JP6944402B2

JP6944402B2 - 在不在判定方法、プログラム、センサ処理システム、及びセンサシステム

Info

Publication number: JP6944402B2
Application number: JP2018042434A
Authority: JP
Inventors: 山岡　勝; 勝山岡; 田中　聡明; 聡明田中; 増田　健司; 健司増田; 高橋　敦; 敦高橋; 英彦市川
Original assignee: Panasonic Intellectual Property Corp of America
Current assignee: Panasonic Intellectual Property Corp of America
Priority date: 2018-03-08
Filing date: 2018-03-08
Publication date: 2021-10-06
Anticipated expiration: 2038-03-08
Also published as: CN110236556B; US20190277958A1; CN110236556A; JP2019158426A; US11313962B2

Description

本開示は、一般に、在不在判定方法、プログラム、センサ処理システム、及びセンサシステムに関し、特に、対象領域における人の存否を判定する在不在判定方法、プログラム、センサ処理システム、及びセンサシステムに関する。

従来、生体の心拍、呼吸、体動を非接触で測定する技術が提案されている。

例えば、特許文献１に記載の非接触活動量センサ（センサ処理システム）は、ドップラーセンサ（測定部）と、距離センサと、プロセッサとを備えている。プロセッサは、ドップラーセンサの検出信号の振幅及び周波数の一方又は双方と、距離センサの検出信号とに基づいて、各センサのセンシング範囲（空調空間）に含まれる対象の活動量を算出する。また、プロセッサは、ドップラーセンサの検出信号と距離センサの検出信号とに基づいて、利用者（人）が空調空間に滞在しているか不在であるかを判定する。

特開２０１７−４８４号公報

特許文献１の非接触活動量センサにおいて、プロセッサが、ドップラーセンサの検出信号の振幅及び周波数の一方又は双方に基づいて、利用者の存否を判定する場合、人が安静にしている状態を不在と誤判定する可能性があった。

本開示の目的は、在不在の判定精度の向上を図ることが可能な在不在判定方法、プログラム、センサ処理システム、及びセンサシステムを提供することにある。

本開示の一態様の在不在判定方法は、取得処理と、時系列分析処理と、判定処理と、設定処理と、を含む。前記取得処理では、測定部から測定データを取得する。前記測定部では、対象領域における人の存否に応じて値が変化する物理量を測定する。前記時系列分析処理では、所定のタイミングで取得された前記測定データを、前記所定のタイミングよりも前に取得された複数個の前記測定データで表す時系列分析の分析モデルを求める。前記判定処理では、前記分析モデルの係数に関する条件を含む判定条件に基づいて、前記所定のタイミングにおける人の存否を判定する。前記判定条件は、前記係数が所定のしきい値を超える、又は前記測定データの大きさが所定の判定値を超える、という条件を含む。前記物理量は、心拍によって発生する体動の大きさと、呼吸によって発生する体動の大きさとの少なくとも１つを含む。前記設定処理では、所定期間における前記測定データの大きさに応じて前記判定値を設定する。

本開示の一態様のプログラムは、コンピュータシステムに、取得処理と、時系列分析処理と、判定処理と、設定処理と、を実行させるためのプログラムである。前記取得処理では、測定部から測定データを取得する。前記測定部は、対象領域における人の存否に応じて値が変化する物理量であって、心拍によって発生する体動の大きさと、呼吸によって発生する体動の大きさとの少なくとも１つを含む物理量を測定する。前記時系列分析処理では、所定のタイミングで取得された前記測定データを、前記所定のタイミングよりも前に取得された複数個の前記測定データで表す時系列分析の分析モデルを求める。前記判定処理では、前記分析モデルの係数に関する条件を含む判定条件に基づいて、前記所定のタイミングにおける人の存否を判定する。前記判定条件は、前記係数が所定のしきい値を超える、又は前記測定データの大きさが所定の判定値を超える、という条件を含む。前記設定処理では、所定期間における前記測定データの大きさに応じて前記判定値を設定する。

本開示の一態様のセンサ処理システムは、取得部と、時系列分析部と、判定部と、設定部と、を備える。前記取得部は、測定部から測定データを取得する。前記測定部は、対象領域における人の存否に応じて値が変化する物理量を測定する。前記時系列分析部は、所定のタイミングで取得された前記測定データを、前記所定のタイミングよりも前に取得された複数個の前記測定データで表す時系列分析の分析モデルを求める。前記判定部は、前記分析モデルの係数に関する条件を含む判定条件に基づいて、前記所定のタイミングにおける人の存否を判定する。前記判定条件は、前記係数が所定のしきい値を超える、又は前記測定データの大きさが所定の判定値を超える、という条件を含む。前記物理量は、心拍によって発生する体動の大きさと、呼吸によって発生する体動の大きさとの少なくとも１つを含む。前記設定部は、所定期間における前記測定データの大きさに応じて前記判定値を設定する。

本開示の一態様のセンサシステムは、前記センサ処理システムと、前記測定部と、を備える。前記測定部は、前記対象領域における人の存否に応じて値が変化する前記物理量を測定する。前記取得部は、前記測定部から前記測定データを取得する。

本開示によれば、在不在の判定精度の向上を図ることが可能な在不在判定方法、プログラム、センサ処理システム、及びセンサシステムを提供することができる。

図１は、本開示の実施形態１に係るセンサシステムのブロック図である。図２は、本開示のセンサシステムが用いられる施設の説明図である。図３は、同上のセンサシステムのフローチャートである。図４は、同上のセンサシステムによる第１判定処理のフローチャートである。図５は、同上のセンサシステムによる第２判定処理のフローチャートである。図６は、同上のセンサシステムが求めた自己回帰モデルの１次係数の分布図である。図７は、同上のセンサシステムによる判定結果を示すタイムチャートである。

（実施形態１）
（１）概要
本実施形態に係るセンサ処理システム３及びセンサシステム１の概要について、図１及び図２を参照して説明する。

本実施形態に係るセンサシステム１は、例えば、対象領域における人の存否を検知するためのシステムである。ここにおいて、「対象領域」は、例えば、介護施設、サービス付き高齢者向け住宅、病院等の施設に設けられて、検知対象の「人」によって使用される個室内の領域である。対象領域が、介護施設又はサービス付き高齢者向け住宅の個室内の領域であれば、検知対象の「人」は個室に居住する被介護者である。また、対象領域が、病院の病室内の領域であれば、検知対象の「人」は、治療等のために病室に入院している患者である。センサシステム１が、介護施設、サービス付き高齢者向け住宅、病院等に設けられた個室内の領域（対象領域）において人の存否を検知する場合、検知対象の人（被介護者又は病人）が対象領域の外に出たことを確実に検知したいという要望がある。本実施形態のセンサ処理システム３及びセンサシステム１は、対象領域における人の在不在の判定精度の向上を図ることを目的としている。

センサシステム１は、測定部２と、センサ処理システム３とを備える。

測定部２は、対象領域１００（図２参照）における人の存否に応じて値が変化する物理量を測定する。本実施形態では、測定部２は、対象領域１００における人の存否に応じて値が変化する物理量を非接触で測定する。

センサ処理システム３は、取得部３１と、時系列分析部３０１と、判定部３０２とを備える。

取得部３１は測定部２から測定データを取得する。

時系列分析部３０１は、所定のタイミングで取得された測定データを、所定のタイミングよりも前に取得された複数個の測定データで表す時系列分析の分析モデルを求める。

判定部３０２は、分析モデルの係数に関する条件を含む判定条件に基づいて、所定のタイミングにおける人の存否を判定する。

このように、センサ処理システム３では、判定部３０２が、時系列分析部３０１によって求められた分析モデルの係数に関する判定条件に基づいて、所定のタイミングにおける人の存否を判定している。したがって、判定部３０２は、測定データの一時的な変動等の影響を受けにくくなり、判定部３０２による判定精度の向上を図ることができる。

（２）詳細
以下、実施形態１に係るセンサ処理システム３及びセンサシステム１について図面を参照して説明する。

（２．１）構成
センサシステム１は、上述のように、測定部２と、センサ処理システム３とを備える。

センサシステム１は、例えば、図２に示すように、対象領域１００を含む個室５０における人の在不在を判定する。個室５０は、介護施設、サービス付き高齢者住宅又は病院等の施設において、検知対象の人が使用（居住、又は入院）する部屋である。個室５０には、例えば、ベッド５１、トイレ５２、洗面台５３、出入口の引き戸５４、窓５５等の設備が設けられている。なお、個室５０においてベッド５１、トイレ５２、洗面台５３、引き戸５４、窓５５等の設備は必須ではなく、適宜省略が可能である。個室５０の壁には、個室５０内の空気環境を調整する空調設備（エアコンディショナ）２０が設置されている。本実施形態では、空調設備２０の横に、個室５０内にいる人を検知可能なように測定部２が配置されている。つまり、個室５０において測定部２が人を検知可能な領域が対象領域１００となる。

測定部２は、例えば、電波式のドップラーセンサと、信号処理部とを備える。ドップラーセンサは、例えば、所定の時間間隔（例えば１秒間隔）で、例えばマイクロ波帯の電波を対象領域１００（例えばベッド５１の設置領域を含む領域）に送信する。ドップラーセンサは、対象領域１００に存在する人などで反射された反射波を受信する。測定部２の信号処理部は、ドップラーセンサが受信した反射波を信号処理して、対象領域１００に存在する人の体動を示す測定データ（体動測定データ）を生成する。また、測定部２の信号処理部は、人の体動を示す測定データをフィルタリングし、心拍によって発生する体動の周波数成分を抽出することで、心拍によって発生する体動を示す測定データ（心拍測定データ）を生成する。また、測定部２の信号処理部は、人の体動を示す測定データをフィルタリングし、呼吸によって発生する体動の周波数成分を抽出することで、呼吸によって発生する体動を示す測定データ（呼吸測定データ）を生成する。ここにおいて、測定部２の信号処理部が心拍測定データ及び呼吸測定データを生成する周期は、体動測定データを生成する周期よりも長い。例えば、測定部２の信号処理部は、体動測定データを１秒ごとに生成するが、心拍測定データ及び呼吸測定データを５秒ごとに生成する。

測定部２は、対象領域１００に存在する人の体動を示す体動測定データと、心拍によって発生する体動を示す心拍測定データと、呼吸によって発生する体動を示す呼吸測定データとをセンサ処理システム３に出力する。測定部２は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）などに準拠した無線通信部を備え、測定データをセンサ処理システム３に無線送信する。

本実施形態の測定部２は、体動測定データなどに基づいて、対象領域１００に人が存在するか否かを判定しており、在／不在の判定結果をセンサ処理システム３に無線送信する。なお、測定部２が対象領域１００における人の在／不在を判定する判定処理は必須ではなく、測定部２は測定データのみをセンサ処理システム３に無線送信してもよい。

ここで、測定部２が人の体動を検知する対象領域１００はベッド５１の設置領域を含む領域であるが、個室５０の全体でもよく、適宜変更が可能である。また、測定部２は電波式のドップラーセンサに限定されず、超音波を送信する超音波式のドップラーセンサでもよい。また、測定部２とセンサ処理システム３との間の通信は無線通信に限定されず、有線通信でもよい。また、測定部２は、体動測定データなどの測定データを非接触で測定しているので、人の動きを妨げることがない。

センサ処理システム３は、演算処理部３０と、取得部３１と、記憶部３２と、出力部３３とを備える。また、演算処理部３０は、時系列分析部３０１、判定部３０２等の機能を備えている。本実施形態では、センサ処理システム３は、例えば、介護施設、サービス付き高齢者住宅又は病院等の施設において、介護者、看護師などの詰め所に設けられたパーソナルコンピュータによって実現される。

取得部３１は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）などに準拠した無線通信部を備える。取得部３１は、測定部２との間で定期又は不定期に無線通信を行うことによって、測定部２から体動測定データと心拍測定データと呼吸測定データとを取得する。取得部３１は、測定部２から体動測定データ、心拍測定データ、及び呼吸測定データを取得すると、取得した測定データを演算処理部３０に出力する。

記憶部３２は、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）等の電気的に書き換え可能な不揮発性メモリ、ＲＡＭ（Random Access Memory）などの揮発性メモリなどを備える。記憶部３２は、演算処理部３０が実行するプログラムなどを記憶する。記憶部３２は、演算処理部３０での演算結果などのデータを一時記憶する。また、記憶部３２は、後述する判定値ＴＨ１，ＴＨ２の算出のため、過去の所定期間（例えば数日間）において、取得部３１が測定部２から取得した測定データを記憶する。

演算処理部３０は、例えば、プロセッサ及びメモリを有するマイクロコンピュータで構成されている。つまり、演算処理部３０は、プロセッサ及びメモリを有するコンピュータシステムで実現されている。そして、プロセッサが所定のプログラムを実行することにより、コンピュータシステムが演算処理部３０として機能する。プログラムは、メモリ又は記憶部３２に予め記録されていてもよいし、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。

時系列分析部３０１は、所定のタイミングで取得された測定データを、所定のタイミングよりも前に取得された複数個の測定データで表す時系列分析の分析モデルを求める時系列分析処理を行う。取得部３１は例えば１秒ごとに測定部２から測定データを取得しており、時系列分析部３０１は、所定のタイミングでの体動の測定データを、所定のタイミングよりも前の複数個（例えば３０個）の測定データで表す時系列分析の分析モデルを求める。本実施形態では、時系列分析部３０１が、例えば自己回帰（Auto Regression:AR）モデルを用い、所定のタイミングでの体動の測定データを、過去３０秒間の３０個の測定データで表す自己相関関数の分析モデルを求める。なお、時系列分析部３０１が行う時系列分析の分析モデルは自己回帰モデルに限定されず、拡張カルマンモデルなどの他の分析モデルでもよく、分析モデルは計算量などを考慮して適宜変更が可能である。

判定部３０２は、時系列分析部３０１によって求められた分析モデルの係数に関する条件を含む判定条件に基づいて、所定のタイミングにおける人の存否を判定する。判定部３０２は、例えば、時系列分析部３０１によって求められた分析モデルの係数が所定のしきい値を超える、又は測定部２の測定データの大きさが所定の判定値を超える、という判定条件に基づいて、所定のタイミングにおける人の存否を判定する。すなわち、判定部３０２は、自己回帰モデルの１次係数が所定のしきい値を超えるか、又は測定データの大きさが判定値を超えると、対象領域１００に人が存在する（在室状態である）と判定する。判定部３０２は、自己回帰モデルの１次係数が所定のしきい値以下であり、かつ、測定データの大きさが判定値以下であると、対象領域１００に人が存在しない（不在状態である）と判定する。

出力部３３は、例えば、ディスプレイ装置、スピーカ、プリンタなどである。出力部３３は、判定部３０２による判定結果を出力する。詰め所にいる介護士、看護師などは、出力部３３が出力する判定結果を確認することで、個室５０に人が存在するか否かを確認できる。したがって、個室５０から検知対象の人が出ていった場合に、詰め所にいる介護士、看護師は検知対象の人を捜すなどの対応をとることができる。

（２．２）判定動作の説明
（２．２．１）全体的な判定動作の説明
本実施形態のセンサ処理システム３及びセンサシステム１による全体的な判定動作を図３のフローチャートにしたがって説明する。

演算処理部３０は、所定のタイミング（例えば１秒間隔）で、対象領域１００における人の在不在を判定する処理を開始する。

演算処理部３０は、所定のタイミング（例えば１秒間隔）で、測定データ及び生体データを測定部２から取得する取得処理を取得部３１に行わせる（Ｓ１）。本実施形態では、取得部３１は、例えば１秒ごとに、体動測定データ、心拍測定データ、及び呼吸測定データを取得する。取得部３１は、測定部２から取得した体動測定データ、心拍測定データ、及び呼吸測定データを演算処理部３０に出力する。なお、測定部２は、例えば１秒ごとに体動測定データを更新し、例えば５秒ごとに心拍測定データ及び呼吸測定データを更新している。したがって、取得部３１が測定部２から取得した心拍測定データ及び呼吸測定データは例えば５秒ごとに更新される。

演算処理部３０は、取得部３１から測定データ（体動測定データ、心拍測定データ、呼吸測定データ）が入力されると、測定データについてノイズカット、移動平均などのデータ加工を行う。演算処理部３０は、データ加工後の体動の測定データを記憶部３２に記憶させる。

また、演算処理部３０は、所定のタイミング（例えば１秒間隔）で、測定部２が対象領域１００における人の在不在を判定した結果を示す仮判定フラグＦ３０を測定部２から取得する（Ｓ２）。なお、測定部２が、対象領域１００における人の在／不在を判定する判定処理を行うことは必須ではなく、ステップＳ２の処理は適宜省略が可能である。

演算処理部３０は、取得部３１から入力された測定データのうち、心拍測定データ及び呼吸測定データの値（大きさ）に基づいて対象領域１００に人が存在するか否かを判定する第１判定処理を行う（Ｓ３）。演算処理部３０は、第１判定処理において、対象領域１００に人が存在すると判定すると仮判定フラグＦ１０の値を１とし、対象領域１００に人が存在しないと判定すると仮判定フラグＦ１０の値を０とする。なお、第１判定処理の詳細については後述する。

演算処理部３０は、時系列分析によって対象領域１００に人が存在するか否かを判定する第２判定処理を行う（Ｓ４）。演算処理部３０は、第２判定処理において、対象領域１００に人が存在すると判定すると仮判定フラグＦ２０の値を１とし、対象領域１００に人が存在しないと判定すると仮判定フラグＦ２０の値を０とする。なお、第２判定処理の詳細については後述する。

演算処理部３０は、第１判定処理と第２判定処理とを行うと、仮判定フラグＦ１０，Ｆ２０，Ｆ３０の和を求め、仮判定フラグＦ１０，Ｆ２０，Ｆ３０の和が１以上であるか否かを判定する（Ｓ５）。

仮判定フラグＦ１０，Ｆ２０，Ｆ３０の和（Ｆ１０＋Ｆ２０＋Ｆ３０）が１以上であれば（Ｓ５：Ｙｅｓ）、演算処理部３０は在室フラグＦ１の値を１とする（Ｓ６）。つまり、測定部２による判定処理の判定結果、第１判定処理の判定結果、第２処理処理の判定結果のうち少なくとも１つが人が存在するという判定結果であれば、演算処理部３０は、対象領域１００に人が存在すると判定する。

仮判定フラグＦ１０，Ｆ２０，Ｆ３０の和（Ｆ１０＋Ｆ２０＋Ｆ３０）が１未満であれば（Ｓ５：Ｎｏ）、演算処理部３０は在室フラグＦ１の値を０とする（Ｓ７）。つまり、測定部２による判定処理の判定結果、第１判定処理の判定結果、第２処理処理の判定結果の全てが人が存在しないという判定結果であれば、演算処理部３０は、対象領域１００に人が存在しないと判定する。

そして、演算処理部３０は、在室フラグＦ１の値に応じて、対象領域１００における人の在不在を判定した判定結果を出力部３３に出力させる（Ｓ８）。ここで、出力部３３による出力の態様としては、例えば、センサ処理システム３を構成するパーソナルコンピュータのディスプレイ装置への表示、音声出力、プリントアウト（印刷）、非一時的記録媒体への書き込み、及び情報端末への送信等がある。

演算処理部３０は、所定のタイミング（例えば１秒間隔）で、ステップＳ１からステップＳ８までの処理を行い、対象領域１００における人の在不在を判定し、判定結果を出力する。

（２．２．２）第１判定処理の説明
演算処理部３０が行う第１判定処理について図４を参照して説明する。

第１判定処理では、演算処理部３０は、取得処理（Ｓ１）で取得した心拍測定データ及び呼吸測定データの大きさに基づいて、対象領域１００における人の在不在を判定する。

演算処理部３０は、記憶部３２に記憶されている過去の所定期間（例えば数日間）の心拍測定データに基づいて、人の存否を判定するための判定値ＴＨ１を算出する（Ｓ１１）。演算処理部３０は、例えば、過去の所定期間において、対象領域１００に人が存在すると判定された期間での心拍測定データと、人が存在しないと判定された期間での心拍測定データとを用いて機械学習を行うことで、判定値ＴＨ１を設定する。

演算処理部３０は、心拍測定データの大きさと判定値ＴＨ１との大小を比較する（Ｓ１２）。ここで、心拍測定データが判定値ＴＨ１よりも大きければ（Ｓ１２：Ｙｅｓ）、演算処理部３０は、心拍判定フラグＦ１１の値を１にする（Ｓ１３）。心拍測定データが判定値ＴＨ１以下であれば（Ｓ１２：Ｎｏ）、演算処理部３０は、心拍判定フラグＦ１１の値を０にする（Ｓ１４）。

また、演算処理部３０は、記憶部３２に記憶されている過去の所定期間（例えば数日間）の呼吸測定データに基づいて、人の存否を判定するための判定値ＴＨ２を算出する（Ｓ１５）。演算処理部３０は、例えば、過去の所定期間において、対象領域１００に人が存在すると判定された期間での呼吸測定データと、人が存在しないと判定された期間での呼吸測定データとを用いて機械学習を行うことで、判定値ＴＨ２を設定する。

演算処理部３０は、呼吸測定データの大きさと判定値ＴＨ２との大小を比較する（Ｓ１６）。ここで、呼吸測定データが判定値ＴＨ２よりも大きければ（Ｓ１６：Ｙｅｓ）、演算処理部３０は、呼吸判定フラグＦ１２の値を１にする（Ｓ１７）。呼吸測定データが判定値ＴＨ２以下であれば（Ｓ１６：Ｎｏ）、演算処理部３０は、呼吸判定フラグＦ１２の値を０にする（Ｓ１８）。

次に、演算処理部３０は、心拍判定フラグＦ１１の値と、呼吸判定フラグＦ１２の値との総和（Ｆ１１＋Ｆ１２）を求める（Ｓ１９）。

そして、演算処理部３０は、総和（Ｆ１１＋Ｆ１２）が１以上であるか否かを判定する（Ｓ２０）。総和（Ｆ１１＋Ｆ１２）が１以上であれば、演算処理部３０は仮判定フラグＦ１０の値を１にして（Ｓ２１）、第１判定処理を終了する。また、総和（Ｆ１１＋Ｆ１２）が１未満であれば、演算処理部３０は仮判定フラグＦ１０の値を０にして（Ｓ２２）、第１判定処理を終了する。

つまり、心拍測定データが判定値ＴＨ１よりも大きいという条件と、呼吸測定データが判定値ＴＨ２よりも大きいという条件との少なくとも一方が成立すれば、演算処理部３０は仮判定フラグＦ１０の値を１にする。一方、心拍測定データが判定値ＴＨ１以下であり、かつ、呼吸測定データが判定値ＴＨ２以下であると、演算処理部３０は仮判定フラグＦ１０の値を０にする。

本実施形態では、設定部としての演算処理部３０が、所定期間における測定データ（心拍測定データ、呼吸測定データ）の大きさに応じて、判定値ＴＨ１，ＴＨ２を設定する設定処理を行っている。したがって、検知対象の人や測定部２の感度などの条件に応じて判定値を変更でき、人が存在するか否かを判定する判定精度を向上することができる。なお、演算処理部３０が、第１判定処理を行うごとに判定値の設定処理を行うことは必須ではない。演算処理部３０は、過去の一定期間（所定期間）における測定データの大きさに応じて判定値を設定し、この判定値を用いて第１判定処理を行ってもよい。また、演算処理部３０は、所定の更新タイミングで、直前の一定期間（所定期間）における測定データの大きさに応じて判定値を設定してもよい。

（２．２．３）第２判定処理の説明
演算処理部３０が行う第２判定処理について図５を参照して説明する。

第２判定処理では、演算処理部３０は、取得処理（Ｓ１）で取得した体動測定データに基づき、時系列分析の分析モデルを求める時系列分析処理を行うことによって、対象領域１００における人の在不在を判定する。ここで、演算処理部３０は、体動測定データに代えて、心拍測定データに基づいて時系列分析処理を行ってもよいし、呼吸測定データに基づいて時系列分析処理を行ってもよい。

演算処理部３０の時系列分析部３０１は、取得部３１が今回取得した体動の測定データを、過去に取得された複数個（例えば３０個）の測定データで表す時系列分析の分析モデルを求める時系列分析処理を行う（Ｓ３１）。本実施形態の時系列分析部３０１は、例えば、自己回帰モデルを用いて分析モデルを求めている。例えば、時系列分析部３０１は、下記の自己回帰モデルの関係式を求める。ここで、今回取得した体動の測定データをＸ（０）、ｎ回前に取得した体動の測定データをＸ（ｎ）、ｎ次の係数をＡｎとする。

Ｘ（０）＝Ａ１・Ｘ（１）＋Ａ２・Ｘ（２）＋・・・＋Ａ３０・Ｘ（３０）
演算処理部３０は、第１判定処理による在不在の判定結果に基づいて、自己回帰モデルの１次係数Ａ１をもとに在不在を判定するためのしきい値ＴＨ１１を算出する（Ｓ３２）。

ここで、図６のＡ１は、第１判定処理で人が存在する（以下、この状態を在状態ともいう）と判定された場合の１次係数Ａ１の分布曲線である。また、図６のＡ２は、第１判定処理で人が存在しない（以下、この状態を不在状態ともいう）と判定された場合の１次係数Ａ１の分布曲線である。図６の結果をもとに、本出願の発明者らは、自己回帰モデルの１次係数Ａ１に、対象領域１００に人が存在する場合と、対象領域１００に人が存在しない場合とで有意な差が発生するという知見を得た。そこで、演算処理部３０は、自己回帰モデルの１次係数Ａ１について、対象領域１００に人が存在する場合と、対象領域１００に人が存在しない場合とを判別するためのしきい値ＴＨ１１を設定する。

ここで、演算処理部３０は、過去の所定期間において、第１判定処理で在状態と判定された場合の１次係数Ａ１の平均値と標準偏差とを求める。また、演算処理部３０は、過去の所定期間において、第１判定処理で不在状態と判定された場合の１次係数Ａ１の平均値と標準偏差とを求める。演算処理部３０は、第１判定処理で在と判定された場合の１次係数Ａ１の平均値及び標準偏差と、第１判定処理で不在と判定された場合の１次係数Ａ１の平均値及び標準偏差とに基づいて、しきい値ＴＨ１１に設定する。

そして、演算処理部３０の判定部３０２は、ステップＳ３１で求めた自己回帰モデルの１次係数Ａ１としきい値ＴＨ１１との大小を比較する（Ｓ３３）。判定部３０２は、自己回帰モデルの１次係数Ａ１がしきい値ＴＨ１１よりも大きければ（Ｓ３３：Ｙｅｓ）、対象領域１００に人が存在すると判定し、仮判定フラグＦ２１を１に設定し（Ｓ３４）、仮判定フラグＦ２１の値を記憶部３２に記憶させる。判定部３０２は、自己回帰モデルの１次係数Ａ１がしきい値ＴＨ１１以下であれば（Ｓ３３：Ｎｏ）、対象領域１００に人が存在しないと判定し、仮判定フラグＦ２１を０に設定し（Ｓ３５）、仮判定フラグＦ２１の値を記憶部３２に記憶させる。

演算処理部３０は、仮判定フラグＦ２１を算出すると、現在までの所定回数の仮判定フラグＦ２１の加重移動平均を算出する（Ｓ３６）。例えば、演算処理部３０は、現在までの５回分の仮判定フラグＦ２１の加重移動平均を求める。

また、演算処理部３０は、過去の所定期間において、第１判定処理で不在状態と判定された場合に得られた仮判定フラグＦ２１を記憶部３２から抽出し、これらの仮判定フラグＦ２１の値を用いてしきい値ＴＨ１２を算出する（Ｓ３７）。例えば、演算処理部３０は、第１判定処理で不在状態と判定された場合に得られた仮判定フラグＦ２１の平均値を求め、この平均値をしきい値ＴＨ１２に設定する。

判定部３０２は、ステップＳ３６で求めた加重移動平均の値と、しきい値ＴＨ１２との大小を比較する（Ｓ３８）。判定部３０２は、加重移動平均の値がしきい値ＴＨ１２よりも大きければ（Ｓ３８：Ｙｅｓ）、対象領域１００に人が存在すると判定し、仮判定フラグＦ２０を１に設定し（Ｓ３９）、第２判定処理を終了する。判定部３０２は、加重移動平均の値がしきい値ＴＨ１２以下であれば、対象領域１００に人が存在しないと判定し、仮判定フラグＦ２０を０に設定し（Ｓ４０）、第２判定処理を終了する。

このように、第２判定処理では、判定部３０２が、時系列分析部３０１が求めた分析モデルの係数に関する条件（例えば、係数が所定のしきい値を超えるという条件）を含む判定条件に基づいて、所定のタイミングにおける人の存否を判定している。したがって、判定部３０２は、測定データの一時的な変動等の影響を受けにくくなり、判定部３０２による判定精度の向上を図ることができる。

図７は体動測定データＤ１の測定結果の一例を示し、図７のＣ１は本実施形態の判定結果、図７のＣ２は体動測定データＤ１の大きさに基づいて在／不在を判定した判定結果を示している。対象領域１００に人が存在する場合でも、就寝時、テレビなどの視聴時、読書中に人が安静にしていると、体動測定データの大きさが低下する。そのため、体動測定データの大きさに基づいて在／不在を判定する場合、在状態を不在状態と誤判定しやすくなるが、本実施形態では時系列分析を用いて在／不在を判定しているので、判定精度を向上させることができる。

（３）変形例
上記実施形態は、本開示の様々な実施形態の一つに過ぎない。上記実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。また、センサ処理システム３及びセンサシステム１と同様の機能は、在不在判定方法、コンピュータプログラム又はプログラムを記録した非一時的記録媒体等で具現化されてもよい。一態様に係る在不在判定方法は、取得処理（図３のステップＳ１）と、時系列分析処理（図５のステップＳ３１）と、判定処理（図５のステップＳ３８）と、を含む。取得処理では、対象領域１００における人の存否に応じて値が変化する物理量を測定する測定部２から測定データを取得する。時系列分析処理では、所定のタイミングで取得された測定データを、所定のタイミングよりも前に取得された複数個の測定データで表す時系列分析の分析モデルを求める。判定処理では、分析モデルの係数に関する判定条件に基づいて所定のタイミングにおける人の存否を判定する。一態様に係る（コンピュータ）プログラムは、コンピュータシステムに、取得処理と、時系列分析処理と、判定処理と、を実行させるためのプログラムである。

以下、実施形態１の変形例を列挙する。以下に説明する変形例は、適宜組み合わせて適用可能である。

本開示におけるセンサ処理システム３、センサシステム１、又は在不在判定方法の実行主体は、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを主構成とする。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示におけるセンサ処理システム３、センサシステム１、又は在不在判定方法の実行主体としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されていてもよいが、電気通信回線を通じて提供されてもよいし、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路（ＩＣ）又は大規模集積回路（ＬＳＩ）を含む１乃至複数の電子回路で構成される。複数の電子回路は、１つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、１つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。

また、実施形態１では、センサ処理システム３は、１つのシステムで実現されているが、この構成に限らず、例えば、２以上のシステムで実現されてもよい。例えば、取得部３１、時系列分析部３０１、及び判定部３０２の機能が１つの筐体に収まる１つの装置にて実現されてもよいが、取得部３１、時系列分析部３０１、及び判定部３０２のうちの少なくとも１つの機能が２つ以上のシステムに分散して設けられてもよい。また、取得部３１、時系列分析部３０１、及び判定部３０２の各々の機能が、複数の装置に分散して設けられていてもよい。例えば、時系列分析部３０１、又は判定部３０２の機能が２つ以上のシステムに分散して設けられてもよい。センサ処理システム３の少なくとも一部の機能は、例えば、クラウド（クラウドコンピューティング）によって実現されてもよい。

第１判定処理において、演算処理部３０は、心拍測定データの大きさと呼吸測定データの大きさとに基づいて在／不在を判定しているが、心拍測定データの大きさと呼吸測定データの大きさとのいずれかに基づいて在／不在を判定してもよい。

時系列分析部３０１は、所定のタイミングで取得された体動測定データを、過去に取得された３０個の体動測定データで表す時系列分析の分析モデルを求めているが、時系列分析に用いる体動測定データの個数は３０個に限定されず、適宜変更が可能である。

また、判定部３０２は、分析モデルの１次係数に着目し、１次係数の大きさい基づいて人の存否を判定しているが、分析モデルの係数は１次係数に限定されない。人が存在する状態と人が存在しない状態とで有意な差が発生するのであれば、判定部３０２は、１次以外の次数の係数に基づいて人の存否を判定してもよいし、所定の次数の複数の係数に基づいて人の存否を判定してもよい。

判定部３０２は、時系列解析の分析モデルの係数が所定のしきい値を超える、又は測定データの大きさが所定の判定値を超える、という判定条件に基づいて、対象領域１００における人の在／不在を判定していたが、判定条件はこれに限定されない。判定部３０２は、時系列解析の分析モデルの係数が所定のしきい値を超えるという判定条件に基づいて、対象領域１００における人の在／不在を判定してもよく、計算コストを低減できる。

実施形態１において、測定データなどの２値の比較において、「より大きい」としているところは、２値が等しい場合、及び２値の一方が他方を超えている場合との両方を含む「以上」であってもよい。つまり、２値が等しい場合を含むか否かは、基準値等の設定次第で任意に変更できるので、「より大きい」か「以上」かに技術上の差異はない。同様に、「以下」としているところは「未満」であってもよい。

（まとめ）
以上説明したように、第１の態様の在不在判定方法は、取得処理と、時系列分析処理と、判定処理と、を含む。取得処理では、対象領域（１００）における人の存否に応じて値が変化する物理量を測定する測定部（２）から測定データを取得する。時系列分析処理では、所定のタイミングで取得された測定データを、所定のタイミングよりも前に取得された複数個の測定データで表す時系列分析の分析モデルを求める。判定処理では、分析モデルの係数（Ａ１）に関する判定条件に基づいて所定のタイミングにおける人の存否を判定する。

この態様によれば、判定処理において、時系列分析処理によって求められた分析モデルの係数（Ａ１）に関する判定条件に基づいて、所定のタイミングにおける人の存否を判定している。したがって、判定処理において、測定データの一時的な変動等の影響を受けにくくなり、判定精度を向上させることができる。

第２の態様の在不在判定方法では、第１の態様において、分析モデルは自己回帰モデルと拡張カルマンモデルとのいずれかである。

この態様によれば、自己回帰モデル又は拡張カルマンモデルを用いて時系列分析を行うことができる。

第３の態様の在不在判定方法では、第１又は第２の態様において、判定条件は、係数（Ａ１）が所定のしきい値（ＴＨ１１）を超えるという条件である。

この態様によれば、時系列分析の分析モデルの係数（Ａ１）としきい値（ＴＨ１１）との大小を比較することで、人の存否を判定することができる。

第４の態様の在不在判定方法では、第１又は第２の態様において、判定条件は、係数（Ａ１）が所定のしきい値（ＴＨ１１）を超える、又は測定データの大きさが所定の判定値（ＴＨ１，ＴＨ２）を超える、という条件である。

この態様によれば、時系列分析の分析モデルの係数（Ａ１）としきい値（ＴＨ１１）との大小を比較することで人の存否を判定でき、さらに測定データが判定値（ＴＨ１，ＴＨ２）を超えることで人の存否を判定できるので、判定精度の向上を図ることができる。

第５の態様の在不在判定方法では、第４の態様において、物理量は、心拍によって発生する体動の大きさと、呼吸によって発生する体動の大きさとの少なくとも１つを含む。在不在判定方法は、所定期間における測定データの大きさに応じて判定値（ＴＨ１，ＴＨ２）を設定する設定処理を、更に含む。

この態様によれば、心拍によって発生する体動の大きさ、又は呼吸によって発生する体動の大きさに応じた値に、人の存否を判定するための判定値（ＴＨ１，ＴＨ２）を設定することができる。したがって、検知対象の人、測定部（２）の測定感度などの条件に応じて判定値（ＴＨ１，ＴＨ２）を設定することができ、判定精度を向上させることができる。

第６の態様のプログラムは、コンピュータシステムに、取得処理と、時系列分析処理と、判定処理と、を実行させるためのプログラムである。取得処理では、対象領域（１００）における人の存否に応じて値が変化する物理量を測定する測定部（２）から測定データを取得する。時系列分析処理では、所定のタイミングで取得された測定データを、所定のタイミングよりも前に取得された複数個の測定データで表す時系列分析の分析モデルを求める。判定処理では、分析モデルの係数に関する判定条件に基づいて所定のタイミングにおける人の存否を判定する。

この態様によれば、判定処理において、時系列分析処理によって求められた分析モデルの係数に関する判定条件に基づいて、所定のタイミングにおける人の存否を判定している。したがって、判定処理において、測定データの一時的な変動等の影響を受けにくくなり、判定精度を向上させることができる。

第７の態様のセンサ処理システム（３）は、取得部（３１）と、時系列分析部（３０１）と、判定部（３０２）と、を備える。取得部（３１）は、対象領域（１００）における人の存否に応じて値が変化する物理量を測定する測定部（２）から測定データを取得する。時系列分析部（３０１）は、所定のタイミングで取得された測定データを、所定のタイミングよりも前に取得された複数個の測定データで表す時系列分析の分析モデルを求める。判定部（３０２）は、分析モデルの係数に関する判定条件に基づいて所定のタイミングにおける人の存否を判定する。

この態様によれば、判定部（３０２）において、時系列分析部（３０１）によって求められた分析モデルの係数に関する判定条件に基づいて、所定のタイミングにおける人の存否を判定している。したがって、判定部（３０２）において、測定データの一時的な変動等の影響を受けにくくなり、判定精度を向上させることができる。

第８の態様のセンサシステム（１）は、第７の態様のセンサ処理システム（３）と、対象領域（１００）における人の存否に応じて値が変化する物理量を測定する測定部（２）と、を備える。取得部（３１）は、測定部（２）から測定データを取得する。

第９の態様のセンサシステム（１）は、第８の態様において、測定部（２）は、対象領域（１００）に存在する人の体動を非接触で測定する。

この態様によれば、測定部（２）が人の体動を非接触で測定しているので、人の動きを妨げることがない、という利点がある。

上記態様に限らず、実施形態１に係る在不在判定方法の種々の特徴（変形例を含む）は、センサ処理システム、センサシステム、（コンピュータ）プログラム又はプログラムを記録した非一時的記録媒体等で具現化可能である。

第２〜第５の態様に係る構成については、在不在判定方法に必須の構成ではなく、適宜省略可能である。

１センサシステム
２測定部
３センサ処理システム
３０演算処理部
３１取得部
３２記憶部
３３出力部
１００対象領域
３０１時系列分析部
３０２判定部

Claims

対象領域における人の存否に応じて値が変化する物理量を測定する測定部から測定データを取得する取得処理と、
所定のタイミングで取得された前記測定データを、前記所定のタイミングよりも前に取得された複数個の前記測定データで表す時系列分析の分析モデルを求める時系列分析処理と、
前記分析モデルの係数に関する条件を含む判定条件に基づいて前記所定のタイミングにおける人の存否を判定する判定処理と、
設定処理と、を含み、
前記判定条件は、前記係数が所定のしきい値を超える、又は前記測定データの大きさが所定の判定値を超える、という条件を含み、
前記物理量は、心拍によって発生する体動の大きさと、呼吸によって発生する体動の大きさとの少なくとも１つを含み、
前記設定処理では、所定期間における前記測定データの大きさに応じて前記判定値を設定する、
在不在判定方法。
前記分析モデルは自己回帰モデルと拡張カルマンモデルとのいずれかである
請求項１に記載の在不在判定方法。
前記判定条件は、前記係数が所定のしきい値を超えるという条件である
請求項１又は２に記載の在不在判定方法。
コンピュータシステムに、
対象領域における人の存否に応じて値が変化する物理量であって、心拍によって発生する体動の大きさと、呼吸によって発生する体動の大きさとの少なくとも１つを含む物理量を測定する測定部から測定データを取得する取得処理と、
所定のタイミングで取得された前記測定データを、前記所定のタイミングよりも前に取得された複数個の前記測定データで表す時系列分析の分析モデルを求める時系列分析処理と、
前記分析モデルの係数に関する条件を含む条件であって、前記係数が所定のしきい値を超える、又は前記測定データの大きさが所定の判定値を超える、という条件を含む判定条件に基づいて前記所定のタイミングにおける人の存否を判定する判定処理と、
所定期間における前記測定データの大きさに応じて前記判定値を設定する設定処理と、を実行させるための
プログラム。
対象領域における人の存否に応じて値が変化する物理量を測定する測定部から測定データを取得する取得部と、
所定のタイミングで取得された前記測定データを、前記所定のタイミングよりも前に取得された複数個の前記測定データで表す時系列分析の分析モデルを求める時系列分析部と、
前記分析モデルの係数に関する条件を含む判定条件に基づいて前記所定のタイミングにおける人の存否を判定する判定部と、
設定部と、を備え、
前記判定条件は、前記係数が所定のしきい値を超える、又は前記測定データの大きさが所定の判定値を超える、という条件を含み、
前記物理量は、心拍によって発生する体動の大きさと、呼吸によって発生する体動の大きさとの少なくとも１つを含み、
前記設定部は、所定期間における前記測定データの大きさに応じて前記判定値を設定する、
センサ処理システム。
請求項５に記載のセンサ処理システムと、
前記対象領域における人の存否に応じて値が変化する前記物理量を測定する前記測定部と、を備え、
前記取得部は、前記測定部から前記測定データを取得する
センサシステム。
前記測定部は、前記物理量を非接触で測定する
請求項６に記載のセンサシステム。