知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023065252
(43)【公開日】2023-05-12
(54)【発明の名称】解析システム及び解析方法
(51)【国際特許分類】
G06T 7/00 20170101AFI20230502BHJP
G01S 17/89 20200101ALI20230502BHJP
G06T 7/254 20170101ALI20230502BHJP
G06T 7/521 20170101ALI20230502BHJP
G06T 7/70 20170101ALI20230502BHJP
【ＦＩ】
G06T7/00 C
G01S17/89
G06T7/254 B
G06T7/521
G06T7/70 Z
【審査請求】未請求
【請求項の数】7
【出願形態】ＯＬ
(21)【出願番号】P 2021175955
(22)【出願日】2021-10-27
(71)【出願人】
【識別番号】599011687
【氏名又は名称】学校法人 中央大学
(74)【代理人】
【識別番号】100147485
【弁理士】
【氏名又は名称】杉村 憲司
(74)【代理人】
【識別番号】230118913
【弁護士】
【氏名又は名称】杉村 光嗣
(74)【代理人】
【識別番号】100097238
【弁理士】
【氏名又は名称】鈴木 治
(74)【代理人】
【識別番号】100174023
【弁理士】
【氏名又は名称】伊藤 怜愛
(72)【発明者】
【氏名】新妻 実保子
(72)【発明者】
【氏名】西尾 拓海
【テーマコード（参考）】
5J084
5L096
【Ｆターム（参考）】
5J084AA04
5J084AB07
5J084AB20
5J084AC10
5J084BA03
5J084EA40
5L096AA09
5L096BA02
5L096CA18
5L096FA67
5L096FA69
5L096FA70
5L096GA08
5L096GA19
5L096GA51
5L096HA03
5L096MA07
(57)【要約】 （修正有）
【課題】空間内の物体を人と人以外の物体とに区別する解析システム及び解析方法を提供する。
【解決手段】所定測定時間間隔毎に所定空間内の物体までの距離を測定して３次元の点群データを出力する測域センサと、処理部と、を備える解析システムであって、処理部は、所定初期背景抽出用期間内において測域センサから出力される点群データに基づいて静止物体を抽出し、所定空間を俯瞰視し格子状に細分化したセル配列において各静止物体を構成する各セルを、初期背景として登録する初期背景抽出処理Ｓ１と、所定初期背景抽出用期間の後の所定観察期間内において測域センサから出力される点群データから初期背景を差し引くことにより動物体を抽出する動物体抽出処理Ｓ２と、抽出した動物体から可動静止物体を抽出し、セル配列において各可動静止物体を構成する各セルを後定義背景として再定義する可動静止物体抽出処理Ｓ３と、を実行する。
【選択図】図２
【解決手段】所定測定時間間隔毎に所定空間内の物体までの距離を測定して３次元の点群データを出力する測域センサと、処理部と、を備える解析システムであって、処理部は、所定初期背景抽出用期間内において測域センサから出力される点群データに基づいて静止物体を抽出し、所定空間を俯瞰視し格子状に細分化したセル配列において各静止物体を構成する各セルを、初期背景として登録する初期背景抽出処理Ｓ１と、所定初期背景抽出用期間の後の所定観察期間内において測域センサから出力される点群データから初期背景を差し引くことにより動物体を抽出する動物体抽出処理Ｓ２と、抽出した動物体から可動静止物体を抽出し、セル配列において各可動静止物体を構成する各セルを後定義背景として再定義する可動静止物体抽出処理Ｓ３と、を実行する。
【選択図】図２
【特許請求の範囲】
【請求項1】
所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して３次元の点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムであって、
前記処理部は、
所定初期背景抽出用期間内において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の静止物体を抽出し、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列において各前記静止物体を構成する各セルを、初期背景として登録する、初期背景抽出処理と、
前記所定初期背景抽出用期間の後の所定観察期間内において前記測定時刻に前記測域センサから出力される前記点群データから前記初期背景を差し引くことにより、１つ又は複数の動物体を抽出する、動物体抽出処理と、
前記１つ又は複数の動物体から１つ又は複数の可動静止物体を抽出し、前記セル配列において各前記可動静止物体を構成する各セルを、後定義背景として再定義する、可動静止物体抽出処理と、
を行うように構成されている、解析システム。
処理部と、
を備えた、解析システムであって、
前記処理部は、
所定初期背景抽出用期間内において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の静止物体を抽出し、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列において各前記静止物体を構成する各セルを、初期背景として登録する、初期背景抽出処理と、
前記所定初期背景抽出用期間の後の所定観察期間内において前記測定時刻に前記測域センサから出力される前記点群データから前記初期背景を差し引くことにより、１つ又は複数の動物体を抽出する、動物体抽出処理と、
前記１つ又は複数の動物体から１つ又は複数の可動静止物体を抽出し、前記セル配列において各前記可動静止物体を構成する各セルを、後定義背景として再定義する、可動静止物体抽出処理と、
を行うように構成されている、解析システム。
【請求項2】
前記処理部は、前記初期背景抽出処理において、
前記所定初期背景抽出用期間内の前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の物体を抽出する、物体抽出処理と、
前記物体抽出処理によって抽出した前記１つ又は複数の物体のうち、それぞれ少なくとも一部が所定高さ以上の高さ位置にある１つ又は複数の第１物体を、それぞれ静止物体として抽出し、前記セル配列において各前記静止物体を構成する各セルを前記初期背景として登録する、高位置静止物体抽出処理と、
前記物体抽出処理によって抽出した前記１つ又は複数の物体のうち、前記高位置静止物体抽出処理によって抽出した前記１つ又は複数の第１物体以外の１つ又は複数の第２物体のそれぞれについて、物体の直線性の度合を表す第１直線性評価値を求め、当該第１直線性評価値が所定第１直線性評価値閾値を超えた１つ又は複数の前記第２物体をそれぞれ静止物体として抽出し、前記セル配列において各前記静止物体を構成する各セルを前記初期背景として登録する、直線型静止物体抽出処理と、
を行うように構成されている、請求項１に記載の解析システム。
前記所定初期背景抽出用期間内の前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の物体を抽出する、物体抽出処理と、
前記物体抽出処理によって抽出した前記１つ又は複数の物体のうち、それぞれ少なくとも一部が所定高さ以上の高さ位置にある１つ又は複数の第１物体を、それぞれ静止物体として抽出し、前記セル配列において各前記静止物体を構成する各セルを前記初期背景として登録する、高位置静止物体抽出処理と、
前記物体抽出処理によって抽出した前記１つ又は複数の物体のうち、前記高位置静止物体抽出処理によって抽出した前記１つ又は複数の第１物体以外の１つ又は複数の第２物体のそれぞれについて、物体の直線性の度合を表す第１直線性評価値を求め、当該第１直線性評価値が所定第１直線性評価値閾値を超えた１つ又は複数の前記第２物体をそれぞれ静止物体として抽出し、前記セル配列において各前記静止物体を構成する各セルを前記初期背景として登録する、直線型静止物体抽出処理と、
を行うように構成されている、請求項１に記載の解析システム。
【請求項3】
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第１動物体が、座位状態から立位状態に遷移し、その後、前記動物体抽出処理により前記第１動物体の周辺に新たな動物体が抽出され、その後、以下の式（５）を最初に満たした時刻から所定新動物体監視時間内において、前記式（５）を継続的に満たす時間が所定継続時間閾値を超えた場合、前記新たな動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、連動型可動静止物体抽出処理
を行うように構成されている、請求項１又は２に記載の解析システム。
上記式（５）において、
h(k,t)：前記新たな動物体の高さ（mm）
γ：0以上200以下の所定の実数
hsit_ave(p,q)：前記第１動物体の座位高さ平均値（mm）
前記１つ又は複数の動物体のうちの第１動物体が、座位状態から立位状態に遷移し、その後、前記動物体抽出処理により前記第１動物体の周辺に新たな動物体が抽出され、その後、以下の式（５）を最初に満たした時刻から所定新動物体監視時間内において、前記式（５）を継続的に満たす時間が所定継続時間閾値を超えた場合、前記新たな動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、連動型可動静止物体抽出処理
を行うように構成されている、請求項１又は２に記載の解析システム。
【数1】
h(k,t)：前記新たな動物体の高さ（mm）
γ：0以上200以下の所定の実数
hsit_ave(p,q)：前記第１動物体の座位高さ平均値（mm）
【請求項4】
前記処理部は、前記可動静止物体抽出処理において、
前記初期背景に遮蔽領域が所定遮蔽領域監視時間にわたって同じ場所に生じた場合、前記１つ又は複数の動物体のうち、前記測域センサと前記遮蔽領域との間に位置する第２動物体を特定し、当該第２動物体について、物体の直線性の度合を表す第２直線性評価値を求め、当該第２直線性評価値が所定第２直線性評価値閾値を超えた場合、当該第２動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、直線型可動静止物体抽出処理
を行うように構成されている、請求項１～３のいずれか一項に記載の解析システム。
前記初期背景に遮蔽領域が所定遮蔽領域監視時間にわたって同じ場所に生じた場合、前記１つ又は複数の動物体のうち、前記測域センサと前記遮蔽領域との間に位置する第２動物体を特定し、当該第２動物体について、物体の直線性の度合を表す第２直線性評価値を求め、当該第２直線性評価値が所定第２直線性評価値閾値を超えた場合、当該第２動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、直線型可動静止物体抽出処理
を行うように構成されている、請求項１～３のいずれか一項に記載の解析システム。
【請求項5】
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第３動物体の最高点が、所定最高点監視時間にわたってほぼ同じ位置に位置した場合、当該第３動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、最高点微変動型可動静止物体抽出処理
を行うように構成されている、請求項１～４のいずれか一項に記載の解析システム。
前記１つ又は複数の動物体のうちの第３動物体の最高点が、所定最高点監視時間にわたってほぼ同じ位置に位置した場合、当該第３動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、最高点微変動型可動静止物体抽出処理
を行うように構成されている、請求項１～４のいずれか一項に記載の解析システム。
【請求項6】
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第４動物体が、所定ボクセル数監視時間内における当該第４動物体の動物体構成ボクセル数の変動の度合を表すボクセル数変動評価値が所定ボクセル数変動評価値閾値未満である場合、当該第４動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、ボクセル数微変動型可動静止物体抽出処理
を行うように構成されている、請求項１～５のいずれか一項に記載の解析システム。
前記１つ又は複数の動物体のうちの第４動物体が、所定ボクセル数監視時間内における当該第４動物体の動物体構成ボクセル数の変動の度合を表すボクセル数変動評価値が所定ボクセル数変動評価値閾値未満である場合、当該第４動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、ボクセル数微変動型可動静止物体抽出処理
を行うように構成されている、請求項１～５のいずれか一項に記載の解析システム。
【請求項7】
所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して３次元の点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムを用いた、解析方法であって、
前記処理部が、所定初期背景抽出用期間内において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の静止物体を抽出し、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列において各前記静止物体を構成する各セルを、初期背景として登録する、初期背景抽出ステップと、
前記処理部が、前記所定初期背景抽出用期間の後の所定観察期間内において前記測定時刻に前記測域センサから出力される前記点群データから前記初期背景を差し引くことにより、１つ又は複数の動物体を抽出する、動物体抽出ステップと、
前記処理部が、前記１つ又は複数の動物体から１つ又は複数の可動静止物体を抽出し、前記セル配列において各前記可動静止物体を構成する各セルを、後定義背景として再定義する、可動静止物体抽出ステップと、
を含む、解析方法。
処理部と、
を備えた、解析システムを用いた、解析方法であって、
前記処理部が、所定初期背景抽出用期間内において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の静止物体を抽出し、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列において各前記静止物体を構成する各セルを、初期背景として登録する、初期背景抽出ステップと、
前記処理部が、前記所定初期背景抽出用期間の後の所定観察期間内において前記測定時刻に前記測域センサから出力される前記点群データから前記初期背景を差し引くことにより、１つ又は複数の動物体を抽出する、動物体抽出ステップと、
前記処理部が、前記１つ又は複数の動物体から１つ又は複数の可動静止物体を抽出し、前記セル配列において各前記可動静止物体を構成する各セルを、後定義背景として再定義する、可動静止物体抽出ステップと、
を含む、解析方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、解析システム及び解析方法に関する。
【背景技術】
【0002】
従来、センサを用いて環境地図を作成する技術がある（例えば、特許文献１）。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１９－６７００１号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、従来の技術では、空間内の物体の位置や形状を把握できるに留まり、空間内の物体を人と人以外の物体とに区別するものではなかった。
【0005】
本発明は、空間内の物体を人と人以外の物体とに区別することが可能になる、解析システム及び解析方法を、提供することを目的とする。
【課題を解決するための手段】
【0006】
本発明の解析システムは、
所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して３次元の点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムであって、
前記処理部は、
所定初期背景抽出用期間内において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の静止物体を抽出し、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列において各前記静止物体を構成する各セルを、初期背景として登録する、初期背景抽出処理と、
前記所定初期背景抽出用期間の後の所定観察期間内において前記測定時刻に前記測域センサから出力される前記点群データから前記初期背景を差し引くことにより、１つ又は複数の動物体を抽出する、動物体抽出処理と、
前記１つ又は複数の動物体から１つ又は複数の可動静止物体を抽出し、前記セル配列において各前記可動静止物体を構成する各セルを、後定義背景として再定義する、可動静止物体抽出処理と、
を行うように構成されている。
所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して３次元の点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムであって、
前記処理部は、
所定初期背景抽出用期間内において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の静止物体を抽出し、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列において各前記静止物体を構成する各セルを、初期背景として登録する、初期背景抽出処理と、
前記所定初期背景抽出用期間の後の所定観察期間内において前記測定時刻に前記測域センサから出力される前記点群データから前記初期背景を差し引くことにより、１つ又は複数の動物体を抽出する、動物体抽出処理と、
前記１つ又は複数の動物体から１つ又は複数の可動静止物体を抽出し、前記セル配列において各前記可動静止物体を構成する各セルを、後定義背景として再定義する、可動静止物体抽出処理と、
を行うように構成されている。
【0007】
本発明の解析システムにおいて、
前記処理部は、前記初期背景抽出処理において、
前記所定初期背景抽出用期間内の前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の物体を抽出する、物体抽出処理と、
前記物体抽出処理によって抽出した前記１つ又は複数の物体のうち、それぞれ少なくとも一部が所定高さ以上の高さ位置にある１つ又は複数の第１物体を、それぞれ静止物体として抽出し、前記セル配列において各前記静止物体を構成する各セルを前記初期背景として登録する、高位置静止物体抽出処理と、
前記物体抽出処理によって抽出した前記１つ又は複数の物体のうち、前記高位置静止物体抽出処理によって抽出した前記１つ又は複数の第１物体以外の１つ又は複数の第２物体のそれぞれについて、物体の直線性の度合を表す第１直線性評価値を求め、当該第１直線性評価値が所定第１直線性評価値閾値を超えた１つ又は複数の前記第２物体をそれぞれ静止物体として抽出し、前記セル配列において各前記静止物体を構成する各セルを前記初期背景として登録する、直線型静止物体抽出処理と、
を行うように構成されていると、好適である。
前記処理部は、前記初期背景抽出処理において、
前記所定初期背景抽出用期間内の前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の物体を抽出する、物体抽出処理と、
前記物体抽出処理によって抽出した前記１つ又は複数の物体のうち、それぞれ少なくとも一部が所定高さ以上の高さ位置にある１つ又は複数の第１物体を、それぞれ静止物体として抽出し、前記セル配列において各前記静止物体を構成する各セルを前記初期背景として登録する、高位置静止物体抽出処理と、
前記物体抽出処理によって抽出した前記１つ又は複数の物体のうち、前記高位置静止物体抽出処理によって抽出した前記１つ又は複数の第１物体以外の１つ又は複数の第２物体のそれぞれについて、物体の直線性の度合を表す第１直線性評価値を求め、当該第１直線性評価値が所定第１直線性評価値閾値を超えた１つ又は複数の前記第２物体をそれぞれ静止物体として抽出し、前記セル配列において各前記静止物体を構成する各セルを前記初期背景として登録する、直線型静止物体抽出処理と、
を行うように構成されていると、好適である。
【0008】
本発明の解析システムにおいて、
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第１動物体が、座位状態から立位状態に遷移し、その後、前記動物体抽出処理により前記第１動物体の周辺に新たな動物体が抽出され、その後、以下の式（５）を最初に満たした時刻から所定新動物体監視時間内において、前記式（５）を継続的に満たす時間が所定継続時間閾値を超えた場合、前記新たな動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、連動型可動静止物体抽出処理
を行うように構成されていると、好適である。
上記式（５）において、
h(k,t)：前記新たな動物体の高さ（mm）
γ：0以上200以下の所定の実数
hsit_ave(p,q)：前記第１動物体の座位高さ平均値（mm）
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第１動物体が、座位状態から立位状態に遷移し、その後、前記動物体抽出処理により前記第１動物体の周辺に新たな動物体が抽出され、その後、以下の式（５）を最初に満たした時刻から所定新動物体監視時間内において、前記式（５）を継続的に満たす時間が所定継続時間閾値を超えた場合、前記新たな動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、連動型可動静止物体抽出処理
を行うように構成されていると、好適である。
【数1】
h(k,t)：前記新たな動物体の高さ（mm）
γ：0以上200以下の所定の実数
hsit_ave(p,q)：前記第１動物体の座位高さ平均値（mm）
【0009】
本発明の解析システムにおいて、
前記初期背景に遮蔽領域が所定遮蔽領域監視時間にわたって同じ場所に生じた場合、前記１つ又は複数の動物体のうち、前記測域センサと前記遮蔽領域との間に位置する第２動物体を特定し、当該第２動物体について、物体の直線性の度合を表す第２直線性評価値を求め、当該第２直線性評価値が所定第２直線性評価値閾値を超えた場合、当該第２動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、直線型可動静止物体抽出処理
を行うように構成されていると、好適である。
前記初期背景に遮蔽領域が所定遮蔽領域監視時間にわたって同じ場所に生じた場合、前記１つ又は複数の動物体のうち、前記測域センサと前記遮蔽領域との間に位置する第２動物体を特定し、当該第２動物体について、物体の直線性の度合を表す第２直線性評価値を求め、当該第２直線性評価値が所定第２直線性評価値閾値を超えた場合、当該第２動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、直線型可動静止物体抽出処理
を行うように構成されていると、好適である。
【0010】
本発明の解析システムにおいて、
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第３動物体の最高点が、所定最高点監視時間にわたってほぼ同じ位置に位置した場合、当該第３動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、最高点微変動型可動静止物体抽出処理
を行うように構成されていると、好適である。
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第３動物体の最高点が、所定最高点監視時間にわたってほぼ同じ位置に位置した場合、当該第３動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、最高点微変動型可動静止物体抽出処理
を行うように構成されていると、好適である。
【0011】
本発明の解析システムにおいて、
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第４動物体が、所定ボクセル数監視時間内における当該第４動物体の動物体構成ボクセル数の変動の度合を表すボクセル数変動評価値が所定ボクセル数変動評価値閾値未満である場合、当該第４動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、ボクセル数微変動型可動静止物体抽出処理
を行うように構成されていると、好適である。
前記処理部は、前記可動静止物体抽出処理において、
前記１つ又は複数の動物体のうちの第４動物体が、所定ボクセル数監視時間内における当該第４動物体の動物体構成ボクセル数の変動の度合を表すボクセル数変動評価値が所定ボクセル数変動評価値閾値未満である場合、当該第４動物体を可動静止物体として抽出し、前記セル配列において当該可動静止物体を構成する各セルを後定義背景として再定義する、ボクセル数微変動型可動静止物体抽出処理
を行うように構成されていると、好適である。
【0012】
本発明の解析方法は、
所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して３次元の点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムを用いた、解析方法であって、
前記処理部が、所定初期背景抽出用期間内において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の静止物体を抽出し、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列において各前記静止物体を構成する各セルを、初期背景として登録する、初期背景抽出ステップと、
前記処理部が、前記所定初期背景抽出用期間の後の所定観察期間内において前記測定時刻に前記測域センサから出力される前記点群データから前記初期背景を差し引くことにより、１つ又は複数の動物体を抽出する、動物体抽出ステップと、
前記処理部が、前記１つ又は複数の動物体から１つ又は複数の可動静止物体を抽出し、前記セル配列において各前記可動静止物体を構成する各セルを、後定義背景として再定義する、可動静止物体抽出ステップと、
を含む。
所定測定時間間隔毎の各測定時刻に所定空間内における物体までの距離を測定して３次元の点群データを出力する、測域センサと、
処理部と、
を備えた、解析システムを用いた、解析方法であって、
前記処理部が、所定初期背景抽出用期間内において各前記測定時刻に前記測域センサから出力される前記点群データに基づいて、１つ又は複数の静止物体を抽出し、前記所定空間を俯瞰視し格子状に細分化することにより定義されるセル配列において各前記静止物体を構成する各セルを、初期背景として登録する、初期背景抽出ステップと、
前記処理部が、前記所定初期背景抽出用期間の後の所定観察期間内において前記測定時刻に前記測域センサから出力される前記点群データから前記初期背景を差し引くことにより、１つ又は複数の動物体を抽出する、動物体抽出ステップと、
前記処理部が、前記１つ又は複数の動物体から１つ又は複数の可動静止物体を抽出し、前記セル配列において各前記可動静止物体を構成する各セルを、後定義背景として再定義する、可動静止物体抽出ステップと、
を含む。
【発明の効果】
【0013】
本発明によれば、空間内の物体を人と人以外の物体とに区別することが可能になる、解析システム及び解析方法を、提供することができる。
【図面の簡単な説明】
【0014】
【図1】本発明の一実施形態に係る解析システムを概略的に示す、概略図である。
【図2】本発明の一実施形態に係る解析方法の概略的なフローチャートである。
【図3】物体の種別を説明するための図面である。
【図4】解析対象の所定空間の一例とセル配列の一例とを説明するための図面である。
【図8】連動型可動静止物体抽出処理を説明するための図面である。
【図9】直線型可動静止物体抽出処理を説明するための図面である。
【図10】直線型可動静止物体抽出処理を説明するための図面である。
【図11】ボクセル数微変動型可動静止物体抽出処理を説明するための図面である。
【図12】ボクセル数微変動型可動静止物体抽出処理を説明するための図面である。
【図14】環境地図の一例を説明するための図面である。
【発明を実施するための形態】
【0015】
以下に、図面を参照しつつ、本発明に係る解析システム及び解析方法の実施形態を例示説明する。
各図において共通する構成要素には同一の符号を付している。
各図において共通する構成要素には同一の符号を付している。
【0016】
〔解析システム１〕
まず、図１及び図４を参照して、本発明の解析方法を使用し得る、本発明の一実施形態に係る解析システム１を説明する。図１は、解析システム１の構成を概略的に示している。解析システム１は、所定空間Ｓ（図４）の解析をするように構成されている。図１に示すように、解析システム１は、測域センサ２と、解析装置３と、を備えている。図４は、所定空間Ｓの一例を俯瞰視した様子を示している。
解析システム１の解析対象とする所定空間Ｓとしては、例えばオフィス内空間や学校内空間等、屋内空間であると好適である。
具体的に、解析システム１は、所定空間Ｓ内の物体を人と人以外の物体とに区別して、所定空間Ｓが人によってどのように使われるかを解析するように、構成されている。解析システム１のユーザは、例えば、所定空間Ｓの解析者、所有者、又は、使用者等が、挙げられる。
まず、図１及び図４を参照して、本発明の解析方法を使用し得る、本発明の一実施形態に係る解析システム１を説明する。図１は、解析システム１の構成を概略的に示している。解析システム１は、所定空間Ｓ（図４）の解析をするように構成されている。図１に示すように、解析システム１は、測域センサ２と、解析装置３と、を備えている。図４は、所定空間Ｓの一例を俯瞰視した様子を示している。
解析システム１の解析対象とする所定空間Ｓとしては、例えばオフィス内空間や学校内空間等、屋内空間であると好適である。
具体的に、解析システム１は、所定空間Ｓ内の物体を人と人以外の物体とに区別して、所定空間Ｓが人によってどのように使われるかを解析するように、構成されている。解析システム１のユーザは、例えば、所定空間Ｓの解析者、所有者、又は、使用者等が、挙げられる。
【0017】
ここで、図３及び図４を参照しつつ、所定空間Ｓ内の物体の分類について説明する。図４に例示するように、所定空間Ｓ内にはあらゆる物体Ｏ（Ｏａ～Ｏｇ）が存在する。図３に示すように、物体Ｏは、静止物体ＳＯと動物体ＭＯとに分類することができる。静止物体ＳＯは、測域センサ２の測定期間中において全く動かない物体を指しており、例えば壁、ドア、机等が挙げられる。図４の例においては、所定空間Ｓ内の物体Ｏａ～Ｏｇのうち、物体Ｏａ～Ｏｃが静止物体ＳＯであり、そのうち、物体Ｏａ～Ｏｂは壁であり、物体Ｏｃは机である。動物体ＭＯは、測域センサ２の測定期間中において少なくとも一時的に動く物体を指す。動物体ＭＯは、人Ｐと可動静止物体ＭＳＯとに分類することができる。可動静止物体ＭＳＯは、測域センサ２の測定期間中において人Ｐとの関わりによって動く物体を指しており、例えば、椅子、机、ホワイトボード、観葉植物、ごみ箱等が挙げられる。図４の例においては、所定空間Ｓ内の物体Ｏａ～Ｏｇのうち、物体Ｏｄ～Ｏｇが動物体であり、そのうち、物体Ｏｅが人Ｐであり、物体Ｏｄ、Ｏｆ、Ｏｇが可動静止物体ＭＳＯである。可動静止物体ＭＳＯとしての物体Ｏｄ、Ｏｆ、Ｏｇは、物体Ｏｄが椅子であり、物体Ｏｆが観葉植物であり、物体Ｏｇがごみ箱である。
解析システム１は、所定空間Ｓ内の人Ｐを、人以外の物体である静止物体ＳＯや可動静止物体ＭＳＯから区別するように、構成されている。
解析システム１は、所定空間Ｓ内の人Ｐを、人以外の物体である静止物体ＳＯや可動静止物体ＭＳＯから区別するように、構成されている。
【0018】
所定空間Ｓには、ｘｙｚ直交座標系が定義される。図４に示すように、ｘ軸及びｙ軸は、それぞれ、水平方向に平行である。ｚ軸は、高さ方向に平行である。
後述するように、解析システム１の解析装置３は、２次元のセル配列ＣＡを用いて所定空間Ｓを解析する。セル配列ＣＡは、図４に示すように、所定空間Ｓを俯瞰視し格子状に細分化することにより定義されるものである。セル配列ＣＡは、ｘｙ平面に平行である。セル配列ＣＡのセルＣは、ｘ軸及びｙ軸のそれぞれに沿って配列されている。セル配列ＣＡの各セルＣは、正方形をなしている。セルＣの一辺の長さは、１つのセルＣ内に複数の物体Ｏの全体が入り込むのを抑制する観点から、１３ｃｍ以下であると好適であり、１１ｃｍ以下であるとより好適である。また、セルＣの一辺の長さは、解析装置３の処理量の増大を抑制する観点から、７ｃｍ以上であると好適であり、９ｃｍ以上であるとより好適である。セルＣの一辺の長さは、例えば１０ｃｍであると好適である。
なお、各セルＣの座標は、ｘｙ直交座標系において、(p.q)として表される。ここで、ｐ、ｑは、それぞれ、整数であると好適である。
後述するように、解析システム１の解析装置３は、２次元のセル配列ＣＡを用いて所定空間Ｓを解析する。セル配列ＣＡは、図４に示すように、所定空間Ｓを俯瞰視し格子状に細分化することにより定義されるものである。セル配列ＣＡは、ｘｙ平面に平行である。セル配列ＣＡのセルＣは、ｘ軸及びｙ軸のそれぞれに沿って配列されている。セル配列ＣＡの各セルＣは、正方形をなしている。セルＣの一辺の長さは、１つのセルＣ内に複数の物体Ｏの全体が入り込むのを抑制する観点から、１３ｃｍ以下であると好適であり、１１ｃｍ以下であるとより好適である。また、セルＣの一辺の長さは、解析装置３の処理量の増大を抑制する観点から、７ｃｍ以上であると好適であり、９ｃｍ以上であるとより好適である。セルＣの一辺の長さは、例えば１０ｃｍであると好適である。
なお、各セルＣの座標は、ｘｙ直交座標系において、(p.q)として表される。ここで、ｐ、ｑは、それぞれ、整数であると好適である。
【0019】
（測域センサ２）
測域センサ２は、所定測定期間にわたって、所定測定時間間隔（例えば０．１秒）毎の各測定時刻において、所定空間Ｓ内における物体Ｏまでの距離を測定して３次元の点群データを出力するように構成されている。測域センサ２は、例えば、レーザによって所定測定時間間隔毎に所定空間Ｓ内における物体Ｏまでの距離を測定して３次元の点群データを出力するように構成された、3D-LiDAR (3D Laser Imaging Detection and Ranging)又は3D-LRF (3D Laser Range Finder)から構成されると、好適である。３次元の点群データの各点は、ｘｙｚ座標系によって表される。
測域センサ２は、３次元の点群データを出力するように構成されているので、仮に２次元の点群データを出力するように構成されている場合に比べて、高さ情報を含めることができ、死角が少ないので、より正確に物体Ｏの位置、形状、及び個数の解析が可能になる。また、一般的に、３次元の点群データを出力するように構成された測域センサ（3D-LiDAR等）は、２次元の点群データを出力するように構成された測域センサ（2D-LiDAR等）に比べて、測定範囲が広いため、測域センサの数を減らすことができるという利点もある。
測域センサ２の数は、１つであると好適であるが、複数であってもよい。複数の測域センサ２を用いる場合、解析装置３は、これら複数の測域センサ２からの点群データどうしを合同した点群データを使用するとよい。
所定測定期間の長さは、例えば、０．５～５時間等が挙げられる。
測域センサ２は、その検出範囲が所定空間Ｓの全体を含むように、設置される。
測域センサ２は、所定空間Ｓ内の人Ｐよりも少し高い高さに設置されることが好ましい。例えば、測域センサ２は、地面から１．７５～１．９０ｍの高さに設置されると好適であり、地面から１．８０～１．８５ｍの高さに設置されるとより好適である。
測域センサ２による点群データは、解析装置３に出力される。測域センサ２は、所定測定時間間隔毎の各測定時刻に、点群データを、リアルタイムで、解析装置３へ通信（有線通信及び／又は無線通信）により送信する。
測域センサ２は、所定測定期間にわたって、所定測定時間間隔（例えば０．１秒）毎の各測定時刻において、所定空間Ｓ内における物体Ｏまでの距離を測定して３次元の点群データを出力するように構成されている。測域センサ２は、例えば、レーザによって所定測定時間間隔毎に所定空間Ｓ内における物体Ｏまでの距離を測定して３次元の点群データを出力するように構成された、3D-LiDAR (3D Laser Imaging Detection and Ranging)又は3D-LRF (3D Laser Range Finder)から構成されると、好適である。３次元の点群データの各点は、ｘｙｚ座標系によって表される。
測域センサ２は、３次元の点群データを出力するように構成されているので、仮に２次元の点群データを出力するように構成されている場合に比べて、高さ情報を含めることができ、死角が少ないので、より正確に物体Ｏの位置、形状、及び個数の解析が可能になる。また、一般的に、３次元の点群データを出力するように構成された測域センサ（3D-LiDAR等）は、２次元の点群データを出力するように構成された測域センサ（2D-LiDAR等）に比べて、測定範囲が広いため、測域センサの数を減らすことができるという利点もある。
測域センサ２の数は、１つであると好適であるが、複数であってもよい。複数の測域センサ２を用いる場合、解析装置３は、これら複数の測域センサ２からの点群データどうしを合同した点群データを使用するとよい。
所定測定期間の長さは、例えば、０．５～５時間等が挙げられる。
測域センサ２は、その検出範囲が所定空間Ｓの全体を含むように、設置される。
測域センサ２は、所定空間Ｓ内の人Ｐよりも少し高い高さに設置されることが好ましい。例えば、測域センサ２は、地面から１．７５～１．９０ｍの高さに設置されると好適であり、地面から１．８０～１．８５ｍの高さに設置されるとより好適である。
測域センサ２による点群データは、解析装置３に出力される。測域センサ２は、所定測定時間間隔毎の各測定時刻に、点群データを、リアルタイムで、解析装置３へ通信（有線通信及び／又は無線通信）により送信する。
【0020】
（解析装置３）
解析装置３は、図１に示すように、処理部３１と、通信部３２と、記憶部３３と、入力部３４と、表示部３５と、を有する。解析装置３は、例えば、パーソナルコンピュータ、タブレット端末、携帯端末、専用装置等、任意のコンピュータから構成されることができる。解析装置３は、１つのコンピュータで構成されてもよいし、複数のコンピュータで構成されてもよい。
解析装置３は、図１に示すように、処理部３１と、通信部３２と、記憶部３３と、入力部３４と、表示部３５と、を有する。解析装置３は、例えば、パーソナルコンピュータ、タブレット端末、携帯端末、専用装置等、任意のコンピュータから構成されることができる。解析装置３は、１つのコンピュータで構成されてもよいし、複数のコンピュータで構成されてもよい。
【0021】
処理部３１は、例えば１つ又は複数のＣＰＵから構成され、記憶部３３に記憶された解析プログラム等のプログラムを実行することにより、通信部３２、記憶部３３、入力部３４、及び表示部３５を含む、解析装置３の全体を制御しながら、後述する初期背景抽出処理、動物体抽出処理、可動静止物体抽出処理、環境地図作成処理等の処理を実行する。処理部３１による処理の詳細については、後に説明する。
【0022】
通信部３２は、測域センサ２との間で通信（有線通信及び／又は無線通信）を行うように構成されている。解析装置３は、通信部３２を介して、測域センサ２から点群データを受信する。
【0023】
記憶部３３は、例えば１つ又は複数のＲＯＭ、１つ又は複数のＲＡＭ、及び／又は、外部記憶装置（ＵＳＢ、ＳＤカード等）等から構成され、処理部３１が実行するための解析プログラム等のプログラム、測域センサ２からの点群データ、処理部３１の算出結果等、様々な情報を記憶する。
【0024】
入力部３４は、例えばキーボード、マウス、及び／又は、押しボタン等から構成され、ユーザからの入力を受け付ける。
表示部３５は、例えば液晶パネル等から構成され、後述する環境地図（図１４）等、様々な情報を表示する。
入力部３４及び表示部３５は、タッチパネルを構成してもよい。
なお、解析装置３は、入力部３４及び／又は表示部３５を備えていなくてもよい。
表示部３５は、例えば液晶パネル等から構成され、後述する環境地図（図１４）等、様々な情報を表示する。
入力部３４及び表示部３５は、タッチパネルを構成してもよい。
なお、解析装置３は、入力部３４及び／又は表示部３５を備えていなくてもよい。
【0025】
〔解析方法〕
つぎに、本発明の一実施形態に係る解析方法について、図２、図４～図１４を参照しつつ説明する。図２は、本発明の一実施形態に係る解析方法の概略的なフローチャートである。以下では、上述した図１の例の解析システム１を用いる場合について説明するが、図１の例とは異なる解析システム１を用いて、本発明の解析方法を実施することもできる。
本実施形態に係る解析方法は、初期背景抽出ステップＳ１と、動物体抽出ステップＳ２と、可動静止物体抽出ステップＳ３と、環境地図作成ステップＳ４と、を含む。これらのステップＳ１～Ｓ４は、解析装置３の処理部３１が、記憶部３３に記憶された解析プログラムを実行することにより、行う。
測域センサ２は、所定測定時間間隔毎の各測定時刻に、点群データを、リアルタイムで、解析装置３へ通信（有線通信及び／又は無線通信）により送信し、解析装置３は、その間、ステップＳ１～Ｓ３をリアルタイムで行う。
以下、各ステップについて説明する。
つぎに、本発明の一実施形態に係る解析方法について、図２、図４～図１４を参照しつつ説明する。図２は、本発明の一実施形態に係る解析方法の概略的なフローチャートである。以下では、上述した図１の例の解析システム１を用いる場合について説明するが、図１の例とは異なる解析システム１を用いて、本発明の解析方法を実施することもできる。
本実施形態に係る解析方法は、初期背景抽出ステップＳ１と、動物体抽出ステップＳ２と、可動静止物体抽出ステップＳ３と、環境地図作成ステップＳ４と、を含む。これらのステップＳ１～Ｓ４は、解析装置３の処理部３１が、記憶部３３に記憶された解析プログラムを実行することにより、行う。
測域センサ２は、所定測定時間間隔毎の各測定時刻に、点群データを、リアルタイムで、解析装置３へ通信（有線通信及び／又は無線通信）により送信し、解析装置３は、その間、ステップＳ１～Ｓ３をリアルタイムで行う。
以下、各ステップについて説明する。
【0026】
－初期背景抽出ステップ（Ｓ１）－
まず、初期背景抽出ステップＳ１において、処理部３１は、所定初期背景抽出用期間内において所定測定時間間隔毎の各測定時刻に測域センサ２から出力される点群データに基づいて、１つ又は複数の静止物体ＳＯを抽出し、セル配列ＣＡにおいて各静止物体ＳＯを構成する各セルＣを、初期背景ＩＢとして登録する、初期背景抽出処理を行う。
所定初期背景抽出用期間の長さは、例えば１００～１４０秒に設定されると好適である。所定初期背景抽出用期間は、測域センサ２の所定測定期間のうち比較的始めのほうの期間に設定されると好適であり、例えば、測域センサ２の所定測定期間の開始時刻と所定初期背景抽出用期間の開始時刻とが一致するように設定されると好適である。
まず、初期背景抽出ステップＳ１において、処理部３１は、所定初期背景抽出用期間内において所定測定時間間隔毎の各測定時刻に測域センサ２から出力される点群データに基づいて、１つ又は複数の静止物体ＳＯを抽出し、セル配列ＣＡにおいて各静止物体ＳＯを構成する各セルＣを、初期背景ＩＢとして登録する、初期背景抽出処理を行う。
所定初期背景抽出用期間の長さは、例えば１００～１４０秒に設定されると好適である。所定初期背景抽出用期間は、測域センサ２の所定測定期間のうち比較的始めのほうの期間に設定されると好適であり、例えば、測域センサ２の所定測定期間の開始時刻と所定初期背景抽出用期間の開始時刻とが一致するように設定されると好適である。
【0027】
図６は、図５の解析データに対して初期背景抽出ステップＳ１（初期背景抽出処理）を行った後に得られた解析データを概略的に示している。図６では、初期背景ＩＢとして登録されたセルＣを、グレーに着色して示している。
【0028】
初期背景抽出ステップＳ１は、例えば、物体抽出ステップＳ１１と、高位置静止物体抽出ステップＳ１２と、直線型静止物体抽出ステップＳ１３と、を含む。
【0029】
＜物体抽出ステップ（Ｓ１１）＞
物体抽出ステップＳ１１において、処理部３１は、所定初期背景抽出用期間内における測定時刻に測域センサ２から出力される点群データに基づいて、１つ又は複数の物体Ｏを抽出する、物体抽出処理を行う。
処理部３１は、物体抽出ステップＳ１１を、所定初期背景抽出用期間内の測定時刻毎に繰り返す。
具体的には、図５に示すように、処理部３１は、物体抽出ステップＳ１１において、例えば、以下のステップＳ１１１～Ｓ１１２を行う。
物体抽出ステップＳ１１において、処理部３１は、所定初期背景抽出用期間内における測定時刻に測域センサ２から出力される点群データに基づいて、１つ又は複数の物体Ｏを抽出する、物体抽出処理を行う。
処理部３１は、物体抽出ステップＳ１１を、所定初期背景抽出用期間内の測定時刻毎に繰り返す。
具体的には、図５に示すように、処理部３１は、物体抽出ステップＳ１１において、例えば、以下のステップＳ１１１～Ｓ１１２を行う。
【0030】
まず、処理部３１は、所定初期背景抽出用期間内の直近の測定時刻において測域センサ２から出力された点群データを、セル配列ＣＡに格納する（セル配列格納ステップＳ１１１）。ここで、処理部３１は、点群データの各点のｘ座標及びｙ座標に基づいて、点群データの各点を、それぞれセル配列ＣＡにおいて対応するセルＣ内に格納する。
つぎに、処理部３１は、図５に示すように、クラスタリングにより、互いに隣接する複数の点からなる点群を、１つの点群クラスターひいては物体Ｏとして抽出し、各物体Ｏに個別のＩＤを割り当てる（クラスタリングステップＳ１１２）。このとき、処理部３１は、今回の測定時刻の点群データに基づいて抽出した物体ＯにＩＤを割り当てる際、当該物体Ｏを構成する各セルＣが、前回の測定時刻の点群データに基づいて抽出したいずれか１つの物体Ｏを構成する各セルＣと、少なくとも部分的に重複している場合は、前回の測定時刻の点群データに基づいて抽出した当該１つの物体Ｏに割り当てたＩＤを引き継ぐ。これにより、異なる測定時刻どうしの間での物体Ｏのトラッキングが可能になる。なお、「物体Ｏを構成する各セルＣ」とは、物体Ｏを構成する点群が存在する各セルＣを指す。
クラスタリングの具体的な手法としては、任意の公知の手法を用いてよい。図５では、参考のため、物体抽出ステップＳ１１において抽出された各物体Ｏに割り当てられたＩＤを表記している。
以下では、物体Ｏに割り当てられたＩＤを、包括して「ｉ」、「ｋ」等と表記する場合がある。
つぎに、処理部３１は、図５に示すように、クラスタリングにより、互いに隣接する複数の点からなる点群を、１つの点群クラスターひいては物体Ｏとして抽出し、各物体Ｏに個別のＩＤを割り当てる（クラスタリングステップＳ１１２）。このとき、処理部３１は、今回の測定時刻の点群データに基づいて抽出した物体ＯにＩＤを割り当てる際、当該物体Ｏを構成する各セルＣが、前回の測定時刻の点群データに基づいて抽出したいずれか１つの物体Ｏを構成する各セルＣと、少なくとも部分的に重複している場合は、前回の測定時刻の点群データに基づいて抽出した当該１つの物体Ｏに割り当てたＩＤを引き継ぐ。これにより、異なる測定時刻どうしの間での物体Ｏのトラッキングが可能になる。なお、「物体Ｏを構成する各セルＣ」とは、物体Ｏを構成する点群が存在する各セルＣを指す。
クラスタリングの具体的な手法としては、任意の公知の手法を用いてよい。図５では、参考のため、物体抽出ステップＳ１１において抽出された各物体Ｏに割り当てられたＩＤを表記している。
以下では、物体Ｏに割り当てられたＩＤを、包括して「ｉ」、「ｋ」等と表記する場合がある。
【0031】
＜高位置静止物体抽出ステップ（Ｓ１２）＞
高位置静止物体抽出ステップＳ１２において、処理部３１は、物体抽出ステップＳ１１で抽出した１つ又は複数の物体Ｏのうち、それぞれ少なくとも一部が所定高さ以上の高さ位置にある１つ又は複数の物体Ｏ（以下、「第１物体Ｏ」という。）を、それぞれ静止物体ＳＯとして抽出し、セル配列ＣＡにおいて各静止物体ＳＯを構成する各セルＣを初期背景ＩＢとして登録する、高位置静止物体抽出処理を行う。
処理部３１は、高位置静止物体抽出ステップＳ１２を、所定初期背景抽出用期間の最初の測定時刻の点群データに基づいて行われた物体抽出ステップＳ１１の結果（１つ又は複数の物体Ｏ）を用いて１回のみ実施してもよいし、あるいは、物体抽出ステップＳ１１が実施される度にそれぞれ物体抽出ステップＳ１１の結果を用いて実施してもよい。
処理部３１は、高位置静止物体抽出ステップＳ１２において第１物体Ｏを静止物体ＳＯとして抽出して初期背景ＩＢとして登録する際、物体抽出ステップＳ１１において当該第１物体Ｏに割り当てたＩＤを取り消す（図６）。
ここで、所定高さは、所定空間Ｓ内の人Ｐよりも少し高い高さに設置されることが好ましく、例えば、地面から１．７５～１．９０ｍの高さに設定されると好適であり、地面から１．８０～１．８５ｍの高さに設定されるとより好適である。所定高さは、所定空間Ｓ内の人Ｐよりも少し高い高さに設置された測域センサ２の設置高さと同じ高さに設定されると、好適である。
高位置静止物体抽出ステップＳ１２により、ある程度高い位置にある物体Ｏを静止物体ＳＯとして定義することで、その分、以降の処理の対象とする点群を減らすことができ、ひいては、解析装置３の処理の効率やリアルタイム性を向上できる。
高位置静止物体抽出ステップＳ１２において、処理部３１は、物体抽出ステップＳ１１で抽出した１つ又は複数の物体Ｏのうち、それぞれ少なくとも一部が所定高さ以上の高さ位置にある１つ又は複数の物体Ｏ（以下、「第１物体Ｏ」という。）を、それぞれ静止物体ＳＯとして抽出し、セル配列ＣＡにおいて各静止物体ＳＯを構成する各セルＣを初期背景ＩＢとして登録する、高位置静止物体抽出処理を行う。
処理部３１は、高位置静止物体抽出ステップＳ１２を、所定初期背景抽出用期間の最初の測定時刻の点群データに基づいて行われた物体抽出ステップＳ１１の結果（１つ又は複数の物体Ｏ）を用いて１回のみ実施してもよいし、あるいは、物体抽出ステップＳ１１が実施される度にそれぞれ物体抽出ステップＳ１１の結果を用いて実施してもよい。
処理部３１は、高位置静止物体抽出ステップＳ１２において第１物体Ｏを静止物体ＳＯとして抽出して初期背景ＩＢとして登録する際、物体抽出ステップＳ１１において当該第１物体Ｏに割り当てたＩＤを取り消す（図６）。
ここで、所定高さは、所定空間Ｓ内の人Ｐよりも少し高い高さに設置されることが好ましく、例えば、地面から１．７５～１．９０ｍの高さに設定されると好適であり、地面から１．８０～１．８５ｍの高さに設定されるとより好適である。所定高さは、所定空間Ｓ内の人Ｐよりも少し高い高さに設置された測域センサ２の設置高さと同じ高さに設定されると、好適である。
高位置静止物体抽出ステップＳ１２により、ある程度高い位置にある物体Ｏを静止物体ＳＯとして定義することで、その分、以降の処理の対象とする点群を減らすことができ、ひいては、解析装置３の処理の効率やリアルタイム性を向上できる。
【0032】
＜直線型静止物体抽出ステップ（Ｓ１３）＞
直線型静止物体抽出ステップＳ１３において、処理部３１は、物体抽出ステップＳ１１によって抽出した１つ又は複数の物体Ｏのうち、高位置静止物体抽出ステップＳ１２によって抽出した１つ又は複数の第１物体Ｏ以外の１つ又は複数の物体Ｏ（以下、「第２物体Ｏ」という。）のそれぞれについて、物体の直線性の度合を表す第１直線性評価値Ccluster(i)を求め、当該第１直線性評価値Ccluster(i)が所定第１直線性評価値閾値Cth_clusterを超えた１つ又は複数の第２物体Ｏをそれぞれ静止物体ＳＯとして抽出し、セル配列ＣＡにおいて各静止物体ＳＯを構成する各セルＣを初期背景ＩＢとして登録する、直線型静止物体抽出処理を行う。
直線型静止物体抽出処理によって抽出される静止物体ＳＯは、概して言えば、人Ｐに比べて、直線性が高い（直線成分が多い）表面形状を有するといえる。なお、静止物体ＳＯの抽出方法として、所定初期背景抽出用期間において全く動かなかった物体Ｏを静止物体ＳＯとして抽出することも考えられるが、その場合、所定初期背景抽出用期間において全く動かなかった人Ｐも静止物体ＳＯとして抽出されるおそれがある。そこで、本例では、物体Ｏの動きに着目する代わりに、物体Ｏの表面形状の直線性に着目することにより、そのようなおそれを回避し、より正確に静止物体ＳＯを抽出できる。
直線型静止物体抽出ステップＳ１３において、処理部３１は、物体抽出ステップＳ１１によって抽出した１つ又は複数の物体Ｏのうち、高位置静止物体抽出ステップＳ１２によって抽出した１つ又は複数の第１物体Ｏ以外の１つ又は複数の物体Ｏ（以下、「第２物体Ｏ」という。）のそれぞれについて、物体の直線性の度合を表す第１直線性評価値Ccluster(i)を求め、当該第１直線性評価値Ccluster(i)が所定第１直線性評価値閾値Cth_clusterを超えた１つ又は複数の第２物体Ｏをそれぞれ静止物体ＳＯとして抽出し、セル配列ＣＡにおいて各静止物体ＳＯを構成する各セルＣを初期背景ＩＢとして登録する、直線型静止物体抽出処理を行う。
直線型静止物体抽出処理によって抽出される静止物体ＳＯは、概して言えば、人Ｐに比べて、直線性が高い（直線成分が多い）表面形状を有するといえる。なお、静止物体ＳＯの抽出方法として、所定初期背景抽出用期間において全く動かなかった物体Ｏを静止物体ＳＯとして抽出することも考えられるが、その場合、所定初期背景抽出用期間において全く動かなかった人Ｐも静止物体ＳＯとして抽出されるおそれがある。そこで、本例では、物体Ｏの動きに着目する代わりに、物体Ｏの表面形状の直線性に着目することにより、そのようなおそれを回避し、より正確に静止物体ＳＯを抽出できる。
【0033】
具体的に、直線型静止物体抽出ステップＳ１３において、処理部３１は、各第２物体Ｏについて、例えば、以下のステップＳ１３１～Ｓ１３８を行う。
【0034】
まず、処理部３１は、所定初期背景抽出用期間の直近の測定時刻における点群データから上述のようにして得られた第２物体Ｏの点群クラスターを、仮想的なボクセル配列ＶＡ（図示せず）に格納する。ここで、処理部３１は、第２物体Ｏの点群クラスターの各点のｘ座標、ｙ座標及びｚ座標に基づいて、第２物体Ｏの点群クラスターの各点を、それぞれボクセル配列ＶＡにおいて対応するボクセルＶ内に格納する（ボクセル配列格納ステップ Ｓ１３１）。
ボクセル配列ＶＡは、立方体状のボクセルＶ（図示せず）をｘ軸、ｙ軸、及びｚ軸のそれぞれに沿って３次元的に配列してなるものである。ボクセルＶの一辺の長さは、セル配列ＣＡのセルＣの一辺の長さと同じである。各ボクセルＶの座標は、ｘｙｚ直交座標系において、(p.q,r)として表される。ここで、ｐ、ｑ、ｒは、それぞれ、整数であると好適である。
ボクセル配列ＶＡは、立方体状のボクセルＶ（図示せず）をｘ軸、ｙ軸、及びｚ軸のそれぞれに沿って３次元的に配列してなるものである。ボクセルＶの一辺の長さは、セル配列ＣＡのセルＣの一辺の長さと同じである。各ボクセルＶの座標は、ｘｙｚ直交座標系において、(p.q,r)として表される。ここで、ｐ、ｑ、ｒは、それぞれ、整数であると好適である。
【0035】
つぎに、処理部３１は、第２物体Ｏを構成する各ボクセルＶのうちいずれか１つのボクセルＶ（p,q,r)内に格納された点群のxy平面上の中心点 Pcenter=(Pcenter:x,Pcenter:y)を求める（中心点算出ステップＳ１３２）。中心点 Pcenterは、具体的に、平均点又は重心点を意味する。ここで、「第２物体Ｏを構成する各ボクセルＶ」とは、第２物体Ｏを構成する点群が格納された各ボクセルＶを指す。
つぎに、処理部３１は、中心点 Pcenterと当該ボクセル内に格納された各点 Pn=(Pn:x,Pn:y,Pn:z)とのxy平面方向のなす角θnを、それぞれつぎの式（１）により算出する（なす角算出ステップＳ１３３）。この角度θnは、一対の点Pcenter 、Pnどうしを結んだ線分をxy平面に投影してなる線分の、ｘ軸に対するなす角度である。
つぎに、処理部３１は、中心点 Pcenterと当該ボクセル内に格納された各点 Pn=(Pn:x,Pn:y,Pn:z)とのxy平面方向のなす角θnを、それぞれつぎの式（１）により算出する（なす角算出ステップＳ１３３）。この角度θnは、一対の点Pcenter 、Pnどうしを結んだ線分をxy平面に投影してなる線分の、ｘ軸に対するなす角度である。
【数2】
【0036】
つぎに、処理部３１は、なす角θnとなす角θnの平均値θaveとを用いて、角度標準偏差σθ(p,q,r) を、つぎの式（２）により算出する（角度標準偏差算出ステップＳ１３４）。
【数3】
【0037】
つぎに、処理部３１は、角度標準偏差σθ(p,q,r)を用いて、当該ボクセルＶの背景重みωBG(p,q,r)を、つぎの式（３）により求める（背景重み算出ステップＳ１３５）。
式（３）において、α及びβは、０＜α＜βを満たす限り、それぞれ任意の値に設定されてよい。なお、本発明の発明者は、様々な解析を通して、一般的に、あるボクセルがσθ(p,q,r)＜0.1を満たす場合、当該ボクセル内の点群は、静止物体ＳＯを構成する傾向があり、また、あるボクセルが0.1≦σθ(p,q,r)＜0.5を満たす場合、当該ボクセル内の点群は、動物体ＭＯを構成する傾向がある、との知見を得た。この知見に鑑みて、αは、0.10であると好適であり、βは、0.50であると好適である。
【数4】
【0038】
同様にして、処理部３１は、第２物体Ｏを構成する各ボクセルＶの全てに対して、ステップS１３２～S１３５を実施して、背景重みωBG(p,q,r)をそれぞれ求める。
【0039】
つぎに、処理部３１は、第２物体Ｏについて求めた各背景重みωBG(p,q,r)の平均値ωBGave(p,q,r)を算出する（背景重み平均値算出ステップＳ１３６）。
同様にして、処理部３１は、所定初期背景抽出用期間内の測定時刻毎に、ステップS１３１～S１３６を実施して、当該第２物体Ｏの各背景重みωBG(p,q,r)の平均値ωBGave(p,q,r)を算出する。
同様にして、処理部３１は、所定初期背景抽出用期間内の測定時刻毎に、ステップS１３１～S１３６を実施して、当該第２物体Ｏの各背景重みωBG(p,q,r)の平均値ωBGave(p,q,r)を算出する。
【0040】
つぎに、処理部３１は、所定初期背景抽出用期間内の各測定時刻の点群データ毎の当該第２物体Ｏの各背景重みωBG(p,q,r)の平均値ωBGave(p,q,r)どうしを加算することにより、当該第２物体Ｏの第１直線性評価値Ccluster(i)を求める（第１直線性評価値算出ステップＳ１３７）。
第１直線性評価値Ccluster(i)は、第２物体Ｏの表面形状の直線性の度合を表しており、その値が高いほど、表面形状の直線性が高いことを意味する。Ccluster(i)のiは、第２物体ＯのＩＤを表している。
第１直線性評価値Ccluster(i)は、第２物体Ｏの表面形状の直線性の度合を表しており、その値が高いほど、表面形状の直線性が高いことを意味する。Ccluster(i)のiは、第２物体ＯのＩＤを表している。
【0041】
つぎに、処理部３１は、第１直線性評価値Ccluster(i)と所定第１直線性評価値閾値Cth_clusterとを比較し、第１直線性評価値Ccluster(i)が所定第１直線性評価値閾値Cth_clusterを超えた場合、当該第２物体Ｏをそれぞれ静止物体ＳＯとして抽出し、セル配列ＣＡにおいて各静止物体ＳＯを構成する各セルＣを初期背景ＩＢとして登録する（初期背景登録ステップＳ１３８）。
所定第１直線性評価値閾値Cth_clusterは、例えば960であると好適である。
所定第１直線性評価値閾値Cth_clusterは、例えば960であると好適である。
【0042】
処理部３１は、直線型静止物体抽出ステップＳ１３において第２物体Ｏを静止物体ＳＯとして抽出して初期背景ＩＢとして登録する際、物体抽出ステップＳ１１において当該第２物体Ｏに割り当てたＩＤを取り消す（図６）。
【0043】
なお、初期背景抽出ステップＳ１は、上述した高位置静止物体抽出ステップＳ１２及び直線型静止物体抽出ステップＳ１３のうち一方のみを含んでもよい。
また、初期背景抽出ステップＳ１は、処理部３１は、上述した高位置静止物体抽出ステップＳ１２や直線型静止物体抽出ステップＳ１３とは異なる方法によって、物体Ｏを静止物体ＳＯとして抽出してもよい。
また、初期背景抽出ステップＳ１は、処理部３１は、上述した高位置静止物体抽出ステップＳ１２や直線型静止物体抽出ステップＳ１３とは異なる方法によって、物体Ｏを静止物体ＳＯとして抽出してもよい。
【0044】
－動物体抽出ステップ（Ｓ２）－
動物体抽出ステップＳ２において、処理部３１は、所定初期背景抽出用期間の後の所定観察期間内において測定時刻に測域センサ２から出力される点群データから、初期背景抽出ステップＳ１で登録した初期背景ＩＢを差し引くことにより、１つ又は複数の動物体ＭＯを抽出する、動物体抽出処理を行う。
所定観察期間は、測域センサ２の所定測定期間のうち、所定初期背景抽出用期間の後の期間のうちの任意の期間に設定されてよく、例えば、測域センサ２の所定測定期間のうち、所定初期背景抽出用期間の後の期間の全部に設定されると好適である。
処理部３１は、動物体抽出ステップＳ２を、所定観察期間内の測定時刻毎に繰り返す。
図７は、所定観察期間内のある測定時刻における図４の所定空間の点群データを概略的に示している。
具体的には、処理部３１は、動物体抽出ステップＳ２において、以下のステップＳ２１～Ｓ２３を行う。
動物体抽出ステップＳ２において、処理部３１は、所定初期背景抽出用期間の後の所定観察期間内において測定時刻に測域センサ２から出力される点群データから、初期背景抽出ステップＳ１で登録した初期背景ＩＢを差し引くことにより、１つ又は複数の動物体ＭＯを抽出する、動物体抽出処理を行う。
所定観察期間は、測域センサ２の所定測定期間のうち、所定初期背景抽出用期間の後の期間のうちの任意の期間に設定されてよく、例えば、測域センサ２の所定測定期間のうち、所定初期背景抽出用期間の後の期間の全部に設定されると好適である。
処理部３１は、動物体抽出ステップＳ２を、所定観察期間内の測定時刻毎に繰り返す。
図７は、所定観察期間内のある測定時刻における図４の所定空間の点群データを概略的に示している。
具体的には、処理部３１は、動物体抽出ステップＳ２において、以下のステップＳ２１～Ｓ２３を行う。
【0045】
まず、処理部３１は、図７に示すように、所定観察期間内の直近の測定時刻において測域センサ２から出力された点群データを、セル配列ＣＡに格納する（セル配列格納ステップＳ２１）。ここで、処理部３１は、点群データの各点のｘ座標及びｙ座標に基づいて、点群データの各点を、それぞれセル配列ＣＡにおいて対応するセルＣ内に格納する。
つぎに、処理部３１は、当該点群データから、初期背景抽出ステップＳ１で登録した初期背景ＩＢを差し引くことにより、初期背景ＩＢのセルＣ以外のセルＣ内に格納された点群データのみを、以降の処理対象として残す（差し引きステップＳ２２）。これらの残った点群データは、いずれも、動物体ＭＯの点群データということになる。
つぎに、処理部３１は、図７に示すように、処理対象として残した点群データに対して、クラスタリングすることにより、当該点群データのうちの互いに隣接する複数の点からなる点群を、１つの点群クラスターひいては動物体ＭＯとして抽出し、各動物体ＭＯに個別のＩＤを割り当てる（クラスタリングステップＳ２３）。このとき、処理部３１は、今回の測定時刻の点群データに基づいて抽出した動物体ＭＯにＩＤを割り当てる際、当該動物体ＭＯを構成する各セルＣが、前回の測定時刻の点群データに基づいて抽出したいずれか１つの動物体ＭＯを構成する各セルＣと、少なくとも部分的に重複している場合は、前回の測定時刻の点群データに基づいて抽出した当該１つの動物体ＭＯに割り当てたＩＤを引き継ぐ。これにより、異なる測定時刻どうしの間での動物体ＭＯのトラッキングが可能になる。
クラスタリングの具体的な手法としては、任意の公知の手法を用いてよい。図７では、参考のため、動物体抽出ステップＳ２において抽出された各動物体ＭＯに割り当てられたＩＤを表記している。
つぎに、処理部３１は、当該点群データから、初期背景抽出ステップＳ１で登録した初期背景ＩＢを差し引くことにより、初期背景ＩＢのセルＣ以外のセルＣ内に格納された点群データのみを、以降の処理対象として残す（差し引きステップＳ２２）。これらの残った点群データは、いずれも、動物体ＭＯの点群データということになる。
つぎに、処理部３１は、図７に示すように、処理対象として残した点群データに対して、クラスタリングすることにより、当該点群データのうちの互いに隣接する複数の点からなる点群を、１つの点群クラスターひいては動物体ＭＯとして抽出し、各動物体ＭＯに個別のＩＤを割り当てる（クラスタリングステップＳ２３）。このとき、処理部３１は、今回の測定時刻の点群データに基づいて抽出した動物体ＭＯにＩＤを割り当てる際、当該動物体ＭＯを構成する各セルＣが、前回の測定時刻の点群データに基づいて抽出したいずれか１つの動物体ＭＯを構成する各セルＣと、少なくとも部分的に重複している場合は、前回の測定時刻の点群データに基づいて抽出した当該１つの動物体ＭＯに割り当てたＩＤを引き継ぐ。これにより、異なる測定時刻どうしの間での動物体ＭＯのトラッキングが可能になる。
クラスタリングの具体的な手法としては、任意の公知の手法を用いてよい。図７では、参考のため、動物体抽出ステップＳ２において抽出された各動物体ＭＯに割り当てられたＩＤを表記している。
【0046】
－可動静止物体抽出ステップ（Ｓ３）－
可動静止物体抽出ステップＳ３において、処理部３１は、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯから１つ又は複数の可動静止物体ＭＳＯを抽出し、セル配列ＣＡにおいて各可動静止物体ＭＳＯを構成する各セルＣを、後定義背景ＬＢとして再定義する、可動静止物体抽出処理を行う。
後定義背景ＬＢとして再定義された動物体ＭＯは、それ以降、後定義背景ＬＢとして扱われ、動物体ＭＯとしては扱われない。
処理部３１は、可動静止物体抽出ステップＳ３を、動物体抽出ステップＳ２を行う度に（すなわち、所定観察期間内の測定時刻毎に）、実施する。
可動静止物体抽出ステップＳ３において、処理部３１は、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯから１つ又は複数の可動静止物体ＭＳＯを抽出し、セル配列ＣＡにおいて各可動静止物体ＭＳＯを構成する各セルＣを、後定義背景ＬＢとして再定義する、可動静止物体抽出処理を行う。
後定義背景ＬＢとして再定義された動物体ＭＯは、それ以降、後定義背景ＬＢとして扱われ、動物体ＭＯとしては扱われない。
処理部３１は、可動静止物体抽出ステップＳ３を、動物体抽出ステップＳ２を行う度に（すなわち、所定観察期間内の測定時刻毎に）、実施する。
【0047】
図１３は、図７の解析データに対して可動静止物体抽出ステップＳ３（可動静止物体抽出処理）を行った後に得られた解析データを概略的に示している。図１３では、後定義背景ＬＢとして再定義されたセルＣを、グレーに着色して示している。
図１３からわかるように、可動静止物体抽出ステップＳ３の後に、セル配列ＣＡのうち初期背景ＩＢ及び後定義背景ＬＢのセルＣ以外のセルＣに格納された点群データからなる動物体ＭＯは、いずれも、人Ｐということになる。このようにして、解析システム１は、所定空間Ｓ内の物体Ｏを人Ｐと人以外の物体とに区別することが可能になる。
図１３からわかるように、可動静止物体抽出ステップＳ３の後に、セル配列ＣＡのうち初期背景ＩＢ及び後定義背景ＬＢのセルＣ以外のセルＣに格納された点群データからなる動物体ＭＯは、いずれも、人Ｐということになる。このようにして、解析システム１は、所定空間Ｓ内の物体Ｏを人Ｐと人以外の物体とに区別することが可能になる。
【0048】
処理部３１は、可動静止物体抽出ステップＳ３において動物体ＭＯを可動静止物体ＭＳＯとして抽出して後定義背景ＬＢとして再定義する際、動物体抽出ステップＳ２において当該動物体ＭＯに割り当てたＩＤを取り消す（図１３）。
【0049】
可動静止物体抽出ステップＳ３は、例えば、連動型可動静止物体抽出ステップＳ３１と、直線型可動静止物体抽出ステップＳ３２と、微動型可動静止物体抽出ステップＳ３４と、を含む。
【0050】
＜連動型可動静止物体抽出ステップ（Ｓ３１）＞
一般的に、屋内空間に存在する可動静止物体ＭＳＯの中で、最も多いものは、椅子である。椅子は、人が、椅子に座り、立ち上がり、そして、椅子から離れる、といった一連の動作に連動して移動される傾向がある。そこで、連動型可動静止物体抽出ステップＳ３１では、このような椅子及び人の動作を検出し、可動静止物体ＭＳＯとしての椅子の抽出を行う。
連動型可動静止物体抽出ステップＳ３１において、処理部３１は、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯのうちの１つ又は複数の動物体ＭＯ（以下、「第１動物体ＭＯ」という。）が、座位状態から立位状態に遷移し、その後、動物体抽出ステップＳ２（動物体抽出処理）により第１動物体ＭＯの周辺に新たな動物体ＭＯが抽出され、その後、以下の式（５）を最初に満たした時刻から所定新動物体監視時間内において、式（５）を継続的に満たす時間Tchair（秒）が所定継続時間閾値を超えた場合、当該新たな動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する、連動型可動静止物体抽出処理を行う。
上記式（５）において、
h(k,t)：上記新たな動物体ＭＯの高さ（mm）
γ：0以上200以下の所定の実数
hsit_ave(p,q)：第１動物体ＭＯの座位高さ平均値（mm）
一般的に、屋内空間に存在する可動静止物体ＭＳＯの中で、最も多いものは、椅子である。椅子は、人が、椅子に座り、立ち上がり、そして、椅子から離れる、といった一連の動作に連動して移動される傾向がある。そこで、連動型可動静止物体抽出ステップＳ３１では、このような椅子及び人の動作を検出し、可動静止物体ＭＳＯとしての椅子の抽出を行う。
連動型可動静止物体抽出ステップＳ３１において、処理部３１は、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯのうちの１つ又は複数の動物体ＭＯ（以下、「第１動物体ＭＯ」という。）が、座位状態から立位状態に遷移し、その後、動物体抽出ステップＳ２（動物体抽出処理）により第１動物体ＭＯの周辺に新たな動物体ＭＯが抽出され、その後、以下の式（５）を最初に満たした時刻から所定新動物体監視時間内において、式（５）を継続的に満たす時間Tchair（秒）が所定継続時間閾値を超えた場合、当該新たな動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する、連動型可動静止物体抽出処理を行う。
【数5】
h(k,t)：上記新たな動物体ＭＯの高さ（mm）
γ：0以上200以下の所定の実数
hsit_ave(p,q)：第１動物体ＭＯの座位高さ平均値（mm）
【0051】
具体的に、連動型可動静止物体抽出ステップＳ３１において、処理部３１は、例えば、以下のステップＳ３１１～Ｓ３１６を行う。
【0052】
まず、処理部３１は、各動物体ＭＯのそれぞれについて、座位状態にあるか否かを判定する（座位判定ステップＳ３１１）。ここで、座位状態とは、人が椅子に座っている状態を想定している。一方、立位状態とは、人が立っている状態を想定している。
処理部３１は、座位判定ステップＳ３１１を、所定観察期間内の測定時刻毎に、実施する。
ここで、座位判定ステップＳ３１１の具体的な方法について説明する。動物体ＭＯを構成する各セルＣには，そのセルＣに含まれる点群のうち最も高い位置にある点のz 座標値が保存されている。ある測定時刻tにおける動物体ＭＯ（ＩＤを「ｉ」とする。）の高さh(i,t)（mm）を、当該測定時刻tにおいて当該動物体ＭＯを構成する各セルＣの中で最も高い位置にある点のz 座標値と定義する。また、当該動物体ＭＯの最大高さhmax(i)（mm）を、測定時刻tまでに獲得された当該動物体ＭＯの高さh(i,t)の最大値とする。また、座位判定用閾値hsit(i)（mm）を、つぎの式（４）により定義する。
なお、図８に示すように、座位判定用閾値hsit(i)は、座位状態にある人の高さに相当する。式（４）において、0.55 hmax(i)（mm）は、人の座高に相当する。これは、厚生労働省の調べによると、日本人の座高は性別によらず平均で身長の約53～55％であることを、考慮して設定した。また、式（４）において、0.25 hmax(i)-10（mm）は、地面から椅子の座面までの高さに相当する。これは、人間工学に基づいた椅子の理想的な座面の高さが身長の25％から10mm低い値とされていることを、考慮して設定した。なお、人が歩き回るシチュエーションにおいて、人の最大高さhmax(i)は、人の身長に近似することから、式（４）では、人の身長としてhmax(i)を採用している。
座位判定ステップＳ３１１では、処理部３１は、直近の測定時刻tにおける動物体ＭＯ（ＩＤ：ｉ）がh(i,t)＜hsit(i)を満たす場合、その動物体ＭＯは座位状態にあると判定し、それ以外の場合は、その動物体ＭＯは立位状態にあると判定する。
処理部３１は、座位判定ステップＳ３１１を、所定観察期間内の測定時刻毎に、実施する。
ここで、座位判定ステップＳ３１１の具体的な方法について説明する。動物体ＭＯを構成する各セルＣには，そのセルＣに含まれる点群のうち最も高い位置にある点のz 座標値が保存されている。ある測定時刻tにおける動物体ＭＯ（ＩＤを「ｉ」とする。）の高さh(i,t)（mm）を、当該測定時刻tにおいて当該動物体ＭＯを構成する各セルＣの中で最も高い位置にある点のz 座標値と定義する。また、当該動物体ＭＯの最大高さhmax(i)（mm）を、測定時刻tまでに獲得された当該動物体ＭＯの高さh(i,t)の最大値とする。また、座位判定用閾値hsit(i)（mm）を、つぎの式（４）により定義する。
【数6】
座位判定ステップＳ３１１では、処理部３１は、直近の測定時刻tにおける動物体ＭＯ（ＩＤ：ｉ）がh(i,t)＜hsit(i)を満たす場合、その動物体ＭＯは座位状態にあると判定し、それ以外の場合は、その動物体ＭＯは立位状態にあると判定する。
【0053】
処理部３１は、座位判定ステップＳ３１１において、各動物体ＭＯのうちの１つ又は複数の動物体ＭＯ（以下、「第１動物体ＭＯ」という。）が座位状態にあると判定した場合、当該第１動物体ＭＯ（ＩＤ：ｉ）の中心P(i)から半径50cm以内にある各セルＣに、その時の当該第１動物体ＭＯの高さh(i,t)を保存し、さらに、これまでこれらの各セルＣに蓄積された高さh(i,t)の平均値hsit_ave(p,q)（以下、「座位高さ平均値hsit_ave(p,q)」という。）を算出する（座位高さ平均値算出ステップＳ３１２）。
ここで、「当該第１動物体ＭＯ（ＩＤを「ｉ」とする。）の中心P(i)」とは、ｘｙ座標系において、当該第１動物体ＭＯを構成する点群の平均点又は重心点を意味する。
処理部３１は、各動物体ＭＯのそれぞれに対し、座位高さ平均値算出ステップＳ３１２を、座位判定ステップＳ３１１において当該動物体ＭＯが座位状態にあると判定した度に実施する。
ここで、「当該第１動物体ＭＯ（ＩＤを「ｉ」とする。）の中心P(i)」とは、ｘｙ座標系において、当該第１動物体ＭＯを構成する点群の平均点又は重心点を意味する。
処理部３１は、各動物体ＭＯのそれぞれに対し、座位高さ平均値算出ステップＳ３１２を、座位判定ステップＳ３１１において当該動物体ＭＯが座位状態にあると判定した度に実施する。
【0054】
また、処理部３１は、座位判定ステップＳ３１１において、第１動物体ＭＯが座位状態にあると判定した場合、その後もトラッキングにより当該第１動物体ＭＯを監視し、その後に当該第１動物体ＭＯが立位状態に遷移し（すなわち、その後の座位判定ステップＳ３１１で当該第１動物体ＭＯが立位状態にあると判定され）、さらにその後、動物体抽出ステップＳ２において当該第１動物体ＭＯの周辺に新たな動物体ＭＯ（ＩＤを「ｋ」とする。）が抽出されたか否かを判断する（監視ステップＳ３１３）。
ここで、「当該第１動物体ＭＯの周辺」とは、具体的に、例えば、当該第１動物体ＭＯの中心P(i)から半径50cm以内にある各セルＣのそれぞれの中心から半径50cm以内の領域が挙げられる。
なお、動物体抽出ステップＳ２において当該第１動物体ＭＯの周辺に新たな動物体ＭＯ（ＩＤ:ｋ）が抽出された場合とは、椅子とこれに座っている又はこれの傍に立っている人とが合わさって１つの動物体ＭＯとして検出されていた状態（すなわち、椅子及び人に対して１つのＩＤのみが割り振られていた状態。図６参照。）から、人が椅子から離れたことによって椅子と人とが別々の動物体ＭＯとして検出された状態（すなわち、ＩＤが１つ増えることにより、椅子及び人に対して別々のＩＤが割り振られた状態。図７参照。）に、遷移した場合を、想定している。
ここで、「当該第１動物体ＭＯの周辺」とは、具体的に、例えば、当該第１動物体ＭＯの中心P(i)から半径50cm以内にある各セルＣのそれぞれの中心から半径50cm以内の領域が挙げられる。
なお、動物体抽出ステップＳ２において当該第１動物体ＭＯの周辺に新たな動物体ＭＯ（ＩＤ:ｋ）が抽出された場合とは、椅子とこれに座っている又はこれの傍に立っている人とが合わさって１つの動物体ＭＯとして検出されていた状態（すなわち、椅子及び人に対して１つのＩＤのみが割り振られていた状態。図６参照。）から、人が椅子から離れたことによって椅子と人とが別々の動物体ＭＯとして検出された状態（すなわち、ＩＤが１つ増えることにより、椅子及び人に対して別々のＩＤが割り振られた状態。図７参照。）に、遷移した場合を、想定している。
【0055】
処理部３１は、監視ステップＳ３１３において、第１動物体ＭＯ（ＩＤ：ｉ）が座位状態から立位状態に遷移し、さらにその後、動物体抽出ステップＳ２において当該第１動物体ＭＯの周辺に新たな動物体ＭＯ（ＩＤ：ｋ）が抽出されたと判断した場合、つぎの式（５）を満たすか否かを判断する（高さ判断ステップＳ３１４）。
式（５）において、h(k,t)は、上記新たな動物体ＭＯの高さ（mm）であり、hsit_ave(p,q)は、直近の座位高さ平均値算出ステップＳ３１２で求めた上記第１動物体ＭＯ（ＩＤ：ｉ）の座位高さ平均値hsit_ave(p,q)である。式（５）において、γは、０(mm)以上の所定の実数であり、例えば0(mm)以上200(mm)以下に設定されると好適であり、50(mm)以上150(mm)以下に設定されるとより好適であり、例えば100(mm)に設定されると好適である。
なお、当該新たな動物体ＭＯは、初期位置から移動した椅子であるか、あるいは、新たに椅子に座りに来た人である可能性がある。当該新たな動物体ＭＯが椅子であるならば、当該新たな動物体ＭＯの高さh(k,t)は、上記第１動物体ＭＯの座位高さ平均値hsit_ave(p,q)よりも低い可能性が高い。式（５）では、測域センサ２の誤差等を考慮し、より確実に当該新たな動物体ＭＯが椅子か否かを判断できるように、当該新たな動物体ＭＯの高さh(k,t)にγを加えた値を、第１動物体ＭＯの座位高さ平均値hsit_ave(p,q)と比較している。
【数7】
なお、当該新たな動物体ＭＯは、初期位置から移動した椅子であるか、あるいは、新たに椅子に座りに来た人である可能性がある。当該新たな動物体ＭＯが椅子であるならば、当該新たな動物体ＭＯの高さh(k,t)は、上記第１動物体ＭＯの座位高さ平均値hsit_ave(p,q)よりも低い可能性が高い。式（５）では、測域センサ２の誤差等を考慮し、より確実に当該新たな動物体ＭＯが椅子か否かを判断できるように、当該新たな動物体ＭＯの高さh(k,t)にγを加えた値を、第１動物体ＭＯの座位高さ平均値hsit_ave(p,q)と比較している。
【0056】
処理部３１は、高さ判断ステップＳ３１４において、式（５）を満たすと判断した場合、当該新たな動物体ＭＯを可動静止物体の候補として、式（５）を継続的に満たす時間Tchair（秒）の計測を行う（時間計測ステップＳ３１５）。
処理部３１は、時間計測ステップＳ３１５において、式（５）を最初に満たした時刻から所定新動物体監視時間内において時間Tchairが所定継続時間閾値を超えた場合、当該新たな動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する（再定義ステップＳ３１６）。
なお、所定新動物体監視時間は、例えば、100～140秒が好適であり、例えば120秒が好適である。また、所定継続時間閾値は、例えば、5～20秒が好適であり、例えば12秒が好適である。
処理部３１は、時間計測ステップＳ３１５において、式（５）を最初に満たした時刻から所定新動物体監視時間内において時間Tchairが所定継続時間閾値を超えた場合、当該新たな動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する（再定義ステップＳ３１６）。
なお、所定新動物体監視時間は、例えば、100～140秒が好適であり、例えば120秒が好適である。また、所定継続時間閾値は、例えば、5～20秒が好適であり、例えば12秒が好適である。
【0057】
処理部３１は、再定義ステップＳ３１６において当該新たな動物体ＭＯを可動静止物体ＭＳＯとして抽出して後定義背景ＬＢとして再定義する際、動物体抽出ステップＳ２において当該新たな動物体ＭＯに割り当てたＩＤを取り消す（図１３）。
【0058】
＜直線型可動静止物体抽出ステップ（Ｓ３２）＞
一般的に、屋内空間に存在する可動静止物体ＭＳＯの中で、椅子の次に多いのは、ホワイトボードや机等である。これらの多くは、表面が平らであり，測域センサ２から得られる点群データでは、直線的な点の集合体として表現される。そこで直線型可動静止物体抽出ステップＳ３２では、動物体ＭＯの表面の直線形状を抽出し、それをもとにした第２直線性評価値を求め、第２直線性評価値に基づいて、可動静止物体ＭＳＯとしてのホワイトボードや机等の抽出を行う。
直線型可動静止物体抽出ステップＳ３２において、処理部３１は、初期背景ＩＢに遮蔽領域ＳＲが所定遮蔽領域監視時間にわたって同じ場所に生じた場合、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯのうち、前記測域センサと前記遮蔽領域ＳＲとの間に位置する動物体ＭＯ（以下、「第２動物体ＭＯ」という。）を特定し、当該第２動物体ＭＯについて、物体の直線性の度合を表す第２直線性評価値CBG(t,i)を求め、当該第２直線性評価値CBG(t,i)が所定第２直線性評価値閾値Cth_BGを超えた場合、当該第２動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する、直線型可動静止物体抽出処理を行う。
一般的に、屋内空間に存在する可動静止物体ＭＳＯの中で、椅子の次に多いのは、ホワイトボードや机等である。これらの多くは、表面が平らであり，測域センサ２から得られる点群データでは、直線的な点の集合体として表現される。そこで直線型可動静止物体抽出ステップＳ３２では、動物体ＭＯの表面の直線形状を抽出し、それをもとにした第２直線性評価値を求め、第２直線性評価値に基づいて、可動静止物体ＭＳＯとしてのホワイトボードや机等の抽出を行う。
直線型可動静止物体抽出ステップＳ３２において、処理部３１は、初期背景ＩＢに遮蔽領域ＳＲが所定遮蔽領域監視時間にわたって同じ場所に生じた場合、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯのうち、前記測域センサと前記遮蔽領域ＳＲとの間に位置する動物体ＭＯ（以下、「第２動物体ＭＯ」という。）を特定し、当該第２動物体ＭＯについて、物体の直線性の度合を表す第２直線性評価値CBG(t,i)を求め、当該第２直線性評価値CBG(t,i)が所定第２直線性評価値閾値Cth_BGを超えた場合、当該第２動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する、直線型可動静止物体抽出処理を行う。
【0059】
具体的に、直線型可動静止物体抽出ステップＳ３２において、処理部３１は、例えば、以下のステップＳ３２１～Ｓ３３１を行う。
【0060】
まず、処理部３１は、セル配列ＣＡに格納された点群データに基づいて、初期背景ＩＢに遮蔽領域ＳＲが所定遮蔽領域監視時間にわたって同じ場所に生じたか否かを判断する（遮蔽領域監視ステップＳ３２１）。
なお、所定観察期間中に可動静止物体ＭＳＯが人によって動かされた場合、セル配列ＣＡにおける初期背景ＩＢには、当該可動静止物体ＭＳＯによって、遮蔽領域ＳＲ（影）が生じる。遮蔽領域ＳＲは、測域センサ２と当該遮蔽領域ＳＲとの間に可動静止物体ＭＳＯがあることによって、測域センサ２によって検出されない領域であり、セル配列ＣＡにおいて、点群が存在しない領域である。例えば、図７の例では、所定観察期間中に可動静止物体ＭＳＯ（ＩＤ：８）としてのホワイトボードが所定空間Ｓ内へ移動され、その結果、初期背景ＩＢには、ホワイトボードによって、遮蔽領域ＳＲが生じている。
処理部３１は、具体的に、遮蔽領域監視ステップＳ３２１において、初期背景ＩＢを構成する各セルＣのうち、少なくとも１つのセルＣが、所定遮蔽領域監視時間にわたって点群を含まなかった場合、初期背景ＩＢに当該少なくとも１つのセルＣからなる遮蔽領域ＳＲが所定遮蔽領域監視時間にわたって同じ場所に生じたと判断する。
なお、所定観察期間中に可動静止物体ＭＳＯが人によって動かされた場合、セル配列ＣＡにおける初期背景ＩＢには、当該可動静止物体ＭＳＯによって、遮蔽領域ＳＲ（影）が生じる。遮蔽領域ＳＲは、測域センサ２と当該遮蔽領域ＳＲとの間に可動静止物体ＭＳＯがあることによって、測域センサ２によって検出されない領域であり、セル配列ＣＡにおいて、点群が存在しない領域である。例えば、図７の例では、所定観察期間中に可動静止物体ＭＳＯ（ＩＤ：８）としてのホワイトボードが所定空間Ｓ内へ移動され、その結果、初期背景ＩＢには、ホワイトボードによって、遮蔽領域ＳＲが生じている。
処理部３１は、具体的に、遮蔽領域監視ステップＳ３２１において、初期背景ＩＢを構成する各セルＣのうち、少なくとも１つのセルＣが、所定遮蔽領域監視時間にわたって点群を含まなかった場合、初期背景ＩＢに当該少なくとも１つのセルＣからなる遮蔽領域ＳＲが所定遮蔽領域監視時間にわたって同じ場所に生じたと判断する。
【0061】
処理部３１は、遮蔽領域監視ステップＳ３２１において、初期背景ＩＢに遮蔽領域ＳＲが所定遮蔽領域監視時間にわたって同じ場所に生じたと判断した場合、各動物体ＭＯのうち、測域センサ２と遮蔽領域ＳＲとの間に位置する動物体ＭＯ（以下、「第２動物体ＭＯ」という。）を特定する（第２動物体特定ステップＳ３２２）。
なお、第２動物体ＭＯは、遮蔽領域ＳＲを生じさせた可動静止物体ＭＳＯである可能性があることになる。よって、第２動物体ＭＯを可動静止物体ＭＳＯの候補とし、第２動物体ＭＯに対して以降の処理を行う。
なお、処理部３１は、ステップＳ３２１～Ｓ３２２によって、複数の遮蔽領域ＳＲのそれぞれに対する複数の第２動物体ＭＯを特定した場合は、各第２動物体ＭＯのそれぞれに対して以降の処理を行う。
なお、第２動物体ＭＯは、遮蔽領域ＳＲを生じさせた可動静止物体ＭＳＯである可能性があることになる。よって、第２動物体ＭＯを可動静止物体ＭＳＯの候補とし、第２動物体ＭＯに対して以降の処理を行う。
なお、処理部３１は、ステップＳ３２１～Ｓ３２２によって、複数の遮蔽領域ＳＲのそれぞれに対する複数の第２動物体ＭＯを特定した場合は、各第２動物体ＭＯのそれぞれに対して以降の処理を行う。
【0062】
つぎに、処理部３１は、図９に示すように、第２動物体ＭＯを構成する各セルＣ(p,q)のそれぞれの中心点Pcellを求める（セル中心点算出ステップＳ３２３）。ここで、セルＣ(p,q)の中心点Pcellは、当該セルＣ内に格納された点群の平均点又は重心点を意味する。セル中心点算出ステップＳ３２３により、以降に処理対象とする点群の数を減らすことができ、処理の効率性やリアルタイム性を向上できる。
【0063】
つぎに、処理部３１は、第２動物体ＭＯを構成する複数の中心点Pcellを、中心点Pcellのｘ座標の昇順に並び替えた上で、互いに隣接する一対の中心点Pcellどうしのユークリッド距離dn（図９）を、互いに隣接する一対の中心点Pcellからなる対毎に求める（ユークリッド距離算出ステップＳ３２４）。
ユークリッド距離算出ステップＳ３２４において、処理部３１は、例えば、第２動物体ＭＯを構成する複数の中心点Pcellを、Pcellのｘ座標の昇順に並び替えて、そのうち一番端にある中心点 Pcell（最もｘ座標が小さいPcell）から順に、ユークリッド距離dn（当該中心点 Pcellと当該中心点 Pcellに最も隣接した他の中心点 Pcellとの間のユークリッド距離dn）を求めると、好適である。この場合、１つの中心点Pcellに対して（中心点Pcell毎に）１つのユークリッド距離dnのみが得られる。仮に同じｘ座標に複数の中心点Pcellが存在する場合は、それら複数の中心点Pcellを、中心点Pcellのｙ座標の昇順に並び替えた上で、ｙ軸方向において互いに隣接する一対の中心点Pcellどうしのユークリッド距離dnを、互いに隣接する一対の中心点Pcellからなる対毎に求める。なお、n（n=2,3...N）は、第２動物体ＭＯを構成するセルＣの数を示す。
ユークリッド距離算出ステップＳ３２４において、処理部３１は、例えば、第２動物体ＭＯを構成する複数の中心点Pcellを、Pcellのｘ座標の昇順に並び替えて、そのうち一番端にある中心点 Pcell（最もｘ座標が小さいPcell）から順に、ユークリッド距離dn（当該中心点 Pcellと当該中心点 Pcellに最も隣接した他の中心点 Pcellとの間のユークリッド距離dn）を求めると、好適である。この場合、１つの中心点Pcellに対して（中心点Pcell毎に）１つのユークリッド距離dnのみが得られる。仮に同じｘ座標に複数の中心点Pcellが存在する場合は、それら複数の中心点Pcellを、中心点Pcellのｙ座標の昇順に並び替えた上で、ｙ軸方向において互いに隣接する一対の中心点Pcellどうしのユークリッド距離dnを、互いに隣接する一対の中心点Pcellからなる対毎に求める。なお、n（n=2,3...N）は、第２動物体ＭＯを構成するセルＣの数を示す。
【0064】
つぎに、処理部３１は、第２動物体ＭＯの各ユークリッド距離dnの平均値dn_aveを算出し、図１０に示すように、平均値dn_aveによって、第２動物体ＭＯを構成する複数の中心点Pcellを、２つの分割クラスターに分割する（クラスター分割ステップＳ３２５）。このとき、一方の分割クラスター（以下、「第１分割クラスター」という。）は、第２動物体ＭＯを構成する複数の中心点Pcellのうち、平均値dn_ave未満のユークリッド距離dnに対応する中心点Pcellから構成され、他方の分割クラスター（以下、「第２分割クラスター」という。）は、第２動物体ＭＯを構成する複数の中心点Pcellのうち、平均値dn_ave以上のユークリッド距離dnに対応する中心点Pcellから構成されるようにする。
なお、本発明の発明者は、様々な解析を通して、一般的に、直線性が高い表面形状を有する可動静止物体ＭＳＯのユークリッド距離dnの分布は、図１０に示すように、2つの極大値（ピーク）を有することを、知見として得た。クラスター分割ステップＳ３２５は、この知見に基づいている。ここで、「ユークリッド距離dnの分布」とは、図１０に例示するように、横軸をユークリッド距離dnとし、縦軸を、dnの総数に対する、それぞれの値を有するdnの数の割合とした、グラフを意味する。
なお、本発明の発明者は、様々な解析を通して、一般的に、直線性が高い表面形状を有する可動静止物体ＭＳＯのユークリッド距離dnの分布は、図１０に示すように、2つの極大値（ピーク）を有することを、知見として得た。クラスター分割ステップＳ３２５は、この知見に基づいている。ここで、「ユークリッド距離dnの分布」とは、図１０に例示するように、横軸をユークリッド距離dnとし、縦軸を、dnの総数に対する、それぞれの値を有するdnの数の割合とした、グラフを意味する。
【0065】
つぎに、処理部３１は、第１分割クラスター及び第２分割クラスターのそれぞれについて、それぞれの分割クラスターを構成する複数の中心点Pcellにおける、互いに隣接する一対の中心点Pcell=(Pcell,x:k,Pcell,y:k)、Pcell=(Pcell,x:k+1,Pcell,y:k+1)どうしの角度θm（図１１）を、つぎの式（６）により、互いに隣接する一対の中心点Pcellからなる対毎に求める（角度算出ステップＳ３２６）。この角度θmは、互いに隣接する一対の中心点Pcellどうしを結んだ線分の、ｘ軸に対するなす角度である。
ここで、m（m=1,2...M）は、その分割クラスターを構成するセルの番号を示し、Mは、その分割クラスターを構成するセルの数（すなわち、その分割クラスターを構成する中心点Pcellの数）を示す。
【数8】
【0066】
つぎに、処理部３１は、第１分割クラスター及び第２分割クラスターのそれぞれについて、角度算出ステップＳ３２６で求めた角度θmを用いて、つぎの式（７）により、直線度μ（度）を求める（直線度算出ステップＳ３２７）。
直線度μは、0に近いほど、表面形状の直線性が高いことを示す。
【数9】
【0067】
つぎに、処理部３１は、第１分割クラスター及び第２分割クラスターのそれぞれについて、直線度算出ステップＳ３２７で求めた直線度μを用いて、つぎの式（８）により、形状スコアεを求める（形状スコア算出ステップＳ３２８）。
式（８）において、α＝-0.0006、β=5.0とする。式（８）からわかるように、形状スコアεは、２次関数で表される。直線度μの分布が反比例グラフに近似できるとの知見を得たことから、形状スコアεの式をこのように設定した。
【数10】
【0068】
つぎに、処理部３１は、第１分割クラスター及び第２分割クラスターのそれぞれについて形状スコア算出ステップＳ３２８で求めた形状スコアεのうち、大きいほうの形状スコアεを大形状スコアεmaxとし、小さいほうの形状スコアεを小形状スコアεminと決定する（大小形状スコア決定ステップS３２９）。
【0069】
つぎに、処理部３１は、直近の測定時刻ｔにおける第２直線性評価値CBG(t,i)を、以下の式（９）により算出する（第２直線性評価値算出ステップS３３０）。
なお、本発明の発明者は、様々な解析を通して、一般的に、直線性の高い表面形状を有する可動静止物体ＭＳＯは、0＜εmax＜2.0、0＜εmin＜1.5となる傾向があり、人は、3.0＜εmax＜5.0、2.0＜εmin＜4.0となる傾向があるとの知見を得た。第２直線性評価値CBG(t,i)の式（９）は、この知見に基づいて決定した。
第２直線性評価値CBG(t,i)は、その値が高いほど、第２動物体ＭＯの表面形状の直線性が高いこと、ひいては、第２動物体ＭＯが可動静止物体ＭＳＯである可能性が高いことを意味する。
処理部３１は、所定測定時間間隔毎に（すなわち、測定時刻ｔ毎に）、上述したステップＳ３２３～Ｓ３３０を繰り返すことで、第２直線性評価値CBG(t,i)を算出していく。
なお、処理部３１は、これと並行して、第２動物体ＭＯの速度を監視し、第２動物体ＭＯの速度が1秒以上にわたって0.1 m/s以上となった場合は、第２動物体ＭＯが人である可能性が高いことから、第２直線性評価値算出ステップS３３０において、式（９）で求められる第２直線性評価値CBG(t,i)から、1.0減算するようにすると、好適である。
【数11】
第２直線性評価値CBG(t,i)は、その値が高いほど、第２動物体ＭＯの表面形状の直線性が高いこと、ひいては、第２動物体ＭＯが可動静止物体ＭＳＯである可能性が高いことを意味する。
処理部３１は、所定測定時間間隔毎に（すなわち、測定時刻ｔ毎に）、上述したステップＳ３２３～Ｓ３３０を繰り返すことで、第２直線性評価値CBG(t,i)を算出していく。
なお、処理部３１は、これと並行して、第２動物体ＭＯの速度を監視し、第２動物体ＭＯの速度が1秒以上にわたって0.1 m/s以上となった場合は、第２動物体ＭＯが人である可能性が高いことから、第２直線性評価値算出ステップS３３０において、式（９）で求められる第２直線性評価値CBG(t,i)から、1.0減算するようにすると、好適である。
【0070】
処理部３１は、第２動物体特定ステップＳ３２２で第２動物体ＭＯを特定した時刻から所定第２直線性評価時間内に第２直線性評価値CBG(t,i)が所定第２直線性評価値閾値Cth_BGを超えた場合、第２動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する（再定義ステップＳ３３１）。
なお、所定第２直線性評価時間は、例えば、100～140秒が好適であり、例えば120秒が好適である。また、所定第２直線性評価値閾値Cth_BGは、例えば、960が好適である。
なお、所定第２直線性評価時間は、例えば、100～140秒が好適であり、例えば120秒が好適である。また、所定第２直線性評価値閾値Cth_BGは、例えば、960が好適である。
【0071】
処理部３１は、再定義ステップＳ３３１において当該第２動物体ＭＯを可動静止物体ＭＳＯとして抽出して後定義背景ＬＢとして再定義する際、動物体抽出ステップＳ２において当該第２動物体ＭＯに割り当てたＩＤを取り消す（図１３）。
【0072】
＜微動型可動静止物体抽出ステップ（Ｓ３４）＞
一般的に、屋内における可動静止物体ＭＳＯとしては、上述の連動型可動静止物体抽出ステップＳ３１や直線型可動静止物体抽出ステップＳ３２で抽出の対象とした可動静止物体ＭＳＯの他に、観葉植物、ごみ箱、ノートパソコン等のような、環境によって形状が異なり、動かされるタイミングや条件が異なる可動静止物体ＭＳＯが存在する。これらの可動静止物体ＭＳＯと人との最大の差は、能動的動作の有無であるといえる。人は、能動的動作があり得るのに対し、これらの可動静止物体ＭＳＯは、能動的には動かないため、動きの量は微量となる。そこで、微動型可動静止物体抽出ステップＳ３４では、動きが微量な動物体ＭＯを可動静止物体ＭＳＯとして抽出する。
一般的に、屋内における可動静止物体ＭＳＯとしては、上述の連動型可動静止物体抽出ステップＳ３１や直線型可動静止物体抽出ステップＳ３２で抽出の対象とした可動静止物体ＭＳＯの他に、観葉植物、ごみ箱、ノートパソコン等のような、環境によって形状が異なり、動かされるタイミングや条件が異なる可動静止物体ＭＳＯが存在する。これらの可動静止物体ＭＳＯと人との最大の差は、能動的動作の有無であるといえる。人は、能動的動作があり得るのに対し、これらの可動静止物体ＭＳＯは、能動的には動かないため、動きの量は微量となる。そこで、微動型可動静止物体抽出ステップＳ３４では、動きが微量な動物体ＭＯを可動静止物体ＭＳＯとして抽出する。
【0073】
微動型可動静止物体抽出ステップＳ３４は、例えば、最高点微変動型可動静止物体抽出ステップＳ３４１と、ボクセル数微変動型可動静止物体抽出ステップＳ３４２と、を含む。
【0074】
＜最高点微変動型可動静止物体抽出ステップ（Ｓ３４１）＞
最高点微変動型可動静止物体抽出ステップＳ３４１では、動物体ＭＯの最高点の動きの量（ひいては、最高点の位置分布）に着目して、動きが微量な動物体ＭＯを可動静止物体ＭＳＯとして抽出する。
最高点微変動型可動静止物体抽出ステップＳ３４１において、処理部３１は、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯのうちの１つ又は複数の動物体ＭＯ（以下、「第３動物体ＭＯ」という。）の最高点が、所定最高点監視時間にわたってほぼ同じ位置に位置した場合、当該第３動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する、最高点微変動型可動静止物体抽出処理を行う。
最高点微変動型可動静止物体抽出ステップＳ３４１では、動物体ＭＯの最高点の動きの量（ひいては、最高点の位置分布）に着目して、動きが微量な動物体ＭＯを可動静止物体ＭＳＯとして抽出する。
最高点微変動型可動静止物体抽出ステップＳ３４１において、処理部３１は、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯのうちの１つ又は複数の動物体ＭＯ（以下、「第３動物体ＭＯ」という。）の最高点が、所定最高点監視時間にわたってほぼ同じ位置に位置した場合、当該第３動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する、最高点微変動型可動静止物体抽出処理を行う。
【0075】
上記座位判定ステップＳ３１１の説明において上述したように、動物体ＭＯを構成する各セルＣには、そのセルＣに含まれる点群のうち最も高い位置にある点（最高点）のz 座標値が保存されている。直近の測定時刻tにおける動物体ＭＯ（ＩＤを「ｉ」とする。）の高さh(i,t)（mm）を、当該測定時刻tにおいて当該動物体ＭＯを構成する各セルＣの中で最も高い位置にある点（最高点）のz座標値と定義する。
最高点微変動型可動静止物体抽出ステップＳ３４１において、処理部３１は、例えば、以下のステップＳ３４１１～Ｓ３４１２を行う。
最高点微変動型可動静止物体抽出ステップＳ３４１において、処理部３１は、例えば、以下のステップＳ３４１１～Ｓ３４１２を行う。
【0076】
まず、処理部３１は、各動物体ＭＯのそれぞれについて、動物体ＭＯの高さh(i,t)（最高点）を持つ１つ又は複数のセルＣの位置(p,q)を、所定最高点セル保存時間の間、保存していく（最高点セル保存ステップＳ３４１１）。
ここで、所定最高点セル保存時間は、例えば、100～140秒が好適であり、例えば120秒が好適である。
ここで、所定最高点セル保存時間は、例えば、100～140秒が好適であり、例えば120秒が好適である。
【0077】
つぎに、処理部３１は、上記１つ又は複数の動物体ＭＯのうちの１つ又は複数の動物体ＭＯ（以下、「第３動物体ＭＯ」という。）において、最高点セル保存ステップＳ３４１１で所定最高点セル保存時間にわたって常に保存され続けたセルＣが１つ以上存在する場合、これらの第３動物体ＭＯの最高点が所定最高点監視時間にわたってほぼ同じ位置に位置したと判断して、各第３動物体ＭＯをそれぞれ可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する（再定義ステップＳ３４１２）。
【0078】
処理部３１は、再定義ステップＳ３４１２において当該第３動物体ＭＯを可動静止物体ＭＳＯとして抽出して後定義背景ＬＢとして再定義する際、動物体抽出ステップＳ２において当該第３動物体ＭＯに割り当てたＩＤを取り消す（図１３）。
【0079】
＜ボクセル数微変動型可動静止物体抽出ステップ（Ｓ３４２）＞
最高点微変動型可動静止物体抽出ステップＳ３４１で着目した動物体ＭＯの最高点の位置分布は、最高点の位置がセルＣ同士の境目に存在する場合や、測域センサ２の誤差の影響等により、能動的動作がない可動静止物体ＭＳＯでもばらつく可能性がある。その場合においても可動静止物体ＭＳＯを抽出できるように、ボクセル数微変動型可動静止物体抽出ステップＳ３４２では、動物体ＭＯの動物体構成ボクセル数の変動に着目して、動きが微量な動物体ＭＯを可動静止物体ＭＳＯとして抽出する。
ボクセル数微変動型可動静止物体抽出ステップＳ３４２において、処理部３１は、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯのうちの１つ又は複数の動物体ＭＯ（以下、「第４動物体ＭＯ」という。）が、所定ボクセル数監視時間tth内における当該第４動物体ＭＯの動物体構成ボクセル数V(i,t)の変動の度合を表すボクセル数変動評価値が所定ボクセル数変動評価値閾値未満である場合、当該第４動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する、ボクセル数微変動型可動静止物体抽出処理を行う。
最高点微変動型可動静止物体抽出ステップＳ３４１で着目した動物体ＭＯの最高点の位置分布は、最高点の位置がセルＣ同士の境目に存在する場合や、測域センサ２の誤差の影響等により、能動的動作がない可動静止物体ＭＳＯでもばらつく可能性がある。その場合においても可動静止物体ＭＳＯを抽出できるように、ボクセル数微変動型可動静止物体抽出ステップＳ３４２では、動物体ＭＯの動物体構成ボクセル数の変動に着目して、動きが微量な動物体ＭＯを可動静止物体ＭＳＯとして抽出する。
ボクセル数微変動型可動静止物体抽出ステップＳ３４２において、処理部３１は、動物体抽出ステップＳ２で抽出した１つ又は複数の動物体ＭＯのうちの１つ又は複数の動物体ＭＯ（以下、「第４動物体ＭＯ」という。）が、所定ボクセル数監視時間tth内における当該第４動物体ＭＯの動物体構成ボクセル数V(i,t)の変動の度合を表すボクセル数変動評価値が所定ボクセル数変動評価値閾値未満である場合、当該第４動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する、ボクセル数微変動型可動静止物体抽出処理を行う。
【0080】
上記座位判定ステップＳ３１１の説明において上述したように、動物体ＭＯを構成する各セルＣには、そのセルＣに含まれる点群のうち最も高い位置にある点（最高点）のz 座標値が保存されている。
ボクセル数微変動型可動静止物体抽出ステップＳ３４２において、処理部３１は、例えば、以下のステップＳ３４２１～Ｓ３４２４を行う。
ボクセル数微変動型可動静止物体抽出ステップＳ３４２において、処理部３１は、例えば、以下のステップＳ３４２１～Ｓ３４２４を行う。
【0081】
まず、処理部３１は、つぎの式（１０）及び（１１）により、直近の測定時刻tにおける動物体ＭＯの動物体構成ボクセル数V(i,t)を、所定ボクセル数監視時間tthにわたって、所定測定時間間隔毎に（すなわち、測定時刻ｔ毎に）、算出する（動物体構成ボクセル数算出ステップＳ３４２１）。
動物体構成ボクセル数V(i,t)は、ボクセル配列ＶＡにおいて動物体ＭＯを構成すると推定されるボクセルＶの数を表す。
ここで、所定ボクセル数監視時間tthは、例えば、100～140秒が好適であり、例えば120秒が好適である。
式（１１）において、Vcell(n,t)は、セル対応ボクセル数であり、セル配列ＣＡにおいて動物体ＭＯを構成する各セルＣ のうちいずれか１つのセルＣ(p,q)内の点群の最高点と地面との間に、点群の有無によらず、１辺lthのボクセルＶをｚ軸に沿って配列させたときの当該ボクセルＶの数を表し、動物体ＭＯを構成するセルＣ毎に与えられる値である。式（１１）において、hmax(p,q)は、当該セルＣ (p,q)に含まれる点群の最大高さ（最高点の高さ）であり、lthは、ボクセルＶの１辺の長さであり、nは、セル配列ＣＡにおいて動物体ＭＯ（ＩＤ：ｉ）を構成するセルＣの数である。ボクセルＶの１辺の長さlthは、セル配列ＣＡのセルＣの一辺の長さと同じとする。
式（１０）及び（１１）により定義される動物体構成ボクセル数V(i,t)は、セル配列ＣＡにおいて動物体ＭＯを構成する各セルＣにそれぞれ保存されている最高点と地面との間に、点群の有無によらず、１辺lthのボクセルＶをｚ軸に沿って配列させたときの当該ボクセルＶの数である。例えば、図１２にごく概略的に示す例において、動物体構成ボクセル数V(i,t)は、斜線ハッチングを施したボクセルＶの数となる。
このように動物体構成ボクセル数V(i,t)を定義することにより、仮に測域センサ２からの点群データにおいて動物体ＭＯの一部（例えば、下半分）の点群が欠損していた場合においても、疑似的に動物体ＭＯの大きさをボクセルＶで表現することが可能になる。
動物体構成ボクセル数V(i,t)は、ボクセル配列ＶＡにおいて動物体ＭＯを構成すると推定されるボクセルＶの数を表す。
ここで、所定ボクセル数監視時間tthは、例えば、100～140秒が好適であり、例えば120秒が好適である。
【数12】
【数13】
式（１０）及び（１１）により定義される動物体構成ボクセル数V(i,t)は、セル配列ＣＡにおいて動物体ＭＯを構成する各セルＣにそれぞれ保存されている最高点と地面との間に、点群の有無によらず、１辺lthのボクセルＶをｚ軸に沿って配列させたときの当該ボクセルＶの数である。例えば、図１２にごく概略的に示す例において、動物体構成ボクセル数V(i,t)は、斜線ハッチングを施したボクセルＶの数となる。
このように動物体構成ボクセル数V(i,t)を定義することにより、仮に測域センサ２からの点群データにおいて動物体ＭＯの一部（例えば、下半分）の点群が欠損していた場合においても、疑似的に動物体ＭＯの大きさをボクセルＶで表現することが可能になる。
【0082】
つぎに、処理部３１は、以下の式（１２）により、ボクセル数変化量Vdif(i,t)を算出する（ボクセル数変化量算出ステップＳ３４２２）。
ボクセル数変化量Vdif(i,t)は、所定ボクセル数監視時間tthの間に動物体構成ボクセル数V(i,t)がどれだけ変動したかを表している。
式（１２）において、Vmode(i)は、所定ボクセル数監視時間tthの間に動物体構成ボクセル数算出ステップＳ３４２１によって算出された動物体構成ボクセル数V(i,t)の最頻値である。
ボクセル数変化量Vdif(i,t)を求めるにあたって、直前の動物体構成ボクセル数V(i,t)と比較するのはなく、式（１２）のように、最頻値Vmode(i)との差分をとることにより、測域センサ２の誤差の影響を抑え、人の能動的動作による動物体構成ボクセル数V(i,t)の変動の度合をより明瞭に把握できる。
【数14】
式（１２）において、Vmode(i)は、所定ボクセル数監視時間tthの間に動物体構成ボクセル数算出ステップＳ３４２１によって算出された動物体構成ボクセル数V(i,t)の最頻値である。
ボクセル数変化量Vdif(i,t)を求めるにあたって、直前の動物体構成ボクセル数V(i,t)と比較するのはなく、式（１２）のように、最頻値Vmode(i)との差分をとることにより、測域センサ２の誤差の影響を抑え、人の能動的動作による動物体構成ボクセル数V(i,t)の変動の度合をより明瞭に把握できる。
【0083】
つぎに、処理部３１は、以下の式（１３）により、所定ボクセル数監視時間tth分のボクセル数変化量Vdif(i,t)の標準偏差であるボクセル数変動評価値σdif(i)を算出する（ボクセル数変動評価値算出ステップＳ３４２３）。
式（１３）において、Vdif_ave(i)は、ボクセル数変化量Vdif(i,t)の平均値である。
ボクセル数変動評価値σdif(i)は、所定ボクセル数監視時間tth内における第４動物体ＭＯの動物体構成ボクセル数V(i,t)の変動の度合を表し、その値が高いほど、動物体構成ボクセル数V(i,t)の変動の度合が高く、ひいては、第４動物体ＭＯが人Ｐである可能性が高いことを表す。
【数15】
ボクセル数変動評価値σdif(i)は、所定ボクセル数監視時間tth内における第４動物体ＭＯの動物体構成ボクセル数V(i,t)の変動の度合を表し、その値が高いほど、動物体構成ボクセル数V(i,t)の変動の度合が高く、ひいては、第４動物体ＭＯが人Ｐである可能性が高いことを表す。
【0084】
つぎに、処理部３１は、ボクセル数変動評価値算出ステップＳ３４２３で算出したボクセル数変動評価値σdif(i)に基づいて、第４動物体ＭＯが可動静止物体ＭＳＯであるか否かの判断を行い、第４動物体ＭＯが可動静止物体ＭＳＯであると判断した場合に、第４動物体ＭＯを可動静止物体ＭＳＯとして抽出し、セル配列ＣＡにおいて当該可動静止物体ＭＳＯを構成する各セルＣを後定義背景ＬＢとして再定義する（再定義ステップＳ３４２４）。
再定義ステップＳ３４２４において、処理部３１は、σdif(i)＜5.0である場合に、第４動物体ＭＯが可動静止物体ＭＳＯであると判断する。ここで、本例において、5.0は、上記所定ボクセル数変動評価値閾値に相当する。
再定義ステップＳ３４２４において、処理部３１は、5.0≦σdif(i)＜6.0の場合、所定ボクセル数監視時間tthの半分（tth/2）の分だけ上記のステップＳ３４２１～Ｓ３４２３を再度実施し、それにより再度得られたボクセル数変動評価値σdif(i)がσdif(i)＜5.0を満たす場合のみ、第４動物体ＭＯが可動静止物体ＭＳＯであると判断する。
再定義ステップＳ３４２４において、処理部３１は、6.0≦σdif(i)である場合に、第４動物体ＭＯが可動静止物体ＭＳＯではない（すなわち、人Ｐである）と判断する。
なお、本発明の発明者は、様々な解析を通して、σdif(i)＜5.0である場合、動物体ＭＯは可動静止物体ＭＳＯであり、6.0≦σdif(i)である場合、動物体ＭＯは人Ｐであり、5.0≦σdif(i)＜6.0の場合、動物体ＭＯは、高確率で人Ｐだが、可動静止物体ＭＳＯの可能性もある、ということを知見として得た。上記再定義ステップＳ３４２４は、そのような知見に基づいて設定された。
再定義ステップＳ３４２４において、処理部３１は、σdif(i)＜5.0である場合に、第４動物体ＭＯが可動静止物体ＭＳＯであると判断する。ここで、本例において、5.0は、上記所定ボクセル数変動評価値閾値に相当する。
再定義ステップＳ３４２４において、処理部３１は、5.0≦σdif(i)＜6.0の場合、所定ボクセル数監視時間tthの半分（tth/2）の分だけ上記のステップＳ３４２１～Ｓ３４２３を再度実施し、それにより再度得られたボクセル数変動評価値σdif(i)がσdif(i)＜5.0を満たす場合のみ、第４動物体ＭＯが可動静止物体ＭＳＯであると判断する。
再定義ステップＳ３４２４において、処理部３１は、6.0≦σdif(i)である場合に、第４動物体ＭＯが可動静止物体ＭＳＯではない（すなわち、人Ｐである）と判断する。
なお、本発明の発明者は、様々な解析を通して、σdif(i)＜5.0である場合、動物体ＭＯは可動静止物体ＭＳＯであり、6.0≦σdif(i)である場合、動物体ＭＯは人Ｐであり、5.0≦σdif(i)＜6.0の場合、動物体ＭＯは、高確率で人Ｐだが、可動静止物体ＭＳＯの可能性もある、ということを知見として得た。上記再定義ステップＳ３４２４は、そのような知見に基づいて設定された。
【0085】
処理部３１は、再定義ステップＳ３４２４において当該第４動物体ＭＯを可動静止物体ＭＳＯとして抽出して後定義背景ＬＢとして再定義する際、動物体抽出ステップＳ２において当該第４動物体ＭＯに割り当てたＩＤを取り消す（図１３）。
【0086】
図１３からわかるように、可動静止物体抽出ステップＳ３の後に、セル配列ＣＡのうち初期背景ＩＢ及び後定義背景ＬＢのセルＣ以外のセルＣに格納された点群データからなる動物体ＭＯは、いずれも、人Ｐということになる。可動静止物体抽出ステップＳ３の後、ＩＤは、人Ｐのみに割り当てられた状態となる。このようにして、解析システム１は、所定空間Ｓ内の物体Ｏを人Ｐと人以外の物体とに区別することが可能になる。
【0087】
なお、処理の効率性やリアルタイム性の向上の観点から、可動静止物体抽出ステップＳ３は、連動型可動静止物体抽出ステップＳ３１を最初に実施し、その後に直線型可動静止物体抽出ステップＳ３２を実施し、その後に微動型可動静止物体抽出ステップＳ３４を実施すると、好適である。
ただし、連動型可動静止物体抽出ステップＳ３１と、直線型可動静止物体抽出ステップＳ３２と、微動型可動静止物体抽出ステップＳ３４とは、任意の順序で行ってもよいし、また、これらのうちの２つ又は３つを同時に並行して実施してもよい。
また、処理の効率性やリアルタイム性の向上の観点から、微動型可動静止物体抽出ステップＳ３４は、最初に最高点微変動型可動静止物体抽出ステップＳ３４１を実施し、その後にボクセル数微変動型可動静止物体抽出ステップＳ３４２を実施すると、好適である。
ただし、最高点微変動型可動静止物体抽出ステップＳ３４１と、ボクセル数微変動型可動静止物体抽出ステップＳ３４２とは、その逆の順序で行ってもよいし、また、これらを同時に並行して実施してもよい。
ただし、連動型可動静止物体抽出ステップＳ３１と、直線型可動静止物体抽出ステップＳ３２と、微動型可動静止物体抽出ステップＳ３４とは、任意の順序で行ってもよいし、また、これらのうちの２つ又は３つを同時に並行して実施してもよい。
また、処理の効率性やリアルタイム性の向上の観点から、微動型可動静止物体抽出ステップＳ３４は、最初に最高点微変動型可動静止物体抽出ステップＳ３４１を実施し、その後にボクセル数微変動型可動静止物体抽出ステップＳ３４２を実施すると、好適である。
ただし、最高点微変動型可動静止物体抽出ステップＳ３４１と、ボクセル数微変動型可動静止物体抽出ステップＳ３４２とは、その逆の順序で行ってもよいし、また、これらを同時に並行して実施してもよい。
【0088】
なお、可動静止物体抽出ステップＳ３は、上述した連動型可動静止物体抽出ステップＳ３１と、直線型可動静止物体抽出ステップＳ３２と、微動型可動静止物体抽出ステップＳ３４と、のうち任意の１つ又は２つのみを含んでもよい。
また、微動型可動静止物体抽出ステップＳ３４は、上述した最高点微変動型可動静止物体抽出ステップＳ３４１と、ボクセル数微変動型可動静止物体抽出ステップＳ３４２と、のうちのいずれか一方のみを含んでもよい。
また、可動静止物体抽出ステップＳ３において、処理部３１は、上述した方法とは異なる方法によって、動物体ＭＯを可動静止物体ＭＳＯとして抽出してもよい。
また、微動型可動静止物体抽出ステップＳ３４は、上述した最高点微変動型可動静止物体抽出ステップＳ３４１と、ボクセル数微変動型可動静止物体抽出ステップＳ３４２と、のうちのいずれか一方のみを含んでもよい。
また、可動静止物体抽出ステップＳ３において、処理部３１は、上述した方法とは異なる方法によって、動物体ＭＯを可動静止物体ＭＳＯとして抽出してもよい。
【0089】
－環境地図作成ステップ（Ｓ４）－
処理部３１は、環境地図作成ステップＳ４において、可動静止物体抽出ステップＳ３で得られた所定観察期間内の測定時刻毎の点群データの解析結果に基づいて、環境地図Ｋを作成する。
環境地図作成ステップＳ４は、可動静止物体抽出ステップＳ３の後に行ってもよいし、あるいは、可動静止物体抽出ステップＳ３と並行して行ってもよい。
環境地図Ｋは、所定空間Ｓが人によってどのように使われるかを表すものであると、好適である。上述したステップＳ１～Ｓ３により、所定観察期間内の各測定時刻における人Ｐの数及び位置や、初期背景ＩＢや後定義背景ＬＢとして登録された人Ｐ以外の物体の位置及び形状を、簡単に把握できるので、所定空間Ｓが人によってどのように使われるかをより正確に表現することが可能になる。処理部３１は、ＩＤが割り振られた物体Ｏを、人Ｐとして認識する。
図１４は、環境地図Ｋの一例を概略的に示している。
図１４に例示するように、環境地図Ｋは、セル配列ＣＡを用いて表現されると、好適である。また、セル配列ＣＡにおいて、初期背景ＩＢ及び後定義背景ＬＢのセルＣは、その他のセルＣとは、違う表記（色又はハッチング等）により表示されると、好適である。
例えば、環境地図Ｋは、図１４の例のように、初期背景ＩＢ及び後定義背景ＬＢ以外の各セルＣにおいて、当該セルＣの空間が所定観察期間内においてどれだけ人Ｐによって活用されたか（活動度合い）を、任意の表記方法（例えば、色の濃さ又はハッチングの種類等）により表示するものであってもよい。図１４の例では、初期背景ＩＢ及び後定義背景ＬＢが黒色で表示されており、初期背景ＩＢ及び後定義背景ＬＢ以外の各セルＣにおいて、当該セルＣの活動度合いが、活動度合いが高いほど濃いグレー色で表示されている。
その他、例えば、環境地図Ｋは、初期背景ＩＢ及び後定義背景ＬＢ以外の各セルＣにおいて、当該セルＣの空間での、所定観察期間内における、人Ｐの移動方向、人Ｐの速度、又は、人Ｐの加速度等を、任意の表記方法（例えば、色の濃さ又はハッチングの種類等）により表示するものであってもよい。
環境地図作成ステップＳ４の具体的な方法としては、例えば、特願2020-038043号に記載の方法を用いてもよい。
処理部３１は、環境地図作成ステップＳ４において、可動静止物体抽出ステップＳ３で得られた所定観察期間内の測定時刻毎の点群データの解析結果に基づいて、環境地図Ｋを作成する。
環境地図作成ステップＳ４は、可動静止物体抽出ステップＳ３の後に行ってもよいし、あるいは、可動静止物体抽出ステップＳ３と並行して行ってもよい。
環境地図Ｋは、所定空間Ｓが人によってどのように使われるかを表すものであると、好適である。上述したステップＳ１～Ｓ３により、所定観察期間内の各測定時刻における人Ｐの数及び位置や、初期背景ＩＢや後定義背景ＬＢとして登録された人Ｐ以外の物体の位置及び形状を、簡単に把握できるので、所定空間Ｓが人によってどのように使われるかをより正確に表現することが可能になる。処理部３１は、ＩＤが割り振られた物体Ｏを、人Ｐとして認識する。
図１４は、環境地図Ｋの一例を概略的に示している。
図１４に例示するように、環境地図Ｋは、セル配列ＣＡを用いて表現されると、好適である。また、セル配列ＣＡにおいて、初期背景ＩＢ及び後定義背景ＬＢのセルＣは、その他のセルＣとは、違う表記（色又はハッチング等）により表示されると、好適である。
例えば、環境地図Ｋは、図１４の例のように、初期背景ＩＢ及び後定義背景ＬＢ以外の各セルＣにおいて、当該セルＣの空間が所定観察期間内においてどれだけ人Ｐによって活用されたか（活動度合い）を、任意の表記方法（例えば、色の濃さ又はハッチングの種類等）により表示するものであってもよい。図１４の例では、初期背景ＩＢ及び後定義背景ＬＢが黒色で表示されており、初期背景ＩＢ及び後定義背景ＬＢ以外の各セルＣにおいて、当該セルＣの活動度合いが、活動度合いが高いほど濃いグレー色で表示されている。
その他、例えば、環境地図Ｋは、初期背景ＩＢ及び後定義背景ＬＢ以外の各セルＣにおいて、当該セルＣの空間での、所定観察期間内における、人Ｐの移動方向、人Ｐの速度、又は、人Ｐの加速度等を、任意の表記方法（例えば、色の濃さ又はハッチングの種類等）により表示するものであってもよい。
環境地図作成ステップＳ４の具体的な方法としては、例えば、特願2020-038043号に記載の方法を用いてもよい。
【0090】
以上説明したように、上述した実施形態によれば、処理部３１が、静止物体ＳＯを抽出する初期背景抽出ステップＳ１（初期背景抽出処理）と、動物体ＭＯを抽出する動物体抽出ステップＳ２（動物体抽出処理）と、可動静止物体ＭＳＯを抽出する可動静止物体抽出ステップＳ３（可動静止物体抽出処理）と、を行うので、空間Ｓ内の物体Ｏを人Ｐと人以外の物体（静止物体ＳＯ及び可動静止物体ＭＳＯ）とに区別することが可能になる。
【0091】
また、上述した実施形態よれば、処理が効率化されているため、初期背景抽出ステップＳ１の処理や、動物体抽出ステップＳ２から可動静止物体抽出ステップＳ３までの処理を、所定測定時間間隔（例えば0.1秒）以内に実施することが可能であり、リアルタイムな処理が可能である。そのため、この解析システム及び解析方法を、移動ロボットナビゲーション等に好適に利用することもできる。
また、上述した実施形態によれば、初期背景抽出ステップＳ１や可動静止物体抽出ステップＳ３において、複数種類の物体に共通した特徴に着目して物体を抽出するようにしていることから、事前に個々に形状や動き方等が異なる人以外の物体のそれぞれについて機械学習をする必要がなく、様々な環境においてこの解析システム及び解析方法を使用することができる。
また、上述した実施形態によれば、初期背景抽出ステップＳ１や可動静止物体抽出ステップＳ３において、複数種類の物体に共通した特徴に着目して物体を抽出するようにしていることから、事前に個々に形状や動き方等が異なる人以外の物体のそれぞれについて機械学習をする必要がなく、様々な環境においてこの解析システム及び解析方法を使用することができる。
【産業上の利用可能性】
【0092】
本発明の解析システム及び解析方法は、例えば、例えばオフィス内空間や学校内空間等、屋内空間を解析するために使用されると好適なものである。
【符号の説明】
【0093】
１ 解析システム
２ 測域センサ
３ 解析装置
３１ 処理部
３２ 通信部
３３ 記憶部
３４ 入力部
３５ 表示部
ＣＡ セル配列
Ｃ セル
ＶＡ ボクセル配列
Ｖ ボクセル
Ｏ、Ｏａ～Ｏｇ 物体
ＳＯ 静止物体
ＭＯ 動物体
ＭＳＯ 可動静止物体
Ｐ 人
Ｓ 所定空間
ＩＢ 初期背景
ＬＢ 後定義背景
ＳＲ 遮蔽領域
Ｋ 環境地図
２ 測域センサ
３ 解析装置
３１ 処理部
３２ 通信部
３３ 記憶部
３４ 入力部
３５ 表示部
ＣＡ セル配列
Ｃ セル
ＶＡ ボクセル配列
Ｖ ボクセル
Ｏ、Ｏａ～Ｏｇ 物体
ＳＯ 静止物体
ＭＯ 動物体
ＭＳＯ 可動静止物体
Ｐ 人
Ｓ 所定空間
ＩＢ 初期背景
ＬＢ 後定義背景
ＳＲ 遮蔽領域
Ｋ 環境地図
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
