KR101311552B1 - 상태검출장치, 상태검출방법 및 기록매체 - Google Patents

상태검출장치, 상태검출방법 및 기록매체 Download PDF

Info

Publication number
KR101311552B1
KR101311552B1 KR1020127003098A KR20127003098A KR101311552B1 KR 101311552 B1 KR101311552 B1 KR 101311552B1 KR 1020127003098 A KR1020127003098 A KR 1020127003098A KR 20127003098 A KR20127003098 A KR 20127003098A KR 101311552 B1 KR101311552 B1 KR 101311552B1
Authority
KR
South Korea
Prior art keywords
class
group
value
state
monitored
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.)
Expired - Fee Related
Application number
KR1020127003098A
Other languages
English (en)
Other versions
KR20120046230A (ko
Inventor
고지 오구리
요시후미 기시모토
Original Assignee
아이신세이끼가부시끼가이샤
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 아이신세이끼가부시끼가이샤 filed Critical 아이신세이끼가부시끼가이샤
Publication of KR20120046230A publication Critical patent/KR20120046230A/ko
Application granted granted Critical
Publication of KR101311552B1 publication Critical patent/KR101311552B1/ko
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/0245—Measuring pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/024—Measuring pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1103—Detecting muscular movement of the eye, e.g. eyelid movement
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Technology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Mathematical Physics (AREA)
  • Social Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Psychology (AREA)
  • Fuzzy Systems (AREA)
  • Multimedia (AREA)

Abstract

운전자의 눈꺼풀 열림정도, 심박 주파수 등의 생체정보 등에 대표되는 운전자에 관한 특징량을 검출한다. 검출된 특징량을 바탕으로, 운전자의 활성정도를 지표로서 정해진 복수의 클래스가 분류되는 제1그룹과 제2그룹 중, 운전자의 상태가 속하는 그룹을 식별한다. 또한 식별된 결과를 포함하는 정보를 출력값으로서 출력하고, 그 출력값으로부터 산출되는 손실값에 근거하여 현재의 운전자의 상태가 속하는 클래스를 검출한다. 검출된 클래스에 의해, 운전자의 활성도가 어느 정도 저하하고 있는지를, 그 정도와 함께 검출하는 것이 가능하게 된다.

Description

상태검출장치, 상태검출방법 및 기록매체{STATE DETECTING DEVICE, STATE DETECTING METHOD, AND RECORDING MEDIA}
본 발명은, 상태검출장치, 상태검출방법 및 프로그램에 관한 것이다.
운전자의 활성도를 평가하는 상태검출장치가, 예를 들면 특허문헌1, 특허문헌2, 및 비특허문헌1에 개시되어 있다.
특허문헌1에 개시된 상태검출장치는, 진행 방향으로 직교하는 방향으로 이동하는 차량 이동량의 표준편차를 산출한다. 이 상태검출장치는, 산출된 표준편차의 최소값 및 최대값을 역치와 비교한 결과에 의거하여, 운전자의 각성 정도를 검출한다.
특허문헌2에 개시된 상태검출장치는, 운전자의 시선 방향을 소정의 기간 계속해서 검출한다. 이 상태검출장치는, 검출된 시선 방향의 분포를 나타내는 시선 분포 정보를 생성한다. 당해 상태검출장치는, 생성된 시선 분포 정보에 의해 표시되는 시선 방향성으로, 운전자가 멍하게 차량을 운전하고 있을지 어떨지를 판단한다.
비특허문헌1에 개시된 상태검출장치는, 운전자의 정신적 부하에 의해 변동하는 심박수를 특징량으로서 검출한다. 이 상태검출장치는, AdaBoost를 이용하여 특징량의 매칭을 행하여 운전자의 운전 부하를 검출한다.
특허문헌1:일본 공개특허공보 특개 2008-250859호 공보 특허문헌2:일본 공개특허공보 특개 2008-243031호 공보
비특허문헌1:정보처리학회논문지 vol.50 No.pp.171-180(2009)
운전자의 운전 경향이나, 운전자의 각성 정도에 따른 행동 패턴 등은, 운전자에 따라 다르다. 그러나, 특허문헌1 및 2에 개시된 상태검출장치는, 운전자의 상태를 동일하게 검출한다. 이 때문에, 특허문헌1 및 2에 개시된 상태검출장치는, 각 운전자 상태를 정확하게 검출할 수 없다.
한편, 비특허문헌1에 개시된 상태검출장치는, 각 운전자의 운전경향 등을 학습한 결과에 근거하여, 각 운전자의 상태를 검출한다. 그러나, 비특허문헌1에 개시된 상태검출장치는, 운전자의 상태를, 통상운전과 비통상운전의 2종류의 상태로 분류하는 정도로만 기재되어 있다. 이 때문에, 비특허문헌1에 개시된 상태검출장치는, 비통상운전에 있어서의 운전자의 부담도를 검출할 수 없다.
본 발명은, 상술한 내용을 감안하여 이루어진 것으로서, 각 피감시자 상태를, 정도별로 검출하는 것을 목적으로 한다.
상기 목적을 달성하기 위하여, 본 발명의 상태검출장치는, 피감시자에 관한 정보를 특징량으로서 검출하는 특징량 검출수단과, 상기 특징량을 입력값으로 하고, 당해 특징량을 바탕으로, 상기 피감시자의 활성 정도를 지표로서 정해진 복수의 클래스가 분류되는 제1그룹과 제2그룹 중, 상기 피감시자의 상태가 속하는 상기 그룹을 식별하고, 당해 식별한 결과를 포함하는 정보를 출력값으로서 출력하는 식별수단과, 상기 식별수단이 출력한 출력값으로부터 손실값을 산출하는 손실값 산출수단과, 상기 손실값에 근거하여 상기 피감시자의 상태가 속하는 상기 클래스를 검출하는 클래스 검출수단을 구비한다.
또한 복수의 상기 클래스는, 복수의 패턴으로 상기 제1그룹과 상기 제2그룹으로 분류될 수 있다.
또한 상기 손실값 산출수단은, 상기 손실값을, 지수함수로 정의할 수 있다.
또한 상기 클래스 수를 p, 상기 식별 수단의 수를 G로 했을 때, 상기 각 식별수단은, 상기 피감시자의 활성 정도가,
Figure 112012009178912-pct00001
로 나타내는 부호 표W가 대응하는 줄 값이 1의 요소에 대응하는 클래스로 구성되는 제1그룹과, 값이 -1의 요소에 대응하는 클래스로 구성되는 제2그룹 중 어느 쪽에 속하는 지를 나타내는 부호와 그 신뢰도를 나타내는 절대값을 출력할 수도 있다
또한 상기 손실값 산출수단은, 상기 각 식별수단으로부터 출력된 상기 부호 및 상기 신뢰도와 상기 부호표 W에 근거하여 지수함수로 정의되는 손실을, 상기 식별수단별 및 상기 클래스별로 구하고, 더욱이, 동일 클래스에 대응하는 손실의 합계를 구할 수도 있다.
상기 클래스 검출수단은, 상기 손실의 합계가 가장 작은 클래스를, 상기 피감시자의 상태가 속하는 상기 클래스로서 검출할 수도 있다.
또한 상기 피감시자에 관한 정보는, 상기 피감시자의 생체정보인 것으로 할 수 있다.
또한 상기 피감시자의 생체정보는, 상기 피감시자의 시선정보를 포함할 수도 있다.
또한 상기 피감시자의 생체정보는, 상기 피감시자의 심박정보를 포함할 수도 있다.
상기 피감시자에 관한 정보를 특징량으로서 검출하고, 상기 식별수단에 공급하는 특징량 검출수단을 더 구비할 수 있다.
상기 목적을 달성하기 위하여, 본 발명의 상태검출방법은, 피감시자의 상태를 나타내는 지표인 특징량을 입력값으로 하고, 당해 특징량을 바탕으로, 상기 피감시자의 활성정도를 지표로서 정해진 복수의 클래스가 분류되는 제1그룹과 제2그룹 중, 상기 피감시자의 상태가 속하는 상기 그룹을 식별하고, 당해 식별한 결과를 포함하는 정보를 출력값으로서 출력하는 식별공정과, 상기 식별 공정에서 출력한 출력값으로부터 손실값을 산출하는 손실값 산출공정과, 상기 손실값에 근거하여 상기 피감시자의 상태가 속하는 상기 클래스를 검출하는 클래스검출공정을 포함한다.
상기 목적을 달성하기 위하여, 본 발명의 프로그램은, 컴퓨터에, 피감시자의 상태를 나타내는 지표인 특징량을 입력값으로 하고, 당해 특징량을 바탕으로, 상기 피감시자의 활성정도를 지표로서 정해진 복수의 클래스가 분류되는 제1그룹과 제2그룹 중, 상기 피감시자의 상태가 속하는 상기 그룹을 식별하고, 당해 식별한 결과를 포함한 정보를 출력값으로서 출력하는 식별스텝과, 상기 식별스텝에서 출력한 상기 출력값으로부터 손실값을 산출하는 손실값 산출 스텝과, 상기 손실값에 근거하여 상기 피감시자의 상태가 속하는 상기 클래스를 검출하는 클래스검출스텝을 실행시킨다.
본 발명에 의하면, 각 피감시자 상태를, 정도별로 검출할 수 있다.
도 1은 제1실시형태에 따른 상태검출장치의 블럭도이다.
도 2는 식별유닛의 블럭도이다.
도 3은 식별기의 동작을 설명하기 위한 도면이다.
도 4는 손실값의 산출방법을 설명하기 위한 도면이다.
도 5는 클래스수 G가 4일 경우의, 부호표의 예를 나타내는 도면이다.
도 6은 제2실시형태에 따른 상태검출장치의 블록도이다.
도 7은 식별장치의 동작을 설명하기 위한 플로차트이다.
《제1실시형태》
이하, 본 발명의 제1실시형태에 따른 상태검출장치(10)를, 도 1~도 4를 참조해서 설명한다. 본 실시형태에 따른 상태검출장치(10)는, 자동차를 운전하는 운전자의 생체정보를 취득한다. 상태검출장치(10)는, 취득한 생체정보에 근거하여 각 운전자의 운전상태를, 그 정도와 함께 검출한다.
상태검출장치(10)는, 도 1에 도시하는 바와 같이, 운전자의 생체정보를 취득하고, 그 특징량을 검출하는 생체정보취득장치(20)과, 생체정보취득장치(20)에 의해 검출된 특징량에 근거하여 운전자의 운전상태를, 그 정도와 함께 검출하는 식별장치(30)를 구비한다.
생체정보취득장치(20)는, 운전자의 생체정보로서, 예를 들면 졸음에 기인하는 눈꺼풀 열림정도에 관한 정보와, 심박 주파수에 관한 정보를 취득한다.
생체정보취득장치(20)는, 눈꺼풀 열림정도에 관한 정보를, 눈꺼풀영상을 화상 해석하여 취득한다. 생체정보취득장치(20)는, 취득한 눈꺼풀 열림정도에 관한 정보를 이용하여, 운전자의 눈꺼풀 열림정도를 0부터 1의 범위에 정규화한 값을 특징량a1로서 검출한다. 또한 생체정보취득장치(20)는, 심박 주파수에 관한 정보를, ＲＲ간격을 해석하여 취득한다. 생체정보취득장치(20)는, 취득한 심박 주파수에 관한 정보를 이용하여, 심박 변동의 파워스펙트럼으로부터, 운전자 심박 간격 변동의 저주파 영역에서의 주파수를 특징량a2로서 검출하고, 고주파 영역에서의 주파수를 특징량a3으로서 검출한다. 생체 정보 취득 장치(20)는, 검출한 특징량에 관한 정보x (a1,a2,a3)를, 식별장치(30)에 출력한다. 또한, 특징량에 관한 정보x (a1,a2,a3)는, 이하 단지 입력 정보x로 표시한다.
식별장치(30)는, 운전자의 활성도를 지표로서 구분된, 예를 들면 3개의 클래스 (클래스1, 클래스2, 클래스3) 중, 운전자의 운전상태가 속하는 클래스를 검출한다. 식별장치(30)는, 식별유닛(40)과, 클래스검출유닛(50)을 가진다.
운전자의 활성도는, 운전자가 외부로부터의 입력에 대하여 행동을 일으킬 경우에, 그 행동을 일으킬 때까지의 시간 (반응시간)의 장단 등에 의해 정의할 수 있다. 운전자의 반응시간은, 졸음이나, 주의력의 저하 등에 의해, 길어지는 경향이 있다. 예를 들면 다양한 상황에서 운전자의 반응시간을 계측한다. 운전자의 반응시간이 짧을 때의 운전자의 상태를 통산상태로 하고, 이를 클래스1로 한다. 또한 운전자의 반응시간이 길 때의 운전자의 상태 (최대 멍한상태)를 클래스3으로 한다. 또한, 클래스1과 클래스3과 사이의 상태 (멍한상태)를 클래스2로 한다. 이에 의해 운전자의 상태는 3개의 클래스로 구분된다.
식별유닛(40)은, 도 2에 도시하는 바와 같이 부호기(41)와, 6개의 식별기)(421)~(426)와, 복호기(43)를 구비한다.
부호기(41)는, 다음 수학식 1로 나타내는 부호표W를 이용하여 부호화처리를 한다. 다만, p는 식별기의 개수, G는 클래스의 수이다. 또한 부호표W의 각 줄에는, "1"과 "-1"의 쌍방이 포함된다. 본 실시형태에 있어서, 운전 상태가 속하는 클래스의 수는 3이다. 또한 식별기의 수는 6이다. 따라서, 다음 수학식 1의 일반식으로 나타내는 부호표W는, 다음 수학식 2에 나타내는 바와 같이, 6줄 3열의 매트릭스 모양으로 배치된 18개의 요소로 구성된다.
Figure 112012009178912-pct00002
Figure 112012009178912-pct00003
도 3에 도시하는 바와 같이 부호표W의 각 줄의 3개 요소는, 왼쪽에서 오른쪽을 향해서 차례로, 각각 클래스1, 클래스2, 클래스3에 대응하고 있다. 3게 클래스는, 값이 "1" 요소에 대응하는 클래스로 이루어지는 제1그룹과, 값이 "-1" 요소에 대응하는 클래스로 이루어지는 제2그룹으로 분류된다. 또한, 각 그룹의 클래스 값은 1개이어도 복수(2개)일 수도 있다. 또한 값이 0의 요소에 대응하는 클래스는, 분류로부터 제외된다 (제1그룹으로도 제2그룹으로도 분류되지 않는다). 예를 들면 부호표W의 첫째 줄의 3개의 요소는, 클래스1이 제1그룹으로 분류되고, 클래스2 및 클래스3이 제2그룹으로 분류되는 것을 의미한다.
마찬가지로, 부호표W의 둘째 줄의 3개의 요소는, 클래스2가 제1그룹으로 분류되고, 클래스1 및 클래스3이 제2그룹으로 분류되는 것을 의미한다. 또한 부호표W의 셋째 줄의 3개의 요소는, 클래스3이 제1그룹으로 분류되고, 클래스1 및 클래스2가 제2그룹으로 분류되는 것을 의미한다. 또한 부호표W의 넷째 줄의 3개의 요소는, 클래스1이 제1그룹으로 분류되고, 클래스2가 제2그룹으로 분류되는 것을 의미한다. 또한 부호표W의 다섯째 줄의 3개의 요소는, 클래스1이 제1그룹으로 분류되고, 클래스3이 제2그룹으로 분류되는 것을 의미한다. 또한 부호표W의 여섯째 줄의 3개의 요소는, 클래스2가 제1그룹으로 분류되고, 클래스3이 제2그룹으로 분류되는 것을 의미한다.
부호기(41)는, 입력 정보x가 입력되면, 부호표W의 ｉ(i=1~6)째 줄의 3개의 요소로 이루어지는 코드i과 입력 정보x를 식별기(42i)에 출력한다.
구체적으로는, 부호기(41)는, 입력 정보x가 입력되면, 부호표W의 첫째 줄의 3개의 요소로 이루어지는 코드1 [1, -1, -1]과 입력 정보x와 관련시킨다. 부호기(41)는, 코드1이 관련된 입력 정보x를 식별기(421)에 출력한다.
마찬가지로, 부호기(41)는, 부호표W의 둘째 줄~여섯째 줄 각각에 대응하는 3개의 요소로 이루어지는 코드2 [-1, 1, -1], 코드3 [-1, -1, 1], 코드4 [1, -1, 0], 코드5 [1, 0, -1], 코드6 [0, 1, -1]과 입력 정보x를 관련시킨다. 부호기(41)는, 대응하는 코드2~코드6이 관련시킨 각 입력정보x를, 각 코드2~6 각각에 대응하는 식별기(422)~(426)에 출력한다.
식별기(421)~(426)는, 서로 동일한 구성을 가진, AdaBoost에 의해 이미 학습한 두개 값 판별기다. 식별기(42i)는, 입력 정보x가 입력되면, 그것에 공급된 코드i에 근거하여, 복수의 클래스를 제1그룹과 제2그룹으로 분류한다. 그리고, 식별기(42i)는, 입력 정보x (a1,a2,a3)가 나타내는 운전자상태(활성상태)가, 코드i의 요소 "1"이 할당되는 클래스로 구성된 제1그룹에 속할지, 코드i의 요소 "-1"이 할당되는 클래스로 구성된 제2그룹에 속할지를 식별(판별)하고, 식별결과와 식별결과의 정확도를 나타내는 신뢰도를, 복호기(43)에 출력한다.
예를 들면 식별기(421)에는, 코드1 [1, -1, -1]이 공급되어 있다. 이 때문에, 식별기(421)는, 입력 정보x (a1,a2,a3)가 나타내는 "운전자상태"가 요소 "1"이 할당되는 클래스1(통상상태)로 이루어지는 제1그룹으로 분류될지, 요소 "-1"이 할당되는 클래스2 (멍한상태) 및 클래스3 (최대 멍한상태)로 구성되는 제2그룹으로 분류될지를 식별한다. 그 후에 식별기(421)는, 그 식별결과와 그 신뢰도(우도(尤度))를 나타내는 출력값h1(x)을 출력한다.
출력값h1(x)은, 부호(±)가 붙은 값으로 구성된다. 그리고, 출력값h1(x)의 부호는, 코드를 구성하는 요소의 부호와 대응하고 있다. 출력값h1(x)은, 그 부호가 +(>0)일 경우에는, 식별기(421)가, 입력 정보x에서 나타내는 운전자의 운전상태가 제1그룹 (클래스1)에 속한다고 식별한 것을 나타낸다. 한편, 출력값h1(x)은, 그 부호가 -(<0)일 경우에는, 식별기(421)가, 입력 정보x에서 나타내는 운전자의 운전상태가 제2그룹 (클래스2 또는 클래스3)에 속한다고 식별한 것을 나타낸다. 또한 출력값h1(x)의 절대값은, 식별기(421)에 의해 식별된 식별결과의 신뢰도를 나타낸다.
예를 들면 식별기(421)는, 입력 정보x가 나타내는 운전자의 상태가, 제2그룹 (클래스2 또는 3)에 속한다고 식별하고, 그 신뢰도가 |2|인 것을 판별했을 경우에는, h1(x)로서 "-2"를 출력한다.
마찬가지로, 각 식별기(422)~(426)는, 각각, 대응하는 코드2~6에 따라, 입력 정보x가 나타내는 "운전자의 상태"가 요소 "1"이 할당되는 클래스로 구성된 제1그룹으로 분류될지, 요소"-1"이 할당되는 클래스로 구성된 제2그룹으로 분류될지를 식별한다. 각 식별기(422)~(426)는, 그 식별 결과에 대응하는 각 출력값h2(x)~h6(x)을 각각 출력한다.
예를 들면 식별기(422)는, 입력 정보x가 나타내는 운전자의 상태가, 제2그룹 (클래스1 또는 3)에 속한다고 식별하고, 그 신뢰도가 |7|이라고 판별했을 경우에는, h2(x)로서 "-7"을 출력한다. 마찬가지로, 식별기(423)는, 운전자의 상태가, 제1그룹(클래스3)에 속한다고 식별하고, 그 신뢰도가 |0.5|라고 판별했을 경우에는, h3(x)로서 "0.5"를 출력한다. 식별기(424)가, 운전자의 상태가, 제2그룹 (클래스2)에 속한다고 식별하고, 그 신뢰도가 |1|이라고 판별했을 경우에는, h4(x)로서 "-1"을 출력한다. 식별기(425)가, 운전자의 상태가, 제2그룹 (클래스3)에 속한다고 식별하고, 그 신뢰도가 |9|라고 판별했을 경우에는, h5(x)로서 "-9"를 출력한다. 식별기(426)가, 운전자의 상태가, 제1그룹 (클래스2)에 속한다고 식별하고, 그 신뢰도가 |12|이라고 판별했을 경우에는, h6(x)로서 "12"를 출력한다.
복호기(43)는, 상기 식(2)로 나타내는 부호표W을 이용하여 복호화 처리를 한다. 상술한 바와 같이, 부호표W의 첫째 열에 있는 6개의 각 요소는, 클래스1이, 제1그룹 또는 제2그룹 중 어느 하나로 분류되었는지를 나타내고 있다. 또한 부호표W의 둘째 열에 있는 6개의 각 요소는, 클래스2가, 제1그룹 또는 제2그룹 중 어느 하나로 분류되었는지를 나타내고 있다. 또한 부호표W의 셋째 열에 있는 6개의 각 요소는, 클래스3이, 제1그룹 또는 제2그룹 중 어느 하나로 분류되었는지를 나타내고 있다.
또한 식별기(421)~(426)의 출력값은, 식별 평면으로부터의 유클리드 거리를 나타내고, 식별결과의 신뢰도와 등가이다. 따라서, 상술한 바와 같이 제1그룹이, 값이 "1"인 요소에 의해 규정되고, 제2그룹이, 값이 "-1"인 요소에 의해 규정되어 있을 경우에는, 식별기(421)~(426)의 출력값hｎ(x)은, 그 부호가 양이며 그 값이 클 만큼, 운전자의 운전상태가 제1그룹에 속하는 경향이 강한 것을 나타낸다. 또한 식별기(421)~(426)의 출력값hｎ(x)은, 그 부호가 음이며 그 값이 작을 만큼 (절대값이 클 만큼), 운전자의 운전상태가 제2그룹에 속하는 경향이 강한 것을 나타낸다.
그래서, 복호기(43)는, 각 식별기(421)~(426)의 출력값과, 부호표W의 열 방향의 요소를 이용하여, 클래스1~3 각각에 대응하는 각 손실값L1~L3을 산출한다. 손실값L1~L3의 산출에는, 다음 수학식 3으로 나타내는 함수가 사용된다.
Figure 112012009178912-pct00004
상술한 예를 따라, 각 출력값h1(x)~h6(x)이, 도 4에 나타내는 바와 같이 -2, -7, 0.5, -1, -9, 12이었다고 한다. 이 경우에는, 클래스1에 대응한 손실값L1은, 다음 수학식 4과 같이 계산된다.
Figure 112012009178912-pct00005
복호기(43)는, 마찬가지로, 클래스2, 클래스3에 각각 대응하는 손실값L2, 손실값L3을 각각 산출한다. 여기서는, 손실값L2이 -161667이 되고, 손실값L3이 153546이 된다. 복호기(43)는, 산출한 각 손실값L1~L3을 클래스검출유닛(50)으로 출력한다.
도 1을 다시 참고해서, 클래스검출유닛(50)은, 복호기(43)가 출력한 각 손실값L1~L3 중, 가장 값이 작은 손실값에 대응하는 클래스를 검출한다. 클래스검출유닛(50)은, 검출한 클래스를, 운전자의 운전상태가 속하는 클래스로서 외부로 출력한다. 예를 들면 상술한 바와 같이, 복호기(43)가 출력한 손실값L1이 7018, 손실값L2이 -161667, 손실값L3이 153546일 경우, 클래스검출유닛(50)은, 최소의 손실값L2에 대응하는 클래스2를, 운전자의 운전상태가 속하는 클래스로서 외부로 출력한다.
이상 설명한 바와 같이, 본 제1 실시형태에 관한 상태검출장치(10)로는, 예를 들면 운전자의 눈꺼풀 열림정도, 심박 주파수 등의 생체정보 등에 대표되는 운전자에 관한 특징량에 근거하여, 현재 운전자의 운전상태가 속하는 클래스가 검출된다. 이 클래스는, 운전자의 활성도를 지표로서 운전자의 운전상태가 복수의 클래스로 구분된 중의 하나이다. 따라서, 검출된 클래스에 근거하여, 운전자의 활성도가 어느 정도 저하할지 추정 결과를, 개인간의 차이, 개인내부의 차이에 관계 없이, 정도별로 검출할 수 있다. 이에 따라 운전자에게 있어서 보다 적절한 운전 지원을 제공할 수 있다.
또한, 상술한 특징량의 경향이나 변화량은, 운전자의 운전상태에 따라 다르다. 따라서, 운전자의 생체정보로서는, 상술한 눈꺼풀 열림정도, 심박 주파수에 한하지 않고, 예를 들면 혈압, 체온 등 복수의 생체정보를 더욱 취득하고, 이들의 생체정보도 가미해서 운전 상태가 속하는 클래스를 검출하는 것으로서 더 정확하고, 또한 보다 다단계로 운전자의 운전상태를 검출할 수 있다.
또한 본 제1 실시형태에서는 식별기(421)~(426)는, Adaboost에 의해 학습한 두개 값 판별기임을 설명했다. 그러나, 본 발명은 이에 한정되는 것이 아니라, 식별기(421)~(426)는, 예를 들면 SVM(Support Vector Machine) 등의 두개 값 판별기라도 좋다.
또한, 본 실시형태에서는 두개 값 판별기를 많은 값으로 확장하기 위한 수법의 하나인 ECOC(Error Correcting Output Coding)법을 취급하고 있다.
또한, 3개 클래스의 다른 예로서, 예를 들면, 클래스1은 통상운전상태 (정상적인 운전을 할 수 있는 상태), 클래스2는, 비통상운전상태(졸음, 멍한 운전, 피로 운전, 급한 운전, 스트레스, 주의 산만 등) 중 생각한다거나 멍하고 있거나 하는 상태, 클래스3은, 비통상운전상태 중 남과 회화중의 상태로 할 수도 있다.
또한 클래스의 수p는, 3에 한정되지 않고, 임의이다. 예를 들면 운전자의 운전상태는, 운전자의 활성도를 지표로서, 4개 이상의 클래스로 구분되어 있어도 된다. 예를 들면 클래스가 4개의 경우에는, 부호표W는, 도 5에 나타낸다.
운전자의 운전상태를, 예를 들면 신에너지·산업기술총합개발기구(NEDO)의 정의에 따라서, 전혀 졸리지 않는 것 같은 상태, 약간 졸릴 것 같은 상태, 졸릴 것 같은 상태, 상당히 졸릴 것 같은 상태, 매우 상당히 졸릴 것 같은 상태에 대응하는 5개 클래스에, 운전자의 활성도를 지표로서 구분하는 것으로 할 수도 있다.
또한, 클래스의 수를 G로 하면, 부호표W의 사이즈WSIZE (줄 수)는, 다음 수학식으로 산출할 수 있다. 열 수는 클래스수G과 같다.
Figure 112012009178912-pct00006
또한 식별기의 개수p과 클래스수G가 고정일 경우에, 부호표W는 고정된다. 이 경우, 부호기를 제거하고, 각 식별기 자신에 미리 할당된 두개 값 판정을 하도록 구성할 수도 있다. 상술한 예에서 설명하면, 식별장치(30)는, 아래와 같이 구성된다. 부호기(41)를 제거하고, 입력정보x는, 식별기(421)~(426)에 직접 입력된다. 식별기(421)는, 입력정보x가 나타내는 "운전자의 상태"가, 클래스1로 이루어지는 제1그룹으로 분류될지, 클래스2 및 클래스3으로 구성된 제2그룹으로 분류될지를 식별하고, 식별기(426)는, "운전자의 상태"가, 클래스2로 이루어지는 제1그룹으로 분류될지, 클래스1 및 클래스3으로 구성된 제2그룹으로 분류될지를 식별하고, 식별기(426)는, "운전자의 상태" 클래스2로 이루어지는 제1그룹으로 분류될지, 클래스3으로 구성된 제2그룹으로 분류될지를 식별하는 식으로 구성할 수도 있다.
또한 발명자 등은, 본 발명의 유효성을 검증하기 위해, 본 발명의 상태검출장치와 드라이빙 시뮬레이터를 사용한 실험을 했다. 피험자는 남녀 3명 (21~23세)으로, 1번의 실험 실시 시간은 20분이다. 또한 피험자 1명에 대해서 10번의 실험을 했다. 또한 드라이빙 시뮬레이터에는 임의로 S자 커브를 포함한 단조로운 고속도로를 설정했다.
본 실험에서는, 정답률(Accuracy)을 평가하기 위해, 이하의 평가식을 이용했다. 다만, t는 실험의 회수(실험 번호), T는 t의 최대값, n은 샘플링 회수, yt는 t의 정답 라벨, Ht는 t의 가설 (상태를 추정한 결과)이다. 또한 본 실험에서는, 20분간에 10초마다 데이터의 샘플링을 했으므로, n은 120이다.
Figure 112012009178912-pct00007
본 실험 결과, 하기의 표를 참조하면 알 수 있듯이, 본 발명의 상태검출장치는 93.56%의 정답률로 운전자의 운전 상태를 검출할 수 있었다. 이 정답률은, 다른 수법과 비교해서, 1.5~3배 정도 높은 것이다.
수법 정답률[%]
LDA 31.33
k-NN
HD-ECOC
LD-ECOC		 33.75
58.28
93.56
《제2 실시예》
다음에, 본 발명의 제2 실시형태를, 도 6 및 도 7을 참조해서 설명한다.
또한, 제1실시형태에 따른 상태검출장치(10)와 동일 또는 동등한 구성에 대해서는, 동일한 부호를 사용하고, 그 설명을 생략한다.
제2 실시형태에 따른 상태검출장치(10)는, 식별장치(30)가, 일반적인 컴퓨터에 의해 실현되어 있다.
상태검출장치(10)는, 도 6에 도시하는 바와 같이 생체정보취득장치(20)와, 컴퓨터에 의해 실현되는 식별장치(30)를 구비한다.
식별장치(30)는, CPU(Central Processing Unit) (30a)와, 주기억부(30b)와, 보조 기억부(30c)와, 표시부(30d)와, 입력부(30e)와, 인터페이스부(30f)와, 상기 각부(30a)~(30f)를 서로 접속하는 시스템버스(30g)를 구비한다.
CPU(30a)는, 보조 기억부(30c)에 기억되어 있는 프로그램을 따라, 생체정보취득장치(20)에 의해 취득된 입력정보x에, 후술하는 처리를 실행한다.
주기억부(30b)는, RAM(Random Access Memory) 등을 포함해서 구성되어, CPU(30a)의 작업 영역으로서 사용된다.
보조 기억부(30c)는, ROM(Read Only Memory), 자기디스크, 반도체메모리 등의 불휘발성 메모리를 포함해서 구성되어 있다. 보조 기억부(30c)는, CPU(30a)가 실행하는 프로그램, 및 각종 파라미터 등을 기억하고 있다. 또한 생체정보취득장치(20)로부터 출력되는 입력정보x, 및 CPU(30a)에 의한 처리결과 등을 포함한 정보를 순차적으로 기억한다.
표시부(30d)는, CRT(Cathode Ray Tube) 또는 LCD(Liquid Crystal Display) 등을 포함해서 구성되어, CPU(30a)의 처리 결과를 표시한다.
입력부(30e)는, 키보드나 마우스 등의 포인팅 디바이스를 포함해서 구성되어 있다. 오퍼레이터의 지시는, 이 입력부(30e)를 통해 입력되며, 시스템버스(30g)를 경유해서 CPU(30a)에 통지된다.
인터페이스부(30f)는, 직렬 인터페이스 또는 LAN(Local Area Network) 인터페이스 등을 포함해서 구성되어 있다. 생체정보취득장치(20)는, 인터페이스부(30f)를 통해서 시스템버스(30g)에 접속된다.
이하, 도 7을 참조해서, 식별장치(30)가 실행하는 처리를 설명한다. 다만, 이 처리는, CPU(30a)가, 생체정보취득장치(20)에 생체정보의 취득을 지시하고, 생체정보취득장치(20)로부터 입력정보x가 입력된 후에 실행된다.
최초의 스텝 S101에서는, CPU(30a)는, 부호표W의 첫째줄~6째줄 각각의 3개의 요소로 이루어지는 각각 코드 [1, -1, -1], 코드2 [-1, 1, -1], 코드3 [-1, -1, 1], 코드4 [1, -1, 0], 코드5 [1, 0, -1], 코드6 [0, 1, -1]과 입력정보x와 관련시킨다.
다음 스텝 S102에서는, CPU(30a)는, 코드1~6에 근거하여 클래스1~3을 제1그룹에 속하는 클래스와, 제2그룹에 속하는 클래스로 분류한다. 그리고, CPU(30a)는, 입력정보x에 근거하여 운전자의 운전상태가, 제1그룹에 속할지, 제2그룹에 속할지를 식별하고, 식별결과에 따른 식별값h1(x)~h6(x)을 산출한다.
다음 스텝 S103에서는, CPU(30a)는, 각 식별값h1(x)~h6(x)과, 부호표W의 열방향의 요소를 이용하여, 클래스1~3 각각에 대응하는 각 손실값L1~L3을 산출한다. 도 4에 도시하는 바와 같이 예를 들면 각 식별값 h1(x)~h6(x)이, -2, -7, 0.5, -1, -9, 12의 경우에는, 클래스1에 대응한 손실값L1은, 상기 수학식 4과 같이 계산된다.
다음 스텝 S104에서는, CPU(30a)는, 산출한 각 손실값L1~L3 중, 가장 값이 작은 손실값에 대응하는 클래스를 검출한다. 예를 들면 손실값L1이 7018, 손실값L2이 -161667, 손실값L3이 153546일 경우, CPU(30a)는, 최소의 손실값L2에 대응하는 클래스2를, 운전자의 운전상태가 속하는 클래스로서 검출한다.
다음 스텝 S105에서는, CPU(30a)는, 검출한 클래스에 관한 정보를 외부장치 등에 출력한다. 그후, CPU(30a)는, 스텝 S101~스텝 S105까지의 처리를 반복 실행한다.
이상에서 설명한 바와 같이, 본 제2 실시형태에 따른 상태검출장치(10)로는, 예를 들면 운전자의 눈꺼풀 열림정도, 심박의 주파수 등의 생체정보 등에 대표되는 운전자에 관한 특징량에 근거하여, 현재의 운전자의 운전상태가 속하는 클래스가 검출된다. 이 클래스는, 운전자의 활성도를 지표로서 운전자의 운전상태가 복수의 클래스에 구분된 중 하나다. 따라서, 검출된 클래스에 근거하여, 운전자의 활성도가 어느 정도 저하하고 있는지를, 개인간의 차이, 개인내부의 차이에 관계없이, 정도별로 검출할 수 있다. 이에 따라 운전자에게 있어서 보다 적절한 운전 지원을 제공할 수 있다.
이상, 본 발명의 실시형태에 관하여 설명했지만, 본 발명은 상기 실시형태에 의해 한정되는 것은 아니다.
예를 들면, 상기 각 실시형태에서는, 운전자에 관한 정보로서 생체정보를 사용했지만, 본 발명은 이에 한정되는 것이 아니다. 운전자에 관한 정보로서, 예를 들면 조향각, 차량이 휘청거리는 정도, 브레이크의 타이밍, 차량의 속도 및 가속도 등 차량에 관한 정보, 차실내의 기온 및 습도 등 운전자의 주위 환경에 관한 정보, 오디오나 에어컨의 조작 등, 운전외의 기기 조작에 관한 정보 등을 취득할 수도 있다. 본 발명의 상태검출장치는, 이들의 정보도 가미해서, 운전상태가 속하는 클래스를 검출할 수도 있다.
또한 상태검출장치(10)는, 자동차를 운전하는 운전자의 상태를 검출하는 것이라고 했지만, 본 발명은 이에 한정되는 것이 아니다. 본 발명의 상태검출장치는, 열차, 비행기 등을 운전하는 운전자나 오퍼레이터의 상태검출에도 적절하다. 또한 운전자 등에 제한되지 않고, 예를 들면 실내 등에서 피감시자의 수면 심도를 검출할수도 있다.
또한 운전자의 활성도는, 예를 들면 피감시자의 졸음, 피로도 등에 의해 변화하는 지표에 근거하여 결정되어 있으면 된다. 운전자의 활성도는, 예를 들면 운전자(피감시자) 동작의 정확성이나 주의력 등에 근거하여 정의할 수도 있다.
또한 손실값의 산출은, 예를 들면 시그모이드 함수 등을 이용할 수도 있다.
또한 식별장치(30)의 기능은, 전용 하드웨어에 의해서도, 또한 일반적인 컴퓨터 시스템에 의해서도 실현할 수 있다.
또한 제2 실시형태에 있어서 식별장치(30)의 보조 기억부(30c)에 기억되어 있는 프로그램은, 플렉시블 디스크, CD-ROM(Compact Disk Read-Only Memory), DVD(Digital Versatile Disk), MO(Magneto-Optical disk) 등의 컴퓨터로 읽기 가능한 기록 매체에 저장해서 배포하고, 그 프로그램을 컴퓨터에 인스톨함으로서, 상술한 처리를 실행하는 장치를 구성하는 것으로 할 수도 있다.
또한, 프로그램을 인터넷 등의 통신 네트워크상의 소정의 서버 장치가 가진 디스크 장치 등에 저장할 수도 있다. 예를 들면 반송파에 중첩시켜서, 컴퓨터에 다운로드 등 하도록 할 수동 있다.
또한 프로그램은, 통신 네트워크를 통해 전송하면서 기동 실행하도록 할 수도 있다.
또한 프로그램은, 전부 또는 일부를 서버 장치상에서 실행시키고, 그 처리에 관한 정보를, 통신 네트워크를 통해 송수신하면서, 상술한 처리를 실행하도록 할 수도 있다.
또한, 상기의 기능을, OS(Operating System)가 분담해서 실현할 경우 또는 OS와 어플리케이션과의 협동에 의해 실현할 경우 등에는, OS외의 부분만을 매체에 저장해서 배포해도 되고, 또한 컴퓨터에 다운로드 등 할 수도 있다.
또한, 본 발명은, 본 발명의 광의의 정신과 범위를 일탈하지 않고, 다양한 실시형태 및 변형을 할 수 있다. 또한 상술한 실시형태는, 본 발명을 설명하기 위한 것이고, 본 발명의 범위를 한정하는 것이 아니다.
본 출원은, 2009년7월9일에 출원된 일본 특허출원 2009-163143호에 근거한다. 본 명세서 중에 일본 특허출원 2009-163143호의 명세서, 특허청구범위, 도면전체를 참조로 한다.
본 발명의 상태검출장치, 상태검출방법 및 프로그램은, 피감시자의 상태를 검출하는데 적절하다.
10 상태검출장치
20 생체정보취득장치
30 식별장치
30a CPU
30b 주기억부
30c 보조기억부
30d 표시부
30e 입력부
30f 인터페이스부
30g 시스템버스
40 식별유닛
41 부호기
421~426 식별기
43 복호기
1 클래스검출유닛

Claims (11)

  1. 피감시자에 관한 정보를 특징량으로서 검출하는 특징량 검출수단과,
    상기 특징량을 입력값으로 하고, 당해 특징량을 바탕으로, 상기 피감시자의 활성정도를 지표로서 정해진 복수의 클래스가 분류되는 제1그룹과 제2그룹 중, 상기 피감시자의 상태가 속하는 상기 그룹을 식별하고, 당해 식별한 결과를 포함한 정보를 출력값으로서 출력하는 식별 수단과,
    상기 식별 수단이 출력한 출력값으로부터 손실값을 산출하는 손실값 산출 수단과,
    상기 손실값에 근거하여 상기 피감시자의 상태가 속하는 상기 클래스를 검출하는 클래스검출수단을 구비하며,
    상기 클래스 수를 p, 상기 식별수단의 수를 G로 했을 때, 상기 각 식별수단은, 상기 피감시자의 활성정도가,
    Figure 112013040938484-pct00016
    로 나타내는 부호표W가 대응하는 줄 값이 1의 요소에 대응하는 클래스로 구성된 제1그룹과, 값이 -1의 요소에 대응하는 클래스로 구성된 제2그룹 중 어디에 속하는지 나타내는 부호와 그 신뢰도를 나타내는 절대값을 출력하는 상태검출장치.
  2. 제 1항에 있어서,
    복수의 상기 클래스는, 복수의 패턴으로 상기 제1그룹과 상기 제2그룹으로 분류되는 상태검출장치.
  3. 제 1항 또는 제 2항에 있어서,
    상기 손실값 산출 수단은, 상기 손실값을, 지수 함수로 정의하는 상태검출장치.
  4. 삭제
  5. 제 1항에 있어서,
    상기 손실값 산출수단은, 상기 각 식별수단으로부터 출력된 상기 부호 및 상기 신뢰도와 상기 부호표W에 근거하여, 지수함수로 정의되는 손실을, 상기 식별수단별 및 상기 클래스별로 산출하고, 또한, 동일 클래스에 대응하는 손실의 합계를 구하는 상태검출장치.
  6. 제 5항에 있어서,
    상기 클래스검출수단은, 상기 손실의 합계가 가장 작은 클래스를, 상기 피감시자의 상태가 속하는 상기 클래스로서 검출하는 상태검출장치.
  7. 제 1항에 있어서,
    상기 피감시자에 관한 정보는, 상기 피감시자의 생체정보인 상태검출장치.
  8. 제 7항에 있어서,
    상기 피감시자의 생체정보는, 상기 피감시자의 시선 정보와, 상기 피감시자의 심박 정보의 적어도 어느 하나를 포함한 상태검출장치.
  9. 제 1항에 있어서,
    상기 피감시자에 관한 정보를 특징량으로서 검출하고, 상기 식별수단에 공급하는 특징량 검출수단을 더 구비하는 상태검출장치.
  10. 피감시자의 상태를 가리키는 지표인 특징량을 입력값으로 하고, 당해 특징량을 바탕으로, 상기 피감시자의 활성정도를 지표로서 정해진 복수의 클래스가 분류되는 제1그룹과 제2그룹 중, 상기 피감시자의 상태가 속하는 상기 그룹을 식별하고, 당해 식별한 결과를 포함하는 정보를 출력값으로 출력하는 식별 공정과,
    상기 식별공정에서 출력한 출력값으로부터 손실값을 산출하는 손실값 산출공정과,
    상기 손실값에 근거하여 상기 피감시자의 상태가 속하는 상기 클래스를 검출하는 클래스검출공정을 포함하며,
    피감시자에 관한 정보를 특징량으로서 검출하는 특징량 검출수단과,
    상기 특징량을 입력값으로 하고, 당해 특징량을 바탕으로, 상기 피감시자의 활성정도를 지표로서 정해진 복수의 클래스가 분류되는 제1그룹과 제2그룹 중, 상기 피감시자의 상태가 속하는 상기 그룹을 식별하고, 당해 식별한 결과를 포함한 정보를 출력값으로서 출력하는 식별 수단과,
    상기 식별 수단이 출력한 출력값으로부터 손실값을 산출하는 손실값 산출 수단과,
    상기 손실값에 근거하여 상기 피감시자의 상태가 속하는 상기 클래스를 검출하는 클래스검출수단을 구비하며,
    상기 클래스 수를 p, 상기 식별수단의 수를 G로 했을 때, 상기 각 식별수단은, 상기 피감시자의 활성정도가,
    Figure 112013040938484-pct00017
    로 나타내는 부호표W가 대응하는 줄 값이 1의 요소에 대응하는 클래스로 구성된 제1그룹과, 값이 -1의 요소에 대응하는 클래스로 구성된 제2그룹 중 어디에 속하는지 나타내는 부호와 그 신뢰도를 나타내는 절대값을 출력하는 상태검출방법.
  11. 컴퓨터에 피 감시자의 상태를 나타내는 지표인 특징량을 입력값으로 하고, 당해 특징량을 바탕으로, 상기 피감시자의 활성정도를 지표로서 정해진 복수의 클래스가 분류되는 제1그룹과 제2그룹 중, 상기 피감시자의 상태가 속하는 상기 그룹을 식별하고, 당해 식별한 결과를 포함하는 정보를 출력값으로서 출력하는 식별스텝과,
    상기 식별스텝에서 출력한 상기 출력값으로부터 손실값을 산출하는 손실값 산출스텝과,
    상기 손실값에 근거하여 상기 피감시자의 상태가 속하는 상기 클래스를 검출하는 클래스 검출스텝을 포함하며,
    상기 클래스 수를 p, 상기 식별스탭의 수를 G로 했을 때, 상기 각 식별스탭은, 상기 피감시자의 활성정도가,
    Figure 112013040938484-pct00018
    로 나타내는 부호표W가 대응하는 줄 값이 1의 요소에 대응하는 클래스로 구성된 제1그룹과, 값이 -1의 요소에 대응하는 클래스로 구성된 제2그룹 중 어디에 속하는지 나타내는 부호와 그 신뢰도를 나타내는 절대값을 출력시키기 위한 프로그램이 저장된 기록매체.
KR1020127003098A 2009-07-09 2010-03-23 상태검출장치, 상태검출방법 및 기록매체 Expired - Fee Related KR101311552B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2009163143A JP5444898B2 (ja) 2009-07-09 2009-07-09 状態検出装置、状態検出方法及びプログラム
JPJP-P-2009-163143 2009-07-09
PCT/JP2010/055010 WO2011004641A1 (ja) 2009-07-09 2010-03-23 状態検出装置、状態検出方法及びプログラム

Publications (2)

Publication Number Publication Date
KR20120046230A KR20120046230A (ko) 2012-05-09
KR101311552B1 true KR101311552B1 (ko) 2013-09-26

Family

ID=43429066

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020127003098A Expired - Fee Related KR101311552B1 (ko) 2009-07-09 2010-03-23 상태검출장치, 상태검출방법 및 기록매체

Country Status (6)

Country Link
US (1) US8786448B2 (ko)
EP (1) EP2453427A4 (ko)
JP (1) JP5444898B2 (ko)
KR (1) KR101311552B1 (ko)
CN (1) CN102473354B (ko)
WO (1) WO2011004641A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9682711B2 (en) 2014-07-23 2017-06-20 Hyundai Mobis Co., Ltd. Apparatus and method for detecting driver status
US9694680B2 (en) 2014-12-08 2017-07-04 Hyundai Motor Company System and method for determining drowsy state of driver

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2925736B1 (fr) * 2007-12-21 2010-09-24 Eads Secure Networks Procede de production d'une preuve de presence ou de fonctionnement d'une entite dans une zone identifiee pendant une duree superieure a un seuil donne, et systeme de surveillance
JP2012166579A (ja) * 2011-02-09 2012-09-06 Aisin Seiki Co Ltd 状態判定装置、状態判定方法及びプログラム
JP5627511B2 (ja) 2011-03-03 2014-11-19 アイシン精機株式会社 状態推定装置、状態推定方法及びプログラム
JP5720462B2 (ja) * 2011-07-20 2015-05-20 日産自動車株式会社 運転者疲労度推定装置
CN103077603A (zh) * 2012-06-06 2013-05-01 王晓原 基于动态人车环境协同推演的自由流状态汽车驾驶倾向性辨识系统
KR20140092634A (ko) * 2013-01-16 2014-07-24 삼성전자주식회사 전자장치와 그 제어방법
JP6222580B2 (ja) * 2013-03-28 2017-11-01 パナソニックＩｐマネジメント株式会社 提示情報学習方法、サーバおよび端末装置
CN103426004B (zh) * 2013-07-04 2016-12-28 西安理工大学 基于纠错输出编码的车型识别方法
DE102014201650A1 (de) * 2013-12-19 2015-06-25 Robert Bosch Gmbh Verfahren zum Ermitteln des Belastungszustands des Fahrers
CN103770733B (zh) * 2014-01-15 2017-01-11 中国人民解放军国防科学技术大学 一种驾驶员安全驾驶状态检测方法及装置
US20150294547A1 (en) * 2014-04-15 2015-10-15 Denso Corporation Driver condition detection apparatus, driving assistance apparatus, driver condition detection method, and driving assistance method
KR101659027B1 (ko) 2014-05-15 2016-09-23 엘지전자 주식회사 이동 단말기 및 차량 제어 장치
KR102401607B1 (ko) * 2014-12-04 2022-05-25 현대모비스 주식회사 운전자의 운행 집중도 레벨 분석방법
CN104464194A (zh) * 2014-12-15 2015-03-25 宇龙计算机通信科技(深圳)有限公司 报警提示方法、报警提示系统、终端和可穿戴设备
CN105788364B (zh) * 2014-12-25 2019-05-14 中国移动通信集团公司 一种预警信息的发布方法及装置
JP6399311B2 (ja) * 2015-05-07 2018-10-03 スズキ株式会社 居眠り検知装置
DE102015224739A1 (de) * 2015-12-09 2017-06-14 Robert Bosch Gmbh Verfahren und Vorrichtung zum Auslösen von Fußgängerschutzmitteln und/oder Fußgängerwarnmitteln
DE102015225109A1 (de) 2015-12-14 2017-06-14 Robert Bosch Gmbh Verfahren und Vorrichtung zum Klassieren von Augenöffnungsdaten zumindest eines Auges eines Insassen eines Fahrzeugs und Verfahren und Vorrichtung zum Erfassen einer Schläfrigkeit und/oder eines Sekundenschlafes eines Insassen eines Fahrzeugs
CN105361863B (zh) * 2015-12-17 2016-09-07 海安欣凯富机械科技有限公司 飞机机长生理参数监控系统
CN105564659B (zh) * 2016-01-02 2017-07-28 万嘉鹏 用于飞机上的弹簧式紧急报警装置
US10357195B2 (en) * 2017-08-01 2019-07-23 Panasonic Intellectual Property Management Co., Ltd. Pupillometry and sensor fusion for monitoring and predicting a vehicle operator's condition
CN107730835B (zh) * 2017-11-14 2019-07-02 吉林大学 一种基于应激反应能力的汽车驾驶员疲劳识别方法
CN109620269B (zh) * 2019-01-28 2021-10-22 锦图计算技术(深圳)有限公司 疲劳检测方法、装置、设备及可读存储介质
KR102171236B1 (ko) * 2019-03-14 2020-10-28 서울시립대학교 산학협력단 심장 박동의 타입을 분류하는 방법 및 이를 이용한 장치
JP7358958B2 (ja) * 2019-12-11 2023-10-11 トヨタ自動車株式会社 運転意識推定装置
US20220261657A1 (en) * 2021-02-17 2022-08-18 International Business Machines Corporation Monte-carlo adversarial autoencoder for multi-source domain adaptation
WO2023188130A1 (ja) * 2022-03-30 2023-10-05 株式会社Subaru 診断装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007233475A (ja) 2006-02-27 2007-09-13 Toyota Motor Corp 居眠り判定装置および居眠り運転警告装置
JP2007265377A (ja) * 2006-03-01 2007-10-11 Toyota Central Res & Dev Lab Inc 運転者状態判定装置及び運転支援装置
JP2008217274A (ja) * 2007-03-01 2008-09-18 Equos Research Co Ltd 運転者状態判定装置、及び運転支援装置
JP2008282022A (ja) * 2000-10-14 2008-11-20 Temic Automotive Of North America Inc 車両運転手の能力を向上させるための方法及び装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5416861A (en) * 1994-04-29 1995-05-16 University Of Cincinnati Optical synchronous clock distribution network and high-speed signal distribution network
US6580973B2 (en) 2000-10-14 2003-06-17 Robert H. Leivian Method of response synthesis in a driver assistance system
US6925425B2 (en) 2000-10-14 2005-08-02 Motorola, Inc. Method and apparatus for vehicle operator performance assessment and improvement
US6909947B2 (en) 2000-10-14 2005-06-21 Motorola, Inc. System and method for driver performance improvement
US20020151297A1 (en) 2000-10-14 2002-10-17 Donald Remboski Context aware wireless communication device and method
US7470231B2 (en) 2003-10-23 2008-12-30 Delta Tooling Co., Ltd. Fatigue degree measurement device, fatigue detection device and computer program to be used therein
DE10355221A1 (de) * 2003-11-26 2005-06-23 Daimlerchrysler Ag Verfahren und Computerprogramm zum Erkennen von Unaufmerksamkeiten des Fahrers eines Fahrzeugs
JP4466571B2 (ja) 2005-05-12 2010-05-26 株式会社デンソー ドライバ状態検出装置、車載警報装置、運転支援システム
CN100453043C (zh) 2007-01-23 2009-01-21 武汉理工大学 汽车驾驶员疲劳实时监测系统
CN100462047C (zh) 2007-03-21 2009-02-18 汤一平 基于全方位计算机视觉的安全驾驶辅助装置
JP2008243031A (ja) 2007-03-28 2008-10-09 Toyota Central R&D Labs Inc 漫然運転判定装置
JP2008250859A (ja) 2007-03-30 2008-10-16 Toyota Central R&D Labs Inc 覚醒度判定装置
WO2009003170A1 (en) * 2007-06-27 2008-12-31 Radow Scott B Stationary exercise equipment
US8744738B2 (en) * 2007-09-28 2014-06-03 The Boeing Company Aircraft traffic separation system
JP4582137B2 (ja) * 2007-10-11 2010-11-17 株式会社デンソー 眠気度判定装置
JP4948379B2 (ja) * 2007-12-18 2012-06-06 キヤノン株式会社 パターン識別器生成方法、情報処理装置、プログラム及び記憶媒体
JP5157458B2 (ja) 2008-01-09 2013-03-06 大日本印刷株式会社 高色濃度カラーフィルタ、およびその修正方法
CN101281646A (zh) 2008-05-09 2008-10-08 山东大学 基于视觉的驾驶员疲劳实时检测方法
CN101375796B (zh) 2008-09-18 2010-06-02 浙江工业大学 疲劳驾驶实时检测系统
JP5270415B2 (ja) 2009-03-19 2013-08-21 トヨタ自動車株式会社 眠気判定装置及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008282022A (ja) * 2000-10-14 2008-11-20 Temic Automotive Of North America Inc 車両運転手の能力を向上させるための方法及び装置
JP2007233475A (ja) 2006-02-27 2007-09-13 Toyota Motor Corp 居眠り判定装置および居眠り運転警告装置
JP2007265377A (ja) * 2006-03-01 2007-10-11 Toyota Central Res & Dev Lab Inc 運転者状態判定装置及び運転支援装置
JP2008217274A (ja) * 2007-03-01 2008-09-18 Equos Research Co Ltd 運転者状態判定装置、及び運転支援装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9682711B2 (en) 2014-07-23 2017-06-20 Hyundai Mobis Co., Ltd. Apparatus and method for detecting driver status
US9694680B2 (en) 2014-12-08 2017-07-04 Hyundai Motor Company System and method for determining drowsy state of driver

Also Published As

Publication number Publication date
JP2011018240A (ja) 2011-01-27
CN102473354B (zh) 2014-07-16
EP2453427A4 (en) 2015-01-21
CN102473354A (zh) 2012-05-23
KR20120046230A (ko) 2012-05-09
JP5444898B2 (ja) 2014-03-19
US8786448B2 (en) 2014-07-22
EP2453427A1 (en) 2012-05-16
WO2011004641A1 (ja) 2011-01-13
US20120105234A1 (en) 2012-05-03

Similar Documents

Publication Publication Date Title
KR101311552B1 (ko) 상태검출장치, 상태검출방법 및 기록매체
US10504036B2 (en) Optimizing performance of event detection by sensor data analytics
Rigas et al. Towards driver′ s state recognition on real driving conditions
EP3219253B1 (en) System for detecting arrhythmia using photoplethysmogram signal
Braunagel et al. Online recognition of driver-activity based on visual scanpath classification
US20190272450A1 (en) Control device, system and method for determining the perceptual load of a visual and dynamic driving scene
CN112842358B (zh) 脑部生理数据的处理系统、方法、设备及存储介质
CN112914506A (zh) 睡眠质量检测方法、装置和计算机可读存储介质
Tarafder et al. Drowsiness detection using ocular indices from EEG signal
Das et al. Multimodal detection of drivers drowsiness and distraction
JP2023089729A (ja) 計算機システム及び情動推定方法
Jiang et al. Assessment of pilots’ cognitive competency using situation awareness recognition model based on visual characteristics
Gullapalli et al. In the blink of an eye: Quantitative blink dynamics predict deceptive personality traits in forensic interviews
CN113288111A (zh) 一种基于呼吸率的疲劳预测方法、终端设备及存储介质
Wu et al. Fault diagnosis of elevator systems based on multidomain feature extraction and SHAP feature selection
JP5917932B2 (ja) 状態推定装置、状態推定方法及びプログラム
JP4830765B2 (ja) 活動量計測システム
Hasan et al. Addressing Imbalanced EEG Data for Improved Microsleep Detection: An ADASYN, FFT and LDA-Based Approach
JP2012166579A (ja) 状態判定装置、状態判定方法及びプログラム
Jere et al. Deep learning-based architecture for social anxiety diagnosis
CN117717340B (zh) 一种驾驶员困意检测方法、装置、设备及介质
Kim et al. A study on user recognition using 2D ECG image based on ensemble networks for intelligent vehicles
Selvi et al. Identification of fatigue using data analytics and machine learning to improve worker’s health
Izquierdo et al. Modeling the vital sign space to detect the deterioration of patients in a pediatric intensive care unit
CN120372413B (zh) 模型训练方法、基于机器学习模型的告警分类方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
PA0105 International application

St.27 status event code: A-0-1-A10-A15-nap-PA0105

PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

E13-X000 Pre-grant limitation requested

St.27 status event code: A-2-3-E10-E13-lim-X000

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

GRNT Written decision to grant
PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U12-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

FPAY Annual fee payment

Payment date: 20160328

Year of fee payment: 4

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 4

FPAY Annual fee payment

Payment date: 20170818

Year of fee payment: 5

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 5

FPAY Annual fee payment

Payment date: 20180904

Year of fee payment: 6

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 6

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 7

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 8

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000

PR1001 Payment of annual fee

St.27 status event code: A-4-4-U10-U11-oth-PR1001

Fee payment year number: 9

PN2301 Change of applicant

St.27 status event code: A-5-5-R10-R13-asn-PN2301

St.27 status event code: A-5-5-R10-R11-asn-PN2301

PC1903 Unpaid annual fee

St.27 status event code: A-4-4-U10-U13-oth-PC1903

Not in force date: 20220917

Payment event data comment text: Termination Category : DEFAULT_OF_REGISTRATION_FEE

PC1903 Unpaid annual fee

St.27 status event code: N-4-6-H10-H13-oth-PC1903

Ip right cessation event data comment text: Termination Category : DEFAULT_OF_REGISTRATION_FEE

Not in force date: 20220917

P22-X000 Classification modified

St.27 status event code: A-4-4-P10-P22-nap-X000