JP2008140118A - Hazard motion detection device and hazard motion detection method - Google Patents
Hazard motion detection device and hazard motion detection method Download PDFInfo
- Publication number
- JP2008140118A JP2008140118A JP2006325470A JP2006325470A JP2008140118A JP 2008140118 A JP2008140118 A JP 2008140118A JP 2006325470 A JP2006325470 A JP 2006325470A JP 2006325470 A JP2006325470 A JP 2006325470A JP 2008140118 A JP2008140118 A JP 2008140118A
- Authority
- JP
- Japan
- Prior art keywords
- driver
- dangerous
- motion
- driving
- automobile
- 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
- Emergency Alarm Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
この発明は危険動作検出装置および危険動作検出方法に関し、特にたとえば、自動車を運転する際に、その運転に支障をきたすような運転者の危険な動作を検出する、危険動作検出装置および危険動作検出方法に関する。 The present invention relates to a dangerous motion detection device and a dangerous motion detection method, and more particularly to, for example, a dangerous motion detection device and a dangerous motion detection that detect a dangerous motion of a driver that hinders driving when driving a vehicle. Regarding the method.
従来、自動者の運転者の居眠り運転や脇見運転などの危険運転を検出するための技術が報告されている。たとえば、特許文献１には、ステアリング角を検出して自動車の運転者による不注意を識別する方法が開示されている。特許文献１の技術では、自動車のステアリング角の検出結果に基づいて、ハンドルの静止段階の程度と、そのハンドルの静止段階に続くハンドル動作の程度とを判断している。そして、これらの程度の連係を判断することによって、運転者の不注意の有無を判断している。また、動的確率モデルを用いて、運転者の不注意の原因である疲労の確率を想定している。疲労の確率を想定する際には、ステアリング角の検出に加えて、運転者が頻繁に瞼を閉じることや運転者の反応力の遅延を考慮することができ、さらに、ラジオ等の制御装置を制御する等の注意散漫な状態である確率を考慮することができる。
特許文献１の技術では、カメラを用いて運転者によるラジオ等の機器の操作を検出しているが、この検出結果は不注意の原因を導き出すために利用されるだけである。つまり、特許文献１の技術では、カーナビゲーション装置等の車載機器の操作等の、運転とは関係の無い動作を運転者が行っても、これによって運転者が不注意な状態である（すなわち、運転者が危険動作を行った）とは判断しない。しかし、走行中の自動車においては、運転者が運転とは関係の無い動作を行うこと自体、或いは運転者がカーナビゲーション装置等の車載機器の操作等を通常時とは異なる動作で行うこと自体が危険な動作となる。したがって、特許文献１の技術では、運転者の危険動作を適切に検出できない。 In the technique of Patent Document 1, the operation of a device such as a radio by a driver is detected using a camera, but this detection result is only used to derive the cause of carelessness. That is, in the technique of Patent Document 1, even if the driver performs an operation unrelated to driving such as operation of an in-vehicle device such as a car navigation device, the driver is careless by this (that is, It is not judged that the driver has performed a dangerous action. However, in a running car, the driver itself performs an operation unrelated to driving, or the driver performs an operation of an in-vehicle device such as a car navigation device by an operation different from the normal operation itself. It becomes dangerous operation. Therefore, the technique of Patent Document 1 cannot appropriately detect the dangerous motion of the driver.
また、カメラを用いて運転者の動作を検出するためには、大規模な装置を自動車に設ける必要がある上、その検出処理が膨大になるため、処理負担が大きい。さらに、カメラを用いると、運転中の光（明るさ）の変化に対応することが難しく、運転者の動作を正確に検出できない恐れがある。また、カーナビゲーション装置等の車載機器の配置によって、たとえば自動車の車種ごとに、カメラの配置などを変更する必要がある。 Moreover, in order to detect a driver | operator's operation | movement using a camera, since it is necessary to provide a large-scale apparatus in a motor vehicle, and the detection process becomes enormous, a processing burden is large. Furthermore, when a camera is used, it is difficult to cope with changes in light (brightness) during driving, and there is a possibility that the driver's movement cannot be accurately detected. Moreover, it is necessary to change the arrangement of the camera or the like for each vehicle type, for example, depending on the arrangement of the in-vehicle device such as the car navigation device.
なお、カーナビゲーション装置等の車載機器に設置したセンサ（たとえば、圧力センサ）では、その車載機器を運転者が操作したのか、或いは同乗者が操作したのかを判別することは難しく、運転者の危険動作を適切に検出できない。 Note that it is difficult for a sensor (for example, a pressure sensor) installed in an in-vehicle device such as a car navigation device to determine whether the in-vehicle device has been operated by the driver or the passenger, which may be dangerous for the driver. The operation cannot be detected properly.
それゆえに、この発明の主たる目的は、新規な、危険動作検出装置および危険動作検出方法を提供することである。 Therefore, a main object of the present invention is to provide a novel dangerous motion detection apparatus and dangerous motion detection method.
この発明の他の目的は、自動車の運転者の危険動作を適切に検出できる、危険動作検出装置および危険動作検出方法を提供することである。 Another object of the present invention is to provide a dangerous motion detection device and a dangerous motion detection method capable of appropriately detecting the dangerous motion of a vehicle driver.
本発明は、上記の課題を解決するために、以下の構成を採用した。なお、括弧内の参照符号および補足説明などは、本発明の理解を助けるために後述する実施の形態との対応関係を示したものであって、本発明を何ら限定するものではない。 The present invention employs the following configuration in order to solve the above problems. Note that reference numerals in parentheses, supplementary explanations, and the like indicate correspondence relationships with embodiments described later to help understanding of the present invention, and do not limit the present invention in any way.
請求項１の発明は、自動車の運転者の危険動作を検出する危険動作検出装置であって、基準となる運転動作を示す基準動作に関する情報を記憶する記憶手段、運転者の動作を検出する動作検出手段、および基準動作と運転者の動作とに基づいて、当該運転者の危険動作を検出する危険動作検出手段を備える、危険動作検出装置である。 The invention according to claim 1 is a dangerous motion detection device for detecting a dangerous motion of a driver of an automobile, storage means for storing information relating to a reference motion indicating a reference driving motion, and an operation for detecting a driver's motion. A dangerous motion detection device comprising a detection means and a dangerous motion detection means for detecting a dangerous motion of the driver based on a reference motion and a driver's motion.
請求項１の発明では、危険動作検出装置（１０）は、記憶手段（１２，１８）、動作検出手段（１２，１４，Ｓ３１）、および危険動作検出手段（１２，Ｓ４１）を備える。記憶手段は、基準となる運転動作を示す基準動作を記憶する。動作検出手段は、自動車を運転中（走行時および停止時を含む）の運転者の動作を検出する。危険動作検出手段は、基準動作と運転者の動作とに基づいて、たとえば、通常時の動作とは異なる運転者の動作を、運転に支障をきたす危険な動作（危険動作）として検出する。具体的には、たとえば、運転者がカーナビゲーション装置などを操作する動作自体を危険動作として検出したり、或いは運転者がカーナビゲーション装置などの操作に手間取る動作（つまり運転者が通常時とは異なる動作でカーナビゲーション装置の操作などを行ったこと）を危険動作として検出したりする。 According to the first aspect of the present invention, the dangerous motion detection device (10) includes storage means (12, 18), motion detection means (12, 14, S31), and dangerous motion detection means (12, S41). The storage means stores a reference action indicating a reference driving action. The motion detection means detects the motion of the driver while driving the vehicle (including when traveling and when stopped). Based on the reference action and the driver's action, the dangerous action detecting means detects, for example, a driver's action different from the normal action as a dangerous action (dangerous action) that hinders driving. Specifically, for example, the operation of the driver operating the car navigation device or the like is detected as a dangerous operation, or the driver takes time to operate the car navigation device or the like (that is, the driver is different from the normal operation). The operation of the car navigation device or the like was detected as a dangerous motion.
請求項１の発明によれば、通常時の動作とは異なる運転者の動作を危険動作として検出するので、自動車の運転者の危険動作を適切に検出できる。 According to the first aspect of the present invention, since the driver's operation different from the normal operation is detected as the dangerous operation, it is possible to appropriately detect the dangerous operation of the automobile driver.
請求項２の発明は、請求項１の発明に従属し、危険動作検出手段は、自動車の運転とは関係の無い運転者の動作を危険動作として検出する。 The invention of claim 2 is dependent on the invention of claim 1, and the dangerous motion detection means detects the motion of the driver unrelated to the driving of the automobile as the dangerous motion.
請求項２の発明では、危険動作検出手段（１２，Ｓ４１）は、本来の運転動作とは関係の無い運転者の動作、たとえばカーナビゲーション装置を操作する動作やポケットから物を取り出す動作を危険動作として検出する。 In the invention of claim 2, the dangerous motion detection means (12, S41) is a dangerous motion for a driver's motion not related to the original driving motion, for example, a motion of the car navigation device or a motion of taking out an object from the pocket. Detect as.
請求項２の発明によれば、自動車の運転とは関係の無い動作を危険動作として検出するので、自動車の運転者の危険動作を適切に検出できる。 According to the second aspect of the present invention, since the operation unrelated to the driving of the automobile is detected as the dangerous operation, the dangerous operation of the driver of the automobile can be appropriately detected.
請求項３の発明は、請求項１または２の発明に従属し、動作検出手段は運転者の手に取り付けられる第１加速度センサを含む。 The invention of claim 3 is dependent on the invention of claim 1 or 2, and the motion detection means includes a first acceleration sensor attached to the driver's hand.
請求項３の発明では、運転者の手、たとえば両手首のそれぞれに取り付けた第１加速度センサ（１４）によって、運転者の動作を加速度データとして検出する。 According to the third aspect of the present invention, the driver's movement is detected as acceleration data by the first acceleration sensor (14) attached to the driver's hand, for example, both wrists.
請求項３の発明によれば、加速度センサからの出力を検出するだけで、運転者の動作を正確に検出できる。 According to the invention of claim 3, it is possible to accurately detect the operation of the driver only by detecting the output from the acceleration sensor.
請求項４の発明は、請求項１ないし３の発明に従属し、自動車に取り付けられる第２加速度センサ、および第２加速度センサからの出力に基づいて第１加速度センサの出力に含まれるノイズを除去する除去手段をさらに備える。 The invention of claim 4 is dependent on the invention of claims 1 to 3, and removes noise contained in the output of the first acceleration sensor based on the output from the second acceleration sensor attached to the automobile and the second acceleration sensor. And removing means for performing.
請求項４の発明では、第２加速度センサ（１６）を自動車に取り付ける。除去手段（１２，Ｓ３，Ｓ２１〜Ｓ２５，Ｓ３５）は、第２加速度センサの出力に基づいて、第１加速度センサの出力に含まれる自動車に起因するノイズ（たとえば、自動車の走行自体によるノイズやエンジンの振動によるノイズ）を除去する。 In the invention of claim 4, the second acceleration sensor (16) is attached to the automobile. Based on the output of the second acceleration sensor, the removing means (12, S3, S21 to S25, S35) is a noise caused by the automobile included in the output of the first acceleration sensor (for example, noise caused by running of the automobile itself or engine Noise).
請求項４の発明によれば、第１加速度センサの出力から自動車に起因するノイズを除去できるので、運転者の動作をより正確に検出できる。 According to the fourth aspect of the present invention, the noise caused by the automobile can be removed from the output of the first acceleration sensor, so that the operation of the driver can be detected more accurately.
請求項５の発明は、請求項１ないし４のいずれかの発明に従属し、運転動作特徴量を抽出する抽出手段をさらに備え、危険動作検出手段は基準動作から抽出された運転動作特徴量と運転者の動作から抽出された運転動作特徴量とに基づいて危険動作を検出する。 The invention of claim 5 is dependent on the invention of any one of claims 1 to 4, further comprising an extraction means for extracting a driving action feature value, wherein the dangerous action detection means is a driving action feature value extracted from the reference action. A dangerous action is detected based on the driving action feature amount extracted from the action of the driver.
請求項５の発明では、運転動作特徴量を抽出する抽出手段（１２，Ｓ５，Ｓ３７）をさらに備える。運転動作特徴量は、たとえば、運転者の加速度データに対して時間窓を適用し、時間窓の範囲内の加速度の平均、分散および加速度データ間の相関を計算したもの等を含む。危険動作検出手段（１２，Ｓ４１）は、基準動作および運転者の動作のそれぞれから抽出された運転動作特徴量に基づいて、危険動作を検出する。 The invention of claim 5 further includes extraction means (12, S5, S37) for extracting the driving action feature amount. The driving motion feature amount includes, for example, a time window applied to the driver's acceleration data, and the average, variance, and correlation between acceleration data within the time window are calculated. The dangerous motion detection means (12, S41) detects the dangerous motion based on the driving motion feature amount extracted from each of the reference motion and the driver's motion.
請求項５の発明によれば、運転者の動作をより適切に表す運転動作特徴量を加速度データから抽出し、それを用いて危険動作を検出するので、より正確に運転者の危険動作を検出できる。 According to the fifth aspect of the present invention, since the driving motion feature quantity that more appropriately represents the driver's motion is extracted from the acceleration data, and the dangerous motion is detected using the extracted feature amount, the driver's dangerous motion is detected more accurately. it can.
請求項６の発明は、請求項１ないし５のいずれかの発明に従属し、危険動作検出手段は基準動作と運転者の動作との乖離に基づいて危険動作を検出する。 The invention of claim 6 is dependent on any one of the inventions of claims 1 to 5, and the dangerous motion detection means detects the dangerous motion based on the difference between the reference motion and the driver's motion.
請求項６の発明では、通常の自動車の運転において運転者が行う様々な動作（通常動作）を基準動作とする。そして、運転者の動作が基準動作と乖離する場合に、その運転者の動作は通常時の動作とは異なる動作であると判断し、その乖離する動作を危険動作として検出する。基準動作と運転者の動作との乖離を調べる手法としては、たとえば１クラスサポートベクターマシン（１クラスＳＶＭ）を用いることができる。 In the invention of claim 6, various actions (normal actions) performed by the driver in normal driving of the automobile are set as the reference actions. When the driver's operation deviates from the reference operation, the driver's operation is determined to be different from the normal operation, and the deviating operation is detected as a dangerous operation. For example, a one-class support vector machine (one-class SVM) can be used as a method for examining the difference between the reference operation and the driver's operation.
請求項６によれば、基準動作と乖離する運転者の動作を通常時の動作とは異なる動作と判断するので、通常時の動作とは異なる運転者の動作を確実に検出できる。 According to the sixth aspect, since the driver's motion deviating from the reference motion is determined to be a motion different from the normal motion, the driver's motion different from the normal motion can be reliably detected.
請求項７の発明は、請求項１ないし６のいずれかの発明に従属し、危険動作検出手段は自動車の走行中に危険動作を検出する。 The invention according to claim 7 is dependent on the invention according to any one of claims 1 to 6, and the dangerous motion detection means detects the dangerous motion while the vehicle is running.
請求項７の発明では、走行中の自動車において、運転者が通常時の動作とは異なる動作を行ったときに危険運転を検出する。 According to the seventh aspect of the present invention, dangerous driving is detected when the driver performs an operation different from the normal operation in the traveling automobile.
請求項７の発明によれば、より危険度の高い自動車の走行中においてのみ、運転者の危険動作を検出するので、より適切に運転者の危険動作を検出できる。 According to the seventh aspect of the present invention, since the dangerous motion of the driver is detected only while the automobile having a higher risk is traveling, the dangerous motion of the driver can be detected more appropriately.
請求項８の発明は、請求項１ないし７のいずれかの発明に従属し、危険動作検出手段によって危険動作が検出されたとき、運転者に対して警告する警告手段を備える。 The invention of claim 8 is dependent on any one of the inventions of claims 1 to 7, and comprises warning means for warning the driver when the dangerous action is detected by the dangerous action detecting means.
請求項８の発明では、警告手段（２０）をさらに備える。警告手段は、危険動作検出手段（１２，Ｓ４１）によって危険動作が検出されたとき、たとえば、音、光および振動などによって、危険動作である旨の警告を運転者に与える。 The invention according to claim 8 further includes warning means (20). When the dangerous motion is detected by the dangerous motion detection means (12, S41), the warning means gives a warning to the driver that the motion is dangerous, for example, by sound, light, vibration, or the like.
請求項８の発明によれば、運転者の動作が危険動作であることを運転者に対して警告するので、未然に自動車事故を防ぐことができる。 According to the invention of claim 8, since the driver is warned that the operation of the driver is a dangerous operation, an automobile accident can be prevented in advance.
請求項９の発明は、自動車の運転者の危険動作を検出する危険動作検出方法であって、（ａ）基準となる運転動作を示す基準動作に関する情報を予め準備し、（ｂ）運転者の動作を検出し、そして（ｃ）基準動作と運転者の動作とに基づいて運転者の危険動作を検出する、危険動作検出方法である。 The invention of claim 9 is a dangerous motion detection method for detecting a dangerous motion of an automobile driver, wherein (a) information relating to a reference motion indicating a reference driving motion is prepared in advance; (C) A dangerous motion detection method for detecting a dangerous motion of a driver based on a reference motion and a driver's motion.
請求項９の発明においても、請求項１の発明と同様に、自動車を運転中の運転者が行う、通常時の動作とは異なる動作を危険動作として検出するので、運転者の危険動作を適切に検出できる。 In the invention of claim 9, as in the invention of claim 1, since the operation different from the normal operation performed by the driver while driving the vehicle is detected as the dangerous operation, the dangerous operation of the driver is appropriately selected. Can be detected.
この発明によれば、通常時の動作とは異なる運転者の動作を危険動作として検出するので、運転者の危険動作を適切に検出できる。 According to the present invention, since the driver's operation different from the normal operation is detected as the dangerous operation, the driver's dangerous operation can be appropriately detected.
この発明の上述の目的，その他の目的，特徴および利点は、図面を参照して行う以下の実施例の詳細な説明から一層明らかとなろう。 The above object, other objects, features and advantages of the present invention will become more apparent from the following detailed description of embodiments with reference to the drawings.
図１を参照して、この発明の一実施例である危険動作検出装置１０は、自動車の走行中に運転者が行う、通常時の動作とは異なる動作、たとえば本来（通常）の自動車の運転動作とは関係の無い動作を、運転に支障をきたす（事故の原因となる）危険な動作（危険動作）として検出する。そして、危険動作を検出した場合には、運転者に対して注意を喚起する警告を行うことによって、自動車事故を未然に防止する。 Referring to FIG. 1, a dangerous motion detection device 10 according to an embodiment of the present invention operates differently from a normal operation performed by a driver while the vehicle is running, for example, a normal (normal) vehicle operation. An operation unrelated to the operation is detected as a dangerous operation (dangerous operation) that hinders driving (causes an accident). When a dangerous motion is detected, a warning that alerts the driver is given to prevent a car accident.
危険動作検出装置１０は、コンピュータ１２、加速度センサユニット１４，１６、データベース１８および警告装置２０等を備える。 The dangerous motion detection device 10 includes a computer 12, acceleration sensor units 14, 16, a database 18, a warning device 20, and the like.
コンピュータ１２は、ＣＰＵ２２、ＲＯＭ２４およびＲＡＭ２６等を含む。ＣＰＵ２２は、ＲＯＭ２４に予め記憶される危険動作検出装置１０の制御プログラムを、ＲＡＭ２６の一時記憶機能を利用しながら実行する。コンピュータ１２は、図示しない無線通信装置を備えており、加速度センサ１４，１６と無線によって接続される。無線通信装置は、たとえばBluetooth（登録商標）のような近距離無線によって通信を行う。また、コンピュータ１２には、有線によってデータベース１８および警告装置２０が接続される。 The computer 12 includes a CPU 22, a ROM 24, a RAM 26, and the like. The CPU 22 executes the control program for the dangerous motion detection device 10 stored in advance in the ROM 24 while using the temporary storage function of the RAM 26. The computer 12 includes a wireless communication device (not shown) and is connected to the acceleration sensors 14 and 16 wirelessly. The wireless communication device performs communication by short-range wireless such as Bluetooth (registered trademark). In addition, a database 18 and a warning device 20 are connected to the computer 12 by wire.
加速度センサ１４，１６は、加速度を検出するセンサと無線通信装置とを備えており、一定周期（たとえば、１００Ｈｚ）で取得したデータを無線によってコンピュータ１２に送信する。この加速度センサ１４，１６としては、本件出願人等によって開発された無線加速度センサユニットを用いることができる。 The acceleration sensors 14 and 16 include a sensor for detecting acceleration and a wireless communication device, and transmit data acquired at a constant cycle (for example, 100 Hz) to the computer 12 wirelessly. As the acceleration sensors 14 and 16, a wireless acceleration sensor unit developed by the applicant or the like can be used.
この実施例では、加速度センサ１４，１６は、Ｘ軸、Ｙ軸およびＺ軸の３軸方向の加速度を検出するセンサを備えていて、水平面に置いた状態で、水平面において互いに直交する方向（左右方向および前後方向）の加速度を２つの軸（Ｘ軸およびＹ軸）でそれぞれ検出し、その水平面に直交する方向（上下方向）の加速度を残りの１つの軸（Ｚ軸）で検出する。 In this embodiment, the acceleration sensors 14 and 16 are provided with sensors for detecting accelerations in the three-axis directions of the X axis, the Y axis, and the Z axis, and in a state where they are placed on the horizontal plane, The acceleration in the direction and the front-rear direction is detected by two axes (X-axis and Y-axis), respectively, and the acceleration in the direction orthogonal to the horizontal plane (vertical direction) is detected by the remaining one axis (Z-axis).
加速度センサ１４は、図２に示すように、リストバンドのような固定部材を用いて、運転者の手、たとえば両手首のそれぞれに取り付けられる。ただし、加速度センサ１４の運転者への取り付け方法は、これに限定されない。たとえば、手の甲に相当する部位に加速度センサ１４を取り付けた運転手袋を用意し、運転者はこの運転手袋をはめて自動車の運転を行うようにしてもよいし、腕時計に加速度センサ１４を組み込み、運転者はこの腕時計を装着して自動車の運転を行うようにしてもよい。また、加速度センサ１４を運転者の両手首に取り付けるときには、手の甲に対する垂直方向がＺ軸方向と一致し、手の指先方向がＹ軸方向と一致するようにする。つまり、運転者が自動車のハンドルを両手で握ったときには、概ね、Ｘ軸がハンドルの回転方向と一致し、Ｙ軸が自動車の進行方向と一致し、Ｚ軸がハンドルの中心から見て放射方向と一致するようにする。 As shown in FIG. 2, the acceleration sensor 14 is attached to each of the driver's hands, for example, both wrists, using a fixing member such as a wristband. However, the method of attaching the acceleration sensor 14 to the driver is not limited to this. For example, a driving glove having an acceleration sensor 14 attached to a portion corresponding to the back of the hand may be prepared, and the driver may wear the driving glove to drive a car. The person may wear the wristwatch and drive the car. When the acceleration sensor 14 is attached to both wrists of the driver, the direction perpendicular to the back of the hand matches the Z-axis direction and the fingertip direction matches the Y-axis direction. In other words, when the driver grips the handle of the car with both hands, the X axis generally coincides with the direction of rotation of the handle, the Y axis coincides with the direction of travel of the car, and the Z axis radiates as viewed from the center of the handle. To match.
また、加速度センサ１６は、粘着テープ等の固定部材を用いて、自動車のダッシュボードに取り付けられる。加速度センサ１６を自動車に取り付けるときには、自動車の前後方向とＹ軸方向とが一致し、自動車の上下方向とＺ軸方向とが一致するようにする。 The acceleration sensor 16 is attached to the dashboard of the automobile using a fixing member such as an adhesive tape. When the acceleration sensor 16 is attached to the automobile, the longitudinal direction of the automobile and the Y-axis direction coincide with each other, and the vertical direction of the automobile and the Z-axis direction coincide with each other.
なお、加速度センサ１４は、運転者の手に取り付けられるので、運転の邪魔にならないように、無線によってコンピュータ１２と接続されることが望ましいが、加速度センサ１６は、自動車に取り付けられるので、有線によってコンピュータ１２と接続されてもよい。 Since the acceleration sensor 14 is attached to the driver's hand, it is desirable that the acceleration sensor 14 be wirelessly connected to the computer 12 so as not to obstruct driving. However, since the acceleration sensor 16 is attached to the automobile, it is wired. The computer 12 may be connected.
データベース１８は、後述する、予め取得しておいた通常動作に基づいて作成される教師データ等の、基準となる運転動作（基準動作）に関する情報を記憶する。このデータベース１８は、コンピュータ１２の外部に設けられてもよいし、コンピュータ１２内のＨＤＤ等に設けられてもよい。 The database 18 stores information related to a reference driving operation (reference operation) such as teacher data created based on a normal operation acquired in advance, which will be described later. The database 18 may be provided outside the computer 12 or may be provided in an HDD or the like in the computer 12.
警告装置２０は、車内に設けられるスピーカ、ランプや運転者に振動を与えるバイブレータ等であって、コンピュータ１２からの信号に基づいて、音、光および振動の少なくとも１つを用いて、危険動作を行っている旨の警告を運転者に対して発する。たとえば、上述の運転者の手に取り付けられる加速度センサ（無線加速度センサユニット）１４に振動装置を取り付け、加速度センサ１４そのものを振動させることによって、運転者に警告するようにしてもよい。ただし、運転者に対して警告する方法は、これらに限定されず、適宜な方法で運転者に警告するとよい。 The warning device 20 is a speaker, a lamp provided in the vehicle, a vibrator that vibrates the driver, or the like. Based on a signal from the computer 12, the warning device 20 performs a dangerous operation using at least one of sound, light, and vibration. A warning is issued to the driver that the vehicle is going. For example, a vibration device may be attached to the acceleration sensor (wireless acceleration sensor unit) 14 attached to the driver's hand and the driver may be warned by vibrating the acceleration sensor 14 itself. However, the method of warning the driver is not limited to these, and the driver may be warned by an appropriate method.
このような構成の危険動作検出装置１０では、運転者の両手首に取り付けた加速度センサ１４によって、自動車を運転中の運転者の動作を加速度データとして検出し、その検出結果に基づいて、運転者の危険動作を検出する。この実施例では、自動車の走行中に、運転者が運転とは関係の無い動作を行ったときに、それを危険動作として検出する。しかし、加速度センサ１４から出力される加速度データ（運転者の加速度データ）には、運転者自身の動作に起因するものだけではなく、自動車自身にかかる加速度に起因するもの（すなわち、ノイズ）も含まれている。自動車に起因するノイズとしては、たとえば、エンジンの振動、路面状態および自動車の加速，減速に伴う加速度が該当する。したがって、この実施例では、先ず、運転者の加速度データに対してウェーブレット（wavelet）解析を行うことによって、当該加速度データから自動車に起因するノイズを低減、或いは除去する。 In the dangerous motion detection device 10 having such a configuration, the acceleration sensor 14 attached to both wrists of the driver detects the driver's motion while driving the vehicle as acceleration data, and the driver is based on the detection result. Detects dangerous movements. In this embodiment, when the driver performs an operation unrelated to driving while the vehicle is traveling, this is detected as a dangerous operation. However, the acceleration data output from the acceleration sensor 14 (driver acceleration data) includes not only the driver's own motion but also the vehicle's own acceleration (that is, noise). It is. The noise caused by the automobile includes, for example, engine vibration, road surface conditions, and acceleration accompanying acceleration and deceleration of the automobile. Therefore, in this embodiment, first, wavelet analysis is performed on the acceleration data of the driver to reduce or eliminate noise caused by the automobile from the acceleration data.
ここで、ウェーブレット解析は、マザー・ウェーブレット関数を用いて、時間と周波数との両面から信号（この実施例では、加速度データ）を分解して分析する手法であり、非定常データの解析に有効な解析方法である。また、マザー・ウェーブレット関数Ψ(t)は数１を満たす関数の総称である。 Here, wavelet analysis is a technique for decomposing and analyzing signals (acceleration data in this embodiment) from both time and frequency using the mother wavelet function, which is effective for analysis of unsteady data. This is an analysis method. Further, the mother wavelet function Ψ (t) is a generic name of functions satisfying Equation 1.
マザー・ウェーブレット関数としては、様々なものが提案されているが、この実施例では、Ｄａｕｂｅｃｈｉｅｓのウェーブレット関数を用いてある。また、マザー・ウェーブレット関数をΨ(t)とするとき、離散ウェーブレット変換に基づくウェーブレット展開係数ｄj,kは数２で示される。 Various mother wavelet functions have been proposed. In this embodiment, the Daubechies wavelet function is used. Further, when the mother wavelet function is Ψ (t), the wavelet expansion coefficient d j, k based on the discrete wavelet transform is expressed by Equation 2.
ここで、ウェーブレット展開係数ｄj,kは、信号ｘ(t)の時点２ｊｋ、周波数レベル２−ｊにおける成分を抽出したものである。このとき、元の信号ｘ(t)は、数３の離散ウェーブレット逆変換によって復元することができる。 Here, the wavelet expansion coefficient d j, k is a component extracted at time 2 j k and frequency level 2- j of the signal x (t). At this time, the original signal x (t) can be restored by inverse discrete wavelet transformation of Equation 3.
このようなウェーブレット解析を用いて、運転者の加速度データから、自動車に起因するノイズ（加速度成分）を除去するためには、自動車に取り付けた加速度センサ１６の出力（自動車自身の加速度データ）に基づいて自動車に起因する加速度成分の周波数帯を検出し、運転者の加速度データに含まれる当該周波数帯の加速度成分を、運転者の加速度データから除去するとよい。 In order to remove noise (acceleration component) caused by the automobile from the acceleration data of the driver using such wavelet analysis, it is based on the output of the acceleration sensor 16 attached to the automobile (acceleration data of the automobile itself). Thus, the frequency band of the acceleration component caused by the automobile may be detected, and the acceleration component of the frequency band included in the driver acceleration data may be removed from the driver acceleration data.
具体的に説明すると、たとえば、運転者の加速度データをｘｄｒｉ(t)とし、自動車自身の加速度データをｘｃａｒ(t)とする。また、ｘｄｒｉ(t)のウェーブレット展開係数をｄｄｒｉｊ，ｋとし、ｘｃａｒ(t)のウェーブレット展開係数をｄｃａｒｊ，ｋとする。ここで、時点２ｊｋにおいて、自動車に起因する周波数レベル２−ｊの加速度が運転者に生じたとする。この自動車に起因する加速度の大きさは、ｘｃａｒ(t)の時点２ｊｋ、周波数レベル２−ｊの成分を捉えたｄｃａｒｊ，ｋの絶対値の大きさに対応する。つまり、ｘｄｒｉ(t)には、ｄｃａｒｊ，ｋの絶対値の大きさに対応するノイズが含まれる。 More specifically, for example, it is assumed that the acceleration data of the driver is x dri (t) and the acceleration data of the car itself is x car (t). In addition, the wavelet expansion coefficient of x dri (t) is set to d drij, k, and the wavelet expansion coefficient of x car (t) is set to d carj, k . Here, it is assumed that at the time point 2 j k, an acceleration of a frequency level 2- j caused by the automobile is generated in the driver. The magnitude of the acceleration caused by the automobile corresponds to the magnitude of the absolute value of d carj, k that captures the component of time point 2 j k of x car (t) and frequency level 2− j . That is, x dri (t) includes noise corresponding to the magnitude of the absolute value of d carj, k .
このとき、ｘｄｒｉ(t)から自動車に起因するノイズを除去するためには、ｘｄｒｉ(t)の時点２ｊｋに対して、周波数レベル２−ｊの加速度成分を除去するフィルタを局所的に適用すればよい。より具体的には、ｄｄｒｉｊ，ｋの値を０とした上で、離散ウェーブレット逆変換を行えばよく、この処理は、数４で表される。 At this time, in order to remove the noise caused by the motor vehicle from the x dri (t), to the time point 2 j k of x dri (t), the local filter for removing an acceleration component of the frequency levels 2 -j Apply to the above. More specifically, the discrete wavelet inverse transform may be performed after setting the value of d drij, k to 0, and this process is expressed by Equation 4.
ここで、ｘｄｅｎｏｉｓｅ（ｔ）は、運転者の加速度データから、自動車に起因するノイズを低減、或いは除去したものである。また、αｊは、時点２ｊｋにおいて自動車に生じた周波数レベル２−ｊの加速度が、運転者の加速度データにノイズとして混入するほど大きいかどうかを判定するための閾値であり、このαｊには、適宜な値が採用される。つまり、この実施例では、自動車に生じた加速度（自動車自身の加速度データ）が、運転者の加速度データに影響を与えるほど大きいときに、その自動車に生じた加速度が運転者の加速度データに与える影響を、自動車に起因するノイズとして運転者の加速度データから除去する。 Here, xdenoise (t) is obtained by reducing or removing noise caused by the automobile from the acceleration data of the driver. Also, alpha j is a frequency level 2 -j acceleration generated in a vehicle at a time point 2 j k is a threshold for determining whether it is more mixed as noise in the acceleration data of the driver, the alpha j An appropriate value is adopted for. That is, in this embodiment, when the acceleration generated in the automobile (acceleration data of the automobile itself) is large enough to affect the acceleration data of the driver, the influence of the acceleration generated in the automobile on the acceleration data of the driver. Are removed from the acceleration data of the driver as noise caused by the automobile.
このようにして、運転者の加速度データから自動車に起因するノイズを低減すると、次に、このノイズを低減した加速度データを用いて、運転動作の解析を行う。この実施例では、ノイズを低減した加速度データから運転動作特徴量を抽出し、これと後述する教師データとを比較することによって、本来の運転とは関係の無い運転者の動作、つまり危険動作を検出する。 In this way, when noise caused by the automobile is reduced from the acceleration data of the driver, the driving operation is analyzed using the acceleration data in which the noise is reduced. In this embodiment, a driving action feature amount is extracted from acceleration data with reduced noise, and a driver's action that is not related to the original driving, that is, a dangerous action, is compared with teacher data described later. To detect.
運転動作特徴量を抽出する際には、ノイズを低減した加速度データに対して時間方向に移動する時間窓を適用する。そして、時間窓の範囲内の各加速度データの平均および分散、および各加速度データ間の相関を計算する。また、時間窓の範囲内で各加速度データを離散ウェーブレット変換し、周波数レベル２−ｊ毎に、数５で定義するＤｊを算出する。 When extracting the driving motion feature amount, a time window that moves in the time direction is applied to the acceleration data with reduced noise. And the average and dispersion | distribution of each acceleration data within the range of a time window, and the correlation between each acceleration data are calculated. Also, each acceleration data is subjected to discrete wavelet transform within the time window, and D j defined by Equation 5 is calculated for each frequency level 2- j .
ここで、Ｎｊは、周波数レベル２−ｊのウェーブレット展開係数ｄｊ，ｋの個数である。そして、これらの値（すなわち、加速度データの平均、加速度データの分散、加速度データ間の相関およびＤｊ）を、或る時点ｔの運動動作特徴量（運転動作特徴量ベクトル）ｘｔとする。なお、この実施例では、３軸の加速度を検出する加速度センサ１４を両手首にそれぞれ取り付けるので、加速度データは６次元となる。また、時間窓の大きさは１２８サンプル分であり、移動量は１０サンプル分である。１２８サンプル分のデータを利用することにより、周波数レベル２−１から２−７まで変換（抽出）することができる。 Here, N j is the number of wavelet expansion coefficients d j, k at frequency level 2- j . These values (that is, the average of acceleration data, the variance of acceleration data, the correlation between acceleration data, and D j ) are set as a motion action feature quantity (driving action feature quantity vector) x t at a certain time point t. In this embodiment, since acceleration sensors 14 for detecting triaxial acceleration are attached to both wrists, the acceleration data is six-dimensional. Further, the size of the time window is 128 samples, and the moving amount is 10 samples. By utilizing the 128 samples of data, it can be converted (extracted) from the frequency level 2 -1 to 2 -7.
また、教師データは、通常の自動車の運転において運転者が行う様々な動作（通常動作）を網羅的に収集したものである。この実施例では、通常動作は運転に関係する動作のみで構成され、この通常動作が基準動作となる。通常動作には、直進時に行う動作、右折或いは左折時に行う動作、および車線変更時に行う動作などの様々な動作が含まれるが、これらの通常動作をそれぞれ別個にモデル化するには、多くの手間、時間およびコストがかかる。そこで、この実施例では、運転者に取り付けた加速度センサ１４によって、運転者の通常動作を加速度データとしてまとめて取得する。そして、取得した加速度データから自動車起因のノイズを低減し、それから抽出した運転動作特徴量の集合を教師データとする。 The teacher data is a comprehensive collection of various actions (normal actions) performed by the driver in normal driving of the automobile. In this embodiment, the normal operation is composed only of operations related to driving, and this normal operation is the reference operation. The normal operation includes various operations such as an operation performed when going straight, an operation performed when turning right or left, and an operation performed when changing lanes, but it takes a lot of trouble to model these normal operations separately. , Time and costly. Therefore, in this embodiment, the normal operation of the driver is collectively acquired as acceleration data by the acceleration sensor 14 attached to the driver. Then, noise caused by the automobile is reduced from the acquired acceleration data, and a set of driving motion feature values extracted therefrom is used as teacher data.
この実施例では、このような教師データを予め収集しておき、この教師データから乖離した運転動作特徴量があれば、その運転動作特徴量が検出された時点で、運転者が運転とは関係の無い動作を行ったと判断する。なお、教師データは高次元であり、そのまま使用すると計算処理が繁雑となるので、主成分分析を行うことによって低次元化した教師データを用いるとよい。 In this embodiment, such teacher data is collected in advance, and if there is a driving motion feature amount deviating from this teacher data, the driver is not related to driving when the driving motion feature amount is detected. Judged that the operation was performed. Note that teacher data is high-dimensional, and calculation processing becomes complicated if it is used as it is. Therefore, it is preferable to use teacher data reduced in dimension by performing principal component analysis.
教師データからの乖離を調べる手法としては、たとえば、１クラスサポートベクターマシン（１クラスＳＶＭ）を用いることができる。なお、この実施例への１クラスＳＶＭの実装には、台湾国立大学で開発されたＬＩＢＳＶＭのソースコードを利用している。 As a method for examining the deviation from the teacher data, for example, a one-class support vector machine (one-class SVM) can be used. Note that the LIBSVM source code developed at the National University of Taiwan is used to implement the one-class SVM in this embodiment.
ここで、ＳＶＭは、線形識別器の一種である。線形識別器は、２クラスが線形分離可能であるときには高い認識率を期待できるが、非線形で複雑な問題に対しては、その限りではない。そこで、非線形な写像Φを用いて線形分離性を高めることが考えられる。たとえば、通常動作から抽出した、或る時点ｔの運転動作特徴量ｘｔの集合である教師データをＸ＝{ｘｔ｜ｔ＝１，・・・，Ｎ}とし、元の空間で定義されるカーネル関数Ｋ（ｘ，ｘ´）を用意する。ただし、このカーネル関数の値と写像Φによって写像される先での内積（Φ（ｘ）・Φ（ｘ´））とは、一致するものとする。カーネル関数としては、数６で定義されるガウシアンカーネル等を用いることができる。 Here, SVM is a kind of linear classifier. The linear classifier can be expected to have a high recognition rate when the two classes are linearly separable, but this is not the case for nonlinear and complex problems. Therefore, it is conceivable to increase the linear separation using a non-linear mapping Φ. For example, teacher data that is a set of driving motion feature values x t at a certain time point t extracted from normal motion is defined as X = {x t | t = 1,..., N} and defined in the original space. Kernel function K (x, x ′) is prepared. However, it is assumed that the value of the kernel function and the inner product (Φ (x) · Φ (x ′)) mapped by the mapping Φ coincide with each other. As the kernel function, a Gaussian kernel or the like defined by Equation 6 can be used.
このガウシアンカーネルを用いて写像を行うと、元の空間の外れ点は原点近くに写像される。そこで、１クラスＳＶＭでは、この性質を利用して識別超平面を構築する。つまり、外れ点が分布する原点付近とそれ以外（通常点）とを分離する識別超平面を構築する。このときの識別関数ｆ（Φ（ｘ））は、数７で表される。 When mapping using this Gaussian kernel, the outliers in the original space are mapped near the origin. Therefore, in the 1 class SVM, an identification hyperplane is constructed using this property. That is, an identification hyperplane that separates the vicinity of the origin where the outliers are distributed and the other (normal points) is constructed. The discrimination function f (Φ (x)) at this time is expressed by Equation 7.
［数７］
f(Φ(x)) = sgn(wTΦ(x)-h)
[Equation 7]
f (Φ (x)) = sgn (w T Φ (x) -h)
ここで、関数ｓｇｎ（ｕ）は、ｕ＞０のときには「１」となり、それ以外のときには「−１」となる符合関数である。また、ｗは重みベクトルである。教師データにおいて、予め決められた割合ν∈（０，１）のデータが外れ点となる、つまり原点側に残るような識別超平面を構築するためには、数８で表される問題を解き、そのパラメータｗおよびｈを求めればよい。 Here, the function sgn (u) is a sign function that is “1” when u> 0, and “−1” otherwise. W is a weight vector. In order to construct a discriminative hyperplane in which the data of a predetermined ratio ν∈ (0, 1) becomes a point out of the teacher data, that is, remains on the origin side, the problem expressed by Equation 8 is solved. The parameters w and h may be obtained.
この実施例の教師データは、通常動作を収集したもの、つまり自動車の運転に必要な動作のみを収集したものであるので、その全て、或いはそのほとんどが外れ点とはみなされないような識別超平面を求めるとよい。この実施例では、ν＝０．０００１とし、教師データ集合の０．０１％のみが外れ点となる識別超平面を採用した。ただし、νの値は、適宜変更可能である。 Since the teacher data of this embodiment is a collection of normal movements, that is, collection of only movements necessary for driving a car, all or most of them are not identified as outliers. It is good to ask for. In this embodiment, ν = 0.0001, and an identification hyperplane in which only 0.01% of the teacher data set is an outlier is employed. However, the value of ν can be changed as appropriate.
このような識別超平面を用いることによって、教師データから乖離する運転者の動作を容易に識別でき、運転者が運転（通常動作）とは関係の無い動作（危険動作）を行ったことを容易に検出できる。 By using such an identification hyperplane, the driver's movements that deviate from the teacher data can be easily identified, and it is easy for the driver to perform actions that are unrelated to driving (normal actions) (dangerous actions). Can be detected.
なお、自動車の運転動作には運転者の個性が反映される、つまり、各運転者によって運転動作は異なる（たとえば、両手でハンドルを操作する運転者もいれば、片手でハンドルを操作する運手者もいる）。よって、教師データを予め収集する際には、各運転者の通常動作から個別に教師データを抽出することが望ましい。これによって、運転者が通常動作とは関係の無い動作を行ったことをより正確に検出できる。ただし、運転の上手な人間についての通常動作から教師データを抽出し、これを他の運転者（たとえば運転歴の短い運転者）に対して利用してもよい。この場合には、運転者は正常だと認識しているが、実際には異常、或いは不要である動作を検出できる。これを利用すれば、運転動作を矯正することも可能である。 The driving behavior of the car reflects the individuality of the driver, that is, the driving behavior varies depending on the driver (for example, some drivers operate the steering wheel with both hands, while the driver operates the steering wheel with one hand). Some). Therefore, when collecting teacher data in advance, it is desirable to individually extract teacher data from the normal operation of each driver. This makes it possible to more accurately detect that the driver has performed an operation unrelated to the normal operation. However, the teacher data may be extracted from the normal operation of a person who is good at driving and used for other drivers (for example, drivers with a short driving history). In this case, although the driver recognizes that it is normal, it can detect an operation that is actually abnormal or unnecessary. If this is utilized, it is also possible to correct driving | operation operation | movement.
以下に、通常の運転動作を学習する処理、つまり、教師データを収集して乖離データ識別超平面を構築する処理について、フロー図を用いて説明する。具体的には、コンピュータ１２のＣＰＵ２２が図３および図４に示すようなオフライン処理を実行する。図３および図４に示すオフライン処理では、予め取得しておいた通常動作のみを行った時の加速度データを利用して、乖離データ識別超平面を構築する。ただし、この処理は、外部コンピュータが行うようにしてもよい。 Hereinafter, a process of learning a normal driving operation, that is, a process of collecting teacher data and constructing a deviation data identification hyperplane will be described with reference to a flowchart. Specifically, the CPU 22 of the computer 12 executes offline processing as shown in FIGS. In the offline processing shown in FIG. 3 and FIG. 4, the deviation data identification hyperplane is constructed by using the acceleration data obtained when only the normal operation acquired in advance is performed. However, this processing may be performed by an external computer.
図３を参照して、先ず、ステップＳ１では、一定サンプル分の加速度データを取得する。すなわち、直進、右折、左折および車線変更などの様々な状況下で出力された、加速度センサ１４および１６からの加速度データ、つまり運転者の加速度データおよび自動車自身の加速度データの一定サンプル分（たとえば、１２８サンプル）をそれぞれ取得する。なお、上述したように、この加速度データには、本来の運転とは関係の無い動作のデータは含まれない。 Referring to FIG. 3, first, in step S1, acceleration data for a certain sample is acquired. That is, the acceleration data from the acceleration sensors 14 and 16 output under various conditions such as going straight, turning right, turning left, and changing lanes, that is, a certain sample of the acceleration data of the driver and the acceleration data of the vehicle itself (for example, 128 samples). Note that, as described above, the acceleration data does not include operation data that is not related to the original driving.
次のステップＳ３では、運転者の加速度データに対するノイズ低減処理を行い、ステップＳ５に進む。ステップＳ３の詳細は、後述する図４に示す。 In the next step S3, noise reduction processing is performed on the acceleration data of the driver, and the process proceeds to step S5. Details of step S3 are shown in FIG.
ステップＳ５では、ノイズ低減処理後の加速度データから運転動作特徴量を抽出する。すなわち、ノイズ低減処理後の加速度データに対して時間窓を適用して、加速度データの平均および分散などを計算し、これらの計算した値を各時点の運転動作特徴量とする。 In step S5, a driving action feature amount is extracted from the acceleration data after the noise reduction processing. That is, a time window is applied to the acceleration data after the noise reduction processing, and the average and variance of the acceleration data are calculated, and these calculated values are used as the driving operation feature values at each time point.
次のステップＳ７では、全データについて処理済であるかどうかを判断する。すなわち、予め取得した加速度データの全てから運転動作特徴量を抽出したかどうかを判断する。ステップＳ７で“ＮＯ”の場合、すなわち全データについて処理済でなければ、ステップＳ９に進む。そして、ステップＳ９で、次の一定サンプル分の加速度データを取得し、ステップＳ３に戻る。一方、ステップＳ７で“ＹＥＳ”の場合、すなわち全データについて処理済であれば、ステップＳ１１に進む。 In the next step S7, it is determined whether or not all data has been processed. That is, it is determined whether or not the driving action feature amount is extracted from all the acceleration data acquired in advance. If “NO” in the step S7, that is, if all the data has not been processed, the process proceeds to a step S9. In step S9, acceleration data for the next fixed sample is acquired, and the process returns to step S3. On the other hand, if “YES” in the step S7, that is, if all the data has been processed, the process proceeds to a step S11.
ステップＳ１１では、教師データ集合の主成分分析を行う。すなわち、ステップＳ５の処理において抽出した全ての運転動作特徴量の集合である教師データについて、主成分分析を行い、教師データの次元数を削減する。たとえば、累積寄与率が８０％以上になるまでの主成分を採用することによって、教師データの次元数を削減する。 In step S11, principal component analysis of the teacher data set is performed. That is, principal component analysis is performed on the teacher data that is a set of all the driving motion feature values extracted in the process of step S5, and the number of dimensions of the teacher data is reduced. For example, the number of teacher data dimensions is reduced by adopting principal components until the cumulative contribution rate reaches 80% or more.
次のステップＳ１３では、主成分分析後の教師データを用いて、乖離データ識別超平面を構築する。すなわち、１クラスＳＶＭにより、教師データの全て、或いはそのほとんどが外れ点とみなされないような（たとえば、ν＝０．０００１を採用）乖離データ識別超平面を構築する。そして、教師データや乖離データ識別超平面などの情報をデータベース１８に記憶し、オフライン処理を終了する。 In the next step S13, a divergence data identification hyperplane is constructed using the teacher data after the principal component analysis. That is, a one-class SVM is used to construct a divergence data identification hyperplane such that all or most of the teacher data is not regarded as outliers (for example, adopting ν = 0.0001). Then, information such as teacher data and divergence data identification hyperplane is stored in the database 18, and the offline processing is terminated.
図４は、図３に示したステップＳ３の運転者の加速度データに対するノイズ低減処理を示すフロー図である。図４に示すように、コンピュータ１２のＣＰＵ２２は、この処理を開始すると、ステップＳ２１で、自動車の加速度データｘｃａｒ（ｔ）に対してウェーブレット解析を行う。すなわち、ｘｃａｒ（ｔ）の時点２ｊｋ、周波数レベル２−ｊの成分を捉えたウェーブレット展開係数ｄｃａｒｊ，ｋを求める。 FIG. 4 is a flowchart showing noise reduction processing for the acceleration data of the driver in step S3 shown in FIG. As shown in FIG. 4, when this process is started, the CPU 22 of the computer 12 performs wavelet analysis on the acceleration data x car (t) of the automobile in step S21. That is, the wavelet expansion coefficient d carj, k that captures the component of the time point 2 j k and the frequency level 2 −j of x car (t) is obtained .
次のステップＳ２３では、閾値以上のウェーブレット展開係数ｄｃａｒｊ，ｋが存在するかどうかを判断する。すなわち、ステップ２１で求めた各ウェーブレット展開係数ｄｃａｒｊ，ｋについて、その絶対値が閾値αｊよりも大きいかどうかを判断する。ステップＳ２３で“ＮＯ”の場合、すなわち閾値αｊよりも大きいｄｃａｒｊ，ｋが存在しない場合には、そのまま、当該処理を図３に示したオフラインの全体処理にリターンする。一方、ステップＳ２３で“ＹＥＳ”の場合、すなわち閾値αｊよりも大きいｄｃａｒｊ，ｋが存在する場合には、ステップＳ２５に進む。 In the next step S23, it is determined whether or not there is a wavelet expansion coefficient d carj, k greater than or equal to a threshold value. That is, it is determined whether or not the absolute value of each wavelet expansion coefficient d carj, k obtained in step 21 is larger than the threshold value α j . If “NO” in the step S23, that is, if d carj, k larger than the threshold α j does not exist, the process returns to the entire offline process shown in FIG. On the other hand, if “YES” in the step S23, that is, if d carj, k larger than the threshold α j exists, the process proceeds to a step S25.
ステップＳ２５では、運転者の加速度データｘｄｒｉ（ｔ）をウェーブレット解析し、閾値以上のｄｃａｒｊ，ｋに対応するｄｄｒｉｊ，ｋを除去する。すなわち、ｘｄｒｉ（ｔ）についても、ウェーブレット展開係数ｄｄｒｉｊ，ｋを求め、そして、ステップＳ２３で検出した閾値以上のｄｃａｒｊ，ｋに対応する、つまり自動車において閾値以上の加速度が検出された時点２ｊｋ、周波数レベル２−ｊの成分を捉えたｄｄｒｉｊ，ｋを、ｘｄｒｉ（ｔ）から除去する。ステップＳ２５の処理が終了すると、図３に示したオフラインの全体処理にリターンする。 In step S25, the driver's acceleration data x dri (t) is subjected to wavelet analysis, and d drij, k corresponding to d carj, k equal to or greater than the threshold is removed. That is, the wavelet expansion coefficient d drij, k is also obtained for x dri (t), and the time corresponding to d carj, k greater than or equal to the threshold detected in step S23, that is, the acceleration greater than or equal to the threshold detected in the automobile. Remove d drij, k that captures components of 2 j k and frequency level 2- j from x dri (t). When the process of step S25 ends, the process returns to the offline whole process shown in FIG.
なお、上述したように、この実施例では、ウェーブレット解析に１２８サンプル分の加速度データを用いるので、周波数レベル２−１から２−７まで変換可能である。しかし、本件出願人等が実験によって取得した知見によると、運転者の加速度センサ１４から検出される加速度データの高周波成分は、そのほとんどが自動車に起因するノイズである。したがって、図４に示したノイズ低減処理において、高周波成分、たとえば周波数レベル２−１から２−３までの成分については、自動的に（閾値によらず）自動車の加速度データから除去するようにしてもよい。また、図４に示したノイズ低減処理の後に、高周波成分、たとえば周波数レベル２−１から２−３までの成分を除去する処理を行い、図３に示したステップＳ５に進むようにしてもよい。さらに、図４に示したノイズ低減処理に代えて、高周波成分、たとえば周波数レベル２−１から２−３までの成分を自動的に除去することを、ノイズ低減処理（ノイズ低減簡易処理）としてもよい。ノイズ低減簡易処理を行う場合には、危険動作検出装置１０は、自動車に取り付ける加速度センサ１６を備える必要は無い。 As described above, in this embodiment, since acceleration data for 128 samples is used for wavelet analysis, conversion from frequency level 2-1 to 2-7 is possible. However, according to the knowledge obtained by the present applicant through experiments, most of the high-frequency components of acceleration data detected from the driver's acceleration sensor 14 are noise caused by the automobile. Accordingly, in the noise reduction process shown in FIG. 4, a high frequency component, for example for the component from the frequency level 2 -1 to 2 -3, (regardless of the threshold) automatically so as to remove from the vehicle acceleration data Also good. Further, after the noise reduction process shown in FIG. 4, a high frequency component, for example, performs a process of removing components from the frequency level 2 -1 to 2 -3, it may proceed to step S5 shown in FIG. Further, instead of the noise reduction processing shown in FIG. 4, a high frequency component, for example, to automatically remove components from the frequency level 2 -1 to 2 -3, even as a noise reduction process (the noise reduction simple process) Good. When performing the noise reduction simple process, the dangerous motion detection device 10 does not need to include the acceleration sensor 16 attached to the automobile.
次に、図３および図４に示したオフライン処理で得た結果（データベース１８）を用いて、通常動作とは関係の無い動作、すなわち危険動作を抽出（検出）し、運転者に警告を発する処理について説明する。具体的には、コンピュータ１２のＣＰＵ２２が図５に示すようなリアルタイム処理を実行する。 Next, using the results (database 18) obtained by the offline processing shown in FIG. 3 and FIG. 4, an operation unrelated to the normal operation, that is, a dangerous operation is extracted (detected), and a warning is issued to the driver. Processing will be described. Specifically, the CPU 22 of the computer 12 executes real-time processing as shown in FIG.
図５を参照して、コンピュータ１２のＣＰＵ２２は、リアルタイム処理を開始（たとえば、自動車のエンジンの始動を検出、或いはサイドブレーキの解除を検出）すると、ステップＳ３１で、運転者および自動車の加速度データを取得する。つまり、加速度センサ１４および１６からの加速度データを取得し、ＲＡＭ２６に一時記憶する。 Referring to FIG. 5, when the CPU 22 of the computer 12 starts real-time processing (for example, detection of start of an automobile engine or detection of side brake release), in step S31, acceleration data of the driver and the automobile is obtained. get. That is, acceleration data from the acceleration sensors 14 and 16 is acquired and temporarily stored in the RAM 26.
次のステップＳ３３では、一定サンプル分の加速度データを取得したかどうかを判断する。すなわち、運転者および自動車自身の加速度データのそれぞれについて、時間窓の大きさ（この実施例では、１２８サンプル分）に相当するデータ量を取得したかどうかを判断する。ステップＳ３３で“ＮＯ”の場合、すなわち一定サンプル分の加速度データを取得していなければ、ステップＳ３１に戻る。一方、ステップＳ３３で“ＹＥＳ”の場合、すなわち一定サンプル分の加速度データを取得していれば、ステップＳ３５に進む。 In the next step S33, it is determined whether or not acceleration data for a certain sample has been acquired. That is, it is determined whether or not the data amount corresponding to the size of the time window (128 samples in this embodiment) has been acquired for each of the acceleration data of the driver and the automobile itself. If “NO” in the step S33, that is, if acceleration data for a certain sample is not acquired, the process returns to the step S31. On the other hand, if “YES” in the step S33, that is, if acceleration data for a certain sample is acquired, the process proceeds to a step S35.
ステップＳ３５では、運転者の加速度データに対してノイズ低減処理を行う。すなわち、図４に示した処理（図３のステップＳ３の処理）と同様の処理を行い、運転者の加速度データから、自動車に起因するノイズを低減、或いは除去する。 In step S35, noise reduction processing is performed on the acceleration data of the driver. That is, the same process as the process shown in FIG. 4 (the process of step S3 in FIG. 3) is performed to reduce or remove noise caused by the automobile from the acceleration data of the driver.
続くステップＳ３７では、ノイズ低減処理後の加速度データから、運転動作特徴量を抽出する。すなわち、ノイズ低減処理後の加速度データに対して時間窓を適用し、その時点の運転動作特徴量を抽出する。そして、ステップＳ３９では、運転動作特徴量を教師データの主成分空間にマッピングする。すなわち、ステップＳ３７で取得した運転動作特徴量を、データベース１８に記憶している教師データの主成分空間にマッピングする。 In the subsequent step S37, the driving action feature quantity is extracted from the acceleration data after the noise reduction process. That is, a time window is applied to the acceleration data after the noise reduction process, and the driving operation feature quantity at that time is extracted. In step S39, the driving motion feature value is mapped to the principal component space of the teacher data. That is, the driving operation feature amount acquired in step S <b> 37 is mapped to the principal component space of the teacher data stored in the database 18.
次のステップＳ４１では、運転に関係しない動作かどうかを判断する。すなわち、教師データの主成分空間にマッピングした運転動作特徴量が、図３および図４のオフライン処理で構築した乖離データ識別超平面によって外れ点とみなされる（乖離データ識別超平面より原点側に分布する）かどうかを判断する。ステップＳ４１で“ＮＯ”の場合、すなわち乖離データ識別超平面によって外れ点とみなされない場合には、運転者の行った動作（ステップＳ３１で取得した運転者の加速度データ）は通常動作と判断して、ステップＳ４７に進む。一方、ステップＳ４１で“ＹＥＳ”の場合、すなわち乖離データ識別超平面によって外れ点とみなされる場合には、運転者は運転に関係の無い動作を行ったと判断して、ステップＳ４３に進む。 In the next step S41, it is determined whether or not the operation is not related to driving. That is, the driving operation feature amount mapped to the principal component space of the teacher data is regarded as a departure point by the deviation data identification hyperplane constructed by the offline processing of FIGS. 3 and 4 (distributed to the origin side from the deviation data identification hyperplane. Judgment). If “NO” in the step S41, that is, if the deviation data identification hyperplane is not regarded as an outlier, the operation performed by the driver (the driver acceleration data acquired in the step S31) is determined as a normal operation. The process proceeds to step S47. On the other hand, if “YES” in the step S41, that is, if the deviation data identification hyperplane is regarded as a departure point, it is determined that the driver has performed an operation unrelated to the driving, and the process proceeds to the step S43.
ステップＳ４３では、自動車の速度は一定値以上かどうかを判断する。たとえば、自動車に備えられる速度計（図示せず）からの出力に基づいて、自動車が走行中であるかどうかを判断する。ステップＳ４３で“ＮＯ”の場合、すなわち自動車が停車中の場合には、ステップＳ４７に進む。一方、ステップＳ４３で“ＹＥＳ”の場合、すなわち自動車が走行中の場合には、ステップＳ４５に進む。 In step S43, it is determined whether the speed of the automobile is equal to or greater than a certain value. For example, it is determined whether or not the automobile is running based on an output from a speedometer (not shown) provided in the automobile. If “NO” in the step S43, that is, if the automobile is stopped, the process proceeds to a step S47. On the other hand, if “YES” in the step S43, that is, if the automobile is traveling, the process proceeds to a step S45.
ステップＳ４５では、運転者に対して危険動作を警告する。すなわち、警告装置２０に対して警告を発するための信号を送り、光、音および振動などの適宜な方法を用いて、運転者に対して危険動作である旨の警告を発する。ステップＳ４５の処理が終了すると、ステップＳ４７に進む。 In step S45, the driver is warned of a dangerous action. That is, a signal for issuing a warning is sent to the warning device 20, and a warning that the operation is dangerous is issued to the driver using an appropriate method such as light, sound and vibration. When the process of step S45 ends, the process proceeds to step S47.
ステップＳ４７では、リアルタイム処理の終了であるかどうかを判断する。たとえば、自動車のエンジンの停止を検出したかどうか、或いはサイドブレーキがかけられたことを検出したかどうかによって判断する。ステップＳ４７で“ＮＯ”の場合、すなわちリアルタイム処理の終了でない場合には、ステップＳ３１に戻る。一方、ステップＳ４７で“ＹＥＳ”の場合、たとえばエンジンの停止、或いはサイドブレーキがかけられたことを検出した場合には、リアルタイム処理を終了する。 In step S47, it is determined whether or not the real-time processing is finished. For example, the determination is made based on whether or not a stop of an automobile engine is detected or whether or not it is detected that a side brake is applied. If “NO” in the step S47, that is, if the real-time processing is not ended, the process returns to the step S31. On the other hand, if “YES” in the step S47, for example, when it is detected that the engine is stopped or the side brake is applied, the real-time processing is ended.
なお、本件出願人等は、実際に特定の１人の運転者が公道を走行する運転動作収集実験を行った。この実験は、延べ３２日間行われ、総走行距離は５８９ｋｍであった。この実験によって取得したデータ（加速度データ）の中で、通常動作のみ、つまり運転とは関係の無い動作が含まれない、５７ｋｍ分の加速度データを教師データに用いた。そして、教師データに用いたデータを除く５３２ｋｍ分のデータについて、ノイズ低減処理を行い、運転動作特徴量を抽出し、１クラスＳＶＭを適用した。これによって外れ点として抽出された動きは、「カーナビゲーション装置を操作する」、「ポケットから財布を取り出す」および「ドリンクホルダに手を伸ばす」等、いずれも通常動作とは関係の無い動作ばかりであった。つまり、この危険動作検出装置１０によって、通常動作とは関係の無い動作が正確に検出されることが実証された。運転とは関係の無い動作を自動車の走行中に行うことは、危険な行為（危険動作）であり、事故の原因となり得ることは言うまでもない。 In addition, the present applicants and the like conducted a driving operation collection experiment in which a specific single driver actually travels on a public road. This experiment was conducted for a total of 32 days, and the total travel distance was 589 km. Among the data (acceleration data) obtained by this experiment, acceleration data for 57 km that does not include only normal operation, that is, operation not related to driving, was used as teacher data. Then, noise reduction processing was performed on the data for 532 km excluding the data used for the teacher data, the driving operation feature amount was extracted, and the 1 class SVM was applied. The movements extracted as detachment points are all operations that are not related to normal operations, such as “operate the car navigation device”, “take out the wallet from the pocket”, and “reach your hand to the drink holder”. there were. That is, it has been demonstrated that the dangerous motion detection device 10 can accurately detect an operation unrelated to the normal operation. It goes without saying that performing an operation unrelated to driving while the vehicle is running is a dangerous action (dangerous operation) and may cause an accident.
この実施例によれば、自動車の運転とは関係の無い運転者の動作を危険動作として検出するので、運転者の危険動作を適切に検出できる。したがって、運転者に対して適切に警告を発することができるので、自動車事故を防止することができる。 According to this embodiment, since the driver's motion unrelated to the driving of the automobile is detected as the dangerous motion, the driver's dangerous motion can be appropriately detected. Therefore, since a warning can be appropriately issued to the driver, an automobile accident can be prevented.
また、運転者自身の動作を加速度センサ１４によって検出するので、運転者の動作を容易にかつ正確に検出できる。さらに、予め取得した教師データからの乖離を判断するだけで、運転（通常動作）とは関係の無い動作を検出できるので、処理コストも抑えられる。 Further, since the driver's own motion is detected by the acceleration sensor 14, the driver's motion can be easily and accurately detected. Furthermore, since it is possible to detect an operation unrelated to driving (normal operation) only by determining a deviation from the teacher data acquired in advance, the processing cost can be reduced.
なお、上述の実施例では、自動車の運転とは関係の無い動作を運転者が行うと、その動作を危険動作として検出したが、これに限定されない。たとえば、本来の運転とは関係の無い動作であるが、場合によっては必要となる動作（カーナビゲーション装置やエアコン装置の操作など）は、運転者が通常時の滑らかな動作で行えば、危険運転として検出しないというようにすることもできる。この場合には、教師データに用いる通常動作の中に、カーナビゲーション装置やエアコン装置の操作などの動作を含むようにするとよい。ただし、この場合の通常動作に含まれる動作は、通常時の滑らかな動作であって、運転に支障をきたすような動作は含まれない。このようにすれば、たとえば、自動車の走行中に運転者がカーナビゲーション装置の操作などを行っても、それが通常時と同様の滑らかな動作であれば危険動作として検出されず、運転者がカーナビゲーション装置の操作などに手間取ったりした場合（つまり、通常時とは異なる動作でカーナビゲーション装置の操作などを行った場合）にのみ危険動作として検出されるというように、より実際の走行に即して危険動作を検出することができる。 In the above-described embodiment, when the driver performs an operation unrelated to driving the automobile, the operation is detected as a dangerous operation, but the present invention is not limited to this. For example, although the operation is not related to the original driving, the required operation (such as operation of a car navigation device or air conditioner) may be dangerous driving if the driver performs the normal smooth operation. It is also possible not to detect as. In this case, the normal operation used for the teacher data may include an operation such as an operation of a car navigation device or an air conditioner. However, the operation included in the normal operation in this case is a normal smooth operation and does not include an operation that hinders driving. In this way, for example, even if the driver operates the car navigation device while the vehicle is running, if it is a smooth operation similar to the normal operation, it will not be detected as a dangerous operation, and the driver will If it takes time to operate the car navigation device, etc. (that is, it is detected as a dangerous motion only when the car navigation device is operated with a different operation from the normal operation), it is more suitable for actual driving. Thus, a dangerous motion can be detected.
また、上述の実施例では、走行中の自動車において、運転者が運転とは関係の無い動作を行ったときに、それを危険動作として検出し、運転者に対して警告を発するようにしたが、これに限定されず、適宜な条件を設定して危険動作を検出するようにしてもよい。たとえば、一定速度（たとえば、時速２０ｋｍ）以上で走行している自動車において、運転者が通常時の動作とは異なる動作を行った場合にのみ、それを危険動作として検出し、警告するようにしてもよい。 Further, in the above-described embodiment, when a driver performs an operation unrelated to driving in a traveling car, it is detected as a dangerous operation and a warning is issued to the driver. However, the present invention is not limited to this, and an appropriate condition may be set to detect a dangerous action. For example, in an automobile traveling at a constant speed (for example, 20 km / h) or more, only when the driver performs an operation different from the normal operation, it is detected as a dangerous operation and warned. Also good.
また、自動車が走行中であることに加えて、前車との車間距離が狭い時、道がカーブしている時、およびハンドルが切られている時などに、運転者が通常時の動作とは異なる動作を行った場合にのみ、それを危険動作として検出し、警告するようにしてもよい。この場合には、自動車に車間距離センサやステアリング角を検出するセンサ等を設けるとよい。また、カーナビゲーションシステムと連動して、事故多発地域の情報を取得し、事故多発地域を走行中にのみ危険動作を検出し、警告するようにしてもよい。このように、より危険度の高い場合にのみ、運転者に対して警告することもできる。危険度の高い場合にのみ危険動作を検出することで、より適切に危険動作を検出でき、適切に運転者に対して警告することができる。 In addition to the fact that the car is running, when the distance from the front car is narrow, when the road is curved, or when the steering wheel is turned off, the driver Only when a different action is performed, it may be detected as a dangerous action and warned. In this case, the vehicle may be provided with an inter-vehicle distance sensor, a sensor for detecting a steering angle, and the like. Further, in conjunction with the car navigation system, information on accident-prone areas may be acquired, and dangerous actions may be detected and warned only during traveling in accident-prone areas. Thus, the driver can be warned only when the degree of danger is higher. By detecting the dangerous motion only when the degree of danger is high, the dangerous motion can be detected more appropriately, and the driver can be warned appropriately.
さらに、自動車の停止時であっても、運転者が通常時の動作とは異なる動作を行ったときには、それを危険動作として検出し、警告するようにしてもよい。たとえば、運転者がブレーキペダルによって自動車の進行を止めている状態において、後部座席のものを取るような場合には、誤ってブレーキペダルから足を踏み外す危険があるので、このような動作を危険動作として検出するとよい。 Furthermore, even when the automobile is stopped, when the driver performs an operation different from the normal operation, this may be detected as a dangerous operation and warned. For example, when the driver stops the car with the brake pedal and takes the thing of the rear seat, there is a risk of accidentally stepping off the brake pedal. It is good to detect as.
また、危険度に応じて、警告方法を段階的に変化させれば、より適切に運転者に対して警告することができる。たとえば、停止時における危険動作では光の明滅のみで警告し、走行時における危険動作ではさらに音声を加えて警告し、事故多発地域の走行時における危険動作ではさらに振動を加えて警告するというようにしてもよい。 Further, if the warning method is changed stepwise according to the degree of danger, the driver can be warned more appropriately. For example, warning is given only by blinking of light in dangerous operation at the time of stop, warning is given by adding further sound in dangerous operation during driving, and warning is given by adding vibration in dangerous operation during driving in areas where accidents occur frequently. May be.
また、上述の実施例では、（自動車の前進時を前提とする）通常動作を網羅的に収集し、教師データとしたが、これに限定されず、たとえば、前進時、後進時および停止時などの場合に分けて、教師データをデータベース１８に記憶してもよい。これは、前進時と後進時とでは、運転者の行う動作が大きく異なり、停止時と前進時とでは、許容される動作の範囲が異なるためである。たとえば、ギアが前進側になっている時には、前進時の教師データを用いる。すると、ギアが前進側になっているにもかかわらず、後進時の姿勢をとっている（動作を行っている）場合には、それを危険動作として検出でき、警告を発することができる。ギアが後進側で、姿勢が前進時のものである場合も同様である。これによって、ギアの入れ間違いによる事故を防止できる。また、このように場合分けして教師データを記憶することによって、たとえば、カーナビゲーション機器の操作は、走行時には危険動作として検出されるが、停止時には危険動作として検出されないというように、より実際の走行に即した危険動作の検出ができる。 In the above-described embodiment, normal operations (assuming when the vehicle is moving forward) are comprehensively collected and used as teacher data. However, the present invention is not limited to this. For example, when moving forward, when moving backward, and when stopping In this case, the teacher data may be stored in the database 18. This is because the operation performed by the driver is greatly different between the forward movement and the reverse movement, and the allowable range of operation is different between the stop time and the forward movement. For example, when the gear is on the forward side, teacher data at the time of forward movement is used. Then, even if the gear is on the forward side, if it is in the backward position (being operated), it can be detected as a dangerous motion and a warning can be issued. The same applies to the case where the gear is on the reverse side and the posture is forward. This can prevent accidents caused by incorrect gear placement. In addition, by storing teacher data by dividing into cases as described above, for example, an operation of a car navigation device is detected as a dangerous action when traveling, but is not detected as a dangerous action when stopped. It is possible to detect dangerous motions in line with driving.
さらに、上述の実施例では、通常動作から抽出したものを教師データとして利用し、この教師データから乖離した動作を運転者が行った場合に、運転とは関係の無い動作を運転者が行ったと判断したが、これに限定されない。たとえば、基準動作として危険な運転動作を予め収集することもできる。そして、この危険な運転動作から抽出した教師データと一致（或いは、近似）する動作を運転者が行ったときに、運転者が危険動作を行ったと判断する（つまり、危険動作を検出する）ようにしてもよい。 Furthermore, in the above-described embodiment, when the driver performs an operation that is not related to driving when the driver performs an operation that deviates from the teacher data, using what is extracted from the normal operation as the teacher data. Although judged, it is not limited to this. For example, dangerous driving operations can be collected in advance as reference operations. Then, when the driver performs an operation that matches (or approximates) the teacher data extracted from the dangerous driving operation, it is determined that the driver has performed the dangerous operation (that is, the dangerous operation is detected). It may be.
また、上述の実施例では、運転者の両手首に取り付けた加速度センサ１４によって運転者の動作を検出したが、これに限定されない。たとえば、加速度センサ１４は、片方の手に取り付けるだけでもよいし、運転者の手、頭、肩および足などの適宜な部位に複数の加速度センサ１４を取り付けてもよい。複数の部位、たとえば、運転者の両手首に加えて、運転者の頭にも加速度センサ１４を取り付けるようにすれば、より厳密に運転者の動作を検出でき、より正確に運転者の危険動作を検出できる。 In the above-described embodiment, the driver's movement is detected by the acceleration sensor 14 attached to both wrists of the driver. However, the present invention is not limited to this. For example, the acceleration sensor 14 may be attached only to one hand, or a plurality of acceleration sensors 14 may be attached to appropriate parts such as the driver's hand, head, shoulders, and feet. If the acceleration sensor 14 is attached to the driver's head in addition to a plurality of parts, for example, the driver's wrists, the driver's motion can be detected more precisely, and the driver's dangerous motion can be detected more accurately. Can be detected.
また、加速度センサ１４の代わりに、或いは加速度センサ１４と共に、適宜な装置を用いて運転者の動作を検出することもできる。たとえば、ジャイロセンサの出力に基づいて運転者の動作を検出することもできる。この場合には、たとえば、運転者の両手首などにジャイロセンサを取り付け、運転者の動作を角速度として検出する。ジャイロセンサとしては、たとえば、エプソントヨコム株式会社製の超小型振動ジャイロセンサ「ＸＶ−３５００ＣＢ」を用いることができる。また、本件出願人等によって開発された上述の無線加速度センサユニットにジャイロセンサを接続して（組み込んで）運転者に取り付け、運転者の動作をジャイロセンサと加速度を検出するセンサとによって検出すれば、より厳密に運転者の動作を検出でき、より正確に運転者の危険動作を検出できる。 Further, instead of the acceleration sensor 14 or together with the acceleration sensor 14, the operation of the driver can be detected using an appropriate device. For example, the operation of the driver can be detected based on the output of the gyro sensor. In this case, for example, a gyro sensor is attached to both the wrists of the driver and the driver's operation is detected as an angular velocity. As the gyro sensor, for example, an ultra-small vibration gyro sensor “XV-3500CB” manufactured by Epson Toyocom Corporation can be used. Further, if a gyro sensor is connected to (embedded in) the above-described wireless acceleration sensor unit developed by the present applicant and attached to the driver, and the driver's movement is detected by the gyro sensor and a sensor for detecting acceleration. Therefore, it is possible to detect the driver's motion more precisely and to detect the driver's dangerous motion more accurately.
また、モーションキャプチャシステムを用いて運転者の動作を検出することもできる。この場合には、たとえば、赤外線を反射するマーカを運転者の両手首などに取り付けておき、このマーカを赤外線照射機能を有する複数台のカメラで撮影する。そして、その撮影結果からマーカの３次元の動き（位置）を時系列に従って追跡（検出）することで、運転者の動作を検出することができる。 The motion of the driver can also be detected using a motion capture system. In this case, for example, a marker that reflects infrared light is attached to both the wrists of the driver, and the marker is photographed by a plurality of cameras having an infrared irradiation function. And a driver | operator's operation | movement can be detected by tracking (detecting) the three-dimensional movement (position) of a marker according to the time series from the imaging | photography result.
さらに、超音波３次元タグシステムを用いて運転者の動作を検出することもできる。この場合には、たとえば、超音波３次元タグ（小型超音波発信器）を運転者の両手首などに取り付け、その超音波3次元タグから発せられた超音波を、自動車に設置した複数の受信器で計測する。そして、超音波の到達時間の差から、超音波３次元タグの３次元の動き（位置）を時系列に従って追跡（検出）することで、運転者の動作を検出することができる。 Furthermore, it is possible to detect a driver's movement using an ultrasonic three-dimensional tag system. In this case, for example, an ultrasonic three-dimensional tag (small ultrasonic transmitter) is attached to the driver's wrists, etc., and the ultrasonic waves emitted from the ultrasonic three-dimensional tag are received by a plurality of receivers installed in the automobile. Measure with a measuring instrument. The driver's movement can be detected by tracking (detecting) the three-dimensional movement (position) of the ultrasonic three-dimensional tag in time series from the difference in arrival time of the ultrasonic waves.
１０ …危険動作検出装置
１２ …コンピュータ
１４ …加速度センサ（運転者）
１６ …加速度センサ（自動車）
１８ …データベース
２０ …警告装置
２２ …ＣＰＵ
10 ... Dangerous motion detection device 12 ... Computer 14 ... Acceleration sensor (driver)
16 ... Acceleration sensor (automobile)
18 ... Database 20 ... Warning device 22 ... CPU
Claims (9)
基準となる運転動作を示す基準動作に関する情報を記憶する記憶手段、
前記運転者の動作を検出する動作検出手段、および
前記基準動作と前記運転者の動作とに基づいて、当該運転者の危険動作を検出する危険動作検出手段を備える、危険動作検出装置。 A dangerous motion detection device for detecting a dangerous motion of an automobile driver,
Storage means for storing information relating to a reference action indicating a reference driving action;
A dangerous motion detection device comprising: motion detection means for detecting the driver's motion; and dangerous motion detection means for detecting a dangerous motion of the driver based on the reference motion and the driver's motion.
前記第２加速度センサからの出力に基づいて、前記第１加速度センサの出力に含まれるノイズを除去する除去手段をさらに備える、請求項３記載の危険動作検出装置。 The dangerous operation according to claim 3, further comprising: a second acceleration sensor attached to the automobile; and a removing unit that removes noise included in the output of the first acceleration sensor based on an output from the second acceleration sensor. Detection device.
前記危険動作検出手段は、前記基準動作から抽出された運転動作特徴量と前記運転者の動作から抽出された運転動作特徴量とに基づいて、前記危険動作を検出する、請求項１ないし４のいずれかに記載の危険動作検出装置。 It further comprises an extraction means for extracting the driving action feature amount,
5. The dangerous motion detection unit according to claim 1, wherein the dangerous motion detection means detects the dangerous motion based on a driving motion feature amount extracted from the reference motion and a driving motion feature amount extracted from the driver's motion. The dangerous motion detection device according to any one of the above.
（ａ）基準となる運転動作を示す基準動作に関する情報を予め準備し、
（ｂ）前記運転者の動作を検出し、そして
（ｃ）前記基準動作と前記運転者の動作とに基づいて、当該運転者の危険動作を検出する、危険動作検出方法。 A dangerous motion detection method for detecting a dangerous motion of an automobile driver,
(A) Prepare in advance information related to a reference operation indicating a reference operation,
(B) A dangerous motion detection method in which the driver's motion is detected, and (c) the driver's dangerous motion is detected based on the reference motion and the driver's motion.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006325470A JP2008140118A (en) | 2006-12-01 | 2006-12-01 | Hazard motion detection device and hazard motion detection method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006325470A JP2008140118A (en) | 2006-12-01 | 2006-12-01 | Hazard motion detection device and hazard motion detection method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2008140118A true JP2008140118A (en) | 2008-06-19 |
Family
ID=39601510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006325470A Pending JP2008140118A (en) | 2006-12-01 | 2006-12-01 | Hazard motion detection device and hazard motion detection method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2008140118A (en) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010120621A (en) * | 2008-10-20 | 2010-06-03 | Sumitomo Rubber Ind Ltd | Device and method of detecting tire pressure drop, and tire pressure drop detection program |
| JP2010256943A (en) * | 2009-04-21 | 2010-11-11 | Nec Corp | Driver state decision system, decision method and deciding program |
| JP2012113631A (en) * | 2010-11-26 | 2012-06-14 | Toyota Motor Corp | Driving support system and driving support management center |
| WO2012147699A1 (en) * | 2011-04-28 | 2012-11-01 | トヨタ自動車株式会社 | Driver condition assessment device |
| US9053593B2 (en) | 2011-05-16 | 2015-06-09 | Toyota Jidosha Kabushiki Kaisha | Vehicle data analysis method and vehicle data analysis system |
| JP2016122341A (en) * | 2014-12-25 | 2016-07-07 | 本田技研工業株式会社 | Travel support device |
| JP2016223995A (en) * | 2015-06-03 | 2016-12-28 | パイオニア株式会社 | Driver estimation device, control method, program, and storage medium |
| JP2017138311A (en) * | 2016-01-29 | 2017-08-10 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | Navigation terminal, navigation system, wearable terminal, navigation method, and program |
| JP2020046433A (en) * | 2019-11-29 | 2020-03-26 | パイオニア株式会社 | Driver estimation device, control method, program, and storage medium |
| JP2020064584A (en) * | 2018-10-17 | 2020-04-23 | 財団法人車輌研究測試中心 | Intersection intelligent driving method and system thereof based on support vector machine |
| JP7440298B2 (en) | 2020-03-02 | 2024-02-28 | 株式会社トヨタマップマスター | Information processing device, information processing method, and information processing program |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05155269A (en) * | 1991-12-06 | 1993-06-22 | Toyota Motor Corp | Asleep driving detecting device |
| JPH0654542A (en) * | 1992-07-29 | 1994-02-25 | Asahi Kasei Micro Syst Kk | Rectifier |
| JP2005092285A (en) * | 2003-09-12 | 2005-04-07 | Toyota Central Res & Dev Lab Inc | Vehicle driving status estimating device and driver's vehicle driving characteristic estimating device |
| JP2005124858A (en) * | 2003-10-24 | 2005-05-19 | Yamatake Corp | Action state judgment apparatus, watching supporting system, and method for action state judgment |
| JP2005219611A (en) * | 2004-02-05 | 2005-08-18 | Fujitsu Ten Ltd | Drive assisting device |
| JP2006130046A (en) * | 2004-11-05 | 2006-05-25 | Daikin Ind Ltd | Arousal level determining apparatus |
-
2006
- 2006-12-01 JP JP2006325470A patent/JP2008140118A/en active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05155269A (en) * | 1991-12-06 | 1993-06-22 | Toyota Motor Corp | Asleep driving detecting device |
| JPH0654542A (en) * | 1992-07-29 | 1994-02-25 | Asahi Kasei Micro Syst Kk | Rectifier |
| JP2005092285A (en) * | 2003-09-12 | 2005-04-07 | Toyota Central Res & Dev Lab Inc | Vehicle driving status estimating device and driver's vehicle driving characteristic estimating device |
| JP2005124858A (en) * | 2003-10-24 | 2005-05-19 | Yamatake Corp | Action state judgment apparatus, watching supporting system, and method for action state judgment |
| JP2005219611A (en) * | 2004-02-05 | 2005-08-18 | Fujitsu Ten Ltd | Drive assisting device |
| JP2006130046A (en) * | 2004-11-05 | 2006-05-25 | Daikin Ind Ltd | Arousal level determining apparatus |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010120621A (en) * | 2008-10-20 | 2010-06-03 | Sumitomo Rubber Ind Ltd | Device and method of detecting tire pressure drop, and tire pressure drop detection program |
| JP2010256943A (en) * | 2009-04-21 | 2010-11-11 | Nec Corp | Driver state decision system, decision method and deciding program |
| US8753123B2 (en) | 2010-11-26 | 2014-06-17 | Toyota Jidosha Kabushiki Kaisha | Driving support system and driving support managing device |
| JP2012113631A (en) * | 2010-11-26 | 2012-06-14 | Toyota Motor Corp | Driving support system and driving support management center |
| US9064419B2 (en) | 2011-04-28 | 2015-06-23 | Toyota Jidosha Kabushiki Kaisha | Driver condition assessment device |
| CN103503047A (en) * | 2011-04-28 | 2014-01-08 | 丰田自动车株式会社 | Driver state determination device |
| JP2012234293A (en) * | 2011-04-28 | 2012-11-29 | Toyota Motor Corp | Driver state determination device |
| WO2012147699A1 (en) * | 2011-04-28 | 2012-11-01 | トヨタ自動車株式会社 | Driver condition assessment device |
| US9053593B2 (en) | 2011-05-16 | 2015-06-09 | Toyota Jidosha Kabushiki Kaisha | Vehicle data analysis method and vehicle data analysis system |
| JP2016122341A (en) * | 2014-12-25 | 2016-07-07 | 本田技研工業株式会社 | Travel support device |
| JP2016223995A (en) * | 2015-06-03 | 2016-12-28 | パイオニア株式会社 | Driver estimation device, control method, program, and storage medium |
| JP2017138311A (en) * | 2016-01-29 | 2017-08-10 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | Navigation terminal, navigation system, wearable terminal, navigation method, and program |
| JP2020064584A (en) * | 2018-10-17 | 2020-04-23 | 財団法人車輌研究測試中心 | Intersection intelligent driving method and system thereof based on support vector machine |
| JP2020046433A (en) * | 2019-11-29 | 2020-03-26 | パイオニア株式会社 | Driver estimation device, control method, program, and storage medium |
| JP2021183978A (en) * | 2019-11-29 | 2021-12-02 | パイオニア株式会社 | Driver estimation device, control method, program, and storage medium |
| JP7440298B2 (en) | 2020-03-02 | 2024-02-28 | 株式会社トヨタマップマスター | Information processing device, information processing method, and information processing program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2008140118A (en) | Hazard motion detection device and hazard motion detection method | |
| US11904852B2 (en) | Information processing apparatus, information processing method, and program | |
| JP7060031B2 (en) | Driver monitoring system | |
| US10338600B2 (en) | Autonomous driving control apparatus, vehicle having the same, and method for controlling the same | |
| JP6497915B2 (en) | Driving support system | |
| JP6612707B2 (en) | Information provision device | |
| JP4182131B2 (en) | Arousal level determination device and arousal level determination method | |
| CN105313899A (en) | On-vehicle situation detection apparatus and method | |
| CA3110109A1 (en) | Systems and methods for classifying driver behavior | |
| JP5255945B2 (en) | Vehicle operation evaluation device | |
| JP2018045303A (en) | Driving assist system | |
| JP7015748B2 (en) | Information gathering methods, information gathering systems, and information gathering programs | |
| JP2019220084A (en) | Analysis device, on-vehicle device, and pattern analysis support device | |
| JP5152063B2 (en) | Driving behavior estimation device | |
| CN113119982A (en) | Operation state recognition and processing method, device, equipment, medium and program product | |
| JP2016223995A (en) | Driver estimation device, control method, program, and storage medium | |
| JP6772775B2 (en) | Driving support device and driving support method | |
| WO2017150466A1 (en) | Driver monitoring system | |
| CN113520397A (en) | Driving distraction behavior identification method based on wearable inertial measurement unit | |
| JP6915982B2 (en) | Information processing equipment, information processing methods and information processing programs | |
| US9428221B2 (en) | Drive assist control device | |
| CN115320626B (en) | Danger perception capability prediction method and device based on human-vehicle state and electronic equipment | |
| CN109795504B (en) | Cognitive timing estimation device and cognitive timing estimation method | |
| JP2019003537A (en) | Drive support device | |
| JP4973627B2 (en) | Driving behavior estimation device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20091029 |
|
| A977 | Report on retrieval |
Effective date: 20110427 Free format text: JAPANESE INTERMEDIATE CODE: A971007 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110510 |
|
| A521 | Written amendment |
Effective date: 20110704 Free format text: JAPANESE INTERMEDIATE CODE: A523 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120214 |