JP5437625B2 - 検知システム - Google Patents

Description

本発明の実施形態は、検知システムに関する。

ネットワーク化検知システム（networked sensing systems）は、各ノードにセンサ、プロセッサ及び通信装置を備え、センサからデータを抽出し、そのデータを処理することでそれらが内蔵されている環境を監視することができる。これらのシステムは、一般的に一旦配置されると、所定の環境内で現在及び将来の検知要求に応じることができる。

しかし、将来見込まれる全ての検知用途または将来見込まれる全てのセンサタイプの少なくとも１つを予想することは、不可能でないにしても困難である。検知技術は進歩し続けるので、検知システムを「将来にわたって使用可能にして（future-proof）」将来のセンサの検知、処理及び通信能力を効果的に活用したり、将来の検知用途を予想したりすることは実質的に不可能である。

本発明の1実施形態は、ネットワーク化検知システムにおいて分散したデータの統合にモバイルコードを用いるシステムを提供する。１実施形態は、センサ一式と、これらのセンサのうち少なくとも1つと接続されているデータ統合装置とを含む検知システムとして実現される。センサ一式のうち少なくとも1つのセンサは、1つ以上の現象状態に対して1つ以上の測定モデルを保持するように構成される。また、センサ一式のうち少なくとも1つのセンサは、測定値をサンプリングし、サンプリングされた測定値及び測定モデルに基づいて尤度関数を生成するように構成される。センサ一式の中で各センサに接続されたデータ統合装置は、１つ以上のセンサによって生成された1つ以上の尤度関数を収集し、収集した尤度関数を用いて現象状態の総確率を算出する。

本実施形態の変形例において、センサの測定モデルはＰ（Ｚ＝ｚ｜Ｘ＝ｘ）の形式であり、Ｚはサンプリングされた測定値に相当する確率変数（random variable）であり、Ｘは調査中の現象状態に相当する確率変数である。測定モデル及びサンプリングされた測定値Ｚ＝ｚ₀から生成された尤度関数は、ｌ（ｘ）＝Ｐ（Ｚ＝ｚ_o｜Ｘ＝ｘ）によって求められる。データ統合装置は、現象状態の総尤度として表される、異なるセンサから受信した複数の尤度関数の積を算出するように構成され、この総尤度は、

の形式である。総尤度関数は、帰納最大確率（maximum a posteriori, ＭＡＰ）推定値、最大尤度（maximum likelihood, ＭＬ）またはその他の推定値の算出に用いられる。

本実施形態の変形例において、センサは、尤度関数をモバイルコードの形式でデータ統合装置に伝達するように構成される。
また、教示される前記測定モデルは、モバイルコードの形式であることが好ましい。

本実施形態の変形例において、現象は、音、動き、振動、光度、磁場強度、近接性、気圧、温度、放射、タイミング、湿度、高度、重量、空中微粒子、化学組成、速度、方向のうち1つ以上を含む。

図１は、本発明の１実施形態に係るセンサシステム１００を示す。センサシステム１００は、センサ１０２と、データ統合装置１０４と、教示装置１０６とを含む。

センサ１０２には、音、動き、振動、光度、磁場強度、近接性、気圧、温度、放射、タイミング、湿度、高度、重量、空中微粒子、化学組成、速度、方向及びその他の性質または性質の組み合わせの少なくとも１つを検出する、カメラ、マイクロホン、動き検出機、超広帯域（ultra-wideband, ＵＷＢ）センサ、赤外線センサ、磁力計、温度計、気圧計、重量計及びその他の種類のセンサを含むことができる。センサには、情報を記憶するメモリ（例えば、所定量のＲＡＭ）及び以下に定義する尤度関数の式を生成する装置を含むことができる。

センサシステム１００は、システムのセンサ１０２によって観測された信号を用いて現象を検知する（例えば、検出、推定、追跡または監視の少なくとも１つをする）。例えば、センサシステム１００は、人または物の場所及び活動を検知したり（例えば、高齢者を追跡し、その高齢者の場所及び動きを判定する）、事象の発生（例えば、台所での火事）を検出したりすることができる。

本発明の実施形態は、現象の検知に対して確率論的なアプローチを用いている。これらの実施形態では、検知された現象の状態を確率変数Ｘで表すことができ、一方、あるセンサに観測された未処理の（raw）信号を確率変数Ｚで表すことができる。例えば、カメラの信号Ｚは、イメージであってよく、マイクロホンの信号Ｚはサンプリングされた音響信号であってよく、温度計の信号Ｚは温度測定値であってよい。現象状態は、ある時点における観測可能な事実または事象の状態を示す。変数Ｘは、検知した現象の実際の状態または値を表す。一般的に、測定値または観測値ｚと実際の状態ｘとの間には概して不確実性が存在する。

現象状態Ｘとセンサ測定値Ｚとの関係は、測定モデル
Ｐ（Ｚ＝ｚ｜Ｘ＝ｘ） （１）
として表され、現象状態がｘならばセンサ測定値がｚである確率が返される。各センサは、このモデルを用いて、センサ測定値がｚと観測されれば現象状態がｘである尤度を判定する。

検知システムが、ｉ＝１，・・・、ｎとラベルされたｎ個のセンサを有する場合、センサ測定値の条件付独立性を想定すると、検知システムは、理論上、その結果を、測定値がｚであれば考えられる状態ｘの確率の事後分布として表し、確率関数
Ｐ（Ｘ＝ｘ｜Ｚ₁＝ｚ₁，Ｚ₂＝ｚ₂，…Ｚ_n＝ｚ_n） （２）
として表すことができる。この関数は、ｎ個のセンサ測定値がｚ₁，ｚ₂，・・・ｚ_nであれば現象状態がｘである確率を返す（通常、「確率（probability）」により既知パラメータに基づいて未知の結果を予想することができれば、「尤度（likelihood）」により既知の結果に基づいて未知のパラメータを決定することができる）。

１実施形態では、まず、センサからの個々の尤度関数の積を算出することによって、この確率関数の近似値が求められる。

次に、この総尤度を、事前分布Ｐ（Ｘ＝ｘ）と乗算することによって確率関数を算出する。

センサから現象状態Ｘを算出するのに必要な情報は、未処理のセンサ測定値ｚ_iではなく、考えられる現象状態ｘの算出された尤度Ｐ（Ｚ_i＝ｚ_i｜Ｘ＝ｘ）であることに留意されたい。

測定モデルは、一般的に、特定のセンサまたは検知タスク及び特定の現象状態に特有であり、新しいセンサまたは新しいソフトウェアがセンサネットワークにインストールされることがあるので、考えられる測定モデルを全て予めロードすることは不可能かもしれない。

本発明の実施形態は、センサのタスクに対応する１つ以上の尤度関数の生成の仕方をセンサに「教示」するための装置１０６を設ける。言い換えれば、本発明の実施形態では、（例えば、コードとしてフォーマットされた測定モデルをセンサのメモリにロードすることによって）、システムのセンサに、測定モデルをロードまたはリロードの少なくとも１つをすることができる。その結果、センサが追加または削除の少なくとも１つをされたり、検知要求が変わったりすると、システムはセンサシステムの検知能力を再設定することができる。

教示装置１０６は、センサ１０２に測定モデルをロードまたはリロードの少なくとも１つをする。いくつかの実施形態では、センサの製造者が最初の教示装置としての役割を果たしてもよい。これらの実施形態では、センサの製造者が、センサの製造中に、特定またはいくつかの状態空間Ｘに対する測定モデルをセンサにロードする。

別の実施形態では、教示装置１０６は、有線または無線ネットワーク接続または他の電気的接続によってセンサ１０２に一時的または永久的に接続した装置でもよい。これらの実施形態では、教示装置１０６は、センサが配置される前または後に、センサ１０２に新しい測定モデルをロードまたはリロードの少なくとも１つをすることができる。

データ統合装置１０４は、特定の用途のために設計される集積回路（application-specific integrated circuit, ＡＳＩＣ）、マイクロプロセッサ、組み込みプロセッサ、制御装置、コンピュータ、または別のタイプの計算エンジンなどの計算手段である。データ統合装置１０４は、センサ１０２から尤度関数を収集し、個々の尤度の積を算出する。算出された積から、データ統合装置１０４は検知された現象についての情報を抽出することができる。１実施形態では、データ統合装置１０４は、教示装置１０６と同じ計算手段である。

検知システムの動作中には、２つの相互作用が起こる。図２Ａは第１相互作用を示すブロック図であり、第１相互作用は教示装置１０６とセンサ一式１０２との間で起こる。この相互作用は２つの動作に分けられる。
動作２０２
考えられるセンサ／状態空間ペアの測定モデルのリストを有する教示装置１０６がセンサ１０２に接続される。
動作２０４
教示装置１０６が、適切な測定モデルを各センサに送信することでそのセンサに教示する（例えば、教示装置１０６は、センサに１つ以上の測定モデルを伝達し、センサはメモリに測定モデルをロードする）。例えば、カメラは、測定結果がイメージである測定モデルをロードされ、マイクロホンは測定結果が音響信号である測定モデルをロードされ、体温計は測定結果が計測温度である測定モデルをロードされる。この動作が完了した後、各センサは、複数の考えられる状態に対するセンサの検知様式に対応する測定モデルをメモリに記憶する。

１実施形態では、測定モデルは、Ｊａｖａ（登録商標）バイトコード（bytecode）などのモバイルコードにコンパイルされる関数式で表される。モバイルコードは、遠隔システムからネットワークを介して転送され、ローカルシステムにダウンロードされるプログラムである。これにより、モバイルコードは、そのプログラムがローカルシステム上で予めインストールされていなくても、ローカルシステム上で実行することができる。生成された尤度関数は、モバイルコードの断片またはモバイルコードが適切に修正されたものに対応する。本実施形態の変形例において、測定モデルは、データテーブルで表され、モバイルコードに含まれる。生成された尤度関数は、データテーブルの列または行に対応する。

図２Ｂは、データ統合装置１０４とセンサ１０２との間の第２相互作用を示すブロック図である。１実施形態では、この相互作用は３つの動作に分けられる。
動作２０６
データ統合装置１０４がセンサ情報を要求すると、各センサがそのセンサ測定値ｚを観測する。このセンサは、観測したｚの値、及び、モバイルコードの形式で渡された、対応する測定モデルを用いて、ある現象の尤度関数を生成する（例えば、センサ測定値ｚを測定モデルの中に配置して尤度関数を生成する）。
動作２０８
各センサが尤度関数をデータ統合装置１０４に戻す。
動作２１０
データ統合装置１０４は個々のセンサ１０２から受信した尤度を「統合し」、式（３）に基づいて現象状態の総尤度を算出する。そして、この総尤度を用いて、式（４）の事後分布、または、ＭＡＰ、ＭＬまたは他の推定値を算出することができる。要約すると、統合は積算である（例えば、データ統合装置１０４は、個々の尤度関数の積を算出する）。

上記の計算は、（１）尤度関数を生成し、（２）尤度関数の積を求めることにより統合する動作に関して説明している。本発明のいくつかの実施形態では、これらの動作は、（１）センサデータの関連特徴を算出（特徴抽出）し、（２）これらの特徴を用いた推定値を算出（特徴集約）することに一般化される。

図３は、本発明の１実施形態に係るいくつかのセンサに接続されたサーバを説明する図である。この例では、サーバであるホームゲートウェイサーバ３００が、人が家の部屋にいる確率を算出するために、家中に設置されたセンサを使うように構成されている。センサとして、居間、食堂、台所にはそれぞれカメラ３０１、３０２及び３０３があり、浴室及び居間にはそれぞれマイクロホン３０４及び３０５がある。動作中は、カメラは、動きを判定するためにフレーム間で著しく変化する画素数を算出することができ、マイクロホンはある閾値より大きい音を検出することができる。

いくつかの実施形態では、センサの製造者が教示装置１０６としての役割を果たす。これらの実施形態では、家の中での人の存在の尤度を決定するのに用いられる測定モデルコードが、カメラ及びマイクロホンに予めロードされている。

他の実施形態では、他の要素が教示装置１０６としての役割を果たす。例えば、ホームゲートウェイサーバ３００は、異なるセンサタイプ及び状態空間に対して、測定モデルをインターネットのウェブサイトからダウンロードするように構成されるハードウェアまたはソフトウェアベースの少なくとも１つの教示装置１０６を有してもよい。または、教示装置１０６は、測定モデルのデータベースを有してもよく、測定モデルを独自のデータベースからダウンロードしてもよい。これらの実施形態では、教示装置１０６は、一時的または永久的にセンサに接続され、測定モデルをセンサにロードまたはリロードの少なくとも１つをすることができる。

ホームゲートウェイサーバ３００は、人が家の部屋にいる確率を算出する一方で、動作２０６から２１０に記載された動作を行い、上記で概説した動作２０２から２０４を以下のように随意に行う。例示の目的で、動作は特定の順番で起こっているように記載されているが、１つ以上の動作が異なる順番で起こってもよいし、飛ばしてもよいことに留意されたい。例えば、システムは、プロセスの一部として測定モデルをセンサにロードすると記載されているが、いくつかの実施形態では、測定モデルは、製造者によって予めロードされたり、システムが最初にインストールされたときにロードされたりしてもよい（例えば、測定モデルは一度ロードされ、検知システムが動作する度にリロードされなくてもよい）。

ホームゲートウェイサーバ３００は、まず、随意に教示装置１０６として機能し、家に５つのセンサがあることを検出し、これらのセンサに送信する適切な測定モデルコードを選択する。ホームゲートウェイサーバ３００は、カメラセンサ用測定モデルコードをセンサ３０１、３０２及び３０３に送信し、マイクロホンセンサ用コードをセンサ３０４及び３０５に送信する。なお、カメラ及びマイクロホンは、測定モデルコードを格納するのに用いられる所定のメモリ量を有することに留意されたい。さらに、カメラ及びマイクロホンは、測定値を測定モデルコードに組み込む（例えば、尤度関数を生成する）装置を有する。

ホームゲートウェイサーバ３００は、続いて、データ統合装置１０４として機能し、家の中の人の存在に関する尤度関数を一連のセンサに要求する。各センサｉは、測定値ｚ_iを求め、測定値を対応する測定モデルに組み込み、尤度関数を生成する。次に、各センサは、尤度関数をホームゲートウェイサーバ３００にモバイルコード（例えば、センサとホームゲートウェイサーバ３００の両方で使うことができるコード）として返す。

次に、ホームゲートウェイサーバ３００は、尤度関数を全て受信し、尤度関数を用いて積算を行い、総尤度及び家の中に人が存在する確率の事後分布を求める。

上述したように、検知システムにおいて測定モデルから尤度関数を生成し、総尤度を算出することは、（１）特徴を算出し、（２）これらの特徴を統合して推定値を算出することに一般化される。以下では、前段落に記載したホームゲートウェイサーバ３００の一般化されたケースを説明する。この一般化されたケースでは、ホームゲートウェイサーバ３００は、センサ／状態空間ペアごとに測定モデルを有するのではなく、センサ／状態空間ペアごとに特徴抽出関数を有する。

ホームゲートウェイサーバ３００は、まず、教示装置１０６として機能し、対応する多様な状態空間に対する特徴抽出関数を各センサに教示する。各センサは、状態の完全な測定値を抽出するよう要求されるのではなく、状態を推定するための測定値から特定の特徴を識別する方法を教示される。例えば、ホームゲートウェイサーバ３００は、人が存在するか推定するためにイメージを用いる特徴抽出関数をカメラセンサに教示し、人が存在するか推定するために人の声からの音響信号を用いる特徴抽出関数をマイクロホンに教示することができる。

ホームゲートウェイサーバ３００は、次に、データ統合装置１０４として機能し、状態を推定するのに役立つ特徴をセンサに要求する。同じ例を用いて、データ統合装置１０４は、人の存在を検出するために、センサによって識別された特定の声及びイメージの特徴を用いる。各センサは、測定値ｚを求め、測定値を用いてこのセンサ／状態空間ペアに対応する特徴抽出コードに従って特徴を算出する。センサは、算出した特徴をホームゲートウェイサーバ３００に送信する。最後に、ホームゲートウェイサーバ３００は、全ての特徴を受信し、特徴集約コードを使ってそれらを統合し、推定値を算出する。

本発明の１実施形態に係るセンサシステムのアーキテクチャの例を示す図である。 本発明の実施形態に係る教示装置とセンサ一式との間の一連の相互作用を示すブロック図である。 本発明の実施形態に係るデータ統合装置とセンサ一式との間の一連の相互作用を示すブロック図である。 本発明の１実施形態に係る複数のセンサに接続されたサーバを示す図である。

符号の説明

１００ センサシステム、１０２ センサ、１０４ データ統合装置、１０６ 教示装置、３００ ホームゲートウェイサーバ、３０１，３０２，３０３ カメラ、３０４，３０５ マイクロホン。

Claims (4)

1. 検知システムであって、
   少なくとも１つのセンサが、現象に対応するパラメータに対して１つ以上の測定モデルを保持するセンサ一式と、
   前記センサ一式のうち少なくとも１つのセンサに接続されたデータ統合装置と、
   を含み、
   少なくとも１つのセンサが、前記パラメータの測定値をサンプリングし、サンプリングされた測定値及び前記測定モデルに基づいて尤度関数を生成し、
   前記センサの前記測定モデルは、Ｐ（Ｚ＝ｚ｜Ｘ＝ｘ）の形式であり、Ｚはサンプリングされた測定値に相当する確率変数であり、Ｘは調査中の第１の現象状態に相当する確率変数であり、
   前記データ統合装置は、異なるセンサから尤度関数を収集し、個々の尤度関数の積を算出して現象状態の総尤度とし、前記総尤度に基づいて第２の現象状態の総確率を算出するように構成され、前記総尤度の式は、
   

   

   の形式である検知システム。
2. 請求項１に記載の検知システムにおいて、前記センサは、前記尤度関数を前記データ統合装置にモバイルコードの形式で伝達する検知システム。
3. 請求項１に記載の検知システムにおいて、教示される前記測定モデルは、モバイルコードの形式である検知システム。
4. 請求項１に記載の検知システムにおいて、
   前記第１の現象状態は、音、動き、振動、光度、磁場強度、近接性、気圧、温度、放射、タイミング、湿度、高度、重量、空中微粒子、化学組成、速度、方向のうち１つ以上を含む検知システム。

Images