WO2019138638A1 - 移動経路推定装置、移動経路推定システムおよび移動経路推定方法 - Google Patents
移動経路推定装置、移動経路推定システムおよび移動経路推定方法 Download PDFInfo
- Publication number
- WO2019138638A1 WO2019138638A1 PCT/JP2018/039041 JP2018039041W WO2019138638A1 WO 2019138638 A1 WO2019138638 A1 WO 2019138638A1 JP 2018039041 W JP2018039041 W JP 2018039041W WO 2019138638 A1 WO2019138638 A1 WO 2019138638A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- observation target
- target candidate
- observation
- movement
- time
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Definitions
- the present invention relates to a moving path estimation device for estimating a moving path to be observed, a moving path estimation system, and a moving path estimation method.
- Non-Patent Document 1 describes a technique for sequentially estimating a movement path of an observation target based on detection data of the observation target obtained by a sensor installed in an observation region.
- Non-Patent Document 1 In the conventional technique described in Non-Patent Document 1, it is assumed that the number of observation targets simultaneously present in the observation region is known, so when observation targets of unknown number simultaneously exist in the observation region, the observation is performed There has been a problem that it is not possible to estimate each moving path of the object.
- the present invention solves the above-mentioned problem, and an object of the present invention is to obtain a moving path estimation device, a moving path estimation system, and a moving path estimation method capable of estimating moving paths of observation targets whose number is unknown.
- a movement route estimation device includes an erasure prediction unit, an appearance prediction unit, a movement prediction unit, a data update unit, and an estimation unit.
- the loss prediction unit is a predetermined time from the observation time at which the observation target candidate having passed through the detection range in the observation area is detected in each passage direction, the entrance detection sensor position at which the entrance detection data is obtained, and the observation time Based on the existence probability indicating the possibility that the observation target candidate exists in the observation area at only the past time, and the motion specification probability distribution of the observation target candidate at the past time, observation between the past time and the observation time The predicted value of the existence probability of the observation target candidate reflecting the disappearance of the target candidate and the prediction value of the motion specification probability distribution are calculated.
- the appearance prediction unit predicts the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution, which appeared between the past time and the observation time, based on the entrance / exit detection data and the entrance / exit detection sensor position. calculate.
- the movement prediction unit is an observation target between the past time and the observation time based on the prediction value of the existence probability of the observation target candidate calculated by the loss prediction unit and the appearance prediction unit and the prediction value of the motion specification probability distribution.
- the predicted value of the existence probability of the observation target candidate reflecting the movement of the candidate and the predicted value of the motion specification probability distribution are calculated.
- the data updating unit performs observation at observation time based on the presence detection data in which the observation target candidate present in the detection range is detected, the presence detection sensor position at which the presence detection data is obtained, and the predicted value calculated by the movement prediction unit.
- the existence probability of the target candidate and the motion specification probability distribution are calculated.
- the estimation unit estimates whether or not the observation target is present in the observation region at the observation time based on the existence probability of the observation target candidate calculated by the data update unit and the motion specification probability distribution, and is assumed to be present at the observation time Calculate the motion specification estimates of the estimated observation target.
- the moving path estimation apparatus is configured to observe the observation target at the observation time based on the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution reflecting the disappearance and appearance of the observation target candidate. Update candidate existence probability and motion specification probability distribution.
- the movement path estimation device calculates a movement specification value indicating the movement path of the observation target based on the updated presence probability of the observation target candidate and the movement specification probability distribution.
- the movement path estimation device can estimate the movement path of the observation target whose number is unknown by predicting the disappearance and the appearance of the observation target candidate.
- FIG. 1 is a block diagram showing a configuration of a moving path estimation system according to Embodiment 1.
- FIG. 2 is a diagram showing an example of an observation area in Embodiment 1. It is a figure which shows the example of the sensor operation
- FIG. 4A is a block diagram showing a hardware configuration for realizing the function of the movement path estimation system according to the first embodiment.
- FIG. 4B is a block diagram showing a hardware configuration that executes software for realizing the functions of the movement path estimation system according to the first embodiment.
- FIG. 7 is a block diagram showing a configuration of a moving path estimation system according to a second embodiment. 7 is a flowchart showing an operation of the movement path estimation apparatus according to the second embodiment.
- FIG. 16 is a block diagram showing a configuration of a moving path estimation system according to a third embodiment.
- FIG. 18 is a diagram showing an example of an observation region in Embodiment 3.
- 15 is a flowchart showing the operation of the movement path estimation apparatus according to the third embodiment.
- FIG. 16 is a block diagram showing a configuration of a moving path estimation system according to a fourth embodiment. 15 is a flowchart showing the operation of the movement path estimation apparatus according to the fourth embodiment.
- FIG. 18 is a block diagram showing a configuration of a moving path estimation system according to a fifth embodiment.
- FIG. 24 is a diagram showing an example of an observation region in the fifth embodiment.
- 21 is a flowchart showing a moving path estimation method according to the fifth embodiment.
- 21 is a flowchart showing the operation of the movement path estimation apparatus according to the fifth embodiment.
- It is a flowchart which shows the detailed process of step ST7 f of FIG.
- FIG. 21 is a block diagram showing a configuration of a moving path estimation system according to a sixth embodiment.
- FIG. 16 is a flowchart showing the operation of the movement path estimation apparatus according to the sixth embodiment. It is a flowchart which shows the detailed process of step ST6g of FIG.
- FIG. 1 is a block diagram showing the configuration of a moving path estimation system 1 according to the first embodiment.
- the movement path estimation system 1 detects the presence of N (N is an integer of 2 or more) number of entrance / exit detection sensors 2-1 to 2-N, M (M is an integer of 2 or more)
- the sensor 3-1 to 3-M, the movement path estimation device 4, and the movement path storage unit 5 are configured.
- the movement path estimation device 4 includes a loss prediction unit 40, an appearance prediction unit 41, a movement prediction unit 42, a data updating unit 43, and an estimation unit 44.
- the movement path is determined by the movement path estimation device 4 in consideration of the disappearance or appearance of the objects detected by the entry / exit detection sensors 2-1 to 2-N and the presence detection sensors 3-1 to 3-M.
- An object until it is estimated is called a "observation target candidate". That is, among the objects detected by the sensor, objects until the movement path is estimated are temporary observation targets in the movement path estimation device 4, and thus are defined as observation target candidates.
- the entry / exit detection sensors 2-1 to 2-N are sensors provided in the observation area to detect entry / exit detection data, and are realized by sensors such as an optical camera, an infrared sensor, and a distance measurement sensor. Further, the entry / exit detection data is data obtained by detecting the observation target candidate that has passed through the detection range in the observation area in each passage direction.
- the entry and exit detection sensors 2-1 to 2-N transmit a detection signal including entry and exit detection data and a sensor position to the loss prediction unit 40 and the appearance prediction unit 41 at each observation time.
- the sensor position is a position at which the entry / exit detection sensor is installed, and corresponds to the entry / exit detection sensor position at which entry / exit detection data is obtained.
- the presence detection sensors 3-1 to 3-M are sensors provided in the observation area to detect presence detection data, such as an optical camera, an infrared sensor, a distance measurement sensor, a vibration sensor, a microphone, and a heat detection sensor. It is realized by a sensor. Further, the presence detection data is data obtained by detecting an observation target candidate present in the detection range of the sensor.
- the presence detection sensors 3-1 to 3-M transmit a detection signal including the presence detection data and the sensor position to the data update unit 43.
- the sensor position is the position at which the presence detection sensor is installed, and corresponds to the presence detection sensor position at which the presence detection data is obtained.
- a plurality of observation target candidates detected by the in / out detection sensors 2-1 to 2-N and the presence detection sensors 3-1 to 3-M are assigned identification numbers unique to the respective observation target candidates.
- FIG. 2 is a diagram showing an example of the observation area 10 in the first embodiment.
- the observation area 10 shown in FIG. 2 is an area surrounded by a wall having an entrance and exit, and can be accessed only through the entrance.
- the entry / exit detection sensor 2-n (where n is any integer from 1 to N) is provided, for example, at the entrance and exit of the observation area 10, and the detection range 11-n overlaps the entry and exit area.
- the observation target candidate entering and exiting the observation area 10 through the entrance and exit is detected by the entrance detection sensor 2-n when passing through the detection range 11-n.
- the presence detection sensor 3-m (m is an integer from 1 to M) is provided at any position in the observation area 10, as shown in FIG.
- the detection range 12-m of the presence detection sensor 3-m forms, for example, a circular area centered on the sensor position, as indicated by a broken line.
- the observation target in the observation area 10 is detected by the presence detection sensor 3-m when entering the detection range 12-m.
- the detection range 12-m is a circle is shown, it may be a shape other than a circle such as an ellipse or a rectangle.
- FIG. 3 is a diagram showing an example of the sensor operation in the observation area 10, and shows the operation of the sensor in the observation area 10 shown in FIG.
- the sensor that has detected the observation target candidate is described in gray.
- the person A1 moves in the direction (the direction indicated by the arrow a1) entering the observation area 10.
- the entry / exit detection sensor 2-n detects the person A1 who has passed through the detection range 11-n at the entrance and exit into the observation area 10.
- the entry / exit detection data in which the person A1 is detected is transmitted from the entry / exit detection sensor 2-n to the moving path estimation device 4.
- the presence detection sensor 3-m detects the person A1.
- the presence detection data in which the person A1 is detected is transmitted from the presence detection sensor 3-m to the movement path estimation device 4.
- the entry / exit detection sensor 2-n passes the detection range 11-n at the entrance and exit to the outside of the observation area 10 Detect A1.
- the entry / exit detection data in which the person A1 is detected is transmitted from the entry / exit detection sensor 2-n to the moving path estimation device 4.
- the entry / exit detection sensor 2-n passes through the detection range 11-n at the entrance and exit into the observation area 10 Detects the person A2 who has been observed.
- the entry / exit detection data in which the person A2 is detected is transmitted from the entry / exit detection sensor 2-n to the moving path estimation device 4.
- the presence detection sensor 3-m detects the person A2. Presence detection data in which the person A2 is detected is transmitted from the presence detection sensor 3-m to the movement path estimation device 4.
- the entrance / exit detection sensor 2-n passes the detection range 11-n of the entrance and exit and leaves the observation area 10 Detect A2.
- the entry / exit detection data in which the person A2 is detected is transmitted from the entry / exit detection sensor 2-n to the moving path estimation device 4.
- the movement route 13a of the person A1 and the movement route 13b of the person A2 in the observation area 10 can be estimated.
- false detection or detection failure of the observation target candidate may occur in the entry / exit detection sensor 2-n and the presence detection sensor 3-m.
- the “misdetection of the observation target candidate” means that the observation target candidate is detected by the sensor even though the observation target candidate does not exist in the detection range. Further, “failure in detection of observation target candidate” means that the observation target candidate existing in the detection range is not detected.
- the movement path estimation device 4 uses the entry and exit detection data input from the entry and exit detection sensors 2-1 to 2-N and the presence detection data input from the presence detection sensors 3-1 to 3-M to be observed. Calculate candidate motion specification estimates.
- the movement specification estimation value is stored in the movement path storage unit 5 for each time frame and for each observation target as data indicating the movement path of the observation target.
- the data indicating the moving path stored in the moving path storage unit 5 is output in response to a request from the user of the moving path estimation system 1.
- time frame The division of time in which the entry and exit detection sensors 2-1 to 2-N and the presence detection sensors 3-1 to 3-M output detection data to the movement path estimation device 4 is called “time frame”, and the time of each sensor is It is assumed that the frames are synchronized.
- the time frame corresponding to the observation time at which the observation target candidate is detected by the sensor is referred to as “the current time”
- the time frame corresponding to the past time one frame before the current time is referred to as the "previous time”.
- the previous time is defined as the time one frame before the current time, this is an example, and in the first embodiment, two or more time frames are used if the time is a predetermined time past the current time. It may be a retroactive time.
- the loss prediction unit 40 is based on the detection signal including the sensor position and the detection data received from the sensor 2-1 to 2-N, the presence probability of the candidate to be observed at the previous time, and the probability distribution of motion parameters.
- the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution are calculated, in which the disappearance of the observation target candidate from the previous time to the current time is reflected.
- the above-mentioned sensor position is a position at which a sensor for detecting entering and exiting is detected.
- the predicted value of the presence probability and the predicted value of the motion specification probability distribution calculated by the erasure prediction unit 40 are output to the movement prediction unit 42.
- the existence probability is a probability indicating the possibility that the observation target candidate exists in the observation area. For example, “high in the existence probability” means the possibility that the observation target candidate is an observation object that is truly present in the observation area. Indicates that is high.
- the existence probability is represented by a scalar value of 0 or more and 1 or less.
- the movement specification probability distribution is a probability distribution indicating what kind of movement specification the observation target candidate is when the observation target candidate exists in the observation region.
- the motion specifications include the position, velocity and acceleration of the observation target candidate. For example, assuming that the position in the two-dimensional plane and the velocity component in the two-dimensional velocity space are motion parameters, the motion parameter probability distribution is a four-dimensional that represents the two-dimensional position and the two-dimensional velocity component of the observation target candidate. It is defined as a probability distribution in space.
- the appearance prediction unit 41 is a candidate for the observation target appearing between the previous time and the current time based on the detection signal including the sensor position and the entrance / exit detection data received from the entrance / exit detection sensors 2-1 to 2-N.
- the predicted value of the existence probability and the predicted value of the motion specification probability distribution are calculated.
- the above-mentioned sensor position is a position at which the entry / exit detection sensor that has detected entry / exit detection data is installed.
- the predicted value of the presence probability and the predicted value of the motion specification probability distribution calculated by the appearance prediction unit 41 are output to the movement prediction unit 42.
- the movement prediction unit 42 receives the prediction value of the existence probability of the observation target candidate and the prediction value of the motion specification probability distribution, which are input from the loss prediction unit 40 and the appearance prediction unit 41, between the previous time and the current time.
- the predicted value of the existence probability of the observation target candidate and the predicted value of the motion specification probability distribution, in which the movement of the observation target candidate is reflected, are calculated.
- the predicted value of the presence probability and the predicted value of the motion specification probability distribution calculated by the movement prediction unit 42 are output to the data updating unit 43.
- the data update unit 43 detects the presence detection data received from the presence detection sensors 3-1 to 3-M and the detection signal including the sensor position, the predicted value of the existence probability of the observation target candidate calculated by the movement prediction unit 42, and the motion data Based on the predicted value of the original probability distribution, the existing probability of the observation target candidate at the current time and the movement specification probability distribution are calculated.
- the sensor position is a position where a presence detection sensor that has detected presence detection data is installed.
- the data updating unit 43 calculates the existence probability and motion specification probability distribution of one or more observation target candidates at the current time, and the calculated existence probability and movement specification probability distribution are calculated by the estimation unit 44 and the next time frame Output to the loss prediction unit 40 that performs the prediction.
- the estimation unit 44 estimates whether or not the observation target is present in the observation region at the current time, based on the existence probability of the observation target candidate of the current time and the motion specification probability distribution input from the data update unit 43.
- the motion specification estimated value of the observation target estimated to exist at time is calculated.
- the movement specification estimation value calculated by the estimation unit 44 is output to the movement path storage unit 5 and stored.
- Data in which the motion specification estimated values of the observation target stored in the travel path storage unit 5 are arranged in time series is data indicating the travel path of the observation target.
- the data indicating the movement path of the observation target stored in the movement path storage unit 5 is output to a display device or the like in response to a request of the user of the movement path estimation device 4.
- FIG. 4A is a block diagram showing a hardware configuration for realizing the function of the movement path estimation system 1.
- FIG. 4B is a block diagram showing a hardware configuration that executes software for realizing the functions of the movement path estimation system 1.
- the sensor group 100 is a sensor group corresponding to the on / off detection sensor 2-1 to 2-N.
- the sensor group 101 is a sensor group corresponding to the presence detection sensors 3-1 to 3-M.
- the storage device 102 stores intermediate data obtained during execution of estimation processing by the movement path estimation device 4, and further, a movement path storage unit 5 is constructed.
- the movement path estimation device 4 includes a processing circuit for executing the processing from step ST1 to step ST5 described later with reference to FIG.
- the processing circuit may be dedicated hardware or may be a CPU (Central Processing Unit) that executes a program stored in a memory.
- the processing circuit 103 may be, for example, a single circuit, a composite circuit, a programmed processor, a parallel programmed processor, an ASIC (Application Specific Integrated Circuit). ), FPGA (Field-Programmable Gate Array), or a combination thereof.
- the respective functions of the loss prediction unit 40, the appearance prediction unit 41, the movement prediction unit 42, the data update unit 43, and the estimation unit 44 may be realized by separate processing circuits, or these functions are integrated into one processing circuit. It may be realized by
- the processing circuit is the processor 104 shown in FIG. 4B
- the respective functions of the erasure prediction unit 40, the appearance prediction unit 41, the movement prediction unit 42, the data update unit 43 and the estimation unit 44 are software, firmware or software and firmware and It is realized by the combination of The software or firmware is written as a program and stored in the memory 105.
- the processor 104 realizes the respective functions of the loss prediction unit 40, the appearance prediction unit 41, the movement prediction unit 42, the data updating unit 43, and the estimation unit 44 by reading and executing the program stored in the memory 105. That is, the movement path estimation device 4 includes the memory 105 for storing a program that is to be executed as a result of the processing from step ST1 to step ST5 shown in FIG. 5 when executed by the processor 104. These programs cause a computer to execute the procedure or method of the loss prediction unit 40, the appearance prediction unit 41, the movement prediction unit 42, the data update unit 43, and the estimation unit 44.
- the memory 105 may be a computer-readable storage medium storing a program for causing a computer to function as the loss prediction unit 40, the appearance prediction unit 41, the movement prediction unit 42, the data update unit 43, and the estimation unit 44.
- the memory 105 may be, for example, a nonvolatile or volatile semiconductor memory such as a random access memory (RAM), a read only memory (ROM), a flash memory, an erasable programmable read only memory (EPROM), or an EEPROM (electrically-EPROM).
- RAM random access memory
- ROM read only memory
- EPROM erasable programmable read only memory
- EEPROM electrically-EPROM
- a magnetic disk, a flexible disk, an optical disk, a compact disk, a mini disk, a DVD, etc. correspond.
- the respective functions of the loss prediction unit 40, the appearance prediction unit 41, the movement prediction unit 42, the data update unit 43, and the estimation unit 44 may be partially realized by dedicated hardware and partially realized by software or firmware. Good.
- each of the loss prediction unit 40, the appearance prediction unit 41, and the movement prediction unit 42 realizes functions with a processing circuit as dedicated hardware.
- the processor 104 may implement the functions of the data update unit 43 and the estimation unit 44 by reading and executing the program stored in the memory 105.
- the processing circuit can realize each of the above functions by hardware, software, firmware or a combination thereof.
- FIG. 5 is a flowchart showing a moving route estimation method according to the first embodiment.
- the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution are calculated, in which the disappearance of the observation target candidate from the previous time to the current time is reflected (step ST1).
- step ST2 based on the entry / exit detection data and the sensor position received by the entry prediction unit 41 from the entry / exit detection sensors 2-1 to 2-N, the presence of the observation target candidate that appeared between the previous time and the current time.
- the predicted value of the probability and the predicted value of the motion specification probability distribution are calculated (step ST2).
- step ST3 Based on the predicted value of the existence probability of the observation target candidate and the predicted value of the motion parameter probability distribution, which the movement prediction unit 42 has input from the loss prediction unit 40 and the appearance prediction unit 41, observation from the previous time to the current time.
- the predicted value of the existence probability of the observation target candidate reflecting the movement of the target candidate and the prediction value of the motion specification probability distribution are calculated (step ST3).
- the estimation unit 44 estimates whether or not the observation target is present in the observation region at the current time based on the existence probability of the observation target candidate and the motion specification probability distribution input from the data updating unit 43, and the existence is present at the current time Then, the movement path of the observation target estimated is estimated (step ST5). For example, the estimation unit 44 calculates a movement specification estimated value indicating the movement route of the observation target, and stores the calculated movement specification estimation value in the movement route storage unit 5.
- the coordinate system of the two-dimensional position space is represented by orthogonal XY coordinate axes, and the two-dimensional velocity component also has a value in the X axis direction and a value in the Y axis direction.
- these premise is an illustration and is not limited to these movement specifications.
- the position in the three-dimensional position space and the velocity in the three-dimensional velocity space may be used as the movement specification for an observation object moving in the three-dimensional space.
- the acceleration component and the differential component of the acceleration may be included in the movement specification in consideration of the possibility of acceleration of the observation target.
- polar coordinates may be used instead of the Cartesian coordinate system.
- the movement specifications are estimated on the assumption that the observation target performs constant velocity straight movement.
- the entry / exit detection sensors 2-1 to 2-N are also erroneous detection or presence detection data of the presence detection data for the presence detection sensors 3-1 to 3-M. It is assumed that there is a detection failure of
- the motion specification probability distribution is approximated by a set of weighted limited number of "particles". In a region in which the value of the motion parameter probability distribution is large, particles with large weighting coefficients are densely distributed, and in a region in which the value of the motion parameter probability distribution is small, particles with small weighting coefficients are sparsely distributed. Note that the method of approximation is not limited to the above-described method, and for example, the motion specification probability distribution may be approximated by linear combination of probability density functions of Gaussian distribution.
- time k The current time is described as "time k", where "k” is the time frame number of the current time.
- the time frame number of the previous time is described as “k-1”, and the previous time is described as "time k-1”.
- a symbol suffixed with k indicates that the parameter value indicated by the symbol is a value at time k. The same applies to the index of k-1.
- a 4-by-1 vector x representing the movement specification of the observation target is defined by the following equation (1).
- x (1) represents the X-axis component of the position
- x (2) represents the Y-axis component of the position
- x (3) represents the X-axis component of the velocity
- x ( 4) represents the Y-axis component of velocity.
- the subscript T at the upper right of the matrix represents transposition of the matrix.
- a vector representing such motion specification is called a "state vector".
- x [x (1) x (2) x (3) x (4) ] T (1)
- z n (InOut, 1) is an X-axis component of the sensor position of the entry / exit detection sensor 2-n
- z n (InOut, 2) is an entry / exit detection sensor 2-n It is a Y-axis component of the sensor position.
- z k, n (InOut) [z k, n (InOut, 1) z k, n (InOut, 2) ] T (2)
- z k, m (Exist, 1) is the X-axis component of the sensor position of the presence detection sensor 3-m
- z k, m (Exist, 2) is the presence detection sensor 3- It is a Y-axis component of the sensor position of m.
- z k, m (Exist) [z k, m (Exist, 1) z k, m (Exist, 2) ] T (3)
- L k be a set of identification numbers of observation target candidates at time k
- k (i) be an existence probability of observation target candidates of identification number i at time k.
- k-1 (i) is the existence probability of the observation target candidates of the identification number i at time k-1 r k-1
- k (i) (x) of the observation target candidate of identification number i at time k is the probability that the movement specification of the observation target candidate of identification number i at time k is state vector x Is shown.
- k (i) (x ) Can be represented by the following formula (4).
- ⁇ is a Dirac delta function
- the number J of particles is a preset parameter.
- k -1 (i) of the motion specification probability distribution of the observation target candidate of the identification number i at time k is the motion specification of the observation target candidate of the identification number i at time k-1 Calculated using probability distribution.
- k ⁇ 1 (i) (x) of the motion specification probability distribution is expressed by 5).
- k ⁇ 1 (i, j) is a state vector indicating the state of the j-th particle.
- FIG. 6 is a flowchart showing the operation of the movement path estimation device 4.
- k (i) (x) is approximated by a set of weighted particles
- the motion specification probability of the observation target candidate of the identification number i at time k The distribution f k
- k ⁇ 1 (i) (x) of the motion specification probability distribution are calculated in the same manner.
- an expression indicating that a random number generated according to a certain probability density function f (x) is x will be described as x to f (x).
- N (x; ⁇ , P) and U (x, a, b) are used as probability density functions.
- N (x; ⁇ , P) is a probability density function of multivariate Gaussian distribution of the mean value vector ⁇ and the error covariance matrix P with respect to the random variable vector x.
- U (x, a, b) is a probability density function of uniform distribution of the minimum value a and the maximum value b with respect to the random variable scalar value x.
- the loss prediction unit 40 and the appearance prediction unit 41 detect the entry or exit of the observation target candidate with respect to the observation region out of the N entry / exit detection data at time k received from the entry / exit detection sensors 2-1 to 2-N.
- the loss prediction unit 40 and the appearance prediction unit 41 determine whether the moving direction of the observation target candidate is the approach direction to the observation region based on the entry / exit detection data detected by the n th entry / exit detection sensor 2-n. It is determined (step ST2a). When it is determined that the movement direction of the observation target candidate is the exit direction from the observation area (step ST2a; NO), the loss prediction unit 40 proceeds to step ST3a. When the appearance prediction unit 41 determines that the movement direction of the observation target candidate is the approach direction to the observation area (step ST2a; YES), the appearance prediction unit 41 proceeds to step ST4a.
- the entry / exit detection sensor can detect the approach direction to the observation area and the exit direction from the observation area in the same time frame, the movement direction of the observation target candidate detected by the entry / exit detection sensor is used.
- the loss prediction unit 40 may execute the process of step ST3a, and the appearance prediction unit 41 may execute the process of step ST4a.
- step ST3a the loss prediction unit 40 detects the entrance / exit detection data detected by the entrance / exit detection sensor 2-n, the sensor position of the entrance / exit detection sensor 2-n shown in the above equation (2), time k-1
- the predicted value of the probability of existence of the candidate for observation and the movement specification that reflect the disappearance of the candidate for observation between time k-1 and time k based on the probability of existence of the candidate for observation and the probability distribution of movement parameters Calculate predicted value of probability distribution.
- the loss prediction unit 40 uses the existence probability of the observation target candidate and the motion specification probability distribution at time k-1.
- the loss prediction unit 40 uses the predicted value of the presence probability and the predicted value of the exercise specification probability distribution calculated in the immediately preceding step ST3a.
- the disappearance prediction unit 40 uses the following equation (6) to the following equation (11) to reflect the disappearance of the observation target candidate from time k-1 to time k and is the observation target candidate of the identification number i
- k-1, S (i, j) ⁇ j 1, ..., J Calculate
- the identification number i is assumed to be the same as the observation target candidate at time k-1 (previous time).
- the process of calculating the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution using the equations (6) to (11) is the movement specification of the observation object candidate of the identification number i
- k-1 (i) of the probability distribution is at the sensor position z n (InOut) at which the n-th entrance / exit detection sensor 2-n detecting the exit of the observation target is installed It corresponds to processing of decreasing the existence probability of the observation target candidate of the identification number i by ⁇ k, FLS (InOut) times as it gets closer .
- the exit of the observation target candidate detected by the entrance / exit detection sensor 2-n can be reflected in the predicted value of the observation target candidate.
- the loss prediction unit 40 uses the difference between the azimuth angle of the average velocity vector of the motion specification probability distribution and the azimuth angle of the direction in which the in / out detection sensor detects the observation target candidate leaving the observation area.
- the observation target candidate may be selected to reduce the existence probability.
- step ST4a the appearance prediction unit 41 determines the time based on the entry / exit detection data detected by the entry / exit detection sensor 2-n and the sensor position of the entry / exit detection sensor 2-n represented by the equation (2).
- the predicted value of the existence probability of the observation target candidate appearing between k-1 and time k and the predicted value of the motion specification probability distribution are calculated.
- the appearance prediction unit 41 uses the following formulas (12) to (16) to calculate the prediction value r k
- B (in) are calculated, and a particle representing a predicted value of the motion specification probability distribution of the observation target candidate that appeared between time k-1 and time k ⁇ k k
- k ⁇ 1, B (in, j) ⁇ j 1,.
- Identification number i n is the n th identification number of the predicted observation target candidates that appeared around the room access detecting sensor 2-n, an identification number different from the value of the existing observation target candidate.
- ⁇ k, FLS (InOut) , V B (3) and V B (4) are preset parameters, and in particular, ⁇ k, FLS (InOut) is a false detection sensor for false detection of observation target candidate Indicates the probability of
- the process of calculating the predicted value of the existing probability and the predicted value of the movement specification probability distribution using the above equation (12) to the above equation (16) is such that the installation position of the n th entry / exit detection sensor 2-n is initial to produce particles of a new observation target candidate as the position, the respective speeds of the formed particles as a random number uniformly distributed, add the observation target candidate identification number i n that the weight factor of the presence probability and particles eigenvalue Corresponds to the processing to be performed.
- the predicted value of the observation target candidate whose entry into the observation region is detected by the entry / exit detection sensor 2-n at time k is obtained.
- the initial velocity of the particle regarding the newly appeared observation target candidate is a random distribution of uniform distribution centered on 0 shown in the above equation (15) and the above equation (16)
- the nth entry and exit detection It is also possible to use a random number of distribution biased in the direction in which the sensor 2-n detects an observation target candidate entering the observation area.
- step ST5a the loss prediction unit 40 and the appearance prediction unit 41 enter an observation target candidate with respect to the observation area among the N entry / exit detection data at time k received from the entry / exit detection sensors 2-1 to 2-N. Alternatively, it is determined whether all data whose exit has been detected has been selected. If it is determined that there is unselected data (step ST5a; NO), the loss prediction unit 40 and the appearance prediction unit 41 select unselected entrance detection data, and return to the process of step ST2a. If all the data have been selected (step ST5a; YES), the process proceeds to step ST6a.
- step ST6a the movement prediction unit 42 predicts the predicted value of the existence probability and the predicted value of the movement specification probability distribution reflecting the disappearance of the observation target candidate from time k-1 to time k, and time k-1
- the movement of the observation object candidate from time k-1 to time k is reflected based on the predicted value of the existence probability of the observation object candidate and the predicted value of the motion specification probability distribution that appeared between time t and time k
- the predicted value of the existence probability of the observation target candidate and the predicted value of the motion specification probability distribution are calculated.
- the predicted value of the probability of existence of the observation object candidate reflecting the disappearance of the observation object candidate from time k-1 (previous time) to time k (current time) is r k
- the predicted value of the motion specification probability distribution of the observation object candidate reflecting the disappearance of the observation object candidate from time k-1 to time k is ⁇ wk k
- K ⁇ 1, S (is, j) ⁇ j 1,.
- i S is the identification number of the observation target candidate calculated by the loss prediction unit 40.
- the predicted value of the existence probability of the observation target candidate appearing between time k-1 and time k is represented by rk
- the predicted value of the motion specification probability distribution of the observation target candidate that appeared between time k-1 and time k is ⁇ wk
- k-1, B ( iB, j) j 1 ,.
- i B is the identification number of the observation target candidate calculated by the appearance prediction unit 41.
- the predicted value of the presence probability reflecting the movement of the observation target candidate from time k ⁇ 1 to time k is represented by r k
- the predicted value of the motion specification probability distribution that reflects the movement of the observation target candidate from time k-1 to time k is ⁇ wk
- k-1 (i , J) ⁇ j 1,.
- the identification number i is an identification number including both the identification number i S and the identification number i B.
- the identification number i is represented by the following formula (17) Defined by i ⁇ L k
- k-1 ⁇ L k
- the movement prediction unit 42 uses the following formula (18) to the following formula (21) to calculate the predicted value r k
- ⁇ k is a matrix that causes the state vector to transition based on the prediction model of uniform linear motion.
- ⁇ k is an elapsed time from time k-1 to time k.
- Q k is a matrix indicating system noise representing an error of the prediction model of uniform linear motion and is a preset parameter.
- the predicted value of the existing probability and the predicted value of the motion parameter probability distribution are calculated on the premise that random numbers based on the Gaussian distribution can be generated. Absent. For example, a random number generated from an arbitrary probability distribution function (proposed distribution) is used as a state vector by using the concept of motion prediction processing in an existing particle filter. The weighting factor after prediction may be calculated based on the result of comparing the probability of the random number generated in the proposed distribution and the transition probability in constant velocity straight movement.
- step ST7a the data updating unit 43 reflects the presence detection data and the sensor position received from the presence detection sensors 3-1 to 3-M, and the movement of the observation target candidate from time k-1 to time k. Based on the predicted value of the existing probability of the observation target candidate and the predicted value of the movement specification probability distribution, the existence probability of the observation target candidate and the movement specification probability distribution at time k are calculated (updated). At this time, the data updating unit 43 calculates an exercise specification probability distribution in which a plurality of correspondences between the plurality of observation target candidates and the plurality of presence detection data are reflected.
- FIG. 7 is a flowchart showing the detailed process of step ST7 of FIG.
- the data updating unit 43 determines the confidence for each subset of the identification numbers based on the respective values of the predicted values r k
- k ⁇ 1 (I ( ⁇ ) ). ⁇ 1, 2,...
- the subset I ( ⁇ ) of the identification numbers is a set composed of zero or more identification numbers i.
- the data updating unit 43 calculates the reliability b k
- k ⁇ 1 is a set of identification numbers of predicted observation target candidates.
- k ⁇ 1 ⁇ I ( ⁇ ) on the right side of the following formula (22) represents a difference set obtained by removing the elements of the set I ( ⁇ ) from the set L k
- step ST7a-2 the data updating unit 43 sets the sensor position ⁇ z k, m (Exist) at which the presence detection sensor which has detected the observation target candidate at time k among the presence detection sensors 3-1 to 3-M. ) ⁇ m ⁇ M *, a subset confidence b k
- k-1 (i, j) ⁇ j 1,..., J , the reliabilities b ′ k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1, ..., J is calculated.
- M * is a set of identification numbers (hereinafter referred to as presence detection sensor numbers) assigned to the presence detection sensor that has detected the observation target candidate at time k. Also, a prime (') attached to the symbol of the reliability and the weighting factor indicates that it is a value before being normalized. The standardization will be described in step ST7a-3 described later.
- the mapping ⁇ k ( ⁇ , h) defines an element of the subset I ( ⁇ ) as a mapping that associates the element of the subset I ( ⁇ ) with at least one of presence detection sensor numbers of presence detection sensors that have detected observation target candidates at time k. If this is expressed by a formula, it will become like a following formula (23). In Equation (23) below, the mapping to the set ⁇ 0 ⁇ is a mapping that indicates that the observation target candidate was not detected by any of the presence detection sensors at time k.
- the mapping ⁇ k ( ⁇ , h) is necessarily 1 to 1 It does not have to be a map of ⁇ k ( ⁇ , h) : I ( ⁇ ) ⁇ [ ⁇ 0 ⁇ ⁇ M * ] (23)
- the data updating unit 43 uses the following equation (24), the following equation (24a) and the following equation (25) to determine the reliability b ′ k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1, ..., J is calculated.
- the variables in the equation (24), the equation (24a) and the equation (25) are calculated according to the following equation (26), the following equation (27), the following equation (28) and the following equation (29).
- Pk and DT in the following equation (27) are the probabilities that the presence detection sensor detects an observation target candidate without detection failure at time k.
- ⁇ k, FLS (Exist) is the probability that the presence detection sensor erroneously detects an observation target candidate at time k.
- d DT is the radius of the detection range of the presence detection sensor.
- ⁇ is the circle ratio.
- step ST7a-3 the data updating unit 43 normalizes the reliability b ′ k
- the data updating unit 43 normalizes the reliability b ′ k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1, ..., J are obtained.
- H ⁇ is the total number of mappings in ⁇ -th subset I ( ⁇ ) .
- step ST7a-4 the data updating unit 43 calculates the normalized reliability b k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1, ...
- the data updating unit 43 uses the following equation (32) to the following equation (34) to determine the existence probability r k
- k (i, j) ⁇ j 1, ..., J is calculated.
- step ST8a the estimation unit 44 selects and inputs any one of the observation target candidates at time k (the current time). As a result, a loop for selecting and processing observation target candidates is started.
- the case where the observation target candidate of the identification number i is selected will be described as an example.
- the estimation unit 44 determines whether the existence probability r k
- the threshold r Th of the existence probability of the observation target candidate is a preset parameter. r k
- step ST9 a If it is determined that the existence probability r k
- step ST10a the estimation unit 44 estimates the motion specification of the observation target corresponding to the observation target candidate based on the motion specification probability distribution of the observation target candidate of the identification number i at time k. For example, the estimation unit 44 calculates the motion specification estimated value ⁇ k (i) of the observation target corresponding to the observation target candidate of the identification number i according to the following equation (36).
- the movement path storage unit 5 stores motion specification estimated values having the same identification number stored in different time frames in chronological order. Thereby, the movement specification estimation value is stored in the movement path storage unit 5 as the estimated movement path of the observation target.
- the movement path storage unit 5 also stores movement specifications other than the position of the observation target, and the data stored in the movement path storage unit 5 is extracted in response to a request from the user.
- step ST11a the estimation unit 44 confirms whether or not all observation target candidates at time k have been selected. At this time, if there is an unselected observation target candidate (step ST11a; NO), the process returns to step ST9a. On the other hand, when all observation target candidates have been selected (step ST11a; YES), the series of processes in FIG. 6 are ended.
- the moving path estimation device 4 is based on the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution on which the disappearance and appearance of the observation target candidate are reflected. , Update the existence probability of the observation target candidate at the observation time and the motion specification probability distribution.
- the movement path estimation device 4 calculates a movement specification estimated value indicating the movement path of the observation target based on the updated presence probability of the observation target candidate and the movement specification probability distribution.
- the movement path estimation device 4 can estimate the disappearance and appearance of the observation target candidate and estimate the movement path of the observation target whose number is unknown.
- the movement path estimation device 4 predicts the disappearance and appearance of the observation target candidate to narrow the range of the number of observation target candidates.
- the operation scale when determining the observation target candidate that is truly present in the observation region depends on the range of the number of observation target candidates narrowed down.
- the operation scale required for the movement path estimation processing depends on the maximum number of observation target candidates.
- the movement path estimation device 4 since the operation scale depends on the range of the number of observation target candidates narrowed down, it is possible to estimate the movement path of the observation target whose number is unknown with a smaller operation scale. It is.
- the loss prediction unit 40 determines the previous time based on the entry / exit detection data, the sensor position, the existence probability of the observation target candidate at the previous time, and the motion specification probability distribution.
- the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution are calculated, in which the disappearance of the observation target candidate from the point of time to the current time is reflected.
- the appearance prediction unit 41 calculates a predicted value of the existence probability of the observation target candidate and a predicted value of the movement specification probability distribution, which have appeared between the previous time and the current time, based on the entry / exit detection data and the sensor position.
- the movement path estimation device 4 does not use data in the past than the previous time, but based on the processing result at the previous time, the entry / exit detection data at the current time, the presence detection data at the current time, and the sensor position. It is possible to estimate the moving path at the current time.
- the loss prediction unit 40 calculates a predicted value reflecting the loss of the observation target candidate from the previous time to the current time, the existence probability and motion of the observation target candidate at the previous time used for the calculation of the predicted value Since the specification probability distribution can be deleted, the used capacity of the storage device 102 can be saved.
- the appearance prediction unit 41 calculates the predicted value of the observation target candidate that has appeared between the previous time and the current time, the existence probability and motion of the observation target candidate at the previous time used for the calculation of the predicted value Since the specification probability distribution can be deleted, the used capacity of the storage device 102 can be saved.
- the loss prediction unit 40 determines the predicted value of the existence probability of the observation target candidate on which the loss of the observation target candidate from the previous time to the current time is reflected. It calculates using the probability (beta) k, FLS (InOut) that an ON / OFF detection sensor misdetects observation object candidate.
- the appearance prediction unit 41 calculates the predicted value of the existence probability of the observation target candidate that has appeared at the current time, using the probability ⁇ k, FLS (InOut) that the entry / exit detection sensor erroneously detects the observation target candidate.
- the loss prediction unit 40 and the appearance prediction unit 41 may detect that the entry / exit detection sensor erroneously enters the observation area or enters the observation area by the entry / exit detection sensor, The predicted value of the existence probability including the possibility that the observation target candidate is false detection can be calculated. This makes it possible to prevent the movement path from being estimated for an observation target candidate that is not actually present but is erroneously detected.
- the data updating unit 43 is a probability that the presence detection sensor erroneously detects the observation object candidate and the existence probability of the observation object candidate at the current time and the motion specification probability distribution. It calculates using ( beta ) k, FLS (Exist) and probability pk, DT that an existence detection sensor detects an observation object candidate, without failing in detection. The data updating unit 43 predicts the predicted value of the presence probability and the predicted value of the movement specification probability distribution including the possibility that the presence detection data is erroneously detected even when the presence detection data matching the predicted value is detected. Calculate As a result, it is possible to prevent the estimated movement path from being shifted in the direction of the erroneously detected observation target candidate.
- the movement prediction unit 42 includes the predicted value of the existence probability of the observation target candidate calculated by the erasure prediction unit 40 and the appearance prediction unit 41 and the motion specification probability distribution. Based on the predicted value, the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution are calculated, in which the movement of the observation target candidate from the previous time to the current time is reflected. As described above, since the movement prediction unit 42 calculates the predicted value of the movement specification probability distribution including the error of the prediction model related to the movement of the observation target candidate, the movement of the actual observation target candidate deviates from the prediction model. Even if it is, the increase in the estimation error of the movement path can be suppressed by considering the prediction error of the movement specification probability distribution.
- the movement prediction unit 42 has a probability density function having a spread according to the error of the prediction model. Calculate the particles from Thereby, the error of the prediction model can be reflected on the prediction value of the motion specification probability distribution of the observation target candidate. Even if the observation target candidate is detected at a position deviated from the predicted value of the uniform linear movement, the data updating unit 43 increases the weight coefficient of the particle deviated from the predicted value, and the existence probability and movement specification of the observation target candidate Update the probability distribution. For this reason, the estimation unit 44 can calculate an estimated value (a movement specification estimated value) of the movement path in which the error of the prediction model is corrected.
- the data updating unit 43 calculates the movement specification probability distribution in which the possibility that the plurality of observation target candidates and the plurality of presence detection data are associated is reflected. Do. As a result, even if the observation target candidates in the observation region approach or cross the movement route, in the motion specification probability distribution of the observation target candidate, the correspondence between the presence detection data and the observation target candidate is low. The probability is low. For this reason, the frequency at which the movement paths of the observation target candidates are mistakenly exchanged is reduced.
- the movement path estimation system 1 includes entry and exit detection sensors 2-1 to 2-N and presence detection sensors 3-1 to 3-M.
- the entry and exit detection sensors 2-1 to 2-N transmit entry and exit detection data in which the observation target candidate that has passed the detection range in the observation area is detected in each passage direction to the movement path estimation device 4, 3-1 to 3-M transmit, to the movement path estimation device 4, presence detection data in which observation target candidates present in the detection range are detected.
- the entrance / exit detection sensors 2-1 to 2-N are cameras and the presence detection sensors 3-1 to 3-M are distance measurement sensors
- the entrance / exit detection sensors 2-1 to 2-N are cameras.
- the candidate for the observation target that has passed the detection range may transmit in / out detection data detected in each passing direction.
- the presence detection sensors 3-1 to 3-M may send presence detection data in which observation target candidates present in the detection range are detected, instead of sending distance measurement data.
- the detection data of the sensor can be transmitted to the movement path estimation device 4 with a smaller communication capacity.
- the movement path estimation system 1 estimates the movement path of the observation target without detecting personal information such as face and clothes. It is possible.
- the entry / exit detection sensors 2-1 to 2-N and the presence detection sensors 3-1 to 3-M may be any sensors capable of detecting entry / exit detection data and presence detection data, they are high-performance sensors. It does not have to be. Moreover, it is not necessary to provide a sensor in observation object. For example, the data updating unit 43 can narrow down the motion specifications of the observation target candidate as the number of pieces of presence detection data increases. For this reason, the movement path
- the movement path estimation apparatus estimates a movement path in consideration of the number of observation target candidates.
- FIG. 8 is a block diagram showing a configuration of a movement route estimation system 1A according to the second embodiment.
- the movement path estimation system 1A includes N (N is an integer of 2 or more) entrance / exit detection sensors 2A-1 to 2A-N and M (M is an integer of 2 or more) presence detection sensors 3-1 to 3- M, a movement path estimation device 4A, and a movement path storage unit 5 are provided.
- the movement path estimation device 4A includes a loss prediction unit 40A, an appearance prediction unit 41A, a movement prediction unit 42, a data updating unit 43, and an estimation unit 44.
- the entrance / exit detection sensors 2A-1 to 2A-N are provided in the observation area and detect entrance / exit detection data, and are realized by sensors such as an optical camera, an infrared sensor, and a distance measurement sensor.
- the entry and exit detection data includes count data as well as data in which observation target candidates that have passed through the detection range in the observation area are detected in each passing direction.
- the number data is data in which the number of observation target candidates that have passed through the detection range in one observation by the entry / exit detection sensor is detected.
- the entrance / exit detection sensor may detect the number of observation target candidates present in the detection range based on the comparison result of the distance measurement data and the threshold value, and the captured image in the detection range is image analyzed and observed The number of candidates may be detected.
- the loss prediction unit 40A calculates the interval between the previous time and the current time based on the entry / exit detection data including the number data, the entry / exit detection sensor position, the existence probability of the observation target candidate at the previous time, and the motion specification probability distribution.
- the predicted value of the existence probability of the observation target candidate reflecting the disappearance of the observation target candidate and the prediction value of the motion specification probability distribution are calculated.
- the appearance prediction unit 41A is a predicted value of the existence probability of the observation target candidate that has appeared between the previous time and the current time and the movement specification probability distribution based on the entrance / exit detection data including the number data and the entrance / exit detection sensor position. Calculate the predicted value of
- the entry / exit detection sensors 2A-1 to 2A-N are realized by the sensor group 100 shown in FIGS. 4A and 4B. Further, the functions of the loss prediction unit 40A, the appearance prediction unit 41A, the movement prediction unit 42, the data updating unit 43, and the estimation unit 44 in the movement path estimation device 4A are realized by a processing circuit. That is, the movement path estimation device 4A includes a processing circuit for executing the processing from step ST1b to step ST11b described later with reference to FIG.
- the processing circuit may be a dedicated hardware processing circuit 103, or may be a processor 104 that executes a program stored in the memory 105.
- FIG. 9 is a flowchart showing the operation of the movement path estimation device 4A.
- the processes of step ST1b, step ST2b, and step ST5b to step ST11b of FIG. 9 are the same as the processes of step ST1a, step ST2a, and step ST5a to step ST11a of FIG.
- k (i) (x) is approximated by a set of weighted particles.
- those having no explanation have the same meaning as in the first embodiment.
- the number of observation target candidates moved in the direction to enter the detection range is ⁇ n +, and from the detection range Let ⁇ n ⁇ be the number of observation target candidates moved in the direction of leaving.
- the loss prediction unit 40A is provided with entry detection data including the number (number data) of observation target candidates detected by the nth entry detection sensor 2A-n, and the entry detection sensor 2A-n.
- the observation target candidate reflecting the disappearance of the observation target candidate from time k-1 to time k based on the sensor position, the existence probability of the observation target candidate at time k-1, and the motion specification probability distribution
- the predicted value of the existence probability and the predicted value of the motion specification probability distribution are calculated.
- the extinction prediction unit 40A performs the process of step ST3b for the first time, the existence probability of the observation target candidate at time k-1 and the movement specification probability distribution are used.
- the erasure prediction unit 40A uses the predicted value of the presence probability and the predicted value of the exercise specification probability distribution calculated in the immediately preceding step ST3b.
- the disappearance prediction unit 40A uses the following equation (37) and the above equation (7) to the following equation (11) to identify the disappearance of the observation target candidate from time k-1 to time k, identification number i
- k -1, S (i) of the existence probability of the observation target candidate is calculated, and the observation target candidate of the identification number i reflecting the disappearance of the observation target candidate from time k-1 to time k Is a particle representing the predicted value of the motion specification probability distribution of ⁇ k k
- k ⁇ 1, S (i, j) ⁇ j 1, ... , J is calculated.
- the identification number i is assumed to be the same as the observation target candidate at time k-1 (previous time). 2 is the Euclidean norm of the vector x, ⁇ k, FLS (InOut) is a parameter set in advance, and indicates the probability of false detection of the entry / exit detection sensor.
- d Th [nu n -) is, [nu n when arranged in ascending order with respect to the identification number i of d (i, n) shown in the above formula (9) - a second value. If less than, d Th - number of observation target candidate ⁇ n ( ⁇ n -) is the maximum value of d (i, n).
- the process of calculating the predicted value of the existence probability of the observation object candidate and the predicted value of the motion specification probability distribution The average position H Pos ⁇ k-1
- the existence probability of the observation target candidate with the identification number i is multiplied by ⁇ k, FLS (InOut), so that the withdrawal (disappearance) of the observation target candidate is reflected on the existence probability of the observation target candidate with the identification number i
- ⁇ k, FLS (InOut) 0, if d (i, n) shown in the above equation (9 ) is smaller than a threshold, the loss prediction unit 40A determines the presence of an observation value candidate with an identification number i.
- the probability and motion specification probability distributions (particles) may be deleted.
- the loss prediction unit 40A uses the difference between the azimuth angle of the average velocity vector of the motion specification probability distribution and the azimuth angle of the direction in which the in / out detection sensor detects the observation target candidate leaving the observation area.
- the observation target candidate may be selected to reduce the existence probability.
- step ST4b the appearance prediction unit 41A determines based on the entry / exit detection data including the number of observation target candidates (number data) detected by the entry / exit detection sensor 2A-n and the sensor position of the entry / exit detection sensor 2A-n.
- the predicted value of the existence probability of the observation target candidate appearing between time k-1 and time k and the predicted value of the movement specification probability distribution are calculated.
- the appearance prediction unit 41A uses the above equations (12) to (16) to predict the presence probability of the observation target candidate that has appeared from time k-1 to time k ⁇ r k
- k ⁇ 1, B (in, j) ⁇ Calculate in ⁇ Ln, j 1,.
- Set L n is a set of the n-th ID number i n elements of the predicted observation target candidates that appeared around the room access detection sensor 2A-n, each of the elements of the set L n the existing It is a value different from any of the identification numbers.
- the number of elements of the set L n is n n + .
- k ⁇ 1, B (in, j) ⁇ in ⁇ L n, j 1, ..., the process of calculating J generates particles of a new observation target candidate with the installation position of the nth entry / exit detection sensor 2A-n as an initial position, and the velocity of each of the generated particles is uniformly distributed
- the processing corresponds to the processing of adding n n + pieces of observation target candidates whose eigenvalues are the existence probability and the particle weight coefficient as random numbers. By this processing, the predicted value of the observation target candidate whose entry into the observation region is detected by the entry / exit detection sensor 2-n at time k is obtained.
- the entrance / exit detection sensor 2A- It is also possible to use a random number of distribution biased in a direction in which n detects an observation target candidate entering the observation area.
- the loss prediction unit 40A determines the entry / exit detection data including the number of observation target candidates, the entry / exit detection sensor position, and the observation target candidate at the previous time. Based on the existence probability and motion specification probability distribution, the predicted value of the existence probability of the observation target candidate and the prediction value of the motion specification probability distribution are calculated reflecting the disappearance of the observation target candidate from the previous time to the current time. Do.
- the appearance prediction unit 41A is a predicted value of the existence probability of the observation target candidate appearing between the previous time and the current time based on the entrance / exit detection data including the number of observation target candidates and the entrance / exit detection sensor position and the motion Calculate the predicted value of the specification probability distribution.
- the movement path estimation device 4A observes even if a plurality of observation target candidates enter the detection range during one observation of each of the entry / exit detection sensors 2A-1 to 2A-N. It is possible to estimate the movement path without the number of target candidates being estimated too much or too little. As a result, even if the plurality of observation target candidates move along different routes, the movement path estimation device 4A can accurately estimate the movement paths of the plurality of observation target candidates. Further, the erasure prediction unit 40A reduces the existence probability of the number of observation target candidates leaving the observation region by ⁇ k, FLS (InOut) times.
- the movement path of the observation target candidate is estimated on the premise that the observation target candidate can exist at any position in the observation area.
- the movement path estimation apparatus estimates a moving path in consideration of an area where the observation target candidate can not enter.
- FIG. 10 is a block diagram showing a configuration of a movement route estimation system 1B according to the third embodiment.
- the movement path estimation system 1B includes N (N is an integer of 2 or more) number of in / out detection sensors 2-1 to 2-N, and M (M is an integer of 2 or more) number of presence detection sensors 3-1 to 3- M, a movement path estimation device 4B and a movement path storage unit 5 are provided.
- the movement path estimation device 4B includes a loss prediction unit 40, an appearance prediction unit 41, a movement prediction unit 42A, a data update unit 43, an estimation unit 44, and a data storage unit 45.
- the movement prediction unit 42A predicts the predicted value of the existence probability of the observation target candidate calculated by the loss prediction unit 40 and the appearance prediction unit 41, and the movement specification probability distribution, and the region data stored in the data storage unit 45. Based on the values, the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution are calculated, in which the movement of the observation target candidate from the previous time to the current time is reflected.
- the data storage unit 45 stores entry impossible area data.
- the entry impossible area data is data indicating an area where the observation target candidate can not exist in the observation area.
- FIG. 11 is a diagram showing an example of the observation area 10A in the third embodiment.
- the entry impossible area 14 surrounded by the partition wall is provided.
- An observation target candidate can not enter into the entry impossible area 14.
- Each of the vectors ⁇ g is a vector value indicating the position and size of a quadrilateral non-enterable region 14 having a side parallel to the X axis and a side parallel to the Y axis, and four vector shown in the following equation (38) It is composed of elements.
- ⁇ g, minX indicates the smallest X coordinate value among the four corners of the inaccessible area 14
- ⁇ g, minY indicates the four corners of the inaccessible area 14.
- ⁇ g and ⁇ X indicate the length of the side parallel to the X axis of the inaccessible area 14
- ⁇ g and ⁇ Y indicate the length of the side parallel to the Y axis of the inaccessible area 14. That is, in the formula (38), unenterable region 14, g gamma indicating the position and size of one square are represented by combining G number.
- ⁇ g [ ⁇ g, min X ⁇ g, min Y ⁇ g, ⁇ X ⁇ g, ⁇ Y ] (38)
- a judgment function shown by the following equation (39) is defined.
- the definitions of x (1) and x (2) are the same as in the above formula (1).
- the determination function ⁇ g (x) is a function that is “1” when the state vector x is inside the entry impossible area 14 and is “0” outside the entry impossible area 14.
- the shape of the entry impossible area 14 is expressed by a combination of squares in FIG. 11, it may be expressed by a shape other than a square, such as a circle or a triangle. Further, instead of expressing the inaccessible area 14 by the position and the size, it may be expressed by a position vector of four corners of the inaccessible area 14 or a boundary line of the inaccessible area 14.
- the data storage unit 45 is realized by the storage device 102 shown in FIGS. 4A and 4B. Further, the functions of the loss prediction unit 40, the appearance prediction unit 41, the movement prediction unit 42A, the data updating unit 43, and the estimation unit 44 in the movement path estimation device 4B are realized by a processing circuit. That is, the movement path estimation device 4B includes a processing circuit for executing the processing from step ST1c to step ST11c described later with reference to FIG.
- the processing circuit may be a dedicated hardware processing circuit 103, or may be a processor 104 that executes a program stored in the memory 105.
- the data storage unit 45 may be constructed in a storage device provided separately from the movement path estimation device 4B. In this case, the movement prediction unit 42A communicates with a storage device provided separately from the movement route estimation device 4B, and acquires entry impossible area data from the storage device.
- FIG. 12 is a flowchart showing the operation of the movement path estimation device 4B.
- the processes of step ST1c to step ST5c and step ST7c to step ST11c of FIG. 12 are the same as the processes of step ST1a to step ST5a and step ST7a to step ST11a of FIG.
- k (i) (x) is approximated by a set of weighted particles. Further, among symbols and suffixes, those having no explanation have the same meaning as in the first embodiment.
- step ST6c the movement prediction unit 42A uses time k-1 to time based on the entry impossible area data, the predicted value of the existence probability reflecting the disappearance of the observation target candidate, and the predicted value of the movement specification probability distribution.
- the predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution are calculated, in which the movement of the observation target candidate between k and k is reflected.
- the movement prediction unit 42A predicts the probability of the existence probability of the observation target candidate r k
- k-1, S (is, j) ⁇ j 1, ..., J , time k-1 to time k Predicted value r k
- K ⁇ 1, B (iB, j) ⁇ j 1,..., J and the movement of the observation target candidate from time k ⁇ 1 to time k is reflected based on the non-entry area data has been observed predicted value of the existence probability of the candidate
- i S is an identification number of the observation target candidate for which the predicted value is calculated in step ST3c.
- i B is the identification number of the observation target candidate for which the predicted value has been calculated in step ST 4 c.
- the identification number i is an identification number including both i S and i B. i is defined by the above equation (17).
- the movement prediction unit 42A uses the above equation (18), the above equation (20), the above equation (21) and the following equation (40) to calculate the predicted value r k
- k-1 (i, j) ⁇ j 1,.
- the movement prediction unit 42A uses the above equation (18), the above equation (20), and the above equation (21) to estimate the predicted value r k
- the movement prediction unit 42A calculates the weighting factor w k
- k ⁇ 1, S is a set of identification numbers i S
- k ⁇ 1, B is a set of identification numbers i B.
- the predicted value of the existing probability and the predicted value of the motion parameter probability distribution are calculated on the premise that random numbers based on the Gaussian distribution can be generated. Absent. For example, a random number generated from an arbitrary probability distribution function (proposed distribution) is used as a state vector by using the concept of motion prediction processing in an existing particle filter. The weighting factor after prediction may be calculated based on the result of comparing the probability of the random number generated in the proposed distribution and the transition probability in constant velocity straight movement. When the position component of the state vector of the particle generated by the random number is inside the inaccessible area 14, the weight coefficient of the particle is set to 0. In addition to this, when particles inside the impenetrable region 14 are generated, the particles may be deleted and particles may be generated again by the above equation (20) and the above equation (40).
- the movement prediction unit 42A includes, among the observation areas, the entry impossible area data indicating the entry impossible area 14 where the observation target candidate can not exist, The movement of the observation object candidate from the previous time to the current time based on the prediction value of the existence probability of the observation object candidate and the prediction value of the motion specification probability distribution respectively calculated by the loss prediction unit 40 and the appearance prediction unit 41 The predicted value of the existence probability of the observation target candidate and the predicted value of the movement specification probability distribution are calculated.
- the movement prediction unit 42A predicts movement of the observation target candidate so that the movement specification probability distribution of the observation target candidate is limited to the outside of the entry impossible region 14. As a result, the spread of the range that can be taken by the predicted value of the motion specification probability distribution of the observation target candidate is suppressed, and the estimation accuracy of the moving route based on the predicted value is improved.
- the movement route estimation device 4B calculates the predicted value of the movement specification probability distribution of the observation target candidate narrowed down inside the passage by using the entry impossible region data indicating the region other than the passage. Can.
- the movement path estimation device 4B according to the third embodiment uses the entry impossible area data indicating the area other than the passage to move the probability of the movement target of the observation target candidate narrowed down in the T-shaped passage. Calculate the predicted value of the distribution.
- the predicted value of the motion parameter probability distribution is limited to the inside of the T-shaped passage, and therefore, even when the observation target makes a sharp movement such as bending the T-shaped passage, the motion parameter probability distribution is predicted
- the residual between the value and the presence detection data is reduced, and as a result, the increase in the error of the estimated trajectory can be suppressed.
- the movement path estimation device 4B according to the third embodiment can estimate the movement path with the same accuracy with the smaller number of presence detection sensors than the movement path estimation device 4 according to the first embodiment.
- the movement path of one observation target candidate and the movement path of the other observation target candidate may be interchanged.
- the prediction model of uniform linear motion is adopted.
- the movement path estimation apparatus estimates a movement path including the attribute of the observation target candidate as a reference.
- FIG. 13 is a block diagram showing a configuration of a movement path estimation system 1C according to the fourth embodiment.
- the movement path estimation system 1C includes N (N is an integer of 2 or more) number of entry / exit detection sensors 2B-1 to 2B-N, and M (M is an integer of 2 or more) presence detection sensors 3A- 1 to 3A-M, a movement path estimation device 4C, and a movement path storage unit 5A.
- the movement path estimation device 4C includes a loss prediction unit 40B, an appearance prediction unit 41B, a movement prediction unit 42B, a data updating unit 43A, and an estimation unit 44A.
- the entrance / exit detection sensors 2B-1 to 2B-N are provided in the observation area and detect entrance / exit detection data, and are realized by sensors such as an optical camera, an infrared sensor, and a distance measurement sensor.
- the entry and exit detection data includes attribute detection data as well as data in which observation target candidates having passed through the detection range in the observation area are detected in each passing direction.
- the attribute detection data is data indicating the attribute of the observation target candidate detected by the entry / exit detection sensor.
- the “attribute” of the observation target candidate is information indicating the aspect of the object of the observation target candidate, and, for example, the size, shape, reflection intensity of light, color, periodic motion, voice, odor, and the like of the observation target candidate. And information such as attached objects. Note that these pieces of information may not be information unique to each observation target candidate.
- the attribute of the observation target candidate is treated as quantified information (hereinafter referred to as an attribute value).
- the entry / exit detection sensors 2B-1 to 2B-N transmit entry / exit detection data including attribute detection data and the sensor position to the loss prediction unit 40B and the appearance prediction unit 41B at each observation time.
- the presence detection sensors 3A-1 to 3A-M are sensors provided in the observation area to detect presence detection data, such as an optical camera, an infrared sensor, a distance measurement sensor, a vibration sensor, a microphone, and a heat detection sensor. It is realized by a sensor.
- the presence detection data includes the above-mentioned attribute detection data in addition to the data in which the observation target candidate present in the detection range is detected.
- the presence detection sensors 3A-1 to 3A-M transmit the presence detection data including the attribute detection data and the sensor position to the data update unit 43A.
- the loss prediction unit 40B detects the presence / absence of the observation target candidate at the previous time input from the data update unit 43A and the sensor position and the sensor position including the attribute detection data input from each of the entrance / exit detection sensors 2B-1 to 2B-N.
- An attribute value indicating the attribute of the observation target candidate corresponding to the value is calculated.
- the predicted value of the existence probability of the observation target candidate calculated by the loss prediction unit 40B, the predicted value of the motion specification probability distribution, and the attribute value are output to the movement prediction unit 42B.
- the appearance prediction unit 41B is an observation that has appeared between the time and the current time, based on the sensor position and the entrance / exit detection data including the attribute detection data input from each of the entrance / exit detection sensors 2B-1 to 2B-N.
- the predicted value of the existence probability of the target candidate, the predicted value of the motion specification probability distribution, and the attribute value indicating the attribute of the observation target candidate corresponding to the predicted value are calculated.
- the predicted value of the existence probability of the observation target candidate calculated by the appearance prediction unit 41B, the predicted value of the motion specification probability distribution, and the attribute value are output to the movement prediction unit 42B.
- the movement prediction unit 42B calculates the predicted value of the existence probability of the observation target candidate calculated by the loss prediction unit 40B and the appearance prediction unit 41B, the predicted value of the movement specification probability distribution, and the attribute of the observation target candidate corresponding to the predicted value.
- the predicted value and the prediction value of the motion specification probability distribution in which the movement of the observation target candidate from the previous time to the current time is reflected based on the indicated attribute value
- An attribute value indicating an attribute of the observation target candidate is calculated.
- the predicted value of the existence probability of the observation target candidate calculated by the movement prediction unit 42B, the predicted value of the motion specification probability distribution, and the attribute value are output to the data updating unit 43A.
- the data updating unit 43A detects the presence detection data including the attribute detection data input from each of the presence detection sensors 3A-1 to 3A-M and the sensor position, and the observation target input from the loss prediction unit 40B and the appearance prediction unit 41B. Based on the predicted value of the existence probability of the candidate, the predicted value of the movement specification probability distribution, and the attribute value indicating the attribute of the observation target candidate corresponding to the prediction value, the existence probability of the observation target candidate at the previous time, the movement specification probability distribution And calculate attribute values.
- the data updating unit 43A calculates the existence probability, motion specification probability distribution, and attribute value of one or more observation target candidates at the current time, and calculates the existence probability, motion specification probability distribution, and attribute value, It is output to the estimation unit 44A and the erasure prediction unit 40B that predicts the next time frame.
- the estimation unit 44A estimates whether or not the observation target is present in the observation region at the current time, based on the existence probability of the observation target candidate, the motion specification probability distribution, and the attribute value input from the data update unit 43A.
- the motion specification estimated value and attribute value of the observation target estimated to exist at the time are calculated.
- the motion specification estimated value and the attribute value of the observation target are output to the movement path storage unit 5A by the estimation unit 44A and stored.
- the data in which the motion specification estimated values of the observation target stored in the travel path storage unit 5A for each observation time are arranged in time series is the data indicating the travel path of the observation target.
- the movement path storage unit 5A outputs data indicating the movement path to be observed or the attribute of the observation object in response to a request from the user of the movement path estimation device 4C.
- the entry and exit detection sensors 2B-1 to 2B-N are realized by the sensor group 100 shown in FIGS. 4A and 4B.
- the presence detection sensors 3A-1 to 3A-M are realized by the sensor group 101.
- the movement path storage unit 5A is realized by the storage device 102 shown in FIGS. 4A and 4B.
- the functions of the loss prediction unit 40B, the appearance prediction unit 41B, the movement prediction unit 42B, the data update unit 43A, and the estimation unit 44A in the movement path estimation device 4C are realized by a processing circuit. That is, the movement path estimation device 4C includes a processing circuit for executing the processing from step ST1d to step ST11d described later with reference to FIG.
- the processing circuit may be a dedicated hardware processing circuit 103, or may be a processor 104 that executes a program stored in the memory 105.
- FIG. 14 is a flowchart showing the operation of the movement path estimation device 4C.
- the process of step ST1d, step ST2d, step ST5d, step ST8d, step ST9d and step ST11d of FIG. 14 is the same as step ST1a, step ST2a, step ST5a, step ST8a, step ST9a and step ST11a of FIG. Omit.
- k (i) (x) is approximated by a set of weighted particles. Further, among symbols and suffixes, those having no explanation have the same meaning as in the first embodiment.
- an attribute value corresponding to the observation target candidate of the identification number i at time k be c k
- the attribute value is a scalar value, when the attribute of the observation target candidate is expressed by combining a plurality of attribute values, each of the attribute values may be a vector value.
- the loss prediction unit 40B detects entry / exit detection data including the attribute detection data c k, n (InOut) detected by the n th entry / exit detection sensor 2B-n, the sensor position, and time k-1 Predicted value of the existence probability of the observation target candidate in which the disappearance of the observation target candidate is reflected between the previous time and the current time based on the existence probability of the observation target candidate and the movement specification probability distribution The attribute value of the observation target candidate corresponding to the predicted value and the predicted value of is calculated.
- the loss prediction unit 40A uses the predicted value of the presence probability, the predicted value of the exercise specification probability distribution, and the attribute value calculated in the immediately preceding step ST3d.
- the loss prediction unit 40B uses the equation (7), the equation (8), the equation (11), and the following equation (41) to the following equation (44) to perform the process from time k-1 to time k Predicted value r k
- k-1, S (i, J) ⁇ j 1, ..., J and indicates the attributes of observation target candidates corresponding to these predicted values The attribute value c k
- the identification number i is the same as the observation target candidate at time k-1.
- 2 is the Euclidean norm of the vector x.
- ⁇ k, FLS (InOut) and d Th are preset parameters, and in particular, ⁇ k, FLS (InOut) is the probability of false detection by the entry / exit detection sensor.
- the predicted value of the existence probability of the observation object candidate and the prediction of motion specification probability distribution are calculated using the average position H Pos m k-1
- the attribute indicated by the attribute detection data detected by the entry / exit detection sensor 2B-n are equivalent to a process of reducing the existence probability of the observation target candidate of the identification number i by ⁇ k, FLS (InOut) times Do. By this processing, it is possible to reflect the exit of the observation target candidate detected by the entrance / exit detection sensor 2B-n in the predicted value of the observation target candidate.
- the existence probability of the observation target candidate is multiplied by ⁇ k, FLS (InOut) to reflect the exit of the observation target candidate.
- the loss prediction unit 40B uses the difference between the azimuth angle of the average velocity vector of the motion specification probability distribution and the azimuth angle of the direction in which the in / out detection sensor detects the observation target candidate leaving the observation area.
- the observation target candidate may be selected to reduce the existence probability.
- the appearance prediction unit 41B indicates the entry / exit detection data including the attribute detection data c k, n (InOut) detected by the n th entry / exit detection sensor 2B-n and the expression (2).
- k -1, B (in) of the probability of existence of the observation object candidate appearing between the previous time and the current time based on the sensor position of the entry / exit detection sensor 2B-n, the movement specification probability Predicted values of distribution ⁇ wk
- k-1, B (in, J) ⁇ j 1, ..., J and observations corresponding to the predicted values
- k ⁇ 1, B (in) of the target candidate is calculated.
- Identification number i n is the n th identification number of the predicted observation target candidates that appeared around the room access detection sensor 2B-n, and the identification number is different from the value of the existing observation target candidate.
- the appearance prediction unit 41B uses the above equation (12) to the above equation (16) and the following equation (45) to calculate the predicted value r k
- k ⁇ 1, B (in, J) ⁇ j 1 of the motion parameter probability distribution and J and the predicted value
- k ⁇ 1, B (in) of the corresponding observation target candidate is calculated.
- ⁇ k, FLS (InOut) , V B (3) and V B (4) are preset parameters, and in particular, ⁇ k, FLS (InOut) is erroneously detected by the entry / exit detection sensor 2B-n.
- the process of calculating the predicted value of the existence probability of the observation target candidate, the predicted value of the motion parameter probability distribution, and the attribute value using the above equation (12), the above equation (16) and the above equation (45) The particles of the new observation target candidate are generated with the installation position of the entrance / exit detection sensor 2B-n as an initial position, and the respective velocities of the generated particles are random numbers of uniform distribution, the existence probability and the weight coefficient of the particles are eigenvalues It corresponds to the process of adding the observation target candidate identification number i n that the. By this processing, the predicted value of the observation target candidate whose entry into the observation region is detected by the entry / exit detection sensor 2B-n at time k is obtained.
- the nth entry / exit detection sensor 2B It is also possible to use a random number of distribution biased in a direction in which -n detects an observation target candidate that enters the observation area.
- the movement prediction unit 42B corresponds to the predicted value of the existence probability and the predicted value and the predicted value of the movement specification probability distribution reflecting the disappearance of the observation target candidate from time k-1 to time k.
- An attribute value of the observation target candidate, and a predicted value of the existence probability of the observation target candidate appearing between time k-1 and time k and a predicted value and a predicted value of the movement parameter probability distribution Corresponds to the predicted value of the existence probability of the observation target candidate reflecting the movement of the observation target candidate from time k-1 to time k based on the attribute value, the prediction value of the motion specification probability distribution, and the prediction value Calculate the attribute value of the observation target candidate.
- the movement prediction unit 42B is a predicted value r k
- k-1, S (is, j ) ⁇ j 1, ⁇ , J, attribute values of the observation target candidate corresponding to these predicted values c k
- i S is an identification number of the observation target candidate for which the predicted value is calculated in step ST3d.
- i B is an identification number of the observation target candidate for which the predicted value is calculated in step ST 4 d.
- the identification number i is an identification number including both i S and i B.
- the movement prediction unit 42B uses the above equation (18) to the above equation (21) and the following equation (46) to calculate the predicted value r k
- k-1 (i, j) ⁇ j 1,. Calculate J and the attribute value c k
- ⁇ k is a matrix that causes the state vector to transition based on the prediction model of uniform linear motion.
- ⁇ k is an elapsed time from time k-1 to time k.
- Q k is a matrix indicating system noise representing an error of the prediction model of uniform linear motion and is a preset parameter.
- the predicted value of the existing probability and the predicted value of the motion parameter probability distribution are calculated on the premise that random numbers based on the Gaussian distribution can be generated. Absent. For example, a random number generated from an arbitrary probability distribution function (proposed distribution) is used as a state vector by using the concept of motion prediction processing in an existing particle filter. The weighting factor after prediction may be calculated based on the result of comparing the probability of the random number generated in the proposed distribution and the transition probability in constant velocity straight movement.
- the data updating unit 43A detects the presence detection data including the attribute detection data c k, m (Exist) and the sensor position received from the presence detection sensors 3A-1 to 3A-M, from time k-1 to time k Based on the predicted value of the existence probability of the observation target candidate and the predicted value and the attribute value of the movement specification probability distribution in which the movement of the observation target candidate during the interval is reflected, the existence probability and movement specification of the observation target candidate at time k Calculate (update) the probability distribution.
- FIG. 15 is a flowchart showing a detailed process of step ST7d of FIG.
- the data updating unit 43A uses the above equation (23), based on each value of the predicted value r k
- step ST7d-2 the data updating unit 43A detects the sensor position ⁇ z k, m (Exist) at which the presence detection sensor that has detected the observation target candidate at time k among the presence detection sensors 3A-1 to 3A-M. ) ⁇ m ⁇ M *, a subset confidence b k
- k-1 (i, j) ⁇ j 1,..., J , the reliabilities b ′ k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1, ..., J is calculated.
- the mapping ⁇ k ( ⁇ , h) is an element of the subset I ( ⁇ ) at least one of the presence detection sensor numbers of the presence detection sensor that has detected the observation target candidate at time k. It is defined as a mapping to be associated with one. If this is expressed by a mathematical expression, it becomes like said Formula (23).
- the data updating unit 43A uses the above equation (24), the above equation (24a) and the above equation (25) to determine the reliability b ′ k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ J 1,..., J is calculated.
- the variables in the formula (24), the formula (24a) and the formula (25) are calculated according to the formula (26), the formula (28), the formula (29) and the formula (47).
- pk, DT is the probability that the detection sensor detects the observation target without failing in detection at time k.
- ⁇ is the circle ratio.
- step ST7d-3 the data updating unit 43A normalizes the reliability b ′ k
- the above equation (30) and the above equation (31) are used for normalization.
- step ST7d-4 the data updating unit 43A calculates the normalized reliability b k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1, ...
- the data updating unit 43A uses the above equation (32), the above equation (33) and the above equation (34) to determine the existence probability r k
- k (i, j) ⁇ j 1, ⁇ , calculates the J.
- the data updating unit 43A calculates the attribute value c k
- the estimation unit 44A estimates the movement specification and attribute value of the observation target corresponding to the observation target candidate based on the movement specification probability distribution of the observation target candidate of the identification number i at time k. For example, the estimation unit 44 calculates the motion specification estimated value ⁇ k (i) of the observation target corresponding to the observation target candidate of the identification number i according to the above equation (36), and corresponds to the observation target candidate of the identification number i.
- the estimated value c k (i) of the attribute value of the observation target to be measured is calculated according to the following equation (49).
- the movement path storage unit 5A stores motion specification estimated values having the same identification number stored in different time frames in chronological order. Thereby, the movement specification estimation value is stored in the movement path storage unit 5A as the estimated movement path of the observation target.
- the movement path storage unit 5A also stores motion specifications other than the position of the observation target and attribute values of the observation target, and the data stored in the movement path storage unit 5 is extracted according to the request from the user. Be done.
- the loss prediction unit 40B and the appearance prediction unit 41B predict the presence probability of the observation target candidate using the entry / exit detection data including the attribute detection data.
- An attribute value indicating an attribute of the observation target candidate corresponding to the value, the predicted value of the motion specification probability distribution, and the predicted value is calculated.
- the predicted value of the existence probability of the observation target candidate, the predicted value and the predicted value of the motion specification probability distribution are Calculate the attribute value of the corresponding observation target candidate.
- the data updating unit 43A adds presence detection data including attribute detection data, presence detection sensor position, predicted value of presence probability of observation target candidate calculated by the movement prediction unit 42B, predicted value of motion specification probability distribution, and attribute value. Based on this, the existence probability of the observation target candidate at the current time, the motion specification probability distribution, and the attribute value are calculated.
- the estimation unit 44A calculates the motion specification estimated value and the attribute value of the observation target based on the existence probability of the observation target candidate calculated by the data update unit 43A, the motion specification probability distribution, and the attribute value.
- the data updating unit 43A reduces the existence probability of the observation target candidate when the attribute detection data detected by the existence detection sensor and the attribute value of the observation target candidate do not match, so It is possible to reduce the frequency with which the movement paths estimated between the observation target candidates are switched. For example, in the case where two observation target candidates turn and approach, if the approaching observation targets have different attributes from each other, it is not possible to estimate a wrong moving path.
- FIG. 16 is a block diagram showing a configuration of a movement path estimation system 1D according to the fifth embodiment.
- the movement path estimation system 1D predicts that the observation target candidate appears in any one of a plurality of nodes (bases) set in the observation area and the observation target candidate disappears from the node, and the observation target candidate Estimate the movement path connecting between the nodes in which.
- the movement path estimation system 1D detects N (N is an integer of 2 or more) number of entrance / exit detection sensors 2C-1 to 2C-N, M (M is an integer of 2 or more) A sensor 3B-1 to 3B-M, a movement path estimation device 4D, and a movement path storage unit 5B are provided.
- the movement path estimation device 4D includes a loss prediction unit 40C, an appearance prediction unit 41C, a movement prediction unit 42C, a data update unit 43B, an estimation unit 44B, and a data storage unit 46.
- Entry / exit detection sensors 2C-1 to 2C-N are sensors provided at all nodes set at positions where entry into / out of the observation area is possible, and detecting entry / exit detection data. .
- the entry / exit detection sensors 2C-1 to 2C-N are realized by sensors such as an optical camera, an infrared sensor, and a distance measurement sensor.
- the entry / exit detection data is data obtained by detecting an observation target candidate exiting from the node out of the observation area and an observation target candidate entering the node from outside the observation area.
- the entry / exit detection sensors 2C-1 to 2C-N transmit a detection signal including entry / exit detection data and a node number to the loss prediction unit 40C and the appearance prediction unit 41C at each observation time.
- the node number is a serial number assigned to all nodes set in the observation area.
- the node numbers transmitted from the entry / exit detection sensors 2C-1 to 2C-N to the loss prediction unit 40C and the appearance prediction unit 41C correspond to entry / exit detection node information indicating a node from which the entry / exit detection data is obtained. .
- the presence detection sensors 3B-1 to 3B-M are sensors provided at all or part of nodes set inside the observation area to detect presence detection data.
- the presence detection sensors 3B-1 to 3B-M are realized by sensors such as an optical camera, an infrared sensor, a distance measurement sensor, a vibration sensor, a microphone, and a heat detection sensor. Further, the presence detection data is data obtained by detecting an observation target candidate present in the detection range of the sensor.
- the presence detection sensors 3B-1 to 3B-M transmit a detection signal including the presence detection data and the node number to the data update unit 43B.
- the node numbers transmitted from the presence detection sensors 3B-1 to 3B-M to the data update unit 43B correspond to the presence detection node information indicating the nodes from which the presence detection data has been obtained.
- a unique identification number is assigned to each of the plurality of observation target candidates detected by the in / out detection sensors 2C-1 to 2C-N and the presence detection sensors 3B-1 to 3B-M.
- time frame The division of time in which the entry / exit detection sensors 2C-1 to 2C-N and the presence detection sensors 3B-1 to 3B-M output detection data to the movement path estimation device 4D is called “time frame”, and the time of each sensor It is assumed that the frames are synchronized.
- the time frame corresponding to the observation time at which the observation target candidate is detected by the sensor is called “the current time”
- the time frame corresponding to the past time one time frame before the current time is " It is called "previous time”.
- Previous time is defined as a time one frame before the current time, this is an example, and in the fifth embodiment, two or more time frames are used if the time is a predetermined time past the current time. It may be a retroactive time.
- FIG. 17 is a diagram illustrating an example of the observation region 10B in the fifth embodiment, and illustrates five nodes 200 to 205 and an inter-node route 300.
- the inter-node route 300 is a route connecting nodes, and the observation target candidate moves along the inter-node route 300.
- the inter-node path 300 does not necessarily exist between all the nodes in the observation area 10B. In the example of FIG. 17, no internode route exists between the nodes 203 and 205. Also in the fifth embodiment, it is assumed that the number of observation target candidates is unknown, a plurality of observation target candidates may move simultaneously, and the observation target candidate may disappear from the observation area.
- the person A3 to be the observation target enters the node 200 from the outside of the observation area 10B, and reaches the node 201 through the inter-node path 300 between the node 200 and the node 201 as shown by the arrow. At this time, the person A3 selects one of “move from node 201” and “stay at node 201”. In the example of FIG. 17, the person A3 moves from the node 201 in the order of the node 203, the node 204, and the node 205, as indicated by the arrow, and exits the observation area 10B from the node 205.
- observation target candidate is a person
- an observation target candidate moving between nodes a train or a person moving between stations
- an aircraft moving in an airport area and a parking lot on an automobile road Cars
- ships moving between ports people moving between rooms, or mobile devices
- people passing near locations for example, convenience stores
- urban areas cars or people moving within cities in the country Equipment etc.
- the movement path estimation device 4D uses the presence / absence detection data input from the presence / absence detection sensors 2C-1 to 2C-N and the presence detection data input from the presence detection sensors 3B-1 to 3B-M to be observation target candidate Calculate the motion specification estimates of
- the motion specification estimated value is data constituting the moving path of the observation target candidate, and is stored in the moving path storage unit 5B for each observation target candidate.
- the data indicating the moving route stored in the moving route storage unit 5B is output in response to a request from the user of the moving route estimation system 1D.
- the loss prediction unit 40C detects the presence / absence probability of the observation target candidate at the previous time and the observation target candidate at the previous time, including the detection signal including the entrance / exit detection data and the node number received from the entrance / exit detection sensors 2C-1 to 2C-N. Based on the inter-node probability distribution, a predicted value of the existence probability of the observation target candidate and a predicted value of the inter-node probability distribution are calculated in which the disappearance of the observation target candidate from the previous time to the current time is reflected.
- the above-mentioned node number is the node number of the node from which the entry / exit detection data has been obtained.
- the prediction value of the presence probability and the prediction value of the inter-node probability distribution calculated by the erasure prediction unit 40C are output to the movement prediction unit 42C.
- the inter-node probability distribution is a probability distribution of the position where the observation target candidate exists, and for example, is a probability distribution in which the probability that the observation target candidate exists in the node is defined in a discrete space. That is, the inter-node probability distribution is composed of N scalar values, and the inter-node probability distribution at node number n corresponds to the probability that the observation target candidate exists at the nth node in the observation area.
- the appearance prediction unit 41C determines, based on the detection signal including the entry / exit detection data and the node number received from the entry / exit detection sensors 2C-1 to 2C-N, the observation target candidate that has appeared between the previous time and the current time.
- the predicted value of the presence probability and the predicted value of the inter-node probability distribution are calculated.
- the above-mentioned node number is the node number of the node from which the entry / exit detection data has been obtained.
- the prediction value of the presence probability and the prediction value of the inter-node probability distribution calculated by the appearance prediction unit 41C are output to the movement prediction unit 42C.
- the movement prediction unit 42C is based on the predicted value of the existence probability of the observation target candidate input from the loss prediction unit 40C and the appearance prediction unit 41C, the predicted value of the inter-node probability distribution, and the inter-node route data acquired from the data storage unit 46. Then, the predicted value of the existence probability of the observation target candidate on which the movement of the observation target candidate from the previous time to the current time is reflected and the prediction value of the inter-node probability distribution are calculated. The predicted value of the presence probability and the predicted value of the inter-node probability distribution calculated by the movement prediction unit 42C are output to the data updating unit 43B.
- the inter-node route data is data indicating an inter-node route to which the observation target candidate can move.
- the data storage unit 46 stores inter-node route data indicating an inter-node route to which an observation target candidate can move in the observation region 10B.
- the data update unit 43B detects the presence detection data received from the presence detection sensors 3B-1 to 3B-M and the detection signal including the node number, the predicted value of the existence probability of the observation target candidate calculated by the movement prediction unit 42C, and Based on the predicted value of the original probability distribution, the existing probability of the observation target candidate at the current time and the movement specification probability distribution are calculated.
- the node number is a node number of a node from which presence detection data is obtained.
- the data updating unit 43B calculates the existing probability and the inter-node probability distribution of one or more observation target candidates at the current time, and predicts the calculated existing probability and the inter-node probability distribution with the estimating unit 44B and the next time frame Output to the loss prediction unit 40C.
- the estimation unit 44B estimates whether or not the observation target is present in the observation region at the current time, based on the existence probability of the observation target candidate at the current time input from the data updating unit 43B and the inter-node probability distribution. Calculate the motion specification value of the observation target that is estimated to exist in The motion specification estimated value calculated by the estimation unit 44B is output to the movement path storage unit 5B and stored. Data in which the motion specification estimated values of the observation target stored in the travel path storage unit 5B are arranged in time series is data indicating the travel path of the observation target. The data indicating the movement path of the observation target stored in the movement path storage unit 5B is output to a display device or the like in response to the request of the user of the movement path estimation device 4D.
- the entry / exit detection sensors 2C-1 to 2C-N are realized by the sensor group 100 shown in FIGS. 4A and 4B.
- the presence detection sensors 3B-1 to 3B-M are realized by the sensor group 101.
- the movement path storage unit 5B and the data storage unit 46 are realized by the storage device 102 shown in FIGS. 4A and 4B.
- the functions of the loss prediction unit 40C, the occurrence prediction unit 41C, the movement prediction unit 42C, the data update unit 43B, and the estimation unit 44B in the movement path estimation device 4D are realized by a processing circuit. That is, the movement path estimation device 4D includes a processing circuit for executing the processing from step ST1e to step ST5e described later with reference to FIG.
- the processing circuit may be a dedicated hardware processing circuit 103, or may be a processor 104 that executes a program stored in the memory 105.
- the data storage unit 46 may be constructed in a storage device provided separately from the movement path estimation device 4D. In this case, the movement prediction unit 42C communicates with a storage device provided separately from the movement route estimation device 4D, and acquires inter-node route data from the storage device.
- FIG. 18 is a flowchart showing a moving path estimation method according to the fifth embodiment.
- the entry and exit detection data and node number received by the exit prediction unit 40C from the entry and exit detection sensors 2C-1 to 2C-N, the existence probability of the observation target candidate at the previous time input from the data update unit 43B, and the inter-node probability distribution Based on the prediction, the predicted value of the existence probability of the observation target candidate and the predicted value of the inter-node probability distribution, in which the disappearance of the observation target candidate from the previous time to the current time is reflected (step ST1e).
- step ST2e based on the entry / exit detection data and the node number received by the entry prediction unit 41C from the entry / exit detection sensors 2C-1 to 2C-N, the presence of the observation target candidate that appeared between the previous time and the current time.
- the predicted value of the probability and the predicted value of the probability distribution between nodes are calculated (step ST2e).
- the predicted value of the existence probability of the observation target candidate Based on the predicted value of the existence probability of the observation target candidate, the predicted value of the inter-node probability distribution, and the inter-node route data acquired from the data storage unit 46, which the movement prediction unit 42C has input from the erasure prediction unit 40C and the appearance prediction unit 41C. Then, the predicted value of the existence probability of the observation target candidate reflecting the movement of the observation target candidate from the previous time to the current time and the prediction value of the inter-node probability distribution are calculated (step ST3e).
- the estimating unit 44B estimates whether or not the observation target is present in the observation region at the current time based on the existence probability of the observation target candidate and the inter-node probability distribution input from the data updating unit 43B, and is assumed to be present at the current time.
- the estimated movement path of the observation target is estimated (step ST5e). For example, the estimation unit 44B calculates a movement specification estimated value indicating the movement route of the observation target, and stores the calculated movement specification estimation value in the movement route storage unit 5B.
- the movement specification of the observation target moving between nodes is not limited to the position (node) where the observation target candidate exists, and the movement speed or acceleration of the observation target candidate is not limited to the movement specification of the estimation target. May be included.
- the movement path estimation device 4D adopts a movement model in which the movement of the observation target candidate is selected by an independent stochastic process for each time frame. That is, moving the observation target candidate to a specific node or that the observation target candidate stays at a specific node is selected by an independent stochastic process for each time frame.
- this is an exemplification, and when motion at the previous time affects motion at the current time, for example, when motion specifications of velocity or acceleration affect motion, using a constant velocity model or an equal acceleration model It is also good.
- the observation target candidate is an inter-node via a plurality of nodes between the time frames. Can not move. However, if the maximum value of the number of nodes through which the observation target candidate can pass between time frames is known, a predicted value regarding movement via the nodes may be calculated. A model may be adopted in which the observation target candidate moves between nodes according to the length of time required for movement between nodes of the observation target.
- observation target candidate can enter all nodes in the observation area, and can also exit.
- the entry and exit detection sensors are assumed to be installed at all nodes set in the observation area. When a node to which the observation target candidate can not enter or leave is set as the observation area, it is not necessary to install the entry / exit detection sensor 2C-n at this node, and appearance and disappearance of the observation target candidate at this node It is not necessary to predict.
- the entry / exit detection sensors 2C-1 to 2C-N are also erroneous detection or presence detection data of the presence detection data for the presence detection sensors 3B-1 to 3B-M. It is assumed that there is a detection failure of
- the internode probability distribution is approximated by a set of weighted finite number of "particles". In a region where the value of the inter-node probability distribution is large, particles having large weighting factors are densely distributed, and in a region where the value of the inter-node probability distribution is small, particles having small weighting coefficients are sparsely distributed. Note that the method of approximation is not limited to the above-described method.
- the inter-node probability distribution may be approximated by linear combination of discrete-valued Gaussian distributions.
- time k The current time is described as "time k", where "k” is the time frame number of the current time.
- the time frame number of the previous time is described as “k-1”, and the previous time is described as "time k-1”.
- a symbol suffixed with k indicates that the parameter value indicated by the symbol is a value at time k. The same applies to the index of k-1.
- An identification number is assigned to each of the plurality of nodes set in the observation area, separately from the above-described node number.
- the total number of nodes is N.
- N is the same as the number of entrance / exit detection sensors.
- the identification number of the node in which the observation target candidate exists is represented by a scalar value x which is a movement specification of the observation target candidate.
- a set of identification numbers of observation target candidates at time k is represented by L k .
- the existence probability of the observation target candidate of the identification number i at time k is r k
- the existence probability of the observation target candidate of identification number i at time k-1 is r k-1
- the predicted value of the existence probability of the observation target candidate of the identification number i at time k which is calculated using the existence probability of the observation target candidate of the identification number i at time k ⁇ 1, r k
- the inter-node probability distribution of the observation target candidate of the identification number i at time k is represented as f k
- k (i) (x) indicates the probability that the observation target candidate exists at the node number x when the observation target candidate with the identification number i exists in the observation region at time k. From the definition of the discretized probability distribution, the following equation (50) is established for an arbitrary i.
- k (i) (x) is It can be represented by the above equation (4).
- k-1 (i) (x) is an observation target candidate of the identification number i at time k, which is calculated using the inter-node probability distribution of the observation target candidate of the identification number i at time k-1 Is the predicted value of the inter-node probability distribution of
- k ⁇ 1 (i) (x) can be represented by the above formula (5).
- k (i) (x) of the observation target candidate of the identification number i at time k will be J weighting coefficients w k
- the internode route data stored in the data storage unit 46 is represented by the following equation (51) as a matrix ⁇ of N rows and N columns.
- Element ⁇ n1, n2 of n1 row n2 column (n1 and n2 are both integers of 1 or more and N or less) is an element indicating whether there is an inter-node route from the node of identification number n1 to the node of identification number n2 If there is an inter-node route from the node of the identification number n1 to the node of the identification number n2, it becomes “1", otherwise it becomes "0".
- the diagonal components of ⁇ are all 1.
- FIG. 19 is a flowchart showing the operation of the movement path estimation device 4D.
- the loss prediction unit 40C and the appearance prediction unit 41C detect the entry or exit of the observation target candidate with respect to the observation region among the N entry and exit detection data at time k received from the entry and exit detection sensors 2C-1 to 2C-N.
- the selected data is selected and input in an arbitrary order (step ST1f).
- a loop for selecting and processing entry / exit detection data is started.
- the loss prediction unit 40C and the appearance prediction unit 41C determine whether the movement direction of the observation target candidate is the approach direction to the observation region based on the entry / exit detection data detected by the n th entry / exit detection sensor 2C-n. It is determined (step ST2f). When it is determined that the movement direction of the observation target candidate is the exit direction from the observation area (step ST2 f; NO), the erasure prediction unit 40C proceeds to step ST3 f. When the appearance prediction unit 41C determines that the movement direction of the observation target candidate is the approach direction to the observation area (step ST2f; YES), the appearance prediction unit 41C proceeds to step ST4f.
- step ST3f the loss prediction unit 40C determines the entry / exit detection data detected by the entry / exit detection sensor 2-n, the node number of the node in which the entry / exit detection sensor 2-n is installed, and the observation target candidate at time k-1 Predicted value of existence probability of observation target candidate and prediction value of inter-node probability distribution reflecting disappearance of observation target candidate from time k-1 to time k based on existence probability of node and inter-node probability distribution Calculate
- the erasure prediction unit 40C uses the existence probability of the observation target candidate and the inter-node probability distribution at time k-1.
- the erasure prediction unit 40C uses the predicted value of the presence probability and the predicted value of the inter-node probability distribution calculated in the immediately preceding step ST3f.
- the loss prediction unit 40C uses the following equation (52), the above equation (7), the above equation (8), and the following equation (53) to find that the disappearance of the observation target candidate from time k-1 to time k
- k -1, S (i) of the existence probability of the observation target candidate with the reflected identification number i is calculated, and the disappearance of the observation target candidate from time k-1 to time k is reflected.
- k -1, S (i, j) ⁇ j 1,..., J is calculated.
- the identification number i is the same as the observation target candidate at the previous time.
- (Beta) k, FLS (InOut ) in a following formula (52) is a probability which an entrance / exit detection sensor misdetects.
- step ST4f the appearance prediction unit 41C determines the time k-1 based on the entry / exit detection data detected by the entry / exit detection sensor 2C-n and the node number of the node in which the entry / exit detection sensor 2-n is installed. The predicted value of the existence probability of the observation target candidate appearing between time t and time k and the predicted value of the inter-node probability distribution are calculated.
- the appearance prediction unit 41C uses the above expression (12), the above expression (13), and the following expression (54) to calculate the predicted value r of the existence probability of the observation target candidate that has appeared between time k-1 and time k.
- k ⁇ 1, B (in) is calculated, and ⁇ wk
- k ⁇ 1, B (in, j) ⁇ j 1,.
- Identification number i n is the n th identification number of the predicted observation target candidates that appeared around the room access detection sensor 2C-n, an identification number different from the value of the existing observation target candidate.
- the process of calculating the predicted value of the presence probability and the predicted value of the inter-node probability distribution using the above equation (12), the above equation (13) and the above equation (54) is the nth entry / exit detection sensor 2-n
- the processing corresponds to the processing of generating particles of a new observation target candidate with the installation position of as an initial position. By this processing, the predicted value of the observation target candidate whose entry into the observation region is detected by the entry / exit detection sensor 2C-n at time k is obtained.
- step ST5 f the loss prediction unit 40C and the appearance prediction unit 41C enter the observation target candidate with respect to the observation area among the N entry and exit detection data at time k received from the entry and exit detection sensors 2C-1 to 2C-N. Alternatively, it is determined whether all data whose exit has been detected has been selected. At this time, when it is determined that there is unselected data (step ST5 f; NO), the loss prediction unit 40C and the appearance prediction unit 41C select unselected entry / retraction detection data, and return to the process of step ST2f. If all the data are selected (step ST5 f; YES), the process proceeds to step ST6 f.
- step ST6f the movement prediction unit 42C calculates the predicted value of the presence probability and the predicted value of the inter-node probability distribution reflecting the disappearance of the observation target candidate from time k-1 to time k, from time k-1 to time Movement of observation target candidate from time k-1 to time k based on predicted value of existence probability of observation target candidate appearing up to k, predicted value of inter-node probability distribution, and inter-node route data The predicted value of the existence probability of the observation target candidate and the predicted value of the inter-node probability distribution are calculated.
- the movement prediction unit 42C is a predicted value r k
- k -1, S (is, j) reflecting the disappearance of the observation target candidate from time t to time k ⁇ J 1,..., J , predicted value r k
- k-1, B (iB, j) ⁇ j 1, ⁇ ⁇ ⁇ , J, and on the basis
- i S is the identification number of the observation target candidate for which the predicted value is calculated in step ST3 f.
- i B is the identification number of the observation target candidate for which the predicted value is calculated in step ST4 f.
- the identification number i is an identification number including both i S and i B.
- the movement prediction unit 42C uses the above equation (18), the above equation (19) and the following equation (55) to estimate the predicted value r k
- k-1 (i, j) ⁇ j 1, ..., J
- the probability that the inter-node path is selected is assumed to be uniform, but it is not limited to this. For example, it is possible to make the probability that the destination node is selected among the observation target candidates different from each other depending on the parameter according to the likelihood of each inter-node route.
- the data updating unit 43B reflects the presence detection data and the node number received from the presence detection sensors 3B-1 to 3B-M, and the movement of the observation target candidate from time k-1 to time k. Based on the predicted value of the existence probability of the observation target candidate and the predicted value of the inter-node probability distribution, the existence probability of the observation target candidate at time k and the inter-node probability distribution are calculated (updated).
- FIG. 20 is a flowchart showing a detailed process of step ST7f of FIG.
- the data updating unit 43B determines the confidence for each subset of the identification numbers based on the respective values of the predicted values r k
- k ⁇ 1 (I ( ⁇ ) ). ⁇ 1, 2,... The data updating unit 43B calculates the reliability b k
- the subset I ( ⁇ ) of the identification numbers is a set composed of zero or more identification numbers i.
- step ST7f-2 the data updating unit 43B selects, among the presence detection sensors 3B-1 to 3B-M, the node number ⁇ z k, m of the node at which the presence detection sensor having detected the observation target candidate at time k is installed.
- the mapping ⁇ k ( ⁇ , h) is an element of the subset I ( ⁇ ) and at least the presence detection sensor number of the presence detection sensor that has detected the observation target candidate at time k. It is defined as a mapping to be associated with one. If this is expressed by a mathematical expression, it becomes like said Formula (23).
- the data updating unit 43B uses the above equation (24), the above equation (24a) and the above equation (25) to determine the reliability b ′ k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1 , ..., J is calculated.
- the variables in the above equation (24), the above equation (24a) and the above equation (25) are calculated according to the above equation (26) and the following equation (56).
- pk , DT in the following equation (56) is the probability that the presence detection sensor detects an observation target candidate without failing to detect at time k.
- ⁇ k, FLS (Exist) is the probability that the presence detection sensor erroneously detects at time k.
- step ST7f-3 the data updating unit 43B normalizes the reliability b ′ k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1,.
- the data updating unit 43B normalizes the reliability b ′ k
- k (i , j) ( ⁇ k ( ⁇ , h)) ⁇ j 1, ⁇ , normalized to J, reliability b k
- k (i, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1, ..., J are obtained.
- Step ST7f-4 the data updating unit 43B, the above equation (32), using the equation (33) and the equation (34), the reliability b k for each mapping normalized
- k (I, j) ( ⁇ k ( ⁇ , h) ) ⁇ j 1,..., J , existence probability r k
- k (i, j) ⁇ j 1,.
- step ST8f the estimation unit 44B selects and inputs any one of the observation target candidates at time k (current time). As a result, a loop for selecting and processing observation target candidates is started.
- the case where the observation target candidate of the identification number i is selected will be described as an example.
- the estimation unit 44B determines whether the existence probability r k
- the estimation unit 44B estimates motion specifications of the observation target corresponding to the observation target candidate based on the inter-node probability distribution of the observation target candidate of the identification number i at time k. For example, the estimation unit 44B determines the motion specification estimated value of the observation target corresponding to the observation target candidate of the identification number i, that is, the node number ⁇ k (i) estimated to have the observation target candidate Calculate according to).
- the movement path storage unit 5B stores motion specification estimated values having the same identification number stored in different time frames in chronological order. Thereby, the movement specification estimation value is stored in the movement path storage unit 5B as the estimated movement path of the observation target.
- the movement path estimation device 4D is based on the predicted value of the existence probability of the observation target candidate and the predicted value of the inter-node probability distribution reflecting the disappearance and appearance of the observation target candidate. Update the existence probability of the observation target candidate and the inter-node probability distribution at the observation time.
- the movement path estimation device 4D calculates a motion specification estimated value indicating the movement path of the observation target based on the updated presence probability of the observation target candidate and the inter-node probability distribution.
- the movement path estimation device 4D can estimate the disappearance and appearance of the observation target candidate and estimate the movement path of the observation target whose number is unknown.
- the movement prediction unit 42C predicts the movement of the observation target candidate restricted to the inter-node route, the inter-node probability distribution of the observation target candidate is narrowed down to a feasible range.
- the predicted value of the movement of the observation target candidate and the actual observation target are compared with the case where the movable inter-node route of the observation target candidate is not limited. The deviation from movement is reduced. Therefore, it is possible to obtain a movement path estimation value with a smaller error. Therefore, it is possible to estimate movement paths between nodes of observation target candidates whose number is unknown.
- the movement path estimation system includes a plurality of presence detection sensors that can move, and a movement path estimation device that can control movement of the presence detection sensors.
- the movement path estimation apparatus controls movement of the presence detection sensor based on the existence probability of the observation target candidate and the movement specification probability distribution. For example, even if the moving path estimation apparatus moves the presence detection sensor closer to the observation target and reduces the frequency of movement of the observation target outside the detection range of the presence detection sensor, the movement path estimation device does not use many presence detection sensors. It is possible to suppress a decrease in the estimation accuracy of the movement path to be observed.
- FIG. 21 is a block diagram showing a configuration of a movement route estimation system 1E according to a sixth embodiment.
- the movement path estimation system 1E includes N (N is an integer of 2 or more) entrance / exit detection sensors 2-1 to 2-N, M (M is an integer of 2 or more) presence detection sensors 3C-1 to 3C- M, a movement path estimation device 4E and a movement path storage unit 5 are provided.
- the movement path estimation device 4E includes a loss prediction unit 40, an appearance prediction unit 41, a movement prediction unit 42, a data updating unit 43, an estimation unit 44, and a sensor movement control unit 47.
- the presence detection sensors 3C-1 to 3C-M are sensors provided in the observation area to detect presence detection data, such as an optical camera, an infrared sensor, a distance measurement sensor, a vibration sensor, a microphone, and a heat detection sensor. It is realized by a sensor.
- each of the presence detection sensors 3C-1 to 3C-M has a function of moving at the speed and direction according to the moving speed vector by the next time frame when the moving speed vector is input from the sensor movement control unit 47. Have.
- the presence detection data is data in which observation target candidates present in the detectable range of the presence detection sensor are detected.
- the presence detection sensors 3C-1 to 3C-M transmit detection signals including the presence detection data and the sensor position to the data update unit 43 and the sensor movement control unit 47.
- the sensor position is the position of the presence detection sensor at the time of transmission of the detection signal.
- the sensor movement control unit 47 detects M movement speeds based on the existing probability of the observation target candidate of the current time and the motion specification probability distribution input from the data updating unit 43 or based on the existing detection data of the current time.
- a vector is generated, and the generated M movement velocity vectors are output to the presence detection sensors 3C-1 to 3C-M.
- the movement velocity vector is information specifying the velocity and direction to move each of the presence detection sensors 3C-1 to 3C-M to the next time frame.
- the presence detection sensors 3C-1 to 3C-M are realized by the sensor group 101 shown in FIGS. 4A and 4B.
- the functions of the loss prediction unit 40, the appearance prediction unit 41, the movement prediction unit 42, the data updating unit 43, the estimation unit 44B, and the sensor movement control unit 47 in the movement path estimation device 4E are realized by a processing circuit. That is, the movement path estimation device 4E includes a processing circuit for executing the processing from step ST1 to step ST6g described later with reference to FIG.
- the processing circuit may be the dedicated hardware processing circuit 103 shown in FIG. 4A, or may be the processor 104 that executes a program stored in the memory 105 shown in FIG. 4B.
- FIG. 22 is a flowchart showing the operation of the movement path estimation device 4E.
- the processing from step ST1 to step ST5 in FIG. 22 is the same as that in FIG.
- the symbols and suffixes shown hereinafter those having no description have the same meaning as in the first embodiment.
- the sensor movement control unit 47 moves the presence detection sensors 3C-1 to 3C-M based on the presence probability of the observation target candidate, the movement specification probability distribution of the observation target candidate, and the positional relationship of the presence detection sensor.
- the sensor movement control unit 47 determines the existence probability r k
- the movement velocity vector v k, m is a 2-by-1 vector representing the velocity and direction in which the m-th presence detection sensor 3C-m moves from time k to time k + 1.
- FIG. 23 is a flowchart showing a detailed process of step ST6g of FIG.
- the sensor movement control unit 47 selects one of the M presence detection sensors 3C-1 to 3C-M that is not selected as a processing target in step ST6g-2 or later. Do. Here, assuming that the m-th presence detection sensor 3C-m is selected, the processes after step ST6g-2 will be described.
- the sensor movement control unit 47 selects observation target candidates one by one from observation target candidates not selected as processing targets in steps ST6g-3 to ST6g-5 (step ST6g-2). .
- the processing after step ST6g-3 will be described on the assumption that the observation target candidate whose identification number is the i-th is selected.
- the sensor movement control unit 47 calculates the position prediction value H pos ⁇ k + 1
- H pos is a matrix shown in the above equation (29)
- k (i) is a predicted value of the state vector of the observation target candidate of the identification number i.
- the method of calculating the prediction value depends on the prediction model assumed by the movement prediction unit 42. For example, when the movement prediction unit 42 uses a prediction model of constant velocity linear movement, the sensor movement control unit 47 calculates the predicted value of the state vector of the observation target candidate of the identification number i according to the following equation (58) and equation (59) Calculate ⁇ k + 1
- the sensor movement control unit 47 calculates the movement velocity vector v k, m, i (target) for the observation target candidate of the identification number i (step ST6g-4).
- the moving velocity vector v k, m, i (target) is a moving velocity vector that brings the m-th presence detection sensor 3C-m closer to or farther from the observation target candidate of the identification number i.
- the presence detection sensor In order to detect the observation target with high frequency, it is desirable to bring the presence detection sensor closer to the observation target.
- the estimated position of the observation target is smaller as the overlapping area of the detection ranges of the plurality of presence detection sensors is narrower. Can reduce the ambiguity of Therefore, it is desirable that the presence detection sensor be closer if it is far from the predicted position of the observation target candidate and be farther if it is too close to the predicted position of the observation target candidate.
- observation target candidates do not always exist truly. For this reason, it is desirable that an observation target candidate serving as a reference for controlling the movement of the presence detection sensor be preferentially selected from observation target candidates having a high presence probability.
- the sensor movement control unit 47 calculates the movement velocity vector v k, m, i (target) for the observation target candidate of the identification number i, for example, according to the following equation (60).
- ⁇ m, i in the following equation (60) is the distance between the predicted position of the observation target candidate with the identification number i and the m th existence detection sensor 3C-m, and can be expressed by the following equation (61) .
- 0 0 is a parameter representing a distance at which the force for moving the presence detection sensor closer to the observation target candidate is balanced.
- the parameter 0 0 may be set dynamically based on the error of the prediction model and the estimation error of the observation target candidate.
- the calculation equation for calculating the moving velocity vector is not limited to the following equation (60), and if it is a calculation equation that can obtain a vector in the direction in which the presence detection sensor moves closer to or away from the observation target candidate, A calculation formula other than the formula (60) may be used.
- the sensor movement control unit 47 confirms whether or not all observation target candidates have been selected as processing targets from step ST6g-3 to step ST6g-4 (step ST6g-5). If there is an unselected observation target candidate (step ST6g-5; NO), the sensor movement control unit 47 returns to the process of step ST6g-2.
- step ST6g-5 if all observation target candidates have been selected (step ST6g-5; YES), the sensor movement control unit 47 selects the existence detection sensors not selected in step ST6g-1 first in step ST6g-1.
- One existence detection sensor other than the selected m-th existence detection sensor 3C-m is selected (step ST6g-6).
- step ST6g-6 the processes after step ST6g-7 will be described.
- the sensor movement control unit 47 calculates movement speed vectors for the presence detection sensors (step ST6g-7). Specifically, the sensor movement control unit 47 moves the m-th presence detection sensor 3C-m selected in step ST6g-2 away from the m'-th presence detection sensor 3C-m 'selected in step ST6g-6. The movement velocity vector v k, m, m ' (sensor) is calculated.
- the sensor movement control unit 47 moves the movement velocity vector v k, m, m to move the mth existence detection sensor 3C-m away from the m′th existence detection sensor 3C-m ′, for example, according to the following equation (62).
- Calculate ' (sensor) The calculation formula for calculating the moving velocity vector with respect to the presence detection sensors is not limited to the following equation (62), and calculation is performed such that a vector in a direction to move away the other presence detection sensor from one presence detection sensor If it is a formula, you may use calculation formulas other than a following formula (62).
- the sensor movement control unit 47 does not calculate the movement velocity vector v k, m, m ′ (sensor) , the movement velocity vector v k, m ′, m (sensor) has already been calculated, the movement velocity As the vector v k, m, m ' (sensor), the value of the movement velocity vector v k, m', m (sensor) may be used.
- the sensor movement control unit 47 detects the presence detection sensors other than the m-th presence detection sensor 3C-m previously selected in step ST6g-1 in all the presence detection sensors not selected in step ST6g-1. It is checked whether or not it has been selected (step ST6g-8). If there is an unselected presence detection sensor (step ST6g-8; NO), the sensor movement control unit 47 returns to the process of step ST6g-6.
- step ST6g-8 when all presence detection sensors have been selected (step ST6g-8; YES), the sensor movement control unit 47 selects the mth presence detection sensor 3C selected in step ST6g-1 according to the following equation (64).
- a final movement velocity vector v k, m of -m is calculated (step ST6g-9).
- w (target) is the weight of the moving velocity vector v k, m, i (target)
- w (sensor) is the weight of the moving velocity vector v k, m, m ' (sensor) is there.
- w (target) and w (sensor) are parameters for adjusting the magnitude of the velocity indicated by the moving velocity vector v k, m , and are scalar values larger than zero.
- the sensor movement control unit 47 confirms whether or not all the presence detection sensors 3C-1 to 3C-M have been selected as processing targets after step ST6g-2 (step ST6g-10). If there is an unselected presence detection sensor (step ST6g-10; NO), the sensor movement control unit 47 returns to the process of step ST6g-1. On the other hand, if all the presence detection sensors have been selected (step ST6g-10; YES), the sensor movement control unit 47 ends the series of processes shown in FIG.
- the process of calculating the movement velocity vector for the M presence detection sensors shown in FIG. 23 may be performed collectively by one processor functioning as the movement path estimation device 4E, but as the movement path estimation device 4E
- a plurality of functional processors may be distributed for each presence detection sensor. For example, different processors may perform the processing from step ST6g-2 to step ST6g-9 for each presence detection sensor. In this case, the processor may be mounted on the presence detection sensor.
- the movement path estimation device 4E includes the sensor movement control unit 47 that controls movement of the presence detection sensors 3C-1 to 3C-M.
- the movement path estimation device 4E can bring the presence detection sensor far from the observation target closer to the observation target.
- the frequency at which the observation target is present in the detection range of the presence detection sensor is increased, and therefore, even when the number of the presence detection sensors is small, it is possible to suppress a decrease in the estimation accuracy of the movement path of the observation target. .
- the frequency at which the observation target moves outside the detection range of the presence detection sensor Since this can be reduced, it is possible to suppress a decrease in the estimation accuracy of the movement path to be observed.
- the movement path estimation device 4E can use the sensor movement control unit 47 to move the presence detection sensor too close to the observation target away from the observation target.
- the area in which the detection ranges of the plurality of presence detection sensors overlap is narrowed, and the frequency of the observation target falling within the area in which the detection ranges of the plurality of presence detection sensors overlap is increased.
- Positional ambiguity, i.e. observation error is reduced, resulting in improved estimation accuracy of the movement path of the observation object.
- the movement path estimation device 4E can keep the presence detection sensors away from each other. As a result, the presence detection sensor can be prevented from being distributed unevenly in the observation area, so the distance from the appearance position of the observation target to the presence detection sensor becomes shorter on average, and the detection frequency of the observation target increases. As a result, the time from the appearance of the observation target candidate to the determination of the observation target actually existing by the moving path estimation device 4E is shortened. In addition, as the frequency of detection of the observation target is increased, an effect that the estimation error of the moving path converges early can be obtained.
- the present invention is not limited to the above embodiment, and within the scope of the present invention, variations or embodiments of respective free combinations of the embodiments or respective optional components of the embodiments.
- An optional component can be omitted in each of the above.
- the movement path estimation apparatus can estimate movement paths of observation targets whose number is unknown, and thus can be used, for example, in a monitoring system that monitors the entry and exit of people in the monitoring area.
- 1, 1A to 1E moving path estimation system 2-1 to 2-N, 2-n, 2A-1 to 2A-N, 2A-n, 2B-1 to 2B-N, 2B-n, 2C-1 to 2C-N, 2C-n insertion / retraction sensor, 3-1 to 3-M, 3-m, 3A-1 to 3A-M, 3A-m, 3B-1 to 3B-M, 3B-m, 3C- 1 to 3C-M, 3C-m, 3C-m 'presence detection sensor, 4, 4A to 4E moving path estimation device, 5, 5A, 5B moving path storage unit, 10, 10A, 10B observation area, 11-n, 12-m detection range, 13a, 13b movement route, 14 entry impossible area, 40, 40A to 40C loss prediction unit, 41, 41A to 41C appearance prediction unit, 42, 42A to 42C movement prediction unit, 43, 43A, 43B data Updater, 44, 44A, 44B Estimator, 45, 46 Over data storage unit, 47 sensor movement controller, 100 and
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
移動経路推定装置(4)は、観測対象候補の消失および出現が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、観測時刻における観測対象候補の存在確率および運動諸元確率分布を更新する。移動経路推定装置(4)は、更新した観測対象候補の存在確率および運動諸元確率分布に基づいて、観測対象の移動経路を示す運動諸元推定値を算出する。
Description
本発明は、観測対象の移動経路を推定する移動経路推定装置、移動経路推定システムおよび移動経路推定方法に関する。
従来から、観測対象の移動経路を推定する技術が知られている。例えば、非特許文献1には、観測領域に設置されたセンサによって得られた観測対象の検出データに基づいて、観測対象の移動経路を逐次推定する技術が記載されている。
B.Ristic, Ba-Tuong Vo, Ba-Ngu Vo, A.Farina, "A Tutorial on Bernoulli Filters: Theory、 Implementation and Applications, " IEEE Trans. on Signal Proc. vo.61, no.13, pp. 3406-3430, Jul. 2013.
非特許文献1に記載された従来の技術では、観測領域に同時に存在する観測対象の個数が既知であることを前提としているため、個数が未知の観測対象が観測領域に同時に存在する場合、観測対象のそれぞれの移動経路を推定できないという課題があった。
本発明は上記課題を解決するものであり、個数が未知の観測対象の移動経路を推定することができる移動経路推定装置、移動経路推定システムおよび移動経路推定方法を得ることを目的とする。
本発明に係る移動経路推定装置は、消失予測部、出現予測部、移動予測部、データ更新部および推定部を備える。消失予測部は、観測領域内の検出範囲を通過した観測対象候補が通過方向ごとに検出された入退検出データ、入退検出データが得られた入退検出センサ位置、観測時刻よりも一定時間だけ過去の時刻において観測対象候補が観測領域に存在する可能性を示す存在確率、および過去の時刻における観測対象候補の運動諸元確率分布に基づいて、過去の時刻から観測時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。出現予測部は、入退検出データおよび入退検出センサ位置に基づいて、過去の時刻から観測時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。移動予測部は、消失予測部と出現予測部によって算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、過去の時刻から観測時刻までの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。データ更新部は、検出範囲に存在する観測対象候補が検出された存在検出データ、存在検出データが得られた存在検出センサ位置および移動予測部によって算出された予測値に基づいて、観測時刻における観測対象候補の存在確率および運動諸元確率分布を算出する。推定部は、データ更新部によって算出された観測対象候補の存在確率および運動諸元確率分布に基づいて、観測時刻に観測対象が観測領域に存在するか否かを推定し、観測時刻に存在すると推定した観測対象の運動諸元推定値を算出する。
本発明によれば、移動経路推定装置が、観測対象候補の消失および出現が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、観測時刻における観測対象候補の存在確率および運動諸元確率分布を更新する。移動経路推定装置は、更新した観測対象候補の存在確率および運動諸元確率分布に基づいて、観測対象の移動経路を示す運動諸元推定値を算出する。このように、移動経路推定装置は、観測対象候補の消失および出現を予測することにより、個数が未知の観測対象の移動経路を推定することができる。
実施の形態1.
図1は、実施の形態1に係る移動経路推定システム1の構成を示すブロック図である。図1に示すように、移動経路推定システム1は、N(Nは2以上の整数)個の入退検出センサ2-1~2-N、M(Mは2以上の整数)個の存在検出センサ3-1~3-M、移動経路推定装置4、および移動経路保存部5を備えて構成される。移動経路推定装置4は、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44を備える。
図1は、実施の形態1に係る移動経路推定システム1の構成を示すブロック図である。図1に示すように、移動経路推定システム1は、N(Nは2以上の整数)個の入退検出センサ2-1~2-N、M(Mは2以上の整数)個の存在検出センサ3-1~3-M、移動経路推定装置4、および移動経路保存部5を備えて構成される。移動経路推定装置4は、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44を備える。
以降の説明では、入退検出センサ2-1~2-Nおよび存在検出センサ3-1~3-Mによって検出された物体の消失または出現を考慮して、移動経路推定装置4によって移動経路が推定されるまでの物体を“観測対象候補”と呼ぶ。すなわち、センサによって検出された物体のうち、移動経路が推定されるまでの物体は、移動経路推定装置4において、仮の観測対象であるため、これを観測対象候補と定義する。
入退検出センサ2-1~2-Nは、観測領域に設けられて、入退検出データを検出するセンサであり、光学カメラ、赤外線センサ、および測距センサなどのセンサによって実現される。また、入退検出データは、観測領域内の検出範囲を通過した観測対象候補が通過方向ごとに検出されたデータである。入退検出センサ2-1~2-Nは、入退検出データおよびセンサ位置を含む検出信号を観測時刻ごとに消失予測部40および出現予測部41に送信する。センサ位置は、入退検出センサが設置された位置であり、入退検出データが得られた入退検出センサ位置に相当する。
存在検出センサ3-1~3-Mは、観測領域に設けられて、存在検出データを検出するセンサであって、光学カメラ、赤外線センサ、測距センサ、振動センサ、マイクロフォンおよび熱検知センサなどのセンサによって実現される。また、存在検出データは、センサの検出範囲に存在する観測対象候補が検出されたデータである。存在検出センサ3-1~3-Mは、存在検出データおよびセンサ位置を含む検出信号を、データ更新部43に送信する。センサ位置は、存在検出センサが設置された位置であり、存在検出データが得られた存在検出センサ位置に相当する。
入退検出センサ2-1~2-Nおよび存在検出センサ3-1~3-Mによって検出された複数の観測対象候補には、観測対象候補のそれぞれに固有な識別番号が付与される。
入退検出センサ2-1~2-Nおよび存在検出センサ3-1~3-Mによって検出された複数の観測対象候補には、観測対象候補のそれぞれに固有な識別番号が付与される。
図2は、実施の形態1における観測領域10の例を示す図である。図2に示す観測領域10は、出入り口を有した壁に囲まれた領域であり、出入り口を通ってのみ出入りが可能である。入退検出センサ2-n(nは、1からNのうちのいずれかの整数)は、例えば、観測領域10の出入り口に設けられて、検出範囲11-nが出入り口の領域に重なっている。出入り口を通って観測領域10に出入りする観測対象候補は、検出範囲11-nを通過したときに入退検出センサ2-nによって検出される。
存在検出センサ3-m(mは、1からMのうちのいずれかの整数)は、図2に示すように、観測領域10の任意の箇所に設けられる。存在検出センサ3-mの検出範囲12-mは、例えば、破線で示すように、センサ位置を中心とした円形の領域を形成する。観測領域10内の観測対象は、検出範囲12-mに進入したときに存在検出センサ3-mに検出される。なお、検出範囲12-mが円形である場合を示したが、楕円形、矩形などの円形以外の形状であってもよい。
図3は、観測領域10におけるセンサ動作の例を示す図であり、図2に示した観測領域10におけるセンサの動作を示している。図3において、観測対象候補を検出したセンサは灰色で記載されている。人A1が観測領域10に進入する方向(矢印a1で示す方向)に移動する。このとき、入退検出センサ2-nは、出入り口における検出範囲11-nを通過して観測領域10内に進入した人A1を検出する。人A1が検出された入退検出データは、入退検出センサ2-nから移動経路推定装置4へ送信される。
観測領域10内を人A1が移動して検出範囲12-mを通過する度に、存在検出センサ3-mは、人A1を検出する。人A1が検出された存在検出データは、存在検出センサ3-mから移動経路推定装置4へ送信される。人A1が、観測領域10から退出する方向(矢印a2で示す方向)に移動すると、入退検出センサ2-nは、出入り口の検出範囲11-nを通過して観測領域10外に退出した人A1を検出する。人A1が検出された入退検出データは、入退検出センサ2-nから移動経路推定装置4へ送信される。
同様に、人A2が観測領域10に進入する方向(矢印b1で示す方向)に移動すると、入退検出センサ2-nは、出入り口における検出範囲11-nを通過して観測領域10内に進入した観測対象の人A2を検出する。人A2が検出された入退検出データは、入退検出センサ2-nから移動経路推定装置4へ送信される。
観測領域10内を人A2が移動して検出範囲12-mを通過する度に、存在検出センサ3-mは、人A2を検出する。人A2が検出された存在検出データは、存在検出センサ3-mから移動経路推定装置4へ送信される。人A2が、観測領域10から退出する方向(矢印b2で示す方向)に移動すると、入退検出センサ2-nは、出入り口の検出範囲11-nを通過して観測領域10外に退出した人A2を検出する。人A2が検出された入退検出データは、入退検出センサ2-nから移動経路推定装置4へ送信される。
人A1および人A2を検出した存在検出センサ3-mのそれぞれを辿っていくことで、観測領域10内での人A1の移動経路13aと人A2の移動経路13bとを推定することができる。なお、入退検出センサ2-nおよび存在検出センサ3-mは、図3に示すように、観測対象候補の誤検出または検出失敗が起こり得る。“観測対象候補の誤検出”とは、検出範囲に観測対象候補が存在しないにもかかわらず、センサによって観測対象候補が検出されることを意味する。また、“観測対象候補の検出失敗”とは、検出範囲に存在する観測対象候補が検出されないことを意味する。
図1の説明に戻る。
移動経路推定装置4は、入退検出センサ2-1~2-Nから入力した入退検出データ、および、存在検出センサ3-1~3-Mから入力した存在検出データを用いて、観測対象候補の運動諸元推定値を算出する。運動諸元推定値は、観測対象の移動経路を示すデータとして、時刻フレームごとに、かつ観測対象ごとに移動経路保存部5に保存される。移動経路保存部5に保存された移動経路を示すデータは、移動経路推定システム1の利用者からの要求に応じて出力される。
移動経路推定装置4は、入退検出センサ2-1~2-Nから入力した入退検出データ、および、存在検出センサ3-1~3-Mから入力した存在検出データを用いて、観測対象候補の運動諸元推定値を算出する。運動諸元推定値は、観測対象の移動経路を示すデータとして、時刻フレームごとに、かつ観測対象ごとに移動経路保存部5に保存される。移動経路保存部5に保存された移動経路を示すデータは、移動経路推定システム1の利用者からの要求に応じて出力される。
入退検出センサ2-1~2-Nおよび存在検出センサ3-1~3-Mが、検出データを移動経路推定装置4に出力する時間の区切りを“時刻フレーム”と呼び、センサそれぞれの時刻フレームは同期しているものとする。センサによって観測対象候補が検出された観測時刻に相当する時刻フレームを“現時刻”と呼び、現時刻の1時刻フレーム前の過去の時刻に相当する時刻フレームを“前時刻”と呼ぶ。前時刻を現時刻よりも1時刻フレーム前の時刻と定義したが、これは例示であり、実施の形態1では、現時刻よりも一定時間だけ過去の時刻であれば、2以上の時刻フレームを遡った時刻であってもよい。
消失予測部40は、入退検出センサ2-1~2-Nから受信した入退検出データおよびセンサ位置を含む検出信号、前時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。なお、上記センサ位置は、入退検出データを検出した入退検出センサが設置された位置である。消失予測部40によって算出された存在確率の予測値および運動諸元確率分布の予測値は、移動予測部42に出力される。
存在確率は、観測対象候補が観測領域に存在する可能性を示す確率であって、例えば、“存在確率が高い”とは、観測対象候補が観測領域に真に存在する観測対象である可能性が高いことを示している。存在確率は、0以上1以下のスカラー値で表される。
運動諸元確率分布は、観測対象候補が観測領域に存在する場合において観測対象候補がどのような運動諸元であるかを示す確率分布である。運動諸元は、観測対象候補の位置、速度および加速度などである。例えば、2次元平面内の位置および2次元速度空間内の速度成分を運動諸元とした場合、運動諸元確率分布は、観測対象候補の2次元の位置および2次元の速度成分を表す4次元空間内における確率分布として定義される。
出現予測部41は、入退検出センサ2-1~2-Nから受信した入退検出データおよびセンサ位置を含む検出信号に基づいて、前時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。上記センサ位置は、入退検出データを検出した入退検出センサが設置された位置である。出現予測部41によって算出された存在確率の予測値および運動諸元確率分布の予測値は、移動予測部42に出力される。
移動予測部42は、消失予測部40と出現予測部41とから入力した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前時刻から現時刻までの間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。移動予測部42によって算出された存在確率の予測値および運動諸元確率分布の予測値は、データ更新部43に出力される。
データ更新部43は、存在検出センサ3-1~3-Mから受信した存在検出データおよびセンサ位置を含む検出信号、移動予測部42によって算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、現時刻における観測対象候補の存在確率および運動諸元確率分布を算出する。上記センサ位置は、存在検出データを検出した存在検出センサが設置された位置である。データ更新部43は、現時刻における1つまたは複数の観測対象候補の存在確率および運動諸元確率分布を算出し、算出した存在確率および運動諸元確率分布を、推定部44および次の時刻フレームの予測を行う消失予測部40に出力する。
推定部44は、データ更新部43から入力した現時刻の観測対象候補の存在確率および運動諸元確率分布に基づいて、現時刻に観測対象が観測領域に存在するか否かを推定し、現時刻に存在すると推定された観測対象の運動諸元推定値を算出する。
推定部44によって算出された運動諸元推定値は、移動経路保存部5に出力されて保存される。移動経路保存部5に保存された観測対象の運動諸元推定値が時系列に並べられたデータが、観測対象の移動経路を示すデータとなる。
なお、移動経路保存部5に保存された観測対象の移動経路を示すデータは、移動経路推定装置4の利用者の要求に応じて表示装置などに出力される。
推定部44によって算出された運動諸元推定値は、移動経路保存部5に出力されて保存される。移動経路保存部5に保存された観測対象の運動諸元推定値が時系列に並べられたデータが、観測対象の移動経路を示すデータとなる。
なお、移動経路保存部5に保存された観測対象の移動経路を示すデータは、移動経路推定装置4の利用者の要求に応じて表示装置などに出力される。
図4Aは、移動経路推定システム1の機能を実現するハードウェア構成を示すブロック図である。図4Bは、移動経路推定システム1の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。図4Aおよび図4Bにおいて、センサ群100は、入退検出センサ2-1~2-Nに相当するセンサ群である。センサ群101は、存在検出センサ3-1~3-Mに相当するセンサ群である。記憶装置102には、移動経路推定装置4による推定処理の実行中に得られる中間データが記憶され、さらに、移動経路保存部5が構築されている。
移動経路推定装置4における、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44のそれぞれの機能は、処理回路によって実現される。
すなわち、移動経路推定装置4は、図5を用いて後述するステップST1からステップST5までの処理を実行するための処理回路を備える。
処理回路は、専用のハードウェアであってもよいが、メモリに記憶されたプログラムを実行するCPU(Central Processing Unit)であってもよい。
すなわち、移動経路推定装置4は、図5を用いて後述するステップST1からステップST5までの処理を実行するための処理回路を備える。
処理回路は、専用のハードウェアであってもよいが、メモリに記憶されたプログラムを実行するCPU(Central Processing Unit)であってもよい。
処理回路が図4Aに示す専用のハードウェアの処理回路103である場合、処理回路103は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)またはこれらを組み合わせたものが該当する。
消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44のそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて1つの処理回路で実現してもよい。
消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44のそれぞれの機能を別々の処理回路で実現してもよいし、これらの機能をまとめて1つの処理回路で実現してもよい。
処理回路が図4Bに示すプロセッサ104である場合、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44のそれぞれの機能は、ソフトウェア、ファームウェアまたはソフトウェアとファームウェアとの組み合わせによって実現される。ソフトウェアまたはファームウェアは、プログラムとして記述されて、メモリ105に記憶される。
プロセッサ104は、メモリ105に記憶されたプログラムを読み出して実行することによって、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44のそれぞれの機能を実現する。
すなわち、移動経路推定装置4は、プロセッサ104によって実行されるときに、図5に示すステップST1からステップST5までの処理が結果的に実行されるプログラムを記憶するためのメモリ105を備える。これらのプログラムは、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44の手順または方法をコンピュータに実行させるものである。メモリ105は、コンピュータを、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44として機能させるためのプログラムが記憶されたコンピュータ可読記憶媒体であってもよい。
すなわち、移動経路推定装置4は、プロセッサ104によって実行されるときに、図5に示すステップST1からステップST5までの処理が結果的に実行されるプログラムを記憶するためのメモリ105を備える。これらのプログラムは、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44の手順または方法をコンピュータに実行させるものである。メモリ105は、コンピュータを、消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44として機能させるためのプログラムが記憶されたコンピュータ可読記憶媒体であってもよい。
メモリ105には、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、EPROM(Erasable Programmable Read Only Memory)、EEPROM(Electrically-EPROM)などの不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、DVDなどが該当する。
消失予測部40、出現予測部41、移動予測部42、データ更新部43および推定部44のそれぞれの機能について一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現してもよい。
例えば、消失予測部40、出現予測部41および移動予測部42のそれぞれは、専用のハードウェアとしての処理回路で機能を実現する。データ更新部43および推定部44については、プロセッサ104が、メモリ105に記憶されたプログラムを読み出して実行することにより機能を実現してもよい。
このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせにより上記機能のそれぞれを実現することができる。
例えば、消失予測部40、出現予測部41および移動予測部42のそれぞれは、専用のハードウェアとしての処理回路で機能を実現する。データ更新部43および推定部44については、プロセッサ104が、メモリ105に記憶されたプログラムを読み出して実行することにより機能を実現してもよい。
このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせにより上記機能のそれぞれを実現することができる。
次に動作について説明する。
図5は、実施の形態1に係る移動経路推定方法を示すフローチャートである。
消失予測部40が、入退検出センサ2-1~2-Nから受信した入退検出データおよびセンサ位置、および、データ更新部43から入力した前時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する(ステップST1)。
図5は、実施の形態1に係る移動経路推定方法を示すフローチャートである。
消失予測部40が、入退検出センサ2-1~2-Nから受信した入退検出データおよびセンサ位置、および、データ更新部43から入力した前時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する(ステップST1)。
次に、出現予測部41が、入退検出センサ2-1~2-Nから受信した入退検出データおよびセンサ位置に基づいて、前時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する(ステップST2)。
移動予測部42が、消失予測部40および出現予測部41から入力した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前時刻から現時刻までの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する(ステップST3)。
データ更新部43が、存在検出センサ3-1~3-Mから受信した存在検出データおよびセンサ位置、および、移動予測部42から入力した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、現時刻における観測対象候補の存在確率および運動諸元確率分布を算出する(ステップST4)。
推定部44が、データ更新部43から入力した観測対象候補の存在確率および運動諸元確率分布に基づいて、現時刻に観測対象が観測領域に存在するか否かを推定し、現時刻に存在すると推定した観測対象の移動経路を推定する(ステップST5)。例えば、推定部44は、観測対象の移動経路を示す運動諸元推定値を算出し、算出した運動諸元推定値を移動経路保存部5に保存する。
次に、観測対象の移動経路の推定処理について詳細に説明する。
以降では、観測対象の運動諸元として2次元位置空間内の位置および2次元速度空間内の速度成分を推定する場合について説明する。2次元位置空間の座標系は、直交するXY座標軸で表され、2次元速度成分もX軸方向の値とY軸方向の値があるものとする。ただし、これらの前提は例示であって、これらの運動諸元に限定されるものではない。
例えば、3次元空間を移動する観測対象について3次元位置空間内の位置および3次元速度空間内の速度を運動諸元としてもよい。観測対象が加速する可能性を考慮して、加速度成分、加速度の微分成分を運動諸元に含めてもよい。さらに、直交座標系の代わりに、極座標形を利用してもよい。
以降では、観測対象の運動諸元として2次元位置空間内の位置および2次元速度空間内の速度成分を推定する場合について説明する。2次元位置空間の座標系は、直交するXY座標軸で表され、2次元速度成分もX軸方向の値とY軸方向の値があるものとする。ただし、これらの前提は例示であって、これらの運動諸元に限定されるものではない。
例えば、3次元空間を移動する観測対象について3次元位置空間内の位置および3次元速度空間内の速度を運動諸元としてもよい。観測対象が加速する可能性を考慮して、加速度成分、加速度の微分成分を運動諸元に含めてもよい。さらに、直交座標系の代わりに、極座標形を利用してもよい。
また、移動経路推定装置4では、観測対象が等速直進運動を行うことを前提として運動諸元が推定される。なお、移動経路推定装置4では、等速直進運動の代わりに、例えば、等加速度直進運動、等角速度旋回運動などを前提として運動諸元を推定してもよい。
入退検出センサ2-1~2-Nは、入退検出データの誤検出があるものと仮定し、存在検出センサ3-1~3-Mについても、存在検出データの誤検出または存在検出データの検出失敗があるものと仮定する。
入退検出センサ2-1~2-Nは、入退検出データの誤検出があるものと仮定し、存在検出センサ3-1~3-Mについても、存在検出データの誤検出または存在検出データの検出失敗があるものと仮定する。
さらに、運動諸元確率分布を、重み付けされた有限個数の“粒子”の集合で近似する。運動諸元確率分布の値が大きい領域には、重み係数が大きい粒子が密に分布し、運動諸元確率分布の値が小さい領域には、重み係数が小さな粒子が疎に分布する。なお、近似する方法は、前述した方法に限定されるものではなく、例えば、ガウス分布の確率密度関数の線形結合で運動諸元確率分布を近似してよい。
現時刻の時刻フレーム番号を“k”として、現時刻を“時刻k”と記載する。前時刻の時刻フレーム番号を“k-1”として前時刻を“時刻k-1”と記載する。kの添え字が付く記号は、その記号が示すパラメータ値が時刻kにおける値であることを示している。k-1の添え字についても同様である。
観測対象の運動諸元を表す4行1列のベクトルxは、下記式(1)で定義される。ただし、下記式(1)において、x(1)は位置のX軸成分を表し、x(2)は位置のY軸成分を表し、x(3)は速度のX軸成分を表し、x(4)は速度のY軸成分を表している。行列右上の添え字Tは行列の転置を表している。このような運動諸元を表すベクトルを、“状態ベクトル”と呼ぶ。
x=[x(1) x(2) x(3) x(4)]T ・・・(1)
x=[x(1) x(2) x(3) x(4)]T ・・・(1)
また、n番目(n=1,2,・・・,N)の入退検出センサ2-nのセンサ位置を示す2行1列のベクトルzn
(InOut)を、下記式(2)で定義する。
下記式(2)において、zn (InOut、1)は、入退検出センサ2-nのセンサ位置のX軸成分であり、zn (InOut、2)は、入退検出センサ2-nのセンサ位置のY軸成分である。
zk,n (InOut)=[zk,n (InOut,1) zk,n (InOut,2)]T ・・・(2)
下記式(2)において、zn (InOut、1)は、入退検出センサ2-nのセンサ位置のX軸成分であり、zn (InOut、2)は、入退検出センサ2-nのセンサ位置のY軸成分である。
zk,n (InOut)=[zk,n (InOut,1) zk,n (InOut,2)]T ・・・(2)
さらに、m番目(m=1,2,・・・,M)の存在検出センサ3-mのセンサ位置を示す2行1列のベクトルzk,m
(Exist)を、下記式(3)で定義する。
下記式(3)において、zk,m (Exist,1)は、存在検出センサ3-mのセンサ位置のX軸成分であり、zk,m (Exist,2)は、存在検出センサ3-mのセンサ位置のY軸成分である。
zk,m (Exist)=[zk,m (Exist,1) zk,m (Exist,2)]T ・・・(3)
下記式(3)において、zk,m (Exist,1)は、存在検出センサ3-mのセンサ位置のX軸成分であり、zk,m (Exist,2)は、存在検出センサ3-mのセンサ位置のY軸成分である。
zk,m (Exist)=[zk,m (Exist,1) zk,m (Exist,2)]T ・・・(3)
時刻kにおける観測対象候補の識別番号の集合をLkとし、時刻kにおける識別番号iの観測対象候補の存在確率をrk|k
(i)とする。時刻kにおける識別番号iの観測対象候補の存在確率の予測値rk|k-1
(i)は、時刻k-1における識別番号iの観測対象候補の存在確率をrk-1|k-1
(i)を用いて算出される。
時刻kにおける、識別番号iの観測対象候補の運動諸元確率分布fk|k
(i)(x)は、時刻kにおいて識別番号iの観測対象候補の運動諸元が状態ベクトルxである確率を示している。重み付けされた粒子の集合で運動諸元確率分布fk|k
(i)(x)を近似することで、識別番号iの観測対象候補の運動諸元確率分布fk|k
(i)(x)は、下記式(4)で表すことができる。下記式(4)において、δはディラックのデルタ関数であり、粒子の個数Jは事前設定パラメータとする。wk|k
(i,j)はj番目(j=1,2,・・・,J)の粒子の重み係数を示す0以上1以下のスカラー値であり、xk|k
(i,j)はj番目の粒子の状態を示す状態ベクトルである。
時刻kおける、識別番号iの観測対象候補の運動諸元確率分布の予測値fk|k-1
(i)(x)は、時刻k-1における識別番号iの観測対象候補の運動諸元確率分布を用いて算出される。重み付けされた粒子の集合でfk|k-1
(i)(x)を近似することで、運動諸元確率分布の予測値fk|k-1
(i)(x)は、下記式(5)で表すことができる。
ただし、wk|k-1 (i,j)は、j番目(j=1,2,・・・,J)の粒子の重み係数を示す0以上1以下のスカラー値であり、xk|k-1 (i,j)は、j番目の粒子の状態を示す状態ベクトルである。
ただし、wk|k-1 (i,j)は、j番目(j=1,2,・・・,J)の粒子の重み係数を示す0以上1以下のスカラー値であり、xk|k-1 (i,j)は、j番目の粒子の状態を示す状態ベクトルである。
図6は、移動経路推定装置4の動作を示すフローチャートである。図6では、運動諸元確率分布fk|k
(i)(x)を、重み付けされた粒子の集合で近似することを前提として、時刻kにおける識別番号iの観測対象候補の運動諸元確率分布fk|k
(i)(x)は、J個の重み係数wk|k
(i,j)および粒子状態xk|k
(i,j)を用いて算出される。なお、運動諸元確率分布の予測値fk|k-1
(i)(x)についても同様に算出される。以降では、ある確率密度関数f(x)に従って生成された乱数がxであることを示す式を、x~f(x)と記載する。
さらに、確率密度関数として、N(x;μ,P)およびU(x,a,b)を使用する。
N(x;μ,P)は、確率変数ベクトルxに関する平均値ベクトルμ、誤差共分散行列Pの多変量ガウス分布の確率密度関数である。
U(x,a,b)は、確率変数スカラー値xに関する、最小値aおよび最大値bの一様分布の確率密度関数である。
N(x;μ,P)は、確率変数ベクトルxに関する平均値ベクトルμ、誤差共分散行列Pの多変量ガウス分布の確率密度関数である。
U(x,a,b)は、確率変数スカラー値xに関する、最小値aおよび最大値bの一様分布の確率密度関数である。
消失予測部40および出現予測部41は、入退検出センサ2-1~2-Nから受信した時刻kにおけるN個の入退検出データのうち、観測領域に対する観測対象候補の進入または退出が検出されたデータを、任意の順番で選択して入力する(ステップST1a)。これにより入退検出データを処理するループが開始される。以降では、ステップST2aからステップST4aまででは、n番目(n=1,2,・・・,Nのいずれか)の入退検出センサ2-nによって検出された入退検出データが選択されたものと仮定する。
消失予測部40および出現予測部41は、n番目の入退検出センサ2-nによって検出された入退検出データに基づいて、観測対象候補の移動方向が観測領域への進入方向であるか否かを判定する(ステップST2a)。消失予測部40は、観測対象候補の移動方向が観測領域からの退出方向であると判定した場合(ステップST2a;NO)、ステップST3aへ移行する。出現予測部41は、観測対象候補の移動方向が観測領域への進入方向であると判定した場合(ステップST2a;YES)、ステップST4aへ移行する。
なお、入退検出センサが、観測領域への進入方向と観測領域からの退出方向とを同一の時刻フレームで検出可能である場合、入退検出センサによって検出された観測対象候補の移動方向に基づいて、消失予測部40がステップST3aの処理を実行し、出現予測部41が、ステップST4aの処理を実行してもよい。
ステップST3aにおいて、消失予測部40は、入退検出センサ2-nによって検出された入退検出データ、上記式(2)で示した入退検出センサ2-nのセンサ位置、時刻k-1の観測対象候補の存在確率および運動諸元確率分布に基づいて、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された、観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。
なお、消失予測部40が、ステップST3aの処理を1回目に行う場合、時刻k-1における観測対象候補の存在確率および運動諸元確率分布を用いる。2回目以降にステップST3aの処理を行う場合、消失予測部40は、直前のステップST3aで算出した存在確率の予測値および運動諸元確率分布の予測値を用いる。
消失予測部40は、下記式(6)から下記式(11)までを用いて時刻k-1から時刻kまでの間の観測対象候補の消失が反映された、識別番号iの観測対象候補の存在確率の予測値rk|k-1,S
(i)を算出し、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された、識別番号iの観測対象候補の運動諸元確率分布の予測値を表す粒子である{wk|k-1,S
(i,j),xk|k-1,S
(i,j)}j=1,・・・,Jを算出する。識別番号iは、時刻k-1(前時刻)の観測対象候補と同一であるものとする。なお、||x||2は、ベクトルxのユークリッドノルムである。βk,FLS
(InOut)およびdThは事前に設定されたパラメータであり、特に、βk,FLS
(InOut)は、入退検出センサが誤検出する確率である。
上記式(6)から上記式(11)までを用いて観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する処理は、識別番号iの観測対象候補の運動諸元確率分布の平均位置HPosμk-1|k-1
(i)が、観測対象候補の退出を検出したn番目の入退検出センサ2-nが設置されたセンサ位置zn
(InOut)に近くなるにつれて、識別番号iの観測対象候補の存在確率をβk,FLS
(InOut)倍に減少させる処理に相当する。この処理により、入退検出センサ2-nによって検出された観測対象候補の退出を、観測対象候補の予測値に反映させることができる。
識別番号iの観測対象候補の存在確率をβk,FLS
(InOut)倍することで、識別番号iの観測対象候補の存在確率に対して観測対象候補の退出(消失)を反映させたが、これに限定されるものではない。例えば、βk,FLS
(InOut)=0として、上記式(9)に示すd(i,n)が閾値よりも小さい場合、消失予測部40が、識別番号iの観測値候補の存在確率および運動諸元確率分布(粒子)を削除してもよい。
なお、存在確率を減らす観測対象候補を、運動諸元確率分布の平均位置のみに基づいて選択する場合を示したが、これに限定されるものではない。例えば、消失予測部40は、運動諸元確率分布の平均速度ベクトルの方位角度と、入退検出センサが、観測領域から退出する観測対象候補を検出する方向の方位角度と、の差分を用いて、存在確率を減らす観測対象候補を選択してもよい。
ステップST4aにおいて、出現予測部41は、入退検出センサ2-nによって検出された入退検出データ、および上記式(2)で示した入退検出センサ2-nのセンサ位置に基づいて、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。
出現予測部41は、下記式(12)から下記式(16)までを用いて、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値rk|k-1,B
(in)を算出し、時刻k-1から時刻kまでの間に出現した観測対象候補の運動諸元確率分布の予測値を表す粒子である{wk|k-1,B
(in,j),xk|k-1,B
(in,j)}j=1,・・・,Jを算出する。識別番号inは、n番目の入退検出センサ2-nの周辺に出現したと予測された観測対象候補の識別番号であり、既存の観測対象候補の識別番号と異なる値である。βk,FLS
(InOut)、VB
(3)およびVB
(4)は、事前設定パラメータであって、特に、βk,FLS
(InOut)は、入退検出センサが観測対象候補を誤検出する確率を示している。
上記式(12)から上記式(16)までを用いて存在確率の予測値および運動諸元確率分布の予測値を算出する処理は、n番目の入退検出センサ2-nの設置位置を初期位置として新規の観測対象候補の粒子を生成し、生成した粒子のそれぞれの速度を一様分布の乱数として、存在確率と粒子の重み係数とを固有値とする識別番号inの観測対象候補を追加する処理に相当する。この処理により、時刻kに入退検出センサ2-nによって観測領域への進入が検出された観測対象候補の予測値が得られる。
なお、新たに出現した観測対象候補に関する粒子の初期速度を、上記式(15)および上記式(16)に示した0を中心とする一様分布の乱数としたが、n番目の入退検出センサ2-nが観測領域に進入する観測対象候補を検出する方向に偏った分布の乱数を用いてもよい。
ステップST5aにおいて、消失予測部40および出現予測部41は、入退検出センサ2-1~2-Nから受信した時刻kにおけるN個の入退検出データのうち、観測領域に対する観測対象候補の進入または退出が検出された全てのデータを選択したか否かを判定する。未選択のデータがあると判定した場合(ステップST5a;NO)、消失予測部40および出現予測部41は、未選択の入退検出データを選択して、ステップST2aの処理に戻る。全てのデータを選択していれば(ステップST5a;YES)、ステップST6aの処理に移行する。
ステップST6aにおいて、移動予測部42は、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された存在確率の予測値および運動諸元確率分布の予測値と、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、時刻k-1から時刻kまでの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。
時刻k-1(前時刻)から時刻k(現時刻)までの間の観測対象候補の消失が反映された、観測対象候補の存在確率の予測値をrk|k-1,S
(is)で表す。時刻k-1から時刻kまでの間の観測対象候補の消失が反映された観測対象候補の運動諸元確率分布の予測値を{wk|k-1,S
(is,j),xk|k-1,S
(is,j)}j=1,・・・,Jで表す。iSは、消失予測部40によって算出された観測対象候補の識別番号とする。
さらに、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値をrk|k-1,B
(iB)で表す。時刻k-1から時刻kまでの間に出現した観測対象候補の運動諸元確率分布の予測値を{wk|k-1,B
(iB,j),xk|k-1,B
(iB,j)}j=1,・・・,Jで表す。iBは、出現予測部41によって算出された観測対象候補の識別番号とする。
さらに、時刻k-1から時刻kまでの間の観測対象候補の移動が反映された存在確率の予測値をrk|k-1
(i)で表す。時刻k-1から時刻kまでの間の観測対象候補の移動が反映された運動諸元確率分布の予測値を{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jで表す。識別番号iは、識別番号iSと識別番号iBとの両方を含んだ識別番号とする。すなわち、識別番号iSの集合をLk|k-1,Sで表し、識別番号iBの集合をLk|k-1、Bで表した場合、識別番号iは、下記式(17)で定義される。
i∈Lk|k-1={Lk|k-1,S ∪ Lk|k-1,B} ・・・(17)
i∈Lk|k-1={Lk|k-1,S ∪ Lk|k-1,B} ・・・(17)
移動予測部42は、下記式(18)から下記式(21)までを用いて、観測対象候補の移動が反映された観測対象候補の存在確率の予測値rk|k-1
(i)および観測対象候補の運動諸元確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jを算出する。ただし、Φkは、等速直進運動の予測モデルに基づいて状態ベクトルを遷移させる行列である。τkは、時刻k-1から時刻kまでの経過時間である。Qkは、等速直進運動の予測モデルの誤差を表すシステム雑音を示す行列であって、事前設定パラメータである。
これまで、ガウス分布に基づいた乱数が生成可能であることを前提として、存在確率の予測値と運動諸元確率分布の予測値とを算出する場合を示したが、これに限定されるものではない。例えば、既存の粒子フィルタにおける運動予測処理の概念を利用して、任意の確率分布関数(提案分布)から生成された乱数を状態ベクトルとする。提案分布において生成された乱数の確率と、等速直進運動における遷移確率とを比較した結果に基づいて、予測後の重み係数を算出してもよい。
ステップST7aにおいて、データ更新部43は、存在検出センサ3-1~3-Mから受信した存在検出データおよびセンサ位置、および、時刻k-1から時刻kまでの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、時刻kにおける観測対象候補の存在確率および運動諸元確率分布を算出(更新)する。このとき、データ更新部43は、複数の観測対象候補と複数の存在検出データとの複数通りの対応付けが反映された運動諸元確率分布を算出する。
図7は、図6のステップST7の詳細な処理を示すフローチャートである。
ステップST7a-1において、データ更新部43は、識別番号iの観測対象候補の存在確率の予測値rk|k-1 (i)のそれぞれの値に基づいて、識別番号の部分集合ごとの信頼度bk|k-1(I(λ))を算出する。λ=1,2,・・・,Λである。識別番号の部分集合I(λ)とは、0個以上の識別番号iから構成される集合である。例えば、i=1,2である場合、識別番号の部分集合I(λ)は、λ=1,2,3,4として、I(1)=φ、I(2)={1}、I(3)={2}、I(4)={1,2}の4通りとなる。ここで、φは空集合を表す。
ステップST7a-1において、データ更新部43は、識別番号iの観測対象候補の存在確率の予測値rk|k-1 (i)のそれぞれの値に基づいて、識別番号の部分集合ごとの信頼度bk|k-1(I(λ))を算出する。λ=1,2,・・・,Λである。識別番号の部分集合I(λ)とは、0個以上の識別番号iから構成される集合である。例えば、i=1,2である場合、識別番号の部分集合I(λ)は、λ=1,2,3,4として、I(1)=φ、I(2)={1}、I(3)={2}、I(4)={1,2}の4通りとなる。ここで、φは空集合を表す。
データ更新部43は、下記式(22)を用いて、部分集合ごとの信頼度bk|k-1(I(λ))を算出する。下記式(22)において、Lk|k-1は、予測された観測対象候補の識別番号の集合である。下記式(22)の右辺における、Lk|k-1\I(λ)は、集合Lk|k-1から集合I(λ)の要素を除いた差集合を示している。
ステップST7a-2において、データ更新部43は、存在検出センサ3-1~3-Mのうち、時刻kにおいて観測対象候補を検出した存在検出センサが設置されたセンサ位置{zk,m
(Exist)}m∈M*、部分集合信頼度bk|k-1(I(λ))および識別番号iの運動諸元確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jに基づいて、写像ごとの信頼度b’k|k(θk
(λ,h))および写像ごとの識別番号iの運動諸元確率分布{w’k|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを算出する。なお、M*は、時刻kにおいて観測対象候補を検出した存在検出センサに付与された識別番号(以下、存在検出センサ番号と記載する)の集合である。また、信頼度および重み係数の記号に付けられたプライム(’)は、規格化される前の値であることを示している。規格化は、後述するステップST7a-3で説明する。
写像θk
(λ,h)は、部分集合I(λ)の要素を、時刻kにおいて観測対象候補を検出した存在検出センサの存在検出センサ番号の少なくとも1つに対応付ける写像と定義する。これを数式で表現すると、下記式(23)のようになる。下記式(23)において、集合{0}への写像は、時刻kにおいて、観測対象候補がいずれの存在検出センサにも検出されなかったことを示す写像である。存在検出センサは、観測対象候補の個数に関わらず、検出範囲に観測対象候補が存在するか否かを示す存在検出データのみを出力するので、写像θk
(λ,h)は必ずしも1対1の写像でなくともよい。
θk (λ,h):I(λ)→[{0} ∪ M*] ・・・(23)
θk (λ,h):I(λ)→[{0} ∪ M*] ・・・(23)
データ更新部43は、下記式(24)、下記式(24a)および下記式(25)を用いて、写像ごとの信頼度b’k|k(θk
(λ,h))および写像ごとの識別番号iの運動諸元確率分布{w’k|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを算出する。
上記式(24)、上記式(24a)および上記式(25)における変数は、下記式(26)、下記式(27)、下記式(28)および下記式(29)に従って算出される。下記式(27)におけるpk,DTは、時刻kにおいて存在検出センサが検出失敗せずに観測対象候補を検出する確率である。βk,FLS
(Exist)は、時刻kにおいて存在検出センサが観測対象候補を誤検出する確率である。dDTは、存在検出センサの検出範囲の半径である。πは円周率である。
ステップST7a-3において、データ更新部43は、ステップST7a-2で算出した、写像ごとの信頼度b’k|k(θk
(λ,h))を規格化し、写像ごとの識別番号iの運動諸元確率分布における重み係数{w’k|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを規格化する。
データ更新部43は、下記式(30)および下記式(31)を用いて、信頼度b’k|k(θk
(λ,h))を規格化し、写像ごとの識別番号iの運動諸元確率分布における重み係数{w’k|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを規格化して、信頼度bk|k(θk
(λ,h))および重み係数{wk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを得る。
なお、Hλは、λ番目の部分集合I(λ)における写像の総数である。
なお、Hλは、λ番目の部分集合I(λ)における写像の総数である。
ステップST7a-4において、データ更新部43は、規格化された写像ごとの信頼度bk|k(θk
(λ,h))および重み係数が規格化された写像ごとの識別番号iの運動諸元確率分布{wk|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jに基づいて、時刻kにおける識別番号iの観測対象候補の存在確率rk|k
(i)および識別番号iの観測対象候補の運動諸元確率分布{wk|k
(i,j),xk|k
(i,j)}j=1,・・・,Jを算出する。
データ更新部43は、下記式(32)から下記式(34)までを用いて、時刻kにおける識別番号iの観測対象候補の存在確率rk|k
(i)および識別番号iの観測対象候補の運動諸元確率分布{wk|k
(i,j),xk|k
(i,j)}j=1,・・・,Jを算出する。下記式(33)の“for λ,h s.t.i∈I(λ),h=1,・・・,Hλ”という条件は、“λは要素iを持つI(λ)を与え、hは1以上Hλ以下の整数であること”を示している。
図6の説明に戻る。
ステップST8aにおいて、推定部44は、時刻k(現時刻)における観測対象候補のうちのいずれか1つを選択して入力する。これにより、観測対象候補を選択して処理するループが開始される。以降では、識別番号iの観測対象候補が選択された場合を例に挙げて説明する。
ステップST8aにおいて、推定部44は、時刻k(現時刻)における観測対象候補のうちのいずれか1つを選択して入力する。これにより、観測対象候補を選択して処理するループが開始される。以降では、識別番号iの観測対象候補が選択された場合を例に挙げて説明する。
次に、推定部44は、下記式(35)に従い、ステップST8aで選択した識別番号iの観測対象候補の存在確率rk|k
(i)が閾値rThよりも大きいか否かを判定する(ステップST9a)。観測対象候補の存在確率の閾値rThは、事前設定パラメータである。
rk|k (i)>rTh ・・・(35)
rk|k (i)>rTh ・・・(35)
識別番号iの観測対象候補の存在確率rk|k
(i)が閾値rThよりも大きいと判定された場合(ステップST9a;YES)、ステップST10aの処理に移行する。
一方、識別番号iの観測対象候補の存在確率rk|k (i)が閾値rTh以下であれば(ステップST9a;NO)、ステップST11aの処理に移行する。
一方、識別番号iの観測対象候補の存在確率rk|k (i)が閾値rTh以下であれば(ステップST9a;NO)、ステップST11aの処理に移行する。
ステップST10aにおいて、推定部44は、時刻kにおける、識別番号iの観測対象候補の運動諸元確率分布に基づいて、当該観測対象候補に対応する観測対象の運動諸元を推定する。例えば、推定部44は、識別番号iの観測対象候補に対応する観測対象の運動諸元推定値μk
(i)を、下記式(36)に従って算出する。
移動経路保存部5には、異なる時刻フレームに保存された識別番号が同一の運動諸元推定値同士が時系列順に保存される。これにより、運動諸元推定値は、観測対象の推定された移動経路として移動経路保存部5に保存される。なお、移動経路保存部5には、観測対象の位置以外の運動諸元も保存され、移動経路保存部5に保存されたデータは、利用者からの要求に応じて抽出される。
ステップST11aにおいて、推定部44は、時刻kにおける、全ての観測対象候補を選択したか否かを確認する。このとき、未選択の観測対象候補があれば(ステップST11a;NO)、ステップST9aの処理に戻る。一方、全ての観測対象候補が選択されていた場合(ステップST11a;YES)、図6の一連の処理が終了される。
なお、運動諸元確率分布を有限個の粒子によって表す場合、粒子の個数が少ないほど、運動諸元確率分布の微小な勾配を表現することができず、粒子の分布が過剰に偏りやすくなることが知られている。過剰な粒子の偏りを軽減するため、図6に示した現時刻(時刻k)における全てのステップの処理が完了した後に、観測対象候補の運動諸元確率分布の粒子を再構成する処理を追加してもよい。粒子を再構成する方法としては、リサンプリング、または、マルコフ連鎖モンテカルロ(MCMC)ムーブといった手法がある。
以上のように、実施の形態1に係る移動経路推定装置4は、観測対象候補の消失および出現が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、観測時刻における観測対象候補の存在確率および運動諸元確率分布を更新する。移動経路推定装置4は、更新した観測対象候補の存在確率および運動諸元確率分布に基づいて、観測対象の移動経路を示す運動諸元推定値を算出する。このように、移動経路推定装置4は、観測対象候補の消失および出現を予測して、個数が未知の観測対象の移動経路を推定することができる。移動経路推定装置4が観測対象候補の消失および出現を予測することで、観測対象候補の個数の範囲が絞り込まれる。これにより、観測領域に真に存在する観測対象候補を判定するときの演算規模は、絞り込まれた観測対象候補の個数の範囲に依存する。例えば、非特許文献1に記載される技術を適用した移動経路推定装置を並列に接続した場合、移動経路の推定処理に要する演算規模は、観測対象候補の最大個数に依存することになる。これに対し、移動経路推定装置4では、絞り込まれた観測対象候補の個数の範囲に依存した演算規模になるため、個数が未知の観測対象の移動経路をより少ない演算規模で推定することが可能である。
また、実施の形態1に係る移動経路推定装置4において、消失予測部40が、入退検出データ、センサ位置、前時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。出現予測部41が、入退検出データおよびセンサ位置に基づいて、前時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。このように、移動経路推定装置4は、前時刻よりも過去のデータを用いることなく、前時刻における処理結果、現時刻における入退検出データ、現時刻における存在検出データおよびセンサ位置に基づいて、現時刻における移動経路の推定が可能である。消失予測部40が、前時刻から現時刻までの間の観測対象候補の消失が反映された予測値を算出したときに、予測値の算出に用いた前時刻における観測対象候補の存在確率および運動諸元確率分布を削除することができるので、記憶装置102の使用容量を節約することができる。同様に、出現予測部41が、前時刻から現時刻までの間に出現した観測対象候補の予測値を算出したときに、予測値の算出に用いた前時刻における観測対象候補の存在確率および運動諸元確率分布を削除することができるので、記憶装置102の使用容量を節約することができる。
さらに、実施の形態1に係る移動経路推定装置4において、消失予測部40は、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値を、入退検出センサが観測対象候補を誤検出する確率βk,FLS
(InOut)を用いて算出する。出現予測部41は、現時刻に出現した観測対象候補の存在確率の予測値を、入退検出センサが観測対象候補を誤検出する確率βk,FLS
(InOut)を用いて算出する。このように構成することで、消失予測部40および出現予測部41は、入退検出センサによって観測対象候補の観測領域からの退出または観測領域への進入が誤検出された場合であっても、観測対象候補が誤検出である可能性を含む存在確率の予測値を算出することができる。これにより、実際には存在しないが誤検出された観測対象候補について、移動経路が推定されることを防ぐことができる。
さらに、実施の形態1に係る移動経路推定装置4において、データ更新部43は、現時刻における観測対象候補の存在確率および運動諸元確率分布を、存在検出センサが観測対象候補を誤検出する確率βk,FLS
(Exist)および存在検出センサが検出に失敗せずに観測対象候補を検出する確率pk,DTを用いて算出する。データ更新部43は、予測値と整合する存在検出データが検出された場合であっても、存在検出データが誤検出である可能性を含む存在確率の予測値および運動諸元確率分布の予測値を算出する。これにより、推定した移動経路が誤検出された観測対象候補の方向にずれることが防止される。また、データ更新部43が確率pk,DTを用いることによって、予測値に整合する存在検出データが検出されなかった場合であっても、観測対象候補の検出失敗の可能性を含む存在確率および運動諸元確率分布が算出される。これにより、推定した移動経路が、部分的に途切れる、または別の観測対象候補が検出された方向にずれることが防止される。
さらに、実施の形態1に係る移動経路推定装置4において、移動予測部42が、消失予測部40および出現予測部41によって算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前時刻から現時刻までの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。このように、移動予測部42が、観測対象候補の移動に関する予測モデルの誤差を含む運動諸元確率分布の予測値を算出するので、実際の観測対象候補の移動が予測モデルから外れた場合であっても、運動諸元確率分布の予測誤差を考慮することで、移動経路の推定誤差の増加を抑えることができる。
例えば、等速直進運動の予測モデルに対して、実際の観測対象候補が停止または旋回を行った場合であっても、移動予測部42は、予測モデルの誤差に応じた広がりをもつ確率密度関数から粒子を算出する。これにより、観測対象候補の運動諸元確率分布の予測値に対して予測モデルの誤差を反映させることができる。データ更新部43は、等速直進運動の予測値から外れた位置で観測対象候補が検出されても、予測値から外れた粒子の重み係数を増加させて観測対象候補の存在確率および運動諸元確率分布を更新する。このため、推定部44は、予測モデルの誤差が修正された移動経路の推定値(運動諸元推定値)を算出することができる。
さらに、実施の形態1に係る移動経路推定装置4において、データ更新部43が、複数の観測対象候補と複数の存在検出データとが対応付けられる可能性が反映された運動諸元確率分布を算出する。これにより、観測領域内の観測対象候補同士が接近または移動経路が交差する場合であっても、観測対象候補の運動諸元確率分布において、存在検出データと観測対象候補との整合性が低い対応付けには低い確率となる。このため、観測対象候補同士の移動経路が誤って入れ替わる頻度が低減する。
実施の形態1に係る移動経路推定システム1は、入退検出センサ2-1~2-Nおよび存在検出センサ3-1~3-Mを備える。入退検出センサ2-1~2-Nは、観測領域内の検出範囲を通過した観測対象候補が通過方向ごとに検出された入退検出データを移動経路推定装置4に送信し、存在検出センサ3-1~3-Mは、検出範囲に存在する観測対象候補が検出された存在検出データを移動経路推定装置4に送信する。このように構成することで、センサと移動経路推定装置との通信容量の増加を抑えることができる。
例えば、入退検出センサ2-1~2-Nがカメラであり、存在検出センサ3-1~3-Mが測距センサである場合、入退検出センサ2-1~2-Nは、カメラで撮影された映像を送信する代わりに、検出範囲を通過した観測対象候補が通過方向ごとに検出された入退検出データを送信すればよい。存在検出センサ3-1~3-Mは、測距データを送信する代わりに、検出範囲に存在する観測対象候補が検出された存在検出データを送信すればよい。これにより、センサの検出データをより少ない通信容量で移動経路推定装置4に送信することができる。また、個人情報保護の観点からセンサとして撮影装置を設置することができない場合であっても、移動経路推定システム1は、顔、服装といった個人情報を検出せずに、観測対象の移動経路を推定することが可能である。
また、入退検出センサ2-1~2-Nおよび存在検出センサ3-1~3-Mは、入退検出データおよび存在検出データを検出可能なセンサであればよいため、高機能なセンサでなくてもよい。また、観測対象にセンサを設ける必要がない。例えば、データ更新部43は、存在検出データの個数が多いほど、観測対象候補の運動諸元を絞り込むことができる。このため、移動経路推定システム1は、低精度の存在検出センサを多数備えることで、高精度のセンサを多数備えたシステムと同程度の推定精度を実現することができる。
実施の形態2.
実施の形態1では、入退検出センサによって観測対象候補の個数が検出されないため、入退検出センサによる1回の観測(1時刻フレームでの観測)で誤った個数の観測対象候補が検出される場合がある。例えば、入退検出センサは、観測時間よりも短い時間で複数の観測対象候補が検出範囲に移動してくると、複数の観測対象候補のそれぞれを正確に検出できずに、1つの観測対象候補と誤検出されることがある。この場合、観測対象候補の個数が過小であるため、観測対象の移動経路の推定精度が劣化する。そこで、実施の形態2に係る移動経路推定装置は、観測対象候補の個数を考慮した移動経路の推定を行う。
実施の形態1では、入退検出センサによって観測対象候補の個数が検出されないため、入退検出センサによる1回の観測(1時刻フレームでの観測)で誤った個数の観測対象候補が検出される場合がある。例えば、入退検出センサは、観測時間よりも短い時間で複数の観測対象候補が検出範囲に移動してくると、複数の観測対象候補のそれぞれを正確に検出できずに、1つの観測対象候補と誤検出されることがある。この場合、観測対象候補の個数が過小であるため、観測対象の移動経路の推定精度が劣化する。そこで、実施の形態2に係る移動経路推定装置は、観測対象候補の個数を考慮した移動経路の推定を行う。
図8は、実施の形態2に係る移動経路推定システム1Aの構成を示すブロック図である。図8において、図1と同一構成要素には同一符号を付して説明を省略する。移動経路推定システム1Aは、N(Nは2以上の整数)個の入退検出センサ2A-1~2A-N、M(Mは2以上の整数)個の存在検出センサ3-1~3-M、移動経路推定装置4A、および移動経路保存部5を備える。移動経路推定装置4Aは、消失予測部40A、出現予測部41A、移動予測部42、データ更新部43および推定部44を備える。
入退検出センサ2A-1~2A-Nは、観測領域に設けられて、入退検出データを検出するセンサであり、光学カメラ、赤外線センサ、および測距センサなどのセンサによって実現される。入退検出データには、観測領域内の検出範囲を通過した観測対象候補が通過方向ごとに検出されたデータの他に、個数データも含まれる。個数データは、入退検出センサによる1回の観測で検出範囲を通過した観測対象候補の個数が検出されたデータである。例えば、入退検出センサは、測距データと閾値との比較結果に基づいて、検出範囲に存在した観測対象候補の個数を検出してもよく、検出範囲の撮影画像を画像解析して観測対象候補の個数を検出してもよい。
消失予測部40Aは、個数データを含む入退検出データ、入退検出センサ位置、および前時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。出現予測部41Aは、個数データを含む入退検出データおよび入退検出センサ位置に基づいて、前時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。
入退検出センサ2A-1~2A-Nは、図4Aおよび図4Bに示したセンサ群100によって実現される。また、移動経路推定装置4Aにおける、消失予測部40A、出現予測部41A、移動予測部42、データ更新部43、および推定部44のそれぞれの機能は、処理回路によって実現される。すなわち、移動経路推定装置4Aは、図9を用いて後述するステップST1bからステップST11bまでの処理を実行するための処理回路を備える。処理回路は、専用のハードウェアの処理回路103であってもよいが、メモリ105に記憶されたプログラムを実行するプロセッサ104であってもよい。
次に動作について説明する。
図9は、移動経路推定装置4Aの動作を示すフローチャートである。図9のステップST1b、ステップST2b、ステップST5bからステップST11bの処理は、図6のステップST1a、ステップST2a、ステップST5aからステップST11aの処理と同様であるので説明を省略する。以降の説明においても、図6と同様に、運動諸元確率分布fk|k (i)(x)を、重み付けされた粒子の集合で近似することを前提とする。記号および添え字のうち、説明がないものは、実施の形態1と同一の意味である。以降では、現時刻にn番目の入退検出センサ2A-nによって検出された観測対象候補のうち、検出範囲に進入する方向に移動してきた観測対象候補の個数をνn +とし、検出範囲から退出する方向に移動した観測対象候補の個数をνn -とする。
図9は、移動経路推定装置4Aの動作を示すフローチャートである。図9のステップST1b、ステップST2b、ステップST5bからステップST11bの処理は、図6のステップST1a、ステップST2a、ステップST5aからステップST11aの処理と同様であるので説明を省略する。以降の説明においても、図6と同様に、運動諸元確率分布fk|k (i)(x)を、重み付けされた粒子の集合で近似することを前提とする。記号および添え字のうち、説明がないものは、実施の形態1と同一の意味である。以降では、現時刻にn番目の入退検出センサ2A-nによって検出された観測対象候補のうち、検出範囲に進入する方向に移動してきた観測対象候補の個数をνn +とし、検出範囲から退出する方向に移動した観測対象候補の個数をνn -とする。
ステップST3bにおいて、消失予測部40Aは、n番目の入退検出センサ2A-nによって検出された観測対象候補の数(個数データ)を含む入退検出データ、入退検出センサ2A-nが設置されたセンサ位置、および時刻k-1における観測対象候補の存在確率および運動諸元確率分布に基づいて、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。
なお、消失予測部40Aが、ステップST3bの処理を1回目に行う場合、時刻k-1における観測対象候補の存在確率および運動諸元確率分布を用いる。2回目以降にステップST3bの処理を行う場合、消失予測部40Aは、直前のステップST3bで算出した存在確率の予測値および運動諸元確率分布の予測値を用いる。
消失予測部40Aは、下記式(37)および上記式(7)から下記式(11)までを用いて、時刻k-1から時刻kまでの観測対象候補の消失が反映された、識別番号iの観測対象候補の存在確率の予測値rk|k-1,S
(i)を算出し、時刻k-1から時刻kまでの観測対象候補の消失が反映された識別番号iの観測対象候補の運動諸元確率分布の予測値を表す粒子である{wk|k-1,S
(i,j),xk|k-1,S
(i,j)}j=1,・・・,Jを算出する。なお、識別番号iは、時刻k-1(前時刻)の観測対象候補と同一であるものとする。||x||2は、ベクトルxのユークリッドノルムであり、βk,FLS
(InOut)は事前に設定されたパラメータであり、入退検出センサが誤検出する確率を示している。dTh(νn
-)は、上記式(9)に示したd(i,n)を識別番号iに関して昇順に並べたときのνn
-番目の値である。観測対象候補の数がνn
-よりも小さい場合、dTh(νn
-)はd(i,n)の最大値となる。
上記式(7)から上記式(11)と上記式(37)を用いて観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する処理は、識別番号iの観測対象候補の運動諸元確率分布の平均位置HPosμk-1|k-1
(i)と、観測対象候補の退出を検出したn番目の入退検出センサ2A-nが設置されたセンサ位置zn
(InOut)との近さに関する、上位νn
-個の識別番号iの観測対象候補の存在確率をβk,FLS
(InOut)倍に減少させる処理に相当する。この処理により、入退検出センサ2A-nによって検出された観測対象候補の退出を、観測対象候補の予測値に反映させることができる。
これまで、識別番号iの観測対象候補の存在確率をβk,FLS
(InOut)倍することで、識別番号iの観測対象候補の存在確率に対して観測対象候補の退出(消失)が反映されたが、これに限定されるものではない。例えば、βk,FLS
(InOut)=0とした場合、上記式(9)で示すd(i,n)が閾値よりも小さい場合、消失予測部40Aは、識別番号iの観測値候補の存在確率および運動諸元確率分布(粒子)を削除してもよい。
なお、運動諸元確率分布の平均位置のみに基づいて、存在確率を減らす観測対象候補が選択される場合を示したが、これに限定されるものではない。例えば、消失予測部40Aは、運動諸元確率分布の平均速度ベクトルの方位角度と、入退検出センサが、観測領域から退出する観測対象候補を検出する方向の方位角度と、の差分を用いて、存在確率を減らす観測対象候補を選択してもよい。
ステップST4bにおいて、出現予測部41Aは、入退検出センサ2A-nによって検出された観測対象候補の数(個数データ)を含む入退検出データおよび入退検出センサ2A-nのセンサ位置に基づいて、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。
出現予測部41Aは、上記式(12)から上記式(16)までを用いて、時刻k-1から時刻kまでに出現した観測対象候補の存在確率の予測値{rk|k-1,B
(in)}in∈Lnを算出し、時刻k-1から時刻kまでに出現した観測対象候補の運動諸元確率分布の予測値を表す粒子である{wk|k-1,B
(in,j),xk|k-1,B
(in,j)}in∈Ln,j=1,・・・,Jを算出する。集合Lnは、n番目の入退検出センサ2A-nの周辺に出現したと予測された観測対象候補の識別番号inを要素とする集合であり、集合Lnの要素のそれぞれは既存の識別番号のいずれとも異なる値である。集合Lnの要素の個数はνn
+個である。
上記式(12)から上記式(16)を用いて、識別番号inの観測対象候補の存在確率の予測値{rk|k-1,B
(in)}in∈Lnおよび識別番号inの観測対象候補の運動諸元確率分布の予測値{wk|k-1,B
(in,j),xk|k-1,B
(in,j)}in∈Ln,j=1,・・・,Jを算出する処理は、n番目の入退検出センサ2A-nの設置位置を初期位置として新規の観測対象候補の粒子を生成し、生成した粒子のそれぞれの速度が一様分布の乱数であるものとして、存在確率と粒子の重み係数を固有値とした観測対象候補を、νn
+個追加する処理に相当する。この処理により、時刻kにおいて入退検出センサ2-nによって観測領域への進入が検出された観測対象候補の予測値が得られる。
なお、新たに出現した観測対象候補に関する粒子の初期速度を、上記式(15)および上記式(16)に示した0を中心とする一様分布の乱数としたが、入退検出センサ2A-nが、観測領域に進入する観測対象候補を検出する方向に偏った分布の乱数を用いてもよい。
以上のように、実施の形態2に係る移動経路推定装置4Aにおいて、消失予測部40Aが、観測対象候補の数を含む入退検出データ、入退検出センサ位置、および前時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。出現予測部は41Aが、観測対象候補の数を含む入退検出データおよび入退検出センサ位置に基づいて、前時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。このように構成することで、移動経路推定装置4Aは、入退検出センサ2A-1~2A-Nのそれぞれの1回の観測中に複数の観測対象候補が検出範囲に進入してきても、観測対象候補の個数が過大または過小に推定されることなく移動経路を推定することが可能となる。これにより、移動経路推定装置4Aは、複数の観測対象候補が互いに異なる経路で移動しても、複数の観測対象候補のそれぞれの移動経路を正確に推定できる。また、消失予測部40Aが、観測領域から退出する観測対象候補の数分の存在確率を、βk,FLS
(InOut)倍に減少させる。これにより、観測領域から退出する観測対象候補を検出した入退検出センサの検出範囲に実際には退出していない別の観測対象候補が存在する場合であっても、観測領域から退出していない観測対象候補が誤って削除される頻度が減少する。また、観測領域から実際に退出した観測対象候補が複数存在する場合であっても、一部の観測対象候補が削除されずに残存し続ける頻度が減少する。
実施の形態3.
実施の形態1では、観測領域内の任意の位置に観測対象候補が存在できることを前提として、観測対象候補の移動経路を推定していた。しかしながら、実際には、障害物、境界の仕切り壁などによって観測領域内に観測対象候補が進入できない領域が存在する場合がある。この場合、実施の形態1に係る移動経路推定装置では、観測対象候補が進入できない領域への観測対象候補の移動も予測される。このため、観測対象候補が進入できない領域が観測領域内に存在しない場合に比べて、観測対象候補の移動が反映された予測値に基づいて推定された運動諸元と真の移動経路を示す運動諸元との間の誤差が増大する可能性がある。そこで、実施の形態3に係る移動経路推定装置は、観測対象候補が進入できない領域を考慮した移動経路の推定を行う。
実施の形態1では、観測領域内の任意の位置に観測対象候補が存在できることを前提として、観測対象候補の移動経路を推定していた。しかしながら、実際には、障害物、境界の仕切り壁などによって観測領域内に観測対象候補が進入できない領域が存在する場合がある。この場合、実施の形態1に係る移動経路推定装置では、観測対象候補が進入できない領域への観測対象候補の移動も予測される。このため、観測対象候補が進入できない領域が観測領域内に存在しない場合に比べて、観測対象候補の移動が反映された予測値に基づいて推定された運動諸元と真の移動経路を示す運動諸元との間の誤差が増大する可能性がある。そこで、実施の形態3に係る移動経路推定装置は、観測対象候補が進入できない領域を考慮した移動経路の推定を行う。
図10は、実施の形態3に係る移動経路推定システム1Bの構成を示すブロック図である。図10において、図1と同一構成要素には同一符号を付して説明を省略する。移動経路推定システム1Bは、N(Nは2以上の整数)個の入退検出センサ2-1~2-N、M(Mは2以上の整数)個の存在検出センサ3-1~3-M、移動経路推定装置4Bおよび移動経路保存部5を備える。移動経路推定装置4Bは、消失予測部40、出現予測部41、移動予測部42A、データ更新部43、推定部44およびデータ保存部45を備える。
移動予測部42Aは、データ保存部45に保存された領域データ、および、消失予測部40および出現予測部41によってそれぞれ算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前時刻から現時刻までの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。データ保存部45には、進入不可領域データが保存される。進入不可領域データは、観測領域のうち、観測対象候補が存在し得ない領域を示すデータである。
図11は、実施の形態3における観測領域10Aの例を示す図である。図11に示す観測領域10Aには、仕切り壁で囲まれた進入不可領域14が設けられている。進入不可領域14には、観測対象候補が進入することができない。この進入不可領域14を示す進入不可領域データは、G個のベクトル値γgから構成されており、g=1,2,・・・,Gである。
ベクトルγgのそれぞれは、X軸に平行な辺とY軸に平行な辺とを有する四角形の進入不可領域14の位置および大きさを示すベクトル値であり、下記式(38)に示す4つの要素から構成されている。下記式(38)において、γg,minXは、進入不可領域14の四隅の位置のうち、最小のX座標値を示しており、γg,minYは、進入不可領域14の四隅の位置のうち、最小のY座標値を示している。γg,ΔXは、進入不可領域14のX軸に平行な辺の長さを示しており、γg,ΔYは、進入不可領域14のY軸に平行な辺の長さを示している。すなわち、下記式(38)では、進入不可領域14が、1つの四角形の位置と大きさを示すγgがG個組み合わされて表現されている。
γg=[γg,minX γg,minY γg,ΔX γg,ΔY] (38)
γg=[γg,minX γg,minY γg,ΔX γg,ΔY] (38)
また、任意の状態ベクトルxに対して、下記式(39)で示す判定関数を定義する。
x(1)およびx(2)の定義は上記式(1)と同じである。判定関数Γg(x)は、状態ベクトルxが進入不可領域14の内部であれば“1”となり、進入不可領域14の外部であれば“0”となる関数である。
x(1)およびx(2)の定義は上記式(1)と同じである。判定関数Γg(x)は、状態ベクトルxが進入不可領域14の内部であれば“1”となり、進入不可領域14の外部であれば“0”となる関数である。
図11では、進入不可領域14の形状を四角形の組み合わせで表現したが、円形、三角形などの四角形以外の形状で表現してもよい。また、進入不可領域14を位置と大きさで表現する代わりに、進入不可領域14の四隅の位置ベクトルまたは進入不可領域14の境界線で表現してもよい。
データ保存部45は、図4Aおよび図4Bに示した記憶装置102により実現される。また、移動経路推定装置4Bにおける、消失予測部40、出現予測部41、移動予測部42A、データ更新部43および推定部44のそれぞれの機能は、処理回路により実現される。すなわち、移動経路推定装置4Bは、図12を用いて後述するステップST1cからステップST11cまでの処理を実行するための処理回路を備える。処理回路は、専用のハードウェアの処理回路103であってもよいが、メモリ105に記憶されたプログラムを実行するプロセッサ104であってもよい。なお、データ保存部45は、移動経路推定装置4Bとは別に設けられた記憶装置に構築してもよい。この場合、移動予測部42Aは、移動経路推定装置4Bとは別に設けられた記憶装置と通信して、当該記憶装置から進入不可領域データを取得する。
次に動作について説明する。
図12は、移動経路推定装置4Bの動作を示すフローチャートである。図12のステップST1cからステップST5cおよびステップST7cからステップST11cの処理は、図6のステップST1aからステップST5aおよびステップST7aからステップST11aの処理と同様であるので説明を省略する。以降の説明においても、図6と同様に、運動諸元確率分布fk|k (i)(x)を、重み付けされた粒子の集合で近似することを前提とする。また、記号および添え字のうち、説明がないものは、実施の形態1と同一の意味である。
図12は、移動経路推定装置4Bの動作を示すフローチャートである。図12のステップST1cからステップST5cおよびステップST7cからステップST11cの処理は、図6のステップST1aからステップST5aおよびステップST7aからステップST11aの処理と同様であるので説明を省略する。以降の説明においても、図6と同様に、運動諸元確率分布fk|k (i)(x)を、重み付けされた粒子の集合で近似することを前提とする。また、記号および添え字のうち、説明がないものは、実施の形態1と同一の意味である。
ステップST6cにおいて、移動予測部42Aは、進入不可領域データ、および、観測対象候補の消失が反映された存在確率の予測値および運動諸元確率分布の予測値に基づいて、時刻k-1から時刻kまで間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。
移動予測部42Aは、時刻k-1から時刻kまでの観測対象候補の消失が反映された、観測対象候補の存在確率の予測値rk|k-1,S
(is)と運動諸元確率分布の予測値{wk|k-1,S
(is,j),xk|k-1,S
(is,j)}j=1,・・・,J、時刻k-1から時刻kまでに出現した観測対象候補の存在確率の予測値rk|k-1,B
(iB)と運動諸元確率分布の予測値{wk|k-1,B
(iB,j),xk|k-1,B
(iB,j)}j=1,・・・,J、および、進入不可領域データに基づいて、時刻k-1から時刻kまでの間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値rk|k-1
(i)および運動諸元確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jを算出する。iSは、ステップST3cで予測値が算出された観測対象候補の識別番号である。iBは、ステップST4cで予測値が算出された観測対象候補の識別番号である。識別番号iは、iSとiBとの両方を含む識別番号である。iは、上記式(17)で定義される。
さらに、移動予測部42Aは、上記式(18)、上記式(20)、上記式(21)および下記式(40)を用いて、観測対象候補の存在確率の予測値rk|k-1
(i)および運動諸元確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jを算出する。移動予測部42Aは、上記式(18)、上記式(20)および上記式(21)を用いて、観測対象候補の存在確率の予測値rk|k-1
(i)および粒子状態xk|k-1
(i,j)を算出する。続いて、移動予測部42Aは、下記式(40)を用いて、重み係数wk|k-1
(i,j)を算出する。Lk|k-1,Sは識別番号iSの集合であり、Lk|k-1,Bは識別番号iBの集合である。
これまで、ガウス分布に基づいた乱数が生成可能であることを前提として、存在確率の予測値と運動諸元確率分布の予測値とを算出する場合を示したが、これに限定されるものではない。例えば、既存の粒子フィルタにおける運動予測処理の概念を利用して、任意の確率分布関数(提案分布)から生成された乱数を状態ベクトルとする。提案分布において生成された乱数の確率と、等速直進運動における遷移確率とを比較した結果に基づいて、予測後の重み係数を算出してもよい。また、乱数によって生成された粒子の状態ベクトルの位置成分が、進入不可領域14の内部であった場合にその粒子の重み係数を0とした。この他に、進入不可領域14の内部の粒子が生成されたときにその粒子を削除して、改めて、上記式(20)および上記式(40)によって粒子を生成してもよい。
以上のように、実施の形態3に係る移動経路推定装置4Bにおいて、移動予測部42Aは、観測領域のうち、観測対象候補が存在し得ない進入不可領域14を示す進入不可領域データ、および、消失予測部40および出現予測部41によってそれぞれ算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前時刻から現時刻までの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する。このように構成することで、移動予測部42Aが、観測対象候補の運動諸元確率分布が進入不可領域14の外側に限定されるように観測対象候補の移動を予測する。これにより、観測対象候補の運動諸元確率分布の予測値がとり得る範囲の広がりが抑えられ、この予測値に基づいた移動経路の推定精度が向上する。
例えば、観測領域が室内であり、室内の歩行者が観測対象である場合に、室内に歩行者が歩く通路が存在すれば、歩行者が時刻フレーム間に移動する範囲は、通路がない室内に比べて絞り込まれる。実施の形態3に係る移動経路推定装置4Bは、通路以外の領域を示す進入不可領域データを用いることで、通路内部に絞り込まれた観測対象候補の運動諸元確率分布の予測値を算出することができる。
また、観測対象候補の運動諸元確率分布の予測値が絞り込まれると、存在検出データが移動経路の推定精度に与える影響が小さくなる。このため、同一の精度で移動経路を推定するときに必要な存在検出センサの個数が削減される。例えば、観測領域が室内であり、室内の歩行者が観測対象であり、室内にT字の通路が存在する場合、歩行者がT字の通路を曲がる動きは、速度および加速度の変動が大きく、等速直進運動または等角速度旋回運動を示す予測モデルを用いた予測が困難である。
これに対し、実施の形態3に係る移動経路推定装置4Bは、通路以外の領域を示す進入不可領域データを用いることで、T字の通路の内部に絞り込まれた観測対象候補の運動諸元確率分布の予測値を算出する。これにより、運動諸元確率分布の予測値がT字の通路の内部に限定されるため、観測対象がT字の通路を曲がるといった急激な運動をする場合においても、運動諸元確率分布の予測値と存在検出データとの残差が小さくなり、結果として推定軌道の誤差の増加を抑えることができる。実施の形態3に係る移動経路推定装置4Bは、実施の形態1に係る移動経路推定装置4よりも少ない存在検出センサの個数で同じ精度の移動経路の推定を行うことができる。
実施の形態4.
実施の形態1では、観測対象候補が互いに接近しかつ予測モデルから外れた動きである場合、一方の観測対象候補の移動経路と他方の観測対象候補の移動経路が入れ替わる場合がある。例えば、2つの観測対象候補のそれぞれの移動経路が接近し、互いの移動経路が交差せず、かつ観測対象候補が旋回しながら離れる場合、等速直進運動の予測モデルが採用されていると、2つの観測対象候補の移動経路が交差して推定される可能性がある。
そこで、実施の形態4に係る移動経路推定装置は、観測対象候補の属性を基準に含めた移動経路の推定を行う。
実施の形態1では、観測対象候補が互いに接近しかつ予測モデルから外れた動きである場合、一方の観測対象候補の移動経路と他方の観測対象候補の移動経路が入れ替わる場合がある。例えば、2つの観測対象候補のそれぞれの移動経路が接近し、互いの移動経路が交差せず、かつ観測対象候補が旋回しながら離れる場合、等速直進運動の予測モデルが採用されていると、2つの観測対象候補の移動経路が交差して推定される可能性がある。
そこで、実施の形態4に係る移動経路推定装置は、観測対象候補の属性を基準に含めた移動経路の推定を行う。
図13は、実施の形態4に係る移動経路推定システム1Cの構成を示すブロック図である。図13において、移動経路推定システム1Cは、N(Nは2以上の整数)個の入退検出センサ2B-1~2B-N、M(Mは2以上の整数)個の存在検出センサ3A-1~3A-M、移動経路推定装置4Cおよび移動経路保存部5Aを備える。移動経路推定装置4Cは、消失予測部40B、出現予測部41B、移動予測部42B、データ更新部43Aおよび推定部44Aを備える。
入退検出センサ2B-1~2B-Nは、観測領域に設けられて、入退検出データを検出するセンサであり、光学カメラ、赤外線センサ、および測距センサなどのセンサによって実現される。入退検出データには、観測領域内の検出範囲を通過した観測対象候補が通過方向ごとに検出されたデータの他に、属性検出データも含まれる。属性検出データは、入退検出センサによって検出された観測対象候補の属性を示すデータである。
観測対象候補の“属性”は、観測対象候補の物体の態様を示す情報であって、例えば、観測対象候補の大きさ、形状、光の反射強度、色彩、周期的な運動、音声、臭気、および付属する物体といった情報が挙げられる。なお、これらの情報は、個々の観測対象候補に固有な情報でなくてもよい。観測対象候補の属性は、数値化された情報(以下、属性値と記載する)で扱われる。入退検出センサ2B-1~2B-Nは、属性検出データを含む入退検出データおよびセンサ位置を観測時刻ごとに消失予測部40Bおよび出現予測部41Bに送信する。
存在検出センサ3A-1~3A-Mは、観測領域に設けられて、存在検出データを検出するセンサであって、光学カメラ、赤外線センサ、測距センサ、振動センサ、マイクロフォンおよび熱検知センサなどのセンサにより実現される。存在検出データには、検出範囲に存在する観測対象候補が検出されたデータの他に、上記属性検出データも含まれる。存在検出センサ3A-1~3A-Mは、上記属性検出データを含む存在検出データおよびセンサ位置をデータ更新部43Aに送信する。
消失予測部40Bは、入退検出センサ2B-1~2B-Nのそれぞれから入力した属性検出データを含む入退検出データおよびセンサ位置、データ更新部43Aから入力した前時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値と、予測値に対応する観測対象候補の属性を示す属性値を算出する。消失予測部40Bによって算出された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および属性値は、移動予測部42Bに出力される。
出現予測部41Bは、入退検出センサ2B-1~2B-Nのそれぞれから入力した属性検出データを含む入退検出データおよびセンサ位置に基づいて、前記時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性を示す属性値を算出する。出現予測部41Bによって算出された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および属性値は、移動予測部42Bに出力される。
移動予測部42Bは、消失予測部40Bおよび出現予測部41Bによってそれぞれ算出された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性を示す属性値に基づいて、前時刻から現時刻までの間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性を示す属性値を算出する。移動予測部42Bによって算出された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および属性値は、データ更新部43Aに出力される。
データ更新部43Aは、存在検出センサ3A-1~3A-Mのそれぞれから入力した属性検出データを含む存在検出データおよびセンサ位置、および、消失予測部40Bと出現予測部41Bとから入力した観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性を示す属性値に基づいて、前時刻における観測対象候補の存在確率、運動諸元確率分布および属性値を算出する。データ更新部43Aは、現時刻における、1つまたは複数の観測対象候補の存在確率、運動諸元確率分布および属性値を算出して、算出した存在確率、運動諸元確率分布および属性値を、推定部44Aおよび次の時刻フレームの予測を行う消失予測部40Bに出力する。
推定部44Aは、データ更新部43Aから入力した観測対象候補の存在確率、運動諸元確率分布および属性値に基づいて、現時刻に観測対象が観測領域に存在するか否かを推定し、現時刻に存在すると推定した観測対象の運動諸元推定値および属性値を算出する。観測対象の運動諸元推定値および属性値は、推定部44Aによって移動経路保存部5Aに出力されて保存される。
移動経路保存部5Aに観測時刻ごとに保存された観測対象の運動諸元推定値が時系列に並べられたデータが、観測対象の移動経路を示すデータとなる。移動経路保存部5Aは、移動経路推定装置4Cの利用者からの要求に応じて、観測対象の移動経路を示すデータまたは観測対象の属性を出力する。
入退検出センサ2B-1~2B-Nは、図4Aおよび図4Bに示したセンサ群100によって実現される。存在検出センサ3A-1~3A-Mは、センサ群101によって実現される。移動経路保存部5Aは、図4Aおよび図4Bに示した記憶装置102によって実現される。移動経路推定装置4Cにおける、消失予測部40B、出現予測部41B、移動予測部42B、データ更新部43Aおよび推定部44Aのそれぞれの機能は、処理回路により実現される。すなわち、移動経路推定装置4Cは、図14を用いて後述するステップST1dからステップST11dまでの処理を実行するための処理回路を備える。処理回路は、専用のハードウェアの処理回路103であってもよいが、メモリ105に記憶されたプログラムを実行するプロセッサ104であってもよい。
次に動作について説明する。
図14は、移動経路推定装置4Cの動作を示すフローチャートである。図14のステップST1d、ステップST2d、ステップST5d、ステップST8d、ステップST9dおよびステップST11dの処理は、図6のステップST1a、ステップST2a、ステップST5a、ステップST8a、ステップST9aおよびステップST11aと同様であるので説明を省略する。以降の説明においても、図6と同様に、運動諸元確率分布fk|k (i)(x)を、重み付けされた粒子の集合で近似することを前提とする。また、記号および添え字のうち、説明がないものは、実施の形態1と同一の意味である。時刻k(現時刻)にn(n=1,2,・・・,N)番目の入退検出センサ2B-nによって検出された属性検出データを、ck,n (InOut)とし、時刻kにm(m=1,2,・・・,M)番目の存在検出センサ3A-mによって検出された属性検出データをck,m (Exist)とする。時刻kにおける識別番号iの観測対象候補に対応する属性値をck|k (i)とする。なお、属性値をスカラー値としたが、複数の属性値を組み合わせて観測対象候補の属性を表現する場合は、属性値のそれぞれをベクトル値としてもよい。
図14は、移動経路推定装置4Cの動作を示すフローチャートである。図14のステップST1d、ステップST2d、ステップST5d、ステップST8d、ステップST9dおよびステップST11dの処理は、図6のステップST1a、ステップST2a、ステップST5a、ステップST8a、ステップST9aおよびステップST11aと同様であるので説明を省略する。以降の説明においても、図6と同様に、運動諸元確率分布fk|k (i)(x)を、重み付けされた粒子の集合で近似することを前提とする。また、記号および添え字のうち、説明がないものは、実施の形態1と同一の意味である。時刻k(現時刻)にn(n=1,2,・・・,N)番目の入退検出センサ2B-nによって検出された属性検出データを、ck,n (InOut)とし、時刻kにm(m=1,2,・・・,M)番目の存在検出センサ3A-mによって検出された属性検出データをck,m (Exist)とする。時刻kにおける識別番号iの観測対象候補に対応する属性値をck|k (i)とする。なお、属性値をスカラー値としたが、複数の属性値を組み合わせて観測対象候補の属性を表現する場合は、属性値のそれぞれをベクトル値としてもよい。
ステップST3dにおいて、消失予測部40Bは、n番目の入退検出センサ2B-nによって検出された属性検出データck,n
(InOut)を含む入退検出データ、センサ位置、および、時刻k-1における観測対象候補の存在確率および運動諸元確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性値を算出する。
なお、消失予測部40Bが、ステップST3dの処理を1回目に行う場合、時刻k-1における観測対象候補の存在確率および運動諸元確率分布を用いる。2回目以降にステップST3dの処理を行う場合、消失予測部40Aは、直前のステップST3dで算出した存在確率の予測値、運動諸元確率分布の予測値および属性値を用いる。
例えば、消失予測部40Bは、上記式(7)、上記式(8)、上記式(11)、下記式(41)から下記式(44)までを用いて、時刻k-1から時刻kまでの観測対象候補の消失が反映された、観測対象候補の存在確率の予測値rk|k-1,S
(i)、運動諸元確率分布の予測値を示す粒子である{wk|k-1,S
(i,J),xk|k-1,S
(i,J)}j=1,・・・,J、および、これらの予測値に対応する観測対象候補の属性を示す属性値ck|k-1,S
(i)を算出する。識別番号iは、時刻k-1の観測対象候補と同一である。||x||2はベクトルxのユークリッドノルムである。βk,FLS
(InOut)およびdThは、事前設定パラメータであり、特に、βk,FLS
(InOut)は、入退検出センサが誤検出する確率である。
上記式(7)、上記式(8)、上記式(11)、上記式(41)から上記式(44)を用いて、観測対象候補の存在確率の予測値、運動諸元確率分布の予測値、およびこれらの予測値に対応する観測対象候補の属性値を算出する処理は、識別番号iの観測対象候補の運動諸元確率分布の平均位置HPosmk-1|k-1
(i)が、観測対象候補の退出を検出したn番目の入退検出センサ2B-nが設置されたセンサ位置zn
(InOut)に近く、かつ、識別番号iの観測対象候補の属性値が示す属性と入退検出センサ2B-nによって検出された属性検出データが示す属性とが同一であれば、識別番号iの観測対象候補の存在確率をβk,FLS
(InOut)倍に減少させる処理に相当する。この処理により、入退検出センサ2B-nによって検出された観測対象候補の退出を、観測対象候補の予測値に反映させることができる。
なお、上記説明では、観測対象候補の存在確率をβk,FLS
(InOut)倍して観測対象候補の退出を反映させる場合を示したが、これに限定されるものではない。
例えば、βk,FLS (InOut)=0として、上記式(43)に示すd(i,n)が閾値よりも小さい場合に、消失予測部40Bが、識別番号iの観測値候補の存在確率および運動諸元確率分布(粒子)を削除してもよい。
例えば、βk,FLS (InOut)=0として、上記式(43)に示すd(i,n)が閾値よりも小さい場合に、消失予測部40Bが、識別番号iの観測値候補の存在確率および運動諸元確率分布(粒子)を削除してもよい。
また、存在確率を減らす観測対象候補を、運動諸元確率分布の平均位置のみに基づいて選択する場合を示したが、これに限定されるものではない。例えば、消失予測部40Bは、運動諸元確率分布の平均速度ベクトルの方位角度と、入退検出センサが、観測領域から退出する観測対象候補を検出する方向の方位角度と、の差分を用いて、存在確率を減らす観測対象候補を選択してもよい。
ステップST4dにおいて、出現予測部41Bは、n番目の入退検出センサ2B-nによって検出された属性検出データck,n
(InOut)を含む入退検出データ、および上記式(2)で示した入退検出センサ2B-nのセンサ位置に基づいて、前時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値rk|k-1,B
(in)、運動諸元確率分布の予測値{wk|k-1,B
(in,J),xk|k-1,B
(in,J)}j=1,・・・,J、および予測値に対応する観測対象候補の属性値ck|k-1,B
(in)を算出する。識別番号inは、n番目の入退検出センサ2B-nの周辺に出現したと予測された観測対象候補の識別番号であり、既存の観測対象候補の識別番号と異なる値とする。
例えば、出現予測部41Bは、上記式(12)から上記式(16)と下記式(45)を用いて、観測対象候補の存在確率の予測値rk|k-1,B
(in)、運動諸元確率分布の予測値{wk|k-1,B
(in,J),xk|k-1,B
(in,J)}j=1,・・・,Jおよび予測値に対応する観測対象候補の属性値ck|k-1,B
(in)を算出する。ここで、βk,FLS
(InOut)、VB
(3)およびVB
(4)は事前設定パラメータであり、特に、βk,FLS
(InOut)は、入退検出センサ2B-nが誤検出する確率である。
上記式(12)から上記式(16)と上記式(45)を用いて観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および属性値を算出する処理は、n番目の入退検出センサ2B-nの設置位置を初期位置として新規の観測対象候補の粒子を生成し、生成した粒子のそれぞれの速度を一様分布の乱数として、存在確率と粒子の重み係数とを固有値とする識別番号inの観測対象候補を追加する処理に相当する。この処理により、時刻kに入退検出センサ2B-nによって観測領域への進入が検出された観測対象候補の予測値が得られる。
新たに出現した観測対象候補に関する粒子の初期速度を、上記式(15)および上記式(16)に示した0を中心とする一様分布の乱数としたが、n番目の入退検出センサ2B-nが、観測領域に進入する観測対象候補を検出する方向に偏った分布の乱数を用いてもよい。
ステップST6dにおいて、移動予測部42Bは、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された存在確率の予測値および運動諸元確率分布の予測値と予測値に対応する観測対象候補の属性値、および、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値と予測値に対応する観測対象候補の属性値に基づいて、時刻k-1から時刻kまでの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値、および予測値に対応する観測対象候補の属性値を算出する。
移動予測部42Bは、時刻k-1から時刻kまで間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値rk|k-1,S
(is)、時刻k-1から時刻kまで間の観測対象候補の消失が反映された運動諸元確率分布の予測値{wk|k-1,S
(is,j),xk|k-1,S
(is,j)}j=1,・・・,J、これらの予測値に対応する観測対象候補の属性値ck|k-1,S
(is)、時刻k-1から時刻kまでに出現した観測対象候補の存在確率の予測値rk|k-1,B
(iB)、時刻k-1から時刻kまでに出現した観測対象候補の運動諸元確率分布の予測値{wk|k-1,B
(iB,j),xk|k-1,B
(iB,j)}j=1,・・・,J、および、これらの予測値に対応する観測対象候補の属性値ck|k-1,B
(iB)に基づいて、時刻k-1から時刻kまで間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値rk|k-1
(i)および運動諸元確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jとこれらの予測値に対応する観測対象候補の属性値ck|k-1
(i)を算出する。ここで、iSは、ステップST3dで予測値が算出された観測対象候補の識別番号である。iBは、ステップST4dで予測値が算出された観測対象候補の識別番号である。識別番号iは、iSとiBの両方を含む識別番号である。iSの集合をLk|k-1,Sとし、iBの集合をLk|k-1,Bとすることで、iは、上記式(17)で定義される。
移動予測部42Bは、上記式(18)から上記式(21)までおよび下記式(46)を用いて観測対象候補の移動が反映された観測対象候補の存在確率の予測値rk|k-1
(i)および観測対象候補の運動諸元確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jと属性値ck|k-1
(i)を算出する。
ただし、Φkは、等速直進運動の予測モデルに基づいて状態ベクトルを遷移させる行列である。τkは、時刻k-1から時刻kまでの経過時間である。Qkは、等速直進運動の予測モデルの誤差を表すシステム雑音を示す行列であって、事前設定パラメータである。
ただし、Φkは、等速直進運動の予測モデルに基づいて状態ベクトルを遷移させる行列である。τkは、時刻k-1から時刻kまでの経過時間である。Qkは、等速直進運動の予測モデルの誤差を表すシステム雑音を示す行列であって、事前設定パラメータである。
これまで、ガウス分布に基づいた乱数が生成可能であることを前提として、存在確率の予測値と運動諸元確率分布の予測値とを算出する場合を示したが、これに限定されるものではない。例えば、既存の粒子フィルタにおける運動予測処理の概念を利用して、任意の確率分布関数(提案分布)から生成された乱数を状態ベクトルとする。提案分布において生成された乱数の確率と、等速直進運動における遷移確率とを比較した結果に基づいて、予測後の重み係数を算出してもよい。
ステップST7dにおいて、データ更新部43Aは、存在検出センサ3A-1~3A-Mから受信した属性検出データck,m
(Exist)を含む存在検出データおよびセンサ位置、時刻k-1から時刻kまでの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値と属性値に基づいて、時刻kにおける観測対象候補の存在確率および運動諸元確率分布を算出(更新)する。
図15は、図14のステップST7dの詳細な処理を示すフローチャートである。
ステップST7d-1において、データ更新部43Aは、上記式(23)を用いて、識別番号iの観測対象候補の存在確率の予測値rk|k-1 (i)のそれぞれの値に基づいて、識別番号の部分集合ごとの信頼度bk|k-1(I(λ))を算出する。λ=1,2,・・・,Λである。
ステップST7d-1において、データ更新部43Aは、上記式(23)を用いて、識別番号iの観測対象候補の存在確率の予測値rk|k-1 (i)のそれぞれの値に基づいて、識別番号の部分集合ごとの信頼度bk|k-1(I(λ))を算出する。λ=1,2,・・・,Λである。
ステップST7d-2において、データ更新部43Aは、存在検出センサ3A-1~3A-Mのうち、時刻kにおいて観測対象候補を検出した存在検出センサが設置されたセンサ位置{zk,m
(Exist)}m∈M*、部分集合信頼度bk|k-1(I(λ))、および識別番号iの運動諸元確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jに基づいて、写像ごとの信頼度b’k|k(θk
(λ,h))および写像ごとの識別番号iの運動諸元確率分布{wk|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを算出する。写像θk
(λ,h)は、実施の形態1で示したように、部分集合I(λ)の要素を、時刻kにおいて観測対象候補を検出した存在検出センサの存在検出センサ番号の少なくとも1つに対応付ける写像と定義する。これを数式で表現すると、上記式(23)のようになる。
ここで、データ更新部43Aは、上記式(24)、上記式(24a)および上記式(25)を用いて、写像ごとの信頼度b’k|k(θk
(λ,h))および写像ごとの識別番号iの運動諸元確率分布{wk|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを算出する。上記式(24)、上記式(24a)および上記式(25)における変数は、上記式(26)、上記式(28)、上記式(29)および下記式(47)に従って算出される。下記式(47)におけるpk,DTは、時刻kにおいて存在検出センサが検出に失敗せずに観測対象を検出する確率である。πは円周率である。
ステップST7d-3において、データ更新部43Aは、ステップST7d-2で算出した、写像ごとの信頼度b’k|k(θk
(λ,h))を規格化し、写像ごとの識別番号iの運動諸元確率分布における重み係数{w’k|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを規格化する。規格化には、上記式(30)および上記式(31)が用いられる。
ステップST7d-4において、データ更新部43Aは、規格化された写像ごとの信頼度bk|k(θk
(λ,h))および重み係数が規格化された写像ごとの識別番号iの運動諸元確率分布{wk|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jに基づいて、時刻kにおける識別番号iの観測対象候補の存在確率rk|k
(i)、識別番号iの観測対象候補の運動諸元確率分布{wk|k
(i,j),xk|k
(i,j)}j=1,・・・,J、および時刻kにおける識別番号iの観測対象候補の属性値ck|k
(i)を算出する。
データ更新部43Aは、上記式(32)、上記式(33)および上記式(34)を用いて、時刻kにおける識別番号iの観測対象候補の存在確率rk|k
(i)および識別番号iの観測対象候補の運動諸元確率分布{wk|k
(i,j),xk|k
(i,j)}j=1,・・・,Jを算出する。データ更新部43Aは、下記式(48)を用いて、時刻kにおける識別番号iの観測対象候補の属性値ck|k
(i)を算出する。
図14の説明に戻る。
ステップST10dにおいて、推定部44Aは、時刻kにおける識別番号iの観測対象候補の運動諸元確率分布に基づいて、当該観測対象候補に対応する観測対象の運動諸元と属性値を推定する。例えば、推定部44は、識別番号iの観測対象候補に対応する観測対象の運動諸元推定値μk (i)を、上記式(36)に従って算出し、識別番号iの観測対象候補に対応する観測対象の属性値の推定値ck (i)を、下記式(49)に従って算出する。
ステップST10dにおいて、推定部44Aは、時刻kにおける識別番号iの観測対象候補の運動諸元確率分布に基づいて、当該観測対象候補に対応する観測対象の運動諸元と属性値を推定する。例えば、推定部44は、識別番号iの観測対象候補に対応する観測対象の運動諸元推定値μk (i)を、上記式(36)に従って算出し、識別番号iの観測対象候補に対応する観測対象の属性値の推定値ck (i)を、下記式(49)に従って算出する。
移動経路保存部5Aには、異なる時刻フレームに保存された識別番号が同一の運動諸元推定値同士が時系列順に保存される。これにより、運動諸元推定値は、観測対象の推定された移動経路として移動経路保存部5Aに保存される。なお、移動経路保存部5Aには、観測対象の位置以外の運動諸元および観測対象の属性値も保存され、移動経路保存部5に保存されたデータは、利用者からの要求に応じて抽出される。
以上のように、実施の形態4に係る移動経路推定装置4Cにおいて、消失予測部40Bおよび出現予測部41Bが、属性検出データを含む入退検出データを用いて、観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性を示す属性値を算出する。移動予測部42Bが、消失予測部40Bおよび出現予測部41Bからそれぞれ入力した予測値および属性値に基づいて、観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性値を算出する。データ更新部43Aが、属性検出データを含む存在検出データ、存在検出センサ位置、移動予測部42Bによって算出された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および属性値に基づいて、現時刻における観測対象候補の存在確率、運動諸元確率分布および属性値を算出する。推定部44Aが、データ更新部43Aによって算出された観測対象候補の存在確率、運動諸元確率分布および属性値に基づいて、観測対象の運動諸元推定値および属性値を算出する。このように構成することで、データ更新部43Aは、存在検出センサによって検出された属性検出データと観測対象候補の属性値が一致しない場合、観測対象候補の存在確率を減少させるため、異なる属性の観測対象候補間で推定された移動経路が入れ替わる頻度を減らすことができる。例えば、2つの観測対象候補が接近しつつ旋回する場合、接近した観測対象が互いに異なる属性であれば、誤って入れ替わった移動経路が推定されることがない。
実施の形態5.
図16は、実施の形態5に係る移動経路推定システム1Dの構成を示すブロック図である。移動経路推定システム1Dは、観測領域に設定した複数のノード(拠点)のうちのいずれかのノードに観測対象候補が出現し、観測対象候補がノードから消失することを予測して、観測対象候補が存在したノード間を繋いだ移動経路を推定する。図16に示すように、移動経路推定システム1Dは、N(Nは2以上の整数)個の入退検出センサ2C-1~2C-N、M(Mは2以上の整数)個の存在検出センサ3B-1~3B-M、移動経路推定装置4Dおよび移動経路保存部5Bを備えて構成される。移動経路推定装置4Dは、消失予測部40C、出現予測部41C、移動予測部42C、データ更新部43B、推定部44Bおよびデータ保存部46を備える。
図16は、実施の形態5に係る移動経路推定システム1Dの構成を示すブロック図である。移動経路推定システム1Dは、観測領域に設定した複数のノード(拠点)のうちのいずれかのノードに観測対象候補が出現し、観測対象候補がノードから消失することを予測して、観測対象候補が存在したノード間を繋いだ移動経路を推定する。図16に示すように、移動経路推定システム1Dは、N(Nは2以上の整数)個の入退検出センサ2C-1~2C-N、M(Mは2以上の整数)個の存在検出センサ3B-1~3B-M、移動経路推定装置4Dおよび移動経路保存部5Bを備えて構成される。移動経路推定装置4Dは、消失予測部40C、出現予測部41C、移動予測部42C、データ更新部43B、推定部44Bおよびデータ保存部46を備える。
入退検出センサ2C-1~2C-Nは、観測領域への進入または観測領域からの退出が可能な位置に設定された全てのノードに設けられて、入退検出データを検出するセンサである。入退検出センサ2C-1~2C-Nは、光学カメラ、赤外線センサ、および測距センサなどのセンサによって実現される。入退検出データは、ノードから観測領域外へ退出する観測対象候補および観測領域外からノードへ進入する観測対象候補が検出されたデータである。
入退検出センサ2C-1~2C-Nは、入退検出データおよびノード番号を含む検出信号を、観測時刻ごとに消失予測部40Cおよび出現予測部41Cへ送信する。ノード番号は、観測領域に設定された全てのノードに付与された通し番号である。また、入退検出センサ2C-1~2C-Nから消失予測部40Cおよび出現予測部41Cに送信されるノード番号は、入退検出データが得られたノードを示す入退検出ノード情報に相当する。
存在検出センサ3B-1~3B-Mは、観測領域の内部に設定された全てまたは一部のノードに設けられて、存在検出データを検出するセンサである。存在検出センサ3B-1~3B-Mは、光学カメラ、赤外線センサ、測距センサ、振動センサ、マイクロフォンおよび熱検知センサなどのセンサによって実現される。また、存在検出データは、センサの検出範囲に存在する観測対象候補が検出されたデータである。
存在検出センサ3B-1~3B-Mは、存在検出データおよびノード番号を含む検出信号を、データ更新部43Bに送信する。なお、存在検出センサ3B-1~3B-Mからデータ更新部43Bに送信されるノード番号は、存在検出データが得られたノードを示す存在検出ノード情報に相当する。入退検出センサ2C-1~2C-Nおよび存在検出センサ3B-1~3B-Mによって検出された複数の観測対象候補には、それぞれの観測対象候補に固有な識別番号が付与される。
入退検出センサ2C-1~2C-Nおよび存在検出センサ3B-1~3B-Mが、検出データを移動経路推定装置4Dに出力する時間の区切りを“時刻フレーム”と呼び、センサそれぞれの時刻フレームは同期しているものとする。実施の形態1と同様に、センサによって観測対象候補が検出された観測時刻に相当する時刻フレームを“現時刻”と呼び、現時刻の1時刻フレーム前の過去の時刻に相当する時刻フレームを“前時刻”と呼ぶ。
前時刻を現時刻よりも1時刻フレーム前の時刻と定義したが、これは例示であり、実施の形態5では、現時刻よりも一定時間だけ過去の時刻であれば、2以上の時刻フレームを遡った時刻であってもよい。
前時刻を現時刻よりも1時刻フレーム前の時刻と定義したが、これは例示であり、実施の形態5では、現時刻よりも一定時間だけ過去の時刻であれば、2以上の時刻フレームを遡った時刻であってもよい。
図17は、実施の形態5における観測領域10Bの例を示す図であり、5つのノード200~205およびノード間経路300を示している。ノード間経路300は、ノード間を繋いだ経路であり、観測対象候補は、ノード間経路300に沿って移動する。ノード間経路300は、観測領域10B内の全てのノード間に存在するとは限らない。図17の例では、ノード203とノード205との間にはノード間経路が存在しない。なお、実施の形態5においても観測対象候補の個数は未知であり、複数の観測対象候補が同時に移動することがあり、また観測領域から観測対象候補が消失する場合があるものとする。
観測対象候補となる人A3は、観測領域10Bの外からノード200に進入し、矢印で示すように、ノード200とノード201との間のノード間経路300を通って、ノード201に到達する。このとき、人A3は、“ノード201から移動する”および“ノード201に留まる”のうちのいずれかを選択する。図17の例では、人A3は、矢印で示すように、ノード201から、ノード203、ノード204およびノード205の順で移動して、ノード205から観測領域10Bの外へ退出する。
観測対象候補が人である場合を示したが、ノード間を移動する観測対象候補としては、駅間を移動する電車または人、空港領域を移動する航空機、自動車専用道において駐車場間を移動する自動車、港間を移動する船舶、部屋間を移動する人または携帯機器、市街地に点在する拠点(例えば、コンビニエンスストア)の近傍を通過する人または自動車、国土内の都市を移動する人または携帯機器などが挙げられる。
図16の説明に戻る。
移動経路推定装置4Dは、入退検出センサ2C-1~2C-Nから入力した入退検出データ、および存在検出センサ3B-1~3B-Mから入力した存在検出データを用いて、観測対象候補の運動諸元推定値を算出する。運動諸元推定値は、観測対象候補の移動経路を構成するデータであって、観測対象候補ごとに移動経路保存部5Bに保存される。移動経路保存部5Bに保存された移動経路を示すデータは、移動経路推定システム1Dの利用者からの要求に応じて出力される。
移動経路推定装置4Dは、入退検出センサ2C-1~2C-Nから入力した入退検出データ、および存在検出センサ3B-1~3B-Mから入力した存在検出データを用いて、観測対象候補の運動諸元推定値を算出する。運動諸元推定値は、観測対象候補の移動経路を構成するデータであって、観測対象候補ごとに移動経路保存部5Bに保存される。移動経路保存部5Bに保存された移動経路を示すデータは、移動経路推定システム1Dの利用者からの要求に応じて出力される。
消失予測部40Cは、入退検出センサ2C-1~2C-Nから受信した入退検出データとノード番号とを含む検出信号、前時刻における観測対象候補の存在確率および前時刻における観測対象候補のノード間確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された、観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する。なお、上記ノード番号は、入退検出データが得られたノードのノード番号である。消失予測部40Cによって算出された存在確率の予測値およびノード間確率分布の予測値は、移動予測部42Cに出力される。
ノード間確率分布は、観測対象候補が存在する位置の確率分布であって、例えば、観測対象候補がノードに存在する確率が離散的な空間内で定義された確率分布である。すなわち、ノード間確率分布は、N個のスカラー値から構成されており、ノード番号nにおけるノード間確率分布は、観測領域のn番目のノードに観測対象候補が存在する確率に相当する。
出現予測部41Cは、入退検出センサ2C-1~2C-Nから受信した入退検出データおよびノード番号を含む検出信号に基づいて、前時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する。なお、上記ノード番号は、入退検出データが得られたノードのノード番号である。出現予測部41Cによって算出された存在確率の予測値およびノード間確率分布の予測値は、移動予測部42Cに出力される。
移動予測部42Cは、消失予測部40Cおよび出現予測部41Cから入力した観測対象候補の存在確率の予測値およびノード間確率分布の予測値、およびデータ保存部46から取得したノード間経路データに基づいて、前時刻から現時刻までの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する。移動予測部42Cによって算出された存在確率の予測値およびノード間確率分布の予測値は、データ更新部43Bに出力される。
ノード間経路データは、観測対象候補が移動可能なノード間経路を示すデータである。データ保存部46には、観測領域10Bで観測対象候補が移動可能なノード間経路を示すノード間経路データが保存される。
データ更新部43Bは、存在検出センサ3B-1~3B-Mから受信した存在検出データおよびノード番号を含む検出信号、移動予測部42Cによって算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、現時刻における観測対象候補の存在確率および運動諸元確率分布を算出する。上記ノード番号は、存在検出データが得られたノードのノード番号である。データ更新部43Bは、現時刻における1つまたは複数の観測対象候補の存在確率およびノード間確率分布を算出し、算出した存在確率およびノード間確率分布を、推定部44Bおよび次の時刻フレームの予測を行う消失予測部40Cに出力する。
推定部44Bは、データ更新部43Bから入力した現時刻における観測対象候補の存在確率およびノード間確率分布に基づいて、現時刻に観測対象が観測領域に存在するか否かを推定し、現時刻に存在すると推定された観測対象の運動諸元推定値を算出する。推定部44Bによって算出された運動諸元推定値は、移動経路保存部5Bに出力されて保存される。移動経路保存部5Bに保存された観測対象の運動諸元推定値が時系列に並べられたデータが、観測対象の移動経路を示すデータとなる。なお、移動経路保存部5Bに保存された観測対象の移動経路を示すデータは、移動経路推定装置4Dの利用者の要求に応じて表示装置などに出力される。
入退検出センサ2C-1~2C-Nは、図4Aおよび図4Bに示したセンサ群100によって実現される。存在検出センサ3B-1~3B-Mは、センサ群101によって実現される。さらに、移動経路保存部5Bおよびデータ保存部46は、図4Aおよび図4Bに示した記憶装置102によって実現される。移動経路推定装置4Dにおける、消失予測部40C、出現予測部41C、移動予測部42C、データ更新部43Bおよび推定部44Bのそれぞれの機能は、処理回路により実現される。すなわち、移動経路推定装置4Dは、図18を用いて後述するステップST1eからステップST5eまでの処理を実行するための処理回路を備える。処理回路は、専用のハードウェアの処理回路103であってもよいが、メモリ105に記憶されたプログラムを実行するプロセッサ104であってもよい。なお、データ保存部46は、移動経路推定装置4Dとは別に設けられた記憶装置に構築してもよい。この場合、移動予測部42Cは、移動経路推定装置4Dとは別に設けられた記憶装置と通信して、当該記憶装置からノード間経路データを取得する。
次に動作について説明する。
図18は、実施の形態5に係る移動経路推定方法を示すフローチャートである。
消失予測部40Cが、入退検出センサ2C-1~2C-Nから受信した入退検出データおよびノード番号、データ更新部43Bから入力した前時刻における観測対象候補の存在確率およびノード間確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する(ステップST1e)。
図18は、実施の形態5に係る移動経路推定方法を示すフローチャートである。
消失予測部40Cが、入退検出センサ2C-1~2C-Nから受信した入退検出データおよびノード番号、データ更新部43Bから入力した前時刻における観測対象候補の存在確率およびノード間確率分布に基づいて、前時刻から現時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する(ステップST1e)。
次に、出現予測部41Cが、入退検出センサ2C-1~2C-Nから受信した入退検出データおよびノード番号に基づいて、前時刻から現時刻までの間に出現した観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する(ステップST2e)。
移動予測部42Cが、消失予測部40Cおよび出現予測部41Cから入力した観測対象候補の存在確率の予測値およびノード間確率分布の予測値、およびデータ保存部46から取得したノード間経路データに基づいて、前時刻から現時刻までの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する(ステップST3e)。
データ更新部43Bが、存在検出センサ3B-1~3B-Mから受信した存在検出データおよびノード番号、および、移動予測部42Cから入力した観測対象候補の存在確率の予測値およびノード間確率分布の予測値に基づいて、現時刻における観測対象候補の存在確率およびノード間確率分布を算出する(ステップST4e)。
推定部44Bが、データ更新部43Bから入力した観測対象候補の存在確率およびノード間確率分布に基づいて、現時刻に観測対象が観測領域に存在するか否かを推定し、現時刻に存在すると推定した観測対象の移動経路を推定する(ステップST5e)。例えば、推定部44Bは、観測対象の移動経路を示す運動諸元推定値を算出し、算出した運動諸元推定値を移動経路保存部5Bに保存する。
次に、観測対象の移動経路の推定処理について詳細に説明する。
以降では、観測対象の運動諸元として、観測対象候補が存在する位置、すなわち、観測対象候補が存在するノードを推定する場合について説明する。なお、ノード間を移動する観測対象の運動諸元は、観測対象候補が存在する位置(ノード)に限定されるものではなく、推定対象の運動諸元には、観測対象候補の移動速度または加速度を含めてもよい。
以降では、観測対象の運動諸元として、観測対象候補が存在する位置、すなわち、観測対象候補が存在するノードを推定する場合について説明する。なお、ノード間を移動する観測対象の運動諸元は、観測対象候補が存在する位置(ノード)に限定されるものではなく、推定対象の運動諸元には、観測対象候補の移動速度または加速度を含めてもよい。
移動経路推定装置4Dは、観測対象候補の運動が時刻フレームごとに独立な確率過程によって選択される運動モデルを採用している。すなわち、観測対象候補が特定のノードへ移動すること、または、観測対象候補が特定のノードに留まることは、時刻フレームごとに独立な確率過程により選択される。ただし、これは例示であり、前時刻における運動が現時刻における運動に影響する場合、例えば速度または加速度の運動諸元が運動に影響を及ぼす場合には、等速モデルまたは等加速度モデルを用いてもよい。
以降では、時刻フレーム間の経過時間が、観測対象候補がノード間の移動に要する時間に比べて十分に短いことを前提として、観測対象候補は、時刻フレーム間に複数のノードを経由したノード間の移動ができないものとする。ただし、時刻フレーム間に観測対象候補が経由し得るノードの個数の最大値が既知であれば、ノードを経由した移動に関する予測値を算出してもよい。観測対象候補のノード間の移動に要する時間の長さに応じて、観測対象候補がノード間を移動している状態を設定するモデルを採用してもよい。
また、観測対象候補は、観測領域内の全てのノードに進入することが可能であり、退出も可能である。入退検出センサは、観測領域に設定された全てのノードに設置されているものとする。なお、観測対象候補が進入または退出できないノードを観測領域に設定した場合、このノードには、入退検出センサ2C-nを設置しなくてもよく、このノードにおける観測対象候補の出現および消失を予測しなくてもよい。
入退検出センサ2C-1~2C-Nは、入退検出データの誤検出があるものと仮定し、存在検出センサ3B-1~3B-Mについても、存在検出データの誤検出または存在検出データの検出失敗があるものと仮定する。
さらに、ノード間確率分布を、重み付けされた有限個数の“粒子”の集合で近似する。ノード間確率分布の値が大きい領域には、重み係数が大きい粒子が密に分布し、ノード間確率分布の値が小さい領域には、重み係数が小さな粒子が疎に分布する。なお、近似する方法は、前述した方法に限定されるものではなく、例えば、離散値化したガウス分布のそれぞれの線形結合によってノード間確率分布を近似してもよい。
現時刻の時刻フレーム番号を“k”として、現時刻を“時刻k”と記載する。前時刻の時刻フレーム番号を“k-1”として前時刻を“時刻k-1”と記載する。kの添え字が付く記号は、その記号が示すパラメータ値が時刻kにおける値であることを示している。k-1の添え字についても同様である。
前述したノード番号とは別に、観測領域に設定された複数のノードのそれぞれには識別番号が付与される。以降では、ノードの総数をNとする。Nは、入退検出センサの個数と同数である。観測対象候補が存在するノードの識別番号を、観測対象候補の運動諸元であるスカラー値xで表す。また、n番目(n=1,2,・・・,N)の入退検出センサ2C-nが存在するノードのノード番号をzk,n
(InOut)とする。m番目(m=1,2,・・・,M)の存在検出センサ3B-mが存在するノードのノード番号をzk,m
(Exist)とする。
実施の形態1と同様に、時刻kにおける観測対象候補の識別番号の集合をLkで表す。時刻kにおける識別番号iの観測対象候補の存在確率をrk|k
(i)とし、時刻k-1における識別番号iの観測対象候補の存在確率をrk-1|k-1
(i)とし、時刻k-1における識別番号iの観測対象候補の存在確率を用いて算出された、時刻kにおける識別番号iの観測対象候補の存在確率の予測値をrk|k-1
(i)とする。
時刻kにおける、識別番号iの観測対象候補のノード間確率分布をfk|k
(i)(x)と表す。fk|k
(i)(x)は、時刻kにおいて識別番号iの観測対象候補が観測領域に存在する場合に、この観測対象候補がノード番号xに存在する確率を示している。離散化された確率分布の定義より、任意のiについて、下記式(50)が成立する。
重み付けされた粒子の集合でノード間確率分布fk|k
(i)(x)を近似することで、識別番号iの観測対象候補のノード間確率分布fk|k
(i)(x)は上記式(4)で表すことができる。また、fk|k-1
(i)(x)は、時刻k-1における識別番号iの観測対象候補のノード間確率分布を用いて算出された、時刻kおける識別番号iの観測対象候補のノード間確率分布の予測値である。重み付けされた粒子の集合でfk|k-1
(i)(x)を近似することで、識別番号iの観測対象候補のノード間確率分布の予測値fk|k-1
(i)(x)は上記式(5)で表すことができる。
前述したノード間確率分布の近似を前提として、以降では、時刻kにおける識別番号iの観測対象候補のノード間確率分布fk|k
(i)(x)を、J個の重み係数wk|k
(i、j)と粒子位置xk|k
(i、j)から算出するものとして説明する。これは、観測対象候補のノード間確率分布の予測値fk|k-1
(i)(x)においても同様である。
データ保存部46に保存されているノード間経路データは、N行N列の行列Ψとして、下記式(51)で表される。n1行n2列(n1とn2はともに1以上N以下の整数)の要素ψn1,n2は、識別番号n1のノードから識別番号n2のノードへのノード間経路が存在するか否かを示す要素であり、識別番号n1のノードから、識別番号n2のノードへのノード間経路が存在すれば“1”、存在しなければ“0”となる。Ψの対角成分は全て1とする。
図19は、移動経路推定装置4Dの動作を示すフローチャートである。
消失予測部40Cおよび出現予測部41Cは、入退検出センサ2C-1~2C-Nから受信した時刻kにおけるN個の入退検出データのうち、観測領域に対する観測対象候補の進入または退出が検出されたデータを、任意の順番で選択して入力する(ステップST1f)。これにより入退検出データを選択して処理するループが開始される。ステップST2fからステップST4fでは、n番目(n=1,2,・・・,Nのいずれか)の入退検出センサ2C-nによって検出された入退検出データが選択されたものと仮定する。
消失予測部40Cおよび出現予測部41Cは、入退検出センサ2C-1~2C-Nから受信した時刻kにおけるN個の入退検出データのうち、観測領域に対する観測対象候補の進入または退出が検出されたデータを、任意の順番で選択して入力する(ステップST1f)。これにより入退検出データを選択して処理するループが開始される。ステップST2fからステップST4fでは、n番目(n=1,2,・・・,Nのいずれか)の入退検出センサ2C-nによって検出された入退検出データが選択されたものと仮定する。
消失予測部40Cおよび出現予測部41Cは、n番目の入退検出センサ2C-nによって検出された入退検出データに基づいて、観測対象候補の移動方向が観測領域への進入方向であるか否かを判定する(ステップST2f)。消失予測部40Cは、観測対象候補の移動方向が観測領域からの退出方向であると判定した場合(ステップST2f;NO)、ステップST3fへ移行する。出現予測部41Cは、観測対象候補の移動方向が観測領域への進入方向であると判定した場合(ステップST2f;YES)、ステップST4fへ移行する。
ステップST3fにおいて、消失予測部40Cは、入退検出センサ2-nによって検出された入退検出データ、入退検出センサ2-nが設置されたノードのノード番号、時刻k-1の観測対象候補の存在確率およびノード間確率分布に基づいて、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された、観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する。
なお、消失予測部40Cが、ステップST3fの処理を1回目に行う場合、時刻k-1における観測対象候補の存在確率およびノード間確率分布を用いる。2回目以降にステップST3fの処理を行う場合、消失予測部40Cは、直前のステップST3fで算出した存在確率の予測値およびノード間確率分布の予測値を用いる。
消失予測部40Cは、下記式(52)、上記式(7)、上記式(8)および下記式(53)を用いて、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された識別番号iの観測対象候補の存在確率の予測値rk|k-1,S
(i)を算出し、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された識別番号iの観測対象候補のノード間確率分布の予測値を表す粒子である{wk|k-1,S
(i,j),xk|k-1,S
(i,j)}j=1,・・・,Jを算出する。ただし、識別番号iは前時刻の観測対象候補と同一である。下記式(52)におけるβk,FLS
(InOut)は、入退検出センサが誤検出する確率である。
上記式(7)、上記式(8)、上記式(52)および上記式(53)を用いて観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する処理は、識別番号iの観測対象候補のノード間確率分布を示す粒子のうち、合計の重み係数が最も多いノードのノード番号μk-1|k-1
(i)が、観測対象候補の退出を検出したn番目の入退検出センサ2C-nが設置されたノードのノード番号zn
(InOut)と同一であれば、識別番号iの観測対象候補の存在確率をβk,FLS
(InOut)倍に減少させる処理に相当する。この処理により、入退検出センサ2C-nによって検出された観測対象候補の退出を、観測対象候補の予測値に反映させることができる。
識別番号iの観測対象候補の存在確率をβk,FLS
(InOut)倍することで、識別番号iの観測対象候補の存在確率に対して観測対象候補の退出(消失)を反映させたが、これに限定されるものではない。例えば、βk,FLS
(InOut)=0として、上記式(9)に示すd(i,n)が閾値よりも小さい場合に、消失予測部40Cが、識別番号iの観測値候補の存在確率およびノード間確率分布(粒子)を削除してもよい。
ステップST4fにおいて、出現予測部41Cは、入退検出センサ2C-nによって検出された入退検出データ、および入退検出センサ2-nが設置されたノードのノード番号に基づいて、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する。
出現予測部41Cは、上記式(12)、上記式(13)および下記式(54)に用いて、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値rk|k-1,B
(in)を算出し、時刻k-1から時刻kまでに出現した観測対象候補のノード間確率分布の予測値を表す粒子である{wk|k-1,B
(in,j),xk|k-1,B
(in,j)}j=1,・・・,Jを算出する。識別番号inは、n番目の入退検出センサ2C-nの周辺に出現したと予測された観測対象候補の識別番号であり、既存の観測対象候補の識別番号と異なる値である。
上記式(12)、上記式(13)および上記式(54)に用いて、存在確率の予測値およびノード間確率分布の予測値を算出する処理は、n番目の入退検出センサ2-nの設置位置を初期位置として新規の観測対象候補の粒子を生成する処理に相当する。この処理により、時刻kに入退検出センサ2C-nによって観測領域への進入が検出された観測対象候補の予測値が得られる。
ステップST5fにおいて、消失予測部40Cおよび出現予測部41Cは、入退検出センサ2C-1~2C-Nから受信した時刻kにおけるN個の入退検出データのうち、観測領域に対する観測対象候補の進入または退出が検出された全てのデータを選択したか否かを判定する。このとき、未選択のデータがあると判定した場合(ステップST5f;NO)、消失予測部40Cおよび出現予測部41Cは、未選択の入退検出データを選択して、ステップST2fの処理に戻る。全てのデータを選択していれば(ステップST5f;YES)、ステップST6fの処理に移行する。
ステップST6fにおいて、移動予測部42Cは、時刻k-1から時刻kまでの間の観測対象候補の消失が反映された存在確率の予測値およびノード間確率分布の予測値、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値およびノード間確率分布の予測値、およびノード間経路データに基づいて、時刻k-1から時刻kまでの間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する。
移動予測部42Cは、時刻k-1から時刻kまで間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値rk|k-1,S
(is)、時刻k-1から時刻kまで間の観測対象候補の消失が反映されたノード間確率分布の予測値{wk|k-1,S
(is,j),xk|k-1,S
(is,j)}j=1,・・・,J、時刻k-1から時刻kまでの間に出現した観測対象候補の存在確率の予測値rk|k-1,B
(iB)、時刻k-1から時刻kまでの間に出現した観測対象候補のノード間確率分布の予測値{wk|k-1,B
(iB,j),xk|k-1,B
(iB,j)}j=1,・・・,J、およびノード間経路データ(上記式(51)に示した行列Ψ)に基づいて、時刻k-1から時刻kまで間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値rk|k-1
(i)およびノード間確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jを算出する。iSは、ステップST3fで予測値が算出された観測対象候補の識別番号である。iBは、ステップST4fで予測値が算出された観測対象候補の識別番号である。識別番号iは、iSとiBの両方を含む識別番号である。iSの集合をLk|k-1,Sとし、iBの集合をLk|k-1,Bとすることで、iは上記式(17)で定義される。
移動予測部42Cは、上記式(18)、上記式(19)および下記式(55)を用いて、観測対象候補の移動が反映された観測対象候補の存在確率の予測値rk|k-1
(i)および観測対象候補のノード間確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jを算出する。ただし、{n|Ψn’,n=1}は、ψn’,n=1を満たす値nの集合であり、U(x;{a1,・・・,aA})は、離散値の集合{a1,・・・,aA}のいずれかの要素を同じ確率で選択したときに離散値xが従う一様分布の確率密度関数である。すなわち、下記式(55)は、前時刻の粒子位置から移動可能なノードのうち、いずれか1つのノードを一様な乱数で選択することを示している。
なお、ノード間確率分布を構成する粒子においてノード間経路が選択される確率が一様であるものとしたが、これに限定されるものではない。例えば、ノード間経路ごとの起こりやすさに応じたパラメータによって、観測対象候補同士で移動先のノードが選択される確率を互いに異なる確率にしてもよい。
ステップST7fにおいて、データ更新部43Bは、存在検出センサ3B-1~3B-Mから受信した存在検出データおよびノード番号、時刻k-1から時刻kまでの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値およびノード間確率分布の予測値に基づいて、時刻kにおける観測対象候補の存在確率およびノード間確率分布を算出(更新)する。
図20は、図19のステップST7fの詳細な処理を示すフローチャートである。
ステップST7f-1において、データ更新部43Bは、識別番号iの観測対象候補の存在確率の予測値rk|k-1 (i)のそれぞれの値に基づいて、識別番号の部分集合ごとの信頼度bk|k-1(I(λ))を算出する。λ=1,2,・・・,Λである。データ更新部43Bは、上記式(22)を用いて、部分集合ごとの信頼度bk|k-1(I(λ))を算出する。識別番号の部分集合I(λ)とは、0個以上の識別番号iから構成される集合である。例えば、i=1,2である場合、識別番号の部分集合I(λ)は、λ=1,2,3,4として、I(1)=φ、I(2)={1}、I(3)={2}、I(4)={1,2}の4通りとなる。ここで、φは空集合を表す。
ステップST7f-1において、データ更新部43Bは、識別番号iの観測対象候補の存在確率の予測値rk|k-1 (i)のそれぞれの値に基づいて、識別番号の部分集合ごとの信頼度bk|k-1(I(λ))を算出する。λ=1,2,・・・,Λである。データ更新部43Bは、上記式(22)を用いて、部分集合ごとの信頼度bk|k-1(I(λ))を算出する。識別番号の部分集合I(λ)とは、0個以上の識別番号iから構成される集合である。例えば、i=1,2である場合、識別番号の部分集合I(λ)は、λ=1,2,3,4として、I(1)=φ、I(2)={1}、I(3)={2}、I(4)={1,2}の4通りとなる。ここで、φは空集合を表す。
ステップST7f-2において、データ更新部43Bは、存在検出センサ3B-1~3B-Mのうち、時刻kにおいて観測対象候補を検出した存在検出センサが設置されたノードのノード番号{zk,m
(Exist)}m∈M*、部分集合信頼度bk|k-1(I(λ))および識別番号iのノード間確率分布の予測値{wk|k-1
(i,j),xk|k-1
(i,j)}j=1,・・・,Jに基づいて、写像ごとの信頼度b’k|k(θk
(λ,h))と写像ごとの識別番号iのノード間確率分布{wk|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを算出する。写像θk
(λ,h)は、上記実施の形態1で示したように、部分集合I(λ)の要素を、時刻kにおいて観測対象候補を検出した存在検出センサの存在検出センサ番号の少なくとも1つに対応付ける写像であると定義する。これを数式で表現すると、上記式(23)のようになる。
データ更新部43Bは、上記式(24)、上記式(24a)および上記式(25)を用いて、写像ごとの信頼度b’k|k(θk
(λ,h))および写像ごとの識別番号iのノード間確率分布{wk|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを算出する。ただし、上記式(24)、上記式(24a)および上記式(25)における変数は、上記式(26)および下記式(56)に従って算出される。なお、下記式(56)におけるpk,DTは、時刻kにおいて存在検出センサが検出に失敗せずに観測対象候補を検出する確率である。βk,FLS
(Exist)は、時刻kにおいて存在検出センサが誤検出する確率である。
ステップST7f-3において、データ更新部43Bは、写像ごとの信頼度b’k|k(θk
(λ,h))を規格化し、写像ごとの識別番号iのノード間確率分布における重み係数{w’k|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを規格化する。データ更新部43Bは、上記式(30)および上記式(31)を用いて、信頼度b’k|k(θk
(λ,h))を規格化し、写像ごとの識別番号iのノード間確率分布における重み係数{w’k|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを規格化して、信頼度bk|k(θk
(λ,h))および重み係数{wk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jを得る。
ステップST7f-4において、データ更新部43Bは、上記式(32)、上記式(33)および上記式(34)を用いて、規格化された写像ごとの信頼度bk|k(θk
(λ,h))、および、重み係数が規格化された写像ごとの識別番号iのノード間確率分布{wk|k
(i,j)(θk
(λ,h)),xk|k
(i,j)(θk
(λ,h))}j=1,・・・,Jに基づき、時刻kにおける識別番号iの観測対象候補の存在確率rk|k
(i)と、識別番号iの観測対象候補のノード間確率分布{wk|k
(i,j),xk|k
(i,j)}j=1,・・・,Jを算出する。
図19の説明に戻る。
ステップST8fにおいて、推定部44Bは、時刻k(現時刻)における観測対象候補のうちのいずれか1つを選択して入力する。これにより、観測対象候補を選択して処理するループが開始される。以降では、識別番号iの観測対象候補が選択された場合を例に挙げて説明する。
ステップST8fにおいて、推定部44Bは、時刻k(現時刻)における観測対象候補のうちのいずれか1つを選択して入力する。これにより、観測対象候補を選択して処理するループが開始される。以降では、識別番号iの観測対象候補が選択された場合を例に挙げて説明する。
次に、推定部44Bは、上記式(35)に従い、ステップST8fで選択した識別番号iの観測対象候補の存在確率rk|k
(i)が閾値rThよりも大きいか否かを判定する(ステップST9f)。識別番号iの観測対象候補の存在確率rk|k
(i)が閾値rThよりも大きいと判定された場合(ステップST9f;YES)、ステップST10fの処理に移行する。一方、識別番号iの観測対象候補の存在確率rk|k
(i)が閾値rTh以下であれば(ステップST9f;NO)、ステップST11fの処理に移行する。
ステップST10fにおいて、推定部44Bは、時刻kにおける識別番号iの観測対象候補のノード間確率分布に基づいて、当該観測対象候補に対応する観測対象の運動諸元を推定する。例えば、推定部44Bは、識別番号iの観測対象候補に対応する観測対象の運動諸元推定値、すなわち、観測対象候補が存在すると推定されるノード番号μk
(i)を、下記式(57)に従って算出する。
移動経路保存部5Bには、異なる時刻フレームに保存された識別番号が同一の運動諸元推定値同士が時系列順に保存される。これにより、運動諸元推定値は、観測対象の推定された移動経路として移動経路保存部5Bに保存される。
以上のように、実施の形態5に係る移動経路推定装置4Dは、観測対象候補の消失および出現が反映された観測対象候補の存在確率の予測値およびノード間確率分布の予測値に基づいて、観測時刻における観測対象候補の存在確率およびノード間確率分布を更新する。移動経路推定装置4Dは、更新した観測対象候補の存在確率およびノード間確率分布に基づいて、観測対象の移動経路を示す運動諸元推定値を算出する。このように、移動経路推定装置4Dは、観測対象候補の消失および出現を予測して、個数が未知の観測対象の移動経路を推定することができる。
また、移動予測部42Cは、ノード間経路に制限された観測対象候補の移動を予測するため、観測対象候補のノード間確率分布が実現可能な範囲で絞り込まれる。これにより、観測対象候補がノード間経路のみを移動するという条件において、観測対象候補の移動可能なノード間経路を制限しない場合に比べて、観測対象候補の移動の予測値と実際の観測対象の移動との乖離が小さくなる。このため、より誤差の小さい移動経路推定値を得ることができる。従って、個数が未知の観測対象候補のノード間の移動経路を推定することができる。
実施の形態6.
観測領域内に固定された存在検出センサの観測データに基づいて観測対象の移動経路を推定する場合、観測領域内の存在検出センサの密度が低いと、観測対象の移動経路の推定精度が低下する。例えば、観測対象が頻繁に方向転換または停止を行って当該観測対象の移動が等速直進の運動モデルに適合しない場合、当該観測対象が、存在検出センサの検出範囲外を移動したときの移動経路の推定が困難となる。存在検出センサを観測領域内に固定する場合、多数の存在検出センサを観測領域内に設置する必要がある。
観測領域内に固定された存在検出センサの観測データに基づいて観測対象の移動経路を推定する場合、観測領域内の存在検出センサの密度が低いと、観測対象の移動経路の推定精度が低下する。例えば、観測対象が頻繁に方向転換または停止を行って当該観測対象の移動が等速直進の運動モデルに適合しない場合、当該観測対象が、存在検出センサの検出範囲外を移動したときの移動経路の推定が困難となる。存在検出センサを観測領域内に固定する場合、多数の存在検出センサを観測領域内に設置する必要がある。
実施の形態6に係る移動経路推定システムは、各々が移動可能な複数の存在検出センサと、存在検出センサの移動を制御可能な移動経路推定装置を備える。実施の形態6に係る移動経路推定装置は、観測対象候補の存在確率および運動諸元確率分布に基づいて、存在検出センサの移動を制御する。例えば、移動経路推定装置が、存在検出センサを観測対象に接近させて、存在検出センサの検出範囲外に観測対象が移動する頻度を低減させることで、多数の存在検出センサを用いなくても、観測対象の移動経路の推定精度の低下を抑えることができる。
図21は、実施の形態6に係る移動経路推定システム1Eの構成を示すブロック図である。図21において、図1と同一の構成要素には、同一の符号を付して説明を省略する。移動経路推定システム1Eは、N(Nは2以上の整数)個の入退検出センサ2-1~2-N、M(Mは2以上の整数)個の存在検出センサ3C-1~3C-M、移動経路推定装置4Eおよび移動経路保存部5を備える。移動経路推定装置4Eは、消失予測部40、出現予測部41、移動予測部42、データ更新部43、推定部44およびセンサ移動制御部47を備える。
存在検出センサ3C-1~3C-Mは、観測領域に設けられて、存在検出データを検出するセンサであって、光学カメラ、赤外線センサ、測距センサ、振動センサ、マイクロフォンおよび熱検知センサなどのセンサによって実現される。また、存在検出センサ3C-1~3C-Mの各々は、センサ移動制御部47から移動速度ベクトルを入力すると、次の時刻フレームまでに、移動速度ベクトルに応じた速度および方向で移動する機能を有している。存在検出データは、存在検出センサの検出可能範囲に存在する観測対象候補が検出されたデータである。存在検出センサ3C-1~3C-Mは、存在検出データおよびセンサ位置を含む検出信号を、データ更新部43およびセンサ移動制御部47に送信する。上記センサ位置は、検出信号の送信時における存在検出センサの位置である。
センサ移動制御部47は、データ更新部43から入力した現時刻の観測対象候補の存在確率および運動諸元確率分布に基づいて、または、現時刻の存在検出データに基づいて、M個の移動速度ベクトルを生成し、生成したM個の移動速度ベクトルを存在検出センサ3C-1~3C-Mに出力する。移動速度ベクトルは、存在検出センサ3C-1~3C-Mの各々を次の時刻フレームまでに移動させる速度および方向を指定する情報である。
存在検出センサ3C-1~3C-Mは、図4Aおよび図4Bに示したセンサ群101によって実現される。また、移動経路推定装置4Eにおける、消失予測部40、出現予測部41、移動予測部42、データ更新部43、推定部44Bおよびセンサ移動制御部47の機能は、処理回路によって実現される。すなわち、移動経路推定装置4Eは、図22を用いて後述するステップST1からステップST6gまでの処理を実行するための処理回路を備える。処理回路は、図4Aに示した専用のハードウェアの処理回路103であってもよいが、図4Bに示したメモリ105に記憶されたプログラムを実行するプロセッサ104であってもよい。
次に動作について説明する。
図22は、移動経路推定装置4Eの動作を示すフローチャートである。図22におけるステップST1からステップST5までの処理は図5と同様であるので説明を省略する。以降に示す記号および添え字のうち、説明がないものは実施の形態1と同じ意味である。
図22は、移動経路推定装置4Eの動作を示すフローチャートである。図22におけるステップST1からステップST5までの処理は図5と同様であるので説明を省略する。以降に示す記号および添え字のうち、説明がないものは実施の形態1と同じ意味である。
ステップST6gにおいて、センサ移動制御部47は、観測対象候補の存在確率、観測対象候補の運動諸元確率分布および存在検出センサの位置関係に基づいて、存在検出センサ3C-1~3C-Mを移動させる。例えば、センサ移動制御部47は、観測対象候補の存在確率rk|k
(i)、運動諸元確率分布{wk|k
(i,j),xk|k
(i,j)}、存在検出データに含まれるセンサ位置zk,m
(Exist)に基づいて、存在検出センサ3C-1~3C-Mの各々に出力する移動速度ベクトルvk,mを算出する。移動速度ベクトルvk,mは、m番目の存在検出センサ3C-mが時刻kから時刻k+1までに移動する速度および方向を表す2行1列のベクトルである。
図23は、図22のステップST6gの詳細な処理を示すフローチャートである。
ステップST6g-1において、センサ移動制御部47は、M個の存在検出センサ3C-1~3C-Mの中から、ステップST6g-2以降の処理対象として選択されていない存在検出センサを1つ選択する。ここで、m番目の存在検出センサ3C-mが選択されたものとして、ステップST6g-2以降の処理を説明する。
ステップST6g-1において、センサ移動制御部47は、M個の存在検出センサ3C-1~3C-Mの中から、ステップST6g-2以降の処理対象として選択されていない存在検出センサを1つ選択する。ここで、m番目の存在検出センサ3C-mが選択されたものとして、ステップST6g-2以降の処理を説明する。
次に、センサ移動制御部47は、ステップST6g-3からステップST6g-5までの処理対象として選択されていない観測対象候補の中から、観測対象候補を1つずつ選択する(ステップST6g-2)。ここで、識別番号がi番目の観測対象候補が選択されたものとして、ステップST6g-3以降の処理を説明する。
センサ移動制御部47は、識別番号iの観測対象候補の位置予測値Hposμk+1|k
(i)を算出する(ステップST6g-3)。ここで、Hposは、上記式(29)に示した行列であり、μk+1|k
(i)は、識別番号iの観測対象候補の状態ベクトルの予測値である。予測値の算出方法は、移動予測部42で前提とする予測モデルに依存する。例えば、移動予測部42で等速直進運動の予測モデルを用いる場合、センサ移動制御部47は、下記式(58)および下記式(59)に従って識別番号iの観測対象候補の状態ベクトルの予測値μk+1|k
(i)を算出する。なお、下記式(59)において、τk+1は、時刻kから時刻k+1までの経過時間である。
次に、センサ移動制御部47は、識別番号iの観測対象候補に対する移動速度ベクトルvk,m,i
(target)を算出する(ステップST6g-4)。ここで、移動速度ベクトルvk,m,i
(target)は、識別番号iの観測対象候補に対して、m番目の存在検出センサ3C-mを近付けるまたは遠ざける移動速度ベクトルである。
観測対象を高頻度で検出するためには、存在検出センサを観測対象に接近させることが望ましい。一方、複数の存在検出センサで得られた存在検出データに基づいて観測対象の位置を推定する場合、複数の存在検出センサの各検出可能範囲が重なる領域が狭いほど、推定された観測対象の位置の曖昧さを減らすことができる。従って、存在検出センサは、観測対象候補の予測位置から遠ければ近付け、観測対象候補の予測位置に近すぎるときは遠ざけることが望ましい。また、観測対象候補は、必ずしも真に存在するとは限らない。このため、存在検出センサの移動を制御する基準となる観測対象候補は、存在確率が高い観測対象候補を優先して選択することが望ましい。
そこで、センサ移動制御部47は、例えば下記式(60)に従って、識別番号iの観測対象候補に対する移動速度ベクトルvk,m,i
(target)を算出する。下記式(60)におけるρm,iは、識別番号iの観測対象候補の予測位置とm番目の存在検出センサ3C-mとの間の距離であり、下記式(61)で表すことができる。下記式(61)において、ρ0は、観測対象候補に対して存在検出センサを近付ける力と遠ざける力とが均衡する距離を表すパラメタである。パラメタρ0は、予測モデルの誤差および観測対象候補の推定誤差に基づいて動的に設定してもよい。移動速度ベクトルを算出する計算式は、下記式(60)に限定されるものではなく、観測対象候補に対して存在検出センサを近付ける方向または遠ざける方向のベクトルが得られる計算式であれば、下記式(60)以外の計算式を用いてもよい。
続いて、センサ移動制御部47は、ステップST6g-3からステップST6g-4までの処理対象として全ての観測対象候補を選択したか否かを確認する(ステップST6g-5)。未選択の観測対象候補がある場合(ステップST6g-5;NO)、センサ移動制御部47は、ステップST6g-2の処理に戻る。
一方、全ての観測対象候補を選択した場合(ステップST6g-5;YES)、センサ移動制御部47は、ステップST6g-1で選択されていない存在検出センサの中から、ステップST6g-1で先に選択したm番目の存在検出センサ3C-m以外の存在検出センサを1つずつ選択する(ステップST6g-6)。ここでは、m’(≠m)番目の存在検出センサ3C-m’が選択されたものとして、ステップST6g-7以降の処理を説明する。
センサ移動制御部47は、存在検出センサ同士に対する移動速度ベクトルを算出する(ステップST6g-7)。具体的には、センサ移動制御部47が、ステップST6g-6で選択したm’番目の存在検出センサ3C-m’から、ステップST6g-2で選択したm番目の存在検出センサ3C-mを遠ざける移動速度ベクトルvk,m,m’
(sensor)を算出する。
未知の時刻に未知の位置から観測領域に進入してくる未知の個数の観測対象を高頻度に検出するためには、観測対象候補が存在し得る領域内に存在検出センサが一様に分布していることが望ましい。そこで、センサ移動制御部47は、例えば下記式(62)に従い、m’番目の存在検出センサ3C-m’から、m番目の存在検出センサ3C-mを遠ざける移動速度ベクトルvk,m,m’
(sensor)を算出する。なお、存在検出センサ同士に対する移動速度ベクトルを算出する計算式は、下記式(62)に限定されるものではなく、一方の存在検出センサから他方の存在検出センサを遠ざける方向のベクトルが得られる計算式であれば、下記式(62)以外の計算式を用いてもよい。
移動速度ベクトルvk,m,m’
(sensor)がm番目の存在検出センサ3C-mとm’番目の存在検出センサ3C-m’との間の距離のみに依存する場合、下記式(63)が成立する。センサ移動制御部47は、移動速度ベクトルvk,m,m’
(sensor)を算出していないが、移動速度ベクトルvk,m’,m
(sensor)を既に算出していた場合、移動速度ベクトルvk,m,m’
(sensor)として、移動速度ベクトルvk,m’,m
(sensor)の値を用いてもよい。これにより、移動速度ベクトルvk,m,m’
(sensor)の計算を省略することが可能である。
続いて、センサ移動制御部47は、ステップST6g-1で選択されていなかった全ての存在検出センサを、ステップST6g-1で先に選択したm番目の存在検出センサ3C-m以外の存在検出センサとして選択したか否かを確認する(ステップST6g-8)。未選択の存在検出センサがある場合(ステップST6g-8;NO)、センサ移動制御部47は、ステップST6g-6の処理に戻る。
続いて、センサ移動制御部47は、ステップST6g-1で選択されていなかった全ての存在検出センサを、ステップST6g-1で先に選択したm番目の存在検出センサ3C-m以外の存在検出センサとして選択したか否かを確認する(ステップST6g-8)。未選択の存在検出センサがある場合(ステップST6g-8;NO)、センサ移動制御部47は、ステップST6g-6の処理に戻る。
一方、全ての存在検出センサを選択していた場合(ステップST6g-8;YES)、センサ移動制御部47は、下記式(64)に従って、ステップST6g-1で選択したm番目の存在検出センサ3C-mの最終的な移動速度ベクトルvk,mを算出する(ステップST6g-9)。下記式(64)において、w(target)は移動速度ベクトルvk,m,i
(target)の重みであり、w(sensor)は移動速度ベクトルvk,m,m’
(sensor)の重みである。w(target)とw(sensor)は、移動速度ベクトルvk,mが示す速度の大きさを調整するパラメタであり、0よりも大きなスカラー値である。
センサ移動制御部47は、全ての存在検出センサ3C-1~3C-Mを、ステップST6g-2以降の処理対象として選択したか否かを確認する(ステップST6g-10)。未選択の存在検出センサがある場合(ステップST6g-10;NO)、センサ移動制御部47は、ステップST6g-1の処理に戻る。一方、全ての存在検出センサを選択していた場合(ステップST6g-10;YES)、センサ移動制御部47は、図23に示す一連の処理を終了する。
なお、図23に示したM個の存在検出センサに対する移動速度ベクトルを算出する処理は、移動経路推定装置4Eとして機能する1つのプロセッサが一括して行ってもよいが、移動経路推定装置4Eとして機能する複数のプロセッサが存在検出センサごとに分散して行ってもよい。例えば、ステップST6g-2からステップST6g-9までの処理を、異なるプロセッサが存在検出センサごとに行ってもよい。この場合、プロセッサは、存在検出センサに搭載されたものでもよい。
以上のように、実施の形態6に係る移動経路推定装置4Eは、存在検出センサ3C-1~3C-Mの移動を制御するセンサ移動制御部47を備える。この構成を備えることで、移動経路推定装置4Eは、観測対象から遠い存在検出センサを観測対象に近付けることができる。これにより、存在検出センサの検出範囲内に観測対象が存在する頻度が増加するので、存在検出センサの個数が少ない場合であっても、観測対象の移動経路の推定精度の低下を抑えることができる。また、観測対象が頻繁に方向転換または停止を行って当該観測対象の移動が等速直進の運動モデルに適合しない場合であっても、存在検出センサの検出範囲外に観測対象が移動する頻度を低減させることができるので、観測対象の移動経路の推定精度の低下を抑えることができる。
また、移動経路推定装置4Eは、センサ移動制御部47を用いて、観測対象に近すぎる存在検出センサを当該観測対象から遠ざけることができる。これにより、複数の存在検出センサの検出範囲が重なる領域が狭まり、複数の存在検出センサの検出範囲が重なる領域内に観測対象が収まる頻度が増加するので、存在検出センサによって検出される観測対象の位置に関する曖昧さ、すなわち観測誤差が減り、結果として観測対象の移動経路の推定精度が改善する。
さらに、移動経路推定装置4Eは、センサ移動制御部47を用いて、存在検出センサ同士が近づき過ぎないように遠ざけることができる。これにより、観測領域に存在検出センサが偏って分布することを抑制できるので、観測対象の出現位置から存在検出センサまでの距離が平均的に短くなり、観測対象の検出頻度が増加する。結果として、観測対象候補が出現してから、移動経路推定装置4Eによって実際に存在する観測対象と判定されるまでの時間が短縮する。また、観測対象の検出頻度が増加することで、移動経路の推定誤差が早期に収束するという効果も得られる。
なお、本発明は上記実施の形態に限定されるものではなく、本発明の範囲内において、実施の形態のそれぞれの自由な組み合わせまたは実施の形態のそれぞれの任意の構成要素の変形もしくは実施の形態のそれぞれにおいて任意の構成要素の省略が可能である。
本発明に係る移動経路推定装置は、個数が未知の観測対象の移動経路を推定することができるので、例えば、監視領域の人の入退を監視する監視システムに利用可能である。
1,1A~1E 移動経路推定システム、2-1~2-N,2-n,2A-1~2A-N,2A-n,2B-1~2B-N,2B-n,2C-1~2C-N,2C-n 入退検出センサ、3-1~3-M,3-m,3A-1~3A-M,3A-m,3B-1~3B-M,3B-m,3C-1~3C-M,3C-m,3C-m’ 存在検出センサ、4,4A~4E 移動経路推定装置、5,5A,5B 移動経路保存部、10,10A,10B 観測領域、11-n,12-m 検出範囲、13a,13b 移動経路、14 進入不可領域、40,40A~40C 消失予測部、41,41A~41C 出現予測部、42,42A~42C 移動予測部、43,43A,43B データ更新部、44,44A,44B 推定部、45,46 データ保存部、47 センサ移動制御部、100,101 センサ群、102 記憶装置、103 処理回路、104 プロセッサ、105 メモリ、200~205 ノード、300 ノード間経路。
Claims (14)
- 観測領域内の検出範囲を通過した観測対象候補が通過方向ごとに検出された入退検出データ、前記入退検出データが得られた入退検出センサ位置、観測時刻よりも一定時間だけ過去の時刻において観測対象候補が前記観測領域に存在する可能性を示す存在確率および前記過去の時刻における観測対象候補の運動諸元確率分布に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の消失が反映された、観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する消失予測部と、
前記入退検出データおよび前記入退検出センサ位置に基づいて、前記過去の時刻から前記観測時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する出現予測部と、
前記消失予測部および前記出現予測部によってそれぞれ算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出する移動予測部と、
検出範囲に存在する観測対象候補が検出された存在検出データ、前記存在検出データが得られた存在検出センサ位置、および前記移動予測部によって算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前記観測時刻における観測対象候補の存在確率および運動諸元確率分布を算出するデータ更新部と、
前記データ更新部によって算出された観測対象候補の存在確率および運動諸元確率分布に基づいて、前記観測時刻に観測対象が前記観測領域に存在するか否かを推定し、前記観測時刻に存在すると推定した観測対象の運動諸元推定値を算出する推定部とを備えたこと
を特徴とする移動経路推定装置。 - 前記消失予測部は、前記入退検出データ、前記入退検出センサ位置、前記過去の時刻における観測対象候補の存在確率および運動諸元確率分布、および検出範囲からの観測対象候補の退出が誤検出される確率を用いて、観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出し、
前記出現予測部は、前記入退検出データ、前記入退検出センサ位置および検出範囲への観測対象候補の進入が誤検出される確率を用いて、観測対象候補の出現が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出すること
を特徴とする請求項1記載の移動経路推定装置。 - 前記データ更新部は、前記存在検出データ、前記存在検出センサ位置、前記移動予測部によって算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値、検出範囲に存在しない観測対象候補が誤検出される確率および検出範囲に存在する観測対象候補が検出される確率を用いて、前記観測時刻における観測対象候補の存在確率および運動諸元確率分布を算出すること
を特徴とする請求項1または請求項2記載の移動経路推定装置。 - 前記データ更新部は、複数の観測対象候補と複数の前記存在検出データとが対応付けられる可能性が反映された観測対象候補の運動諸元確率分布を算出すること
を特徴とする請求項1記載の移動経路推定装置。 - 前記入退検出データは、検出範囲を通過した観測対象候補の数を含み、
前記消失予測部は、検出範囲を通過した観測対象候補の数を含む前記入退検出データ、前記入退検出センサ位置、および前記過去の時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の消失が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出し、
前記出現予測部は、検出範囲を通過した観測対象候補の数を含む前記入退検出データおよび前記入退検出センサ位置に基づいて、前記過去の時刻から前記観測時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出すること
を特徴とする請求項1記載の移動経路推定装置。 - 前記移動予測部は、観測対象候補が存在し得ない領域を示す領域データ、および、前記消失予測部および前記出現予測部によってそれぞれ算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の移動が反映された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出すること
を特徴とする請求項1記載の移動経路推定装置。 - 前記入退検出データは、観測対象候補の属性を含み、
前記存在検出データは、観測対象候補の属性を含み、
前記消失予測部は、観測対象候補の属性を含む前記入退検出データ、前記入退検出センサ位置、および、前記過去の時刻における観測対象候補の存在確率および運動諸元確率分布に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の消失が反映された、観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性を示す属性値を算出し、
前記出現予測部は、観測対象候補の属性を含む前記入退検出データおよび前記入退検出センサ位置に基づいて、前記過去の時刻から前記観測時刻までの間に出現した観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性を示す属性値を算出し、
前記移動予測部は、前記消失予測部および前記出現予測部によってそれぞれ算出された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値、および予測値に対応する観測対象候補の属性を示す属性値に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および予測値に対応する観測対象候補の属性を示す属性値を算出し、
前記データ更新部は、観測対象候補の属性を含む前記存在検出データ、前記存在検出センサ位置、前記移動予測部によって算出された観測対象候補の存在確率の予測値、運動諸元確率分布の予測値および属性値に基づいて、前記観測時刻における観測対象候補の存在確率、運動諸元確率分布および属性値を算出し、
前記推定部は、前記データ更新部によって算出された観測対象候補の存在確率、運動諸元確率分布および属性値に基づいて、前記観測時刻に観測対象が前記観測領域に存在するか否かを推定し、前記観測時刻に存在すると推定した観測対象の運動諸元推定値および属性値を算出すること
を特徴とする請求項1記載の移動経路推定装置。 - 観測領域に設定されたノードから前記観測領域外へ移動する観測対象候補および前記観測領域外からノードへ移動する観測対象候補が検出された入退検出データ、前記入退検出データが得られたノードを示す入退検出ノード情報、観測時刻よりも一定時間だけ過去の時刻において観測対象候補が前記観測領域に存在する可能性を示す存在確率、および前記過去の時刻において観測対象候補が存在する位置の確率分布であるノード間確率分布に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の消失が反映された、観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する消失予測部と、
前記入退検出データおよび前記入退検出ノード情報に基づいて、前記過去の時刻から前記観測時刻までの間に出現した観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する出現予測部と、
前記消失予測部および前記出現予測部によってそれぞれ算出された観測対象候補の存在確率の予測値およびノード間確率分布の予測値、および観測対象候補が移動可能なノード間の経路を示すノード間経路データに基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値およびノード間確率分布の予測値を算出する移動予測部と、
検出範囲に存在する観測対象候補が検出された存在検出データ、前記存在検出データが得られたノードを示す存在検出ノード情報および前記移動予測部によって算出された観測対象候補の存在確率の予測値およびノード間確率分布の予測値に基づいて、前記観測時刻における観測対象候補の存在確率およびノード間確率分布を算出するデータ更新部と、
前記データ更新部によって算出された観測対象候補の存在確率およびノード間確率分布に基づいて、前記観測時刻に観測対象が前記観測領域に存在するか否かを推定し、前記観測時刻に存在すると推定した観測対象の運動諸元推定値を算出する推定部とを備えたこと
を特徴とする移動経路推定装置。 - 前記入退検出データを検出する複数の入退検出センサと、
前記存在検出データを検出する複数の存在検出センサと、
請求項1から請求項8のうちのいずれか1項記載の移動経路推定装置とを備えたこと
を特徴とする移動経路推定システム。 - 消失予測部が、観測領域内の検出範囲を通過した観測対象候補が通過方向ごとに検出された入退検出データ、前記入退検出データが得られた入退検出センサ位置、観測時刻よりも一定時間だけ過去の時刻において観測対象候補が前記観測領域に存在する可能性を示す存在確率および前記過去の時刻における観測対象候補の運動諸元確率分布に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の消失が反映された、観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出するステップと、
出現予測部が、前記入退検出データおよび前記入退検出センサ位置に基づいて、前記過去の時刻から前記観測時刻までの間に出現した観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出するステップと、
移動予測部が、前記消失予測部および前記出現予測部によってそれぞれ算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前記過去の時刻から前記観測時刻までの間の観測対象候補の移動が反映された、観測対象候補の存在確率の予測値および運動諸元確率分布の予測値を算出するステップと、
データ更新部が、検出範囲に存在する観測対象候補が検出された存在検出データ、前記存在検出データが得られた存在検出センサ位置、および前記移動予測部によって算出された観測対象候補の存在確率の予測値および運動諸元確率分布の予測値に基づいて、前記観測時刻における観測対象候補の存在確率および運動諸元確率分布を算出するステップと、
推定部が、前記データ更新部によって算出された観測対象候補の存在確率および運動諸元確率分布に基づいて、前記観測時刻に観測対象が前記観測領域に存在するか否かを推定し、前記観測時刻に存在すると推定した観測対象の運動諸元推定値を算出するステップとを備えたこと
を特徴とする移動経路推定方法。 - 前記存在検出データは、移動可能な複数の存在検出センサによって検出され、
観測対象候補の存在確率および運動諸元確率分布に基づいて前記存在検出センサが移動する方向および速度を制御するセンサ移動制御部を備えたこと
を特徴とする請求項1記載の移動経路推定装置。 - 前記センサ移動制御部は、前記存在検出センサが観測対象候補の予測位置に近づくように、当該存在検出センサが移動する方向および速度を制御すること
を特徴とする請求項11記載の移動経路推定装置。 - 前記センサ移動制御部は、前記存在検出センサが観測対象候補の予測位置から遠ざかるように、当該存在検出センサが移動する方向および速度を制御すること
を特徴とする請求項11記載の移動経路推定装置。 - 前記存在検出データは、移動可能な複数の存在検出センサによって検出され、
前記存在検出センサの位置を含む前記存在検出データに基づいて、前記存在検出センサ同士が遠ざかるように、前記存在検出センサが移動する方向および速度を制御するセンサ移動制御部を備えたこと
を特徴とする請求項1記載の移動経路推定装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019541210A JP6632779B2 (ja) | 2018-01-09 | 2018-10-19 | 移動経路推定装置、移動経路推定システムおよび移動経路推定方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JPPCT/JP2018/000183 | 2018-01-09 | ||
PCT/JP2018/000183 WO2019138443A1 (ja) | 2018-01-09 | 2018-01-09 | 移動経路推定装置、移動経路推定システムおよび移動経路推定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019138638A1 true WO2019138638A1 (ja) | 2019-07-18 |
Family
ID=67218609
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2018/000183 WO2019138443A1 (ja) | 2018-01-09 | 2018-01-09 | 移動経路推定装置、移動経路推定システムおよび移動経路推定方法 |
PCT/JP2018/039041 WO2019138638A1 (ja) | 2018-01-09 | 2018-10-19 | 移動経路推定装置、移動経路推定システムおよび移動経路推定方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2018/000183 WO2019138443A1 (ja) | 2018-01-09 | 2018-01-09 | 移動経路推定装置、移動経路推定システムおよび移動経路推定方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6632779B2 (ja) |
WO (2) | WO2019138443A1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002341024A (ja) * | 2001-05-17 | 2002-11-27 | Mitsubishi Electric Corp | 多目標追尾装置 |
JP2004037262A (ja) * | 2002-07-03 | 2004-02-05 | Mitsubishi Electric Corp | 目標追尾装置 |
JP2009151359A (ja) * | 2007-12-18 | 2009-07-09 | Nippon Telegr & Teleph Corp <Ntt> | 動物体追跡装置、動物体追跡方法及び動物体追跡プログラム並びに動物体追跡プログラムを記録した記録媒体 |
WO2012033173A1 (ja) * | 2010-09-08 | 2012-03-15 | 株式会社豊田中央研究所 | 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法 |
JP2013143134A (ja) * | 2012-01-11 | 2013-07-22 | Honda Research Inst Europe Gmbh | 交通に参加するオブジェクトを監視し、予測するコンピュータを備える乗り物 |
JP2013200683A (ja) * | 2012-03-23 | 2013-10-03 | Nippon Telegr & Teleph Corp <Ntt> | 状態追跡装置、方法、及びプログラム |
-
2018
- 2018-01-09 WO PCT/JP2018/000183 patent/WO2019138443A1/ja active Application Filing
- 2018-10-19 JP JP2019541210A patent/JP6632779B2/ja active Active
- 2018-10-19 WO PCT/JP2018/039041 patent/WO2019138638A1/ja active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002341024A (ja) * | 2001-05-17 | 2002-11-27 | Mitsubishi Electric Corp | 多目標追尾装置 |
JP2004037262A (ja) * | 2002-07-03 | 2004-02-05 | Mitsubishi Electric Corp | 目標追尾装置 |
JP2009151359A (ja) * | 2007-12-18 | 2009-07-09 | Nippon Telegr & Teleph Corp <Ntt> | 動物体追跡装置、動物体追跡方法及び動物体追跡プログラム並びに動物体追跡プログラムを記録した記録媒体 |
WO2012033173A1 (ja) * | 2010-09-08 | 2012-03-15 | 株式会社豊田中央研究所 | 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法 |
JP2013143134A (ja) * | 2012-01-11 | 2013-07-22 | Honda Research Inst Europe Gmbh | 交通に参加するオブジェクトを監視し、予測するコンピュータを備える乗り物 |
JP2013200683A (ja) * | 2012-03-23 | 2013-10-03 | Nippon Telegr & Teleph Corp <Ntt> | 状態追跡装置、方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2019138443A1 (ja) | 2019-07-18 |
JPWO2019138638A1 (ja) | 2020-01-16 |
JP6632779B2 (ja) | 2020-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104781686B (zh) | 路径匹配 | |
Li et al. | Online temporal calibration for camera–IMU systems: Theory and algorithms | |
JP6525325B2 (ja) | デバイスのロケーションを求める方法およびデバイス | |
CN105737826B (zh) | 行人室内定位方法 | |
Biswas et al. | Corrective gradient refinement for mobile robot localization | |
JP6707575B2 (ja) | 空間の領域内に含まれているターゲットデバイスの位置を特定するための無線測位方法 | |
US20190235043A1 (en) | System and method for multi-sensor multi-target 3d fusion using an unbiased measurement space | |
JP2018036250A (ja) | 位置決定方法、位置決定装置及び電子機器 | |
WO2016068742A1 (ru) | Способ и система позиционирования мобильного терминала внутри зданий | |
US10660062B1 (en) | Indoor positioning | |
JP7034353B2 (ja) | 位置標定システム、および位置標定方法 | |
JP2023501039A (ja) | ソーシャルグラフネットワークを用いた確率的軌道予測 | |
US20200264005A1 (en) | Electronic apparatus and controlling method thereof | |
JP6349272B2 (ja) | 移動物体追跡装置 | |
KR20200013156A (ko) | 간판 검출 성능 향상을 위한 방법 및 시스템 | |
Zhu et al. | Conservative uncertainty estimation in map-based vision-aided navigation | |
KR20210076668A (ko) | 시각 정보 처리 기반의 위치 인식 방법 및 시스템 | |
He et al. | WiFi based indoor localization with adaptive motion model using smartphone motion sensors | |
WO2019138638A1 (ja) | 移動経路推定装置、移動経路推定システムおよび移動経路推定方法 | |
US12038287B2 (en) | Automatic egress/ingress detection in an acoustic positioning system | |
Chen et al. | Perception system design for low-cost commercial ground robots: Sensor configurations, calibration, localization and mapping | |
GB2570853A (en) | Identifying sites visited by a user device | |
CN109188419B (zh) | 障碍物速度的检测方法、装置、计算机设备及存储介质 | |
EP4043920A1 (en) | Circuitry and method for simultaneous localization and mapping for a mobile platform | |
Yoo et al. | Multi-target tracking with multiple 2D range scanners |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
ENP | Entry into the national phase |
Ref document number: 2019541210 Country of ref document: JP Kind code of ref document: A |
|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18899118 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 18899118 Country of ref document: EP Kind code of ref document: A1 |