WO2023188797A1 - 人表面温度算出システム、人表面温度算出方法、及び、プログラム - Google Patents

人表面温度算出システム、人表面温度算出方法、及び、プログラム Download PDF

Info

Publication number
WO2023188797A1
WO2023188797A1 PCT/JP2023/003310 JP2023003310W WO2023188797A1 WO 2023188797 A1 WO2023188797 A1 WO 2023188797A1 JP 2023003310 W JP2023003310 W JP 2023003310W WO 2023188797 A1 WO2023188797 A1 WO 2023188797A1
Authority
WO
WIPO (PCT)
Prior art keywords
temperature
temperature value
value
human
thermal image
Prior art date
Application number
PCT/JP2023/003310
Other languages
English (en)
French (fr)
Inventor
和雄 伊藤
達雄 古賀
Original Assignee
パナソニックＩｐマネジメント株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to JP2024511332A priority Critical patent/JPWO2023188797A1/ja
Publication of WO2023188797A1 publication Critical patent/WO2023188797A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules

Definitions

  • the present invention relates to a human surface temperature calculation system, a human surface temperature calculation method, and a program.
  • the present invention provides a human surface temperature calculation system, a human surface temperature calculation method, and a program that can accurately calculate the surface temperature of a person existing in a target space.
  • a human surface temperature calculation system includes: an infrared sensor; an acquisition unit that acquires temperature distribution data indicating a temperature distribution in a target space acquired by the infrared sensor; a thermal image generation unit that generates a thermal image of the target space based on temperature distribution data; an extraction unit that uses a machine learning model to extract a human area representing a person appearing in the thermal image; and an extraction unit that corresponds to the human area.
  • a calculation unit that extracts a temperature value group from the temperature distribution data and calculates the surface temperature of the person based on the extracted temperature value group.
  • a human surface temperature calculation method includes an acquisition step of acquiring temperature distribution data indicating the temperature distribution of a target space, and a temperature distribution data of the target space based on the temperature distribution data acquired in the acquisition step. a thermal image generation step of generating an image; an extraction step of extracting a human region representing a person appearing in the thermal image using a machine learning model; and a temperature value group corresponding to the human region being extracted from the temperature distribution data. , a calculation step of calculating the surface temperature of the person based on the extracted temperature value group.
  • a program according to one aspect of the present invention is a program for causing a computer to execute the human surface temperature calculation method.
  • the human surface temperature calculation system, human surface temperature calculation method, and program of the present invention can accurately calculate the surface temperature of a person existing in a target space.
  • FIG. 1 is a block diagram showing the functional configuration of a human surface temperature calculation system according to an embodiment.
  • FIG. 2 is a flowchart showing an example of the operation of the human surface temperature calculation system according to the embodiment.
  • FIG. 3 is a diagram schematically showing the flow shown in FIG. 2.
  • FIG. 4 is a diagram showing an example of a thermal image.
  • FIG. 5 is a flowchart showing a first example of the detailed flow of step S05 in FIG.
  • FIG. 6 is a flowchart showing a second example of the detailed flow of step S05 in FIG.
  • FIG. 7 is a diagram showing another example of a thermal image.
  • FIG. 8 is a flowchart showing a third example of the detailed flow of step S05 in FIG.
  • FIG. 9 is a flowchart showing a fourth example of the detailed flow of step S05 in FIG.
  • each figure is a schematic diagram and is not necessarily strictly illustrated. Furthermore, in each figure, substantially the same configurations are denoted by the same reference numerals, and overlapping explanations may be omitted or simplified.
  • FIG. 1 is a block diagram showing the functional configuration of a human surface temperature calculation system according to an embodiment.
  • the human surface temperature calculation system 200 generates a thermal image based on the temperature distribution data of the target space acquired from the infrared sensor 10, extracts a human area showing the person in the thermal image using a machine learning model, and This is a system that calculates a person's surface temperature based on a group of temperature values corresponding to .
  • the target space is, for example, an office space, but may also be a space in a commercial facility, or an indoor space in another facility such as a space in a residence.
  • the human surface temperature calculation system 200 includes an infrared sensor 10 and a server device 100. Note that the human surface temperature calculation system 200 may include a plurality of infrared sensors 10.
  • the infrared sensor 10 is installed, for example, on the ceiling of the target space, and acquires temperature distribution data indicating the temperature distribution when the target space is viewed from above. Note that the infrared sensor 10 may generate a thermal image based on the acquired temperature distribution data.
  • the infrared sensor 10 may be, for example, an infrared array sensor (thermal image sensor) configured by an array of M ⁇ L infrared detection elements.
  • the temperature distribution data acquired by the infrared sensor 10 is a matrix of M rows by L columns (M, N: integers of 2 or more) of temperature values, and the thermal image generated based on the temperature distribution data is , has M ⁇ L pixels.
  • the thermal image shows the temperature distribution in the sensing range of the infrared sensor 10 with a resolution of M ⁇ L.
  • the infrared sensor 10 may be detachably connected to a power supply terminal of a lighting device installed on the ceiling of the target space.
  • the infrared sensor 10 operates by receiving power from the lighting device.
  • the power supply terminal is, for example, a USB (Universal Serial Bus) terminal.
  • the infrared sensor 10 may be directly fixed to the ceiling of the target space without using a lighting device.
  • the infrared sensor 10 may be fixed to a wall or the like to generate a thermal image showing the temperature distribution when the target space is viewed from the side.
  • the server device 100 generates a thermal image based on the temperature distribution data acquired from the infrared sensor 10, uses a machine learning model to extract a human region representing a person in the thermal image, and extracts a temperature value group corresponding to the human region. is extracted from the temperature distribution data, and the human surface temperature is calculated based on the temperature value group.
  • the server device 100 is an edge computer provided in a facility (building) that constitutes the target space, it may also be a cloud computer provided outside the facility.
  • the server device 100 includes, for example, a communication section 110, an information processing section 120, a storage section 130, and a learning section 140.
  • the communication unit 110 is a communication module (communication circuit) for the server device 100 to communicate with the infrared sensor 10.
  • the communication unit 110 receives temperature distribution data of the target space from the infrared sensor 10, for example.
  • the communication performed by the communication unit 110 may be wireless communication or wired communication.
  • the communication standard used for communication is also not particularly limited.
  • the information processing unit 120 acquires the temperature distribution data received by the communication unit 110, creates a thermal image based on the acquired temperature distribution data, extracts a human region from the created thermal image, and adds information to the extracted human region. Information processing is performed to calculate the human surface temperature based on the corresponding temperature value group.
  • the information processing unit 120 is specifically implemented by a processor or a microcomputer. Specifically, the information processing unit 120 includes an acquisition unit 121 that acquires temperature distribution data of the target space received by the communication unit 110, and a thermal processor that generates a thermal image of the target area based on the acquired temperature distribution data.
  • An image generation unit 122 an extraction unit 123 that uses a machine learning model 132 to extract a human region representing a person appearing in a thermal image; and an extraction unit 123 that extracts a group of temperature values corresponding to the human region from temperature distribution data, and
  • the calculation unit 124 calculates the surface temperature of a person based on the value group.
  • the functions of the acquisition unit 121, thermal image generation unit 122, extraction unit 123, and calculation unit 124 are realized by the processor or microcomputer that constitutes the information processing unit 120 executing a computer program stored in the storage unit 130. be done. Details of the functions of the acquisition unit 121, thermal image generation unit 122, extraction unit 123, and calculation unit 124 will be described later.
  • the storage unit 130 is a storage device that stores temperature distribution data received by the communication unit 110, a computer program executed by the information processing unit 120, and the like.
  • the storage unit 130 also stores a database 131, a machine learning model 132, and the like.
  • the storage unit 130 may store teacher data (not shown) used for learning the machine learning model 132.
  • the storage unit 130 is realized by a semiconductor memory, an HDD (Hard Disk Drive), or the like.
  • the database 131 stores, for example, temperature distribution data, a temperature value group corresponding to a human region, a high temperature value group corresponding to a high temperature object region, a low temperature value group corresponding to a low temperature object region, and the like.
  • the machine learning model 132 receives the thermal image as input and outputs a human region indicating the person appearing in the thermal image.
  • the human area is, for example, an area surrounded by the outline of a person in a thermal image.
  • the machine learning model 132 may be any model as long as it has a convolutional layer, and may be, for example, a convolutional neural network (CNN), but is not limited thereto.
  • CNN convolutional neural network
  • the machine learning model 132 may be composed of two or more models.
  • the machine learning model 132 includes a first machine learning model that receives a thermal image as input and outputs a super-resolution image, and a second machine learning model that receives the super-resolution image output from the first machine learning model as input and outputs a human region.
  • the first machine learning model is, for example, SRGAN (Generative Adversarial Network for Super-Resolution) or SRCNN (Super-Resolution Convolutional Neural). Network).
  • the second machine learning model is, for example, R-CNN (Region-Convolutional Neural Network), YOLO (You Only Look at Once), or SSD (Single Shot Multibox). Detector). Note that the above models are merely examples, and the present invention is not limited to these models. Further, although different types of machine learning models may be employed as the first machine learning model and the second machine learning model as described above, the same type of machine learning model may be employed.
  • the teacher data includes a thermal image indicating the temperature distribution in the target space as input data, and a human region indicating a person appearing in the thermal image as output data.
  • teacher's data may be a dataset that includes a heat image as an input data and a pair of the human area as an output data, and multiple datasets (eg, the first teacher data and the second teacher. data).
  • the first training data is training data used for learning the first machine learning model, and includes, for example, a thermal image as input data and a super-resolution thermal image obtained by converting the thermal image into super-resolution as output data. It is a data set containing a set of tuples.
  • the second teacher data is teacher data used for learning the second machine learning model, and is a dataset including a set of a super-resolution thermal image as input data and a human region as output data.
  • the machine learning model 132 may be an AI (Artificial Intelligence) model.
  • the learning unit 140 performs machine learning using teacher data.
  • the learning unit 140 uses machine learning to generate a machine learning model that receives as input a thermal image showing the temperature distribution of the target space and outputs a human region showing a person appearing in the thermal image.
  • the learning unit 140 updates the machine learning model 132 by storing the trained machine learning model in the storage unit 130.
  • the learning unit 140 is realized, for example, by a processor executing a program stored in the storage unit 130.
  • the learning unit 140 of the server device 100 generates a trained machine learning model, and updates the machine learning model 132 by storing the generated trained machine learning model in the storage unit 130.
  • a trained machine learning model may be generated on a cloud server provided outside a building, and the cloud server may transmit the trained machine learning model to the server device 100 to update the machine learning model 132.
  • FIG. 2 is a flowchart showing an example of the operation of the human surface temperature calculation system 200.
  • FIG. 3 is a diagram schematically showing the flow shown in FIG. 2.
  • the communication unit 110 of the server device 100 receives temperature distribution data from the infrared sensor 10 (not shown). At this time, the information processing unit 120 stores the received temperature distribution data in the storage unit 130 (not shown).
  • the acquisition unit 121 acquires the temperature distribution data received by the communication unit 110 and stored in the storage unit 130 (S01), and outputs it to the thermal image generation unit 122.
  • the thermal image generation unit 122 generates a thermal image of the target space based on the acquired temperature distribution data (S02).
  • the temperature distribution data acquired in step S01 is a matrix of temperature values (also referred to as temperature physical quantities).
  • the thermal image generated in step S02 is, for example, an 8-bit image in which the temperature range from 20° C. to 40° C. is converted into 0 to 255 gradations.
  • the extraction unit 123 extracts a human region indicating a person in the thermal image using the machine learning model 132 (S03). More specifically, as shown in FIGS. 3(b) and 3(c), the extraction unit 123 performs segmentation of the thermal image using the machine learning model 132, and extracts a region representing a person appearing in the segmented thermal image. A classification process is performed to classify people into classes of people. Thereby, the extraction unit 123 can detect a person appearing in the thermal image and extract an area (an area surrounded by the outline of the person) indicating the detected person. Segmentation may be semantic segmentation or instance segmentation. Note that the extraction unit 123 may or may not increase the resolution of the thermal image.
  • the extraction unit 123 may super-resolve the thermal image using the first machine learning model, or calculate the average value of the pixel values of adjacent pixels, so that a pixel corresponding to the average value is found between adjacent pixels.
  • the resolution of the thermal image may be increased by inserting new pixels having values.
  • the extraction unit 123 performs human detection processing on the thermal image using the machine learning model 132 to detect a person appearing in the thermal image, and extracts an area surrounded by the outline of the detected person (so-called human area). ).
  • the calculation unit 124 extracts a temperature value group corresponding to the human area from the temperature distribution data (S04), and calculates the human surface temperature based on the extracted temperature value group (S05). More specifically, as shown in FIGS. 3(d) and (e), the calculation unit 124 extracts the temperature value corresponding to the pixel in the human area in the thermal image from the matrix of temperature distribution data, A person's surface temperature may be calculated by calculating the average value or median value of the extracted temperature value group.
  • the calculation unit 124 outputs the calculation result (not shown). Specifically, the calculation unit 124 outputs the surface temperature of a person existing in the target space as a calculation result. In addition to the surface temperature of the person, the calculation unit 124 may output information indicating the coordinates of the person as a calculation result. Note that the calculation result is stored in the storage unit 130.
  • the human surface temperature calculation system 200 can detect a person existing in the target space, calculate the surface temperature of the detected person, and output the calculation result.
  • the output calculation results may be provided to a control device (not shown) that controls equipment such as an air conditioner, for example.
  • the control device can control the equipment based on the surface temperature of the person present in the target space.
  • FIG. 4 is a diagram showing an example of a thermal image.
  • FIG. 5 is a flowchart showing a first example of the detailed flow of step S05 in FIG.
  • the calculation unit 124 detects the maximum value of the temperature value group corresponding to the human area extracted in step S04 of FIG. 2 (S11), and determines that the detected maximum value exceeds the first temperature value (for example, 50° C.) It is determined whether or not (S12).
  • the temperature value group corresponding to the human region is a temperature value corresponding to each pixel value of a plurality of pixels indicating the human region in the thermal image.
  • the calculation unit 124 determines that the maximum value exceeds the first temperature value (Yes in S12), the calculation unit 124 calculates a temperature value group that is equal to or higher than the temperature value obtained by subtracting the first value (for example, 10°C) from the maximum value. are identified as a group of high temperature values corresponding to hot object regions indicating different high temperature objects (not shown). Examples of high-temperature objects include hot drinks such as hot coffee, food, and hand warmers.
  • the calculation unit 124 calculates the surface temperature of the person based on the remaining temperature value group after removing the high temperature value group from the temperature value group corresponding to the human area (S13). More specifically, the calculation unit 124 calculates the surface temperature of the person by calculating the average value or median value of the remaining temperature value group after removing the high temperature value group from the temperature value group corresponding to the human area. You may.
  • the calculation unit 124 determines that the maximum value does not exceed the first temperature value (No in S12)
  • the calculation unit 124 calculates the surface temperature of the person based on the temperature value group corresponding to the human area (S14).
  • the calculated human surface temperature may be the average value or median value of the temperature value group.
  • the human surface temperature calculation system 200 calculates the temperature value corresponding to the human area when a high temperature object area exists within the human area (that is, when a person and a high temperature object overlap in the thermal image).
  • the group of high temperature values corresponding to the hot object region can be removed from the group.
  • the human surface temperature calculation system 200 is less susceptible to the influence of non-human heat sources such as high-temperature objects existing in the human area when calculating the human surface temperature, so it can more accurately calculate the human surface temperature. It can be calculated.
  • FIG. 6 is a flowchart showing a second example of the detailed flow of step S05 in FIG.
  • the calculation unit 124 detects the minimum value of the temperature value group corresponding to the human region extracted in step S04 of FIG. 2 (S21), and the detected minimum value is lower than the second temperature value (for example, 10 degrees Celsius). It is determined whether or not (S22).
  • the calculation unit 124 determines that the minimum value is lower than the second temperature value (Yes in S22), the calculation unit 124 calculates a temperature value group that is equal to or lower than the temperature value obtained by adding the second value (for example, 20°C) to the minimum value. are identified as a group of low temperature values corresponding to low temperature object regions indicating different low temperature objects (not shown). Examples of low-temperature objects include cold drinks such as iced coffee, cold foods such as ice cream, and ice packs.
  • the calculating unit 124 calculates the surface temperature of the person based on the remaining temperature value group after removing the low temperature value group from the temperature value group corresponding to the human area (S23). More specifically, the calculation unit 124 calculates the surface temperature of the person by calculating the average value or median value of the remaining temperature value group after removing the low temperature value group from the temperature value group corresponding to the human area. You may.
  • the calculation unit 124 determines that the minimum value is not lower than the second temperature value (No in S22)
  • the calculation unit 124 calculates the surface temperature of the person based on the temperature value group corresponding to the human area (S24).
  • the calculated human surface temperature may be the average value or median value of the temperature value group.
  • the human surface temperature calculation system 200 calculates the temperature value corresponding to the human area when a low temperature object area exists within the human area (that is, when a person and a low temperature object overlap in the thermal image).
  • the group of cold temperature values corresponding to the cold object region can be removed from the group.
  • the human surface temperature calculation system 200 is less susceptible to the influence of non-human heat sources such as low-temperature objects existing in the human area when calculating the human surface temperature, so it can more accurately calculate the human surface temperature. It can be calculated.
  • FIG. 7 is a diagram showing another example of a thermal image.
  • FIG. 7 shows an example in which a person and a high-temperature heat source and a low-temperature heat source overlap in the thermal image.
  • the calculation unit 124 detects the maximum value and the minimum value among the temperature value group corresponding to the human area, and determines whether the maximum value exceeds the first temperature value and whether the minimum value falls below the second temperature value. Determine whether or not.
  • the calculation unit 124 selects a high temperature value group and a low temperature value group from the temperature value group corresponding to the human area.
  • the human surface temperature is calculated based on the remaining temperature value group.
  • the calculation unit 124 calculates the remaining temperature after removing the high temperature value group from the temperature value group corresponding to the human area. Calculate a person's surface temperature based on a group of values.
  • the calculation unit 124 calculates the remaining temperature after excluding the low temperature value group from the temperature value group corresponding to the human area. Calculate a person's surface temperature based on a group of values.
  • the human surface temperature calculation system 200 is able to detect the presence of a high-temperature object region and a low-temperature object region within a human region (that is, when a person, a high-temperature object, and a low-temperature object overlap in the thermal image), The high temperature value group and the low temperature value group can be removed from the temperature value group corresponding to the human area.
  • the human surface temperature calculation system 200 is less susceptible to the influence of heat sources other than humans, such as high-temperature objects or low-temperature objects that exist within the human area, when calculating the human surface temperature, so that the human surface temperature calculation system 200 can more accurately calculate the human surface temperature.
  • Surface temperature can be calculated.
  • FIG. 8 is a flowchart showing a third example of the detailed flow of step S05 in FIG.
  • the calculation unit 124 detects the maximum value and the next largest temperature value of the temperature value group corresponding to the human region extracted in step S04 of FIG. 2 (S31). The calculation unit 124 determines whether the maximum value exceeds the first temperature value (for example, 50° C.) (S32), and when determining that the maximum value does not exceed the first temperature value (No in S32), The human surface temperature is calculated based on the temperature value group corresponding to the human area (S33). On the other hand, if the calculation unit 124 determines that the maximum value exceeds the first temperature value (Yes in S32), it determines whether the next largest temperature value after the maximum value exceeds the first temperature value (S34). .
  • the first temperature value for example, 50° C.
  • the calculation unit 124 determines that the next largest temperature value after the maximum value does not exceed the first temperature value (No in S34), the calculation unit 124 determines that the temperature value equal to or greater than the temperature value obtained by subtracting the first value (for example, 10° C.) from the maximum value
  • the temperature value group is identified as a high temperature value group (not shown), and the human surface temperature is calculated based on the remaining temperature value group after removing the high temperature value group from the temperature value group (S36).
  • the calculation unit 124 determines that the next largest temperature value after the maximum value exceeds the first temperature value (Yes in S34)
  • the calculation unit 124 calculates the pixel showing the maximum value in the thermal image and the next largest temperature value after the maximum value.
  • the predetermined distance may be, for example, 10% or more of the number of pixels in the horizontal direction of the thermal image, and/or 10% or more of the number of pixels in the vertical direction of the thermal image.
  • the predetermined distance will be specifically explained with reference to FIG.
  • the above-mentioned predetermined distance changes depending on the distance between the infrared sensor and the heat source. Any distance may be sufficient as long as it exceeds the size (for example, the width in the width direction and the height in the vertical direction).
  • the calculation unit 124 determines that the pixel showing the maximum value in the thermal image and the pixel showing the next largest temperature value after the maximum value are not located a predetermined distance apart (in other words, they are not separated by a predetermined distance), (No in S35) ), the temperature value group equal to or higher than the temperature value obtained by subtracting the first value (for example, 10°C) from the maximum value is identified as the high temperature value group (not shown), and the remaining temperature value group after removing the high temperature value group from the temperature value group is identified.
  • the surface temperature of the person is calculated based on the temperature value group (S36).
  • the calculation unit 124 determines that the pixel showing the maximum value in the image and the pixel showing the next largest temperature value after the maximum value are located a predetermined distance apart (in other words, they are separated by a predetermined distance) (in S35) Yes)
  • the temperature value group equal to or higher than the temperature value obtained by subtracting the first value (for example, 10°C) from the maximum value is identified as high temperature value group 1 (not shown), and the next largest temperature value after the maximum value is identified.
  • a temperature value group equal to or higher than the temperature value obtained by subtracting the first value from is identified as high temperature value group 2 (not shown), and the remaining temperature after removing high temperature value group 1 and high temperature value group 2 from the temperature value group.
  • the human surface temperature is calculated based on the value group (S37).
  • the human surface temperature calculation system 200 can be used when a plurality of (in this case, two) high-temperature object regions exist within the human region (that is, when a plurality of high-temperature objects are overlapped in the thermal image). , the plurality of hot temperature value groups for each of the plurality of hot object regions can be identified, and these plurality of hot temperature value groups can be removed from the temperature value group corresponding to the human region. As a result, the human surface temperature calculation system 200 can calculate the human surface temperature with high precision, since even if there are multiple heat sources different from the human body in the thermal image, the human surface temperature calculation system 200 is less susceptible to the influence of those heat sources when calculating the human surface temperature. Temperature can be calculated.
  • FIG. 9 is a flowchart showing a fourth example of the detailed flow of step S05 in FIG.
  • the calculation unit 124 detects the minimum value and the next smallest temperature value of the temperature value group corresponding to the human region extracted in step S04 of FIG. 2 (S41). The calculation unit 124 determines whether the minimum value is lower than the second temperature value (for example, 10° C.) (S42), and if it is determined that the minimum value is not lower than the second temperature value (No in S42), The human surface temperature is calculated based on the temperature value group corresponding to the human area (S43). On the other hand, if the calculation unit 124 determines that the minimum value is lower than the second temperature value (Yes in S42), it determines whether the next smallest temperature value after the minimum value is lower than the second temperature value (S44). .
  • the second temperature value for example, 10° C.
  • the calculation unit 124 determines that the temperature value is equal to or lower than the temperature value obtained by adding the second value (for example, 20° C.) to the minimum value.
  • the temperature value group is identified as a low temperature value group (not shown), and the human surface temperature is calculated based on the remaining temperature value group after removing the low temperature value group from the temperature value group (S46).
  • the calculation unit 124 determines that the next smallest temperature value after the minimum value is lower than the second temperature value (Yes in S44)
  • the calculation unit 124 calculates the pixel showing the minimum value in the thermal image and the next smallest temperature value after the minimum value. It is determined whether the pixel indicating the pixel is located a predetermined distance apart (S45). Note that since the predetermined distance has been described above, a description thereof will be omitted here.
  • the calculation unit 124 determines that the pixel showing the minimum value in the thermal image and the pixel showing the next smallest temperature value after the minimum value are not located a predetermined distance apart (in other words, they are not separated by a predetermined distance) (No in S45). ), the temperature value group that is equal to or lower than the temperature value obtained by adding a second value (for example, 20°C) to the minimum value is identified as a low temperature value group (not shown), and the remaining temperature value group after removing the low temperature value group from the temperature value group is identified. The surface temperature of the person is calculated based on the temperature value group (S46).
  • the calculation unit 124 determines that the pixel showing the minimum value in the image and the pixel showing the next smallest temperature value after the minimum value are located a predetermined distance apart (in other words, they are separated by a predetermined distance) (in S45) Yes)
  • the temperature value group that is equal to or lower than the temperature value obtained by adding the second value (for example, 20°C) to the minimum value is identified as low temperature value group 1 (not shown), and the next smaller temperature value after the minimum value is identified.
  • the temperature value group that is equal to or lower than the temperature value obtained by adding the second value to is identified as low temperature value group 2 (not shown), and the remaining temperature after removing low temperature value group 1 and low temperature value group 2 from the temperature value group.
  • the human surface temperature is calculated based on the value group (S47).
  • the human surface temperature calculation system 200 can be used when multiple (in this case, two) low-temperature object regions exist within the human region (in other words, when multiple low-temperature objects overlap in the thermal image) , the cold temperature value groups of each of the plurality of cold object regions can be identified and the plurality of cold temperature value groups can be removed from the temperature value group corresponding to the human region.
  • the human surface temperature calculation system 200 can calculate the human surface temperature with high precision, since even if there are multiple heat sources different from the human body in the thermal image, the human surface temperature calculation system 200 is less susceptible to the influence of those heat sources when calculating the human surface temperature. Temperature can be calculated.
  • the calculation unit 124 detects the maximum value, the next largest temperature value after the maximum value, the minimum value, and the next smallest temperature value after the minimum value among the temperature value group corresponding to the human area. Next, the calculation unit 124 determines whether each of the maximum value and the next largest temperature value exceeds the first temperature value, and whether each of the minimum value and the next smallest temperature value after the minimum value exceeds the first temperature value. Determine whether the temperature is below the temperature value.
  • the calculation unit 124 calculates the surface temperature of the person according to the flow shown in FIGS. 8 and 9.
  • the human surface temperature calculation system 200 calculates the high temperature from the temperature value group corresponding to the human area even if there is one or more high temperature object areas and one or more low temperature object areas in the human area.
  • the value group and the low temperature value group can be excluded.
  • the human surface temperature calculation system 200 is able to calculate the surface temperature of a person, such as a high-temperature object or a low-temperature object that exists within the human area, even when a plurality of high-temperature and low-temperature heat sources exist in a thermal image. Since it is less susceptible to the influence of other heat sources, it is possible to calculate a person's surface temperature with high accuracy.
  • the human surface temperature calculation system 200 includes the infrared sensor 10 , the acquisition unit 121 that acquires temperature distribution data indicating the temperature distribution in the target space acquired by the infrared sensor 10 , and the temperature distribution data acquired by the acquisition unit 121 .
  • a thermal image generation unit 122 that generates a thermal image of the target space based on temperature distribution data
  • an extraction unit 123 that uses a machine learning model 132 to extract a human region representing a person appearing in the thermal image
  • the calculation unit 124 extracts a temperature value group from the temperature distribution data and calculates a person's surface temperature based on the extracted temperature value group.
  • Such a human surface temperature calculation system 200 can accurately calculate the surface temperature of a person existing in the target space.
  • the calculation unit 124 calculates The temperature value group is a high temperature value group corresponding to a high temperature object region indicating a high temperature object different from a person, and the surface temperature of the person is calculated based on the remaining temperature value group after removing the high temperature value group from the temperature value group. .
  • Such a human surface temperature calculation system 200 can exclude the high temperature value group from the temperature value group even if a person and a high temperature heat source other than the person (so-called high temperature object) are overlapped in the thermal image. . Therefore, in calculating the human surface temperature, the human surface temperature calculation system 200 is less susceptible to the influence of heat sources other than the human, such as high-temperature objects existing in the human area, and calculates the human surface temperature with higher accuracy. be able to.
  • the calculation unit 124 calculates a pixel in which the maximum value and the next largest temperature value exceeds the first temperature value, and which shows the maximum value in the thermal image and the pixel which shows the next largest temperature value after the maximum value. and are located a predetermined distance apart, the high temperature value group further includes a temperature value group equal to or higher than the temperature value obtained by subtracting the first value from the next largest temperature value after the maximum value.
  • Such a human surface temperature calculation system 200 can remove the high temperature value group from the temperature value group even if a person and multiple (for example, two) high temperature heat sources are overlapped in the thermal image. , in calculating the surface temperature of a person, it becomes less susceptible to the influence of these heat sources, so the surface temperature of the person can be calculated with high accuracy.
  • the calculation unit 124 calculates The temperature value group is a low temperature value group corresponding to a low temperature object region indicating a low temperature object different from a person, and the surface temperature of the person is calculated based on the remaining temperature value group after removing the low temperature value group from the temperature value group. .
  • Such a human surface temperature calculation system 200 can exclude the low-temperature value group from the temperature value group even if a person and a low-temperature heat source other than the human (so-called low-temperature object) are overlapped in the thermal image. Therefore, when calculating the surface temperature of a person, it becomes less susceptible to the influence of heat sources other than the person, such as low-temperature objects existing in the human area, so that the surface temperature of the person can be calculated with higher accuracy.
  • the calculation unit 124 calculates a pixel in which the minimum value and the next smallest temperature value after the minimum value is lower than the second temperature value, and the pixel showing the minimum value and the pixel showing the next smallest temperature value in the thermal image. and are located a predetermined distance apart, the low temperature value group further includes a temperature value group that is equal to or lower than the temperature value obtained by adding a second value (for example, 20° C.) to the next smallest temperature value after the minimum value.
  • a second value for example, 20° C.
  • Such a human surface temperature calculation system 200 can remove the low temperature value group from the temperature value group even if a person and multiple (for example, two) low temperature heat sources overlap in the thermal image. , in calculating the surface temperature of a person, it becomes less susceptible to the influence of these heat sources, so the surface temperature of the person can be calculated with high accuracy.
  • the human surface temperature calculation method executed by a computer such as the human surface temperature calculation system 200 includes an acquisition step of acquiring temperature distribution data indicating the temperature distribution of the target space, and a method based on the temperature distribution data acquired in the acquisition step.
  • a thermal image generation step that generates a thermal image of the target space using a machine learning model
  • an extraction step that uses a machine learning model to extract a human region representing a person appearing in the thermal image
  • a temperature value group corresponding to the human region from temperature distribution data a calculating step of calculating the surface temperature of the person based on the extracted temperature value group.
  • Such a human surface temperature calculation method can accurately calculate the surface temperature of a person existing in the target space.
  • an example in which two high-temperature object regions exist is shown as an example in which a plurality of high-temperature object regions exist in a human region, but the present invention is not limited to this example.
  • an example in which two low-temperature object regions exist is shown as an example in which a plurality of low-temperature object regions exist in a human region, but the present invention is not limited to this example.
  • the human surface temperature calculation system is realized by a plurality of devices, but it may be realized as a single device.
  • the human surface temperature calculation system may be realized as a single device corresponding to a server device.
  • each component included in the human surface temperature calculation system may be distributed to the plurality of devices in any manner.
  • the processing executed by a specific processing unit may be executed by another processing unit. Further, the order of the plurality of processes may be changed, or the plurality of processes may be executed in parallel.
  • each component may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • each component may be realized by hardware.
  • each component may be a circuit (or integrated circuit). These circuits may constitute one circuit as a whole, or may be separate circuits. Further, each of these circuits may be a general-purpose circuit or a dedicated circuit.
  • the general or specific aspects of the present invention may be implemented in a system, device, method, integrated circuit, computer program, or computer-readable recording medium such as a CD-ROM.
  • the present invention may be realized by any combination of a system, an apparatus, a method, an integrated circuit, a computer program, and a recording medium.
  • the present invention may be realized as a human surface temperature calculation method executed by a computer such as a human surface temperature calculation system.
  • the present invention may be realized as a program for causing a computer to execute a human surface temperature calculation method, or may be realized as a computer-readable non-temporary recording medium in which such a program is stored. Good too.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Radiation Pyrometers (AREA)

Abstract

人表面温度算出システム（２００）は、赤外線センサ（１０）と、赤外線センサ（１０）により取得された対象領域の温度分布を示す温度分布データを取得する取得部（１２１）と、取得部（１２１）により取得された温度分布データに基づいて対象領域の熱画像を生成する熱画像生成部（１２２）と、機械学習モデル（１３２）を用いて熱画像に映る人を示す人領域を抽出する抽出部（１２３）と、人領域に対応する温度値群を温度分布データから抽出し、抽出された温度値群に基づいて人の表面温度を算出する算出部（１２４）と、を備える。

Description

人表面温度算出システム、人表面温度算出方法、及び、プログラム
　本発明は、人表面温度算出システム、人表面温度算出方法、及び、プログラムに関する。
　対象空間の温度分布を示す熱画像に映る対象者の被服部分の温度と、被覆に関する被覆情報と、に基づいて被服部分の着衣量を推定し、ユーザの体感温度を推定する方法が知られている（例えば、特許文献１参照）。
国際公開第２０２０／０８４７７７号
　本発明は、対象空間に存在する人の表面温度を精度良く算出することができる、人表面温度算出システム、人表面温度算出方法、及び、プログラムを提供する。
　本発明の一態様に係る人表面温度算出システムは、赤外線センサと、前記赤外線センサにより取得された対象空間の温度分布を示す温度分布データを取得する取得部と、前記取得部により取得された前記温度分布データに基づいて前記対象空間の熱画像を生成する熱画像生成部と、機械学習モデルを用いて前記熱画像に映る人を示す人領域を抽出する抽出部と、前記人領域に対応する温度値群を前記温度分布データから抽出し、抽出された前記温度値群に基づいて前記人の表面温度を算出する算出部と、を備える。
　本発明の一態様に係る人表面温度算出方法は、対象空間の温度分布を示す温度分布データを取得する取得ステップと、前記取得ステップで取得された前記温度分布データに基づいて前記対象空間の熱画像を生成する熱画像生成ステップと、機械学習モデルを用いて前記熱画像に映る人を示す人領域を抽出する抽出ステップと、前記人領域に対応する温度値群を前記温度分布データから抽出し、抽出された前記温度値群に基づいて前記人の表面温度を算出する算出ステップと、を含む。
　本発明の一態様に係るプログラムは、前記人表面温度算出方法をコンピュータに実行させるためのプログラムである。
　本発明の人表面温度算出システム、人表面温度算出方法、及び、プログラムは、対象空間に存在する人の表面温度を精度良く算出することができる。
図１は、実施の形態に係る人表面温度算出システムの機能構成を示すブロック図である。 図２は、実施の形態に係る人表面温度算出システムの動作例を示すフローチャートである。 図３は、図２に示されるフローを模式的に示す図である。 図４は、熱画像の一例を示す図である。 図５は、図２のステップＳ０５の詳細なフローの第１例を示すフローチャートである。 図６は、図２のステップＳ０５の詳細なフローの第２例を示すフローチャートである。 図７は、熱画像の他の例を示す図である。 図８は、図２のステップＳ０５の詳細なフローの第３例を示すフローチャートである。 図９は、図２のステップＳ０５の詳細なフローの第４例を示すフローチャートである。
　以下、実施の形態について、図面を参照しながら説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　なお、各図は模式図であり、必ずしも厳密に図示されたものではない。また、各図において、実質的に同一の構成に対しては同一の符号を付し、重複する説明は省略または簡略化される場合がある。
　（実施の形態）
　［構成］
　まず、実施の形態に係る人表面温度算出システムの構成について説明する。図１は、実施の形態に係る人表面温度算出システムの機能構成を示すブロック図である。
　人表面温度算出システム２００は、赤外線センサ１０から取得した対象空間の温度分布データに基づいて熱画像を生成し、機械学習モデルを用いて熱画像に映る人を示す人領域を抽出し、人領域に対応する温度値群に基づいて人の表面温度を算出するシステムである。対象空間は、例えば、オフィス空間であるが、商業施設内の空間、又は、住宅内の空間などのその他の施設内の室内空間であってもよい。図１に示されるように、人表面温度算出システム２００は、赤外線センサ１０と、サーバ装置１００とを備える。なお、人表面温度算出システム２００は、赤外線センサ１０を複数備えてもよい。
　［赤外線センサ］
　赤外線センサ１０は、例えば、対象空間の天井などに設置され、対象空間を上方から見たときの温度分布を示す温度分布データを取得する。なお、赤外線センサ１０は、取得した温度分布データに基づいて熱画像を生成してもよい。赤外線センサ１０は、例えば、Ｍ×Ｌ個の赤外線検出素子のアレイによって構成される赤外線アレイセンサ（熱画像センサ）であってもよい。言い換えれば、赤外線センサ１０によって取得される温度分布データは、Ｍ行×Ｌ列（Ｍ、Ｎ：２以上の整数）の温度値のマトリックスであり、温度分布データに基づいて生成される熱画像は、Ｍ×Ｌ個の画素を有する。熱画像は、赤外線センサ１０のセンシング範囲における温度分布をＭ×Ｌの分解能で示す。
　例えば、赤外線センサ１０は、対象空間の天井に設置された照明装置が有する給電端子に着脱自在に接続されてもよい。この場合、赤外線センサ１０は、照明装置から給電を受けて動作する。給電端子は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）端子である。また、赤外線センサ１０は、照明装置を介さずに対象空間の天井に直接固定されていてもよい。また、赤外線センサ１０は、壁などに固定されることにより、対象空間を側方から見たときの温度分布を示す熱画像を生成してもよい。
　［サーバ装置］
　サーバ装置１００は、赤外線センサ１０から取得した温度分布データに基づいて熱画像を生成し、機械学習モデルを用いて熱画像に映る人を示す人領域を抽出し、人領域に対応する温度値群を温度分布データから抽出し、温度値群に基づいて人の表面温度を算出する。サーバ装置１００は、対象空間を構成する施設（建物）に設けられたエッジコンピュータであるが、当該施設外に設けられたクラウドコンピュータであってもよい。サーバ装置１００は、例えば、通信部１１０と、情報処理部１２０と、記憶部１３０と、学習部１４０とを備える。
　通信部１１０は、サーバ装置１００が赤外線センサ１０と通信するための通信モジュール（通信回路）である。通信部１１０は、例えば、赤外線センサ１０から対象空間の温度分布データを受信する。通信部１１０によって行われる通信は、無線通信であってもよいし、有線通信であってもよい。通信に用いられる通信規格についても特に限定されない。
　情報処理部１２０は、通信部１１０によって受信された温度分布データを取得し、取得した温度分布データに基づいて熱画像を作成し、作成した熱画像から人領域を抽出し、抽出した人領域に対応する温度値群に基づいて人の表面温度を算出するための情報処理を行う。情報処理部１２０は、具体的には、プロセッサ又はマイクロコンピュータによって実現される。情報処理部１２０は、具体的には、通信部１１０によって受信された対象空間の温度分布データを取得する取得部１２１と、取得された温度分布データに基づいて対象領域の熱画像を生成する熱画像生成部１２２と、機械学習モデル１３２を用いて熱画像に映る人を示す人領域を抽出する抽出部１２３と、人領域に対応する温度値群を温度分布データから抽出し、抽出された温度値群に基づいて人の表面温度を算出する算出部１２４とを備える。取得部１２１、熱画像生成部１２２、抽出部１２３、及び、算出部１２４の機能は、情報処理部１２０を構成するプロセッサ又はマイクロコンピュータが記憶部１３０に記憶されたコンピュータプログラムを実行することによって実現される。取得部１２１、熱画像生成部１２２、抽出部１２３、及び、算出部１２４の機能の詳細については後述される。
　記憶部１３０は、通信部１１０によって受信された温度分布データ、及び、情報処理部１２０が実行するコンピュータプログラムなどが記憶される記憶装置である。記憶部１３０には、データベース１３１及び機械学習モデル１３２なども記憶される。記憶部１３０には、機械学習モデル１３２の学習に使用される教師データ（不図示）が記憶されてもよい。記憶部１３０は、具体的には、半導体メモリまたはＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）などによって実現される。
　データベース１３１には、例えば、温度分布データ、人領域に対応する温度値群、高温物体領域に対応する高温温度値群、低温物体領域に対応する低温温度値群などが格納されている。
　機械学習モデル１３２は、熱画像を入力として熱画像に映る人を示す人領域を出力する。人領域は、例えば、熱画像に映る人の輪郭で囲まれた領域である。機械学習モデル１３２は、畳み込み層を有するものであればよく、例えば、畳み込みニューラルネットワーク（ＣＮＮ）であってもよいが、これに限定されない。また、機械学習モデル１３２は、２つ以上のモデルから構成されてもよい。例えば、機械学習モデル１３２は、熱画像を入力として超解像画像を出力する第一機械学習モデルと、第一機械学習モデルから出力された超解像画像を入力として人領域を出力する第二機械学習モデルとを含んでもよい。第一機械学習モデルは、例えば、ＳＲＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ　Ａｄｖｅｒｓａｒｉａｌ　Ｎｅｔｗｏｒｋ　ｆｏｒ　Ｓｕｐｅｒ－Ｒｅｓｏｌｕｒｉｏｎ）又はＳＲＣＮＮ（Ｓｕｐｅｒ－Ｒｅｓｏｌｕｔｉｏｎ　Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）であってもよい。第二機械学習モデルは、例えば、Ｒ－ＣＮＮ（Ｒｅｇｉｏｎ－Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）、ＹＯＬＯ（Ｙｏｕ　Ｏｎｌｙ　Ｌｏｏｋ　ａｔ　Ｏｎｃｅ）、又は、ＳＳＤ（Ｓｉｎｇｌｅ　Ｓｈｏｔ　Ｍｕｌｔｉｂｏｘ　Ｄｅｔｅｃｔｏｒ）であってもよい。なお、上記のモデルは、あくまでも例示であり、これらのモデルに限定されない。また、第一機械学習モデルと第二機械学習モデルとは、上記のように異なる種類の機械学習モデルが採用されてもよいが、同じ種類の機械学習モデルが採用されてもよい。
　教師データは、入力データとして対象空間の温度分布を示す熱画像と、出力データとして熱画像に映る人を示す人領域とを有する。具体的には、教師データは、入力データとして熱画像と、出力データとして人領域との組を含むデータセットであってもよいし、複数のデータセット（例えば、第一教師データ及び第二教師データ）を含んでもよい。例えば、第一教師データは、第一機械学習モデルの学習に使用される教師データであり、例えば、入力データとして熱画像と、出力データとして当該熱画像を超解像度化した超解像度熱画像との組を含むデータセットである。また、例えば、第二教師データは、第二機械学習モデルの学習に使用される教師データであり、入力データとして超解像度熱画像と、出力データとして人領域との組を含むデータセットである。なお、機械学習モデル１３２は、ＡＩ（Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ）モデルであってもよい。
　学習部１４０は、教師データを用いて機械学習する。学習部１４０は、機械学習により、対象空間の温度分布を示す熱画像を入力とし、熱画像に映る人を示す人領域を出力する機械学習モデルを生成する。学習部１４０は、学習済みの機械学習モデルを記憶部１３０に格納することで、機械学習モデル１３２を更新する。学習部１４０は、例えば、プロセッサが記憶部１３０に格納されているプログラムを実行することで実現される。
　なお、図１では、サーバ装置１００の学習部１４０が学習済みの機械学習モデルを生成し、生成された学習済みの機械学習モデルを記憶部１３０に格納することで機械学習モデル１３２の更新を行う例を説明したが、この例に限られない。例えば、建物外に設けられたクラウドサーバで学習済みの機械学習モデルが生成され、クラウドサーバが学習済みの機械学習モデルをサーバ装置１００へ送信して機械学習モデル１３２を更新してもよい。
　［動作例］
　次に、人表面温度算出システム２００の動作について説明する。図２は、人表面温度算出システム２００の動作例を示すフローチャートである。図３は、図２に示されるフローを模式的に示す図である。
　サーバ装置１００の通信部１１０は、赤外線センサ１０から温度分布データを受信する（不図示）。このとき、情報処理部１２０は、受信された温度分布データを記憶部１３０に記憶する（不図示）。
　次に、取得部１２１は、通信部１１０によって受信され、かつ、記憶部１３０に記憶された温度分布データを取得し（Ｓ０１）、熱画像生成部１２２へ出力する。熱画像生成部１２２は、取得された温度分布データに基づいて対象空間の熱画像を生成する（Ｓ０２）。例えば、図３の（ａ）に示されるように、ステップＳ０１で取得される温度分布データは、温度値（温度物理量ともいう）のマトリックスである。また、図３の（ｂ）に示されるように、ステップＳ０２で生成される熱画像は、例えば、２０℃から４０℃までの温度範囲を０～２５５諧調に変換した８ｂｉｔ画像である。
　次に、抽出部１２３は、機械学習モデル１３２を用いて熱画像における人を示す人領域を抽出する（Ｓ０３）。より具体的には、図３の（ｂ）及び（ｃ）に示されるように、抽出部１２３は、機械学習モデル１３２を用いて熱画像に対するセグメンテーションと、セグメンテーションした熱画像に映る人を示す領域を人のクラスに分類する分類処理とを行う。これにより、抽出部１２３は、熱画像に映る人を検出し、検出された人を示す領域（人の輪郭囲まれた領域）を抽出することができる。セグメンテーションは、セマンティック・セグメンテーションであってもよいし、インスタンス・セグメンテーションであってもよい。なお、抽出部１２３は、熱画像を高解像度化してもよいし、高解像度化しなくてもよい。例えば、抽出部１２３は、第一機械学習モデルを用いて熱画像を超解像度化してもよいし、隣接画素の画素値の平均値を求めることで、隣接画素間に当該平均値に相当する画素値を有する新たな画素を挿入する方法により熱画像を高解像度化してもよい。抽出部１２３は、機械学習モデル１３２を用いて熱画像に対して人検出処理を行うことで、熱画像に映る人を検出し、検出された人の輪郭で囲まれた領域（いわゆる、人領域）を抽出する。
　次に、算出部１２４は、人領域に対応する温度値群を温度分布データから抽出し（Ｓ０４）、抽出された温度値群に基づいて人の表面温度を算出する（Ｓ０５）。より具体的には、図３の（ｄ）及び（ｅ）に示されるように、算出部１２４は、熱画像における人領域内の画素に対応する温度値を温度分布データのマトリックスから抽出し、抽出した温度値群の平均値又は中央値を算出することにより、人の表面温度を算出してもよい。
　次に、算出部１２４は、算出結果を出力する（不図示）。具体的には、算出部１２４は、対象空間に存在する人の表面温度を算出結果として出力する。算出部１２４は、人の表面温度に加えて、当該人の座標を示す情報を算出結果として出力してもよい。なお、算出結果は、記憶部１３０に記憶される。
　以上説明したように、人表面温度算出システム２００は、対象空間に存在する人を検出し、検出された人の表面温度を算出して、算出結果を出力することができる。
　出力された算出結果は、例えば、空気調和機などの機器を制御する制御装置（図示せず）に提供されてもよい。これにより、制御装置は、対象空間に存在する人の表面温度に基づいて機器を制御することができる。
　［算出ステップの具体例］
　上記の動作例では、算出ステップ（図２のＳ０５）では、熱画像に映る人を検出して、検出された人を示す人領域を抽出し、抽出された人領域に対応する温度値群に基づいて人の表面温度を算出する例を説明した。以下では、熱画像に人と熱源とが重なって映る場合の人表面温度算出方法について具体的に説明する。
　［第１例］
　第１例では、熱画像に人と１つの熱源とが重なって映る場合の処理例について説明する。図４は、熱画像の一例を示す図である。図５は、図２のステップＳ０５の詳細なフローの第１例を示すフローチャートである。
　算出部１２４は、図２のステップＳ０４で抽出された人領域に対応する温度値群の最大値を検出し（Ｓ１１）、検出された最大値が第１温度値（例えば、５０℃）を上回るか否かを判定する（Ｓ１２）。なお、人領域に対応する温度値群は、熱画像において人領域を示す複数の画素のそれぞれの画素値に対応する温度値である。
　算出部１２４は、最大値が第１温度値を上回ると判定した場合（Ｓ１２でＹｅｓ）、最大値から第１の値（例えば、１０℃）を減算した温度値以上の温度値群を人とは異なる高温物体を示す高温物体領域に対応する高温温度値群として識別する（不図示）。高温物体は、例えば、ホットコーヒーなどの温かい飲み物、食べ物、カイロなどである。次に、算出部１２４は、人領域に対応する温度値群から高温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する（Ｓ１３）。より具体的には、算出部１２４は、人領域に対応する温度値群から高温温度値群を除いた残りの温度値群の平均値又は中央値を算出することにより、人の表面温度を算出してもよい。
　一方、算出部１２４は、最大値が第１温度値を上回らないと判定した場合（Ｓ１２でＮｏ）、人領域に対応する温度値群に基づいて人の表面温度を算出する（Ｓ１４）。このとき、算出される人の表面温度は、温度値群の平均値又は中央値であってもよい。
　以上説明したように、人表面温度算出システム２００は、人領域内に高温物体領域が存在する場合（つまり、熱画像に人と高温物体とが重なって映る場合）、人領域に対応する温度値群から高温物体領域に対応する高温温度値群を除くことができる。これにより、人表面温度算出システム２００は、人の表面温度の算出において、人領域内に存在する高温物体などの、人以外の熱源の影響を受けにくくなるため、より精度良く人の表面温度を算出することができる。
　［第２例］
　第２例では、熱画像に人と低温の熱源とが重なって映る場合の処理例について説明する。図６は、図２のステップＳ０５の詳細なフローの第２例を示すフローチャートである。
　算出部１２４は、図２のステップＳ０４で抽出された人領域に対応する温度値群の最小値を検出し（Ｓ２１）、検出された最小値が第２温度値（例えば、１０℃）を下回るか否かを判定する（Ｓ２２）。
　算出部１２４は、最小値が第２温度値を下回ると判定した場合（Ｓ２２でＹｅｓ）、最小値に第２の値（例えば、２０℃）を加算した温度値以下の温度値群を人とは異なる低温物体を示す低温物体領域に対応する低温温度値群として識別する（不図示）。低温物体は、例えば、アイスコーヒーなどの冷たい飲み物、アイスクリームなどの冷たい食べ物、保冷剤などである。次に、算出部１２４は、人領域に対応する温度値群から低温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する（Ｓ２３）。より具体的には、算出部１２４は、人領域に対応する温度値群から低温温度値群を除いた残りの温度値群の平均値又は中央値を算出することにより、人の表面温度を算出してもよい。
　一方、算出部１２４は、最小値が第２温度値を下回らないと判定した場合（Ｓ２２でＮｏ）、人領域に対応する温度値群に基づいて人の表面温度を算出する（Ｓ２４）。このとき、算出される人の表面温度は、温度値群の平均値又は中央値であってもよい。
　以上説明したように、人表面温度算出システム２００は、人領域内に低温物体領域が存在する場合（つまり、熱画像に人と低温物体とが重なって映る場合）、人領域に対応する温度値群から低温物体領域に対応する低温温度値群を除くことができる。これにより、人表面温度算出システム２００は、人の表面温度の算出において、人領域内に存在する低温物体などの、人以外の熱源の影響を受けにくくなるため、より精度良く人の表面温度を算出することができる。
　なお、算出処理の第１例及び第２例は、並行して実行されてもよい。図７は、熱画像の他の例を示す図である。図７では、熱画像に人と高温の熱源と低温の熱源とが重なって映る例を示している。
　例えば、算出部１２４は、人領域に対応する温度値群のうち最大値及び最小値を検出し、最大値が第１温度値を上回るか否か、及び、最小値が第２温度値を下回るか否かを判定する。
　次に、算出部１２４は、最大値が第１温度値を上回り、かつ、最小値が第２温度値を下回る場合、人領域に対応する温度値群から高温温度値群及び低温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する。
　なお、算出部１２４は、最大値が第１温度値を上回り、かつ、最小値が第２温度値を下回らない場合、人領域に対応する温度値群から高温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する。
　なお、算出部１２４は、最大値が第１温度値を上回らず、かつ、最小値が第２温度値を下回る場合、人領域に対応する温度値群から低温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する。
　以上説明したように、人表面温度算出システム２００は、人領域内に高温物体領域及び低温物体領域が存在する場合（つまり、熱画像に人と高温物体と低温物体とが重なって映る場合）、人領域に対応する温度値群から高温温度値群及び低温温度値群を除くことができる。これにより、人表面温度算出システム２００は、人の表面温度の算出において、人領域内に存在する高温物体又は低温物体などの、人以外の熱源の影響を受けにくくなるため、より精度良く人の表面温度を算出することができる。
　［第３例］
　第１例では、熱画像に人と１つの高温の熱源とが重なって映る場合の処理例について説明した。第３例では、人と複数の（例えば、２つの）高温の熱源とが重なって映る場合の処理例について説明する。図８は、図２のステップＳ０５の詳細なフローの第３例を示すフローチャートである。
　算出部１２４は、図２のステップＳ０４で抽出された人領域に対応する温度値群の最大値及び最大値の次に大きい温度値を検出する（Ｓ３１）。算出部１２４は、最大値が第１温度値（例えば、５０℃）を上回るか否かを判定し（Ｓ３２）、最大値が第１温度値を上回らないと判定した場合（Ｓ３２でＮｏ）、人領域に対応する温度値群に基づいて人の表面温度を算出する（Ｓ３３）。一方、算出部１２４は、最大値が第１温度値を上回ると判定した場合（Ｓ３２でＹｅｓ）、最大値の次に大きい温度値が第１温度値を上回るか否かを判定する（Ｓ３４）。
　算出部１２４は、最大値の次に大きい温度値が第１温度値を上回らないと判定した場合（Ｓ３４でＮｏ）、最大値から第１の値（例えば、１０℃）を減算した温度値以上の温度値群を高温温度値群として識別し（不図示）、温度値群から高温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する（Ｓ３６）。一方、算出部１２４は、最大値の次に大きい温度値が第１温度値を上回ると判定した場合（Ｓ３４でＹｅｓ）、熱画像において最大値を示す画素と、最大値の次に大きい温度値を示す画素とが所定距離離れて位置するか否かを判定する（Ｓ３５）。なお、所定距離は、例えば、熱画像の横方向画素数の１０％以上、及び／又は、熱画像の縦方向の画素数の１０％以上であってもよい。例えば、図７を参照して所定距離について具体的に説明する。上記の所定距離は、赤外線センサと熱源との距離に応じて変わるため、熱画像上の高温の熱源（例えば、温かい飲み物など）、及び、低温の熱源（例えば、冷たい缶飲料など）のそれぞれのサイズ（例えば、幅方向であれば幅、及び、縦方向であれば高さなど）を超えた距離であればよい。
　算出部１２４は、熱画像において最大値を示す画素と最大値の次に大きい温度値を示す画素とが所定距離離れて位置しない（言い換えると、所定距離離れていない）と判定すると（Ｓ３５でＮｏ）、最大値から第１の値（例えば、１０℃）を減算した温度値以上の温度値群を高温温度値群として識別し（不図示）、温度値群から高温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する（Ｓ３６）。一方、算出部１２４は、画像において最大値を示す画素と最大値の次に大きい温度値を示す画素とが所定距離離れて位置する（言い換えると、所定距離離れている）と判定すると（Ｓ３５でＹｅｓ）、最大値から第１の値（例えば、１０℃）を減算した温度値以上の温度値群を高温温度値群１として識別し（不図示）、さらに、最大値の次に大きい温度値から第１の値を減算した温度値以上の温度値群を高温温度値群２として識別し（不図示）、温度値群から高温温度値群１及び高温温度値群２を除いた残りの温度値群に基づいて人の表面温度を算出する（Ｓ３７）。
　以上説明したように、人表面温度算出システム２００は、人領域内に複数の（ここでは、２つの）高温物体領域が存在する場合（つまり、熱画像に複数の高温物体が重なって映る場合）、複数の高温物体領域それぞれの高温温度値群を識別し、人領域に対応する温度値群からこれらの複数の高温温度値群を除くことができる。これにより、人表面温度算出システム２００は、熱画像において人と異なる複数の熱源が存在する場合でも、人の表面温度の算出において、それらの熱源の影響を受けにくくなるため、精度良く人の表面温度を算出することができる。
　［第４例］
　第２例では、熱画像に人と１つの低温の熱源とが重なって映る場合の処理例について説明した。第４例では、人と複数の（例えば、２つの）低温の熱源とが重なって映る場合の処理例について説明する。図９は、図２のステップＳ０５の詳細なフローの第４例を示すフローチャートである。
　算出部１２４は、図２のステップＳ０４で抽出された人領域に対応する温度値群の最小値及び最小値の次に小さい温度値を検出する（Ｓ４１）。算出部１２４は、最小値が第２温度値（例えば、１０℃）を下回るか否かを判定し（Ｓ４２）、最小値が第２温度値を下回らないと判定した場合（Ｓ４２でＮｏ）、人領域に対応する温度値群に基づいて人の表面温度を算出する（Ｓ４３）。一方、算出部１２４は、最小値が第２温度値を下回ると判定した場合（Ｓ４２でＹｅｓ）、最小値の次に小さい温度値が第２温度値を下回るか否かを判定する（Ｓ４４）。
　算出部１２４は、最小値の次に小さい温度値が第２温度値を下回らないと判定した場合（Ｓ４４でＮｏ）、最小値に第２の値（例えば、２０℃）を加算した温度値以下の温度値群を低温温度値群として識別し（不図示）、温度値群から低温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する（Ｓ４６）。一方、算出部１２４は、最小値の次に小さい温度値が第２温度値を下回ると判定した場合（Ｓ４４でＹｅｓ）、熱画像において最小値を示す画素と、最小値の次に小さい温度値を示す画素とが所定距離離れて位置するか否かを判定する（Ｓ４５）。なお、所定距離については、上述したため、ここでの説明を省略する。
　算出部１２４は、熱画像において最小値を示す画素と最小値の次に小さい温度値を示す画素とが所定距離離れて位置しない（言い換えると、所定距離離れていない）と判定すると（Ｓ４５でＮｏ）、最小値に第２の値（例えば、２０℃）を加算した温度値以下の温度値群を低温温度値群として識別し（不図示）、温度値群から低温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する（Ｓ４６）。一方、算出部１２４は、画像において最小値を示す画素と最小値の次に小さい温度値を示す画素とが所定距離離れて位置する（言い換えると、所定距離離れている）と判定すると（Ｓ４５でＹｅｓ）、最小値に第２の値（例えば、２０℃）を加算した温度値以下の温度値群を低温温度値群１として識別し（不図示）、さらに、最小値の次に小さい温度値に第２の値を加算した温度値以下の温度値群を低温温度値群２として識別し（不図示）、温度値群から低温温度値群１及び低温温度値群２を除いた残りの温度値群に基づいて人の表面温度を算出する（Ｓ４７）。
　以上説明したように、人表面温度算出システム２００は、人領域内に複数の（ここでは、２つの）低温物体領域が存在する場合（つまり、熱画像に複数の低温物体が重なって映る場合）、複数の低温物体領域それぞれの低温温度値群を識別し、人領域に対応する温度値群からこれらの複数の低温温度値群を除くことができる。これにより、人表面温度算出システム２００は、熱画像において人と異なる複数の熱源が存在する場合でも、人の表面温度の算出において、それらの熱源の影響を受けにくくなるため、精度良く人の表面温度を算出することができる。
　なお、算出処理の第３例及び第４例は、並行して実行されてもよい。
　例えば、算出部１２４は、人領域に対応する温度値群のうち最大値、最大値の次に大きい温度値、最小値、及び最小値の次に小さい温度値を検出する。次に、算出部１２４は、最大値及び最大値の次に大きい温度値のそれぞれが第１温度値を上回るか否か、並びに、最小値及び最小値の次に小さい温度値のそれぞれが第２温度値を下回るか否かを判定する。
　算出部１２４は、判定結果に基づいて、図８及び図９に示されるフローに従って、人の表面温度を算出する。
　以上説明したように、人表面温度算出システム２００は、人領域内に１つ以上の高温物体領域及び１つ以上の低温物体領域が存在しても、人領域に対応する温度値群から高温温度値群及び低温温度値群を除くことができる。これにより、人表面温度算出システム２００は、熱画像において複数の高温及び低温の熱源が存在する場合でも、人の表面温度の算出において、人領域内に存在する高温物体又は低温物体などの、人以外の熱源の影響を受けにくくなるため、精度良く人の表面温度を算出することができる。
　［効果等］
　以上説明したように、人表面温度算出システム２００は、赤外線センサ１０と、赤外線センサ１０により取得された対象空間の温度分布を示す温度分布データを取得する取得部１２１と、取得部１２１により取得された温度分布データに基づいて対象空間の熱画像を生成する熱画像生成部１２２と、機械学習モデル１３２を用いて熱画像に映る人を示す人領域を抽出する抽出部１２３と、人領域に対応する温度値群を温度分布データから抽出し、抽出された温度値群に基づいて人の表面温度を算出する算出部１２４と、を備える。
　このような人表面温度算出システム２００は、対象空間に存在する人の表面温度を精度良く算出することができる。
　また、例えば、算出部１２４は、温度値群の最大値が第１温度値（例えば、５０℃）を上回る場合、最大値から第１の値（例えば、１０℃）を減算した温度値以上の温度値群を人とは異なる高温物体を示す高温物体領域に対応する高温温度値群とし、温度値群から高温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する。
　このような人表面温度算出システム２００は、熱画像に人と人以外の高温の熱源（いわゆる、高温物体）とが重なって映っていても、温度値群から高温温度値群を除くことができる。そのため、人表面温度算出システム２００は、人の表面温度の算出において、人領域内に存在する高温物体などの、人以外の熱源の影響を受けにくくなり、人の表面温度をより精度良く算出することができる。
　また、例えば、算出部１２４は、最大値及び最大値の次に大きい温度値が第１温度値を上回り、かつ、熱画像において最大値を示す画素と最大値の次に大きい温度値を示す画素とが所定距離離れて位置する場合、最大値の次に大きい温度値から第１の値を減算した温度値以上の温度値群を高温温度値群にさらに含む。
　このような人表面温度算出システム２００は、熱画像に人と複数の（例えば、２つの）高温の熱源とが重なって映っていても、温度値群から高温温度値群を除くことができるため、人の表面温度の算出において、それらの熱源の影響を受けにくくなるため、人の表面温度を精度良く算出することができる。
　また、例えば、算出部１２４は、温度値群の最小値が第２温度値（例えば、１０℃）を下回る場合、最小値に第２の値（例えば、２０℃）を加算した温度値以下の温度値群を人とは異なる低温物体を示す低温物体領域に対応する低温温度値群とし、温度値群から低温温度値群を除いた残りの温度値群に基づいて人の表面温度を算出する。
　このような人表面温度算出システム２００は、熱画像に人と人以外の低温の熱源（いわゆる、低温物体）とが重なって映っていても、温度値群から低温温度値群を除くことができるため、人の表面温度の算出において、人領域内に存在する低温物体などの、人以外の熱源の影響を受けにくくなるため、人の表面温度をより精度良く算出することができる。
　また、例えば、算出部１２４は、最小値及び最小値の次に小さい温度値が第２温度値を下回り、かつ、熱画像において最小値を示す画素と最小値の次に小さい温度値を示す画素とが所定距離離れて位置する場合、最小値の次に小さい温度値に第２の値（例えば、２０℃）を加算した温度値以下の温度値群を低温温度値群にさらに含む。
　このような人表面温度算出システム２００は、熱画像に人と複数の（例えば、２つの）低温の熱源とが重なって映っていても、温度値群から低温温度値群を除くことができるため、人の表面温度の算出において、それらの熱源の影響を受けにくくなるため、人の表面温度を精度良く算出することができる。
　また、人表面温度算出システム２００などのコンピュータによって実行される人表面温度算出方法は、対象空間の温度分布を示す温度分布データを取得する取得ステップと、取得ステップで取得された温度分布データに基づいて対象空間の熱画像を生成する熱画像生成ステップと、機械学習モデルを用いて熱画像に映る人を示す人領域を抽出する抽出ステップと、人領域に対応する温度値群を温度分布データから抽出し、抽出された温度値群に基づいて人の表面温度を算出する算出ステップと、を含む。
　このような人表面温度算出方法は、対象空間に存在する人の表面温度を精度良く算出することができる。
　（その他の実施の形態）
　以上、実施の形態に係る人表面温度算出システム、及び、人表面温度算出方法について説明したが、本発明は、上記実施の形態に限定されるものではない。
　例えば、上記実施の形態では、人領域内に複数の高温物体領域が存在する一例として、２つの高温物体領域が存在する例を示したが、この例に限られない。例えば、人領域内に存在する複数の高温物体領域は、３つ以上であってもよい。また、上記実施の形態では、人領域内に複数の低温物体領域が存在する一例として、２つの低温物体領域が存在する例を示したが、この例に限られない。例えば、人領域内に存在する複数の低温物体領域は、３つ以上であってもよい。なお、人領域内に１つ以上の高温物体領域と１つ以上の低温物体領域とが存在する場合も、上記実施の形態で例示した処理を適宜組み合わせることにより人の表面温度を算出してもよい。
　また、上記実施の形態では、人表面温度算出システムは、複数の装置によって実現されたが、単一の装置として実現されてもよい。例えば、人表面温度算出システムは、サーバ装置に相当する単一の装置として実現されてもよい。人表面温度算出システムが複数の装置によって実現される場合、人表面温度算出システムが備える各構成要素は、複数の装置にどのように振り分けられてもよい。
　また、上記実施の形態において、特定の処理部が実行する処理を別の処理部が実行してもよい。また、複数の処理の順序が変更されてもよいし、複数の処理が並行して実行されてもよい。
　また、上記実施の形態において、各構成要素は、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　また、各構成要素は、ハードウェアによって実現されてもよい。例えば、各構成要素は、回路（または集積回路）でもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路でもよい。また、これらの回路は、それぞれ、汎用的な回路でもよいし、専用の回路でもよい。
　また、本発明の全般的または具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよい。また、システム、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。例えば、本発明は、人表面温度算出システムなどのコンピュータによって実行される人表面温度算出方法として実現されてもよい。また、本発明は、人表面温度算出方法をコンピュータに実行させるためのプログラムとして実現されてもよいし、このようなプログラムが記憶された、コンピュータ読み取り可能な非一時的な記録媒体として実現されてもよい。
　その他、各実施の形態に対して当業者が思いつく各種変形を施して得られる形態、または、本発明の趣旨を逸脱しない範囲で各実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本発明に含まれる。
　１０　赤外線センサ
　１２１　取得部
　１２２　熱画像生成部
　１２３　抽出部
　１２４　算出部
　１３２　機械学習モデル
　２００　人表面温度算出システム

Claims (7)

  1. 　赤外線センサと、
    　前記赤外線センサにより取得された対象空間の温度分布を示す温度分布データを取得する取得部と、
    　前記取得部により取得された前記温度分布データに基づいて前記対象空間の熱画像を生成する熱画像生成部と、
    　機械学習モデルを用いて前記熱画像に映る人を示す人領域を抽出する抽出部と、
    　前記人領域に対応する温度値群を前記温度分布データから抽出し、抽出された前記温度値群に基づいて前記人の表面温度を算出する算出部と、
    　を備える、
    　人表面温度算出システム。
  2. 　前記算出部は、
    　前記温度値群の最大値が第１温度値を上回る場合、前記最大値から第１の値を減算した温度値以上の温度値群を前記人とは異なる高温物体を示す高温物体領域に対応する高温温度値群とし、
    　前記温度値群から前記高温温度値群を除いた残りの温度値群に基づいて前記人の表面温度を算出する、
    　請求項１に記載の人表面温度算出システム。
  3. 　前記算出部は、
    　前記最大値及び前記最大値の次に大きい温度値が前記第１温度値を上回り、かつ、前記熱画像において前記最大値を示す画素と前記最大値の次に大きい温度値を示す画素とが所定距離離れて位置する場合、前記最大値の次に大きい温度値から前記第１の値を減算した温度値以上の温度値群を前記高温温度値群にさらに含む、
    　請求項２に記載の人表面温度算出システム。
  4. 　前記算出部は、
    　前記温度値群の最小値が第２温度値を下回る場合、前記最小値に第２の値を加算した温度値以下の温度値群を前記人とは異なる低温物体を示す低温物体領域に対応する低温温度値群とし、
    　前記温度値群から前記低温温度値群を除いた残りの温度値群に基づいて前記人の表面温度を算出する、
    　請求項１～３のいずれか１項に記載の人表面温度算出システム。
  5. 　前記算出部は、
    　前記最小値及び前記最小値の次に小さい温度値が前記第２温度値を下回り、かつ、前記熱画像において前記最小値を示す画素と前記最小値の次に小さい温度値を示す画素とが所定距離離れて位置する場合、前記最小値の次に小さい温度値に前記第２の値を加算した温度値以下の温度値群を前記低温温度値群にさらに含む、
    　請求項４に記載の人表面温度算出システム。
  6. 　対象空間の温度分布を示す温度分布データを取得する取得ステップと、
    　前記取得ステップで取得された前記温度分布データに基づいて前記対象空間の熱画像を生成する熱画像生成ステップと、
    　機械学習モデルを用いて前記熱画像に映る人を示す人領域を抽出する抽出ステップと、
    　前記人領域に対応する温度値群を前記温度分布データから抽出し、抽出された前記温度値群に基づいて前記人の表面温度を算出する算出ステップと、
    　を含む、
    　人表面温度算出方法。
  7. 　請求項６に記載の人表面温度算出方法をコンピュータに実行させるための、
    　プログラム。
PCT/JP2023/003310 2022-03-28 2023-02-02 人表面温度算出システム、人表面温度算出方法、及び、プログラム WO2023188797A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2024511332A JPWO2023188797A1 (ja) 2022-03-28 2023-02-02

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022052127 2022-03-28
JP2022-052127 2022-03-28

Publications (1)

Publication Number Publication Date
WO2023188797A1 true WO2023188797A1 (ja) 2023-10-05

Family

ID=88200838

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/003310 WO2023188797A1 (ja) 2022-03-28 2023-02-02 人表面温度算出システム、人表面温度算出方法、及び、プログラム

Country Status (2)

Country Link
JP (1) JPWO2023188797A1 (ja)
WO (1) WO2023188797A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024122269A1 (ja) * 2022-12-09 2024-06-13 パナソニックＩｐマネジメント株式会社 人表面温度算出システム、人表面温度算出方法、及び、プログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013080413A (ja) * 2011-10-05 2013-05-02 Sony Corp 入力装置、入力認識方法
JP2016169942A (ja) * 2014-02-17 2016-09-23 パナソニック株式会社 空気調和機及び熱画像センサシステム
CN111854962A (zh) * 2020-06-08 2020-10-30 浙江大华技术股份有限公司 一种热成像的人体测温方法、装置、系统和电子设备
CN112067139A (zh) * 2020-09-10 2020-12-11 广东天波信息技术股份有限公司 热成像测温装置以及热成像测温方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013080413A (ja) * 2011-10-05 2013-05-02 Sony Corp 入力装置、入力認識方法
JP2016169942A (ja) * 2014-02-17 2016-09-23 パナソニック株式会社 空気調和機及び熱画像センサシステム
CN111854962A (zh) * 2020-06-08 2020-10-30 浙江大华技术股份有限公司 一种热成像的人体测温方法、装置、系统和电子设备
CN112067139A (zh) * 2020-09-10 2020-12-11 广东天波信息技术股份有限公司 热成像测温装置以及热成像测温方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024122269A1 (ja) * 2022-12-09 2024-06-13 パナソニックＩｐマネジメント株式会社 人表面温度算出システム、人表面温度算出方法、及び、プログラム

Also Published As

Publication number Publication date
JPWO2023188797A1 (ja) 2023-10-05

Similar Documents

Publication Publication Date Title
Zhang et al. Ergonomic posture recognition using 3D view-invariant features from single ordinary camera
US11747898B2 (en) Method and apparatus with gaze estimation
KR20220066366A (ko) 예측적 개인별 3차원 신체 모델
US20150142716A1 (en) Tracking player role using non-rigid formation priors
JP7452016B2 (ja) 学習データ生成プログラム、及び学習データ生成方法
US10713530B2 (en) Image processing apparatus, image processing method, and image processing program
US10152123B2 (en) Method and system for detecting objects of interest
JP6024658B2 (ja) 物体検出装置、物体検出方法及びプログラム
CA2913432A1 (en) System and method for identifying, analyzing, and reporting on players in a game from video
WO2023188797A1 (ja) 人表面温度算出システム、人表面温度算出方法、及び、プログラム
JP2021514512A (ja) 動作の識別および動作情報を用いた規範的な分析の生成
JP6500500B2 (ja) 画像判定装置、画像判定方法、及びプログラム
US11308348B2 (en) Methods and systems for processing image data
JP5180922B2 (ja) 画像検索システム及び画像検索方法
CN111426393A (zh) 温度修正方法、装置及系统
CN102110284A (zh) 信息处理设备及信息处理方法
Mousse et al. Percentage of human-occupied areas for fall detection from two views
JP2004078297A (ja) 情報処理装置、情報処理方法及び環境制御装置
US20160110909A1 (en) Method and apparatus for creating texture map and method of creating database
US10963736B2 (en) Object recognition apparatus, object recognition system, and object recognition method
US20200311401A1 (en) Analyzing apparatus, control method, and program
JP2020091535A (ja) 前処理装置、前処理方法及び前処理プログラム
JP7254262B2 (ja) 作業推定装置、作業推定方法、及び、作業推定プログラム
JP7396482B2 (ja) 判定プログラム、判定装置、および判定方法
JP6717769B2 (ja) 情報処理装置及びプログラム

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: 23778833

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024511332

Country of ref document: JP