情報出力装置、検知装置、プログラム及び情報出力方法
【課題】種々の誤検知発生要因に対応することが可能な情報出力装置、検知装置、プログラム及び情報出力方法を提供する。
【解決手段】被写体を撮影した画像に関する情報を出力する情報出力装置であって、前記画像を１又は複数の画像エリアに分割する分割手段と、撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出手段と、前記特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する画像エリア検知手段と、前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定手段と、前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力手段と、を備える。
【解決手段】被写体を撮影した画像に関する情報を出力する情報出力装置であって、前記画像を１又は複数の画像エリアに分割する分割手段と、撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出手段と、前記特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する画像エリア検知手段と、前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定手段と、前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力手段と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明の実施形態は、情報出力装置、検知装置、プログラム及び方法に関するものである。
【背景技術】
【０００２】
従来、監視カメラ等の撮像装置で撮像された画像を用いて人体等の物体（動体）を検知する検知装置が存在している。係る検知装置では、撮像装置で撮像された現在の状態を表す画像と、基準画像（例えば、撮像装置で撮像された数フレーム前の画像）との輝度の差分を画素単位で算出し、差分値が所定値以上となる画素の位置に基づいて動体を検知している。
【０００３】
ところで、オフィス等の室内に明り取り用の窓が備え付けられている場合、この窓から入射する外光等が輝度変化の要因となるため、上記した検知装置において動体と誤検知される可能性がある。そのため、従来、誤検知が発生する箇所を非検知画像エリア（マスク）として設定することで、誤検知を低減する技術が提案されている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２０１１−２８９５６号公報
【特許文献２】特開２００３−３２４７２６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来の誤検知低減技術では、種々の誤検知発生要因に対応することができない可能性があった。
【課題を解決するための手段】
【０００６】
実施の形態の情報出力装置は、被写体を撮影した画像に関する情報を出力する情報出力装置であって、分割手段と、特徴量算出手段と、画像エリア検知手段と、特定手段と、出力手段とを備える。分割手段は、画像を１又は複数の画像エリアに分割する。特徴量算出手段は、撮影時間の異なる複数の画像から当該画像間の差分となる特徴量を画像エリア毎に算出する。画像エリア検知手段は、特徴量算出手段で算出された各画像エリアの特徴量に基づいて、特徴量に変化のある画像エリアを検知する。特定手段は、画像を構成する各各画像エリアから、被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する。出力手段は、検知手段が検知した画像エリアから特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する。
【発明の効果】
【０００７】
本発明によれば、被写体のおかれる環境に応じて定まる条件に該当した画像エリアを特定し、この特定した画像エリアを特徴量に変化のあった画像エリアから除いた画像エリアに関する情報を出力することにより、種々の誤検知発生要因に対応することが可能になる。
【図面の簡単な説明】
【０００８】
【図１】図１は、第１の実施形態に係る検知システムの構成を模式的に示す図である。
【図２】図２は、第１の実施形態に係る情報出力処理の構成を示すブロック図である。
【図３】図３は、第１の実施形態に係る情報出力処理の設置例を示す図である。
【図４】図４は、第１の実施形態に係る情報出力処理の機能構成を示すブロック図である。
【図５−１】図５−１は、画像エリア分割部による画像の分割例を示す図である。
【図５−２】図５−２は、画像エリア分割部による画像の分割例を示す図である。
【図６−１】図６−１は、特徴量算出部の動作の一例を説明するための図である。
【図６−２】図６−２は、特徴量算出部の動作の一例を説明するための図である。
【図６−３】図６−３は、特徴量算出部の動作の一例を説明するための図である。
【図７−１】図７−１は、第１の実施形態に係る除外エリア特定部の動作の一例を説明するための図である。
【図７−２】図７−２は、第１の実施形態に係る特定部の動作の一例を説明するための図である。
【図８】図８は、第１の実施形態に係る検知装置の構成を示すブロック図である。
【図９】図９は、第１の実施形態に係る検知装置の機能構成を示すブロック図である。
【図１０】図１０は、第１の実施形態に係る情報出力処理の情報出力処理の手順を示すフローチャートである。
【図１１】図１１は、第２の実施形態に係る情報出力処理の構成を示すブロック図である。
【図１２−１】図１２−１は、除外設定情報の一例を模式的に示す図である。
【図１２−２】図１２−２は、図９−１の除外設定情報に設定された除外対象エリアを模式的に示す図である。
【図１３】図１３は、第２の実施形態に係る情報出力処理の機能構成を示すブロック図である。
【図１４】図１４は、第２の実施形態に係る情報出力処理の情報出力処理の手順を示すフローチャートである。
【図１５】図１５は、有効／無効設定情報の一例を模式的に示す図である。
【図１６】図１６は、第３の実施形態に係る情報出力処理の機能構成を示すブロック図である。
【図１７】図１７は、第３の実施形態に係る情報出力処理の情報出力処理の手順を示すフローチャートである。
【図１８】図１８は、第４の実施形態に係る情報出力処理の機能構成を示すブロック図である。
【図１９−１】図１９−１は、第４の実施形態に係る除外エリア特定部の動作の一例を説明するための図である。
【図１９−２】図１９−２は、第４の実施形態に係る除外エリア特定部の動作の一例を説明するための図である。
【図２０−１】図２０−１は、第４の実施形態に係る特定部の他の動作例を説明するための図である。
【図２０−２】図２０−２は、第４の実施形態に係る特定部の他の動作例を説明するための図である。
【図２１】図２１は、第４の実施形態に係る情報出力装置の情報出力処理の手順を示すフローチャートである。
【発明を実施するための形態】
【０００９】
以下に添付図面を参照して、この発明に係る情報出力装置、検知装置、プログラム及び情報出力方法の実施形態を詳細に説明する。以下の実施形態では、この発明に係る情報出力装置、物体検知装置、プログラム及び方法を、オフィスビル等の建物内での物体検知に適用した例について説明する。
【００１０】
［第１の実施形態］
図１は、第１の実施形態に係る検知システムの構成を模式的に示す図である。同図に示すように、検知システムは、複数の情報出力装置１０と、当該情報出力装置１０とＬＡＮ（Local Area Network）等のネットワークＮを介して接続された検知装置４０とを有している。なお、ネットワークＮに接続される情報出力装置１０の個数は特に問わないものとする。
【００１１】
情報出力装置１０は、後述する撮像部１６（図２参照）を有し、所定の被写体を撮像した画像に関する情報をエビデンスとして検知装置４０に出力する。以下、情報出力装置１０について説明する。
【００１２】
図２は、第１の実施形態に係る情報出力装置１０の構成を示すブロック図である。同図に示すように、情報出力装置１０は、ＣＰＵ（Central Processing Unit）１１、ＲＯＭ（Read Only Memory）１２、ＲＡＭ（Random Access Memory）１３、記憶部１４、通信部１５及び撮像部１６を備える。また、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、記憶部１４、通信部１５及び撮像部１６の各部は、アドレスバスやデータバス等のバスライン１７を介して相互に接続されている。
【００１３】
ＣＰＵ１１は、ＲＯＭ１２に記憶されたコンピュータ読み取り可能な各種プログラムを実行することにより、情報出力装置１０の動作を統括的に制御する。また、ＣＰＵ１１は、ＲＯＭ１２及び記憶部１４に記憶された所定のプログラムを実行することにより、後述する各機能部（図４参照）を実現する。
【００１４】
ＲＯＭ１２は、ＣＰＵ１１が実行する各種プログラムや各種データを記憶する。ＲＡＭ１３は、ＣＰＵ１１が実行する各種プログラムや各種データを一時的に記憶し、ワーキング画像エリアとして機能する。記憶部１４は、例えばハードディスクドライブ装置、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の記憶媒体で構成されており、ＣＰＵ１１が実行するプログラム等の他、各種情報を記憶している。
【００１５】
通信部１５は、ネットワークＮを通じて接続される検知装置４０とのデータ通信を制御する。撮像部１６は、カラーＣＣＤ（Charge Coupled Device Image Sensor）や、カラーＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の撮像素子を有した撮像装置である。撮像部１６は、所定のフレームレート（例えば３０ｆｐｓ）で順次撮像した画像をＲＡＭ１３に保存する。
【００１６】
図３は、情報出力装置１０の設置例を示す図である。同図において、室内２０は、オフィス等の部屋（閉空間）であり、その壁面に、出入口Ｅ１及び明り取り用の窓Ｗ１、Ｗ２が備えられている。また、同図では、情報出力装置１０を室内２０の天井２１に設置した例を示している。情報出力装置１０が備える撮像部１６の撮像方向及び撮像範囲は、室内２０の全域を撮像できるよう予め設定されており、室内２０の全域を被写体として撮像する。
【００１７】
なお、室内２０に設置される情報出力装置１０の個数は一つに限らず、複数個用いる形態としてもよい。この形態の場合には、各情報出力装置１０の撮像範囲を組み合わせることで、室内２０の全域を撮像できるよう設定してもよい。
【００１８】
次に、図４を参照し、情報出力装置１０のＣＰＵ１１が、ＲＯＭ１２及び記憶部１４に記憶されたプログラムを実行することで実現される情報出力装置１０の機能部について説明する。
【００１９】
図４は、情報出力装置１０の機能構成を示すブロック図である。同図に示すように、情報出力装置１０のＣＰＵ１１は、ＲＯＭ１２及び記憶部１４に記憶された所定のプログラムを実行することにより、画像取得部３１と、画像エリア分割部３２と、特徴量算出部３３と、画像エリア検知部３４と、除外エリア特定部３５と、出力部３６と、学習部３７としての機能を備える。
【００２０】
画像取得部３１は、撮像部１６が撮像しＲＡＭ１３に保存した画像を、時系列順に順次取得する。画像エリア分割部３２は、画像取得部３１が取得した画像毎に、当該画像を１又は複数の画像エリアに分割する。
【００２１】
図５−１、図５−２は、画像エリア分割部３２による画像の分割例を示す図である。図５−１では、画像取得部３１が取得した画像Ｇ１１を、矩形状の画像エリアに分割した例を示している。また、図５−２では、画像取得部３１が取得した画像Ｇ１２を、当該画像Ｇ１２の中心から同心円状に分割した例を示している。なお、分割する画像エリアの形状や分割数は、図５−１、図５−２の例に限らず、任意に設定することが可能であるとする。例えば、分割数を１とすることで画像全体を１つの画像エリアとしてもよい。
【００２２】
図４に戻り、特徴量算出部３３は、画像エリア分割部３２が分割した画像エリア毎に、当該画像エリアの画像の特徴を示した特徴量を算出する。ここで、算出された特徴量は、画像エリア検知部３４及び除外エリア特定部３５で使用される。なお、画像エリア検知部３４及び除外エリア特定部３５で用いる特徴量は、同一の指標で導出されたものとは限らず、異なる指標で導出されたものであってもよい。
【００２３】
例えば、特徴量算出部３３は、画像取得部３１が直近に取得した画像と、この画像の所定時間前（例えば１フレーム前）に画像取得部３１が取得した画像と、の時系列的に連続する２画像間において、同一位置に存在する画像エリアの輝度値を画素単位で比較することで、輝度値の差分値を画素毎に算出する。そして、特徴量算出部３３は、算出した差分値の絶対値が、所定の閾値（以下、第１閾値という）以上となった画素の数を、その画像エリアの特徴量として算出する。以下、この特徴量の算出方法について、図６−１、図６−２、図６−３を用いて説明する。
【００２４】
図６−１、図６−２、図６−３は、特徴量算出部３３の動作の一例を説明するための図である。画像取得部３１が時刻ｔ１に取得した画像が、図６−１のＧ２１であるとし、画像取得部３１が直近の時刻ｔ１＋１に取得した画像が、図６−２のＧ２２であるとすると、特徴量算出部３３は、画像Ｇ２１と画像Ｇ２２との２画像間において、同一位置に存在する画像エリアの輝度値を画素単位で比較し、その差分を算出する。
【００２５】
ここで、画像Ｇ２１及び画像Ｇ２２中の人物Ｈ１が、時刻ｔ１から時刻ｔ１＋１にかけて移動していたとすると、図６−３に示すように、画像中における人物Ｈ１の位置の相違により、人物Ｈ１を表示する画素の輝度値が時刻ｔ１から時刻ｔ１＋１にかけて変化する。そこで、特徴量算出部３３は、変化量を輝度値の差分として算出し、この差分値の絶対値が第１閾値以上となった画素の数を、この人物Ｈ１が存在する各画像エリア（図中黒枠参照）の特徴量とする。
【００２６】
特徴量の算出方法は上記の例に限らず、他の算出方法を用いてもよい。例えば、時系列的に連続する２つの画像の同一の画像エリア毎に、当該画像エリアを構成する各画素の輝度値の総和を算出し、この総和の差分値をその画像エリアの特徴量として取得してもよい。また、特徴量算出部３３が直近に取得した画像の画像エリア毎に、当該画像エリアを構成する各画素の輝度値の総和を算出し、この総和値をその画像エリアの特徴量として取得してもよい。
【００２７】
また、上記例では、輝度値の差分を特徴量としたが、輝度値のヒストグラム、輝度分布、色情報等の他の要素を特徴量としてもよい。例えば、特徴量算出部３３が直近に取得した画像の画像エリア毎に、当該画像エリア内の画像からパターンマッチング等で人体の識別を行い、この結果得られる人体らしさの値をその画像エリアの特徴量としてもよい。なお、第１閾値の値は、特徴量の算出方法、特徴量とする指標に応じて、変更するものとする。
【００２８】
図４に戻り、画像エリア検知部３４は、算出された各画像エリアの特徴量に基づいて、当該特徴量に変化のある画像エリアを、人等の物体（動体）が存在する可能性のあるエリアとして検知する。具体的に、画像エリア検知部３４は、特徴量算出部３３で算出された各画像エリアの特徴量と、所定の閾値（以下、第２閾値という）とを比較し、特徴量が第２閾値以上の画像エリアを、人体等の物体（動体）が存在する可能性のある画像エリアとして検知する。例えば、上述した図６−３の状態の場合、黒枠で囲われた各画像エリアの特徴量が第２閾値以上であったとすると、画像エリア検知部３４は、この黒枠で囲われた各画像エリアをそれぞれ検知する。
【００２９】
除外エリア特定部３５は、画像全体を構成する各画像エリアから、被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する。具体的に、除外エリア特定部３５は、画像全体を構成する各画像エリアの特徴量と、所定の閾値（以下、第３閾値という）とを比較することで、特徴量が第３閾値以上の画像エリアを特定する。
【００３０】
なお、本実施形態において、上述した画像エリア検知部３４が画像エリアの検知に用いる特徴量（以下、第１特徴量）と、除外エリア特定部３５が第３閾値との比較に用いる特徴量（以下、第２特徴量）と、は独立した物理量として取り扱うことが可能である。そのため、第１特徴量と第２特徴量とを、異なる指標で求められた値（例えば、輝度値の差分と輝度値の総和値）としてもよいし、同一の指標で求められた値としてもよい。また、本実施形態では、除外エリア特定部３５の処理の対象を画像全体としたが、これに限らず、画像エリア検知部３４にて検知された画像エリアを処理の対象としてもよい。
【００３１】
出力部３６は、画像エリア検知部３４が検知した画像エリアから、除外エリア特定部３５が特定した画像エリアを除外した残りの画像エリアに関する情報を、エビデンスとして検知装置４０に出力する。
【００３２】
ここで、エビデンスとして出力する情報は、特に問わないものとする。例えば、画像エリア検知部３４が検知した画像エリアから、除外エリア特定部３５が特定した画像エリアを除外した残りの画像エリアを表す座標等をエビデンスとして出力してもよい。また、画像エリア検知部３４が検知した画像エリアから、除外エリア特定部３５が特定した画像エリアを除外した残りの画像エリアを表す画像（データ）をエビデンスとして出力してもよい。また、撮像部１６が撮像した画像に除外結果の画像エリアを示す情報を重畳した画像をエビデンスとして出力してもよい。また、除外の結果、残りの画像エリアが空（ｎｕｌｌ）となった場合であっても、その旨を示す情報をエビデンスとして出力してもよい。
【００３３】
以下、除外エリア特定部３５の動作について、図７−１及び図７−２を用いて説明する。図７−１、図７−２は、除外エリア特定部３５の動作の一例を説明するための図である。ここで、図７−１の画像Ｇ３１が、画像取得部３１が時刻ｔ２に取得した画像であるとし、図７−２の画像Ｇ３２が、画像取得部３１が直近の時刻ｔ２＋１に取得した画像であるとする。画像Ｇ３１及びＧ３２では、時刻ｔ２から時刻ｔ２＋１にかけて、室内の照明がオフからオンに切り替えられた状態を示している。
【００３４】
また、図７−１及び図７−２の例において、特徴量算出部３３は、撮像時間の異なる二つの画像Ｇ３１、Ｇ３２の各々において、各画像エリアを構成する画素の輝度値の総和を算出し、対応する画像エリアでの総和の差分値を、その画像エリアの第２特徴量として算出したとする。例えば、画像Ｇ３１の各画像エリアでの輝度値の総和が「５０００」、画像Ｇ３２の各画像エリアでの輝度値の総和が「３００００」であったとすると、特徴量算出部３３は、これら総和の差分値「２５０００」を、各画像エリアの第２特徴量として算出する。
【００３５】
このように、照明の点灯により被写体となる室内が照らされると、照らされた画像エリアの輝度値が変化することになる。そのため、例えば、画像エリア検知部３４が、輝度値（第１特徴量）の変化に基づいて画像エリアを検知している場合には、点灯に伴う輝度値の変化を要因として、物体の存在しない画像Ｇ３２中の全て又は一部の画像エリアを誤検知してしまう可能性がある。
【００３６】
そこで、例えば、被写体となる室内での照明のオン／オフ時の輝度値の差分に応じた値を第３閾値（例えば「２００００」）として予め設定しておくことで、除外エリア特定部３５は、第２特徴量が第３閾値以上となった画像エリアを画像中から特定する。これにより、出力部３６は、画像エリア検知部３４が検知した画像エリアから、除外エリア特定部３５が特定した画像エリアを除外するため、画像エリア検知部３４が検知した画像エリアのうち、第２特徴量が２００００未満の画像エリアが残留することになる。したがって、第３閾値の値を適切に設定することで、照明のオン／オフに伴う輝度値の変化を要因とする誤検知の発生を低減することができる。
【００３７】
ところで、除外エリア特定部３５でのパラメータとなる第３閾値は、被写体となる室内の構成や、第２特徴量とする指標、検知を行う時期（季節、日付、時刻）等によって異なってくる。そこで、学習部３７は、特徴量算出部３３、除外エリア特定部３５での処理結果を入力とし、第３閾値を出力とする学習を行う。
【００３８】
例えば、学習部３７は、特徴量とする要素の種別や、検知を行う時期毎に、複数の第３閾値と、この第３閾値を割り当てた場合での除外エリア特定部３５の処理結果（又は出力部３６の処理結果）とを対応付けて記憶部１４に記憶しておく。そして、学習部３７は、記憶部１４に記憶した複数の第３閾値と処理結果とに基づいて、より適切な処理結果（検知結果）が得られる閾値セットを機械学習し、その第３閾値を除外エリア特定部３５の第３閾値に反映する。
【００３９】
なお、学習部３７での機械学習に係る技術や手法は、公知の技術・手法を用いるものとする。また、学習の対象となるパラメータを第３閾値としたが、これに限らず、第２閾値や第１閾値を学習の対象に含めてもよい。
【００４０】
図１に戻り、検知装置４０は、情報出力装置１０から入力されるエビデンスに基づいて、各情報出力装置１０の被写体となった室内に人等の物体（動体）が存在するか否を判定するサーバ装置である。
【００４１】
図８は、第１の実施形態に係る検知装置４０の構成を示すブロック図である。同図に示すように、検知装置４０は、ＣＰＵ４１と、ＲＯＭ４２と、ＲＡＭ４３と、記憶部４４と、操作部４５と、表示部４６と、通信部４７とを備えている。また、ＣＰＵ４１、ＲＯＭ４２、ＲＡＭ４３、記憶部４４、操作部４５、表示部４６及び通信部４７の各部は、アドレスバスやデータバス等のバスライン４８を介して相互に接続されている。
【００４２】
ＣＰＵ４１は、ＲＯＭ４２や記憶部４４に記憶された所定のプログラムをＲＡＭ４３に展開して実行することで、検知装置４０の各部の動作を統括的に制御する。また、ＣＰＵ４１は、ＲＯＭ４２や記憶部４４に記憶された所定のプログラムをＲＡＭ４３に展開して実行することで、後述する機能部を実現する。
【００４３】
ＲＯＭ４２は、ＣＰＵ４１が実行する各種プログラムや設定情報を記憶している。ＲＡＭ４３は、主記憶装置であり、ワークメモリとして用いられる。
【００４４】
記憶部４４は、ＨＤＤ（Hard Disk Drive）等の補助記憶装置であって、ＣＰＵ４１が実行する各種プログラムや各種情報を記憶している。操作部４５は、キーボードやマウス等の入力デバイスであって、操作者から受け付けた操作内容をＣＰＵ４１に出力する。また、表示部４６は、ＬＣＤ（Liquid Crystal Display）等の表示デバイスであって、ＣＰＵ４１の制御に従い文字や画像等を表示する。
【００４５】
通信部４７は、ネットワークＮに接続可能なネットワークインタフェースであり、ＣＰＵ４１の制御の下、ネットワークＮに接続された各情報出力装置１０との間で情報の授受を行う。
【００４６】
図９は、検知装置４０の機能構成を示すブロック図である。同図に示すように、検知装置４０のＣＰＵ４１は、ＲＯＭ４２及び記憶部４４に記憶された所定のプログラムを実行することにより、エビデンス受信部５１と、状態判定部５２と、状態提示部５３としての機能を備える。
【００４７】
エビデンス受信部５１は、情報出力装置１０の各々から送信（出力）されるエビデンスを、通信部４７を介して受信する。なお、エビデンスには、情報出力装置１０の各々を識別可能な識別子（例えばＩＰアドレス等）が含まれるものとする。
【００４８】
状態判定部５２は、エビデンスに含まれた情報に基づいて、当該エビデンスを出力した情報出力装置１０の管轄（撮像範囲）内に、人等の物体（動体）が存在するか否かを判定する。具体的に、状態判定部５２は、特定の画像エリアを表す座標等の情報や画像自体がエビデンスに含まれる場合、このエビデンスを出力した情報出力装置１０の管轄内での、画像エリアに対応する位置に、物体（動体）が存在すると判定する。また、状態判定部５２は、画像エリアが空（ｎｕｌｌ）である旨がエビデンスに含まれる場合、このエビデンスを出力した情報出力装置１０の管轄内に物体（動体）が存在しないと判定する。
【００４９】
状態提示部５３は、状態判定部５２での判定結果を表示部４６等に出力することで、当該表示結果を検知装置４０のオペレータに提示する。なお、情報出力装置１０から受信したエビデンスと、当該エビデンスに基づく状態判定部５２での判定結果とを関連付けて、記憶部４４に蓄積・管理する形態としてもよい。
【００５０】
次に、図１０を参照して、本実施形態の情報出力装置１０の動作について説明する。ここで、図１０は、情報出力装置１０の情報出力処理の手順を示すフローチャートである。
【００５１】
まず、画像取得部３１は、撮像部１６が撮像しＲＡＭ１３に保存された画像を、時系列順に順次取得する（ステップＳ１１）。画像エリア分割部３２は、ステップＳ１１で画像が取得される毎に、当該画像を１又は複数の画像エリアに分割する（ステップＳ１２）。
【００５２】
特徴量算出部３３は、ステップＳ１１で直近に取得された画像について、ステップＳ１２で分割された画像エリア毎に当該画像エリアの第１特徴量及び第２特徴量を算出する（ステップＳ１３）。続いて、画像エリア検知部３４は、ステップＳ１３で算出された各画像エリアの第１特徴量と、第２閾値とを比較し、第１特徴量が第２閾値以上の画像エリアを検知する（ステップＳ１４）。次いで、除外エリア特定部３５は、ステップＳ１３で算出された各画像エリアの第２特徴量と、第３閾値とを比較し、第２特徴量が第３閾値以上の画像エリアを特定する（ステップＳ１５）。
【００５３】
続いて、出力部３６は、ステップＳ１４で検知された画像エリアから、ステップＳ１５で検知された画像エリアを除外する（ステップＳ１６）。そして、出力部３６は、ステップＳ１６での処理結果となる残りの画像エリアに関する情報をエビデンスとして、検知装置４０に出力し（ステップＳ１７）、ステップＳ１１に再び戻る。
【００５４】
その結果、検知装置４０では、上記情報出力装置１０により出力されたエビデンスをエビデンス受信部５１が受信し、このエビデンスに基づいて、状態判定部５２が当該エビデンスを出力した情報出力装置１０の管轄内に物体が存在するか否かを判定する。そして、状態提示部５３が、状態判定部５２での判定結果を提示する。
【００５５】
以上のように、第１の実施形態によれば、画像を構成する画像エリアの第２特徴量が、被写体となる室内（空間）の環境に応じて定めた第３閾値を逸脱する場合に、その画像エリアを特定し、画像エリア検知部３４の検知結果から除外する。これにより、例えば、照明のオン／オフに伴う輝度値の変化を要因とする誤検知を低減することができるため、検知精度を向上させることができる。
【００５６】
ところで、情報出力装置１０の構成は、種々の形態を採用することが可能である。例えば、第２特徴量の指標として画素の色情報を用いた場合、第３閾値として、白飛び付近（ＲＧＢ成分それぞれの最大値の９０％以上等）や、夕焼けの色（Ｒ成分が最大値の９０％以上等）の範囲を設定することで、窓等から入射した光を要因とする誤検知の発生を低減することができる。また、上記例では、第２特徴量が第３閾値以上の画像エリアを、検知結果から除去する構成としたが、第２特徴量が予め設定した閾値範囲内（或いは範囲外）にある画像エリアを、検知結果から除去する構成としてもよい。
【００５７】
また、上記実施形態では、検知装置４０が状態判定部５２の機能を備える構成としたが、これに限らず、情報出力装置１０が状態判定部５２の機能を備える構成としてもよい。なお、この構成の場合には、状態判定部５２での判定結果を、エビデンスに含めて出力する形態としてもよい。
【００５８】
［第２の実施形態］
次に、第２の実施形態に係る情報出力装置について説明する。なお、第１の実施形態と同様の構成要素については、同一の符号を付与し説明を省略する。
【００５９】
図１１は、第２の実施形態に係る情報出力装置１０ａの構成を示すブロック図である。同図に示すように、情報出力装置１０ａは、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、記憶部１４ａ、通信部１５及び撮像部１６を備える。また、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、記憶部１４ａ、通信部１５及び撮像部１６の各部は、アドレスバスやデータバス等のバスライン１７を介して相互に接続されている。
【００６０】
記憶部１４ａは、上述した記憶部１４に対応し、ＣＰＵ１１が実行するプログラム等の他、各種情報を記憶している。また、記憶部１４ａは、各種情報の１つとして、検知対象から除外する画像エリアと、当該画像エリアを検知対象から除外する時期（日時等）とを関連付けた除外設定情報１４１を記憶している。
【００６１】
ここで、図１２−１は、除外設定情報１４１の一例を模式的に示す図である。また、図１２−２は、図１２−１の除外設定情報１４１に設定された除外対象エリアを模式的に示す図である。
【００６２】
図１２−１に示すように、除外設定情報１４１には、検知対象から除外する画像エリアが格納される除外対象エリア１４１ａと、検知対象から除外する時刻が格納される除外時間１４１ｂと、をデータ項目として有している。以下、除外対象エリア１４１ａに格納（設定）された画像エリアを、「除外対象エリア」と表記する。
【００６３】
除外対象エリア１４１ａには、複数の画像エリアの座標等を纏めて格納することで、複数の画像エリアで構成される画像エリア群を、一つの除外対象エリアとして取り扱うことが可能となっている。例えば、図１２−１の除外対象エリア１４１ａに格納された除外対象エリアＡ１１、Ａ１２、Ａ１３は、図１２−２に示すＡ１１、Ａ１２、Ａ１３（黒枠部分）の画像エリアに対応している。なお、複数の除外対象エリア同士で、一部又は全ての画像エリアを重複して設定する形態としてもよい。
【００６４】
除外時間１４１ｂには、検知対象からの除外を開始する時刻と、終了する時刻とが格納される。なお、時刻だけでなく、日付（月、日）や曜日等を用いて除外の開始／終了タイミングを指定する形態としてもよい。また、除外対象エリアＡ１２に関連付けられた除外時間１４１ｂのように、除外時間１４１ｂを空欄（ｎｕｌｌ）とすることで、検知対象からの除外を常時指定する形態としてもよい。また、同一の除外対象エリアに対し、互いに異なる複数の除外時間を設定する形態としてもよい。
【００６５】
ところで、上述した除外対象エリア１４１ａ及び除外時間１４１ｂには、被写体となる室内の環境に応じた値を設定することが好ましい。例えば、図１２−２に示す画像エリアＡ１１において、ＡＭ６時からＡＭ８時までの間、朝日が入射するような環境の場合、この画像エリアＡ１１を除外対象エリアとして設定するとともに、この除外対象エリアの除外時間に「０６：００〜０８：００」等を設定する。これにより、朝日の入射に伴い画像エリアＡ１１の輝度値が変化した場合でも、画像エリアＡ１１を検知対象から除外することができるため、人体等の物体が存在しない画像エリアが誤検知されてしまうことを低減することができる。
【００６６】
図１３は、第２の実施形態に係る情報出力装置１０ａの機能構成を示すブロック図である。同図に示すように、情報出力装置１０ａのＣＰＵ１１は、ＲＯＭ１２及び記憶部１４ａに記憶された所定のプログラムを実行することにより、画像取得部３１と、画像エリア分割部３２と、特徴量算出部３３と、画像エリア検知部３４と、除外エリア特定部３５ａと、出力部３６と、学習部３７ａと、計時部３８としての機能を備える。
【００６７】
計時部３８は、情報出力装置１０ａに設けられたＲＴＣ（Real Time Clock）等の計時装置が計時する時刻に基づいて、現在日時を表す現在時刻情報を生成する。
【００６８】
除外エリア特定部３５ａは、除外設定情報１４１を参照し、計時部３８が生成する現在時刻情報の現在日時に該当する除外対象エリアを特定する。
【００６９】
学習部３７ａは、上述した学習部３７の機能を備えるとともに、除外エリア特定部３５ａでの処理結果を入力とし、除外対象エリア及び除外時間を出力とする学習を行う。
【００７０】
例えば、学習部３７ａは、室内に存在する誤検知要因（例えば窓等）の配置位置周辺に設定された除外対象エリアと、当該除外対象エリアに割り当てた各種の除外時間と、この条件での除外エリア特定部３５ａの処理結果（又は出力部３６の処理結果）とを対応付けて記憶部１４ａに記憶しておく。そして、学習部３７ａは、記憶部１４ａに記憶された除外対象エリアと、除外時間と、処理結果との組に基づき、より適切な処理結果（検知結果）が得られる除外時間を機械学習し、その除外時間を除外設定情報１４１の除外時間１４１ｂに反映（格納）する。
【００７１】
なお、学習部３７ａでの機械学習に係る技術や手法は、公知の技術・手法を用いるものとする。また、学習の対象として、除外対象エリアを含めてもよい。
【００７２】
次に、図１４を参照して、本実施形態の情報出力装置１０ａの動作について説明する。ここで、図１４は、情報出力装置１０ａの情報出力処理の手順を示すフローチャートである。なお、ステップＳ２１〜Ｓ２４は、上述した第１の実施形態のステップＳ１１〜Ｓ１４と同様であるため説明を省略する。
【００７３】
ステップＳ２５において、除外エリア特定部３５ａは、除外設定情報１４１を参照し、計時部３８が生成する現在時刻情報の現在日時に該当する除外対象エリアを特定する（ステップＳ２５）。
【００７４】
続いて、出力部３６は、ステップＳ２４で検知された画像エリアから、ステップＳ２５で特定された除外対象エリアを除外する（ステップＳ２６）。そして、出力部３６は、ステップＳ２６での処理結果となる残りの画像エリアに関する情報をエビデンスとして、検知装置４０に出力し（ステップＳ２７）、ステップＳ２１に再び戻る。
【００７５】
その結果、検知装置４０では、上記情報出力装置１０ａにより出力されたエビデンスをエビデンス受信部５１が受信し、このエビデンスに基づいて、状態判定部５２が当該エビデンスを出力した情報出力装置１０の管轄内に物体が存在するか否かを判定する。そして、状態提示部５３が、状態判定部５２での判定結果を提示する。
【００７６】
以上のように、第２の実施形態によれば、画像が撮像された時期及び当該画像を構成する各画像エリアの位置が、被写体となる室内（空間）の環境に応じて定めた除外対象エリア及び除外時間の条件に該当した場合に、この条件に該当した除外対象エリアを特定し、画像エリア検知部３４での検知結果から除外する。これにより、例えば、窓から入射する光や、窓に取り付けられたカーテンの揺れ等を要因とする誤検知を低減することができるため、検知精度を向上させることができる。また、被写体となる室内の使用環境（例えば営業日と休業日）に基づいて、除外対象エリアを有効／無効とすることができるため、室内の使用環境に柔軟に対応することができる。
【００７７】
ところで、情報出力装置１０ａでの除外設定情報１４１に係る構成は、種々の形態を採用することが可能である。例えば、上記第２の実施形態では、現在日時に該当する除外時間の除外対象エリアを特定することで、当該除外対象エリアを画像エリア検知部３４での検知結果から除外する構成としたが、除外対象エリアの各々に対し、有効／無効を規定する設定情報（以下、有効／無効設定情報という）を別途設けることで、当該有効／無効設定情報に基づいて、除外対象エリアの除外を有効／無効化する構成としてもよい。
【００７８】
ここで、図１５は、有効／無効設定情報１４２の一例を模式的に示す図である。図１５に示すように、有効／無効設定情報１４２には、処理の対象となる除外対象エリアが格納される処理対象エリア１４２ａと、有効／無効を規定するデータが格納される有効／無効設定１４２ｂとをデータ項目として有している。なお、有効／無効設定情報１４２は、記憶部１４ａに記憶されるものとする。
【００７９】
処理対象エリア１４２ａには、除外設定情報１４１と同一の除外対象エリアが格納されることで、除外対象エリアをキーとして、除外設定情報１４１と有効／無効設定情報１４２とが関連付けられる。なお、除外対象エリア１４１ａと処理対象エリア１４２ａとを共通化することで、除外設定情報１４１と有効／無効設定情報１４２とを併合し、一つの設定情報とする形態としてもよい。
【００８０】
上記した有効／無効設定情報１４２を用いる場合、除外エリア特定部３５ａは、ステップＳ２５の実行に先がけて、現在日時に該当する除外対象エリアに関連付けられた有効／無効設定情報１４２が有効か否かを判定する。そして、除外エリア特定部３５ａは、有効／無効設定情報１４２が「有効」の場合には上述したステップＳ２５に移行し、現在日時に該当した除外対象エリアを特定する。また、有効／無効設定情報１４２が「無効」の場合には、除外エリア特定部３５ａは、現在日時に該当した除外対象エリアを特定することなく、ステップＳ２６に移行する。
【００８１】
これにより、除外設定情報１４１に格納された除外対象エリアの単位で、除外エリア特定部３５ａの機能を有効／無効化することができるため、除外対象エリアの単位で当該除外対象エリアの除外を個別に制御することができる。
【００８２】
なお、除外対象エリアに対する有効／無効の設定は、除外設定情報１４１に定められているものとするが、これに限らず、画像エリア検知部３４が画像エリアを検知した際に、この検知された画像エリアに対する有効／無効の設定を外部装置（例えば検知装置４０）等から受け付け、この設定内容に基づいて、除外エリア特定部３５ａが除外対象エリアの特定を行う形態としてもよい。
【００８３】
［第３の実施形態］
次に、第３の実施形態に係る情報出力装置について説明する。なお、第１の実施形態と同様の構成要素については、同一の符号を付与し説明を省略する。
【００８４】
図１６は、第３の実施形態に係る情報出力装置１０ｂの機能構成を示すブロック図である。同図に示すように、情報出力装置１０ｂのＣＰＵ１１は、ＲＯＭ１２及び記憶部１４に記憶された所定のプログラムを実行することにより、画像取得部３１と、画像エリア分割部３２と、特徴量算出部３３と、画像エリア検知部３４と、除外エリア特定部３５ｂと、出力部３６と、学習部３７ｂとしての機能を備える。なお、情報出力装置１０ｂのハードウェア構成は、第１の実施形態と同様であるとする。
【００８５】
除外エリア特定部３５ｂは、撮影時間の異なる複数の画像（少なくとも３以上）の各画像エリアについて、当該画像エリアの第２特徴量を時系列順に比較し、当該第２特徴量が規則的に変化する画像エリアを特定する。
【００８６】
ところで、第２特徴量が規則的に変化する状態は、例えば、室内に設けられたＰＣモニタにスクリーンセーバー等の周期性な画像（映像）が表示されている場合や、扇風機のファンの回転等の規則的な動作を行う物体が画像中に含まれる場合に発生する。このような場合、画像エリア検知部３４での検知結果をそのまま出力してしまうと、人体等の物体の存在しない画像エリアが検知結果として出力されることになる。そこで、本実施形態では、除外エリア特定部３５ｂが、第２特徴量が規則的に変化する画像エリアを特定し、出力部３６が、この特定された画像エリアを画像エリア検知部３４での検知結果から除去することで、規則的な動作を行う事象が、物体として誤検知されてしまうことを低減する。
【００８７】
このように、除外エリア特定部３５ｂは、撮影時間の異なる複数の画像間において、各画像エリアが有する第２特徴量の変化の規則性（パターン）に基づき、除外対象とする画像エリアを特定する。なお、規則的な変化の判定に係るパラメータは、任意に設定することが可能であるとする。規則的な変化の判定に係るパラメータとしては、例えば、第２特徴量とする指標、規則的と判定する周期、判定に用いる画像数、サンプリング間隔等の他、判定の対象とする画像エリアの位置（出入口Ｅ１、窓Ｗ１の周辺等）や、判定を実行する時刻（日時）等が挙げられる。
【００８８】
学習部３７ｂは、上述した学習部３７の機能を備えるとともに、除外エリア特定部３５ｂでの処理結果を入力とし、規則的な変化の判定に係るパラメータを出力とする学習を行う。
【００８９】
例えば、学習部３７ｂは、規則的変化の判定に係る各種のパラメータセットと、各パラメータセットでの除外エリア特定部３５ｂの処理結果（又は出力部３６の処理結果）とを対応付けて記憶部１４に記憶しておく。そして、学習部３７ｂは、記憶部１４に記憶されたパラメータセットと、処理結果との組に基づき、より適切な処理結果（検知結果）が得られるパラメータセットを機械学習し、そのパラメータセットを除外エリア特定部３５ｂに反映する。なお、学習部３７ｂでの機械学習に係る技術や手法は、公知の技術・手法を用いるものとする。
【００９０】
次に、図１７を参照して、本実施形態の情報出力装置１０ｂの動作について説明する。ここで、図１７は、情報出力装置１０ｂの情報出力処理の手順を示すフローチャートである。なお、ステップＳ３１〜Ｓ３４は、上述した第１実施形態のステップＳ１１〜Ｓ１４と同様であるため説明を省略する。
【００９１】
ステップＳ３５において、除外エリア特定部３５ｂは、撮影時間の異なる複数の画像の各画像エリアについて、当該画像エリアの第２特徴量を時系列順に比較し、当該第２特徴量が規則的に変化する画像エリアを特定する（ステップＳ３５）。
【００９２】
続いて、出力部３６は、ステップＳ３４で直近に検知された画像エリアから、ステップＳ３５で特定された画像エリアを除外する（ステップＳ３６）。そして、出力部３６は、ステップＳ３６での処理結果となる残りの画像エリアに関する情報をエビデンスとして、検知装置４０に出力し（ステップＳ３７）、ステップＳ３１に再び戻る。
【００９３】
その結果、検知装置４０では、上記情報出力装置１０ｂにより出力されたエビデンスをエビデンス受信部５１が受信し、このエビデンスに基づいて、状態判定部５２が当該エビデンスを出力した情報出力装置１０の管轄内に物体が存在するか否かを判定する。そして、状態提示部５３が、状態判定部５２での判定結果を提示する。
【００９４】
以上のように、第３の実施形態によれば、画像を構成する各画像エリアの第２特徴量が、被写体となる室内（空間）の環境に応じて定めた規則的な変化の条件に該当した場合に、この条件に該当した画像エリアを特定し、画像エリア検知部３４の検知結果から除外する。これにより、例えば、室内に設けられたＰＣモニタに表示される周期的な画像や扇風機のファン等、規則的な動作を行う物体を要因とする誤検知を低減することができるため、検知精度を向上させることができる。
【００９５】
［第４の実施形態］
次に、第４の実施形態に係る情報出力装置について説明する。なお、第１の実施形態と同様の構成要素については、同一の符号を付与し説明を省略する。
【００９６】
図１８は、第４の実施形態に係る情報出力装置１０ｃの機能構成を示すブロック図である。同図に示すように、情報出力装置１０ｃのＣＰＵ１１は、ＲＯＭ１２及び記憶部１４に記憶された所定のプログラムを実行することにより、画像取得部３１と、画像エリア分割部３２と、特徴量算出部３３と、画像エリア検知部３４と、除外エリア特定部３５ｃと、出力部３６と、学習部３７ｃとしての機能を備える。なお、情報出力装置１０ｃのハードウェア構成は、第１の実施形態と同様であるとする。
【００９７】
除外エリア特定部３５ｃは、撮像時間が異なる複数の画像の各々について、画像エリア検知部３４が検知した画像エリアの位置を時系列順に比較することで、当該位置の軌跡が連続的に移動しているか否かを判定し、連続的に移動している画像エリア以外の、非連続的な位置に存在する画像エリアを特定する。
【００９８】
図１９−１、図１９−２は、除外エリア特定部３５ｃの動作の一例を説明するための図である。ここで、図１９−１の画像Ｇ４１が、画像取得部３１が時刻ｔ３に取得した画像であるとし、図１９−２の画像Ｇ４２が、画像取得部３１が時刻ｔ３＋１に取得した画像であるとする。また、図中Ｐ１１の位置にこの建物内への出入口Ｅ１が存在し、図中Ｐ１２、Ｐ１３の位置に窓Ｗ１、Ｗ２が存在するものとする（図３参照）。
【００９９】
上記の条件の下、時刻ｔ３＋１において、画像エリア検知部３４が画像Ｇ４２の各画像エリアから画像エリアＡ４２（黒枠部分）を検知したとする。この場合、除外エリア特定部３５ｃは、画像Ｇ４１での画像エリアの位置を空（ｎｕｌｌ）とし、画像Ｇ４２から画像エリアＡ４２の位置を特定する。そして、除外エリア特定部３５ｃは、画像Ｇ４１及び画像Ｇ４２から特定した画像エリアの位置を時系列に沿って比較することで、時刻ｔ３＋１に画像エリアＡ４２が突如検知されたと判断する。
【０１００】
上記画像Ｇ４１及びＧ４２の例の場合、例えば、時刻ｔ３＋１に、図中Ｐ１２の窓Ｗ１から入射する光が変動したような状況が考えられる。この場合、画像エリア検知部３４が検知した画像エリアＡ４２は、人等の物体が存在しないため誤検知となる。そこで、除外エリア特定部３５ｃは、撮像時間お異なる二つの画像Ｇ４１、Ｇ４２において、非連続的な位置に存在する、つまり突如現れた画像エリアＡ４２を特定する。
【０１０１】
また、図２０−１、図２０−２は、除外エリア特定部３５ｃの他の動作例を説明するための図である。ここで、図２０−１の画像Ｇ５１が、画像取得部３１が時刻ｔ４に取得した画像であるとし、図２０−２の画像Ｇ５２が、画像取得部３１が時刻ｔ４＋１に取得した画像であるとする。なお、図１９−１と同様、図中Ｐ１１の位置にこの建物内への出入口Ｅ１が存在し、図中Ｐ１２、Ｐ１３の位置に窓Ｗ１、Ｗ２が存在するものとする（図３参照）。
【０１０２】
上記の条件の下、時刻ｔ４において、画像エリア検知部３４が、画像Ｇ５１に示す各画像エリアから画像エリアＡ５１（黒枠部分）を検知し、続く時刻ｔ４＋１において、画像Ｇ５２に示す各画像エリアから画像エリアＡ５２（黒枠部分）を検知したとする。この場合、除外エリア特定部３５ｃは、画像Ｇ５１から画像エリアＡ５１の位置を特定し、画像Ｇ５２から画像エリアＡ５２の位置を特定する。そして、除外エリア特定部３５ｃは、画像エリアＡ５１、Ａ５２の位置を時系列順に比較し、画像エリアＡ５１の位置近傍に画像エリアＡ５２が存在することから、当該位置が連続的に移動していると判定する。
【０１０３】
上記画像Ｇ５１及びＧ５２の例の場合、出入口Ｅ１から室内に進入した人が、時刻ｔ４から時刻ｔ４＋１にかけて、画像エリアＡ５１→画像エリアＡ５２に移動した状況が考えられる。この場合、画像エリア検知部３４が検知した画像エリアＡ５２は、人等の物体が存在するため正常な検知となる。そのため、除外エリア特定部３５ｃは、画像エリアＡ５１及びＡ５２の特定を行わず、画像エリア検知部３４の検知結果として残存させる。
【０１０４】
このように、除外エリア特定部３５ｃは、撮影時間の異なる複数の画像間において、画像エリア検知部３４が検知した画像エリアの位置の連続性に基づき、除外対象とする画像エリアを特定する。なお、連続性の判定に係るパラメータは任意に設定することが可能であるとする。連続性の判定に係るパラメータとしては、例えば、第２特徴量とする指標、連続性の判定に用いる画像数、連続と判定する画像エリア間の距離、サンプリング間隔等の他、判定の対象とする画像エリア位置（出入口Ｅ１、窓Ｗ１の周辺等）や、判定を実行する時刻（日時）等が挙げられる。
【０１０５】
上記例のうち、連続と判定する画像エリア間の距離としては、例えば、格子状の画像エリアにおける４近傍や８近傍に位置する画像エリアを連続すると定義してもよいし、８近傍からさらに１画像エリア分拡大した画像エリアを連続すると定義してもよい。また、連続性の判定に用いる画像数も２に限らず、３以上の画像を用いて判定してもよい。
【０１０６】
また、連続性の判定の対象とする画像エリア位置を定義した場合、建物の出入口（Ｐ１１）及び窓（Ｐ１２、Ｐ１３）の存在位置等を設定情報として予め記憶しておき、画像エリア検知部３４が検知した画像エリアが、出入口Ｅ１や窓Ｗ１、Ｗ２の付近に存在するか否かを加味して、連続性の判定を行う。例えば、出入口Ｅ１付近で画像エリアが検知された場合には、この画像エリアに対しては連続性の判定の対象から除外する形態としてもよい。
【０１０７】
学習部３７ｃは、上述した学習部３７の機能を備えるとともに、除外エリア特定部３５ｃでの処理結果を入力とし、連続性の判定に係るパラメータを出力とする学習を行う。
【０１０８】
例えば、学習部３７ｃは、連続性の判定に係る各種のパラメータセットと、各パラメータセットでの除外エリア特定部３５ｃの処理結果（又は出力部３６の処理結果）とを対応付けて記憶部１４に記憶しておく。そして、学習部３７ｃは、記憶部１４に記憶されたパラメータセットと、処理結果との組に基づき、より適切な処理結果（検知結果）が得られるパラメータセットを機械学習し、そのパラメータセットを除外エリア特定部３５ｃに反映する。なお、学習部３７ｃでの機械学習に係る技術や手法は、公知の技術・手法を用いるものとする。
【０１０９】
次に、図２１を参照して、本実施形態の情報出力装置１０ｃの動作について説明する。ここで、図２１は、情報出力装置１０ｃの情報出力処理の手順を示すフローチャートである。なお、ステップＳ４１〜Ｓ４４は、上述した第１の実施形態のステップＳ１１〜Ｓ１４と同様であるため説明を省略する。
【０１１０】
ステップＳ４５において、除外エリア特定部３５ｃは、撮影時間の異なる複数の画像の各画像エリアについて、ステップＳ４４で検知された画像エリアの位置を時系列順に比較し、非連続的な位置に存在する画像エリアを特定する（ステップＳ４５）。
【０１１１】
続いて、出力部３６は、ステップＳ４４で直近に検知された画像エリアから、ステップＳ４５で特定された画像エリアを除外する（ステップＳ４６）。そして、出力部３６は、ステップＳ４６での処理結果となる残りの画像エリアに関する情報をエビデンスとして、検知装置４０に出力し（ステップＳ４７）、ステップＳ４１に再び戻る。
【０１１２】
その結果、検知装置４０では、上記情報出力装置１０ｃにより出力されたエビデンスをエビデンス受信部５１が受信し、このエビデンスに基づいて、状態判定部５２が当該エビデンスを出力した情報出力装置１０の管轄内に物体が存在するか否かを判定する。そして、状態提示部５３が、状態判定部５２での判定結果を提示する。
【０１１３】
以上のように、第４の実施形態によれば、画像を構成する各画像エリアにおいて、画像エリア検知部３４で検知された画像エリアの位置が、被写体となる室内（空間）の環境に応じて定めた連続性の判定条件に該当せず、非連続な位置となった場合に、その画像エリアを特定し、画像エリア検知部３４の検知結果から除外する。これにより、例えば、窓から入射する光や、窓に取り付けられたカーテンの揺れ等を要因とする誤検知を低減することができるため、検知精度を向上させることができる。
【０１１４】
以上、本発明の実施形態を説明したが、上記実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。上記実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、組み合わせ、追加等を行うことができる。また、上記実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【０１１５】
例えば、上記実施形態では、情報出力装置１０（１０ａ、１０ｂ、１０ｃ）が天井２１に取り付けられた形態を説明したが、これに限らず、壁等の他の位置に設置する形態としてもよい。
【０１１６】
また、上記実施形態では、情報出力装置１０（１０ａ、１０ｂ、１０ｃ）が撮像部１６を内蔵する形態としたが、これに限らず、撮像部１６を外付けとする形態としてもよい。この場合、撮像部１６のみを天井２１に取り付け、他の要素を例えば検知装置４０等の情報処理装置で実現する形態としてもよい。
【０１１７】
また、上記実施形態では、検知対象の空間を室内２０等の閉空間としたが、これに限らず、例えば公園や路上等の開空間としてもよい。
【０１１８】
また、上記実施形態では、情報出力装置１０（１０ａ、１０ｂ、１０ｃ）にて、画像エリアの特定に係るパラメータを学習する形態としたが、これに限らず、検知装置４０等の外部装置が学習部３７（３７ａ、３７ｂ、３７ｃ）の機能を備え、学習により得られたパラメータを情報出力装置１０（１０ａ、１０ｂ、１０ｃ）に反映する形態としてもよい。
【０１１９】
また、上記実施形態の情報出力装置１０（１０ａ、１０ｂ、１０ｃ）で実行されるプログラムは、各装置が備える記憶媒体（ＲＯＭ１２又は記憶部１４）に予め組み込んで提供するものとするが、これに限らず、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよい。さらに、記憶媒体は、コンピュータ或いは組み込みシステムと独立した媒体に限らず、ＬＡＮやインターネット等により伝達されたプログラムをダウンロードして記憶又は一時記憶した記憶媒体も含まれる。
【０１２０】
また、上記実施形態の情報出力装置１０（１０ａ、１０ｂ、１０ｃ）で実行されるプログラムをインターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよく、インターネット等のネットワーク経由で提供又は配布するように構成してもよい。
【符号の説明】
【０１２１】
１０、１０ａ、１０ｂ、１０ｃ 物体検知装置
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４、１４ａ 記憶部
１４１ 除外設定情報
１４２ 無効設定情報
１５ 通信部
１６ 撮像部
３１ 画像取得部
３２ 画像エリア分割部
３３ 特徴量算出部
３４ 画像エリア検知部
３５、３５ａ、３５ｂ、３５ｃ 除外エリア特定部
３６ 出力部
３７、３７ａ、３７ｂ、３７ｃ 学習部
３８ 計時部
４０ 検知装置
４１ ＣＰＵ
４２ ＲＯＭ
４３ ＲＡＭ
４４ 記憶部
４５ 操作部
４６ 表示部
４７ 通信部
５１ エビデンス受信部
５２ 状態判定部
５３ 状態提示部
【技術分野】
【０００１】
本発明の実施形態は、情報出力装置、検知装置、プログラム及び方法に関するものである。
【背景技術】
【０００２】
従来、監視カメラ等の撮像装置で撮像された画像を用いて人体等の物体（動体）を検知する検知装置が存在している。係る検知装置では、撮像装置で撮像された現在の状態を表す画像と、基準画像（例えば、撮像装置で撮像された数フレーム前の画像）との輝度の差分を画素単位で算出し、差分値が所定値以上となる画素の位置に基づいて動体を検知している。
【０００３】
ところで、オフィス等の室内に明り取り用の窓が備え付けられている場合、この窓から入射する外光等が輝度変化の要因となるため、上記した検知装置において動体と誤検知される可能性がある。そのため、従来、誤検知が発生する箇所を非検知画像エリア（マスク）として設定することで、誤検知を低減する技術が提案されている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２０１１−２８９５６号公報
【特許文献２】特開２００３−３２４７２６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来の誤検知低減技術では、種々の誤検知発生要因に対応することができない可能性があった。
【課題を解決するための手段】
【０００６】
実施の形態の情報出力装置は、被写体を撮影した画像に関する情報を出力する情報出力装置であって、分割手段と、特徴量算出手段と、画像エリア検知手段と、特定手段と、出力手段とを備える。分割手段は、画像を１又は複数の画像エリアに分割する。特徴量算出手段は、撮影時間の異なる複数の画像から当該画像間の差分となる特徴量を画像エリア毎に算出する。画像エリア検知手段は、特徴量算出手段で算出された各画像エリアの特徴量に基づいて、特徴量に変化のある画像エリアを検知する。特定手段は、画像を構成する各各画像エリアから、被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する。出力手段は、検知手段が検知した画像エリアから特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する。
【発明の効果】
【０００７】
本発明によれば、被写体のおかれる環境に応じて定まる条件に該当した画像エリアを特定し、この特定した画像エリアを特徴量に変化のあった画像エリアから除いた画像エリアに関する情報を出力することにより、種々の誤検知発生要因に対応することが可能になる。
【図面の簡単な説明】
【０００８】
【図１】図１は、第１の実施形態に係る検知システムの構成を模式的に示す図である。
【図２】図２は、第１の実施形態に係る情報出力処理の構成を示すブロック図である。
【図３】図３は、第１の実施形態に係る情報出力処理の設置例を示す図である。
【図４】図４は、第１の実施形態に係る情報出力処理の機能構成を示すブロック図である。
【図５−１】図５−１は、画像エリア分割部による画像の分割例を示す図である。
【図５−２】図５−２は、画像エリア分割部による画像の分割例を示す図である。
【図６−１】図６−１は、特徴量算出部の動作の一例を説明するための図である。
【図６−２】図６−２は、特徴量算出部の動作の一例を説明するための図である。
【図６−３】図６−３は、特徴量算出部の動作の一例を説明するための図である。
【図７−１】図７−１は、第１の実施形態に係る除外エリア特定部の動作の一例を説明するための図である。
【図７−２】図７−２は、第１の実施形態に係る特定部の動作の一例を説明するための図である。
【図８】図８は、第１の実施形態に係る検知装置の構成を示すブロック図である。
【図９】図９は、第１の実施形態に係る検知装置の機能構成を示すブロック図である。
【図１０】図１０は、第１の実施形態に係る情報出力処理の情報出力処理の手順を示すフローチャートである。
【図１１】図１１は、第２の実施形態に係る情報出力処理の構成を示すブロック図である。
【図１２−１】図１２−１は、除外設定情報の一例を模式的に示す図である。
【図１２−２】図１２−２は、図９−１の除外設定情報に設定された除外対象エリアを模式的に示す図である。
【図１３】図１３は、第２の実施形態に係る情報出力処理の機能構成を示すブロック図である。
【図１４】図１４は、第２の実施形態に係る情報出力処理の情報出力処理の手順を示すフローチャートである。
【図１５】図１５は、有効／無効設定情報の一例を模式的に示す図である。
【図１６】図１６は、第３の実施形態に係る情報出力処理の機能構成を示すブロック図である。
【図１７】図１７は、第３の実施形態に係る情報出力処理の情報出力処理の手順を示すフローチャートである。
【図１８】図１８は、第４の実施形態に係る情報出力処理の機能構成を示すブロック図である。
【図１９−１】図１９−１は、第４の実施形態に係る除外エリア特定部の動作の一例を説明するための図である。
【図１９−２】図１９−２は、第４の実施形態に係る除外エリア特定部の動作の一例を説明するための図である。
【図２０−１】図２０−１は、第４の実施形態に係る特定部の他の動作例を説明するための図である。
【図２０−２】図２０−２は、第４の実施形態に係る特定部の他の動作例を説明するための図である。
【図２１】図２１は、第４の実施形態に係る情報出力装置の情報出力処理の手順を示すフローチャートである。
【発明を実施するための形態】
【０００９】
以下に添付図面を参照して、この発明に係る情報出力装置、検知装置、プログラム及び情報出力方法の実施形態を詳細に説明する。以下の実施形態では、この発明に係る情報出力装置、物体検知装置、プログラム及び方法を、オフィスビル等の建物内での物体検知に適用した例について説明する。
【００１０】
［第１の実施形態］
図１は、第１の実施形態に係る検知システムの構成を模式的に示す図である。同図に示すように、検知システムは、複数の情報出力装置１０と、当該情報出力装置１０とＬＡＮ（Local Area Network）等のネットワークＮを介して接続された検知装置４０とを有している。なお、ネットワークＮに接続される情報出力装置１０の個数は特に問わないものとする。
【００１１】
情報出力装置１０は、後述する撮像部１６（図２参照）を有し、所定の被写体を撮像した画像に関する情報をエビデンスとして検知装置４０に出力する。以下、情報出力装置１０について説明する。
【００１２】
図２は、第１の実施形態に係る情報出力装置１０の構成を示すブロック図である。同図に示すように、情報出力装置１０は、ＣＰＵ（Central Processing Unit）１１、ＲＯＭ（Read Only Memory）１２、ＲＡＭ（Random Access Memory）１３、記憶部１４、通信部１５及び撮像部１６を備える。また、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、記憶部１４、通信部１５及び撮像部１６の各部は、アドレスバスやデータバス等のバスライン１７を介して相互に接続されている。
【００１３】
ＣＰＵ１１は、ＲＯＭ１２に記憶されたコンピュータ読み取り可能な各種プログラムを実行することにより、情報出力装置１０の動作を統括的に制御する。また、ＣＰＵ１１は、ＲＯＭ１２及び記憶部１４に記憶された所定のプログラムを実行することにより、後述する各機能部（図４参照）を実現する。
【００１４】
ＲＯＭ１２は、ＣＰＵ１１が実行する各種プログラムや各種データを記憶する。ＲＡＭ１３は、ＣＰＵ１１が実行する各種プログラムや各種データを一時的に記憶し、ワーキング画像エリアとして機能する。記憶部１４は、例えばハードディスクドライブ装置、ＳＳＤ（Solid State Drive）、フラッシュメモリ等の記憶媒体で構成されており、ＣＰＵ１１が実行するプログラム等の他、各種情報を記憶している。
【００１５】
通信部１５は、ネットワークＮを通じて接続される検知装置４０とのデータ通信を制御する。撮像部１６は、カラーＣＣＤ（Charge Coupled Device Image Sensor）や、カラーＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の撮像素子を有した撮像装置である。撮像部１６は、所定のフレームレート（例えば３０ｆｐｓ）で順次撮像した画像をＲＡＭ１３に保存する。
【００１６】
図３は、情報出力装置１０の設置例を示す図である。同図において、室内２０は、オフィス等の部屋（閉空間）であり、その壁面に、出入口Ｅ１及び明り取り用の窓Ｗ１、Ｗ２が備えられている。また、同図では、情報出力装置１０を室内２０の天井２１に設置した例を示している。情報出力装置１０が備える撮像部１６の撮像方向及び撮像範囲は、室内２０の全域を撮像できるよう予め設定されており、室内２０の全域を被写体として撮像する。
【００１７】
なお、室内２０に設置される情報出力装置１０の個数は一つに限らず、複数個用いる形態としてもよい。この形態の場合には、各情報出力装置１０の撮像範囲を組み合わせることで、室内２０の全域を撮像できるよう設定してもよい。
【００１８】
次に、図４を参照し、情報出力装置１０のＣＰＵ１１が、ＲＯＭ１２及び記憶部１４に記憶されたプログラムを実行することで実現される情報出力装置１０の機能部について説明する。
【００１９】
図４は、情報出力装置１０の機能構成を示すブロック図である。同図に示すように、情報出力装置１０のＣＰＵ１１は、ＲＯＭ１２及び記憶部１４に記憶された所定のプログラムを実行することにより、画像取得部３１と、画像エリア分割部３２と、特徴量算出部３３と、画像エリア検知部３４と、除外エリア特定部３５と、出力部３６と、学習部３７としての機能を備える。
【００２０】
画像取得部３１は、撮像部１６が撮像しＲＡＭ１３に保存した画像を、時系列順に順次取得する。画像エリア分割部３２は、画像取得部３１が取得した画像毎に、当該画像を１又は複数の画像エリアに分割する。
【００２１】
図５−１、図５−２は、画像エリア分割部３２による画像の分割例を示す図である。図５−１では、画像取得部３１が取得した画像Ｇ１１を、矩形状の画像エリアに分割した例を示している。また、図５−２では、画像取得部３１が取得した画像Ｇ１２を、当該画像Ｇ１２の中心から同心円状に分割した例を示している。なお、分割する画像エリアの形状や分割数は、図５−１、図５−２の例に限らず、任意に設定することが可能であるとする。例えば、分割数を１とすることで画像全体を１つの画像エリアとしてもよい。
【００２２】
図４に戻り、特徴量算出部３３は、画像エリア分割部３２が分割した画像エリア毎に、当該画像エリアの画像の特徴を示した特徴量を算出する。ここで、算出された特徴量は、画像エリア検知部３４及び除外エリア特定部３５で使用される。なお、画像エリア検知部３４及び除外エリア特定部３５で用いる特徴量は、同一の指標で導出されたものとは限らず、異なる指標で導出されたものであってもよい。
【００２３】
例えば、特徴量算出部３３は、画像取得部３１が直近に取得した画像と、この画像の所定時間前（例えば１フレーム前）に画像取得部３１が取得した画像と、の時系列的に連続する２画像間において、同一位置に存在する画像エリアの輝度値を画素単位で比較することで、輝度値の差分値を画素毎に算出する。そして、特徴量算出部３３は、算出した差分値の絶対値が、所定の閾値（以下、第１閾値という）以上となった画素の数を、その画像エリアの特徴量として算出する。以下、この特徴量の算出方法について、図６−１、図６−２、図６−３を用いて説明する。
【００２４】
図６−１、図６−２、図６−３は、特徴量算出部３３の動作の一例を説明するための図である。画像取得部３１が時刻ｔ１に取得した画像が、図６−１のＧ２１であるとし、画像取得部３１が直近の時刻ｔ１＋１に取得した画像が、図６−２のＧ２２であるとすると、特徴量算出部３３は、画像Ｇ２１と画像Ｇ２２との２画像間において、同一位置に存在する画像エリアの輝度値を画素単位で比較し、その差分を算出する。
【００２５】
ここで、画像Ｇ２１及び画像Ｇ２２中の人物Ｈ１が、時刻ｔ１から時刻ｔ１＋１にかけて移動していたとすると、図６−３に示すように、画像中における人物Ｈ１の位置の相違により、人物Ｈ１を表示する画素の輝度値が時刻ｔ１から時刻ｔ１＋１にかけて変化する。そこで、特徴量算出部３３は、変化量を輝度値の差分として算出し、この差分値の絶対値が第１閾値以上となった画素の数を、この人物Ｈ１が存在する各画像エリア（図中黒枠参照）の特徴量とする。
【００２６】
特徴量の算出方法は上記の例に限らず、他の算出方法を用いてもよい。例えば、時系列的に連続する２つの画像の同一の画像エリア毎に、当該画像エリアを構成する各画素の輝度値の総和を算出し、この総和の差分値をその画像エリアの特徴量として取得してもよい。また、特徴量算出部３３が直近に取得した画像の画像エリア毎に、当該画像エリアを構成する各画素の輝度値の総和を算出し、この総和値をその画像エリアの特徴量として取得してもよい。
【００２７】
また、上記例では、輝度値の差分を特徴量としたが、輝度値のヒストグラム、輝度分布、色情報等の他の要素を特徴量としてもよい。例えば、特徴量算出部３３が直近に取得した画像の画像エリア毎に、当該画像エリア内の画像からパターンマッチング等で人体の識別を行い、この結果得られる人体らしさの値をその画像エリアの特徴量としてもよい。なお、第１閾値の値は、特徴量の算出方法、特徴量とする指標に応じて、変更するものとする。
【００２８】
図４に戻り、画像エリア検知部３４は、算出された各画像エリアの特徴量に基づいて、当該特徴量に変化のある画像エリアを、人等の物体（動体）が存在する可能性のあるエリアとして検知する。具体的に、画像エリア検知部３４は、特徴量算出部３３で算出された各画像エリアの特徴量と、所定の閾値（以下、第２閾値という）とを比較し、特徴量が第２閾値以上の画像エリアを、人体等の物体（動体）が存在する可能性のある画像エリアとして検知する。例えば、上述した図６−３の状態の場合、黒枠で囲われた各画像エリアの特徴量が第２閾値以上であったとすると、画像エリア検知部３４は、この黒枠で囲われた各画像エリアをそれぞれ検知する。
【００２９】
除外エリア特定部３５は、画像全体を構成する各画像エリアから、被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する。具体的に、除外エリア特定部３５は、画像全体を構成する各画像エリアの特徴量と、所定の閾値（以下、第３閾値という）とを比較することで、特徴量が第３閾値以上の画像エリアを特定する。
【００３０】
なお、本実施形態において、上述した画像エリア検知部３４が画像エリアの検知に用いる特徴量（以下、第１特徴量）と、除外エリア特定部３５が第３閾値との比較に用いる特徴量（以下、第２特徴量）と、は独立した物理量として取り扱うことが可能である。そのため、第１特徴量と第２特徴量とを、異なる指標で求められた値（例えば、輝度値の差分と輝度値の総和値）としてもよいし、同一の指標で求められた値としてもよい。また、本実施形態では、除外エリア特定部３５の処理の対象を画像全体としたが、これに限らず、画像エリア検知部３４にて検知された画像エリアを処理の対象としてもよい。
【００３１】
出力部３６は、画像エリア検知部３４が検知した画像エリアから、除外エリア特定部３５が特定した画像エリアを除外した残りの画像エリアに関する情報を、エビデンスとして検知装置４０に出力する。
【００３２】
ここで、エビデンスとして出力する情報は、特に問わないものとする。例えば、画像エリア検知部３４が検知した画像エリアから、除外エリア特定部３５が特定した画像エリアを除外した残りの画像エリアを表す座標等をエビデンスとして出力してもよい。また、画像エリア検知部３４が検知した画像エリアから、除外エリア特定部３５が特定した画像エリアを除外した残りの画像エリアを表す画像（データ）をエビデンスとして出力してもよい。また、撮像部１６が撮像した画像に除外結果の画像エリアを示す情報を重畳した画像をエビデンスとして出力してもよい。また、除外の結果、残りの画像エリアが空（ｎｕｌｌ）となった場合であっても、その旨を示す情報をエビデンスとして出力してもよい。
【００３３】
以下、除外エリア特定部３５の動作について、図７−１及び図７−２を用いて説明する。図７−１、図７−２は、除外エリア特定部３５の動作の一例を説明するための図である。ここで、図７−１の画像Ｇ３１が、画像取得部３１が時刻ｔ２に取得した画像であるとし、図７−２の画像Ｇ３２が、画像取得部３１が直近の時刻ｔ２＋１に取得した画像であるとする。画像Ｇ３１及びＧ３２では、時刻ｔ２から時刻ｔ２＋１にかけて、室内の照明がオフからオンに切り替えられた状態を示している。
【００３４】
また、図７−１及び図７−２の例において、特徴量算出部３３は、撮像時間の異なる二つの画像Ｇ３１、Ｇ３２の各々において、各画像エリアを構成する画素の輝度値の総和を算出し、対応する画像エリアでの総和の差分値を、その画像エリアの第２特徴量として算出したとする。例えば、画像Ｇ３１の各画像エリアでの輝度値の総和が「５０００」、画像Ｇ３２の各画像エリアでの輝度値の総和が「３００００」であったとすると、特徴量算出部３３は、これら総和の差分値「２５０００」を、各画像エリアの第２特徴量として算出する。
【００３５】
このように、照明の点灯により被写体となる室内が照らされると、照らされた画像エリアの輝度値が変化することになる。そのため、例えば、画像エリア検知部３４が、輝度値（第１特徴量）の変化に基づいて画像エリアを検知している場合には、点灯に伴う輝度値の変化を要因として、物体の存在しない画像Ｇ３２中の全て又は一部の画像エリアを誤検知してしまう可能性がある。
【００３６】
そこで、例えば、被写体となる室内での照明のオン／オフ時の輝度値の差分に応じた値を第３閾値（例えば「２００００」）として予め設定しておくことで、除外エリア特定部３５は、第２特徴量が第３閾値以上となった画像エリアを画像中から特定する。これにより、出力部３６は、画像エリア検知部３４が検知した画像エリアから、除外エリア特定部３５が特定した画像エリアを除外するため、画像エリア検知部３４が検知した画像エリアのうち、第２特徴量が２００００未満の画像エリアが残留することになる。したがって、第３閾値の値を適切に設定することで、照明のオン／オフに伴う輝度値の変化を要因とする誤検知の発生を低減することができる。
【００３７】
ところで、除外エリア特定部３５でのパラメータとなる第３閾値は、被写体となる室内の構成や、第２特徴量とする指標、検知を行う時期（季節、日付、時刻）等によって異なってくる。そこで、学習部３７は、特徴量算出部３３、除外エリア特定部３５での処理結果を入力とし、第３閾値を出力とする学習を行う。
【００３８】
例えば、学習部３７は、特徴量とする要素の種別や、検知を行う時期毎に、複数の第３閾値と、この第３閾値を割り当てた場合での除外エリア特定部３５の処理結果（又は出力部３６の処理結果）とを対応付けて記憶部１４に記憶しておく。そして、学習部３７は、記憶部１４に記憶した複数の第３閾値と処理結果とに基づいて、より適切な処理結果（検知結果）が得られる閾値セットを機械学習し、その第３閾値を除外エリア特定部３５の第３閾値に反映する。
【００３９】
なお、学習部３７での機械学習に係る技術や手法は、公知の技術・手法を用いるものとする。また、学習の対象となるパラメータを第３閾値としたが、これに限らず、第２閾値や第１閾値を学習の対象に含めてもよい。
【００４０】
図１に戻り、検知装置４０は、情報出力装置１０から入力されるエビデンスに基づいて、各情報出力装置１０の被写体となった室内に人等の物体（動体）が存在するか否を判定するサーバ装置である。
【００４１】
図８は、第１の実施形態に係る検知装置４０の構成を示すブロック図である。同図に示すように、検知装置４０は、ＣＰＵ４１と、ＲＯＭ４２と、ＲＡＭ４３と、記憶部４４と、操作部４５と、表示部４６と、通信部４７とを備えている。また、ＣＰＵ４１、ＲＯＭ４２、ＲＡＭ４３、記憶部４４、操作部４５、表示部４６及び通信部４７の各部は、アドレスバスやデータバス等のバスライン４８を介して相互に接続されている。
【００４２】
ＣＰＵ４１は、ＲＯＭ４２や記憶部４４に記憶された所定のプログラムをＲＡＭ４３に展開して実行することで、検知装置４０の各部の動作を統括的に制御する。また、ＣＰＵ４１は、ＲＯＭ４２や記憶部４４に記憶された所定のプログラムをＲＡＭ４３に展開して実行することで、後述する機能部を実現する。
【００４３】
ＲＯＭ４２は、ＣＰＵ４１が実行する各種プログラムや設定情報を記憶している。ＲＡＭ４３は、主記憶装置であり、ワークメモリとして用いられる。
【００４４】
記憶部４４は、ＨＤＤ（Hard Disk Drive）等の補助記憶装置であって、ＣＰＵ４１が実行する各種プログラムや各種情報を記憶している。操作部４５は、キーボードやマウス等の入力デバイスであって、操作者から受け付けた操作内容をＣＰＵ４１に出力する。また、表示部４６は、ＬＣＤ（Liquid Crystal Display）等の表示デバイスであって、ＣＰＵ４１の制御に従い文字や画像等を表示する。
【００４５】
通信部４７は、ネットワークＮに接続可能なネットワークインタフェースであり、ＣＰＵ４１の制御の下、ネットワークＮに接続された各情報出力装置１０との間で情報の授受を行う。
【００４６】
図９は、検知装置４０の機能構成を示すブロック図である。同図に示すように、検知装置４０のＣＰＵ４１は、ＲＯＭ４２及び記憶部４４に記憶された所定のプログラムを実行することにより、エビデンス受信部５１と、状態判定部５２と、状態提示部５３としての機能を備える。
【００４７】
エビデンス受信部５１は、情報出力装置１０の各々から送信（出力）されるエビデンスを、通信部４７を介して受信する。なお、エビデンスには、情報出力装置１０の各々を識別可能な識別子（例えばＩＰアドレス等）が含まれるものとする。
【００４８】
状態判定部５２は、エビデンスに含まれた情報に基づいて、当該エビデンスを出力した情報出力装置１０の管轄（撮像範囲）内に、人等の物体（動体）が存在するか否かを判定する。具体的に、状態判定部５２は、特定の画像エリアを表す座標等の情報や画像自体がエビデンスに含まれる場合、このエビデンスを出力した情報出力装置１０の管轄内での、画像エリアに対応する位置に、物体（動体）が存在すると判定する。また、状態判定部５２は、画像エリアが空（ｎｕｌｌ）である旨がエビデンスに含まれる場合、このエビデンスを出力した情報出力装置１０の管轄内に物体（動体）が存在しないと判定する。
【００４９】
状態提示部５３は、状態判定部５２での判定結果を表示部４６等に出力することで、当該表示結果を検知装置４０のオペレータに提示する。なお、情報出力装置１０から受信したエビデンスと、当該エビデンスに基づく状態判定部５２での判定結果とを関連付けて、記憶部４４に蓄積・管理する形態としてもよい。
【００５０】
次に、図１０を参照して、本実施形態の情報出力装置１０の動作について説明する。ここで、図１０は、情報出力装置１０の情報出力処理の手順を示すフローチャートである。
【００５１】
まず、画像取得部３１は、撮像部１６が撮像しＲＡＭ１３に保存された画像を、時系列順に順次取得する（ステップＳ１１）。画像エリア分割部３２は、ステップＳ１１で画像が取得される毎に、当該画像を１又は複数の画像エリアに分割する（ステップＳ１２）。
【００５２】
特徴量算出部３３は、ステップＳ１１で直近に取得された画像について、ステップＳ１２で分割された画像エリア毎に当該画像エリアの第１特徴量及び第２特徴量を算出する（ステップＳ１３）。続いて、画像エリア検知部３４は、ステップＳ１３で算出された各画像エリアの第１特徴量と、第２閾値とを比較し、第１特徴量が第２閾値以上の画像エリアを検知する（ステップＳ１４）。次いで、除外エリア特定部３５は、ステップＳ１３で算出された各画像エリアの第２特徴量と、第３閾値とを比較し、第２特徴量が第３閾値以上の画像エリアを特定する（ステップＳ１５）。
【００５３】
続いて、出力部３６は、ステップＳ１４で検知された画像エリアから、ステップＳ１５で検知された画像エリアを除外する（ステップＳ１６）。そして、出力部３６は、ステップＳ１６での処理結果となる残りの画像エリアに関する情報をエビデンスとして、検知装置４０に出力し（ステップＳ１７）、ステップＳ１１に再び戻る。
【００５４】
その結果、検知装置４０では、上記情報出力装置１０により出力されたエビデンスをエビデンス受信部５１が受信し、このエビデンスに基づいて、状態判定部５２が当該エビデンスを出力した情報出力装置１０の管轄内に物体が存在するか否かを判定する。そして、状態提示部５３が、状態判定部５２での判定結果を提示する。
【００５５】
以上のように、第１の実施形態によれば、画像を構成する画像エリアの第２特徴量が、被写体となる室内（空間）の環境に応じて定めた第３閾値を逸脱する場合に、その画像エリアを特定し、画像エリア検知部３４の検知結果から除外する。これにより、例えば、照明のオン／オフに伴う輝度値の変化を要因とする誤検知を低減することができるため、検知精度を向上させることができる。
【００５６】
ところで、情報出力装置１０の構成は、種々の形態を採用することが可能である。例えば、第２特徴量の指標として画素の色情報を用いた場合、第３閾値として、白飛び付近（ＲＧＢ成分それぞれの最大値の９０％以上等）や、夕焼けの色（Ｒ成分が最大値の９０％以上等）の範囲を設定することで、窓等から入射した光を要因とする誤検知の発生を低減することができる。また、上記例では、第２特徴量が第３閾値以上の画像エリアを、検知結果から除去する構成としたが、第２特徴量が予め設定した閾値範囲内（或いは範囲外）にある画像エリアを、検知結果から除去する構成としてもよい。
【００５７】
また、上記実施形態では、検知装置４０が状態判定部５２の機能を備える構成としたが、これに限らず、情報出力装置１０が状態判定部５２の機能を備える構成としてもよい。なお、この構成の場合には、状態判定部５２での判定結果を、エビデンスに含めて出力する形態としてもよい。
【００５８】
［第２の実施形態］
次に、第２の実施形態に係る情報出力装置について説明する。なお、第１の実施形態と同様の構成要素については、同一の符号を付与し説明を省略する。
【００５９】
図１１は、第２の実施形態に係る情報出力装置１０ａの構成を示すブロック図である。同図に示すように、情報出力装置１０ａは、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、記憶部１４ａ、通信部１５及び撮像部１６を備える。また、ＣＰＵ１１、ＲＯＭ１２、ＲＡＭ１３、記憶部１４ａ、通信部１５及び撮像部１６の各部は、アドレスバスやデータバス等のバスライン１７を介して相互に接続されている。
【００６０】
記憶部１４ａは、上述した記憶部１４に対応し、ＣＰＵ１１が実行するプログラム等の他、各種情報を記憶している。また、記憶部１４ａは、各種情報の１つとして、検知対象から除外する画像エリアと、当該画像エリアを検知対象から除外する時期（日時等）とを関連付けた除外設定情報１４１を記憶している。
【００６１】
ここで、図１２−１は、除外設定情報１４１の一例を模式的に示す図である。また、図１２−２は、図１２−１の除外設定情報１４１に設定された除外対象エリアを模式的に示す図である。
【００６２】
図１２−１に示すように、除外設定情報１４１には、検知対象から除外する画像エリアが格納される除外対象エリア１４１ａと、検知対象から除外する時刻が格納される除外時間１４１ｂと、をデータ項目として有している。以下、除外対象エリア１４１ａに格納（設定）された画像エリアを、「除外対象エリア」と表記する。
【００６３】
除外対象エリア１４１ａには、複数の画像エリアの座標等を纏めて格納することで、複数の画像エリアで構成される画像エリア群を、一つの除外対象エリアとして取り扱うことが可能となっている。例えば、図１２−１の除外対象エリア１４１ａに格納された除外対象エリアＡ１１、Ａ１２、Ａ１３は、図１２−２に示すＡ１１、Ａ１２、Ａ１３（黒枠部分）の画像エリアに対応している。なお、複数の除外対象エリア同士で、一部又は全ての画像エリアを重複して設定する形態としてもよい。
【００６４】
除外時間１４１ｂには、検知対象からの除外を開始する時刻と、終了する時刻とが格納される。なお、時刻だけでなく、日付（月、日）や曜日等を用いて除外の開始／終了タイミングを指定する形態としてもよい。また、除外対象エリアＡ１２に関連付けられた除外時間１４１ｂのように、除外時間１４１ｂを空欄（ｎｕｌｌ）とすることで、検知対象からの除外を常時指定する形態としてもよい。また、同一の除外対象エリアに対し、互いに異なる複数の除外時間を設定する形態としてもよい。
【００６５】
ところで、上述した除外対象エリア１４１ａ及び除外時間１４１ｂには、被写体となる室内の環境に応じた値を設定することが好ましい。例えば、図１２−２に示す画像エリアＡ１１において、ＡＭ６時からＡＭ８時までの間、朝日が入射するような環境の場合、この画像エリアＡ１１を除外対象エリアとして設定するとともに、この除外対象エリアの除外時間に「０６：００〜０８：００」等を設定する。これにより、朝日の入射に伴い画像エリアＡ１１の輝度値が変化した場合でも、画像エリアＡ１１を検知対象から除外することができるため、人体等の物体が存在しない画像エリアが誤検知されてしまうことを低減することができる。
【００６６】
図１３は、第２の実施形態に係る情報出力装置１０ａの機能構成を示すブロック図である。同図に示すように、情報出力装置１０ａのＣＰＵ１１は、ＲＯＭ１２及び記憶部１４ａに記憶された所定のプログラムを実行することにより、画像取得部３１と、画像エリア分割部３２と、特徴量算出部３３と、画像エリア検知部３４と、除外エリア特定部３５ａと、出力部３６と、学習部３７ａと、計時部３８としての機能を備える。
【００６７】
計時部３８は、情報出力装置１０ａに設けられたＲＴＣ（Real Time Clock）等の計時装置が計時する時刻に基づいて、現在日時を表す現在時刻情報を生成する。
【００６８】
除外エリア特定部３５ａは、除外設定情報１４１を参照し、計時部３８が生成する現在時刻情報の現在日時に該当する除外対象エリアを特定する。
【００６９】
学習部３７ａは、上述した学習部３７の機能を備えるとともに、除外エリア特定部３５ａでの処理結果を入力とし、除外対象エリア及び除外時間を出力とする学習を行う。
【００７０】
例えば、学習部３７ａは、室内に存在する誤検知要因（例えば窓等）の配置位置周辺に設定された除外対象エリアと、当該除外対象エリアに割り当てた各種の除外時間と、この条件での除外エリア特定部３５ａの処理結果（又は出力部３６の処理結果）とを対応付けて記憶部１４ａに記憶しておく。そして、学習部３７ａは、記憶部１４ａに記憶された除外対象エリアと、除外時間と、処理結果との組に基づき、より適切な処理結果（検知結果）が得られる除外時間を機械学習し、その除外時間を除外設定情報１４１の除外時間１４１ｂに反映（格納）する。
【００７１】
なお、学習部３７ａでの機械学習に係る技術や手法は、公知の技術・手法を用いるものとする。また、学習の対象として、除外対象エリアを含めてもよい。
【００７２】
次に、図１４を参照して、本実施形態の情報出力装置１０ａの動作について説明する。ここで、図１４は、情報出力装置１０ａの情報出力処理の手順を示すフローチャートである。なお、ステップＳ２１〜Ｓ２４は、上述した第１の実施形態のステップＳ１１〜Ｓ１４と同様であるため説明を省略する。
【００７３】
ステップＳ２５において、除外エリア特定部３５ａは、除外設定情報１４１を参照し、計時部３８が生成する現在時刻情報の現在日時に該当する除外対象エリアを特定する（ステップＳ２５）。
【００７４】
続いて、出力部３６は、ステップＳ２４で検知された画像エリアから、ステップＳ２５で特定された除外対象エリアを除外する（ステップＳ２６）。そして、出力部３６は、ステップＳ２６での処理結果となる残りの画像エリアに関する情報をエビデンスとして、検知装置４０に出力し（ステップＳ２７）、ステップＳ２１に再び戻る。
【００７５】
その結果、検知装置４０では、上記情報出力装置１０ａにより出力されたエビデンスをエビデンス受信部５１が受信し、このエビデンスに基づいて、状態判定部５２が当該エビデンスを出力した情報出力装置１０の管轄内に物体が存在するか否かを判定する。そして、状態提示部５３が、状態判定部５２での判定結果を提示する。
【００７６】
以上のように、第２の実施形態によれば、画像が撮像された時期及び当該画像を構成する各画像エリアの位置が、被写体となる室内（空間）の環境に応じて定めた除外対象エリア及び除外時間の条件に該当した場合に、この条件に該当した除外対象エリアを特定し、画像エリア検知部３４での検知結果から除外する。これにより、例えば、窓から入射する光や、窓に取り付けられたカーテンの揺れ等を要因とする誤検知を低減することができるため、検知精度を向上させることができる。また、被写体となる室内の使用環境（例えば営業日と休業日）に基づいて、除外対象エリアを有効／無効とすることができるため、室内の使用環境に柔軟に対応することができる。
【００７７】
ところで、情報出力装置１０ａでの除外設定情報１４１に係る構成は、種々の形態を採用することが可能である。例えば、上記第２の実施形態では、現在日時に該当する除外時間の除外対象エリアを特定することで、当該除外対象エリアを画像エリア検知部３４での検知結果から除外する構成としたが、除外対象エリアの各々に対し、有効／無効を規定する設定情報（以下、有効／無効設定情報という）を別途設けることで、当該有効／無効設定情報に基づいて、除外対象エリアの除外を有効／無効化する構成としてもよい。
【００７８】
ここで、図１５は、有効／無効設定情報１４２の一例を模式的に示す図である。図１５に示すように、有効／無効設定情報１４２には、処理の対象となる除外対象エリアが格納される処理対象エリア１４２ａと、有効／無効を規定するデータが格納される有効／無効設定１４２ｂとをデータ項目として有している。なお、有効／無効設定情報１４２は、記憶部１４ａに記憶されるものとする。
【００７９】
処理対象エリア１４２ａには、除外設定情報１４１と同一の除外対象エリアが格納されることで、除外対象エリアをキーとして、除外設定情報１４１と有効／無効設定情報１４２とが関連付けられる。なお、除外対象エリア１４１ａと処理対象エリア１４２ａとを共通化することで、除外設定情報１４１と有効／無効設定情報１４２とを併合し、一つの設定情報とする形態としてもよい。
【００８０】
上記した有効／無効設定情報１４２を用いる場合、除外エリア特定部３５ａは、ステップＳ２５の実行に先がけて、現在日時に該当する除外対象エリアに関連付けられた有効／無効設定情報１４２が有効か否かを判定する。そして、除外エリア特定部３５ａは、有効／無効設定情報１４２が「有効」の場合には上述したステップＳ２５に移行し、現在日時に該当した除外対象エリアを特定する。また、有効／無効設定情報１４２が「無効」の場合には、除外エリア特定部３５ａは、現在日時に該当した除外対象エリアを特定することなく、ステップＳ２６に移行する。
【００８１】
これにより、除外設定情報１４１に格納された除外対象エリアの単位で、除外エリア特定部３５ａの機能を有効／無効化することができるため、除外対象エリアの単位で当該除外対象エリアの除外を個別に制御することができる。
【００８２】
なお、除外対象エリアに対する有効／無効の設定は、除外設定情報１４１に定められているものとするが、これに限らず、画像エリア検知部３４が画像エリアを検知した際に、この検知された画像エリアに対する有効／無効の設定を外部装置（例えば検知装置４０）等から受け付け、この設定内容に基づいて、除外エリア特定部３５ａが除外対象エリアの特定を行う形態としてもよい。
【００８３】
［第３の実施形態］
次に、第３の実施形態に係る情報出力装置について説明する。なお、第１の実施形態と同様の構成要素については、同一の符号を付与し説明を省略する。
【００８４】
図１６は、第３の実施形態に係る情報出力装置１０ｂの機能構成を示すブロック図である。同図に示すように、情報出力装置１０ｂのＣＰＵ１１は、ＲＯＭ１２及び記憶部１４に記憶された所定のプログラムを実行することにより、画像取得部３１と、画像エリア分割部３２と、特徴量算出部３３と、画像エリア検知部３４と、除外エリア特定部３５ｂと、出力部３６と、学習部３７ｂとしての機能を備える。なお、情報出力装置１０ｂのハードウェア構成は、第１の実施形態と同様であるとする。
【００８５】
除外エリア特定部３５ｂは、撮影時間の異なる複数の画像（少なくとも３以上）の各画像エリアについて、当該画像エリアの第２特徴量を時系列順に比較し、当該第２特徴量が規則的に変化する画像エリアを特定する。
【００８６】
ところで、第２特徴量が規則的に変化する状態は、例えば、室内に設けられたＰＣモニタにスクリーンセーバー等の周期性な画像（映像）が表示されている場合や、扇風機のファンの回転等の規則的な動作を行う物体が画像中に含まれる場合に発生する。このような場合、画像エリア検知部３４での検知結果をそのまま出力してしまうと、人体等の物体の存在しない画像エリアが検知結果として出力されることになる。そこで、本実施形態では、除外エリア特定部３５ｂが、第２特徴量が規則的に変化する画像エリアを特定し、出力部３６が、この特定された画像エリアを画像エリア検知部３４での検知結果から除去することで、規則的な動作を行う事象が、物体として誤検知されてしまうことを低減する。
【００８７】
このように、除外エリア特定部３５ｂは、撮影時間の異なる複数の画像間において、各画像エリアが有する第２特徴量の変化の規則性（パターン）に基づき、除外対象とする画像エリアを特定する。なお、規則的な変化の判定に係るパラメータは、任意に設定することが可能であるとする。規則的な変化の判定に係るパラメータとしては、例えば、第２特徴量とする指標、規則的と判定する周期、判定に用いる画像数、サンプリング間隔等の他、判定の対象とする画像エリアの位置（出入口Ｅ１、窓Ｗ１の周辺等）や、判定を実行する時刻（日時）等が挙げられる。
【００８８】
学習部３７ｂは、上述した学習部３７の機能を備えるとともに、除外エリア特定部３５ｂでの処理結果を入力とし、規則的な変化の判定に係るパラメータを出力とする学習を行う。
【００８９】
例えば、学習部３７ｂは、規則的変化の判定に係る各種のパラメータセットと、各パラメータセットでの除外エリア特定部３５ｂの処理結果（又は出力部３６の処理結果）とを対応付けて記憶部１４に記憶しておく。そして、学習部３７ｂは、記憶部１４に記憶されたパラメータセットと、処理結果との組に基づき、より適切な処理結果（検知結果）が得られるパラメータセットを機械学習し、そのパラメータセットを除外エリア特定部３５ｂに反映する。なお、学習部３７ｂでの機械学習に係る技術や手法は、公知の技術・手法を用いるものとする。
【００９０】
次に、図１７を参照して、本実施形態の情報出力装置１０ｂの動作について説明する。ここで、図１７は、情報出力装置１０ｂの情報出力処理の手順を示すフローチャートである。なお、ステップＳ３１〜Ｓ３４は、上述した第１実施形態のステップＳ１１〜Ｓ１４と同様であるため説明を省略する。
【００９１】
ステップＳ３５において、除外エリア特定部３５ｂは、撮影時間の異なる複数の画像の各画像エリアについて、当該画像エリアの第２特徴量を時系列順に比較し、当該第２特徴量が規則的に変化する画像エリアを特定する（ステップＳ３５）。
【００９２】
続いて、出力部３６は、ステップＳ３４で直近に検知された画像エリアから、ステップＳ３５で特定された画像エリアを除外する（ステップＳ３６）。そして、出力部３６は、ステップＳ３６での処理結果となる残りの画像エリアに関する情報をエビデンスとして、検知装置４０に出力し（ステップＳ３７）、ステップＳ３１に再び戻る。
【００９３】
その結果、検知装置４０では、上記情報出力装置１０ｂにより出力されたエビデンスをエビデンス受信部５１が受信し、このエビデンスに基づいて、状態判定部５２が当該エビデンスを出力した情報出力装置１０の管轄内に物体が存在するか否かを判定する。そして、状態提示部５３が、状態判定部５２での判定結果を提示する。
【００９４】
以上のように、第３の実施形態によれば、画像を構成する各画像エリアの第２特徴量が、被写体となる室内（空間）の環境に応じて定めた規則的な変化の条件に該当した場合に、この条件に該当した画像エリアを特定し、画像エリア検知部３４の検知結果から除外する。これにより、例えば、室内に設けられたＰＣモニタに表示される周期的な画像や扇風機のファン等、規則的な動作を行う物体を要因とする誤検知を低減することができるため、検知精度を向上させることができる。
【００９５】
［第４の実施形態］
次に、第４の実施形態に係る情報出力装置について説明する。なお、第１の実施形態と同様の構成要素については、同一の符号を付与し説明を省略する。
【００９６】
図１８は、第４の実施形態に係る情報出力装置１０ｃの機能構成を示すブロック図である。同図に示すように、情報出力装置１０ｃのＣＰＵ１１は、ＲＯＭ１２及び記憶部１４に記憶された所定のプログラムを実行することにより、画像取得部３１と、画像エリア分割部３２と、特徴量算出部３３と、画像エリア検知部３４と、除外エリア特定部３５ｃと、出力部３６と、学習部３７ｃとしての機能を備える。なお、情報出力装置１０ｃのハードウェア構成は、第１の実施形態と同様であるとする。
【００９７】
除外エリア特定部３５ｃは、撮像時間が異なる複数の画像の各々について、画像エリア検知部３４が検知した画像エリアの位置を時系列順に比較することで、当該位置の軌跡が連続的に移動しているか否かを判定し、連続的に移動している画像エリア以外の、非連続的な位置に存在する画像エリアを特定する。
【００９８】
図１９−１、図１９−２は、除外エリア特定部３５ｃの動作の一例を説明するための図である。ここで、図１９−１の画像Ｇ４１が、画像取得部３１が時刻ｔ３に取得した画像であるとし、図１９−２の画像Ｇ４２が、画像取得部３１が時刻ｔ３＋１に取得した画像であるとする。また、図中Ｐ１１の位置にこの建物内への出入口Ｅ１が存在し、図中Ｐ１２、Ｐ１３の位置に窓Ｗ１、Ｗ２が存在するものとする（図３参照）。
【００９９】
上記の条件の下、時刻ｔ３＋１において、画像エリア検知部３４が画像Ｇ４２の各画像エリアから画像エリアＡ４２（黒枠部分）を検知したとする。この場合、除外エリア特定部３５ｃは、画像Ｇ４１での画像エリアの位置を空（ｎｕｌｌ）とし、画像Ｇ４２から画像エリアＡ４２の位置を特定する。そして、除外エリア特定部３５ｃは、画像Ｇ４１及び画像Ｇ４２から特定した画像エリアの位置を時系列に沿って比較することで、時刻ｔ３＋１に画像エリアＡ４２が突如検知されたと判断する。
【０１００】
上記画像Ｇ４１及びＧ４２の例の場合、例えば、時刻ｔ３＋１に、図中Ｐ１２の窓Ｗ１から入射する光が変動したような状況が考えられる。この場合、画像エリア検知部３４が検知した画像エリアＡ４２は、人等の物体が存在しないため誤検知となる。そこで、除外エリア特定部３５ｃは、撮像時間お異なる二つの画像Ｇ４１、Ｇ４２において、非連続的な位置に存在する、つまり突如現れた画像エリアＡ４２を特定する。
【０１０１】
また、図２０−１、図２０−２は、除外エリア特定部３５ｃの他の動作例を説明するための図である。ここで、図２０−１の画像Ｇ５１が、画像取得部３１が時刻ｔ４に取得した画像であるとし、図２０−２の画像Ｇ５２が、画像取得部３１が時刻ｔ４＋１に取得した画像であるとする。なお、図１９−１と同様、図中Ｐ１１の位置にこの建物内への出入口Ｅ１が存在し、図中Ｐ１２、Ｐ１３の位置に窓Ｗ１、Ｗ２が存在するものとする（図３参照）。
【０１０２】
上記の条件の下、時刻ｔ４において、画像エリア検知部３４が、画像Ｇ５１に示す各画像エリアから画像エリアＡ５１（黒枠部分）を検知し、続く時刻ｔ４＋１において、画像Ｇ５２に示す各画像エリアから画像エリアＡ５２（黒枠部分）を検知したとする。この場合、除外エリア特定部３５ｃは、画像Ｇ５１から画像エリアＡ５１の位置を特定し、画像Ｇ５２から画像エリアＡ５２の位置を特定する。そして、除外エリア特定部３５ｃは、画像エリアＡ５１、Ａ５２の位置を時系列順に比較し、画像エリアＡ５１の位置近傍に画像エリアＡ５２が存在することから、当該位置が連続的に移動していると判定する。
【０１０３】
上記画像Ｇ５１及びＧ５２の例の場合、出入口Ｅ１から室内に進入した人が、時刻ｔ４から時刻ｔ４＋１にかけて、画像エリアＡ５１→画像エリアＡ５２に移動した状況が考えられる。この場合、画像エリア検知部３４が検知した画像エリアＡ５２は、人等の物体が存在するため正常な検知となる。そのため、除外エリア特定部３５ｃは、画像エリアＡ５１及びＡ５２の特定を行わず、画像エリア検知部３４の検知結果として残存させる。
【０１０４】
このように、除外エリア特定部３５ｃは、撮影時間の異なる複数の画像間において、画像エリア検知部３４が検知した画像エリアの位置の連続性に基づき、除外対象とする画像エリアを特定する。なお、連続性の判定に係るパラメータは任意に設定することが可能であるとする。連続性の判定に係るパラメータとしては、例えば、第２特徴量とする指標、連続性の判定に用いる画像数、連続と判定する画像エリア間の距離、サンプリング間隔等の他、判定の対象とする画像エリア位置（出入口Ｅ１、窓Ｗ１の周辺等）や、判定を実行する時刻（日時）等が挙げられる。
【０１０５】
上記例のうち、連続と判定する画像エリア間の距離としては、例えば、格子状の画像エリアにおける４近傍や８近傍に位置する画像エリアを連続すると定義してもよいし、８近傍からさらに１画像エリア分拡大した画像エリアを連続すると定義してもよい。また、連続性の判定に用いる画像数も２に限らず、３以上の画像を用いて判定してもよい。
【０１０６】
また、連続性の判定の対象とする画像エリア位置を定義した場合、建物の出入口（Ｐ１１）及び窓（Ｐ１２、Ｐ１３）の存在位置等を設定情報として予め記憶しておき、画像エリア検知部３４が検知した画像エリアが、出入口Ｅ１や窓Ｗ１、Ｗ２の付近に存在するか否かを加味して、連続性の判定を行う。例えば、出入口Ｅ１付近で画像エリアが検知された場合には、この画像エリアに対しては連続性の判定の対象から除外する形態としてもよい。
【０１０７】
学習部３７ｃは、上述した学習部３７の機能を備えるとともに、除外エリア特定部３５ｃでの処理結果を入力とし、連続性の判定に係るパラメータを出力とする学習を行う。
【０１０８】
例えば、学習部３７ｃは、連続性の判定に係る各種のパラメータセットと、各パラメータセットでの除外エリア特定部３５ｃの処理結果（又は出力部３６の処理結果）とを対応付けて記憶部１４に記憶しておく。そして、学習部３７ｃは、記憶部１４に記憶されたパラメータセットと、処理結果との組に基づき、より適切な処理結果（検知結果）が得られるパラメータセットを機械学習し、そのパラメータセットを除外エリア特定部３５ｃに反映する。なお、学習部３７ｃでの機械学習に係る技術や手法は、公知の技術・手法を用いるものとする。
【０１０９】
次に、図２１を参照して、本実施形態の情報出力装置１０ｃの動作について説明する。ここで、図２１は、情報出力装置１０ｃの情報出力処理の手順を示すフローチャートである。なお、ステップＳ４１〜Ｓ４４は、上述した第１の実施形態のステップＳ１１〜Ｓ１４と同様であるため説明を省略する。
【０１１０】
ステップＳ４５において、除外エリア特定部３５ｃは、撮影時間の異なる複数の画像の各画像エリアについて、ステップＳ４４で検知された画像エリアの位置を時系列順に比較し、非連続的な位置に存在する画像エリアを特定する（ステップＳ４５）。
【０１１１】
続いて、出力部３６は、ステップＳ４４で直近に検知された画像エリアから、ステップＳ４５で特定された画像エリアを除外する（ステップＳ４６）。そして、出力部３６は、ステップＳ４６での処理結果となる残りの画像エリアに関する情報をエビデンスとして、検知装置４０に出力し（ステップＳ４７）、ステップＳ４１に再び戻る。
【０１１２】
その結果、検知装置４０では、上記情報出力装置１０ｃにより出力されたエビデンスをエビデンス受信部５１が受信し、このエビデンスに基づいて、状態判定部５２が当該エビデンスを出力した情報出力装置１０の管轄内に物体が存在するか否かを判定する。そして、状態提示部５３が、状態判定部５２での判定結果を提示する。
【０１１３】
以上のように、第４の実施形態によれば、画像を構成する各画像エリアにおいて、画像エリア検知部３４で検知された画像エリアの位置が、被写体となる室内（空間）の環境に応じて定めた連続性の判定条件に該当せず、非連続な位置となった場合に、その画像エリアを特定し、画像エリア検知部３４の検知結果から除外する。これにより、例えば、窓から入射する光や、窓に取り付けられたカーテンの揺れ等を要因とする誤検知を低減することができるため、検知精度を向上させることができる。
【０１１４】
以上、本発明の実施形態を説明したが、上記実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。上記実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、組み合わせ、追加等を行うことができる。また、上記実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
【０１１５】
例えば、上記実施形態では、情報出力装置１０（１０ａ、１０ｂ、１０ｃ）が天井２１に取り付けられた形態を説明したが、これに限らず、壁等の他の位置に設置する形態としてもよい。
【０１１６】
また、上記実施形態では、情報出力装置１０（１０ａ、１０ｂ、１０ｃ）が撮像部１６を内蔵する形態としたが、これに限らず、撮像部１６を外付けとする形態としてもよい。この場合、撮像部１６のみを天井２１に取り付け、他の要素を例えば検知装置４０等の情報処理装置で実現する形態としてもよい。
【０１１７】
また、上記実施形態では、検知対象の空間を室内２０等の閉空間としたが、これに限らず、例えば公園や路上等の開空間としてもよい。
【０１１８】
また、上記実施形態では、情報出力装置１０（１０ａ、１０ｂ、１０ｃ）にて、画像エリアの特定に係るパラメータを学習する形態としたが、これに限らず、検知装置４０等の外部装置が学習部３７（３７ａ、３７ｂ、３７ｃ）の機能を備え、学習により得られたパラメータを情報出力装置１０（１０ａ、１０ｂ、１０ｃ）に反映する形態としてもよい。
【０１１９】
また、上記実施形態の情報出力装置１０（１０ａ、１０ｂ、１０ｃ）で実行されるプログラムは、各装置が備える記憶媒体（ＲＯＭ１２又は記憶部１４）に予め組み込んで提供するものとするが、これに限らず、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録して提供するように構成してもよい。さらに、記憶媒体は、コンピュータ或いは組み込みシステムと独立した媒体に限らず、ＬＡＮやインターネット等により伝達されたプログラムをダウンロードして記憶又は一時記憶した記憶媒体も含まれる。
【０１２０】
また、上記実施形態の情報出力装置１０（１０ａ、１０ｂ、１０ｃ）で実行されるプログラムをインターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよく、インターネット等のネットワーク経由で提供又は配布するように構成してもよい。
【符号の説明】
【０１２１】
１０、１０ａ、１０ｂ、１０ｃ 物体検知装置
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４、１４ａ 記憶部
１４１ 除外設定情報
１４２ 無効設定情報
１５ 通信部
１６ 撮像部
３１ 画像取得部
３２ 画像エリア分割部
３３ 特徴量算出部
３４ 画像エリア検知部
３５、３５ａ、３５ｂ、３５ｃ 除外エリア特定部
３６ 出力部
３７、３７ａ、３７ｂ、３７ｃ 学習部
３８ 計時部
４０ 検知装置
４１ ＣＰＵ
４２ ＲＯＭ
４３ ＲＡＭ
４４ 記憶部
４５ 操作部
４６ 表示部
４７ 通信部
５１ エビデンス受信部
５２ 状態判定部
５３ 状態提示部
【特許請求の範囲】
【請求項１】
被写体を撮影した画像に関する情報を出力する情報出力装置であって、
前記画像を１又は複数の画像エリアに分割する分割手段と、
撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出手段と、
前記特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する画像エリア検知手段と、
前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定手段と、
前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力手段と、
を備える情報出力装置。
【請求項２】
前記特定手段は、前記画像エリアの特徴量が、前記条件として定めた所定の閾値を逸脱する画像エリアを特定する請求項１に記載の情報出力装置。
【請求項３】
前記特定手段は、前記画像エリアの位置及び前記画像が撮像された日時が、前記条件として定めた所定の画像エリア及び期間に該当する画像エリアを特定する請求項１又は２に記載の情報出力装置。
【請求項４】
前記特定手段は、前記画像エリアの特徴量の変化のパターンが、前記条件として定めた所定のパターンに該当する画像エリアを特定する請求項１〜３の何れか一項に記載の情報出力装置。
【請求項５】
前記特定手段は、前記画像エリア検知手段で検知された画像エリアの位置の軌跡が、前記条件として定めた非連続性の条件に該当する画像エリアを特定する請求項１〜４の何れか一項に記載の情報出力装置。
【請求項６】
前記特定手段は、１又は複数の画像エリアを処理単位とし、当該処理単位毎に前記条件に該当するか否かの判定を行う請求項１〜５の何れか一項に記載の情報出力装置。
【請求項７】
前記処理単位毎に、有効／無効を規定した設定情報を記憶する記憶手段を更に備え、
前記特定手段は、前記設定情報で有効と規定された処理単位に対し、前記条件に該当するか否かの判定を行う請求項６に記載の情報出力装置。
【請求項８】
前記特定手段での処理結果を入力とし、当該特定手段による前記画像エリアの特定に係るパラメータを出力とする学習を行う学習手段を更に備える請求項１〜５の何れか一項に記載の情報出力装置。
【請求項９】
被写体を撮影した画像に関する情報を用いて物体の検知を行う検知装置であって、
前記画像を１又は複数の画像エリアに分割する分割手段と、
撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出手段と、
前記特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する画像エリア検知手段と、
前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定手段と、
前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力手段と、
前記出力手段が出力した情報に基づいて、前記被写体となった撮像範囲に物体が存在するか否かを判定する判定手段と、
を備える検知装置。
【請求項１０】
被写体を撮影した画像に関する情報を出力する情報出力装置のコンピュータを、
前記画像を１又は複数の画像エリアに分割する分割手段と、
撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出手段と、
前記特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する画像エリア検知手段と、
前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定手段と、
前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力手段と、
して機能させるためのプログラム。
【請求項１１】
被写体を撮影した画像に関する情報を出力する情報出力装置で実行される方法であって、
分割手段が、前記画像を１又は複数の画像エリアに分割する分割工程と、
特徴量算出手段が、撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出工程と、
画像エリア検知手段が、特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する検知工程と、
特定手段が、前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定工程と、
出力手段が、前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力工程と、
を含む情報出力方法。
【請求項１】
被写体を撮影した画像に関する情報を出力する情報出力装置であって、
前記画像を１又は複数の画像エリアに分割する分割手段と、
撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出手段と、
前記特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する画像エリア検知手段と、
前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定手段と、
前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力手段と、
を備える情報出力装置。
【請求項２】
前記特定手段は、前記画像エリアの特徴量が、前記条件として定めた所定の閾値を逸脱する画像エリアを特定する請求項１に記載の情報出力装置。
【請求項３】
前記特定手段は、前記画像エリアの位置及び前記画像が撮像された日時が、前記条件として定めた所定の画像エリア及び期間に該当する画像エリアを特定する請求項１又は２に記載の情報出力装置。
【請求項４】
前記特定手段は、前記画像エリアの特徴量の変化のパターンが、前記条件として定めた所定のパターンに該当する画像エリアを特定する請求項１〜３の何れか一項に記載の情報出力装置。
【請求項５】
前記特定手段は、前記画像エリア検知手段で検知された画像エリアの位置の軌跡が、前記条件として定めた非連続性の条件に該当する画像エリアを特定する請求項１〜４の何れか一項に記載の情報出力装置。
【請求項６】
前記特定手段は、１又は複数の画像エリアを処理単位とし、当該処理単位毎に前記条件に該当するか否かの判定を行う請求項１〜５の何れか一項に記載の情報出力装置。
【請求項７】
前記処理単位毎に、有効／無効を規定した設定情報を記憶する記憶手段を更に備え、
前記特定手段は、前記設定情報で有効と規定された処理単位に対し、前記条件に該当するか否かの判定を行う請求項６に記載の情報出力装置。
【請求項８】
前記特定手段での処理結果を入力とし、当該特定手段による前記画像エリアの特定に係るパラメータを出力とする学習を行う学習手段を更に備える請求項１〜５の何れか一項に記載の情報出力装置。
【請求項９】
被写体を撮影した画像に関する情報を用いて物体の検知を行う検知装置であって、
前記画像を１又は複数の画像エリアに分割する分割手段と、
撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出手段と、
前記特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する画像エリア検知手段と、
前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定手段と、
前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力手段と、
前記出力手段が出力した情報に基づいて、前記被写体となった撮像範囲に物体が存在するか否かを判定する判定手段と、
を備える検知装置。
【請求項１０】
被写体を撮影した画像に関する情報を出力する情報出力装置のコンピュータを、
前記画像を１又は複数の画像エリアに分割する分割手段と、
撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出手段と、
前記特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する画像エリア検知手段と、
前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定手段と、
前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力手段と、
して機能させるためのプログラム。
【請求項１１】
被写体を撮影した画像に関する情報を出力する情報出力装置で実行される方法であって、
分割手段が、前記画像を１又は複数の画像エリアに分割する分割工程と、
特徴量算出手段が、撮影時間の異なる複数の前記画像から当該画像間の差分となる特徴量を前記画像エリア毎に算出する特徴量算出工程と、
画像エリア検知手段が、特徴量算出手段で算出された各画像エリアの特徴量に基づいて、前記特徴量に変化のある画像エリアを検知する検知工程と、
特定手段が、前記画像を構成する各画像エリアから、前記被写体のおかれる環境に応じて定まる条件に該当する画像エリアを特定する特定工程と、
出力手段が、前記検知手段が検知した画像エリアから前記特定手段にて特定された画像エリアを除いた画像エリアに関する情報を出力する出力工程と、
を含む情報出力方法。
【図１】
【図２】
【図３】
【図４】
【図５−１】
【図５−２】
【図６−１】
【図６−２】
【図６−３】
【図７−１】
【図７−２】
【図８】
【図９】
【図１０】
【図１１】
【図１２−１】
【図１２−２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９−１】
【図１９−２】
【図２０−１】
【図２０−２】
【図２１】
【図２】
【図３】
【図４】
【図５−１】
【図５−２】
【図６−１】
【図６−２】
【図６−３】
【図７−１】
【図７−２】
【図８】
【図９】
【図１０】
【図１１】
【図１２−１】
【図１２−２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９−１】
【図１９−２】
【図２０−１】
【図２０−２】
【図２１】
【公開番号】特開２０１３−９８７９７（Ｐ２０１３−９８７９７Ａ）
【公開日】平成２５年５月２０日（２０１３．５．２０）
【国際特許分類】
【出願番号】特願２０１１−２４０５４１（Ｐ２０１１−２４０５４１）
【出願日】平成２３年１１月１日（２０１１．１１．１）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
【公開日】平成２５年５月２０日（２０１３．５．２０）
【国際特許分類】
【出願日】平成２３年１１月１日（２０１１．１１．１）
【出願人】（０００００３０７８）株式会社東芝 (54,554)
【Ｆターム（参考）】
[ Back to top ]