特許ウォッチ

公開番号2024080056
公報種別公開特許公報(A)
公開日2024-06-13
出願番号2022192920
出願日2022-12-01
発明の名称異常検知システム、及び移動体
出願人株式会社日立製作所
代理人弁理士法人ウィルフォート国際特許事務所
主分類H04N 7/18 20060101AFI20240606BHJP(電気通信技術)
要約【課題】判定画像内の領域の異常を適切に把握する。
【解決手段】災害検知システム100は、画像内の領域の特徴量を抽出する画像特徴抽出部203と、画像特徴抽出部が抽出した画像内の所定領域の特徴量と、所定領域の周辺の周辺領域の特徴量とに基づいて、所定領域と周辺領域との配置関係を抽出する配置関係抽出部204と、複数の学習画像の配置関係と、判定画像の配置関係との差異を算出する配置関係差異算出部902と、配置関係差異算出部が算出した差異に基づいて、判定画像内の領域の異常を判定する異常判定部904と、を有する。
【選択図】図9
特許請求の範囲【請求項１】
画像内の領域の特徴量を抽出する画像特徴抽出部と、
前記画像特徴抽出部が抽出した前記画像内の所定領域の特徴量と、前記所定領域の周辺の周辺領域の特徴量とに基づいて、前記所定領域と前記周辺領域との配置関係を抽出する配置関係抽出部と、
複数の学習画像の前記配置関係と、判定画像の前記配置関係との差異を算出する配置関係差異算出部と、
前記配置関係差異算出部が算出した前記差異に基づいて、前記判定画像内の領域の異常を判定する異常判定部と、を有する異常検知システム。
続きを表示（約 1,100 文字）【請求項２】
前記複数の学習画像は、非災害時の都市を上空から撮影した画像群であり、
前記画像特徴抽出部と、前記配置関係抽出部とは、前記画像群を学習する、
請求項１に記載の異常検知システム。
【請求項３】
前記学習画像内の前記所定領域の特徴量と、前記周辺領域の特徴量とに基づいて、前記学習画像を復元する画像復元部と、
前記学習画像と、前記画像復元部で復元された画像との誤差を算出する復元誤差算出部と、を有し、
前記復元誤差算出部は、前記画像特徴抽出部と、前記配置関係抽出部と、前記画像復元部とに前記誤差を逆伝播する、
請求項１に記載の異常検知システム。
【請求項４】
前記画像特徴抽出部に領域分割アルゴリズムの推論結果を入力する領域分割部を有する、
請求項１に記載の異常検知システム。
【請求項５】
前記配置関係抽出部は、前記所定領域及び前記周辺領域を予め定義された識別クラスに分類し、前記所定領域のクラスと、前記周辺領域のクラスとの配置関係を抽出する、
請求項１に記載の異常検知システム。
【請求項６】
前記配置関係抽出部は、領域分割アルゴリズムで推論された物体の大きさに基づいて、前記学習画像毎に前記所定領域の大きさを設定する、
請求項１に記載の異常検知システム。
【請求項７】
前記配置関係抽出部は、前記所定領域の大きさ、または予め設定された前記所定領域に対する前記周辺領域の大きさに基づいて、前記周辺領域の大きさを設定する、
請求項１に記載の異常検知システム。
【請求項８】
前記配置関係を記憶する配置関係記憶部を有する、
請求項１に記載の異常検知システム。
【請求項９】
前記複数の学習画像内の所定領域と、前記判定画像内の所定領域との差異を算出する局所特徴差異算出部を有し、
前記異常判定部は、前記配置関係差異算出部が算出した前記差異と、前記局所特徴差異算出部が算出した前記差異とに基づいて、前記判定画像内の領域の異常を判定する、
請求項１に記載の異常検知システム。
【請求項１０】
前記学習画像内の前記所定領域の特徴量と、前記周辺領域の特徴量とに基づいて、前記学習画像を復元する画像復元部と、
前記画像復元部で復元された画像と、前記学習画像との誤差を算出する復元誤差算出部と、を備え、
復元誤差算出部は、当該復元誤差算出部が算出した前記差異に基づいて、前記判定画像内の領域の異常を判定する、
請求項１に記載の異常検知システム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、異常検知システム、及び移動体に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
災害の被災地では、救命の観点から、迅速な被害状況把握が求められる。被災地の状況把握は、人工衛星などに装備された高解像度なカメラを用いて都市を高度から撮像して得られた画像から災害箇所を同定することが理想ではある。しかし、人工衛星の到来周期は早いものであっても１日であり、被災地の直上に迅速に到来することができない。このため、人工衛星は、迅速な災害把握には向かない。さらに、被災時には往々にして悪天候が伴い雲が地表を隠すなどの要因で、衛星画像での認識が困難であるといった課題がある。一方、ＵＡＶ（ｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅ）は、被災地で即座に飛行させることが可能である点で、迅速な被害状況把握に適しており、さらに、雲の下を飛行するため、地表の情報を画像として取得しやすい。
【０００３】
特許文献１には、上空から撮像した画像から建物領域を抽出し、各建物の領域内部の画像テクスチャに着目して、破損状況を識別することが開示されている。
【先行技術文献】
【特許文献】
【０００４】
特開２０１７－２２０１７５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
例えば、大地震またはトルネードなどの建物自体が崩壊する大規模災害では、建物領域内部の画像テクスチャから建物の被災状況を識別することは可能である。一方で、例えば水害では、建物自体が崩壊するわけではないため、上空からの見た目では建物が被災しているかどうかはわからない。建物が被災したかどうかを識別するためには、建物の領域のみならず、建物の周辺領域の地表のテクスチャから判断する必要がある。
【０００６】
そこで、本発明は、上記課題に鑑みてなされたもので、その目的は、判定画像内の領域の異常を適切に把握する技術を提供することにある。
【課題を解決するための手段】
【０００７】
上記目的を解決するために、本発明は、画像内の領域の特徴量を抽出する画像特徴抽出部と、前記画像特徴抽出部が抽出した前記画像内の所定領域の特徴量と、前記所定領域の周辺の周辺領域の特徴量とに基づいて、前記所定領域と前記周辺領域との配置関係を抽出する配置関係抽出部と、複数の学習画像の前記配置関係と、判定画像の前記配置関係との差異を算出する配置関係差異算出部と、前記配置関係差異算出部が算出した前記差異に基づいて、前記判定画像内の領域の異常を判定する異常判定部と、を有する。
【発明の効果】
【０００８】
本発明によれば、判定画像内の領域の異常を適切に把握することができる。
【図面の簡単な説明】
【０００９】
実施例１に係る災害検知システムのハードウェア構成を示すブロック図。
実施例１に係る災害検知システムの機能ブロック図。
実施例１に係る災害検知システムの学習処理の事前準備を示すフローチャート。
実施例１に係る災害検知システムの学習処理のフローチャート。
実施例１に係る配置関係抽出処理を示すフローチャート。
実施例１に係る配置関係抽出処理を説明するための図。
実施例１に係る配置関係抽出処理を説明するための図。
実施例１に係るある建物と他の物体との位置関係を示した表。
実施例１に係る災害検知システムの運用時における機能ブロック図。
実施例１に係る災害検知システムの運用時における処理を示すフローチャート。
実施例１に係る災害検知システムの運用時の定量評価を説明するための図。
実施例１に係る運用時のブラッシュアップ処理を示すフローチャート。
実施例２に係る運用時における機能ブロック図。
実施例２に係る運用時における処理を示すフローチャート。
【発明を実施するための形態】
【００１０】
以下、本開示の実施例について図面を参照して説明する。ただし、以下の実施例は、本開示の説明のための例示であり、本開示の範囲をそれらの実施例にのみ限定する趣旨ではない。当業者は、本開示の範囲を逸脱することなしに、他の様々な態様で本開示を実施することができる。また、以下に説明する発明の構成において、同一部分又は同様な機能を有する部分には同一の符号を異なる図面間で共通して用い、重複する説明は省略することがある。また、同一あるいは同様な機能を有する要素が複数ある場合には、同一の符号に異なる添字を付して説明する場合がある。ただし、複数の要素を区別する必要がない場合には、添字を省略して説明する場合がある。また、図面などにおいて示す各構成の位置、大きさ、形状及び範囲などは、本開示の理解を容易にするため、実際の位置、大きさ、形状及び範囲などを表していない場合がある。このため、本開示は、図面などに開示された位置、大きさ、形状及び範囲などに限定されない。また、本明細書において単数形で表される構成要素は、特段文脈で明らかに示されない限り、複数あってもよい。
（【００１１】以降は省略されています）

関連特許