JP2002230555A - 動きを検知する検知装置及び方法 - Google Patents
動きを検知する検知装置及び方法Info
- Publication number
- JP2002230555A JP2002230555A JP2001025202A JP2001025202A JP2002230555A JP 2002230555 A JP2002230555 A JP 2002230555A JP 2001025202 A JP2001025202 A JP 2001025202A JP 2001025202 A JP2001025202 A JP 2001025202A JP 2002230555 A JP2002230555 A JP 2002230555A
- Authority
- JP
- Japan
- Prior art keywords
- movement
- image
- learning
- cared person
- detecting
- 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.)
- Pending
Links
Landscapes
- Alarm Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
(57)【要約】
【課題】 本発明は、被対象物、特に被介護者の動きを
撮像し、撮像した被介護者の動きに関する画像を処理
し、被介護者の動きが正常動作であるか異常動作である
かを判断することができるように構成された被介護者の
動きを検知する検知装置を提供する。 【解決手段】 本発明の被対象物の動きを検知する検知
装置は、監視の対象となる被対象物の動きを撮像する撮
像手段と、撮像手段により撮像された被対象物の動きに
関する画像に基づき所定期間内の該被対象物の動きを学
習する学習手段と、撮像手段により撮像された被対象物
の動きに関する画像を入力し、入力した画像から、学習
手段により学習された所定期間内の該被対象物の動きに
基づき、被対象物の動きが正常であるか異常であるかを
判断する判断手段とを備えている。
撮像し、撮像した被介護者の動きに関する画像を処理
し、被介護者の動きが正常動作であるか異常動作である
かを判断することができるように構成された被介護者の
動きを検知する検知装置を提供する。 【解決手段】 本発明の被対象物の動きを検知する検知
装置は、監視の対象となる被対象物の動きを撮像する撮
像手段と、撮像手段により撮像された被対象物の動きに
関する画像に基づき所定期間内の該被対象物の動きを学
習する学習手段と、撮像手段により撮像された被対象物
の動きに関する画像を入力し、入力した画像から、学習
手段により学習された所定期間内の該被対象物の動きに
基づき、被対象物の動きが正常であるか異常であるかを
判断する判断手段とを備えている。
Description
【０００１】
【発明の属する技術分野】本発明は，コンピュータの画
像解析を利用した被対象物の動きを検知するための検知
装置及び検知方法に関し、特に、本発明は、被介護者の
動きを検知する検知装置及び検知方法に関する。
像解析を利用した被対象物の動きを検知するための検知
装置及び検知方法に関し、特に、本発明は、被介護者の
動きを検知する検知装置及び検知方法に関する。
【０００２】
【従来の技術】寝たきり老人等の被介護者のいる特別養
護老人ホーム、老人保健施設及び病院等の施設において
は、介護作業を行う人の負担が大きく、特に痴呆等によ
り一時も目を離せないケース等においては、他の作業に
も支障をきたす場合がある。そのような介護等における
問題を解決する装置の一例として、特開平１１−３４１
４７４号公報に記載されているような異常監視装置が知
られている。この異常監視装置は、被介護者を常時監視
することなく迅速に被介護者の異常を介護者に報知する
ことができるものである。この異常監視装置は、赤外光
を照射する赤外照明器具と、天井や壁面等に取付けられ
た撮像手段と、撮像手段により撮像された画像をその画
像より以前に撮像された画像と比較し、人体検知に必要
な情報を得るとともに、予め格納された人体検知のため
の知識をもとに、被介護者が動いているか静止している
かを判定する変化検知型画像処理部と、被介護者が動い
たと判定された後、被介護者が予め定めた静止異常検知
時間にわたって静止していると判定された場合に被介護
者に異常が生じたと判断する判定処理部を備えている。
護老人ホーム、老人保健施設及び病院等の施設において
は、介護作業を行う人の負担が大きく、特に痴呆等によ
り一時も目を離せないケース等においては、他の作業に
も支障をきたす場合がある。そのような介護等における
問題を解決する装置の一例として、特開平１１−３４１
４７４号公報に記載されているような異常監視装置が知
られている。この異常監視装置は、被介護者を常時監視
することなく迅速に被介護者の異常を介護者に報知する
ことができるものである。この異常監視装置は、赤外光
を照射する赤外照明器具と、天井や壁面等に取付けられ
た撮像手段と、撮像手段により撮像された画像をその画
像より以前に撮像された画像と比較し、人体検知に必要
な情報を得るとともに、予め格納された人体検知のため
の知識をもとに、被介護者が動いているか静止している
かを判定する変化検知型画像処理部と、被介護者が動い
たと判定された後、被介護者が予め定めた静止異常検知
時間にわたって静止していると判定された場合に被介護
者に異常が生じたと判断する判定処理部を備えている。
【０００３】
【発明が解決しようとする課題】上述した従来の異常監
視装置は、検知したい被介護者の異常状態は、被介護者
が転倒して動かなくなった状態やベッドや椅子等から転
落して動けなく立った状態に対応するものである。即
ち、この異常監視装置では、被介護者の動きが検知され
た後、被介護者の動きが急に静止するといった特定の状
態に対してのみ被介護者の動きの異常を検知するもので
ある。換言すると、上記従来の異常監視装置は、被介護
者の動きを検知し、その後、被介護者の動きが急に静止
した場合、即ち画像間に変化がなくなった場合にのみ、
被介護者が異常状態にあるとして検知する、というよう
に静止状態になった場合に、被介護者に異常が発生した
ものとして判断するような、非常に限定された状態にだ
けしか対応できないという問題点があった。
視装置は、検知したい被介護者の異常状態は、被介護者
が転倒して動かなくなった状態やベッドや椅子等から転
落して動けなく立った状態に対応するものである。即
ち、この異常監視装置では、被介護者の動きが検知され
た後、被介護者の動きが急に静止するといった特定の状
態に対してのみ被介護者の動きの異常を検知するもので
ある。換言すると、上記従来の異常監視装置は、被介護
者の動きを検知し、その後、被介護者の動きが急に静止
した場合、即ち画像間に変化がなくなった場合にのみ、
被介護者が異常状態にあるとして検知する、というよう
に静止状態になった場合に、被介護者に異常が発生した
ものとして判断するような、非常に限定された状態にだ
けしか対応できないという問題点があった。
【０００４】本発明は、上記従来の技術における問題点
に鑑みてなされたものであり、被対象物、特に被介護者
の動きを撮像し、撮像した被介護者の動きに関する画像
を処理し、被介護者の動きが正常動作であるか異常動作
であるかを判断することができるように構成された被介
護者の動きを検知する検知装置及び方法を提供すること
をその課題とする。
に鑑みてなされたものであり、被対象物、特に被介護者
の動きを撮像し、撮像した被介護者の動きに関する画像
を処理し、被介護者の動きが正常動作であるか異常動作
であるかを判断することができるように構成された被介
護者の動きを検知する検知装置及び方法を提供すること
をその課題とする。
【０００５】
【課題を解決するための手段】本発明の上記課題は、監
視の対象となる被対象物の動きを撮像する撮像手段と、
撮像手段により撮像された被対象物の動きに関する画像
に基づき所定期間内の被対象物の動きを学習する学習手
段と、撮像手段により撮像された被対象物の動きに関す
る画像を入力し、入力した画像から、学習手段により学
習された所定期間内の被対象物の動きに基づき、被対象
物の動きが正常であるか異常であるかを判断する判断手
段と、を備えていることを特徴する、被対象物の動きを
検知する検知装置によって達成される。
視の対象となる被対象物の動きを撮像する撮像手段と、
撮像手段により撮像された被対象物の動きに関する画像
に基づき所定期間内の被対象物の動きを学習する学習手
段と、撮像手段により撮像された被対象物の動きに関す
る画像を入力し、入力した画像から、学習手段により学
習された所定期間内の被対象物の動きに基づき、被対象
物の動きが正常であるか異常であるかを判断する判断手
段と、を備えていることを特徴する、被対象物の動きを
検知する検知装置によって達成される。
【０００６】また、本発明の上記課題は、監視の対象と
なる被対象物の動きを撮像する段階と、撮像した被対象
物の動きに関する画像に基づき所定期間内の被対象物の
動きを学習する段階と、撮像した被対象物の動きに関す
る画像を入力し、入力した画像から、学習した所定期間
内の被対象物の動きに基づき、被対象物の動きが正常で
あるか異常であるかを判断する段階と、を具備すること
を特徴する、被対象物の動きを検知する方法によって達
成される。
なる被対象物の動きを撮像する段階と、撮像した被対象
物の動きに関する画像に基づき所定期間内の被対象物の
動きを学習する段階と、撮像した被対象物の動きに関す
る画像を入力し、入力した画像から、学習した所定期間
内の被対象物の動きに基づき、被対象物の動きが正常で
あるか異常であるかを判断する段階と、を具備すること
を特徴する、被対象物の動きを検知する方法によって達
成される。
【０００７】更に、本発明の上記課題は、介護を要する
被介護者の動きを撮像する撮像手段と、撮像手段により
撮像された被介護者の動きに関する画像に基づき一定時
間内の被介護者の動きを学習する学習手段と、撮像手段
により撮像された被介護者の動きに関する画像を入力
し、入力した画像から、学習手段により学習された一定
時間内の被介護者の動きに基づき、被介護者の動きが正
常動作であるか異常動作であるかを判断する判断手段
と、判断手段により被介護者の動きが正常動作から逸脱
した動きとであると判断された場合に、被介護者の動き
が異常であることを介護者に通知する通知手段と、を備
えていることを特徴する、被介護者の動きを検知する検
知装置によって達成される。
被介護者の動きを撮像する撮像手段と、撮像手段により
撮像された被介護者の動きに関する画像に基づき一定時
間内の被介護者の動きを学習する学習手段と、撮像手段
により撮像された被介護者の動きに関する画像を入力
し、入力した画像から、学習手段により学習された一定
時間内の被介護者の動きに基づき、被介護者の動きが正
常動作であるか異常動作であるかを判断する判断手段
と、判断手段により被介護者の動きが正常動作から逸脱
した動きとであると判断された場合に、被介護者の動き
が異常であることを介護者に通知する通知手段と、を備
えていることを特徴する、被介護者の動きを検知する検
知装置によって達成される。
【０００８】本発明の上記課題は、介護を要する被介護
者の動きを撮像する段階と、撮像された被介護者の動き
に関する画像に基づき一定時間内の被介護者の動きを学
習する段階と、撮像された被介護者の動きに関する画像
を入力し、入力した画像から、学習された一定時間内の
被介護者の動きに基づき、被介護者の動きが正常動作で
あるか異常動作であるかを判断する段階と、被介護者の
動きが正常動作から逸脱した動きとであると判断された
場合に、被介護者の動きが異常であることを介護者に通
知する段階と、を具備することを特徴する、被介護者の
動きを検知する方法によって達成される。
者の動きを撮像する段階と、撮像された被介護者の動き
に関する画像に基づき一定時間内の被介護者の動きを学
習する段階と、撮像された被介護者の動きに関する画像
を入力し、入力した画像から、学習された一定時間内の
被介護者の動きに基づき、被介護者の動きが正常動作で
あるか異常動作であるかを判断する段階と、被介護者の
動きが正常動作から逸脱した動きとであると判断された
場合に、被介護者の動きが異常であることを介護者に通
知する段階と、を具備することを特徴する、被介護者の
動きを検知する方法によって達成される。
【０００９】
【発明の実施の形態】本発明の動きを検知する検知装置
では、学習手段は、所定期間内の被対象物の動きを正常
と判断する時間の最適値を遺伝的アルゴリズムにより算
出するように構成してもよい。本発明の動きを検知する
検知装置では、学習手段は、撮像手段から入力した各画
像を複数の領域に分割する画像分割手段と、画像分割手
段により分割された複数の領域のそれぞれに対して輝度
の平均値を算出する輝度算出手段とを更に備えて構成し
てもよい。
では、学習手段は、所定期間内の被対象物の動きを正常
と判断する時間の最適値を遺伝的アルゴリズムにより算
出するように構成してもよい。本発明の動きを検知する
検知装置では、学習手段は、撮像手段から入力した各画
像を複数の領域に分割する画像分割手段と、画像分割手
段により分割された複数の領域のそれぞれに対して輝度
の平均値を算出する輝度算出手段とを更に備えて構成し
てもよい。
【００１０】本発明の動きを検知する方法では、学習す
る段階は、所定期間内の被対象物の動きを正常と判断す
る時間の最適値を遺伝的アルゴリズムにより算出する段
階を具備するようにしてもよい。本発明の動きを検知す
る方法では、学習する段階は、入力した各画像を複数の
領域に分割する段階と、分割された複数の領域のそれぞ
れに対して輝度の平均値を算出する段階とを更に具備す
るようにしてもよい。
る段階は、所定期間内の被対象物の動きを正常と判断す
る時間の最適値を遺伝的アルゴリズムにより算出する段
階を具備するようにしてもよい。本発明の動きを検知す
る方法では、学習する段階は、入力した各画像を複数の
領域に分割する段階と、分割された複数の領域のそれぞ
れに対して輝度の平均値を算出する段階とを更に具備す
るようにしてもよい。
【００１１】本発明の動きを検知する装置では、学習手
段は、一定時間内の被介護者の動きを正常と判断する時
間の最適値を遺伝的アルゴリズムにより算出するように
構成してもよい本発明の動きを検知する検知装置では、
学習手段は、撮像手段から入力した各画像を時系列で複
数の領域に分割する画像分割手段と、画像分割手段によ
り分割された複数の領域のそれぞれに対して輝度の平均
値を算出する輝度算出手段とを更に備えて構成してもよ
い。
段は、一定時間内の被介護者の動きを正常と判断する時
間の最適値を遺伝的アルゴリズムにより算出するように
構成してもよい本発明の動きを検知する検知装置では、
学習手段は、撮像手段から入力した各画像を時系列で複
数の領域に分割する画像分割手段と、画像分割手段によ
り分割された複数の領域のそれぞれに対して輝度の平均
値を算出する輝度算出手段とを更に備えて構成してもよ
い。
【００１２】本発明の動きを検知する方法では、学習す
る段階は、一定時間内の被介護者の動きを正常と判断す
る時間の最適値を遺伝的アルゴリズムにより算出する段
階を具備するようにしてもよい。本発明の動きを検知す
る方法では、学習する段階は、入力した各画像を時系列
で複数の領域に分割する段階と、分割された複数の領域
のそれぞれに対して輝度の平均値を算出する段階とを更
に具備するようにしてもよい。
る段階は、一定時間内の被介護者の動きを正常と判断す
る時間の最適値を遺伝的アルゴリズムにより算出する段
階を具備するようにしてもよい。本発明の動きを検知す
る方法では、学習する段階は、入力した各画像を時系列
で複数の領域に分割する段階と、分割された複数の領域
のそれぞれに対して輝度の平均値を算出する段階とを更
に具備するようにしてもよい。
【００１３】
【実施例】以下，添付図面を参照して、本発明による動
きを検知する検知装置及び方法の好ましい実施例を詳細
に説明する．図１は、本発明による動きを検知する検知
装置の概略構成を示す図である。図１に示すように，本
発明による検知装置１０は、被対象物１１の動きを撮像
するビデオカメラ（撮像手段）１２と、ビデオカメラ１
２で撮像した被対象物１１の動きに関する画像をビデオ
カメラ１２から入力し、入力した画像に対して所定の処
理を行い、処理された画像を解析することによりに被対
象物１１の動きに異常があるかどうかを検知する検知シ
ステム１３とを備えている。
きを検知する検知装置及び方法の好ましい実施例を詳細
に説明する．図１は、本発明による動きを検知する検知
装置の概略構成を示す図である。図１に示すように，本
発明による検知装置１０は、被対象物１１の動きを撮像
するビデオカメラ（撮像手段）１２と、ビデオカメラ１
２で撮像した被対象物１１の動きに関する画像をビデオ
カメラ１２から入力し、入力した画像に対して所定の処
理を行い、処理された画像を解析することによりに被対
象物１１の動きに異常があるかどうかを検知する検知シ
ステム１３とを備えている。
【００１４】検知システム１３は、コンピュータ１４
と、コンピュータ１４に接続されたニューラルネットワ
ーク１５とを備えている。コンピュータ１４は、ビデオ
カメラ１２から入力した被対象物１１の動きに関する画
像に基づき、被対象物１１の動きをニューラルネットワ
ーク１５に学習させる。
と、コンピュータ１４に接続されたニューラルネットワ
ーク１５とを備えている。コンピュータ１４は、ビデオ
カメラ１２から入力した被対象物１１の動きに関する画
像に基づき、被対象物１１の動きをニューラルネットワ
ーク１５に学習させる。
【００１５】図２に示すように、まず、ニューラルネッ
トワーク１５は、コンピュータ１４から送られてくる一
定時間の被対象物１１の正常な動きに関する画像（図２
では、画像入力１５１）に基づき、被対象物１１の正常
な動きを学習する学習機能（図２では、学習セクション
１５２）を備えている。次いで、ニューラルネットワー
ク１５は、コンピュータ１４から送られてくる被対象物
１１の動きの画像を分析し、被対象物１１の動きが正常
な動きから逸脱している場合には、被対象物１１の動き
が異常であるとして判定する判定機能（図２では、判定
セクション１５３）を備えている。即ち、ニュールネッ
トワーク１５は、コンピュータ１４から送られてくる被
対象物１１の動きの画像を分析し、どの動きが正常な動
作であり、どの動きが異常な動作であるかを分析して被
対象物１１の動作について学習する。
トワーク１５は、コンピュータ１４から送られてくる一
定時間の被対象物１１の正常な動きに関する画像（図２
では、画像入力１５１）に基づき、被対象物１１の正常
な動きを学習する学習機能（図２では、学習セクション
１５２）を備えている。次いで、ニューラルネットワー
ク１５は、コンピュータ１４から送られてくる被対象物
１１の動きの画像を分析し、被対象物１１の動きが正常
な動きから逸脱している場合には、被対象物１１の動き
が異常であるとして判定する判定機能（図２では、判定
セクション１５３）を備えている。即ち、ニュールネッ
トワーク１５は、コンピュータ１４から送られてくる被
対象物１１の動きの画像を分析し、どの動きが正常な動
作であり、どの動きが異常な動作であるかを分析して被
対象物１１の動作について学習する。
【００１６】次に、図３〜図１０を参照して、図２のニ
ュールネットワーク１５が実行する処理について説明す
る。図３に示すよう、ビデオカメラ１２により撮像され
た被対象物１１の動きの画像１６は、時間に応じて（即
ち、時系列で）、被対象物１１の動きの画像が撮像され
るものとする。例えば、ビデオカメラ１２により時間ｔ
i（ｉ＝１〜ｐ）に撮像された被対象物１１の動きの画
像Ｉjは、まず（ｍ×ｎ）のブロックに分割される（ｊ
＝１〜ｍ×ｎ）。次に、各ブロックＢＬＫｉjに対し
て、各ブロック内の平均輝度値ＡｖｅＢｒｉjに対して
後述する処理を行う。この処理は、分割したブロック全
てに対して行われる。図４ではｉ＝１、ｍ＝ｎ＝３とし
て、時間ｔ1における画像Ｉ1が９つのブロックＢＬＫ１
1〜ＢＬＫ１9に分割されて示されている。以下、図４の
画像を例に説明する。図５のフロー図に示すように、ま
ず、各ブロックＢＬＫｉjに（ｊ＝１〜９）対して、ブ
ロック内の平均輝度（Ｂｒｉj）をそれぞれ算出する
（ステップＳ１）。次いで、同一ブロック（ＢＬＫ
ｉj）の一定時間Ｓの平均輝度（Ｂｒｉj）の平均値Ａｖ
ｅＢｒjをそれぞれのブロックについて算出する（ステ
ップＳ２）。図４に示す例では、ｉ＝（１〜４）なの
で、ｊ＝１の場合には、時間ｔ1〜ｔ4におけるブロック
ＢＬＫｉ1（即ち、ブロックＢＬＫ１1〜ＢＬＫ４1）の
各時間ｔ1〜ｔ4における平均輝度Ｂｒ１1〜Ｂｒ４1は、
１０、０、０、０でそれぞれ示され、その結果ｊ＝１の
場合における一定時間Ｓ（この例では、時間ｔ0〜時間
ｔ4の間をＳとし、時間ｔ0は初期値を表し、本実施例で
はｔ0＝０とする）の平均値ＡｖｅＢｒｉ1は、ＡｖｅＢ
ｒｉ1＝２．５となる。
ュールネットワーク１５が実行する処理について説明す
る。図３に示すよう、ビデオカメラ１２により撮像され
た被対象物１１の動きの画像１６は、時間に応じて（即
ち、時系列で）、被対象物１１の動きの画像が撮像され
るものとする。例えば、ビデオカメラ１２により時間ｔ
i（ｉ＝１〜ｐ）に撮像された被対象物１１の動きの画
像Ｉjは、まず（ｍ×ｎ）のブロックに分割される（ｊ
＝１〜ｍ×ｎ）。次に、各ブロックＢＬＫｉjに対し
て、各ブロック内の平均輝度値ＡｖｅＢｒｉjに対して
後述する処理を行う。この処理は、分割したブロック全
てに対して行われる。図４ではｉ＝１、ｍ＝ｎ＝３とし
て、時間ｔ1における画像Ｉ1が９つのブロックＢＬＫ１
1〜ＢＬＫ１9に分割されて示されている。以下、図４の
画像を例に説明する。図５のフロー図に示すように、ま
ず、各ブロックＢＬＫｉjに（ｊ＝１〜９）対して、ブ
ロック内の平均輝度（Ｂｒｉj）をそれぞれ算出する
（ステップＳ１）。次いで、同一ブロック（ＢＬＫ
ｉj）の一定時間Ｓの平均輝度（Ｂｒｉj）の平均値Ａｖ
ｅＢｒjをそれぞれのブロックについて算出する（ステ
ップＳ２）。図４に示す例では、ｉ＝（１〜４）なの
で、ｊ＝１の場合には、時間ｔ1〜ｔ4におけるブロック
ＢＬＫｉ1（即ち、ブロックＢＬＫ１1〜ＢＬＫ４1）の
各時間ｔ1〜ｔ4における平均輝度Ｂｒ１1〜Ｂｒ４1は、
１０、０、０、０でそれぞれ示され、その結果ｊ＝１の
場合における一定時間Ｓ（この例では、時間ｔ0〜時間
ｔ4の間をＳとし、時間ｔ0は初期値を表し、本実施例で
はｔ0＝０とする）の平均値ＡｖｅＢｒｉ1は、ＡｖｅＢ
ｒｉ1＝２．５となる。
【００１７】同様にして、各ｊについて算出すると、ｊ
＝２の場合には、時間ｔ1〜ｔ4におけるブロックＢＬＫ
ｉ2（即ち、ブロックＢＬＫ１2〜ＢＬＫ４2）の各時間
ｔ1〜ｔ4における平均輝度Ｂｒ１2〜Ｂｒ４2は、８、
２、０、０でそれぞれ示され、その結果ｊ＝２の場合に
おける一定時間Ｓ（即ち、ｉ＝（１〜４）の）平均値Ａ
ｖｅＢｒｉ2は、ＡｖｅＢｒｉ2＝２．５となる。以下、
纏めると表１に示すようになる。
＝２の場合には、時間ｔ1〜ｔ4におけるブロックＢＬＫ
ｉ2（即ち、ブロックＢＬＫ１2〜ＢＬＫ４2）の各時間
ｔ1〜ｔ4における平均輝度Ｂｒ１2〜Ｂｒ４2は、８、
２、０、０でそれぞれ示され、その結果ｊ＝２の場合に
おける一定時間Ｓ（即ち、ｉ＝（１〜４）の）平均値Ａ
ｖｅＢｒｉ2は、ＡｖｅＢｒｉ2＝２．５となる。以下、
纏めると表１に示すようになる。
【００１８】
【表１】ｊ＝１の場合 平均輝度Ｂｒ１1〜Ｂｒ４1： １０、０、０、０ 平均値ＡｖｅＢｒｉ1＝２．５ ｊ＝２の場合 平均輝度Ｂｒ１2〜Ｂｒ４2： ８、２、０、０ 平均値ＡｖｅＢｒｉ2＝２．５ ｊ＝３の場合 平均輝度Ｂｒ１3〜Ｂｒ４3： ０、８、０、０ 平均値ＡｖｅＢｒｉ3＝２ ｊ＝４の場合 平均輝度Ｂｒ１4〜Ｂｒ４4： １２、０、０、６ 平均値ＡｖｅＢｒｉ1＝９ ｊ＝５の場合 平均輝度Ｂｒ１5〜Ｂｒ４5： ５、１０、０、２ 平均値ＡｖｅＢｒｉ5＝４．３ ｊ＝６の場合 平均輝度Ｂｒ１6〜Ｂｒ４6： ０、１２、４、０ 平均値ＡｖｅＢｒｉ6＝４ ｊ＝７の場合 平均輝度Ｂｒ１7〜Ｂｒ４7： ０、０、０、１２ 平均値ＡｖｅＢｒｉ7＝３ ｊ＝８の場合 平均輝度Ｂｒ１8〜Ｂｒ４8： ０、０、８、１ 平均値ＡｖｅＢｒｉ8＝２．３ ｊ＝９の場合 平均輝度Ｂｒ１9〜Ｂｒ４9： ０、０、１４、０ 平均値ＡｖｅＢｒｉ9＝３．５ 図６〜図８は、表１に示したような結果をもたらす、被
介護者の徘徊の様子を模式的に示した図である。図１の
ニューラルネットワーク１５は、このようにして、被対
象物１１の動きに関して、上記一定時間（Ｓ）のＡｖｅ
Ｂｒｉjを正常動作として学習する（ステップＳ３）。
介護者の徘徊の様子を模式的に示した図である。図１の
ニューラルネットワーク１５は、このようにして、被対
象物１１の動きに関して、上記一定時間（Ｓ）のＡｖｅ
Ｂｒｉjを正常動作として学習する（ステップＳ３）。
【００１９】ここで利用者が学習に際して与える初期値
としては、次のものがある： １）正常動作とする時間 正常動作の学習に際して学習する時間について初期設定
する。 ２）正常動作とする閾値 症状毎に正常動作としてみなし得る「許容範囲」を設定
し、その際に、許容範囲を特定するための「閾値」を設
定する。 ３）正常動作とする誤差 被介護者毎に、正常動作に対する異常動作について、ア
ラーム（警告）として検知すべき頻度を設定する。
としては、次のものがある： １）正常動作とする時間 正常動作の学習に際して学習する時間について初期設定
する。 ２）正常動作とする閾値 症状毎に正常動作としてみなし得る「許容範囲」を設定
し、その際に、許容範囲を特定するための「閾値」を設
定する。 ３）正常動作とする誤差 被介護者毎に、正常動作に対する異常動作について、ア
ラーム（警告）として検知すべき頻度を設定する。
【００２０】正常動作として学習した後は、遺伝的アル
ゴリズム（ＧＡ）により、正常動作とする「時間」を算
出する（ステップＳ４）。例えば、図９に示す場合に
は、一定時間Ｓとして８周期分（Ｎｏ．１〜Ｎｏ．８）
を考え、その８周期分の平均輝度Ｂｒ１〜Ｂｒ８を正常
動作とする。遺伝的アルゴリズム（ＧＡ）は、最適化問
題を解くために生物の進化の過程をモデル化したもので
あり、広い探索領域においても最適解または準最適解を
求めることが可能である 。具体的には、遺伝的アルゴ
リズム（ＧＡ）は、評価、選択、交叉、突然変異の４つ
の主な操作によって構成されており、最適解が得られる
までこれらの操作が繰り返される。本発明では、遺伝的
アルゴリズムを用いて「最適時間」を算出する。次い
で、遺伝的アルゴリズム（ＧＡ）は、現在、正常動作と
しての「時間」である一定時間Ｓより大きい時間の平均
輝度Ｂｒｉ（ｉ≧９）を含めて、遺伝子情報として処理
する（ステップＳ５）。図９に示す例では、Ｎｏ．１か
らＮｏ．１６までの平均輝度Ｂｒ１〜Ｂｒ１６の値を遺
伝子情報として定義する。
ゴリズム（ＧＡ）により、正常動作とする「時間」を算
出する（ステップＳ４）。例えば、図９に示す場合に
は、一定時間Ｓとして８周期分（Ｎｏ．１〜Ｎｏ．８）
を考え、その８周期分の平均輝度Ｂｒ１〜Ｂｒ８を正常
動作とする。遺伝的アルゴリズム（ＧＡ）は、最適化問
題を解くために生物の進化の過程をモデル化したもので
あり、広い探索領域においても最適解または準最適解を
求めることが可能である 。具体的には、遺伝的アルゴ
リズム（ＧＡ）は、評価、選択、交叉、突然変異の４つ
の主な操作によって構成されており、最適解が得られる
までこれらの操作が繰り返される。本発明では、遺伝的
アルゴリズムを用いて「最適時間」を算出する。次い
で、遺伝的アルゴリズム（ＧＡ）は、現在、正常動作と
しての「時間」である一定時間Ｓより大きい時間の平均
輝度Ｂｒｉ（ｉ≧９）を含めて、遺伝子情報として処理
する（ステップＳ５）。図９に示す例では、Ｎｏ．１か
らＮｏ．１６までの平均輝度Ｂｒ１〜Ｂｒ１６の値を遺
伝子情報として定義する。
【００２１】続いて、現在、正常動作としている一定時
間Ｓ（この例では８周期分）を教師信号として、遺伝的
アルゴリズム（ＧＡ）を用いて、遺伝子情報である各平
均輝度Ｂｒｉの値に対して、ある周期毎に平均値Ａｖｅ
Ｂｒｉを算出した場合に、どの周期のものでも平均値Ａ
ｖｅＢｒｉがほぼ同一になるように、かつその周期が最
小になるように、その「周期」を算出する（ステップＳ
６）。図９に示す例では、４周期毎（即ちＮｏ．１〜Ｎ
ｏ．４、Ｎｏ．５〜Ｎｏ．８、Ｎｏ．９〜Ｎｏ．１２、
Ｎｏ．１３〜Ｎｏ．１６毎）にＡｖｅＢｒｉを算出すれ
ば、ＡｖｅＢｒｉが２．５前後になる（２．５、２．
５、２．５、２．５）ので、４周期を新たな正常時間と
して設定する。平均値ＡｖｅＢｒｉの時間経過に伴う多
少の変動について、利用者が閾値として設定した許容範
囲内における変動は、正常動作として判断する（ステッ
プＳ７）。
間Ｓ（この例では８周期分）を教師信号として、遺伝的
アルゴリズム（ＧＡ）を用いて、遺伝子情報である各平
均輝度Ｂｒｉの値に対して、ある周期毎に平均値Ａｖｅ
Ｂｒｉを算出した場合に、どの周期のものでも平均値Ａ
ｖｅＢｒｉがほぼ同一になるように、かつその周期が最
小になるように、その「周期」を算出する（ステップＳ
６）。図９に示す例では、４周期毎（即ちＮｏ．１〜Ｎ
ｏ．４、Ｎｏ．５〜Ｎｏ．８、Ｎｏ．９〜Ｎｏ．１２、
Ｎｏ．１３〜Ｎｏ．１６毎）にＡｖｅＢｒｉを算出すれ
ば、ＡｖｅＢｒｉが２．５前後になる（２．５、２．
５、２．５、２．５）ので、４周期を新たな正常時間と
して設定する。平均値ＡｖｅＢｒｉの時間経過に伴う多
少の変動について、利用者が閾値として設定した許容範
囲内における変動は、正常動作として判断する（ステッ
プＳ７）。
【００２２】また、利用者が、異常動作として本当に警
告（アラーム）するのはどの程度であるか示すために、
正常動作に対する異常動作の頻度のパラメータを設定す
る（ステップＳ８）。図１０に示すように、被介護者が
異常動作を行った場合には、平均輝度Ｂｒｉ及び平均値
ＡｖｅＢｒｉが正常動作時の値とは異なる値を示すの
で、被介護者の異常動作を検出することができる（ステ
ップＳ９）。
告（アラーム）するのはどの程度であるか示すために、
正常動作に対する異常動作の頻度のパラメータを設定す
る（ステップＳ８）。図１０に示すように、被介護者が
異常動作を行った場合には、平均輝度Ｂｒｉ及び平均値
ＡｖｅＢｒｉが正常動作時の値とは異なる値を示すの
で、被介護者の異常動作を検出することができる（ステ
ップＳ９）。
【００２３】以下、上述したように平均値ＡｖｅＢｒｉ
により被介護者による様々な動きを学習する（ステップ
Ｓ１０）。そして、上述した処理を一人の被介護者につ
いて何度も繰り返すことにより、その被介護者の動きに
関する正常動作と異常動作について学習して、被介護者
の動きについてより完全な検知を行うことができるよう
になる。図１１は、本発明の検知装置を複数の被介護者
（要介護者）１〜５に用いた場合を示す図である。
により被介護者による様々な動きを学習する（ステップ
Ｓ１０）。そして、上述した処理を一人の被介護者につ
いて何度も繰り返すことにより、その被介護者の動きに
関する正常動作と異常動作について学習して、被介護者
の動きについてより完全な検知を行うことができるよう
になる。図１１は、本発明の検知装置を複数の被介護者
（要介護者）１〜５に用いた場合を示す図である。
【００２４】
【発明の効果】本発明によれば、ニューラルネットワー
クの遺伝子アルゴリズム（ＧＡ）を用いて被介護者の動
きを学習することにより、介護者が常に被介護者を監視
し続けなくともビデオカメラを通して被介護者の状態が
把握でき、かつ被介護者の動きに異常動作が生じた場合
には、迅速に介護人に通知されるので，介護人の負担が
軽減できると共に、個人の住宅での利用はもとより、寝
たきり老人等の複数の被介護者が収容されている特別養
護老人ホーム、老人保健施設及び病院等の施設において
も、効率よく被介護者の動きを検知することができ、介
護人の負担を軽減することができる。
クの遺伝子アルゴリズム（ＧＡ）を用いて被介護者の動
きを学習することにより、介護者が常に被介護者を監視
し続けなくともビデオカメラを通して被介護者の状態が
把握でき、かつ被介護者の動きに異常動作が生じた場合
には、迅速に介護人に通知されるので，介護人の負担が
軽減できると共に、個人の住宅での利用はもとより、寝
たきり老人等の複数の被介護者が収容されている特別養
護老人ホーム、老人保健施設及び病院等の施設において
も、効率よく被介護者の動きを検知することができ、介
護人の負担を軽減することができる。
【図１】本発明による動きを検知する検知装置の概略構
成を示す図である。
成を示す図である。
【図２】図１のニューラルネットワークの概略構成を示
す図である。
す図である。
【図３】図１の検知装置による処理、主に図２のニュー
ラルネットワークによる処理を説明するための図であ
る。
ラルネットワークによる処理を説明するための図であ
る。
【図４】図１の検知装置による処理、主に図２のニュー
ラルネットワークによる処理を説明するための図であ
る。
ラルネットワークによる処理を説明するための図であ
る。
【図５】図１の検知装置による処理、主に図２のニュー
ラルネットワークによる処理を説明するためのフロー図
である。
ラルネットワークによる処理を説明するためのフロー図
である。
【図６】図１の検知装置による処理、主に図２のニュー
ラルネットワークによる処理を説明するための図であ
る。
ラルネットワークによる処理を説明するための図であ
る。
【図７】図１の検知装置による処理、主に図２のニュー
ラルネットワークによる処理を説明するための図であ
る。
ラルネットワークによる処理を説明するための図であ
る。
【図８】図１の検知装置による処理、主に図２のニュー
ラルネットワークによる処理を説明するための図であ
る。
ラルネットワークによる処理を説明するための図であ
る。
【図９】図１の検知装置による処理、主に図２のニュー
ラルネットワークによる処理を説明するための図であ
る。
ラルネットワークによる処理を説明するための図であ
る。
【図１０】図１の検知装置による処理、主に図２のニュ
ーラルネットワークによる処理を説明するための図であ
る。
ーラルネットワークによる処理を説明するための図であ
る。
【図１１】図１の検知装置を用いた例を示す図である
１１ 被対象物 １２ ビデオカメラ １３ 検知システム １４ コンピュータ １５ ニューラルネットワーク
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｈ０４Ｎ 7/18 Ｈ０４Ｎ 7/18 Ｄ Ｋ Ｆターム(参考） 5C054 CD04 CH01 DA09 FC03 FC12 FF06 HA12 HA19 5C086 AA22 BA01 CA28 CB36 DA33 EA41 EA45 EA50 5C087 AA09 AA19 BB74 DD03 DD24 DD29 DD30 EE18 FF01 FF02 FF19 GG02 GG08 GG30 GG31 GG37 5L096 AA06 BA02 CA02 DA03 FA32 GA19 GA59 HA02 KA04
Claims (12)
- 【請求項１】 監視の対象となる被対象物の動きを撮像
する撮像手段と、 前記撮像手段により撮像された前記被対象物の動きに関
する画像に基づき所定期間内の該被対象物の動きを学習
する学習手段と、 前記撮像手段により撮像された前記被対象物の動きに関
する画像を入力し、当該入力した画像から、前記学習手
段により学習された前記所定期間内の該被対象物の動き
に基づき、前記被対象物の動きが正常であるか異常であ
るかを判断する判断手段と、を備えていることを特徴す
る、被対象物の動きを検知する検知装置。 - 【請求項２】 前記学習手段は、前記所定期間内の前記
被対象物の動きを正常と判断する時間の最適値を遺伝的
アルゴリズムにより算出することを特徴とした請求項１
に記載の被対象物の動きを検知する検知装置。 - 【請求項３】 前記学習手段は、前記撮像手段から入力
した各画像を複数の領域に分割する画像分割手段と、 前記画像分割手段により分割された前記複数の領域のそ
れぞれに対して輝度の平均値を算出する輝度算出手段と
を更に備えていることを特徴とした請求項１に記載の被
対象物の動きを検知する検知装置。 - 【請求項４】 監視の対象となる被対象物の動きを撮像
する段階と、 前記撮像した前記被対象物の動きに関する画像に基づき
所定期間内の該被対象物の動きを学習する段階と、 前記撮像した前記被対象物の動きに関する画像を入力
し、当該入力した画像から、前記学習した前記所定期間
内の該被対象物の動きに基づき、前記被対象物の動きが
正常であるか異常であるかを判断する段階と、を具備す
ることを特徴する、被対象物の動きを検知する方法。 - 【請求項５】 前記学習する段階は、前記所定期間内の
前記被対象物の動きを正常と判断する時間の最適値を遺
伝的アルゴリズムにより算出する段階を具備することを
特徴とした請求項４に記載の被対象物の動きを検知する
方法。 - 【請求項６】 前記学習する段階は、前記入力した各画
像を複数の領域に分割する段階と、 前記分割された前記複数の領域のそれぞれに対して輝度
の平均値を算出する段階とを更に具備することを特徴と
した請求項４に記載の被対象物の動きを検知する方法。 - 【請求項７】 介護を要する被介護者の動きを撮像する
撮像手段と、 前記撮像手段により撮像された前記被介護者の動きに関
する画像に基づき一定時間内の該被介護者の動きを学習
する学習手段と、 前記撮像手段により撮像された前記被介護者の動きに関
する画像を入力し、当該入力した画像から、前記学習手
段により学習された前記一定時間内の該被介護者の動き
に基づき、前記被介護者の動きが正常動作であるか異常
動作であるかを判断する判断手段と、 前記判断手段により前記被介護者の動きが正常動作から
逸脱した動きとであると判断された場合に、該被介護者
の動きが異常であることを介護者に通知する通知手段
と、を備えていることを特徴する、被介護者の動きを検
知する検知装置。 - 【請求項８】 前記学習手段は、前記一定時間内の前記
被介護者の動きを正常と判断する時間の最適値を遺伝的
アルゴリズムにより算出することを特徴とした請求項７
に記載の被介護者の動きを検知する検知装置。 - 【請求項９】 前記学習手段は、前記撮像手段から入力
した各画像を時系列で複数の領域に分割する画像分割手
段と、 前記画像分割手段により分割された前記複数の領域のそ
れぞれに対して輝度の平均値を算出する輝度算出手段と
を更に備えていることを特徴とした請求項７に記載の被
対象物の動きを検知する検知装置。 - 【請求項１０】 介護を要する被介護者の動きを撮像す
る段階と、 前記撮像された前記被介護者の動きに関する画像に基づ
き一定時間内の該被介護者の動きを学習する段階と、 前記撮像された前記被介護者の動きに関する画像を入力
し、当該入力した画像から、前記学習された前記一定時
間内の該被介護者の動きに基づき、前記被介護者の動き
が正常動作であるか異常動作であるかを判断する段階
と、 前記被介護者の動きが正常動作から逸脱した動きとであ
ると判断された場合に、該被介護者の動きが異常である
ことを介護者に通知する段階と、を具備することを特徴
する、被介護者の動きを検知する方法。 - 【請求項１１】 前記学習する段階は、前記一定時間内
の前記被介護者の動きを正常と判断する時間の最適値を
遺伝的アルゴリズムにより算出する段階を具備すること
を特徴とした請求項１０に記載の被介護者の動きを検知
する方法。 - 【請求項１２】 前記学習する段階は、前記入力した各
画像を時系列で複数の領域に分割する段階と、 前記分割された前記複数の領域のそれぞれに対して輝度
の平均値を算出する段階とを更に具備することを特徴と
する請求項１０に記載の被対象物の動きを検知する方
法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001025202A JP2002230555A (ja) | 2001-02-01 | 2001-02-01 | 動きを検知する検知装置及び方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001025202A JP2002230555A (ja) | 2001-02-01 | 2001-02-01 | 動きを検知する検知装置及び方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002230555A true JP2002230555A (ja) | 2002-08-16 |
Family
ID=18890235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001025202A Pending JP2002230555A (ja) | 2001-02-01 | 2001-02-01 | 動きを検知する検知装置及び方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002230555A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012079340A (ja) * | 2011-12-26 | 2012-04-19 | Toshiba Corp | 不審対象検知システム、不審対象検知装置、不審対象検知方法及びプログラム |
| KR101844928B1 (ko) * | 2016-11-24 | 2018-04-03 | (주) 테크로스 | 샘플수 분석장치 및 방법 |
| WO2019013257A1 (ja) * | 2017-07-14 | 2019-01-17 | オムロン株式会社 | 見守り支援システム及びその制御方法、プログラム |
| JP2020009378A (ja) * | 2018-07-12 | 2020-01-16 | 医療法人社団皓有会 | 監視装置 |
| JP2021029673A (ja) * | 2019-08-26 | 2021-03-01 | アースアイズ株式会社 | 医療用装身器具の自己抜去監視システム及び医療用装身器具の自己抜去監視方法 |
| JP2021525421A (ja) * | 2018-05-23 | 2021-09-24 | アイオロス ロボティクス， インク．Ａｅｏｌｕｓ Ｒｏｂｏｔｉｃｓ， Ｉｎｃ． | 観察可能な健康状態の兆候のためのロボット対話 |
-
2001
- 2001-02-01 JP JP2001025202A patent/JP2002230555A/ja active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012079340A (ja) * | 2011-12-26 | 2012-04-19 | Toshiba Corp | 不審対象検知システム、不審対象検知装置、不審対象検知方法及びプログラム |
| KR101844928B1 (ko) * | 2016-11-24 | 2018-04-03 | (주) 테크로스 | 샘플수 분석장치 및 방법 |
| WO2018097492A1 (ko) * | 2016-11-24 | 2018-05-31 | (주) 테크로스 | 샘플수 분석장치 및 방법 |
| WO2019013257A1 (ja) * | 2017-07-14 | 2019-01-17 | オムロン株式会社 | 見守り支援システム及びその制御方法、プログラム |
| JP2019020993A (ja) * | 2017-07-14 | 2019-02-07 | オムロン株式会社 | 見守り支援システム及びその制御方法 |
| JP2021525421A (ja) * | 2018-05-23 | 2021-09-24 | アイオロス ロボティクス， インク．Ａｅｏｌｕｓ Ｒｏｂｏｔｉｃｓ， Ｉｎｃ． | 観察可能な健康状態の兆候のためのロボット対話 |
| US11701041B2 (en) | 2018-05-23 | 2023-07-18 | Aeolus Robotics, Inc. | Robotic interactions for observable signs of intent |
| US11717203B2 (en) | 2018-05-23 | 2023-08-08 | Aeolus Robotics, Inc. | Robotic interactions for observable signs of core health |
| JP2020009378A (ja) * | 2018-07-12 | 2020-01-16 | 医療法人社団皓有会 | 監視装置 |
| JP2021029673A (ja) * | 2019-08-26 | 2021-03-01 | アースアイズ株式会社 | 医療用装身器具の自己抜去監視システム及び医療用装身器具の自己抜去監視方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10121062B2 (en) | Device, system and method for automated detection of orientation and/or location of a person | |
| US20130082842A1 (en) | Method and device for fall detection and a system comprising such device | |
| US10786183B2 (en) | Monitoring assistance system, control method thereof, and program | |
| US20030058111A1 (en) | Computer vision based elderly care monitoring system | |
| WO2017125743A1 (en) | Method and apparatus for health and safety monitoring of a subject in a room | |
| JP6822328B2 (ja) | 見守り支援システム及びその制御方法 | |
| US20210219873A1 (en) | Machine vision to predict clinical patient parameters | |
| JP2020501634A (ja) | 患者モニタリング・システムおよび方法 | |
| WO2019013257A1 (ja) | 見守り支援システム及びその制御方法、プログラム | |
| KR101712191B1 (ko) | 환자 낙상예방 모니터링 장치 | |
| JPH08150125A (ja) | 病室内患者監視装置 | |
| US11800993B2 (en) | Exit monitoring system for patient support apparatus | |
| JP6048630B1 (ja) | 行動検知装置および行動検知方法ならびに被監視者監視装置 | |
| JPH11276443A (ja) | 被介護者観測装置及びその方法 | |
| WO2020145380A1 (ja) | 介護記録装置、介護記録システム、介護記録プログラムおよび介護記録方法 | |
| CN115331283A (zh) | 用于检测人在生活空间中跌倒的检测系统及其检测方法 | |
| JP2002230555A (ja) | 動きを検知する検知装置及び方法 | |
| CN113384247A (zh) | 照护系统与自动照护方法 | |
| Wai et al. | Situation-aware patient monitoring in and around the bed using multimodal sensing intelligence | |
| JP6115689B1 (ja) | 転倒検知装置および転倒検知方法ならびに被監視者監視装置 | |
| Inoue et al. | Bed exit action detection based on patient posture with long short-term memory | |
| Soman et al. | A Novel Fall Detection System using Mediapipe | |
| JP2023548886A (ja) | カメラを制御するための装置及び方法 | |
| KR20230069363A (ko) | 인공지능을 이용한 환자의 이상 행동 탐지 시스템 | |
| KR102351332B1 (ko) | 수면 중 호흡 모니터링 시스템 및 방법 |