[发明专利]异常行为检测装置

说明书

技术领域

本发明涉及一种异常行为检测装置，该异常行为检测装置使用由摄像机拍摄的图像来检测人物等的异常行为。 

背景技术

为了应对犯罪发生率的增加等社会问题，以监视可疑人员为目的的摄像机的设置数量正在增加。在使用多台摄像机进行监视时，需要使用监视支援技术，使得有限的监视员能够有效地对整个监视区域进行监视。 

作为上述监视支援技术，已知有日本国专利特开2006-79272号公报(专利文献1)中所记载的“异常动作检测装置以及异常动作检测方法”。在该专利中公开了被称为立体高阶局部自我相关特征(CHLAC)的运动图像的特征量提取方法。并且，该专利还公开了对图像中的人物的正常行为进行学习，并且将超出了所学习的正常行为范围的行为检测为异常行为的技术。 

此外，在日本国专利特开2007-131382号公报(专利文献2)所记载的“电梯的轿厢内监视装置以及监视程序”中公开了一种技术，其预先准备多个用来检测和判断摔倒和暴力行为等异常行为的判断装置，以根据电梯轿厢内的乘客数量来切换用于检测的判断装置。 

专利文献1日本国专利特开2006-79272号公报 

专利文献2日本国专利特开2007-131382号公报 

在日本国专利特开2006-79272号公报所公开的现有技术中，其预先对正常行为进行学习，并根据该学习数据将超出了正常行为范围的行为判断为异常行为。该技术的优点是能够通过学习灵活地设定正常行为与异常行为的界限。但是，由于该方法以使用单一的学习数据进行学习为前提，因此无法处理因各种条件而导致正常行为与异常行为的界限发生了变动时的情况。例如，在判断是否存在会对他人造成伤害的危险性时，因人数的不同，正常行为与异常行为之间的界限可能会发生变化。在只有一个人时，即使其动作粗暴，也不存在对他人造成伤害的危险性。因此，可以将该种情况视为正常。但是，如果有多个人存在，则上述粗暴动作对他人造成危害的危险性就比较大。因此优选将该种情况视为异常。而使用单一的学习数据进行学习的技术无法解决如上所述的问题。 

此外，日本国专利特开2007-131382号公报所公开的现有技术能够根 据人数来切换检测对象。但是，该技术需要对摔倒和暴力行为等检测对象的各种异常行为分别开发检测装置。而检测装置的开发一般需要以直观的方式对各种异常行为进行模式化，因此存在花费劳力并且难度较高等问题。 

发明内容

本发明的目的在于提供一种即使在正常行为和异常行为之间的界限动态变化的情况下，仍然能够正确地检测出异常行为的异常行为检测装置。 

为了实现上述目的，本发明的异常行为检测装置具有：影像获取部分，其用于获取监视对象的影像；人数检测部分，其用于检测由所述影像获取部分获取的影像中的人数；学习数据选择部分，其根据由所述人数检测部分检测到的人数从正常行为的多个学习数据中选择一个学习数据；非正常行为检测部分，其使用由所述学习数据选择部分所选择的正常行为的学习数据，将由所述影像获取部分获取的影像中的非正常行为检测为异常行为；以及告警部分，其在根据所述非正常行为检测部分的检测结果表示发生了异常行为时将发生了异常行为这一情况通知外部装置，所述非正常行为检测部分包括：运动提取部分，其从由所述影像获取部分获取的影像中提取发生了运动的部分；特征量计算部分，其计算由所述运动提取部分所生成的影像的特征量；特征量变换部分，其使用由所述学习数据选择部分所选择的学习数据的变换矩阵对由所述特征量计算部分算出的特征量向量进行坐标变换；非正常度计算部分，其使用由所述特征量变换部分算出的新的特征量向量来计算表示与所学习的正常行为之间的偏离程度的非正常度；以及非正常判断部分，其根据由所述非正常度计算部分算出的非正常度来判断是否发生了异常行为，所述多个学习数据包括一人学习数据和多人学习数据，该一人学习数据是通过预先对人数为一个人时的正常行为进行学习而获得的学习数据，该多人学习数据是通过预先对人数为多个人时的正常行为进行学习而获得的学习数据，当所述人数检测部分的输出中的人数为一个人时，所述学习数据选择部分选择所述一人学习数据，而当所述人数检测部分的输出中的人数为多个人时，所述学习数据选择部分选择所述多人学习数据。 

发明效果 

根据本发明，由于根据图像中的人数来选择适当的正常行为的学习数据，并根据该学习数据来判断异常行为，因此，即使在因人数的不同而导致行为模式出现很大差异的情况下，仍然能够按照用户的意图高精度地检测出异常行为。