Ｈ．２６４ネットワークカメラを用いた人物追跡と反辞書確率モデルによる異常行動の検出

摘要

近年，安全・安心な社会環境を構築に向け，多くの企業・自治体はセキュリティ分野に注力している．監視カメラを活用されている．今後，2020年の東京五輪開幕に向けてセキュリティ市場が拡大し，監視カメラ市場は500億円を超える規模になると予測されている．　しかし，現在設置された監視・防犯カメラに搭載したシステムでは，検出結果の正確性が低く，その改善が急務である．また，犯罪活動や異常行動などが発生した際は，事後に目視によって検証することが多く，リアルタイムによる自動検出が望まれている．さらに，膨大な監視コンテンツから，犯罪・異常行動などの検出は，多大な時間がかかるので，効率的は言えない．そのため，本研究では，反辞書と呼ばれる手法を用いて，H.264ネットワークカメラにおけるリアルタイム異常行動検知機能実現と検知率向上を目指す．　本研究では，H.264ネットワークカメラの出力データをリアルタイム処理して得られた人物軌跡データの異常度を，反辞書確率モデルから算出する異常行動検知システムを提案する．提案システムは，オフライン学習とリアルタイム異常検知との二つの部分から構成されている．　オフライン学習では，学習用の映像より反辞書確率モデルを作成することである．まず，学習用の映像サンプルに対して人物追跡処理を行い，一定時間ごとに移動人物領域追跡Boxの中心座標を取得した上，人物の移動方向を求める．移動方向の角度により０?９のコードデータを生成し，得られた数列を軌跡データとする．そして，複数の正常行動サンプルから人物軌跡データを抽出し，複数の反辞書を作成する．作成した複数の反辞書に現れる極小禁止語のみを集め，修正共通反辞書を作成する．次に，修正共通反辞書を用いて，修正共通反辞書オートマトンを構築する．修正共通反辞書オートマトンは，反辞書符号化法において，符号器の役割を果たし，極小禁止語を終端ノードに持つ反辞書木から構築することが出来る．修正共通反辞書オートマトンに学習行動の軌跡データを読み込ませ，状態遷移ごとに出現確率を付与し，反辞書確率モデルを構築する．リアルタイム異常検知では，オフライン学習にて作成した反辞書確率モデルを用いて，H.264ネットワークカメラで撮影した映像に対し，リアルタイム人物異常行動検知を行う．　人物軌跡の作成は絶対方向と相対方向二つの手法を検討した．実験結果により，相対方向より絶対方向の軌跡データを用いたほうが，よい検出結果が得られた.　実験結果の最良では，再現率89％，適合率98％であり，従来手法に比べ，再現率と適合率両方とが向上し，提案手法の有効性が示された．