JP6482892B2 - Monitoring system - Google Patents

Monitoring system Download PDF

Info

Publication number
JP6482892B2
JP6482892B2 JP2015029288A JP2015029288A JP6482892B2 JP 6482892 B2 JP6482892 B2 JP 6482892B2 JP 2015029288 A JP2015029288 A JP 2015029288A JP 2015029288 A JP2015029288 A JP 2015029288A JP 6482892 B2 JP6482892 B2 JP 6482892B2
Authority
JP
Japan
Prior art keywords
monitoring system
landmark
signal processing
camera
processing 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.)
Active
Application number
JP2015029288A
Other languages
Japanese (ja)
Other versions
JP2016152525A (en
Inventor
禎輝 縣
禎輝 縣
山口　宗明
宗明 山口
忠和 角戸
忠和 角戸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Kokusai Electric Inc
Original Assignee
Hitachi Kokusai Electric Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Kokusai Electric Inc filed Critical Hitachi Kokusai Electric Inc
Priority to JP2015029288A priority Critical patent/JP6482892B2/en
Publication of JP2016152525A publication Critical patent/JP2016152525A/en
Application granted granted Critical
Publication of JP6482892B2 publication Critical patent/JP6482892B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Burglar Alarm Systems (AREA)
  • Image Analysis (AREA)

Description

本発明は、監視システムに関するものである。   The present invention relates to a monitoring system.

従来、空港や港等の重要施設は、侵入を防止するためのフェンスや壁により囲まれている。この中でフェンスが設置されている施設では、例えば、フェンスと連動して侵入者を検知するフェンスセンサーにより監視を実施している。また、センサーに加えて監視カメラによる映像監視を行っている場合がある。
図９は従来の侵入者検知システムを説明するための図である。
従来の侵入者検知は、施設への侵入を防ぐフェンス９００に光ファイバ等のセンサーケーブル９０２を設置し、ケーブルの揺れにより侵入者の有無を検知する。センサーケーブル９０２には侵入者を検知するためのコントローラ９０１と、終端ボックス９０３が接続されている。 Conventionally, important facilities such as airports and harbors are surrounded by fences and walls for preventing intrusion. In facilities where fences are installed, for example, monitoring is performed by a fence sensor that detects an intruder in conjunction with the fence. In some cases, video surveillance is performed by a surveillance camera in addition to the sensor.
FIG. 9 is a diagram for explaining a conventional intruder detection system.
In the conventional intruder detection, a sensor cable 902 such as an optical fiber is installed on a fence 900 that prevents entry into a facility, and the presence or absence of an intruder is detected by shaking the cable. A controller 901 for detecting an intruder and a termination box 903 are connected to the sensor cable 902.

先行技術文献として、例えば、特許文献１では、物体検出手段が、第１のライン設定手段により設定された第１のラインを横切るとともに第２のライン設定手段により設定された第２のラインを横切った物体を検出する。   As a prior art document, for example, in Patent Document 1, the object detection means crosses the first line set by the first line setting means and the second line set by the second line setting means. Detects an object.

特開２０１０−１２８７２７号公報JP 2010-128727 A

従来の侵入者検知システムは、風等の自然現象の影響で誤動作が発生していた。
本発明の目的は、自然現象である風等の揺れを侵入者と区別して、侵入者の認識率を向上させることにある。 Conventional intruder detection systems have malfunctioned due to the influence of natural phenomena such as wind.
An object of the present invention is to distinguish a natural phenomenon such as wind as an intruder and improve the recognition rate of the intruder.

本発明の監視システムは、カメラを有する監視システムであって、カメラは信号処理部を有し、カメラが撮影する物体には複数のランドマークを有し、信号処理部はカメラで撮影したランドマークの揺れ状態から侵入者を検知することを特徴とする。   The surveillance system of the present invention is a surveillance system having a camera, the camera has a signal processing unit, an object photographed by the camera has a plurality of landmarks, and the signal processing unit has landmarks photographed by the camera. It is characterized by detecting an intruder from the state of shaking.

また、本発明の監視システムは、上記の監視システムであって、信号処理部はカメラで撮影したランドマークを背景画像として記憶していることを特徴とする。   The monitoring system of the present invention is the monitoring system described above, wherein the signal processing unit stores a landmark photographed by a camera as a background image.

さらに、本発明の監視システムは、撮像部と信号処理部を有する監視システムにであって、撮像部が撮影する物体には複数のランドマークを有し、信号処理部は撮像部で撮影したランドマークの揺れ状態から侵入者を検知することを特徴とする。   Furthermore, the monitoring system of the present invention is a monitoring system having an imaging unit and a signal processing unit, wherein an object photographed by the imaging unit has a plurality of landmarks, and the signal processing unit is a land photographed by the imaging unit. It is characterized by detecting an intruder from the shaking state of the mark.

本発明によれば、自然現象である風等の揺れを侵入者と区別して、侵入者の認識率を向上させることができる。   According to the present invention, it is possible to distinguish a natural phenomenon such as wind and the like from an intruder and improve the recognition rate of the intruder.

本発明の一実施例に係る監視システムを説明するための図である。It is a figure for demonstrating the monitoring system which concerns on one Example of this invention. 本発明の一実施例に係る監視システムの信号処理部の動作を説明するための図である。It is a figure for demonstrating operation | movement of the signal processing part of the monitoring system which concerns on one Example of this invention. 本発明の一実施例に係る監視システムのランドマークの設置位置について説明するための図である。It is a figure for demonstrating the installation position of the landmark of the monitoring system which concerns on one Example of this invention. 本発明の一実施例に係る監視システムの昼間におけるランドマークの位置検出の処理過程について説明するための図である。It is a figure for demonstrating the process of a landmark position detection in the daytime of the monitoring system which concerns on one Example of this invention. 本発明の一実施例に係る監視システムの夜間におけるランドマークの位置検出の処理過程について説明するための図である。It is a figure for demonstrating the process of the position detection of the landmark at night of the monitoring system which concerns on one Example of this invention. 本発明の一実施例に係る監視システムにおける特徴量の抽出過程を説明するための図である。It is a figure for demonstrating the extraction process of the feature-value in the monitoring system which concerns on one Example of this invention. 本発明の一実施例に係る監視システムにおける特徴量の性質を説明するための図である。It is a figure for demonstrating the property of the feature-value in the monitoring system which concerns on one Example of this invention. 本発明の一実施例に係る監視システムにおける侵入者有無の判定条件を説明するための図である。It is a figure for demonstrating the determination conditions of the intruder presence in the monitoring system which concerns on one Example of this invention. 従来の侵入者検知システムを説明するための図である。It is a figure for demonstrating the conventional intruder detection system.

以下、本発明の実施形態について図面を参照して詳細に説明する。
図１は本発明の一実施例に係る監視システムを説明するための図である。
図１において、監視システム１００は、少なくともカメラ１１０と、ランドマーク１２１ａ〜１２１ｉ（ランドマークを代表する場合は１２１と称する）を有している。
カメラ１１０は、撮像部１１１と信号処理部１１２を有している。
なお、信号処理部１１２は、ネットワーク等を介して撮像部１１１と接続されていてもよい。
カメラ１１０は、例えば、支柱１３０に設置されている。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
FIG. 1 is a diagram for explaining a monitoring system according to an embodiment of the present invention.
In FIG. 1, the monitoring system 100 includes at least a camera 110 and landmarks 121a to 121i (referred to as 121 when representing a landmark).
The camera 110 includes an imaging unit 111 and a signal processing unit 112.
Note that the signal processing unit 112 may be connected to the imaging unit 111 via a network or the like.
For example, the camera 110 is installed on the support 130.

ランドマーク１２１ａ〜１２１ｉは、カメラ１１０の撮影範囲１１３にある物体に設置されている。物体は、例えば、フェンス１２０である。
表示装置１４０は、カメラ１１０に接続されている。なお、表示装置１４０は、本実施形態を説明するために記載しているものであり、本監視システムの必須構成品ではない。
表示装置１４０に表示されているランドマーク１４１ａ〜１４１ｉは、カメラ１１０がランドマーク１２１ａ〜１２１ｉを撮影した画像である。 The landmarks 121a to 121i are installed on an object in the shooting range 113 of the camera 110. The object is, for example, a fence 120.
The display device 140 is connected to the camera 110. The display device 140 is described for explaining the present embodiment, and is not an essential component of the monitoring system.
The landmarks 141a to 141i displayed on the display device 140 are images obtained by photographing the landmarks 121a to 121i with the camera 110.

図３は本発明の一実施例に係る監視システムのランドマークの設置位置について説明するための図である。
ランドマーク１２１はカメラ１１０の設置位置に応じて、適切な位置に設置する必要がある。
図３（ａ）はフェンス１２０上部にランドマーク１２１を設置した図であり、フェンス１２０より高い位置にカメラ１１０を設置する場合、ランドマーク１２１はフェンス１２０上部に設置するのが有効である。
また、図３（ｂ）はフェンス１２０側面にランドマーク１２１を設置した図であり、フェンス１２０より低い位置にカメラ１１０を設置する場合、ランドマーク１２１は側面に設置するのが有効である。 FIG. 3 is a diagram for explaining the installation positions of landmarks in the monitoring system according to one embodiment of the present invention.
The landmark 121 needs to be installed at an appropriate position according to the installation position of the camera 110.
FIG. 3A is a diagram in which a landmark 121 is installed on the top of the fence 120. When the camera 110 is installed at a position higher than the fence 120, it is effective to install the landmark 121 on the top of the fence 120.
FIG. 3B is a diagram in which the landmark 121 is installed on the side surface of the fence 120. When the camera 110 is installed at a position lower than the fence 120, it is effective to install the landmark 121 on the side surface.

次に、本発明の一実施例に係る信号処理部の動作過程について図２を用いて説明する。
図２は本発明の一実施例に係る監視システムの信号処理部の動作を説明するための図である。
図２において、信号処理部１１２は、ランドマーク１２１の動きを学習する学習過程２１０と、実際に侵入者検知を行う識別過程２２０の処理過程を有する。 Next, an operation process of the signal processing unit according to the embodiment of the present invention will be described with reference to FIG.
FIG. 2 is a diagram for explaining the operation of the signal processing unit of the monitoring system according to the embodiment of the present invention.
In FIG. 2, the signal processing unit 112 includes a learning process 210 for learning the movement of the landmark 121 and an identification process 220 for actually detecting an intruder.

学習過程２１０では、信号処理部１１２が学習用映像２１１からランドマーク１２１の位置を検出２１２し、特徴量を抽出２１３する。特徴量には、現在フレームのランドマーク１２１の位置情報と前フレームの位置情報から抽出した移動量と移動方向を用いる。
そして、信号処理部１１２は抽出した特徴量を機械学習手法により学習２１４し、識別器を作成２１５する。
識別過程２２０では、信号処理部１１２が入力映像２２１からランドマーク１２１の位置を検出２２２し、特徴量を抽出２２３する。抽出した特徴量を識別器に入力２２５することで、正常２２６か侵入者有りの異常２２７かを判断する。 In the learning process 210, the signal processing unit 112 detects 212 the position of the landmark 121 from the learning video 211 and extracts 213 the feature amount. As the feature amount, a movement amount and a movement direction extracted from the position information of the landmark 121 of the current frame and the position information of the previous frame are used.
Then, the signal processing unit 112 learns 214 the extracted feature amount by a machine learning method and creates 215 a discriminator.
In the identification process 220, the signal processing unit 112 detects 222 the position of the landmark 121 from the input video 221 and extracts 223 a feature amount. By inputting 225 the extracted feature quantity into the discriminator, it is determined whether it is normal 226 or abnormal 227 with an intruder.

機械学習２１４には教師有りの手法と教師無しの手法がある。
機械学習２１４に公知のBoostingなどの教師有りの手法を用いる場合は、揺れが少ない通常の映像データと強風により揺れがある映像データをポジティブサンプルとして定義し、例えば、それぞれ１０００フレームのデータを用意する。そして、侵入者がフェンス１２０を上ってフェンスが不規則に揺れている映像データをネガティブサンプルとして定義し、例えば、２０００フレームのデータを用意する。以上のように用意したポジティブサンプルとネガティブサンプルを学習し、識別器を作成する。 Machine learning 214 includes a supervised method and an unsupervised method.
When using a known supervised method such as Boosting for machine learning 214, normal video data with little shaking and video data with shaking due to strong wind are defined as positive samples, and for example, 1000 frames of data are prepared for each. . Then, video data in which an intruder has climbed the fence 120 and the fence is irregularly swinging is defined as a negative sample, and for example, 2000 frames of data are prepared. The discriminator is created by learning the positive sample and the negative sample prepared as described above.

機械学習２１４に公知のk-meansクラスタリングなどの教師無しの手法を用いる場合は、揺れが少ない通常の映像データと強風により揺れがある映像データが別々のクラスタに分類されることを想定し、学習するクラスタ数は２つとする。揺れが少ない通常の映像データと強風により揺れがある映像データを例えば、それぞれ１０００フレームのデータを用意する。用意したサンプルデータを学習し、識別器を作成する。   If unsupervised methods such as k-means clustering are used for machine learning 214, it is assumed that normal video data with little fluctuations and video data with fluctuations due to strong winds are classified into separate clusters. The number of clusters to be assumed is two. For example, normal video data with little shaking and video data with shaking due to strong wind, for example, 1000 frames of data are prepared. Learn the prepared sample data and create a classifier.

識別過程２２０では、ランドマークの位置検出２１２と特徴量の抽出２２３までは学習過程２１０と同様に行う。
識別器による識別２２５は、教師有りの手法で学習した場合と教師無しの手法で学習した場合で異なる。
教師有りの手法で学習した識別器は、入力した特徴量に対して正常か異常かを出力することができる。 In the identification step 220, the landmark position detection 212 and the feature amount extraction 223 are performed in the same manner as the learning step 210.
The identification 225 by the discriminator differs depending on whether the learning is performed using the supervised method or the case using the unsupervised method.
A discriminator learned by a supervised method can output whether the input feature is normal or abnormal.

教師無しの手法で学習した識別器は、入力した特徴量に対して特徴空間上での位置を出力することができる。そのため、学習した正常クラスタである揺れが少ない通常の映像データと強風により揺れがある映像データとのクラスタとの距離を算出し、距離がどちらかのクラスタの閾値以内の場合は正常、どちらのクラスタとの距離も閾値以上の場合は異常と判断する。閾値は、学習したクラスタの重心から最も離れた同クラスタのサンプルまでの距離とする。クラスタとの距離の算出は、ユークリッド距離、マハラノビス距離等を用いることができる。   A discriminator that has learned by an unsupervised method can output a position in the feature space for the input feature quantity. Therefore, the distance between the learned normal cluster with less fluctuation and normal video data and the video data with fluctuation due to strong wind is calculated, and when the distance is within the threshold of either cluster, which cluster is normal If the distance to is greater than or equal to the threshold, it is determined as abnormal. The threshold value is a distance to a sample of the cluster that is farthest from the center of gravity of the learned cluster. The Euclidean distance, Mahalanobis distance, etc. can be used for calculating the distance to the cluster.

本発明の一実施例では、一般的な監視カメラを用いるため、昼夜で映像の明るさが大きく異なる。そのため、昼間と夜間では別々の方法でランドマークの位置を検出する。   In one embodiment of the present invention, since a general surveillance camera is used, the brightness of the image is greatly different between day and night. Therefore, the position of the landmark is detected by different methods during the daytime and at night.

（昼間のランドマーク位置検出）
次に、本発明の一実施例である昼間におけるランドマークの位置検出について、図４を用いて説明する。
図４は本発明の一実施例に係る監視システムの昼間におけるランドマークの位置検出の処理過程について説明するための図である。
検出対象のランドマーク１２１は、フェンス１２０に存在することがわかっている。このため、信号処理部１１２は、カメラ映像４０１から検出する処理範囲の限定４０２を図るため、処理範囲４０２１をフェンス付近に限定する。
次に、信号処理部１１２は、背景画像４０３と背景差分処理を行い、抽出した差分画像４０４から円形度を算出４０５する。円形度とは、円らしさを表す値であり、値が１に近づくほど円らしいと判断される。このとき円形度が０．８０以上となり円として検出した位置の中心座標をそのランドマークの位置とする。 (Daytime landmark position detection)
Next, landmark position detection in the daytime according to an embodiment of the present invention will be described with reference to FIG.
FIG. 4 is a diagram for explaining the process of detecting the position of the landmark in the daytime of the monitoring system according to one embodiment of the present invention.
It is known that the landmark 121 to be detected exists on the fence 120. Therefore, the signal processing unit 112 limits the processing range 4021 to the vicinity of the fence in order to limit the processing range 402 detected from the camera video 401.
Next, the signal processing unit 112 performs background difference processing with the background image 403, and calculates 405 the circularity from the extracted difference image 404. The degree of circularity is a value representing the circularity, and the closer the value is to 1, the more likely it is to be a circle. At this time, the circularity is 0.80 or more, and the center coordinate of the position detected as a circle is set as the landmark position.

（夜間のランドマーク位置検出）
次に、本発明の一実施例である夜間におけるランドマークの位置検出について、図５を用いて説明する。
図５は本発明の一実施例に係る監視システムの夜間におけるランドマークの位置検出の処理過程について説明するための図である。
一般的な監視カメラを用いる場合、光源のない夜間はフェンス等の物体を捉えることは困難である。そこで、本発明では発光するランドマーク５０１を用いる。
信号処理部１１２のランドマーク検出は、検出範囲を限定５０２し、所定の輝度を越える光源を抽出５０５することで、各光源の中心座標をランドマーク５０５１，５０５２の位置とする。
なお、例えば、ランドマーク５０５１の位置は（ｘ，ｙ）＝（７５６，３４）であり、ランドマーク５０５２の位置は（ｘ，ｙ）＝（８７２，３１８）である。 (Landmark landmark detection at night)
Next, landmark position detection at night which is an embodiment of the present invention will be described with reference to FIG.
FIG. 5 is a diagram for explaining the process of landmark position detection at night in the monitoring system according to the embodiment of the present invention.
When a general surveillance camera is used, it is difficult to capture an object such as a fence at night without a light source. Therefore, in the present invention, a landmark 501 that emits light is used.
The landmark detection of the signal processing unit 112 limits the detection range 502, extracts 505 light sources exceeding a predetermined luminance, and sets the center coordinates of each light source as the positions of the landmarks 5051 and 5052.
For example, the position of the landmark 5051 is (x, y) = (756, 34), and the position of the landmark 5052 is (x, y) = (872, 318).

信号処理部１１２は、上述したようにランドマークの位置を自動検出することができる。しかし、検出後、実際のランドマーク位置とずれが生じた場合は、手動で位置調整を行うことができる。
また、昼間のランドマークが精度よく検出できる場合は、夜間の検出範囲を昼間で検出したランドマーク位置の周辺ピクセルに限定することで精度よく検出が可能となる。同様に、夜間のランドマークが精度よく検出できる場合は、昼間の検出範囲を夜間で検出したランドマーク位置の周辺ピクセルに限定することで精度よく検出が可能となる。 The signal processing unit 112 can automatically detect the position of the landmark as described above. However, if there is a deviation from the actual landmark position after detection, the position can be manually adjusted.
In addition, when a daytime landmark can be detected with high accuracy, the nighttime detection range is limited to pixels around the landmark position detected during the daytime, so that the detection can be performed with high accuracy. Similarly, when a night landmark can be detected with high accuracy, it can be detected with high accuracy by limiting the daytime detection range to pixels around the landmark position detected at night.

（特徴量抽出）
次に、本発明の一実施例である特徴量抽出について、図６を用いて説明する。
図６は本発明の一実施例に係る監視システムにおける特徴量の抽出過程を説明するための図である。
信号処理部１１２は、特徴量を各フレームのランドマークの座標から抽出したベクトルを時系列に組み合せることで抽出する。 (Feature extraction)
Next, feature amount extraction according to an embodiment of the present invention will be described with reference to FIG.
FIG. 6 is a diagram for explaining a feature amount extraction process in the monitoring system according to the embodiment of the present invention.
The signal processing unit 112 extracts the feature amount by combining the vectors extracted from the landmark coordinates of each frame in time series.

信号処理部１１２は、２つのフレームであるｆ０フレーム６０１とｆ１フレーム６０２からランドマークの座標を用いてｂ１ベクトル情報６０４を抽出する。信号処理部１１２は、ランドマークの移動方向をベクトルの向き、移動量をベクトルの大きさとすることで、ランドマークの瞬間的な動きを捉えることができる。
信号処理部１１２は、同様に次の２つのフレームであるｆ１フレーム６０２とｆ２フレーム６０３からランドマークの座標を用いてｂ２ベクトル情報６０５を抽出する。
このように、信号処理部１１２は、フレーム毎にベクトル情報を抽出し、時系列に複数フレームのベクトル情報を組み合わせることで、ランドマークの動きを時間的に捉えることができる。組み合わせるフレーム数は、フレーム数が増えるほど処理時間が増加するため、適宜決定する。 The signal processing unit 112 extracts the b1 vector information 604 from the two frames, the f0 frame 601 and the f1 frame 602, using the landmark coordinates. The signal processing unit 112 can capture the instantaneous movement of the landmark by setting the movement direction of the landmark as the vector direction and the movement amount as the vector size.
Similarly, the signal processing unit 112 extracts b2 vector information 605 using the landmark coordinates from the f1 frame 602 and the f2 frame 603 which are the next two frames.
In this manner, the signal processing unit 112 can extract the vector information for each frame and combine the vector information of a plurality of frames in time series to capture the movement of the landmark in time. The number of frames to be combined is appropriately determined because the processing time increases as the number of frames increases.

次に、本発明の一実施例に係る特徴量の性質について図７を用いて説明する。
図７は本発明の一実施例に係る監視システムにおける特徴量の性質を説明するための図である。
図６で算出したベクトル情報は、図７に示す性質を持っている。
図７において、フェンスに揺れが少ない通常時７０１は、ベクトルが小さくなり、強風によりフェンスが揺れる場合７０２はベクトルが大きく、向きが規則的になる。そして、侵入者によりフェンスが揺れる場合７０３は、ベクトルが大きく、向きが不規則になる。 Next, the characteristics of the feature amount according to an embodiment of the present invention will be described with reference to FIG.
FIG. 7 is a view for explaining the nature of the feature quantity in the monitoring system according to one embodiment of the present invention.
The vector information calculated in FIG. 6 has the properties shown in FIG.
In FIG. 7, the normal time 701 in which the fence is less swayed has a smaller vector, and when the fence is swayed by a strong wind, the vector 702 is larger and the direction is regular. When the fence is shaken by an intruder 703, the vector is large and the direction is irregular.

次に、侵入者有無の判定条件について図８を用いて説明する。
図８は本発明の一実施例に係る監視システムにおける侵入者有無の判定条件を説明するための図である。
図８において、識別されたフレームの状態は、例えば、通常時フレーム８０３と、強風による揺れフレーム８０１、侵入者による揺れフレーム８０２，８０４，８０５，・・・８０６の３つである。 Next, conditions for determining the presence or absence of an intruder will be described with reference to FIG.
FIG. 8 is a diagram for explaining conditions for determining whether there is an intruder in the monitoring system according to one embodiment of the present invention.
In FIG. 8, there are three states of the identified frame, for example, a normal frame 803, a shaking frame 801 due to a strong wind, and shaking frames 802, 804, 805,.

図２に示すように、識別器による判定は毎フレーム行うため、１フレームのみの結果を基に発報すると誤報に繋がる可能性がある。そのため、信号処理部１１２は、異常判定が所定回数の例えば１０回連続した場合に発報８０７する。   As shown in FIG. 2, since the determination by the discriminator is performed for each frame, if a report is issued based on the result of only one frame, there is a possibility that it may lead to a false report. Therefore, the signal processing unit 112 issues an alert 807 when the abnormality determination is continued a predetermined number of times, for example, 10 times.

本発明の他の一実施例は、他の侵入者検知手法と連携することで、精度を向上させることができる。侵入者がカメラとフェンスの間に存在するとき、カメラから観測できるランドマークの数は、正常時と比べ少なくなる。この情報を用いて侵入者検知を行うことで、フェンスの揺れにより侵入者が検知できなかったときの未検知を低減することができる。   Another embodiment of the present invention can improve accuracy by cooperating with other intruder detection techniques. When an intruder exists between the camera and the fence, the number of landmarks that can be observed from the camera is smaller than that in the normal state. By performing intruder detection using this information, it is possible to reduce non-detection when an intruder cannot be detected due to the shaking of the fence.

本発明の実施形態である監視システムは、自然現象である風等の揺れを侵入者と区別して、侵入者の認識率を向上させることができる。
また、本発明の実施形態の応用例としては、橋梁などの建築物の状態監視に用いることができる。建築物の正常な揺れ情報を学習し、建築物が老朽化した際に起こり得る異常な揺れを検知することで、倒壊の可能性を発見することができる。 The monitoring system according to the embodiment of the present invention can improve the recognition rate of the intruder by distinguishing the natural phenomenon such as wind and the like from the intruder.
Moreover, as an application example of the embodiment of the present invention, it can be used for monitoring the state of a building such as a bridge. By learning the normal shaking information of the building and detecting the abnormal shaking that can occur when the building is aged, the possibility of collapse can be discovered.

以上本発明について詳細に説明したが、本発明は、ここに記載された監視システムに限定されるものではなく、上記以外の監視システムに広く適用することができることは言うまでもない。   Although the present invention has been described in detail above, it is needless to say that the present invention is not limited to the monitoring system described herein, and can be widely applied to other monitoring systems.

１００：監視システム、１１１：撮像部、１１２：信号処理部、１１３：撮影範囲、１２０：フェンス、１２１ａ〜１２１ｉ：ランドマーク、１３０：支柱、１４０：表示装置、１４１ａ〜１４１ｉ：ランドマークの撮影画像、２１０：学習過程、２１１：学習用映像、２１２：ランドマーク位置検出、２１３：特徴量抽出、２１４：機械学習、２１５：識別器、２２０：識別過程、２２１：入力映像、２２２：ランドマーク位置検出、２２３：特徴量抽出、２２５：識別器、２２６：正常、２２７：異常。   DESCRIPTION OF SYMBOLS 100: Surveillance system, 111: Image pick-up part, 112: Signal processing part, 113: Shooting range, 120: Fence, 121a-121i: Landmark, 130: Support | pillar, 140: Display apparatus, 141a-141i: Photographed image of landmark , 210: learning process, 211: learning video, 212: landmark position detection, 213: feature extraction, 214: machine learning, 215: classifier, 220: identification process, 221: input video, 222: landmark position Detection: 223: Feature amount extraction, 225: Discriminator, 226: Normal, 227: Abnormal.

Claims (3)

カメラを有する監視システムにおいて、
前記カメラは信号処理部を有し、
前記カメラが撮影する物体には複数のマークを有し、
該複数のマークの各々は所定の特徴量により検出されるものであって、
前記信号処理部は、前記カメラで撮影されたマークの特徴量を該撮影されたフレームの座標から抽出したベクトルを時系列に組み合わせて抽出することで揺れ状態を検出し、
該検出した揺れ状態に応じて所定の異常判定を行うことを特徴とする監視システム。 In a surveillance system with a camera,
The camera has a signal processing unit,
The object photographed by the camera has a plurality of marks,
Each of the plurality of marks is detected by a predetermined feature amount,
The signal processing unit detects a shake state by extracting a feature amount of a mark photographed by the camera in combination with a vector extracted from the coordinates of the photographed frame in time series,
A monitoring system that performs a predetermined abnormality determination according to the detected shaking state . 請求項１に記載の監視システムにおいて、
前記信号処理部は、前記撮影されたフレーム毎のマークの座標より抽出したベクトルによって当該フレームの揺れ状態を抽出し、
該揺れ状態が所定のフレーム数連続して検出された場合に、侵入者を検知したとの異常判定として発報することを特徴とする監視システム。 The monitoring system according to claim 1,
The signal processing unit extracts the shaking state of the frame by a vector extracted from the coordinates of the mark for each captured frame,
A monitoring system that issues an abnormality determination that an intruder has been detected when the shaking state is detected continuously for a predetermined number of frames . 請求項１または請求項２に記載の監視システムにおいて、The monitoring system according to claim 1 or 2,
前記複数のマークは発光する物体であることを特徴とする監視システム。The monitoring system, wherein the plurality of marks are objects that emit light.
JP2015029288A 2015-02-18 2015-02-18 Monitoring system Active JP6482892B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015029288A JP6482892B2 (en) 2015-02-18 2015-02-18 Monitoring system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015029288A JP6482892B2 (en) 2015-02-18 2015-02-18 Monitoring system

Publications (2)

Publication Number Publication Date
JP2016152525A JP2016152525A (en) 2016-08-22
JP6482892B2 true JP6482892B2 (en) 2019-03-13

Family

ID=56696782

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015029288A Active JP6482892B2 (en) 2015-02-18 2015-02-18 Monitoring system

Country Status (1)

Country Link
JP (1) JP6482892B2 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220341774A1 (en) * 2019-09-27 2022-10-27 Nec Corporation Optical fiber sensing system, monitoring method, and non-transitory computer-readablemedium

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62136991A (en) * 1985-12-10 1987-06-19 Matsushita Electric Works Ltd Abnormality monitoring device
JPH05284501A (en) * 1992-04-06 1993-10-29 Mitsubishi Electric Corp Intrusion monitor picture device
JP2005227808A (en) * 2004-02-10 2005-08-25 Mitsubishi Electric Engineering Co Ltd Detection and notification device
JP4418376B2 (en) * 2005-01-26 2010-02-17 株式会社クレヴァシステムズ Intrusion detection sensor
JP2007225397A (en) * 2006-02-22 2007-09-06 Fujikura Ltd Method and structure for laying optical cable for vibration sensor use in optical fiber invasion monitoring system
JP2012118004A (en) * 2010-12-03 2012-06-21 Hitachi Cable Ltd Optical fiber sensor type intrusion detecting method, and optical fiber type intrusion detecting sensor

Also Published As

Publication number Publication date
JP2016152525A (en) 2016-08-22

Similar Documents

Publication Publication Date Title
US8565484B2 (en) Forest fire smoke detection method using random forest classification
US9462160B2 (en) Color correction device, method, and program
US20150262068A1 (en) Event detection apparatus and event detection method
KR101735365B1 (en) The robust object tracking method for environment change and detecting an object of interest in images based on learning
WO2022078182A1 (en) Throwing position acquisition method and apparatus, computer device and storage medium
US20060056702A1 (en) Image processing apparatus and image processing method
KR20190046351A (en) Method and Apparatus for Detecting Intruder
US20110280478A1 (en) Object monitoring system and method
CN109460787A (en) IDS Framework method for building up, device and data processing equipment
US20110280442A1 (en) Object monitoring system and method
CN112270253A (en) High-altitude parabolic detection method and device
KR101620989B1 (en) Method of detecting fire automatically from video including night images and system for performing the same
JP6214426B2 (en) Object detection device
JP7125843B2 (en) Fault detection system
KR101044903B1 (en) Fire detecting method using hidden markov models in video surveillance and monitoring system
JP5780979B2 (en) Vehicle state detection device, vehicle behavior detection device, and vehicle state detection method
JP7074174B2 (en) Discriminator learning device, discriminator learning method and computer program
JP6482892B2 (en) Monitoring system
CN116682162A (en) Robot detection algorithm based on real-time video stream
JP6831396B2 (en) Video monitoring device
JP4828265B2 (en) Image sensor
KR102685149B1 (en) System of peventing external intrusion using virtulal detection line in image
WO2022198507A1 (en) Obstacle detection method, apparatus, and device, and computer storage medium
KR102161212B1 (en) System and method for motion detecting
JP2002218443A (en) Intruding object detecting method for automatically determining threshold for intruding object detection and intruding object monitor

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170928

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180628

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180802

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180925

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190207

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190213

R150 Certificate of patent or registration of utility model

Ref document number: 6482892

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250