JP2011035663A - Monitoring device and monitoring method - Google Patents
Monitoring device and monitoring method Download PDFInfo
- Publication number
- JP2011035663A JP2011035663A JP2009179893A JP2009179893A JP2011035663A JP 2011035663 A JP2011035663 A JP 2011035663A JP 2009179893 A JP2009179893 A JP 2009179893A JP 2009179893 A JP2009179893 A JP 2009179893A JP 2011035663 A JP2011035663 A JP 2011035663A
- Authority
- JP
- Japan
- Prior art keywords
- detection
- likelihood
- monitoring
- area
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、所定の領域を対象として移動オブジェクトを監視する監視装置および監視方法に関する。 The present invention relates to a monitoring apparatus and a monitoring method for monitoring a moving object for a predetermined area.
従来、工場やオフィス等において、人物や物体の位置を含む移動体の動きを監視することが行われている。監視結果は、例えば、人物の動線や作業効率の解析に用いられ、作業環境の改善に役立てられる。 Conventionally, in a factory, an office, or the like, the movement of a moving body including the position of a person or an object is monitored. The monitoring result is used for, for example, analysis of a person's flow line and work efficiency, and is used to improve the work environment.
人物等の、監視の対象であって移動するオブジェクト（以下「移動オブジェクト」という）検出には、各種のセンサが用いられる。このセンサは、例えば、カメラ撮影画像と、画像中の移動オブジェクトの位置を算出するための付随情報とを出力するカメラである。また、他のセンサとしては、移動オブジェクトに取り付けられた、もしくは移動オブジェクトが所持する無線タグからの電波を検出することによって移動オブジェクトの位置を検出するセンサである。 Various sensors are used for detecting a moving object (hereinafter referred to as “moving object”) such as a person who is a monitoring target. This sensor is, for example, a camera that outputs a camera-captured image and accompanying information for calculating the position of a moving object in the image. Another sensor is a sensor that detects the position of the moving object by detecting radio waves from a wireless tag attached to the moving object or possessed by the moving object.
センサは、機材や机等の物体の陰となる領域に移動オブジェクトが存在している場合、これを検出することができない、あるいは検出が不安定となる。以下、センサによる移動オブジェクト検出の障害となる物体を、「障害物」という。また、障害物に起因してセンサが移動オブジェクトの位置を検出することができない領域、あるいは不安定となる領域を、ここでは「不検知領域」という。 When a moving object is present in an area behind the object such as equipment or a desk, the sensor cannot detect this or the detection becomes unstable. Hereinafter, an object that is an obstacle to detection of a moving object by a sensor is referred to as an “obstacle”. In addition, a region where the sensor cannot detect the position of the moving object due to an obstacle or a region where the position is unstable is referred to as a “non-detection region”.
監視装置が現在の不検知領域を管理していれば、例えば、センサによる移動オブジェクトの検出が不可能なはずの位置に移動オブジェクトが存在すると推定することを防ぐことが可能になり、高い監視精度を確保できる。 If the monitoring device manages the current non-detection area, for example, it is possible to prevent a moving object from being estimated at a position where a moving object should not be detected by a sensor, and high monitoring accuracy can be achieved. Can be secured.
ところが、工場やオフィスでは、製造ラインの変更や人員配置の変化に応じて、機材や机などの位置を変更することが度々行われるのが一般的であり、不検知領域も変化する。 However, in a factory or office, it is common to frequently change the position of equipment, desks, etc. in accordance with changes in production lines and personnel arrangements, and the non-detection area also changes.
そこで、例えば特許文献１に記載された技術を用いて、レイアウトの変更を認識することが考えられる。 Thus, for example, it is conceivable to recognize a change in layout using the technique described in Patent Document 1.
図１は、特許文献１に開示されたレイアウト構成管理システムの構成を示すブロック図である。 FIG. 1 is a block diagram showing the configuration of the layout configuration management system disclosed in Patent Document 1. As shown in FIG.
図１において、システム１０は、カメラ１１、画像伝送装置１２、画像監視ＰＣ（personal computer）１３、画像蓄積ＤＢ（database）１４、ルータ１５、レイアウト構成変更受付サーバ２１、構成管理サーバ２２、構成管理ＤＢ２３、ルータ２４等を有する。
In FIG. 1, a
ライトタグ３２は、独特な点滅を周期的に行う小型のライトを有しており、点滅の周期の違い等によって、他のライトタグ３２と識別可能となっている。カメラ１１は、ライトタグ３２が取り付けられた管理対象機器（障害物）３１を撮像し、映像信号を画像伝送装置１２へ送信する。画像伝送装置１２は、デジタル化した映像データを画像監視ＰＣ１３へ送信する。画像監視ＰＣ１３は、入力された映像データからライトタグ３２の位置を判定する。このように、システム１０は、ライトタグ３２の位置を、障害物の位置として検出することができる。
The light tag 32 has a small light that periodically performs unique blinking, and can be distinguished from other light tags 32 by a difference in blinking period or the like. The
更に、画像監視ＰＣ１３は、検出された管理対象機器３１の位置と、画像蓄積ＤＢ１４に記録された過去のレイアウト構成図とを比較することにより、管理対象機器３１の移動があったことを検出する。画像監視ＰＣ１３は、このようなレイアウト構成変更を見出すと、レイアウト構成変更通知を、ルータ１５、公衆網／インターネット４を介して、サービスセンタ装置へ送信する。
Furthermore, the image monitoring PC 13 detects that the
このような技術を用いることにより、各障害物の位置から、レイアウトが変更されたことが認識可能となる。 By using such a technique, it is possible to recognize that the layout has been changed from the position of each obstacle.
しかしながら、特許文献１記載のシステムは、障害物となり得る物体の全てにライトタグが必要であり、かつ、全てのライトタグとライトタグの検出のための画像処理方式との対応を常に取らなければならない。したがって、特許文献１記載のシステムは、以下のような課題を有する。まず、障害物の多くがライトタグ付きのものではない場合には、ライトタグを後付けするのに多大な労力とコストが掛かる。一方、障害物の多くがライトタグ付きのものである場合には、タグの種類変更やバージョンアップの可能性を鑑みると、汎用性に欠け、設備コストが掛かる。すなわち、いずれの場合も、高い監視精度を得るためには多大な負担が掛かる。 However, the system described in Patent Document 1 requires light tags for all objects that can be obstacles, and all the light tags and image processing methods for detecting the light tags must always be taken. Don't be. Therefore, the system described in Patent Document 1 has the following problems. First, when many obstacles are not attached with a light tag, it takes a lot of labor and cost to retrofit the light tag. On the other hand, when many of the obstacles are equipped with a light tag, considering the possibility of tag type change or version upgrade, generality is lacking and equipment costs are increased. That is, in either case, a great burden is required to obtain high monitoring accuracy.
本発明の目的は、より少ない負担で高い監視精度を得ることができる監視装置および監視方法を提供することである。 An object of the present invention is to provide a monitoring device and a monitoring method capable of obtaining high monitoring accuracy with less burden.
本発明の監視装置は、所定の領域を対象として移動オブジェクトの検出を行うセンサを用いて、前記移動オブジェクトを監視する監視装置であって、前記監視に用いられる、前記センサの検出尤度の推定値を記憶する推定値管理部と、前記センサの検出結果から、前記所定の領域に前記移動オブジェクトが存在することの確からしさを示すオブジェクト尤度を算出する尤度算出部と、前記推定値管理部が記憶する前記検出尤度の推定値と、前記尤度算出部が算出する前記オブジェクト尤度との比較に基づいて、前記推定値管理部が記憶する前記検出尤度の推定値の更新が必要であるか否かを判定する更新判定部と、前記更新判定部による判定結果を通知する通知部とを有する。 The monitoring device of the present invention is a monitoring device that monitors a moving object using a sensor that detects a moving object in a predetermined region, and estimates the detection likelihood of the sensor used for the monitoring. An estimated value management unit that stores a value, a likelihood calculating unit that calculates an object likelihood indicating the probability that the moving object exists in the predetermined area, from the detection result of the sensor, and the estimated value management The estimated value of the detection likelihood stored by the estimated value management unit is updated based on a comparison between the estimated value of the detection likelihood stored by the unit and the object likelihood calculated by the likelihood calculating unit. An update determination unit that determines whether or not it is necessary, and a notification unit that notifies a determination result by the update determination unit.
本発明の監視方法は、所定の領域を対象として移動オブジェクトの検出を行うセンサを用いて、前記移動オブジェクトを監視する監視方法であって、前記センサの検出結果から、前記所定の領域に前記移動オブジェクトが存在することの確からしさを示すオブジェクト尤度を算出するステップと、前記監視に用いられる、予め記憶された前記センサの検出尤度の推定値と、算出された前記オブジェクト尤度との比較に基づいて、記憶された前記検出尤度の推定値の更新が必要であるか否かを判定するステップと、前記検出尤度の推定値の更新が必要であるか否かの判定結果を通知するステップとを有する。 The monitoring method of the present invention is a monitoring method for monitoring the moving object using a sensor that detects a moving object for a predetermined area, and the movement to the predetermined area is performed based on a detection result of the sensor. A step of calculating an object likelihood indicating the probability that an object exists, a comparison between the pre-stored estimated detection likelihood of the sensor used for the monitoring and the calculated object likelihood A step of determining whether or not the stored estimated value of the detection likelihood needs to be updated, and a determination result indicating whether or not the estimated value of the detection likelihood needs to be updated A step of performing.
本発明によれば、より少ない負担で高い監視精度を得ることができる。 According to the present invention, high monitoring accuracy can be obtained with less burden.
以下、本発明の一実施の形態について、図面を参照して詳細に説明する。 Hereinafter, an embodiment of the present invention will be described in detail with reference to the drawings.
図２は、本発明の一実施の形態に係る監視装置が使用される環境の概要を示す図である。ここでは、監視装置が、工場において製品の製造を行う作業者の位置を監視する用途で使用される場合を一例として説明する。 FIG. 2 is a diagram showing an outline of an environment in which the monitoring apparatus according to the embodiment of the present invention is used. Here, a case where the monitoring device is used for the purpose of monitoring the position of an operator who manufactures a product in a factory will be described as an example.
図２において、監視装置１００は、ステレオカメラを有するセンサ１１０と、パーソナルコンピュータ等の情報処理装置１２１とから成る。センサ１１０は、その監視領域（撮影範囲）１１０ａを工場２００内に向けて、配置されており、画像データと撮影対象の三次元位置を取得するための情報とを得ることが可能である。工場２００内には、機材や机等の管理対象機器が、障害物２１０として存在する。センサ１１０は、監視領域を撮影する。そして、情報処理装置１２１は、センサ１１０で撮影された画像データと三次元位置を取得するための情報とから成るセンシング情報を解析し、作業者２２０の存在する位置を推定する。作業者２２０の存在する位置は、例えば、工場２００の床面に沿って設定されたＸＹ座標系の座標値を用いて表される。
In FIG. 2, the
この際、監視装置１００が、不検知領域２１０ａの位置を示す情報（以下「不検知領域情報」という）を予め記憶していれば、不検知領域２１０ａでは検出の精度が低いことを考慮した判定結果を生成することが可能となる。
At this time, if the
ところが、工場２００のレイアウト変更等により障害物２１０の種類や位置が変化した場合には、実際の不検知領域２１０ａは、記憶されていた不検知領域情報に対応しなくなり、監視装置１００の監視精度が確保できなくなる。このような場合は、不検知領域の再設定が必要となる。
However, when the type or position of the
図３は、不検知領域の判定の一例を示す図である。 FIG. 3 is a diagram illustrating an example of determination of a non-detection region.
図３に示すように、まず、ユーザは、監視領域１１０ａを分割した分割領域の代表点である計測ポイントそれぞれに、認識対象物となるマーカ３００を置く。ここで、マーカ３００は、予め定められた格子状の図形パターンとする。そして、図２に示す監視装置１００は、撮像した画像データに対してマーカ３００の図形パターンを抽出する画像認識処理を行い、マーカ３００の認識レベルを算出する。そして、監視装置１００は、認識レベルが閾値未満のマーカ３００が置かれた計測ポイントを代表点とする分割領域を不検知領域であると判定し、不検知領域情報を生成・更新する。この結果、図３に示すように、認識できない、あるいは認識レベルの低いマーカ３００ａが置かれた分割領域が、不検知領域として記憶される。ユーザは、不検知領域情報の更新が終了した後に、マーカ３００を撤去する。
As shown in FIG. 3, first, the user places a
すなわち、不検知領域の判定には、マーカ３００を各計測ポイントに配置して撤去するという作業が必要となる。また、監視装置１００の監視精度を維持するためには、不検知領域の判定および不検知領域情報の更新を行う必要がある。具体的には、少なくとも、監視装置１００の作業者２２０に対する検出の精度に影響を及ぼす変化（以下、単に「状況変化」という）がある毎に、更新を行うことが求められる。
In other words, the determination of the non-detection area requires an operation of disposing the
ユーザの負担を軽減するには、状況変化があったときにのみ、不検知領域の判定および不検知領域情報の更新を行うことが望ましい。しかしながら、例えば、障害物２１０の状態が変化したからといって、必ずしも不検知領域が大きく変化するとは限らない。したがって、ユーザが、状況変化が生じたといえるかどうかの判断を正しく行うことは困難である。
In order to reduce the burden on the user, it is desirable to determine the non-detection area and update the non-detection area information only when the situation changes. However, for example, just because the state of the
そこで、本実施の形態に係る監視装置１００は、状況変化が生じたか否かを逐次判定し、判定結果をユーザに通知する。これにより、ユーザは、不検知領域の判定および不検知領域情報の更新を行うべきタイミングを知ることができる。したがって、少ないユーザ負担で、高い監視精度を得ることができる。
Therefore,
図４は、監視装置１００の構成の一例を示すブロック図である。
FIG. 4 is a block diagram illustrating an example of the configuration of the
図４において、監視装置１００は、センサ１１０、不検知領域判定部１２０、不検知領域管理部１３０、検出尤度推定部１４０、検出尤度推定値管理部１５０、出力部１６０、オブジェクト尤度算出部１７０、不検知領域更新判定部１８０、および通知部１９０を有する。
4, the
センサ１１０は、監視領域１１０ａを撮影し、画像データを含むセンシング情報を、不検知領域判定部１２０およびオブジェクト尤度算出部１７０へ出力する。
The
不検知領域判定部１２０は、センサ１１０から入力された画像データに対して画像認識処理を行い、不検知領域を判定する。具体的には、不検知領域判定部１２０は、監視領域１１０ａを分割した分割領域の代表点である計測ポイントそれぞれに置かれたマーカ３００の認識レベルに基づいて、各分割領域が不検知領域か否かを判定する。そして、不検知領域判定部１２０は、判定結果を、不検知領域管理部１３０へ出力する。
The non-detection
不検知領域管理部１３０は、不検知領域判定部１２０から入力された判定結果に基づき、不検知領域情報を生成・管理する。不検知領域情報は、分割領域毎に、領域番号、分割領域の基準位置の座標値、および不検知領域であるか否かを示す不検知ＩＤ（identifier）を対応付けた情報である。なお、不検知領域管理部１３０は、キーボード等の入力装置（図示せず）を介して、ユーザから、既存の不検知領域情報に対する編集や、新規の不検知領域情報の手入力を受け付けても良い。
The non-detection
検出尤度推定部１４０は、不検知領域管理部１３０において管理されている不検知領域情報に基づいて、分割領域毎の検出尤度を推定する。そして、検出尤度推定部１４０は、推定した検出尤度を、分割領域毎の検出尤度推定値（後述するオブジェクト尤度算出部の作業者の画像の認識レベルの推定値）として、領域番号と対応付けて、検出尤度推定値管理部１５０へ出力する。
The detection
検出尤度は、分割領域毎に算出される、状況変化の判定の基準となる値である。具体的には、当該分割領域内に作業者が存在すると推定された場合に算出されるであろう作業者の画像の認識レベルの推定値であり、分割領域が検知可能領域である場合には高く、分割領域が不検知領域である場合には低くなる傾向がある。 The detection likelihood is a value that is calculated for each divided region and serves as a criterion for determining a situation change. Specifically, it is an estimated value of the recognition level of the worker's image that will be calculated when it is estimated that the worker exists in the divided area, and when the divided area is a detectable area It tends to be high when the divided area is a non-detection area.
検出尤度推定値管理部１５０は、検出尤度推定部１４０によって入力された検出尤度推定値に基づき、検出尤度推定値情報を生成・管理する。検出尤度推定値情報は、分割領域毎に、領域番号と、検出尤度推定値とを対応付けた情報である。
The detection likelihood estimation
出力部１６０は、不検知領域管理部１３０が管理する不検知領域情報の内容や、検出尤度推定値管理部１５０が管理する検出尤度推定値情報の内容を、液晶ディスプレイ等の表示部（図示せず）を用いて出力する。
The
オブジェクト尤度算出部１７０は、本来の監視用の処理である作業者位置情報生成処理と、オブジェクト尤度算出処理とを行う。作業者位置情報生成処理は、不検知領域管理部１３０において管理されている不検知領域情報と、センサ１１０から入力されるセンシング情報とに基づいて、監視領域１１０ａ内を移動する作業者２２０の位置を推定し、作業者位置情報を生成する処理である。作業者位置情報は、作業者の位置と、作業者の画像の認識レベルとから成る。
The object
作業者位置情報は、例えば「（５００，２００），８９％」のようなデータとなる。「（５００，２００）」は、作業者の監視領域内の位置を示す。「８９％」は、「（５００，２００）」という位置における作業者の画像の認識レベルを示し、例えば、０〜１００％の値をとり得る。 The worker position information is data such as “(500, 200), 89%”, for example. “(500, 200)” indicates a position in the monitoring area of the worker. “89%” indicates the recognition level of the worker's image at the position “(500, 200)”, and can take a value of 0 to 100%, for example.
オブジェクト尤度算出処理は、状況変化の可能性があると判断されたときに、対応する分割領域毎に、上述の認識レベルの平均値を算出する処理である。ここで、状況変化の可能性がある場合とは、検出された位置が不検知領域に存在し、かつ認識レベルの高い作業者位置情報が生成された場合、つまり不検知領域内に作業者が存在する可能性が高いと推定された場合である。また、状況変化の可能性がある場合とは、検出された位置が検知可能領域に存在し、かつ認識レベルの低い作業者位置情報が生成された場合である。 The object likelihood calculation process is a process of calculating the above average value of the recognition levels for each corresponding divided region when it is determined that there is a possibility of a situation change. Here, there is a possibility of a situation change when the detected position exists in the non-detection area and the worker position information with a high recognition level is generated, that is, the worker is in the non-detection area. This is a case where it is estimated that there is a high probability of being present. Further, the case where there is a possibility of a situation change is a case where the detected position exists in the detectable region and worker position information with a low recognition level is generated.
オブジェクト尤度算出部１７０は、作業者２２０の位置を示す作業者位置情報を、通知部１９０へ出力する。また、オブジェクト尤度算出部１７０は、各分割領域の領域番号と算出した作業者の画像の認識レベルの平均値とを対応付けたオブジェクト尤度情報を、不検知領域更新判定部１８０へ出力する。認識レベルの平均値は、例えば、同一の分割領域で検出された作業者の画像全ての認識レベルの合計値を、その検出個数で除した値である。
The object
オブジェクト尤度は、抽出された各画像の認識レベルに対応した値である。したがって、オブジェクト尤度は、分割領域が検知可能領域である場合には高く、分割領域が不検知領域である場合には低くなる傾向がある。 The object likelihood is a value corresponding to the recognition level of each extracted image. Therefore, the object likelihood tends to be high when the divided area is a detectable area and low when the divided area is a non-detectable area.
不検知領域更新判定部１８０は、検出尤度推定値管理部１５０が管理する検出尤度推定値と、オブジェクト尤度算出部１７０から入力されたオブジェクト尤度情報を各分割領域毎に比較することにより、状況変化があったか否かを判定する。すなわち、不検知領域更新判定部１８０は、不検知領域情報の更新が必要か否かを判定する。そして、不検知領域更新判定部１８０は、不検知領域情報の更新が必要であると判定したときに、その旨を示す更新通知情報を、通知部１９０へ出力する。
The non-detection region
状況変化が無い場合には、各分割領域のオブジェクト尤度の変化は小さく、分割領域毎のオブジェクト尤度と検出尤度推定値との差も小さい。しかし、状況変化があった場合には、オブジェクト尤度の変化は大きくなり、オブジェクト尤度と検出尤度推定値との差も大きくなる。また、より大きな状況変化があるほど、オブジェクト尤度と検出尤度推定値との差はより大きくなる。そこで、不検知領域更新判定部１８０は、上述の数値範囲が揃えられた状態において、オブジェクト尤度と検出尤度推定値との差の大小に基づいて、状況変化の有無、つまり不検知領域情報の更新が必要か否かを判定する。
When there is no change in the situation, the change in the object likelihood of each divided region is small, and the difference between the object likelihood and the detection likelihood estimated value for each divided region is also small. However, when there is a change in the situation, the change in the object likelihood increases, and the difference between the object likelihood and the detected likelihood estimate also increases. Also, the greater the change in the situation, the greater the difference between the object likelihood and the detection likelihood estimate. Therefore, the non-detection region
通知部１９０は、更新通知情報の通知の他に、オブジェクト尤度算出部１７０から入力される作業者位置情報の内容を、上述の表示部を用いて出力する。また、通知部１９０は、不検知領域更新判定部１８０から更新通知情報が入力されたとき、不検知領域情報の内容を表示部により出力する。
In addition to the notification of the update notification information, the
なお、監視装置１００は、図示しないが、例えば、ＣＰＵ（central processing unit）、制御プログラムを格納したＲＯＭ（read only memory）、ＲＡＭ（random access memory）等の作業用メモリを有する。この場合、監視装置１００は、ＣＰＵにおける制御プログラムの実行によって、上述した各部の機能を実現する。
Although not shown, the
このような構成を有する監視装置１００は、作業者位置情報生成処理を実行することにより、作業者２２０の位置を、リアルタイムで監視して画像表示することができる。また、監視装置１００は、作業者位置情報生成処理において推定される作業者２２０の位置に対するオブジェクト尤度を用いて、監視領域の状況変化の有無を判定する。これにより、本実施の形態の監視装置１００は、不検知領域情報の更新が必要である旨をユーザに通知することができる。
The
次に、監視装置１００の動作について説明する。
Next, the operation of the
図５は、監視装置１００の全体動作の一例を示すフローチャートである。
FIG. 5 is a flowchart illustrating an example of the overall operation of the
図５に示すように、監視装置１００は、不検知領域判定処理（Ｓ１０００）、検出尤度推定処理（Ｓ２０００）、および監視処理（Ｓ３０００）を、この順序で実行する。不検知領域判定処理は、不検知領域情報を得るための処理である。検出尤度推定処理は、分割領域毎の検出尤度推定値を得るための処理である。監視処理は、作業者２２０の監視および不検知領域情報の更新の通知を行うための処理である。
As shown in FIG. 5, the
図６は、不検知領域判定処理の一例を示すフローチャートである。 FIG. 6 is a flowchart illustrating an example of the non-detection area determination process.
まず、ステップＳ１１００において、センサ１１０は、監視領域１１０ａを撮影し、画像データを不検知領域判定部１２０へ出力する。このとき、監視領域１１０ａの各分割領域の代表点である計測ポイントにはそれぞれ、マーカ３００が置かれた状態となっている（図３参照）。センサ１１０は、全ての計測ポイントにマーカ３００が置かれた状態で、１回で全てのマーカ３００の撮影を行っても良いし、マーカ３００を移動させながら複数回に分けて撮影を行っても良い。
First, in step S1100, the
そして、ステップＳ１２００において、不検知領域判定部１２０は、分割領域を１つ選択する。各分割領域の位置および領域番号は、予め不検知領域判定部１２０に設定されている。
In step S1200, the non-detection
そして、ステップＳ１３００において、不検知領域判定部１２０は、画像データのうち選択中の分割領域に対応する部分に対して、マーカ３００の図形パターンを抽出する画像認識処理を行い、マーカ３００の認識レベルを算出する。画像認識処理は、例えば、画像特徴量の抽出と、予め用意された格子点の画像の画像特徴量とのパターンマッチングとにより行われる。
In step S1300, the non-detection
そして、ステップＳ１４００において、不検知領域判定部１２０は、例えば、検出された格子点の数が予め定められた第１の閾値を超えているか否かを判定する。不検知領域判定部１２０は、格子点の数が第１の閾値を超えている場合には（Ｓ１４００：ＹＥＳ）、ステップＳ１５００へ進み、格子点の数が第１の閾値以下の場合には（Ｓ１４００：ＮＯ）、ステップＳ１６００へ進む。
In step S1400, the non-detection
ステップＳ１５００において、不検知領域判定部１２０は、選択中の分割領域を検知可能領域と判定し、判定結果を不検知領域管理部１３０へ出力して、ステップＳ１７００へ進む。
In step S1500, the non-detection
また、ステップＳ１６００において、不検知領域判定部１２０は、選択中の分割領域を不検知領域と判定し、判定結果を不検知領域管理部１３０へ出力して、ステップＳ１７００へ進む。
In step S1600, the non-detection
ステップＳ１７００において、不検知領域判定部１２０は、全ての分割領域について不検知領域の判定を完了したか否かを判断する。不検知領域判定部１２０は、未処理の分割領域が残っている場合には（Ｓ１７００：ＮＯ）、ステップＳ１２００へ戻り、未処理の分割領域を１つ選択して処理を繰り返す。不検知領域判定部１２０は、全ての分割領域について処理を完了した場合には（Ｓ１７００：ＹＥＳ）、ステップＳ１８００へ進む。
In step S1700, the non-detection
図７は、不検知領域判定部１２０による判定結果の一例を示す図である。
FIG. 7 is a diagram illustrating an example of a determination result by the non-detection
図７に示すように、不検知領域判定部１２０は、例えば、監視領域１１０ａをＸ軸およびＹ軸に沿って３×３マトリクス状に分割した９個の分割領域のそれぞれを、領域番号によって識別する。
As illustrated in FIG. 7, the non-detection
例えば、領域番号６、８の分割領域に置かれたマーカ３００が、充分な認識レベルで検出されなかった（つまり、認識された格子点の数が第１の閾値以下であった）とする。この場合、不検知領域判定部１２０は、領域番号６、８の分割領域を、不検知領域と判定し、その他の分割領域を、検知可能領域と判定する。
For example, it is assumed that the
図６のステップＳ１８００において、不検知領域管理部１３０は、不検知領域判定部１２０から入力された判定結果に基づいて、不検知領域情報を生成し、生成した不検知領域情報を登録する。登録された不検知領域情報は、不検知領域管理部１３０によって、他の装置部から読み出し可能な状態で管理される。不検知領域情報は、例えば、各分割領域の位置情報をリスト化した分割領域情報と、不検知領域の領域番号をリスト化した不検知領域番号情報とから成る。
In step S1800 in FIG. 6, the non-detection
図８は、分割領域情報の記述例を示す図である。 FIG. 8 is a diagram illustrating a description example of divided region information.
図８に示すように、分割領域情報４１０は、領域番号４１１に対応付けて、Ｘ軸座標値４１２およびＹ軸座標値４１３を記述する。Ｘ軸座標値４１２およびＹ軸座標値４１３は、分割領域の基準位置の座標値である。
As illustrated in FIG. 8, the divided
図９は、不検知領域番号情報の記述例を示す図である。 FIG. 9 is a diagram illustrating a description example of non-detection area number information.
図９に示すように、不検知領域番号情報４２０は、不検知ＩＤ４２１に対応付けて、領域番号４２２を記述する。
As illustrated in FIG. 9, the non-detection
ここで、分割領域の大きさは所定の固定値であり、分割領域の基準位置は分割領域の中心位置であるものとする。この場合、分割領域情報４１０および不検知領域番号情報４２０を参照することにより、監視領域１１０ａの任意の位置が、どの分割領域に属するか、および不検知領域に属するか否かを、容易に判断することができる。
Here, the size of the divided area is a predetermined fixed value, and the reference position of the divided area is the center position of the divided area. In this case, by referring to the divided
このような不検知領域判定処理により、監視装置１００は、監視領域１１０ａの不検知領域情報を得ることができる。
By such a non-detection area determination process, the
図１０は、検出尤度推定処理の一例を示すフローチャートである。 FIG. 10 is a flowchart illustrating an example of the detection likelihood estimation process.
まず、ステップＳ２１００において、検出尤度推定部１４０は、分割領域を１つ選択する。この選択は、例えば、不検知領域管理部１３０に登録された不検知領域情報のうち、分割領域情報（図８参照）に記述された領域番号を選択することにより行われる。
First, in step S2100, the detection
そして、ステップＳ２２００において、検出尤度推定部１４０は、選択中の分割領域が不検知領域であるか否かを判断する。この判断は、例えば、不検知領域管理部１３０に登録された不検知領域情報のうち、不検知領域番号情報（図９参照）に、選択中の領域番号が記述されているか否かを判断することにより行われる。検出尤度推定部１４０は、選択中の分割領域が不検知領域である場合には（Ｓ２２００：ＹＥＳ）、ステップＳ２３００へ進み、選択中の分割領域が検知可能領域である場合には（Ｓ２２００：ＮＯ）、ステップＳ２４００へ進む。
In step S2200, detection
ステップＳ２３００において、検出尤度推定部１４０は、選択中の分割領域の検出尤度推定値を「０」に設定し、ステップＳ２５００へ進む。
In step S2300, detection
一方、ステップＳ２４００において、検出尤度推定部１４０は、選択中の分割領域が、不検知領域と隣接するか否かを判断する。検出尤度推定部１４０は、選択中の分割領域が不検知領域と隣接する場合には（Ｓ２４００：ＹＥＳ）、ステップＳ２７００へ進み、選択中の分割領域が不検知領域と隣接しない場合には（Ｓ２４００：ＮＯ）、ステップＳ２８００へ進む。
On the other hand, in step S2400, detection
ステップＳ２７００において、検出尤度推定部１４０は、選択中の分割領域の検出尤度推定値を「５０」に設定し、ステップＳ２５００へ進む。
In step S2700, detection
また、ステップＳ２８００において、検出尤度推定部１４０は、選択中の分割領域の検出尤度推定値を「１００」に設定し、ステップＳ２５００へ進む。
In step S2800, detection
そして、ステップＳ２５００において、検出尤度推定部１４０は、全ての分割領域について検出尤度推定値の設定を完了したか否かを判断する。検出尤度推定部１４０は、未処理の分割領域が残っている場合には（Ｓ２５００：ＮＯ）、ステップＳ２１００へ戻り、未処理の分割領域を１つ選択して処理を繰り返す。検出尤度推定部１４０は、全ての分割領域について処理を完了した場合には（Ｓ２５００：ＹＥＳ）、ステップＳ２６００へ進む。
In step S2500, detection
図１１は、検出尤度推定部１４０による設定結果の一例を示す図である。
FIG. 11 is a diagram illustrating an example of a setting result obtained by the detection
ここでは、図７〜図９で説明した例の不検知領域情報４３０が、不検知領域管理部１３０に管理されているものとする。この場合、図１１に示すように、設定される検出尤度推定値情報４４０は、不検知領域（領域番号６、８）を「０」とし、検知可能領域のうち不検知領域から遠い領域（領域番号１、２、４）を「１００」とする内容となる。また、設定される検出尤度推定値４４０は、残りの領域（領域３、５、７、９）を「５０」とする内容となる。
Here, it is assumed that the
ある分割領域の大部分を陰とする大きな障害物の端部は、通常、隣接する他の分割領域に掛かり、隣接する分割領域を部分的に陰にする。このような部分的に陰となる分割領域では、作業者２２０の認識レベルに低い値と高い値とが混在することになり、作業者２２０の認識レベルの平均値は中間値となる。したがって、検出尤度推定部１４０は、不検知領域（大部分が陰となる分割領域）に隣接する分割領域（部分的に陰となる分割領域）を中間値「５０」とする。これにより、検出尤度推定部１４０は、作業者２２０の認識レベルにより近い値を、検出尤度推定値として得ることができる。
The end of a large obstacle that is shaded mostly by a certain divided region usually covers another neighboring divided region, and the neighboring divided region is partially shaded. In such a partially shaded divided area, a low value and a high value are mixed in the recognition level of the
以上のように、検出尤度推定部１４０は、選択中の分割領域の不検知領域との領域間距離に応じて、検出尤度推定値を設定する。なお、検出尤度推定部１４０は、選択中の分割領域の不検知領域との領域間距離に応じて、更に細分化された検出尤度推定値を設定してもよい。領域間距離は、例えば、分割領域の計測ポイントと不検知領域の計測ポイントとの間の距離である。この場合、領域間距離と検出尤度推定値との関係は、例えば、正比例関数、二次関数、量子化関数で定義される関係を採用することができる。
As described above, the detection
図１０のステップＳ２６００において、検出尤度推定部１４０は、各分割領域の設定結果を検出尤度推定値管理部１５０へ出力する。検出尤度推定値管理部１５０は、入力された設定結果に基づいて、検出尤度推定値情報を生成し、生成した検出尤度推定値情報を登録する。登録された検出尤度推定値情報は、検出尤度推定値管理部１５０によって、他の装置部から読み出し可能な状態で管理される。
In step S <b> 2600 of FIG. 10, the detection
図１２は、検出尤度推定値情報の記述例を示す図である。 FIG. 12 is a diagram illustrating a description example of the detection likelihood estimation value information.
図１２に示すように、検出尤度推定値情報４４０は、領域番号４４１に対応付けて、検出尤度推定値４４２を記述する。
As illustrated in FIG. 12, the detection likelihood estimated
なお、出力部１６０は、例えば、ユーザからの指示入力をトリガとして、監視領域１１０ａの撮影画像に、各分割領域が不検知領域であるか否かを示す画像を、対応する分割領域の位置で重畳して表示部に表示する。または、出力部１６０は、監視領域１１０ａの撮影画像を、検出尤度推定値が低い分割領域ほど見え難くした状態で、表示部に表示する。これらの場合には、出力部１６０は、センサ１１０から出力される画像データを入力するか、予め監視領域１１０ａの撮影画像を記憶しておく必要がある。
Note that the
図１３および図１４は、表示部で表示される出力画面の例を示す図である。 13 and 14 are diagrams illustrating examples of output screens displayed on the display unit.
図１３に示すように、出力画面４５０は、例えば、撮影画像に、分割領域の境界線を重畳して表示する。また、出力画面４５０は、不検知領域に対応する領域の撮影画像を半透明に遮蔽して見え難くする。これにより、監視装置１００は、ユーザに対して、映し出された監視領域１１０ａの不検知領域を、作業者２２０が存在し得る領域として通知することができる。
As illustrated in FIG. 13, the
また、図１４に示すように、出力画面４６０は、例えば、各分割領域の検出尤度推定値を数値や色で示しても良い。これにより、監視装置１００は、ユーザに対して、監視領域１１０ａの各所の検出尤度推定値の詳細を通知することができる。
Further, as illustrated in FIG. 14, the
このような検出尤度推定処理により、監視装置１００は、監視領域１１０ａの検出尤度推定値情報を得ることができる。
By such detection likelihood estimation processing, the
図１５は、監視処理の一例を示すフローチャートである。 FIG. 15 is a flowchart illustrating an example of the monitoring process.
まず、ステップＳ３１００において、オブジェクト尤度算出部１７０は、フラグ（ｆｌｇ）に初期値として、「ｆａｌｓｅ」を設定する。このフラグは、状況変化の可能性があることを検出するために用いられるフラグである。
First, in step S3100, the object
そして、ステップＳ３２００において、センサ１１０は、監視領域１１０ａを撮影し、画像データをオブジェクト尤度算出部１７０へ出力する。このとき、監視領域１１０ａの検知可能領域に作業者２２０が存在すれば、その姿が撮影画像に映し出される。
In step S3200, the
そして、ステップＳ３３００において、オブジェクト尤度算出部１７０は、撮影画像のうち選択中の分割領域に対応する部分に対して、作業者２２０の画像を検出する画像認識処理を行う。
In step S3300, the object
そして、ステップＳ３４００において、オブジェクト尤度算出部１７０は、作業員２２０の画像が検出されたか否かを判断する。オブジェクト尤度算出部１７０は、作業員２２０の画像が検出された場合には（Ｓ３４００：ＹＥＳ）、ステップＳ３５００へ進み、作業員２２０の画像が検出されない場合には（Ｓ３４００：ＮＯ）、後述のステップＳ４１００へ進む。
In step S3400, the object
そして、ステップＳ３５００において、オブジェクト尤度算出部１７０は、検出された作業者２２０の画像を１つ選択し、画像の認識レベルを算出する。
In step S3500, the object
ここでは、オブジェクト尤度算出部１７０は、検出尤度推定値が取り得る数値範囲と同一の数値範囲において、認識レベルを算出するものとする。より具体的には、オブジェクト尤度算出部１７０は、例えば、作業者２２０の画像が全く認識されなかった場合、認識されたものの不鮮明の場合、あるいは画像の大きさが小さい場合には、認識レベルを「０」とする。また、オブジェクト尤度算出部１７０は、例えば、作業者２２０の全身の鮮明な画像が認識されたときや、画像の大きさが大きいとき、認識レベルを「１００」とする。また、オブジェクト尤度算出部１７０は、作業者２２０の画像の認識の度合いに応じて、認識レベルを決定する。例えば、オブジェクト尤度算出部１７０は、作業者２２０の画像が認識されたものの、その画像が全身ではないときには、全身の何割が認識されたかに応じて、認識レベルを決定する。オブジェクト尤度算出部１７０は、例えば、パターンマッチングの対象となる複数の身体部品のうち認識された部品の割合に応じて、認識レベルと決定する。また、例えば、オブジェクト尤度算出部１７０は、作業者２２０の画像が認識されたものの、その画像が不鮮明であるときには、どの程度不鮮明であるかに応じて、認識レベルを決定する。オブジェクト尤度算出部１７０は、例えば、パターンマッチングの際に算出される相関係数の大小に応じて、認識レベルを決定する。
Here, it is assumed that the object
そして、ステップＳ３６００において、オブジェクト尤度算出部１７０は、選択中の分割領域が不検知領域であるか否かを判断する。この判断は、例えば、不検知領域管理部１３０に登録された不検知領域情報のうち、不検知領域番号情報（図９参照）に、選択中の領域番号が記述されているか否かを判断することにより行われる。オブジェクト尤度算出部１７０は、選択中の分割領域が不検知領域ではない場合（検知可能領域である場合）には（Ｓ３６００：ＮＯ）、ステップＳ３７００へ進む。
In step S3600, object
ステップＳ３７００において、オブジェクト尤度算出部１７０は、算出された認識レベルが予め定められた第２の閾値を超えているか否かを判断する。オブジェクト尤度算出部１７０は、認識レベルが第２の閾値を超えている場合には（Ｓ３７００：ＹＥＳ）、ステップＳ３８００へ進む。
In step S3700, the object
ステップＳ３８００において、オブジェクト尤度算出部１７０は、認識された作業者２２０の作業者位置情報を生成し、生成した作業者位置情報を、通知部１９０へ出力し、ステップＳ４０００へ進む。この結果、作業者２２０の位置が、表示部における画像表示によってユーザに通知される。例えば、通知部１９０は、監視領域１１０ａの撮影画像に、作業者２２０の位置を示すアイコンを、作業者位置情報が示す位置で重畳して表示する。この場合には、通知部１９０は、センサ１１０から出力される画像データを入力するか、予め監視領域１１０ａの撮影画像を記憶しておく必要がある。
In step S3800, the object
また、オブジェクト尤度算出部１７０は、選択中の分割領域が不検知領域である場合（Ｓ３６００：ＹＥＳ）には、ステップＳ３７５０へ進む。
Also, the object
ステップＳ３７５０において、オブジェクト尤度算出部１７０は、オブジェクト尤度算出部１７０は、算出された認識レベルが予め定められた第３の閾値を超えているか否かを判断する。オブジェクト尤度算出部１７０は、認識レベルが第３の閾値以下である場合には（Ｓ３７５０：ＹＥＳ）、そのままステップＳ３８００へ進む。
In step S3750, the object
一方、オブジェクト尤度算出部１７０は、選択中の分割領域が検知可能領域であるにもかかわらず認識レベルが第２の閾値以下である場合には（Ｓ３７００：ＮＯ）、ステップＳ３９００へ進む。また、オブジェクト尤度算出部１７０は、選択中の分割領域が不検知領域であるにもかかわらず認識レベルが第３の閾値を超えている場合も（Ｓ３７５０：ＮＯ）、ステップＳ３９００へ進む。
On the other hand, if the selected divided area is a detectable area, the object
ステップ３９００において、オブジェクト尤度算出部１７０は、フラグ（ｆｌｇ）に「ｔｒｕｅ」に設定して、ステップＳ３８００へ進む。すなわち、登録された不検知領域情報において、次の場合には、フラグが「ｔｒｕｅ」となる。フラグが「ｔｒｕｅ」となるのは、不検知領域であるにもかかわらず作業者２２０が高い認識レベルで検出された場合、または、検知可能領域であるにもかかわらず作業者２２０が低い認識レベルで検出された場合である。なお、第２の閾値および第３の閾値は、経験または実験から求められる、所定の監視精度を確保するのに適切な値である。
In step 3900, the object
そしてステップＳ４０００において、オブジェクト尤度算出部１７０は、全ての作業員２２０の画像について認識レベルの判定を完了したか否かを判断する。オブジェクト尤度算出部１７０は、未処理の作業員２２０の画像が残っている場合には（Ｓ４０００：ＮＯ）、ステップＳ３５００へ戻り、未処理の作業員２２０の画像を１つ選択して処理を繰り返す。オブジェクト尤度算出部１７０は、全ての作業員２２０の画像について処理を完了した場合には（Ｓ４０００：ＹＥＳ）、ステップＳ４１００へ進む。
In step S4000, the object
ステップＳ４１００において、オブジェクト尤度算出部１７０は、フラグ（ｆｌｇ）が「ｔｒｕｅ」となっているか否かを判断する。すなわち、オブジェクト尤度算出部１７０は、不検知領域となっているにもかかわらず作業者２２０が高い認識レベルで検出されたか、および検知可能領域となっているにもかかわらず作業者２２０が低い認識レベルで検出されたかを判断する。オブジェクト尤度算出部１７０は、フラグが初期値「ｆａｌｓｅ」のままとなっている場合には（Ｓ４１００：ＮＯ）、ステップＳ４２００へ進む。一方、オブジェクト尤度算出部１７０は、フラグが「ｔｒｕｅ」となっている場合には（Ｓ４１００：ＹＥＳ）、ステップＳ４３００へ進む。
In step S4100, the object
ステップＳ４３００において、オブジェクト尤度算出部１７０は、分轄領域毎の認識レベルの蓄積を開始する。
In step S4300, object
そして、ステップＳ４４００において、オブジェクト尤度算出部１７０は、認識レベルの蓄積を開始してから、予め定めた一定時間が経過したか否かを判断する。オブジェクト尤度算出部１７０は、一定時間が経過していない場合には（Ｓ４４００：ＮＯ）、ステップＳ４２００へ進み、一定時間が経過した場合には（Ｓ４４００：ＹＥＳ）、ステップＳ４５００へ進む。
In step S4400, object
ステップＳ４５００において、オブジェクト尤度算出部１７０は、分轄領域毎に、蓄積された認識レベルの平均値を、オブジェクト尤度として算出し、オブジェクト尤度情報を不検知領域更新判定部１８０へ出力する。
In step S4500, object
図１６は、オブジェクト尤度情報の一例を示す図である。 FIG. 16 is a diagram illustrating an example of object likelihood information.
図１６に示すように、オブジェクト尤度情報４７０は、分轄領域毎のオブジェクト尤度を含む。上述のように部分的に陰となる分割領域では、時刻毎に作業者２２０の認識レベルにばらつきが出る。また、できるだけ多くの分轄領域について作業者２２０が存在するときの認識レベルが取得されることが望ましい。したがって、本実施の形態では、一定時間に得られた認識レベルの平均値を採用することにより、センサ１１０の実際の認識レベルをより正確に示す指標として、オブジェクト尤度を得ることができる。
As shown in FIG. 16, the
そして、ステップＳ４６００において、不検知領域更新判定部１８０は、更新判定処理を実行する。更新判定処理は、不検知領域情報の更新が必要か否かを判定する処理である。
In step S4600, the non-detection region
そして、ステップＳ４７００において、オブジェクト尤度算出部１７０は、フラグ（ｆｌｇ）を初期状態の「ｆａｌｓｅ」に戻し、ステップＳ４２００へ進む。
In step S4700, the object
ステップＳ４２００において、オブジェクト尤度算出部１７０は、監視処理を継続するか否かを判断する。例えば、オブジェクト尤度算出部１７０は、ユーザ操作により監視処理の終了が指示された場合には監視処理を終了すると判断し、その他の場合には監視処理を継続すると判断する。オブジェクト尤度算出部１７０は、監視処理を継続すると判断した場合には（Ｓ４２００：ＹＥＳ）、ステップＳ３２００へ戻り、監視処理を終了すると判断した場合には（Ｓ４２００：ＮＯ）、一連の処理を終了する。
In step S4200, the object
このような監視処理により、監視装置１００は、状況変化があった可能性があると判断したとき、分轄領域毎のオブジェクト尤度を算出し、算出したオブジェクト尤度に基づいて、更新判定処理を行うことができる。
When the
なお、更新判定処理を開始する条件は、上述の例に限定されない。監視装置１００は、例えば、定期的に、または認識レベルの値が一定個数蓄積される毎に、認識レベルの蓄積およびオブジェクト尤度の算出を行った上で更新判定処理を行っても良い。
The condition for starting the update determination process is not limited to the above example. For example, the
図１７は、更新判定処理の一例を示すフローチャートである。 FIG. 17 is a flowchart illustrating an example of the update determination process.
まず、ステップＳ４６１０において、不検知領域更新判定部１８０は、分轄領域を１つ選択する。この選択は、例えば、オブジェクト尤度情報に含まれる領域番号の中から１つの領域番号を選択することによって行われる。なお、不検知領域更新判定部１８０は、オブジェクト尤度算出部１７０からのオブジェクト尤度が「０」の分割領域を選択対象から除外しても良い。このような分割領域は、作業者２２０が存在しなかったのか、それとも不検知領域であるために作業者２２０が存在していても検出できなかったのかが不明だからである。
First, in step S4610, the non-detection area
そして、ステップＳ４６２０において、不検知領域更新判定部１８０は、選択中の分轄領域のオブジェクト尤度と、選択中の分割領域の検出尤度推定値との差が、予め定められた第４の閾値を超えるか否かを判断する。不検知領域更新判定部１８０は、オブジェクト尤度と検出尤度推定値との差が第４の閾値を超えている場合には（Ｓ４６２０：ＹＥＳ）、ステップＳ４６３０へ進む。一方、不検知領域更新判定部１８０は、オブジェクト尤度と検出尤度推定値との差が第４の閾値以下である場合には（Ｓ４６２０：ＮＯ）、後述のステップＳ４６４０へ進む。
In step S4620, the non-detection area
ステップＳ４６３０において、不検知領域更新判定部１８０は、初期値を「０」とする内部カウンタのカウント値を１つ増加させ、ステップＳ４６４０へ進む。
In step S4630, the non-detection area
そして、ステップＳ４６４０において、不検知領域更新判定部１８０は、全ての分割領域について、オブジェクト尤度と検出尤度推定値との差と第４の閾値との比較を完了したか否かを判断する。不検知領域更新判定部１８０は、未処理の分割領域が残っている場合には（Ｓ４６３０：ＮＯ）、ステップＳ４６１０へ戻り、未処理の分割領域を１つ選択して処理を繰り返す。不検知領域更新判定部１８０は、全ての分割領域について処理を完了した場合には（Ｓ４６３０：ＹＥＳ）、ステップＳ４６５０へ進む。
In step S4640, the non-detection region
すなわち、オブジェクト尤度との検出尤度推定値との差が大きい分轄領域が多ければ多いほど、カウント値は大きくなる。 That is, the count value increases as the number of divisional areas with a large difference between the object likelihood and the detected likelihood estimation value increases.
図１８は、状況変化が無い場合の、オブジェクト尤度と検出尤度推定値との差の一例を示す図である。また、図１９は、状況変化があった場合の、オブジェクト尤度と検出尤度推定値との差の一例を示す図である。 FIG. 18 is a diagram illustrating an example of the difference between the object likelihood and the detected likelihood estimated value when there is no change in the situation. FIG. 19 is a diagram illustrating an example of the difference between the object likelihood and the detected likelihood estimated value when there is a change in the situation.
図１８に示すように、状況変化が無い場合、オブジェクト尤度情報４７０における各分割領域のオブジェクト尤度は、検出尤度推定値情報４４０で示される当該分割領域の検出尤度推定値との差が少ない。したがって、各分割領域の演算結果４８０の値は小さい。ここでは、図１７のステップ４６２０の第４の閾値を「２０」とする。この場合、オブジェクト尤度と検出尤度推定値との差が第４の閾値を超える分割領域は１個であり、カウント値は「１」となる。
As shown in FIG. 18, when there is no change in the situation, the object likelihood of each divided region in the
一方、図１９に示すように、状況変化があった場合、各分割領域のオブジェクト尤度情報４７０の値は、検出尤度推定値情報４４０で示される当該分割領域の検出尤度推定値との差が大きい。したがって、各分割領域の演算結果４８０の値は大きい。ここで、第４の閾値を「２０」とした場合、差が第４の閾値を超える分割領域は６個であり、カウント値は「６」となる。
On the other hand, as shown in FIG. 19, when there is a change in the situation, the value of the
図１７のステップＳ４６５０において、不検知領域更新判定部１８０は、カウント値が予め定められた第５の閾値を超えているか否かを判断する。不検知領域更新判定部１８０は、カウント値が第５の閾値以下である場合には（Ｓ４６５０：ＮＯ）、ステップＳ４６６０へ進み、カウント値が第５の閾値を超えている場合には（Ｓ４６５０：ＹＥＳ）、ステップＳ４６７０へ進む。
In step S4650 of FIG. 17, the non-detection area
ステップＳ４６６０において、不検知領域更新判定部１８０は、状況変化なしと判定し、不検知領域情報の更新が必要ではないことを示す更新通知情報を、通知部１９０へ出力する。不検知領域更新判定部１８０は、通知部１９０へ所定の信号を出力しないことをもって、かかる更新通知情報の出力としても良い。
In step S4660, the non-detection area
一方、ステップＳ４６７０において、不検知領域更新判定部１８０は、状況変化ありと判定し、不検知領域情報の更新が必要であることを示す更新通知情報を、通知部１９０へ出力する。不検知領域更新判定部１８０は、通知部１９０へ所定の信号を出力することをもって、かかる更新通知情報の出力としても良い。通知部１９０に更新通知情報が入力された結果、不検知領域情報の内容が、表示部から出力される。
On the other hand, in step S4670, the non-detection area
監視装置１００は、ステップ４６５０の第５の閾値を「２」とした場合、図１８に示す例では、カウント値が第５の閾値以下であるため、状況変化なしと判定し、図１９に示す例では、カウント値が第５の閾値を超えるため、状況変化ありと判定して通知を行う。
When the fifth threshold value in step 4650 is “2”, the
このような更新判定処理により、監視装置１００は、オブジェクト尤度と検出尤度推定値との差に基づいて、監視領域１１０ａに状況変化があったか否かを判定し、判定結果をユーザに通知することができる。
Through such an update determination process, the
なお、状況変化があったか否かの判定基準は、上述の例に限定されない。 Note that the criterion for determining whether or not there has been a change in situation is not limited to the above example.
例えば、ステップＳ４６２０の第４の閾値は、比較の対象となるオブジェクト尤度または検出尤度推定値の大きさに応じた可変値としても良い。具体的には、例えば、不検知領域更新判定部１８０は、オブジェクト尤度が中間的な値である場合には、より高い値を第４の閾値として採用する。これにより、センシング情報のノイズによる判定への影響を抑えることが可能となる。
For example, the fourth threshold value in step S4620 may be a variable value corresponding to the size of the object likelihood or the detection likelihood estimated value to be compared. Specifically, for example, when the object likelihood is an intermediate value, the non-detection region
また、例えば、不検知領域更新判定部１８０は、オブジェクト尤度と検出尤度推定値との差の絶対値の監視領域全体での合計値に基づいて、状況変化があったか否かを判定しても良い。これにより、局所的に大きなオブジェクト尤度の変化があったような場合にも、的確な判定を行うことが可能となる。
Further, for example, the non-detection region
また、例えば、不検知領域更新判定部１８０は、監視領域内のオブジェクト尤度または検出尤度推定値の分布を考慮して、状況変化があったか否かの判定を行っても良い。具体的には、例えば、不検知領域更新判定部１８０は、監視領域上でのオブジェクト尤度の変化が大きい場所と、監視領域上での検出尤度推定値の変化が大きい場所とが、一致しているか否かに基づいて、上記判定を行う。
Further, for example, the non-detection region
図２０および図２１は、表示部における通知画面の例を示す図である。 20 and 21 are diagrams illustrating an example of a notification screen on the display unit.
図２０に示すように、通知画面４９０は、例えば、不検知領域情報の更新が必要であるとき、予め定められた図形を、表示部に表示される出力画面４５０（図１３参照）に重畳して表示する形態を取る。
As shown in FIG. 20, the
また、図２１に示すように、通知画面４９０は、例えば、図形ではなく、不検知領域の設定を促すテキスト文のメッセージを表示しても良い。
In addition, as illustrated in FIG. 21, the
以上説明したように、本実施の形態によれば、監視装置１００は、分割領域毎に、不検知領域であるか否かに対応する検出尤度推定値と、作業者の画像の実際の認識レベルに対応するオブジェクト尤度との差を算出する。そして、監視装置１００は、算出した差に基づいて、検出尤度に影響を及ぼす変化があったか否かを判定し、判定結果をユーザに通知する。これにより、ユーザは、不検知領域情報の更新が必要となったときにこれを知ることが可能となり、むやみに不検知領域の判定を実施することなく、監視装置に記憶された不検知領域を正しい情報に保つことができる。すなわち、より少ない負担で高い監視精度を得ることができる。
As described above, according to the present embodiment, the
また、本実施の形態に係る監視装置は、本来の監視用の処理において算出される情報を活用して上記判定を行うので、既存の監視装置に対する軽微な変更により実現することができる。 In addition, the monitoring apparatus according to the present embodiment makes the above determination using information calculated in the original monitoring process, and thus can be realized by a slight change to the existing monitoring apparatus.
なお、作業者の検出には、タグリーダ等、他の各種センサを用いることができる。タグリーダの場合には、作業者に取り付けられるタグと同種のタグを、不検知領域を判定するための試験オブジェクトとして用意する。また、この場合、不検知領域判定部およびオブジェクト尤度算出部が判定する認識レベルは、例えば、電解強度に対応した値となる。 For detection of the worker, various other sensors such as a tag reader can be used. In the case of a tag reader, a tag of the same type as a tag attached to an operator is prepared as a test object for determining a non-detection area. In this case, the recognition level determined by the non-detection region determination unit and the object likelihood calculation unit is, for example, a value corresponding to the electrolytic strength.
また、複数のセンサを用いて監視を行う場合には、個別に不検知領域の更新判定処理を行うことが望ましい。センサ毎に不検知領域が異なる場合があるからである。 In addition, when monitoring is performed using a plurality of sensors, it is desirable to individually perform update detection processing for non-detection areas. This is because the non-detection area may be different for each sensor.
また、本発明は、工場の作業者の他、オフィスの事務員、学校の児童、市街地の車両等、移動オブジェクトを監視する各種の監視装置および監視方法に適用することができる。 The present invention can be applied to various monitoring devices and monitoring methods for monitoring moving objects such as office workers, school children, and urban vehicles, as well as factory workers.
本発明に係る監視装置および監視方法は、より少ない負担で高い監視精度を得ることができる監視装置および監視方法として有用である。すなわち、監視領域の不検知領域の更新を効率よく行うことが出来る効果があるため、工場、オフィスなどの人物の位置特定技術に特に有用である。 The monitoring device and the monitoring method according to the present invention are useful as a monitoring device and a monitoring method capable of obtaining high monitoring accuracy with a smaller load. In other words, since there is an effect that the non-detection area of the monitoring area can be efficiently updated, it is particularly useful for a technique for specifying the position of a person such as a factory or an office.
１００ 監視装置
１１０ センサ
１１０ａ 監視領域
１２０ 不検知領域判定部
１２１ 情報処理装置
１３０ 不検知領域管理部
１４０ 検出尤度推定部
１５０ 検出尤度推定値管理部
１６０ 出力部
１７０ オブジェクト尤度算出部
１８０ 不検知領域更新判定部
１９０ 通知部
２００ 工場
２００ａ 検知可能領域
２１０ 障害物
２２０ 作業者
２１０ａ 不検知領域
３００ マーカ
DESCRIPTION OF
Claims (7)
前記監視に用いられる、前記センサの検出尤度の推定値を記憶する推定値管理部と、
前記センサの検出結果から、前記所定の領域に前記移動オブジェクトが存在することの確からしさを示すオブジェクト尤度を算出する尤度算出部と、
前記推定値管理部が記憶する前記検出尤度の推定値と、前記尤度算出部が算出する前記オブジェクト尤度との比較に基づいて、前記推定値管理部が記憶する前記検出尤度の推定値の更新が必要であるか否かを判定する更新判定部と、
前記更新判定部による判定結果を通知する通知部と、
を有する監視装置。 A monitoring device that monitors the moving object using a sensor that detects the moving object for a predetermined area,
An estimated value management unit for storing an estimated value of the detection likelihood of the sensor used for the monitoring;
A likelihood calculating unit that calculates an object likelihood indicating the probability that the moving object exists in the predetermined region from the detection result of the sensor;
Based on the comparison between the estimated value of the detection likelihood stored by the estimated value management unit and the object likelihood calculated by the likelihood calculating unit, the estimation of the detection likelihood stored by the estimated value management unit An update determination unit that determines whether or not an update of a value is necessary;
A notification unit for notifying the determination result by the update determination unit;
Having a monitoring device.
前記所定の領域を分割した分割領域毎に前記検出尤度の推定値を記憶し、
前記尤度算出部は、
前記分割領域毎に前記オブジェクト尤度を算出し、
前記更新判定部は、
前記分割領域毎の前記オブジェクト尤度と前記検出尤度の推定値との差に基づいて前記判定を行う、
請求項１記載の監視装置。 The estimated value management unit
Storing the estimated value of the detection likelihood for each divided region obtained by dividing the predetermined region;
The likelihood calculating unit
Calculating the object likelihood for each of the divided regions;
The update determination unit
Making the determination based on the difference between the object likelihood for each of the divided regions and the estimated value of the detection likelihood;
The monitoring device according to claim 1.
複数の前記分割領域における前記オブジェクト尤度の平均値と、複数の前記分割領域における前記検出尤度の推定値の平均値との差に基づいて、前記判定を行う、
請求項２記載の監視装置。 The update determination unit
The determination is performed based on a difference between an average value of the object likelihoods in the plurality of divided regions and an average value of the estimation values of the detection likelihoods in the plurality of divided regions.
The monitoring device according to claim 2.
複数の前記分割領域における前記オブジェクト尤度の合計値と、複数の前記分割領域における前記検出尤度の推定値の合計値との差に基づいて、前記判定を行う、
請求項２記載の監視装置。 The update determination unit
The determination is performed based on a difference between a total value of the object likelihoods in the plurality of divided regions and a total value of the estimated values of the detection likelihoods in the plurality of divided regions.
The monitoring device according to claim 2.
請求項２記載の監視装置。 A detection likelihood estimation unit for obtaining an estimation value of the detection likelihood of the sensor from the recognition level of the sensor with respect to the test object when the test object is arranged in each of the divided regions;
The monitoring device according to claim 2.
前記認識レベルが最も高い前記分割領域に対して最も高い前記検出尤度の推定値を設定し、前記認識レベルが最も低い前記分割領域に対して最も低い前記検出尤度の推定値を設定し、かつ、他の前記分割領域に対して前記所定の領域全体において平滑化された前記検出尤度の推定値を設定する、
請求項５記載の監視装置。 The detection likelihood estimation unit includes:
Setting the highest estimate of the detection likelihood for the divided region with the highest recognition level, and setting the lowest estimate of the detection likelihood for the divided region with the lowest recognition level; And setting the estimated value of the detection likelihood smoothed in the entire predetermined region with respect to the other divided regions,
The monitoring device according to claim 5.
前記センサの検出結果から、前記所定の領域に前記移動オブジェクトが存在することの確からしさを示すオブジェクト尤度を算出するステップと、
前記監視に用いられる、予め記憶された前記センサの検出尤度の推定値と、算出された前記オブジェクト尤度との比較に基づいて、記憶された前記検出尤度の推定値の更新が必要であるか否かを判定するステップと、
前記検出尤度の推定値の更新が必要であるか否かの判定結果を通知するステップと、
を有する監視方法。
A monitoring method for monitoring a moving object using a sensor that detects a moving object for a predetermined area,
Calculating an object likelihood indicating the probability that the moving object exists in the predetermined area from the detection result of the sensor;
Based on the comparison between the pre-stored estimated detection likelihood of the sensor used for the monitoring and the calculated object likelihood, it is necessary to update the stored estimated detection likelihood. Determining whether there is,
Notifying the determination result whether or not the update of the estimated value of the detection likelihood is necessary;
Monitoring method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009179893A JP2011035663A (en) | 2009-07-31 | 2009-07-31 | Monitoring device and monitoring method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2009179893A JP2011035663A (en) | 2009-07-31 | 2009-07-31 | Monitoring device and monitoring method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2011035663A true JP2011035663A (en) | 2011-02-17 |
Family
ID=43764295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2009179893A Pending JP2011035663A (en) | 2009-07-31 | 2009-07-31 | Monitoring device and monitoring method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2011035663A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015179984A (en) * | 2014-03-19 | 2015-10-08 | 株式会社東芝 | Image processing apparatus, and method and program therefor |
| WO2015182752A1 (en) * | 2014-05-30 | 2015-12-03 | 株式会社日立国際電気 | Wireless communication device and wireless communication system |
| JP2018535496A (en) * | 2016-04-14 | 2018-11-29 | 平安科技（深▲せん▼）有限公司 | Video recording method, server, system, and storage medium |
| WO2022168616A1 (en) * | 2021-02-05 | 2022-08-11 | 株式会社アマダ | Device determination system, device determination method, and device determination program |
-
2009
- 2009-07-31 JP JP2009179893A patent/JP2011035663A/en active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015179984A (en) * | 2014-03-19 | 2015-10-08 | 株式会社東芝 | Image processing apparatus, and method and program therefor |
| WO2015182752A1 (en) * | 2014-05-30 | 2015-12-03 | 株式会社日立国際電気 | Wireless communication device and wireless communication system |
| US9973947B2 (en) | 2014-05-30 | 2018-05-15 | Hitachi Kokusai Electric, Inc. | Wireless communication device and wireless communication system that performs wireless communication with a counterpart device using a directional antenna |
| JP2018535496A (en) * | 2016-04-14 | 2018-11-29 | 平安科技（深▲せん▼）有限公司 | Video recording method, server, system, and storage medium |
| WO2022168616A1 (en) * | 2021-02-05 | 2022-08-11 | 株式会社アマダ | Device determination system, device determination method, and device determination program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6156665B1 (en) | Facility activity analysis apparatus, facility activity analysis system, and facility activity analysis method | |
| CN110097776B (en) | Parking space detection method, monitoring camera and monitoring terminal | |
| US9852345B2 (en) | Activity map creating device, activity map creating system, and activity map creating method | |
| US10740906B2 (en) | Unattended object monitoring device, unattended object monitoring system equipped with same, and unattended object monitoring method | |
| EP3434626A1 (en) | Projection instruction device, parcel sorting system, and projection instruction method | |
| EP2450832A1 (en) | Image processing apparatus and image processing method | |
| US20090021580A1 (en) | Camera calibration device and camera calibration method | |
| CN106463032A (en) | Intrusion detection with directional sensing | |
| US20140161312A1 (en) | Setting apparatus, image processing apparatus, control method of setting apparatus, and storage medium | |
| US9761012B2 (en) | Object tracking device, object tracking method, and computer-readable medium | |
| CN108737793A (en) | Use camera network moving object tracking | |
| JP2013074461A5 (en) | ||
| JP6610640B2 (en) | Position recognition method and system, and abnormality determination method and system | |
| US9367742B2 (en) | Apparatus and method for monitoring object from captured image | |
| CN108875531B (en) | Face detection method, device and system and computer storage medium | |
| EP3434622A1 (en) | Instruction projecting device, package sorting system and instruction projecting method | |
| JP2015038743A5 (en) | ||
| US9547905B2 (en) | Monitoring system with a position-dependent protected area, method for monitoring a monitoring area and computer program | |
| JP2011035663A (en) | Monitoring device and monitoring method | |
| EP3434621A1 (en) | Instruction projecting device, package sorting system and instruction projecting method | |
| JP2008225704A (en) | Work evaluation device, work evaluation method and control program | |
| JP2009159448A (en) | Object detecting apparatus, and object detecting method | |
| JP5385845B2 (en) | Content attention level calculation device, content attention level calculation method, and content attention level calculation program | |
| CN112699189A (en) | Position information updating method and device and computer system | |
| JP2006221379A (en) | Action recognition system |