特許ウォッチ

公開番号2025125473
公報種別公開特許公報(A)
公開日2025-08-27
出願番号2024021540
出願日2024-02-15
発明の名称推定プログラム、推定方法および情報処理装置
出願人富士通株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06V 10/762 20220101AFI20250820BHJP(計算;計数)
要約【課題】複数の人物の姿勢を精度よく推定すること。
【解決手段】情報処理装置は、複数の人物に向けて照射されたレーダーの反射信号に基づいて生成される点群情報を取得する。情報処理装置は、取得した点群情報の空間的な距離と、点群情報の速度とに基づいて、点群情報をクラスタリングする。情報処理装置は、クラスタリングされた点群情報に基づいて、複数の人物のそれぞれの姿勢を推定する。
【選択図】図3
特許請求の範囲【請求項１】
複数の人物に向けて照射されたレーダーの反射信号に基づいて生成される点群情報を取得し、
取得した前記点群情報の空間的な距離と、前記点群情報の速度とに基づいて、前記点群情報をクラスタリングし、
クラスタリングされた前記点群情報に基づいて、前記複数の人物のそれぞれの姿勢を推定する
処理をコンピュータに実行させることを特徴とする推定プログラム。
続きを表示（約 1,400 文字）【請求項２】
前記取得する処理は、時系列の点群情報を取得し、
前記クラスタリングする処理は、時系列の点群情報について、クラスタリングを順に実行し、
前回の前記点群情報に基づくクラスタリングの結果と、今回の前記点群情報に基づくクラスタリングの結果を基にして、今回のクラスタリングの結果を補正する処理を更にコンピュータに実行させることを特徴とする請求項１に記載の推定プログラム。
【請求項３】
前記補正する処理は、今回のクラスタリングの結果に含まれる特定人物のクラスタに含まれるある点と、前回のクラスタリングの結果に含まれる前記特定人物に対応するクラスタとの距離が、前記点群情報の速度に基づいて特定される閾値以上である場合に、前記ある点を、前記特定人物以外の人物のクラスタに分類することを特徴とする請求項２に記載の推定プログラム。
【請求項４】
前記推定する処理は、前記点群情報に基づいて、前記複数の人物のそれぞれの骨格情報を推定し、
前記複数の人物のそれぞれの骨格情報を基にして、前記複数の人物のそれぞれの異常な行動を特定する処理を更にコンピュータに実行させることを特徴とする請求項１に記載の推定プログラム。
【請求項５】
前記点群情報には、前記複数の人物の表面上の複数の点に対する位置および速度を含み、前記クラスタリングする処理は、前記点群情報に含まれる複数の点の位置を基にして第１のクラスタリングを実行し、前記点群情報に含まれる複数の点の速度を基にして第２のクラスタリングを実行することを特徴とする請求項１に記載の推定プログラム。
【請求項６】
物体に向けて照射されたレーダーについてのドップラー効果に基づいて、前記点群情報の速度を算出することを特徴とする請求項１に記載の推定プログラム。
【請求項７】
前記複数の人物のそれぞれは、プライバシーを維持すべき対象となる室内に存在し、
前記推定する処理は、前記クラスタリングされた前記点群情報に基づいて、前記複数の人物を構成する第一の人物の点群情報と、前記複数の人物を構成する第二の人物の点群情報とを特定し、前記第一の人物の点群情報と、前記第二の人物の点群情報とのそれぞれを別々に分析することで、前記複数の人物における異常行動の発生を検出し、前記異常行動の発生を示すアラートを、前記プライバシーを維持すべき対象となる室内を監視する監視員の端末に通知することを特徴とする請求項１に記載の推定プログラム。
【請求項８】
複数の人物に向けて照射されたレーダーの反射信号に基づいて生成される点群情報を取得し、
取得した前記点群情報の空間的な距離と、前記点群情報の速度とに基づいて、前記点群情報をクラスタリングし、
クラスタリングされた前記点群情報に基づいて、前記複数の人物のそれぞれの姿勢を推定する
処理をコンピュータが実行することを特徴とする推定方法。
【請求項９】
複数の人物に向けて照射されたレーダーの反射信号に基づいて生成される点群情報を取得し、
取得した前記点群情報の空間的な距離と、前記点群情報の速度とに基づいて、前記点群情報をクラスタリングし、
クラスタリングされた前記点群情報に基づいて、前記複数の人物のそれぞれの姿勢を推定する
処理を実行する制御部を有する情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、推定プログラム等に関する。
続きを表示（約 1,100 文字）【背景技術】
【０００２】
転倒等による事故を早期発見することを目的として、人物の映像を分析する従来技術１がある。図１５は、従来技術１を説明するための図である。
【０００３】
図１５に示すように、従来技術１では、カメラ５で撮影した人物４の映像データを、ＡＩ（Artificial Intelligence）に入力し、ＡＩ６は、映像データを基にして、人物４に転倒等の事故が発生しているか否かを判定する。従来技術１では、ＡＩ６によって、人物４に事故が発生していると判定された場合に、管理者３に人物４の異常を通知する。
【０００４】
なお、図１５で説明した従来技術１では、絶えず映像データを取得するため、人物４のプライバシーを保護することが難しい。
【０００５】
これに対して、プライバシーを保護しつつ、カメラ相当の情報を取得可能なミリ波センサーを用いて、人物の姿勢を推定する従来技術２がある。
【０００６】
図１６は、従来技術２を説明するための図である。従来技術２を実行する装置を「従来装置」として説明を行う。従来装置は、ミリ波センサー１０を用いて点群データ１１を生成する。従来装置は、点群データ１１を、ＡＩ１２に入力することで、人物の姿勢データ１３を特定する。
【先行技術文献】
【特許文献】
【０００７】
特表２０２１－５３６０６８号公報
特開２０１８－１３９９９号公報
国際公開第２０２１／２２０３６５号
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、上述した従来技術２では、複数の人物の姿勢を精度よく推定できないという問題がある。
【０００９】
図１７は、従来技術２の問題を説明するための図である。たとえば、実空間上において、時刻ｔ１における実空間をフレームｆ１とし、時刻ｔ２における実空間をフレームｆ２とする。フレームｆ１，ｆ２には、人物ｈ１，ｈ２が含まれる。人物ｈ１は右方向に移動しており、人物ｈ２は左方向に移動している。
【００１０】
従来装置は、時刻ｔ１において、ミリ波センサー１０を利用して、点群データ１５を生成する。従来装置は、点群データ１５に対して距離に基づくクラスタリングを行うことで、点群データ１５をクラスタ１５ａ，１５ｂに分類する。時刻ｔ１の時点では、人物ｈ１と人物ｈ２との距離が離れているため、点群は、人物ｈ１に対応するクラスタ１５ａと、人物ｈ２に対応するクラスタ１５ｂとに分類される。
（【００１１】以降は省略されています）

関連特許