JPH06266840A

JPH06266840A - 移動物体の状態検出装置

Info

Publication number: JPH06266840A
Application number: JP5050374A
Authority: JP
Inventors: 政雄 ▲高▼藤; Masao Takato; Yasuo Morooka; 泰男諸岡
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1993-03-11
Filing date: 1993-03-11
Publication date: 1994-09-22

Abstract

(57)【要約】【目的】本発明の目的は、移動物体（領域）の動き情報
を示す特徴量分布パターンを用いて全体の動きの状況や
特異な動きをする物体（領域）を精度良く認識すること
である。【構成】画像情報から各物体の位置，移動距離，移動速
度，移動方向，移動方向の変化量、移動ベクトルと初期
ベクトルとの方向差等の動きに関する特徴量の分布パタ
ーンを生成し、該分布パターンから全体の動き（群流）
の状態、または特異な動きをする物体を自動的に認識す
ることにより達成される。【効果】駅の構内や地下街，商店街等における全体の動
き（群流）の状態や特異な動きをする物体（人間等）を
自動的に監視し、認識できるという効果がある。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は移動物体の状態、すなわ
ち全体の動きの状況や特異な動きをする物体あるいは領
域を認識する装置に関する。

【０００２】

【従来の技術】従来、特異な動きをする領域を把握する
ために直線運動をする物体の移動方向の平均値を基準方
向とし、該基準方向からのずれにより特異領域を求める
方法が知られている。

【０００３】

【発明が解決しようとする課題】上記従来技術は全物体
の平均値を用いて基準方向を求めていたので、外乱の影
響で基準方向が正しく求まらないといった問題があっ
た。

【０００４】本発明の目的は、移動物体（領域）全体の
動きの状況や特異な動きをする物体（領域）を外乱の影
響を受けることなく、精度良く認識し得る移動物体の状
態検出装置の提供にある。

【０００５】

【課題を解決するための手段】上記目的を達成するため
に、本発明は、入力された画像情報から各物体の位置，
移動距離，移動速度，移動方向，移動方向の変化量，移
動ベクトルと初期ベクトルとの方向差等の動きに関する
特徴量の分布パターンを生成し、この分布パターンから
移動物体の動的状態を認識するようにしたものである。

【０００６】

【作用】本発明に係る移動物体の状態検出装置によれ
ば、移動物体全体の動的状態や他のものと異なった動き
をする物体あるいは領域が特徴量の分布パターンとして
求められるため、外乱の影響を受けることなく、精度良
く自動的に認識できる。

【０００７】

【実施例】以下、本発明の一実施例を図１を用いて説明
する。

【０００８】本実施例に係る移動物体の状態検出装置９
０は、対象物体の画像を取り込むカメラ１０１に取込ま
れた画像から物体の特徴量を抽出する画像処理部１０
０，装置全体の制御や画像処理部１００の処理結果から
移動物体の状態を検出するＣＰＵ１１２，計測結果等を
記憶するメモリ１１３，画像や種々の情報を表示するモ
ニタ１１４，監視センタ１２０との通信を行う通信装置
１１５を有する。

【０００９】画像処理部１００は、Ａ／Ｄ変換器１０
２，画像メモリ１０４，画像間演算回路１０５，２値化
回路１０６，ラベリング回路１０７，特徴量抽出回路１
０８，Ｄ／Ａ変換器１１０を備えている。

【００１０】画像メモリ１０４は、例えば２５６×２５
６画素の濃淡メモリがｋ枚Ｇ１〜Ｇｋ備わつており、ま
た、必要に応じて２値画像を格納する２値画像メモリを
ｊ枚Ｂ１〜Ｂｊ備える。

【００１１】以下その動作について説明する。

【００１２】ＣＰＵ１１２からの指令に基づいて、画像
処理部１００は、カメラ１０１によって撮影された画像
信号を取込み、Ａ／Ｄ変換器１０２によつて、例えば１
２８階調の濃度データ等に変換して画像メモリ１０４に
記憶する。

【００１３】さらに、該画像処理部１００は、ＣＰＵ１
１２の指令に基づいて、画像メモリ１０４のデータを用
いて、画像間演算，２値化，ラベリング，特徴量抽出等
の処理を、それぞれ画像間演算回路１０５，２値化回路
１０６，ラベリング回路107,特徴量抽出回路１０８等で
処理し、必要に応じて処理結果等をＤ／Ａ変換器110に
よって映像信号に変換してモニタ１１４に表示する。続
いて、ＣＰＵ１１２は後述する特異物体（領域）を検出
し、その有無を判定し、有る場合には、モニタ１１４や
通信装置１１５を介して、さらにはアラーム音，音声等
を用いて現場あるいは監視センタ１２０の監視員にその
旨を報知する。

【００１４】また、別のシステム構成例を図１５に示
す。移動物体の状態検出装置９０′は、カメラ１０１
ａ，１０１ｂ，１０１ｃ，１０１ｄ等の複数のカメラか
ら画像処理部１００′に画像を取り込み、画像処理部１
００′ではカメラ切替器１１６により一つずつ入力画像
を選択し、処理する。複数の画像の処理結果はＣＰＵ11
2へ送られ、ＣＰＵ１１２で逐次的に移動物体の状態認
識を行い、複数画像あるいは複数地点の移動状態の関係
を総合的に判断するか、あるいは逐次的な処理結果を監
視センタ１２０へ送信し、監視センタ１２０で複数画像
あるいは複数地点の移動状態の関係を総合的に判断す
る。本構成例ではカメラが４台の場合を示したが、個数
はなんら限定されない。

【００１５】また、別のシステム構成例を図１６に示
す。移動物体の状態検出装置９０″は、カメラ１０１
ａ，１０１ｂ，１０１ｃ，１０１ｄ等の複数のカメラか
ら画像処理部１００″に画像を取り込み、画像処理部１
００″ではカメラ切替器１１６により一つずつ入力画像
を選択し、Ａ／Ｄ変換後、画面合成器１０３により画面
を合成し、大画像メモリ１０４′へ格納する。その後、
該大画像メモリ１０４′を処理する。画像の処理結果は
ＣＰＵ１１２へ送られ、ＣＰＵ１１２で移動物体の状態
認識を行い、複数地点の移動状態の関係を総合的に判断
するか、あるいは処理結果を監視センタ１２０へ送信
し、監視センタ１２０で複数地点の移動状態の関係を総
合的に判断する。本構成例ではカメラが４台の場合を示
したが、個数はなんら限定されない。

【００１６】さらにまた、別のシステム構成例を図１７
に示す。移動物体の状態検出装置９０ａ，９０ｂ，９０
ｃ，９０ｄは、それぞれ、カメラ１０１を用いて画像を
取り込み、画像処理部１００で処理する。画像の処理結
果はＣＰＵ１１２へ送られ、ＣＰＵ１１２で移動物体の
状態認識を行い、処理結果を監視センタ１２０へ送信
し、監視センタ１２０で複数画像あるいは複数地点の移
動状態の関係を総合的に判断する。本構成例では状態検
出装置が４台の場合を示したが、個数はなんら限定され
ない。

【００１７】次に、本発明の中心部分である全体の動き
の状況や特異な動きをする物体（領域）を検出する処理
を図２を用いて説明する。

【００１８】まず、入力画像取り込み１１は、画像処理
部１００において、カメラ１０１から取り込んだ画像を
画像メモリ１０４に格納する。差分画像抽出１２はあら
かじめ画像メモリ１０４に記憶してある背景画像と上記
入力画像との差分画像ｓ(ｔ)を求める。２値化処理１３
は上記差分画像ｓ(ｔ)を所定のしきい値で２値化し、２
値画像ｂ(ｔ)を作成する。その後、ラベリング１４によ
り各物体にラベル付けをし、重心計算１５で各物体毎の
重心座標を求める。次に、前回の入力画像内の物体との
対応付け１６を行う。対応付けの方法としては、テンプ
レートマッチング，相関法，特徴追跡法等種々の方法が
報告されているが、ここでは簡単に特徴追跡法の一つと
して物体の重心間距離が一番小さいもの同士を対応付け
ることにしている。対応付けができると特徴量計算１７
で各物体毎の特徴量を求める。特徴量としては、始点座
標，終点座標，移動距離，移動距離の変化量，移動方
向，移動方向の変化量等がある。これらについて、図３
を用いて説明する。図３において物体Ａの時刻ｔ−１，
ｔ，ｔ＋１における物体位置をＡｔ−１，Ａｔ，Ａｔ＋
１で表す。物体Ａの移動ベクトルをＭＶ，ｘ方向，ｙ方
向の移動距離をｄｘ，ｄｙとすると、時刻ｔ−１から時
刻ｔまでの間に物体Ａが移動した距離Ｌは、

【００１９】

【数１】

【００２０】で、移動方向は、

【００２１】

【数２】

【００２２】で、移動方向の変化量は、

【００２３】

【数３】

【００２４】で、移動速度は

【００２５】

【数４】

【００２６】でそれぞれ表される。なお、ここで移動方
向は角度を時計廻りに計測するものとする。

【００２７】また、全領域中で部分的に異なる動きをす
る領域、あるいは複数物体が存在する場合は、その中で
他の物体と異なる動きをする物体を特異領域と定義す
る。例えば、ある一定方向の人流の中を人が横切れば、
その人は特異な動きを行ったことになる。図４では物体
２５ａ〜２５ｊの中で物体２５ｃ，２５ｊが特異領域と
なる。

【００２８】図５は直線的な一定の流れに対する特異領
域の例を示す。矢印２６ｂ，２６ｅ，２６ｆが特異領域
となる動きの方向を示す。ここで全体の流れの方向を基
準方向と呼ぶ。基準方向を図６に示す頻度分布を用いて
求める。すなわち、数２で各物体ごとに求めた移動方向
θを横軸とした頻度分布を求める。これが図２における
分布パターンの生成１８である。このときθはα度単位
（例えば、１０度毎）に求める。そして、分布パターン
の認識１９では最大頻度をとる方向を求め、これを基準
方向とし、この基準方向と±β度（例えば±１０度）以
上の方向の違いがある物体を特異領域として抽出する。
また、基準方向の別の求め方としては、頻度がある一定
値γ以上の方向θを求め、求めた複数の方向θをそれぞ
れ基準方向とすることができる。さらには上記、頻度が
ある一定値γ以上をとる複数の該方向θの平均値を基準
方向とすることもできる。

【００２９】以下、円運動の場合、放射状に拡散する場
合、放射状に収縮する場合の分布パターンの生成１８及
び分布パターンの認識１９の各処理について述べる。

【００３０】図７は円運動に対する特異領域の例を示
す。矢印２７ｃ，２７ｄが特異領域となる動きの方向を
示す。これは円運動をするものの中で、円の流れに入ら
ない物体あるいは領域である。これに対しては、各物体
の移動方向の変化量を数３で求め、該移動方向の変化量
Δθを横軸とする頻度分布を前述の移動方向の場合と同
様にして求め、最大頻度をとる変化量、またはある一定
頻度γ以上をとる変化量、あるいは頻度がある一定値γ
以上をとる複数の該変化量の平均値を基準方向変化量と
することができる。この基準方向変化量と±β度（例え
ば±１０度）以上の方向変化量の違いがある物体を特異
領域として抽出できる。

【００３１】図８は放射状に拡散する場合の特異領域の
例を示す。これは中心付近が危険状態になった時の人の
流れやスクランブル交差点における歩道の各地点での人
の流れ等が該当する。矢印２８ａ，２８ｂが特異領域と
なる動きの方向を示す。このような状況の場合は、各物
体の移動ベクトルＭＶ_iの始点座標（ｘis，ｙis）のｘ
及びｙ座標をそれぞれ横軸とする頻度分布を求める。こ
のとき座標値はα単位（例えば、２０毎）にもとめる。
そして、最大頻度をとる座標値を基準位置とする。ま
た、前述の移動方向の場合と同様にして、ある一定頻度
以上をとる複数の該座標値の平均値を基準位置とするこ
ともできる。該基準位置から各物体の始点座標までの距
離を求め、この距離がある値β以上の物体を特異領域と
して抽出できる。

【００３２】また、別法として、該基準位置から各物体
の始点座標までの各初期ベクトルを求め、移動ベクトル
の移動方向θ_iと該初期ベクトルの方向θ_0iとの方向差
（Δθ_0i=θ_i−θ_0i）を求め、該方向差Δθ_0iが±β度
（例えば、±５度）以上の物体を特異領域として抽出で
きる。あるいは、上記該方向差Δθ_0iの頻度分布を求
め、前述の移動方向の場合と同様に、最大頻度をとる方
向差、またはある一定頻度γ以上をとる方向差、あるい
は頻度がある一定値γ以上をとる複数の該方向差の平均
値を基準方向差とすることができる。この基準方向差と
±β度（例えば±５度）以上の方向差の違いがある物体
を特異領域として抽出できる。

【００３３】図９は放射状に収縮する場合の特異領域の
例を示す。矢印２９ａ，２９ｂが特異領域となる動きの
方向を示す。これは、何か事故や事件，アクシデント等
が起こったとき、大半はその地点に集まるが、一部無関
心者や別の目的を持った人等はそこから離れるような動
きをする場合に相当する。このような状況の場合は、図
８とは逆に各物体の移動ベクトルＭＶ_iの終点座標(ｘi
d，ｙid)のｘ及びｙ座標をそれぞれ横軸とする頻度分布
を求め、前述の放射状に拡散する場合と同様にして基準
位置を求める。該基準位置から各物体の終点座標までの
距離を求め、この距離がある値β以上の物体を特異領域
として抽出できる。

【００３４】また、別法として、上述の放射状に拡散す
る場合と同様に該方向差(Δθ_0i)を求め、さらに方向差
（Δθ′_0i＝Δθ_0i−１８０）を求め、該方向差Δθ′
_0iが±β度（例えば、±５度）以上の物体を特異領域と
して抽出できる。あるいは、上記該方向差Δθ′_0iの頻
度分布を求め、前述の移動方向の場合と同様に、最大頻
度をとる方向差、またはある一定頻度γ以上をとる方向
差、あるいは頻度がある一定値γ以上をとる複数の該方
向差の平均値を基準方向差とすることができる。この基
準方向差と±β度（例えば±５度）以上の方向差の違い
がある物体を特異領域として抽出できる。

【００３５】さらに、移動距離Ｌまたは移動速度Ｖにつ
いても上記と同様に移動距離Ｌまたは移動速度Ｖの頻度
分布をもとめ、それらから基準移動距離または基準移動
速度を求める。そして、この基準移動距離または基準移
動速度と±β(例えば±１０)以上の移動距離または移動
速度の違いがある物体を特異領域として抽出できる。以
上述べた移動方向，方向変化量，初期ベクトルと移動ベ
クトルとの方向差等は一時刻の値を使うことも考えられ
るが、より精度を上げるために、各物体の複数時刻にお
ける計測値の平均の値を用いて上記と同様に移動方向，
方向変化量，初期ベクトルと移動ベクトルとの方向差等
を求め、その値を用いて特異領域を抽出することが考え
られる。

【００３６】さらに、分布パターンの認識１９の処理と
してパターンマッチングやニューラルネットワークを用
いた方法について述べる。

【００３７】図１０（ａ）はある道路５０を移動してい
る物体の動きを示しており、その移動ベクトルの分布パ
ターンが図１０（ｂ）に示される。図１０（ｂ）の横軸
は位置を、縦軸は物体の移動距離または物体の個数（出
現頻度）または各物体の移動距離の累積値等を表す。ま
た図１０（ｂ）が、複数の監視地点における測定値の分
布パターンを表す場合は、同図の横軸は各地点を表す。
この分布パターンが図１１に示すようなシステムであら
かじめ用意したいくつかの基準分布パターンのどれに近
いかを判定することにより現時点での道路の状態や各地
点における移動状態の関係を判断することができる。例
えば、ある道路における正常時の分布パターンが図１１
の（ａ）としたときに、現時点での分布パターンが
（ｂ）となった場合は道路の中央付近に何か抵抗（例え
ば、障害物がある、けんかが発生している等）があるこ
とが分かる。入力の分布パターンの判定は入力分布パタ
ーンと基準分布パターンとのパターンマチングや後述す
るニューラルネットワークにより行える。例えば、図１
０にあてはめてみると、図１１（ａ）は道路の両側に抵
抗があり、中心に比べて速度が遅い、流れる物体の量が
少ない等を表している。図１１（ｂ）は逆に、道路の中
心に抵抗があり、両側に比べて速度が遅い、流れる物体
の量が少ない等を表している。図１１（ｃ）は道路の右
側に抵抗があり、左側に比べて速度が遅い、流れる物体
の量が少ない等を表している。図１１(ｄ)は逆に、道路
の左側に抵抗があり、右側に比べて速度が遅い、流れる
物体の量が少ない等を表している。図１１（ｅ）は道路
には特に抵抗がなく全体が同じ速度である、移動する物
体の量が同じである等を表している。以上は一方通行の
流れの例を示しているが、双方向の流れについても図１
２に示す基準分布パターンを用いて同様に判定できる。
また、より複雑な分布パターンに対してはニューラルネ
ットワークを用いて、入力分布パターンが各基準分布パ
ターンのどの程度の割合の組合わせで構成されているか
を判断することができる。すなわち、ニューラルネット
ワークの入力層のニューロン数は分布パターンの入力の
数と同じとし、出力層のニューロン数は基準分布パター
ンの数と同じとしてパターン分類を行う。すなわち、ニ
ューラルネットワークの入力層の各ニューロンに分布パ
ターンの構成要素である各物体の移動距離または物体の
個数または各物体の移動距離の累積値等を入力すること
により、出力層からは各基準分布パターンの構成割合が
出力される。これにより、全体の動き（群流）の状態、
または全体の動き（群流）の中で特異な動きをする物体
あるいは領域を検出することができる。

【００３８】以上は直線的に運動する場合について述べ
たが、図１３には、放射状に拡散運動をする場合の分布
パターンの例を、図１４には、放射状に収縮する場合の
分布パターンの例を示す。図１３（ｂ），１４（ｂ）に
おいて、横軸はｘ軸方向を０度としたときの時計廻りに
見た各物体の移動方向（θ）を表す。

【００３９】以上、２次元分布パターンを対象とした場
合について説明したが、分布パターンとしては、位置を
ｘ軸のパラメータ，移動距離，移動速度，移動方向，移
動方向の変化量，移動ベクトルと初期ベクトルとの方向
差のうち一つをｙ軸のパラメータ，頻度をｚ軸のパラメ
ータとする３次元分布パターンについても同様の考え方
を適用できる。

【００４０】以上述べた方法により、分布パターンの認
識を行った後、異常状態，特異物体（領域）の有無判定
２０を行う。そして、異常状態または特異物体（領域）
がある場合にはその旨を監視員等に報知するとともに現
状をモニタに表示し、監視員の判断に任せることにより
異常状態，特異物体（領域）の報知２１を行う。適当な
処置が終了すると監視員が再度処理の開始を指示するこ
とにより上記と同様の処理を繰り返す。一方、異常状態
または特異物体（領域）が無い場合には最初の処理に戻
り、新たに画像を入力し、上記と同様の処理を繰り返
す。

【００４１】

【発明の効果】本発明によれば、全体の動き（群流）の
状態，他のものと異なった状態あるいは動きをする物体
（領域）を認識できるので、駅の構内や地下街，商店街
等における全体の動き（群流）の状態や特異な動きをす
る物体（人間等）を自動的に監視し、認識できるという
効果がある。

【００４２】また、複数のカメラから入力される画像を
処理することにより広域的に広がる状況を把握すること
ができ、一つ一つ判断していた監視を全体との関連で把
握することができる。

【図面の簡単な説明】

【図１】移動物体の状態検出装置の構成を示すブロック
図である。

【図２】本発明の一実施例である特異物体検出処理の流
れを示すフロー図である。

【図３】特徴量の説明図である。

【図４】特異領域の説明図である。

【図５】直線運動に対する特異領域の説明図である。

【図６】移動方向の頻度分布の説明図である。

【図７】円運動に対する特異領域の説明図である。

【図８】放射状に拡散する場合の特異領域の説明図であ
る。

【図９】放射状に収縮する場合の特異領域の説明図であ
る。

【図１０】直線運動の分布パターンの説明図である。

【図１１】一方向の基準分布パターンの説明図である。

【図１２】双方向の基準分布パターンの説明図である。

【図１３】放射状に拡散する場合の分布パターンの説明
図である。

【図１４】放射状に収縮する場合の分布パターンの説明
図である。

【図１５】移動物体の状態検出装置の別の構成を示すブ
ロック図である。

【図１６】移動物体の状態検出装置の別の構成を示すブ
ロック図である。

【図１７】移動物体の状態検出装置の別の構成を示すブ
ロック図である。

【符号の説明】

１００…画像処理部、１０１…カメラ、１１２…ＣＰ
Ｕ、１１４…モニタ、１１５…通信装置。

Claims

【特許請求の範囲】

【請求項１】対象の画像を取り込む画像入力手段と、前
記画像入力手段により取り込まれた画像に対して各種の
画像処理を行う画像処理手段と、各種データ処理を行う
データ処理手段を用いて、移動物体を追跡するものにお
いて、前記画像入力手段で入力した画像から移動物体の
動き情報を抽出し、抽出された情報から各物体の位置，
移動距離，移動速度，移動方向，移動方向の変化量、及
び移動ベクトルと初期ベクトルとの方向差のうちいずれ
か一つを横軸のパラメータとし、且つ、少なくとも物体
頻度，累積移動距離、及び累積移動速度のうちいずれか
一つを縦軸のパラメータとする２次元分布パターンを生
成する分布パターン生成手段と、前記分布パターン生成
手段からの２次元分布パターンに基づいて前記移動物体
の移動状態を認識する手段と、認識結果あるいは画像を
表示する表示手段と、前記認識結果あるいは画像を通信
する通信手段を具備することを特徴とする移動物体の状
態検出装置。
【請求項２】対象の画像を取り込む画像入力手段と、前
記画像入力手段により取り込まれた画像に対して各種の
画像処理を行う画像処理手段と、各種データ処理を行う
データ処理手段を用いて、移動物体を追跡するものにお
いて、前記画像入力手段で入力した画像から移動物体の
動き情報を抽出し、抽出された情報から各物体の位置を
一軸のパラメータとし、移動距離，移動速度，移動方
向，移動方向の変化量及び移動ベクトルと初期ベクトル
との方向差のうちいずれか一つを他の一軸のパラメータ
とし、且つ、頻度をさらに他の一軸のパラメータとする
３次元分布パターンを生成する分布パターン生成手段
と、前記分布パターン生成手段からの３次元分布パター
ンに基づいて前記移動物体の移動状態を認識する手段
と、認識結果あるいは画像を表示する表示手段と、前記
認識結果あるいは画像を通信する通信手段を具備するこ
とを特徴とする移動物体の状態検出装置。
【請求項３】請求項１または２の移動物体の状態検出装
置において、複数の画像入力手段による入力画像を処理
し、該処理結果の全体関係から広域に広がる移動物体の
状態を把握することを特徴とする移動物体の状態検出装
置。
【請求項４】請求項１または２の移動物体の状態検出装
置において、複数の画像入力手段による入力画像を合成
し、該合成画像を処理することにより広域に広がる移動
物体の状態を把握することを特徴とする移動物体の状態
検出装置。
【請求項５】請求項１または２の移動物体の状態検出装
置において、各物体の特徴量の基準量として、各物体の
特徴量の頻度分布から最大頻度をとる特徴量を求め、該
基準量との差異から、全体の動きである群流の中で特異
な動きをする物体あるいは領域を認識することを特徴と
する移動物体の状態検出装置。
【請求項６】請求項１または２の移動物体の状態検出装
置において、各物体の特徴量の頻度分布から頻度がある
一定値以上の特徴量を求め、求めた複数の該特徴量をそ
れぞれ基準量とし、該基準量との差異から、全体の動き
である群流の中で特異な動きをする物体あるいは領域を
認識することを特徴とする移動物体の状態検出装置。
【請求項７】請求項１または２の移動物体の状態検出装
置において、各物体の特徴量の頻度分布から頻度がある
一定値以上の特徴量を求め、求めた複数の該特徴量の平
均値を基準量とし、該基準量との差異から、全体の動き
である群流の中で特異な動きをする物体あるいは領域を
認識することを特徴とする移動物体の状態検出装置。
【請求項８】請求項１または２の移動物体の状態検出装
置において、各物体の特徴量の分布パターンを求め、あ
らかじめ用意した基準分布パターンとのマッチングによ
り、全体の動きの状態を認識することを特徴とする移動
物体の状態検出装置。
【請求項９】請求項１または２の移動物体の状態検出装
置において、各物体の特徴量の分布パターンを求め、こ
れをあらかじめ用意したニューラルネットワークに入力
し、そのニューラルネットワークの出力値を用いて、全
体の動きの状態を認識することを特徴とする移動物体の
状態検出装置。
【請求項１０】請求項１または２の移動物体の状態検出
装置において、各物体の特徴量の移動距離，移動方向か
ら移動ベクトルを求めるとともに、各物体の始点座標ま
たは終点座標から基準位置を求める手段と、該基準位置
から各物体の始点座標への初期ベクトルを求め、該初期
ベクトルの方向と該移動ベクトルの方向との差を求める
手段と、該手段により抽出された方向差を用いて、物体
の移動状態を認識することを特徴とする移動物体の状態
検出装置。
【請求項１１】請求項１０の状態検出装置において、複
数の監視点を設け、該監視点に少なくとも一台の画像入
力手段を設置し、該入力手段の入力情報を処理し、処理
結果を監視センタヘ送信し、監視センタで統合処理する
ことにより、移動物体の状況を監視，把握することを特
徴とする移動物体の状態検出装置。
【請求項１２】請求項１０の状態検出装置において、複
数の監視点を設け、該監視点に少なくとも一台の画像入
力手段を設置し、該入力手段の入力情報を合成し、処理
することにより、移動物体の状況を監視，把握すること
を特徴とする移動物体の状態検出装置。