対象物検知装置
【課題】監視画像に現れる対象物の像を検知する対象物検知装置において、検知精度を向上させる。
【解決手段】特徴領域抽出手段４０は監視画像から対象物の特徴を有した特徴領域を抽出する。一方、画像分割手段４１は、監視画像に対してセグメンテーション処理を行い、それぞれ画素値が所定の類似性を有する画素からなる複数の画像断片に監視画像を分割する。存否判定手段４３は、特徴領域の内外に跨る不確定断片を検出し、不確定断片のうち特徴領域の内側にある画素数に応じて増加する内側評価値を求め、当該内側評価値を特徴領域の抽出誤差として特徴領域に対象物が存在するか否かを判定する。
【解決手段】特徴領域抽出手段４０は監視画像から対象物の特徴を有した特徴領域を抽出する。一方、画像分割手段４１は、監視画像に対してセグメンテーション処理を行い、それぞれ画素値が所定の類似性を有する画素からなる複数の画像断片に監視画像を分割する。存否判定手段４３は、特徴領域の内外に跨る不確定断片を検出し、不確定断片のうち特徴領域の内側にある画素数に応じて増加する内側評価値を求め、当該内側評価値を特徴領域の抽出誤差として特徴領域に対象物が存在するか否かを判定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、監視画像から検知対象物の特徴を有する領域を抽出し、検知対象物の存在を判定する対象物検知装置に関する。
【背景技術】
【０００２】
侵入者や不審者などを検知するために監視画像から検知対象物である人間の領域を抽出することが行われる。この領域の抽出には背景差分処理や識別器による探索処理などが用いられるが、その際、検知対象物以外の領域が誤抽出される場合があり、誤報の原因となる。
【０００３】
この点、特許文献１に記載の移動物体追跡装置では、背景差分処理により抽出された領域の寸法や縦横比などの形状の特徴が監視対象としてふさわしくない場合に当該領域を処理対象から除外することにより誤抽出の低減を図っている。
【０００４】
また、特許文献２に記載の対象物検出装置では、検出したい対象物の大きさとなるウィンドウを入力画像に順次設定して、識別器を用いたスキャンを行うことにより誤抽出の低減を図っている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００８−２５０７７２号公報
【特許文献２】特開２００５−１５７６７９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、従来技術においては誤抽出された領域を除外しきれず、依然として誤抽出された領域に検知対象物の存在を判定してしまうという問題が残っていた。
【０００７】
例えば、背景差分処理を用いる特許文献１に記載の移動物体追跡装置においては、草木が揺れたり、ヘッドライトに照らされたりした背景の一部領域が、たまたま人間程度の寸法や縦横比を有している場合に、これらの領域を誤抽出してしまう。背景に生じる変化は多種多様であるため、寸法や縦横比の基準を調整するだけでは誤抽出を根絶するのは困難である。
【０００８】
また例えば、識別器を用いる特許文献２に記載の対象物検出装置においては、背景の一部領域がたまたま人間と似た大きさや特徴を有する場合にこの領域を誤抽出してしまう。背景は多種多様であるため識別器の学習データを増やしても誤抽出を根絶するのは困難である。
【０００９】
本発明は、上記問題を解決するためになされたものであり、背景の誤抽出を排除して高い精度で物体の存在を検知できる対象物検知装置を提供することを目的とする。
【課題を解決するための手段】
【００１０】
本発明に係る対象物検知装置は、判定対象画像に基づいて検知対象物を検出するものであって、前記判定対象画像から前記検知対象物の特徴を有した特徴領域を抽出する特徴領域抽出手段と、それぞれ画素値が所定の類似性を有する画素からなる複数の画像断片に前記判定対象画像を分割する画像分割手段と、前記画像断片のうち前記特徴領域の内外に跨る不確定断片を検出し、当該不確定断片のうち当該特徴領域の内側にある画素数に応じて増加する内側評価値を求め、当該内側評価値を用いて前記特徴領域に前記検知対象物が存在するか否かを判定する存否判定手段と、を有する。
【００１１】
他の本発明に係る対象物検知装置は、前記存否判定手段が、前記不確定断片毎に前記内側評価値と前記特徴領域の外側にある画素数に応じて増加する外側評価値とを求め、前記外側評価値が前記内側評価値より大きい前記不確定断片についての前記内側評価値を用いて判定するものである。
【００１２】
別の本発明に係る対象物検知装置は、前記存否判定手段が、前記外側評価値が前記内側評価値より大きい前記不確定断片についての前記内側評価値と、前記外側評価値が前記内側評価値以下である前記不確定断片についての前記外側評価値との合計値を用いて判定するものである。
【００１３】
上記本発明に係る対象物検知装置において、前記存否判定手段は、前記不確定断片を構成する画素と前記特徴領域の輪郭との距離に応じて増加する重みを合計することにより前記内側評価値又は前記外側評価値を算出するものとすることができる。
【００１４】
本発明の好適な態様は、前記不確定断片の内外での前記画素値の所定の相違性に応じた断片明瞭度を求める断片明瞭度算出手段を有し、前記存否判定手段が、前記判定に際して、前記不確定断片についての前記内側評価値を当該不確定断片の前記断片明瞭度で重み付けすること、を特徴とする対象物検知装置である。
【発明の効果】
【００１５】
本発明によれば、背景の誤抽出を排除して対象物の存在を高精度に判定することが可能となる。
【図面の簡単な説明】
【００１６】
【図１】本発明の実施形態に係る画像監視装置の概略のブロック構成図である。
【図２】断片明瞭度算出処理を説明するための模式図である。
【図３】存否判定手段の抽出正誤判定処理を説明するための模式図である。
【図４】画素と特徴領域の輪郭との距離に応じた重みを定義する関数Ｆの模式的なグラフである。
【図５】特徴領域を横切る直線に沿った関数Ｆの変化を説明する説明図である。
【図６】断片明瞭度が低い場合に生じる現象を説明するための模式図である。
【図７】画像監視処理の概略のフロー図である。
【図８】抽出正誤判定処理の概略のフロー図である。
【図９】監視画像における特徴領域の抽出及びセグメンテーションの処理結果の例を示す模式図である。
【図１０】誤抽出された特徴領域と画像断片との位置関係を示す模式図である。
【図１１】正しく抽出された特徴領域と画像断片との位置関係を示す模式図である。
【発明を実施するための形態】
【００１７】
以下、本発明の実施の形態（以下実施形態という）である画像監視装置１について、図面に基づいて説明する。画像監視装置１は、監視空間から得られた監視画像において、検知対象物である人間の特徴を有する特徴領域を抽出することで侵入者を検知する。侵入者を検知すると画像監視装置１は異常信号を出力する。図１は、実施形態に係る画像監視装置１の概略のブロック構成図である。画像監視装置１は、画像入力部２、記憶部３、制御部４及び出力部５を含んで構成される。
【００１８】
画像入力部２は、監視カメラであり、監視空間内に設置され、監視空間を所定の時間間隔で撮影し、各画素が多階調の画素値で表現される監視画像（判定対象画像）を出力する。本実施形態において監視画像はカラー画像であり、例えば、各画素の画素値がそれぞれ２５６階調のＲ値、Ｇ値及びＢ値の組で表現される。また、監視画像は輝度値で表される濃淡画像であってもよく、この場合、画素値は例えば２５６階調の輝度値で表現される。本画像監視装置１において監視カメラは、少なくとも検知対象物と共にその周辺の背景が監視画像に含まれるような設置条件（設置位置等）及び撮像条件（画角等）にて撮像を行うように構成されている。より好適には監視カメラは検知対象物が撮像されたときに監視画像に占める背景の面積が検知対象物の面積以上となるような設置条件および撮像条件にて撮像を行うように構成されている。撮影された監視空間の監視画像は順次、制御部４へ出力される。
【００１９】
記憶部３は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスク等の記憶装置であり、制御部４で使用されるプログラムやデータを記憶する。記憶部３はこれらプログラム、データを制御部４との間で入出力する。記憶部３に記憶されるデータには抽出用情報３０が含まれる。
【００２０】
抽出用情報３０は、対象物の領域を抽出するための情報であり、抽出処理に先立って生成され記憶部３に格納されている情報である。背景差分処理で対象物を抽出する本実施形態では、抽出用情報３０は、具体的には監視空間に対象物が存在していない画像であり、抽出処理に先立って監視画像に基づいて背景画像として生成される。なお、対象物の領域を識別器により抽出する他の実施形態では、抽出用情報３０として、特徴空間において対象物とそれ以外を分ける識別面を表すパラメータが格納される。この識別面を表すパラメータは、対象物が撮像されている多数のサンプル画像、及び対象物が撮像されていない多数のサンプル画像の特徴量（コントラスト、エッジ方向等）をサポートベクターマシーンやブースティング法に適用することで予め学習される。
【００２１】
制御部４は、ＤＳＰ（Digital Signal Processor）、ＭＣＵ（Micro Control Unit）等の演算装置を用いて構成され、画像入力部２、記憶部３及び出力部５と接続される。制御部４は、記憶部３からプログラムを読み出して実行し、後述する各種の手段（特徴領域抽出手段４０、画像分割手段４１、断片明瞭度算出手段４２、存否判定手段４３、異常検知手段４４）として機能する。
【００２２】
特徴領域抽出手段４０は、監視画像と抽出用情報３０との比較により、監視画像にて検知対象物の特徴を有する特徴領域を抽出し、抽出された特徴領域の情報を存否判定手段４３へ出力する。具体的には、特徴領域抽出手段４０は、抽出用情報３０として記憶されている背景画像を用いて、監視画像と当該背景画像との差分処理を行い、差分閾値より大きな差を有する画素のまとまりを特徴領域として抽出する。この場合、画素値が背景と異なる領域が特徴領域として抽出されることになる。
【００２３】
識別器を用いる他の実施形態では、特徴領域抽出手段４０は、監視画像に所定大きさ、所定形状の候補領域を順次設定し、候補領域の画像を分析して特徴量（コントラスト、エッジ方向など）を抽出し、抽出された特徴量を、抽出用情報３０として記憶されている識別面のパラメータと比較して識別結果（対象物か否か）を導出する。なお、候補領域を設定した探索は、候補領域の大きさ及び形状を変更して複数回繰り返してもよい。この場合、特徴量が対象物と類似する領域が特徴領域として抽出されることになる。
【００２４】
画像分割手段４１は、監視画像において画素値が互いに類似する隣接画素をまとめることで複数の画像断片を抽出する。この抽出処理により、監視画像は、画素値が所定の類似性を有する画素からなる複数の画像断片に分割される。抽出された画像断片の情報は断片明瞭度算出手段４２及び存否判定手段４３へ出力される。このような画像断片は、一般にセグメントと称され、セグメントを抽出する処理は一般にセグメンテーションと称される。かかる画像断片は、画素値が互いに類似する隣接画素からなるので、道路・建物・人物などごとに抽出される。
【００２５】
代表的なセグメンテーションの方式として、ｋ平均法や平均シフト法がある。これらによるセグメンテーションの手順を説明する。
【００２６】
［ｋ平均法に基づくセグメンテーション］
（手順１）監視画像からｋ個の画素を任意に選択し、選択された画素の画素値をシードに設定する。
（手順２）監視画像中の各画素を最も類似するシードに関連付ける。
（手順３）シードごとに、関連付けられた画素の平均画素値を算出し、シードから平均画素値への移動量を求める。
（手順４）移動量が予め設定された閾値ε以下なら次の手順５へ進み、そうでなければ算出された平均画素値をシードに設定して手順２に戻る。
（手順５）同一シードに関連付けられた画素のうち互いに隣接する画素同士をひとつのセグメントにまとめる。
【００２７】
［平均シフト法に基づくセグメンテーション］
（手順１）監視画像中の各画素を中心とする所定大きさの局所領域を初期設定する。
（手順２）局所領域の密度勾配ベクトルを算出しては山登り法を用いて該ベクトル方向へ（密度が高くなる方向へ）局所領域をシフトすることをシフト量が収束するまで繰り返す。
（手順３）監視画像中の各画素に収束点の画素値（最頻画素値を意味する）を設定する。
（手順４）手順３により生成される画像にて、隣接する画素との画素値の差が規定値以下の画素同士を一つのセグメントにまとめる。
【００２８】
なお、平均シフト法についての参考文献として、Dorin Comaniciu, Peter Meer: Mean
Shift: A Robust Approach Toward Feature Space Analysis. IEEE Trans. Pattern
Anal. Mach. Intell. 24(5): 603-619 (2002)がある。
【００２９】
その他のセグメンテーション方法として、画像をグラフとみなした上でその最小切断や正規化切断を求める方法などを用いることもできる。
【００３０】
断片明瞭度算出手段４２は、画像分割手段４１において抽出された各画像断片について、その内外での画素値の所定の相違性に応じた断片明瞭度を算出し、存否判定手段４３へ出力する。当該画像断片の周囲画像と大きく相違する画像断片は周囲画像と明瞭に区別でき、その輪郭は対象物の輪郭、対象物を構成する対象構成物の輪郭、又は背景を構成する背景構成物の輪郭といった真の輪郭と一致している可能性が高い。一方、相違が小さな画像断片は、陰影等の影響により対象構成物や背景構成物の一部のみが抽出された画像断片である可能性が高い。
【００３１】
例えば、断片明瞭度は、注目断片の縁部に存在する各縁部画素と、注目断片の外側に存在し当該縁部画素に隣接する周囲画素との相違度（相互相違度）を総和することで算出される。具体的には、縁部画素の画素値をｃｉ、各縁部画素に隣接する周囲画素の画素値をｃｊと表すと、画像断片ｓの断片明瞭度Ｌｓの算出式は次の（１）式で定義することができる。
Ｌｓ＝Ｇ（１／Σ｛α・exp(−‖ｃｉ−ｃｊ‖２／β)｝） ・・・（１）
【００３２】
（１）式において、Ｇ（ｘ）はｘ＝０で０、ｘ＝∞で１となる増加関数であり、このＧ(ｘ)により断片明瞭度Ｌｓの値域は［０，１）に正規化される。本実施形態では画素値ｃｉ，ｃｊはＲＧＢ値からなるベクトルであり、‖ｘ‖はベクトルｘのノルムを表す。また、α及びβは予め設定される定数である。Σは、画素値ｃｉ，ｃｊの組についての総和を表す。
【００３３】
ここで、縁部画素の多寡や縁部画素の画素値の分布は画像断片ごとに異なるため、縁部画素と周囲画素との関係のみから断片明瞭度を算出すると、画像断片間で断片明瞭度の信頼性に格差が生じ得る。そこで、断片明瞭度算出手段４２は、注目断片内の画素間についての相違度（自己相違度）を算出し、当該自己相違度により上記相互相違度を正規化する。自己相違度は、注目断片内の互いに隣接する画素間の相違度を総和することで算出され、画像断片ｓ内の互いに隣接する２つの画素の画素値をそれぞれｃｈ１，ｃｈ２と表すと、画像断片ｓの正規化された断片明瞭度Ｌｓの算出式は（２）式で与えられる。
Ｌｓ＝Ｇ（Σ｛exp(−‖ｃｈ１−ｃｈ２‖２／β)｝／Σ｛exp(−‖ｃｉ−ｃｊ‖２／β)｝） ・・・（２）
【００３４】
（２）式において第１のΣは画素値ｃｈ１，ｃｈ２の組についての総和、第２のΣは画素値ｃｉ，ｃｊの組についての総和を表す。このように正規化処理を行うことで、画像断片間の格差により生じる断片明瞭度の信頼性低下を防ぐことができる。
【００３５】
図２（ａ）は注目断片ｓ及び周囲画像の模式図であり、注目断片ｓ内の縁部画素（画素値ｃｉ）、注目断片ｓ外の周囲画素（画素値ｃｊ）の位置が示されている。図２（ｂ）は関数Ｇの一例を示しており、横軸が引数ｘ、縦軸が関数値Ｇ(ｘ)である。
【００３６】
存否判定手段４３は、特徴領域抽出手段４０により抽出された特徴領域に検知対象物が存在するか否かを判定し、その判定結果を異常検知手段４４へ出力する。以下、存否判定手段４３について説明する。
【００３７】
特徴領域の抽出結果とセグメンテーションされた画像とを重ね合わせたとき、対象物の像が特徴領域として完璧に抽出されていれば、対象物の像に対応する画像断片群がパズルのピースのごとく特徴領域に適合することが期待される。これに対し、特徴領域の形状と特徴領域に対応する部分にある画像断片群の形状との整合性が低いほど、特徴領域が誤抽出されているおそれが大きい。このことは、画像断片が互いに類似する隣接画素をまとめたものであるので、対象物又はその部分ごとに画像断片が抽出されていることに起因する。画像断片が特徴領域に整合しない状態では、特徴領域の輪郭と交差する画像断片が生じる。ここでは、画像断片のうち特徴領域の内外に跨り当該特徴領域への帰属が不確かであるものを不確定断片と呼ぶことにする。例えば、誤抽出により特徴領域に背景が含まれている状態では、背景に属する画像断片が特徴領域の内外を跨ぐ。そして、特徴領域に含まれる背景が大きくなるほど、個々の不確定断片が特徴領域内に食い込む程度が大きくなる、又は／及び不確定断片が増加する。
【００３８】
存否判定手段４３は、画像断片の帰属情報を特徴領域の全周に亘ってまとめて領域評価値を算出し、当該領域評価値に基づいて特徴領域の抽出が正しいか否かを判定する。
【００３９】
例えば、存否判定手段４３は、画像断片のうち不確定断片であるものを検出し、特徴領域と不確定断片との重複度合いに応じた領域評価値を算出する。ここで算出される領域評価値は、不確定断片のうち当該特徴領域の内側にある画素数に応じて増加するものであり、これを内側評価値と呼ぶことにする。存否判定手段４３は、当該内側評価値を当該特徴領域の抽出誤差として前記特徴領域に前記検知対象物が存在するか否かを判定する。具体的には、内側評価値が予め設定された基準値以下である特徴領域は正しく抽出されており、一方、内側評価値が基準値を超える特徴領域は誤抽出されたものであると判断できる。そこで、存否判定手段４３は、この特徴領域の抽出の正誤の判断に対応して、内側評価値が基準値以下である特徴領域には対象物が存在すると判定し、一方、内側評価値が予め設定された基準値を越える特徴領域には対象物は存在しないと判定する。
【００４０】
図３は、存否判定手段４３の抽出正誤判定処理を説明するための模式図である。この図３を用いて、当該処理を具体的に説明する。図３には、監視画像にて抽出される画像断片の例として、特徴領域８０に対する位置関係が異なる画像断片８１〜８４が示されている。画像断片８１，８２は特徴領域８０の輪郭を内側に含んでいることから不確定断片として検出される。一方、画像断片８３，８４は特徴領域８０の輪郭を内側に含まないので不確定断片として検出されない。図３にて横線で網掛けされた部分は不確定断片における特徴領域８０との重複部分であり、一方、縦線で網掛けされた部分は不確定断片における特徴領域８０からのはみ出し部分である。
【００４１】
上述したように不確定断片は背景の画像断片である可能性があり、その場合、不確定断片と特徴領域との重複部分は、特徴領域の一部として背景を誤抽出した部分となる。すなわち、重複部分が大きいほど誤抽出の可能性が高く、小さいほど当該可能性は低いといえる。そこで、存否判定手段４３は、不確定断片ごとに内側評価値として重複部分の面積（画素数）を算出し、その合計値を領域評価値として求める。不確定断片の識別記号をｓ、当該不確定断片の内側評価値をｇｓと表すと領域評価値Ｊの算出式は次の（３）式となる。
Ｊ＝Σｇｓ ・・・（３）
【００４２】
（３）式においてΣは特徴領域の不確定断片ｓについての総和を表す。
【００４３】
存否判定手段４３は、この（３）式で得られた領域評価値Ｊを基準値Ｔと比較し、既に述べたように基準値Ｔ以下の特徴領域には対象物が存在すると判定し、そうでない特徴領域には対象物は存在しないと判定する。
【００４４】
内側評価値は、単純な面積に代えて、次のように特徴領域の輪郭からの距離に応じた重み付けを行ってもよく、この構成について以下説明する。特徴領域抽出手段４０においてどのような抽出方法を用いても対象物の領域が完璧に抽出されることは稀である。画素単位でみた場合、特徴領域の輪郭近傍の画素の帰属（当該画素が対象物と背景とのいずれに属するか）の不確定性が高い。逆に、輪郭から離れるほど帰属の不確定性は低くなり、特徴領域の中心に近い画素ほど対象物に帰属する確度が高い。そこで、存否判定手段４３は、重複部分の各画素について特徴領域の輪郭から当該画素までの距離に応じた重みを算出し、当該重みの和を内側評価値として求める構成とすることができる。
【００４５】
具体的には、重複部分の画素をｅ１、特徴領域の輪郭から当該画素ｅ１までの距離をｄｅ１と表すと、内側評価値ｇｓの算出式は下記（４）式で表される。
ｇｓ＝ΣＦ(ｄｅ１) ・・・（４）
【００４６】
（４）式においてΣは画素ｅ１についての総和を表す。また、Ｆ(ｘ)は引数ｘとして入力される距離ｄｅ１に応じた重みを定義する予め定められた関数であり、ｘ＞０に対して値域が（０，１）であり、かつ増加関数である。図４は関数Ｆの一例を示しており、横軸が引数ｘ、縦軸が関数値Ｆ(ｘ)である。
【００４７】
領域評価値Ｊは、（４）式で与えられる各不確定断片ごとの内側評価値ｇｓを用いて（３）式により求めることができる。
【００４８】
また、領域評価値Ｊは次に述べるように、不確定断片のはみ出し部分を考慮に入れて定めることもできる。この場合、存否判定手段４３は、不確定断片ごとにそのはみ出し部分の画素数に応じて増加する評価値を求める。当該評価値を外側評価値と呼ぶことにする。
【００４９】
不確定断片には、不確定断片８１のように重複部分よりもはみ出し部分の方が大きいものと、不確定断片８２のように重複部分よりもはみ出し部分の方が小さいものとがある。はみ出し部分の方が大きい不確定断片は本来背景に属する画像断片である可能性が高く、一方、重複部分の方が大きい不確定断片は本来対象物に属する画像断片である可能性が高いといえる。そこで、重複度合いがはみ出し度合いよりも小さい不確定断片についてだけ内側評価値を合計して領域評価値Ｊを算出することで、領域評価値Ｊは、背景に属する可能性の高い不確定断片が特徴領域に与える影響を好適に表し、抽出誤差としての領域評価値Ｊの信頼性が向上し、ひいては存否判定の確度が向上する。
【００５０】
具体的には、（５）式に示すように、存否判定手段４３は各不確定断片について内側評価値と外側評価値とを比較し、内側評価値が外側評価値よりも小さい不確定断片の内側評価値の合計値を領域評価値Ｊとする。
Ｊ＝Σｇｓ ｛ｓ；ｇｓ＜ｎｓ｝ ・・・（５）
【００５１】
（５）式において、不確定断片ｓの内側評価値がｇｓ、外側評価値がｎｓであり、Σはｇｓ＜ｎｓなる不確定断片ｓについての総和を表す。
【００５２】
外側評価値ｎｓは、内側評価値ｇｓと対比可能に定義することが好適である。すなわち、内側評価値ｇｓを重複部分の面積で定義する場合には、外側評価値ｎｓははみ出し部分の面積で定義する。一方、内側評価値ｇｓを（４）式で求める場合には、外側評価値ｎｓも（４）式と同様の関数Ｆを用いて次式で求める。
ｎｓ＝ΣＦ(ｄｅ２) ・・・（６）
【００５３】
（６）式においてΣははみ出し部分の画素ｅ２についての総和であり、ｄｅ２は特徴領域の輪郭から当該画素ｅ２までの距離である。
【００５４】
（６）式の外側評価値ｎｓには、特徴領域の輪郭近傍の画素は帰属の不確定性が高く、逆に特徴領域から離れた画素ほど背景に帰属する確度が高いという性質が反映される。図５は、特徴領域８０の輪郭からの距離に応じた関数Ｆの値の変化を模式的に示しており、同図の上側には特徴領域８０を示し、これを横切る直線８６に沿った関数Ｆのグラフを同図の下側に示している。
【００５５】
なお、重複度合いとはみ出し度合いとの比較は重複部分の面積とはみ出し部分の面積との比較により行い、領域評価値Ｊの計算に用いる内側評価値ｇｓは（４）式の結果を用いるように存否判定手段４３を構成することもできる。
【００５６】
ここまで説明してきた領域評価値Ｊは、特徴領域抽出手段４０が背景を特徴領域の一部として誤抽出したという観点から評価した抽出誤差であった。さて、特徴領域抽出手段４０による誤抽出の別の側面には対象物の一部を抽出し損ねる現象がある。この抽出し損ねの要素を考慮に加えれば領域評価値Ｊの信頼性はさらに向上する。そこで、（５）式の領域評価値Ｊにさらに、はみ出し度合いが重複度合い以下である不確定断片についての外側評価値を加えるように存否判定手段４３を構成してもよい。
【００５７】
この場合、領域評価値Ｊの算出式は次の（７）式で与えられる。
Ｊ＝Σ｛min(ｇｓ，ｎｓ)｝ ・・・（７）
【００５８】
（７）式においてΣは特徴領域の不確定断片ｓについての総和を表す。これにより特徴領域が背景を含んでいるという観点と特徴領域が対象物を抽出し損ねているという観点との両面から評価した抽出誤差である領域評価値Ｊが得られるので、領域評価値Ｊの信頼性が向上し、ひいては存否判定の確度が向上する。
【００５９】
（７）式の内側評価値ｇｓ及び外側評価値ｎｓとして、特徴領域の輪郭からの距離に応じた重みを考慮した（４）式、（６）式の値を用いることができる。上述したように距離に応じて画素を重み付けする関数Ｆは画素の帰属の確度を表しているので、（４）式、（６）式の値を用いることで、領域評価値Ｊの信頼性が向上し、ひいては存否判定の確度が向上する。なお、（７）式の内側評価値ｇｓ及び外側評価値ｎｓは、それぞれ重複部分、はみ出し部分の面積とすることもできる。
【００６０】
さらに、存否判定の精度を高めるために、断片明瞭度算出手段４２にて得られる断片明瞭度を考慮することができる。この構成を以下説明する。断片明瞭度算出手段４２の説明で述べたように、陰影等の影響により対象構成物や背景構成物の像の一部分だけが画像断片として不適切に抽出される場合がある。このような不適切な画像断片においては重複度合いとはみ出し度合いとの大小関係が本来の関係と逆転してしまうことがある。図６は、断片明瞭度が低い場合に生じる現象を説明するための模式図である。図６（ａ）は、特徴領域８０についての不確定断片８５-1の断片明瞭度が高い場合を示している。このように断片明瞭度が高い不確定断片８５-1は上述したように対象構成物や背景構成物の像を好適に表している可能性が高い。図６（ａ）に示す一例として示す不確定断片８５-1は、外側評価値より内側評価値（横線網掛け部分の大きさ）の方が小さいため、（７）式による領域評価値Ｊを求める総和演算にて、内側評価値ｇｓが加算される。
【００６１】
一方、図６（ｂ）は、特徴領域８０についての不確定断片８５-2の断片明瞭度が低い場合を示している。不確定断片８５-2は、本来の像が画像断片８５-1のような形状である対象構成物や背景構成物について、その一部のみが抽出された場合を示しており、画像断片８５-1のうち特徴領域８０の外側に属する部分（点線で境界を示す部分）は別の画像断片を構成すると認識されている。この場合、外側評価値（縦線網掛け部分の大きさ）の方が内側評価値より小さくなってしまい、（７）式による領域評価値Ｊを求める総和演算にて、外側評価値ｎｓが加算される。つまり、本来は背景に属する画像断片として評価されるべき不確定断片８５-2が対象物に属する画像断片として誤って評価される。このような誤りが領域評価値Ｊに与える影響を軽減するために、領域評価値Ｊの算出に際して、存否判定手段４３は不確定断片ｓの内側評価値及び外側評価値を当該不確定断片の断片明瞭度Ｌｓで重み付けする。
【００６２】
具体的には（７）式に対応する領域評価値Ｊは、断片明瞭度を考慮する構成では次式で計算される。
Ｊ＝Σ｛Ｌｓ・min(ｇｓ，ｎｓ)｝ ・・・（８）
【００６３】
これにより、断片明瞭度が高く信頼できる不確定断片に高い加重をかけて領域評価値Ｊを算出できるので、領域評価値Ｊの信頼性が向上し、ひいては正誤判定の確度が向上する。
【００６４】
なお、この断片明瞭度による重み付けは、（３）式、（５）式の領域評価値Ｊの計算にも導入することができる。
【００６５】
以上、存否判定手段４３について説明した。存否判定手段４３の判定結果は異常検知手段４４へ出力される。
【００６６】
異常検知手段４４は、存否判定手段４３により正しい抽出と判定された特徴領域の情報に基づいて異常を検知する。具体的には、異常検知手段４４は正しい抽出と判定された特徴領域を複数時刻に亘って追跡して対象物の動きを分析し、例えば、監視空間内にて所定距離以上の動きが確認された場合に侵入異常を検知する。また、不審者が存在する異常を検知する別の実施形態では、同様に動きを分析して所定時間以上の滞留を確認すると異常を検知したり、動きパターンが予め定めた不審パターンに合致すると異常を検知する。
【００６７】
異常検知手段４４は、存否判定手段４３にて誤抽出の排除がなされた特徴領域の情報に基づいて異常を検知するので、確実に誤報を減じることができる。異常を判定した場合、制御部４は出力部５を制御して異常信号の出力を行わせる。
【００６８】
出力部５は、外部装置と接続され、当該外部装置へ異常信号を出力するインターフェース回路である。外部装置は、侵入者の存在を警報するスピーカー、ブザー又はランプ等の警報表示手段、又は／及び通信網を介して接続される遠隔地のセンタ装置等である。
【００６９】
次に図７を参照して、画像監視装置１の動作を説明する。監視空間が無人であることを確認した管理者が装置に電源を投入すると、各部、各手段が初期化され動作を開始する（Ｓ１）。初期化の後は、画像入力部２から制御部４へ新たな監視画像が入力されるたびにステップＳ２〜Ｓ１０の処理がループ処理として繰り返される。
【００７０】
画像監視装置１は、特徴領域抽出手段４０の背景差分処理にて用いる背景画像を、ループ処理の各回が終わるごとに更新する（Ｓ２）。制御部４は、前回のループ処理における監視画像のうち特徴領域が抽出されなかった部分の画像を現在の背景画像に合成して、背景画像を更新する（Ｓ２）。なお、電源投入直後、すなわち初回のステップＳ３〜Ｓ１０の処理の開始時においては背景画像は未だ記憶されていない。この場合、制御部４は背景画像更新処理（Ｓ２）として、画像入力部２から得られる監視画像によって背景画像を初期化する。
【００７１】
新たな監視画像が入力されると（Ｓ３）、特徴領域抽出手段４０は、更新された背景画像を用いて背景差分処理を行い、監視画像から特徴領域を抽出する（Ｓ４）。
【００７２】
ちなみに、識別器により特徴領域を抽出する装置構成ではステップＳ２の更新処理は不要となる。
【００７３】
特徴領域が一つも抽出されなかった場合（Ｓ５にてＮＯ）、処理はステップＳ２へ戻される。一方、１以上の特徴領域が抽出された場合（Ｓ５にてＹＥＳ）、制御部４は各特徴領域に対象物が存在するか否かを判定する（Ｓ６）。
【００７４】
図８を参照して、存否判定処理の詳細を説明する。まず、制御部４の画像分割手段４１は監視画像にセグメンテーション処理を施して当該監視画像から複数の画像断片を抽出し（Ｓ６００）、制御部４の断片明瞭度算出手段４２は抽出された各画像断片とその周辺画像の画素値を（２）式に適用して各画像断片の断片明瞭度Ｌｓを算出する（Ｓ６０１）。
【００７５】
次に制御部４の存否判定手段４３は、図７のステップＳ６にて抽出された特徴領域を順次、注目特徴領域に設定して特徴領域のループ処理を実行する（Ｓ６０２〜Ｓ６１２）。この特徴領域のループ処理において、さらに存否判定手段４３はステップＳ６００にて抽出された画像断片を順次、注目断片に設定して画像断片のループ処理を実行する（Ｓ６０３〜Ｓ６０７）。
【００７６】
画像断片のループ処理において、存否判定手段４３は注目断片と注目特徴領域との位置関係を判定し（Ｓ６０４）、注目断片が注目特徴領域の輪郭を跨ぐ不確定断片と判定されれば（Ｓ６０５にてＹＥＳ）、（４）式により当該画像断片の内側評価値ｇｓを算出すると共に、（６）式により当該画像断片の外側評価値ｎｓを算出する（Ｓ６０６）。
【００７７】
画像断片のループ処理が終わると（Ｓ６０７にてＹＥＳ）、存否判定手段４３は、ステップＳ６０１にて算出された断片明瞭度Ｌｓ、ステップＳ６０６にて算出された重複度合いｇｓ、はみ出し度合いｎｓを（８）式に適用して注目特徴領域の領域評価値を算出する（Ｓ６０８）。
【００７８】
領域評価値の算出後、存否判定手段４３は注目特徴領域の領域評価値を、予め設定された基準値と比較する（Ｓ６０９）。存否判定手段４３は、領域評価値が基準値以下であれば（Ｓ６０９にてＹＥＳ）、注目特徴領域に対象物が存在すると判定する（Ｓ６１０）。一方、領域評価値が基準値を超えていれば（Ｓ６０９にてＮＯ）、注目特徴領域に対象物は存在しないと判定する（Ｓ６１１）。対象物が存在しないと判定された特徴領域の情報は一時記憶されている情報から削除される。
【００７９】
なお、領域評価値と基準値との比較を行うに際して、領域評価値又は基準値のいずれかを特徴領域の大きさを表す指標Ωに応じてスケーリングすることが好適である。例えば、基準値をΩに依らずに一定とする場合には、（８）式で得られた領域評価値ＪをΩで除するスケーリングを行う。例えば、Ωとして、特徴領域の画素数を合計して得られる面積や、上述の重み関数Ｆを特徴領域内の全画素について総和した値などを用いることができる。一方、監視画像における検知対象物の像の大きさが予め想定できる場合には、スケーリングを省略することもできる。なお、スケーリングを行う場合の基準値は例えば、各特徴領域の大きさΩの２０〜４０％程度の大きさに設定することができる。
【００８０】
以上の処理により、全ての特徴領域に対して対象物の存否が判定されると（Ｓ６１２にてＹＥＳ）、処理は図７のステップＳ７へ進められる。
【００８１】
再び図７を参照して画像監視処理の続きを説明する。存否判定手段４３により対象物の存在が判定された特徴領域がある場合（Ｓ７にてＹＥＳ）、制御部４の異常検知手段４４は、当該特徴領域に基づき異常の有無を判定する（Ｓ８）。すなわち異常検知手段４４は、特徴領域の追跡を行い、追跡の結果、予め設定された距離閾値を越える距離の移動が検出されると、当該特徴領域が侵入者によるものであるとして異常を検知する。追跡は、例えば、現時刻の監視画像において特徴領域に対応する部分画像の色ヒストグラムを分析し、当該色ヒストグラムと、同様にして過去に分析され記憶されている色ヒストグラムとを比較することで前後する時刻の特徴領域を対応付けることで行われる。また、次時刻の追跡に備えて異常検知手段４４は、現時刻の監視画像から分析された色ヒストグラムを記憶部３に追加記憶させる。
【００８２】
異常検知手段４４により異常が検知されると（Ｓ９にてＹＥＳ）、出力部５は異常信号を生成して、異常信号を例えば、警報表示手段及び通信網へ出力する（Ｓ１０）。このとき出力部５は通信網へ出力する異常信号に現時刻の監視画像のデータを含ませる。異常信号が入力された警報表示手段は、スピーカーの鳴動やランプの点灯により警報表示を行って侵入者を威嚇するとともに利用者の注意を喚起する。また、異常信号は通信網により監視員が常駐する警備センタのセンタ装置へ伝送され、異常信号を受信したセンタ装置は警報音の鳴動や監視画像の表示等を行う。そして、監視画像により状況確認した監視員は状況に応じた対処を行う。
【００８３】
一方、存否判定手段４３により対象物の存在が判定された特徴領域が無い場合（Ｓ７にてＮＯ）、ステップＳ８以降の処理はスキップされる。また、対象物の存在が判定された特徴領域があっても未だ異常が判定されない場合（Ｓ９にてＮＯ）、ステップＳ１０の処理はスキップされる。
【００８４】
以上の処理が終了すると、処理は再びステップＳ２へ戻され、次時刻の監視画像に対する処理が行われる。
【００８５】
図９は処理結果を説明する模式的な画像例である。図９（ａ）は特徴領域９１，９２が抽出された監視画像９０を示している。特徴領域９１は揺れた木が誤抽出されたものであり。一方、特徴領域９２には侵入者が抽出されている。図９（ｂ）は、監視画像９０にセグメンテーション処理を施して生成された画像９３を示している。画像９３において、実線の各閉領域が画像断片である。なお、図９（ｂ）には、理解補助のために、特徴領域９１，９２の輪郭を点線で示している。
【００８６】
図１０は特徴領域９１及びその近傍領域を拡大した模式図であり、一方、図１１は特徴領域９２及びその近傍領域を拡大した模式図である。図１０において、点線で示す特徴領域９１と重複する部分を有する２つの画像断片はいずれも不確定断片である。そして、これら２つの不確定断片はいずれも特徴領域９１の外側に大きくはみ出しており、重複部分よりはみ出し部分の方が大きい。そのため、領域評価値はそれら不確定断片それぞれの内側評価値の和で与えられる。しかも、不確定断片との重複部分が特徴領域の全体を占めるので、比較処理Ｓ６０９にて領域評価値が基準値を超える。その結果、特徴領域９１には対象物は存在しないと判定される。
【００８７】
一方、図１１では、点線で示す特徴領域９２と重複する部分を有する画像断片は３つ存在する。それらのうち２つは特徴領域９２の外側に大きくはみ出した不確定断片であり、それらは特徴領域９２と重複部分９６，９７を有する。残りの１つの不確定断片はその殆どの部分が特徴領域９２の内側に存在する不確定断片であり、当該不確定断片は特徴領域９２からのはみ出し部分９８を有する。この場合、領域評価値は重複部分９６，９７から算出される内側評価値と、はみ出し部分９８から算出される外側評価値との和で与えられ、当該領域評価値は基準値以下となる。その結果、特徴領域９２には対象物である人間が存在すると判定される。
【００８８】
上述の実施形態では、画像入力部２に監視カメラを備え、リアルタイムで監視空間から得られる監視画像に基づいて対象物の検知を行う構成を説明した。これとは別の実施形態では、画像入力部２がＨＤＤレコーダー等の画像記録装置であって、記録している監視画像を制御部４に入力する構成とすることもできる。この構成では、画像監視装置１は、過去に撮像された監視画像から対象物の検知を行う。
【００８９】
また上述の実施形態においては、異常検知処理に先だって、抽出された全特徴領域に対して抽出正誤判定を行うことで誤報の減少を図った。これに対し、先に異常検知処理を行い、異常が検知された特徴領域に対して抽出正誤判定を行って、異常が検知された特徴領域が正しく抽出されたものと判定された場合に出力部５により異常信号を出力させる構成とすることもできる。
【００９０】
また、上述の実施形態では、領域評価値Ｊは抽出の誤りの可能性の多さ、つまり抽出誤差を表していたが、逆に領域評価値Ｊが、抽出の誤りの可能性の少なさ、つまり抽出の正確性を表す指標となるように定義することもできる。例えば、内側評価値ｇｓの逆数の和、又は内側評価値ｇｓの逆数及び外側評価値ｎｓの逆数の和を、抽出の正確性を表す領域評価値Ｊとして定めることができる。この場合、（３）に相当する領域評価値Ｊの定義式は下記（９）式となり、また（８）式に相当する定義式は下記（１０）式となる。
Ｊ＝Σ（１／ｇｓ） ・・・（９）
Ｊ＝Σ｛Ｌｓ／min(ｇｓ，ｎｓ)｝ ・・・（１０）
【００９１】
なお、（９）式や（１０）式の領域評価値Ｊを用いる場合、領域評価値Ｊと基準値Ｔとの大小関係は逆になり、領域評価値Ｊが基準値Ｔ以上である特徴領域に対象物が存在すると判定され、そうでない特徴領域に対象物は存在しないと判定される。
【符号の説明】
【００９２】
１ 画像監視装置、２ 画像入力部、３ 記憶部、４ 制御部、５ 出力部、３０ 抽出用情報、４０ 特徴領域抽出手段、４１ 画像分割手段、４２ 断片明瞭度算出手段、４３ 存否判定手段、４４ 異常検知手段、８０ 特徴領域、８１，８２ 不確定断片。
【技術分野】
【０００１】
本発明は、監視画像から検知対象物の特徴を有する領域を抽出し、検知対象物の存在を判定する対象物検知装置に関する。
【背景技術】
【０００２】
侵入者や不審者などを検知するために監視画像から検知対象物である人間の領域を抽出することが行われる。この領域の抽出には背景差分処理や識別器による探索処理などが用いられるが、その際、検知対象物以外の領域が誤抽出される場合があり、誤報の原因となる。
【０００３】
この点、特許文献１に記載の移動物体追跡装置では、背景差分処理により抽出された領域の寸法や縦横比などの形状の特徴が監視対象としてふさわしくない場合に当該領域を処理対象から除外することにより誤抽出の低減を図っている。
【０００４】
また、特許文献２に記載の対象物検出装置では、検出したい対象物の大きさとなるウィンドウを入力画像に順次設定して、識別器を用いたスキャンを行うことにより誤抽出の低減を図っている。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００８−２５０７７２号公報
【特許文献２】特開２００５−１５７６７９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、従来技術においては誤抽出された領域を除外しきれず、依然として誤抽出された領域に検知対象物の存在を判定してしまうという問題が残っていた。
【０００７】
例えば、背景差分処理を用いる特許文献１に記載の移動物体追跡装置においては、草木が揺れたり、ヘッドライトに照らされたりした背景の一部領域が、たまたま人間程度の寸法や縦横比を有している場合に、これらの領域を誤抽出してしまう。背景に生じる変化は多種多様であるため、寸法や縦横比の基準を調整するだけでは誤抽出を根絶するのは困難である。
【０００８】
また例えば、識別器を用いる特許文献２に記載の対象物検出装置においては、背景の一部領域がたまたま人間と似た大きさや特徴を有する場合にこの領域を誤抽出してしまう。背景は多種多様であるため識別器の学習データを増やしても誤抽出を根絶するのは困難である。
【０００９】
本発明は、上記問題を解決するためになされたものであり、背景の誤抽出を排除して高い精度で物体の存在を検知できる対象物検知装置を提供することを目的とする。
【課題を解決するための手段】
【００１０】
本発明に係る対象物検知装置は、判定対象画像に基づいて検知対象物を検出するものであって、前記判定対象画像から前記検知対象物の特徴を有した特徴領域を抽出する特徴領域抽出手段と、それぞれ画素値が所定の類似性を有する画素からなる複数の画像断片に前記判定対象画像を分割する画像分割手段と、前記画像断片のうち前記特徴領域の内外に跨る不確定断片を検出し、当該不確定断片のうち当該特徴領域の内側にある画素数に応じて増加する内側評価値を求め、当該内側評価値を用いて前記特徴領域に前記検知対象物が存在するか否かを判定する存否判定手段と、を有する。
【００１１】
他の本発明に係る対象物検知装置は、前記存否判定手段が、前記不確定断片毎に前記内側評価値と前記特徴領域の外側にある画素数に応じて増加する外側評価値とを求め、前記外側評価値が前記内側評価値より大きい前記不確定断片についての前記内側評価値を用いて判定するものである。
【００１２】
別の本発明に係る対象物検知装置は、前記存否判定手段が、前記外側評価値が前記内側評価値より大きい前記不確定断片についての前記内側評価値と、前記外側評価値が前記内側評価値以下である前記不確定断片についての前記外側評価値との合計値を用いて判定するものである。
【００１３】
上記本発明に係る対象物検知装置において、前記存否判定手段は、前記不確定断片を構成する画素と前記特徴領域の輪郭との距離に応じて増加する重みを合計することにより前記内側評価値又は前記外側評価値を算出するものとすることができる。
【００１４】
本発明の好適な態様は、前記不確定断片の内外での前記画素値の所定の相違性に応じた断片明瞭度を求める断片明瞭度算出手段を有し、前記存否判定手段が、前記判定に際して、前記不確定断片についての前記内側評価値を当該不確定断片の前記断片明瞭度で重み付けすること、を特徴とする対象物検知装置である。
【発明の効果】
【００１５】
本発明によれば、背景の誤抽出を排除して対象物の存在を高精度に判定することが可能となる。
【図面の簡単な説明】
【００１６】
【図１】本発明の実施形態に係る画像監視装置の概略のブロック構成図である。
【図２】断片明瞭度算出処理を説明するための模式図である。
【図３】存否判定手段の抽出正誤判定処理を説明するための模式図である。
【図４】画素と特徴領域の輪郭との距離に応じた重みを定義する関数Ｆの模式的なグラフである。
【図５】特徴領域を横切る直線に沿った関数Ｆの変化を説明する説明図である。
【図６】断片明瞭度が低い場合に生じる現象を説明するための模式図である。
【図７】画像監視処理の概略のフロー図である。
【図８】抽出正誤判定処理の概略のフロー図である。
【図９】監視画像における特徴領域の抽出及びセグメンテーションの処理結果の例を示す模式図である。
【図１０】誤抽出された特徴領域と画像断片との位置関係を示す模式図である。
【図１１】正しく抽出された特徴領域と画像断片との位置関係を示す模式図である。
【発明を実施するための形態】
【００１７】
以下、本発明の実施の形態（以下実施形態という）である画像監視装置１について、図面に基づいて説明する。画像監視装置１は、監視空間から得られた監視画像において、検知対象物である人間の特徴を有する特徴領域を抽出することで侵入者を検知する。侵入者を検知すると画像監視装置１は異常信号を出力する。図１は、実施形態に係る画像監視装置１の概略のブロック構成図である。画像監視装置１は、画像入力部２、記憶部３、制御部４及び出力部５を含んで構成される。
【００１８】
画像入力部２は、監視カメラであり、監視空間内に設置され、監視空間を所定の時間間隔で撮影し、各画素が多階調の画素値で表現される監視画像（判定対象画像）を出力する。本実施形態において監視画像はカラー画像であり、例えば、各画素の画素値がそれぞれ２５６階調のＲ値、Ｇ値及びＢ値の組で表現される。また、監視画像は輝度値で表される濃淡画像であってもよく、この場合、画素値は例えば２５６階調の輝度値で表現される。本画像監視装置１において監視カメラは、少なくとも検知対象物と共にその周辺の背景が監視画像に含まれるような設置条件（設置位置等）及び撮像条件（画角等）にて撮像を行うように構成されている。より好適には監視カメラは検知対象物が撮像されたときに監視画像に占める背景の面積が検知対象物の面積以上となるような設置条件および撮像条件にて撮像を行うように構成されている。撮影された監視空間の監視画像は順次、制御部４へ出力される。
【００１９】
記憶部３は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスク等の記憶装置であり、制御部４で使用されるプログラムやデータを記憶する。記憶部３はこれらプログラム、データを制御部４との間で入出力する。記憶部３に記憶されるデータには抽出用情報３０が含まれる。
【００２０】
抽出用情報３０は、対象物の領域を抽出するための情報であり、抽出処理に先立って生成され記憶部３に格納されている情報である。背景差分処理で対象物を抽出する本実施形態では、抽出用情報３０は、具体的には監視空間に対象物が存在していない画像であり、抽出処理に先立って監視画像に基づいて背景画像として生成される。なお、対象物の領域を識別器により抽出する他の実施形態では、抽出用情報３０として、特徴空間において対象物とそれ以外を分ける識別面を表すパラメータが格納される。この識別面を表すパラメータは、対象物が撮像されている多数のサンプル画像、及び対象物が撮像されていない多数のサンプル画像の特徴量（コントラスト、エッジ方向等）をサポートベクターマシーンやブースティング法に適用することで予め学習される。
【００２１】
制御部４は、ＤＳＰ（Digital Signal Processor）、ＭＣＵ（Micro Control Unit）等の演算装置を用いて構成され、画像入力部２、記憶部３及び出力部５と接続される。制御部４は、記憶部３からプログラムを読み出して実行し、後述する各種の手段（特徴領域抽出手段４０、画像分割手段４１、断片明瞭度算出手段４２、存否判定手段４３、異常検知手段４４）として機能する。
【００２２】
特徴領域抽出手段４０は、監視画像と抽出用情報３０との比較により、監視画像にて検知対象物の特徴を有する特徴領域を抽出し、抽出された特徴領域の情報を存否判定手段４３へ出力する。具体的には、特徴領域抽出手段４０は、抽出用情報３０として記憶されている背景画像を用いて、監視画像と当該背景画像との差分処理を行い、差分閾値より大きな差を有する画素のまとまりを特徴領域として抽出する。この場合、画素値が背景と異なる領域が特徴領域として抽出されることになる。
【００２３】
識別器を用いる他の実施形態では、特徴領域抽出手段４０は、監視画像に所定大きさ、所定形状の候補領域を順次設定し、候補領域の画像を分析して特徴量（コントラスト、エッジ方向など）を抽出し、抽出された特徴量を、抽出用情報３０として記憶されている識別面のパラメータと比較して識別結果（対象物か否か）を導出する。なお、候補領域を設定した探索は、候補領域の大きさ及び形状を変更して複数回繰り返してもよい。この場合、特徴量が対象物と類似する領域が特徴領域として抽出されることになる。
【００２４】
画像分割手段４１は、監視画像において画素値が互いに類似する隣接画素をまとめることで複数の画像断片を抽出する。この抽出処理により、監視画像は、画素値が所定の類似性を有する画素からなる複数の画像断片に分割される。抽出された画像断片の情報は断片明瞭度算出手段４２及び存否判定手段４３へ出力される。このような画像断片は、一般にセグメントと称され、セグメントを抽出する処理は一般にセグメンテーションと称される。かかる画像断片は、画素値が互いに類似する隣接画素からなるので、道路・建物・人物などごとに抽出される。
【００２５】
代表的なセグメンテーションの方式として、ｋ平均法や平均シフト法がある。これらによるセグメンテーションの手順を説明する。
【００２６】
［ｋ平均法に基づくセグメンテーション］
（手順１）監視画像からｋ個の画素を任意に選択し、選択された画素の画素値をシードに設定する。
（手順２）監視画像中の各画素を最も類似するシードに関連付ける。
（手順３）シードごとに、関連付けられた画素の平均画素値を算出し、シードから平均画素値への移動量を求める。
（手順４）移動量が予め設定された閾値ε以下なら次の手順５へ進み、そうでなければ算出された平均画素値をシードに設定して手順２に戻る。
（手順５）同一シードに関連付けられた画素のうち互いに隣接する画素同士をひとつのセグメントにまとめる。
【００２７】
［平均シフト法に基づくセグメンテーション］
（手順１）監視画像中の各画素を中心とする所定大きさの局所領域を初期設定する。
（手順２）局所領域の密度勾配ベクトルを算出しては山登り法を用いて該ベクトル方向へ（密度が高くなる方向へ）局所領域をシフトすることをシフト量が収束するまで繰り返す。
（手順３）監視画像中の各画素に収束点の画素値（最頻画素値を意味する）を設定する。
（手順４）手順３により生成される画像にて、隣接する画素との画素値の差が規定値以下の画素同士を一つのセグメントにまとめる。
【００２８】
なお、平均シフト法についての参考文献として、Dorin Comaniciu, Peter Meer: Mean
Shift: A Robust Approach Toward Feature Space Analysis. IEEE Trans. Pattern
Anal. Mach. Intell. 24(5): 603-619 (2002)がある。
【００２９】
その他のセグメンテーション方法として、画像をグラフとみなした上でその最小切断や正規化切断を求める方法などを用いることもできる。
【００３０】
断片明瞭度算出手段４２は、画像分割手段４１において抽出された各画像断片について、その内外での画素値の所定の相違性に応じた断片明瞭度を算出し、存否判定手段４３へ出力する。当該画像断片の周囲画像と大きく相違する画像断片は周囲画像と明瞭に区別でき、その輪郭は対象物の輪郭、対象物を構成する対象構成物の輪郭、又は背景を構成する背景構成物の輪郭といった真の輪郭と一致している可能性が高い。一方、相違が小さな画像断片は、陰影等の影響により対象構成物や背景構成物の一部のみが抽出された画像断片である可能性が高い。
【００３１】
例えば、断片明瞭度は、注目断片の縁部に存在する各縁部画素と、注目断片の外側に存在し当該縁部画素に隣接する周囲画素との相違度（相互相違度）を総和することで算出される。具体的には、縁部画素の画素値をｃｉ、各縁部画素に隣接する周囲画素の画素値をｃｊと表すと、画像断片ｓの断片明瞭度Ｌｓの算出式は次の（１）式で定義することができる。
Ｌｓ＝Ｇ（１／Σ｛α・exp(−‖ｃｉ−ｃｊ‖２／β)｝） ・・・（１）
【００３２】
（１）式において、Ｇ（ｘ）はｘ＝０で０、ｘ＝∞で１となる増加関数であり、このＧ(ｘ)により断片明瞭度Ｌｓの値域は［０，１）に正規化される。本実施形態では画素値ｃｉ，ｃｊはＲＧＢ値からなるベクトルであり、‖ｘ‖はベクトルｘのノルムを表す。また、α及びβは予め設定される定数である。Σは、画素値ｃｉ，ｃｊの組についての総和を表す。
【００３３】
ここで、縁部画素の多寡や縁部画素の画素値の分布は画像断片ごとに異なるため、縁部画素と周囲画素との関係のみから断片明瞭度を算出すると、画像断片間で断片明瞭度の信頼性に格差が生じ得る。そこで、断片明瞭度算出手段４２は、注目断片内の画素間についての相違度（自己相違度）を算出し、当該自己相違度により上記相互相違度を正規化する。自己相違度は、注目断片内の互いに隣接する画素間の相違度を総和することで算出され、画像断片ｓ内の互いに隣接する２つの画素の画素値をそれぞれｃｈ１，ｃｈ２と表すと、画像断片ｓの正規化された断片明瞭度Ｌｓの算出式は（２）式で与えられる。
Ｌｓ＝Ｇ（Σ｛exp(−‖ｃｈ１−ｃｈ２‖２／β)｝／Σ｛exp(−‖ｃｉ−ｃｊ‖２／β)｝） ・・・（２）
【００３４】
（２）式において第１のΣは画素値ｃｈ１，ｃｈ２の組についての総和、第２のΣは画素値ｃｉ，ｃｊの組についての総和を表す。このように正規化処理を行うことで、画像断片間の格差により生じる断片明瞭度の信頼性低下を防ぐことができる。
【００３５】
図２（ａ）は注目断片ｓ及び周囲画像の模式図であり、注目断片ｓ内の縁部画素（画素値ｃｉ）、注目断片ｓ外の周囲画素（画素値ｃｊ）の位置が示されている。図２（ｂ）は関数Ｇの一例を示しており、横軸が引数ｘ、縦軸が関数値Ｇ(ｘ)である。
【００３６】
存否判定手段４３は、特徴領域抽出手段４０により抽出された特徴領域に検知対象物が存在するか否かを判定し、その判定結果を異常検知手段４４へ出力する。以下、存否判定手段４３について説明する。
【００３７】
特徴領域の抽出結果とセグメンテーションされた画像とを重ね合わせたとき、対象物の像が特徴領域として完璧に抽出されていれば、対象物の像に対応する画像断片群がパズルのピースのごとく特徴領域に適合することが期待される。これに対し、特徴領域の形状と特徴領域に対応する部分にある画像断片群の形状との整合性が低いほど、特徴領域が誤抽出されているおそれが大きい。このことは、画像断片が互いに類似する隣接画素をまとめたものであるので、対象物又はその部分ごとに画像断片が抽出されていることに起因する。画像断片が特徴領域に整合しない状態では、特徴領域の輪郭と交差する画像断片が生じる。ここでは、画像断片のうち特徴領域の内外に跨り当該特徴領域への帰属が不確かであるものを不確定断片と呼ぶことにする。例えば、誤抽出により特徴領域に背景が含まれている状態では、背景に属する画像断片が特徴領域の内外を跨ぐ。そして、特徴領域に含まれる背景が大きくなるほど、個々の不確定断片が特徴領域内に食い込む程度が大きくなる、又は／及び不確定断片が増加する。
【００３８】
存否判定手段４３は、画像断片の帰属情報を特徴領域の全周に亘ってまとめて領域評価値を算出し、当該領域評価値に基づいて特徴領域の抽出が正しいか否かを判定する。
【００３９】
例えば、存否判定手段４３は、画像断片のうち不確定断片であるものを検出し、特徴領域と不確定断片との重複度合いに応じた領域評価値を算出する。ここで算出される領域評価値は、不確定断片のうち当該特徴領域の内側にある画素数に応じて増加するものであり、これを内側評価値と呼ぶことにする。存否判定手段４３は、当該内側評価値を当該特徴領域の抽出誤差として前記特徴領域に前記検知対象物が存在するか否かを判定する。具体的には、内側評価値が予め設定された基準値以下である特徴領域は正しく抽出されており、一方、内側評価値が基準値を超える特徴領域は誤抽出されたものであると判断できる。そこで、存否判定手段４３は、この特徴領域の抽出の正誤の判断に対応して、内側評価値が基準値以下である特徴領域には対象物が存在すると判定し、一方、内側評価値が予め設定された基準値を越える特徴領域には対象物は存在しないと判定する。
【００４０】
図３は、存否判定手段４３の抽出正誤判定処理を説明するための模式図である。この図３を用いて、当該処理を具体的に説明する。図３には、監視画像にて抽出される画像断片の例として、特徴領域８０に対する位置関係が異なる画像断片８１〜８４が示されている。画像断片８１，８２は特徴領域８０の輪郭を内側に含んでいることから不確定断片として検出される。一方、画像断片８３，８４は特徴領域８０の輪郭を内側に含まないので不確定断片として検出されない。図３にて横線で網掛けされた部分は不確定断片における特徴領域８０との重複部分であり、一方、縦線で網掛けされた部分は不確定断片における特徴領域８０からのはみ出し部分である。
【００４１】
上述したように不確定断片は背景の画像断片である可能性があり、その場合、不確定断片と特徴領域との重複部分は、特徴領域の一部として背景を誤抽出した部分となる。すなわち、重複部分が大きいほど誤抽出の可能性が高く、小さいほど当該可能性は低いといえる。そこで、存否判定手段４３は、不確定断片ごとに内側評価値として重複部分の面積（画素数）を算出し、その合計値を領域評価値として求める。不確定断片の識別記号をｓ、当該不確定断片の内側評価値をｇｓと表すと領域評価値Ｊの算出式は次の（３）式となる。
Ｊ＝Σｇｓ ・・・（３）
【００４２】
（３）式においてΣは特徴領域の不確定断片ｓについての総和を表す。
【００４３】
存否判定手段４３は、この（３）式で得られた領域評価値Ｊを基準値Ｔと比較し、既に述べたように基準値Ｔ以下の特徴領域には対象物が存在すると判定し、そうでない特徴領域には対象物は存在しないと判定する。
【００４４】
内側評価値は、単純な面積に代えて、次のように特徴領域の輪郭からの距離に応じた重み付けを行ってもよく、この構成について以下説明する。特徴領域抽出手段４０においてどのような抽出方法を用いても対象物の領域が完璧に抽出されることは稀である。画素単位でみた場合、特徴領域の輪郭近傍の画素の帰属（当該画素が対象物と背景とのいずれに属するか）の不確定性が高い。逆に、輪郭から離れるほど帰属の不確定性は低くなり、特徴領域の中心に近い画素ほど対象物に帰属する確度が高い。そこで、存否判定手段４３は、重複部分の各画素について特徴領域の輪郭から当該画素までの距離に応じた重みを算出し、当該重みの和を内側評価値として求める構成とすることができる。
【００４５】
具体的には、重複部分の画素をｅ１、特徴領域の輪郭から当該画素ｅ１までの距離をｄｅ１と表すと、内側評価値ｇｓの算出式は下記（４）式で表される。
ｇｓ＝ΣＦ(ｄｅ１) ・・・（４）
【００４６】
（４）式においてΣは画素ｅ１についての総和を表す。また、Ｆ(ｘ)は引数ｘとして入力される距離ｄｅ１に応じた重みを定義する予め定められた関数であり、ｘ＞０に対して値域が（０，１）であり、かつ増加関数である。図４は関数Ｆの一例を示しており、横軸が引数ｘ、縦軸が関数値Ｆ(ｘ)である。
【００４７】
領域評価値Ｊは、（４）式で与えられる各不確定断片ごとの内側評価値ｇｓを用いて（３）式により求めることができる。
【００４８】
また、領域評価値Ｊは次に述べるように、不確定断片のはみ出し部分を考慮に入れて定めることもできる。この場合、存否判定手段４３は、不確定断片ごとにそのはみ出し部分の画素数に応じて増加する評価値を求める。当該評価値を外側評価値と呼ぶことにする。
【００４９】
不確定断片には、不確定断片８１のように重複部分よりもはみ出し部分の方が大きいものと、不確定断片８２のように重複部分よりもはみ出し部分の方が小さいものとがある。はみ出し部分の方が大きい不確定断片は本来背景に属する画像断片である可能性が高く、一方、重複部分の方が大きい不確定断片は本来対象物に属する画像断片である可能性が高いといえる。そこで、重複度合いがはみ出し度合いよりも小さい不確定断片についてだけ内側評価値を合計して領域評価値Ｊを算出することで、領域評価値Ｊは、背景に属する可能性の高い不確定断片が特徴領域に与える影響を好適に表し、抽出誤差としての領域評価値Ｊの信頼性が向上し、ひいては存否判定の確度が向上する。
【００５０】
具体的には、（５）式に示すように、存否判定手段４３は各不確定断片について内側評価値と外側評価値とを比較し、内側評価値が外側評価値よりも小さい不確定断片の内側評価値の合計値を領域評価値Ｊとする。
Ｊ＝Σｇｓ ｛ｓ；ｇｓ＜ｎｓ｝ ・・・（５）
【００５１】
（５）式において、不確定断片ｓの内側評価値がｇｓ、外側評価値がｎｓであり、Σはｇｓ＜ｎｓなる不確定断片ｓについての総和を表す。
【００５２】
外側評価値ｎｓは、内側評価値ｇｓと対比可能に定義することが好適である。すなわち、内側評価値ｇｓを重複部分の面積で定義する場合には、外側評価値ｎｓははみ出し部分の面積で定義する。一方、内側評価値ｇｓを（４）式で求める場合には、外側評価値ｎｓも（４）式と同様の関数Ｆを用いて次式で求める。
ｎｓ＝ΣＦ(ｄｅ２) ・・・（６）
【００５３】
（６）式においてΣははみ出し部分の画素ｅ２についての総和であり、ｄｅ２は特徴領域の輪郭から当該画素ｅ２までの距離である。
【００５４】
（６）式の外側評価値ｎｓには、特徴領域の輪郭近傍の画素は帰属の不確定性が高く、逆に特徴領域から離れた画素ほど背景に帰属する確度が高いという性質が反映される。図５は、特徴領域８０の輪郭からの距離に応じた関数Ｆの値の変化を模式的に示しており、同図の上側には特徴領域８０を示し、これを横切る直線８６に沿った関数Ｆのグラフを同図の下側に示している。
【００５５】
なお、重複度合いとはみ出し度合いとの比較は重複部分の面積とはみ出し部分の面積との比較により行い、領域評価値Ｊの計算に用いる内側評価値ｇｓは（４）式の結果を用いるように存否判定手段４３を構成することもできる。
【００５６】
ここまで説明してきた領域評価値Ｊは、特徴領域抽出手段４０が背景を特徴領域の一部として誤抽出したという観点から評価した抽出誤差であった。さて、特徴領域抽出手段４０による誤抽出の別の側面には対象物の一部を抽出し損ねる現象がある。この抽出し損ねの要素を考慮に加えれば領域評価値Ｊの信頼性はさらに向上する。そこで、（５）式の領域評価値Ｊにさらに、はみ出し度合いが重複度合い以下である不確定断片についての外側評価値を加えるように存否判定手段４３を構成してもよい。
【００５７】
この場合、領域評価値Ｊの算出式は次の（７）式で与えられる。
Ｊ＝Σ｛min(ｇｓ，ｎｓ)｝ ・・・（７）
【００５８】
（７）式においてΣは特徴領域の不確定断片ｓについての総和を表す。これにより特徴領域が背景を含んでいるという観点と特徴領域が対象物を抽出し損ねているという観点との両面から評価した抽出誤差である領域評価値Ｊが得られるので、領域評価値Ｊの信頼性が向上し、ひいては存否判定の確度が向上する。
【００５９】
（７）式の内側評価値ｇｓ及び外側評価値ｎｓとして、特徴領域の輪郭からの距離に応じた重みを考慮した（４）式、（６）式の値を用いることができる。上述したように距離に応じて画素を重み付けする関数Ｆは画素の帰属の確度を表しているので、（４）式、（６）式の値を用いることで、領域評価値Ｊの信頼性が向上し、ひいては存否判定の確度が向上する。なお、（７）式の内側評価値ｇｓ及び外側評価値ｎｓは、それぞれ重複部分、はみ出し部分の面積とすることもできる。
【００６０】
さらに、存否判定の精度を高めるために、断片明瞭度算出手段４２にて得られる断片明瞭度を考慮することができる。この構成を以下説明する。断片明瞭度算出手段４２の説明で述べたように、陰影等の影響により対象構成物や背景構成物の像の一部分だけが画像断片として不適切に抽出される場合がある。このような不適切な画像断片においては重複度合いとはみ出し度合いとの大小関係が本来の関係と逆転してしまうことがある。図６は、断片明瞭度が低い場合に生じる現象を説明するための模式図である。図６（ａ）は、特徴領域８０についての不確定断片８５-1の断片明瞭度が高い場合を示している。このように断片明瞭度が高い不確定断片８５-1は上述したように対象構成物や背景構成物の像を好適に表している可能性が高い。図６（ａ）に示す一例として示す不確定断片８５-1は、外側評価値より内側評価値（横線網掛け部分の大きさ）の方が小さいため、（７）式による領域評価値Ｊを求める総和演算にて、内側評価値ｇｓが加算される。
【００６１】
一方、図６（ｂ）は、特徴領域８０についての不確定断片８５-2の断片明瞭度が低い場合を示している。不確定断片８５-2は、本来の像が画像断片８５-1のような形状である対象構成物や背景構成物について、その一部のみが抽出された場合を示しており、画像断片８５-1のうち特徴領域８０の外側に属する部分（点線で境界を示す部分）は別の画像断片を構成すると認識されている。この場合、外側評価値（縦線網掛け部分の大きさ）の方が内側評価値より小さくなってしまい、（７）式による領域評価値Ｊを求める総和演算にて、外側評価値ｎｓが加算される。つまり、本来は背景に属する画像断片として評価されるべき不確定断片８５-2が対象物に属する画像断片として誤って評価される。このような誤りが領域評価値Ｊに与える影響を軽減するために、領域評価値Ｊの算出に際して、存否判定手段４３は不確定断片ｓの内側評価値及び外側評価値を当該不確定断片の断片明瞭度Ｌｓで重み付けする。
【００６２】
具体的には（７）式に対応する領域評価値Ｊは、断片明瞭度を考慮する構成では次式で計算される。
Ｊ＝Σ｛Ｌｓ・min(ｇｓ，ｎｓ)｝ ・・・（８）
【００６３】
これにより、断片明瞭度が高く信頼できる不確定断片に高い加重をかけて領域評価値Ｊを算出できるので、領域評価値Ｊの信頼性が向上し、ひいては正誤判定の確度が向上する。
【００６４】
なお、この断片明瞭度による重み付けは、（３）式、（５）式の領域評価値Ｊの計算にも導入することができる。
【００６５】
以上、存否判定手段４３について説明した。存否判定手段４３の判定結果は異常検知手段４４へ出力される。
【００６６】
異常検知手段４４は、存否判定手段４３により正しい抽出と判定された特徴領域の情報に基づいて異常を検知する。具体的には、異常検知手段４４は正しい抽出と判定された特徴領域を複数時刻に亘って追跡して対象物の動きを分析し、例えば、監視空間内にて所定距離以上の動きが確認された場合に侵入異常を検知する。また、不審者が存在する異常を検知する別の実施形態では、同様に動きを分析して所定時間以上の滞留を確認すると異常を検知したり、動きパターンが予め定めた不審パターンに合致すると異常を検知する。
【００６７】
異常検知手段４４は、存否判定手段４３にて誤抽出の排除がなされた特徴領域の情報に基づいて異常を検知するので、確実に誤報を減じることができる。異常を判定した場合、制御部４は出力部５を制御して異常信号の出力を行わせる。
【００６８】
出力部５は、外部装置と接続され、当該外部装置へ異常信号を出力するインターフェース回路である。外部装置は、侵入者の存在を警報するスピーカー、ブザー又はランプ等の警報表示手段、又は／及び通信網を介して接続される遠隔地のセンタ装置等である。
【００６９】
次に図７を参照して、画像監視装置１の動作を説明する。監視空間が無人であることを確認した管理者が装置に電源を投入すると、各部、各手段が初期化され動作を開始する（Ｓ１）。初期化の後は、画像入力部２から制御部４へ新たな監視画像が入力されるたびにステップＳ２〜Ｓ１０の処理がループ処理として繰り返される。
【００７０】
画像監視装置１は、特徴領域抽出手段４０の背景差分処理にて用いる背景画像を、ループ処理の各回が終わるごとに更新する（Ｓ２）。制御部４は、前回のループ処理における監視画像のうち特徴領域が抽出されなかった部分の画像を現在の背景画像に合成して、背景画像を更新する（Ｓ２）。なお、電源投入直後、すなわち初回のステップＳ３〜Ｓ１０の処理の開始時においては背景画像は未だ記憶されていない。この場合、制御部４は背景画像更新処理（Ｓ２）として、画像入力部２から得られる監視画像によって背景画像を初期化する。
【００７１】
新たな監視画像が入力されると（Ｓ３）、特徴領域抽出手段４０は、更新された背景画像を用いて背景差分処理を行い、監視画像から特徴領域を抽出する（Ｓ４）。
【００７２】
ちなみに、識別器により特徴領域を抽出する装置構成ではステップＳ２の更新処理は不要となる。
【００７３】
特徴領域が一つも抽出されなかった場合（Ｓ５にてＮＯ）、処理はステップＳ２へ戻される。一方、１以上の特徴領域が抽出された場合（Ｓ５にてＹＥＳ）、制御部４は各特徴領域に対象物が存在するか否かを判定する（Ｓ６）。
【００７４】
図８を参照して、存否判定処理の詳細を説明する。まず、制御部４の画像分割手段４１は監視画像にセグメンテーション処理を施して当該監視画像から複数の画像断片を抽出し（Ｓ６００）、制御部４の断片明瞭度算出手段４２は抽出された各画像断片とその周辺画像の画素値を（２）式に適用して各画像断片の断片明瞭度Ｌｓを算出する（Ｓ６０１）。
【００７５】
次に制御部４の存否判定手段４３は、図７のステップＳ６にて抽出された特徴領域を順次、注目特徴領域に設定して特徴領域のループ処理を実行する（Ｓ６０２〜Ｓ６１２）。この特徴領域のループ処理において、さらに存否判定手段４３はステップＳ６００にて抽出された画像断片を順次、注目断片に設定して画像断片のループ処理を実行する（Ｓ６０３〜Ｓ６０７）。
【００７６】
画像断片のループ処理において、存否判定手段４３は注目断片と注目特徴領域との位置関係を判定し（Ｓ６０４）、注目断片が注目特徴領域の輪郭を跨ぐ不確定断片と判定されれば（Ｓ６０５にてＹＥＳ）、（４）式により当該画像断片の内側評価値ｇｓを算出すると共に、（６）式により当該画像断片の外側評価値ｎｓを算出する（Ｓ６０６）。
【００７７】
画像断片のループ処理が終わると（Ｓ６０７にてＹＥＳ）、存否判定手段４３は、ステップＳ６０１にて算出された断片明瞭度Ｌｓ、ステップＳ６０６にて算出された重複度合いｇｓ、はみ出し度合いｎｓを（８）式に適用して注目特徴領域の領域評価値を算出する（Ｓ６０８）。
【００７８】
領域評価値の算出後、存否判定手段４３は注目特徴領域の領域評価値を、予め設定された基準値と比較する（Ｓ６０９）。存否判定手段４３は、領域評価値が基準値以下であれば（Ｓ６０９にてＹＥＳ）、注目特徴領域に対象物が存在すると判定する（Ｓ６１０）。一方、領域評価値が基準値を超えていれば（Ｓ６０９にてＮＯ）、注目特徴領域に対象物は存在しないと判定する（Ｓ６１１）。対象物が存在しないと判定された特徴領域の情報は一時記憶されている情報から削除される。
【００７９】
なお、領域評価値と基準値との比較を行うに際して、領域評価値又は基準値のいずれかを特徴領域の大きさを表す指標Ωに応じてスケーリングすることが好適である。例えば、基準値をΩに依らずに一定とする場合には、（８）式で得られた領域評価値ＪをΩで除するスケーリングを行う。例えば、Ωとして、特徴領域の画素数を合計して得られる面積や、上述の重み関数Ｆを特徴領域内の全画素について総和した値などを用いることができる。一方、監視画像における検知対象物の像の大きさが予め想定できる場合には、スケーリングを省略することもできる。なお、スケーリングを行う場合の基準値は例えば、各特徴領域の大きさΩの２０〜４０％程度の大きさに設定することができる。
【００８０】
以上の処理により、全ての特徴領域に対して対象物の存否が判定されると（Ｓ６１２にてＹＥＳ）、処理は図７のステップＳ７へ進められる。
【００８１】
再び図７を参照して画像監視処理の続きを説明する。存否判定手段４３により対象物の存在が判定された特徴領域がある場合（Ｓ７にてＹＥＳ）、制御部４の異常検知手段４４は、当該特徴領域に基づき異常の有無を判定する（Ｓ８）。すなわち異常検知手段４４は、特徴領域の追跡を行い、追跡の結果、予め設定された距離閾値を越える距離の移動が検出されると、当該特徴領域が侵入者によるものであるとして異常を検知する。追跡は、例えば、現時刻の監視画像において特徴領域に対応する部分画像の色ヒストグラムを分析し、当該色ヒストグラムと、同様にして過去に分析され記憶されている色ヒストグラムとを比較することで前後する時刻の特徴領域を対応付けることで行われる。また、次時刻の追跡に備えて異常検知手段４４は、現時刻の監視画像から分析された色ヒストグラムを記憶部３に追加記憶させる。
【００８２】
異常検知手段４４により異常が検知されると（Ｓ９にてＹＥＳ）、出力部５は異常信号を生成して、異常信号を例えば、警報表示手段及び通信網へ出力する（Ｓ１０）。このとき出力部５は通信網へ出力する異常信号に現時刻の監視画像のデータを含ませる。異常信号が入力された警報表示手段は、スピーカーの鳴動やランプの点灯により警報表示を行って侵入者を威嚇するとともに利用者の注意を喚起する。また、異常信号は通信網により監視員が常駐する警備センタのセンタ装置へ伝送され、異常信号を受信したセンタ装置は警報音の鳴動や監視画像の表示等を行う。そして、監視画像により状況確認した監視員は状況に応じた対処を行う。
【００８３】
一方、存否判定手段４３により対象物の存在が判定された特徴領域が無い場合（Ｓ７にてＮＯ）、ステップＳ８以降の処理はスキップされる。また、対象物の存在が判定された特徴領域があっても未だ異常が判定されない場合（Ｓ９にてＮＯ）、ステップＳ１０の処理はスキップされる。
【００８４】
以上の処理が終了すると、処理は再びステップＳ２へ戻され、次時刻の監視画像に対する処理が行われる。
【００８５】
図９は処理結果を説明する模式的な画像例である。図９（ａ）は特徴領域９１，９２が抽出された監視画像９０を示している。特徴領域９１は揺れた木が誤抽出されたものであり。一方、特徴領域９２には侵入者が抽出されている。図９（ｂ）は、監視画像９０にセグメンテーション処理を施して生成された画像９３を示している。画像９３において、実線の各閉領域が画像断片である。なお、図９（ｂ）には、理解補助のために、特徴領域９１，９２の輪郭を点線で示している。
【００８６】
図１０は特徴領域９１及びその近傍領域を拡大した模式図であり、一方、図１１は特徴領域９２及びその近傍領域を拡大した模式図である。図１０において、点線で示す特徴領域９１と重複する部分を有する２つの画像断片はいずれも不確定断片である。そして、これら２つの不確定断片はいずれも特徴領域９１の外側に大きくはみ出しており、重複部分よりはみ出し部分の方が大きい。そのため、領域評価値はそれら不確定断片それぞれの内側評価値の和で与えられる。しかも、不確定断片との重複部分が特徴領域の全体を占めるので、比較処理Ｓ６０９にて領域評価値が基準値を超える。その結果、特徴領域９１には対象物は存在しないと判定される。
【００８７】
一方、図１１では、点線で示す特徴領域９２と重複する部分を有する画像断片は３つ存在する。それらのうち２つは特徴領域９２の外側に大きくはみ出した不確定断片であり、それらは特徴領域９２と重複部分９６，９７を有する。残りの１つの不確定断片はその殆どの部分が特徴領域９２の内側に存在する不確定断片であり、当該不確定断片は特徴領域９２からのはみ出し部分９８を有する。この場合、領域評価値は重複部分９６，９７から算出される内側評価値と、はみ出し部分９８から算出される外側評価値との和で与えられ、当該領域評価値は基準値以下となる。その結果、特徴領域９２には対象物である人間が存在すると判定される。
【００８８】
上述の実施形態では、画像入力部２に監視カメラを備え、リアルタイムで監視空間から得られる監視画像に基づいて対象物の検知を行う構成を説明した。これとは別の実施形態では、画像入力部２がＨＤＤレコーダー等の画像記録装置であって、記録している監視画像を制御部４に入力する構成とすることもできる。この構成では、画像監視装置１は、過去に撮像された監視画像から対象物の検知を行う。
【００８９】
また上述の実施形態においては、異常検知処理に先だって、抽出された全特徴領域に対して抽出正誤判定を行うことで誤報の減少を図った。これに対し、先に異常検知処理を行い、異常が検知された特徴領域に対して抽出正誤判定を行って、異常が検知された特徴領域が正しく抽出されたものと判定された場合に出力部５により異常信号を出力させる構成とすることもできる。
【００９０】
また、上述の実施形態では、領域評価値Ｊは抽出の誤りの可能性の多さ、つまり抽出誤差を表していたが、逆に領域評価値Ｊが、抽出の誤りの可能性の少なさ、つまり抽出の正確性を表す指標となるように定義することもできる。例えば、内側評価値ｇｓの逆数の和、又は内側評価値ｇｓの逆数及び外側評価値ｎｓの逆数の和を、抽出の正確性を表す領域評価値Ｊとして定めることができる。この場合、（３）に相当する領域評価値Ｊの定義式は下記（９）式となり、また（８）式に相当する定義式は下記（１０）式となる。
Ｊ＝Σ（１／ｇｓ） ・・・（９）
Ｊ＝Σ｛Ｌｓ／min(ｇｓ，ｎｓ)｝ ・・・（１０）
【００９１】
なお、（９）式や（１０）式の領域評価値Ｊを用いる場合、領域評価値Ｊと基準値Ｔとの大小関係は逆になり、領域評価値Ｊが基準値Ｔ以上である特徴領域に対象物が存在すると判定され、そうでない特徴領域に対象物は存在しないと判定される。
【符号の説明】
【００９２】
１ 画像監視装置、２ 画像入力部、３ 記憶部、４ 制御部、５ 出力部、３０ 抽出用情報、４０ 特徴領域抽出手段、４１ 画像分割手段、４２ 断片明瞭度算出手段、４３ 存否判定手段、４４ 異常検知手段、８０ 特徴領域、８１，８２ 不確定断片。
【特許請求の範囲】
【請求項１】
判定対象画像に基づいて検知対象物を検出する対象物検知装置において、
前記判定対象画像から前記検知対象物の特徴を有した特徴領域を抽出する特徴領域抽出手段と、
それぞれ画素値が所定の類似性を有する画素からなる複数の画像断片に前記判定対象画像を分割する画像分割手段と、
前記画像断片のうち前記特徴領域の内外に跨る不確定断片を検出し、当該不確定断片のうち当該特徴領域の内側にある画素数に応じて増加する内側評価値を求め、当該内側評価値を用いて前記特徴領域に前記検知対象物が存在するか否かを判定する存否判定手段と、
を有することを特徴とする対象物検知装置。
【請求項２】
請求項１に記載の対象物検知装置において、
前記存否判定手段は、前記不確定断片毎に前記内側評価値と前記特徴領域の外側にある画素数に応じて増加する外側評価値とを求め、前記外側評価値が前記内側評価値より大きい前記不確定断片についての前記内側評価値を用いて判定すること、を特徴とする対象物検知装置。
【請求項３】
請求項２に記載の対象物検知装置において、
前記存否判定手段は、前記外側評価値が前記内側評価値より大きい前記不確定断片についての前記内側評価値と、前記外側評価値が前記内側評価値以下である前記不確定断片についての前記外側評価値との合計値を用いて判定すること、を特徴とする対象物検知装置。
【請求項４】
請求項２又は請求項３に記載の対象物検知装置において、
前記存否判定手段は、前記不確定断片を構成する画素と前記特徴領域の輪郭との距離に応じて増加する重みを合計することにより前記内側評価値又は前記外側評価値を算出すること、を特徴とする対象物検知装置。
【請求項５】
請求項１から請求項４のいずれか１つに記載の対象物検知装置において、
前記不確定断片の内外での前記画素値の所定の相違性に応じた断片明瞭度を求める断片明瞭度算出手段を有し、
前記存否判定手段は、前記判定に際して、前記不確定断片についての前記内側評価値を当該不確定断片の前記断片明瞭度で重み付けすること、を特徴とする対象物検知装置。
【請求項１】
判定対象画像に基づいて検知対象物を検出する対象物検知装置において、
前記判定対象画像から前記検知対象物の特徴を有した特徴領域を抽出する特徴領域抽出手段と、
それぞれ画素値が所定の類似性を有する画素からなる複数の画像断片に前記判定対象画像を分割する画像分割手段と、
前記画像断片のうち前記特徴領域の内外に跨る不確定断片を検出し、当該不確定断片のうち当該特徴領域の内側にある画素数に応じて増加する内側評価値を求め、当該内側評価値を用いて前記特徴領域に前記検知対象物が存在するか否かを判定する存否判定手段と、
を有することを特徴とする対象物検知装置。
【請求項２】
請求項１に記載の対象物検知装置において、
前記存否判定手段は、前記不確定断片毎に前記内側評価値と前記特徴領域の外側にある画素数に応じて増加する外側評価値とを求め、前記外側評価値が前記内側評価値より大きい前記不確定断片についての前記内側評価値を用いて判定すること、を特徴とする対象物検知装置。
【請求項３】
請求項２に記載の対象物検知装置において、
前記存否判定手段は、前記外側評価値が前記内側評価値より大きい前記不確定断片についての前記内側評価値と、前記外側評価値が前記内側評価値以下である前記不確定断片についての前記外側評価値との合計値を用いて判定すること、を特徴とする対象物検知装置。
【請求項４】
請求項２又は請求項３に記載の対象物検知装置において、
前記存否判定手段は、前記不確定断片を構成する画素と前記特徴領域の輪郭との距離に応じて増加する重みを合計することにより前記内側評価値又は前記外側評価値を算出すること、を特徴とする対象物検知装置。
【請求項５】
請求項１から請求項４のいずれか１つに記載の対象物検知装置において、
前記不確定断片の内外での前記画素値の所定の相違性に応じた断片明瞭度を求める断片明瞭度算出手段を有し、
前記存否判定手段は、前記判定に際して、前記不確定断片についての前記内側評価値を当該不確定断片の前記断片明瞭度で重み付けすること、を特徴とする対象物検知装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２０１０−２７７２９６（Ｐ２０１０−２７７２９６Ａ）
【公開日】平成２２年１２月９日（２０１０．１２．９）
【国際特許分類】
【出願番号】特願２００９−１２８５１９（Ｐ２００９−１２８５１９）
【出願日】平成２１年５月２８日（２００９．５．２８）
【出願人】（０００１０８０８５）セコム株式会社 (596)
【Ｆターム（参考）】
【公開日】平成２２年１２月９日（２０１０．１２．９）
【国際特許分類】
【出願日】平成２１年５月２８日（２００９．５．２８）
【出願人】（０００１０８０８５）セコム株式会社 (596)
【Ｆターム（参考）】
[ Back to top ]