特開 2024-110302 監視システム、監視装置、監視方法、プログラム

(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】P2024110302

(43)【公開日】2024-08-15

(54)【発明の名称】監視システム、監視装置、監視方法、プログラム

(51)【国際特許分類】

   B61B 1/02 20060101AFI20240807BHJP

   H04N 7/18 20060101ALI20240807BHJP

   B61L 25/04 20060101ALI20240807BHJP

   B61L 23/00 20060101ALI20240807BHJP

   G06T 7/00 20170101ALI20240807BHJP

【ＦＩ】

B61B1/02

H04N7/18 D

B61L25/04

B61L23/00 Z

G06T7/00 660B

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2023014825

(22)【出願日】2023-02-02

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ブルートゥース

(71)【出願人】

【識別番号】000005234

【氏名又は名称】富士電機株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】鈴木 崇大

(72)【発明者】

【氏名】石河 範明

(72)【発明者】

【氏名】野間 拓耶

(72)【発明者】

【氏名】植草 秀明

【テーマコード（参考）】

3D101

5C054

5H161

5L096

【Ｆターム（参考）】

3D101AD11

5C054DA09

5C054FA00

5C054FC12

5C054FE12

5C054HA18

5C054HA26

5H161AA01

5H161CC11

5H161MM01

5H161MM15

5H161NN10

5H161PP01

5H161PP11

5H161QQ01

5H161QQ03

5L096AA06

5L096BA02

5L096CA02

5L096DA02

5L096FA69

5L096HA09

5L096KA04

(57)【要約】

【課題】より簡易にドアにおける異物の挟み込みを検知することが可能な技術を提供する
【解決手段】一実施形態に係る監視システム１００は、駅ＳＴのホームＰＦに設置され、ホームＰＦに停車している鉄道車両２００のドアＤＲが設けられる側面を含む画像を取得する撮像部１１０と、撮像部１１０により取得される画像に含まれる人を認識する人認識部１２０と、撮像部１１０により取得される画像の全領域のうちの人が含まれる第１の領域以外を対象として、ドアＤＲにおける異物の挟み込みを検知する検知部１４０と、を備える。
【選択図】図７

【特許請求の範囲】

【請求項1】

駅のホームに設置され、ホームに停車している鉄道車両のドアが設けられる側面を含む画像を取得する撮像部と、
前記画像に含まれる人を認識する認識部と、
前記画像の全領域のうちの前記人が含まれる第１の領域以外を対象として、前記ドアにおける異物の挟み込みを検知する検知部と、を備える、
監視システム。

【請求項2】

第１の抽出部を備え、
前記認識部は、前記画像の中の前記人が含まれる矩形領域を認識し、
前記第１の抽出部は、前記矩形領域に基づき、前記画像の中の前記第１の領域以外の領域を抽出し、
前記検知部は、前記第１の抽出部により抽出される領域で、前記ドアにおける異物の挟み込みを検知する、
請求項１に記載の監視システム。

【請求項3】

前記矩形領域の中から前記人が映っている前記第１の領域を抽出する第２の抽出部を備え、
前記第１の抽出部は、前記第２の抽出部により抽出される前記第１の領域以外の領域を抽出する、
請求項２に記載の監視システム。

【請求項4】

前記第１の抽出部は、前記画像の中の前記鉄道車両の側面に該当する第２の領域のうちの前記第１の領域以外の領域を抽出する、
請求項２に記載の監視システム。

【請求項5】

前記認識部は、前記画像の中の前記鉄道車両の側面に該当する前記第２の領域で前記人を認識する、
請求項４に記載の監視システム。

【請求項6】

前記鉄道車両の側面の前後方向での撮像範囲が互いに異なり且つ前記前後方向で隣り合う前記撮像部同士の撮像範囲の一部が重複する、複数の前記撮像部を備える、
請求項１乃至５の何れか一項に記載の監視システム。

【請求項7】

前記検知部は、前記前後方向で隣り合う前記撮像部同士のそれぞれにより取得される前記画像に基づき、双方の前記撮像部の撮像範囲に含まれる同じ前記ドアにおける異物の挟み込みを検知する、
請求項６に記載の監視システム。

【請求項8】

前記ホーム又は前記鉄道車両の運転室若しくは車掌室に設けられ、前記検知部の検知結果を表示する表示部を備える、
請求項１乃至５の何れか一項に記載の監視システム。

【請求項9】

駅のホームに設置される撮像部により取得される、ホームに停車している鉄道車両のドアが設けられる側面を含む画像に含まれる人を認識する認識部と、
前記画像の全領域のうちの前記人が含まれる第１の領域以外を対象として、前記ドアにおける異物の挟み込みを検知する検知部と、を備える、
監視装置。

【請求項10】

情報処理装置が、駅のホームに設置される撮像部により取得される、ホームに停車している鉄道車両のドアが設けられる側面を含む画像に含まれる人を認識する認識ステップと、
前記情報処理装置が、前記画像の全領域のうちの前記人が含まれる第１の領域以外を対象として、前記ドアにおける異物の挟み込みを検知する検知ステップと、を含む、
監視方法。

【請求項11】

情報処理装置に、
駅のホームに設置される撮像部により取得される、ホームに停車している鉄道車両のドアが設けられる側面を含む画像に含まれる人を認識する認識ステップと、
前記画像の全領域のうちの前記人が含まれる第１の領域以外を対象として、前記ドアにおける異物の挟み込みを検知する検知ステップと、を実行させる、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、監視システム等に関する。

【背景技術】

【0002】

例えば、鉄道車両のドアごとに、２枚のドアパネルの突合せ部分を撮像範囲に含むカメラを設け、カメラの画像に基づきドアにおける異物の挟み込み（戸挟み）を検知する技術が知られている（特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２１－３７９０４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、上記の技術では、鉄道車両のドアごとにカメラが設けられる必要がある。また、例えば、ドアごとの画像を解析する必要が生じ、その結果、画像解析のために必要なハードウェアリソースが増大を招く必要がある。そのため、ドアにおける異物の挟み込みの検知を実現するための構成が複雑になる可能性がある。

【0005】

そこで、上記課題に鑑み、より簡易にドアにおける異物の挟み込みを検知することが可能な技術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】

上記目的を達成するため、本開示の一実施形態では、
駅のホームに設置され、ホームに停車している鉄道車両のドアが設けられる側面を含む画像を取得する撮像部と、
前記画像に含まれる人を認識する認識部と、
前記画像の全領域のうちの前記人が含まれる第１の領域以外を対象として、前記ドアにおける異物の挟み込みを検知する検知部と、を備える、
監視システムが提供される。

【0007】

また、本開示の他の実施形態では、
駅のホームに設置される撮像部により取得される、ホームに停車している鉄道車両のドアが設けられる側面を含む画像に含まれる人を認識する認識部と、
前記画像の全領域のうちの前記人が含まれる第１の領域以外を対象として、前記ドアにおける異物の挟み込みを検知する検知部と、を備える、
監視装置が提供される。

【0008】

また、本開示の更に他の実施形態では、
情報処理装置が、駅のホームに設置される撮像部により取得される、ホームに停車している鉄道車両のドアが設けられる側面を含む画像に含まれる人を認識する認識ステップと、
前記情報処理装置が、前記画像の全領域のうちの前記人が含まれる第１の領域以外を対象として、前記ドアにおける異物の挟み込みを検知する検知ステップと、を含む、
監視方法が提供される。

【0009】

また、本開示の更に他の実施形態では、
情報処理装置に、
駅のホームに設置される撮像部により取得される、ホームに停車している鉄道車両のドアが設けられる側面を含む画像に含まれる人を認識する認識ステップと、
前記画像の全領域のうちの前記人が含まれる第１の領域以外を対象として、前記ドアにおける異物の挟み込みを検知する検知ステップと、を実行させる、
プログラムが提供される。

【発明の効果】

【0010】

上述の実施形態によれば、より簡易にドアにおける異物の挟み込みを検知することができる。

【図面の簡単な説明】

【0011】

【図1】監視システムの一例を示す図である。

【図2】撮像部の配置及び撮像範囲の一例を示す図である。

【図3】撮像部の配置及び撮像範囲の他の例を示す図である。

【図4】人認識部による認識処理の結果の一例を示す図である。

【図5】マスク処理の一例を示す図である。

【図6】監視範囲の具体例を示す図である。

【図7】マスク処理の他の例を示す図である。

【図8】検知部による検知結果の一例を示す図である。

【図9】比較例に係る監視システムの検知部による検知結果を示す図である。

【図10】監視システムの他の例を示す図である。

【図11】マスク処理の更に他の例を示す図である。

【発明を実施するための形態】

【0012】

以下、図面を参照して実施形態について説明する。

【0013】

［監視システムの一例］
図１～図８を参照して、監視システム１００の一例について説明する。

【0014】

図１は、監視システム１００の一例を示す図である。図２は、撮像部１１０の配置及び撮像範囲の一例を示す図である。図３は、撮像部１１０の配置及び撮像範囲の他の例を示す図である。図４は、人認識部１２０による認識処理の結果の一例を示す図である。図５は、マスク処理の一例を示す図である。図６は、監視範囲の具体例を示す図である。具体的には、図６は、図２の撮像部１１０Ａ～１１０Ｃのそれぞれにより取得される画像６Ａ，６Ｂ，６Ｃに指定される監視範囲ＭＲ＿Ａ，ＭＲ＿Ｂ，ＭＲ＿Ｃを示す図である。図７は、マスク処理の他の例を示す図である。図８は、検知部１４０による検知結果の一例を示す図である。

【0015】

尚、図３では、便宜的に、３台の撮像部１１０が撮像部１１０Ａ～１１０Ｃにより区別されている。同様に、図４では、便宜的に、４台の撮像部１１０が撮像部１１０Ａ～１１０Ｄにより区別されている。

【0016】

監視システム１００は、駅ＳＴに設置され、駅ＳＴのホームＰＦやホームＰＦに入線し停車する鉄道車両２００の状況を監視する。

【0017】

例えば、監視システム１００は、駅ＳＴに停車中の鉄道車両２００のドアＤＲが閉じられた場合、ドアＤＲにおける異物の挟み込みの有無を監視する。

【0018】

監視システム１００は、撮像部１１０と、人認識部１２０と、前処理部１３０と、検知部１４０と、表示部１５０とを含む。

【0019】

撮像部１１０は、ホームＰＦに設けられ、鉄道車両２００のドアＤＲが設けられる側面を含む撮像範囲を撮像する。これにより、撮像部１１０は、鉄道車両２００の側面を含む画像を取得することができる。

【0020】

例えば、撮像部１１０は、ホームＰＦに常設される単眼型の監視カメラであり、ホームＰＦの天井部に取り付けられる。

【0021】

例えば、図１に示すように、撮像部１１０は、１台設けられ、その撮像範囲は、監視範囲全体をカバーするように設定される。

【0022】

また、図２、図３に示すように、撮像部１１０は、複数台設けられてもよい。

【0023】

図２に示すように、本例では、５両編成の鉄道車両２００に対して、３台の撮像部１１０（撮像部１１０Ａ～１１０Ｃ）が設けられる。また、図３に示すように、本例では、６両編成の鉄道車両２００に対して、３台の撮像部１１０（撮像部１１０Ｂ～１１０Ｄ）が設けられる。

【0024】

例えば、図２の撮像部１１０Ａ～１１０Ｃは、互いに異なる撮像範囲ＩＲ＿Ａ，ＩＲ＿Ｂ，ＩＲ＿Ｃを有する。そして、撮像部１１０Ａ～１１０Ｃは、撮像範囲ＩＲ＿Ａ，ＩＲ＿Ｂ，ＩＲ＿Ｃの全体で、鉄道車両２００（５両編成）の前後方向のホームＰＦ側の全てのドアＤＲを含む、鉄道車両２００の側面部分を撮像可能な撮像範囲を有する。これにより、後述の検知部１４０は、全ての撮像部１１０の画像に基づき、鉄道車両２００のホームＰＦ側の全てのドアＤＲにおける異物の挟み込みを検知することができる。

【0025】

また、図３の他の例では、図２の一例に対して、６両編成の鉄道車両２００に合わせて、最後尾の車両の側面を撮像可能な撮像部１１０Ｄが追加される。一方、図３の他の例では、図２の一例に対して、先頭車両の側面全体及び２両目の車両の側面の一部を撮像可能な撮像部１１０Ａが省略される。運転室がある先頭車両付近のドアＤＲについては、運転士が目視によって異物の挟み込みの有無等を監視可能だからである。

【0026】

尚、図２の一例についても、図３の他の例と同様に、撮像部１１０Ａが省略されてもよい。図３の他の例についても、図２の一例と同様に、撮像部１１０Ａが設けられてもよい。

【0027】

また、図２の撮像部１１０Ａ～１１０Ｃは、ホームＰＦの長手方向（即ち、５両編成の鉄道車両２００の前後方向）に並ぶように配置され、隣り合う撮像部１１０同士は、撮像範囲が重なるように配置されてもよい。同様に、図３の撮像部１１０Ｂ～１１０Ｄは、ホームＰＦの長手方向（即ち、６両編成の鉄道車両２００の前後方向）に並ぶように配置され、隣り合う撮像部１１０同士は、撮像範囲が重なるように配置されてもよい。これにより、後述の検知部１４０は、隣り合う２つの撮像部１１０の双方の画像を用いて、撮像範囲が重複する部分に存在するドアＤＲにおける異物の挟み込みを検知することができる。そのため、例えば、あるドアＤＲに異物の挟み込みが発生しているにも関わらず、何等かの理由で一方の画像を用いてそのドアＤＲにおける異物の挟み込みが検知できなくても、他方の画像を用いてそのドアＤＲにおける異物の挟み込みを検知することができる場合がある。逆に、例えば、あるドアＤＲに異物の挟み込みが発生していないにも関わらず、何等かの理由で一方の画像を用いてそのドアＤＲにおける異物の挟み込みが検知されても、他方の画像を用いてそのドアＤＲにおける異物の挟み込みがないと判定することができる場合がある。よって、検知部１４０は、一方の画像に基づく対象のドアＤＲの異物の挟み込みの検知結果と、他方の画像に基づく対象のドアＤＲの異物の挟み込みの検知結果とを総合的に判断し、対象のドアＤＲにおける異物の挟み込みをより正確に検知することができる。

【0028】

撮像部１１０は、例えば、駅ＳＴの営業時間内で、１／３０秒ごとに、画像を取得しそのデータを出力する。撮像部１１０は、人認識部１２０と一対一の通信線やローカルネットワーク（ＬＡＮ：Local Area Network）等を通じて通信可能に接続され、撮像部１１０の出力（画像のデータ）は、人認識部１２０に取り込まれる。

【0029】

人認識部１２０は、撮像部１１０により取得される画像に基づき、画像解析を行い、その画像に含まれる（映っている）人を認識する。

【0030】

人認識部１２０は、所定の処理周期ごとに、撮像部１１０から入力される最新の画像データに基づき、画像に含まれる人の認識処理を行い、元データ（画像データ）及び認識処理の結果を出力する。認識処理の結果には、人の認識の有無、及び人が認識された場合の画像の中の人が含まれる領域（例えば、矩形領域）を表す情報が含まれる。

【0031】

人認識部１２０の機能は、任意のハードウェア或いは任意のハードウェア及びソフトウェアの組み合わせ等により実現されてよい。例えば、人認識部１２０は、ＣＰＵ（Central Processing Unit）、メモリ装置、補助記憶装置、及びインタフェース装置等を含むコンピュータ（情報処理装置）を中心に構成される。メモリ装置は、例えば、ＳＲＡＭ（Static Random Access Memory）やＤＲＡＭ（Dynamic Random Access Memory）等である。補助記憶装置は、例えば、ＨＤＤ（Hard Disc Drive）やＳＳＤ（Solid State Drive）やフラッシュメモリやＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory）等である。インタフェース装置には、例えば、撮像部１１０や前処理部１３０等の監視システム１００の他の構成要素と通信を行うための通信インタフェースが含まれる。また、インタフェース装置には、例えば、記録媒体と接続するための外部インタフェースが含まれる。これにより、人認識部１２０は、例えば、外部インタフェースを通じて、記録媒体から各種プログラムを取り込み、補助記憶装置にインストールすることができる。また、情報処理装置は、更に、ＣＰＵと連動する高速演算装置を含んでもよい。高速演算装置は、例えば、ＧＰＵ（Graphics Processing Unit）やＦＰＧＡ（Field-Programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）等を含む。

【0032】

例えば、人認識部１２０は、画像データから得られる局所特徴量や画像データそのものに基づき、学習済みモデルを適用して、画像の中の人を認識し、画像上でのその人が含まれる領域を推定する。

【0033】

学習済みモデルは、例えば、教師データセットを用いて、ベースの学習モデルが機械学習（教師あり学習）されることにより得られる。学習済みモデルは、人認識部１２０において、学習モデルの機械学習がされることにより生成されてもよいし、人認識部１２０とは別の情報処理装置において、学習モデルの機械学習がされることにより生成されてもよい。例えば、教師データセットに含まれる個々の教師データは、入力データとしての画像から得られる画像特徴量或いは画像データそのものと、出力データとしての画像上の人が含まれる画像部分を指定するデータとの組み合わせである。これにより、学習済みモデルは、画像データから得られる画像特徴量や画像データそのものを入力として、画像上の人を認識し、画像上の人が含まれる領域（矩形領域）のデータを出力することができる。例えば、学習済みモデルは、ディープニューラルネットワーク（ＤＮＮ：Deep Neural Network）を中心に構成され、教師データに基づくバックプロパゲーション（誤差逆伝播法）が適用されることによりＤＮＮの機械学習が効率化される。また、学習済みモデルは、画像データを入力として画像データから人を認識可能なＵ－Ｎｅｔを含んでもよい。

【0034】

また、人認識部１２０は、画像データの特徴点や局所特徴量等に基づき、パターンマッチング等のルールベースのアルゴリズムを適用し、画像の中の人を認識してもよい。

【0035】

例えば、図４に示すように、撮像部１１０により取得された画像４００には、ホームＰＦに隣り合うように停車している鉄道車両２００と共に、ホームＰＦに立っている人Ｍが映っている。本例では、人認識部１２０は、撮像部１１０により取得された最新の画像４００から人Ｍを認識し、人Ｍが含まれる矩形領域４０１を推定する。

【0036】

人認識部１２０は、前処理部１３０と一対一の通信線やローカルネットワーク等を通じて通信可能に接続され、人認識部１２０の出力（画像データ、及び認識処理の結果）は、前処理部１３０に取り込まれる。

【0037】

前処理部１３０は、検知部１４０による処理のための前処理を行う。前処理部１３０は、人認識部１２０の出力が取り込まれると、その中に含まれる画像データに対して前処理を施す。

【0038】

前処理部１３０の機能は、任意のハードウェア或いは任意のハードウェア及びソフトウェアの組み合わせ等により実現されてよい。例えば、前処理部１３０は、ＣＰＵ、メモリ装置、補助記憶装置、及びインタフェース装置等を含むコンピュータ（情報処理装置）を中心に構成される。メモリ装置は、例えば、ＳＲＡＭやＤＲＡＭ等である。補助記憶装置は、例えば、ＨＤＤやＳＳＤやフラッシュメモリやＥＥＰＲＯＭ等である。インタフェース装置には、例えば、人認識部１２０や検知部１４０等の監視システム１００の他の構成要素と通信を行うための通信インタフェースが含まれる。また、インタフェース装置には、例えば、記録媒体と接続するための外部インタフェースが含まれる。これにより、前処理部１３０は、例えば、外部インタフェースを通じて、記録媒体から各種プログラムを取り込み、補助記憶装置にインストールすることができる。また、情報処理装置は、更に、ＣＰＵと連動する高速演算装置を含んでもよい。高速演算装置は、例えば、ＧＰＵやＦＰＧＡやＡＳＩＣ等を含む。

【0039】

例えば、人認識部１２０により人が認識されていない場合、前処理部１３０は、人認識部１２０から取り込まれる画像（即ち、撮像部１１０により取得された最新の画像）の中から監視範囲に相当する領域を抽出する。監視範囲に相当する領域は、ドアＤＲにおける異物の挟み込みを検知するために予め設定される。例えば、監視範囲は、撮像部１１０により取得される画像の中の鉄道車両２００の側面に相当する領域である。

【0040】

具体的には、撮像部１１０により取得された最新の画像に対して、マスク処理を施すことにより、撮像部１１０により取得された最新の画像の中の監視範囲の画像を抽出する。

【0041】

例えば、図５に示すように、撮像部１１０により取得された最新の画像５００と、画像５００における抽出したい領域を特定する基準画像５１０の画像間演算処理によって、画像５００の中の監視範囲の画像５２０を抽出する。抽出したい領域は、監視範囲に相当する領域である。

【0042】

撮像部１１０の位置及び姿勢は、固定されている。そのため、撮像部１１０により取得される画像５００の中の監視範囲に相当する領域は予め固定される。

【0043】

基準画像５１０は、例えば、白と黒等、"０"と"１"で表される２値化画像である。基準画像５１０は、画像５００でマスクされるマスク領域５１１と、画像５００からの抽出対象の抽出領域５１２とを含む。マスク領域５１１は、画像５００において、鉄道車両２００の側面以外のものが映る領域に相当し、ホームＰＦ、並びに鉄道車両２００の上部及び上方等が映る領域である。抽出領域５１２は、監視範囲に相当する鉄道車両２００のドアＤＲが設けられる側面部分に相当する領域である。これにより、前処理部１３０は、画像５００の中のマスク領域５１１がマスクされ、鉄道車両２００の側面部分に対応する監視範囲のみが表示される画像５２０を抽出することができる。

【0044】

また、図６に示すように、撮像部１１０Ａ～１１０Ｃのそれぞれにより取得される画像６Ａ～６Ｃごとに、監視範囲ＭＲ＿Ａ，ＭＲ＿Ｂ，ＭＲ＿Ｃが規定され、その監視範囲に合わせたマスク処理が行われる。

【0045】

本例では、画像６Ａ～６Ｃの監視範囲ＭＲ＿Ａ，ＭＲ＿Ｂ，ＭＲ＿Ｃは、互いに、鉄道車両２００のホームＰＦ側のドアＤＲが重複して含まれないように設定される。つまり、検知部１４０は、鉄道車両２００のホーム側の任意のドアにおける異物の挟み込みの検知（異物の挟み込みの有無の判定）を、画像６Ａ～６Ｃの何れか１つのみによって行う。そのため、本例では、画像６Ａにおいて、監視範囲ＭＲ＿Ａは、鉄道車両２００の側面に相当する全領域のうちの鉄道車両２００の前後方向の一部の区間に限定されている。同様に、画像６Ｂにおいて、監視範囲ＭＲ＿Ｂは、鉄道車両２００の側面に相当する全領域のうちの鉄道車両２００の前後方向の一部の区間に限定されている。同様に、画像６Ｃにおいて、監視範囲ＭＲ＿Ｃは、鉄道車両２００の側面に相当する全領域のうちの鉄道車両２００の前後方向の一部の区間に限定されている。

【0046】

尚、画像６Ａ，６Ｂの監視範囲ＭＲ＿Ａ，ＭＲ＿Ｂは、互いに、鉄道車両２００のホームＰＦ側のドアＤＲの一部が重複して含まれるように設定されてもよい。同様に、画像６Ｂ，６Ｃの監視範囲ＭＲ＿Ｂ，ＭＲ＿Ｃは、互いに、鉄道車両２００のホームＰＦ側のドアＤＲの一部が重複して含まれるように設定されてもよい。これにより、検知部１４０は、例えば、監視範囲ＭＲ＿Ａ，ＭＲ＿Ｂに重複して含まれるドアＤＲについて、画像６Ａ，６Ｂの双方に基づき、対象のドアＤＲにおける異物の挟み込みを検知することができる。そのため、検知部１４０は、対象のドアＤＲにおける異物の挟み込みをより適切に検知することができる。

【0047】

一方、人認識部１２０により人が認識されている場合、前処理部１３０は、撮像部１１０により取得された最新の画像の中から、監視範囲に相当する領域から人が含まれる矩形領域を除外した領域を抽出する。

【0048】

例えば、図７に示すように、撮像部１１０により取得された最新の画像７００と画像７００における抽出したい領域を特定する基準画像７１０との画像間演算処理によって、画像７００の中の監視範囲から人が含まれる領域を除外した画像７２０を抽出する。

【0049】

画像７００は、図４の画像４００に相当し、ホームＰＦに人Ｍが立っている。そのため、本例では、人認識部１２０によって、人Ｍを含む矩形領域が認識処理の結果として出力されている。

【0050】

基準画像７１０は、上述の基準画像５１０と同様、２値化画像である。基準画像７１０は、画像７００でマスクされるマスク領域７１１と、画像７００からの抽出対象の抽出領域７１２とを含む。マスク領域７１１は、人Ｍ等の遮蔽物がないと仮定したときに、画像７００における鉄道車両２００の側面以外のものが映る領域と、人Ｍを含む矩形領域との和集合に相当する領域である。具体的には、マスク領域７１１は、上述の基準画像５１０におけるマスク領域５１１と、人Ｍに対応する矩形領域７１１Ａとの和集合に相当する領域である。抽出領域５１２は、監視範囲に相当する鉄道車両２００のドアＤＲが設けられる側面部分に相当する領域から人Ｍに対応する矩形領域７１１Ａを除外した領域である。これにより、前処理部１３０は、画像７００の中のマスク領域７１１がマスクされ、鉄道車両２００の側面部分に対応する監視範囲から人Ｍを含む矩形領域が除外された領域のみが表示される画像７２０を抽出することができる。

【0051】

尚、人認識部１２０により人が認識されている場合であっても、人が含まれる矩形領域が監視範囲に重複しない場合、前処理部１３０は、撮像部１１０により取得される最新の画像の中の監視範囲に相当する領域のみの画像を抽出する。以下、後述の他の例（図１０）の場合についても同様である。

【0052】

前処理部１３０は、検知部１４０と一対一の通信線やローカルネットワーク等を通じて通信可能に接続され、前処理部１３０の出力（前処理後の画像）は、前処理部１３０に取り込まれる。前処理後の画像は、撮像部１１０により取得された最新の画像の中の監視範囲に相当する領域のみの画像、或いは、撮像部１１０により取得された最新の画像の中の監視範囲に相当する領域から人を含む矩形領域が除外された領域のみの画像である。

【0053】

尚、前処理部１３０は、人認識部１２０により認識された人を含む矩形領域のみをマスク処理した画像を抽出してもよい。また、前処理部１３０は、２段階で前処理を行ってもよい。例えば、第１段階として、前処理部１３０は、撮像部１１０により取得された最新の画像の中の鉄道車両２００の側面部分に相当する領域のみの画像（例えば、画像５２０）を抽出する。そして、人認識部１２０は、前処理部１３０による第１段階の前処理後の画像に含まれる人を認識する処理を行う。ここで、人認識部１２０により人が認識される場合、第２段階として、前処理部１３０は、第１段階の前処理後の画像から人認識部１２０により認識された人を含む領域を除外した画像（例えば、画像７２０）を抽出する。

【0054】

検知部１４０は、前処理部１３０の出力（前処理後の画像）に基づき、ドアＤＲにおける異物の挟み込みを検知する。即ち、検知部１４０は、異物の挟み込みの有無を判定する。

【0055】

検知部１４０の機能は、任意のハードウェア或いは任意のハードウェア及びソフトウェアの組み合わせ等により実現されてよい。例えば、検知部１４０は、ＣＰＵ、メモリ装置、補助記憶装置、及びインタフェース装置等を含むコンピュータ（情報処理装置）を中心に構成される。メモリ装置は、例えば、ＳＲＡＭやＤＲＡＭ等である。補助記憶装置は、例えば、ＨＤＤやＳＳＤやフラッシュメモリやＥＥＰＲＯＭ等である。インタフェース装置には、例えば、前処理部１３０や表示部１５０等の監視システム１００の他の構成要素と通信を行うための通信インタフェースが含まれる。また、インタフェース装置には、例えば、記録媒体と接続するための外部インタフェースが含まれる。これにより、検知部１４０は、例えば、外部インタフェースを通じて、記録媒体から各種プログラムを取り込み、補助記憶装置にインストールすることができる。また、情報処理装置は、更に、ＣＰＵと連動する高速演算装置を含んでもよい。高速演算装置は、例えば、ＧＰＵやＦＰＧＡやＡＳＩＣ等を含む。

【0056】

例えば、検知部１４０は、前処理後の画像のデータから得られる局所特徴量や画像のデータそのものに基づき、学習済みモデルを適用して、ドアＤＲにおける異物の挟み込みの有無、及び画像上の異物の位置を推定する。

【0057】

学習済みモデルは、例えば、学習データセットを用いて、ベースの学習モデルが機械学習されることにより得られる。学習済みモデルは、検知部１４０において、学習モデルの機械学習がされることにより生成されてもよいし、検知部１４０とは別の情報処理装置において、学習モデルの機械学習がされることにより生成されてもよい。例えば、学習データセットに含まれる個々の学習データは、異物の挟み込みが発生していない状態の鉄道車両２００の側面部分が抽出された画像（例えば、画像５２０）のデータである。これにより、学習モデルは、学習データセットによって、異物の挟み込みが発生していない正常な状態を学習することができる。その結果、学習済みモデルは、ドアＤＲにおける異物の挟み込みが生じている画像が入力されると、ドアＤＲにおける異物の挟み込みありの異常状態と推定し、画像上の異常に相当する箇所を推定することができる。また、学習済みモデルは、正常状態を表す学習データと、異常状態を表す学習データとの双方を含む学習データセット（教師データセット）を用いて、ベースの学習モデルが機械学習（教師あり学習）されることにより得られてもよい。例えば、学習済みモデルは、ＤＮＮを中心に構成され、教師データに基づくバックプロパゲーション（誤差逆伝播法）が適用されることによりＤＮＮの機械学習が効率化される。

【0058】

また、検知部１４０は、前処理後の画像と、異物の挟み込みが発生していない正常な状態の鉄道車両２００の側面部分に相当する基準画像とを比較することにより、ドアＤＲにおける異物の挟み込みの有無、及び画像上の異物の位置を推定してもよい。例えば、検知部１４０は、前処理後の画像の局所特徴量と、基準画像の局所特徴量とに基づき、既知のパターンマッチング等のルールベースのアルゴリズムを適用し、ドアＤＲにおける異物の挟み込みの有無、及び画像上の異物の位置を推定する。

【0059】

検知部１４０は、表示部１５０と一対一の通信線やローカルネットワーク等を通じて通信可能に接続され、検知部１４０の出力（前処理前或いは前処理後の画像データ、及び検知処理の結果）は、表示部１５０に取り込まれる。

【0060】

尚、人認識部１２０、前処理部１３０、及び検知部１４０の機能は、その少なくとも２つが１つの情報処理装置により実現されることで、全体として、２つ以下の情報処理装置によって実現されてもよい。また、人認識部１２０、前処理部１３０、及び検知部１４０の機能は、４つ以上の情報処理装置により分散して実現されてもよい。

【0061】

表示部１５０は、検知部１４０の検知結果を表示する。

【0062】

表示部１５０は、例えば、ホームＰＦに設置され、駅ＳＴの駅員や停車中の鉄道車両２００の乗務員に対して、検知部１４０の検知結果を表示する。また、表示部１５０は、鉄道車両２００の運転室や車掌室に設置され、鉄道車両２００の乗務員に対して、検知部１４０の検知結果を表示してもよい。この場合、表示部１５０は、無線のローカルネットワークやブルートゥース、ＷｉＦｉ等の近距離通信回線等を通じて、検知部１４０の出力を取得する。表示部１５０は、例えば、液晶ディスプレイや有機ＥＬ（Electroluminescence）ディスプレイである。

【0063】

例えば、図８Ａに示すように、検知部１４０は、前処理部１３０による前処理後の画像８００に基づき、ドアＤＲにおける異物の挟み込みを検知する。本例では、画像８００の鉄道車両２００の側面部分の左側のドアＤＲには、異物としての傘ＦＯが挟み込まれている。そのため、検知部１４０は、画像８００上の傘ＦＯの存在によって、ドアＤＲにおける異物の挟み込みを検知し、画像８００における異物としての傘ＦＯの位置を推定する。

【0064】

図８Ｂに示すように、表示部１５０は、検知部１４０の検知結果を表す画像８１０を表示する。本例では、画像８１０は、画像８００と、画像８００に重畳して表示される画像８１１，８１２を含む。

【0065】

画像８１１は、ドアＤＲにおける異物の挟み込みが検知されたことを表す文字情報（"異常（異物あり）"）を含む。これにより、ホームＰＦの駅員や鉄道車両２００の乗務員は、ドアＤＲにおける異物の挟み込みが発生していることを容易に認識することができる。

【0066】

画像８１２は、検知された異物に対応する画像部分を表す目印である。これにより、ホームＰＦの駅員や鉄道車両２００の乗務員は、どの場所で異物の挟み込みが発生しており、その異物がどのようなものであるかを認識することができる。

【0067】

尚、表示部１５０に表示される画像を生成する処理は、表示部１５０に搭載される情報処理装置（例えば、マイクロコンピュータ）によって実施されてもよいし、検知部１４０により実施されてもよい。

【0068】

このように、本例では、監視システム１００（検知部１４０）は、撮像部１１０により取得される画像の全領域のうちの人が含まれる矩形領域を除く領域を対象として、鉄道車両２００のドアＤＲにおける異物の挟み込みを検知する。

【0069】

例えば、図９Ａに示すように、人Ｍが含まれる矩形領域がマスク処理されない前処理後の画像９００を用いると、人ＭがドアＤＲ付近に映りこんでいる場合、検知部１４０は、人ＭをドアＤＲに挟み込まれた異物と誤検知する可能性がある。その結果、図９Ｂに示すように、表示部１５０は、ドアＤＲにおける異物の挟み込みが生じていないにも関わらず、ドアＤＲにおける異物の挟み込みが検知されたことを表す文字情報の画像９１１、及び検知された異物に対応する目印の画像９１２を含む画像９１０を表示する。そのため、駅ＳＴの駅員や鉄道車両２００の乗務員は、不要な確認作業が必要になると共に、ドアＤＲの再度の開閉操作が必要になり、鉄道車両２００の運転遅延が生じる可能性がある。

【0070】

これに対して、本例では、撮像部１１０により取得される画像に映っている人を含む領域がドアＤＲにおける異物の挟み込みの検知対象の領域から除外される。これにより、監視システム１００は、ホームＰＦに設けられる撮像部１１０により取得される画像に基づき、ドアＤＲにおける異物の挟み込みをより正確に検知することができる。

【0071】

尚、監視システム１００は、撮像部１１０により取得されている画像に映っている人だけでなく、人が所持している或いはホームＰＦに載置されている荷物（例えば、大型のスーツケースやスキー、スノーボード、ゴルフバッグ等の長尺の荷物）を認識してもよい。撮像部１１０により取得されている画像において、荷物が鉄道車両２００の側面部分の前面に被るように映り込む場合もありうるからである。これにより、監視システム１００は、撮像部１１０により取得される画像の全領域のうちの人及び荷物が含まれる矩形領域を除く領域を対象として、鉄道車両２００のドアＤＲにおける異物の挟み込みを検知することができる。そのため、監視システム１００は、ドアＤＲにおける異物の挟み込みをより正確に検知することができる。

【0072】

［監視システムの他の例］
次に、図１０、図１１を参照して、監視システム１００の他の例について説明する。

【0073】

以下、上述の一例（図１）と異なる部分を中心に説明し、上述の一例と同じ或いは対応する内容の説明を省略する場合がある。

【0074】

図１０は、監視システム１００の他の例を示す図である。図１１は、マスク処理の更に他の例を示す図である。

【0075】

図１０に示すように、監視システム１００は、上述の一例（図１）と同様、撮像部１１０と、人認識部１２０と、前処理部１３０と、検知部１４０と、表示部１５０とを含む。また、本例では、監視システム１００は、セグメンテーション部１６０を含む。

【0076】

人認識部１２０は、前処理部１３０及びセグメンテーション部１６０のそれぞれと一対一の通信線やローカルネットワーク等を通じて通信可能に接続される。例えば、人認識部１２０により人が認識されていない場合、人認識部１２０の出力（画像データ、及び認識処理の結果）は、前処理部１３０に取り込まれる。一方、人認識部１２０により人が認識されている場合、人認識部１２０の出力（画像データ、及び認識処理の結果）は、セグメンテーション部１６０に取り込まれる。

【0077】

セグメンテーション部１６０は、人認識部１２０により出力される、撮像部１１０の最新の画像の中の認識された人が含まれる矩形領域について、人に該当する領域と背景に該当する領域とに分割する処理（セグメンテーション）を行う。これにより、セグメンテーション部１６０は、人認識部１２０により出力される、撮像部１１０の最新の画像の中の認識された人が含まれる矩形領域から、人に該当する（即ち、人が映っている）領域を抽出することができる。

【0078】

セグメンテーション部１６０の機能は、任意のハードウェア或いは任意のハードウェア及びソフトウェアの組み合わせ等により実現されてよい。例えば、セグメンテーション部１６０は、ＣＰＵ、メモリ装置、補助記憶装置、及びインタフェース装置等を含むコンピュータ（情報処理装置）を中心に構成される。メモリ装置は、例えば、ＳＲＡＭやＤＲＡＭ等である。補助記憶装置は、例えば、ＨＤＤやＳＳＤやフラッシュメモリやＥＥＰＲＯＭ等である。インタフェース装置には、例えば、人認識部１２０や前処理部１３０等の監視システム１００の他の構成要素と通信を行うための通信インタフェースが含まれる。また、インタフェース装置には、例えば、記録媒体と接続するための外部インタフェースが含まれる。これにより、セグメンテーション部１６０は、例えば、外部インタフェースを通じて、記録媒体から各種プログラムを取り込み、補助記憶装置にインストールすることができる。また、情報処理装置は、更に、ＣＰＵと連動する高速演算装置を含んでもよい。高速演算装置は、例えば、ＧＰＵやＦＰＧＡやＡＳＩＣ等を含む。

【0079】

例えば、セグメンテーション部１６０は、人が含まれる矩形領域の画像について、１つ１つの画素ごとに、人を表す画素か背景を表す画素かを分類する処理（セマンティックセグメンテーション）を行う。セグメンテーション部１６０は、例えば、学習済みモデルを用いて、セマンティックセグメンテーションを行なう。

【0080】

学習済みモデルは、例えば、教師データセットを用いて、ベースの学習モデルが機械学習（教師あり学習）されることによって得られる。学習済みモデルは、セグメンテーション部１６０において、学習モデルの機械学習がされることにより生成されてもよいし、セグメンテーション部１６０とは別の情報処理装置において、学習モデルの機械学習がされることにより生成されてもよい。例えば、教師データセットに含まれる個々の教師データは、入力としての人が映っている画像のデータと、出力としての、その画像データの画素ごとの人を表す画素か背景を表す画素かの分類を指定するデータ（特徴マップのデータ）との組み合わせである。これにより、学習済みモデルは、画像データそのものを入力として、画像上の画素ごとの人を表す画像か背景を表す画素かの分類のデータを出力することができる。例えば、学習済みモデルは、ＤＮＮを中心に構成され、教師データに基づくバックプロパゲーション（誤差逆伝播法）が適用されることによりＤＮＮの機械学習が効率化される。ＤＮＮは、例えば、画像データを入力として、画像データの画素ごとの分類を表す特徴マップを出力可能なＦＣＮ（Fully Convolutional Networks）である。

【0081】

また、セグメンテーション部１６０は、人と背景との境界線を探索するルールベースのアルゴリズムを適用し、人を含む矩形画像について、人の領域と背景の領域とに分割してもよい。

【0082】

セグメンテーション部１６０は、前処理部１３０と一対一の通信線やローカルネットワーク等を通じて通信可能に接続され、セグメンテーション部１６０の出力（画像データ、及び認識処理の結果）は、前処理部１３０に取り込まれる。

【0083】

前処理部１３０は、上述の一例の場合と同様、検知部１４０による処理のための前処理を行う。前処理部１３０は、人認識部１２０の出力が取り込まれると、その中に含まれる画像データに対して前処理を施す。

【0084】

例えば、人認識部１２０により人が認識されていない場合、上述の一例の場合と同様、前処理部１３０は、人認識部１２０から取り込まれる画像（即ち、撮像部１１０により取得された最新の画像）の中から監視範囲に相当する領域を抽出する（図５参照）。

【0085】

一方、人認識部１２０により人が認識されている場合、前処理部１３０は、撮像部１１０により取得された最新の画像の中から、監視範囲に相当する領域から人に該当する領域を除外した領域を抽出する。人に該当する領域は、撮像部１１０により取得された最新の画像の中の人を含む矩形領域のうち、セグメンテーション部１６０によって人の領域として分割された領域である。

【0086】

例えば、図１１に示すように、撮像部１１０により取得された最新の画像１１００と基準画像１１１０との画像間演算処理によって、画像１１００の中の監視範囲から人に該当する領域を除外した画像１１２０を抽出する。

【0087】

基準画像１１１０は、上述の基準画像５１０，７１０と同様、２値化画像である。基準画像１１１０は、画像１１００でマスクされるマスク領域１１１１と、画像１１００からの抽出対象の抽出領域１１１２とを含む。マスク領域１１１１は、人Ｍ等の遮蔽物がないと仮定したときに、画像１１００における鉄道車両２００の側面以外のものが映る領域と、人Ｍに該当する領域との和集合に相当する領域である。具体的には、マスク領域１１１１は、上述の基準画像５１０におけるマスク領域５１１と、人Ｍに該当するマスク領域１１１１Ａとの和集合に相当する領域である。抽出領域１１１２は、監視範囲に相当する鉄道車両２００のドアＤＲが設けられる側面部分に相当する領域から人Ｍに該当する矩形領域７１１Ａを除外した領域である。これにより、前処理部１３０は、画像１１００の中のマスク領域１１１１がマスクされ、鉄道車両２００の側面部分に対応する監視範囲から人Ｍに該当する領域が除外された領域のみが表示される画像１１２０を抽出することができる。

【0088】

検知部１４０は、上述の一例の場合と同様、前処理部１３０の出力（前処理後の画像）に基づき、ドアＤＲにおける異物の挟み込みを検知する（即ち、異物の挟み込みの有無を判定する）。

【0089】

例えば、図１１に示すように、検知部１４０は、前処理部１３０による前処理後の画像１１２０に基づき、ドアＤＲにおける異物の挟み込みを検知する。これにより、検知部１４０は、画像１１２０上において、左側のドアＤＲにおける、人Ｍに該当するマスク領域１１１１Ａと非常に近い箇所に映っている、異物としての傘ＦＯの挟み込みを検知することができる。

【0090】

尚、人認識部１２０、前処理部１３０、検知部１４０、及びセグメンテーション部１６０の機能は、その少なくとも２つが１つの情報処理装置により実現されることで、全体として、３つ以下の情報処理装置によって実現されてもよい。また、人認識部１２０、前処理部１３０、検知部１４０、及びセグメンテーション部１６０の機能は、５つ以上の情報処理装置により分散して実現されてもよい。

【0091】

このように、本例では、監視システム１００（検知部１４０）は、撮像部１１０により取得される画像の全領域のうちの人に該当する領域を除く（マスク処理した）領域を対象として、鉄道車両２００のドアＤＲにおける異物の挟み込みを検知する。

【0092】

これにより、撮像部１１０により取得される画像の全領域の中で、人認識部１２０により出力される矩形領域をマスク処理する場合よりも、人をマスクするためのマスク領域の面積を相対的に小さくすることができる。そのため、例えば、図１２の画像１１００のように、人ＭとドアＤＲに挟みこまれている異物（傘ＦＯ）とが非常に近い画像部分に映っている場合でも、異物が人をマスクするためのマスク領域によってマスクされてしまうような事態を抑制することができる。そのため、監視システム１００は、ホームＰＦに設けられる撮像部１１０により取得される画像に基づき、ドアＤＲにおける異物の挟み込みをより正確に検知することができる。

【0093】

尚、上述の一例の場合と同様、監視システム１００は、撮像部１１０により取得されている画像に映っている人だけでなく、人が所持している或いはホームＰＦに載置されている荷物を認識してもよい。これにより、監視システム１００は、撮像部１１０により取得される画像の全領域のうちの人及び荷物に該当する領域を除く領域を対象として、鉄道車両２００のドアＤＲにおける異物の挟み込みを検知することができる。そのため、監視システム１００は、ドアＤＲにおける異物の挟み込みをより正確に検知することができる。

【0094】

［作用］
次に、本実施形態に係る監視システム、監視装置、監視方法、及びプログラムの作用について説明する。

【0095】

本実施形態では、監視システムは、撮像部と、認識部と、検知部と、を備える。監視システムは、例えば、上述の監視システム１００である。撮像部は、例えば、上述の撮像部１１０である。認識部は、例えば、上述の人認識部１２０である。検知部は、例えば、上述の検知部１４０である。具体的には、撮像部は、駅のホームに設置され、ホームに停車している鉄道車両のドアが設けられる側面を含む画像を取得する。駅は、例えば、上述の駅ＳＴである。ホームは、例えば、上述のホームＰＦである。鉄道車両は、例えば、上述の鉄道車両２００である。ドアは、例えば、上述のドアＤＲである。また、認識部は、撮像部により取得される画像に含まれる人を認識する。そして、検知部は、撮像部により撮像される画像の全領域のうちの人が含まれる第１の領域以外を対象として、ドアにおける異物の挟み込みを検知する。第１の領域は、例えば、上述の矩形領域７１１Ａやマスク領域１１１１Ａである。

【0096】

また、本実施形態では、監視装置は、認識部と、検知部と、を備えてもよい。監視装置は、例えば、上述の人認識部１２０及び検知部１４０の双方の機能を有する情報処理装置である。認識部は、駅のホームに設置される撮像部により取得される、ホームに停車している鉄道車両のドアが設けられる側面を含む画像に含まれる人を認識する。そして検知部は、画像の全領域のうちの人が含まれる第１の領域以外を対象として、ドアにおける異物の挟み込みを検知する。

【0097】

また、本実施形態では、情報処理装置が監視方法を実行してもよい。監視方法は、認識ステップと、検知ステップと、を含む。具体的には、認識ステップでは、情報処理装置が、駅のホームに設置される撮像部により取得される、ホームに停車している鉄道車両のドアが設けられる側面を含む画像に含まれる人を認識する。そして、検知ステップでは、情報処理装置が、画像の全領域のうちの人が含まれる第１の領域以外を対象として、ドアにおける異物の挟み込みを検知する。

【0098】

また、本実施形態では、情報処理装置にプログラムを実行させてもよい。具体的には、プログラムは、情報処理装置に、認識ステップと、検知ステップとを実行させる。

【0099】

これにより、監視システム等は、ホーム側から撮像される、鉄道車両のドアを含む側面の画像に基づきドアにおける異物の挟み込みを検知する際に、ホームにいる人がドア付近に映りこみ、異物の挟み込みとして誤検知されるような事態を抑制することができる。そのため、人が映りこむ可能性が非常に高い、ホーム側から撮像される画像を利用する場合であっても、より正確にドアにおける異物の挟み込みを検知することができる。また、ドアごとに異物の検知のための撮像部を設ける必要もない。よって、監視システム等は、より簡易且つより正確にドアにおける異物の挟み込みを検知することができる。

【0100】

また、本実施形態では、監視システムは、第１の抽出部を備えてもよい。第１の抽出部は、例えば、上述の前処理部１３０である。具体的には、認識部は、撮像部により取得される画像の中の人が含まれる矩形領域を認識してもよい。矩形領域は、例えば、上述の矩形領域７１１Ａである。また、第１の抽出部は、認識部により認識される矩形領域に基づき、撮像部により取得される画像の中の第１の領域以外の領域を抽出してもよい。そして、検知部は、第１の抽出部により抽出される領域で、ドアにおける異物の挟み込みを検知してもよい。

【0101】

これにより、監視システム等は、撮像部により取得される画像の中の人が含まれる第１の領域以外の領域を抽出することによって、抽出した画像に基づき、ドアにおける異物の挟み込みをより正確に検知することができる。

【0102】

また、本実施形態では、監視システムは、第２の抽出部を備えてもよい。第２の抽出部は、例えば、上述のセグメンテーション部１６０である。具体的には、第２の抽出部は、矩形領域の中から人が映っている第１の領域を抽出してもよい。人が映っている第１の領域は、例えば、上述のマスク領域１１１１Ａである。
そして、第１の抽出部は、第２の抽出部により抽出される第１の領域以外の領域を抽出してもよい。

【0103】

これにより、監視システム等は、人が含まれる矩形領域のうち撮像部により取得される画像の中の人が映っている領域（即ち、人に該当する領域）のみを第１の領域として抽出することができる。そのため、監視システム等は、撮像部により取得される画像の全領域の中で、ドアにおける異物の挟み込みの検知対象外となる第１の領域を最小限の範囲に留めることができる。その結果、監視システム等は、例えば、第１の領域にドアに挟み込まれた異物が映っている画像部分が含まれてしまうような事態を抑制することができる。よって、監視システム等は、より正確にドアにおける異物の挟み込みを検知することができる。

【0104】

また、本実施形態では、第１の抽出部は、撮像部により取得される画像の中の鉄道車両の側面に該当する第２の領域のうちの上記の第１の領域以外の領域を抽出してもよい。

【0105】

これにより、監視システム等は、撮像部により取得される画像の中で、ドアにおける異物の挟み込みが生じうる、鉄道車両の側面のドア付近の領域のみの画像を用いて、ドアにおける異物の挟み込みを検知することができる。そのため、監視システム等は、処理負荷を軽減することができると共に、ホームの状況等の影響を抑制し、より正確にドアにおける異物の挟み込みを検知することができる。

【0106】

また、本実施形態では、認識部は、画像の中の鉄道車両の側面に該当する第２の領域で人を認識してもよい。

【0107】

これにより、監視システム等は、ドアにおける異物の挟み込みの検知対象の領域に合わせて、人の認識を試行する対象の領域を縮小し、処理負荷を軽減することができる。

【0108】

また、本実施形態では、監視システムは、鉄道車両の側面の前後方向での撮像範囲が互いに異なり且つ前後方向で隣り合う撮像部同士の撮像範囲の一部が重複する、複数の撮像部を備えてもよい。複数の撮像部は、例えば、上述の撮像部１１０Ａ～１１０Ｃ（図２参照）や撮像部１１０Ｂ～１１０Ｄ（図３参照）である。また、隣り合う撮像部同士は、例えば、撮像部１１０Ａ～１１０Ｃのうちの撮像部１１０Ａ及び撮像部１１０Ｂや撮像部１１０Ｂ及び撮像部１１０Ｃであり、撮像部１１０Ｂ～１１０Ｄのうちの撮像部１１０Ｂ及び撮像部１１０Ｃや撮像部１１０Ｃ及び撮像部１１０Ｄである。

【0109】

例えば、鉄道車両の一編成に含まれる車両数が非常に多い場合、異物の挟み込みの検知対象のドアが鉄道車両の前後方向で広く分散する。そのため、一台の撮像部で全てのドアを含む画像を取得すると、撮像部から離れた位置のドアにおける異物の挟み込みを適切に検知することができない可能性がある。

【0110】

これに対して、監視システム等は、複数の撮像部を用いることで、各撮像部により撮像される画像中に鉄道車両の前後方向の全範囲のドアを比較的大きく捉えることができる。そのため、監視システム等は、鉄道車両の一編成に含まれる車両数が非常に多い場合でも、より正確にドアにおける異物の挟み込みを検知することができる。

【0111】

また、本実施形態では、検知部は、前後方向で隣り合う撮像部同士のそれぞれにより取得される前記画像に基づき、双方の撮像部の撮像範囲に含まれる同じドアにおける異物の挟み込みを検知してもよい。

【0112】

これにより、監視システム等は、例えば、一方の撮像部の画像に基づく対象のドアにおける異物の挟み込みの検知結果と、他方の撮像部の画像に基づく対象のドアの異物の挟み込みの検知結果とを総合的に判断し、同じドアにおける異物の挟み込みを検知することができる。そのため、監視システム等は、ドアにおける異物の挟み込みをより正確に検知することができる。

【0113】

また、本実施形態では、監視システムは、ホーム又は鉄道車両の運転室若しくは車掌室に設けられ、検知部の検知結果を表示する表示部を備えてもよい。表示部は、例えば、上述の表示部１５０である。

【0114】

これにより、監視システム等は、ホームの駅員や鉄道車両の乗務員に、ドアにおける挟み込みの検知結果（例えば、検知の有無や検知場所等）を通知することができる。

【0115】

以上、実施形態について詳述したが、本開示はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された要旨の範囲内において、種々の変形・変更が可能である。

【符号の説明】

【0116】

１００ 監視システム
１１０，１１０Ａ～１１０Ｄ 撮像部
１２０ 人認識部
１３０ 前処理部
１４０ 検知部
１５０ 表示部
１６０ セグメンテーション部
２００ 鉄道車両
ＤＲ ドア
ＰＦ ホーム
ＳＴ 駅

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】