JP6425261B2 - 赤外線アレイセンサを用いた行動検知システムと方法 - Google Patents
赤外線アレイセンサを用いた行動検知システムと方法 Download PDFInfo
- Publication number
- JP6425261B2 JP6425261B2 JP2014106029A JP2014106029A JP6425261B2 JP 6425261 B2 JP6425261 B2 JP 6425261B2 JP 2014106029 A JP2014106029 A JP 2014106029A JP 2014106029 A JP2014106029 A JP 2014106029A JP 6425261 B2 JP6425261 B2 JP 6425261B2
- Authority
- JP
- Japan
- Prior art keywords
- frame
- feature
- behavior
- temperature
- pixels
- 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
- 238000001514 detection method Methods 0.000 title claims description 58
- 238000000034 method Methods 0.000 title claims description 34
- 239000006185 dispersion Substances 0.000 claims description 47
- 238000000605 extraction Methods 0.000 claims description 18
- 230000009184 walking Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 18
- 230000033001 locomotion Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000009434 installation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 206010016173 Fall Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Images
Landscapes
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Description
複数の赤外線検出素子が二次元状に配置された赤外線アレイセンサと、
前記赤外線アレイセンサの出力に基づいて、前記赤外線アレイセンサの検出領域内の人の行動を検知する行動検出処理部と、
を備え、前記行動検出処理部は、
あらかじめ取得された行動パターンとその特徴量とを格納するデータベースと、
前記赤外線アレイセンサの出力から、フレームごとに各画素の時間軸方向の温度分散を算出し、所定値を超える温度分散値の画素を含むフレームがどれだけ連続するかを示すフレーム連続数を第1の特徴量として抽出する特徴量抽出部と、
前記データベースを参照して、前記抽出された第1の特徴量から被検知者の行動を特定する判断部と、
を有することを特徴とする。
(1)フレーム連続数:各画素について時間軸方向の温度分散を求めたときに、所定値を超える温度分散を有する画素が連続して存在するフレームの連続数
(2)最大変化画素数:上記(1)のフレーム連続区間において、所定値を超える温度分散が生じた画素の最大数
(3)最大温度分散値:上記(1)のフレーム連続区間において、時間軸方向の温度分散の最大値(「最大温度分散値」と称する)
(4)最大温度画素の位置変化:上記(1)のフレーム連続区間を含む所定区間内で最大温度が検出された画素の位置変化(移動距離等)
以下の説明では、これらの特徴量を用いた具体例を説明する。
<特徴量(1)>
図3は、行動検知に用いる特徴量(1)として、フレーム連続数の取得を説明する図である。図3(A)は、横軸にフレーム番号、縦軸に温度分散をとり、64個の画素のそれぞれについて、フレームごとに温度分散値をプロットしたものである。図3(B)は、横軸にフレーム番号、縦軸に所定値(この例では所定値=1)を超える温度分散が生じた画素の数をとり、分散値1を超える画素が1つでも存在するフレームがどのくらい連続するかを示すチャートである。
<特徴量(2)>
図5は、特徴量(2)として、所定値を超える温度分散が生じた画素数の最大値(「最大変化画素数」)の抽出を説明する図である。図5では、フレーム連続区間内での最大変化画素数を黒丸で示している。
<特徴量(3)>
図6は、特徴量(3)として、時間軸方向の温度分散の最大値(「最大温度最分散値」)の抽出を説明する図である。図6では、フレーム連続区間内の全画素(64画素)中の温度分散の最大値をサークルで囲んで示している。急激な動きが生じた場合、画素で検出される温度が急激に変化する。換言すると、急激な動きほど、時間軸方向の温度分散が大きくなる。
<特徴量(4)>
図7は、特徴量(4)として、最大温度画素の位置変化の抽出を説明する図である。図7の例では、フレーム連続区間の開始10フレーム前と、終了10フレーム後の最大温度画素の移動距離を算出する。
この実験を行うに際して、あらかじめ行動パターンのデータを取得して教師データ(参照データ)を準備する。教師データは、被験者を含む教師データと、被験者を含まない教師データの二種類を用意する。
11 赤外線アレイセンサ
12 行動検出処理部
121 特徴量抽出部
122 判断部
125 カウンタ
Claims (10)
- 複数の赤外線検出素子が二次元状に配置された赤外線アレイセンサと、
前記赤外線アレイセンサの出力に基づいて、前記赤外線アレイセンサの検出領域内の人の行動を検知する行動検出処理部と、
を備え、前記行動検出処理部は、
あらかじめ取得された行動パターンとその特徴量とを格納するデータベースと、
前記赤外線アレイセンサの出力から、フレームごとに各画素の時間軸方向の温度分散を算出し、所定値を超える温度分散値の画素を含むフレームがどれだけ連続するかを示すフレーム連続の数を第1の特徴量として抽出し、前記フレーム連続の区間を含む所定のフレーム区間での最大温度画素の位置変化量を第2の特徴量として抽出する特徴量抽出部と、
前記データベースを参照して、抽出された前記第1の特徴量及び前記第2の特徴量から被検知者の行動を特定する判断部と、
を有することを特徴とする行動検知システム。 - 前記特徴量抽出部は、前記時間軸方向の温度分散から、
前記フレーム連続の区間内で前記所定値を超える温度分散を持つ画素の最大数を表わす最大変化画素数、及び前記フレーム連続の区間内での最大の温度分散値を表わす最大温度分散値の少なくとも一つを第3の特徴量として抽出し、
前記判断部は、前記データベースを参照して前記第1の特徴量、前記第2の特徴量、及び前記第3の特徴量から前記被検知者の行動を特定する、
ことを特徴とする請求項1に記載の行動検知システム。 - 前記特徴量抽出部は、前記フレームごとに、前記所定値を超える温度分散値の画素の数をカウントするカウンタを有することを特徴とする請求項1に記載の行動検知システム。
- 前記判断部は、前記データベースを参照してk近傍法により前記被検知者の行動を特定することを特徴とする請求項1〜3のいずれか1項に記載の行動検知システム。
- 前記判断部は、前記データベースを参照して、前記被検知者の行動を少なくとも「転倒」、「着席」、「歩行」のいずれかに分類することを特徴とする請求項1〜3のいずれか1項に記載の行動検知システム。
- 複数の赤外線検出素子が二次元状に配置された赤外線アレイセンサの出力を演算装置に入力し、
前記演算装置にて、フレームごとに各画素の時間軸方向の温度分散を算出し、
前記演算装置にて、前記時間軸方向の温度分散から所定値を超える温度分散値の画素を含むフレームがどれだけ連続するかを示すフレーム連続の数を第1の特徴量として抽出し、
前記フレーム連続の区間を含む所定のフレーム区間での最大温度画素の位置変化量を第2の特徴量として抽出し、
前記演算装置にて、抽出された前記第1の特徴量、及び前記第2の特徴量と、あらかじめデータベースに格納された特徴量とから、被検知者の行動を特定する、
ことを特徴とする行動検知方法。 - 前記演算装置にて、前記時間軸方向の温度分散から、前記フレーム連続の区間内で前記所定値を超える温度分散を持つ画素の最大数を表わす最大変化画素数、及び前記フレーム連続の区間内での最大の温度分散値を表わす最大温度分散値の少なくとも一つを第3の特徴量として抽出し、
前記演算装置にて、前記データベースを参照して、前記第1の特徴量、前記第2の特徴量、及び前記第3の特徴量から前記被検知者の行動を特定する、
ことを特徴とする請求項6に記載の行動検知方法。 - 前記演算装置のカウンタにて、前記所定値を超える温度分散を持つ画素の数をカウントすることを特徴とする請求項6に記載の行動検知方法。
- 前記演算装置にて、前記データベースを参照してk近傍法により前記被検知者の行動を特定することを特徴とする請求項6〜8のいずれか1項に記載の行動検知方法。
- 前記演算装置にて、前記データベースを参照して、前記被検知者の行動を少なくとも「転倒」、「着席」、「歩行」のいずれかに分類することを特徴とする請求項6〜8のいずれか1項に記載の行動検知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014106029A JP6425261B2 (ja) | 2014-05-22 | 2014-05-22 | 赤外線アレイセンサを用いた行動検知システムと方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014106029A JP6425261B2 (ja) | 2014-05-22 | 2014-05-22 | 赤外線アレイセンサを用いた行動検知システムと方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015222191A JP2015222191A (ja) | 2015-12-10 |
JP6425261B2 true JP6425261B2 (ja) | 2018-11-21 |
Family
ID=54785286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014106029A Expired - Fee Related JP6425261B2 (ja) | 2014-05-22 | 2014-05-22 | 赤外線アレイセンサを用いた行動検知システムと方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6425261B2 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869337B (zh) * | 2016-06-08 | 2019-01-25 | 宁德师范学院 | 一种基于微环境的火灾预警系统 |
CN106023506B (zh) * | 2016-06-08 | 2019-02-12 | 宁德师范学院 | 一种火灾前期预警方法 |
CN105844855A (zh) * | 2016-06-08 | 2016-08-10 | 宁德师范学院 | 一种养老院看护方法 |
CN105976566B (zh) * | 2016-06-08 | 2019-03-12 | 宁德师范学院 | 一种便于看护的系统 |
JP7172376B2 (ja) * | 2018-09-27 | 2022-11-16 | 株式会社リコー | 情報提供装置、情報提供システム、情報提供方法、及びプログラム |
JPWO2020145130A1 (ja) * | 2019-01-11 | 2020-07-16 | ||
CN111053562A (zh) * | 2019-11-29 | 2020-04-24 | 广州三拾七度智能家居有限公司 | 一种跌倒判断方法、装置及终端 |
CN112101201B (zh) * | 2020-09-14 | 2024-05-24 | 北京数衍科技有限公司 | 行人状态的检测方法、装置及电子设备 |
KR20240058656A (ko) | 2022-10-26 | 2024-05-07 | 주식회사 모빅랩 | 온도 측정위치 판정장치 및 그 방법 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0928681A (ja) * | 1995-07-14 | 1997-02-04 | Matsushita Electric Ind Co Ltd | 安否確認システム |
JP2000207664A (ja) * | 1999-01-18 | 2000-07-28 | Matsushita Electric Works Ltd | 転倒検知装置 |
JP4218368B2 (ja) * | 2003-02-25 | 2009-02-04 | パナソニック電工株式会社 | 人検出方法及び人検出装置 |
JP4884078B2 (ja) * | 2006-05-26 | 2012-02-22 | 三洋電機株式会社 | 人体検出装置及び映像表示装置 |
JP2011102670A (ja) * | 2009-11-10 | 2011-05-26 | Panasonic Electric Works Co Ltd | 電力メータ連携型センサ装置 |
US20110205359A1 (en) * | 2010-02-19 | 2011-08-25 | Panasonic Corporation | Video surveillance system |
WO2013014578A1 (en) * | 2011-07-26 | 2013-01-31 | Koninklijke Philips Electronics N.V. | Monitoring system and method for monitoring a monitored area |
JP2013044881A (ja) * | 2011-08-23 | 2013-03-04 | Panasonic Corp | 電子看板装置 |
-
2014
- 2014-05-22 JP JP2014106029A patent/JP6425261B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2015222191A (ja) | 2015-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6425261B2 (ja) | 赤外線アレイセンサを用いた行動検知システムと方法 | |
Bagala et al. | Evaluation of accelerometer-based fall detection algorithms on real-world falls | |
Kwolek et al. | Improving fall detection by the use of depth sensor and accelerometer | |
Chua et al. | A simple vision-based fall detection technique for indoor video surveillance | |
Wang et al. | Development of a fall detecting system for the elderly residents | |
Chen et al. | A wearable wireless fall detection system with accelerators | |
Mashiyama et al. | A fall detection system using low resolution infrared array sensor | |
JP6822328B2 (ja) | 見守り支援システム及びその制御方法 | |
Wong et al. | Home alone faint detection surveillance system using thermal camera | |
Yang et al. | Fall detection system based on infrared array sensor and multi-dimensional feature fusion | |
KR102205964B1 (ko) | 듀얼 카메라와 적외선 카메라를 이용한 낙상 예방 시스템 및 낙상 예방 방법 | |
Islam et al. | Automatic fall detection system of unsupervised elderly people using smartphone | |
Guan et al. | Infrared signal based elderly fall detection for in-home monitoring | |
WO2020145380A1 (ja) | 介護記録装置、介護記録システム、介護記録プログラムおよび介護記録方法 | |
Chen et al. | A reliable fall detection system based on wearable sensor and signal magnitude area for elderly residents | |
Chiu et al. | A convolutional neural networks approach with infrared array sensor for bed-exit detection | |
Shahiduzzaman | Fall detection by accelerometer and heart rate variability measurement | |
Amiroh et al. | Intelligent System for Fall Prediction Based on Accelerometer and Gyroscope of Fatal Injury in Geriatric | |
Dai et al. | Image-based fall detection with human posture sequence modeling | |
Liu et al. | Automatic individual calibration in fall detection–an integrative ambulatory measurement framework | |
Adolf et al. | Deep neural network based body posture recognitions and fall detection from low resolution infrared array sensor | |
Rezaei et al. | An unobtrusive fall detection system using low resolution thermal sensors and convolutional neural networks | |
Chua et al. | Intelligent visual based fall detection technique for home surveillance | |
Miaou et al. | A smart vision-based human fall detection system for telehealth applications | |
CN106920366B (zh) | 一种人体跌倒检测方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170510 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180220 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180223 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180402 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180925 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181018 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6425261 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |