JP7722331B2 - 犯罪防止装置及び犯罪防止方法 - Google Patents
犯罪防止装置及び犯罪防止方法Info
- Publication number
- JP7722331B2 JP7722331B2 JP2022174298A JP2022174298A JP7722331B2 JP 7722331 B2 JP7722331 B2 JP 7722331B2 JP 2022174298 A JP2022174298 A JP 2022174298A JP 2022174298 A JP2022174298 A JP 2022174298A JP 7722331 B2 JP7722331 B2 JP 7722331B2
- Authority
- JP
- Japan
- Prior art keywords
- pedestrian
- vehicle
- patrol
- crime prevention
- travel area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19639—Details of the system layout
- G08B13/19647—Systems specially adapted for intrusion detection in or around a vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Operations Research (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Description
本発明は、犯罪防止装置及び犯罪防止方法に関する。
特許文献１には、運行指令に基づいて自動で巡回する複数の移動体の外部の情報を取得
し、同じ地域を移動した移動体の各々により取得される情報に基づいて、地域毎の巡回指
令を決定し、決定された地域の巡回方針に応じて運行指令を生成する自動運転システムが
記載されている。
し、同じ地域を移動した移動体の各々により取得される情報に基づいて、地域毎の巡回指
令を決定し、決定された地域の巡回方針に応じて運行指令を生成する自動運転システムが
記載されている。
特許文献１に記載されている自動運転システムは、外部の情報として人の数を取得し、
人の数が少ない地域は多い地域よりも巡回頻度が高くなるように巡回方針を決定する。し
かしながら、巡回方針を決定する際に、人の属性や、車両の往来量（以下、車両往来量と
いう）を考慮していない。このため、子供又は高齢者などのより犯罪に巻き込まれる可能
性が高い人が、車両往来量が少ない場所を歩行しているような、歩行者が犯罪に巻き込ま
れる危険度が高い状況を検出し、そのような状況を優先的に巡回することできない。
人の数が少ない地域は多い地域よりも巡回頻度が高くなるように巡回方針を決定する。し
かしながら、巡回方針を決定する際に、人の属性や、車両の往来量（以下、車両往来量と
いう）を考慮していない。このため、子供又は高齢者などのより犯罪に巻き込まれる可能
性が高い人が、車両往来量が少ない場所を歩行しているような、歩行者が犯罪に巻き込ま
れる危険度が高い状況を検出し、そのような状況を優先的に巡回することできない。
本発明は、移動体を利用してより効果的に防犯することができる犯罪防止装置及び犯罪
防止方法を提供することを目的とする。
防止方法を提供することを目的とする。
本発明は、車両から送信された撮像画像を受信し、撮像画像から歩行者を検出する歩行
者検出部と、撮像画像から歩行者の属性を推定する歩行者属性推定部と、撮像画像に基づ
き歩行者が歩行する歩行者進行領域を推定する歩行者進行領域推定部と、歩行者進行領域
内の車両往来量を算出する車両往来量算出部と、歩行者の属性と歩行者進行領域内の車両
往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する危険度算出部と、危険
度が予め設定された閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指令を移
動体へ送信する巡回指令部と、を備える犯罪防止装置を提供する。
者検出部と、撮像画像から歩行者の属性を推定する歩行者属性推定部と、撮像画像に基づ
き歩行者が歩行する歩行者進行領域を推定する歩行者進行領域推定部と、歩行者進行領域
内の車両往来量を算出する車両往来量算出部と、歩行者の属性と歩行者進行領域内の車両
往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する危険度算出部と、危険
度が予め設定された閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指令を移
動体へ送信する巡回指令部と、を備える犯罪防止装置を提供する。
本発明は、車両から送信された撮像画像を受信し、撮像画像から歩行者を検出し、撮像
画像から歩行者の属性を推定し、撮像画像に基づき歩行者が歩行する歩行者進行領域を推
定し、歩行者進行領域内の車両往来量を算出し、歩行者の属性と歩行者進行領域内の車両
往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出し、危険度が予め設定され
た閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指令を送信する犯罪防止方
法を提供する。
画像から歩行者の属性を推定し、撮像画像に基づき歩行者が歩行する歩行者進行領域を推
定し、歩行者進行領域内の車両往来量を算出し、歩行者の属性と歩行者進行領域内の車両
往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出し、危険度が予め設定され
た閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指令を送信する犯罪防止方
法を提供する。
本発明に係る犯罪防止装置及び犯罪防止方法によれば、移動体を利用してより効果的に
防犯することができる。
防犯することができる。
以下、本発明の具体的な実施形態について、図面を参照して説明する。図面の記載にお
いて同一部分には同一符号を付して説明を省略する。
いて同一部分には同一符号を付して説明を省略する。
［犯罪防止システムの概要］
本実施形態に係る犯罪防止装置を含む犯罪防止システム１の概要について、図１を参照
しながら説明する。図１は、犯罪防止システム１の概略構成を示す図である。本実施形態
に係る犯罪防止システム１は、道路を走行する車両４０と、与えられた巡回指令に基づい
て自律走行を行う複数の自動運転車両５０と、車両４０及び自動運転車両５０から送信さ
れる情報を収集して管理し、自動運転車両５０に巡回指令を発行するサーバ２０と、を含
んでいる。本実施形態では、犯罪防止装置は、サーバ２０のＣＰＵ（Ｃｅｎｔｒａｌ Ｐ
ｒｏｓｅｓｓｉｎｇ Ｕｎｉｔ）２３として実装される。
本実施形態に係る犯罪防止装置を含む犯罪防止システム１の概要について、図１を参照
しながら説明する。図１は、犯罪防止システム１の概略構成を示す図である。本実施形態
に係る犯罪防止システム１は、道路を走行する車両４０と、与えられた巡回指令に基づい
て自律走行を行う複数の自動運転車両５０と、車両４０及び自動運転車両５０から送信さ
れる情報を収集して管理し、自動運転車両５０に巡回指令を発行するサーバ２０と、を含
んでいる。本実施形態では、犯罪防止装置は、サーバ２０のＣＰＵ（Ｃｅｎｔｒａｌ Ｐ
ｒｏｓｅｓｓｉｎｇ Ｕｎｉｔ）２３として実装される。
サーバ２０と車両４０及びサーバ２０と複数の自動運転車両５０とは、ネットワーク３
０によって相互に接続される。本実施形態では、サーバ２０、車両４０、及び自動運転車
両５０は、無線通信方式によってネットワーク３０と接続されている。なお、図１に示す
犯罪防止システム１は、例示的に１台の車両４０と２台の自動運転車両５０を含んでいる
が、車両４０は２台以上であってもよいし、自動運転車両５０は３台以上であってもよい
。車両４０及び自動運転車両５０の数は、特に限定されない。複数の自動運転車両５０は
、例えば、防犯対策等のために所定の巡回経路に従って道路を巡回する車両であってもよ
いし、所定の待機場所に待機していて巡回指令を受けて巡回を開始する車両であってもよ
い。なお、複数の自動運転車両５０の代わりに、ドローン等の遠隔操作又は自動運転が可
能な移動体を用いてもよい。また、サーバ２０は、車両４０又は自動運転車両５０に搭載
されてもよく、車両４０又は自動運転車両５０と一体の構成であってもよい。
０によって相互に接続される。本実施形態では、サーバ２０、車両４０、及び自動運転車
両５０は、無線通信方式によってネットワーク３０と接続されている。なお、図１に示す
犯罪防止システム１は、例示的に１台の車両４０と２台の自動運転車両５０を含んでいる
が、車両４０は２台以上であってもよいし、自動運転車両５０は３台以上であってもよい
。車両４０及び自動運転車両５０の数は、特に限定されない。複数の自動運転車両５０は
、例えば、防犯対策等のために所定の巡回経路に従って道路を巡回する車両であってもよ
いし、所定の待機場所に待機していて巡回指令を受けて巡回を開始する車両であってもよ
い。なお、複数の自動運転車両５０の代わりに、ドローン等の遠隔操作又は自動運転が可
能な移動体を用いてもよい。また、サーバ２０は、車両４０又は自動運転車両５０に搭載
されてもよく、車両４０又は自動運転車両５０と一体の構成であってもよい。
車両４０は、走行中に撮像画像を取得している。なお、車両４０は、走行中に、夜間の
照明の明るさに関する情報等の、防犯に関連する情報をさらに取得してもよい。車両４０
が取得した撮像画像及び各種の情報は、サーバ２０に送信される。車両４０は、運転者が
運転する手動運転の車両であってもよく、自動運転車両であってもよい。
照明の明るさに関する情報等の、防犯に関連する情報をさらに取得してもよい。車両４０
が取得した撮像画像及び各種の情報は、サーバ２０に送信される。車両４０は、運転者が
運転する手動運転の車両であってもよく、自動運転車両であってもよい。
サーバ２０は、車両４０から送信された撮像画像から歩行者を検出し、検出された歩行
者が犯罪に巻き込まれる危険度を算出する。サーバ２０は、危険度が予め設定された所定
値より高い場合に、検出された歩行者の歩行者進行領域内を巡回するような巡回指令を生
成し、自動運転車両５０へ送信する。巡回指令を受信した自動運転車両５０は、巡回指令
にしたがって運行計画を生成し、この運行計画にしたがって走行する。
者が犯罪に巻き込まれる危険度を算出する。サーバ２０は、危険度が予め設定された所定
値より高い場合に、検出された歩行者の歩行者進行領域内を巡回するような巡回指令を生
成し、自動運転車両５０へ送信する。巡回指令を受信した自動運転車両５０は、巡回指令
にしたがって運行計画を生成し、この運行計画にしたがって走行する。
［犯罪防止システムの構成］
次に、図２を参照して、犯罪防止システム１の各構成要素について、詳細に説明する。
図２は、図１に示す犯罪防止システム１の構成例を概略的に示したブロック図である。な
お、図２において車両４０及び自動運転車両５０は例示的に１台ずつ示しているが、実際
には各々が複数台存在してもよい。本実施の形態に係る犯罪防止システム１は、予め登録
された車両４０および自動運転車両５０の各々を個別に特定することができるように、車
両４０および自動運転車両５０の各々を識別するための個別の車両ＩＤを管理している。
犯罪防止システム１は、各車両４０に搭載されている情報送信装置４００のＩＤを車両４
０の車両ＩＤとして管理してもよく、各自動運転車両５０に搭載されている自動運転車両
制御装置５００のＩＤを自動運転車両５０の車両ＩＤとして管理してもよい。
次に、図２を参照して、犯罪防止システム１の各構成要素について、詳細に説明する。
図２は、図１に示す犯罪防止システム１の構成例を概略的に示したブロック図である。な
お、図２において車両４０及び自動運転車両５０は例示的に１台ずつ示しているが、実際
には各々が複数台存在してもよい。本実施の形態に係る犯罪防止システム１は、予め登録
された車両４０および自動運転車両５０の各々を個別に特定することができるように、車
両４０および自動運転車両５０の各々を識別するための個別の車両ＩＤを管理している。
犯罪防止システム１は、各車両４０に搭載されている情報送信装置４００のＩＤを車両４
０の車両ＩＤとして管理してもよく、各自動運転車両５０に搭載されている自動運転車両
制御装置５００のＩＤを自動運転車両５０の車両ＩＤとして管理してもよい。
サーバ２０は、車両４０及び複数の自動運転車両５０の情報を管理し、自動運転車両５
０の各々に巡回指令を送信する装置である。サーバ２０は、ネットワーク３０を介して車
両４０及び複数の自動運転車両５０と通信する。サーバ２０は、通信装置２１と、記憶装
置２２と、ＣＰＵ２３と、メモリ（図示せず）とを備え、これらの構成要素が図示しない
バスなどを介して電気的に接続されている。サーバ２０の設置場所は特に限定されないが
、例えばサーバ２０は、自動運転車両５０を利用して地域の防犯サービスを提供する事業
者の管理センタに設置される。
０の各々に巡回指令を送信する装置である。サーバ２０は、ネットワーク３０を介して車
両４０及び複数の自動運転車両５０と通信する。サーバ２０は、通信装置２１と、記憶装
置２２と、ＣＰＵ２３と、メモリ（図示せず）とを備え、これらの構成要素が図示しない
バスなどを介して電気的に接続されている。サーバ２０の設置場所は特に限定されないが
、例えばサーバ２０は、自動運転車両５０を利用して地域の防犯サービスを提供する事業
者の管理センタに設置される。
本実施形態では、サーバ２０、車両４０、及び自動運転車両５０は、無線通信方式によ
ってネットワーク３０と接続されている。
ってネットワーク３０と接続されている。
通信装置２１は、ネットワーク３０を介して車両４０及び自動運転車両５０との間で互
いに通信する。なお、通信装置２１は、例えば、４Ｇ／ＬＴＥなどのモバイル通信機能を
備えたデバイスであってもよいし、無線ＬＡＮ通信機能を備えたデバイスであってもよい
。
いに通信する。なお、通信装置２１は、例えば、４Ｇ／ＬＴＥなどのモバイル通信機能を
備えたデバイスであってもよいし、無線ＬＡＮ通信機能を備えたデバイスであってもよい
。
記憶装置２２は、防犯サービスに必要な各種の情報やデータベースを格納する。記憶装
置２２は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの記憶媒体である。記憶装置
２２は、例えば、位置情報データベース２２１と、属性情報データベース２２２と、リス
ク値データベース２２３とを備える。各種のデータベースの詳細については、図３～図５
を参照して後述する。
置２２は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの記憶媒体である。記憶装置
２２は、例えば、位置情報データベース２２１と、属性情報データベース２２２と、リス
ク値データベース２２３とを備える。各種のデータベースの詳細については、図３～図５
を参照して後述する。
ＣＰＵ２３はサーバ２０を制御する。ＣＰＵ２３は、記憶装置２２などに記憶されてい
る様々なプログラムをメモリに読み込んで、プログラムに含まれる各種の命令を実行する
。メモリは、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａ
ｃｃｅｓｓ Ｍｅｍｏｒｙ）などの記憶媒体である。
る様々なプログラムをメモリに読み込んで、プログラムに含まれる各種の命令を実行する
。メモリは、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａ
ｃｃｅｓｓ Ｍｅｍｏｒｙ）などの記憶媒体である。
ＣＰＵ２３は、機能的な構成例として、位置情報管理部２３１と、歩行者検出部２３２
と、歩行者属性推定部２３３と、歩行者進行領域推定部２３４と、車両往来量算出部２３
５と、危険度算出部２３６と、巡回指令部２３７とを備える。ＣＰＵ２３の各機能の詳細
については、図６を参照して後述する。
と、歩行者属性推定部２３３と、歩行者進行領域推定部２３４と、車両往来量算出部２３
５と、危険度算出部２３６と、巡回指令部２３７とを備える。ＣＰＵ２３の各機能の詳細
については、図６を参照して後述する。
車両４０は、通信装置４１と、カメラ４２と、記憶装置４３と、ＧＰＳ受信機４４とを
含む情報送信装置４００を搭載している。
含む情報送信装置４００を搭載している。
通信装置４１は、通信装置２１と同様の構成を備えており、ネットワーク３０を介して
サーバ２０との間で互いに通信する。
サーバ２０との間で互いに通信する。
カメラ４２は、車両４０の外部を撮像する撮像機器である。カメラ４２は、例えばＣＣ
Ｄ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）イメージセンサ又はＣＭＯＳ（Ｃｏ
ｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメ
ージセンサ等の撮像素子を用いて被写体を撮像する。撮像により得られる画像は、静止画
又は動画の何れであってもよい。カメラ４２は、例えば、車両のフロントガラスの裏側に
設けられ、車両４０の少なくとも進行方向（前方）を撮像するが、カメラ４２が撮像する
方向は特定の方向に限定されず、車両４０の全方位を撮像してもよい。カメラ４２によっ
て撮像された撮像画像は、記憶装置４３に記憶され、任意のタイミングでサーバ２０に送
信される。記憶装置４３は各種の情報を記憶する。記憶装置４３は、ＲＡＭ、磁気ディス
ク、フラッシュメモリなどの任意の記憶媒体である。
Ｄ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）イメージセンサ又はＣＭＯＳ（Ｃｏ
ｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメ
ージセンサ等の撮像素子を用いて被写体を撮像する。撮像により得られる画像は、静止画
又は動画の何れであってもよい。カメラ４２は、例えば、車両のフロントガラスの裏側に
設けられ、車両４０の少なくとも進行方向（前方）を撮像するが、カメラ４２が撮像する
方向は特定の方向に限定されず、車両４０の全方位を撮像してもよい。カメラ４２によっ
て撮像された撮像画像は、記憶装置４３に記憶され、任意のタイミングでサーバ２０に送
信される。記憶装置４３は各種の情報を記憶する。記憶装置４３は、ＲＡＭ、磁気ディス
ク、フラッシュメモリなどの任意の記憶媒体である。
ＧＰＳ受信機４４によって取得された車両４０の位置情報は、任意のタイミングでサー
バ２０に送信される。ＧＰＳ受信機４４は、複数の人工衛星からの信号を受信し、受信し
た信号をＧＰＳ受信機に搭載されるＣＰＵ（図示せず）に供給して、地上における車両４
０の位置情報を算出する。なお、「ＧＰＳ」は「Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ
Ｓｙｓｔｅｍ：グローバル・ポジショニング・システム」の略称である。
バ２０に送信される。ＧＰＳ受信機４４は、複数の人工衛星からの信号を受信し、受信し
た信号をＧＰＳ受信機に搭載されるＣＰＵ（図示せず）に供給して、地上における車両４
０の位置情報を算出する。なお、「ＧＰＳ」は「Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ
Ｓｙｓｔｅｍ：グローバル・ポジショニング・システム」の略称である。
自動運転車両５０は、サーバ２０から受信した巡回指令に基づいて自律走行する車両で
ある。自動運転車両５０は、通信装置５１と、カメラ５２と、記憶装置５３と、ＧＰＳ受
信機５４と、車両ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）５５とを
含む自動運転車両制御装置５００を搭載している。通信装置５１、カメラ５２、記憶装置
５３及びＧＰＳ受信機５４の構成は、車両４０の情報送信装置４００の通信装置４１、カ
メラ４２、記憶装置４３及びＧＰＳ受信機４４の構成と同様であるため、説明を省略する
。
ある。自動運転車両５０は、通信装置５１と、カメラ５２と、記憶装置５３と、ＧＰＳ受
信機５４と、車両ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）５５とを
含む自動運転車両制御装置５００を搭載している。通信装置５１、カメラ５２、記憶装置
５３及びＧＰＳ受信機５４の構成は、車両４０の情報送信装置４００の通信装置４１、カ
メラ４２、記憶装置４３及びＧＰＳ受信機４４の構成と同様であるため、説明を省略する
。
車両ＥＣＵ５３は、自動運転車両５０の走行を制御するためのコンピュータである。車
両ＥＣＵ５３は、ネットワーク３０を介してサーバ２０から巡回指令を受信し、受信した
巡回指令に基づいて、適切な方法で自動運転車両５０を走行させるよう制御する。車両Ｅ
ＣＵ５３は、巡回指令に基づいて、各種のアクチュエータ（ブレーキアクチュエータ、ア
クセルアクチュエータ、ステアリングアクチュエータなど）を制御する。
両ＥＣＵ５３は、ネットワーク３０を介してサーバ２０から巡回指令を受信し、受信した
巡回指令に基づいて、適切な方法で自動運転車両５０を走行させるよう制御する。車両Ｅ
ＣＵ５３は、巡回指令に基づいて、各種のアクチュエータ（ブレーキアクチュエータ、ア
クセルアクチュエータ、ステアリングアクチュエータなど）を制御する。
次に、図３～図５を参照しながら、記憶装置２２の各種のデータベースについて説明す
る。なお図示は省略するが、記憶装置２２は、車両ＩＤと、車両ＩＤが付与された車両の
車両情報とを対応付けて管理するデータベースをさらに備えていてもよく、サーバ２０は
、各車両ＩＤにより、車両４０と、自動運転車両５０とを識別できる。
る。なお図示は省略するが、記憶装置２２は、車両ＩＤと、車両ＩＤが付与された車両の
車両情報とを対応付けて管理するデータベースをさらに備えていてもよく、サーバ２０は
、各車両ＩＤにより、車両４０と、自動運転車両５０とを識別できる。
位置情報データベース２２１は、車両４０及び自動運転車両５０の各々の位置情報を管
理するデータベースである。位置情報データベース２２１は、一例として図３に示される
ように、車両４０及び自動運転車両５０の各々の車両ＩＤと、車両４０及び自動運転車両
５０の各々から受信した、各々の位置座標の情報がリアルタイムで記憶されるように構成
されている。
理するデータベースである。位置情報データベース２２１は、一例として図３に示される
ように、車両４０及び自動運転車両５０の各々の車両ＩＤと、車両４０及び自動運転車両
５０の各々から受信した、各々の位置座標の情報がリアルタイムで記憶されるように構成
されている。
属性情報データベース２２２には、車両４０が撮像した撮像画像から検出された歩行者
に関する情報が記憶される。属性情報データベース２２２は、一例として図４に示される
ように、撮像画像から検出された歩行者毎に、歩行者ＩＤ、性別、年齢、同伴者の有無及
び各歩行者が検出された位置座標の情報が記憶されるように構成される。以下の説明では
、歩行者の性別と年齢を、歩行者の属性ということがある。歩行者の検出方法及び歩行者
の属性と同伴者の有無の推定方法については後述する。なお、図４の例では、歩行者の年
齢は子供、大人（若い）、大人（若くない）、高齢者の４分類で記憶されるが、歩行者の
年齢の分類はこれに限るものではない。
に関する情報が記憶される。属性情報データベース２２２は、一例として図４に示される
ように、撮像画像から検出された歩行者毎に、歩行者ＩＤ、性別、年齢、同伴者の有無及
び各歩行者が検出された位置座標の情報が記憶されるように構成される。以下の説明では
、歩行者の性別と年齢を、歩行者の属性ということがある。歩行者の検出方法及び歩行者
の属性と同伴者の有無の推定方法については後述する。なお、図４の例では、歩行者の年
齢は子供、大人（若い）、大人（若くない）、高齢者の４分類で記憶されるが、歩行者の
年齢の分類はこれに限るものではない。
リスク値データベース２２３は、一例として図５に示されるように、性別、年齢及び同
伴者の有無の組み合わせの条件毎に、予め設定された各条件での犯罪リスクの高さを示す
リスク値が記憶されるように構成されている。リスク値は、例えば、大人よりも子供や高
齢者の方が高くなるように設定され、男性よりも女性の方が高くなるように設定される。
また、同伴者有りよりも同伴者無しの方が高くなるように設定される。リスク値は、例え
ば、女性かつ子供で、同伴者無しの場合に最も高くなるように設定される。リスク値デー
タベース２２３は、例えば子供には４点、女性には３点、高齢者には２点、同伴者無しに
は２点のように、歩行者の性別、年齢や同伴者の有無などの要素毎に予め設定されたリス
ク値を記憶するように構成されてもよい。リスク値の設定方法は、特に限定するものでは
なく、過去の犯罪のデータなどから歩行者の属性に応じた危険度を設定してもよい。
伴者の有無の組み合わせの条件毎に、予め設定された各条件での犯罪リスクの高さを示す
リスク値が記憶されるように構成されている。リスク値は、例えば、大人よりも子供や高
齢者の方が高くなるように設定され、男性よりも女性の方が高くなるように設定される。
また、同伴者有りよりも同伴者無しの方が高くなるように設定される。リスク値は、例え
ば、女性かつ子供で、同伴者無しの場合に最も高くなるように設定される。リスク値デー
タベース２２３は、例えば子供には４点、女性には３点、高齢者には２点、同伴者無しに
は２点のように、歩行者の性別、年齢や同伴者の有無などの要素毎に予め設定されたリス
ク値を記憶するように構成されてもよい。リスク値の設定方法は、特に限定するものでは
なく、過去の犯罪のデータなどから歩行者の属性に応じた危険度を設定してもよい。
次に、図６を参照しながら、サーバ２０のＣＰＵ２３の各機能の詳細について説明する
。図６の例では、自動運転車両５０ａ～５０ｃがある地域を巡回しており、車両４０が道
路を走行しており、車両４０の付近に歩行者６０が存在する。車両４０が撮像した撮像画
像には歩行者６０が映っているものとする。図６において、車両４０は図２に示す車両４
０の構成を有し、車両４０の各々の位置情報及び車両４０が撮像した撮像画像を、ネット
ワーク３０を介してサーバ２０に送信する。自動運転車両５０ａ～５０ｃは図２に示す自
動運転車両５０の構成を有し、自動運転車両５０ａ～５０ｃの各々の位置情報を、ネット
ワーク３０を介してサーバ２０に送信する。
。図６の例では、自動運転車両５０ａ～５０ｃがある地域を巡回しており、車両４０が道
路を走行しており、車両４０の付近に歩行者６０が存在する。車両４０が撮像した撮像画
像には歩行者６０が映っているものとする。図６において、車両４０は図２に示す車両４
０の構成を有し、車両４０の各々の位置情報及び車両４０が撮像した撮像画像を、ネット
ワーク３０を介してサーバ２０に送信する。自動運転車両５０ａ～５０ｃは図２に示す自
動運転車両５０の構成を有し、自動運転車両５０ａ～５０ｃの各々の位置情報を、ネット
ワーク３０を介してサーバ２０に送信する。
ＣＰＵ２３の位置情報管理部２３１は、予め登録された車両４０及び自動運転車両５０
ａ～５０ｃの位置情報を収集して管理する。位置情報管理部２３１は、例えば、所定の周
期で車両４０及び自動運転車両５０ａ～５０ｃから位置情報を受信し、車両４０及び自動
運転車両５０ａ～５０ｃの車両ＩＤと関連付けて、位置情報データベース２２１に記憶さ
せる。
ａ～５０ｃの位置情報を収集して管理する。位置情報管理部２３１は、例えば、所定の周
期で車両４０及び自動運転車両５０ａ～５０ｃから位置情報を受信し、車両４０及び自動
運転車両５０ａ～５０ｃの車両ＩＤと関連付けて、位置情報データベース２２１に記憶さ
せる。
歩行者検出部２３２は、車両４０から送信された車両４０が撮像した撮像画像を受信し
、撮像画像から歩行者６０を検出する。本実施形態では、歩行者検出部２３２は、車両４
０が撮像した撮像画像を解析することにより、歩行者６０を検出する。この画像解析には
公知の方法を採用することができる。歩行者検出部２３２は、歩行者６０を検出した撮像
画像を取得した時点での車両４０の位置情報に基づいて、歩行者６０の位置情報を検出す
る。
、撮像画像から歩行者６０を検出する。本実施形態では、歩行者検出部２３２は、車両４
０が撮像した撮像画像を解析することにより、歩行者６０を検出する。この画像解析には
公知の方法を採用することができる。歩行者検出部２３２は、歩行者６０を検出した撮像
画像を取得した時点での車両４０の位置情報に基づいて、歩行者６０の位置情報を検出す
る。
歩行者属性推定部２３３は、歩行者検出部２３２により歩行者６０が検出された場合に
、撮像画像から歩行者６０の属性を推定する。歩行者属性推定部２３３は、歩行者６０の
同伴者の有無、すなわち歩行者６０が単数か複数かを推定する。本実施形態では、歩行者
属性推定部２３３は、歩行者６０が検出された撮像画像をさらに解析することにより、歩
行者６０の属性を推定する。この画像解析には公知の方法を採用することができる。
、撮像画像から歩行者６０の属性を推定する。歩行者属性推定部２３３は、歩行者６０の
同伴者の有無、すなわち歩行者６０が単数か複数かを推定する。本実施形態では、歩行者
属性推定部２３３は、歩行者６０が検出された撮像画像をさらに解析することにより、歩
行者６０の属性を推定する。この画像解析には公知の方法を採用することができる。
歩行者属性推定部２３３は、例えば、検出された歩行者６０の顔を検出し、歩行者６０
の性別、年齢を推定する。歩行者属性推定部２３３は、例えば、歩行者の年齢が、子供、
大人（若い）、大人（若くない）、高齢者のいずれかを推定する。撮像画像に歩行者６０
の顔が明確に映っていない場合のように、撮像画像から歩行者６０の顔を検出できない場
合には、歩行者属性推定部２３３は、歩行者６０の身長、姿勢、髪の色、杖などの持ち物
、服装などを検出し、これらの要素から歩行者６０の性別と年齢を推定してもよい。また
、撮像画像が動画である場合には、歩行者６０の歩行速度をさらに性別と年齢を推定する
要素に追加してもよい。
の性別、年齢を推定する。歩行者属性推定部２３３は、例えば、歩行者の年齢が、子供、
大人（若い）、大人（若くない）、高齢者のいずれかを推定する。撮像画像に歩行者６０
の顔が明確に映っていない場合のように、撮像画像から歩行者６０の顔を検出できない場
合には、歩行者属性推定部２３３は、歩行者６０の身長、姿勢、髪の色、杖などの持ち物
、服装などを検出し、これらの要素から歩行者６０の性別と年齢を推定してもよい。また
、撮像画像が動画である場合には、歩行者６０の歩行速度をさらに性別と年齢を推定する
要素に追加してもよい。
歩行者属性推定部２３３は、推定した歩行者６０の属性及び同伴者の有無の情報と、歩
行者６０の位置情報を、属性情報データベース２２２に記憶する。
行者６０の位置情報を、属性情報データベース２２２に記憶する。
歩行者進行領域推定部２３４は、撮像画像に基づき歩行者６０が歩行する歩行者進行領
域Ａを推定する。歩行者進行領域推定部２３４は、例えば、撮像画像から歩行者６０の体
の向きを推定し、歩行者６０の体の向きを歩行者の進行方向と推定する。また、撮像画像
が動画である場合には、歩行者進行領域推定部２３４は、歩行者６０が移動する方向を歩
行者６０の進行方向と推定してもよい。本実施形態では、歩行者進行領域推定部２３４は
、歩行者６０が検出された撮像画像をさらに解析することにより、歩行者６０の進行方向
を推定する。この画像解析には公知の方法を採用することができる。
域Ａを推定する。歩行者進行領域推定部２３４は、例えば、撮像画像から歩行者６０の体
の向きを推定し、歩行者６０の体の向きを歩行者の進行方向と推定する。また、撮像画像
が動画である場合には、歩行者進行領域推定部２３４は、歩行者６０が移動する方向を歩
行者６０の進行方向と推定してもよい。本実施形態では、歩行者進行領域推定部２３４は
、歩行者６０が検出された撮像画像をさらに解析することにより、歩行者６０の進行方向
を推定する。この画像解析には公知の方法を採用することができる。
歩行者進行領域推定部２３４は、歩行者６０が検出された地点を基準として、推定した
歩行者６０の進行方向側の半径Ｘｋｍの領域を、歩行者６０が歩行すると想定される歩行
者進行領域Ａと推定する。歩行者進行領域推定部２３４は、例えば、歩行者６０が検出さ
れた地点を基準として、推定した歩行者６０の進行方向側の半径２ｋｍの領域を、歩行者
６０が歩行すると想定される歩行者進行領域Ａと推定する。なお、歩行者進行領域Ａの推
定方法は特に限定されず、例えば、歩行者６０が１０～１５分間に歩行すると想定される
領域を含むような領域を推定できればよい。
歩行者６０の進行方向側の半径Ｘｋｍの領域を、歩行者６０が歩行すると想定される歩行
者進行領域Ａと推定する。歩行者進行領域推定部２３４は、例えば、歩行者６０が検出さ
れた地点を基準として、推定した歩行者６０の進行方向側の半径２ｋｍの領域を、歩行者
６０が歩行すると想定される歩行者進行領域Ａと推定する。なお、歩行者進行領域Ａの推
定方法は特に限定されず、例えば、歩行者６０が１０～１５分間に歩行すると想定される
領域を含むような領域を推定できればよい。
車両往来量算出部２３５は、歩行者進行領域Ａ内の車両往来量を算出する。車両往来量
算出部２３５は、位置情報データベース２２１を参照し、歩行者進行領域Ａ内に存在する
車両４０及び自動運転車両５０の数を車両往来量として算出する。また、車両往来量算出
部２３５は、歩行者進行領域Ａ内に存在する車両４０及び自動運転車両５０の数から、単
位面積当たりの車両４０及び自動運転車両５０の数を、車両往来量として算出してもよい
。車両往来量の算出方法は特に限定されない。例えば、車両往来量算出部２３５は、サー
バ２０により管理されている複数の車両４０及び複数の自動運転車両５０の各々から送信
された撮像画像から車両を検出し、検出した車両の位置情報を記憶することにより、歩行
者進行領域Ａ内に存在する車両往来量を算出してもよい。
算出部２３５は、位置情報データベース２２１を参照し、歩行者進行領域Ａ内に存在する
車両４０及び自動運転車両５０の数を車両往来量として算出する。また、車両往来量算出
部２３５は、歩行者進行領域Ａ内に存在する車両４０及び自動運転車両５０の数から、単
位面積当たりの車両４０及び自動運転車両５０の数を、車両往来量として算出してもよい
。車両往来量の算出方法は特に限定されない。例えば、車両往来量算出部２３５は、サー
バ２０により管理されている複数の車両４０及び複数の自動運転車両５０の各々から送信
された撮像画像から車両を検出し、検出した車両の位置情報を記憶することにより、歩行
者進行領域Ａ内に存在する車両往来量を算出してもよい。
危険度算出部２３６は、歩行者６０の属性と歩行者進行領域Ａ内の車両往来量に基づい
て、歩行者が犯罪に巻き込まれる危険度を算出する。危険度算出部２３６は、リスク値デ
ータベース２２３を参照して、歩行者６０の属性及び同伴者の有無から、歩行者６０のリ
スク値を取得する。危険度算出部２３６は、例えば歩行者の性別が「女性」であり、年齢
が「高齢者」であり、「同伴者無し」の場合、図５のリスク値データベース２２３を参照
して、歩行者６０のリスク値「３」を取得する。
て、歩行者が犯罪に巻き込まれる危険度を算出する。危険度算出部２３６は、リスク値デ
ータベース２２３を参照して、歩行者６０の属性及び同伴者の有無から、歩行者６０のリ
スク値を取得する。危険度算出部２３６は、例えば歩行者の性別が「女性」であり、年齢
が「高齢者」であり、「同伴者無し」の場合、図５のリスク値データベース２２３を参照
して、歩行者６０のリスク値「３」を取得する。
また、危険度算出部２３６は、図５で説明した、歩行者の性別、年齢や同伴者の有無な
どの要素毎に予め設定されたリスク値を参照して、歩行者６０の要素毎の得点を加算する
ことにより、歩行者６０のリスク値を算出してもよい。
どの要素毎に予め設定されたリスク値を参照して、歩行者６０の要素毎の得点を加算する
ことにより、歩行者６０のリスク値を算出してもよい。
危険度算出部２３６は、例えば、歩行者進行領域Ａ内の車両往来量が予め設定された車
両往来量の閾値より多いか否かを判定する。そして、歩行者進行領域Ａ内の車両往来量が
閾値より多い場合には、歩行者６０のリスク値に、０．５を乗ずることにより、危険度を
算出する。一方、歩行者進行領域Ａ内の車両往来量が閾値以下の場合には、歩行者６０の
リスク値に１．２を乗ずることにより、危険度を算出する。また、危険度算出部２３６は
、例えば、歩行者６０のリスク値に、歩行者進行領域Ａ内の単位面積当たりの車両往来量
の逆数を乗ずることにより、危険度を算出してもよい。危険度の算出方法は特に限定され
ず、危険度算出部２３６は、歩行者６０のリスク値が高く、かつ、歩行者進行領域Ａ内の
車両往来量が少ない場合により危険度が高くなるように算出されればよい。危険度の算出
には、歩行者の属性、同伴者の有無及び車両往来量以外に、歩行者６０を検出した場所、
時間帯、照度等の他の要素を用いてもよい。また、危険度の算出には、過去の犯罪の発生
データを利用してもよい。
両往来量の閾値より多いか否かを判定する。そして、歩行者進行領域Ａ内の車両往来量が
閾値より多い場合には、歩行者６０のリスク値に、０．５を乗ずることにより、危険度を
算出する。一方、歩行者進行領域Ａ内の車両往来量が閾値以下の場合には、歩行者６０の
リスク値に１．２を乗ずることにより、危険度を算出する。また、危険度算出部２３６は
、例えば、歩行者６０のリスク値に、歩行者進行領域Ａ内の単位面積当たりの車両往来量
の逆数を乗ずることにより、危険度を算出してもよい。危険度の算出方法は特に限定され
ず、危険度算出部２３６は、歩行者６０のリスク値が高く、かつ、歩行者進行領域Ａ内の
車両往来量が少ない場合により危険度が高くなるように算出されればよい。危険度の算出
には、歩行者の属性、同伴者の有無及び車両往来量以外に、歩行者６０を検出した場所、
時間帯、照度等の他の要素を用いてもよい。また、危険度の算出には、過去の犯罪の発生
データを利用してもよい。
巡回指令部２３７は、危険度が予め設定された閾値より高い場合に、歩行者進行領域Ａ
の巡回を指令する巡回指令を自動運転車両５０へ送信する。巡回指令部２３７は、危険度
算出部２３６により算出された危険度が、予め設定された危険度の閾値より高いか否かを
判定する。そして、危険度が閾値より高い場合に、位置情報データベース２２１を参照し
、自動運転車両５０ａ～５０ｃのなかから歩行者進行領域Ａに最も近い位置を巡回してい
る自動運転車両５０ａを特定する。巡回指令部２３７は、自動運転車両５０ａに対して歩
行者進行領域Ａの巡回を指令する巡回指令を生成する。巡回指令には、特定された自動運
転車両５０ａの現在位置から歩行者進行領域Ａまでの走行経路と、歩行者進行領域Ａ内を
巡回するような巡回経路の情報が含まれる。巡回指令部２３７は、自動運転車両５０ａに
、生成した巡回指令を送信して、歩行者進行領域Ａの巡回を指令する。
［犯罪防止装置の処理の流れ］
次に、図７のフローチャートを参照して、本実施形態に係るＣＰＵ２３の処理の流れの
例を説明する。図７において、車両４０は、車両４０の位置情報及び車両４０が撮像した
撮像画像を、ネットワーク３０を介してサーバ２０に送信している。複数の自動運転車両
５０ａ～５０ｃは、自動運転車両５０ａ～５０ｃの各々の位置情報を、ネットワーク３０
を介してサーバ２０に送信している。サーバ２０は、車両４０及び自動運転車両５０ａ～
５０ｃの位置情報を収集して管理している。
の巡回を指令する巡回指令を自動運転車両５０へ送信する。巡回指令部２３７は、危険度
算出部２３６により算出された危険度が、予め設定された危険度の閾値より高いか否かを
判定する。そして、危険度が閾値より高い場合に、位置情報データベース２２１を参照し
、自動運転車両５０ａ～５０ｃのなかから歩行者進行領域Ａに最も近い位置を巡回してい
る自動運転車両５０ａを特定する。巡回指令部２３７は、自動運転車両５０ａに対して歩
行者進行領域Ａの巡回を指令する巡回指令を生成する。巡回指令には、特定された自動運
転車両５０ａの現在位置から歩行者進行領域Ａまでの走行経路と、歩行者進行領域Ａ内を
巡回するような巡回経路の情報が含まれる。巡回指令部２３７は、自動運転車両５０ａに
、生成した巡回指令を送信して、歩行者進行領域Ａの巡回を指令する。
［犯罪防止装置の処理の流れ］
次に、図７のフローチャートを参照して、本実施形態に係るＣＰＵ２３の処理の流れの
例を説明する。図７において、車両４０は、車両４０の位置情報及び車両４０が撮像した
撮像画像を、ネットワーク３０を介してサーバ２０に送信している。複数の自動運転車両
５０ａ～５０ｃは、自動運転車両５０ａ～５０ｃの各々の位置情報を、ネットワーク３０
を介してサーバ２０に送信している。サーバ２０は、車両４０及び自動運転車両５０ａ～
５０ｃの位置情報を収集して管理している。
図７のステップＳ１０において、歩行者検出部２３２は、車両４０から送信された車両
４０が撮像した撮像画像を受信する。
４０が撮像した撮像画像を受信する。
処理はステップＳ１１に進み、歩行者検出部２３２は、車両４０が撮像した撮像画像を
解析することにより、歩行者６０を検出する。
解析することにより、歩行者６０を検出する。
歩行者検出部２３２により歩行者６０が検出された場合に、処理はステップＳ１２に進
み、歩行者検出部２３２は、歩行者６０を検出した撮像画像を取得した時点での車両４０
の位置情報に基づいて、歩行者６０の位置情報を検出する。
み、歩行者検出部２３２は、歩行者６０を検出した撮像画像を取得した時点での車両４０
の位置情報に基づいて、歩行者６０の位置情報を検出する。
処理はステップＳ１３に進み、歩行者属性推定部２３３は、撮像画像から歩行者６０の
属性を推定する。歩行者属性推定部２３３は、歩行者６０の同伴者の有無を推定する。歩
行者属性推定部２３３は、推定した歩行者６０の属性及び同伴者の有無の情報と、歩行者
６０の位置情報を、属性情報データベース２２２に記憶する。
属性を推定する。歩行者属性推定部２３３は、歩行者６０の同伴者の有無を推定する。歩
行者属性推定部２３３は、推定した歩行者６０の属性及び同伴者の有無の情報と、歩行者
６０の位置情報を、属性情報データベース２２２に記憶する。
処理はステップＳ１４に進み、歩行者進行領域推定部２３４は、撮像画像から歩行者６
０の体の向きを推定し、歩行者６０の体の向きを歩行者の進行方向と推定する。撮像画像
が動画である場合には、歩行者進行領域推定部２３４は、歩行者６０が移動する方向を歩
行者６０の進行方向と推定してもよい。
０の体の向きを推定し、歩行者６０の体の向きを歩行者の進行方向と推定する。撮像画像
が動画である場合には、歩行者進行領域推定部２３４は、歩行者６０が移動する方向を歩
行者６０の進行方向と推定してもよい。
処理はステップＳ１５に進み、歩行者進行領域推定部２３４は、歩行者６０が検出され
た地点を基準として、推定した歩行者６０の進行方向側の半径Ｘｋｍの領域を、歩行者６
０が歩行すると想定される歩行者進行領域Ａと推定する。
た地点を基準として、推定した歩行者６０の進行方向側の半径Ｘｋｍの領域を、歩行者６
０が歩行すると想定される歩行者進行領域Ａと推定する。
処理はステップＳ１６に進み、車両往来量算出部２３５は、歩行者進行領域Ａ内の車両
往来量を算出する。車両往来量算出部２３５は、例えば、位置情報データベース２２１を
参照し、歩行者進行領域Ａ内に存在する車両４０及び自動運転車両５０の数を車両往来量
として算出する。また、車両往来量算出部２３５は、歩行者進行領域Ａ内に存在する車両
４０及び自動運転車両５０の数から、単位面積当たりの車両４０及び自動運転車両５０の
数を車両往来量として算出してもよい。
往来量を算出する。車両往来量算出部２３５は、例えば、位置情報データベース２２１を
参照し、歩行者進行領域Ａ内に存在する車両４０及び自動運転車両５０の数を車両往来量
として算出する。また、車両往来量算出部２３５は、歩行者進行領域Ａ内に存在する車両
４０及び自動運転車両５０の数から、単位面積当たりの車両４０及び自動運転車両５０の
数を車両往来量として算出してもよい。
処理はステップＳ１７に進み、危険度算出部２３６は、歩行者６０の属性と歩行者進行
領域Ａ内の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する。危険
度算出部２３６は、例えば、リスク値データベース２２３を参照して、歩行者６０の属性
及び同伴者の有無から、歩行者６０のリスク値を取得する。危険度算出部２３６は、例え
ば、歩行者進行領域Ａ内の車両往来量が予め設定された車両往来量の閾値より多いか否か
を判定する。そして、歩行者進行領域Ａ内の車両往来量が閾値より多い場合には、歩行者
６０のリスク値に、０．５を乗ずることにより、危険度を算出する。一方、歩行者進行領
域Ａ内の車両往来量が閾値以下の場合には、歩行者６０のリスク値に１．２を乗ずること
により、危険度を算出する。
領域Ａ内の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する。危険
度算出部２３６は、例えば、リスク値データベース２２３を参照して、歩行者６０の属性
及び同伴者の有無から、歩行者６０のリスク値を取得する。危険度算出部２３６は、例え
ば、歩行者進行領域Ａ内の車両往来量が予め設定された車両往来量の閾値より多いか否か
を判定する。そして、歩行者進行領域Ａ内の車両往来量が閾値より多い場合には、歩行者
６０のリスク値に、０．５を乗ずることにより、危険度を算出する。一方、歩行者進行領
域Ａ内の車両往来量が閾値以下の場合には、歩行者６０のリスク値に１．２を乗ずること
により、危険度を算出する。
処理はステップＳ１８に進み、巡回指令部２３７は、ステップＳ１７で算出された危険
度が、予め設定された危険度の閾値より高いか否かを判定する。危険度が閾値より高い場
合（ステップＳ１８でＹＥＳ）には、処理はステップＳ１９に進む。一方、危険度が閾値
以下の場合（ステップＳ１８でＮＯ）には、ＣＰＵ２３は図７の処理を終了する。
度が、予め設定された危険度の閾値より高いか否かを判定する。危険度が閾値より高い場
合（ステップＳ１８でＹＥＳ）には、処理はステップＳ１９に進む。一方、危険度が閾値
以下の場合（ステップＳ１８でＮＯ）には、ＣＰＵ２３は図７の処理を終了する。
ステップＳ１９において、巡回指令部２３７は、位置情報データベース２２１を参照し
、自動運転車両５０ａ～５０ｃのなかから歩行者進行領域Ａに最も近い位置を巡回してい
る自動運転車両５０ａを特定する。
、自動運転車両５０ａ～５０ｃのなかから歩行者進行領域Ａに最も近い位置を巡回してい
る自動運転車両５０ａを特定する。
処理はステップＳ２０に進み、巡回指令部２３７は、自動運転車両５０ａに対して歩行
者進行領域Ａの巡回を指令する巡回指令を生成する。巡回指令には、自動運転車両５０ａ
の現在位置から歩行者進行領域Ａまでの走行経路と、歩行者進行領域Ａ内を巡回するよう
な巡回経路の情報が含まれる。
者進行領域Ａの巡回を指令する巡回指令を生成する。巡回指令には、自動運転車両５０ａ
の現在位置から歩行者進行領域Ａまでの走行経路と、歩行者進行領域Ａ内を巡回するよう
な巡回経路の情報が含まれる。
処理はステップＳ２１に進み、巡回指令部２３７は、生成した巡回指令を自動運転車両
５０へ送信し、ＣＰＵ２３は図７の処理を終了する。自動運転車両５０ａは、巡回指令を
受信し、受信した巡回指令にしたがって運行計画を生成し、この運行計画にしたがって走
行する。
（変形例１）
以上の説明では、車両往来量算出部２３５は、歩行者進行領域Ａ内の車両往来量を算出
し、巡回指令部２３７は、危険度が予め設定された閾値より高い場合に、歩行者進行領域
Ａの巡回を指令する巡回指令を自動運転車両５０ａへ送信した。しかし、車両往来量算出
部２３５は、歩行者進行領域Ａを複数の領域に分割し、分割された歩行者進行領域Ａの各
々の領域内の車両往来量をさらに算出してもよい。巡回指令部２３７は、危険度が予め設
定された閾値より高い場合に、分割された歩行者進行領域Ａの各々の領域内の車両往来量
に応じて、自動運転車両５０ａに、分割された歩行者進行領域の各々の巡回を指令する巡
回指令を送信してもよい。
５０へ送信し、ＣＰＵ２３は図７の処理を終了する。自動運転車両５０ａは、巡回指令を
受信し、受信した巡回指令にしたがって運行計画を生成し、この運行計画にしたがって走
行する。
（変形例１）
以上の説明では、車両往来量算出部２３５は、歩行者進行領域Ａ内の車両往来量を算出
し、巡回指令部２３７は、危険度が予め設定された閾値より高い場合に、歩行者進行領域
Ａの巡回を指令する巡回指令を自動運転車両５０ａへ送信した。しかし、車両往来量算出
部２３５は、歩行者進行領域Ａを複数の領域に分割し、分割された歩行者進行領域Ａの各
々の領域内の車両往来量をさらに算出してもよい。巡回指令部２３７は、危険度が予め設
定された閾値より高い場合に、分割された歩行者進行領域Ａの各々の領域内の車両往来量
に応じて、自動運転車両５０ａに、分割された歩行者進行領域の各々の巡回を指令する巡
回指令を送信してもよい。
巡回指令部２３７は、例えば、分割された歩行者進行領域Ａの各々の領域内の車両往来
量に基づいて、分割された歩行者進行領域Ａの各々を巡回させる車両の数を調整してもよ
い。例えば、巡回指令部２３７は、分割された歩行者進行領域Ａのある領域内の車両往来
量が予め設定された閾値よりも多く、他の領域内の車両往来量が予め設定された閾値より
も少ないような場合には、車両往来量の多い領域内の巡回を不要としてもよい。そして、
車両往来量の少ない領域内のみの巡回を指令する巡回指令を、２台の自動運転車両５０ａ
、５０ｂに対して送信してもよい。これにより、歩行者進行領域Ａの範囲を広く設定した
場合に、車両往来量が特に少ない領域に、巡回させる移動体の数を増やすように巡回指令
を生成でき、より効率よく防犯することができる。
量に基づいて、分割された歩行者進行領域Ａの各々を巡回させる車両の数を調整してもよ
い。例えば、巡回指令部２３７は、分割された歩行者進行領域Ａのある領域内の車両往来
量が予め設定された閾値よりも多く、他の領域内の車両往来量が予め設定された閾値より
も少ないような場合には、車両往来量の多い領域内の巡回を不要としてもよい。そして、
車両往来量の少ない領域内のみの巡回を指令する巡回指令を、２台の自動運転車両５０ａ
、５０ｂに対して送信してもよい。これにより、歩行者進行領域Ａの範囲を広く設定した
場合に、車両往来量が特に少ない領域に、巡回させる移動体の数を増やすように巡回指令
を生成でき、より効率よく防犯することができる。
巡回指令部２３７は、例えば、分割された歩行者進行領域Ａの各々の領域内の車両往来
量に基づいて、分割された歩行者進行領域Ａのうち、巡回させる領域を限定してもよい。
例えば、巡回指令部２３７は、分割された歩行者進行領域Ａのある１つの領域内の車両往
来量が予め設定された閾値よりも多く、他の領域内の車両往来量が予め設定された閾値よ
りも少ないような場合には、車両往来量の多い領域の巡回を不要としてもよい。そして、
自動運転車両５０ａに対し、他の２つの領域内のみの巡回を指令する巡回指令を生成して
もよい。これにより、歩行者進行領域Ａの範囲を広く設定した場合に、車両往来量が特に
少ない領域のみを巡回させるように巡回指令を生成でき、より効率よく防犯することがで
きる。
（変形例２）
また、以上の説明では、本実施形態に係る犯罪防止装置について、巡回指令を送信する
移動体に自動運転車両５０を用いる場合を例に説明した。しかし、歩行者が巻き込まれる
可能性が高い犯罪の種類によっては、他の種類の移動体を用いた方がよい場合がある。例
えば、声かけ、連れまわし、痴漢等の犯罪の防止には、カメラを搭載した自動運転車両５
０のような、監視性能を持つ移動体が適している。一方、ひったくりなどの犯罪の防止に
は、ドローンのような追跡性能を持つ移動体が適している。
量に基づいて、分割された歩行者進行領域Ａのうち、巡回させる領域を限定してもよい。
例えば、巡回指令部２３７は、分割された歩行者進行領域Ａのある１つの領域内の車両往
来量が予め設定された閾値よりも多く、他の領域内の車両往来量が予め設定された閾値よ
りも少ないような場合には、車両往来量の多い領域の巡回を不要としてもよい。そして、
自動運転車両５０ａに対し、他の２つの領域内のみの巡回を指令する巡回指令を生成して
もよい。これにより、歩行者進行領域Ａの範囲を広く設定した場合に、車両往来量が特に
少ない領域のみを巡回させるように巡回指令を生成でき、より効率よく防犯することがで
きる。
（変形例２）
また、以上の説明では、本実施形態に係る犯罪防止装置について、巡回指令を送信する
移動体に自動運転車両５０を用いる場合を例に説明した。しかし、歩行者が巻き込まれる
可能性が高い犯罪の種類によっては、他の種類の移動体を用いた方がよい場合がある。例
えば、声かけ、連れまわし、痴漢等の犯罪の防止には、カメラを搭載した自動運転車両５
０のような、監視性能を持つ移動体が適している。一方、ひったくりなどの犯罪の防止に
は、ドローンのような追跡性能を持つ移動体が適している。
また、歩行者が巻き込まれる可能性が高い犯罪の種類は、歩行者の属性からおよそ推定
できる。例えば、子供は声かけ、連れまわしに合う可能性が高く、若い女性は痴漢に合う
可能性が高く、高齢者や荷物を持った女性はひったくりなどに合う可能性が高い、といっ
たように、歩行者の属性から歩行者が巻き込まれる可能性が高い犯罪の種類を推定するこ
とができる。
できる。例えば、子供は声かけ、連れまわしに合う可能性が高く、若い女性は痴漢に合う
可能性が高く、高齢者や荷物を持った女性はひったくりなどに合う可能性が高い、といっ
たように、歩行者の属性から歩行者が巻き込まれる可能性が高い犯罪の種類を推定するこ
とができる。
このため、犯罪防止システム１が巡回指令を送信する移動体を複数種類備えるような場
合には、巡回指令部２３７は、歩行者の属性に対応して予め設定された犯罪の種類に基づ
き、巡回指令を送信する移動体の種類を決定し、その移動体へ巡回指令を送信してもよい
。なお、撮像画像が動画である場合には、歩行者検出部２３２は、動画から恐喝、暴行、
障害等の事件が発生していることを検出してもよい。恐喝、暴行、障害等の事件が発生し
ている場合には、巡回指令部２３７は、犯人を検挙できる人が乗車している有人車両に、
事件が発生していることを検出した地点に向かうよう指令する巡回指令を送信してもよい
。このように、歩行者の属性から推定される、歩行者が巻き込まれる可能性が高い犯罪の
種類に適した移動体に巡回指令を送信することにより、移動体を利用してさらに効果的に
防犯することができる。
合には、巡回指令部２３７は、歩行者の属性に対応して予め設定された犯罪の種類に基づ
き、巡回指令を送信する移動体の種類を決定し、その移動体へ巡回指令を送信してもよい
。なお、撮像画像が動画である場合には、歩行者検出部２３２は、動画から恐喝、暴行、
障害等の事件が発生していることを検出してもよい。恐喝、暴行、障害等の事件が発生し
ている場合には、巡回指令部２３７は、犯人を検挙できる人が乗車している有人車両に、
事件が発生していることを検出した地点に向かうよう指令する巡回指令を送信してもよい
。このように、歩行者の属性から推定される、歩行者が巻き込まれる可能性が高い犯罪の
種類に適した移動体に巡回指令を送信することにより、移動体を利用してさらに効果的に
防犯することができる。
また、歩行者が巻き込まれる可能性が高い犯罪の種類によっては、複数の移動体を用い
た方がよい場合も想定される。そのため、巡回指令部２３７は、歩行者の属性に対応して
予め設定された犯罪の種類に基づき、巡回指令を送信する前記移動体の数を決定し、複数
の移動体へ巡回指令を送信してもよい。歩行者が巻き込まれる可能性が高い犯罪の種類に
対応した数の移動体に、巡回指令を送信することにより、移動体を利用してさらに効果的
に防犯することができる。
［作用効果］
以上説明したように、本実施形態によれば、以下の作用効果が得られる。
た方がよい場合も想定される。そのため、巡回指令部２３７は、歩行者の属性に対応して
予め設定された犯罪の種類に基づき、巡回指令を送信する前記移動体の数を決定し、複数
の移動体へ巡回指令を送信してもよい。歩行者が巻き込まれる可能性が高い犯罪の種類に
対応した数の移動体に、巡回指令を送信することにより、移動体を利用してさらに効果的
に防犯することができる。
［作用効果］
以上説明したように、本実施形態によれば、以下の作用効果が得られる。
本実施形態に係る犯罪防止装置は、歩行者検出部と、歩行者属性推定部と、歩行者進行
領域推定部と、車両往来量算出部と、危険度算出部と、巡回指令部と、を備える。歩行者
検出部は、車両から送信された撮像画像を受信し、撮像画像から歩行者を検出する。歩行
者属性推定部は、撮像画像から歩行者の属性を推定する。歩行者進行領域推定部は、撮像
画像に基づき歩行者が歩行する歩行者進行領域を推定する。車両往来量算出部は、歩行者
進行領域内の車両往来量を算出する。危険度算出部は、歩行者の属性と歩行者進行領域内
の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する。巡回指令部は
、危険度が予め設定された閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指
令を移動体へ送信する。
領域推定部と、車両往来量算出部と、危険度算出部と、巡回指令部と、を備える。歩行者
検出部は、車両から送信された撮像画像を受信し、撮像画像から歩行者を検出する。歩行
者属性推定部は、撮像画像から歩行者の属性を推定する。歩行者進行領域推定部は、撮像
画像に基づき歩行者が歩行する歩行者進行領域を推定する。車両往来量算出部は、歩行者
進行領域内の車両往来量を算出する。危険度算出部は、歩行者の属性と歩行者進行領域内
の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する。巡回指令部は
、危険度が予め設定された閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指
令を移動体へ送信する。
これにより、歩行者の属性と歩行者進行領域内の車両往来量に基づいて、歩行者が犯罪
に巻き込まれる危険度を算出できる。歩行者が犯罪に巻き込まれる可能性が高い属性かつ
、車両往来量が少ない領域を歩行する場合に、より危険度を高くできる。危険度が閾値よ
り高い場合に、歩行者進行領域の巡回を指令する巡回指令を移動体へ送信することができ
る。これにより、移動体を利用してより効果的に防犯することができる。
に巻き込まれる危険度を算出できる。歩行者が犯罪に巻き込まれる可能性が高い属性かつ
、車両往来量が少ない領域を歩行する場合に、より危険度を高くできる。危険度が閾値よ
り高い場合に、歩行者進行領域の巡回を指令する巡回指令を移動体へ送信することができ
る。これにより、移動体を利用してより効果的に防犯することができる。
また、本実施形態に係る犯罪防止装置の車両往来量算出部は、歩行者進行領域を複数の
領域に分割し、分割された歩行者進行領域の各々の領域内の車両往来量をさらに算出する
。巡回指令部は、危険度が予め設定された閾値より高い場合に、分割された歩行者進行領
域の各々の領域内の車両往来量に応じて、移動体に、分割された歩行者進行領域の各々の
巡回を指令する巡回指令を送信する。
領域に分割し、分割された歩行者進行領域の各々の領域内の車両往来量をさらに算出する
。巡回指令部は、危険度が予め設定された閾値より高い場合に、分割された歩行者進行領
域の各々の領域内の車両往来量に応じて、移動体に、分割された歩行者進行領域の各々の
巡回を指令する巡回指令を送信する。
これにより、分割された歩行者進行領域の各々の領域内の車両往来量に基づいて、巡回
させる移動体の数を調整するような巡回指令を生成できる。歩行者進行領域の範囲を広く
設定した場合に、車両往来量が特に少ない領域に、巡回させる移動体の数を増やすように
巡回指令を生成できる。また、分割された歩行者進行領域の各々の領域内の車両往来量に
基づいて、移動体を巡回させる領域を限定するように巡回指令を生成できる。歩行者進行
領域の範囲を広く設定した場合に、車両往来量が特に少ない領域のみを巡回させるように
巡回指令を生成できる。移動体を利用して、より効率よく防犯することができる。
させる移動体の数を調整するような巡回指令を生成できる。歩行者進行領域の範囲を広く
設定した場合に、車両往来量が特に少ない領域に、巡回させる移動体の数を増やすように
巡回指令を生成できる。また、分割された歩行者進行領域の各々の領域内の車両往来量に
基づいて、移動体を巡回させる領域を限定するように巡回指令を生成できる。歩行者進行
領域の範囲を広く設定した場合に、車両往来量が特に少ない領域のみを巡回させるように
巡回指令を生成できる。移動体を利用して、より効率よく防犯することができる。
また、本実施形態に係る犯罪防止装置の巡回指令部は、歩行者の属性に対応して予め設
定された犯罪の種類に基づき、巡回指令を送信する移動体の種類を決定する。
定された犯罪の種類に基づき、巡回指令を送信する移動体の種類を決定する。
これにより、歩行者が巻き込まれる可能性が高い犯罪の種類に対応した種類の移動体に
、巡回指令を送信することができる。歩行者が巻き込まれる可能性が高い犯罪の防止に適
した移動体に、歩行者進行領域を巡回するよう指令できる。これにより、移動体を利用し
てさらに効果的に防犯することができる。
、巡回指令を送信することができる。歩行者が巻き込まれる可能性が高い犯罪の防止に適
した移動体に、歩行者進行領域を巡回するよう指令できる。これにより、移動体を利用し
てさらに効果的に防犯することができる。
また、本実施形態に係る犯罪防止装置の巡回指令部は、歩行者の属性に対応して予め設
定された犯罪の種類に基づき、巡回指令を送信する移動体の数を決定する。
定された犯罪の種類に基づき、巡回指令を送信する移動体の数を決定する。
これにより、歩行者が巻き込まれる可能性が高い犯罪の種類に対応した数の移動体に、
巡回指令を送信することができる。歩行者が巻き込まれる可能性が高い犯罪の防止に適し
た数の移動体に、歩行者進行領域を巡回するよう指令できる。これにより、移動体を利用
してさらに効果的に防犯することができる。
巡回指令を送信することができる。歩行者が巻き込まれる可能性が高い犯罪の防止に適し
た数の移動体に、歩行者進行領域を巡回するよう指令できる。これにより、移動体を利用
してさらに効果的に防犯することができる。
上記のように、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面は
この発明を限定するものであると理解すべきではない。この開示から当業者には様々な代
替実施の形態、実施例及び運用技術が明らかとなろう。
この発明を限定するものであると理解すべきではない。この開示から当業者には様々な代
替実施の形態、実施例及び運用技術が明らかとなろう。
２３ 犯罪防止装置（ＣＰＵ）
２３２ 歩行者検出部
２３３ 歩行者属性推定部
２３４ 歩行者進行領域推定部
２３５ 車両往来量算出部
２３６ 危険度算出部
２３７ 巡回指令部
４０ 車両
５０ 移動体（自動運転車両）
６０ 歩行者
A 歩行者進行領域
２３２ 歩行者検出部
２３３ 歩行者属性推定部
２３４ 歩行者進行領域推定部
２３５ 車両往来量算出部
２３６ 危険度算出部
２３７ 巡回指令部
４０ 車両
５０ 移動体（自動運転車両）
６０ 歩行者
A 歩行者進行領域
Claims (2)
- 撮像画像から歩行者を検出する歩行者検出部と、
前記撮像画像から前記歩行者の属性を推定する歩行者属性推定部と、
前記撮像画像に基づき前記歩行者が歩行する歩行者進行領域を推定する歩行者進行領域
推定部と、
前記歩行者の属性に対応して予め設定された犯罪の種類に基づき、前記歩行者進行領域の巡回を指令する巡回指令を送信する移動体の数を決定する巡回指令部と、
を備える犯罪防止装置。 - 車両から送信された撮像画像を受信し、
前記撮像画像から歩行者を検出し、
前記撮像画像から前記歩行者の属性を推定し、
前記撮像画像に基づき前記歩行者が歩行する歩行者進行領域を推定し、
前記歩行者の属性に対応して予め設定された犯罪の種類に基づき、前記歩行者進行領域の巡回を指令する巡回指令を送信する移動体の数を決定する
犯罪防止方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022174298A JP7722331B2 (ja) | 2021-03-24 | 2022-10-31 | 犯罪防止装置及び犯罪防止方法 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021049661A JP7596886B2 (ja) | 2021-03-24 | 2021-03-24 | 犯罪防止装置及び犯罪防止方法 |
| JP2022174298A JP7722331B2 (ja) | 2021-03-24 | 2022-10-31 | 犯罪防止装置及び犯罪防止方法 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021049661A Division JP7596886B2 (ja) | 2021-03-24 | 2021-03-24 | 犯罪防止装置及び犯罪防止方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023017868A JP2023017868A (ja) | 2023-02-07 |
| JP7722331B2 true JP7722331B2 (ja) | 2025-08-13 |
Family
ID=83397081
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021049661A Active JP7596886B2 (ja) | 2021-03-24 | 2021-03-24 | 犯罪防止装置及び犯罪防止方法 |
| JP2022174298A Active JP7722331B2 (ja) | 2021-03-24 | 2022-10-31 | 犯罪防止装置及び犯罪防止方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021049661A Active JP7596886B2 (ja) | 2021-03-24 | 2021-03-24 | 犯罪防止装置及び犯罪防止方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20250078637A1 (ja) |
| EP (1) | EP4318426B1 (ja) |
| JP (2) | JP7596886B2 (ja) |
| CN (1) | CN116710981A (ja) |
| WO (1) | WO2022202192A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2023068419A (ja) * | 2021-11-02 | 2023-05-17 | トヨタ自動車株式会社 | 歩行者保護システム |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007323177A (ja) | 2006-05-30 | 2007-12-13 | Fuji Heavy Ind Ltd | 画像処理装置 |
| WO2019116643A1 (ja) | 2017-12-12 | 2019-06-20 | ソニー株式会社 | 情報処理装置および情報処理方法 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010250775A (ja) * | 2009-04-20 | 2010-11-04 | Takenaka Komuten Co Ltd | 犯罪防止装置およびプログラム |
| CN103576683B (zh) * | 2012-08-03 | 2016-12-21 | 中国科学院深圳先进技术研究院 | 多巡逻机器人的调度方法和系统 |
| JP6594640B2 (ja) * | 2015-03-30 | 2019-10-23 | セコム株式会社 | 監視システム |
| AU2016331221B2 (en) * | 2015-09-30 | 2020-02-27 | Alarm.Com Incorporated | Drone-augmented emergency response services |
| JP2017162141A (ja) * | 2016-03-09 | 2017-09-14 | 株式会社デンソーアイティーラボラトリ | 画像識別システム及びその制御装置、並びに画像識別方法 |
| JP2017215181A (ja) * | 2016-05-31 | 2017-12-07 | 大和ハウス工業株式会社 | ルート検索システム |
| US10694357B2 (en) * | 2016-11-11 | 2020-06-23 | Nio Usa, Inc. | Using vehicle sensor data to monitor pedestrian health |
| KR102002303B1 (ko) * | 2017-03-31 | 2019-07-22 | 주식회사 푸드인쿡홀딩스 | 보행자-차량 간의 상충위험도 분석시스템 |
| JP6979521B2 (ja) * | 2017-10-25 | 2021-12-15 | 株式会社日立製作所 | 自動監視システムのための方法および装置 |
| CN111226269A (zh) * | 2017-11-17 | 2020-06-02 | 爱信艾达株式会社 | 车辆驾驶辅助系统、车辆驾驶辅助方法以及车辆驾驶辅助程序 |
| JP2019098216A (ja) * | 2017-11-29 | 2019-06-24 | パナソニックＩｐマネジメント株式会社 | 静電霧化装置 |
| JP7009987B2 (ja) * | 2017-12-27 | 2022-01-26 | トヨタ自動車株式会社 | 自動運転システム及び自動運転方法 |
| JP2021049661A (ja) | 2019-09-24 | 2021-04-01 | トヨタ自動車株式会社 | 射出成形装置 |
| JP6837650B1 (ja) * | 2019-12-16 | 2021-03-03 | Ａｓｓｅｓｔ株式会社 | 危険度判別プログラム及びシステム |
| CN111803065B (zh) * | 2020-06-23 | 2023-12-26 | 北方工业大学 | 一种基于脑电数据的危险交通场景辨识方法及系统 |
-
2021
- 2021-03-24 JP JP2021049661A patent/JP7596886B2/ja active Active
-
2022
- 2022-03-03 WO PCT/JP2022/009153 patent/WO2022202192A1/ja not_active Ceased
- 2022-03-03 US US18/371,360 patent/US20250078637A1/en active Pending
- 2022-03-03 EP EP22774988.4A patent/EP4318426B1/en active Active
- 2022-03-03 CN CN202280007923.2A patent/CN116710981A/zh active Pending
- 2022-10-31 JP JP2022174298A patent/JP7722331B2/ja active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007323177A (ja) | 2006-05-30 | 2007-12-13 | Fuji Heavy Ind Ltd | 画像処理装置 |
| WO2019116643A1 (ja) | 2017-12-12 | 2019-06-20 | ソニー株式会社 | 情報処理装置および情報処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022148115A (ja) | 2022-10-06 |
| JP7596886B2 (ja) | 2024-12-10 |
| EP4318426A4 (en) | 2024-10-09 |
| EP4318426A1 (en) | 2024-02-07 |
| EP4318426B1 (en) | 2025-10-15 |
| US20250078637A1 (en) | 2025-03-06 |
| WO2022202192A1 (ja) | 2022-09-29 |
| CN116710981A (zh) | 2023-09-05 |
| JP2023017868A (ja) | 2023-02-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10824863B2 (en) | Systems for searching for persons using autonomous vehicles | |
| US20260024440A1 (en) | Providing autonomous vehicle assistance | |
| US12187326B2 (en) | Control system for semi-autonomous control of vehicle along learned route | |
| US11513539B2 (en) | Information collection system and server apparatus | |
| US11170272B2 (en) | Object detection device, object detection method, and computer program for object detection | |
| JP6870584B2 (ja) | 救援システムおよび救援方法、ならびにそれに使用されるサーバおよびプログラム | |
| US20200160069A1 (en) | System and method for vehicle localization | |
| JP7052343B2 (ja) | 自律移動体および情報収集システム | |
| JP6815262B2 (ja) | 交通違反検知装置、システム、交通違反検知方法およびプログラム | |
| KR101891460B1 (ko) | 차도 위의 반사체를 인식하고 평가하기 위한 방법 및 장치 | |
| KR101708037B1 (ko) | 드론 연결형 cctv 장치 및 이에 의한 영상 촬영 방법 | |
| JP7646358B2 (ja) | 情報処理装置及び情報処理方法、撮像装置、移動体装置、並びにコンピュータプログラム | |
| JP7009987B2 (ja) | 自動運転システム及び自動運転方法 | |
| CN110085055A (zh) | 用于车辆自高估计的车辆间合作 | |
| JP2019021201A (ja) | 学習サーバ及び支援システム | |
| JP2019114196A (ja) | 情報収集システムおよび情報収集装置 | |
| JP7722331B2 (ja) | 犯罪防止装置及び犯罪防止方法 | |
| KR20250088689A (ko) | 열 센서 데이터 차량 인지 | |
| CN109874099A (zh) | 一种联网车载设备流量控制系统 | |
| KR20250022493A (ko) | 시공간심층신경망을 활용한 영상분석 기반의 실시간 주행 상황 판단 장치 및 방법 | |
| KR20250071756A (ko) | 도로 낙하물 감시 시스템 및 방법 | |
| JPWO2020170835A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231228 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20250218 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20250418 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20250701 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20250714 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7722331 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |