JP6739119B6 - Risk determination program and system - Google Patents

Abstract

【課題】危険度を事前に察知し、事件を未然に防止する危険度判別プログラム及びシステムを提供する。
【解決手段】建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、建築構造物の外部を撮影した参照用画像情報Ｐ１１、１２、１３に対する危険度との３段階以上の連関度を予め取得すると共に、その建築構造物に関する構造情報を含む参照用構造情報Ｆ、Ｇ、Ｈを取得する連関度取得ステップと、新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物における構造情報を取得する情報取得ステップと、連関度取得ステップにおいて取得した連関度を利用すると共に、構造情報にリンクする参照用構造情報Ｆ、Ｇ、Ｈを参照し、情報取得ステップを介して取得した画像情報に基づき、建築構造物への不審者侵入の危険度を判別する判別ステップとを有する。
【選択図】図１０PROBLEM TO BE SOLVED: To provide a risk discriminating program and system for detecting a risk in advance and preventing an accident.
SOLUTION: In a risk level determination program for determining the risk level of a suspicious person intruding into a building structure, there are three levels of risk levels for reference image information P11, 12, 13 taken outside the building structure. The above-mentioned degree of association is acquired in advance, and the degree-of-relationship acquisition step of acquiring the reference structure information F, G, and H including the structural information about the building structure, and a new building when the risk is newly determined. The image information is acquired by photographing the outside of the structure, and the information acquisition step of acquiring the structure information of the building structure and the degree of association acquired in the degree of association acquisition are used and linked to the structure information. The reference|standard structure information F, G, H is referred, and the determination step which determines the risk degree of a suspicious person invading a building structure based on the image information acquired through the information acquisition step.
[Selection diagram] Figure 10

Description

本発明は、建築構造物への不審者侵入の危険度を判別するための危険度判別プログラム及びシステムに関する。 The present invention relates to a risk determination program and system for determining the risk of suspicious person intrusion into a building structure.

従来より、住宅や、企業が入居するビル等の建築構造物への不審者侵入を防止するための数々の試みが行われている。特に一戸建て建築構造物はマンションと比較して侵入経路が多々あるため、居住者の安全を守るためにより強固な不審者侵入への防止対策を施す必要がある。 Many attempts have been made to prevent suspicious persons from invading building structures such as houses and buildings in which companies move. In particular, single-family buildings have more intrusion routes than condominiums, so it is necessary to take stronger preventive measures against suspicious intrusions in order to protect the safety of residents.

特願２０１６−２１０８４８公報Japanese Patent Application No. 2016-210848

上述した特許文献１の開示技術では、人工知能により顔画像から人物を特定する技術が記載されているが、人工知能を活用して実際の建築構造物への不審者侵入の危険度を定量的に判断できるものではない。実際にその危険度を高精度に予測することにより、居住者に対して危険が迫っている場合にはいち早く警備会社や警察に連絡するとともに、実際にはそれほど危険度が高くない場合には、むやみに警備会社による警備員や警察官の出動を招かないようにする必要があった。このような観点は、引用文献１の開示技術には特段記載されていない。 In the above-mentioned disclosure technique of Patent Document 1, a technique of identifying a person from a face image by artificial intelligence is described, but the risk of suspicious person invasion into an actual building structure is quantitatively determined by utilizing artificial intelligence. It is not something that can be judged. By actually predicting the degree of risk with high accuracy, if the resident is in danger, contact the security company or police as soon as possible, and if the degree of danger is not so high, It was necessary not to unnecessarily invite security guards and police officers from security companies. Such a viewpoint is not particularly described in the disclosure technique of Cited Document 1.

そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、建築構造物への不審者侵入の危険度を事前に察知し、居住者の安全を守るために、危険度を人工知能を利用して自動的に判別する危険度判別プログラム及びシステムを提供することにある。 Therefore, the present invention has been devised in view of the above-mentioned problems, and the purpose of the present invention is to detect in advance the risk of suspicious person invasion into a building structure and protect the safety of residents. To this end, it is an object of the present invention to provide a risk level determination program and a system for automatically discriminating the risk level using artificial intelligence.

本発明に係る危険度判別プログラムは、建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、その建築構造物に関する構造情報を含む参照用構造情報を取得する連関度取得ステップと、新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物における構造情報を取得する情報取得ステップと、上記連関度取得ステップにおいて取得した連関度を利用すると共に、上記構造情報にリンクする参照用構造情報を参照し、上記情報取得ステップを介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別ステップとをコンピュータに実行させることを特徴とする。 The risk level determination program according to the present invention is a risk level determination program for determining the risk level of suspicious person invasion into a building structure, and is a risk level for reference image information obtained by photographing the outside of the building structure. The external degree of the building structure is newly acquired when the degree of association is acquired in advance and the reference structure information including the structural information about the building structure is acquired, and when the degree of risk is newly determined. For reference, the information acquisition step of acquiring image information by taking a picture of the building structure and the structural information of the building structure, the association degree acquired in the association degree acquisition step, and the link to the structural information are used. It is characterized in that a computer is made to perform a determination step of determining the risk of suspicious person intrusion into the building structure based on the image information acquired through the information acquisition step with reference to the structural information.

本発明に係る危険度判別システムは、建築構造物への不審者侵入の危険度を判別するための危険度判別システムにおいて、建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、その建築構造物に関する構造情報を含む参照用構造情報を取得する連関度取得手段と、新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物における構造情報を取得する情報取得手段と、上記連関度取得手段により取得された連関度を利用すると共に、上記構造情報にリンクする参照用構造情報を参照し、上記情報取得手段を介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別手段とを備えることを特徴とする。 The risk level determination system according to the present invention is a risk level determination system for determining the risk level of suspicious person intrusion into a building structure, and is 3 with the risk level for reference image information obtained by photographing the outside of the building structure. A means of acquiring the degree of association for reference, which includes structural information related to the building structure, and a means for acquiring the degree of association in advance, and when newly determining the degree of risk, the outside of the building structure is newly obtained. The information acquisition means for acquiring the image information by taking a picture of the building structure and the structural information for the building structure, and the association degree acquired by the association degree acquisition means are used, and the reference linked to the structural information is used. It is characterized by providing a discriminating means for determining the risk of suspicious person invasion into the building structure based on the image information acquired through the information acquisition means with reference to the structural information.

建築構造物への不審者侵入の危険度を事前に察知し、事件を未然に防止するために、危険度を人工知能を利用して自動的にかつ高精度に判別することができる。 In order to detect the risk of suspicious person invasion into a building structure in advance and prevent an incident, the risk can be determined automatically and with high accuracy using artificial intelligence.

本発明を適用した危険度判別プログラムが実装される危険度判別システムの全体構成を示すブロック図である。It is a block diagram which shows the whole structure of the risk degree determination system which implements the risk degree determination program to which this invention is applied. 判別装置の具体的な構成例を示す図である。It is a figure which shows the specific configuration example of the discrimination apparatus. 本発明を適用した危険度判別プログラムにおける動作について説明するための図である。It is a figure for demonstrating operation in the risk determination program to which this invention is applied. 参照用ロケーション情報をも含めた３段階以上の連関度を設定した例を示す図である。It is a figure which shows the example which set the degree of association of 3 or more levels including the location information for reference. 参照用在宅パターン情報をも含めた３段階以上の連関度を設定した例を示す図である。It is a figure which shows the example which set the degree of association of 3 or more levels including the home pattern information for reference. 参照用時間帯情報をも含めた３段階以上の連関度を設定した例を示す図である。It is a figure which shows the example which set the degree of association of 3 or more steps including the reference time zone information. 参照用人物情報をも含めた３段階以上の連関度を設定した例を示す図である。It is a figure which shows the example which set the degree of association of 3 or more levels including the person information for reference. 参照用音声情報をも含めた３段階以上の連関度を設定した例を示す図である。It is a figure which shows the example which set the degree of association of 3 or more steps including the voice information for reference. 参照用警備サービス情報をも含めた３段階以上の連関度を設定した例を示す図である。It is a figure which shows the example which set the degree of association of 3 or more levels including the security service information for reference. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation of this invention. 本発明の動作について説明するための図である。It is a figure for demonstrating the operation of this invention.

以下、本発明を適用した危険度判別プログラムについて、図面を参照しながら詳細に説明をする。 Hereinafter, the risk determination program to which the present invention is applied will be described in detail with reference to the drawings.

図１は、本発明を適用した危険度判別プログラムが実装される危険度判別システム１の全体構成を示すブロック図である。危険度判別システム１は、情報取得部９と、情報取得部９に接続された判別装置２と、判別装置２に接続されたデータベース３とを備えている。 FIG. 1 is a block diagram showing an overall configuration of a risk determination system 1 in which a risk determination program to which the present invention is applied is implemented. The risk level discrimination system 1 includes an information acquisition unit 9, a discrimination device 2 connected to the information acquisition unit 9, and a database 3 connected to the discrimination device 2.

情報取得部９は、本システムを活用する者が各種コマンドや情報を入力するためのデバイスであり、具体的にはキーボードやボタン、タッチパネル、マウス、スイッチ等により構成される。情報取得部９は、テキスト情報を入力するためのデバイスに限定されるものではなく、マイクロフォン等のような音声を検知してこれをテキスト情報に変換可能なデバイスで構成されていてもよい。また情報取得部９は、カメラ等の画像を撮影可能な撮像装置として構成されていてもよい。情報取得部９は、紙媒体の書類から文字列を認識できる機能を備えたスキャナで構成されていてもよい。また情報取得部９は、後述する判別装置２と一体化されていてもよい。情報取得部９は、検知した情報を判別装置２へと出力する。 The information acquisition unit 9 is a device for a person using this system to input various commands and information, and specifically, is composed of a keyboard, buttons, a touch panel, a mouse, a switch, and the like. The information acquisition unit 9 is not limited to a device for inputting text information, and may be configured by a device such as a microphone that can detect voice and convert it into text information. Further, the information acquisition unit 9 may be configured as an image pickup device capable of capturing an image of a camera or the like. The information acquisition unit 9 may be configured by a scanner having a function of recognizing a character string from a paper-based document. Further, the information acquisition unit 9 may be integrated with the discrimination device 2 described later. The information acquisition unit 9 outputs the detected information to the determination device 2.

データベース３は、建築構造物への不審者の侵入に関して以前発生した事件、或いは事件まで至らなかったものの、危険度が高かった事例等、建築構造物への不審者侵入の危険度に関する情報を蓄積している。データベース３は、実際に情報取得部９を構成するカメラにより以前撮像した参照用画像情報、その建築構造物に関する構造情報を含む参照用構造情報、建築構造物のロケーションを特定するための参照用ロケーション情報、当該建築構造物の居住者の在宅パターンを示す参照用在宅パターン情報、当該参照用画像情報の撮影時点における時間帯を示す参照用時間帯情報、参照用画像情報を解析することにより人物を抽出した参照用人物情報、参照用画像情報の撮影時に録音した参照用音声情報、建築構造物が警備会社の警備サービスの契約状況を示す参照用警備サービス情報等が蓄積されている。これ以外には、このデータベース３には、当該建築構造物の周囲の道路の通行量を示す参照用通行量情報、建築構造物の地域における過去の犯罪履歴に関する参照用犯罪履歴情報が蓄積されている。建築構造物とは、一戸建て住宅、共同住宅、マンション、アパートを始めとする住宅以外に、会社が入居するビルや学校や病院、公共施設、遊技施設等も含まれる。 Database 3 accumulates information on the risk of suspicious person invasion into building structures, such as incidents that occurred before invasion of suspicious persons into building structures, or cases that did not reach the incident but were high in risk. doing. The database 3 contains reference image information previously captured by a camera that actually constitutes the information acquisition unit 9, reference structure information including structural information related to the building structure, and reference location for specifying the location of the building structure. By analyzing the information, the reference home pattern information indicating the home pattern of the resident of the building structure, the reference time zone information indicating the time zone at the time of shooting the reference image information, and the reference image information. The extracted reference person information, the reference audio information recorded at the time of shooting the reference image information, the reference security service information indicating the contract status of the security service of the security company for the building structure, etc. are accumulated. In addition to this, the database 3 stores reference traffic volume information indicating the traffic volume of roads around the building structure and reference crime history information regarding past crime history in the area of the building structure. There is. Building structures include not only single-family houses, condominiums, condominiums, apartments, and other houses, but also buildings, schools, hospitals, public facilities, and amusement facilities where companies live.

判別装置２は、例えば、パーソナルコンピュータ（ＰＣ）等を始めとした電子機器で構成されているが、ＰＣ以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この判別装置２による探索解を得ることにより、建築構造物への不審者の侵入における危険度を判別することができる。 The discrimination device 2 is composed of, for example, an electronic device such as a personal computer (PC), but is embodied in any other electronic device such as a mobile phone, a smartphone, a tablet terminal, a wearable terminal, etc., in addition to the PC. It may be converted. The user can determine the degree of danger in the invasion of a suspicious person into the building structure by obtaining the search solution by the determination device 2.

図２は、判別装置２の具体的な構成例を示している。この判別装置２は、判別装置２全体を制御するための制御部２４と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部２５と、有線通信又は無線通信を行うための通信部２６と、各種判断を行う判断部２７と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部２８とが内部バス２１にそれぞれ接続されている。さらに、この内部バス２１には、実際に情報を表示するモニタとしての表示部２３が接続されている。 FIG. 2 shows a specific configuration example of the discrimination device 2. The discrimination device 2 performs wired communication or wireless communication with a control unit 24 for controlling the entire discrimination device 2 and an operation unit 25 for inputting various control commands via operation buttons, a keyboard, or the like. A communication unit 26 for the purpose, a judgment unit 27 for making various judgments, and a storage unit 28 for storing a program for performing a search to be executed represented by a hard disk or the like are connected to the internal bus 21, respectively. .. Further, a display unit 23 as a monitor that actually displays information is connected to the internal bus 21.

制御部２４は、内部バス２１を介して制御信号を送信することにより、判別装置２内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部２４は、操作部２５を介した操作に応じて各種制御用の指令を内部バス２１を介して伝達する。 The control unit 24 is a so-called central control unit for controlling each component mounted in the discrimination device 2 by transmitting a control signal via the internal bus 21. Further, the control unit 24 transmits various control commands via the internal bus 21 in response to the operation via the operation unit 25.

操作部２５は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部２５は、上記実行命令がユーザから入力された場合には、これを制御部２４に通知する。この通知を受けた制御部２４は、判断部２７を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。この操作部２５は、前述した情報取得部９として具現化されるものであってもよい。 The operation unit 25 is embodied by a keyboard or a touch panel, and an execution command for executing a program is input from the user. When the execution command is input by the user, the operation unit 25 notifies the control unit 24 of the execution command. Upon receiving this notification, the control unit 24, including the determination unit 27, executes a desired processing operation in cooperation with each component. The operation unit 25 may be embodied as the information acquisition unit 9 described above.

判断部２７は、建築構造物への不審者の侵入の危険度に関する各種判断を担う。この判断部２７は、推定動作を実行するに当たり、必要な情報として記憶部２８に記憶されている各種情報や、データベース３に記憶されている各種情報を読み出す。この判断部２７は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。 The judgment unit 27 is responsible for various judgments regarding the risk of suspicious persons invading the building structure. The determination unit 27 reads out various information stored in the storage unit 28 and various information stored in the database 3 as necessary information when executing the estimation operation. The determination unit 27 may be controlled by artificial intelligence. This artificial intelligence may be based on any well-known artificial intelligence technique.

表示部２３は、制御部２４による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部２３は、例えば、液晶ディスプレイ（ＬＣＤ）等によって実現される。 The display unit 23 is composed of a graphic controller that creates a display image based on the control by the control unit 24. The display unit 23 is realized by, for example, a liquid crystal display (LCD) or the like.

記憶部２８は、ハードディスクで構成される場合において、制御部２４による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部２８には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部２４により読み出されて実行されることになる。 When the storage unit 28 is composed of a hard disk, predetermined information is written to each address based on the control by the control unit 24, and is read out as needed. Further, the storage unit 28 stores a program for executing the present invention. This program is read by the control unit 24 and executed.

上述した構成からなる危険度判別システム１における動作について説明をする。 The operation in the risk determination system 1 having the above-described configuration will be described.

危険度判別システム１では、例えば図３に示すように、参照用画像情報と、参照用構造情報との組み合わせが形成されていることが前提となる。参照用画像情報とは、建築構造物、建築構造物の門、玄関、庭、外構、塀、柵、駐車スペース、通用口等に設置されたカメラで、その建築構造物の外部を撮影した画像であり、例えば、建築構造物の外部の道を通行人が通行している画像、建築構造物の居住者が門から建築構造物内に入っていく画像、更には、不審者が建築構造物の柵をよじ登って侵入しようとする画像等、様々である。この画像は、静止画、動画何れでもよい。 In the risk determination system 1, it is premised that a combination of reference image information and reference structure information is formed, for example, as shown in FIG. The reference image information is a camera installed in a building structure, a gate of the building structure, an entrance, a garden, an exterior, a wall, a fence, a parking space, a passageway, etc., and the outside of the building structure is photographed. It is an image, for example, an image of a passerby passing by a road outside the building structure, an image of a resident of the building structure entering the building structure through a gate, and a suspicious person in the building structure. There are various images such as climbing the fence of an object and trying to invade it. This image may be either a still image or a moving image.

参照用構造情報は、当該建築構造物の構造を示すデータであり、例えば空中から撮影した建築構造物全体の写真、道路側から撮影した建築構造物の写真、建築構造物の竣工図の電子データ、地図上において示される建築構造物全体の構造図等の電子データである。 The reference structure information is data indicating the structure of the building structure, for example, a photograph of the entire building structure taken from the air, a photograph of the building structure taken from the road side, and electronic data of a completed drawing of the building structure. , Electronic data such as a structural drawing of the entire building structure shown on the map.

図３の例では、例えば参照用画像情報が、建築構造物の外部を各場所ごとに、或いは各時系列毎に撮影した参照用画像情報Ｐ１１〜Ｐ１３、参照用構造情報として、構造Ｆ〜構造Ｉ等であるものとする。 In the example of FIG. 3, for example, the reference image information is the reference image information P11 to P13 taken at each location or each time series outside the building structure, and the structures F to the structure are used as the reference structure information. It shall be I etc.

入力データとしては、このような参照用画像情報と、参照用構造情報が並んでいる。このような入力データとしての、参照用画像情報に対して、参照用構造情報が組み合わさったものが、図３に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、建築構造物への不審者侵入への危険度が、パーセンテージとして表示されている。 As the input data, such reference image information and reference structure information are arranged side by side. The intermediate node shown in FIG. 3 is a combination of reference image information and reference structure information as such input data. Each intermediate node is further linked to the output. In this output, the risk of suspicious person intrusion into the building structure as an output solution is displayed as a percentage.

参照用画像情報と参照用構造情報との各組み合わせ（中間ノード）は、この出力解としての危険度に対して３段階以上の連関度を通じて互いに連関しあっている。参照用画像情報と参照用構造情報がこの連関度を介して左側に配列し、各危険度が連関度を介して右側に配列している。連関度は、左側に配列された参照用画像情報と参照用構造情報に対して、何れの危険度と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用画像情報と参照用構造情報が、いかなる危険度に紐付けられる可能性が高いかを示す指標であり、参照用画像情報と参照用構造情報から最も確からしい危険度を選択する上での的確性を示すものである。図３の例では、連関度としてｗ１３〜ｗ２２が示されている。このｗ１３〜ｗ２２は以下の表１に示すように１０段階で示されており、１０点に近いほど、中間ノードとしての各組み合わせが出力としての危険度と互いに関連度合いが高いことを示しており、逆に１点に近いほど中間ノードとしての各組み合わせが出力としての危険度と互いに関連度合いが低いことを示している。 Each combination (intermediate node) of the reference image information and the reference structure information is associated with each other through the degree of association of three or more levels with respect to the degree of risk as the output solution. The reference image information and the reference structure information are arranged on the left side via this degree of association, and each risk level is arranged on the right side via this degree of association. The degree of association indicates the degree of risk and the degree of relevance to the reference image information and the reference structure information arranged on the left side. In other words, this degree of association is an index showing what kind of risk each reference image information and reference structure information is likely to be associated with, and is the most from the reference image information and the reference structure information. It shows the accuracy in selecting a certain degree of risk. In the example of FIG. 3, w13 to w22 are shown as the degree of association. These w13 to w22 are shown in 10 stages as shown in Table 1 below, and the closer to 10 points, the higher the degree of relevance of each combination as an intermediate node to the degree of risk as an output. On the contrary, the closer it is to one point, the lower the degree of each combination as an intermediate node is related to the degree of risk as an output.

判別装置２は、このような図３に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり判別装置２は、実際の危険度の判別を行う上で、参照用画像情報と、参照用接近情報、並びにその場合の危険度がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図３に示す連関度を作り上げておく。 The discriminating device 2 acquires in advance the degree of association w13 to w22 of three or more stages shown in FIG. That is, in determining the actual risk level, the discrimination device 2 accumulates reference image information, reference approach information, and data on the degree of risk in that case, and analyzes these. , The degree of association shown in FIG. 3 is created by analysis.

例えば、参照用画像情報Ｐ１１が建築構造物の居住者が門から建築構造物内に入っていく画像であるものとする。また、この判別対象の建築構造物の構造Ｆであるものとしたときに、以前のデータにおいて建築構造物の居住者に被害が及ぶような事件が起きたか否か、また事件に至らなくても事件が起きてもおかしくない程度の危険度であったか否か、或いは特に安全だったか否か等を抽出する。これらのデータは、参照用画像情報については過去のカメラの撮影した画像データの記録から得ることができ、また、参照用構造情報は、ハウスメーカーや役所に記録されている竣工図や地図データ、或いは空撮した画像や道路から以前撮像した建築構造物の画像データから抽出するようにしてもよい。危険度の数値化は、上記参照用画像情報を複数人で視認し、危険度に関するアンケート調査等を集計して求めるようにしてもよい。 For example, it is assumed that the reference image information P11 is an image in which a resident of a building structure enters the building structure through a gate. In addition, when the structure F of the building structure to be discriminated is assumed, whether or not an incident that causes damage to the resident of the building structure has occurred in the previous data, and even if the incident does not occur. Extract whether or not the risk level was such that it would not be strange if an incident occurred, or whether or not it was particularly safe. These data can be obtained from the records of image data taken by past cameras for reference image information, and the reference structure information can be obtained from completed drawings and map data recorded by house makers and government offices. Alternatively, it may be extracted from an aerial image or image data of a building structure previously captured from a road. The risk level may be quantified by visually recognizing the reference image information by a plurality of people and collecting questionnaire surveys and the like regarding the risk level.

この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用画像情報Ｐ１１で、かつ構造Ｆである場合に、実際に事件が起きたか否か、或いは事件には至らなかったものの危険性が高かったか否か等を過去のデータから分析する。事件が起きた事例や、事件につながる危険性が高いほど危険度の高い出力につながる連関度をより高く設定し、事件が起きた事例が少ないほど危険度の低い出力につながる連関度をより高く設定する。参照用画像情報Ｐ１１で、かつ構造Ｈである場合においてリンクする中間ノード６１ａの例では、危険度９０％と、危険度３０％の出力にリンクしているが、以前の事例から危険度が極めて高いケースであるため、危険度９０％につながるｗ１３の連関度を７点に、危険度３０％につながるｗ１４の連関度を２点に設定している。 This analysis and analysis may be performed by artificial intelligence. In such a case, for example, in the case of reference image information P11 and structure F, past data such as whether or not an incident actually occurred, or whether or not an incident did not occur but the risk was high, etc. Analyze from. The higher the risk of an incident or the higher the risk of an incident, the higher the degree of association that leads to a higher risk output, and the fewer cases of an incident, the higher the degree of association that leads to a lower risk output. Set. In the example of the intermediate node 61a linked in the case of the reference image information P11 and the structure H, the output is linked to the output of 90% risk and 30% risk, but the risk is extremely high from the previous case. Since this is a high case, the degree of association of w13 that leads to a risk of 90% is set to 7 points, and the degree of association of w14 that leads to a degree of risk of 30% is set to 2 points.

また、この図３に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードの出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 Further, the degree of association shown in FIG. 3 may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence.

図３に示す連関度の例で、ノード６１ｂは、参照用画像情報Ｐ１１に対して、参照用構造情報の構造Ｆの組み合わせのノードであり、危険度６０％の連関度がｗ１５、危険度０％の連関度がｗ１６となっている。ノード６１ｃは、参照用画像情報Ｐ１２に対して、参照用構造情報の構造Ｇ（例えば庭の配置に関する構造情報）と、更に構造Ｉ（例えば、柵の配置に関する構造情報）の組み合わせのノードであり、危険度３０％の連関度がｗ１７、危険度７０％の連関度がｗ１８となっている。 In the example of the degree of association shown in FIG. 3, the node 61b is a node in which the structure F of the reference structure information is combined with the reference image information P11, and the association degree of 60% is w15 and the risk degree is 0. The degree of association of% is w16. The node 61c is a node in which the structure G of the reference structural information (for example, the structural information regarding the arrangement of the garden) and the structure I (for example, the structural information regarding the arrangement of the fence) are combined with respect to the reference image information P12. The degree of association of 30% risk is w17, and the degree of association of 70% risk is w18.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに危険度を判別する際において、上述した学習済みデータを利用して危険度を判別することとなる。かかる場合には、画像情報を新たに取得するとともに、構造情報を取得する。画像情報は参照用画像情報に対応し、構造情報は、参照用構造情報に対応する。 Such a degree of association is what is called learned data in artificial intelligence. After creating such learned data, when actually determining the degree of risk from now on, the degree of risk will be determined using the above-mentioned learned data. In such a case, the image information is newly acquired and the structural information is acquired. The image information corresponds to the reference image information, and the structural information corresponds to the reference structural information.

新たに取得する画像情報は、上述した情報取得部９によるカメラにより画像を撮影する。この撮影は、上述した参照用画像情報を得る上で撮影した建築構造物の外部の画像と同一である。また撮影条件は、上述した参照用画像情報を得る上での撮影条件（撮影角度、画角、解像度）が必ずしも全て同一であるところまでは要求されない。 The newly acquired image information is captured by the camera by the information acquisition unit 9 described above. This shooting is the same as the external image of the building structure taken in order to obtain the above-mentioned reference image information. Further, the shooting conditions are not required to the extent that the shooting conditions (shooting angle, angle of view, resolution) for obtaining the above-mentioned reference image information are all the same.

構造情報の取得は、危険度を判別しようとする建築構造物の構造情報が記録されているデータベースにアクセスする。例えば、構造情報が住所を通じて関連付けられてデータベースに記録されている場合には、住所を入力することで、その住所にリンクされている構造情報を読み出すようにしてもよい。 To obtain the structural information, access the database in which the structural information of the building structure for which the risk level is to be determined is recorded. For example, when the structural information is associated through the address and recorded in the database, the structural information linked to the address may be read out by inputting the address.

このようにして新たに取得した画像情報と、電車の接近情報に基づいて、実際にその新たに画像情報を取得した時点における危険度を求める。かかる場合には、予め取得した図３（表１）に示す連関度を参照する。例えば、新たに取得した画像情報がＰ１２と同一かこれに類似するものである場合であって、取得した構造情報が構造Ｉである場合には、連関度を介してノード６１ｄが関連付けられており、このノード６１ｄは、「危険度６０％」がｗ１９、「危険度７０％」が連関度ｗ２０で関連付けられている。かかる場合には、連関度の最も高い「危険度６０％」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「危険度７０％」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 Based on the image information newly acquired in this way and the approach information of the train, the degree of risk at the time when the newly acquired image information is actually acquired is obtained. In such a case, the degree of association shown in FIG. 3 (Table 1) acquired in advance is referred to. For example, when the newly acquired image information is the same as or similar to P12 and the acquired structural information is structure I, the node 61d is associated via the degree of association. The node 61d is associated with a "risk level of 60%" by w19 and a "risk level of 70%" by a degree of association w20. In such a case, the “risk degree 60%” having the highest degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and it is also possible to select “70% risk” as the optimum solution, which has a low degree of association but the association itself is recognized. In addition to this, it goes without saying that an output solution to which the arrows are not connected may be selected, and as long as it is based on the degree of association, it may be selected in any other priority.

このようにしてこれらの最適解の選択は、図３に示す学習済みモデルを利用し、実際に解を求めたい入力データ（画像情報、構造情報）を入力すると出力解（危険度）が出力される人工知能を通じて実現することができる。しかし、本発明は人工知能を活用することは必須ではなく、参照用画像情報と、参照用構造情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度を利用するものであればいかなる形態で実現されるものであってもよい。 In this way, the selection of these optimum solutions uses the trained model shown in FIG. 3, and when the input data (image information, structural information) for which the solution is actually obtained is input, the output solution (risk degree) is output. It can be realized through artificial intelligence. However, in the present invention, it is not essential to utilize artificial intelligence, and any combination of reference image information, reference structure information, and a degree of risk to the combination may be used in three or more levels of association. It may be realized in any form.

また、入力から伸びている連関度ｗ１〜ｗ１２の例を以下の表２に示す。 In addition, Table 2 below shows examples of the degrees of association w1 to w12 extending from the input.

この入力から伸びている連関度ｗ１〜ｗ１２に基づいて中間ノード６１が選択されていてもよい。つまり連関度ｗ１〜ｗ１２が大きいほど、中間ノード６１の選択における重みづけを重くしてもよい。しかし、この連関度ｗ１〜ｗ１２は何れも同じ値としてもよく、中間ノード６１の選択における重みづけは何れも全て同一とされていてもよい。 The intermediate node 61 may be selected based on the degree of association w1 to w12 extending from this input. That is, the larger the degree of association w1 to w12, the heavier the weighting in the selection of the intermediate node 61 may be. However, the association degrees w1 to w12 may all have the same value, and the weightings in the selection of the intermediate node 61 may all be the same.

図４は、上述した参照用画像情報と、参照用ロケーション情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度が設定されている例を示している。 FIG. 4 shows an example in which the combination of the above-mentioned reference image information, the reference location information, and the degree of risk for the combination are set to three or more levels of association.

入力データとしては、このような参照用画像情報と、参照用ロケーション情報が並んでいる。このような入力データとしての、参照用画像情報に対して、参照用ロケーション情報が組み合わさったものが、図４に示す中間ノードである。 As the input data, such reference image information and reference location information are arranged side by side. The intermediate node shown in FIG. 4 is a combination of reference image information and reference location information as such input data.

参照用ロケーション情報とは、その建築構造物のロケーションを特定するためのあらゆる情報が含まれる。参照用ロケーション情報としては、住所情報、地図情報以外に、その建築構造物を含めた周囲の環境を撮影した画像も含まれる。また建築構造物の隣地の建物の状況や、建築構造物の隣地が商店、ビル、飲食店、空き地、駐車場、学校等、いかなる用途に利用されているのかもこの参照用ロケーション情報に含まれる。つまり隣地が空き地であれば、その空き地から建築構造物内に侵入されやすいことも考えられることから、これについても危険度を支配する要因になる。 Reference location information includes any information for identifying the location of the building structure. In addition to address information and map information, the reference location information also includes images of the surrounding environment including the building structure. The location information for reference also includes the status of the building next to the building structure and what purpose the land next to the building structure is used for, such as shops, buildings, restaurants, vacant lots, parking lots, and schools. .. In other words, if the adjacent land is a vacant lot, it is possible that the vacant lot can easily invade the building structure, which is also a factor that controls the degree of risk.

判別装置２は、このような図４に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり判別装置２は、実際の危険度の判別を行う上で、参照用画像情報と、参照用ロケーション情報、並びにその場合の危険度がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図４に示す連関度を作り上げておく。 The discriminating device 2 acquires in advance the degree of association w13 to w22 of three or more stages shown in FIG. That is, in determining the actual risk level, the discrimination device 2 accumulates reference image information, reference location information, and data on the degree of risk in that case, and analyzes these. , The degree of association shown in FIG. 4 is created by analysis.

図４に示す連関度の例で、ノード６１ｂは、参照用画像情報Ｐ１１に対して、参照用ロケーション情報がロケーションＪの組み合わせのノードであり、危険度６０％の連関度がｗ１５、危険度０％の連関度がｗ１６となっている。 In the example of the degree of association shown in FIG. 4, the node 61b is a node in which the reference location information is a combination of the location J with respect to the reference image information P11, the degree of association of 60% is w15, and the degree of risk is 0. The degree of association of% is w16.

このような連関度が設定されている場合も同様に、画像情報を新たに取得するとともに、ロケーション情報を取得する。画像情報は参照用画像情報に対応し、ロケーション情報は、参照用ロケーション情報に対応する。 Similarly, when such a degree of association is set, image information is newly acquired and location information is acquired. The image information corresponds to the reference image information, and the location information corresponds to the reference location information.

ロケーション情報の取得は、危険度を判別しようとする建築構造物の構造情報が記録されているデータベースにアクセスする。例えば、ロケーション情報が住所を通じて関連付けられてデータベースに記録されている場合には、住所を入力することで、その住所にリンクされているロケーション情報（隣地が飲食店で比較的明るい、或いは隣地が駐車場で不審者が侵入しやすい等）を読み出すようにしてもよい。 To obtain the location information, access the database in which the structural information of the building structure for which the risk level is to be determined is recorded. For example, if the location information is associated through an address and recorded in the database, by entering the address, the location information linked to that address (the neighboring land is relatively bright at a restaurant, or the neighboring land is stationed). A suspicious person may easily invade the parking lot, etc.).

危険度を求める上では、予め取得した図４に示す連関度を参照する。例えば、取得した画像が参照用画像情報Ｐ１２に同一又は類似で、ロケーション情報がロケーションＭである場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、危険度３０％が連関度ｗ１７で、また危険度７０％が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、実際にその新たに画像情報と接近情報とを取得した時点における危険度を求めていくことになる。 In determining the degree of risk, the degree of association shown in FIG. 4 acquired in advance is referred to. For example, when the acquired image is the same as or similar to the reference image information P12 and the location information is the location M, the combination is associated with the node 61c, and the node 61c has a risk level of 30% and a degree of association w17. And the risk level 70% is associated with the association level w18. As a result of such a degree of association, the degree of danger at the time when the newly acquired image information and the approach information are actually acquired is obtained based on w17 and w18.

図５は、上述した参照用画像情報と、参照用在宅パターン情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度が設定されている例を示している。 FIG. 5 shows an example in which the combination of the above-mentioned reference image information, the reference home pattern information, and the degree of risk for the combination are set to three or more levels of association.

入力データとしては、このような参照用画像情報と、参照用在宅パターン情報が並んでいる。このような入力データとしての、参照用画像情報に対して、参照用ロケーション情報が組み合わさったものが、図５に示す中間ノードである。 As the input data, such reference image information and reference home pattern information are arranged side by side. The intermediate node shown in FIG. 5 is a combination of reference image information and reference location information as such input data.

参照用在宅パターン情報とは、その建築構造物に居住する居住者の在宅パターンを特定するためのあらゆる情報が含まれる。参照用在宅パターン情報としては、例えば建築構造物における電力の使用量や玄関や門に設置されたカメラで撮影した居住者の出入りの画像に基づいて、居住者が在宅している時間帯、外出している時間帯をパターン化したものである。月曜日〜日曜日の間で、各曜日の各時間帯毎に、居住者の在宅時間帯、外出時間帯を、上述した電力使用量や画像に基づいてパターン化しておく。このとき、上述した電力使用量や画像を予め機械学習させておき、パターンを判別するようにしてもよい。 The reference home pattern information includes all information for identifying the home pattern of the resident who resides in the building structure. As reference home pattern information, for example, based on the amount of electricity used in the building structure and the image of the resident entering and exiting taken by the camera installed at the entrance or the gate, the time zone when the resident is at home and going out. It is a pattern of the time zone that is being used. From Monday to Sunday, for each time zone of each day of the week, the resident's home time zone and outing time zone are patterned based on the above-mentioned power consumption and images. At this time, the above-mentioned power consumption and images may be machine-learned in advance to determine the pattern.

判別装置２は、このような図５に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり判別装置２は、実際の危険度の判別を行う上で、参照用画像情報と、参照用在宅パターン、並びにその場合の危険度がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図５に示す連関度を作り上げておく。 The discriminating device 2 acquires in advance the degree of association w13 to w22 of three or more stages shown in FIG. That is, the discriminating device 2 accumulates reference image information, a reference home pattern, and data on the degree of risk in that case, and analyzes them in determining the actual risk level. , The degree of association shown in FIG. 5 is created by analysis.

図５に示す連関度の例で、ノード６１ｂは、参照用画像情報Ｐ１１に対して、参照用ロケーション情報がロケーションＪの組み合わせのノードであり、危険度６０％の連関度がｗ１５、危険度０％の連関度がｗ１６となっている。 In the example of the degree of association shown in FIG. 5, the node 61b is a node in which the reference location information is the combination of the location J with respect to the reference image information P11, the degree of association of 60% is w15, and the degree of risk is 0. The degree of association of% is w16.

このような連関度が設定されている場合も同様に、画像情報を新たに取得するとともに、在宅パターン情報を取得する。画像情報は参照用画像情報に対応し、在宅パターン情報は、参照用在宅パターン情報に対応する。 Similarly, when such a degree of association is set, image information is newly acquired and home pattern information is acquired. The image information corresponds to the reference image information, and the home pattern information corresponds to the reference home pattern information.

在宅パターン情報の取得は、危険度を判別しようとする建築構造物の在宅パターン情報が記録されているデータベースにアクセスする。例えば、在宅パターン情報が住所を通じて関連付けられてデータベースに記録されている場合には、住所を入力することで、その住所にリンクされている在宅パターン情報（月〜金は、９時〜２１時が外出でそれ以外が在宅、土日は、１０時〜１５時が外出でそれ以外が在宅等）を読み出すようにしてもよい。 To acquire the home pattern information, access the database in which the home pattern information of the building structure for which the risk level is to be determined is recorded. For example, if the home pattern information is associated through an address and recorded in the database, the home pattern information linked to that address by entering the address (Monday to Friday is from 9:00 to 21:00). It is also possible to read out (when going out, other than that is at home, on Saturdays and Sundays, from 10:00 to 15:00, when going out and at home, etc.).

危険度を求める上では、予め取得した図５に示す連関度を参照する。例えば、取得した画像が参照用画像情報Ｐ１２に同一又は類似で、在宅パターン情報が在宅パターンＲである場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、危険度３０％が連関度ｗ１７で、また危険度７０％が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、実際にその新たに画像情報と接近情報とを取得した時点における危険度を求めていくことになる。 In determining the degree of risk, the degree of association shown in FIG. 5 acquired in advance is referred to. For example, when the acquired image is the same as or similar to the reference image information P12 and the home pattern information is the home pattern R, the combination is associated with the node 61c, and the node 61c is associated with a risk level of 30%. A degree w17 and a 70% risk are associated with a degree w18. As a result of such a degree of association, the degree of danger at the time when the newly acquired image information and the approach information are actually acquired is obtained based on w17 and w18.

図６は、上述した参照用画像情報と、参照用画像情報の撮影時点における時間帯を示す参照用時間帯情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度が設定されている例を示している。 In FIG. 6, the combination of the above-mentioned reference image information, the reference time zone information indicating the time zone at the time of shooting of the reference image information, and the degree of association with the risk degree for the combination are set in three or more stages. An example is shown.

入力データとしては、このような参照用画像情報と、参照用時間帯情報が並んでいる。このような入力データとしての、参照用画像情報に対して、参照用時間帯情報が組み合わさったものが、図６に示す中間ノードである。 As the input data, such reference image information and reference time zone information are arranged side by side. The intermediate node shown in FIG. 6 is a combination of the reference image information and the reference time zone information as such input data.

参照用時間帯情報とは、その参照用画像情報の撮影時点の時間帯を意味するものであり、一時点の時刻のみならず、例えば１０時１０分〜１０時２０分等のように時間の幅を持たせたものであってもよい。 The reference time zone information means the time zone at the time of shooting of the reference image information, and is not only the time of the time point but also the time such as 10:10 to 10:20. It may have a width.

判別装置２は、このような図６に示す３段階以上の連関度ｗ１３〜ｗ２２を予め取得しておく。つまり判別装置２は、実際の危険度の判別を行う上で、参照用画像情報と、参照用在宅パターン、並びにその場合の危険度がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図６に示す連関度を作り上げておく。 The discriminating device 2 acquires in advance the degree of association w13 to w22 of three or more stages shown in FIG. That is, the discriminating device 2 accumulates reference image information, a reference home pattern, and data on the degree of risk in that case, and analyzes them in determining the actual risk level. , The degree of association shown in FIG. 6 is created by analysis.

図６に示す連関度の例で、ノード６１ｂは、参照用画像情報Ｐ１１に対して、参照用時間帯情報が時間帯Ｓの組み合わせのノードであり、危険度６０％の連関度がｗ１５、危険度０％の連関度がｗ１６となっている。つまり犯罪が不審者の侵入が少ない時間帯と、多い時間帯がある。特に昼間は不審者の侵入が少なく、夜は逆に多い場合には、各時間帯Ｓ〜Ｖ、・・についてそれぞれ参照用画像情報との関係において危険度を予め分析しておき、中間ノード６１としての連関度において関連付けて記憶しておく。 In the example of the degree of association shown in FIG. 6, the node 61b is a node in which the reference time zone information is a combination of the reference time zone S with respect to the reference image information P11, and the association degree of 60% risk is w15, which is dangerous. The degree of association of 0% is w16. In other words, there are times when crimes are less likely to be invaded by suspicious persons and times when crimes are more frequent. In particular, when the invasion of suspicious persons is small in the daytime and conversely large in the nighttime, the degree of risk is analyzed in advance in relation to the reference image information for each time zone S to V, ..., And the intermediate node 61 It is associated and memorized in the degree of association as.

このような連関度が設定されている場合も同様に、画像情報を新たに取得するとともに、在宅時間帯情報を取得する。画像情報は参照用画像情報に対応し、時間帯情報は、参照用在宅時間帯情報に対応する。 Similarly, when such a degree of association is set, image information is newly acquired and home time zone information is acquired. The image information corresponds to the reference image information, and the time zone information corresponds to the reference home time zone information.

時間帯情報の取得は、危険度を判別しようとする建築構造物における画像情報の撮影時点の時間帯を抽出する。そして抽出した時間帯情報を参照用時間帯情報と照らし合わせて判別を行う。かかる場合には、参照用時間帯情報が記録されているデータベースにアクセスする。例えば、時間帯情報が９時２０分〜９時３０分（時間帯Ｖ）である場合、同じ参照用時間帯情報の時間帯Ｖ（９時２０分〜９時３０分）を介して危険度を求めていく。 To acquire the time zone information, the time zone at the time of shooting the image information in the building structure whose risk level is to be determined is extracted. Then, the extracted time zone information is compared with the reference time zone information to make a determination. In such a case, access the database in which the reference time zone information is recorded. For example, when the time zone information is from 9:20 to 9:30 (time zone V), the risk level is passed through the time zone V (9:20 to 9:30) of the same reference time zone information. I will seek.

危険度を求める上では、予め取得した図６に示す連関度を参照する。例えば、取得した画像が参照用画像情報Ｐ１２に同一又は類似で、時間帯情報が時間帯Ｖである場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、危険度３０％が連関度ｗ１７で、また危険度７０％が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、実際にその新たに画像情報と接近情報とを取得した時点における危険度を求めていくことになる。 In determining the degree of risk, the degree of association shown in FIG. 6 acquired in advance is referred to. For example, when the acquired image is the same as or similar to the reference image information P12 and the time zone information is the time zone V, the combination is associated with the node 61c, and the node 61c is associated with a risk level of 30%. A degree w17 and a 70% risk are associated with a degree w18. As a result of such a degree of association, the degree of danger at the time when the newly acquired image information and the approach information are actually acquired is obtained based on w17 and w18.

図７は、上述した参照用画像情報と、参照用構造情報に加えて、更に参照用人物情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度が設定されている例を示している。 FIG. 7 shows an example in which, in addition to the above-mentioned reference image information and reference structure information, a combination of reference person information and a degree of risk to the combination are set to three or more levels of association. Shown.

参照用人物情報とは、参照用画像情報に写し出されている人物を抽出した情報である。人物情報は、顔の特徴（顔の輪郭、目鼻立ち、髪型、眼鏡の有無、皺、傷等）や、顔の特徴から推定した年齢や性別等である。顔の特徴の抽出方法は、ニューラルネットワークを用いるようにしてもよく、かかる場合には、（１）顔部分の画像データからエッジ抽出。（２）顔部分の画像データから肌色の領域を抽出、（３）（１）で生成したエッジ画像から（２）で抽出した肌色領域に対応する領域を抽出、（４）肌色領域に対応するエッジ画像から垂直方向及び水平方向の各々の累積ヒストグラムを算出、（５）輝度が所定の閾値以上になる累積ヒストグラムの画素数をＮＮ（neural network）の入力データとする等、周知の方法を活用するようにしてもよい。また（６）ＮＮにより、入力データと教師データとに基づき、来訪者の年齢及び性別を推定するようにしてもよい。 The reference person information is information extracted from the person displayed in the reference image information. The person information includes facial features (face contour, prominence, hairstyle, presence / absence of glasses, wrinkles, scratches, etc.), age and gender estimated from facial features, and the like. A neural network may be used as a method for extracting facial features. In such a case, (1) edge extraction is performed from the image data of the facial part. (2) Extract the skin color area from the image data of the face part, (3) Extract the area corresponding to the skin color area extracted in (2) from the edge image generated in (1), (4) Correspond to the skin color area. Utilizing well-known methods such as calculating cumulative histograms in each of the vertical and horizontal directions from the edge image, and (5) using the number of pixels of the cumulative histogram whose brightness is equal to or higher than a predetermined threshold as input data of NN (neural network). You may try to do it. Further, (6) NN may estimate the age and gender of the visitor based on the input data and the teacher data.

かかる場合において、連関度は、図７に示すように、参照用画像情報と、参照用構造情報と、参照用人物情報との組み合わせの集合が上述と同様に中間ノードのノード６１ａ〜６１ｅとして表現されることとなる。 In such a case, as shown in FIG. 7, the degree of association is expressed as a set of combinations of reference image information, reference structure information, and reference person information as nodes 61a to 61e of intermediate nodes as described above. Will be done.

例えば、図７において、ノード６１ｃは、参照用画像情報Ｐ１２が連関度ｗ３で、参照用構造情報「構造Ｇ」が連関度ｗ７で、参照用人物情報としての「人物β（例えば、人物情報が良く来訪する隣に住んでいる奥様の場合）」が連関度ｗ１１で連関している。同様にノード６１ｅは、参照用画像情報Ｐ１３が連関度ｗ５で、参照用構造情報「構造Ｇ」が連関度ｗ８で、参照用人物情報としての「人物α（例えば、今まであったことが無い４０代男性）」が連関度ｗ１０で連関している。参照用人物情報において登録されていない場合も、その登録されていないことを一つの参照用人物情報として取り扱うようにしてもよい。 For example, in FIG. 7, in the node 61c, the reference image information P12 has an association degree w3, the reference structure information “structure G” has an association degree w7, and the reference person information “person β (for example, person information) In the case of a wife who lives next door who often visits) ”is linked with a degree of linkage w11. Similarly, in the node 61e, the reference image information P13 has a degree of association w5, the reference structure information "structure G" has an association degree w8, and the reference person information "person α (for example, never before)". Men in their 40s) ”are linked with a degree of association w10. Even if it is not registered in the reference person information, the fact that it is not registered may be treated as one reference person information.

このような連関度が設定されている場合も同様に、新たに取得した画像情報と、構造情報と、人物情報に基づいて、実際にその新たに画像情報を取得した時点における危険度を求める。ここでいう人物情報は、実際に新たに取得した画像情報から参照用人物情報の抽出と同様の手法により画像解析を行い、人物情報を抽出する。 Similarly, when such a degree of association is set, the degree of risk at the time when the newly acquired image information is actually acquired is obtained based on the newly acquired image information, the structural information, and the person information. The person information referred to here is extracted from the newly acquired image information by performing image analysis by the same method as the extraction of the reference person information.

この危険度を求める上で予め取得した図７に示す連関度を参照する。例えば、取得した画像が参照用画像情報Ｐ１２に同一又は類似で、参照用構造情報「構造Ｇ」で、抽出した人物情報が人物βである場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、危険度３０％が連関度ｗ１７で、また危険度７０％が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、実際にその新たに画像情報と接近情報とを取得した時点における危険度を求めていくことになる。 In determining the degree of risk, the degree of association shown in FIG. 7 acquired in advance is referred to. For example, when the acquired image is the same as or similar to the reference image information P12, the reference structure information "structure G", and the extracted person information is the person β, the combination is associated with the node 61c. The node 61c is associated with a risk degree of 30% with an association degree w17 and a risk degree of 70% with an association degree w18. As a result of such a degree of association, the degree of danger at the time when the newly acquired image information and the approach information are actually acquired is obtained based on w17 and w18.

参照用人物情報において登録されていない場合を仮に人物βとし、抽出した人物情報が参照用人物情報において登録されていない者である場合も人物βが入力されたものとみなして解探索を行うこととなる。 If the person is not registered in the reference person information, it is assumed to be the person β, and even if the extracted person information is not registered in the reference person information, the solution search is performed assuming that the person β is input. It becomes.

なお、参照用画像情報と参照用ロケーション情報との組み合わせ、参照用画像情報と参照用在宅パターン情報との組み合わせ、参照用画像情報と参照用時間情報との組み合わせに対しても、この参照用人物情報との組み合わせを更に含めて連関度を定義するようにしてもよい。また、参照用画像情報と参照用人物情報との組み合わせで連関度を定義するようにしてもよい。 The combination of the reference image information and the reference location information, the combination of the reference image information and the reference home pattern information, and the combination of the reference image information and the reference time information are also referred to as the reference person. The degree of association may be defined by further including the combination with information. Further, the degree of association may be defined by the combination of the reference image information and the reference person information.

図８は、上述した参照用画像情報と、参照用構造情報に加えて、更に参照用音声情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度が設定されている例を示している。 FIG. 8 shows an example in which, in addition to the above-mentioned reference image information and reference structure information, a combination of reference audio information and a degree of risk to the combination are set to three or more levels of association. Shown.

参照用音声情報とは、参照用画像情報の撮影時（又は撮影時の前後に亘る所定時間）に実際にマイクロフォン等を通じて録音した音声である。音声情報の解析は周知の手段により、或いはＮＮを用いて細かく分析されるものであってもよい。また音声情報を周波数軸で解析したものであってもよい。 The reference audio information is audio actually recorded through a microphone or the like at the time of shooting (or a predetermined time before and after the shooting) of the reference image information. The analysis of the voice information may be performed in detail by a well-known means or by using NN. Further, the voice information may be analyzed on the frequency axis.

かかる場合において、連関度は、図８に示すように、参照用画像情報と、参照用構造情報と、参照用音声人物情報との組み合わせの集合が上述と同様に中間ノードのノード６１ａ〜６１ｅとして表現されることとなる。 In such a case, as shown in FIG. 8, the degree of association is such that the set of combinations of the reference image information, the reference structure information, and the reference voice person information is set as the nodes 61a to 61e of the intermediate node as described above. It will be expressed.

例えば、図８において、ノード６１ｃは、参照用画像情報Ｐ１２が連関度ｗ３で、参照用構造情報「構造Ｇ」が連関度ｗ７で、参照用音声情報としての「音声Ｘ」が連関度ｗ１１で連関している。 For example, in FIG. 8, in the node 61c, the reference image information P12 has an association degree w3, the reference structure information “structure G” has an association degree w7, and the reference audio information “voice X” has an association degree w11. It is related.

このような連関度が設定されている場合も同様に、新たに取得した画像情報と、構造情報と、音声情報に基づいて、実際にその新たに画像情報を取得した時点における危険度を求める。ここでいう音声情報は、画像情報の撮影時（又は撮影時の前後に亘る所定時間）に実際にマイクロフォン等を通じて録音した音声である。音声情報の解析は周知の手段により、或いはＮＮを用いて細かく分析されるものであってもよい。また音声情報を周波数軸で解析したものであってもよい。 Similarly, when such a degree of association is set, the degree of risk at the time when the newly acquired image information is actually acquired is obtained based on the newly acquired image information, the structural information, and the audio information. The audio information referred to here is audio actually recorded through a microphone or the like at the time of shooting the image information (or a predetermined time before and after the shooting). The analysis of the voice information may be performed in detail by a well-known means or by using NN. Further, the voice information may be analyzed on the frequency axis.

この危険度を求める上で予め取得した図８に示す連関度を参照する。例えば、取得した画像が参照用画像情報Ｐ１２に同一又は類似で、参照用構造情報「構造Ｇ」で、抽出した音声情報が音声Ｘである場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、危険度３０％が連関度ｗ１７で、また危険度７０％が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、実際にその新たに画像情報と接近情報とを取得した時点における危険度を求めていくことになる。 In determining the degree of risk, the degree of association shown in FIG. 8 acquired in advance is referred to. For example, when the acquired image is the same as or similar to the reference image information P12, the reference structure information "structure G", and the extracted audio information is audio X, the combination is associated with the node 61c. The node 61c is associated with a risk degree of 30% with an association degree w17 and a risk degree of 70% with an association degree w18. As a result of such a degree of association, the degree of danger at the time when the newly acquired image information and the approach information are actually acquired is obtained based on w17 and w18.

なお、参照用画像情報と参照用ロケーション情報との組み合わせ、参照用画像情報と参照用在宅パターン情報との組み合わせ、参照用画像情報と参照用時間情報との組み合わせに対しても、この参照用音声情報との組み合わせを更に含めて連関度を定義するようにしてもよい。また、参照用画像情報と参照用音声情報との組み合わせで連関度を定義するようにしてもよい。 It should be noted that the combination of the reference image information and the reference location information, the combination of the reference image information and the reference home pattern information, and the combination of the reference image information and the reference time information are also referred to as the reference voice. The degree of association may be defined by further including the combination with information. Further, the degree of association may be defined by the combination of the reference image information and the reference audio information.

図８は、上述した参照用画像情報と、参照用構造情報に加えて、更に参照用音声情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度が設定されている例を示している。 FIG. 8 shows an example in which, in addition to the above-mentioned reference image information and reference structure information, a combination of reference audio information and a degree of risk to the combination are set to three or more levels of association. Shown.

参照用音声情報とは、参照用画像情報の撮影時（又は撮影時の前後に亘る所定時間）に実際にマイクロフォン等を通じて録音した音声である。音声情報の解析は周知の手段により、或いはＮＮを用いて細かく分析されるものであってもよい。また音声情報を周波数軸で解析したものであってもよい The reference audio information is audio actually recorded through a microphone or the like at the time of shooting (or a predetermined time before and after the shooting) of the reference image information. The analysis of the voice information may be performed in detail by a well-known means or by using NN. Further, the voice information may be analyzed on the frequency axis.

かかる場合において、連関度は、図８に示すように、参照用画像情報と、参照用構造情報と、参照用音声人物情報との組み合わせの集合が上述と同様に中間ノードのノード６１ａ〜６１ｅとして表現されることとなる。 In such a case, as shown in FIG. 8, the degree of association is such that the set of combinations of the reference image information, the reference structure information, and the reference voice person information is set as the nodes 61a to 61e of the intermediate node as described above. It will be expressed.

例えば、図８において、ノード６１ｃは、参照用画像情報Ｐ１２が連関度ｗ３で、参照用構造情報「構造Ｇ」が連関度ｗ７で、参照用音声情報としての「音声Ｘ」が連関度ｗ１１で連関している。 For example, in FIG. 8, in the node 61c, the reference image information P12 has an association degree w3, the reference structure information “structure G” has an association degree w7, and the reference audio information “voice X” has an association degree w11. It is related.

このような連関度が設定されている場合も同様に、新たに取得した画像情報と、構造情報と、音声情報に基づいて、実際にその新たに画像情報を取得した時点における危険度を求める。ここでいう音声情報は、画像情報の撮影時（又は撮影時の前後に亘る所定時間）に実際にマイクロフォン等を通じて録音した音声である。音声情報の解析は周知の手段により、或いはＮＮを用いて細かく分析されるものであってもよい。また音声情報を周波数軸で解析したものであってもよい。 Similarly, when such a degree of association is set, the degree of risk at the time when the newly acquired image information is actually acquired is obtained based on the newly acquired image information, the structural information, and the audio information. The audio information referred to here is audio actually recorded through a microphone or the like at the time of shooting the image information (or a predetermined time before and after the shooting). The analysis of the voice information may be performed in detail by a well-known means or by using NN. Further, the voice information may be analyzed on the frequency axis.

この危険度を求める上で予め取得した図８に示す連関度を参照する。例えば、取得した画像が参照用画像情報Ｐ１２に同一又は類似で、参照用構造情報「構造Ｇ」で、抽出した音声情報が音声Ｘである場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、危険度３０％が連関度ｗ１７で、また危険度７０％が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、実際にその新たに画像情報と接近情報とを取得した時点における危険度を求めていくことになる。 In determining the degree of risk, the degree of association shown in FIG. 8 acquired in advance is referred to. For example, when the acquired image is the same as or similar to the reference image information P12, the reference structure information "structure G", and the extracted audio information is audio X, the combination is associated with the node 61c. The node 61c is associated with a risk degree of 30% with an association degree w17 and a risk degree of 70% with an association degree w18. As a result of such a degree of association, the degree of danger at the time when the newly acquired image information and the approach information are actually acquired is obtained based on w17 and w18.

なお、参照用画像情報と参照用ロケーション情報との組み合わせ、参照用画像情報と参照用在宅パターン情報との組み合わせ、参照用画像情報と参照用時間情報との組み合わせに対しても、この参照用音声情報との組み合わせを更に含めて連関度を定義するようにしてもよい。また、参照用画像情報と参照用音声情報との組み合わせで連関度を定義するようにしてもよい。 It should be noted that the combination of the reference image information and the reference location information, the combination of the reference image information and the reference home pattern information, and the combination of the reference image information and the reference time information are also referred to as the reference voice. The degree of association may be defined by further including the combination with information. Further, the degree of association may be defined by the combination of the reference image information and the reference audio information.

図９は、上述した参照用画像情報と、参照用構造情報に加えて、更に参照用警備サービス情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度が設定されている例を示している。 FIG. 9 shows an example in which, in addition to the above-mentioned reference image information and reference structure information, a combination of reference security service information and a degree of risk to the combination are set to three or more levels of association. Is shown.

参照用警備サービス情報とは、その建築構造物が警備会社の警備サービスを契約しているか否か、或いは具体的な契約内容に関する契約状況に関するものである。この契約とは、例えば、ドアが破られたり窓ガラスが破られた場合に、警備会社から警備員が建築構造物までパトロールに来る等である。 The reference security service information is related to whether or not the building structure has a contract for the security service of the security company, or the contract status regarding the specific contract contents. This contract is, for example, that if a door is torn or a windowpane is torn, a security guard will come to patrol the building structure from the security company.

かかる場合において、連関度は、図８に示すように、参照用画像情報と、参照用構造情報と、参照用警備サービス情報との組み合わせの集合が上述と同様に中間ノードのノード６１ａ〜６１ｅとして表現されることとなる。 In such a case, as shown in FIG. 8, the degree of association is such that a set of combinations of reference image information, reference structure information, and reference security service information is set as nodes 61a to 61e of intermediate nodes as described above. It will be expressed.

例えば、図８において、ノード６１ｃは、参照用画像情報Ｐ１２が連関度ｗ３で、参照用構造情報「構造Ｇ」が連関度ｗ７で、参照用警備サービス情報としての「未契約」が連関度ｗ１１で連関している。 For example, in FIG. 8, in the node 61c, the reference image information P12 has an association degree w3, the reference structure information “structure G” has an association degree w7, and the “uncontracted” reference security service information has an association degree w11. Is linked with.

このような連関度が設定されている場合も同様に、新たに取得した画像情報と、構造情報と、警備サービス情報に基づいて、実際にその新たに画像情報を取得した時点における危険度を求める。ここでいう警備サービス情報は、その判別対象の建築構造物が実際に警備会社の警備サービスを契約しているか否か、或いは具体的な契約内容に関する契約状況に関するものである。 Similarly, when such a degree of association is set, the degree of risk at the time when the newly acquired image information is actually acquired is obtained based on the newly acquired image information, the structural information, and the security service information. .. The security service information referred to here is related to whether or not the building structure to be discriminated actually contracts the security service of the security company, or the contract status regarding the specific contract contents.

この危険度を求める上で予め取得した図９に示す連関度を参照する。例えば、取得した画像が参照用画像情報Ｐ１２に同一又は類似で、参照用構造情報「構造Ｇ」で、抽出した警備サービス情報が「未契約」である場合、その組み合わせはノード６１ｃが関連付けられており、このノード６１ｃは、危険度３０％が連関度ｗ１７で、また危険度７０％が連関度ｗ１８で関連付けられている。このような連関度の結果、ｗ１７、ｗ１８に基づいて、実際にその新たに画像情報と接近情報とを取得した時点における危険度を求めていくことになる。 In determining the degree of risk, the degree of association shown in FIG. 9 acquired in advance is referred to. For example, if the acquired image is the same as or similar to the reference image information P12, the reference structure information "structure G", and the extracted security service information is "uncontracted", the combination is associated with the node 61c. The node 61c is associated with a risk level of 30% at a degree of association w17 and a risk level of 70% at a degree of association w18. As a result of such a degree of association, the degree of danger at the time when the newly acquired image information and the approach information are actually acquired is obtained based on w17 and w18.

なお、参照用画像情報と参照用ロケーション情報との組み合わせ、参照用画像情報と参照用在宅パターン情報との組み合わせ、参照用画像情報と参照用時間情報との組み合わせに対しても、この参照用警備サービス情報との組み合わせを更に含めて連関度を定義するようにしてもよい。また、参照用画像情報と参照用警備サービス情報との組み合わせで連関度を定義するようにしてもよい。
図１０の例では、参照用画像情報と危険度との３段階以上の連関度を利用する例である。 It should be noted that this reference security is also applied to the combination of the reference image information and the reference location information, the combination of the reference image information and the reference home pattern information, and the combination of the reference image information and the reference time information. The degree of association may be defined by further including the combination with the service information. Further, the degree of association may be defined by combining the reference image information and the reference security service information.
In the example of FIG. 10, it is an example of using three or more levels of association between the reference image information and the degree of risk.

参照用画像情報と、危険度とが互いに紐づけられた連関度が形成されていることが前提となる。図１０の例では、入力データとして例えば参照用画像情報Ｐ１１〜Ｐ１３であるものとする。このような入力データとしての参照用画像情報は、出力に連結している。この出力においては、出力解としての危険度であるものとする。 It is premised that the reference image information and the degree of risk are linked to each other to form a degree of association. In the example of FIG. 10, it is assumed that the input data is, for example, reference image information P11 to P13. The reference image information as such input data is linked to the output. In this output, it is assumed that it is a risk level as an output solution.

参照用画像情報は、この出力解としての危険度に対して３段階以上の連関度を通じて互いに連関しあっている。参照用画像情報がこの連関度を介して左側に配列し、各危険度が連関度を介して右側に配列している。 The reference image information is associated with each other through three or more levels of association with the risk level as the output solution. The reference image information is arranged on the left side via this degree of association, and each risk level is arranged on the right side via this degree of association.

判別装置２は、このような図１０に示す３段階以上の連関度ｗ１３〜ｗ１９を予め取得しておく。つまり判別装置２は、実際の探索解の判別を行う上で、過去において撮像して取得した参照用画像情報のときにいかなる危険度であったか、過去のデータを蓄積しておき、これらを分析、解析することで図１０に示す連関度を作り上げておく。 The discriminating device 2 acquires in advance the degree of association w13 to w19 of three or more stages shown in FIG. That is, in determining the actual search solution, the discrimination device 2 accumulates past data on what kind of risk the reference image information acquired by imaging in the past was, and analyzes these. By analyzing, the degree of association shown in FIG. 10 is created.

例えば、参照用画像情報が、Ｐ１１であるものとする。このようなＰ１１に対する危険度として、危険度９０％が多かったものとする。このようなデータセットを集めて分析することにより、参照用画像情報Ｐ１１と、危険度との連関度が強くなる。 For example, it is assumed that the reference image information is P11. It is assumed that the risk level for P11 is 90%. By collecting and analyzing such a data set, the degree of association between the reference image information P11 and the degree of risk becomes stronger.

この分析、解析は人工知能により行うようにしてもよい。また画像の判別はディープラーニングを用いるようにしてもよい。また、この図１０に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 This analysis and analysis may be performed by artificial intelligence. Further, deep learning may be used for image discrimination. Further, the degree of association shown in FIG. 10 may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence.

なお、このような連関度に基づく学習済みモデルを構築する過程において、その建築構造物に関する構造情報を含む参照用構造情報も取得しておく。この参照用構造情報は、上述した連関度には含まれない。 In the process of constructing a trained model based on such a degree of association, reference structural information including structural information related to the building structure is also acquired. This reference structure information is not included in the above-mentioned degree of association.

このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、解を探索することとなる。かかる場合には、撮像した画像情報を取得すると共に、構造情報も同様に取得しておく。 Such a degree of association is what is called learned data in artificial intelligence. After creating such trained data, the solution will be searched. In such a case, the captured image information is acquired, and the structural information is also acquired in the same manner.

先ず、新たに取得した画像情報に基づいて、危険度を探索する。かかる場合には、予め取得した図１０に示す連関度を利用する。例えば、新たに取得した画像情報が、参照用画像情報Ｐ１２と同一かこれに類似するものである場合には、連関度を介して危険度３０％が連関度ｗ１５、危険度６０％が連関度ｗ１６で関連付けられている。かかる場合には、連関度の最も高い危険度３０％を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる連関度６０％を解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。また、この選択する出力解は１つに限られず、２以上選択するものであってもよい。かかる場合には、連関度の上位から順に２以上選択するようにしてもよいが、これに限定されるものではなく、他のいかなる連関度の優先順位に基づいてもよい。 First, the degree of risk is searched based on the newly acquired image information. In such a case, the degree of association shown in FIG. 10 acquired in advance is used. For example, when the newly acquired image information is the same as or similar to the reference image information P12, the degree of association is 30% with a degree of association w15 and 60% with an association degree. It is associated with w16. In such a case, the risk level of 30%, which has the highest degree of association, is selected as the optimum solution. However, it is not essential to select the solution having the highest degree of association as the optimum solution, and 60% of the degree of association may be selected as the solution, although the degree of association is low but the association itself is recognized. In addition to this, it goes without saying that an output solution to which the arrows are not connected may be selected, and as long as it is based on the degree of association, it may be selected in any other priority. Further, the output solution to be selected is not limited to one, and two or more may be selected. In such a case, two or more may be selected in order from the highest degree of association, but the present invention is not limited to this, and may be based on the priority of any other degree of association.

連関度を通じて求められる危険度は、更に、構造情報に基づいて修正され、或いは重み付けを変化させるようにしてもよい。 The degree of risk determined through the degree of association may be further modified based on structural information, or the weighting may be changed.

例えば、参照用構造情報の構造Ｆが一軒家でオープン外構で周囲に塀が構築されていない構造であり、参照用構造情報の構造Ｇが、高さ２ｍの塀が周囲に張り巡らされている構造であるものとする。このとき、参照用構造情報の構造Ｇのように危険度が低い構造の場合、危険度の重み付けを下げる処理を行い、換言すれば危険度そのものを下げる処理を行うように予め設定しておく。これに対して、参照用構造情報の構造Ｆのように危険度の高い構造の場合、危険度の重み付けを上げる処理を行い、換言すれば危険度そのものを上げる処理を行うように予め設定しておく。 For example, the structure F of the reference structure information is a single-family house with an open exterior and no fence is built around it, and the structure G of the reference structure information is surrounded by a fence with a height of 2 m. It shall be a structure. At this time, in the case of a structure having a low risk level such as the structure G of the reference structure information, it is set in advance to perform a process of lowering the weighting of the risk level, in other words, a process of lowering the risk level itself. On the other hand, in the case of a structure having a high degree of risk such as the structure F of the reference structure information, the process of increasing the weighting of the degree of risk is performed, in other words, the process of increasing the degree of risk itself is set in advance. deep.

このように参照用構造情報との間での設定の後、実際に取得した構造情報が参照用構造情報の構造Ｇと同一又は類似する場合には、危険度の重み付けを下げる処理を行い、換言すれば危険度そのものを下げる処理を行う。これに対して、実際に取得した構造情報が参照用構造情報の構造Ｆと同一又は類似する場合には、危険度の重み付けを上げる処理を行い、換言すれば危険度そのものを上げる処理を行う。 In this way, after setting with the reference structure information, if the actually acquired structure information is the same as or similar to the structure G of the reference structure information, a process of lowering the weighting of the degree of risk is performed, in other words. If so, the risk itself will be reduced. On the other hand, when the actually acquired structural information is the same as or similar to the structure F of the reference structural information, a process of increasing the weighting of the risk level is performed, in other words, a process of increasing the risk level itself is performed.

かかる場合において構造情報を取得した結果、実際に取得した構造情報が構造Ｇと同一又は類似する場合のように、安全性が高い場合には、例えば、危険度の重み付けを下げる処理を行う結果、上述した連関度を利用した判断自体を行わず、危険度０％として判断するようにしてもよい。 In such a case, when the safety is high, such as when the structural information actually acquired is the same as or similar to the structure G as a result of acquiring the structural information, for example, as a result of performing a process of lowering the weighting of the risk level, The judgment itself using the degree of association described above may not be performed, and the judgment may be made with a risk level of 0%.

この参照用構造情報の代替として、参照用ロケーション情報を利用する場合も同様である。 The same applies when the reference location information is used as an alternative to the reference structure information.

また、図１１は、参照用構造情報の代替として、参照用ロケーション情報を利用する場合の例であるが、かかる場合も同様の処理動作を実行することになる。参照用ロケーション情報により、その建築構造物の立地箇所に応じて、安全性が高いか否かで、危険度の重み付けを変更することになる。 Further, FIG. 11 shows an example in which the reference location information is used as a substitute for the reference structure information, and the same processing operation is executed in such a case as well. Depending on the location information for reference, the weighting of the degree of risk is changed depending on whether the safety is high or not according to the location of the building structure.

また、図１０に示すケースについて、参照用構造情報の代替として、参照用在宅パターン情報や、参照用時間帯情報、参照用警備サービス情報、を適用してもよいことは勿論である。 Further, in the case shown in FIG. 10, as a substitute for the reference structure information, the reference home pattern information, the reference time zone information, and the reference security service information may be applied, of course.

また、図１２は、参照用構造情報の代替として、参照用通行量情報を利用する場合の例である。参照用通行量情報は、建築構造物の周囲の道路における車両又は通行人の通行量に関する情報である。この通行量とは、単位時間当たりの車両や通行人の通行する数である。通行量が多い道路に面している建築構造物ほど、不審者の侵入する可能性が低くなる傾向があることが既に報告されていることから、これを説明変数に含めて危険度を判別する。 Further, FIG. 12 is an example in which reference traffic volume information is used as a substitute for reference structure information. The reference traffic volume information is information on the traffic volume of vehicles or passersby on the road around the building structure. This traffic volume is the number of vehicles and passersby passing by per unit time. It has already been reported that building structures facing roads with more traffic tend to be less likely to be invaded by suspicious persons, so this is included in the explanatory variables to determine the degree of risk. ..

例えば、参照用通行量情報Ｆが通行量が単位時間あたり１００人であり、参照用通行量情報Ｇが、単位時間あたり１人であるものとする。このとき、参照用通行量情報Ｆのように危険度が低い場合、危険度の重み付けを下げる処理を行い、換言すれば危険度そのものを下げる処理を行うように予め設定しておく。これに対して、参照用通行量情報Ｇのように危険度の高い場合、危険度の重み付けを上げる処理を行い、換言すれば危険度そのものを上げる処理を行うように予め設定しておく。 For example, it is assumed that the reference traffic volume information F has a traffic volume of 100 people per unit time, and the reference traffic volume information G has one person per unit time. At this time, when the risk level is low as in the reference traffic volume information F, the process of lowering the weighting of the risk level is performed, in other words, the process of lowering the risk level itself is set in advance. On the other hand, when the risk level is high as in the reference traffic volume information G, the process of increasing the risk level is performed, in other words, the process of increasing the risk level itself is set in advance.

このように参照用通行量情報との間での設定の後、実際に取得した通行量情報が参照用通行量情報Ｇと同一又は類似する場合には、危険度の重み付けを上げる処理を行い、換言すれば危険度そのものを上げる処理を行う。これに対して、実際に取得した通行量情報が参照用通行量情報Ｆと同一又は類似する場合には、危険度の重み付けを下げる処理を行い、換言すれば危険度そのものを下げる処理を行う。 After setting with the reference traffic volume information in this way, if the actually acquired traffic volume information is the same as or similar to the reference traffic volume information G, a process of increasing the weighting of the risk is performed. In other words, the process of increasing the risk itself is performed. On the other hand, when the actually acquired traffic volume information is the same as or similar to the reference traffic volume information F, a process of lowering the weighting of the risk level is performed, in other words, a process of lowering the risk level itself is performed.

かかる場合において通行量情報を取得した結果、実際に取得した通行量情報が参照用通行量情報Ｆと同一又は類似する場合のように、安全性が高い場合には、例えば、危険度の重み付けを下げる処理を行う結果、上述した連関度を利用した判断自体を行わず、危険度０％として判断するようにしてもよい。 In such a case, when the safety is high, for example, when the traffic volume information actually acquired is the same as or similar to the reference traffic volume information F as a result of acquiring the traffic volume information, the risk is weighted. As a result of the lowering process, the determination itself using the above-mentioned association degree may not be performed, and the determination may be made with the risk level of 0%.

なお、上述した通行量情報、参照用通行量情報は、市区町村や国、その他の機関によって行われる交通量調査のデータをそのまま利用してもよいし、単位時間において撮像した建築構造物の道路上の画像に基づいて判別するようにしてもよい。かかる場合には画像に映っている車両や通行人の数を検査者が一つずつカウントしてもよいし、周知のディープラーニング技術を利用して車両や通行人を抽出して特定し、その特定した車両や通行人の単位時間あたりの数をカウントするようにしてもよい。 For the above-mentioned traffic volume information and reference traffic volume information, the data of the traffic volume survey conducted by the municipality, the country, or other organizations may be used as it is, or the building structure imaged in a unit time may be used as it is. The determination may be made based on the image on the road. In such a case, the inspector may count the number of vehicles and passersby shown in the image one by one, or extract and identify the vehicles and passersby using well-known deep learning technology. The number of identified vehicles and passersby per unit time may be counted.

また図１３は、参照用構造情報の代替として、参照用犯罪履歴情報を利用する場合の例である。参照用犯罪履歴情報は、建築構造物の地域における過去の犯罪履歴に関する情報である。犯罪履歴とは、殺人、家宅侵入、空き巣、誘拐、強盗、性犯罪等、あらゆる犯罪を含むものである。この犯罪履歴は、単位期間あたりの犯罪件数により数値化されていてもよいし、その数値に対して更に犯罪の重みに応じた重み付けがなされていてもよい。犯罪履歴の高い地域ほど、危険度が高くなるような調整を行う。 Further, FIG. 13 is an example in which the reference crime history information is used as a substitute for the reference structure information. The reference crime history information is information on the past crime history in the area of the building structure. The criminal history includes all crimes such as murder, burglary, burglary, kidnapping, robbery, and sex crimes. This crime history may be quantified by the number of crimes per unit period, or the value may be further weighted according to the weight of the crime. Make adjustments so that the higher the crime history, the higher the risk.

各地域の犯罪履歴は、インターネット上において公開されている情報を利用するようにしてもよいし、テレビや新聞等において報道されている記事等から抽出して入力するようにしてもよい。 For the crime history of each region, information published on the Internet may be used, or articles reported on television, newspapers, etc. may be extracted and input.

例えば、参照用犯罪履歴情報Ｆがその地域において過去１０年で空き巣が１件のみ入ったものであるとする。このとき、参照用犯罪履歴情報Ｆのように危険度が低い場合、危険度の重み付けを下げる処理を行い、換言すれば危険度そのものを下げる処理を行うように予め設定しておく。これに対して、参照用犯罪履歴情報Ｇが過去１０年で空き巣が１０件入った場合のような、危険度の高い場合、危険度の重み付けを上げる処理を行い、換言すれば危険度そのものを上げる処理を行うように予め設定しておく。 For example, it is assumed that the reference crime history information F contains only one burglary in the past 10 years in the area. At this time, when the risk level is low as in the reference crime history information F, the process of lowering the weighting of the risk level is performed, in other words, the process of lowering the risk level itself is set in advance. On the other hand, when the crime history information G for reference has a high risk such as when 10 burglars have entered in the past 10 years, the risk is weighted up, in other words, the risk itself is calculated. Set in advance to perform the process of raising.

このように参照用犯罪履歴情報との間での設定の後、実際に取得した犯罪履歴情報が参照用犯罪履歴情報Ｇと同一又は類似する場合には、危険度の重み付けを上げる処理を行い、換言すれば危険度そのものを上げる処理を行う。これに対して、実際に取得した犯罪履歴情報が参照用犯罪履歴情報Ｆと同一又は類似する場合には、危険度の重み付けを下げる処理を行い、換言すれば危険度そのものを下げる処理を行う。 After setting with the reference crime history information in this way, if the actually acquired crime history information is the same as or similar to the reference crime history information G, a process of increasing the weighting of the risk is performed. In other words, the process of increasing the risk itself is performed. On the other hand, when the actually acquired crime history information is the same as or similar to the reference crime history information F, a process of lowering the weighting of the risk level is performed, in other words, a process of lowering the risk level itself is performed.

かかる場合において犯罪履歴情報を取得した結果、実際に取得した犯罪履歴情報が参照用犯罪履歴情報Ｆと同一又は類似する場合のように、安全性が高い場合には、例えば、危険度の重み付けを下げる処理を行う結果、上述した連関度を利用した判断自体を行わず、危険度０％として判断するようにしてもよい。 In such a case, when the security is high, for example, when the crime history information actually acquired is the same as or similar to the reference crime history information F as a result of acquiring the crime history information, the risk level is weighted, for example. As a result of the lowering process, the determination itself using the above-mentioned association degree may not be performed, and the determination may be made as a risk level of 0%.

また、図１０〜１３に示すように、連関度は、参照用画像情報と危険度との関係において形成される場合に限定されるものではなく、図１４に示すように、参照用画像情報と、参照用画像情報の撮影時に録音した参照用音声情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度を予め取得しておくようにしてもよい。これらに対して、参照用構造情報、参照用ロケーション情報、参照用在宅パターン情報や、参照用時間帯情報、参照用警備サービス情報の何れかにリンクする参照用情報を参照し、不審者侵入の危険度を判別するようにしてもよい。 Further, as shown in FIGS. 10 to 13, the degree of association is not limited to the case where the reference image information is formed in relation to the degree of risk, and as shown in FIG. 14, the degree of association is with the reference image information. , The combination of the reference audio information recorded at the time of shooting the reference image information and the degree of risk for the combination may be acquired in advance at three or more levels of association. In response to these, suspicious person intrusion is made by referring to the reference information linked to any of the reference structure information, the reference location information, the reference home pattern information, the reference time zone information, and the reference security service information. The degree of risk may be determined.

図１５の例では、参照用画像情報から抽出した参照用人物情報との間で危険度と連関度を形成する例を示している。この参照用人物情報を危険度との関係において連関度を形成する場合も同様の処理動作を実行する。つまり、参照用画像情報を解析することにより人物を抽出した参照用人物情報に対する危険度との３段階以上の連関度を予め取得する。次に、新たに危険度を判別する際に、建築構造物の外部を撮影することにより取得した画像情報を解析することにより人物を抽出した人物情報を更に取得する。この取得した人物情報に対応する参照用人物情報を介して、危険度を判別する。 In the example of FIG. 15, an example of forming a degree of risk and a degree of association with reference person information extracted from reference image information is shown. The same processing operation is executed when the reference person information forms the association degree in relation to the risk degree. That is, the degree of association with the degree of risk for the reference person information extracted from the person by analyzing the reference image information is acquired in advance. Next, when newly determining the degree of danger, the person information obtained by extracting the person is further acquired by analyzing the image information acquired by photographing the outside of the building structure. The degree of risk is determined through the reference person information corresponding to the acquired person information.

このとき、参照用人物情報の代替として、画像に映し出された人物の一連の動きやポーズを類型化した行動情報と危険度との関係において連関度を形成する場合も同様の処理動作を実行する。つまり、参照用画像情報を解析することにより人物の行動を抽出した参照用行動情報に対する危険度との３段階以上の連関度を予め取得する。次に、新たに危険度を判別する際に、建築構造物の外部を撮影することにより取得した画像情報を解析することにより人物の行動を抽出した行動情報を更に取得する。この取得した行動情報に対応する参照用行動情報を介して、危険度を判別する。 At this time, as an alternative to the reference person information, the same processing operation is executed when the degree of association is formed in the relationship between the behavior information typifying a series of movements and poses of the person projected on the image and the degree of risk. .. That is, the degree of association with the degree of risk for the reference behavior information extracted from the behavior of the person by analyzing the reference image information is acquired in advance. Next, when newly determining the degree of danger, the behavior information obtained by extracting the behavior of the person is further acquired by analyzing the image information acquired by photographing the outside of the building structure. The degree of risk is determined through the reference behavior information corresponding to the acquired behavior information.

参照用行動情報や行動情報は、いわゆる姿勢推定技術を利用するようにしてもよい。姿勢推定技術では、ディープラーニングを用いるものであってもよく、例えば、鼻・眼・耳・首・肩・肘・手首・腰・膝・足首の特徴点をディープラーニングにより検出する。そして、これらの特徴点の動的変化に基づいて姿勢推定をする。姿勢推定のフリーソフトとしては、たとえばカーネギーメロン大学により開発されたOpenPose（登録商標）等を利用してもよい。 For reference behavior information and behavior information, so-called posture estimation technology may be used. The posture estimation technique may use deep learning. For example, the feature points of the nose, eyes, ears, neck, shoulders, elbows, wrists, hips, knees, and ankles are detected by deep learning. Then, the posture is estimated based on the dynamic changes of these feature points. As free software for posture estimation, for example, OpenPose (registered trademark) developed by Carnegie Mellon University may be used.

なお、本発明では、図１６に示すように、入力データとして参照用画像情報が入力され、出力データとして危険度が出力され、入力ノードと出力ノードの間に少なくとも１以上の隠れ層が設けられ、機械学習させるようにしてもよい。入力ノード又は隠れ層ノードの何れか一方又は両方において上述した連関度が設定され、これが各ノードの重み付けとなり、これに基づいて出力の選択が行われる。そして、この連関度がある閾値を超えた場合に、その出力を選択するようにしてもよい。 In the present invention, as shown in FIG. 16, reference image information is input as input data, the degree of risk is output as output data, and at least one or more hidden layers are provided between the input node and the output node. , Machine learning may be made. The above-mentioned degree of association is set in either one or both of the input node and the hidden layer node, and this is the weight of each node, and the output is selected based on this. Then, when this degree of association exceeds a certain threshold value, the output may be selected.

上述した構成からなる本発明によれば、建築構造物における不審者の侵入の危険度の判断を、特段の熟練を要することなく、少ない労力で容易に行うことが可能となる。また本発明によれば、この危険度の判断を、人間が行うよりも高精度に行うことが可能となる。更に、上述した連関度を人工知能（ニューラルネットワーク等）で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。 According to the present invention having the above-described configuration, it is possible to easily determine the risk of intrusion of a suspicious person in a building structure with little effort without requiring special skill. Further, according to the present invention, it is possible to determine the degree of risk with higher accuracy than that performed by humans. Further, by configuring the above-mentioned degree of association with artificial intelligence (neural network or the like), it is possible to further improve the discrimination accuracy by learning this.

また、本発明によれば、３段階以上に設定されている連関度を介して最適な物性や生成機構の探索を行う点に特徴がある。連関度は、上述した５段階以外に、例えば０〜１００％までの数値で記述することができるが、これに限定されるものではなく３段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。 Further, according to the present invention, it is characterized in that the optimum physical properties and the generation mechanism are searched for through the degree of association set in three or more stages. The degree of association can be described by, for example, a numerical value from 0 to 100% in addition to the above-mentioned 5 stages, but is not limited to this, and any stage can be described as long as it can be described by a numerical value of 3 or more stages. It may be configured.

このような３段階以上の数値で表される連関度に基づいて最も確からしい危険度を探索することで、危険性が高くなる可能性の候補として複数考えられる状況下において、当該連関度の高い順に探索して表示することも可能となる。このように連関度の高い順にユーザに表示できれば、より確からしい危険度を優先的に表示することも可能となり、危険度が高くなることによる注意を促すこともできる。 By searching for the most probable risk level based on the degree of association represented by the numerical values of three or more levels, the degree of association is high in a situation where there are multiple possible candidates for high risk. It is also possible to search and display in order. If the user can be displayed in descending order of the degree of association in this way, it is possible to preferentially display the more probable risk degree, and it is possible to call attention to the higher degree of risk.

そして、この危険度が高い場合には、警備サービス会社や警察に連絡をしたり、その建築構造物の居住者に注意喚起を即座に促すことで、危険を免れることができる。特により危険度が高い場合には、音声等を通じて住民に注意を喚起したり、外部に音声を発生させて、不審者の侵入意欲をくじくことで安全を守ることができる。また本発明によれば、危険度の検出精度が高いため、むやみに警察を呼ぶことなく、本当に必要なケースのみに絞り警察を呼ぶ動作を行えばよい。 If this risk is high, the risk can be avoided by contacting the security service company or the police, or by immediately alerting the residents of the building structure. In particular, when the degree of danger is higher, safety can be protected by calling attention to the residents through voice or the like, or by generating a voice to the outside to discourage suspicious persons from invading. Further, according to the present invention, since the risk detection accuracy is high, it is sufficient to narrow down the call to the police only to the cases that are really necessary without calling the police unnecessarily.

これに加えて、本発明によれば、連関度が１％のような極めて低い出力の判別結果も見逃すことなく判断することができる。連関度が極めて低い出力判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、その判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。 In addition to this, according to the present invention, it is possible to judge without overlooking the discrimination result of the output having an extremely low degree of association such as 1%. The user is warned that even an output discrimination result with an extremely low degree of association is connected as a slight sign, and may be useful as the discrimination result once every tens or hundreds of times. can do.

更に本発明によれば、このような３段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が１％のものであっても漏れなく拾うことができる反面、より適切な判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な危険度を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。 Further, according to the present invention, there is an advantage that the search policy can be determined by the method of setting the threshold value by performing the search based on the degree of association of three or more stages. If the threshold value is lowered, even if the above-mentioned degree of association is 1%, it can be picked up without omission, but it is unlikely that a more appropriate discrimination result can be detected favorably, and a lot of noise may be picked up. is there. On the other hand, if the threshold value is raised, there is a high possibility that the optimum risk level can be detected with a high probability, but the degree of association is usually low and it is passed through, but it is suitable to appear once in tens or hundreds of times. Sometimes the solution is overlooked. It is possible to decide which one should be emphasized based on the ideas of the user side and the system side, but it is possible to increase the degree of freedom in selecting the points to be emphasized.

また本発明は、図１７に示すように参照用情報Ｕと参照用情報Ｖという２種類以上の情報の組み合わせの連関度に基づいて判別するものである。この参照用情報Ｕ、Ｖが上述した参照用画像情報を始めとした各参照用情報である。 Further, as shown in FIG. 17, the present invention makes a determination based on the degree of association between two or more types of information, the reference information U and the reference information V. The reference information U and V are reference information including the above-mentioned reference image information.

このとき、図１７に示すように、参照用情報Ｕについて得られた出力をそのまま入力データとして、参照用情報Ｖとの組み合わせの中間ノード６１を介して出力と関連付けられていてもよい。例えば、参照用情報Ｕ（参照用画像情報）について、図３に示すように出力解を出した後、これをそのまま入力として、他の参照用情報Ｖとの間での連関度を利用し、出力を探索するようにしてもよい。 At this time, as shown in FIG. 17, the output obtained for the reference information U may be used as input data as it is, and may be associated with the output via the intermediate node 61 in combination with the reference information V. For example, for reference information U (reference image information), after an output solution is output as shown in FIG. 3, this is used as an input as it is, and the degree of association with other reference information V is used. You may want to search the output.

更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。また建築構造物において撮像したカメラ画像や取得した参照用画像情報、参照用ロケーション情報、参照用在宅パターン情報、参照用時間情報、参照用音声情報、参照用警備サービス情報等に基づいて、入力パラメータと、出力解（危険度）との関係性について新たな知見が発見された場合には、当該知見に応じて連関度を上昇させ、或いは下降させる。 Further, in the present invention, the above-mentioned degree of association may be updated. This update may reflect information provided via a public communication network such as the Internet. In addition, input parameters are based on camera images captured in building structures, acquired reference image information, reference location information, reference home pattern information, reference time information, reference voice information, reference security service information, etc. And, when a new finding is found about the relationship with the output solution (risk degree), the degree of association is increased or decreased according to the finding.

つまり、この更新は、人工知能でいうところの学習に相当する。新たなデータを取得し、これを学習済みデータに反映させることを行っているため、学習行為といえるものである。 In other words, this update corresponds to learning in the sense of artificial intelligence. It can be said that it is a learning act because it acquires new data and reflects it in the learned data.

また学習済モデルを最初に作り上げる過程、及び上述した更新は、教師あり学習のみならず、教師なし学習、ディープラーニング、強化学習等を用いるようにしてもよい。教師なし学習の場合には、入力データと出力データのデータセットを読み込ませて学習させる代わりに、入力データに相当する情報（参照用画像情報、参照用ロケーション情報、参照用在宅パターン情報、参照用時間情報、参照用音声情報、参照用警備サービス情報等）を読み込ませて学習させ、そこから出力データに関連する連関度を自己形成させるようにしてもよい。 Further, the process of first creating the trained model and the above-mentioned update may use not only supervised learning but also unsupervised learning, deep learning, reinforcement learning, and the like. In the case of unsupervised learning, instead of reading and learning the data set of input data and output data, information corresponding to the input data (reference image information, reference location information, reference home pattern information, reference) Time information, reference voice information, reference security service information, etc.) may be read and learned, and the degree of association related to the output data may be self-formed from the reading.

この連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。 This update of the degree of association is artificially performed by the system side or the user side based on the contents of research data, papers, conference presentations, newspaper articles, books, etc. by experts, except when it is based on information that can be obtained from the public communication network. It may be updated automatically or automatically. Artificial intelligence may be utilized in these update processes.

また、本発明を適用した危険度判別システム１においては危険度が高い場合には、建築構造物の住人や管理会社、更には警備会社に通報する以外に、アラームを発生したり、「勝手に入らないでください」等の音声を発生させるようにしてもよいことは勿論である。 Further, in the risk determination system 1 to which the present invention is applied, when the risk is high, in addition to notifying the resident of the building structure, the management company, and the security company, an alarm may be generated or "arbitrarily". Of course, it is possible to generate a voice such as "Please do not enter".

１ 危険度判別システム
２ 判別装置
２１ 内部バス
２３ 表示部
２４ 制御部
２５ 操作部
２６ 通信部
２７ 推定部
２８ 記憶部
６１ ノード




1 Risk level discrimination system 2 Discrimination device 21 Internal bus 23 Display unit 24 Control unit 25 Operation unit 26 Communication unit 27 Estimate unit 28 Storage unit 61 Node

Claims (10)

建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、
建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、その建築構造物に関する構造情報を含む参照用構造情報を取得する連関度取得ステップと、
新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物における構造情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した連関度を利用すると共に、上記構造情報にリンクする参照用構造情報を参照し、上記情報取得ステップを介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とする危険度判別プログラム。 In the risk determination program for determining the risk of suspicious person intrusion into a building structure
With the step of acquiring the degree of association with the reference image information obtained by photographing the outside of the building structure in advance, and acquiring the reference structure information including the structural information about the building structure. ,
When newly determining the degree of danger, an information acquisition step of acquiring image information by newly photographing the outside of the building structure and acquiring structural information in the building structure, and
Suspicious to the building structure based on the image information acquired through the information acquisition step by referring to the reference structure information linked to the structural information while using the association degree acquired in the association degree acquisition step. A risk determination program characterized by having a computer perform a determination step for determining the risk of intrusion. 建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、
建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、その建築構造物のロケーションを特定するための参照用ロケーション情報を取得する連関度取得ステップと、
新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物のロケーションを示すロケーション情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した連関度を利用すると共に、上記ロケーション情報にリンクする参照用ロケーション情報を参照し、上記情報取得ステップを介して取得したロケーション情報にリンクする参照用ロケーション情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とする危険度判別プログラム。 In the risk determination program for determining the risk of suspicious person intrusion into a building structure
Acquire in advance three or more levels of association with the risk level for reference image information taken outside the building structure, and acquire reference location information for identifying the location of the building structure. Steps and
When newly determining the degree of danger, an information acquisition step of acquiring image information by newly photographing the outside of the building structure and acquiring location information indicating the location of the building structure, and
Together utilizing association degree acquired in the association degree obtaining step, with reference to the reference location information to link to the location information, based on the reference location information to link the acquired location information via the information acquisition step, A risk determination program characterized by causing a computer to perform a determination step for determining the risk of suspicious person intrusion into the building structure. 建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、
建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、その建築構造物の居住者の在宅パターンを示す参照用在宅パターン情報を取得する連関度取得ステップと、
新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物の在宅パターンを示す在宅パターン情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した連関度を利用すると共に、上記在宅パターン情報にリンクする参照用在宅パターン情報を参照し、上記情報取得ステップを介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とする危険度判別プログラム。 In the risk determination program for determining the risk of suspicious person intrusion into a building structure
A link to acquire in advance three or more levels of association with the degree of risk for reference image information taken from the outside of a building structure, and to acquire reference home pattern information indicating the home pattern of a resident of the building structure. Degree acquisition step and
When newly determining the degree of risk, an information acquisition step of acquiring image information by newly photographing the outside of the building structure and acquiring home pattern information indicating the home pattern of the building structure, and
While using the degree of association acquired in the above step of acquiring the degree of association, the reference home pattern information linked to the above home pattern information is referred to, and based on the image information acquired through the above information acquisition step, the building structure is reached. A risk determination program characterized by having a computer perform a determination step for determining the risk of intrusion by a suspicious person. 建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、
建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、当該参照用画像情報の撮影時点における時間帯を示す参照用時間帯情報を取得する連関度取得ステップと、
新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、当該撮影時点の時間帯における時間帯情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した連関度を利用すると共に、上記時間帯情報にリンクする参照用時間帯情報を参照し、上記情報取得ステップを介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とする危険度判別プログラム。 In the risk determination program for determining the risk of suspicious person intrusion into a building structure
In addition to acquiring in advance three or more levels of association with the degree of risk to the reference image information taken from the outside of the building structure, the reference time zone information indicating the time zone at the time of taking the reference image information is acquired. Linkage acquisition step and
When newly determining the degree of risk, an information acquisition step of acquiring image information by newly photographing the outside of the building structure and acquiring time zone information in the time zone at the time of the shooting, and
While using the degree of association acquired in the above step of acquiring the degree of association, the reference time zone information linked to the above time zone information is referred to, and based on the image information acquired through the above information acquisition step, the building structure is reached. A risk determination program characterized by having a computer perform a determination step for determining the risk of intrusion by a suspicious person. 建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、
建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、当該建築構造物の警備サービスの契約状況を示す参照用警備サービス情報を取得する連関度取得ステップと、
新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物における警備サービスの契約状況を示す警備サービス情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した連関度を利用すると共に、上記警備サービス情報にリンクする参照用警備サービス情報を参照し、上記情報取得ステップを介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とする危険度判別プログラム。 In the risk determination program for determining the risk of suspicious person intrusion into a building structure
A link to acquire in advance three or more levels of association with the risk level for reference image information taken from the outside of a building structure, and to acquire reference security service information indicating the contract status of the security service of the building structure. Degree acquisition step and
An information acquisition step of acquiring image information by newly photographing the outside of a building structure when determining the degree of danger, and acquiring security service information indicating the contract status of the security service in the building structure. When,
While using the degree of association acquired in the above-mentioned degree of association acquisition step, refer to the reference security service information linked to the above-mentioned security service information, and based on the image information acquired through the above-mentioned information acquisition step, to the above-mentioned building structure. A risk determination program characterized by having a computer perform a determination step for determining the risk of intrusion by a suspicious person. 建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、
建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、当該建築構造物の周囲の道路の通行量を示す参照用通行量情報を取得する連関度取得ステップと、
新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物の周囲の道路の通行量を示す通行量情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した連関度を利用すると共に、上記通行量情報にリンクする参照用通行量情報を参照し、上記情報取得ステップを介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とする危険度判別プログラム。 In the risk determination program for determining the risk of suspicious person intrusion into a building structure
Acquire in advance three or more levels of association with the degree of risk for reference image information taken from the outside of the building structure, and also acquire reference traffic volume information indicating the traffic volume of the road around the building structure. Linkage acquisition step and
When newly determining the degree of danger, image information is acquired by newly photographing the outside of the building structure, and information acquisition that acquires traffic volume information indicating the traffic volume of the road around the building structure. Steps and
While using the degree of association acquired in the above-mentioned degree of association acquisition step, refer to the reference traffic volume information linked to the above-mentioned traffic volume information, and based on the image information acquired through the above-mentioned information acquisition step, to the above-mentioned building structure. A risk determination program characterized by having a computer perform a determination step for determining the risk of intrusion by a suspicious person. 建築構造物への不審者侵入の危険度を判別するための危険度判別プログラムにおいて、
建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、当該建築構造物の地域における過去の犯罪履歴に関する参照用犯罪履歴情報を取得する連関度取得ステップと、
新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物の地域における過去の犯罪履歴を示す犯罪履歴情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した連関度を利用すると共に、上記犯罪履歴情報にリンクする参照用犯罪履歴情報を参照し、上記情報取得ステップを介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別ステップとをコンピュータに実行させること
を特徴とする危険度判別プログラム。 In the risk determination program for determining the risk of suspicious person intrusion into a building structure
A link to acquire in advance three or more levels of association with the risk level for reference image information taken from the outside of a building structure, and to acquire reference crime history information regarding past crime history in the area of the building structure. Degree acquisition step and
When newly determining the degree of risk, image information is acquired by newly photographing the outside of the building structure, and information acquisition that acquires crime history information indicating the past crime history in the area of the building structure is acquired. Steps and
While using the degree of association acquired in the above-mentioned degree of association acquisition step, refer to the reference crime history information linked to the above-mentioned crime history information, and based on the image information acquired through the above-mentioned information acquisition step, to the above-mentioned building structure. A risk determination program characterized by having a computer perform a determination step for determining the risk of intrusion by a suspicious person. 上記連関度取得ステップでは、更に上記参照用画像情報を解析することにより人物を抽出した参照用人物情報に対する危険度との３段階以上の連関度を予め取得し、
情報取得ステップでは、新たに危険度を判別する際に、建築構造物の外部を撮影することにより取得した画像情報を解析することにより人物を抽出した人物情報を更に取得し、
上記判別ステップでは、更に上記情報取得ステップを介して取得した人物情報に基づき、上記危険度を判別すること
を特徴とする請求項１〜７のうち何れか１項記載の危険度判別プログラム。 In the above-mentioned association degree acquisition step, three or more levels of association degree with the risk degree for the reference person information obtained by extracting the person by further analyzing the reference image information are acquired in advance.
In the information acquisition step, when the degree of danger is newly determined, the person information obtained by extracting the person by analyzing the image information acquired by photographing the outside of the building structure is further acquired.
The risk determination program according to any one of claims 1 to 7, further comprising determining the risk level based on the person information acquired through the information acquisition step. 上記連関度取得ステップでは、上記参照用画像情報と、上記参照用画像情報の撮影時に録音した参照用音声情報との組み合わせと、当該組み合わせに対する危険度との３段階以上の連関度を予め取得し、
情報取得ステップでは、新たに危険度を判別する際に、建築構造物の外部を撮影すると同時に録音した音声情報を更に取得し、
上記判別ステップでは、更に上記情報取得ステップを介して取得した音声情報に基づき、上記危険度を判別すること
を特徴とする請求項１〜７のうち何れか１項記載の危険度判別プログラム。 In the association degree acquisition step, the combination of the reference image information, the reference audio information recorded at the time of shooting the reference image information, and the degree of risk for the combination are acquired in advance in three or more stages. ,
In the information acquisition step, when the degree of danger is newly determined, the recorded voice information is further acquired at the same time as the outside of the building structure is photographed.
The risk determination program according to any one of claims 1 to 7 , further comprising determining the risk level based on the voice information acquired through the information acquisition step. 建築構造物への不審者侵入の危険度を判別するための危険度判別システムにおいて、
建築構造物の外部を撮影した参照用画像情報に対する危険度との３段階以上の連関度を予め取得すると共に、その建築構造物に関する構造情報を含む参照用構造情報を取得する連関度取得手段と、
新たに危険度を判別する際に、新たに建築構造物の外部を撮影することにより画像情報を取得するとともに、その建築構造物における構造情報を取得する情報取得手段と、
上記連関度取得手段により取得された連関度を利用すると共に、上記構造情報にリンクする参照用構造情報を参照し、上記情報取得手段を介して取得した画像情報に基づき、上記建築構造物への不審者侵入の危険度を判別する判別手段とを備えること
を特徴とする危険度判別システム。 In a risk determination system for determining the risk of suspicious person intrusion into a building structure
As a means of acquiring the degree of association with the reference image information obtained by photographing the outside of the building structure in advance, and also acquiring the reference structure information including the structural information about the building structure. ,
When newly determining the degree of danger, an information acquisition means for acquiring image information by newly photographing the outside of the building structure and acquiring structural information in the building structure, and
While using the degree of association acquired by the above-mentioned degree of association acquisition means, refer to the reference structure information linked to the above-mentioned structural information, and based on the image information acquired through the above-mentioned information acquisition means, the above-mentioned building structure. A risk determination system characterized in that it is provided with a discrimination means for determining the risk of suspicious person intrusion.

Images