JP3812985B2

JP3812985B2 - 自動監視装置

Info

Publication number: JP3812985B2
Application number: JP08617497A
Authority: JP
Inventors: 充世長谷川; 隆文枝並
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1997-04-04
Filing date: 1997-04-04
Publication date: 2006-08-23
Anticipated expiration: 2017-04-04
Also published as: US6128396A; JPH10285581A

Description

【０００１】
【発明の属する技術分野】
本発明は、自動監視装置に関し、特に、撮像装置から取り込んだ画像を基にして不審者等の検出対象物を自動的に検出する自動監視装置に関する。
【０００２】
近年、テレビカメラからの入力画像を監視し、不審者の侵入を自動的に検出して、警報を発したり、録画する自動監視装置が開発されている。
【０００３】
【従来の技術】
従来、例えば特開平４−２７３６８９号公報に開示される自動監視装置が知られる。この自動監視装置によれば、テレビカメラから得られる画像信号と、背景画像信号とを基にして、移動物体の移動経路と特徴量（形状特徴、形状変化率）とが抽出される。そして、移動物体の移動経路が、正常領域から外れ、予め設定された不審領域へ及んだような場合や、特徴量の１つが予め決められた閾値を超えた場合に、その移動物体を不審者であると判断して、警報を発したり、画像を管理者に自動通報する。
【０００４】
図１０は、銀行のキャッシュディスペンサの設置された部屋を示す平面図である。キャッシュディスペンサの利用者が通常移動し得る正常領域１０１と、利用者が通常移動する筈がない不審領域１０２とを、予め設定しておく。そして、検出された移動経路１０３が不審領域１０２に及ぶ場合には不審者として判断する。
【０００５】
【発明が解決しようとする課題】
しかし、従来の自動監視装置では、不審者を正確に検出することが難しく、正常な人物を不審者として検出したり、逆に不審者を検出し損なったりという誤検出の頻度が高いという問題がある。
【０００６】
例えば、図１１に示すように、刑務所の塀１０４の上部にテレビカメラ（図示せず）を向け、テレビカメラから得られた画像の中に不審領域１０５を設定したとする。この場合、不審領域１０５に移動物体１０６が存在すれば、この移動物体１０６を不審者と判断することになる。ところが、図１２に示すように、不審領域１０５に鳥１０７が飛来することがあり得、こうしたときにも、従来装置では、鳥１０７を不審者と判断してしまうという問題がある。
【０００７】
あるいはまた、塀１０４の外側に道路があり、夜間に自動車のヘッドライトが塀１０４に当たる場合、不審領域１０５に移動物体が存在しなくとも、ヘッドライトが当たった背景が移動物体として検出されるという問題もある。
【０００８】
誤検出は、自動監視装置に対する信頼感を失わせるので、誤検出の頻度をできるだけ低下させることが求められる。
なおまた、不審領域の設定や、比較対象となる閾値の設定では、それらの値を獲得することにも、またそれらの設定入力にも、人手を非常に必要とするという問題もある。
【０００９】
本発明はこのような点に鑑みてなされたものであり、検出すべき対象物のより正確な検出を図った自動監視装置を提供することを目的とする。
また、不審領域の設定や閾値の設定の省力化を図った自動監視装置を提供することを他の目的とする。
【００１０】
【課題を解決するための手段】
本発明では上記目的を達成するために、図１に示すように、撮像装置１から入力された画像信号を基に、画像中の移動物体に関する情報を検出する移動物体検出手段２と、移動物体検出手段２が検出した情報を基に、移動物体の特徴量を算出する特徴量算出手段３と、少なくとも、検出すべきでない非検出対象物に関する特徴量を格納する特徴量格納手段４と、特徴量算出手段３で算出された特徴量を、特徴量格納手段４に格納された特徴量と比較して、移動物体が検出対象であるか否かの判定を行う判定手段５とを有することを特徴とする自動監視装置が提供される。
【００１１】
また、自動監視装置は、特徴量算出手段３が算出した特徴量を、特徴量格納手段４に格納させる格納指令手段６をさらに有する。
以上のような構成において、テレビカメラ等の撮像装置１が、監視すべき場所の撮影を常時行い、その画像信号を移動物体検出手段２に送る。移動物体検出手段２は、撮像装置１から入力された画像信号を基に、画像中の移動物体に関する情報を検出する。移動物体検出手段２が検出した情報を基に、特徴量算出手段３が、移動物体の特徴量を算出する。特徴量としては、例えば、移動物体に関する位置、大きさ、色パターン情報、移動量等である。
【００１２】
一方、特徴量格納手段４は、少なくとも、検出すべきでない非検出対象物に関する特徴量を格納している。特徴量格納手段４は、好ましくは、検出すべきでない非検出対象物に関する特徴量を格納する第１の特徴量格納手段と、検出すべきである検出対象物に関する特徴量を格納する第２の特徴量格納手段とから構成される。判定手段５は、特徴量算出手段３で算出された移動物体に関する特徴量を、特徴量格納手段４に格納された特徴量と比較して、移動物体が検出対象であるか否かの判定を行う。
【００１３】
かくして、特徴量の種類が適切に選定され、かつ、特徴量格納手段４に格納された比較対象となる特徴量の値が適切に設定されていれば、検出すべき対象物のより正確な検出が可能となる。
【００１４】
また、初期段階において、オペレータが、撮像装置１から送られた実画像を見て、そこに写された移動物体が検出対象の移動物体か、検出対象でない移動物体かの判断を行う。格納指令手段６は、当該移動物体に関する特徴量算出手段３が算出した特徴量を、この判断に従い、特徴量格納手段４に選択的に格納させる。すなわち、特徴量格納手段４は、少なくとも、検出すべきでない非検出対象物に関する特徴量を学習することができる。特徴量格納手段４が第１の特徴量格納手段と第２の特徴量格納手段とを備えていれば、特徴量格納手段４は、非検出対象物に関する特徴量と検出対象物に関する特徴量とを学習することになり、判定手段５はより精度の高い判定が可能となる。
【００１５】
また、特徴量格納手段４は、実際の移動物体を基にして得られた特徴量を使用して、非検出対象物に関する特徴量と、検出対象物に関する特徴量とを学習することが可能である。したがって、比較対象としての精度の高い特徴量が人手を煩わせず自動的に入手できるとともに、そうした特徴量の設定が容易にできることになる。
【００１６】
【発明の実施の形態】
以下、本発明に係る自動監視装置についての実施の形態を、図面を参照して説明する。
【００１７】
まず、本発明の実施の形態の原理構成を、図１を参照して説明する。実施の形態は、撮像装置１から入力された画像信号を基に、画像中の移動物体に関する情報を検出する移動物体検出手段２と、移動物体検出手段２が検出した情報を基に、移動物体の特徴量を算出する特徴量算出手段３と、少なくとも、検出すべきでない非検出対象物に関する特徴量を格納する特徴量格納手段４と、特徴量算出手段３で算出された特徴量を、特徴量格納手段４に格納された特徴量と比較して、移動物体が検出対象であるか否かの判定を行う判定手段５とから構成される。
【００１８】
また、実施の形態はさらに、特徴量算出手段３が算出した特徴量を、特徴量格納手段４に格納させる格納指令手段６から構成される。
以上のような構成において、テレビカメラ等の撮像装置１が、監視すべき場所の撮影を常時行い、その画像信号を移動物体検出手段２に送る。移動物体検出手段２は、撮像装置１から入力された画像信号を基に、画像中の移動物体に関する情報を検出する。移動物体検出手段２が検出した情報を基に、特徴量算出手段３が、移動物体の特徴量を算出する。特徴量としては、例えば、移動物体に関する位置、大きさ、色パターン情報、移動量等である。
【００１９】
一方、特徴量格納手段４は、少なくとも、検出すべきでない非検出対象物に関する特徴量を格納している。特徴量格納手段４は、好ましくは、検出すべきでない非検出対象物に関する特徴量を格納する第１の特徴量格納手段と、検出すべきである検出対象物に関する特徴量を格納する第２の特徴量格納手段とから構成される。判定手段５は、特徴量算出手段３で算出された移動物体に関する特徴量を、特徴量格納手段４に格納された特徴量と比較して、移動物体が検出対象であるか否かの判定を行う。
【００２０】
かくして、特徴量の種類が適切に選定され、かつ、特徴量格納手段４に格納された比較対象となる特徴量の値が適切に設定されていれば、検出すべき対象物のより正確な検出が可能となる。
【００２１】
また、初期段階において、オペレータが、撮像装置１から送られた実画像を見て、そこに写された移動物体が検出対象の移動物体か、検出対象でない移動物体かの判断を行う。格納指令手段６は、当該移動物体に関する特徴量算出手段３が算出した特徴量を、この判断に従い、特徴量格納手段４に選択的に格納させる。すなわち、特徴量格納手段４は、少なくとも、検出すべきでない非検出対象物に関する特徴量を学習することができる。特徴量格納手段４が第１の特徴量格納手段と第２の特徴量格納手段とを備えていれば、特徴量格納手段４は、非検出対象物に関する特徴量と検出対象物に関する特徴量とを学習することになり、判定手段５はより精度の高い判定が可能となる。
【００２２】
また、特徴量格納手段４は、実際の移動物体を基にして得られた特徴量を使用して、非検出対象物に関する特徴量と、検出対象物に関する特徴量とを学習することが可能である。したがって、比較対象としての精度の高い特徴量が人手を煩わせず自動的に入手できるとともに、そうした特徴量の設定が容易にできることになる。
【００２３】
次に、実施の形態について具体的に詳しく説明する。
図２及び図３は、実施の形態の詳しい構成を示すブロック図であり、図２はその半分を、図３は残りの半分を示す。
【００２４】
図中、テレビカメラ１１が監視対象場所を撮影し、カラー映像をフレーム信号の形態で出力する。テレビカメラ１１から出力されたフレーム信号は、フレームメモリ１２に入力される。フレームメモリ１２は、テレビカメラ１１から今回、フレーム信号を受信すると、それまで格納していた前回のフレーム信号をフレームメモリ１３へ送り、今回のフレーム信号を格納する。フレームメモリ１３は、それまで格納していた前々回のフレーム信号の上に前回のフレーム信号を上書きする。
【００２５】
フレーム間差分算出部１４は、フレームメモリ１２及びフレームメモリ１３に格納された各フレーム信号を読み出し、両者のフレーム間差分を算出する。このフレーム間差分は移動物体の画像だけを示すことになる。一方、フレーム内差分算出部１５は、フレームメモリ１２に格納された今回のフレーム信号を読み出し、フレーム内差分を算出する。このフレーム内差分はエッジ（輪郭）部分を示すことになる。重畳算出部１６は、フレーム間差分算出部１４から送られたフレーム間差分と、フレーム内差分算出部１５から送られたフレーム内差分とが重なり合っている重畳部分を検出する。この重畳部分は、移動物体の画像の中でエッジ部分だけを示すことになる。
【００２６】
すなわち、移動物体を検出する場合において、従来のように、移動物体の写っている画像と背景画像との差分を利用する方法では、照明の点灯などによって、移動物体が存在しないにも拘わらず、移動物体を検出してしまう虞がある。また、フレーム間差分だけを利用する方法では、移動物体が急激に大きく移動した場合に、１つの移動物体を２つの移動物体として誤認してしまう虞がある。これに対して、移動物体画像のエッジ部分だけを検出する方法は、こうした両者の問題を解決している。なお、従来のような上記の検出方法を、本実施の形態に適応しても、ある程度の効果を得ることはできる。
【００２７】
特徴抽出部１７は、重畳算出部１６から出力された移動物体画像のエッジ部分を基にして、移動物体画像のエッジ部分のうちで、監視エリア指定部１８から指定された領域に入っている部分だけを取り出す。そして、その取り出された部分における特徴量を算出する。監視エリア指定部１８は外部からの指示により、監視すべき領域を特定する。この特徴抽出部１７で算出される特徴量を、図４を参照して説明する。
【００２８】
図４は、取り出された移動物体の形状の一例を示す図である。すなわち、特徴抽出部１７は、移動物体画像のエッジ部分３１によって囲まれた領域３２において、重心の座標（ｘ，ｙ）、領域３２のｘ方向のサイズｌｘ、ｙ方向のサイズｌｙ、色パターン情報Ｃを算出する。色パターン情報Ｃは、領域３２を所定の大きさの升目に分割した場合の各升目における色の平均値をマトリックスで表したものであり、フレームメモリ１２から直接送られた色情報に従い算出される。
【００２９】
こうした特徴量が移動量抽出部１９へ送られる。移動量抽出部１９は、今回フレームの発生時刻ｔにおける特徴量と、前回フレームの発生時刻（ｔー１）における特徴量とから、重心のｘ方向の移動量Δｘおよびｙ方向の移動量Δｙを算出する。そして、時刻ｔにおける特徴量Ｆ（ｔ）を行列作成部２０へ出力する。特徴量Ｆ（ｔ）は、下記式（１）で表されるように、領域３２における重心の座標（ｘ，ｙ）、ｘ方向のサイズｌｘ、ｙ方向のサイズｌｙ、色パターン情報Ｃ、重心のｘ方向の移動量Δｘ、ｙ方向の移動量Δｙからなる。
【００３０】
【数１】

【００３１】
行列作成部２０は、移動物体が監視領域に現れてから消失するまでの過程の特徴量Ｆ（ｔ），Ｆ（ｔ＋１），Ｆ（ｔ＋２），Ｆ（ｔ＋３）・・・を蓄積して、下記式（２）で表される移動パターン行列ＭＦ（ｔ）を作成する。
【００３２】
【数２】

【００３３】
次に図３に移って、類似度算出部２１は、行列作成部２０から出力された移動パターン行列ＭＦ（ｔ）と、行動パターン辞書保存部２２に保存されている検出パターンデータＴＤ（ｎ）及び非検出パターンデータＦＤ（ｎ）とを基にして距離Ｄｔｄ，Ｄｆｄを算出する。
【００３４】
行動パターン辞書保存部２２は、検出パターン辞書２２ａと非検出パターン辞書２２ｂとを備えており、検出パターン辞書２２ａには、下記式（３）で表される検出パターンデータＴＤ（ｎ）が保存され、非検出パターン辞書２２ｂには、下記式（４）で表される非検出パターンデータＦＤ（ｎ）が保存される。
【００３５】
【数３】

【００３６】
【数４】

【００３７】
検出パターンデータＴＤ（ｎ）及び非検出パターンデータＦＤ（ｎ）の作成方法については後述するが、検出パターンデータＴＤ（ｎ）のＴｄ０（ｔ），Ｔｄ１（ｔ），Ｔｄ２（ｔ）・・は各々、各種不審者に対応し、各不審者の移動パターン行列ＭＦ（ｔ）をそれぞれ表している。非検出パターンデータＦＤ（ｎ）のＦｄ０（ｔ），Ｆｄ１（ｔ），Ｆｄ２（ｔ）・・は各々、正常な人物、鳥等に対応し、それらの移動パターン行列ＭＦ（ｔ）をそれぞれ表している。
【００３８】
距離Ｄｔｄは下記式（５）に基づき算出され、距離Ｄｆｄは下記式（６）に基づき算出される。
【００３９】
【数５】

【００４０】
【数６】

【００４１】
上記式（５）では、検出された移動物体の特徴量と、各不審者の特徴量との距離（類似度合いの逆数に相当）を全時刻にわたって集計し、その集計値のうちで最小値となっている不審者を特定する。距離Ｄｔｄは、その特定された不審者の特徴量と、検出対象の移動物体の特徴量との距離を示している。上記式（６）の場合でも、不審者が正常な人物、鳥等に変わるだけ、他は式（５）の場合と同じである。なお、ここでの距離の計算は、ユークリッド距離、市街地距離、重み付きユークリッド距離（マハラノビス距離）等の中のいずれかの距離を求めることによって行われる。また、ＤＰ(Dynamic Program）マッチングを行うようにしてもよい。
【００４２】
判定部２３は、類似度算出部２１から距離Ｄｔｄ，Ｄｆｄを受け取り、下記式（７）が満たされるか否かを判定する。
【００４３】
【数７】

【００４４】
ここで、Ｔｈｆは、距離Ｄｆｄの関数として決定される閾値である。
上記式（７）が満たされるときは、検出対象の移動物体が不審者である可能性が非常に高いと判断される。そこで、このとき判定部２３は操作部２４へ「不審者の侵入」を通知する。この通知を受けると、操作部２４は画像表示部２５に対してテレビカメラ１１の出力画像を表示させ、監視者の注視に供する。勿論、画像表示部２５は常時、テレビカメラ１１の出力画像を表示するようにしておいてもよい。また、操作部２４は録画部２６にテレビカメラ１１の出力画像を録画させ、後刻の犯人捜査等に備えるようにする。さらに、操作部２４は警報部２７に警報の発生を促す。
【００４５】
なお操作部２４は、判定部２３から「正常者、鳥等の侵入」の通知も受けるようにしておく。そうした通知を受ける度に、操作部２４は学習指示部２９に対して学習指示を出力する。
【００４６】
一方、行動パターン保存部２８は、行列作成部２０から出力された移動パターン行列ＭＦ（ｔ）を一時的に保存しておく。学習指示部２９は、操作部２４から「正常者、鳥等の侵入」の通知を受けると、行動パターン保存部２８に保存されている、この通知に対応する移動物体の移動パターン行列ＭＦ（ｔ）を、非検出パターン辞書２２ｂに格納する。これによって、行動パターン辞書保存部２２の非検出パターン辞書２２ｂに、いろいろな非検出パターンデータＦＤ（ｎ）を学習させることができる。
【００４７】
また、学習指示部２９には、外部のオペレータから学習指示が入力されるようになっている。オペレータは、初期段階において、学習指示部２９を介して行動パターン辞書保存部２２に、検出すべき移動物体および検出すべきでない移動物体に関する移動パターン行列ＭＦ（ｔ）を学習させる。すなわち、オペレータは、初期段階において、画像表示部２５に表示される画像を参照しながら、移動物体が検出される度に、その移動物体が検出対象物体であるか、非検出対象物体であるかを識別し、その識別情報を添えて学習指示部２９に学習を指令する。学習指示部２９は、行動パターン保存部２８に保存された移動パターン行列ＭＦ（ｔ）を、その識別情報に従い、行動パターン辞書保存部２２の検出パターン辞書２２ａに、または非検出パターン辞書２２ｂに格納させる。つまり、移動物体が検出対象物体であると識別されていたときには、その移動物体に係る移動パターン行列ＭＦ（ｔ）を検出パターン辞書２２ａへ保存し、移動物体が非検出対象物体であると識別されていたときには、その移動物体に係る移動パターン行列ＭＦ（ｔ）を非検出パターン辞書２２ｂへ保存する。
【００４８】
こうした学習を行うことにより、不審者のより正確な検出が可能となるとともに、正常者や不審者に関する特徴の獲得や入力の省力化も図られる。
また、監視領域における照明の変化や、自動車のヘッドライト等により、移動物体が存在しないにも拘わらず、移動物体が検出されるようなケースに対しても、上記のように、オペレータが、画像表示部２５に表示される画像を参照しながら学習指示部２９に指令することにより、それらのケースを非検出パターン辞書２２ｂに学習させることができる。
【００４９】
入替部３０は、内部に時計を備え、予め設定された所定時刻において、非検出パターン辞書２２ｂに格納されている非検出対象物体に係る移動パターン行列ＭＦ（ｔ）を、検出パターン辞書２２ａへ移すことを行う。すなわち、例えば通用門を監視領域とする場合に、通常の時間帯において通用門を通過する人物に関する移動パターン行列ＭＦ（ｔ）を非検出パターン辞書２２ｂに格納しておく。そして、所定時刻になると非検出パターン辞書２２ｂに格納されている移動パターン行列ＭＦ（ｔ）を検出パターン辞書２２ａへ移す。所定時刻は、その時刻以降に通用門を通る人物は不審者として認められるような時刻に設定される。このようにすることにより、不審者に関する特徴の獲得や入力の省力化が図られる。
【００５０】
なお、行動パターン辞書保存部２２はハードディスクで構成される。フレーム間差分算出部１４、フレーム内差分算出部１５、重畳算出部１６、特徴抽出部１７、移動量抽出部１９、行列作成部２０、類似度算出部２１、判定部２３、操作部２４、行動パターン保存部２８、学習指示部２９、及び入替部３０はプロセッサによって構成される。
【００５１】
本実施の形態では、数式（２）で示したように、特徴量Ｆ（ｔ）に時間的な要素を加味した移動パターン行列ＭＦ（ｔ）を使用している。そのため、図１１，図１２で示したような従来の問題を解決することができる。これを、図５，図６を参照して説明する。
【００５２】
図５及び図６は、テレビカメラで撮影された画像の一例を示す図であり、図５は不審者の行動を示し、図６は同一場所を鳥が通過する様子を示す。すなわち、刑務所の塀３４の上部にテレビカメラ（図示せず）を向け、テレビカメラから得られた画像の中に監視領域３５を設定したとする。図５では不審者３６が左から右へ塀３４を乗り越しており、当然不審者として検出されるべきものである。一方、図６では鳥３７が右から左へ飛んでおり、これは不審者として検出してはならないものである。
【００５３】
この場合、不審者３６と鳥３７とでは、それらの画像の重心の座標（ｘ，ｙ）、ｘ方向のサイズｌｘ、ｙ方向のサイズｌｙ、色パターン情報Ｃのうちのいずれもが、あるいはいずれかにおいて、十分異なっている筈であるので、両者の区別は明確にできる筈である。しかし、特殊な事情により、両者がよく似通っていたとした場合、誤検出の可能性がある。ところが、本実施の形態では、不審者３６が左から右へ移動し、鳥３７が右から左へ移動しているという移動方向の違いが、移動パターン行列ＭＦ（ｔ）の違いとして大きく現れる。移動パターン行列ＭＦ（ｔ）は、時間的な要素が加味されているので、よく似た移動物体であっても、その行動の違いから両者の間に大きな差がある。したがって、不審者を正確に検出することができる。
【００５４】
なお、本実施の形態では、数式（１）で示したように、特徴量Ｆ（ｔ）に、ｘ方向のサイズｌｘ及びｙ方向のサイズｌｙが設定されている。そこで、これらの比ｌｘ／ｌｙを算出し、この値を利用して、不審者の検出精度を上げるようにしてもよい。これを、図７、図８を参照して説明する。
【００５５】
図７及び図８は、テレビカメラで撮影された画像の一例を示す図であり、図７は不審者の行動を示し、図８は塀際を通過する正常な人物の行動を示す。すなわち、刑務所の塀３８の上部にテレビカメラ（図示せず）を向け、テレビカメラから得られた画像の中に監視領域３９を設定したとする。図７では不審者４０が塀３８の上を乗り越えて脱走しており、当然不審者として検出されるべきものである。一方、塀３８の外側には塀３８に沿って道路があり、図８ではその道路を正常な人物４１が通行しており、この人物４１が監視領域３９内に入ってしまうが、これを不審者として検出してはならない。この場合、不審者４０と人物４１とは、監視領域３９内においては比ｌｘ／ｌｙが明らかに異なる。つまり、一方は立っており、他方は横になっている。したがって、比ｌｘ／ｌｙを比較することにより、不審者４０と人物４１とは正確に区別できることになる。
【００５６】
また、本実施の形態では、監視エリア指定部１８が外部からの指示により、監視すべき領域を特定するようになっているが、監視すべき領域を人手を労せず自動的に設定するようにしてもよい。これを、図９を参照して説明する。
【００５７】
図９は、テレビカメラで撮影された画像の一例を示す図である。図中、斜線で示す領域４３は、通常、人が頻繁に通行する領域であり、領域４４は、領域４３以外の、人が入ってはならない領域であるとする。
【００５８】
この場合に、移動物体画像の重心の座標（ｘ，ｙ）を長い時間にわたって蓄積し、そのヒストグラムを求める。このヒストグラムから領域４３を得ることができる。したがって、この得られた領域を監視エリア指定部１８へ送れば、人手をほとんど煩わせることなく容易に、監視すべき領域を設定することができる。また、領域の形状が複雑な場合でも容易に領域を設定することができる。
【００５９】
なおまた、上記の実施の形態では、行動パターン辞書保存部２２に検出パターン辞書２２ａと非検出パターン辞書２２ｂとを備えているが、これに代わって、行動パターン辞書保存部２２に非検出パターン辞書２２ｂだけを備えるようにしてもよい。この場合には、不審者の検出の正確さが低下するが、行動パターン辞書保存部２２を簡略化できる。
【００６０】
【発明の効果】
以上説明したように、特徴量格納手段が少なくとも、非検出対象物に関する特徴量を格納している。判定手段は、特徴量算出手段で算出された移動物体に関する特徴量を、特徴量格納手段に格納された特徴量と比較して、移動物体が検出対象物体であるか否かの判定を行う。特徴量の種類を適切に選定し、かつ、特徴量格納手段に格納された特徴量の値を適切に設定する。
【００６１】
これにより、検出すべき対象物のより正確な検出が可能となる。
また、初期段階において、オペレータが、撮像装置から送られた実画像を見て、そこに写された移動物体が検出対象の移動物体か、検出対象でない移動物体かの判断を行う。格納指令手段は、当該移動物体に関する特徴量算出手段が算出した特徴量を、この判断に従い、特徴量格納手段に選択的に格納させる。
【００６２】
これにより、特徴量格納手段は、少なくとも、検出すべきでない非検出対象物に関する特徴量を学習することができ、判定手段はより精度の高い判定が可能となる。
【００６３】
また、特徴量格納手段は、実際の移動物体を基にして得られた特徴量を使用して、非検出対象物に関する特徴量と、検出対象物に関する特徴量とを学習することが可能である。したがって、比較対象としての精度の高い特徴量が人手を煩わせず自動的に入手できるとともに、そうした特徴量の設定が容易にできることになる。
【図面の簡単な説明】
【図１】原理説明図である。
【図２】実施の形態の詳しい構成の半分を示すブロック図である。
【図３】実施の形態の詳しい構成の残りの半分を示すブロック図である。
【図４】移動物体の形状の一例を示す図である。
【図５】テレビカメラで撮影された不審者の行動に係る画像の一例を示す図である。
【図６】テレビカメラで撮影された鳥の行動に係る画像の一例を示す図である。
【図７】テレビカメラで撮影された不審者の行動に係る画像の一例を示す図である。
【図８】テレビカメラで撮影された、塀際を通過する正常な人物の行動に係る画像の一例を示す図である。
【図９】テレビカメラで撮影された画像の一例を示す図である。
【図１０】銀行のキャッシュディスペンサの設置された部屋を示す平面図である。
【図１１】テレビカメラで撮影された不審者の行動に係る画像の一例を示す図である。
【図１２】テレビカメラで撮影された鳥の行動に係る画像の一例を示す図である。
【符号の説明】
１撮像装置
２移動物体検出手段
３特徴量算出手段
４特徴量格納手段
５判定手段
６格納指令手段

Claims

撮像装置から取り込んだ画像を基にして検出対象物を自動的に検出する自動監視装置において、
撮像装置から入力された画像信号を基に、画像中の移動物体に関する情報を検出する移動物体検出手段と、
前記移動物体検出手段が検出した情報を基に、前記移動物体の特徴量を算出する特徴量算出手段と、
検出すべきでない非検出対象物に関する特徴量を格納する第１の特徴量格納手段と、
検出すべきである検出対象物に関する特徴量を格納する第２の特徴量格納手段と、
前記特徴量算出手段が算出した特徴量を、前記第１の特徴量格納手段及び前記第２の特徴量格納手段に格納された特徴量と比較して、前記移動物体が検出対象であるか否かの判定を行う判定手段と、
所定時刻に、前記第１の特徴量格納手段に格納されていた特徴量を、前記第２の特徴量格納手段に移動させる特徴量移動手段と、
を有することを特徴とする自動監視装置。
撮像装置から取り込んだ画像を基にして検出対象物を自動的に検出する自動監視装置において、
撮像装置から入力された画像信号を基に、画像中の移動物体に関する情報を検出する移動物体検出手段と、
前記移動物体検出手段が検出した情報を基に、前記移動物体の特徴量を算出する特徴量算出手段と、
検出すべきでない非検出対象物に関する特徴量を格納する第１の特徴量格納手段と、
検出すべきである検出対象物に関する特徴量を格納する第２の特徴量格納手段と、
前記特徴量算出手段で算出された特徴量と、前記第１の特徴量格納手段に格納された特徴量との第１の距離を算出する第１の距離算出手段と、
前記特徴量算出手段で算出された特徴量と、前記第２の特徴量格納手段に格納された特徴量との第２の距離を算出する第２の距離算出手段と、
前記第２の距離を前記第１の距離に応じて決定される閾値と比較し、前記第２の距離が所定の閾値よりも小さいときに、前記移動物体が検出対象であると判定する検出対象判定手段と、
を有することを特徴とする自動監視装置。
撮像装置から取り込んだ画像を基にして検出対象物を自動的に検出する自動監視装置において、
撮像装置から入力された画像信号を基に、画像中の移動物体に関する情報を検出する移動物体検出手段と、
前記移動物体検出手段が検出した情報を基に、前記移動物体の特徴量を算出する特徴量算出手段と、
少なくとも、検出すべきでない非検出対象物に関する特徴量を格納する特徴量格納手段と、
前記特徴量算出手段で算出された特徴量を、前記特徴量格納手段に格納された特徴量と比較して、前記移動物体が検出対象であるか否かの判定を行う判定手段と、
前記特徴量算出手段で算出された特徴量を所定時間にわたって蓄積する蓄積手段と、
前記蓄積手段で蓄積された特徴量を利用して、前記移動物体検出手段によって移動物体に関する情報の検出が行われるべき画像領域を設定する領域設定手段と、
を有することを特徴とする自動監視装置。