JP7183232B2 - 体調評価システム、サーバ、プログラムおよび体調評価サービス提供方法 - Google Patents

Description

本発明の実施形態は、体調評価システム、サーバ、プログラムおよび体調評価サービス提供方法に関する。

近年、雇用制度が見直され、企業においてより長く働くことができる一方、企業における従業員の高齢化が進んできており、企業としてはこの限られた人的資源をより適切に管理していく必要がある。その一つの方法として従業員の体調管理があり、体調を客観的かつ適切に評価し、必要に応じてその後適切な対応を迅速に行うことが要求されるところである。

従来、画像センサを用いて、オフィスで働く従業員の身体的、精神的な健康状態を監視するための技術が知られている。既存の技術では、人の位置、体の動きを画像センサで監視し、会話が無く着席状態が長い状態を、メンタル状態が悪化する兆しとして管理者等に警告するようにしている。

特開２０１９－１０１９５２号公報

しかし、オフィスで働く人が、たまたま会話が無く着席状態が長かったとしても、それは業務に集中し良い仕事ができていたということもあり、単に人の動きだけからその人の体調を正確に判断しようとすることは難しいことは経験則上、知りうるところで、その人たちの体調をより適切に評価できるものが要求されていた。

そこで、本発明の目的は、人の体調を評価する体調評価システム、サーバ、プログラムおよび体調評価サービス提供方法を提供することにある。

実施形態によれば、体調評価システムは、人を検知する人感センサと、人感センサと通信可能なサーバと、サーバからアクセス可能なデータベースとを具備する。データベースは、人ごとの健康履歴情報を記憶する病歴・動作データベースを含む。人感センサは、所定エリアを撮像して得られた画像データを解析して、人の動作情報に係るセンサデータを生成する解析部を備える。サーバは、受信部、取得部、および計算部を備える。受信部は、センサデータを人感センサから受信する。取得部は、病歴・動作データベースから健康履歴情報を取得する。計算部は、受信されたセンサデータに係る人の動作情報と、健康履歴情報とに基づいて、人の体調の傾向を示すスコアを計算する。

図１は、ビルのフロア内の一例を示す図である。 図２は、実施形態に係る体調評価システムの一例を示す図である。 図３は、画像センサ３の一例を示すブロック図である。 図４は、画像センサ３で得られた画像データの一例を示す図である。 図５は、画像センサ３のセンシング項目の一例を示す図である。 図６は、人の動作情報について説明するための模式図である。 図７は、動作情報の一例を示す図である。 図８は、病歴・動作データベース４２に記憶される情報の一例を示す図である。 図９は、個人情報データベース４３に記憶される情報の一例を示す図である。 図１０は、オフィスデータベース４４に記憶される情報の一例を示す図である。 図１１は、クラウドサーバ２００の一例を示すブロック図である。 図１２は、人の体調の傾向を示すスコアについて説明するための図である。 図１３は、実施形態に係わる体調評価システムにおける処理手順の一例を示すシーケンス図である。 図１４は、人の健康管理をするためのメッセージデータの一例を示す図である。

人感センサである画像センサは、物理センサや赤外線センサよりも多様な情報を取得することができる。通信機能を持つものもあり、ＩｏＴ（Internet of Things）技術との親和性も高い。さらには、ビッグデータ解析のためのエッジデバイスとしても期待されている。

魚眼レンズや広角カメラなどを用いれば、１台の画像センサで撮影可能な領域を拡大できるし、画像の歪みは計算で補正することができる。視野内のセンシングしたくない領域をマスク設定する機能や、学習機能を備える画像センサも知られている。実施形態に係わる画像センサは、視野内に捕えた映像を撮影して取得した画像データを処理して、例えば人間情報や環境情報を得ることができる。

人間情報は、対象空間に存在する人間に関する情報であり、例えばエリア内の人数、人の行動、人の活動量、人の存在または不在を示す在・不在、あるいは、人が歩いているか、または１つの場所に留まっているかを示す歩行・滞留などを挙げることができる。人物に付随する物体（物品）、つまり荷物の有無も人間情報の一例である。環境情報は、制御対象の空間（対象空間）の環境に関する情報であり、その一例として店舗の照度分布、あるいは温度分布などを挙げることができる。

人間情報および環境情報は、対象空間ごとに算出することができる。あるいは、対象空間を複数に分割した小領域（エリア）毎に、人間情報や環境情報を算出することもできる。この実施形態では、特に、オフィスビルにおける人間の動作を示す、動作情報に着目する。

＜構成＞
図１は、ビルのフロア内の一例を示す図である。図１に示されるように、照明機器１、空調機器２の吹き出し口、および画像センサ３が、各フロアの例えば天井に配設される。画像センサ３は、視野内に捕えた映像を撮影して画像データを取得する。この画像データは画像センサ３において処理され、動作情報が生成される。

＜システム＞
図２は、実施形態に係る体調評価システムの一例を示す図である。図２において、複数の画像センサ３（３－１～３－ｎ）が、オフィスビル１００の各フロアの例えば天井に、執務エリアを見下ろすかたちで配設される。画像センサ３は、執務エリアを視野内に捉え、視野に捕えたものを撮像して画像データを生成する。画像データは、例えばオフィスの従業員（人）、机や席（椅子）、什器などを含む。画像センサ３は、画像データを解析して、人の動作情報を含むセンサデータを生成する。

監視カメラ３－０は、オフィスビル１００の入り口や入場ゲート付近に設置され、入場者を正面方向から撮像して、従業員や訪問者の顔画像データ、あるいは全身像データを取得する。

各画像センサ３は、例えば管理室に配置されたゲートウェイ（ＧＷ）７に、信号線４を介して接続される。信号線４のプロトコルには、ＥｔｈｅｒＣＡＴ（登録商標）やＢＡＣｎｅｔ（登録商標）、ＴＣＰ／ＩＰ（Transmission Control Protocol / Internet Protocol）、ＵＤＰ／ＩＰなどを適用できる。

ゲートウェイ７は、ビル内ネットワーク５に接続される。ビル内ネットワーク５の通信プロトコルには、Building Automation and Control Networking protocol（ＢＡＣｎｅｔ（登録商標））、ＤＡＬＩ（登録商標）、ＺｉｇＢｅｅ（登録商標）、ＥＣＨＯＮＥＴ Ｌｉｔｅ（登録商標）等を適用することが可能である。

例えば、ファイヤウォール６および管理サーバ８が、ビル内ネットワーク５に接続される。管理サーバ８は、画像センサ３等から取得した各種の情報をもとに、オフィスビル１００の照明、空調、安全などを管理する。ビル内ネットワーク５に接続されたストレージは、センサデータベース９ａを記憶する。センサデータベース９ａは、画像センサ３で生成されたセンサデータを記憶する。ファイヤウォール６は、例えばインターネット上に形成された専用線ネットワーク３００を介して、クラウド４００に接続される。

クラウド（クラウドコンピューティングシステム）４００は、クラウドサーバ２００を中核とし、監視カメラ４１、およびメールサーバ５００等を備える。また、クラウド４００は、いずれもクラウドサーバ２００からアクセス可能な病歴・動作データベース４２、個人情報データベース４３、および、オフィスデータベース４４を備える。さらに、ユーザの所持するスマートフォンやタブレット２０が、無線を経由してクラウド４００にアクセスすることができる。

＜画像センサ＞
図３は、画像センサ３の一例を示すブロック図である。画像センサ３は、カメラ部３１、記憶部３２、プロセッサ３３、および通信部３４を備える。これらは内部バス３５を介して互いに接続される。

カメラ部３１は、魚眼レンズ３１ａ、絞り機構３１ｂ、撮像素子(イメージセンサ)３１ｃおよびレジスタ３０を備える。魚眼レンズ３１ａは、視野内の映像を撮像素子３１ｃに結像する。実施形態では、魚眼レンズ３１ａは、執務エリアを視野に捉えていて、執務エリアの映像を撮像素子３１ｃに結像する。執務エリアは複数の領域に分割されても良く、個々の領域を一つの画像センサで撮像し、複数の画像センサで得られた画像データを統合して執務エリアの全領域をカバーするようにしても良い。

撮像素子３１ｃは、ＣＭＯＳ（相補型金属酸化膜半導体）に代表されるイメージセンサであり、例えば毎秒３０フレームのフレームレートの映像信号を生成する。この映像信号はディジタル符号化されて画像データが生成される。画像データは人の顔画像データを含んでよい。撮像素子３１ｃへの入射光量は絞り機構３１ｂにより調節される。

レジスタ３０は、カメラ情報３０ａを記憶する。カメラ情報３０ａは、例えばオートゲインコントロール機能の状態、ゲインの値、露光時間などの、カメラ部３１に関する情報、あるいは画像センサ３それ自体に関する情報である。

記憶部３２は、ＳＤＲＡＭ（Synchronous Dynamic RAM）やＥＰＲＯＭ（Erasable Programmable ROM）などの半導体メモリである。記憶部３２は、カメラ部３１により取得された顔画像データを含む画像データ３２ａ、および、実施形態に係わる各種の機能をプロセッサ３３に実行させるためのプログラム３２ｂ、画像センサを一意に区別するためのセンサＩＤ（IDentification）３２ｃ、および、辞書データ３２ｄを記憶する。

辞書データ３２ｄは、画像センサ３における検出項目（人、物、男性、女性など）に応じて用意される、いわばテンプレートデータに類するデータである。例えば『椅子』の検出向けに用意された辞書データ３２ｄを用いてテンプレートマッチング処理を行うことで、画像データから椅子が検出される。その精度や椅子のタイプ（オフィスチェア、ソファー、座椅子など）や色を区別可能とするために、多様な辞書データ３２ｄが予め用意される。このほか、車椅子、ベビーカー、子供、カート、白杖利用者、徘徊老人、不審人物、迷子、逃げ遅れた人物、等を検出するための辞書データを作成することができる。作成方法の一例としては、例えばサポートベクトルマシンやボルツマンマシンなどの、機械学習（Machine-Learning）の枠組みを利用することができる。

プロセッサ３３は、記憶部３２に記憶されたプログラムをロードし、実行することで、実施形態において説明する各種の機能を実現する。プロセッサ３３は、例えばマルチコアＣＰＵ（Central Processing Unit）を備え、画像処理を高速で実行することについてチューニングされたＬＳＩ（Large Scale Integration）である。ＦＰＧＡ（Field Programmable Gate Array）等でプロセッサ１５を構成することもできる。ＭＰＵ（Micro Processing Unit）もプロセッサの一つである。
通信部３４は、信号線４に接続可能で、ゲートウェイ７、管理サーバ８、クラウド４００、およびクラウドサーバ２００とのデータの授受を仲介する。

ところで、プロセッサ３３は、実施形態に係る処理機能として、検出部３３ａ、特徴量計算部３３ｂ、解析部３３ｃ、および学習部３３ｄを備える。検出部３３ａ、特徴量計算部３３ｂ、解析部３３ｃ、および学習部３３ｄは、例えば、プロセッサ３３のレジスタにロードされたプログラム３２ｂに従い、プロセッサ３３が演算処理を実行する過程で生成される、プロセスである。

検出部３３ａは、辞書データ３２ｄを用いて視野内の対象を検出する。実施形態では、検出対象として人を想定する。すなわち検出部３３ａは、検出項目ごとに用意される辞書データセットを使用して、画像データ３２ａから執務エリア内の人を検出する。

特徴量計算部３３ｂは、記憶部３２に記憶された画像データ３２ａを所定のアルゴリズムで処理して、視野内の人や物体に係わる特徴量を抽出する。例えば、画像データの各フレームの輝度の変化をピクセルごとにトレースし、その時系列を分析することで動き特徴量を計算することができる。輝度勾配方向ヒストグラム（histograms of oriented gradients：ＨＯＧ）特徴量、コントラスト、解像度、Ｓ／Ｎ比、および色調などの特徴量が知られている。また、輝度勾配方向共起ヒストグラム（Co-occurrence HOG：Ｃｏ－ＨＯＧ）特徴量、Haar-Like特徴量なども特徴量として知られている。

解析部３３ｃは、画像データ３２ａを解析して人の位置、属性情報、あるいは滞在時間などを含むセンサデータを生成する。すなわち解析部３３ｃは、例えば特徴量計算部３３ｂで得られた特徴量に基づき、人間情報（人の位置、人の在／不在、人数、人の行動、人の活動量、荷物の有無など）や環境情報（照度分布、温度分布等）を計算する。また、人セル位置、在／不在、滞在時間、歩行／滞留などのセンシング項目もある。解析部３３ｃは、さらに、男性、女性、若年、中年、老年などの、より詳しい属性情報をセンシングすることも可能である。

さらに解析部３３ｃは、人間情報、環境情報、特徴量などを参照し、例えばルールベースによる認識、あるいは機械学習による認識により、執務エリアにおける人の動作情報を取得する。例えば、動き特徴量を用いたパターン認識技術により、人の動きの傾向を示す情報（動き経路情報、動きの特徴、人の集団（クラスタ）の個々人の動きの特徴など）を検知することができる。

学習部３３ｄは、画像データ３２ａ、および特徴量計算部３３ｂの出力に基づいて、解析部３３ｃによる解析結果の正答率を向上させるべく、学習を行う。

図４は、各フロアの例えば天井に、執務エリアを見下ろすかたちで配設された画像センサ３で得られた画像データの一例を示す図である。この画像データのフレームは、（ｘ）軸および（ｙ）軸方向にそれぞれ７分割され、７×７＝４９個のセルに分割される。中央の画像センサ３の視野には４個のテーブルと、テーブルごとに４つの席が捉えられている。画像センサ３は、（ｘ、ｙ）＝（２，２）、（２，６）、（６，６）、（１，４）のセルに人を検出し、人セル位置として図４に示されるセンサデータを得る。

図５に示されるように、図４の環境に対応して、セル（２，２）、（２，６）、（６，６）には在フラグ１が立つ。セル（１，４）については在フラグが０であり、（移動中）を検知されたことが示される。これらをまとめて、［在不在］＝（１，１，１，０）のセンサデータが得られる。人を検知された各セルにつき、［滞在（在席）時間］項目として、例えば（３０，３０，４０，００）が検知される。単位は（分）である。［歩行滞留］として、各セルに（０，０，０，１）が検知される。

さらに、各セル位置（ｘ、ｙ）＝（２，２）、（２，６）、（６，６）、（１，４）の人の属性が、例えば男，女，女，男として特定され、それぞれを区別するための識別情報（人ＩＤ）が、例えば００１，００２，００３，００４として付与される。

解析部３３ｃにより計算されるセンサデータの例として、（１）人の有無、（２）人数、（３）人の活動量、（４）照度、（５）歩行者の滞留状況（歩行滞留）、について、さらに詳しく説明する。

（１）人の有無（人の在又は不在）の検知
例えば、解析部３３ｃは、画像間の差分に基づいて画像内の人物領域を識別することにより人の有無を検知してもよい。あるいは、人物認識技術を応用して人の有無を検知することもできる。画像間の差分には、背景画像との差分や、時間的に連続する画像間の差分（フレーム間差分）などが用いられてもよい。

（２）人数の推定
例えば、解析部３３ｃは、（１）と同様の方法で画像内の人物領域を識別し、識別された人物領域の画像データを画像処理して、対象空間に存在する人の人数を推定してもよい。

（３）人の活動量の推定
例えば、解析部３３ｃは、フレーム間差分などを用いて動き領域を抽出し、抽出された動き領域の大きさや形状等に基づいて活動量を推定してもよい。例えば、活動量は“無”、“小”、“中”、“大”などの段階で推定されてもよいし、ＭＥＴｓ（Metabolic Equivalents）等の指標値として推定されてもよい。解析部３３ｃは、部分空間ごとに動き領域を抽出し、部分空間ごとの活動量を推定してもよい。

（４）照度の推定
例えば、解析部３３ｃは、画像と、カメラ部３１の撮像設定値（例えばゲインや露光時間など）とに基づいて対象空間（あるいは部分空間ごと）の照度を推定してもよい。

（５）歩行滞留の検知
例えば、解析部３３ｃは、フレーム間差分などを用いて動き領域を抽出し、抽出された動き領域の大きさや形状等に基づいて歩行滞留を検知してもよい。

画像センサ３は、図４に示されるようなセンサデータを繰り返し生成する。センサデータは画像センサ３からゲートウェイ７を経由してクラウドサーバ２００に送信される。

さらに、実施形態では、画像センサ３の解析部３３ｃにおいて、人の動作情報を算出する。
図６は、人の動作情報について説明するための模式図である。動作情報とは、例えば人の動きやその傾向、移動軌跡、あるいは行動などを表現する情報であり、各画像センサ３においてリアルタイムで取得される。図６に示されるように或る人の動線が、限度を超えて不規則な軌跡を描いたとすると、その人は眩暈がしていたり、酩酊していたり、平衡感覚を失っていたりと、いずれにせよ体調の良くないことがうかがえる。このような動きの傾向は数値化することが可能であり、例えばマシンラーニングの手法により健康／不健康の２通りにクラス分類することができる。

また、仮に一つの場所から動かない人であっても、くしゃみ、咳などの症状を呈することがあり、これらの特徴的な動きは画像センサ３で解析されて、行動情報に分類される。さらに、集団の中央にいる人から放射状に他の人が離れてゆく動きが検出されたとする。このような場合、その中央にいる人はマスク無しで咳をしたか、あるいはくしゃみをしたりした可能性が高い。近年のＣＯＶＩＤ－１９による社会情勢を鑑み、このような特徴的な動きが観測されることが多くなると考えられるが、これも数値化して動作情報として用いることができる。

図７は、動作情報の一例を示す図である。クラス分類により、例えばくしゃみ、ふらつき、咳の３通りに人の動きを分類して、それぞれの動きについての確からしさを点数化することができる。点数は例えば１００点満点とし、数値の大きいほど可能性が高いとする。図７によれば、例えばある時点においてＩＤ＝００１の人はくしゃみをし、ＩＤ＝００２の人は咳をした可能性の高いことが分かる。動作情報はリアルタイムに計算され、点数は次々と変化してゆく。

図８は、図２の病歴・動作データベース４２に記憶される情報の一例を示す図である。病歴・動作データベース４２は、個人に対応付けられたＩＤ（IDentification）ごとに、例えば既往歴、体質、あるいは喫煙歴などの、健康に関する履歴情報（健康履歴情報）を対応付けて登録したデータベースである。この種のデータベースは、企業として許可を得て、関係する病院で有する患者の病歴等に関するデータベースから必要な情報を収集したり、企業の健康診断において、産業医面談や、従業員に対するアンケート形式の質問に回答してもらうことで各従業員から収集することで、構築されるものである。また、個人のＩＤは、例えばＩＣカードなどで一意に特定することが可能である。

図９は、図２の個人情報データベース４３に記憶される情報の一例を示す図である。個人情報データベース４３は、個人のＩＤに、年齢、住所、あるいは渡航歴などの個人情報を対応付けて登録したデータベースである。この種のデータベースは、例えば自治体のデータベースから許可を受けて必要な情報を収集したり、アンケート形式により収集した情報、あるいは勤務先のデータベースに問い合わせるなどの方法で構築することができる。

図１０は、図２のオフィスデータベース４４に記憶される情報の一例を示す図である。オフィスデータベース４４は、個人のＩＤに対応づけて、毎日の実際の入室／退室時刻、毎日の業務予定、出張先などの、従業員ごとに予定と実際の就業情報を対応付けて登録したデータベースである。この種のデータベースは、各個人のスケジュールや勤怠情報を、それぞれの勤務先からイントラネット経由で収集するなどの方法で構築することができる。

＜クラウドサーバ＞
図１１は、クラウドサーバ２００の一例を示すブロック図である。クラウドサーバ２００は、ＣＰＵやＭＰＵ等のプロセッサ２１０と、ＲＯＭ（Read Only Memory）２２０およびＲＡＭ（Random Access Memory）２３０を備えるコンピュータである。クラウドサーバ２００は、さらに、ハードディスクドライブ（Hard Disk Drive：ＨＤＤ）などの記憶部２４０、光学メディアドライブ２６０、および、通信部２７０を備える。

ＲＯＭ２２０は、ＢＩＯＳ（Basic Input Output System）やＵＥＦＩ（Unified Extensible Firmware Interface）などの基本プログラム、および各種の設定データ等を記憶する。ＲＡＭ２３０は、記憶部２４０からロードされたプログラムやデータを一時的に記憶する。

光学メディアドライブ２６０は、ＣＤ－ＲＯＭ２８０などの記録媒体に記録されたディジタルデータを読み取る。クラウドサーバ２００で実行される各種プログラムは、例えばＣＤ－ＲＯＭ２８０に記録されて頒布される。このＣＤ－ＲＯＭ２８０に格納されたプログラムは光学メディアドライブ２６０により読み取られ、記憶部２４０にインストールされる。

通信部２７０は、専用線ネットワーク３００およびファイヤウォール６経由での、画像センサシステムとの通信を制御する。

記憶部２４０は、プロセッサ２１０により実行されるプログラム２４０ａに加え、クラウド４００の各データベースと同等の病歴・動作データベース４２、個人情報データベース４３、およびオフィスデータベース４４を記憶する。プログラム２４０ａは、クラウドサーバ２００を、受信部２００ａとして機能させるための命令と、取得部２００ｂとして機能させるための命令と、計算部２００ｃとして機能させるための命令とを含む。

ところで、図１１においてプロセッサ２１０は、その機能として受信部２００ａ、取得部２００ｂ、および計算部２００ｃを備える。

受信部２００ａは、画像センサ３（図２、図３）で生成されたセンサデータを、それぞれの画像センサ３から直接、あるいはセンサデータベース９ａを経由して受信する。例えばクラウドサーバ２００は、例えば一定のポーリング周期でセンサデータ取得要求をゲートウェイ７に送信する。この要求を受け付けたゲートウェイ７は、クラウドサーバ２００にセンサデータを送信する。受信部２００ａは、送信されたセンサデータを受信する。

取得部２００ｂは、病歴・動作データベース４２にアクセスして健康履歴情報を取得する。また取得部２００ｂは、個人情報データベース４３にアクセスして、各個人の個人情報を取得する。また取得部２００ｂは、オフィスデータベース４４にアクセスして、各個人の就業情報を取得する。

計算部２００ｃは、画像センサから受信したセンサデータに含まれる、人の動作情報と、病歴・動作データベース４２から取得した健康履歴情報とに基づいて、人の体調の傾向を示すスコアを、リアルタイムに計算する。このスコアは例えばセンサデータが取得されるたびに、人ごとにリアルタイムで計算される。仮に、スコアが所定の範囲を逸脱した人が現れれば、メールサーバ５００はその人本人、あるいはその人の関係者（上司など）の少なくともどちらかに、体調が懸念されることを示すメールを送信して警告する。

図１２は、人の体調の傾向を示すスコアについて説明するための図である。例えば健康、鼻炎（発熱無し）、風邪（発熱有り）の３通りの体調について、人ごとに数値化したスコア（確からしさ）を計算することができる。スコアは１００点満点で、数値の大きいほど可能性が高い。

図７の動作情報によれば、ＩＤ＝００１の人の動きスコアは、くしゃみ＝８０、ふらつき＝５、咳＝３である。図８の病歴・動作データベースによれば、この人は花粉アレルギーの体質を持つので、総合的に、この人は鼻炎である可能性の高いことが判定される。よってＩＤ＝００１の人についてのスコアは、例えば（健康、鼻炎、風邪）＝（３０，８０，５）の数値の組（ベクトル）として計算される（図１２）。この種のスコアの計算は、多変量解析や、機械学習の枠組みを用いて実現可能である。つまり、リアルタイムの動作情報と、予め登録された病歴・動作データベース４２、個人情報データベース４３、オフィスデータベース４４の各情報を、予め作成された学習済みモデルの入力層に入力すれば、中間層での重み付け演算を経て出力層からスコアを得ることができる。

図１２によれば、ＩＤ＝００２の人の風邪（発熱有り）のスコアが９０点と、突出して高い。発熱が疑われ、さらに個人情報データベース（図９）によれば海外（ＡＡＡ国）への渡航歴があることから、ＣＯＶＩＤ－１９にり患している可能性もある。病歴・動作データベースにＣＯＶＩＤ－１９の罹患歴が登録されていなければ、その可能性はますます高まるものと思われる。このようなケースでは、その人本人だけでなく、上司や、さらには、画像データ解析で分かったＩＤ＝００２の濃厚接触者に対しても警告メッセージを通知するのが好ましい。画像データ解析によりマスク着用者／非着用者についての知見を得て、非着用者だけに警告しても良い。次に、上記構成における作用を説明する。

＜作用＞
図１３は、実施形態に係わる体調評価システムにおける処理手順の一例を示すシーケンス図である。図１３において、画像センサ３は、それぞれ自らの割り当てエリアを撮像し（ステップＳ１）、画像データを解析して（ステップＳ２）、人の動作情報を含むセンサデータを生成する。得られた動作情報はセンサデータベース９ａ、およびクラウドサーバ２００に送信される（ステップＳ３）。なおステップＳ１～ステップＳ３の手順は繰り返し実行され、動作情報はリアルタイムで生成され、クラウドサーバ２００に送信される。

クラウドサーバ２００は、動作情報（図７）を受信すると（ステップＳ４）、動作情報に係わる個人を特定し（ステップＳ５）、ＩＤを取得する。次にクラウドサーバ２００は、特定された人のＩＤごとに、病歴・動作データベース４２（図８）から健康履歴情報を取得し（ステップＳ６）、個人情報データベース４３（図９）から個人情報を取得し（ステップＳ７）、オフィスデータベース４４（図１０）から就業情報を取得する（ステップＳ８）。そして、これらの情報に基づいて、クラウドサーバ２００は体調スコアを計算する（ステップＳ９）。

次にクラウド４０は、人のＩＤごとに、予め定められた閾値と体調スコアとを比較し、スコアが閾値以上になった人については、メールサーバ５００に警告の通知を要求する（ステップＳ１０でＹｅｓ）。

この要求を受けたメールサーバ５００は、例えば図１４に示されるような、「風邪のひきはじめのようです。無理をせず、ゆっくり休息しましょう」といったメッセージを従業員本人に送信する（ステップＳ１１）と共に、その管理者に対し従業員とそのメッセージ内容についてメッセージを送信して通知し、又は、図示しない管理者の管理ＰＣの画面上でこれを表示させる。このメールを受けた人は、所持するスマートフォンやタブレット２０の画面に表示されたメッセージを読むことで、早めに帰宅するなどの対応を迅速にとれるようになる。

ここで、ステップＳ５における、個人を特定する処理について補足する。病歴・動作データベース４２（図８）に関する説明の中で、個人のＩＤは、例えばＩＣカードなどで一意に特定できることを説明した。そして、例えばオフィスビル１００への入退ゲートを通過するのに際し、ＩＣカードを読み取り機にかざすことで、ゲートを通過した人と個人ＩＤとを一意に対応付けることができる。その後は、オフィスビル１００内の複数のカメラ３によりゲートを通過した人を追跡し続けることで、入館したそれぞれの人とその個人ＩＤとを対応付けて管理することが可能になる。入館者と個人ＩＤとを対応付けたデータテーブルを例えば管理サーバ８（図２）において管理し、このデータテーブルを例えば定期的にクラウドサーバ２００に転送することで、クラウドサーバ２００は、体調管理の対象とすべき個人を特定することが可能になる。

＜効果＞
以上述べたように、実施形態では、画像センサ３によりセンシングされるオフィス従業員の動作から、リアルタイムで体調評価、動作情報を算出する。動作情報はクラウドサーバ２００に渡される。クラウドは、その人の過去の病歴、個人情報（年齢等）、就業情報（会議参加情報、オフィス入退情報）に示される正常な動作情報との比較によって、その人の体調に紐づく動作的な異常を認識する。異常な動作を行う従業員が発見されると、監視カメラ３－０による追跡監視を開始するとともに、その人本人、あるいは上司などの管理者に警告する。このようにしたので、体調に関わる異常行動を正常行動に戻すことを補助することができる。

既存の技術では、オフィスの健康という観点において、オフィスにおける人の動作に関わる情報（リアルタイム性のある情報）と、過去の病歴、健康・個人情報、オフィス情報（リアルタイム性の無い情報）とを組み合わせて、個々人の体調に紐づく動作を検知することはできなかった。例えば業務中に体温や脈を計る（体に接触させる機器を使った）ことで、体調の見える化や健康促進させるもの、あるいは、リアルタイム性の無い、過去の病歴や就業状況より体調を診断し、体調の見える化や健康促進させるものが知られているに過ぎなかった。

これに対して実施形態によれば、オフィス従業員の動作情報、健康履歴情報、個人情報、就業情報を活用し、皆が健康でいられるためのシステムを構築することができる。すなわち、従業員の動作をリアルタイムで観察して体調を評価し、その人の過去の病歴、個人情報、業務情報による正常な動作情報（動作確からしさ）から、その人の体調に関連する動作的な異常を認識することができる。さらに、異常な動作を行う従業員を判別し、選択的に監視したり、警告メッセージを送信することも可能になる。

これらのことから実施形態によれば、リアルタイムな情報を画像センサで取得し、予め作成されたデータベースも利用して、人の体調を評価する体調評価システム、サーバ、プログラムおよび体調評価サービス提供方法を提供することが可能になる。

なお、この発明は上記実施の形態に限定されるものではない。例えば、実施形態では、クラウドサーバ２００に受信部２００ａ、取得部２００ｂ、計算部２００ｃを実装する形態について説明した。これに代えて、クラウド４００にこれらのオブジェクトを実装することももちろん可能である。

例えばＳａａＳ（Software as a Service）として知られるサービス形態では、クラウド４００に構築される仮想サーバに実装されたアプリケーション（クラウドアプリ）として、受信部２００ａ、取得部２００ｂ、および計算部２００ｃを実装することができる。この種の機能は、ハードウェアとしての実体を持つサーバと、サーバにインストールされたアプリケーションとの連携により実現されることができる。サーバは一つでも、複数でもよい。

このように、クラウドサーバ２００に備わる機能の一部、または全てをクラウド４００に実装することもできる。また、センサデータベース９ａをクラウド４００に設けても良い。さらには、ゲートウェイ７との連携により各種の機能を実現することもできる。

また、体調スコアの算出の際に、海外への渡航歴だけでなく、どこで誰と会議をしていたか、あるいはＳＮＳから判定される交友関係の傾向、友人の居住地、なども判定材料になり得る。実施形態ではこのような情報もデータベース化し、参照することができる。さらには、別途設けた赤外線センサなどにより、個々人の体温を物理的に検知して判断の一助とすることもできる。

また実施形態では、体調スコアが閾値を逸脱した人に送られる警告メッセージとして図１４に示すようなメールとしたが、これに限らず、警告の仕方には様々なバリエーションが考えられるし、必ずしもメールサーバ５００を必要とするものでもない。さらに、メール送信機能はオプションとしても良い。要するに個々人の体調をリアルタイムで把握することができれば目的は達成される。

本発明の実施形態を説明したが、この実施形態は例として提示するものであり、発明の範囲を限定することは意図していない。この新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１…照明機器、２…空調機器、３…画像センサ、３－０…監視カメラ、４…信号線、５…ビル内ネットワーク、６…ファイヤウォール、７…ゲートウェイ、８…管理サーバ、９ａ…センサデータベース、１５…プロセッサ、２０…タブレット、３０…レジスタ、３０ａ…カメラ情報、３１…カメラ部、３１ａ…魚眼レンズ、３１ｂ…絞り機構、３１ｃ…撮像素子、３２…記憶部、３２ａ…画像データ、３２ｂ…プログラム、３２ｄ…辞書データ、３３…プロセッサ、３３ａ…検出部、３３ｂ…特徴量計算部、３３ｃ…解析部、３３ｄ…学習部、３４…通信部、３５…内部バス、４０…クラウド、４１…監視カメラ、４２…病歴・動作データベース、４３…個人情報データベース、４４…オフィスデータベース、１００…オフィスビル、２００…クラウドサーバ、２００ａ…受信部、２００ｂ…取得部、２００ｃ…計算部、２１０…プロセッサ、２２０…ＲＯＭ、２３０…ＲＡＭ、２４０…記憶部、２４０ａ…プログラム、２６０…光学メディアドライブ、２７０…通信部、３００…専用線ネットワーク、４００…クラウド、５００…メールサーバ。

Claims (9)

1. 人を検知する人感センサと、
   前記人感センサと通信可能なサーバと、
   前記サーバからアクセス可能なデータベースとを具備し、
   前記データベースは、
   人ごとの健康履歴情報を記憶する病歴・動作データベースを含み、
   前記人感センサは、
   所定エリアを撮像して得られた画像データを処理して、視野内の検出対象に係わる特徴量を抽出する特徴量計算部と、
   前記画像データを解析して前記所定エリアにおける人間情報および環境情報を計算し、前記人間情報、前記環境情報、および、前記特徴量を参照して、少なくとも人の移動軌跡および動きの傾向を表現する動作情報を含むセンサデータを生成する解析部とを備え、
   前記サーバは、
   前記センサデータを前記人感センサから受信する受信部と、
   前記病歴・動作データベースから前記健康履歴情報を取得する取得部と、
   前記受信されたセンサデータに含まれる前記人の動作情報と、前記健康履歴情報とに基づいて、前記人の体調の傾向を示すスコアを計算する計算部とを備える、体調評価システム。
2. 前記スコアが所定の範囲を逸脱した人、またはその人の関係者の少なくともいずれかに警告メッセージを通知するメッセージサーバをさらに具備する、請求項１に記載の体調評価システム。
3. 人ごとの個人情報を記憶する個人情報データベースをさらに具備し、
   前記計算部は、前記動作情報、前記健康履歴情報、および前記個人情報に基づいて前記スコアを計算する、請求項１または２のいずれかに記載の体調評価システム。
4. 人ごとの就業情報を記憶するオフィスデータベースをさらに具備し、
   前記計算部は、前記動作情報、前記健康履歴情報、および前記就業情報に基づいて前記スコアを計算する、請求項１または２のいずれかに記載の体調評価システム。
5. 前記センサデータを記憶するセンサデータベースをさらに具備し、
   前記計算部は、前記センサデータベースのセンサデータに含まれる前記人の動作情報と、前記健康履歴情報とに基づいて前記スコアを計算する、請求項１または２のいずれかに記載の体調評価システム。
6. 所定エリアを撮像して得られた画像データより、少なくとも人の移動軌跡および動きの傾向を表現する動作情報を含むセンサデータを生成する人感センサから、前記センサデータを受信する受信部と、
   人ごとの健康履歴情報を記憶する病歴・動作データベースから前記健康履歴情報を取得する取得部と、
   前記受信されたセンサデータに含まれる前記人の動作情報と、前記健康履歴情報とに基づいて、前記人の体調の傾向を示すスコアを計算する計算部とを備える、サーバ。
7. コンピュータを、所定エリアを撮像して得られた画像データより、少なくとも人の移動軌跡および動きの傾向を表現する動作情報を含むセンサデータを生成する人感センサから、前記センサデータを受信する受信部として機能させるための命令と、
   コンピュータを、人ごとの健康履歴情報を記憶する病歴・動作データベースから前記健康履歴情報を取得する取得部として機能させるための命令と、
   コンピュータを、前記受信されたセンサデータに含まれる前記人の動作情報と、前記健康履歴情報とに基づいて、前記人の体調の傾向を示すスコアを計算する計算部として機能させるための命令とを含む、プログラム。
8. 人を検知する人感センサが、所定エリアを撮像して得られた画像データより、少なくとも人の移動軌跡および動きの傾向を表現する動作情報を含むセンサデータを生成する過程と、
   前記人感センサと通信可能なサーバが、前記センサデータを前記人感センサから受信する過程と、
   前記サーバが、人ごとの健康履歴情報を記憶する病歴・動作データベースから前記健康履歴情報を取得する過程と、
   前記サーバが、前記受信されたセンサデータに含まれる前記人の動作情報と、前記健康履歴情報とに基づいて、前記人の体調の傾向を示すスコアを計算する過程とを具備する、体調評価サービス提供方法。
9. 前記サーバが、前記スコアが所定の範囲を逸脱した人、またはその人の関係者の少なくともいずれかに警告メッセージを通知する過程をさらに具備する、請求項８に記載の体調評価サービス提供方法。

Images