JPH08166818A - State recognition device - Google Patents

State recognition device

Info

Publication number
JPH08166818A
JPH08166818A JP30895694A JP30895694A JPH08166818A JP H08166818 A JPH08166818 A JP H08166818A JP 30895694 A JP30895694 A JP 30895694A JP 30895694 A JP30895694 A JP 30895694A JP H08166818 A JPH08166818 A JP H08166818A
Authority
JP
Japan
Prior art keywords
sensor
dust
fractal dimension
detecting
frequency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP30895694A
Other languages
Japanese (ja)
Inventor
Hiroyoshi Nomura
Noboru Wakami
昇 若見
博義 野村
Original Assignee
Matsushita Electric Ind Co Ltd
松下電器産業株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Matsushita Electric Ind Co Ltd, 松下電器産業株式会社 filed Critical Matsushita Electric Ind Co Ltd
Priority to JP30895694A priority Critical patent/JPH08166818A/en
Publication of JPH08166818A publication Critical patent/JPH08166818A/en
Application status is Pending legal-status Critical

Links

Abstract

PURPOSE: To adequately recognize the state of an object system. CONSTITUTION: This device is equipped with a dust sensor 107 which detects sucked dust and dirt, a fractal-dimension calculation part 1 which calculates a fractal dimension of the output of the dust sensor 107, a pulse frequency detection part 2 which detects the frequency of the output of the dust sensor 107, and a state decision part 3 which decides the state of the sucked dust and dirt on the basis of the obtained fractal dimension and frequency and controls a motor fan 106 according to the decision result.

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【産業上の利用分野】本発明は、家電、交通、空調等の制御機器を制御するために必要な状況を認識するための状況認識装置に関するものである。 The present invention relates are those household appliances, transportation, on the status recognition device for recognizing the situation necessary for controlling the control devices of the air conditioning and the like.

【0002】 [0002]

【従来の技術】状況認識装置を用いた制御機器の一例として、掃除機を取り上げ従来技術の説明をする。 As an example of a control apparatus using the Related Art situation recognition apparatus, the description of the prior art deals with cleaner.

【0003】従来の掃除機の構造を図7(a)に示す。 [0003] The structure of a conventional vacuum cleaner shown in Figure 7 (a).
101は床や畳の上のほこりやちりなどを吸引するノズル、102はノズル101により集められたちりやほこりを本体に導くチューブ、103はチューブ102につけられたハンドル、104はチューブ102と同様にちりやほこりを本体に導くためのホース、105は吸引されたちりやほこりを集めるための紙パック、106は吸引力を発生させるためのモータファン、107はチューブ102内を通るちりやほこりを検出するダストセンサ(図ではダストセンサ107はハンドル103の近くに設置されている)、108はダストセンサ107の検出結果にしたがってモータファン106を制御する制御部である。 Nozzle 101 for sucking the dust and dirt on the floor or tatami, 102 tube for guiding the dust and dirt collected by the nozzle 101 to the body 103 is a handle attached to the tube 102, 104 is similar to tube 102 Nichiri Ya hose for guiding the dust to the main body, the paper bag for collecting sucked dust and dust 105, the motor fan for generating a suction force is 106, 107 dust sensor for detecting dust or dirt through the tube 102 (dust sensor 107 in the figure is installed in the vicinity of the handle 103), 108 is a control unit for controlling the motor fan 106 according to the detection result of the dust sensor 107.

【0004】上記のダストセンサ107の構造を図8に示す。 [0004] Figure 8 shows the structure of the dust sensor 107. ダストセンサ107は、ハンドル103部分のパイプ1074上に配置された赤外線発光ダイオード10 Dust sensor 107, an infrared light emitting diode 10 disposed on the handle 103 portion of the pipe 1074
71とフォトトランジスタ1072、及びそれらの制御回路1073から構成されている。 And a 71 and a phototransistor 1072, and the control circuit 1073 thereof. ダストセンサ107 Dust sensor 107
では、ちりやほこりの小さな粒子が赤外線発光ダイオード1071から発射される光線を横切るたびに、図中に示すようなパルス信号が出力される。 In each time across the light beam small particles of dust and dirt is emitted from the infrared light emitting diode 1071, a pulse signal as shown in the figure is output. したがって、ちりやほこりが多く吸入されれば頻繁にパルスが発生し(周波数が高くなる)、あまり吸入されなければパルスは減少し発生間隔は長くなる(周波数が低くなる)。 Therefore, if dust and dirt are many inhaled frequently pulse is generated (frequency increases), so if inhaled pulses reduced generation interval becomes longer (frequency decreases). このようにダストセンサ107の出力信号の周波数は吸入されたちりやほこりの量に対応する。 Thus the frequency of the output signal of the dust sensor 107 corresponds to the amount of dust and dirt sucked. これを利用して、従来の掃除機では図7(b)に示すような構成を用い、制御部108によりモータファン106の駆動をダストセンサ107の出力信号の周波数に比例させて行っている。 Using this, in a conventional cleaner using the configuration shown in FIG. 7 (b), it has gone in proportion to the driving of the motor fan 106 to the frequency of the output signal of the dust sensor 107 by the control unit 108.
このような制御により、例えば、ちりやほこりが多くダストセンサ107の出力信号の周波数が高くなるときには、モータファン106を強く駆動し吸引力を増すような制御を行っていた。 Such control, for example, when a dust and dust frequency of many output signal of the dust sensor 107 becomes high, has been performed such control as to drive strong motor fan 106 increases the suction force.

【0005】 [0005]

【発明が解決しようとする課題】しかしながら、上記した従来の掃除機では、大きいちりを吸入する場合や大きさや重さがあまり揃っていないちりやほこりを同時に吸引する場合に、ちりやほこりの量をうまく推定できず、 [SUMMARY OF THE INVENTION However, in the conventional vacuum cleaner described above, when sucking the dust and dirt which are not well aligned or if size and weight for sucking large dust simultaneously, the amount of dust and dirt can not be a good estimate,
適切な吸引力制御ができないという課題がある。 There is a problem that can not be suitable suction force control. 例えば、比較的大きなちり(ごみ)が吸入された場合は、ちりの吸入過程でチューブ102内の空気の流れが絶えず変化するため、ダストセンサ107からは周波数が不規則に変化するような信号が出力される。 For example, if a relatively large dust (dust) was inhaled for constantly changing the air flow in the tube 102 in the dust suction process, a signal whose frequency varies randomly from dust sensor 107 is output. また、重いちりと軽いほこりが同時に吸入された場合は、チューブ内でのちりとほこりの速度が異なるため、ダストセンサ10 Also, if the heavy dust and light dust sucked simultaneously, since the speed of the dust and dirt in the tube is different, dust sensor 10
7の出力は周波数の高いパルスと低いパルスの混ざった信号になる。 7 output is high pulse and a low pulse of mixed signal frequency of. したがって、ダストセンサ107の出力信号の周波数のみではちりやほこりの量を十分に推定することはできない。 Thus, only the frequency of the output signal of the dust sensor 107 can not be sufficiently estimate the amount of dust and dirt.

【0006】このように、従来のダストセンサ107の構成では、吸入されるちりやほこりの量を十分に推定できない。 [0006] Thus, in the configuration of the conventional dust sensor 107, it can not be sufficiently estimate the amount of dust and dirt sucked. 一般的には、多数の粒子が移動すると見なせるようなシステムにおいて、そのシステムの状況を認識する場合、移動量のみにより対象システムの状況を適切に認識できないという課題を持っていた。 In general, in a system such as regarded as a large number of particles moves, when recognizing the status of the system had a problem that can not be properly recognize the status of the target system by only the movement amount.

【0007】本発明は、従来の状況認識におけるこのような課題を考慮し、対象システムの状況を適切に認識できる状況認識装置を提供することを目的とするものである。 [0007] The present invention, in consideration of such problems of the prior situation recognition, it is an object to provide a context recognition apparatus which can properly recognize the status of the target system.

【0008】 [0008]

【課題を解決するための手段】本発明は、対象システム内の所定要素の状態を検出する状態センサと、その状態センサの検出信号から所定要素についての少なくとも1 Means for Solving the Problems The present invention comprises a condition sensor for detecting the state of a given element in the target system, at least for a given element from the detection signal of the state sensor
つの所定の特徴量を検出する特徴量検出部と、状態センサの検出信号のゆらぎを、フラクタル次元又はリアプノフ指数を計算することにより検出するゆらぎ検出部と、 One of the features detecting unit for detecting a predetermined feature quantity, the fluctuation of the detection signal of the state sensor, a fluctuation detection unit for detecting by calculating a fractal dimension or Lyapunov exponent,
そのゆらぎ検出部の検出結果及び特徴量検出部の検出結果に基づいて、対象システムの状況を判定する状況判定手段とを備えた状況認識装置である。 Based on the detection result of the detection result and the feature quantity detecting unit of the fluctuation detecting unit, a situation recognition apparatus and a situation determining means for determining the status of the target system.

【0009】 [0009]

【作用】本発明は、状態センサが、対象システム内の所定要素の状態を検出し、特徴量検出部が、状態センサの検出信号から所定要素についての少なくとも1つの所定の特徴量を検出し、ゆらぎ検出部が、状態センサの検出信号のゆらぎを、フラクタル次元又はリアプノフ指数を計算することにより検出し、状況判定手段が、ゆらぎ検出部の検出結果及び特徴量検出部の検出結果に基づいて、対象システムの状況を判定する。 DETAILED DESCRIPTION OF THE INVENTION The present invention, state sensor detects the state of a given element in the target system, the characteristic amount detecting unit detects at least one predetermined feature amount for a given element from the detection signal of the state sensor, fluctuation detecting unit, the fluctuation of the detection signal of the state sensor, is detected by calculating the fractal dimension or Lyapunov exponent, status determination means, on the basis of the detection result of the detection result of the fluctuation detecting unit and the characteristic amount detecting section, determining the status of the target system.

【0010】 [0010]

【実施例】以下に、本発明をその実施例を示す図面に基づいて説明する。 EXAMPLES Hereinafter, the explanation of the present invention based on the drawings showing its embodiments.

【0011】図1は、本発明にかかる第1の実施例の状況認識装置を用いた掃除機の構成を示す図であり、その掃除機の制御ダイアグラムを示している。 [0011] Figure 1 is a diagram showing a configuration of a vacuum cleaner with a situational awareness apparatus of the first embodiment according to the present invention shows a control diagram of the vacuum cleaner. 図1において、106はモータファン、107は状態センサとしてのダストセンサであり、これらは従来例の図7の構成と同様なものである。 1, a motor fan 106, 107 is a dust sensor as the state sensors, these are same as the structure of FIG. 7 in the conventional example. 一方、1はダストセンサ107から出力される信号についてフラクタル次元を求めるゆらぎ検出部としてのフラクタル次元計算部、2はダストセンサ107から出力される信号の周波数を検出する特徴量検出部としてのパルス周波数検出部、3はフラクタル次元計算部1とパルス周波数検出部2からの出力に応じて吸入しているちりやほこりの量や状態を推定しモータファン106を制御する状況判定部である。 Meanwhile, 1 fractal dimension calculation section as a fluctuation detection unit for determining the fractal dimension for the signals output from the dust sensor 107, 2 pulse frequency as a characteristic amount detecting section for detecting the frequency of the signal outputted from the dust sensor 107 detector, 3 is a state determination section for controlling the motor fan 106 to estimate the amount and condition of dust and dirt that the suction in accordance with the output from the fractal dimension calculation unit 1 and the pulse frequency detection unit 2. この状況判定部3には状況判定手段及び状況認識制御部が含まれている。 It contains status determination means and situation recognition control unit in the state determination section 3.

【0012】次に、上記第1の実施例の状況認識装置を用いた掃除機の動作について、図面を参照しながら説明する。 [0012] Next, the operation of the vacuum cleaner using the status recognition device of the first embodiment will be described with reference to the drawings.

【0013】ここで、フラクタル次元計算部1で計算するフラクタル次元とは、対象システムの挙動の自己相似性や複雑さを表す指標であり、これによりシステムのゆらぎや挙動の複雑さの度合を定量的に知ることができる。 [0013] Here, the fractal dimension of calculating fractal dimension calculation unit 1, an index showing the self-similarity and complexity of the behavior of the target system, thereby quantifying the degree of complexity of the fluctuations and the behavior of the system it is possible to know basis to.

【0014】まず、フラクタル次元を求める方法は、学会等でいくつか提案されている。 [0014] First, the method of determining the fractal dimension, have been proposed to academic journals, societies and so on. ここでは、その中のひとつの方法を示す(T.Higuchi : Physica D, Vol.31, p Here, an one way of them (T.Higuchi: Physica D, Vol.31, p
p.277-283, 1988 参照)。 p.277-283, see 1988).

【0015】時刻 t における対象システムからの出力信号を x(t) と表し、時刻 0 から時刻 M-1 までのデータが得られたとする。 [0015] The output signal from the target system at time t is expressed as x (t), the data from time 0 to time M-1 was obtained. このとき時刻 k から時間間隔 t Time interval t from this time time k
にあるデータの折れ線の長さを Δ k (t)/t で表すと、 When the lengths of the data of the polygonal lines by Δ k (t) / t in,
Δ k (t) は、 Δ k (t) is,

【0016】 [0016]

【数1】 [Number 1] と表せる。 And it can be expressed. ただし、L t = [(Mk)/t]t で、[z]はzを越えない整数である。 However, L t = [(Mk) / t] t, is an integer not exceeding [z] is z. このとき Δ k (t) の k についての平均を Δ(t) で表し、以下の関係が成り立てば、そのときの指数 D (1≦D≦2)がデータのフラクタル次元を示す。 It represents the average of k in this case delta k (t) with delta (t), if Naritate the following relationship, shown index at that time D (1 ≦ D ≦ 2) is the fractal dimension of the data.

【0017】 [0017]

【数2】 [Number 2] フラクタル次元 D を求めるには、実際の信号から log To determine the fractal dimension D, log from the actual signal
(Δ(t)/t) と log t を計算して、両者の関係を直線近似し、その比例定数を計算する。 (Δ (t) / t) and calculates the log t, the relationship between the two linear approximation, to calculate the proportionality constant. (数2)の関係より、 From the relation of equation (2),
計算した比例定数の値からフラクタル次元を求めることができる。 From the value of the calculated proportionality constant can be determined fractal dimension.

【0018】このようにして求めたフラクタル次元は、 [0018] The fractal dimension obtained in this way,
一般に対象システムの状態が線形システムのようにスムーズに変化すれば、D=1 となり、最大限に乱雑な場合は Typically once changes smoothly as a state of the target system linear system, D = 1, and when maximally messy is
D=2となることが知られている。 Be a D = 2 is known. このようなフラクタル次元を得ることにより、対象システムの状態が、簡単な線形変化をする状態なのか、あるいは非常に乱雑な状態なのかを見分けることができ、その程度も D の値の大きさにより知ることができる。 By obtaining such fractal dimension, the state of the target system, or state to a simple linear change, or you can tell whether the very messy conditions, the magnitude of the degree also the D value it is possible to know.

【0019】したがって、図1のような構成により、ダストセンサ107から出力されたパルス信号に対してフラクタル次元を計算することにより、パルス信号の周波数の不規則な変化(ゆらぎ)を評価することができる。 [0019] Thus, the configuration as in FIG. 1, by calculating the fractal dimension with respect to the pulse signal output from the dust sensor 107, be assessed irregular change in the frequency of the pulse signal (fluctuation) it can.
これにより、大きなちり(ごみ)が吸入された場合や重いちりと軽いほこりが同時に吸入された場合などの状態を知ることができる。 Thus, large dust (dust) or when heavy dust and light dirt sucked can know conditions such as when inhaled simultaneously.

【0020】本実施例では、ダストセンサ107から出力されるパルス信号から、フラクタル次元計算部1でフラクタル次元 Dを計算し、同時にパルス周波数検出部2 [0020] In this embodiment, the pulse signal outputted from the dust sensor 107, calculates the fractal dimension D in the fractal dimension calculation unit 1, at the same time the pulse frequency detecting unit 2
で周波数 Fを検出する。 In detecting the frequency F. 状況判定部3では、フラクタル次元計算部1で計算されたフラクタル次元の値 D とパルス周波数検出部2で検出された周波数 F から、現在のちりやほこりの吸入状態を判断し、次のような規則に基づいてモータファン106を制御する。 The state determination section 3, from the detected frequency F by the fractal dimension calculation unit 1 calculates the fractal dimension value D and the pulse frequency detecting unit 2 determines the suction current state of dust and dirt, such as: controlling the motor fan 106 based on the rules. 1) フラクタル次元 D の値が 1 に近く、パルス信号の周波数 F が低い。 1) close to the value of the fractal dimension D is 1, the frequency F of the pulse signal is low.

【0021】−> モータファン106の出力を小さくする。 [0021] -> to reduce the output of the motor fan 106. 2) フラクタル次元 D の値が 1 に近く、パルス信号の周波数 F が高い。 2) close to the value of the fractal dimension D is 1, the frequency F of the pulse signal is high.

【0022】−> モータファン106の出力を大きくする。 [0022] -> to increase the output of the motor fan 106. 3) フラクタル次元 D の値が 2 に近く、パルス信号の周波数 F が低い。 3) the value of the fractal dimension D is close to 2, the frequency F of the pulse signal is low.

【0023】−> モータファン106の出力を大きくする。 [0023] -> to increase the output of the motor fan 106. 4) フラクタル次元 D の値が 2 に近く、パルス信号の周波数 F が高い。 4) close to the value of the fractal dimension D is 2, the frequency F of the pulse signal is high.

【0024】−> モータファン106の出力を最大にする。 [0024] -> to maximize the output of the motor fan 106. 状況判定部3では、上記したような規則をファジィ推論により実行する。 The state determination section 3 executes the fuzzy inference rules as described above. これにより、ノズルから吸入されるちりやほこりの様々な種類や状態に応じた吸入力制御を行うことができ、掃除機の消費電力の節減が実現できる。 Thus, the suction force control can be carried out in accordance with the various types and states of dust and dirt sucked from the nozzle, savings in power consumption of the vacuum cleaner can be realized.

【0025】なお、本実施例では、ダストセンサ107 [0025] It should be noted that, in the present embodiment, the dust sensor 107
から出力される信号の不規則な変化を評価するためにフラクタル次元計算部1を用いたが、図2に示すように、 Was used fractal dimension calculation unit 1 in order to evaluate the irregular variation of the signal output from, as shown in FIG. 2,
フラクタル次元計算部1のかわりにリアプノフ指数計算部11を用いても良い。 It may be used Lyapunov exponent calculation unit 11 in place of the fractal dimension calculation unit 1. リアプノフ指数は、対象システムの安定性を評価する指標であり、特にリアプノフ指数の最大値である最大リアプノフ指数は対象システムの特性をよく表す。 Lyapunov index is the index for evaluating the stability of the target system, in particular the maximum Lyapunov exponent is the maximum value of the Lyapunov exponent represents well the characteristics of the target system. 最大リアプノフ指数は、対象システムの状態がある状態に収束する場合は負の値になり、一定の周期で規則的に変化する場合はゼロに、そして、不規則に変化する場合は正の値になる。 Maximum Lyapunov exponent, if they converge to a state where there is a state of the target system is negative, the zero vary regularly in a certain cycle, then the positive value vary irregularly Become. この最大リアプノフ指数をリアプノフ指数計算部11で得ることにより、フラクタル次元を用いた場合と同様な効果が得られる。 By obtaining the maximum Lyapunov exponent with Lyapunov exponent calculation unit 11, the same effect as the case of using the fractal dimension is obtained. ただし、リアプノフ指数計算部11を用いた場合は状況判定部3'で行われるファジィ推論を次のような規則に変えねばならない。 However, should instead the following rules of fuzzy inference which is performed by the state determination section 3 'in the case of using the Lyapunov exponent calculation unit 11. 1) 最大リアプノフ指数が負、パルス信号の周波数 F 1) the maximum Lyapunov exponent is negative, the pulse signal frequency F
が低い。 It is low.

【0026】−> モータファン106の出力を小さくする。 [0026] -> to reduce the output of the motor fan 106. 2) 最大リアプノフ指数が負、パルス信号の周波数 F 2) the maximum Lyapunov exponent is negative, the pulse signal frequency F
が高い。 It is high.

【0027】−> モータファン106の出力を大きくする。 [0027] -> to increase the output of the motor fan 106. 3) 最大リアプノフ指数が正、パルス信号の周波数 F 3) the maximum Lyapunov exponent is positive, the pulse signal frequency F
が低い。 It is low.

【0028】−> モータファン106の出力を大きくする。 [0028] -> to increase the output of the motor fan 106. 4) 最大リアプノフ指数が正、パルス信号の周波数 F 4) maximum Lyapunov exponent is positive, the pulse signal frequency F
が高い。 It is high.

【0029】−> モータファン106の出力を最大にする。 [0029] -> to maximize the output of the motor fan 106.

【0030】最大リアプノフ指数を求める方法は学会等で多く提案されている(TSParker, LOChua : Pract The method for determining the maximum Lyapunov exponent has been proposed many at academic conferences, etc. (TSParker, LOChua: Pract
ical Numerical Algorithm for Chaotic System, Sprin ical Numerical Algorithm for Chaotic System, Sprin
ger-Verlag, 1989 参照)。 ger-Verlag, 1989). 簡単な計算方法を一例として以下に示す。 A simple calculation method shown below as an example.

【0031】まず、ダストセンサ107から検出される信号 x(t) から時系列ベクトル X(i) = { x(i), x(i+ [0031] First, when switched from the signal x (t) is detected from the dust sensor 107 series vector X (i) = {x (i), x (i +
T),x(i+2T),...., x(i+(d-1)×T) }を作る。 T), x (i + 2T), ...., x (i + (d-1) make a × T)}. ただし、d However, d
は時系列ベクトルの次元を示し、T は時間おくれ量を示す。 Denotes the dimension of the time series vector, T is showing a time lag amount. d、T は適当な値に設定する。 d, T is set to an appropriate value. このとき、d次元の空間内に適当な平面を選び、この超平面を横切るベクトル At this time, select the appropriate plane in the space of d-dimensional, crossing the hyperplane vector
X(i)-X(i+1) を求める。 Determine the X (i) -X (i + 1). 超平面上の交点の座標を X(i) The coordinates of an intersection on hyperplane X (i)
と X(i+1) の内分点として求め、平面上の点の集合 { X And determined as the internally dividing point of the X (i + 1), a set of points on a plane {X
p1, Xp2,... , Xpk,....} を作る。 p1, Xp2, ..., Xpk, make ....}. この集合のなかで、 Among this set,
距離が所定のしきい値 E 以下のペアをすべて選び、その中の2点を Xpk,Xpk' と表す。 Distance select all of the following pairs predetermined threshold E, representing the two points therein XPK, and XPK '. このとき、最大リアプノフ指数λ は次式によって計算できる。 In this case, the maximum Lyapunov exponent λ can be calculated by the following equation.

【0032】 [0032]

【数3】 [Number 3] ただし、Np は距離がしきい値 E 以下のデータペアの総数を示す。 However, Np distance indicates the total number of following data pairs threshold E. (数3)において、τ の値を増やすとλ In equation (3), increasing the value of tau lambda
(τ) は収束する。 (Τ) converges. 収束した時の λ(τ) が最大リアプノフ指数である。 λ when converged (τ) is the largest Lyapunov exponent. なお、最大リアプノフ数の計算方法は他にも提案されており、他の方法を用いて計算しても良い。 The calculation method of the maximum Lyapunov exponent is proposed among others, may be calculated using other methods.

【0033】図3は、本発明にかかる第2の実施例における状況認識装置の構成図を示すものであり、具体的には交通監視システムを示している。 [0033] FIG. 3 shows a block diagram of a context recognition apparatus of the second embodiment according to the present invention, specifically, it illustrates a traffic monitoring system.

【0034】図3において、1はフラクタル次元計算部、2はパルス周波数検出部であり、第1の実施例と同様なものである。 [0034] In FIG. 3, 1 is the fractal dimension calculation unit, 2 is a pulse frequency detector, is the same as those of the first embodiment. 21は車両を検出する車両検出センサ、3''はフラクタル次元計算部1とパルス周波数検出部2の出力に応じて交通状況を判定する状況判定部、2 21 vehicle detection sensor for detecting a vehicle, 3 '' are condition determining unit determines the traffic situation in accordance with the output of the fractal dimension calculation unit 1 and the pulse frequency detector 2, 2
2は状況判定部3''での判定結果を表示する交通状況表示部としての表示部である。 2 is a display unit of a traffic situation display unit for displaying the determination result of the state determination section 3 ''.

【0035】道路の交通状態を把握するには様々な方法が知られている。 [0035] In order to understand the traffic condition of the road Various methods are known. その中の簡単な方法のひとつとして、 One of the simple way in that,
図4(a)に示すように、道路の脇から柱をたて道路の上に車両検出センサ21を設置し、車の流れを検出する方法がある。 As shown in FIG. 4 (a), vertical pillars from the side of the road established a vehicle detection sensor 21 on the road, there is a method of detecting the traffic flow. 車両検出センサ21は超音波などの音波や赤外線などの電磁波を下方向に照射し、その反射を検出することにより、車両の有無を検出する。 Vehicle detection sensor 21 irradiates an electromagnetic wave, such as wave or infrared, ultrasonic downward, by detecting the reflected, to detect the presence or absence of a vehicle. このようなセンサでは、図4(b)に示すようなパルス状の出力信号が得られる。 In such sensors, pulsed output signal as shown in FIG. 4 (b) is obtained. ここでは、車両が通過したときに高いレベル出力の信号が出ており、車両が通過していないときは低いレベルとなっている。 Here, the vehicle has left the signal high level output when the passes, and has a low level when the vehicle has not passed.

【0036】一般に、道路上を車がスムーズに流れているときは、車両検出センサ21の出力は、規則的なほぼ一定の高い周波数のパルス信号になり、渋滞しているときは低い周波数の信号が出力される。 [0036] Generally, when on the road the car is flowing smoothly, the output of the vehicle detection sensor 21 becomes a regular substantially constant high frequency pulse signal, a low frequency signal when congested There is output. 従来の交通監視システムでは車両検出センサ21の周波数を検出することにより道路上の車の流れを推定していた。 In conventional traffic monitoring system has been estimated flow of vehicles on the road by detecting the frequency of the vehicle detection sensor 21.

【0037】しかしながら、従来のシステムでは、センサ出力の周波数のみしか検出していないため、車の流れに関する基本的な情報を知るのみであり、他の交通情報を得ることができない。 [0037] However, in the conventional system, since only the frequency of the sensor output only been detected, only know the basic information about traffic flow, it is impossible to obtain other traffic information. 本実施例では、車両検出センサ21の出力信号からフラクタル次元を計算することにより、従来よりもさらに詳しい交通情報を抽出する装置を提案する。 In this embodiment, by calculating the fractal dimension from the output signal of the vehicle detection sensor 21, it proposes a device for extracting more traffic information than before.

【0038】フラクタル次元は、対象システムの状態の不規則なゆらぎを評価することができる。 The fractal dimension may be assessed an irregular fluctuation of the state of the target system. 第1の実施例に述べたフラクタル次元の計算法では、システムの状態が線形システムのようにスムーズに変化すれば 1 となり、最大限に乱雑な場合は 2となることが知られている。 In the first fractal dimension calculation method described in the Examples, the state of the system if changes smoothly 1, and when maximally randomness is that the 2 has been known as a linear system.

【0039】一般に、検出場所の手前で事故が発生している場合や道路上に障害物が落ちている場合などでは、 [0039] In general, in a case where an obstacle on the case and the road accident in front of the detection location is occurring is down is,
回避のための運転動作で車両毎に差がでるため、車両検出センサ21の出力パルスの間隔が比較的大きなレベルで変化し、一定の周波数にならず周波数は揺らぐ。 A difference for each vehicle in the driving operation for avoiding out interval of the output pulses of the vehicle detection sensor 21 is changed at a relatively large level, the fluctuation frequency not constant frequency. このような場合、出力信号のフラクタル次元を計算することにより、その信号のゆらぎ成分を把握することができ、 In this case, by calculating the fractal dimension of the output signal, it is possible to grasp the fluctuation component of the signal,
道路上に何らかの問題があることがわかる。 It can be seen that there is some problem on the road.

【0040】したがって、状況判定部3''において、次のような判断を行うことにより、交通状態をさらに詳しく知ることができる。 [0040] Thus, the state determination section 3 '', by performing the following determination, traffic conditions can be known in more detail. 1) フラクタル次元 D の値が 1 に近く、パルス信号の周波数 F が低い。 1) close to the value of the fractal dimension D is 1, the frequency F of the pulse signal is low.

【0041】−> 渋滞。 [0041] -> congestion. 2) フラクタル次元 D の値が 1 に近く、パルス信号の周波数 F が高い。 2) close to the value of the fractal dimension D is 1, the frequency F of the pulse signal is high.

【0042】−> 車はスムーズに流れている。 [0042] -> car is flowing smoothly. 3) フラクタル次元 D の値が 2 に近く、パルス信号の周波数が低い。 3) close to the value of the fractal dimension D is 2, the low frequency of the pulse signal.

【0043】−> 交通状況にかなり問題あり。 [0043] -> There is quite a problem with the traffic situation.

【0044】(事故等で車の走行状態が乱れている可能性大) 4) フラクタル次元 D の値が 2 に近く、パルス信号の周波数が高い。 [0044] (highly likely disturbed the running state of the vehicle in the accident, etc.) 4) close to the value of the fractal dimension D is 2, the high frequency pulse signal.

【0045】−> 交通状態にやや問題あり、道路上に障害物がある可能性がある。 [0045] -> There is a little problem with the traffic conditions, there is a possibility that there is an obstacle on the road.

【0046】表示部22はこの状況判定部3''の判定結果を表示するものである。 The display unit 22 is for displaying the determination result of the state determination section 3 ''. このように、フラクタル次元計算部1を設けて、車両検出センサ21の出力信号についてフラクタル次元を計算し、パルス周波数検出部2から得られる周波数情報と共に評価することにより、従来よりも交通状況を詳しく知ることができる。 Thus, by providing the fractal dimension calculation unit 1, the fractal dimension is calculated for output signal of the vehicle detection sensor 21, by evaluating with frequency information obtained from the pulse frequency detecting unit 2, the details of traffic conditions than conventional it is possible to know.

【0047】なお、第1の実施例と同様、フラクタル次元計算部1のかわりにリアプノフ指数計算部を用いても同様の判定が可能である。 [0047] As in the first embodiment, it is possible to determine the same even using the Lyapunov exponent calculation unit in place of the fractal dimension calculation unit 1.

【0048】図5は、本発明にかかる第3の実施例における状況認識装置の構成図を示すものであり、具体的には画像を用いた業務用空調システムを示している。 [0048] Figure 5 shows a block diagram of a context recognition apparatus according to the third embodiment of the present invention, specifically shows a commercial air-conditioning system using the image. ここでの業務用空調システムとは、デパートの売り場や駅の構内などの比較的広い空間を対象とした空調システムである。 And here in the commercial air-conditioning system, which is the air-conditioning system that targets a relatively large space such as a campus of the department store of the department and the train station.

【0049】図5において、1はフラクタル次元計算部であり、第1の実施例と同様なものである。 [0049] In FIG. 5, 1 is the fractal dimension calculation unit, those similar to the first embodiment. 31は空調を行う空間を撮影するビデオカメラ、32は空調を行う空間の代表温度を計る温度センサ、3''' はフラクタル次元計算部1の出力及び温度センサ32の出力に基づき温熱状況の推定を行う状況判定部、33は状況判定部3''' の状況判断に基づき空調のコントロールを行うエアコンである。 31 a video camera for capturing a space performing the air conditioning, 32 a temperature sensor for measuring a representative temperature of the space for performing air conditioning, 3 '' 'is the estimation of thermal conditions on the basis of the output of the output and the temperature sensor 32 of the fractal dimension calculation unit 1 situation determining unit that performs, 33 is an air conditioner for performing control of the air-conditioning based on the state determination section 3 '' status determination '. ここで、状況判定部3''' 及びエアコン33の一部が状況判定制御部を構成している。 Here, some of the state determination section 3 '' 'and air conditioning 33 constitute a condition determining controller.

【0050】従来の空調システムでは、室内の温度を目標温度に保つだけの定値制御が多く行われていた。 [0050] In the conventional air conditioning system, it was done many constant value control only keep the temperature of the room target temperature. しかし、最近では、さらに高度な空調制御の研究がなされており、焦電センサにより得られた熱画像やビデオカメラからの可視画像から室内の人の数や位置などを推定し、 However, recently, have been made more sophisticated air-conditioning control study was estimated and the number and position of the person in the room from the visible image from the obtained thermal image or a video camera by a pyroelectric sensor,
それに応じた空調が実現されている(特願平4-254302参照)。 Conditioning is realized accordingly (see Japanese Patent Application No. 4-254302).

【0051】しかし、さらに高度な空調を実現するためには、人の数や位置の概略情報だけではなく人の動きも検出する必要がある。 [0051] However, in order to achieve a more advanced air conditioning, it is necessary to detect the movement of a person as well as summary information of the number and position of the person. 家庭内やオフィスなどの比較的狭い空間では、存在する人の数の上限が余り大きくないため、場合によっては一人づつの動きを画像情報からトラッキングし、その動きを検出することも可能である。 The relatively narrow space such as home or office, for the upper limit of the number of people present is not too large, in some cases to track the motion of one person at a time from the image information, it is also possible to detect the motion. ところが、デパートの売り場や駅の構内などの比較的広い空間では、人が多く集まるため、一人づつの動きを画像情報から検出することは現実的に不可能であり、全体的な状況をマクロに捕らえる必要がある。 However, in a relatively large space such as a campus of the department store of the department and train stations, in order to gather many people, possible to detect the movement of one person at a time from the image information is practically impossible, the overall situation in the macro there is a need to capture.

【0052】ビデオカメラによる画像情報から、空間内のマクロな人の動きを捕らえるには、フラクタル次元が適している。 [0052] from the image information by the video camera, to capture a macro person's movement in space, it is suitable fractal dimension. フラクタル次元は、第1の実施例で詳しく述べたように対象システムの状態の複雑さや不規則なゆらぎを評価することができる。 Fractal dimension can be evaluated complexity and irregular fluctuations in the state of the target system as described in detail in the first embodiment. 画像情報からフラクタル次元を計算する方法は、基本的には第1の実施例で述べた方法を2次元に拡張したもので計算可能であり、論文 金子博 `フラクタル特徴とテクスチャ解析'(電子情報通信学会論文誌 D Vol. J70-D No.5 pp.964--972) How to calculate the fractal dimension from the image information is basically be calculated in an extension of the method described in the first embodiment in a two-dimensional, paper Hiroshi Kaneko `fractal characteristics and texture analysis' (Electronic Information communication Engineers Journal D Vol. J70-D No.5 pp.964--972)
に詳しく書かれている。 It is written in detail.

【0053】フラクタル次元による画像情報からの状況認識について、図6の具体例を用いて説明する。 [0053] The situation recognition from the image information by the fractal dimension will be described with reference to the specific example of FIG. 図6 Figure 6
(a)は室内に人が少ない場合である。 (A) is a case where the few people in the room. この場合は、ビデオカメラ31で撮影された画像には当然人が少なく、 In this case, the image captured by the video camera 31 course few people,
まばらに写る。 It caught on sparse. このような映像からフラクタル次元を計算すると、映像の複雑さが大きくないため、比較的小さな値が得られる。 Calculating the fractal dimension from such video, because the complexity of the image is not large, a relatively small value is obtained. 図6(b)の場合は、人は多いが、並んで規則的に動いているような場合である。 In the case of FIG. 6 (b), but humans often a case Row as moving regularly. これは、例えばデパートのレジや駅でのチケット購入などで混雑している場合である。 This is the case, for example, which is crowded with such as ticket purchases at department store cash register and the train station. このようなときは、ビデオカメラ3 In such a case, the video camera 3
1から得られた映像に対してフラクタル次元を計算すると、人の流れが規則的な動きであるため小さい値が得られる。 Calculating the fractal dimension on the obtained image 1, a small value for the flow of people is a regular movement is obtained. 図6(c)は人が多く、非常に混みあっている状況である。 FIG. 6 (c) many people, a very busy situation. この場合は各人の動きがばらばらであり、複雑な動きを持つ映像となるため、フラクタル次元は大きくなる。 This case is disjoint each person moves, since the image having complex motion, fractal dimension increases.

【0054】以上の3つの場合で、最も空調にパワーが必要なのは(c)の場合であり、例えば冷房時には、風量を強くし目標温度を下げる必要がある。 [0054] In the above three cases, the most air-conditioning the power required is In the case of (c), for example during cooling, it is necessary to lower the strong air volume target temperature. (b)の場合は、人は多いけれども規則的に並んで動いているため風の通りがよく、あまり冷房を強めなくても快適である。 In the case of (b), a person is often but the street of the wind for running regularly arranged well, is comfortable even if not strengthen too much cooling.
また、(a)の場合は当然ながら空調の度合を強める必要はない。 In addition, it is not necessary to strengthen the degree of air conditioning of course in the case of (a).

【0055】このように、ビデオカメラ31から得られた画像情報からフラクタル次元を計算することにより、 [0055] In this manner, by calculating the fractal dimension of the image information obtained from the video camera 31,
その画像中の人の動きに関するマクロな情報が検出でき、それに基づいて空調を制御することができる。 Macro information on movement of people in the image can be detected, it is possible to control the air conditioner accordingly. これにより、従来よりもさらに快適な空調制御が実現できる。 This realizes more comfortable air-conditioning control than before.

【0056】このような、フラクタル次元に基づく空調制御を実現するには、図5のような構成が必要である。 [0056] Such, to achieve air-conditioning control based on the fractal dimension, it is necessary to structure as shown in FIG 5.
ビデオカメラ31で撮影された画像はフラクタル次元計算部1に入力され、撮影された画像に対するフラクタル次元が算出される。 Images captured by the video camera 31 is input to the fractal dimension calculation unit 1, the fractal dimension is calculated for captured images. また、室内に設置された温度センサ32からは、温度情報が得られる。 Further, from the temperature sensor 32 installed in the room, the temperature information is obtained. 状況判定部3'''では、得られたフラクタル次元及び室温に基づき、つぎのような判断を行うことにより、エアコン33の空調制御を行う。 The state determination section 3 '' ', based on the obtained fractal dimension and at room temperature, by performing determination as follows, performs air conditioning control of the air conditioner 33. ただし、この場合は冷房を例としている。 However, this case is an example of the cooling. 1) フラクタル次元 D の値が 1 に近い。 1) the value of the fractal dimension D is close to 1.

【0057】−> 通常の室温一定制御。 [0057] -> normal room temperature constant control. 3) フラクタル次元 D の値が 2 に近く、室温が目標温度に近い。 3) close to the value of the fractal dimension D is 2, is close to the target temperature room.

【0058】−> 目標温度を若干下げる。 [0058] -> a target temperature slightly lower. 4) フラクタル次元 D の値が 2 に近く、室温が目標温度よりも高い。 4) close to the value of the fractal dimension D is 2, it is higher than the target temperature room.

【0059】−> 風量を大きくし、目標温度を下げる。 [0059] -> the air volume is increased, lowering the target temperature.

【0060】このように、フラクタル次元計算部1を設けて、ビデオカメラ31の出力映像についてフラクタル次元を計算し、それに基づいて空調を行うことにより、 [0060] Thus, by providing the fractal dimension calculation unit 1, the fractal dimension is calculated for output image of the video camera 31, by performing the air-conditioning based on it,
従来よりもさらにきめ細かな空調制御を行うことができる。 It is possible to perform more precise air conditioning control than before.

【0061】以上のように、センサから得られる信号に対してフラクタル次元、あるいはリアプノフ指数を計算することにより、対象システムのゆらぎや複雑さを評価することができ、更に、得られたフラクタル次元、あるいはリアプノフ指数に基づいて、対象システムを制御することにより、従来よりもきめ細かな制御が可能となる。 [0061] As described above, the fractal dimension with respect to the signal obtained from the sensor, or by calculating the Lyapunov exponent, it is possible to evaluate the fluctuation and complexity of the target system, further, the resulting fractal dimension, or based on Lyapunov exponent by controlling the target system, it is possible to fine control than conventional.

【0062】なお、第1の実施例と同様、フラクタル次元計算部1のかわりにリアプノフ指数計算部を用いても同様の判定が可能である。 [0062] As in the first embodiment, it is possible to determine the same even using the Lyapunov exponent calculation unit in place of the fractal dimension calculation unit 1.

【0063】また、上記第3の実施例では、室内の状況を検出するためにビデオカメラ31を用いたが、これに代えて、焦電センサを用いて熱画像を検出し、その熱画像に対してフラクタル次元を計算しても同様な効果が得られる。 [0063] In the above third embodiment uses the video camera 31 to detect the indoor circumstances, alternatively, to detect the thermal image by using a pyroelectric sensor, in its thermal image similar effects can be obtained by calculating the fractal dimension for.

【0064】また、上記第3の実施例では、画像から検出可能な人の数などの情報を利用しないが、更に、このような人数情報やさらに湿度や温度分布など従来からあるセンサで検出できる情報などを状況判定部3''' に入力して状況判定に利用できるようにしてもよい、この場合はさらにきめ細かな制御が実現できる。 [0064] In the above third embodiment, but does not use the information such as the number of people that can be detected from the image, further, can be detected with such people count information and further sensors are conventional, such as humidity and temperature distribution such as may be available to enter the situation determining the state determination section 3 '' 'information, this case can be realized even more fine-grained control.

【0065】また、上記実施例では、状況認識装置を掃除機、交通監視システム、空調機器に適用する例について説明したが、これに限らず、多数の粒子が移動すると見なせるようなシステムであれば適用可能である。 [0065] In the above embodiment, the context recognition apparatus cleaner, traffic monitoring system, an example has been described to be applied to the air-conditioning equipment, not limited to this, if the system as regarded as a large number of particles moving it is applicable.

【0066】 [0066]

【発明の効果】以上述べたところから明らかなように本発明は、対象システム内の所定要素の状態を検出する状態センサの検出信号から所定要素についての少なくとも1つの所定の特徴量を検出する特徴量検出部と、状態センサの検出信号のゆらぎを、フラクタル次元又はリアプノフ指数を計算することにより検出するゆらぎ検出部と、そのゆらぎ検出部の検出結果及び特徴量検出部の検出結果に基づいて、対象システムの状況を判定する状況判定手段とを備えているので、対象システムの状況を適切に認識できるという長所を有する。 The present invention, as is apparent from the above description, according to the present invention is characterized to detect at least one predetermined feature amount for a given element from the detection signal status sensor for detecting the state of a given element in the target system and amount detecting section, the fluctuation of the detection signal of the state sensor, a fluctuation detection unit for detecting by calculating a fractal dimension or Lyapunov exponent, based on the detection result of the detection result and the feature amount detection unit of the fluctuation detecting unit, since a situation determining means for determining the status of the target system has the advantage that the status of the target system can be appropriately recognized.

【0067】また、状況判定手段の判定結果に基づいて、対象システムを制御することにより、よりきめ細かな制御ができるという利点がある。 [0067] Further, based on the determination result of the status determination means, by controlling the target system, there is the advantage that it is more delicate control.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明にかかる第1の実施例の状況認識装置を用いた掃除機の構成を示す図である。 Is a diagram showing a configuration of a vacuum cleaner with a situational awareness apparatus of the first embodiment according to the invention, FIG.

【図2】同第1の実施例におけるゆらぎ検出部にリアプノフ指数計算部を用いた構成を示す図である。 2 is a diagram showing a configuration using the Lyapunov exponent calculation unit to fluctuation detection unit in the first embodiment.

【図3】本発明にかかる第2の実施例の交通監視システムの構成を示す図である。 3 is a diagram showing the configuration of a traffic monitoring system of the second embodiment according to the present invention.

【図4】同図(a)は、同第2の実施例における車両検出センサの設置状況を示す図、同図(b)は、その車両検出センサの出力信号を示す図である。 [4] FIG. (A) is a diagram showing an installation condition of the vehicle detection sensor in the same second embodiment, Fig. (B) is a diagram showing an output signal of the vehicle detection sensor.

【図5】本発明にかかる第3の実施例の空調システムの構成を示す図である。 5 is a diagram showing a configuration of an air conditioning system of the third embodiment according to the present invention.

【図6】同図(a)、(b)、(c)は、同第3の実施例における画像とフラクタル次元の関係を説明する図である。 [6] FIG. (A), (b), (c) are diagrams illustrating the relationship between the image and the fractal dimension of the third embodiment.

【図7】同図(a)は、従来の掃除機の概略構造を示す図、同図(b)は、その構成を示す図である。 [7] FIG. (A) is a diagram showing the schematic structure of a conventional vacuum cleaner, Fig. (B) is a diagram showing a configuration.

【図8】従来のダストセンサの動作を説明する図である。 8 is a diagram for explaining an operation of the conventional dust sensor.

【符号の説明】 1 フラクタル次元計算部 2 パルス周波数検出部 3 状況判定部 11 リアプノフ指数計算部 21 車両検出センサ 22 表示部 31 ビデオカメラ 32 温度センサ 33 エアコン [EXPLANATION OF SYMBOLS] 1 fractal dimension calculation unit 2 pulse frequency detector 3 state determination section 11 Lyapunov exponent calculation unit 21 vehicle detection sensor 22 display unit 31 the video camera 32 the temperature sensor 33 Air Conditioning

───────────────────────────────────────────────────── ────────────────────────────────────────────────── ───

【手続補正書】 [Procedure amendment]

【提出日】平成7年4月3日 [Filing date] 1995 April 3

【手続補正1】 [Amendment 1]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0053 [Correction target item name] 0053

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0053】フラクタル次元による画像情報からの状況認識について、図6の具体例を用いて説明する。 [0053] The situation recognition from the image information by the fractal dimension will be described with reference to the specific example of FIG. 図6 Figure 6
(i)は室内に人が少ない場合である。 (I) is a case where the few people in the room. この場合は、ビデオカメラ31で撮影された画像には当然人が少なく、 In this case, the image captured by the video camera 31 course few people,
まばらに写る。 It caught on sparse. このような映像からフラクタル次元を計算すると、映像の複雑さが大きくないため、比較的小さな値が得られる。 Calculating the fractal dimension from such video, because the complexity of the image is not large, a relatively small value is obtained. 図6(ii)の場合は、人は多いが、並んで規則的に動いているような場合である。 In the case of FIG. 6 (ii), but humans are many, the case side by side as moving regularly. これは、例えばデパートのレジや駅でのチケット購入などで混雑している場合である。 This is the case, for example, which is crowded with such as ticket purchases at department store cash register and the train station. このようなときは、ビデオカメラ3 In such a case, the video camera 3
1から得られた映像に対してフラクタル次元を計算すると、人の流れが規則的な動きであるため小さい値が得られる。 Calculating the fractal dimension on the obtained image 1, a small value for the flow of people is a regular movement is obtained. 図6(iii)は人が多く、非常に混みあっている状況である。 FIG 6 (iii) many people, a very busy situation. この場合は各人の動きがばらばらであり、 This case is a loose is each person's movement,
複雑な動きを持つ映像となるため、フラクタル次元は大きくなる。 Since the image having complex motion, fractal dimension increases.

【手続補正2】 [Amendment 2]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0054 [Correction target item name] 0054

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0054】以上の3つの場合で、最も空調にパワーが必要なのは(iii)の場合であり、例えば冷房時には、 [0054] In the above three cases, the most air-conditioning the power required for the in the case of (iii), for example, during the cooling,
風量を強くし目標温度を下げる必要がある。 It is necessary to lower the stronger the air flow target temperature. (ii)の場合は、人は多いけれども規則的に並んで動いているため風の通りがよく、あまり冷房を強めなくても快適である。 In the case of (ii), a person is often but the street of the wind for running regularly arranged well, is comfortable even if not strengthen too much cooling. また、(i)の場合は当然ながら空調の度合を強める必要はない。 In addition, it is not necessary to strengthen the degree of air conditioning of course in the case of (i).

【手続補正3】 [Amendment 3]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】図6 [Correction target item name] FIG. 6

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【図6】同図(i)、(ii)、(iii)は、同第3の実施例における画像とフラクタル次元の関係を説明する図である。 [6] FIG. (I), (ii), (iii) is a diagram illustrating the relationship between the image and the fractal dimension of the third embodiment.

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl. 6識別記号 庁内整理番号 FI 技術表示箇所 G05B 24/02 G06T 1/00 G08G 1/01 D ────────────────────────────────────────────────── ─── front page continued (51) Int.Cl. 6 identification symbol Agency Docket No. FI art display portion G05B 24/02 G06T 1/00 G08G 1/01 D

Claims (4)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】 対象システム内の所定要素の状態を検出する状態センサと、その状態センサの検出信号から前記所定要素についての少なくとも1つの所定の特徴量を検出する特徴量検出部と、前記状態センサの検出信号のゆらぎを、フラクタル次元又はリアプノフ指数を計算することにより検出するゆらぎ検出部と、そのゆらぎ検出部の検出結果及び前記特徴量検出部の検出結果に基づいて、前記対象システムの状況を判定する状況判定手段とを備えたことを特徴とする状況認識装置。 A state sensor for detecting the state of a given element of claim 1] in the target system, a feature quantity detecting unit for detecting at least one predetermined feature amount for said predetermined element from a detection signal of the condition sensor, the state the fluctuation of the detection signal of the sensor, and the fluctuation detecting unit that detects by calculating a fractal dimension or Lyapunov exponent, based on the detection result of the detection result and the feature quantity detecting unit of the fluctuation detecting unit, the status of the target system situation recognition apparatus characterized by comprising a situation determining means for determining.
  2. 【請求項2】 状態センサは、ちりやほこりの通過を検出するダストセンサであり、前記所定の特徴量は、前記ダストセンサから出力される信号の周波数である請求項1の前記状況認識装置と、その状況認識装置の前記状況判定手段の判定結果に応じてモータファンを制御する状況認識制御部とを備えたことを特徴とする掃除機。 2. A condition sensor is a dust sensor for detecting the passage of dust and dirt, the predetermined feature quantity, said status recognition device according to claim 1 which is the frequency of the signal outputted from the dust sensor , cleaner, characterized in that a situation recognition control unit for controlling the motor fan according to the determination result of the status determination means that situation recognition apparatus.
  3. 【請求項3】 室内の温度特性を検出するセンサと、前記室内の可視画像または熱画像の少なくとも一方を撮影する画像撮影装置と、その画像撮影装置により得られた画像内の群衆に対してフラクタル次元またはリアプノフ指数を計算するゆらぎ検出部と、前記センサの出力と前記ゆらぎ検出部の出力に基づいて、風量、風向、目標温度の少なくとも1つを制御する状況判定制御部とを備えたことを特徴とする空調機器。 A sensor wherein detecting the temperature characteristics of the room, and an image capturing apparatus for capturing at least one of the chamber of a visible image or thermal image, fractal against crowd in the image obtained by the image capturing apparatus a fluctuation detection unit for calculating the dimension or Lyapunov exponent, based on the output of the output of the sensor the fluctuation detecting unit, air volume, wind direction, that a status determination control unit for controlling at least one of the target temperature air conditioning equipment and features.
  4. 【請求項4】 状態センサは、道路上における車両の通過を検出する車両検出センサであり、前記所定の特徴量は、前記車両検出センサから出力される信号の周波数である請求項1の前記状況認識装置と、その状況認識装置の前記状況判定手段の判定結果に応じて前記道路の交通状況を表示する交通状況表示部とを備えたことを特徴とする交通監視システム。 4. A condition sensor is a vehicle detection sensor for detecting passage of the vehicle on the road, the predetermined feature amounts, the conditions of claim 1 is the frequency of the signal output from the vehicle detection sensor traffic monitoring system characterized by comprising a recognition device, and a traffic condition display unit for displaying a traffic condition of the road in accordance with the determination result of the status determination means that situation recognition apparatus.
JP30895694A 1994-12-13 1994-12-13 State recognition device Pending JPH08166818A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP30895694A JPH08166818A (en) 1994-12-13 1994-12-13 State recognition device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP30895694A JPH08166818A (en) 1994-12-13 1994-12-13 State recognition device

Publications (1)

Publication Number Publication Date
JPH08166818A true JPH08166818A (en) 1996-06-25

Family

ID=17987272

Family Applications (1)

Application Number Title Priority Date Filing Date
JP30895694A Pending JPH08166818A (en) 1994-12-13 1994-12-13 State recognition device

Country Status (1)

Country Link
JP (1) JPH08166818A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007215624A (en) * 2006-02-15 2007-08-30 Matsushita Electric Ind Co Ltd Vacuum cleaner
JP2008301878A (en) * 2007-06-05 2008-12-18 Sharp Corp Vacuum cleaner
JP2015148436A (en) * 2011-10-21 2015-08-20 ネスト・ラブズ・インコーポレイテッド Smart home device and method for optimizing operation of user interface for smart home device
US10481780B2 (en) 2016-02-15 2019-11-19 Google Llc Adjusting proximity thresholds for activating a device user interface

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007215624A (en) * 2006-02-15 2007-08-30 Matsushita Electric Ind Co Ltd Vacuum cleaner
JP2008301878A (en) * 2007-06-05 2008-12-18 Sharp Corp Vacuum cleaner
JP2015148436A (en) * 2011-10-21 2015-08-20 ネスト・ラブズ・インコーポレイテッド Smart home device and method for optimizing operation of user interface for smart home device
US10481780B2 (en) 2016-02-15 2019-11-19 Google Llc Adjusting proximity thresholds for activating a device user interface

Similar Documents

Publication Publication Date Title
Toledo et al. Modeling integrated lane-changing behavior
US9240051B2 (en) Object density estimation in video
Gupte et al. Detection and classification of vehicles
US7397929B2 (en) Method and apparatus for monitoring a passageway using 3D images
Kamijo et al. Traffic monitoring and accident detection at intersections
KR100526824B1 (en) Indoor environmental control system and method of controlling the same
Aoyagi et al. A study on traffic sign recognition in scene image using genetic algorithms and neural networks
EP3287863B1 (en) Autonomous cleaning apparatus with debris sensor
US6879969B2 (en) System and method for real-time recognition of driving patterns
US7050606B2 (en) Tracking and gesture recognition system particularly suited to vehicular control applications
EP0828233B1 (en) Apparatus for detecting the number of passers
US8009863B1 (en) Method and system for analyzing shopping behavior using multiple sensor tracking
CN1954974B (en) Moving robot and moving robot battery recharge room return system
US6426708B1 (en) Smart parking advisor
KR101607224B1 (en) Dynamic object classification
US8326571B2 (en) Person location detection apparatus and air conditioner
US7933686B2 (en) Method of dividing coverage area for robot and device thereof
EP0344208B1 (en) Vehicle detection through image processing for traffic surveillance and control
EP1452399A2 (en) System and method for selecting classifier attribute types
CN102076531B (en) Vehicle clear path detection
Ki et al. Vehicle-classification algorithm for single-loop detectors using neural networks
EP0755034A1 (en) Movement pattern recognizing apparatus for detecting movements of human bodies and number of passed persons
Chunyu et al. Video fire smoke detection using motion and color features
US20040045339A1 (en) Stereo door sensor
EP2971987B1 (en) Energy saving heating, ventilation, air conditioning control system