JP7126632B2 - センサ信号データに基づいて動作を実行する方法、デバイス及びシステム - Google Patents

Description

本開示は、一般的に、センサ対応デバイスによる動作を制御すること、とりわけ、センサ信号データに基づいて動作を実行するプロセッサ制御方法(processor controlled method)、並びに、プロセッサ制御デバイス(processor controlled device)、システム及びコンピュータプログラムプロダクトに関する。

センサ技術の開発の進歩により、ますます多くのデバイスが、限定されるものではないが、動きデータ、音データ、画像データ、ビデオデータ、温度データ、湿度データ、圧力データ、輝度データ、化学組成又は物質データ、嗅覚データ、触覚データのうちの少なくとも１つを提供するために配置される１つ以上のセンサから得られるセンサ信号データに基づいて、特定のイベントに適応した自動操作を実行することが可能である。

これらのセンサは、一般的に、それぞれのデバイスに配置されるが、それぞれのデバイスに外部接続される場合もある。得られたセンサ信号データは、一般的に、デバイスに含まれる、適切にプログラムされた汎用プロセッサ又は特定用途向け集積回路等、処理機器によって処理される。

一例として、動き検出センサは、動く物体を検出し、特定のタイプの動きに応じてデバイスによって動作を実行するように、加速力及び回転力を検出し測定するために使用されてもよい。例えば、デバイスが照明器具である又は照明器具を含む場合、動作は、人がデバイスに近づいてきたことを検知すると照明器具によって照明をつける、及び、近くの揺れている木の検出された動きに基づいて照明を避ける、等を含んでもよい。

他の例として、いわゆる環境センサは、例えば、周囲空気温度及び圧力、照度、並びに湿度等、様々な環境パラメータを測定し、このようにして得られたセンサ信号データの処理が、例えば、緊急事態を示す場合に警告を発するために使用されてもよい。

センサ信号データから検出されるべき特定のイベントの発生時にデバイスの意図された及び／又は自動化された動作を向上させるために単一のデバイスに複数の異なるセンサを使用することは、必然的に、異なるタイプの生のセンサ信号データがデバイスの処理機器によって処理されるべきであることを意味し、これらのセンサ信号データは、性質が異種である(heterogeneous in nature)可能性があり、単一のタイプのセンサ信号データと比較して、処理されるべきかなり大量のデータを含む可能性がある。

多くの樹木及び茂みがあり、風雨状況下での、庭で動いている人の信頼性のある検出は、例えば、動き検出センサのみのセンサ信号データからの夜間の美術館における侵入者の検出と比較して、例えば、動きセンサ、湿度センサ、及び温度センサからのデータの処理による、かなり複雑で緻密なデータ処理作業をもたらす。

実際には、センサを備える多くのネットワーク及び／又はユーザデバイス又は端末は、収集されたセンサ信号データを処理するために利用可能である及び／又は使用されてもよいハードウェア及びソフトウェアリソースの観点で能力が限られている。

センサ信号データの量及びその処理の複雑さの両方の増加は、現在利用可能なセンサ対応デバイスへの実装を困難にするだけでなく、例えば、将来のデバイスのコストを大幅に増加させる可能性もある。

得られたセンサ信号データは、センサ信号データを処理するためユーザ又はネットワークデバイスに組み込まれる処理機器と比較して、デスクトップコンピュータ、ワークステーション又はネットワークサーバ等、より大量の処理能力及び／又はより洗練された処理アルゴリズムを備えるコンピューティングデバイスを有する、リモートコンピューティングシステムに通信されてもよい。しかしながら、このようなソリューションは、いくつかの理由に起因してその適用に制限がある。

デバイス又は端末による、リモートコンピューティングデバイスとのセンサ信号データの継続的な交換は、比較的強力な信号リソースを必要とし、デバイスによる電力消費の増加、並びに、デバイス及びリモートコンピューティングデバイスが接続される必要のある中間通信ネットワークの大量使用(extensive usage)につながる。

さらに、デバイスによって実行されるほとんどの動作は、タイムリーに、場合によってはリアルタイム又はリアルタイムに近い形で提供されなければならず、これは、感知されたデータの処理にリモートコンピューティング又は処理デバイスが関与する場合に実現することが困難である及び／又はコストがかかる。これは、収集されたセンサ信号データをリモートで処理することをさらにいっそう難しくする。

したがって、デバイス内の処理リソースの効率的な使用及び展開に対して、デバイスによって意図された（複数の）動作を実行するための特定のイベントを確実に検出するために、（異種の）センサ信号データ量の増加に基づき、センサ対応デバイスによってセンサ信号データを迅速(responsive)、正確且つタイムリーに処理することは、既存及び新規のプロセッサ制御デバイス(processor controlled device)においてチャレンジングな目標(challenging objective)となっている。

上述した目的及びその他は、本開示の第１の態様において、プロセッサを含むデバイスによって少なくとも１つのセンサから得られるセンサ信号データに基づいて動作を実行する方法であって、当該方法は、
プロセッサによって、センサ信号データから特徴プロファイル(feature profile)を生成するステップと、
プロセッサによって、生成された特徴プロファイルと、プロセッサが利用可能な所定の特徴プロファイルのセットとをマッチングする(match)ステップと、
生成された特徴プロファイルが所定の特徴プロファイルのセットのうちの少なくとも１つとマッチする場合、デバイスによって、センサ信号データに基づいて、プロセッサによって制御される、動作を実行するステップと、
生成された特徴プロファイルが所定の特徴プロファイルのセットのうちの少なくとも１つとマッチしない場合、デバイスによって、センサ信号データのリモート処理に基づいて、プロセッサによって制御される、動作を実行するステップと、
を含む、方法によって達成される。

本開示は、ローカルセンサ信号データ評価モード及びリモートセンサ信号データ評価モードを含む、利用可能なセンサ信号データを処理するハイブリッドな態様に基づいている。それぞれのセンサ信号データ評価モードに基づいてデバイスにより動作を実行することは、デバイスでローカルに利用可能な処理リソースによって特定のイベントが確実に決定又は検出されることができるかどうかに依存する。

このために、最初のステップにおいて、１つ以上のセンサによって得られるセンサ信号データから、デバイスのプロセッサがいわゆる特徴プロファイルを生成する。本願の目的において、特徴(feature)は、センサ信号に含まれる又はセンサ信号に隠れる有用且つ主要な(dominant)情報を表す際立った(distinctive)技術的特性又はパラメータである。特徴プロファイルは、少なくとも１つの特徴を含む。しかしながら、実際には、特徴プロファイルは、複数の特徴及び／又は特徴間の関係を含む。特徴は、プロセッサが利用可能な特定の特徴処理アルゴリズムに従ってセンサ信号データを処理することにより得られてもよい。

次のステップにおいて、このようにして生成された特徴プロファイルは、プロセッサがローカルに利用可能な所定の特徴プロファイルのセットとマッチングされる。これらの所定の特徴プロファイルは各々、デバイスでローカルに利用可能な処理リソース、すなわち、プロセッサ及び特徴処理アルゴリズムによってセンサ信号データから確実に検出されることができる情報を表す。

マッチした場合、すなわち、生成された特徴プロファイルが、所定の特徴プロファイルのセットのうちの少なくとも１つの特徴プロファイルと１対１(one-to-one)又はある程度(to a certain extent)対応する場合、意図された（複数の）動作が、プロセッサの制御の下で、センサ信号データに基づいてデバイスによって実行される。

しかしながら、生成された特徴プロファイルが、所定の特徴プロファイルのセットのいずれの特徴プロファイルともマッチしない場合、デバイスの動作は、センサ信号データのリモート処理の結果に依存する。すなわち、得られたセンサ信号データは、デバイスがローカルに利用可能な処理リソースと比較して、デスクトップコンピュータ、ワークステーション又はネットワークサーバ等、より大量の処理能力及び／又はより洗練された特徴処理アルゴリズムを備えるコンピューティングデバイスを有する、リモートコンピューティングシステムに通信されてもよい。

本ソリューションでは、得られたセンサ信号データは、少なくとも１つのセンサによって感知されるイベントを確実に検出又は判断するために、アドバーサリ評価(adversary evaluation)とも呼ばれる、その複雑さ又は難易度(complexity or difficulty level)の評価を受ける。

原則として、デバイスによる特定の動作は、ローカルの処理結果が、意図した動作を実行するかどうかを判断するためにローカルで利用可能な処理リソースが不十分であることを示さない限り、デバイスで又はデバイス内でローカルに利用可能な処理リソースによって計算される評価結果に基づいて実行される。

すなわち、生成された特徴プロファイルが所定の特徴プロファイルのセットとマッチする場合、センサ信号データは、デバイスがローカルに利用可能な限られた又は乏しい処理リソースによって評価することが比較的容易であると考えられ、すなわち、容易なアドバーサリ(easy adversary)であるとみとめられ(qualified)、デバイスは、センサ信号データに基づいて直接動作を実行してもよい。

そうではなく、生成された特徴プロファイルと所定の特徴プロファイルのセットとの間にマッチがない場合、センサ信号データの評価は、困難且つ複雑であると考えられ、困難なアドバーサリ(difficult adversary)であるとみとめられる。この場合、デバイスがローカルに利用可能な限られた処理リソースは、センサ信号データの評価には不十分であると考えられ、デバイスからリモートのより強力な処理リソースによるセンサ信号データの処理が必要とされる。

センサ対応デバイスは、日常の規則的及び定期的な動作等、デバイスによって実行されるべき動作及びタスクの大部分は、デバイスでローカルに利用可能な処理リソースに基づいて処理及び制御されるように設計されることになると考えられる。特別な状況、すなわち、より複雑で広範なセンサデータに起因するイベントの場合にのみ、センサ信号データを処理するための強力なバックエンドデバイスのコンピューティング能力が使用されるべきである。

このようにして、デバイスによる動作は、処理及びデータ伝送効率、動作精度、コスト、応答性等の面でバランスよく実行される。

本開示の一実施形態では、生成するステップは、統計的データ解析アルゴリズムを含む、変換アルゴリズム及び特徴抽出アルゴリズムのいずれかを含む所定のデータ解析アルゴリズムを用いて特徴プロファイルを生成することを含む。

例えば、測定された最大温度、測定された温度の平均及び標準偏差等、それぞれのセンサによって感知された量(quantity)に直接対応する特徴（主要な情報）は、それぞれの特徴抽出アルゴリズムを使用して有利に処理及び評価されることができる。センサ信号データに隠れている情報の評価は、例えば、時間ドメインから周波数ドメインへのセンサ信号データの変換等、データ変換アルゴリズムの使用を要してもよい。本開示の目的のために、異なる特徴抽出及び／又は既知のデータ変換アルゴリズムが適用されてもよい。

したがって、本開示による特徴プロファイルは、センサ信号データから直接抽出される様々な特徴、又はセンサ信号データが感知されるドメインとは異なるドメインにおいて利用可能な特徴等、センサ信号データの変換されたバージョンにおいて利用可能な特徴に依存してもよい。

上述したように、センサ信号データのアドバーサリ評価は、センサ対応デバイスに又はセンサ対応デバイス内に位置する限られた又は乏しい処理リソースによって実行される。しかしながら、限られたローカルの計算及び記憶リソースでは、かなり高い計算労力を必要とする変換アルゴリズムを実行することは実現不可能である。

性能における満足度とリソースにおける経済性の最適なバランスを実現するために、本開示の別の実施形態によれば、高速フーリエ変換（ＦＦＴ：Fast Fourier Transform）特徴処理アルゴリズムが、デバイスのローカルプロセッサによって適用され、生成された特徴プロファイルは、所定の閾値を超える振幅を有する周波数成分のセットを含む周波数又はスペクトル特徴プロファイルであり、所定の特徴プロファイルのセットは、閾値を超える周波数成分の数及び周波数によって定義されるスペクトル特徴プロファイルを含む。

コンピューティングリソースの観点において、処理能力及び記憶能力の両方の観点から、ＦＦＴは、比較的単純なデータ構造であるとみとめられ、得られたセンサ信号データを評価し、所定のイベントを発見するための有用な物理的情報を表す。

本開示の一実施形態によれば、マッチングするステップにおいて、生成された特徴プロファイルは、プロセッサが利用可能な所定の特徴プロファイルのセットと比較される。

プロファイルを比較することは、比較的簡単なマッチングの形態であり、大規模な処理能力を必要としないため、限られた処理リソースによって適用されるのに適している。所定の特徴プロファイルのセットは、例えば、センサ対応デバイスによる意図された動作が実行されるかべきか否かに関わらず、特定の（複数の）イベントに関連する履歴センサ信号データのセットに対して実行される多数のテストから得られてもよい。

所定の特徴プロファイルは、デバイスによって動作が実行されるべきである対象のイベント(targeted event)に関するプロファイルと、デバイスによって動作が実行されるべきであるイベントを表さない、バックグラウンドイベント(background event)に関するプロファイルとを区別してもよい。

特徴プロファイルは、センサ信号データから直接抽出される特徴、及び／又は、異なるドメインにおけるセンサデータの変換されたバージョンにおいて利用可能な特徴のいずれかである、様々な特徴に依存してもよい。したがって、特徴プロファイルを比較することは、生成された特徴プロファイルの様々な特徴と、所定の特徴プロファイルのセット内の各特徴プロファイルの対応する特徴とを比較することを含んでもよい。

生成された特徴プロファイルが、所定の特徴プロファイルのセットのうちの少なくとも１つの特徴プロファイルと１対１又はある程度対応する場合、マッチしていると決定されることができる。

マッチングするステップは、異なる特徴に対して異なる基準を採用してもよい。例えば、周波数ドメインでのマッチングは、生成されたスペクトル特徴プロファイル及び所定のスペクトル特徴プロファイルの両方の周波数成分が同一の周波数値である場合に肯定的であるとみとめられてもよく、一方、振幅間のマッチングは、一方の振幅が他方の振幅よりも上又はある範囲若しくは割合内にある場合に肯定的であるとみとめられてもよい。

特徴プロファイルのマッチを決定することを支援するために、本開示のさらなる実施形態では、マッチングするステップは、生成された特徴プロファイルが所定の期間内で繰り返すかどうかを判断することを含む。

例えば、センサ対応デバイスによって動作が実行されるべきである、すなわちマッチするが、それぞれのイベントの継続時間を越えて延びる期間に繰り返す、生成された特徴プロファイルは、最終的に正のマッチであると決定されなくてもよい。

この追加の基準を用いて、例えば、対象のイベントが、バックグラウンドイベントからより確実に区別されることができる。

本開示では、センサ対応デバイスにおける乏しい又は限られた処理リソースをできるだけ節約するために、デバイスによって、マッチングするステップの結果に直接基づいて、すなわち、正のマッチの場合のマッチング特徴プロファイルに従って、特定の動作を実行することが有利である。この場合、所定の特徴プロファイルは、発生するとデバイスが特定の動作を実行する必要がある特定の（複数の）イベントに直接対応する。

生成された特徴プロファイルが所定の特徴プロファイルのセットとマッチしない場合、２つの異なるシナリオが区別されてもよい。

第１のシナリオでは、生のセンサ信号データが、リモートで前処理され、さらに、上述したように、前処理されたものから特徴プロファイルを生成し、これを所定の特徴プロファイルのセットとマッチングすることにより、デバイスによる動作を実行するための特定のイベントを検出又は判断するためにデバイスのローカルプロセッサによって評価される。

第２のシナリオでは、センサ信号データのリモート処理が、デバイスの動作を実行するための特定のイベントの可能性のある発生の検出に直接つながってもよい。

どちらのシナリオでも、意図された（複数の）動作は、プロセッサの制御下でデバイスによって実行される。

本開示の一実施形態では、センサ信号データを用いて、デバイスによって、動作を実行するステップはさらに、センサ信号データに動作アルゴリズム(operation algorithm)を適用することを含む。

動作アルゴリズムの比較的シンプルな例は、例えば、室温測定に基づいて特徴プロファイルから決定される室温が設定レベル以上であるというイベントによってトリガされるエアコンの動作を開始する前に、エアコンで適切な設定を行うために、エアコンによって空調されている部屋又は空間の湿度レベルを測定することである。

動作アルゴリズムは、例えば、マッチングするステップに使用されるよりも多くの又は他のセンサ信号データで動作してもよく、その逆であってもよいことに留意されたい。乏しいリソースを節約するために、特徴プロファイルを生成するためのデータ解析アルゴリズム及び動作アルゴリズムは、単一のデータ処理アルゴリズムにまとめられてもよい。

センサ信号データが困難なアドバーサリであるとみとめられる場合、リモート又は外部のセンサ信号データ評価モードで動作するために、センサ信号データのリモート処理に基づいてデバイスの動作を実行する前に、デバイスのトランシーバが、
センサ信号データをリモートコンピューティングデバイスに送信するステップと、
リモートコンピューティングデバイスから、リモートコンピューティングデバイスによって送信されたセンサ信号データに少なくとも１つの処理アルゴリズムを適用することによって得られる処理されたセンサ信号データを受信するステップと、
を実行する。

本開示の目的のために、処理されたセンサ信号データを受信するステップは、処理された又は前処理されたセンサ信号データを受信すること、及び／又は、センサ信号データのリモート処理からの（複数の）結果を受信することを含む。

リモートコンピューティングデバイスによって適用される少なくとも１つの処理アルゴリズムは、デバイス自体のプロセッサによって適用される動作アルゴリズムと比較して、より洗練されたものであってもよい。より洗練されたアルゴリズムは、強いノイズ条件下で得られる又は干渉を受ける等、複雑なセンサ信号データの処理において単純なアルゴリズムよりも優れた性能を発揮する。さらに、複数の洗練された動作アルゴリズムが、複雑なセンサ信号データを処理するために使用されてもよく、最終的な結果は、複数のアルゴリズムからの多数決等の投票に基づいてもよい。

それゆえ、当該方法によれば、複数の互いに異なるセンサから得られるハイブリッドデータ、及び／又は、極端な大気若しくは気象条件下で得られる不規則なデータ等、さまざまな理由に起因して複雑化するセンサ信号データが、デバイス自体に利用可能ではない強力な処理能力を活用して、リモートで処理され、より信頼性の高い結果を得ることができる。

トランシーバによってセンサ信号データを送信又は通信することは、トランシーバの利用可能な通信リソースに依存してもよい。したがって、本開示の一実施形態では、トランシーバによってセンサ信号データを送信することは、センサ信号データの表現(representation)をリモートコンピューティングデバイスに送信することを含む。

すなわち、とりわけデータ転送レートに制限がない場合、ある時間ウィンドウ内に得られるすべての生のセンサ信号データ又はデータサンプルが、リモート又はバックエンドコンピューティングデバイスに送信されてもよい。

しかしながら、生のセンサデータサンプルは、デバイス内でローカルに利用可能なプロセッサによってダウンサンプリングされて、生のセンサ信号データを表す、新しいデータサンプルを形成し、これらの新しいデータサンプルの送信がデータ転送レートの制限を超えないようにしてもよい。新しいデータサンプルを受信すると、（複数の）リモート又はバックエンドコンピューティングデバイスは、例えば、古典的な信号再構成技術によって元のデータサンプルを再構成する必要がある。

デバイスのプロセッサの能力がデータ圧縮の計算を可能にする場合、生のデータサンプルは圧縮されて、生のセンサ信号データを表す、新しいデータサンプルを形成し、新しいデータサンプルの送信が、例えば、古典的なデータ伸長技術によって元のデータサンプルを再構成する必要性の制限を超えないようにしてもよい。

本開示の方法は、限定されるものではないが、動きデータ、音データ、画像データ、ビデオデータ、温度データ、湿度データ、圧力データ、輝度データ、化学組成又は物質データ、嗅覚データ及び触覚データのうちの少なくとも１つを含む少なくとも１つのセンサ信号データに基づいてデバイスを動作するために又はセンサ対応デバイスによって（複数の）動作を実行するために使用されてもよい。センサ及びセンサから利用可能なデータに応じて、異なる動作がデバイスによって実行されてもよい。

本開示の特定の実施形態では、デバイスは、少なくとも１つの照明モジュール、とりわけ、発光ダイオード（ＬＥＤ：Light Emitting Diode）照明モジュールを含む照明器具を含み、デバイスによって、動作を実行することは、少なくとも１つの照明モジュールによる照明を制御することを含む。

照明器具は、自身に接続される又は自身と一体化される異なるセンサを有してもよく、これらのセンサは、周囲音、動き、温度、輝度等、様々な条件又はパラメータを測定してもよい。照明器具による照明は、上述したように、動作アルゴリズムを適用するか否かに関わらず、測定されたセンサデータに基づいて制御されてもよい。

本開示の第２の態様において、少なくとも１つのセンサから得られるセンサ信号データに基づいて動作を実行するデバイスであって、当該デバイスは、プロセッサ及びトランシーバを含み、プロセッサ及びトランシーバは、上述した本開示の第１の態様の方法に従って、プロセッサによって制御される、動作を実行するように構成される、デバイスが提供される。

デバイスは、動きデータ、音データ、画像データ、ビデオデータ、温度データ、湿度データ、圧力データ、輝度データ、化学組成又は物質データ、嗅覚データ及び触覚データのうちの少なくとも１つを提供するように構成される少なくとも１つのセンサを含んでもよい。

本開示の特定の実施形態では、デバイスは、少なくとも１つの照明モジュール、とりわけ、発光ダイオードを含み、プロセッサによって制御される、デバイスによる動作を実行することは、少なくとも１つの照明モジュールによる照明を制御することを含む。

照明モジュールによる照明を制御することは、光強度、色、発せられる光の地理的方向、点滅等の特定の動作モード等を変更又は設定することを含んでもよい。

当業者であれば、デバイスはまた、得られたセンサ信号データに基づいて動作されるべき、（複数の）カメラ、音響アラーム等を含んでもよいことを理解するだろう。

本開示の第３の態様において、本開示の第２の態様によるデバイスと、リモート又はバックエンドコンピューティングデバイスとを含む、システムであって、本開示の第１の態様によるリモート又はバックエンドコンピューティングデバイスは、
デバイス、すなわち、センサ対応デバイスからセンサ信号データを受信する、
受信したセンサ信号データを少なくとも１つの前処理アルゴリズムを適用することにより前処理する、及び
前処理されたセンサ信号データをデバイスに送信する、
ように構成される、システムが提供される。

本開示の第４の態様において、コンピュータ可読媒体に格納されたプログラムコードを含むコンピュータプログラムプロダクトであって、プログラムコードは、該プログラムコードが少なくとも１つのプロセッサによって実行された場合、本開示の第１の態様で述べられた方法を実行するように構成される、コンピュータプログラムプロダクトが提供される。

本開示の上述の及び他の態様は、以下に述べられる非限定的な例示の実施形態を参照して明らかになり、解明されるであろう。

図１は、本開示による、少なくとも１つのセンサから得られるセンサ信号データに基づいてデバイスによって動作を実行する方法をフローチャートタイプの図で示す。 図２は、本開示の一実施形態による、スペクトル特徴プロファイルを生成するための高速フーリエ変換（ＦＦＴ）センサ信号データ処理アルゴリズムのステップを概略図で示す。 図３ａ及び図３ｂは、本開示の一実施形態による、動きセンサ信号データに適用されるＦＦＴによって生成されるスペクトル特徴プロファイルから得られる動き検出における２つの典型的な容易なアドバーサリを示す。 図４ａ、図４ｂ及び図４ｃは、本開示の一実施形態による、動きセンサ信号データに適用されるＦＦＴによって生成されるスペクトル特徴プロファイルから得られる動き検出における３つの困難なアドバーサリを示す。 図５は、本開示の一実施形態による、バックエンドコンピューティングデバイスでセンサ信号データを処理するために複数のアルゴリズムを使用する方法の一実施形態を概略図で示す。 図６は、本開示の一実施形態による、エンド又はノードデバイスとバックエンドコンピューティングデバイスとを含むマイクロ波動き検出システムを概略図で示す。 図７は、本開示の一実施形態による、容易なアドバーサリを表す動きセンサ信号データの処理をグラフィック表現で示す。 図８は、本開示の一実施形態による、困難なアドバーサリを提示する動きセンサ信号データの処理をグラフィック表現で示す。 図９は、本開示の一実施形態による、あるタイプの困難なアドバーサリを提示する動きセンサ信号データの処理をグラフィック表現で示す。

本開示は、動きセンサ信号データを得るデバイスである、動き検出デバイスによって動作を実行する方法、並びに、動き検出デバイス、及び動き検出デバイスとリモート又はバックエンドコンピューティングデバイスとを含むシステムを参照して、以下で詳述される。当業者は、本開示が動き検出センサ信号データに基づく動作に限定されるものではなく、概要部分に示されるように、多種多様なセンサ対応デバイスによる動作にも同様に適用可能であることを理解するであろう。

本説明を通して、「センサ信号データ」、「センサデータ」、及び「信号」という用語は互換的に使用される。

現在、典型的な主流の動き検出デバイスは、単一の動き検出デバイスに統合される、１つ以上のマイクロ波動き検出センサと、マイクロコントローラユニット（ＭＣＵ：Microcontroller Unit）データ処理ユニットとを含む。センサは、デバイス周辺の環境における動きを感知することにより生のセンサ信号データを収集するように構成される。生のデータは、ＭＣＵ上で実行される１つ以上のデータ処理アルゴリズムによって処理及び評価され、これによって検出結果又はイベントを決定又は発見し、デバイスによって意図された動作を実行するために、有線又は無線で収集される。

例えば、例えば屋外用の、質的に優れた動き検出デバイスは、正しい検出結果をもたらし、動きの検出に応じて実行されるべき動作は、雨天、及び／又は風によって動く物体に起因する干渉若しくはノイズの存在等、好ましくない条件又は極端な条件下でも悪影響を受けないことが期待される。

図１は、本開示による、動きセンサ等、少なくとも１つのセンサから得られるセンサ信号データに基づいて、動き検出デバイス等、デバイスによって動作を実行する方法１０をフローチャートタイプの図で示している。

ステップ１１、「センサ信号データから特徴プロファイルを生成する」において、ＭＣＵ又はマイクロプロセッサ等、デバイスのプロセッサは、少なくとも１つのセンサから収集されるセンサ信号データから特徴プロファイルを生成する。

例えば、特徴プロファイルは、統計的特徴抽出アルゴリズム、又はセンサ信号データを、時間ドメインから周波数又はスペクトルドメインに等、あるドメインから別のドメインに変換するセンサ信号データ変換アルゴリズム等、所定のデータ解析アルゴリズムを用いて生成される。

高速フーリエ変換（ＦＦＴ）アルゴリズムは、エンドデバイスで乏しい又は限定されている可能性がある、処理リソースにおける経済性及び性能の最適なバランスを実現する、動き検出センサ信号データからスペクトル特徴プロファイルを生成するための最良の選択肢と考えられてもよい。

ＦＦＴスペクトルは、検出されるべきイベントとセンサ信号データの関係を理解するための明確な物理的意味を提供する。また、ＦＦＴの比較的単純なデータ構造は、センサ信号データのさらなる処理のための、分類アルゴリズム及び動作アルゴリズム等、プロセッサによって実行されるべき後続処理での計算にも適している。

ＦＦＴを用いたスペクトル生成は、当業者には一般的に知られており、図２に概略的に示されている。ＦＦＴアルゴリズム１５は、センサ信号データを固定長のフレームにスライスすること１６、フレームデータからオフセット又はＤＣ成分を除去すること１７、データフレームに窓関数を適用又は加えること１８、及びデータフレームにＦＦＴを実行すること１９を含む。さらに、信号処理又は統計において、窓関数は、スペクトル漏れ効果を軽減するために使用されてもよい。窓関数は、矩形窓、ハミング窓、パーゼン窓、ブラックマン窓等のいずれかを含んでもよい。

ステップ１６～１９は、センサ信号データの新しいサンプル又はコレクションのために繰り返される。

図１に戻ると、特徴プロファイルの生成に続いて、ステップ１２、「生成された特徴プロファイルは所定の特徴プロファイルとマッチする？」において、デバイスのプロセッサは、生成された特徴プロファイルが、プロセッサがローカルに利用可能な所定の特徴プロファイルのセットとマッチするかどうかをチェックする。

このステップは、雨天の庭で夜間に動く人の検出等、センサ信号データを処理することにより正確な検出結果又はイベントを提供するためにＭＣＵ上で実行されるアルゴリズムに対する困難さの程度(degree of difficulty)を確立するための、センサデータのいわゆるアドバーサリ評価又は難易度評価(difficulty evaluation)を行う。デバイスの処理リソースが正しい出力を提供するのに十分である場合、容易なアドバーサリがいることになり、そうでなければ困難なアドバーサリがいることになる。この目的のために、生成された特徴プロファイルは、所定の特徴プロファイルのセットとマッチングされる。

この所定の特徴プロファイルのセットは、デバイスのプロセッサによって、プロセッサがローカルに利用可能な、すなわち、プロセッサが実行することができる、スペクトル特徴処理アルゴリズム、すなわち、ＦＦＴ演算１５を用いて得られるセンサ信号データから確実に検出されることができる情報又はパラメータを表す。

所定のスペクトル特徴プロファイルのセットは、バックグラウンド特徴／スペクトルと対象の特徴／スペクトルの違いを結論づけるために、履歴センサデータを分析することによって得られてもよい。

動き検出センサについて、主に２つのタイプのイベントを区別してもよい。すなわち、対象とされるべき（複数の）動きイベントと、（複数の）バックグラウンドイベントである。動きイベント又はターゲットイベント(motion or target event)は、センサ信号データが、例えば、それぞれの動く物体を検出するための区別可能な情報又は特徴を担持するイベント又は発生である。背景イベント又は発生(background event or occurrence)は、検出されるべき動く物体を結論づけない特徴、例えば、後続のセンサ信号データサンプル又はデータフレームに継続的に存在する情報によって特徴付けられる。

当業者であれば、定常状態又は疑似定常状態の状況を参照するバックグラウンドイベントを検出又は判断するための検出労力は、典型的にターゲットイベントを示す特徴がセンサ信号データを分析又は評価することで識別可能に利用可能になるかどうかに依存する、センサ信号データからターゲットイベントを検出又は判断するために必要とされる検出労力と異なり得ることを理解する。

特徴分析アルゴリズムとしてＦＦＴを用いる、動き検出における２つの典型的な容易なアドバーサリ(easy adversary)の例が、それぞれ、図３ａ及び図３ｂにグラフィック的に示されている。図３ａ及び図３ｂ、並びに図４ａ、図４ｂ及び図４ｃにおいて、横軸は周波数（Ｈｚ）を表し、縦軸はスペクトル成分の正規化された振幅値又は大きさを表している。

図３ａは、特定の期間に収集されたセンサ信号データにＦＦＴを実行することにより生成された典型的なバックグラウンドスペクトル特徴プロファイル(background spectrum feature profile)であり、図３ｂは、ターゲットイベント、すなわち、検出されるべき動く物体を表している、センサ信号データから生成された典型的な動きスペクトル特徴プロファイル(motion spectrum feature profile)である。

図３ａの例示的なバックグラウンドスペクトルにおいて、スペクトルは、各々が他のスペクトル成分よりも顕著に(dominantly)高い大きさを有する、以下ピークと称される、３つの周波数成分２１、２２、２３を含む。これらピークは、２５Ｈｚ、５５Ｈｚ及び８０Ｈｚ付近のバックグラウンドスペクトルのいわゆるバックグラウンド周波数ビン(background frequency bin)を有する、約２５Ｈｚ～８０Ｈｚの周波数範囲に位置する。対照的に、図３ｂの動きのスペクトルでは、約２０Ｈｚの周波数に１つだけ主ピーク(dominant peak)２４があり、その大きさは圧倒的であり、すなわち、他のスペクトル成分の大きさを有意に超えている。ピーク２４は、これらバックグラウンド周波数ビンの外側に位置する。

センサ信号データから生成される、特徴プロファイルが、図３ａ及び図３ｂに示される２つのスペクトルに含まれる所定の特徴プロファイル、例えば、バックグラウンドイベントを推定するための、それぞれ、２５Ｈｚ、５５Ｈｚ又は８０Ｈｚ付近の総数３つのピークと、ターゲットイベントを判断するための２０Ｈｚ付近のピークとを含む所定の特徴プロファイルのいずれかにマッチすることは、ターゲット動きイベントを判別するための処理が比較的容易である。

しかしながら、ターゲットイベントが存在するか否かを判断するのがより困難なスペクトル／特徴プロファイルが生じる可能性がある。図４ａ、図４ｂ及び図４ｃは、３つの困難なアドバーサリの例を表している。

図４ａに示される動きスペクトル特徴プロファイルでは、図３ａのバックグラウンドスペクトル特徴プロファイルと比較される、バックグラウンド周波数ビンに関して同様の大きさの関係にある３つの主ピーク３１、３２及び３３が存在するが、図３ｂのスペクトル特徴プロファイルと比較される、バックグラウンド周波数ビンを越えていて、ピークの大きさが圧倒的ではない、すなわち、スペクトル内の他のスペクトル成分を大きく超えていない、１０Ｈｚ付近における別の支配的なピーク３４も存在している。

多くのテストのグランドトゥルース結果から、図４ａのスペクトルがターゲットイベントを表しているか否かを示すことは困難であることが分かっている。このようなスペクトルによって表されるバックグラウンドイベント及び動き又はターゲットイベントの比率は、約４：６であることが分かっている。それゆえ、所定の特徴的プロファイルのセットとして図３ａ及び図３ｂの特徴プロファイルを用いて図４ａの特徴プロファイルをマッチングすることは、正しい又は信頼性の高い出力を与えることが容易ではない。

図４ｂに示されるスペクトル特徴プロファイルは、大きさが圧倒的であるが、バックグラウンド周波数ビンのうちの１つ、すなわち、５５Ｈｚ付近に位置している、唯一の主ピーク３５を有する。多くのテストのグランドトゥルース結果から、このようなスペクトルを持つバックグラウンドイベント及びターゲット又は動きイベントの比率は、約５：５であることがわかっている。ドップラー効果から、特定の動き速度(motion speed)が、図３ａのバックグラウンド周波数ビンのうちの１つと一致する、５５Ｈｚ付近のピークをトリガする可能性がある。したがって、アルゴリズムが、マッチングするステップにおいて、このスペクトルに合致する際にバックグラウンドイベントを出力する場合、誤った結果が得られる可能性が高い。

動きセンサデータからの困難なアドバーサリを表す別のタイプの周波数プロファイルスペクトルが、図４ｃに示されている。テストは、悪天候の条件、すなわち、生のセンサデータに深刻な干渉を加える激しい風及び雨粒の下で行われた。このケースでは、大きさが圧倒的である、すなわち、値が他のスペクトル成分の値を有意に超えている、約１０Ｈｚにおける唯一の主ピーク３６があり、このピークは、バックグラウンドの周波数ビンの近傍にない。

ピーク３６はバックグラウンドイベントビンに位置していないため、図３ａ及び図３ｂから推論される所定の特徴プロファイルを使用してこの特徴をマッチングすることは、誤った出力、すなわち、可能性のあるターゲットイベントであるという結果になる可能性が非常に高い。実際、テストのグランドトゥルース結果から、このスペクトルは大雨の天候からのバックグラウンドスペクトルに過ぎないことが分かっている。しかしながら、図４ｃの特徴プロファイルの継続的な様相(continued appearance)は、例えば数分から数時間の範囲の、持続時間が異常に長いイベントを検出することにつながり得、これは、例えば、強盗又は街灯を通過する人等、モーションターゲットイベントではない可能性が高いので、アルゴリズム出力を修正することも可能であり得る。

上記の例から、例えば図３ａ及び図３ｂに示されているようなスペクトル、又は示されている任意の他のプロファイルを含む、特徴プロファイルの所定のセットは、比較的単純な評価アルゴリズムで使用されてもよいことが考えられる。例えば、ターゲットイベントを決定するために、生成されたＦＦＴスペクトル特徴プロファイルのピークの数、位置又は周波数が、デバイスにローカルに存在する処理リソースで利用可能な所定のスペクトル特徴プロファイルのピークの数、位置又は周波数、すなわち、周波数ビンと比較されるマッチングするステップ等である。

図１に戻って、ステップ１２で、生成された特徴プロファイルが所定の特徴プロファイルのセットにマッチすると判断される、すなわち、結果「Ｙ」である場合、ステップ１３、「センサ信号データを用いて動作を実行する」において、デバイスによって動作が実行される。例えば、動いている人の検出に基づいて保安照明又は街灯(safety lighting or lamppost)をオンすること等である。本説明及び特許請求の範囲の文脈において、保安照明又は街灯をオンしないことも、デバイスによって実行されるべき動作とみなされることに留意されたい。

斯くして、センサ信号データの特徴プロファイルをもたらす処理又は評価は、まず、ＭＣＵ上で動作する比較的単純なアルゴリズムを適用する等して、デバイスでローカルに行われる。アルゴリズムは、軽量な計算及び簡単な論理解析によってイベントを検出することを対象とする。このような種類のアルゴリズムは、上述したように、グランドトゥルースイベント及び対応するデータ特徴の関係についての実証的研究(empirical study)に基づいて設計されてもよい。

以上の例から、スペクトル特徴プロファイルを表すものとして生成されたＦＦＴスペクトルを用いて、顕著な値を有するスペクトル成分の数、すなわち、ピークの数、ピークの周波数ビン、及び任意選択的に主ピークの相互の相対的な大きさが、生成されたプロファイルの各特徴を対応する閾値と比較するために分類ルールとして使用され、すべての比較結果を組み合わせることにより最終決定を行ってもよい。その後、最終決定に基づいてデバイスによって動作が実行される。

しかしながら、図１のステップ１２の結果が否定的である、すなわち、結果「Ｎ」である場合、ステップ１４、「リモートに前処理されたセンサデータを用いて動作を実行する」において、センサデータは、まず、エンドデバイスからリモートのコンピューティングデバイスで処理される。なぜなら、上記の例から、センサデータをローカルに処理することは、センサ信号データの正しい解釈を行うためにエンドデバイスがローカルで利用可能であるものよりも多くの処理能力が必要とされるため、デバイスにとって困難なタスクであり得るからである。その後、リモートコンピューティングデバイスによって処理されたセンサデータに依存してデバイスによって動作が実行される。

リモートコンピューティングデバイスは、ローカルデバイスのプロセッサと比較して、より高い計算能力、速度及び大きなストレージスペースを有するバックエンドマシンであってもよい。ＭＣＵ上で実行される単純なアルゴリズムよりも信頼のおける評価出力を得るためにバックエンドマシン上で広範なアルゴリズムを実行することが可能である。

すべての問題について単一のアルゴリズムが他のアルゴリズムを凌駕することは困難であることを理解されたい。リモートバックエンドマシン上で動作する強力なアルゴリズムは、主に２つの機能を提供する。１つは、大量のデータサンプルを用いて多様で補完的な(diverse and complementary)特徴を生成することであり、もう１つは、最終決定を下すために複数の洗練された分類アルゴリズムを用いることである。

図５は、バックエンドコンピューティングデバイスでセンサデータを処理するために複数のアルゴリズムを使用する方法の一実施形態を概略図で示している。この例は、モーションディテクタによって収集されるデータの処理を示している。

特徴を考える際、データフレーム４１が、評価されるべき基本データ単位である。センサ信号データの評価に使用され得るいくつかの代表的な特徴は、例えば、
－ データフレーム上のそれぞれの特徴値の算術平均(arithmetic mean)、
－ データフレーム上のそれぞれの特徴値の標準偏差(standard deviation)、
－ データフレーム内のメジアン(median)、例えば、それぞれの特徴値を昇順に並べ、中央の値を返す、
－ データフレーム内の最大値、例えば、それぞれの特徴値を昇順に並べ、最後の値を返す、
－ データフレーム上の信号強度エリア(signal magnitude area)、すなわち、それぞれの特徴値を昇順に並べ、最初の値を返す、
－ データフレーム上のそれぞれの特徴の大きさの二乗(feature magnitude square)の平均合計(average sum)、
－ データフレーム上のそれぞれの特徴の大きさの分布(feature magnitude distribution)のエントロピ、
－ 四分位範囲(interquartile range)、
－ ４次のバーグ自己回帰(4th order Burg autoregression)係数、
－ 最大スペクトル成分、
－ スペクトル信号加重平均(spectrum signal weighted average)、
－ 連続ウェーブレット変換(continuous wavelet transform)によって生成されるスペクトログラム(spectrogram)、
である。

上記でリストアップされるようなデータ特徴数は、処理のための特徴の組み合わせ４２を個々に選択するために、例えば、限定されるものではないが、サポートベクターマシン（ＳＶＭ：Support Vector Machine）、ニューラルネットワーク(Neural Network)、アダブースト（ＡｄａＢｏｏｓｔ：adaptive boosting）、及びランダムフォレスト(Random Forest)等、いくつかの標準的なツールによって処理されてもよい。処理は、例えば、それぞれの分類アルゴリズム４３による（複数の）特徴の分類を含んでもよい。各分類アルゴリズム４３は、トレーニング段階後１つの分類を提供してもよい。それぞれのアルゴリズムの決定段階において、同じデータフレームに対して、各処理アルゴリズムは、例えば、ターゲットイベントがあると判断する場合には「１」を出力し、そうでない場合には「０」を出力する。その後、各分類アルゴリズムの投票(vote)を重みづけることにより最終決定４４が行われる。

最終決定４４は、相応に対応する動作を実行するためにエンドデバイスに送信されてもよい。

リモートコンピューティングデバイスによって、直接決定を提供する代わりに、生のセンサ信号データは、リモートコンピューティングデバイスによって前処理され、さらにデバイスのローカルプロセッサによって評価され、デバイスによる動作を実行するための特定のイベントを検出又は判断してもよい。

すなわち、ローカルプロセッサＭＣＵは、前処理されたデータから特徴プロファイルを生成し、上述したように、これを所定の特徴プロファイルのセットとマッチングしてもよい。

センサ信号データの上述の処理又は前処理が実行され得るように、センサ信号データは、異なる態様でエンドデバイスからバックエンドリモートコンピューティングデバイスに送信されてもよいことは、当業者には理解されるであろう。

第１の態様又はモードでは、例えば、データ転送レートに制限がない場合、すべての生のセンサデータサンプルがバックエンドコンピューティングデバイスに送信される。斯くして、バックエンドコンピューティングデバイスは、他の処理なしに完全な生データサンプルを直接取得してもよい。

第２の態様又はモードでは、生のセンサデータサンプルは、新しいデータサンプルを形成するためにダウンサンプリングされ、新しいデータサンプルの送信が、データ転送レートの制限を超えないようにする。新しいデータサンプルを受信すると、バックエンドコンピューティングデバイスは、例えば、古典的な信号再構成技術によって元のデータサンプルを再構成してもよい。

第３の態様又はモードでは、データ圧縮の計算複雑さがＭＣＵに許容される場合、生のデータサンプルは、新しいデータサンプルを形成するためにＭＣＵによって圧縮され、リモートコンピューティングデバイスへの新しいデータサンプルの送信が、データ転送レートの制限を超えないようにする。新しいデータサンプルを受信すると、バックエンドコンピューティングデバイスは、例えば、古典的なデータ伸長技術によって元のデータサンプルを再構成してもよい。

デバイスによる動作は、マッチングするステップ、すなわち、図１のステップ１２の結果、若しくはリモートコンピューティングデバイスによって提供される、すなわち、ステップ１４の結果に直接基づいてもよく、又は生のセンサ信号データ若しくはリモートに前処理されたセンサ信号データにデバイスのプロセッサ又はＭＣＵによって適用される追加の動作アルゴリズムの結果に基づいてもよいことに留意されたい。

処理リソースを節約するために、特徴プロファイルを生成するためのデータ解析アルゴリズム及び動作アルゴリズムは、単一のデータ処理アルゴリズムにまとめられてもよい。

図６は、エンドデバイス又はネットワークノード５０とバックエンドコンピューティングデバイス又はサーバ６０とを含む動き検出システム８０を概略的に示している。バックエンドコンピューティングデバイス６０は、エンドデバイス５０からリモートに配置されている。動き検出システム８０は、複数のエンドデバイス又はネットワークノードと、複数のバックエンドコンピューティングデバイスとを含んでもよいことは、当業者には理解されるであろう。

エンドデバイス５０及びバックエンドコンピューティングデバイス６０は、それぞれ、無線５２、６２及び／又は有線５３、６３でデータを交換するために配置されるトランシーバ、Ｔｘ／Ｒｘ、ユニット５１、６１を含む。エンドデバイス５０及びバックエンドコンピューティングデバイス６０は、エンドデバイス５０とバックエンドコンピューティングデバイス６０との間で、センサ信号データ等、データを交換するために、それぞれ二重矢印６６、９１で示されるように、直接及び／又はネットワーク９０を介して、Ｔｘ／Ｒｘユニット５１、６１によって動作可能に、通信可能に接続される。エンドデバイス５０との通信は、例えば、中間ネットワークゲートウェイデバイス（図示せず）を介して行われてもよい。

さらに、エンドデバイス５０は、マイクロプロセッサ、μＰ、又はＭＣＵ等、少なくとも１つのプロセッサ５４を含み、プロセッサは、内部データ通信及び制御バス５８を介してトランシーバ５１と動作可能に、通信可能にインタラクトし制御する。

少なくとも１つのプロセッサ５４は、少なくとも１つのセンサ７５によって収集７４され、ローカルデータストレージ５９に記憶７３されるセンサ信号データから、周波数又はスペクトル特徴プロファイル等、特徴プロファイルを生成するように構成される、特徴プロファイル生成モジュール５５を含んでもよく、センサは、エンドデバイス５０の一部であってもよく、又はエンドデバイス５０に動作可能に外部接続されてもよい。さらに、少なくとも１つのプロセッサ５４は、プロセッサ５４単独によるセンサ信号データの評価に基づいてエンドデバイス５０による動作が実行されることができるかどうかを決定するように、エンドデバイス５０のローカルデータストレージ５９に記憶されている所定の特徴プロファイル７６に基づいて、アドバーサリ評価を実行するように構成される、周波数又はスペクトル特徴プロファイルマッチングモジュール等、特徴プロファイルマッチングモジュール５６を含む。また、少なくとも１つのプロセッサ５４は、任意選択的に、センサデータに直接基づいて、又はリモートコンピューティングデバイス６０によって処理されるセンサデータに基づいて、エンドデバイス５０によって動作を実行するように構成される動作モジュール５７を含んでもよい。

エンドデバイス５０は、例えば、ネットワークゲートウェイから若しくはネットワークゲートウェイを介して又はリモート制御デバイス（図示せず）により少なくとも１つのプロセッサ５４によって動作が制御される、照明モジュール７１、好ましくは、ＬＥＤ照明モジュールを含む、照明デバイス７０の一部であってもよく、又は照明デバイス７０に動作可能に接続されてもよい。

さらに、バックエンドコンピューティングデバイス６０は、エンドデバイス５０から受信するセンサ信号データを、図４に関連して開示されたアルゴリズム等、１つ以上のアルゴリズム６７を使用して処理及び記憶するために配置される、少なくとも１つのプロセッサ６４及びストレージ６５を含む。リモートバックエンドコンピューティングデバイス６０の処理結果は、バックエンドコンピューティングデバイス６０のＴｘ／Ｒｘモジュール６１を介して、エンドデバイス５０に転送される。

照明デバイス７０がエンドデバイス５０に接続７２される又はエンドデバイス５０の一部である場合、デバイス５０の動作は、センサ７５によって得られるセンサ信号データの評価に依存して、照明モジュール７１のオン／オフ、調光、色の変更等、照明デバイスによる照明の制御を含んでもよい。

具体的な例が、正確な検出結果が生成され得るようにセンサデータを処理するために本開示の方法がどのように使用されるかを説明するために以下で詳述される。

動き検出センサ等、センサからセンサデータが受信される場合、デバイスのプロセッサによるアドバーサリ評価処理は、以下のようにステップごとに行われる。

ステップ１：センサデータが、データサンプルを生成するために約１ｋＨｚのサンプリングレートでサンプリングされる。データフレームを提供するために、１０２４サンプルポイントの長さを持つスライディングウィンドウが決定され、１００サンプルポイントのスライディングステップが選択される。

ステップ２：１００Ｈｚ、２００Ｈｚ及び３００Ｈｚをバックグラウンドビンとして設定する。データサンプルから生成されるスペクトルについて、ちょうど３つの主ピークがあり、これらがすべてバックグラウンドビン上にある場合、このスペクトルはバックグラウンドスペクトルと分類される。主ピークが１つしかなく、このピークがバックグラウンドビンを越えている場合、このスペクトルは動きスペクトルと分類される。それ以外のスペクトルパターンは、困難なアドバーサリとして評価され、分類される。

ステップ３：５１２ポイントスペクトル(512-point spectrum)に達するように、スライディングウィンドウ内のデータサンプルに対してＦＦＴを行う。

ステップ４：スペクトルの最高値を見つけ、これを最大主ピークとする。

ステップ５：可能であれば、スペクトル内の他の主ピークを見つける。特徴基準(feature criteria)は、それぞれ、可能性のあるピークの高さが最大ピークの４０％以上であること、隣接する２つのピーク間の距離が少なくとも１０Ｈｚであること、可能性のあるピークの近傍に同様の高さの他のピークがないことである。

ステップ６：主ピークの数をカウントし、これらがバックグラウンドビンに位置しているかどうかをチェックする。

上述のステップは、バックグラウンド信号及び動き信号の両方が処理される、以下の３つの例示的なセンサデータの評価と関連して説明される。当業者であれば、例えば、上記のステップ１とステップ２の間で、任意選択的に、プロセッサが生のセンサ信号データに対して一種の前処理を行い、ノイズ、干渉、アーティファクトを除去して、さらなる処理のためのクリーンなデータを得てもよいことを理解できるであろう。

図７は、天候の良い条件下で測定され、容易なアドバーサリを表す動き検出センサのセンサデータの処理を示している。図８及び図９は、困難なアドバーサリを提示する動きセンサデータの処理を示している。３つの図すべてにおいて、上段のプロット又はグラフは、マイクロ波センサによって収集される生のセンサ信号データの一部を時間ドメインｔ（ｓ）で表し、中段のプロットは、周波数ドメインｆ（Ｈｚ）のＦＦＴバックグラウンドスペクトルを表し、下段のプロットは、動き周波数スペクトルｆ（Ｈｚ）を表している。バックグラウンドスペクトル及び動きスペクトルの各々において、縦軸に沿ってプロットされるピークの振幅Ｍは、最も高いピークで正規化されている。上段のプロットでは生のセンサ信号データの縦軸に沿って、分かりやすくするために、信号強度Ｓの任意の単位が示される。

図７において、生のセンサ信号は、約２分の持続時間を有する。グランドトゥルースの記録によれば、ボックス１０１の信号はバックグラウンド信号であり、ボックス１０２の信号はターゲット動き信号である。それぞれ、中段のプロット及び下段のプロットに示されるバックグラウンドスペクトル動きスペクトルが、上記のステップ３によって出力される。

中段のプロットに示されるバックグラウンドスペクトルにおいて、ステップ４の出力は、最大ピーク１０４が２００Ｈｚにあり、その高さ又は大きさが１．０であることを示す。ステップ５の出力は、２つの他の主ピーク１０３及び１０５が、それぞれ、１００Ｈｚ及び３００Ｈｚにあり、高さが０．４７及び０．７７であることを示す。ステップ６の出力は、バックグラウンドビンにちょうど３つの主ピークがあることを示す。

下段のプロットに示される動きスペクトルにおいて、ステップ４の出力は、最大ピーク１０６が１０Ｈｚにあり、その高さ又は振幅が１．０であることを示す。ステップ５の出力は、他の主ピークがないことを示す。ステップ６の出力は、唯一つの主ピーク１０６があり、これがどのバックグラウンドビンにもないことを示す。それゆえ、図７に示されるシナリオは、容易なアドバーサリに属する。

図８の困難なアドバーサリは、天候の良い条件に言及するものである。上段のプロットにおけるマイクロ波センサによって収集される生のセンサ信号は、約３分の持続時間を有する。グラウンドトゥルースの記録によれば、ボックス１１１の信号はバックグラウンド信号であり、ボックス１１２の信号は動き信号である。それぞれ、図８の中段のプロット及び下段のプロットに示されるバックグラウンドスペクトル及び動きスペクトルが、上記のステップ３によって出力される。

中段のプロットに示されるバックグラウンドスペクトルにおいて、ステップ４の出力は、最大のピーク１１５が３００Ｈｚにあり、その高さ又は大きさが１．０あることを示す。ステップ５の出力は、２つの他の主ピーク１１３及び１１４が、それぞれ、１００Ｈｚ及び２００Ｈｚにあり、振幅が０．９７及び０．９８であることを示す。ステップ６の出力は、バックグラウンドビンにちょうど３つの主ピークがあることを示す。

下段のプロットに示される動きスペクトルにおいて、ステップ４の出力は、最大ピーク１１６が５５Ｈｚにあり、その高さは１．０であることを示す。ステップ５の出力は、５つの他の主ピーク１１７、１１８、１１９、１２０及び１２１があり、それぞれ、１６Ｈｚ、１００Ｈｚ、１２８Ｈｚ、２００Ｈｚ及び３００Ｈｚにあり、高さが、それぞれ、０．８８、０．６８、０．９３、０．９１、０．８５であることを示す。下段のプロットにおけるステップ６の出力は、６つの主ピークがあり、そのうちの３つ、すなわち、１１８、１２０及び１２１がバックグラウンドビンにあることを示す。

上記のアドバーサリ評価によれば、図８の下段のプロットに示される動きスペクトルに基づいて、動きターゲットイベントがあるかどうかを判断することは困難である。それゆえ、エンドデバイス（モーションディテクタ）がバックエンドコンピューティングデバイスによって提供される動き検出結果に従って動作を実行する前に、センサデータは、バックエンドコンピューティングデバイス又はマシンで処理される必要がある。

図９の困難なアドバーサリは、雨天の条件下で得られる。上段のプロットに示されるマイクロ波センサによって収集される生の信号は、２００秒の持続時間を有する。グランドトゥルースの記録によれば、ボックス１３１の信号はバックグラウンド信号であり、ボックス１３２の信号は雨滴信号である。それぞれ、図９の中段のプロット及び下段のプロットに示されるバックグラウンドスペクトル及び動きスペクトルは、上記のステップ３によって出力される。

中段のプロットにおいて、ステップ４の出力は、最大ピーク１３４が２００Ｈｚにあり、その高さ又は大きさが１．０であることを示す。ステップ５の出力は、２つの他の主ピーク１３３及び１３５が、それぞれ、１００Ｈｚ及び３００Ｈｚにあり、高さが０．６５及び０．８７であることを示す。中段のプロットにおけるステップ６の出力は、バックグラウンドビンにちょうど３つの主ピークがあることを示す。

下段のプロットにおいて、ステップ４の出力は、最大ピーク１３６が３Ｈｚにあり、その高さが１．０であることを示す。ステップ５の出力は、３つの他の主ピーク１３７、１３８及び１３９があり、それぞれ、１００Ｈｚ、２００Ｈｚ及び３００Ｈｚにあり、高さが、それぞれ、０．８１、０．９６、０．７１であることを示す。下段のプロットにおけるステップ６の出力は、４つの主ピークがあり、そのうち３つの主ピーク１３７、１３８、１３９がバックグラウンドビンにあることを示す。

上記のアドバーサリ評価によれば、下段のプロットに示されるスペクトルに基づいて、動きイベントがあるかどうかを判断することは困難である。それゆえ、エンドデバイス（モーションディテクタ）がバックエンドコンピューティングデバイスから得られる動き検出結果に従って動作を実行する前に、センサデータは、バックエンドコンピューティングデバイスでさらに処理される。

アドバーサリ評価が各センサデータに対して行われることにより、精度、効率及び応答性のバランスを取りながら、デバイスによる動作が実行されることができる。

本開示の実施形態は、従属請求項及び／又は上記の実施形態とそれぞれの独立請求項との任意の組み合わせであり得ることも理解されたい。

図面、本開示、及び添付の請求項の検討によって、開示される例に対する他の変形形態が、当業者により理解されることができ、また、特許請求される開示を実施する際に実行されることができる。請求項では、単語「含む（comprising）」は、他の要素又はステップを排除するものではなく、不定冠詞「１つの（a）」又は「１つの（an）」は、複数を排除するものではない。単一のプロセッサ、トランシーバ又は他のユニットが、請求項において列挙される、いくつかの項目の機能を果たしてもよい。特定の手段が、互いに異なる従属請求項内に列挙されているという単なる事実は、これらの手段の組み合わせが、有利に使用され得ないことを示すものではない。コンピュータプログラムは、ハードウェアと共に、又はハードウェアの一部として供給される、光学記憶媒体又は固体媒体等の、好適な媒体において記憶／頒布されてもよいが、インターネット、又は他の有線若しくは無線の電気通信システム等を介して、他の形態で頒布されてもよい。請求項中のいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。

Claims (15)

1. プロセッサを含むデバイスによって少なくとも１つのセンサから得られるセンサ信号データに基づいて動作を実行する方法であって、当該方法は、
   前記プロセッサによって、前記センサ信号データから特徴プロファイルを生成するステップと、
   前記プロセッサによって、前記生成された特徴プロファイルと、前記プロセッサが利用可能な所定の特徴プロファイルのセットとをマッチングするステップと、
   前記生成された特徴プロファイルが前記所定の特徴プロファイルのセットのうちの少なくとも１つとマッチする場合、前記デバイスによって、前記センサ信号データに基づいて、前記プロセッサによって制御される、前記動作を実行するステップと、
   前記生成された特徴プロファイルが前記所定の特徴プロファイルのセットのうちの少なくとも１つとマッチしない場合、前記デバイスによって、前記センサ信号データのリモート処理に基づいて、前記プロセッサによって制御される、前記動作を実行するステップと、
   を含む、方法。
2. 前記生成するステップは、変換アルゴリズム及び特徴抽出アルゴリズムのいずれかを含む所定のデータ解析アルゴリズムを用いて前記特徴プロファイルを生成することを含む、請求項１に記載の方法。
3. 前記変換アルゴリズムは、高速フーリエ変換アルゴリズムであり、前記生成された特徴プロファイルは、所定の閾値を超える振幅を有する周波数成分のセットを含むスペクトル特徴プロファイルであり、前記所定の特徴プロファイルのセットは、前記閾値を超える周波数成分の数及び周波数によって定義される所定のスペクトル特徴プロファイルを含む、請求項２に記載の方法。
4. 前記マッチングするステップは、前記生成された特徴プロファイルと、前記プロセッサが利用可能な所定の特徴プロファイルのセットとを比較することを含む、請求項１乃至３のいずれか一項に記載の方法。
5. 前記マッチングするステップは、生成された特徴プロファイルが所定の期間内で繰り返すかどうかを判断することを含む、請求項１乃至４のいずれか一項に記載の方法。
6. 前記センサ信号データを用いて、前記デバイスによって、前記動作を実行するステップは、前記センサ信号データに動作アルゴリズムを適用することを含み、とりわけ、前記動作アルゴリズムは、前記特徴プロファイルを生成するためのデータ解析アルゴリズムを含む、請求項１乃至５のいずれか一項に記載の方法。
7. 前記デバイスはトランシーバを含み、当該方法は、前記センサ信号データのリモート処理に基づいて前記動作を実行する前に、
   前記トランシーバによって、前記センサ信号データをリモートコンピューティングデバイスに送信するステップと、
   前記トランシーバによって、前記リモートコンピューティングデバイスから、前記リモートコンピューティングデバイスによって前記送信されたセンサ信号データに少なくとも１つの処理アルゴリズムを適用することによって得られる処理されたセンサ信号データを受信するステップと、
   を含む、請求項１乃至６のいずれか一項に記載の方法。
8. 前記トランシーバによって前記センサ信号データを送信することは、前記センサ信号データの表現を前記リモートコンピューティングデバイスに送信することを含む、請求項７に記載の方法。
9. 前記センサ信号データは、動きデータ、音データ、画像データ、ビデオデータ、温度データ、湿度データ、圧力データ、輝度データ、化学組成又は物質データ、嗅覚データ及び触覚データのうちの少なくとも１つを含む、請求項１乃至８のいずれか一項に記載の方法。
10. 前記デバイスは、少なくとも１つの照明モジュール、とりわけ、発光ダイオード照明モジュールを含む照明器具を含み、前記デバイスによって、前記動作を実行することは、前記少なくとも１つの照明モジュールによる照明を制御することを含む、請求項１乃至９のいずれか一項に記載の方法。
11. 少なくとも１つのセンサから得られるセンサ信号データに基づいて動作を実行するデバイスであって、当該デバイスは、プロセッサ及びトランシーバを含み、前記プロセッサ及び前記トランシーバは、請求項１乃至１０のいずれか一項に記載の方法に従って、前記プロセッサによって制御される、前記動作を実行するように構成される、デバイス。
12. 当該デバイスは、少なくとも１つの照明モジュール、とりわけ、発光ダイオードを含み、前記プロセッサによって制御される、前記デバイスによる前記動作を実行することは、前記少なくとも１つの照明モジュールによる照明を制御することを含む、請求項１１に記載のデバイス。
13. 当該デバイスは、動きデータ、音データ、画像データ、ビデオデータ、温度データ、湿度データ、圧力データ、輝度データ、化学組成又は物質データ、嗅覚データ及び触覚データのうちの少なくとも１つを提供するように構成される少なくとも１つのセンサを含む、請求項１１又は１２に記載のデバイス。
14. 請求項１１乃至１３のいずれか一項に記載のデバイスと、リモートバックエンドコンピューティングデバイスとを含む、システムであって、前記リモートバックエンドコンピューティングデバイスは、
    前記デバイスからセンサ信号データを受信する、
    受信したセンサ信号データを少なくとも１つの処理アルゴリズムを適用することにより処理する、及び
    前記処理されたセンサ信号データを前記デバイスに送信する、
    ように構成される、システム。
15. コンピュータ可読媒体に格納されたプログラムコードを含むコンピュータプログラムであって、前記プログラムコードは、該プログラムコードが少なくとも１つのプロセッサによって実行された場合、請求項１乃至１０のいずれか一項に記載の方法を実行するように構成される、コンピュータプログラム。

Images