特開 2024-134194 検査システム及び検査方法

(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】P2024134194

(43)【公開日】2024-10-03

(54)【発明の名称】検査システム及び検査方法

(51)【国際特許分類】

   G01V 3/12 20060101AFI20240926BHJP

   G01S 13/04 20060101ALI20240926BHJP

   G01S 13/88 20060101ALI20240926BHJP

   G01S 13/34 20060101ALI20240926BHJP

   G01V 11/00 20060101ALI20240926BHJP

   G08B 25/04 20060101ALI20240926BHJP

   G01V 8/10 20060101ALI20240926BHJP

【ＦＩ】

G01V3/12 A

G01S13/04

G01S13/88

G01S13/34

G01V11/00

G08B25/04 E

G01V8/10 S

【審査請求】未請求

【請求項の数】17

【出願形態】ＯＬ

(21)【出願番号】P 2023044380

(22)【出願日】2023-03-20

(71)【出願人】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(74)【代理人】

【識別番号】110001737

【氏名又は名称】弁理士法人スズエ国際特許事務所

(72)【発明者】

【氏名】関谷 亮太

【テーマコード（参考）】

2G105

5C087

5J070

【Ｆターム（参考）】

2G105AA01

2G105BB11

2G105BB17

2G105CC01

2G105DD02

2G105EE06

2G105HH06

5C087DD05

5C087DD31

5C087EE08

5C087FF04

5C087GG02

5C087GG06

5J070AB17

5J070AB24

5J070AC02

5J070AD02

5J070AD03

5J070AD08

5J070AE09

5J070AF01

5J070AH31

5J070AH35

5J070AH40

5J070AK22

(57)【要約】

【課題】検査対象者の所持品を短時間に正確に検査することができる検査システムを提供すること。
【解決手段】実施形態に係る検査装置は、対象を測定する第１測定部と、前記第１測定部の測定結果を基に第１機械学習モデルを利用して前記対象が所定物を含むか否かに関する第１判定を行う第１判定部と、前記対象を測定する第２測定部と、前記第２測定部の測定結果を基に前記対象が前記所定物を含むか否かに関する第２判定を行う第２判定部と、前記第２判定の結果を基に前記第１機械学習モデルの第１更新データを作成し、前記第１更新データを前記第１判定部へ送信する処理部と、を具備する。
【選択図】図１

【特許請求の範囲】

【請求項1】

対象を測定する第１測定部と、
前記第１測定部の測定結果を基に第１機械学習モデルを利用して前記対象が所定物を含むか否かに関する第１判定を行う第１判定部と、
前記対象を測定する第２測定部と、
前記第２測定部の測定結果を基に前記対象が前記所定物を含むか否かに関する第２判定を行う第２判定部と、
前記第２判定の結果を基に前記第１機械学習モデルの第１更新データを作成し、前記第１更新データを前記第１判定部へ送信する処理部と、
を具備する検査システム。

【請求項2】

前記第１判定部は、前記第１更新データを基に前記第１機械学習モデルを更新する、
請求項１記載の検査システム。

【請求項3】

前記第１判定部は、前記第１機械学習モデルの更新後、前記第１判定を再度行う、
請求項２記載の検査システム。

【請求項4】

前記第２判定部は、前記第２測定部の測定結果を基に第２機械学習モデルを利用して前記第２判定を行う、
請求項１記載の検査システム。

【請求項5】

前記第１測定部は、前記対象の第１特徴量を求め、
前記第２測定部は、前記対象の第２特徴量を求め、
前記第２特徴量は前記第１特徴量と異なる、
請求項１乃至請求項４のいずれか一項記載の検査システム。

【請求項6】

前記第１測定部は、前記対象の特徴量を第１詳細度で求め、
前記第２測定部は、前記特徴量を第２詳細度で求め、
前記第２詳細度は前記第１詳細度より高い、
請求項１乃至請求項４のいずれか一項記載の検査システム。

【請求項7】

前記第２判定の信頼度は、前記第１判定の信頼度より高い、
請求項１乃至請求項４のいずれか一項記載の検査システム。

【請求項8】

前記第１測定部が前記対象を測定した後、前記第２測定部が前記対象を測定する、
請求項１乃至請求項４のいずれか一項記載の検査システム。

【請求項9】

前記第１測定部と前記第２測定部の各々は、レーダ、金属探知機、液体探知機、エックス線診断装置、又はカメラを含む、
請求項１乃至請求項４のいずれか一項記載の検査システム。

【請求項10】

前記第２測定部は、金属探知機又はカメラである、
請求項１乃至請求項４のいずれか一項記載の検査システム。

【請求項11】

前記対象を測定する第３測定部と、
前記第３測定部の測定結果を基に前記対象が前記所定物を含むか否かに関する第３判定を行う第３判定部と、をさらに具備し、
前記第１測定部が前記対象を測定した後、前記第３測定部が前記対象を測定し、
前記第３測定部が前記対象を測定した後、前記第２測定部が前記対象を測定する、
請求項１記載の検査システム。

【請求項12】

前記第３判定部は、前記第３測定部の測定結果を基に第３機械学習モデルを利用して前記第３判定を行い、
前記処理部は、前記第２判定の結果を基に前記第３機械学習モデルの第２更新データを作成し、前記第２更新データを前記第３判定部へ送信し、
前記第３判定部は、前記第２更新データを基に前記第３機械学習モデルを更新する、
請求項１１記載の検査システム。

【請求項13】

前記第３判定部は、前記第３機械学習モデルの更新後、前記第３判定を再度行う、
請求項１２記載の検査システム。

【請求項14】

前記第１測定部は、前記対象の第１特徴量を求め、
前記第２測定部は、前記対象の第２特徴量を求め、
前記第３測定部は、前記対象の第３特徴量を測定し、
前記第２特徴量は前記第１特徴量と異なり、
前記第３特徴量は前記第２特徴量と異なる、
請求項１１乃至請求項１３のいずれか一項記載の検査システム。

【請求項15】

前記第１測定部は、前記対象の特徴量を第１詳細度で測定し、
前記第３測定部は、前記特徴量を第３詳細度で測定し、
前記第２測定部は、前記特徴量を第２詳細度で測定し、
前記第２詳細度は、前記第１詳細度と前記第３詳細度より高い、
請求項１１乃至請求項１３のいずれか一項記載の検査システム。

【請求項16】

前記第２判定の信頼度は、前記第１判定の信頼度と前記第３判定の信頼度より高い、
請求項１１乃至請求項１３のいずれか一項記載の検査システム。

【請求項17】

対象を測定する第１測定部の測定結果を基に機械学習モデルを利用して前記対象が所定物を含むか否かに関する第１判定を行い、
前記対象を測定する第２測定部の測定結果を基に前記対象が前記所定物を含むか否かに関する第２判定を行い、
前記第２判定の結果を基に前記機械学習モデルの更新データを作成し、
前記更新データを前記機械学習モデルへ送信する、検査方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施形態は、検査システム及び検査方法に関する。

【背景技術】

【0002】

検査対象の所持品を検査する複数の検査装置を備える検査システムが提案されている。複数の検査装置は、段階的に検査を行う。複数の検査装置は、所定物（ここでは、拳銃）に関する異なる項目を判定するために、それぞれが情報を測定する。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－２０４５１３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

本発明の目的は、検査対象を短時間に正確に検査することができる検査システムを提供することである。

【課題を解決するための手段】

【0005】

実施形態に係る検査システムは、第１測定部と、第１判定部と、第２測定部と、第２判定部と、処理部と、を具備する。第１測定部は、対象を測定する。第１判定部は、前記第１測定部の測定結果を基に第１機械学習モデルを利用して前記対象が所定物を含むか否かに関する第１判定を行う。第２測定部は、前記対象を測定する。第２判定部は、前記第２測定部の測定結果を基に前記対象が前記所定物を含むか否かに関する第２判定を行う。処理部は、前記第２判定の結果を基に前記第１機械学習モデルの第１更新データを作成し、前記第１更新データを前記第１判定部へ送信する。

【図面の簡単な説明】

【0006】

【図1】実施形態に係る検査システムの一例を説明するための図。

【図2】実施形態に係る機械学習モデルの一例を説明するための図。

【図3】実施形態に係る測定データメモリの一例を説明するための図。

【図4】実施形態に係る更新データメモリの一例を説明するための図。

【図5】実施形態に係る検査システムの検査装置の処理の一例の前半を説明するためのフローチャート。

【図6】実施形態に係る検査システムの検査装置の処理の一例の後半を説明するためのフローチャート。

【図7】実施形態に係る検査システムの第１応用例を説明するための図。

【図8】実施形態に係る検査システムの第２応用例を説明するための図。

【図9】実施形態に係る検査システムの制御装置の処理の一例を説明するためのフローチャート。

【図10】実施形態に係る検査システムの変形例を説明するための図である。

【図11】実施形態に係る検査装置の配置の一例を説明するための図である。

【図12】実施形態に係る検査装置の詳細な構成の一例を説明するための図である。

【図13】実施形態に係る測定部の一例を説明するための図である。

【図14】実施形態に係る測定部で用いられるチャープ信号の一例を説明するための図である。

【図15】実施形態に係る測定部における受信信号の一例を説明するための図である。

【図16】実施形態に係る測定部における反射強度分の一例を説明するための図である。

【発明を実施するための形態】

【0007】

以下、図面を参照して、実施形態を説明する。以下の説明は、実施形態の技術的思想を具体化するための装置や方法を例示するものであって、実施形態の技術的思想は、以下に説明する構成要素の構造、形状、配置、材質等に限定されるものではない。当業者が容易に想到し得る変形は、当然に開示の範囲に含まれる。説明をより明確にするため、図面において、各要素のサイズ、厚み、平面寸法又は形状等を実際の実施態様に対して変更して模式的に表す場合もある。複数の図面において、互いの寸法の関係や比率が異なる要素が含まれることもある。複数の図面において、対応する要素には同じ参照数字を付して重複する説明を省略する場合もある。いくつかの要素に複数の呼称を付す場合があるが、これら呼称の例はあくまで例示であり、これらの要素に他の呼称を付すことを否定するものではない。また、複数の呼称が付されていない要素についても、他の呼称を付すことを否定するものではない。なお、以下の説明において、「接続」は直接接続のみならず、他の要素を介した接続を含む場合もある。

【0008】

複数の検査装置を含む検査システムにおいて、検査装置は、測定結果を基に機械学習モデルを利用して判定結果を求めることができる。機械学習モデルが検査装置毎に用意されていると、或る検査装置の判定結果が他の検査装置の判定結果と整合しない場合がある。「検査対象が金属物を所持しているか否か」を判定する第１検査装置と、「検査対象が何処に何を所持しているか」を判定する第２検査装置を備えるとする。第１検査装置の判定結果が「検査対象が金属物を所持する」であり、第２検査装置の判定結果が「検査対象が左胸ポケットに手帳を所持する」である場合、「金属物」と「手帳」は整合しない。この場合、検査システムは、最終的に拳銃を所持している検査対象を精度よく特定することが困難である。本実施形態はこのような課題に着目して得られたものである。

【0009】

図１は、実施形態に係る検査システムの一例を説明するための図である。検査システムの実施形態としては、セキュリティに関する検査システムを説明する。検査システムは、駅、商業施設、コンサートホール、遊園地等の不特定多数者が存在するエリアに配置される。所定物、例えば拳銃、ナイフ、爆薬等の危険物のこのエリアへの持ち込みは許可されていない。以下、所定物としては拳銃を説明する。検査システムは、拳銃を含む検査対象を特定する。ここで、「含む」とは、例えば、身に着けていたり、手荷物に含まれたりすることを言う。検査システムが拳銃を所持する検査対象を特定すると、係員が検査対象を入念に調べる。

【0010】

検査システムは、複数の検査装置を備える。図１は、３つの検査装置を含む検査システムの例を示す。検査システムは、第１検査装置１０ａ、第２検査装置１０ｂ、第３検査装置１０ｃ、及び制御装置１２を含む。第１検査装置１０ａ、第２検査装置１０ｂ及び第３検査装置１０ｃは、制御装置１２に接続される。検査装置の数は、２個でもよいし、３個以上でもよい。

【0011】

検査システムの設置場所に係員が居る場合、係員は、検査対象を第１検査装置１０ａ、第２検査装置１０ｂ及び第３検査装置１０ｃの順に誘導する。これにより、検査対象は、第１検査装置１０ａ、第２検査装置１０ｂ及び第３検査装置１０ｃにより、この順番に検査される。

【0012】

検査システムが通路等の人流のある場所に設置される場合、第１検査装置１０ａ、第２検査装置１０ｂ及び第３検査装置１０ｃは、検査対象の流れに従った順番に設置される。例えば、検査システムが歩行者の通路に設置される場合、第１検査装置１０ａは通路の入口側に設置され、第３検査装置１０ｃは通路の出口側に設置され、第２検査装置１０ｂは第１検査装置１０ａと第３検査装置１０ｃの間に設置される。これにより、通路を移動する検査対象は、第１検査装置１０ａ、第２検査装置１０ｂ及び第３検査装置１０ｃにより、この順番に検査される。

【0013】

第１検査装置１０ａは、侵入検知部２０ａ、測定部２２ａ、判定部２４ａ、更新部２８ａ、及び通信部３０ａを含む。

【0014】

侵入検知部２０ａは、検査対象が第１検査装置１０ａの検査範囲に侵入したことを検知する。侵入検知部２０ａの例は、人感センサ、カメラである。侵入検知部２０ａが検査対象の侵入を検知すると、測定部２２ａは、測定を開始するとともに、検査対象の識別情報（検査対象ＩＤ）を発行する。

【0015】

通信部３０ａは、検査対象ＩＤを制御装置１２へ送信する。制御装置１２は、検査対象ＩＤを第２検査装置１０ｂと第３検査装置１０ｃへ送信する。

【0016】

測定部２２ａは、検査対象の第１特徴量を求める。測定部２２ａの例は、レーダ、金属探知機、液体探知機、エックス線診断装置、又はカメラである。測定部２２ａは、第１特徴量を示す第１測定データを検査対象ＩＤとともに判定部２４ａ及び通信部３０ａに送信する。測定部２２ａは、第１測定データを一時的に保存するメモリを備えてもよい。

【0017】

判定部２４ａは、機械学習モデル２６ａを含む。機械学習モデル２６ａは、或る第１測定データが与えられた時、第１判定結果を出力する回路である。判定結果はラベルと称される。機械学習モデルは、人工知能（ＡＩ）モデルとも称される。機械学習モデルの例は、畳み込みニューラルネットワークである。機械学習モデル２６ａは、測定部２２ａで多数の検査対象を測定し、多数の第１測定データに対して多数の第１ラベルを夫々割り当てることにより生成される。第１ラベルは、オペレータにより入力される。

【0018】

図２は、機械学習モデル２６ａの一例を説明するための図である。機械学習モデル２６ａは、複数の第１測定データＭ１、Ｍ２、Ｍ３、…と、複数の第１ラベルＬ１、Ｌ２、Ｌ３、…を備える。機械学習モデル２６ａは、第１測定データと第１ラベルとの対応関係を示すデータである。図２は、第１測定データＭ１、Ｍ２、Ｍ３、…が第１ラベルＬ１、Ｌ２、Ｌ３、…にそれぞれ対応する例を示す。１つの第１測定データに対応する第１ラベルの数は複数でもよい。

【0019】

図１の説明に戻り、第１測定データが判定部２４ａに入力される。判定部２４ａは、機械学習モデル２６ａを利用して第１判定を行う。第１判定は、第１測定データに対応する１つ又は複数の第１ラベルを決定することである。第１判定の例は、「検査対象が金属物を所持しているか否か」である。判定部２４ａは、１つの第１測定データに対して「金属物所持」又は「金属物非所持」という単数の第１ラベルを出力する。第１ラベルは、検査システムの最終的なラベルの一部である。そのため、検査システムの最終的なラベルの信頼度を１とすると、第１ラベルの信頼度は１以下である。

【0020】

判定部２４ａは、機械学習モデル２６ａを利用しないで、第１測定データを演算処理して第１ラベルを決定してもよい。

【0021】

検査システムの設置場所に係員が居る場合、判定部２４ａは、図示しない表示部やスピーカにより第１ラベルをテキスト表示または音声出力し、係員に知らせてもよい。検査システムの設置場所に係員が居ない場合、判定部２４ａは、通信部３０ａを介して、第１ラベルを係員が携帯する電子機器又は係員が待機する管理室の表示装置に送信してもよい。判定部２４ａは、第１ラベルを一時的に保存するメモリを備えてもよい。

【0022】

通信部３０ａは、第１測定データを検査対象ＩＤとともに制御装置１２へ送信する。通信部３０ａは、制御装置１２から送信される第１更新データを受信する。通信部３０ａは、第１更新データを更新部２８ａへ送信する。更新部２８ａは、第１更新データを基に機械学習モデル２６ａを更新（再学習とも称される）する。機械学習モデル２６ａの更新により、第１測定データＭ１、Ｍ２、Ｍ３、…と複数の第１ラベルＬ１、Ｌ２、Ｌ３、…との対応関係が変更される。機械学習モデル２６ａの更新後、測定部２２ａは、検査対象を再度測定し、判定部２４ａは、再度測定した測定データを基に第１判定を再度実行してもよい。機械学習モデル２６ａの更新後、測定部２２ａによる検査対象の再測定をせず、判定部２４ａは、既に得られている第１測定データを基に第１判定を再度実行してもよい。

【0023】

第２検査装置１０ｂは、侵入検知部２０ｂ、測定部２２ｂ、判定部２４ｂ、更新部２８ｂ、及び通信部３０ｂを含む。

【0024】

侵入検知部２０ｂ、測定部２２ｂ、判定部２４ｂ、更新部２８ｂ、及び通信部３０ｂは、侵入検知部２０ａ、測定部２２ａ、判定部２４ａ、更新部２８ａ、及び通信部３０ａとそれぞれ対応する。

【0025】

第１検査装置１０ａによる検査が終了した検査対象が第２検査装置１０ｂの検査範囲に侵入したことを侵入検知部２０ｂが検知すると、測定部２２ｂは、測定を開始する。

【0026】

測定部２２ｂの例は、レーダ、金属探知機、液体探知機、エックス線診断装置、又はカメラである。

【0027】

測定部２２ｂは、測定部２２ａと同様に、検査対象の第１特徴量を求めてもよい。測定部２２ａは、第１特徴量を第１詳細度で求め、測定部２２ｂは、第１特徴量を第２詳細度で求めてもよい。第２詳細度は、第１詳細度より高くてもよい。詳細度は分解能とも称される。通信部３０ｂは、制御装置１２から検査対象ＩＤを受信する。測定部２２ｂは、第１特徴量を示す第２測定データを判定部２４ｂ及び通信部３０ｂに送信する。測定部２２ｂは、第２測定データを一時的に保存するメモリを備えてもよい。

【0028】

測定部２２ａ、測定部２２ｂがレーダである場合、測定部２２ａ、測定部２２ｂそれぞれは、検査対象に電磁波を送信し、検査対象からの反射波を受信する。金属物の電磁波の反射率は、皮膚の電磁波の反射率より高い。測定部２２ａ、測定部２２ｂそれぞれは、検査対象の各点の電磁波の反射率の分布を示す画像を求める。詳細度は、画像の分解能に関連する。測定部２２ｂが求める画像は、測定部２２ａが求める画像より解像度が高くてもよい。画像の解像度は、検査対象に送信する電磁波の数、すなわち検査対象の反射点の数に比例する。

【0029】

あるいは、測定部２２ｂは、測定部２２ａとは異なり、検査対象の第２特徴量を求めてもよい。第２特徴量は、第１特徴量と異なる。測定部２２ａは、第１特徴量を第１詳細度で求め、測定部２２ｂは、第２特徴量を第２詳細度で求めてもよい。第２詳細度は、第１詳細度より高くてもよい。測定部２２ｂは、第２特徴量を第２測定データとして判定部２４ｂに送信してもよい。測定部２２ａがレーダであり、測定部２２ｂが金属探知機であるとすると、金属物を特定する場合、金属探知機が求める情報（第２特徴量）は、レーダが求める画像（第１特徴量）よりも詳細度が高い。

【0030】

判定部２４ｂは、機械学習モデル２６ｂを含む。機械学習モデル２６ｂは、図２に示した機械学習モデル２６ａと同様に、或る第２測定データが与えられた時、第２ラベルを出力する回路である。機械学習モデル２６ｂは、測定部２２ｂで多数の検査対象を測定し、多数の第２測定データに対して多数の第２ラベルを割り当てることにより生成される。第２ラベルは、オペレータにより入力される。

【0031】

第１機械学習モデル２２ａと同様に、第２機械学習モデル２２ｂでも、１つの第２ラベルが１つの第２測定データに対応してもよいし、複数の第２ラベルが１つの第２測定データに対応してもよい。

【0032】

判定部２４ｂは、機械学習モデル２６ｂを利用し第２判定を行う。第２判定は、第２測定データに対応する１つ又は複数の第２ラベルを決定することである。第２判定の例は、「検査対象が何を何処に所持している」である。判定部２４ｂは、１つの第２測定データに対して「スマートフォンのようなもの」（何）と「左胸ポケット」（何処）の２つの第２ラベルを出力する。第２ラベルは、検査システムの最終的なラベルの一部である。第１、第２、第３ラベルの信頼度とは別に、装置の信頼度が定義されている。ラベルの信頼度と装置の信頼度の積により、「目標が何であるか」の判定の信頼度ｆ（ｘ）が定義される。そのため、第３ラベルの信頼度ｘ３が第２ラベルの信頼度ｘ２より低くても（ｘ２＞ｘ３）、判定の信頼度ｆ（ｘ３）が判定の信頼度ｆ（ｘ２）より高くなる（ｆ（ｘ２）≦ｆ（ｘ３）≦１．０）ことがある。第２センサデータの詳細度は第１センサデータの詳細度より高いので、第２ラベルの信頼度は第１ラベルの信頼度より高い。

【0033】

判定部２４ｂは、機械学習モデル２６ｂを利用しないで、第２測定データを演算処理して第２ラベルを決定してもよい。

【0034】

検査システムの設置場所に係員が居る場合、判定部２４ｂは、図示しない表示部やスピーカにより第２ラベルの情報をテキスト表示または音声出力し、係員に知らせてもよい。検査システムの設置場所に係員が居ない場合、判定部２４ｂは、通信部３０ｂを介して、第２ラベルを係員が携帯する電子機器又は係員が待機する管理室の表示装置に送信してもよい。判定部２４ｂは、第２ラベルを一時的に保存するメモリを備えてもよい。

【0035】

通信部３０ｂは、第２測定データを検査対象ＩＤとともに制御装置１２へ送信する。通信部３０ｂは、制御装置１２から送信される第２更新データを受信する。通信部３０ｂは、第２更新データを更新部２８ｂへ送信する。更新部２８ｂは、第２更新データを基に機械学習モデル２６ｂを更新する。機械学習モデル２６ｂの更新により、第２測定データと第２ラベルとの対応関係が変更される。機械学習モデル２６ｂの更新後、測定部２２ｂは、検査対象を再度測定し、判定部２４ｂは、再度測定した測定データを基に第２判定を再度実行してもよい。機械学習モデル２６ｂの更新後、測定部２２ｂによる検査対象の再測定をせず、判定部２４ｂは、既に得られている第２測定データを基に第２判定を再度実行してもよい。

【0036】

第３検査装置１０ｃは、侵入検知部２０ｃ、測定部２２ｃ、判定部２４ｃ、及び通信部３０ｃを含む。侵入検知部２０ｃ、測定部２２ｃ、判定部２４ｃ、及び通信部３０ｃは、侵入検知部２０ａ（又は侵入検知部２０ｂ）、測定部２２ａ（又は測定部２２ｂ）、判定部２４ａ（又は判定部２４ｂ）、更新部２８ａ（又は更新部２８ｂ）、及び通信部３０ａ（又は通信部３０ｂ）とそれぞれ対応する。

【0037】

第２検査装置１０ｂによる検査が終了した検査対象が第３検査装置１０ｃの検査範囲に侵入したことを侵入検知部２０ｃが検知すると、測定部２２ｃは測定を開始する。

【0038】

測定部２２ｃの例は、レーダ、金属探知機、液体探知機、エックス線診断装置、又はカメラである。測定部２２ｃがカメラである場合、侵入検知部２０ｃは、検査対象が第３検査装置１０ｃの検査エリアに到達したことを検知すると、表示部やスピーカにより、検査対象に対して所持品をポケットから取り出し測定部２２ｃの前方の撮影台に載置するよう促す。

【0039】

測定部２２ｃは、測定部２２ａ、測定部２２ｂと同様に、検査対象の第１特徴量を求めてもよい。測定部２２ａは、第１特徴量を第１詳細度で求め、測定部２２ｂは、第１特徴量を第２詳細度で求め、測定部２２ｃは、第１特徴量を第３詳細度で求めてもよい。第３詳細度は、第１詳細度、第２詳細度より高くてもよい。通信部３０ｃは、制御装置１２から検査対象ＩＤを受信する。測定部２２ｃは、第１特徴量を第３測定データとして判定部２４ｃ及び通信部３０ｃに送信する。測定部２２ｃは、第３測定データを一時的に保存するメモリを備えてもよい。

【0040】

測定部２２ａ、測定部２２ｂ、測定部２２ｃがレーダであるとすると、測定部２２ａ、測定部２２ｂ、測定部２２ｃそれぞれは、検査対象に電磁波を送信し、検査対象からの反射波を受信する。金属物の電磁波の反射率は、皮膚の電磁波の反射率より高い。測定部２２ａ、測定部２２ｂ、測定部２２ｃそれぞれは、検査対象の各点の電磁波の反射率の分布を示す画像を求める。詳細度は、画像の分解能に関連する。測定部２２ｂが求める画像は、測定部２２ａが求める画像より解像度が高くてもよい。測定部２２ｃが求める画像は、測定部２２ｂが求める画像より解像度が高くてもよい。

【0041】

あるいは、測定部２２ｃは、測定部２２ａ、測定部２２ｂとは異なり、検査対象の第３特徴量を求めてもよい。第３特徴量は、第１特徴量、第２特徴量と異なる。測定部２２ａは、第１特徴量を第１詳細度で求め、測定部２２ｂは、第２特徴量を第２詳細度で求め、測定部２２ｃは、第３特徴量を第３詳細度で求めてもよい。第３詳細度は、第１詳細度、第２詳細度より高くてもよい。測定部２２ａがレーダであり、測定部２２ｂが金属探知機であり、測定部２２ｃがカメラであるとすると、金属物を特定する際、所持品を撮影するカメラの画像（第３特徴量）は、レーダが求める画像（第１特徴量）や金属探知機が求める情報（第２特徴量）よりも詳細度が高い。測定部２２ｃは、第３特徴量を第３測定データとして判定部２４ｃに送信してもよい。

【0042】

判定部２４ｃは、機械学習モデル２６ｃを含む。機械学習モデル２６ｃは、機械学習モデル２６ｂ及び図２に示した機械学習モデル２６ａと同様に、或る第３測定データが与えられた時、第３ラベルを出力する回路である。機械学習モデル２６ｃは、測定部２２ｃで多数の検査対象を測定し、多数の第３測定データに対して多数の第３ラベルを割り当てることにより生成される。第３ラベルは、オペレータにより入力される。第１機械学習モデル２２ａ、第２機械学習モデル２２ｂと同様に、第３機械学習モデル２２ｃでも、１つの第３ラベルが１つの第３測定データに対応してもよいし、複数の第３ラベルが１つの第３測定データに対応してもよい。第３検査装置１０ｃが最後の検査装置であるので、第３ラベルが検査システムの最終的なラベルとなる。第３ラベルは、第１ラベルと第２ラベルを含む。

【0043】

判定部２４ｃは、機械学習モデル２６ｃを利用し、第３測定データを基に第３判定を行う。第３判定は、第３測定データに対応する１つ又は複数の第３ラベルを決定することである。第３判定の例は、「検査対象は金属物を所持しているか否か」と「検査対象が何を何処に所持している」である。判定部２４ｃは、「金属物所持」又は「金属物非所持」、「スマートフォン」（何）、「左胸ポケット」（何処）の３つの第３ラベルを出力する。測定部２２ｃがカメラの場合、所持品を撮影した画像を画像解析することにより、所持品が何（スマートフォン）であるかを確定することができる。第３判定の信頼度ｆ（ｘ３）はは１であり、第１、第２判定の信頼度ｆ（ｘ１）、ｆ（ｘ２）より高い。

【0044】

判定部２４ｃは、機械学習モデル２６ｃを利用しないで、第３測定データを演算処理して第３ラベルを決定してもよい。

【0045】

検査システムの設置場所に係員が居る場合、第３判定部２４ｂは、図示しない表示部やスピーカにより第３ラベルの情報をテキスト表示または音声出力し、係員に知らせてもよい。検査システムの設置場所に係員が居ない場合、判定部２４ｃは、通信部３０ｃを介して、第３ラベルを係員が携帯する電子機器又は係員が待機する管理室の表示装置に送信してもよい。第３ラベルが「検査対象は拳銃を左胸ポケットに所持している」を表す場合、係員が検査対象を入念に調べてもよい。第３判定部２２ｃは、第３ラベルを一時的に保存するメモリを備えてもよい。

【0046】

判定部２４ｃは、第３ラベルを通信部３０ｃへ送信する。通信部３０ｃは、第３測定データとそれに対応する第３ラベルを検査対象ＩＤとともに制御装置１２へ送信する。

【0047】

制御装置１２は、通信部４２、コントローラ４４、測定データメモリ４６、及び更新データメモリ４８を含む。

【0048】

図３は測定データメモリ４６が記憶するデータの一例を説明するための図である。コントローラ４４は、第１検査装置１０ａから送信された第１測定データＭ１０、Ｍ１１、Ｍ１２、…、第２検査装置１０ｂから送信された第２測定データＭ２０、Ｍ２１、Ｍ２２、…、及び第３検査装置１０ｃから送信された第３測定データＭ３０、Ｍ３１、Ｍ３２と第３ラベルを検査対象ＩＤ毎に測定データメモリ４６に書き込む。第３ラベルは、第１ラベルと第２ラベルを含むので、第３ラベルの数は複数である。

【0049】

検査対象ＩＤ＝００００００００の第３ラベルは、第１ラベルＬ３０ａと、第２ラベルＬ３０ｂ、Ｌ３０ｃを含む。検査対象ＩＤ＝０００００００１の第３ラベルは、第１ラベルＬ３１ａと、第２ラベルＬ３１ｂ、Ｌ３１ｃを含む。検査対象ＩＤ＝０００００００２の第３ラベルは、第１ラベルＬ３２ａと、第２ラベルＬ３２ｂ、Ｌ３２ｃを含む。

【0050】

図４は、更新データメモリ４８が記憶する更新データの一例を説明するための図である。更新データは、多数の測定データと教師ラベルの対からなる。

【0051】

判定部２４ａ、２４ｂのラベルの信頼度は、低下することがある。低下する場合の例は、機械学習モデル２６ａ、２６ｂが生成された時の検査装置１０ａ、１０ｂの設置環境が変化することである。第１、第２測定データ自体が変化するので、機械学習モデル２６ａ、２６ｂは測定データに対して正しいラベルを出力できない。判定部２４ａ、２４ｂのラベルの信頼度を維持するためには、実測定データに基づいて機械学習モデル２６ａ、２６ｂを更新することが好ましい。

【0052】

実測定データは測定データメモリ４６に格納されている。第３ラベルは信頼度が１であるので、第３ラベルは、正確な第１ラベルと第２ラベルを含む。第３ラベルを用いて機械学習モデル２６ａ、２６ｂを更新すると、判定部２４ａ、２４ｂの判定の信頼度を維持することができる。コントローラ４４は、測定データメモリ４６内の第３ラベルの中の第１ラベルＬ３０ａ、Ｌ３１ａ、Ｌ３２ａ、…を第１教師ラベルとして第１測定データＭ１０、Ｍ１１、Ｍ１２、…と対応付けて第１更新データを作成する。コントローラ４４は、測定データメモリ４６内の第３ラベルの中の第２ラベルＬ３０ｂ、Ｌ３０ｃ；Ｌ３１ｂ、Ｌ３１ｃ；Ｌ３２ｂ、Ｌ３２ｃ；…を第２教師ラベルとして第２測定データＭ２０、Ｍ２１、Ｍ２２、…と対応付けて第２更新データを作成する。

【0053】

更新タイミングになると、コントローラ４４は、更新部２８ａ、２８ｂに第１、第２更新データをそれぞれ送信する。更新部２８ａ、２８ｂは、更新データを基に機械学習モデル２６ａ、２６ｂを更新する。更新部２８ａは、図２に示すような機械学習モデル２６ａの第１ラベルＬ１、Ｌ２、Ｌ３、…を第１更新データに含まれる第１教師ラベルＬ３０ａ、Ｌ３１ａ、Ｌ３２ａ、…に変更する。これにより、測定データとラベルの対応関係が更新され、判定部２４ａ、２４ｂが正しく判定する可能性が高くなる。

【0054】

図５、図６は、実施形態に係る検査システムの検査装置１０ａ、１０ｂ、１０ｃの処理の一例を説明するためのフローチャートである。図７は、検査システムの第１応用例を説明するための図である。図８は、検査システムの第２応用例を説明するための図である。第１、第２応用例では、測定部２２ａ、２２ｂは、第１、第２レーダであり、第２レーダの解像度は、第１レータの解像度より高く、測定部２２ｃはカメラであるとする。第１応用例（図７）では、第１ラベルは「金属物所持」であり、第２ラベルは「スマートフォン」、「左胸ポケット」であり、第３ラベルは「金属物所持」、「スマートフォン」、「左胸ポケット」である。第２応用例（図８）では、第１ラベルは「金属物所持」であり、第２ラベルは「スマートフォン」、「左胸ポケット」であり、第３ラベルは「金属物非所持」、「手帳」、「左胸ポケット」である。

【0055】

侵入検知部２０ａは、第１検査装置１０ａの検査範囲に検査対象が入ったか否か判定する（Ｓ１０）。侵入検知部２０ａが検査対象の侵入を検知すると（Ｓ１０：ＹＥＳ）、第１測定部（レーダ）２２ａは、検査対象に電波を照射する（Ｓ１２）。測定部２２ａは、検査対象からの電波の反射波を受信する（Ｓ１４）。測定部２２ａは、受信信号に基づいて、検査対象の各点の反射強度を示す画像信号を生成し、画像信号を第１測定データとして判定部２４ａ及び通信部３０ａに検査対象ＩＤとともに送信する（Ｓ１６）。

【0056】

判定部２４ａは、画像信号を基に機械学習モデル２６ａを利用して検査対象が金属物を所持するか否かを判定する（第１判定）（Ｓ１８）。第１応用例でも第２応用例でも、第１ラベルは、「金属物所持」である。

【0057】

通信部３０ａは、第１測定データを制御装置１２に送信する（Ｓ２０）。

【0058】

本検査システムは、３つの検査装置を含むが、３つの検査装置が必ず検査するとは限らない。検査システムの設置場所によっては、人流を妨げないことが最優先の日時、時間帯があることがある。検査の目的によっては、第１検査装置１０ａ又は第２検査装置１０ｂまでの検査で十分な場合がある。このため、第１検査装置１０ａしか検査しない場合、または第３検査装置が検査しない場合がある。制御装置１２は、設置状況に応じて、第２検査装置１０ｂ及び第３検査装置１０ｃを稼働させるか、させないかを選ぶことができる。制御装置１２は、第２検査装置１０ｂ、第３検査装置１０ｃにオン信号またはオフ信号を送信する。

【0059】

第２検査装置１０ｂは、制御装置１２からのオン信号またはオフ信号を受信したかを判定する（Ｓ２２）。オフ信号を受信した場合、第２検査装置１０ｂは検査を実行せず、検査システムの処理は終了する。

【0060】

オン信号を受信した場合、侵入検知部２０ｂは、第２検査装置１０ｂの検査範囲に検査対象が入ったか否か判定する（Ｓ２４）。侵入検知部２０ｂが検査対象の侵入を検知すると（Ｓ２４：ＹＥＳ）、第２測定部（レーダ）２２ｂは、検査対象に電波を照射する（Ｓ２６）。測定部２２ｂは、検査対象からの電波の反射波を受信する（Ｓ２８）。測定部２２ｂは、検査対象の各点の反射強度を示す画像信号を生成し、画像信号を第２測定データとして判定部２４ｂに送信する（Ｓ３０）。

【0061】

判定部２４ｂは、画像信号を基に機械学習モデル２６ｂを利用して検査対象が何を何処に所持しているかを決定する（第２判定）（Ｓ３２）。第１応用例（図７）でも第２応用例（図８）でも、第２ラベルは、「スマートフォンを左胸ポケットに所持する」である。

【0062】

通信部３０ｂは、第２測定データを検査対象ＩＤとともに制御装置１２に送信する（Ｓ３４）。

【0063】

第３検査装置１０ｃは、制御装置１２からのオン信号またはオフ信号を受信したかを判定する（Ｓ３６）。オフ信号を受信した場合、第３検査装置１０ｃは検査を実行せず、検査システムの処理は終了する。

【0064】

オン信号を受信した場合、侵入検知部２０ｃは、第３検査装置１０ｃの検査範囲に検査対象が入ったか否か判定する（Ｓ３８）。侵入検知部２０ｃが検査対象の侵入を検知すると（Ｓ３８：ＹＥＳ）、第３測定部（カメラ）２２ｃは、撮影台の上の所持品を撮影する（Ｓ４０）。検査対象は、第３検査装置１０ｃの検査範囲に入ると、所持品を測定部２２ｃの撮影範囲内の撮影台上に載置する。測定部２２ｃは、所持品の画像信号を生成し、画像信号を第３測定データとして判定部２４ｃ及び通信部３０ｃに送信する（Ｓ４２）。

【0065】

判定部２４ｃは、画像信号を基に機械学習モデル２６ｃを利用して検査対象の所持品を特定する（第３判定）（Ｓ４４）。第１応用例（図７）では、第３ラベル（第３判定結果）は、「金属物所持」と「スマートフォンを左胸ポケットに所持する」であるとする。第２応用例（図８）では、第３ラベルは、「金属物非所持」と「手帳を左胸ポケットに所持する」であるとする。

【0066】

判定部２４ｃは、第３ラベルを通信部３０ｃに送信する（Ｓ４６）。

【0067】

通信部３０ｃは、第３測定データと第３ラベルを検査対象ＩＤとともに制御装置１２に送信する（Ｓ４８）。

【0068】

この後、システムの処理は終了する。なお、測定データを３つのステップＳ１６、Ｓ３４、Ｓ４８に分けて制御装置１２に送信したが、第３検査装置１０ｃの測定データの送信時に纏めて送信してもよい。

【0069】

図９は、実施形態に係る検査システムの制御装置１２の処理の一例を説明するためのフローチャートである。

【0070】

コントローラ４４は、通信部４２が第１測定データと検査対象ＩＤを受信すると、第１測定データと検査対象ＩＤを測定データメモリ４６に書き込む（Ｓ６０）。

【0071】

コントローラ４４は、通信部４２が第２測定データと検査対象ＩＤを受信すると、第２測定データを測定データメモリ４６に書き込む（Ｓ６２）。コントローラ４４は、検査対象ＩＤに基づいて、第１測定データと第２測定データを対応付けて測定データメモリ４６に書き込む。

【0072】

コントローラ４４は、通信部４２が第３測定データと第３ラベルを受信すると、第３測定データと第３ラベルを測定データメモリ４６に書き込む（Ｓ６４）。コントローラ４４は、検査対象ＩＤに基づいて、第１測定データ、第２測定データ、第３測定データ、及び第３ラベル（金属物所持、スマートフォン、左胸ポケット）を対応付けて測定データメモリ４６に書き込む。

【0073】

コントローラ４４は、第３ラベルの中の第１ラベル（金属物所持）と第１測定データとを対応付けて第１更新データを作成し、第１更新データを更新データメモリ４８に書き込む（Ｓ６６）。コントローラ４４は、第３ラベルの中の第２ラベル（スマートフォン、左胸ポケット）と第２測定データとを対応付けて第２更新データを作成し、第２更新データを更新データメモリ４８に書き込む（Ｓ６８）。

【0074】

コントローラ４４は、図３、図４に示すように、多数の検査対象についての第１、第２、第３測定データを受信し、多数の第１、第２更新データを生成する。

【0075】

コントローラ４４は、検査装置１０ａ、１０ｂの機械学習モデル２６ａ、２６ｂの更新時であるか否かを判定する（Ｓ７０）。コントローラ４４は、一定期間の経過で周期的に更新を実施するように設定されもよいし、図示しない環境センサがシステムの設置環境（気温、湿度等）の変化を検知した時に更新を実施するように設定されてもよい。

【0076】

更新時であると判定した場合（Ｓ７０：ＹＥＳ）、コントローラ４４は、第１更新データを第１検査装置１０ａに送信し（Ｓ７２）、第２更新データを第２検査装置１０ｂに送信する（Ｓ７４）。

【0077】

更新時ではないと判定した場合（Ｓ７０：ＮＯ）、又は第２更新データの送信後、コントローラ４４は、処理を終了する。

【0078】

検査装置１０ａ、１０ｂの各々は、第１、第２更新データを受信すると、更新部２８ａ、２８ｂを用いて機械学習モデル２６ａ、２６ｂを更新する。第１応用例（図７）では、判定部２４ａ、２４ｂが出力する第１、第２ラベルは第３ラベルと整合している。そのため、機械学習モデル２６ａ、２６ｂが更新されても、第１、第２ラベルは変化しない。第２応用例（図８）では、第１ラベルは金属物所持であり、第３ラベルは金属物非所持であり、第１ラベルは第３ラベルと整合していない。第２ラベルの中の物に関する一部はスマートフォンであり、第３ラベルの中の物に関する一部は手帳であり、第２ラベルの一部も第３ラベルの一部と整合していない。機械学習モデル２６ａ、２６ｂが更新されると、第１ラベルは金属物非所持に変化し、第２ラベルの物に関する一部は手帳に変化する。

【0079】

このように第３ラベルに基づいて作成した更新データに基づいて第１、第２ラベルを求める機械学習モデルを更新することにより、第１、第２ラベルの信頼度が向上する。

【0080】

図１０は、実施形態に係る検査システムの変形例を説明するための図である。変形例に係る検査システムは、制御装置１２を備えない。第３検査装置１０ｄは、制御装置１２の機能を備える。第３検査装置１０ｄは、第３検査装置１０ｃと同様に、侵入検知部２０ｃ、測定部２２ｃ、判定部２４ｃ、機械学習モデル２６ｃ、通信部３０ｃを備える。第３検査装置１０ｄは、さらに、コントローラ４４、測定データメモリ４６、及び更新データメモリ４８を備える。第１、第２、第３検査装置１０ａ、１０ｂ、１０ｄはネットワーク１４に接続される。

【0081】

第１、第２検査装置１０ａ、１０ｂの各々は、第１、第２測定データを、ネットワーク１４を介して、第３検査装置１０ｄへ送信する。制御装置１２と同様に、第３検査装置１０ｄは、第１、第２測定データを測定データメモリ４６に書き込むとともに、更新データを作成し、更新データを更新データメモリ４８に書き込む。機械学習モデル２６ａ、２６ｂの更新時になると、第３検査装置１０ｄは、第１、第２更新データを、ネットワーク１４を介して、第１、第２検査装置１０ａ、１０ｂへ送信する。このため、変形例に係る検査システムは、実施形態に係る検査システムと同じ効果を奏する。

【0082】

図１１は、実施形態に係る検査装置１０ａ、１０ｂ、１０ｃ（又は１０ｄ）の配置の一例を説明するための図である。検査対象１８は通路に沿って歩行する。検査装置１０ａ、１０ｂ、１０ｃ（又は１０ｄ）は、通路に沿って、進行方向の順番に配置される。検査対象１８は歩行中に第１、第２、第３検査装置１０ａ、１０ｂ、１０ｃ（又は１０ｄ）により順次検査される。ここでは、検査装置１０ａ、１０ｂ、１０ｃ（又は１０ｄ）は、全てレーダを含むとする。検査対象１８が一番最初に通過する検査装置１０ａのレーダが含むアンテナ数は一番少ない。検査装置１０ａの検査時間は一番短いが、判定結果の信頼度は一番悪い。検査対象１８が一番最後に通過する検査装置１０ｃ（又は１０ｄ）のレーダが含むアンテナ数は一番多い。検査装置１０ｃ（又は１０ｄ）の検査時間は一番長いが、判定結果の信頼度は一番良い。

【0083】

検査装置１０ａ、１０ｂ、１０ｃ（又は１０ｄ）と制御装置１２は、無線ＬＡＮ又は有線ＬＡＮにより接続される。無線ＬＡＮの例は、ＷｉＦｉ（登録商標）、ブルートゥース（登録商標）である。有線ＬＡＮは、メタルケーブルを用いてもよいし、光ファイバを用いてもよい。

【0084】

図１２は、実施形態に係る第１、第２、第３検査装置１０ａ、１０ｂ、１０ｃ（又は１０ｄ）の詳細な構成の一例を説明するための図である。第１、第２、第３検査装置１０ａ、１０ｂ、１０ｃ（又は１０ｄ）は、格別に区別する必要が無い場合、検査装置１０と称される。第１、第２、第３侵入検知部２０ａ、２０ｂ、２０ｃは、格別に区別する必要が無い場合、侵入検知部２０と称される。第１、第２、第３測定部２２ａ、２２ｂ、２２ｃは、格別に区別する必要が無い場合、測定部２２と称される。第１、第２、第３判定部２４ａ、２４ｂ、２４ｃは、格別に区別する必要が無い場合、判定部２４と称される。第１、第２、第３機械学習モデル２６ａ、２６ｂ、２６ｃは、格別に区別する必要が無い場合、機械学習モデル２６と称される。第１、第２、第３更新部２８ａ、２８ｂ、２８ｃは、格別に区別する必要が無い場合、更新部２８と称される。第１、第２、第３通信部３０ａ、３０ｂ、３０ｃは、格別に区別する必要が無い場合、通信部３０と称される。検査装置１０は、侵入検知部２０、測定部２２、通信部３０、ＣＰＵ６２、ストレージ６４、及びメモリ６６を含む。侵入検知部２０、測定部２２、通信部３０、ストレージ６４、及びメモリ６６は、ＣＰＵ６２のバスラインに接続される。測定部２２は、アンテナ７２と信号処理部７４を有する。

【0085】

アンテナ７２は、少なくとも１つの送受信アンテナを含んでもよいし、少なくとも１つの送信アンテナと少なくとも１つの受信アンテナを含んでもよい。アンテナ７２の電波の放出方向又は放出点の位置は、機械的なスキャン機構により機械的に変更することもできるし、信号処理部７４に設けられた電子的なスキャン回路により電子的に変更することもできる。測定部２２は、スキャン機構とスキャン回路の両方を備えてもよい。

【0086】

レーダで使用される電波は、波長が１ミリメートルから３０ミリメートルの電波を含む。波長が１ミリメートルから１０ミリメートルの電波はミリ波とも称される。波長が１０ミリメートルから１００ミリメートルの電波はマイクロ波とも称される。人物に電波を放出すると、電波の伝搬路上に存在する物体で電波は反射される。ある距離で反射された電波の反射強度を測定することにより、その距離に存在する物体が人体であるか、又は拳銃、爆薬等の危険物であるかを判定できる。検査の精度は人物一人当たりの電波の放出点数（アンテナの個数）に比例する。

【0087】

アンテナ７２の例は、マイクロストリップアンテナ（パッチアンテナとも称される）である。

【0088】

信号処理部７４は、アンテナ７２に電波を放出させ、アンテナ７２で反射波を受信させ、アンテナ７２からの受信信号を処理して、検査対象の所持品を表す信号を生成する。信号処理部７４は、アンテナ７２と一体として構成してもよいし、アンテナ７２とは別体として構成し、アンテナ７２と別の位置に配置してもよい。

【0089】

ストレージ６４は、ＣＰＵ６２が実行するプログラムや種々のデータを記憶する不揮発性の記憶装置であり、ＨＤＤやＳＳＤ等からなる。メモリ６６は、ストレージ６４から読み出したプログラムやデータ又は検査途中で生成された種々のデータを記憶する不揮発性のメモリである。プログラムの例は、ＣＰＵ６２に判定部２４と更新部２８の機能を実行させるプログラムである。ＣＰＵ６２は、ストレージ６４から読み出され、メモリ６６に記憶されているプログラムを実行することにより、判定部２４と更新部２８として機能する。なお、判定部２４と更新部２８は、ハードウェアにより構成されてもよい。

【0090】

検査装置１０は、キーボードや表示部を備えてもよい。キーボードは、ユーザがラベルを設定する場合等に使われる。表示部は検査対象の画像を表示して、係員に検査結果を知らせてもよい。

【0091】

図１３は、実施形態に係る測定部２２の一例を説明するためのブロック図である。アンテナ７２は、１つ以上の送信アンテナ７２ａと１つ以上の受信アンテナ７２ｂを含む。送信アンテナ７２ａと受信アンテナ７２ｂを別々に設けずに、１つのアンテナで送受信するようにしてもよい。

【0092】

信号処理部７４は、シンセサイザ８２、パワーアンプ８４、低雑音増幅器８６、ミキサ８８、ローパスフィルタ（ＬＰＦ）９０、Ａ／Ｄ変換器（ＡＤＣ）９２、及び高速フーリエ変換（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍａｔｉｏｎ：ＦＦＴ）回路９４を含む。シンセサイザ８２で生成された信号がパワーアンプ８４で増幅された後、送信アンテナ７２ａに供給され、送信アンテナ７２ａから電波が検査範囲に放出される。放出された電波は検査範囲に存在する全ての物体で反射され、反射波が受信アンテナ７２ｂで受信される。受信アンテナ７２ｂから出力される受信信号が低雑音増幅器８６を介してミキサ８８の第１入力端子に入力される。ミキサ８８の第２入力端子にはシンセサイザ８２の出力信号が入力される。

【0093】

ミキサ８８は送信信号と受信信号を組み合わせ、中間周波数（ＩＦ）信号を生成する。中間周波数信号はローパスフィルタ９０を介してＡ／Ｄ変換器９２に入力される。Ａ／Ｄ変換器９２から出力されたディジタル信号は高速フーリエ変換（ＦＦＴ）回路９４で解析され、物体の電波の反射強度が求められる。

【0094】

レーダの動作原理を説明する。送受信アンテナの組み合わせは種々ある。例えば、１つの送信アンテナから放出された電波の反射波を複数の受信アンテナで受信するものや、複数の送信アンテナから放出された電波の反射波を１つの受信アンテナで受信するものや、複数の送信アンテナから放出された電波の反射波を複数の受信アンテナで受信するものがある。ここでは、１つの送信アンテナから放出された電波の反射波を１つの受信アンテナで受信するものについての反射強度の求め方を説明する。

【0095】

シンセサイザ８２は時間の経過に応じて周波数が直線的に増加するＦＭＣＷ（Ｆｒｅｑｕｅｎｃｙ Ｍｏｄｕｌａｔｅｄ Ｃｏｎｔｉｎｕｏｕｓ Ｗａｖｅ）信号を生成する。ＦＭＣＷ信号はチャープ信号とも称される。図１４は、チャープ信号の波形の一例を説明するための図である。チャープ信号は、振幅Ａを時間ｔの関数として表すと、図１４（ａ）に示すようになる。チャープ信号は、周波数ｆを時間ｔの関数として表すと、図１４（ｂ）に示すようになる。チャープ信号は、図１４（ｂ）に示すように、中心周波数ｆｃ、変調帯域幅ｆｂ、信号時間幅Ｔｂにより表される。チャープ信号の傾きは周波数の変化レート（チャープレート）γと称される。

【0096】

送信アンテナ７２ａから放射されるＦＭＣＷ信号の送信波Ｓｔ（ｔ）は、式１で表される。

【0097】

Ｓｔ（ｔ）＝ｃｏｓ［２π（ｆｃｔ＋γｔ^２／２）］ 式１
チャープレートγは式２で表される。

【0098】

γ＝ｆｂ／Ｔｂ 式２
送信アンテナ７２ａから距離Ｒだけ離れた物体からの反射波は、送信タイミングからΔｔ＝２Ｒ／ｃだけ遅れて受信アンテナ７２ｂで観測される。ｃは光速である。受信信号Ｓｒ（ｔ）は物体の反射強度をａとすると式３で表される。

【0099】

Ｓｒ（ｔ）＝ａ・ｃｏｓ［２πｆｃ（ｔ－Δｔ）＋πγ（ｔ－Δｔ）^２］ 式３
図１５は複数、例えば３つの物体が存在する場合の信号処理部７４における受信信号の一例を説明するための図である。図１５（ａ）は送信信号／受信信号と時間との関係を示す。図１５（ａ）に示すように、送信信号は時間とともに周波数が線形的に変化する。受信信号は、送信信号に対してΔｔだけ遅延している。物体が複数ある場合、破線で示すように、最も近い物体からの反射波が最も早く受信され、一点鎖線で示すように、最も遠い物体からの反射波が最も遅く受信される。

【0100】

図１３に示すように、ミキサ８８で受信信号は送信信号と乗算され、ローパスフィルタ９０に入力される。ローパスフィルタ９０の出力信号はＩＦ信号ｚ（ｔ）と称され、式４で表される。

【0101】

ｚ（ｔ）＝ａ・ｃｏｓ（２πΔｔγｔ） 式４
図１５（ｂ）はＩＦ信号の周波数と時間との関係を示す。ノイズ等がない理想的な環境下では、反射波毎に周波数が一定となる。ここでは、破線で示すように、最も近い物体からの反射波の周波数が最も低く、一点鎖線で示すように、最も遠い物体からの反射波の周波数が最も高い。

【0102】

式４に示す時間領域のＩＦ信号ｚ（ｔ）をＦＦＴ回路９４においてＦＦＴすることにより周波数領域の反射強度が計算できる。したがって、ＩＦ信号のＦＦＴの結果である周波数領域の各点での振幅がレーダからの距離毎の反射強度に対応する。周波数とレーダからの距離は式５の関係がある。

【0103】

ｆ_ｉｆ＝Δｔγ＝２Ｒγ／ｃ 式５
時間領域のＩＦ信号をＦＦＴすることで得られる反射強度と周波数の関係を図１５（ｃ）に示す。このように、ＩＦ信号の周波数領域信号の振幅を求めることにより、レーダからの距離毎の反射強度を求めることができる。

【0104】

検査装置１０を設置した時、検査装置１０と検査対象１８との距離は決まってしまう。例えば、検査装置１０と検査対象１８との距離を２メートルであると仮定した場合、測定部２２は、式５から距離Ｒ＝２メートルの地点に対応するＩＦ信号の周波数ｆ_ｉｆを求める。測定部２２は、図１５（ｃ）に示すような多数の受信信号の反射強度の中から周波数ｆ_ｉｆの反射強度を物体の反射強度として抽出できる。

【0105】

上述の処理は、電波の放出点を走査方向に沿って変化（走査）させながら、放出点毎に行われる。

【0106】

図１６は、反射強度分布の一例説明するための図である。走査線上の電波の反射強度の分布は、図１６に示すように、電波を反射した物質によって異なる。

【0107】

図１６（ａ）は、検査対象が何も所持していない場合の電波の反射強度分布を示す。電波は検査対象の皮膚で反射されるので、放出点の位置に関わらず、電波の反射強度は変わらず、反射強度の分布はフラットな分布である。図１６（ａ）の反射強度分布は、標準検査結果に対応する標準反射強度分布である。

【0108】

図１６（ｂ）は、検査対象が、走査方向の中央部に拳銃（金属）を所持している場合の電波の反射強度分布を示す。金属は皮膚に比べて反射強度が高いので、拳銃の位置に対応する放出点の電波の反射強度は他の点の電波の反射強度に比べて高くなる。横軸は反射強度（右が反射強度が高い）であるので、電波の反射強度は右に凸な分布になる。

【0109】

図１６（ｃ）は、検査対象が、走査方向の中央部に爆薬を所持している場合の電波の反射強度分布を示す。爆薬は皮膚に比べて電波を良く吸収するので、爆薬の位置に対応する放出点の反射強度は他の点の反射強度に比べて低くなり、電波の反射強度は左に凸な分布になる。分布は少なくとも２点の反射強度の値の相違により特定できる。

【0110】

測定部２２は、所定物が存在する可能性のある領域を推定できればよいので、距離方向の分解能としては衣服と人体との差（例えば１ｃｍ）の高い分解能は要求されず、数ｃｍ程度の分解能で十分である。測定部２２は、現在流通している車載用の安価なミリ波レーダを使用できる。

【0111】

このように走査線上の数点（少なくとも２点）で検査対象の反射強度が取得されると、判定部２４は、反射強度に基づいて機械学習モデル２６を用いて所持品を判定する。

【0112】

判定部２４は、機械学習モデル２６を用いずに所持品を判定してもよい。判定部２４は、測定部２２から出力された反射強度分布の形状を標準反射強度の分布形状と比較してもよい。標準反射強度は、所持品を持っていない検査対象の反射強度分布、拳銃等の金属物を持っている検査対象の反射強度分布、爆薬等の粉体物を持っている検査対象の反射強度分布を含む。

【0113】

実施形態に係る検査システムによれば、複数の検査装置が段階的に検知目標の信頼度を上げながら、順番に検査を行う。或る検査装置が検知目標を達成した時、検知結果を他の検査装置にフィードバックする。他の検査装置は、検査のために機械学習モデルを利用している場合、この検知結果に基づき、機械学習モデルを更新する。これにより、他の検査装置の検査結果の信頼度が向上する。

【0114】

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

【符号の説明】

【0115】

１０ａ，１０ｂ，１０ｃ、１０ｄ…検査装置、１２…制御装置、２０ａ，２０ｂ，２０ｃ…侵入検知部、２２ａ，２２ｂ，２２ｃ…測定部、２４ａ，２４ｂ，２４ｃ…判定部、２６ａ，２６ｂ，２６ｃ…機械学習モデル、２８ａ，２８ｂ，２８ｃ…更新部、３０ａ，３０ｂ，３０ｃ…通信部、４２…通信部、４４…コントローラ、４６…測定データメモリ、４８…更新データメモリ

【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】

【図15】

【図16】