[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2022202192A1 - 犯罪防止装置及び犯罪防止方法 - Google Patents

犯罪防止装置及び犯罪防止方法 Download PDF

Info

Publication number
WO2022202192A1
WO2022202192A1 PCT/JP2022/009153 JP2022009153W WO2022202192A1 WO 2022202192 A1 WO2022202192 A1 WO 2022202192A1 JP 2022009153 W JP2022009153 W JP 2022009153W WO 2022202192 A1 WO2022202192 A1 WO 2022202192A1
Authority
WO
WIPO (PCT)
Prior art keywords
pedestrian
vehicle
patrol
area
captured image
Prior art date
Application number
PCT/JP2022/009153
Other languages
English (en)
French (fr)
Inventor
真季 高見
明昇 須山
輝明 加庭
良視 榎本
Original Assignee
株式会社Ｊｖｃケンウッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社Ｊｖｃケンウッド filed Critical 株式会社Ｊｖｃケンウッド
Priority to EP22774988.4A priority Critical patent/EP4318426A4/en
Priority to CN202280007923.2A priority patent/CN116710981A/zh
Publication of WO2022202192A1 publication Critical patent/WO2022202192A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/40—Transportation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19639—Details of the system layout
    • G08B13/19647—Systems specially adapted for intrusion detection in or around a vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Definitions

  • This disclosure relates to crime prevention devices and crime prevention methods.
  • Patent Document 1 information on the outside of a plurality of moving bodies that automatically patrol based on an operation command is acquired, and based on the information acquired by each of the moving bodies that have moved in the same area, a patrol command for each area is described, and an automatic driving system is described that generates an operation command according to the determined patrol policy of the area.
  • the automatic driving system described in Patent Document 1 acquires the number of people as external information, and determines a patrol policy so that the frequency of patrols is higher in areas with fewer people than in areas with more people. do.
  • vehicle traffic volume the attributes of people and the traffic volume of vehicles (hereinafter referred to as vehicle traffic volume) are not considered. For this reason, it is possible to detect situations where pedestrians are at high risk of being involved in crimes, such as people who are more likely to be involved in crimes, such as children or the elderly, walking in an area with less vehicle traffic. , such situations cannot be traversed preferentially.
  • An object of the embodiments is to provide a crime prevention device and a crime prevention method that can more effectively prevent crimes by using mobile objects.
  • a pedestrian detection unit that receives a captured image transmitted from a vehicle, detects a pedestrian from the captured image, a pedestrian attribute estimation unit that estimates the attribute of the pedestrian from the captured image, and an imaging
  • a pedestrian progress area estimator for estimating a pedestrian progress area based on an image
  • a vehicle traffic volume calculator for calculating a vehicle traffic volume within the pedestrian progress area
  • pedestrian attributes and pedestrian progress A risk calculation unit that calculates the risk of a pedestrian being involved in a crime based on the amount of vehicle traffic in the area, and if the risk is higher than a preset threshold, the pedestrian movement area is commanded to patrol.
  • a patrol command unit that transmits a patrol command to a mobile body.
  • an imaged image transmitted from a vehicle is received, a pedestrian is detected from the imaged image, attributes of the pedestrian are estimated from the imaged image, and the pedestrian progresses based on the imaged image.
  • Estimate the area calculate the amount of vehicle traffic in the area where pedestrians are traveling, and calculate the risk of pedestrians being involved in crime based on the attributes of pedestrians and the amount of vehicle traffic in the area where pedestrians are traveling.
  • a crime prevention method is provided for sending a patrol command to patrol a pedestrian travel area when the degree is higher than a preset threshold.
  • the crime prevention device and crime prevention method it is possible to more effectively prevent crimes by using mobile objects.
  • FIG. 1 is a diagram showing a schematic configuration of a crime prevention system 1 including a crime prevention device according to one embodiment.
  • FIG. 2 is a block diagram showing a configuration example of the crime prevention system 1 shown in FIG.
  • FIG. 3 is a diagram for explaining the main storage contents of the position information database 221 provided in the storage device 22.
  • FIG. 4 is a diagram for explaining the main storage contents of the attribute information database 222 provided in the storage device 22.
  • FIG. 5 is a diagram for explaining the main stored contents of the risk value database 223 provided in the storage device 22.
  • FIG. 6 is a diagram for explaining the functions of the crime prevention device according to one embodiment.
  • FIG. 7 is a flowchart illustrating an operation example of the crime prevention device according to one embodiment.
  • FIG. 1 is a diagram showing a schematic configuration of a crime prevention system 1.
  • the crime prevention system 1 includes a vehicle 40 traveling on a road, a plurality of automatically driving vehicles 50 that autonomously travel based on given patrol instructions, and transmissions from the vehicle 40 and the automatically driving vehicle 50 and a server 20 that collects and manages information and issues patrol commands to the autonomous vehicle 50 .
  • the crime prevention device is implemented as a CPU (Central Processing Unit) 23 of the server 20 .
  • CPU Central Processing Unit
  • the server 20 and the vehicle 40 and the server 20 and the plurality of automatically driven vehicles 50 are interconnected by the network 30.
  • the server 20, the vehicle 40, and the automatic driving vehicle 50 are connected with the network 30 by a wireless communication system.
  • the crime prevention system 1 shown in FIG. 1 illustratively includes one vehicle 40 and two automatically-operated vehicles 50, but the number of vehicles 40 may be two or more, and the number of automatically-operated vehicles may be two or more. 50 may be three or more.
  • the number of vehicles 40 and automatically driven vehicles 50 is not particularly limited.
  • the plurality of automated driving vehicles 50 may be, for example, vehicles that patrol the road according to a predetermined patrol route for crime prevention measures, etc., or may wait at a predetermined waiting place and start patrol in response to a patrol command.
  • the server 20 may be mounted on the vehicle 40 or the automatically driving vehicle 50, and the server 20 may be integrated with the vehicle 40 or the automatically driving vehicle 50.
  • the vehicle 40 acquires captured images while traveling.
  • the vehicle 40 may further acquire information related to crime prevention, such as information on the brightness of lights at night, while the vehicle 40 is running.
  • the captured image and various information acquired by the vehicle 40 are transmitted to the server 20 .
  • the vehicle 40 may be a manually operated vehicle driven by a driver, or may be an automatically operated vehicle.
  • the server 20 detects a pedestrian from the captured image transmitted from the vehicle 40 and calculates the risk of the detected pedestrian being involved in a crime.
  • the server 20 generates a patrol instruction to patrol the pedestrian movement area of the detected pedestrian when the degree of danger is higher than a predetermined value, and transmits the patrol instruction to the automatic driving vehicle 50 .
  • the automatically driven vehicle 50 that has received the patrol command generates an operation plan according to the patrol command, and travels according to this operation plan.
  • FIG. 2 is a block diagram schematically showing a configuration example of the crime prevention system 1 shown in FIG. Although one vehicle 40 and one automatic driving vehicle 50 are illustrated in FIG. 2, a plurality of each may be present in practice.
  • Crime prevention system 1 according to the present embodiment is configured to identify each of vehicle 40 and automatically-operated vehicle 50 so that each of pre-registered vehicle 40 and automatically-operated vehicle 50 can be individually specified. Manages individual vehicle IDs.
  • the crime prevention system 1 may manage the ID of the information transmission device 400 mounted on each vehicle 40 as the vehicle ID of the vehicle 40, and the automatic driving vehicle control device 500 mounted on each automatic driving vehicle 50. The ID may be managed as a vehicle ID of the automatically driven vehicle 50 .
  • the server 20 is a device that manages information on the vehicle 40 and a plurality of automatically driven vehicles 50 and sends patrol commands to each of the automatically driven vehicles 50 .
  • the server 20 communicates with the vehicle 40 and multiple autonomous vehicles 50 via the network 30 .
  • the server 20 includes a communication device 21, a storage device 22, a CPU 23, and a memory (not shown), and these components are electrically connected via a bus (not shown).
  • the installation location of the server 20 is not particularly limited, the server 20 is installed, for example, in a management center of a business operator who uses an automatic driving vehicle 50 to provide local crime prevention services.
  • the server 20, the vehicle 40, and the automated driving vehicle 50 are connected to the network 30 by wireless communication.
  • the communication device 21 communicates with the vehicle 40 and the automatically driving vehicle 50 via the network 30.
  • the communication device 21 may be, for example, a device equipped with a mobile communication function such as 4G/LTE, or a device equipped with a wireless LAN communication function.
  • the storage device 22 stores various information and databases necessary for security services.
  • the storage device 22 is a storage medium such as an HDD (Hard Disk Drive).
  • the storage device 22 includes, for example, a position information database 221, an attribute information database 222, and a risk value database 223. Details of the various databases will be described later with reference to FIGS.
  • the CPU 23 controls the server 20.
  • the CPU 23 reads various programs stored in the storage device 22 or the like into memory and executes various instructions included in the programs.
  • the memory is a storage medium such as ROM (Read Only Memory) and RAM (Random Access Memory).
  • the CPU 23 includes a position information management unit 231, a pedestrian detection unit 232, a pedestrian attribute estimation unit 233, a pedestrian progress area estimation unit 234, a vehicle traffic amount calculation unit 235, and a danger detection unit 235.
  • a degree calculation unit 236 and a tour command unit 237 are provided. Details of each function of the CPU 23 will be described later with reference to FIG.
  • the vehicle 40 is equipped with an information transmission device 400 including a communication device 41, a camera 42, a storage device 43, and a GPS receiver 44.
  • an information transmission device 400 including a communication device 41, a camera 42, a storage device 43, and a GPS receiver 44.
  • the communication device 41 has the same configuration as the communication device 21 and communicates with the server 20 via the network 30 .
  • the camera 42 is imaging equipment that captures an image of the exterior of the vehicle 40 .
  • the camera 42 captures an image of a subject using an imaging device such as a CCD (Charge Coupled Device) image sensor or a CMOS (Complementary Metal Oxide Semiconductor) image sensor.
  • An image obtained by imaging may be either a still image or a moving image.
  • the camera 42 is provided behind the windshield of the vehicle 40 , for example, and captures at least the traveling direction (forward) of the vehicle 40 , but the direction captured by the camera 42 is not limited to a specific direction. Orientation may be imaged.
  • a captured image captured by the camera 42 is stored in the storage device 43 and transmitted to the server 20 at an arbitrary timing.
  • the storage device 43 stores various information.
  • the storage device 43 is any storage medium such as RAM, magnetic disk, flash memory, and the like.
  • the position information of the vehicle 40 acquired by the GPS receiver 44 is transmitted to the server 20 at any timing.
  • the GPS receiver 44 receives signals from a plurality of satellites, supplies the received signals to a CPU (not shown) mounted on the GPS receiver 44, and calculates position information of the vehicle 40 on the ground.
  • GPS is an abbreviation for "Global Positioning System”.
  • the self-driving vehicle 50 is a vehicle that autonomously travels based on patrol instructions received from the server 20 .
  • the autonomous driving vehicle 50 is equipped with an autonomous driving vehicle control device 500 including a communication device 51 , a camera 52 , a storage device 53 , a GPS receiver 54 , and a vehicle ECU (Electronic Control Unit) 55 . Since the configurations of the communication device 51, the camera 52, the storage device 53 and the GPS receiver 54 are the same as the configurations of the communication device 41, the camera 42, the storage device 43 and the GPS receiver 44 of the information transmission device 400 of the vehicle 40, Description is omitted.
  • the vehicle ECU 55 is a computer for controlling the traveling of the automatically driven vehicle 50.
  • the vehicle ECU 55 receives a patrol command from the server 20 via the network 30, and controls the autonomous vehicle 50 to run in an appropriate manner based on the received patrol command.
  • the vehicle ECU 55 controls various actuators (brake actuator, accelerator actuator, steering actuator, etc.) based on the patrol command.
  • the storage device 22 may further include a database for managing vehicle IDs and vehicle information of vehicles to which the vehicle IDs are assigned. , the vehicle 40 and the automatically driven vehicle 50 can be identified.
  • the location information database 221 is a database that manages the location information of each of the vehicle 40 and the autonomous vehicle 50. As shown in FIG. 3 as an example, the position information database 221 includes the vehicle IDs of the vehicle 40 and the automatically driving vehicle 50, and the position coordinate information received from each of the vehicle 40 and the automatically driving vehicle 50. Configured to be stored in real time.
  • the attribute information database 222 stores information about pedestrians detected from the captured images captured by the vehicle 40 .
  • the attribute information database 222 stores, for each pedestrian detected from the captured image, a pedestrian ID, sex, age, presence or absence of a companion, and position coordinates where each pedestrian is detected. Information is configured to be stored.
  • a pedestrian's sex and age may be called a pedestrian's attribute.
  • a method of detecting a pedestrian and a method of estimating the attributes of the pedestrian and the presence or absence of a companion will be described later.
  • the pedestrian's age is stored in four categories: child, adult (young), adult (not young), and elderly, but the pedestrian's age category is not limited to this. .
  • the risk value database 223 stores a risk value indicating the level of crime risk under each preset condition for each combination of sex, age, and presence or absence of companions. configured to be For example, the risk value is set to be higher for children and the elderly than for adults, and is set to be higher for women than for men. Moreover, it is set so that the price without a companion is higher than that with a companion. The risk value is set, for example, to be the highest for women, children, and unaccompanied.
  • the risk value database 223 stores the walker's gender, age, presence or absence of a companion, for example, 4 points for a child, 3 points for a woman, 2 points for an elderly person, and 2 points for an unaccompanied person. It may be configured to store a preset risk value for each element.
  • the method of setting the risk value is not particularly limited, and the degree of risk may be set according to the attributes of the pedestrian based on past crime data.
  • automatically driven vehicles 50a to 50c are patrolling an area, a vehicle 40 is traveling on a road, and a pedestrian 60 is present near the vehicle 40.
  • the captured image captured by the vehicle 40 includes a pedestrian 60 .
  • a vehicle 40 has the configuration of the vehicle 40 shown in FIG.
  • the automatically driven vehicles 50a to 50c have the configuration of the automatically driven vehicle 50 shown in FIG.
  • the location information management unit 231 of the CPU 23 collects and manages the location information of the pre-registered vehicle 40 and the automatically driven vehicles 50a to 50c.
  • the position information management unit 23 receives position information from the vehicle 40 and the automatically driven vehicles 50a to 50c at a predetermined cycle, associates the vehicle ID with the vehicle ID of each of the vehicle 40 and the automatically driven vehicles 50a to 50c, and obtains the position information. Store in the information database 221 .
  • the pedestrian detection unit 232 receives the captured image captured by the vehicle 40 transmitted from the vehicle 40, and detects the pedestrian 60 from the captured image. In this embodiment, the pedestrian detection unit 232 detects the pedestrian 60 by analyzing the captured image captured by the vehicle 40 . A known method can be adopted for this image analysis. The pedestrian detection unit 232 detects the position information of the pedestrian 60 based on the position information of the vehicle 40 at the time when the captured image in which the pedestrian 60 is detected is obtained.
  • the pedestrian attribute estimation unit 233 estimates the attribute of the pedestrian 60 from the captured image.
  • the pedestrian attribute estimation unit 233 estimates whether or not the pedestrian 60 is accompanied by a companion, that is, whether the pedestrian 60 is singular or plural.
  • the pedestrian attribute estimation unit 233 estimates the attributes of the pedestrian 60 by further analyzing the captured image in which the pedestrian 60 is detected. A known method can be adopted for this image analysis.
  • the pedestrian attribute estimation unit 233 detects the face of the detected pedestrian 60 and estimates the sex and age of the pedestrian 60.
  • the pedestrian attribute estimation unit 233 estimates, for example, whether the pedestrian is a child, an adult (young), an adult (not young), or an elderly person.
  • the pedestrian attribute estimation unit 233 calculates the height, posture, The hair color, belongings such as a cane, clothes, etc. may be detected, and the gender and age of the pedestrian 60 may be estimated from these factors.
  • the captured image is a moving image, the walking speed of the pedestrian 60 may be added to the factors for estimating the gender and age.
  • the pedestrian attribute estimation unit 233 stores the estimated attribute of the pedestrian 60, information on the presence or absence of companions, and position information of the pedestrian 60 in the attribute information database 222.
  • the pedestrian progress area estimation unit 234 estimates the pedestrian progress area A in which the pedestrian 60 walks based on the captured image. For example, the pedestrian movement area estimation unit 234 estimates the orientation of the body of the pedestrian 60 from the captured image, and estimates the orientation of the body of the pedestrian 60 as the movement direction of the pedestrian. Moreover, when the captured image is a moving image, the pedestrian movement area estimation unit 234 may estimate the direction in which the pedestrian 60 moves as the movement direction of the pedestrian 60 . In this embodiment, the pedestrian movement area estimation unit 234 estimates the movement direction of the pedestrian 60 by further analyzing the captured image in which the pedestrian 60 is detected. A known method can be adopted for this image analysis.
  • the pedestrian movement area estimating unit 234 calculates the estimated area of radius X km in the direction of movement of the pedestrian 60 from the point where the pedestrian 60 is detected as a pedestrian movement area in which the pedestrian 60 is assumed to walk. Assume A. For example, the pedestrian movement area estimating unit 234 uses the point where the pedestrian 60 is detected as a reference, and the pedestrian 60 is assumed to walk in the area with a radius of 2 km on the moving direction side of the estimated pedestrian 60. Presumed to be progress area A.
  • the method of estimating the pedestrian movement area A is not particularly limited, and it is sufficient, for example, to estimate an area including an area where the pedestrian 60 is expected to walk for 10 to 15 minutes.
  • the vehicle traffic volume calculation unit 235 calculates the vehicle traffic volume within the pedestrian progress area A.
  • the vehicle traffic amount calculation unit 235 refers to the position information database 221 and calculates the number of vehicles 40 and automatically driving vehicles 50 existing in the pedestrian progress area A as the vehicle traffic amount.
  • the vehicle traffic amount calculation unit 235 calculates the number of vehicles 40 and automatically driving vehicles 50 per unit area as the vehicle traffic amount from the number of vehicles 40 and automatically driving vehicles 50 existing in the pedestrian progress area A. You may A method for calculating the amount of vehicle traffic is not particularly limited.
  • the vehicle traffic amount calculation unit 235 detects vehicles from captured images transmitted from each of the plurality of vehicles 40 and the plurality of automatically driven vehicles 50 managed by the server 20, and stores the position information of the detected vehicles. By doing so, the amount of vehicle traffic existing within the pedestrian progress area A may be calculated.
  • the risk calculation unit 236 calculates the risk of the pedestrian being involved in a crime based on the attributes of the pedestrian 60 and the amount of vehicle traffic in the pedestrian progress area A.
  • the risk calculation unit 236 refers to the risk value database 223 and acquires the risk value of the pedestrian 60 based on the attributes of the pedestrian 60 and the presence or absence of companions. For example, when the gender of the pedestrian is "female", the age is "elderly”, and the pedestrian is "unaccompanied”, the risk calculation unit 236 refers to the risk value database 223 of FIG. A risk value of '3' is obtained for 60.
  • the risk calculation unit 236 refers to the risk value set in advance for each element such as the pedestrian's gender, age, presence or absence of companions, etc. described in FIG. You may calculate the risk value of the pedestrian 60 by adding .
  • the risk calculation unit 236 determines whether or not the amount of vehicle traffic in the pedestrian progress area A is greater than a preset threshold for the amount of vehicle traffic. Then, when the amount of vehicle traffic in the pedestrian progress area A is greater than the threshold, the degree of risk is calculated by multiplying the risk value of the pedestrian 60 by 0.5. On the other hand, when the amount of vehicle traffic in the pedestrian progress area A is equal to or less than the threshold, the degree of risk is calculated by multiplying the risk value of the pedestrian 60 by 1.2. Further, the risk calculation unit 236 may calculate the risk by multiplying the risk value of the pedestrian 60 by the reciprocal of the amount of vehicle traffic per unit area in the pedestrian progress area A, for example.
  • the method of calculating the degree of risk is not particularly limited, and the degree of risk calculation unit 236 calculates the degree of risk so that the degree of risk increases when the risk value of the pedestrian 60 is high and the amount of vehicle traffic in the pedestrian progress area A is small. It should be calculated. In addition to the attributes of the pedestrian, the presence or absence of accompanying persons, and the amount of vehicle traffic, other factors such as the place where the pedestrian 60 is detected, the time period, and the illuminance may be used to calculate the degree of risk. In addition, past crime occurrence data may be used to calculate the degree of risk.
  • the patrol command unit 237 transmits a patrol command for patrol of the pedestrian progress area A to the automatically driven vehicle 50 when the degree of danger is higher than a preset threshold.
  • the patrol commanding unit 237 determines whether or not the risk calculated by the risk calculating unit 236 is higher than a preset risk threshold. Then, when the degree of danger is higher than the threshold, the position information database 221 is referred to, and the automatically driven vehicle 50a that is patrolling the closest position to the pedestrian traveling area A is specified from among the automatically driven vehicles 50a to 50c.
  • the patrol command unit 237 generates a patrol command for instructing the autonomous vehicle 50a to patrol the pedestrian traveling area A.
  • the patrol command includes a travel route from the identified current position of the automatically driven vehicle 50a to the pedestrian travel area A, and information on a patrol route that patrols the pedestrian travel area A.
  • the patrol command unit 237 transmits the generated patrol command to the automatically driven vehicle 50a to command the patrol of the pedestrian travel area A.
  • the vehicle 40 transmits the location information of the vehicle 40 and the captured image captured by the vehicle 40 to the server 20 via the network 30 .
  • a plurality of automatically driven vehicles 50 a to 50 c transmit position information of each of the automatically driven vehicles 50 a to 50 c to server 20 via network 30 .
  • the server 20 collects and manages the location information of the vehicle 40 and the automatically driven vehicles 50a to 50c.
  • step S10 of FIG. 7 the pedestrian detection unit 232 receives the captured image captured by the vehicle 40 transmitted from the vehicle 40.
  • step S ⁇ b>11 the pedestrian detection unit 232 detects the pedestrian 60 by analyzing the captured image captured by the vehicle 40 .
  • step S12 the pedestrian detection unit 232 detects the position information of the vehicle 40 at the time when the captured image in which the pedestrian 60 is detected is acquired. Based on this, the positional information of the pedestrian 60 is detected.
  • the process proceeds to step S13, and the pedestrian attribute estimation unit 233 estimates the attributes of the pedestrian 60 from the captured image.
  • the pedestrian attribute estimation unit 233 estimates whether or not the pedestrian 60 is accompanied by a companion.
  • the pedestrian attribute estimation unit 233 stores the estimated attribute of the pedestrian 60 , information on the presence or absence of companions, and position information of the pedestrian 60 in the attribute information database 222 .
  • step S14 the pedestrian movement area estimation unit 234 estimates the orientation of the body of the pedestrian 60 from the captured image, and estimates the orientation of the body of the pedestrian 60 as the movement direction of the pedestrian.
  • the pedestrian travel area estimation unit 234 may estimate the direction in which the pedestrian 60 moves as the travel direction of the pedestrian 60 .
  • step S15 the pedestrian movement area estimation unit 234 determines that the pedestrian 60 walks in the estimated area of radius X km in the movement direction side of the pedestrian 60 with reference to the point where the pedestrian 60 is detected. It is estimated as the pedestrian progress area A assumed.
  • the process proceeds to step S16, and the vehicle traffic amount calculation unit 235 calculates the vehicle traffic amount within the pedestrian progress area A.
  • the vehicle traffic amount calculation unit 235 refers to the position information database 221 and calculates the number of vehicles 40 and automatically driving vehicles 50 existing in the pedestrian progress area A as the vehicle traffic amount.
  • the vehicle traffic amount calculation unit 235 calculates the number of vehicles 40 and automatically driving vehicles 50 per unit area as the vehicle traffic amount from the number of vehicles 40 and automatically driving vehicles 50 existing in the pedestrian progress area A.
  • the process proceeds to step S17, and the risk calculation unit 236 calculates the risk of the pedestrian being involved in a crime based on the attributes of the pedestrian 60 and the amount of vehicle traffic in the pedestrian progress area A.
  • the risk calculation unit 236 acquires the risk value of the pedestrian 60 from, for example, the risk value database 223 and the attributes of the pedestrian 60 and the presence or absence of companions.
  • the degree-of-risk calculation unit 236 determines whether or not the amount of vehicle traffic in the pedestrian progress area A is greater than a preset threshold for the amount of vehicle traffic. Then, when the amount of vehicle traffic in the pedestrian progress area A is greater than the threshold, the degree of risk is calculated by multiplying the risk value of the pedestrian 60 by 0.5. On the other hand, when the amount of vehicle traffic in the pedestrian progress area A is equal to or less than the threshold, the degree of risk is calculated by multiplying the risk value of the pedestrian 60 by 1.2.
  • step S18 the patrol command unit 237 determines whether or not the risk calculated in step S17 is higher than a preset risk threshold. If the degree of risk is higher than the threshold (YES in step S18), the process proceeds to step S19. On the other hand, if the degree of risk is equal to or less than the threshold (NO in step S18), the CPU 23 terminates the processing of FIG.
  • step S19 the patrol command unit 237 refers to the position information database 221 and identifies the automatically driven vehicle 50a that is patrolling the position closest to the pedestrian progress area A from among the automatically driven vehicles 50a to 50c.
  • the process proceeds to step S20, and the patrol command unit 237 generates a patrol command for instructing the autonomous vehicle 50a to patrol the pedestrian progress area A.
  • the patrol command includes the travel route from the current position of the automatically driven vehicle 50a to the pedestrian travel area A, and the information of the patrol route that patrols the pedestrian travel area A.
  • step S21 the tour command unit 237 transmits the generated tour command to the automatically driven vehicle 50a identified in step S19, and the CPU 23 ends the process of FIG.
  • the automatically driven vehicle 50a receives the patrol command, generates an operation plan according to the received patrol command, and travels according to this operation plan.
  • the vehicle traffic amount calculation unit 235 calculates the vehicle traffic amount in the pedestrian progress area A, and the patrol command unit 237 determines that the pedestrian progress area A patrol command for commanding the patrol of A was transmitted to the automatically driven vehicle 50a.
  • the vehicle traffic amount calculation unit 235 may divide the pedestrian progress area A into a plurality of areas, and further calculate the vehicle traffic amount in each area of the divided pedestrian progress area A.
  • the patrol command unit 237 directs the automated driving vehicle 50a to the divided walking area according to the amount of vehicle traffic in each area of the divided pedestrian progress area A.
  • a patrol command may be transmitted to instruct patrol of each of the user progress areas.
  • the patrol command unit 237 may adjust the number of vehicles to patrol each of the divided pedestrian progress areas A, for example, based on the amount of vehicle traffic in each of the divided pedestrian progress areas A. good. For example, the patrol command unit 237 determines that the amount of vehicle traffic in one area of the divided pedestrian progress area A is greater than a preset threshold value, and the amount of vehicle traffic in other areas is greater than the preset threshold value. In such a case, it may be unnecessary to patrol an area with a large amount of vehicle traffic. Then, a patrol command for instructing patrols only in areas where the amount of vehicle traffic is small may be transmitted to the two automatically driven vehicles 50a and 50b.
  • the patrol command unit 237 may, for example, limit the area to be circulated among the divided pedestrian progress areas A based on the amount of vehicle traffic in each area of the divided pedestrian progress areas A. For example, the tour command unit 237 determines that the amount of vehicle traffic in one of the divided pedestrian progress areas A is greater than a preset threshold value, and that the amount of vehicle traffic in the other area is a preset threshold value. If the number of traffic is less than , the patrol of areas with a large amount of vehicle traffic may be unnecessary. Then, a patrol command may be generated for instructing the autonomous vehicle 50a to patrol only within the other two regions. As a result, when the range of the pedestrian progress area A is set wide, a patrol command can be generated so as to patrol only the area where the amount of vehicle traffic is particularly small, and crime prevention can be performed more efficiently.
  • the crime prevention device has been described with an example in which the automatically driven vehicle 50 is used as the moving object that transmits the patrol command.
  • a moving object with monitoring capability such as an automatic driving vehicle 50 equipped with a camera
  • mobile objects with tracking performance such as drones are suitable for preventing crimes such as snatching.
  • the types of crimes that pedestrians are likely to be involved in can be roughly estimated from the attributes of pedestrians. For example, children are more likely to be spoken to and taken around, young women are more likely to be molested, and elderly people and women carrying luggage are more likely to be snatched. It is possible to estimate the types of crimes in which pedestrians are likely to be involved based on the attributes of pedestrians.
  • the patrol command unit 237 can patrol based on the type of crime set in advance corresponding to the attribute of the pedestrian.
  • the type of mobile body to which the command is to be sent may be determined, and the patrol command may be sent to that mobile body.
  • the pedestrian detection unit 232 may detect that an incident such as blackmail, assault, or failure has occurred from the moving image.
  • the patrol command unit 237 directs a manned vehicle with a person who can arrest the criminal to the point where the incident is detected.
  • a patrol command may be sent instructing the In this way, by transmitting a patrol command to a mobile body that is suitable for the type of crime that the pedestrian is likely to be involved in, as estimated from the attributes of the pedestrian, the mobile body can be used to further effectively prevent crime. can do.
  • the patrol command unit 237 determines the number of mobile bodies to which patrol commands are to be sent based on the type of crime set in advance corresponding to the attributes of the pedestrians, and transmits the patrol commands to a plurality of mobile bodies. may By transmitting the patrol command to a number of mobile bodies corresponding to the types of crimes in which pedestrians are likely to be involved, more effective crime prevention can be achieved using the mobile bodies.
  • a crime prevention device includes a pedestrian detection unit, a pedestrian attribute estimation unit, a pedestrian progress area estimation unit, a vehicle traffic amount calculation unit, a risk calculation unit, and a patrol command unit.
  • the pedestrian detection unit receives the captured image transmitted from the vehicle and detects a pedestrian from the captured image.
  • the pedestrian attribute estimating unit estimates pedestrian attributes from the captured image.
  • the pedestrian progress area estimation unit estimates a pedestrian progress area in which the pedestrian walks based on the captured image.
  • the vehicle traffic amount calculation unit calculates the vehicle traffic amount within the pedestrian progress area.
  • the risk calculation unit calculates the risk of the pedestrian being involved in a crime based on the attributes of the pedestrian and the amount of vehicle traffic in the pedestrian progress area.
  • the patrol command unit transmits a patrol command to patrol the pedestrian traveling area to the moving body when the degree of risk is higher than a preset threshold.
  • the degree of danger can be made higher when the pedestrian is at a high risk of being involved in a crime and is walking in an area with a small amount of vehicle traffic.
  • a patrol command for patrol of the pedestrian progress area can be transmitted to the mobile body. As a result, it is possible to more effectively prevent crime by using the moving body.
  • the vehicle traffic amount calculation unit of the crime prevention device divides the pedestrian progress area into a plurality of areas, and further calculates the vehicle traffic amount in each of the divided pedestrian progress areas.
  • the patrol command unit instructs the moving body to divide the divided pedestrian progress areas according to the amount of vehicle traffic in each of the divided pedestrian progress areas. Send a patrol command to command each patrol.
  • a patrol command that adjusts the number of moving objects to be patrolled based on the amount of vehicle traffic in each of the divided pedestrian travel areas.
  • a patrol command can be generated so as to increase the number of moving bodies to be patrolled in areas where the amount of vehicle traffic is particularly small.
  • a patrol command so as to limit the area in which the mobile body is to be patrolled.
  • a tour command can be generated so that only the area where the amount of vehicle traffic is particularly small is patrolled. Crime prevention can be performed more efficiently by using a moving body.
  • the patrol command unit of the crime prevention device determines the type of mobile object to which the patrol command is to be sent, based on the type of crime preset corresponding to the attributes of the pedestrian.
  • the patrol command unit of the crime prevention device determines the number of mobile objects to which the patrol command is transmitted, based on the type of crime set in advance corresponding to the attribute of the pedestrian.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Alarm Systems (AREA)

Abstract

歩行者検出部（２３２）は、車両（４０）から送信された撮像画像を受信し、撮像画像から歩行者（６０）を検出する。歩行者属性推定部（２３３）は、撮像画像から歩行者（６０）の属性を推定する。歩行者進行領域推定部（２３４）は、撮像画像に基づき歩行者（６０）が歩行する歩行者進行領域（Ａ）を推定する。車両往来量算出部（２３５）は、歩行者進行領域（Ａ）内の車両往来量を算出する。危険度算出部（２３６）は、歩行者（６０）の属性と歩行者進行領域（Ａ）内の車両往来量に基づいて、歩行者（６０）が犯罪に巻き込まれる危険度を算出する。巡回指令部（２３７）は、危険度が予め設定された閾値より高い場合に、歩行者進行領域（Ａ）の巡回を指令する巡回指令を移動体（５０）へ送信する。

Description

犯罪防止装置及び犯罪防止方法
　本開示は、犯罪防止装置及び犯罪防止方法に関する。
　特許文献１には、運行指令に基づいて自動で巡回する複数の移動体の外部の情報を取得し、同じ地域を移動した移動体の各々により取得される情報に基づいて、地域毎の巡回指令を決定し、決定された地域の巡回方針に応じて運行指令を生成する自動運転システムが記載されている。
特開２０１９－１１７５７４号公報
　特許文献１に記載されている自動運転システムは、外部の情報として人の数を取得し、人の数が少ない地域は人の数が多い地域よりも巡回頻度が高くなるように巡回方針を決定する。しかしながら、巡回方針を決定する際に、人の属性や、車両の往来量（以下、車両往来量という）を考慮していない。このため、子供又は高齢者などのより犯罪に巻き込まれる可能性が高い人が、車両往来量が少ない場所を歩行しているような、歩行者が犯罪に巻き込まれる危険度が高い状況を検出し、そのような状況を優先的に巡回することができない。
　実施形態は、移動体を利用してより効果的に防犯することができる犯罪防止装置及び犯罪防止方法を提供することを目的とする。
　本実施形態によれば、車両から送信された撮像画像を受信し、撮像画像から歩行者を検出する歩行者検出部と、撮像画像から歩行者の属性を推定する歩行者属性推定部と、撮像画像に基づき歩行者が歩行する歩行者進行領域を推定する歩行者進行領域推定部と、歩行者進行領域内の車両往来量を算出する車両往来量算出部と、歩行者の属性と歩行者進行領域内の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する危険度算出部と、危険度が予め設定された閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指令を移動体へ送信する巡回指令部と、を備える犯罪防止装置が提供される。
　本実施形態によれば、車両から送信された撮像画像を受信し、撮像画像から歩行者を検出し、撮像画像から歩行者の属性を推定し、撮像画像に基づき歩行者が歩行する歩行者進行領域を推定し、歩行者進行領域内の車両往来量を算出し、歩行者の属性と歩行者進行領域内の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出し、危険度が予め設定された閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指令を送信する犯罪防止方法が提供される。
　実施形態に係る犯罪防止装置及び犯罪防止方法によれば、移動体を利用してより効果的に防犯することができる。
図１は、一実施形態に係る犯罪防止装置を含む犯罪防止システム１の概略構成を示す図である。 図２は、図１に示した犯罪防止システム１の構成例を示すブロック図である。 図３は、記憶装置２２に備えられた位置情報データベース２２１の主な記憶内容を説明するための図である。 図４は、記憶装置２２に備えられた属性情報データベース２２２の主な記憶内容を説明するための図である。 図５は、記憶装置２２に備えられたリスク値データベース２２３の主な記憶内容を説明するための図である。 図６は、一実施形態に係る犯罪防止装置の機能を説明するための図である。 図７は、一実施形態に係る犯罪防止装置の一動作例を説明するフローチャートである。
　以下、実施形態に係る犯罪防止装置について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。
　［犯罪防止システムの概要］
　一実施形態に係る犯罪防止装置を含む犯罪防止システム１の概要について、図１を参照しながら説明する。図１は、犯罪防止システム１の概略構成を示す図である。本実施形態に係る犯罪防止システム１は、道路を走行する車両４０と、与えられた巡回指令に基づいて自律走行を行う複数の自動運転車両５０と、車両４０及び自動運転車両５０から送信される情報を収集して管理し、自動運転車両５０に巡回指令を発行するサーバ２０と、を含んでいる。本実施形態では、犯罪防止装置は、サーバ２０のＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｓｅｓｓｉｎｇ　Ｕｎｉｔ）２３として実装される。
　サーバ２０と車両４０及びサーバ２０と複数の自動運転車両５０とは、ネットワーク３０によって相互に接続される。本実施形態では、サーバ２０、車両４０、及び自動運転車両５０は、無線通信方式によってネットワーク３０と接続されている。なお、図１に示す犯罪防止システム１は、例示的に１台の車両４０と２台の自動運転車両５０を含んでいるが、車両４０は２台以上であってもよいし、自動運転車両５０は３台以上であってもよい。車両４０及び自動運転車両５０の数は、特に限定されない。複数の自動運転車両５０は、例えば、防犯対策等のために所定の巡回経路に従って道路を巡回する車両であってもよいし、所定の待機場所に待機していて巡回指令を受けて巡回を開始する車両であってもよい。なお、複数の自動運転車両５０の代わりに、ドローン等の遠隔操作又は自動運転が可能な移動体を用いてもよい。また、サーバ２０は、車両４０又は自動運転車両５０に搭載されてもよく、サーバ２０は、車両４０又は自動運転車両５０と一体の構成であってもよい。
　車両４０は、走行中に撮像画像を取得している。なお、車両４０は、走行中に、夜間の照明の明るさに関する情報等の、防犯に関連する情報をさらに取得してもよい。車両４０が取得した撮像画像及び各種の情報は、サーバ２０に送信される。車両４０は、運転者が運転する手動運転の車両であってもよく、自動運転車両であってもよい。
　サーバ２０は、車両４０から送信された撮像画像から歩行者を検出し、検出された歩行者が犯罪に巻き込まれる危険度を算出する。サーバ２０は、危険度が予め設定された所定値より高い場合に、検出された歩行者の歩行者進行領域内を巡回するような巡回指令を生成し、自動運転車両５０へ送信する。巡回指令を受信した自動運転車両５０は、巡回指令にしたがって運行計画を生成し、この運行計画にしたがって走行する。
　［犯罪防止システムの構成］
　次に、図２を参照して、犯罪防止システム１の各構成要素について、詳細に説明する。図２は、図１に示す犯罪防止システム１の構成例を概略的に示したブロック図である。なお、図２において車両４０及び自動運転車両５０は例示的に１台ずつ示しているが、実際には各々が複数台存在してもよい。本実施の形態に係る犯罪防止システム１は、予め登録された車両４０および自動運転車両５０の各々を個別に特定することができるように、車両４０および自動運転車両５０の各々を識別するための個別の車両ＩＤを管理している。犯罪防止システム１は、各車両４０に搭載されている情報送信装置４００のＩＤを車両４０の車両ＩＤとして管理してもよく、各自動運転車両５０に搭載されている自動運転車両制御装置５００のＩＤを自動運転車両５０の車両ＩＤとして管理してもよい。
　サーバ２０は、車両４０及び複数の自動運転車両５０の情報を管理し、自動運転車両５０の各々に巡回指令を送信する装置である。サーバ２０は、ネットワーク３０を介して車両４０及び複数の自動運転車両５０と通信する。サーバ２０は、通信装置２１と、記憶装置２２と、ＣＰＵ２３と、メモリ（図示せず）とを備え、これらの構成要素が図示しないバスなどを介して電気的に接続されている。サーバ２０の設置場所は特に限定されないが、例えばサーバ２０は、自動運転車両５０を利用して地域の防犯サービスを提供する事業者の管理センタに設置される。
　本実施形態では、サーバ２０、車両４０、及び自動運転車両５０は、無線通信方式によってネットワーク３０と接続されている。
　通信装置２１は、ネットワーク３０を介して車両４０及び自動運転車両５０との間で互いに通信する。なお、通信装置２１は、例えば、４Ｇ／ＬＴＥなどのモバイル通信機能を備えたデバイスであってもよいし、無線ＬＡＮ通信機能を備えたデバイスであってもよい。
　記憶装置２２は、防犯サービスに必要な各種の情報やデータベースを格納する。記憶装置２２は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）などの記憶媒体である。記憶装置２２は、例えば、位置情報データベース２２１と、属性情報データベース２２２と、リスク値データベース２２３とを備える。各種のデータベースの詳細については、図３～図５を参照して後述する。
　ＣＰＵ２３はサーバ２０を制御する。ＣＰＵ２３は、記憶装置２２などに記憶されている様々なプログラムをメモリに読み込んで、プログラムに含まれる各種の命令を実行する。メモリは、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などの記憶媒体である。
　ＣＰＵ２３は、機能的な構成例として、位置情報管理部２３１と、歩行者検出部２３２と、歩行者属性推定部２３３と、歩行者進行領域推定部２３４と、車両往来量算出部２３５と、危険度算出部２３６と、巡回指令部２３７とを備える。ＣＰＵ２３の各機能の詳細については、図６を参照して後述する。
　車両４０は、通信装置４１と、カメラ４２と、記憶装置４３と、ＧＰＳ受信機４４とを含む情報送信装置４００を搭載している。
　通信装置４１は、通信装置２１と同様の構成を備えており、ネットワーク３０を介してサーバ２０との間で互いに通信する。
　カメラ４２は、車両４０の外部を撮像する撮像機器である。カメラ４２は、例えばＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）イメージセンサ又はＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサ等の撮像素子を用いて被写体を撮像する。撮像により得られる画像は、静止画又は動画の何れであってもよい。カメラ４２は、例えば、車両４０のフロントガラスの裏側に設けられ、車両４０の少なくとも進行方向（前方）を撮像するが、カメラ４２が撮像する方向は特定の方向に限定されず、車両４０の全方位を撮像してもよい。カメラ４２によって撮像された撮像画像は、記憶装置４３に記憶され、任意のタイミングでサーバ２０に送信される。記憶装置４３は各種の情報を記憶する。記憶装置４３は、ＲＡＭ、磁気ディスク、フラッシュメモリなどの任意の記憶媒体である。
　ＧＰＳ受信機４４によって取得された車両４０の位置情報は、任意のタイミングでサーバ２０に送信される。ＧＰＳ受信機４４は、複数の人工衛星からの信号を受信し、受信した信号をＧＰＳ受信機４４に搭載されるＣＰＵ（図示せず）に供給して、地上における車両４０の位置情報を算出する。なお、「ＧＰＳ」は「Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ：グローバル・ポジショニング・システム」の略称である。
　自動運転車両５０は、サーバ２０から受信した巡回指令に基づいて自律走行する車両である。自動運転車両５０は、通信装置５１と、カメラ５２と、記憶装置５３と、ＧＰＳ受信機５４と、車両ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ　Ｃｏｎｔｒｏｌ　Ｕｎｉｔ）５５とを含む自動運転車両制御装置５００を搭載している。通信装置５１、カメラ５２、記憶装置５３及びＧＰＳ受信機５４の構成は、車両４０の情報送信装置４００の通信装置４１、カメラ４２、記憶装置４３及びＧＰＳ受信機４４の構成と同様であるため、説明を省略する。
　車両ＥＣＵ５５は、自動運転車両５０の走行を制御するためのコンピュータである。車両ＥＣＵ５５は、ネットワーク３０を介してサーバ２０から巡回指令を受信し、受信した巡回指令に基づいて、適切な方法で自動運転車両５０を走行させるよう制御する。車両ＥＣＵ５５は、巡回指令に基づいて、各種のアクチュエータ（ブレーキアクチュエータ、アクセルアクチュエータ、ステアリングアクチュエータなど）を制御する。
　次に、図３～図５を参照しながら、記憶装置２２の各種のデータベースについて説明する。なお図示は省略するが、記憶装置２２は、車両ＩＤと、車両ＩＤが付与された車両の車両情報とを対応付けて管理するデータベースをさらに備えていてもよく、サーバ２０は、各車両ＩＤにより、車両４０と、自動運転車両５０とを識別できる。
　位置情報データベース２２１は、車両４０及び自動運転車両５０の各々の位置情報を管理するデータベースである。位置情報データベース２２１は、一例として図３に示されるように、車両４０及び自動運転車両５０の各々の車両ＩＤと、車両４０及び自動運転車両５０の各々から受信した、各々の位置座標の情報がリアルタイムで記憶されるように構成されている。
　属性情報データベース２２２には、車両４０が撮像した撮像画像から検出された歩行者に関する情報が記憶される。属性情報データベース２２２は、一例として図４に示されるように、撮像画像から検出された歩行者毎に、歩行者ＩＤ、性別、年齢、同伴者の有無及び各歩行者が検出された位置座標の情報が記憶されるように構成される。以下の説明では、歩行者の性別と年齢を、歩行者の属性ということがある。歩行者の検出方法及び歩行者の属性と同伴者の有無の推定方法については後述する。なお、図４の例では、歩行者の年齢は子供、大人（若い）、大人（若くない）、高齢者の４分類で記憶されるが、歩行者の年齢の分類はこれに限るものではない。
　リスク値データベース２２３は、一例として図５に示されるように、性別、年齢及び同伴者の有無の組み合わせの条件毎に、予め設定された各条件での犯罪リスクの高さを示すリスク値が記憶されるように構成されている。リスク値は、例えば、大人よりも子供や高齢者の方が高くなるように設定され、男性よりも女性の方が高くなるように設定される。また、同伴者有りよりも同伴者無しの方が高くなるように設定される。リスク値は、例えば、女性かつ子供で、同伴者無しの場合に最も高くなるように設定される。リスク値データベース２２３は、例えば子供には４点、女性には３点、高齢者には２点、同伴者無しには２点のように、歩行者の性別、年齢や同伴者の有無などの要素毎に予め設定されたリスク値を記憶するように構成されてもよい。リスク値の設定方法は、特に限定するものではなく、過去の犯罪のデータなどから歩行者の属性に応じた危険度を設定してもよい。
　次に、図６を参照しながら、サーバ２０のＣＰＵ２３の各機能の詳細について説明する。図６の例では、自動運転車両５０ａ～５０ｃがある地域を巡回しており、車両４０が道路を走行しており、車両４０の付近に歩行者６０が存在する。車両４０が撮像した撮像画像には歩行者６０が映っているものとする。図６において、車両４０は図２に示す車両４０の構成を有し、車両４０の各々の位置情報及び車両４０が撮像した撮像画像を、ネットワーク３０を介してサーバ２０に送信する。自動運転車両５０ａ～５０ｃは図２に示す自動運転車両５０の構成を有し、自動運転車両５０ａ～５０ｃの各々の位置情報を、ネットワーク３０を介してサーバ２０に送信する。
　ＣＰＵ２３の位置情報管理部２３１は、予め登録された車両４０及び自動運転車両５０ａ～５０ｃの位置情報を収集して管理する。位置情報管理部２３１は、例えば、所定の周期で車両４０及び自動運転車両５０ａ～５０ｃから各々の位置情報を受信し、車両４０及び自動運転車両５０ａ～５０ｃの各々の車両ＩＤと関連付けて、位置情報データベース２２１に記憶させる。
　歩行者検出部２３２は、車両４０から送信された車両４０が撮像した撮像画像を受信し、撮像画像から歩行者６０を検出する。本実施形態では、歩行者検出部２３２は、車両４０が撮像した撮像画像を解析することにより、歩行者６０を検出する。この画像解析には公知の方法を採用することができる。歩行者検出部２３２は、歩行者６０を検出した撮像画像を取得した時点での車両４０の位置情報に基づいて、歩行者６０の位置情報を検出する。
　歩行者属性推定部２３３は、歩行者検出部２３２により歩行者６０が検出された場合に、撮像画像から歩行者６０の属性を推定する。歩行者属性推定部２３３は、歩行者６０の同伴者の有無、すなわち歩行者６０が単数か複数かを推定する。本実施形態では、歩行者属性推定部２３３は、歩行者６０が検出された撮像画像をさらに解析することにより、歩行者６０の属性を推定する。この画像解析には公知の方法を採用することができる。
　歩行者属性推定部２３３は、例えば、検出された歩行者６０の顔を検出し、歩行者６０の性別、年齢を推定する。歩行者属性推定部２３３は、例えば、歩行者の年齢が、子供、大人（若い）、大人（若くない）、高齢者のいずれかを推定する。撮像画像に歩行者６０の顔が明確に映っていない場合のように、撮像画像から歩行者６０の顔を検出できない場合には、歩行者属性推定部２３３は、歩行者６０の身長、姿勢、髪の色、杖などの持ち物、服装などを検出し、これらの要素から歩行者６０の性別と年齢を推定してもよい。また、撮像画像が動画である場合には、歩行者６０の歩行速度をさらに性別と年齢を推定する要素に追加してもよい。
　歩行者属性推定部２３３は、推定した歩行者６０の属性及び同伴者の有無の情報と、歩行者６０の位置情報を、属性情報データベース２２２に記憶する。
　歩行者進行領域推定部２３４は、撮像画像に基づき歩行者６０が歩行する歩行者進行領域Ａを推定する。歩行者進行領域推定部２３４は、例えば、撮像画像から歩行者６０の体の向きを推定し、歩行者６０の体の向きを歩行者の進行方向と推定する。また、撮像画像が動画である場合には、歩行者進行領域推定部２３４は、歩行者６０が移動する方向を歩行者６０の進行方向と推定してもよい。本実施形態では、歩行者進行領域推定部２３４は、歩行者６０が検出された撮像画像をさらに解析することにより、歩行者６０の進行方向を推定する。この画像解析には公知の方法を採用することができる。
　歩行者進行領域推定部２３４は、歩行者６０が検出された地点を基準として、推定した歩行者６０の進行方向側の半径Ｘｋｍの領域を、歩行者６０が歩行すると想定される歩行者進行領域Ａと推定する。歩行者進行領域推定部２３４は、例えば、歩行者６０が検出された地点を基準として、推定した歩行者６０の進行方向側の半径２ｋｍの領域を、歩行者６０が歩行すると想定される歩行者進行領域Ａと推定する。なお、歩行者進行領域Ａの推定方法は特に限定されず、例えば、歩行者６０が１０～１５分間に歩行すると想定される領域を含むような領域を推定できればよい。
　車両往来量算出部２３５は、歩行者進行領域Ａ内の車両往来量を算出する。車両往来量算出部２３５は、位置情報データベース２２１を参照し、歩行者進行領域Ａ内に存在する車両４０及び自動運転車両５０の数を車両往来量として算出する。また、車両往来量算出部２３５は、歩行者進行領域Ａ内に存在する車両４０及び自動運転車両５０の数から、単位面積当たりの車両４０及び自動運転車両５０の数を、車両往来量として算出してもよい。車両往来量の算出方法は特に限定されない。例えば、車両往来量算出部２３５は、サーバ２０により管理されている複数の車両４０及び複数の自動運転車両５０の各々から送信された撮像画像から車両を検出し、検出した車両の位置情報を記憶することにより、歩行者進行領域Ａ内に存在する車両往来量を算出してもよい。
　危険度算出部２３６は、歩行者６０の属性と歩行者進行領域Ａ内の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する。危険度算出部２３６は、リスク値データベース２２３を参照して、歩行者６０の属性及び同伴者の有無から、歩行者６０のリスク値を取得する。危険度算出部２３６は、例えば歩行者の性別が「女性」であり、年齢が「高齢者」であり、「同伴者無し」の場合、図５のリスク値データベース２２３を参照して、歩行者６０のリスク値「３」を取得する。
　また、危険度算出部２３６は、図５で説明した、歩行者の性別、年齢や同伴者の有無などの要素毎に予め設定されたリスク値を参照して、歩行者６０の要素毎の得点を加算することにより、歩行者６０のリスク値を算出してもよい。
　危険度算出部２３６は、例えば、歩行者進行領域Ａ内の車両往来量が予め設定された車両往来量の閾値より多いか否かを判定する。そして、歩行者進行領域Ａ内の車両往来量が閾値より多い場合には、歩行者６０のリスク値に、０．５を乗ずることにより、危険度を算出する。一方、歩行者進行領域Ａ内の車両往来量が閾値以下の場合には、歩行者６０のリスク値に１．２を乗ずることにより、危険度を算出する。また、危険度算出部２３６は、例えば、歩行者６０のリスク値に、歩行者進行領域Ａ内の単位面積当たりの車両往来量の逆数を乗ずることにより、危険度を算出してもよい。危険度の算出方法は特に限定されず、危険度算出部２３６は、歩行者６０のリスク値が高く、かつ、歩行者進行領域Ａ内の車両往来量が少ない場合により危険度が高くなるように算出されればよい。危険度の算出には、歩行者の属性、同伴者の有無及び車両往来量以外に、歩行者６０を検出した場所、時間帯、照度等の他の要素を用いてもよい。また、危険度の算出には、過去の犯罪の発生データを利用してもよい。
　巡回指令部２３７は、危険度が予め設定された閾値より高い場合に、歩行者進行領域Ａの巡回を指令する巡回指令を自動運転車両５０へ送信する。巡回指令部２３７は、危険度算出部２３６により算出された危険度が、予め設定された危険度の閾値より高いか否かを判定する。そして、危険度が閾値より高い場合に、位置情報データベース２２１を参照し、自動運転車両５０ａ～５０ｃのなかから歩行者進行領域Ａに最も近い位置を巡回している自動運転車両５０ａを特定する。巡回指令部２３７は、自動運転車両５０ａに対して歩行者進行領域Ａの巡回を指令する巡回指令を生成する。巡回指令には、特定された自動運転車両５０ａの現在位置から歩行者進行領域Ａまでの走行経路と、歩行者進行領域Ａ内を巡回するような巡回経路の情報が含まれる。巡回指令部２３７は、自動運転車両５０ａに、生成した巡回指令を送信して、歩行者進行領域Ａの巡回を指令する。
［犯罪防止装置の処理の流れ］
　次に、図７のフローチャートを参照して、本実施形態に係るＣＰＵ２３の処理の流れの例を説明する。図７において、車両４０は、車両４０の位置情報及び車両４０が撮像した撮像画像を、ネットワーク３０を介してサーバ２０に送信している。複数の自動運転車両５０ａ～５０ｃは、自動運転車両５０ａ～５０ｃの各々の位置情報を、ネットワーク３０を介してサーバ２０に送信している。サーバ２０は、車両４０及び自動運転車両５０ａ～５０ｃの位置情報を収集して管理している。
　図７のステップＳ１０において、歩行者検出部２３２は、車両４０から送信された車両４０が撮像した撮像画像を受信する。
　処理はステップＳ１１に進み、歩行者検出部２３２は、車両４０が撮像した撮像画像を解析することにより、歩行者６０を検出する。
　歩行者検出部２３２により歩行者６０が検出された場合に、処理はステップＳ１２に進み、歩行者検出部２３２は、歩行者６０を検出した撮像画像を取得した時点での車両４０の位置情報に基づいて、歩行者６０の位置情報を検出する。
　処理はステップＳ１３に進み、歩行者属性推定部２３３は、撮像画像から歩行者６０の属性を推定する。歩行者属性推定部２３３は、歩行者６０の同伴者の有無を推定する。歩行者属性推定部２３３は、推定した歩行者６０の属性及び同伴者の有無の情報と、歩行者６０の位置情報を、属性情報データベース２２２に記憶する。
　処理はステップＳ１４に進み、歩行者進行領域推定部２３４は、撮像画像から歩行者６０の体の向きを推定し、歩行者６０の体の向きを歩行者の進行方向と推定する。撮像画像が動画である場合には、歩行者進行領域推定部２３４は、歩行者６０が移動する方向を歩行者６０の進行方向と推定してもよい。
　処理はステップＳ１５に進み、歩行者進行領域推定部２３４は、歩行者６０が検出された地点を基準として、推定した歩行者６０の進行方向側の半径Ｘｋｍの領域を、歩行者６０が歩行すると想定される歩行者進行領域Ａと推定する。
　処理はステップＳ１６に進み、車両往来量算出部２３５は、歩行者進行領域Ａ内の車両往来量を算出する。車両往来量算出部２３５は、例えば、位置情報データベース２２１を参照し、歩行者進行領域Ａ内に存在する車両４０及び自動運転車両５０の数を車両往来量として算出する。また、車両往来量算出部２３５は、歩行者進行領域Ａ内に存在する車両４０及び自動運転車両５０の数から、単位面積当たりの車両４０及び自動運転車両５０の数を車両往来量として算出してもよい。
　処理はステップＳ１７に進み、危険度算出部２３６は、歩行者６０の属性と歩行者進行領域Ａ内の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する。危険度算出部２３６は、例えば、リスク値データベース２２３を参照して、歩行者６０の属性及び同伴者の有無から、歩行者６０のリスク値を取得する。危険度算出部２３６は、例えば、歩行者進行領域Ａ内の車両往来量が予め設定された車両往来量の閾値より多いか否かを判定する。そして、歩行者進行領域Ａ内の車両往来量が閾値より多い場合には、歩行者６０のリスク値に、０．５を乗ずることにより、危険度を算出する。一方、歩行者進行領域Ａ内の車両往来量が閾値以下の場合には、歩行者６０のリスク値に１．２を乗ずることにより、危険度を算出する。
　処理はステップＳ１８に進み、巡回指令部２３７は、ステップＳ１７で算出された危険度が、予め設定された危険度の閾値より高いか否かを判定する。危険度が閾値より高い場合（ステップＳ１８でＹＥＳ）には、処理はステップＳ１９に進む。一方、危険度が閾値以下の場合（ステップＳ１８でＮＯ）には、ＣＰＵ２３は図７の処理を終了する。
　ステップＳ１９において、巡回指令部２３７は、位置情報データベース２２１を参照し、自動運転車両５０ａ～５０ｃのなかから歩行者進行領域Ａに最も近い位置を巡回している自動運転車両５０ａを特定する。
　処理はステップＳ２０に進み、巡回指令部２３７は、自動運転車両５０ａに対して歩行者進行領域Ａの巡回を指令する巡回指令を生成する。巡回指令には、自動運転車両５０ａの現在位置から歩行者進行領域Ａまでの走行経路と、歩行者進行領域Ａ内を巡回するような巡回経路の情報が含まれる。
　処理はステップＳ２１に進み、巡回指令部２３７は、生成した巡回指令を、ステップＳ１９において特定した自動運転車両５０ａへ送信し、ＣＰＵ２３は図７の処理を終了する。自動運転車両５０ａは、巡回指令を受信し、受信した巡回指令にしたがって運行計画を生成し、この運行計画にしたがって走行する。
（変形例１）
　以上の説明では、車両往来量算出部２３５は、歩行者進行領域Ａ内の車両往来量を算出し、巡回指令部２３７は、危険度が予め設定された閾値より高い場合に、歩行者進行領域Ａの巡回を指令する巡回指令を自動運転車両５０ａへ送信した。しかし、車両往来量算出部２３５は、歩行者進行領域Ａを複数の領域に分割し、分割された歩行者進行領域Ａの各々の領域内の車両往来量をさらに算出してもよい。巡回指令部２３７は、危険度が予め設定された閾値より高い場合に、分割された歩行者進行領域Ａの各々の領域内の車両往来量に応じて、自動運転車両５０ａに、分割された歩行者進行領域の各々の巡回を指令する巡回指令を送信してもよい。
　巡回指令部２３７は、例えば、分割された歩行者進行領域Ａの各々の領域内の車両往来量に基づいて、分割された歩行者進行領域Ａの各々を巡回させる車両の数を調整してもよい。例えば、巡回指令部２３７は、分割された歩行者進行領域Ａのある領域内の車両往来量が予め設定された閾値よりも多く、他の領域内の車両往来量が予め設定された閾値よりも少ないような場合には、車両往来量の多い領域内の巡回を不要としてもよい。そして、車両往来量の少ない領域内のみの巡回を指令する巡回指令を、２台の自動運転車両５０ａ、５０ｂに対して送信してもよい。これにより、歩行者進行領域Ａの範囲を広く設定した場合に、車両往来量が特に少ない領域に、巡回させる移動体の数を増やすように巡回指令を生成でき、より効率よく防犯することができる。
　巡回指令部２３７は、例えば、分割された歩行者進行領域Ａの各々の領域内の車両往来量に基づいて、分割された歩行者進行領域Ａのうち、巡回させる領域を限定してもよい。例えば、巡回指令部２３７は、分割された歩行者進行領域Ａのある１つの領域内の車両往来量が予め設定された閾値よりも多く、他の領域内の車両往来量が予め設定された閾値よりも少ないような場合には、車両往来量の多い領域の巡回を不要としてもよい。そして、自動運転車両５０ａに対し、他の２つの領域内のみの巡回を指令する巡回指令を生成してもよい。これにより、歩行者進行領域Ａの範囲を広く設定した場合に、車両往来量が特に少ない領域のみを巡回させるように巡回指令を生成でき、より効率よく防犯することができる。
（変形例２）
　また、以上の説明では、本実施形態に係る犯罪防止装置について、巡回指令を送信する移動体に自動運転車両５０を用いる場合を例に説明した。しかし、歩行者が巻き込まれる可能性が高い犯罪の種類によっては、他の種類の移動体を用いた方がよい場合がある。例えば、声かけ、連れまわし、痴漢等の犯罪の防止には、カメラを搭載した自動運転車両５０のような、監視性能を持つ移動体が適している。一方、ひったくりなどの犯罪の防止には、ドローンのような追跡性能を持つ移動体が適している。
　また、歩行者が巻き込まれる可能性が高い犯罪の種類は、歩行者の属性からおよそ推定できる。例えば、子供は声かけ、連れまわしに合う可能性が高く、若い女性は痴漢に合う可能性が高く、高齢者や荷物を持った女性はひったくりなどに合う可能性が高い、といったように、歩行者の属性から歩行者が巻き込まれる可能性が高い犯罪の種類を推定することができる。
　このため、犯罪防止システム１が巡回指令を送信する移動体を複数種類備えるような場合には、巡回指令部２３７は、歩行者の属性に対応して予め設定された犯罪の種類に基づき、巡回指令を送信する移動体の種類を決定し、その移動体へ巡回指令を送信してもよい。なお、撮像画像が動画である場合には、歩行者検出部２３２は、動画から恐喝、暴行、障害等の事件が発生していることを検出してもよい。恐喝、暴行、障害等の事件が発生している場合には、巡回指令部２３７は、犯人を検挙できる人が乗車している有人車両に、事件が発生していることを検出した地点に向かうよう指令する巡回指令を送信してもよい。このように、歩行者の属性から推定される、歩行者が巻き込まれる可能性が高い犯罪の種類に適した移動体に巡回指令を送信することにより、移動体を利用してさらに効果的に防犯することができる。
　また、歩行者が巻き込まれる可能性が高い犯罪の種類によっては、複数の移動体を用いた方がよい場合も想定される。そのため、巡回指令部２３７は、歩行者の属性に対応して予め設定された犯罪の種類に基づき、巡回指令を送信する前記移動体の数を決定し、複数の移動体へ巡回指令を送信してもよい。歩行者が巻き込まれる可能性が高い犯罪の種類に対応した数の移動体に、巡回指令を送信することにより、移動体を利用してさらに効果的に防犯することができる。
［作用効果］
　以上説明したように、実施形態によれば、以下の作用効果が得られる。
　実施形態に係る犯罪防止装置は、歩行者検出部と、歩行者属性推定部と、歩行者進行領域推定部と、車両往来量算出部と、危険度算出部と、巡回指令部と、を備える。歩行者検出部は、車両から送信された撮像画像を受信し、撮像画像から歩行者を検出する。歩行者属性推定部は、撮像画像から歩行者の属性を推定する。歩行者進行領域推定部は、撮像画像に基づき歩行者が歩行する歩行者進行領域を推定する。車両往来量算出部は、歩行者進行領域内の車両往来量を算出する。危険度算出部は、歩行者の属性と歩行者進行領域内の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出する。巡回指令部は、危険度が予め設定された閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指令を移動体へ送信する。
　これにより、歩行者の属性と歩行者進行領域内の車両往来量に基づいて、歩行者が犯罪に巻き込まれる危険度を算出できる。歩行者が犯罪に巻き込まれる可能性が高い属性かつ、車両往来量が少ない領域を歩行する場合に、より危険度を高くできる。危険度が閾値より高い場合に、歩行者進行領域の巡回を指令する巡回指令を移動体へ送信することができる。これにより、移動体を利用してより効果的に防犯することができる。
　また、実施形態に係る犯罪防止装置の車両往来量算出部は、歩行者進行領域を複数の領域に分割し、分割された歩行者進行領域の各々の領域内の車両往来量をさらに算出する。巡回指令部は、危険度が予め設定された閾値より高い場合に、分割された歩行者進行領域の各々の領域内の車両往来量に応じて、移動体に、分割された歩行者進行領域の各々の巡回を指令する巡回指令を送信する。
　これにより、分割された歩行者進行領域の各々の領域内の車両往来量に基づいて、巡回させる移動体の数を調整するような巡回指令を生成できる。歩行者進行領域の範囲を広く設定した場合に、車両往来量が特に少ない領域に、巡回させる移動体の数を増やすように巡回指令を生成できる。また、分割された歩行者進行領域の各々の領域内の車両往来量に基づいて、移動体を巡回させる領域を限定するように巡回指令を生成できる。歩行者進行領域の範囲を広く設定した場合に、車両往来量が特に少ない領域のみを巡回させるように巡回指令を生成できる。移動体を利用して、より効率よく防犯することができる。
　また、実施形態に係る犯罪防止装置の巡回指令部は、歩行者の属性に対応して予め設定された犯罪の種類に基づき、巡回指令を送信する移動体の種類を決定する。
　これにより、歩行者が巻き込まれる可能性が高い犯罪の種類に対応した種類の移動体に、巡回指令を送信することができる。歩行者が巻き込まれる可能性が高い犯罪の防止に適した移動体に、歩行者進行領域を巡回するよう指令できる。これにより、移動体を利用してさらに効果的に防犯することができる。
　また、実施形態に係る犯罪防止装置の巡回指令部は、歩行者の属性に対応して予め設定された犯罪の種類に基づき、巡回指令を送信する移動体の数を決定する。
　これにより、歩行者が巻き込まれる可能性が高い犯罪の種類に対応した数の移動体に、巡回指令を送信することができる。歩行者が巻き込まれる可能性が高い犯罪の防止に適した数の移動体に、歩行者進行領域を巡回するよう指令できる。これにより、移動体を利用してさらに効果的に防犯することができる。
　上記のように、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例及び運用技術が明らかとなろう。
　本願は、２０２１年３月２４日に日本国特許庁に出願された特願２０２１－０４９６６１号に基づく優先権を主張するものであり、その全ての開示内容は引用によりここに援用される。

Claims (5)

  1. 　車両から送信された撮像画像を受信し、前記撮像画像から歩行者を検出する歩行者検出部と、
    　前記撮像画像から前記歩行者の属性を推定する歩行者属性推定部と、
    　前記撮像画像に基づき前記歩行者が歩行する歩行者進行領域を推定する歩行者進行領域推定部と、
    　前記歩行者進行領域内の車両往来量を算出する車両往来量算出部と、
    　前記歩行者の属性と前記歩行者進行領域内の車両往来量に基づいて、前記歩行者が犯罪に巻き込まれる危険度を算出する危険度算出部と、
    　前記危険度が予め設定された閾値より高い場合に、前記歩行者進行領域の巡回を指令する巡回指令を移動体へ送信する巡回指令部と、
    を備える犯罪防止装置。
  2. 　前記車両往来量算出部は、前記歩行者進行領域を複数の領域に分割し、分割された前記歩行者進行領域の各々の領域内の車両往来量をさらに算出し、
    　前記巡回指令部は、前記危険度が予め設定された前記閾値より高い場合に、分割された前記歩行者進行領域の各々の領域内の車両往来量に応じて、前記移動体に、分割された前記歩行者進行領域の各々の巡回を指令する巡回指令を送信する
    請求項１に記載の犯罪防止装置。
  3. 　前記巡回指令部は、前記歩行者の属性に対応して予め設定された犯罪の種類に基づき、前記巡回指令を送信する前記移動体の種類を決定する
    請求項１又は２に記載の犯罪防止装置。
  4. 　前記巡回指令部は、前記歩行者の属性に対応して予め設定された犯罪の種類に基づき、前記巡回指令を送信する前記移動体の数を決定する
    請求項１又は２に記載の犯罪防止装置。
  5. 　車両から送信された撮像画像を受信し、
    　前記撮像画像から歩行者を検出し、
    　前記撮像画像から前記歩行者の属性を推定し、
    　前記撮像画像に基づき前記歩行者が歩行する歩行者進行領域を推定し、
    　前記歩行者進行領域内の車両往来量を算出し、
    　前記歩行者の属性と前記歩行者進行領域内の車両往来量に基づいて、前記歩行者が犯罪に巻き込まれる危険度を算出し、
    　前記危険度が予め設定された閾値より高い場合に、前記歩行者進行領域の巡回を指令する巡回指令を移動体へ送信する
    犯罪防止方法。
PCT/JP2022/009153 2021-03-24 2022-03-03 犯罪防止装置及び犯罪防止方法 WO2022202192A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP22774988.4A EP4318426A4 (en) 2021-03-24 2022-03-03 CRIME PREVENTION DEVICE AND CRIME PREVENTION METHOD
CN202280007923.2A CN116710981A (zh) 2021-03-24 2022-03-03 犯罪防止装置和犯罪防止方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021049661A JP2022148115A (ja) 2021-03-24 2021-03-24 犯罪防止装置及び犯罪防止方法
JP2021-049661 2021-03-24

Publications (1)

Publication Number Publication Date
WO2022202192A1 true WO2022202192A1 (ja) 2022-09-29

Family

ID=83397081

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/009153 WO2022202192A1 (ja) 2021-03-24 2022-03-03 犯罪防止装置及び犯罪防止方法

Country Status (4)

Country Link
EP (1) EP4318426A4 (ja)
JP (2) JP2022148115A (ja)
CN (1) CN116710981A (ja)
WO (1) WO2022202192A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12122427B2 (en) * 2021-11-02 2024-10-22 Toyota Jidosha Kabushiki Kaisha Pedestrian protection system

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017162141A (ja) * 2016-03-09 2017-09-14 株式会社デンソーアイティーラボラトリ 画像識別システム及びその制御装置、並びに画像識別方法
JP2017215181A (ja) * 2016-05-31 2017-12-07 大和ハウス工業株式会社 ルート検索システム
WO2019098216A1 (ja) * 2017-11-17 2019-05-23 アイシン・エィ・ダブリュ株式会社 車両運転補助システム、車両運転補助方法、及び車両運転補助プログラム
JP2019117574A (ja) 2017-12-27 2019-07-18 トヨタ自動車株式会社 自動運転システム及び自動運転方法
JP6837650B1 (ja) * 2019-12-16 2021-03-03 Ａｓｓｅｓｔ株式会社 危険度判別プログラム及びシステム
JP2021049661A (ja) 2019-09-24 2021-04-01 トヨタ自動車株式会社 射出成形装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010250775A (ja) * 2009-04-20 2010-11-04 Takenaka Komuten Co Ltd 犯罪防止装置およびプログラム
CN103576683B (zh) * 2012-08-03 2016-12-21 中国科学院深圳先进技术研究院 多巡逻机器人的调度方法和系统
JP6594640B2 (ja) * 2015-03-30 2019-10-23 セコム株式会社 監視システム
EP4336476A3 (en) * 2015-09-30 2024-05-15 Alarm.com Incorporated Drone-augmented emergency response services

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017162141A (ja) * 2016-03-09 2017-09-14 株式会社デンソーアイティーラボラトリ 画像識別システム及びその制御装置、並びに画像識別方法
JP2017215181A (ja) * 2016-05-31 2017-12-07 大和ハウス工業株式会社 ルート検索システム
WO2019098216A1 (ja) * 2017-11-17 2019-05-23 アイシン・エィ・ダブリュ株式会社 車両運転補助システム、車両運転補助方法、及び車両運転補助プログラム
JP2019117574A (ja) 2017-12-27 2019-07-18 トヨタ自動車株式会社 自動運転システム及び自動運転方法
JP2021049661A (ja) 2019-09-24 2021-04-01 トヨタ自動車株式会社 射出成形装置
JP6837650B1 (ja) * 2019-12-16 2021-03-03 Ａｓｓｅｓｔ株式会社 危険度判別プログラム及びシステム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4318426A4

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12122427B2 (en) * 2021-11-02 2024-10-22 Toyota Jidosha Kabushiki Kaisha Pedestrian protection system

Also Published As

Publication number Publication date
EP4318426A1 (en) 2024-02-07
JP2022148115A (ja) 2022-10-06
JP2023017868A (ja) 2023-02-07
EP4318426A4 (en) 2024-10-09
CN116710981A (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
US12032375B2 (en) Multi-perspective system and method for behavioral policy selection by an autonomous agent
US10824863B2 (en) Systems for searching for persons using autonomous vehicles
JP6870584B2 (ja) 救援システムおよび救援方法、ならびにそれに使用されるサーバおよびプログラム
JP7047374B2 (ja) 情報収集システム
US10713502B2 (en) Providing autonomous vehicle assistance
US11473923B2 (en) Vehicle dispatch system for autonomous driving vehicle and autonomous driving vehicle
US20190139328A1 (en) Driverless transportation system
JP7000805B2 (ja) 動物救援システムおよび動物救援方法、ならびにそれに使用されるサーバおよびプログラム
JP7052338B2 (ja) 情報収集システム
JP2019114196A (ja) 情報収集システムおよび情報収集装置
JPWO2019188391A1 (ja) 制御装置、制御方法、並びにプログラム
JP7109905B2 (ja) 経路設定装置および経路設定方法
WO2022202192A1 (ja) 犯罪防止装置及び犯罪防止方法
US20220315062A1 (en) Information processing apparatus, control apparatus for moving body, method of controlling information processing apparatus, and method of controlling moving body
US11403725B2 (en) Information processing apparatus and moving vehicle system
JP2022133766A (ja) 異常挙動通知装置、異常挙動通知システム、異常挙動通知方法、およびプログラム
JP7391309B2 (ja) セキュリティシステム及び監視方法
JP7347400B2 (ja) 自律走行車両の運行管理システム
JP7366229B2 (ja) 車両管制システム
JP2021135606A (ja) 情報処理装置、情報処理方法、プログラム、および車両
JPWO2020170835A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22774988

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202280007923.2

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2022774988

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022774988

Country of ref document: EP

Effective date: 20231024