本発明は、情報処理装置、情報処理方法及び記録媒体に関する。The present invention relates to an information processing device, an information processing method, and a recording medium.
例えば、特許文献１には、車載カメラを有効に活用して家屋の防犯性を向上させるセキュリティシステムが開示されている。For example, Patent Document 1 discloses a security system that effectively utilizes vehicle-mounted cameras to improve the crime prevention of homes.
特許文献１に記載の家屋側機器ユニットは、車両側から送信された画像データ、及び家屋の敷地内に設置されたで撮像した画像データを画像処理し、家屋側画像処理部で得られた画像処理データに基づいて家屋の異常状態を判定する。当該家屋側機器ユニットは、異常判定部で異常と判定された場合に警報を出力する。The house-side equipment unit described in Patent Document 1 processes image data transmitted from the vehicle and image data captured by a camera installed on the house's premises, and judges the abnormal state of the house based on the image processing data obtained by the house-side image processing unit. The house-side equipment unit outputs an alarm if the abnormality judgment unit judges that an abnormality has occurred.
特許文献１には、家屋の異常状態とは、不審者の侵入や火災の発生等である旨の記載がある。また、画像データによる監視とともに車両に搭載されている障害物検知手段を用いて二重に異常検知を行うことにより、特に車両に不審者が接近した場合に、敷地内への侵入者として検知できる旨の記載がある。Patent Document 1 states that abnormal conditions in a house include the intrusion of a suspicious person or the outbreak of a fire. It also states that by performing doubly abnormality detection using obstacle detection means mounted on the vehicle in addition to monitoring using image data, it is possible to detect a suspicious person approaching the vehicle as an intruder on the premises.
しかしながら、特許文献１に記載の技術では、車両に接近したすべての人物が不審者として検知され、警報が頻繁に出力されるおそれがある。警報が頻繁に出力されると、警報を受けた者がその警報を軽視し、その結果、車両の安全性を護れなくなるおそれがある。However, with the technology described in Patent Document 1, there is a risk that all people approaching the vehicle will be detected as suspicious and alarms will be issued frequently. If alarms are issued frequently, there is a risk that those who receive the alarm will take it lightly, and as a result, the safety of the vehicle will not be protected.
本開示の課題の１つは、住宅周辺に駐車した車両の安全性を向上させることにある。One of the objectives of this disclosure is to improve the safety of vehicles parked around residential areas.
本開示における情報処理装置は、
住宅の敷地から所定範囲を監視するセンサからのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する不審者検出手段と、
前記不審者が検出された場合に、報知部に報知させる報知制御手段とを備える。The information processing device according to the present disclosure includes:
a suspicious person detection means for detecting a suspicious person other than a specific non-suspicious person who is engaging in suspicious behavior with respect to vehicles parked in a parking lot within a predetermined range by using an analysis result of sensor information from a sensor that monitors a predetermined range from the site of the house;
The device further includes a notification control means for causing the notification unit to notify the user when the suspicious person is detected.
本開示における情報処理方法は、
１つ以上のコンピュータが、
住宅の敷地から所定範囲を監視するセンサからのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出し、
前記不審者が検出された場合に、報知部に報知させる。The information processing method according to the present disclosure includes:
One or more computers
Using an analysis result of sensor information from a sensor monitoring a predetermined range from the site of the house, a suspicious person other than a specific non-suspicious person who is performing a suspicious act is detected with respect to a vehicle parked in a parking lot within the predetermined range,
When the suspicious person is detected, the notification unit issues a notification.
本開示における記録媒体は、
１つ以上のコンピュータに、
住宅の敷地から所定範囲を監視するセンサからのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出し、
前記不審者が検出された場合に、報知部に報知させることを実行させるためのプログラムが記録されている。The recording medium in the present disclosure is
On one or more computers,
Using an analysis result of sensor information from a sensor monitoring a predetermined range from the site of the house, a suspicious person other than a specific non-suspicious person who is performing a suspicious act is detected with respect to a vehicle parked in a parking lot within the predetermined range,
A program for causing the alarm unit to issue an alert when the suspicious person is detected is recorded.
本開示によれば、住宅周辺に駐車した車両の安全性を向上させることが可能になる。This disclosure makes it possible to improve the safety of vehicles parked around residential areas.
以下、本開示に係る実施形態について、図面を参照して説明する。すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。また、本開示において図面は、１以上の実施形態に関連付けられる。Below, embodiments of the present disclosure will be described with reference to the drawings. In all drawings, similar components are given similar reference symbols and descriptions will be omitted as appropriate. In this disclosure, the drawings are associated with one or more embodiments.
［実施形態１］
（概要）
例えば、特許文献２（特開２００６－０７２９２８号公報）には、車両盗難防止サービスを提供する管理センタを備える車両盗難防止システムが開示されている。この車両盗難防止システムは、車両の駐車場所を検出し、車両の使用者の所在位置を検出し、車両の駐車場所と使用者の所在位置との距離を算出する。[Embodiment 1]
(overview)
For example, Patent Document 2 (JP 2006-072928 A) discloses a vehicle theft prevention system equipped with a management center that provides a vehicle theft prevention service. This vehicle theft prevention system detects where the vehicle is parked, detects the location of the vehicle user, and calculates the distance between the vehicle parking location and the user's location.
そして、特許文献２に記載の車両盗難防止システムは、車両の駐車場所を少なくとも含んだ駐車条件と、過去に発生した少なくとも車両の盗難場所を含んだ車両盗難情報とに基づいて、駐車条件における車両盗難の起こり易さである盗難発生レベルを算出する。車両盗難防止システムは、算出された距離及び盗難発生レベルに基づいて、セキュリティレベルを設定する。The vehicle theft prevention system described in Patent Document 2 calculates the theft occurrence level, which is the likelihood of vehicle theft occurring under the parking conditions, based on the parking conditions including at least the parking location of the vehicle and the vehicle theft information including at least the locations of past vehicle thefts. The vehicle theft prevention system sets a security level based on the calculated distance and the theft occurrence level.
さらに、特許文献２に記載の車両盗難防止システムは、車両への侵入を検出し、設定されたセキュリティレベルに応じて、車両への侵入を検出するための条件を設定する。車両盗難防止システムは、車両の状態が車両への侵入を検出するための条件と一致した場合に車両に侵入されたと判定し、車両に侵入されたと判定された場合に、車両の使用者にその旨を報知する。Furthermore, the vehicle theft prevention system described in Patent Document 2 detects an intrusion into the vehicle, and sets conditions for detecting the intrusion into the vehicle according to the set security level. The vehicle theft prevention system determines that the vehicle has been intruded into when the state of the vehicle matches the conditions for detecting an intrusion into the vehicle, and when it determines that the vehicle has been intruded into, notifies the user of the vehicle to that effect.
特許文献２に記載の技術によれば、セキュリティレベルに応じて条件を設定するので、過度な報知を抑制できる可能性がある。The technology described in Patent Document 2 sets conditions according to the security level, which may help prevent excessive alerts.
しかしながら、このような特許文献２に記載の技術によれば、盗難発生レベルは、少なくとも、車両の駐車場所と、過去に発生した車両の盗難場所とに基づいて、設定される。そのため、車両の駐車場所が一定の場所である場合、例えば、自宅の駐車場や、その近隣で契約した駐車場等である場合に、報知が過度に行われる結果、車両の安全性を護れなくなるおそれがある。However, according to the technology described in Patent Document 2, the theft occurrence level is set based at least on where the vehicle is parked and the locations of past vehicle thefts. Therefore, if the vehicle is parked in a fixed location, such as a parking lot at home or a nearby parking lot under contract, excessive alerts may be issued, which could result in the safety of the vehicle being compromised.
（情報処理システムＳ１の構成例）
情報処理システムＳ１は、図１に示すように、センサ１０と、解析部５２と、不審者検出部１３０と、報知制御部１４０とを備える。(Configuration example of information processing system S1)
As shown in FIG. 1, the information processing system S1 includes a sensor 10, an analysis unit 52, a suspicious person detection unit 130, and a notification control unit 140.
センサ１０は、住宅の敷地から所定範囲を監視する。Sensor 10 monitors a specified area from the residential property.
解析部５２は、センサ１０で生成されたセンサ情報を解析する。The analysis unit 52 analyzes the sensor information generated by the sensor 10.
不審者検出部１３０は、解析結果を用いて、所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する。The suspicious person detection unit 130 uses the analysis results to detect suspicious people other than specific non-suspicious people who are engaging in suspicious behavior toward vehicles parked in parking lots within a specified area.
報知制御部１４０は、不審者が検出された場合に、報知部に報知させる。The notification control unit 140 causes the notification unit to issue a notification when a suspicious person is detected.
この情報処理システムＳ１によれば、特定の非不審者を不審者から除外することで、住宅周辺の駐車場に駐車している車両に対して不審行為を行う不審者を適切に検出することができる。そのため、住宅周辺に駐車した車両に対する危険性が高い場合に、不審者が検出されたことを報知することができる。従って、住宅周辺に駐車した車両の安全性を向上させることが可能になる。This information processing system S1 can appropriately detect suspicious individuals who behave suspiciously toward vehicles parked in parking lots around houses by excluding certain non-suspicious individuals from the list of suspicious individuals. Therefore, when there is a high risk to vehicles parked around houses, it is possible to notify the system that a suspicious individual has been detected. This makes it possible to improve the safety of vehicles parked around houses.
（情報処理装置１００の構成例）
情報処理装置１００は、図２に示すように、不審者検出部１３０と、報知制御部１４０とを備える。(Example of configuration of information processing device 100)
As shown in FIG. 2, the information processing device 100 includes a suspicious person detection unit 130 and a notification control unit 140.
不審者検出部１３０は、住宅の敷地から所定範囲を監視するセンサ１０からのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する。The suspicious person detection unit 130 uses the analysis results of sensor information from the sensor 10 that monitors a specified range from the house site to detect suspicious people other than specific non-suspicious people who are engaging in suspicious behavior toward vehicles parked in a parking lot within that specified range.
報知制御部１４０は、不審者が検出された場合に、報知部に報知させる。The notification control unit 140 causes the notification unit to issue a notification when a suspicious person is detected.
この情報処理装置１００によれば、特定の非不審者を不審者から除外することで、住宅周辺の駐車場に駐車している車両に対して不審行為を行う不審者を適切に検出することができる。そのため、住宅周辺に駐車した車両に対する危険性が高い場合に、不審者が検出されたことを報知することができる。従って、住宅周辺に駐車した車両の安全性を向上させることが可能になる。This information processing device 100 can appropriately detect suspicious individuals who are committing suspicious acts against vehicles parked in parking lots around houses by excluding specific non-suspicious individuals from the list of suspicious individuals. Therefore, when there is a high risk to vehicles parked around houses, it is possible to notify the detection of a suspicious individual. This makes it possible to improve the safety of vehicles parked around houses.
（情報処理装置１００の処理動作例）
情報処理装置１００は、図３に示すような情報処理を実行する。(Example of processing operation of information processing device 100)
The information processing device 100 executes information processing as shown in FIG.
不審者検出部１３０は、住宅の敷地から所定範囲を監視するセンサ１０からのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する（ステップＳ１３０）。The suspicious person detection unit 130 uses the analysis results of sensor information from the sensor 10 that monitors a specified range from the house site to detect suspicious persons other than specific non-suspicious persons who are engaging in suspicious behavior toward vehicles parked in a parking lot within the specified range (step S130).
報知制御部１４０は、不審者が検出された場合に、報知部に報知させる（ステップＳ１４０）。If a suspicious person is detected, the notification control unit 140 causes the notification unit to issue a notification (step S140).
この情報処理によれば、特定の非不審者を不審者から除外することで、住宅周辺の駐車場に駐車している車両に対して不審行為を行う不審者を適切に検出することができる。そのため、住宅周辺に駐車した車両に対する危険性が高い場合に、不審者が検出されたことを報知することができる。従って、住宅周辺に駐車した車両の安全性を向上させることが可能になる。This information processing allows for the proper detection of suspicious individuals who behave suspiciously toward vehicles parked in parking lots around homes by excluding certain non-suspicious individuals from the list of suspicious individuals. Therefore, when there is a high risk to vehicles parked around homes, it is possible to report that a suspicious individual has been detected. This makes it possible to improve the safety of vehicles parked around homes.
（詳細例）
以下、情報処理装置１００及びこの動作の詳細例について説明する。(Detailed example)
The information processing device 100 and a detailed example of its operation will be described below.
（情報処理システムＳ１の装置構成例）
情報処理システムＳ１は、例えば図４に示すように、上述のセンサ１０と、解析装置５０と、上述の情報処理装置１００とを備える。(Example of device configuration of information processing system S1)
The information processing system S1 includes the above-mentioned sensor 10, an analysis device 50, and the above-mentioned information processing device 100, as shown in FIG. 4, for example.
センサ１０と解析装置５０と情報処理装置１００とは、例えば有線、無線、又はこれらを組み合わせて構成される通信ネットワークＮＴを介して互いに接続され、通信ネットワークＮＴを介して各種情報を互いに送受信する。The sensor 10, the analysis device 50, and the information processing device 100 are connected to each other via a communication network NT that may be wired, wireless, or a combination of these, and transmit and receive various information to and from each other via the communication network NT.
なお、センサ１０及び解析装置５０と、解析装置５０と情報処理装置１００とは、異なる通信ネットワークを介して接続されてもよい。The sensor 10 and the analysis device 50, and the analysis device 50 and the information processing device 100 may be connected via different communication networks.
（解析装置５０の構成例）
解析装置５０は、図５に示すように、センサ情報取得部５１と、上述の解析部５２を備える。(Configuration example of analysis device 50)
As shown in FIG. 5, the analysis device 50 includes a sensor information acquisition unit 51 and the above-mentioned analysis unit 52 .
センサ情報取得部５１は、センサ１０で生成されたセンサ情報を取得する。The sensor information acquisition unit 51 acquires the sensor information generated by the sensor 10.
（情報処理システムＳ１の処理動作例）
情報処理システムＳ１は、例えば図６に示すような情報処理を実行する。(Example of processing operation of information processing system S1)
The information processing system S1 executes information processing as shown in FIG.
センサ１０は、住宅の敷地から所定範囲を監視して、センサ情報を生成する（ステップＳ１０）。The sensor 10 monitors a specified area from the house site and generates sensor information (step S10).
センサ情報取得部５１は、ステップＳ１０で生成されたセンサ情報を取得する（ステップＳ５１）。The sensor information acquisition unit 51 acquires the sensor information generated in step S10 (step S51).
解析部５２は、ステップＳ５１で取得されたセンサ情報を解析する（ステップＳ５２）。The analysis unit 52 analyzes the sensor information acquired in step S51 (step S52).
ステップＳ１３０及びＳ１４０が実行される。Steps S130 and S140 are executed.
（車両及び駐車場について）
駐車場は、住宅の周囲、すなわち住宅の敷地から所定範囲の中の駐車場である。駐車場は、典型的には住宅の敷地に設けられる。なお、駐車場は、敷地内の駐車場に限らず、例えば車両の利用者が契約した敷地外の駐車場等であってもよい。(Vehicles and parking)
A parking lot is a parking lot around a house, i.e., within a predetermined range from the house's lot. A parking lot is typically provided on the house's lot. Note that a parking lot is not limited to a parking lot on the lot, but may be, for example, a parking lot outside the lot that is contracted by the vehicle user.
車両は、例えば、住宅の居住者が利用する車両であって、典型的には自動車である。なお、車両は、自動車に限らず、例えば二輪車等であってもよい。The vehicle is, for example, a vehicle used by a resident of a house, and is typically an automobile. Note that the vehicle is not limited to an automobile, and may be, for example, a motorcycle, etc.
監視対象となる駐車場及び車両の少なくとも一方が、例えば、情報処理装置１００に予め登録されてもよい。駐車場を予め登録する場合、その位置（領域）が情報処理装置１００等に登録されるとよい。車両を予め登録する場合、当該車両の識別情報が情報処理装置１００等に登録されるとよい。At least one of the parking lots and vehicles to be monitored may be pre-registered in the information processing device 100, for example. When a parking lot is pre-registered, its location (area) may be registered in the information processing device 100 or the like. When a vehicle is pre-registered, the identification information of the vehicle may be registered in the information processing device 100 or the like.
車両の識別情報は、車両を識別するための情報である。車両の識別情報は、例えば、当該車両の画像、当該車両の通信ネットワークＮＴにおけるアドレス、当該車両の通信ネットワークＮＴにおける名称、車両ナンバー等の少なくとも１つであるとよい。The vehicle identification information is information for identifying the vehicle. The vehicle identification information may be, for example, at least one of an image of the vehicle, the address of the vehicle in the communication network NT, the name of the vehicle in the communication network NT, the vehicle number, etc.
駐車場又は車両を予め登録することで、特定の駐車場或いは特定の車両を対象として監視することができる。By registering parking lots or vehicles in advance, it is possible to monitor specific parking lots or specific vehicles.
（センサ１０について）
センサ１０は、住宅の周囲、すなわち住宅の敷地から所定範囲、を監視するためのセンサである。センサ１０は、１つであってもよく、複数であってもよい。センサ１０は、例えば、住宅に関連付けて設置される住宅センサと、駐車場に駐車した車両に搭載された車載センサとの少なくとも１つを含むとよい。(Regarding sensor 10)
The sensor 10 is a sensor for monitoring the periphery of a house, i.e., a predetermined range from the site of the house. There may be one or more sensors 10. The sensor 10 may include, for example, at least one of a house sensor installed in association with the house and an on-board sensor installed in a vehicle parked in a parking lot.
すなわち、センサ１０は、住宅に関連付けて設置される１つ以上の住宅センサのみを含んでもよい。センサ１０は、駐車場に駐車した車両に搭載された１つ以上の車載センサのみを含んでもよい。センサ１０は、複数であり、住宅に関連付けて設置される１つ以上の住宅センサと、駐車場に駐車した車両に搭載された１つ以上の車載センサとを含んでもよい。In other words, the sensor 10 may include only one or more home sensors installed in association with a home. The sensor 10 may include only one or more vehicle sensors installed in a vehicle parked in a parking lot. The sensor 10 may be multiple and include one or more home sensors installed in association with a home and one or more vehicle sensors installed in a vehicle parked in a parking lot.
住宅センサは、例えば、敷地に設置されるカメラ、住宅用の物体存否検知センサ等の少なくとも１つを含むとよい。車載センサは、例えば、車載カメラ、車載ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）センサ、車載の物体存否検知センサ等の少なくとも１つを含むとよい。なお、センサ１０は、敷地に設置されるＬｉＤＡＲセンサを含んでもよい。The residential sensor may include, for example, at least one of a camera installed on the premises, a residential object presence detection sensor, etc. The vehicle-mounted sensor may include, for example, at least one of an in-vehicle camera, an in-vehicle LiDAR (Light Detection and Ranging) sensor, an in-vehicle object presence detection sensor, etc. The sensor 10 may include a LiDAR sensor installed on the premises.
敷地に設置されるカメラは、例えば、門扉、玄関、塀、壁、敷地に設けられたポール等に設置されるとよい。敷地に設置されるカメラは、住宅内に設置されるカメラを含んでもよい。敷地に設置されるカメラは、その設置場所に応じた所定の撮影領域を撮影し、撮影した画像を含むセンサ情報を生成するとよい。The cameras installed on the premises may be installed, for example, on a gate, entrance, fence, wall, or pole on the premises. The cameras installed on the premises may include cameras installed inside a house. The cameras installed on the premises may capture images of a predetermined capture area according to the installation location, and generate sensor information including the captured images.
車載カメラは、例えば、車外又は車内を撮影するために車両に搭載されるとよい。車載カメラは、例えば、車両の車外又は車内における所定の撮影領域を撮影し、撮影した画像を含むセンサ情報を生成するとよい。The on-board camera may be mounted on a vehicle to capture, for example, images of the outside or inside of the vehicle. The on-board camera may capture, for example, images of a specified capture area outside or inside the vehicle, and generate sensor information including the captured image.
車載ＬｉＤＡＲセンサは、車両に搭載されるＬｉＤＡＲセンサである。ＬｉＤＡＲセンサは、ＬｉＤＡＲに用いられるセンサである。ＬｉＤＡＲは、レーザ光を照射して、その反射光を用いて物体までの距離、対象の形状等を計測する技術である。車載ＬｉＤＡＲセンサは、例えば、レーザ光を照射するレーザ照射器、その反射光を受信する光受信器等を含とよい。車載ＬｉＤＡＲセンサは、例えば、車両の車外における所定の領域にレーザを照射し、その反射光を示すセンサ情報を生成するとよい。An on-board LiDAR sensor is a LiDAR sensor mounted on a vehicle. A LiDAR sensor is a sensor used for LiDAR. LiDAR is a technology that irradiates laser light and uses the reflected light to measure the distance to an object, the shape of the object, etc. An on-board LiDAR sensor may include, for example, a laser irradiator that irradiates laser light, an optical receiver that receives the reflected light, etc. An on-board LiDAR sensor may, for example, irradiate a laser to a specified area outside the vehicle, and generate sensor information indicating the reflected light.
住宅用の物体存否検知センサは、例えば、所定距離内に存在する物体を検知するセンサである。車載の物体存否検知センサは、例えば、車両から所定距離内に存在する物体を検知するセンサである。車載の物体存否検知センサは、例えば、車両の衝突防止等のために搭載されるセンサであってもよい。The residential object presence detection sensor is, for example, a sensor that detects an object that exists within a predetermined distance. The vehicle-mounted object presence detection sensor is, for example, a sensor that detects an object that exists within a predetermined distance from the vehicle. The vehicle-mounted object presence detection sensor may be, for example, a sensor installed to prevent vehicle collisions, etc.
物体存否検知センサは、例えば、音波、電磁波等を照射し、その反射波を示すセンサ情報を生成する。物体存否検知センサが用いる音波、電磁波等は、超音波センサ、赤外線センサ、ミリ波センサの少なくとも１つを含むとよい。物体存否検知センサは、例えば、音波、電磁波等を発振する発振器、その反射波を受信する受信器等を含むとよい。The object presence detection sensor, for example, emits sound waves, electromagnetic waves, etc., and generates sensor information indicating the reflected waves. The sound waves, electromagnetic waves, etc. used by the object presence detection sensor may include at least one of an ultrasonic sensor, an infrared sensor, and a millimeter wave sensor. The object presence detection sensor may, for example, include an oscillator that emits sound waves, electromagnetic waves, etc., and a receiver that receives the reflected waves.
（センサ情報取得部５１について）
センサ情報取得部５１は、例えば、１つ又は複数のセンサ１０の各々で生成されたセンサ情報を取得する。センサ情報取得部５１は、例えば通信ネットワークＮＴを介して、センサ情報を取得する。(Regarding the sensor information acquisition unit 51)
The sensor information acquiring unit 51 acquires, for example, sensor information generated by each of one or more sensors 10. The sensor information acquiring unit 51 acquires the sensor information via, for example, the communication network NT.
（解析部５２について）
解析部５２は、１つ又は複数のセンサ１０の各々で生成された１つ又は複数のセンサ情報の解析処理を行うための解析機能を備える。(Regarding the analysis unit 52)
The analysis unit 52 has an analysis function for performing an analysis process on one or more pieces of sensor information generated by each of the one or more sensors 10 .
例えば、解析部５２は、センサ情報取得部５１が取得した１つ又は複数のセンサ情報を用いて解析結果を生成する。解析部５２は、生成した解析結果を、例えば通信ネットワークＮＴを介して情報処理装置１００へ送信する。For example, the analysis unit 52 generates an analysis result using one or more pieces of sensor information acquired by the sensor information acquisition unit 51. The analysis unit 52 transmits the generated analysis result to the information processing device 100, for example, via the communication network NT.
解析部５２は、その解析機能を用いて、住宅の敷地から所定範囲に存在する物体を検知し、その物体に関する解析結果を生成する。The analysis unit 52 uses its analysis function to detect objects that exist within a specified range from the house site and generate analysis results for those objects.
物体は、人物及び物を含む。物は、例えば自動車等の車両であるが、これに限られず、例えば自転車等を含んでもよい。Objects include people and things. Objects are, for example, vehicles such as automobiles, but are not limited to this and may include, for example, bicycles, etc.
解析結果は、例えば、センサ情報を用いた解析で検知された物体を含むとよい。解析結果は、例えば、当該検知された物体の位置、動作、姿勢、検知された時刻、属性、周囲の状況等の少なくとも１つを含んでもよい。解析結果は、例えば、当該検知された物体が移動体である場合、当該検知された物体の移動速度、移動経路等の少なくとも１つを含んでもよい。ここで、移動体は、人物、車両等の移動可能な物体である。The analysis result may include, for example, an object detected by analysis using sensor information. The analysis result may include, for example, at least one of the position, movement, posture, detection time, attributes, surrounding conditions, etc. of the detected object. For example, if the detected object is a moving object, the analysis result may include at least one of the movement speed, movement path, etc. of the detected object. Here, a moving object is a movable object such as a person or a vehicle.
物体の属性は、例えば、当該物体が有する特徴、性質等を示す情報であればよい。詳細には例えば物体が人物である場合、その属性は、身長、体格、服装、性別、年齢層等の少なくとも１つを含むとよい。例えば物体が車両である場合、その属性は、例えば、車種、サイズ、色等の１つ以上を含むとよい。The attributes of an object may be, for example, information that indicates the characteristics, properties, etc., of the object. In detail, for example, if the object is a person, the attributes may include at least one of height, build, clothing, gender, age group, etc. For example, if the object is a vehicle, the attributes may include one or more of model, size, color, etc.
周囲の状況は、例えば、明るさ、周囲における人通りの多さ（人通りレベル）等の少なくとも１つを含むとよい。人通りレベルは、例えば、予め定められた時間長さの間に検知された人物の数に基づいて決定されるとよい。The surrounding conditions may include at least one of, for example, brightness, the number of people passing by in the surrounding area (traffic level), etc. The traffic level may be determined based on, for example, the number of people detected during a predetermined period of time.
このような解析結果を生成するための機能の詳細例を以下に説明する。なお、解析結果に含まれる情報は、上述の例に限られない。Detailed examples of functions for generating such analysis results are described below. Note that the information contained in the analysis results is not limited to the above examples.
解析部５２は、例えば、センサ情報の種類に応じた解析機能を備えるとよい。センサ情報の種類は、例えば、上述のカメラ、ＬｉＤＡＲセンサ、物体存否検知センサ等のセンサの種類に対応する。The analysis unit 52 may have an analysis function according to the type of sensor information, for example. The type of sensor information corresponds to the type of sensor, such as the above-mentioned camera, LiDAR sensor, object presence detection sensor, etc.
詳細には例えば、解析部５２は、１つ又は複数のセンサ１０の各々で生成されたセンサ情報を、その種類に応じた解析機能を用いて解析するとよい。そして、解析部５２は、センサ情報が複数の場合、各センサ情報の解析結果（個別解析結果）を統合して、複数のセンサ情報の全体を解析した解析結果（全体的な解析結果）を生成するとよい。単に「解析結果」と称する場合、全体的な解析結果を意味する。In more detail, for example, the analysis unit 52 may analyze the sensor information generated by each of the one or more sensors 10 using an analysis function according to the type of the sensor information. Then, when there are multiple pieces of sensor information, the analysis unit 52 may integrate the analysis results (individual analysis results) of each piece of sensor information to generate an analysis result (overall analysis result) that analyzes the multiple pieces of sensor information as a whole. When simply referred to as "analysis result", this means the overall analysis result.
個別解析結果の統合では、例えば、各センサ情報から検知された物体（すなわち、個別解析結果に含まれる物体）を個別の物体として扱って、それらをまとめることで解析結果を生成してもよい。また例えば、個別解析結果の統合では、個別解析結果に含まれる物体が所定距離内である場合、そのような近傍の物体を１つの物体として扱って、解析結果を生成してもよい。この場合の近傍の物体の位置、検出された時刻等は、例えば、個別解析結果に含まれる位置、時刻等の平均であってもよく、個別解析結果に含まれる位置、時刻等のいずれか１つ等であってもよい。When integrating individual analysis results, for example, objects detected from each sensor information (i.e., objects included in the individual analysis results) may be treated as individual objects and combined to generate analysis results. Also, for example, when integrating individual analysis results, if objects included in the individual analysis results are within a specified distance, such nearby objects may be treated as a single object to generate analysis results. In this case, the position, detection time, etc. of the nearby object may be, for example, an average of the positions, times, etc. included in the individual analysis results, or may be any one of the positions, times, etc. included in the individual analysis results.
なお、個別解析結果を統合する方法は、ここで説明したものに限られず、一般的な技術が適用されてよい。The method for integrating the individual analysis results is not limited to the one described here, and general techniques may be applied.
一般的に、個別解析結果の精度は、センサ１０の周囲の明るさ等の環境によって変化することがある。そのため、個別解析結果を統合することで、より精度の良い解析結果を得ることができる。In general, the accuracy of individual analysis results may vary depending on the environment around the sensor 10, such as the brightness. Therefore, by integrating the individual analysis results, it is possible to obtain more accurate analysis results.
以下、センサ情報の種類ごとの個別解析結果を生成する方法の例を説明する。Below is an example of how to generate individual analysis results for each type of sensor information.
（カメラで生成されるセンサ情報の個別解析結果を生成する方法の例）
例えば、解析部５２は、映像、静止画像等の画像を解析するための１つ又は複数の画像解析機能を備える。画像解析機能の各々は、例えば、その機能に応じた解析を行うための学習をした機械学習モデルを用いて、画像特徴ベクトルを抽出して解析を行うとよい。機械学習モデルは、例えば、ニューラルネットワークを用いて構成されるとよい。なお、ここでは機械学習モデルを用いて画像の解析を行う例を説明するが、画像の解析では、これに限らず、パターンマッチング等の一般的な画像処理技術が用いられてよい。(Example of a method for generating individual analysis results of sensor information generated by a camera)
For example, the analysis unit 52 has one or more image analysis functions for analyzing images such as video and still images. Each of the image analysis functions may extract an image feature vector and perform analysis using, for example, a machine learning model that has been trained to perform analysis according to the function. The machine learning model may be configured using, for example, a neural network. Note that, although an example of analyzing an image using a machine learning model will be described here, the image analysis is not limited to this, and general image processing techniques such as pattern matching may be used.
解析部５２が備える画像解析機能は、例えば、（１）物体検出機能、（２）顔解析機能、（３）人型解析機能、（４）姿勢解析機能、（５）行動解析機能、（６）外観属性解析機能、（７）勾配特徴解析機能、（８）色特徴解析機能、（９）動線解析機能などの１つ又は複数である。The image analysis functions provided by the analysis unit 52 include, for example, one or more of: (1) an object detection function, (2) a face analysis function, (3) a human shape analysis function, (4) a posture analysis function, (5) a behavior analysis function, (6) an appearance attribute analysis function, (7) a gradient feature analysis function, (8) a color feature analysis function, and (9) a movement line analysis function.
（１）物体検出機能は、画像から物体を検出する。物体検出機能は、画像内の物体の位置を求めることもできる。物体検出処理に適用されるモデルとして、例えば、ＹＯＬＯ（Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ）がある。(1) The object detection function detects objects from an image. The object detection function can also determine the position of an object within an image. An example of a model that can be applied to object detection processing is YOLO (You Only Look Once).
（２）顔解析機能は、画像から人の顔を検出し、検出した顔の特徴ベクトル（顔特徴ベクトル）の抽出、検出した顔の分類（クラス分け）等を行う。顔解析機能は、顔の画像内の位置、顔や視線の方向を求めることもできる。顔解析機能は、異なる画像から検出した人物の顔特徴量同士の類似度などに基づいて、異なる画像から検出した人物の同一性を判定することもできる。(2) The face analysis function detects human faces from images, extracts feature vectors of the detected faces, and classifies (classifies) the detected faces. The face analysis function can also determine the position of the face within the image, and the direction of the face and gaze. The face analysis function can also determine the identity of people detected from different images based on the similarity between the facial features of people detected from different images.
（３）人型解析機能は、画像に含まれる人物の人体的特徴量（例えば、体形の肥痩や、身長、服装などの全体的な特徴を示す値）の抽出、画像に含まれる人物の分類（クラス分け）などを行う。人型解析機能は、人の画像内の位置を特定することもできる。人型解析機能は、異なる画像に含まれる人物の人体的特徴量などに基づいて、異なる画像に含まれる人物の同一性を判定することもできる。(3) The human analysis function extracts the physical features of people in an image (for example, values that indicate overall characteristics such as whether they are fat or thin, their height, and their clothing) and classifies (classifies) people in an image. The human analysis function can also identify the position of a person within an image. The human analysis function can also determine the identity of people in different images based on the physical features of the people in the different images.
（４）姿勢解析機能は、画像から人物の関節点を検出し、関節点を繋げた棒人間モデルを作成する。そして、姿勢解析機能は、棒人間モデルの情報を用いて、人物の姿勢を推定し、推定した姿勢の特徴ベクトル（姿勢特徴ベクトル）の抽出、画像に含まれる人物の分類（クラス分け）等を行う。姿勢解析機能は、異なる画像に含まれる人物の姿勢特徴ベクトル等に基づいて、異なる画像に含まれる人物の同一性を判定することもできる。(4) The posture analysis function detects the joint points of people from the image and creates a stick figure model by connecting the joint points. The posture analysis function then uses the information from the stick figure model to estimate the posture of the person, extracts a feature vector of the estimated posture (posture feature vector), and classifies (classifies) the people contained in the image. The posture analysis function can also determine the identity of people contained in different images based on the posture feature vectors of the people contained in the different images.
例えば、姿勢解析機能は、人物が立っている姿勢、しゃがんだ姿勢、かがんだ姿勢などの姿勢を画像から推定し、それぞれの人物の姿勢を示す姿勢特徴ベクトルを抽出する。また例えば、姿勢解析機能は、物体検出機能などを用いて検出された物の姿勢を画像から推定し、その姿勢を示す姿勢特徴ベクトルを抽出することができる。For example, the posture analysis function estimates a person's posture, such as standing, crouching, or bending, from an image and extracts a posture feature vector that indicates the posture of each person. In addition, for example, the posture analysis function can estimate the posture of an object detected using an object detection function or the like from an image and extract a posture feature vector that indicates that posture.
（５）行動解析機能は、棒人間モデルの情報、姿勢の変化などを用いて、人物の動きを推定し、人物の動きの特徴ベクトル（動き特徴ベクトル）の抽出、画像に含まれる人物の分類（クラス分け）等を行うことができる。行動解析機能では、棒人間モデルの情報を用いて、人物の身長を推定したり、人物の画像内の位置を特定したりすることもできる。行動解析機能は、例えば、人物の姿勢の変化又は推移、移動（位置の変化又は推移）等の行動を画像から推定し、その人物の行動に関する動き特徴ベクトルを抽出することができる。(5) The behavior analysis function can use information about the stick figure model, changes in posture, and the like to estimate a person's movements, extract feature vectors of the person's movements (motion feature vectors), and classify (classify) people contained in an image. The behavior analysis function can also use information about the stick figure model to estimate a person's height and identify the person's position within the image. For example, the behavior analysis function can estimate a person's behavior, such as changes or transitions in posture, movement (changes or transitions in position), and other behaviors from an image, and extract motion feature vectors related to the person's behavior.
（６）外観属性解析機能は、人物に付随する外観属性を認識することができる。外観属性解析機能は、認識した外観属性に関する特徴ベクトル（外観属性特徴ベクトル）の抽出、画像に含まれる人物の分類（クラス分け）などを行う。外観属性とは、人物の外観上の属性である。外観属性は、例えば、年齢層、性別、服装のタイプや色、靴のタイプや色、髪型、帽子の着用又は非着用、ネクタイの着用又は非着用、眼鏡の着用又は非着用、傘を所持しているか否か、傘をさしているか否か等の１つ以上を含む。(6) The appearance attribute analysis function can recognize appearance attributes associated with a person. The appearance attribute analysis function extracts feature vectors (appearance attribute feature vectors) related to the recognized appearance attributes and classifies (classifies) the people included in the image. Appearance attributes are attributes related to the appearance of a person. Appearance attributes include, for example, one or more of age group, gender, type and color of clothing, type and color of shoes, hairstyle, whether or not a hat is worn, whether or not a tie is worn, whether or not glasses are worn, whether or not an umbrella is carried, and whether or not an umbrella is being used.
（７）勾配特徴解析機能は、画像における勾配の特徴量（勾配特徴量）を抽出する。勾配特徴検出処理には、例えば、ＳＩＦＴ、ＳＵＲＦ、ＲＩＦＦ、ＯＲＢ、ＢＲＩＳＫ、ＣＡＲＤ、ＨＯＧなどの技術を適用することができる。(7) The gradient feature analysis function extracts gradient features in an image. For example, techniques such as SIFT, SURF, RIFF, ORB, BRISK, CARD, and HOG can be applied to the gradient feature detection process.
ＳＩＦＴは、Ｓｃａｌｅ－ＩｎｖａｒｉａｎｔＦｅａｔｕｒｅ Ｔｒａｎｓｆｏｒｍの略語である。ＳＵＲＦは、Ｓｐｅｅｄｅｄ－Ｕｐ Ｒｏｂｕｓｔ Ｆｅａｔｕｒｅｓの略語である。ＲＩＦＦは、Ｒｏｔａｔｉｏｎ－Ｉｎｖａｒｉａｎｔ Ｆａｓｔ Ｆｅａｔｕｒｅの略語である。ＢＲＩＥＦは、Ｂｉｎａｒｙ Ｒｏｂｕｓｔ Ｉｎｄｅｐｅｎｄｅｎｔ Ｅｌｅｍｅｎｔａｒｙ Ｆｅａｔｕｒｅｓの略語である。ＯＲＢは、Ｏｒｉｅｎｔｅｄ ＦＡＳＴ ａｎｄ Ｒｏｔａｔｅｄ ＢＲＩＥＦの略語である。ＢＲＩＳＫは、Ｂｉｎａｒｙ Ｒｏｂｕｓｔ Ｉｎｖａｒｉａｎｔ Ｓｃａｌａｂｌｅ Ｋｅｙｐｏｉｎｔｓの略語である。ＣＡＲＤは、Ｃｏｍｐａｃｔ Ａｎｄ Ｒｅａｌ－ｔｉｍｅ Ｄｅｓｃｒｉｐｔｏｒｓの略語である。ＨＯＧは、Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓの略語である。SIFT is an abbreviation for Scale-Invariant Feature Transform. SURF is an abbreviation for Speeded-Up Robust Features. RIFF is an abbreviation for Rotation-Invariant Fast Feature. BRIEF is an abbreviation for Binary Robust Independent Elementary Features. ORB is an abbreviation for Oriented FAST and Rotated BRIEF. BRISK is an abbreviation for Binary Robust Invariant Scalable Keypoints. CARD is an abbreviation for Compact and Real-time Descriptors. HOG is an abbreviation for Histograms of Oriented Gradients.
（８）色特徴解析機能は、画像から物体を検出し、検出した物体の色の特徴ベクトル（色特徴ベクトル）の抽出、検出した物体の分類（クラス分け）等を行うことができる。(8) The color feature analysis function can detect objects from an image, extract color feature vectors of the detected objects, and classify (classify) the detected objects.
色特徴量は、例えばカラーヒストグラムなどである。色特徴解析機能は、例えば、画像に含まれる人物及び物を検出することができる。また例えば、色特徴解析機能は、人物及び物の各々をクラスに分類することができる。The color feature amount is, for example, a color histogram. The color feature analysis function can, for example, detect people and objects contained in an image. Also, for example, the color feature analysis function can classify each of the people and objects into classes.
（９）動線解析機能は、例えば上述の（２）～（６）の解析機能のいずれかにおける同一性の判定の結果を用いて、映像に含まれる人物の動線（移動経路）を求めることができる。詳細には例えば、時系列的に異なる画像間で同一であると判定された人を接続することで、その人物の移動経路を求めることができる。なお、動線解析機能は、異なる撮影領域を撮影する複数の車載カメラ等で撮影した映像を取得した場合などには、異なる撮影領域を撮影した複数の映像間に跨る動線（移動経路）を求めることもできる。(9) The movement line analysis function can determine the movement line (path of movement) of a person included in a video, for example, by using the result of the identity determination in any of the above-mentioned analysis functions (2) to (6). In detail, for example, by connecting people who are determined to be the same in chronologically different images, the movement line of the person can be determined. Note that, in cases where the acquired video is taken with multiple vehicle-mounted cameras that capture different shooting areas, the movement line analysis function can also determine the movement line (path of movement) that spans multiple videos that capture different shooting areas.
画像特徴ベクトルは、例えば、物体検出機能での物体の検出結果、顔特徴ベクトル、人体的特徴ベクトル、姿勢特徴ベクトル、動き特徴ベクトル、外観属性特徴ベクトル、勾配特徴ベクトル、色特徴ベクトル、動線を含む。Image feature vectors include, for example, the object detection results of an object detection function, face feature vectors, human body feature vectors, posture feature vectors, movement feature vectors, appearance attribute feature vectors, gradient feature vectors, color feature vectors, and movement lines.
なお、（１）～（９）の各解析機能は、他の解析機能が行った解析の結果を適宜利用してもよい。In addition, each of the analysis functions (1) to (9) may use the results of analysis performed by other analysis functions as appropriate.
（ＬｉＤＡＲセンサで生成されるセンサ情報の個別解析結果を生成する方法の例）
解析部５２は、ＬｉＤＡＲセンサで生成されたセンサ情報を用いて、点群情報を生成する。点群情報を生成するための技術には、一般的な技術が用いられてよい。解析部５２は、点群情報を用いて、物体の位置、形状、検知された時刻等の少なくとも１つを含む個別解析情報を生成する。(Example of a method for generating individual analysis results of sensor information generated by a LiDAR sensor)
The analysis unit 52 generates point cloud information using the sensor information generated by the LiDAR sensor. A general technique may be used to generate the point cloud information. The analysis unit 52 generates individual analysis information including at least one of the position, shape, and detection time of an object using the point cloud information.
（物体存否検知センサで生成されるセンサ情報の個別解析結果を生成する方法の例）
解析部５２は、例えば、物体存否検知センサで生成されたセンサ情報を用いて、物体の位置、検知された時刻等の少なくとも１つを含む個別解析情報を生成するとよい。このような個別解析情報を生成するための技術には、一般的な技術が用いられてよい。(Example of a method for generating individual analysis results of sensor information generated by an object presence detection sensor)
The analysis unit 52 may use, for example, sensor information generated by an object presence detection sensor to generate individual analysis information including at least one of the object position, the detection time, etc. A general technique may be used as a technique for generating such individual analysis information.
（不審者検出部１３０について）
不審者検出部１３０は、上述のように、解析結果を用いて、住宅の敷地から所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する。(Regarding the suspicious person detection unit 130)
As described above, the suspicious person detection unit 130 uses the analysis results to detect a suspicious person other than a specific non-suspicious person who is engaging in suspicious behavior toward vehicles parked in a parking lot within a specified range of the residential property.
例えば、不審者検出部１３０は、解析部５２の解析結果に含まれる人物のうち、特定の非不審者を除外した人物について、不審行為を行う人物を、不審者として検出する。For example, the suspicious person detection unit 130 detects as suspicious people those who are engaging in suspicious behavior among the people included in the analysis results of the analysis unit 52, excluding specific non-suspicious people.
不審者検出部１３０は、例えば、車両が駐車場に駐車すると、解析結果を用いて、不審者を検出してもよい。不審者検出部１３０は、例えば、車両が駐車場から退出すると、解析結果を用いた不審者の検出を終了してもよい。これらを組み合わせて、不審者検出部１３０は、例えば、車両が駐車場に駐車している間、解析結果を用いて、不審者を検出してもよい。The suspicious person detection unit 130 may, for example, detect a suspicious person using the analysis results when the vehicle is parked in a parking lot. The suspicious person detection unit 130 may, for example, end detection of a suspicious person using the analysis results when the vehicle leaves the parking lot. By combining these, the suspicious person detection unit 130 may, for example, detect a suspicious person using the analysis results while the vehicle is parked in a parking lot.
なお、不審者検出部１３０が不審者の検出を開始又は終了するトリガーは、これに限られず、例えば所定の開始指示又は終了指示を受信することであってもよい。また、駐車場に複数の車両が駐車する場合、不審者検出部１３０は、例えば、少なくとも１つの車両が駐車場に駐車すると、解析結果を用いて、不審者を検出してもよい。また、不審者検出部１３０は、例えば、すべての車両が駐車場から退出すると、解析結果を用いた不審者の検出を終了してもよい。これらを組み合わせて、不審者検出部１３０は、例えば、少なくとも１つの車両が駐車場に駐車している間、解析結果を用いて、不審者を検出してもよい。Note that the trigger for the suspicious person detection unit 130 to start or end detection of a suspicious person is not limited to this, and may be, for example, receiving a specified start or end instruction. Furthermore, when multiple vehicles are parked in a parking lot, the suspicious person detection unit 130 may, for example, use the analysis result to detect a suspicious person when at least one vehicle is parked in the parking lot. Furthermore, the suspicious person detection unit 130 may, for example, end detection of a suspicious person using the analysis result when all vehicles have left the parking lot. By combining these, the suspicious person detection unit 130 may, for example, use the analysis result to detect a suspicious person while at least one vehicle is parked in the parking lot.
（不審行為について）
不審行為は、住宅の敷地から所定範囲の中の駐車場に駐車している車両に対する不審な行為である。この行為は、人物が動くこと（人物の動作）と、人物がある状態でいること（人物の状態）とを含む。(Regarding suspicious activities)
A suspicious behavior is a suspicious behavior toward a vehicle parked in a parking lot within a predetermined range from the premises of a house. This behavior includes a person moving (person's behavior) and a person being in a certain state (person's state).
不審行為は、例えば、以下の例１～例８の少なくとも１つを含むとよい。
（不審行為の例１）車両周囲に近づいたこと
（不審行為の例２）車両周囲をうろついていること
（不審行為の例３）車両周囲での滞留
（不審行為の例４）車両周囲で予め定められた姿勢（例えば、しゃがみこみ、中腰）であること
（不審行為の例５）車両内の覗き込み
（不審行為の例６）車両下部の覗き込み
（不審行為の例７）車両への接触
（不審行為の例８）車両内への侵入Suspicious activity may include, for example, at least one of the following examples 1 to 8.
(Example of suspicious behavior 1) Approaching the area around a vehicle (Example of suspicious behavior 2) Loitering around a vehicle (Example of suspicious behavior 3) Staying around a vehicle (Example of suspicious behavior 4) Being in a predetermined position around a vehicle (e.g. crouching, squatting) (Example of suspicious behavior 5) Peering inside a vehicle (Example of suspicious behavior 6) Peering under a vehicle (Example of suspicious behavior 7) Contacting a vehicle (Example of suspicious behavior 8) Entering a vehicle
ここで、車両周囲は、例えば、車両から予め定められた範囲内である。なお、車両周囲に関する予め定められた範囲は、不審行為に応じて異なる範囲が定められてもよい。Here, the surroundings of the vehicle are, for example, within a predetermined range from the vehicle. Note that the predetermined range regarding the surroundings of the vehicle may be different depending on the suspicious behavior.
車両周囲のうろつきは、例えば、車両周囲で予め定められた時間長さ以上移動していること、移動と停止を繰り返していること等である。Loitering around the vehicle may, for example, involve moving around the vehicle for a predetermined period of time or longer, or repeatedly moving and stopping.
車両周囲での滞留は、例えば、車両周囲に予め定められた時間長さ以上、留まっていることである。Staying around the vehicle means, for example, staying around the vehicle for a predetermined period of time or longer.
車両内の覗き込みは、例えば、視線方向が車両内へ向いていることである。Looking inside a vehicle means, for example, directing your gaze toward the inside of the vehicle.
車両下部の覗き込みは、例えば、しゃがんだ姿勢で車両底面より下に頭があることである。Peering under a vehicle means, for example, crouching with your head below the bottom of the vehicle.
不審行為は、上述の例１～例８に限られない。不審行為は、適宜定められればよく、例えば１つ又は複数の要素（不審要素）から構成されるとよい。不審要素は、例えば、（Ａ）人物の動作に関する要素、（Ｂ）人物が検知された時間帯に関する要素、（Ｃ）人物の属性に関する要素、（Ｄ）人物の周囲の状況に関する要素等の１つ以上を含むとよい。Suspicious behavior is not limited to the above examples 1 to 8. Suspicious behavior may be defined as appropriate and may be composed of, for example, one or more elements (suspicious elements). Suspicious elements may include, for example, one or more of the following: (A) elements related to the person's actions, (B) elements related to the time period when the person was detected, (C) elements related to the person's attributes, (D) elements related to the situation around the person, etc.
（Ａ）人物の動作に関する要素は、例えば、（Ａ－１）移動速度、（Ａ－２）位置、（Ａ－３）挙動、（Ａ－４）移動経路、（Ａ－５）頻度等に関する１つ又は複数の要素を含んでもよい。(A) Elements related to a person's movements may include, for example, one or more elements related to (A-1) movement speed, (A-2) position, (A-3) behavior, (A-4) movement route, (A-5) frequency, etc.
（Ａ－１）移動速度に属する要素は、例えば、停止、予め定められた速度以下の低速等の少なくとも１つである。(A-1) The elements belonging to the moving speed are, for example, at least one of stopping, a low speed below a predetermined speed, etc.
（Ａ－２）位置に属する要素は、例えば、車両周囲に居ること、車両の中に居る（車両内に侵入している）こと等の少なくとも１つである。(A-2) The elements belonging to the location include, for example, at least one of being around the vehicle, being inside the vehicle (entering the vehicle), etc.
（Ａ－３）挙動に属する要素は、例えば、しゃがみ込みや中腰等の姿勢であること、顔又は視線の方向が車両の内部又は下部へ向いていること、車両に接触していること、等の少なくとも１つである。(A-3) Elements of behavior include, for example, at least one of the following: a crouching or half-squatting posture, a face or gaze directed toward the inside or bottom of the vehicle, contact with the vehicle, etc.
（Ａ－４）移動経路に属する要素は、例えば、居住者の移動経路とは異なる移動経路であること等である。(A-4) An element belonging to a travel route is, for example, a travel route that is different from the resident's travel route.
（Ａ－５）頻度に属する要素は、例えば、所定期間内における所定動作が所定以上の頻度で行われること等である。ここでの所定動作は、例えば、（Ａ－１）～（Ａ－４）にて例示した要素の１つ又は複数を用いて規定されてもよい。所定期間は、例えば、これに関連付けられた所定動作が、一般的に不審行為において繰り返される期間に応じて定められるとよい。(A-5) An element belonging to frequency is, for example, a specified action being performed at a frequency equal to or greater than a specified frequency within a specified period of time. The specified action here may be defined, for example, using one or more of the elements exemplified in (A-1) to (A-4). The specified period may be determined, for example, according to the period during which the associated specified action is generally repeated in suspicious activity.
（Ｂ）人物が検知された時間帯に関する要素は、例えば、夜間、早朝、昼間、在宅状況等の少なくとも１つである。夜間は、例えば、午後１０時～午後１２時及び午後１２時～午前３時等である。早朝は、例えば、午前３時～午前５時等である。昼間は、例えば、住人が住宅に居ないことが多い時間帯（例えば、午前１０時～午後３時等）である。なお、時間帯に関する例は、ここで挙げたものに限られない。(B) The element related to the time period when a person was detected is, for example, at least one of nighttime, early morning, daytime, at-home status, etc. Nighttime is, for example, 10:00 PM to 12:00 PM and 12:00 PM to 3:00 AM. Early morning is, for example, 3:00 AM to 5:00 AM. Daytime is, for example, a time period when residents are often not at home (for example, 10:00 AM to 3:00 PM). Note that examples related to time periods are not limited to those given here.
在宅状況は、住宅の居住者が住宅にいるか否か、在宅中の居住者が所定年齢以上の高齢者又は所定年齢以下の子供のみであること等である。The status of being at home includes whether the occupants of the home are at home or not, and whether the occupants at home are only elderly people over a certain age or only children under a certain age, etc.
（Ｃ）人物の属性に関する要素は、例えば、人物の身長が所定値以上であること、人物が男女いずれか予め定められた性別であること、バイク、自転車又は車両を積載できるトラックに乗っていること等の少なくとも１つである。(C) The element related to the attribute of a person is, for example, at least one of the following: the person's height is equal to or greater than a predetermined value, the person is of a predetermined gender, either male or female, and the person is riding a motorbike, bicycle, or truck capable of carrying a vehicle.
（Ｄ）人物の周囲の状況に関する要素は、例えば、敷地の明るさが閾値以下の暗い状態であること、天候が曇天や雨であること等の少なくとも１つである。(D) The element related to the situation around the person is, for example, at least one of the following: the brightness of the premises is dark and below a threshold value, the weather is cloudy or rainy, etc.
これらの不審要素を用いて、例えば、上述の例１～例８の不審行為、これらの例をさらに詳細に規定した不審行為、これらの例とは異なる不審行為が、予め定められるとよい。これにより、例えば、車両に対して危害を及ぼす可能性がある不審行為を定めることができる。Using these suspicious elements, it is advisable to predefine, for example, the suspicious acts of the above examples 1 to 8, suspicious acts that define these examples in more detail, and suspicious acts that differ from these examples. This makes it possible to predefine, for example, suspicious acts that may cause harm to vehicles.
（不審レベルについて）
不審行為には、その不審行為が車両に対して危害を及ぼす可能性の程度に応じた不審レベルが関連づけられてもよい。不審者検出部１３０は、特定の非不審者以外で、適宜設定されるレベル以上の不審レベルに対応する不審行為を行う人物を、不審者として検出してもよい。不審レベルは、例えば、ユーザである居住者が設定してもよく、自動的に設定されてもよい。不審レベルと自動的に設定する例については、他の実施形態で説明する。(About suspicious levels)
A suspicious behavior may be associated with a suspicious level according to the degree of the possibility that the suspicious behavior will cause harm to the vehicle. The suspicious person detection unit 130 may detect as a suspicious person a person who is not a specific non-suspicious person and who performs a suspicious behavior corresponding to a suspicious level equal to or higher than an appropriately set level. The suspicious level may be set by a resident who is a user, for example, or may be set automatically. An example of the suspicious level and automatic setting will be described in another embodiment.
（非不審者について）
非不審者は、不審者ではない人物である。非不審者の例として、住宅の居住者、当該住宅の近隣に住む住人（近隣住人）、宅配便や郵便等の配達員等を挙げることができる。(Regarding non-suspicious persons)
A non-suspicious person is a person who is not suspicious. Examples of non-suspicious people include a resident of a house, a resident living in the neighborhood of the house (neighborhood resident), a delivery person for a parcel delivery service, a postal worker, etc.
非不審者は、情報処理装置１００に予め登録されてもよい。登録には、例えば非不審者の顔画像等が用いられるとよい。なお、非不審者を登録する方法は、顔画像に限られない。Non-suspicious individuals may be registered in advance in the information processing device 100. For example, facial images of non-suspicious individuals may be used for registration. Note that the method of registering non-suspicious individuals is not limited to facial images.
また、非不審者は、自動的に特定されてもよく、その方法については他の実施形態で後述する。Alternatively, non-suspicious individuals may be identified automatically, the method of which will be described later in other embodiments.
（報知制御部１４０）
報知制御部１４０は、上述のように、不審者が検出された場合に、報知部に報知させる。(Notification control unit 140)
As described above, the notification control unit 140 causes the notification unit to issue a notification when a suspicious individual is detected.
報知の対象は、不審者、住宅の居住者、警備会社、警察等の少なくとも１つであればよい。The target of the notification should be at least one of the following: suspicious persons, residents of the house, security companies, police, etc.
不審者に対する報知を行う報知部は、例えば、自動車に搭載されたライト、クラクション等であってもよく、敷地に設置されたライト、ブザー等であてもよい。報知制御部１４０は、これらのライトの少なくとも１つを点灯、点滅させたり、クラクション、ブザー等から音を鳴らせたりするとよい。これにより、不審者に対して、当該不審者が検知されたことを知らせて威嚇し、車両に危険が及ぶ可能性を低減させることができる。The alarm unit that alerts suspicious individuals may be, for example, lights or a horn mounted on the vehicle, or lights or a buzzer installed on the premises. The alarm control unit 140 may turn on or flash at least one of these lights, or sound a horn, buzzer, etc. This can warn the suspicious individual that they have been detected, reducing the possibility of danger to the vehicle.
なお、不審者に対して報知する方法は、ここで例示したものに限られない。Note that the methods for notifying suspicious individuals are not limited to those given as examples here.
居住者に対する報知を行う報知部は、例えば、居住者が利用する携帯端末等である。携帯端末は、例えば、スマートフォン、タブレット端末等である。報知制御部１４０は、例えば、不審者が検出されたことを示す情報を携帯端末へ送信することで、携帯端末に表示、鳴動等をさせるとよい。これにより、不審者が検出されたことを居住者が知って、車両に危険が及ぶ可能性を低減させることができる。The notification unit that notifies the resident is, for example, a mobile terminal used by the resident. The mobile terminal is, for example, a smartphone, a tablet terminal, etc. The notification control unit 140 may, for example, send information indicating that a suspicious person has been detected to the mobile terminal, causing the mobile terminal to display or ring. This allows the resident to know that a suspicious person has been detected, reducing the possibility of danger to the vehicle.
なお、居住者に対して報知する方法は、ここで例示したものに限られない。The method of notifying residents is not limited to the example given here.
警備会社、警察等に対する報知を行う報知部は、例えば、通信ネットワークＮＴを介して、不審者が検出されたことを示す情報を受信する装置等である。報知制御部１４０は、例えば、不審者が検出されたことを示す情報を送信するとよい。不審者が検出されたことを示す情報は、例えば、不審者が検出されたことを示すメッセージであるが、これに限られない。これにより、不審者が検出されたことを警備会社、警察等に知らせて、車両に危険が及ぶ可能性を低減させることができる。The notification unit that issues notifications to security companies, police, etc. is, for example, a device that receives information indicating that a suspicious person has been detected via the communications network NT. The notification control unit 140 may, for example, transmit information indicating that a suspicious person has been detected. The information indicating that a suspicious person has been detected is, for example, but is not limited to, a message indicating that a suspicious person has been detected. This allows the security company, police, etc. to be notified that a suspicious person has been detected, reducing the possibility of danger to the vehicle.
なお、警備会社、警察等に対して報知する方法は、ここで例示したものに限られない。Note that the methods of notifying security companies, police, etc. are not limited to those given as examples here.
（情報処理装置１００の物理的な構成例）
情報処理装置１００は物理的には、図７に示すように、バス１０１０、プロセッサ１０２０、メモリ１０３０、ストレージデバイス１０４０、ネットワークインタフェース１０５０、入力インタフェース１０６０及び出力インタフェース１０７０を有する。(Example of physical configuration of information processing device 100)
As shown in FIG. 7, the information processing apparatus 100 physically includes a bus 1010, a processor 1020, a memory 1030, a storage device 1040, a network interface 1050, an input interface 1060, and an output interface 1070.
バス１０１０は、プロセッサ１０２０、メモリ１０３０、ストレージデバイス１０４０、ネットワークインタフェース１０５０、入力インタフェース１０６０及び出力インタフェース１０７０が、相互にデータを送受信するためのデータ伝送路である。ただし、プロセッサ１０２０などを互いに接続する方法は、バス接続に限定されない。The bus 1010 is a data transmission path for the processor 1020, memory 1030, storage device 1040, network interface 1050, input interface 1060, and output interface 1070 to transmit and receive data to and from each other. However, the method of connecting the processor 1020 and other components to each other is not limited to a bus connection.
プロセッサ１０２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などで実現されるプロセッサである。The processor 1020 is a processor realized by a CPU (Central Processing Unit) or a GPU (Graphics Processing Unit).
メモリ１０３０は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などで実現される主記憶装置である。Memory 1030 is a main storage device realized by a RAM (Random Access Memory) or the like.
ストレージデバイス１０４０は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、メモリカード、又はＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などで実現される補助記憶装置である。ストレージデバイス１０４０は、これを備える装置の機能を実現するためのプログラムモジュールを記憶している。プロセッサ１０２０がこれら各プログラムモジュールをメモリ１０３０に読み込んで実行することで、そのプログラムモジュールに対応する機能が実現される。Storage device 1040 is an auxiliary storage device realized by a hard disk drive (HDD), a solid state drive (SSD), a memory card, or a read only memory (ROM). Storage device 1040 stores program modules for realizing the functions of the device that includes it. Processor 1020 loads each of these program modules into memory 1030 and executes them to realize the function corresponding to that program module.
ネットワークインタフェース１０５０は、これを備える装置を通信ネットワークに接続するためのインタフェースである。The network interface 1050 is an interface for connecting a device equipped with it to a communication network.
入力インタフェース１０６０は、ユーザが情報を入力するためのインタフェースである。入力インタフェース１０６０は、例えば、タッチパネル、キーボード、マウスなどから構成される。The input interface 1060 is an interface through which the user inputs information. The input interface 1060 is composed of, for example, a touch panel, a keyboard, a mouse, etc.
出力インタフェース１０７０は、ユーザに情報を提示するためのインタフェースである。出力インタフェース１０７０は、例えば、液晶パネル、有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）パネルなどから構成される。The output interface 1070 is an interface for presenting information to the user. The output interface 1070 is composed of, for example, a liquid crystal panel, an organic EL (Electro-Luminescence) panel, etc.
このように情報処理装置１００の機能は、ソフトウェアプログラムを物理的な各構成要素が協働して実行することによって実現することができる。そのため、本発明は、ソフトウェアプログラムとして実現されてもよく、そのプログラムが記録された非一時的な記憶媒体として実現されてもよい。In this way, the functions of the information processing device 100 can be realized by the physical components working together to execute a software program. Therefore, the present invention may be realized as a software program, or as a non-transitory storage medium on which the program is recorded.
解析装置５０は、物理的には例えば、情報処理装置１００と同様に構成されてよい。The analysis device 50 may be physically configured in the same manner as the information processing device 100, for example.
なお、解析装置５０及び情報処理装置１００の全体が備える機能は、上述の例に限らず、１つ又は複数の装置に備えられればよい。例えば、情報処理装置１００が、解析装置５０の機能を備え、解析装置５０と物理的に一体的に構成されてもよい。The functions of the analysis device 50 and the information processing device 100 as a whole are not limited to the above examples, and may be provided in one or more devices. For example, the information processing device 100 may have the functions of the analysis device 50 and be physically integrated with the analysis device 50.
（作用・効果）
以上、本実施形態によれば、情報処理装置１００は、不審者検出部１３０と、報知制御部１４０とを備える。不審者検出部１３０は、住宅の敷地から所定範囲を監視するセンサ１０からのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する。報知制御部１４０は、不審者が検出された場合に、報知部に報知させる。(Action and Effects)
As described above, according to this embodiment, the information processing device 100 includes the suspicious person detection unit 130 and the notification control unit 140. The suspicious person detection unit 130 uses the analysis results of sensor information from the sensor 10 that monitors a predetermined range from the house site to detect a suspicious person other than a specific non-suspicious person who is performing a suspicious act toward a vehicle parked in a parking lot within the predetermined range. The notification control unit 140 causes the notification unit to issue a notification when a suspicious person is detected.
これにより、特定の非不審者を不審者から除外することで、住宅周辺の駐車場に駐車している車両に対して不審行為を行う不審者を適切に検出することができる。そのため、住宅周辺に駐車した車両に対する危険性が高い場合に、不審者が検出されたことを報知することができる。従って、住宅周辺に駐車した車両の安全性を向上させることが可能になる。By excluding certain non-suspicious individuals from the list of suspicious individuals, it is possible to properly detect suspicious individuals who are committing suspicious acts against vehicles parked in parking lots around houses. Therefore, when there is a high risk to vehicles parked around houses, it is possible to notify the system that a suspicious individual has been detected. This makes it possible to improve the safety of vehicles parked around houses.
本実施形態によれば、センサは、複数である。複数のセンサは、住宅に関連付けて設置される１つ以上の住宅センサと、駐車場に駐車した車両に搭載された１つ以上の車載センサとを含む。According to this embodiment, there are multiple sensors. The multiple sensors include one or more residential sensors that are associated with a residence and installed, and one or more vehicle sensors that are installed in a vehicle parked in a parking lot.
これにより、センサ１０が住宅センサと車載センサとのいずれか一方のみの場合よりも、、センサ１０で監視する所定範囲を広くすることができる。従って、住宅周辺に駐車した車両の安全性を向上させることが可能になる。This allows the specified area monitored by the sensor 10 to be wider than when the sensor 10 is only a residential sensor or an in-vehicle sensor. This makes it possible to improve the safety of vehicles parked around homes.
本実施形態によれば、解析結果は、センサ情報を用いた解析で検知された物体と、当該検知された物体の位置、動作、姿勢、検知された時刻、属性、周囲の状況、移動速度、移動経路の少なくとも１つを含む。According to this embodiment, the analysis results include the object detected by the analysis using the sensor information, and at least one of the position, movement, posture, detection time, attributes, surrounding conditions, movement speed, and movement route of the detected object.
これにより、不審者を適切に検出し、住宅周辺に駐車した車両に対する危険性が高い場合に、不審者が検出されたことを報知することができる。従って、住宅における安全性を向上させることが可能になる。This allows the system to properly detect suspicious individuals and notify the driver when there is a high risk to vehicles parked near the home. This makes it possible to improve safety in the home.
本実施形態によれば、不審者検出部１３０は、車両が駐車場に駐車すると、解析結果を用いて、不審者を検出する。According to this embodiment, when a vehicle is parked in a parking lot, the suspicious person detection unit 130 uses the analysis results to detect a suspicious person.
これにより、必要性が高い時期に不審者を検出することができ、住宅周辺に駐車した車両に対する危険性が高い場合に、不審者が検出されたことを報知することができる。従って、住宅における安全性を向上させることが可能になる。This allows suspicious people to be detected when it is most necessary, and when there is a high risk to vehicles parked around the house, a warning can be given that a suspicious person has been detected. This makes it possible to improve safety in the home.
（変形例１）
実施形態１では、解析装置５０が１つの例を説明したが、情報処理システムは、複数の解析装置を含んでもよい。例えば、情報処理システムが複数のセンサ１０を備える場合、複数の解析装置の各々は、１つ又は複数のセンサ１０から構成されるセンサグループに対応付けられるとよい。この場合、各解析装置は、センサグループを構成する１つ又は複数のセンサ１０で生成されたセンサ情報を解析し、必要に応じてこれらの個別解析結果を統合するとよい。不審者検出部１３０は、複数の解析装置の各々で生成された個別解析結果又は統合された個別解析結果を統合して、解析結果を生成してもよい。(Variation 1)
In the first embodiment, an example in which there is one analysis device 50 has been described, but the information processing system may include multiple analysis devices. For example, when the information processing system includes multiple sensors 10, each of the multiple analysis devices may be associated with a sensor group consisting of one or multiple sensors 10. In this case, each analysis device may analyze sensor information generated by one or multiple sensors 10 constituting the sensor group, and may integrate these individual analysis results as necessary. The suspicious person detection unit 130 may generate an analysis result by integrating the individual analysis results generated by each of the multiple analysis devices or the integrated individual analysis results.
［実施形態２］
本実施形態では、非不審者を自動的に特定する方法の例について説明する。なお、本実施形態では、説明を簡明にするため、他の実施形態と重複する説明を適宜省略する。[Embodiment 2]
In this embodiment, an example of a method for automatically identifying a non-suspicious individual will be described. Note that, in this embodiment, in order to simplify the description, descriptions that overlap with other embodiments will be omitted as appropriate.
（情報処理システムＳ２の装置構成例）
情報処理システムＳ２は、例えば図８に示すように、実施形態１と同様のセンサ１０及び解析装置５０と、情報処理装置２００とを備える。(Device configuration example of information processing system S2)
The information processing system S2 includes a sensor 10 and an analysis device 50 similar to those in the first embodiment, and an information processing device 200, as shown in FIG. 8, for example.
（情報処理装置２００の構成例）
情報処理装置２００は、例えば図９に示すように、実施形態１と同様の不審者検出部１３０及び報知制御部１４０と、非不審者特定部２５０とを備える。(Configuration example of information processing device 200)
As shown in FIG. 9, the information processing device 200 includes a suspicious person detection unit 130 and a notification control unit 140 similar to those in the first embodiment, and a non-suspicious person identification unit 250.
非不審者特定部２５０は、センサ情報を用いた解析で検知された人物の履歴情報を用いて、非不審者を特定する。The non-suspicious person identification unit 250 identifies non-suspicious people using history information of people detected through analysis using sensor information.
（情報処理システムＳ２の処理動作例）
情報処理システムＳ２は、例えば図１０に示すような情報処理を実行する。(Example of processing operation of information processing system S2)
The information processing system S2 executes information processing as shown in FIG. 10, for example.
実施形態１と同様のステップＳ１０，Ｓ５１，Ｓ５２が実行される。Steps S10, S51, and S52 are executed in the same manner as in embodiment 1.
非不審者特定部２５０は、センサ情報を用いた解析で検知された人物の履歴情報を用いて、非不審者を特定する（ステップＳ２５０）。The non-suspicious person identification unit 250 identifies non-suspicious people using the history information of the person detected through the analysis using the sensor information (step S250).
実施形態１と同様のステップＳ１４０が実行される。Step S140 is executed in the same manner as in embodiment 1.
（非不審者特定部２５０について）
非不審者特定部２５０は、センサ情報を用いた解析で検知された人物の履歴情報を用いて、住宅の居住者、近隣住人、配達員等の非不審者を特定する。(Regarding the non-suspicious person identification unit 250)
The non-suspicious person identification unit 250 uses history information of people detected through analysis using sensor information to identify non-suspicious people such as residents of a house, neighbors, delivery people, etc.
非不審者特定部２５０は、例えば、解析結果の履歴情報を用いて、それに含まれる人物から、住宅の居住者、近隣住人、配達員等の非不審者を特定する。この解析結果は、例えば、カメラで生成された画像の解析結果を含むとよい。The non-suspicious person identification unit 250, for example, uses historical information on the analysis results to identify non-suspicious people, such as residents of the house, neighbors, or delivery people, from among the people included in the analysis results. The analysis results may include, for example, the analysis results of images generated by a camera.
詳細には例えば、非不審者特定部２５０は、同一人物が検知される頻度とこれに関して予め定められた第１閾値とを用いて、非不審者として特定してもよい。この場合例えば、非不審者特定部２５０は、予め定められた第１閾値よりも多い頻度で出現する人物を非不審者として特定するとよい。同一人物は、例えば、人物の顔画像、当該顔画像から抽出される特徴ベクトル等を用いて特定されてよいが、同一人物を特定する方法はこれに限られない。In more detail, for example, the non-suspicious person identification unit 250 may identify a person as a non-suspicious person using the frequency with which the same person is detected and a predetermined first threshold value related thereto. In this case, for example, the non-suspicious person identification unit 250 may identify a person who appears more frequently than the predetermined first threshold value as a non-suspicious person. The same person may be identified using, for example, a facial image of the person, a feature vector extracted from the facial image, or the like, but the method of identifying the same person is not limited to this.
第１閾値は、居住者、近隣住人、配達員等の非不審者の種類に応じて異なっていてもよい。これにより、非不審者を種類別に特定することができる。なお、非不審者の種類を区別しない場合等には、第１閾値は、１つであってもよい。The first threshold value may be different depending on the type of non-suspicious person, such as a resident, a neighbor, a delivery person, etc. This makes it possible to identify non-suspicious people by type. Note that in cases where there is no distinction between types of non-suspicious people, the first threshold value may be one.
また例えば、非不審者特定部２５０は、人物の服装又は人物が乗車する車両の外観特性を用いて、非不審者を特定してもよい。For example, the non-suspicious person identification unit 250 may also identify a non-suspicious person using the appearance characteristics of the person's clothing or the vehicle in which the person is riding.
一般的に、配達員は、その業者ごとに、同じ種類の服装（制服）を着用することや外観において共通の特徴を有する車両を用いて、配達することがある。この外観の特徴は、例えば、その業者のロゴ、社名の記載、色及び柄の組み合わせ等である。そのため、人物の服装又は人物が乗車する車両の外観特性を用いることで、配達員等を特定することができる。Generally, delivery personnel for each company will wear the same type of clothing (uniform) and use vehicles with common external characteristics. These external characteristics may be, for example, the company's logo, the company name, or a combination of colors and patterns. Therefore, delivery personnel can be identified by the external characteristics of the person's clothing or the vehicle they are riding in.
また、配達員が配達する時間帯は、例えば午前９時～午後９時までのように予め決まっていることが多い。近隣住人であれば、例えば検知される時間帯が出勤時間、登下校時間等のように、その人物に応じた時間帯に決まっていることが多い。そのため、非不審者特定部２５０は、さらに人物が検知された時刻を用いて、非不審者を特定してもよい。Furthermore, the time period during which a delivery person makes deliveries is often predetermined, such as between 9:00 AM and 9:00 PM. For people who live nearby, the time period during which they are detected is often determined according to the person, such as when they arrive at work or when they go to or from school. Therefore, the non-suspicious person identification unit 250 may further identify non-suspicious people using the time at which a person is detected.
このように、非不審者特定部２５０は、例えば、同一人物が検知される頻度、人物の服装、人物が乗車する車両の外観特性の少なくとも１つを用いて、非不審者を特定するとよい。非不審者特定部２５０は、例えば、人物が検知される時刻をさらに用いて、非不審者を特定してもよい。In this way, the non-suspicious person identification unit 250 may identify a non-suspicious person using, for example, at least one of the frequency with which the same person is detected, the person's clothing, and the external characteristics of the vehicle in which the person rides. The non-suspicious person identification unit 250 may also identify a non-suspicious person using, for example, the time at which the person is detected.
なお、非不審者を特定するために用いられる解析結果は、画像の解析結果に限られない。例えば、居住者が外出する際や帰宅する際に敷地を通る通路が定まっており、センサ１０がこの通路の物体の存否を検知する物体存否検知センサであるとする。このような場合、物体存否検知センサで生成されるセンサ情報の解析結果が、非不審者（例えば、居住者）を特定するために用いられてもよい。この場合、非不審者特定部２５０は、複数種類のセンサ情報（例えば、画像及び物体存否検知センサのセンサ情報）の解析結果の履歴を用いて、非不審者を特定してもよい。The analysis results used to identify non-suspicious persons are not limited to the analysis results of images. For example, assume that there is a fixed path that a resident passes through on the premises when going out or returning home, and that sensor 10 is an object presence detection sensor that detects the presence or absence of an object in this path. In such a case, the analysis results of the sensor information generated by the object presence detection sensor may be used to identify non-suspicious persons (e.g., a resident). In this case, the non-suspicious person identification unit 250 may identify non-suspicious persons using a history of the analysis results of multiple types of sensor information (e.g., images and sensor information from an object presence detection sensor).
（作用・効果）
以上、本実施形態によれば、情報処理装置２００は、センサ情報を用いた解析で検知された人物の履歴情報を用いて、非不審者を特定する非不審者特定部２５０を備える。(Action and Effects)
As described above, according to this embodiment, the information processing device 200 includes the non-suspicious individual identifying unit 250 that identifies a non-suspicious individual by using history information of a person detected by analysis using sensor information.
これにより、特定の非不審者を自動的に特定して、不審者を適切に検出することができる。そのため、特定の非不審者を予め登録する手間等を省くことができる、従って、住宅周辺に駐車した車両の安全性を、容易に向上させることが可能になる。This allows specific non-suspicious people to be automatically identified and detected appropriately. This eliminates the need to register specific non-suspicious people in advance, and therefore makes it possible to easily improve the safety of vehicles parked around homes.
［実施形態３］
不審者検出部は、解析結果及び住宅における居住者の在宅状況を示す在宅情報と、解析結果に含まれる人物の移動経路との少なくとも１つを用いて、不審者を検出してもよい。本実施形態では、解析結果及び在宅情報を用いて、不審者を検出する例を説明する。また本実施形態では、在宅情報を生成する方法の例について説明する。なお、本実施形態では、説明を簡明にするため、他の実施形態と重複する説明を適宜省略する。[Embodiment 3]
The suspicious person detection unit may detect a suspicious person using at least one of the analysis result, presence-at-home information indicating the presence-at-home status of the resident in the house, and the movement route of the person included in the analysis result. In this embodiment, an example of detecting a suspicious person using the analysis result and presence-at-home information will be described. In addition, in this embodiment, an example of a method of generating presence-at-home information will be described. Note that in this embodiment, in order to simplify the description, descriptions that overlap with other embodiments will be omitted as appropriate.
（情報処理システムＳ３の装置構成例）
情報処理システムＳ３は、例えば図１１に示すように、実施形態１と同様のセンサ１０及び解析装置５０と、情報処理装置３００とを備える。(Device configuration example of information processing system S3)
The information processing system S3 includes a sensor 10 and an analysis device 50 similar to those in the first embodiment, and an information processing device 300, as shown in FIG. 11, for example.
（情報処理装置３００の構成例）
情報処理装置３００は、例えば図１２に示すように、不審者検出部３３０と、実施形態１と同様の報知制御部１４０と、在宅情報生成部３６０とを備える。(Configuration example of information processing device 300)
The information processing device 300 includes a suspicious person detection unit 330, a notification control unit 140 similar to that of the first embodiment, and a presence-at-home information generation unit 360, as shown in FIG. 12, for example.
在宅情報生成部３６０は、居住者の位置情報とセンサ情報を用いた解析で検知された居住者の履歴情報との少なくとも１つを用いて、在宅情報を生成する。The presence-of-presence information generating unit 360 generates presence-of-presence information using at least one of the resident's location information and the resident's history information detected by analysis using the sensor information.
不審者検出部３３０は、解析結果及び在宅情報を用いて、不審者を検出する。The suspicious person detection unit 330 uses the analysis results and the presence information to detect suspicious people.
（情報処理システムＳ３の処理動作例）
情報処理システムＳ３は、例えば図１３に示すような情報処理を実行する。(Example of processing operation of information processing system S3)
The information processing system S3 executes information processing as shown in FIG. 13, for example.
実施形態１と同様のステップＳ１０，Ｓ５１，Ｓ５２が実行される。Steps S10, S51, and S52 are executed in the same manner as in embodiment 1.
在宅情報生成部３６０は、居住者の位置情報とセンサ情報を用いた解析で検知された居住者の履歴情報との少なくとも１つを用いて、在宅情報を生成する（ステップＳ３６０）。The presence-of-presence information generating unit 360 generates presence-of-presence information using at least one of the resident's location information and the resident's history information detected by analysis using the sensor information (step S360).
不審者検出部３３０は、解析結果及び在宅情報をさらに用いて、不審者を検出する（ステップＳ３３０）。The suspicious person detection unit 330 further uses the analysis results and the presence information to detect suspicious people (step S330).
実施形態１と同様のステップＳ１４０が実行される。Step S140 is executed in the same manner as in embodiment 1.
（在宅情報生成部３６０について）
在宅情報生成部３６０は、上述のように、居住者の位置情報とセンサ情報を用いた解析で検知された居住者の履歴情報との少なくとも１つを用いて、在宅情報を生成する。(Regarding the presence-at-home information generating unit 360)
As described above, the presence-at-home information generating unit 360 generates presence-at-home information using at least one of the location information of the resident and the history information of the resident detected by analysis using the sensor information.
在宅情報は、住宅における居住者の在宅状況を示す情報である。 At-home information is information that indicates whether residents are at home.
在宅情報は、例えば、住宅の居住者が当該住宅にいるか否かを示す情報、在宅中の居住者が所定年齢以上の高齢者又は所定年齢以下の子供のみであることを示す情報、居住者が外出時期を示す情報、の少なくとも１つを含むとよい。The presence information may include, for example, at least one of the following: information indicating whether the occupant of the home is present in the home, information indicating that the occupants at home are only elderly people above a certain age or children below a certain age, and information indicating when the occupant is out.
居住者の位置情報は、例えば、居住者が利用する携帯端末等が備えるＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）機能等を用いて取得されるとよい。この場合、在宅情報生成部３６０は、例えば、居住者が利用する携帯端末から、当該居住者の現在位置を示す位置情報を取得するとよい。在宅情報生成部３６０は、居住者が複数の場合、居住者ごとの年齢等とともに携帯端末を関連付けた居住者情報を予め保持してもよい。The location information of the resident may be obtained, for example, using a GPS (Global Positioning System) function provided in a mobile device used by the resident. In this case, the presence information generating unit 360 may obtain location information indicating the current location of the resident, for example, from the mobile device used by the resident. In the case of multiple residents, the presence information generating unit 360 may store in advance resident information that associates the mobile device with each resident's age, etc.
そして、在宅情報生成部３６０は、例えば、予め設定される住宅の位置情報と居住者の現在位置とに基づいて、当該居住者が住宅にいるか否かを判定して、この判定の結果に基づいて在宅情報を生成するとよい。また例えば、居住者が外出した場合には、在宅情報生成部３６０は、住宅の敷地内から敷地外に出た時期を外出時期として含む在宅情報を生成してもよい。Then, the presence-of-presence information generating unit 360 may determine whether or not the resident is at home based on, for example, preset location information of the home and the resident's current location, and generate presence-of-presence information based on the result of this determination. Also, for example, when the resident goes out, the presence-of-presence information generating unit 360 may generate presence-of-presence information that includes the time when the resident left the premises of the home as the time of leaving.
センサ情報を用いた解析で検知された居住者の履歴情報は、解析結果の履歴情報に含まれる居住者の履歴情報である。例えば、センサ情報は、画像を含むとよい。また、在宅情報は、画像を用いた解析で検知された居住者の履歴情報を用いて生成された情報を含むとよい。The historical information of the resident detected by the analysis using the sensor information is the historical information of the resident included in the historical information of the analysis results. For example, the sensor information may include an image. Furthermore, the presence information may include information generated using the historical information of the resident detected by the analysis using the image.
詳細には例えば、在宅情報生成部３６０は、実施形態２で説明した非不審者特定部２５０が居住者を特定する方法と同様の方法で居住者を特定してもよい。なお、情報処理装置３００が非不審者特定部２５０をさらに備える場合には、在宅情報生成部３６０は、非不審者特定部２５０が特定した居住者の履歴情報を用いて、在宅情報を生成してもよい。In more detail, for example, the presence-at-home information generating unit 360 may identify a resident in a manner similar to the manner in which the non-suspicious person identifying unit 250 described in embodiment 2 identifies a resident. Note that if the information processing device 300 further includes the non-suspicious person identifying unit 250, the presence-at-home information generating unit 360 may generate presence-at-home information using history information of the resident identified by the non-suspicious person identifying unit 250.
そして、在宅情報生成部３６０は、居住者の履歴情報を用いて、例えば各居住者が住宅に入ったこと、住宅から出たことを判定するとよい。在宅情報生成部３６０は、この判定結果に基づいて、住宅の居住者が当該住宅にいるか否かを示す在宅情報を生成するとよい。また、在宅情報生成部３６０は、この判定結果に基づいて、在宅中の居住者が所定年齢以上の高齢者又は所定年齢以下の子供のみであることを示す在宅情報を生成してもよい。さらに、在宅情報生成部３６０は、この判定結果に基づいて、居住者が外出時期を示す情報を生成してもよい。Then, the presence-of-presence information generating unit 360 may use the resident's history information to determine, for example, when each resident has entered or left the home. Based on this determination result, the presence-of-presence information generating unit 360 may generate presence-of-presence information indicating whether or not the resident of the home is in the home. Based on this determination result, the presence-of-presence information generating unit 360 may also generate presence-of-presence information indicating that the residents who are at home are only elderly people above a specified age or children below a specified age. Furthermore, based on this determination result, the presence-of-presence information generating unit 360 may generate information indicating when the resident will be going out.
（不審者検出部３３０について）
不審者検出部３３０は、解析結果と在宅情報とを用いて、住宅の敷地から所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する。(Regarding the suspicious person detection unit 330)
The suspicious person detection unit 330 uses the analysis results and the presence-at-home information to detect a suspicious person other than a specified non-suspicious person who is engaging in suspicious behavior in a vehicle parked in a parking lot within a specified range from the property of the house.
不審者検出部３３０は、上述のように、設定されるレベル以上の不審レベルに対応する不審行為を行う人物を、不審者として検出するとよい。不審者検出部３３０は、例えば、在宅情報を用いて、当該レベルを設定する。As described above, the suspicious person detection unit 330 may detect as a suspicious person a person who performs suspicious behavior that corresponds to a suspicious level equal to or higher than the set level. The suspicious person detection unit 330 may set the level, for example, using presence information.
（不審者検出部３３０の構成例）
不審者検出部３３０は、例えば図１４に示すように、レベル設定部３３１と、検出部３３２とを含む。(Example of configuration of suspicious person detection unit 330)
The suspicious person detection unit 330 includes a level setting unit 331 and a detection unit 332, as shown in FIG.
レベル設定部３３１は、在宅情報に基づいて、不審者を検出するためのレベルを設定する。The level setting unit 331 sets the level for detecting suspicious individuals based on the presence information.
検出部３３２は、解析結果を用いて、特定の非不審者以外で設定されたレベルに応じた不審行為を行う不審者を検出する。The detection unit 332 uses the analysis results to detect suspicious individuals who are not specific non-suspicious individuals and who are engaging in suspicious behavior according to the set level.
（不審者検出部３３０の動作例）
不審者検出部３３０は、例えば図１５に示すような不審者検出処理（ステップＳ３３０）を実行する。(Example of Operation of the Suspicious Person Detection Unit 330)
The suspicious person detection unit 330 executes a suspicious person detection process (step S330) as shown in FIG. 15, for example.
レベル設定部３３１は、在宅情報に基づいて、不審者を検出するためのレベルを設定する（ステップＳ３３１）。The level setting unit 331 sets a level for detecting suspicious individuals based on the presence information (step S331).
検出部３３２は、解析結果を用いて、特定の非不審者以外で設定されたレベルに応じた不審行為を行う不審者を検出する（ステップＳ３３２）。The detection unit 332 uses the analysis results to detect suspicious individuals other than specific non-suspicious individuals who are engaging in suspicious behavior according to the set level (step S332).
（レベル設定部３３１について）
レベル設定部３３１は、在宅情報に基づいて、不審者を検出するためのレベルを設定する。(Regarding the level setting unit 331)
The level setting section 331 sets a level for detecting suspicious individuals based on the presence-at-home information.
一般的に、居住者が住宅に一人もいない場合は、不審者が車両に対して危害を及ぼす可能性が極めて高い（例えば、レベル１）。また、住宅に居る居住者が高齢者又は子供のみである場合は、不審者が車両に対して危害を及ぼす可能性が高い（例えば、レベル２）。居住者が住宅にいない場合は、不審者が車両に対して危害を及ぼす可能性が低い（例えば、レベル３）。In general, if there is no resident in the house, there is an extremely high possibility that a suspicious person will cause harm to a vehicle (e.g., level 1). Also, if the only occupants of the house are elderly people or children, there is a high possibility that a suspicious person will cause harm to a vehicle (e.g., level 2). If there is no resident in the house, there is a low possibility that a suspicious person will cause harm to a vehicle (e.g., level 3).
そのため、レベル設定部３３１は例えば、在宅情報が示す居住者の在宅状況に応じて予め定められたレベルを設定するとよい。なお、レベル設定部３３１が在宅情報を用いてレベルを設定する方法は、ここで説明した例に限られない。For this reason, the level setting unit 331 may set a predetermined level according to the presence-at-home status of the resident indicated by the presence-at-home information. Note that the method by which the level setting unit 331 sets the level using the presence-at-home information is not limited to the example described here.
（検出部３３２について）
検出部３３２は、例えば、解析結果を用いて、特定の非不審者以外で、レベル設定部３３１が設定したレベル以上の不審レベルに対応する不審行為を行う人物を不審者として検出する。(Regarding the detection unit 332)
The detection unit 332, for example, uses the analysis results to detect as a suspicious person a person other than a specific non-suspicious person who is performing suspicious behavior corresponding to a suspiciousness level equal to or higher than the level set by the level setting unit 331.
なお、不審者検出部３３０が、レベルを設定するために在宅情報を用いる例を説明したが、不審者の検出に在宅情報を用いる方法は、ここで説明したものに限られない。例えば、不審者検出部３３０は、車両周囲に近づいた人物が検出され、かつ、これが検出される前の所定時間内に住宅から外出した居住者がいない場合に、当該人物を不審者として検出してもよい。Note that, although an example has been described in which the suspicious person detection unit 330 uses presence information to set the level, the method of using presence information to detect suspicious people is not limited to that described here. For example, the suspicious person detection unit 330 may detect a person as a suspicious person if a person approaching the vicinity of the vehicle is detected and no resident has left the house within a predetermined period of time prior to the detection.
（作用・効果）
以上、本実施形態によれば、不審者検出部３３０は、解析結果及び住宅における居住者の在宅状況を示す在宅情報を用いて、不審者を検出する。(Action and Effects)
As described above, according to this embodiment, the suspicious person detection unit 330 detects a suspicious person by using the analysis result and the presence-at-home information indicating the presence or absence of the resident of the house.
これにより、不審者が車両に対して危害を及ぼす可能性が高い不審者を適切に検出し、当該不審者が検出されたことを報知することができる。従って、住宅周辺に駐車した車両の安全性をより一層向上させることが可能になる。This allows the system to properly detect suspicious individuals who are likely to cause harm to vehicles and to notify the system that such individuals have been detected. This makes it possible to further improve the safety of vehicles parked near residential areas.
本実施形態によれば、情報処理装置３００は、居住者の位置情報とセンサ情報を用いた解析で検知された前記居住者の履歴情報との少なくとも１つを用いて、在宅情報を生成する在宅情報生成部３６０を備える。According to this embodiment, the information processing device 300 includes a presence-at-home information generating unit 360 that generates presence-at-home information using at least one of the resident's location information and the resident's history information detected by analysis using sensor information.
在宅情報生成部３６０は、レベル設定部３３１と、検出部３３２とを含む。レベル設定部３３１は、在宅情報に基づいて、不審者を検出するためのレベルを設定する。検出部３３２は、解析結果を用いて、特定の非不審者以外で設定されたレベルに応じた不審行為を行う不審者を検出する。The presence information generating unit 360 includes a level setting unit 331 and a detection unit 332. The level setting unit 331 sets a level for detecting suspicious individuals based on the presence information. The detection unit 332 uses the analysis results to detect suspicious individuals who are engaging in suspicious behavior according to the set level, other than specific non-suspicious individuals.
これにより、在宅情報を用いて、不審者が車両に対して危害を及ぼす可能性が高い不審者を適切に検出し、当該不審者が検出されたことを報知することができる。従って、住宅周辺に駐車した車両の安全性をより一層向上させることが可能になる。することができる。As a result, it is possible to use the presence information to properly detect suspicious individuals who are likely to cause harm to vehicles, and to notify the system that such individuals have been detected. This makes it possible to further improve the safety of vehicles parked near homes.
［実施形態４］
不審者検出部は、上述のように、解析結果及び住宅における居住者の在宅状況を示す在宅情報と、解析結果に含まれる人物の移動経路との少なくとも１つをさらに用いて、不審者を検出してもよい。本実施形態では、解析結果に含まれる人物の移動経路を用いて、不審者を検出する例を説明する。[Embodiment 4]
As described above, the suspicious person detection unit may detect a suspicious person by further using at least one of the analysis result, the presence information indicating the presence or absence of the resident in the house, and the movement route of the person included in the analysis result. In this embodiment, an example of detecting a suspicious person using the movement route of the person included in the analysis result will be described.
また本実施形態では、居住者が駐車場に駐車した車両を利用するために移動する経路のパターン（第１パターン）を自動的に生成する方法の例についても、併せて説明する。In this embodiment, an example of a method for automatically generating a route pattern (first pattern) that a resident will follow to access a vehicle parked in a parking lot will also be described.
なお、本実施形態では、説明を簡明にするため、他の実施形態と重複する説明を適宜省略する。In this embodiment, in order to simplify the explanation, explanations that overlap with other embodiments will be omitted as appropriate.
（情報処理システムＳ４の装置構成例）
情報処理システムＳ２は、例えば図１６に示すように、実施形態１と同様のセンサ１０及び解析装置５０と、情報処理装置４００とを備える。(Device configuration example of information processing system S4)
The information processing system S2 includes a sensor 10 and an analysis device 50 similar to those in the first embodiment, and an information processing device 400, as shown in FIG. 16, for example.
（情報処理装置４００の構成例）
情報処理装置４００は、例えば図１７に示すように、不審者検出部４３０と、実施形態１と同様の報知制御部１４０と、居住者情報生成部４７０とを備える。(Example of configuration of information processing device 400)
As shown in FIG. 17, the information processing device 400 includes a suspicious person detection unit 430, a notification control unit 140 similar to that of the first embodiment, and a resident information generation unit 470.
居住者情報生成部４７０は、センサ情報を用いた解析で検知された居住者の履歴情報を用いて、住宅の居住者に関する居住者情報を生成する。The resident information generation unit 470 generates resident information about the resident of the house using historical information about the resident detected through analysis using sensor information.
不審者検出部４３０は、解析結果に含まれる人物の移動経路を用いて、不審者を検出する。The suspicious person detection unit 430 detects suspicious people using the movement routes of people included in the analysis results.
（情報処理システムＳ４の処理動作例）
情報処理システムＳ４は、例えば図１８に示すような情報処理を実行する。(Example of processing operation of information processing system S4)
The information processing system S4 executes information processing as shown in FIG. 18, for example.
実施形態１と同様のステップＳ１０，Ｓ５１，Ｓ５２が実行される。Steps S10, S51, and S52 are executed in the same manner as in embodiment 1.
居住者情報生成部４７０は、センサ情報を用いた解析で検知された居住者の履歴情報を用いて、住宅の居住者に関する居住者情報を生成する（ステップＳ４７０）。The resident information generation unit 470 generates resident information about the resident of the house using the resident history information detected by the analysis using the sensor information (step S470).
不審者検出部４３０は、解析結果に含まれる人物の移動経路を用いて、不審者を検出する（ステップＳ４３０）。The suspicious person detection unit 430 detects suspicious people using the movement routes of people included in the analysis results (step S430).
実施形態１と同様のステップＳ１４０が実行される。Step S140 is executed in the same manner as in embodiment 1.
（居住者情報生成部４７０について）
居住者情報生成部４７０は、上述のように、センサ情報を用いた解析で検知された居住者の履歴情報を用いて、住宅の居住者に関する居住者情報を生成する。(Regarding the resident information generating unit 470)
The resident information generation unit 470 generates resident information regarding the resident of the house using historical information of the resident detected by analysis using the sensor information, as described above.
居住者情報は、居住者に関する情報である。居住者情報は、例えば居住者ごとの、身長、顔、体型、性別、利用する携帯端末を識別するための情報、居住者経路パターンの少なくとも１つを含むとよい。Resident information is information about a resident. For example, resident information may include at least one of the following for each resident: height, face, body type, sex, information for identifying the mobile device used, and resident route pattern.
居住者経路パターンは、居住者が移動する経路のパターンを示す情報である。居住者情報生成部４７０は、例えば、居住者の履歴情報を用いて、居住者が頻繁に（例えば、所定以上の頻度で）移動する経路のパターンを、居住者経路パターンとして特定するとよい。居住者経路パターンは、居住者が頻繁に移動する経路に沿った領域で示されてもよい。The resident route pattern is information that indicates the pattern of the route along which the resident travels. The resident information generating unit 470 may, for example, use the resident's history information to identify the pattern of the route along which the resident travels frequently (for example, at a frequency equal to or greater than a predetermined frequency) as the resident route pattern. The resident route pattern may be indicated by an area along the route along which the resident travels frequently.
居住者経路パターンの特定には、例えば、移動経路を統計処理が用いられるとよい。なお、居住者経路パターンを特定する方法は、これに限られない。To identify the resident route pattern, for example, statistical processing of travel routes may be used. However, the method of identifying the resident route pattern is not limited to this.
居住者経路パターンは、居住者が駐車場に駐車した車両を利用するために移動する経路のパターンである第１パターンを含んでもよい。すなわち、居住者情報は、居住者が駐車場に駐車した車両を利用するために移動する経路のパターンである第１パターンを含んでもよい。The resident route pattern may include a first pattern that is a pattern of a route that a resident travels to use a vehicle parked in a parking lot. In other words, the resident information may include a first pattern that is a pattern of a route that a resident travels to use a vehicle parked in a parking lot.
居住者情報生成部４７０は、例えば、居住者の履歴情報を用いて、居住者が住宅から駐車場に駐車した車両に向かう場合に利用する第１経路に基づいて、第１パターンを生成するとよい。The resident information generating unit 470 may, for example, use the resident's history information to generate the first pattern based on the first route that the resident uses when going from the house to the vehicle parked in the parking lot.
この場合の第１パターンは、第１経路の平均であってもよく、第１経路を中心とした一定の幅の領域であってもよく、複数の第１経路を包含する領域であってもよい。複数の第１経路は、例えば異なる時期に、居住者が住宅から駐車場に駐車した車両に向かうために移動した経路で構成されるとよい。また、複数の第１経路を包含する領域では、居住者が住宅から駐車場に駐車した車両に向かうために移動した経路のうち、移動が所定の回数未満の経路に対応する領域が除外されてもよい。The first pattern in this case may be an average of the first routes, an area of a certain width centered on the first route, or an area including multiple first routes. The multiple first routes may be composed of routes taken by the resident from the house to the vehicle parked in the parking lot at different times, for example. Furthermore, in the area including multiple first routes, an area corresponding to routes taken by the resident from the house to the vehicle parked in the parking lot that have been traveled less than a predetermined number of times may be excluded.
センサ情報を用いた解析で検知された居住者の履歴情報は、実施形態３で説明した通り、解析結果の履歴情報に含まれる居住者の履歴情報である。居住者情報生成部４７０は、実施形態２で説明した非不審者特定部２５０が居住者を特定する方法と同様の方法で居住者を特定してもよい。なお、情報処理装置４００が非不審者特定部２５０をさらに備える場合には、居住者情報生成部４７０は、非不審者特定部２５０が特定した居住者の履歴情報を用いて、居住者情報を生成してもよい。The history information of the occupant detected by the analysis using the sensor information is the history information of the occupant included in the history information of the analysis result, as described in embodiment 3. The occupant information generating unit 470 may identify the occupant in a manner similar to the method used by the non-suspicious person identifying unit 250 described in embodiment 2 to identify the occupant. Note that if the information processing device 400 further includes the non-suspicious person identifying unit 250, the occupant information generating unit 470 may generate occupant information using the history information of the occupant identified by the non-suspicious person identifying unit 250.
（居住者情報生成部４７０について）
不審者検出部４３０は、解析結果に含まれる人物の移動経路を用いて、住宅の敷地から所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審者を検出する。(Regarding the resident information generating unit 470)
The suspicious person detection unit 430 uses the movement routes of people included in the analysis results to detect suspicious people other than specific non-suspicious people in vehicles parked in parking lots within a specified range from the residential site.
例えば、不審行為は、第１パターンとは異なる経路で移動して、車両から予め定められた範囲内に近接したことを含むとよい。この場合、不審者検出部４３０は、解析結果に含まれる人物が第１パターンとは異なる経路で移動して、車両から予め定められた範囲内に近接した場合に、当該人物を不審者として検出するとよい。For example, suspicious behavior may include traveling a route different from the first pattern and approaching within a predetermined range from the vehicle. In this case, the suspicious person detection unit 430 may detect a person included in the analysis result as a suspicious person if the person travels a route different from the first pattern and approaches within a predetermined range from the vehicle.
ここで、第１パターンとは異なる経路で移動することは、実質的に判断されてよい。すなわち、第１パターンとは異なる経路で移動することは例えば、解析結果に含まれる人物が、第１パターンが示す経路から予め定められた距離以上離れた経度を移動することであってもよい。また例えば、第１パターンが領域で示される場合、第１パターンとは異なる経路で移動することは、解析結果に含まれる人物が第１パターンが示す領域外を移動することであってもよい。Here, movement along a route different from the first pattern may be substantially determined. That is, movement along a route different from the first pattern may be, for example, a person included in the analysis result moving along a longitude that is more than a predetermined distance away from the route indicated by the first pattern. Also, for example, if the first pattern is indicated by an area, movement along a route different from the first pattern may be a person included in the analysis result moving outside the area indicated by the first pattern.
一般的に、居住者が車両を利用する場合、住宅の玄関から車両に向かって移動することが多い。これに対して、不審者は、駐車場が面する道路から車両に向かって移動することが多い。そのため、第１パターンとは異なる経路で移動して、車両に近接したことを不審行為とすることで、車両に危害を及ぼす可能性が高い不審者を検出することができる。Generally, when a resident uses a vehicle, they often move from the entrance of the house towards the vehicle. In contrast, suspicious individuals often move towards the vehicle from the road facing the parking lot. Therefore, by detecting suspicious activity when an intruder moves along a route different from the first pattern and approaches a vehicle, it is possible to detect suspicious individuals who are likely to cause harm to a vehicle.
なお、第１パターン及びその他の居住者経路パターンは、例えば居住者等のユーザの入力に基づいて予め設定されてもよい。不審者検出部４３０は、解析結果に含まれる人物の移動経路を用いて、居住者経路パターンとは異なる経路で移動する人物を不審者として検出してもよい。居住者経路パターンとは異なる経路で移動することは、上述の第１パターンの場合と同様に実質的に判断されてよい。The first pattern and other resident route patterns may be set in advance based on input from a user such as a resident. The suspicious person detection unit 430 may use the movement route of the person included in the analysis result to detect a person who moves along a route different from the resident route pattern as a suspicious person. Moving along a route different from the resident route pattern may be essentially determined in the same manner as in the case of the first pattern described above.
（作用・効果）
以上、本実施形態によれば、不審者検出部４３０は、解析結果に含まれる人物の移動経路を用いて、不審者を検出する。(Action and Effects)
As described above, according to this embodiment, the suspicious person detection unit 430 detects a suspicious person by using the movement route of the person included in the analysis result.
これにより、不審者が車両に対して危害を及ぼす可能性が高い不審者を適切に検出し、当該不審者が検出されたことを報知することができる。従って、住宅周辺に駐車した車両の安全性をより一層向上させることが可能になる。This allows the system to properly detect suspicious individuals who are likely to cause harm to vehicles and to notify the system that such individuals have been detected. This makes it possible to further improve the safety of vehicles parked near residential areas.
本実施形態によれば、情報処理装置４００は、センサ情報を用いた解析で検知された居住者の履歴情報を用いて、住宅の居住者に関する居住者情報を生成する居住者情報生成部４７０を備える。居住者情報は、居住者が駐車場に駐車した車両を利用するために移動する経路のパターンである第１パターンを含む。不審行為は、第１パターンとは異なる経路で移動して、車両から予め定められた範囲内に近接したことを含む。According to this embodiment, the information processing device 400 includes a resident information generating unit 470 that generates resident information about the resident of the house using historical information about the resident detected by an analysis using sensor information. The resident information includes a first pattern, which is a pattern of a route that the resident travels to use a vehicle parked in a parking lot. Suspicious behavior includes traveling a route different from the first pattern and approaching within a predetermined range of the vehicle.
これにより、居住者が通常利用する経路とは異なる経路を移動する人物を不審者として検出することができる。そのため、不審者が車両に対して危害を及ぼす可能性が高い不審者を適切に検出し、当該不審者が検出されたことを報知することができる。従って、住宅周辺に駐車した車両の安全性をより一層向上させることが可能になる。This makes it possible to detect as suspicious people those who travel along routes different from those normally used by residents. This allows appropriate detection of suspicious people who are likely to cause harm to vehicles, and makes it possible to notify the system that such a suspicious person has been detected. This makes it possible to further improve the safety of vehicles parked around homes.
以上、実施の形態を参照して本開示を説明したが、本開示は上述の実施の形態に限定されるものではない。本開示の構成や詳細には、本開示のスコープ内で当業者が理解し得る様々な変更をすることができる。そして、各実施の形態は、適宜他の実施の形態と組み合わせることができる。The present disclosure has been described above with reference to the embodiments, but the present disclosure is not limited to the above-mentioned embodiments. Various modifications that can be understood by those skilled in the art can be made to the configuration and details of the present disclosure within the scope of the present disclosure. Furthermore, each embodiment can be combined with other embodiments as appropriate.
また、上述の説明で用いた複数のフローチャートでは、複数の工程（処理）が順番に記載されているが、各実施形態で実行される工程の実行順序は、その記載の順番に制限されない。各実施形態では、図示される工程の順番を内容的に支障のない範囲で変更することができる。In addition, in the multiple flowcharts used in the above explanation, multiple steps (processing) are described in order, but the order in which the steps are executed in each embodiment is not limited to the order described. In each embodiment, the order of the steps shown in the figures can be changed to the extent that does not interfere with the content.
上記の実施形態の一部または全部は、以下の付記のようにも記載されうるが、以下に限られない。
１．
住宅の敷地から所定範囲を監視するセンサからのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する不審者検出手段と、
前記不審者が検出された場合に、報知部に報知させる報知制御手段とを備える
情報処理装置。
２．
前記センサ情報を用いた解析で検知された人物の履歴情報を用いて、前記非不審者を特定する非不審者特定手段をさらに備える
１．に記載の情報処理装置。
３．
前記不審者検出手段は、前記解析結果及び前記住宅における居住者の在宅状況を示す在宅情報と、前記解析結果に含まれる人物の移動経路との少なくとも１つを用いて、前記不審者を検出する
１．又は２．に記載の情報処理装置。
４．
前記センサは、複数であり、
複数の前記センサは、前記住宅に関連付けて設置される１つ以上の住宅センサと、前記駐車場に駐車した車両に搭載された１つ以上の車載センサとを含む
１．から３．のいずれか１つに記載の情報処理装置。
５．
前記解析結果は、前記センサ情報を用いた解析で検知された物体と、当該検知された物体の位置、動作、姿勢、検知された時刻、属性、周囲の状況、移動速度、移動経路の少なくとも１つを含む
１．から４．のいずれか１つに記載の情報処理装置。
６．
前記不審者検出手段は、前記車両が前記駐車場に駐車すると、前記解析結果を用いて、前記不審者を検出する
１．から５．のいずれか１つに記載の情報処理装置。
７．
前記居住者の位置情報と前記センサ情報を用いた解析で検知された前記居住者の履歴情報との少なくとも１つを用いて、前記在宅情報を生成する在宅情報生成手段をさらに備え、
前記不審者検出手段は、
前記在宅情報に基づいて、前記不審者を検出するためのレベルを設定するレベル設定手段と、
前記解析結果を用いて、前記特定の非不審者以外で前記設定されたレベルに応じた前記不審行為を行う前記不審者を検出する検出手段とを含む
２．に記載の情報処理装置。
８．
前記センサ情報を用いた解析で検知された居住者人物の履歴情報を用いて、前記住宅の居住者に関する居住者情報を生成する居住者情報生成手段をさらに備え、
前記居住者情報は、前記居住者が前記駐車場に駐車した前記車両を利用するために移動する経路のパターンである第１パターンを含み、
前記不審行為は、前記第１パターンとは異なる経路で移動して、前記車両から予め定められた範囲内に近接したことを含む
２．に記載の情報処理装置。
９．
前記センサ情報は、画像を含み、
前記在宅情報は、前記画像を用いた解析で検知された前記居住者の前記履歴情報を用いて生成された情報を含む
７．に記載の情報処理装置。
１０．
住宅の敷地から所定範囲を監視するセンサと、
前記センサで生成されたセンサ情報を解析する解析手段と、
前記解析結果を用いて、前記所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出する不審者検出手段と、
前記不審者が検出された場合に、報知部に報知させる報知制御手段とを備える
情報処理システム。
１１．
前記センサ情報を用いた解析で検知された人物の履歴情報を用いて、前記非不審者を特定する非不審者特定手段をさらに備える
１０．に記載の情報処理システム。
１２．
前記不審者検出手段は、前記解析結果及び前記住宅における居住者の在宅状況を示す在宅情報と、前記解析結果に含まれる人物の移動経路との少なくとも１つを用いて、前記不審者を検出する
１０．又は１１．に記載の情報処理システム。
１３．
前記センサは、複数であり、
複数の前記センサは、前記住宅に関連付けて設置される１つ以上の住宅センサと、前記駐車場に駐車した車両に搭載された１つ以上の車載センサとを含む
１０．から１２．のいずれか１つに記載の情報処理システム。
１４．
前記解析結果は、前記センサ情報を用いた解析で検知された物体と、当該検知された物体の位置、動作、姿勢、検知された時刻、属性、周囲の状況、移動速度、移動経路の少なくとも１つを含む
１０．から１３．のいずれか１つに記載の情報処理システム。
１５．
前記不審者検出手段は、前記車両が前記駐車場に駐車すると、前記解析結果を用いて、前記不審者を検出する
１０．から１６．のいずれか１つに記載の情報処理システム。
１６．
前記居住者の位置情報と前記センサ情報を用いた解析で検知された前記居住者の履歴情報との少なくとも１つを用いて、前記在宅情報を生成する在宅情報生成手段をさらに備え、
前記不審者検出手段は、
前記在宅情報に基づいて、前記不審者を検出するためのレベルを設定するレベル設定手段と、
前記解析結果を用いて、前記特定の非不審者以外で前記設定されたレベルに応じた前記不審行為を行う前記不審者を検出する検出手段とを含む
１１．に記載の情報処理システム。
１７．
前記センサ情報を用いた解析で検知された居住者人物の履歴情報を用いて、前記住宅の居住者に関する居住者情報を生成する居住者情報生成手段をさらに備え、
前記居住者情報は、前記居住者が前記駐車場に駐車した前記車両を利用するために移動する経路のパターンである第１パターンを含み、
前記不審行為は、前記第１パターンとは異なる経路で移動して、前記車両から予め定められた範囲内に近接したことを含む
１１．に記載の情報処理システム。
１８．
前記センサ情報は、画像を含み、
前記在宅情報は、前記画像を用いた解析で検知された前記居住者の前記履歴情報を用いて生成された情報を含む
１６．に記載の情報処理システム。
１９．
１つ以上のコンピュータが、
住宅の敷地から所定範囲を監視するセンサからのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出し、
前記不審者が検出された場合に、報知部に報知させる
情報処理方法。
２０．
さらに、前記センサ情報を用いた解析で検知された人物の履歴情報を用いて、前記非不審者を特定する
１９．に記載の情報処理方法。
２１．
前記不審者を検出することでは、前記解析結果及び前記住宅における居住者の在宅状況を示す在宅情報と、前記解析結果に含まれる人物の移動経路との少なくとも１つを用いて、前記不審者を検出する
１９．又は２０．に記載の情報処理方法。
２２．
前記センサは、複数であり、
複数の前記センサは、前記住宅に関連付けて設置される１つ以上の住宅センサと、前記駐車場に駐車した車両に搭載された１つ以上の車載センサとを含む
１９．から２１．のいずれか１つに記載の情報処理方法。
２３．
前記解析結果は、前記センサ情報を用いた解析で検知された物体と、当該検知された物体の位置、動作、姿勢、検知された時刻、属性、周囲の状況、移動速度、移動経路の少なくとも１つを含む
１９．から２２．のいずれか１つに記載の情報処理方法。
２４．
前記不審者を検出することでは、前記車両が前記駐車場に駐車すると、前記解析結果を用いて、前記不審者を検出する
１９．から２３．のいずれか１つに記載の情報処理方法。
２５．
さらに、前記居住者の位置情報と前記センサ情報を用いた解析で検知された前記居住者の履歴情報との少なくとも１つを用いて、前記在宅情報を生成し、
前記不審者を検出することでは、
前記在宅情報に基づいて、前記不審者を検出するためのレベルを設定し、
前記解析結果を用いて、前記特定の非不審者以外で前記設定されたレベルに応じた前記不審行為を行う前記不審者を検出する
２０．に記載の情報処理方法。
２６．
さらに、前記センサ情報を用いた解析で検知された居住者人物の履歴情報を用いて、前記住宅の居住者に関する居住者情報を生成し、
前記居住者情報は、前記居住者が前記駐車場に駐車した前記車両を利用するために移動する経路のパターンである第１パターンを含み、
前記不審行為は、前記第１パターンとは異なる経路で移動して、前記車両から予め定められた範囲内に近接したことを含む
２０．に記載の情報処理方法。
２７．
前記センサ情報は、画像を含み、
前記在宅情報は、前記画像を用いた解析で検知された前記居住者の前記履歴情報を用いて生成された情報を含む
２５．に記載の情報処理方法。
２８．
１つ以上のコンピュータに、
住宅の敷地から所定範囲を監視するセンサからのセンサ情報の解析結果を用いて、当該所定範囲の中の駐車場に駐車している車両に対して、特定の非不審者以外で不審行為を行う不審者を検出し、
前記不審者が検出された場合に、報知部に報知させることを実行させるためのプログラム。
２９．
前記１つ以上のコンピュータに、
さらに、前記センサ情報を用いた解析で検知された人物の履歴情報を用いて、前記非不審者を特定することを実行させる
２８．に記載のプログラム。
３０．
前記不審者を検出することでは、前記解析結果及び前記住宅における居住者の在宅状況を示す在宅情報と、前記解析結果に含まれる人物の移動経路との少なくとも１つを用いて、前記不審者を検出する
２８．又は２９．に記載のプログラム。
３０．
前記センサは、複数であり、
複数の前記センサは、前記住宅に関連付けて設置される１つ以上の住宅センサと、前記駐車場に駐車した車両に搭載された１つ以上の車載センサとを含む
２７．から２９．のいずれか１つに記載のプログラム。
３１．
前記解析結果は、前記センサ情報を用いた解析で検知された物体と、当該検知された物体の位置、動作、姿勢、検知された時刻、属性、周囲の状況、移動速度、移動経路の少なくとも１つを含む
２８．から３０．のいずれか１つに記載のプログラム。
３２．
前記不審者を検出することでは、前記車両が前記駐車場に駐車すると、前記解析結果を用いて、前記不審者を検出する
２８．から３１．のいずれか１つに記載のプログラム。
３３．
前記１つ以上のコンピュータに、
さらに、前記居住者の位置情報と前記センサ情報を用いた解析で検知された前記居住者の履歴情報との少なくとも１つを用いて、前記在宅情報を生成させ、
前記不審者を検出することでは、
前記在宅情報に基づいて、前記不審者を検出するためのレベルを設定し、
前記解析結果を用いて、前記特定の非不審者以外で前記設定されたレベルに応じた前記不審行為を行う前記不審者を検出する
２８．に記載のプログラム。
３４．
前記１つ以上のコンピュータに、
さらに、前記センサ情報を用いた解析で検知された居住者人物の履歴情報を用いて、前記住宅の居住者に関する居住者情報を生成させ、
前記居住者情報は、前記居住者が前記駐車場に駐車した前記車両を利用するために移動する経路のパターンである第１パターンを含み、
前記不審行為は、前記第１パターンとは異なる経路で移動して、前記車両から予め定められた範囲内に近接したことを含む
２８．に記載のプログラム。
３５．
前記センサ情報は、画像を含み、
前記在宅情報は、前記画像を用いた解析で検知された前記居住者の前記履歴情報を用いて生成された情報を含む
３３．に記載の情プログラム。
３６．
２８．から３５．のいずれか１つに記載のプログラムが記録された記録媒体。A part or all of the above-described embodiments can be described as, but are not limited to, the following supplementary notes.
1.
a suspicious person detection means for detecting a suspicious person other than a specific non-suspicious person who is engaging in suspicious behavior with respect to vehicles parked in a parking lot within a predetermined range by using an analysis result of sensor information from a sensor that monitors a predetermined range from the site of the house;
and a notification control means for causing a notification unit to notify when the suspicious person is detected.
2.
2. The information processing device according to claim 1, further comprising a non-suspicious person identification unit that identifies the non-suspicious person by using history information of a person detected by analysis using the sensor information.
3.
3. The information processing device according to claim 1, wherein the suspicious person detection means detects the suspicious person by using at least one of the analysis result, presence information indicating whether a resident of the house is at home, and a movement route of a person included in the analysis result.
4.
The sensor is a plurality of sensors,
The information processing device according to any one of 1. to 3., wherein the plurality of sensors includes one or more home sensors installed in association with the home, and one or more vehicle-mounted sensors mounted on a vehicle parked in the parking lot.
5.
5. The information processing device according to any one of 1. to 4., wherein the analysis result includes an object detected by analysis using the sensor information, and at least one of a position, a motion, a posture, a detection time, an attribute, a surrounding situation, a moving speed, and a moving route of the detected object.
6.
The information processing device according to any one of 1. to 5., wherein the suspicious person detection means detects the suspicious person by using the analysis result when the vehicle is parked in the parking lot.
7.
The home presence information generating means generates the home presence information by using at least one of the location information of the resident and the history information of the resident detected by the analysis using the sensor information,
The suspicious person detection means includes:
a level setting means for setting a level for detecting the suspicious person based on the presence-at-home information;
3. The information processing device according to 2, further comprising: a detection means for detecting a suspicious individual other than the specific non-suspicious individual who is performing the suspicious behavior according to the set level, using the analysis result.
8.
The home information generation unit further includes a resident information generation unit that generates resident information regarding a resident of the home using history information of the resident person detected by the analysis using the sensor information,
The resident information includes a first pattern, which is a pattern of a route that the resident takes to use the vehicle parked in the parking lot;
2. The information processing device according to 1, wherein the suspicious behavior includes traveling along a route different from the first pattern and approaching within a predetermined range from the vehicle.
9.
the sensor information includes an image;
8. The information processing device according to 7., wherein the presence-at-home information includes information generated using the history information of the resident detected by analysis using the image.
10.
A sensor that monitors a predetermined area from the site of the house;
an analysis means for analyzing sensor information generated by the sensor;
a suspicious person detection means for detecting a suspicious person who is acting suspiciously other than a specific non-suspicious person with respect to vehicles parked in the parking lot within the predetermined range using the analysis result;
and an alarm control means for causing an alarm unit to issue an alarm when the suspicious person is detected.
11.
11. The information processing system according to 10, further comprising a non-suspicious person identification means for identifying the non-suspicious person by using history information of a person detected by analysis using the sensor information.
12.
10. The information processing system according to claim 11, wherein the suspicious person detection means detects the suspicious person using at least one of the analysis result, presence information indicating whether a resident of the house is at home, and a movement route of a person included in the analysis result.
13.
The sensor is a plurality of sensors,
13. The information processing system according to any one of 10. to 12., wherein the plurality of sensors includes one or more residential sensors installed in association with the residence, and one or more vehicle-mounted sensors mounted on a vehicle parked in the parking lot.
14.
14. The information processing system according to any one of 10. to 13., wherein the analysis result includes an object detected by analysis using the sensor information, and at least one of a position, a motion, a posture, a detection time, an attribute, a surrounding situation, a moving speed, and a moving route of the detected object.
15.
17. The information processing system according to any one of 10. to 16., wherein the suspicious person detection means detects the suspicious person by using the analysis result when the vehicle is parked in the parking lot.
16.
The home presence information generating means generates the home presence information by using at least one of the location information of the resident and the history information of the resident detected by the analysis using the sensor information,
The suspicious person detection means includes:
a level setting means for setting a level for detecting the suspicious person based on the presence-at-home information;
12. The information processing system according to claim 11, further comprising: a detection means for detecting a suspicious individual other than the specific non-suspicious individual who is performing the suspicious behavior according to the set level, using the analysis result.
17.
The home information generation unit further includes a resident information generation unit that generates resident information regarding a resident of the home using history information of the resident person detected by the analysis using the sensor information,
The resident information includes a first pattern, which is a pattern of a route that the resident takes to use the vehicle parked in the parking lot;
12. The information processing system according to claim 11, wherein the suspicious behavior includes traveling along a route different from the first pattern and approaching within a predetermined range from the vehicle.
18.
the sensor information includes an image;
17. The information processing system according to claim 16, wherein the presence-at-home information includes information generated using the history information of the resident detected by analysis using the images.
19.
One or more computers
Using an analysis result of sensor information from a sensor monitoring a predetermined range from the site of the house, a suspicious person other than a specific non-suspicious person who is performing a suspicious act is detected with respect to a vehicle parked in a parking lot within the predetermined range,
and causing an alarm unit to notify the detection of the suspicious person.
20.
19. The information processing method according to 19., further comprising identifying the non-suspicious person by using history information of a person detected by the analysis using the sensor information.
21.
19. The information processing method according to claim 20, wherein the detecting of the suspicious person comprises detecting the suspicious person using at least one of the analysis result, presence information indicating whether a resident of the house is at home, and a movement route of a person included in the analysis result.
22.
The sensor is a plurality of sensors,
22. The information processing method according to any one of 19. to 21., wherein the plurality of sensors includes one or more home sensors installed in association with the home, and one or more vehicle sensors mounted on a vehicle parked in the parking lot.
23.
23. The information processing method according to any one of 19. to 22., wherein the analysis result includes an object detected by analysis using the sensor information, and at least one of a position, a motion, a posture, a detection time, an attribute, a surrounding situation, a moving speed, and a moving route of the detected object.
24.
24. The information processing method according to any one of 19. to 23., wherein the detecting of the suspicious person includes detecting the suspicious person using the analysis result when the vehicle is parked in the parking lot.
25.
Furthermore, the presence-at-home information is generated using at least one of location information of the resident and history information of the resident detected by analysis using the sensor information;
By detecting the suspicious person,
setting a level for detecting the suspicious person based on the presence-at-home information;
21. The information processing method according to claim 20, further comprising: detecting a suspicious individual other than the specific non-suspicious individual who is performing the suspicious behavior according to the set level using the analysis result.
26.
Furthermore, generating resident information regarding the resident of the house using history information of the resident person detected by the analysis using the sensor information;
The resident information includes a first pattern, which is a pattern of a route that the resident takes to use the vehicle parked in the parking lot;
20. The information processing method according to claim 20, wherein the suspicious behavior includes movement along a route different from the first pattern and approaching within a predetermined range from the vehicle.
27.
the sensor information includes an image;
26. The information processing method according to claim 25, wherein the presence-at-home information includes information generated using the history information of the resident detected by analysis using the images.
28.
On one or more computers,
Using an analysis result of sensor information from a sensor monitoring a predetermined range from the site of the house, a suspicious person other than a specific non-suspicious person who is performing a suspicious act is detected with respect to a vehicle parked in a parking lot within the predetermined range,
A program for causing the alarm unit to issue an alert when the suspicious person is detected.
29.
the one or more computers,
29. The program according to 28., further causing the computer to execute identifying the non-suspicious individual by using history information of the person detected by the analysis using the sensor information.
30.
28. The program according to claim 28 or 29, wherein the detecting of the suspicious person comprises detecting the suspicious person using at least one of the analysis result, presence information indicating whether a resident of the house is at home, and a movement route of a person included in the analysis result.
30.
The sensor is a plurality of sensors,
29. The program according to any one of 27. to 29., wherein the plurality of sensors includes one or more home sensors installed in association with the home, and one or more vehicle sensors installed in a vehicle parked in the parking lot.
31.
28. The program according to any one of claims 1 to 30, wherein the analysis result includes an object detected by analysis using the sensor information, and at least one of a position, a motion, a posture, a detection time, an attribute, a surrounding situation, a moving speed, and a moving route of the detected object.
32.
28. The program according to any one of claims 1 to 31, wherein the step of detecting a suspicious person comprises detecting the suspicious person using the analysis result when the vehicle is parked in the parking lot.
33.
the one or more computers,
Furthermore, the presence-at-home information is generated using at least one of location information of the resident and history information of the resident detected by analysis using the sensor information,
By detecting the suspicious person,
setting a level for detecting the suspicious person based on the presence-at-home information;
29. The program according to claim 28, further comprising: detecting a suspicious individual other than the specific non-suspicious individual who is performing the suspicious behavior according to the set level, using the analysis result.
34.
the one or more computers,
Furthermore, resident information regarding the resident of the house is generated using history information of the resident person detected by the analysis using the sensor information, and
The resident information includes a first pattern, which is a pattern of a route that the resident takes to use the vehicle parked in the parking lot;
29. The program according to claim 28, wherein the suspicious behavior includes traveling along a route different from the first pattern and approaching within a predetermined range from the vehicle.
35.
the sensor information includes an image;
33. The information program according to claim 32, wherein the presence-at-home information includes information generated using the history information of the resident detected by analysis using the images.
36.
A recording medium having the program according to any one of 28 to 35 recorded thereon.
この出願は、２０２４年１月１２日に出願された日本出願特願２０２４－００３１４５号を基礎とする優先権を主張し、その開示の全てをここに取り込む。This application claims priority based on Japanese Patent Application No. 2024-003145, filed on January 12, 2024, the entire disclosure of which is incorporated herein by reference.
Ｓ１～Ｓ４ 情報処理システム
１０ センサ
５０ 解析装置
５１ センサ情報取得部
５２ 解析部
１００，２００，３００，４００ 情報処理装置
１３０，３３０，４３０ 不審者検出部
１４０ 報知制御部
２５０ 非不審者特定部
３３１ レベル設定部
３３２ 検出部
３６０ 在宅情報生成部
４７０ 居住者情報生成部S1 to S4 Information processing system 10 Sensor 50 Analysis device 51 Sensor information acquisition unit 52 Analysis unit 100, 200, 300, 400 Information processing device 130, 330, 430 Suspicious person detection unit 140 Notification control unit 250 Non-suspicious person identification unit 331 Level setting unit 332 Detection unit 360 Presence information generation unit 470 Resident information generation unit
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2024-003145 | 2024-01-12 | ||
| JP2024003145 | 2024-01-12 |
| Publication Number | Publication Date |
|---|---|
| WO2025150526A1true WO2025150526A1 (en) | 2025-07-17 |
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/JP2025/000450PendingWO2025150526A1 (en) | 2024-01-12 | 2025-01-09 | Information processing device, information processing method, and recording medium |
| Country | Link |
|---|---|
| WO (1) | WO2025150526A1 (en) |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010117889A (en)* | 2008-11-13 | 2010-05-27 | Toyota Home Kk | Security system |
| JP2011013828A (en)* | 2009-06-30 | 2011-01-20 | Secom Co Ltd | Security system |
| JP2011107765A (en)* | 2009-11-12 | 2011-06-02 | Masafumi Hagiwara | Method and device for detecting suspicious action |
| JP2013088870A (en)* | 2011-10-13 | 2013-05-13 | Toyota Infotechnology Center Co Ltd | Suspicious person detecting device, and suspicious person detection method and program |
| JP2018190199A (en)* | 2017-05-08 | 2018-11-29 | 株式会社デンソー | Monitor device and crime prevention system |
| JP2019192191A (en)* | 2018-04-20 | 2019-10-31 | 美和ロック株式会社 | Housing management device, housing management method, and program |
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010117889A (en)* | 2008-11-13 | 2010-05-27 | Toyota Home Kk | Security system |
| JP2011013828A (en)* | 2009-06-30 | 2011-01-20 | Secom Co Ltd | Security system |
| JP2011107765A (en)* | 2009-11-12 | 2011-06-02 | Masafumi Hagiwara | Method and device for detecting suspicious action |
| JP2013088870A (en)* | 2011-10-13 | 2013-05-13 | Toyota Infotechnology Center Co Ltd | Suspicious person detecting device, and suspicious person detection method and program |
| JP2018190199A (en)* | 2017-05-08 | 2018-11-29 | 株式会社デンソー | Monitor device and crime prevention system |
| JP2019192191A (en)* | 2018-04-20 | 2019-10-31 | 美和ロック株式会社 | Housing management device, housing management method, and program |
| Publication | Publication Date | Title |
|---|---|---|
| KR102122859B1 (en) | Method for tracking multi target in traffic image-monitoring-system | |
| KR101850286B1 (en) | A deep learning based image recognition method for CCTV | |
| US11616932B1 (en) | Car security camera triggering mechanism | |
| KR101877294B1 (en) | Smart cctv system for crime prevention capable of setting multi situation and recognizing automatic situation by defining several basic behaviors based on organic relation between object, area and object's events | |
| Gandhi et al. | Pedestrian protection systems: Issues, survey, and challenges | |
| KR102122850B1 (en) | Solution for analysis road and recognition vehicle license plate employing deep-learning | |
| CN110895662A (en) | Vehicle overload alarm method and device, electronic equipment and storage medium | |
| KR102434154B1 (en) | Method for tracking multi target in traffic image-monitoring-system | |
| KR102174556B1 (en) | Apparatus for monitoring image to control traffic information employing Artificial Intelligence and vehicle number | |
| KR102015959B1 (en) | INTELLIGENT SECURITY SYSTEM BASED ON DEEP LEARNING USING IoT CAMERA AND METHOD FOR PROCESSING THEREOF | |
| Agrawal et al. | Automatic traffic accident detection system using ResNet and SVM | |
| Doshi et al. | An efficient approach for anomaly detection in traffic videos | |
| WO2021014464A1 (en) | System, multi-utility device and method to monitor vehicles for road saftey | |
| KR102789559B1 (en) | Traffic accident prediction method and system | |
| US12264920B2 (en) | Techniques for detecting a tracking vehicle | |
| CN111932889A (en) | Traffic dispersion system based on vehicle-road cooperation | |
| KR102600339B1 (en) | System for recognizing multi-object based on deep learning | |
| KR101842488B1 (en) | Smart monitoring system applied with patten recognition technic based on detection and tracking of long distance-moving object | |
| JP7652229B2 (en) | Monitoring device, monitoring method, and program | |
| KR102538548B1 (en) | System for recognizing and monitoring object based on deep learning | |
| WO2025150526A1 (en) | Information processing device, information processing method, and recording medium | |
| KR20240145177A (en) | Vehicle safety system with hazard detection and method using the same | |
| KR20210094365A (en) | Apparatus, method and computer program for determining abnormal situation based on motion data of object | |
| KR101407394B1 (en) | System for abandoned and stolen object detection | |
| KR101669885B1 (en) | method of detecting pedestrian collision and IoT apparatus thereof |
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application | Ref document number:25738794 Country of ref document:EP Kind code of ref document:A1 |