識処理において、上記第 2の実施の形態 において説明した、第 3及び第 4のノ ラメータを導入することで、前述した第 1の実施 例における図 7に示す認識結果と比較して大幅に認識率がアップしたと言える。

[0084] 〔第 4の実施例〕

更に、図 11に基づき、上記第 2の実施の形態における情報認識装置 1を、上記第 1 の実施の形態と同様の検知範囲 20を被検知体 A— Qが通過した場合の上記（1)一 (8)の 8つの動作方向の認識に適用した第 4の実施例を説明する。ここで、図 12 (a) 及び (b)は、第 4の実施例における動作方向の認識結果を示す図である。

[0085] 本実施例においては、上記第 2の実施の形態と同様の特徴パラメータを用いて、内 部状態数が 7の HMMを生成する。ここでは、被検知体 A— Qの 17名の中力も選択 した A— Cの 3人に上記（1)一（8)の 8方向の動作を 50回ずつ行ってもらったデータ を用いて HMMを生成する。なお、本実施例では、各動作パターン毎の HMMを生 成するときに、被検知体の属性を考慮し、更に、各方向の動作パターンモデルの生 成において、 A— Cの各個人の各方向に対する 50回試行の全データ（3名 X 50回 X 8方向の計 1200個）を用いて、 A— Cの各個人に対して、上記（1)一 (8)の各方向 の 8つの HMMを生成し、これら各個人毎の 8つの HMMを、各個人の動作パターン データとした。

[0086] そして、上記第 2の実施の形態における情報認識装置 1にお 、て、上記生成された 動作パターンモデルを用いて、被検知体 A— Cの検知範囲 20の通過による動作方 向の認識処理をした結果、図 12 (a)に示すように、 Aの平均認識率は、 96. 3%とな り、 Bの平均認識率は、 93. 5%となり、 Cの平均認識率は、 90. 5%となり、これらの 平均認識率は、 93. 4%となった。つまり、平均して 90%以上の高い認識率となって おり、各動作方向の識別に各個人毎の識別が加わっても本発明が有効であることが 解る。

[0087] 更に、動作方向を無視して、検知範囲 20を、 A— Cの誰が通過したのかを認識した 結果は、図 12 (b)に示すように、 Aの平均認識率は、 96. 5%となり、 Bの平均認識率 は、 97. 8%となり、 Cの平均認識率は、 96. 8%となり、これらの平均認識率は、 96. 8%となった。つまり、図 12 (a)を見ると解るように、動作方向の識別に個人差がある ことから、動作方向を無視することにより、かなりの高認識率で通過者が誰であるかを 認識することができるので、本発明は、個人の識別に対して力なり有効であると言え る。

[0088] なお、被検知体 A— Cの身長及び体重は、 A「165センチ、 64kg」、 B「177センチ 、 68kg」、 C「182センチ、 68kg」であり、それぞれ歩き方も異なることから、体型と歩 き方によって各個人に差が生じると考えられる。

〔第 3の実施の形態〕

更に、本発明の第 3の実施の形態を図面に基づき説明する。図 13及び図 14は、本 発明に係る情報認識装置の第 3の実施の形態を示す図である。

[0089] 本実施の形態においては、上記第 1及び第 2の実施の形態における、情報認識装 置 1を、認識対象の動作に対する特徴量データと、上記動作パターンモデル記憶部 12に記憶された動作パターンモデルの生成時に用いた特徴量データとを、二次元 空間上の座標点として表示できる構成としたものである。この場合は、上記第 1及び 第 2の実施の形態における、図 1に示す情報認識装置 1に、例えば、二次元射影部と 、情報表示部とを追加する。

[0090] ここで、二次元射影部は、動作パターンモデル生成時の特徴量データ（以下、第 1 特徴量データという）と、赤外線検知部 10から取得した信号処理結果の特徴量デー タ（以下、第 2特徴量データという）とに基づき、第 1特徴量データ相互間の数学的距 離及び第 1特徴量データと第 2特徴量データとの間の数学的距離を算出する機能を 有したものである。更に、これら算出された数学的距離に基づき、多次元の特徴量デ ータを、前記算出した数学的距離の関係が保持された状態で、二次元の座標情報 に射影する機能を有したものである。

[0091] ここで、本実施の形態においては、数学的距離として、各特徴量データ相互間のュ ークリツド距離を算出する。

また、特徴量データは、上記したように多次元 (4次元以上）の情報を持つものであ り、本実施の形態において、二次元射影部は、公知の Sammon法 (Jon W. Sammon, JR., A Nonlinear Mapping for Data Structure Analysis , IEEE Trans. し omputers, Vol. C-18, No. 5, May 1969参照）を用いて、多次元の情報を二次元の情報に射影 する。

[0092] 更に、情報表示部は、二次元射影部の射影結果の情報を表示する機能を有したも のである。

以下、図 13に基づき、具体的な動作を説明する。図 13は、二次元射影化した特徴 量データの一表示例を示す図である。ここで、上記第 1特徴量データとしては、上記 第 1の実施の形態における、 A— Qの各人の、上記（1)一（8)の行動パターンに対す る各 5回試行のデータを用いている。従って、ある 1つの行動パターンに対して A— Q の各人毎に 5つの特徴量データ（図 9における同じ形状の座標点）が二次元射影表 示される。

[0093] 二次元射影部は、まず、上記した A— Qの 5回試行の行動パターンに対する第 1特 徴量データ相互間の数学的距離を算出 (各試行毎に算出）し、これを図示しないデ ータ記憶部に記憶する。 そして、赤外線検知部 10から信号処理結果 (第 2特徴量データ)を取得すると、こ の特徴量データと、 A— Qの 5回試行に対する特徴量データとに基づき、第 2特徴量 データと、第 1特徴量データとの数学的距離を算出する。更に、上記データ記憶部に 記憶された A— Qに対する第 1特徴量データ相互間の数学的距離を読み出し、これ と、第 1特徴量データと第 2特徴量データとの数学的距離とに対して上記した Samm on法を用いて、各特徴量データを、これらの数学的距離関係を維持した状態で二次 元射影化する。ここで、二次元射影化により生成された座標情報は、情報表示部に 入力される。

[0094] 情報表示部では、取得した座標情報を、図 9に示すように、各属性毎に異なる形状 の座標点で表示する。ここで、図 9中 40は、第 2特徴量データの座標であり、また、図 4中 41の枠内には、各座標点の形状と A— Qとの関係が示されている。図 9に示すよ うに、第 2特徴量データ（星形の座標点）は、 Aの黒塗りの菱形に最も近い位置に表 示されている。従って、二次元射影化による座標点の表示内容を見ても、検知結果 が属性 Aに最も近いことが解る。つまり、オペレータ等が座標点の表示内容を見て、 検知範囲 20を横切った認識対象の属性 (この場合は A)を認識又は予測することが 可能である。

[0095] なお、二次元射影化による座標点が同じような位置にある人物同士を一つのカテゴ リとし、 HMMを用いて動作パターンモデルを生成することによって、人物のカテゴリ 分類が可能となる。カテゴリは様々で、歩き方、体系、歩行速度、歩行方向など、同じ ような位置に存在する人物に共通する特徴で分けることが可能である。また、人物に 限らず、赤外線を発する物体すべてに適応可能で、人物と動物の区別や、動物同士 の区別などに応用が可能である。

[0096] 更に、図 14に基づき、二次元射影部の動作処理の流れを説明する。図 14は、二 次元射影部の動作処理を示すフローチャートである。

図 14に示すように、まずステップ S400に移行し、赤外線検知部 10の信号処理結 果を取得したか否かを判定し、取得したと判定された場合 (Yes)はステップ S402に移 行し、そうでな!/、場合 (No)はステップ S410に移行する。

[0097] ステップ S402に移行した場合は、動作パターンモデル記憶部 12から特徴量デー タを読み出しステップ S404に移行する。つまり、動作パターンモデル記憶部 12には 、第 1特徴量データが記憶されている。

ステップ S404では、上記読み出した特徴量データと、信号処理結果の特徴量デ ータとに基づき、両者の数学的距離を算出してステップ S406に移行する。

[0098] ステップ S406では、データ記憶部に予め記憶された特徴量データ相互間の数学 的距離と、上記算出された数学的距離とに基づき、 Sammon法を用いて特徴量デ ータを、その数学的距離関係を保持した状態で二次元射影する処理を行!ヽステップ S408に移行する。

ステップ S408では、射影結果の情報を情報表示部に入力してステップ S400に移 行する。

[0099] 一方、ステップ S400において信号処理結果を取得せずステップ S410に移行した 場合は、第 1特徴量データを取得したか否かを判定し、取得したと判定された場合 (Yes)はステップ S412に移行し、そうでな!/、場合 (No)はステップ S400に移行する。 ステップ S412に移行した場合は、特徴量データ相互間の数学的距離を算出して ステップ S414に移行する。

[0100] ステップ S414では、データ記憶部に上記算出された数学的距離を記憶してステツ プ S400に移行する。

ここで、本文中における、二次元射影部及び情報表示部による二次元座標の表示 処理は、請求項 15記載の特徴量データ表示手段及び検知結果表示手段に対応す る。

〔第 4の実施の形態〕

更に、本発明の第 4の実施の形態を図面に基づき説明する。図 15及び図 16は、本 発明に係る情報認識装置の第 4の実施の形態を示す図である。

[0101] 本実施の形態は、上記第 1及び第 2の実施の形態における情報認識装置 1を備え た警報システムの実施の形態であり、情報認識装置 1において、人かそれ以外の動 物かを認識する処理を行い、当該認識結果からセンサの検知範囲内に侵入した者 が人であると判断されたときに警報を発するシステムの実施の形態となる。つまり、上 記第 1及び第 2の実施の形態における情報認識装置 1の認識結果を利用した応用シ ステムである。従って、上記第 1及び第 2の実施の形態と重複する部分については同 じ符号を付して説明を省略し、異なる部分のみ説明を行う。

[0102] まず、本発明の第 4の実施の形態に係る警報システムの構成を図 15に基づき説明 する。図 15は、本発明の第 4の実施の形態に係る警報システムの構成を示すブロッ ク図である。

警報システム 2は、情報認識装置 1と、当該情報認識装置 1からの認識結果に基づ き警報の発報を制御する発報制御部 50と、発報制御部 50からの発報命令に応じて 警報を発する警報部 51と、発報制御部 50からの通知命令に応じてシステム利用者 に警報内容を通知する通知部 52とを含んだ構成となっている。

[0103] 本実施の形態において、動作パターンモデル記憶部 12は、人の動作パターンに 対して生成された動作パターンモデルと、犬や猫などの人以外の動物に対して生成 された動作パターンモデルとを記憶して！/、る。

認識処理部 13は、動作パターンモデル記憶部 12の記憶内容と、赤外線検知部 10 力も取得した赤外線検知結果の特徴量データとに基づき、焦電型赤外線センサ 10a の検知範囲内に存在する被検知体の動作パターン情報及び属性情報を認識する機 能と、当該認識結果を発報制御部 20に送信する機能とを有したものである。本実施 の形態においては、特徴量データと、上記動作パターンモデル記憶部 12に記憶さ れた動作パターンモデルとを比較して、被検知体が人力ゝ否かを認識する。

[0104] 発報制御部 50は、情報認識装置 1の認識処理部 13からの認識結果に基づき、被 検知体が人力否かを判断し、被検知体が人であると判断された場合に、警報部 51に 警報を発報させる命令を伝送すると共に、通知部 52に警報内容 (例えば、建物内へ の人の侵入等）をシステム利用者に通知させる命令を伝送する機能を有している。一 方、発報制御部 50おいて、被検知体が人以外であると判断された場合には、前述し た発報命令及び通知命令を警報部 51及び通知部 52に送信しないため、警報も通 知も行わないことになる。なお、このような構成に限らず、被検知体が人以外と判断さ れた場合にも通知命令だけは通知部 51に通知するようにすることで、発報制御部 50 において、万が一誤った判断がされたときにもシステム利用者が適切に対処すること が可能である。 [0105] また、上記判断処理において、認識処理部 13から連続して送られてくる認識結果 力 「人，人，人以外 ·人以外，人，人 · ·人以外 ·人，人，人，人，人以外」といった内容 であった場合、例えば、人であるとの認識が所定回数以上 (例えば、 3回以上)連続 したときに、被検知体が人であると判断することで、判断結果の誤りを低減することが 可能である。

[0106] 警報部 51は、発報制御部 50からの発報命令に応じて、警告メッセージの音声と共 に所定の警告音を図示しないスピーカから出力する機能を有している。

通知部 52は、発報制御部 50からの通知命令に応じて、警告内容を、図示しないネ ットワーク等を介してシステム利用者に通知する機能を有している。

従って、前述したように被検知体が人以外であると判断された場合は、警報も通知 も行わないことになる。

[0107] ここで、本実施の形態において、警報システム 2は、情報認識装置 1とは別に、図示 しないプロセッサと、 RAM (Random Access Memory)と、専用のプログラムの記憶さ れた記憶媒体と、を備えており、プロセッサにより専用のプログラムを実行することに より上記各部の制御を行う。

また、記憶媒体とは、 RAM, ROM等の半導体記憶媒体、 FD、 HD等の磁気記憶 型記憶媒体、 CD、 CDV、 LD、 DVD等の光学的読取方式記憶媒体、 MO等の磁気 記憶型 Z光学的読取方式記憶媒体であって、電子的、磁気的、光学的等の読み取 り方法のいかんにかかわらず、コンピュータで読み取り可能な記憶媒体であれば、あ らゆる記憶媒体を含むものである。

[0108] 上記した警報システム 2は、その情報認識装置 1が備える焦電型赤外線センサ 10a を、例えば、美術館や宝石店等の建物の入り口付近 (建物内に入るときに必ず通る ルート）に設置することで、情報認識装置 1において建物内に侵入した者 (被検知体) が人か人以外かを認識し、この認識結果に基づき、更に、発報制御部 50において、 被検知体が人である力否かを判断し、被検知体が人であると判断された場合に、警 報部 51において警報を発し、通知部 52において警報内容をシステム利用者に通知 する。従って、建物内に泥棒等の「人」が侵入した場合に、それを人であると認識して 、警報部 21の警報により威嚇及び警告を行うことが可能であり、更に、通知部 52によ り「人」の建物内への侵入をシステム利用者に通知することで、例えば、システム利用 者である警備員などが現場に急行して泥棒を取り押さえたり、警察に連絡して警官に 現場に急行して貰ったりする等の対処が可能となる。一方、建物内に犬や猫などの「 人以外」の者が侵入した場合に、それを人以外と判断して、無用な警報や通知を行 わないことが可能である。

[0109] 更に、図 16に基づき、警報システム 2における発報制御部 50の動作処理の流れを 説明する。図 16は、発報制御部 50の動作処理を示すフローチャートである。

図 16に示すように、まずステップ 500に移行し、認識処理部 13から認識結果を受 信したカゝ否かを判定し、受信したと判定された場合 (Yes)はステップ S 502に移行し、 そうでない場合 (No)は受信するまで判定処理を続行する。

[0110] ステップ S502に移行した場合は、ステップ S500で受信した認識結果を図示しない 記憶部に記憶してステップ S504に移行する。

ステップ S504では、最初の認識結果の受信から所定時間が経過したか否か、又は 同じ被検知体に対する認識結果の受信数が所定受信数を越えたか否かを判定し、 経過した又は越えたと判定された場合 (Yes)はステップ S506に移行し、そうでな 、場 合 (No)はステップ S 500に移行する。

[0111] ステップ S506に移行した場合は、記憶部に記憶された同じ被検知体に対する認 識結果に基づき、当該被検知体が人か否かを判断する処理を行 ヽステップ S508に 移行する。ここで、人力ゝ否かを判断する処理は、上記したように、連続して「人」である と認識された回数などに基づき行う。

ステップ S508に移行した場合は、ステップ S506の判断結果力 人である判断され た場合 (Yes)はステップ S 510に移行し、そうでな 、場合 (No)はステップ S512に移行 する。

[0112] ステップ S510に移行した場合は、発報命令を警報部 51に送信すると共に、通知 命令を通知部 52に送信してステップ S512に移行する。

ステップ S512では、記憶部に記憶された認識結果を削除し判断処理を終了してス テツプ S 500に移行する。

以上、上記第 1及び第 2の実施の形態における情報認識装置 1の認識結果に基づ き、発報制御部 50において、被検知体が人か否かを判断し、人である場合には警報 部 51において警報を発し、通知部 52において警報内容をシステム利用者に通知す ることが可能であり、一方、人以外と判断された場合には警報部 51において警報を 発さず、且つ通知部 52において警報内容を通知しないようにすることで、無用な警 報及び通知を行わな 、ようにすることが可能である。

[0113] ここで、図 15に示す、発報制御部 50は、請求項 18記載の判断手段に対応し、警 報部 51及び通知部 52は、請求項 18記載の警報手段に対応する。

なお、上記第 1一第 3の実施の形態においては、人間及び人間以外の熱放射線を 放出する生物を被検知体としているが、これに限らず、熱放射線を放出する無生物 等を被検知体としても良い。

[0114] また、上記第 1一第 3の実施の形態においては、上記（1)一（8)の 8方向の動作パ ターンにつ 、て動作パターンモデルの生成や、これら動作パターンの認識処理を行 う例を説明したが、これに限らず、 8方向に限らない様々な方向の移動や、被検知体 の体の一部の動作等他の動作パターンについて動作パターンモデルの生成や、こ れら動作パターンの認識処理を行うようにしても良い。

[0115] また、上記第 1一第 3の実施の形態においては、動作パターンモデルに対応付ける 属性として被検知体の名前を例として説明したが、これに限らず、属性として、性別、 年齢、身長、体重等別の要素を対応付けても良ぐ又、複数の要素を任意に組み合 わせて対応付けても良い。

また、上記第 3の実施の形態においては、多次元の特徴量データを、二次元の座 標情報に射影する例を説明したが、これに限らず、多次元の特徴量データを、三次 元の座標情報に射影するようにしても良い。

産業上の利用の可能性

[0116] 本発明に係る請求項 1記載の情報認識装置によれば、熱放射線センサの検知結 果と複数種類の動作パターンモデルとに基づき被検知体の所定情報を認識するよう にしたので、被検知体の複雑な行動パターン、被検知体の属性などの様々な情報の 認識が可能である。

また、請求項 2記載の情報認識装置によれば、請求項 1の前記効果に加え、複数 種類の動作パターンにそれぞれ応じた複数の動作パターンモデルと検知結果とに基 づき認識処理を行うことができるので、検知範囲内の被検知体の様々な情報を認識 することが可能である。

[0117] また、請求項 3記載の情報認識装置によれば、請求項 1又は請求項 2の前記効果 に加え、新規動作パターンモデルの追加が容易であり、また、与えられた条件に応じ て動作パターンモデルを生成することができるので、認識内容の変更等による動作 ノターンモデルの変更等において柔軟な対応が可能である。

また、請求項 6記載の情報認識装置によれば、請求項 1乃至請求項 3のいずれか 1 の前記効果に加え、熱放射線センサとして焦電型赤外線センサを用いるようにしたの で、検知範囲内における移動体の検知を容易に行うことが可能である。

[0118] また、請求項 7記載の情報認識装置によれば、請求項 1乃至請求項 6のいずれか 1 の前記効果に加え、時系列信号の確率モデルである HMMを用いて動作パターン をモデルィ匕することにより、非定常な時系列信号であっても容易にモデルィ匕すること が可能となるので、被検知体の動作パターンを的確にモデルィ匕することが可能であ る。

また、請求項 8記載の情報認識装置によれば、請求項 1乃至請求項 7のいずれか 1 の前記効果に加え、被検知体の行動内容、移動速度、大きさ等により熱放射線セン サの出力は変化するので、これらに対応する動作パターンモデルを予め生成して用 意しておくことにより、被検知体の行動内容、移動速度、大きさ等を認識することが可 能である。

[0119] また、請求項 9記載の情報認識装置によれば、請求項 1乃至請求項 8のいずれか 1 の前記効果に加え、動作パターンモデルとして、複数種類の被検知体のものを含む ようにしたので、情報認識手段は、検知範囲内の被検知体の種類を認識することが 可能である。

また、請求項 10記載の情報認識装置によれば、請求項 1乃至請求項 9のいずれか 1の前記効果に加え、特徴量データと前記動作パターンモデルとの尤度を算出して 、これに基づき被検知体に係る所定情報を認識するようにしたので、所定情報の簡 易な認識が可能である。 [0120] また、請求項 11記載の情報認識装置によれば、請求項 10の前記効果に加え、検 知結果のフレーム単位のスペクトルからなる第 1の特徴量データと、このフレーム単位 のスペクトルの平均振幅値力 なる第 2の特徴量データとに対し、これらと前記動作 パターンモデルとの尤度を算出し、当該算出結果に基づき被検知体に係る所定情 報を認識するようにしたので、所定情報の認識精度を向上することが可能である。

[0121] また、請求項 12記載の情報認識装置によれば、第 1の特徴量データとして、前記フ レーム単位のスペクトルの値を常用対数値に変換したものを用いるようにしたので、 条件によっては、所定情報の認識精度をより向上することが可能である。

また、請求項 13記載の情報認識装置によれば、第 1及び第 2の特徴量データにカロ え、選択したフレームの前記第 1の特徴量データの示す特徴量と、当該選択したフレ ームの 1つ前のフレームの前記第 1の特徴量データの示す特徴量との差分からなる 第 3の特徴量データを用いて、所定情報の認識を行うようにしたので、これにより、所 定情報の認識精度をより向上することが可能である。

[0122] また、請求項 14記載の情報認識装置によれば、第 1一第 3の特徴量データに加え 、選択したフレームの前記第 2の特徴量データの示す特徴量と、当該選択したフレー ムの 1つ前のフレームの前記第 2の特徴量データの示す特徴量との差分力 なる第 4 の特徴量データを用いて、所定情報の認識を行うようにしたので、これにより、所定情 報の認識精度をより向上することが可能である。

[0123] また、請求項 15記載の情報認識装置によれば、請求項 1乃至請求項 8のいずれか 1の前記効果にカ卩え、検知結果を他の複数の被検知体の動作パターンモデルに対 応した特徴量データと対比させて視覚的に捉えることが可能となり、視覚による所定 情報の認識等が可能である。

ここで、請求項 16記載の情報認識方法は、請求項 1記載の情報認識装置等により 実現されるものであり、その産業上の利用可能性は重複するので記載を省略する。

[0124] また、請求項 17記載の情報認識プログラムは、請求項 1記載の情報認識装置に適 用可能なプログラムであり、その産業上の利用可能性は重複するので記載を省略す る。

また、本発明に係る請求項 18記載の防犯システムによれば、被検知体の複雑な行 動パターン、被検知体の属性などの様々な情報の認識が可能な情報認識装置の認 識結果に基づき、人と人以外の動物等との判別が可能となるので、本システムを、建 物の警備に利用した場合に、建物内への人以外の動物等の侵入を人の侵入と判断 して誤った警報を発することを低減することが可能である。

Claims

請求の範囲

[1] 検知範囲内に存在する被検知体から放出される熱放射線を、熱放射線センサによ つて検知する熱放射線検知手段と、

被検知体の動作パターンに応じた前記熱放射線センサの出力を、所定のモデル化 手法に従って予めモデルィ匕してなる動作パターンモデルを記憶する動作パターンモ デル記憶手段と、

前記熱放射線検知手段の検知結果と、前記動作パターンモデル記憶手段に記憶 された前記動作パターンモデルとに基づき、前記検知範囲内に存在する前記被検 知体に係る所定情報を認識する情報認識手段と、を備えることを特徴とする情報認 識装置。

[2] 前記動作パターンモデル記憶手段には、複数種類の動作パターンにそれぞれ応じ た複数の動作パターンモデルを記憶することを特徴とする請求項 1記載の情報認識 装置。

[3] 前記熱放射線センサの出力に基づき前記被検知体の前記動作パターンモデルを 前記所定のモデルィ匕手法により生成する動作パターンモデル生成手段を備えること を特徴とする請求項 1又は請求項 2記載の情報認識装置。

[4] 前記熱放射線センサは、熱型センサであることを特徴とする請求項 1乃至請求項 3 の!、ずれか 1項に記載の情報認識装置。

[5] 前記熱放射線センサは、量子型センサであることを特徴とする請求項 1乃至請求項

3の 、ずれか 1項に記載の情報認識装置。

[6] 前記熱型センサは、焦電効果を利用して前記被検知体から放出される赤外線を検 知する焦電型赤外線センサであることを特徴とする請求項 1乃至請求項 3のいずれ 力 1項に記載の情報認識装置。

[7] 前記所定のモデル化手法は、 HMM (Hidden Markov Model)であることを特徴とす る請求項 1乃至請求項 6のいずれか 1項に記載の情報認識装置。

[8] 前記所定情報は、前記被検知体の行動内容、前記被検知体の移動速度及び前記 被検知体の大きさのうち少なくとも 1つを含むことを特徴とする請求項 1乃至請求項 7 の!、ずれか 1項に記載の情報認識装置。

[9] 前記所定情報は、前記被検知体の属性情報を含むことを特徴とする請求項 1乃至 請求項 8のいずれか 1項に記載の情報認識装置。

[10] 前記情報認識手段は、前記熱放射線検知手段の検知結果から特徴量データを抽 出し、当該特徴量データと前記動作パターンモデル記憶手段に記憶された前記動 作パターンモデルとに基づき、前記特徴量データと前記動作パターンモデルとの尤 度を算出し、当該算出された尤度に基づき前記被検知体に係る所定情報を認識す るようになって!/、ることを特徴とする請求項 1乃至請求項 9の 、ずれか 1項に記載の情 報認識装置。

[11] 前記特徴量データは、前記熱放射線検知手段の検知結果のフレーム単位のスぺ クトルカ なる第 1の特徴量データと、前記フレーム単位のスペクトルの平均振幅値か らなる第 2の特徴量データとを含むことを特徴とする請求項 10記載の情報認識装置

[12] 前記第 1の特徴量データは、前記フレーム単位のスペクトルの値を常用対数値に 変換したものであることを特徴とする請求項 11記載の情報認識装置。

[13] 前記特徴量データは、選択したフレームの前記第 1の特徴量データの示す特徴量 と、前記選択したフレームの 1つ前のフレームの前記第 1の特徴量データの示す特徴 量との差分力 なる第 3の特徴量データを更に含むことを特徴とする請求項 11又は 請求項 12記載の情報認識装置。

[14] 前記特徴量データは、選択したフレームの前記第 2の特徴量データの示す特徴量 と、前記選択したフレームの 1つ前のフレームの前記第 2の特徴量データの示す特徴 量との差分力もなる第 4の特徴量データを更に含むことを特徴とする請求項 13記載 の情報認識装置。

[15] 前記動作パターンモデルが、 4次元以上の高次元の前記特徴量データから成ると きに、

前記動作パターンモデル記憶手段に記憶された各動作パターンモデルに対応す る前記特徴量データを、 2次元又は 3次元空間上の座標点として表示する特徴量デ ータ表示手段と、

前記特徴量データの座標点が表示された空間上に、前記熱放射線検知手段の検 知結果に対応する座標点を表示する検知結果表示手段と、を備えることを特徴とす る請求項 1乃至請求項 14のいずれか 1項に記載の情報認識装置。

[16] 検知範囲内に存在する被検知体から放出される熱放射線を、熱放射線センサによ つて検知し、

複数の被検知体の複数種類の動作パターンにそれぞれ応じた前記熱放射線セン サの出力を、所定のモデルィ匕手法に従って予めモデルィ匕してなる動作パターンモデ ルを用意し、

前記熱放射線センサの検知結果と、前記動作パターンモデルとに基づき、前記検 知範囲内に存在する前記被検知体に係る所定情報を認識することを特徴とする情報 認識方法。

[17] 検知範囲内に存在する被検知体から放出される熱放射線を、熱放射線センサによ つて検知する熱放射線検知ステップと、

複数の被検知体の複数種類の動作パターンにそれぞれ応じた前記熱放射線セン サの出力を、所定のモデルィ匕手法に従って予めモデルィ匕してなる動作パターンモデ ルを記憶する動作パターンモデル記憶ステップと、

前記熱放射線検知ステップによる検知結果と、前記動作パターンモデル記憶ステツ プにおいて記憶された前記動作パターンモデルとに基づき、前記検知範囲内に存 在する前記被検知体に係る所定情報を認識する情報認識ステップと、を備えることを 特徴とするコンピュータで実行させるための情報認識プログラム。

[18] 請求項 1乃至請求項 15のいずれか 1項に記載の情報認識装置と、

前記情報認識装置の認識結果に基づき、前記被検知体が人力ゝ否かを判断する判 断手段と、

前記判断手段によって、前記被検知体が人であると判定されたときに、警報を発す る警報手段と、を備えることを特徴とする警報システム。