JP7476681B2

JP7476681B2 - 照明システム

Info

Publication number: JP7476681B2
Application number: JP2020100585A
Authority: JP
Inventors: 瑠衣中尾; 渚紗古賀
Original assignee: Toshiba Lighting and Technology Corp
Current assignee: Toshiba Lighting and Technology Corp
Priority date: 2020-06-10
Filing date: 2020-06-10
Publication date: 2024-05-01
Anticipated expiration: 2040-06-10
Also published as: JP2021197214A

Description

本発明の実施形態は、照明システムに関する。

照明を照射する対象者（照射対象者）の集中度に応じて、照射する照明を制御する照明システムが知られている（例えば、特許文献１）。しかし、このような照明システムは、人の集中度という数値化しにくいパラメータを元に制御を行うため、集中度の推定が困難であったり、人によって差があったり、人に合った制御を適切に提供できない虞があった。また集中度の推定精度を向上するには、人が測定器（例えば、脈拍測定器や、集中度を測定するメガネ）を身に着け人に近い位置でデータを取得する必要があり、システムが煩雑になる虞があった。

特開２０１５－１９５３０９号公報

本発明が解決しようとする課題は、簡単な構成で、人に合った制御状態を提供できる照明システムを提供することである。

実施形態の照明システムは、光を照射する照明部と、照明部の光照射範囲内に存在する人の情報を取得する取得部と、取得部で取得した情報から人の視覚的な特徴を含む属性を判断する判断部と、判断部で判断された属性に応じて照明部の照明態様を制御する制御部と、を備える。判断部は、取得部で取得した情報となる検知データから体属性を抽出し、検知データにおいて体属性が抽出した位置から、検知データに含まれる人数と、人の位置と、を判断し、検知データ内にいると判断した人物をラベリングし、人物のそれぞれと抽出した体属性とを関連付け、検知データから被服属性を抽出し、抽出した被服属性を人物のラベリングに関連付け、抽出した体属性及び被服属性と、過去の検知データに関連付けられている体属性及び被服属性と、を比較することにより、動作属性を抽出し、抽出した動作属性を用いて、検知データでの人物属性を判断する。

実施形態によれば、簡単な構成で、人に合った制御状態を提供できる照明システムを提供することが期待できる。

一実施形態の照明システムの全体図である。一実施形態の照明システムの照明部を示す図である。一実施形態の照明システムの取得部を示すブロック図である。一実施形態の照明システムの処理部を示すブロック図である。一実施形態の照明システムの流れを示すフロー図である。身体属性の一例を示す表である。動作属性の一例を示す表である。一実施形態の照明システムの流れにおけるステップＳ２の詳細を示すフロー図である。照明態様テーブルの一例を示す表である。一実施形態の照明システムの過去の検知データと身体属性の一例を示す図である。一実施形態の照明システムの現在の検知データと身体属性の一例を示す図である。

以下、一実施形態を、図面を参照して説明する。

図１に本実施形態の照明システム１を示す。本実施形態の照明システム１は、照明部２と、取得部３と、処理部４と、制御部５と、を備えている。照明システム１は、環境Ａにいる対象Ｂとその近傍に光を照射（照明）する際に用いられる照明システムである。環境Ａは、家庭、オフィス、店舗、工場など、一般的に照明を用いる環境である。また環境Ａは、図１に示すように壁で囲まれた閉鎖された空間であって良いし、図１とは異なり少なくとも１方向には壁が存在せず開放された空間であっても良い。そして、対象Ｂは、例えば人間であり、衣服や眼鏡などを身に着けていたり、何らかの作業や動作を行っていたりする。

照明部２は、環境Ａに光を照射するように配設される照明装置である。そして、照明部２は、全般照明手段と、局所照明手段と、を備えている。全般照明手段とは、所謂、アンビエント照明を提供する手段であり、配光が広い光を照射する手段のことを言う。局所照明手段とは、所謂、タスク照明を提供する手段であり、配光が狭い光を照射する手段のことを言う。また環境Ａにおいて、全般照明手段の光が照射される範囲かつ局所照明手段の光が照射される範囲の任意の１点の照度は、全般照明手段でのみ照射された際の照度を１とすると、局所照明手段でのみ照射された際の照度は１以上となることが好ましい。

図２に照明部２の一例を示す。図２の照明部２は、全般照明手段を備えた全般照明装置２１と、局所照明手段を備えた局所照明装置２２と、を備えている。本実施形態の全般照明装置２１はベースライトであり、環境Ａの天井Ａ’に配設されている。また、本実施形態の局所照明装置２２はダウンライトであり、環境Ａの天井Ａ’に埋め込まれるように配設されている。なお、照明部２の形態としては、図２に示す形態に限定されるものではない。照明部２は、環境Ａに配設されていれば良く、環境Ａの壁や、環境Ａに置かれた机上などに配設されていても良い。また、全般照明装置２１としてはシーリングライトなどの配光が広い照明装置を用いても良いし、局所照明装置２２としては、スポットライトなどの配光が狭い照明装置を用いても良い。さらに、１つの照明装置が、全般照明手段と、局所照明手段と、の両方を備えていても良い。１つの照明装置が、全般照明手段と、局所照明手段と、の両方を備える方法としては、例えば、照明装置がレンズを備えており、レンズを自動で切り替えたりレンズを手動で付け替えたりすることで全般照明と局所照明を切り替えたり、照明装置が配光の異なる２種類以上の光源を備えており、それぞれの光源を点灯、消灯させることで全般照明と局所照明を切り替えたりする方法が考えられる。

また照明部２は、照度（明るさ）を調整できる調光機能や、色度を調整できる調色機能を備えていることが好ましい。調色機能としては、色度図上のある２点間や３点間で色度を調整するような色温度可変機能でも良いし、色度図上の広い範囲の色を再現することが可能なフルカラー機能であっても良い。

取得部３を図３に示す。取得部３は、検知部３１と、取得通信部３２と、を備える。検知部３１は、例えばＣＣＤ（Charge Coupled Device）素子やＣＭＯＳ（Complementary Metal Oxide Semiconductor）素子等の固体撮像素子を備えたカメラや画像センサである。取得部３は、検知部３１で環境Ａの中の対象Ｂの状況を検知可能なように１つないし複数配設され、検知部３１で、環境Ａにいる対象Ｂの状況を検知し、対象Ｂの状況を画像や動画といった検知データの形で取得する。ここでの対象Ｂの状況とは、例えば、対象Ｂの服装や身に着けているものの状況であったり、対象Ｂの動作・作業の状況であったりする。そして、検知部３１は取得した検知データを、取得通信部３２へ渡す。取得部３は、環境Ａの上方（例えば、環境Ａの天井Ａ’）に配設され、上方から下方に向かって検知することが好ましい。

取得通信部３２は、少なくともデータや信号を送信する機能を備えており、検知部３１で取得した検知データを後述する処理部４へ送信する。この送信は、無線通信で行われても、有線通信で行われても良い。そして、この取得通信部３２から送信する動作は、検知部３１から検知データを渡された段階で行われる。

検知部３１で検知データを取得する動作は、一定間隔で行われても良い。例えば、照明部２の状況に関わらず２４時間常に一定間隔で取得動作が行われても良いし、照明部２が点灯している間だけ一定間隔で取得動作が行われても良い。また、検知部３１で検知データを取得する動作としては、外部からトリガーが入力された段階で行われても良い。例えば、取得通信部３２が外部から信号を受信したことをトリガーとして、検知部３１で検知データを取得する動作が行われても良い。

さらに、取得通信部３２から処理部４へ検知データを送信する動作は、検知データが変化した段階で送信されても良い。つまり、取得部３では検知データの変化を検知しており、検知データが変化した時に、変化が見られた検知データを処理部４へ送信する。この場合、変化が見られない検知データは処理部４へ送信されない。なお、検知データが変化するということは、対象Ｂの状況に何らかの変化があったことを示している。例えば、動作（業務）の状況が変化したり、身に着けているものが変化したり、ということが挙げられる。この場合、取得部３は、検知データを記憶する機能（検知記憶部）と、検知データの差分を算出する機能（検知差分算出部）と、を備えていることが望ましい。検知データが画像データの場合の例を挙げると、１つ前に検知部３１で取得された検知データと、今回検知部３１で取得された検知データと、の差分を算出し、その差分が閾値を超えている場合は、今回の検知データを処理部４へ送信する。検知データが動画データの場合は、検知データに含まれるフレーム（コマ）単位での比較を行う。例えば、１つ前に検知部３１で取得された検知データの最初のフレームと、今回検知部３１で取得された検知データの最初のフレームと、の差分を算出し、その差分が閾値を超えている場合は今回の検知データを処理部４へ送信する。また例えば、今回検知部３１で取得された検知データの最初のフレームと、今回検知部３１で取得された検知データの最後のフレームとの差分を算出し、その差分が閾値を超えている場合は今回の検知データを処理部４へ送信する。

なお取得部３は、検知部３１で環境Ａの中の対象Ｂの状況を検知可能、かつ、処理通信部３２でのデータや信号の送信（構成によっては受信も）が可能なように配設されれば良いため、取得部３の全てが環境Ａの中に配設されなくても良い。例えば、検知部３１の撮影部（レンズ）だけが環境Ａに配設され、後の部分は環境Ａの外側に配設されても良い。

処理部４を図４に示す。処理部４は、処理通信部４１と、判断部４２と、記憶部４３と、を備えている。処理部４は、取得部３で取得した検知データを受信して、検知データの特徴を抽出することで検知データの内容を判断し、その判断に応じた信号を出力する。処理部４から出力された信号は、後述する制御部５が受信する。そのため処理部４は、取得部３で取得した検知データを受信可能、処理部４から送信した信号を制御部５で受信可能であれば、どのような位置に配設されても良い。処理部４は、照明部２と同じく環境Ａに配設されても良いし、環境Ａの外に配設されても良いし、照明部２に組み込まれていても良い。さらに処理部４は、インターネット等を介してアクセス可能なクラウドサービスを提供するクラウドサーバ上に設けられてもよい。

処理通信部４１は、データや信号を受信する受信機能と、データや信号を送信する送信機能と、を有している。この受信や送信は、無線通信で行われても、有線通信で行われても良い。

判断部４２は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等のプロセッサを備えており、プロセッサが記憶部４３に記憶されているプログラムを実行することにより、プログラムの機能を実現する。また判断部４２は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現することができる。

記憶部４３は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。そして、処理通信部４１で受信した情報や信号、判断部４２を動作させるプログラム、照明部２の種類や位置データ、取得部３の位置データ、判断部４２で抽出された結果、判断結果などを記憶する。また詳細は後述するが、記憶部４３は照明制御を決定する際に使用される照明態様テーブルを記憶していても良い。

制御部５は、データや信号を受信する受信機能と、データや信号を送信する送信機能と、を有している。この受信や送信は、無線通信で行われても、有線通信で行われても良い。そして、処理部４から送信された信号を受信し、その信号に基づいた制御信号を照明部２へ送信し、照明部２を制御する。制御部５は、照明部２や処理部４とは別体に配設されていても良いし、照明部２と一体に配設されていても良いし、処理部４と一体に配設されていても良い。また照明部２が複数の照明装置からなる場合は、制御部５も照明装置と同数分配設されても良い。

次に、図５を参照して照明システム１全体の動きについて説明する。照明システム１では、検知部３で取得された検知データを元に、照明部２の照明態様を変化させる制御が行われる。ここでの照明態様の変化とは、全般照明から局所照明への切り替え、局所照明から全体照明への切り替え、全般照明と局所照明の出力割合変更、明るさ変更（調光）、照射色の変更（調色）、さらにこれらの変更の組合せなどが挙げられる。

まず、取得部３で環境Ａの対象Ｂの状況を検知データとして取得し、その後検知データを処理部４へ送信する動作が行われる（ステップＳ１）。上述したように、取得部３の検知部３１で検知データを取得し、その検知データを取得通信部３２へ渡し、取得通信部３２が処理部４へ検知データを送信する。ここでの検知データは、画像データであったり、動画データであったりする。

次に、取得部３から送信された検知データを処理部４が受信し、処理部４で検知データの属性を判断する動作が行われる（ステップＳ２）。上述したように、取得部３から送信された検知データは、処理部４の処理通信部４１が受信し、処理通信部４１から判断部４２へ渡される。判断部４２では、検知データの属性を判断する。ここでの検知データの属性とは、例えば、検知データに含まれる対象Ｂの人物属性であったり、検知データに含まれる対象Ｂ以外の部分の環境属性であったりするが、いずれも視覚的な特徴に基づいて判断される属性である。またここでの視覚的な特徴とは、目やカメラでとらえることが可能な特徴であり、人間の身体的な特徴であったり、人間が身に着けている被服の特徴であったり、環境Ａに配置されている物の特徴であったりする。なお、処理部４で検知データの属性を判断できなかった場合は、ステップは終了する。ステップＳ２の詳細は後述する。

その次のステップとしては、処理部４で判断された属性を元に照明態様を決定する動作が行われる（ステップＳ３）。この照明態様を決定する動作は、予め定められた照明態様テーブルに則って決定されても良いし、機械学習により生成された学習モデルを利用して決定されても良い。ステップＳ３の詳細も後述する。

さらに次のステップとしては、処理部４で決定された照明態様に基づく制御指令が処理部４から制御部５へ送信され（ステップＳ４）、制御部５が照明部２を制御する（ステップＳ５）。ステップＳ４での制御指令は、制御信号そのものであっても良いし、制御信号そのものではなく、制御の内容を示す情報であっても良い。制御の内容を示す情報を処理部４から制御部５へ送信する場合は、情報を受け取った制御部５で制御信号に変換し、その制御信号で照明部２を制御する。照明部２が複数の照明装置からなる場合や、制御部５が複数存在する場合は、処理部４から送信する制御指令に宛先情報を含むことが望ましい。例えば、照明装置２や制御部５に識別ナンバーが付与されており、その識別ナンバーを含む制御指令であることが望ましい。

このようなステップで、取得部３で取得された環境Ａの対象Ｂの状況を示す検知データを元に照明制御が行われる。そのため、環境Ａにいる対象Ｂはウェアラブル端末などを身に着けなくても照明制御を行うことができ、システムとして煩雑にならず、また対象Ｂもウェアラブル端末を着用することによる不快感を生じずに済む。

ステップＳ２、ステップＳ３の詳細を説明する。ステップＳ２、ステップＳ３は処理部４で実行されるステップである。また、上述したように検知データの属性は、検知データ内にいる人物属性や、検知データ内の環境属性などがあるが、以下では、検知データは環境Ａにおける対象Ｂを含む画像（写真）として、画像から対象Ｂの人物属性を判断し、照明態様を決定するステップについて説明する。なお、対象Ｂの人物属性は、対象Ｂの身体属性と、対象Ｂの動作属性と、に分類される。言い換えれば、検知データから対象Ｂの身体属性と、対象Ｂの動作属性と、が特定されれば対象Ｂの人物属性を特定することができる。

まず人物属性について説明する。図６に人物属性を構成する属性の１つである身体属性の一例を、図７に人物属性を構成する属性の１つである動作属性の一例を示す。身体属性はさらに２つに分類され、一方は髪、顔、体などの身体的な特徴を示す体属性で、他方は身に着けている帽子、メガネ、衣服、アクセサリなどの特徴を示す被服属性である。動作属性は、体属性や被服属性の動き、変化などの特徴を示す属性である。これらの身体属性や動作属性は、取得部３が環境Ａの上方（例えば、環境Ａの天井Ａ’）に配設され、上方から下方に向かって検知する場合に検知しやすい属性である。

次に、図８を参照して処理部４で行われるステップＳ２の流れを説明する。

まず、検知部３から送信された検知データを受信した処理部４にて、検知データから体属性を抽出する（ステップＳ２１）。体属性には、髪型や目などの場所、形状といった人の特徴と、目や口の開閉状態や、顔や体の位置・向きの状態といった人の状態と、が含まれる。そのため、検知データ内に複数の人が存在する場合でも、体属性を用いて一人一人を特定することができる。なお、髪型については帽子などを被っていると全体の抽出はできないが、帽子からはみ出している部分のみ（例えば、襟足、もみ上げなど）が抽出できれば良い。そして、体属性を抽出するステップＳ２１では、人数判断ステップと、人物特定ステップと、が行われる。

人数判断ステップでは、検知データから体属性が抽出された位置から、検知データに含まれる人数と、人の位置と、を判断する。例えば、体属性の髪を検知データ内の３か所で抽出できた場合は、検知データ内に３人の人がいると判断できる。この時、１つの体属性の位置だけではなく複数の体属性（例えば、髪、頭、体、手など）の位置を複合して判断することで、人数判断の精度を高めることができる。この人数判断ステップで、検知データ内は０人であると判断された場合は、ステップＳ２は終了となる。この場合、０人という結果に対して照明制御を行っても良いし、０人という結果に伴なって照明システム１の全体ステップも終了となり照明制御は行われなくても良い。

人物特定ステップは、検知データ内にいると判断された人物をラベリング（例えば、人物Ａ、Ｂ、Ｃなど）して、各人物と抽出された体属性と関連付ける。この関連付けによって個人が特定される。なお人物特定ステップは、人物判断ステップの後に行われることが望ましい。

次に、検知データから被服属性を抽出する（ステップＳ２２）。被服属性は、検知データ内にいると判断された人が身に着けている被服の属性である。ここでの被服とは身体に身に着けるものを指し、衣服、メガネ、帽子、アクセサリ、手袋、などを含む。そして被服属性とは、例えば、帽子を被っている人物であれば、その帽子が、ヘルメットなのか、キャップなのか、種類を抽出したり、帽子の色、帽子についている付属品（例えば、バッジ、ステッカーなど）を抽出したり、帽子の鍔の向きなどを抽出したりする。抽出された被服属性もステップＳ２１でされたラベリングに関連付けられる。

なお、このステップＳ２２が完了した段階で、検知データと、抽出した体属性と、抽出した被服属性と、を処理部４の記憶部４３に記憶しても良い。その場合、例えば、検知データを検知した日時や、検知データの取得ナンバー（連番）などと関連付けて記憶されることが望ましい。

次に、検知データから動作属性を抽出する（ステップＳ２３）。この動作属性の抽出では、過去データとの比較を行う。つまり、ステップＳ２２までで抽出してきた体属性や被服属性（以下、今回データと呼ぶ）と、処理部４の記憶部４３に記憶された過去の検知データに関連付けて記憶されている体属性や被服属性、動作属性（以下、過去データと呼ぶ）と、を比較して動作属性を抽出する。例えば、過去データと今回データの２つのデータの体属性を比較することで、２つのデータ間で人物の体のどの部位がどの方向に動いたかを抽出することができる。また２つのデータの被服属性を比較することで、２つのデータ間での被服の着脱や変更を抽出することができる。なお、ここで比較される過去データは、今回データの１つ前に取得された過去データであることが好ましいが、２つ以上前に取得された過去データであっても良い。

次に、検知データの人物属性を判断する（ステップＳ２４）。この人物属性の判断においては、ステップＳ２３で抽出された動作属性を用いて判断される。ステップＳ２３で抽出された動作属性のみを用いてできる人物属性の判断としては、例えば、被服の状況や、作業の状況などである。被服に関する動作属性から、被服を着用していない状態から着用した人、被服を着用した状態から外した人、被服を変更した人（帽子の鍔の向き、メガネの種類、衣服の種類など）、という人物属性が判断できる。また、ヘルメットを被っている人は定常的に作業している人、という人物属性が判断できるが、ヘルメットに責任者のステッカーが貼られた人は巡視に来た人、という人物属性が判断できる。さらに、手に関する動作属性から、○○作業に着手した人、○○作業を中断（終了）した人、という作業状況に関する人物属性が判断できる。

また人物属性の判断においては、ステップＳ２３で抽出された動作属性と、過去データの動作属性と、を比較して判断しても良い。ステップＳ２３で抽出された動作属性と、過去データの動作属性と、を比較して判断することで、ステップＳ２３で抽出された動作属性が一時的なものか、継続的なものかを考慮して人物属性を判断することができる。例えば、ステップＳ２３で頭が動かなかったという動作属性を抽出した場合を考えると、過去データでも頭が動かなかったという動作属性の場合は集中していると推定でき、集中して作業している人という人物属性が判断できる。また、例えば、ステップＳ２３で頭が方向Ａに移動したという動作属性を抽出した場合、過去データでは頭が方向Ａに移動したという動作属性の場合は、継続的（断続的）に頭を動かす作業をしていると推定でき、○○作業中の人という人物属性が判断できる。また、過去データでは頭が方向Ｂに移動したという動作属性の場合は、頭がランダムに動いているという推定ができ、無関連動作をしている人という人物属性が判断できる。なお、無関連動作とは集中力を欠いた人が行うような不規則な動作や、現在行っている作業に直接関係のない動作のことをいう。例えば、ウトウトして頭や体を動かす動作や、ソワソワして頭や体を動かす動作は無関連動作に含まれる。

このようにして、検知データから対象Ｂの人物属性が判断され、ステップＳ２４が完了するとともにステップＳ２も完了する。上述したステップは検知データが環境Ａにおける対象Ｂを含む画像（写真）の場合の紹介をしたが、検知データは動画であっても良い。検知データが動画である場合は、基本的には動画の最終フレームに対して上述したステップが行われる。また、過去データとの比較を行う場合は、同一動画データ内の過去フレームとの比較を行っても良く、異なる動画データのフレームとの比較を行っても良い。

なお、ステップＳ２（ステップＳ２４）が完了した段階で、抽出した人物属性の全てを処理部４の記憶部４３に記録（保存）することが望ましい。例えば、ステップＳ２２が完了した段階で、検知データと、体属性と、被服属性と、を記憶部４３に記録している場合は、その記録に付け足す形で動作属性も記録しても良い。また、ステップＳ２２が完了した段階で、検知データと、体属性と、被服属性と、を記憶部４３に記録していない場合は、検知データと、体属性と、被服属性と、動作属性と、をまとめて記憶部４３に記録しても良い。この場合も、検知データを検知した日時や、検知データの取得ナンバー（連番）などと関連付けて記憶されることが望ましい。

次に、ステップＳ３の照明態様を決定するステップについて詳細を説明する。ステップＳ３では、処理部４の判断部４２にて、ステップＳ２で判断された検知データの属性に応じた照明態様を決定する。この照明態様の決定においては、予め記憶部４３に記憶された照明態様テーブルに則って判断される。照明態様テーブルを図９に示す。なお、ステップＳ２にて検知データ内に０人という判断をした場合は、照明態様テーブルに則らず、照明を暗くする、または照明を消灯するという選択がされても良い。

照明態様テーブルは、検知データの属性と、その属性に対応する照明態様と、で構成されている。例えば、メガネを着用した人という人物属性に対しては、照度を上げるという照明態様が決定される。これはメガネを着用した場合、メガネによって光が吸収、反射することで目に入る光の量が低下してしまうためである。低下した光を補うために照度を上げる視認性を向上させるという照明態様が決定される。また、メガネを外した人という人物属性に対しては、照度を下げるという照明態様が決定される。これはメガネを外すことで目に入る光の量が増加するため、必要以上に光が供給されると、かえって視認性が低下してしまうためである。また、ＰＣ作業をしている人という人物属性に対しては、電球色で点灯するという照明態様が決定され、紙面作業をしている人という人物属性に対しては、昼白色で点灯するという照明態様が決定される。これは、ＰＣ画面や紙面を視認しやすい光色を供給する効果や、作業内容が変わったときに適切に照明の調光調色を行うことで、集中度向上や気分転換などの効果が得られるためである。さらに、作業に着手した人という人物属性に対しては、照度を上げるという照明態様が決定され、作業を中断（終了）した人という人物属性に対しては、照度を下げるという照明態様が決定される。これは、作業中の人に対しては照度を高くして作業効率を向上し、作業を中断（終了）した場合は照度を下げて省エネを図るという効果が得られるためである。また、集中して作業をしている人という人物属性に対しては、全般照明を点灯するという照明態様が決定され、無関連動作をしている人という人物属性に対しては、局所照明を点灯するという照明態様が決定される。これは、無関連動作は作業者の集中度の低下と共に現れるため、無関連動作をしている人に対しては局所照明により集中を促すという効果が得られる。局所照明により集中し、無関連動作が減少したり、一定時間が経過したりした後は集中して作業をしている人という人物属性に変わり、全般照明への切り替えが行われる。

また、図９に示した照明態様テーブルに記載されていない項目として、動作属性が前回から変わっていない場合は、現在の照明態様を維持するという決定がされても良い。また、例えば、帽子を着用している人という人物属性に対しては、照度を上げるという照明態様が決定され、帽子を外した人という人物属性に対しては、照度を下げるという照明態様が決定されても良い。これは、帽子によって遮光される光を補う方向に制御することを目的としている。同様に、帽子の鍔を顔側に動かした人という人物属性に対しては、照度を上げるという照明態様が決定され、帽子の鍔を後頭部側に動かした人という人物属性に対しては、照度を下げるという照明態様が決定されても良い。また、目薬を複数回さした人という人物属性に対しては、照度を上げたり、局所照明を点灯したりという照明態様が決定されても良い。目薬をさすケースの１つとしては眠気を感じたときが挙げられるため、眠気を解消させるための照明制御を目的とする。

ステップＳ３の照明態様の決定については、図９に示したようなテーブルで決定しなくても良い。その場合、処理部４は、上述したような判断を学習した人工知能を備えており、この人工知能に取得部３で取得した検知データを入力し、人工知能が照明態様を出力しても良い。

このようにして照明態様が決定されステップＳ３が完了する。その後、決定された照明態様を元に、処理部４から制御部５へ制御指令が出される（ステップＳ４）。このとき制御指令は、処理部４の記憶部４３に記憶されている照明部２の種類や位置データ、取得部３の位置データ、などを用いて判断される。例えば、取得部３で取得される検知データの範囲と照明部２の位置関係から制御する照明を判断したり、照明部の種類として記憶されている制御可能範囲を参照して照明部２の出力を判断したりする。なお、照明態様の決定を図９に示したようなテーブルで決定している場合は、動作属性から照明態様は一意に決定されるため、決定した照明対象を処理部４の記憶部４３に記憶部に記録する必要はない。しかし、人工知能を備えている場合は、決定した照明態様が記憶部４３に記録することが好ましい。

次に図１０を参照して本実施形態の照明システム１の動作例を示す。図１０（ａ）は過去の状態を示しており、図１０（ｂ）は現在の状態を示している。過去の状態とは、過去に照明システム１が動作した、動作済みの状態を示している。現在の状態がこれから紹介する動作を示している。図１０（ａ）、（ｂ）の左側は、処理部４の記憶部４３に記憶されている過去の検知データとほぼ一致する。ここでほぼ一致としているのは、説明のために図１０には照明部２と取得部３を記しているためである。取得部３で取得される検知データには照明部２や取得部３は含まれなくても良い。また、１０（ａ）、（ｂ）の右側は、左側の検知データから判断された人物属性（身体属性、動作属性）の一例である。図１０の例においては、環境Ａは任意の部屋であり、環境Ａには対象ＢとしてＢ１とＢ２の人物が存在している。Ｂ１は過去から現在までの間にメガネを着用しているが、Ｂ２には目立った動きはない状況である。そして、照明部２と取得部３が環境Ａの天井に配設されており、１台の照明部２が全般照明手段と局所照明手段との両方を備えている。

図１０（ｂ）を参照する。まず、取得部３で取得された検知データ（図１０左）が処理部４へ送信され、検知データの体属性を抽出する（ステップＳ２１）。そして、髪型ＡがＸ地点で抽出され、目と口がＸ地点とＹ地点で抽出され、正面向きの体がＸ地点とＹ地点で抽出される。ここで、処理部４は検知データのＸ地点とＹ地点に一人ずつの人物が存在することを判断する。そして、その人物をラベリングする。今回は、Ｘ地点にいる人をＢ１、Ｙ地点にいる人をＢ２とラベリングすることとする。詳細は割愛するが、この時点で、髪、顔、体の特徴から各個人が特定（判別）された状態となっている。

次に、検知データの被服属性を抽出する（ステップＳ２２）。ここでは、被服の種類、色、被服が抽出された位置から、Ｂ２が帽子を装着していること、Ｂ１が保護メガネを装着していること、Ｂ１とＢ２が作業着を装着していること、が判断される。なお、さらに詳細に色や付属品などの情報を付加して細分化しても良い。例えば、Ｂ１が青い作業着を装着していて、Ｂ２が黒い作業を装着しており、付属品として責任者バッジをつけている、といった判断でも良い。そして、被服属性を抽出した段階で、検知データ（図１０左）と、抽出した身体属性（図１０右）が処理部４の記憶部４３に記録しても良い。

次に、検知データの動作属性を抽出する（ステップＳ２３）。ここで、現在の身体属性と、過去の身体属性との比較を行う。つまり、今回抽出した図１０（ｂ）右の身体属性と、過去に抽出され処理部４の記憶部４３に記録されている図１０（ａ）右の身体属性と、を比較して動作属性を抽出する。今回は、現在の身体属性と、過去の身体属性と、の差はＢ１が保護メガネを装着した点であるため、動作属性としてＢ１が（保護）メガネを装着したということが抽出される。

次に、検知データの人物属性を判断する（ステップＳ２４）。人物属性は、現在の動作属性や過去の動作属性を用いて判断されるが、今回は動作属性としてＢ１が（保護）メガネを装着したということしか抽出されていないため、（保護）メガネを着用した人としてＢ１の人物属性が判断される。

そして、判断された人物属性をもとに照明態様を決定する（ステップＳ３）。今回は（保護）メガネを着用した人という属性から、Ｂ１の周囲の照度を上げる照明態様が決定される。なお、メガネの種類によって決定される照明態様が変化する構成でも良い。

そして、処理部４から制御部５へＢ１の周囲の照度を上げる制御指令が出される。ここでは、処理部４の記憶部４３に記憶されている照明部２の位置や制御可能範囲のデータからどのように制御するかの指令を出す。例えば、Ｂ１の直上の局所照明を点灯するという指令であっても良いし、環境Ａ全体の照度を上げるような指令であっても良い。そしてこの指令を受け取った制御部５が照明部２を制御する。

上述した例では、取得部３の検知部３１がカメラや画像センサであり、検知データが画像もしくは動画の例を挙げてきたが、取得部３の検知部３１は他のセンサであっても良い。例えば、検知部３１は圧力センサやジャイロセンサであり、環境Ａの対象Ｂが座る椅子の動きや圧力を感知しても良い。この場合、取得部３は椅子に配設される。例えば、圧力センサで椅子の圧力を検知した場合、検知データからは椅子に着席した人という人物属性が判断される。つまり、何らかの作業を開始することが推定されるため、作業をしやすいように照度を上げても良い。また例えば、ジャイロセンサで椅子の動きを検知した場合、検知データからは座っている向きを変えた人という人物属性が判断される。そして、その変えた向きに合わせて局所照明を点灯したりしても良い。また、座っている向きを変える
人いう人物属性が頻繁に判断される場合は、集中力を欠いていると判断できるため、集中を促すように局所照明を点灯したりしても良い。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、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。これら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。
以下、付記を記載する。
［１］光を照射する照明部と；
前記照明部の光照射範囲内に存在する人の情報を取得する取得部と；
前記取得部で取得した情報から前記人の視覚的な特徴を含む属性を判断する判断部と；
前記判断部で判断された属性に応じて、前記照明部の照明態様を制御する制御部と；
を備えることを特徴とする照明システム。
［２］前記属性は、前記人が身に着けている被服の特徴を含むことを特徴とする［１］記載の照明システム。

１照明システム
２照明部
３取得部
４処理部
４１処理通信部
４２判断部
４３記憶部
５制御部

Claims

光を照射する照明部と；
前記照明部の光照射範囲内に存在する人の情報を取得する取得部と；
前記取得部で取得した情報から前記人の視覚的な特徴を含む属性を判断する判断部と；
前記判断部で判断された属性に応じて、前記照明部の照明態様を制御する制御部と；
を備え、
前記判断部は、
前記取得部で取得した前記情報となる検知データから体属性を抽出し、前記検知データにおいて前記体属性が抽出した位置から、前記検知データに含まれる人数と、人の位置と、を判断し、
前記検知データ内にいると判断した人物をラベリングし、前記人物のそれぞれと抽出した前記体属性とを関連付け、
前記検知データから被服属性を抽出し、抽出した前記被服属性を前記人物の前記ラベリングに関連付け、
抽出した前記体属性及び前記被服属性と、過去の検知データに関連付けられている体属性及び被服属性と、を比較することにより、動作属性を抽出し、
抽出した前記動作属性を用いて、前記検知データでの人物属性を判断する、
ことを特徴とする照明システム。
前記判断部は、抽出した前記動作属性と、過去のデータでの動作属性と、を比較して、属性を判断することを特徴とする請求項１記載の照明システム。