JP7351339B2 - 画像処理システム、画像処理プログラム、および画像処理方法 - Google Patents

Description

本発明は、画像処理システム、画像処理プログラム、および画像処理方法に関する。

我が国は、戦後の高度経済成長に伴う生活水準の向上、衛生環境の改善、および医療水準の向上等により、長寿命化が顕著となっている。このため、出生率の低下と相まって、高齢化率が高い高齢化社会になっている。このような高齢化社会では、病気、怪我、および加齢などにより、介護等の対応を必要とする要介護者等の増加が想定される。

要介護者等は、病院や老人福祉施設などの施設において、歩行中に転倒したり、ベッドから転落して怪我をするおそれがある。そのため、要介護者等がこのような状態になったときに介護士や看護師等のスタッフがすぐに駆けつけられるようにするために、撮影された画像から要介護者等の状態を検出するためのシステムの開発が進められている。このようなシステムで要介護者等の状態を検出するためには、画像から検知対象である人物の姿勢や行動を高精度で検出する必要がある。

下記特許文献１には、次の先行技術が開示されている。被監視者の所定行動を検知して通知等をする検知ユニットによる監視機能を、端末ユニットから受信した情報等に基づいて停止する。これにより、必要に応じて監視機能を停止できるため、被監視者以外の者に対する誤検知を低減できる。

国際公開第２０１６／１５２４２８号

しかし、上記特許文献１に開示された先行技術は、被監視者以外の者の行動を被監視者の行動として誤検知することを防止できるが、被監視者の行動の検知精度を向上できないという問題がある。

本発明は、このような問題を解決するためになされたものである。すなわち、撮影された画像に基づく人物の行動の推定精度を向上できる、画像処理システム、画像処理プログラム、および画像処理方法を提供することを目的とする。

本発明の上記課題は、以下の手段によって解決される。

（１）撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する第１検出部と、前記画像に基づいて、前記対象者の体に関する特徴点を特定する特定部と、前記特定部により特定された前記特徴点に基づいて、前記対象者の所定部位の移動量を検出する第２検出部と、前記第１検出部により検出された、所定時間の前記対象者の移動量と、前記第２検出部により検出された、前記所定時間の前記対象者の所定部位の移動量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する判定部と、前記判定部により、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する出力部と、を有する画像処理システム。

（２）前記判定部は、前記第１検出部により検出された、前記所定時間の前記対象者の移動量が第１閾値以下で、かつ、前記第２検出部により検出された、前記所定時間の前記対象者の所定部位の移動量が第２閾値以上である場合に、前記対象者の行動が前記所定行動に含まれる行動であると判定する、上記（１）に記載の画像処理システム。

（３）前記特徴点は、頭部または関節点である、上記（１）または（２）に記載の画像処理システム。

（４）撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する第１検出部と、前記画像に基づいて、前記対象者の体に関する特徴点である、前記対象者の頭部を特定する特定部と、前記特定部により特定された前記頭部に基づいて、前記頭部の面積を算出して、前記頭部の面積の変化量を検出する第３検出部と、前記第１検出部により検出された、所定時間の前記対象者の移動量と、前記第３検出部により検出された、前記所定時間の前記頭部の面積の変化量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する判定部と、前記判定部により、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する出力部と、を有する画像処理システム。

（５）前記判定部は、前記第１検出部により検出された、前記所定時間の前記対象者の移動量が第１閾値以下で、かつ、前記第３検出部により算出された、前記所定時間の前記対象者の前記頭部の面積の変化量が第３閾値以上である場合に、前記対象者の行動が前記所定行動に含まれる行動であると判定する、上記（４）に記載の画像処理システム。

（６）前記第１閾値および前記第２閾値の少なくともいずれかは、前記撮影装置から前記対象者までの距離に対応する、前記画像上の前記対象者の位置に応じて設定される、上記（２）に記載の画像処理システム。

（７）前記第１閾値および前記第３閾値の少なくともいずれかは、前記撮影装置から前記対象者までの距離に対応する、前記画像上の前記対象者の位置に応じて設定される、上記（５）に記載の画像処理システム。

（８）前記所定部位は、前記特定部により特定された前記特徴点の中の一部の前記特徴点に基づいて特定される点である、上記（１）～（３）、（６）のいずれかに記載の画像処理システム。

（９）前記所定部位は、前記特定部により特定された前記特徴点の中の１つまたは複数の前記特徴点である、上記（１）～（３）、（６）のいずれかに記載の画像処理システム。

（１０）前記所定行動は、起床、離床、転倒、および転落の少なくともいずれかである、上記（１）～（９）のいずれかに記載の画像処理システム。

（１１）前記撮影装置は広角カメラであり、前記画像には、所定の領域を俯瞰する位置に設置された前記広角カメラにより撮影された前記領域が含まれる、上記（１）～（１０）のいずれかに記載の画像処理システム。

（１２）撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する手順（ａ）と、前記画像に基づいて、前記対象者の体に関する特徴点を特定する手順（ｂ）と、前記手順（ｂ）において特定された前記特徴点に基づいて、前記対象者の所定部位の移動量を検出する手順（ｃ）と、前記手順（ａ）において検出された、所定時間の前記対象者の移動量と、前記手順（ｃ）において検出された、前記所定時間の前記対象者の所定部位の移動量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する手順（ｄ）と、前記手順（ｄ）において、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する手順（ｅ）と、を有する処理をコンピューターに実行させるための画像処理プログラム。

（１３）撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する手順（ｆ）と、前記画像に基づいて、前記対象者の体に関する特徴点である、前記対象者の頭部を特定する手順（ｇ）と、前記手順（ｇ）において特定された前記頭部に基づいて、前記頭部の面積を算出して、前記頭部の面積の変化量を検出する手順（ｈ）と、前記手順（ｆ）において検出された、所定時間の前記対象者の移動量と、前記手順（ｈ）において算出された、前記所定時間の前記対象者の前記頭部の面積の変化量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する手順（ｉ）と、前記手順（ｉ）において、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する手順（ｊ）と、を有する処理をコンピューターに実行させるための画像処理プログラム。

（１４）画像処理システムに実行させる方法であって、撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する段階（ａ）と、前記画像に基づいて、前記対象者の体に関する特徴点を特定する段階（ｂ）と、前記段階（ｂ）において特定された前記特徴点に基づいて、前記対象者の所定部位の移動量を検出する段階（ｃ）と、前記段階（ａ）において検出された、所定時間の前記対象者の移動量と、前記段階（ｃ）において検出された、前記所定時間の前記対象者の所定部位の移動量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する段階（ｄ）と、前記段階（ｄ）において、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する段階（ｅ）と、を有する画像処理方法。

（１５）画像処理システムに実行させる方法であって、撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する段階（ｆ）と、前記画像に基づいて、前記対象者の体に関する特徴点である、前記対象者の頭部を特定する段階（ｇ）と、前記段階（ｇ）において特定された前記頭部に基づいて、前記頭部の面積を算出して、前記頭部の面積の変化量を検出する段階（ｈ）と、前記段階（ｆ）において検出された、所定時間の前記対象者の移動量と、前記段階（ｈ）において算出された、前記所定時間の前記対象者の前記頭部の面積の変化量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する段階（ｉ）と、前記段階（ｉ）において、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する段階（ｊ）と、を有する画像処理方法。

撮影された画像に基づいて検出した対象者の移動量と、当該画像から特定した対象者の体に関する特徴点に基づいて検出した対象者の所定部位の移動量と、に基づいて対象者の行動が所定行動に含まれると判定したときに、対象者の行動に関する情報を出力する。これにより、撮影された画像に基づく人物の行動の推定精度を向上できる。

画像認識システムの概略構成を示す図である。 検出部の構成を示すブロック図である。 制御部の機能ブロック図である。 画像において検出された人物領域を示す図である。 特徴点を示す図である。 所定行動である転倒および転落のいずれかの行動であると判定される画像の例を示す説明図である。 所定行動である転倒および転落のいずれかの行動であると判定される画像の例を示す説明図である。 サーバーの構成を示すブロック図である。 携帯端末の構成を示すブロック図である。 画像認識システムの動作を示すフローチャートである。 制御部の機能ブロック図である。 所定行動である転倒および転落のいずれかの行動であると判定される画像の例を示す説明図である。 所定行動である転倒および転落のいずれかの行動であると判定される画像の例を示す説明図である。 画像認識システムの動作を示すフローチャートである。

以下、図面を参照して、本発明の実施形態に係る、画像処理システム、画像処理プログラム、および画像処理方法について説明する。なお、図面において、同一の要素には同一の符号を付し、重複する説明を省略する。図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

（第１実施形態）
図１は、画像認識システム１０の概略構成を示す図である。

画像認識システム１０は、検出部１００、サーバー２００、通信ネットワーク３００、および携帯端末４００を有する。検出部１００は、通信ネットワーク３００によりサーバー２００および携帯端末４００と相互に通信可能に接続される。携帯端末４００はアクセスポイント３１０を介して通信ネットワーク３００と接続され得る。検出部１００は、画像処理システムを構成する。検出部１００は、１つの一体化された装置でも、分離配置される複数の装置でもあり得る。なお、後述するように、検出部１００の機能の一部をサーバー２００が実施するようにしてもよい。その場合、サーバー２００が画像処理システムを構成し得る。

（検出部１００）
図２は、検出部１００の構成を示すブロック図である。図２の例に示すように、検出部１００は、制御部１１０、通信部１２０、カメラ１３０、および体動センサー１４０を備え、これらはバスによって相互に接続されている。カメラ１３０は、撮影装置を構成する。

制御部１１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等のメモリにより構成され、プログラムに従って検出部１００の各部の制御および演算処理を行う。制御部１１０は、第１検出部、特定部、第２検出部、および判定部を構成する。制御部１１０は、通信部１２０とともに出力部を構成する。制御部１１０の作用の詳細については後述する。

通信部１２０は、通信ネットワーク３００を介して、携帯端末４００等と通信するためのインターフェース回路（例えばＬＡＮカード等）である。

カメラ１３０は、例えば広角カメラである。カメラ１３０は、検出部１００が対象者５００の居室の天井等に設置されることで、所定の領域を俯瞰する位置に設置され、当該所定の領域を含む画像（以下、単に「画像６００」とも称する）を撮影する。対象者５００は、例えばスタッフ等により介護または看護を必要とする者である。所定の領域は対象者５００の居室の床面全体を含む３次元の領域であり得る。カメラ１３０は、広角カメラより画角が狭い標準カメラであってもよい。以下、説明を簡単にするために、カメラ１３０は、広角カメラであるものとして説明する。画像６００には、対象者５００が画像として含まれ得る。画像６００には、静止画および動画が含まれる。カメラ１３０は近赤外線カメラであり、ＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｅｖｉｃｅ）により近赤外線を撮影領域に向けて照射し、撮影領域内の物体により反射される近赤外線の反射光をＣＭＯＳ（Ｃｏｍｐｌｅｍｅｍｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）センサーにより受光することで所定の領域を撮影し得る。画像６００は近赤外線の反射率を各画素とするモノクロ画像であり得る。カメラ１３０は、近赤外線カメラに代替して可視光カメラを用いてもよく、これらを併用してもよい。

体動センサー１４０は、ベッド７００に対してマイクロ波を送受信して対象者５００の体動（例えば呼吸動）によって生じたマイクロ波のドップラシフトを検出するドップラシフト方式のセンサーである。

制御部１１０の作用について説明する。

図３は、制御部１１０の機能ブロック図である。制御部１１０は、対象者移動量検出部（第１検出部）１１１、特定部１１２、部位移動量検出部（第２検出部）１１３、判定部１１４、および出力部１１５として機能する。

制御部１１０が、図３の機能ブロック図に示す機能を実行するように作用するのは、制御部１１０が、画像６００から検出した人の画像のシルエット（以下、「人シルエット」と称する）に基づいて、対象者５００の所定行動を検出したときである。所定行動には、例えば、起床、離床、転倒、および転落が含まれる。まず、人シルエットに基づいて、対象者５００の所定行動を検出する、制御部１１０の作用について説明する。以下、説明を簡単にするために、所定行動は、転倒および転落であるものとして説明する。

制御部１１０は、画像６００から人シルエットを検出する。人シルエットは、例えば、撮影時刻が前後する画像（フレーム）の差分を抽出する時間差分法により差分が相対的に大きい画素の範囲を抽出することで検出され得る。人シルエットは、撮影画像と背景画像との差分を抽出する背景差分法により検出されてもよい。制御部１１０は、人シルエットに基づいて、対象者５００の所定行動を検出し得る。制御部１１０は、例えば、検出されたシルエットの重心が、時系列で動いていた状態から急に停止した状態に変化したことや、人シルエットに対応する矩形のアスペクト比の変化等により、転倒を検出し得る。制御部１１０は、例えば、人シルエットがベッド７００の領域内に存在している状態から急にベッド７００の領域外に存在している状態に変化したことや、人シルエットに対応する矩形のアスペクト比の変化等により、転落を検出し得る。画像６００におけるベッド７００の領域は、検出部１００が設置される際に予め設定され、データとして制御部１１０のメモリに記憶され得る。なお、制御部１１０は、人シルエットと、ベッド７００の領域との関係や、人シルエットに対応する矩形のアスペクト比の変化等により、起床および離床をそれぞれ検出し得る。後述するように、制御部１１０は、人シルエットに基づいて検出された、対象者５００の所定行動を示す行動特定情報をサーバー２００に送信し得る。

制御部１１０は、画像６００から検出した人シルエットに基づいて、対象者５００の所定行動を検出したことを契機として、図３の機能ブロック図に示す機能を実行するように作用する。

対象者移動量検出部１１１は、画像６００に基づいて、対象者５００を含む領域として、人物領域６１０を検出する。

図４は、画像６００において検出された人物領域６１０を示す図である。

対象者移動量検出部１１１は、画像６００から、人物である対象者５００を含む領域を人物領域６１０として検出する。具体的には、対象者移動量検出部１１１は、画像６００上で物体（オブジェクト）が存在する領域を検出し、検出した領域に含まれる物体のカテゴリーを推定することで、人物領域６１０を検出し得る。物体が存在する領域は、画像６００上で物体が含まれる矩形（候補矩形）として検出され得る。検出部１００は、検出された候補矩形のうち、物体のカテゴリーが人物であると推定された候補矩形を検出することで、人物領域６１０を検出する。人物領域６１０は、ニューラルネットワーク（以下、「ＮＮ」と称する）を用いて検出され得る。ＮＮによる人物領域６１０の検出方法としては、例えば、Ｆａｓｔｅｒ Ｒ－ＣＮＮ、Ｆａｓｔ Ｒ－ＣＮＮ、およびＲ－ＣＮＮといった公知の方法が挙げられる。画像６００から人物領域６１０を検出するためのＮＮは、画像６００と、当該画像６００に対する正解として設定された人物領域６１０との組合せの教師データを用いて、画像６００から人物領域６１０を検出（推定）するための学習が予めされる。

対象者移動量検出部１１１は、時間的に前後するフレームの人物領域６１０の重心をそれぞれ算出することにより、人物領域６１０の重心の移動量を、対象者５００の移動量（以下、「対象者移動量」とも称する）として検出し得る。なお、対象者移動量検出部１１１は、時間的に前後するフレームの人物領域６１０のいずれかの頂点（例えば、右上角）の移動量を、対象者５００の移動量として検出してもよい。

対象者移動量検出部１１１は、所定時間経過することによる、対象者５００の移動量を検出する。所定時間は、例えば、画像６００の隣接するフレームにおいて、先に撮影されたフレームが撮影された時間から、後に撮影されたフレームが撮影されるまでの時間である。所定時間は、対象者５００の行動が所定行動に含まれるかどうかの判定精度の観点から、実験により、適当に設定され得る。

特定部１１２は、人物領域６１０から、人の体に関する特徴点（以下、単に「特徴点６２０」とも称する）を検出する。

図５は、特徴点６２０を示す図である。特徴点６２０には、関節点６２１、および頭部６２２が含まれ得る。

特定部１１２は、対象者移動量検出部１１１により検出された人物領域６１０に基づいて、特徴点６２０を検出する。関節点６２１には、例えば、腰の関節点６２１ａ、６２１ｂが含まれる。頭部６２２は、例えば、対象者５０の頭を含む領域（例えば、頭部矩形）の２つの対頂点である。関節点６２１および頭部６２２は、画像６００における座標として検出され得る。頭部６２２は、画像６００における、対象者５０の頭の位置および面積を特定可能なパラメーターであればよく、対象者５０の頭を含む円の内部領域の重心と、当該内部領域の半径の組合せであってもよい。特徴点６２０は、ＤｅｅｐＰｏｓｅ等のＮＮを用いた公知の技術により検出され得る。ＤｅｅｐＰｏｓｅについては、公知の文献（Alexander Toshev, et al. “DeepPose: Human Pose Estimation via DeepNeural Networks”, in CVPR, 2014）に詳細が記載されている。人物領域６１０から特徴点６２０を検出するためのＮＮは、人物領域６１０と、当該人物領域６１０に対する正解として設定された特徴点６２０との組合せの教師データを用いて、人物領域６１０から特徴点６２０を検出（推定）するための学習が予めされる。なお、特徴点６２０は、画像６００から特徴点６２０を検出するためのＮＮを用いて、画像６００から直接推定されてもよい。この場合、画像６００から特徴点６２０を検出するためのＮＮは、画像６００と、当該画像６００に対する正解として設定された特徴点６２０との組合せの教師データを用いて、画像６００から特徴点６２０を検出（推定）するための学習が予めされる。

部位移動量検出部１１３は、特定部１１２により特定された特徴点６２０に基づいて、対象者５００の所定部位の移動量（以下、「部位移動量」とも称する）を検出する。所定部位は、特定部１１２により特定された特徴点６２０の中の一部の特徴点６２０に基づいて特定される点であり得る。例えば、所定部位は腰の関節点６２１ａ、６２１ｂの重心であり得る。所定部位は、特定部１１２により特定された特徴点６２０の中の１つまたは複数の特徴点６２０であってもよい。所定部位は、右腰の関節点６２１ａ（または左腰の関節点６２１ｂ）であってもよい。例えば、所定部位は、右腰の関節点６２１ａおよび左腰の関節点６２１ｂの２つの関節点６２１であってもよい。以下、説明を簡単にするために、所定部位は、右腰の関節点６２１ａであるものとして説明する。

判定部１１４は、対象者移動量と部位移動量に基づいて、対象者５００の行動が所定行動に含まれる行動かどうか判定する。具体的には、判定部１１４は、対象者移動量と部位移動量に基づいて、「所定行動である転倒および転落のいずれかである」、または「所定行動である転倒および転落のいずれでもない」、のいずれかであると判定する。

図６Ａおよび図６Ｂは、所定行動である転倒および転落のいずれかの行動であると判定される画像６００の例を示す説明図である。

図６Ａは、対象者５００が立位の姿勢にある、ｔフレーム目の画像６００を示している。図６Ｂは、対象者５００が臥位の姿勢にある、ｔフレームよりαフレーム後のｔ＋αフレーム目の画像６００を示している。αは、例えば１であるが、画像６００のフレームレートに応じて変え得る。αは、所定行動に含まれるかどうかの判定精度の観点から、実験により、適当な値に設定され得る。立位の姿勢から、αフレーム後に臥位の姿勢になるような対象者５００の行動には、転倒および転落が含まれる。

図６Ａと図６Ｂを比較すると、人物領域６１０の重心は比較的位置が変化していない。すなわち、対象者移動量が比較的小さい。一方、所定部位である、右腰の関節点６２１ａは、右上の方向へ比較的大きく位置が変化している。すなわち、部位移動量が比較的大きい。よって、対象者５００の位置が比較的変化することなく、対象者５００の一部のみが比較的急激に変化している。このような特徴的な変化は、対象者５００の姿勢が立位から臥位に比較的短時間に変化していることを示しており、対象者５００が転倒および転落のいずれかの行動をした可能性が高いことを示している。このように、人物領域６１０の重心が比較的変化せず、所定部位が比較的急激に変化したときに、所定行動である転倒および転落のいずれかの行動をしたと判定できる。なお、対象者５００がベッド７００の上で上半身を起こすという起床の行動や、対象者５００がベッド７００の上で臥位の姿勢から座位の姿勢になるという離床の行動も、対象者５００の位置が比較的変化することなく、対象者５００の一部のみが比較的急激に変化する。このため、例えば、所定部位として頭部６２２や足の先端の関節点６２１ｃ、６２１ｄを設定することにより、起床および離床の行動をしたと判定できる。すなわち、起床および離床を所定行動に含めてもよい。

判定部１１４は、対象者移動量が第１閾値以下で、かつ部位移動量が第２閾値以上である場合に、対象者５００の行動が所定行動に含まれる行動であると判定する。すなわち、判定部１１４は、対象者移動量が第１閾値以下で、かつ部位移動量が第２閾値上である場合に、対象者５００の行動が所定行動である転倒および転落のいずれかであると判定する。第１閾値および第２閾値は、所定行動に含まれるかどうかの判定精度の観点から、実験により適当に設定され得る。なお、対象者移動量と、部位移動量とに基づく判定では、転倒および転落を区別しない。しかし、転倒か転落かは、人シルエットに基づく所定行動の検出において区別されているため、転倒および転落のいずれかであると判定できれば十分である。人シルエットに基づいて転倒または転落が検出されたときに、さらに、対象者移動量と、部位移動量とに基づいて、転倒および転落のいずれかであると判定することにより、転倒および転落の検出精度を向上できる。そして、後述するように、対象者移動量と、部位移動量とに基づいて、転倒および転落のいずれかであると判定された場合にのみ、出力部１１５により対象者５００の行動に関する情報が出力されるため、人シルエットに基づく所定行動の誤検知を抑制できる。

なお、所定部位を複数の特徴点６２０とし、それぞれの特徴点６２０についての部位移動量が検出される場合は、検出された複数の部位移動量のいずれか１つが第２閾値以上であれば、対象者５００の行動が所定行動に含まれる行動であると判定され得る。検出された複数の部位移動量のすべてが第２閾値以上であれば、対象者５００の行動が所定行動に含まれる行動であると判定されてもよい。また、検出された複数の部位移動量のうち第２閾値以上のものの数が第２閾値未満のものの数より多ければ、対象者５００の行動が所定行動に含まれる行動であると判定されてもよい。

第１閾値および第２閾値の少なくともいずれかは、画像６００における対象者５００の位置に応じて設定される。画像６００における対象者５００の位置は、カメラ１３０から対象者５００までの距離に対応する。例えば、カメラ１３０の直下が画像６００の中心に設定される場合は、カメラ１３０から対象者５００までの距離は、画像６００における、画像６００の中心から対象者５００までの距離に対応する。従って、第１閾値および第２閾値が、カメラ１３０から対象者５００までの距離に応じて設定されることは、第１閾値および第２閾値が画像６００における、画像６００の中心から対象者５００までの距離に応じて設定されることに対応する。例えば、画像６００の中心から比較的短い距離の範囲内を第１範囲、画像６００の中心から比較的遠い距離の範囲内を第３範囲、第１範囲と第３範囲の間の範囲を第２範囲とする。そして、第１範囲に設定する第１閾値、第２範囲に設定する第１閾値、第３範囲に設定する第１閾値の順に第１閾値を小さく設定し得る。また、第１範囲に設定する第２閾値、第２範囲に設定する第２閾値、第３範囲に設定する第２閾値の順に第２閾値を小さく設定し得る。すなわち、カメラ１３０から対象者５００までの距離が長いほど所定行動に含まれると判定する基準を厳しい基準にする。これは、画像６００の中心から遠い対象者５００の画像の方が全体の画像６００に占める割合が小さくなるためである。この傾向は、広角カメラで撮影された画像６００のように、広角レンズの特性に起因して、画像６００の中心の歪みは比較的小さく、周辺に行くに従い歪みが大きくなっているような場合に特に顕著になる。

出力部１１５は、判定部１１４による対象者５００の行動の判定結果が、対象者５００が所定行動に含まれる行動であるという判定結果である場合、対象者５００の行動に関する情報を、通信部１２０によりサーバー２００に送信すること等により、出力する。対象者５００の行動に関する情報は、対象者５００の行動が所定行動のいずれかであることを示す第１情報、または、人シルエットに基づき検出された所定行動の確度（確率）が高いことを示す第２情報であり得る。第１情報は、例えば、「対象者５００の行動が、転倒および転落のいずれかである」という情報である。第２情報は、例えば、「検出された行動である確率が高い」という情報である。制御部１１０は、上述したように、対象者５００の行動に関する情報と関連付けて、人シルエットに基づいて検出された、対象者５００の所定行動を示す行動特定情報をさらにサーバー２００等に送信し得る。第１情報、第２情報、および行動特定情報には、対象者５００のＩＤ（番号）等の対象者５００を特定する情報、および画像６００の撮影時間等が含まれることで関連付けされ得る。後述するように、サーバー２００において、行動特定情報と、対象者５００の行動に関する情報と、に基づいて、対象者５００が、人シルエットに基づいて検出された所定行動をしたという最終判断がされ得る。

また、制御部１１０により、人シルエットに基づいて対象者５００の所定行動のいずれかが検出され、かつ、判定部１１４による対象者５００の行動の判定結果が、対象者５００が所定行動に含まれる行動である場合、制御部１１０が、対象者５００が人シルエットに基づいて検出された所定行動をしたという最終判断をしてもよい。この場合、出力部１１５は、対象者５００が所定行動をしたという最終判断を示す第３情報を、対象者５００の行動に関する情報としてサーバー２００等に送信（出力）し得る。なお、この場合、行動特定情報はサーバー２００等に送信される必要はない。第３情報は、例えば、「対象者５００が転倒した」という情報である。第３情報には、対象者５００の氏名等の対象者５００を特定する情報が含まれる。

また、図３に示す制御部１１０の機能は、サーバー２００により実行されてもよい。この場合、制御部１１０は、画像６００をサーバー２００へ送信するとともに、人シルエットに基づいて検出された、対象者５００の所定行動を示す行動特定情報をサーバー２００へ送信する。サーバー２００は、画像６００に基づいて、対象者移動量と部位移動量を検出し、対象者５００の行動が所定行動に含まれる行動かどうか判定する。サーバー２００は、対象者５００の行動が所定行動に含まれる行動であると判定した場合は、対象者５００が、行動特定情報が示す所定行動をしたという最終判断をする。

（サーバー２００）
図７は、サーバー２００の構成を示すブロック図である。サーバー２００は、制御部２１０、通信部２２０、および記憶部２３０を備える。各構成要素は、バスによって、相互に接続されている。

制御部２１０および通信部２２０の基本構成は、検出部１００の対応する構成要素である、制御部１１０および通信部１２０と同様である。記憶部２３０は、ＲＡＭ、ＲＯＭ、ＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）等により構成される。

制御部２１０は、通信部２２０により、検出部１００から対象者５００の行動に関する情報を受信する。制御部２１０は、検出部１００から行動特定情報をさらに受信し得る。

制御部２１は、対象者５００の行動に関する情報が、対象者５００の行動が所定行動のいずれかであることを示す第１情報である場合、対象者５００が、行動特定情報が示す所定行動をしたという最終判断をする。制御部２１は、対象者５００の行動に関する情報が、人シルエットに基づき検出された所定行動の確度（確率）が高いことを示す第２情報である場合も、同様に、対象者５００が、行動特定情報が示す所定行動をしたという最終判断をする。制御部２１は、行動特定情報が示す所定行動をしたという最終判断をしたときに、対象者５００が所定行動（例えば、転倒）をしたことをスタッフ等に通知するためのイベント通知を、携帯端末４００等に送信し得る。

制御部２１は、対象者５００の行動に関する情報が、対象者５００の所定行動をしたという最終判断を示す第３情報である場合、対象者５００が所定行動をしたことをスタッフ等に通知するためのイベント通知を、携帯端末４００等に送信し得る。

サーバー２００は、図３に示す機能を検出部１００に代替して実行し得る。例えば、サーバー２００は、検出部１００から画像６００を受信する。また、サーバー２００は、人シルエットに基づいて検出された、対象者５００の所定行動を示す行動特定情報を受信する。サーバー２００は、行動特定情報を受信したことを契機として、図３に示す機能を実行することで、画像６００に基づいて、対象者移動量と部位移動量を検出し、対象者５００の行動が所定行動に含まれる行動かどうか判定する。サーバー２００は、対象者５００の行動が所定行動に含まれる行動であると判定した場合は、対象者５００が、行動特定情報が示す所定行動をしたという最終判断をする。そして、サーバー２００は、対象者５００の所定行動をしたということを示す、対象者５００の行動に関する情報を、イベント通知として携帯端末４００へ送信し、または表示部（図示せず）に表示することにより出力する。

また、サーバー２００は、検出部１００から画像６００を受信し、検出部１００に代替して、画像６００から人シルエットを検出し、人シルエットに基づいて、対象者５００の所定行動を検出してもよい。そして、対象者５００の所定行動が検出されたことを契機として、図３に示す機能を実行することで、画像６００に基づいて、対象者移動量と部位移動量を検出し、対象者５００の行動が所定行動に含まれる行動かどうか判定する。サーバー２００は、対象者５００の行動が所定行動に含まれる行動であると判定した場合は、対象者５００が、人シルエットに基づいて検出された所定行動をしたという最終判断をする。そして、サーバー２００は、対象者５００の所定行動をしたということを示す、対象者５００の行動に関する情報を、イベント通知として携帯端末４００へ送信し、または表示部（図示せず）に表示することにより出力する。

（携帯端末４００）
図８は、携帯端末４００の構成を示すブロック図である。携帯端末４００は、制御部４１０、無線通信部４２０、表示部４３０、入力部４４０、および音声入出力部４５０を備える。各構成要素は、バスにより相互に接続されている。携帯端末４００は、例えば、タブレット型コンピューター、スマートフォン、または携帯電話等の通信端末機器によって構成され得る。

制御部４１０は、検出部１００の制御部１１０の構成と同様に、ＣＰＵ、ＲＡＭ、ＲＯＭなどの基本構成を備える。

無線通信部４２０は、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）などの規格による無線通信を行う機能を有し、アクセスポイント３１０を経由して、または直接に各装置と無線通信する。無線通信部４２０は、イベント通知をサーバー２００から受信する。

表示部４３０および入力部４４０は、タッチパネルであり、液晶などで構成される表示部４３０の表示面に、入力部４４０としてのタッチセンサーが設けられる。表示部４３０、入力部４４０によって、イベント通知を表示する。そして、イベント通知に関する対象者５００への対応を促す入力画面を表示するとともに、当該入力画面に入力された、スタッフによるイベント通知への対応の意思を受け付けて、サーバー２００へ送信する。

音声入出力部４５０は、例えばスピーカーとマイクであり、無線通信部４２０を介して他の携帯端末４００との間でスタッフ相互間の音声通話を可能にする。また、音声入出力部４５０は、無線通信部４２０を介して検出部１００との間で音声通話を可能にする機能を備え得る。

画像認識システム１０の動作について説明する。

図９は、画像認識システム１０の動作を示すフローチャートである。本フローチャートは、プログラムに従い、検出部１００の制御部１１０により実行され得る。なお、図３に示す機能がサーバー２００により実行される場合は、本フローチャートは、プログラムに従い、サーバー２００の制御部２１０により実行される。

対象者移動量検出部１１１は、画像６００から検出した人シルエットに基づいて、対象者５００の所定行動が検出されたことを契機に、対象者移動量を検出する（Ｓ１０１）。対象者移動量は、時間的に隣接する画像６００のフレームの、時間的に前のフレームから検出された人物領域６１０の重心に対する、時間的に後のフレームから検出された人物領域６１０の重心の移動量として検出され得る。

特定部１１２は、画像６００に基づいて特徴点６２０を特定する（Ｓ１０２）。

部位移動量検出部１１３は、特定された特徴点６２０に基づいて、対象者５００の部位移動量を検出する（Ｓ１０３）。部位移動量は、時間的に隣接する画像６００フレームの、時間的に前のフレームから検出された所定部位に対する、時間的に後のフレームから検出された所定部位の移動量として検出される。

判定部１１４は、対象者移動量が第１閾値以下で、かつ部位移動量が第２閾値以上かどうか判断する（Ｓ１０４）。

判定部１１４は、対象者移動量が第１閾値以下で、かつ部位移動量が第２閾値以上ではないと判断した場合は（Ｓ１０４：ＮＯ）、対象者５００の行動が所定行動に含まれないと判定する（Ｓ１０６）。

判定部１１４は、対象者移動量が第１閾値以下で、かつ部位移動量が第２閾値以上であると判断した場合は（Ｓ１０４：ＹＥＳ）、対象者５００の行動が所定行動に含まれると判定する（Ｓ１０５）。そして、出力部１１５は、対象者５００の行動に関する情報を出力する（Ｓ１０７）。

（第２実施形態）
第２実施形態について説明する。本実施形態と第１実施形態とで異なる点は次の点である。第１実施形態は、対象者移動量と部位移動量とに基づいて、対象者５００の行動が所定行動に含まれるかどうか判定する。一方、本実施形態は、対象者移動量と対象者５００の頭部の面積の変化量とに基づいて、対象者５００の行動が所定行動に含まれるかどうか判定する。その他の点においては、本実施形態は第１実施形態と同様であるため、重複する説明は省略または簡略化する。

図１０は、制御部１１０の機能ブロック図である。制御部１１０は、対象者移動量検出部（第１検出部）１１１、特定部１１２、頭部面積変化量検出部（第３検出部）１１６、判定部１１４、および出力部１１５として機能する。

制御部１１０が、図１０の機能ブロック図に示す機能を実行するように作用するのは、制御部１１０が、画像６００から検出した人シルエットに基づいて、対象者５００の所定行動を検出したときである。

頭部面積変化量検出部１１６は、特定部１１２により特定された特徴点６２０のうち、頭部６２２に基づいて、対象者５００の頭が占める画像６００上の面積（以下、単に「頭部面積」とも称する）の変化量（以下、「頭部面積変化量」とも称する）を検出する。なお、頭部面積変化量は、頭部面積が増大する場合と、頭部面積が減少する場合とで区別可能な量であり得る。頭部面積変化量は、例えば、正負の符号が付されることにより、頭部面積が増大する場合と、頭部面積が減少する場合とが区別され得る。頭部面積変化量は、頭部面積が増大する場合と、頭部面積が減少する場合とにかかわらず、変化前後の頭部面積の差の大きさ（絶対値）を意味する。頭部面積変化量検出部１１６は、頭部６２２（例えば、頭部矩形の２つの対頂点）に基づいて頭部面積を算出して、所定時間の頭部面積変化量を検出する。

判定部１１４は、対象者移動量と頭部面積変化量に基づいて、対象者５００の行動が所定行動に含まれる行動かどうか判定する。所定行動には、例えば、起床、離床、転倒、および転落が含まれ得る。以下、説明を簡単にするために、所定行動は、転倒および転落であるものとして説明する。判定部１１４は、具体的には、対象者移動量と頭部面積変化量に基づいて、「所定行動である転倒および転落のいずれかである」、または「所定行動である転倒および転落のいずれでもない」、のいずれかであると判定する。

図１１Ａおよび図１１Ｂは、所定行動である転倒および転落のいずれかの行動であると判定される画像６００の例を示す説明図である。

図１１Ａは、対象者５００が立位の姿勢にある、ｔフレーム目の画像６００を示している。図１１Ｂは、対象者５００が臥位の姿勢にある、ｔフレームよりαフレーム後のｔ＋αフレーム目の画像６００を示している。αは、例えば１であるが、画像６００のフレームレートに応じて変え得る。αは、所定行動に含まれるかどうかの判定精度の観点から、実験により、適当な値に設定され得る。立位の姿勢から、αフレーム後に臥位の姿勢になるような対象者５００の行動には、転倒および転落が含まれる。

図１１Ａと図１１Ｂとを比較すると、人物領域６１０の重心は比較的変化していない。すなわち、対象者移動量が比較的小さい。一方、頭部６２２に基づいて検出される頭部面積は比較的大きく変化（減少）している。すなわち、頭部面積変化量が比較的大きい。頭部面積が変化するのは、対象者５００の姿勢が立位から臥位に変化することで、カメラ１３０から対象者５００の頭までの距離が比較的大きく変化するからである。頭部面積変化量は、カメラ１３０が広角カメラである場合、広角カメラの歪特性に起因してより大きくなり得る。図１１Ａおよび図１１Ｂの例においては、対象者５００の位置が比較的変化することなく、対象者５００の頭部面積が比較的急激に変化している。このような特徴的な変化は、対象者５００の姿勢が立位から臥位に比較的短時間に変化していることを示しており、対象者５００が転倒および転落のいずれかの行動をしたことを示している。このように、人物領域６１０の重心が比較的変化せず、頭部面積が比較的急激に変化したときに、所定行動である転倒および転落のいずれかの行動をしたと判定できる。なお、対象者５００がベッド７００の上で上半身を起こすという起床の行動や、対象者５００がベッド７００の上で臥位の姿勢から座位の姿勢になるという離床の行動も、対象者５００の位置が比較的変化することなく、対象者５００の頭部面積が比較的急激に変化し得る。このため、例えば、人物領域６１０の重心が比較的変化せず、頭部面積は比較的大きく変化（増大）した場合に、起床および離床の行動をしたと判定できる。従って、起床および離床を所定行動に含めてもよい。

判定部１１４は、対象者移動量が第１閾値以下で、かつ頭部面積変化量が第３閾値上である場合に、対象者５００の行動が所定行動に含まれる行動であると判定する。すなわち、判定部１１４は、対象者移動量が第１閾値以下で、かつ頭部面積変化量が第３閾値上である場合に、対象者５００の行動が所定行動である転倒および転落のいずれかであると判定する。第１閾値および第３閾値は、所定行動に含まれるかどうかの判定精度の観点から、実験により適当に設定され得る。

第１閾値および第３閾値の少なくともいずれかは、画像６００における対象者５００の位置に応じて設定される。画像６００における対象者５００の位置は、カメラ１３０から対象者５００までの距離に対応する。例えば、カメラ１３０の直下が画像６００の中心に設定される場合は、カメラ１３０から対象者５００までの距離は、画像６００における、画像６００の中心から対象者５００までの距離に対応する。従って、第１閾値および第３閾値が、カメラ１３０から対象者５００までの距離に応じて設定されることは、第１閾値および第３閾値が画像６００における、画像６００の中心から対象者５００までの距離に応じて設定されることに対応する。例えば、画像６００の中心から比較的短い距離の範囲内を第１範囲、画像６００の中心から比較的遠い距離の範囲内を第３範囲、第１範囲と第３範囲の間の範囲を第２範囲とする。そして、第１範囲に設定する第１閾値、第２範囲に設定する第１閾値、第３範囲に設定する第１閾値の順に第１閾値を小さく設定し得る。また、第１範囲に設定する第３閾値、第２範囲に設定する第３閾値、第３範囲に設定する第３閾値の順に第３閾値を小さく設定し得る。すなわち、カメラ１３０から対象者５００までの距離が長いほど所定行動に含まれると判定する基準を厳しい基準にし得る。これは、画像６００の中心から遠い対象者５００の画像の方が全体の画像６００に占める割合が小さくなるためである。この傾向は、広角カメラで撮影された画像６００のように、広角レンズの特性に起因して、画像６００の中心の歪みは比較的小さく、周辺に行くに従い歪みが大きくなっているような場合に特に顕著になる。

画像認識システム１０の動作について説明する。

図１２は、画像認識システム１０の動作を示すフローチャートである。本フローチャートは、プログラムに従い、検出部１００の制御部１１０により実行され得る。なお、図１０に示す機能がサーバー２００により実行される場合は、本フローチャートは、プログラムに従い、サーバー２００の制御部２１０により実行される。

対象者移動量検出部１１１は、画像６００から検出した人シルエットに基づいて、対象者５００の所定行動を検出したことを契機に、対象者移動量を検出する（Ｓ２０１）。

特定部１１２は、画像６００に基づいて特徴点６２０である頭部６２２を特定する（Ｓ２０２）。

頭部面積変化量検出部１１６は、特定された頭部６２２に基づいて、頭部面積を算出して、対象者５００の頭部面積変化量を検出する（Ｓ２０３）。頭部面積変化量は、時間的に隣接する画像６００フレームの、時間的に前のフレームから検出された頭部面積に対する、時間的に後のフレームから検出された頭部面積の変化量（減少量）として検出される。

判定部１１４は、対象者移動量が第１閾値以下で、かつ頭部面積変化量が第３閾値以上かどうか判断する（Ｓ２０４）。

判定部１１４は、対象者移動量が第１閾値以下で、かつ頭部面積変化量が第３閾値以上ではないと判断した場合は（Ｓ２０４：ＮＯ）、対象者５００の行動が所定行動に含まれないと判定する（Ｓ２０６）。

判定部１１４は、対象者移動量が第１閾値以下で、かつ頭部面積変化量が第３閾値以上であると判断した場合は（Ｓ２０４：ＹＥＳ）、対象者５００の行動が所定行動に含まれると判定する（Ｓ２０５）。そして、出力部１１５は、対象者５００の行動に関する情報を出力する（Ｓ２０７）。

実施形態は以下の効果を奏する。

撮影された画像に基づいて検出した対象者の移動量と、当該画像から特定した対象者の体に関する特徴点に基づいて検出した対象者の所定部位の移動量と、に基づいて対象者の行動が所定行動に含まれると判定したときに、対象者の行動に関する情報を出力する。これにより、撮影された画像に基づく人物の行動の推定精度を向上できる。

さらに、所定時間の対象者移動量が第１閾値以下で、かつ、当該所定時間の部位移動量が第２閾値以上である場合に、対象者の行動が所定行動に含まれる行動であると判定する。これにより、簡単に撮影された画像に基づく人物の行動の推定精度を向上できる。

さらに、特徴点を、頭部または関節点とする。これにより、簡単かつ効果的に撮影された画像に基づく人物の行動の推定精度を向上できる。

撮影された画像に基づいて検出した対象者の移動量と、当該画像から特定した対象者の頭部に基づいて検出した対象者の頭部面積の変化量と、に基づいて対象者の行動が所定行動に含まれると判定した場合、対象者の行動に関する情報を出力する。これにより、撮影された画像に基づく人物の行動の推定精度を向上できる。

さらに、所定時間の対象者移動量が第１閾値以下で、かつ、当該所定時間の頭部面積の変化量が第３閾値以上である場合に、対象者の行動が所定行動に含まれる行動であると判定する。これにより、簡単に撮影された画像に基づく人物の行動の推定精度を向上できる。

さらに、第１閾値、第２閾値、および第３閾値の少なくともいずれかは、撮影装置から対象者までの距離に対応する、画像上の対象者の位置に応じて設定する。これにより、撮影された画像に基づく人物の行動の推定精度をさらに向上できる。

さらに、所定部位を、特徴点の中の一部の特徴点に基づいて特定される点とする。これにより、撮影された画像に基づく人物の行動の推定精度をさらに効果的に向上できる。

さらに、所定部位を、特徴点の中の１つまたは複数の特徴点とする。これにより、撮影された画像に基づく人物の行動の推定精度をさらに効果的に向上できる。

さらに、所定行動を、起床、離床、転倒、および転落の少なくともいずれかとする。これにより、特定の行動に関する推定精度をさらに効果的に向上できる。

さらに、画像の撮影装置を広角カメラとし、画像を、所定の領域を俯瞰する位置に設置された広角カメラにより撮影された当該所定の領域を含む画像とする。これにより、撮影された画像に基づく人物の行動の推定精度をさらに効果的に向上できる。

以上に説明した画像認識システム１０の構成は、上述の実施形態の特徴を説明するにあたって主要構成を説明したのであって、上述の構成に限られず、特許請求の範囲内において、種々改変することができる。また、一般的な画像認識システムが備える構成を排除するものではない。

例えば、第１実施形態においては、所定部位を右腰の関節点６２１ａとした例について説明した。しかし、第１実施形態における所定部位は、頭部６２２等であってもよい。

また、検出部１００、サーバー２００、および携帯端末４００は、それぞれ複数の装置により構成されてもよく、いずれか複数の装置が単一の装置として構成されてもよい。

また、上述したフローチャートは、一部のステップを省略してもよく、他のステップが追加されてもよい。また各ステップの一部は同時に実行されてもよく、一つのステップが複数のステップに分割されて実行されてもよい。

また、上述した画像認識システム１０における各種処理を行う手段および方法は、専用のハードウェア回路、またはプログラムされたコンピューターのいずれによっても実現することが可能である。上記プログラムは、例えば、ＵＳＢメモリやＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）－ＲＯＭ等のコンピューター読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピューター読み取り可能な記録媒体に記録されたプログラムは、通常、ハードディスク等の記憶部に転送され記憶される。また、上記プログラムは、単独のアプリケーションソフトとして提供されてもよいし、一機能としてその検出部等の装置のソフトウエアに組み込まれてもよい。

本出願は、２０１９年８月２１日に出願された日本特許出願（特願２０１９－１５１３５５号）に基づいており、その開示内容は、参照され、全体として、組み入れられている。

Claims (15)

1. 撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する第１検出部と、
   前記画像に基づいて、前記対象者の体に関する特徴点を特定する特定部と、
   前記特定部により特定された前記特徴点に基づいて、前記対象者の所定部位の移動量を検出する第２検出部と、
   前記第１検出部により検出された、所定時間の前記対象者の移動量と、前記第２検出部により検出された、前記所定時間の前記対象者の所定部位の移動量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する判定部と、
   前記判定部により、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する出力部と、
   を有する画像処理システム。
2. 前記判定部は、前記第１検出部により検出された、前記所定時間の前記対象者の移動量が第１閾値以下で、かつ、前記第２検出部により検出された、前記所定時間の前記対象者の所定部位の移動量が第２閾値以上である場合に、前記対象者の行動が前記所定行動に含まれる行動であると判定する、請求項１に記載の画像処理システム。
3. 前記特徴点は、頭部または関節点である、請求項１または２に記載の画像処理システム。
4. 撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する第１検出部と、
   前記画像に基づいて、前記対象者の体に関する特徴点である、前記対象者の頭部を特定する特定部と、
   前記特定部により特定された前記頭部に基づいて、前記頭部の面積を算出して、前記頭部の面積の変化量を検出する第３検出部と、
   前記第１検出部により検出された、所定時間の前記対象者の移動量と、前記第３検出部により検出された、前記所定時間の前記頭部の面積の変化量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する判定部と、
   前記判定部により、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する出力部と、
   を有する画像処理システム。
5. 前記判定部は、前記第１検出部により検出された、前記所定時間の前記対象者の移動量が第１閾値以下で、かつ、前記第３検出部により算出された、前記所定時間の前記対象者の前記頭部の面積の変化量が第３閾値以上である場合に、前記対象者の行動が前記所定行動に含まれる行動であると判定する、請求項４に記載の画像処理システム。
6. 前記第１閾値および前記第２閾値の少なくともいずれかは、前記撮影装置から前記対象者までの距離に対応する、前記画像上の前記対象者の位置に応じて設定される、請求項２に記載の画像処理システム。
7. 前記第１閾値および前記第３閾値の少なくともいずれかは、前記撮影装置から前記対象者までの距離に対応する、前記画像上の前記対象者の位置に応じて設定される、請求項５に記載の画像処理システム。
8. 前記所定部位は、前記特定部により特定された前記特徴点の中の一部の前記特徴点に基づいて特定される点である、請求項１～３、６のいずれか一項に記載の画像処理システム。
9. 前記所定部位は、前記特定部により特定された前記特徴点の中の１つまたは複数の前記特徴点である、請求項１～３、６のいずれか一項に記載の画像処理システム。
10. 前記所定行動は、起床、離床、転倒、および転落の少なくともいずれかである、請求項１～９のいずれか一項に記載の画像処理システム。
11. 前記撮影装置は広角カメラであり、前記画像には、所定の領域を俯瞰する位置に設置された前記広角カメラにより撮影された前記領域が含まれる、請求項１～１０のいずれか一項に記載の画像処理システム。
12. 撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する手順（ａ）と、
    前記画像に基づいて、前記対象者の体に関する特徴点を特定する手順（ｂ）と、
    前記手順（ｂ）において特定された前記特徴点に基づいて、前記対象者の所定部位の移動量を検出する手順（ｃ）と、
    前記手順（ａ）において検出された、所定時間の前記対象者の移動量と、前記手順（ｃ）において検出された、前記所定時間の前記対象者の所定部位の移動量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する手順（ｄ）と、
    前記手順（ｄ）において、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する手順（ｅ）と、
    を有する処理をコンピューターに実行させるための画像処理プログラム。
13. 撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する手順（ｆ）と、
    前記画像に基づいて、前記対象者の体に関する特徴点である、前記対象者の頭部を特定する手順（ｇ）と、
    前記手順（ｇ）において特定された前記頭部に基づいて、前記頭部の面積を算出して、前記頭部の面積の変化量を検出する手順（ｈ）と、
    前記手順（ｆ）において検出された、所定時間の前記対象者の移動量と、前記手順（ｈ）において算出された、前記所定時間の前記対象者の前記頭部の面積の変化量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する手順（ｉ）と、
    前記手順（ｉ）において、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する手順（ｊ）と、
    を有する処理をコンピューターに実行させるための画像処理プログラム。
14. 画像処理システムに実行させる方法であって、
    撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する段階（ａ）と、
    前記画像に基づいて、前記対象者の体に関する特徴点を特定する段階（ｂ）と、
    前記段階（ｂ）において特定された前記特徴点に基づいて、前記対象者の所定部位の移動量を検出する段階（ｃ）と、
    前記段階（ａ）において検出された、所定時間の前記対象者の移動量と、前記段階（ｃ）において検出された、前記所定時間の前記対象者の所定部位の移動量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する段階（ｄ）と、
    前記段階（ｄ）において、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する段階（ｅ）と、
    を有する画像処理方法。
15. 画像処理システムに実行させる方法であって、
    撮影装置により撮影された、対象者を含む画像に基づいて、前記対象者の移動量を検出する段階（ｆ）と、
    前記画像に基づいて、前記対象者の体に関する特徴点である、前記対象者の頭部を特定する段階（ｇ）と、
    前記段階（ｇ）において特定された前記頭部に基づいて、前記頭部の面積を算出して、前記頭部の面積の変化量を検出する段階（ｈ）と、
    前記段階（ｆ）において検出された、所定時間の前記対象者の移動量と、前記段階（ｈ）において算出された、前記所定時間の前記対象者の前記頭部の面積の変化量と、に基づいて、前記対象者の行動が所定行動に含まれる行動かどうか判定する段階（ｉ）と、
    前記段階（ｉ）において、前記対象者の行動が前記所定行動に含まれる行動であると判定された場合に、前記対象者の行動に関する情報を出力する段階（ｊ）と、
    を有する画像処理方法。