JP6987314B2 - Indoor layout estimation device, indoor layout estimation method and air conditioner - Google Patents
Indoor layout estimation device, indoor layout estimation method and air conditioner Download PDFInfo
- Publication number
- JP6987314B2 JP6987314B2 JP2021536578A JP2021536578A JP6987314B2 JP 6987314 B2 JP6987314 B2 JP 6987314B2 JP 2021536578 A JP2021536578 A JP 2021536578A JP 2021536578 A JP2021536578 A JP 2021536578A JP 6987314 B2 JP6987314 B2 JP 6987314B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- image
- pixels
- pixel
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Air Conditioning Control Device (AREA)
Description
この発明は、対象領域の中で、窓が在る領域を判定する室内レイアウト推定装置、室内レイアウト推定方法及び空気調和機に関するものである。 The present invention relates to an indoor layout estimation device, an indoor layout estimation method, and an air conditioner for determining an area where a window exists in a target area.
以下の特許文献1には、画像情報に含まれている複数の画素におけるそれぞれの輝度と輝度閾値とを比較し、輝度閾値よりも大きな輝度を有する画素を含む領域を、窓領域として検出する窓検出方法が開示されている。
特許文献1に開示されている窓検出方法では、例えば、太陽光によって空調室の全体が明るく照らされているときには、空調室の壁面と窓との区別ができるように輝度閾値が高めに設定される。また、例えば、窓にカーテンがかけられて、空調室の全体が暗いときには、輝度閾値が低めに設定される。In the following
In the window detection method disclosed in
画像情報に含まれている複数の画素における輝度は、外気温に応じても変動する。しかし、特許文献1に開示されている窓検出方法では、外気温とは無関係に輝度閾値が設定されるため、窓領域も外気温と無関係に検出される。したがって、当該窓検出方法では、外気温が変化すると、窓領域の誤検出を生じることがあるという課題があった。
The brightness of a plurality of pixels included in the image information varies depending on the outside air temperature. However, in the window detection method disclosed in
この発明は上記のような課題を解決するためになされたもので、外気温が変化しても、窓領域の誤検出を防ぐことができる室内レイアウト推定装置を得ることを目的とする。 The present invention has been made to solve the above-mentioned problems, and an object of the present invention is to obtain an indoor layout estimation device capable of preventing erroneous detection of a window area even if the outside air temperature changes.
この発明に係る室内レイアウト推定装置は、対象領域を撮像している赤外線カメラから出力された画像に含まれている複数の画素のそれぞれの評価値として、複数の画素におけるそれぞれの画素値の時間的な推移と、外気温の時間的な推移との類似度を算出する類似度算出部と、画像に含まれている複数の画素のうち、類似度算出部により算出された評価値が第1の閾値よりも大きい画素を含む領域が、画像の中で、窓が在る領域であると判定する窓領域判定部とを備えるようにしたものである。 In the indoor layout estimation device according to the present invention, as the evaluation value of each of the plurality of pixels included in the image output from the infrared camera capturing the target area, the temporal time of each pixel value in the plurality of pixels is used. The first is the evaluation value calculated by the similarity calculation unit among the plurality of pixels included in the image and the similarity calculation unit that calculates the similarity between the transition and the temporal transition of the outside temperature. A region including pixels larger than the threshold value is provided with a window region determination unit for determining that the region includes a window in the image.
この発明によれば、外気温が変化しても、窓領域の誤検出を防ぐことができる。 According to the present invention, it is possible to prevent erroneous detection of the window region even if the outside air temperature changes.
以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。 Hereinafter, in order to explain the present invention in more detail, embodiments for carrying out the present invention will be described with reference to the accompanying drawings.
実施の形態1.
図1は、実施の形態1に係る室内レイアウト推定装置2を含む空気調和機を示す構成図である。
図1において、赤外線カメラ1は、一定の時間間隔Δtで、対象領域を繰り返し撮像し、対象領域を撮像した画像として、撮像時刻tが互いに異なるM個の画像G1〜GMを室内レイアウト推定装置2に出力する。Mは、2以上の整数である。
一定の時間間隔Δtは、例えば、1秒間に10フレーム〜1秒間に60フレームのうちの、いずれかのフレームレートでの撮像を可能とする時間間隔である。
FIG. 1 is a configuration diagram showing an air conditioner including the indoor
In Figure 1, the
The constant time interval Δt is, for example, a time interval that enables imaging at any frame rate of 10 frames per second to 60 frames per second.
対象領域は、後述するエアコン4により空気が調整される部屋の一部又は全体であり、対象領域には、窓、床、壁及び人間のほか、机、パソコン等が存在している。
対象領域は、固定されているため、M個の画像G1〜GMは、同一の対象領域が撮像されている画像である。
画像Gm(m=1,・・・,M)は、x軸と平行な方向(以下、「x方向」と称する)と、y軸と平行な方向(以下、「y方向」と称する)とで表される2次元平面の画像である。例えば、画像Gmのx方向は、対象領域が存在している空間の任意の水平方向に相当し、画像Gmのy方向は、対象領域が存在している空間の鉛直方向に相当する。なお、本明細書において、「平行」は、厳密な意味での平行に限らず、略平行を含んでいる。
画像Gmは、N個の画素p1,m〜pN,mを含んでおり、画素p1,m〜pN,mにおけるそれぞれの画素値pd1,m〜pdN,mは、温度を示すものである。Nは、2以上の整数である。
例えば、M個の画像G1〜GMのそれぞれに含まれている画素p1,1〜p1,Mは、画素位置が互いに同一の画素であり、画像G1〜GMのそれぞれに含まれている画素p2,1〜p2,Mは、画素位置が互いに同一の画素である。同様に、例えば、画像G1〜GMのそれぞれに含まれている画素pN,1〜pN,Mは、画素位置が互いに同一の画素である。The target area is a part or the whole of a room where the air is adjusted by the air conditioner 4 described later, and the target area includes windows, floors, walls, human beings, desks, personal computers, and the like.
Target region, because it is fixed, M-number of the image G 1 ~G M is an image the same target area is imaged.
The image Gm (m = 1, ..., M) is a direction parallel to the x-axis (hereinafter referred to as "x-direction") and a direction parallel to the y-axis (hereinafter referred to as "y-direction"). It is an image of a two-dimensional plane represented by. E.g., x-direction of the image G m corresponds to any horizontal space target area exists, y direction of the image G m corresponds to the vertical direction of the space region of interest is present. In addition, in this specification, "parallel" is not limited to parallel in a strict sense, but includes substantially parallel.
The image G m includes N pixels p 1, m to p N, m , and the respective pixel values pd 1, m to pd N, m in the pixels p 1, m to p N, m are temperatures. Is shown. N is an integer of 2 or more.
For example, the
室内レイアウト推定装置2は、赤外線カメラ1から出力されたM個の画像G1〜GMに基づいて、対象領域の中で、窓が在る領域(以下、「窓領域」と称する)、床が在る領域(以下、「床領域」と称する)及び壁が在る領域(以下、「壁領域」と称する)のそれぞれを判定する。
室内レイアウト推定装置2は、窓領域の判定結果、床領域の判定結果及び壁領域の判定結果のそれぞれを制御部3に出力する。Room
The indoor
制御部3は、室内レイアウト推定装置2から出力された判定結果に基づいて、例えば、エアコン4を制御することで、対象領域内の空気を調整する。
エアコン4は、対象領域内の空気を調整する機器である。
図1に示す空気調和機では、制御部3が、エアコン4を制御することで、対象領域内の空気を調整している。しかし、これは一例に過ぎず、制御部3が、扇風機、床暖房機又はパネルヒータ等の機器を制御することで、対象領域内の空気を調整するようにしてもよい。The control unit 3 adjusts the air in the target area by controlling, for example, the air conditioner 4 based on the determination result output from the indoor
The air conditioner 4 is a device that adjusts the air in the target area.
In the air conditioner shown in FIG. 1, the control unit 3 controls the air conditioner 4 to adjust the air in the target area. However, this is only an example, and the control unit 3 may adjust the air in the target area by controlling a device such as a fan, a floor heater, or a panel heater.
図2は、実施の形態1に係る室内レイアウト推定装置2を示す構成図である。
図3は、実施の形態1に係る室内レイアウト推定装置2のハードウェアを示すハードウェア構成図である。
室内レイアウト推定装置2は、画像記憶部10、外気温記憶部11、類似度算出部12、窓領域判定部13、標準偏差算出部14、前景領域判定部15、床領域判定部16及び壁領域判定部17を備えている。FIG. 2 is a configuration diagram showing an indoor
FIG. 3 is a hardware configuration diagram showing the hardware of the indoor
The indoor
画像記憶部10は、例えば、図3に示す画像記憶回路20によって実現される。
画像記憶部10は、赤外線カメラ1から出力されたM個の画像G1〜GMを記憶する。
外気温記憶部11は、例えば、図3に示す外気温記憶回路21によって実現される。
外気温記憶部11は、例えば、温度計によって、一定の時間間隔Δt’で測定された、測定時刻tが互いに異なるM個の外気温T1〜TMを記憶する。
外気温Tm(m=1,・・・,M)は、対象領域を含む建物の外部の気温であり、対象領域と、建物の外部との間には、窓が存在している。
図2に示す室内レイアウト推定装置2では、外気温記憶部11が、温度計によって測定された外気温T1〜TMを記憶している。しかし、これは一例に過ぎず、室内レイアウト推定装置2の図示せぬ通信部が、例えば、気象データを配信しているインターネット上のサイトから、対象領域を含む建物付近の気温のデータをダウンロードし、外気温記憶部11が、当該気温のデータを外気温T1〜TMとして記憶するようにしてもよい。The
The outside air temperature storage unit 11 is realized by, for example, the outside air
Outside temperature storage unit 11 is, for example, by a thermometer, was measured at constant time intervals Delta] t ', the measurement time t stores M different outside air temperature T 1 through T M together.
The outside air temperature T m (m = 1, ..., M) is the air temperature outside the building including the target area, and a window exists between the target area and the outside of the building.
In the indoor
M個の外気温T1〜TMにおける測定の時間間隔Δt’と、M個の画像G1〜GMにおける撮像の時間間隔Δtとは、同一である。したがって、m番目の外気温Tmの測定時刻t’と、m番目の画像Gmの撮像時刻tとは、同一時刻である。
ただし、測定の時間間隔Δt’と撮像の時間間隔Δtとは、厳密に同一であるものに限るものではなく、実用上問題のない範囲で、測定の時間間隔Δt’と撮像の時間間隔Δtとが互いに異なっていてもよい。また、m番目の測定時刻t’と、m番目の撮像時刻tとは、厳密に同一であるものに限るものではなく、実用上問題のない範囲で、m番目の測定時刻t’と、m番目の撮像時刻tとが互いに異なっていてもよい。Time interval Delta] t 'of the measurement in the M outside
However, the measurement time interval Δt'and the imaging time interval Δt are not limited to those that are exactly the same, and the measurement time interval Δt'and the imaging time interval Δt are within a range where there is no practical problem. May be different from each other. Further, the m-th measurement time t'and the m-th imaging time t are not limited to those that are exactly the same, and the m-th measurement time t'and m are within a range where there is no practical problem. The second imaging time t may be different from each other.
類似度算出部12は、例えば、図3に示す類似度算出回路22によって実現される。
類似度算出部12は、画像記憶部10に記憶されているM個の画像G1〜GMを取得する。
類似度算出部12は、画像Gmに含まれているN個の画素p1,m〜pN,mのそれぞれの評価値S1〜SNとして、N個の画素p1,m〜pN,mにおけるそれぞれの画素値pd1,m〜pdN,mの時間的な推移と、外気温記憶部11に記憶されている外気温Tmの時間的な推移との類似度を算出する。
類似度算出部12は、算出したそれぞれの評価値S1〜SNを窓領域判定部13に出力する。The
The
窓領域判定部13は、例えば、図3に示す窓領域判定回路23によって実現される。
窓領域判定部13は、画像記憶部10に記憶されているM個の画像G1〜GMのうち、いずれか1つの画像Gmを取得する。
窓領域判定部13は、取得した画像Gmに含まれているN個の画素p1,m〜pN,mのうち、類似度算出部12により算出された評価値Sn(n=1,・・・,N)が第1の閾値Th1よりも大きい画素を含む領域が、画像Gmの中の窓領域Wmであると判定する。外気温Tmの時間的な推移との類似度が高いほど、窓領域Wmの可能性が高いため、評価値Snが第1の閾値Th1よりも大きい画素を含む領域は、画像Gmの中の窓領域Wmであると判定される。第1の閾値Th1は、例えば、窓領域判定部13の内部メモリに格納されていてもよいし、図2に示す室内レイアウト推定装置2の外部から与えられるものであってもよい。
窓領域判定部13は、窓領域Wmの判定結果として、例えば、窓領域Wmが存在している、画像Gm内の座標を示すデータを制御部3及び壁領域判定部17のそれぞれに出力する。The window
Window
The window
As a determination result of the window area W m , the window
標準偏差算出部14は、図4に示すように、画素群特定部14a及び偏差算出処理部14bを備えている。
標準偏差算出部14は、例えば、図3に示す標準偏差算出回路24によって実現される。
標準偏差算出部14は、画像記憶部10に記憶されているM個の画像G1〜GMを取得する。
標準偏差算出部14は、M個の画像G1〜GMのそれぞれに含まれている画素p1,1〜pN,1、p1,2〜pN,2、・・・、p1,M〜pN,Mの中で、画素位置が同一の画素を含むN個の画素群(1)〜(N)のそれぞれの評価値v1〜vNを算出する。
画素群(1)は、画素p1,1、p1,2、・・・、p1,Mを含んでおり、画素群(2)は、画素p2,1、p2,2、・・・、p2,Mを含んでいる。また、画素群(N)は、画素pN,1、pN,2、・・・、pN,Mを含んでいる。
標準偏差算出部14は、画素群(n)(n=1,・・・,N)の評価値vnとして、例えば、画素群(n)に含まれているM個の画素pn,1〜pn,Mにおける画素値pdn,1〜pdn,Mの標準偏差を算出する。
標準偏差算出部14は、算出したそれぞれの評価値v1〜vNを前景領域判定部15に出力する。As shown in FIG. 4, the standard
The standard
Standard
The standard
The pixel group (1) includes pixels p 1 , 1, p 1 , 2, ..., P 1, M , and the pixel group (2) includes pixels p 2 , 1, p 2 , 2, ...・ ・ Includes p 2, M. Further, the pixel group (N) includes pixels p N, 1 , p N, 2 , ..., P N, M.
Standard
The standard
図4は、実施の形態1に係る標準偏差算出部14の内部を示す構成図である。
画素群特定部14aは、画像記憶部10に記憶されているM個の画像G1〜GMを取得する。
画素群特定部14aは、M個の画像G1〜GMのそれぞれに含まれている画素p1,1〜pN,1、p1,2〜pN,2、・・・、p1,M〜pN,Mの中で、画素位置が互いに同一の画素を含むN個の画素群(1)〜(N)のそれぞれを特定する。
偏差算出処理部14bは、画素群特定部14aにより特定されたそれぞれの画素群(1)〜(N)の評価値v1〜vNとして、それぞれの画素群(1)〜(N)に含まれているM個の画素pn,1〜pn,Mにおける画素値pdn,1〜pdn,Mの標準偏差を算出する。
偏差算出処理部14bは、算出したそれぞれの評価値v1〜vNを前景領域判定部15に出力する。FIG. 4 is a configuration diagram showing the inside of the standard
Pixel
The pixel
The deviation calculation processing unit 14b is included in the respective pixel groups (1) to (N) as the evaluation values v 1 to v N of the respective pixel groups (1) to (N) specified by the pixel
The deviation calculation processing unit 14b outputs the calculated evaluation values v 1 to v N to the foreground
前景領域判定部15は、例えば、図3に示す前景領域判定回路25によって実現される。
前景領域判定部15は、N個の画素群(1)〜(N)の中で、標準偏差算出部14により算出された評価値vn(n=1,・・・,N)が第2の閾値Th2よりも大きい画素群(n)を特定する。
第2の閾値Th2は、例えば、前景領域判定部15の内部メモリに格納されていてもよいし、図2に示す室内レイアウト推定装置2の外部から与えられるものであってもよい。
前景領域判定部15は、それぞれの画像Gmに含まれているN個の画素p1,m〜pN,mのうち、特定した画素群(n)に含まれている画素pn,mを含む領域が、それぞれの画像Gmの中の前景領域Fmであると判定する。
前景領域判定部15は、前景領域Fmの判定結果として、例えば、前景領域Fmが存在している、画像Gm内の座標を示すデータを床領域判定部16に出力する。
前景領域は、人間又は動物等の移動体が在る領域である。The foreground
In the foreground
The second threshold value Th 2 may be stored in the internal memory of the foreground
Foreground
Foreground
The foreground area is an area where a moving object such as a human or an animal exists.
前景領域Fmは、画像Gmの中で、背景領域Bm以外の領域である。したがって、前景領域判定部15は、先に背景領域Bmを判定し、その後、前景領域Fmを判定するようにしてもよい。この場合、前景領域判定部15は、まず、N個の画素群(1)〜(N)の中で、標準偏差算出部14により算出された評価値vnが第2の閾値Th2以下の画素群(n)を特定する。そして、前景領域判定部15は、それぞれの撮像画像Gmに含まれている画素p1,m〜pN,mのうち、特定した画素群(n)に含まれている画素pn,mを含む領域が、それぞれの撮像画像Gmの中の背景領域Bmであると判定する。そして、前景領域判定部15は、撮像画像Gmの中で、背景領域Bm以外の領域が、前景領域Fmであると判定するようにしてもよい。The foreground area F m is an area other than the background area B m in the image G m. Therefore, the foreground
床領域判定部16は、例えば、図3に示す床領域判定回路26によって実現される。
床領域判定部16は、前景領域判定部15により判定されたそれぞれの前景領域Fmに含まれている複数の画素pn,mの中で、画像Gmのy方向で下端の位置に存在している画素を床領域画素として特定する。前景領域Fmが、例えば、人間が在る領域であれば、前景領域Fm内の下端の位置は、人間の足元の位置に対応し、人間の足元の位置は、床の位置に対応する。
床領域判定部16は、それぞれの前景領域Fmに含まれている床領域画素の全てを含む領域が、それぞれの画像Gmの中の床領域Ymであると判定する。
前景領域Fmに含まれている複数の画素pn,mのうち、画像Gmのy方向で下端の位置に存在している画素は、前景領域Fmに含まれている複数の画素pn,mのうち、x座標が同一の複数の画素の中で、y座標が最も小さい画素である。
床領域判定部16は、床領域Ymの判定結果として、例えば、床領域Ymが存在している、画像Gm内の座標を示すデータを制御部3及び壁領域判定部17のそれぞれに出力する。The floor
The floor
The floor
Of the plurality of pixels p n, m included in the foreground region F m , the pixel existing at the lower end position in the y direction of the image G m is the plurality of pixels p included in the foreground region F m. Of n and m , among a plurality of pixels having the same x-coordinate, the pixel has the smallest y-coordinate.
Floor
壁領域判定部17は、例えば、図3に示す壁領域判定回路27によって実現される。
壁領域判定部17は、窓領域判定部13により判定された窓領域Wmと、床領域判定部16により判定された床領域Ymとに基づいて、対象領域の中の壁領域Kmを判定する。壁領域Kmの判定方法は、後述する。
壁領域判定部17は、壁領域Kmの判定結果として、例えば、壁領域Kmが存在している、画像Gm内の座標を示すデータを制御部3に出力する。The wall
Wall
Wall
図2では、室内レイアウト推定装置2の構成要素である画像記憶部10、外気温記憶部11、類似度算出部12、窓領域判定部13、標準偏差算出部14、前景領域判定部15、床領域判定部16及び壁領域判定部17のそれぞれが、図3に示すような専用のハードウェアによって実現されるものを想定している。即ち、室内レイアウト推定装置2が、画像記憶回路20、外気温記憶回路21、類似度算出回路22、窓領域判定回路23、標準偏差算出回路24、前景領域判定回路25、床領域判定回路26及び壁領域判定回路27によって実現されるものを想定している。
In FIG. 2, the
ここで、画像記憶回路20及び外気温記憶回路21のそれぞれは、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、EPROM(Erasable Programmable Read Only Memory)、EEPROM(Electrically Erasable Programmable Read Only Memory)等の不揮発性又は揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、あるいは、DVD(Digital Versatile Disc)が該当する。
また、類似度算出回路22、窓領域判定回路23、標準偏差算出回路24、前景領域判定回路25、床領域判定回路26及び壁領域判定回路27のそれぞれは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ASIC(Application Specific Integrated Circuit)、FPGA(Field−Programmable Gate Array)、又は、これらを組み合わせたものが該当する。Here, each of the
Further, each of the
室内レイアウト推定装置2の構成要素は、専用のハードウェアによって実現されるものに限るものではなく、室内レイアウト推定装置2が、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現されるものであってもよい。
ソフトウェア又はファームウェアは、プログラムとして、コンピュータのメモリに格納される。コンピュータは、プログラムを実行するハードウェアを意味し、例えば、CPU(Central Processing Unit)、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、あるいは、DSP(Digital Signal Processor)が該当する。
図5は、室内レイアウト推定装置2が、ソフトウェア又はファームウェア等によって実現される場合のコンピュータのハードウェア構成図である。
室内レイアウト推定装置2が、ソフトウェア又はファームウェア等によって実現される場合、画像記憶部10及び外気温記憶部11のそれぞれがコンピュータのメモリ31上に構成される。類似度算出部12、窓領域判定部13、標準偏差算出部14、前景領域判定部15、床領域判定部16及び壁領域判定部17の処理手順をコンピュータに実行させるためのプログラムがメモリ31に格納される。そして、コンピュータのプロセッサ32がメモリ31に格納されているプログラムを実行する。The components of the indoor
The software or firmware is stored as a program in the memory of the computer. A computer means hardware for executing a program, and corresponds to, for example, a CPU (Central Processing Unit), a central processing unit, a processing unit, a computing device, a microcomputer, a microcomputer, a processor, or a DSP (Digital Signal Processor). do.
FIG. 5 is a hardware configuration diagram of a computer when the indoor
When the indoor
また、図3では、室内レイアウト推定装置2の構成要素のそれぞれが専用のハードウェアによって実現される例を示し、図5では、室内レイアウト推定装置2が、ソフトウェア又はファームウェア等によって実現される例を示している。しかし、これは一例に過ぎず、室内レイアウト推定装置2における一部の構成要素が専用のハードウェアによって実現され、残りの構成要素がソフトウェア又はファームウェア等によって実現されるものであってもよい。
Further, FIG. 3 shows an example in which each of the components of the indoor
次に、図1に示す空気調和機の動作について説明する。
赤外線カメラ1は、一定の時間間隔Δtで、対象領域を繰り返し撮像し、対象領域の画像として、撮像時刻tが互いに異なるM個の画像G1〜GMを室内レイアウト推定装置2に出力する。
赤外線カメラ1から出力されたM個の画像G1〜GMは、室内レイアウト推定装置2の画像記憶部10に記憶される。画像記憶部10には、例えば、過去24時間分の画像Gmが記憶される。Next, the operation of the air conditioner shown in FIG. 1 will be described.
Image G 1 ~G M of the M output from the
図6は、室内レイアウト推定装置2の処理手順である室内レイアウト推定方法を示すフローチャートである。
類似度算出部12は、画像記憶部10から、撮像時刻tが互いに異なるM個の画像G1〜GMを取得する。
現在の時刻が例えば19時00分であれば、類似度算出部12は、画像記憶部10から、19時00分を起点として、例えば過去12時間分の画像Gmを取得する。
図7は、過去12時間分の画像Gmのそれぞれに含まれているN個の画素p1,m〜pN,mのうち、窓領域Wmに含まれている或る1つの画素pn,mの画素値pdn,mの時間的な推移の一例を示す説明図である。FIG. 6 is a flowchart showing an indoor layout estimation method which is a processing procedure of the indoor
If the current time, for example 00 pm 19,
FIG. 7 shows a pixel p included in the window area W m among the N pixels p 1, m to p N, m included in each of the images G m for the past 12 hours. n, is an explanatory diagram showing an example of temporal transition of pixel values pd n, m of the m.
また、類似度算出部12は、外気温記憶部11から、測定時刻t’が互いに異なるM個の外気温T1〜TMを取得する。
現在の時刻が19時00分であれば、類似度算出部12は、外気温記憶部11から、19時00分を起点として、過去12時間分の外気温Tmを取得する。
ここでは、類似度算出部12が、過去12時間分の画像Gmを取得し、過去12時間分の外気温Tmを取得している。しかし、これは一例に過ぎず、類似度算出部12が、例えば、過去24時間分の画像Gmを取得し、過去24時間分の外気温Tmを取得するようにしてもよい。Also, the
If the current time is 00 minutes at 19, the
Here, the
類似度算出部12は、画像Gmに含まれているN個の画素p1,m〜pN,mのそれぞれの評価値S1〜SNとして、N個の画素p1,m〜pN,mにおけるそれぞれの画素値pd1,m〜pdN,mの時間的な推移と、外気温Tmの時間的な推移との類似度を算出する(図6のステップST1)。
例えば、画素pn,mの画素値pdn,mの時間的な推移と、外気温Tmの時間的な推移との類似度である評価値Snは、例えば、以下の式(1)のように表される。
The
For example, a temporal transition of the pixel p n, pixel values pd n, m of the m, the evaluation value S n is the degree of similarity between the temporal changes of the outside air temperature T m is for example, the following formula (1) It is expressed as.
図2に示す室内レイアウト推定装置2では、類似度算出部12が、画素pn,mの評価値Snとして、式(1)で表される類似度を算出している。しかし、画素pn,mの評価値Snとして、画素値pdn,mの時間的な推移と、外気温Tmの時間的な推移との類似度を算出することができればよく、式(1)で表される類似度に限るものではない。
図8は、類似度算出部12による評価値S1〜SNの算出結果の一例を示す説明図である。図8において、黒色に近い領域ほど、類似度である評価値Snが高い領域であることを示している。
類似度算出部12は、算出したそれぞれの評価値S1〜SNを窓領域判定部13に出力する。In the indoor
Figure 8 is an explanatory diagram showing an example of calculation results of evaluation value S 1 to S N by the
窓領域判定部13は、画像記憶部10から、撮像時刻tが互いに異なるM個の画像G1〜GMのうち、いずれか1つの画像Gmを取得する。窓領域判定部13が取得する1つの画像Gmは、M個の画像G1〜GMのうちのいずれの画像であってもよい。窓領域判定部13は、例えば、撮像時刻tが最新の時刻の画像GMを取得してもよいし、撮像時刻tが最新の時刻よりも古い時刻の画像GM−1を取得してもよい。
窓領域判定部13は、類似度算出部12により算出されたそれぞれの評価値S1〜SNと、第1の閾値Th1とを比較する。
窓領域判定部13は、取得した画像Gmに含まれている画素pn,mの評価値Snが第1の閾値Th1よりも大きければ(図6のステップST2:YESの場合)、画素pn,mが、窓領域Wm内の画素であると判定する(図6のステップST3)。
画素pn,mの評価値Snが第1の閾値Th1以下であれば(図6のステップST2:NOの場合)、画素pn,mは、窓領域Wm外の画素である。Window
Window
Window
Pixel p n, if the evaluation value S n of the m first threshold Th 1 or less (step of FIG. 6 ST2: in the case of NO), the pixel p n, m is a window area W m outside the pixel.
窓領域判定部13は、取得した画像Gmに含まれているN個の画素p1,m〜pN,mの中で、窓領域Wm内の画素であると判定した全ての画素pn,mを含む領域が、画像Gmの中の窓領域Wmであると判定する(図6のステップST4)。
図9は、窓領域判定部13による窓領域Wmの判定結果の一例を示す説明図である。図9において、斜線が施されている領域は、窓領域Wmである。なお、図9では、白色に近い領域ほど、温度が高い領域である。
窓領域判定部13は、窓領域Wmの判定結果として、例えば、窓領域Wmが存在している、画像Gm内の座標を示すデータを制御部3及び壁領域判定部17のそれぞれに出力する。The window
FIG. 9 is an explanatory diagram showing an example of a determination result of the window area W m by the window
As a determination result of the window area W m , the window
標準偏差算出部14の画素群特定部14aは、画像記憶部10から、撮像時刻tが互いに異なるM個の画像G1〜GMを取得する。
画素群特定部14aは、M個の画像G1〜GMのそれぞれに含まれている画素p1,1〜pN,1、p1,2〜pN,2、・・・、p1,M〜pN,Mの中で、画素位置が互いに同一の画素を含むN個の画素群(1)〜(N)のそれぞれを特定する。
M個の画像G1〜GMのそれぞれに含まれている画素p1,1〜pN,1、p1,2〜pN,2、・・・、p1,M〜pN,Mの中で、例えば、M個の画素pn,1〜pn,Mは、画素位置が互いに同一の画素であり、画素群(n)に含まれている。Pixel
The pixel
Pixels p 1 , 1 to p N, 1 , p 1 , 2, to p N, 2 , ..., P 1, M to p N, M included in each of the M images G 1 to GM. Among them, for example, M pixels pn, 1 to pn, M are pixels having the same pixel position and are included in the pixel group (n).
標準偏差算出部14の偏差算出処理部14bは、以下の式(2)に示すように、画素群特定部14aにより特定された画素群(n)の評価値vnとして、画素群(n)に含まれているM個の画素pn,1〜pn,Mにおける画素値pdn,1〜pdn,Mの標準偏差を算出する(図6のステップST5)。
偏差算出処理部14bは、算出したそれぞれの評価値v1〜vNを前景領域判定部15に出力する。Deviation calculating unit 14b of the standard
The deviation calculation processing unit 14b outputs the calculated evaluation values v 1 to v N to the foreground
前景領域判定部15は、画像記憶部10から、撮像時刻tが互いに異なるM個の画像G1〜GMを取得する。
前景領域判定部15は、標準偏差算出部14により算出されたそれぞれの評価値v1〜vNと第2の閾値Th2とを比較する。
前景領域判定部15は、N個の画素群(1)〜(N)の中で、評価値vn(n=1,・・・,N)が第2の閾値Th2よりも大きければ(図6のステップST6:YESの場合)、画素群(n)に含まれている画素pn,mが、前景領域Fm内の画素であると判定する(図6のステップST7)。
複数の画素群(1)〜(N)の中で、評価値vnが第2の閾値Th2以下であれば(図6のステップST6:NOの場合)、画素群(n)に含まれている画素pn,mは、背景領域Bm内の画素である。
背景領域Bm内の画素pn,mの画素値pdn,mは、時間が経過しても、ほとんど変化しないため、背景領域Bm内の画素pn,mを含む画素群(n)の評価値vnは、第2の閾値Th2以下となる可能性が高い。
一方、前景領域Fm内の画素pn,mの画素値pdn,mは、時間の経過に伴って変化するため、前景領域Fm内の画素pn,mを含む画素群(n)の評価値vnは、第2の閾値Th2よりも大きくなる可能性が高い。
なお、窓領域Wm内の画素pn,mの画素値pdn,mについても、時間の経過に伴って変化する。しかし、窓領域Wm内の画素pn,mの画素値pdn,mの変化は、人間等の移動に伴う画素値pdn,mの変化と比べると、極めて小さい。したがって、窓領域Wm内の画素pn,mを含む画素群(n)の評価値vnは、第2の閾値Th2以下となる可能性が高い。Foreground
The foreground
In the foreground
A plurality of pixel groups (1) in a ~ (N), the evaluation value v if n is a second threshold value Th 2 or less (step of FIG. 6 ST6: in the case of NO), the included in the pixel group (n) The pixels pn and m are the pixels in the background area B m.
Pixel p n, pixel values pd n of m within the background region B m, m, since the time is also passed, hardly changes, pixel group including a pixel p n, m within the background region B m (n) The evaluation value v n of is likely to be equal to or less than the second threshold value Th 2.
On the other hand, the pixel p n, pixel values pd n, m of the m in the foreground region F m, in order to change over time, the pixel p n in the foreground region F m, a pixel group including m (n) The evaluation value v n of is likely to be larger than the second threshold value Th 2.
The pixel values pd n, m of the pixels pn, m in the window area W m also change with the passage of time. However, the change in the pixel values pd n, m of the pixels pn, m in the window region W m is extremely small as compared with the change in the pixel values pd n, m due to the movement of a human being or the like. Therefore, the evaluation value v n of the pixel group (n) including the pixels pn and m in the window region W m is likely to be equal to or less than the second threshold value Th 2.
前景領域判定部15は、M個の画像G1〜GMのそれぞれに含まれている画素p1,1〜pN,1、p1,2〜pN,2、・・・、p1,M〜pN,Mのうち、前景領域Fm内の画素であると判定した全ての画素pn,mを含む領域が、それぞれの画像Gmの中の前景領域Fmであると判定する(図6のステップST8)。
前景領域判定部15は、前景領域Fmの判定結果として、例えば、前景領域Fmが存在している、画像Gm内の座標を示すデータを床領域判定部16に出力する。The foreground
Foreground
図10は、M個の撮像画像G1〜GMのうち、ある1つの画像Gmの一例を示す説明図である。
図11は、M個の撮像画像G1〜GMのうち、ある1つの画像Gmにおける背景領域Bmと前景領域Fmとを示す説明図である。図11において、黒色の領域は、背景領域Bmと判定された領域であり、白色の領域は、前景領域Fmと判定された領域である。
図11の例では、前景領域Fmが、人間が存在している領域(以下、「人間領域Hm」と称する)と概ね一致している。なお、図11では、人間領域Hmの表記は省略されている。
図2に示す室内レイアウト推定装置2では、前景領域Fmが人間領域Hmと一致しているとして、後述する床領域判定部16が、前景領域Fmに基づいて、床領域Ymを判定する。10, among the M captured
FIG. 11 is an explanatory diagram showing a background region B m and a foreground region F m in a certain image G m among the M captured images G 1 to GM. In FIG. 11, the black region is the region determined to be the background region B m , and the white region is the region determined to be the foreground region F m.
In the example of FIG. 11, the foreground region F m substantially coincides with the region in which a human exists (hereinafter, referred to as “human region H m”). In FIG. 11, denoted human region H m is omitted.
In the indoor
床領域判定部16は、前景領域判定部15から、前景領域Fmが存在している、画像Gm内の座標を示すデータを取得する。
床領域判定部16は、取得した座標を示すデータに基づいて、M個の画像G1〜GMにおけるそれぞれの前景領域Fmに含まれている複数の画素pn,mを特定する。
床領域判定部16は、それぞれの前景領域Fmに含まれている複数の画素pn,mの中で、画像Gmのy方向で、下端の位置に存在している画素を床領域画素として特定する。
前景領域Fmが人間領域Hmと一致していれば、前景領域Fm内の下端の位置は、人間の足元の位置に対応し、人間の足元の位置は、床の位置に対応する。通常、人間は、時間とともに移動する。これは、撮像時刻tが互いに異なるM個の撮像画像G1〜GMのそれぞれにおける人間の位置、つまり、前景領域F1〜FMの位置は互いに異なるものとなり、床の位置に対応する前景領域F1〜FM内の下端の位置も互いに異なるものとなることを意味する。したがって、撮像時刻tが互いに異なるM個の撮像画像G1〜GMにおける前景領域F1〜FM内の下端の位置を総合することにより、床領域Ymを推定することができる。The floor
Floor
Floor
If the foreground region F m coincides with the human region H m , the position of the lower end in the foreground region F m corresponds to the position of the human foot, and the position of the human foot corresponds to the position of the floor. Humans usually move over time. Foreground This human positions at each imaging time t is different M pieces of the captured image G 1 ~G M, i.e., the position of the foreground region F 1 to F M becomes different from each other, which corresponds to the floor position the position of the lower end of the area F 1 to F M also means that the different from each other. Therefore, by imaging time t has overall position of the lower end of the foreground region F 1 to F M in M different captured image G 1 ~G M to each other, it is possible to estimate the floor area Y m.
床領域判定部16は、前景領域F1〜FMのそれぞれに含まれている床領域画素の全てを含む領域が、床領域Ymであると判定する(図6のステップST9)。
床領域判定部16は、床領域Ymの判定結果として、例えば、床領域Ymが存在している、画像Gm内の座標を示すデータを制御部3及び壁領域判定部17のそれぞれに出力する。
ここでは、床領域判定部16が、鉛直方向で下端の位置に存在している画素を床領域画素として特定している。しかし、これは一例に過ぎず、床領域判定部16が、鉛直方向で下端の位置に存在している画素のほかに、下端の画素の周囲に存在している複数の画素を床領域画素として特定するようにしてもよい。Floor
Floor
Here, the floor
図12は、M個の画像G1〜GMにおける前景領域F1〜FM内の下端の画素を示す説明図である。図12において、白色の領域は、それぞれの前景領域Fm内の下端の画素を含む領域である。
図12が示している画像は、M個の画像G1〜GMにおけるそれぞれの前景領域Fm内の下端の画素が集められている画像である。
図12では、前景領域F1内の下端の画素、前景領域F2内の下端の画素、前景領域F3内の下端の画素、前景領域F4内の下端の画素、前景領域F5内の下端の画素、前景領域FM−1内の下端の画素、及び、前景領域FM内の下端の画素を例示している。
図13は、床領域判定部16による床領域Ymの判定結果の一例を示す説明図である。図13において、横線が施されている領域は、床領域Ymである。
図12が示す白色の領域と、図13が示す床領域Ymとは、記載の都合上、若干のずれがあるが、概ね一致している。Figure 12 is an explanatory view showing the lower end of the pixels in the
Image is a bottom of the image pixels are collected in each of the foreground region F m in the M image G 1 ~G M Figure 12 indicates.
In FIG. 12, the lower end pixel in the foreground area F 1 , the lower end pixel in the foreground area F 2 , the lower end pixel in the foreground area F 3 , the lower end pixel in the foreground area F 4 , and the foreground area F 5 the lower end of the pixel, the lower end of the pixels in the foreground area F M-1, and illustrates the lower end of the pixels in the foreground area F M.
FIG. 13 is an explanatory diagram showing an example of a determination result of the floor area Y m by the floor
壁領域判定部17は、窓領域判定部13により判定された窓領域Wmと、床領域判定部16により判定された床領域Ymとに基づいて、対象領域の中の壁領域Kmを判定する(図6のステップST10)。
壁領域判定部17は、壁領域Kmの判定結果として、例えば、壁領域Kmが存在している、画像Gm内の座標を示すデータを制御部3に出力する。Wall
Wall
以下、壁領域判定部17による壁領域Kmの判定処理を具体的に説明する。
壁領域判定部17は、画像記憶部10から、撮像時刻tが異なるM個の画像G1〜GMのうち、いずれか1つの画像Gmを取得する。壁領域判定部17が取得する1つの撮像画像Gmは、M個の撮像画像G1〜GMのうちのいずれの撮像画像であってもよい。壁領域判定部17は、例えば、撮像時刻tが最新の時刻の画像GMを取得してもよいし、撮像時刻tが最新の時刻よりも古い時刻の画像GM−1を取得してもよい。
また、壁領域判定部17は、床領域判定部16から、床領域Ymが存在している座標を示すデータを取得する。It will be specifically described below determination process wall area K m by the wall
Wall
Further, the wall
壁領域判定部17は、床領域Ymが存在している座標を示すデータに基づいて、床領域Ymに含まれている複数の画素pn,mを特定する。
壁領域判定部17は、図13に示すように、床領域Ymに含まれている複数の画素pn,mのうち、画像Gmのy方向で上端の画素をそれぞれ特定する。床領域Ym内の上端の画素は、床領域Ymに含まれている複数の画素pn,mのうち、x座標が同一の複数の画素の中で、y座標が最も大きい画素である。図13では、床領域Ym内の上端の画素を9つ例示している。
壁領域判定部17は、図14に示すように、床領域Ym内の上端のそれぞれの画素を結ぶ線を含む線を、床面と壁面との境界線に決定する。
図14は、床面と壁面との境界線、床領域Ym、及び窓領域Wmを示す説明図である。
図14において、横線が施されている領域は、床領域Ymであり、斜線が施されている領域は、窓領域Wmである。The wall
As shown in FIG. 13, the wall
As shown in FIG. 14, the wall
FIG. 14 is an explanatory diagram showing a boundary line between the floor surface and the wall surface, a floor area Y m , and a window area W m.
In FIG. 14, the area with horizontal lines is the floor area Y m , and the area with diagonal lines is the window area W m .
壁領域判定部17は、窓領域判定部13から、窓領域Wmが存在している座標を示すデータを取得する。
壁領域判定部17は、窓領域Wmが存在している座標を示すデータに基づいて、窓領域Wmを特定する。
壁領域判定部17は、画像Gmの中で、床面と壁面との境界線よりも、画像Gmのy方向でy座標が大きい領域のうち、窓領域Wm以外の領域が、壁領域Kmであると判定する。床面と壁面との境界線よりも、画像Gmのy方向でy座標が大きい領域は、図中、床面と壁面との境界線よりも上側の領域である。
壁領域判定部17は、壁領域Kmの判定結果として、例えば、壁領域Kmが存在している、画像Gm内の座標を示すデータを制御部3に出力する。The wall
The wall
In the image G m , the wall
Wall
制御部3は、画像記憶部10から、撮像時刻tが互いに異なるM個の画像G1〜GMのうち、いずれか1つの画像Gmを取得する。制御部3が取得する1つの撮像画像Gmは、M個の撮像画像G1〜GMのうちのいずれの撮像画像であってもよい。制御部3は、例えば、撮像時刻tが最新の時刻の画像GMを取得してもよいし、撮像時刻tが最新の時刻よりも古い時刻の画像GM−1を取得してもよい。
制御部3は、窓領域判定部13から窓領域Wmの判定結果を取得し、床領域判定部16から床領域Ymの判定結果を取得し、壁領域判定部17から壁領域Kmの判定結果を取得する。
制御部3は、取得したそれぞれの判定結果に基づいて、例えば、エアコン4を制御することで、対象領域内の空気を調整する。Control unit 3, from the
The control unit 3 acquires the determination result of the window area W m from the window
The control unit 3 adjusts the air in the target region by controlling, for example, the air conditioner 4 based on the acquired determination results.
以下、制御部3による空気の調整例を具体的に説明する。
例えば、窓領域Wmの設定温度がTemp1、床領域Ymの設定温度がTemp2、及び、壁領域Kmの設定温度がTemp3であるとする。設定温度Temp1、設定温度Temp2、及び、設定温度Temp3のそれぞれは、制御部3の内部メモリに格納されていてもよいし、図1に示す空気調和機の外部から与えられるものであってもよい。
制御部3は、窓領域Wmの判定結果に基づいて、画像Gmに含まれているN個の画素p1,m〜pN,mの中から、窓領域Wmに含まれている複数の画素pn,mを特定する。
制御部3は、窓領域Wmに含まれている複数の画素pn,mの画素値pdn,mが示す温度から、例えば、窓領域Wmの平均温度を算出する。
制御部3は、窓領域Wmの平均温度が、窓領域Wmの設定温度Temp1と一致するように、エアコン4を制御する。Hereinafter, an example of air adjustment by the control unit 3 will be specifically described.
For example, it is assumed that the set temperature of the window area W m is Temp 1 , the set temperature of the floor area Y m is Temp 2 , and the set temperature of the wall area K m is Temp 3. Each of the set temperature Temp 1 , the set temperature Temp 2 , and the set temperature Temp 3 may be stored in the internal memory of the control unit 3, or may be supplied from the outside of the air conditioner shown in FIG. You may.
Control unit 3, based on the determination result of the window area W m, N pixels p 1 contained in the image G m, m ~p N, from among the m, are included in the window region W m Specify a plurality of pixels pn, m .
Control unit 3, a plurality of pixels p n contained in the window region W m, the pixel values pd n of m, the temperature indicated by m, for example, calculates the average temperature of the window area W m.
Control unit 3, the average temperature of the window area W m is to match the set temperature Temp 1 of the window area W m, controls the air conditioner 4.
制御部3は、床領域Ymの判定結果に基づいて、画像Gmに含まれているN個の画素p1,m〜pN,mの中から、床領域Ymに含まれている複数の画素pn,mを特定する。
制御部3は、床領域Ymに含まれている複数の画素pn,mの画素値pdn,mが示す温度から、例えば、床領域Ymの平均温度を算出する。
制御部3は、床領域Ymの平均温度が、床領域Ymの設定温度Temp2と一致するように、エアコン4を制御する。Control unit 3, based on the determination result of the floor area Y m, N pieces of pixels included in the image G m p 1, m ~p N , from among the m, are included in the floor area Y m Specify a plurality of pixels pn, m .
Control unit 3, a plurality of pixels p n included in the floor area Y m, the pixel values pd n of m, the temperature indicated by m, for example, calculates the average temperature of the floor area Y m.
Control unit 3, the average temperature of the floor area Y m is to match the set temperature Temp 2 of the floor area Y m, to control the air conditioner 4.
制御部3は、壁領域Kmの判定結果に基づいて、画像Gmに含まれている複数の画素p1,m〜pN,mの中から、壁領域Kmに含まれている複数の画素pn,mを特定する。
制御部3は、壁領域Kmに含まれている複数の画素pn,mの画素値pdn,mが示す温度から、例えば、壁領域Kmの平均温度を算出する。
制御部3は、壁領域Kmの平均温度が、壁領域Kmの設定温度Temp3と一致するように、エアコン4を制御する。Based on the determination result of the wall region K m , the control unit 3 includes a plurality of pixels p 1, m to p N, m included in the image G m , which are included in the wall region K m. Pixels pn and m of are specified.
Control unit 3, a plurality of pixels p n included in the wall area K m, the pixel values pd n of m, the temperature indicated by m, for example, calculates the average temperature of the wall area K m.
Control unit 3, the average temperature of the wall area K m is to match the set temperature Temp 3 wall area K m, for controlling the air conditioner 4.
ここでは、制御部3が、窓領域Wm、床領域Ym及び壁領域Kmにおけるそれぞれの平均温度を算出している。しかし、これは一例に過ぎず、制御部3が、例えば、窓領域Wm、床領域Ym及び壁領域Kmにおけるそれぞれの中間温度を算出するようにしてもよい。この場合、制御部3は、窓領域Wm等の中間温度が、窓領域Wm等の設定温度と一致するように、エアコン4を制御する。Here, the control unit 3 calculates the average temperature of each of the window area W m , the floor area Y m, and the wall area K m. However, this is only an example, and the control unit 3 may calculate, for example, the intermediate temperature of each of the window area W m , the floor area Y m, and the wall area K m. In this case, the control unit 3, an intermediate temperature, such as the window area W m is to match the set temperature, such as the window area W m, it controls the air conditioner 4.
以上の実施の形態1では、対象領域を撮像している赤外線カメラ1から出力された画像に含まれている複数の画素のそれぞれの評価値として、複数の画素におけるそれぞれの画素値の時間的な推移と、外気温の時間的な推移との類似度を算出する類似度算出部12と、画像に含まれている複数の画素のうち、類似度算出部12により算出された評価値が第1の閾値よりも大きい画素を含む領域が、画像の中で、窓が在る領域であると判定する窓領域判定部13とを備えるように、室内レイアウト推定装置2を構成した。したがって、室内レイアウト推定装置2は、外気温が変化しても、窓領域の誤検出を防ぐことができる。
In the above-described first embodiment, as the evaluation value of each of the plurality of pixels included in the image output from the
実施の形態2.
図2に示す室内レイアウト推定装置2では、標準偏差算出部14が、M個の画像G1〜GMのそれぞれに含まれている画素p1,1〜pN,1、p1,2〜pN,2、・・・、p1,M〜pN,Mの中で、画素位置が互いに同一の画素を含む複数の画素群(1)〜(N)のそれぞれの評価値v1〜vNを算出している。
実施の形態2では、M個の画像G1〜GMと撮像時刻tが異なる新たな画像が画像記憶部10に記憶される毎に、複数の画素群(1)〜(N)のそれぞれの評価値v1〜vNを算出する室内レイアウト推定装置2について説明する。ここでは、説明の便宜上、新たな画像がGM+1であるとする。
In the indoor
In the second embodiment, each time the M image G 1 ~G M and the imaging time t a new image that is different is stored in the
以下、実施の形態2に係る室内レイアウト推定装置2について説明する。
実施の形態2に係る室内レイアウト推定装置2の構成は、実施の形態1に係る室内レイアウト推定装置2の構成と同様であり、実施の形態2に係る室内レイアウト推定装置2を示す構成図は、図2である。Hereinafter, the indoor
The configuration of the indoor
赤外線カメラ1は、M個の画像G1〜GMと撮像時刻tが異なる新たな画像GM+1を室内レイアウト推定装置2に出力する。
室内レイアウト推定装置2の画像記憶部10は、新たな画像GM+1を記憶する。
標準偏差算出部14の画素群特定部14aは、新たな画像GM+1が画像記憶部10に記憶されると、画像記憶部10から、新たな画像GM+1を取得する。
画素群特定部14aは、先に取得したM個の画像G1〜GMのうち、例えば、最も撮像時刻tが古い画像G1を破棄する。
画素群特定部14aは、M個の画像G1〜GMの一部である画像、即ち、破棄していない(M−1)個の画像G2〜GMと新たな画像GM+1とを含むM個の画像G2〜GM+1のそれぞれに含まれている画素p1,2〜pN,2、p1,3〜pN,3、・・・、p1,M+1〜pN,M+1のうち、画素位置が互いに同一の画素を含むN個の画素群(1)〜(N)のそれぞれを特定する。
The
When the new image GM + 1 is stored in the
Pixel
The pixel
ここでは、画素群特定部14aが、先に取得したM個の画像G1〜GMのうち、最も撮像時刻tが古い画像G1を破棄している。しかし、これは一例に過ぎず、画素群特定部14aが、最も撮像時刻tが古い画像G1以外の画像を破棄するようにしてもよい。
また、画素群特定部14aが、先に取得したM個の画像G1〜GMのうち、2つ以上の画像を破棄するようにしてもよい。画素群特定部14aは、2つの画像を破棄した場合、破棄していない(M−2)個の画像と新たな画像GM+1とを含む(M−1)個の画像として、画像G3〜GM+1のそれぞれに含まれているN個の画素p1,3〜pN,3、p1,4〜pN,4、・・・、p1,M+1〜pN,M+1のうち、画素位置が互いに同一の画素を含むN個の画素群(1)〜(N)のそれぞれを特定する。Here, pixel
The
標準偏差算出部14の偏差算出処理部14bは、画素群特定部14aがN個の画素群(1)〜(N)のそれぞれを特定する毎に、実施の形態1と同様に、それぞれの画素群(1)〜(N)の評価値v1〜vNとして、それぞれの画素群(1)〜(N)に含まれているM個の画素pn,1〜pn,Mにおける画素値pdn,1〜pdn,Mの標準偏差を算出する。
偏差算出処理部14bは、算出したそれぞれの評価値v1〜vNを前景領域判定部15に出力する。
したがって、実施の形態2に係る室内レイアウト推定装置2では、M個の画像G1〜GMと撮像時刻tが異なる新たな画像GM+1が画像記憶部10に記憶される毎に、N個の画素群(1)〜(N)のそれぞれの評価値v1〜vNが更新される。In the deviation calculation processing unit 14b of the standard
The deviation calculation processing unit 14b outputs the calculated evaluation values v 1 to v N to the foreground
Accordingly, in the indoor
前景領域判定部15は、標準偏差算出部14によりそれぞれの評価値v1〜vNが更新される毎に、それぞれの評価値v1〜vNと第2の閾値Th2とを比較する。
前景領域判定部15は、実施の形態1と同様に、評価値vn(n=1,・・・,N)が第2の閾値Th2よりも大きければ、画素群(n)に含まれている画素pn,mが、前景領域Fm内の画素であると判定する
前景領域判定部15は、M個の画像G2〜GM+1のそれぞれに含まれているN個の画素p1,2〜pN,2、p1,3〜pN,3、・・・、p1,M+1〜pN,M+1のうち、前景領域Fm内の画素であると判定した全ての画素pn,mを含む領域が、画像Gmの中の前景領域Fmであると判定する。
前景領域判定部15は、前景領域Fmの判定結果として、例えば、前景領域Fmが存在している、画像Gm内の座標を示すデータを床領域判定部16に出力する。Foreground
The foreground
Foreground
以上の実施の形態2では、画素群特定部14aが、赤外線カメラ1から、複数の画像と撮像時刻が異なる新たな画像が出力される毎に、複数の画像の中の一部の画像と新たな画像とを含む複数の画像のそれぞれに含まれている複数の画素の中で、画素位置が互いに同一の画素を含む複数の画素群のそれぞれを特定し、偏差算出処理部14bが、画素群特定部14aによりそれぞれの画素群が特定される毎に、画素群特定部14aにより特定されたそれぞれの画素群の評価値として、それぞれの画素群に含まれている複数の画素における画素値の標準偏差を算出するように、室内レイアウト推定装置2を構成した。したがって、室内レイアウト推定装置2は、外気温が変化しても、窓領域の誤検出を防ぐことができるほか、新たな画像に基づいて、前景領域を判定することができる。
In the second embodiment described above, each time the pixel
実施の形態3.
実施の形態3では、前景領域判定部15により判定された前景領域Fmの中で、人間が存在している領域を判定する人間領域判定部18を備えている室内レイアウト推定装置2について説明する。Embodiment 3.
In the third embodiment, in the foreground region F m determined by the foreground
図15は、実施の形態3に係る室内レイアウト推定装置2を示す構成図である。
図16は、実施の形態3に係る室内レイアウト推定装置2のハードウェアを示すハードウェア構成図である。
図15及び図16において、図2及び図3と同一符号は同一又は相当部分を示すので詳細な説明を省略する。
室内レイアウト推定装置2は、画像記憶部10、外気温記憶部11、類似度算出部12、窓領域判定部13、標準偏差算出部14、前景領域判定部15、人間領域判定部18、床領域判定部16及び壁領域判定部17を備えている。FIG. 15 is a configuration diagram showing the indoor
FIG. 16 is a hardware configuration diagram showing the hardware of the indoor
In FIGS. 15 and 16, the same reference numerals as those in FIGS. 2 and 3 indicate the same or corresponding portions, and detailed description thereof will be omitted.
The indoor
図16に示す室内レイアウト推定装置2では、前景領域判定部15が、前景領域の判定結果として、前景領域Fmが存在している、画像Gm内の座標を示すデータを人間領域判定部18に出力する。
人間領域判定部18は、例えば、図16に示す人間領域判定回路28によって実現される。
人間領域判定部18は、前景領域判定部15により判定されたそれぞれの前景領域Fmの中で、人間が存在している領域である人間領域Hmを判定する。
人間領域判定部18は、人間領域Hmの判定結果として、例えば、人間領域Hmが存在している、画像Gm内の座標を示すデータを制御部3及び床領域判定部16のそれぞれに出力する。In the indoor
The human
The human region determination unit 18 determines the human region H m , which is a region in which a human exists, in each foreground region F m determined by the foreground
As a determination result of the human region H m , the human
図15では、室内レイアウト推定装置2の構成要素である画像記憶部10、外気温記憶部11、類似度算出部12、窓領域判定部13、標準偏差算出部14、前景領域判定部15、人間領域判定部18、床領域判定部16及び壁領域判定部17のそれぞれが、図16に示すような専用のハードウェアによって実現されるものを想定している。即ち、室内レイアウト推定装置2が、画像記憶回路20、外気温記憶回路21、類似度算出回路22、窓領域判定回路23、標準偏差算出回路24、前景領域判定回路25、人間領域判定回路28、床領域判定回路26及び壁領域判定回路27によって実現されるものを想定している。
In FIG. 15, an
ここで、画像記憶回路20及び外気温記憶回路21のそれぞれは、例えば、RAM、ROM、フラッシュメモリ、EPROM、EEPROM等の不揮発性又は揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、あるいは、DVDが該当する。
また、類似度算出回路22、窓領域判定回路23、標準偏差算出回路24、前景領域判定回路25、人間領域判定回路28、床領域判定回路26及び壁領域判定回路27のそれぞれは、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ASIC、FPGA、又は、これらを組み合わせたものが該当する。Here, each of the
Further, each of the
室内レイアウト推定装置2の構成要素は、専用のハードウェアによって実現されるものに限るものではなく、室内レイアウト推定装置2が、ソフトウェア、ファームウェア、又は、ソフトウェアとファームウェアとの組み合わせによって実現されるものであってもよい。
室内レイアウト推定装置2が、ソフトウェア又はファームウェア等によって実現される場合、画像記憶部10及び外気温記憶部11のそれぞれが、図5に示すコンピュータのメモリ31上に構成される。類似度算出部12、窓領域判定部13、標準偏差算出部14、前景領域判定部15、人間領域判定部18、床領域判定部16及び壁領域判定部17の処理手順をコンピュータに実行させるためのプログラムがメモリ31に格納される。そして、図5に示すコンピュータのプロセッサ32がメモリ31に格納されているプログラムを実行する。The components of the indoor
When the indoor
また、図16では、室内レイアウト推定装置2の構成要素のそれぞれが専用のハードウェアによって実現される例を示し、図5では、室内レイアウト推定装置2が、ソフトウェア又はファームウェア等によって実現される例を示している。しかし、これは一例に過ぎず、室内レイアウト推定装置2における一部の構成要素が専用のハードウェアによって実現され、残りの構成要素がソフトウェア又はファームウェア等によって実現されるものであってもよい。
Further, FIG. 16 shows an example in which each of the components of the indoor
次に、図15に示す室内レイアウト推定装置2の動作について説明する。ただし、人間領域判定部18以外は、図2に示す室内レイアウト推定装置2と同様であるため、ここでは、主に、人間領域判定部18の動作について説明する。
前景領域判定部15は、実施の形態1と同様に、前景領域Fmを判定すると、前景領域Fmの判定結果として、前景領域Fmが存在している、画像Gm内の座標を示すデータを人間領域判定部18に出力する。Next, the operation of the indoor
Foreground
図2に示す室内レイアウト推定装置2では、床領域判定部16が、前景領域Fmが人間領域Hmと一致しているとして、前景領域Fmに基づいて、床領域Ymを判定している。しかし、前景領域Fmと人間領域Hmとが厳密に一致しているとは限らないため、前景領域Fmに基づく床領域Ymの判定では、床領域Ymを誤検出する可能性がある。
人間領域判定部18は、前景領域判定部15から前景領域Fmの判定結果を受けると、公知の人体検出方法を用いて、前景領域Fmの中で、人間が存在している領域である人間領域Hmを判定する。
公知の人体検出方法として、例えば、HOGとSVMとを用いる方法が考えられる。HOG(Histogram of Oriented Gradients)は、局所領域の輝度の勾配方向をヒストグラム化している特徴量である。SVM(Support Vector Machine)は、教師あり学習を用いるパターン識別モデルである。
人間領域判定部18は、人間領域Hmの判定結果として、例えば、人間領域Hmが存在している、画像Gm内の座標を示すデータを制御部3及び床領域判定部16のそれぞれに出力する。In the indoor
Upon receiving the determination result of the foreground region F m from the foreground
As a known human body detection method, for example, a method using HOG and SVM can be considered. HOG (Histogram of Oriented Gradients) is a feature quantity that histograms the gradient direction of the brightness of a local region. SVM (Support Vector Machine) is a pattern discriminative model using supervised learning.
As a determination result of the human region H m , the human
制御部3は、画像記憶部10から、撮像時刻tが互いに異なるM個の画像G1〜GMのうち、いずれか1つの画像Gmを取得する。制御部3が取得する1つの撮像画像Gmは、M個の撮像画像G1〜GMのうちのいずれの撮像画像であってもよい。制御部3は、例えば、撮像時刻tが最新の時刻の画像GMを取得してもよいし、撮像時刻tが最新の時刻よりも古い時刻の画像GM−1を取得してもよい。
制御部3は、窓領域判定部13から窓領域Wmの判定結果を取得し、床領域判定部16から床領域Ymの判定結果を取得し、壁領域判定部17から壁領域Kmの判定結果を取得し、人間領域判定部18から人間領域Hmの判定結果を取得する。Control unit 3, from the
The control unit 3 acquires the determination result of the window area W m from the window
制御部3は、取得したそれぞれの判定結果に基づいて、例えば、エアコン4を制御することで、対象領域内の空気を調整する。
例えば、人間領域Hmの設定温度がTemp4であるとする。設定温度Temp4は、制御部3の内部メモリに格納されていてもよいし、図1に示す空気調和機の外部から与えられるものであってもよい。
制御部3は、人間領域Hmの判定結果に基づいて、画像Gmに含まれているN個の画素p1,m〜pN,mの中から、人間領域Hmに含まれている複数の画素pn,mを特定する。
制御部3は、人間領域Hmに含まれている複数の画素pn,mの画素値pdn,mが示す温度から、例えば、人間領域Hmの平均温度を算出する。
制御部3は、人間領域Hmの平均温度が、人間領域Hmの設定温度Temp4と一致するように、エアコン4を制御する。The control unit 3 adjusts the air in the target region by controlling, for example, the air conditioner 4 based on the acquired determination results.
For example, it is assumed that the set temperature of the human region H m is Temp 4. The set temperature Temp 4 may be stored in the internal memory of the control unit 3 or may be supplied from the outside of the air conditioner shown in FIG.
Control unit 3, based on the determination result of human region H m, N pieces of pixels included in the image G m p 1, m ~p N , from among the m, are included in the human region H m Specify a plurality of pixels pn, m .
Control unit 3, a plurality of pixels p n contained in the human region H m, pixel values pd n of m, the temperature indicated by m, for example, calculates the average temperature of the human region H m.
Control unit 3, the average temperature of the human region H m is to match the set temperature Temp 4 human region H m, and controls the air conditioner 4.
ここでは、制御部3が、人間領域Hmの平均温度を算出している。しかし、これは一例に過ぎず、制御部3が、例えば、人間領域Hmの中間温度を算出するようにしてもよい。この場合、制御部3は、人間領域Hmの中間温度が、人間領域Hmの設定温度Temp4と一致するように、エアコン4を制御する。Here, the control unit 3, which calculates the average temperature of the human region H m. However, this is only an example, the control unit 3, for example, may be calculated intermediate temperature of the human region H m. In this case, the control unit 3, an intermediate temperature of the human region H m is to match the set temperature Temp 4 human region H m, and controls the air conditioner 4.
以上の実施の形態3では、前景領域判定部15により判定された前景領域の中で、人間が存在している領域を判定する人間領域判定部18を備えるように、室内レイアウト推定装置2を構成した。したがって、室内レイアウト推定装置2は、外気温が変化しても、窓領域の誤検出を防ぐことができるほか、人間が存在している領域内の空気を調整することが可能になる。
In the third embodiment, the indoor
なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。 It should be noted that, within the scope of the present invention, any combination of embodiments can be freely combined, any component of each embodiment can be modified, or any component can be omitted in each embodiment. ..
この発明は、対象領域の中で、窓が在る領域を判定する室内レイアウト推定装置、室内レイアウト推定方法及び空気調和機に適している。 The present invention is suitable for an indoor layout estimation device, an indoor layout estimation method, and an air conditioner for determining an area where a window exists in a target area.
1 赤外線カメラ、2 室内レイアウト推定装置、3 制御部、4 エアコン、10 画像記憶部、11 外気温記憶部、12 類似度算出部、13 窓領域判定部、14 標準偏差算出部、14a 画素群特定部、14b 偏差算出処理部、15 前景領域判定部、16 床領域判定部、17 壁領域判定部、18 人間領域判定部、20 画像記憶回路、21 外気温記憶回路、22 類似度算出回路、23 窓領域判定回路、24 標準偏差算出回路、25 前景領域判定回路、26 床領域判定回路、27 壁領域判定回路、28 人間領域判定回路、31 メモリ、32 プロセッサ。 1 Infrared camera, 2 Indoor layout estimation device, 3 Control unit, 4 Air conditioner, 10 Image storage unit, 11 Outside temperature storage unit, 12 Similarity calculation unit, 13 Window area determination unit, 14 Standard deviation calculation unit, 14a Pixel group identification Unit, 14b Deviation calculation processing unit, 15 Foreground area determination unit, 16 Floor area determination unit, 17 Wall area determination unit, 18 Human area determination unit, 20 Image storage circuit, 21 Outside temperature storage circuit, 22 Similarity calculation circuit, 23 Window area determination circuit, 24 standard deviation calculation circuit, 25 foreground area determination circuit, 26 floor area determination circuit, 27 wall area determination circuit, 28 human area determination circuit, 31 memory, 32 processors.
Claims (11)
前記画像に含まれている複数の画素のうち、前記類似度算出部により算出された評価値が第1の閾値よりも大きい画素を含む領域が、前記画像の中で、窓が在る領域であると判定する窓領域判定部と
を備えた室内レイアウト推定装置。As the evaluation values of each of the plurality of pixels included in the image output from the infrared camera that is capturing the target area, the temporal transition of each pixel value in the plurality of pixels and the temporal time of the outside air temperature. The similarity calculation unit that calculates the similarity with the transition,
Of the plurality of pixels included in the image, the region including the pixels whose evaluation value calculated by the similarity calculation unit is larger than the first threshold value is the region in the image where the window is present. An indoor layout estimation device equipped with a window area determination unit for determining the existence.
前記複数の画素群の中で、前記標準偏差算出部により算出された評価値が第2の閾値よりも大きい画素群を特定し、それぞれの画像に含まれている複数の画素のうち、特定した画素群に含まれている画素を含む領域が、それぞれの画像の中の前景領域であると判定する前景領域判定部と
を備えたことを特徴とする請求項1記載の室内レイアウト推定装置。Among the plurality of pixels included in each of the plurality of images output from the infrared camera, each pixel group is used as an evaluation value of each of the plurality of pixel groups including the plurality of pixels having the same pixel position. A standard deviation calculation unit that calculates the standard deviation of pixel values in a plurality of pixels included in
Among the plurality of pixel groups, a pixel group in which the evaluation value calculated by the standard deviation calculation unit is larger than the second threshold value is specified, and among the plurality of pixels included in each image, the specified pixel group is specified. The indoor layout estimation device according to claim 1, further comprising a foreground area determination unit for determining that the area including the pixels included in the pixel group is the foreground area in each image.
前記赤外線カメラから撮像時刻が互いに異なる複数の画像が出力されると、前記複数の画像のそれぞれに含まれている複数の画素の中で、画素位置が互いに同一の画素を含む複数の画素群のそれぞれを特定する画素群特定部と、
前記画素群特定部により特定されたそれぞれの画素群の評価値として、それぞれの画素群に含まれている複数の画素における画素値の標準偏差を算出する偏差算出処理部とを備えていることを特徴とする請求項2記載の室内レイアウト推定装置。The standard deviation calculation unit
When a plurality of images having different imaging times are output from the infrared camera, among the plurality of pixels included in each of the plurality of images, a plurality of pixel groups including pixels having the same pixel position. Pixel group identification part that identifies each, and
As an evaluation value of each pixel group specified by the pixel group specifying unit, a deviation calculation processing unit for calculating a standard deviation of pixel values in a plurality of pixels included in each pixel group is provided. The indoor layout estimation device according to claim 2, which is characterized.
前記偏差算出処理部は、前記画素群特定部によりそれぞれの画素群が特定される毎に、前記画素群特定部により特定されたそれぞれの画素群の評価値として、それぞれの画素群に含まれている複数の画素における画素値の標準偏差を算出することを特徴とする請求項3記載の室内レイアウト推定装置。The pixel group specifying unit includes a part of the images and the new image each time a new image having a different imaging time from the plurality of images is output from the infrared camera. Among the plurality of pixels included in each of the plurality of images, each of the plurality of pixel groups including the pixels having the same pixel position is specified.
The deviation calculation processing unit is included in each pixel group as an evaluation value of each pixel group specified by the pixel group specifying unit each time each pixel group is specified by the pixel group specifying unit. The indoor layout estimation device according to claim 3, wherein a standard deviation of pixel values in a plurality of pixels is calculated.
窓領域判定部が、前記画像に含まれている複数の画素のうち、前記類似度算出部により算出された評価値が第1の閾値よりも大きい画素を含む領域が、前記画像の中で、窓が在る領域であると判定する
室内レイアウト推定方法。The similarity calculation unit sets the evaluation value of each of the plurality of pixels included in the image output from the infrared camera capturing the target area as the temporal transition of each pixel value in the plurality of pixels. , Calculate the similarity with the temporal transition of the outside temperature,
Among the plurality of pixels included in the image, the area including the pixel whose evaluation value calculated by the similarity calculation unit is larger than the first threshold value is included in the image. An indoor layout estimation method that determines that the area has windows.
前記室内レイアウト推定装置における領域の判定結果に基づいて、前記対象領域内の空気を調整する制御部と
を備えた空気調和機。The indoor layout estimation device according to any one of claims 1 to 9, and the indoor layout estimation device.
An air conditioner including a control unit that adjusts the air in the target area based on the determination result of the area in the indoor layout estimation device.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/030267 WO2021019768A1 (en) | 2019-08-01 | 2019-08-01 | Indoor layout estimation device, indoor layout estimation method, and air conditioner |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021019768A1 JPWO2021019768A1 (en) | 2021-11-18 |
JP6987314B2 true JP6987314B2 (en) | 2021-12-22 |
Family
ID=74230575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021536578A Active JP6987314B2 (en) | 2019-08-01 | 2019-08-01 | Indoor layout estimation device, indoor layout estimation method and air conditioner |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6987314B2 (en) |
WO (1) | WO2021019768A1 (en) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5389727B2 (en) * | 2009-04-15 | 2014-01-15 | パナソニック株式会社 | Air conditioning system |
JP5795099B2 (en) * | 2014-04-10 | 2015-10-14 | 三菱電機株式会社 | Air conditioner |
JP6242300B2 (en) * | 2014-06-25 | 2017-12-06 | 三菱電機株式会社 | Air conditioner indoor unit and air conditioner |
-
2019
- 2019-08-01 JP JP2021536578A patent/JP6987314B2/en active Active
- 2019-08-01 WO PCT/JP2019/030267 patent/WO2021019768A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2021019768A1 (en) | 2021-02-04 |
JPWO2021019768A1 (en) | 2021-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102213328B1 (en) | Video processing apparatus, video processing method, and program | |
US9715627B2 (en) | Area information estimating device, area information estimating method, and air conditioning apparatus | |
JP6273685B2 (en) | Tracking processing apparatus, tracking processing system including the tracking processing apparatus, and tracking processing method | |
JP4852159B2 (en) | Image processing apparatus, image processing method, and air conditioning control apparatus | |
CN105979134B (en) | Image processing apparatus, image processing method, and image processing system | |
JP6356266B2 (en) | Crowd monitoring system | |
US20090220123A1 (en) | Apparatus and method for counting number of objects | |
BR102012030034B1 (en) | system and method for generating a raw depth map | |
JP6024658B2 (en) | Object detection apparatus, object detection method, and program | |
US20090175500A1 (en) | Object tracking apparatus | |
JP7192582B2 (en) | Object tracking device and object tracking method | |
JP2017041022A (en) | Information processor, information processing method and program | |
JP7217058B2 (en) | Detecting the presence of one or more human occupants in the built space in real time using one or more thermographic cameras and one or more RGB-D sensors to estimate thermal comfort | |
JP5127531B2 (en) | Image monitoring device | |
US5805718A (en) | Clothing amount measuring apparatus and method using image processing | |
US10762372B2 (en) | Image processing apparatus and control method therefor | |
KR101469099B1 (en) | Auto-Camera Calibration Method Based on Human Object Tracking | |
JP6987314B2 (en) | Indoor layout estimation device, indoor layout estimation method and air conditioner | |
WO2018163243A1 (en) | Object tracking device and object tracking method | |
JP7484924B2 (en) | Imaging device, image processing system, image processing method and program | |
JP7243372B2 (en) | Object tracking device and object tracking method | |
KR101290517B1 (en) | Photographing apparatus for tracking object and method thereof | |
JP2019121904A (en) | Suspicious person detection apparatus, suspicious person detection method and suspicious person detection computer program | |
JP5805511B2 (en) | Image monitoring device | |
JP2008269218A (en) | Image processor, image processing method, and image processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210714 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210714 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211102 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6987314 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |