CN105828681B - 坐便座装置和坐便器装置 - Google Patents

坐便座装置和坐便器装置 Download PDF

Info

Publication number
CN105828681B
CN105828681B CN201480067412.5A CN201480067412A CN105828681B CN 105828681 B CN105828681 B CN 105828681B CN 201480067412 A CN201480067412 A CN 201480067412A CN 105828681 B CN105828681 B CN 105828681B
Authority
CN
China
Prior art keywords
signal
human body
toilet seat
understanding
wave filter
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN201480067412.5A
Other languages
English (en)
Other versions
CN105828681A (zh
Inventor
山本泰子
杉野聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=53370869&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN105828681(B) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN105828681A publication Critical patent/CN105828681A/zh
Application granted granted Critical
Publication of CN105828681B publication Critical patent/CN105828681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
    • E03D5/00—Special constructions of flushing devices, e.g. closed flushing system
    • E03D5/10—Special constructions of flushing devices, e.g. closed flushing system operated electrically, e.g. by a photo-cell; also combined with devices for opening or closing shutters in the bowl outlet and/or with devices for raising/or lowering seat and cover and/or for swiveling the bowl
    • E03D5/105—Special constructions of flushing devices, e.g. closed flushing system operated electrically, e.g. by a photo-cell; also combined with devices for opening or closing shutters in the bowl outlet and/or with devices for raising/or lowering seat and cover and/or for swiveling the bowl touchless, e.g. using sensors
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47K—SANITARY EQUIPMENT NOT OTHERWISE PROVIDED FOR; TOILET ACCESSORIES
    • A47K13/00—Seats or covers for all kinds of closets
    • A47K13/24—Parts or details not covered in, or of interest apart from, groups A47K13/02 - A47K13/22, e.g. devices imparting a swinging or vibrating motion to the seats
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
    • E03D9/00—Sanitary or other accessories for lavatories ; Devices for cleaning or disinfecting the toilet room or the toilet bowl; Devices for eliminating smells
    • E03D9/08—Devices in the bowl producing upwardly-directed sprays; Modifications of the bowl for use with such devices ; Bidets; Combinations of bowls with urinals or bidets; Hot-air or other devices mounted in or on the bowl, urinal or bidet for cleaning or disinfecting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
    • G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
    • G01S13/343—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal using sawtooth modulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Public Health (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Hydrology & Water Resources (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Epidemiology (AREA)
  • Molecular Biology (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Sanitary Device For Flush Toilet (AREA)
  • Bidet-Like Cleaning Device And Other Flush Toilet Accessories (AREA)

Abstract

一种坐便座装置，其包括人体检测器，该人体检测器配备有频率分析部、认识部和用于存储样本数据的数据库装置。频率分析部将传感器信号转换成频域信号，并且将该频域信号提取作为频带不同的多个滤波器组各自的信号。认识部具有以下功能：将基于多个滤波器组各自的信号的信号的频率分布视为检测数据，将该检测数据与样本数据进行比较，并且检测进入至少设置有坐便器的空间的人体；以及检测坐在坐便座上的人体。

Description

坐便座装置和坐便器装置
技术领域
本发明通常涉及一种坐便座装置和坐便器装置，并且特别涉及用于进行人进入洗手间或者坐下等的人体检测的坐便座装置和坐便器装置。
背景技术
传统上，提供了包括使用无线信号的人体检测器、并且响应于检测到诸如进入和退出洗手间等的使用者的动作来供给冲洗用水的坐便座装置和坐便器装置(例如，参见日本特许第3740696号)。该人体检测器包括多普勒传感器，并且用于基于利用低通滤波器进行了滤波的多普勒传感器的输出与阈值的比较来检测人体的动作。
要求坐便座装置和/或坐便器装置所用的人体检测器除检测使用者进入和退出洗手间外，还检测诸如坐在坐便座上等的各种动作。
然而，坐便座装置和/或坐便器装置所用的传统的人体检测器有可能发生检测到与使用者的实际动作不同的动作的误检测、以及在不存在使用者的情况下检测到人体的其它误检测。
发明内容
本发明是有鉴于上述而作出的，并且其目的是提出能够精确地检测诸如进入和退出洗手间、坐在坐便座上和从坐便座离开等的人体的各种动作的坐便座装置和坐便器装置。
本发明的一个方面的一种坐便座装置包括：本体，其放置在坐便器上；坐便座，其以能够开闭的方式安装至所述本体；以及人体检测器，其被配置为检测作为检测对象的人体，其中，所述人体检测器包括：传感器部，其被配置为发送无线信号，并且接收被物体所反射的所述无线信号，以输出与所述物体的运动相对应的传感器信号；频率分析部，其被配置为将所述传感器信号转换成频域信号，并且利用频带不同的多个滤波器组中的各滤波器组来从所述频域信号中提取该滤波器组的信号；认识部，其被配置为进行认识处理，其中所述认识处理用于将基于所述多个滤波器组各自的信号的信号的频率分布和基于所述多个滤波器组各自的信号的信号强度的成分比至少之一视为检测数据，并且基于所述检测数据来检测人体的预定动作；以及数据库装置，其被配置为将与所述人体的预定动作相对应的频率分布和与所述人体的预定动作相对应的信号强度的成分比至少之一作为样本数据进行存储，其中，所述认识部具有：第一检测功能，用于通过基于所述检测数据和所述样本数据之间的比较进行所述认识处理，来检测是否存在进入至少安装有所述坐便器的空间的所述人体；以及第二检测功能，用于通过基于所述检测数据和所述样本数据之间的比较进行所述认识处理，来检测是否存在坐在所述坐便座上的所述人体。
本发明的一个方面的一种坐便器装置包括：根据本发明的上述方面的坐便座装置；以及所述坐便器，其上设置有所述坐便座装置的所述本体。
本发明的各方面的坐便座装置和坐便器装置可以提供精确地检测诸如进入和退出洗手间以及坐在坐便座上和从坐便座离开等的人体的各种动作的效果。
附图说明
图1是示出实施例的坐便器装置的结构的框图。
图2是示出根据实施例的坐便器装置的外观的立体图。
图3A～图3C是根据实施例的信号处理部的标准化部的说明图。
图4A～图4C是根据实施例的平滑化处理部的说明图。
图5A～图5C是根据实施例的背景信号去除部的一个示例的说明图。
图6是根据实施例的背景信号去除部的另一示例的说明图。
图7A和图7B是根据实施例的背景信号去除部的又一示例的说明图。
图8是构成根据实施例的背景信号去除部的另一示例的自适应滤波器的框图。
图9A～图9C是根据实施例的基于信号处理部的主成分分析的认识处理的说明图。
图10是根据实施例的基于信号处理部的多元回归分析的认识处理的说明图。
图11A和11B是根据实施例的基于信号处理部的多元回归分析的认识处理的其它说明图。
图12A和图12B是根据实施例的信号处理部的说明图。
图13是根据实施例的滤波器组群的说明图。
图14是根据实施例的操作的流程图。
图15是示出根据实施例的控制器的模式的转变图。
图16是示出根据实施例的频率分析部的结构的框图。
图17A～图17C是示出根据实施例的呼吸检测时的各个波形的波形图。
图18是示出根据实施例的呼吸检测处理的说明图。
图19A和图19B是示出根据实施例的测距时的操作的说明图。
图20是示出根据实施例的测距时的差频信号(beat signal)的波形图。
图21A～图21D是示出根据实施例的测距时的输出波形的波形图。
具体实施方式
图1示出本实施例的坐便器装置1的块结构。图2示出坐便器装置1的外观结构。坐便器装置1包括坐便器11、坐便座装置12和人体检测器5作为主要组件。
坐便器11是西式坐便器，并且包括凹形状的便盆部11a和便盆部11a的周缘处所形成的唇面11b(参见图2)。坐便器11还内置有冲洗装置11c、局部清洗装置11d、清洁剂供给装置11f、照明控制装置11g和开闭装置11h(参考图1)。冲洗装置11c被配置为向便盆部11a内供给水并且排出便盆部11a内的水。局部清洗装置11d包括向便盆部11a内突出以清洗人体局部的清洗喷嘴11e，并且清洗喷嘴11e供给局部清洗所用的水(参考图2)。清洁剂供给装置11f被配置为供给用于清洁便盆部11a的清洁剂。照明控制装置11g被配置为进行洗手间内的照明器具的点亮和熄灭。开闭装置11h被配置为进行坐便座12b和坐便盖12c的开闭控制。从洗手间的壁面所设置的旋塞阀7经由配水管8供给冲洗装置11c和局部清洗装置11d所使用的水。注意，冲洗装置11c和局部清洗装置11d用作用于向坐便器11的便盆部11a内供给水的供水装置。
坐便座装置12放置在坐便器11的唇面11b的上面。坐便座装置12包括放置在唇面11b的后侧上面的坐便座本体12a以及以可转动方式安装至坐便座本体12a的坐便座12b和坐便盖12c。坐便座12b和坐便盖12c在坐便器11的上面侧利用包括马达等的开闭装置11h可自由开闭。
坐便器装置1包括控制器6，其中该控制器6被配置为控制冲洗装置11c、局部清洗装置11d、清洁剂供给装置11f、照明控制装置11g和开闭装置11h的各操作。控制器6可以设置到坐便器11和坐便座装置12中的任一个。
在洗手间的壁面上安装有远程控制器3。远程控制器3包括用于对冲洗装置11c、局部清洗装置11d和开闭装置11h进行操作的手动操作开关，并且发送与这些手动操作开关的手动操作相对应的诸如红外线信号等的操作信号。坐便座装置12的坐便座本体12a设置有接收部12d，其中该接收部12d用于接收从远程控制器3发送来的操作信号。图1所示的控制器6根据接收部12d所接收到的操作信号来控制冲洗装置11c、局部清洗装置11d和开闭装置11h的各操作。
此外，坐便座装置12的坐便座本体12a设置有人体检测器5。人体检测器5被配置为检测诸如使用者进入和退出洗手间(第一检测功能)以及使用者坐在坐便座12b上和从坐便座12b离开(第二检测功能)等的人体的动作。以下详细说明人体检测器5。
如图1所示，人体检测器5包括传感器部51和信号处理部52。
传感器部51可以是多普勒传感器。多普勒传感器将预定频率的电波发送至检测区域，接收检测区域内移动的物体所反射的电波，并且输出具有与所发送的电波和所接收到的电波的频率之间的差相对应的多普勒频率的传感器信号。因此，传感器信号是与物体的运动相对应的模拟的时间轴信号。注意，在反射电波的物体正在检测区域内移动的情况下，由于多普勒效应而使反射波的频率偏移。在本实施例中，检测对象包括洗手间中的人体的动作(例如，进入和退出洗手间、坐在坐便座上和从坐便座离开)。
如图1所示，传感器部51包括发送控制部51a、发送部51b、发送天线51c、接收天线51d和接收部51e。
发送部51b被配置为经由发送天线51c向检测区域发送电波。发送控制部51a例如被配置为控制从发送部51b发送来的电波的频率和发送时刻。从发送部51b发送来的电波例如可以是频率为24.15GHz的毫米波。从发送部51b发送来的电波不限于毫米波，并且可以是微波。此外，该值是从发送部51b要发送来的电波的频率的一个示例，并且并不意图将频率限制为该值。
接收部51e被配置为经由接收天线51d接收检测区域内的物体所反射的电波，并且输出具有与所发送的电波和所接收到电波的频率之间的差相对应的频率的传感器信号。更具体地，接收部51e将该传感器信号分离成作为I相(同相)成分和Q相(正交相)成分的两个信道的信号，并且输出这些信号。
信号处理部52具有用于对从传感器部51输出的传感器信号进行信号处理的功能。
如图1所示，信号处理部52包括：放大部52a，其被配置为放大传感器信号；以及A/D转换部52b，其被配置为将放大部52a放大后的传感器信号转换成数字传感器信号，并且输出该数字传感器信号。放大部52a例如可以包括使用运算放大器的放大器。更具体地，放大部52a被配置为放大I相成分的信号和Q相成分的信号。A/D转换部52b被配置为将I相成分的信号和Q相成分的信号转换成数字信号。
如图1所示，信号处理部52还包括频率分析部52c。该频率分析部52c被配置为将从A/D转换部52b输出的时域的传感器信号转换成频域信号(频率轴信号)，并且利用频带不同的滤波器组5a(参见图3A)的群中的各滤波器组5a来从该频域信号中提取该滤波器组5a的信号。
在频率分析部52c中，作为滤波器组5a的群，设置预定数量(例如，16个)滤波器组5a。然而，该数量是一个示例，并且并不意图将一个群中的滤波器组5a的数量局限于该数量。
此外，信号处理部52包括标准化部52d。该标准化部52d被配置为利用频率分析部52c所提取的信号的强度的总和或者分别穿过从各滤波器组5a所选择出的预定多个滤波器组5a(例如，低频侧的四个滤波器组)的信号的强度的总和，来对分别穿过各滤波器组5a的信号的强度进行标准化，并且输出作为标准化强度。
如图1所示，信号处理部52还包括认识部52e，其中该认识部52e被配置为进行用于基于根据从标准化部52d输出的各滤波器组5a的标准化强度所计算出的频率分布来检测物体的认识处理。
上述的频率分析部52c具有用于通过离散余弦变换(Discrete CosineTransform:DCT)来将从A/D转换部52b输出的传感器信号转换成频域信号的功能。此外，如图3A所示，各滤波器组5a各自包括多个(在例示示例中为五个)频率区间(frequency bin)5b。在一些情况下，可以将使用DCT的滤波器组5a的频率区间5b称为DCT区间。滤波器组5a各自具有依赖于频率区间5b的宽度(图3A中的Δf1)的分辨率。关于各滤波器组5a，该数量是频率区间5b的数量的一个示例，并且并不意图将频率区间5b的数量局限于该数量。频率区间5b的数量可以为除五个以外的两个或更多个或者可以为一个。用于将从A/D转换部52b输出的传感器信号转换成频域信号的正交变换不限于DCT，并且例如可以是快速傅立叶变换(FastFourier Transformation:FFT)。在一些情况下，可以将使用FFT的滤波器组5a的频率区间5b称为FFT区间。此外，用于将从A/D转换部52b输出的传感器信号转换成频域信号的正交变换可以是小波变换(Wavelet Transform:WT)。
在滤波器组5a各自包括多个频率区间5b的情况下，优选地，信号处理部52在频率分析部52c和标准化部52d之间包括平滑化处理部52f。优选地，该平滑化处理部52f具有以下所述的两个平滑化处理功能(第一平滑化处理功能和第二平滑化处理功能)至少之一。第一平滑化处理功能是用于针对各滤波器组5a在频域(频率轴方向)中对各频率区间5b的信号的强度进行平滑化处理的功能。第二平滑化处理功能是用于针对各滤波器组5a在时间轴方向上对各频率区间5b的信号的强度进行平滑化处理的功能。因此，信号处理部52可以降低噪声所引起的不期望的影响，并且在包括这两个功能的情况下进一步降低噪声所引起的不期望的影响。
第一平滑化处理功能可以通过使用例如均值滤波器、加权均值滤波器、中值滤波器或加权中值滤波器等来实现。在通过使用均值滤波器来实现第一平滑化处理功能的情况下，如图3A和图4A所示，假定在时刻t1，利用s1、s2、s3、s4和s5来分别表示作为从低频侧起的第一个滤波器组的滤波器组5a的5个频率区间5b各自的信号的强度。在这方面，关于第一个滤波器组5a，在假定通过利用第一平滑化处理功能的平滑化处理所获得的信号的强度是m11(参见图3B和图4B)的情况下，m11等于(s1+s2+s3+s4+s5)/5。
同样，如图3B和图4B所示，利用m21、m31、m41和m51来分别表示第二个滤波器组5a、第三个滤波器组5a、第四个滤波器组5a和第五个滤波器组5a的信号。总之，在本实施例中，为了便于说明，mji表示通过在时间轴上的时刻ti(“i”是自然数)对第j(“j”是自然数)个滤波器组5a的信号进行利用第一平滑化处理功能所实现的平滑化处理而获得的信号的强度。
标准化部52d利用穿过由认识部52e在认识处理中所使用的预定多个滤波器组5a的信号的强度的总和来对穿过各滤波器组5a的信号的强度进行标准化。在这方面，在以下说明中，例如假定频率分析部52c中的滤波器组5a的总数为16个，并且认识处理所使用的预定多个滤波器组5a仅是作为从低频侧起的第一个滤波器组～第五个滤波器组这五个滤波器组。在时刻t1穿过第一个滤波器组5a的信号的强度m11的标准化强度为n11(参见图3C)的情况下，标准化部52d可以通过利用n11＝m11/(m11+m21+m31+m41+m51)的关系来计算标准化强度n11。
此外，在各滤波器组5a均包括一个频率区间5b的情况下，标准化部52d提取穿过各滤波器组5a的信号的强度，并且利用这些信号的强度的总和对穿过各滤波器组5a的信号的强度进行标准化。
此外，第二平滑化处理功能可以通过使用例如均值滤波器、加权均值滤波器、中值滤波器或加权中值滤波器等来实现。在通过使用用于计算时间轴方向上的多个(例如，三个)点的信号的强度的平均值的均值滤波器来实现第二平滑化处理功能的情况下，如图4C所示，关于第一个滤波器组5a，在假定通过利用第二平滑化处理功能的平滑化处理所获得的信号的强度为m1的情况下，m1等于(m10+m11+m12)/3。
同样，在假定利用m2、m3、m4和m5来表示第二个滤波器组5a、第三个滤波器组5a、第四个滤波器组5a和第五个滤波器组5a的信号的强度的情况下，m2等于(m20+m21+m22)/3，m3等于(m30+m31+m32)/3，m4等于(m40+m41+m42)/3，并且m5等于(m50+m51+m52)/3。
总之，在本实施例中，为了便于说明，mn表示通过对第n(“n”是自然数)个滤波器组5a的信号进行利用第一平滑化处理功能的平滑化处理、并且进一步进行利用第二平滑化处理功能的平滑化处理所获得的信号的强度。
另外，优选地，信号处理部52包括背景信号估计部52g和背景信号去除部52h。背景信号估计部52g被配置为估计从各滤波器组5a输出的信号中所包括的背景信号(即，噪声)。背景信号去除部52h被配置为将背景信号从穿过各滤波器组5a的信号中去除。
优选地，信号处理部52具有包括例如第一模式和第二模式的操作模式，其中该第一模式用于估计背景信号，该第二模式用于进行认识处理，并且可以按计时器所计时的预定时间段(例如，30秒)来交替地切换第一模式和第二模式。在这方面，优选地，信号处理部52使背景信号估计部52g在第一模式的时间段内进行工作，并且在第二模式的时间段内，利用背景信号去除部52h去除背景信号、然后利用认识部52e进行认识处理。第一模式的时间段和第二模式的时间段不限于具有相同的长度(例如，30秒)，而是可以为不同长度。
背景信号去除部52h例如可被配置为通过从滤波器组5a所输出的信号中减去背景信号来去除背景信号。在这种情况下，背景信号去除部52h例如可以包括减法器，其中该减法器被配置为从穿过各滤波器组5a的信号的强度m1、m2、...(参见图5B)中减去背景信号估计部52g所估计出的背景信号的强度b1、b2、...(参见图5A)。图5C示出通过在同一滤波器组5a中从信号中减去背景信号所获得的信号的强度。在这方面，在L1表示从左侧起的第一个滤波器组5a的信号的强度的情况下，L1等于m1-b1。
同样，在假定利用L2、L3、L4和L5来表示通过在第二个滤波器组5a、第三个滤波器组5a、第四个滤波器组5a和第五个滤波器组5a中减去背景信号所获得的信号的强度的情况下，L2等于m2-b2，L3等于m3-b3，L4等于m4-b4，并且L5等于m5-b5。
背景信号估计部52g可以估计第一模式的时间段内针对各滤波器组5a所获得的信号的强度作为各滤波器组5a的背景信号的强度，然后根据需要更新这些背景信号。此外，背景信号估计部52g可以估计第一模式中针对各滤波器组5a各自所获得的多个信号的强度的平均值作为各滤波器组5a各自的背景信号的强度。换句话说，背景信号估计部52g可以将针对各滤波器组5a各自而预先获得的多个信号在时间轴上的平均值视为背景信号。在这种情况下，背景信号估计部52g可以提高背景信号的估计精度。
此外，背景信号去除部52h可以将各滤波器组5a的紧挨着的前一信号(即，先前信号)视为背景信号。在这种情况下，信号处理部52可以具有用于通过在各信号由标准化部52d进行标准化处理之前减去时间轴上的紧挨着的前一信号来去除背景信号的功能。总之，关于穿过各滤波器组5a的信号，背景信号去除部52h可以具有如下功能，其中该功能用于通过从要经过标准化处理的信号的强度中减去要经过标准化处理的这些信号之前的时间轴上的一点处采样得到的信号的强度，来去除背景信号。在这种情况下，例如，如图6所示，在假定利用m1(t1)、m2(t1)、m3(t1)、m4(t1)和m5(t1)来表示要经过标准化处理的时刻t1处的各滤波器组5a的信号、利用m1(t0)、m2(t0)、m3(t0)、m4(t0)和m5(t0)来表示紧挨时刻t1之前的时刻t0处的信号、并且利用L1、L2、L3、L4和L5来表示相减之后的信号的强度的情况下，L1等于m1(t1)-m1(t0)，L2等于m2(t1)-m2(t0)，L3等于m3(t1)-m3(t0)，L4等于m4(t1)-m4(t0)，并且L5等于m5(t1)-m5(t0)。
在一些情况下，根据基于信号处理部52的使用形式的周围环境，存在可以预先知晓包含相对较大的背景信号(噪声)的频率区间5b的可能性。例如，在人体检测器5附近存在从商用电源进行电源供给的设备的情况下，在频带包含作为商用电源的频率(例如，60Hz)的相对较小倍数的频率(例如，60Hz和120Hz)的频率区间5b的信号中包含相对较大的背景信号的可能性高。另外，背景噪声例如可以包括坐便器装置1的机械信号、便盆部11a内的水面的变动和照明器具的噪声等。
另一方面，关于在人体在检测区域内移动的情况下所输出的传感器信号，该传感器信号的频率(多普勒频率)根据传感器部51和物体之间的距离以及物体的移动速度而随时改变。在这种情况下，传感器信号没有以特定频率恒定地发生。
有鉴于此，在信号处理部52被配置成各滤波器组5a包括多个频率区间5b的情况下，可以将恒定地包含背景信号的一个频率区间5b视为特定频率区间5bi。背景信号去除部52h可被配置为通过不使用特定频率区间5bi的实际信号的强度、而是利用基于与该特定频率区间5bi邻接的两个频率区间5b的信号的强度所估计出的信号的强度替换该特定频率区间5bi的实际信号的强度，来去除背景信号。
假定图7A中从左侧起的第三个频率区间5b是特定频率区间5bi。背景信号去除部52h将该特定频率区间5bi的信号(信号强度b3)视为无效，并且如图7B所示，利用基于与特定频率区间5bi邻接的两个频率区间5b的信号成分的强度b2和b4所估计出的信号成分的强度b3来替换该特定频率区间5bi的信号。在该估计中，所估计出的信号的强度b3是与特定频率区间5bi邻接的两个频率区间5b的信号成分的强度b2和b4的平均值、即(b2+b4)/2。总之，在假定将滤波器组5a内从低频侧起的第i个频率区间5b视为特定频率区间5bi、并且利用bi来表示该特定频率区间5bi的信号的强度的情况下，可以通过bi＝(bi-1+bi+1)/2的估计公式来定义bi。
因此，信号处理部52可以在短时间内降低由于恒定地发生的特定频率的背景信号(噪声)所引起的不期望的影响。因此，信号处理部52可以提高人体的检测精度。
背景信号去除部52h可以是自适应滤波器，其中该自适应滤波器被配置为通过在频域(频率轴)中对背景信号进行滤波来去除背景信号。
自适应滤波器是被配置为根据自适应算法(最优化算法)来通过自身调整传递函数(滤波器系数)的滤波器，并且可以通过使用数字滤波器来实现。优选地，这种自适应滤波器可以是使用DCT(离散余弦变换)的自适应滤波器。在这种情况下，自适应滤波器的自适应算法可以是DCT的LMS(最小均方)算法。
可选地，自适应滤波器可以是使用FFT的自适应滤波器。在这种情况下，自适应滤波器的自适应算法可以是FFT的LMS算法。该LMS算法给出了与投影算法和RLS(递归最小二乘)算法相比减少了计算量的优点，并且DCT的LMS算法仅需要进行实数的计算，因此给出了与需要复数的计算的FFT的LMS算法相比减少了计算量的优点。
自适应滤波器例如具有图8所示的结构。该自适应滤波器包括滤波器57a、减法器57b和自适应处理部57c。滤波器57a具有可变的滤波器系数。减法器57b输出由参考信号和滤波器57a的输出信号之间的差所定义的误差信号。自适应处理部57c根据自适应算法基于输入信号和误差信号来生成滤波器系数的校正系数，并且更新滤波器系数。在给出由于热噪声所引起的背景信号作为滤波器57a的输入信号并且参考信号是期望的白噪声的情况下，自适应滤波器可以通过对不期望的背景信号进行滤波来去除不期望的背景信号。
此外，通过适当地设置自适应滤波器的遗忘因子(forgetting factor)，背景信号去除部52h可以提取通过在频率轴上对长时间的平均背景信号进行滤波所获得的信号的频率分布。在用于更新滤波器系数的计算中使用该遗忘因子，从而随着过去数据(滤波器系数)进一步远离当前数据(滤波器系数)，使过去数据的影响呈指数减轻，并且随着过去数据(滤波器系数)更接近当前数据，使过去数据的影响呈指数增加。遗忘因子是小于1的正数，并且例如是从约为0.95～0.99的范围中所选择的。
认识部52e进行如下的认识处理：基于通过利用滤波器组5a进行滤波并利用标准化部52d进行标准化所获得的标准化强度在频域中的分布来检测人体的各动作。在这方面，“检测”的含义包括“分类”、“认识”和“识别”。
认识部52e例如通过进行基于主成分分析的模式识别处理来检测人体的各动作。该认识部52e根据使用主成分分析的认识算法进行工作。为了使这种认识部52e进行工作，信号处理部52预先获得在传感器部51的检测区域中不存在人体的情况的学习数据和与人体的不同动作(例如，进入和退出、坐下)分别相对应的学习数据(学习)。此外，信号处理部52将通过对这些学习数据进行主成分分析所获得的样本数据预先存储在数据库装置52i中。在这方面，预先存储在数据库装置52i中的样本数据可以包括模式识别所使用的数据，其中该数据表示使物体的运动、投影矢量和判断边界值彼此相关联的分类数据。注意，根据与进入和退出房间相对应的学习数据所得到的样本数据与第一样本数据相对应。根据与坐下相对应的学习数据所得到的样本数据与第二样本数据相对应。
为了便于说明，假定图9A示出与在传感器部51的检测区域中不存在人体的情况的样本数据相对应的标准化强度在频域中的分布。另外，图9B示出与该检测区域中所存在人体的预定动作的样本数据相对应的标准化强度在频率中的分布。在图9A中，按从低频侧起的顺序，利用m10、m20、m30、m40和m50来表示穿过各滤波器组5a的信号的标准化强度。在图9B中，按从低频侧起的顺序，利用m11、m21、m31、m41和m51来表示穿过各滤波器组5a的信号的标准化强度。在图9A和图9B各自中，将穿过低频侧的三个滤波器组5a的信号的标准化强度的总和定义为变量m1，并且将穿过高频侧的两个滤波器组5a的信号的标准化强度的总和定义为变量m2。简言之，在图9A中，m1等于m10+m20+m30，并且m2等于m40+m50。此外，在图9B中，m1等于m11+m21+m31，并且m2等于m41+m51。
为了假想地说明具有表示m1和m2这两个变量的正交坐标轴的二维散布图、投影轴和认识边界，图9C示出这三者的二维图。在图9C中，利用μ0(m2,m1)来表示虚线所包围的区域内的各散布点(图9C中的“+”)的坐标位置，并且利用μ1(m2,m1)来表示实线所包围的区域内的各散布点(图9C中的“+”)的坐标位置。在主成分分析中，预先确定与在传感器部51的检测区域中不存在人体的情况的样本数据相对应的数据组Gr0和与该检测区域中所存在的人体的预定动作的样本数据相对应的数据组Gr1。此外，在主成分分析中，在图9C中，确定投影轴，以满足如下的条件：使通过将虚线和实线所包围的区域内的各散布点投影到投影轴上所获得的数据的(利用虚线和实线示意性示出的)分布的平均值之间的差最大的条件；以及使分布的方差最大的另一条件。因而，在主成分分析中，可以针对各样本数据获得投影矢量。
认识部52e尝试基于标准化部52d进行标准化后的各标准化强度的频域分布来检测物体。在这种情况下，认识部52e进行如下的认识处理：基于样本数据与被视为标准化部52d标准化后的各标准化强度的频域分布的检测数据之间的比较来检测人体的预定动作。认识部52e从数据库装置52i中检索与要检测的动作相对应的样本数据，并且将所检测到的样本数据用在认识处理中。
此外，信号处理部52包括输出部52m，其中该输出部52m被配置为输出来自认识部52e的检测结果。在认识部52e识别出人体的预定动作的情况下，输出部52m输出表示检测到人体的预定动作的输出信号。在认识部52e在检测区域内没有识别出人体的情况下，输出部52m输出为表示尚未检测到要检测的物体的输出信号。
在图1中，信号处理部52的除放大部52a、A/D转换部52b、输出部52m和数据库装置52i以外的组件可以通过微计算机进行适当程序来实现。
优选地，信号处理部52使得能够根据从外部输入的设置来改变上述的判断边界值。因此，信号处理部52可以根据使用用途来调整所要求的失报率和误报率。
在上述的信号处理部52中，频率分析部52将从A/D转换部52b输出的传感器信号(时间轴信号)转换成频域信号，并且从频域信号中提取作为频带不同的滤波器组5a的群中的各滤波器组5a的信号。认识部52e进行如下的认识处理：基于样本数据和被视为根据各滤波器组5a的信号的信号强度所确定的频率分布的检测数据之间的比较来检测人体的预定动作。
即使在传感器信号具有进行诸如DCT等的频率分析的短的时间段(例如，数十ms)的情况下，传感器信号也表现出针对人体的各动作有所不同的特有频率分布(频域中的统计分布)。在使用该频率分布的特征来进行人体的动作的检测的情况下，信号处理部52可以分离并识别出在频率分布方面有所不同的动作。因此，信号处理部52可以减少由于检测到对象的不期望动作所引起的误检测的可能性。总之，信号处理部52可以分离并检测在根据分别穿过多个滤波器组5a的信号的强度所计算出的频率分布方面从统计上不同的各动作，因而可以减少误检测的可能性。
此外，在使用FFT的滤波器组5a中，在一些情况下，需要在FFT处理之前进行用于将预定窗函数与传感器信号相乘的处理，从而抑制期望频带(通带)外的副瓣(side-lobe)。例如，可以从矩形窗、高斯窗、汉宁窗和汉明窗中选择窗函数。作为对比，在使用DCT的滤波器组5a中，无需使用窗函数。因此，可以利用简单的数字滤波器来实现窗函数。
此外，使用DCT的滤波器组5a是基于实数的计算的处理，而使用FFT的滤波器组5a是基于复数的计算(即，强度和相位的计算)的处理，因而根据使用DCT的滤波器组5a，可以减少计算量。此外，在处理点相同的DCT和FFT之间进行比较的情况下，DCT的频率分辨率是FFT的频率分辨率的一半。因而，根据DCT，可以使诸如数据库装置52i等的硬件资源小型化。例如，在信号处理部52中，在A/D转换部52b的采样率为128/秒(例如，采样频率为1kHz)的情况下，DCT区间5b的宽度为4Hz，而FFT区间5b的宽度为8Hz。注意，这些数值仅是示例，并且并不意图进行限制。
认识部52e可被配置为基于利用主成分分析的模式识别处理来检测物体，或者可被配置为基于另一模式识别处理来检测物体。例如，认识部52e可被配置为基于利用KL变换的模式识别处理来检测物体。在信号处理部52被配置成认识部52e进行利用主成分分析的模式识别处理或者利用KL变换的模式识别处理的情况下，可以减少认识部52e处的计算量和数据库装置52i的容量。
另外或可选地，认识部52e可以进行如下的认识处理：基于样本数据与被视为从标准化部52d输出的各滤波器组5a的信号的标准化强度的成分比的检测数据之间的比较来检测人体的预定动作。
这种认识部52e例如可被配置为通过进行基于多元回归分析的认识处理来检测人体的预定动作。在这种情况下，认识部52e根据使用多元回归分析的认识算法来进行工作。
为了使用这种认识部52e，预先获得(学习)与传感器部51的检测区域内的人体的不同动作相对应的学习数据。预先将通过对学习数据进行多元回归分析所获得的样本数据存储在数据库装置52i中。图10示出通过对信号成分s1、信号成分s2和信号成分s3进行合成所得到的合成波形Gs。根据多元回归分析，即使在信号成分s1、s2和s3的类型、信号成分的数量、以及信号成分s1、s2和s3的强度是未知的情况下，也可以通过假定将该合成波形Gs分离成信号成分s1、s2和s3。在图10中，[S]表示矩阵元素是信号成分s1、s2和s3的矩阵，[S]-1表示[S]的逆矩阵，并且“I”表示标准化强度的成分比(系数)。在这方面，数据库装置52i中预先存储的样本数据用作认识处理中所使用的样本数据，并且是使人体的动作与信号成分s1、s2和s3相关联的数据。
图11A示出横轴表示时间且纵轴表示标准化强度。图11A示出A1，其中该A1表示在检测区域内人体进行预定动作的情况下、从标准化部52d输出的标准化强度在时间轴上的(与上述合成波形Gs相对应的)数据。此外，图11A还示出作为通过多元回归分析而从数据A1分离得到的信号成分A2和A3。在这方面，信号成分A2是根据人的预定动作所推导出的信号成分，并且信号成分A3是根据其它物体的运动所引起的信号成分。
认识部52e进行如下的认识处理：基于样本数据与被视为从标准化部52d输出的各滤波器组5a的信号的标准化强度的成分比(A2:A3)的检测数据之间的比较来检测人体的预定动作。认识部52e从数据库装置52i中检索与要检测的动作相对应的样本数据，并且将所检索到的样本数据用在认识处理中。
例如，图11B示出输出部52m的输出信号。在A2大于A3的情况下，认识部52e识别出人体进行预定动作，因而输出部52m的输出信号具有高电平(例如，与“1”相对应)。在除A2大于A3以外的情况下，认识部52e识别出人体没有进行预定动作，因而输出部52m的输出信号具有低电平(例如，与“0”相对应)。如通过图11B显而易见，确认为可以减少由于人体的预定动作以外所引起的误检测的可能性。
优选地，信号处理部52使得能够根据从外部输入的设置来改变上述判断条件(A2>A3)。例如，优选地，将判断条件设置为A2>α×A3，并且使得能够根据从外部输入的设置来改变系数α。因此，信号处理部52可以根据使用用途来调整所要求的失报率和误报率。
注意，认识部52e可以基于上述的频率分布的特征和标准化强度的成分比来检测检测人体的动作。因此，信号处理部52可以使得利用认识部52e的识别精度提高。
此外，信号处理部52可被配置为：仅在利用标准化部52d的标准化之前的预定多个滤波器组5a的信号成分的强度的总和为阈值以上的情况下，才使得认识部52e能够进行认识处理或将利用认识部52e的认识结果视为有效。可选地，信号处理部52可被配置为：仅在利用标准化部52d的标准化之前的预定多个滤波器组5a的信号成分的强度的加权总和为阈值以上的情况下，才使得认识部52e能够进行认识处理或将利用认识部52e的认识结果视为有效。
图12A和12B涉及如下示例：按从低频侧起的顺序，利用m1、m2、m3、m4和m5来表示利用标准化部52d标准化之前的各滤波器组5a的信号的强度。图12A示出强度的总和[m1+m2+m3+m4+m5]为阈值E1以上的示例。图12B示出强度的总和[m1+m2+m3+m4+m5]小于阈值E1的示例。
因此，信号处理部52可以减少误检测的可能性。例如，认识部52e被配置为基于根据信号成分的标准化强度所得到的频率分布来检测人体的预定动作。在这种情况下，在检测区域内实际没有发生人体的预定动作但输入了背景噪声时，存在如下可能性：认识部52e判断为此时信号强度的频率分布的特征类似于在检测区域内发生了人体的预定动作的情况的频率分布的特征，因而导致误检测。有鉴于此，为了抑制误检测的可能性，信号处理部52基于标准化前的信号强度来判断是否进行认识处理。
此外，可以将利用标准化部52d的标准化之前的预定多个滤波器组5a视为一个滤波器组群5c(参见图13)。在这种情况下，信号处理部52可以针对多个滤波器组群5c中的各滤波器组群，判断标准化前的信号成分的强度的总和或加权总和是否为阈值E2以上。更具体地，信号处理部52可被配置为仅在针对任意的滤波器组群5c、标准化前的信号成分的强度的总和为阈值E2以上的情况下，才使得认识部52e能够进行认识处理或将利用认识部52e的认识处理的结果视为有效。或者，信号处理部52可被配置为仅在针对所有的滤波器组群5c、标准化前的信号成分的强度的总和或加权总和为阈值E2以上的情况下，才使得认识部52e能够进行认识处理或将利用认识部52e的认识处理的结果视为有效。以下参考图14所示的流程图来说明包括该判断处理的一系列处理。注意，以下将短语“标准化前的信号成分的强度的总和或加权总和”缩写为标准化前的信号成分的强度的总和。
首先，A/D转换部52b进行如下的A/D转换处理(X1)：将放大部52a放大后的传感器信号转换成数字传感器信号并输出该数字传感器信号。接着，频率分析部52c进行如下的滤波器组处理：通过DCT处理将从A/D转换部52b输出的传感器信号转换成频域信号(频率轴信号)(X2)，并且提取各滤波器组5a的信号(X3)。例如，在具有128个点的DCT的情况下，考虑了将128个频率区间5b分割成5个频率区间5b的束并由此获得25个滤波器组5a。
接着，例如，如图13所示，关于低频侧和高频侧的两个滤波器组群5c中的各滤波器组群，信号处理部52计算构成滤波器组群5c的多个滤波器组5a的标准化前的信号强度的总和。之后，信号处理部52进行如下的阈值判断处理(X4)：针对滤波器组群5c中的各滤波器组群5c，判断信号强度的总和是否为阈值E2以上。
在任意的滤波器组群5c的信号强度的总和为阈值E2以上的情况下，信号处理部52判断为从传感器部51输出的传感器信号的振幅大、因此根据背景噪声得到传感器信号的可能性低，并且进行利用标准化部52d的标准化处理(X5)。简言之，标准化部52d对穿过各滤波器组5a的信号的强度进行标准化并且输出标准化强度。
之后，信号处理部52的认识部52e进行如下的认识处理(X6)：识别通过标准化所获得的多个滤波器组5a的各频率成分的信号强度的分布的特征，并且判断该特征是否是根据人体的预定动作所推导出的。在认识部52e识别出人体的预定动作的情况下，输出部52m进行用于输出检测信号的输出处理(X7)。
另一方面，在所有的滤波器组群5c中的各信号强度的总和小于阈值E2的情况下，信号处理部52判断为从传感器部51输出的传感器信号的振幅小、因此根据背景噪声得到传感器信号的可能性高。在判断为根据背景噪声得到传感器信号的可能性高的情况下，信号处理部52不进行包括利用标准化部52d的标准化处理的后续处理(X5～X7)。
如上所述，本实施例的坐便器装置1和坐便座装置12包括上述的人体检测器5，因而可以抑制与人体的动作不同的背景噪声(例如，源自于商用电源的噪声、坐便器装置1的机械信号、便盆部11a内的水面的变动和照明器具的噪声)的不期望的影响。
结果，使用上述的人体检测器5的坐便器装置1和坐便座装置12可以在抑制误检测的同时，精确地检测人体的各种动作(例如，使用者进入和退出洗手间以及坐在坐便座12b上和从坐便座12b离开)。
以下参考图15来说明使用人体检测器5的检测结果的控制器6的操作。
最初，在洗手间内不存在人、并且人体检测器5在洗手间内没有检测到人体的情况下，坐便器装置1的控制器6以等待模式进行工作。处于等待模式的控制器6控制冲洗装置11c以将便盆部11a内所储存的水位设置为低水位，控制照明控制装置11g以熄灭洗手间内的照明器具，并且控制开闭装置11h以使坐便座12b和坐便盖12c处于关闭状态。此外，处于等待模式的控制器6终止局部清洗装置11d和清洁剂供给装置11f的操作。
在人体检测器5检测到进入洗手间的人体的情况下，控制器6从等待模式转变为存在模式(J1)。在从等待模式转变为存在模式之后，控制器6控制照明控制装置11g以点亮洗手间内的照明，并且控制开闭装置11h以使坐便盖12c处于打开状态、或者使坐便座12b和坐便盖12c处于打开状态。另外，在检测到进入洗手间之后，认识部52e选择存在模式所用的值(第一阈值)作为上述的阈值判断处理中所使用的阈值E2(或阈值E1)。
在人靠近坐便器11、然后人体检测器5检测到在紧挨着传感器部51(天线51c和51d)附近人体停止的情况下，人体检测器5判断为人体坐在坐便座12b上，然后控制器6从存在模式转变为坐下模式(J2)。在检测到坐下之后，认识部52e选择坐下模式所用的值(第二阈值)作为上述的阈值判断处理中所使用的阈值E2(或阈值E1)。
在信号处理部52识别出从存在模式转变为坐下模式的情况下，频率分析部52c进行坐下模式所用的处理。然后，呼吸检测部52j基于频率分析部52c的分析结果来判断坐在坐便座12b上的人体的呼吸状态。换句话说，呼吸检测部52j尝试检测人体的微动作(J3)。
在坐下模式中，频率分析部52c执行图16所示的平均值去除部521和525、带通滤波器522和526、微分器523和527、低通滤波器524和528、以及相位比较器529的各功能。
频率分析部52c使用从接收部51e输出的作为传感器信号的I相成分Yi1(同相)和Q相成分Yq1(正交相)的两个信道的信号。
平均值去除部521对I相成分Yi1进行平均值去除处理以得到I相成分Yi2(参见图17A)。I相成分Yi2由仅使得预定频带成分能够通过的带通滤波器522进行滤波，并且经过微分器523所进行的微分处理，然后由低通滤波器524进行滤波。因而，得到I相成分Yi3(参见图17B)。将该I相成分Yi3输入至相位比较器529。
平均值去除部525对Q相成分Yq1进行平均值去除处理以得到Q相成分Yq2(参见图17A)。Q相成分Yq2由仅使得预定频带成分能够通过的带通滤波器526进行滤波，并且经过微分器527所进行的微分处理，然后由低通滤波器528进行滤波。因而，得到Q相成分Yq3(参见图17B)。将该Q相成分Yq3输入至相位比较器529。
相位比较器529计算I相成分Yi3和Q相成分Yq3之间的相位差φ1(参见图18)，并且基于该相位差φ1来生成表示吸入的吸气状态的吸气信号Yi4和表示呼出的呼气状态的呼气信号Yq4(参见图17C)。在图18中，相位差φ1大于0表示吸气状态，并且相位差φ1小于0表示呼气状态。注意，作为相位差φ1的时间微分的值[dφ1/dt]表示多普勒频率。
呼吸检测部52j尝试基于吸气信号Yi4和呼气信号Yq4的发生模式来检测坐下的人的呼吸。即使在坐下的人体保持静止状态的情况下，只要呼吸检测部52j检测到呼吸(即，检测到人体的微动作)，认识部52e也仍可以检测到人体坐下。
在转变为坐下模式之后、呼吸检测部52j检测到呼吸的情形持续了预定时间段的情况下，处于坐下模式的控制器6控制冲洗装置11c以将便盆部11a中所储存的水位从低水位改变为高水位。可选地，处于坐下模式的控制器6可以控制冲洗装置11c以将便盆部11a中所储存的水位暂时改变为中水位，然后再改变为高水位。另外，处于坐下模式的控制器6控制清洁剂供给装置11f以将清洁剂混入冲洗水，从而提高便盆部11a的冲洗效果。
在认识部52e继续认识处理、认识部52e检测到人体的大动作、并且呼吸检测部52j没有检测到呼吸的情况下，处于坐下模式的控制器6判断为人体从坐便座12b离开。然后，控制器6从坐下模式转变为存在模式(J4)。在检测到离开之后，认识部52e选择存在模式所用的值作为上述的阈值判断处理中所使用的阈值E2(或阈值E1)。在从坐下模式转变为存在模式之后，在局部清洗装置11d处于使用中的情况下，控制器6停止向清洗喷嘴11e供给水并且收纳清洗喷嘴11e。另外，在从坐下模式转变为存在模式起经过了固定时间段之后，控制器6控制冲洗装置11c以冲洗便盆部11a。
在人体检测器5检测到人体退出洗手间的情况下，处于存在模式的控制器6从存在模式转变为等待模式(J5)。在从存在模式转变为等待模式之后，控制器6控制照明控制装置11g以熄灭洗手间的照明，并且控制开闭装置11h以使坐便座12b和坐便盖12c处于关闭状态。另外，在检测到退出洗手间之后，认识部52选择等待模式所用的值作为上述的阈值判断处理中所使用的阈值E2(或阈值E1)。
另外，信号处理部52还包括测距部52k，其中该测距部52k被配置为基于频率分析部52c的输出来测量到人体的距离。此外，信号处理部52包括方向检测部52l，其中该方向检测部52l被配置为基于频率分析部52c的输出来检测人体的移动方向(接近或远离)。
图19A～图21D示出测距部52k的简要操作。
最初，传感器部51的发送控制部51a重复进行用于使从发送部51b发送来的电波(发送信号)的频率fs先上升然后下降的扫频处理。发送信号的频率fs依赖于变化宽度Δfa、中心频率fo1和扫频周期T1(参见图19A)。
接收部51e在时间T2＝2W/C(其中：W表示传感器部51和人体之间的距离，并且C表示光速)之后接收到反射波(接收信号)(参见图19A)。该接收信号的频率fr与发送信号的频率fs同样地依赖于变化宽度Δfa和扫频周期T1。此外，接收信号的中心频率为fo2＝[fo1+{(2*fo1*Vr)/C}]，其中Vr表示人体的接近速度。
接收部51e生成具有与等于发送信号的频率fs和接收信号的频率fr之间的差相等的频率fb的差频信号，并且输出该差频信号(参见图19B)。
在发送信号的频率fs和接收信号的频率fr这两者都上升的情况下，通过以下关系给出差频信号的频率fb：fb＝fb1＝[(4*Δfa*W)/(C*T1)]-[(2*fo1*Vr)/C]。在上述公式中，第一项示出表示从人体检测器5到人体的距离的位置信息，并且第二项示出表示人体接近人体检测器5的速度的速度信息。
在发送信号和接收信号这两者的频率都下降的情况下，通过以下关系给出差频信号的频率fb：fb＝fb2＝[(4*Δfa*W)/(C*T1)]+[(2*fo1*Vr)/C]。在上述公式中，第一项示出表示从人体检测器5到人体的距离的位置信息，并且第二项示出表示人体接近人体检测器5的速度的速度信息。
频率分析部52c对差频信号(参见图20)进行频率分析处理。图21A～图21D示出频率分析部52c进行了频率分析处理的差频信号的波形。按图21A→图21B→图21C→图21D的顺序的波形的变化表示人体接近人体检测器5。
测距部52k基于经过了频率分析处理的差频信号来测量从传感器部51到人体的距离。认识部52e与测距部52k所生成的距离信息(测量结果)相组合地进行认识处理，如此可以确定人体的位置。因此，认识部52e可以精确地识别并认识人体的各动作。
另外，方向检测部52l基于频率分析部52c的输出来确定人体的移动方向(接近和远离)。认识部52e与方向检测部52l所给出的方向信息相组合地进行认识处理，如此可以精确地识别并认识人体的各动作。方向检测部52l可以通过与呼吸检测部52j相同的处理或者利用距离信息之间的差异来判断人体的移动方向。
另外，坐便器装置1可以具有用于考虑到洗手间的大小来根据外部输入设置对人体的动作进行检测的范围的外部设置功能。
优选地，传感器部51(发送天线51c、接收天线51d)安装于坐便座12b的坐下侧。例如，优选地，传感器部51设置于位于坐在坐便座12b上的人体的背面侧的坐便座本体12a。在坐在坐便座12b上的人体的背面侧设置有用于储存要供给至坐便器11内的水的冲洗水箱的情况下，优选传感器部51设置于冲洗水箱。
优选地，发送天线51c和接收天线51d各自被配置成其天线面沿垂直方向或被视为垂直的方向延伸。此外，发送天线51c和接收天线51d的天线面的方面可以根据等待模式、存在模式和坐下模式中的所选择模式而改变。在这种情况下，可以提高人体的动作的检测灵敏度。
上述的人体检测器5可以不限于包括在坐便座装置12中，还可以包括在坐便器装置1或远程控制器3中。
(总结)
(1)如上所述，坐便座装置12包括：坐便座本体12a(本体)，其放置在坐便器11上；坐便座12b，其以能够开闭的方式安装至坐便座本体12a；以及人体检测器5，其被配置为检测作为检测对象的人体。人体检测器5包括传感器部51，其中该传感器部51被配置为发送无线信号，并且接收被物体反射的无线信号，以输出与物体的运动相对应的传感器信号。人体检测器5还包括频率分析部52c。该频率分析部52c被配置为将传感器信号转换成频域信号，并且利用频带不同的多个滤波器组5a中的各滤波器组5a来从该频域信号中提取该滤波器组5a的信号。人体检测器5还包括认识部52e。该认识部52e被配置为进行认识处理，其中该认识处理用于将基于多个滤波器组5a各自的信号的信号的频率分布和基于多个滤波器组5a各自的信号的信号强度的成分比至少之一视为检测数据，并且基于该检测数据来检测人体的预定动作。人体检测器5还包括数据库装置52i，其中该数据库装置52i被配置为将与人体的预定动作相对应的频率分布和与人体的预定动作相对应的信号强度的成分比至少之一作为样本数据进行存储。认识部52e包括：第一检测功能，用于通过基于检测数据和样本数据之间的比较进行认识处理，来检测是否存在进入至少设置有坐便器11的空间的人体；以及第二检测功能，用于通过基于检测数据和样本数据之间的比较进行认识处理，来检测是否存在坐在坐便座12b上的人体。
根据该结构，坐便座装置包括能够在抑制误检测的同时精确地检测人体的各种动作的人体检测器。因而，坐便座装置可以提供精确地检测诸如进入和退出洗手间以及坐在坐便座上和从坐便座离开等的人体的各种动作的效果。
(2)在上述(1)所述的坐便座装置12的优选结构中，样本数据包括第一样本数据和第二样本数据。认识部52e被配置为在进行第一检测功能的情况下，使用第一样本数据，并且在进行第二检测功能的情况下，使用第二样本数据。
根据该结构，坐便座装置12可以在抑制误检测的同时、精确地检测人体的动作。
(3)在上述(1)或(2)所述的坐便座装置12的优选结构中，认识部52e被配置为在多个滤波器组5a的各信号强度的总和为阈值以上的情况下，进行认识处理或者将该认识处理的结果视为有效。该阈值包括第一阈值(存在模式所用的值)和与该第一阈值不同的第二阈值(坐下模式所用的值)。认识部52e被配置为在进行第一检测功能的情况下，使用第一阈值作为阈值，并且在进行第二检测功能的情况下，使用第二阈值作为阈值。
根据该结构，坐便座装置12可以在抑制误检测的同时、精确地检测人体的动作。
(4)在上述(1)～(3)中任一项所述的坐便座装置12的优选结构中，坐便座装置12还包括背景信号去除部52h，其中该背景信号去除部52h被配置为从分别穿过多个滤波器组5a的信号中去除背景信号。
根据该结构，坐便座装置12可以提供人体的检测精度的提高。
(5)在上述(1)～(4)中任一项所述的坐便座装置12的优选结构中，坐便座装置12还包括测距部52k，其中该测距部52k被配置为基于传感器信号来测量到人体的距离。认识部52e被配置为与测距部52k的测量结果相组合地进行认识处理。
根据该结构，认识部52e可以与测距部52k所生成的测量结果相组合地进行认识处理，由此可以确定人体的位置。因此，认识部52e可以精确地识别并认识人体的各动作。另外，可以去除来自期望区域的外部的不必要的信号。
(6)在上述(1)～(5)中任一项所述的坐便座装置12的优选结构中，坐便座装置12还包括方向检测部52l，其中该方向检测部52l被配置为基于传感器信号来检测人体的移动方向。认识部52e被配置为与方向检测部521的检测结果相组合地进行认识处理。
根据该结构，认识部52e可以与方向检测部521所检测到的移动方向相组合地进行认识处理，如此可以识别人体的存在。因此，认识部52e可以精确地识别并认识人体。
(7)在上述(1)～(6)中任一项所述的坐便座装置12的优选结构中，坐便座装置12还包括呼吸检测部52j，其中该呼吸检测部52j被配置为基于传感器信号来检测坐在坐便座12b上的人体的呼吸的状态。
根据该结构，坐便座装置12可以基于呼吸检测部52j所检测到的呼吸来检测人体的坐下。
(8)在上述(1)～(7)中任一项所述的坐便座装置12的优选结构中，传感器部51被设置成面对着坐在坐便座12b上的人体的背面。
根据该结构，坐便座装置12可以检测人体。
(9)在上述(1)～(8)中任一项所述的坐便座装置12的优选结构中，坐便座装置12还包括标准化部52d。标准化部52d被配置为利用频率分析部52c所提取的信号的强度的总和或者穿过多个滤波器组5a中的预定数量的滤波器组5a的信号的强度的总和，来对穿过多个滤波器组5a各自的信号的强度进行标准化以获得标准化强度。标准化部52d被配置为将进行了标准化的强度作为标准化强度输出。认识部52e被配置为进行如下的认识处理：基于根据从标准化部52d输出的多个滤波器组5a各自的标准化强度所确定的频率分布和标准化强度的成分比至少之一，来检测人体的预定动作。
根据该结构，坐便座装置12可以基于根据多个滤波器组5a各自的标准化强度所确定的频率分布和标准化强度的成分比至少之一，来检测人体的预定动作。
(10)坐便器装置1包括：根据上述(1)～(9)中任一项所述的坐便座装置12；以及坐便器11，其上设置有坐便座装置12的坐便座本体12a(本体)。
结果，坐便器装置1和坐便座装置12包括能够在抑制误检测的同时、精确地检测人体的各种动作的人体检测器5，如此可以精确地检测诸如进入和退出洗手间以及坐在坐便座上和从坐便座离开等的人体的各种动作。
(11)在上述(10)所述的坐便器装置1的优选结构中，坐便器装置1还包括控制器6，其中该控制器6被配置为基于人体检测器5的检测结果，来控制用于向坐便器11内喷出水的供水装置(冲洗装置11c和局部清洗装置11d)的操作。
根据该结构，坐便器装置1可以基于人体检测器5的检测结果来控制供水装置的操作。
(12)在上述(11)所述的坐便器装置1的优选结构中，坐便器装置1还包括冲洗水箱，其中该冲洗水箱用于储存要供给至坐便器11内的水。该冲洗水箱面对着坐在坐便座12b上的人体的背面。传感器部51设置于冲洗水箱。
根据本发明，坐便器装置1可以检测人体。

Claims (12)

1.一种坐便座装置，其特征在于，包括：
本体，其放置在坐便器上；
坐便座，其以能够开闭的方式安装至所述本体；以及
人体检测器，其被配置为检测作为检测对象的人体，
其中，所述人体检测器包括：
传感器部，其被配置为发送无线信号，并且接收被物体所反射的所述无线信号，以输出与所述物体的运动相对应的传感器信号；
频率分析部，其被配置为将所述传感器信号转换成频域信号，并且利用频带不同的多个滤波器组中的各滤波器组来从所述频域信号中提取该滤波器组的信号；
认识部，其被配置为进行认识处理，其中所述认识处理用于将基于所述多个滤波器组各自的信号的频率分布和基于所述多个滤波器组各自的信号的信号强度的成分比至少之一视为检测数据，并且基于所述检测数据来检测人体的预定动作；以及
数据库装置，其被配置为将与所述人体的预定动作相对应的频率分布和与所述人体的预定动作相对应的信号强度的成分比至少之一作为样本数据进行存储，
其中，所述认识部具有：
第一检测功能，用于通过基于所述检测数据和所述样本数据之间的比较进行所述认识处理，来检测是否存在进入至少安装有所述坐便器的空间的所述人体；以及
第二检测功能，用于通过基于所述检测数据和所述样本数据之间的比较进行所述认识处理，来检测是否存在坐在所述坐便座上的所述人体。
2.根据权利要求1所述的坐便座装置，其特征在于，
所述样本数据包括第一样本数据和与所述第一样本数据不同的第二样本数据，以及
所述认识部被配置为在进行所述第一检测功能的情况下使用所述第一样本数据，并且在进行所述第二检测功能的情况下使用所述第二样本数据。
3.根据权利要求1或2所述的坐便座装置，其特征在于，
所述认识部被配置为在所述多个滤波器组的各信号强度的总和为阈值以上的情况下，进行所述认识处理或者将所述认识处理的结果视为有效，
所述阈值包括第一阈值和与所述第一阈值不同的第二阈值，以及
所述认识部被配置为在进行所述第一检测功能的情况下使用所述第一阈值作为所述阈值，并且在进行所述第二检测功能的情况下使用所述第二阈值作为所述阈值。
4.根据权利要求1或2所述的坐便座装置，其特征在于，还包括背景信号去除部，所述背景信号去除部被配置为从穿过所述多个滤波器组的信号中去除背景信号，并且输出去除了所述背景信号的信号，
其中，所述认识部被配置为通过使用从所述背景信号去除部输出的信号来进行所述认识处理。
5.根据权利要求1或2所述的坐便座装置，其特征在于，还包括测距部，所述测距部被配置为基于所述传感器信号来测量相距所述人体的距离，并且输出所述距离作为测量结果，
其中，所述认识部被配置为与所述测距部的所述测量结果相组合地进行所述认识处理。
6.根据权利要求1或2所述的坐便座装置，其特征在于，还包括方向检测部，所述方向检测部被配置为基于所述传感器信号来检测所述人体的移动方向，并且输出所述移动方向作为检测结果，
其中，所述认识部被配置为与所述方向检测部的所述检测结果相组合地进行所述认识处理。
7.根据权利要求1或2所述的坐便座装置，其特征在于，还包括呼吸检测部，所述呼吸检测部被配置为基于所述传感器信号来检测坐在所述坐便座上的所述人体的呼吸的状态，并且输出所述人体的呼吸的状态作为检测结果，
其中，所述认识部被配置为与所述呼吸检测部的所述检测结果相组合地进行所述认识处理。
8.根据权利要求1或2所述的坐便座装置，其特征在于，
所述传感器部被设置成面对着坐在所述坐便座上的所述人体的背面。
9.根据权利要求1或2所述的坐便座装置，其特征在于，还包括标准化部，所述标准化部被配置为利用所述频率分析部所提取的信号的强度的总和或者穿过所述多个滤波器组中的预定数量的滤波器组的信号的强度的总和，来对穿过所述多个滤波器组各自的信号的强度进行标准化以获得标准化强度，并且输出所述标准化强度，
其中，所述认识部被配置为进行用于基于根据从所述标准化部输出的所述多个滤波器组各自的标准化强度所确定的频率分布和所述标准化强度的成分比至少之一来检测所述人体的预定动作的所述认识处理。
10.一种坐便器装置，其特征在于，包括：
根据权利要求1至9中任一项所述的坐便座装置；以及
所述坐便器，其上设置有所述坐便座装置的所述本体。
11.根据权利要求10所述的坐便器装置，其特征在于，还包括控制器，所述控制器被配置为基于所述人体检测器的检测结果来控制用于向所述坐便器内喷出水的供水装置的操作。
12.根据权利要求11所述的坐便器装置，其特征在于，还包括冲洗水箱，所述冲洗水箱用于储存要供给至所述坐便器内的水，其中所述冲洗水箱面对着坐在所述坐便座上的所述人体的背面，
其中，所述传感器部设置于所述冲洗水箱。
CN201480067412.5A 2013-12-13 2014-12-09 坐便座装置和坐便器装置 Active CN105828681B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013-258063 2013-12-13
JP2013258063 2013-12-13
PCT/JP2014/006130 WO2015087541A1 (ja) 2013-12-13 2014-12-09 便座装置、および便器装置

Publications (2)

Publication Number Publication Date
CN105828681A CN105828681A (zh) 2016-08-03
CN105828681B true CN105828681B (zh) 2018-06-15

Family

ID=53370869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480067412.5A Active CN105828681B (zh) 2013-12-13 2014-12-09 坐便座装置和坐便器装置

Country Status (6)

Country Link
US (1) US20170016221A1 (zh)
JP (1) JP6176336B2 (zh)
CN (1) CN105828681B (zh)
DE (1) DE112014005168B4 (zh)
TW (1) TWI590796B (zh)
WO (1) WO2015087541A1 (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6200883B2 (ja) 2011-04-29 2017-09-20 ユニヴァーシティー オブ サザン カリフォルニア ポリマー基質上の幹細胞由来網膜色素上皮細胞の低温保存方法
JP6671630B2 (ja) * 2015-10-01 2020-03-25 Toto株式会社 トイレ装置
EP3399331A1 (en) * 2015-12-28 2018-11-07 Panasonic Intellectual Property Management Co., Ltd. Sensor, and faucet device using sensor
JP2017143913A (ja) * 2016-02-15 2017-08-24 Toto株式会社 便座装置、及び、それを備えたトイレ装置
JP2017181318A (ja) * 2016-03-30 2017-10-05 Toto株式会社 センサ装置、及び、それを備えたトイレ装置。
JP6782438B2 (ja) * 2016-05-13 2020-11-11 パナソニックＩｐマネジメント株式会社 電波センサ、および電波センサを備える設備機器
JP6597490B2 (ja) 2016-06-21 2019-10-30 オムロン株式会社 電波式生体センサ
JP6800424B2 (ja) 2016-08-23 2020-12-16 Toto株式会社 トイレ装置
JP6620786B2 (ja) * 2017-06-02 2019-12-18 Toto株式会社 衛生洗浄装置
JP6665832B2 (ja) * 2017-06-02 2020-03-13 Toto株式会社 衛生洗浄装置
JP6669995B2 (ja) * 2017-06-02 2020-03-18 Toto株式会社 衛生洗浄装置
US10051414B1 (en) * 2017-08-30 2018-08-14 Cognitive Systems Corp. Detecting motion based on decompositions of channel response variations
TWI695240B (zh) 2017-09-25 2020-06-01 仁寶電腦工業股份有限公司 衛浴設備及其控制方法
JP2019120539A (ja) * 2017-12-28 2019-07-22 有限会社起福 トイレブース使用状況報知システム
JP6835781B2 (ja) * 2018-09-28 2021-02-24 株式会社タムラ製作所 生体情報検出装置
JP6835782B2 (ja) * 2018-09-28 2021-02-24 株式会社タムラ製作所 生体情報検出装置
CN109487876B (zh) * 2018-11-08 2021-02-09 南京皓赛米电力科技有限公司 一种马桶的智能识别检测方法及系统
WO2020120273A1 (en) * 2018-12-12 2020-06-18 Signify Holding B.V. A motion detector, a luminaire, a corresponding method
WO2020189785A1 (ja) * 2019-03-20 2020-09-24 京セラ株式会社 ガス検出システム
KR102193785B1 (ko) * 2019-04-10 2020-12-21 그린칩 주식회사 착좌 감지 장치
JP7323193B2 (ja) 2020-12-10 2023-08-08 Ｎｅｃプラットフォームズ株式会社 情報処理システム、情報処理装置、情報処理方法、及びプログラム
CN113653140A (zh) * 2021-08-13 2021-11-16 九牧厨卫股份有限公司 一种马桶自动冲水控制方法及系统和马桶
CN114360235A (zh) * 2022-01-12 2022-04-15 广东蓝水花智能电子有限公司 一种基于fmcw微波感应器的马桶座圈控制方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102445696A (zh) * 2011-09-14 2012-05-09 李飞宇 一种智能马桶的人体检测装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE199955T1 (de) * 1996-08-16 2001-04-15 Cws Int Ag Auslösung eines reinigungs-, lüftungs- und/oder desinfektionsvorganges
JP2001194450A (ja) * 2000-01-13 2001-07-19 Toto Ltd 可動体検知装置、トイレ装置、及びトイレ室
JP2001231716A (ja) * 2000-02-22 2001-08-28 Toto Ltd 可動体検知装置、及びトイレ装置
EP1428947B1 (en) 2001-08-30 2009-03-25 Toto Ltd. Flushing device with motion sensor
JP2006053069A (ja) * 2004-08-12 2006-02-23 Seiko Precision Inc 人体検知装置及び制御装置
JP2007101431A (ja) * 2005-10-06 2007-04-19 Seiko Precision Inc 人体検知装置及び制御装置
JP5674245B2 (ja) * 2011-03-31 2015-02-25 Toto株式会社 人体検知装置
JP5910987B2 (ja) 2012-01-06 2016-04-27 Toto株式会社 トイレ装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102445696A (zh) * 2011-09-14 2012-05-09 李飞宇 一种智能马桶的人体检测装置

Also Published As

Publication number Publication date
DE112014005168T5 (de) 2016-08-18
DE112014005168B4 (de) 2018-05-24
TW201540243A (zh) 2015-11-01
US20170016221A1 (en) 2017-01-19
JPWO2015087541A1 (ja) 2017-03-16
WO2015087541A1 (ja) 2015-06-18
TWI590796B (zh) 2017-07-11
JP6176336B2 (ja) 2017-08-09
CN105828681A (zh) 2016-08-03

Similar Documents

Publication Publication Date Title
CN105828681B (zh) 坐便座装置和坐便器装置
CN105814262B (zh) 水龙头装置
CN105101869B (zh) 用于识别坐姿与站姿之间的转变的方法和装置
CN105704300B (zh) 具数字麦克风的声音唤醒侦测装置及相关方法
CN110458248B (zh) 基于多测点振动信号的变压器异常状态检测方法
CN107237381B (zh) 卫生设备
Ueda et al. A method for recognizing living activities in homes using positioning sensor and power meters
JP3379617B2 (ja) 人体検知装置
JP2011237865A (ja) 生活空間の見守りシステム
CN107886103A (zh) 用于识别行为模式的方法、设备和系统
JP2011102783A (ja) 人体検知装置
JP5327699B2 (ja) 人体検知装置及びそれを備えた小便器
JP5267184B2 (ja) 人体検知装置及びそれを備えた小便器
CN109267894B (zh) 厨电设备及其控制方法
Ibarz et al. Design and evaluation of a sound based water flow measurement system
CN109487876B (zh) 一种马桶的智能识别检测方法及系统
CN108735231A (zh) 主旋律音高序列估计方法
JP6037279B2 (ja) 信号処理装置
JP2013142221A (ja) トイレ装置
JP2020086935A (ja) 浴室監視装置及び浴室監視方法
CN108628982A (zh) 基于粒子滤波的主旋律音高序列的粗略估计方法
KR100718749B1 (ko) 복소수 감마 통계 모델에 기초한 음성 검출 방법 및 음성검출기
CN109358118B (zh) 利用超声监测空间的方法、系统及介质
Ashiya et al. IOSES: An indoor observation system based on environmental sounds recognition using a neural network
JP4402405B2 (ja) 便器の着座検出装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant