JP2020086935A - 浴室監視装置及び浴室監視方法 - Google Patents

Abstract

【課題】外乱の大きい環境下においても入浴者の状態を正確に検知する。【解決手段】浴室監視装置は、広帯域又は超広帯域の無線電波を浴室内に向けて発信可能に構成された発信部と、発信部から発信された無線電波の反射波を受信可能に構成された受信部と、受信部が受信した反射波に基づいて、浴室内の複数のエリアのそれぞれにおける信号強度を算出するように構成された信号強度算出部と、複数のエリアの信号強度から求められる平均及び分散が対応付けられた基準データを複数用いた機械学習により、基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを記憶するように構成された記憶部と、受信部が解析対象の反射波を受信したときに、解析データを生成するように構成された解析データ生成部と、解析データが複数のクラスのいずれに属するのかを判定するように構成されたクラス判定部とを備える。【選択図】図３

Description

本開示は、浴室監視装置及び浴室監視方法に関する。

室内において、室温の高い部屋と室温の低い部屋との間を移動すると、急激な温度変化により血圧が急変することがある。特に冬場においては、浴室と脱衣室との間、トイレと廊下との間などにおいて、大きな寒暖差が存在するので、「ヒートショック」と呼ばれるショック症状（例えば、心筋梗塞、脳梗塞、脳卒中、不整脈など）が、とりわけ体力の低下した高齢者に生ずる懸念が高まる。

浴室、トイレなどのヒートショックが起こりやすい場所には、一人で出入りすることが多いので、ショック症状が生じた人が床に倒れ込んでしまったような場合には、その発見が遅くなってしまう。しかしながら、プライバシーの関係上、浴室、トイレなどにカメラを設置して入室者を撮像することは好ましくない。そのため、カメラではなく電波センサを用いて浴室等における人の様子を検知して、異常が生じた場合に家族等に報知するための種々の技術が提案されている。

例えば、特許文献１は、ドップラーセンサからの電波と、人体及び室内からの反射電波との周波数の差分に基づいて、在室者の動きを検知する検知システムを開示している。

特開２００５−００４２５６号公報

しかしながら、特に浴室では、シャワー及び水栓からの水流、浴槽の湯面、湯気などの変動の影響により、ドップラーセンサが人体以外の動きも検知してしまう。そのため、人体の動きのみを正確に検知することが困難であった。また、室内では電波が何度も反射して、マルチパスが生じ、電波信号同士が干渉してしまうことがある。そのため、実際には人体が動いているにもかかわらず、人体からの反射電波が他の電波と干渉して弱められてしまう場合や、人体が動いていないにもかかわらず、人体からの反射電波が他の電波と干渉して強められてしまう場合がある。そのため、人体の動きの検知漏れや誤検知が発生してしまうことがあった。

そこで、本開示は、外乱の大きい環境下においても、入浴者の状態を正確に検知することが可能な浴室監視装置及び浴室監視方法を説明する。

本開示の一つの観点に係る浴室監視装置は、広帯域の無線電波を浴室内に向けて発信可能に構成された発信部と、発信部から発信された無線電波の反射波を受信可能に構成された受信部と、受信部が受信した反射波に基づいて、浴室内の複数のエリアのそれぞれにおける信号強度を算出するように構成された信号強度算出部と、複数のエリアの信号強度から求められる平均及び分散が対応付けられた基準データを複数用いた機械学習により、基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを記憶するように構成された記憶部と、受信部が解析対象の反射波を受信したときに、信号強度算出部によって算出される複数のエリアの信号強度から平均及び分散を求め、当該平均及び当該分散が対応付けられた解析データを生成するように構成された解析データ生成部と、解析データが複数のクラスのいずれに属するのかを判定するように構成されたクラス判定部とを備える。

本開示の他の観点に係る浴室監視方法は、広帯域の無線電波を浴室内に向けて発信する第１の工程と、無線電波の反射波に基づいて、浴室内の複数のエリアのそれぞれにおける信号強度を算出する第２の工程と、複数のエリアの信号強度から求められる平均及び分散が対応付けられた基準データを複数用いて機械学習を行い、基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを作成する第３の工程と、解析対象の反射波に基づいて複数のエリアの信号強度から平均及び分散を求め、当該平均及び当該分散が対応付けられた解析データを生成する第４の工程と、解析データが複数のクラスのいずれに属するのかを判定する第５の工程とを含む。

本開示に係る浴室監視装置及び浴室監視方法によれば、外乱の大きい環境下においても、入浴者の状態を正確に検知することが可能となる。

図１は、浴室監視システム及び浴室の周辺を上方から見た概略図である。 図２は、浴室監視装置を概略的に示すブロック図である。 図３は、主として制御部を概略的に示すブロック図である。 図４は、分類モデルの例を示す図である。 図５（ａ）は浴室を側方から見た概略図であり、図５（ｂ）は入浴者が浴室に存在していない場合の、距離と信号強度との関係を示すグラフであり、図５（ｃ）は入浴者が浴室に存在している場合の、距離と信号強度との関係を示すグラフである。 図６は、報知装置を概略的に示すブロック図である。 図７は、浴室の監視手順を説明するためのフローチャートである。 図８は、湿度に対する受信信号強度の変化の一例を示すグラフである。 図９は、他の例に係る浴室監視システム及び浴室の周辺を上方から見た概略図である。 図１０（ａ）は浴室を上方から見た概略図であり、図１０（ｂ）は入浴者が浴室に存在していない場合の、距離と信号強度との関係を示すグラフであり、図１０（ｃ）は入浴者がドア付近に存在している場合の、距離と信号強度との関係を示すグラフである。 図１１（ａ）は浴室を上方から見た概略図であり、図１１（ｂ）は入浴者が浴槽に存在している場合の、距離と信号強度との関係を示すグラフである。

以下に、本開示に係る実施形態の一例について、図面を参照しつつより詳細に説明する。以下の説明において、同一要素又は同一機能を有する要素には同一符号を用いることとし、重複する説明は省略する。

［浴室監視システムの構成］
浴室監視システム１の構成について、図１を参照して説明する。浴室監視システム１は、入浴者Ｈのエリア及び状態を検知して、浴室から離れた場所に検知結果を知らせるように構成されている。浴室監視システム１は、浴室監視装置１０と、報知装置２０とを備える。

ここで、浴室３０の構成を説明する。浴室３０は、洗い場３１と、ドア３２と、シャワー３３と、浴槽３４とを含む。洗い場３１は、例えば矩形状を呈している。ドア３２は、洗い場３１と脱衣所（図示せず）との間を出入り可能に仕切っている。図１に例示される形態では、ドア３２は、洗い場３１の長手方向の一端（図１の左端）に設けられている。シャワー３３は、洗い場３１の壁面に設けられている。図１に例示される形態では、シャワー３３は、洗い場３１の長手方向の他端（図１の右端）に設けられている。浴槽３４は、例えば矩形状を呈しており、洗い場３１と隣接して位置している。

浴室監視装置１０は、浴室３０内の入浴者Ｈのエリア及び様子を検知する機能を有する。浴室監視装置１０は、浴槽３４の長手方向に沿って延びる浴室３０の壁面に取り付けられており、ドア３２とは対面していない。浴室監視装置１０は、図２に示されるように、発信機１１（発信部）と、受信機１２（受信部）と、通信機１３と、制御部１４（コントローラ）と、バス１５とを含む。

発信機１１は、制御部１４からの指示に基づいて、浴室３０内に向けて広帯域又は超広帯域（ＵＷＢ：Ultra Wide Band）の無線電波を発信するように構成されている。発信機１１の水平面における指向角は、例えば、４０°〜８０°程度であってもよいし、６０°〜８０°程度であってもよい。発信機１１は、指向角の範囲におおよそ対応した検知エリアＲを有している。なお、浴槽３４の湯面の変動による影響を抑制する目的で、発信機１１の垂直面における指向角は、例えば３０°以下に設定されていてもよい。

本明細書において「広帯域」とは、周波数帯域幅が１００ＭＨｚ以上で且つ５００ＭＨｚ以下の場合をいうものとする。そのため、発信機１１が発信する広帯域の無線電波の周波数帯域幅は、例えば、１００ＭＨｚ以上であってもよいし、３００ＭＨｚ以上であってもよい。「超広帯域」とは、周波数帯域幅が５００ＭＨｚを超える場合をいうものとする。そのため、発信機１１が発信する超広帯域の無線電波の周波数帯域幅は、例えば、３ＧＨｚ以上であってもよいが、電波法及びコストパフォーマンスに鑑みて５ＧＨｚ以下であってもよい。そのため、発信機１１は、周波数帯域幅が５００ＭＨｚ超の超広帯域無線センサであってもよい。広帯域又は超広帯域の無線電波を用いる場合、無線電波の発信出力を小さくすることができ、入浴者Ｈに対する無線電波の影響を小さくすることができる。

受信機１２は、発信機１１から発信された無線電波の反射波を受信可能に構成されている。発信機１１において広帯域の無線電波を用いているので、受信機１２は、無線電波の反射波を反射パス長に対応した時間軸上で分離して受信することができる。すなわち、受信機１２は、図１に例示されるように、検知エリアＲの距離方向において複数に区切られた測定エリア（レンジビンともいい、周波数帯域幅で決まる）Ｂ１〜Ｂ８ごとに、信号を抽出することが可能である。各レンジビンＢ１〜Ｂ８の幅は、例えば１５ｃｍ〜３０ｃｍ程度であってもよい。なお、周波数帯域幅が７５０ＭＨｚの場合には、一つのレンジビンの幅は約２０ｃｍ程度となる。本実施形態ではレンジビンの数が８個であったが、レンジビンの幅及び検知エリアＲの大きさに応じてレンジビンの数を変更可能である。

図１に示される例では、レンジビンＢ１〜Ｂ４がおおよそ浴槽３４をカバーしており、レンジビンＢ５〜Ｂ８がおおよそ洗い場３１をカバーしている。そこで、本明細書では、検知エリアＲのうち浴槽３４をカバーしているレンジビンＢ１〜Ｂ４の範囲を浴槽エリアＲαということとし、検知エリアＲのうち洗い場３１をカバーしているレンジビンＢ５〜Ｂ８の範囲を洗い場エリアＲβということとする。

図２に戻って、通信機１３は、報知装置２０の通信機２３と通信可能に構成されている。通信機１３の通信機２３との通信方式は特に限定されず、例えば、ＬＴＥ（Long Term Evolution）、ＬＴＥ−Ａ（LTE-Advanced）、ＳＵＰＥＲ３Ｇ、ＩＭＴ−Ａｄｖａｎｃｅｄ、４Ｇ、５Ｇ、ＦＲＡ（Future Radio Access）、Ｗ−ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ−Ｆｉ）、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ）、ＩＥＥＥ ８０２．２０、ＵＷＢ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の通信方式が用いられてもよい。

制御部１４は、バス１５を介して、発信機１１、受信機１２及び通信機１３との間で信号の送受信を行い、これらの動作を制御するように構成されている。制御部１４は、例えば、プロセッサ１６と、メモリ１７と、ストレージ１８とを含む。

メモリ１７、ストレージ１８等のハードウェアに所定のソフトウェア（プログラム）が読み込まれると、プロセッサ１６は、所定の演算を行い、発信機１１からの無線電波の発信、受信機１２が受信した反射波の解析、通信機１３による通信、メモリ１７及びストレージ１８におけるデータの読み出し又は書き込みを実行する。これにより、浴室監視装置１０における各機能が実現される。

浴室監視装置１０における各機能について、図３を参照して説明する。制御部１４は、機能ブロックとして、記憶部１４ａと、送受信処理部１４ｂと、信号強度算出部１４ｃと、データ生成部１４ｄ（解析データ生成部）と、分類モデル生成部１４ｅと、クラス判定部１４ｆとを含む。

記憶部１４ａは、種々のデータを記憶する機能を有する。記憶部１４ａが記憶するデータとしては、例えば、読み出したプログラム、発信機１１の動作設定データ、受信機１２が受信した反射波のデータ、データ生成部１４ｄが生成した基準データ又は解析データ、分類モデル生成部１４ｅが生成した各種分類モデル、クラス判定部１４ｆによる判定結果に関するデータ等が挙げられる。

送受信処理部１４ｂは、発信機１１、受信機１２及び通信機１３の間で信号を送受信する機能を有する。具体的には、送受信処理部１４ｂは、発信機１１に指示信号を送信して、発信機１１から無線電波を発信させる。送受信処理部１４ｂは、受信機１２から反射波のデータを受信し、当該データを記憶部１４ａに記憶させる。送受信処理部１４ｂは、通信機１３に指示信号を送信して、クラス判定部１４ｆによる判定結果を報知装置２０に送信させる。

信号強度算出部１４ｃは、送受信処理部１４ｂが受信した反射波のデータに基づいて、各レンジビンＢ１〜Ｂ８のそれぞれにおける信号強度を算出する機能を有する。信号強度算出部１４ｃは、各レンジビンＢ１〜Ｂ８のそれぞれにおいて、時間軸で平滑化処理された信号強度を算出してもよい。平滑化処理としては、例えば、単純移動平均、重み付き移動平均などの種々の処理方法を採用してもよい。信号強度算出部１４ｃによって算出された信号強度は、記憶部１４ａに記憶されてもよい。

データ生成部１４ｄは、信号強度算出部１４ｃによって算出された信号強度を用いて少なくとも２つのパラメータを求め、これらが対応付けられたデータを生成する機能を有する。例えば、データ生成部１４ｄは、レンジビンＢ１〜Ｂ４における信号強度ｐ_１〜ｐ_４を用いて、浴槽エリアＲαにおける信号強度の平均ｍ_１及び分散σ_１ ^２をそれぞれ式１，２により求めてもよい。同様に、データ生成部１４ｄは、レンジビンＢ５〜Ｂ８における信号強度ｐ_５〜ｐ_８を用いて、洗い場エリアＲβにおける信号強度の平均ｍ_２及び分散σ_２ ^２をそれぞれ式３，４により求めてもよい。本明細書において、データ生成部１４ｄによって生成されたデータのうち、解析対象のデータを「解析データ」といい、解析対象でないデータ（機械学習用のデータ）を「基準データ」ということがある。データ生成部１４ｄによって生成されたデータは、記憶部１４ａに記憶されてもよい。

分類モデル生成部１４ｅは、データ生成部１４ｄにおいて生成される基準データを複数用いた機械学習により、当該基準データを複数のクラスのうちいずれか一つに分類して、分類モデルを生成する機能を有する。例えば、データ生成部１４ｄによって生成された複数の基準データ（所定数の基準データを含むデータセット）が分類モデル生成部１４ｅに入力された場合、分類モデル生成部１４ｅは、教師あり学習を行ってもよいし、教師なし学習を行ってもよいし、強化学習を行ってもよい。教師あり学習のアルゴリズムとしては、例えば、サポートベクタマシン、ロジスティック回帰、ランダムフォレスト、決定木、ｋ−近傍法、パーセプトロン、ニューラルネットワーク等が挙げられる。教師なし学習のアルゴリズムとしては、例えば、ｋ−平均法、主成分分析、自己組織化マップ等が挙げられる。強化学習のアルゴリズムとしては、例えば、Ｑ学習、モンテカルロ法、ＳＡＲＳＡ等が挙げられる。分類モデル生成部１４ｅによって生成された分類モデルは、記憶部１４ａに記憶されてもよい。

例えば、図４（ａ）に示されるデータセットＤＳ１が分類モデル生成部１４ｅに入力された場合、分類モデル生成部１４ｅは、データセットＤＳ１のうちの○印の基準データと□印の基準データとを区画する境界線Ｌ１を生成してもよい。図４（ａ）に示される例において、データセットＤＳ１は、浴槽エリアＲαにおける信号強度の平均ｍ_１及び洗い場エリアＲβにおける信号強度の平均ｍ_２の２つのパラメータが対応付けられた基準データの集合である。データセットＤＳ１を構成する複数の基準データは、境界線Ｌ１により、クラスＣ１ａ（○印の基準データの集合）とクラスＣ１ｂ（□印の基準データの集合）との一方に分類される。クラスＣ１ａは、例えば、入浴者Ｈが洗い場３１に存在することを示す分類であってもよい。クラスＣ１ｂは、例えば、入浴者Ｈが浴槽３４に存在することを示す分類であってもよい。境界線Ｌ１は、直線であってもよいし、曲線であってもよい。以下では、境界線Ｌ１によって区画されるクラスＣ１ａ，Ｃ１ｂによって構成される分類モデルを「分類モデルＭ１」と称することがある。

例えば、図４（ｂ）に示されるデータセットＤＳ２が分類モデル生成部１４ｅに入力された場合、分類モデル生成部１４ｅは、データセットＤＳ２のうちの○印の基準データと□印の基準データと△印の基準データとを区画する境界線Ｌ２を生成してもよい。図４（ｂ）に示される例において、データセットＤＳ２は、洗い場エリアＲβにおける信号強度の平均ｍ_２及び分散σ_２ ^２の２つのパラメータが対応付けられた基準データの集合である。データセットＤＳ２を構成する複数の基準データは、境界線Ｌ２により、クラスＣ２ａ（○印の基準データの集合）とクラスＣ２ｂ（□印の基準データの集合）とクラスＣ２ｃ（△印の基準データの集合）とのいずれか一つに分類される。クラスＣ２ａは、例えば、洗い場３１に存在する入浴者Ｈに異常がないことを示す分類であってもよい。クラスＣ２ｂは、例えば、洗い場３１に存在する入浴者Ｈが転倒したことを示す分類であってもよい。クラスＣ２ｃは、例えば、洗い場３１に存在する入浴者Ｈが所定時間継続して動作していないことを示す分類であってもよい。境界線Ｌ２は、直線であってもよいし、曲線であってもよい。以下では、境界線Ｌ２によって区画されるクラスＣ２ａ〜Ｃ２ｃによって構成される分類モデルを「分類モデルＭ２」と称することがある。

例えば、図４（ｃ）に示されるデータセットＤＳ３が分類モデル生成部１４ｅに入力された場合、分類モデル生成部１４ｅは、データセットＤＳ３のうちの○印の基準データと□印の基準データと△印の基準データとを区画する境界線Ｌ３を生成してもよい。図４（ｃ）に示される例において、データセットＤＳ２は、浴槽エリアＲαにおける信号強度の平均ｍ_１及び分散σ_１ ^２の２つのパラメータが対応付けられた基準データの集合である。データセットＤＳ３を構成する複数の基準データは、境界線Ｌ３により、クラスＣ３ａ（○印の基準データの集合）とクラスＣ３ｂ（□印の基準データの集合）とクラスＣ３ｃ（△印の基準データの集合）とのいずれか一つに分類される。クラスＣ３ａは、例えば、浴槽３４に存在する入浴者Ｈに異常がないことを示す分類であってもよい。クラスＣ３ｂは、例えば、浴槽３４に存在する入浴者Ｈが沈溺したことを示す分類であってもよい。クラスＣ３ｃは、例えば、浴槽３４に存在する入浴者Ｈが所定時間継続して動作していないことを示す分類であってもよい。境界線Ｌ３は、直線であってもよいし、曲線であってもよい。以下では、境界線Ｌ３によって区画されるクラスＣ３ａ〜Ｃ３ｃによって構成される分類モデルを「分類モデルＭ３」と称することがある。

クラス判定部１４ｆは、データ生成部１４ｄによって生成された解析データを、分類モデル生成部１４ｅによって生成された分類モデルにおける複数のクラスのいずれか一つに分類する機能を有する。すなわち、クラス判定部１４ｆは、当該解析データを当該分類モデルに当てはめて、当該解析データが複数のクラスのうちどのクラスに属するのかを判定する。

入退室判定部１４ｇは、入浴者Ｈの浴室３０への入退室を判定する機能を有する。まず、入退室判定部１４ｇは、送受信処理部１４ｂが受信した反射波のデータに基づいて、受信機１２からの距離に応じた信号強度を取得する。具体的には、浴室３０に入浴者Ｈが存在していない場合には、壁からの反射波の信号強度が卓越する（図５（ａ）及び図５（ｂ）参照）。一方、浴室３０に入浴者Ｈが存在している場合、入浴者Ｈは浴室監視装置１０の正面壁の手前側に位置し、浴室監視装置１０から入浴者Ｈまでの距離ｄ１は浴室監視装置１０から正面壁までの距離ｄ２よりも短い（図５（ａ）参照）。このとき、発信機１１からの無線電波の一部が入浴者Ｈで反射して壁に到達しなくなる。そのため、壁からの反射波の信号強度が小さくなり（図５（ａ）及び図５（ｃ）の矢印Ａｒ１参照）、壁よりも手前側（受信機１２側）からの反射波の信号強度が大きくなる（図５（ｃ）の矢印Ａｒ２参照）。従って、入退室判定部１４ｇは、経時的に信号強度を取得し、壁よりも手前側からの反射波が所定の閾値ＴＨ１よりも大きくなったときに、入浴者Ｈが浴室３０に入室したと判断してもよい。入退室判定部１４ｇは、経時的に壁からの反射波の信号強度を取得し、壁よりも手前側からの反射波が所定の閾値ＴＨ１以下となったときに、入浴者Ｈが浴室３０から退室したと判断してもよい。

入退室判定部１４ｇは、入浴者Ｈの浴室３０への入退室を判定する際に、壁からの反射波の信号強度も考慮してもよい。具体的には、入退室判定部１４ｇは、経時的に信号強度を取得し、壁よりも手前からの反射波が所定の閾値ＴＨ１よりも大きくなり且つ壁からの反射波の信号強度が所定の閾値ＴＨ２以下となったときに、入浴者Ｈが浴室３０に入室したと判断してもよい。入退室判定部１４ｇは、経時的に信号強度を取得し、壁よりも手前からの反射波が所定の閾値ＴＨ１以下となり且つ壁からの反射波の信号強度が所定の閾値ＴＨ２より大きくなったときに、入浴者Ｈが浴室３０から退室したと判断してもよい。壁からの反射波の信号強度の時間変動も考慮することにより、入浴者Ｈの入退室をより精度よく判断することが可能となる。

図１に戻って、報知装置２０は、例えば浴室３０とは壁Ｗを隔てた別の室内に取り付けられている。報知装置２０は、図６に示されるように、モニタ２１（報知部）と、スピーカ２２（報知部）と、通信機２３と、制御部２４（コントローラ）と、バス２５とを含む。

モニタ２１及びスピーカ２２はそれぞれ、通信機２３を介して受信した入退室判定部１４ｇによる判定結果を、映像及び／又は音で当該別の室内にいる在室者（例えば、家族）に報知するように構成されている。通信機２３は、浴室監視装置１０の通信機１３と同様の構成を有しており、通信機１３と同様に機能する。

制御部２４は、プロセッサ２４ａと、メモリ２４ｂと、ストレージ２４ｃとを含んでおり、浴室監視装置１０の制御部１４と同様に機能する。バス２５は、浴室監視装置１０のバス１５と同様の構成を有しており、バス１５と同様に機能する。

［浴室監視方法］
続いて、図７を参照して、浴室３０の監視方法について説明する。なお、浴室監視装置１０の記憶部１４ａは、複数の基準データを用いた機械学習により得られる少なくとも一つの学習済みの分類モデルが記憶している。

まず、送受信処理部１４ｂは、発信機１１に指示して、発信機１１から無線電波を浴室３０内に発信させる。次に、送受信処理部１４ｂは、受信機１２を介して無線電波の反射波のデータを受信する。

次に、入退室判定部１４ｇは、送受信処理部１４ｂが受信した反射波のデータに基づいて、受信機１２からの距離に応じた信号強度を経時的に取得する。入退室判定部１４ｇは、所定のエリアからの反射波の信号強度の変動に基づいて、入浴者Ｈが浴室３０に入室したか否かを判定する（図７のステップＳ１）。具体的には、入退室判定部１４ｇは、経時的に信号強度を取得し、壁よりも手前からの反射波が所定の閾値ＴＨ１よりも大きくなったか否かを判定する。入浴者Ｈが浴室３０に入室していないと入退室判定部１４ｇが判定した場合には（図７のステップＳ１でＮＯ）、ステップＳ１の処理を繰り返す。

一方、入浴者Ｈが浴室３０に入室したと入退室判定部１４ｇが判定した場合には（図７のステップＳ１でＹＥＳ）、信号強度算出部１４ｃは、信号強度算出部１４ｃが受信した反射波のデータに基づいて、各レンジビンＢ１〜Ｂ８の信号強度を所定のサンプリング周期でそれぞれ算出する（図７のステップＳ２）。サンプリング周期としては、例えば、０．０１秒〜０．１秒程度であってもよい。

次に、データ生成部１４ｄは、信号強度算出部１４ｃによって算出された信号強度の平均及び分散を求め、解析データを生成する（図７のステップＳ３）。次に、クラス判定部１４ｆは、データ生成部１４ｄにおいて生成された解析データを分類モデルＭ１に当てはめて、入浴者Ｈのエリアを特定する（図７のステップＳ４）。例えば、データ生成部１４ｄが図４（ａ）に示される解析データｘ１を生成した場合、クラス判定部１４ｆは、解析データｘ１がクラスＣ１ａに属すると判定する。すなわち、クラス判定部１４ｆは、入浴者Ｈが洗い場３１に存在していると判定する。一方、データ生成部１４ｄが図４（ａ）に示される解析データｘ２を生成した場合、クラス判定部１４ｆは、解析データｘ２がクラスＣ１ｂに属すると判定する。すなわち、クラス判定部１４ｆは、入浴者Ｈが浴槽３４に存在していると判定する。

次に、クラス判定部１４ｆは、データ生成部１４ｄにおいて生成された解析データを分類モデルＭ２又は分類モデルＭ３に当てはめて、入浴者Ｈの状態を判定する（図７のステップＳ５）。例えば、解析データｘ１がクラスＣ１ａに属するとクラス判定部１４ｆが判定した場合には、クラス判定部１４ｆは、当該解析データｘ１を分類モデルＭ２に当てはめて、当該解析データｘ１がクラスＣ２ａ〜Ｃ２ｃのいずれに属するのかを判定する。

解析データｘ１がクラスＣ２ａに属すると判定された場合には、クラス判定部１４ｆは、入浴者Ｈに異常がないと判断する。解析データｘ１がクラスＣ２ｂに属すると判定された場合には、入浴者Ｈが転倒しているので、クラス判定部１４ｆは、入浴者Ｈに異常があると判断する。解析データｘ１がクラスＣ２ｃに属すると判定された場合には（図４（ｂ）に例示される解析データｘ１を参照）、入浴者Ｈが所定時間継続して動作していないので、クラス判定部１４ｆは、入浴者Ｈに異常があると判断する。

解析データｘ２がクラスＣ３ａに属すると判定された場合には（図４（ｃ）に例示される解析データｘ２を参照）、クラス判定部１４ｆは、入浴者Ｈに異常がないと判断する。解析データｘ２がクラスＣ３ｂに属すると判定された場合には、入浴者Ｈが沈溺しているので、クラス判定部１４ｆは、入浴者Ｈに異常があると判断する。解析データｘ２がクラスＣ３ｃに属すると判定された場合には、入浴者Ｈが所定時間継続して動作していないので、クラス判定部１４ｆは、入浴者Ｈに異常があると判断する。

次に、ステップＳ５におけるクラス判定部１４ｆの結果、入浴者Ｈに異常がある場合には（図７のステップＳ６でＹＥＳ）、送受信処理部１４ｂは、通信機１３に指示信号を送信して、クラス判定部１４ｆによる判定結果を報知装置２０に送信させる。これにより、浴室監視装置１０とは別の室内にある報知装置２０のモニタ２１又はスピーカ２２を通じて、当該別の室内の在室者に入浴者Ｈの危険性が報知される（図７のステップＳ７）。

一方、ステップＳ５におけるクラス判定部１４ｆの結果、入浴者Ｈに異常がない場合には（図７のステップＳ６でＮＯ）、入退室判定部１４ｇは、所定の位置からの反射波の信号強度の変動に基づいて、入浴者Ｈが浴室３０から退室したか否かを判定する（図７のステップＳ８）。具体的には、入退室判定部１４ｇは、経時的に信号強度を取得し、壁よりも手前からの反射波が所定の閾値ＴＨ１以下となったか否かを判定する。入浴者Ｈが浴室３０から退室していないと入退室判定部１４ｇが判定した場合には（図７のステップＳ８でＮＯ）、ステップＳ２以下の処理を繰り返す。一方、入浴者Ｈが浴室３０に入室したと入退室判定部１４ｇが判定した場合には（図７のステップＳ８でＹＥＳ）、浴室３０の監視処理が終了する。

［作用］
以上の実施形態では、浴室３０内における各レンジビンＢ１〜Ｂ８での信号強度の少なくとも２つのパラメータ（例えば、平均、分散など）が対応付けられた基準データを用いた機械学習により、浴室３０内における入浴者Ｈの状態を複数のクラスに分類している。従って、このような分類モデルに基づいて解析データが属するクラスを判定することにより、入浴者Ｈの状態を正確に検知することが可能となる。

以上の実施形態では、入浴者Ｈが洗い場３１に存在することを示すクラスＣ１ａと、入浴者Ｈが浴槽３４に存在することを示すクラスＣ１ｂとで構成された分類モデルＭ１を記憶部１４ａが記憶している。そのため、入浴者Ｈが洗い場３１と浴槽３４とのどちらに存在しているのかを正確に検知することが可能となる。

以上の実施形態では、洗い場３１における入浴者Ｈの状況を示す複数のクラスＣ２ａ〜Ｃ２ｃで構成された分類モデルＭ２と、浴槽３４における入浴者Ｈの状況を示す複数のクラスＣ３ａ〜Ｃ３ｃで構成された分類モデルＭ３とを記憶部１４ａが記憶している。そのため、洗い場３１又は浴槽３４における入浴者Ｈの状況を正確に検知することが可能となる。

以上の実施形態では、クラス判定部１４ｆは、解析データを分類モデルＭ１に当てはめて、入浴者Ｈのエリアを判定している。続いて、クラス判定部１４ｆは、入浴者Ｈのエリア（洗い場３１又は浴槽３４）に応じて解析データを分類モデルＭ２又は分類モデルＭ３に当てはめて、入浴者Ｈの状況を判定している。そのため、入浴者Ｈの場所及び状況を同時に判定する場合と比較して、入浴者Ｈの状況をより正確に検知することが可能となる。

以上の実施形態では、入退室判定部１４ｇは、所定のエリアからの反射波の信号強度の時間変動に基づいて、入浴者Ｈの浴室３０への入退室を判定している。そのため、信号強度の比較により、極めて簡便に入浴者Ｈの入退室を判定することが可能となる。

［変形例］
以上、本開示に係る実施形態について詳細に説明したが、特許請求の範囲及びその要旨を逸脱しない範囲で種々の変形を上記の実施形態に加えてもよい。

（１）浴室監視装置１０は、給湯機器用浴室リモコン、浴室用手すりなどの内部に、上記の発信機１１、受信機１２、通信機１３、制御部１４、バス１５等が組み込まれたものであってもよい。

（２）浴室監視装置１０は、有線で報知装置２０と接続されていてもよい。

（３）上記の実施形態では、報知装置２０は、浴室監視装置１０と同じ建物内に取り付けられていたが、浴室監視装置１０とは異なる建物内に取り付けられていてもよいし、移動通信可能な携帯端末（例えば、携帯電話、スマートフォンなど）であってもよい。当該異なる建物としては、例えば、入浴者Ｈと別居している家族の家、救急医療サービスを提供する施設（日本においては消防署）などが挙げられる。これらの場合、浴室監視装置１０が、入浴者Ｈの場所、動作、危険な状態か否か等の検出した情報を報知装置２０に送信することで、入浴者Ｈとは離れた場所にいる家族、救急隊などが入浴者Ｈの状態を知ることができる。そのため、入浴者Ｈが単身生活者の場合であっても、入浴者Ｈの状態を見守ることが可能となる。

（４）上記の実施形態では、浴室３０の洗い場３１と浴槽３４とのどちらに入浴者Ｈ存在するかを判定していたが、浴室３０内を３つ以上のエリアに区画して、いずれのエリアに入浴者Ｈが存在するかを判定してもよい。この場合、例えば、判定結果に基づいて浴室３０内の照明の明るさを制御し、省エネ化を図ってもよい。照明の明るさの制御方法の例としては、入浴者Ｈが存在するエリアの照明を点灯し、他のエリアの照明を消灯又は減光することが上げられる。

（５）上記の実施形態では、入浴者Ｈが存在するエリアを判定した後に、当該エリアに対応する分類モデルを用いて、入浴者Ｈの状況を判定していたが、入浴者Ｈの存在場所の判定と、入浴者Ｈの状況とを同時又は近接したタイミングにおいて判定してもよい。

（６）浴室監視装置１０が報知装置２０を含んでいてもよい。すなわち、浴室監視装置１０が、モニタ２１（報知部）、スピーカ２２（報知部）等を内蔵していてもよい。この場合、報知装置２０が浴室３０内に配置される。そのため、例えば、入浴者Ｈが浴槽３４内で眠りに入ってしまい半覚醒状態にあるような軽度の異常に際して、モニタ２１の点滅、スピーカ２２からの警報（例えば、警報音、警告アナウンス等）によって、入浴者Ｈが重度な異常に移行してしまうことを抑制することが可能となる。

（７）浴室監視装置１０は、入浴者Ｈを含むユーザからの入力操作を受け付けるように構成された入力部を含んでいてもよい。入力部としては、例えば、スイッチ、タッチパネルなどが挙げられる。浴室監視装置１０は、入力部が受け付けた入力操作に基づいて分類モデル（境界線）を更新するように構成された更新部を含んでいてもよい。例えば、報知装置２０が警報を発した際に、当該警報が誤警報であることを示すユーザからの入力操作が入力部に入力された場合（入浴者Ｈが異常状態にあるとして報知装置２０が警報を発したが、実際には入浴者Ｈに異常が生じていない場合）、更新部は、当該入力操作を契機として分類モデルを更新してもよい。この場合、ユーザが入力部を通じて誤警報をフィードバックすることにより、分類モデルがアップデートされる。そのため、浴室３０内における入浴者Ｈの状況をより正確に検知することが可能となる。

（８）制御部１４は、クラス判定部１４ｆにおいて判定される入浴者の状態（例えば、浴室３０内における入浴者Ｈの位置、入浴者の動作の有無、入浴者の異常状態など）に関するデータに基づいて、他の機器（例えば、給湯器、浴室３０内の照明など）を制御するための制御信号を生成する制御信号生成部を含んでいてもよい。当該制御信号生成部は、通信機１３（通信部）を通じて、当該制御信号を当該他の機器に送信してもよい。当該制御信号としては、例えば、浴槽３４の湯温を調節するための給湯器への制御信号や、浴室３０内の照明を調光するための当該照明への制御信号が挙げられる。

（９）クラス判定部１４ｆは、入浴者Ｈが浴槽３４内にいると共に異常ありと判定した場合には、浴槽３４の排水栓を制御して、当該排水栓を自動で開放するようにしてもよい。この場合、浴槽３４内で入浴者Ｈが気絶した場合でも、入浴者Ｈの沈溺を防止することが可能となる。

（１０）図１に示されるように、リフレクタ３５（例えば、鏡）を少し傾けて浴室３０内に設置してもよい。図１において、リフレクタ３５は、洗い場３１のうちドア３２から離れた側の壁面に、ドア３２の方向を向くように取り付けられている。これにより、発信機１１から発信された無線電波は、リフレクタ３５によって反射されてドア３２に向かっていく。また、リフレクタ３５に向かってくる反射波も、リフレクタ３５反射されて受信機１２に向かっていく。そのため、通常は発信機１１から発信される無線電波の死角になっている脱衣所も検知対象とすることが可能となる。

（１１）浴室監視装置１０において用いられる分類モデルは、複数の基準データが予め学習された学習済みモデルであってもよいし、解析データを当該学習済みモデルにリアルタイムで追加学習させた動的な分類モデルであってもよい。

（１２）入浴者Ｈが浴室３０内に存在していない場合（例えば、入浴者Ｈの退室後）においても引き続き浴室監視装置１０が動作して、浴室３０内を監視してもよい。具体的には、入浴者Ｈが浴室３０内に存在していないにもかかわらず、シャワー３３、水栓等から湯水が流れ続けていることを、機械学習により判定してもよい。この場合、シャワー３３、水栓等の閉め忘れを報知することにより、湯水の浪費を抑制することが可能となる。

（１３）ところで、図８に例示されるように、浴室３０の湿度の変化に伴い、受信機１２が受信する反射波の信号強度が変化することがある。これは、浴槽３４に湯張りしてから時間が経過するにつれて浴室３０内の水蒸気が増えて、水蒸気に電波が吸収されやすくなるので、浴室３０の湿度が高くなるほど（時間が経つほど）、発信機１１から発信されて受信機１２が受信するまでの間に電波が減衰してしまうことに起因すると考えられる。なお、図８において、破線は湿度に対する信号強度の移動平均である。そこで、受信機１２が受信した反射波の信号強度を湿度に応じて補正してもよい。具体的には、制御部１４が機能ブロックとして補正部をさらに含んでおり、補正部は、浴室３０内の湿度に応じた反射波の減衰量に基づいて、信号強度算出部１４ｃにおいて算出される信号強度を補正してもよい。記憶部１４ａが記憶する分類モデルは、補正部による補正後の信号強度から求められる平均及び分散が対応付けられた基準データを複数用いた機械学習により得られたものであってもよい。この場合、データ生成部１４ｄにおいて求められる信号強度の平均及び分散が湿度の影響により実際よりも小さくなってしまうことが抑制される。そのため、解析データの分類がより正確に行われるので、入浴者Ｈの状況をより正確に検知することが可能となる。

ここで、当該減衰量の推定方法の一例としては、湿度と受信信号強度との関係のデータ（例えば、図８の破線参照）を予め取得して記憶部１４ａに記憶しておき、湿度計によって測定された浴室３０内の湿度に対応する減衰量を当該データに基づいて算出してもよい。

あるいは、当該減衰量の推定方法の他の例としては、浴室３０内の湿度は一般に時間経過に伴い変化する傾向にあるので、入浴者Ｈによる影響を排除した状態での信号強度の変化に基づいて反射波の減衰量を推定してもよい。すなわち、浴室３０内に入浴者Ｈが存在していない場合の反射波から信号強度の時間変動を観測し、信号強度算出部１４ｃではその信号強度の時間変動特性に基づいて、入浴者Ｈの入浴時における反射波の減衰量を推定してもよい。

（１４）図９に示されるように、浴室監視装置１０は、浴槽３４の短手方向に沿って延びる浴室３０の壁面に、ドア３２と対面するように取り付けられていてもよい。この場合、発信機１１から発信される無線電波の指向性を制御して、無線電波の伝播方向と交差する方向において複数の検知エリア（例えば、図９では２つの検知エリアＲ１，Ｒ２）を検知可能に発信機１１が構成されていてもよい。指向性の制御方法としては、例えば、メカニカルスキャン方式、モノパルス方式、デジタルビームフォーミング方式などを採用しうる。なお、図９に示される例において、入浴者Ｈの存在場所以外の検知（入浴者Ｈの動作及び入浴者Ｈが危険な状態かの検知）は、上記の実施形態と同様に実行可能である。

（１５）浴槽３４の短手方向に沿って延びる浴室３０の壁面に、ドア３２と対面するように浴室監視装置１０が取り付けられている場合、無線電波の指向性を制御せずに入浴者Ｈを検知してもよい。具体的には、図１０（ａ）に示されるように、浴室監視装置１０から浴室３０の正面壁までの距離ｄ３と、浴室監視装置１０からドア３２までの距離ｄ４とが異なっていることを利用して、受信機１２からの距離に応じた信号強度の変動に基づいて、入浴者Ｈの入退室及び存在場所を検知してもよい。以下に、検知方法の詳細について説明する。

浴室３０に入浴者Ｈが存在していない場合には、ドア付近における反射波の信号強度が比較的小さい（図１０（ａ）及び図１０（ｂ）参照）。一方、ドア３２から入浴者Ｈが入室した場合、正面壁からの反射波の信号強度はほとんど変化しないが、ドア付近からの反射波の信号強度が大きくなる（図１０（ａ）及び図１０（ｃ）の矢印Ａｒ３参照）。従って、入退室判定部１４ｇは、経時的に信号強度を取得し、ドア付近からの反射波が所定の閾値ＴＨ３よりも大きくなったときに、入浴者Ｈが浴室３０に入室したと判断してもよい。入退室判定部１４ｇは、経時的に信号強度を取得し、ドア付近からの反射波が所定の閾値ＴＨ３以下となったときに、入浴者Ｈが浴室３０から退室したと判断してもよい。

一方、入浴者Ｈが洗い場３１から浴槽３４に移動した場合、入浴者Ｈは浴室監視装置１０の正面壁の手前側に位置し、浴室監視装置１０から入浴者Ｈまでの距離ｄ５は浴室監視装置１０から正面壁までの距離ｄ３よりも短い（図１１（ａ）参照）。このとき、発信機１１からの無線電波の一部が入浴者Ｈで反射して壁に到達しなくなる。そのため、壁からの反射波の信号強度が小さくなり（図１１（ａ）及び図１１（ｂ）の矢印Ａｒ４参照）、壁よりも手前側（受信機１２側）からの反射波の信号強度が大きくなる（図１１（ｂ）の矢印Ａｒ５参照）。従って、入退室判定部１４ｇは、経時的に信号強度を取得し、壁よりも手前側からの反射波が所定の閾値ＴＨ４よりも大きくなったときに、入浴者Ｈが洗い場３１から浴槽３４に移動したと判断してもよい。入退室判定部１４ｇは、経時的に信号強度を取得し、壁よりも手前側からの反射波が所定の閾値ＴＨ４以下となったときに、入浴者Ｈが浴槽３４から洗い場３１に移動したと判断してもよい。

［例示］
例１．本開示の一つの例に係る浴室監視装置（１０）は、広帯域又は超広帯域の無線電波を浴室（３０）内に向けて発信可能に構成された発信部（１１）と、発信部（１１）から発信された無線電波の反射波を受信可能に構成された受信部（１２）と、受信部（１２）が受信した反射波に基づいて、浴室（３０）内の複数のエリア（Ｂ１〜Ｂ８）のそれぞれにおける信号強度を算出するように構成された信号強度算出部（１４ｃ）と、複数のエリア（Ｂ１〜Ｂ８）の信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データを複数用いた機械学習により、基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを記憶するように構成された記憶部（１４ａ）と、受信部（１２）が解析対象の反射波を受信したときに、信号強度算出部（１４ｃ）によって算出される複数のエリアの信号強度から少なくとも２つのパラメータを求め、当該少なくとも２つのパラメータが対応付けられた解析データを生成するように構成された解析データ生成部（１４ｄ）と、解析データが複数のクラスのいずれに属するのかを判定するように構成されたクラス判定部（１４ｆ）とを備える。

ところで、入浴者の浴室への入退室、入浴者の動作、入浴者の静止、入浴者の浴室内における移動などに応じて、受信部における信号強度の距離スペクトルが変化する。そのため、浴室内における各エリアでの信号強度の少なくとも２つのパラメータ（例えば、各エリアでの信号強度の平均、分散など）が対応付けられた基準データを複数用いた機械学習により、浴室内における入浴者の状態を複数のクラスに分類できる。従って、このような分類モデルに基づいて解析データが属するクラスを判定することにより、入浴者の状態を正確に検知することが可能となる。

例２．例１の装置（１０）において、記憶部（１４ａ）は、複数のエリア（Ｂ１〜Ｂ８）の信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、浴室（３０）における入浴者（Ｈ）の位置を示す複数のクラス（Ｃ１ａ，Ｃ１ｂ）のうちいずれか一つに基準データが分類された第１の分類モデル（Ｍ１）を記憶するように構成されていてもよい。この場合、入浴者が洗い場と浴槽とのどちらに存在しているのかを正確に検知することが可能となる。

例３．例１又は例２の装置（１０）において、記憶部（１４ａ）は、複数のエリア（Ｂ１〜Ｂ８）の信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、浴室（３０）内における入浴者（Ｈ）の状況を示す複数のクラス（Ｃ２ａ〜Ｃ２ｃ，Ｃ２ａ〜Ｃ２ｃ）のうちいずれか一つに基準データが分類された第２の分類モデル（Ｍ２，Ｍ３）を記憶するように構成されていてもよい。この場合、浴室内における入浴者の状況を正確に検知することが可能となる。

例４．例２の装置（１０）において、記憶部（１４ａ）は、複数のエリア（Ｂ１〜Ｂ８）の信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、浴室（３０）の洗い場（３１）における入浴者（Ｈ）の状況を示す複数のクラス（Ｃ２ａ〜Ｃ２ｃ）のうちいずれか一つに基準データが分類された第２の分類モデル（Ｍ２）と、複数のエリア（Ｂ１〜Ｂ８）の信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、浴室（３０）の浴槽（３４）における入浴者（Ｈ）の状況を示す複数のクラス（Ｃ３ａ〜Ｃ３ｃ）のうちいずれか一つに基準データが分類された第３の分類モデル（Ｍ３）とをさらに記憶するように構成されており、クラス判定部（１４ｆ）は、解析データを第１の分類モデル（Ｍ１）に入力して、解析データが第１の分類モデル（Ｍ１）のうちいずれのクラス（Ｃ１ａ，Ｃ１ｂ）に属するのかを判定する第１の処理と、第１の処理において、解析データが属するクラス（Ｃ１ａ）に基づいて入浴者（Ｈ）が浴室（３０）の洗い場（３１）に存在すると判定された場合に、解析データを第２の分類モデル（Ｍ２）に入力して、解析データが第２の分類モデル（Ｍ２）のうちいずれのクラス（Ｃ２ａ〜Ｃ２ｃ）に属するのかを判定する第２の処理と、第１の処理において、解析データが属するクラス（Ｃ１ｂ）に基づいて入浴者（Ｈ）が浴室（３０）の浴槽（３４）に存在すると判定された場合に、解析データを第３の分類モデル（Ｍ３）に入力して、解析データが第３の分類モデル（Ｍ３）のうちいずれのクラス（Ｃ３ａ〜Ｃ３ｃ）に属するのかを判定する第３の処理とを実行するように構成されていてもよい。この場合、まず、入浴者が洗い場と浴槽とのどちらに存在するのかを判定し、続いて、入浴者がどのような状況にあるのかを判定している。そのため、分類モデルが階層化され、それぞれの分類モデルがシンプルになる。したがって、入浴者の場所及び状況を同時に判定する場合と比較して、入浴者の状況をより正確に検知することが可能となる。

例５．例２の装置（１０）において、記憶部（１４ａ）は、複数のエリア（Ｂ１〜Ｂ８）の信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、浴室（３０）の洗い場（３１）及び浴槽（３４）における入浴者（Ｈ）の状況を示す複数のクラス（Ｃ２ａ〜Ｃ２ｃ，Ｃ３ａ〜Ｃ３ｃ）のうちいずれか一つに基準データが分類された第２の分類モデル（Ｍ２，Ｍ３）をさらに記憶するように構成されており、クラス判定部（１４ｆ）は、解析データを第１の分類モデル（Ｍ１）に入力して、解析データが第１の分類モデル（Ｍ１）のうちいずれのクラス（Ｃ１ａ，Ｃ１ｂ）に属するのかを判定する処理と、解析データを第２の分類モデル（Ｍ２，Ｍ３）に入力して、解析データが第２の分類モデル（Ｍ２，Ｍ３）のうちいずれのクラス（Ｃ２ａ〜Ｃ２ｃ，Ｃ３ａ〜Ｃ３ｃ）に属するのかを判定する処理とを実行するように構成されていてもよい。この場合、入浴者が洗い場と浴槽とのどちらに存在するのかと、入浴者がどのような状況にあるのかとを同時または近接したタイミングで判定している。そのため、浴室内における入浴者の状況を正確に検知することが可能となる。

例６．例１〜例５のいずれかの装置（１０）は、受信部（１２）が解析対象の反射波を受信したときに信号強度算出部（１４ｃ）によって算出される信号強度の時間変動に基づいて、入浴者（Ｈ）の浴室（３０）への入退室を判定するように構成された入退室判定部（１４ｇ）をさらに備えていてもよい。入浴者が浴室内に入室した場合には受信部が入浴者からの反射波を受信するので、不在の場合と比較して、洗い場における信号強度が大きくなる。そのため、信号強度の比較により、極めて簡便に入浴者の入退室を判定することが可能となる。

例７．例１〜例６のいずれかの装置（１０）は、浴室（３０）内の湿度に応じた反射波の減衰量に基づいて、信号強度算出部（１４ｃ）が算出する信号強度を補正する補正部をさらに備え、記憶部（１４ａ）は、補正部による補正後における複数のエリア（Ｂ１〜Ｂ８）の信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データを複数用いた機械学習により、基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを記憶しており、解析データ生成部（１４ｄ）は、受信部（１２）が解析対象の反射波を受信したときに、補正部による補正後における複数のエリア（Ｂ１〜Ｂ８）の信号強度から少なくとも２つのパラメータを求め、当該少なくとも２つのパラメータが対応付けられた解析データを生成するように構成されていてもよい。ところで、浴室内の湿度が高まるほど、浴室内を漂う水蒸気に無線電波が吸収されやすくなり、受信部が受信する反射波の信号強度が減衰する傾向にある。すなわち、減衰後の信号強度からパラメータ（例えば、平均、分散等）を求めると、これらの値が小さくなってしまう。この場合、解析データを分類モデルに適用したときに当該解析データが実際の状況とは異なるクラスに分類されてしまうことが懸念される。しかしながら、例６によれば、湿度による減衰量を補正した後の信号強度に基づいて解析データを生成している。そのため、解析データの分類がより正確に行われるので、入浴者の状況をより正確に検知することが可能となる。

例８．例７の装置（１０）において、補正部は、浴室（３０）内に入浴者（Ｈ）が存在していないときの反射波から信号強度算出部（１４ｃ）が算出する信号強度の時間変動特性に基づいて、入浴者の入浴時における反射波の減衰量を推定してもよい。

例９．例７の装置（１０）は、浴室（３０）内の湿度を測定するように構成された湿度センサを更に備え、補正部は、湿度センサによって測定された浴室（３０）内の湿度に基づいて、反射波の減衰量を推定してもよい。

例１０．例１〜例９のいずれかの装置（１０）は、クラス判定部（１４ｆ）による判定の結果、入浴者（Ｈ）が異常状態にある場合に、警報を報知するように構成された報知部を更に備えてもよい。ところで、異常状態には、例えば、入浴者が倒れ込んだり、浴槽内に沈んでしまったり、気絶等により静止状態を継続するといった重度の異常と、例えば、入浴者が浴槽内で眠りに入ってしまい半覚醒状態にあるような軽度の異常とが存在する。例９によれば、軽度の異常にある入浴者を警報によって覚醒状態とすることで、入浴者が重度な異常に移行してしまうことを抑制することが可能となる。

例１１．例１０の装置（１０）は、ユーザからの入力操作を受け付けるように構成された入力部と、報知部が警報を報知したときに、入力部が受け付けた入力操作に基づいて、分類モデルを更新するように構成された更新部とを更に備えていてもよい。この場合、ユーザが入力部を通じて誤警報をフィードバックすることにより、分類モデルがアップデートされる。そのため、浴室内における入浴者の状況をより正確に検知することが可能となる。

例１２．例１〜例１１のいずれかの装置（１０）は、入浴者の状態に関するデータに基づいて生成された制御信号を他の機器に送信するように構成された通信部をさらに備えていてもよい。この場合、入浴者の状態（例えば、浴室内における入浴者の位置、入浴者の動作の有無、入浴者の異常状態など）に応じて、他の機器（例えば、給湯器、浴室内の照明など）の制御の最適化を図ることが可能となる。

例１３．本開示の他の例に係る浴室監視方法は、広帯域又は超広帯域の無線電波を浴室（３０）内に向けて発信する第１の工程と、無線電波の反射波に基づいて、浴室（３０）内の複数のエリアのそれぞれにおける信号強度を算出する第２の工程と、複数のエリア（Ｂ１〜Ｂ８）の信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データを複数用いて機械学習を行い、基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを作成する第３の工程と、解析対象の反射波に基づいて複数のエリア（Ｂ１〜Ｂ８）の信号強度から少なくとも２つのパラメータを求め、当該少なくとも２つのパラメータが対応付けられた解析データを生成する第４の工程と、解析データが複数のクラスのいずれに属するのかを判定する第５の工程とを含む。この場合、例１の装置と同様の作用効果が得られる。

１…浴室監視システム、１０…浴室監視装置、１１…発信機（発信部）、１２…受信機（受信部）、１３…通信機（通信部）、１４…制御部（コントローラ）、１４ａ…記憶部、１４ｂ…送受信処理部、１４ｃ…信号強度算出部、１４ｄ…データ生成部（解析データ生成部）、１４ｅ…分類モデル生成部、１４ｆ…クラス判定部、１４ｇ…入退室判定部、２０…報知装置、２１…モニタ（報知部）、２２…スピーカ（報知部）、３０…浴室、３１…洗い場、３４…浴槽、Ｂ１〜Ｂ８…レンジビン（エリア）、Ｃ１ａ，Ｃ１ｂ，Ｃ２ａ〜Ｃ２ｃ，Ｃ３ａ〜Ｃ３ｃ…クラス、ＤＳ１〜ＤＳ３…データセット、Ｒ…検知エリア、Ｒα…浴槽エリア、Ｒβ…洗い場エリア。

Claims (13)

1. 広帯域又は超広帯域の無線電波を浴室内に向けて発信可能に構成された発信部と、
   前記発信部から発信された無線電波の反射波を受信可能に構成された受信部と、
   前記受信部が受信した前記反射波に基づいて、前記浴室内の複数のエリアのそれぞれにおける信号強度を算出するように構成された信号強度算出部と、
   前記複数のエリアの信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データを複数用いた機械学習により、前記基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを記憶するように構成された記憶部と、
   前記受信部が解析対象の前記反射波を受信したときに、前記信号強度算出部によって算出される前記複数のエリアの信号強度から少なくとも２つのパラメータを求め、当該少なくとも２つのパラメータが対応付けられた解析データを生成するように構成された解析データ生成部と、
   前記解析データが前記複数のクラスのいずれに属するのかを判定するように構成されたクラス判定部とを備える、浴室監視装置。
2. 前記記憶部は、前記複数のエリアの信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、前記浴室における入浴者の位置を示す複数のクラスのうちいずれか一つに前記基準データが分類された第１の分類モデルを記憶するように構成されている、請求項１に記載の装置。
3. 前記記憶部は、前記複数のエリアの信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、前記浴室内における入浴者の状況を示す複数のクラスのうちいずれか一つに前記基準データが分類された第２の分類モデルを記憶するように構成されている、請求項１又は２に記載の装置。
4. 前記記憶部は、
   前記複数のエリアの信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、前記浴室の洗い場における入浴者の状況を示す複数のクラスのうちいずれか一つに前記基準データが分類された第２の分類モデルと、
   前記複数のエリアの信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、前記浴室の浴槽における入浴者の状況を示す複数のクラスのうちいずれか一つに前記基準データが分類された第３の分類モデルとをさらに記憶するように構成されており、
   前記クラス判定部は、
   前記解析データを前記第１の分類モデルに入力して、前記解析データが前記第１の分類モデルのうちいずれのクラスに属するのかを判定する第１の処理と、
   前記第１の処理において、前記解析データが属するクラスに基づいて入浴者が前記浴室の洗い場に存在すると判定された場合に、前記解析データを前記第２の分類モデルに入力して、前記解析データが前記第２の分類モデルのうちいずれのクラスに属するのかを判定する第２の処理と、
   前記第１の処理において、前記解析データが属するクラスに基づいて入浴者が前記浴室の浴槽に存在すると判定された場合に、前記解析データを前記第３の分類モデルに入力して、前記解析データが前記第３の分類モデルのうちいずれのクラスに属するのかを判定する第３の処理とを実行するように構成されている、請求項２に記載の装置。
5. 前記記憶部は、前記複数のエリアの信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データに対する機械学習により、前記浴室の洗い場及び浴槽における入浴者の状況を示す複数のクラスのうちいずれか一つに前記基準データが分類された第２の分類モデルをさらに記憶するように構成されており、
   前記クラス判定部は、
   前記解析データを前記第１の分類モデルに入力して、前記解析データが前記第１の分類モデルのうちいずれのクラスに属するのかを判定する処理と、
   前記解析データを前記第２の分類モデルに入力して、前記解析データが前記第２の分類モデルのうちいずれのクラスに属するのかを判定する処理とを実行するように構成されている、請求項２に記載の装置。
6. 前記受信部が解析対象の前記反射波を受信したときに前記信号強度算出部によって算出される信号強度の時間変動に基づいて、入浴者の前記浴室への入退室を判定するように構成された入退室判定部をさらに備える、請求項１〜５のいずれか一項に記載の装置。
7. 前記浴室内の湿度に応じた前記反射波の減衰量に基づいて、前記信号強度算出部が算出する信号強度を補正する補正部をさらに備え、
   前記記憶部は、前記補正部による補正後における前記複数のエリアの信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データを複数用いた機械学習により、前記基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを記憶しており、
   前記解析データ生成部は、前記受信部が解析対象の前記反射波を受信したときに、前記補正部による補正後における前記複数のエリアの信号強度から少なくとも２つのパラメータを求め、当該少なくとも２つのパラメータが対応付けられた解析データを生成するように構成されている、請求項１〜６のいずれか一項に記載の装置。
8. 前記補正部は、前記浴室内に入浴者が存在していないときの前記反射波から前記信号強度算出部が算出する信号強度の時間変動特性に基づいて、入浴者の入浴時における前記反射波の減衰量を推定する、請求項７に記載の装置。
9. 前記浴室内の湿度を測定するように構成された湿度センサを更に備え、
   前記補正部は、前記湿度センサによって測定された前記浴室内の湿度に基づいて、前記反射波の減衰量を推定する、請求項７に記載の装置。
10. 前記クラス判定部による判定の結果、入浴者が異常状態にある場合に警報を報知するように構成された報知部を更に備える、請求項１〜９のいずれか一項に記載の装置。
11. ユーザからの入力操作を受け付けるように構成された入力部と、
    前記報知部が警報を報知したときに、前記入力部が受け付けた入力操作に基づいて前記分類モデルを更新するように構成された更新部とを更に備える、請求項１０に記載の装置。
12. 入浴者の状態に関するデータに基づいて生成された制御信号を他の機器に送信するように構成された通信部をさらに備える、請求項１〜１１のいずれか一項に記載の装置。
13. 広帯域又は超広帯域の無線電波を浴室内に向けて発信する第１の工程と、
    無線電波の反射波に基づいて、前記浴室内の複数のエリアのそれぞれにおける信号強度を算出する第２の工程と、
    前記複数のエリアの信号強度から求められる少なくとも２つのパラメータが対応付けられた基準データを複数用いて機械学習を行い、前記基準データが複数のクラスのうちのいずれか一つに分類された分類モデルを作成する第３の工程と、
    解析対象の反射波に基づいて前記複数のエリアの信号強度から少なくとも２つのパラメータを求め、当該少なくとも２つのパラメータが対応付けられた解析データを生成する第４の工程と、
    前記解析データが前記複数のクラスのいずれに属するのかを判定する第５の工程とを含む、浴室監視方法。

Images