JP6731600B2 - 姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents

姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体 Download PDF

Info

Publication number
JP6731600B2
JP6731600B2 JP2015096261A JP2015096261A JP6731600B2 JP 6731600 B2 JP6731600 B2 JP 6731600B2 JP 2015096261 A JP2015096261 A JP 2015096261A JP 2015096261 A JP2015096261 A JP 2015096261A JP 6731600 B2 JP6731600 B2 JP 6731600B2
Authority
JP
Japan
Prior art keywords
posture
image data
inspection
human body
transition model
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.)
Active
Application number
JP2015096261A
Other languages
English (en)
Other versions
JP2015231517A (ja
Inventor
豊 畑
豊 畑
中嶋　宏
宏 中嶋
雄亮 谷口
雄亮 谷口
冨実二 相田
冨実二 相田
田中　純一
純一 田中
直樹 土屋
直樹 土屋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
University of Hyogo
Original Assignee
Omron Corp
University of Hyogo
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Omron Corp, University of Hyogo filed Critical Omron Corp
Priority to JP2015096261A priority Critical patent/JP6731600B2/ja
Publication of JP2015231517A publication Critical patent/JP2015231517A/ja
Application granted granted Critical
Publication of JP6731600B2 publication Critical patent/JP6731600B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

本発明は、室内における人体の姿勢を推定することができる姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体に関する。
従来から、高齢者などの介護を必要とする人の挙動を監視する装置が知られている。
たとえば、特許文献１（特開２００６−１７５０８２号公報）に記載の装置では、ベッドに就寝している被介護者が起床挙動を行ったことを判定するために、ベッドの上側に見守り領域を設定して、ベッドの横方向から見守り領域をカメラで撮像する。この装置では、カメラから得られる撮像画像の見守り領域に占める被介護者の画像領域の大きさが所定値以上の場合に被介護者が起床挙動を行っていると推定する。
特開２００６−１７５０８２号公報
しかしながら、特許文献１の装置では、撮像画像における被介護者の画像領域の大きさが所定値以上の場合に、被介護者が起床挙動を行っていると推定するため、被介護者の画像領域を特定するための画像処理が必要となる。その結果、データ処理量が多くなり、リアルタイムに姿勢の変化を推定することができない。
それゆえに、本発明の目的は、少ないデータ処理量で人体の姿勢を推定することができる姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体を提供することである。
本発明の姿勢推定装置は、室内に設けられた画像センサからの画像データを取得する取得部と、人体の姿勢の遷移モデルを表わす情報と、遷移モデルにおける各姿勢での画像データの検査領域を表わす検査情報を記憶する記憶部と、遷移モデルを表わす情報および検査情報を参照して、画像データの検査領域での統計量を算出し、統計量に基づいて１時点前の人体の姿勢から現時点の人体の姿勢を推定する推定部とを備える。
好ましくは、推定部は、遷移モデルを表わす情報を参照して、１時点前の人体の姿勢から遷移可能な姿勢の候補を特定する候補特定部と、特定した姿勢の候補について、検査情報を参照して、画像データの検査領域を特定する検査領域特定部と、特定された画像データの検査領域における統計量を算出する統計量算計算部と、算出された統計量に基づいて、特定された姿勢の候補が現時点の姿勢として推定するかどうかを判定する判定部とを含む。
好ましくは、統計量は、検査領域の画素の値の合計値または平均値である。
好ましくは、判定部は、算出された統計量が、特定された姿勢の候補に応じて定まる基準値以上の場合に、特定された姿勢の候補を現時点の姿勢として推定する。
好ましくは、画像センサは、赤外線アレイセンサである。
好ましくは、室内にはベッドが設置される。姿勢の遷移モデルは、ベッドに対する人体の姿勢を含む。
好ましくは、取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、室内の側方に設けられた第２の画像センサからの第２の画像データを取得する。記憶部は、遷移モデルにおける各姿勢での第１の画像データの検査領域および第２の画像データの検査領域を表わす検査情報を記憶する。推定部は、遷移モデルを表わす情報および検査情報を参照して、第１の画像データおよび第２の画像データの検査領域での統計量を算出し、算出した統計量を用いて、１時点前の人体の姿勢から現時点の人体の姿勢を推定する。
好ましくは、姿勢の遷移モデルにおいて、１時点前の人体の姿勢が室内に不在の場合に、姿勢から遷移可能な姿勢の候補は、室内に滞在を含む。
好ましくは、姿勢の遷移モデルにおいて、１時点前の人体の姿勢が室内に滞在の場合に、姿勢から遷移可能な姿勢の候補は、ベッド横で立位、転倒、および室内に不在のうちの少なくとも１つを含む。
好ましくは、姿勢の遷移モデルにおいて、１時点前の人体の姿勢がベッド横で立位の場合に、姿勢から遷移可能な姿勢の候補は、ベッド上で臥位、ベッド上で座位、ベッド端で座位、転倒、および室内に滞在のうちの少なくとも１つを含む。
好ましくは、姿勢の遷移モデルにおいて、１時点前の人体の姿勢がベッド上で臥位の場合に、姿勢から遷移可能な姿勢の候補は、ベッド上で座位、ベッド端で座位、ベッド横で立位、およびベッドから転落のうちの少なくとも１つを含む。
好ましくは、姿勢の遷移モデルにおいて、１時点前の人体の姿勢がベッド上で座位の場合に、姿勢から遷移可能な姿勢の候補は、ベッド上で臥位、ベッド端で座位、ベッド横で立位、およびベッドから転落のうちの少なくとも１つを含む。
好ましくは、姿勢の遷移モデルにおいて、１時点前の人体の姿勢がベッド端で座位の場合に、姿勢から遷移可能な姿勢の候補は、ベッド上で臥位、ベッド上で座位、ベッド横で立位、およびベッドから転落のうちの少なくとも１つを含む。
好ましくは、姿勢の遷移モデルにおいて、１時点前の人体の姿勢から遷移可能な姿勢の候補として、１時点前の姿勢と同じ姿勢を含む。
好ましくは、姿勢の候補が、室内に不在の場合に、第１の画像データの検査領域は第１の画像データの全領域であり、第２の画像データの検査領域は第２の画像データの全領域である。
好ましくは、姿勢の候補が、室内に滞在の場合に、第１の画像データの検査領域は第１の画像データの全領域であり、第２の画像データの検査領域は第２の画像データの全領域である。
好ましくは、姿勢の候補が、ベッド横で立位の場合に、第１の画像データの検査領域は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅の領域であり、第２の画像データの検査領域の鉛直方向の範囲は、全範囲であり、水平方向の範囲は、ベッドに対応する範囲に隣接する位置から所定の幅の範囲である。
好ましくは、姿勢の候補が、転倒の場合に、第１の画像データの検査領域は、全領域からベッドに対応する領域を除いた領域であり、第２の画像データの検査領域の水平方向の範囲は、全範囲からベッドに対応する範囲を除く範囲であり、鉛直方向の範囲は、最も低い位置から上方に向かって所定の幅の範囲である。
好ましくは、姿勢の候補が、ベッド上で臥位の場合に、第１の画像データの検査領域は、ベッドに対応する領域であり、第２の画像データの検査領域の鉛直方向の範囲は、ベッドに対応する範囲の上方の境界に隣接する位置から所定の第１の幅の範囲であり、水平方向の範囲は、ベッドに対応する範囲と同じ範囲である。
好ましくは、姿勢の候補が、ベッド上で座位の場合に、第１の画像データの検査領域は、ベッドに対応する領域であり、第２の画像データの検査領域の鉛直方向の範囲は、ベッドに対応する範囲の上方の境界に隣接する位置から所定の第２の幅の範囲であり、水平方向の範囲は、ベッドに対応する範囲と同じ範囲である。
好ましくは、姿勢の候補が、ベッド端で座位の場合に、第１の画像データの検査領域は、ベッドに対応する領域であり、第２の画像データの検査領域の鉛直方向の範囲は、全範囲であり、水平方向の範囲は、ベッドに対応する範囲に隣接する位置から所定の幅の範囲である。
好ましくは、姿勢の候補が、ベッドから転落の場合に、第１の画像データの検査領域は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅の領域であり、第２の画像データの検査領域の水平方向の範囲は、全範囲からベッドに対応する範囲を除く範囲であり、鉛直方向の範囲は、所定の位置から上方に向かって所定の幅の範囲である。
本発明の姿勢推定システムは、室内に設けられた画像センサと、画像センサからの画像データを取得する取得部と、人体の姿勢の遷移モデルを表わす情報と、遷移モデルにおける各姿勢での画像データの検査領域を表わす検査情報を記憶する記憶部と、遷移モデルを表わす情報および検査情報を参照して、画像データの検査領域での統計量を算出し、統計量に基づいて１時点前の人体の姿勢から現時点の人体の姿勢を推定する推定部とを備える。
本発明の姿勢推定方法は、室内に設けられた画像センサが、室内を撮像することによって画像データを生成するステップと、人体の姿勢の遷移モデルを表わす情報と、遷移モデルにおける各姿勢での画像データの検査領域を表わす検査情報とを参照して、画像データの検査領域での統計量を算出し、統計量に基づいて１時点前の人体の姿勢から現時点の人体の姿勢を推定するステップとを備える。
本発明の姿勢推定プログラムは、コンピュータを、室内に設けられた画像センサからの画像データを取得する取得部と、人体の姿勢の遷移モデルを表わす情報と、遷移モデルにおける各姿勢での画像データの検査領域を表わす検査情報を記憶する記憶部と、遷移モデルを表わす情報および検査情報を参照して、画像データの検査領域での統計量を算出し、統計量に基づいて１時点前の人体の姿勢から現時点の人体の姿勢を推定する推定部として機能させる。
本発明のコンピュータ読み取り可能な記録媒体に記録される姿勢推定プログラムは、コンピュータを、室内に設けられた画像センサからの画像データを取得する取得部と、人体の姿勢の遷移モデルを表わす情報と、遷移モデルにおける各姿勢での画像データの検査領域を表わす検査情報を記憶する記憶部と、遷移モデルを表わす情報および検査情報を参照して、画像データの検査領域での統計量を算出し、統計量に基づいて１時点前の人体の姿勢から現時点の人体の姿勢を推定する推定部として機能させる。
本発明によれば、少ないデータ処理量で人体の姿勢を推定することができる。
本発明の実施形態の姿勢推定システムの構成を表わす図である。 室内を表わす立体図である。 第１の画像データおよび第１の画像データの検査領域を説明するための図である。 第１の画像データおよび第１の画像データの検査領域を説明するための図である。 第２の画像データおよび第１の画像データの検査領域を説明するための図である。 第２の画像データおよび第１の画像データの検査領域を説明するための図である。 人体の姿勢の遷移モデルを表わす図である。 遷移モデル情報を表わす図である。 遷移モデルにおける各姿勢での第１の画像データの検査領域と第２の画像データの検査領域を表わす領域情報と、各姿勢に遷移したかを判定するための基準値を表わす基準値情報とを表わす図である。 姿勢（Ａ）からの遷移先を判定するための手順を表わすフローチャートである。 姿勢（Ｂ）からの遷移先を判定するための手順を表わすフローチャートである。 姿勢（Ｃ）からの遷移先を判定するための手順を表わすフローチャートである。 姿勢（Ｄ）からの遷移先を判定するための手順を表わすフローチャートである。 姿勢（Ｅ）からの遷移先を判定するための手順を表わすフローチャートである。 姿勢（Ｆ）からの遷移先を判定するための手順を表わすフローチャートである。
以下、本発明の実施の形態について図面を用いて説明する。
以下の説明で、監視対象者とは高齢者などの介護を必要とする居住者を意味し、室内とは、監視対象者が居住する空間を意味する。
図１は、本発明の実施形態の姿勢推定システム１の構成を表わす図である。
図１に示すように、この姿勢推定システム１は、上方画像センサ２と、側方画像センサ３と、姿勢推定装置４とを備える。
上方画像センサ２は、室内の天井に取り付けられ、室内を上方から撮像する。側方画像センサ３は、室内の側面に取り付けられ、室内を側方から撮像する。本実施の形態では、上方画像センサ２および側方画像センサ３は、赤外線アレイセンサで構成される。上方画像センサ２から出力される第１の画像データは、姿勢推定装置４に送られる。側方画像センサ３から出力される第２の画像データは、姿勢推定装置４に送られる。
赤外線アレイセンサで生成される画像データは、画素値が高いほど撮像した領域の温度が高く、画素値が低いほど、撮像した領域の温度が低いという特徴がある。人体が存在する領域は、温度が高いため、人体を撮像した領域の画素の値は高くなる。したがって、画像データから、画素値が高い領域を見つけることによって、人体が存在する領域を特定することができる。
姿勢推定装置４は、画像取得部１５と、姿勢推定部５と、記憶部６と、表示部７とを備える。姿勢推定部５は、候補特定部８と、検査領域特定部９と、統計量計算部１０と、判定部１１とを備える。記憶部６は、遷移モデル情報記憶部１２と、検査情報記憶部１３とを備える。
画像取得部１５は、上方画像センサ２からの第１の画像データと、側方画像センサ３からの第２の画像データを取得する。
遷移モデル情報記憶部１２は、人体の姿勢の遷移モデルを表わす遷移モデル情報を記憶する。検査情報記憶部１３は、遷移モデルにおける各姿勢での第１の画像データの検査領域と第２の画像データの検査領域を表わす領域情報と、各姿勢に遷移したかを判定するための基準値を表わす基準値情報とを含む検査情報を記憶する。遷移モデル情報および検査情報は、現時点の人体の姿勢を推定するために用いられる。その詳細は後述する。
候補特定部８は、遷移モデル情報を参照して、１時点前の人体の姿勢から遷移可能な姿勢の候補を特定する。
検査領域特定部９は、特定した姿勢の候補について、領域情報を参照して、第１の画像データの検査領域および第２の画像データの検査領域を特定する。
統計量計算部１０は、特定された第１の画像データの検査領域における統計量および第１の画像データの統計量を算出する。
判定部１１は、基準値情報を参照して、算出された統計量に基づいて、特定された姿勢の候補が現時点の姿勢として推定するかどうかを判定する。
姿勢推定装置４は、図示しないコンピュータが、姿勢推定プログラムを実行することによって実現される。言い換えると、姿勢推定プログラムは、コンピュータを画像取得部１５と、姿勢推定部５と、記憶部６と、表示部７として機能させる。姿勢推定プログラムは、メモリカード、ＣＤＲＯＭ、ＤＶＤなどのコンピュータ読みとり可能な記録媒体に記録されて、コンピュータにインストールされる。
図２は、室内を表わす立体図である。
図２に示すように、室内の上方に上方画像センサ２が設置され、室内の側方に側方画像センサ３が設置される。室内にはベッド９０が設けられている。室内の座標系Ｘ−Ｙ−Ｚは、図２に示す通りである。
図３および図４は、第１の画像データおよび第１の画像データの検査領域を説明するための図である。第１の画像データは、Ｘ方向に１６画素、Ｙ方向に１６画素から構成される。
領域ＲＶ１は、第１の画像データの全領域、つまり０≦Ｘ≦１５、０≦Ｙ≦１５の範囲の領域である。
領域ＲＶ２は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅（３画素）の領域、つまり７≦Ｘ≦９、３≦Ｙ≦１０の範囲の領域である。
領域ＲＶ３は、ベッドに対応する領域、つまり３≦Ｘ≦６、３≦Ｙ≦１０の範囲の領域である。
領域ＲＶ４は、領域ＲＶ３を除く領域であり、４つの領域から構成される。第１の領域は、０≦Ｘ≦２、０≦Ｙ≦１５の範囲の領域である。第２の領域は、７≦Ｘ≦１５、０≦Ｙ≦１５の範囲の領域である。第３の領域は、３≦Ｘ≦６、０≦Ｙ≦２の範囲の領域である。第４の領域は、３≦Ｘ≦６、１１≦Ｙ≦１５の範囲の領域である。
図５および図６は、第２の画像データおよび第２の画像データの検査領域を説明するための図である。第２の画像データは、Ｘ方向に１６画素、Ｚ方向に１６画素から構成される。
領域ＲＨ１は、第２の画像データの全領域、つまり０≦Ｘ≦１５、０≦Ｚ≦１５の範囲の領域である。
領域ＲＨ２の鉛直方向（Ｚ方向）の範囲は、全範囲である。領域ＲＨ２の水平方向（Ｘ方向）の範囲は、ベッドに対応する範囲（１１≦Ｘ≦１５）に隣接する位置から所定の幅（３画素）の範囲である。したがって、領域ＲＨ２は、８≦Ｘ≦１０、０≦Ｚ≦１５の範囲の領域である。
領域ＲＨ３の鉛直方向（Ｚ方向）の範囲は、ベッドに対応する範囲の上方の境界に隣接する位置から所定の幅（５画素）の範囲である。領域ＲＨ３の水平方向（Ｘ方向）の範囲は、ベッドに対応する範囲と同じ範囲である。したがって、領域ＲＨ３は、１１≦Ｘ≦１５、５≦Ｚ≦９の範囲の領域である。
領域ＲＨ４の鉛直方向（Ｚ方向）の範囲は、ベッドに対応する範囲の上方の境界に隣接する位置から所定の幅（３画素）の範囲である。領域ＲＨ４の水平方向（Ｘ方向）の範囲は、ベッドに対応する範囲と同じ範囲である。したがって、領域ＲＨ４は、１１≦Ｘ≦１５、７≦Ｚ≦９の範囲の領域である。
領域ＲＨ５の水平方向の範囲は、全範囲からベッドに対応する範囲を除く範囲である。領域ＲＨ５の鉛直方向の範囲は、最も低い位置（Ｚ＝１５）から上方に向かって所定の幅（６画素）の範囲である。したがって、領域ＲＨ５は、０≦Ｘ≦１０、１０≦Ｚ≦１５の範囲の領域である。
領域ＲＨ６の水平方向の範囲は、全範囲からベッドに対応する範囲を除く範囲である。領域ＲＨ６の鉛直方向の範囲は、所定の位置（Ｚ＝１２）から上方に向かって所定の幅（３画素）の範囲である。したがって、領域ＲＨ６は、０≦Ｘ≦１０、１０≦Ｚ≦１２の範囲の領域である。
図７は、人体の姿勢の遷移モデルを表わす図である。図８は、遷移モデル情報を表わす図である。
監視対象者が、室内に不在（Ａ）を初期状態とする。
姿勢（Ａ）の次の姿勢は、室内に滞在（Ｂ）、または元の姿勢（Ａ）のいずれかである。
姿勢（Ｂ）の次の姿勢は、ベッド横で立位（Ｃ）、転倒（Ｘ）、室内に不在（Ａ）、または元の姿勢（Ｂ）のいずれかである。
姿勢（Ｃ）の次の姿勢は、ベッド上で臥位（Ｄ）、ベッド上で座位（Ｅ）、ベッド端で座位（Ｆ）、転倒（Ｘ）、室内に滞在（Ｂ）、または元の姿勢（Ｃ）のいずれかである。
姿勢（Ｄ）の次の姿勢は、ベッド上で座位（Ｅ）、ベッド端で座位（Ｆ）、ベッド横で立位（Ｃ）、ベッド上から転落（第１パターン）（Ｙ１）、または元の姿勢（Ｄ）のいずれかである。
姿勢（Ｅ）の次の姿勢は、ベッド上で臥位（Ｄ）、ベッド端で座位（Ｆ）、ベッド横で立位（Ｃ）、ベッド上から転落（第１パターン）（Ｙ１）、または元の姿勢（Ｅ）のいずれかである。
姿勢（Ｆ）の次の姿勢は、ベッド上で臥位（Ｄ）、ベッド上で座位（Ｅ）、ベッド横で立位（Ｃ）、ベッド上から転落（第２パターン）（Ｙ２）、または元の姿勢（Ｆ）のいずれかである。
図９は、遷移モデルにおける各姿勢での第１の画像データの検査領域と第２の画像データの検査領域を表わす領域情報と、各姿勢に遷移したかを判定するための基準値を表わす基準値情報とを表わす図である。
室内に不在（Ａ）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ１の統計量と、第２の画像データの領域ＲＨ１の統計量の和が算出される。この統計量の和が、基準値ＴＨＡ以上のときに、姿勢（Ａ）に遷移したと判定される。
室内に滞在（Ｂ）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ１の統計量と、第２の画像データの領域ＲＨ１の統計量の和が算出される。この統計量の和が、基準値ＴＨＢ以上のときに、姿勢（Ｂ）に遷移したと判定される。
ベッド横で立位（Ｃ）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ２の統計量と、第２の画像データの領域ＲＨ２の統計量の和が算出される。この統計量の和が、基準値ＴＨＣ以上のときに、姿勢（Ｃ）に遷移したと判定される。
ベッド上で臥位（Ｄ）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ３の統計量と、第２の画像データの領域ＲＨ４の統計量の和が算出される。この統計量の和が、基準値ＴＨＤ以上のときに、姿勢（Ｄ）に遷移したと判定される。
ベッド上で座位（Ｅ）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ３の統計量と、第２の画像データの領域ＲＨ３の統計量の和が算出される。この統計量の和が、基準値ＴＨＥ以上のときに、姿勢（Ｅ）に遷移したと判定される。
ベッド端で座位（Ｆ）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ３の統計量と、第２の画像データの領域ＲＨ２の統計量の和が算出される。この統計量の和が、基準値ＴＨＦ以上のときに、姿勢（Ｆ）に遷移したと判定される。
転倒（Ｘ）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ４の統計量と、第２の画像データの領域ＲＨ５の統計量の和が算出される。この統計量の和が、基準値ＴＨＸ以上のときに、姿勢（Ｘ）に遷移したと判定される。
ベッドから転落（第１パターン）（Ｙ１）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ２の統計量と、第２の画像データの領域ＲＨ６の統計量の和が算出される。この統計量の和が、基準値ＴＨＹ１以上のときに、姿勢（Ｙ１）に遷移したと判定される。領域ＲＨ６を用いる理由は、側方画像センサ３が設置されている箇所と、監視対象者がベッドから転落する箇所との距離が短いため、第２の画像データでは、転落した監視対象者を撮像した部分が、最も低いライン（Ｙ＝１５）よりも高い位置にくるからである。
ベッドから転落（第２パターン）（Ｙ２）へ遷移したかどうかを判定するためには、第１の画像データの領域ＲＶ２の統計量と、第２の画像データの領域ＲＨ６の統計量の和が算出される。この統計量の和が、基準値ＴＨＹ２以上のときに、姿勢（Ｙ２）に遷移したと判定される。領域ＲＨ６を用いる理由は、ベッドから転落（第１パターン）と同じである。
（姿勢Ａからの遷移）
図１０は、姿勢（Ａ）からの遷移先を判定するための手順を表わすフローチャートである。
ステップＳ１００において、１時点前の姿勢が室内に不在（Ａ）の場合には、処理がステップＳ１０１に進む。
ステップＳ１０１において、候補特定部８が、図８に示すシーケンス情報を参照することによって、姿勢（Ａ）からの遷移先の候補として姿勢（Ｂ）と姿勢（Ａ）とを特定する。
ステップＳ１０２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｂ）に対する第１の画像データの検査領域としてＲＶ１を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ１の画素の画素値の総和ＰＶを計算する。
ステップＳ１０３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｂ）に対する第２の画像データの検査領域としてＲＨ１を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ１の画素の画素値の総和ＰＨを計算する。
ステップＳ１０４において、統計量計算部１０が、ＰＶとＰＨの和ＰＢを計算する。
ステップＳ１０５において、判定部１１が、ＰＢの値と基準値ＴＨＢの値を比較する。ＰＢの値が基準値ＴＨＢ以上の場合には、処理がステップＳ１０６に進む。ＰＢの値が基準値ＴＨＢ未満の場合には、処理がステップＳ１０７に進む。
ステップＳ１０６において、判定部１１が、現時点の姿勢が、室内に滞在（Ｂ）と判定する。
ステップＳ１０７において、判定部１１は、現時点の指定が、姿勢（Ｂ）ではなく、残りの候補である１時点前の姿勢（Ａ）であると判定する。
（姿勢Ｂからの遷移）
図１１は、姿勢（Ｂ）からの遷移先を判定するための手順を表わすフローチャートである。
ステップＳ２００において、１時点前の姿勢が室内に滞在（Ｂ）の場合には、処理がステップＳ２０１に進む。
ステップＳ２０１において、候補特定部８が、図８に示すシーケンス情報を参照することによって、姿勢（Ｂ）からの遷移先の候補として姿勢（Ｃ）と、姿勢（Ｘ）と、姿勢（Ａ）と、姿勢（Ｂ）とを特定する。
ステップＳ２０２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｃ）に対する第１の画像データの検査領域としてＲＶ２を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ２の画素の画素値の総和ＰＶを計算する。
ステップＳ２０３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｃ）に対する第２の画像データの検査領域としてＲＨ２を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ２の画素の画素値の総和ＰＨを計算する。
ステップＳ２０４において、統計量計算部１０が、ＰＶとＰＨの和ＰＣを計算する。
ステップＳ２０５において、判定部１１が、ＰＣの値と基準値ＴＨＣの値を比較する。ＰＣの値が基準値ＴＨＣ以上の場合には、処理がステップＳ２０６に進む。ＰＣの値が基準値ＴＨＣ未満の場合には、処理がステップＳ２０７に進む。
ステップＳ２０６において、判定部１１が、現時点の姿勢が、ベッド横で立位（Ｃ）と判定する。
ステップＳ２０７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｘ）に対する第１の画像データの検査領域としてＲＶ４を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ４の画素の画素値の総和ＰＶを計算する。
ステップＳ２０８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｘ）に対する第２の画像データの検査領域としてＲＨ５を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ５の画素の画素値の総和ＰＨを計算する。
ステップＳ２０９において、統計量計算部１０が、ＰＶとＰＨの和ＰＸを計算する。
ステップＳ２１０において、判定部１１が、ＰＸの値と基準値ＴＨＸの値を比較する。ＰＸの値が基準値ＴＨＸ以上の場合には、処理がステップＳ２１１に進む。ＰＸの値が基準値ＴＨＸ未満の場合には、処理がステップＳ２１２に進む。
ステップＳ２１１において、判定部１１が、現時点の姿勢が、転倒（Ｘ）と判定する。
ステップＳ２１２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ａ）に対する第１の画像データの検査領域としてＲＶ１を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ１の画素の画素値の総和ＰＶを計算する。
ステップＳ２１３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ａ）に対する第２の画像データの検査領域としてＲＨ１を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ１の画素の画素値の総和ＰＨを計算する。
ステップＳ２１４において、統計量計算部１０が、ＰＶとＰＨの和ＰＡを計算する。
ステップＳ２１５において、判定部１１が、ＰＡの値と基準値ＴＨＡの値を比較する。ＰＡの値が基準値ＴＨＡ以上の場合には、処理がステップＳ２１６に進む。ＰＡの値が基準値ＴＨＡ未満の場合には、処理がステップＳ２１７に進む。
ステップＳ２１６において、判定部１１は、現時点の姿勢が、姿勢（Ｃ）、姿勢（Ｘ）および姿勢（Ａ）ではなく、残りの候補である１時点前の姿勢（Ｂ）（室内に滞在）であると判定する。
ステップＳ２１７において、判定部１１が、現時点の姿勢が、室内に不在（Ａ）と判定する。
（姿勢Ｃからの遷移）
図１２は、姿勢（Ｃ）からの遷移先を判定するための手順を表わすフローチャートである。
ステップＳ３００において、１時点前の姿勢がベッド横で立位（Ｃ）の場合には、処理がステップＳ３０１に進む。
ステップＳ３０１において、候補特定部８が、図８に示すシーケンス情報を参照することによって、姿勢（Ｃ）からの遷移先の候補として姿勢（Ｄ）と、姿勢（Ｅ）と、姿勢（Ｆ）と、姿勢（Ｘ）と、姿勢（Ｂ）と、姿勢（Ｃ）を特定する。
ステップＳ３０２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｄ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ３０３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｄ）に対する第２の画像データの検査領域としてＲＨ４を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ４の画素の画素値の総和ＰＨを計算する。
ステップＳ３０４において、統計量計算部１０が、ＰＶとＰＨの和ＰＤを計算する。
ステップＳ３０５において、判定部１１が、ＰＤの値と基準値ＴＨＤの値を比較する。ＰＤの値が基準値ＴＨＤ以上の場合には、処理がステップＳ３０６に進む。ＰＤの値が基準値ＴＨＤ未満の場合には、処理がステップＳ３０７に進む。
ステップＳ３０６において、判定部１１が、現時点の姿勢が、ベッド上で臥位（Ｄ）と判定する。
ステップＳ３０７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｅ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ３０８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｅ）に対する第２の画像データの検査領域としてＲＨ３を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ３の画素の画素値の総和ＰＨを計算する。
ステップＳ３０９において、統計量計算部１０が、ＰＶとＰＨの和ＰＥを計算する。
ステップＳ３１０において、判定部１１が、ＰＥの値と基準値ＴＨＥの値を比較する。ＰＥの値が基準値ＴＨＥ以上の場合には、処理がステップＳ３１１に進む。ＰＥの値が基準値ＴＨＥ未満の場合には、処理がステップＳ３１２に進む。
ステップＳ３１１において、判定部１１が、現時点の姿勢が、ベッド上で座位（Ｅ）と判定する。
ステップＳ３１２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｆ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ３１３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｆ）に対する第２の画像データの検査領域としてＲＨ２を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ２の画素の画素値の総和ＰＨを計算する。
ステップＳ３１４において、統計量計算部１０が、ＰＶとＰＨの和ＰＦを計算する。
ステップＳ３１５において、判定部１１が、ＰＦの値と基準値ＴＨＦの値を比較する。ＰＦの値が基準値ＴＨＦ以上の場合には、処理がステップＳ３１６に進む。ＰＦの値が基準値ＴＨＦ未満の場合には、処理がステップＳ３１７に進む。
ステップＳ３１６において、判定部１１が、現時点の姿勢が、ベッド端で座位（Ｆ）と判定する。
ステップＳ３１７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｘ）に対する第１の画像データの検査領域としてＲＶ４を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ４の画素の画素値の総和ＰＶを計算する。
ステップＳ３１８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｘ）に対する第２の画像データの検査領域としてＲＨ５を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ５の画素の画素値の総和ＰＨを計算する。
ステップＳ３１９において、統計量計算部１０が、ＰＶとＰＨの和ＰＸを計算する。
ステップＳ３２０において、判定部１１が、ＰＸの値と基準値ＴＨＸの値を比較する。ＰＸの値が基準値ＴＨＸ以上の場合には、処理がステップＳ３２１に進む。ＰＸの値が基準値ＴＨＸ未満の場合には、処理がステップＳ３２２に進む。
ステップＳ３２１において、判定部１１が、現時点の姿勢が、転倒（Ｘ）と判定する。
ステップＳ３２２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｂ）に対する第１の画像データの検査領域としてＲＶ１を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ１の画素の画素値の総和ＰＶを計算する。
ステップＳ３２３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｘ）に対する第２の画像データの検査領域としてＲＨ１を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ１の画素の画素値の総和ＰＨを計算する。
ステップＳ３２４において、統計量計算部１０が、ＰＶとＰＨの和ＰＣを計算する。
ステップＳ３２５において、判定部１１が、ＰＣの値と基準値ＴＨＣの値を比較する。ＰＣの値が基準値ＴＨＣ未満の場合には、処理がステップＳ３２６に進む。ＰＣの値が基準値ＴＨＣ以上の場合には、処理がステップＳ３２７に進む。
ステップＳ３２６において、判定部１１が、現時点の姿勢が、室内に滞在（Ｂ）と判定する。
ステップＳ３２７において、判定部１１は、現時点の姿勢が、姿勢（Ｄ）、姿勢（Ｅ）、姿勢（Ｆ）、姿勢（Ｘ）および姿勢（Ｂ）ではなく、残りの候補である１時点前の姿勢（Ｃ）（ベッド横で立位）であると判定する。
（姿勢Ｄからの遷移）
図１３は、姿勢（Ｄ）からの遷移先を判定するための手順を表わすフローチャートである。
ステップＳ４００において、１時点前の姿勢がベッド上で臥位（Ｄ）の場合には、処理がステップＳ４０１に進む。
ステップＳ４０１において、候補特定部８が、図８に示すシーケンス情報を参照することによって、姿勢（Ｄ）からの遷移先の候補として姿勢（Ｅ）と、姿勢（Ｆ）と、姿勢（Ｃ）と、姿勢（Ｙ１）と、姿勢（Ｄ）を特定する。
ステップＳ４０２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｅ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ４０３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｅ）に対する第２の画像データの検査領域としてＲＨ３を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ３の画素の画素値の総和ＰＨを計算する。
ステップＳ４０４において、統計量計算部１０が、ＰＶとＰＨの和ＰＥを計算する。
ステップＳ４０５において、判定部１１が、ＰＥの値と基準値ＴＨＥの値を比較する。ＰＥの値が基準値ＴＨＥ以上の場合には、処理がステップＳ４０６に進む。ＰＥの値が基準値ＴＨＥ未満の場合には、処理がステップＳ４０７に進む。
ステップＳ４０６において、判定部１１が、現時点の姿勢が、ベッド上で座位（Ｅ）と判定する。
ステップＳ４０７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｆ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ４０８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｆ）に対する第２の画像データの検査領域としてＲＨ２を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ２の画素の画素値の総和ＰＨを計算する。
ステップＳ４０９において、統計量計算部１０が、ＰＶとＰＨの和ＰＦを計算する。
ステップＳ４１０において、判定部１１が、ＰＦの値と基準値ＴＨＦの値を比較する。ＰＦの値が基準値ＴＨＦ以上の場合には、処理がステップＳ４１１に進む。ＰＦの値が基準値ＴＨＦ未満の場合には、処理がステップＳ４１２に進む。
ステップＳ４１１において、判定部１１が、現時点の姿勢が、ベッド端で座位（Ｆ）と判定する。
ステップＳ４１２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｃ）に対する第１の画像データの検査領域としてＲＶ２を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ２の画素の画素値の総和ＰＶを計算する。
ステップＳ４１３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｃ）に対する第２の画像データの検査領域としてＲＨ２を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ２の画素の画素値の総和ＰＨを計算する。
ステップＳ４１４において、統計量計算部１０が、ＰＶとＰＨの和ＰＣを計算する。
ステップＳ４１５において、判定部１１が、ＰＣの値と基準値ＴＨＣの値を比較する。ＰＣの値が基準値ＴＨＣ以上の場合には、処理がステップＳ４１６に進む。ＰＣの値が基準値ＴＨＣ未満の場合には、処理がステップＳ４１７に進む。
ステップＳ４１６において、判定部１１が、現時点の姿勢が、ベッド横で立位（Ｃ）と判定する。
ステップＳ４１７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｙ１）に対する第１の画像データの検査領域としてＲＶ２を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ２の画素の画素値の総和ＰＶを計算する。
ステップＳ４１８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｙ１）に対する第２の画像データの検査領域としてＲＨ６を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ６の画素の画素値の総和ＰＨを計算する。
ステップＳ４１９において、統計量計算部１０が、ＰＶとＰＨの和ＰＹ１を計算する。
ステップＳ４２０において、判定部１１が、ＰＹ１の値と基準値ＴＨＹ１の値を比較する。ＰＹ１の値が基準値ＴＨＹ１以上の場合には、処理がステップＳ４２１に進む。ＰＹ１の値が基準値ＴＨＹ１未満の場合には、処理がステップＳ４２２に進む。
ステップＳ４２１において、判定部１１が、現時点の姿勢が、ベッドから転落（第１パターン）（Ｙ１）と判定する。
ステップＳ４２２において、判定部１１は、現時点の姿勢が、姿勢（Ｅ）、姿勢（Ｆ）、姿勢（Ｃ）、および姿勢（Ｙ１）ではなく、残りの候補である１時点前の姿勢（Ｄ）であると判定する。
（姿勢Ｅからの遷移）
図１４は、姿勢（Ｅ）からの遷移先を判定するための手順を表わすフローチャートである。
ステップＳ５００において、１時点前の姿勢がベッド上で座位（Ｅ）の場合には、処理がステップＳ５０１に進む。
ステップＳ５０１において、候補特定部８が、図８に示すシーケンス情報を参照することによって、姿勢（Ｅ）からの遷移先の候補として姿勢（Ｄ）と、姿勢（Ｆ）と、姿勢（Ｃ）と、姿勢（Ｙ１）と、姿勢（Ｅ）を特定する。
ステップＳ５０２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｄ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ５０３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｄ）に対する第２の画像データの検査領域としてＲＨ４を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ４の画素の画素値の総和ＰＨを計算する。
ステップＳ５０４において、統計量計算部１０が、ＰＶとＰＨの和ＰＤを計算する。
ステップＳ５０５において、判定部１１が、ＰＤの値と基準値ＴＨＤの値を比較する。ＰＤの値が基準値ＴＨＤ以上の場合には、処理がステップＳ５０６に進む。ＰＤの値が基準値ＴＨＤ未満の場合には、処理がステップＳ５０７に進む。
ステップＳ５０６において、判定部１１が、現時点の姿勢が、ベッド上で臥位（Ｄ）と判定する。
ステップＳ５０７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｆ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ５０８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｆ）に対する第２の画像データの検査領域としてＲＨ２を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ２の画素の画素値の総和ＰＨを計算する。
ステップＳ５０９において、統計量計算部１０が、ＰＶとＰＨの和ＰＦを計算する。
ステップＳ５１０において、判定部１１が、ＰＦの値と基準値ＴＨＦの値を比較する。ＰＦの値が基準値ＴＨＦ以上の場合には、処理がステップＳ５１１に進む。ＰＦの値が基準値ＴＨＦ未満の場合には、処理がステップＳ５１２に進む。
ステップＳ５１１において、判定部１１が、現時点の姿勢が、ベッド端で座位（Ｆ）と判定する。
ステップＳ５１２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｃ）に対する第１の画像データの検査領域としてＲＶ２を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ２の画素の画素値の総和ＰＶを計算する。
ステップＳ５１３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｃ）に対する第２の画像データの検査領域としてＲＨ２を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ２の画素の画素値の総和ＰＨを計算する。
ステップＳ５１４において、統計量計算部１０が、ＰＶとＰＨの和ＰＣを計算する。
ステップＳ５１５において、判定部１１が、ＰＣの値と基準値ＴＨＣの値を比較する。ＰＣの値が基準値ＴＨＣ以上の場合には、処理がステップＳ５１６に進む。ＰＣの値が基準値ＴＨＣ未満の場合には、処理がステップＳ５１７に進む。
ステップＳ５１６において、判定部１１が、現時点の姿勢が、ベッド横で立位（Ｃ）と判定する。
ステップＳ５１７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｙ１）に対する第１の画像データの検査領域としてＲＶ２を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ２の画素の画素値の総和ＰＶを計算する。
ステップＳ５１８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｙ１）に対する第２の画像データの検査領域としてＲＨ６を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ６の画素の画素値の総和ＰＨを計算する。
ステップＳ５１９において、統計量計算部１０が、ＰＶとＰＨの和ＰＹ１を計算する。
ステップＳ５２０において、判定部１１が、ＰＹ１の値と基準値ＴＨＹ１の値を比較する。ＰＹ１の値が基準値ＴＨＹ１以上の場合には、処理がステップＳ５２１に進む。ＰＹ１の値が基準値ＴＨＹ１未満の場合には、処理がステップＳ５２２に進む。
ステップＳ５２１において、判定部１１が、現時点の姿勢が、ベッドから転落（第１パターン）（Ｙ１）と判定する。
ステップＳ５２２において、判定部１１は、現時点の姿勢が、姿勢（Ｄ）、姿勢（Ｆ）、姿勢（Ｃ）、および姿勢（Ｙ１）ではなく、残りの候補である１時点前の姿勢（Ｅ）であると判定する。
（姿勢Ｆからの遷移）
図１５は、姿勢（Ｆ）からの遷移先を判定するための手順を表わすフローチャートである。
ステップＳ６００において、１時点前の姿勢がベッド端で座位（Ｆ）の場合には、処理がステップＳ６０１に進む。
ステップＳ６０１において、候補特定部８が、図８に示すシーケンス情報を参照することによって、姿勢（Ｆ）からの遷移先の候補として姿勢（Ｄ）と、姿勢（Ｅ）と、姿勢（Ｃ）と、姿勢（Ｙ２）と、姿勢（Ｆ）を特定する。
ステップＳ６０２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｄ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ６０３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｄ）に対する第２の画像データの検査領域としてＲＨ４を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ４の画素の画素値の総和ＰＨを計算する。
ステップＳ６０４において、統計量計算部１０が、ＰＶとＰＨの和ＰＤを計算する。
ステップＳ６０５において、判定部１１が、ＰＤの値と基準値ＴＨＤの値を比較する。ＰＤの値が基準値ＴＨＤ以上の場合には、処理がステップＳ６０６に進む。ＰＤの値が基準値ＴＨＤ未満の場合には、処理がステップＳ６０７に進む。
ステップＳ６０６において、判定部１１が、現時点の姿勢が、ベッド上で臥位（Ｄ）と判定する。
ステップＳ６０７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｅ）に対する第１の画像データの検査領域としてＲＶ３を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ３の画素の画素値の総和ＰＶを計算する。
ステップＳ６０８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｅ）に対する第２の画像データの検査領域としてＲＨ３を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ２の画素の画素値の総和ＰＨを計算する。
ステップＳ６０９において、統計量計算部１０が、ＰＶとＰＨの和ＰＥを計算する。
ステップＳ６１０において、判定部１１が、ＰＥの値と基準値ＴＨＥの値を比較する。ＰＥの値が基準値ＴＨＥ以上の場合には、処理がステップＳ６１１に進む。ＰＥの値が基準値ＴＨＥ未満の場合には、処理がステップＳ６１２に進む。
ステップＳ６１１において、判定部１１が、現時点の姿勢が、ベッド上で座位（Ｅ）と判定する。
ステップＳ６１２において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｃ）に対する第１の画像データの検査領域としてＲＶ２を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ２の画素の画素値の総和ＰＶを計算する。
ステップＳ６１３において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｃ）に対する第２の画像データの検査領域としてＲＨ２を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ２の画素の画素値の総和ＰＨを計算する。
ステップＳ６１４において、統計量計算部１０が、ＰＶとＰＨの和ＰＣを計算する。
ステップＳ６１５において、判定部１１が、ＰＣの値と基準値ＴＨＣの値を比較する。ＰＣの値が基準値ＴＨＣ以上の場合には、処理がステップＳ６１６に進む。ＰＣの値が基準値ＴＨＣ未満の場合には、処理がステップＳ６１７に進む。
ステップＳ６１６において、判定部１１が、現時点の姿勢が、ベッド横で立位（Ｃ）と判定する。
ステップＳ６１７において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｙ２）に対する第１の画像データの検査領域としてＲＶ２を特定する。統計量計算部１０が、第１の画像データの領域ＲＶ２の画素の画素値の総和ＰＶを計算する。
ステップＳ６１８において、検査領域特定部９が、図９に示す検査情報を参照して、姿勢（Ｙ２）に対する第２の画像データの検査領域としてＲＨ６を特定する。統計量計算部１０が、第２の画像データの領域ＲＨ６の画素の画素値の総和ＰＨを計算する。
ステップＳ６１９において、統計量計算部１０が、ＰＶとＰＨの和ＰＹ２を計算する。
ステップＳ６２０において、判定部１１が、ＰＹ２の値と基準値ＴＨＹ２の値を比較する。ＰＹ２の値が基準値ＴＨＹ２以上の場合には、処理がステップＳ６２１に進む。ＰＹ２の値が基準値ＴＨＹ２未満の場合には、処理がステップＳ６２２に進む。
ステップＳ６２１において、判定部１１が、現時点の姿勢が、ベッドから転落（第２パターン）（Ｙ２）と判定する。
ステップＳ６２２において、判定部１１は、現時点の姿勢が、姿勢（Ｄ）、姿勢（Ｅ）、姿勢（Ｃ）、および姿勢（Ｙ２）ではなく、残りの候補である１時点前の姿勢（Ｆ）であると判定する。
以上のように、本実施の形態によれば、検査領域の画素値の和を求めるだけの処理で人体の存在を検知するので、特許文献１に記載のように人体の領域を特定する画像処理が不要となる。その結果、本実施の形態では、計算処理量が少なく、リアルタイムで人体の姿勢を推定することができる。また、本実施の形態によれば、姿勢の遷移モデルを用いることによって、特許文献１の記載のようなベッドからの起床だけでなく、より多くの姿勢を推定することができる。
（変形例）
本発明は、上記の実施形態に限定されるものではなく、たとえば以下のような変形例も含む。
（１）統計量
本発明の実施形態では、統計量として、検査領域の画素値の総和を用いたが、これに限定するものではない。たとえば、検査領域の画素値の平均、分散を統計量として用いることとしてもよい。
あるいは、標準の画像データの画素値または１つ前のフレームの画像データの画素値と現時点の画像データの画素値とを減算し、減算した値の総和、平均値、または分散を統計量として用いることとしてもよい。これによって、姿勢が変化した直後の統計量が大きくなり、姿勢が変化した直後のタイミングを検出することもできる。
また、所定の画素値以上の画素（つまり、撮像対象が所定の温度以上）の総和を統計量として用いることとしてもよい。この場合、画素値の所定のビット以上のビット値の加算となるので、計算量をさらに低減することができる。
また、検査領域内のすべての画素の値から統計量を計算するのではなく、検査領域からランダムにサンプリングした画素の値から統計量を計算することによって、計算量を削減することとしてもよい。
（２）判定部
本発明の実施形態では、現時点の姿勢の候補について、第１の画像データの検査領域の統計量と、第２の画像データの検査領域の統計量との和を計算して、その和が基準値以上のときに、その候補を現時点の姿勢として推定したが、これに限定するものではない。
たとえば、第１の画像データの検査領域の統計量が第１の基準値以上で、かつ第２の画像データの検査領域の統計量が第２の基準値以上の場合に、その候補を現時点の姿勢として推定するものとしてもよい。
（３）画像センサの個数
本発明の実施形態では、２台の画像センサを用いて人体の姿勢を推定したが、１台の画像センサを用いて人体の姿勢を推定することもできる。
たとえば、上方画像センサから得られる画像データのみを用いて、ベッドからの転落を推定するものとしてもよい。あるいは、側方画像センサから得られる画像データのみを用いて、ベッド上での姿勢変化を推定するものとしてもよい。
（４）画像センサ
本発明の実施形態では、上方画像センサおよび側方画像センサは、赤外線アレイセンサで構成されるのとして説明したが、可視カメラなどのその他のセンサで構成されるものであってもよい。
（５）姿勢
本発明の実施形態では、ベッドに対しての人体の姿勢を推定したが、これに限定するものではない。たとえば、椅子または車椅子に対しての人体の姿勢を推定することとしてもよい。
（６）判定方法
本発明の実施形態では、現時点の複数の姿勢の候補から１つずつ順番に選択し、選択した候補について、統計量が基準値以上となったときに、選択した候補を現時点の姿勢として推定したが、これに限定するものではない。
たとえば、現時点の複数の姿勢の候補すべてについて統計量を算出し、算出された複数の統計量の中から予め定めた基準に従って最適な統計量を決定し、最適な統計量の候補を現時点の姿勢として推定するものとしてもよい。
今回開示された実施の形態はすべての点で例示であって制限的なものでないと考えられるべきである。本発明の範囲は上記した説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。
１ 姿勢推定システム、２ 上方画像センサ、３ 側方画像センサ、４ 姿勢推定装置、５ 姿勢推定部、６ 記憶部、７ 表示部、８ 候補特定部、９ 検査領域特定部、１０ 統計量計算部、１１ 判定部、１２ 遷移モデル情報記憶部、１３ 検査情報記憶部。

Claims (14)

  1. 室内に設けられた画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部とを備え、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、ベッド横で立位の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅の領域であり、
    前記第２の画像データの検査領域の鉛直方向の範囲は、全範囲であり、水平方向の範囲は、前記ベッドに対応する範囲に隣接する位置から所定の幅の範囲である、姿勢推定装置。
  2. 室内に設けられた画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部とを備え、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、転倒の場合に、
    前記第１の画像データの検査領域は、全領域からベッドに対応する領域を除いた領域であり、
    前記第２の画像データの検査領域の水平方向の範囲は、全範囲からベッドに対応する範囲を除く範囲であり、鉛直方向の範囲は、最も低い位置から上方に向かって所定の幅の範囲である、姿勢推定装置。
  3. 室内に設けられた画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部とを備え、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、ベッド上で臥位の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域であり、
    前記第２の画像データの検査領域の鉛直方向の範囲は、前記ベッドに対応する範囲の上方の境界に隣接する位置から所定の第１の幅の範囲であり、水平方向の範囲は、前記ベッドに対応する範囲と同じ範囲である、姿勢推定装置。
  4. 室内に設けられた画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部とを備え、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、ベッド上で座位の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域であり、
    前記第２の画像データの検査領域の鉛直方向の範囲は、前記ベッドに対応する範囲の上方の境界に隣接する位置から所定の第２の幅の範囲であり、水平方向の範囲は、前記ベッドに対応する範囲と同じ範囲である、姿勢推定装置。
  5. 室内に設けられた画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部とを備え、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、ベッド端で座位の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域であり、
    前記第２の画像データの検査領域の鉛直方向の範囲は、全範囲であり、水平方向の範囲は、前記ベッドに対応する範囲に隣接する位置から所定の幅の範囲である、姿勢推定装置。
  6. 室内に設けられた画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部とを備え、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、ベッドから転落の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅の領域であり、
    前記第２の画像データの検査領域の水平方向の範囲は、全範囲からベッドに対応する範囲を除く範囲であり、鉛直方向の範囲は、所定の位置から上方に向かって所定の幅の範囲である、姿勢推定装置。
  7. 前記推定部は、
    前記遷移モデルを表わす情報を参照して、１時点前の前記人体の姿勢から遷移可能な姿勢の候補を特定する候補特定部と、
    前記特定した姿勢の候補について、前記検査情報を参照して、前記画像データの検査領域を特定する検査領域特定部と、
    前記特定された前記画像データの検査領域の画素値の統計量を算出する統計量算計算部と、
    前記算出された統計量に基づいて、前記特定された姿勢の候補が現時点の姿勢として推定するかどうかを判定する判定部とを含む、請求項１〜６のいずれか１項に記載の姿勢推定装置。
  8. 前記統計量は、前記検査領域の画素の値の合計値または平均値である、請求項７記載の姿勢推定装置。
  9. 前記判定部は、前記算出された統計量が、前記特定された姿勢の候補に応じて定まる基準値以上の場合に、前記特定された姿勢の候補を現時点の姿勢として推定する、請求項７記載の姿勢推定装置。
  10. 前記画像センサは、赤外線アレイセンサである、請求項１〜６のいずれか１項に記載の姿勢推定装置。
  11. 室内に設けられた画像センサと、
    前記画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部とを備え、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、ベッド横で立位の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅の領域であり、
    前記第２の画像データの検査領域の鉛直方向の範囲は、全範囲であり、水平方向の範囲は、前記ベッドに対応する範囲に隣接する位置から所定の幅の範囲である、姿勢推定システム。
  12. 室内の上方に設けられた第１の画像センサが、前記室内を撮像することによって第１の画像データを生成し、前記室内の側方に設けられた第２の画像センサが、前記室内を撮像することによって第２の画像データを生成するステップと、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報とを参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定するステップとを備え、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記姿勢の候補が、ベッド横で立位の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅の領域であり、
    前記第２の画像データの検査領域の鉛直方向の範囲は、全範囲であり、水平方向の範囲は、前記ベッドに対応する範囲に隣接する位置から所定の幅の範囲である、姿勢推定方法。
  13. コンピュータを、
    室内に設けられた画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部として機能させるためのものであって、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、ベッド横で立位の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅の領域であり、
    前記第２の画像データの検査領域の鉛直方向の範囲は、全範囲であり、水平方向の範囲は、前記ベッドに対応する範囲に隣接する位置から所定の幅の範囲である、姿勢推定プログラム。
  14. コンピュータを、
    室内に設けられた画像センサからの画像データを取得する取得部と、
    人体の姿勢の遷移モデルを表わす情報と、前記遷移モデルにおける各姿勢での前記画像データの検査領域を表わす検査情報を記憶する記憶部と、
    前記遷移モデルを表わす情報および前記検査情報を参照して、前記画像データの検査領域の画素値の統計量を算出し、前記統計量に基づいて１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定する推定部として機能させるためのものであって、
    前記遷移モデルに含まれる人体の姿勢の数は、３個以上であり、
    前記遷移モデルにおいて、１時点前の前記人体の姿勢から遷移可能な姿勢の候補の数は、前記１時点前の姿勢と同じ姿勢を除いて２個以上であり、
    前記遷移可能な姿勢の候補ごとに前記検査領域が設定されており、
    前記取得部は、室内の上方に設けられた第１の画像センサからの第１の画像データと、前記室内の側方に設けられた第２の画像センサからの第２の画像データを取得し、
    前記記憶部は、前記遷移モデルにおける各姿勢での前記第１の画像データの検査領域および前記第２の画像データの検査領域を表わす検査情報を記憶し、
    前記推定部は、前記遷移モデルを表わす情報および前記検査情報を参照して、前記第１の画像データおよび前記第２の画像データの検査領域の画素値の統計量を算出し、前記算出した統計量を用いて、１時点前の前記人体の姿勢から現時点の前記人体の姿勢を推定し、
    前記姿勢の候補が、ベッド横で立位の場合に、
    前記第１の画像データの検査領域は、ベッドに対応する領域の長手方向の境界に隣接する位置から所定の幅の領域であり、
    前記第２の画像データの検査領域の鉛直方向の範囲は、全範囲であり、水平方向の範囲は、前記ベッドに対応する範囲に隣接する位置から所定の幅の範囲である、姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体。
JP2015096261A 2014-05-13 2015-05-11 姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体 Active JP6731600B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015096261A JP6731600B2 (ja) 2014-05-13 2015-05-11 姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014099347 2014-05-13
JP2014099347 2014-05-13
JP2015096261A JP6731600B2 (ja) 2014-05-13 2015-05-11 姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体

Publications (2)

Publication Number Publication Date
JP2015231517A JP2015231517A (ja) 2015-12-24
JP6731600B2 true JP6731600B2 (ja) 2020-07-29

Family

ID=54479772

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015096261A Active JP6731600B2 (ja) 2014-05-13 2015-05-11 姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体

Country Status (5)

Country Link
US (1) US10198813B2 (ja)
EP (1) EP3143931B1 (ja)
JP (1) JP6731600B2 (ja)
CN (1) CN106413545B (ja)
WO (1) WO2015174228A1 (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11864926B2 (en) 2015-08-28 2024-01-09 Foresite Healthcare, Llc Systems and methods for detecting attempted bed exit
US10206630B2 (en) 2015-08-28 2019-02-19 Foresite Healthcare, Llc Systems for automatic assessment of fall risk
JP6520831B2 (ja) * 2016-06-07 2019-05-29 オムロン株式会社 表示制御装置、表示制御システム、表示制御方法、表示制御プログラム、記録媒体
CA3030850C (en) * 2016-06-28 2023-12-05 Foresite Healthcare, Llc Systems and methods for use in detecting falls utilizing thermal sensing
JP6717235B2 (ja) 2017-03-02 2020-07-01 オムロン株式会社 見守り支援システム及びその制御方法
JP6406371B2 (ja) * 2017-03-02 2018-10-17 オムロン株式会社 見守り支援システム及びその制御方法
US10553099B2 (en) * 2017-08-07 2020-02-04 Ricoh Company, Ltd. Information providing apparatus and information providing system
CN111522429A (zh) * 2019-02-01 2020-08-11 北京市商汤科技开发有限公司 基于人体姿态的交互方法及装置、计算机设备
CN110638461A (zh) * 2019-09-17 2020-01-03 山东省肿瘤防治研究院（山东省肿瘤医院） 一种在电动病床上人体姿态识别方法及系统
CN111428564A (zh) * 2020-02-25 2020-07-17 浙江口碑网络技术有限公司 呼叫提示信息的获取方法及装置、存储介质、终端
CN113128336A (zh) * 2021-03-10 2021-07-16 恒鸿达科技有限公司 一种引体向上测试计数方法、装置、设备和介质

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0792369B2 (ja) * 1993-01-14 1995-10-09 株式会社エイ・ティ・アール通信システム研究所 画像計測装置
JP2005128967A (ja) * 2003-10-27 2005-05-19 Sozo Gijutsu Kenkyusho:Kk 医療用動き検出装置、医療用動き検出方法、医療用動き検出プログラム並びにコンピュータで読取可能な記録媒体
JP2006175082A (ja) * 2004-12-24 2006-07-06 Hitachi Engineering & Services Co Ltd 起床監視方法および装置
CN1939215B (zh) 2005-09-27 2010-08-04 刘星 一种人体标示图像监测系统及应用系统
JP2007310707A (ja) * 2006-05-19 2007-11-29 Toshiba Corp 姿勢推定装置及びその方法
JP4579865B2 (ja) 2006-06-05 2010-11-10 日本電信電話株式会社 起き上がり検知装置
JP4579870B2 (ja) * 2006-06-13 2010-11-10 日本電信電話株式会社 起き上がり予兆検知装置
WO2008139399A2 (en) * 2007-05-15 2008-11-20 Philips Intellectual Property & Standards Gmbh Method of determining motion-related features and method of performing motion classification
US20090044334A1 (en) 2007-08-13 2009-02-19 Valence Broadband, Inc. Automatically adjusting patient platform support height in response to patient related events
JP4254892B1 (ja) * 2007-11-01 2009-04-15 オムロン株式会社 特徴量候補作成装置および特徴量候補作成方法
SG178270A1 (en) 2009-08-05 2012-03-29 Agency Science Tech & Res Condition detection methods and condition detection devices
JP5771778B2 (ja) * 2010-06-30 2015-09-02 パナソニックＩｐマネジメント株式会社 監視装置、プログラム
JP5682203B2 (ja) * 2010-09-29 2015-03-11 オムロンヘルスケア株式会社 安全看護システム、および、安全看護システムの制御方法
JP5771413B2 (ja) * 2011-03-02 2015-08-26 パナソニック株式会社 姿勢推定装置、姿勢推定システム、および姿勢推定方法
JP5813413B2 (ja) * 2011-08-22 2015-11-17 株式会社日立ハイテクノロジーズ シュリンク前形状推定方法およびｃｄ−ｓｅｍ装置
NL2008359C2 (en) * 2012-02-27 2013-08-28 Nightbalance B V Sleep posture alerting apparatus and method.
JP6018803B2 (ja) * 2012-05-31 2016-11-02 株式会社日立ハイテクノロジーズ 計測方法、画像処理装置、及び荷電粒子線装置
WO2014012070A1 (en) 2012-07-12 2014-01-16 Flir Systems, Inc. Infant monitoring systems and methods using thermal imaging
TWI469098B (zh) * 2013-01-25 2015-01-11 Hon Hai Prec Ind Co Ltd 安全監控系統及安全監控方法
JP6189170B2 (ja) 2013-10-16 2017-08-30 セコム株式会社 姿勢推定装置
EP3200155B1 (en) * 2014-05-14 2019-07-31 Sync-RX, Ltd. Object identification
US9799376B2 (en) * 2014-09-17 2017-10-24 Xiaomi Inc. Method and device for video browsing based on keyframe

Also Published As

Publication number Publication date
JP2015231517A (ja) 2015-12-24
EP3143931A4 (en) 2018-02-07
CN106413545B (zh) 2019-07-05
WO2015174228A1 (ja) 2015-11-19
EP3143931A1 (en) 2017-03-22
EP3143931B1 (en) 2020-12-09
US10198813B2 (en) 2019-02-05
CN106413545A (zh) 2017-02-15
US20170053401A1 (en) 2017-02-23

Similar Documents

Publication Publication Date Title
JP6731600B2 (ja) 姿勢推定装置、姿勢推定システム、姿勢推定方法、姿勢推定プログラム、および姿勢推定プログラムを記録したコンピュータ読み取り可能な記録媒体
CN105283129B (zh) 信息处理装置、信息处理方法
KR101999934B1 (ko) 표시 제어 장치, 표시 제어 시스템, 표시 제어 방법, 표시 제어 프로그램, 기록 매체
US20230162397A1 (en) Temperature correction method, device and system
JP6504156B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
JP6189170B2 (ja) 姿勢推定装置
JP2007304801A (ja) 立体性認証方法、立体性認証装置および立体性認証プログラム
JP5300694B2 (ja) 検出装置
JP6780641B2 (ja) 画像解析装置、画像解析方法、及び、画像解析プログラム
JP6417670B2 (ja) 監視装置、監視システム、監視方法、監視プログラム、および監視プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2012057974A (ja) 撮影対象サイズ推定装置及び撮影対象サイズ推定方法並びにそのプログラム
JP6104066B2 (ja) 画像処理装置および画像処理方法
JP6452738B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP4134147B2 (ja) 動作指示装置
JP5870230B1 (ja) 見守り装置、見守り方法および見守りプログラム
WO2021033453A1 (ja) 画像処理システム、画像処理プログラム、および画像処理方法
JP2022095994A (ja) 画像処理システム、画像処理プログラム、および画像処理方法
JP2009245200A (ja) 煙検出装置
JP2010136113A (ja) 撮像パラメータ調整装置、撮像パラメータ調整方法とそのプログラム及び記録媒体
JP2021033379A (ja) 画像処理システム、画像処理プログラム、および画像処理方法
JP7316712B1 (ja) 異常行動検出システム
US20230351637A1 (en) Excrement determination method, excrement determination device, and non-transitory computer readable recording medium
WO2019163561A1 (ja) 情報処理装置
JP2024011335A (ja) データ処理装置、介護支援システム、及び、データ処理方法
JP2022126069A (ja) 画像処理方法

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150529

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150529

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180427

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20180427

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190521

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190624

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20191126

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191219

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: 20200602

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200615

R150 Certificate of patent or registration of utility model

Ref document number: 6731600

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250