JP3205081B2 - 電子装置 - Google Patents
電子装置Info
- Publication number
- JP3205081B2 JP3205081B2 JP27332592A JP27332592A JP3205081B2 JP 3205081 B2 JP3205081 B2 JP 3205081B2 JP 27332592 A JP27332592 A JP 27332592A JP 27332592 A JP27332592 A JP 27332592A JP 3205081 B2 JP3205081 B2 JP 3205081B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- distance
- time
- recognition
- person
- 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.)
- Expired - Fee Related
Links
Landscapes
- Control Or Security For Electrophotography (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Geophysics And Detection Of Objects (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、電子装置、さらに詳し
くは、例えば、複写機などの電子装置に接近する人が使
用者か否かを判断し、装置の動作を制御する電子装置に
関するものである。
くは、例えば、複写機などの電子装置に接近する人が使
用者か否かを判断し、装置の動作を制御する電子装置に
関するものである。
【０００２】
【従来の技術】近年、利用者の便利性を向上させるた
め、装置機器類の自動化が益々図られるようになってき
ている。特に、本発明において着目した分野は、装置機
器に当該装置機器近傍の物体を検出するセンサを設ける
ことにより、当該装置機器へ接近する使用者を検出し、
該装置機器の自動化をより充実させたい分野である。こ
の分野の技術は、例えば、人の接近を検出してドアを自
動的に開閉させる自動ドア、人の接近を検出して操作表
示部（ＬＣＤ）を自動的にＯＮ／ＯＦＦさせる銀行のキ
ャッシュディスペンサなどとして実用化されている。ま
た、電子装置の一例としての、例えば、画像形成装置に
おいては、自動電源ＯＮ／ＯＦＦ、自動予熱機能等に応
用されている。
め、装置機器類の自動化が益々図られるようになってき
ている。特に、本発明において着目した分野は、装置機
器に当該装置機器近傍の物体を検出するセンサを設ける
ことにより、当該装置機器へ接近する使用者を検出し、
該装置機器の自動化をより充実させたい分野である。こ
の分野の技術は、例えば、人の接近を検出してドアを自
動的に開閉させる自動ドア、人の接近を検出して操作表
示部（ＬＣＤ）を自動的にＯＮ／ＯＦＦさせる銀行のキ
ャッシュディスペンサなどとして実用化されている。ま
た、電子装置の一例としての、例えば、画像形成装置に
おいては、自動電源ＯＮ／ＯＦＦ、自動予熱機能等に応
用されている。
【０００３】自動電源ＯＮ／ＯＦＦ機能とは、例えば、
複写装置などの画像形成装置において、装置の前面の物
体（人体）の有無を検出するセンサを設け、人体を検出
していないとき（非使用時）は電源をＯＦＦにし、人体
を検出しているとき（使用時）は電源をＯＮする機能で
ある。
複写装置などの画像形成装置において、装置の前面の物
体（人体）の有無を検出するセンサを設け、人体を検出
していないとき（非使用時）は電源をＯＦＦにし、人体
を検出しているとき（使用時）は電源をＯＮする機能で
ある。
【０００４】自動予熱機能とは、複写装置などの画像形
成装置において、装置に前面の物体（人体）の有無を検
出するセンサを設け、人体を検出していないとき（非使
用時）は操作表示部（ＬＣＤ）の表示をＯＦＦにすると
ともに、シート上に転写された画像情報（トナー像）を
定着させる定着手段（ヒータを内蔵したローラ）の定着
温度を人体が検出されているときよりも低い温度に設定
し（予熱状態）、人体を検出しているとき（使用時）は
操作表示部の表示をＯＮするとともに、定着温度を定着
動作可能な所定温度に設定する機能である。
成装置において、装置に前面の物体（人体）の有無を検
出するセンサを設け、人体を検出していないとき（非使
用時）は操作表示部（ＬＣＤ）の表示をＯＦＦにすると
ともに、シート上に転写された画像情報（トナー像）を
定着させる定着手段（ヒータを内蔵したローラ）の定着
温度を人体が検出されているときよりも低い温度に設定
し（予熱状態）、人体を検出しているとき（使用時）は
操作表示部の表示をＯＮするとともに、定着温度を定着
動作可能な所定温度に設定する機能である。
【０００５】而して、従来の電源ＯＮ／ＯＦＦ、および
予熱の作動／解除は手動入力により実行しなければなら
なかったが、近年、上述したようにセンサを組み合わせ
て、自動で行う装置が出現してきた。
予熱の作動／解除は手動入力により実行しなければなら
なかったが、近年、上述したようにセンサを組み合わせ
て、自動で行う装置が出現してきた。
【０００６】
【発明が解決しようとする課題】しかしながら、上述し
た従来の装置では、以下のような問題点があった。セン
サが装置に直面する物体の存在を検出する構成となって
いるため、非使用者であっても、装置の直前を歩きさえ
すれば使用者として認識し、電源スイッチをオンし、あ
るいは予熱状態を解除してしまう。また、この問題を回
避するためにセンサの感度を弱く設定すると、使用者が
装置の直前に立って初めて使用者と認識するため、予熱
状態解除などの制御が遅れてしまい、結局、使用者がス
イッチを操作してしまうという問題が生じていた。
た従来の装置では、以下のような問題点があった。セン
サが装置に直面する物体の存在を検出する構成となって
いるため、非使用者であっても、装置の直前を歩きさえ
すれば使用者として認識し、電源スイッチをオンし、あ
るいは予熱状態を解除してしまう。また、この問題を回
避するためにセンサの感度を弱く設定すると、使用者が
装置の直前に立って初めて使用者と認識するため、予熱
状態解除などの制御が遅れてしまい、結局、使用者がス
イッチを操作してしまうという問題が生じていた。
【０００７】
【課題を解決するための手段】本発明は、上記課題を解
決するために、脈動発光を行う赤外線発光手段と、装置
近傍の物体から反射する赤外線を受光する赤外線受光手
段とからなり、装置から該装置本体近傍の物体までの距
離を検出する検出手段と；検出された物体が前記装置を
使用する人か否かを、少なくとも検出された物体が前記
装置に到達する以前のタイミングで判断する認識手段
と；該認識手段の認識結果により装置の動作を制御する
制御手段とを有する電子装置において、前記検出手段が
検出した距離の経時的変化から前記物体の前記装置への
接近速度を計算し、該検出手段が検出した距離と前記接
近速度より、前記物体が前記装置へ到達すると予想され
る予想到達時間と、装置本体操作部正面を通過すると予
想される予想通過時間を計算する処理手段と；前記予想
到達時間および予想通過時間と、使用者か否かの関係を
記憶する記憶手段とを有し、前記記憶手段に記憶された
予想到達時間および予想通過時間と使用者か否かの関係
とに基づいて、接近する物体が使用者か否かを判断す
る。
決するために、脈動発光を行う赤外線発光手段と、装置
近傍の物体から反射する赤外線を受光する赤外線受光手
段とからなり、装置から該装置本体近傍の物体までの距
離を検出する検出手段と；検出された物体が前記装置を
使用する人か否かを、少なくとも検出された物体が前記
装置に到達する以前のタイミングで判断する認識手段
と；該認識手段の認識結果により装置の動作を制御する
制御手段とを有する電子装置において、前記検出手段が
検出した距離の経時的変化から前記物体の前記装置への
接近速度を計算し、該検出手段が検出した距離と前記接
近速度より、前記物体が前記装置へ到達すると予想され
る予想到達時間と、装置本体操作部正面を通過すると予
想される予想通過時間を計算する処理手段と；前記予想
到達時間および予想通過時間と、使用者か否かの関係を
記憶する記憶手段とを有し、前記記憶手段に記憶された
予想到達時間および予想通過時間と使用者か否かの関係
とに基づいて、接近する物体が使用者か否かを判断す
る。
【０００８】
【構成】本発明は、上記課題を解決するために、以下の
構成を有する。 （１）脈動発光を行う赤外線発光手段と、装置近傍の物
体から反射する赤外線を受光する赤外線受光手段とから
なり、装置から該装置本体近傍の物体までの距離を検出
する検出手段と；検出された物体が前記装置を使用する
人か否かを、少なくとも検出された物体が前記装置に到
達する以前のタイミングで判断する認識手段と；該認識
手段の認識結果により装置の動作を制御する制御手段と
を有する電子装置において、前記検出手段が検出した距
離の経時的変化から前記物体の前記装置への接近速度を
計算し、該検出手段が検出した距離と前記接近速度よ
り、前記物体が前記装置へ到達すると予想される予想到
達時間と、装置本体操作部正面を通過すると予想される
予想通過時間を計算する処理手段と；前記予想到達時間
および予想通過時間と、使用者か否かの関係を記憶する
記憶手段とを有し、前記記憶手段に記憶された予想到達
時間および予想通過時間と使用者か否かの関係とに基づ
いて、接近する物体が使用者か否かを判断すること、或
いは、（２）脈動発光を行う赤外線発光手段と、装置近
傍の物体から反射する赤外線を受光する赤外線受光手段
とからなり、装置から該装置本体近傍の物体までの距離
を検出する検出手段と；検出された物体が前記装置を使
用する人か否かを、少なくとも検出された物体が前記装
置に到達する以前のタイミングで判断する認識手段と；
該認識手段の認識結果により装置の動作を制御する制御
手段とを有する電子装置において、前記検出手段が検出
した距離の経時的変化から前記物体の前記装置への接近
速度を計算し、該検出手段が検出した距離と前記接近速
度から、前記物体が前記装置へ到達すると予想される予
想到達時間と、検出エリアの所定位置を通過すると予測
される予想通過時間を計算する処理手段と；前記予想到
達時間および予想通過時間と、使用者か否かの関係を記
憶する記憶手段とを有し、前記記憶手段に記憶された予
想到達時間および予想通過時間と使用者か否かの関係に
基づいて、接近する物体が使用者か否かを判断するこ
と、更には、（３）前記（１）又は（２）に記載の電子
装置において、前記予想到達時間および予想通過時間
と、使用者か否かの関係を記憶する記憶手段を有し、前
記記憶手段に記憶された予想到達時間および予想通過時
間と使用者か否かの関係を参照することにより、接近す
る物体が使用者か否かを判断すること、或いは、（４）
前記（１）又は（２）に記載の電子装置において、前記
予想到達時間と予想通過時間にファジー理論を適用する
ことにより、接近する物体が使用者か否かを判断するこ
と、或いは、（５）前記（１）又は（２）に記載の電子
装置において、予想到達時間と予想通過時間をニューラ
ル・ネットワークを用いて処理することにより、接近す
る物体が使用者か否かを判断することを特徴とする。
構成を有する。 （１）脈動発光を行う赤外線発光手段と、装置近傍の物
体から反射する赤外線を受光する赤外線受光手段とから
なり、装置から該装置本体近傍の物体までの距離を検出
する検出手段と；検出された物体が前記装置を使用する
人か否かを、少なくとも検出された物体が前記装置に到
達する以前のタイミングで判断する認識手段と；該認識
手段の認識結果により装置の動作を制御する制御手段と
を有する電子装置において、前記検出手段が検出した距
離の経時的変化から前記物体の前記装置への接近速度を
計算し、該検出手段が検出した距離と前記接近速度よ
り、前記物体が前記装置へ到達すると予想される予想到
達時間と、装置本体操作部正面を通過すると予想される
予想通過時間を計算する処理手段と；前記予想到達時間
および予想通過時間と、使用者か否かの関係を記憶する
記憶手段とを有し、前記記憶手段に記憶された予想到達
時間および予想通過時間と使用者か否かの関係とに基づ
いて、接近する物体が使用者か否かを判断すること、或
いは、（２）脈動発光を行う赤外線発光手段と、装置近
傍の物体から反射する赤外線を受光する赤外線受光手段
とからなり、装置から該装置本体近傍の物体までの距離
を検出する検出手段と；検出された物体が前記装置を使
用する人か否かを、少なくとも検出された物体が前記装
置に到達する以前のタイミングで判断する認識手段と；
該認識手段の認識結果により装置の動作を制御する制御
手段とを有する電子装置において、前記検出手段が検出
した距離の経時的変化から前記物体の前記装置への接近
速度を計算し、該検出手段が検出した距離と前記接近速
度から、前記物体が前記装置へ到達すると予想される予
想到達時間と、検出エリアの所定位置を通過すると予測
される予想通過時間を計算する処理手段と；前記予想到
達時間および予想通過時間と、使用者か否かの関係を記
憶する記憶手段とを有し、前記記憶手段に記憶された予
想到達時間および予想通過時間と使用者か否かの関係に
基づいて、接近する物体が使用者か否かを判断するこ
と、更には、（３）前記（１）又は（２）に記載の電子
装置において、前記予想到達時間および予想通過時間
と、使用者か否かの関係を記憶する記憶手段を有し、前
記記憶手段に記憶された予想到達時間および予想通過時
間と使用者か否かの関係を参照することにより、接近す
る物体が使用者か否かを判断すること、或いは、（４）
前記（１）又は（２）に記載の電子装置において、前記
予想到達時間と予想通過時間にファジー理論を適用する
ことにより、接近する物体が使用者か否かを判断するこ
と、或いは、（５）前記（１）又は（２）に記載の電子
装置において、予想到達時間と予想通過時間をニューラ
ル・ネットワークを用いて処理することにより、接近す
る物体が使用者か否かを判断することを特徴とする。
【０００９】
【作用】本発明は、上記従来技術の課題を解決するため
になされたものであり、装置本体に物体が接近する接近
速度を検出する検出手段からの検出信号に基づき、検知
された物体が装置を使用する人か否かを、少なくとも検
知された物体が装置に到達する以前のタイミングで判断
し、その判断結果に基づいた装置を制御することによ
り、操作上の利便性を大幅に向上させる装置において、
静止障害物の配置に対応して、静止障害物以外の物体に
ついて装置を使用する人か否かを判断することによっ
て、判断手段の判断精度を大幅に向上させる。
になされたものであり、装置本体に物体が接近する接近
速度を検出する検出手段からの検出信号に基づき、検知
された物体が装置を使用する人か否かを、少なくとも検
知された物体が装置に到達する以前のタイミングで判断
し、その判断結果に基づいた装置を制御することによ
り、操作上の利便性を大幅に向上させる装置において、
静止障害物の配置に対応して、静止障害物以外の物体に
ついて装置を使用する人か否かを判断することによっ
て、判断手段の判断精度を大幅に向上させる。
【００１０】装置概略 図１は、自動応答システムをＯＡ機器に適用した場合の
構成概念を説明するためのブロック図で、該自動応答シ
ステムは、一個以上のセンサより構成されるセンサ部２
と、認識判断装置３と、サービス提供装置４とより構成
され、自動応答機能を実現するために各種ＯＡ機器１に
装着され、ＯＡ機器１の使用者による能動的なはたらき
かけによらず、適切な応答を行い、各種のサービスを提
供するものである。
構成概念を説明するためのブロック図で、該自動応答シ
ステムは、一個以上のセンサより構成されるセンサ部２
と、認識判断装置３と、サービス提供装置４とより構成
され、自動応答機能を実現するために各種ＯＡ機器１に
装着され、ＯＡ機器１の使用者による能動的なはたらき
かけによらず、適切な応答を行い、各種のサービスを提
供するものである。
【００１１】センサ部２は自動応答する対象の物体（例
えば、近付いてくる人間）を認識するための各種データ
を作り出すためにＯＡ機器１の表面または内部に実装さ
れ、得られたデータを認識判断装置３へと送る。センサ
の種類、実装位置およびその個数は、センサからのデー
タより検出したいパラメータ、検出対象とする方向（例
えば、操作パネルの向いている方向＝ＯＡ機器正面方
向）や応答対象とする物体の大きさ（幅、高さ）、検出
精度（分解能、検出間隔）等により適宜決定される。
えば、近付いてくる人間）を認識するための各種データ
を作り出すためにＯＡ機器１の表面または内部に実装さ
れ、得られたデータを認識判断装置３へと送る。センサ
の種類、実装位置およびその個数は、センサからのデー
タより検出したいパラメータ、検出対象とする方向（例
えば、操作パネルの向いている方向＝ＯＡ機器正面方
向）や応答対象とする物体の大きさ（幅、高さ）、検出
精度（分解能、検出間隔）等により適宜決定される。
【００１２】図２は、複写機またはファクシミリまたは
レーザ・ビーム・プリンタ等の電子装置の一例である画
像形成装置５に複数の距離センサ６により構成されたセ
ンサ部の実装例を示す図で、（ａ）図は画像形成装置の
全体斜視図、（ｂ）図は平面図である。図２の例では、
応答する対象の物体を人間（操作可能者）、測定によっ
て得るデータを画像形成装置５から被測定物体までの距
離、測定対象とする方向を装置５の正面および側面とし
ている。また、それらに加えて被測定物体の方向も得る
ために比較的鋭い指向性をもった距離センサにより複数
方向について距離の測定を行う。この種のセンサには、
たとえば発光部より赤外光を対象方向に照射し、受後部
でその反射光量を計測することにより距離を測定するも
のや、ある周波数の超音波を送波器より発信し、反射波
を受波器によって受けてその位相差によって距離を測定
するもの等がある。
レーザ・ビーム・プリンタ等の電子装置の一例である画
像形成装置５に複数の距離センサ６により構成されたセ
ンサ部の実装例を示す図で、（ａ）図は画像形成装置の
全体斜視図、（ｂ）図は平面図である。図２の例では、
応答する対象の物体を人間（操作可能者）、測定によっ
て得るデータを画像形成装置５から被測定物体までの距
離、測定対象とする方向を装置５の正面および側面とし
ている。また、それらに加えて被測定物体の方向も得る
ために比較的鋭い指向性をもった距離センサにより複数
方向について距離の測定を行う。この種のセンサには、
たとえば発光部より赤外光を対象方向に照射し、受後部
でその反射光量を計測することにより距離を測定するも
のや、ある周波数の超音波を送波器より発信し、反射波
を受波器によって受けてその位相差によって距離を測定
するもの等がある。
【００１３】図２の例では、比較的短い検出期間で高い
分解能を得るために複数のセンサを実装し、各距離セン
サを並列動作させて測定を行う。被測定物体の方向を得
るために各センサは各々少しづつ（１０度間隔）発光・
発信／受光・受信の方向をずらして実装されている。ま
た、垂直方向データ（身長等）は必要としないため、発
光・発信／受光・受信の方向を水平面上にのみ展開して
実装している。センサ部の構成は、距離センサの他に例
えばＣＣＤを用いた画像入力装置等も考えられる。この
場合は、画像入力装置から取り込まれた画像データが認
識判断装置に送られる。
分解能を得るために複数のセンサを実装し、各距離セン
サを並列動作させて測定を行う。被測定物体の方向を得
るために各センサは各々少しづつ（１０度間隔）発光・
発信／受光・受信の方向をずらして実装されている。ま
た、垂直方向データ（身長等）は必要としないため、発
光・発信／受光・受信の方向を水平面上にのみ展開して
実装している。センサ部の構成は、距離センサの他に例
えばＣＣＤを用いた画像入力装置等も考えられる。この
場合は、画像入力装置から取り込まれた画像データが認
識判断装置に送られる。
【００１４】認識判断装置３は、ＯＡ機器１に内蔵また
は外付けされ、センサ部２から送られてくるデータに基
づいて認識判断を行う。例えば、図２に示した例のよう
に、物体までの距離およびその方向データからは、静止
物体と応答対象とする移動物体の認識をしたり、応答対
象とする物体（人間）がＯＡ機器を使用するかどうか
（もしくは使用が終了したかどうか）等の行動判断を行
う。また、画像入力装置から構成されるセンサ部を持
ち、画像データを使用する装置については、応答する対
象の物体（人間）の特徴を抽出し、抽出された特徴によ
り個人の特定をおこない、個人のＩＤ（例えば、名前、
番号、等）を生成し、生成された判断データを、サービ
ス提供装置へ送る。
は外付けされ、センサ部２から送られてくるデータに基
づいて認識判断を行う。例えば、図２に示した例のよう
に、物体までの距離およびその方向データからは、静止
物体と応答対象とする移動物体の認識をしたり、応答対
象とする物体（人間）がＯＡ機器を使用するかどうか
（もしくは使用が終了したかどうか）等の行動判断を行
う。また、画像入力装置から構成されるセンサ部を持
ち、画像データを使用する装置については、応答する対
象の物体（人間）の特徴を抽出し、抽出された特徴によ
り個人の特定をおこない、個人のＩＤ（例えば、名前、
番号、等）を生成し、生成された判断データを、サービ
ス提供装置へ送る。
【００１５】サービス提供装置４は、ＯＡ機器１の各部
を駆動する機能を有し、各種自動応答によるサービスを
具現化する。例えば、ＯＡ機器１に近づく応答対象の物
体があり、その物体がＯＡ機器を使用する旨の判断デー
タが送られてきた場合に、予熱モードを自動的に解除す
るとか、反対に使用終了の判断データが送られてきた場
合には、自動的に余熱モードに遷移するといったサービ
スがこれにあたる。また、個人のＩＤがデータとして送
られてくる構成の装置については、使用者毎に操作部の
最適化（キー・レィアウト変更、指示画面の切り替え、
等）等のより使用しやすい環境を提供する。このサービ
ス提供装置は、専用のハード・ウェアを用意しても良い
が、ＯＡ機器の中央演算装置によりソフト・ウェア的に
機能を代行することも可能である。
を駆動する機能を有し、各種自動応答によるサービスを
具現化する。例えば、ＯＡ機器１に近づく応答対象の物
体があり、その物体がＯＡ機器を使用する旨の判断デー
タが送られてきた場合に、予熱モードを自動的に解除す
るとか、反対に使用終了の判断データが送られてきた場
合には、自動的に余熱モードに遷移するといったサービ
スがこれにあたる。また、個人のＩＤがデータとして送
られてくる構成の装置については、使用者毎に操作部の
最適化（キー・レィアウト変更、指示画面の切り替え、
等）等のより使用しやすい環境を提供する。このサービ
ス提供装置は、専用のハード・ウェアを用意しても良い
が、ＯＡ機器の中央演算装置によりソフト・ウェア的に
機能を代行することも可能である。
【００１６】認識判断装置 認識判断装置概略 図３に、認識判断装置の基本構成をブロック図で示し、
各部の動作を説明する。尚、自動応答システムが実装さ
れているＯＡ機器（電子装置）は画像形成装置とし、認
識判断装置にデータを送ってくるセンサ部の構成は、図
２に示したように指向性の強い複数の距離センサを発光
・受信／受光・受信の方向を水平面上に展開して実装し
たものとして以下の説明を行う。認識判断装置３は、セ
ンサ駆動部７、パラメータ抽出部８、認識判断部９、後
処理部１０、制御部１１、入出力管理部１２、記憶装置
１３、データ線１４、制御線１５、外部Ｉ／Ｆ（インタ
ーフェイス）線１６より構成される。
各部の動作を説明する。尚、自動応答システムが実装さ
れているＯＡ機器（電子装置）は画像形成装置とし、認
識判断装置にデータを送ってくるセンサ部の構成は、図
２に示したように指向性の強い複数の距離センサを発光
・受信／受光・受信の方向を水平面上に展開して実装し
たものとして以下の説明を行う。認識判断装置３は、セ
ンサ駆動部７、パラメータ抽出部８、認識判断部９、後
処理部１０、制御部１１、入出力管理部１２、記憶装置
１３、データ線１４、制御線１５、外部Ｉ／Ｆ（インタ
ーフェイス）線１６より構成される。
【００１７】センサ駆動部７は、距離センサ６の駆動お
よび測定された距離データの受信をおこなう。制御部１
１からのサンプリング信号に基づき、各距離センサ６を
駆動し物体までの距離を計測する。しかる後、測定結果
データをパラメータ抽出部８へと送出する。パラメータ
抽出部８では、各物体までの距離データより応答対象と
する物体の認識および各種判断に必要となる特徴量パラ
メータを測定された距離データより抽出、計算する。生
成されたパラメータおよびその付加情報は、認識判断部
９へ送られると共に、適宜記憶装置１３に書き込まれ、
必要に応じて他のブロックより読みだされる。
よび測定された距離データの受信をおこなう。制御部１
１からのサンプリング信号に基づき、各距離センサ６を
駆動し物体までの距離を計測する。しかる後、測定結果
データをパラメータ抽出部８へと送出する。パラメータ
抽出部８では、各物体までの距離データより応答対象と
する物体の認識および各種判断に必要となる特徴量パラ
メータを測定された距離データより抽出、計算する。生
成されたパラメータおよびその付加情報は、認識判断部
９へ送られると共に、適宜記憶装置１３に書き込まれ、
必要に応じて他のブロックより読みだされる。
【００１８】認識判断部９は、制御部１１からの要求信
号により応答対象の物体に関わる判断をおこなう。パラ
メータ抽出部８により生成されたパラメータを直接また
は記憶装置１３を介して受け取り、例えば、応答対象の
物体が画像形成装置の使用者であるか否か（画像形成装
置を「使う」か「使わない」か）、画像形成装置の使用
を終了したか否か（「使用中」か「使い終った」か）、
等の判断を行う。
号により応答対象の物体に関わる判断をおこなう。パラ
メータ抽出部８により生成されたパラメータを直接また
は記憶装置１３を介して受け取り、例えば、応答対象の
物体が画像形成装置の使用者であるか否か（画像形成装
置を「使う」か「使わない」か）、画像形成装置の使用
を終了したか否か（「使用中」か「使い終った」か）、
等の判断を行う。
【００１９】後処理部１０は、判断結果を取りまとめて
最終的に外部に出力する形式に整える。例えば、応答対
象とする物体が複数存在する場合の処理がこのブロック
でおこなわれる。制御部１１は認識判断装置全体の制御
をおこなう。入出力管理部１２を介して外部（画像形成
装置）と通信をおこない、また、各ブロックに制御信号
を送ることによりコントロールする。
最終的に外部に出力する形式に整える。例えば、応答対
象とする物体が複数存在する場合の処理がこのブロック
でおこなわれる。制御部１１は認識判断装置全体の制御
をおこなう。入出力管理部１２を介して外部（画像形成
装置）と通信をおこない、また、各ブロックに制御信号
を送ることによりコントロールする。
【００２０】入出力管理部１２は、外部Ｉ／Ｆ線１６を
通して外部（画像形成装置）とのインターフェイスをつ
かさどる。また、外部との同期をとるためのバッファと
しても機能する。入出力される信号には、後処理部１０
で生成されサービス提供装置に送られる判断データの他
に、認識判断装置と画像形成装置との間の各種リクエス
ト、タイミング信号、等の制御信号も含まれる。
通して外部（画像形成装置）とのインターフェイスをつ
かさどる。また、外部との同期をとるためのバッファと
しても機能する。入出力される信号には、後処理部１０
で生成されサービス提供装置に送られる判断データの他
に、認識判断装置と画像形成装置との間の各種リクエス
ト、タイミング信号、等の制御信号も含まれる。
【００２１】記憶装置１３は、各ブロックで生成された
ダーテを必要に応じて蓄えておくＲＡＭ、および、各ブ
ロックを動かすのに必要なプログラムおよびデータを蓄
えておくＲＯＭにより構成され、各ブロックによりデー
タの読み出し／書き込みがおこなわれる。データ線１４
は各データの伝送に使用される。制御線１５は制御信号
の伝送に使われる。外部Ｉ／Ｆ線１６は、外部（画像形
成装置）とのインターフェイスのための制御信号および
データの伝送に使われる。
ダーテを必要に応じて蓄えておくＲＡＭ、および、各ブ
ロックを動かすのに必要なプログラムおよびデータを蓄
えておくＲＯＭにより構成され、各ブロックによりデー
タの読み出し／書き込みがおこなわれる。データ線１４
は各データの伝送に使用される。制御線１５は制御信号
の伝送に使われる。外部Ｉ／Ｆ線１６は、外部（画像形
成装置）とのインターフェイスのための制御信号および
データの伝送に使われる。
【００２２】センサ駆動部 センサ駆動部７は、制御部１１から制御線１５を介して
周期Ｔ（Ｔは認識する応答対象とする物体の移動速度に
比べて十分に短い周期でなければいけない）で送られて
くるサンプリング信号に従って画像形成装置に実装され
ている距離センサ６を駆動する。各距離センサは同時
（並列）に駆動され、１サンプリング周期（時間間隔
Ｔ）に１回距離の測定をおこなう。測定データは、セン
サ駆動部７内でアナログ・データからデジタル・データ
へと変換され、どのセンサにより測定されたデータかを
識別できる方法（例えば、各データにセンサの識別番号
を付加する）によりパラメータ抽出部８へと送られる。
周期Ｔ（Ｔは認識する応答対象とする物体の移動速度に
比べて十分に短い周期でなければいけない）で送られて
くるサンプリング信号に従って画像形成装置に実装され
ている距離センサ６を駆動する。各距離センサは同時
（並列）に駆動され、１サンプリング周期（時間間隔
Ｔ）に１回距離の測定をおこなう。測定データは、セン
サ駆動部７内でアナログ・データからデジタル・データ
へと変換され、どのセンサにより測定されたデータかを
識別できる方法（例えば、各データにセンサの識別番号
を付加する）によりパラメータ抽出部８へと送られる。
【００２３】パラメータ抽出部 パラメータ抽出部８では、センサ駆動部７より送られて
きた距離データから認識に必要なパラメータを抽出す
る。尚、各距離センサは、図４に示すように、画像形成
装置（電子装置）５の中心を中心として１０度間隔で
…（ただし、１０番目〜１９番目については、
０，１，…９のように記す）の１９方向について測
定を行うように（ただし、測定を行う方向は、画像形成
装置の側面および正面方向のみとし、ここでは背面につ
いては考えない）実装されており、時間間隔Ｔで同時に
物体までの距離の測定を繰り返すものとする。図４中の
各矢印はセンサの発光・発信／受光・受信方向を表す。
きた距離データから認識に必要なパラメータを抽出す
る。尚、各距離センサは、図４に示すように、画像形成
装置（電子装置）５の中心を中心として１０度間隔で
…（ただし、１０番目〜１９番目については、
０，１，…９のように記す）の１９方向について測
定を行うように（ただし、測定を行う方向は、画像形成
装置の側面および正面方向のみとし、ここでは背面につ
いては考えない）実装されており、時間間隔Ｔで同時に
物体までの距離の測定を繰り返すものとする。図４中の
各矢印はセンサの発光・発信／受光・受信方向を表す。
【００２４】パラメータ抽出部は時間間隔Ｔで（測定を
行なう度に）以下の処理を行なう。 位置検出 （１）測定結果のストア いま、画像形成装置５が、図４に示すように、前方方向
および側方のうちの一方向に壁等の静止物体１７がある
ような場所に設置されていたとし、距離センサによって
物体までの距離の測定が可能な最大距離をＲｍａｘす
る。この測定可能距離とは、距離センサ自体の測定可能
距離のほかに、各測定可能方向間の隙間（測定が行なわ
れない範囲）が応答対象とする物体（人間）の大きさに
比べ十分小さくなるような範囲である。図４の例では、
１９の測定方向のうち、白抜き文字で示した方向に関し
て距離センサの測定可能距離内に何らかの静止物体（こ
の場合は壁、以下障害物と記す）１７がある。パラメー
タ抽出部８は一回の測定毎に記憶装置（メモリ）１３に
距離データをその測定方向（距離センサ番号）と共に蓄
えておく。図４の場合について記憶装置１３内に書き込
まれる距離データの例を、図５に模式的に示す。ここ
で、図５において、ｒｄは方向ｄについての測定結果
（物体までの距離）を表し、また、∞記号は物体が測定
されなかった（Ｒｍａｘ）よりも近くに物体が何もなか
った）ことを示している。パラメータ抽出部８は、時間
間隔Ｔで測定を行う度に、測定結果を記憶装置１３内の
所定の番地に書き込む。
行なう度に）以下の処理を行なう。 位置検出 （１）測定結果のストア いま、画像形成装置５が、図４に示すように、前方方向
および側方のうちの一方向に壁等の静止物体１７がある
ような場所に設置されていたとし、距離センサによって
物体までの距離の測定が可能な最大距離をＲｍａｘす
る。この測定可能距離とは、距離センサ自体の測定可能
距離のほかに、各測定可能方向間の隙間（測定が行なわ
れない範囲）が応答対象とする物体（人間）の大きさに
比べ十分小さくなるような範囲である。図４の例では、
１９の測定方向のうち、白抜き文字で示した方向に関し
て距離センサの測定可能距離内に何らかの静止物体（こ
の場合は壁、以下障害物と記す）１７がある。パラメー
タ抽出部８は一回の測定毎に記憶装置（メモリ）１３に
距離データをその測定方向（距離センサ番号）と共に蓄
えておく。図４の場合について記憶装置１３内に書き込
まれる距離データの例を、図５に模式的に示す。ここ
で、図５において、ｒｄは方向ｄについての測定結果
（物体までの距離）を表し、また、∞記号は物体が測定
されなかった（Ｒｍａｘ）よりも近くに物体が何もなか
った）ことを示している。パラメータ抽出部８は、時間
間隔Ｔで測定を行う度に、測定結果を記憶装置１３内の
所定の番地に書き込む。
【００２５】 （２）環境情報の更新距離センサの測定可能範囲内にあ
り、画像形成装置５に能動的に働きかけない物体（＝障
害物：例えば、壁、机、椅子、等）の位置情報を環境情
報と呼ぶことにする。パラメータ抽出部８は、これらの
物体と、画像形成装置５に能動的に働きかける可能性の
ある物体（＝動いている物体：例えば、人間、等。以
下、対象物体と記す）とを区別するために、記憶装置５
内の環境情報を参照する。環境惰報は、概念的には図５
に示した各方向についての距離の表のような形式をして
おり、各方向についてどの距離に障害物があるかを表し
ている。
り、画像形成装置５に能動的に働きかけない物体（＝障
害物：例えば、壁、机、椅子、等）の位置情報を環境情
報と呼ぶことにする。パラメータ抽出部８は、これらの
物体と、画像形成装置５に能動的に働きかける可能性の
ある物体（＝動いている物体：例えば、人間、等。以
下、対象物体と記す）とを区別するために、記憶装置５
内の環境情報を参照する。環境惰報は、概念的には図５
に示した各方向についての距離の表のような形式をして
おり、各方向についてどの距離に障害物があるかを表し
ている。
【００２６】環境情報は、画像形成装置５に対象物体が
距離センサの測定可能範囲で活動する期間よりも十分長
い期間（例えば、電源投入以降後）に各方向について測
定された最大距離をそれぞれ選択することにより作成さ
れる。上記期間内に測定された方向ｄについての最大距
離をｒｄｍａｘとすると、環境情報は概念的に図６によ
うに示される。時間間隔Ｔで測定を行う毎に、各方向に
ついて測定された距離ｒｄと環境情報ｒｄｍａｘとが比
較され、もし、ｒｄ＞ｒｄｍａｘの関係が成り立てば、
環境情報をｒｄで置き換える。このようにして、十分長
い時間が経過した後、環境情報が作られる。例えば、図
４のような環境に設置された画像形成装置で、十分に長
い時間（距離センサの測定範囲内に人間等の動く物体が
存在しない時期を経れば十分である）が経過した後の環
境情報は図７のようになる。ただし、ｒｄは図４の場合
における方向ｄについての障害物までの距離を表す。
距離センサの測定可能範囲で活動する期間よりも十分長
い期間（例えば、電源投入以降後）に各方向について測
定された最大距離をそれぞれ選択することにより作成さ
れる。上記期間内に測定された方向ｄについての最大距
離をｒｄｍａｘとすると、環境情報は概念的に図６によ
うに示される。時間間隔Ｔで測定を行う毎に、各方向に
ついて測定された距離ｒｄと環境情報ｒｄｍａｘとが比
較され、もし、ｒｄ＞ｒｄｍａｘの関係が成り立てば、
環境情報をｒｄで置き換える。このようにして、十分長
い時間が経過した後、環境情報が作られる。例えば、図
４のような環境に設置された画像形成装置で、十分に長
い時間（距離センサの測定範囲内に人間等の動く物体が
存在しない時期を経れば十分である）が経過した後の環
境情報は図７のようになる。ただし、ｒｄは図４の場合
における方向ｄについての障害物までの距離を表す。
【００２７】（３）物体検出 環境情報の更新をおこなった後、パラメータ抽出部８は
以下の方法で物体検出を行う。例えば、時間ｔ０におけ
る状態が図８に示すように、の方向から対象物体１８
が近づいて来る場合を考える。（１）の手順で記憶装置
内に書き込まれた図８の場合についての距離データを図
９に示す。ただし、ｒｄｔは時刻ｔにおける方向ｄにつ
いての物体までの距離とする。パラメータ抽出部８はこ
の距離データと、（２）の手順により作成され記憶装置
５内に蓄えられている環境情報とを比較することにより
対象物体を検出する。具体的には、例えば、各方向につ
いて環境情報に書かれている距離と距離データとの差を
とる。図９の場合について環境情報との距離データとの
差をとった結果を図１０に示す。図１０によると、方向
について距離データと環境情報との差が生じており、
このこと（環境≠距離データ）によりの方向に対象物
体１８が認識される。いま、画像形成装置の中心を原点
とし、０の方向を角度θ＝０とするような極座標系を
考えると、図８の例での対象物体１８の位置は（ｒ
５ｔ０，５０°）で表される。物体が認識されると、そ
の位置（距離、および方向）が記憶装置１３内の所定の
位置に書き込まれる。
以下の方法で物体検出を行う。例えば、時間ｔ０におけ
る状態が図８に示すように、の方向から対象物体１８
が近づいて来る場合を考える。（１）の手順で記憶装置
内に書き込まれた図８の場合についての距離データを図
９に示す。ただし、ｒｄｔは時刻ｔにおける方向ｄにつ
いての物体までの距離とする。パラメータ抽出部８はこ
の距離データと、（２）の手順により作成され記憶装置
５内に蓄えられている環境情報とを比較することにより
対象物体を検出する。具体的には、例えば、各方向につ
いて環境情報に書かれている距離と距離データとの差を
とる。図９の場合について環境情報との距離データとの
差をとった結果を図１０に示す。図１０によると、方向
について距離データと環境情報との差が生じており、
このこと（環境≠距離データ）によりの方向に対象物
体１８が認識される。いま、画像形成装置の中心を原点
とし、０の方向を角度θ＝０とするような極座標系を
考えると、図８の例での対象物体１８の位置は（ｒ
５ｔ０，５０°）で表される。物体が認識されると、そ
の位置（距離、および方向）が記憶装置１３内の所定の
位置に書き込まれる。
【００２８】ところで、移動物体１８が画像形成装置に
近づくにつれて、複数の距離センサに同一の物体が測定
されることがあるが、この場合は以下のような方法によ
り位置を算出する。図１１の例では同一の物体がおよ
びの方向でセンサに測定されており、上記手段による
と２つの位置（ｒ６，θ６（＝４０°））および
（ｒ７，θ７（＝３０°））が検出される。そこで、２
つ以上の位置が検出された場合には、その各々の間の距
離を計算し、その全ての距離が予め定められている値Ｌ
ｍｉｎ（ただし、Ｌｍｉｎは応答対象とする物体（＝人
間）の大きさから決定される）よりも小さく、かつ、検
出方向がとなりあっているような各点は、一つの位置と
してまとめられる。２点の場合にはその中点の位置にま
とめられ、３点以上の場合にはその重心の位置にまとめ
られ、１つの位置を生成する。図１１の例では検出され
る２点間の距離１は、
近づくにつれて、複数の距離センサに同一の物体が測定
されることがあるが、この場合は以下のような方法によ
り位置を算出する。図１１の例では同一の物体がおよ
びの方向でセンサに測定されており、上記手段による
と２つの位置（ｒ６，θ６（＝４０°））および
（ｒ７，θ７（＝３０°））が検出される。そこで、２
つ以上の位置が検出された場合には、その各々の間の距
離を計算し、その全ての距離が予め定められている値Ｌ
ｍｉｎ（ただし、Ｌｍｉｎは応答対象とする物体（＝人
間）の大きさから決定される）よりも小さく、かつ、検
出方向がとなりあっているような各点は、一つの位置と
してまとめられる。２点の場合にはその中点の位置にま
とめられ、３点以上の場合にはその重心の位置にまとめ
られ、１つの位置を生成する。図１１の例では検出され
る２点間の距離１は、
【００２９】
【数１】
【００３０】であり、１＜Ｌｍｉｎの時には２点は一つ
にまとめられ、新たにその中点が位置として採用され
る。また、３点以上の場合には、図１２に示すように、
１１＜Ｌｍｉｎかつ１２＜Ｌｍｉｎかつ１３＜Ｌｍｉｎ
の時に限り３点はまとめられ、３点の重心Ｇが対象物体
の位置として採用され記憶装置に書き込まれる。
にまとめられ、新たにその中点が位置として採用され
る。また、３点以上の場合には、図１２に示すように、
１１＜Ｌｍｉｎかつ１２＜Ｌｍｉｎかつ１３＜Ｌｍｉｎ
の時に限り３点はまとめられ、３点の重心Ｇが対象物体
の位置として採用され記憶装置に書き込まれる。
【００３１】物体追跡 （１）一物体の追跡 一度対象物体が距離センサの測定可能範囲内で認識され
ると、対象物体の追跡が行なわれる。例えば、図８の例
に示した対象物体１８が時刻ｔ１（＝ｔ０＋Ｔ）に図１
３に示すように移動したとすると、前述した方法により
物体位置（ｒ６ｔ１，４０°）が検出される。ここで、
もしその１測定間隔時間前（時間Ｔ前）の対象物体の位
置情報が記憶装置１３内にストアされていた場合、移動
速度ｖおよび移動方向φの計算が行なわれる。図１３の
例に示した対象物体１８については、既に図８の例で計
算された位置情報が記憶装置１３内にストアされている
ので、移動速度ｖおよび移動方向φの計算が行なわれ
る。
ると、対象物体の追跡が行なわれる。例えば、図８の例
に示した対象物体１８が時刻ｔ１（＝ｔ０＋Ｔ）に図１
３に示すように移動したとすると、前述した方法により
物体位置（ｒ６ｔ１，４０°）が検出される。ここで、
もしその１測定間隔時間前（時間Ｔ前）の対象物体の位
置情報が記憶装置１３内にストアされていた場合、移動
速度ｖおよび移動方向φの計算が行なわれる。図１３の
例に示した対象物体１８については、既に図８の例で計
算された位置情報が記憶装置１３内にストアされている
ので、移動速度ｖおよび移動方向φの計算が行なわれ
る。
【００３２】以下に図８および図１３を例にとり、その
計算方法を説明する。時刻ｔ０からｔ１の間の対象物体
１８の移動距離を１ｔ１、平均速度をｖｔ１、座標原点
（画像形成装置の中心）と時刻ｔ０における対象物体１
８の位置とを結ぶ線と、時刻ｔ０における対象物体１８
の位置と時刻ｔ１における対象物体１８の位置とを結ぶ
線とのなす角（移動方向）をφｔ１と定義すると、各パ
ラメータの表す量は図１４に示すようになる。図１４に
おいて、１ｔ１は、
計算方法を説明する。時刻ｔ０からｔ１の間の対象物体
１８の移動距離を１ｔ１、平均速度をｖｔ１、座標原点
（画像形成装置の中心）と時刻ｔ０における対象物体１
８の位置とを結ぶ線と、時刻ｔ０における対象物体１８
の位置と時刻ｔ１における対象物体１８の位置とを結ぶ
線とのなす角（移動方向）をφｔ１と定義すると、各パ
ラメータの表す量は図１４に示すようになる。図１４に
おいて、１ｔ１は、
【００３３】
【数２】
【００３４】となる。式３，式５，式６によって計算さ
れた移動速度ｖ、移動方向φは、先に計算された位置
（ｒ，θ）とともに記憶装置１３に書き込まれる。以上
のような操作を時間間隔ｔごとに繰り返すことにより、
記憶装置１３内には位置情報ｒ，θ，およびもしその１
回前に測定した位置情報があれば、移動速度ｖ、移動方
向φが時間間隔ｔごと物体の軌跡情報として順次蓄えら
れていく。物体１８の軌跡情報は、記憶装置１３内では
リスト、またはリングバッファ等のデータ形式で蓄えら
れているが、概念的には表のようなものと考えてさしつ
かえない。図１３の時間Ｔ後（＝ｔ２）の対象物体１８
の移動の様子を図１５に、そのさらに時間Ｔ後（＝ｔ
３）の物体の移動の様子を図１６に、そして物体が時刻
ｔ０からｔ３の間に図８，図１３，図１５，図１６で示
したように移動した場合に得られる軌跡情報の概念図を
図１７に、それぞれ示す。
れた移動速度ｖ、移動方向φは、先に計算された位置
（ｒ，θ）とともに記憶装置１３に書き込まれる。以上
のような操作を時間間隔ｔごとに繰り返すことにより、
記憶装置１３内には位置情報ｒ，θ，およびもしその１
回前に測定した位置情報があれば、移動速度ｖ、移動方
向φが時間間隔ｔごと物体の軌跡情報として順次蓄えら
れていく。物体１８の軌跡情報は、記憶装置１３内では
リスト、またはリングバッファ等のデータ形式で蓄えら
れているが、概念的には表のようなものと考えてさしつ
かえない。図１３の時間Ｔ後（＝ｔ２）の対象物体１８
の移動の様子を図１５に、そのさらに時間Ｔ後（＝ｔ
３）の物体の移動の様子を図１６に、そして物体が時刻
ｔ０からｔ３の間に図８，図１３，図１５，図１６で示
したように移動した場合に得られる軌跡情報の概念図を
図１７に、それぞれ示す。
【００３５】（２）複数物体の追跡 距離センサ６の測定範囲内に複数の対象物体が存在する
場合には、記憶装置内に対象物体毎に複数の軌跡情報を
生成し追跡をおこなう。例えば、図１８に示すように対
象物体Ａおよび対象物体Ｂの２つの対象物体が存在して
いる場合を考える。記憶装置内には対象物体Ａおよび対
象物体Ｂについて２つの軌跡情報が生成される。図１８
の状態では、対象物体Ａの位置として（ｒ６，θ６（＝
４０°））、対象物体Ｂの位置として（ｒ１２，θ１２
（＝−２０°））が検出され、各々の軌跡情報が書き込
まれているものとする。図１８の状態から１サンプリン
グ周期（時間間隔Ｔ）後の状態を図１９に示す。物体検
出により位置１（ｒ７，θ７（＝３０°））および位置
２（ｒ１１，θ１１（＝−１０°））の２つの位置が検
出される。可能性としては、図２０に示すように、対象
物体Ａが位置１に、対象物体Ｂが位置２それぞれ移動し
た（場合Ａ）か、または対象物体Ａが位置２に、対象物
体Ｂが位置１にそれぞれ移動した（場合Ｂ）という２通
りが考えられるが、以下のような方法でそれぞれの位置
をどちらの軌跡情報に書き込むかを決定する。
場合には、記憶装置内に対象物体毎に複数の軌跡情報を
生成し追跡をおこなう。例えば、図１８に示すように対
象物体Ａおよび対象物体Ｂの２つの対象物体が存在して
いる場合を考える。記憶装置内には対象物体Ａおよび対
象物体Ｂについて２つの軌跡情報が生成される。図１８
の状態では、対象物体Ａの位置として（ｒ６，θ６（＝
４０°））、対象物体Ｂの位置として（ｒ１２，θ１２
（＝−２０°））が検出され、各々の軌跡情報が書き込
まれているものとする。図１８の状態から１サンプリン
グ周期（時間間隔Ｔ）後の状態を図１９に示す。物体検
出により位置１（ｒ７，θ７（＝３０°））および位置
２（ｒ１１，θ１１（＝−１０°））の２つの位置が検
出される。可能性としては、図２０に示すように、対象
物体Ａが位置１に、対象物体Ｂが位置２それぞれ移動し
た（場合Ａ）か、または対象物体Ａが位置２に、対象物
体Ｂが位置１にそれぞれ移動した（場合Ｂ）という２通
りが考えられるが、以下のような方法でそれぞれの位置
をどちらの軌跡情報に書き込むかを決定する。
【００３６】上記２つの場合についてそれぞれ移動方向
φおよび速度ｖを式５および式６により計算する。場合
Ａについて計算された対象物体Ａの移動方向をφＡ２、
移動速度をｖＡ２、対象物体Ｂの移動方向をφＢ４、移
動速度をｖＢ４、また、場合Ｂについて計算された対象
物体Ａの移動方向をφＡｂ、移動速度をｖＡｂ、対象物
体Ｂの移動方向をφＢｂ、移動速度をｖＢｂとする。ま
た、１サンプリング周期（時間間隔Ｔ）前の状態（図１
８の状態における対象物体Ａの移動方向をφＡｐｒｅ、
移動速度をｖＡｐｒｅ、対象物体Ｂの移動方向をφ
Ｂｐｒｅとすると、対象物体Ａの移動方向の変化量δφ
Ａ、移動速度の変化量δｖＡ、対象物体Ｂの移動方向の
変化量δφＢ、移動速度の変化量をδｖＢは、
φおよび速度ｖを式５および式６により計算する。場合
Ａについて計算された対象物体Ａの移動方向をφＡ２、
移動速度をｖＡ２、対象物体Ｂの移動方向をφＢ４、移
動速度をｖＢ４、また、場合Ｂについて計算された対象
物体Ａの移動方向をφＡｂ、移動速度をｖＡｂ、対象物
体Ｂの移動方向をφＢｂ、移動速度をｖＢｂとする。ま
た、１サンプリング周期（時間間隔Ｔ）前の状態（図１
８の状態における対象物体Ａの移動方向をφＡｐｒｅ、
移動速度をｖＡｐｒｅ、対象物体Ｂの移動方向をφ
Ｂｐｒｅとすると、対象物体Ａの移動方向の変化量δφ
Ａ、移動速度の変化量δｖＡ、対象物体Ｂの移動方向の
変化量δφＢ、移動速度の変化量をδｖＢは、
【００３７】
【数３】
【００３８】と表される。ここで、対象物体ｉに関する
変化量ｅｉを以下の式９により定義し、さらに場合ｎに
ついての総変化量Ｅｎを以下の式１０により定義する。
変化量ｅｉを以下の式９により定義し、さらに場合ｎに
ついての総変化量Ｅｎを以下の式１０により定義する。
【００３９】
【数４】
【００４０】但し、αおよびβは、移動方向の変化量δ
φｉおよび移動速度の変化量δｖｉにそれぞれ重み付け
をするための定数である。対象物体と検出位置との組み
合わせには、総変化量の最も少ない場合についての対象
物体と検出位置との組み合わせを採用するものとする。
場合Ａおよび場合Ｂの総変化量Ｅａ，Ｅｂは、
φｉおよび移動速度の変化量δｖｉにそれぞれ重み付け
をするための定数である。対象物体と検出位置との組み
合わせには、総変化量の最も少ない場合についての対象
物体と検出位置との組み合わせを採用するものとする。
場合Ａおよび場合Ｂの総変化量Ｅａ，Ｅｂは、
【００４１】
【数５】
【００４２】となり、Ｅａ＜Ｅｂとなることより場合Ａ
についての対象物体と検出位置との組み合わせを採用
し、対象物体Ａの軌跡情報には位置１（ｒ７，θ７（＝
３０°））、移動方向φＡａ、移動速度ｖＡａが、ま
た、対象物体Ｂの軌跡情報には位置２（ｒ１１，θ１１
（＝−１０°））、移動方向φＢａ、移動速度ｖＢａが
それぞれ書き込まれる。
についての対象物体と検出位置との組み合わせを採用
し、対象物体Ａの軌跡情報には位置１（ｒ７，θ７（＝
３０°））、移動方向φＡａ、移動速度ｖＡａが、ま
た、対象物体Ｂの軌跡情報には位置２（ｒ１１，θ１１
（＝−１０°））、移動方向φＢａ、移動速度ｖＢａが
それぞれ書き込まれる。
【００４３】３つ以上の対象物体が距離センサの測定範
囲内に存在する場合にも同様に可能性のある全ての場合
について、対象物体と検出位置との組み合わせを作り、
各場合について総変化量Ｅを計算することにより軌跡惰
報に書き込むデータを決定する。総変化量Ｅが計算でき
ない対象物体が含まれる場合には、例えば、移動距離１
が最小になるように（１サンプリング周期（時間間隔
Ｔ）前と比べて、近い物体の検出位置同士を対応させ
て）対象物体と検出位置との対応をとるなどの処理をお
こなう。
囲内に存在する場合にも同様に可能性のある全ての場合
について、対象物体と検出位置との組み合わせを作り、
各場合について総変化量Ｅを計算することにより軌跡惰
報に書き込むデータを決定する。総変化量Ｅが計算でき
ない対象物体が含まれる場合には、例えば、移動距離１
が最小になるように（１サンプリング周期（時間間隔
Ｔ）前と比べて、近い物体の検出位置同士を対応させ
て）対象物体と検出位置との対応をとるなどの処理をお
こなう。
【００４４】図２１の対象物体Ａおよび対象物体Ｂの例
のように複数の対象物体が画像形成装置から見て重なり
あった（同一のセンサの測定方向上に存在する）場合、
検出される対象物体の数が一時的に減少する。このよう
な場合には、以下のようにして追跡をおこない、軌跡情
報を生成する。図２１の例では、の方向に物体を検出
し、位置（ｒ９，θ９（＝１０°））が得られる。ここ
で、１サンプリング周期（時間間隔Ｔ）前の対象物体Ａ
および対象物体Ｂの位置をそれぞれ（ｒＡｐｒｅ，θ
Ａｐｒｅ）および（ｒＢｐｒｅ，θＢｐｒｅ）とし、ま
た、図２２に示すように、検出された位置に対象物体Ａ
および対象物体Ｂがそれぞれ到達したと考えたときの移
動方向および移動速度を、φＡ，ｖＡおよびφＢ，ｖＢ
とすると、式５および式６より、
のように複数の対象物体が画像形成装置から見て重なり
あった（同一のセンサの測定方向上に存在する）場合、
検出される対象物体の数が一時的に減少する。このよう
な場合には、以下のようにして追跡をおこない、軌跡情
報を生成する。図２１の例では、の方向に物体を検出
し、位置（ｒ９，θ９（＝１０°））が得られる。ここ
で、１サンプリング周期（時間間隔Ｔ）前の対象物体Ａ
および対象物体Ｂの位置をそれぞれ（ｒＡｐｒｅ，θ
Ａｐｒｅ）および（ｒＢｐｒｅ，θＢｐｒｅ）とし、ま
た、図２２に示すように、検出された位置に対象物体Ａ
および対象物体Ｂがそれぞれ到達したと考えたときの移
動方向および移動速度を、φＡ，ｖＡおよびφＢ，ｖＢ
とすると、式５および式６より、
【００４５】
【数６】
【００４６】となる。また、１サンプリング周期（時間
間隔Ｔ）前の対象物体Ａおよび対象物体Ｂの移動方向お
よび移動速度を、φＡｐｒｅ，ｖＡｐｒｅおよびφ
Ｂｐｒｅ，ｖＢｐｒｅとすると、それぞれの変化量ｅＡ
およびｅＢは式１０より、
間隔Ｔ）前の対象物体Ａおよび対象物体Ｂの移動方向お
よび移動速度を、φＡｐｒｅ，ｖＡｐｒｅおよびφ
Ｂｐｒｅ，ｖＢｐｒｅとすると、それぞれの変化量ｅＡ
およびｅＢは式１０より、
【００４７】
【数７】
【００４８】となる。検出された位置を、変化量の少な
い方の対象物体の位置とするものとすると、図２２の例
の場合には、ｅＢ＜ｅＡより、検出された位置は対象物
体Ｂの軌跡情報に書き込まれる。この場合、位置の確定
しない対象物体Ａに関しては、軌跡情報の書き込みが保
留され、位置が確定した時点に、時刻を遡って軌跡情報
が書き込まれる。例えば、１サンプリング周期（時間間
隔Ｔ）後に対象物体Ａの位置が（ｒＡｐｏｓｔ，θ
Ａｐｏｓｔ）に確定したとすると、２点（ｒＡｐｒｅ，
θＡｐｒｅ）と（ｒＡｐｏｓｔ，θＡｐｏｓｔ）との中
点が保留されていた位置（ｒＡ，θＡ）に割り当てられ
る。以下、同様にｎサンプリング周期（時間間隔ｎＴ）
後に位置が確定した場合には、２点をｎ個に内分する点
がそれぞれ保留されていた位置に割り当てられ軌跡情報
に書き込まれる。
い方の対象物体の位置とするものとすると、図２２の例
の場合には、ｅＢ＜ｅＡより、検出された位置は対象物
体Ｂの軌跡情報に書き込まれる。この場合、位置の確定
しない対象物体Ａに関しては、軌跡情報の書き込みが保
留され、位置が確定した時点に、時刻を遡って軌跡情報
が書き込まれる。例えば、１サンプリング周期（時間間
隔Ｔ）後に対象物体Ａの位置が（ｒＡｐｏｓｔ，θ
Ａｐｏｓｔ）に確定したとすると、２点（ｒＡｐｒｅ，
θＡｐｒｅ）と（ｒＡｐｏｓｔ，θＡｐｏｓｔ）との中
点が保留されていた位置（ｒＡ，θＡ）に割り当てられ
る。以下、同様にｎサンプリング周期（時間間隔ｎＴ）
後に位置が確定した場合には、２点をｎ個に内分する点
がそれぞれ保留されていた位置に割り当てられ軌跡情報
に書き込まれる。
【００４９】３個以上の対象物体が距離センサの測定範
囲内に存在し、対象物体が画像形成装置から見て重なり
あった（同一のセンサの測定方向上に存在する）場合に
も、同様にして各対象物体について変化量ｅを計算しそ
れらを比較することにより対象物体と検出位置との対応
をとる。
囲内に存在し、対象物体が画像形成装置から見て重なり
あった（同一のセンサの測定方向上に存在する）場合に
も、同様にして各対象物体について変化量ｅを計算しそ
れらを比較することにより対象物体と検出位置との対応
をとる。
【００５０】認識判断トリガの生成 近づいてくる対象物体１７までの距離ｒが、ある値Ｌｍ
ｉｎ以下になると、パラメータ抽出部８は対象物体１７
に関する距離判断を行うため制御部１１に対して認識判
断トリガを送る。複数の対象物体が測定範囲内に存在す
る場合には、対象物体のうちどれかまでの距離ｒがある
値Ｌｍｉｎ以下になる毎にこの動作が動こる。認識判断
トリガは制御部１１で認識判断要求信号に変換され、認
識判断部９に送られる。同様に、画像形成装置を使用し
ている対象物体が遠ざかる際に、対象物体までの距離ｒ
が、ある値Ｌｍｉｎ以上になると、パラメータ抽出部８
は対象物体に関する認識判断を行うために制御部１１に
対して認識判断トリガを送る。複数の対象物体が測定範
囲内に存在する場合も近づく場合と同様である。図２３
に判断認識トリガ生成の様子を示す。
ｉｎ以下になると、パラメータ抽出部８は対象物体１７
に関する距離判断を行うため制御部１１に対して認識判
断トリガを送る。複数の対象物体が測定範囲内に存在す
る場合には、対象物体のうちどれかまでの距離ｒがある
値Ｌｍｉｎ以下になる毎にこの動作が動こる。認識判断
トリガは制御部１１で認識判断要求信号に変換され、認
識判断部９に送られる。同様に、画像形成装置を使用し
ている対象物体が遠ざかる際に、対象物体までの距離ｒ
が、ある値Ｌｍｉｎ以上になると、パラメータ抽出部８
は対象物体に関する認識判断を行うために制御部１１に
対して認識判断トリガを送る。複数の対象物体が測定範
囲内に存在する場合も近づく場合と同様である。図２３
に判断認識トリガ生成の様子を示す。
【００５１】Ｌｍｉｎの値は、普通は認識判断装置が認
織判断結果（＝例えば、対象物体が画像形成装置に作用
するか否か）をサービス提供装置に出力しなければなら
ない距離に設定される。この距離は、認識判断装置から
の出力結果によってもたらされるサービスの種類および
サービスにかかる時間、対象物体の移動速度、等によっ
て適宜決定される。Ｌｍａｘの値は、距離センサの測定
最大距離（図４のＲｍａｘ）以内の距離に適宜設定され
る。認識判断トリガを出力した後、認識判断を行う必要
のある対象物体の軌跡情報に関するデータ（軌跡情報が
格納されている記憶装置内のアドレスや、軌跡データの
サイズ、対象物体が近づいてきているのか遠ざかってい
るのか、等、認識判断部で軌跡情報のアクセスの際に必
要とされるデータ）を認識判断部９へ送る。
織判断結果（＝例えば、対象物体が画像形成装置に作用
するか否か）をサービス提供装置に出力しなければなら
ない距離に設定される。この距離は、認識判断装置から
の出力結果によってもたらされるサービスの種類および
サービスにかかる時間、対象物体の移動速度、等によっ
て適宜決定される。Ｌｍａｘの値は、距離センサの測定
最大距離（図４のＲｍａｘ）以内の距離に適宜設定され
る。認識判断トリガを出力した後、認識判断を行う必要
のある対象物体の軌跡情報に関するデータ（軌跡情報が
格納されている記憶装置内のアドレスや、軌跡データの
サイズ、対象物体が近づいてきているのか遠ざかってい
るのか、等、認識判断部で軌跡情報のアクセスの際に必
要とされるデータ）を認識判断部９へ送る。
【００５２】認識判断部 認識判断部９では、制御部１１からの要求により応答対
象の物体に関わる判断をおこなう。認識判断要求信号を
制御部１１から受け取った後、パラメータ抽出部８より
認識判断を行う必要のある対象物体の軌跡情報に関する
データ（軌跡情報が格納されている記憶装置１３内のア
ドレスや、軌跡データのサイズ、対象物体が近づいてき
ているのか遠ざかっているのか、等、軌跡情報のアクセ
スに必要とされるデータ）をパラメータ抽出部８より受
け取る。しかる後、記憶装置１３内の認識判断を行う必
要のある対象物体の軌跡情報にアクセスし所定の処理を
おこなうことによって、例えば、対象物体が近づいてく
る場合には画像形成装置の使用者であるか否か（画像形
成装置を「使う」か「使わない」か）、遠ざかっていく
場合には画像形成装置の使用を終了したか否か（「使用
中」か「使い終わったか」か）、等の判断を行い、その
結果を後処理部１０へ出力する。以下に認識判断の処理
のうち、対象物体が近づいてくる場合について画像形成
装置を「使う」か「使わない」かの判断をおこなうため
の処理の幾つかの例を説明する。
象の物体に関わる判断をおこなう。認識判断要求信号を
制御部１１から受け取った後、パラメータ抽出部８より
認識判断を行う必要のある対象物体の軌跡情報に関する
データ（軌跡情報が格納されている記憶装置１３内のア
ドレスや、軌跡データのサイズ、対象物体が近づいてき
ているのか遠ざかっているのか、等、軌跡情報のアクセ
スに必要とされるデータ）をパラメータ抽出部８より受
け取る。しかる後、記憶装置１３内の認識判断を行う必
要のある対象物体の軌跡情報にアクセスし所定の処理を
おこなうことによって、例えば、対象物体が近づいてく
る場合には画像形成装置の使用者であるか否か（画像形
成装置を「使う」か「使わない」か）、遠ざかっていく
場合には画像形成装置の使用を終了したか否か（「使用
中」か「使い終わったか」か）、等の判断を行い、その
結果を後処理部１０へ出力する。以下に認識判断の処理
のうち、対象物体が近づいてくる場合について画像形成
装置を「使う」か「使わない」かの判断をおこなうため
の処理の幾つかの例を説明する。
【００５３】前処理 対象物体に関する認識判断のために、認識判断部９では
軌跡情報から幾つかのパラメータの生成を行う。距離セ
ンサの測定範囲内に基準とする距離を１つ以上幾つか設
ける。例えば、図２４のように画像形成装置の中心から
距離Ｌ０，Ｌ１，Ｌ２，…，Ｌ（ｎ−１）のｎ個の基準
距離（但し、Ｌ０＜Ｌ１＜Ｌ２＜…Ｌ（ｎ−１）の関係
が成り立つものとする）を設けるとする。ここで、画像
形成装置から最も近い距離Ｌ０の基準距離は、Ｌｍｉｎ
（パラメータ抽出部により認識判断トリガが生成される
距離）に等しいものとする。基準距離Ｌｍにおける軌跡
情報を、時刻ｔＬｍ、距離ｒＬｍ（＝Ｌｍ）、方向θ
Ｌｍ、移動速度ｖＬｍ、移動方向φＬｍとし、また、距
離Ｌ（ｍ−１）とＬｍとの間の移動速度の変化量をΔｖ
Ｌｍ（＝ｖＬｍ−ｖＬ（ｍ−１））、移動方向の変化量
をΔＬｍ（＝φＬｍ−φＬ（ｍ−１））とし、各距離に
ついてパラメータを生成する（但し、距離Ｌ０における
移動速度の変化量ΔｖＬ０と移動方向の変化量Δφ０と
を除く）。各距離について生成されたパラメータを概念
的に図２５に示す。生成されたパラメータは、さらに次
の段階で利用可能なように処理をされる。例えば、値範
囲によりグループ分けされそのグループ番号に変換され
たり、ある値範囲についての正規化処理等がおこなわれ
る。
軌跡情報から幾つかのパラメータの生成を行う。距離セ
ンサの測定範囲内に基準とする距離を１つ以上幾つか設
ける。例えば、図２４のように画像形成装置の中心から
距離Ｌ０，Ｌ１，Ｌ２，…，Ｌ（ｎ−１）のｎ個の基準
距離（但し、Ｌ０＜Ｌ１＜Ｌ２＜…Ｌ（ｎ−１）の関係
が成り立つものとする）を設けるとする。ここで、画像
形成装置から最も近い距離Ｌ０の基準距離は、Ｌｍｉｎ
（パラメータ抽出部により認識判断トリガが生成される
距離）に等しいものとする。基準距離Ｌｍにおける軌跡
情報を、時刻ｔＬｍ、距離ｒＬｍ（＝Ｌｍ）、方向θ
Ｌｍ、移動速度ｖＬｍ、移動方向φＬｍとし、また、距
離Ｌ（ｍ−１）とＬｍとの間の移動速度の変化量をΔｖ
Ｌｍ（＝ｖＬｍ−ｖＬ（ｍ−１））、移動方向の変化量
をΔＬｍ（＝φＬｍ−φＬ（ｍ−１））とし、各距離に
ついてパラメータを生成する（但し、距離Ｌ０における
移動速度の変化量ΔｖＬ０と移動方向の変化量Δφ０と
を除く）。各距離について生成されたパラメータを概念
的に図２５に示す。生成されたパラメータは、さらに次
の段階で利用可能なように処理をされる。例えば、値範
囲によりグループ分けされそのグループ番号に変換され
たり、ある値範囲についての正規化処理等がおこなわれ
る。
【００５４】認識判断処理 前処理段階で生成されたパラメータを使い認識判断をお
こなう方法のうち、ニューラル・ネットワークを使う方
法について以下に述べる。例えば、対象物体が画像形成
装置を「使う」か「使わない」かを判断するための以下
のようなニューラル・ネットワーク２１を用意する。図
２６に入力層２２、中間層２３、出力層２４の３層から
構成される階層型ニューラル・ネットワークによる認識
判断用ニューラル・ネットワーク２１の模式図を示す。
入力層２２は入力する各パラメータに対応しており、出
力層２４は各判断（この場合は「使う」および「使わな
い」）に対応している。ここで使われるニューラル・ネ
ットワークは、予め実験等により収集された特徴的なパ
ターンを教師データとして、所定の方法（例えば、バッ
クプロパゲーション）で学習しておく。つまり、各パラ
メータを入力とし、その時対象としている物体が画像形
成装置を「使う」か「使わない」かを学習させておくも
のとする。
こなう方法のうち、ニューラル・ネットワークを使う方
法について以下に述べる。例えば、対象物体が画像形成
装置を「使う」か「使わない」かを判断するための以下
のようなニューラル・ネットワーク２１を用意する。図
２６に入力層２２、中間層２３、出力層２４の３層から
構成される階層型ニューラル・ネットワークによる認識
判断用ニューラル・ネットワーク２１の模式図を示す。
入力層２２は入力する各パラメータに対応しており、出
力層２４は各判断（この場合は「使う」および「使わな
い」）に対応している。ここで使われるニューラル・ネ
ットワークは、予め実験等により収集された特徴的なパ
ターンを教師データとして、所定の方法（例えば、バッ
クプロパゲーション）で学習しておく。つまり、各パラ
メータを入力とし、その時対象としている物体が画像形
成装置を「使う」か「使わない」かを学習させておくも
のとする。
【００５５】認識判断処理の際は、制御部からの制御信
号により軌跡惰報より生成されたパラメータが認識判断
用のニューラル・ネットワークに入力され、その際のニ
ューラル・ネットワークの出力層２４のうち、最も強く
発火した（最も出力値の大きい）ユニットに対応する結
果を認識判断結果として後処理部１０へと出力する。同
様の仕様で、対象物体が画像形成装置を「使用中」か
「使い終わった」かを判断するためのニューラル・ネッ
トワークを用意し、認識判断結果を後処理部１０へと出
力する。
号により軌跡惰報より生成されたパラメータが認識判断
用のニューラル・ネットワークに入力され、その際のニ
ューラル・ネットワークの出力層２４のうち、最も強く
発火した（最も出力値の大きい）ユニットに対応する結
果を認識判断結果として後処理部１０へと出力する。同
様の仕様で、対象物体が画像形成装置を「使用中」か
「使い終わった」かを判断するためのニューラル・ネッ
トワークを用意し、認識判断結果を後処理部１０へと出
力する。
【００５６】後処理部 後処理部１０では認識判断結果を取りまとめて最終的に
外部に出力する形式に整えた後、必要ならば制御部１１
に状態変化を通知した後、入出力管理部１２へ認識判断
データを送る。例えば、図２７に示すように距離センサ
の測定範囲に対象物体が複数存在する場合について考え
る。（ａ）の例の場合には、対象物体Ａがすでに画像形
成装置を使用中である所に、新たに画像形成装置を使用
しようとしている対象物体Ｂがやってくる。この場合、
対象物体Ｂが画像形成装置から距離Ｌｍｉｎにさしかか
ったところで認識判断トリガが生成され、認識判断部９
により対象物体Ｂが画像形成装置を「使う」と判断され
るが、この判断はマスクされるか保留されないと、対象
物体Ａが使用中にもかかわらず対象物体Ｂに対するサー
ビスが開始されるといった不具合が生ずる。逆に（ｂ）
の例の場合のように、対象物体Ｂが画像形成装置を使用
中である状態で、前の使用者である対象物体Ａが立ち去
ったとする。この場合、対象物体Ａが画像形成装置から
距離Ｌｍａｘにさしかかったところで認識判断トリガが
生成され、認識判断部９により対象物体Ａが画像形成装
置を「使い終わった」と判断されるが、この判断もマス
クされるか保留されないと、対象物体Ｂが使用中にもか
かわらずサービスが開始される（余熱モードに遷移した
りオートリセットがかかったり等）といった不具合が生
ずる。後処理部１０では必要ならば制御部１１を通して
外部（画像形成装置）の情報（例えば、コピー中である
か否か、等）を取り込み、複数の対象物体に関する判断
をマスクしたり保留したりすることにより状態を変化さ
せる必要が生じた場合にのみ、入出力管理部１２へ認識
判断データを送る。
外部に出力する形式に整えた後、必要ならば制御部１１
に状態変化を通知した後、入出力管理部１２へ認識判断
データを送る。例えば、図２７に示すように距離センサ
の測定範囲に対象物体が複数存在する場合について考え
る。（ａ）の例の場合には、対象物体Ａがすでに画像形
成装置を使用中である所に、新たに画像形成装置を使用
しようとしている対象物体Ｂがやってくる。この場合、
対象物体Ｂが画像形成装置から距離Ｌｍｉｎにさしかか
ったところで認識判断トリガが生成され、認識判断部９
により対象物体Ｂが画像形成装置を「使う」と判断され
るが、この判断はマスクされるか保留されないと、対象
物体Ａが使用中にもかかわらず対象物体Ｂに対するサー
ビスが開始されるといった不具合が生ずる。逆に（ｂ）
の例の場合のように、対象物体Ｂが画像形成装置を使用
中である状態で、前の使用者である対象物体Ａが立ち去
ったとする。この場合、対象物体Ａが画像形成装置から
距離Ｌｍａｘにさしかかったところで認識判断トリガが
生成され、認識判断部９により対象物体Ａが画像形成装
置を「使い終わった」と判断されるが、この判断もマス
クされるか保留されないと、対象物体Ｂが使用中にもか
かわらずサービスが開始される（余熱モードに遷移した
りオートリセットがかかったり等）といった不具合が生
ずる。後処理部１０では必要ならば制御部１１を通して
外部（画像形成装置）の情報（例えば、コピー中である
か否か、等）を取り込み、複数の対象物体に関する判断
をマスクしたり保留したりすることにより状態を変化さ
せる必要が生じた場合にのみ、入出力管理部１２へ認識
判断データを送る。
【００５７】制御部 制御部１１は認識判断装置全体の制御をおこなう。おも
な制御内容には次のようなものがある。
な制御内容には次のようなものがある。
【００５８】（１）各ブロックのタイミング処理 認識判断装置内の各ブロック（センサ駆動部７、パラメ
ータ抽出部８、認識判断部９、後処理部１０、入出力管
理部１２）間でのデータの受渡しのための同期処理をお
こなう。例えば、あるブロックＡからあるブロックＢに
対してデータが転送される場合、まず、ブロックＡから
制御部１１に対してデータ送信要求が出される。制御部
１１はブロックＢに対してブロックＡからのデータ受信
要求信号を送り、ブロックＢの受信準備が完了したこと
を確かめた後、ブロックＡにデータ送信要求信号が送ら
れる。ブロックＡでは制御部１１からのデータ送信要求
信号を受け取った後、データの転送を開始する。
ータ抽出部８、認識判断部９、後処理部１０、入出力管
理部１２）間でのデータの受渡しのための同期処理をお
こなう。例えば、あるブロックＡからあるブロックＢに
対してデータが転送される場合、まず、ブロックＡから
制御部１１に対してデータ送信要求が出される。制御部
１１はブロックＢに対してブロックＡからのデータ受信
要求信号を送り、ブロックＢの受信準備が完了したこと
を確かめた後、ブロックＡにデータ送信要求信号が送ら
れる。ブロックＡでは制御部１１からのデータ送信要求
信号を受け取った後、データの転送を開始する。
【００５９】（２）各ブロックの要求処理 認識判断装置内の各ブロックから送られてくる要求（例
えば、パラメータ抽出部で発生する認識判断トリガ、各
ブロックで発生するエラーに対するリカバリー要求、
等）について定められた処理をおこなう。
えば、パラメータ抽出部で発生する認識判断トリガ、各
ブロックで発生するエラーに対するリカバリー要求、
等）について定められた処理をおこなう。
【００６０】（３）記憶装置のアクセス管理 複数のブロックが同時に記憶装置へのアクセスをおこな
わないように（読み出し／書き込みがぶつからないよう
に）、アービトレーションをおこなう。認識判断装置内
の各ブロツクは、記憶装置にアクセスする際には制御部
にアクセス権を要求し許可された場合にのみアクセスで
きる。
わないように（読み出し／書き込みがぶつからないよう
に）、アービトレーションをおこなう。認識判断装置内
の各ブロツクは、記憶装置にアクセスする際には制御部
にアクセス権を要求し許可された場合にのみアクセスで
きる。
【００６１】（４）外部とのインターフェイスの制御 外部（画像形成装置）からのクロック信号やリセット信
号を入出力管埋部１２を通して受け取り、外部と認識判
断装置内の各ブロックとの同期処理をおこなう。また、
外部情報（画像形成装置の状態、例えば「稼働中である
／ない」や、操作パネルの情報、等）を取り込み、認識
判断に必要なものについては、対応する各ブロックへ転
送する。
号を入出力管埋部１２を通して受け取り、外部と認識判
断装置内の各ブロックとの同期処理をおこなう。また、
外部情報（画像形成装置の状態、例えば「稼働中である
／ない」や、操作パネルの情報、等）を取り込み、認識
判断に必要なものについては、対応する各ブロックへ転
送する。
【００６２】外部からの種々の要求を入出力管理部１２
を通して受け取り、その要求に答える処理をおこなう。
例えば、外部から対象物体の軌跡情報が要求されると、
記憶装置内の所定のエリアから軌跡情報を読み出し、入
出力管理部１２を通して出力する等の処理がこれにあた
る。また、認識判断装置内でエラー等が発生した際の外
部への要求（例えば、操作パネルにエラーの表示をおこ
なう、等）も制御部１１で生成され、入出力管理部１２
を通して外部に出力される。
を通して受け取り、その要求に答える処理をおこなう。
例えば、外部から対象物体の軌跡情報が要求されると、
記憶装置内の所定のエリアから軌跡情報を読み出し、入
出力管理部１２を通して出力する等の処理がこれにあた
る。また、認識判断装置内でエラー等が発生した際の外
部への要求（例えば、操作パネルにエラーの表示をおこ
なう、等）も制御部１１で生成され、入出力管理部１２
を通して外部に出力される。
【００６３】入出力管理部 入出力管理部１２は、外部Ｉ／Ｆ線１６を通じての外部
（画像形成装置）とのインターフェイスをつかさどる。
また、外部との同期をとるためのバッファとしても機能
し、各入出力データ／信号は入出力管理部１２でラッチ
され同期をとられる。入出力される信号には、後処理部
１０で生成されサービス提供装置に送られる対象物体に
関する判断データの他に、認識判断装置と外部との間の
各種要求、タイミング信号、等の制御信号も含まれる。
（画像形成装置）とのインターフェイスをつかさどる。
また、外部との同期をとるためのバッファとしても機能
し、各入出力データ／信号は入出力管理部１２でラッチ
され同期をとられる。入出力される信号には、後処理部
１０で生成されサービス提供装置に送られる対象物体に
関する判断データの他に、認識判断装置と外部との間の
各種要求、タイミング信号、等の制御信号も含まれる。
【００６４】記憶装置 記憶装置１３は、各ブロックで生成されたデータを必要
に応じて蓄えておくＲＡＭ、および各ブロックを動かす
のに必要なプログラムおよびデータを蓄えておくＲＯＭ
により構成され、各ブロックによりデータの読み出し／
書き込みがおこなわれる。
に応じて蓄えておくＲＡＭ、および各ブロックを動かす
のに必要なプログラムおよびデータを蓄えておくＲＯＭ
により構成され、各ブロックによりデータの読み出し／
書き込みがおこなわれる。
【００６５】サービス提供装置 サービス提供装置概略 サービス提供装置４は、ＯＡ機器の各部の駆動する機能
を有し、認識判断装置３で生成された各種判断結果を受
り取りそれに対応する自動応答によりサービスを具現化
する。また、必要があれば認識判断部に対して対象物体
に関するより詳しい情報を要求する。サービス提供装置
４は概念的な装置であり、その実現形態には幾つかの方
法が考えられる。特に、専用のハード・ウェアを用意す
ることを規定せず、ＯＡ機器の中央演算装置等によりソ
フト・ウェア的に機能を代行することの可能なサービス
についてはそのような方法で実現したほうがよい。
を有し、認識判断装置３で生成された各種判断結果を受
り取りそれに対応する自動応答によりサービスを具現化
する。また、必要があれば認識判断部に対して対象物体
に関するより詳しい情報を要求する。サービス提供装置
４は概念的な装置であり、その実現形態には幾つかの方
法が考えられる。特に、専用のハード・ウェアを用意す
ることを規定せず、ＯＡ機器の中央演算装置等によりソ
フト・ウェア的に機能を代行することの可能なサービス
についてはそのような方法で実現したほうがよい。
【００６６】人を対象としてサービス ＯＡ機器に近づく応答対象の物体（人）があり、その物
体がＯＡ機器を使用する旨の判断データが送られてきた
場合には、以下のようなサービスを実行する。 （１）ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇ
ｅｎｃｅ）余熱機能 （２）ＡＩ自動電源スイッチング機能 （３）ＡＩ圧板自動開閉機能 （４）ＡＩ自動割り込み機能 （５）高さ可変機能
体がＯＡ機器を使用する旨の判断データが送られてきた
場合には、以下のようなサービスを実行する。 （１）ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇ
ｅｎｃｅ）余熱機能 （２）ＡＩ自動電源スイッチング機能 （３）ＡＩ圧板自動開閉機能 （４）ＡＩ自動割り込み機能 （５）高さ可変機能
【００６７】また、ＯＡ機器を使用中だった人が操作を
終了しＯＡ機器を離れ、使用を終了した旨の判断データ
が送られてきた場合には、以下のようなサービスを実行
する （１）ＡＩ余熱機能 （２）ＡＩ自動電源スイッチング機能 （３）ＡＩ圧板自動開閉機能 （４）ＡＩ自動割り込み機能 （５）ＡＩオートリセット機能 （６）ＡＩ原稿・コピー忘れチェック機能
終了しＯＡ機器を離れ、使用を終了した旨の判断データ
が送られてきた場合には、以下のようなサービスを実行
する （１）ＡＩ余熱機能 （２）ＡＩ自動電源スイッチング機能 （３）ＡＩ圧板自動開閉機能 （４）ＡＩ自動割り込み機能 （５）ＡＩオートリセット機能 （６）ＡＩ原稿・コピー忘れチェック機能
【００６８】個人を対象としたサービス ＯＡ機器に近づく応答対象の物体（人）があり、個人の
ＩＤがデータとして送られてくる構成の装置について
は、以下のようなサービスを実行する。 （１）オペレーションパネルＡＩ自動設定機能 （２）ＡＩガイダンス機能 （３）管理機能 （４）ＡＩ自動割り込み機能 （５）ＡＩオートリセット機能 （６）メッセージ伝言機能
ＩＤがデータとして送られてくる構成の装置について
は、以下のようなサービスを実行する。 （１）オペレーションパネルＡＩ自動設定機能 （２）ＡＩガイダンス機能 （３）管理機能 （４）ＡＩ自動割り込み機能 （５）ＡＩオートリセット機能 （６）メッセージ伝言機能
【００６９】次に、画像データによる使用者認識／個人
認識について説明する。 使用者認識 前述の自動応答システムでは、センサとして赤外線セン
サなどの距離センサを使用した例をあげた。次に、距離
情報ではなく、画像データを処理することによって得ら
れる、対象物体（人物）が近づく際の体や顔の向きなど
の情報を基に、その人が「使用する人」であるのか、
「単なる通過者」であるのかを認識／判断する方法につ
いて説明する。距離センサを使用した場合の構成例であ
る図１、実装例である図２、認識判断装置の基本構成で
ある図３などは、以下に述べる画像データによる認識方
式での場合も全く同様である。但し、距離センサ２は、
ＣＣＤやＭＯＳ、撮像管などを使用した何らかの画像デ
ータ入力のためのセンサである必要がある。図３のパラ
メータ抽出部８では、画像データなどから必要な情報を
画像処理などによって抽出することになる。
認識について説明する。 使用者認識 前述の自動応答システムでは、センサとして赤外線セン
サなどの距離センサを使用した例をあげた。次に、距離
情報ではなく、画像データを処理することによって得ら
れる、対象物体（人物）が近づく際の体や顔の向きなど
の情報を基に、その人が「使用する人」であるのか、
「単なる通過者」であるのかを認識／判断する方法につ
いて説明する。距離センサを使用した場合の構成例であ
る図１、実装例である図２、認識判断装置の基本構成で
ある図３などは、以下に述べる画像データによる認識方
式での場合も全く同様である。但し、距離センサ２は、
ＣＣＤやＭＯＳ、撮像管などを使用した何らかの画像デ
ータ入力のためのセンサである必要がある。図３のパラ
メータ抽出部８では、画像データなどから必要な情報を
画像処理などによって抽出することになる。
【００７０】さて、本認識判断装置が付帯されている複
写機などの画像形成装置５を使用する為に近づいて来る
人の動作を考えてみよう。特に、障害物のない場合、通
常人は、使いたい装置に対して真っ直ぐに歩いてくると
考えてよい。つまり、使用したい装置に対して体の向き
を真っ直ぐにして近づいて来る。また、何らかの障害物
などがあったりして、真っ直ぐに近づいて来れない場合
でも、目標の装置の位置まで近づくまでに、その装置が
見える範囲に来れば、少なくとも何回かはその装置を直
視すると考えてよい。つまり、使用したい装置に対し
て、顔の向きが幾度となく真っ直ぐ向くことになる。こ
のような、人間が自然に振る舞う行動をルールとして蓄
えておき、画像処理などによりこれらの行動を抽出／判
定することにより、対象人物が「使用者」なのか単なる
「通過者」なのかを判断する。
写機などの画像形成装置５を使用する為に近づいて来る
人の動作を考えてみよう。特に、障害物のない場合、通
常人は、使いたい装置に対して真っ直ぐに歩いてくると
考えてよい。つまり、使用したい装置に対して体の向き
を真っ直ぐにして近づいて来る。また、何らかの障害物
などがあったりして、真っ直ぐに近づいて来れない場合
でも、目標の装置の位置まで近づくまでに、その装置が
見える範囲に来れば、少なくとも何回かはその装置を直
視すると考えてよい。つまり、使用したい装置に対し
て、顔の向きが幾度となく真っ直ぐ向くことになる。こ
のような、人間が自然に振る舞う行動をルールとして蓄
えておき、画像処理などによりこれらの行動を抽出／判
定することにより、対象人物が「使用者」なのか単なる
「通過者」なのかを判断する。
【００７１】以下、図２８を参照して具体的な判断の仕
方の簡単な例について説明する。撮影した画像データに
おいて、人物が撮影されているかをまず判断しなければ
ならない（ｓｔｅｐ１）。これには、例えば、誰も映っ
ていない画像データを保持しておき、撮影された画像デ
ータとの差分をとることなどにより可能となる。つま
り、現在撮影した画像データから背景部分を消去するこ
とにより、残った部分は、背景でない何らかの移動する
物体、つまり対象人物であることが分かる。
方の簡単な例について説明する。撮影した画像データに
おいて、人物が撮影されているかをまず判断しなければ
ならない（ｓｔｅｐ１）。これには、例えば、誰も映っ
ていない画像データを保持しておき、撮影された画像デ
ータとの差分をとることなどにより可能となる。つま
り、現在撮影した画像データから背景部分を消去するこ
とにより、残った部分は、背景でない何らかの移動する
物体、つまり対象人物であることが分かる。
【００７２】次に、対象人物の画像データにおいて、体
もしくは顔の向きを検知しなければならない（ｓｔｅｐ
２）。検知と言っても、こちらを向いているか否かを判
断すればよい。非常に単純な例としては、撮影された人
物の体もしくは顔の向きがこちらを向いていれば使用者
として判断してもよい。しかし、通常唯一度だけこちら
を向いていたからといって、単純には判断しがたい。つ
まり、これだけでは十分な精度は得られない。そこで、
例えば、カウンタを設け、こちらを向いていたと観測さ
れる回数をそのカウンタによって記憶しておき、あらか
じめ設定しておいた回数分だけ観測されたときに「使用
者」であると判断しても良い。
もしくは顔の向きを検知しなければならない（ｓｔｅｐ
２）。検知と言っても、こちらを向いているか否かを判
断すればよい。非常に単純な例としては、撮影された人
物の体もしくは顔の向きがこちらを向いていれば使用者
として判断してもよい。しかし、通常唯一度だけこちら
を向いていたからといって、単純には判断しがたい。つ
まり、これだけでは十分な精度は得られない。そこで、
例えば、カウンタを設け、こちらを向いていたと観測さ
れる回数をそのカウンタによって記憶しておき、あらか
じめ設定しておいた回数分だけ観測されたときに「使用
者」であると判断しても良い。
【００７３】また、向きをｙｅｓ／ｎｏではなく、例え
ば、角度数等によって数値化して観測し、そのデータ列
によって判断してもよい。この場合、あらかじめ「使用
者」のデータ列パターンを記憶しておき、その記憶して
おいた表を参照することにより判断してもよいし、時間
と向きをパラメータとして適度な重みパラメータを付加
した評価関数によって判断してもよいし、「使用者」の
行動パターンを自然言語的なルール（例えば、短時間に
何回もこちらを向いたら、使用者である。等）によって
記述しておき、ファジィ推論によって判断してもよい
し、あらかじめ「使用者」の行動パターンをニューラル
ネットワークに記憶させ、観測されたデータ列を入力と
してニューラルネットワークから「使用者」であるか否
かを出力させるようにしてもよい。
ば、角度数等によって数値化して観測し、そのデータ列
によって判断してもよい。この場合、あらかじめ「使用
者」のデータ列パターンを記憶しておき、その記憶して
おいた表を参照することにより判断してもよいし、時間
と向きをパラメータとして適度な重みパラメータを付加
した評価関数によって判断してもよいし、「使用者」の
行動パターンを自然言語的なルール（例えば、短時間に
何回もこちらを向いたら、使用者である。等）によって
記述しておき、ファジィ推論によって判断してもよい
し、あらかじめ「使用者」の行動パターンをニューラル
ネットワークに記憶させ、観測されたデータ列を入力と
してニューラルネットワークから「使用者」であるか否
かを出力させるようにしてもよい。
【００７４】また、本認識処理を実施するための構成
は、基本的には、前述のものと特に大きくは変わりはな
いが、図１における距離センサ２は、ＣＣＤなどの画像
入力センサに変わる。また、近づいて来る対象物体（対
象人物）が撮影された画像データは、図３のパラメータ
抽出部８で処理される。ここで抽出すべき特徴量（デー
タ／情報）は、先に述べた対象人物の顔又は体の向きで
ある。また、認識判断部９では、先に述べた表参照や、
評価関数、ファジィ推論、ニューラルネットワークなど
により判断処理を行うことになる。
は、基本的には、前述のものと特に大きくは変わりはな
いが、図１における距離センサ２は、ＣＣＤなどの画像
入力センサに変わる。また、近づいて来る対象物体（対
象人物）が撮影された画像データは、図３のパラメータ
抽出部８で処理される。ここで抽出すべき特徴量（デー
タ／情報）は、先に述べた対象人物の顔又は体の向きで
ある。また、認識判断部９では、先に述べた表参照や、
評価関数、ファジィ推論、ニューラルネットワークなど
により判断処理を行うことになる。
【００７５】個人認識 人物である対象物体を特定の個人であることを認識する
ことを、個人識認と呼ぶ。個人認識においては、更に大
きな２つの認識に分けられる。一つは、あらかじめ登録
されている個人を特定するという認識（既個人特定化識
別）と、もう一つは、特に個人を登録しておくのではな
く、ある時点で観測された対象人物に対し、同じ人であ
るか否かを認識（逐次同一人物判別）するものである。
前述の自動応答システムでは、センサとして対象物体の
位置を計測するために、距離センサを具備する例を示
し、その一具体例として赤外線や超音波センサなどを挙
げて説明した。ここでは、対象人物の個人認識に関する
例を示すが、この場合センサの具体例としては、ＣＣＤ
などによる画像入力後、画像データを処理する例を中心
として述べる。
ことを、個人識認と呼ぶ。個人認識においては、更に大
きな２つの認識に分けられる。一つは、あらかじめ登録
されている個人を特定するという認識（既個人特定化識
別）と、もう一つは、特に個人を登録しておくのではな
く、ある時点で観測された対象人物に対し、同じ人であ
るか否かを認識（逐次同一人物判別）するものである。
前述の自動応答システムでは、センサとして対象物体の
位置を計測するために、距離センサを具備する例を示
し、その一具体例として赤外線や超音波センサなどを挙
げて説明した。ここでは、対象人物の個人認識に関する
例を示すが、この場合センサの具体例としては、ＣＣＤ
などによる画像入力後、画像データを処理する例を中心
として述べる。
【００７６】この場合、図１に示された認識判断装置３
において個人認識を行い、距離センサ２は画像データが
入力できるセンサとなるだけで、基本的な構成は何ら変
わらない。以下では、説明を簡単にするために一つの画
像入力センサを例として説明するが、図１、図２などで
示したのと同様に複数のセンサを設けても良い。なお、
センサとしてＣＣＤなどの画像入力装置を用いても、前
述の自動応答システムで説明した対象物体までの位置を
観測することは、現在の画像処理技術をもってすればな
んら問題なく可能である（［「ロボット」ｂｉｔ増刊、
ｐｐ７１１／７２４，１９７６年７月号］，［「立体
視」日本ロボット学会誌，Ｖｏｌ．１，ｐｐ３０／３
５，１９８３］など参照）。つまり、画像入力センサ
は、距離センサの一具体例に過ぎず、例えば、１台の固
定されたセンサから撮影された画像データから対象物体
の位置を求めるには、対象人物の足の位置の画像データ
座標を抽出し、実世界の座標データにマッピングすれば
よいし、センサが複数台ある場合は、三角測量の原理を
応用（両眼立体視法）すれば対象物体までの位置を観測
できる。よって、センサが前述の赤外線センサなどから
画像センサに変わったとしても、前述までの処理は同様
に可能であるばかりか、以降に説明する個人認識におい
ても有用なセンサとなる。
において個人認識を行い、距離センサ２は画像データが
入力できるセンサとなるだけで、基本的な構成は何ら変
わらない。以下では、説明を簡単にするために一つの画
像入力センサを例として説明するが、図１、図２などで
示したのと同様に複数のセンサを設けても良い。なお、
センサとしてＣＣＤなどの画像入力装置を用いても、前
述の自動応答システムで説明した対象物体までの位置を
観測することは、現在の画像処理技術をもってすればな
んら問題なく可能である（［「ロボット」ｂｉｔ増刊、
ｐｐ７１１／７２４，１９７６年７月号］，［「立体
視」日本ロボット学会誌，Ｖｏｌ．１，ｐｐ３０／３
５，１９８３］など参照）。つまり、画像入力センサ
は、距離センサの一具体例に過ぎず、例えば、１台の固
定されたセンサから撮影された画像データから対象物体
の位置を求めるには、対象人物の足の位置の画像データ
座標を抽出し、実世界の座標データにマッピングすれば
よいし、センサが複数台ある場合は、三角測量の原理を
応用（両眼立体視法）すれば対象物体までの位置を観測
できる。よって、センサが前述の赤外線センサなどから
画像センサに変わったとしても、前述までの処理は同様
に可能であるばかりか、以降に説明する個人認識におい
ても有用なセンサとなる。
【００７７】既個人特定化識別 画像データから、既に登録されている個人を特定化す
る、既個人特定化識別についてその処理方法を述べる。
識別技術は古くから存在し、例えば、文字認識などで実
用化されている。既個人特定化識別においても、同様の
技術／原理で行える。原理を簡単に説明すると、あらか
じめ辞書と呼ばれる特定化すべきものの特徴について記
述したものを用意し、観測された入力データの特徴を抽
出し、辞書各内容と比較して、最も特徴が合致している
ものを、特定されたものとするわけである。また、この
ような識別論的なアプローチのほかにも、表参照方式、
評価関数方式、確信度計算方式、ファジィ推論方式、ニ
ューラルネット方式なども知られている。
る、既個人特定化識別についてその処理方法を述べる。
識別技術は古くから存在し、例えば、文字認識などで実
用化されている。既個人特定化識別においても、同様の
技術／原理で行える。原理を簡単に説明すると、あらか
じめ辞書と呼ばれる特定化すべきものの特徴について記
述したものを用意し、観測された入力データの特徴を抽
出し、辞書各内容と比較して、最も特徴が合致している
ものを、特定されたものとするわけである。また、この
ような識別論的なアプローチのほかにも、表参照方式、
評価関数方式、確信度計算方式、ファジィ推論方式、ニ
ューラルネット方式なども知られている。
【００７８】個人を識別するためのデータとして、あら
かじめ登録しておなかければいけない個人に関する情報
つまり特徴は、画像処理などによって得られる特徴であ
れば何でもよいが、個人を見分けるのに良いものでなけ
ればならない。例えば、身長、体重（体積）、性別、体
や顔の大きさや形、眼鏡の有無などが考えられる。身長
は画像データより頭から爪先までの画素数を実際の長さ
に変換することにより得られる。これは対象物体までの
距離がわかっているはずなので、変換は容易である。頭
および爪先を見つけだすことは、２値化やフィルター処
理などの通常の画像処理技術や知識工学をもってすれば
実現可能である。性別は、髪の毛の形状や、覆き物、化
粧の有無、などを画像処理により得ることにより判別可
能である。画像データによって個人を特定するのに有効
とされ、よく用いられているのは、顔の特徴である。例
えば、目の離れ具合、目の形、顎の輪郭、などのよう
に、各部品間の関係や個々の部品の形状などがよく使用
される。
かじめ登録しておなかければいけない個人に関する情報
つまり特徴は、画像処理などによって得られる特徴であ
れば何でもよいが、個人を見分けるのに良いものでなけ
ればならない。例えば、身長、体重（体積）、性別、体
や顔の大きさや形、眼鏡の有無などが考えられる。身長
は画像データより頭から爪先までの画素数を実際の長さ
に変換することにより得られる。これは対象物体までの
距離がわかっているはずなので、変換は容易である。頭
および爪先を見つけだすことは、２値化やフィルター処
理などの通常の画像処理技術や知識工学をもってすれば
実現可能である。性別は、髪の毛の形状や、覆き物、化
粧の有無、などを画像処理により得ることにより判別可
能である。画像データによって個人を特定するのに有効
とされ、よく用いられているのは、顔の特徴である。例
えば、目の離れ具合、目の形、顎の輪郭、などのよう
に、各部品間の関係や個々の部品の形状などがよく使用
される。
【００７９】この既個人特定化識別の個人認識により、
ユーザの操作性を向上したり、装置の管理を省力化する
ことなどを実現することが可能となる。例えば、複写機
などの画像形成装置にこの個人認識装置を付けた場合、
オペレーションパネルＡＩ自動設定機能、ＡＩガイダン
ス機能、ＡＩ自動割り込みなどを実現することが可能と
なる。
ユーザの操作性を向上したり、装置の管理を省力化する
ことなどを実現することが可能となる。例えば、複写機
などの画像形成装置にこの個人認識装置を付けた場合、
オペレーションパネルＡＩ自動設定機能、ＡＩガイダン
ス機能、ＡＩ自動割り込みなどを実現することが可能と
なる。
【００８０】逐次同一人物判別 次に、前述のように、あらかじめ個人を登録しておくの
ではなく、ある時点で観測された対象人物に対し、同じ
人であるか否かの認識である、逐次同一人物判別につい
て述べる。これは、ある時点で観測された対象人物の特
徴を記憶しておき、別の時点で観測された対象人物の特
徴と一致しているかどうかを判定して、同一人物である
かどうかを判別／認識するもので、あらかじめ特定した
い個人の特徴などを含む情報を辞書として登録しておく
必要がない代わりに、例えば、観測された人の名前など
の人為的に誰かが装置に入力してやらなければ分からな
い情報は得ることはできない。逐次同一人物判別を行う
ための方法は、基本的には既個人特定化識別における方
法と大きくは違わない。個人識別では、観測／抽出され
た特徴をもとに、これをあらかじめ辞書に記述しておい
た各個人の特徴を比較するものであったが、逐次同一人
物判定では、ある以前の時点で直接観測された特徴とを
比較する点が違う。同一人物判定において、ある時点で
観測された対象人物の特徴は、辞書として記憶してお
き、後に観測された人物の特徴と比較する際に使用され
るが、直前の観測物体のみを辞書に記億しても、複数記
憶できるようにしておいても良い。
ではなく、ある時点で観測された対象人物に対し、同じ
人であるか否かの認識である、逐次同一人物判別につい
て述べる。これは、ある時点で観測された対象人物の特
徴を記憶しておき、別の時点で観測された対象人物の特
徴と一致しているかどうかを判定して、同一人物である
かどうかを判別／認識するもので、あらかじめ特定した
い個人の特徴などを含む情報を辞書として登録しておく
必要がない代わりに、例えば、観測された人の名前など
の人為的に誰かが装置に入力してやらなければ分からな
い情報は得ることはできない。逐次同一人物判別を行う
ための方法は、基本的には既個人特定化識別における方
法と大きくは違わない。個人識別では、観測／抽出され
た特徴をもとに、これをあらかじめ辞書に記述しておい
た各個人の特徴を比較するものであったが、逐次同一人
物判定では、ある以前の時点で直接観測された特徴とを
比較する点が違う。同一人物判定において、ある時点で
観測された対象人物の特徴は、辞書として記憶してお
き、後に観測された人物の特徴と比較する際に使用され
るが、直前の観測物体のみを辞書に記億しても、複数記
憶できるようにしておいても良い。
【００８１】逐次同一人物判別が可能になることによ
り、例えば、装置の使用者が代わったことが分かるの
で、その時点で「使用中／使い終わった」を区別するこ
とができる。同一人物と判別される人が来た場合、それ
がある一定時間内であれば、「使用中」であると認識で
きるし、同一人物でない人がやって来れば、前の人は使
い終わったと認識できる。また、この装置が例えば複写
機であれば各パラメータを自動的にリセット（ＡＩオー
トリセット機能）して次の使用者の誤操作を防ぐことな
どが可能となる。また、ＡＩ自動割り込み機能も個人ま
で特定できなくても、本認識により可能となる。また、
逐次同一人物判別における特徴を観測するためのセンサ
は、特にＣＣＤに限られるわけではない。例えば、色セ
ンサや体重計、音センサなどの人物の特徴を測定できる
ものであれば何でもよい。また、先に説明したＣＣＤ等
による画像入力センサのように単独で判別可能なセンサ
もあるが、単独では判別が困難なセンサでも、複合して
用いることにより、より高い精度で判別が可能となる。
この場合の構成は、図１にある距離センサ２と並列にこ
れらのセンサを連結させれば良いだけである。
り、例えば、装置の使用者が代わったことが分かるの
で、その時点で「使用中／使い終わった」を区別するこ
とができる。同一人物と判別される人が来た場合、それ
がある一定時間内であれば、「使用中」であると認識で
きるし、同一人物でない人がやって来れば、前の人は使
い終わったと認識できる。また、この装置が例えば複写
機であれば各パラメータを自動的にリセット（ＡＩオー
トリセット機能）して次の使用者の誤操作を防ぐことな
どが可能となる。また、ＡＩ自動割り込み機能も個人ま
で特定できなくても、本認識により可能となる。また、
逐次同一人物判別における特徴を観測するためのセンサ
は、特にＣＣＤに限られるわけではない。例えば、色セ
ンサや体重計、音センサなどの人物の特徴を測定できる
ものであれば何でもよい。また、先に説明したＣＣＤ等
による画像入力センサのように単独で判別可能なセンサ
もあるが、単独では判別が困難なセンサでも、複合して
用いることにより、より高い精度で判別が可能となる。
この場合の構成は、図１にある距離センサ２と並列にこ
れらのセンサを連結させれば良いだけである。
【００８２】認識判断用パラメータの処理方法： あらかじめ定められた測定検出エリアの初期条件設定方
式 近づいて来る人が、本認識装置が付帯してあるシステム
（装置）を操作するために来た人なのか、単なる通り掛
かりの人なのかを判断する際において、システムが設定
されている状況によって判断を早期にもしくはより確実
にするために、周囲の状況を認識し、記憶しておくこと
が望ましい。ここで言う、「状況」というのは、例え
ば、周囲の壁などの障害物の場所のことである。例え
ば、行き止まりの廊下の一番奥にシステムが設置されて
いるような状態の場合、殆どの場合システムに近づいて
来る人は使用する人であると考えられる。ここでは、
「行き止まりの廊下の一番奥にシステムが設置されてい
る」というような状況を自動的に認識する方法について
述べる。検出したい情報は、人間にとって歩行するのに
制止／障害となる、例えば、壁などの固定された物体で
ある。これらの物体をあるタイミングで見つければ良
い。これには、例えば、本認識装置が付帯されているシ
ステムを設置するサービスマンやユーザなどが、何らか
の方法により直接システムに入力してやることも可能で
あるが、レイアウトの変更などのたびにいちいち入力／
設定し直さなければならず、面倒である。ここでは、こ
れらを自動的に認識していく方法を述べる。
式 近づいて来る人が、本認識装置が付帯してあるシステム
（装置）を操作するために来た人なのか、単なる通り掛
かりの人なのかを判断する際において、システムが設定
されている状況によって判断を早期にもしくはより確実
にするために、周囲の状況を認識し、記憶しておくこと
が望ましい。ここで言う、「状況」というのは、例え
ば、周囲の壁などの障害物の場所のことである。例え
ば、行き止まりの廊下の一番奥にシステムが設置されて
いるような状態の場合、殆どの場合システムに近づいて
来る人は使用する人であると考えられる。ここでは、
「行き止まりの廊下の一番奥にシステムが設置されてい
る」というような状況を自動的に認識する方法について
述べる。検出したい情報は、人間にとって歩行するのに
制止／障害となる、例えば、壁などの固定された物体で
ある。これらの物体をあるタイミングで見つければ良
い。これには、例えば、本認識装置が付帯されているシ
ステムを設置するサービスマンやユーザなどが、何らか
の方法により直接システムに入力してやることも可能で
あるが、レイアウトの変更などのたびにいちいち入力／
設定し直さなければならず、面倒である。ここでは、こ
れらを自動的に認識していく方法を述べる。
【００８３】前述の認識装置で記したセンサなどによ
り、測定可能な検出エリアにおいて、初期条件となる障
害物などのデータ（エリアデータ）を認識するために
は、以下の（ａ），（ｂ），（ｃ）の３つが考えられ
る。 （ａ）電源投入から所定時間経過後に検出される検出値
からエリアデータを記憶（規則的な受光・受信データに
基づく制止障害物データ） 電源が投入された時点から、あらかじめ定めておいた所
定時間後にセンサを起動させ、センサにより何らかの物
体が検出された場所を、固定物体（障害物）であると認
識して、記憶しておく方法である。電源が投入された直
後では、電源を投入した人がその傍におり、これを固定
物体であると認識してしまう可能性がある。そこで、電
源が投入され、しばらくした後（例えば１分後）にセン
サを起動させ、何らかを検知した場所を固定物体として
認識し、記憶する。
り、測定可能な検出エリアにおいて、初期条件となる障
害物などのデータ（エリアデータ）を認識するために
は、以下の（ａ），（ｂ），（ｃ）の３つが考えられ
る。 （ａ）電源投入から所定時間経過後に検出される検出値
からエリアデータを記憶（規則的な受光・受信データに
基づく制止障害物データ） 電源が投入された時点から、あらかじめ定めておいた所
定時間後にセンサを起動させ、センサにより何らかの物
体が検出された場所を、固定物体（障害物）であると認
識して、記憶しておく方法である。電源が投入された直
後では、電源を投入した人がその傍におり、これを固定
物体であると認識してしまう可能性がある。そこで、電
源が投入され、しばらくした後（例えば１分後）にセン
サを起動させ、何らかを検知した場所を固定物体として
認識し、記憶する。
【００８４】実施例の一つとして、前述のセンサによ
り、初期条件の設定を行う場合を説明する。図１及び図
２には、本認識装置が付帯してあるシステム（ＯＡ機器
１または画像形成装置５）とセンサ２の構成が示されて
いる。ここでは、システムに複数の各方向に対してセン
サを向けて取付けてある。このシステムがユーザにより
電源を投入された場合、例えば、本認識装置の電源がそ
のシステムの電源と共有されているなどして、電源が投
入されたタイミングが何らかの手段により容易に分かる
ので、本認識装置などにタイマーを設置しておき、さら
かじめ設定された所定の時間、例えば、１分後に各セン
サが起動し、所定の測定を行わせる。これらセンサは、
少なくとも何らかの物体が、どの方向にどの位の距離に
あるかを測定できるものであり、例えば、図４及び図５
のような場合、何らかの物体が観測された方向と距離の
組合せで示され、〜○１３、○１５〜○１９の所に、
障害物があるものとして認識し、これを記憶しておく。
り、初期条件の設定を行う場合を説明する。図１及び図
２には、本認識装置が付帯してあるシステム（ＯＡ機器
１または画像形成装置５）とセンサ２の構成が示されて
いる。ここでは、システムに複数の各方向に対してセン
サを向けて取付けてある。このシステムがユーザにより
電源を投入された場合、例えば、本認識装置の電源がそ
のシステムの電源と共有されているなどして、電源が投
入されたタイミングが何らかの手段により容易に分かる
ので、本認識装置などにタイマーを設置しておき、さら
かじめ設定された所定の時間、例えば、１分後に各セン
サが起動し、所定の測定を行わせる。これらセンサは、
少なくとも何らかの物体が、どの方向にどの位の距離に
あるかを測定できるものであり、例えば、図４及び図５
のような場合、何らかの物体が観測された方向と距離の
組合せで示され、〜○１３、○１５〜○１９の所に、
障害物があるものとして認識し、これを記憶しておく。
【００８５】（ｂ）電源投入から所定タイミング毎に検
出される検出値からエリアデータを所定タイミング毎に
記憶更新 電源が投入された時点から、あらかじめ定めておいた所
定時間毎にセンサを起動させ、前回に測定した際のセン
サの検知状況と今回の検知状況を比較して、固定物体が
どこにあるかを認識し、記憶更新する方法である。固定
物体は、レイアウト変更などによる状況の変化が人為的
に起こされない場合以外、センサによる検知を何度行っ
ても同じ場所に検知されるはずである。一方、たまたま
近くにいた人など、本来は障害物ではない場合には、最
初はセンサにより観測されるが、次の測定時には既にそ
こを去り、観測されないはずである。よって、例えば、
５分毎にセンサから検知状況を得て、過去の検知状況を
覚えておき、いつも同じ場所に検知されるものは、固定
物体であると認識する方法である。所定のタイミング
は、常時つまり最小限の間隔で観測をしなくてもよい。
但し、単にエリアデータを取得するのみであるならば、
常時観測する必要は特になく、ある程度の間隔をおいて
測定すればよい。例えば、常時何らかの判断をするため
にセンサを起動させているのであれば、それを流用し、
常時エリアデータを更新していけば、より確実である
が、他に特に常時観測しておく必要がなければ、ある程
度の間隔をおいて測定したほうが、省電力の効果が得ら
れる。
出される検出値からエリアデータを所定タイミング毎に
記憶更新 電源が投入された時点から、あらかじめ定めておいた所
定時間毎にセンサを起動させ、前回に測定した際のセン
サの検知状況と今回の検知状況を比較して、固定物体が
どこにあるかを認識し、記憶更新する方法である。固定
物体は、レイアウト変更などによる状況の変化が人為的
に起こされない場合以外、センサによる検知を何度行っ
ても同じ場所に検知されるはずである。一方、たまたま
近くにいた人など、本来は障害物ではない場合には、最
初はセンサにより観測されるが、次の測定時には既にそ
こを去り、観測されないはずである。よって、例えば、
５分毎にセンサから検知状況を得て、過去の検知状況を
覚えておき、いつも同じ場所に検知されるものは、固定
物体であると認識する方法である。所定のタイミング
は、常時つまり最小限の間隔で観測をしなくてもよい。
但し、単にエリアデータを取得するのみであるならば、
常時観測する必要は特になく、ある程度の間隔をおいて
測定すればよい。例えば、常時何らかの判断をするため
にセンサを起動させているのであれば、それを流用し、
常時エリアデータを更新していけば、より確実である
が、他に特に常時観測しておく必要がなければ、ある程
度の間隔をおいて測定したほうが、省電力の効果が得ら
れる。
【００８６】この方法を実現するにあたっては、過去の
検知状況は、少なくとも１回は記憶しておく必要があ
る。しかし、複数回を記憶しておいてもよく、この方が
認識精度は高まる反面コストが高くなる。過去の検知状
況を１回のみ記憶しておく場合、記憶しておいた以前の
検知状況が、例えば、θ＝１５度、距離＝３ｍとθ＝８
０度、距離＝２ｍの所であったとし、所定時間後である
今回測定した検知状況では、３０度、４ｍと８０度、２
ｍであったなら、同じ所に検知された８０度、２ｍの部
分には何らかの固定物体（障害物）があると認識／判断
する。そして、過去の検知状況として３０度、４ｍと；
８０度、２ｍを記憶しておく。
検知状況は、少なくとも１回は記憶しておく必要があ
る。しかし、複数回を記憶しておいてもよく、この方が
認識精度は高まる反面コストが高くなる。過去の検知状
況を１回のみ記憶しておく場合、記憶しておいた以前の
検知状況が、例えば、θ＝１５度、距離＝３ｍとθ＝８
０度、距離＝２ｍの所であったとし、所定時間後である
今回測定した検知状況では、３０度、４ｍと８０度、２
ｍであったなら、同じ所に検知された８０度、２ｍの部
分には何らかの固定物体（障害物）があると認識／判断
する。そして、過去の検知状況として３０度、４ｍと；
８０度、２ｍを記憶しておく。
【００８７】また、複数回の検知状況を記憶しておく場
合も、ほぼ同様に判断をすれば良い。例えば、５回分の
状況を記憶しておく場合、最近３回以上連続で同じ場所
に検知された所には、確実に固定物体があると判断し、
連続ではないが、今回測定分を含め６回の検知状況で４
回以上検知された場所には障害物となりえるものがある
と判断する。このようにすることにより、より正確に障
害物であるか否かがわかることになる。これにより、壁
などの本当に静止物体である物以外にも、例えば、本認
識装置が付帯されたシステムの近くに、例えば、ワープ
ロなどが設置されており、そのワープロを使用する人間
がセンサに検知される場合、つまり、本来は移動物体な
どではあるが何らかの都合により一時的にシステムにと
っての障害物となる場合などにも対処でき、正しい設置
環境つまり初期条件を得ることができる。
合も、ほぼ同様に判断をすれば良い。例えば、５回分の
状況を記憶しておく場合、最近３回以上連続で同じ場所
に検知された所には、確実に固定物体があると判断し、
連続ではないが、今回測定分を含め６回の検知状況で４
回以上検知された場所には障害物となりえるものがある
と判断する。このようにすることにより、より正確に障
害物であるか否かがわかることになる。これにより、壁
などの本当に静止物体である物以外にも、例えば、本認
識装置が付帯されたシステムの近くに、例えば、ワープ
ロなどが設置されており、そのワープロを使用する人間
がセンサに検知される場合、つまり、本来は移動物体な
どではあるが何らかの都合により一時的にシステムにと
っての障害物となる場合などにも対処でき、正しい設置
環境つまり初期条件を得ることができる。
【００８８】（ｃ）所定条件の時に検出される検出値か
らのエリアデータを記憶（所定条件毎にエリアデータ記
憶更新） エリアデータを認識するタイミングを所定の条件が満た
されたときに限って行う方法である。所定の条件とは、
基本的に周りに人がいない状況のことである。センサ自
体は一定もしくは不定期に起動させておいてもよいが、
エリアデータを認識すべきなのかどうかを所定の条件と
照らし合せて認識を行い、記憶しておく。所定条件とし
ては、以下のような４つの場合が考えられる。
らのエリアデータを記憶（所定条件毎にエリアデータ記
憶更新） エリアデータを認識するタイミングを所定の条件が満た
されたときに限って行う方法である。所定の条件とは、
基本的に周りに人がいない状況のことである。センサ自
体は一定もしくは不定期に起動させておいてもよいが、
エリアデータを認識すべきなのかどうかを所定の条件と
照らし合せて認識を行い、記憶しておく。所定条件とし
ては、以下のような４つの場合が考えられる。
【００８９】（ｉ）非使用時 本認識装置が付帯されているシステムが稼働していな
い、つまり誰も使っていないときに測定／認識を行う。
システムが稼働していない時には、基本的に近くに人が
いないと考えられる。つまりその時点で測定すれば、何
らか検知された場所に障害物があると判断してもよい。
この場合、一回の測定で、その時に何らか検知された場
所を障害物であると認識しても良いし、何回か測定し
て、多数検知された場所を障害物であるとしてもよい。
い、つまり誰も使っていないときに測定／認識を行う。
システムが稼働していない時には、基本的に近くに人が
いないと考えられる。つまりその時点で測定すれば、何
らか検知された場所に障害物があると判断してもよい。
この場合、一回の測定で、その時に何らか検知された場
所を障害物であると認識しても良いし、何回か測定し
て、多数検知された場所を障害物であるとしてもよい。
【００９０】（ｉｉ）人がいない夜間：タイマー 通常のオフィスなどでは、夜間は人がいない。よって、
この時に測定／認識を行う。夜間などの人のいない時間
にタイマーなどによりセンサを起動させ、何らかの物体
が検知されたならば、それは壁などの障害物であること
が想定される。また、タイマーのみではなく、照明の明
るさなどによって、人がいない状態であることをより確
実に判断することも可能である。例えば、具体的な時間
の設定としては、デフォルトで夜中の３時、変更したい
場合はユーザにより行えるようにしておいても良いし、
別の用途でシステムに組み込まれているＯＮ／ＯＦＦタ
イマと連動させ、ＯＦＦ時、もしくはＯＦＦされる直
前、自動的にＯＮされた直後などに設定しても良い。こ
の場合、最低限一回の測定でよく、その時に何らか検知
された場所を障害物であると識別しても良いし、念のた
め人のいない夜間などの時間の間に、何回か測定して、
多数検知された場所を障害物であるとしてもよい。
この時に測定／認識を行う。夜間などの人のいない時間
にタイマーなどによりセンサを起動させ、何らかの物体
が検知されたならば、それは壁などの障害物であること
が想定される。また、タイマーのみではなく、照明の明
るさなどによって、人がいない状態であることをより確
実に判断することも可能である。例えば、具体的な時間
の設定としては、デフォルトで夜中の３時、変更したい
場合はユーザにより行えるようにしておいても良いし、
別の用途でシステムに組み込まれているＯＮ／ＯＦＦタ
イマと連動させ、ＯＦＦ時、もしくはＯＦＦされる直
前、自動的にＯＮされた直後などに設定しても良い。こ
の場合、最低限一回の測定でよく、その時に何らか検知
された場所を障害物であると識別しても良いし、念のた
め人のいない夜間などの時間の間に、何回か測定して、
多数検知された場所を障害物であるとしてもよい。
【００９１】（ｉｉｉ）休日：ウィークリータイマー 通常のオフィスでは、休日には人がいない。よって、こ
の時に測定／認識を行う。日曜日など、人のいない日に
カレンダー（ウィークリータイマー）などによりセンサ
を起動させ、何らかの物体が検知されたならば、それは
壁などの障害物であると想定される。具体的な時間の設
定は、デフォルトで日曜日、変更したい場合はユーザに
より行えるようにしておいても良い。この場合、最低一
回の測定でもよく、その時に何らか検知された場所を障
害物であると認識しても良いし、何回か測定して、多数
検知された場所を障害物であるとしてもよい。
の時に測定／認識を行う。日曜日など、人のいない日に
カレンダー（ウィークリータイマー）などによりセンサ
を起動させ、何らかの物体が検知されたならば、それは
壁などの障害物であると想定される。具体的な時間の設
定は、デフォルトで日曜日、変更したい場合はユーザに
より行えるようにしておいても良い。この場合、最低一
回の測定でもよく、その時に何らか検知された場所を障
害物であると認識しても良いし、何回か測定して、多数
検知された場所を障害物であるとしてもよい。
【００９２】（ｉｖ）初期条件設定手段ＯＮ ここでは初期条件設定のための手段をユーザに閉放する
ものであり、例えば、「初構条件設定ボタン」のような
操作ボタンを装置に付けておき、サービスマンやユーザ
／管理者などがレイアウトなど決定して、初期条件を設
定すべきであると判断したときに、明示的にこのボタン
を押してもらうことによって、初期条件を認識／設定す
る方法である。しかし、ボタンを押した直後では、押し
た人が装置の目の前にいるので、カメラなどによく使用
されているセルフタイマーのように、数秒後に設定され
るようにあらかじめ設定しておき、その間にボタンの操
作者はセンサの検知範囲外に退避してもらうようにすれ
ばよい。また、赤外線リモコンなどを使用して、離れた
場所から本手段を動作させられるようにしておいてもよ
い。
ものであり、例えば、「初構条件設定ボタン」のような
操作ボタンを装置に付けておき、サービスマンやユーザ
／管理者などがレイアウトなど決定して、初期条件を設
定すべきであると判断したときに、明示的にこのボタン
を押してもらうことによって、初期条件を認識／設定す
る方法である。しかし、ボタンを押した直後では、押し
た人が装置の目の前にいるので、カメラなどによく使用
されているセルフタイマーのように、数秒後に設定され
るようにあらかじめ設定しておき、その間にボタンの操
作者はセンサの検知範囲外に退避してもらうようにすれ
ばよい。また、赤外線リモコンなどを使用して、離れた
場所から本手段を動作させられるようにしておいてもよ
い。
【００９３】次に、マシン設置環境による「使う／使わ
ない」又は「使用中／使い終わった」の早期識認の仕方
について説明する。初期条件設定に基づくマシン設置環
境データ（エリアデータ）からマシン（装置）が隅に設
置されたと認識したならば、設定されている検出測定エ
リア内に測定対象物体（移動物体）が進入しただけで
「使う」ものと認識することができる。すなわち、マシ
ンの設置環境により、単純に人が来ればその人は必ず使
う人である場合が考えられる。例えば、行き止まりの通
路の一番奥にマシンを設置した場合、近くに来る人は使
う人であると考えてよい。
ない」又は「使用中／使い終わった」の早期識認の仕方
について説明する。初期条件設定に基づくマシン設置環
境データ（エリアデータ）からマシン（装置）が隅に設
置されたと認識したならば、設定されている検出測定エ
リア内に測定対象物体（移動物体）が進入しただけで
「使う」ものと認識することができる。すなわち、マシ
ンの設置環境により、単純に人が来ればその人は必ず使
う人である場合が考えられる。例えば、行き止まりの通
路の一番奥にマシンを設置した場合、近くに来る人は使
う人であると考えてよい。
【００９４】マシンの設置環境（エリアデータ）は、前
述の方法により得ることが可能であり、この時、基本的
にはマシンの前を人が物理的に通過／行き過ぎることが
できるかどうかが問題となり、エリアデータよりこれを
判断していて、物理的に人がマシンの前を通過して行っ
てしまうことが不可能な場合には、単純に距離センサな
どにより、人が近くにいるかどうかを見て、近くに来た
ならばその人は「使う人」と判断する。また、もしセン
サを多方向に向けた複数を具備しているような構成にし
た場合、障害物として判断された方角を測定するセンサ
に限っては、動作させないようにして、省電力を図れる
という効果もある。
述の方法により得ることが可能であり、この時、基本的
にはマシンの前を人が物理的に通過／行き過ぎることが
できるかどうかが問題となり、エリアデータよりこれを
判断していて、物理的に人がマシンの前を通過して行っ
てしまうことが不可能な場合には、単純に距離センサな
どにより、人が近くにいるかどうかを見て、近くに来た
ならばその人は「使う人」と判断する。また、もしセン
サを多方向に向けた複数を具備しているような構成にし
た場合、障害物として判断された方角を測定するセンサ
に限っては、動作させないようにして、省電力を図れる
という効果もある。
【００９５】近づく人の殆どが「使う人」であると判断
できる条件である、マシンの前を人が物理的に通過／行
き過ぎることができないような状況とは、マシンが行き
止まりの地点に設置されている場合である。マシンが行
き止まりにあるという状況は、例えば、行き止まりの通
路の奥や、２面が壁でその角に置かれているような場合
が考えられる。マシンの正面のみが通行可能であるか、
もしくは、横（右又は左）などの方向だけが通行可能で
あるような場合、このような認識／判断を行う。このよ
うなことにより、設置環境に一定の制約はあるが、特に
難しいことがなく、早期で確実に簡単に、「使う人」の
判断が可能となる。
できる条件である、マシンの前を人が物理的に通過／行
き過ぎることができないような状況とは、マシンが行き
止まりの地点に設置されている場合である。マシンが行
き止まりにあるという状況は、例えば、行き止まりの通
路の奥や、２面が壁でその角に置かれているような場合
が考えられる。マシンの正面のみが通行可能であるか、
もしくは、横（右又は左）などの方向だけが通行可能で
あるような場合、このような認識／判断を行う。このよ
うなことにより、設置環境に一定の制約はあるが、特に
難しいことがなく、早期で確実に簡単に、「使う人」の
判断が可能となる。
【００９６】なお、以上には、近づいて来る人に対し
「使う／使わない」を認識判断する例を述べたが、去る
人に対し「使用中／使い終わった」を認識する方法も全
く同様な考え方で実現可能であることは言うまでもな
い。
「使う／使わない」を認識判断する例を述べたが、去る
人に対し「使用中／使い終わった」を認識する方法も全
く同様な考え方で実現可能であることは言うまでもな
い。
【００９７】次に、測定対象物体（移動物体）の「使う
／使わない」又は「使用中／使い終わった」の認識方法
について説明する。 （Ａ）ＣＣＤからの画像信号を処理した画像データによ
り顔又は体の向きを判断し、「使う／使わない」又は
「使用中／使い終わった」かを認識する。人間が通路や
部屋の中に置かれているシステム（装置）を使用しよう
と近づいて来る場合、通常そのシステムに向かってなる
べく真っ直ぐに到達しようとする。つまり、システムか
ら見れば使用するために来る人は、体が正面を向きなが
ら歩いてくると考えてよい。但し、歩いて来るまでの空
間の広さ／狭さによっては、体は真っ直ぐシステムを向
いてなくて近づいて来る場合も考えられるが、少なくと
もある時点で、よほど無意識でないかぎり、システムを
見る。よって、このことを検知すれば、その人が使うた
めに近づいて来る人なのか、そうでないのか想定でき
る。体の向きや、顔の向きを検出するためには、ＣＣＤ
等による画像データを処理して認識すればよい。
／使わない」又は「使用中／使い終わった」の認識方法
について説明する。 （Ａ）ＣＣＤからの画像信号を処理した画像データによ
り顔又は体の向きを判断し、「使う／使わない」又は
「使用中／使い終わった」かを認識する。人間が通路や
部屋の中に置かれているシステム（装置）を使用しよう
と近づいて来る場合、通常そのシステムに向かってなる
べく真っ直ぐに到達しようとする。つまり、システムか
ら見れば使用するために来る人は、体が正面を向きなが
ら歩いてくると考えてよい。但し、歩いて来るまでの空
間の広さ／狭さによっては、体は真っ直ぐシステムを向
いてなくて近づいて来る場合も考えられるが、少なくと
もある時点で、よほど無意識でないかぎり、システムを
見る。よって、このことを検知すれば、その人が使うた
めに近づいて来る人なのか、そうでないのか想定でき
る。体の向きや、顔の向きを検出するためには、ＣＣＤ
等による画像データを処理して認識すればよい。
【００９８】体の向きが正面を向いているかどうかは、
例えば、肩の線を抽出し、それが水平に近ければ正面を
向いていることが分かるし、傾いていれば正面を向いて
いないことが分かる。また、横を向いている人の状態の
画像では、胸などの体の正面部分は非常に小さく映るの
で、このことによっても、正面を向いているかどうか分
かる。
例えば、肩の線を抽出し、それが水平に近ければ正面を
向いていることが分かるし、傾いていれば正面を向いて
いないことが分かる。また、横を向いている人の状態の
画像では、胸などの体の正面部分は非常に小さく映るの
で、このことによっても、正面を向いているかどうか分
かる。
【００９９】顔の向きが正面を向いているかどうかは、
鼻の形や、両目／耳を結ぶ線やどの程度映っているかな
どにより判断できる。これらによって得られる向きは、
例えば、角度などの数値化されたデータとしても抽出可
能であり、あらかじめ設定しておいたしきい値と比較し
て、「向いている／向いていない」の２値を出力するこ
とも可能である。これらのデータ抽出処理は、従来より
用いられている一般的な画像処理の技術を使用すれば問
題なく実現可能である。
鼻の形や、両目／耳を結ぶ線やどの程度映っているかな
どにより判断できる。これらによって得られる向きは、
例えば、角度などの数値化されたデータとしても抽出可
能であり、あらかじめ設定しておいたしきい値と比較し
て、「向いている／向いていない」の２値を出力するこ
とも可能である。これらのデータ抽出処理は、従来より
用いられている一般的な画像処理の技術を使用すれば問
題なく実現可能である。
【０１００】単純に撮影された人物の体／顔の向きが本
認識装置に直面していることが観測されたならば、直ち
にその人は「使う人」であると判断することも可能であ
る。しかし、十分な精度ではない。そこで、例えば、カ
ウンタを設け、こちらを向いていたと観測される回数を
記憶しておき、あらかじめ設定しておいた回数分だけ観
測されたときに「使用中」であると判断しても良い。よ
り精度を高めるためには、「向いている／向いていな
い」の２値ではなく、角度などで示される数値データ
（列）を取り扱う必要がある。
認識装置に直面していることが観測されたならば、直ち
にその人は「使う人」であると判断することも可能であ
る。しかし、十分な精度ではない。そこで、例えば、カ
ウンタを設け、こちらを向いていたと観測される回数を
記憶しておき、あらかじめ設定しておいた回数分だけ観
測されたときに「使用中」であると判断しても良い。よ
り精度を高めるためには、「向いている／向いていな
い」の２値ではなく、角度などで示される数値データ
（列）を取り扱う必要がある。
【０１０１】このパラメータの処理方式としては、以下
に述べるような方法が考えられる。 （ｉ）表参照方式 あらかじめ「使用中」の取りうる行動パターンを観測
し、ある時間内で観測されるデータ列を見つけておき、
それを記憶しておく。例えば、３回の観測されたデータ
列で、［５，３，０］、もしくは［−２，１，−１］で
あれば、「使用者」のパターンであるというように記憶
しておく。記憶方法としては、例えば、今の例では３組
のデータで示されるので、３次元の表として （ｘ＝５，ｙ＝３，ｚ＝０）＝「使用者」フラグ などのようにして記憶しておけばよい。認識判断時に
は、刻々と観測されるデータをこれら記憶しておいた表
を引いてくることにより、「使用者」フラグが立ってい
れば「使用者」であると判断すればよい。
に述べるような方法が考えられる。 （ｉ）表参照方式 あらかじめ「使用中」の取りうる行動パターンを観測
し、ある時間内で観測されるデータ列を見つけておき、
それを記憶しておく。例えば、３回の観測されたデータ
列で、［５，３，０］、もしくは［−２，１，−１］で
あれば、「使用者」のパターンであるというように記憶
しておく。記憶方法としては、例えば、今の例では３組
のデータで示されるので、３次元の表として （ｘ＝５，ｙ＝３，ｚ＝０）＝「使用者」フラグ などのようにして記憶しておけばよい。認識判断時に
は、刻々と観測されるデータをこれら記憶しておいた表
を引いてくることにより、「使用者」フラグが立ってい
れば「使用者」であると判断すればよい。
【０１０２】（ｉｉ）評価関数方式 あらかじめ「使用者」の取りうる行動パターンを観測
し、データ列におけるいくつかのデータをパラメータと
して、重み関数を付加した評価関数を設定させる例え
ば、ｄ１，ｄ２，ｄ３，ｄ４として順に得られるデータ
列に対し、 ｋ１＊ｄ１＋ｋ２＊ｄ２＋ｋ３＊ｄ３＋ｋ４＊ｄ４ のような評価関数を設定する。例えば、ｋ１＝０．５、
ｋ２＝０．６、ｋ３＝０．８、ｋ４＝１のように設定さ
れた場合、認識判断時に、ｄ１＝８０、ｄ２＝８０、ｄ
３＝８５、ｄ４＝９０が観測されたとすると、評価関数
式により２４６が得られる。また、ｄ１＝８０、ｄ２＝
９０、ｄ３＝８０、ｄ４＝７５と観測されたとすると評
価関数式により２３３が得られる。向きを表す観測デー
タが、対象人物が真横を向いているとき０、正面を向い
ているときは９０が得られるようなものであった場合、
前者は徐々に正面を向いている例であり、後者は途中で
方向を変えたかもしくは横切ろうとしているかの例であ
る。ここで評価関数式によって得られた数値に対してあ
らかじめ適度に設定されたしきい値とを比較し「使う」
のか否かを判断する。例えば、しきい値を２４０とする
と、前者の例では「使う人」と判断され、後者の例では
「使う人ではない」と判断される。また、前記例では、
ｋ＊ｄというような単純な例であるが、ｄは観測された
角度などの向きその物でなくてもよく、例えば、ｄ２−
ｄ１を一つのデータとしたりすることも可能である。
し、データ列におけるいくつかのデータをパラメータと
して、重み関数を付加した評価関数を設定させる例え
ば、ｄ１，ｄ２，ｄ３，ｄ４として順に得られるデータ
列に対し、 ｋ１＊ｄ１＋ｋ２＊ｄ２＋ｋ３＊ｄ３＋ｋ４＊ｄ４ のような評価関数を設定する。例えば、ｋ１＝０．５、
ｋ２＝０．６、ｋ３＝０．８、ｋ４＝１のように設定さ
れた場合、認識判断時に、ｄ１＝８０、ｄ２＝８０、ｄ
３＝８５、ｄ４＝９０が観測されたとすると、評価関数
式により２４６が得られる。また、ｄ１＝８０、ｄ２＝
９０、ｄ３＝８０、ｄ４＝７５と観測されたとすると評
価関数式により２３３が得られる。向きを表す観測デー
タが、対象人物が真横を向いているとき０、正面を向い
ているときは９０が得られるようなものであった場合、
前者は徐々に正面を向いている例であり、後者は途中で
方向を変えたかもしくは横切ろうとしているかの例であ
る。ここで評価関数式によって得られた数値に対してあ
らかじめ適度に設定されたしきい値とを比較し「使う」
のか否かを判断する。例えば、しきい値を２４０とする
と、前者の例では「使う人」と判断され、後者の例では
「使う人ではない」と判断される。また、前記例では、
ｋ＊ｄというような単純な例であるが、ｄは観測された
角度などの向きその物でなくてもよく、例えば、ｄ２−
ｄ１を一つのデータとしたりすることも可能である。
【０１０３】（ｉｉｉ）ファジィ推論方式 前記（ｉｉ）評価関数方式での例にもあるように、例え
ば「徐々に正面を向いてくる」場合や、「一定して正面
を向いてくる」場合などは「使用する人」である。ま
た、「突如として方向が逸れていく」場合などは、逆に
「使用しない人」であることがわかる。このような自然
言語的なルールを多数用意し、これらの“徐々に”や
“正面”などというあいまいな言語をファジィ諭理のメ
ンバーシップ関数によって表現することによって、ファ
ジィ推論による認識判定が行えるようになる。
ば「徐々に正面を向いてくる」場合や、「一定して正面
を向いてくる」場合などは「使用する人」である。ま
た、「突如として方向が逸れていく」場合などは、逆に
「使用しない人」であることがわかる。このような自然
言語的なルールを多数用意し、これらの“徐々に”や
“正面”などというあいまいな言語をファジィ諭理のメ
ンバーシップ関数によって表現することによって、ファ
ジィ推論による認識判定が行えるようになる。
【０１０４】（ｉＶ）ニューラルネット方式 あらかじめ「使う人」のデータ列から得られる特徴を入
力として、ニューラルネットに学習させておき、認識判
断時には観測されたデータ列を入力として「使う／使わ
ない」の出力によって認識判定する。なお以上には、近
づいて来る人に対し「使う／使わない」を認識判断する
例を述べたが、去る人に対し「使用中／使い終わった」
を認識する方法も全く同様な考え方で実現可能であるこ
とは言うまでもない。
力として、ニューラルネットに学習させておき、認識判
断時には観測されたデータ列を入力として「使う／使わ
ない」の出力によって認識判定する。なお以上には、近
づいて来る人に対し「使う／使わない」を認識判断する
例を述べたが、去る人に対し「使用中／使い終わった」
を認識する方法も全く同様な考え方で実現可能であるこ
とは言うまでもない。
【０１０５】（Ｂ）ＣＣＤからの画像信号を処理した画
像データより、使用者が同一人物であるか否かにより
「使用中／使い終わった」かを認識する。ＣＣＤなどか
ら得られる画像情報（データ）を基に画像処理を行い、
使用者の各種の特徴を収集／記憶しておき、次に測定さ
れた使用者の同様にして抽出された特徴と比較して、同
一人物で或るか否かを判断し、別の人物であれば前の使
用者は既に使い終わったと判断する。
像データより、使用者が同一人物であるか否かにより
「使用中／使い終わった」かを認識する。ＣＣＤなどか
ら得られる画像情報（データ）を基に画像処理を行い、
使用者の各種の特徴を収集／記憶しておき、次に測定さ
れた使用者の同様にして抽出された特徴と比較して、同
一人物で或るか否かを判断し、別の人物であれば前の使
用者は既に使い終わったと判断する。
【０１０６】まず、同一人物であるか否かを判断する手
法としては、以下のようにすればよい。使用中である人
物の特定部分付近の画像データを撮影しこれを保持す
る。ＣＣＤのシステムへの付帯させ方にもよるが、使用
中の使用者の顔付近の画像を撮影しても良いし、全体を
撮影してもよい。また、近づいて来る前に既に撮影して
おいても良い。このようにして撮影された画像データに
対して、各種の特徴を抽出する。例えば、顔付近を撮影
するようにした場合、顔の丸さを表すような顔の縦長／
横長や、目の離れ具合、鼻と口との距離、髪の毛の大き
さ、眼鏡の有無等を特徴量として抽出する。大きさや長
さなどに関連したパラメータは、画像レベルでの正規
化、もしくはパラメータとして抽出する際のパラメータ
決定式に正規化するようにさせるなどのことは当然であ
り、技術的にも通常頻繁に用いられている。つまり、画
像を撮影する際に、その時によって、同じ人でも小さく
映ってしまう場合や大きく映ってしまう場合がある。例
えば、遠くにいるうちに撮影してしまえば小さく映る。
その時の被写体までの距離を計算してアフィン変換など
の処理を画像データに施しても良いし、画像から得られ
た、例えば、顔の幅の画素数などに対して、距離の補正
を施しても良しい、また、被写体までの距離が分からな
い場合は、顔の丸さ（顔の縦長／横長）のような距離に
は不変の特徴量を使用しても良い。
法としては、以下のようにすればよい。使用中である人
物の特定部分付近の画像データを撮影しこれを保持す
る。ＣＣＤのシステムへの付帯させ方にもよるが、使用
中の使用者の顔付近の画像を撮影しても良いし、全体を
撮影してもよい。また、近づいて来る前に既に撮影して
おいても良い。このようにして撮影された画像データに
対して、各種の特徴を抽出する。例えば、顔付近を撮影
するようにした場合、顔の丸さを表すような顔の縦長／
横長や、目の離れ具合、鼻と口との距離、髪の毛の大き
さ、眼鏡の有無等を特徴量として抽出する。大きさや長
さなどに関連したパラメータは、画像レベルでの正規
化、もしくはパラメータとして抽出する際のパラメータ
決定式に正規化するようにさせるなどのことは当然であ
り、技術的にも通常頻繁に用いられている。つまり、画
像を撮影する際に、その時によって、同じ人でも小さく
映ってしまう場合や大きく映ってしまう場合がある。例
えば、遠くにいるうちに撮影してしまえば小さく映る。
その時の被写体までの距離を計算してアフィン変換など
の処理を画像データに施しても良いし、画像から得られ
た、例えば、顔の幅の画素数などに対して、距離の補正
を施しても良しい、また、被写体までの距離が分からな
い場合は、顔の丸さ（顔の縦長／横長）のような距離に
は不変の特徴量を使用しても良い。
【０１０７】また、同一人物であるか否か判断された場
合、どのようにして「使用中／使い終わった」かを判断
するには、ある一定時刻内で同一人物であると判断され
る人が来た場合には、使用中であると認識し、同一人物
でないと判断された人物が来た場合には既に前の人は使
い終わったと認識する。
合、どのようにして「使用中／使い終わった」かを判断
するには、ある一定時刻内で同一人物であると判断され
る人が来た場合には、使用中であると認識し、同一人物
でないと判断された人物が来た場合には既に前の人は使
い終わったと認識する。
【０１０８】次に、測定対象物体（移動物体）の固体の
認識方法について説明する。測定対象物体の特徴デー
タ、例えば、ＣＣＤからの画像信号を処理した画像デー
タにより、身長、体重、性別、顔（大きさ、形、髪形、
眼鏡など）、服装（形、色）などを判別し、測定対象物
体（移動物体）の固体を認識する。これは、本認識装置
の付帯しているシステムを使用する人が、誰であるかを
認識しようとするもので、ＣＣＤなどによる画像入力装
置により得られた画像情報（データ）を処理して、その
人の特徴的なパラメータを抽出し、あらかじめ入力／記
憶しておいた個人別の標準特徴辞書を参照して、それら
の中のどの人かを認識／判断する。識別技術は古くから
存在し、例えば、文字認識などで実用化されている。既
個人特定化識別においても、同様の技術／原理で行え
る。
認識方法について説明する。測定対象物体の特徴デー
タ、例えば、ＣＣＤからの画像信号を処理した画像デー
タにより、身長、体重、性別、顔（大きさ、形、髪形、
眼鏡など）、服装（形、色）などを判別し、測定対象物
体（移動物体）の固体を認識する。これは、本認識装置
の付帯しているシステムを使用する人が、誰であるかを
認識しようとするもので、ＣＣＤなどによる画像入力装
置により得られた画像情報（データ）を処理して、その
人の特徴的なパラメータを抽出し、あらかじめ入力／記
憶しておいた個人別の標準特徴辞書を参照して、それら
の中のどの人かを認識／判断する。識別技術は古くから
存在し、例えば、文字認識などで実用化されている。既
個人特定化識別においても、同様の技術／原理で行え
る。
【０１０９】原理を簡単に説明すると、あらかじめ辞書
と呼ばれる特定化すべきものの特徴について記述したも
のを用意し、観測された入力データの特徴を抽出し、辞
書の各内容と比較して、最も特徴が合致しているもの
を、特定されたものとするわけである。また、このよう
な識別論的なアプローチのほかにも、表参照方式、評価
関数方式、確信度計算方式、ファジィ推論方式、ニュー
ラルネット方式なども知られている。
と呼ばれる特定化すべきものの特徴について記述したも
のを用意し、観測された入力データの特徴を抽出し、辞
書の各内容と比較して、最も特徴が合致しているもの
を、特定されたものとするわけである。また、このよう
な識別論的なアプローチのほかにも、表参照方式、評価
関数方式、確信度計算方式、ファジィ推論方式、ニュー
ラルネット方式なども知られている。
【０１１０】個人を識別するためのデータとして、あら
かじめ登録しておかなければいけない個人に関する情報
つまり特徴は、画像処理などによって得られる特徴であ
れば何でもよいが、個人を見分けるのに良いものでなけ
ればならない。例えば、身長、体重（体積）、性別、体
や顔の大きさや形、眼鏡の有無などが考えられる。身長
は画像データより頭から爪先までの画素数を実際の長さ
に変換することにより得られる。これは対象物体までの
距離がわかっているはずなので、変換は容易である。頭
および爪先も見つけだすことは、２値化やフィルター処
理などの通常の画像処理技術や知識工学をもってすれば
実現可能である。性別は、髪の毛の形状や、覆き物、化
粧の有無、などを画像処理により得ることにより判別可
能である。画像データによって個人を特定するのに有効
とされ、よく用いられているのは、顔の特徴である。例
えば、目の離れ具合、目の形、顎の輪郭、などのよう
に、各部品間の関係や個々の部品の形状などがよく使用
される。
かじめ登録しておかなければいけない個人に関する情報
つまり特徴は、画像処理などによって得られる特徴であ
れば何でもよいが、個人を見分けるのに良いものでなけ
ればならない。例えば、身長、体重（体積）、性別、体
や顔の大きさや形、眼鏡の有無などが考えられる。身長
は画像データより頭から爪先までの画素数を実際の長さ
に変換することにより得られる。これは対象物体までの
距離がわかっているはずなので、変換は容易である。頭
および爪先も見つけだすことは、２値化やフィルター処
理などの通常の画像処理技術や知識工学をもってすれば
実現可能である。性別は、髪の毛の形状や、覆き物、化
粧の有無、などを画像処理により得ることにより判別可
能である。画像データによって個人を特定するのに有効
とされ、よく用いられているのは、顔の特徴である。例
えば、目の離れ具合、目の形、顎の輪郭、などのよう
に、各部品間の関係や個々の部品の形状などがよく使用
される。
【０１１１】測定対象物体（移動物体）が検出測定エリ
ア内に複数存在する場合の「使う／使わない」の認識を
行う際の方法について述べる。ここでは、距離データの
みで判断する場合と距離データと方向データで判断する
場合があるが、まず距離データのみで判断する場合を述
べる。ここの例では説明を簡潔にする為に、移動物体が
２つの場合を説明していく。
ア内に複数存在する場合の「使う／使わない」の認識を
行う際の方法について述べる。ここでは、距離データの
みで判断する場合と距離データと方向データで判断する
場合があるが、まず距離データのみで判断する場合を述
べる。ここの例では説明を簡潔にする為に、移動物体が
２つの場合を説明していく。
【０１１２】まず、２つの移動物体が共に装置に近付く
場合を考える。まず、２つの移動物体が同方向から近付
く場合には、認識装置から見て距離の長い方が短い方の
陰に入ってしまう為に測定は不可能である。よって、こ
の場合には距離の短い方のみのデータで認識を行うこと
とする。また、他方向から各々接近する場合には、赤外
線を脈動発光し、その赤外線の返ってくる光量を光量計
で捉えることにより、２つ以上の他方向の物体から返っ
てきた赤外線の脈動発光の１周期における量の変化は、
図２９のように山が二つの複合の山になる。これをニュ
ーロ等の判断手段を用いて判断することによって、複数
の移動物体を識別することが出来るようになる。このデ
ータを使用して使用者かどうかの判断を各々行う。
場合を考える。まず、２つの移動物体が同方向から近付
く場合には、認識装置から見て距離の長い方が短い方の
陰に入ってしまう為に測定は不可能である。よって、こ
の場合には距離の短い方のみのデータで認識を行うこと
とする。また、他方向から各々接近する場合には、赤外
線を脈動発光し、その赤外線の返ってくる光量を光量計
で捉えることにより、２つ以上の他方向の物体から返っ
てきた赤外線の脈動発光の１周期における量の変化は、
図２９のように山が二つの複合の山になる。これをニュ
ーロ等の判断手段を用いて判断することによって、複数
の移動物体を識別することが出来るようになる。このデ
ータを使用して使用者かどうかの判断を各々行う。
【０１１３】次に、一方が近付き、他方が通り過ぎる場
合を考える。この場合、通り過ぎる移動物体が近付く物
体の影になったり、影にされたりする場合が考えられ
る。他の場合には前記の方法により、２つの移動物体は
識別出来るので、この時の処理方法を述べる。まず、近
付く移動物体の前を他の移動物体が横切る場合は、横切
った移動物体はそのまま判断を行い、近付く移動物体に
関しては、影に入る前のデータを元にして、影に入って
いる限りその移動を予測する。その後、影から出た時点
で再度追跡を開始する。次に、近付く移動物体の後ろを
他の移動物体が通り過ぎる場合であるが、近付く移動物
体に関してはそのまま判断を行い、横切った移動物体は
影に入る前のデータを元にして、影に入っている限りそ
の移動を予測する。その後、影から出た時点で再度追跡
を開始するが、優先的に判断を行うのは近付く移動物体
である。使用者以外の移動物体が存在する場合には、使
用者と他の移動物体が距離的に入れ替わったと判断した
時から、装置を使用するかの判断を優先的に行う対象を
現在までの使用者から、移動物体へと変更する。
合を考える。この場合、通り過ぎる移動物体が近付く物
体の影になったり、影にされたりする場合が考えられ
る。他の場合には前記の方法により、２つの移動物体は
識別出来るので、この時の処理方法を述べる。まず、近
付く移動物体の前を他の移動物体が横切る場合は、横切
った移動物体はそのまま判断を行い、近付く移動物体に
関しては、影に入る前のデータを元にして、影に入って
いる限りその移動を予測する。その後、影から出た時点
で再度追跡を開始する。次に、近付く移動物体の後ろを
他の移動物体が通り過ぎる場合であるが、近付く移動物
体に関してはそのまま判断を行い、横切った移動物体は
影に入る前のデータを元にして、影に入っている限りそ
の移動を予測する。その後、影から出た時点で再度追跡
を開始するが、優先的に判断を行うのは近付く移動物体
である。使用者以外の移動物体が存在する場合には、使
用者と他の移動物体が距離的に入れ替わったと判断した
時から、装置を使用するかの判断を優先的に行う対象を
現在までの使用者から、移動物体へと変更する。
【０１１４】次に、距離データと方向データで判断する
場合について述べる。まず、２つの移動物体が近付いて
くる場合には、同方向からの場合と異なる方向からの２
通りあるが、同方向からの場合は一方が他方の影に入っ
てしまう為、センサによる検出が不可能になるので、画
像形成装置に近い移動物体の距離と方向のデータから判
断を行う。また、途中に影から出て検出された場合に
は、新たに出現した物として判断する。次に、別々の方
向から近付く場合には、異なるセンサが各々検出する為
に、別々の移動物体として捉えることができるので、各
々の動きから装置を使用するのか否かを各々判断する。
この場合、画像形成装置に距離的に近い方を先に判断す
ることとする。
場合について述べる。まず、２つの移動物体が近付いて
くる場合には、同方向からの場合と異なる方向からの２
通りあるが、同方向からの場合は一方が他方の影に入っ
てしまう為、センサによる検出が不可能になるので、画
像形成装置に近い移動物体の距離と方向のデータから判
断を行う。また、途中に影から出て検出された場合に
は、新たに出現した物として判断する。次に、別々の方
向から近付く場合には、異なるセンサが各々検出する為
に、別々の移動物体として捉えることができるので、各
々の動きから装置を使用するのか否かを各々判断する。
この場合、画像形成装置に距離的に近い方を先に判断す
ることとする。
【０１１５】次に、一方が近付き、他方が通り過ぎる場
合を考える。この場合、通り過ぎる移動物体が近付く物
体の影になったり、影にされたりする場合が考えられ
る。他の場合には前記の方法により、２つの移動物体は
識別出来るので、この時の処理方法を述べる。まず、近
付く移動物体の前を他の移動物体が横切る場合は、横切
った移動物体はそのまま判断を行い、近付く移動物体に
関しては、影に入る前のデータを元にして、影に入って
いる限りその移動を予測する。その後、影から出た時点
で再度追跡を開始する。次に、近付く移動物体の後ろを
他の移動物体が通り過ぎる場合であるが、近付く移動物
体に関してはそのまま判断を行い、横切った移動物体は
影に入る前のデータを元にして、影に入っている限りそ
の移動を予測する。その後、影から出た時点で再度追跡
を開始するが、優先的に判断を行うのは近付く移動物体
である。ここでは、判断する場合の優先順を装置からの
距離の近い物体からとし、次に同じ距離の場合は、近付
き方の早い物からとする。以上の方法で装置を使用しよ
うとしているのかを判断する際の基本的考え方とするこ
とで、確実な判断を行っていくことができるようにな
る。
合を考える。この場合、通り過ぎる移動物体が近付く物
体の影になったり、影にされたりする場合が考えられ
る。他の場合には前記の方法により、２つの移動物体は
識別出来るので、この時の処理方法を述べる。まず、近
付く移動物体の前を他の移動物体が横切る場合は、横切
った移動物体はそのまま判断を行い、近付く移動物体に
関しては、影に入る前のデータを元にして、影に入って
いる限りその移動を予測する。その後、影から出た時点
で再度追跡を開始する。次に、近付く移動物体の後ろを
他の移動物体が通り過ぎる場合であるが、近付く移動物
体に関してはそのまま判断を行い、横切った移動物体は
影に入る前のデータを元にして、影に入っている限りそ
の移動を予測する。その後、影から出た時点で再度追跡
を開始するが、優先的に判断を行うのは近付く移動物体
である。ここでは、判断する場合の優先順を装置からの
距離の近い物体からとし、次に同じ距離の場合は、近付
き方の早い物からとする。以上の方法で装置を使用しよ
うとしているのかを判断する際の基本的考え方とするこ
とで、確実な判断を行っていくことができるようにな
る。
【０１１６】次に、本発明によるパラメータの処理方
法、すなわち、測定対象物体（移動物体）の「使う／使
わない」又は「使用中／使い終わった」の認識方法につ
いて説明する。
法、すなわち、測定対象物体（移動物体）の「使う／使
わない」又は「使用中／使い終わった」の認識方法につ
いて説明する。
【０１１７】
【実施例１】この実施例は、脈動発光により認識手段と
測定対象物体（移動物体）までの「距離ｒ」を検出（距
離データ）し、「距離ｒ」を時系列で演算した「求心方
向速度Ｖｂ」から「使う／使わない」又は「使用中／使
い終わった」を認識するものである。
測定対象物体（移動物体）までの「距離ｒ」を検出（距
離データ）し、「距離ｒ」を時系列で演算した「求心方
向速度Ｖｂ」から「使う／使わない」又は「使用中／使
い終わった」を認識するものである。
【０１１８】パラメータ処理方式としては、次の３つの
方式が考えられる。 （ｉ）表参照方式 （ｉｉ）ファジー方式 （ｉｉｉ）ニューラル・ネットワーク方式
方式が考えられる。 （ｉ）表参照方式 （ｉｉ）ファジー方式 （ｉｉｉ）ニューラル・ネットワーク方式
【０１１９】
【概略】脈動発光による距離センサにより、センサと人
までの「距離ｒ」（距離データ）を常に検知しており、
センサからの距離ｒ１の内側を、人認識判断領域Ａと
し、領域Ａに人が入り込んだとき、この人が、「使う／
使わない」かを、判断する。
までの「距離ｒ」（距離データ）を常に検知しており、
センサからの距離ｒ１の内側を、人認識判断領域Ａと
し、領域Ａに人が入り込んだとき、この人が、「使う／
使わない」かを、判断する。
【０１２０】
【構成・動作】図３のパラメータ抽出部８から図３の記
憶装置１３に図３０の画像形成装置５からの距離ｒ、求
心速度が書き込まれる。図３の認識判断部９において、
図３１における画像形成装置５からの距離ｒ１の領域を
領域Ａとし、この領域Ａへの進入速度Ｖｘにより認識判
断を行う。進入速度Ｖｘは、検出部方向の求心速度であ
り、進入時の距離ｒｘ、進入からｔ時間後の距離ｒｘｔ
より演算により求まるパラメータで、 Ｖｘ＝ｒｘｔ−ｒｘ／ｔ …式１９ により求められる。
憶装置１３に図３０の画像形成装置５からの距離ｒ、求
心速度が書き込まれる。図３の認識判断部９において、
図３１における画像形成装置５からの距離ｒ１の領域を
領域Ａとし、この領域Ａへの進入速度Ｖｘにより認識判
断を行う。進入速度Ｖｘは、検出部方向の求心速度であ
り、進入時の距離ｒｘ、進入からｔ時間後の距離ｒｘｔ
より演算により求まるパラメータで、 Ｖｘ＝ｒｘｔ−ｒｘ／ｔ …式１９ により求められる。
【０１２１】以下に一例を上げて説明する。図３１にお
いて、通過者Ｓは、図のような方向の人の動きの軌跡を
たどる。この軌跡が、領域Ａに入らない場合は、使用し
ないと判断する。この軌跡が、領域Ａに入った場合、ポ
イントＰｘ１での求心速度Ｖｘは、実速度Ｖに対してθ
（ｃｏｓθ＜１）の角度を持つため Ｖｘ＝Ｖ・ｃｏｓθ …式２０ となる。
いて、通過者Ｓは、図のような方向の人の動きの軌跡を
たどる。この軌跡が、領域Ａに入らない場合は、使用し
ないと判断する。この軌跡が、領域Ａに入った場合、ポ
イントＰｘ１での求心速度Ｖｘは、実速度Ｖに対してθ
（ｃｏｓθ＜１）の角度を持つため Ｖｘ＝Ｖ・ｃｏｓθ …式２０ となる。
【０１２２】これに対し、使用者Ｔは、図のような方向
の人の動きの軌跡をたどる。使用者Ｔは、画像形成装置
５に向かって動くため、領域Ａに入った場合、ポイント
Ｐｘ１での求心速度Ｖｘは、式２０のｃｏｓθは、ほぼ
１となり、 Ｖｘ＝Ｖ …式２１ となる。
の人の動きの軌跡をたどる。使用者Ｔは、画像形成装置
５に向かって動くため、領域Ａに入った場合、ポイント
Ｐｘ１での求心速度Ｖｘは、式２０のｃｏｓθは、ほぼ
１となり、 Ｖｘ＝Ｖ …式２１ となる。
【０１２３】通過者Ｓと使用者Ｔの認識判断は、判定基
準Ｖｒｅｆ．に対してどうかにより行う。画像形成装置
５が置かれた環境に応じて人が領域Ａに入る速さが変わ
ったり、領域Ａに入る角度が変わったりするため学習機
能を有する。
準Ｖｒｅｆ．に対してどうかにより行う。画像形成装置
５が置かれた環境に応じて人が領域Ａに入る速さが変わ
ったり、領域Ａに入る角度が変わったりするため学習機
能を有する。
【０１２４】次に、判断過程をフロー図３２で説明す
る。まず、ステップ１で人が領域Ａに入ったかどうか判
定をする。判定結果がＮＯであれば、ステップ１を繰り
返し、ＹＥＳであれば、ステップ２で求心速度Ｖｘと基
準速度Ｖｒｅｆ．の比較を行い、ＹＥＳであれば、通過
者と判定してステップ３へ行く。ＮＯであれば、使用者
として判定する。ステップ３では、スイッチが押された
かどうか（使用されたかどうか）の判定を行い、ＮＯな
らステップ４へ行く。ＹＥＳならステップ５へ行き、Ｖ
ｒｅｆ．の値を変え、使用者として判定する。ステップ
４では領域Ａを出たか判定を行い、ＮＯなら繰り返し、
ＹＥＳならステップ１に戻る。
る。まず、ステップ１で人が領域Ａに入ったかどうか判
定をする。判定結果がＮＯであれば、ステップ１を繰り
返し、ＹＥＳであれば、ステップ２で求心速度Ｖｘと基
準速度Ｖｒｅｆ．の比較を行い、ＹＥＳであれば、通過
者と判定してステップ３へ行く。ＮＯであれば、使用者
として判定する。ステップ３では、スイッチが押された
かどうか（使用されたかどうか）の判定を行い、ＮＯな
らステップ４へ行く。ＹＥＳならステップ５へ行き、Ｖ
ｒｅｆ．の値を変え、使用者として判定する。ステップ
４では領域Ａを出たか判定を行い、ＮＯなら繰り返し、
ＹＥＳならステップ１に戻る。
【０１２５】次に、基準速度Ｖｒｅｆ．の変更過程をフ
ロー図３３で説明する。まず、ステップ１でメモリーバ
ッファＢｕｆの内容を１増加させる。ステップ２でメモ
リーバッファＢｕｆの内容が１０になったか判定し、Ｙ
ＥＳであれば、Ｖｒｅｆ．の値を１ステップ増加させ、
メモリーバッファＢｕｆの内容を０にリセットしＶｒｅ
ｆ．の変更を終了する。ＮＯであれば、Ｖｒｅｆ．の変
更を終了する。
ロー図３３で説明する。まず、ステップ１でメモリーバ
ッファＢｕｆの内容を１増加させる。ステップ２でメモ
リーバッファＢｕｆの内容が１０になったか判定し、Ｙ
ＥＳであれば、Ｖｒｅｆ．の値を１ステップ増加させ、
メモリーバッファＢｕｆの内容を０にリセットしＶｒｅ
ｆ．の変更を終了する。ＮＯであれば、Ｖｒｅｆ．の変
更を終了する。
【０１２６】使用者として判定しても通過者であること
もある。この場合は基準時間Ｔ後になってもスイッチ操
作がなければ通過者判定としＶｒｅｆ．の変更を行う。
次に、使用者として判定した後に、装置を使用しなかっ
た場合のＶｒｅｆ．の変更過程をフロー図３４で説明す
る。まず、ステップ１でメモリーバッファＢｕｆの内容
を１減少させる。ステップ２でメモリーバッファＢｕｆ
の内容が−１０になったか判定し、ＹＥＳであれば、Ｖ
ｒｅｆ．の値を１ステップ減少させ、メモリーバッファ
Ｂｕｆの内容を０にリセットし、Ｖｒｅｆ．の変更を終
了する。ＮＯであれば、Ｖｒｅｆ．の変更を終了する。
もある。この場合は基準時間Ｔ後になってもスイッチ操
作がなければ通過者判定としＶｒｅｆ．の変更を行う。
次に、使用者として判定した後に、装置を使用しなかっ
た場合のＶｒｅｆ．の変更過程をフロー図３４で説明す
る。まず、ステップ１でメモリーバッファＢｕｆの内容
を１減少させる。ステップ２でメモリーバッファＢｕｆ
の内容が−１０になったか判定し、ＹＥＳであれば、Ｖ
ｒｅｆ．の値を１ステップ減少させ、メモリーバッファ
Ｂｕｆの内容を０にリセットし、Ｖｒｅｆ．の変更を終
了する。ＮＯであれば、Ｖｒｅｆ．の変更を終了する。
【０１２７】次に、ファジィ演算装置を使用した例を図
３５に示す。ファジィ演算装置３０は、Ｖｒｅｆ．との
差分（ΔＶ＝Ｖｘ−Ｖｒｅｆ．）とその差分の頻度を入
力とし、Ｖｒｅｆ．変更量を出力する。
３５に示す。ファジィ演算装置３０は、Ｖｒｅｆ．との
差分（ΔＶ＝Ｖｘ−Ｖｒｅｆ．）とその差分の頻度を入
力とし、Ｖｒｅｆ．変更量を出力する。
【０１２８】図３６は、ファジィ演算処理の概念を説明
するための具体例を示す図で、ファジィ演算装置３０の
一部の機能を模式的に図示したものである。例えば、図
３６Ａの「もし、ΔＶが大で、そのときの発生頻度が大
であるとＶref.変更量は大である」において、「ΔＶが
大」「発生頻度が大」をメンバーシップ関数によって、
そのときの集合図を３６Ａの（１）（２）のように定義
する。
するための具体例を示す図で、ファジィ演算装置３０の
一部の機能を模式的に図示したものである。例えば、図
３６Ａの「もし、ΔＶが大で、そのときの発生頻度が大
であるとＶref.変更量は大である」において、「ΔＶが
大」「発生頻度が大」をメンバーシップ関数によって、
そのときの集合図を３６Ａの（１）（２）のように定義
する。
【０１２９】上記メンバーシップ関数（１）（２）とい
きい値を意味する縦の鎖線との交点により「ΔＶが大」
「発生頻度が大」である集合の確度が求められる。この
確度の最小値を求め、上記「Ｖｒｅｆ．変更量は大」集
合を定義しているメンバーシップ関数（３）の値に対し
て、該最小値を越える部分を削除することにより、図３
６ＡによるＶｒｅｆ．変更量の集合が求められる。同様
に、図３５Ｂ，Ｃからも各々Ｖｒｅｆ．変更量の集合
（６），（９）が求められ、該Ｖｒｅｆ．変更量の集合
（３）（６）（９）の最大値を最終的な関数値とする関
数（１０）を作成し、該関数（１０）の重心を図３６
Ａ，Ｂ，Ｃにより決定されるＶｒｅｆ．変更量の値とす
る。ファジィ演算装置３０からのＶｒｅｆ．変更量によ
って現在のＶｒｅｆ．値を変更する
きい値を意味する縦の鎖線との交点により「ΔＶが大」
「発生頻度が大」である集合の確度が求められる。この
確度の最小値を求め、上記「Ｖｒｅｆ．変更量は大」集
合を定義しているメンバーシップ関数（３）の値に対し
て、該最小値を越える部分を削除することにより、図３
６ＡによるＶｒｅｆ．変更量の集合が求められる。同様
に、図３５Ｂ，Ｃからも各々Ｖｒｅｆ．変更量の集合
（６），（９）が求められ、該Ｖｒｅｆ．変更量の集合
（３）（６）（９）の最大値を最終的な関数値とする関
数（１０）を作成し、該関数（１０）の重心を図３６
Ａ，Ｂ，Ｃにより決定されるＶｒｅｆ．変更量の値とす
る。ファジィ演算装置３０からのＶｒｅｆ．変更量によ
って現在のＶｒｅｆ．値を変更する
【０１３０】次に、ニューラル・ネットワークを使用し
た例を図３７に示す。ニューラル・ネットワーク３１は
予め実験等によって得られた状態を表すパラメータを教
師値として学習済みとする。ニューラル・ネットワーク
３１は、Ｖｒｅｆ．との差分（Ｖｘ−Ｖｒｅｆ．）とそ
の差分の頻度を入力として、Ｖｒｅｆ．変更量を出力
し、このＶｒｅｆ．変更量によって現在のＶｒｅｆ．値
を変更する。
た例を図３７に示す。ニューラル・ネットワーク３１は
予め実験等によって得られた状態を表すパラメータを教
師値として学習済みとする。ニューラル・ネットワーク
３１は、Ｖｒｅｆ．との差分（Ｖｘ−Ｖｒｅｆ．）とそ
の差分の頻度を入力として、Ｖｒｅｆ．変更量を出力
し、このＶｒｅｆ．変更量によって現在のＶｒｅｆ．値
を変更する。
【０１３１】この実施例によると、以下の効果がある。
脈動発光による距離センサにより、センサと人までの
「距離ｒ」（距離データ）を常に検知し、センサからの
距離ｒ１の内側の領域に人が入り込んだときの求心速度
により、「使う／使わない」かを、判断することができ
るため無駄な動作をさせなくてすむ。また、設置環境の
バラツキに付いては、設置後の適応機能により、柔軟に
対応が出来る。設置後の適応機能においては、表参照方
式を用いることにより、ハード部の簡略化が計れる。ま
た、ファジィ演算装置を用いることにより、表参照方式
に比べより最適な適応が可能となる。また、ニューラル
ネットワークを用いることにより、さらに、最適な適応
が可能となる。
脈動発光による距離センサにより、センサと人までの
「距離ｒ」（距離データ）を常に検知し、センサからの
距離ｒ１の内側の領域に人が入り込んだときの求心速度
により、「使う／使わない」かを、判断することができ
るため無駄な動作をさせなくてすむ。また、設置環境の
バラツキに付いては、設置後の適応機能により、柔軟に
対応が出来る。設置後の適応機能においては、表参照方
式を用いることにより、ハード部の簡略化が計れる。ま
た、ファジィ演算装置を用いることにより、表参照方式
に比べより最適な適応が可能となる。また、ニューラル
ネットワークを用いることにより、さらに、最適な適応
が可能となる。
【０１３２】
【実施例２】この実施例は、脈動発光により認識手段と
測定対象物体（移動物体）までの「距離ｒ」を検出（距
離データ）し、「距離ｒ」を時系列で演算した「求心方
向速度変化量ΔＶｂ」から「使う／使わない」又は「使
用中／使い終わった」を認識するものである。
測定対象物体（移動物体）までの「距離ｒ」を検出（距
離データ）し、「距離ｒ」を時系列で演算した「求心方
向速度変化量ΔＶｂ」から「使う／使わない」又は「使
用中／使い終わった」を認識するものである。
【０１３３】パラメータ処理方式としては、次の３つの
方式が考えられる。 （ｉ） 表参照方式 （ｉｉ）ファジー方式 （ｉｉｉ）ニューラル・ネットワーク方式
方式が考えられる。 （ｉ） 表参照方式 （ｉｉ）ファジー方式 （ｉｉｉ）ニューラル・ネットワーク方式
【０１３４】
【概略】脈動発光による距離センサにより、センサと人
までの「距離ｒ」（距離データ）を常に検知しており、
センサからの距離ｒ１の内側を、人認識判断領域Ａと
し、領域Ａに人が入り込んだときの求心速度Ｖａと、セ
ンサからの距離ｒ２とｒ１の内側を、人認識判断領域Ｂ
とし、領域Ｂに人が入り込んだときの求心速度Ｖｂとの
比較により、この人が、「使う／使わない」かを、判断
する。
までの「距離ｒ」（距離データ）を常に検知しており、
センサからの距離ｒ１の内側を、人認識判断領域Ａと
し、領域Ａに人が入り込んだときの求心速度Ｖａと、セ
ンサからの距離ｒ２とｒ１の内側を、人認識判断領域Ｂ
とし、領域Ｂに人が入り込んだときの求心速度Ｖｂとの
比較により、この人が、「使う／使わない」かを、判断
する。
【０１３５】
【構成・動作】図３のパラメータ抽出部８から図３の記
憶装置１３に図３０の画像形成装置５からの距離ｒ、求
心速度が書き込まれる。図３の認識判断部９において、
図３８における画像形成装置５からの距離ｒ１の領域を
領域Ａ、距離ｒ１から距離ｒ２の領域を領域Ｂとし、こ
の領域Ａ及び領域Ｂへの進入速度Ｖｘ０、Ｖｘ１により
認識判断を行う。進入速度Ｖｘは検出部方向の求心速度
であり、進入時の距離ｒｘ、進入からｔ時間後の距離ｒ
ｘｔより演算により求まるパラメータで、 Ｖｘ＝ｒｘｔ−ｒｘ／ｔ …式２２ により求められる。以下に、一例を上げて説明する。図
３８において、通過者Ｓは、図のような方向の人の動き
の軌跡をたどる。この軌跡が、領域Ｂに入らない場合
は、使用しないと判断する。この軌跡が、領域Ｂに入っ
た場合、ポイントＰｘ１０での求心速度Ｖｘ１０は、実
速度Ｖに対してθ０（ｃｏｓθ＜１）の角度を持つため Ｖｘ１０＝Ｖ・ｃｏｓθ０ …式２３ となる。その後、この軌跡が、領域Ａに入らない場合
は、使用しないと判断する。
憶装置１３に図３０の画像形成装置５からの距離ｒ、求
心速度が書き込まれる。図３の認識判断部９において、
図３８における画像形成装置５からの距離ｒ１の領域を
領域Ａ、距離ｒ１から距離ｒ２の領域を領域Ｂとし、こ
の領域Ａ及び領域Ｂへの進入速度Ｖｘ０、Ｖｘ１により
認識判断を行う。進入速度Ｖｘは検出部方向の求心速度
であり、進入時の距離ｒｘ、進入からｔ時間後の距離ｒ
ｘｔより演算により求まるパラメータで、 Ｖｘ＝ｒｘｔ−ｒｘ／ｔ …式２２ により求められる。以下に、一例を上げて説明する。図
３８において、通過者Ｓは、図のような方向の人の動き
の軌跡をたどる。この軌跡が、領域Ｂに入らない場合
は、使用しないと判断する。この軌跡が、領域Ｂに入っ
た場合、ポイントＰｘ１０での求心速度Ｖｘ１０は、実
速度Ｖに対してθ０（ｃｏｓθ＜１）の角度を持つため Ｖｘ１０＝Ｖ・ｃｏｓθ０ …式２３ となる。その後、この軌跡が、領域Ａに入らない場合
は、使用しないと判断する。
【０１３６】軌跡が、領域Ａに入った場合、ポイントＰ
ｘ１１での求心速度Ｖｘ１１は、実速度Ｖに対してθ１
（ｃｏｓθ＜１）の角度を持つため、 Ｖｘ１１＝Ｖ・ｃｏｓθ１ …式２４ となる。
ｘ１１での求心速度Ｖｘ１１は、実速度Ｖに対してθ１
（ｃｏｓθ＜１）の角度を持つため、 Ｖｘ１１＝Ｖ・ｃｏｓθ１ …式２４ となる。
【０１３７】これに対し、使用者Ｔは、図のような方向
の人の動きの軌跡をたどる。使用者Ｔは、画像形成装置
５に向かって動くため、領域Ｂに入った場合、ポイント
Ｐｘ２０での求心速度Ｖｘ２０と、領域Ａに入った場
合、ポイントＰｘ２１での求心速度Ｖｘ２１は、式２
３、式２４のｃｏｓθは、ほぼ１となり、 Ｖｘ２０＝Ｖｘ２１＝Ｖ …式２５ となる。
の人の動きの軌跡をたどる。使用者Ｔは、画像形成装置
５に向かって動くため、領域Ｂに入った場合、ポイント
Ｐｘ２０での求心速度Ｖｘ２０と、領域Ａに入った場
合、ポイントＰｘ２１での求心速度Ｖｘ２１は、式２
３、式２４のｃｏｓθは、ほぼ１となり、 Ｖｘ２０＝Ｖｘ２１＝Ｖ …式２５ となる。
【０１３８】通過者Ｓと使用者Ｔの認識判断は、領域Ｂ
に入った時の求心速度Ｖｘ０と、領域Ａに入った時の求
心速度Ｖｘ１との比較により行う。画像形成装置５が置
かれた環境に応じて人が領域Ａ、領域Ｂに入る速さが変
わったり、領域Ａ、領域Ｂに入る角度が変わったりする
ため学習機能を有する。
に入った時の求心速度Ｖｘ０と、領域Ａに入った時の求
心速度Ｖｘ１との比較により行う。画像形成装置５が置
かれた環境に応じて人が領域Ａ、領域Ｂに入る速さが変
わったり、領域Ａ、領域Ｂに入る角度が変わったりする
ため学習機能を有する。
【０１３９】次に、判断過程をフロー図３９で説明す
る。まず、ステップ１で人が領域Ｂに入ったかどうか判
定をする。判定結果がＮＯであれば、ステップ１を繰り
刷し、ＹＥＳであれば、Ｖｘ０を演算する。ステップ２
で人が領域Ａに入ったかどうか判定をし、判定結果がＮ
Ｏであれば、ステップ３で領域Ｂを出たかどうか判定を
する。ステップ３の判定結果がＮＯであれば、ステップ
２へ行き、ＹＥＳならば、ステップ１へ戻る。ステップ
２の判定結果がＹＥＳであれば、Ｖｘ１を演算する。ス
テップ４で求心速度Ｖｘ０と求心速度Ｖｘ１の速度変化
量と基準変化量Ｖｒｅｆ．の比較を行い、ＹＥＳであれ
ば、通過者判定としステップ５へ行く。ＮＯであれば、
使用者として判定する。ステップ５では、スイッチが押
されたかどうか判定を行いＮＯならステップ６へ行く。
ＹＥＳならＶｒｅｆ．の値を変え使用者として判定す
る。ステップ６では領域Ａ，Ｂを出たか判定を行い、Ｎ
Ｏならステップ５を繰り返し、ＹＥＳならステップ１に
戻る。
る。まず、ステップ１で人が領域Ｂに入ったかどうか判
定をする。判定結果がＮＯであれば、ステップ１を繰り
刷し、ＹＥＳであれば、Ｖｘ０を演算する。ステップ２
で人が領域Ａに入ったかどうか判定をし、判定結果がＮ
Ｏであれば、ステップ３で領域Ｂを出たかどうか判定を
する。ステップ３の判定結果がＮＯであれば、ステップ
２へ行き、ＹＥＳならば、ステップ１へ戻る。ステップ
２の判定結果がＹＥＳであれば、Ｖｘ１を演算する。ス
テップ４で求心速度Ｖｘ０と求心速度Ｖｘ１の速度変化
量と基準変化量Ｖｒｅｆ．の比較を行い、ＹＥＳであれ
ば、通過者判定としステップ５へ行く。ＮＯであれば、
使用者として判定する。ステップ５では、スイッチが押
されたかどうか判定を行いＮＯならステップ６へ行く。
ＹＥＳならＶｒｅｆ．の値を変え使用者として判定す
る。ステップ６では領域Ａ，Ｂを出たか判定を行い、Ｎ
Ｏならステップ５を繰り返し、ＹＥＳならステップ１に
戻る。
【０１４０】次に、Ｖｒｅｆ．の変更過程をフロー図４
０で説明する。まず、ステップ１でメモリーバッファＢ
ｕｆの内容を１増加させる。ステップ２でメモリーバッ
ファＢｕｆの内容が１０になったか否かを判定し、ＹＥ
Ｓであれば、Ｖｒｅｆ．の値を１ステップ増加させ、メ
モリーバッファＢｕｆの内容を０にリセットしＶｒｅ
ｆ．の変更を終了する。また、ＮＯであれば、Ｖｒｅ
ｆ．の変更を終了する。
０で説明する。まず、ステップ１でメモリーバッファＢ
ｕｆの内容を１増加させる。ステップ２でメモリーバッ
ファＢｕｆの内容が１０になったか否かを判定し、ＹＥ
Ｓであれば、Ｖｒｅｆ．の値を１ステップ増加させ、メ
モリーバッファＢｕｆの内容を０にリセットしＶｒｅ
ｆ．の変更を終了する。また、ＮＯであれば、Ｖｒｅ
ｆ．の変更を終了する。
【０１４１】使用者として判定しても通過者であること
もある。この場合は基準時間Ｔ後になってもスイッチ操
作がなければ通過者判定としＶｒｅｆ．の変更を行う。
次に、この場合のＶｒｅｆ．の変更過程をフロー図４１
で説明する。まず、ステップ１でメモリーバッファＢｕ
ｆの内容を１減少させる。ステップ２でメモリーバッフ
ァＢｕｆの内容が−１０になったか判定する。ＹＥＳで
あれば、Ｖｒｅｆ．の値を１ステップ減少させ、メモリ
ーバッファＢｕｆの内容を０にリセットし、Ｖｒｅｆ．
の変更を終了する。また、ＮＯであれば、Ｖｒｅｆ．の
変更を終了する。
もある。この場合は基準時間Ｔ後になってもスイッチ操
作がなければ通過者判定としＶｒｅｆ．の変更を行う。
次に、この場合のＶｒｅｆ．の変更過程をフロー図４１
で説明する。まず、ステップ１でメモリーバッファＢｕ
ｆの内容を１減少させる。ステップ２でメモリーバッフ
ァＢｕｆの内容が−１０になったか判定する。ＹＥＳで
あれば、Ｖｒｅｆ．の値を１ステップ減少させ、メモリ
ーバッファＢｕｆの内容を０にリセットし、Ｖｒｅｆ．
の変更を終了する。また、ＮＯであれば、Ｖｒｅｆ．の
変更を終了する。
【０１４２】次に、ファジィ演算装置を使用した例を図
４２に示す。ファジィ演算装置３０は、Ｖｒｅｆ．との
差分（ΔＶ＝Ｖｘ０−Ｖｘ１）とその差分の頻度を入力
とし、Ｖｒｅｆ．変更量を出力する。
４２に示す。ファジィ演算装置３０は、Ｖｒｅｆ．との
差分（ΔＶ＝Ｖｘ０−Ｖｘ１）とその差分の頻度を入力
とし、Ｖｒｅｆ．変更量を出力する。
【０１４３】図４３は、ファジィ演算処理の概念を説明
するための具体例を示す図で、ファジィ演算装置の一部
の機能を模式的に図示したものである。例えば、図４３
Ａの「もし、ΔＶが大で、そのときの発生頻度が大であ
るとＶref.変更量は大である」において、「ΔＶが大」
「発生頻度が大」をメンバーシップ関数によって、その
ときの集合を図４３Ａの（１）（２）のように定義す
る。
するための具体例を示す図で、ファジィ演算装置の一部
の機能を模式的に図示したものである。例えば、図４３
Ａの「もし、ΔＶが大で、そのときの発生頻度が大であ
るとＶref.変更量は大である」において、「ΔＶが大」
「発生頻度が大」をメンバーシップ関数によって、その
ときの集合を図４３Ａの（１）（２）のように定義す
る。
【０１４４】上記メンバーシップ関数（１）（２）とい
きい値を意昧する縦の鎖線との交点により「ΔＶが大」
「発生頻度が大」である集合の確度が求められる。この
確度の最小値を求め、上記「Ｖｒｅｆ．変更量は大」集
合を定義しているメンバーシップ関数（３）の値に対し
て、該最小値を越える部分を削除することにより、図４
３ＡによるＶｒｅｆ．変更量の集合が求められる。同様
に、図４３Ｂ，Ｃからも各々Ｖｒｅｆ．変更量の集合
（６），（９）が求められ、該Ｖｒｅｆ．変更量の集合
（３）（６）（９）の最大値を最終的な関数値とする関
数（１０）を作成し、該関数（１０）の重心を上記図４
３Ａ，Ｂ，Ｃにより決定されるＶｒｅｆ．変更量の値と
する。このファジィ演算装置からのＶｒｅｆ．変更量に
よって現在のＶｒｅｆ．値を変更する。
きい値を意昧する縦の鎖線との交点により「ΔＶが大」
「発生頻度が大」である集合の確度が求められる。この
確度の最小値を求め、上記「Ｖｒｅｆ．変更量は大」集
合を定義しているメンバーシップ関数（３）の値に対し
て、該最小値を越える部分を削除することにより、図４
３ＡによるＶｒｅｆ．変更量の集合が求められる。同様
に、図４３Ｂ，Ｃからも各々Ｖｒｅｆ．変更量の集合
（６），（９）が求められ、該Ｖｒｅｆ．変更量の集合
（３）（６）（９）の最大値を最終的な関数値とする関
数（１０）を作成し、該関数（１０）の重心を上記図４
３Ａ，Ｂ，Ｃにより決定されるＶｒｅｆ．変更量の値と
する。このファジィ演算装置からのＶｒｅｆ．変更量に
よって現在のＶｒｅｆ．値を変更する。
【０１４５】次に、ニューラル・ネットワークを使用し
た例を図４４に示す。ニューラル・ネットワーク３１は
予め実験等によって得られた状態を表すパラメータを教
師値として学習済みとし、Ｖｒｅｆ．との差分（Ｖｘ−
Ｖｒｅｆ．）とその差分の頻度を入力として、Ｖｒｅ
ｆ．変更量を出力する。このニューラル・ネットワーク
３１からのＶｒｅｆ．変更量によって現在のＶｒｅｆ．
値を変更する。
た例を図４４に示す。ニューラル・ネットワーク３１は
予め実験等によって得られた状態を表すパラメータを教
師値として学習済みとし、Ｖｒｅｆ．との差分（Ｖｘ−
Ｖｒｅｆ．）とその差分の頻度を入力として、Ｖｒｅ
ｆ．変更量を出力する。このニューラル・ネットワーク
３１からのＶｒｅｆ．変更量によって現在のＶｒｅｆ．
値を変更する。
【０１４６】この実施例によると、以下の効果がある。
脈動発光による距離センサにより、センサと人までの
「距離ｒ」（距離データ）を常に検知し、センサからの
距離ｒ１の内側の領域に人が入り込んだときの求心速
度、及び距離ｒ１から距離ｒ２の領域に人が入り込んだ
ときの求心速度により、「使う／使わない」かを、判断
することができるため無駄な動作をさせなくてすむ。ま
た、設置環境のバラツキに付いては、設置後の適応機能
により、柔軟に対応が出来る。設置後の適応機能におい
ては、表参照方式を用いることにより、ハード部の簡略
化が計れる。また、ファジィ演算装置を用いることによ
り、表参照方式に比べより最適な適応が可能となる。ま
た、ニューラルネットワークを用いることにより、さら
に、最適な適応が可能となる。
脈動発光による距離センサにより、センサと人までの
「距離ｒ」（距離データ）を常に検知し、センサからの
距離ｒ１の内側の領域に人が入り込んだときの求心速
度、及び距離ｒ１から距離ｒ２の領域に人が入り込んだ
ときの求心速度により、「使う／使わない」かを、判断
することができるため無駄な動作をさせなくてすむ。ま
た、設置環境のバラツキに付いては、設置後の適応機能
により、柔軟に対応が出来る。設置後の適応機能におい
ては、表参照方式を用いることにより、ハード部の簡略
化が計れる。また、ファジィ演算装置を用いることによ
り、表参照方式に比べより最適な適応が可能となる。ま
た、ニューラルネットワークを用いることにより、さら
に、最適な適応が可能となる。
【０１４７】
【実施例３】この実施例は、脈動発光により認識手段と
測定対象物体（移動物体）までの「距離ｒ」を検出（距
離データ）し、「距離ｒ」を時系列で演算し「求心方向
速度Ｖｂ」を求め、次に、「距離ｒ、求心方向速度Ｖ
ｂ」から装置本体への測定対象物体（移動物体）の「予
想通過時間ｔ１」と装置本体に対する測定対象物体（移
動物体）の「予想通過時間ｔ２」とを演算し「使う／使
わない」又は「使用中／使い終わった」を認識する。
測定対象物体（移動物体）までの「距離ｒ」を検出（距
離データ）し、「距離ｒ」を時系列で演算し「求心方向
速度Ｖｂ」を求め、次に、「距離ｒ、求心方向速度Ｖ
ｂ」から装置本体への測定対象物体（移動物体）の「予
想通過時間ｔ１」と装置本体に対する測定対象物体（移
動物体）の「予想通過時間ｔ２」とを演算し「使う／使
わない」又は「使用中／使い終わった」を認識する。
【０１４８】測定対象物体（移動物体）の「予想通過時
間ｔ２」の測定ポイントとしては、例えば、 （ｉ）装置本体操作部正面付近 （ｉｉ）所定の測定検出エリアに対する測定対象物体進
入ポイントと対向する側の前記測定検出エリア境界線上
付近がある。
間ｔ２」の測定ポイントとしては、例えば、 （ｉ）装置本体操作部正面付近 （ｉｉ）所定の測定検出エリアに対する測定対象物体進
入ポイントと対向する側の前記測定検出エリア境界線上
付近がある。
【０１４９】パラメータ処理方式としては、次の３つの
方式が考えられる。 （ｉ）表参照方式 （ｉｉ）ファジー方式 （ｉｉｉ）ニューラル・ネットワーク方式
方式が考えられる。 （ｉ）表参照方式 （ｉｉ）ファジー方式 （ｉｉｉ）ニューラル・ネットワーク方式
【０１５０】
【概略】脈動発光による距離センサにより、センサと人
までの「距離ｒ」（距離データ）を常に検知しており、
センサからの距離ｒ２での求心速度Ｖｘ０から、セサか
らの距離ｒ１に到達するであろう時間ｔ１とセンサから
の距離ｒ１に到達した時間ｔ２との比較により、この人
が、「使う／使わない」かを、判断する。
までの「距離ｒ」（距離データ）を常に検知しており、
センサからの距離ｒ２での求心速度Ｖｘ０から、セサか
らの距離ｒ１に到達するであろう時間ｔ１とセンサから
の距離ｒ１に到達した時間ｔ２との比較により、この人
が、「使う／使わない」かを、判断する。
【０１５１】
【構成・動作】図３のパラメータ抽出部８から図３の記
憶装置１３に図３０の画像形成装置５からの距離ｒ、求
心速度が書き込まれる。図３の認識判断部９において、
図４５における画像形成装置５からの距離ｒ２の領域を
領域Ｂに入った時の進入速度Ｖｘ０から演算により求め
た画像形成装置５からの距離ｒ１の領域Ａに入るのにか
かる時間ｔ１と、距離ｒ２から距離ｒ１の領域に実際に
かかった時間ｔ２により認識判断を行う。進入速度Ｖｘ
は、検出部方向の求心速度であり、進入時の距離ｒｘ、
進入からｔ時間後の距離ｒｘｔより演算により求まるパ
ラメータで、 Ｖｘ＝ｒｘｔ−ｒｘ／ｔ …式２６ となる。
憶装置１３に図３０の画像形成装置５からの距離ｒ、求
心速度が書き込まれる。図３の認識判断部９において、
図４５における画像形成装置５からの距離ｒ２の領域を
領域Ｂに入った時の進入速度Ｖｘ０から演算により求め
た画像形成装置５からの距離ｒ１の領域Ａに入るのにか
かる時間ｔ１と、距離ｒ２から距離ｒ１の領域に実際に
かかった時間ｔ２により認識判断を行う。進入速度Ｖｘ
は、検出部方向の求心速度であり、進入時の距離ｒｘ、
進入からｔ時間後の距離ｒｘｔより演算により求まるパ
ラメータで、 Ｖｘ＝ｒｘｔ−ｒｘ／ｔ …式２６ となる。
【０１５２】次に、一例を上げて説明する。図４５にお
いて、通過者Ｓは、図のような方向の人の動きの軌跡を
たどる。この軌跡が、領域Ｂに入らない場合は、使用し
ないと判断する。この軌跡が、領域Ｂに入った場合、ポ
イントＰｘ１０での求心速度Ｖｘ０は、実速度Ｖに対し
てθ０（ｃｏｓθ＜１）の角度を持つため Ｖｘ０＝Ｖ・ｃｏｓθ０ …式２７ となる。式２７からポイントＰｘ１０からポイントＰｘ
１２に達する時間ｔ１は ｔ１＝（ｒ２−ｒ１）／Ｖｘ０ …式２８ となる。しかしながら、実際は、ポイントＰｘ１１の方
向に実速度Ｖで動いているため実時間ｔ２＞ｔ１とな
る。
いて、通過者Ｓは、図のような方向の人の動きの軌跡を
たどる。この軌跡が、領域Ｂに入らない場合は、使用し
ないと判断する。この軌跡が、領域Ｂに入った場合、ポ
イントＰｘ１０での求心速度Ｖｘ０は、実速度Ｖに対し
てθ０（ｃｏｓθ＜１）の角度を持つため Ｖｘ０＝Ｖ・ｃｏｓθ０ …式２７ となる。式２７からポイントＰｘ１０からポイントＰｘ
１２に達する時間ｔ１は ｔ１＝（ｒ２−ｒ１）／Ｖｘ０ …式２８ となる。しかしながら、実際は、ポイントＰｘ１１の方
向に実速度Ｖで動いているため実時間ｔ２＞ｔ１とな
る。
【０１５３】これに対し、使用者Ｔは、図のような方向
の人の動きの軌跡をたどる。使用者Ｔは、画像形成装置
５に向かって動くため、領域Ｂに入った場合、ポイント
Ｐｘ２０での求心速度Ｖｘ０２は、式２７のｃｏｓθ
は、ほぼ１となり、 Ｖｘ０２＝Ｖ …式２９ となる。このため、ほぼ、実時間ｔ４＝演算時間ｔ３と
なる。
の人の動きの軌跡をたどる。使用者Ｔは、画像形成装置
５に向かって動くため、領域Ｂに入った場合、ポイント
Ｐｘ２０での求心速度Ｖｘ０２は、式２７のｃｏｓθ
は、ほぼ１となり、 Ｖｘ０２＝Ｖ …式２９ となる。このため、ほぼ、実時間ｔ４＝演算時間ｔ３と
なる。
【０１５４】通過者Ｓと使用者Ｔの認識判断は、領域Ｂ
に入った時の求心速度Ｖｘ０から演算される（ｒ２−ｒ
１）間にかかる時間ｔ１，ｔ３と、ｒ１に入るまでにか
かった実時間ｔ２，ｔ４との比較により行う。画像形成
装置５が置かれた環境に応じて人が領域Ａに入る速さが
変わったり、領域Ａ、領域Ｂに入る角度が変わったりす
るため学習機能を有する。
に入った時の求心速度Ｖｘ０から演算される（ｒ２−ｒ
１）間にかかる時間ｔ１，ｔ３と、ｒ１に入るまでにか
かった実時間ｔ２，ｔ４との比較により行う。画像形成
装置５が置かれた環境に応じて人が領域Ａに入る速さが
変わったり、領域Ａ、領域Ｂに入る角度が変わったりす
るため学習機能を有する。
【０１５５】次に、判断過程をフロー図４６で説明す
る。まず、ステップ１で人が領域Ｂに入ったかどうか判
定をする。判定結果がＮＯであれば、ステップ１を繰り
返し、ＹＥＳであれば、Ｖｘ０，ｔ１を演算する。ステ
ップ２で人が領域Ａに入ったかどうか判定をする。判定
結果がＮＯであれば、ステップ３で領域Ｂを出たかどう
か判定をする。ステップ３の判定結果がＮＯであれば、
ステップ２へ行き、ＹＥＳならば、ステップ１へ戻る。
ステップ２の判定結果がＹＥＳであれば、ｔ２を計測す
る。
る。まず、ステップ１で人が領域Ｂに入ったかどうか判
定をする。判定結果がＮＯであれば、ステップ１を繰り
返し、ＹＥＳであれば、Ｖｘ０，ｔ１を演算する。ステ
ップ２で人が領域Ａに入ったかどうか判定をする。判定
結果がＮＯであれば、ステップ３で領域Ｂを出たかどう
か判定をする。ステップ３の判定結果がＮＯであれば、
ステップ２へ行き、ＹＥＳならば、ステップ１へ戻る。
ステップ２の判定結果がＹＥＳであれば、ｔ２を計測す
る。
【０１５６】ステップ４で演算時間ｔ１と実時間ｔ２の
時間変化量と基準変化量ｔｒｅｆ．の比較を行い、ＹＥ
Ｓであれば、通過者判定としステップ５へ行く。また、
ＮＯであれば、使用者として判定する。ステップ５で
は、スイッチが押されたかどうか（使用されたかどう
か）判定を行い、ＮＯならステップ６へ行き、ＹＥＳな
らｔｒｅｆ．の値を変え使用者として判定する。ステッ
プ６では領域Ａ，Ｂを出たか判定を行い、ＮＯならステ
ップ５を繰り返し、ＹＥＳならステップ１に戻る。
時間変化量と基準変化量ｔｒｅｆ．の比較を行い、ＹＥ
Ｓであれば、通過者判定としステップ５へ行く。また、
ＮＯであれば、使用者として判定する。ステップ５で
は、スイッチが押されたかどうか（使用されたかどう
か）判定を行い、ＮＯならステップ６へ行き、ＹＥＳな
らｔｒｅｆ．の値を変え使用者として判定する。ステッ
プ６では領域Ａ，Ｂを出たか判定を行い、ＮＯならステ
ップ５を繰り返し、ＹＥＳならステップ１に戻る。
【０１５７】次に、ｔｒｅｆ．の変更過程をフロー図４
７で説明する。まず、ステップ１でメモリーバッファＢ
ｕｆの内容を１増加させる。ステップ２でメモリーバッ
ファＢｕｆの内容が１０になったか判定する。ＹＥＳで
あれば、ｔｒｅｆ．の値を１ステップ増加させ、メモリ
ーバッファＢｕｆの内容を０にリセットしｔｒｅｆ．の
変更を終了する。また、ＮＯであれば、ｔｒｅｆ．の変
更を終了する。
７で説明する。まず、ステップ１でメモリーバッファＢ
ｕｆの内容を１増加させる。ステップ２でメモリーバッ
ファＢｕｆの内容が１０になったか判定する。ＹＥＳで
あれば、ｔｒｅｆ．の値を１ステップ増加させ、メモリ
ーバッファＢｕｆの内容を０にリセットしｔｒｅｆ．の
変更を終了する。また、ＮＯであれば、ｔｒｅｆ．の変
更を終了する。
【０１５８】使用者として判定しても通過者であること
もある。この場合は基準時間Ｔ後になってもスイッチ操
作がなければ通過者判定としＶｒｅｆ．の変更を行う。
次に、この場合のＶｒｅｆ．の変更過程をフロー図４８
で説明する。まず、ステップ１でメモリーバッファＢｕ
ｆの内容を１減少させる。ステップ２でメモリーバッフ
ァＢｕｆの内容が−１０になったか判定する。ＹＥＳで
あれば、Ｖｒｅｆ．の値を１ステップ減少させ、メモリ
ーバッファＢｕｆの内容を０にリセットし、Ｖｒｅｆ．
の変更を終了する。また、ＮＯであれば、Ｖｒｅｆ．の
変更を終了する。
もある。この場合は基準時間Ｔ後になってもスイッチ操
作がなければ通過者判定としＶｒｅｆ．の変更を行う。
次に、この場合のＶｒｅｆ．の変更過程をフロー図４８
で説明する。まず、ステップ１でメモリーバッファＢｕ
ｆの内容を１減少させる。ステップ２でメモリーバッフ
ァＢｕｆの内容が−１０になったか判定する。ＹＥＳで
あれば、Ｖｒｅｆ．の値を１ステップ減少させ、メモリ
ーバッファＢｕｆの内容を０にリセットし、Ｖｒｅｆ．
の変更を終了する。また、ＮＯであれば、Ｖｒｅｆ．の
変更を終了する。
【０１５９】図４９は、ファジィ演算装置を使用した例
を示す図で、ファジィ演算装置３０は、差分ΔＶ＝ｔ２
−ｔ１と差分の頻度を入力とし、Ｖｒｅｆ．変更量を出
力する。
を示す図で、ファジィ演算装置３０は、差分ΔＶ＝ｔ２
−ｔ１と差分の頻度を入力とし、Ｖｒｅｆ．変更量を出
力する。
【０１６０】図５０は、ファジィ演算処理の概念を説明
するための具体例を示す図で、ファジィ演算装置３０の
一部の機能を模式的に図示したものである。例えば、図
５０Ａの「もし、ΔＶが大で、そのときの発生頻度が大
であるとＶref.変更量は大である」において、「ΔＶが
大」「発生頻度が大」をメンバーシップ関数によって、
そのときの集合図５０Ａの（１）（２）のように定義す
る。上記メンバーシップ関数（１）（２）といきい値を
意味する縦の鎖線との交点により「ΔＶが大」「発生頻
度が大」である集合の確度が求められる。この確度の最
小値を求め、上記「Ｖref.変更量は大」集合を定義して
いるメンバーシップ関数（３）の値に対して、該最小値
を越える部分を削除することにより、図５０ＡによるＶ
ref.変更量の集合が求められる。
するための具体例を示す図で、ファジィ演算装置３０の
一部の機能を模式的に図示したものである。例えば、図
５０Ａの「もし、ΔＶが大で、そのときの発生頻度が大
であるとＶref.変更量は大である」において、「ΔＶが
大」「発生頻度が大」をメンバーシップ関数によって、
そのときの集合図５０Ａの（１）（２）のように定義す
る。上記メンバーシップ関数（１）（２）といきい値を
意味する縦の鎖線との交点により「ΔＶが大」「発生頻
度が大」である集合の確度が求められる。この確度の最
小値を求め、上記「Ｖref.変更量は大」集合を定義して
いるメンバーシップ関数（３）の値に対して、該最小値
を越える部分を削除することにより、図５０ＡによるＶ
ref.変更量の集合が求められる。
【０１６１】同様に、図５０Ｂ，Ｃからも各々Ｖｒｅ
ｆ．変更量の集合（６），（９）が求められ、該Ｖｒｅ
ｆ．変更量の集合（３）（６）（９）の最大値を最終的
な関数値とする関数（１０）を作成し、該関数（１０）
の重心を上記図５０Ａ，Ｂ，Ｃにより決定されるＶｒｅ
ｆ．変更量の値とする。このファジィ演算装置３０から
のＶｒｅｆ．変更量によって現在のＶｒｅｆ．値を変更
する。
ｆ．変更量の集合（６），（９）が求められ、該Ｖｒｅ
ｆ．変更量の集合（３）（６）（９）の最大値を最終的
な関数値とする関数（１０）を作成し、該関数（１０）
の重心を上記図５０Ａ，Ｂ，Ｃにより決定されるＶｒｅ
ｆ．変更量の値とする。このファジィ演算装置３０から
のＶｒｅｆ．変更量によって現在のＶｒｅｆ．値を変更
する。
【０１６２】次に、ニューラル・ネットワークを使用し
た例を図５１に示す。ニューラル・ネットワーク３１は
予め実験等によって得られた状態を表すパラメータを教
師値として学習済みとする。このニューラル・ネットワ
ーク３１は、差分ΔＶ＝ｔ２−ｔ１と差分の頻度を入力
として、Ｖｒｅｆ．変更量を出力する。このニューラル
・ネットワーク３１からのＶｒｅｆ．変更量によって現
在のＶｒｅｆ．値を変更する。
た例を図５１に示す。ニューラル・ネットワーク３１は
予め実験等によって得られた状態を表すパラメータを教
師値として学習済みとする。このニューラル・ネットワ
ーク３１は、差分ΔＶ＝ｔ２−ｔ１と差分の頻度を入力
として、Ｖｒｅｆ．変更量を出力する。このニューラル
・ネットワーク３１からのＶｒｅｆ．変更量によって現
在のＶｒｅｆ．値を変更する。
【０１６３】この実施例によると、以下の効果がある。
脈動発光による距離センサにより、センサと人までの
「距離ｒ」（距離データ）を常に検知し、センサからの
距離ｒ１の内側の領域に人が入り込んだときの求心速度
により求めたｒ２−ｒ１間の演算時間ｔ１と、実時間ｔ
２により、、「使う／使わない」かを、判断することが
できるため無駄な動作をさせなくてすむ。また、設置環
境のバラツキに付いては、設置後の適応機能により、柔
軟に対応が出来る。設置後の適応機能においては、表参
照方式を用いることにより、ハード部の簡略化が計れ
る。また、ファジィ演算装置を用いることにより、表参
照方式に比べより最適な適応が可能となる。また、ニュ
ーラルネットワークを用いることにより、さらに、最適
な適応が可能となる。
脈動発光による距離センサにより、センサと人までの
「距離ｒ」（距離データ）を常に検知し、センサからの
距離ｒ１の内側の領域に人が入り込んだときの求心速度
により求めたｒ２−ｒ１間の演算時間ｔ１と、実時間ｔ
２により、、「使う／使わない」かを、判断することが
できるため無駄な動作をさせなくてすむ。また、設置環
境のバラツキに付いては、設置後の適応機能により、柔
軟に対応が出来る。設置後の適応機能においては、表参
照方式を用いることにより、ハード部の簡略化が計れ
る。また、ファジィ演算装置を用いることにより、表参
照方式に比べより最適な適応が可能となる。また、ニュ
ーラルネットワークを用いることにより、さらに、最適
な適応が可能となる。
【０１６４】
【実施例４】この実施例は、脈動発光により認識手段と
測定対象物体（移動物体）までの「距離ｒ」を検出（距
離データ）し、「距離ｒ」を時系列で演算し「求心方向
速度Ｖｂ」を求め、次に、「距離ｒ、求心方向速度Ｖ
ｂ」から装置本体への測定対象物体（移動物体）の「予
想通過時間ｔ１」と装置本体に対する測定対象物体（移
動物体）の「予想通過時間ｔ２」とを演算し、「使う／
使わない」又は「使用中／使い終わった」を認識するも
のである。
測定対象物体（移動物体）までの「距離ｒ」を検出（距
離データ）し、「距離ｒ」を時系列で演算し「求心方向
速度Ｖｂ」を求め、次に、「距離ｒ、求心方向速度Ｖ
ｂ」から装置本体への測定対象物体（移動物体）の「予
想通過時間ｔ１」と装置本体に対する測定対象物体（移
動物体）の「予想通過時間ｔ２」とを演算し、「使う／
使わない」又は「使用中／使い終わった」を認識するも
のである。
【０１６５】測定対象物体（移動物体）の「予想通過時
間ｔ２」の測定ポイントは、例えば （ｉ）装置本体操作部正面付近 （ｉｉ）所定の測定検出エリアに対する測定対象物体進
入ポイントと対向する側の前記測定検出エリア境界線上
付近である。
間ｔ２」の測定ポイントは、例えば （ｉ）装置本体操作部正面付近 （ｉｉ）所定の測定検出エリアに対する測定対象物体進
入ポイントと対向する側の前記測定検出エリア境界線上
付近である。
【０１６６】パラメータ処理方式としては、次の３つの
方式が考えられる。（ｉ）表参照方式 （ｉｉ）ファジー方式 （ｉｉｉ）ニューラル・ネットワーク方式
方式が考えられる。（ｉ）表参照方式 （ｉｉ）ファジー方式 （ｉｉｉ）ニューラル・ネットワーク方式
【０１６７】
【概略】脈動発光による距離センサにより、センサと人
までの「距離ｒ」（距離データ）を常に検知しており、
センサからの距離ｒｂでの求心速度Ｖｂから、センサか
らの距離ｒａに到達するであろう時間ｔ１を演算し、時
間ｔ１後のセンサからの距離ｒｘとの比較により、この
人が、「使う／使わない」かを、判断する。
までの「距離ｒ」（距離データ）を常に検知しており、
センサからの距離ｒｂでの求心速度Ｖｂから、センサか
らの距離ｒａに到達するであろう時間ｔ１を演算し、時
間ｔ１後のセンサからの距離ｒｘとの比較により、この
人が、「使う／使わない」かを、判断する。
【０１６８】
【構成・動作】図３のパラメータ抽出部８から図３の記
憶装置１３に図３０の画像形成装置５からの距離ｒ、求
心速度が書き込まれる。図３の認識判断部９において、
図５２における画像形成装置５からの距離ｒ２の領域を
領域Ｂに入った時の進入速度Ｖｘ０から演算により求め
た画像形成装置５からの距離ｒ１の領域Ａに入るのにか
かる時間ｔ１を演算し、時間ｔ１後の画像形成装置５と
人の距離ｒｙから認識判断を行う。進入速度Ｖｘは検出
部方向の求心速度であり、進入時の距離ｒｘ、進入から
ｔ時間後の距離ｒｘｔより演算により求まるパラメータ
で、 Ｖｘ＝ｒｘｔ−ｒｘ／ｔ …式３０ より求められる。
憶装置１３に図３０の画像形成装置５からの距離ｒ、求
心速度が書き込まれる。図３の認識判断部９において、
図５２における画像形成装置５からの距離ｒ２の領域を
領域Ｂに入った時の進入速度Ｖｘ０から演算により求め
た画像形成装置５からの距離ｒ１の領域Ａに入るのにか
かる時間ｔ１を演算し、時間ｔ１後の画像形成装置５と
人の距離ｒｙから認識判断を行う。進入速度Ｖｘは検出
部方向の求心速度であり、進入時の距離ｒｘ、進入から
ｔ時間後の距離ｒｘｔより演算により求まるパラメータ
で、 Ｖｘ＝ｒｘｔ−ｒｘ／ｔ …式３０ より求められる。
【０１６９】次に、一例を上げて説明する。図５２にお
いて、通過者Ｓは、図のような方向の人の動きの軌跡を
たどる。この軌跡が、領域Ｂに入らない場合は、使用し
ないと判断する。この軌跡が、領域Ｂに入った場合、ポ
イントＰｘ１０での求心速度Ｖｘ０は、実速度Ｖに対し
てθ０（ｃｏｓθ＜１）の角度を持つため Ｖｘ０＝Ｖ・ｃｏｓθ０ …式３１ となる。
いて、通過者Ｓは、図のような方向の人の動きの軌跡を
たどる。この軌跡が、領域Ｂに入らない場合は、使用し
ないと判断する。この軌跡が、領域Ｂに入った場合、ポ
イントＰｘ１０での求心速度Ｖｘ０は、実速度Ｖに対し
てθ０（ｃｏｓθ＜１）の角度を持つため Ｖｘ０＝Ｖ・ｃｏｓθ０ …式３１ となる。
【０１７０】式３１からポイントＰｘ１０からポイント
Ｐｘ１２に達する時間ｔ１は ｔ１＝（ｒ２−ｒ１）／Ｖｘ０ …式３２ となる。
Ｐｘ１２に達する時間ｔ１は ｔ１＝（ｒ２−ｒ１）／Ｖｘ０ …式３２ となる。
【０１７１】しかしながら、実際は、ポイントＰｘ１１
の方向に実速度Ｖで動いているため時間ｔ１後は距離ｒ
１にはまた達していないためｔｙ＜ｒ１となる。これに
対し、使用者Ｔは、図のような方向の人の動きの軌跡を
たどる。使用者Ｔは、画像形成装置５に向かって動くた
め、領域Ｂに入った場合、ポイントＰｘ２０での求心速
度Ｖｘ０２は、式３１のｃｏｓθは、ほぼ１となり、 Ｖｘ０２＝Ｖ …式３３ となる。このため、時間ｔ１後は、ほぼ、距離ｒｙ＝距
離ｒ１となる。
の方向に実速度Ｖで動いているため時間ｔ１後は距離ｒ
１にはまた達していないためｔｙ＜ｒ１となる。これに
対し、使用者Ｔは、図のような方向の人の動きの軌跡を
たどる。使用者Ｔは、画像形成装置５に向かって動くた
め、領域Ｂに入った場合、ポイントＰｘ２０での求心速
度Ｖｘ０２は、式３１のｃｏｓθは、ほぼ１となり、 Ｖｘ０２＝Ｖ …式３３ となる。このため、時間ｔ１後は、ほぼ、距離ｒｙ＝距
離ｒ１となる。
【０１７２】通過者Ｓと使用者Ｔの認識判断は、領域Ｂ
に入った時の求心速度Ｖｘ０から演算される（ｒ２−ｒ
１）間にかかる時間ｔ１，ｔ３と、時間ｔ１，ｔ３後の
人の位置ｒｙと距離ｒ１との比較により行う。画像形成
装置５が置かれた環境に応じて人が領域Ａに入る速さが
変わったり、領域Ａ、領域Ｂに入る角度が変わったりす
るため学習機能を有する。
に入った時の求心速度Ｖｘ０から演算される（ｒ２−ｒ
１）間にかかる時間ｔ１，ｔ３と、時間ｔ１，ｔ３後の
人の位置ｒｙと距離ｒ１との比較により行う。画像形成
装置５が置かれた環境に応じて人が領域Ａに入る速さが
変わったり、領域Ａ、領域Ｂに入る角度が変わったりす
るため学習機能を有する。
【０１７３】次に、判断過程をフロー図５３で説明す
る。まず、ステップ１で人が領域Ｂに入ったかどうか判
定をする。判定結果がＮＯであれば、ステップ１を繰り
返し、ＹＥＳであれば、Ｖｘ０，ｔ１を演算する。ステ
ップ２で人が領域Ａに入ったかどうか判定をする。ステ
ップ２の判定結果がＮＯであれば、ステップ３で領域Ｂ
を出たかどうか判定をし、ＮＯであれば、ステップ２へ
行き、ＹＥＳならば、ステップ１へ戻る。また、ステッ
プ２の判定結果がＹＥＳであれば、ｒｙを計測し、ステ
ップ４へ行く。
る。まず、ステップ１で人が領域Ｂに入ったかどうか判
定をする。判定結果がＮＯであれば、ステップ１を繰り
返し、ＹＥＳであれば、Ｖｘ０，ｔ１を演算する。ステ
ップ２で人が領域Ａに入ったかどうか判定をする。ステ
ップ２の判定結果がＮＯであれば、ステップ３で領域Ｂ
を出たかどうか判定をし、ＮＯであれば、ステップ２へ
行き、ＹＥＳならば、ステップ１へ戻る。また、ステッ
プ２の判定結果がＹＥＳであれば、ｒｙを計測し、ステ
ップ４へ行く。
【０１７４】ステップ４では、測定距離ｒｙと距離ｒ１
の距離変化量と基準変化量ｒｒｅｆ．の比較を行い、Ｙ
ＥＳであれば、通過者判定としステップ５へ行く。ま
た、ＮＯであれば、使用者として判定する。ステップ５
では、スイッチが押されたかどうか判定を行い、ＮＯな
らステップ６へ行き、ＹＥＳならｔｒｅｆ．の値を変え
使用者として判定する。ステップ６では領域Ａ，Ｂを出
たか判定を行い、ＮＯならステップ５を繰り返し、ＹＥ
Ｓならステップ１に戻る。
の距離変化量と基準変化量ｒｒｅｆ．の比較を行い、Ｙ
ＥＳであれば、通過者判定としステップ５へ行く。ま
た、ＮＯであれば、使用者として判定する。ステップ５
では、スイッチが押されたかどうか判定を行い、ＮＯな
らステップ６へ行き、ＹＥＳならｔｒｅｆ．の値を変え
使用者として判定する。ステップ６では領域Ａ，Ｂを出
たか判定を行い、ＮＯならステップ５を繰り返し、ＹＥ
Ｓならステップ１に戻る。
【０１７５】次に、ｒｒｅｆ．の変更過程をフロー図５
４で説明する。まず、ステップ１でメモリーバッファＢ
ｕｆの内容を１増加させる。ステップ２でメモリーバッ
フアＢｕｆの内容が１０になったか判定する。ＹＥＳで
あれば、ｒｒｅｆ．の値を１ステップ増加させ、メモリ
ーバッファＢｕｆの内容を０にリセットしｔｒｅｆ．の
変更を終了する。ＮＯであれば、ｔｒｅｆ．の変更を終
了する。
４で説明する。まず、ステップ１でメモリーバッファＢ
ｕｆの内容を１増加させる。ステップ２でメモリーバッ
フアＢｕｆの内容が１０になったか判定する。ＹＥＳで
あれば、ｒｒｅｆ．の値を１ステップ増加させ、メモリ
ーバッファＢｕｆの内容を０にリセットしｔｒｅｆ．の
変更を終了する。ＮＯであれば、ｔｒｅｆ．の変更を終
了する。
【０１７６】使用者として判定しても通過者であること
もある。この場合は基準時間Ｔ後になってもスイッチ操
作がなければ通過者判定としｒｒｅｆ．の変更を行う。
次に、この場合のｒｒｅｆ．の変更過程をフロー図５５
で説明する。まず、ステップ１でメモリーバッファＢｕ
ｆの内容を１減少させる。ステップ２でメモリーバッフ
ァＢｕｆの内容が−１０になったか判定する。ＹＥＳで
あれば、ｒｒｅｆ．の値を１ステップ減少させ、メモリ
ーバッファＢｕｆの内容を０にリセットし、ｒｒｅｆ．
の変更を終了する。ＮＯであれば、ｒｒｅｆ．の変更を
終了する。
もある。この場合は基準時間Ｔ後になってもスイッチ操
作がなければ通過者判定としｒｒｅｆ．の変更を行う。
次に、この場合のｒｒｅｆ．の変更過程をフロー図５５
で説明する。まず、ステップ１でメモリーバッファＢｕ
ｆの内容を１減少させる。ステップ２でメモリーバッフ
ァＢｕｆの内容が−１０になったか判定する。ＹＥＳで
あれば、ｒｒｅｆ．の値を１ステップ減少させ、メモリ
ーバッファＢｕｆの内容を０にリセットし、ｒｒｅｆ．
の変更を終了する。ＮＯであれば、ｒｒｅｆ．の変更を
終了する。
【０１７７】次に、ファジィ演算装置を使用した例を図
５６に示す。ファジィ演算装置３０は、差分（ΔＲ＝ｒ
ｙ−ｒ１）と差分の頻度を入力とし、Ｖｒｅｆ．変更量
を出力する。
５６に示す。ファジィ演算装置３０は、差分（ΔＲ＝ｒ
ｙ−ｒ１）と差分の頻度を入力とし、Ｖｒｅｆ．変更量
を出力する。
【０１７８】図５７は、ファジィ演算処理の概念を説明
するための具体例を示す図で、ファジィ演算装置３０の
一部の機能を模式的に図示したものである。例えば、図
５７Ａの「もし、ΔＲが大で、そのときの発生頻度が大
であるとｒref.変更量は大である」において、「ΔＲが
大」「発生頻度が大」をメンバーシップ関数によって、
そのときの集合図５７Ａの（１）（２）のように定義す
る。
するための具体例を示す図で、ファジィ演算装置３０の
一部の機能を模式的に図示したものである。例えば、図
５７Ａの「もし、ΔＲが大で、そのときの発生頻度が大
であるとｒref.変更量は大である」において、「ΔＲが
大」「発生頻度が大」をメンバーシップ関数によって、
そのときの集合図５７Ａの（１）（２）のように定義す
る。
【０１７９】上記メンバーシップ関数（１）（２）とい
きい値を意味する縦の鎖線との交点により「ΔＲが大」
「発生頻度が大」である集合の確度が求められる。この
確度の最小値を求め、上記「ｒｒｅｆ．変更量は大」集
合を定義しているメンバーシップ関数（３）の値に対し
て、該最小値を越える部分を削除することにより、図５
７Ａによるｒｒｅｆ．変更量の集合が求められる。同様
に、図５７Ｂ，Ｃからも各々ｒｒｅｆ．変更量の集合
（６），（９）が求められ、該ｒｒｅｆ．変更量の集合
（３）（６）（９）の最大値を最終的な関数値とする関
数（１０）を作成し、該関数（１０）の重心を上記図５
７Ａ，Ｂ，Ｃにより決定されるｒｒｅｆ．変更量の値と
する。ファジィ演算装置からのｒｒｅｆ．変更量によっ
て現在のＶｒｅｆ．値を変更する。
きい値を意味する縦の鎖線との交点により「ΔＲが大」
「発生頻度が大」である集合の確度が求められる。この
確度の最小値を求め、上記「ｒｒｅｆ．変更量は大」集
合を定義しているメンバーシップ関数（３）の値に対し
て、該最小値を越える部分を削除することにより、図５
７Ａによるｒｒｅｆ．変更量の集合が求められる。同様
に、図５７Ｂ，Ｃからも各々ｒｒｅｆ．変更量の集合
（６），（９）が求められ、該ｒｒｅｆ．変更量の集合
（３）（６）（９）の最大値を最終的な関数値とする関
数（１０）を作成し、該関数（１０）の重心を上記図５
７Ａ，Ｂ，Ｃにより決定されるｒｒｅｆ．変更量の値と
する。ファジィ演算装置からのｒｒｅｆ．変更量によっ
て現在のＶｒｅｆ．値を変更する。
【０１８０】次に、ニューラル・ネットワークを使用し
た例を図５８に示す。ニューラル・ネットワーク３１は
予め実験等によって得られた状態を表すパラメータを教
師値として学習済みとする。このニューラル・ネットワ
ーク３１は、差分（ΔＲ＝ｒｙ−ｒ１）とこの差分の頻
度を入力として、ｒｒｅｆ．変更量を出力する。このニ
ューラル・ネットワークからのｒｒｅｆ．変更量によっ
て現在のｒｒｅｆ．値を変更する。
た例を図５８に示す。ニューラル・ネットワーク３１は
予め実験等によって得られた状態を表すパラメータを教
師値として学習済みとする。このニューラル・ネットワ
ーク３１は、差分（ΔＲ＝ｒｙ−ｒ１）とこの差分の頻
度を入力として、ｒｒｅｆ．変更量を出力する。このニ
ューラル・ネットワークからのｒｒｅｆ．変更量によっ
て現在のｒｒｅｆ．値を変更する。
【０１８１】この実施例によると、以下の効果がある。
脈動発光による距離センサにより、センサと人までの
「距離ｒ」（距離データ）を常に検知し、センサからの
距離ｒ１の内側の領域に人が入り込んだときの求心速度
より求め、ｒ２−ｒ１間の演算時間ｔ１と、時間ｔ１後
の人の距離により、「使う／使わない」かを、判断する
ことができるため無駄な動作をさせなくてすむ。また、
設置環境のバラツキに付いては、設置後の適応機能によ
り、柔軟に対応が出来る。設置後の適応機能において
は、表参照方式を用いることにより、ハード部の簡略化
が計れる。また、ファジィ演算装置を用いることによ
り、表参照方式に比べより最適な適応が可能となる。ま
た、ニューラルネットワークを用いることにより、さら
に、最適な適応が可能となる。
脈動発光による距離センサにより、センサと人までの
「距離ｒ」（距離データ）を常に検知し、センサからの
距離ｒ１の内側の領域に人が入り込んだときの求心速度
より求め、ｒ２−ｒ１間の演算時間ｔ１と、時間ｔ１後
の人の距離により、「使う／使わない」かを、判断する
ことができるため無駄な動作をさせなくてすむ。また、
設置環境のバラツキに付いては、設置後の適応機能によ
り、柔軟に対応が出来る。設置後の適応機能において
は、表参照方式を用いることにより、ハード部の簡略化
が計れる。また、ファジィ演算装置を用いることによ
り、表参照方式に比べより最適な適応が可能となる。ま
た、ニューラルネットワークを用いることにより、さら
に、最適な適応が可能となる。
【０１８２】
【発明の効果】以上の説明から明らかなように、本発明
によると、接近速度と使用者か否かの関係をあらかじめ
記憶しており、装置本体へ物体が接近する接近速度を求
め、この接近速度を記憶されている関係と接近速度から
計算された装置本体までへの予想時間とを比較すること
で、使用者か否かを判断するため、認識速度が非常に速
いという効果がある。
によると、接近速度と使用者か否かの関係をあらかじめ
記憶しており、装置本体へ物体が接近する接近速度を求
め、この接近速度を記憶されている関係と接近速度から
計算された装置本体までへの予想時間とを比較すること
で、使用者か否かを判断するため、認識速度が非常に速
いという効果がある。
【図１】 自動応答システムをＯＡ機器に適用した場合
の構成概念を説明するためのブロック図である。
の構成概念を説明するためのブロック図である。
【図２】 画像形成装置にセンサを実装した場合の例を
示す図である。
示す図である。
【図３】 認識装置の基本構成を示すブロック図であ
る。
る。
【図４】 画像形成装置と障害物との関係を示す図であ
る。
る。
【図５】 画像形成装置と障害物との間の距離データを
模式的に示す図である。
模式的に示す図である。
【図６】 画像形成装置に対する環境情報の一例を示す
図である。
図である。
【図７】 図４における環境情報を示す図である。
【図８】 環境情報の変化の状態を示す図である。
【図９】 図８における距離データを示す図である。
【図１０】 図９の場合について、環境情報と距離デー
タとの差をとった結果を示す図である。
タとの差をとった結果を示す図である。
【図１１】 環境情報の変化の状態を示す図である。
【図１２】 図１１の要部詳細図である。
【図１３】 環境情報の変化の状態を示す図である。
【図１４】 図１３の要部詳細図である。
【図１５】 環境情報の変化の状態を示す図である。
【図１６】 環境情報の変化の状態を示す図である。
【図１７】 対象物体の移動軌跡情報の概念を示す図で
ある。
ある。
【図１８】 環境情報の変化の状態を示す図である。
【図１９】 環境情報の変化の状態を示す図である。
【図２０】 環境情報の変化の状態を示す図である。
【図２１】 環境情報の変化の状態を示す図である。
【図２２】 環境情報の変化の状態を示す図である。
【図２３】 対象物体に対する認識判断を説明するため
の図である。
の図である。
【図２４】 対象物体が画像形成装置に近づいてくる場
合の認識判断の例を説明するための図である。
合の認識判断の例を説明するための図である。
【図２５】 図２４の例において、各距離について生成
されたパラメータを概念的に示す図である。
されたパラメータを概念的に示す図である。
【図２６】 階層型ニューラル・ネットワークの一例を
示す図である。
示す図である。
【図２７】 距離センサの測定範囲内に複数の対象物体
が存在する場合の例を説明するための図である。
が存在する場合の例を説明するための図である。
【図２８】 対象人物が画像形成装置の使用者なのか、
否かの判断の仕方の一例を示す図である。
否かの判断の仕方の一例を示す図である。
【図２９】 赤外線を脈動発光させて２以上の物体を識
別する場合の例を説明するための図である。
別する場合の例を説明するための図である。
【図３０】 本発明の動作原理を説明するための図であ
る。
る。
【図３１】 本発明の第１の実施例の動作説明をするた
めの図である。
めの図である。
【図３２】 図３１の実施例の判断過程を説明するため
のフロー図である。
のフロー図である。
【図３３】 Ｖref.の変更過程を説明するためのフロー
図である。
図である。
【図３４】 使用者と判定した後に、使用しない場合の
Ｖref.の変更過程を説明するためのフロー図である。
Ｖref.の変更過程を説明するためのフロー図である。
【図３５】 ファジィ演算装置を使用した場合の一例を
示す図である。
示す図である。
【図３６】 ファジィ演算処理の概念を説明するための
図である。
図である。
【図３７】 ニューラル・ネットワークを使用した場合
の一例を示す図である。
の一例を示す図である。
【図３８】 未発明の第２の実施例の動作説明をするた
めの図である。
めの図である。
【図３９】 図３８の実施例の判断過程を説明するため
のフロー図である。
のフロー図である。
【図４０】 Ｖref.の変更過程を説明するためのフロー
図である。
図である。
【図４１】 使用者と判定した後に、使用しない場合の
Ｖref.の変更過程を説明するためのフロー図である。
Ｖref.の変更過程を説明するためのフロー図である。
【図４２】 ファジィ演算装置を使用した場合の一例を
示す図である。
示す図である。
【図４３】 ファジィ演算処理の概念を説明するための
図である。
図である。
【図４４】 ニューラル・ネットワークを使用した場合
の一例を示す図である。
の一例を示す図である。
【図４５】 本発明の第３の実施例の動作説明をするた
めの図である。
めの図である。
【図４６】 図４５の実施例の判断過程を説明するため
のフロー図である。
のフロー図である。
【図４７】 Ｖref.の変更過程を説明するためのフロー
図である。
図である。
【図４８】 使用者と判定した後に、使用しない場合の
Ｖref.の変更過程を説明するためのフロー図である。
Ｖref.の変更過程を説明するためのフロー図である。
【図４９】 ファジィ演算装置を使用した場合の一例を
示す図である。
示す図である。
【図５０】 ファジィ演算処理の概念を説明するための
図である。
図である。
【図５１】 ニューラル・ネットワークを使用した場合
の一例を示す図である。
の一例を示す図である。
【図５２】 本発明の第４の実施例の動作説明をするた
めの図である。
めの図である。
【図５３】 図５２の実施例の判断過程を説明するため
のフロー図である。
のフロー図である。
【図５４】 Ｖref.の変更過程を説明するためのフロー
図である。
図である。
【図５５】 使用者と判定した後に、使用しない場合の
Ｖref.の変更過程を説明するためのフロー図である。
Ｖref.の変更過程を説明するためのフロー図である。
【図５６】 ファジィ演算装置を使用した場合の一例を
示す図である。
示す図である。
【図５７】 ファジィ演算処理の概念を説明するための
図である。
図である。
【図５８】 ニューラル・ネットワークを使用した場合
の一例を示す図である。
の一例を示す図である。
１…ＯＡ機器、２…センサ部、３…認識判断装置、４…
サービス提供装置、５…電子装置（画像形成装置）、６
…距離センサ、７…センサ駆動部、８…パラメータ抽出
部、９…認識判断部、１０…後処理部、１１…制御部、
１２…入出力管理部、１３…記憶装置、１４…データ
線、１５…制御線、１６…外部Ｉ／Ｆ、１７…障害物、
１８…対象物体、２１…階層型ニューラル・ネットワー
ク、２２…入力層、２３…中間層、２４…出力層、３０
…ファジィ演算装置、３１…ニューラル・ネットワー
ク。
サービス提供装置、５…電子装置（画像形成装置）、６
…距離センサ、７…センサ駆動部、８…パラメータ抽出
部、９…認識判断部、１０…後処理部、１１…制御部、
１２…入出力管理部、１３…記憶装置、１４…データ
線、１５…制御線、１６…外部Ｉ／Ｆ、１７…障害物、
１８…対象物体、２１…階層型ニューラル・ネットワー
ク、２２…入力層、２３…中間層、２４…出力層、３０
…ファジィ演算装置、３１…ニューラル・ネットワー
ク。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 金矢 光久 東京都大田区中馬込１丁目３番６号 株 式会社リコー内 (72)発明者 一宮 孝司 東京都大田区中馬込１丁目３番６号 株 式会社リコー内 (72)発明者 浪江 健史 東京都大田区中馬込１丁目３番６号 株 式会社リコー内 (56)参考文献 特開 平３−96969（ＪＰ，Ａ) 特開 平４−68500（ＪＰ，Ａ) 特開 平３−255793（ＪＰ，Ａ) 特開 平２−239376（ＪＰ，Ａ) 特開 平４−131641（ＪＰ，Ａ) 特許2820271（ＪＰ，Ｂ２) (58)調査した分野(Int.Cl.7，ＤＢ名) G01S 7/48 - 7/51 G01S 17/00 - 17/95 G03G 21/00 G03G 15/00
Claims (5)
- 【請求項１】 脈動発光を行う赤外線発光手段と、装置
近傍の物体から反射する赤外線を受光する赤外線受光手
段とからなり、装置から該装置本体近傍の物体までの距
離を検出する検出手段と；検出された物体が前記装置を
使用する人か否かを、少なくとも検出された物体が前記
装置に到達する以前のタイミングで判断する認識手段
と；該認識手段の認識結果により装置の動作を制御する
制御手段とを有する電子装置において、前記検出手段が
検出した距離の経時的変化から前記物体の前記装置への
接近速度を計算し、該検出手段が検出した距離と前記接
近速度より、前記物体が前記装置へ到達すると予想され
る予想到達時間と、 装置本体操作部正面を通過すると予想される予想通過時
間を計算する処理手段と；前記予想到達時間および予想
通過時間と、使用者か否かの関係を記憶する記憶手段と
を有し、前記記憶手段に記憶された予想到達時間および
予想通過時間と使用者か否かの関係とに基づいて、接近
する物体が使用者か否かを判断することを特徴とする電
子装置。 - 【請求項２】 脈動発光を行う赤外線発光手段と、装置
近傍の物体から反射する赤外線を受光する赤外線受光手
段とからなり、装置から該装置本体近傍の物体までの距
離を検出する検出手段と；検出された物体が前記装置を
使用する人か否かを、少なくとも検出された物体が前記
装置に到達する以前のタイミングで判断する認識手段
と；該認識手段の認識結果により装置の動作を制御する
制御手段とを有する電子装置において、前記検出手段が
検出した距離の経時的変化から前記物体の前記装置への
接近速度を計算し、該検出手段が検出した距離と前記接
近速度から、前記物体が前記装置へ到達すると予想され
る予想到達時間と、 検出エリアの所定位置を通過すると予測される予想通過
時間を計算する処理手段と；前記予想到達時間および予
想通過時間と、使用者か否かの関係を記憶する記憶手段
とを有し、前記記憶手段に記憶された予想到達時間およ
び予想通過時間と使用者か否かの関係に基づいて、接近
する物体が使用者か否かを判断することを特徴とする電
子装置。 - 【請求項３】 請求項１又は２に記載の電子装置におい
て、前記予想到達時間および予想通過時間と、使用者か
否かの関係を記憶する記憶手段を有し、前記記憶手段に
記憶された予想到達時間および予想通過時間と使用者か
否かの関係を参照することにより、接近する物体が使用
者か否かを判断することを特徴とする電子装置。 - 【請求項４】 請求項１又は２に記載の電子装置におい
て、前記予想到達時間と予想通過時間にファジー理論を
適用することにより、接近する物体が使用者か否かを判
断することを特徴とする電子装置。 - 【請求項５】 請求項１又は２に記載の電子装置におい
て、予想到達時間と予想通過時間をニューラル・ネット
ワークを用いて処理することにより、接近する物体が使
用者か否かを判断することを特徴とする電子装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27332592A JP3205081B2 (ja) | 1992-08-11 | 1992-08-11 | 電子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27332592A JP3205081B2 (ja) | 1992-08-11 | 1992-08-11 | 電子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0659042A JPH0659042A (ja) | 1994-03-04 |
| JP3205081B2 true JP3205081B2 (ja) | 2001-09-04 |
Family
ID=17526313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27332592A Expired - Fee Related JP3205081B2 (ja) | 1992-08-11 | 1992-08-11 | 電子装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3205081B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008126185A1 (ja) * | 2007-03-16 | 2008-10-23 | Fujitsu Limited | 情報処理装置、情報処理プログラム、情報処理方法 |
| JP6494320B2 (ja) * | 2015-02-25 | 2019-04-03 | シャープ株式会社 | 画像形成装置 |
| JP6589673B2 (ja) * | 2016-02-09 | 2019-10-16 | コニカミノルタ株式会社 | 画像形成装置、プログラム及び画像形成システム |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2523369B2 (ja) * | 1989-03-14 | 1996-08-07 | 国際電信電話株式会社 | 動画像の動き検出方法及びその装置 |
| JP2820271B2 (ja) * | 1989-05-26 | 1998-11-05 | 株式会社リコー | 事務機器のオペレータ検出装置 |
| JP2996988B2 (ja) * | 1989-09-09 | 2000-01-11 | 株式会社リコー | 複写機の制御装置 |
| JP2982204B2 (ja) * | 1990-03-05 | 1999-11-22 | トヨタ自動車株式会社 | 車両運転者監視装置 |
| JP2546415B2 (ja) * | 1990-07-09 | 1996-10-23 | トヨタ自動車株式会社 | 車両運転者監視装置 |
| JP2504319B2 (ja) * | 1990-09-19 | 1996-06-05 | ダイキン工業株式会社 | 空気調和装置の運転制御装置 |
-
1992
- 1992-08-11 JP JP27332592A patent/JP3205081B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0659042A (ja) | 1994-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5822077A (en) | Determination unit for determining, through detecting information associated with external object, whether or not external object will use functional apparatus or who is external object, so as to provide appropriate service | |
| US20200357125A1 (en) | Systems and methods for user detection, identification, and localization within a defined space | |
| US5912721A (en) | Gaze detection apparatus and its method as well as information display apparatus | |
| Goodridge | Multimedia sensor fusion for intelligent camera control and human-computer interaction | |
| TW201941643A (zh) | 智慧型裝置的持續喚醒方法、裝置、智慧型裝置和儲存媒體 | |
| JP2007156541A (ja) | 人物認識装置、人物認識方法および入退場管理システム | |
| WO2017083178A1 (en) | Adaptive user presence awareness for smart devices | |
| CN106681504A (zh) | 终端操控方法及装置 | |
| US20080298687A1 (en) | Human image recognition system | |
| JPH0678094A (ja) | 操作表示用制御装置 | |
| JP3205080B2 (ja) | 電子装置 | |
| JPH0659039A (ja) | 画像形成装置 | |
| JP3205081B2 (ja) | 電子装置 | |
| JP3329494B2 (ja) | 使用条件設定入力制御装置 | |
| CN116570439B (zh) | 智能轮椅控制模式切换方法及装置、设备、存储介质 | |
| JPH0666954A (ja) | 作動制御装置 | |
| JPH0675728A (ja) | 操作表示用制御装置 | |
| JPH06105046A (ja) | 使用条件設定入力制御装置 | |
| JP5865584B2 (ja) | 特定人物検知システムおよび検知方法 | |
| JP3249195B2 (ja) | 電子装置 | |
| JPH0666944A (ja) | 画像形成装置 | |
| JP3205068B2 (ja) | 電子装置 | |
| JPH0659041A (ja) | 画像形成装置 | |
| CN110892412B (zh) | 脸部辨识系统、脸部辨识方法及脸部辨识程序 | |
| JPH0650752A (ja) | 画像形成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080629 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090629 Year of fee payment: 8 |
|
| LAPS | Cancellation because of no payment of annual fees |