JP2012166579A - 状態判定装置、状態判定方法及びプログラム - Google Patents

Abstract

【課題】簡易な装置で、正確にドライバの状態を判定する。
【解決手段】ドライバの重心の変化に起因する特徴量に基づいて、ドライバの運転状態が属するクラスを判定する。ドライバの重心の変動は、ドライバの覚醒度との相関が高いと考えられる。このため、正確にドライバの状態を判定することができる。また、ドライバの状態の判定に用いる特徴量の算出には、荷重センサ２１_１〜２１_４からの出力を用いる。このため、装置の構造を簡易化することができる。
【選択図】図１

Description

本発明は、状態判定装置、状態判定方法及びプログラムに関し、更に詳しくは、ドライバの状態を判定する状態判定装置、ドライバの状態を判定するための状態判定方法及びプログラムに関する。

近年、交通事故の死者数は減少傾向にあるものの、事故の発生件数自体は依然として高い水準で推移している。事故の原因は様々であるが、ドライバが漫然な状態（漫然状態）で車両の運転を行うことも、事故を誘発する原因の１つである。漫然状態は、運転中の会話や、携帯電話の使用など、ドライバが運転以外の行動を行うことにより、運転に対する注意力が散漫になる状態と、疲労や眠気などによってドライバの注意力が低下する状態とに概ね二分することができる。

疲労や眠気は、ドライバ自身での予防が困難である。このため、安全上の観点から、ドライバの居眠りや覚醒度の低下を正確に検出するためのシステムが種々提案されている（例えば特許文献１、特許文献２、及び非特許文献１参照）。

特許文献１に記載された装置は、ドライバの顔の画像を撮影することにより得た画像に基づいて、ドライバの瞼の開閉度合いや、開閉頻度を計測する。そして、計測結果を用いてドライバの眠気や疲労の程度を判定する。

特許文献２及び非特許文献１に記載された装置は、シートの座面や背もたれに設けられた体圧センサを用いて、ドライバの重心の変化を検出する。そして、検出結果から、ドライバの眠気や疲労の程度を判定する。

特開２００４−１９２３４５号公報 特開２００２−００８１５９号公報

ヒューマンインタフェースシンポジウム２００５論文集 Ｖｏｌ．１，ｐｐ．３５１−３５６，２００５ 体動情報に基づくドライバの漫然運転リアルタイム検出

しかしながら、上記特許文献１に記載された装置は、例えばドライバがサングラスを着用することによって撮影環境が変化すると、瞼の検出が可能な程度に鮮明な画像を撮影することができなくなる。この場合には、一時的にドライバの状態を正確に判定することができなくなるという問題がある。

また、特許文献２及び非特許文献２に記載された装置は、体圧センサによる検出結果を所定のパターンと比較することにより、ドライバの状態の判定を行う。このため、状態の判定を行う際に取り扱うデータ量が多くなってしまうという問題がある。また、この装置では、重心の検出にシート型体圧センサが用いられる。このシート型体圧センサは比較的高価である。このため、装置全体としての製造コストが高くなるという不都合がある。

本発明は、上述の事情の下になされたもので、簡易な装置で、正確にドライバの状態を判定することを目的とする。

上記目的を達成するため、本発明の第１の観点に係る状態判定装置は、
車両を運転するドライバの状態を判定する状態判定装置であって、
前記ドライバが着座するシートの着座部に作用する荷重を検出する検出手段と、
前記検出手段からの出力に基づいて、前記ドライバの重心に関する情報を、特徴量として算出する算出手段と、
前記特徴量を入力値とし前記ドライバの活性度合いを指標として定められた複数のクラスが分類される第１グループと第２グループのうち、前記ドライバの状態が属する前記グループを識別する識別手段と、
前記識別手段の識別結果に基づいて、前記ドライバの状態が属するクラスを特定する特定手段と、
を備える。

上記目的を達成するため、本発明の第２の観点に係る状態検出方法は、
車両を運転するドライバの状態を判定する状態判定方法であって、
前記ドライバが着座するシートの着座部に作用する荷重を検出する検出手段からの出力に基づいて、前記ドライバの重心に関する情報を、特徴量として算出する工程と、
前記特徴量を入力値とし前記ドライバの活性度合いを指標として定められた複数のクラスが分類される第１グループと第２グループのうち、前記ドライバの状態が属する前記グループを識別する工程と、
前記識別の結果に基づいて、前記ドライバの状態が属するクラスを特定する工程と、
を含む。

上記目的を達成するため、本発明の第３の観点に係るプログラムは、
コンピュータに、
車両を運転するドライバが着座するシートの着座部に作用する荷重を検出する検出手段からの出力に基づいて、前記ドライバの重心に関する情報を、特徴量として算出する手順と、
前記特徴量を入力値とし前記ドライバの活性度合いを指標として定められた複数のクラスが分類される第１グループと第２グループのうち、前記ドライバの状態が属する前記グループを識別する手順と、
前記識別の結果に基づいて、前記ドライバの状態が属するクラスを特定する手順と、
を実行させる。

本発明によれば、ドライバの重心に関する特徴量に基づいて、運転状態の判定が行われる。ドライバの重心に関する特徴量は、ドライバの覚醒度との相関が高いと考えられる。このため、正確にドライバの状態を判定することができる。また、状態の判定に用いられる特徴量の算出には、荷重を検出する検出手段からの出力を用いることができる。このため、装置の構造を簡易化することが可能となる。

第１の実施形態に係る状態判定装置のブロック図である。 シートと、当該シートに着座するドライバを示す図である。 荷重センサの配置を示す図である。 識別ユニットのブロック図である。 識別器の動作を説明するための図である。 損失値の算出方法を説明するための図である。 重心変動と眠気レベルとの関係を示す図である。 第２の実施形態に係る状態判定装置のブロック図である。 識別装置の動作を説明するためのフローチャートである。 荷重センサの配置を示す図である。

《第１の実施形態》
以下、本発明の第１の実施形態を、図面を参照しつつ説明する。図１は本実施形態に係る状態判定装置１０の概略的な構成を示すブロック図である。状態判定装置１０は、例えば自動車を運転するドライバの生体情報を取得する。そして、取得した生体情報に基づいてドライバの状態を判定する。この状態の判定は、眠気や疲労によりドライバが交通事故を誘発する状態にあるか否かを判定するものである。

図１に示されるように、状態判定装置１０は、ドライバが着座するシートに作用する荷重を検出する４つの荷重センサ２１_１〜２１_４、荷重センサ２１による検出結果に基づく特徴量を出力する特徴量出力装置２０、特徴量に基づいてドライバの運転状態を判定する判定装置３０を備えている。

図２は、Ｙ軸方向を進行方向とする車両を運転するドライバ６０と、当該ドライバ６０が着座するシート６１を示す図である。シート６１は、着座部６１ａ、背もたれ６１ｂ、ヘッドレスト６１ｃの３部分から構成されている。荷重センサ２１_１〜２１_４は、ドライバ６０がシート６１に着座することによって、着座部６１ａに作用する荷重を検出する。そして、検出した荷重に応じた電圧の出力信号を出力する。この荷重センサとしては、例えば特許第４４６０１３３号公報、特開２００２−２４３５２８号公報、特許第３６６４９８６号公報、特許第３６４１４３４号公報、特許第４２３５３６８号公報に開示された荷重センサを用いることができる。

図３は、荷重センサ２１_１〜２１_４の、ＸＹ平面における配置を示す図である。図３に示されるように、荷重センサ２１_１は、着座部６１ａの右前方のコーナーに配置されている。荷重センサ２１_２は、着座部６１ａの右後方のコーナーに配置されている。荷重センサ２１_３は、着座部６１ａの左前方のコーナーに配置されている。また、荷重センサ２１_４は、着座部６１ａの左後方のコーナーに配置されている。

本実施形態では、荷重センサ２１_１，２１_２と荷重センサ２１_３，２１_４とのＸ軸方向の距離ｄｘは４１６［ｍｍ］である。また、荷重センサ２１_１，２１_３と荷重センサ２１_２，２１_４とのＹ軸方向の距離ｄｙは２５８［ｍｍ］である。

特徴量出力装置２０は、ＣＰＵ（Central Processing Unit）、ＣＰＵの作業領域となる主記憶部、ＣＰＵが実行するプログラムや処理結果を記憶する補助記憶部等から構成されている。この特徴量出力装置２０は、荷重センサ２１_１〜２１_４からそれぞれ出力される出力信号の値Ｖ１〜Ｖ４を、例えばサンプリング周期２０Ｈｚでサンプリングして時系列的に記憶する。

また、特徴量出力装置２０は、出力信号のサンプリングと並行して、荷重センサ２１_１〜２１_４からそれぞれ出力される出力信号の値Ｖ１〜Ｖ４と、着座部６１ａの中心を原点Ｏとするｘｙ座標系における荷重センサ２１の位置座標に基づいて、ｘｙ座標系におけるドライバ６０の重心の位置座標（Ｄｘ，Ｄｙ）を順次算出し記憶する。また、特徴量出力装置２０は、荷重センサ２１_１，２１_２からの出力信号の値Ｖ１，Ｖ２の和Ｓ１２と、荷重センサ２１_２，２１_３からの出力信号の値Ｖ２，Ｖ３の和Ｓ２３とを順次算出し記憶する。

そして、特徴量出力装置２０は、算出した位置座標（Ｄｘ，Ｄｙ）に基づいて、単位時間あたりの重心の変動回数Ｎ、単位時間あたりのｘ座標Ｄｘの標準偏差、単位時間あたりのｘ座標Ｄｘについての逐次差分の標準偏差、値Ｖ１，Ｖ２の和Ｓ１２の単位時間あたりの標準偏差、値Ｖ２，Ｖ３の和Ｓ２３の単位時間あたりの標準偏差を順次算出する。

変動回数Ｎは、例えば１分間に、重心変動が生じた回数である。この変動回数は、変動幅が０．０２インチ〜０．１インチ以内である場合にカウントされる。

ｘ座標Ｄｘの標準偏差は、例えば１分間にサンプリングされる出力信号Ｖ１〜Ｖ４に基づいて順次算出される重心のｘ座標Ｄｘの標準偏差である。上述したように、特徴量出力装置２０のサンプリング周期は２０Ｈｚであるため、最大で１２００（２０×６０）のｘ座標Ｄｘから標準偏差が算出される。

ｘ座標Ｄｘについての逐次差分の標準偏差は、例えば１分間にサンプリングされる出力信号Ｖ１〜Ｖ４に基づいて順次算出される重心のｘ座標Ｄｘについての逐次差分の標準偏差である。逐次差分は、例えばｘ座標がＤｘ１からＤｘ２へ変化した場合には、Ｄｘ２からＤｘ１を減じることで算出される。

値Ｖ１，Ｖ２の和Ｓ１２の標準偏差は、例えば１分間にサンプリングされた出力信号Ｖ１，Ｖ２の和Ｓ１２（＝Ｖ１＋Ｖ２）の標準偏差である。また、値Ｖ２，Ｖ３の和Ｓ２３の標準偏差は、例えば１分間にサンプリングされた出力信号Ｖ２，Ｖ３の和Ｓ２３（＝Ｖ２＋Ｖ３）の標準偏差である。

特徴量出力装置２０は、変動回数Ｎ、ｘ座標Ｄｘの標準偏差、ｘ座標Ｄｘについての逐次差分の標準偏差、値Ｖ１，Ｖ２の和Ｓ１２の標準偏差、値Ｖ２，Ｖ３の和Ｓ２３の標準偏差を５つの特徴量ａ１〜ａ５としてそれぞれ算出すると、この特徴量ａ１〜ａ５を入力情報ｘ（ａ１，ａ２，ａ３，ａ４，ａ５）として、判定装置３０へ出力する。以下、説明の便宜上、入力情報ｘ（ａ１，ａ２，ａ３，ａ４，ａ５）については、単に入力情報ｘと表示する。

判定装置３０は、例えば３つのクラス（クラス１、クラス２、クラス３）のうちから、ドライバ６０の状態が属するクラスを判定する装置である。３つのクラスは、例えばドライバ６０の活性度を指標として区分されたものである。

上述の活性度は、ドライバ６０が外部からの入力に対して行動を起こす場合に、その行動を起こすまでの時間（反応時間）の長短などによって定義することができる。反応時間は、眠気や、注意力の低下などによって、長くなる傾向がある。本実施形態では、例えば、さまざまな状況でドライバ６０の反応時間を計測し、最も反応時間が短いときのドライバ６０の状態（通常状態）をクラス１とし、最も反応時間が長いときのドライバ６０の状態（最漫然状態）をクラス３とし、クラス１とクラス３との間の状態（漫然状態）をクラス２とする。

図４は識別ユニット４０のブロック図である。図４に示されるように、識別ユニット４０は、符号器４１と、６個の識別器４２_１〜４２_６と、復号器４３とを含んで構成されている。

符号器４１は、次式（１）で示される符号表Ｗを用いて符号化処理を行う。なお、ｐは識別器の個数であり、Ｇはクラスの数である。また、符号表Ｗの各行には、１と−１の双方が含まれる。本実施形態では、上述したように運転状態が属するクラスの数は３であり、識別器の数は６である。このため、次式（１）の一般式で示される符号表Ｗは、具体的には次式（２）に示されるように、６行３列のマトリクス状に配置された１８の要素から構成される。

図５を参照するとわかるように、符号表Ｗの各行の３つの要素は、左から右に向かって順に、それぞれクラス１、クラス２、クラス３に対応している。そして、３つのクラスは、値が１の要素に対応するクラスからなる第１グループと、値が−１の要素に対応するクラスからなる第２グループに分類される。なお、各グループのクラスの数は１つであっても複数（２つ）であってもよい。また、値が０の要素に対応するクラスは、分類から除外される。

例えば、符号表Ｗの１行目の３つの要素は、クラス１が第１グループに分類され、クラス２及びクラス３が第２グループに分類されることを意味する。同様に、符号表Ｗの２行目の３つの要素は、クラス２が第１グループに分類され、クラス１及びクラス３が第２グループに分類されることを意味する。また、符号表Ｗの３行目の３つの要素は、クラス３が第１グループに分類され、クラス１及びクラス２が第２グループに分類されることを意味する。また、符号表Ｗの４行目の３つの要素は、クラス１が第１グループに分類され、クラス２が第２グループに分類されることを意味する。また、符号表Ｗの５行目の３つの要素は、クラス１が第１グループに分類され、クラス３が第２グループに分類されることを意味する。また、符号表Ｗの６行目の３つの要素は、クラス２が第１グループに分類され、クラス３が第２グループに分類されることを意味する。

符号器４１は、入力情報ｘが入力されると、符号表Ｗの１行目の３つの要素からなるコード１［１、−１、−１］と入力情報ｘとの関連づけを行う。そして、コード１が関連づけられた入力情報ｘを識別器４２_１へ出力する。

同様に、符号器４１は、符号表Ｗの２行目〜６行目それぞれの３つの要素からなるコード２［−１、１、−１］、コード３［−１、−１、１］、コード４［１、−１、０］、コード５［１、０、−１］、コード６［０、１、−１］それぞれと入力情報ｘとの関連付けを行う。そして、コード２〜コード６がそれぞれ関連づけられた入力情報ｘを、それぞれ識別器４２_２〜４２_６へ出力する。

識別器４２_１〜４２_６は、例えばＡｄａＢｏｏｓｔによる学習済みの二値判別器である。これらの識別器４２_１〜４２_６は、コード１〜６がそれぞれ関連づけられた入力情報ｘが入力されると、コード１〜６に基づいて、クラス１〜３を２つのグループに分類する。そして、入力情報ｘに基づいて、２つのグループのうちからドライバ６０の運転状態が属するグループを識別し、識別した結果と、信頼度を出力する。

例えば、識別器４２_１は、コード１［１、−１、−１］に基づいて、クラス１を第１グループに分類し、クラス２及びクラス３を第２グループに分類する。そして、識別器４２_１は、入力情報ｘに基づいて、ドライバ６０の運転状態が、第１グループに属するか、或いは第２グループに属するかを識別し、識別結果に応じた出力値ｈ_１（ｘ）を出力する。

この出力値ｈ_１（ｘ）の符号は、コード１の要素の符号と対応している。そして、出力値ｈ_１（ｘ）の符号が＋（＞０）である場合には、ドライバ６０の運転状態は、値が１である要素に対応するクラス１から構成される第１グループに属していると考えることができる。一方、出力値ｈ_１（ｘ）の符号が−（＜０）である場合には、ドライバ６０の運転状態は、値が−１である要素に対応するクラス２及びクラス３から構成される第２グループに属していると考えることができる。また、出力値ｈ_１（ｘ）の絶対値は、識別結果としての信頼度を示す。

同様に、識別器４２_２〜４２_６それぞれは、コード２〜６に基づいて、クラス１〜３を第１グループに属するクラスと、第２グループに属するクラスに分類する。そして、識別器４２_２〜４２_６それぞれは、入力情報ｘに基づいて、ドライバ６０の運転状態が、第１グループに属するか、或いは第２グループに属するかを識別し、識別結果に応じた出力値ｈ_２（ｘ）〜ｈ_６（ｘ）を出力する。

復号器４３は、上記式（２）で示される符号表Ｗを用いて複合化処理を行う。符号表Ｗの１列目にある６つの要素それぞれは、クラス１が、第１グループ及び第２グループのうちのいずれのグループに分類されたかを表している。また、符号表Ｗの２列目にある６つの要素それぞれは、クラス２が、第１グループ及び第２グループのうちのいずれのグループに分類されたかを表している。また、符号表Ｗの３列目にある６つの要素それぞれは、クラス３が、第１グループ及び第２グループのうちのいずれのグループに分類されたかを表している。

また、一般に識別器４２_１〜４２_６からの出力値は、識別平面からのユークリッド距離を表し、この値は識別結果の信頼度を表す。したがって、上述のようにグループ１が、値が１である要素によって規定され、グループ２が、値が−１である要素によって規定されている場合には、識別器４２_１〜４２_６からの出力値ｈ_ｎ（ｘ）は、その符号が正でその値が大きいほど、ドライバ６０の運転状態が第１グループに属する傾向が強いことを意味する。また、識別器４２_１〜４２_６からの出力値ｈ_ｎ（ｘ）は、その符号が負でその値が小さいほど、ドライバ６０の運転状態が第２グループに属する傾向が強いことを意味する。

そこで、復号器４３は、各識別器からの出力値と、符号表Ｗの列方向に配列された要素を用いて、クラス１〜３それぞれに対応する損失値Ｌ_１〜Ｌ_３を算出する。この損失値Ｌ_１〜Ｌ_３の算出は、次式（３）で示される関数が用いられる。

図６を参照するとわかるように、例えば、出力値ｈ_１（ｘ）〜ｈ_６（ｘ）それぞれが、−２、−７、０．５、−１、−９、１２である場合には、クラス１に対応した損失値Ｌ_１は、次式（４）で示される。

復号器４３は、同様の要領で、クラス２、クラス３にそれぞれ対応する損失値Ｌ_２、損失値Ｌ_３をそれぞれ算出すると、算出した損失値Ｌ_１〜Ｌ_３をクラス判定ユニット５０へ出力する。

図１に戻り、判定装置３０のクラス判定ユニット５０は、識別ユニット４０の復号器４３から出力された損失値Ｌ_１〜Ｌ_３のうちから、最も値が小さい損失値に対応したクラスを、ドライバ６０の運転状態が属するクラスと判定し、判定結果を出力する。例えば、クラス１に対応する損失値Ｌ_１が７０１８、クラス２に対応する損失値Ｌ_２が−１６１６６７、クラス３に対応する損失値Ｌ_３が１５３５４６である場合には、クラス判定ユニット５０は、損失が最小となった損失値Ｌ_２に対応するクラス２を、ドライバ６０の運転状態が属するクラスと判定して、判定結果を外部へ出力する。

以上説明したように、本実施形態に係る状態判定装置１０では、ドライバ６０の重心の変化に起因する特徴量に基づいて、ドライバ６０の運転状態が属するクラスが判定される。このクラスは、ドライバ６０の活性度を指標としてドライバ６０の運転状態が複数のクラスに区分されたものの１つである。したがって、ドライバ６０が属するクラスに基づいて、ドライバ６０の活性度がどの程度低下しているかを、覚醒度の低下の度合い別に検出することができる。これにより、ドライバ６０にとってより適切な運転支援を提供することが可能となる。

また、居眠り運転時のドライバ６０の生理的な行動としては、座り直しの増加や、姿勢が前傾することなどが知られており、ドライバ６０の重心の変動は、ドライバ６０の覚醒度との相関が高いと考えられる。例えば、図７は、ｘ軸方向の重心の変位と、眠気レベルとの関係を示す図である。実線はｘ軸方向の重心の変位の時間的な推移を示し、一点鎖線は眠気レベルの時間的な推移を示している。図７に示されるように、眠気レベルが増加すると、これに比例するように、ｘ軸方向の重心の変位のばらつきが大きくなることがわかる。このｘ軸方向の変位のばらつきは、車両から伝わる振動等によって、ドライバ６０の身体が左右に揺らぐことにより生じるものである。

本実施形態に係る状態判定装置１０は、ドライバ６０の重心の変動に起因する特徴量ａ１〜ａ５として、変動回数Ｎ、ｘ座標Ｄｘの標準偏差、ｘ座標Ｄｘについての逐次差分の標準偏差、値Ｖ１，Ｖ２の和Ｓ１２の標準偏差、値Ｖ２，Ｖ３の和Ｓ１２の標準偏差をそれぞれ算出する。そして、この特徴量ａ１〜ａ５に基づいて、ドライバ６０が属するクラスを判断する。こたのめ、正確にドライバ６０の状態を判定することができる。

本実施形態では、シート６１の着座部６１ａに配置された荷重センサ２１_１〜２１_４からの出力に基づいて算出した変動回数Ｎ、ｘ座標Ｄｘの標準偏差、ｘ座標Ｄｘについての逐次差分の標準偏差、値Ｖ１，Ｖ２の和Ｓ１２の標準偏差、及び値Ｖ２，Ｖ３の和Ｓ２３の標準偏差を特徴量として用いる。このため、例えば心拍や、瞼の開度等を生体情報として用いる装置に比べて、装置の構造を簡易化することができる。これにより、状態判定装置１０の製造コストを削減することが可能となる。

また、荷重センサからの出力は、ドライバ６０がサングラスを着用したり、周囲の環境が変化した場合にも影響をうけることがなく、ロバスト性が高い。このため、ドライバ６０の運転状態の判定を、ドライバ６０の顔画像を用いて行う場合に比べて、正確に行うことができる。

本実施形態では、変動回数Ｎの他に、ｘ座標Ｄｘの標準偏差、ｘ座標Ｄｘについての逐次差分の標準偏差、値Ｖ１，Ｖ２の和Ｓ１２の標準偏差、及び値Ｖ２，Ｖ３の和Ｓ２３の標準偏差を特徴量として用いる。これにより、ドライバ６０の体型に起因する判定誤差を少なくすることができる。

本実施形態では、変動回数Ｎ、ｘ座標Ｄｘの標準偏差、ｘ座標Ｄｘについての逐次差分の標準偏差の他に、着座部６１ａの右側に配置された荷重センサ２１_１，２１_２からの出力信号の値Ｖ１，Ｖ２の和Ｓ１２の標準偏差と、着座部６１ａの右後ろのコーナーに配置された荷重センサ２１_２からの出力信号の値Ｖ２と、左前コーナーに配置された荷重センサ２１_３からの出力信号の値Ｖ３との和Ｓ２３の標準偏差とを特徴量として用いる。こたのめ、例えば、ドライバ６０がアクセルペダルを操作することによって、重心がｘ軸方向に変化しても、精度よくドライバ６０の運転状態を判定することができる。なお、例えば自動追従装置等を用いることで、ドライバ６０がアクセルペダルを操作することなく、車両の運転を継続する場合には、ドライバ６０の重心位置は、ｘ軸方向に関しほぼ原点に一致した状態となる。

本実施形態では、識別器４２_１〜４２_６は、ＡｄａＢｏｏｓｔによる学習済みの二値判別器であるものとして説明した。しかしながら、本発明はこれに限定されるものではなく、識別器４２_１〜４２_６は、例えばＳＶＭ（Support Vector Machine）などの二値判別器であってもよい。

本実施形態では、ドライバ６０の現在の運転状態が、３つのクラスのうちのどのクラスに属するかを判定する場合について説明した。しかしながら、本発明はこれに限定されるものではなく、ドライバ６０の運転状態を、活性度を指標として４つ以上のクラスに区分し、現在の運転状態がどのクラスに属するかを判定することとしてもよい。

例えば、ドライバ６０の運転状態を、新エネルギー・産業技術総合開発機構（ＮＥＤＯ）の定義にしたがって、全く眠くなさそうな状態、やや眠そうな状態、眠そうな状態、かなり眠そうな状態、非常に眠そうな状態に対応する５つのクラスに区分し、ドライバ６０の現在の運転状態がどのクラスに属するかを判定することとしてもよい。

なお、識別器の個数をｐ、クラスの数をＧとすると、符号表ＷのサイズＷ_ＳＩＺＥは次式で求めることができる。

本実施形態では、ドライバ６０の重心の位置座標を、４つの荷重センサ２１からの出力に基づいて算出した。これに限らず、ドライバ６０の重心を同一直線上にない３つの荷重センサ２１を用いて算出してもよい。また、５つ以上の荷重センサからの出力に基づいてドライバ６０の重心を算出してもよい。

また、荷重センサとして、シート状のセンサを着座部６１ａの座面に配置し、当該センサからの出力に基づいて、着座部６１ａに着座するドライバ６０の重心を算出してもよい。

本実施形態では、ドライバ６０の運転状態が、外部からの入力に対するドライバ６０の反応時間によって定義されている場合について説明した。これに限らず、ドライバ６０の運転状態は、例えば、顔画像に基づく瞼の開度や開閉回数に基づいて、定義されていてもよい。

《第２の実施形態》
次に、本発明の第２の実施形態を、図面を参照しつつ説明する。なお、第１の実施形態と同一又は同等の構成については、同等の符号を用いるとともに、その説明を省略又は簡略する。

本実施形態に係る状態判定装置１０は、判定装置３０が、一般的なコンピュータ、又はマイクロコンピュータなどの装置と同様の構成によって実現されている点で、第１の実施形態に係る状態判定装置１０と相違している。

図８は、状態判定装置１０の物理的な構成を示すブロック図である。図８に示されるように、状態判定装置１０は、特徴量出力装置２０と、コンピュータからなる判定装置３０とから構成されている。

判定装置３０は、ＣＰＵ（Central Processing Unit）３０ａ、主記憶部３０ｂ、補助記憶部３０ｃ、表示部３０ｄ、入力部３０ｅ、インターフェイス部３０ｆ、及び上記各部を相互に接続するシステムバス３０ｇを含んで構成されている。

ＣＰＵ３０ａは、補助記憶部３０ｃに記憶されているプログラムに従って、特徴量出力装置２０によって取得された入力情報ｘに対して、後述する処理を実行する。

主記憶部３０ｂは、ＲＡＭ（Random Access Memory）等を含んで構成され、ＣＰＵ３０ａの作業領域として用いられる。

補助記憶部３０ｃは、ＲＯＭ（Read Only Memory）、磁気ディスク、半導体メモリ等の不揮発性メモリを含んで構成されている。この補助記憶部３０ｃは、ＣＰＵ３０ａが実行するプログラム、及び各種パラメータなどを記憶している。また、特徴量出力装置２０から出力される入力情報ｘ、及びＣＰＵ３０ａによる処理結果などを含む情報を順次記憶する。

表示部３０ｄは、ＣＲＴ（Cathode Ray Tube）またはＬＣＤ（Liquid Crystal Display）などを含んで構成され、ＣＰＵ３０ａの処理結果を表示する。

入力部３０ｅは、入力キーやポインティングデバイスを含んで構成されている。オペレータの指示は、この入力部３０ｅを介して入力され、システムバス３０ｇを経由してＣＰＵ３０ａに通知される。

インターフェイス部３０ｆは、シリアルインターフェイスまたはＬＡＮ（Local Area Network）インターフェイス等を含んで構成されている。特徴量出力装置２０は、インターフェイス部３０ｆを介してシステムバス３０ｇに接続される。

図９のフローチャートは、ＣＰＵ３０ａによって実行されるプログラムの一連の処理アルゴリズムに対応している。以下、図９を参照しつつ、判定装置３０が実行する処理について説明する。なお、この処理は、ＣＰＵ３０ａが、特徴量出力装置２０に生体情報の取得を指示し、特徴量出力装置２０から入力情報ｘが出力された後に実行される。

まず、最初のステップＳ１０１では、ＣＰＵ３０ａは、符号表Ｗの１行目〜６行目それぞれの３つの要素からなる、コード［１、−１、−１］、コード２［−１、１、−１］、コード３［−１、−１、１］、コード４［１、−１、０］、コード５［１、０、−１］、コード６［０、１、−１］それぞれと入力情報ｘとの関連付けを行う。

次のステップＳ１０２では、ＣＰＵ３０ａは、コード１〜６に基づいて、クラス１〜３を第１グループに属するクラスと、第２グループに属するクラスに分類する。そして、ＣＰＵ３０ａは、入力情報ｘに基づいて、ドライバ６０の運転状態が、第１グループに属するか、第２グループに属するかを識別し、識別結果に応じた識別値ｈ_１（ｘ）〜ｈ_６（ｘ）を算出する。

次のステップＳ１０３では、ＣＰＵ３０ａは、識別値ｈ_１（ｘ）〜ｈ_６（ｘ）と、符号表Ｗの列方向に配列された要素を用いて、クラス１〜３それぞれに対応する損失値Ｌ_１〜Ｌ_３を算出する。図６を参照するとわかるように、例えば、識別値ｈ_１（ｘ）〜ｈ_６（ｘ）それぞれが、−２、−７、０．５、−１、−９、１２である場合には、クラス１に対応した損失値Ｌ_１は、上記式（４）のように計算される。

次のステップＳ１０４では、ＣＰＵ３０ａは、算出した損失値Ｌ_１〜Ｌ_３のうちから、最も値が小さい損失値に対応したクラスを、ドライバ６０の運転状態が属するクラスとして検出する。例えば、クラス１に対応する損失値Ｌ_１が７０１８、クラス２に対応する損失値Ｌ_２が−１６１６６７、クラス３に対応する損失値Ｌ_３が１５３５４６である場合には、ＣＰＵ３０ａは、損失が最小となった損失値Ｌ_２に対応するクラス２を、ドライバ６０の運転状態が属するクラスとして検出する。

次のステップＳ１０５では、ＣＰＵ３０ａは、検出したクラスに関する情報を外部装置などへ出力する。以降、ＣＰＵ３０ａは、ステップＳ１０１〜ステップＳ１０５までの処理を繰り返し実行する。

以上説明したように、本実施形態に係る状態判定装置１０では、ドライバ６０の重心の変化に起因する特徴量に基づいて、ドライバ６０の運転状態が属するクラスが判定される。このクラスは、ドライバ６０の活性度を指標としてドライバ６０の運転状態が複数のクラスに区分されたものの１つである。したがって、ドライバ６０が属するクラスに基づいて、ドライバ６０の活性度がどの程度低下しているかを、覚醒度の低下の度合い別に検出することができる。これにより、ドライバ６０にとってより適切な運転支援を提供することが可能となる。

本実施形態に係る状態判定装置１０は、ドライバ６０の重心の変動に起因する特徴量ａ１〜ａ５として、変動回数Ｎ、ｘ座標Ｄｘの標準偏差、ｘ座標Ｄｘについての逐次差分の標準偏差、値Ｖ１，Ｖ２の和Ｓ１２の標準偏差、値Ｖ２，Ｖ３の和Ｓ２３の標準偏差をそれぞれ算出する。そして、この特徴量ａ１〜ａ５に基づいて、ドライバ６０が属するクラスを判断する。こたのめ、正確にドライバ６０の覚醒度を判定することができる。

以上、本発明の実施形態について説明したが、本発明は上記実施形態によって限定されるものではない。

例えば、上記実施形態では、単位時間あたりの重心の変動回数Ｎ、単位時間あたりのｘ座標Ｄｘの標準偏差、単位時間あたりのｘ座標Ｄｘについての逐次差分の標準偏差、値Ｖ１，Ｖ２の和Ｓ１２の単位時間あたりの標準偏差、値Ｖ２，Ｖ３の和Ｓ２３の単位時間あたりの標準偏差を、特徴量として用いることにより、ドライバの状態を判定した。

これに限らず、例えば自動追従装置等によって車両の運転がアシストされ、ドライバによるアクセルペダルやブレーキペダルの操作頻度が少ない場合や、アクセルペダル等の操作がされない状態のときには、上述の特徴量以外の特徴量を用いて、ドライバの状態を判定してもよい。

この場合には、荷重センサ２１_２，２１_３からの出力信号の値Ｖ２，Ｖ３の積の単位時間あたりの平均値、荷重センサ２１_４からの出力信号の値Ｖ４の単位時間当たりの平均値、荷重センサ２１_３，２１_４からの出力信号の値Ｖ３，Ｖ４の差の単位時間あたりの平均値、荷重センサ２１_３，２１_４からの出力信号の値Ｖ３，Ｖ４の商の単位時間あたりの平均値、ドライバの重心のｙ座標の単位時間あたりの総和、ドライバの重心のｙ座標の単位時間あたりの平均値のうちのいずれかの特徴量を用いて、ドライバの状態を判定してもよい。また、上記特徴量を組み合わせて、或いは全部の特徴量を用いて、ドライバの状態を判定してもよい。

上記実施形態では、図３に示されるように、荷重センサ２１_１，２１_２と、荷重センサ２１_３，２１_４がｙ軸に平行な軸上に配置され、荷重センサ２１_１，２１_３と、荷重センサ２１_２，２１_４がｘ軸に平行な軸上に配置されている。この配置は一例であり、荷重センサ２１_１〜２１_４は、例えば図１０に示されるように、着座部６１ａの中心を包囲するように配置されていればよい。

上記各実施形態では、損失値を指数関数で計算したが、これに限らず、例えば、シグモイド関数等を用いて算出してもよい。

上記各実施形態に係る判定装置３０の機能は、専用のハードウェアによっても、また、通常のコンピュータシステムによっても実現することができる。

第２の実施形態において判定装置３０の補助記憶部３０ｃに記憶されているプログラムは、フレキシブルディスク、ＣＤ−ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto-Optical disk）等のコンピュータで読み取り可能な記録媒体に格納して配布し、そのプログラムをコンピュータにインストールすることにより、上述の処理を実行する装置を構成することとしてもよい。

また、プログラムをインターネット等の通信ネットワーク上の所定のサーバ装置が有するディスク装置等に格納しておき、例えば、搬送波に重畳させて、コンピュータにダウンロード等するようにしても良い。

また、プログラムは、通信ネットワークを介して転送しながら起動実行することとしてもよい。

また、プログラムは、全部又は一部をサーバ装置上で実行させ、その処理に関する情報を通信ネットワークを介して送受信しながら、上述の画像処理を実行することとしてもよい。

上述の機能を、ＯＳ（Operating System）が分担して実現する場合又はＯＳとアプリケーションとの協働により実現する場合等には、ＯＳ以外の部分のみを媒体に格納して配布してもよく、また、コンピュータにダウンロード等しても良い。

本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施形態及び変形が可能とされるものである。また、上述した実施形態は、本発明を説明するためのものであり、本発明の範囲を限定するものではない。

本発明の状態判定装置、状態検出方法及びプログラムは、被監視者の状態を検出するのに適している。

１０ 状態判定装置
２０ 特徴量出力装置
２１ 荷重センサ
３０ 判定装置
３０ａ ＣＰＵ
３０ｂ 主記憶部
３０ｃ 補助記憶部
３０ｄ 表示部
３０ｅ 入力部
３０ｆ インターフェイス部
３０ｇ システムバス
４０ 識別ユニット
４１ 符号器
４２ 識別器
４３ 復号器
５０ クラス判定ユニット
６０ ドライバ
６１ シート
６１ａ 着座部
６１ｂ 背もたれ
６１ｃ ヘッドレスト
Ｏ 原点

Claims (10)

1. 車両を運転するドライバの状態を判定する状態判定装置であって、
   前記ドライバが着座するシートの着座部に作用する荷重を検出する検出手段と、
   前記検出手段からの出力に基づいて、前記ドライバの重心に関する情報を、特徴量として算出する算出手段と、
   前記特徴量を入力値とし前記ドライバの活性度合いを指標として定められた複数のクラスが分類される第１グループと第２グループのうち、前記ドライバの状態が属する前記グループを識別する識別手段と、
   前記識別手段の識別結果に基づいて、前記ドライバの状態が属するクラスを特定する特定手段と、
   を備える状態判定装置。
2. 前記算出手段は、
   単位時間内に前記重心が変動した回数を、前記特徴量として算出する請求項１に記載の状態判定装置。
3. 前記算出手段は、
   前記車両の進行方向に直交する方向へ、前記重心が変動した回数の標準偏差を、前記特徴量として算出する請求項１又は２に記載の状態判定装置。
4. 前記算出手段は、
   前記車両の進行方向に直交する方向に関する前記重心の位置を、所定の周期で検出し、検出した前記重心の位置の差の標準偏差を、前記特徴量として算出する請求項１乃至３のいずれか一項に記載の状態判定装置。
5. 前記検出手段は、
   前記重心の右側の第１位置に作用する荷重と、前記重心の右側で、前記第１位置よりも後方の第２位置に作用する荷重とを検出し、
   前記算出手段は、
   前記第１位置に作用する荷重と、前記第２位置に作用する荷重との和の標準偏差を、前記特徴量として算出する請求項１乃至４のいずれか一項に記載の状態判定装置。
6. 前記検出手段は、
   前記重心の右側の第２位置に作用する荷重と、前記重心の左側で、前記第２位置よりも前方の第３位置に作用する荷重とを検出し、
   前記算出手段は、
   前記第２位置に作用する荷重と、前記第３位置に作用する荷重との和の標準偏差を、前記特徴量として算出する請求項１乃至５のいずれか一項に記載の状態判定装置。
7. 前記検出手段は、
   前記ドライバの右側の第１位置に作用する荷重と、前記ドライバの右側で、前記第１位置よりも後方の第２位置に作用する荷重と、前記ドライバの左側で、前記第２位置よりも前方の第３位置に作用する荷重と、前記ドライバの左側で、前記第３位置よりも後方の第４位置に作用する荷重とを検出し、
   前記算出手段は、
   前記第３位置に作用する荷重と、前記２位置に作用する荷重の積の単位時間当たりの平均値、
   前記第４位置に作用する荷重の平均値、
   前記第３位置に作用する荷重と、前記第４位置に作用する荷重との差の平均値、
   前記第３位置に作用する荷重と、前記第４位置に作用する荷重との商の平均値、
   前記車両の進行方向に関する前記重心の位置の総和、
   及び前記車両の進行方向に関する前記重心の位置の平均値のうちの数なくとも１つを特徴量として算出する請求項１に記載の状態判定装置。
8. 前記検出手段は、前記着座部を支持する支持部材の変形量に基づいて、前記着座部に作用する前記荷重を検出する請求項１乃至７のいずれか一項に記載の状態判定装置。
9. 車両を運転するドライバの状態を判定する状態判定方法であって、
   前記ドライバが着座するシートの着座部に作用する荷重を検出する検出手段からの出力に基づいて、前記ドライバの重心に関する情報を、特徴量として算出する工程と、
   前記特徴量を入力値とし前記ドライバの活性度合いを指標として定められた複数のクラスが分類される第１グループと第２グループのうち、前記ドライバの状態が属する前記グループを識別する工程と、
   前記識別の結果に基づいて、前記ドライバの状態が属するクラスを特定する工程と、
   を含む状態判定方法。
10. コンピュータに、
    車両を運転するドライバが着座するシートの着座部に作用する荷重を検出する検出手段からの出力に基づいて、前記ドライバの重心に関する情報を、特徴量として算出する手順と、
    前記特徴量を入力値とし前記ドライバの活性度合いを指標として定められた複数のクラスが分類される第１グループと第２グループのうち、前記ドライバの状態が属する前記グループを識別する手順と、
    前記識別の結果に基づいて、前記ドライバの状態が属するクラスを特定する手順と、
    を実行させるためのプログラム。

Images