JP5581758B2 - 人物検出装置、人物検出方法及びプログラム - Google Patents

Description

本発明は、人物検出装置、人物検出方法及びプログラムに関する。本発明は、人物検出装置を備えたロボット及び監視システム、並びにコンピュータに人物検出処理を実行させるプログラムが格納されたコンピュータ読み取り可能な記憶媒体にも関する。

人物を正確、且つ、比較的簡単に検出する技術は、様々な分野で求められている。人物の検出が求められる一例としては、ユーザに各種サービスを提供するサービスロボットが挙げられる。サービスロボットは、商業施設、博物館、駅等の公共の空間で案内、搬送等のサービスを提供する際に、ユーザとのインタラクション（Interaction）を効率的に行うために、リアルタイムで人物を検出可能であることが望まれる。

従来、カメラが撮像した画像データに画像処理を施すことにより人物を検出する各種方法が提案されている。一例として、肌色を検出することで人物を検出する方法があるが、この方法では人物の顔等の肌色の部位が撮像されないと人物を検出することができないので、例えば後ろ向きの人物を検出することはできない。

又、他の例として、人物の形状に相当する二次元パターンを予め登録しておき、撮像された二次元パターンと比較することで人物を検出する方法があるが、人物の形状は姿勢により大きく異なり、全ての姿勢に対応する二次元パターンを登録しておくことはできないので、正確に人物を検出することは難しい。更に、人物のパターンを三次元モデルで形成する方法もあるが、二次元パターンを用いる場合と同様の理由で、正確に人物を検出することは難しい。

上記の如くカメラが撮像した画像データに画像処理を施すことにより人物を検出する方法では、扱う画像データの量が比較的多いため、リアルタイムで人物を検出したり、人物を検出した後のサービスへの連携動作を考慮して人物の移動方向や速度を検出することは難しい。更に、カメラが撮像した画像データは、照明や人物の周辺に位置する各種物体を含む環境（以下、人物検出環境と言う）に大きく影響される。例えば、非常に暗い照明のもとでは肌色が検出できなかったり、壁に人物のポスターが貼られているとポスターの人物のパターンを人物と誤検出しまう可能性がある。

特開２００７−２６４７７８号公報 国際公開第ＷＯ２００５／０２０１５２号明細書 特開２００８−２８８６８４号公報

従来の人物検出方法では、人物を正確、且つ、比較的簡単に検出することは難しいという問題があった。

そこで、本発明は、人物を正確、且つ、比較的簡単に検出可能な人物検出装置、人物検出方法及びプログラムを提供することを目的とする。

本発明の一観点によれば、重力方向と平行な垂直面以外の任意平面で走査範囲を走査して基準位置から前記走査範囲内の対象物までの距離を測定する走査手段と、前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出する算出手段と、人物の両脚に相当する前記任意平面上の断面形状の第２のパターンが予め複数登録されている記憶手段と、前記第１及び第２のパターンを比較して、比較結果に基づいて前記対象物から人物の脚の特徴を抽出する抽出手段と、抽出した前記特徴に基づいて前記対象物が人物であるか否かを判断する判断手段を備え、前記複数の第２のパターンは、前記両脚が前記基準位置に対して前後しているパターン、前記両脚が前記基準位置に対して左右に並んで離間しているパターン、及び前記両脚が前記基準位置に対して左右に並んで接続しているパターンを含む人物検出装置が提供される。

本発明の一観点によれば、重力方向と平行な垂直面以外の任意平面で走査範囲を走査部により走査して基準位置から前記走査範囲内の対象物までの距離を測定する工程と、前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出する工程と、前記第１のパターンと、予め記憶部に複数登録されている、人物の両脚に相当する前記任意平面上の断面形状の第２のパターンをプロセッサにより比較して、比較結果に基づいて前記対象物から人物の脚の特徴をプロセッサにより抽出する工程と、抽出した前記特徴に基づいて前記対象物が人物であるか否かを前記プロセッサで判断する工程を含み、前記複数の第２のパターンは、前記両脚が前記基準位置に対して前後しているパターン、前記両脚が前記基準位置に対して左右に並んで離間しているパターン、及び前記両脚が前記基準位置に対して左右に並んで接続しているパターンを含む人物検出方法が提供される。

本発明の一観点によれば、コンピュータに、走査部に指示を出力させて重力方向と平行な垂直面以外の任意平面で走査範囲を走査して基準位置から前記走査範囲内の対象物までの距離を測定させる走査手順と、前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出させる算出手順と、前記第１のパターンと、記憶部に予め複数登録されている、人物の両脚に相当する前記任意平面上の断面形状の第２のパターンを比較させ、比較結果に基づいて前記対象物から人物の脚の特徴を抽出させる抽出手順と、抽出した前記特徴に基づいて前記対象物が人物であるか否かを判断させる判断手順を実行させ、前記複数の第２のパターンは、前記両脚が前記基準位置に対して前後しているパターン、前記両脚が前記基準位置に対して左右に並んで離間しているパターン、及び前記両脚が前記基準位置に対して左右に並んで接続しているパターンを含むプログラムが提供される。

開示の人物検出装置、人物検出方法及びプログラムによれば、人物を正確、且つ、比較的簡単に検出することが可能となる。

本発明の第１実施例におけるサービスロボットの一例を示す側面図である。 レーザレンジファインダの走査範囲を説明する図である。 人物検出装置の動作を説明するフローチャートである。 レンジデータのクラスタ化を説明する図である。 基準位置に対する人物の両脚のパターンを説明する図である。 人物検出装置の一例を示すブロック図である。 図３に示すステップＳ３の処理をより詳細に説明するフローチャートである。 パターン照合を説明するフローチャートである。 脚と人物との依存関係を説明する図である。 図３に示すステップＳ４の処理をより詳細に説明するフローチャートである。 人物定義リスト、脚定義リスト及び非関連脚定義リストの一例を説明する図である。 本発明の第２実施例におけるサービスロボットの一部の一例を示す側面図である。 本発明の第３実施例におけるサービスロボットの一部の一例を示す側面図である。

開示の人物検出装置、人物検出方法及びプログラムでは、重力方向と平行な垂直面以外の任意平面で走査範囲を走査して基準位置から走査範囲内の対象物までの距離を測定し、測定した距離に基づいて対象物の任意平面上の断面形状に相当する第１のパターンを算出する。第１のパターンは、予め複数登録されている人物の両脚に相当する任意平面上の断面形状の第２のパターンと比較され、比較結果に基づいて対象物から人物の脚の特徴を抽出する抽出し、抽出した特徴に基づいて対象物が人物であるか否かを判断する。

第２のパターンは、人物の両脚が基準位置に対して前後しているパターン、基準位置に対して並んで離間しているパターン、及び基準位置に対して並んで接続しているパターンを含み、第１のパターンが人物の両脚の特徴を含むか否かを判断するために用いられる。

基準位置から対象物までの距離は、カメラ等の撮像手段を用いないので、人物検出環境に大きく影響されることなく測定できる。又、人物を検出するためのデータ処理量は、カメラで撮像した画像データを処理する場合と比較すると非常に少ない。このため、人物を正確、且つ、比較的簡単に検出可能となる。

以下に、開示の人物検出装置、人物検出方法及びプログラムの各実施例を図面と共に説明する。

（第１実施例）
先ず、本発明の第１実施例における人物検出装置について説明する。本実施例では、説明の便宜上、人物検出装置がサービスロボットに適用されているものとする。尚、以下の説明では、人物の「脚」とは、足首から脛（スネ）、膝（ヒザ）、腿（タイ）までを含む。尚、「腿」は、膝から上を指す上腿（ジョウタイ）と、膝から下を指す下腿（カタイ）を含む。

図１は、本実施例におけるサービスロボットの一例を示す側面図であり、図２は、走査装置又は走査手段として機能するレーザレンジファインダ（ＬＲＦ：Laser Range Finder）の走査範囲を説明する図である。

図１に示すように、ユーザに各種サービスを提供するサービスロボット１は、例えば人型のロボット本体２と、ベース部３を有する。ロボット本体２は、ユーザに対する案内等のサービスをアーム等の動きで提供する可動部と、ユーザに対する案内等のサービスを音声で提供する音声出力部と、ユーザに対する案内等のサービスを表示で行う表示部等を含む。ベース部３は、ＬＲＦ４を含む人物検出装置、サービスロボット１をＸＹ平面と平行な平面（以下、説明の便宜上「移動面」と言う）上の任意の方向へ移動させる駆動部（図示せず）等を含む。ＬＲＦ４は、人物の脚を検出して脚との距離を測定するので、移動面に対して人物の脚を検出するのに適した高さ位置のＸＹ平面を走査する位置に設けられている。サービスロボット１は、商業施設、博物館、駅等の公共の空間で案内、搬送等のサービスを提供する際に、ユーザ（即ち、人物）とのインタラクション（Interaction）を効率的に行うために、リアルタイムで人物を検出するよう構成されている。尚、ロボット本体２自体の構成は、提供するサービスに応じて適切に周知の構成を採用可能であるため、その詳細な図示及び説明は省略する。又、ベース部３内の駆動部の構成や駆動方法等も、周知の構成及び駆動方法を採用可能であるため、その詳細な図示及び説明は省略する。

図２に示すように、ＬＲＦ４は、測定の開始、走査時間（又は、走査周期）、測定の終了等の指示に応答して、重力方向と平行な垂直面以外の任意平面の一例であるＸＹ平面で走査範囲９をレーザビームにより走査して基準位置から走査範囲９内の対象物までの距離を測定する。基準位置は、この例ではＬＲＦ４の位置である。走査範囲９は、ＬＲＦ４が距離の測定が可能な基準位置を中心とした所定の半径、且つ、所定の角度範囲で決まる扇状の領域である。この例では、走査範囲９は二次元に限定されている。走査時間（又は、走査周期）は、レーザビームが走査範囲９の一端から他端までを走査するのに要する時間である。ＬＲＦ４自体は周知であるため、その構成及び動作の説明は省略する。後述するように、人物検出装置は、ＬＲＦ４が測定した距離に基づいて対象物のＸＹ平面上の断面形状に相当するパターン（第１のパターン）を算出して人物検出に用いる。

図３は、人物検出装置の動作を説明するフローチャートである。図３において、ステップＳ１は、ＬＲＦ４が測定したレンジデータＤｒを所定周期でサンプリングする。又、ステップＳ２は、サンプリングされたレンジデータＤｒにフィルタ処理を施すと共に、レンジデータＤｒからセグメント（Segment）を形成してセグメントからクラスタ（Cluster）を形成する。

図４は、レンジデータＤｒのクラスタ化を説明する図である。図４において、ＬＲＦ４の走査範囲９で検出された対象物１１〜１３のレンジデータＤｒのうち、ステップＳ１において所定周期でサンプリングされたレンジデータＤｒを丸印で示す。又、各対象物１１〜１３の輪郭（又は、エッジ）は太線で示す。ｒ_ｉはＬＲＦ４により測定されたｉ番目のレンジデータＤｒ_ｉの基準位置からの距離、ｒ_ｉ＋１はＬＲＦ４により測定されたｉ＋１番目のレンジデータＤｒ_ｉ＋１の基準位置からの距離、ｒ_ｊはＬＲＦ４により測定されたｊ番目のレンジデータＤｒ_ｊの基準位置からの距離、ｒ_ｊ＋１はＬＲＦ４により測定されたｊ＋１番目のレンジデータＤｒ_ｊ＋１の基準位置からの距離を示す。

サンプリングされたレンジデータＤｒには、ステップＳ２においてスパイク（Spike）や反射によるノイズを減少させたり、細かい変動を無視させるためのフィルタ処理が施される。フィルタ処理は、例えばバウンドフィルタ（Bound Filter）、メディアンフィルタ（Median Filter）等の周知のフィルタにより施すことができる。

フィルタ処理を施された連続する２つのサンプリング点におけるレンジデータＤｒは、ステップＳ２において例えば２点の基準位置からの距離の差が第１の閾値以下であり、且つ、２点のＸＹ平面上の距離が第２の閾値以下であると、同じ対象物のエッジの１つのセグメントを形成するものとして抽出され、同じ対象物のセグメントから１つのクラスタが形成される。つまり、１つのクラスタは、１つの対象物のセグメントを形成するレンジデータＤｒの集合である。

尚、ＸＹ平面上における人物の脚の候補となる断面形状の半径、又は、半径の平均値、又は、半径の範囲は、予め経験値等から求めておくことができる。従って、例えば図４の例では、対象物１３の断面形状の半径が例えば人物の脚の候補と判定できる所定範囲外の値、或いは、対となる脚の候補の断面形状が後述する所定の位置関係になければ、対象物１３は人物の脚ではないと判定可能となる。尚、ＬＲＦ４の検出特性上、レンジデータＤｒは対象物の輪郭の約半分に対してのみ検出されるが、輪郭の約半分に対するレンジデータＤｒのＸＹ平面上の位置、隣接するレンジデータＤｒで形成されるセグメントのＸＹ平面上の曲率、１つのクラスタを形成する全てのレンジデータＤｒが包含される仮想円の最小半径等から対象物の半径を推定することができる。一方、対象物１１の断面形状の半径が人物の脚の候補と判定できる所定範囲内の値、且つ、対となる脚の候補の断面形状が後述する所定の位置関係にあれば、対象物１１は人物の脚であると判定可能となる。

例えばレンジデータＤｒ_ｉを含む対象物１１とレンジデータＤｒ_ｉ＋１を含む対象物１３の場合、基準位置からの距離ｒ_ｉ，ｒ_ｉ＋１の差が第１の閾値を超えており、対象物１１と対象物１３の断面形状が所定の位置関係を満たさないので、対象物１１と対象物１３は同じ人物の脚として検出されることはない。これに対し、レンジデータＤｒ_ｉを含む対象物１１とレンジデータＤｒ_ｊ＋１を含む対象物１２の場合、基準位置からの距離ｒ_ｉ，ｒ_ｊ＋１の差が第１の閾値以下であり、対象物１１と対象物１２の断面形状が所定の位置関係を満たすので、対象物１１と対象物１２は同じ人物の脚として検出される。

このようにして、ステップＳ２では、測定されたレンジデータＤｒから各クラスタを管理するクラスタリストを作成する。クラスタリストには、レンジデータＤｒの数（測定点の数）、クラスタの中心座標、クラスタの中心座標から基準位置までの距離、クラスタを形成する全てのレンジデータＤｒが包含される仮想円の最小半径、クラスタを形成するレンジデータＤｒが直線を形成しているか否かの情報等が含まれる。尚、レンジデータＤｒの数、クラスタの中心座標、クラスタの中心座標から基準位置までの距離、クラスタを形成する全てのレンジデータＤｒが包含される仮想円の最小半径、クラスタを形成するレンジデータＤｒが直線を形成しているか否かの情報等は、いずれも周知の方法で算出可能であるため、その説明は省略する。

図３の説明に戻るに、ステップＳ３は、ステップＳ２で形成されたクラスタリストに基づいてクラスタを選別して人物の脚の特徴を図５に示すパターン（第２のパターン）Ｐ１，Ｐ２，Ｐ３に基づいて抽出する。クラスタを選別して抽出される人物の脚の特徴とは、人物の脚に似ている特徴、或いは、人物の脚らしい（即ち、脚である可能性が高い）特徴である。図５は、基準位置に対する人物の両脚Ｌ１，Ｌ２のＸＹ平面上のパターンＰ１，Ｐ２，Ｐ３を説明する図である。パターンＰ１はＬＲＦ４が検出する両脚Ｌ１，Ｌ２が基準位置に対して前後しているパターン、パターンＰ２は両脚Ｌ１，Ｌ２が基準位置に対して並んで離間している（即ち、両脚Ｌ１，Ｌ２間に間隙が検出される）パターン、パターンＰ３は両脚Ｌ１，Ｌ２が基準位置に対して並んで接続している（即ち、両脚Ｌ１，Ｌ２間に間隙が検出されない）パターンである。図５では、説明の便宜上、パターンＰ１〜Ｐ３の移動方向の一例が太い矢印で示されている。

ステップＳ４では、ステップＳ３で抽出した特徴に基づいて対象物が人物であるか否かを判断して人物を検出する。この例では、ステップＳ４は、ステップＳ３で抽出した特徴の運動特性及び幾何情報に基づいて人物を検出する。特徴の運動特性は脚の候補の移動情報等を含み、特徴の幾何情報は同一人物の２脚の候補の情報等を含む。ステップＳ４の処理の詳細については後述する。

図６は、人物検出装置の一例を示すブロック図である。図６において、人物検出装置１１は、プログラムを実行するコンピュータを形成するＣＰＵ（Central Processing Unit）１２、メモリ１３、タイマ１４、他の装置とのインタフェースを形成する通信部１５、及びＬＲＦ４を有する。ＣＰＵ１２は、人物検出プログラムを実行することで上記ステップＳ１〜Ｓ４を含む人物検出処理の各手順を実行する。メモリ１３は、人物検出プログラム、及び、レンジデータＤｒ等の検出デーや上記クラスタリスト等の各種リストを含む各種データを格納する。タイマ１４は、レンジデータＤｒのサンプリング周期等の時間を管理する。タイマ１４は、ＣＰＵ１２内に設けられていても良い。通信部１５は、図１のサービスロボット１の場合であれば、ベース部３内の人物検出装置１１から見た外部装置（図示せず）に人物検出処理の結果等を通知したり、外部装置から人物検出処理を要求するコマンド等をＣＰＵ１２に入力したりする。この外部装置には、ロボット本体２内の可動部、音声出力部、表示部等が含まれる。

尚、コンピュータに人物検出処理の各手順を実行させる人物検出プログラムは、メモリ１３を含む適切なコンピュータ読み取り可能な記憶媒体に格納されていれば良く、人物検出プログラムを格納する記憶媒体は特に限定されない。

ＣＰＵ１２は、測定の開始、走査時間（又は、走査周期）、測定の終了等の指示をＬＲＦ４に出力する。ＣＰＵ１２は、これらの指示に応答してＬＲＦ４が測定した距離に基づいて対象物のＸＹ平面上の断面形状に相当する第１のパターンを算出する算出部又は算出手段として機能する。メモリ１３は、人物の両脚に相当するＸＹ平面上の断面形状の第２のパターンＰ１〜Ｐ３が予め複数登録されている記憶部又は記憶手段として機能する。ＣＰＵ１２は、第１及び第２のパターンを比較して、比較結果に基づいて対象物から人物の脚の特徴を抽出する抽出部又は抽出手段、及び、抽出した特徴に基づいて対象物が人物であるか否かを判断する判断部又は判断手段としても機能する。

図７は、図３に示すステップＳ３の処理をより詳細に説明するフローチャートである。図７において、ステップＳ１１では、図３のステップＳ２で形成されたクラスタの中から未処理であるｋ番目のクラスタＣｋを取得する。ｋの初期値は例えば１である。ステップＳ１２では、前処理を行いクラスタＣｋが脚である可能性があるか否か、即ち、クラスタＣｋが脚の候補であるか否かを判定する。この前処理では、例えばクラスタＣｋを形成する全てのレンジデータＤｒが包含される仮想円の最小半径Ｒ_Ｃｋを求め、最小半径Ｒ_Ｃｋが予め定義された最小値Ｒｍｉｎより大きく、且つ、予め定義された最大値Ｒｍａｘの２倍より小さいという第１の条件、最小半径Ｒ_Ｃｋ内のレンジデータＤｒの数が４個より大きいという第２の条件、及びクラスタＣｋを形成するレンジデータＤｒが直線を形成しないという第３の条件の全てを満たしていると、クラスタＣｋが脚である可能性がありステップＳ１２の判定結果がＹＥＳであると判断する。ステップＳ１２の判定結果がＮＯであると、ステップＳ１３では、ｋをｋ＝ｋ＋１にインクリメントして処理をステップＳ１２へ戻すことで、ステップＳ２で形成されたクラスタの中から次の未処理クラスタＣｋ＋１を取得する。

ステップＳ１２の判定結果がＹＥＳであると、ステップＳ１４では、ｋをｋ＝ｋ＋１にインクリメントしてステップＳ２で形成されたクラスタの中から次の未処理クラスタＣｋ＋１を取得する。ステップＳ１５では、２個のクラスタＣｋ，Ｃｋ＋１がパターンＰ１に相当するか否かを判定し、判定結果がＹＥＳであると処理はステップＳ１６へ進み、判定結果がＮＯであると処理はステップＳ１７へ進む。ステップＳ１５の判定結果がＹＥＳの場合に実行されるステップＳ１６では、２個のクラスタＣｋ，Ｃｋ＋１を両脚の候補リストに追加し、処理はステップＳ１３へ進む。抽出された脚の特徴を表す両脚の候補リストには、クラスタＣｋの中心座標が脚Ｌ１の座標として登録され、クラスタＣｋ＋１の中心座標が脚Ｌ２の座標として登録される。ステップＳ１７では、ｋをｋ＝ｋ＋１にインクリメントしてステップＳ２で形成されたクラスタの中から次の未処理クラスタＣｋ＋２を取得する。

ステップＳ１８では、２個のクラスタＣｋ，Ｃｋ＋２がパターンＰ２に相当するか否かを判定し、判定結果がＹＥＳであると処理はステップＳ１６へ進み、判定結果がＮＯであると処理はステップＳ１９へ進む。ステップＳ１８の判定結果がＹＥＳの場合に実行されるステップＳ１６では、２個のクラスタＣｋ，Ｃｋ＋２を両脚の候補リストに追加し、処理はステップＳ１３へ進む。ステップＳ１９では、２個のクラスタＣｋ，Ｃｋ＋２がパターンＰ３に相当するか否かを判定し、判定結果がＹＥＳであると処理はステップＳ２０へ進み、判定結果がＮＯであると処理はステップＳ１３へ進む。ステップＳ２０では、２個のクラスタＣｋ，Ｃｋ＋２を単脚の候補リストに追加し、処理はステップＳ１３へ進む。抽出された脚の特徴を表す単脚の候補リストには、例えばクラスタＣｋの中心座標とクラスタＣｋ＋２の中心座標の中間点が単脚（接続状態の脚Ｌ１，Ｌ２）の座標として登録される。

図８は、パターン照合を説明するフローチャートである。図８に示す処理は、図７のステップＳ１５において２個のクラスタがパターンＰ１に相当するか否か、或いは、図７のステップＳ１８において２個のクラスタがパターンＰ２に相当するか否かを判断する際に実行される。予め定義した閾値α、β、γ、Ｌｒ_ｍｉｎの値を適切に設定することにより、パターンＰ１或いはパターンＰ２との照合が可能となる。説明の便宜上、以下の説明ではパターンＰ１との照合を行うものとする。

図８において、ステップＳ３１では、２個のクラスタＣｋ，Ｃｋ＋１のクラスタリストを参照してこれらのクラスタリストに登録された情報を取得する。ステップＳ３２では、クラスタＣｋを形成する全てのレンジデータＤｒが包含される仮想円Ｒ_ｃｋとクラスタＣｋ＋１を形成する全てのレンジデータＤｒが包含される仮想円Ｒ_ｃｋ＋１の相似度Ｓｒ＝Ｒ_ｃｋ／Ｒ_ｃｋ＋１を算出する。ステップＳ３３では、クラスタＣｋの中心座標から基準位置までの距離Ｄ_ｋとクラスタＣｋ＋１の中心座標から基準位置までの距離Ｄ_ｋ＋１の相似度Ｓｄ＝｜Ｄ_ｋ−Ｄ_ｋ＋１｜を算出する。又、ステップＳ３４では、クラスタＣｋの中心座標からクラスタＣｋ＋１の中心座標までの距離Ｄｃ_{ｋ，ｋ＋１}を算出する。

ステップＳ３５では、Ｓｒ＜α、Ｓｄ＜β、Ｄｃ_{ｋ，ｋ＋１}＜γ、Ｒ_ｃｋ＜Ｌｒ_ｍｉｎ、Ｒ_ｃｋ＋１＜Ｌｒ_ｍｉｎの全ての条件を満足しているか否かを判定する。ここで、αは仮想円の相似度Ｓｒに対する閾値、βはクラスタ中心座標から基準位置までの距離の相似度Ｓｄに対する閾値、γはクラスタの中心座標間の距離に対する閾値、Ｌｒ_ｍｉｎは人体の脚とみなす最小半径を示す閾値である。ステップＳ３５の判定結果がＮＯであると、ステップＳ３６は照合失敗、即ち、クラスタＣｋ，Ｃｋ＋１がパターンＰ１に相当しないと判断し、図７のステップＳ１５の判定結果はＮＯとなる。一方、ステップＳ３５の判定結果がＹＥＳであると、ステップＳ３７は照合成功、即ち、クラスタＣｋ，Ｃｋ＋１がパターンＰ１に相当すると判断し、図７のステップＳ１５の判定結果はＹＥＳとなる。

パターンＰ２との照合を行う場合には、予め定義した閾値α、β、γ、Ｌｒ_ｍｉｎの値をパターンＰ２との照合用の値に変更するだけで、ステップＳ３１〜Ｓ３７が上記パターンＰ１との照合の場合と同様に行われる。この場合、ステップＳ３５の判定結果がＮＯであると、ステップＳ３６は照合失敗、即ち、クラスタＣｋ，Ｃｋ＋２がパターンＰ２に相当しないと判断し、図７のステップＳ１８の判定結果はＮＯとなる。一方、ステップＳ３５の判定結果がＹＥＳであると、ステップＳ３７は照合成功、即ち、クラスタＣｋ，Ｃｋ＋２がパターンＰ２に相当すると判断し、図７のステップＳ１８の判定結果はＹＥＳとなる。

図７のステップＳ１９において２個のクラスタがパターンＰ３に相当するか否かは、例えば２個のクラスタを形成する全てのレンジデータＤｒが包含される仮想円の最小半径が予め定義された最小値Ｒｍｉｎより大きく、且つ、予め定義された最大値Ｒｍａｘより小さいか否かを判定することで判断可能である。この場合の仮想円は、２個のクラスタの中心座標の中間点を中心とするものであっても良い。

上記ステップＳ３で抽出した特徴は、人物の脚に似ている特徴、或いは、人物の脚らしい（即ち、脚である可能性が高い、脚の候補の）特徴である。従って、ステップＳ４では、抽出された脚の特徴を表す脚（両脚又は単脚）の候補リストから人物の脚を抽出する。ステップＳ４では更に、脚の候補リストから抽出した脚に基づいて人物の検出を行い、抽出した脚と検出結果となる人物との関連付けも行う。

例えば、人物の脚は、候補が脚と特定された時点（又は、初期状態）の候補の位置を示すＸＹ座標InitPos、タイマ１４で管理されており候補が脚と特定された時の時間（又は、時刻）を示すタイムスタンプInitTimestamp、脚と特定された候補の現在位置を示すＸＹ座標CurrentPos、脚と特定された候補の予測位置を示すＸＹ座標PredictPos、脚と特定された候補の現在速度を表すベクトルCurrentVel、脚と特定された候補を脚として持つ人物Human等の情報で定義する。

一方、脚と特定された候補に基づいて検出した人物は、唯一の人物を示す識別情報ID、人物の現在位置を示すＸＹ座標CurrentPos、人物の予測位置を示すＸＹ座標PredictPos、人物の現在速度を示すベクトルCurrentVel、人物の両脚を示すLeftLeg, RightLeg等の情報（即ち、要素）で定義する。

図９は、脚と人物との依存関係を説明する図である。図９において、実線は人物とこの人物を定義する情報の人物定義リストHuman、人物の左脚とこの人物の左脚を定義する情報の左脚定義リストLeftLeg、及び人物の右脚とこの人物の右脚を定義する右脚定義リストRightLegの関係を示す。又、破線は、人物定義リストHumanの情報、左脚定義リストLeftLegの情報、及び右脚定義リストRightLegの情報の依存関係を示す。

候補の脚への特定、脚と特定された候補とこの候補から検出された人物との関連付け、脚及び人物の状態更新等を含む処理は、上記の如き定義リストHuman, LeftLeg, RightLegに基づいて任意検出サイクルTiで実行される。このような処理に必要な情報には、直前の検出サイクル（以下、「前回検出サイクル」と言う）Ti-1の脚定義リストLegTi-1の情報、前回検出サイクルTi-1で検出された人物の人物定義リスト（前回検出サイクルTi-1の検出結果）HTi-1の情報、現在の検出サイクル（以下、「今回検出サイクル」と言う）Tiで抽出された候補が新たに脚と特定された脚定義リストLegTiの情報等が含まれる。

図１０は、図３に示すステップＳ４の処理をより詳細に説明するフローチャートである。図１０において、ステップＳ４１では、今回検出サイクルTiで抽出された候補が新たに脚と特定された新脚定義リストNLegTiを全てメモリ１３に登録する。又、ステップS４１では、今回検出サイクルTiで抽出された候補が新たに脚と特定された新脚定義リストNLegTi中の脚の現在位置を示すＸＹ座標CurrentPosと、前回検出サイクルTi-1の全ての脚定義リストLegTi-1中の脚の現在位置を示すＸＹ座標CurrentPosとを周知の最短距離近傍法（Nearest Neighborhood Algorithm）を用いて照合する。具体的には、新脚定義リストNLegTi中の脚の現在位置を示すＸＹ座標CurrentPosと、前回検出サイクルTi-1の全ての脚定義リストLegTi-1中の脚の現在位置を示すＸＹ座標CurrentPosとの最短距離を算出し、最短距離が閾値以下であれば最短距離近傍法により照合が成功した（以下、「照合成功」と言う）と判断して処理はステップ４２へ進む。一方、照合の結果最短距離が閾値以下である新脚定義リストNLegTi中の脚の現在位置を示すＸＹ座標CurrentPosが検出されないと、照合が不成功である（以下、「照合不成功」と言う）と判断して新脚定義リストNLegTiは他の脚又は人物と関連付けができていない非関連脚定義リストLegFeatureTiとしてメモリ１３に登録し、次の検出サイクル（以下、「次回検出サイクル」と言う）Ti+1で抽出された候補が新たに脚と特定された新脚定義リストNLegTi+1が作成されるまで待つ。ステップＳ４１で用いられる閾値は、新脚定義リストNLegTiが両脚に関するものであれば例えば人物の最大半径（例えば、１ｍ）に設定されて２脚と２脚の最短距離を算出し、新脚定義リストNLegTiが単脚に関するものであれば１脚と１脚の最短距離が算出される。２脚と２脚の最短距離とは、２脚の中心と２脚の中心との間の最短距離である。

図１１は、人物定義リストHuman、脚定義リストLeg及び非関連脚定義リストLegFeatureの一例を説明する図である。この例では、脚定義リストLeg1, Leg2が人物定義リストHuman1と関連付けられており、．．．、脚定義リストLegN, LegN+1が人物定義リストHumanMがと関連付けられているが、非関連脚定義リストLegFeature1, LegFeature2は他の脚又は人物と関連付けられていない。尚、新脚定義リストNLegの構成は、脚定義リストLegと同じ構成で良い。

ステップＳ４１において照合成功と判断されると、ステップＳ４２では、今回検出サイクルTiの脚定義リストLegTi中の脚の現在位置を示すＸＹ座標CurrentPosを新脚定義リストNLegTi中の対応するＸＹ座標CurrentPosで更新すると共に、脚定義リストLegTi中の現在速度を表すベクトルCurrentVelを更新してメモリ１３に登録する。現在速度を表すベクトルCurrentVelは、新脚定義リストNLegTi中の脚の現在位置を示すＸＹ座標CurrentPosと前回脚定義リストLegTi-1中の脚の現在位置を示すＸＹ座標CurrentPosの差分と、検出サイクルタイムDTから推定可能である。更に、ステップＳ４２では、今回検出サイクルTiまでに検出できていない脚の候補を更に抽出するため、照合できた候補を新脚定義リストNLegTiから削除すると共に、一定時間内に照合できない新脚定義リストNLegTiの要素も削除することで、新脚定義リストNLegTiを更新する。

ステップＳ４３では、他の脚又は人物と関連付けができていると判断され、且つ、更新した脚定義リストLegTiの要素を参照している人物定義リストHumanTiの要素を更新する。具体的には、人物定義リストHumanTiの対応するＸＹ座標CurrentPosと現在速度を表すベクトルCurrentVelを更新してメモリ１３に登録する。尚、例えば人物定義リストHumanTiの左脚要素LeftLeg又は右脚要素RightLegを無効（NULL）に更新することによって、この人物定義リストHumanTiが定義する人物に対して基準位置から見える脚の本数が変わる。

このように、ステップＳ４２により今回検出サイクルTiの脚定義リストLegTiの要素（即ち、脚の状態）が更新され、ステップＳ４３により今回検出サイクルTiの人物定義リストHumanTiの要素（即ち、人物の状態）が更新される。

ステップＳ４４では、メモリ１３に登録されている、前回検出サイクルTi-1の他の脚又は人物と関連付けができていない非関連脚定義リストLegFeatureTi-1中の脚の現在位置を示すＸＹ座標CurrentPosがあれば、更新された今回検出サイクルTiの新脚定義リストNLegTi中の脚の現在位置を示すＸＹ座標CurrentPosとの最短距離を算出する。又、ステップＳ４４では、この最短距離が閾値以下であれば最短距離近傍法により照合が成功した（「照合成功」）と判断して、照合が成功した非関連脚定義リストLegFeatureTi-1中のＸＹ座標CurrentPosを非関連脚定義リストLegFeatureTi-1から削除すると共に、新たに脚と特定された候補の現在位置として、即ち、検出サイクルTiの脚定義リストLegTiの要素としてメモリ１３に登録することで脚定義リストLegTiを更新する。このように、ステップＳ４４では、新脚定義リストNLegTiから、前回検出サイクルTi-1で検出されていない脚の候補を抽出する。つまり、上記ステップＳ４１〜Ｓ４３の処理が完了した時点で新脚定義リストNLegTiが要素が登録されていない空リスト以外の場合、前回検出サイクルTi-1で検出されていない脚の候補と新脚定義リストNLegTiの各要素との最短距離を計算し、最短距離近傍法で候補を照合する。最短距離が閾値以下であれば、今回検出サイクルTiの新脚定義リストNLegTiの要素で定義した位置を新位置とする新たな脚を作成し、脚定義リストLegTiに追加する。

ステップＳ４４の処理が完了した時点で、前回検出サイクルTi-1の脚定義リストLegTi-1と新脚定義リストNLegTiの要素の情報に基づいて、今回検出サイクルTiの脚定義リストLegTiの作成が完了する。この状態では、今回検出サイクルTiの脚定義リストLegTiを用いて人物の状態を更新することができる。

ステップＳ４５では、前回検出サイクルTi-1で検出されている人物の状態を更新する。つまり、上記如く更新した今回検出サイクルTiの脚定義リストLegTiと、この脚定義リストLegTiの要素を参照する人物定義リストHumanTiとの関連付けに基づいて、今回検出サイクルTiの人物の位置又は移動速度を以下のように更新する。先ず、人物の２脚を検出することができ、且つ、両脚の距離が人物の最大半径（例えば、１ｍ）以下の場合、両脚の中心で人物の位置を更新する。又、更新前後の脚の位置の差分とサイクルタイムDTで脚の移動速度を計算する。人物の２脚を検出することができ、且つ、両脚の距離が人物の最大半径を超える場合、両脚が同時に静止或いは移動する場合にはこの人物を人物定義リストHumanTiから削除する。この場合、両脚の静止或いは移動は、脚の移動速度から判断することが可能である。更に、人物の単脚しか検出できない場合、人物の位置をこの単脚の位置で更新し、上記の場合と同様に脚の速度も更新する。人物の脚が全て検出されない場合、脚が一時的に遮蔽されている可能性があるため、新たな脚の候補の全てに対し、人物の現在位置と最短距離を持つ２脚を選択する。この選択された２脚と人物との最短距離が探索半径Ｒｓ以内（例えば、Ｒｓ＝１．５×（人の最大半径））であれば、この２脚を使って人物の状態を更新し、上記の場合と同様に脚の移動速度も更新する。

尚、一定時間内（例えば、２検出サイクル）で人物定義リストHumanTi中の要素の更新がなければ、その人物定義リストHumanTiで表される人物は削除する。上記の如き処理が完了した時点で、前回検出サイクルTi-1で検出した人物の状態（位置、速度）、即ち、人今回検出サイクルTiの人物定義リストHumanTiの更新が全て完了する。

ステップＳ４６では、新たな人物を検出する。つまり、脚定義リストLegTiで表される、人物定義リストHumanTiへの参照がなく、且つ、前回検出サイクルTi-1で検出した人物との関連付けができていない各脚に対し、脚定義リストLegTiで表される他の脚との距離を算出する。又、算出された最短距離が人物の最大半径以内である脚と関連付けができていない脚とで形成される脚ペアのうち、少なくとも一方の脚が静止していない脚ペアを新たな人物の２脚とみなして今回サイクルTiで新たに検出した人物の脚として人物定義リストHumanTiに追加する。これにより、新たな人物を検出することができ、処理はステップＳ４１へ戻る。

尚、ステップＳ４において、ステップＳ３で抽出した人物の脚に似ている特徴（或いは、人物の脚らしい（即ち、脚である可能性が高い）特徴）に基づいて対象物が人物であるか否かを判断して人物を検出する方法は、図１０の手順を用いる方法に限定されるものではなく、人物の脚に似ている特徴に基づいて対象物が人物であるか否かを判断する方法であれば特に限定されない。

（第２実施例）
上記第１実施例では、ＬＲＦ４は、測定の開始、走査時間（又は、走査周期）、測定の終了等の指示に応答して、重力方向と平行な垂直面以外の任意平面の一例であるＸＹ平面を走査するが、本発明の第２実施例においては、ＬＲＦ４はＸＹ平面に対して９０°以外の任意の角度傾斜させた任意平面を走査する。

尚、上記第１実施例及び以下に説明する第２実施例において、重力方向と平行な垂直面以外の任意平面を走査するのは、直立している人物の脚は概ね重力方向と平行であるため重力方向と平行な垂直面を走査しても人物の脚を検出することは極めて難しいからである。

図１２は、本発明の第２実施例におけるサービスロボット１のベース部３の一例を示す図である。図１２中、図１と同一部分には同一符号を付し、その説明は省略する。図１２に示す例では、ＬＲＦ４はＸＹ平面に対して角度θ傾斜させた任意走査面を走査する。この例では、ＬＲＦ４の走査面はＸＹ平面に対して下向きに傾斜しているが、上向きに傾斜していても良い。又、角度調整機構６により角度θを可変設定（又は、チルト）可能な構成としても良い。

任意平面で走査範囲を走査して基準位置から前記走査範囲内の対象物までの距離を測定可能な距離測定装置としてＬＲＦを用いる場合、ＬＲＦは人物の脚を検出するのに適した高さ位置に設けられる。上記角度θが０≦θ＜９０°の場合、ＬＲＦの高さ位置は人物の膝から下腿にかけての部位を検出するのに適した高さ位置に設けられることが望ましく、上記角度θが０＜θ＜９０°の場合、ＬＲＦの走査面はＸＹ平面に対して下向きに傾斜していることが望ましい。ＬＲＦの高さ位置が人物の膝や下腿を検出するのに適した高さ位置に設けられることが望ましい理由は、ＬＲＦから見て同一人物の膝対や下腿対の方が上腿対と比較すると互いを遮蔽する確率が低いからである。

（第３実施例）
上記第１実施例では、ＬＲＦ４はサービスロボット１に１個設けられているが、ＬＲＦ４を複数設けても良い。本発明の第３実施例においては、ＬＲＦ４はサービスロボット１に２個設けられる。

図１３は、本発明の第３実施例におけるサービスロボット１のベース部３の一例を示す図である。図１３中、図１２と同一部分には同一符号を付し、その説明は省略する。図１３に示す例では、ＬＲＦ４がサービスロボット１に２個設けられている。２個のＬＲＦ４は、互いに平行な任意平面を走査しても、互いに交差する任意平面を走査しても良い。例えば、図１３において上側のＬＲＦ４の走査角度を角度調整機構６により調整可能な構成とし、且つ、下側のＬＲＦ４は位置が固定されてＸＹ平面を走査する構成としても良い。尚、ＬＲＦ４が２個の場合、サービスロボット１の基準位置は、各々のＬＲＦ４の位置となる。

２個以上のＬＲＦを用いてサービスロボットの基準位置から対象物までの距離を測定する場合、２個以上のＬＲＦによる２以上の平面における測定結果のマッチングを行うことにより測定結果の精度を向上させることができる。例えば、１個のＬＲＦでは遮蔽等により脚が測定しにくい場合であっても、２個以上のＬＲＦの測定結果のマッチングを行うことで、１個のＬＲＦの走査面では少なくとも一部が遮蔽されている脚であっても他のＬＲＦの走査面における測定結果から脚である確率を、周知のマッチング手法により正確に演算することができる。

尚、２個以上のＬＲＦを用いる場合、少なくとも１個のＬＲＦはサービスロボットに設け、他のＬＲＦは壁等に固定的に設けても良い。又、少なくとも１個のＬＲＦを設けたサービスロボットを複数用いても良い。これらの場合、言うまでもなく、少なくとも１個のＬＲＦが設けられた１台のサービスロボットは、壁や他のサービスロボットに設けられたＬＲＦの測定結果を無線通信により図６に示す通信部１５等を介して受信すれば、２以上の平面での測定結果のマッチングを行うことができる。これらの場合、複数のＬＲＦで共通に用いるＸＹ座標の原点は、壁等の固定点であっても、基準となる１台のサービスロボットの基準点であっても良い。

又、同じＸＹ平面を走査する１個のＬＲＦが設けられた２台以上のサービスロボットの測定結果のマッチングを行う場合であっても、２台以上のサービスロボットのＬＲＦは対象物に対して異なる位置から走査しているので、同じＸＹ平面上の異なる位置からの測定結果のマッチングを行うことで、測定結果の精度を向上させることができる。

（変形例）
言うまでもなく、上記各実施例による人物検出結果を、カメラを用いる人物検出方法等の他の人物検出方法による人物検出結果と組み合わせて人物検出の精度を向上することが可能である。この場合、人物検出環境によらず人物検出の精度を向上できる。

上記各実施例では、サービスロボットの基準位置から対象物までの距離をＬＲＦを用いて測定しているが、任意平面で二次元に限定された走査範囲を走査して基準位置から前記走査範囲内の対象物までの距離を測定可能な距離測定装置
（ＤＭＥ：Distance Measuring Equipment）であれば、距離を測定する走査装置又は走査手段はＬＲＦ以外の距離測定装置を用いるものであっても良い。

又、人物検出装置の適用はサービスロボットに限定されるものではなく、人物検出処理を要求するコマンドを人物検出装置に出力し、人物検出装置からの人物検出処理の結果の通知が入力される監視制御部（又は、コンピュータ）を備えた監視システム等へも適用可能である。

以上の実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記１）
重力方向と平行な垂直面以外の任意平面で走査範囲を走査して基準位置から前記走査範囲内の対象物までの距離を測定する走査手段と、
前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出する算出手段と、
人物の両脚に相当する前記任意平面上の断面形状の第２のパターンが予め複数登録されている記憶手段と、
前記第１及び第２のパターンを比較して、比較結果に基づいて前記対象物から人物の脚の特徴を抽出する抽出手段と、
抽出した前記特徴に基づいて前記対象物が人物であるか否かを判断する判断手段を備えた、人物検出装置。
（付記２）
前記第２のパターンは、前記走査手段が検出する両脚が前記基準位置に対して前後しているパターン、前記基準位置に対して両脚が並んで離間しているパターン、及び前記基準位置に対して両脚が並んで接続しているパターンを含む、付記１記載の人物検出装置。
（付記３）
前記判断手段は、抽出した前記特徴の運動特性及び幾何情報に基づいて人物を検出する、付記１又は２記載の人物検出装置。
（付記４）
前記算出手段は、前記距離に基づいて前記対象物の位置を検出サイクルで算出し、
前記判断手段は、前記対象物の前回の検出サイクルにおける位置と前記対象物の現在の検出サイクルおける位置とを最短距離近傍法を用いて照合することで、前記対象物の移動を前記特徴の運動特性として求める、付記３記載の人物検出装置。
（付記５）
前記走査手段は、複数の任意平面上の走査範囲を走査する、付記１乃至４のいずれか１項記載の人物検出装置。
（付記６）
前記複数の任意平面は互いに平行である、付記５記載の人物検出装置。
（付記７）
前記複数の任意平面は互いに所定角度を成す、付記５記載の人物検出装置。
（付記８）
前記走査手段は、レーザレンジファインダ（ＬＲＦ）を有する、付記１乃至７のいずれか１項記載の人物検出装置。
（付記９）
前記走査手段は、任意平面の数分のレーザレンジファインダ（ＬＲＦ）を有する、付記１乃至７のいずれか１項記載の人物検出装置。
（付記１０）
付記１乃至９のいずれか１項記載の人物検出装置と、
人物検出処理を要求するコマンドを前記人物検出装置に出力し、前記人物検出装置からの人物検出処理の結果の通知が入力されるロボット本体を備えた、サービスロボット。
（付記１１）
付記１乃至９のいずれか１項記載の人物検出装置と、
人物検出処理を要求するコマンドを前記人物検出装置に出力し、前記人物検出装置からの人物検出処理の結果の通知が入力される監視制御部をを備えた、監視システム。
（付記１２）
重力方向と平行な垂直面以外の任意平面で走査範囲を走査部により走査して基準位置から前記走査範囲内の対象物までの距離を測定する工程と、
前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出する工程と、
前記第１のパターンと、予め記憶部に複数登録されている、人物の両脚に相当する前記任意平面上の断面形状の第２のパターンをプロセッサにより比較して、比較結果に基づいて前記対象物から人物の脚の特徴をプロセッサにより抽出する工程と、
抽出した前記特徴に基づいて前記対象物が人物であるか否かを前記プロセッサで判断する工程を含む、人物検出方法。
（付記１３）
前記第２のパターンは、前記走査部が検出する両脚が前記基準位置に対して前後しているパターン、前記基準位置に対して両脚が並んで離間しているパターン、及び前記基準位置に対して両脚が並んで接続しているパターンを含む、付記１２記載の人物検出方法。
（付記１４）
前記判断する工程は、抽出した前記特徴の運動特性及び幾何情報に基づいて人物を検出する、付記１２又は１３記載の人物検出方法。
（付記１５）
コンピュータに、
走査部に指示を出力して重力方向と平行な垂直面以外の任意平面で走査範囲を走査して基準位置から前記走査範囲内の対象物までの距離を測定させる走査手順と、
前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出させる算出手順と、
前記第１のパターンと、記憶部に予め複数登録されている、人物の両脚に相当する前記任意平面上の断面形状の第２のパターンを比較させ、比較結果に基づいて前記対象物から人物の脚の特徴を抽出させる抽出手順と、
抽出した前記特徴に基づいて前記対象物が人物であるか否かを判断させる判断手順
を実行させるためのプログラム。
（付記１６）
前記第２のパターンは、前記走査手段が検出する両脚が前記基準位置に対して前後しているパターン、前記基準位置に対して両脚が並んで離間しているパターン、及び前記基準位置に対して両脚が並んで接続しているパターンを含む、付記１５記載のプログラム。
（付記１７）
前記判断手順は、前記コンピュータに、抽出した前記特徴の運動特性及び幾何情報に基づいて人物を検出させる、付記１５又は１６記載のプログラム。
（付記１８）
付記１５乃至１７のいずれか１項記載のプログラムが格納された、コンピュータ読み取り可能な記憶媒体。

以上、開示の人物検出装置、人物検出方法及びプログラムを実施例により説明したが、本発明は上記実施例に限定されるものではなく、本発明の範囲内で種々の変形及び改良が可能であることは言うまでもない。

１ サービスロボット
２ ロボット本体
３ ベース部
４ ＬＲＦ
６ 角度調整機構
１１ 人物検出装置
１２ ＣＰＵ
１３ メモリ
１４ タイマ
１５ 通信部

Claims (6)

1. 重力方向と平行な垂直面以外の任意平面で走査範囲を走査して基準位置から前記走査範囲内の対象物までの距離を測定する走査手段と、
   前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出する算出手段と、
   人物の両脚に相当する前記任意平面上の断面形状の第２のパターンが予め複数登録されている記憶手段と、
   前記第１及び第２のパターンを比較して、比較結果に基づいて前記対象物から人物の脚の特徴を抽出する抽出手段と、
   抽出した前記特徴に基づいて前記対象物が人物であるか否かを判断する判断手段を備え、
   前記複数の第２のパターンは、前記両脚が前記基準位置に対して前後しているパターン、前記両脚が前記基準位置に対して左右に並んで離間しているパターン、及び前記両脚が前記基準位置に対して左右に並んで接続しているパターンを含む、人物検出装置。
2. 前記判断手段は、抽出した前記特徴の運動特性及び幾何情報に基づいて人物を検出し、
   前記特徴の運動特性は脚の候補の移動情報を含み、
   前記特徴の幾何情報は同一人物の２脚の候補の情報を含む、請求項１記載の人物検出装置。
3. 前記走査手段は、レーザレンジファインダを有し、
   前記算出手段は、前記レーザレンジファインダが測定したレンジデータを所定周期でサンプリングして形成したセグメントからクラスタを形成し、
   連続する２つのサンプリング点におけるレンジデータは、２点の前記基準位置からの距離の差が第１の閾値以下であり、且つ、前記２点の前記重力方向と垂直な水平面上の距離が第２の閾値以下であると、同じ対象物のエッジの１つのセグメントを形成し、
   同じ対象物の複数のセグメントから１つのクラスタが形成され、前記１つのクラスタは、１つの対象物のセグメントを形成するレンジデータの集合である、請求項１又は２記載の人物検出装置。
4. 前記算出手段は、前記クラスタを管理するクラスタリストを作成し、
   前記クラスタリストは、各クラスタを形成するレンジデータの数、各クラスタの中心座標、各クラスタの前記中心座標から前記基準位置までの距離、各クラスタを形成する全てのレンジデータが包含される仮想円の最小半径、及び各クラスタを形成するレンジデータが直線を形成しているか否かの情報を含み、
   前記抽出手段は、前記クラスタリストに基づいて前記クラスタを選別して前記比較結果から前記人物の脚の特徴を抽出する、請求項３記載の人物検出装置。
5. 重力方向と平行な垂直面以外の任意平面で走査範囲を走査部により走査して基準位置から前記走査範囲内の対象物までの距離を測定する工程と、
   前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出する工程と、
   前記第１のパターンと、予め記憶部に複数登録されている、人物の両脚に相当する前記任意平面上の断面形状の第２のパターンをプロセッサにより比較して、比較結果に基づいて前記対象物から人物の脚の特徴をプロセッサにより抽出する工程と、
   抽出した前記特徴に基づいて前記対象物が人物であるか否かを前記プロセッサで判断する工程を含み、
   前記複数の第２のパターンは、前記両脚が前記基準位置に対して前後しているパターン、前記両脚が前記基準位置に対して左右に並んで離間しているパターン、及び前記両脚が前記基準位置に対して左右に並んで接続しているパターンを含む、人物検出方法。
6. コンピュータに、
   走査部に指示を出力して重力方向と平行な垂直面以外の任意平面で走査範囲を走査して基準位置から前記走査範囲内の対象物までの距離を測定させる走査手順と、
   前記距離に基づいて前記対象物の前記任意平面上の断面形状に相当する第１のパターンを算出させる算出手順と、
   前記第１のパターンと、記憶部に予め複数登録されている、人物の両脚に相当する前記任意平面上の断面形状の第２のパターンを比較させ、比較結果に基づいて前記対象物から人物の脚の特徴を抽出させる抽出手順と、
   抽出した前記特徴に基づいて前記対象物が人物であるか否かを判断させる判断手順
   を実行させ、
   前記複数の第２のパターンは、前記両脚が前記基準位置に対して前後しているパターン、前記両脚が前記基準位置に対して左右に並んで離間しているパターン、及び前記両脚が前記基準位置に対して左右に並んで接続しているパターンを含む、プログラム。

Images