JP5643554B2

JP5643554B2 - イベント検出装置

Info

Publication number: JP5643554B2
Application number: JP2010153678A
Authority: JP
Inventors: 知明大槻; 志勲洪
Original assignee: Keio University
Current assignee: Keio University
Priority date: 2010-07-06
Filing date: 2010-07-06
Publication date: 2014-12-17
Anticipated expiration: 2030-07-06
Also published as: JP2012017988A

Description

本発明は、浴室など所定のエリアにおいて、電波を送信する送信機と、その送信機から送信される電波を受信する受信機を配置して、電波の受信特性に基づいて、人が意識を失ったり、転倒したことなどのイベントを検出するイベント検出装置に関する。

本発明者らは、次のイベント検出装置を提案している（特許文献１参照）。
送信機が送信した電波を受信する複数のアンテナと、該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトルを演算する固有ベクトル演算手段と、該固有ベクトル演算手段によって演算された固有ベクトルの経時変化を検出してイベントを検出するイベント検出手段と有するイベント検出装置。

特開２００８−２１６１５２号公報

しかし、上述のイベント検出装置では、物の存否など物理的にはっきりと異なる現象を識別することはできても、人が単に静止しているのか、転倒しているのかといった、そこに存在している人の状態を識別するだけの精度を持たせることができなかった。このようなことは目視によれば簡単に識別することができるが、人が付き切りで監視しなければならず、また、浴室など監視されることに心理的な抵抗がある場面では、人が監視することもままならぬ、という問題があった。

本発明は、上記問題点に鑑み、電波の状態を監視することによって、そこに存在する人や物の状態の違いをも識別することができる高い精度を持つイベント検出装置を提供することを目的とする。

本発明のイベント検出装置は、送信機が送信した電波を受信する複数のアンテナと、該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトルを演算する固有ベクトル演算手段と、該固有ベクトル演算手段によって演算された固有ベクトルを入力して人の異常行動としての転倒か否か、又は、人の不審行動か否かをイベントとして判別するサポートベクターマシン機能と、該サポートベクターマシン機能によって判別されたイベントに基づいてイベントを検出するイベント検出手段とを備えることを特徴とする。

また、前記イベント検出手段は、前記サポートベクターマシン機能によって判別されたイベントの連続性に基づいてイベントを検出することで、更に高い精度で異常状態を検出することができる。

本発明によれば、電波の状態を監視することによって、そこに存在する人の状態の違いをも識別することができる高い精度を持つイベント検出装置を提供することができる。

本発明の一実施例によるイベント検出装置の構成を示す図である。本実施例の実験を会議室において行った環境を示す図である。会議室における評価結果の例（その１）を示す図である。会議室における評価結果の例（その２）を示す図である。会議室における評価結果の例（その３）を示す図である。本実施例の実験を浴室において行った環境を示す図である。浴室において「静的状態」「移動」「入浴中」「意識を失う」の各状態を識別した評価結果の例を示す図である。浴室において「静的状態」「移動」「シャワーと頭を洗う」「転倒」の各状態を識別した評価結果の例を示す図である。乗用車周辺において「何もない状態」「不審行動」の各状態を識別した評価結果の例を示す図である。

以下、添付図面を参照しながら本発明を実施するための形態について詳細に説明する。

図１は、本発明の一実施例によるイベント検出装置の構成を示す図である。本実施例のイベント検出装置は、送信機１０及び受信機２０を備える。これらの送信機１０及び受信機２０は、人の状態が変化したことなどのイベントを検出するために所定のエリアに設置する。浴室などの閉じた空間が望ましいが、開放されたエリアであっても構わない。送信機１０は電波を送信する。受信機２０は、アレイアンテナ２１、相関行列演算手段２２、固有ベクトル演算手段２３、ＳＶＭ２４、及びイベント検出手段２５を備える。アレイアンテナ２１は、複数のアンテナ素子からなり、それぞれのアンテナ素子は送信機１０が送信する電波を受信する。ここでは各アンテナ素子が直線上に配列されている例で説明する。アレイアンテナ２１の受信信号は、各アレイアンテナ２１の受信信号を要素とする受信ベクトルｘ→(ｔ)で表される。ここで「→」は文章中において、その左の文字がベクトルであることを表す。
ｘ→(ｔ)＝ａ→(θ)ｓ(ｔ)＋ｎ→(ｔ) （１）
ただし、ａ→(θ)：アンテナ素子数をＬ個とするときのＬ次元ベクトル
ｓ(ｔ)：基準点での受信信号
ｎ→(ｔ)：雑音

（２）
ただし、θ：アンテナアレイ２１の並びの方向に対する電波到来方向
ｄ：アレイアンテナ２１の各素子の間隔
λ：電波の波長
ここで、Ｍ個の到来波が平面波として到来するとき、
ｘ→(ｔ)＝Ａ→ｓ→(ｔ)＋ｎ→(ｔ) （３）
ただし、Ａ→：Ｍ個のベクトル（ステアリングベクトルという）を列としたＬ×Ｍ行列
ｓ→(ｔ)：各到来波の複素振幅を要素としたＭ次元ベクトル

（４）

（５）
ただし、Ｔは転置を表す。
と表せる。

相関行列演算手段２２は、受信ベクトルｘ→(ｔ)から相関行列Ｒ→xxを演算する。

（６）
ただし、Ｅ→［・］：集合平均
Ｈ：複素共役転置
ここで、雑音は到来波と無関係であり、素子に独立であるので、

（７）
ただし、σ：雑音の分散
Ｓ→：波源相関行列＝Ｅ→［ｓ→(ｔ)ｓ→(ｔ)^Ｈ］
また、

（８）
から得られる固有値λi、それに対応する固有ベクトルｖ→iを用いて、

（９）
と固有値展開できる。ここで、

（１０）
である。ここでdiagは行列の対角要素を並べたものである。

ここで、受信データ相関行列Ｒ→xxの固有値は、コヒーレント波群とインコヒーレント波の数の和に対応するＫ個の信号固有値、および、大きさが雑音電力に等しいＬ−Ｋ個の雑音固有値に分割できる。すなわち、

（１１）

以上により、受信ベクトルから生成される相関行列Ｒ→xxを固有値展開することにより、信号部分空間と雑音部分空間に分けることができることを示した。信号部分空間を張る固有ベクトルｖ→とステアリングベクトルａ→(θ)は同じ空間を張っていて、互いが他方の線形結合として表せる。つまり、信号部分空間を張る固有ベクトルは到来方向情報を含んだステアリングベクトルの線形結合によって表すことができ、電波伝搬構造を表しているといえる。

ここで、第１固有ベクトルｖ→1は固有値が最も高い値を示すλ1に対応する固有ベクトルであり、受信機に信号が届いている限り、必ず信号部分空間の基底となり、

（１２）
と表せる。お互いがコヒーレントである波が到来した場合はそのステアリングベクトルの線形結合が新しい１つのステアリングベクトルとなるので、上式の本質には影響しない。したがって、第一固有ベクトルはマルチパス環境の信号空間を表し、伝搬環境によって一意に決まる。そこで、固有ベクトル演算手段２３は、相関行列Ｒ→xxから第１固有ベクトルｖ→1を算出する。

ここで、評価関数Ｐ(ｔ)を、イベントが何も起こっていないときにあらかじめ取得しておいた第１固有ベクトルｖ→noneとイベント検出の観測時に取得した第１固有ベクトルｖ→obとの内積

（１３）
とする。ただし固有ベクトルの大きさはどちらも１に正規化しておく。

イベントが何も起こっていない観測時間では、伝搬環境が変化していないので、ｖ→ob(ｔnone)は、ｖ→noneと非常に近い値を示すので、１に近い値となる。一方、イベントが起きている観測時間ｔ＝ｔeventでは、伝搬環境は変化し、ｖ→ob(ｔevent)は、ｖ→noneとは異なる値を示すので、１より小さい値となる。

ＳＶＭ２４は、公知のサポートベクターマシン（Support Vector Machine）であり、学習を用いる識別手法の一つである。本実施例では、識別するそれぞれの状態（各複数）を模擬したときの評価関数Ｐ(ｔ)をＳＶＭ２４に入力して、事前に学習させておき、実際に観察するときの評価関数Ｐ(ｔ)をＳＶＭ２４に入力して、想定される状態、すなわち、イベントを判別する。

図２は、本実施例の実験を会議室において行った環境を示す図である。会議室の中に、送信機Ｔｘ及び受信機Ｒｘを設置し、人の正常行動と転倒を模擬してＳＶＭ２４に学習させた。

図１のイベント検出手段２５は、ＳＶＭ２４によって判別されたイベントから最終的なイベントを検出する。状態識別ための特徴量として使用した信号部分空間を張る固有ベクトルのデータを時系列データとして、状態と時間の相関関係を考慮してイベント検出とする。すなわち、瞬間的な時間毎にイベント検出結果とするのではなく、所定の時間幅毎に状態と時間の相関関係を考慮してイベント検出結果とする。具体的には、まず「時間毎」を測定した時の時間、約０.１秒として、「時間幅」はその測定した時間の３０倍（０.１×３０＝３秒）にして、その３０個の評価関数を特徴ベクトルとしてＳＶＭ２４に入力する。

つぎに、ＳＶＭ２４の判別結果を受けてイベント検出手段２５は、偽アラーム（異常状態ではないのに異常状態と判別すること）を無くすために以下のアルゴリズムにて処理をする。

(1). まず、偽アラームを確認するために確認する番地（ｉ番)の前後の値を参照値とする。
例：｛ｉ−１，ｉ，ｉ＋１，ｉ＋２｝
(2). ｉ番の前値（ｉ−１）と後値（ｉ＋１，ｉ＋２）が同じだが、前値（ｉ−１）とｉ番の値が同じではないと偽の値と判断し、ｉ番の値に（ｉ−１）の値を代入する。
(3). 前値（ｉ−１）と異なりｉ番の値が「異常」となったときでも、（ｉ＋１）番又は（ｉ＋２）番の値が「正常」であれば偽アラームと判断し、ｉ番の値に（ｉ−１）の値を代入する。これにより、「異常」の状態が９秒（３回）間、連続しない限り、「正常」と擬制する。例えば、人が倒れた時、継続的に倒れていない状態（倒れてもまたすぐ起きる、雑音や装置のミスで倒れたと判断する等）は、正常な状態だと判断してもいいと考えられる。
(4). ｉを１つずつインクリメントしながら、上記の(2)と(3)の確認作業を行う。

以上のアルゴリズムの処理によって、イベント検出手段２５は、「正常」（正常行動）と「異常」（転倒）とを識別して、それぞれに対応した信号を出力する。

図３、図４、図５は、会議室における評価結果の例を示す図である。各図(a)は、横軸：時間（秒）に対する、縦軸：評価関数Ｐ(ｔ)を示し、各図(b)は、横軸：時間（秒）に対する、縦軸：「真のラベル」（実線）と「判定ラベル」（丸付き線）を示す。ラベル「−１」を正常行動、ラベル「１」を転倒とした。図示されるように、評価関数Ｐ(ｔ)によって正常行動と転倒とを正確に識別することは困難と考えられるところ、本実施例によれば、判定ラベルは真のラベルと完全に一致した。

図６は、本実施例の実験を浴室において行った環境を示す図である。浴室の中に、送信機Ｔｘ及び受信機Ｒｘを設置した。

図７は、浴室において「静的状態」「移動」「入浴中」「意識を失う」の各状態を識別した評価結果の例を示す図である。図７(a)は、横軸：時間（秒）に対する、縦軸：評価関数Ｐ(ｔ)を示し、図７(b)は、横軸：時間（秒）に対する、縦軸：「真のラベル」（実線）と「判定ラベル」（丸付き線）を示す。ラベル「１」を静的状態（洗い場）、ラベル「２」を移動（洗い場）、ラベル「３」を入浴中（湯船の中）、ラベル「４」を意識を失う（湯船の中）とした。図示されるように、評価関数Ｐ(ｔ)によってこれらの状態を正確に識別することは困難と考えられるところ、本実施例によれば、判定ラベルは真のラベルと完全に一致した。これにより、浴室という目視やカメラによる監視では心理的に抵抗がある環境において機械的にかつ確実に異常を検出することが可能となる。

図８は、浴室において「静的状態」「移動」「シャワーと頭を洗う」「転倒」の各状態を識別した評価結果の例を示す図である。図８(a)は、横軸：時間（秒）に対する、縦軸：評価関数Ｐ(ｔ)を示し、図８(b)は、横軸：時間（秒）に対する、縦軸：「真のラベル」（実線）と「判定ラベル」（丸付き線）を示す。ラベル「１」を静的状態（洗い場）、ラベル「２」を移動（洗い場）、ラベル「３」をシャワーと頭を洗う（洗い場）、ラベル「４」を転倒（洗い場）とした。図示されるように、評価関数Ｐ(ｔ)によってこれらの状態を正確に識別することは困難と考えられるところ、本実施例によれば、判定ラベルは真のラベルと完全に一致した。

図９は、乗用車周辺において「何もない状態」「不審行動」の各状態を識別した評価結果の例を示す図である。図９(a)は、横軸：時間（秒）に対する、縦軸：評価関数Ｐ(ｔ)を示し、図９(b)は、横軸：時間（秒）に対する、縦軸：「真のラベル」（実線）と「判定ラベル」（丸付き線）を示す。不審行動Ａ（点線）は、「周辺に車がない時の人の不審行動（覗き込む、うろつくなど）」、不審行動Ｂ（実線）は、「周辺に車がある時の人の不審行動（覗き込む、うろつくなど）」である。ラベル「−１」を何もない状態、ラベル「１」を不審行動とした。図示されるように、評価関数Ｐ(ｔ)によってこれらの状態を正確に識別することは困難と考えられるところ、本実施例によれば、判定ラベルは真のラベルと完全に一致した。

なお、本発明は上記実施例に限定されるものではない。
送信機は、電波を発生しアレイアンテナで受信できるものであれば、他のシステムで利用しているものを併用することができる。例えば無線ＬＡＮの基地局が相当する。また、信号は広帯域でも狭帯域でもかまわない。

アンテナは複数の素子からなるアンテナであればよく、必ずしもアレイアンテナでなくても良い。

固有ベクトル演算手段は、複数の固有ベクトルを演算してもよいし、必ずしも相関行列の最大固有値に対応する固有ベクトルだけを演算するものに限られない。また、固有ベクトルの内積をとるものに限られず、例えば差をとったり、比をとったりするものでも良い。

上述の実施例においては状態と時間の相関関係を考慮して状態を識別したが、高い精度を必要としなければ、その必要はない。また、ＳＶＭの入力において考慮しても良い。

上述の実施例においては、ＳＶＭに第１固有ベクトルの内積を入力したが、適応分野によって、第１固有ベクトルをそのまま入力する、又は固有値を入力するようにしても良い。

１０送信機
２０受信機
２１アレイアンテナ
２２相関行列演算手段
２３固有ベクトル演算手段
２４ＳＶＭ（サポートベクターマシン）
２５イベント検出手段
５１ホワイトボード
５２ドア
５３窓

Claims

送信機が送信した電波を受信する複数のアンテナと、
該複数のアンテナによって受信した信号を受信ベクトルとして該受信ベクトルから相関行列を演算する相関行列演算手段と、
該相関行列演算手段によって演算された相関行列を固有値展開して信号部分空間を張る固有ベクトルを演算する固有ベクトル演算手段と、
該固有ベクトル演算手段によって演算された固有ベクトルを入力して人の異常行動としての転倒か否か、又は、人の不審行動か否かをイベントとして判別するサポートベクターマシン機能と、
該サポートベクターマシン機能によって判別されたイベントに基づいてイベントを検出するイベント検出手段と
を備えることを特徴とするイベント検出装置。
前記イベント検出手段は、前記サポートベクターマシン機能によって判別されたイベントの連続性に基づいてイベントを検出することを特徴とする請求項１記載のイベント検出装置。