JP6891993B2 - 温熱快適性を推定するためのシステム - Google Patents
温熱快適性を推定するためのシステム Download PDFInfo
- Publication number
- JP6891993B2 JP6891993B2 JP2020057448A JP2020057448A JP6891993B2 JP 6891993 B2 JP6891993 B2 JP 6891993B2 JP 2020057448 A JP2020057448 A JP 2020057448A JP 2020057448 A JP2020057448 A JP 2020057448A JP 6891993 B2 JP6891993 B2 JP 6891993B2
- Authority
- JP
- Japan
- Prior art keywords
- biological information
- thermal comfort
- acquisition unit
- target
- information
- 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
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
(1―1)概要
図1は、本開示に示すシステムの概略図である。図1に示すように、本開示に示すシステムは、常時センシング可能な腕センサ10による比較的誤差の大きい推定値を、断続的に取得可能な熱画像による高精度な推定値により補正する。熱画像は空気調和装置20に含まれるサーモグラフィ等によって取得される。推定アルゴリズムにはランダムフォレストを用い、得られる各センサデ−タに応じて2種類の推定モデルを使い分ける。使用する特徴量を表1に示す。
空気調和装置20から取得した熱画像からの温度抽出は、例えば、可視画像と熱画像を組み合わせることにより行う。まず、可視画像に対し、顔検出手法を用いて矩形として顔の座標を取得する。本開示では、OPenCVのHaar−liKe特徴を利用した顔検出器を用いる。得られた矩形から相対的に顔の各部位(faCe、forehead、CheeK−r、CheeK−l、nose、mouth)の矩形座標を算出する。算出式を表2に示す。
腕センサ10は複数のセンサを含み、手首の体表温度(WT)、心拍数(HR)、皮膚電位(EDA)、をそれぞれ取得する。これらのセンサは、多くの腕センサに搭載されており温熱快適度とも深く関係している。推定を行う時点での、体表温度(WT)、心拍数(HR)、皮膚電位(EDA)、を特徴量とする。また時間的な変化も温熱快適度に関係しているため、それぞれの値の1分前、5分前、10分前からの平均値と差を特徴量として用いる。それぞれの算出式を式(5)、式(6)に示す。
空気調和装置20はセンサ等を介して、空気調和装置20の冷暖房の使用状態を取得することが可能である。あるいは、空気調和装置20は、有線、又は、無線を介して通信を行うことにより他の空気調和装置の冷暖房の使用状態を取得することが可能である。冷暖房の使用状態は温熱快適度の推定のための重要な特徴量であり、冷房時を−1、暖房時を1として特徴量として与える。本開示では温熱快適度を推定した上で、その時点での冷暖房の使用状態と温熱快適度からエネルギー削減の余地の有無を判定する。具体的には冷房時(HC=−1)に涼しく感じている状態(温熱快適度が負の値)、暖房時(HC=1)に暖かく感じている状態(温熱快適度が正の値)を余分なエネルギーを使用している状態として定義する。そのような状態を検出することで,冷暖房に使用するエネルギーを削減することが可能である。
本開示では、腕センサ10のみからセンサデ−タを取得している状態と、空気調和装置20から熱画像を取得している状態とで推定モデルを切り替えることによって温熱快適度を推定する。本開示ではタイムウィンドウを1分とし、直前の熱画像による推定値と現時刻での腕センサ10による推定を組み合わせることで補正した推定値を算出する。それを現時刻での温熱快適度とする。補正式を式(7)、式(8)に示す。
本開示では冷暖房に対応した温熱快適度推定モデルを構築するため、季節ごとに実験を行い20代男性15名の被験者から、のべ128日分のデ−タを収集した。実験の間被験
者は日常通り研究活動を行いながら腕センサ10を常時装着し、30分ごとに10秒間隔で7回、可視画像と熱画像を撮影し、同時に7段階の温熱快適度ラベルの申告を図2に示すスマ−トフォンアプリを用いて行った。また同時に快適か不快かを尋ねることにより、7段階温熱快適度とユ−ザの温熱的な不快感との関係を調査する。この実験によりそれぞれ10724枚の可視画像と熱画像とを取得した。また、各時点での7枚組の熱画像から温度情報の平均値を算出しその時点での温度情報とした。その結果センサデ−タの欠損を取り除き、1476点で取得した熱画像、腕センサ10デ−タ、温熱快適度の組をデ−タセットとして用いる。温熱快適度申告値の内訳は表3のようになった。
熱画像を用いた推定には表1の全特徴量を使用する。比較手法としてKNN(K近傍法)、SVM(サポ−トベクタ−マシン)と全てを0(neutral)と推定する手法を用いる。5分割交差検証により算出した各手法の推定精度を表4に示す。
腕センサ10のみを用いた推定には表1のf10からf31を使用する。5分割交差検証により算出した各手法の推定精度を表5に示す。
本開示はユ−ザの温熱快適度を推定することで冷暖房時の余分なエネルギー消費を検知し、エネルギー消費を削減することを目的とする。余分なエネルギー消費をしている状態をエネルギー過剰消費状態とし、定義を(温熱快適度)*HC>0(冷房時の−3、−2、−1、暖房時の3、2、1)とした場合、(温熱快適度)*HC⊇0(冷房時の−3、−2、−1、0、暖房時の3、2、1、0)とした場合、それぞれに対してランダムフォレストにより推定した結果の混同行列を図5A、図5Bにそれぞれ示す。図5Aでは冷房時に温熱快適度が0より小さい状態を−1、暖房時に温熱快適度が0より大きい状態を1、それ以外の状態をエネルギー消費削減の余地がない状態0とし、図5Bでは冷房時に温熱快適度が0以下の状態を−1、暖房時に温熱快適度が0以上の状態を1、それ以外の状態をエネルギー消費削減の余地がない状態0とし、3クラス分類を行った。図5Aの結果によると、クラス−1と1を合計したエネルギー過剰消費状態の推定では、熱画像と腕センサ10を組み合わせた場合には適合率83.9%、再現率47.9%で検知することができ、腕センサ10のみの場合には適合率73.6%、再現率36.6%で検知できることがわかった。図5Bの結果によると、エネルギー過剰消費状態の推定では、熱画像と腕センサ10を組み合わせた場合には再現率98.2%、適合率89.0%で検知することができ、腕センサ10のみの場合には再現率98.0%、適合率88.3%で検知できることがわかった。これらのモデルはユ−ザの嗜好に合わせて選択されるべきであるが、温熱的な不快を感じること無く高精度にエネルギー過剰消費状態を推定できることがわかった。
得られたデ−タセットのうち、冬の1日分暖房下での8名のデ−タをテストデ−タとし、それ以外のデ−タを学習デ−タとして、提案手法と腕センサ10のみを用いた手法の推定精度の比較を行う。このテストデ−タには30分ごとの熱画像取得と同時に申告された温熱快適度の正解デ−タに加え、任意の時点での温熱快適度の申告が含まれており、熱画像の取得できない時点での推定値の精度比較を行うことができる。エネルギー過剰消費状態を(温熱快適度)HC>0とした場合の各手法の適合率と再現率を図6Aに示す。適合率、再現率ともに提案手法が腕センサ10のみによる手法を上回った。またこの結果から、提案手法を用いた場合には、再現率は低く留まっているが適合率は高く、誤って判定しユ−ザの温熱快適度を損なう空調制御を避けられることがわかる。エネルギー過剰消費状態を(温熱快適度)*H⊇0とした場合の各手法の適合率と再現率を図6Bに示す。これによりエネルギー過剰消費状態((温熱快適度)*HC⊇0)の推定は両手法ともに高精度であることがわかる。これはneutral状態をエネルギー消費削減の余地があると定義した場合には、提案手法が有効に働くことを示している。また、エネルギー過剰消費状態の定義にかかわらず適合率、再現率ともに提案手法がわずかに上回っていることから熱画像と腕センサ10を併用することの有効性を確認することができた。
図7に本開示におけるシステム100の第2実施形態について説明する。なお、第1実施形態と同様の構成及び、算出方法については説明を省略する。
第1装置10は、例えば、第1実施形態に示す腕センサである。第1装置10は、各種ネットワークを介して、第2装置20、第3装置30、又は他の装置と通信可能である。第1装置10は、第1取得部11と、第1判断部12と、第1推定部13と、第1記憶部14と、を有す。
第2装置20は、例えば、第1実施形態に示す空気調和装置である。第2装置20は、各種ネットワークを介して、第1装置10、第3装置30、又は他の装置と通信可能である。第2装置20は、第2取得部21と、第2判断部22と、第2推定部23と、第2記憶部24と、を有す。
第3装置30は、例えば、コンピュータである。第3装置30は、各種ネットワークを介して、第1装置10、第2装置20、又は他の装置と通信可能である。第3装置30は、任意の時間間隔、又は対象等の操作に基づいて、第1装置10及び第2装置20から各情報を取得し、第3温熱快適性を出力する。第3装置30は、第3取得部31と、補正部32と、出力部33と、第3記憶部34と、を有す。
(3−1)
本開示のシステム100は、第1取得部11と、第2取得部21と、第1推定部13と、第2推定部23と、補正部32と、を備える。第1取得部11は、対象の生体に接触して第1生体情報を取得する。第1取得部11は、1つ又は複数のセンサを有す。第2取得部21は、対象の生体に接触せずに第2生体情報を取得する。第2取得部21は第1取得部11とは異なる1つ又は複数のセンサを有す。第1推定部13は、第1取得部11が取得した第1生体情報に基づいて、対象の第1温熱快適性を推定する。第2推定部23は、第2取得部21が取得した第2生体情報に基づいて、対象の第2温熱快適性を推定する。第2温熱快適性の精度は、第1温熱快適性の精度よりも高い。補正部32は、第2温熱快適性に基づいて第1温熱快適性を補正する。
本開示のシステム100は、第1取得部11と、第2取得部21と、推定部と、を備える。第1取得部11は、対象の第1生体情報を取得する。第1取得部11は、1つ又は複数のセンサを有す。第2取得部21は、対象の第2生体情報を取得する。第2取得部21は第1取得部11とは異なる1つ又は複数のセンサを有す。推定部は、第1生体情報と第2生体情報とに基づいて、対象の温熱快適性を推定する。システムは、第1生体情報と、第2生体情報と、温熱快適性と、を教師データとして学習する。システム100は、第1生体情報と第2生体情報とを入力とし、温熱快適性を出力とする。
本開示のシステム100は、第1取得部11と、第2取得部21と、第1推定部13と、第2推定部23と、を備える。第1取得部11は、対象の第1生体情報を取得する。第1取得部11は、1つ又は複数のセンサを有す。第2取得部21は、対象の第2生体情報を取得する。第2取得部21は第1取得部11とは異なる1つ又は複数のセンサを有す。第2推定部23は、第1取得部11が取得した第1生体情報と、第2取得部21が取得した第2生体情報と、に基づいて、対象の第2温熱快適性を推定する。システム100は、第1取得部11が取得した第1生体情報と第2推定部23が推定した推定結果と、を教師データセットとして第1推定部13を学習させる。システム100は、第1推定部13による推定時には、第1取得部11が取得した第1生体情報に基づいて、第1温熱快適性を出力する
(3−4)
第1取得部11は、第1生体情報として、少なくとも、対象の心拍数、体表温度、皮膚電気活動(EDA:Electro−Dermal Activity)のうちのいずれか1つの情報を取得する。第2取得部21は、第2生体情報として、少なくとも、対象の顔の体表温度の情報と、顔の部位の体表温度の情報と、を取得する。また、第2生体情報に含まれる情報の種類は、第1生体情報に含まれる情報の種類よりも多い。
第2取得部21の有するセンサの数は、第1取得部11の有するセンサの数よりも多いことが好ましい。これによって、より正確な第2温熱快適性を推定することができる。なお、センサの数という概念には、物理的なセンサの数だけでなく、1つのセンサでとったデータを元に複数の情報が取得できる場合はその情報の数という意味合いも含む。
本開示の第1装置10は、第1判断部12をさらに備える。第1判断部12は、第1取得部11において取得された第1生体情報が、有効な情報であるか否かを判断する。第1推定部13は、第1判断部12が第1生体情報を有効であると判断した場合に、第1温熱快適性を推定する。
第1推定部13は、さらに第1取得部11が過去に取得した第1生体情報に基づいて第1温熱快適性を推定する。第2推定部23は、さらに第2取得部21が過去に取得した第2生体情報に基づいて第2温熱快適性を推定する。
(4−1)
本開示に示すシステム100は、対象の周囲の温熱環境の情報を取得する第3取得部31をさらに備えていてもよい。第3取得部31は、対象の周囲の温熱環境の情報として、生体の周囲の温度、及び/又は、湿度、の情報を取得する。第3取得部31は、第1装置10、第2装置20、第3装置30あるいはその他の装置に設けられていてもよい。
本開示に示す第3装置30は、第1装置10及び第2装置20からそれぞれ第1温熱快適性及び第2温熱快適性を取得している。しかし、第3装置30は、第1装置10及び第2装置20からそれぞれ第1生体情報及び第2生体情報を取得してもよい。第3装置30は、第1推定部13及び第2推定部23の機能は、第3装置30に含まれていてもよい。第3装置30は、第1生体情報及び第2生体情報から第3温熱快適性を取得してもよい。
第3実施形態は、第1実施形態と同じく熱画像と腕センサ10の生体データを元に温熱快適性を推定するものである。
(6−1)
第3実施形態のシステム100の推定部13,23,32は、第1生体情報、第2生体情報、及び温熱快適性、を教師データとして学習する。推定部13,23,32は、第1生体情報および第2生体情報に基づいて温熱快適性を推定する。推定部13,23,32は、対象の推定された温熱快適性を記憶する。さらに、推定部13,23,32は、第2取得部が第2生体情報を取得しない時はダミー情報を出力する機能を有す。推定部13,23,32は、第1生体情報、ダミー情報、及び温熱快適性、を教師データとして学習する。第1生体情報、ダミー情報、及び記憶した温熱快適性に基づいて補正された第1温熱快適性を前記対象の温熱快適性とする。
第3実施形態のシステム100の推定部は、第1生体情報、第2生体情報、及び温熱快適性、を教師データとして学習する。推定部13,23,32は、第1生体情報および第2生体情報に基づいて温熱快適性を推定する。推定部13,23,32は、対象の推定された温熱快適性を記憶する。さらに、推定部13,23,32は、第2取得部が第2生体情報を取得しない時はダミー情報を出力する機能を有す。推定部13,23,32は、第1生体情報、ダミー情報、及び温熱快適性、を教師データとして学習する。推定部13,23,32は、第1生体情報、ダミー情報、及び記憶した温熱快適性、を教師データとして学習し、第1生体情報およびダミー情報に基づいて推定された第1温熱快適性を対象の温熱快適性とする。
以上、本開示の実施形態を説明したが、特許請求の範囲に記載された本開示の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。
12 第1判断部
13 第1推定部
21 第2取得部
22 第2判断部
23 第2推定部
32 補正部
100 システム
13,23,32 推定部
Claims (16)
- 対象の第1生体情報を取得する、1つ又は複数のセンサからなる第1取得部と、
前記対象の第2生体情報を取得する、前記第1取得部とは異なる1つ又は複数のセンサからなる第2取得部と、
前記第1生体情報と前記第2生体情報とに基づいて、前記対象の温熱快適性を推定する推定部と、
を備え、
前記推定部は、
前記第1生体情報に基づいて前記対象の第1温熱快適性を推定し、前記第1生体情報と前記第2生体情報とに基づいて前記対象の前記温熱快適性を推定し、
前記第2取得部が前記第2生体情報を取得しない時は、少なくとも前記第2取得部が過去に取得した前記第2生体情報に基づいて前記推定部が推定した過去の前記対象の温熱快適性、により補正された前記第1温熱快適性を、前記対象の温熱快適性とする、
システム。 - 対象の第1生体情報を取得する、1つ又は複数のセンサからなる第1取得部と、
前記対象の第2生体情報を取得する、前記第1取得部とは異なる1つ又は複数のセンサからなる第2取得部と、
前記第1生体情報に基づいて、前記対象の第1温熱快適性を推定する第1推定部と、
前記第1生体情報と前記第2生体情報とに基づいて、前記対象の温熱快適性を推定する第2推定部と、
前記第2取得部が前記第2生体情報を取得しない時は、少なくとも前記第2取得部が過去に取得した前記第2生体情報に基づいて前記第2推定部が推定した過去の前記対象の温熱快適性、により前記第1温熱快適性を補正する補正部と、
を備えるシステム。 - 対象の第1生体情報を取得する、1つ又は複数のセンサからなる第1取得部と、
前記対象の第2生体情報を取得する、前記第1取得部とは異なる少なくとも1つ以上のセンサを含む1つ又は複数のセンサからなる第2取得部と、
前記第1取得部が取得した前記第1生体情報に基づいて、前記対象の第1温熱快適性を推定する第1推定部と、
前記第2取得部が取得した前記第2生体情報に基づいて、前記対象の第2温熱快適性を推定する第2推定部と、
を備え、
前記第1取得部が取得した前記第1生体情報と前記第2推定部が推定した推定結果と、を教師データセットとして前記第1推定部を学習させ、
前記第1推定部による推定時には、前記第1取得部が取得した前記第1生体情報に基づいて、前記第1温熱快適性を出力する、
システム。 - 前記第1取得部は、前記第1生体情報を前記対象に接触して取得し、
前記第2取得部は、前記第2生体情報を前記対象に接触せずに取得する、
請求項1から3のいずれかに記載のシステム。 - 前記第1取得部は、前記第1生体情報として、少なくとも、前記対象の心拍数、体表温度、皮膚電気活動(EDA:Electro−Dermal Activity)のうちのいずれか1つの情報を取得する、
請求項1から4のいずれかに記載のシステム。 - 前記第2取得部は、前記第2生体情報として、少なくとも、前記対象の顔の体表温度の情報と、前記顔の部位の体表温度の情報と、を取得する、
請求項1から5のいずれかに記載のシステム。 - 前記第2生体情報に含まれる情報の種類は、前記第1生体情報に含まれる情報の種類よりも多い、
請求項1から6のいずれかに記載のシステム。 - 前記第2温熱快適性の精度は、前記第1温熱快適性の精度よりも高い、
請求項3に記載のシステム。 - 前記第2取得部の有するセンサの数は、前記第1取得部の有するセンサの数よりも多い、
請求項1から8のいずれかに記載のシステム。 - 前記第2取得部において取得された前記第2生体情報が、有効な情報であるか否かを判断する第2判断部、をさらに備え、
前記第2推定部は、前記第2判断部が前記第2生体情報を有効であると判断した場合に、前記第2温熱快適性を推定する、
請求項3に記載のシステム。 - 前記第1取得部において取得された前記第1生体情報が、有効な情報であるか否かを判断する第1判断部、をさらに備え、
前記第1推定部は、前記第1判断部が前記第1生体情報を有効であると判断した場合に、前記第1温熱快適性を推定する、
請求項3に記載のシステム。 - 前記第1推定部は、さらに前記第1取得部が過去に取得した前記第1生体情報に基づいて前記第1温熱快適性を推定する、あるいは、前記第2推定部は、さらに前記第2取得部が過去に取得した前記第2生体情報に基づいて前記第2温熱快適性を推定する、
請求項3、10又は11のいずれかに記載のシステム。 - 前記対象の周囲の温熱環境の情報を取得する第3取得部をさらに備える、
請求項1から12のいずれかに記載のシステム。 - 前記第3取得部は、前記対象の周囲の温度、及び/又は、湿度、の情報を取得する、
請求項13に記載のシステム。 - 前記推定部は、
前記第1生体情報と、前記第2生体情報と、前記対象の温熱快適性と、を教師データとして学習するとともに、
前記第2生体情報が取得されない時は、前記第1生体情報と、前記第2生体情報と区別可能なダミー情報と、前記対象の温熱快適性と、を教師データとして学習し、
前記第1生体情報と、前記第2生体情報と、が取得される時は、前記対象の温熱快適性を推定するとともに、前記対象の温熱快適性の推定値を記憶し、
前記第2生体情報が取得されない時には、前記第1生体情報と、前記ダミー情報と、に基づいて、前記第1温熱快適性を推定し、記憶された過去の前記対象の温熱快適性に基づいて補正された前記第1温熱快適性を、前記対象の温熱快適性とする、
請求項1に記載のシステム。 - 前記第1生体情報と、前記ダミー情報と、前記対象の温熱快適性と、を教師データとして学習する際に、前記対象の温熱快適性として、記憶された前記対象の温熱快適性の推定値を用い、
前記第2生体情報が取得されない時には、学習により補正された前記第1温熱快適性を、前記対象の温熱快適性とする、
請求項15に記載のシステム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202080035655.6A CN113924039B (zh) | 2019-05-15 | 2020-05-15 | 用于估计温热舒适性的系统 |
US17/610,403 US11598680B2 (en) | 2019-05-15 | 2020-05-15 | System for estimating thermal comfort |
EP20805263.9A EP3970607A4 (en) | 2019-05-15 | 2020-05-15 | THERMAL COMFORT EVALUATION SYSTEM |
PCT/JP2020/019515 WO2020230895A1 (ja) | 2019-05-15 | 2020-05-15 | 温熱快適性を推定するためのシステム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019092087 | 2019-05-15 | ||
JP2019092087 | 2019-05-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020189081A JP2020189081A (ja) | 2020-11-26 |
JP6891993B2 true JP6891993B2 (ja) | 2021-06-18 |
Family
ID=73453115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020057448A Active JP6891993B2 (ja) | 2019-05-15 | 2020-03-27 | 温熱快適性を推定するためのシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6891993B2 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5501990B2 (ja) * | 2011-01-27 | 2014-05-28 | 三菱電機株式会社 | 空気調和機 |
US20160320081A1 (en) * | 2015-04-28 | 2016-11-03 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services |
JP6998564B2 (ja) * | 2017-02-08 | 2022-01-18 | パナソニックIpマネジメント株式会社 | 覚醒度推定装置及び覚醒度推定方法 |
WO2019087537A1 (ja) * | 2017-10-30 | 2019-05-09 | ダイキン工業株式会社 | 空調制御装置 |
CN108413588B (zh) * | 2018-02-12 | 2021-03-02 | 北京工业大学 | 一种基于热成像及bp神经网络的个性化空调控制系统及方法 |
WO2020121370A1 (ja) * | 2018-12-10 | 2020-06-18 | 三菱電機株式会社 | 空調機、制御装置、空調システム、空調制御方法及びプログラム |
-
2020
- 2020-03-27 JP JP2020057448A patent/JP6891993B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020189081A (ja) | 2020-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7217058B2 (ja) | 1つまたは複数のサーモグラフィカメラおよび1つまたは複数のrgb-dセンサを使用して構築空間内の1人または複数の人間の居住者の存在をリアルタイムで検出し、熱的快適性を推定すること | |
JP7338886B2 (ja) | エリア別環境管理システム及び方法とプログラム | |
US11059349B2 (en) | Enhanced climate control | |
US20180254106A1 (en) | Behavior sensing device, behavior sensing method, and recording medium | |
WO2020230895A1 (ja) | 温熱快適性を推定するためのシステム | |
JP2015111019A (ja) | 空調システム、空調機器制御装置、制御方法、およびプログラム | |
JP2015033457A (ja) | 運転状態推定装置及び運転状態推定方法 | |
JP2020129188A (ja) | 学習方法、学習プログラムおよび学習装置 | |
US20190290186A1 (en) | Perspiration state estimation device, perspiration state estimation method, and perspiration state estimation program | |
JP2020115073A (ja) | 情報処理装置 | |
JP6891993B2 (ja) | 温熱快適性を推定するためのシステム | |
US20210279452A1 (en) | Action-estimating device | |
US20200359958A1 (en) | Sleep sufficiency estimation device and sleep sufficiency estimation method | |
CN110659594B (zh) | 一种基于AlphaPose的热舒适姿态估计方法 | |
JP2021010721A (ja) | 学習装置、推定装置、及び、環境調整システム。 | |
Yoshikawa et al. | Combining a thermal camera and a wristband sensor for thermal comfort estimation | |
Mao et al. | A thermal comfort estimation method by wearable sensors | |
WO2021006240A1 (ja) | 学習装置、推定装置、及び、環境調整システム | |
JP7437919B2 (ja) | 判定システム、及び判定プログラム | |
JP5511503B2 (ja) | 生体情報計測処理装置及び生体情報計測処理方法 | |
JP7147864B2 (ja) | 支援装置、支援方法、プログラム | |
JP2019017946A (ja) | 気分推定システム | |
WO2023032771A1 (ja) | 制御方法、プログラム、及び、制御システム | |
US20240116329A1 (en) | Thermal sensation estimation device, air conditioning device, air conditioning system, thermal sensation estimation method, and program | |
JP2020010881A (ja) | 検出装置、ウェアラブルセンシングデバイス、検出方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200330 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20200423 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200515 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200423 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200907 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201027 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210126 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210329 |
|
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: 20210427 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210510 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6891993 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |