JP7161920B2 - 店舗装置 - Google Patents
店舗装置 Download PDFInfo
- Publication number
- JP7161920B2 JP7161920B2 JP2018211504A JP2018211504A JP7161920B2 JP 7161920 B2 JP7161920 B2 JP 7161920B2 JP 2018211504 A JP2018211504 A JP 2018211504A JP 2018211504 A JP2018211504 A JP 2018211504A JP 7161920 B2 JP7161920 B2 JP 7161920B2
- Authority
- JP
- Japan
- Prior art keywords
- notification
- store
- person
- unit
- image
- 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
Landscapes
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Description
モデル131は、店舗内を撮影した撮影画像から検出された人物への対処の必要性の度合いを示す要対処度を算出するために使用される判定モデルであり、予め設定される。対処が必要な人物とは、例えば不審人物、又は、困っている人物等である。不審人物とは、例えば長時間滞留している人物、刃物等の凶器を所持している人物、奇声を発する人物、サングラスもしくはマスク等で顔を覆っている人物、又は、万引き等の窃盗行為を画策して周辺を観察している人物等である。困っている人物とは、例えば何かを探してうろうろしている人物、又は、体調不良等のため、うずくまっている人物等である。
背景画像132は、各撮像装置21が、動物体が存在しないときに店舗内を撮影した画像である。
また、人物検出手段143は、画像取得手段142が順次取得した撮影画像において、検出した各人物領域に対して公知のトラッキング技術を用いて追跡処理を実行する。人物検出手段143は、例えば、最新の撮影画像内の人物領域のそれぞれについて、その人物領域の重心位置と、直前の撮影画像から検出された人物領域の重心位置との距離を算出し、距離が所定の閾値以下である人物領域を同一人物による人物領域として対応付ける。なお、人物検出手段143は、オプティカルフロー、パーティクルフィルタ等の方法を用いて追跡処理を実行してもよい。
撮影画像から人物が検出されなかった場合、人物検出手段143は、処理をステップS101へ戻す。
行動価値関数Qの更新式は、以下の式(1)のように表される。
一方、全ての人物について算出された要対処度が閾値未満である場合、自動通報手段145は、要対処度が、閾値より小さい第2閾値以上であるか否かを判定する(ステップS108)。第2閾値は、事前の実験による実験結果に基づいて予め設定される。全ての人物について算出された要対処度が第2閾値未満である場合、自動通報手段145は、通報を監視装置30に送信しないことを決定し(ステップS109)、処理をステップS101へ戻す。
一方、何れかの人物について算出された要対処度が第2閾値以上である場合、自動通報手段145は、店舗の各店員に通報指示の実行を促すメッセージを、インタフェース部11を介して各店員が所持する端末装置24に送信し、通知する(ステップS110)。各端末装置24は、通報指示の実行を促すメッセージを受信すると、受信したメッセージを表示又は音声出力し、各店員に通知する。このように、自動通報手段145は、要対処度が第2閾値以上である場合、所定の基準に従って、監視センタの監視装置30に自動通報を送信すること、及び、店舗の店員の端末装置24に通報指示の実行を促すことの内の何れか一方を選択して実行する。特に、自動通報手段145は、要対処度が閾値以上である場合、監視装置30に自動通報を送信することを選択し、要対処度が閾値未満である場合、店舗の店員の端末装置24に通報指示の実行を促すことを選択する。
一方、通報指示信号を受信していない場合、自動通報手段145は、端末装置24にメッセージを送信してから所定時間(例えば10秒間)が経過したか否かを判定する(ステップS113)。所定時間が経過していない場合、自動通報手段145は、処理をステップS111に戻し、再度、通報指示信号を受信したか否かを判定する。
次に、混雑判定手段147は、算出した混雑度に基づいて、店舗が混雑しているか否かを判定する(ステップS115)。混雑判定手段147は、混雑度が所定閾値以上である場合、店舗が混雑していると判定し、混雑度が所定閾値未満である場合、店舗が混雑していないと判定する。
即ち、更新手段146は、自動通報手段145が店舗の店員に通報指示の実行を促し且つ手動通報手段141が監視装置30に手動通報を送信していない場合、撮影画像から検出された人物への対処が不要であるとみなして、モデル131を更新する。但し、自動通報手段145が店舗の店員に通報指示の実行を促し且つ手動通報手段141が手動通報を送信していない場合、混雑判定手段147が店舗が混雑していないと判定したときに限り、モデル131を更新する。これにより、更新手段146は、店員が多忙であるために通報指示を実行できなかった場合に、モデル131を誤って更新することを抑制できる。
更新手段146は、各撮影画像が撮影された時刻を時刻tとし、時刻tにおける撮影画像から検出された人物領域の重心位置を状態stとし、各人物領域の重心位置が、時刻tにおける撮影画像から検出された人物領域の重心位置から、時刻t+1における撮影画像から検出された人物領域の重心位置へ移動したことを行動atとして使用する。更新手段146は、受信した判定結果に対応する各撮影画像の内の最後の撮影画像に係る行動aの報酬rとして0より大きい値を設定し、他の行動aの報酬rとして0を設定する。
更新手段146は、受信した判定結果に対応する各撮影画像を時刻順に参照し、各撮影画像から検出された人物領域に対応するQ(s,a)を、上記の式(1)に従って更新していく。撮影画像に写っている人物に対する対処が不要であるとみなされているため、更新手段146は、行動価値関数Q2(s,a)を更新し、モデル131を、最終的に更新された各Q2(s,a)の値(行動価値)の組合せに更新する。
これにより、更新手段146は、対処が必要な人物が写っていない撮影画像について通報が送信されにくくなるように、モデル131を更新することが可能となる。
図4に示すように、表示画面400には、受信した通報を示す情報401、自動通報或いは手動通報による通報時の撮影画像402、ライブ映像を表示するライブ画像403、音声通知ボタン404、通報ボタン405及び終了ボタン406等が表示される。
情報401には、通報を送信した店舗装置10が設置された店舗の識別情報と、その店舗装置10から受信した通報が手動通報であるか自動通報であるかとが表示される。なお、店舗装置10から受信した通報が手動通報である場合、情報401には、さらに通報を指示した店員もしくは端末装置24の識別情報が表示されてもよい。また、店舗装置10から受信した通報に、行動価値の総和が閾値又は第2閾値以上である人物の識別情報が含まれている場合、情報401には、さらにその人物の識別情報が表示されてもよい。
監視員は、音声通知ボタン404を押下することにより、店舗装置10を介して音出力装置22に所定の音声を出力させることができる。
監視員は、通報ボタン405を押下することにより、監視装置30から、警察等に設置された他の装置(不図示)に通報を送信させることができる。
監視員は、終了ボタン406を押下することにより、表示画面400の表示を終了させることができる。
図2のステップS112で手動通報を送信することが決定された場合、通報指示の実行が促されて手動通報が送信された場合、更新手段146は、モデル131を更新する度合いとして第1度合いを設定する。また、更新手段146は、モデル131の更新に使用する画像として、店舗の各店員に通報指示の実行を促すメッセージが端末装置24に送信された時及びその直前の所定期間に撮影された撮影画像を設定する。更新手段146は、モデル131の更新に使用する画像として、行動価値の総和が第2閾値以上である人物の人物領域のみを設定してもよい。
図2のステップS102で手動通報を送信することが決定された場合、即ち通報指示の実行が促されずに手動通報が送信された場合、更新手段146は、モデル131を更新する度合いとして第2度合いを設定する。第2度合いは、第1度合いより大きい。また、更新手段146は、モデル131の更新に使用する画像として、通報指示が実行される前、即ち手動通報前に撮影され且つ人物が検出された撮影画像を設定する。
このように、評価結果が手動通報に対応する場合、更新手段146は、モデル131の更新に使用する画像として、通報指示が実行される前の所定期間に撮影された撮影画像を設定する。
また、更新手段146は、モデル131を更新する度合いを第1度合いに設定した場合、評価結果に対応する各撮影画像の内の最後の撮影画像に係る行動aの報酬rとして第1値を設定する。また、更新手段146は、モデル131を更新する度合いを第2度合いに設定した場合、評価結果に対応する各撮影画像の内の最後の撮影画像に係る行動aの報酬rとして第1値より大きい第2値を設定する。
なお、更新手段146は、通報指示の実行が促されて手動通報が送信された場合に、通報指示の実行が促されずに手動通報が送信された場合より、モデル131を更新する度合いを大きくしてもよい。その場合、第2度合いは、第1度合いより小さい値に設定される。モデル131が十分に学習されると、通報指示の実行が促されている場合の方が、撮影画像に対処が必要な人物が写っている可能性が高くなる。したがって、更新手段146は、モデル131を適切に更新することが可能となる。
なお、店舗装置10は、図2のステップS108~S116の処理を省略し、要対処度が閾値未満である場合、監視装置30に通報を送信しないことを決定してもよい。また、店舗装置10は、図2のステップS114~S115の処理を省略し、店舗が混雑しているか否かに関わらずモデル103を更新してもよい。
そこで、更新手段146は、監視時間が短い程、モデル131を更新する度合いを大きくし、監視時間が長い程、モデル131を更新する度合いを小さくする。例えば、更新手段146は、監視時間が短い程、判定結果に対応する各撮影画像の内の最後の撮影画像に係る行動aの報酬rとして大きい値を設定し、監視時間が長い程、判定結果に対応する各撮影画像の内の最後の撮影画像に係る行動aの報酬rとして小さい値を設定する。
これにより、更新手段146は、モデル131をより効率良く更新することができる。
その場合、店舗装置10には、不審人物が写っている画像に対する行動価値関数Q3と、困っている人物が写っている画像に対する行動価値関数Q4とが設定される。行動価値関数Q3は、不審人物が写っているサンプル画像群を複数用いて事前に学習され、行動価値関数Q4は、困っている人物が写っているサンプル画像群を複数用いて事前に学習される。行動価値関数Q3及びQ4は、行動価値関数Q1及びQ2と同様にして、設定される。要対処度算出手段144は、各撮影画像から検出された各人物領域について、Q3(s,a)の値(行動価値)と、Q4(s,a)の値(行動価値)とを特定する。要対処度算出手段144は、各撮影画像について算出した各人物に対するQ3(s,a)の値(行動価値)の総和がQ4(s,a)の値(行動価値)の総和以上である場合、その人物は不審人物であると判定する。一方、要対処度算出手段144は、Q3(s,a)の値(行動価値)の総和がQ4(s,a)の値(行動価値)の総和未満である場合、その人物は困っている人物であると判定する。
自動通報手段145は、撮影画像に写っている人物が不審人物である場合、ステップS107において自動通報を監視装置30に送信することを決定し、撮影画像に写っている人物が困っている人物である場合、処理をステップS108へ移行し、要対処度が第2閾値以上であるか否かを判定する。
これにより、撮影画像に不審人物が写っていると推定される場合には、自動的に監視装置30に通報され、監視員により適切な対処が行われる。一方、撮影画像に困っている人物が写っていると推定される場合には、まず店員に通知されて店員により対処が行われ、店員が必要と判断した場合には、さらに監視装置30に通報される。したがって、画像監視システムでは、対処の必要がないにも関わらず、監視装置30に通報されて監視員に負担をかけることが抑制される。
その場合、要対処度算出手段144は、画像が入力された場合に要対処度を出力するように事前学習された識別器により、要対処度を算出する。この識別器は、例えばディープラーニング等により、対処が必要である人物が写っている複数のサンプル画像、及び、対処が必要である人物が写っていない複数のサンプル画像を用いて事前学習され、モデル131として予め第1記憶部13に記憶される。要対処度算出手段144は、人物検出手段143が検出した人物領域を含む画像を識別器に入力し、識別器から出力された要対処度を取得することにより、要対処度を算出する。
一方、図2のステップS116、図3のステップS205において、更新手段146は、モデル131として記憶された識別器を更新する。撮影画像に写っている人物に対する対処が必要である場合、更新手段146は、その撮影画像内の人物領域を、対処が必要である人物が写っているサンプル画像に追加して、識別器を再学習する。一方、撮影画像に写っている人物に対する対処が不要である場合、更新手段146は、その撮影画像内の人物領域を、対処が不要である人物が写っているサンプル画像に追加して、識別器を再学習する。
この場合も、画像監視システムは、モデル131を適切に更新することが可能となり、その結果、要対処度を高精度に算出することが可能となる。
その場合、店舗装置10は、対処が必要である人物が写っている複数の第1画像パターンと、対処が不要である人物が写っている複数の第2画像パターンとをモデル131として第1記憶部13に記憶しておく。要対処度算出手段144は、撮影画像から検出した人物領域と、モデル131として記憶しておいた各画像パターンとの類似度を算出する。類似度は、例えば、人物領域と、画像パターンを人物領域と同じサイズに拡大/縮小した画像との正規化相互相関値とすることができる。要対処度算出手段144は、人物領域と各第1画像パターンの類似度の内の最大値を、人物領域と各第2画像パターンの類似度の内の最大値で除算した値を要対処度として算出する。
一方、図2のステップS116、図3のステップS205において、更新手段146は、モデル131として記憶された画像パターンを更新する。撮影画像に写っている人物に対する対処が必要である場合、更新手段146は、その撮影画像内の人物領域を第1画像パターンに追加する。一方、評価結果が、撮影画像に写っている人物に対する対処が不要である場合、更新手段146は、その撮影画像内の人物領域を第2画像パターンに追加する。
この場合も、画像監視システムは、モデル131を適切に更新することが可能となり、その結果、要対処度を高精度に算出することが可能となる。
Claims (4)
- 店舗を監視する店舗装置であって、
店舗内を撮影した撮影画像を取得する画像取得部と、
前記撮影画像から人物を検出する人物検出部と、
予め設定されたモデルを用いて、前記撮影画像から、前記検出された人物への対処の必要性の度合いを示す要対処度を算出する要対処度算出部と、
前記要対処度が閾値以上である場合、監視装置に自動通報を送信する自動通報部と、
店舗の店員による通報指示に従って、監視装置に手動通報を送信する手動通報部と、
前記手動通報部が前記手動通報を送信した場合、前記通報指示が実行される前の所定期間に撮影された撮影画像に基づいて前記モデルを更新する更新部と、
を有することを特徴とする店舗装置。 - 前記自動通報部は、前記要対処度が前記閾値未満であり、且つ、前記閾値より小さい第2閾値以上である場合、店舗の店員に前記通報指示の実行を促し、
前記更新部は、前記通報指示の実行が促されて前記手動通報が送信された場合と前記通報指示の実行が促されずに前記手動通報が送信された場合とで前記モデルの更新方法を変更する、請求項1に記載の店舗装置。 - 前記更新部は、前記自動通報部が店舗の店員に前記通報指示の実行を促し且つ前記手動通報部が手動通報を送信していない場合、前記検出された人物への対処が必要でないとみなして、前記通報指示の実行が促される際に使用された撮影画像に基づいて前記モデルを更新する、請求項2に記載の店舗装置。
- 店舗が混雑しているか否かを判定する混雑判定部をさらに有し、
前記更新部は、前記自動通報部が店舗の店員に前記通報指示の実行を促し且つ前記手動通報部が前記手動通報を送信していない場合、前記混雑判定部が店舗が混雑していないと判定したときに限り、前記モデルを更新する、請求項3に記載の店舗装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018211504A JP7161920B2 (ja) | 2018-11-09 | 2018-11-09 | 店舗装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018211504A JP7161920B2 (ja) | 2018-11-09 | 2018-11-09 | 店舗装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020077328A JP2020077328A (ja) | 2020-05-21 |
JP7161920B2 true JP7161920B2 (ja) | 2022-10-27 |
Family
ID=70725041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018211504A Active JP7161920B2 (ja) | 2018-11-09 | 2018-11-09 | 店舗装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7161920B2 (ja) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006325164A (ja) | 2005-05-20 | 2006-11-30 | Sumitomo Osaka Cement Co Ltd | 監視装置及びソフトウエアプログラム |
WO2015033576A1 (ja) | 2013-09-06 | 2015-03-12 | 日本電気株式会社 | セキュリティシステム、セキュリティ方法及び非一時的なコンピュータ可読媒体 |
WO2016139940A1 (ja) | 2015-03-02 | 2016-09-09 | 日本電気株式会社 | 画像処理システム、画像処理方法およびプログラム記憶媒体 |
WO2017057135A1 (ja) | 2015-09-30 | 2017-04-06 | 日本電気株式会社 | 情報処理装置、判定装置、通知システム、情報送信方法及びプログラム |
JP2017076171A (ja) | 2015-10-13 | 2017-04-20 | 日本電信電話株式会社 | 万引き検出システム、万引き検出方法及び万引き検出プログラム |
JP2018033050A (ja) | 2016-08-25 | 2018-03-01 | 株式会社知能フレームワーク研究所 | 状態監視システム |
JP2018072881A (ja) | 2016-10-24 | 2018-05-10 | ホーチキ株式会社 | 火災監視システム |
JP2018073024A (ja) | 2016-10-27 | 2018-05-10 | ホーチキ株式会社 | 監視システム |
WO2018173478A1 (ja) | 2017-03-23 | 2018-09-27 | 日本電気株式会社 | 学習装置、学習方法および学習プログラム |
JP2018173914A (ja) | 2017-03-31 | 2018-11-08 | 綜合警備保障株式会社 | 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040025149A (ko) * | 2002-09-18 | 2004-03-24 | 에스엘투(주) | 영상/환경음향을 이용한 보안장치 |
US8587662B1 (en) * | 2008-11-06 | 2013-11-19 | Target Brands, Inc. | Theft trend analysis and response |
-
2018
- 2018-11-09 JP JP2018211504A patent/JP7161920B2/ja active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006325164A (ja) | 2005-05-20 | 2006-11-30 | Sumitomo Osaka Cement Co Ltd | 監視装置及びソフトウエアプログラム |
WO2015033576A1 (ja) | 2013-09-06 | 2015-03-12 | 日本電気株式会社 | セキュリティシステム、セキュリティ方法及び非一時的なコンピュータ可読媒体 |
WO2016139940A1 (ja) | 2015-03-02 | 2016-09-09 | 日本電気株式会社 | 画像処理システム、画像処理方法およびプログラム記憶媒体 |
WO2017057135A1 (ja) | 2015-09-30 | 2017-04-06 | 日本電気株式会社 | 情報処理装置、判定装置、通知システム、情報送信方法及びプログラム |
JP2017076171A (ja) | 2015-10-13 | 2017-04-20 | 日本電信電話株式会社 | 万引き検出システム、万引き検出方法及び万引き検出プログラム |
JP2018033050A (ja) | 2016-08-25 | 2018-03-01 | 株式会社知能フレームワーク研究所 | 状態監視システム |
JP2018072881A (ja) | 2016-10-24 | 2018-05-10 | ホーチキ株式会社 | 火災監視システム |
JP2018073024A (ja) | 2016-10-27 | 2018-05-10 | ホーチキ株式会社 | 監視システム |
WO2018173478A1 (ja) | 2017-03-23 | 2018-09-27 | 日本電気株式会社 | 学習装置、学習方法および学習プログラム |
JP2018173914A (ja) | 2017-03-31 | 2018-11-08 | 綜合警備保障株式会社 | 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2020077328A (ja) | 2020-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11710075B2 (en) | Hazard recognition | |
JP6914699B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP2018085597A (ja) | 人物行動監視装置および人物行動監視システム | |
JP7355674B2 (ja) | 映像監視システムおよび映像監視方法 | |
CN111767888A (zh) | 对象状态检测方法、计算机设备、存储介质和电子设备 | |
KR100822476B1 (ko) | 원격 응급상황 모니터링 시스템 및 방법 | |
CN110506277B (zh) | 用于构建鲁棒的深度卷积神经网络的滤波器重用机制 | |
EP2000998B1 (en) | Flame detecting method and device | |
CN115984967A (zh) | 基于深度学习的人体跌倒检测方法、装置及*** | |
JP2018151834A (ja) | 迷子検出装置および迷子検出方法 | |
JP6912890B2 (ja) | 情報処理装置、情報処理方法、システム | |
JP2022003526A (ja) | 情報処理装置、検出システム、情報処理方法、及びプログラム | |
JP7161920B2 (ja) | 店舗装置 | |
JP7246166B2 (ja) | 画像監視システム | |
JP7220057B2 (ja) | 画像監視システム | |
JP7197334B2 (ja) | 画像監視システム | |
JP7138547B2 (ja) | 店舗装置 | |
JP7198052B2 (ja) | 画像監視システム | |
JP7214437B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP2021196741A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2020187389A (ja) | 移動体軌跡分析装置、移動体軌跡分析プログラム、および移動体軌跡分析方法 | |
JP6905849B2 (ja) | 画像処理システム、情報処理装置、プログラム | |
JP5743646B2 (ja) | 異常検知装置 | |
WO2022059223A1 (ja) | 映像解析システムおよび映像解析方法 | |
WO2021241293A1 (ja) | 行動体特定システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210831 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220830 |
|
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: 20220927 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221017 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7161920 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |