WO2019102525A1 - 異常検知装置及び異常検知方法 - Google Patents
異常検知装置及び異常検知方法 Download PDFInfo
- Publication number
- WO2019102525A1 WO2019102525A1 PCT/JP2017/041861 JP2017041861W WO2019102525A1 WO 2019102525 A1 WO2019102525 A1 WO 2019102525A1 JP 2017041861 W JP2017041861 W JP 2017041861W WO 2019102525 A1 WO2019102525 A1 WO 2019102525A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- determination unit
- sensor information
- information
- candidate determination
- device information
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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 pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording 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, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6893—Cars
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Fuzzy Systems (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
第1候補判定部(4)は、取得されたセンサ情報が正常範囲にあるか判定する。第2候補判定(5)は、正常状態のときのセンサ情報と機器情報の組合せを記憶した学習データベース(1)に、取得されたセンサ情報と機器情報の組合せと一致するものがあるか判定する。リセット判定部(6)は、正常状態のときのセンサ情報又は機器情報を記憶した行動パターンデータベース(2)に、取得されたセンサ情報又は機器情報と一致するものがあるか判定する。確定部(7)は、第1候補判定部(4)がないと判定した場合、第2候補判定部(5)がありとすれば正常状態、第2候補判定部(5)とリセット判定部(6)がなしとすれば異常状態を確定する。更新部(8)は、第1候補判定部(4)がないと判定した場合、第2候補判定部(5)がなしかつリセット判定部(6)がありとすれば、取得されたセンサ情報と機器情報の組合せを学習データベース(1)に登録する。
Description
この発明は、異常状態の発生を検知する異常検知装置に関するものである。
異常状態の発生を検知して、警報等を鳴らす装置が知られている。このような装置は、人が突然意識を失った場合、又は、不審者が侵入した場合等に、異常状態が発生したと検知するよう構成されている。このような装置の具体例としては、例えば、ドライバモニタリングシステム(以下「DMS」という。)が挙げられる。DMSは、運転手の体調不良等に起因する交通事故を防ぐために、運転手の状態をセンシングするものであり、近年開発が急速に進んでいる。DMSに関しては、運転手が急病又は居眠り等により意識を失い、運転不能に陥ったような異常状態の発生を検知して、警報の出力又は自動運転での安全な停止等を行うといった機能に対する期待が高まっている。
例えば特許文献1には、シートベルトの引き出し量を検出するシートベルトセンサ、運転席の圧力分布を検出する座面センサ、及び、運転席を撮影するドライバカメラを利用して、運転手の運転不能状態を検出する運転不能状態検出装置が記載されている。特許文献1の運転不能状態検出装置は、運転手の頭部位置に基づき運転不能状態を検出する。また、特許文献1の運転不能状態検出装置は、運転手が運転不能状態であることを誤検出した場合、そのときにおける運転手の姿勢を学習する。そして、特許文献1の運転不能状態検出装置は、学習した姿勢については運転不能状態と判定しないようにする。
異常状態の発生を検知する異常検知装置においては、異常状態と正常状態とを精度良く判別することが求められる。
上記特許文献1の運転不能状態検出装置は、誤検出した場合の運転手の姿勢を学習するものなので、覗き込み運転又は頬杖をついての運転等における運転手の姿勢が、正常状態として学習される。しかし、覗き込み運転又は頬杖をついての運転等における運転手の姿勢は、運転手が意識を失うなどして倒れ込んだ場合の姿勢と似ており、紛らわしい。したがって、運転手が意識を失うなどして本当に倒れ込んだ場合にも、上記特許文献1の運転不能状態検出装置は、学習済みの姿勢であるとして正常状態との判定を行ってしまうことになる。
このように、学習した姿勢を正常状態として扱うようにした従来の装置は、異常状態と正常状態との判別精度が低いものであった。
上記特許文献1の運転不能状態検出装置は、誤検出した場合の運転手の姿勢を学習するものなので、覗き込み運転又は頬杖をついての運転等における運転手の姿勢が、正常状態として学習される。しかし、覗き込み運転又は頬杖をついての運転等における運転手の姿勢は、運転手が意識を失うなどして倒れ込んだ場合の姿勢と似ており、紛らわしい。したがって、運転手が意識を失うなどして本当に倒れ込んだ場合にも、上記特許文献1の運転不能状態検出装置は、学習済みの姿勢であるとして正常状態との判定を行ってしまうことになる。
このように、学習した姿勢を正常状態として扱うようにした従来の装置は、異常状態と正常状態との判別精度が低いものであった。
この発明は、上記のような課題を解決するためになされたもので、異常状態と正常状態との判別精度を向上できる異常検知装置を得ることを目的とする。
この発明に係る異常検知装置は、人物の状態を示すセンサ情報と機器の状態を示す機器情報を取得する取得部と、取得されたセンサ情報が正常範囲にあるか判定する第1候補判定部と、正常状態のときのセンサ情報と機器情報の組合せを記憶した学習データベースに、取得されたセンサ情報と機器情報の組合せと一致するものがあるか判定する第2候補判定部と、正常状態のときのセンサ情報又は機器情報を記憶した行動パターンデータベースに、取得されたセンサ情報又は機器情報と一致するものがあるか判定するリセット判定部と、第1候補判定部によりセンサ情報が正常範囲にないと判定された場合、第2候補判定部により一致するものがあると判定されれば正常状態であると確定し、第2候補判定部及びリセット判定部により一致するものがないと判定されれば異常状態であると確定する確定部と、第1候補判定部によりセンサ情報が正常範囲にないと判定された場合、第2候補判定部により一致するものがなくかつリセット判定部により一致するものがあると判定されれば、取得されたセンサ情報と機器情報の組合せを学習データベースに登録する更新部とを備えるものである。
この発明によれば、取得部により取得されたセンサ情報と機器情報の組合せが、第1候補判定部、第2候補判定部及びリセット判定部による判定に応じて学習データベースに登録され、異常状態を判別するのに使われるので、異常状態と正常状態との判別精度が向上する。
以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面に従って説明する。
実施の形態1.
図1は、実施の形態1に係る異常検知装置10の構成を示す図である。実施の形態1では、異常検知装置10は、車両に搭載されて当該車両の運転手の異常状態を検知するものであるとして説明する。
実施の形態1.
図1は、実施の形態1に係る異常検知装置10の構成を示す図である。実施の形態1では、異常検知装置10は、車両に搭載されて当該車両の運転手の異常状態を検知するものであるとして説明する。
異常検知装置10は、学習データベース1と、行動パターンデータベース2と、取得部3と、第1候補判定部4と、第2候補判定部5と、リセット判定部6と、確定部7と、更新部8とを有する。また、異常検知装置10は、センサ11及び車両機器12と接続されている。
センサ11は、車両の運転手の状態を示すセンサ情報を生成し、異常検知装置10へ出力する。センサ11は、例えば、運転手の顔又は目の位置を検出し、運転手の顔又は目の位置を示すセンサ情報を異常検知装置10へ出力する。この場合、センサ11は、例えば、車両内に設置された可視カメラ又は赤外線カメラと、これらのカメラによる撮影画像を解析する画像解析装置とを有している。センサ11が有するカメラとして、複数のカメラが車両内に設置されてもよい。また、センサ11がカメラ及び画像解析装置に加え、車両内に設置されたマイク及び音声認識装置を有し、運転手等の乗員の発話音声を音声認識してセンサ情報に含めてもよい。
また、センサ11は、運転手の心拍数又は血圧等を示すセンサ情報を生成する生体センサであってもよいし、運転席に設置された感圧センサであってもよい。
また、センサ11は、運転手の心拍数又は血圧等を示すセンサ情報を生成する生体センサであってもよいし、運転席に設置された感圧センサであってもよい。
車両機器12は、機器の状態を示す機器情報を生成し、異常検知装置10へ出力する。車両機器12は、例えば、ハンドル、アクセル、ブレーキ、ギア、カーエアコン、カーナビゲーション装置、速度計、加速度計、温度計、湿度計又はGPS(Global Positioning System)装置である。車両機器12は、ハンドル、アクセル、ブレーキ若しくはギアの操作情報、カーエアコン若しくはカーナビゲーション装置の操作情報、又は、車速、温度、湿度若しくは走行軌跡といった車両自体の情報を機器情報として出力する。
センサ11が出力したセンサ情報、及び、車両機器12が出力した機器情報は、異常検知装置10の取得部3にて取得される。取得部3は、取得したセンサ情報及び機器情報を第1候補判定部4、第2候補判定部5、リセット判定部6及び更新部8へ出力する。
学習データベース1は、正常状態のときのセンサ情報と機器情報の組合せを記憶している。また、学習データベース1では、センサ情報と機器情報の組合せが、当該組合せを学習データベース1に記憶した時刻と共に記憶されるようにしてもよい。実施の形態1のように異常検知装置10が車両に搭載されている場合、正常状態とは、具体的には、運転手が急病又は居眠り等の状態になく、正常な運転ができる状態にあることを指す。
行動パターンデータベース2は、正常状態のときのセンサ情報又は機器情報を記憶している。行動パターンデータベース2に記憶されているセンサ情報又は機器情報は、正常状態であることが明確に分かるような情報であり、例えば、以下のような条件に当てはまる情報である。つまり、行動パターンデータベース2には、一般的に考えられる正常状態での行動パターンが記憶されていると言える。
・第1設定時間以上、目が開いていることを示している
・バックにて駐車が完了したことを示している
・カーナビゲーション装置で楽曲が選曲されたことを示している
・カーエアコンの温度が設定されたことを示している
・運転手と助手席の人物とが笑顔で会話したことを示している
・右折又は左折が完了したときの走行軌跡を示している
行動パターンデータベース2には、上記のような条件に当てはまるセンサ情報又は機器情報が、例えば製品出荷時の時点で予め登録されている。または、異常検知装置10のユーザが、異常検知装置10を使用するにあたり行動パターンデータベース2を手動で設定するようにしてもよい。
・第1設定時間以上、目が開いていることを示している
・バックにて駐車が完了したことを示している
・カーナビゲーション装置で楽曲が選曲されたことを示している
・カーエアコンの温度が設定されたことを示している
・運転手と助手席の人物とが笑顔で会話したことを示している
・右折又は左折が完了したときの走行軌跡を示している
行動パターンデータベース2には、上記のような条件に当てはまるセンサ情報又は機器情報が、例えば製品出荷時の時点で予め登録されている。または、異常検知装置10のユーザが、異常検知装置10を使用するにあたり行動パターンデータベース2を手動で設定するようにしてもよい。
第1候補判定部4は、取得部3により取得されたセンサ情報が、正常範囲にあるか判定する。例えば、取得部3により取得されたセンサ情報が、運転手の顔の位置を示すものである場合、第1候補判定部4は、正常な運転のときの運転手の顔の位置からどれくらい乖離しているかを判定する。そして、第1候補判定部4は、第1設定値以上の乖離があれば、取得部3により取得されたセンサ情報は正常範囲にないと判定し、第1設定値未満の乖離であれば、取得部3により取得されたセンサ情報は正常範囲にあると判定する。
第1候補判定部4は、判定結果を確定部7へ出力する。
第1候補判定部4は、判定結果を確定部7へ出力する。
第2候補判定部5は、学習データベース1に記憶されているセンサ情報と機器情報の組合せの中に、取得部3により取得されたセンサ情報と機器情報の組合せと一致するものがあるか判定する。詳細については、後述する。なお、「一致」とは厳密な一致に限らず、実質的に一致していると見なせる程度類似していれば、一致していると判定されるようにしてもよい。リセット判定部6による判定においても同様である。
第2候補判定部5は、判定結果を確定部7へ出力する。
第2候補判定部5は、判定結果を確定部7へ出力する。
リセット判定部6は、行動パターンデータベース2に記憶されているセンサ情報又は機器情報の中に、取得部3により取得されたセンサ情報又は機器情報と一致するものがあるか判定する。
リセット判定部6は、判定結果を確定部7へ出力する。
リセット判定部6は、判定結果を確定部7へ出力する。
確定部7は、第1候補判定部4、第2候補判定部5及びリセット判定部6による判定結果に応じて、正常状態であるか異常状態であるかを確定する。
更新部8は、第1候補判定部4、第2候補判定部5及びリセット判定部6による判定結果に応じて確定部7から指示を受け、取得部3により取得されたセンサ情報と機器情報の組合せを学習データベース1に登録する。このように、学習データベース1には、異常検知装置10が正常状態のときのセンサ情報と機器情報の組合せであると学習したセンサ情報と機器情報の組合せが、登録されていく。
次に、異常検知装置10のハードウェア構成例について、図2A及び図2Bを用いて説明する。
異常検知装置10の取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8は、処理回路により実現される。すなわち、異常検知装置10は、センサ情報及び機器情報を取得して、異常状態の発生を検知するための処理回路を備える。当該処理回路は、図2Aに示すように専用のハードウェアであってもよいし、図2Bに示すようにメモリに格納されるプログラムを実行するCPU(Central Processing Unit)であってもよい。CPUは、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ又はDSP(Digital Signal Processor)とも呼ばれる。
また、学習データベース1及び行動パターンデータベース2は、HDD(Hard Disk Drive)104を用いて実現される。なお、学習データベース1及び行動パターンデータベース2は、HDDに限らず後述のメモリ102と同様にDVD(Digital Versatile Disc)等を用いて実現されてもよい。
また、異常検知装置10は、外部の機器又は外部のソフトウェアとの通信を行うための入力インタフェース装置105及び出力インタフェース装置106を有する。
異常検知装置10の取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8は、処理回路により実現される。すなわち、異常検知装置10は、センサ情報及び機器情報を取得して、異常状態の発生を検知するための処理回路を備える。当該処理回路は、図2Aに示すように専用のハードウェアであってもよいし、図2Bに示すようにメモリに格納されるプログラムを実行するCPU(Central Processing Unit)であってもよい。CPUは、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ又はDSP(Digital Signal Processor)とも呼ばれる。
また、学習データベース1及び行動パターンデータベース2は、HDD(Hard Disk Drive)104を用いて実現される。なお、学習データベース1及び行動パターンデータベース2は、HDDに限らず後述のメモリ102と同様にDVD(Digital Versatile Disc)等を用いて実現されてもよい。
また、異常検知装置10は、外部の機器又は外部のソフトウェアとの通信を行うための入力インタフェース装置105及び出力インタフェース装置106を有する。
図2Aは、取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8の各部の機能を、専用のハードウェアである処理回路101で実現した場合のハードウェア構成例を示す図である。処理回路101は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ASIC(Application Specific Integrated Circuit)、若しくはFPGA(Field Programmable Gate Array)、又はこれらを組み合わせたものが該当する。取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8の各部の機能を別個の処理回路101を組み合わせて実現してもよいし、各部の機能を1つの処理回路101で実現してもよい。
図2Bは、取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8の各部の機能を、メモリ102に格納されるプログラムを実行するCPU103で実現した場合のハードウェア構成例を示す図である。この場合、取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8の各部の機能は、ソフトウェア、ファームウェア、又はソフトウェアとファームウェアとの組合せにより実現される。ソフトウェア及びファームウェアはプログラムとして記述され、メモリ102に格納される。CPU103は、メモリ102に格納されたプログラムを読み出して実行することにより、取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8の各部の機能を実現する。すなわち、異常検知装置10は、後述する図3のフローチャートで示すステップST1~ST8が結果的に実行されることになるプログラム等を格納するためのメモリ102を有する。また、これらのプログラムは、取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8の各部の手順又は方法をコンピュータに実行させるものであるとも言える。CPU103は、一次キャッシュメモリ、二次キャッシュメモリ等の複数のキャッシュメモリを備えてもよい。また、ここで、メモリ102は、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、EPROM(Erasable Programmable ROM)、若しくはEEPROM(Electrically Erasable Programmable ROM)等の、不揮発性若しくは揮発性の半導体メモリ、又は、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、若しくはDVD等のディスク状の記録媒体等が該当する。
なお、取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8の各部の機能について、一部を専用のハードウェアで実現し、一部をソフトウェア又はファームウェアで実現するようにしてもよい。例えば、取得部3については専用のハードウェアとしての処理回路でその機能を実現し、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8については処理回路がメモリに格納されたプログラムを読み出して実行することによってその機能を実現することが可能である。
このように、処理回路は、ハードウェア、ソフトウェア、ファームウェア又はこれらの組合せによって、上記の取得部3、第1候補判定部4、第2候補判定部5、リセット判定部6、確定部7及び更新部8の各部の機能を実現することができる。
次に、上記のように構成された異常検知装置10による処理の一例について、図3に示すフローチャートを用いて説明する。以下では、センサ11がカメラを有し、人物の状態として運転手の顔の位置を示すセンサ情報を出力する場合を例に説明する。
図3のフローチャートで示す処理は、例えば車両のエンジンがONになると、その後周期的に行われるものである。
以下では、処理の流れとして学習データベース1への登録処理を含む「正常状態データ収集フェーズ」についてまず説明し、続いて、処理の流れとして学習データベース1への登録処理には至らない「異常検知フェーズ」について説明する。
図3のフローチャートで示す処理は、例えば車両のエンジンがONになると、その後周期的に行われるものである。
以下では、処理の流れとして学習データベース1への登録処理を含む「正常状態データ収集フェーズ」についてまず説明し、続いて、処理の流れとして学習データベース1への登録処理には至らない「異常検知フェーズ」について説明する。
取得部3は、センサ11からセンサ情報を取得し、車両機器12から機器情報を取得する(ステップST1)。取得部3は、取得したセンサ情報及び機器情報を第1候補判定部4、第2候補判定部5、リセット判定部6及び更新部8へ出力する。
なお、取得部3は、ある一定期間、例えば車両のエンジンがONになって走行が開始されてから1分間を正常状態とみなし、その間に取得したセンサ情報を学習データベース1に登録する処理も行う。例えば、図4Aに示すような、高密度な顔の位置の分布Aを示すセンサ情報が、走行開始から1分間の間に得られたとする。この場合、走行開始時点での学習データベース1は、一例として図5Aに示すものであるが、走行開始から1分後には、一例として図5Bに示すものとなる。このようにして登録されたセンサ情報は、センサ情報の正常範囲を示すものである。なお、取得部3によって登録されるのではなく、一般的に正常と考えられる運転手の顔の位置を示したセンサ情報が、例えば製品出荷時の時点で予め学習データベース1にデフォルトで登録されていてもよい。
続いて、第1候補判定部4は、取得部3により取得されたセンサ情報が正常範囲にあるか判定する(ステップST2)。第1候補判定部4は、判定結果を確定部7へ出力する。
例えば、運転手が覗き込み運転等をして前のめりになり、運転手の顔の位置が移動すると、センサ情報には、図4Bに示すような顔の位置の分布Cが表れる。第1候補判定部4は、学習データベース1に正常範囲として記憶されている顔の位置の分布Aと、顔の位置の分布Cとの間で分布間の距離を計算し、分布Cが分布Aから第1設定値以上外れている場合に、取得部3により取得されたセンサ情報は正常範囲にはないと判定する。
例えば、運転手が覗き込み運転等をして前のめりになり、運転手の顔の位置が移動すると、センサ情報には、図4Bに示すような顔の位置の分布Cが表れる。第1候補判定部4は、学習データベース1に正常範囲として記憶されている顔の位置の分布Aと、顔の位置の分布Cとの間で分布間の距離を計算し、分布Cが分布Aから第1設定値以上外れている場合に、取得部3により取得されたセンサ情報は正常範囲にはないと判定する。
なお、取得部3が取得するセンサ情報は、運転手の顔の位置に限らず、運転手の目の開眼度、運転手の顔の動く速度及び方向、運転手の顔の向き、及び、運転手の顔の表情等を更に示すものであってもよい。この場合、第1候補判定部4は、運転手の顔の位置、運転手の目の開眼度、運転手の顔の動く速度及び方向、運転手の顔の向き、及び、運転手の顔の表情等を特徴量とした多次元空間でのベクトル空間にて分布間の距離を計算し、判定を行うとよい。
第1候補判定部4によりセンサ情報が正常範囲にないと判定された場合(ステップST2;NO)、第2候補判定部5は、学習データベース1に記憶されているセンサ情報と機器情報の組合せの中に、取得部3により取得されたセンサ情報と機器情報の組合せと一致するものがあるか判定する(ステップST3)。第2候補判定部5は、判定結果を確定部7へ出力する。なお、ステップST3の処理の詳細については後述の「異常検知フェーズ」で述べるとし、ここでは第2候補判定部5により一致するものがないと判定されたとして(ステップST3;NO)説明を続ける。
第2候補判定部5により一致するものがないと判定された場合(ステップST3;NO)、リセット判定部6は、行動パターンデータベース2に記憶されているセンサ情報又は機器情報の中に、取得部3により取得されたセンサ情報又は機器情報と一致するものがあるか判定する(ステップST4)。なお、リセット判定部6は、取得部3により取得されたセンサ情報又は機器情報が、行動パターンデータベース2に記憶されているセンサ情報又は機器情報のいずれかに一致する場合に一致するものがあるとの判定をしてもよいし、行動パターンデータベース2に記憶されているセンサ情報又は機器情報のうちの複数のものに一致する場合に一致するものがあるとの判定をしてもよい。リセット判定部6は、判定結果を確定部7へ出力する。
リセット判定部6により一致するものがあると判定された場合(ステップST4;YES)、確定部7は、正常状態であると確定する(ステップST5)。この場合、確定部7は、更新部8に対して学習データベース1への登録処理を行うよう指示を出す。
更新部8は、確定部7からの指示を受けて、取得部3により取得されたセンサ情報と機器情報の組合せを学習データベース1に登録する(ステップST6)。これにより、図4Bに示す顔の位置の分布Cを示すセンサ情報が、当該センサ情報と共に取得部3で取得された機器情報との組合せとして、新たに学習データベース1に登録される。例えば、顔の位置の分布Cを示すセンサ情報が、ブレーキ頻度高いかつハンドル操作左を示す機器情報と共に取得部3で取得されたのであれば、図5Cに示すように双方の情報は紐付けられた状態で学習データベース1に登録される。
更新部8は、確定部7からの指示を受けて、取得部3により取得されたセンサ情報と機器情報の組合せを学習データベース1に登録する(ステップST6)。これにより、図4Bに示す顔の位置の分布Cを示すセンサ情報が、当該センサ情報と共に取得部3で取得された機器情報との組合せとして、新たに学習データベース1に登録される。例えば、顔の位置の分布Cを示すセンサ情報が、ブレーキ頻度高いかつハンドル操作左を示す機器情報と共に取得部3で取得されたのであれば、図5Cに示すように双方の情報は紐付けられた状態で学習データベース1に登録される。
なお、更新部8は、取得部3からセンサ情報と機器情報とを受け取ると、第1候補判定部4及び第2候補判定部5による判定処理の間は、当該双方の情報を学習データベース1に登録するのではなく一時的に保持、つまりキャッシュするにとどめる。
その後、更新部8は、リセット判定部6により一致するものがあると判定されると(ステップST4;YES)、一時的に保持しているセンサ情報と機器情報を、正常状態のときのセンサ情報と機器情報の組合せとして学習データベース1に登録する。
その後、更新部8は、リセット判定部6により一致するものがあると判定されると(ステップST4;YES)、一時的に保持しているセンサ情報と機器情報を、正常状態のときのセンサ情報と機器情報の組合せとして学習データベース1に登録する。
また、学習データベース1の機器情報には、行動パターンデータベース2では格納されていないタイプの行動を運転手が行うことで得られる機器情報が、登録されるようにしてもよい。
例えば、行動パターンデータベース2には、正常状態のときのセンサ情報又は機器情報として、図6に示すような条件に当てはまる情報が格納されているとする。つまり、図6の例では、行動パターンデータベース2には右折又は左折に当てはまるセンサ情報又は機器情報は格納されていない。このため、右折時又は左折時の運転手の姿勢崩れに関し、リセット判定部6によるステップST4の処理では、図6中の例えば「第1設定時間以上、目が開いていることを示している」に当てはまるセンサ情報が得られたとして、「ステップST4;YES」との判定がされる。
そして、更新部8によるステップST6の処理では、行動パターンデータベース2では図6に示すようにブレーキ頻度及びハンドル操作方向に関係する機器情報は格納されていないが、学習データベース1にはブレーキ頻度及びハンドル操作方向を示す機器情報が新たに登録される。このようにして登録された機器情報は、異常検知装置10により自動で収集された正常状態での行動パターンと言える。
例えば、行動パターンデータベース2には、正常状態のときのセンサ情報又は機器情報として、図6に示すような条件に当てはまる情報が格納されているとする。つまり、図6の例では、行動パターンデータベース2には右折又は左折に当てはまるセンサ情報又は機器情報は格納されていない。このため、右折時又は左折時の運転手の姿勢崩れに関し、リセット判定部6によるステップST4の処理では、図6中の例えば「第1設定時間以上、目が開いていることを示している」に当てはまるセンサ情報が得られたとして、「ステップST4;YES」との判定がされる。
そして、更新部8によるステップST6の処理では、行動パターンデータベース2では図6に示すようにブレーキ頻度及びハンドル操作方向に関係する機器情報は格納されていないが、学習データベース1にはブレーキ頻度及びハンドル操作方向を示す機器情報が新たに登録される。このようにして登録された機器情報は、異常検知装置10により自動で収集された正常状態での行動パターンと言える。
また、更新部8は、例えば、取得部3により取得された機器情報がエンジン停止を示すものである場合、学習データベース1の一部又は全部を消去する。これにより、異常検知装置10は、運転手が別の人物に変わった場合にも対応することができる。
エンジン停止以外にも、更新部8は、様々なタイミングで学習データベース1の消去処理を行ってよい。更新部8は、例えば、運転席のリクライニング調整等により運転席の座席位置が移動した場合、学習データベース1を全て消去してもよい。また、更新部8は、学習データベース1に登録されてからの時間が第2設定時間以上経過した情報を消去するようにしてもよい。また、更新部8は、取得部3により取得されたセンサ情報が運転手の変更を示すものである場合、学習データベース1を消去してもよい。運転手の変更は、例えば、センサ11による顔認証の結果を示すセンサ情報によって判定可能である。
エンジン停止以外にも、更新部8は、様々なタイミングで学習データベース1の消去処理を行ってよい。更新部8は、例えば、運転席のリクライニング調整等により運転席の座席位置が移動した場合、学習データベース1を全て消去してもよい。また、更新部8は、学習データベース1に登録されてからの時間が第2設定時間以上経過した情報を消去するようにしてもよい。また、更新部8は、取得部3により取得されたセンサ情報が運転手の変更を示すものである場合、学習データベース1を消去してもよい。運転手の変更は、例えば、センサ11による顔認証の結果を示すセンサ情報によって判定可能である。
また、リセット判定部6により一致するものがないと判定された場合(ステップST4;NO)、確定部7は、異常状態であると確定する(ステップST7)。この場合、学習データベース1への登録処理は行われない。確定部7が異常状態であると確定した場合、警報が出力されるようにしてもよいし、また、自動運転で車両が制御されるようにしてもよい。
以上、「正常状態データ収集フェーズ」について説明した。このように、異常検知装置10は、運転手の癖及び座席位置の変化等を学習して学習データベース1を逐次更新する。
以上、「正常状態データ収集フェーズ」について説明した。このように、異常検知装置10は、運転手の癖及び座席位置の変化等を学習して学習データベース1を逐次更新する。
次に、「異常検知フェーズ」について説明する。以下では、学習データベース1が図5Cに示すものである場合を例に説明する。また、図7Aには、図5Cの顔の分布A,B,Cを示している。
ステップST1の後、第1候補判定部4が、取得部3により取得されたセンサ情報が正常範囲にあると判定した場合(ステップST2;YES)、確定部7は、正常状態であると確定する(ステップST8)。
ステップST1の後、第1候補判定部4が、取得部3により取得されたセンサ情報が正常範囲にあると判定した場合(ステップST2;YES)、確定部7は、正常状態であると確定する(ステップST8)。
これに対し、例えば、運転手が意識を失うなどして異常状態に陥り、ブレーキ操作及びハンドル操作ができず、かつ運転席で前のめりに倒れ込んで、図7Bの分布Dに示す位置に運転手の顔の位置が移動したとする。この場合、ステップST1で顔の位置がDを示すセンサ情報と、ブレーキ操作なしかつハンドル操作なしを示す機器情報とが取得される。そして、続くステップST2では、上記「正常状態データ収集フェーズ」で説明した処理が行われ、第1候補判定部4によりセンサ情報が正常範囲にないと判定される。この場合(ステップST2;NO)、第2候補判定部5は、学習データベース1に記憶されているセンサ情報と機器情報の組合せの中に、取得部3により取得されたセンサ情報と機器情報の組合せと一致するものがあるか判定する(ステップST3)。
まず、第2候補判定部5は、学習データベース1の中から、センサ情報が取得部3により取得されたセンサ情報と一致する組合せを抽出する。つまり、第2候補判定部5は、顔の位置の分布Dに第2設定値以上近い分布となっている組合せを学習データベース1の中から抽出する。図7A及び図7Bに示すように、分布Dは分布Cに一致するとして、図5Cに示す分布Cとブレーキ頻度高いかつハンドル操作左という組合せが抽出される。なお、場合によっては、抽出される組合せは1組ではなく複数組になることもある。
続いて、第2候補判定部5は、取得部3により取得された機器情報が、学習データベース1の中から抽出した組合せの機器情報に一致するかを判定する。取得部3により取得された機器情報が「ブレーキ操作なしかつハンドル操作なし」を示し、抽出した機器情報が「ブレーキ頻度高いかつハンドル操作左」を示しているので、判定は不一致となる。この場合、第2候補判定部5は、学習データベース1に記憶されているセンサ情報と機器情報の組合せの中に、取得部3により取得されたセンサ情報と機器情報の組合せと一致するものはないと判定する。
第2候補判定部5により一致するものがないと判定された場合(ステップST3;NO)の処理は、上記「正常状態データ収集フェーズ」で説明したとおりである。
一方、第2候補判定部5により一致するものがあると判定された場合(ステップST3;YES)、確定部7は、正常状態であると確定する(ステップST8)。
一方、第2候補判定部5により一致するものがあると判定された場合(ステップST3;YES)、確定部7は、正常状態であると確定する(ステップST8)。
なお、行動パターンデータベース2に正常状態だけでなく異常状態のときのセンサ情報又は機器情報も記憶されるようにし、ステップST3において第2候補判定部5は、行動パターンデータベース2を参照して明らかに異常状態である場合は、学習データベース1を参照せずに異常状態の確定を確定部7に指示するようにしてもよい。
行動パターンデータベース2には、異常状態のときのセンサ情報又は機器情報として、例えば以下のような条件に当てはまる情報が記憶されている。
・第3設定時間以上、運転手の目又は顔の検出がないことを示している
・警報を停止する動作が行われていないことを示している
・車速が30km/h以上で、かつ、ブレーキ操作がないことを示している
・心拍数が異常値を示している
第2候補判定部5は、取得部3により取得されたセンサ情報又は機器情報が、行動パターンデータベース2に記憶されている異常状態のときのセンサ情報又は機器情報のいずれ又は複数のものに一致する場合に、異常状態の確定を確定部7に指示する。
行動パターンデータベース2には、異常状態のときのセンサ情報又は機器情報として、例えば以下のような条件に当てはまる情報が記憶されている。
・第3設定時間以上、運転手の目又は顔の検出がないことを示している
・警報を停止する動作が行われていないことを示している
・車速が30km/h以上で、かつ、ブレーキ操作がないことを示している
・心拍数が異常値を示している
第2候補判定部5は、取得部3により取得されたセンサ情報又は機器情報が、行動パターンデータベース2に記憶されている異常状態のときのセンサ情報又は機器情報のいずれ又は複数のものに一致する場合に、異常状態の確定を確定部7に指示する。
また、第2候補判定部5は、学習データベース1の中から、機器情報が取得部3により取得された機器情報と一致する組合せを抽出し、その後、取得部3により取得されたセンサ情報が、学習データベース1の中から抽出した組合せのセンサ情報に一致するかを判定することで、ステップST3の判定を行ってもよい。
このように、異常検知装置10は、正常状態のときのセンサ情報と機器情報の組合せを逐次学習して学習データベース1に登録し、異常状態を判別するのに使う。異常検知装置10は、正常状態のときのセンサ情報と機器情報の組合せを学習して使用することで、覗き込み運転又は頬杖をついての運転がされている場合と、運転手が意識を失うなどして倒れ込んだ場合という姿勢としては紛らわしい2つの場合を、正確に判別することができる。したがって、異常検知装置10は、上記特許文献1のように正常状態のときの姿勢を学習して異常状態の判別に使用する場合と比較して、異常状態と正常状態との判別精度が向上するものである。
なお、上記では、異常検知装置10は車両に搭載されているとしたが、センサ11及び車両機器12と通信可能で車両外部に置かれたサーバ内に、異常検知装置10が構築されていてもよい。
また、センサ11及び車両機器12と通信可能で車両に持ち込まれたスマートフォン及びタブレット端末等の携帯端末内に、異常検知装置10が構築されていてもよい。またその際、センサ11のカメラとして携帯端末に備えられたカメラが利用されるようにしてもよい。
また、センサ11及び車両機器12と通信可能で車両に持ち込まれたスマートフォン及びタブレット端末等の携帯端末内に、異常検知装置10が構築されていてもよい。またその際、センサ11のカメラとして携帯端末に備えられたカメラが利用されるようにしてもよい。
また、上記では、異常検知装置10は、車両に搭載されて当該車両の運転手の異常状態を検知するものとして説明した。しかしながら、異常検知装置10は、それ以外の用途に用いられてもよい。異常検知装置10は、例えば、家の中に設置された監視カメラ、センサ、又は、エアコン若しくは冷蔵庫等の家電製品に設けられたカメラをセンサ11として利用し、かつ、各家電製品から機器情報を取得することで、家の中で異常状態が発生したことを検知する装置であってもよい。
例えば、「リビング内の位置Eにいるときにはテレビを見ている」等の正常状態のときのセンサ情報と機器情報の組合せを、更新部8が学習データベース1へ逐次登録する。そうした登録の後、第1候補判定部4が、センサ情報の正常範囲から外れた位置Eに人物がいると判定した場合、第2候補判定部5は、学習データベース1から「リビング内の位置Eにいるときにはテレビを見ている」という組合せを抽出するが、そのとき取得部3で取得された機器情報がテレビの電源OFFを示しており、更にリセット判定部6による判定が不一致の場合には、居住者の異常状態例えば倒れて動けないと検知される。この場合の行動パターンデータベース2としては、居住者が正常状態にあることが分かる情報、例えば、「第1設定時間以上、目が開いていることを示している」に当てはまるセンサ情報を格納しておくことが考えらえる。
また例えば、第1候補判定部4が、センサ情報の正常範囲から外れた位置Eに人物がいると判定した場合、第2候補判定部5は、学習データベース1から「リビング内の位置Eにいるときにはテレビを見ている」という組合せを抽出するが、そのとき取得部3で取得された機器情報がテレビの電源OFFを示しており、更にリセット判定部6による判定が不一致の場合には、不審者が不法侵入してきたと検知される。この場合の行動パターンデータベース2としては、不審者がおらず家が正常状態にあることが分かる情報、例えば、「人物が笑顔で会話したことを示している」に当てはまるセンサ情報を格納しておくことが考えらえる。
以上のように、この実施の形態1に係る異常検知装置10によれば、正常状態のときのセンサ情報と機器情報の組合せを逐次学習して学習データベース1に登録し、異常状態を判別するのに使うことで、覗き込み運転又は頬杖をついて運転しているときと、意識を失うなどして倒れ込んだとき等、姿勢が似ていて紛らわしい正常状態と異常状態とを正確に判別することができる。したがって、異常状態と正常状態との判別精度が向上する。
また、異常検知装置10は、学習データベース1を逐次更新することで、過学習を抑制しながら検知対象人物の癖、例えば運転手であれば癖及び座席位置の変化等に適応しながら異常状態の発生を検知することができる。
また、行動パターンデータベース2は、自動ではなく人の手により予め作成されることになるので、一般的に考えられる正常状態での行動パターン全てを網羅することは難しい。しかしながら、異常検知装置10は、学習データベース1に、正常状態での行動パターンに相当する機器情報を自動で登録していくことで、行動パターンデータベース2を補うようにして処理を行うことができる。
また、異常検知装置10は、学習データベース1を逐次更新することで、過学習を抑制しながら検知対象人物の癖、例えば運転手であれば癖及び座席位置の変化等に適応しながら異常状態の発生を検知することができる。
また、行動パターンデータベース2は、自動ではなく人の手により予め作成されることになるので、一般的に考えられる正常状態での行動パターン全てを網羅することは難しい。しかしながら、異常検知装置10は、学習データベース1に、正常状態での行動パターンに相当する機器情報を自動で登録していくことで、行動パターンデータベース2を補うようにして処理を行うことができる。
また、第2候補判定部5は、学習データベース1の中から、センサ情報が、取得されたセンサ情報と一致する組合せを抽出し、当該抽出した組合せの機器情報に、取得された機器情報と一致するものがない場合、学習データベース1に、取得されたセンサ情報と機器情報の組合せと一致するものはないと判定することとした。このようにして、第2候補判定部5は、学習データベース1に一致する組合せがあるかを適切に判定することができる。
また、更新部8は、取得されたセンサ情報と機器情報とを一時的に保持し、第1候補判定部4によりセンサ情報が正常範囲にないと判定された場合であって、第2候補判定部5により一致するものがなくかつリセット判定部6により一致するものがあると判定されると、一時的に保持しているセンサ情報と機器情報の組合せを学習データベース1に登録することとした。このようにして、更新部8は、異常検知装置10が有する記憶領域を有効に使いながら、適切なタイミングで学習データベース1への登録を行うことができる。
また、取得部3は、車両の運転手の状態を示すセンサ情報を取得することとした。このようにして、異常検知装置10を、車両の運転手が意識を失っているなどの異常状態にないかを検知する装置として利用することができる。
なお、本願発明はその発明の範囲内において、実施の形態の任意の構成要素の変形、もしくは実施の形態の任意の構成要素の省略が可能である。
以上のように、この発明に係る異常検知装置は、異常状態と正常状態との判別精度を向上できるので、例えば車両の運転手の異常状態を検知する装置として用いるのに適している。
1 学習データベース、2 行動パターンデータベース、3 取得部、4 第1候補判定部、5 第2候補判定部、6 リセット判定部、7 確定部、8 更新部、10 異常検知装置、11 センサ、12 車両機器、101 処理回路、102 メモリ、103 CPU、104 HDD、105 入力インタフェース装置、106 出力インタフェース装置。
Claims (5)
- 人物の状態を示すセンサ情報と機器の状態を示す機器情報を取得する取得部と、
前記取得されたセンサ情報が正常範囲にあるか判定する第1候補判定部と、
正常状態のときのセンサ情報と機器情報の組合せを記憶した学習データベースに、前記取得されたセンサ情報と機器情報の組合せと一致するものがあるか判定する第2候補判定部と、
正常状態のときのセンサ情報又は機器情報を記憶した行動パターンデータベースに、前記取得されたセンサ情報又は機器情報と一致するものがあるか判定するリセット判定部と、
前記第1候補判定部によりセンサ情報が正常範囲にないと判定された場合、
前記第2候補判定部により一致するものがあると判定されれば正常状態であると確定し、前記第2候補判定部及び前記リセット判定部により一致するものがないと判定されれば異常状態であると確定する確定部と、
前記第1候補判定部によりセンサ情報が正常範囲にないと判定された場合、
前記第2候補判定部により一致するものがなくかつ前記リセット判定部により一致するものがあると判定されれば、前記取得されたセンサ情報と機器情報の組合せを前記学習データベースに登録する更新部とを備える異常検知装置。 - 前記第2候補判定部は、前記学習データベースの中から、センサ情報が前記取得されたセンサ情報と一致する組合せを抽出し、当該抽出した組合せの機器情報に前記取得された機器情報と一致するものがない場合、前記学習データベースに前記取得されたセンサ情報と機器情報の組合せと一致するものはないと判定することを特徴とする請求項1記載の異常検知装置。
- 前記更新部は、前記取得されたセンサ情報と機器情報とを一時的に保持し、前記第1候補判定部によりセンサ情報が正常範囲にないと判定された場合であって、前記第2候補判定部により一致するものがなくかつ前記リセット判定部により一致するものがあると判定されると、前記一時的に保持しているセンサ情報と機器情報の組合せを前記学習データベースに登録することを特徴とする請求項1記載の異常検知装置。
- 前記取得部は、車両の運転手の状態を示すセンサ情報を取得することを特徴とする請求項1記載の異常検知装置。
- 取得部が、人物の状態を示すセンサ情報と機器の状態を示す機器情報を取得する取得ステップと、
第1候補判定部が、前記取得されたセンサ情報が正常範囲にあるか判定する第1候補判定ステップと、
第2候補判定部が、正常状態のときのセンサ情報と機器情報の組合せを記憶した学習データベースに、前記取得されたセンサ情報と機器情報の組合せと一致するものがあるか判定する第2候補判定ステップと、
リセット判定部が、正常状態のときのセンサ情報又は機器情報を記憶した行動パターンデータベースに、前記取得されたセンサ情報又は機器情報と一致するものがあるか判定するリセット判定ステップと、
確定部が、
前記第1候補判定ステップによりセンサ情報が正常範囲にないと判定された場合、
前記第2候補判定ステップにより一致するものがあると判定されれば正常状態であると確定し、前記第2候補判定ステップ及び前記リセット判定ステップにより一致するものがないと判定されれば異常状態であると確定する確定ステップと、
更新部が、
前記第1候補判定ステップによりセンサ情報が正常範囲にないと判定された場合、
前記第2候補判定ステップにより一致するものがなくかつ前記リセット判定ステップにより一致するものがあると判定されれば、前記取得されたセンサ情報と機器情報の組合せを前記学習データベースに登録する更新ステップとを備える異常検知方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201780096747.3A CN111344762B (zh) | 2017-11-21 | 2017-11-21 | 异常检测装置和异常检测方法 |
JP2019555103A JP6687300B2 (ja) | 2017-11-21 | 2017-11-21 | 異常検知装置及び異常検知方法 |
DE112017008148.3T DE112017008148B4 (de) | 2017-11-21 | 2017-11-21 | Anomalie-Erfassungseinrichtung und Anomalie-Erfassungsverfahren |
PCT/JP2017/041861 WO2019102525A1 (ja) | 2017-11-21 | 2017-11-21 | 異常検知装置及び異常検知方法 |
US16/842,462 US11195108B2 (en) | 2017-11-21 | 2020-04-07 | Abnormality detection device and abnormality detection method for a user |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/041861 WO2019102525A1 (ja) | 2017-11-21 | 2017-11-21 | 異常検知装置及び異常検知方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
US16/842,462 Continuation US11195108B2 (en) | 2017-11-21 | 2020-04-07 | Abnormality detection device and abnormality detection method for a user |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019102525A1 true WO2019102525A1 (ja) | 2019-05-31 |
Family
ID=66631463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2017/041861 WO2019102525A1 (ja) | 2017-11-21 | 2017-11-21 | 異常検知装置及び異常検知方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11195108B2 (ja) |
JP (1) | JP6687300B2 (ja) |
CN (1) | CN111344762B (ja) |
DE (1) | DE112017008148B4 (ja) |
WO (1) | WO2019102525A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112659892B (zh) * | 2021-01-18 | 2022-11-15 | 湖南行必达网联科技有限公司 | 一种车辆异常断电熄火的应急控制方法、装置及车辆 |
CN113137983B (zh) * | 2021-04-30 | 2023-08-22 | 深圳市恒星物联科技有限公司 | 一种自学习的井盖姿态监测方法及监测系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005173635A (ja) * | 2003-12-05 | 2005-06-30 | Fujitsu Ten Ltd | 居眠り検出装置、カメラ、光遮断センサおよびシートベルトセンサ |
JP2009175929A (ja) * | 2008-01-23 | 2009-08-06 | Toyota Central R&D Labs Inc | ドライバ状態推定装置及びプログラム |
JP2016009255A (ja) * | 2014-06-23 | 2016-01-18 | 株式会社デンソー | ドライバの運転不能状態検出装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100382154B1 (ko) * | 2000-02-22 | 2003-05-01 | 박원희 | 운전자 상태 감시장치 |
WO2009125627A1 (ja) * | 2008-04-11 | 2009-10-15 | 三菱電機株式会社 | 機器状態検出装置及び機器状態検出方法並びに生活者異常検知装置、生活者異常検知システム及び生活者異常検知方法 |
JP5177102B2 (ja) * | 2009-09-18 | 2013-04-03 | 三菱自動車工業株式会社 | 運転支援装置 |
US8384534B2 (en) * | 2010-01-14 | 2013-02-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Combining driver and environment sensing for vehicular safety systems |
CN103400471B (zh) * | 2013-08-12 | 2015-10-28 | 电子科技大学 | 一种驾驶员疲劳驾驶检测系统及检测方法 |
US9734685B2 (en) * | 2014-03-07 | 2017-08-15 | State Farm Mutual Automobile Insurance Company | Vehicle operator emotion management system and method |
KR101659027B1 (ko) * | 2014-05-15 | 2016-09-23 | 엘지전자 주식회사 | 이동 단말기 및 차량 제어 장치 |
CN106663377B (zh) * | 2014-06-23 | 2019-04-09 | 株式会社电装 | 驾驶员的驾驶不能状态检测装置 |
CN104952210B (zh) * | 2015-05-15 | 2018-01-05 | 南京邮电大学 | 一种基于决策级数据融合的疲劳驾驶状态检测系统和方法 |
JP6409699B2 (ja) | 2015-07-13 | 2018-10-24 | トヨタ自動車株式会社 | 自動運転システム |
US10445603B1 (en) * | 2015-12-11 | 2019-10-15 | Lytx, Inc. | System for capturing a driver image |
CN105931430A (zh) * | 2016-05-25 | 2016-09-07 | 惠州华阳通用电子有限公司 | 用于驾驶员状态预警系统的报警灵敏度检测方法及装置 |
US10457165B2 (en) * | 2017-02-27 | 2019-10-29 | Toyota Motor Engineering & Manufacturing North America Inc. | Providing a notification to an occupant using a vehicle seat |
CN107248263A (zh) * | 2017-08-08 | 2017-10-13 | 京东方科技集团股份有限公司 | 一种疲劳驾驶检测系统 |
-
2017
- 2017-11-21 CN CN201780096747.3A patent/CN111344762B/zh active Active
- 2017-11-21 WO PCT/JP2017/041861 patent/WO2019102525A1/ja active Application Filing
- 2017-11-21 DE DE112017008148.3T patent/DE112017008148B4/de active Active
- 2017-11-21 JP JP2019555103A patent/JP6687300B2/ja not_active Expired - Fee Related
-
2020
- 2020-04-07 US US16/842,462 patent/US11195108B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005173635A (ja) * | 2003-12-05 | 2005-06-30 | Fujitsu Ten Ltd | 居眠り検出装置、カメラ、光遮断センサおよびシートベルトセンサ |
JP2009175929A (ja) * | 2008-01-23 | 2009-08-06 | Toyota Central R&D Labs Inc | ドライバ状態推定装置及びプログラム |
JP2016009255A (ja) * | 2014-06-23 | 2016-01-18 | 株式会社デンソー | ドライバの運転不能状態検出装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200234161A1 (en) | 2020-07-23 |
US11195108B2 (en) | 2021-12-07 |
CN111344762B (zh) | 2022-03-01 |
CN111344762A (zh) | 2020-06-26 |
JPWO2019102525A1 (ja) | 2020-04-02 |
DE112017008148B4 (de) | 2021-12-16 |
DE112017008148T5 (de) | 2020-08-27 |
JP6687300B2 (ja) | 2020-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6264495B1 (ja) | 運転者監視装置、運転者監視方法、学習装置及び学習方法 | |
CN106687037B (zh) | 用于检测瞬时睡眠的设备、方法和计算机程序 | |
CN112590794B (zh) | 确定车辆驾驶员接管车辆控制的能力估计值的方法和装置 | |
EP3264211B1 (en) | Driving assistance apparatus and driving assistance method | |
JP6998564B2 (ja) | 覚醒度推定装置及び覚醒度推定方法 | |
CN107665330B (zh) | 在车辆中检测头部姿势的系统、方法和计算机可读介质 | |
JP6062547B2 (ja) | 拡張現実を制御するための方法および装置 | |
US9737240B2 (en) | Apparatus and method for recognizing gait motion | |
JP2019139277A (ja) | 評価装置、動作制御装置、評価方法、及び評価プログラム | |
JP6754368B2 (ja) | 車両のドライバの疲労状態及び/又は睡眠状態を判定するための装置によって実施される方法 | |
US20170322676A1 (en) | Motion sensing method and motion sensing device | |
JP7290930B2 (ja) | 乗員モデリング装置、乗員モデリング方法および乗員モデリングプログラム | |
US11195108B2 (en) | Abnormality detection device and abnormality detection method for a user | |
JP6399311B2 (ja) | 居眠り検知装置 | |
JP2017194772A (ja) | 覚醒度判定装置 | |
JPWO2021053780A1 (ja) | 認知機能推定装置、学習装置、および、認知機能推定方法 | |
US20200180396A1 (en) | Vehicle and Method for Controlling the Same | |
JP2016115120A (ja) | 開閉眼判定装置および開閉眼判定方法 | |
WO2022113275A1 (ja) | 睡眠検出装置及び睡眠検出システム | |
JP2018055167A (ja) | 自律移動装置、自律移動方法及びプログラム | |
JP2019068933A (ja) | 推定装置及び推定方法 | |
JP6755095B2 (ja) | 余裕度判定装置、余裕度判定方法および運転支援システム | |
US20220032922A1 (en) | Vehicle and method of controlling the same | |
CN115867474A (zh) | 用于控制车辆系统的驾驶员辨识 | |
KR102486161B1 (ko) | 차량, 차량의 제어 방법 및 영상 탐색 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 17932640 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2019555103 Country of ref document: JP Kind code of ref document: A |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 17932640 Country of ref document: EP Kind code of ref document: A1 |