JP7231035B2 - 眠気推定情報補正装置、眠気推定装置、眠気推定情報補正方法、眠気推定方法およびプログラム - Google Patents

Description

本発明は、眠気推定情報補正装置、眠気推定装置、眠気推定情報補正方法、眠気推定方法およびプログラムに関する。

人（対象者）の状態の推定に関連して、例えば特許文献１には、気分推定に係る計算負荷の軽減と、気分推定の精度との両立を図るための気分推定システムが記載されている。この気分推定システムは、心拍情報のみに基づいて、対象者の気分を第一気分値として簡易的に推定する。そして、この気分推定システムは、第一気分値が所定の設定範囲から逸脱した場合に限り、心拍情報及びその他の情報に基づいて第二気分値を推定する。

日本国特開２０１８－８８９６６号公報

対象者の状態の推定の１つとして、対象者の眠気の推定が挙げられる。対象者の眠気をする際、推定精度の低下を軽減できることが好ましい。

本発明の目的の一例は、上述の課題を解決することのできる眠気推定情報補正装置、眠気推定装置、眠気推定情報補正方法、眠気推定方法およびプログラムを提供することである。

本発明の第１の態様によれば、眠気推定情報補正装置は、対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを眠気推定情報として取得する眠気推定情報取得手段と、前記眠気推定情報を、前記対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する眠気推定情報補正手段と、を備える。

本発明の第２の態様によれば、眠気推定装置は、対象者の瞼の動き情報を取得する瞼動き情報取得手段と、前記瞼の動き情報と、前記対象者の周囲環境における湿度を示す湿度情報とに基づいて、前記対象者の眠気推定情報として、前記対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを算出する眠気推定手段と、を備える。

本発明の第３の態様によれば、眠気推定情報補正方法は、コンピュータによって、対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを眠気推定情報として取得し、前記眠気推定情報を、前記対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する、ことを含む。

本発明の第４の態様によれば、眠気推定方法は、コンピュータによって、対象者の瞼の動き情報を取得し、前記瞼の動き情報と、前記対象者の周囲環境における湿度を示す湿度情報とに基づいて、前記対象者の眠気推定情報として、前記対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを算出する、ことを含む。

本発明の第５の態様によれば、プログラムは、コンピュータに、対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを眠気推定情報として取得し、前記眠気推定情報を、前記対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する、ことを実行させるプログラムである。

本発明の第６の態様によれば、プログラムは、コンピュータに、対象者の瞼の動き情報を取得し、前記瞼の動き情報と、前記対象者の周囲環境における湿度を示す湿度情報とに基づいて、前記対象者の眠気推定情報として、前記対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを算出する、ことを実行させるプログラムである。

この発明の実施形態によれば、対象者の眠気を推定する際、推定精度の低下を軽減できる。

第１実施形態に係る覚醒度制御システムの機能構成の例を示す概略ブロック図である。 第１実施形態に係る眠気推定装置および眠気推定情報補正装置におけるデータの入出力の例を示す図である。 第１実施形態に係る眠気推定情報補正装置の機能構成の例を示す概略ブロック図である。 第１実施形態に係る眠気推定情報補正部が連続値の補正後眠気推定情報を出力する場合の、補正の例を示す図である。 第１実施形態に係る眠気推定情報補正部が離散値の補正後眠気推定情報を出力する場合の、補正の例を示す図である。 第１実施形態に係る運転制御システムの例を示す図である。 第１実施形態に係る警報システムの例を示す図である。 第２実施形態に係る眠気推定装置の例を示す図である。 第２実施形態に係る眠気推定装置におけるデータの入出力の例を示す図である。 第２実施形態に係る眠気推定装置の機能構成の例を示す機能ブロック図である。 第２実施形態に係る運転制御システムの例を示す図である。 第２実施形態に係る警報システムの例を示す図である。 実施形態に係る覚醒度制御装置の構成の例を示す図である。 実施形態に係る覚醒度特性表示装置の構成の例を示す図である。 実施形態に係る覚醒度制御方法における処理手順の例を示す図である。 実施形態に係る覚醒度特性表示方法おける処理手順の例を示す図である。 少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。

以下、本発明の実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

＜第１実施形態＞
図１は、第１実施形態に係る覚醒度制御システムの機能構成の例を示す概略ブロック図である。図１に示す構成で、覚醒度制御システム１は、カメラ１１と、湿度センサ１２と、眠気推定装置１３と、眠気推定情報補正装置１４と、覚醒度制御装置１５と、環境制御装置１６とを備える。

覚醒度制御システム１は、人（対象者）の眠気を推定し、推定結果に基づいて対象者の覚醒度を制御する。ここでいう対象者は、眠気推定の対象となる人である。また、ここでいう覚醒度は、眠気の弱さを示す程度である。すなわち、覚醒度が高いとは、眠気が弱い（眠気が小さい）ことであり、覚醒度が低いとは、眠気が強い（眠気が大きい）ことである。

特に、覚醒度制御システム１は、対象者の周囲環境における湿度を反映させた眠気推定情報である補正後眠気推定情報を算出する。そして、覚醒度制御システム１は、得られた補正後眠気推定情報に基づいて、対象者の覚醒度を制御する。ここでいう対象者の周囲環境は、対象者が位置する空間の環境である。ここでいう環境は空間の状態のことであり、ここでいう環境には、湿度が含まれる。

ここでいう眠気推定情報は、眠気推定で推定された眠気の程度を示す情報である。眠気推定情報がとり得る値には大小関係が規定される。眠気の程度が、眠気推定情報の値の大小で示される。
例えば、眠気推定情報の値が、眠気の程度を分類するクラスうち何れか１つのクラスを示すようになっていてもよい。このように眠気推定情報の値が眠気の程度のクラスを示す場合は、眠気推定情報が離散値をとる場合の例に該当する。
あるいは、眠気推定情報が、眠気の程度を数値で示すようになっていてもよい。眠気推定情報が連続値をとる場合の例として、眠気推定情報が［０，１］など所定区間の実数値をとる場合が挙げられる。［０，１］は、０から１までの間の値であることを示す。

例えば、対象者が自動車、鉄道車両、船舶または航空機等の乗り物の運転者または操縦者である場合、対象者の周囲環境は、自動車の車内、鉄道の車内、船内、機内等、その乗り物内の環境であってもよい。あるいは、対象者の周囲環境は、運転席または操縦席の環境であるなど、その乗り物内のうちの一部の空間の環境であってもよい。
また、対象者が、室内で作業を行う作業者である場合、対象者の周囲環境は、対象者が在室する室内の環境であってもよい。あるいは、対象者の周囲環境は、対象者の席の環境であるなど、室内のうちの一部の空間の環境であってもよい。

カメラ１１は、対象者の目の画像を含む画像を撮像する。
例えば、対象者が自動車、鉄道車両、船舶または航空機等の乗り物の運転者または操縦者である場合、カメラ１１が運転席または操縦席の前方に、運転席または操縦席に向けて設置され、運転者または操縦者の顔を撮像するようにしてもよい。

あるいは、対象者が、室内でディスプレイ（表示装置）を見ながら作業を行う作業者である場合、カメラ１１が、対象者が使用するディスプレイに設けられ、ディスプレイの前に位置する対象者の顔を撮像するようにしてもよい。
カメラ１１が、動画像を撮像するようにしてもよい。あるいは、カメラ１１が、例えば５秒周期など周期的に静止画像を撮像するようにしてもよい。

カメラ１１が、撮像した画像を示す画像データを出力するようにしてもよい。この場合、カメラ１１が出力する画像データは、対象者の瞼の動き情報の例に該当する。瞼の動き情報は、瞼の動きを示す情報である。瞼の動き情報を、瞼動き情報、または、単に動き情報とも称する。

あるいは、カメラ１１が画像処理機能を有し、撮像した画像から瞼の動きの特徴量を抽出して、抽出した特徴量の時系列情報を出力するようにしてもよい。この場合、カメラ１１が出力する特徴量は、対象者の瞼の動き情報の例に該当する。瞼の動きを示す特徴量（瞼の動きの特徴量）として、ある期間に目が開いている程度を示す情報、瞬きの回数を示す情報、または、目を閉じている時間を示す情報、あるいはこれらの組み合わせなど、いろいろな情報を用いることができる。このように、カメラ１１が抽出する特徴量は、特定のものに限定されない。また、動き情報を抽出する処理は、カメラ１１と異なる装置を用いて実現されていてもよい。
例えば、眠気推定装置１３の処理の説明で後述する特徴量を、カメラ１１が抽出するようにしてもよい。すなわち、カメラ１１と眠気推定装置１３との何れが特徴量の抽出を行うようしてもよい。

眠気推定装置１３は、カメラ１１が出力する対象者の瞼の動き情報に基づいて、対象者の眠気を推定する。具体的には、眠気推定装置１３は、対象者の眠気推定情報を算出し出力する。上記のように、眠気推定情報は、眠気の度合いを値の大小で示す情報である。眠気が強いほど眠気推定情報の値が大きくなるように定義されていてもよい。あるいは、眠気が強いほど眠気推定情報の値が小さくなるように定義されていてもよい。

眠気推定装置１３が行う処理の例について後述する。ただし、眠気推定装置１３は、対象者の瞼の動きに基づいて対象者の眠気推定情報を算出するものであればよく、特定のものに限定されない。既設の眠気推定装置を眠気推定装置１３として用いるようにしてもよい。
眠気推定装置１３は、眠気推定情報取得部（眠気推定情報取得手段）の例に該当する。

湿度センサ１２は、湿度を測定するセンサであり、湿度情報を出力する。ここでいう湿度情報は、湿度を示す情報（湿度の高さを示す情報）である。
湿度センサ１２が、直近の湿度測定値そのものを湿度情報として出力するようにしてもよい。あるいは、湿度センサ１２が、予め定められた時間窓Ｔ_Ｈで湿度測定値を平均した値を湿度情報として出力するなど、湿度測定値を加工した値を湿度測定値として出力するようにしてもよい。

湿度センサ１２が出力する湿度情報は、対象者の周囲環境における湿度を示す情報として用いられる。
湿度センサ１２の設置位置は、対象者が位置する空間の湿度を測定可能な位置であればよく、特定の位置に限定されない。湿度センサ１２の設置位置が、対象者の目に近い位置であればより好ましいが、実施形態はこのような例に限定されない。

例えば、対象者が自動車、鉄道車両、船舶または航空機等の乗り物の運転者または操縦者である場合、湿度センサ１２が、自動車の車内、鉄道の車内、船内、機内等、その乗り物内に設置されていてもよい。特に、湿度センサ１２が、運転席または操縦席に設置されていてもよい。
また、対象者が、室内で作業を行う作業者である場合、湿度センサ１２が、対象者が在室する室内に設置されていてもよい。特に、湿度センサ１２が、対象者の席に設置されていてもよい。

湿度センサ１２が、対象者の目の高さに設置されていてもよい。あるいは、湿度センサ１２が、対象者の胸の高さに設置されていてもよい。
湿度センサ１２が、相対湿度［％］を測定するようにしてもよい。あるいは、湿度センサ１２が絶対湿度［ｇ／ｍ^３］を測定するようにしてもよい。

湿度センサ１２は、定期的に湿度を測定して湿度情報を出力する。湿度センサ１２が湿度を測定する時間間隔は特定のものに限定されない。例えば、湿度センサ１２が、数分から数十分ほどの定周期で湿度を測定し、測定する毎に湿度情報を出力するようにしてもよい。

眠気推定情報補正装置１４は、眠気推定装置１３が算出する眠気推定情報に対して、対象者の周囲環境における湿度を反映させる補正を行う。
ここで、眠気推定の実験を行った結果、人の瞼の動きと、その人の周囲環境における湿度との間に関係があることが判明した。この関係により、周囲環境の状態によっては、眠気の推定精度が低下してしまうことが判明した。

特に、周囲環境における湿度が低い場合、目の渇きから瞼の動きが通常時よりも多くなり、実際よりも強い眠気と推定されてしまうという結果となった。
そこで、眠気推定情報補正装置１４は、眠気推定装置１３が算出する眠気推定情報に対して、対象者の周囲環境における湿度を反映させる補正を行う。これにより、覚醒度制御システム１では、対象者の眠気推定情報を算出する際、周囲環境の影響による推定精度の低下を軽減できる。具体的には、覚醒度制御システム１では、対象者の周囲環境における湿度の影響によって眠気の推定精度が低下することを軽減できる。

なお、瞼の動きが多くなることは、瞼が動く回数が増えること、瞼が開く程度が大きくなること（すなわち、より目を見開くこと）、瞼が動く速度が速くなること、瞬き１回あたりの瞼を閉じている時間が長くなること、のうち何れかであってもよいし、これらの組み合わせであってもよい。

図２は、眠気推定装置１３および眠気推定情報補正装置１４におけるデータの入出力の例を示す図である。
図２の例で、眠気推定装置１３は、瞼動き情報を取得する。上述したように、眠気推定装置１３が、瞼の画像を含む画像データを瞼動き情報として取得するようにしてもよい。
あるいは、眠気推定装置１３が、瞼の動きの特徴量を瞼動き情報として取得するようにしてもよい。

眠気推定装置１３は、取得した瞼動き情報を眠気推定モデルに適用して、眠気推定情報を算出する。眠気推定モデルは、瞼動き情報の入力に対して眠気推定情報を出力するモデルである。
眠気推定装置１３が備える眠気推定モデルの表現形式は、特定の形式に限定されない。
例えば、眠気推定装置１３が、数式の形式で表現された眠気推定モデルを備えるようにしてもよいが、実施形態はこのような例に限定されない。

眠気推定情報補正装置１４は、眠気推定装置１３が算出した眠気推定情報と、湿度情報とを取得する。眠気推定情報補正装置１４が、湿度測定値そのものを湿度情報として取得するようにしてもよい。あるいは、眠気推定情報補正装置１４が、湿度測定値を加工した値を湿度情報として取得するようにしてもよい。
眠気推定情報補正装置１４は、取得した眠気推定情報と湿度情報とを補正モデルに適用することで、眠気推定情報に対して湿度の影響を加味する補正を行い、補正後の眠気推定情報を出力する。補正モデルは、眠気推定情報と湿度情報との入力に対して補正後の眠気推定情報を出力するモデルである。

眠気推定情報補正装置１４が備える補正モデルの表現形式は、特定の形式に限定されない。例えば、眠気推定情報補正装置１４が、数式の形式で表現された補正モデルを備えるようにしてもよいが、実施形態はこのような例に限定されない。
眠気推定情報補正装置１４が出力する補正後の眠気推定情報を、補正後眠気推定情報と称する。

図３は、眠気推定情報補正装置１４の機能構成の例を示す概略ブロック図である。図３に示す構成で、眠気推定情報補正装置１４は、第１通信部１１０と、第１記憶部１８０と、第１制御部１９０とを備える。第１記憶部１８０は、補正モデル記憶部１８１を備える。第１制御部１９０は、眠気推定情報補正部１９１を備える。
第１通信部１１０は、他の装置と通信を行う。特に、第１通信部１１０は、眠気推定情報を眠気推定装置１３から受信する。また、第１通信部１１０は、湿度情報を湿度センサ１２から受信する。また、第１通信部１１０は、補正後眠気推定情報を覚醒度制御装置１５へ送信する。

第１記憶部１８０は、各種情報を記憶する。第１記憶部１８０の機能は、覚醒度制御システム１が備える記憶デバイスを用いて実行される。
補正モデル記憶部１８１は、補正モデルを記憶する。上述したように、補正モデルは、眠気推定情報と湿度情報との入力に対して補正後の眠気推定情報を出力するモデルである。

第１制御部１９０は、眠気推定情報補正装置１４の各部を制御して各種処理を実行する。第１制御部１９０の機能は、眠気推定情報補正装置１４が備えるＣＰＵ（Central Processing Unit、中央処理装置）が、第１記憶部１８０からプログラムを読み出して実行することで実行される。
眠気推定情報補正部１９１は、眠気推定情報に対して湿度の影響を加味する補正を行って、補正後眠気推定情報を算出する。具体的には、眠気推定情報補正部１９１は、補正モデル記憶部１８１から補正モデルを読み出す。そして、眠気推定情報補正部１９１は、眠気推定装置１３からの眠気推定情報と湿度センサ１２からの湿度情報とを補正モデルに適用して、補正後眠気推定情報を取得する。

眠気推定情報補正部１９１が出力する補正後眠気推定情報は、連続値であってもよいし、離散値であってもよい。
図４は、眠気推定情報補正部１９１が連続値の補正後眠気推定情報を出力する場合の、補正の例を示す図である。図４のグラフの横軸は、相対湿度を示す。縦軸は、補正係数を示す。

図４は、眠気が強いほど眠気推定情報が大きい値になる場合の例を示している。また、図４の例で、補正係数値の閾値Ｃ１１およびＣ１２は、「０＜Ｃ１１＜Ｃ１２＜１」と設定されている。
眠気推定情報補正部１９１は、湿度情報が示す湿度に図４のグラフで対応付けられている補正係数値を取得する。そして、眠気推定情報補正部１９１は、取得した補正係数値を眠気推定情報（補正前の値）に乗算して、補正後眠気推定情報を算出する。
図４のグラフは、補正モデルの部分の例に該当する。図４のグラフと、補正係数値を眠気推定情報に乗算する式との組み合わせは、補正モデルの例に該当する。

ここで、湿度が低い場合、対象者が目の乾きを感じて瞬きまたは目を閉じる動作を繰り返すことにより、眠気推定情報が実際の眠気（例えば、対象者が体感している眠気）よりも大きい値となる傾向にある。
そこで、眠気推定情報補正部１９１は、湿度が低いほど補正係数の値を小さく算出し、眠気推定情報を小さくする（眠気が弱いと推定する）ようにする。眠気推定情報補正部１９１による補正量（元の眠気推定情報からの減少幅）は、湿度が低いほど大きくなる。

一方、図４のグラフで、湿度がＨ１１以下の場合は、補正係数が一定の値（Ｃ１１）となっている。湿度がある程度以下に低くなると、湿度がさらに低下しても瞼の動きに対する湿度の影響は同様と考えられるためである。
また、図４のグラフで、湿度がＨ１２以上の場合は、補正係数が一定の値（Ｃ１２）となっている。湿度がある程度以上に高くなると、湿度がさらに高くなっても瞼の動きに対する湿度の影響は同様と考えられるためである。

ただし、図４に示す補正方法は一例であり、実施形態はこのような例に限定されない。例えば、図４では眠気推定情報補正部１９１が区分線形関数を用いて補正を行う例を示しているが、非線形関数を用いて補正を行うようにしてもよい。ここで、Ｅを補正前の眠気推定情報とし、Ｅ’を補正後眠気推定情報とし、Ｈを湿度とし、ｆを非線形関数として、眠気推定情報補正部１９１による眠気推定情報の補正を「Ｅ’＝ｆ（Ｅ，Ｈ）」と表記する。Ｅ’がＥよりも小さくなり、かつ、Ｈが小さくなるほどＥ－Ｅ’が大きくなるいろいろな非線形関数ｆを、眠気推定情報補正部１９１による眠気推定情報の補正に用いることができる。

この場合も図４の例と同様、湿度が下限閾値以下の場合はＥ－Ｅ’の値が変化しない（補正量が変化しない）ようになっていてもよい。図４の例では、Ｈ１１が下限閾値の例に該当する。
また、図４の例と同様、湿度が上限閾値以上の場合はＥ－Ｅ’の値が変化しない（補正量が変化しない）ようになっていてもよい。図４の例では、Ｈ１２が上限閾値の例に該当する。

図５は、眠気推定情報補正部１９１が離散値の補正後眠気推定情報を出力する場合の、補正の例を示す図である。図５に示すデータテーブルは、補正モデルの例に該当する。
図５は、湿度情報が示す湿度（相対湿度）と、眠気推定情報のクラス分けに用いる閾値との対応関係の例を示している。図５の例では、相対湿度Ｈが、「０％≦Ｈ＜４０％」の場合、閾値として、ＴＨ_１ ^１、ＴＨ_２ ^１、ＴＨ_３ ^１、ＴＨ_４ ^１の４つの閾値を用いる。相対湿度Ｈが、「４０％≦Ｈ＜６０％」の場合、閾値として、ＴＨ_１ ^２、ＴＨ_２ ^２、ＴＨ_３ ^２、ＴＨ_４ ^２の４つの閾値を用いる。相対湿度Ｈが、「６０％≦Ｈ≦１００％」の場合、閾値として、ＴＨ_１ ^３、ＴＨ_２ ^３、ＴＨ_３ ^３、ＴＨ_４ ^３の４つの閾値を用いる。
ここで、ｉを「１≦ｉ≦３」を満たす整数とし、ｊを「１≦ｊ≦３」を満たす整数として、ＴＨ_ｉ ^ｊと、ＴＨ_ｉ＋１ ^ｊとの関係は、式（１）のように示される。

この閾値を眠気推定情報に適用することで、対象者の眠気は、５段階の何れかと推定される。
また、眠気が強いほど眠気推定情報が大きく算出される場合、ｉを「１≦ｉ≦３」を満たす整数とし、ｊを「１≦ｊ≦３」を満たす整数として、ＴＨ_ｉ ^ｊと、ＴＨ_ｉ ^ｊ＋１との関係は、式（２）のように示される。

これにより、補正前の眠気推定情報が示す眠気の強さが同じであれば、湿度が低いほど、補正後眠気推定情報が示す眠気の強さは弱くなる。
あるいは、眠気が強いほど眠気推定情報が小さく算出される場合は、式（２）に代えて式（３）の関係が成り立つように閾値を設定する。

これにより、補正前の眠気推定情報が示す眠気の強さが同じであれば、湿度が低いほど、補正後眠気推定情報が示す眠気の強さは弱くなる。

環境制御装置１６は、対象者の周囲環境における物理量を変化させる装置である。ここでの、対象者の周囲環境における物理量は、対象者の眠気に影響を及ぼす物理量であればよい。例えば、環境制御装置１６が空調装置であり、対象者の周囲環境における温度（空気温度）を調整するようにしてもよい。あるいは、環境制御装置１６が照明装置であり、対象者の周囲環境における明るさを調整するようにしてもよい。

覚醒度制御装置１５は、環境制御装置１６を制御することで、対象者の覚醒度を制御する。ここでいう覚醒度は眠気と対の概念であり、覚醒度が高いほど眠気が弱い。例えば、対象者の覚醒度が低い（眠気が強い）場合、覚醒度制御装置１５が、環境制御装置１６を制御して、対象者の覚醒度を高める（眠気を弱くする）ようにしてもよい。

図６は、第１実施形態に係る運転制御システムの機能構成の例を示す概略ブロック図である。図６に示す構成で、運転制御システム２は、カメラ１１と、湿度センサ１２と、眠気推定装置１３と、眠気推定情報補正装置１４と、運転制御装置２１と、運転装置２２とを備える。
図６の各部のうち、図１の各部に対応して同様の機能を有する部分に同一の符号（１１、１２、１３、１４）を付して説明を省略する。

運転制御システム２は、例えば自動車、鉄道車両、船舶または航空機等の乗り物の運転を制御する。具体的には、運転制御システム２は、制御対象の乗り物の運転者または操縦者を対象者として、対象者の眠気を推定する。運転制御システム２は、対象者の眠気が所定の条件以上に強いと判定した場合、対象者が眠気によって適切な運転または操縦を行えない場合に対応するように、制御対象の乗り物の制御を行う。例えば、運転制御システム２が、制御対象の乗り物の速度を制限して制動距離を短くする、あるいは、制御対象の乗り物の運転を自動運転に切り替えるようにしてもよいが、運転制御システム２による制御対象の乗り物の制御は、これらに限定されない。

運転装置２２は、エンジンまたはモータなど制御対象の乗り物の駆動装置、制御対象の乗り物の制動装置（ブレーキ）、または、制御対象の乗り物の操舵装置の何れか、あるいはこれらの組み合わせを含み、運転制御装置２１の制御対象となる。

運転制御装置２１は、眠気推定情報補正装置１４からの補正後眠気推定情報に基づいて、対象者の眠気が所定の条件以上に強いか否かを判定する。運転制御装置２１が、補正後眠気推定情報と所定の閾値とを比較して、対象者の眠気が閾値以上に強いか否かを判定するようにしてもよいが、実施形態はこのような例に限定されない。
対象者の眠気が所定の条件以上に強いと判定した場合、運転制御装置２１は、対象者が眠気によって適切な運転または操縦を行えない場合に対応するように、運転装置２２を制御する。

例えば、運転装置２２が、駆動装置または制動装置の少なくとも何れか一方を含み、運転制御装置２１が、制御対象の乗り物の速度を制限するように運転装置２２を制御するようにしてもよい。例えば、運転装置２２が、制御対象の乗り物の速度が一定の速度またはそれ以下になるように、運転装置２２を制御するようにしてもよい。あるいは、運転制御装置２１が、制御対象の乗り物を減速させるように、運転装置２２を制御するようにしてもよい。

あるいは、運転装置２２が制動装置を含み、運転制御装置２１が、制動装置をプレフィルさせるように運転装置２２を制御するようにしてもよい。ここでいう制動装置をプレフィルするとは、制動装置の遊びを詰めてブレーキ動作の際の動作開始を早めることである。
あるいは、運転装置２２が、制御対象の乗り物の駆動装置、制動装置および操舵装置を含み、運転制御装置２１が、運転装置２２を制御して制御対象の乗り物の自動運転を行うようにしてもよい。

運転制御装置２１が、アンチロックブレーキシステム、自動ブレーキプレフィルシステム、ブレーキアシストシステム、衝突軽減ブレーキシステム等のブレーキシステムとして構成されていてもよい。あるいは、運転制御装置２１が、クルーズコントロールシステムとして構成されていてもよい。ここでいうクルーズコントロールシステムは、制御対象の乗り物の速度を一定に保つシステムである。あるいは、運転制御装置２１が、自動運転システムとして構成されていてもよい。あるいは、運転制御装置２１が、これらのシステムとは別のシステムとして構成されていてもよい。

図７は、第１実施形態に係る警報システムの機能構成の例を示す概略ブロック図である。図７に示す構成で、警報システム３は、カメラ１１と、湿度センサ１２と、眠気推定装置１３と、眠気推定情報補正装置１４と、警報装置３１とを備える。
図７の各部のうち、図１の各部に対応して同様の機能を有する部分に同一の符号（１１、１２、１３、１４）を付して説明を省略する。

警報システム３は、対象者の眠気を推定し、眠気が所定の条件以上に強いと判定した場合に警報を出力するシステムである。
例えば、対象者が、自動車、鉄道車両、船舶または航空機等の乗り物の運転者または操縦者であってもよい。この場合、警報システム３が警報を出力することで、少なくとも一時的に対象者の眠気を低減させ（すなわち覚醒させ）、対象者が眠気によって適切な運転を行えない可能性を低減させることができる。

警報装置３１は、眠気推定情報補正装置１４からの補正後眠気推定情報に基づいて、対象者の眠気が所定の条件以上に強いか否かを判定する。警報装置３１が、補正後眠気推定情報と所定の閾値とを比較して、対象者の眠気が閾値以上に強いか否かを判定するようにしてもよいが、実施形態はこのような例に限定されない。
対象者の眠気が所定の条件以上に強いと判定した場合、警報装置３１は警報を出力する。

警報装置３１が警報を出力する方法は、特定の方法に限定されない。例えば、警報装置３１が、スピーカまたはブザー等の音声出力装置を備え、警報メッセージまたは警報音を出力するようにしてもよい。あるいは、警報装置３１が、ディスプレイに警報メッセージを表示する、またはランプを点灯させるなど、警報を視覚的に出力するようにしてもよい。警報装置３１が、音による警報と視覚的な警報とを併せて出力するようにしてもよい。
警報システム３が、乗り物を安全な場所へ移動させて睡眠をとるように促すメッセージを出力するようにしてもよい。

図１の構成例のように眠気推定情報補正装置１４を設ける構成によれば、眠気推定装置１３による眠気推定情報の算出の処理を機械学習する場合に、瞼の動きを示す特徴量と、その動きのときの覚醒度とを組み合わせた情報を学習データとして用いることができる。
特に、眠気推定情報補正装置１４を設ける構成によれば、眠気推定装置１３による眠気推定情報の算出の処理の機械学習と、眠気推定情報補正装置１４による補正の処理の機械学習とを、別々の機械学習処理とすることができる。したがって、眠気推定装置１３による眠気推定情報の算出の処理の機械学習では、湿度情報は不要である。

ここで、対象者の瞼の動きに加えて湿度と対象者の眠気との関係についての研究報告は見当たらない。したがって、対象者の瞼の動きに加えて湿度と対象者の眠気との関係を示すデータは見当たらない。

眠気推定情報補正装置１４を設ける構成によれば、眠気推定装置１３による眠気推定情報の算出の処理の機械学習については、作成済みのモデルを用いることができ、新たにデータを取得する必要が無い。
あるいは、眠気推定装置１３として、対象者の瞼の動きに基づいて眠気推定情報を算出する装置を用いることができる。すなわち、眠気推定モデルとして一般的に知られているモデルを用いることができる。この場合、眠気推定装置１３による眠気推定情報の算出の処理の機械学習を新たに行う必要が無い。

以上のように、眠気推定装置１３は、対象者の瞼の動きに基づく眠気推定情報を取得する。眠気推定情報補正部１９１は、眠気推定情報を、対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する。
これにより、眠気推定情報補正装置１４では、対象者の眠気を推定する際、推定精度の低下を軽減できる。特に、眠気推定情報補正装置１４では、対象者の周囲環境における湿度の影響によって眠気の推定精度が低下してしまうことを回避または軽減できる。

また、眠気推定情報補正部１９１は、湿度が低いほど補正後眠気推定情報が小さくなるように補正を行う。
これにより、眠気推定情報補正装置１４では、対象者が目の乾燥を感じて瞬きする。あるいは、目を閉じるといった動作によって眠気を実際よりも強く判定してしまうことを軽減できる。

また、眠気推定情報補正部１９１は、湿度が上限閾値より大きい場合、湿度が上限閾値の場合と同じ補正量の補正を行う。
これにより、眠気推定情報補正装置１４は、湿度が上限閾値より大きい場合に瞼の動きへの影響が同様であることを反映して、より正確に眠気を推定することができる。

また、眠気推定情報補正部１９１は、湿度が下限閾値より小さい場合、湿度が下限閾値の場合と同じ補正量の補正を行う。
これにより、眠気推定情報補正装置１４は、湿度が下限閾値より大きい場合に瞼の動きへの影響が同様であることを反映して、より正確に眠気を推定することができる。

＜第２実施形態＞
眠気推定装置１３と、眠気推定情報補正装置１４とに代えて、湿度の影響を加味した眠気推定情報を出力する眠気推定装置を設けるようにしてもよい。
図８は、第２実施形態に係る覚醒度制御システムの例を示す図である。図８に示す構成で、覚醒度制御システム４は、カメラ１１と、湿度センサ１２と、眠気推定装置４１と、覚醒度制御装置１５と、環境制御装置１６とを備える。
図８の各部のうち、図１の各部に対応して同様の機能を有する部分に同一の符号（１１、１２、１５、１６）を付して説明を省略する。

図８の覚醒度制御システム４は、眠気推定装置１３と眠気推定情報補正装置１４とに代えて、眠気推定装置４１が設けられている点で、図１の覚醒度制御システム１と異なる。
それ以外の点では、覚醒度制御システム４は、覚醒度制御システム１と同様である。特に、覚醒度制御システム４は、眠気推定情報として、覚醒度制御システム１の場合と同様、対象者の周囲環境における湿度を反映させた補正後眠気推定情報を算出する。そして、覚醒度制御システム４は、覚醒度制御システム１の場合と同様、算出した補正後眠気推定情報に基づいて対象者の覚醒度を制御する。

眠気推定装置４１は、補正後眠気推定情報を算出する。具体的には、眠気推定装置４１は、瞼動き情報と、湿度情報との入力に対して補正後眠気推定情報を出力する眠気推定モデルを用いて、補正後眠気推定情報を算出する。
図９は、眠気推定装置４１におけるデータの入出力の例を示す図である。
図９の例で、眠気推定装置４１は、瞼動き情報と、湿度情報とを取得する。眠気推定装置４１は、得られた瞼動き情報と湿度情報とを眠気推定モデルに適用して、眠気推定情報を算出する。眠気推定装置４１は、湿度の影響が反映されたモデルを用いることで、湿度の影響が反映された眠気推定情報を算出する。

図１０は、眠気推定装置４１の機能構成の例を示す機能ブロック図である。図１０に示す構成で、眠気推定装置４１は、第２通信部２１０と、第２記憶部２８０と、第２制御部２９０とを備える。第２記憶部２８０は、眠気推定モデル記憶部２８１を備える。第２制御部２９０は眠気推定部２９１を備える。

第２通信部２１０は、他の装置と通信を行う。特に、第２通信部２１０は、瞼動き情報をカメラ１１から受信する。第２通信部２１０は、瞼動き情報取得部（瞼動き情報取得手段）の例に該当する。また、第２通信部２１０は、湿度情報を湿度センサ１２から受信する。また、第２通信部２１０は、補正後眠気推定情報を覚醒度制御装置１５へ送信する。

第２記憶部２８０は、各種情報を記憶する。第２記憶部２８０の機能は、覚醒度制御システム１が備える記憶デバイスを用いて実行される。
眠気推定モデル記憶部２８１は、瞼動き情報と、湿度情報との入力に対して補正後眠気推定情報を出力する眠気推定モデルを記憶する。この眠気推定モデルは、第１実施形態の眠気推定装置１３が備える眠気推定モデルと眠気推定情報補正装置１４が備える補正モデルとの組み合わせに相当する。

眠気推定モデル記憶部２８１が記憶する眠気推定モデルが、瞼動き情報と湿度情報との入力に対して直接（補正前の眠気推定情報を算出せずに）、補正後眠気推定情報を出力するモデルであってもよい。あるいは、眠気推定モデル記憶部２８１が記憶する眠気推定モデルが、瞼動き情報に基づいて補正前の眠気推定情報を算出し、湿度情報に基づいて眠気推定情報を補正することで補正後眠気推定情報を算出するモデルであってもよい。

第２制御部２９０は、眠気推定装置４１の各部を制御して各種処理を実行する。第２制御部２９０の機能は、眠気推定装置４１が備えるＣＰＵが、第２記憶部２８０からプログラムを読み出して実行することで実行される。
眠気推定部２９１は、瞼動き情報と湿度情報とに基づいて、補正後眠気推定情報を算出する。具体的には、眠気推定部２９１は、眠気推定モデル記憶部２８１から眠気推定モデルを読み出す。そして、眠気推定部２９１は、カメラ１１からの瞼動き情報と湿度センサ１２からの湿度情報とを眠気推定モデルに適用して、補正後眠気推定情報を取得する。

眠気推定部２９１が出力する補正後眠気推定情報は、第１実施形態の眠気推定情報補正部１９１が出力する補正後眠気推定情報と同様である。特に、眠気推定部２９１は、同一の瞼動き情報に対して、湿度が低いほど眠気推定情報を小さくする（眠気が弱いと推定する）。眠気推定部２９１が出力する補正後眠気推定情報は、第１実施形態の眠気推定情報補正部１９１が出力する補正後眠気推定情報と同様、連続値であってもよいし、離散値であってもよい。

図１１は、第２実施形態に係る運転制御システムの例を示す図である。図１１に示す構成で、運転制御システム５は、カメラ１１と、湿度センサ１２と、眠気推定装置４１と、運転制御装置２１と、運転装置２２とを備える。
図１１の各部のうち、図６の各部に対応して同様の機能を有する部分に同一の符号（１１、１２、２１、２２）を付して説明を省略する。

図１１の運転制御システム５は、眠気推定装置１３と眠気推定情報補正装置１４とに代えて、眠気推定装置４１が設けられている点で、図６の運転制御システム２と異なる。それ以外の点では、運転制御システム５は、運転制御システム２と同様である。
また、図１１の眠気推定装置４１は、図８の眠気推定装置４１と同様であり、同一の符号を付して説明を省略する。
図１１の例で、眠気推定装置４１は、第１実施形態の眠気推定情報補正装置１４と同様の補正後眠気推定情報を算出し、運転制御システム５は、図６の運転制御システム２と同様に機能する。

図１２は、第２実施形態に係る警報システムの例を示す図である。図１２に示す構成で、警報システム６は、カメラ１１と、湿度センサ１２と、眠気推定装置４１と、警報装置３１とを備える。
図１２の各部のうち、図７の各部に対応して同様の機能を有する部分に同一の符号（１１、１２、３１）を付して説明を省略する。

図１２の警報システム６は、眠気推定装置１３と眠気推定情報補正装置１４とに代えて、眠気推定装置４１が設けられている点で、図７の警報システム３と異なる。それ以外の点では、図１２の警報システム６は、図７の警報システム３と同様である。
また、図１２の眠気推定装置４１は、図８の眠気推定装置４１と同様であり、同一の符号を付して説明を省略する。
図１２の例で、眠気推定装置４１は、第１実施形態の眠気推定情報補正装置１４と同様の補正後眠気推定情報を算出し、警報システム６は、図７の警報システム３と同様に機能する。

以上のように、第２通信部２１０は、対象者の瞼の動き情報を取得する。また、眠気推定部２９１は、瞼の動き情報と、対象者の周囲環境における湿度を示す湿度情報とに基づいて、対象者の眠気推定情報を算出する。
これにより、眠気推定装置４１では、対象者の眠気推定情報を算出する際、周囲環境の影響による推定精度の低下を軽減できる。

＜眠気推定の例＞
以下、第１実施形態で説明した眠気推定装置１３が行う眠気推定情報の算出の例について説明する。第２実施形態で説明した眠気推定装置４１についても、瞼動き情報と湿度情報とに基づいて補正後眠気推定情報を算出する処理の一部として、以下に説明する処理と同様の処理を適用することができる。

[第１例]
眠気推定装置１３は、動画像信号を画像処理して、対象者の開眼度を検出し、対象者の開眼度の時系列情報を取得する。開眼度は、対象者が目を開いている程度を表す情報である。開眼度は、たとえば、単位時間において目を開いている時間の割合であってもよいし、目のうち開いている部分の面積を所定期間ごとに累計した値であってもよい。ただし、開眼度は、これらの例に示される情報に限定されない。
眠気推定装置１３が、左眼の開眼度および右眼の開眼度を検出して、それぞれ、左眼開眼度の時系列情報および右眼の開眼度の時系列情報を取得するようにしてもよい。この場合、眠気推定装置１３が、左眼の開眼度の時系列情報と右眼の開眼度の時系列情報とを加算平均して対象者の開眼度の時系列情報を算出するようにしてもよい。

眠気推定装置１３は、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）と右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）とを加算平均して平均値を求め、その平均値を対象者の開眼度の時系列情報Ｘ（ｔ）として出力する。したがって、対象者の開眼度の時系列情報Ｘ（ｔ）は、式（４）のように示される。

眠気推定装置１３が、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）、右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）、および対象者の開眼度の時系列情報Ｘ（ｔ）の各々として、０～１の範囲の値に正規化された値を用いるようにしてもよい。

眠気推定装置１３が、開眼度の時系列情報Ｘ（ｔ）から対象者２０の瞬きによる変化を除去するようフィルタリングして、フィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）を出力するようにしてもよい。このフィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）は、例えば、式（５）のように示される。

ここで、Ｆ［］は、フィルタリング処理を示す演算子である。Ｎはフィルタリング処理用のフレーム数を示す。
眠気推定装置１３は、フィルタリング算出窓幅Ｔ_Ｎ［秒］単位でフィルタリング処理を行う。フレーム数Ｎとフィルタリング算出窓幅Ｔ_Ｎ［秒］とフレームレートｆｓ［フレーム／秒］との間には、式（６）で示される関係がある。

例えば、フレーム数Ｎが３、フレームレートｆｓが３０［フレーム／秒］に等しいとき、フィルタリング算出窓幅Ｔ_Ｎ［秒］は「３／３０＝０．１［秒］」となる。
本例では、眠気推定装置１３は、フィルタリング算出窓幅Ｔ_Ｎ［秒］単位でフィルタリングすることで、開眼度の時系列情報Ｘ（ｔ）を所定の値に置換し、その置換した値をフィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）として出力する。

眠気推定装置１３が、開眼度の時系列情報Ｘ（ｔ）に加えて、あるいは代えて、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）や右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）を用いるようにしてもよい。
例えば、眠気推定装置１３は、フィルタリング算出窓幅Ｔ_Ｎ［秒］単位でフィルタリングすることで、開眼度の時系列情報Ｘ（ｔ）を所定の主値に置換し、その置換した値をフィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）として出力する。

また、眠気推定装置１３は、フィルタリング算出窓幅Ｔ_Ｎ［秒］単位でフィルタリングすることで、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）を所定の第１の副値に置換し、その置換した値をフィルタリング後の左眼の開眼度の時系列情報Ｘ_ＦＬ（ｔ）として出力する。
同様に、眠気推定装置１３は、フィルタリング算出窓幅Ｔ_Ｎ［秒］単位でフィルタリングすることで、右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）を所定の第２の値に置換し、その置換した値をフィルタリング後の右眼の開眼度の時系列情報Ｘ_ＦＲ（ｔ）として出力する。
眠気推定装置１３が、上記の３つのフィルタリングのうち１つのみを行うようにしてもよい。眠気推定装置１３が行うフィルタリング処理としては、種々の方法を採用され得る。

次に、眠気推定装置１３が行うフィルタリング処理の具体例について説明する。
眠気推定装置１３によるフィルタリングは、フィルタリング算出窓幅Ｔ_Ｎ［秒］が少なくとも０．１［秒］以上である場合に適用可能である（Ｔ_Ｎ≧０．１）。その理由は、瞬きの時間が０．１～０．１５［秒］のためである。例えば、フレームレートｆｓが３０［フレーム／秒］の場合、フレーム数Ｎが３以上であるときに眠気推定装置１３によるフィルタリングを適用可能である。以下では、フレーム数Ｎが３０に等しく、フィルタリング算出窓幅Ｔ_Ｎ［秒］が１［秒］である場合を例に説明するが、実施形態はこのような例に限定されない。

眠気推定装置１３は、フィルタリング算出窓幅Ｔ_Ｎ［秒］単位でフィルタリングを行い、開眼度の時系列情報Ｘ（ｔ）の最大値を取得し、その取得した最大値をフィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）として出力する。
眠気推定装置１３は、式（７）で示されるように、フィルタリング算出窓幅Ｔ_Ｎ［秒］の開眼度の時系列情報Ｘ（ｔ）の最大値をとる。

ｍａｘ［］は要素の最大値をとる演算子である。眠気推定装置１３は、このフィルタリングにより、開眼度の時系列情報から瞬きによる変化を除去する。
また、対象者の眼が冴えている状態では、開眼度を一定に維持できる。一方、対象者が眠い状態では、開眼度を一定に維持できない。特に、対象者が眠い状態では、対象者の目が冴えている場合よりも常に開眼度が小さくなり、フィルタリングで得られる開眼度の最大値も小さくなると考えられる。対象者の眠気が強いほど、フィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）の値が小さくなると考えられる。

第１例で眠気推定装置１３が出力する開眼度の時系列情報は、眠気推定情報の例に該当する。眠気推定装置１３が、眠気推定情報としてフィルタリング無しのＸ（ｔ）、Ｘ_Ｌ（ｔ）、Ｘ_Ｒ（ｔ）のうちの何れか、またはこれらの組み合わせを出力するようにしてもよい。あるいは、眠気推定装置１３が、眠気推定情報としてフィルタリング後のＸ_Ｆ（ｔ）、Ｘ_ＦＬ（ｔ）、Ｘ_ＦＲ（ｔ）のうちの何れか、またはこれらの組み合わせを出力するようにしてもよい。
眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報に対して上述した補正を行い、補正後眠気推定情報を出力する。

あるいは、眠気推定装置１３が、フィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）のばらつき度を算出し、算出したばらつき度を第１の特徴量Ｆ１（Ｔ）として出力するようにしてもよい。この場合、第１の特徴量Ｆ１（Ｔ）は、眠気推定情報の例に該当する。
第１の特徴量Ｆ１（Ｔ）は、式（８）のように示される。

ここで、Ｔは時間のインデックスであり、特徴量算出窓の窓番号（０，１，２，・・・）を示す。
Ｖ［］は、ばらつき度を計算する演算子である。ここでいうばらつき度として、例えば、分散、標準偏差、最大値と最小値との差分、または、エントロピーなど、いろいろなものを用いることができる。
Ｍは特徴量抽出処理用のフレーム数を示す。特徴量算出窓幅Ｔ_Ｍ［秒］とフレームレートｆｓ［フレーム／秒］とを用いて、「Ｍ＝Ｔ_Ｍ×ｆｓ」と表される。

なお、眠気推定装置１３が用いるデータは、式（８）に示されるフィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）に限定されない。眠気推定装置１３が、式（８）のフィルタリング後の開眼度の時系列情報Ｘ_Ｆ（ｔ）に代えて、フィルタリング後の左眼の開眼度の時系列情報Ｘ_ＦＬ（ｔ）、または、フィルタリング後の右眼の開眼度の時系列情報Ｘ_ＦＲ（ｔ）を用いるようにしてもよい。

例えば、眠気推定装置１３が、特徴量算出窓幅Ｔ_Ｍ［秒］内での、フィルタリング後の左眼の開眼度の時系列情報Ｘ_ＦＬ（ｔ）のばらつき度を算出し、そのばらつき度を第１の特徴量Ｆ１（Ｔ）として出力するようにしてもよい。また、眠気推定装置１３が、特徴量算出窓幅Ｔ_Ｍ［秒］内での、フィルタリング後の右眼の開眼度の時系列情報Ｘ_ＦＲ（ｔ）のばらつき度を算出し、そのばらつき度を第１の特徴量Ｆ１（Ｔ）として出力するようにしてもよい。
この場合、第１の特徴量Ｆ１（Ｔ）は、眠気推定情報の例に該当する。

[第２例]
第２例は、特徴量算出の処理が後述するように相違している点を除いて、第１例の場合と同様である。
第２例では、眠気推定装置１３は、開眼度の時系列情報Ｘ（ｔ）のフレーム間差分の絶対値（以下、「フレーム間差分」と呼ぶ）を算出し、特徴量算出窓幅（Ｔ_Ｍ）［秒］内のフレーム間差分の最大値を求め、その最大値を第２の特徴量Ｆ２（Ｔ）として出力する。
したがって、眠気推定装置１３は、開眼度の時系列情報Ｘ（ｔ）から第２の特徴量Ｆ２（Ｔ）を算出して、出力する。このフレーム間差分の絶対値の最大値は、眠い状態では値が小さくなり、目が冴えている状態では大きくなるため、眠気の推定に有用である。
フレーム間差分の最大値、すなわち、第２の特徴量Ｆ２（Ｔ）は、式（９）のように示される。

ここで、「１－ｍａｘ［］」としているのは、他の特徴量と同様に、眠気が少ないほど値が小さくなるようにするためである。
なお、眠気推定装置１３が用いるデータは、式（９）に示される開眼度の時系列情報Ｘ（ｔ）に限定されない。眠気推定装置１３が、式（９）の開眼度の時系列情報Ｘ（ｔ）に代えて、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）、または、右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）を用いるようにしてもよい。

例えば、眠気推定装置１３が、特徴量算出窓幅Ｔ_Ｍ［秒］内での、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）のフレーム間の差分の最大値を算出し、その最大値を第２の特徴量Ｆ２（Ｔ）として出力するようにしてもよい。また、眠気推定装置１３が、特徴量算出窓幅Ｔ_Ｍ［秒］内での、右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）のフレーム間の差分の最大値を算出し、その最大値を第２の特徴量Ｆ２（Ｔ）として出力するようにしてもよい。
第２例で眠気推定装置１３が出力する第２の特徴量Ｆ２（Ｔ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第２の特徴量Ｆ２（Ｔ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

[第３例]
第３例は、特徴量算出の処理が相違している点を除いて、第１例と同様である。
第３例では、眠気推定装置１３は、開眼度の時系列情報Ｘ（ｔ）から閉眼を検知し、特徴量算出窓幅（Ｔ_Ｍ）［秒］内の閉眼割合（閉眼の割合）を求め、その閉眼割合を第３の特徴量Ｆ３（Ｔ）として出力する。したがって、眠気推定装置１３は、開眼度の時系列情報Ｘ（ｔ）から第３の特徴量Ｆ３（Ｔ）を算出して、出力する。この閉眼割合は、眠い状態では値が大きくなり、目が冴えている状態では小さくなるため、眠気の推定に有用である。
閉眼割合、すなわち、第３の特徴量Ｆ３（Ｔ）は、式（１０）のように示される。

ただし、Ｃは、特徴量算出窓幅（Ｔ_Ｍ）［秒］に含まれる開眼度の時系列情報［Ｘ（Ｔ×Ｍ＋ｔ）、・・・、Ｘ（Ｔ×Ｍ＋ｔ－Ｍ＋１）］の要素のうち、閉眼判定閾値（例えば、０．５）を下回る要素数とする。
なお、眠気推定装置１３が、第３の特徴量Ｆ３（Ｔ）の算出に、開眼度の時系列情報Ｘ（ｔ）に代えて、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）、または、右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）を用いるようにしてもよい。その場合、眠気推定装置１３は、特徴量算出窓幅Ｔ_Ｍ［秒］内での、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）の閉眼割合を算出し、その閉眼割合を第３の特徴量Ｆ３（Ｔ）として出力する。また、眠気推定装置１３は、特徴量算出窓幅Ｔ_Ｍ［秒］内での、右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）の閉眼割合を算出し、その閉眼割合を第３の特徴量Ｆ３（Ｔ）として出力する。

また、眠気推定装置１３が、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）と右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）との両方が同時に閉眼している割合を算出し、その閉眼割合を第３の特徴量Ｆ３（Ｔ）として出力するようにしてもよい。また、眠気推定装置１３が、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）の閉眼割合、右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）の閉眼割合をそれぞれ算出し、それらを要素とする第３の特徴量Ｆ３（Ｔ）=[Ｘ_Ｌ（ｔ）の閉眼割合、Ｘ_Ｒ（ｔ）の閉眼割合]を出力するようにしてもよい。また、眠気推定装置１３が、複数の閉眼判定閾値（例えば、０．５と０．８等）を用いて、複数の閉眼割合を算出し、それらを要素とする第３の特徴量Ｆ３（Ｔ）=[閉眼判定閾値０．５の場合の閉眼割合、閉眼判定閾値０．８の場合の閉眼割合]を出力するようにしてもよい。
第３例で眠気推定装置１３が出力する第３の特徴量Ｆ３（Ｔ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第３の特徴量Ｆ３（Ｔ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

[第４例]
第４例は、特徴量算出の処理が相違している点を除いて、第１例と同様である。
第４例では、眠気推定装置１３は、左眼の開眼度の時系列情報Ｘ_Ｌ（ｔ）と右眼の開眼度の時系列情報Ｘ_Ｒ（ｔ）との間の動き差分の絶対値（以下、「動き差分」と呼ぶ）を算出し、特徴量算出窓幅（Ｔ_Ｍ）［秒］内の上記動き差分の平均値を求め、その動き差分の平均値を第４の特徴量Ｆ４（Ｔ）として出力する。

したがって、眠気推定装置１３は、開眼度の時系列情報Ｘ（ｔ）から第４の特徴量Ｆ４（Ｔ）を算出して、出力する。この動き差分平均値は、眠い状態では値が大きくなり、目が冴えている状態では小さくなるため、眠気の推定に有用である。
動き差分の平均値、すなわち、第４の特徴量Ｆ４（Ｔ）は、式（１１）のように示される。

第４例で眠気推定装置１３が出力する第４の特徴量Ｆ４（Ｔ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第４の特徴量Ｆ４（Ｔ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

[第５例]
第５例は、特徴量算出の処理が相違している点を除いて、第１例と同様である。
第５例では、眠気推定装置１３は、ある特徴量算出窓幅（Ｔ_Ｍ）［秒］で算出された第１の特徴量Ｆ１（Ｔ）とそれに隣接する特徴量算出窓幅（Ｔ_Ｍ）［秒］で算出された第１の特徴量Ｆ１（Ｔ－１）との差分の絶対値（以下、「隣接窓間の差分」と呼ぶ）を算出して、その隣接窓間の差分を第５の特徴量Ｆ５（Ｔ）として出力する。

したがって眠気推定装置１３は、第１の特徴量Ｆ１（Ｔ）における隣接窓間の差分を第５の特徴量Ｆ５（Ｔ）として算出して、出力する。この隣接窓間の差分は、眠い状態では値が大きくなり、目が冴えている状態では小さくなるため、眠気の推定に有用である。
隣接窓間の差分、すなわち、第５の特徴量Ｆ５（Ｔ）は、式（１２）のように示される。

なお、眠気推定装置１３が、第１の特徴量Ｆ１（Ｔ）における隣接窓間の差分に代えて、第２の特徴量Ｆ２（Ｔ）における隣接窓間の差分、第３の特徴量Ｆ３（Ｔ）における隣接窓間の差分、または、第４の特徴量Ｆ４（Ｔ）における隣接窓間の差分を、第５の特徴量Ｆ５（Ｔ）として算出し、出力するようにしてもよい。
第５例で眠気推定装置１３が出力する第５の特徴量Ｆ５（Ｔ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第５の特徴量Ｆ５（Ｔ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

[第６例]
第６例は、特徴量算出の処理が相違している点を除いて、第１例と同様である。
第６例では、眠気推定装置１３は、第１の特徴量Ｆ１（Ｔ）の対数を算出して、その対数を第６の特徴量Ｆ６（Ｔ）として出力する。したがって、眠気推定装置１３は、第１の特徴量Ｆ１（Ｔ）の対数を第６の特徴量Ｆ６（Ｔ）として算出して、出力する。ここで、一般に人の感覚は対数に従っていると言われている。眠気推定装置１３が、第１の特徴量Ｆ１（Ｔ）の対数をとることで、人の感覚に近い眠気推定情報を出力できる。
第１の特徴量の対数、すなわち、第６の特徴量Ｆ６（Ｔ）は、式（１３）のように示される。

ここで、αは正の小さな値、例えば、１０^－６である。第１の特徴量Ｆ１（Ｔ）に正の小さな値αを加えているのは、対数の中身がゼロにならないようにするためである。
なお、眠気推定装置１３が、第１の特徴量Ｆ１（Ｔ）の対数に代えて、第２の特徴量Ｆ２（Ｔ）の対数、第３の特徴量Ｆ３（Ｔ）の対数、第４の特徴量Ｆ４（Ｔ）の対数、または、第５の特徴量Ｆ５（Ｔ）の対数を第６の特徴量Ｆ６（Ｔ）として算出し、出力するようにしてもよい。
第６例で眠気推定装置１３が出力する第６の特徴量Ｆ６（Ｔ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第６の特徴量Ｆ６（Ｔ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

第６例で眠気推定装置１３が出力する第６の特徴量Ｆ６（Ｔ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第６の特徴量Ｆ６（Ｔ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

[第７例]
第７例は、特徴量算出の処理が相違している点を除いて、第１例の場合と同様である。
第７例～第９例では、眠気推定装置１３は、統計量算出窓幅Ｔ_Ｋ［秒］毎に、後述するように、上述した特徴量（例えば第１の特徴量Ｆ１（Ｔ））の統計量Ｆ７（Ｓ）～Ｆ９（Ｓ）を算出し、特徴量として用いる。ここで、Ｓは時間のインデックスであり、統計量算出窓の窓番号（０，１，２，・・・）を示す。例えば、統計量算出窓幅Ｔ_Ｋ［秒］内の第１の特徴量Ｔ１（Ｔ）の個数がＫ個であるとする。

第７例では、眠気推定装置１３は、上述した特徴量として第１の特徴量Ｆ１（Ｔ）を用い、統計量として第１の特徴量Ｆ１（Ｔ）の平均値を用いる。眠気推定装置１３は、統計量算出窓幅Ｔ_Ｋ［秒］内の、第１の特徴量Ｆ１（Ｔ）の平均値を算出して、その平均値を第７の特徴量Ｆ７（Ｓ）として出力する。したがって、眠気推定装置１３は、統計量算出窓幅Ｔ_Ｋ［秒］毎に、第１の特徴量Ｆ１（Ｔ）の平均値を、第７の特徴量Ｆ７（Ｓ）として算出して、出力する。
第１の特徴量の平均値、すなわち、第７の特徴量Ｆ７（Ｓ）は、式（１４）のように示される。

average［］は要素の平均値を算出する演算子である。
式（１４）におけるＴの値は、第１の特徴量Ｆ１を求める際の特徴量算出窓の窓番号と、第７の特徴量Ｆ７を求める際の特徴量算出窓の窓番号との関係を示すオフセットの役割を果たす。

眠気推定装置１３が、第１の特徴量Ｆ１（Ｔ）の平均値に代えて、第２の特徴量Ｆ２（Ｔ）の平均値、第３の特徴量Ｆ３（Ｔ）の平均値、第４の特徴量Ｆ４（Ｔ）の平均値、第５の特徴量Ｆ５（Ｔ）の平均値、第６の特徴量Ｆ６（Ｔ）の平均値を用いて第７の特徴量Ｆ７（Ｓ）を算出し、出力するようにしてもよい。
第７例で眠気推定装置１３が出力する第７の特徴量Ｆ７（Ｓ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第７の特徴量Ｆ７（Ｓ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

[第８例]
第８例は、特徴量算出の処理が相違している点を除いて、第１例と同様である。
第８例では、眠気推定装置１３は、統計量算出窓幅Ｔ_Ｋ［秒］内の、第１の特徴量Ｆ１（Ｔ）の標準偏差を算出して、その標準偏差を第８の特徴量Ｆ８（Ｓ）として出力する。
したがって、眠気推定装置１３は、統計量算出窓幅Ｔ_Ｋ［秒］毎に、第１の特徴量Ｆ１（Ｔ）の標準偏差を、第８の特徴量Ｆ８（Ｓ）として算出して、出力する。
第１の特徴量の標準偏差、すなわち、第８の特徴量Ｆ８（Ｓ）は、式（１５）のように示される。

standard_dev［］は要素の標準偏差を算出する演算子である。
式（１５）におけるＴの値は、第１の特徴量Ｆ１を求める際の特徴量算出窓の窓番号と、第８の特徴量Ｆ８を求める際の特徴量算出窓の窓番号との関係を示すオフセットの役割を果たす。

眠気推定装置１３が、第１の特徴量Ｆ１（Ｔ）に代えて、第２の特徴量Ｆ２（Ｔ）、第３の特徴量Ｆ３（Ｔ）、第４の特徴量Ｆ４（Ｔ）、第５の特徴量Ｆ５（Ｔ）、または、第６の特徴量Ｆ６（Ｔ）の標準偏差を、第８の特徴量Ｆ８（Ｓ）として算出し、出力するようにしてもよい。
第８例で眠気推定装置１３が出力する第８の特徴量Ｆ８（Ｓ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第８の特徴量Ｆ８（Ｓ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

[第９例]
第９例は、特徴量算出の処理が相違している点を除いて、第１例と同様である。
第９例では、眠気推定装置１３は、統計量算出窓幅Ｔ_Ｋ［秒］内の、第１の特徴量Ｆ１（Ｔ）の分散を算出して、その分散を第９の特徴量Ｆ９（Ｓ）として出力する。したがって、眠気推定装置１３は、統計量算出窓幅Ｔ_Ｋ［秒］毎に、第１の特徴量Ｆ１（Ｔ）の分散を、第９の特徴量Ｆ９（Ｓ）として算出して、出力する。
第１の特徴量の分散、すなわち、第９の特徴量Ｆ９（Ｓ）は、式（１６）のように示される。

variance［］は要素の分散値を算出する演算子である。
式（１６）におけるＴの値は、第１の特徴量Ｆ１を求める際の特徴量算出窓の窓番号と、第９の特徴量Ｆ９を求める際の特徴量算出窓の窓番号との関係を示すオフセットの役割を果たす。

眠気推定装置１３が、第１の特徴量Ｆ１（Ｔ）の分散に代えて、第２の特徴量Ｆ２（Ｔ）の分散、第３の特徴量Ｆ３（Ｔ）の分散、第４の特徴量Ｆ４（Ｔ）の分散、第５の特徴量Ｆ５（Ｔ）の分散、または、第６の特徴量Ｆ６（Ｔ）の分散を、第９の特徴量Ｆ９（Ｔ）として算出し、出力するようにしてもよい。
第９例で眠気推定装置１３が出力する第９の特徴量Ｆ９（Ｓ）は、眠気推定情報の例に該当する。眠気推定情報補正装置１４は、眠気推定装置１３が出力する眠気推定情報（第９の特徴量Ｆ９（Ｓ））に対して上述した補正を行い、補正後眠気推定情報を出力する。

眠気推定装置１３が、上述した特徴量Ｆ１（Ｔ）～Ｆ９（Ｓ）のうち何れか１つのみを眠気推定情報として出力するようにしてもよい。あるいは、眠気推定装置１３が、特徴量Ｆ１（Ｔ）～Ｆ９（Ｓ）のうち複数を眠気推定情報として出力するようにしてもよい。

＜実施形態の構成の例＞
つぎに、図１３から図１６を参照して、実施の形態の構成の例について説明する。
図１３は、実施形態に係る眠気推定情報補正装置の構成の例を示す図である。図１３に示す眠気推定情報補正装置６１０は、眠気推定情報取得部６１１と、眠気推定情報補正部６１２とを備える。

かかる構成で、眠気推定情報取得部６１１は、対象者の瞼の動きに基づく眠気推定情報を取得する。眠気推定情報補正部６１２は、眠気推定情報取得部６１１が取得する眠気推定情報を、対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する。
これにより、眠気推定情報補正装置６１０では、対象者の眠気推定情報（補正後眠気推定情報）を算出する際、周囲環境の影響による推定精度の低下を軽減できる。

図１４は、実施形態に係る眠気推定装置の構成の例を示す図である。図１４に示す眠気推定装置６２０は、瞼動き情報取得部６２１と、眠気推定部６２２とを備える。
かかる構成で、瞼動き情報取得部６２１は、対象者の瞼の動き情報を取得する。眠気推定部６２２は、瞼動き情報取得部６２１が取得する瞼の動き情報と、対象者の周囲環境における湿度を示す湿度情報とに基づいて、対象者の眠気推定情報を算出する。
これにより、眠気推定装置６２０では、対象者の眠気を推定する際、推定精度の低下を軽減できる。特に眠気推定装置６２０では、対象者の周囲環境における湿度の影響によって眠気の推定精度が低下してしまうことを回避または軽減できる。

図１５は、実施形態に係る眠気推定情報補正方法における処理手順の例を示す図である。
図１５の処理では、対象者の瞼の動きに基づく眠気推定情報を取得し（ステップＳ１１）、取得した眠気推定情報を、対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する（ステップＳ１２）。

この眠気推定情報補正方法によれば、対象者の眠気を推定する際、推定精度の低下を軽減できる。特に、図１５の処理にかかる眠気推定補正情報では、対象者の眠気推定情報（補正後眠気推定情報）を算出する際、対象者の周囲環境における湿度の影響によって眠気の推定精度が低下してしまうことを回避または軽減できる。

図１６は、実施形態に係る眠気推定方法における処理手順の例を示す図である。
図１６の処理では、対象者の瞼の動き情報を取得し（ステップＳ２１）、取得した動き情報と、対象者の周囲環境における湿度を示す湿度情報とに基づいて、対象者の眠気推定情報を算出する（ステップＳ２２）。

この眠気推定方法によれば、対象者の眠気を推定する際、推定精度の低下を軽減できる。特に、図１６の処理にかかる眠気推定方法では、対象者の周囲環境における湿度の影響によって眠気の推定精度が低下してしまうことを回避または軽減できる。

図１７は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
図１７に示す構成で、コンピュータ７００は、ＣＰＵ７１０と、主記憶装置７２０と、補助記憶装置７３０と、インタフェース７４０とを備える。
上記の眠気推定情報補正装置１４、眠気推定装置４１、眠気推定情報補正装置６１０、または、眠気推定装置６２０のうち何れか１つ以上が、コンピュータ７００に実装されてもよい。その場合、上述した各処理部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ７１０は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置７２０に確保する。各装置と他の装置との通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。

眠気推定情報補正装置１４がコンピュータ７００に実装される場合、第１制御部１９０およびその各部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
また、ＣＰＵ７１０は、プログラムに従って、第１記憶部１８０に対応する記憶領域を主記憶装置７２０に確保する。第１通信部１１０が行う通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。

眠気推定装置４１がコンピュータ７００に実装される場合、第２制御部２９０およびその各部の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
また、ＣＰＵ７１０は、プログラムに従って、第２記憶部２８０に対応する記憶領域を主記憶装置７２０に確保する。第２通信部２１０が行う通信は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。

眠気推定情報補正装置６１０がコンピュータ７００に実装される場合、眠気推定情報補正部６１２の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
また、眠気推定情報取得部６１１の動作は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。

眠気推定装置６２０がコンピュータ７００に実装される場合、眠気推定部６２２の動作は、プログラムの形式で補助記憶装置７３０に記憶されている。ＣＰＵ７１０は、プログラムを補助記憶装置７３０から読み出して主記憶装置７２０に展開し、当該プログラムに従って上記処理を実行する。
また、瞼動き情報取得部６２１の動作は、インタフェース７４０が通信機能を有し、ＣＰＵ７１０の制御に従って通信を行うことで実行される。

なお、眠気推定情報補正装置１４、眠気推定装置４１、眠気推定情報補正装置６１０、または、眠気推定装置６２０の全部または一部の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。ここでいう「コンピュータシステム」とは、ＯＳ（オペレーティングシステム）や周辺機器等のハードウェアを含む。
「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ（Read Only Memory）、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。

以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。

この出願は、２０１９年７月２２日に出願された日本国特願２０１９－１３４８３５を基礎とする優先権を主張し、その開示の全てをここに取り込む。

本発明は、眠気推定情報補正装置、眠気推定装置、眠気推定情報補正方法、眠気推定方法および記録媒体に適用してもよい。

１、４ 覚醒度制御システム
２、５ 運転制御システム
３、６ 警報システム
１１ カメラ
１２ 湿度センサ
１３ 眠気推定装置
１４ 眠気推定情報補正装置
１５ 覚醒度制御装置
１６ 環境制御装置
２１ 運転制御装置
２２ 運転装置
３１ 警報装置
４１ 眠気推定装置
１１０ 第１通信部（第１通信手段）
１８０ 第１記憶部（第１記憶手段）
１８１ 補正モデル記憶部（補正モデル記憶手段）
１９０ 第１制御部（第１制御手段）
１９１ 眠気推定情報補正部（眠気推定情報補正手段）

Claims (12)

1. 対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを眠気推定情報として取得する眠気推定情報取得手段と、
   前記眠気推定情報を、前記対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する眠気推定情報補正手段と、
   を備える眠気推定情報補正装置。
2. 前記眠気推定情報補正手段は、前記湿度が低いほど前記補正後眠気推定情報が小さくなるように補正を行う、
   請求項１に記載の眠気推定情報補正装置。
3. 前記眠気推定情報補正手段は、前記湿度が上限閾値より大きい場合、前記湿度が上限閾値の場合と同じ補正量の補正を行う、
   請求項１または請求項２に記載の眠気推定情報補正装置。
4. 前記眠気推定情報補正手段は、前記湿度が下限閾値より小さい場合、前記湿度が下限閾値の場合と同じ補正量の補正を行う、
   請求項１または請求項２に記載の眠気推定情報補正装置。
5. 前記眠気推定情報取得手段は、前記眠気推定情報として、前記対象者の開眼度を所定の頻度で繰り返し測定した時系列データを、連続する所定の個数の測定データごとに分割し、分割された所定の個数の測定データごとに開眼度の最大値をとったデータを取得する、
   請求項１から４の何れか一項に記載の眠気推定情報補正装置。
6. 前記眠気推定情報取得手段は、前記眠気推定情報として、前記対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、連続する２つの測定データごとに開眼度の差の大きさを求め、所定の時間幅ごとに、その時間幅に含まれる開眼度の差の大きさの最大値をとったデータを取得する、
   請求項１から５の何れか一項に記載の眠気推定情報補正装置。
7. 前記眠気推定情報取得手段は、前記眠気推定情報として、前記対象者の左眼、右眼それぞれ、開眼度を所定の頻度で繰り返し測定した時系列データから、連続する２つの測定データごとに開眼度の差を求め、さらに、左眼における差と右眼における差との差の絶対値を求め、所定の時間幅ごとに、その時間幅に含まれる差の絶対値の平均をとったデータを取得する、
   請求項１から６の何れか一項に記載の眠気推定情報補正装置。
8. 対象者の瞼の動き情報を取得する瞼動き情報取得手段と、
   前記瞼の動き情報と、前記対象者の周囲環境における湿度を示す湿度情報とに基づいて、前記対象者の眠気推定情報として、前記対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを算出する眠気推定手段と、
   を備える眠気推定装置。
9. コンピュータによって、
   対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを眠気推定情報として取得し、
   前記眠気推定情報を、前記対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する、
   ことを含む眠気推定情報補正方法。
10. コンピュータによって、
    対象者の瞼の動き情報を取得し、
    前記瞼の動き情報と、前記対象者の周囲環境における湿度を示す湿度情報とに基づいて、前記対象者の眠気推定情報として、前記対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを算出する、
    ことを含む眠気推定方法。
11. コンピュータに、
    対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを眠気推定情報として取得し、
    前記眠気推定情報を、前記対象者の周囲環境における湿度を示す湿度情報で補正した補正後眠気推定情報を算出する、
    ことを実行させるプログラム。
12. コンピュータに、
    対象者の瞼の動き情報を取得し、
    前記瞼の動き情報と、前記対象者の周囲環境における湿度を示す湿度情報とに基づいて、前記対象者の眠気推定情報として、前記対象者の開眼度を所定の頻度で繰り返し測定した時系列データから、所定の時間幅ごとにその時間幅内での閉眼割合を求めたデータを算出する、
    ことを実行させるプログラム。

Images