JP2012042074A - 空気調和機 - Google Patents

Abstract

【課題】好みの空調制御を精度高く学習することにより快適性を向上するとともに省エネ運転が可能な空気調和機を提供すること。
【解決手段】人物の在否とその位置を検知する人体検知手段と、学習モードと空調制御モードを切り替える処理切替手段と、空調空間内の人物の人数を検出する人数推定手段と、前記人数推定手段が検出した空調空間内の人数によって、学習処理を行なうか、行なわないかを決定することで、学習処理が精度高く行なわれる可能性が高いと判断した場合にのみ学習処理を行なうことにより、より精度の高い学習処理を実現し、不快な空調制御が実現されることを防止し快適性を向上させるとともに省エネを達成することができる。
【選択図】図１

Description

本発明は、室内機に人物の在否を検知する人体検知手段と、検知された人物の学習を行なう学習手段と、検知された人物の特定を行なう人物特定手段を設けた空気調和機に関し、学習手段で人物の学習を効率的に行なうための技術に関する。

空調空間内の人物を特定し、その人物の好みの空調を実現する空気調和機が知られている。例えば、特許文献１では、局所環境内の特定の人物の位置を自動的に決定するとともに、特定の人物が検出された局所環境の領域内の状態又は環境性を特定の人物の好みに基づいて自動調整することを目的に、室温に対する家族の好みを学習し、暖房装置を家族の好みに従って制御するものである。また、人物の特定には顔認証技術が記載されている。

特表２００５−５２９５４８号公報

しかしながら、前記従来の手法では、精度の高い、好みの空調学習を行なうことができないという課題を有していた。具体的には、空調空間内にユーザＡとユーザＢが存在しており、ユーザＢが自分の好みの空調を空気調和機に学習させようとしている場合、空気調和機は、ユーザＡとユーザＢのどちらが処理を行なっているのかを識別することが困難なため、ユーザＢの好みの空調をユーザＡのものとしてとして誤って学習してしまう可能性があった。つまり、複数の人物が空調空間に存在する場合、現在、好みの空調を学習している人物が、どの人物なのかを対応付けることができず、実際とは異なる好みの空調を学習してしまう可能性が高かった。

本発明は、前記従来の課題を解決するもので、より精度の高い学習処理を実現することで、省エネルギー及び快適空調を達成することを目的とした空気調和機を提供することを目的とする。

上記目的を達成するために、本発明の空気調和機は、人物の在否を検知する人体検知部を備えた空気調和機であって、学習モードと空調制御モードを選択する処理切替部と、処理切替部によって学習モードが選択された場合、人体検知部の検出結果を利用して、空調空間内に存在する人数を検知する人数推定部と、を具備し、人数推定部が検出した空調空間内の人数が１人であった場合に学習処理を実行し、そうでない場合には学習処理を実行しないものである。これにより、人物が一人のみ存在する場合に学習を行うことで、学習の精度が向上する。

また、本発明の空気調和機は、人体検知手段の検知結果を利用して、現在の空調空間に存在する人物の人物特徴量データと、その人物の好みの空調を関連付けて学習する学習手段と、前記学習手段が学習した人物特徴量データと、その人物の好みの空調制御情報を記憶する記憶手段を有する。さらに、前記人体検知手段の検知結果と前記記憶手段によって記憶された人物特徴量データを利用して、空調空間内の人物を特定する人物特定部と、前記記憶手段によって記憶された、前記人物特定部によって特定された人物の好みの空調によって空調制御を行なう空調制御部からなる。学習処理判定手段により、学習処理が精度
高く行なわれる可能性が高いと判断した場合にのみ学習処理を行なうことにより、より精度の高い学習処理を実現することで、不快な空調制御が実現されることを防止し、快適空調を達成することを目的としたものである。

また、具体的には、学習処理判定手段は、前記人数推定手段によって、空調空間内に人物が１人のみ存在する場合に学習が精度高く行なわれる可能性が高いと判断し、学習処理を行なうことで、実際とは異なる他人の好みを学習してしまう可能性を減らし、より精度の高い学習処理を実現することで、不快な空調制御が実現されることを防止し、快適空調を達成することが可能となる。

また、本発明の空気調和機は、人物の位置、かつまたは大きさ、かつまたは活動量を利用して人物の特定を行なうことにより、空調空間内の正確な情報を取得することができ、省エネルギー及び快適空調を達成することが可能となる。

さらに、本発明の空気調和機は、人物特定部の特定結果を利用して学習モードと空調制御モードを切り替えることにより、ユーザに負荷をかけず、省エネルギー及び快適空調を達成することが可能となる。

本発明によれば、学習処理判定手段により、学習が精度高く行なわれる可能性が高いと判断した場合にのみ、人物特徴量データと好みの空調制御情報を学習することにより、より精度の高い学習処理を実現することで、快適性が向上するとともに省エネルギーを達成することができる。

本発明の第１の実施の形態における空気調和機の構成を示す機能ブロック図 本発明の第１の実施の形態における空気調和機による処理の流れを示すフローチャート 従来例において、空調空間内に複数の人物が存在した場合の処理の困難さを説明するための模式図 本発明に係る空気調和機の室内機の正面図 図４の室内機の縦断面図 可動前面パネルが前面開口部を開放するとともに、上下羽根が吹出口を開放した状態の図４の室内機の縦断面図 上下羽根を構成する下羽根を下向きに設定した状態の図４の室内機の縦断面図 本発明の人体検知処理の流れを示したフローチャート 本発明の人体検知部における背景差分処理を説明するための模式図 背景差分処理において背景画像を作成する処理を説明するための模式図 背景差分処理において背景画像を作成する処理を説明するための模式図 背景差分処理において背景画像を作成する処理を説明するための模式図 本発明の人体検知処理における領域分割処理を説明するための模式図 本発明で利用する２つの座標系を説明するための模式図 撮像センサユニットから人物の重心位置までの距離を示す概略図 フレーム画像から人物らしい領域を抽出する処理を利用した人物位置推定の処理の流れを示したフローチャート フレーム画像から顔らしい領域を抽出する処理を利用した人物位置推定の処理の流れを示したフローチャート 本発明の第１の実施の形態における空気調和機のリモコンの模式図 距離と人物の画像上での大きさの関係を示した模式図 本発明の人数推定処理の流れを示したフローチャート 差分領域の交差状態を検出することで人数を推定する処理を説明するための模式図 差分領域の交差状態を検出することで人数を推定する処理を説明するための模式図 本発明の第１の実施の形態における空気調和機の別のリモコンの模式図 本発明の第１の実施の形態における空気調和機による別の処理の流れを示すフローチャート 本発明の第２の実施の形態における空気調和機の構成を示す機能ブロック図 本発明の第２の実施の形態における空気調和機による処理の流れを示すフローチャート 図４の室内機が設置された空調空間の概略平面図 図２７における累積時間ヒストグラムの例を示す模式図 本発明の第２の実施の形態における人物特定部において、累積時間ヒストグラムを利用した人物の特定を行なう際の処理の流れを示すフローチャート 図２７における累積時間ヒストグラムＤＢの例を示す模式図 空調空間内の人物の、好みの設定温度を示す模式図 空調空間内の人物の、別の好みの設定温度を示す模式図 図２７における累積時間ヒストグラムＤＢの別の例を示す模式図 人物の位置と大きさの情報を利用した累積時間ヒストグラムＤＢの例を示す模式図

（実施の形態１）
以下、本発明の実施の形態について、図面を参照しながら説明する。なお、この実施の形態によって本発明が限定されるものではない。

図１は、本発明の第１の実施の形態における空気調和機の構成を示す機能ブロック図である。また、図２は、本実施形態における空気調和機の処理の流れを示すフローチャートである。

図１において、人体検知部１０１は撮像センサユニット２４を利用して、空調空間を撮像し、人物の在否とその存在位置を検知する（ステップＳ１１）。処理切替部１０２は、リモコン３０での設定情報を利用して、現在の空調空間に存在する人物の人物特徴量データとその人物の好みの空調制御情報を関連付けて学習する、学習モードを実行するか、空調制御を行なう空調制御モードを実行するかを選択する（ステップＳ１２）。人数推定部１０３は、前記処理切替部１０２によって学習モードが選択された場合（ステップＳ１２でＹｅｓ）、前記人体検知部１０１の検出結果を利用して、空調空間内に存在する人数を検知する（ステップＳ１３）。さらに、学習処理判定部１０４は、前記人数推定部１０３が検出した空調空間内の人数が１人かどうかを判断し（ステップＳ１４）、空調空間内に１人しか存在しなかった場合（ステップＳ１４でＹｅｓ）、学習部１０５は、現在の空調空間に存在する人物の人物特徴量データと、リモコン３０でその人物が操作した、好みの空調制御情報を関連付けて学習し（ステップＳ１５）、記憶部１０６に記憶する（ステップＳ１６）。一方、空調空間内に人物が存在しない、または２人以上存在する場合（ステップＳ１４でＮｏ）、学習部１０５は学習処理を行なわず、ユーザに学習を行なわなかった旨を連絡する（ステップＳ１７）。一方、前記処理切替部１０２によって空調制御モードが選択された場合（ステップＳ１２でＮｏ）、人物特定部１０７は、前記人体検知部１０１が撮像した画像と、前記記憶部１０６に記憶されている人物特徴量データを比較することで、空調空間内の人物を特定する（ステップＳ１８）。ここで人物特定部１０７が空
調空間内の人物の特定に成功した場合（ステップＳ１９でＹｅｓ）、空調制御部１０８は、前記人物特定部１０７が特定した人物の好みの空調制御情報を前記記憶部１０６から読み出し、その人物の好みの空調制御情報にしたがった空調制御を実現する（ステップＳ２０）。一方、人物特定部１０７が人物の特定に失敗した場合（ステップＳ１９でＮｏ）、空調制御部１０８は、好みの空調制御情報を利用せず、全体空調を実現する（ステップＳ２１）。

従来の技術では、空調空間内に複数の人物が存在した場合、リモコンを操作して、好みの空調設定をした人物がどの人物なのか、対応をとることが難しかった。図３は従来技術での学習処理の困難さを説明するための模式図である。この図において、２０１はリモコン３０を操作して学習処理を行なっている人物Ａ、２０２は人物Ｂを示し、２０３および２０４は顔検出処理により検出された顔領域を示している。ここで、人物Ａは寒がり、人物Ｂは暑がりとする。つまり、人物Ａは、寒がりの設定である、暖房設定温度３０度を学習させようとしている。従来の技術では、リモコン３０で設定された空調制御情報と、顔検出処理で検出された顔画像特徴量を学習する。しかし、リモコン３０を操作している人物が２０３か２０４かを判断することができず、リモコン３０で設定された暖房設定温度３０度を人物Ｂである２０４の顔画像特徴量に関連付けて学習してしまう可能性があった。そのため、本来、暑がりである人物Ｂに、寒がりの設定である暖房設定温度３０度を学習してしまい、結果的に人物Ｂに対して不快な空調制御が行なわれてしまった。

一方、本実施形態における空気調和機では、学習処理判定部１０４によって、空調空間内に人物が１人しか存在しない場合に限り、学習処理を行なうため、リモコンを操作した人物と空調空間内の人物の対応を間違えることがなくなり、不快な空調制御が行なわれることがない。そのため、快適性が向上するとともに省エネルギーを達成することができる。

以下、各処理に関して、詳述する。
＜空気調和機の全体構成＞
一般家庭で使用される空気調和機は、通常冷媒配管で互いに接続された室外機と室内機とで構成されており、図４乃至図７は、本発明に係る空気調和機の室内機を示している。

室内機は、本体２と、本体２の前面開口部２ａを開閉自在の可動前面パネル（以下、単に前面パネルという）４を有しており、空気調和機停止時は、前面パネル４は本体２に密着して前面開口部２ａを閉じているのに対し、空気調和機運転時は、前面パネル４は本体２から離反する方向に移動して前面開口部２ａを開放する。なお、図４及び図５は前面パネル４が前面開口部２ａを閉じた状態を示しており、図６及び図７は前面パネル４が前面開口部２ａを開放した状態を示している。

図４乃至図７に示されるように、本体２の内部には、熱交換器６と、前面開口部２ａ及び上面開口部２ｂから取り入れられた室内空気を熱交換器６で熱交換して室内に吹き出すための室内ファン８と、熱交換した空気を室内に吹き出す吹出口１０を開閉するとともに空気の吹き出し方向を上下に変更する上下羽根１２と、空気の吹き出し方向を左右に変更する左右羽根１４とを備えており、前面開口部２ａ及び上面開口部２ｂと熱交換器６との間には、前面開口部２ａ及び上面開口部２ｂから取り入れられた室内空気に含まれる塵埃を除去するためのフィルタ１６が設けられている。

また、前面パネル４上部は、その両端部に設けられた２本のアーム１８，２０を介して本体２上部に連結されており、アーム１８に連結された駆動モータ（図示せず）を駆動制御することで、空気調和機運転時、前面パネル４は空気調和機停止時の位置（前面開口部２ａの閉塞位置）から前方斜め上方に向かって移動する。

さらに、上下羽根１２は、上羽根１２ａと下羽根１２ｂとで構成されており、それぞれ本体２下部に揺動自在に取り付けられている。上羽根１２ａ及び下羽根１２ｂは、別々の駆動源（例えば、ステッピングモータ）に連結されており、室内機に内蔵された制御装置（例えばマイコン）によりそれぞれ独立して角度制御される。また、図６及び図７から明らかなように、下羽根１２ｂの変更可能な角度範囲は、上羽根１２ａの変更可能な角度範囲より大きく設定されている。

なお、上羽根１２ａ及び下羽根１２ｂの駆動方法については後述する。また、上下羽根１２は３枚以上の上下羽根で構成することも可能で、この場合、少なくとも２枚（特に、最も上方に位置する羽根と最も下方に位置する羽根）は独立して角度制御できるのが好ましい。

また、左右羽根１４は、室内機の中心から左右に５枚ずつ配置された合計１０枚の羽根で構成されており、それぞれ本体２の下部に揺動自在に取り付けられている。また、左右の５枚を一つの単位として別々の駆動源（例えば、ステッピングモータ）に連結されており、室内機に内蔵された制御装置により左右５枚の羽根がそれぞれ独立して角度制御される。なお、左右羽根１４の駆動方法についても後述する。
＜人体検知手段の構成＞
図４に示されるように、前面パネル４の上部には、撮像センサユニット２４が撮像装置として取り付けられており、撮像センサユニット２４は、センサホルダに保持されている。

撮像センサユニット２４は、回路基板と、回路基板に取り付けられたレンズと、レンズの内部に実装された撮像センサとで構成されている。また、人体検知手段は、例えば後述する差分処理に基づいて回路基板により人物の在否が判定され、さらにその人物の位置を推定する。すなわち、回路基板は人物の在否判定と位置の推定を行う人体検知手段として作用する。
＜撮像センサユニットによる人体検知＞
撮像センサユニット２４による人体検知を行うために、公知の技術である差分法を利用する。これは、人物が存在しない画像である背景画像と、撮像センサユニット２４が撮像した画像の差分処理を行ない、差分が生じている領域には、人物が存在していると推定するものである。

図８は、本実施形態における人体検知処理の流れを示したフローチャートである。ステップＳ１０１において、背景差分処理を利用することで、フレーム画像内で差分が生じている画素を検出する。背景差分処理とは、特定の条件下で撮像した背景画像と、背景画像と撮像センサユニットの視野や視点、焦点距離などの撮像条件が等しい状況で撮像した撮像画像を比較することで、背景画像には存在していないが、撮像画像には存在する物体を検出する手法である。人物の検出を行なうためには、背景画像として人物が存在しない画像を作成する。

図９は、背景差分処理を説明するための模式図である。図９（ａ）は、背景画像を示している。ここで、視野は空気調和機の空調空間とほぼ等しくなるように設定されている。この図において、３０１は空調空間内に存在する窓を、３０２は扉を示している。図９（ｂ）は、撮像センサユニットによって撮像されたフレーム画像を示している。ここで、撮像センサユニットの視野や視点、焦点距離などは図９（ａ）の背景画像と等しい。３０３は、空調空間内に存在する人物を示している。背景差分処理では、図９（ａ）と図９（ｂ）の差分画像を作成することにより、人物を検出する。図９（ｃ）は差分画像を示しており、白い画素は差分が存在しない画素、黒い画素は差分が生じている画素を示している。
背景画像には存在しないが、撮像されたフレーム画像には存在する人物３０３の領域が、差分が生じている領域３０４として、検出されていることがわかる。つまり、差分画像から差分が生じている領域を抽出することで、人物領域を検出することが可能である。

また、前述の背景画像は、フレーム間差分処理を利用することで作成することが可能である。図１０〜図１２は、この処理を説明するための模式図である。図１０（ａ）〜（ｃ）は、人物３０３が窓３０１の前を右から左に移動しているシーンにおいて、撮像センサユニットによって撮像された連続した３フレームの画像を示した模式図である。図１０（ｂ）は図１０（ａ）の次のフレームの画像を、図１０（ｃ）は図１０（ｂ）の次のフレームの画像を示している。また、図１１（ａ）〜（ｃ）は、図１０の画像を利用して、フレーム間差分処理を行なった、フレーム間差分画像を示している。白い画素は差分が存在しない画素、黒い画素３０５は差分が生じている画素を示している。ここで、視野内で移動している物体は人物のみであるとすると、フレーム間差分画像において、差分が生じない領域には、人物が存在していないと考えられる。そこで、フレーム間差分が生じない領域においては、背景画像を現在のフレームの画像と置き換える。この処理をすることで、背景画像を自動的に作成することができる。図１２（ａ）〜（ｃ）は、それぞれ図１０（ａ）〜（ｃ）の各フレームにおける背景画像の更新を模式的に示した図である。斜線で示した領域３０６は、背景画像を更新した領域、黒領域３０７はまだ背景画像が作成されていない領域、白領域３０８は背景画像が更新されなかった領域を示している。つまり、図１２の黒領域３０７と白領域３０８の合計領域が、図１１の黒色領域３０５と等しくなる。図に示したとおり、人物が動いている場合、黒領域３０７が徐々に小さくなり、自動的に背景画像が作成されていることがわかる。

次に、ステップＳ１０２において、求まった差分領域を領域分割することにより、複数の人物が存在している場合には、複数の差分領域として分割する。これは、公知の画像クラスタリング手法を利用すればよく、例えば、「差分が生じている画素と、その８近傍に存在する差分が生じている画素は、同一の領域である」というルールにしたがって、差分画像を領域分割していけばよい。図１３は、この領域分割処理を実行した模式図である。図１３（ａ）は差分処理により計算された差分画像を示し、３０９および３１０の黒色画素が、差分の生じている画素である。図１３（ｂ）は、差分画像として図１３（ａ）が得られたとき、前記「差分が生じている画素と、その８近傍に存在する差分が生じている画素は、同一の領域である」というルールに従って領域分割を行なった結果を示している。ここで、横縞領域３１１と縦縞領域３１２は、別の領域であると判断されている。このとき、画像処理で広く利用されているモルフォロジー処理などのノイズ除去処理を行なってもかまわない。

次に、ステップＳ１０３において、求まった各領域の重心位置を計算することにより、検出された人物の位置を検出する。画像の重心位置から人物の位置を検出するためには、透視投影変換を利用すればよい。

透視投影変換を説明するために、２つの座標系を説明する。図１４は、２つの座標系を説明するための模式図である。まず、画像座標系を考える。これは、撮像された画像における２次元の座標系であり、画像の左上の画素を原点、右方向にｕ、下方向にｖとする。次にカメラを基準とした３次元の座標系であるカメラ座標系を考える。カメラ座標系は、撮像センサユニットの焦点位置を原点、撮像センサユニット２４の光軸方向をＺｃ，カメラ上向きをＹｃ，カメラ左方向をＸｃとする。このとき、透視投影変換により、以下の関係が成り立つ。

ここで、ｆは焦点距離［ｍｍ］、（ｕ０，ｖ０）は画像座標上での画像中心［Ｐｉｘｅｌ］、（ｄｐｘ，ｄｐｙ）は撮像素子１画素の大きさ［ｍｍ／Ｐｉｘｅｌ］を示している。ここで、Ｘｃ，Ｙｃ，Ｚｃは未知数であることに着目すると、（数１）は、画像上での座標（ｕ，ｖ）が既知の場合、その座標に対応する実際の３次元
位置は、カメラ座標系の原点を通る、ある直線上に存在することがわかる。

図１５（ａ）、（ｂ）に示したように、画像上の人物の重心位置を（ｕｇ，ｖｇ）、そのカメラ座標系での３次元位置を（Ｘｇｃ，Ｙｇｃ，Ｚｇｃ）とする。ここで、図１５（ａ）は空調空間を横から見た模式図、図１５（ｂ）は上から見た模式図を示している。また、撮像センサユニットの設置された高さをＨ、Ｘｃ方向が水平方向に等しいとし、光軸Ｚｃは垂直方向からθの角度を持って設置されているとする。また、撮像センサユニット２４の光軸方向を、垂直方向の角度（仰角、垂直線から上方向に測定した角度）α、水平方向の角度（室内機から見て正面の基準線から右向きに測定した角度）βとする。さらに人物の重心の高さをｈとすると、空調空間内の３次元位置である、撮像センサユニットから重心位置までの距離Ｌ、および向きＷは、次式で計算できる。

ここで、撮像センサユニットは、Ｈ＝約２ｍの高さに通常設置され、さらに人物の重心の高さｈが約８０ｃｍであることを考慮すると、数３、数５は、撮像センサユニット２４の設置された高さＨ、および人物の重心の高さｈが規定されている場合、画面上の重心位置（ｕｇ，ｖｇ）より、空調空間内における人物の重心位置（Ｌ，Ｗ）を一意に求められることを示している。

以上の説明では、撮像センサユニットによる人物位置推定として、差分法を利用したが、もちろん、他の手法を利用してもかまわない。例えば、人物の全身の画像データを利用して、フレーム画像から人物らしい領域を抽出するようにしてもかまわない。このような手法としては、例えば、ＨＯＧ（Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓ）特徴量などを利用する手法が広く知られている（Ｎ． Ｄａｌａｌ ａｎｄ Ｂ． Ｔｒｉｇｇｓ， ゛Ｈｉｓｔｏｇｒａｍｓ ｏｆ Ｏｒｉｅｎｔｅｄ Ｇｒａｄｉｅｎｔｓ ｆｏｒ Ｈｕｍａｎ Ｄｅｔｅｃｔｉｏｎ゛， Ｉｎ Ｐｒｏｃ． ＩＥＥＥ Ｃｏｎｆ． ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ
Ｒｅｃｏｇｎｉｔｉｏｎ， Ｖｏｌ．１， ｐｐ．８８６−８９３， ２００５．）。ＨＯＧ特徴量は、局所領域内におけるエッジ方向ごとのエッジ強度に着目した特徴量であり、この特徴量をＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）などにより学習・識別を行なうことにより、フレーム画像から人物領域を検出するようにしてもかまわない。

図１６は、フレーム画像から人物らしい領域を抽出する処理を利用した人物位置推定の処理の流れを示したフローチャートである。この図において、図８と同じステップに関しては、同一の符号を付しており、ここではその詳細な説明を省略する。

ステップＳ１０４において、前述のＨＯＧ特徴量を利用することで、フレーム画像内において、人物らしい領域を人物領域として抽出する。

ステップＳ１０３において、求まった人物領域の重心位置を計算することにより、検出された人物の位置を検出する。画像の重心位置から人物の位置を検出するためには、前述の通り、数３、数５を利用すればよい。

また、人物の全身の画像データを利用するのではなく、フレーム画像から顔らしい領域を抽出するようにしてもかまわない。このような手法としては、例えば、Ｈａａｒ−Ｌｉｋｅ特徴量などを利用する手法が広く知られている（Ｐ． Ｖｉｏｌａ ａｎｄ Ｍ． Ｊｏｎｅｓ， ゛Ｒｏｂｕｓｔ ｒｅａｌ−ｔｉｍｅ ｆａｃｅ ｄｅｔｅｃｔｉｏｎ゛， Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ， Ｖｏｌ．５７， ｎｏ．２， ｐｐ．１３７−１５４， ２００４．）。Ｈａａｒ−Ｌｉｋｅ特徴量は、局所領域間における輝度差に着目した特徴量であり、この特徴量をＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）などにより学習・識別を行なうことにより、フレーム画像から人物領域を検出するようにしてもかまわない。

図１７は、フレーム画像から顔らしい領域を抽出する処理を利用した人物位置推定の処理の流れを示したフローチャートである。この図において、図８と同じステップに関しては、同一の符号を付しており、ここではその詳細な説明を省略する。

ステップＳ１０５において、前述のＨａａｒ−Ｌｉｋｅ特徴量を利用することで、フレーム画像内において、顔らしい領域を顔領域として抽出する。

ステップＳ１０３において、求まった顔領域の重心位置を計算することにより、検出された人物の位置を検出する。画像の重心位置から人物の位置を検出するためには、前述の通り、透視投影変換を利用すればよい。このとき、人物の全身領域を利用して、その重心位置から人物の位置を検出する場合、人物の重心の高さとして、ｈ＝約８０ｃｍとしたが、顔領域を利用する場合、顔重心までの高さとして、ｈ＝約１６０ｃｍとして数３、数５を利用することにより、人物の位置を検出する。

もちろん、人体検知手段として、撮像センサユニット２４を利用するのではなく、公知
技術である、人感センサや、赤外線センサを利用するようにしてもかまわない。
＜処理切替手段＞
処理切替手段１０２は、リモコン３０での設定情報を利用して、現在の空調空間に存在する人物の人物特徴量データとその人物の好みの空調を関連付けて学習する、学習モードを実行するか、空調制御を行なう空調モードを実行するかを選択する。図１８は、本実施形態にかかる空気調和機のリモコン３０を示している。ここで、後述するように、人物特定部１０７は、顔認証処理を利用して人物の特定を行なうものとする。図１８のリモコンには、登録ボタン３２が搭載されている。リモコン操作者が登録ボタン３２を押すことにより、本実施形態の空気調和機は学習モードを実行し、そうでない場合は空調制御モードを実行する。
＜人数推定部＞
人数推定部１０３は、前記人体検知部の検出結果を利用して、空調空間内に存在する人数を推定する。ここでは、人体検知部として、背景差分処理を利用した場合について、説明する。

図１３（ｂ）に示したように、背景差分処理を行なうことにより、人物が存在する領域を推定することができる。人数推定部１０３は、この領域の数を計測することで、空調空間内に存在する人数を推定する。もちろん、複数人が近傍に存在する場合、複数人が一つの差分領域として検出されてしまうが、これは、領域の大きさを調べることにより、領域内に存在する人数が１人なのか、２人以上なのかを推定することができる。すなわち、カメラから人物までの距離が既知の場合、人物の画面上でのおおよその大きさは、撮像センサユニットの視野や視点、焦点距離などの撮像条件から求めることができる。図１９は、距離と人物の画像上での大きさの関係を示したものである。人数推定部１０３は、前記人体検知部１０１によって検出された人物までの距離から、その人物の画面上でのおおよその大きさを推定し、その大きさと、実際に人体検知部１０１によって検出された領域の大きさを比較することで、その領域に１人しか存在しないのか、複数人が存在するのかを推定する。

図２０は、本実施形態における人数推定部１０３の処理の流れを示したフローチャートである。まず、人数推定部１０３は、人体検知部１０１の検知結果から、各差分領域までの距離を検出する（ステップＳ２０１）。次に検出された距離における人物のおおよその大きさＳ１を、前述の方法で推定する（ステップＳ２０２）。こうして推定した大きさＳ１と、人体検知部１０１が検出した差分領域の大きさＳ２を比較する（ステップＳ２０３）。もし、差分領域の大きさＳ２が、推定した大きさＳ１より大きかった場合（ステップＳ２０３でＹｅｓ）、この差分領域には、２人以上が存在していると判断する（ステップＳ２０４）。一方、差分領域の大きさＳ２が、推定した大きさＳ１と等しい、または小さかった場合（ステップＳ２０３でＮｏ）、この差分領域には、１人のみ存在していると判断する（ステップＳ２０５）。この処理を、すべての差分領域で行なうことにより、空調空間内の人数を推定する。

もちろん、人体検知部１０１が、人物の全身の画像データや顔画像を利用した場合、人数推定部１０３は、検出された全身や顔の個数を計測することにより、空調空間内の人数を推定するようにしてもかまわない。

また、空調空間内の差分領域を追跡することにより、その差分領域の交差状態を検出することで人数を推定するようにしてもかまわない。この処理に関して、図を用いて説明する。

図２１（ａ）〜（ｃ）は、人物３０３が右から左へ移動し、人物３１３が左から右へ移動しているシーンにおいて、撮像センサユニットによって撮像された３フレームの画像を
示した模式図である。図２１（ｂ）は図２１（ａ）の後のフレームの画像を、図２１（ｃ）は図２１（ｂ）の後のフレームの画像を示している。また、図２２（ａ）〜（ｃ）は、図２１の画像を利用してフレーム間差分処理を行なった、フレーム間差分画像を示している。白い画素は差分が存在しない画素、黒い画素３０５は差分が生じている画素を示している。人物３０３と人物３１３は、図２１（ｂ）において交差し、図２１（ｃ）において、交差状態から開放されている。このとき、差分領域の数は、図２１（ａ）で２個、図２１（ｂ）で１個、図２１（ｃ）で２個となっていることから、差分領域の個数を数えることで、交差状態を検出することが可能である。すなわち、前フレームでは近傍に複数の差分領域が存在するが、現在のフレームでは、１つの差分領域しか存在しない場合、現在のフレームで交差が生じていると考えられる。人数推定部１０３は交差状態を検出した場合、空調空間内に複数の人物が存在すると推定することで、空調空間内に存在する人数を推定する。
＜学習判定部＞
学習判定部１０４は、現在の空調空間内の状況を確認し、学習に適した状況の場合にのみ学習処理を行なうように判断する。具体的には、前記人数推定部１０３によって推定された空調空間内の人数を利用し、もし、空調空間内に１人のみ存在している場合には、学習処理を実行し、そうでない場合は、学習処理を行なわないようにする。複数の人物が存在する場合、空調空間内の人物に「学習に失敗しました。一人の際に、再度、登録ボタンを押してください」と音声で伝える。もちろん、音声で伝えるのではなく、例えば、空調空間内に１人のみ存在している場合には「ピッピッ」、空調空間内に誰もいない、または複数人存在している場合には、「ピッピッピッ」といった音を鳴らすようにしてもかまわないし、空気調和機に設置したＬＥＤなどを点灯させたり、リモコンに「学習失敗」と表示するようにしてもかまわない。
＜学習部＞
学習部１０５は、人物特徴量データと、その人物の好みの空調制御情報を学習する。ここでは、顔画像を利用して、人物を特定する場合に関して説明する。

顔画像を利用した人物特定処理は、前述のように顔検出の特徴量を利用する。まず、各特徴量の大きさをベクトルとして表現する。そのベクトルを特定対象者ごとに事前に学習し、記憶部１０６に記憶する。次に人物を特定したい顔画像から抽出したベクトルと、学習されているベクトルを比較する。ここで、人物を特定したい顔画像から抽出したベクトルに最も近いベクトルを、学習されているベクトルから探索する。最も近いベクトルに対応する顔画像が、人物を特定したい顔画像に等しいと判断することで、人物の特定処理を行なうことができる。また、人物を特定したい顔画像から抽出したベクトルに十分近いベクトルが学習されているベクトルに存在しない場合、人物特定に失敗したと判断する。

また、人物特徴量データと合わせて、好みの空調制御情報として、設定温度、風向、風量などを学習する。これらの情報は、人物がリモコンで設定するようにしてもかまわないし、登録ボタン３２が押された際に設定されている空調制御情報を、その人物の好みの空調制御情報であるとして、学習してもかまわない。
＜記憶部＞
記憶部１０６は、学習部１０５が学習した、人物特徴量データと、その人物の好みの空調制御情報を記憶する。
＜人物特定部＞
処理切替部１０２が空調制御モードを選択した場合、人物特定部１０７は、前述の方法で空調空間内の人物を特定する。
＜空調制御部＞
空調制御部１０８は、前記人物特定部１０７によって特定された人物情報と、前記記憶部１０６が記憶している人物の好みの空調制御情報を利用して、空調制御を行なう。この制御方法に関して詳述する。

前記人物特定部１０７によって、人物の特定に成功した場合、空調制御部１０８は特定した人物の好みの空調制御情報を記憶部１０６から取得し、その空調制御情報にしたがった空調制御を行なう。例えば、空調制御情報として、設定温度２６度、直接風当て制御が設定されていた場合、空調制御部１０８は、設定温度を２６度とし、直接風当て制御を行なう。もちろん、前記人体検知部１０１によって、人物の位置がわかっているため、人物の存在する位置近傍にのみ空調制御を実現することで、省エネルギーな空調制御を実現することができる。

一方、人物特定部１０７によって、人物の特定に失敗した場合、空調制御部１０８は特定の人物の好みに合わせた空調制御を行なわず、全体空調を実現する。もちろん、前記人体検知部１０１によって、人物の位置がわかっているため、人物の存在する位置近傍にのみ空調制御を実現することで、省エネルギーな制御を実現することができる。

また、学習部１０５や人物特定部１０７が利用する人物特徴量データとして、顔画像を利用するのではなく、例えば、ジェスチャーを利用するようにしてもかまわない。この場合、学習部１０５は、例えば、右手で右回りに大きな円を描く、手を前に突き出しで戻す、などの動きを学習し、人物特定部１０７は、学習時の動きと同じ動きをする人物を学習時の人物と等しいとして人物特定をするようにすればよい。

また、本実施形態の空気調和機において、リモコン３０の登録ボタン３２は、複数人を別々に学習するために、複数のボタンから構成されるようにしてもかまわない。図２３はこのようなリモコン３０の模式図である。この図において、登録ボタン３２はＡ〜Ｅの５個のボタン３４から構成されている。Ａ〜Ｅのボタンを空気調和機の利用者それぞれに割り付けることにより、さらに効率的な学習を行なうことができる。例えば、母、父、娘、息子の４人家族がこの空気調和機を利用している場合、母がＡ、父がＢ、娘がＣ、息子がＤというように事前に決めておく。母が学習を行なう際にはＡボタンを、父が学習を行なう際にはＢボタンを押す。このようなリモコン３０を利用することで、教師あり学習を行なうことが可能である。

通常の学習処理では、教師あり学習と教師なし学習が知られており、前者は事前にＩＤを割り当てておき、そのＩＤに識別されるような学習を行なうものである。一方、後者は事前にＩＤを割り当てることを行なわず、人物特徴量データが近いものが同じＩＤとして識別されるように学習を行なうものである。教師なし学習に比べ、教師あり学習のほうが正確な学習が行なわれることが知られている。

このような学習方法を利用することで、例えば、歩容認証などの人物特定処理を利用することも可能である。また、後述するように、人物の位置や大きさ、活動量を人物特定処理に利用するようにしてもかまわない。

また、以上の説明では、処理切替部１０２は学習モードか空調制御モードかを切り替えるだけではなく、学習モードの際は空調制御モードも同時に実行するようにしてもかまわない。図２４は、このときの本実施形態における空気調和機の処理の流れを示すフローチャートである。図２４において、図２と共通の構成要素に関しては、同一の符号を付し、その説明は省略する。

もちろん、学習モードが選択された状態で空調制御を実行する場合、人物がリモコン３０で設定している好みの空調制御方法を実行するようにしてもかまわない。

（実施の形態２）
図２５は、本発明の第２の実施の形態における空気調和機の構成を示す機能ブロック図である。図２５において、図１と共通の構成要素に関しては、同一の符号を付し、その説明は省略する。また、図２６は、本実施形態における空気調和機の処理の流れを示すフローチャートである。図２６において、図２と共通の構成要素に関しては、同一の符号を付し、その説明は省略する。

第２の実施形態において、処理切替部１０２は、人物特定部１０７の結果によって学習モードを実行するか、空調制御を行なう空調モードを実行するかを選択する（ステップＳ１９）。具体的には、人物特定部１０７によって、人物の特定に成功した場合（ステップＳ１９でＹｅｓ）、処理切替部１０２は空調制御モードを選択し、空調制御部１０８は特定した人物の好みの空調制御情報を記憶部１０６から取得し、その空調制御情報にしたがった空調制御を行なう（ステップＳ２０）。人物特定部１０７は、前述の通り、顔画像を利用した人物特定処理を行なえばよい。一方、人物特定部１０７によって、人物の特定に失敗した場合（ステップＳ１９でＮｏ）、現在の空調空間内の人物は、まだ学習されていない人物と判断し、処理切替部１０２は学習モードを選択し、その人物の人物特徴量データと、現在設定されている設定温度、風向、風量などを好みの空調制御情報として学習する。第１の実施形態と異なり、第２の実施形態では、ユーザがリモコン３０で登録ボタン３２を押すことなく、空気調和機は学習していない人物の人物特徴量データと好みの空調制御情報を学習する。登録ボタン３２を押す必要がないため、ユーザに負荷をかけない学習が実現される。

また、人物特定部１０７は顔画像に限ったものではなく、たとえば、人物の位置や大きさ、活動量などを利用するようにしてもかまわない。この処理に関して説明する。

家庭内での人物の動きを考慮した場合、以下の前提を考えることができる。

［前提１］頻度高く存在する人物は、数人に限定される。

［前提２］それら数人の人物が存在する位置は、限定される。

まず、前提１に関しては、家庭内に常に存在する人物は、その家の家族や同居者であると考えられるため、妥当な前提条件と考えられる。また、前提２に関しては、食事の際に、座る位置が固定されている家庭が多いこと、洗濯や料理などは作業を行なう人物と場所が決まっている家庭が多いことなどから、妥当な前提条件と考えられる。

以上、２つの前提条件を考慮し、人物の位置情報を利用して人物の特定を行なう。

人物の位置情報を利用して人物の特定を行なうために、累積時間ヒストグラムを利用する。累積時間ヒストグラムとは、空調空間内に設定した領域において、人物が滞在していた累積時間を求め、ヒストグラムとしたものである。図２８は、図２７の空調空間における累積時間ヒストグラムを示した模式図である。

図２７は、キッチン４０１とテーブル４０２と４脚の椅子４０３〜４０６が存在している家庭に本発明に係る空気調和機の室内機を設置した場合を示しており、図２７における鎖線で示されるＡ〜Ｐの各領域は、この空間を細分化したものであり、発明に係る空気調和機では、これらの領域で別々の累積時間ヒストグラムを求めている。

図２８は、図２７の領域のうち、領域Ａ，Ｇ，Ｈ，Ｌの４つの領域に関しての累積時間ヒストグラムの例を示した模式図である。これらの累積時間ヒストグラムは、前記人体検知手段１０１によって検知された人物の位置情報を利用して作成する。つまり、人物が存
在する領域に対応する累積時間ヒストグラムに、その人物が滞在した時間に相当する値を与える。また、人物が別の領域に移動した場合、移動先の領域に対応する累積時間ヒストグラムに、その人物が滞在した時間に相当する値を与える。これを繰り返すことで、各領域における人物の滞在時間のヒストグラムを作成する。こうして求めた累積時間ヒストグラムは、人物が滞在することが多い領域では値が大きく、人物があまり滞在しない領域では値が小さくなるため、人物の滞在する確率を表現することができる。また、このような累積時間ヒストグラムを特定対象の人物ごとに作成することにより、人物ごとに滞在する確率を表現することができる。このようにして、特定対象の人物ごとに作成した累積時間ヒストグラムを累積時間ヒストグラムＤＢと呼ぶ。

もちろん、累積時間ヒストグラムは正規化を行なうようにしてもかまわない。このような正規化は、例えば、トータル時間で正規化する、などでかまわない。

図２９は、累積時間ヒストグラムを利用した人物の特定を行なう際のフローチャートである。これは、図２６のステップＳ１１〜Ｓ１２に関して、より詳細な処理の流れを示したフローチャートでもある。まず、人体検知部１０１は撮像センサユニット２４を利用して、空調空間を撮像し、人物の在否とその存在位置を検知する（ステップＳ１１）。人物特定部１０７は、前述の通り、現在、空調空間内に存在する人物の累積時間ヒストグラムを作成するために、人物が存在する位置に対応する領域の累積時間ヒストグラムに値の追加を行なう（ステップＳ３１）。人物特定部１０７は、こうして追加された累積時間が規定値より大きいかどうかを判断する（ステップＳ３２）。追加された累積時間が規定値より小さかった場合（ステップＳ３２でＮｏ）、ステップＳ１１へもどり、再度、累積時間ヒストグラムへの追加処理を続ける。一方、追加された累積時間が規定値より大きかった場合（ステップＳ３２でＹｅｓ）、十分なデータが蓄積されていると判断し、現在の累積時間ヒストグラムと累積時間ヒストグラムＤＢと比較することにより、人物の特定を行なう（ステップＳ３３）。

ここでは、累積時間ヒストグラムＤＢにおける人物の特定対象として、空調制御情報を利用するものとする。つまり、累積時間ヒストグラムＤＢは、各領域における累積時間ヒストグラムを、その人物が存在したときの空調制御情報ごとに作成する。すなわち、空調制御情報として、設定温度を利用する場合、累積時間ヒストグラムＤＢは、図３０に示したとおり、人物が存在していた際の設定温度ごとに累積時間ヒストグラムをもつ。ここで、人物が空調空間内に存在しており、もし、そのときの空調制御情報がその人物の好みの空調制御情報と異なっていた場合、その人物は、空調制御情報を自分の好みの空調制御情報へ変更すると考えられる。すなわち、ある人物が空調空間内に存在している際の空調制御情報は、その人物の好みの空調制御情報に等しいと考えることができる。そのため、前述のように空調制御情報ごとに求めた累積時間ヒストグラムＤＢは、好みの空調制御情報にしたがった累積時間ヒストグラムＤＢとなることがわかる。

人物特定部１０７が空調空間内の人物を特定する際には、現在の累積時間ヒストグラムと各設定温度での累積時間ヒストグラムＤＢを比較し、最も相関の高い累積時間ヒストグラムＤＢに対応する設定温度を現在の人物の好みの空調制御設定温度として決定する。すなわち、好みの空調制御の設定温度ｔｍｐ＿ｍａｘは、次式で求められる。

ここで、ｈｉｓｔ（ｐｓｔ）は領域ｐｓｔにおける現在の累積時間ヒストグラムの値、ｈｉｓｔ＿ＤＢ（ｐｓｔ，ｔｍｐ）は領域ｐｓｔ、設定温度ｔｍｐにおける累積時間ヒストグラムＤＢの値を示している。

ここで、本実施形態における人物特定部１０７は、個人を特定するのではなく、空調制御情報によって、以前、どのような空調制御を行なっていたシーンで存在していた人物か、を特定している。つまり、設定温度が異なる人物は異なる人物として特定するが、設定温度が等しい人物は同じ人物として特定する。図３１〜図３３はこれを説明するための模式図である。ここで、空調空間内には、母、父、娘の３人が存在しているとする。ここで、図３１に示したように、３人の好みの設定温度が異なっている場合、求められる累積時間ヒストグラムＤＢは図３０のようになる。すなわち、母が存在する場合は設定温度２８度、父が存在する場合は設定温度２６度、娘が存在する場合は３０度と特定されるため、３人は別の人物であると特定される。一方、図３２に示したように、母と娘の好みの設定温度がどちらも２８度と等しく、父の好みの設定温度が２６度の場合、求められる累積時間ヒストグラムＤＢは図３３のようになる。すなわち、母か娘が存在する場合は設定温度２８度、父が存在する場合は設定温度２６度と特定されるため、母と娘は別の人物であるとは特定されない。しかし、空調制御部１０８は母と娘のどちらかが存在した場合、その人物が母であろうと娘であろうと、設定温度を２８度に設定すればよいため、この二人を識別する必要はないことがわかる。つまり、実際には個人を特定していなくとも、好みの空調制御情報で特定すればよいことがわかる。

また、学習部１０５において、学習データを記憶部１０６へ記憶する場合には（ステップＳ１６）、現在の設定温度に対応する累積時間ヒストグラムＤＢへ現在の累積時間ヒストグラムのデータを足し合わせ、現在の累積時間ヒストグラムをクリアするようにすればよい。

もちろん、このような人物特定は、設定温度を利用するのではなく、例えば、好みの風向や風量を利用するようにしてもかまわない。

また、人物特定部１０７は、人物の位置を利用するのではなく、例えば、大きさ情報や活動量情報を利用するようにしてもかまわない。この処理について説明する。

人物の位置と大きさの情報を利用する場合、各領域とその大きさごとに累積時間ヒストグラムを作成する。ここでは、人物の大きさをＸＬ、Ｌ、Ｍ、Ｓの４種類に分割する。図３４は、図３０の位置Ｌにおける累積時間ヒストグラムＤＢをさらに、人物の大きさＸＬ、Ｌ、Ｍ、Ｓごとに作成したものである。現在の累積時間ヒストグラムに関しても、同様の処理を行なう。このような累積時間ヒストグラムを利用した場合、好みの空調制御の設定温度ｔｍｐ＿ｍａｘは、次式で求められる。

ここで、ｈｉｓｔ（ｐｓｔ，ｓｃｌ）は領域ｐｓｔ、大きさｓｃｌにおける現在の累積時間ヒストグラムの値、ｈｉｓｔ＿ＤＢ（ｐｓｔ，ｓｃｌ，ｔｍｐ）は領域ｐｓｔ、大きさｓｃｌ、設定温度ｔｍｐにおける累積時間ヒストグラムＤＢの値を示している。大きさ情
報を利用することで、人物の身長などの身体情報、背を丸めて座る、背筋を伸ばして座る、足を伸ばして座るなどの姿勢情報を取得することができるため、識別精度を向上させることができる。

また、活動量は、前景領域とその前景領域を内包する、最小の長方形の比として表現すればよい。この活動量は、人物全身のうち、動きがある領域の比率を求めることができる。活動量情報を利用することで、活発に動き回る子供などを識別することができるため、識別精度を向上させることができる。

以上のように、本発明によると、学習処理判定手段により、学習が精度高く行なわれる可能性が高いと判断した場合にのみ、人物特徴量データと好みの空調制御情報を学習することにより、より精度の高い学習処理を実現することで、快適性が向上するとともに省エネルギーを達成することができる。

本発明に係る空気調和機は、学習が精度高く行なわれる可能性が高いと判断した場合にのみ、人物特徴量データと好みの空調制御情報を学習することにより、より精度の高い学習処理を実現することで、快適性を向上させるとともに省エネを達成することができるので、特に一般家庭用の空気調和機として有用である。

２ 室内機本体、 ２ａ 前面開口部、 ２ｂ 上面開口部、 ４ 可動前面パネル、６
熱交換器、 ８ 室内ファン、 １０ 吹出口、 １２ 上下羽根、 １４ 左右羽根、 １６ フィルタ、 １８，２０ 前面パネル用アーム、 ２４ 撮像センサユニット、 ３０ リモコン、 １０１ 人体検知部、 １０２ 処理切替部、 １０３ 人数推定部、 １０４ 学習処理判定部、 １０５ 学習部、 １０６ 記憶部、 １０７ 人物特定部、 １０８ 空調制御部。

Claims (15)

1. 人物の在否を検知する人体検知部を備えた空気調和機であって、
   学習モードと空調制御モードを選択する処理切替部と、
   前記処理切替部によって学習モードが選択された場合、前記人体検知部の検出結果を利用して、空調空間内に存在する人数を検知する人数推定部と、を具備し、
   前記人数推定部が検出した空調空間内の人数が１人であった場合に学習処理を実行し、そうでない場合には学習処理を実行しないことを特徴とする空気調和機。
2. 前記学習処理判定部において、学習処理を実行すると判定された場合、現在の空調空間に存在する人物の人物特徴量データと、その人物の好みの空調制御情報を関連付けて学習する学習部と、
   前記学習部が学習した人物特徴量データと好みの空調制御情報を関連付けて記憶する記憶部と、
   前記処理切替部によって空調制御モードが選択された場合、前記人体検知部での検知結果と、前記記憶部に記憶されている人物特徴量データを比較することで、空調空間内の人物を特定する人物特定部と、
   前記人物特定部が特定した人物の好みの空調制御情報を前記記憶部から読み出し、その人物の好みの空調制御情報にしたがった空調制御を実現する空調制御部を有することを特徴とする請求項１に記載の空気調和機。
3. 前記人体検知部は、撮像センサユニットを利用して空調空間内を撮像することを特徴とする、請求項１又は２に記載の空気調和機。
4. 前記処理切替部は、リモコンでの操作履歴を利用して、学習モードと空調制御モードを選択することを特徴とする、請求項１又は２に記載の空気調和機。
5. 前記処理切替部は、リモコンの登録ボタンが押されている場合は学習モードを選択し、そうでない場合は空調制御モードを選択することを特徴とする、請求項４に記載の空気調和機。
6. 前記処理切替部は、リモコンに設定された複数の登録ボタンのうち、各ユーザに対応したボタンが押されている場合は学習モードを選択し、押された登録ボタンに対応した好みの空調制御情報を学習し、そうでない場合は空調制御モードを選択することを特徴とする、請求項５に記載の空気調和機。
7. 前記人数推定部は、前記人体検知部が検知した人物領域の大きさを利用して、空調空間内に存在する人数を推定することを特徴とする、請求項１又は２に記載の空気調和機。
8. 前記人数推定部は、前記人体検知部が検知した人物領域の時間変化における交差状態の変化を利用して、空調空間内に存在する人数を推定することを特徴とする、請求項１又は２に記載の空気調和機。
9. 前記学習処理判定部は、学習処理を実行しないと判定した場合、学習処理を行なわず、ユーザに学習を行なわなかった旨を連絡することを特徴とする、請求項１又は２に記載の空気調和機。
10. 前記学習部は、リモコンでの設定情報を利用して、好みの空調制御情報を取得することを特徴とする、請求項１又は２に記載の空気調和機。
11. 前記学習部は、現在設定されている空調制御情報を、好みの空調制御情報として設定することを特徴とする、請求項１又は２に記載の空気調和機。
12. 前記人物特定部は、顔認証処理を利用して、人物の特定を行なうことを特徴とする、請求項１又は２に記載の空気調和機。
13. 前記人物特定部は、人物の位置、かつまたは大きさ、かつまたは活動量を利用して、人物の特定を行なうことを特徴とする、請求項１又は２に記載の空気調和機。
14. 人物の在否を検知する人体検知部と、
    前記人体検知部での検知結果を利用して、空調空間内の人物を特定する人物特定部と、
    前記人物特定部の特定結果によって、学習モードと空調制御モードを選択する処理切替部と、
    前記処理切替部によって学習モードが選択された場合、前記人体検知部の検出結果を利用して、空調空間内に存在する人数を検知する人数推定部と、
    前記人数推定部が検出した空調空間内の人数が１人であった場合に学習処理を実行し、そうでない場合には学習処理を実行しないと判定する学習処理判定部と、
    前記学習処理判定部において、学習処理を実行すると判定された場合、現在の空調空間に存在する人物の人物特徴量データと、その人物の好みの空調制御情報を関連付けて学習する学習部と、
    前記学習部が学習した人物特徴量データと好みの空調制御情報を関連付けて記憶する記憶部と、
    前記処理切替部によって空調制御モードが選択された場合、前記人物特定部が特定した人物の好みの空調制御情報を前記記憶部から読み出し、その人物の好みの空調制御情報にしたがった空調制御を実現する空調制御部を有することを特徴とする空気調和機。
15. 前記処理切替部は、前記人物特定部において、人物が特定された場合には空調制御モードを選択し、特定に失敗した場合には学習モードを選択することを特徴とする、請求項１又は２に記載の空気調和機。