CN115334968A - 入眠判定方法、入眠判定系统、空气调节机及程序 - Google Patents

Abstract

入眠判定方法包括：照度检测工序(步骤(S2)及步骤(S3))，检测室内的照度成为规定值以下的灭灯时间；灭灯时间存储工序(步骤(S4))，将照度检测工序检测到的灭灯时间及检测到该灭灯时间的时期存储；以及判定工序(步骤(S5)及步骤(S6))，基于由灭灯时间存储工序存储的灭灯时间及时期，判定在当前检测到的灭灯时间用户是否入眠了。

Description

入眠判定方法、入眠判定系统、空气调节机及程序

技术领域

本发明涉及判定用户的入眠的入眠判定方法、入眠判定系统、空气调节机及程序。

背景技术

例如，在专利文献1中，公开了检测室内的照度水平、基于其照度水平检测用户的入眠的入眠判定方法。

现有技术文献

专利文献

专利文献1：日本特开2012－202659号公报

发明内容

发明要解决的课题

顺便说一下，在上述的入眠判定方法中，在照度水平为规定值以下的情况下检测为入眠，但实际上实际状况是，由于伴随着照明操作的出入房间等而不能检测正确的入眠。

本发明的目的是提供一种能够进行正确性较高的入眠判定的入眠判定方法、入眠判定系统及程序。

用来解决课题的手段

有关本发明的一技术方案的入眠判定方法包括：照度检测工序，检测室内的照度成为规定值以下的灭灯时间；灭灯时间存储工序，将照度检测工序检测到的灭灯时间及检测到该灭灯时间的时期存储；以及判定工序，基于由灭灯时间存储工序存储的灭灯时间及时期，判定在当前检测到的灭灯时间用户是否入眠了。

此外，有关本发明的一技术方案的入眠判定系统包括：照度检测部，检测室内的照度成为规定值以下的灭灯时间；灭灯时间存储部，将上述照度检测部检测到的上述灭灯时间及检测到该灭灯时间的时期存储；以及判定部，基于由上述灭灯时间存储部存储的上述灭灯时间及上述时期，判定在当前检测到的灭灯时间用户是否入眠了。

此外，有关本发明的一技术方案的空气调节机具备：通信部，取得上述的入眠判定系统的判定部的判定结果；空气调节部，用来调整室内的温度；以及控制部，控制空气调节部；控制部基于通信部取得的判定部的判定结果，对空气调节部进行控制。

此外，有关本发明的一技术方案的程序使计算机执行上述入眠判定方法。

发明效果

根据有关本发明的一技术方案的入眠判定方法等，能够进行正确性更高的入眠判定。

附图说明

图1是表示有关实施方式的入眠判定系统的功能构成的框图。

图2是有关实施方式的学习处理的流程图。

图3是有关实施方式的判定处理的流程图。

图4是表示有关变形例的入眠判定系统的功能构成的框图。

具体实施方式

以下，使用附图对有关本发明的入眠判定方法等的实施方式详细地进行说明。另外，以下说明的实施方式都表示本发明的优选的一具体例。因而，在以下的实施方式中表示的数值、形状、材料、构成要素、构成要素的配置及连接形态、步骤、步骤的顺序等是一例，不是限定本发明的意思。

另外，为了本领域技术人员充分地理解本发明而提供附图及以下的说明，不是要由它们限定权利要求书所记载的主题。

此外，各图是示意图，并不一定严密地图示。此外，在各图中，对于实质上相同的构成赋予相同的标号，有将重复的说明省略或简略化的情况。

(实施方式)

[构成]

首先，对有关实施方式的入眠判定系统的构成进行说明。另外，在本实施方式中，例示对于空调(空气调节机)应用了入眠判定系统的情况。另外，入眠判定系统也可以对空调以外的电子设备应用。作为其他的电子设备，只要是能够将用户的入眠反映到自身的控制中的电子设备即可，例如可以举出电视机、空气净化器、加湿器、智能锁、扬声器、照明器具、窗帘的自动控制装置等。

图1是表示有关实施方式的入眠判定系统10的功能构成的框图。如图1所示，入眠判定系统10具有空调20和服务器30，通过将它们经由网络N连接而构成。

[空调]

空调20例如被设置在用户居住的住宅的一室中。空调20具备通信部21、照度计测部22、人感传感器23、空气调节部24和控制部25。

通信部21是连接在网络N上的通信模组，与照度计测部22、人感传感器23及控制部25连接。通信部21经由网络N将服务器30、照度计测部22、人感传感器23及控制部25通信自如地连接。

照度计测部22是检测设置有空调20的室内的照度的照度传感器。照度计测部22以规定的间隔(例如5分钟间隔)将计测出的室内的照度值输出。

人感传感器23是在设置有空调20的室内检测规定位置处的用户的有无的传感器。作为人感传感器23，只要是能够使用红外线、超声波、可视光的某一种检测室内的用户的存在位置的传感器，采用怎样的传感器都可以。人感传感器23将检测到的关于用户的有无的用户位置信息以规定的间隔(例如5分钟间隔)输出。人感传感器23也可以是与空调20分体。

空气调节部24是用来调整室内的温度的驱动部。控制部25是基于经由通信部21被从服务器30输入的判定结果对空气调节部24进行控制的微控制器。

[服务器]

服务器30是经由网络N与空调20通信自如地连接的服务器装置(计算机)。服务器30具备通信部31、照度计测值储存部32、人感传感器计测值储存部41、灭灯判定学习部33、灭灯判定部34、灭灯判定结果储存部35、最终灭灯判定学习部36、最终灭灯判定部37、最终灭灯判定结果储存部38、就寝判定等待学习部39和就寝判定部40。

另外，各学习部(灭灯判定学习部33、最终灭灯判定学习部36、就寝判定等待学习部39)将学习模型向各判定部(灭灯判定部34、最终灭灯判定部37、就寝判定部40)输出，各判定部通过对学习模型给出输入值而进行判定。各学习部具备的学习模型的种类没有被特别限定，例如只要使用机器学习即可。作为具体的模型，可以例示神经网络。此外，作为机器学习算法，例如单独或组合采用决策树、支持向量机(SVM)、k邻近法(kNN)、Random Forest(随机森林)、Gradient Boosting(梯度提升)等。此外，各学习部优选的是进行有教师的学习，但也可以是无教师的学习。

通信部31是连接在网络N上的通信模组，与照度计测值储存部32、灭灯判定部34、灭灯判定结果储存部35、最终灭灯判定部37、就寝判定部40和人感传感器计测值储存部41连接。通信部31经由网络N将空调20与照度计测值储存部32、灭灯判定部34、灭灯判定结果储存部35、最终灭灯判定部37、就寝判定部40及人感传感器计测值储存部41通信自如地连接。

照度计测值储存部32是将从空调20的照度计测部22经由网络N及通信部31输入的该照度计测部22的照度值作为日志储存的存储部。

人感传感器计测值储存部41是将从空调20的人感传感器23经由网络N及通信部31输入的该人感传感器23的检测结果作为日志储存的存储部。

灭灯判定学习部33基于储存在照度计测值储存部32中的照度值的日志，通过统计处理来学习设置有空调20的室内的房间是黑暗的状态还是明亮的状态。具体而言，灭灯判定学习部33将通常在夜间被考虑为灭灯中的时段(例如AM1：00－AM5：00)之中、在最长的时间中被计测到的照度值设为房间为黑暗的状态的照度值(第一照度值)。此外，灭灯判定学习部33将通常在夜间可能为入眠前的时段(例如PM8：00－AM4：00)之中、为第一照度值的紧接着之后的照度值且比第一照度值大的照度值中的除去累计件数倒数10％的照度值以外的照度值，设为房间为明亮的状态的照度值(第二照度值)。在累计件数倒数10％的照度值中，包括不是因照明的点灯带来的事例(例如通过门的开闭而室外的光射入到室内)等，所以通过将该累计件数倒数10％的照度值除去，能够提取起因于照明的点灯的照度值。另外，这里假设为累计件数倒数10％，但也可以设为其以外的任意的值。

灭灯判定部34从通信部31取得照度计测部22当前计测到的照度值，基于该照度值和灭灯判定学习部33所学习的学习模型，判定室内的灭灯时间。具体而言，灭灯判定部34将在第二照度值持续规定时间(例如5分钟～10分钟)以上后切换为第一照度值的时点(时刻)判定为室内的灭灯时间。即，在本实施方式中，灭灯判定学习部33和灭灯判定部34是判定室内的照度成为规定值(第一照度值)以下的灭灯时间的照度检测部的一例。另外，在本实施方式中，由于使用统计处理决定第一照度值及第二照度值，所以能够决定与该检测对象的环境对应的第一照度值及第二照度值。但是，第一照度值及第二照度值也可以是预先设定的固定值。即，在此情况下，由于即使不使用统计处理也能够检测灭灯时间，所以能够实现系统构成的简洁化。

灭灯判定结果储存部35是将灭灯判定部34判定出的灭灯时间、检测到该灭灯时间的时期、与在判定了该灭灯时间的时点从人感传感器23输出的用户位置信息建立关联，并作为日志储存的存储部。这里，在时期中包括星期、月、季节等。这样，灭灯判定结果储存部35是存储照度检测部检测到的灭灯时间及检测到灭灯时间的时期的灭灯时间存储部的一例。

最终灭灯判定学习部36基于存储在灭灯判定结果储存部35中的灭灯时间、时期及用户位置信息的日志，通过用学习模型进行处理，学习该灭灯时间中的灭灯是否是一天中的最终的灭灯。例如，最终灭灯判定学习部36分别使用多个机器学习算法，求出各机器学习算法的判定结果和其概率。

另外，在灭灯时间时的灭灯是否是一天中的最终的灭灯难以实时地判断，但例如如果在判定对象日的翌日确认该判定对象日的一天的数据，则容易判定在灭灯时间时的灭灯是否是最终的灭灯。最终灭灯判定学习部36也遵循在判定对象日的翌日判定的结果进行学习。

最终灭灯判定部37通过对最终灭灯判定学习部36求出的学习模型输入灭灯判定部34的判定结果，判定当前发生的灭灯是否是最终灭灯。具体而言，最终灭灯判定部37根据最终灭灯判定学习部36求出的多个判定结果及其概率，提取概率最高的判定结果，将其作为最终灭灯判定的结果采用。即，最终灭灯判定部37在将当前检测到的灭灯时间判定为最终灭灯的情况下，判定为进入到室内的用户入眠了。这样，最终灭灯判定学习部36及最终灭灯判定部37是通过将灭灯时间及时期进行学习模型处理来判定用户在当前检测到的灭灯时间是否入眠的判定部的一例。最终灭灯判定部37在判定是最终灭灯的情况下，将其判定结果从通信部31经由网络N向空调20输出。

最终灭灯判定结果储存部38是除了最终灭灯判定部37采用的判定结果及其概率以外，还将在求出该判定结果时被输入的灭灯时间、时期及用户位置信息建立关联而作为日志储存的存储部。

就寝判定等待学习部39在进行由最终灭灯判定部37做出的判定起经过规定时间后，将该最终灭灯判定部37的判定结果的概率、与其建立了关联的灭灯时间、时期及用户位置信息以及从检测到照明灭灯起的经过时间用通过机器学习得到的学习模型进行处理。

具体而言，就寝判定等待学习部39将在上述的机器学习中使用的各参数作为说明变量，并将在灭灯时间后是否再次有照明灭灯的标志作为目的变量。例如，对于每5分钟发送的照度计测部22的日志，如果在灭灯时间后再次有照明灭灯，则标志成为0，如果没有照明灭灯，则标志成为1。就寝判定等待学习部39基于说明变量，学习该标志是0还是1。就寝判定等待学习部39通过进行机器学习，制作出根据检测到照明灭灯的时段及从检测到照明灭灯起的经过时间计算用户是否入眠的概率的模型。此时，就寝判定等待学习部39例如使用Logistic Regression(逻辑回归)模型。

例如，灭灯时间的时段越晚，就寝判定等待学习部39将在现时点用户入眠了的概率设为越高而进行学习。此外，当前判定中的灭灯时间相对于紧接着之前的灭灯时间的判定概率越高，就寝判定等待学习部39将在现时点用户入眠了的概率设为越高而进行学习。此外，从检测到照明灭灯起的经过时间越长，就寝判定等待学习部39将在现时点用户入眠了的概率设为越高而进行学习。

就寝判定部40通过对于就寝判定等待学习部39求出的学习模型输入灭灯判定部34的判定结果和最终灭灯判定部37采用的判定结果的概率，判定在现时点用户是否入眠了。具体而言，就寝判定部40使用就寝判定等待学习部39求出的学习结果计算判定概率。就寝判定部40在判定概率为规定值以上的情况下，判定为在现时点用户入眠了。这样，就寝判定等待学习部39及就寝判定部40是在从由最终灭灯判定部37进行了判定起经过规定时间后，通过将灭灯时间及时期用学习模型进行处理，再判定从当前检测到的灭灯时间起经过规定时间后用户是否入眠的再判定部的一例。并且，就寝判定部40将自身的判定结果从通信部31经由网络N向空调20输出。另外，就寝判定部40的判定在由最终灭灯判定部37判定为最终灭灯的情况下不执行。

服务器30的处理部(照度计测值储存部32、灭灯判定学习部33、灭灯判定部34、灭灯判定结果储存部35、最终灭灯判定学习部36、最终灭灯判定部37、最终灭灯判定结果储存部38、就寝判定等待学习部39和就寝判定部40)例如由用来执行上述的处理的控制程序和执行该控制程序的CPU、RAM和ROM实现。这些各处理部也可以由1个或多个CPU实现。

[入眠判定方法]

接着，对由有关本实施方式的入眠判定系统10的服务器30执行的入眠判定方法进行说明。另外，入眠判定方法在服务器30中被作为程序保存。入眠判定方法包括学习处理和判定处理。

图2是有关实施方式的学习处理的流程图。如图2所示，在步骤S1中，照度计测值储存部32将从空调20的照度计测部22经由网络N及通信部31输入的该照度计测部22的照度值作为日志储存。

在步骤S2中，灭灯判定学习部33基于储存在照度计测值储存部32中的照度值的日志，通过统计处理对设置有空调20的室内的房间是黑暗的状态还是明亮的状态进行学习。

在步骤S3中，灭灯判定部34基于灭灯判定学习部33学习的内容，将在第二照度值持续规定时间(例如5分钟～10分钟)以上后切换为第一照度值的时点(时刻)判定为室内的灭灯时间。这样，步骤S2及步骤S3是检测室内的照度成为规定值以下的灭灯时间的照度检测工序的一例。

在步骤S4中，灭灯判定结果储存部35将灭灯判定部34判定的灭灯时间、检测到该灭灯时间的时期与在判定了该灭灯时间的时点从人感传感器23输出的用户位置信息建立关联，作为日志储存。这样，步骤S4是将照度检测工序检测到的灭灯时间及检测到该灭灯时间的时期存储的灭灯时间存储工序的一例。进而，步骤S4也是检测室内的规定位置处的用户的有无的用户检测工序的一例，是将用户检测工序检测到的关于用户的有无的用户位置信息存储的用户位置信息存储工序的一例。在本实施方式中，例示了在步骤S4中执行灭灯时间存储工序、用户检测工序及用户位置信息存储工序的情况，但这些各工序也可以独立地执行。

在步骤S5中，最终灭灯判定学习部36基于储存在灭灯判定结果储存部35中的灭灯时间、时期及用户位置信息的日志，通过用学习模型进行处理，对在该灭灯时间时的灭灯是否是一天中的最终的灭灯进行学习。

在步骤S6中，最终灭灯判定部37根据最终灭灯判定学习部36求出的多个判定结果及其概率，提取概率最高的判定结果，采用它作为最终灭灯判定的结果。这样，步骤S5及步骤S6是通过将由灭灯时间存储工序存储的灭灯时间及时期和在用户位置信息存储工序中存储的用户位置信息用学习模型进行处理，来判定在当前检测到的灭灯时间用户是否入眠了的判定工序的一例。

在步骤S7中，最终灭灯判定结果储存部38除了最终灭灯判定部37采用的判定结果及其概率以外，还将在求出该判定结果时输入的灭灯时间、时期及用户位置信息建立关联，作为日志储存。这样，步骤S7是存储判定工序的判定结果的判定结果存储工序的一例。

在步骤S8中，就寝判定等待学习部39在从由最终灭灯判定部37进行的判定起经过规定时间后，通过将该最终灭灯判定部37的判定结果的概率、与其建立了关联的灭灯时间、时期及用户位置信息、以及从检测到照明灭灯起的经过时间用学习模型进行处理而学习，结束学习处理。

接着，对判定处理进行说明。图3是有关实施方式的判定处理的流程图。如图3所示，在步骤S21中，灭灯判定部34取得从空调20的照度计测部22经由网络N及通信部31输入的该照度计测部22的照度值。

在步骤S22中，灭灯判定部34从通信部31取得照度计测部22当前计测的照度值，基于该照度值和灭灯判定学习部33求出的学习模型，判定室内的灭灯时间。此时，灭灯判定部34在不能判定灭灯时间的情况下转移到步骤S21，在能够判定的情况下转移到步骤S23。

在步骤S23中，最终灭灯判定部37通过对于最终灭灯判定学习部36求出的学习模型输入灭灯判定部34的判定结果，判定当前发生的灭灯是否是最终灭灯。步骤S23是判定工序的一例。此时，最终灭灯判定部37在不能判定最终灭灯的情况下转移到步骤S24，在能够判定的情况下转移到步骤S28。

在步骤S24中，灭灯判定部34取得从空调20的照度计测部22经由网络N及通信部31输入的该照度计测部22的照度值。

在步骤S25中，灭灯判定部34从通信部31取得照度计测部22当前计测的照度值，基于该照度值和灭灯判定学习部33求出的学习模型，判定室内的灭灯时间。此时，灭灯判定部34在不能判定灭灯时间的情况下转移到步骤S26，在能够判定的情况下转移到步骤S23。

在步骤S26中，灭灯判定部34基于在步骤S25中取得的照度值，判定当前室内是否是灭灯中。此时，灭灯判定部34在不能判定是灭灯中的情况下转移到步骤S24，在能够判定的情况下转移到步骤S27。

在步骤S27中，就寝判定部40通过对于就寝判定等待学习部39求出的学习模型输入灭灯判定部34的判定结果及最终灭灯判定部37采用的判定结果的概率，判定在现时点用户是否入眠了。这样，步骤S8及步骤S27是从在判定工序中进行了判定起经过规定时间后将由灭灯时间存储工序存储的灭灯时间及时期用学习模型进行处理，从而在从当前检测到的灭灯时间起经过规定时间后再判定用户是否入眠了的再判定工序的一例。此时，就寝判定部40在不能判定用户入眠了的情况下转移到步骤S24，在能够判定的情况下转移到步骤S28。

在步骤S28中，最终灭灯判定部37或就寝判定部40将自身的判定结果从通信部31经由网络N向空调20发送。即，步骤S28是在判定工序中判定为用户入眠了的情况下向室内的设备(空调20)发送控制信号的发送工序的一例。在空调20中，如果通信部21接收到最终灭灯判定部37或就寝判定部40的判定结果，则控制部25基于该判定结果对空气调节部24进行控制。即，在判定为用户入眠了的灭灯时间后，以适合于就寝的模式控制室内的温度。

[效果等]

如以上这样，有关实施方式的入眠判定方法包括：照度检测工序，检测室内的照度成为规定值以下的灭灯时间；灭灯时间存储工序，将照度检测工序检测到的灭灯时间及检测到该灭灯时间的时期存储；以及判定工序，基于由灭灯时间存储工序存储的灭灯时间及时期，判定在当前检测到的灭灯时间用户是否入眠了。

此外，有关实施方式的程序是使计算机执行上述入眠判定方法的程序。

此外，有关实施方式的入眠判定系统10包括：照度检测部(灭灯判定学习部33、灭灯判定部34)，检测室内的照度成为规定值以下的灭灯时间；灭灯时间存储部(灭灯判定结果储存部35)，将照度检测部检测到的灭灯时间及检测到该灭灯时间的时期存储；以及判定部(最终灭灯判定学习部36及最终灭灯判定部37)，基于由灭灯时间存储部存储的灭灯时间及时期，判定在当前检测到的灭灯时间用户是否入眠了。

这里，本发明的发明人例如对于将在照度检测工序中检测到的灭灯时间判定为用户的入眠时点的情况进行验证。在此情况下，大约以25％的比例发生了在比实际是一天的最终灭灯的时间(实际的用户的入眠时点)早的时点判定为用户入眠了的误判定。

在本实施方式中，在检测到室内的照度成为规定值以下的灭灯时间后，通过将灭灯时间及时期的日志用学习模型进行处理，判定在当前检测到的灭灯时间用户是否入眠了。由此，能够考虑过去的趋向来判定当前检测到的灭灯时间是否是一天的最终灭灯的时间、即是否是用户入眠的时点。在此情况下，根据本发明的发明人的验证，上述的误判定的比例被降低到大约10％左右。因而，能够进行正确性更高的入眠判定。

特别是，在本实施方式中，考虑检测到灭灯时间的时期来判定用户的入眠时点。时期如上述那样是星期、月、季节等，用户的生活习惯容易按照时期而不同。例如，在上班方式按照是星期几而不同的用户的情况下，有可能在每个星期几的入眠时点中呈现一定的趋向。此外，也可能存在在夏季入眠时点变晚、在冬季入眠时点变早的用户。如果这样考虑时期来判定入眠时点，则对于按照时期而生活习惯变化的用户能够更正确地判定入眠时点。另外，也可以对时期的特性中类似性较高的特性进行统计处理，将其内容反映到入眠时点判定中。

此外，有关实施方式的空调(空气调节机)具备：通信部21，取得上述的入眠判定系统10的判定部的判定结果；空气调节部24，用来调整室内的温度；以及控制部25，控制空气调节部24；控制部25基于通信部21取得的判定部的判定结果，对空气调节部24进行控制。

由此，能够将正确性较高的入眠判定反映到空气调节部24的控制中，所以能够在用户的入眠后更可靠地执行适合于就寝的模式。

此外，判定工序通过将由灭灯时间存储工序存储的灭灯时间及时期用学习模型进行处理，判定在当前检测到的灭灯时间上述用户是否入眠了。

由此，通过将由灭灯时间存储工序存储的灭灯时间及时期用学习模型进行处理，来判定在当前检测到的灭灯时间上述用户是否入眠了，所以能够更正确地判定用户的入眠。

此外，入眠判定方法包括：判定结果存储工序，存储判定工序的判定结果；以及再判定工序，从由判定工序进行了判定起经过规定时间后，通过将由灭灯时间存储工序存储的灭灯时间及时期用借助机器学习得到的学习模型进行处理，再判定从当前检测到的灭灯时间起经过规定时间后用户是否入眠了。

例如，在单单采用判定工序中的判定结果的情况下、即在不进行再判定工序的情况下，有可能持续判定为当前检测到的灭灯时间不是一天的最终灭灯，发生判定结果不确定的错误。根据本发明的发明人的验证，在不进行再判定工序的情况下，错误的比例为8％左右。

在本实施方式中，通过从由判定工序进行了判定起经过规定时间后将灭灯时间及时期的日志用借助机器学习得到的学习模型进行处理，再判定在当前检测到的灭灯时间用户是否入眠了。能够在从判定工序起经过规定时间后也考虑过去的趋向，判定当前检测到的灭灯时间是否是一天的最终灭灯的时间、即是否是用户入眠的时点。在此情况下，根据本发明的发明人的验证，上述的错误的比例被降低到约4％左右。因而，能够进行正确性更高的入眠判定。

此外，入眠判定方法包括：用户检测工序，检测室内的规定位置处的用户的有无；以及用户位置信息存储工序，存储用户检测工序检测到的关于用户的有无的用户位置信息；判定工序通过也包括由用户位置信息存储工序存储的用户位置信息而用借助机器学习得到的学习模型进行处理，判定在当前检测到的灭灯时间用户是否入眠了。

由此，在判定工序中，也包括用户位置信息而进行判定。即，由于考虑室内的用户的位置，判定在当前检测到的灭灯时间用户入眠了，所以能够进行正确性更高的入眠判定。例如能够抑制将用户在出房间时灭灯的灭灯时间误判定为入眠时点。

此外，入眠判定方法还包括在判定工序中判定为用户入眠了的情况下向室内的设备(空调20)发送控制信号的发送工序。

由此，能够将判定为用户入眠了的结果反映到室内的设备的控制中。因而，能够在用户的入眠后使设备执行适合于入眠的模式。

(其他实施方式)

以上，基于上述实施方式对有关本发明的入眠判定系统等进行了说明，但本发明并不限定于上述实施方式。

例如，在上述实施方式中，例示了包括用户检测工序和用户位置信息存储工序的入眠判定方法。但是，入眠判定方法也可以不包括用户检测工序和用户位置信息存储工序。

此外，在上述实施方式中，例示了包括判定结果存储工序和再判定工序的入眠判定方法。但是，入眠判定方法也可以不包括判定结果存储工序和再判定工序。

此外，在上述实施方式中，例示了照度计测值储存部32、灭灯判定学习部33、灭灯判定部34、灭灯判定结果储存部35、最终灭灯判定学习部36、最终灭灯判定部37、最终灭灯判定结果储存部38、就寝判定等待学习部39、就寝判定部40及人感传感器计测值储存部41设在服务器30中的情况。但是，它们也可以仅设在空调中，它们也可以分开设置在服务器和空调中。例如，在图4中表示了分开设置在服务器和空调中的情况下的一例。

图4是表示有关变形例的入眠判定系统10A的功能构成的框图。另外，在以后的说明中，有对于与上述实施方式相同的部分赋予相同的标号而省略其说明的情况。

如图4所示，在服务器30a中，与实施方式的情况相比，就寝判定部被去除，最终灭灯判定学习部36及就寝判定等待学习部39分别经由通信部31及网络N与空调20a的通信部21通信自如。在空调20a中，设有灭灯判定部26、最终灭灯判定部27和就寝判定部28，它们通过经由通信部21、网络N及通信部31从服务器30a的灭灯判定学习部33、最终灭灯判定学习部36和就寝判定等待学习部39接收学习模型，执行各判定。此外，人感传感器23与最终灭灯判定部27通信自如地连接。在如该变形例那样学习部和判定部设在不同的装置中的情况下也能够实现有关本发明的入眠判定系统。特别是，在本变形例中，灭灯判定部26由于从灭灯判定学习部33取得了学习模型，所以只要从照度计测部22取得当前的照度值即可。即，灭灯判定部36也可以不从照度计测值储存部32取得日志，所以能够抑制与服务器30a的通信负荷。

此外，在上述实施方式中，假设服务器30的各处理部(照度计测值储存部32、灭灯判定学习部33、灭灯判定部34、灭灯判定结果储存部35、最终灭灯判定学习部36、最终灭灯判定部37、最终灭灯判定结果储存部38、就寝判定等待学习部39、就寝判定部40)分别由CPU和控制程序实现而进行了说明。例如各个该处理部的构成要素也可以分别由1个或多个电子电路构成。1个或多个电子电路分别既可以是通用的电路，也可以是专用的电路。在1个或多个电子电路中，例如也可以包括半导体装置、IC(集成电路，Integrated Circuit)或LSI(大规模集成电路，Large Scale Integration)等。IC或LSI既可以集成在1个芯片，也可以集成在多个芯片。这里称作IC或LSI，但根据集成的程度而叫法变化，也可能称作系统LSI、VLSI(超大规模集成电路，Very Large Scale Integration)或ULSI(甚超大规模集成电路，Ultra Large Scale Integration)。此外，可以以相同的目的也使用在LSI的制造后编程的FPGA(现场可编程门阵列，Field Programmable Gate Array)。

此外，本发明的全局性或具体的形态也可以由系统、装置、方法、集成电路或计算机程序实现。或者，也可以由存储有该计算机程序的光盘、HDD(硬盘驱动器，Hard DiskDrive)或半导体存储器等的计算机可读取的非易失性的记录介质实现。此外，也可以由系统、装置、方法、集成电路、计算机程序及记录介质的任意的组合来实现。

除此以外，对于实施方式及变形例施以本领域技术人员想到的各种变形而得到的形态、或通过在不脱离本发明的主旨的范围内将实施方式的构成要素及功能任意地组合而实现的形态也包含在本发明中。

产业上的可利用性

本发明能够用于能够将用户的入眠反映到自身的控制中的电子设备等。

标号说明

10、10A 入眠判定系统

20、20a 空调

21、31 通信部

22 照度计测部

23 人感传感器

24 空气调节部

25 控制部

26、34 灭灯判定部(照度检测部)

27、37 最终灭灯判定部(判定部)

28、40 就寝判定部

30、30a 服务器

32 照度计测值储存部

33 灭灯判定学习部(照度检测部)

35 灭灯判定结果储存部(灭灯时间存储部)

36 最终灭灯判定学习部(判定部)

38 最终灭灯判定结果储存部

39 就寝判定等待学习部

41 人感传感器计测值储存部

N 网络

Claims (8)

1.一种入眠判定方法，

包括：

照度检测工序，检测室内的照度成为规定值以下的灭灯时间；

灭灯时间存储工序，将上述照度检测工序检测到的上述灭灯时间及检测到该灭灯时间的时期存储；以及

判定工序，基于由上述灭灯时间存储工序存储的上述灭灯时间及上述时期，判定在当前检测到的灭灯时间用户是否入眠了。

2.如权利要求1所述的入眠判定方法，

上述判定工序通过将由上述灭灯时间存储工序存储的上述灭灯时间及上述时期用学习模型进行处理，判定在当前检测到的灭灯时间上述用户是否入眠了。

3.如权利要求1或2所述的入眠判定方法，

还包括：

判定结果存储工序，存储上述判定工序的判定结果；以及

再判定工序，从由上述判定工序进行了判定起经过规定时间后，将由上述灭灯时间存储工序存储的上述灭灯时间及上述时期用借助机器学习得到的学习模型进行处理，从而再判定从当前检测到的灭灯时间起经过规定时间后上述用户是否入眠了。

4.如权利要求1～3中任一项所述的入眠判定方法，

包括：

用户检测工序，检测上述室内的规定位置处的上述用户的有无；以及

用户位置信息存储工序，存储上述用户检测工序检测到的关于上述用户的有无的用户位置信息；

上述判定工序通过也包括由上述用户位置信息存储工序存储的上述用户位置信息而用借助机器学习得到的学习模型进行处理，判定在当前检测到的灭灯时间上述用户是否入眠了。

5.如权利要求1～4中任一项所述的入眠判定方法，

还包括在上述判定工序中判定为上述用户入眠了的情况下向上述室内的设备发送控制信号的发送工序。

6.一种入眠判定系统，

包括：

照度检测部，检测室内的照度成为规定值以下的灭灯时间；

灭灯时间存储部，将上述照度检测部检测到的上述灭灯时间及检测到该灭灯时间的时期存储；以及

判定部，基于由上述灭灯时间存储部存储的上述灭灯时间及上述时期，判定在当前检测到的灭灯时间用户是否入眠了。

7.一种空气调节机，

具备：

通信部，取得权利要求6所述的入眠判定系统的上述判定部的判定结果；

空气调节部，用来调整室内的温度；以及

控制部，控制上述空气调节部；

上述控制部基于上述通信部取得的上述判定部的判定结果，对上述空气调节部进行控制。

8.一种程序，

使计算机执行权利要求1所述的入眠判定方法。

Images