WO2017146249A1 - 瞬き検出システム、瞬き検出方法 - Google Patents

瞬き検出システム、瞬き検出方法 Download PDF

Info

Publication number
WO2017146249A1
WO2017146249A1 PCT/JP2017/007318 JP2017007318W WO2017146249A1 WO 2017146249 A1 WO2017146249 A1 WO 2017146249A1 JP 2017007318 W JP2017007318 W JP 2017007318W WO 2017146249 A1 WO2017146249 A1 WO 2017146249A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
blink
detection
threshold value
threshold
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.)
Ceased
Application number
PCT/JP2017/007318
Other languages
English (en)
French (fr)
Inventor
知明 大槻
千尋 丹波
寛貴 林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Keio University
Original Assignee
Keio University
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 Keio University filed Critical Keio University
Publication of WO2017146249A1 publication Critical patent/WO2017146249A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems

Definitions

  • the present invention relates to a blink detection system and a blink detection method.
  • VDT Visual Display Terminal
  • Blinking has the role of spreading the tear film and protecting the cornea. Acquisition of blink information is effective not only for grasping physical conditions such as fatigue, concentration and sleepiness, but also for preventing eye symptoms of VDT workers. It is.
  • Non-Patent Document 1 a method based on machine learning has been proposed (for example, see Non-Patent Document 1).
  • five feature values (voltage maximum value, time width, variance, raw signal variance, raw signal voltage maximum value) are defined for the blink signal, and SVM (Support Vector Vector Machine), one of machine learning, is defined. Identify blinks and non-blinks.
  • the present invention has been made in view of the above points, and an object thereof is to provide a blink detection system using a Doppler sensor that does not require machine learning and enables highly accurate blink detection.
  • This blink detection system obtains a Doppler sensor that obtains a Doppler signal, obtains an amplitude signal of the Doppler signal, divides the amplitude signal into a plurality of cells that are continuous in the time axis direction, and detects cells before and after not adjacent to the target cell
  • a first detection unit that determines a first threshold value based on an amplitude value and detects a signal component that is equal to or higher than the first threshold value in the cell of interest; and a signal component that is equal to or higher than the first threshold value based on a blink waveform feature It is a requirement to have a blink determination unit that eliminates false detection from the above and determines the remaining signal components as blinks.
  • 2 is an example of a Doppler signal obtained by a Doppler sensor 10; It is an example of the flowchart of the blink detection method which concerns on this Embodiment. It is a figure explaining CA-CFAR detection.
  • It is a diagram amplitude signal A, the amplitude signal A M of the amplitude signal A by smoothing be described.
  • It is an example of a peak of the second threshold value TH 2
  • the following amplitude signal A M It is a figure explaining the determination of a peak height determination part.
  • Is a diagram for describing each of the height difference M I and M Q of the I and Q signals. It is FIG. (1) explaining the maximum point and minimum point obtained from the smoothed I signal and Q signal. It is FIG. (2) explaining the maximum point and minimum point obtained from the smoothed I signal and Q signal.
  • FIG. 1 is a functional block diagram illustrating a blink detection system according to this embodiment.
  • the blink detection system 1 shown in FIG. 1 includes a Doppler sensor 10 and a signal processing unit 20 as main components.
  • the Doppler sensor 10 is a sensor that detects the movement of the observation target (subject) by observing the frequency shift of the transmission signal and the reception signal due to the Doppler effect.
  • an unmodulated continuous wave (CW: ContinuousConWave) is used as a transmission wave.
  • the Doppler sensor 10 is arranged in the vicinity of the subject, receives a signal (reflected wave) reflected at the subject's eyelid or in the vicinity thereof, and obtains a Doppler signal by multiplying the frequency of the transmission signal by the received signal.
  • Examples of the subject include a worker who works on an image display terminal (VDT), a vehicle driver, and the like.
  • FIG. 2 is an example of a Doppler signal obtained by the Doppler sensor 10.
  • the signal shown in FIG. 2 is obtained by obtaining a Doppler signal representing a frequency shift between a transmission signal and a reception signal as a function of time, an I signal that is an in-phase component of the transmission signal, and a quadrature phase. It is composed of Q signals that are (Quadrature) components.
  • Movements of the surface of the body such as blinking, heartbeat and breathing, and body movement (movement by the body) can be observed by the Doppler sensor 10.
  • the output signal of the Doppler sensor 10 also increases, so that the spectrum is spread and distributed to a high frequency region of about 50 Hz.
  • Blink is a frequency range higher than heartbeat and respiration and lower than body motion, and the spectrum spreads to about 10 to 20 Hz.
  • the signal processing unit 20 detects the blink of the subject based on the Doppler signal that is the output signal of the Doppler sensor 10.
  • the signal processing unit 20 can appropriately use the I signal and the Q signal of the Doppler signal received by the Doppler sensor 10 as they are, or can generate an amplitude signal based on the I signal and the Q signal.
  • the signal processing unit 20 includes a CA-CFAR (Cell Averaging Constant Constant Alarm Rate) detection unit 21, a body motion detection unit 22, a peak detection unit 23, and a blink determination unit 24.
  • the blink determination unit 24 includes a peak height determination unit 241, a voltage level difference determination unit 242, and a phase change determination unit 243. The functions of these units will be described later with reference to the flowchart of FIG.
  • the signal processing unit 20 may include, for example, a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM (Random Access Memory), a main memory, and the like. In this case, various functions of the signal processing unit 20 can be realized by reading a program recorded in the ROM or the like into the main memory and executing it by the CPU. However, part or all of the signal processing unit 20 may be realized only by hardware.
  • the signal processing unit 20 may be physically configured by a plurality of devices.
  • FIG. 3 is an example of a flowchart of the blink detection method according to the present embodiment.
  • the blink detection method according to the present embodiment will be described with reference to FIG. 3 and other drawings as appropriate.
  • the Doppler sensor 10 receives a reflected wave from the subject and obtains a Doppler signal.
  • the Doppler signal obtained here includes, for example, an I signal and a Q signal as shown in FIG.
  • step S102 noise is removed from the Doppler signal received in step S101.
  • the noise removal may be performed in hardware by inserting a band pass filter or the like between the Doppler sensor 10 and the signal processing unit 20, or the output signal of the Doppler sensor 10 is directly input to the signal processing unit 20,
  • the signal processing unit 20 may perform digital signal processing (such as a digital filter).
  • step S102 may be executed as necessary.
  • the CA-CFAR detector 21 as the first detector performs CA-CFAR detection based on the Doppler signal from which noise has been removed in step S102.
  • the amplitude signal A is obtained from the Doppler signal (I signal and Q signal) from which noise has been removed, using Equation (1).
  • the CA-CFAR detection it is preferable to use a signal whose pass band is about 5 to 50 Hz in step S102.
  • the heart rate component is about 0.8 to 1.5 Hz
  • the respiratory component is about 0.15 to 0.4 Hz. Therefore, by setting the pass band to about 5 to 50 Hz, the influence of the heart rate and respiration can be reduced. This is because it can be reduced.
  • CA-CFAR detection is performed using the amplitude signal A.
  • the first threshold TH 1 is determined based on a desired false alarm probability.
  • the interested cell Cut: Cell under test
  • a first threshold value TH 1 based on the amplitude values before and after the cell not adjacent to the Cut. Specifically, a predetermined number of cells immediately preceding the Cut and guard cell G F, a predetermined number of cells immediately after the Cut and guard cell G R, further, guard cell G F front cell F of a predetermined number of cells immediately before, guard cell a predetermined number of cells immediately after the G R and Riaseru R.
  • the duration of the blink signal observed by the Doppler sensor 10 is empirically found to be about 0.4 seconds. Therefore, the cell length of each cell in FIG. 4 is preferably set to about 0.2 seconds.
  • the guard cell G F , the guard cell G R , the front cell F, and the rear cell R are each composed of three cells. However, this is an example, and the guard cell G F , the guard cell G R , the front cell F, The number of cells constituting the rear cell R can be determined as appropriate.
  • an average value A AVE of the amplitude value of the front cell F and the amplitude value of the rear cell R is calculated, and a value obtained by multiplying the average value A AVE by a coefficient ⁇ as shown in the equation (2) is set as the first threshold value TH 1 .
  • guard cell G F and G R are not used for calculation of the first threshold value TH 1. This, Cut itself is a cell of interest is to prevent affecting the first threshold value TH 1.
  • the CA-CFAR detector 21 detects a signal component equal to or higher than the first threshold TH 1 in Cut. Subsequently, the same detection is repeated while moving the position of Cut.
  • the first threshold value TH 1 or more signal components is determined to be potentially blink, the process of step S106 (described later) is executed.
  • the body motion detection unit 22 as the second detection unit performs body motion detection.
  • Body motion detection is processing performed to detect a large body motion and exclude it from blink detection processing. For example, blinking in a situation where the vehicle is not in operation, such as when driving on a boring straight road or when the VDT work is concentrated, is detected. While the amplitude value due to blinking decreases, the amplitude value due to large body movement increases, it can be determined that a signal having a large amplitude value is due to body movement.
  • the body motion detection unit 22 performs body motion detection based on the Doppler signal from which noise has been removed in step S102.
  • the amplitude signal A is obtained from the Doppler signal from which noise has been removed, using Equation (1).
  • the amplitude signal A shown in FIG. 5 is obtained using a signal (a signal in which heartbeat, respiration, and high frequency noise components are reduced) having a passband of about 5 to 25 Hz.
  • the second threshold value TH 2 can be appropriately determined based on a pre experiment.
  • Signal component amplitude signal A M is the second threshold value TH 2 or less, the body movement is determined as not being detected, the process proceeds to step S105.
  • the peak detection section 23 performs peak detection of the second threshold value TH 2 The following amplitude signal A M at step S104.
  • Figure 6 is an example of a peak of the second threshold value TH 2 The following amplitude signal A M detected in step S105. As shown in FIG. 6, a plurality of peaks are usually detected.
  • step S103 and the processes in steps S104 and S105 are processes performed on the same Doppler signal obtained by the Doppler sensor 10 in step S101, and can be performed in parallel.
  • step S106 the blink determination unit 24, the first threshold value TH 1 or more signal components in step S103, and the signal component peak is detected in step S105, the blink determination (false based on the characteristics of the blink waveform Detection removal).
  • the signal component determined to be the processing target in step S106 by the CA-CFAR detection in step S103 or the peak detection in step S105 is likely to be blinking.
  • the signal component determined to be the processing target in step S106 may include a peak of the heart rate and the respiratory component. Of FP occurs.
  • the purpose of the process of step S106 is to remove these FPs.
  • the peak height determination unit 241 removes FP by performing peak height determination on the signal component that is equal to or higher than the first threshold TH 1 in step S103 and the signal component in which the peak is detected in step S105. Specifically, the height of the peaks included in the first threshold value TH 1 or more signal components, and the peak height of the signal component peak is detected at step S105 and the reference value Sv respectively compared in step S103, A portion where the peak height is equal to or less than the reference value Sv is determined to be erroneous detection (non-blink).
  • the peak height determination unit 241 determines that a portion where the peak height is equal to or less than the reference value Sv (a circled portion) is erroneously detected (non-blink).
  • FIG. 7 is an example of a comparison between the height and the reference value Sv of the peak of the second threshold value TH 2
  • the peak height included in the signal component is similarly compared with the reference value Sv.
  • the reference value Sv is defined by a constant c times the average value P AVE of peak heights as shown in the equation (3).
  • the constant c in the formula (3) is preferably set to about 0.7 empirically.
  • the height of the peak changes depending on the state of blinking and the distance from the Doppler sensor 10, but in the case of long-time observation, it can be dealt with by updating the value of the reference value Sv.
  • the voltage level difference determination unit 242 removes FP based on the level difference between the voltage value of the I signal and the voltage value of the Q signal.
  • the high-pass filter removes heart rate and respiration frequency components from the Doppler signal (I signal and Q signal) obtained in step S101.
  • the cut-off frequency of the high-pass filter can be set to about 5 Hz, for example.
  • the phase change determination unit 243 removes the FP based on the total number of maximum points and minimum points of the voltage value of the I signal and the voltage value of the Q signal.
  • a high-frequency component of the Doppler signal (I signal and Q signal) obtained in step S101 is removed and smoothed by a low-pass filter.
  • the cut-off frequency of the low-pass filter can be set to about 25 Hz, for example.
  • the fourth threshold TH 4 is set to 5 points, but the present invention is not limited to this.
  • the fourth threshold TH 4 is set to 5 points, for example, in FIG. 9A, the minimum point is 1 point, so it is determined to be blinking. In FIG. 9B, the total number of maximum points and minimum points is 5 points. It is determined to be moving.
  • step S106 the peak height determination unit 241 determines whether the peak height is equal to or lower than the reference value Sv, and the voltage height difference determination unit 242 determines both the height differences M I and M Q are the third threshold value. TH 3 or more signals, and the determination in smoothed I signal and the total number of both the fourth threshold value TH 4 or more signals obtained maximum and minimum points from the Q signal of the phase change determination unit 243 is excluded as FP.
  • the first threshold value TH 1 or more signal components in step S103, and among the signal components peaks were detected in the step S105, the remaining signal components excluding the excluded signal components as FP in step S106 is the blink determination Is done.
  • the processing order of the determination by the peak height determination unit 241, the determination by the voltage level difference determination unit 242, and the determination by the phase change determination unit 243 may be arbitrarily determined.
  • steps S101 to S106 it is not necessary to execute all of steps S101 to S106, and at least steps S101, S103, and S106 (any one of peak height determination, voltage height difference determination, and phase change determination) are executed.
  • the accuracy of blink detection can be improved.
  • the accuracy of blink detection can be improved by executing steps S104 and S105.
  • the accuracy of blink detection can be further improved by executing any one of peak height determination, voltage height difference determination, and phase change determination in step S106, and the accuracy of blink detection can be further increased by executing all three. It can be improved.
  • the blink detection system 1 by dynamically determining the first threshold value TH 1 in CA-CFAR detection by CA-CFAR detector 21, robustness to the body of the fluctuations and noise And a blink detection failure (FN) can be reduced.
  • the process of the blink determination unit 24 based on the characteristics of the blink waveform, it is possible to exclude fine body movements that are easily detected as blinks and reduce the number of false detections (FP). By combining these, machine learning is not required and highly accurate blink detection is possible.
  • Experiment 1 is an experiment in different environments (1) and (2), and Experiment 2 is an experiment in different subjects A to D.
  • Experiment 3 is an experiment for confirming the effect of processing by the blink determination unit 24 that reduces the FP generated by CA-CFAR detection.
  • the subject sits still with his eyes meditated, and the body is affected by fluctuations.
  • Situation 2 the body is moved back and forth and stopped alternately for 2 to 3 seconds each.
  • the detection rate Rr and the matching rate Pr are used for the evaluation.
  • the detection rate Rr indicates the proportion of blinks that can be detected among actual blinks
  • the matching rate Pr indicates the proportion of correct answers among blinks that are detected, and is defined by Equations (5) and (6).
  • TP represents the number of blinks that could be detected correctly
  • FN represents the number of blinks that were not detected
  • FP represents the number detected as blinks by mistake.
  • Table 2 shows the results of Experiment 1 and the results of the conventional method as a comparison.
  • the method using machine learning described in Non-Patent Document 1 is referred to as a conventional method, and the blink detection method according to the present embodiment described with reference to FIG.
  • the blink detection performance is improved by learning various blink waveforms in advance using SVM, and a highly accurate detection rate Rr of 99.2% is achieved.
  • the precision Pr is 90.2%, which is not a sufficient value. This is because the conventional method mistakenly detected subtle body movements and noises as blinks, and FP increased.
  • the proposed method achieved high blink detection accuracy of about 99% for both detection rate Rr and relevance rate Pr.
  • FP was reduced by applying robustness to body fluctuations and noise by applying CA-CFAR detection to blink signal detection.
  • the processing of the blink determination unit 24 based on the characteristics of the blink waveform fine body movements that are easily detected as blinks are excluded, and FP is reduced.
  • the proposed method can improve the accuracy of blink detection compared with the conventional method.
  • the precision Pr was 97.4%, which was slightly lower than those of subjects A, B, and D. This is because the parameters (constant c, first threshold TH 1 , second threshold TH 2 , third threshold TH 3 , fourth threshold TH 4, etc.) in the determination process are set based on the subject A FP. This is thought to be because the effect of reduction was reduced. However, from this result, it was confirmed that the proposed method can achieve high blink detection accuracy of 99% or more on average.
  • the precision Pr is further improved by setting each parameter in the determination process based on a plurality of subjects. Further, it is considered that the precision Pr is further improved by performing calibration for each subject before fine blink determination and finely adjusting each parameter for each subject. This calibration can fine-tune each parameter in an extremely short time unlike large-scale learning like the conventional method.
  • the number of FPs can be reduced while increasing the number of TPs by combining the CA-CFAR detection by the CA-CFAR detection unit 21 and the FP exclusion process by the blink determination unit 24 as in the proposed method.
  • high-accuracy blink detection in which the detection rate Rr and the matching rate Pr are both about 99% can be realized.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本瞬き検出システムは、ドップラー信号を得るドップラーセンサと、前記ドップラー信号の振幅信号を求め、前記振幅信号を時間軸方向に連続する複数のセルに分割し、注目するセルに隣接しない前後のセルの振幅値に基づいて第１閾値を決定し、前記注目するセルにおいて前記第１閾値以上の信号成分を検出する第１検出部と、瞬き波形の特徴に基づいて、前記第１閾値以上の信号成分の中から誤検出を除去し、残りの信号成分を瞬きと判定する瞬き判定部と、を有する。

Description

瞬き検出システム、瞬き検出方法
　本発明は、瞬き検出システム及び瞬き検出方法に関する。
　近年、コンピュータの画像表示端末（ＶＤＴ：Visual Display Terminal）での作業の普及に伴い、多くの作業者から肩や腰、手、特に目の痛みを訴える事例が多く挙げられており、これらの事例はＶＤＴ症候群等と呼ばれている。長時間のＶＤＴ作業は、眼精疲労等の様々な眼症状を引き起こすため、ＶＤＴ作業者の間で問題となっている。
　瞬きは涙液膜を広げたり角膜を守ったりする役割があり、瞬き情報の取得は疲労度や集中度、眠気といった身体状態の把握のみならず、ＶＤＴ作業者の眼症状を防ぐという観点でも有効である。
　こうした背景から、瞬き情報の取得に注目した様々な取り組みが行われており、例えば、機械学習に基づく手法が提案されている（例えば、非特許文献１参照）。この手法では、瞬き信号について５つの特徴量（電圧最大値、時間幅、分散、生信号の分散、生信号の電圧最大値）を定義し、機械学習の一つであるＳＶＭ（Support Vector Machine）により瞬きと非瞬きを識別する。
　これら特徴量は人や環境毎に異なるため、事前に様々な瞬きについて特徴量を学習することで、検出特性が向上する。しかし、機械学習を用いた手法では、人や環境毎に事前学習を行う必要があり、学習データとテストデータが適さない場合には検出精度が劣化してしまう。
C，Tamba and T．Ohtsuki，"Learning－based Blink Detection Using a Doppler Sensor，"IEICE technical report，vol．114，no．418，ASN2014－123，pp．97－102．Jan．2015．
　本発明は、上記の点に鑑みてなされたものであり、機械学習が不要で高精度な瞬き検出を可能とする、ドップラーセンサを用いた瞬き検出システムを提供することを目的とする。
　本瞬き検出システムは、ドップラー信号を得るドップラーセンサと、前記ドップラー信号の振幅信号を求め、前記振幅信号を時間軸方向に連続する複数のセルに分割し、注目するセルに隣接しない前後のセルの振幅値に基づいて第１閾値を決定し、前記注目するセルにおいて前記第１閾値以上の信号成分を検出する第１検出部と、瞬き波形の特徴に基づいて、前記第１閾値以上の信号成分の中から誤検出を除去し、残りの信号成分を瞬きと判定する瞬き判定部と、を有することを要件とする。
　開示の技術によれば、機械学習が不要で高精度な瞬き検出を可能とする、ドップラーセンサを用いた瞬き検出システムを提供できる。
本実施の形態に係る瞬き検出システムを例示する機能ブロック図である。 ドップラーセンサ１０で得たドップラー信号の一例である。 本実施の形態に係る瞬き検出方法のフローチャートの一例である。 ＣＡ－ＣＦＡＲ検出について説明する図である。 振幅信号Ａ、振幅信号Ａを平滑化した振幅信号ＡＭについて説明する図である。 第２閾値ＴＨ２以下の振幅信号ＡＭのピークの一例である。 ピーク高判定部の判定について説明する図である。 Ｉ信号及びＱ信号のそれぞれの高低差ＭＩ及びＭＱについて説明する図である。 平滑化したＩ信号及びＱ信号から得られた極大点と極小点について説明する図（その１）である。 平滑化したＩ信号及びＱ信号から得られた極大点と極小点について説明する図（その２）である。
　以下、図面を参照して、実施の形態の説明を行う。なお、各図面において、同一構成部分には同一符号を付し、重複した説明を省略する場合がある。
　図１は、本実施の形態に係る瞬き検出システムを例示する機能ブロック図である。図１に示す瞬き検出システム１は、主要な構成要素として、ドップラーセンサ１０と、信号処理部２０とを有している。
　ドップラーセンサ１０は、ドップラー効果による送信信号と受信信号の周波数シフトを観測することで、観測対象（被験者）の動きを検出するセンサである。本実施の形態では、一例として、送信波として無変調連続波（ＣＷ：Continuous Wave）を用いる。
　ドップラーセンサ１０は被験者の近傍に配置され、被験者の瞼又はその近傍で反射された信号（反射波）を受信し、受信信号に送信信号の周波数を掛け合わせてドップラー信号を得る。被験者としては、例えば、画像表示端末（ＶＤＴ）で作業する作業者、車両の運転者等が挙げられる。
　図２は、ドップラーセンサ１０で得たドップラー信号の一例である。図２に示す信号は、送信信号と受信信号の間の周波数シフトを表わすドップラー信号を時間の関数として取得したものであり、送信信号と同相（In-phase）成分であるＩ信号、及び直交位相（Quadrature）成分であるＱ信号で構成される。
　瞬き、心拍や呼吸、体動（身体による動作）等の身体の表面の動きはドップラーセンサ１０により観測できる。身体の表面積が広い体動の場合、ドップラーセンサ１０の出力信号も大きくなるため、５０Ｈｚ程度の高周波数領域までスペクトルが広がって分布する。
　一方、心拍や呼吸等の小さな身体動作は、スペクトルが数Ｈｚ程度の低周波領域に分布する傾向にあり、心拍成分は０．８～１．５Ｈｚ程度、呼吸成分は０．１５～０．４Ｈｚ程度の周波数となる。瞬きは、心拍や呼吸よりも高く、体動よりも低い周波数領域となり、約１０～２０Ｈｚまでスペクトルが広がる。
　従って、瞬き検出を行う際には、バンドパスフィルタ等を用いて適宜ノイズ除去を行うことが好ましい。
　図１に戻り、信号処理部２０は、ドップラーセンサ１０の出力信号であるドップラー信号に基づいて、被験者の瞬きを検出する。信号処理部２０は、適宜、ドップラーセンサ１０で受信したドップラー信号のＩ信号及びＱ信号をそのまま利用したり、Ｉ信号及びＱ信号に基づいて振幅信号を生成したりすることができる。
　信号処理部２０は、ＣＡ－ＣＦＡＲ（Cell Averaging Constant False Alarm Rate）検出部２１と、体動検出部２２と、ピーク検出部２３と、瞬き判定部２４とを有している。又、瞬き判定部２４は、ピーク高判定部２４１と、電圧高低差判定部２４２と、位相変化判定部２４３とを有している。これら各部の機能については、図３のフローチャートを参照しながら後述する。
　信号処理部２０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、メインメモリ等を含む構成とすることができる。この場合、信号処理部２０の各種機能は、ＲＯＭ等に記録されたプログラムがメインメモリに読み出されてＣＰＵにより実行されることによって実現できる。但し、信号処理部２０の一部又は全部は、ハードウェアのみにより実現されてもよい。又、信号処理部２０は、物理的に複数の装置等により構成されてもよい。
　図３は、本実施の形態に係る瞬き検出方法のフローチャートの一例である。図３を中心にして適宜他の図も参照しながら、本実施の形態に係る瞬き検出方法について説明する。
　まず、ステップＳ１０１では、ドップラーセンサ１０で被験者からの反射波を受信してドップラー信号を得る。ここで得るドップラー信号は、例えば、図２に示すようなＩ信号及びＱ信号で構成されている。
　次に、ステップＳ１０２では、ステップＳ１０１で受信したドップラー信号のノイズ除去を行う。ノイズ除去は、ドップラーセンサ１０と信号処理部２０との間にバンドパスフィルタ等を挿入してハードウェア的に行ってもよいし、ドップラーセンサ１０の出力信号を直接信号処理部２０に入力し、信号処理部２０内においてディジタル信号処理（ディジタルフィルタ等）により行ってもよい。
　又、除去するべきノイズの周波数（通過させるべき信号の周波数）は各処理により異なる場合があるから、通過帯域の異なる複数の信号を出力可能に構成しておくことが好ましい。例えば、通過帯域を５～５０Ｈｚ程度とした信号、通過帯域を５～２５Ｈｚ程度とした信号、ノイズ除去を行わない信号等を適宜出力させるように構成することができる。但し、ステップＳ１０２は必要に応じて実行すればよい。
　次に、ステップＳ１０３では、第１検出部であるＣＡ－ＣＦＡＲ検出部２１は、ステップＳ１０２においてノイズ除去されたドップラー信号に基づいてＣＡ－ＣＦＡＲ検出を行う。まず、ノイズ除去されたドップラー信号（Ｉ信号及びＱ信号）から式（１）により振幅信号Ａを求める。なお、ＣＡ－ＣＦＡＲ検出では、ステップＳ１０２で通過帯域を５～５０Ｈｚ程度とした信号を用いることが好ましい。前述のように、心拍成分は０．８～１．５Ｈｚ程度、呼吸成分は０．１５～０．４Ｈｚ程度であるから、通過帯域を５～５０Ｈｚ程度とすることで、心拍や呼吸の影響を低減できるからである。
Figure JPOXMLDOC01-appb-M000001
 　次に、振幅信号Ａを用いてＣＡ－ＣＦＡＲ検出を行う。ＣＡ－ＣＦＡＲ検出では、所望の誤警報確率に基づいて第１閾値ＴＨ１を決定する。第１閾値ＴＨ１を決定するには、図４に示すように振幅信号Ａを時間軸方向に連続する複数のセルに分割し、注目するセル（Ｃｕｔ：Cell under test）を決定する。
　次に、Ｃｕｔに隣接しない前後のセルの振幅値に基づいて第１閾値ＴＨ１を決定する。具体的には、Ｃｕｔの直前の所定数のセルをガードセルＧＦ、Ｃｕｔの直後の所定数のセルをガードセルＧＲとし、更に、ガードセルＧＦの直前の所定数のセルをフロントセルＦ、ガードセルＧＲの直後の所定数のセルをリアセルＲとする。ドップラーセンサ１０で観測された瞬き信号の時間長は、経験的に約０．４秒であることがわかっている。そこで、図４における各セルのセル長は０．２秒程度に設定することが好ましい。
　なお、図４では、ガードセルＧＦ、ガードセルＧＲ、フロントセルＦ、及びリアセルＲをそれぞれ３セルで構成しているが、これは一例であり、ガードセルＧＦ、ガードセルＧＲ、フロントセルＦ、及びリアセルＲを構成するセル数は適宜決定することができる。
　次に、フロントセルＦの振幅値とリアセルＲの振幅値の平均値ＡＡＶＥを算出し、式（２）に示すように平均値ＡＡＶＥを係数α倍したものを第１閾値ＴＨ１とする。なお、ガードセルＧＦ及びＧＲは第１閾値ＴＨ１の算出には用いない。これは、注目するセルであるＣｕｔ自身が第１閾値ＴＨ１へ影響することを防ぐためである。
Figure JPOXMLDOC01-appb-M000002
 　第１閾値ＴＨ１が低すぎると、多くの雑音を瞬きと誤検出しＦＰ（False Positive）が増加する。一方、第１閾値ＴＨ１が高すぎると、瞬きの検出漏れが多くなりＦＮ（False Negative）が増加する。そこで、係数αを適切な値に設定する必要があるが、発明者らの事前実験により、α＝３．４程度とすることでＦＰ及びＦＮを低減できることがわかっている。
　以上のようにして第１閾値ＴＨ１が決定されると、ＣＡ－ＣＦＡＲ検出部２１は、Ｃｕｔにおいて第１閾値ＴＨ１以上の信号成分を検出する。引き続きＣｕｔの位置を移動させながら同様の検出を繰り返す。そして、第１閾値ＴＨ１以上の信号成分は、瞬きである可能性があると判断され、ステップＳ１０６（後述）の処理が実行される。
　次に、ステップＳ１０４では、第２検出部である体動検出部２２は、体動検出を行う。体動検出は、身体の大きな動きを検出し、瞬き検出処理から除外するために行う処理である。例えば、退屈な直線道路の運転中やＶＤＴ作業集中時等、動作中でない状況での瞬きを検出対象とする。瞬きによる振幅値は小さくなるのに対し、身体の大きな動きによる振幅値は大きくなるため、大きな振幅値を持つ信号は体動によるものであると判別できる。
　具体的には、体動検出部２２は、ステップＳ１０２においてノイズ除去されたドップラー信号に基づいて体動検出を行う。まず、ノイズ除去されたドップラー信号から式（１）により振幅信号Ａを求める。ここでは、ステップＳ１０２で通過帯域を５～２５Ｈｚ程度とした信号（心拍や呼吸、高周波雑音成分を低減した信号）を用いて図５に示す振幅信号Ａを求める。
　続いて、振幅信号Ａを移動平均により平滑化した振幅信号ＡＭを生成する。そして、振幅信号ＡＭと第２閾値ＴＨ２とを比較する。そして、第２閾値ＴＨ２より大きな信号成分を体動によるものと判定する。なお、第２閾値ＴＨ２は、事前実験に基づいて適宜決定することができる。
　振幅信号ＡＭが第２閾値ＴＨ２以下である信号成分は、体動が検出されていないものと判断され、ステップＳ１０５へ進む。ステップＳ１０５では、ピーク検出部２３は、ステップＳ１０４における第２閾値ＴＨ２以下の振幅信号ＡＭのピーク検出を行う。図６は、ステップＳ１０５で検出された第２閾値ＴＨ２以下の振幅信号ＡＭのピークの一例である。図６に示すように、通常は複数のピークが検出される。
　ピーク検出部２３において第２閾値ＴＨ２以下の振幅信号ＡＭでピークが検出された信号成分は、瞬きである可能性があると判断され、ステップＳ１０６（後述）の処理が実行される。
　なお、ステップＳ１０３の処理とステップＳ１０４及びＳ１０５の処理は、ステップＳ１０１でドップラーセンサ１０で得た同一のドップラー信号に対して行われる処理であり、並行して行うことができる。
　次に、ステップＳ１０６では、瞬き判定部２４は、ステップＳ１０３において第１閾値ＴＨ１以上の信号成分、及びステップＳ１０５においてピークが検出された信号成分について、瞬き波形の特徴に基づいて瞬き判定（誤検出の除去）を行う。
　ステップＳ１０３のＣＡ－ＣＦＡＲ検出やステップＳ１０５のピーク検出でステップＳ１０６の処理対象であると判断された信号成分は、瞬きである可能性が高い。しかし、ステップＳ１０３やＳ１０５において心拍や呼吸成分を完全に取り除けず、ステップＳ１０６の処理対象であると判断された信号成分に、心拍や呼吸成分のピークが含まれている場合があるため、いくつかのＦＰが生じる。これらのＦＰを取り除くことがステップＳ１０６の処理の目的である。
　まず、ピーク高判定部２４１は、ステップＳ１０３において第１閾値ＴＨ１以上の信号成分、及びステップＳ１０５においてピークが検出された信号成分について、ピーク高判定を行うことでＦＰを取り除く。具体的には、ステップＳ１０３において第１閾値ＴＨ１以上の信号成分に含まれるピークの高さ、及びステップＳ１０５においてピークが検出された信号成分のピークの高さと基準値Ｓｖとをそれぞれ比較し、ピークの高さが基準値Ｓｖ以下の部分を誤検出（非瞬き）と判定する。
　例えば、図７に示すように、ピーク高判定部２４１は、ピークの高さが基準値Ｓｖ以下の部分（丸で囲んだ部分）を誤検出（非瞬き）であると判定する。なお、図７は、ステップＳ１０５で検出された第２閾値ＴＨ２以下の振幅信号ＡＭのピークの高さと基準値Ｓｖとを比較した例であるが、ステップＳ１０３において第１閾値ＴＨ１以上の信号成分に含まれるピークの高さについても同様に基準値Ｓｖと比較する。
　ここで基準値Ｓｖは、式（３）に示すように、ピークの高さの平均値ＰＡＶＥの定数ｃ倍で定義される。式（３）における定数ｃは経験的に０．７程度に設定することが好ましい。ピークの高さは、瞬きの様子やドップラーセンサ１０からの距離によって変化するが、長時間観測の場合は基準値Ｓｖの値を更新することで対応することができる。
Figure JPOXMLDOC01-appb-M000003
 　次に、電圧高低差判定部２４２は、Ｉ信号の電圧値及びＱ信号の電圧値の高低差に基づいてＦＰを取り除く。まず、ハイパスフィルタにより、ステップＳ１０１で得たドップラー信号（Ｉ信号及びＱ信号）から心拍や呼吸の周波数成分を除去する。ここで、ハイパスフィルタのカットオフ周波数は、例えば、５Ｈｚ程度に設定することができる。
　そして、図８に示すように、Ｉ信号及びＱ信号のそれぞれにおいて、０．２秒の時間幅内における電圧値の高低差ＭＩ及びＭＱを求める。高低差ＭＩ及びＭＱが共に式（４）により求まる第３閾値ＴＨ３以上の場合、表面積の大きな動きによってドップラーセンサ１０の出力信号（Ｉ信号及びＱ信号）が大きくなったと考えられ、誤検出（体動による信号成分）と判定できる。
Figure JPOXMLDOC01-appb-M000004
 　次に、位相変化判定部２４３は、Ｉ信号の電圧値及びＱ信号の電圧値の極大点と極小点の合計数に基づいてＦＰを取り除く。まず、ローパスフィルタにより、ステップＳ１０１で得たドップラー信号（Ｉ信号及びＱ信号）の高周波数成分を除去して平滑化する。ここで、ローパスフィルタのカットオフ周波数は、例えば、２５Ｈｚ程度に設定することができる。
　体動による信号波形は極大点と極小点を多く持つ傾向にある。そこで、平滑化したＩ信号及びＱ信号から得られた極大点と極小点の合計数が共に第４閾値ＴＨ４以上の場合は、その信号が誤検出（体動による信号）であると判定する。ここでは、一例として第４閾値ＴＨ４を５点とするが、これには限定されない。
　第４閾値ＴＨ４を５点とした場合、例えば、図９Ａでは極小点が１点であるから瞬きであると判定し、図９Ｂでは極大点と極小点の合計数が５点であるから体動であると判定する。
　以上をまとめると、ステップＳ１０６において、ピーク高判定部２４１の判定でピークの高さが基準値Ｓｖ以下の信号、電圧高低差判定部２４２の判定で高低差ＭＩ及びＭＱが共に第３閾値ＴＨ３以上の信号、及び位相変化判定部２４３の判定で平滑化したＩ信号及びＱ信号から得られた極大点と極小点の合計数が共に第４閾値ＴＨ４以上の信号がＦＰとして除外される。
　そして、ステップＳ１０３において第１閾値ＴＨ１以上の信号成分、及びステップＳ１０５においてピークが検出された信号成分のうち、ステップＳ１０６でＦＰとして除外された信号成分を除いた残りの信号成分が瞬きと判定される。ここで、ピーク高判定部２４１の判定、電圧高低差判定部２４２の判定、及び位相変化判定部２４３の判定の処理順は任意に決定して構わない。
　なお、ステップＳ１０１～Ｓ１０６の全てを実行する必要はなく、最低限ステップＳ１０１、Ｓ１０３、及びＳ１０６（ピーク高判定、電圧高低差判定、位相変化判定の何れか１つ）を実行することで、従来よりも瞬き検出の精度を向上できる。
　但し、ステップＳ１０４及びＳ１０５を実行することで瞬き検出の精度を向上できる。又、ステップＳ１０６でピーク高判定、電圧高低差判定、位相変化判定の何れか２つを実行することで更に瞬き検出の精度を向上でき、３つ全てを実行することで更に瞬き検出の精度を向上できる。
　このように、本実施の形態に係る瞬き検出システム１では、ＣＡ－ＣＦＡＲ検出部２１によるＣＡ－ＣＦＡＲ検出において第１閾値ＴＨ１を動的に決定することで、身体の揺らぎや雑音に対するロバスト性を高め、瞬きの検出漏れ（ＦＮ）を低減することができる。又、瞬き波形の特徴に基づく瞬き判定部２４の処理により、誤って瞬きと検出しやすい微かな体動を除外し、誤検出（ＦＰ）の数を低減させることができる。そして、これらを組み合わせることで、機械学習が不要で高精度な瞬き検出が可能となる。
　［実施例］
　ドップラーセンサ１０を用いて３種類の実験を行った。実験の諸元を表１に示す。
Figure JPOXMLDOC01-appb-T000005
 　実験１は異なる環境（１）及び（２）、実験２は異なる被験者Ａ～Ｄでの実験である。実験３は、ＣＡ－ＣＦＡＲ検出で生じるＦＰを低減する瞬き判定部２４による処理の効果を確かめる実験である。実験３において、状況１では被験者は目を瞑りながら着座静止し、身体の揺らぎの影響がある状況とする。状況２では、身体を前後に動かす動作と静止を各２～３秒間ずつ交互に繰り返す。
　又、評価には検出率Ｒｒと適合率Ｐｒを用いる。検出率Ｒｒは実際の瞬きのうち検出できた瞬きの割合を、適合率Ｐｒは瞬きと検出したうちの正解の割合を示し、式（５）及び式（６）で定義される。式（５）及び式（６）において、ＴＰは正しく検出できた瞬きの数、ＦＮは検出漏れした瞬きの数、ＦＰは誤って瞬きとして検出した数を示している。
Figure JPOXMLDOC01-appb-M000006
Figure JPOXMLDOC01-appb-M000007
 　実験１の結果、及び比較として従来法の結果を表２に示す。なお、ここでは、非特許文献１に記載の機械学習を用いた手法を従来法、図３等を参照して説明した本実施の形態に係る瞬き検出方法を提案法と称する。
Figure JPOXMLDOC01-appb-T000008
 　従来法ではＳＶＭを用いて様々な瞬き波形を事前に学習することで瞬き検出性能を向上させ、９９．２％と高精度な検出率Ｒｒを達成している。しかし適合率Ｐｒは９０．２％であり、十分な値とはいえない。これは従来法が微かな体動や雑音を誤って瞬きとして検出し、ＦＰが増加したためである。
　一方、提案法は検出率Ｒｒ、適合率Ｐｒともに約９９％の高い瞬き検出精度を達成した。提案法では、瞬き信号の検出にＣＡ－ＣＦＡＲ検出を適用することで身体の揺らぎや雑音に対するロバスト性を高めたことでＦＰを低減した。更に、瞬き波形の特徴に基づく瞬き判定部２４の処理により、瞬きとして誤検出しやすい微かな体動を除外し、ＦＰを低減した。このように、提案法が従来法と比較して瞬き検出の精度を向上できることが確認された。
　次に、実験２の結果を表３に示す。
Figure JPOXMLDOC01-appb-T000009
 　被験者Ｄにおいて適合率Ｐｒが９７．４％と被験者Ａ、Ｂ、及びＤに比べて僅かに低い結果となった。これは、判定過程における各パラメータ（定数ｃ、第１閾値ＴＨ１、第２閾値ＴＨ２、第３閾値ＴＨ３、第４閾値ＴＨ４等）が被験者Ａに基づいて設定されていることによりＦＰ低減の効果が低下したためと考えられる。しかし、この結果から、提案法が平均して９９％以上の高い瞬き検出の精度を達成できることが確認された。
　なお、この結果から、判定過程における各パラメータを複数の被験者に基づいて設定することで、適合率Ｐｒが更に向上すると考えられる。又、瞬き判定の前に、被験者毎にキャリブレーションを行い、被験者毎に各パラメータを微調整することで、適合率Ｐｒが更に向上すると考えられる。このキャリブレーションは、従来法のような大掛かりな学習とは異なり、極短時間で各パラメータを微調整できる。
　最後に、実験３の結果を表４に示す。
Figure JPOXMLDOC01-appb-T000010
 　身体の揺らぎを伴った状況１において、ＣＡ－ＣＦＡＲ検出のみを適用した場合には，身体の揺らぎによる誤検出ＦＰが生じた。これは、身体の揺らぎによる信号がＣＡ－ＣＦＡＲ検出の第１閾値ＴＨ１を超えてしまうためである。又、身体の大きな動作を伴った状況２において、その動作も多くのＦＰの原因となった。しかし、何れの場合にも、瞬き波形の特徴に基づく瞬き判定部２４の処理により、瞬きとして誤検出しやすい体動を除外し、ＦＰを低減できることが確認された。
　以上の実験結果から、提案法のようにＣＡ－ＣＦＡＲ検出部２１によるＣＡ－ＣＦＡＲ検出と瞬き判定部２４によるＦＰ除外処理とを組み合わせることで、ＴＰの数を増加させつつＦＰの数を低減させることが可能となり、検出率Ｒｒ及び適合率Ｐｒが何れも約９９％である高精度の瞬き検出を実現できることがわかった。
　以上、好ましい実施の形態等について詳説したが、上述した実施の形態等に制限されることはなく、特許請求の範囲に記載された範囲を逸脱することなく、上述した実施の形態等に種々の変形及び置換を加えることができる。
　本国際出願は２０１６年２月２６日に出願した日本国特許出願２０１６－０３６４６７号に基づく優先権を主張するものであり、日本国特許出願２０１６－０３６４６７号の全内容を本国際出願に援用する。
　１　瞬き検出システム
　１０　ドップラーセンサ
　２０　信号処理部
　２１　ＣＡ－ＣＦＡＲ検出部
　２２　体動検出部
　２３　ピーク検出部
　２４　瞬き判定部
　２４１　ピーク高判定部
　２４２　電圧高低差判定部
　２４３　位相変化判定部

Claims (10)

  1. 　ドップラー信号を得るドップラーセンサと、
    　前記ドップラー信号の振幅信号を求め、前記振幅信号を時間軸方向に連続する複数のセルに分割し、注目するセルに隣接しない前後のセルの振幅値に基づいて第１閾値を決定し、前記注目するセルにおいて前記第１閾値以上の信号成分を検出する第１検出部と、
    　瞬き波形の特徴に基づいて、前記第１閾値以上の信号成分の中から誤検出を除去し、残りの信号成分を瞬きと判定する瞬き判定部と、を有する瞬き検出システム。
  2. 　前記振幅信号を平滑化した振幅信号を生成し、前記平滑化した振幅信号と第２閾値とを比較し、前記第２閾値以下の信号成分を検出する第２検出部と、
    　前記第２閾値以下の信号成分のピーク検出を行うピーク検出部と、を有し、
    　前記瞬き判定部は、瞬き波形の特徴に基づいて、前記第１閾値以上の信号成分の中から誤検出を除去すると共に、前記ピーク検出部で検出されたピークの中から誤検出を除去し、それぞれの残りの信号成分を瞬きと判定する請求項１に記載の瞬き検出システム。
  3. 　前記瞬き判定部は、前記第１閾値以上の信号成分に含まれるピークの高さ及び前記ピーク検出部で検出されたピークの高さと基準値とをそれぞれ比較し、前記ピークの高さが前記基準値以下の部分を誤検出と判定するピーク高判定部を備えている請求項２に記載の瞬き検出システム。
  4. 　前記瞬き判定部は、前記ドップラー信号を構成するＩ信号及びＱ信号のそれぞれの電圧値の高低差を求め、前記高低差が共に第３閾値以上の場合に誤検出と判定する電圧高低差判定部を備えている請求項１に記載の瞬き検出システム。
  5. 　前記瞬き判定部は、前記ドップラー信号を構成するＩ信号及びＱ信号のそれぞれの電圧値の極大点と極小点の合計数を求め、前記合計数が共に第４閾値以上の場合に誤検出と判定する位相変化判定部を備えている請求項１に記載の瞬き検出システム。
  6. 　ドップラーセンサで被験者からの反射波を受信してドップラー信号を得る第１ステップと、
    　前記ドップラー信号の振幅信号を求め、前記振幅信号を時間軸方向に連続する複数のセルに分割し、注目するセルに隣接しない前後のセルの振幅値に基づいて第１閾値を決定し、前記注目するセルにおいて前記第１閾値以上の信号成分を検出する第２ステップと、
    　瞬き波形の特徴に基づいて、前記第１閾値以上の信号成分の中から誤検出を除去し、残りの信号成分を瞬きと判定する第３ステップと、を有する瞬き検出方法。
  7. 　前記振幅信号を平滑化した振幅信号を生成し、前記平滑化した振幅信号と第２閾値とを比較し、前記第２閾値以下の信号成分を検出する第４ステップと、
    　前記第２閾値以下の信号成分のピーク検出を行う第５ステップと、を有し、
    　前記第３ステップでは、瞬き波形の特徴に基づいて、前記第１閾値以上の信号成分の中から誤検出を除去すると共に、前記第５ステップで検出されたピークの中から誤検出を除去し、それぞれの残りの信号成分を瞬きと判定する請求項６に記載の瞬き検出方法。
  8. 　前記第３ステップは、前記第１閾値以上の信号成分に含まれるピークの高さ及び前記第５ステップで検出されたピークの高さと基準値とをそれぞれ比較し、前記ピークの高さが前記基準値以下の部分を誤検出と判定するステップを備えている請求項７に記載の瞬き検出方法。
  9. 　前記第３ステップは、前記ドップラー信号を構成するＩ信号及びＱ信号のそれぞれの電圧値の高低差を求め、前記高低差が共に第３閾値以上の場合に誤検出と判定するステップを備えている請求項６に記載の瞬き検出方法。
  10. 　前記第３ステップは、前記ドップラー信号を構成するＩ信号及びＱ信号のそれぞれの電圧値の極大点と極小点の合計数を求め、前記合計数が共に第４閾値以上の場合に誤検出と判定するステップを備えている請求項６に記載の瞬き検出方法。
PCT/JP2017/007318 2016-02-26 2017-02-27 瞬き検出システム、瞬き検出方法 Ceased WO2017146249A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016036467A JP2017148447A (ja) 2016-02-26 2016-02-26 瞬き検出システム、瞬き検出方法
JP2016-036467 2016-02-26

Publications (1)

Publication Number Publication Date
WO2017146249A1 true WO2017146249A1 (ja) 2017-08-31

Family

ID=59686304

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/007318 Ceased WO2017146249A1 (ja) 2016-02-26 2017-02-27 瞬き検出システム、瞬き検出方法

Country Status (2)

Country Link
JP (1) JP2017148447A (ja)
WO (1) WO2017146249A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116299436A (zh) * 2023-03-28 2023-06-23 中山艾朗格科技有限公司 3.07毫米波雷达准确检测人体眨眼动作的检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015213634A (ja) * 2014-05-12 2015-12-03 学校法人慶應義塾 瞬き検出システムおよび方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015213634A (ja) * 2014-05-12 2015-12-03 学校法人慶應義塾 瞬き検出システムおよび方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CHIHIRO TAMBA: "Improvement of Blink Detection Using a Doppler Sensor Based on CFAR Processing", IEICE TECHNICAL REPORT, vol. 115, 22 February 2016 (2016-02-22), pages 69 - 74, XP033058611 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116299436A (zh) * 2023-03-28 2023-06-23 中山艾朗格科技有限公司 3.07毫米波雷达准确检测人体眨眼动作的检测方法

Also Published As

Publication number Publication date
JP2017148447A (ja) 2017-08-31

Similar Documents

Publication Publication Date Title
US9936919B2 (en) Devices, systems, and methods for determining heart rate of a subject from noisy electrocardiogram data
EP2777485A1 (en) Signal processor, signal processing method, and signal processing program
JP6645926B2 (ja) 生体信号処理方法および装置
JP2017042269A (ja) 瞬目検知装置
CN107714031A (zh) 波前的注释
JP6652655B2 (ja) 心拍検出方法および心拍検出装置
US20170281021A1 (en) Heartbeat detection method and heartbeat detection device
JP6338445B2 (ja) 瞬き検出システムおよび方法
KR102007011B1 (ko) 심전도 신호로부터 중요 포인트를 검출하는 장치 및 방법
US20240249554A1 (en) Method and device for determining visual fatigue occurrence section
KR20200024518A (ko) 모바일 환경에서 심전도 r 피크를 검출하기 위한 방법 및 이를 구현하기 위한 시스템
JP6779518B2 (ja) 生体信号検出システム、生体信号検出方法
Yousefi et al. Exploiting error-related potentials in cognitive task based BCI
EP3806731A1 (en) Predicting atrial fibrillation or stroke using p-wave analysis
CN114795241A (zh) 一种心电信号的噪声检测方法及系统
WO2017146249A1 (ja) 瞬き検出システム、瞬き検出方法
US10750969B2 (en) Heartbeat detection method and heartbeat detection device
WO2020155169A1 (zh) 房颤筛查的方法和装置
JP6706996B2 (ja) 生体信号処理装置、異常判別方法およびプログラム
Tun et al. Analysis of computer aided identification system for ECG characteristic points
CN115530787B (zh) 车辆的信号处理方法、装置和车辆
CA3177890A1 (en) Biological signal processing device, watching system, and watching method
JP2010131061A (ja) 眠気検出装置
US20180271449A1 (en) Heartbeat detection system and heartbeat detection method
KR102235932B1 (ko) 심리적 불안도 측정 장치 및 방법

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17756683

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17756683

Country of ref document: EP

Kind code of ref document: A1