JP6379656B2 - 眠気検知装置、眠気検知方法および眠気検知プログラム - Google Patents

Description

本発明は、眠気検知装置等に関する。

被験者の眠気を判定する手法として、心拍揺らぎまたは心拍変動を利用するものがある。例えば、心拍揺らぎを用いる手法は、心拍間隔の値を一定数以上連続して取得し、取得したデータ列を周波数変換してスペクトル密度を算出し、被験者の眠気を判定する。

周波数変換したスペクトル密度について、低周波数側のピークはＭＷＳＡ（Mayer Wave related Sinus Arrhythmia 心拍血圧性変動）と呼ばれ、血圧調整の動態を示す。高周波数側のピークはＲＳＡ（Respiratory Sinus Arrhythmia 呼吸性洞性不整脈）と呼ばれ、呼吸調整の動態を示す。

このうち、ＲＳＡは、被験者の眠気を判定する場合に用いられる。例えば、従来技術では、ＲＳＡに対応するスペクトル密度と周波数との関係に着目し、このスペクトル密度と周波数とで特定されるポイントと閾値とを比較することで、眠気を判定する。

特開平５−４２１２９号公報 特開２０１３−２０２１２１号公報 特開２００４−４９８３８号公報 特開２００７−３３０４３２号公報

しかしながら、上述した従来技術では、正確に眠気の判定を行うことができないという問題がある。

一般的に、仮眠中の被験者の心拍データまたは脈拍データを用いて、眠気を判定するための閾値を設定することが好ましい。また、かかる閾値は被験者毎に異なる。ここで、睡眠状態の判定には、終夜睡眠ポリグラフ検査等が知られているが、通常脳波や心電図、皮膚電気活動などの複数の指標を用いて専門家による診断を行うことになるため、被験者毎にかかる検査をおこなうことは現実的ではない。

１つの側面では、正確に眠気の判定を行うことができる眠気検知装置、眠気検知方法および眠気検知プログラムを提供することを目的とする。

第１の案では、眠気検知装置は、算出部、判定部、取得部を有する。算出部は、被験者から取得した脈拍データを基にして、時刻毎の眠気指標を算出する。判定部は、被験者が安静状態となった場合に、時刻毎の眠気指標の変化が所定の特徴パターンと一致するか否かを判定する。取得部は、判定部の判定結果を基にして、所定の特徴パターンと一致した時刻を基にして脈拍データを取得する。

本発明の１実施態様によれば、仮眠状態の脈拍データを用いて、正確に眠気の判定を行うことができるという効果を奏する。

図１は、本実施例に係るシステムの構成を示す図である。 図２は、本実施例に係る眠気検知装置の構成を示す機能ブロック図である。 図３は、脈拍データの一例を示す図である。 図４は、微分脈拍データの一例を示す図である。 図５は、ＰＰＩデータの一例を示す図である。 図６は、スペクトル密度データの一例を示す図である。 図７は、眠気レベルを説明するための図である。 図８は、判定部の処理を説明するための図である。 図９は、特定部の処理を説明するための図（１）である。 図１０は、特定部の処理を説明するための図（２）である。 図１１は、本実施例にかかる眠気検知装置の処理手順を示すフローチャートである。 図１２は、仮眠判定処理の処理手順を示すフローチャートである。 図１３は、眠気検知プログラムを実行するコンピュータの一例を示す図である。

以下に、本願の開示する眠気検知装置、眠気検知方法および眠気検知プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

図１は、本実施例に係るシステムの構成を示す図である。図１に示すように、このシステムは、車両１０と、眠気検知装置１００とを有する。例えば、車両１０には無線通信装置が備えられており、この無線通信装置を用いてネットワーク５０に接続し、眠気検知装置１００と通信を行う。本実施例では、被験者の一例として、車両１０の運転手の眠気を検知するシステムについて説明するが、これに限定されるものではなく、他の被験者の眠気を検知してもよい。

車両１０を運転する被験者は、被験者の脈拍データを取得するイヤークリップセンサを装着する。車両１０の無線通信装置は、イヤークリップセンサに接続されており、イヤークリップセンサから運転手の脈拍データを取得し、取得した脈拍データを眠気検知装置１００に送信する。なお、本実施例では、脈拍データを取得する場合について説明するが、脈拍データの代わりに、心拍データを用いてもよい。

眠気検知装置１００は、車両１０の無線通信装置から運転手の脈拍データを受信し、受信した脈拍データを基にして、被験者の眠気を検知する装置である。眠気検知装置１００は、脈拍データを基にしてＲＳＡの周波数とスペクトル密度とから特定されるポイントと閾値とを比較することで、被験者の眠気を検出する。また、眠気検知装置１００は、仮眠中の被験者の脈拍データを基にして、被験者の眠気を検知するための最適な閾値を設定する。

図２は、本実施例に係る眠気検知装置の構成を示す機能ブロック図である。図２に示すように、この眠気検知装置１００は、通信部１１０、入力部１２０、表示部１３０、記憶部１４０、制御部１５０を有する。

通信部１１０は、ネットワーク５０を介して、車両１０の無線通信装置または他の装置とデータ通信を実行する処理部である。例えば、通信部１１０は、通信装置に対応する。後述する制御部１５０は、通信部１１０を介して、無線通信装置または他の装置とデータをやり取りする。

入力部１２０は、各種の情報を眠気検知装置１００に入力するための入力装置である。例えば、入力部１２０は、キーボードやマウス、タッチパネル、入力ボタン等に対応する。表示部１３０は、制御部１５０から出力される情報を表示する表示装置である。表示部１３０は、液晶ディスプレイ、タッチパネル等に対応する。

記憶部１４０は、脈拍データ１４１、閾値データ１４２、運転日程データ１４３を有する。記憶部１４０は、例えば、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子などの記憶装置に対応する。

脈拍データ１４１は、車両１０を運転する被験者の脈拍信号である。図３は、脈拍データの一例を示す図である。図３に示すように、この脈拍データは、時刻毎の脈拍の強さを示す。図３において、縦軸は脈拍の強さを示す軸であり、横軸は時間を示す軸である。

閾値データ１４２は、被験者の眠気を検知するための閾値のデータである。閾値データ１４２に関する具体的な説明は後述する。

運転日程データ１４３は、車両１０を運転する被験者の運転日程のデータである。例えば、運転日程データ１４３には、被験者が運転を開始する時刻の情報、被験者が休憩を取る時間帯の情報、被験者が仮眠をとる時間帯の情報等が含まれる。

制御部１５０は、受信部１５１、眠気判定部１５２、算出部１５３、判定部１５４、取得部１５５、実行部１５６、特定部１５７を有する。制御部１５０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）や、ＦＰＧＡ（Field Programmable Gate Array）などの集積装置に対応する。また、制御部１５０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路に対応する。

受信部１５１は、車両１０の無線通信装置から脈拍データを受信する処理部である。受信部１５１は、受信した脈拍データを、脈拍データ１４１として記憶部１４０に登録する。受信部１５１は、無線通信装置から脈拍データを受信する度に、受信した脈拍データを脈拍データ１４１に追加する。

眠気判定部１５２は、脈拍データ１４１および閾値データ１４２を基にして、被験者の眠気を判定する処理部である。以下において、眠気判定部１５２の処理について具体的に説明する。

眠気判定部１５２は、脈拍データ１４１を微分することで、微分脈拍データを生成する。図４は、微分脈拍データの一例を示す図である。図４において、縦軸は脈拍データの微分値を示す軸であり、横軸は時間を示す軸である。眠気判定部１５２は、微分脈拍データをスキャンし、微分値が極大をとる時刻を特定する。図４に示す例では、時刻ｔ１、ｔ２、ｔ３において、微分値が極大となる。以下の説明において、微分値が極大となる各時刻の時間間隔をＰＰＩ（Post Pacing Interval）と表記する。例えば、時刻ｔ１から時刻ｔ２までを、ＰＰＩ_１とする。時刻ｔ２から時刻ｔ３までは、ＰＰＩ_２とする。

眠気判定部１５２は、微分脈拍データからＰＰＩを算出し、時刻とＰＰＩとの関係を示すＰＰＩデータを生成する。図５は、ＰＰＩデータの一例を示す図である。図５において、縦軸はＰＰＩに対応する軸であり、横軸は時間を示す軸である。例えば、時刻ｔ２において、ＰＰＩの値はＰＰＩ_１となり、時刻ｔ３において、ＰＰＩの値はＰＰＩ_２となることが示される。

眠気判定部１５２は、ＡＲ（Auto Regressive）モデルを用いることで、ＰＰＩデータをスペクトル密度（ＰＳＤ）データに変換する。このスペクトル密度データは、周波数とスペクトル密度との関係を示すデータである。ここでは、眠気判定部１５２は、ＡＲモデルを用いて、ＰＰＩデータをスペクトル密度データに変換する例を示したが、例えば、フーリエ変換等を用いて、ＰＰＩデータをスペクトル密度データに変換してもよい。

図６は、スペクトル密度データの一例を示す図である。図６において、縦軸はスペクトル密度に対応する軸であり、横軸は周波数に対応する軸である。例えば、線分１ａは、ある時間ＴＴ１における脈拍データのスペクトル密度と周波数との関係を示す線分である。線分１ｂは、ある時間ＴＴ２における脈拍データのスペクトル密度と周波数との関係を示す線分である。

例えば、周波数０．０５Ｈｚから０．１５Ｈｚまでの領域を低周波数領域とし、周波数０．１５Ｈｚから０．４０Ｈｚまでの領域を高周波数領域とする。このように周波数の領域を分類すると、線分１ａにおけるＲＳＡは２ａとなり、線分１ｂにおけるＲＳＡは２ｂとなる。ＲＳＡは、脈拍データのスペクトル密度と周波数の関係を示す線分について、高周波数側のピークを示すものである。

眠気判定部１５２は、ＲＳＡに対応するスペクトル密度と周波数との関係に着目して、被験者の眠気を判定する。眠気判定部１５２は、ＲＳＡの周波数が下がり、スペクトル密度が大きくなる方向にＲＳＡが移動した場合には、被験者の覚醒度が低下したと判定する。例えば、線分１ａのＲＳＡ２ａと、線分１ｂのＲＳＡ２ｂとを比較すると、ＲＳＡ２ｂがＲＳＡ２ａに対して、周波数が低下し、スペクトル密度が大きくなるように移動している。この場合には、眠気判定部１５２は、被験者の覚醒度が低下したと判定し、居眠状態であると判定する。

眠気判定部１５２は、ＲＳＡの周波数とスペクトル密度との関係から、眠気レベルを判定する。図７は、眠気レベルを説明するための図である。図７に示す縦軸は、スペクトル密度に対応し、横軸は周波数に対応する。ここで、縦軸は、下側から上側に向かうにつれて、スペクトル密度の大きさが小さくなるものとする。また、横軸は、左側から右側に向かうにつれて、周波数の大きさが小さくなるものとする。すなわち、図７では、左下に向かうにつれて、覚醒度が小さくなり、眠気レベルが大きくなることを意味する。

例えば、眠気判定部１５２は、閾値データ１４２を基にして、スペクトル密度と周波数との関係を示すグラフ６０に対して閾値６１，６２，６３，６４，６５，６６を設定する。閾値データ１４２は、各閾値を定義した情報を保持する。例えば、閾値データ１４２は、各閾値について、周波数とスペクトル密度との関係を定義した情報を保持する。

例えば、眠気判定部１５２は、閾値６１〜６６に応じて、スペクトル密度と周波数との関係を示すグラフ６０を複数の領域１Ａ〜１Ｇに分割する。眠気判定部１５２は、スペクトル密度と周波数との関係が領域１Ａに含まれる場合には、被験者の眠気レベルを、眠気レベル１と判定する。眠気判定部１５２は、スペクトル密度と周波数との関係が領域１Ｂに含まれる場合には、被験者の眠気レベルを、眠気レベル２と判定する。眠気判定部１５２は、スペクトル密度と周波数との関係が領域１Ｃに含まれる場合には、被験者の眠気レベルを、眠気レベル３と判定する。眠気判定部１５２は、スペクトル密度と周波数との関係が領域１Ｄに含まれる場合には、被験者の眠気レベルを、眠気レベル４と判定する。眠気判定部１５２は、スペクトル密度と周波数との関係が領域１Ｅに含まれる場合には、被験者の眠気レベルを、眠気レベル５と判定する。眠気判定部１５２は、スペクトル密度と周波数との関係が領域１Ｆに含まれる場合には、被験者の眠気レベルを、眠気レベル６と判定する。眠気判定部１５２は、スペクトル密度と周波数との関係が領域１Ｇに含まれる場合には、被験者の眠気レベルを、眠気レベル７と判定する。

眠気判定部１５２は、被験者の眠気レベルを判定し、眠気レベルが所定レベル以上となった場合に、被験者に対して警告を行う。例えば、眠気判定部１５２は、眠気レベルが眠気レベル４以上になった場合に、警告情報を、車両１０の無線通信装置に送信する。警告情報を受信した車両１０の無線通信装置は、各種の警告処理を被験者に対して実行する。無線通信装置は、被験者に対して音声による警告を行ってもよいし、車両１０のハンドルを振動させて、警告を行ってもよい。

図２の説明に戻る。算出部１５３、判定部１５４、取得部１５５、実行部１５６、特定部１５７は、それぞれ協働して、被験者に対して最適な閾値データ１４２を生成する処理部である。

算出部１５３は、脈拍データ１４１を基にして、被験者に対する時刻毎の眠気指標を算出する処理部である。算出部１５３は、眠気指標の算出結果を判定部１５４に出力する。この眠気指標は、時間毎のスペクトル密度（ＰＳＤ）に対応するものである。以下において、算出部１５３の処理を具体的に説明する。

算出部１５３は、脈拍データ１４１を微分することで、微分脈拍データを生成する。算出部１５３が微分脈拍データを生成する処理は、上述した眠気判定部１５２が微分脈拍データを生成する処理と同様である。

算出部１５３は、微分脈拍データをスキャンし、微分値が極大となる各時刻の時間間隔ＰＰＩを特定することで、ＰＰＩデータを生成する。算出部１５３がＰＰＩデータを生成する処理は、上述した眠気判定部１５２がＰＰＩデータを生成する処理と同様である。

算出部１５３は、ＡＲモデルを用いることで、ＰＰＩデータをスペクトル密度データに変換する。算出部１５３がスペクトル密度データに変換する処理は、上述した眠気判定部１５２がスペクトル密度データを生成する処理と同様である。

算出部１５３は、ＰＰＩデータとスペクトルデータとを比較して、各時間とスペクトル密度とを対応付けた眠気指標を生成する。算出部１５３は、生成した眠気指標の情報を、判定部１５４に出力する。

判定部１５４は、被験者の仮眠期間を判定する処理部である。判定部１５４は、運転日程データ１４３を参照し、被験者が仮眠をとる時間帯を特定し、この仮眠をとる時間帯に処理を実行するものとする。

判定部１５４は、被験者が安静状態となった後に、眠気指標の情報を基にして、時刻毎の眠気指標の変化が所定の特徴パターンと一致するか否かを判定し、仮眠期間の開始時刻を特定する。また、判定部１５４は、仮眠期間の開始時刻から所定時間後までを仮眠期間の終了時刻とする。判定部１５４は、判定した仮眠期間の情報を、取得部１５５に出力する。

図８は、判定部の処理を説明するための図である。図８に示す線分３ａは、時間毎の心拍数を示す線分である。線分３ｂは、時間毎のスペクトル密度を示す線分であり、時間毎の眠気指標に対応する。図８の横軸は時間に対応する軸である。縦軸は、スペクトル密度または心拍数に対応する軸である。判定部１５４は、脈拍データ１４１を基にして、時間毎の心拍数を算出してもよいし、車両１０の無線通信装置から、時間毎の脈拍数の情報を取得してもよい。

判定部１５４は、時間毎の心拍数を基にして、被験者が安静状態であるか否かを判定する。例えば、判定部１５４は、心拍数が所定の心拍数以下となる区間を、被験者が安静状態である区間であると判定する。例えば、所定の心拍数をＣ１とすると、図８に示す例では、時刻ｔｓ１から時刻ｔｓ２までの間が、安静状態となる。また、時刻ｔｓ３から時刻ｔｓ４間での間が、安静状態となる。

判定部１５４は、被験者が安静状態となる区間で、線分３ｂのスペクトル密度の変化が、所定の特徴パターンと一致する部分を特定し、特定した結果を基にして、仮眠期間の開始時刻を判定する。具体的に、判定部１５４は、スペクトル密度が急激に低下した後に、スペクトル密度がなだらかに上昇するパターンが存在するか否かを判定する。図８に示す例では、領域４ａにおいて、スペクトル密度が急激に低下した後に、スペクトル密度がなだらかに上昇するパターンが存在している。判定部１５４は、この領域４ａに含まれる極小値４ｂ、極大値４ｃを特定する。判定部１５４は、極小値４ｂの所定時間前となる時刻Ｔ１を仮眠期間の開示時刻として判定する。また、判定部１５４は、仮眠期間の開始時刻Ｔ１から所定時間後となる時刻Ｔ２を、仮眠期間の終了時刻として判定する。

判定部１５４は、スペクトル密度の急激な低下を、単位時間あたりのスペクトル密度の低下と、低下の大きさによって定義してもよい。例えば、判定部１５４は、単位時間あたりのスペクトル密度の低下が閾値Ａ以上であり、かつ、低下の大きさが閾値Ｂ以上である場合に、スペクトル密度が急激に低下したと判定する。

判定部１５４は、スペクトル密度のなだらかな上昇を、単位時間あたりのスペクトル密度の上昇と、上昇の大きさによって定義してもよい。例えば、判定部１５４は、単位時間あたりのスペクトル密度の上昇が閾値Ｃ以上閾値Ｄ未満であり、かつ、上昇の大きさが閾値Ｅ未満である場合に、スペクトル密度がなだらかに上昇したと判定する。

なお、判定部１５４は、仮眠期間の開始時刻Ｔ１から所定時間後となる時刻Ｔ２を、仮眠期間の終了時刻として判定していたがこれに限定されるものではない。例えば、判定部１５４は、極小値４ｂと極大値４ｃとの間に、線分３ｂが含まれている区間を、仮眠区間として判定してもよい。

取得部１５５は、判定部１５４の判定結果を基にして、仮眠区間の脈拍データを脈拍データ１４１から取得する処理部である。すなわち、取得部１５５は、仮眠区間の開始時刻から、仮眠区間の終了時刻までの脈拍データを脈拍データ１４１から取得し、取得した脈拍データを、特定部１５７に出力する。

実行部１５６は、運転日程データ１４３を参照し、被験者が仮眠をとる時間帯を特定し、特定した時間帯において、被験者から脈拍データを取得している期間中に、被験者の眠りが仮眠を超えた眠りとないように刺激を与える処理部である。例えば、実行部１５６は、刺激要求を車両１０の無線通信装置に送信すると、無線通信装置は、車両１０のハンドル等を振動させる命令を車両１０に対して実行することで、被験者に刺激を与える。

実行部１５６は、判定部１５６から仮眠期間の開始時刻の情報を取得し、この開始時刻から所定時間経過した後に、刺激要求を車両１０の無線端末装置に送信してもよい。また、実行部１５６は、判定部１５４から、極小値４ｂと線分３ｂとの情報を取得し、線分３ｂのスペクトル密度の大きさが、極小値４ｂを下回ったタイミングで、刺激要求を車両１０の無線端末に送信してもよい。

特定部１５７は、眠気レベルを特定するための複数の閾値を特定する処理部である。特定部１５７は、第１閾値、第２閾値、第３閾値、第４閾値、第５閾値、第６閾値を特定する。例えば、第１閾値から第６閾値は、図７に示した閾値６１〜６６に対応するものであり、特定部１５７は、各閾値を被験者毎に最適なものとする。特定部１５７は、特定した第１閾値から第６閾値の情報を、閾値データ１４２に登録する。

特定部１５７が第１閾値を特定する処理について説明する。特定部１５７は、運転日程データ１４３を参照し、被験者が運転を開始する時間帯を特定し、特定した時間帯の脈拍データを、脈拍データ１４１から取得する。または、被験者が無線通信装置を介して、運転を開始する旨の情報を特定部１５７に通知し、特定部１５７は、通知を受けた時刻から所定時間後までの脈拍データを、脈拍データ１４１から取得してもよい。被験者が運転を開始する時点では、被験者に眠気はなく、覚醒状態であると考えられる。

特定部１５７は、被験者が運転を開始した時間帯の脈拍データを基にして、覚醒状態におけるＲＳＡの周波数とスペクトル密度との変化を特定する。特定部１５７が、ＲＳＡの周波数とスペクトル密度とを特定する処理は、眠気判定部１５２と同様である。

図９は、特定部の処理を説明するための図（１）である。図９に示す縦軸は、スペクトル密度に対応し、横軸は周波数に対応する。ここで、縦軸は、下側から上側に向かうにつれて、スペクトル密度の大きさが小さくなるものとする。また、横軸は、左側から右側に向かうにつれて、周波数の大きさが小さくなるものとする。

図９において、線分５は、被験者が運転を開始した時間帯の脈拍データを基にした、ＲＳＡの周波数とスペクトル密度との関係を示すものである。特定部１５７は、直線６を設定し、直線６を移動させて、直線６が線分５と接する位置を特定する。直線６の傾きは、予め設定されているものとする。図９に示す例では、直線６は５ａにおいて、線分５と接している。特定部１５７は、５ａを通る直線６を第１閾値とする。なお、５ａを特定する方法は、上記のものに限定されない。例えば、特定部は、線分５に対するスペクトル密度および周波数の平均値を、ポイント５ａとして特定してもよい。

特定部１５７は、第２閾値から第５閾値を算出する前に、第６閾値を特定する。特定部１５７が第６閾値を特定する処理について説明する。特定部１５７は、取得部１５５から取得した仮眠期間の心拍データを基にして、仮眠期間におけるＲＳＡの周波数とスペクトル密度との変化を特定する。特定部１５７が、ＲＳＡの周波数とスペクトル密度と特定する処理は、睡眠判定部１５２と同様である。

図１０は、特定部の処理を説明するための図（２）である。図１０に示す縦軸は、スペクトル密度に対応し、横軸は周波数に対応する。ここで、縦軸は、下側から上側に向かうにつれて、スペクトル密度の大きさが小さくなるものとする。また、横軸は、左側から右側に向かうにつれて、周波数の大きさが小さくなるものとする。

図１０において、線分７は、被験者が仮眠中の脈拍データを基にした、ＲＳＡの周波数とスペクトル密度との関係示すものである。特定部１５７は、直線８を設定し、直線８を移動させて、直線８が線分７と接する位置を特定する。直線８の傾きは、予め設定されているものとする。図１０に示す例では、直線８は７ａにおいて、線分７と接している。特定部は、７ａを通る直線８を第６閾値とする。なお、７ａを特定する方法は、上記のものに限定されない。例えば、特定部は、線分７に対するスペクトル密度および周波数の平均値を、ポイント７ａとして特定してもよい。

特定部１５７は、上記のように、第１閾値および第６閾値を特定した後に、第２閾値から第５閾値を特定する。特定部１５７は、第１閾値および第６閾値の間に、第２閾値から第５閾値を特定する。特定部１５７は、式（１）〜式（４）を基にして、第２閾値から第５閾値を特定する。例えば、特定部１５７は、各閾値について、周波数毎のスペクトル密度を、式（１）〜（４）を用いて求める。特定部１５７は、第１閾値から第６閾値を求めた後に、閾値データ１４２に登録する。

第２閾値＝（第１閾値＋第５閾値）×３／４・・・（１）
第３閾値＝（第１閾値＋第５閾値）／２・・・（２）
第４閾値＝（第１閾値＋第６閾値）／２・・・（３）
第５閾値＝（第４閾値＋第６閾値）／２・・・（４）

次に、本実施例に係る眠気検知装置１００が第１閾値から第６閾値を判定する場合の処理手順について説明する。図１１は、本実施例にかかる眠気検知装置の処理手順を示すフローチャートである。図１１に示すように、眠気検知装置１００は、車両１０の無線通信装置から小休止報告を受け付けたか否かを判定する（ステップＳ１０１）。

眠気検知装置１００は、小休止報告を受け付けていない場合には（ステップＳ１０１，Ｎｏ）、再度ステップＳ１０１に移行する。一方、眠気検知装置１００は、小休止報告を受け付けた場合には（ステップＳ１０１，Ｙｅｓ）、車両１０の停車を確認する（ステップＳ１０２）。例えば、ステップＳ１０１において、車両１０の被験者から小休止を取る旨の情報を受信した場合に、小休止報告を受け付けたと判定する。

眠気検知装置１００は、仮眠報告を受け付けたか否かを判定する（ステップＳ１０３）。睡眠検知装置１００は、仮眠報告を受け付けていない場合には（ステップＳ１０３，Ｎｏ）、各閾値を判定する処理を終了する。

眠気検知装置１００は、仮眠報告を受け付けた場合には（ステップＳ１０３，Ｙｅｓ）、仮眠判定処理を実行する（ステップＳ１０４）。例えば、ステップＳ１０３において、車両１０の被験者から仮眠を取る旨の情報を受信した場合に、仮眠報告を受け付けたと判定する。

次に、図１１のステップＳ１０４に示した仮眠判定処理の処理手順の一例について説明する。図１２は、仮眠判定処理の処理手順を示すフローチャートである。眠気検知装置１００の判定部１５４は、安静状態を判定する（ステップＳ２０１）。判定部１５４は、ステップＳ２０１において、心拍数が所定の心拍数以下となる区間を、被験者が安静状態である区間であると判定する。

眠気検知装置１００の判定部１５４は、仮眠状態判定処理を行う（ステップＳ２０２）。判定部１５４は、ステップ２０２において、被験者が安静状態となる区間で、時間に対するスペクトル密度の変化が、所定の特徴パターンと一致する部分を特定し、仮眠状態であるか否かを判定する。

眠気検知装置１００の判定部１５４は、仮眠区間を特定する（ステップＳ２０３）。判定部１５４は、ステップＳ２０３において、仮眠期間の開始時刻から所定時間後までを、仮眠期間として特定する。

眠気検知装置１００の取得部１５５は、仮眠期間の脈拍データを取得する（ステップＳ２０４）。眠気検知装置１００の特定部１５７は、閾値を算出する（ステップＳ２０５）。特定部１５７は、ステップＳ２０５において、第１閾値から第６閾値を算出し、閾値データ１４２に登録する。

次に、本実施例に係る眠気検知装置１００の効果について説明する。眠気検知装置１００は、被験者の安静状態を検出した後に、眠気指標の変化が、所定の特徴パターンと一致する部分を基にして仮眠期間を判定し、仮眠期間の脈拍データを取得する。このため、眠気検知装置１００によれば、仮眠期間の脈拍データを用いて、睡眠レベルを特定するための閾値を設定することができ、正確に眠気の判定を行うことができる。

また、眠気検知装置１００は、被験者から脈拍データを取得している期間中に、被験者に刺激を与える。このため、被験者の睡眠状態が、仮眠よりも深い状態となることを防止し、正確な閾値を設定することができる。

また、眠気検知装置１００は、被験者から取得した脈拍データと、被験者の運動開始時の脈拍データとを基にして、眠気検知に用いる閾値を特定する。このため、眠気レベルを正確に特定することができる。

なお、本実施例に係る眠気検知装置１００は、被験者から脈拍データを取得して、各種の処理を行ったが、脈拍データの代わりに、心拍データを用いて、同様の処理を行ってもよい。

次に、上記実施例に示した眠気検知装置１００と同様の機能を実現する眠気検知プログラムを実行するコンピュータの一例について説明する。図１３は、眠気検知プログラムを実行するコンピュータの一例を示す図である。

図１３に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、ユーザからのデータの入力を受け付ける入力装置２０２と、ディスプレイ２０３とを有する。また、コンピュータ２００は、記憶媒体からプログラム等を読取る読み取り装置２０４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインターフェース装置２０５とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０６と、ハードディスク装置２０７とを有する。そして、各装置２０１〜２０７は、バス２０８に接続される。

ハードディスク装置２０７は、算出プログラム２０７ａ、判定プログラム２０７ｂ、取得プログラム２０７ｃ、実行プログラム２０７ｄ、特定プログラム２０７ｅを有する。ＣＰＵ２０１は、算出プログラム２０７ａ、判定プログラム２０７ｂ、取得プログラム２０７ｃ、実行プログラム２０７ｄ、特定プログラム２０７ｅを読み出してＲＡＭ２０６に展開する。算出プログラム２０７ａは、算出プロセス２０６ａとして機能する。判定プログラム２０７ｂは、判定プロセス２０６ｂとして機能する。取得プログラム２０７ｃは、取得プロセス２０６ｃとして機能する。実行プログラム２０７ｄは、実行プロセス２０６ｄとして機能する。特定プログラム２０７ｅは、特定プロセス２０６ｅとして機能する。

例えば、算出プロセス２０６ａは、算出部１５３に対応する。判定プロセス２０６ｂは、判定部１５４に対応する。取得プロセス２０６ｃは、取得部１５５に対応する。実行プロセス２０６ｄは、実行部１５６に対応する。特定プロセス２０６ｅは、特定部１５７に対応する。

なお、算出プログラム２０７ａ、判定プログラム２０７ｂ、取得プログラム２０７ｃ、実行プログラム２０７ｄ、特定プログラム２０７ｅについては、必ずしも最初からハードディスク装置２０７に記憶させておかなくても良い。例えば、コンピュータ２００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ２００が算出プログラム２０７ａ、判定プログラム２０７ｂ、取得プログラム２０７ｃ、実行プログラム２０７ｄ、特定プログラム２０７ｅを読み出して実行するようにしてもよい。

以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）被験者から取得した脈拍データを基にして、時刻毎の眠気指標を算出する算出部と、
前記被験者が安静状態となった場合に、前記時刻毎の眠気指標の変化が所定の特徴パターンと一致するか否かを判定する判定部と、
前記判定部の判定結果を基にして、前記所定の特徴パターンと一致した時刻を基にして脈拍データを取得する取得部と
を有することを特徴とする眠気検知装置。

（付記２）前記被験者から脈拍データを取得している期間中に、前記被験者に刺激を与える実行部を更に有することを特徴とする付記１に記載の眠気検知装置。

（付記３）前記取得部が前記被験者から取得した脈拍データと、前記被験者の運動開始時の脈拍データとを基にして、眠気検知に用いる閾値を特定する特定部を更に有することを特徴とする付記１または２に記載の眠気検知装置。

（付記４）コンピュータが実行する眠気検知方法であって、
被験者から取得した脈拍データを基にして、時刻毎の眠気指標を算出し、
前記被験者が安静状態となった場合に、前記時刻毎の眠気指標の変化が所定の特徴パターンと一致するか否かを判定し、
判定結果を基にして、前記所定の特徴パターンと一致した時刻を基にして脈拍データを取得する
処理を実行することを特徴とする眠気検知方法。

（付記５）前記被験者から脈拍データを取得している期間中に、前記被験者に刺激を与える処理を更に実行することを特徴とする付記４に記載の眠気検知方法。

（付記６）前記被験者から取得した脈拍データと、前記被験者の運動開始時の脈拍データとを基にして、眠気検知に用いる閾値を特定する処理を更に実行することを特徴とする付記４または５に記載の眠気検知方法。

（付記７）コンピュータに、
被験者から取得した脈拍データを基にして、時刻毎の眠気指標を算出し、
前記被験者が安静状態となった場合に、前記時刻毎の眠気指標の変化が所定の特徴パターンと一致するか否かを判定し、
判定結果を基にして、前記所定の特徴パターンと一致した時刻を基にして脈拍データを取得する
処理を実行させることを特徴とする眠気検知プログラム。

（付記８）前記被験者から脈拍データを取得している期間中に、前記被験者に刺激を与える処理を更に実行させることを特徴とする付記７に記載の眠気検知プログラム。

（付記９）前記被験者から取得した脈拍データと、前記被験者の運動開始時の脈拍データとを基にして、眠気検知に用いる閾値を特定する処理を更に実行させることを特徴とする付記７または８に記載の眠気検知プログラム。

１０ 車両
５０ ネットワーク
１００ 眠気検知装置

Claims (5)

1. 被験者から取得した脈拍データを基にして、時刻毎のスペクトル密度を算出する算出部と、
   前記被験者の心拍数が所定の心拍数以下となった場合に、前記時刻毎のスペクトル密度の変化が所定の特徴パターンと一致するか否かを判定する判定部と、
   前記判定部の判定結果を基にして、前記所定の特徴パターンと一致した時刻を基にして脈拍データを取得する取得部と
   を有することを特徴とする眠気検知装置。
2. 前記被験者から脈拍データを取得している期間中に、前記被験者に刺激を与える実行部を更に有することを特徴とする請求項１に記載の眠気検知装置。
3. 前記取得部が前記被験者から取得した脈拍データと、前記被験者の運動開始時の脈拍データとを基にして、眠気検知に用いる閾値を特定する特定部を更に有することを特徴とする請求項１または２に記載の眠気検知装置。
4. コンピュータが実行する眠気検知方法であって、
   被験者から取得した脈拍データを基にして、時刻毎のスペクトル密度を算出し、
   前記被験者の心拍数が所定の心拍数以下となった場合に、前記時刻毎のスペクトル密度の変化が所定の特徴パターンと一致するか否かを判定し、
   判定結果を基にして、前記所定の特徴パターンと一致した時刻を基にして脈拍データを取得する
   処理を実行することを特徴とする眠気検知方法。
5. コンピュータに、
   被験者から取得した脈拍データを基にして、時刻毎のスペクトル密度を算出し、
   前記被験者の心拍数が所定の心拍数以下となった場合に、前記時刻毎のスペクトル密度の変化が所定の特徴パターンと一致するか否かを判定し、
   判定結果を基にして、前記所定の特徴パターンと一致した時刻を基にして脈拍データを取得する
   処理を実行させることを特徴とする眠気検知プログラム。

Images