JPH06137639A

JPH06137639A - 人体活動量算出装置およびそれを用いた居室環境制御機器

Info

Publication number: JPH06137639A
Application number: JP28315592A
Authority: JP
Inventors: Gichu Ota; 義注太田; Tetsuo Furuya; 哲夫古谷
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1992-10-21
Filing date: 1992-10-21
Publication date: 1994-05-20
Anticipated expiration: 2017-07-24
Also published as: JP3306124B2

Abstract

(57)【要約】【目的】人の小さな動きの活動量を正確に算出する人
体活動量算出装置を提供する。【構成】焦電素子１、零交差波による周波数分析回路
８、電力変化分析回路９、活動状態推定回路１０、活動
量変換回路１１を備え、素子出力を所定区間周波数分析
および電力変化分析し、その結果の周波数および電力変
化情報から人の活動状態を推定し、推定活動状態から活
動量に変換する。【効果】従来困難であった人の小さな動きによる活動
量を正確に算出することができ、これを空気調和機など
の居室環境制御機器に使用すれば人の活動に応じた快適
な居室環境を提供することができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、人の動きの量を表わす
パラメータである人体活動量の検出装置とそれを用いた
空気調和機、扇風機、暖房機、空気清浄機等の居室環境
制御機器に関する。

【０００２】

【従来の技術】居室環境制御機器の代表である空気調和
機の目的は室内の温熱環境を快適な状態に維持すること
である。このため快適度を評価基準として空気調和機の
各種アクチュエータを制御する方式が提案されている。
この種の空気調和機としては、例えば特開平２−１７８
５５５号に開示されたものが知られている。

【０００３】一方、快適度としては、国際標準化機構
（International Organization for Standardization;
ＩＳＯ）の国際規格ＩＳＯ−７７３０に記載されている
ＰＭＶ（Predicated Mean Vote）を用いるのが一般的で
ある。

【０００４】この快適度ＰＭＶは、室温、湿度、幅射温
度、気流速度、着衣量、活動量等の関数であって、これ
らの値から前記ＩＳＯ−７７３０に記載の算式によって
求めることができ、表１に示す熱的感覚尺度で示され
る。

【０００５】

【表１】

【０００６】この表１に示される熱的感覚尺度の算式な
らびに演算方法は前記ＩＳＯ−７７３０で公知なため詳
細は省くが、上述のように快適度は室温、湿度、幅射温
度、気流速度などの物理的居室環境値だけでなく着衣
量、活動量など人の状態に関する値にも依存する。

【０００７】室温、湿度、幅射温度、気流速度について
は検出に適したセンサがありこれを空気調和機に配し、
精度よくこれら物理量を測定できる。着衣、活動量につ
いては、人の状態であり、直接人体にセンサを配置すれ
ば使用者に不快感を与えるため非接触で検出せねばなら
ず、従来その検出測定が困難であった。

【０００８】そこで、着衣量については年月日データを
出力するカレンダＩＣ等で季節を得、これから標準的な
着衣を想定し着衣量を得る。また活動量については標準
的な人の活動状態として静かに座っていることを仮定
し、この活動量を用いるようにした。

【０００９】以上検出した室温、湿度、幅射温度、気流
速度と推定した着衣量、固定した活動量を用いてＰＭＶ
値を算出し、これが−０．５から０．５の間、好ましく
は零の値になるよう各種アクチュエータが制御される。

【００１０】しかし、活動量については直接発熱量に関
係し、空調室ではいつも座わっているのではないため固
定値で制御したのでは使用者に不満を与えることにな
る。そこで焦電型赤外線センサを用いた非接触での活動
量の算出が試みられている。この一つに例えば特開昭６
２−２８０５３３号に開示された空気調和機がある。

【００１１】

【発明が解決しようとする課題】ところで、活動量の要
因としては人体の動きの回数と動きの度合いがある。し
かし、特開昭６２−２８０５３３号に開示された従来の
活動量検出方法では、焦電型赤外線検出素子を用いた人
検知センサからの信号の計数値、すなわち人体の動いた
回数のみをもって活動量を算出しているため、部屋の中
を動き回るような場合にはある程度活動量を算出できる
が、座って手足を動かすような作業では人体の動きの度
合いが加味されないため、活動量を算出できないという
不都合があった。

【００１２】焦電型赤外線検出素子（以下、焦電素子と
呼ぶ）は高誘電セラミック等の焦電効果を利用して熱源
からの放射赤外線を検出するものである。図３に焦電素
子を用いた人検知センサの概略構成を示す。図３におい
て人検知センサは、焦電素子１と、増幅回路３と、フィ
ルタ４と、コンパレータ５と、モノマルチバイブレータ
７とから基本的に構成され、焦電素子１には、フレネル
レンズ２を介して放射赤外線が入射し、コンパレータ５
は基準電圧（Ｔｈ）６と比較するようになっている。

【００１３】焦電素子１はＦＥＴとともにパッケージに
封入されている。パッケージの窓からの赤外線で焦電素
子１の表面温度が変化し、表面に電荷が発生する。これ
を増幅回路３のＦＥＴで増幅して出力する。このように
焦電素子１は温度変化に対して信号を出力する。窓材は
対象とする温度範囲の赤外線波長を透過するものが選ば
れる。人検知の場合は人体温度３７度近傍の遠赤外領域
（波長１０μｍ程度）を透過するシリコン７μｍカット
オン光学フィルタが使用される。これは太陽などの高温
熱源からの放射赤外線の妨害をなくすためである。焦電
素子１の窓側前面にはフレネルレンズ２が取り付けられ
多数に分割された投影パターンから成る検知エリアの赤
外線を集光する。そしてこの検知エリア内の人体の動き
を検出する。焦電素子１の出力は増幅回路３で増幅さ
れ、フィルタ４でノイズが除去され、コンパレータ５に
入力される。ここで出力信号は基準電圧Ｔｈ６と比較さ
れ、これより電圧が高いとき、次のモノマルチバイブレ
ータ７が一定時間のパルスを１つ発生する。

【００１４】このパルスを所定時間の間計数しこの計数
値をもとに活動量（単位ｍｅｔ）を得るのが、従来の活
動量算出装置である。つまり計数が大であれば活動量は
大、計数値が小であれば活動量値は小と算出する。

【００１５】図４に増幅した焦電素子出力の一例を示
す。（ａ）は検知エリアを人が歩いて移動した場合、
（ｂ）は同一距離の検知エリア内で人が手を振っている
場合である。

【００１６】周知のように熱源から放射される全放射赤
外線エネルギーは熱源温度の４乗とその表面積に比例
し、焦電素子に到達する放射エネルギーは熱源と素子と
の距離の２乗に反比例する。焦電素子の出力は移動する
熱源放射エネルギーと周囲温度つまり背景放射エネルギ
ーの差に比例したものであるが、簡単のため周囲温度を
固定して考えれば、熱源の動き部分の温度の４乗に比例
し、熱源までの距離の２乗に反比例する。対象熱源を人
（体温３７度）とすれば、焦電素子出力は人の動き部分
の面積に比例し距離の２乗に反比例する。

【００１７】（ａ）の人の移動では大きな熱源が移動し
たため出力が大きい。これに比べ人体の一部の動きであ
る（ｂ）の場合出力は小さい。もし、基準電圧Ｔｈを図
示した値に設定したら、（ａ）の場合はパルスが出力さ
れ活動量を算出できるが、（ｂ）の場合にはパルスが出
力されず活動量を算出できない。そこで基準電圧を下
げ、（ｂ）の場合でもパルスが出力されるようにする
と、図中時間でのパルス数は（ａ）の場合より（ｂ）の
場合が多く、歩行よりも座っての手振りの方が活動量が
大きいという矛盾した結果を得る。このように従来の方
法では正確な活動量算出はできなっかった。

【００１８】本発明の目的は、従来困難であった活動量
を正確に算出する活動量算出装置を安価に提供するとと
もに、これを使用し快適な居室環境を創生する空気調和
機、扇風機、暖房機、空気清浄機などの居室環境制御機
器を提供するにある。

【００１９】

【課題を解決するための手段】上記目的は、熱源からの
放射赤外線を検出する焦電型赤外線検出手段からの出力
に基づいて人体の活動量を算出する人体活動量算出装置
において、前記焦電型赤外線検出手段から出力された出
力信号の所定区間を零交差波分析する周波数分析手段
と、前記所定区間の波形電力の変化を得る電力変化分析
手段と、前記周波数分析手段が出力する周波数情報と前
記電力変化分析手段が出力する電力変化情報とから人の
動き状態を推定する活動状態推定手段と、前記活動状態
推定手段によって推定された活動状態を活動量に変換す
る活動量変換手段と備えることによって達成される。

【００２０】

【作用】焦電型赤外線検出手段は人体が放射する赤外線
を検出しその動きを電気信号として出力する。この出力
信号の所定区間例えば１２秒間を周波数分析手段が分析
し、周波数情報として、零交差数と、各零交差点間隔を
所定の複数の時間間隔に分類し各時間間隔に分類される
零交差点間隔の個数を出力する。電力変化分析手段は電
力変化情報として、所定区間の平均電力と、平均電力を
越える時点での平均電力である超平均電力と、超平均電
力を平均電力と超平均電力で除算した尖鋭度を出力す
る。そしてこれらの情報をもとに活動状態推定手段は人
の動きである活動状態を推定出力する。活動量変換手段
は推定された活動状態を活動量（ｍｅｔ）に変換する。

【００２１】本発明者等は空気調和機への本発明の適用
を想定し、図５に示す位置関係にフレネルレンズ２、焦
電素子１、人を配し、焦電素子出力の測定を行なった。

【００２２】図６に同一動作における人体素子間距離と
出力電圧（相対値）の測定データ、図７に同一距離での
人体の動き部分と出力電圧（相対値）の測定データを示
す。図６から出力電圧は距離の１〜２乗に反比例するこ
とがわかる。実際に使用状態（距離１〜５ｍ）では出力
電圧に反比例するとみなしても差し支えない。図７から
出力電圧は動き部分の表面積にほぼ比例する。つまり前
述したように、焦電素子の出力は人体を対象と考えれば
動き部分の面積に比例し距離の２乗に反比例する。

【００２３】図８に同一距離での代表的作業における焦
電素子出力波形とそのスペクトルを示す。測定は焦電素
子出力を増幅（利得８０ｄＢ）し、人の動き周波数０．
１〜１５Ｈｚのフィルタで雑音を除去したうえでスペク
トルアナライザで行なっている。標本化周波数１００Ｈ
ｚ、８秒間のデータである。図８のスペクトルデータを
観察すると移動部分の大きさ、速度によってスペクトル
パターンが異なっていることがわかる。歩行のようにゆ
っくりした動作は低い周波数成分が支配的であり、ラジ
オ体操のように動き速度が大きい動作は高い周波数成分
を持つ。

【００２４】人が活動するとき、動かす部分が大きい
程、その速度が早い程大きなエネルギを消費する（発熱
量が大）。つまり活動量が大きい。スペクトルの周波数
は移動（動き）速度に関係し、振幅（電力）は動かす部
分の表面積に関係する。

【００２５】表２に代表的な作業例における活動量の一
例を示す。この活動量の単位はｍｅｔで安静椅座作業時
の体表面あたりの代謝量を１ｍｅｔ（５８Ｗ／ｍ²）と
定義され、ｍｅｔ値でＰＭＶ算出式に代入される。この
代表的作業はスペクトルから分類判断できる。そこで焦
電素子出力の周波数成分と電力から人の動きを表２の代
表的作業の一つと推定し、その推定作業を活動量に変換
できる。

【００２６】

【表２】

【００２７】本発明は以上の説明のように焦電素子の出
力スペクトル（周波数成分とその電力）の相違によって
人の活動状態を推定し、その結果を活動量に変換する原
理に基づく。

【００２８】

【実施例】以下、本発明の実施例を図面を参照して説明
する。

【００２９】図１に本発明の一実施例を示す。図１にお
いて図３と同一の構成要素には同一の参照符号を付し、
重複する説明は省略する。

【００３０】図１において、実施例に係る人体活動量算
出装置では、図３のフィルタの後段に周波数分析回路８
と電力変化分析回路９を並列に入れ、それらの出力を活
動状態推定回路１０に入力し、活動状態推定回路１０の
出力を活動量変換回路１１に入力し、この活動量変換回
路１１で活動量に変換するようになっている。

【００３１】周波数分析回路８は、一定時間の信号を零
交差波分析し、零交差数、周波数成分比（後で詳述す
る）などの周波数情報を出力する。電力変化分析回路９
は、一定時間の信号からその平均電力、平均電力を越え
る時点の平均電力である超平均電力、超平均電力を平均
電力と超平均電力で除算した尖鋭度などの電力変化情報
を出力する。活動状態推定回路１０は、先の周波数分析
回路８および電力変化分析回路９の出力に基づいて作業
（活動）の状態を推定し、活動量変換回路１１で推定結
果を活動量（単位ｍｅｔ）に変換する。

【００３２】ここで本発明の特徴である零交差波分析に
ついて詳細に説明する。

【００３３】スペクトル分析法としてはＦＦＴ（First
Fourier Transform)が有名であるがこれを行なうには大
規模なハードウエアが必要となる。そこで発明者は簡単
なハードウエアで行ない得るスペクトル分析法として零
交差波分析を用い、低価格な周波数分析回路を考案し
た。以下、これについて説明する。

【００３４】図２に周波数分析回路８の一実施例を示
す。この周波数分析回路８は、零交差点係数回路１５、
零交差点間隔計測回路１６、零交差点間隔分類回路１
７、分類計数回路１８、重み付け回路１９、時間長正規
化回路２０および周波数成分比回路２１からなる。

【００３５】零交差点係数回路１５は、フィルタ４から
の入力された信号から焦電素子出力波形が零交差する回
数である零交差数を計数して周波数情報の１つとして出
力する。零交差点間隔計測回路１６は、同じくフィルタ
４から入力された信号から零交差点間の時間間隔を計測
する。零交差点間隔分類回路１７は、零交差点間隔計測
回路１６で計測された零交差点間隔時間が複数の所定の
間隔範囲のどこに相当するかを判別し、相当する間隔範
囲の出力を論理「１」にすることで前記零交差点間隔を
分類する。分類計数回路１８は零交差点間隔分類回路１
７から出力された各間隔範囲の論理出力「１」をそれぞ
れ一定時間内で計数する。重み付け回路１９は分類計数
回路１８の出力する各分類計数値に周波数に比例した重
み係数を乗算し、その対数をとって出力する。時間長正
規化回路２０は重み付け回路１９の出力する修正した各
分類計数値を焦電素子出力波形が存在した時間で除算し
て時間正規化（単位時間当たりの値に修正）した分類計
数値を出力する。周波数成分比回路２１は時間長正規化
回路２０の出力する各分類計数値を全分類計数値の和で
除算して出力する。つまり各分類計数の合計は１であ
り、各分類計数値を相対比率の形に修正して出力する。
この値はほぼ信号の周波数成分比となる。

【００３６】ここで波形の零交差点間隔の計測法を詳細
に説明する。

【００３７】図９は符号３２から符号４０までの零交差
点を持つ焦電素子出力波形３１と、零交差点間隔の計測
例を示す。これらの各零交差点間の間隔は、符号４１か
ら符号４８までの時間長として表わされている。なお、
符号３２ないし符号４０は各零交差点を示す。これらの
間隔は、零交差点間に入る一定周期Δｔを持つ時間量子
化パルスａの数を計数することによって行なわれる。間
隔４１は、Δｔを時間単位としたときに１時間単位とし
て計測され、同様に間隔４３は３時間単位として計測さ
れる。また、これらの間隔は、同様に零交差点を検出し
たときに始動を開始する一定周期Δｔを持つ時間量子化
パルスｂの数を計数することによっても行なわれ得るこ
とは明らかである。

【００３８】焦電素子出力には望ましくない雑音が含ま
れ得る。この雑音により擬似零交差点が生じることを回
避するために、事実上の零交差点を検出する代わりに、
波形が交互に正と負の限界振幅値を越える点を零交差点
とするように構成することが望ましい。

【００３９】限界振幅値を導入して計測した例を図１０
に示す。焦電素子出力波形５１が点５２，５４，５６，
５８および６０で正限界振幅値と交差し、また点５３，
５５，５７および５９で負限界振幅値と交差するように
描かれている。

【００４０】波形に含まれる多くの雑音は、焦電素子出
力波形に比べ十分に振幅が小さいので、同図のごとく適
切な正負限界振幅値を配置すれば、波形中の雑音が限界
値間に入り、点５２から点６０までの検出結果が擬似交
差点を含まないようにすることが可能となる。この限界
値との交差点と零交差点とはほとんど離れておらず事実
上限界値交差点間の間隔は零交差点間の間隔と同じであ
る。以後の説明では「零交差点」という用語を、事実上
の零交差点と限界値交差点との両方を表わすのに用い
る。

【００４１】零交差点間隔をＺｔ、時間量子化パルスの
周期をΔｔ、Ｚｔ内の時間量子化パルスの個数をｎとす
ると、これらの間に次の関係が成立する。

【００４２】ｎ・Δｔ＜Ｚｔ＜（ｎ＋１）・Δｔ（１）ここでｆを零交差する波の周波数とすれば、Ｚｔ＝１／（２・ｆ）（２）である。

【００４３】この波の下端（（１）式の右辺に対応）と
上端（（１）式の左辺に対応）の周波数ｆL 、ｆH を考
えると、ｆL ＝ｆS ／｛２・（ｎ＋１）｝（３）ｆH ＝ｆS ／｛２・ｎ｝（４）ここでｆS は時間量子化パルスの繰り返し周波数でｆS
＝１／Δｔである。帯域幅をＢとすればＢ＝ｆH − ｆL ＝ｆS ／｛２・ｎ・（ｎ＋１）｝（５）となる。

【００４４】以上、零交差点間隔Ｚｔを時間量子化パル
スで計測すれば、信号の周波数をある程度知ることがで
きる。ここである程度とは上式のように、時間量子化パ
ルスａの速度により測定の精度が決められることを言
う。

【００４５】たとえば時間量子化パルスの周波数を５０
Ｈｚとすると、（３）、（４）、（５）式よりｎ＝１の
とき帯域幅は１２．５Ｈｚから２５Ｈｚに等しく、ｎ＝
１５のときは１．２５Ｈｚから１．６７Ｈｚに等しいこ
とがわかる。つまり時間量子化パルスが一定のとき、低
い周波数の長い零交差点間隔は高い周波数の短い零交差
点間隔の測定に比べて精度がよい。

【００４６】（５）式から零交差点間隔Ｚｔを中に入る
時間量子化パルスの個数で計測し、計数値ｎを得れば、
それは帯域幅Ｂの中の周波数の波形が存在したことを検
出したことと等価であることがわかる。つまり計数値ｎ
の計測は一種の信号検出用ＢＰＦとして動作することが
わかる。

【００４７】図１１に零交差点間隔計測回路１６の一実
施例を示す。零交差点間隔計測回路１６は、ヒステリシ
スコンパレータ９１、ヒステリシスコンパレタータ９１
のヒステリシス幅を与える正限界振幅値９２、負限界振
幅値９３、反転回路９４、時間量子化パルスａを発生す
る時間量子化パルス発生回路９５、ヒステリシスコンパ
レータ９１および反転回路９４の出力と時間量子化パル
スとの論理積をとる論理積回路Ａ９６および論理積回路
Ｂ９７、論理積回路Ａ９６，Ｂ９７の出力パルス数を計
数する計数回路Ａ９８および計数回路Ｂ９９、ヒステリ
シスコンパレータ９１および反転回路９４の出力の立ち
上がりで計数回路Ａ９８，Ｂ９９のリセットなどの制御
を行なう計数タイミング回路Ａ１００および計数タイミ
ング回路Ｂ１０１、さらにはヒステリシスコンパレータ
９１の出力で計数回路Ａ９８および計数回路Ｂ９９の出
力を切り替える切り替えスイッチ１０２からなる。

【００４８】図１２に図１１の動作を説明するタイミン
グチャートを焦電素子出力波形とともに示す。出力波形
は雑音により擬似交差点８０，８１，８２，８３，８
４，８５を生ずる。符号８６，８７，８８，８９は交差
点間隔である。以下、この交差点間隔８６，８７，８
８，８９の計測について説明する。

【００４９】ヒステリシスコンパレータ９１は正および
負の限界振幅値をヒステリシス幅とするよう設計され、
同図（１）の出力信号を生ずる。この信号は同時に反転
回路９４にも入力され同図（２）の信号を出力する。時
間量子化パルス発生回路９５は同図（３）の周期Δｔの
パルス信号を発生する。これは論理積回路Ａ９６および
論理積回路Ｂ９７でヒステリシスコンパレータ９１、反
転回路９４の出力信号とそれぞれ論理積がとられ、同図
（４）および（５）に示す信号を生ずる。計数回路Ａ９
８および計数回路Ｂ９９は、ヒステリシスコンパレータ
９１の出力信号および反転回路９４の出力信号の立ち上
がりでリセットされ論理積回路９６，９７の出力パルス
を計数する。切り換えスイッチ１０２は計数回路Ａ９８
およびＢ９９の出力をヒステリシスコンパレータ９１の
信号で切り換える。そして、計測結果として計数値４，
６，３，４が順次出力される。これは交差点間隔８６〜
８９のΔｔを時間単位としたときの間隔時間長である。

【００５０】図１３に零交差点間隔計数値ｎと（３）、
（４）、（５）式のｆH 、ｆL 、Ｂの関係を図式化して
示す。

【００５１】今零交差点間隔計数値ｎ＝１を得たとする
と、その時点では周波数１２．５Ｈｚから２５Ｈｚの信
号が存在したことになる。ｎ＝２を得たとすると、その
時点で８．３３Ｈｚから１２．５Ｈｚの信号が存在した
ことになる。つまり計数値ｎを得ることは周波数範囲が
Ｂの信号の存在を検出したことである。そしてこれは図
のように理想特性をもつバンドパスフィルタ（ＢＰＦ）
での信号検出と等価である。

【００５２】帯域幅Ｂは計数値ｎにより１／｛ｎ・（ｎ
＋１）｝に比例して減少する。そこで通常のＢＰＦ群に
よるスペクトル分析との類推から、計数値ｎをある範囲
で分類してオクターブのＢＰＦ群を作成する。図１４に
一例を示す。チャンネルＣＨ１は５Ｈｚから１２．５Ｈ
ｚの信号検出理想ＢＰＦで計数値はｎ＝２，３および４
である。チャンネルＣＨ２は２．０８Ｈｚから５Ｈｚの
信号検出理想ＢＰＦで計数値はｎ＝５〜１１である。

【００５３】図１５に零交差点間隔分類回路１７の一実
施例を示す。零交差点間隔分類回路１７は零交差点間隔
計測回路１６の出力である計数値ｎ（零交差点間隔値と
等価）を図１４に示す範囲で分類するものである。図１
５に示すように図１４の各チャンネルに相当する複数
（図では５個）の分類回路１０３，１０４，１０５，１
０６，１０７を有する。各分類回路１０３〜１０７は、
入力される計数値ｎを検査し、自身が分類する値であっ
たとき論理「１」を出力する。たとえば、ｎ＝２であれ
ばチャンネルＣＨ１分類回路１０３は論理「１」を出力
し、その他の分類回路は全て論理「０」を出力する。ｎ
＝９であればチャンネルＣＨ２分類回路１０４は論理
「１」を出力し、その他の分類回路は「０」を出力す
る。

【００５４】図１６にチャンネルＣＨ２分類回路１０４
の一実施例を示す。符号１０８，１０９は沖電気製MSM7
4HC85RS4４ビットマグニチュードコンパレータである。
計数値を４ビットデータとしてコンパレータ１０８，１
０９の入力Ａ３，Ａ２，Ａ１，Ａ０に入力する。コンパ
レータ１０８の他の入力Ｂ３，Ｂ２，Ｂ１，Ｂ０にｎ＝
５の値を設定し、コンパレータ１０９の他の入力Ｂ３〜
Ｂ０にｎ＝１１の値を設定する。計数値が５から１１の
とき、出力が論理「１」になるのは明らかである。他の
チャンネルの分類回路も同様に構成できる。

【００５５】図１７に分類計数回路１８の一実施例を示
す。分類計数回路１８は複数のチャンネル別の計数回路
１１３，１１４，１１５，１１６，１１７で構成され
る。１１３は符号１０３で示すチャンネルＣＨ１の出力
である論理「１」の数を一定時間（例えば１２秒間）計
数する。この一定時間を以下分析時間と呼ぶ。以下１１
４から１１７まで同様なものである。各計数回路の分類
計数値ｍｉ（ｉはチャンネル、ｉ＝１〜５）は、焦電素
子出力にチャンネルｉ内の周波数成分信号が一定時間内
に存在した個数を表わすパラメータである。言い替えれ
ばある周波数成分の出現頻度に相当する。

【００５６】以上の説明のように、この分類計数値ｍｉ
を得る処理（零交差点間隔計測回路１６、零交差点間隔
分類回路１７、分類計数回路１８での処理）は計数と分
類操作のみであり演算処理を伴わないためハードウエア
は非常に簡略であり低価格に構成できる。

【００５７】次にさらに低価格な方法としてマイクロプ
ロセッサユニットのソフトウエアで前述の処理を行なう
実施例を説明する。

【００５８】図１８に零交差点間隔計測回路１６、零交
差点間隔分類回路１７、分類計数回路１８の行なう処理
をマイクロプロセッサのソフトウエアで行なわせるため
の一実施例例を示す。図１８において符号２２はＡＤ変
換器、符号２３はマイクロプロセッサユニット（ＭＰ
Ｕ）である。焦電素子の出力は増幅回路で増幅され、折
り返し雑音を防止するためＬＰＦを介してＡＤ変換器２
２で標本化と量子化されてＭＰＵ２３に取り込まれる。
そして、零交差点間隔の計測、分類、分類個数の計数が
ＭＰＵのソフトウエアで行なわれる。

【００５９】図１９は図９の符号３２から符号４０まで
の零交差点を持つ焦電素子出力波形がＡＤ変換器２２で
標本化された様子を示す。同図ではＡＤ変換器２２の標
本化周期を図９の時間量子化パルスａのそれと同一とし
ている。ＡＤ変換器２２で標本化されたデータを符号７
１，７２，７３，７４，７５，７６，７７および７８で
示す。

【００６０】この標本化データをＭＰＵ２３が取り込
み、各零交差点間の間隔４１から４８までのΔｔを１時
間単位として計測する。同図から明らかなように、標本
データの正負符号を監視し、符号が変化するまでの標本
データ数を計数すれば零交差点間隔を、Δｔを時間単位
として計測することができる。

【００６１】上記ＭＰＵ２３が実行するソフトウエアの
処理手順の一実施例を図２０のフローチャートに示す。
この処理手順では、まず、１標本データを読み込みなが
ら（Ｓ６１）、前標本データと符号を比較し（Ｓ６
２）、標本データ数を計数することにより零交差点間隔
をΔｔ時間の単位で計測し出力する（Ｓ６３〜Ｓ６
５）。出力値は計数ｎであり、時間長としてはｎΔｔで
ある。すなわち、ステップＳ６２で前標本データと符号
が一致すれば、ステップＳ６３で係数ｎをインクリメン
トしてステップＳ６１に戻る。また、ステップＳ６２で
前標本データと符号が一致しなければ、ステップＳ６４
で係数値ｎを出力し、さらにステップＳ６５で係数ｎを
リセットした後、ステップＳ６１に戻る。

【００６２】図１０のように雑音の影響を除くために正
負限界振幅値を設けた場合も同様にＭＰＵ２３のソフト
ウエアで交差点間隔を計測できることは明らかである。
この場合、正負限界振幅値内での零交差点を無視するこ
とにより雑音の影響を除くことができる。

【００６３】図２１は零交差点間隔分類回路１７をＭＰ
Ｕ２３のソフトウエアで構成したときの処理手順を示す
フローチャートである。この手順では、まず、計数値ｎ
を読み込み（Ｓ１７１）、チャンネル別に分類し（Ｓ１
７２〜Ｓ１７６）、相当するチャンネル出力を論理
「１」、その他チャンネル出力を論理「０」とする（Ｓ
１７７〜Ｓ１８１）。この操作を計数値読み込み毎に繰
り返す。分類計数回路１８は単純な計数動作を行なうも
のであり、これをＭＰＵ２３のソフトウエアで行い得る
のは明らかである。

【００６４】以上の説明のように、パラメータｍｉを得
る処理（零交差点間隔計測回路１６、零交差点間隔分類
回路１７、分類計数回路１８での処理）は計数と分類操
作のみであり演算処理を伴わないため現在の民生用の低
速なＭＰＵでもソフトウエアのみで実時間処理可能であ
る。また以上説明したソフトウエア処理は全て一つのＭ
ＰＵで行なえ、その場合のハードウエアはとしては図１
８に示しただけのものでよく低価格に構成できる。

【００６５】周波数分析回路８に焦電素子出力ではな
く、一定周波数の正弦波（周波数ｆ）を加えたときの分
類計数値ｍｉと周波数ｆの関係について説明する。

【００６６】分析時間ＴをＴ＝Ｎ・Δｔ（Ｎは整数）と
する。この正弦波の零交差点間隔ＺｔはＺｔ＝１／（２
・ｆ）であり、実数値で考えれば（時間量子化を考えな
ければ）分析時間Ｔ内の間隔Ｚｔの個数Ｍは実数で下式
となる。

【００６７】Ｍ＝Ｔ／Ｚｔ＝２・ｆ・Ｔ（６）周波数分析回路で計測される零交差点間隔値はΔｔ周期
で時間量子化された計数値ｎ（ｎは整数）である。たと
え一定周波数の正弦波であっても時間量子化パルス周波
数ｆｓが一般には調波関係にないため位相ずれにより計
数値ｎは値が１単位変動し得る（（１）式参照）。

【００６８】今、分析時間Ｔ内で全ての零交差点間隔が
計数値ｎであれば、個数ＭはＭ＝［Ｎ・Δｔ／（ｎ・Δｔ）］＝［Ｎ／ｎ］（７）但し［］は整数値化（小数点以下切り捨て）を表わすであり、全ての零交差点間隔が計数値ｎ＋１であれば、Ｍ＝［Ｎ・Δｔ／｛（ｎ＋１）・Δｔ｝］＝［Ｎ／（ｎ＋１）］（８）となる。

【００６９】したがって、周波数ｆの正弦波を分析時間
Ｔで上記零交差分析すれば、零交差点間隔計数値はｎあ
るいはｎ＋１であり、個数Ｍは下式の範囲にある。

【００７０】［Ｎ／（ｎ＋１）］＜Ｍ＜［Ｎ／ｎ］（９）つまり周波数ｆの計測は時間量子化のため、周波数で下
式の不確定性を持ち、個数Ｍで（９）式の不確定性を持
つ。

【００７１】ｆ１＜ｆ＜ｆ２ｆ１＝１／｛２・（ｎ＋１）・Δｔ｝ｆ２＝１／｛２・ｎ・Δｔ｝もしｎとｎ＋１が同一時間間隔に分類されるつまり同一
チャンネルであれば、そのチャンネルの分類計数値ｍｉ
として（９）式の範囲にあるＭで与えられ、その値は概
略（６）式で与えられる時間量子化を考えない（実数で
の）場合のＭの値となる。

【００７２】ｍｉ＝Ｍ＝［２・ｆ・Ｔ］（１０）もしｎとｎ＋１が別チャンネルであればそれぞれのチャ
ンネルの分類計数値ｍｉ、ｍｉ＋１として（６）式のＭ
の値がそれぞれのチャンネルに下式で分配される。

【００７３】ｍｉ＋ｍｉ＋１＝Ｍ＝［２・ｆ・Ｔ］ｍｉ＝［Ｎ／ｎ・（ｆ−ｆ１）／（ｆ２−ｆ１）］ｍｉ＋１＝［Ｎ／（ｎ＋１）・（ｆ２−ｆ）／（ｆ２−ｆ１）］（１１）以上の説明を確認するため、図１８に示す実施例を用い
入力として正弦波を加えて測定した分類計数値ｍｉ（ｉ
＝１〜５）と周波数ｆの関係を実線で図２２に示す。こ
の場合、図１４に示した計数値ｎの分類を用い、分析時
間Ｔを、Ｔ＝６００×２０ｍｓ＝１２ｓｅｃ（Ｎ＝６００、Δｔｓ＝２０ｍｓ）としている。

【００７４】また同図に破線で（６）式を示す。式と実
測値はよく一致している。周波数ｆと分類計数値ｍｉは
遷移周波数（重なり）部分を除いて比例関係にあり１対
１に対応する。この重なり部分は時間量子化により生ず
る。縦軸は個数であるが強度とみなせばこれはＢＰＦ群
となっていることがわかる。つまり分類計数値を得るこ
とはＢＰＦ群によるスペクトル分析と似た処理といえ
る。

【００７５】さて、分類計数値は一定時間内でのある周
波数幅を持った信号の出現頻度と考えることができる。
ただこの頻度は（６）式のように周波数ｆに直接依存す
るため、高い周波数（周期が短い）ほど数値が大きく、
低い周波数（周期が長い）ほど数値は小さくなる。

【００７６】普通のＢＰＦのように、入力振幅が一定な
らば周波数が変化しても出力（この場合は振幅）が一定
であるように、図２２に示す特性を変更することを考え
る。ＢＰＦとのアナロジーからチャンネル毎にその分類
計数値ｍｉに重みをつける。図２３は図２２の特性で各
チャンネル毎にその出力に２の（ｉ−１）乗の重みを付
けた場合を示す。これは各チャンネルがオクターブバン
ド関係にあることから、簡易的に２の（ｉ−１）乗の重
みを付けたものである。図２３に示すように、概略ＢＰ
Ｆの形とすることができる。さらに細かく分類計数値毎
にテーブル引で重みを付けてもよいが煩雑である。

【００７７】以上の重み付けを行なうのが重み付け回路
１９である。重み付け回路１９は各チャンネルの分類計
数値ｍｉに２の（ｉ−１）乗の値をかけて重み付けを行
ないその対数値を出力する。

【００７８】ある周波数の正弦波を入力すればその周波
数を含むチャンネルは結果としてｈ（図２３のほぼ平坦
は部分の高さ、重み付けされた分類計数値の対数値）を
出力し、他のチャンネルは零を出力する。これは入力が
周波数一定の信号でありその周波数はｈを出力したチャ
ンネルの周波数範囲にあることを意味する。

【００７９】チャンネルが異なる２周波数が混合された
信号の場合は各チャンネルに合成された波形の零交差瞬
時周波数の時間間隔が分類計数され出力される。この場
合零交差瞬時周波数の時間間隔はそれぞれの周波数のレ
ベルに依存する。そしてこの時間間隔は元の２周波数の
それぞれの時間間隔とは異なっていることに注意する必
要がある。つまりＢＰＦあるいはＦＦＴによる分析とは
異なる。しかし２周波数のレベルが同じであれば、先の
各チャンネルの出力は同じ値でおよそｈ／２にはなる。
レベルが極端に違えば、レベルの大きい周波数の単一信
号が入力した場合と同じとなる。

【００８０】この重み付けまでの処理は普通のＦＦＴに
よるスペクトル分析のように精度はないが、入力信号の
概略周波数成分のチャンネル別存在比が得られる。

【００８１】以上は分析時間中ずっと信号が入力される
場合を考えてきたが、分析時間をたとえば１２秒とし焦
電素子が検出する人の動き信号を考えると、１２秒中信
号は１秒間だけ存在するという間欠的な場合がある。例
えば睡眠中の寝返り、休憩中のちょっとした手足の動き
などは１２秒という分析時間の一部に信号が存在するこ
とになる。そこで信号が存在した時間長で正規化を行な
う必要が生じる。例えば分析時間を１２秒に設定し１Ｈ
ｚの正弦波を１２秒入力した場合と２秒入力した場合を
考える。前者の場合相当するチャンネルの分類計数値は
２４、後者の場合はその１／６の４になる。チャンネル
毎の周波数成分比抽出を目的にする場合には先の不都合
を回避するため信号存在時間長で正規化する必要が生じ
る。正規化としては、例えば分類計数値を信号入力時間
で除算すればよい。この場合、前者は２４／１２＝２、
後者は４／２＝２となり信号の存在時間に依存しない分
類計数値が得られる。この信号存在時間は分析時間中に
信号波形電力の検出を行ない、あるしきい値以上の電力
値を示す時間を計測することで行なえる。

【００８２】簡易的な方法としては分類計数値を零交差
点数で除算すればよい。これは前述した雑音により擬似
零交差点が生じることを回避するために設けた正負限界
振幅値を信号存在検出に用い、この限界値を越える信号
が限界値と交差する点数を零交差点として、この交差点
数が時間に比例することを利用したものである。例えば
上記の場合前者は２４／４８＝０．５、後者は４／８＝
０．５となる。しかしこの方法は明らかに正弦波のとき
は交差点数が正確に時間に比例するが、複雑な波形では
ほぼ比例するとしか言えない。

【００８３】そこで、この正規化を時間長正規化回路２
０（図２）が行なう。電力変化分析回路９（図１）で検
出した信号存在時間長あるいは零交差点数計数回路１５
からの零交差数で重み付け回路１９からの分類計数値
（各チャンネル出力）を除算し出力する。このあと、各
チャンネルの全体に対する割合を得る意味で、重み付け
回路１９の出力する全チャンネル出力合計値で各チャン
ネル出力値を除算する。これを行なうのが周波数成分比
回路２１である。この周波数成分比回路２１からは、入
力信号の全帯域を１としたときの各チャンネル周波数成
分の比率が周波数成分比として出力される。

【００８４】以上の重み付け、時間長正規化、周波数成
分比の算出は全てＭＰＵのソフトウエアで行なえること
は明らかであり、この場合ハードウエアは図１８に示す
簡略なものである。

【００８５】以上本発明の周波数分析とこれを実現する
実施例を詳細に説明した。説明は省略したがこの方法は
波形振幅に依存しないため入力波形がクリップしても結
果は変わらないという長所を持つことも明らかである。
この方法は基本的に周波数情報しか得られない。そこで
電力情報を得る目的で設けたのが電力変化分析回路９で
ある。以下電力変化分析回路９の動作を説明する。

【００８６】図２４に電力変化分析回路９の一実施例を
示す。電力変化分析回路９は、平均電力算出回路２４、
超平均電力算出回路２５、および尖鋭度算出回路２６か
らなる。

【００８７】平均電力算出回路２４は、フィルタ４から
入力された信号に対して、まず分析時間Ｔをさらに分割
した時間単位ΔＴ毎に電力算出を行なう。そしてΔＴ単
位毎の電力ｐを超平均電力算出回路２５に出力するとと
もに、ΔＴ毎の電力ｐをＴ／ΔＴ個合計し、これを個数
Ｔ／ΔＴで除算することで平均電力ａｐを得て電力変化
情報の一つとして出力する。

【００８８】超平均電力算出回路２５は平均電力算出回
路２４の出力するΔＴ毎の電力ｐと平均電力ａｐから超
平均電力ｅｐを算出する。まずΔＴ毎の電力ｐと平均電
力ａｐを比較し、平均電力ａｐを越えるΔＴ毎の電力を
合計し、これをその個数で除算して超平均電力ｅｐとし
て出力する。つまり平均電力ａｐを越える電力ｐの平均
として超平均電力ｅｐを得て出力する。

【００８９】また先に述べた信号存在時間長での正規化
を行なう場合には、ここで信号存在時間長を得るためΔ
Ｔ毎の電力ｐを所定のしきい値と比較し、しきい値を越
える個数を計数する。そしてこの個数を信号存在時間長
として時間長正規化回路２０に出力する。

【００９０】尖鋭度算出回路２６は平均電力ａｐと超平
均電力ｅｐから尖鋭度ｒを得る。超平均電力ｅｐを平均
電力ａｐと超平均電力ｅｐの和で除算して尖鋭度ｒを得
る。この尖鋭度ｒは分析時間内での電力変化の継続性す
なわち動きの継続性を表わすパラメータである。図２５
に分析時間Ｔを１２秒、ΔＴを１秒としたときの分析例
を示す。図中（ａ）は椅子に座って、たまたま背伸びし
たときの分析例であり、（ｂ）は部屋の中を歩き回って
いるときの分析例である。（ａ）の場合、分析時間中の
一部の動きであり平均電力ａｐと超平均電力ｅｐの差は
大きく尖鋭度ｒは１に近い値をとる。（ｂ）の場合、分
析時間中継続した動きであり平均電力ａｐと超平均電力
ｅｐの差はほとんどなく先鋭度ｒは０．５に近い値をと
る。またこの尖鋭度は平均電力値には依存しないパラメ
ータとなっている。

【００９１】以上の電力変化分析回路９の動作はこれを
ＭＰＵのソフトウエアで行ない得るのは明らかで、この
ときの構成は図１８と同じである。

【００９２】図２６に図１８の構成で周波数分析、電力
分析を行なった結果例を焦電素子出力波形とともに示
す。ＡＤ変換器のサンプリング周波数は５０Ｈｚ、１２
秒間の焦電素子出力の分析例で、（ａ）はゆっくり歩行
したとき、（ｂ）はラジオ体操のときである。図のよう
に周波数および電力分析結果に相違が見られ、これらの
情報から作業動作を推定することが可能なことがわか
る。

【００９３】本発明は上記分析回路より得られた情報を
もとに、人の動きの状態すなわち作業（活動）状態を活
動状態推定回路１０で推定し、この推定作業状態から活
動量変換回路１１で活動量値を算出することを基本にし
ている。これは直接に人体の発熱量を非接触で測定する
ことが技術的に困難であり、人体に接触して測定するこ
とは人の動作を妨げ不快感を与えるため家電製品にとっ
ては好ましくないという理由による。以下、上記情報か
ら作業状態を推定する方法を実施例をもって説明する。

【００９４】図２７に活動状態推定回路１０の一実施例
を示す。活動状態推定回路１０はＭＰＵで構成される識
別判断回路１２０と、ＲＯＭで構成され、識別判断回路
１２０の判断に用いる複数のしきい値を記憶する識別し
きい値回路１２１とからなる。本実施例はＭＰＵのソフ
トウエアで周波数情報（零交差数、周波数成分比）、電
力変化情報（平均電力、超平均電力、尖鋭度）をそれぞ
れしきい値と比較しながら総合判断し、活動状態を推定
するものである。

【００９５】次に、周波数情報、電力変化情報から識別
判断回路１２０で活動を推定する方法について述べる。

【００９６】まず表３に示すように活動量が同じような
代表的作業を選び活動量値によってグループ分けする。

【００９７】

【表３】

【００９８】このグループをカテゴリとよぶ。そしてカ
テゴリ内の作業（活動）を実際に行なったときの周波数
および電力変化情報データを複数集める。そして各カテ
ゴリ別にそれぞれの情報データの分布、平均、分散など
の統計データを作成する。次に各作業別データを分離で
きる各情報データ座標軸でのしきい値をみつける。例え
ば簡単な例として、図２８の（ａ）がゆっくり歩行時の
チャンネル１の正規化分類計数値である周波数成分比の
分布、（ｂ）が同じくラジオ体操時の分布とすると、図
示した点の値をしきい値とし、いま入力されたチャンネ
ル１の正規化分類計数値である周波数成分比がしきい値
より小であればゆっくり歩行と推定してカテゴリ番号４
を出力する、逆にしきい値より大であればラジオ体操と
推定してカテゴリ番号３を出力する。

【００９９】情報データ種類数および分類カテゴリ数が
多くなるとこの識別判断は複雑になる。図２９に周波数
成分比を３チャンネル（高域、中域、低域）としたとき
のソフトウエアフロー実施例の一部を示す。

【０１００】零交差数でおおまかなカテゴリ分類を行な
い、動きの継続性を表わす尖鋭度、動きの速度成分を表
わす周波数成分比、動きの面積および距離を表わす平均
電力の組み合わせでカテゴリに分類し、カテゴリ番号を
出力する。

【０１０１】さらに詳しく説明すると、このフローで
は、まず、零交差数ｚｃｒが１０より小さいか（ステッ
プＳ２９−１）、３０より小さいか大きいか（ステップ
Ｓ２９−２）でおおまかな分類が行われる。ステップＳ
２９−１で１０より小さいと判断すると、平均電力値ａ
ｐを４と比較する（ステップＳ２９−３）。そこで、４
より小さいと判断すると、カテゴリ番号ｋ＝１として無
人状態であると識別する（ステップＳ２９−４）。平均
電力値ａｐが４以上であると判断すると、ステップＳ２
９−５で先鋭度ｒを０．６９と比較する（ステップＳ２
９−５）。そして、０．６９以下であると判断すると、
カテゴリ番号ｋ＝３としてデスクワークや、座っての仕
事、あるいは軽作業と識別する。

【０１０２】また、ステップＳ２９−５で先鋭度ｒが
０．６９より大きいと判断すると、ステップＳ２９−７
で高域周波数成分比ｃｈ１を０．４と比較する。そし
て、０．４より大きいと判断すると、さらにステップＳ
２９−８で平均電力値ａｐが６より小さいかどうかチェ
ックし、６より小さければカテゴリ番号１として無人状
態であると識別する（ステップＳ２９−９）。一方、６
以上であれば、カテゴリ番号ｋ＝２として睡眠状態ある
いは休息状態であると識別する（ステップＳ２９−１
０）。

【０１０３】ステップＳ２９−７で高域周波数成分比ｃ
ｈ１が０．４以下であると判断すると、ステップＳ２９
−１１で低域周波数成分比ｃｈ３を０．２５と比較す
る。そして、このチェックで０．２５以下であればカテ
ゴリ番号ｋ＝３として前述の軽作業であると識別し（ス
テップＳ２９−１２）、０．２５より大きければ、さら
にステップＳ２９−１３で平均電力が３０以上であるか
どうかチェックする。もし、３０以上であれば、カテゴ
リ番号ｋ＝３として同じく軽作業であると識別し（ステ
ップＳ２９−１４）、３０以下であればカテゴリ番号ｋ
＝２として睡眠もしくは休息状態であると識別する（ス
テップＳ２９−１５）。

【０１０４】活動量変換回路１１は、このカテゴリ番号
ｋとその平均的活動量（単位ｍｅｔ）をＲＯＭなどの記
憶回路（図示せず）にテーブルデータとして記憶してお
り、カテゴリ番号が入力されると活動量（ｍｅｔ値）を
出力する。

【０１０５】なお、ステップＳ２９−２で尖鋭度ｚｃｒ
が３０以下と判断した場合には、特に説明しないが、ス
テップＳ２９−１６およびＳ２９−１７で尖鋭度ｚｃｒ
が０．７５より大きいか、あるいは０．７５以下で０．
６５より大きいかによってさらに識別状態が異なってく
る。

【０１０６】図３０に活動状態推定回路１０の他の実施
例を示す。この実施例における活動状態推定回路１０
は、パターン間距離算出回路１２２、標準パターン記憶
回路１２３、および距離判定回路１２４からなる。本実
施例は周波数および電力変化分析回路８，９が出力する
周波数および電力変化情報を一つのパターンとみなし、
このパターンの相違から活動を推定するものである。す
なわち、出力情報である零交差数ｚｃｎ、各チャンネル
の周波数成分比ｃｈ１、ｃｈ２、・・、平均電力ａｐ、
超平均電力ｅｐ、尖鋭度ｒを一つのパターン（ｚｃｎ、
ｃｈ１、ｃｈ２、・・、ａｐ、ｅｐ、ｒ）と見なす。

【０１０７】表３に示すようなカテゴリ内の代表的作業
の出力情報であるパターンを複数集め、カテゴリ別に各
要素の平均値を集めたパターンデータを作成する。そし
てこれにカテゴリ番号を付与して標準パターンデータと
して標準パターン記憶回路１２３に記憶する。

【０１０８】周波数および電力変化分析回路８，９が出
力する情報パターン（入力パターン）はパターン間距離
算出回路１２２に入力される。パターン間距離算出回路
１２２はまずこの入力パターンと各標準パターンとのパ
ターン間距離を算出する。距離計算としては各要素の差
の絶対値和などを用いる。この距離値と標準パターン記
憶回路１２３からのカテゴリ番号ｋは距離判定回路１２
４に順次対で入力される。距離判定回路１２４はこれら
距離値を相互比較し、その中の最小値（パターンが一番
よく類似していたという意味）を示す標準パターンのカ
テゴリ番号ｋを出力する。活動量変換回路１１は、この
カテゴリ番号ｋとその平均的活動量（単位ｍｅｔ）をＲ
ＯＭなどの記憶回路（図示せず）にテーブルデータとし
て記憶しており、カテゴリ番号が入力されると活動量を
出力する。

【０１０９】以上本実施例によれば、先の識別判断回路
のように人がしきい値を見出して判断論理を組み立てる
ことなく、標準パターンを作成すれば分類を行なえ、こ
れによってカテゴリ番号から活動量を得ることができ、
開発時間を短縮できる。

【０１１０】図３１に活動状態推定回路１０の他の実施
例を示す。本実施例は神経回路網Ａ１２５を用いて周波
数および電力変化情報から活動を推定する。この活動状
態推定回路１０は、神経回路ユニット１２６、一層の一
入力端子をもつ複数の神経回路ユニット１２６で構成さ
れる入力ユニット層１２７、一層あるいは複数層の複数
の神経回路ユニット１２６で構成される中間ユニット層
１２８、一層の複数の神経回路ユニット１２６で構成さ
れる出力ユニット層１２９からなる。

【０１１１】入力ユニットには零交差数、各チャンネル
別の周波数成分比、平均電力、超平均電力、先鋭度が入
力される。出力ユニットはカテゴリ（Ｙ１からＹ５）数
だけあり、それぞれ表３の作業の分類に対応している。

【０１１２】神経回路網はその構造から階層的網構造と
相互結合的網構造に分けられる。本発明はいずれの網構
成でもよいが、図３１に示す階層構造は後述の簡単な学
習法が確立されておりより有用である。

【０１１３】神経回路網Ａ１２５は入力層１２７、中間
層１２８、出力層１２９からなる階層構造で、各層は１
以上のユニット１２６から構成される。ユニット１２６
間の結合は、入力層１２７から中間層１２８、出力層１
２９という前向きの結合だけで、層内のユニット１２６
間の結合はない。中間層１２８は１層であるがこれを複
数の層としてもよい。

【０１１４】ユニット１２６の構造は図３２に示すよう
に脳の神経細胞をモデル化したもので、他のユニット１
２６の出力を受け、これに重み付けを行なって総和をと
り、一定の規則（変換関数）で変換し、結果を出力す
る。図３３に変換関数の例を示す。（ａ）はあるしきい
値θより大で１を出力するしきい値関数、（ｂ）は微分
連続なシグモイド関数である。普通学習法として逆誤差
伝播法を用いる場合には（ｂ）の関数を用いる。図では
関数値が零から１の間に正規化されているがこれに限る
ことはない。以下の説明ではこのシグモイド関数を用い
た。

【０１１５】この重み付けのなかに神経回路網Ａ１２５
の情報あるいは機能が確立される。そのためこの重み付
けを決定することを神経回路網の学習と呼び、種々の方
法が研究されている。神経回路網Ａ１２５はまず学習に
よって、網内各ユニットの重みを決めてやる必要があ
る。

【０１１６】神経回路網Ａ１２５をパターン分類回路と
して動作させるための学習法について説明する。網の学
習とは、この場合実際の出力を目標値（望ましい出力）
に近づけることであり、各ユニットの各重みを変化させ
て行なう。まず図３０の説明で標準パターンとしたデー
タを教師データとして、これで神経回路網Ａ１２５の各
重みを学習させる。学習法としては公知の逆誤差伝播法
を用いれば良い。

【０１１７】まず睡眠標準パターンを入力に与え、出力
ユニットの望ましい出力としてＹ１（睡眠のカテゴリ出
力ユニット）が１、他の出力ユニットの出力が零である
パターン｛１，０，０，．．．｝として、実際の網出力
パターンが望ましい出力パターンとなるように先の学習
法で各重みを調整する。これは実際の網出力パターンと
望ましい出力パターンとの誤差が所定の値以下になるま
で繰り返される。同様なことを他のカテゴリの標準パタ
ーンについても行なう。そして以上のことを全ての標準
パターンで実際の出力パターンと望ましい出力パターン
との誤差が所定の値以下になるまで繰り返す。

【０１１８】簡単のために標準パターンを教師データと
したが、１カテゴリに付き、代表的な複数のスペクトル
データを教師データとしてもよい。

【０１１９】以上の学習は通常、大型計算機を用いてオ
フラインで行ない、決定した重みデータを神経回路網Ａ
１２５に移す。

【０１２０】さて学習を終えた神経回路網Ａ１２５を用
いての活動量算出を説明する。

【０１２１】周波数分析回路８、電力変化分析回路９の
周波数および電力変化情報は神経回路網Ａ１２５に入力
され各情報に重み係数の乗算、結果の累積、関数出力な
どの計算がなされ、最後に分類されるべきカテゴリの出
力ユニットが１に近い値、他の出力ユニットは零に近い
値を出力する。したがって出力ユニットに番号を付けて
おけば、１に近い値を出力した出力ユニットの番号がカ
テゴリ番号である。このカテゴリ番号は活動量変換回路
１１で活動量（単位ｍｅｔ）に変換されて出力される。

【０１２２】出力ユニットの出力関数を図３３（ａ）の
しきい値関数にすれば、入力情報パターンによって必ず
出力ユニットの１つが１を出力し、他は０を出力する。
つまり先の１に近いか０に近いかの判定を兼ねることが
できる。

【０１２３】以上本実施例によれば、先の識別判断回路
のように人がしきい値を見出して判断論理を組み立てる
ことなく、学習させれば分類を行なうことができ、開発
時間を短縮できる。また神経回路網によるパターン分類
は妨害に対して頑強である。

【０１２４】図３４に活動状態推定回路１０のさらに他
の実施例を示す。図３４において図３１と同一の構成要
素には同一の参照符号を付して説明は省略する。この実
施例は、周波数および電力変化分析回路８，９の出力情
報データから直接非線形変換して活動量を得ようとする
ものである。

【０１２５】これは前述の図３１における実施例の神経
回路網Ａ１２５と活動量変換回路１１の機能をまとめた
神経回路網Ｂ１３０である。図３１と同様に入力ユニッ
トには周波数および電力変化情報データが入力され、出
力ユニットは１つで活動量を出力する。この出力ユニッ
トの変換関数はシグモイド関数で、所定のｍｅｔ値例え
ば０．７から３．０が出力できるように調整しておく。

【０１２６】これは図３１の神経回路網Ａ１２５の出力
層１２９の後に１つの出力ユニットを付加したと考える
ことができる。つまり神経回路網Ａ１２５の出力層と１
つの出力ユニット１２６の結合が活動量変換回路１１の
役目をすると考えれば分かり易い。

【０１２７】学習法は先に説明したのと同様に行なえ
る。ただ出力の教師データはｍｅｔ値とする。そしてす
くなくとも出力ユニットの変換関数は連続関数である必
要がある。中間層１２８は連続でも不連続（しきい値関
数）でもよい。

【０１２８】以上、本実施例によれば活動量変換回路１
１が省略できる。

【０１２９】図３５に本発明のさらに他の実施例を示
す。図３５において活動状態推定回路１０は、マイクロ
プロセッサ等で構成されたファジィ推論回路１３１とデ
ータ記憶回路１３２とからなり、周波数および電力変化
分析回路８，９の出力情報データからファジィ推論を行
なって活動量を出力する。

【０１３０】以下ファジィ推論で活動量を算出する過程
を説明する。説明の簡略化のため情報データとしては周
波数成分比と平均電力のみを用いた場合で行なう。他の
データを用いても、メンバシップ関数、制御ルールが増
え複雑になるだけである。

【０１３１】図３６（ａ）は横方向に比率最大の周波数
帯域チャンネルの中心周波数、縦方向に移動速度の
「大」「中」「小」のグレードを示したファジィ変数の
メンバシップ関数である。同図（ｂ）は横方向に平均電
力ａｐ、縦方向に動き部分の「大」「中」「小」のグレ
ードを示したファジィ変数のメンバシップ関数である。
同図（ｃ）は横方向に活動量（単位ｍｅｔ）、縦方向に
前記活動量に対して「大」「やや大」「中」「やや中」
「小」と評価するグレードを示したファジィ変数のメン
バシップ関数である。前記図３６の３種類のメンバシッ
プ関数は、本発明の発明者が複数の人の作業の測定デー
タから作成したものである。

【０１３２】図３７は在室者の活動状態をファジィ推論
によって求めるための制御ルールを示す説明図である。
縦方向には比率最大の周波数帯域チャンネルの中心周波
数から求められる３段階の移動速度のファジィ変数（移
動速度「大」「中」「小」）をとり、横方向には平均電
力から求められる３段階の距離のファジィ変数（動き部
分「大」「中」「小」）をとって２次元に配置すること
により、これら２つの条件の交わった位置に在室者の活
動量（「大」「やや大」「中」「やや中」「小」の内の
一つ）を設定するものである。すなわち、もし「移動速
度大」で「動き部分大」ならば「活動量大」である。と
いう具合に推論する。また、この制御ルールは本発明の
発明者が予め複数の人の作業の測定から決めたものであ
る。図３６のメンバシップ関数および図３７の制御ルー
ルは予めデータ記憶回路１３２に格納しておく。

【０１３３】次にファジィ推論の実行を図３８の実行説
明図と図３９のフローチャートをもとに説明する。

【０１３４】最初にステップＳ３９−１で最大強度チャ
ンネル中心周波数から移動速度に対するファジィ変数の
メンバシップ関数（図３８（ａ））を求める。例えば最
大強度チャネルの中心周波数が１０Ｈｚならば図３８
（ａ）に示すようにファジィ変数「大」のメンバシップ
関数が選択されそのグレードが１となる。次にステップ
Ｓ３９−２で平均電力より動き部分に対するファジィ変
数のメンバシップ関数（図３８（ｂ））を求める。例え
ば平均電力が１５０であれば図３８（ｂ），（ｃ）に示
すようにファジィ変数「大」「中」の両方のメンバシッ
プ関数が選択され、そのグレードがそれぞれ０．６、
０．４となる。このようにして在室者の活動量を推論す
るための制御ルールの前件部が導出される。

【０１３５】次にステップＳ３９−３に進み、ステップ
Ｓ３９−１、Ｓ３９−２で求められた前件部を前記デー
タ記憶回路１３２に記憶されている制御ルールに当ては
めて後件部である活動量のファジィ変数を求め、そのメ
ンバシップ関数を導出する。例えば図３８では下記２通
りの前件部が成立する。

【０１３６】もし移動速度「大」で動き部分「大」ならば（２１）もし移動速度「大」で動き部分「中」ならば（２２）上記前件部を制御ルールにあてはめて後件部を求める
と、それぞれ図３８（ｄ），（ｅ）に示す通り活動量
「大」、「中」というファジィ変数のメンバシップ関数
が導出される。

【０１３７】次にステップＳ３９−４に進み、ステップ
Ｓ３９−３で求められた活動量ファジィ変数のメンバシ
ップ関数からそのグレードを導出し、メンバシップ関数
の修正を行なう。すなわち後件部である活動量メンバシ
ップ関数のグレードは、制御ルールの前件部を構成する
２つのファジィ変数のうち、グレードの小さい方の値と
して成立するものである。例えば図３８（ａ），（ｂ）
なる前件部では０．６が活動量「大」に対するグレード
となり、図３８（ａ），（ｃ）なる前件部では０．４が
活動量「中」に対するグレードとなる。このようにして
修正された活動量メンバシップ関数が図３８（ｃ），
（ｅ）の斜線部分である。

【０１３８】次にステップＳ３９−５に進み、ステップ
Ｓ３９−４で求められた活動量の修正メンバシップ関数
の論理和をとり合成メンバシップ関数を求める。例えば
図３８（ｆ）の斜線部分が合成メンバシップ関数を表わ
す。

【０１３９】最後にステップＳ３９−６に進み、ステッ
プＳ３９−５で求められた活動量の合成メンバシップ関
数から、重心の位置を算出して活動量（単位ｍｅｔ）を
得る。

【０１４０】以上説明は簡単のためにファジ変数として
３つの場合、デファジケーションは重心法で行なったが
これに限ることはない。また移動速度のメンバシップ関
数は入力に最大強度の周波数帯域チャネルの中心周波数
としたが例えば最大強度周波数帯域チャネルと２番目の
強度を持つ周波数帯域チャネルの組み合わせであっても
よい。

【０１４１】以上、識別判断、パターン識別、神経回路
網、ファジィ推論による周波数および電力変化情報から
活動量への変換法を説明した。なお、全ての情報を用い
て活動量に変換する必要はなく、零交差数、超平均電力
を用いずに活動量を得てもよい。また、周波数成分比の
代わりに元の分類計数値をそのまま用いてもよい。

【０１４２】図４０に本発明の人体活動量算出装置を用
いた空気調和機の一実施例を示す。この空気調和器は、
室内温度センサ２０１と、空気調和機のコンプレッサ、
ファンモータなどのアクチュエータ２１５と、空気調和
機全体を制御する制御回路２２０とを備え、この制御回
路２２０には、本発明に係る人体活動量算出装置２０８
と活動量時間平均回路２０９とが直列に接続されてい
る。

【０１４３】人体活動量算出装置２０８は、これを構成
するフレネルレンズ２、焦電素子１は空気調和機室内機
の前面にフレネルレンズ２の検知ゾーンが室内に居る人
をカバーするように配置され、人の活動量（単位ｍｅ
ｔ）を出力する。活動量時間平均回路２０９は人体活動
量算出装置２０８が出力する活動量を所定時間間隔で平
均化して制御回路２２０に出力するものである。

【０１４４】ところで、空気調和機が部屋の温度を設定
した温度にまで持っていくのには時間がかかる。この時
間は空気調和機の冷暖房能力と温度変化幅と部屋の熱容
量に依存する。一般的には５〜１０分と分単位の時間が
必要となる。活動量算出装置２０８は制御回路２２０の
要求によってほぼ分析時間Ｔでその時間での活動量を出
力する。この分析時間は人の動きの周波数から決められ
る。この周波数は０．１〜１５Ｈｚと言われる。そこで
本発明の説明では分析時間を１２秒としている。

【０１４５】人の動きは機械のように一定でなく不規則
かつ断続的である。いま活動量時間平均回路２０９がな
く、制御回路２２０からの要求で活動量算出装置２０８
は分析時間（１２秒間）の活動量を出力し、制御回路２
２０はこの活動量でアクチュエータ２１５を制御すると
仮定する。制御回路２２０からの要求は人の動きの一瞬
を標本化し、活動量を得るに等しい。仕事中たまたま休
息したときに、制御回路２２０からの要求で活動量算出
装置２０８が休息時の活動量を出力した場合を考える。
本来は仕事時の活動量でなければならないのにこの休息
時の活動量によって制御回路がアクチュエータを制御す
るという不具合が起きる。これを防止するには活動量算
出の標本化を頻繁に行ない、複数の標本活動量を平均化
してこの平均活動量をアクチュエータ制御に適用すれば
良い。この平均化を行なうのが活動量時間平均回路２０
９である。

【０１４６】本実施例では活動量算出回路２０８は自律
的に例えば３０秒おきに分析時間１２秒で活動量算出を
行ない、活動量を活動量時間平均回路２０９に出力す
る。活動量時間平均回路２０９には所定時間の活動量を
一時記憶するデータバッファと時間平均活動量を一時記
憶する活動量バッファ（図示せず）があり、データバッ
ファに新たな活動量が入力される毎にデータバッファの
活動量の平均値を算出して活動量バッファに記憶する。
制御回路２２０は任意の時間に活動量バッファに記憶さ
れている活動量を読み込むことができる。

【０１４７】なお前記の所定時間は先の空気調和機の温
度変更時間５〜１０分（データバッファ数で１０〜２０
個）に合わせるのが好ましい。また活動量算出装置１０
８は自律的に動作せずとも制御回路の要求に従って動作
してもよく、分析は周期的でなくてもよい。さらに平均
の方法は単純平均でなくても最新の活動量に重きを置く
ような加重平均でもよい。

【０１４８】本実施例は単純に室内温度センサ２０１と
活動量時間平均回路２０９からの情報で空気調和機の設
定温度を制御するものである。

【０１４９】図４１は空気調和機の冷房運転または暖房
運転時に、活動量に対して在室者が快適と感じる快適温
度を表わしたものであり、例えば快適指標を表わすＰＭ
Ｖ値の算出式を用い、夏あるいは冬の平均的な室内の湿
度、幅射温度、気流速度、在室者の着衣量を代入して導
出したものである。この活動量と快適温度の関係を予め
制御回路２２０の記憶回路（図示せず）に記憶してお
く。

【０１５０】最初に室内温度センサ２０１で室内温度を
測定し、次に活動量時間平均回路２０９から活動量を得
る。先の記憶されている活動量と快適温度の関係からこ
の活動量に対する快適温度を決定する。そして室内温度
と快適温度を比較して、室内温度が快適温度に近づくよ
うに制御回路２２０でアクチュエータ２１５を制御す
る。このとき、室内ファンモータの回転数を活動量に応
じて制御するのが望ましい。

【０１５１】図４２は人の活動量に対して快適と感じる
気流速度を表わしたものであり、例えば快適指標を表わ
すＰＭＶ値の算出式を用い、夏あるいは冬の平均的な室
内の湿度、幅射温度、使用者の着衣量を代入して快適温
度をパラメータにして導出したものである。この気流速
度を、室内ファンモータの回転数に換算する。室内ファ
ンモータの風吹き出し性能と平均的な使用者とファンモ
ータとの距離を用いて、実験的に使用者の位置での気流
速度と室内ファンモータ回転数の換算を行えばよい。図
４３にこうして求めた室内ファンモータ回転数と活動量
の関係の一例を示す。そして、この活動量とファンモー
タ回転数の関係を予め制御回路２２０の記憶回路（図示
せず）に記憶しておく。

【０１５２】快適性はＰＭＶの算出式に見られるよう
に、温度、気流速度の関数である。したがってこの双方
を制御した方が望ましい。しかし、温度と気流速度の人
の温冷感に与える影響の度合いを考えると温度の影響の
方が大きい。そこでまず先に説明したように活動量と快
適温度の関係から快適温度を決定し、室内温度をこれに
近づける。このとき室内ファンモータの回転数は、室内
温度が最短時間で快適温度に近づくように制御する。そ
して室内温度と快適温度との差がある程度小さくなった
時点で、先の快適な気流速度を与える室内ファンモータ
の回転数と活動量の関係から室内ファンモータの快適回
転数を得て、この回転数になるように室内ファンモータ
を制御する。

【０１５３】また、活動量が０．７以下になったら居室
内の人が睡眠に入ったと判断して、一定時間後に空気調
和機の運転を停止する機能を持たせても良い。さらに、
活動量値が所定値以上になったら、居室内に人が居ると
判断して、自動的に空気調和機の運転を開始する機能を
持たせても良い。つまり本発明の活動量算出装置を従来
の人検知センサとして用いることもできる。これらの機
能は本発明の活動量算出装置２０８と制御回路２２０が
あれば簡単に実行できることは明らかである。

【０１５４】以上、本実施例によれば、室内の居る人の
活動量に応じた快適な室内温度および気流速度を与える
空気調和機を提供できる。

【０１５５】図４４に本発明の人体活動量算出装置を用
いた空気調和機の他の実施例を示す。図４４において図
４０と同一の構成要素には同一の参照符号を付し、説明
は省略する。

【０１５６】この実施例に係る空気調和機は、室内温度
センサ２０１、湿度センサ２０２、輻射温度センサ２０
３、気流速度センサ２０４、外気温度センサ２０５、カ
レンダＩＣ２０６、着衣量推定回路２０７、人体活動量
算出装置２０８、活動量時間平均回路２０９、ＰＭＶ値
算出回路２１０、制御回路２２０およびアクチュエータ
２１５からなる。

【０１５７】湿度センサ２０２、幅射温度センサ２０３
および気流速度センサ２０４は、それぞれ空調室内の湿
度、幅射温度、気流速度を測定する。室外温度センサ２
０５は室外の温度を測定し、カレンダＩＣ２０６は年月
日データを出力する。着衣量推定回路２０７はカレンダ
ＩＣ２０６の出力する月日データから季節を知り、室外
温度センサ２０５から外気温度を知り、これら２つのデ
ータからファジィ推論で着衣量（単位ｃｌｏ）を出力す
る。ＰＭＶ値算出回路２１０は、室内温度、湿度、幅射
温度、気流速度、着衣量、活動量からＩＳＯ−７７３０
の算出式でＰＭＶ値を算出する。制御回路２２０はＰＭ
Ｖ算出回路２１０からのＰＭＶ値を元に、この値が零に
漸近し、−０．５から０．５の間になるように、アクチ
ュエータ２１５を制御する。

【０１５８】以上、本実施例によれば、正確な人体活動
量をもとにＰＭＶ値を算出し、これを快適性の評価基準
に空気調和機のアクチュエータを制御し、ＰＭＶ値を零
近傍に維持するため、室内の人に快適な温熱環境を提供
できる。

【０１５９】なお、上記説明ではＰＭＶ値を快適性の基
準に置く制御を述べたがこれに限ることはない。他の快
適性を表わす指標によっても良いことはいうまでもな
い。

【０１６０】図４５に本発明に係る人体活動量算出装置
を用いた扇風機を示す。この扇風機は、風を送り出すフ
ァンモータ３０１と、ファンモータ３０１の回転数を制
御する回転数制御回路３０２と、風向きを変える首振り
機構３０３と、首振り機構３０３を制御する首振り制御
回路３０４と、人体活動量算出装置３０５と、活動量時
間平均回路３０６と、扇風機全体を制御する制御回路３
０７とからなる。

【０１６１】人体活動量算出装置３０５を構成するフレ
ネルレンズ２、焦電素子１は図４６に示すように扇風機
正面位置に固定つまり扇風機の首振りによって検知ゾー
ンが変化しないように取り付けられる。この実施例で
は、図４２に示す人の活動量に対して快適と感じる気流
速度をファンモータ３０１の回転数に換算し、ファンモ
ータ３０１の風吹き出し性能と平均的な使用者とファン
モータ３０１との距離を用いて、実験的に使用者の位置
での気流速度とファンモータ３０１の回転数の換算を行
う。図４７にこうして求めたファンモータ３０１の回転
数と活動量の関係の一例を示す。そして、この活動量と
ファンモータ３０１の回転数の関係を予め制御回路３０
７の記憶回路（図示せず）に記憶しておく。

【０１６２】一方、人体活動量算出装置３０５は扇風機
を使用している人の活動量を監視する。この活動量は活
動量時間平均回路３０６で平均化され、制御回路３０７
に伝えられる。制御回路３０７は先の回転数と活動量の
関係を読み出し、この活動量に対して快適な気流速度が
得られるファンモータ３０１の回転数を得る。そして回
転数制御回路３０２を介してファンモータ３０１の回転
数を活動量にあったものにする。

【０１６３】人は常に一定の風を吹きつけられると不快
に感じるため、扇風機ではファンモータ３０１の向きを
動かすことで、人への風当りに変化を持たせる機能を持
つ。いわゆる首振り動作を行なって人への風当りを断続
させる。活動量とこの風当りの関係は明確になっていな
いが、経験的には活動量の小さいとき（睡眠、体を横た
えているとき）にはたまに風があたる程度が好ましく、
活動量が大きいとき（重労働、ダンスなどをしていると
き）は頻繁に風があたるのが好ましい。これを首振り動
作の回転角速度に置き換える。活動量が小さいときは回
転角速度を小さく、つまりゆっくり首振りを行ない、活
動量が大きいときは回転角速度を大きくつまり早く首振
りを行なう。ただし、首振り角度は予め設定されてお
り、この範囲を往復する。図４８に回転角速度と活動量
の関係の一例を示す。この関係を予め制御回路３０７の
記憶回路（図示せず）に記憶しておく。

【０１６４】人体活動量算出回路３０５の算出した活動
量は活動量時間平均回路３０６で平均化され制御回路３
０７に伝えられる。制御回路３０７は先の回転角速度と
活動量の関係を読み出し、この活動量に対して快適な回
転角速度を得る。そして首振り制御回路３０４を介して
首振り機構３０３の回転角速度を活動量にあったものに
する。なお、活動量が極端に小さいとき（睡眠時）に
は、ある時間をおいてファンモータ３０１の回転を止め
かつ首振りも止める機能をもたせてもよい。また活動量
が大きいときは首振りを止める機能を持たせてもよい。

【０１６５】以上本実施例によれば人の活動量に応じて
常に快適な気流速度を与える扇風機を提供できる。

【０１６６】図４９に本発明に係る人体活動量算出装置
を用いた強制吸排気式灯油燃焼暖房機の一実施例を示
す。この実施例に係る強制吸排気式灯油燃焼暖房機は、
室内温度センサ４０１と、燃焼空気吸排気用ファンモー
タ４０２と、室内暖房用ファンモータ４０３と、灯油気
化器４０４と、灯油燃焼釜４０５と、燃焼空気吸排気用
ファンモータ４０２の回転制御回路Ａ４０６と、室内暖
房用ファンモータ４０３の回転制御回路Ｂ４０７と、灯
油気化制御回路４０８と、人体活動量算出装置４０９
と、活動量時間平均回路４１０と、全体を制御する制御
回路４２０とからなる。

【０１６７】人体活動量算出装置４０９は、これを構成
するフレネルレンズ２、焦電素子１は暖房機の前面に、
フレネルレンズ２の検知ゾーンが室内に居る人をカバー
するように配置され、人の活動量（単位ｍｅｔ）を出力
する。

【０１６８】本実施例は単純に室内温度センサ４０１と
活動量時間平均回路４１０からの情報で暖房機の設定温
度を制御するものである。この実施例では、前述の図４
１に示した暖房時の活動量と快適温度の関係を予め制御
回路４２０の記憶回路（図示せず）に記憶しておく。そ
して、最初に室内温度センサ４０１で室内温度を測定
し、次に活動量時間平均回路４１０で活動量を得る。先
の記憶されている活動量と快適温度の関係からこの活動
量に対する快適温度を決定する。次いで、室内温度と快
適温度を比較して、室内温度が快適温度に近づくように
制御回路４２０で各アクチュエータを制御する。

【０１６９】室内温度が快適温度より低いときには制御
回路４２０はファンモータの回転制御回路Ａ４０６およ
びＢ４０７、灯油気化制御回路４０８を制御して回転
数、気化量を増加し、室外から多くの空気を取り込んで
燃焼釜４０５で多くの灯油を燃焼させ、大量の熱を発生
させる。そして、この燃焼釜の周りに室内の空気を吹き
付けて急速に室内温度を快適温度に持って行く。このと
き、室内暖房用ファンモータ４０３の回転数を活動量に
応じて制御するのが望ましい。

【０１７０】快適性はＰＭＶの算出式に見られるよう
に、温度、気流速度の関数である。したがってこの双方
を制御した方が望ましい。しかし、温度と気流速度の人
の温冷感に与える影響度合いを考えると温度の影響の方
が大きい。そこでまず先に説明したように活動量から快
適温度の関係から快適温度を決定し、室内温度をこれに
近づける。このとき、各ファンモータの回転数および灯
油の気化量は室内温度が最短時間で快適温度に近づくよ
うに制御する。そして室内温度と快適温度との差がある
程度小さくなった時点で、先の快適な気流速度を与える
室内暖房用ファンモータ４０３の回転数と活動量の関係
から室内暖房用ファンモータ４０３の快適回転数を得
て、この回転数になるように室内暖房用ファンモータ４
０３を制御する。

【０１７１】室内温度が快適温度に到達したら、あとは
室内温度を快適温度に維持するために、灯油気化制御回
路４０８によって灯油気化量が制御され、回転制御回路
Ｂ４０７によって室内暖房用ファンモータ４０３の回転
数が制御される。また、活動量が０．７以下になったら
居室内の人が睡眠に入ったと判断して、一定時間後に強
制吸排気式灯油燃焼暖房機の運転を停止する機能を持た
せても良い。さらに、活動量値が所定値以上になった
ら、居室内に人が居ると判断して、自動的に強制吸排気
式灯油燃焼暖房機の運転を開始する機能を持たせても良
い。つまり本発明の活動量算出装置を従来の人検知セン
サとして用いることもできる。

【０１７２】これらの機能は本発明の活動量算出装置４
０９と制御回路４２０があれば簡単に実行できることは
明らかである。

【０１７３】以上、本実施例によれば、室内に居る人の
活動量に応じた快適な室内温度および気流速度を与える
強制吸排気式灯油燃焼暖房機を提供できる。

【０１７４】なお本実施例では燃焼空気吸排気用にファ
ンモータを持たせたが、自然対流を利用すればこれを用
いる必要はない。また灯油燃焼に限らず、ガス燃焼ある
いは電気ヒータによる加熱でも同様である。つまり発熱
源を持ち、この発熱源に空気を接触させて暖め、この暖
気を部屋に送風する形式の暖房機であれば実施例と同様
に機能させることができる。

【０１７５】図５０に本発明に係る人体活動量算出装置
を用いた空気清浄機を示す。この実施例に係る空気清浄
機は、空気中の塵埃を除去する空気フィルタ５０１と、
吸い込み口に取り付けられた空気フィルタ５０１を通し
て室内の空気を吸い込み、再び排気するファンモータ５
０２と、ファンモータ５０２の回転数を制御する回転制
御回路５０３と、人体活動量算出装置５０４と、活動量
時間平均回路５０５と、空気中の臭いを検出する臭いセ
ンサ５０６と、空気清浄機全体を制御する制御回路５２
０とからなる。

【０１７６】人体活動量算出装置５０４を構成するフレ
ネルレンズ２、焦電素子１は空気清浄機前面に検知ゾー
ンが室内全体を覆うように取り付けられる。部屋の汚れ
は喫煙、調理などで発生する化学物質の微粒子に起因す
る場合と人が動くことで発生する埃に起因する場合とに
大別される。前者の場合、比較的に安価な臭いセンサで
これを検出することが可能である。後者の場合、普通に
は人の着衣からの綿ぼこり、あるいは人が動くことによ
って引き起こされる空気の乱れ、床の振動などで舞い上
がるほこりの場合が多い。そして、この場合は高価な塵
埃センサでなければ検出できない。

【０１７７】本実施例はこの塵埃発生量の検出を人の動
きで予想し、空気清浄機の動作を制御するものである。

【０１７８】人の動きに起因する塵埃の発生量は人の活
動量にほぼ比例すると考えれてよい。そこで人の活動量
と発生するほこりの関係を実験的に平均的な部屋で求
め、そのほこりを除去するに必要なファンモータ５０２
の回転数と時間の積つまり空気フィルタ５０１を通過さ
せる必要な空気体積量の関係を求めておく。

【０１７９】人体活動量算出装置５０４は部屋に居る人
の活動量を監視する。この活動量は活動量時間平均回路
５０５で時間平均され制御回路５２０に伝えられ、制御
回路５２０は先の回転数と活動量の関係を読み出し、こ
の活動量に対して最適な空気清浄速度が得られるファン
モータ５０２の回転数を得る。そして回転数制御回路５
０３を介してファンモータ５０２の回転数を活動量にあ
ったものにする。

【０１８０】人の活動が盛んつまり活動量が大のときは
ファンモータ５０２の回転数を大きくして空気フィルタ
５０１を通過させる単位時間あたりの空気体積量を大き
くする。人が休息しているつまり活動量が小さいときは
ファンモータ５０２の回転数を落とし空気フィルタ５０
１を通過させる単位時間あたりの空気容積量を小さくす
る。活動が検出されなくなった時点から一定時間後にフ
ァンモータ５０２の回転が止められる。この時間は先の
埃を除去するに必要なフィルタ５０１を通過させる空気
体積量で決められる。

【０１８１】一般にファンモータ５０２が発生する騒音
レベルは回転数に比例する。また人の騒音に対する感覚
を考えると、盛んに運動しているときは自分の発する音
が骨伝導で聞こえるためあまり外部騒音を感じないが、
睡眠、休息などのときは外部騒音を強く意識する。本実
施例では人の動きに比例してファン回転数を制御してい
るため、盛んに運動しているときはファン回転数が大き
く、大きな音を発生するが、睡眠、休息のときはファン
回転数が小さく、あまり音を発生しない。このことから
本実施例によればファン騒音が気にならない空気清浄機
を得ることも可能となる。

【０１８２】臭いセンサ５０６は前述の塵埃以外の部屋
の汚れ、例えばタバコの煙、調理の油煙などを検出す
る。同様にこれら汚れ発生量とこれを除去するに必要な
ファンモータ５０２の回転数と時間の積の関係を予め用
意して制御回路５２０に記憶させておく。そして検出と
同時にファンモータ５０２を制御して室内空気をフィル
タ５０１を通過させながら循環して汚れを除去する。そ
して臭いセンサ５０６の検出出力が一定値以下になった
とき、ファンモータ５０２の回転が止められる。活動量
と同様に一定時間後にファンモータ５０２の回転を止め
ても良いが、臭いセンサ５０６の検出レベルで止めた方
が正確である。

【０１８３】なお活動量検出と臭いセンサ検出が同時の
場合には、それぞれの別個動作で必要とされるファンモ
ータ５０２の回転数のうち回転数が大きい方で動作制御
されるようにしておく。またファンモータ５０２の回転
を止める場合は、活動量の一定時間か、臭いセンサ出力
が一定値以下になる時間のうち長い方を採用する。

【０１８４】以上、本実施例では臭いセンサ５０６およ
び人体活動量算出装置５０４の双方を用いて部屋の空気
の汚れを検出しこれを除去するため、低価格で人の活動
量に応じて常に清浄な空気を与えるとともにファンモー
タ騒音の気にならない空気清浄機を提供できる。なお部
屋の汚れた空気を換気する換気扇でも同様な動作を行な
わせることができるのは明らかである。

【０１８５】

【発明の効果】これまでの説明で明らかなように、上述
のように構成された本発明によれば、焦電型赤外線検出
手段からの出力信号の所定区間を零交差波分析する周波
数分析手段と、所定区間の波形電力の変化を得る電力変
化分析手段と、周波数分析手段が出力する周波数情報と
電力変化分析手段が出力する電力変化情報とから人の動
き状態を推定する活動状態推定手段と、活動状態推定手
段によって推定された活動状態を活動量に変換する活動
量変換手段と備えているので、活動状態推定手段によっ
て推定された活動状態を活動量に変換することによって
小さな動きによる活動量を正確に算出することが可能と
なった。

【０１８６】また、この上述の人体活動量算出装置を空
気調和機、暖房機などの居室環境制御装置に使用するこ
とによって人の活動に応じて快適な居室環境を提供する
ことが可能になる。

【図面の簡単な説明】

【図１】実施例に係る人体活動量算出装置の概略構成を
示すブロック図である。

【図２】実施例に係る人体活動量算出装置における周波
数分析回路の構成を示すブロック図である。

【図３】従来から使用されている人検知センサの構成を
示すブロック図である。

【図４】人検知センサに使用される焦電素子の出力波形
の一例を示す波形図である。

【図５】焦電素子を使用して測定するときの出力測定の
位置関係を示す説明図である。

【図６】同一動作での焦電素子出力電圧と素子人体間距
離の関係を示す図である。

【図７】同一距離での焦電素子出力電圧と人体動き部分
の関係を示す図である。

【図８】同一距離での代表的作業時の焦電素子出力波形
とそのスペクトルを示す図である。

【図９】焦電素子出力波形と零交差点間隔の計測例を示
す図である。

【図１０】焦電素子出力波形と正負限界振幅値による零
交差点間隔の計測例を示す図である。

【図１１】零交差点間隔計測回路の構成を示すブロック
図である。

【図１２】零交差点間隔計測回路のタイミングを示すタ
イミングチャートである。

【図１３】零交差点間隔と帯域幅の関係を示す説明図で
ある。

【図１４】零交差点間隔分類による信号検出ＢＰＦを示
す説明図である。

【図１５】零交差点間隔分類回路の構成を示すブロック
図である。

【図１６】分類回路の構成を示すブロック図である。

【図１７】分類計数回路の構成を示すブロック図であ
る。

【図１８】周波数分析回路の構成を示すブロック図であ
る。

【図１９】焦電素子出力波形と標本化による零交差点間
隔の計測例を示す説明図である。

【図２０】零交差点間隔計測の手順を示すフローチャー
トである。

【図２１】零交差点間隔分類の手順を示すフローチャー
トである。

【図２２】零交差点間隔分類計数値と入力周波数の関係
を示す図である。

【図２３】重み付け零交差点間隔分類計数値と入力周波
数の関係を示す図である。

【図２４】電力変化分析回路の構成を示すブロック図で
ある。

【図２５】電力変化分析例を示す図である。

【図２６】周波数分析および電力変化分析例を示す図で
ある。

【図２７】識別判断による活動状態推定回路の構成を示
すブロック図である。

【図２８】周波数成分比の分布を示す図である。

【図２９】識別判断の手順を示すフローチャートであ
る。

【図３０】パターン識別による活動状態推定回路の構成
を示すブロック図である。

【図３１】神経回路網Ａによる活動状態推定回路の構成
を示すブロック図である。

【図３２】神経回路ユニットの構成を示すブロック図で
ある。

【図３３】神経回路ユニット変換関数を示す図である。

【図３４】神経回路網Ｂによる活動状態推定回路の構成
を示すブロック図である。

【図３５】ファジィ推論による活動状態推定回路の構成
を示すブロック図である。

【図３６】メンバシップ関数を示す図である。

【図３７】制御ルールを示す図である。

【図３８】ファジィ推論を実行する行程を示す説明図で
ある。

【図３９】ファジィ推論の手順を示すフローチャートで
ある。

【図４０】本発明の人体活動量算出装置を用いた空気調
和機の構成を示すブロック図である。

【図４１】活動量と快適温度の関係を示す図である。

【図４２】活動量と快適気流速度の関係を示す図であ
る。

【図４３】活動量と快適室内ファンモータ回転数の関係
を示す図である。

【図４４】本発明の人体活動量算出装置を用いた空気調
和機の構成を示すブロック図である。

【図４５】本発明の人体活動量算出装置を用いた扇風機
の構成を示すブロック図である。

【図４６】フレネルレンズおよび焦電素子の扇風機への
取り付け位置を示す図である。

【図４７】活動量と扇風機の快適ファンモータ回転数の
関係を示す図である。

【図４８】活動量と快適回転角速度（首振り速度）の関
係を示す図である。

【図４９】本発明の人体活動量算出装置を用いた強制吸
排気式灯油燃焼暖房機の構成を示すブロック図である。

【図５０】本発明の人体活動量算出装置を用いた空気清
浄機の構成を示すブロック図である。

【符号の説明】

１焦電素子８周波数分析回路９電力変化分析回路１０活動状態推定回路１１活動量変換回路１５零交差点計数回路１６零交差点間隔計測回路１７零交差点間隔分類回路１８分類計数回路１９重み付け回路２０時間長正規化回路２１周波数成分比回路２４平均電力算出回路２５超平均電力算出回路２６尖鋭度算出回路１２０識別判断回路１２１識別しきい値回路１２２パターン間距離算出回路１２３標準パターン記憶回路１２４距離判定回路１２５神経回路網Ａ１３０神経回路網Ｂ１３１ファジィ推論回路１３２データ記憶回路２０８，３０５，４０９，５０４人体活動量算出装置２０９，３０６，４１０，５０５活動量時間平均回路

Claims

【特許請求の範囲】

【請求項１】熱源からの放射赤外線を検出する焦電型
赤外線検出手段からの出力に基づいて人体の活動量を算
出する人体活動量算出装置において、前記焦電型赤外線検出手段から出力された出力信号の所
定区間を零交差波分析する周波数分析手段と、前記所定区間の波形電力の変化を得る電力変化分析手段
と、前記周波数分析手段が出力する周波数情報と前記電力変
化分析手段が出力する電力変化情報とから人の動き状態
を推定する活動状態推定手段と、前記活動状態推定手段によって推定された活動状態を活
動量に変換する活動量変換手段と、備えていることを特
徴とする人体活動量算出装置。
【請求項２】前記周波数分析手段は、波形の零交差点
を検出し、前記零交差点を計数して得られる前記所定区
間での零交差数と、前記所定区間内の各零交差点間隔を
所定の複数の時間範囲に分類して計数することで得られ
る前記各時間範囲内の各分類個数とを周波数情報として
出力することを特徴とする請求項１記載の人体活動量算
出装置。
【請求項３】前記周波数分析手段は、前記各分類個数
に相当する周波数で決められる重み係数を乗算して対数
をとり、各結果を信号存在時間で除算し、各除算結果を
除算結果合計が１となるように正規化することを特徴と
する請求項２記載の人体活動量算出装置。
【請求項４】前記周波数分析手段は、前記各分類個数
に相当する周波数で決められる重み係数を乗算して対数
をとり、各結果を前記零交差数で除算し、各除算結果を
除算結果合計が１となるように正規化することを特徴と
する請求項２記載の人体活動量算出装置。
【請求項５】前記電力変化分析手段は、前記所定区間
の平均電力と、平均電力を越える時点の平均電力である
超平均電力と、超平均電力を平均電力と超平均電力の和
で除算した尖鋭度とを電力変化情報として出力すること
を特徴とする請求項１記載の人体活動量算出装置。
【請求項６】前記活動状態推定手段が、前記周波数情
報と前記電力変化情報を入力とし、各情報における複数
のしきい値手段で識別判断して活動状態を推定出力する
識別判断手段からなることを特徴とする請求項１記載の
人体活動量算出装置。
【請求項７】前記活動状態推定手段が、前記周波数情
報と前記電力変化情報を入力とし、これをパターンとみ
なしてパターン識別法で活動状態を推定出力するパター
ン識別手段からなることを特徴とする請求項１記載の人
体活動量算出装置。
【請求項８】前記活動状態推定手段が、前記周波数情
報と前記電力変化情報を入力とし、活動状態を推定して
出力する神経回路網からなることを特徴とする請求項１
記載の人体活動量算出装置。
【請求項９】前記活動状態推定手段と前記活動量変換
手段とが、前記周波数情報と前記電力変化情報とを入力
とし、活動量値を出力とする神経回路網からなることを
特徴とする請求項１記載の人体活動量算出装置。
【請求項１０】前記活動状態推定手段と前記活動量変
換手段とが、前記周波数情報と前記電力変化情報とを入
力とし、活動量値を出力とするファジィ推論手段からな
ることを特徴とする請求項１記載の人体活動量算出装
置。
【請求項１１】人が居住する居室内の居住雰囲気の状
態を検出する検出手段と、この検出手段の出力に応じて
居室の環境状態を制御する居室環境制御機器において、居室の環境状態を制御するために請求項１記載の人体活
動量算出装置を備えていることを特徴とする居室環境制
御機器。
【請求項１２】前記人体活動量算出装置の出力する活
動量を所定の時間範囲で時間平均する活動量時間平均手
段をさらに備えていることを特徴とする請求項１１記載
の居室環境制御機器。
【請求項１３】前記居室環境制御機器が空気調和機か
らなり、前記検出手段が温度検出手段からなることを特
徴とする請求項１１記載の居室環境制御機器。
【請求項１４】前記人体活動量算出手段から出力され
る活動量に応じて室内の設定温度および室内ファンモー
タの回転数を制御する制御手段を備えていることを特徴
とする請求項１３記載の居室環境制御機器。
【請求項１５】前記人体活動量算出手段から出力され
る活動量を所定の時間範囲で時間平均する活動量時間平
均手段をさらに備え、前記活動量時間平均手段の出力す
る活動量により室内の設定温度および室内ファンモータ
の回転数を制御することを特徴とする請求項１４記載の
居室環境制御機器。
【請求項１６】ＰＭＶ値算出手段と、ＰＭＶ値を評価
基準としてアクチュエータ制御を行なう制御手段とをさ
らに備えていることを特徴とする請求項１３記載の居室
環境制御機器。
【請求項１７】前記人体活動量算出手段から出力され
る活動量を所定の時間範囲で時間平均する活動量時間平
均手段をさらに備え、前記制御手段は、前記活動量時間
平均手段の出力する活動量により前記ＰＭＶ値算出手段
でＰＭＶ値を算出し、これを評価基準としてアクチュエ
ータ制御を行なうことを特徴とする請求項１６記載の居
室環境制御機器。
【請求項１８】前記居室環境制御機器が、ファンと、
ファンを駆動するモータと、このモータの回転を制御す
る制御手段とを備えた扇風機からなることを特徴とする
請求項１１記載の居室環境制御機器。
【請求項１９】前記制御手段が、前記人体活動量算出
装置から出力される人体の活動量によりファンモータ回
転数およびファン首振り角速度を制御することを特徴と
する請求項１８記載の居室環境制御機器。
【請求項２０】前記人体活動量算出手段から出力され
る人体の活動量を所定の時間範囲で時間平均する活動量
時間平均手段をさらに備え、前記制御手段は、前記活動
量時間平均手段の出力する活動量によりファンモータ回
転数およびファン首振り角速度を制御することを特徴と
する請求項１８記載の扇風機。
【請求項２１】前記居室環境制御機器が、熱源により
暖められた空気を送風することにより居室を暖房する暖
気送風式暖房機からなることを特徴とする請求項１１記
載の居室環境制御機器。
【請求項２２】前記人体活動量算出装置から出力され
る人体の活動量により熱源の発熱量と暖気を室内に送風
するファンモータ回転数とを制御する制御手段を備えて
いることをことを特徴とする請求項２１記載の居室環境
制御機器。
【請求項２３】前記人体活動量算出手段から出力され
る活動量を所定の時間範囲で時間平均する活動量時間平
均手段をさらに備え、前記制御手段は、前記活動量時間
平均手段から出力される活動量により熱源発熱量および
ファンモータ回転数を制御することを特徴とする請求項
２２記載の居室環境制御機器。
【請求項２４】前記居室環境制御機器が、空気清浄機
からなることを特徴とする請求項１１記載の居室環境制
御機器。
【請求項２５】前記人体活動量算出装置から出力され
る人体の活動量によりファンモータ回転数を制御する制
御手段を備えていることを特徴とする請求項２４記載の
居室環境制御機器。
【請求項２６】前記人体活動量算出装置から出力され
る人体の活動量を所定の時間範囲で時間平均する活動量
時間平均手段をさらに備え、前記制御手段は、前記活動
量時間平均手段から出力される活動量によりファンモー
タ回転数を制御することを特徴とする請求項２５記載の
居室環境制御機器。
【請求項２７】臭いセンサをさらに備え、前記制御手
段は、前記人体活動量算出装置から出力される人体の活
動量と前記臭いセンサからの出力によりファンモータ回
転数を制御することを特徴とする請求項２５記載の居室
環境制御機器。