CN102473354A - 状态检测装置、状态检测方法及程序 - Google Patents

Abstract

检测以驾驶员的眼睑开度、脉拍频率等身体信息等为代表的与驾驶员相关的特征量。基于检测出的特征量，来识别出第一组和第二组中的驾驶员的状态所属的组，其中，以驾驶员的活性程度作为指标决定的多个等级，被分类为所述第一组和所述第二组。另外，输出包含识别出的结果的信息来作为输出值，并基于根据该输出值来计算出的损失值，来检测当前的驾驶员的状态所属的等级。根据检测出的等级，能够检测驾驶员的活性度降低到何种程度这样的事实和其程度。

Description

状态检测装置、状态检测方法及程序

技术领域

本发明涉及状态检测装置、状态检测方法及程序。

背景技术

例如在专利文献1、专利文献2及非专利文献1中公开了用于评价驾驶员的活性度的状态检测装置。

专利文献1所公开的状态检测装置，计算向与行进方向(前进方向)正交的方向移动的车辆的移动量的标准偏差。该状态检测装置基于对计算出的标准偏差的最小值及最大值和阈值进行比较的结果，来检测驾驶员的觉醒程度(苏醒程度)。

专利文献2所公开的状态检测装置，检测在规定的期间内持续检测驾驶员的视线方向。该状态检测装置生成表示检测出的视线方向的分布的视线分布信息。该状态检测装置根据由生成的视线分布信息所示的视线的方向性，来判断驾驶员是否在漫不经心地驾驶着车辆。

非专利文献1所公开的状态检测装置，检测因驾驶员的精神负荷而发生变动的脉拍数来作为特征量。该状态检测装置利用“AdaBoost”(通过迭代弱分类器而产生最终的强分类器的算法)进行特征量的匹配，以此检测驾驶员的驾驶负荷。

现有技术文献

专利文献

专利文献1：日本特开2008-250859号公报

专利文献2：日本特开2008-243031号公报

非专利文献

非专利文献1：信息处理学会论文杂志vol.50 No.pp.171-180(2009)

发明内容

发明要解决的问题

驾驶员的驾驶的倾向以及与驾驶员的觉醒程度相对应的行动模式等，因驾驶员而不同。然而，在专利文献1及专利文献2中公开的状态检测装置以相同标准检测驾驶员的状态。因而，在专利文献1及专利文献2中公开的状态检测装置，不能够准确地检测出每个驾驶员的状态。

另一方面，在非专利文献1中公开的状态检测装置基于学习了每个驾驶员的驾驶倾向等的结果来检测每个驾驶员的状态。然而，在非专利文献1中公开的状态检测装置停留在将驾驶员的状态仅分为一般驾驶和非一般驾驶这两种状态的水平。因而，在非专利文献1中公开的状态检测装置不能检测出非一般驾驶中的驾驶员的负担度。

本发明是鉴于上述问题而做出的，其目的在于，检测每个被监视人员的状态的程度(状况)。

用于解决问题的手段

为了达到上述目的，本发明的状态检测装置具有：特征量检测单元，其检测与被监视人员相关的信息来作为特征量；识别单元，其将所述特征量作为输入值，并基于该特征量，来在第一组和第二组中识别出所述被监视人员的状态所属的所述组，并输出包含识别出的该结果的信息来作为输出值，其中，所述第一组和所述第二组是指，对以所述被监视人员的活性程度作为指标来决定的多个等级进行分类的组；损失值计算单元，其根据由所述识别单元输出的输出值来计算损失值；等级检测单元，其基于所述损失值来检测所述被监视人员的状态所属的所述等级。

另外，多个所述等级可以以多种模式被分类为在述第一组和所述第二组中。

另外，所述损失值计算单元可以利用指数函数定义所述损失值。

另外，将所述等级数设定为p，将所述识别单元的个数设定为G时，各所述识别单元可以输出表示特定信息的正负号和表示该特定信息的可靠度的绝对值，所述特定信息是指，表示所述被监视人员的活性程度属于第一组和第二组中的哪个组的信息，所述第一组由与特定值是1的要素相对应的等级构成，所述第二组由与特定值是-1的要素相对应的等级构成，所述特定值是指，在以W∈{1，0，-1}^p·G表示的编码表W中与所述识别单元相对应的行的值。

另外，所述损失值计算单元可以基于由所述各识别单元输出的所述正负号和所述可靠度以及所述编码表W，针对每个所述识别单元以及每个所述等级，分别求出由指数函数的定义的损失，并且，求出与同一等级相对应的损失之和。

所述等级检测单元可以检测出所述损失之和为最小的等级，将其作为所述被监视人员的状态所属的所述等级。

另外，与所述被监视人员相关的信息，是所述被监视人员的身体信息。

另外，所述被监视人员的身体信息，可以包含所述被监视人员的视线信息。

另外，所述被监视人员的身体信息，可以包含所述被监视人员的脉拍信息。

还可以具有特征量检测单元，其检测与所述被监视人员相关的信息来作为特征量，并将检测出的所述特征量供给至所述识别单元。

为了达到上述目的，本发明的状态检测方法包括：识别工序，将表示被监视人员的状态的指标即特征量作为输入值，并基于该特征量，来在第一组和第二组中识别出所述被监视人员的状态所属的所述组，输出包含识别出的该结果的信息来作为输出值，其中，所述第一组和所述第二组是指，对以所述被监视人员的活性程度作为指标来决定的多个等级进行分类的组；损失值计算工序，根据在所述识别工序中输出的输出值来计算损失值；等级检测工序，基于所述损失值来检测所述被监视人员的状态所属的所述等级。

为了达到上述目的，本发明的程序使计算机执行以下步骤：识别步骤，将表示被监视人员的状态的指标即特征量作为输入值，并基于该特征量，来在第一组和第二组中识别出所述被监视人员的状态所属的所述组，输出包含识别出的该结果的信息来作为输出值，其中，所述第一组和所述第二组是指，对以所述被监视人员的活性程度作为指标来决定的多个等级进行分类的组；损失值计算步骤，根据在所述识别步骤中输出的所述输出值来计算损失值；等级检测步骤，基于所述损失值来检测所述被监视人员的状态所属的所述等级。

发明效果

若采用本发明，则能够检测出每个被监视人员的状态的程度(状况)。

附图说明

图1是第一实施方式的状态检测装置的框图。

图2是识别单元的框图。

图3是用于说明识别器的动作的图。

图4是用于说明损失值的计算方法的图。

图5是示出了等级数G是4的情况的编码表的例的图。

图6是第二实施方式的状态检测装置的框图。

图7是用于说明识别装置的动作的流程图。

具体实施方式

<第一实施方式>

下面，参照图1～图4，对本发明的第一实施方式的状态检测装置10进行说明。本实施方式的状态检测装置10用于获取驾驶汽车的驾驶员的身体信息。状态检测装置10基于获取的身体信息，来检测每个驾驶员的驾驶状态和驾驶状态的程度。

如图1所示，状态检测装置10具有：身体信息获取装置20，其获取驾驶员的身体信息，检测身体信息的特征量；识别装置30，其基于由身体信息获取装置20检测出的特征量，来检测驾驶员的驾驶状态极其程度。

身体信息获取装置20例如获取与因睡意引起的眼睑开度相关的信息以及与脉拍频率相关的信息，以作为驾驶员的身体信息。

身体信息获取装置20通过对眼睑映像进行图像分析，来获取与眼睑开度相关的信息。身体信息获取装置20使用与获取的眼睑开度相关的信息，检测出特定值来作为特征量a1，该特定值是指，以从0到1的范围，对驾驶员的眼睑开度进行规格化(normalize)的值。另外，身体信息获取装置20通过对RR间隔进行分析，来获取与脉拍频率相关的信息。身体信息获取装置20使用所获取的与脉拍频率相关的信息，根据脉拍变动的能谱(powerspectrum)，检测出驾驶员脉拍的间隔变动的低频区域内的频率，来作为特征量a2，并检测出高周波区域的频率来作为特征量a3。身体信息获取装置20将与检测出的特征量相关的信息x(a1、a2、a3)输出至识别装置30。此外，下面，将与特征量相关的信息x(a1、a2、a3)仅表示为输入信息x。

识别装置30检测在三个等级(等级1、等级2、等级3)中属于驾驶员的驾驶状态的等级，其中，所述三个等级(等级1、等级2、等级3)是例如将驾驶员的活性度作为指标来划分的。识别装置30具有识别单元40和等级检测单元50。

在驾驶员对来自外部的输入做出行动的情况下，根据到做出该行动为止的时间(反应时间)的长短等，来定义驾驶员的活性度。驾驶员的反应时间具有因睡意或者注意力降低等而变长的倾向。例如，在各种状况下计测驾驶员的反应时间。将驾驶员的反应时间短时的驾驶员的状态设定为一般状态，并将该一般状态设定为等级1。另外，将驾驶员的反应时间长时的驾驶员的状态(最漫不经心状态)设定为等级3。并且，将等级1和等级3之间的状态(漫不经心状态)设定为等级2。由此，将驾驶员的状态划分为三个等级。

如图2所示，识别单元40具有编码器41、六个识别器421～426、解码器43。

编码器41利用由下面计算式(1)所示的编码表W来进行编码化处理。此外，p是识别器的个数，G是等级的个数。另外，编码表W的各行包含“1”和“-1”双方。在本实施方式中，驾驶状态所属的等级的个数是3。另外，识别器的个数是6。因而，如下面的计算式(2)所示，将用一般计算式来表示计算式(1)时的编码表W，由以6行3列的矩阵状配置的18个的要素构成。

计算式1

W∈{1，0，-1}^p×G    …(1)

计算式2

$W=\left(\begin{array}{ccc}1& -1& -1\\ -1& 1& -1\\ -1& -1& 1\\ 1& -1& 0\\ 1& 0& -1\\ 0& 1& -1\end{array}\right)\&CenterDot;\&CenterDot;\&CenterDot;\left(2\right)$

如图3所示，编码表W的各行的三个要素按照从左到右的顺序，分别与等级1、等级2、等级3相对应。三个等级被分为第一组和第二组，其中，所述第一组由与值为“1”的要素相对应的等级构成，所述第二组由与值为“-1”的要素相对应的等级构成。此外，各组的等级的个数可以是一个，也可以是多个(两个)。另外，从分类对象中排除(未被分为第一组和第二组中的任一组)与值为0的要素相对应的等级。例如，编码表W的第1行的三个要素表示：等级1被分在第一组，并且，等级2及等级3被分在第二组。

同样地，编码表W的第2行的三个要素表示：等级2被分在第一组，并且，等级1及等级3被分在第二组。另外，编码表W的第3行的三个要素表示：等级3被分在第一组，并且，等级1及等级2被分在第二组。另外，编码表W的第4行的三个要素表示：等级1被分在第一组，并且，等级2被分在第二组。另外，编码表W的第5行的三个要素表示：等级1被分在第一组，并且，等级3被分在第二组。另外，编码表W的第6行的三个要素表示：等级2被分在第一组，并且，等级3被分在第二组。

若接收到输入信息x，则编码器41将由编码表W的第i(i＝1～6)行的三个要素构成的代码i和输入信息x输出至识别器42_i。

具体而言，若接收到输入信息x，则编码器41对由编码表W的第1行的三个要素构成的代码1[1，-1，-1]和输入信息x建立对应关系。编码器41将与代码1建立了对应关系的输入信息x输出至识别器42₁。

同样地，编码器41分别对每个代码2[-1，1，-1]、代码3[-1，-1，1]、代码4[1，-1，0]、代码5[1，0，-1]、代码6[0，1，-1]和输入信息x建立对应关系，其中，这些代码2[-1，1，-1]、代码3[-1，-1，1]、代码4[1，-1，0]、代码5[1，0，-1]、代码6[0，1，-1]分别由与编码表W的第2行～第6行分别相对应的三个要素构成。编码器41将分别与相对应的代码2～代码6建立了对应关系的各输入信息x，输出至分别与各代码2～6相对应的各识别器42₂～42₆。

识别器42₁～42₆具有相同的结构，是基于AdaBoost(通过迭代弱分类器而产生最终的强分类器的算法)进行学习后的二值分类器。若接收到输入信息x，则识别器42_i基于供给至自身的代码i，将多个等级分类为第一组和第二组。并且，识别器42_i识别(判断)由输入信息x(a1、a2、a3)表示的驾驶员的状态(活性状态)，是属于由分配到代码i的要素“1”的等级构成的第一组，还是属于由分配到代码i的要素“-1”的等级构成的第二组，并将识别结果和表示识别结果可靠性的可靠度输出至解码器43。

例如，对识别器42₁供给了代码1[1，-1，-1]。因而，识别器42₁识别由输入信息x(a1、a2、a3)表示的“驾驶员的状态”，是被分类到由分配到要素“1”的等级1(一般状态)构成的第一组，还是被分类到由分配到要素“-1”的等级2(漫不经心状态)及等级3(最漫不经心状态)构成的第二组。接着，识别器42₁输出表示该识别结果和该识别结果的可靠度(可能性)的输出值h₁(x)。

输出值h₁(x)由附带正负号(±)的数值构成。并且，输出值h₁(x)的正负号与构成代码的要素的正负号相对应。在输出值h₁(x)的正负号是+(＞0)的情况下，表示由识别器42₁识别出由输入信息x表示的驾驶员的驾驶状态属于第一组(等级1)。另一方面，在输出值h₁(x)的正负号是-(＜0)的情况下，表示由识别器42₁识别出由输入信息x表示的驾驶员的驾驶状态属于第二组(等级2或等级3)。另外，输出值h₁(x)的绝对值表示由识别器42₁识别出的识别结果的可靠度。

例如，识别器42₁识别出由输入信息x表示的驾驶员的状态属于第二组(等级2或等级3)，并判断为其可靠度是|2|的情况下，输出“-2”作为h₁(x)。

同样地，各识别器42₂～42₆分别按照与自身识别器相对应的代码2～6，识别由输入信息x表示的“驾驶员的状态”，是被分类到由分配到要素“1”的等级构成的第一组，还是被分类到由分配到要素“-1”的等级构成的第二组。各识别器42₂～42₆分别输出与该识别结果相对应的各输出值h₂(x)～h₆(x)。

例如，识别器42₂识别出由输入信息x表示的驾驶员的状态属于第二组(等级1或等级3)，并判断为其可靠度是|7|的情况下，输出“-7”作为h₂(x)。同样地，识别器42₃识别出驾驶员的状态数据第一组(等级3)，并判断为其可靠度是|0.5|的情况下，输出“0.5”作为h₃(x)。识别器42₄识别出驾驶员的状态属于第二组(等级2)，并判断为其可靠度是|1|的情况下，输出“-1”作为h₄(x)。识别器42₅识别出驾驶员的状态属于第二组(等级3)，并判断为其可靠度是|9|的情况下，输出“-9”作为h5(x)。识别器42₆识别出驾驶员的状态属于第一组(等级2)，并判断为其可靠度是|12|的情况下，输出“12”作为h₆(x)。

解码器43利用上述计算式(2)所示的编码表W来进行解码处理。如在前面所述，编码表W的第1列的六个要素分别表示等级1被分在第一组或第二组中的哪个组。另外，编码表W的第2列的六个要素分别表示等级2被分在第一组或第二组中的哪个组。另外，编码表W的第3列的六个要素分别表示等级3被分在第一组或第二组中的哪个组。

另外，识别器42₁～42₆的输出值，表示与识别平面之间的欧几里得(Euclidean)距离，并且，与该识别结果的可靠度等价。因而，如上述那样由值为“1”的要素来规定第一组且由值为“-1”的要素规定第二组的情况下，识别器42₁～42₆的输出值h_n(x)的正负号为正且其值越大，则表示驾驶员的驾驶状态属于第一组的倾向越强。另外，识别器42₁～42₆的输出值h_n(x)的正负号为负且其值越小(绝对值越大)，则表示驾驶员的驾驶状态属于第二组的倾向越强。

因此，解码器43利用各识别器42₁～42₆的输出值和编码表W的列方向的要素，来计算分别与等级1～3相对应的各损失值L₁～L₃。利用以下面的计算式(3)示出的函数，来计算损失值L₁～L₃。

计算式3

$L_k=\underset{j=1}{\overset{p}{\mathrm{\&Sigma;}}}\left\{\begin{array}{ccc}\exp \left(\right|h_j\left(x\right)\left|\right)& \mathrm{if}& W_{\mathrm{jk}}\&CenterDot;h_j\left(x\right)<0\\ -\exp \left(\right|h_j\left(x\right)\left|\right)& \mathrm{if}& W_{\mathrm{jk}}\&CenterDot;h_j\left(x\right)>0\\ 0& \mathrm{if}& W_{\mathrm{jk}}\&CenterDot;h_j\left(x\right)=0\end{array}\right.$

$=\underset{j=1}{\overset{p}{\mathrm{\&Sigma;}}}\{-\mathrm{sign}(W_{\mathrm{jk}}\&CenterDot;h_j\left(x\right))\&CenterDot;\exp \left(\right|h_j\left(x\right)\left|\right)\&CenterDot;\&CenterDot;\&CenterDot;\left(3\right)$

如图4所示，按照前述的例子，假设各输出值h₁(x)～h₆(x)分别是-2、-7，0.5，-1，-9，12。此时，如下面的计算式(4)那样，计算与等级1相对应的损失值L₁。

计算式4

L₁＝exp(2)-exp(7)+exp(0.5)+exp(1)+exp(9)+0

                                                …(4)

  ＝7018

同样地，解码器43分别计算分别与等级2、等级3分别对应的损失值L₂、损失值L₃。在这里，损失值L₂是-161667，损失值L₃是153546。解码器43将计算出的各损失值L₁～L₃输出至等级检测单元50。

返回图1，等级检测单元50，在由解码器43输出的各损失值L₁～L₃中，检测出与值最小的损失值相对应的等级。等级检测单元50将检测出的等级作为驾驶员的驾驶状态所属的等级而输出至外部。例如，如在前面所述，由解码器43输出的损失值L₁为7018，损失值L₂为-161667，损失值L₃为153546，在此情况下，等级检测单元50将与最小的损失值L₂相对应的等级2作为驾驶员的驾驶状态所属的等级而输出至外部。

如上面的说明，在本第一实施方式的状态检测装置10中，例如基于以驾驶员的眼睑开度、脉拍频率等身体信息等为代表的与驾驶员相关的特征量，来检测当前的驾驶员的驾驶状态所属的等级。该等级是将驾驶员的驾驶状态以驾驶员的活性度为指标来划分的多个等级中的一个等级。因而，基于检测出的等级，能够与个人之间的差异以及个人内差异无关地，按照程度来检测出驾驶员的活性度降低到了何种程度这样的推定结果。由此，能够向驾驶员提供更恰当的驾驶支援。

此外，上述的特征量的倾向及变化量因驾驶员的驾驶状态而不同。因而，就驾驶员的身体信息而言，并不限定于上述的眼睑开度、脉拍频率，例如，还获取血压、体温等多个身体信息，将这些身体信息考虑在内，来检测驾驶状态所属的等级，由此，能够更准确地且更多层次地检测驾驶员的驾驶状态。

另外，在本第一实施方式中，说明了识别器42₁～42₆是基于“AdaBoost”学习过的二值分类器的情况。但是，本发明并不限定于此，识别器42₁～42₆也可以是例如SVM(Support Vector Machine：支持向量机)等的二值分类器。

此外，在本实施方式中，使用了用于将二值分类器扩张至多值的方法的之一的ECOC(Error Correcting Output Coding：纠错输出编码)法。

此外，就三个等级的另一例而言，例如也能够设定为：等级1是一般驾驶状态(能够正常驾驶的状态)，等级2是非一般驾驶状态(瞌睡、漫不经心的驾驶、疲劳驾驶、高速驾驶、有精神压力、注意力不集中等)中的考虑事情的状态和发呆的状态，等级3是非一般驾驶状态中的与他人进行会话的状态。

另外，等级的个数p并不限定于3，而可以是任意的个数。例如，也可以将驾驶员的驾驶状态，以驾驶员的活性度为指标划分为四个以上的等级。例如，在等级是四个的情况下，编码表W如图5所示。

例如也能够以驾驶员的活性度为指标，按照由新能源/产业技术综合开发机构(NEDO)的定义，将驾驶员的驾驶状态划分为与完全不困倦的状态、稍微困倦的状态、困倦的状态、颇为困倦的状态、非常困倦的状态相对应的五个等级。

此外，若将等级的个数设定为G，则能够使用下面的计算式求出编码表W的大小W_SIZE(行数)。列数与等级数G相等。

计算式5

W_SIZE＝(3^G-2^G+1+1)/2  …(5)

另外，在识别器的个数p和等级数G固定的情况下，编码表W固定。此时，也可以去掉编码器，而各识别器进行预先分配到自身的二值分类处理。若利用上述的例子说明，则识别装置30如下构成。去掉编码器41，而将输入信息x直接输入至识别器42₁～42₆。并且，识别器42₁识别由输入信息x表示的“驾驶员的状态”是被分类到由等级1构成的第一组，还是被分类到由等级2及等级3构成的第二组，识别器42₂识别“驾驶员的状态”是被分类到由等级2构成的第一组，还是被分类到由等级1及等级3构成的第二组，……识别器42₆识别“驾驶员的状态”是被分类到由等级2构成的第一组，还是被分类到由等级3构成的第二组。

另外，发明者等为了验证本发明的有效性，使用本发明的状态检测装置和驾驶模拟器进行了实验。被测定人员是男女3名(21～23岁)，每次实验的实施时间是20分钟。另外，针对被测定人员1名进行了10次实验。另外，对驾驶模拟器设定了包含随机的“S”字转弯的单调的高速公路。

在本实验中，为了评价准确度(Accuracy)，使用了下面的评价计算式。此外，t是实验的次数(实验编号)，T是t的最大值，n是取样次数，y_t是t的正解标签，H_t是t的假设值(推定状态的结果)。另外，在本实验中，由于在20分钟内每10秒进行了1次数据取样，因而n是120。

计算式6

$\mathrm{Accuracy}=\frac{\underset{t=1}{\overset{T}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}[y_t^i\&Element;H_t\left(x_t^i\right)]\&CenterDot;}{\mathrm{nT}}\&CenterDot;\&CenterDot;\&CenterDot;\left(6\right)$

本实验的结果，如参照下面的表而可知，本发明的状态检测装置能够以93.56％的准确度检测出驾驶员的驾驶状态。该准确度比其他方法高1.5～3倍左右。

表1

<第二实施方式>

接着，参照图6及图7，对本发明的第二实施方式进行说明。

此外，对与第一实施方式的状态检测装置10相同或等同的结构，标注相同的附图标记，并省略其说明。

在第二实施方式的状态检测装置10中，通过普通计算机实现识别装置30。

如图6所示，状态检测装置10具有身体信息获取装置20、通过计算机实现的识别装置30。

识别装置30具有CPU(Central Processing Unit：中央处理单元)30a、主存储部30b、辅助存储部30c、显示部30d、输入部30e、接口部30f、用于相互连接上述各部30a～30f的系统总线30g。

CPU30a按照存储在辅助存储部30c中的程序，针对由身体信息获取装置20获取的输入信息x，执行后述的处理。

主存储部30b包括RAM(Random Access Memory：随机存取存储器)等而构成，该主存储部30b作为CPU30a的工作区域来使用。

辅助存储部30c包含ROM(Read Only Memory：只读光盘)、磁盘、半导体存储器等非易失性存储器而构成。辅助存储部30c存储由CPU30a执行的程序及各种参数等。另外，依次存储包括从身体信息获取装置20输出的输入信息x以及CPU30a的处理结果等的信息。

显示部30d包含CRT(Cathode Ray Tube：阴极射线管)或LCD(LiquidCrystal Display：液晶显示器)等而构成，该显示部30d用于显示CPU30a的处理结果。

输入部30e包含键盘或鼠标等指示设备(pointing device)而构成。通过该输入部30e输入操作员的指示，并经由系统总线30g将该指示通知给CPU30a。

接口部30f包括串行接口或LAN(Local Area Network：局域网)接口等而构成。身体信息获取装置20经由接口部30f与系统总线30g相连接。

下面，参照图7，对由识别装置30执行的处理进行说明。此外，CPU30a指示身体信息获取装置20获取身体信息，并从身体信息获取装置20接收到输入信息x之后执行该处理。

在最初的步骤S101中，CPU30a分别将[1，-1，-1]、代码2[-1，1，-1]、代码3[-1，-1，1]、代码4[1，-1，0]、代码5[1，0，-1]、代码6[0，1，-1]和输入信息x建立对应关系，其中，代码[1，-1，-1]、代码2[-1，1，-1]、代码3[-1，-1，1]、代码4[1，-1，0]、代码5[1，0，-1]、代码6[0，1，-1]与输入信息x相对应关联。

接着，在步骤S102中，CPU30a基于代码1～6，将等级1～3分类为属于第一组的等级和属于第二组的等级。并且，CPU30a基于输入信息x，识别驾驶员的驾驶状态是属于第一组还是属于第二组，并计算与识别结果相对应的识别值h₁(x)～h₆(x)。

接着，在步骤S103中，CPU30a使用各识别值h₁(x)～h₆(x)和编码表W的列方向的要素，计算分别与等级1～3相对应的各损失值L₁～L₃。如图4所示，例如，在各识别值h₁(x)～h₆(x)分别是-2、-7、0.5、-1、-9、12的情况下，如上述计算式(4)那样计算与等级1相对应的损失值L₁。

接着，在步骤S104中，CPU30a在计算出的各损失值L₁～L₃中检测与值最小的损失值相对应的等级。例如，在损失值L₁是7018，损失值L₂是-161667，损失值L₃是153546的情况下，CPU30a检测出与最小的损失值L₂相对应的等级2作为驾驶员的驾驶状态所属的等级。

接着，在步骤S105中，CPU30a将与检测出的等级相关的信息输出至外部装置等。之后，CPU30a反复执行步骤S101～步骤S105的处理。

如上面的说明，在本第二实施方式的状态检测装置10中，例如基于以驾驶员的眼睑开度、脉拍频率等身体信息等为代表的与驾驶员相关的特征量，来检测当前的驾驶员的驾驶状态所属的等级。该等级是以驾驶员的活性度为指标来划分的驾驶员的驾驶状态的多个等级中的一个等级。因而，基于检测出的等级，能够与个人之间的差异以及个人内差异无关地，按照不同程度检测驾驶员的活性度降低到何种程度的情况。由此，能够向驾驶员提供更恰当的驾驶支援。

至此，对本发明的实施方式进行了说明，但上述实施方式不是用于限定本发明的。

例如，在上述各实施方式中，使用身体信息来作为与驾驶员相关的信息，但本发明并不限定于此。例如，也可以获取方向舵偏角、车辆行驶不稳的程度、制动时刻、车辆的速度及加速度等与车辆相关的信息、车内的气温及湿度等与驾驶员的周围环境相关的信息、对汽车音响或空调器等的操作等的与驾驶以外的对设备的操作相关的信息等，以作为与驾驶员相关的信息。本发明的状态检测装置也可以考虑(加进)这些信息来检测驾驶状态所属的等级。

另外，状态检测装置10检测驾驶汽车的驾驶员的状态，但本发明并不限定于此。本发明的状态检测装置还适合于检测驾驶列车、飞机等的驾驶员及操作员的状态的检测。另外，并不限定于驾驶员等，例如，还能在室内等中检测被监视人员的睡眠深度。

另外，只要基于例如因被监视人员的睡意、疲劳度等而发生变化的指标来决定驾驶员的活性度即可。例如，也可以基于驾驶员(被监视人员)的动作的准确性以及注意力等来定义驾驶员的活性度。

另外，例如，也可以利用S形函数(sigmoid function)等计算损失值。

另外，不管是专用的硬件，还是普通的计算机系统都能够实现识别装置30的功能。

另外，也可以将在第二实施方式中保存在识别装置30的辅助存储部30c中的程序，保存并分配在软盘、CD-ROM(Compact Disk Read-Only Memory：只读光盘)、DVD(Digital Versatile Disk：数字视频光盘)、MO(Magneto-Opticaldisk：磁光盘)等计算机可读取的记录介质中，并将该程序安装到计算机中，以此构成执行上述处理的装置。

另外，也可以将程序保存至互联网等通信网络上的规定的服务器装置所具有的盘片装置(disk device)等。例如，也可以通过传送波下载到计算机上等。

另外，也可以一边经由通信网络传送程序，一边起动执行该程序。

另外，也可以在服务器装置上执行程序的全部或一部分，并经由通信网络一边接收/发送与其处理相关的信息，一边执行上述处理。

此外，在由OS(Operating System：操作系统)分担实现上述功能的情况或OS和应用程序协同实现上述功能情况等下，也可以仅将OS以外的部分保存并分配在介质中，另外，也可以下载到计算机中等。

此外，在不脱离本发明的广义宗旨和范围的情况下，本发明能够实现各种实施方式及变形。另外，上述实施方式是用于说明本发明的，而并不限定本发明的范围。

本申请基于2009年7月9日申请的日本专利申请2009-163143号。本说明书中参照并引入了日本专利申请2009-163143号全部的说明书、权利要求书、附图。

产业上的可利用性

本发明的状态检测装置、状态检测方法及程序，用于检测被监视人员的状态。

附图标记的说明

10  状态检测装置

20  身体信息获取装置

30  识别装置

30a  CPU

30b  主存储部

30c  辅助存储部

30d  显示部

30e  输入部

30f  接口部

30g  系统总线

40  识别单元

41  编码器

421～426  识别器

43  解码器

1  等级检测单元

Claims (11)

1.一种状态检测装置，其特征在于，

具有：

特征量检测单元，其检测与被监视人员相关的信息来作为特征量；

识别单元，其将所述特征量作为输入值，基于该特征量，在第一组和第二组中识别出所述被监视人员的状态所属的所述组，并输出包含识别出的该结果的信息来作为输出值，其中，所述第一组和所述第二组是指，对以所述被监视人员的活性程度作为指标来决定的多个等级进行分类得到的组；

损失值计算单元，其根据由所述识别单元输出的输出值来计算损失值；

等级检测单元，其基于所述损失值来检测所述被监视人员的状态所属的所述等级。

2.根据权利要求1记载的状态检测装置，其特征在于，

多个所述等级以多种模式被分类为所述第一组和所述第二组。

3.根据权利要求1或2记载的状态检测装置，其特征在于，

所述损失值计算单元利用指数函数来定义所述损失值。

4.根据权利要求1记载的状态检测装置，其特征在于，

在将所述等级的个数设定为p，将所述识别单元的个数设定为G时，各

所述识别单元输出表示特定信息的正负号和表示该特定信息的可靠度的绝对值，

所述特定信息是指，表示所述被监视人员的活性程度属于特定第一组和特定第二组中的哪个组的信息，所述特定第一组由与特定值是1的要素相对应的等级构成，所述第二组由与特定值是-1的要素相对应的等级构成，所述特定值是指，在以W∈{1，0，-1}^p·G表示的编码表W中所对应的行的值。

5.根据权利要求4记载的状态检测装置，其特征在于，

所述损失值计算单元，基于由所述各识别单元输出的所述正负号和所述可靠度以及所述编码表W，针对每个所述识别单元以及每个所述等级，分别求出由指数函数定义的损失，并求出与同一等级相对应的损失之和。

6.根据权利要求5记载的状态检测装置，其特征在于，

所述等级检测单元，检测出所述损失之和为最小的等级，并将其作为所述被监视人员的状态所属的所述等级。

7.根据权利要求1至3中的任一项记载的状态检测装置，其特征在于，

与所述被监视人员相关的信息，是所述被监视人员的身体信息。

8.根据权利要求7记载的状态检测装置，其特征在于，

所述被监视人员的身体信息，包含所述被监视人员的视线信息和所述被监视人员的脉拍信息中的至少一个信息。

9.根据权利要求1记载的状态检测装置，其特征在于，

还具有特征量检测单元，其检测与所述被监视人员相关的信息来作为特征量，并将检测出的所述特征量供给至所述识别单元。

10.一种状态检测方法，其特征在于，

包括：

识别工序，将表示被监视人员的状态的指标即特征量作为输入值，基于该特征量，在第一组和第二组中识别出所述被监视人员的状态所属的所述组，并输出包含识别出的该结果的信息来作为输出值，其中，所述第一组和所述第二组是指，对以所述被监视人员的活性程度作为指标来决定的多个等级进行分类得到的组；

损失值计算工序，根据在所述识别工序中输出的输出值来计算损失值；

等级检测工序，基于所述损失值来检测所述被监视人员的状态所属的所述等级。

11.一种程序，其特征在于，

使计算机执行以下步骤：

识别步骤，将表示被监视人员的状态的指标即特征量作为输入值，基于该特征量，在第一组和第二组中识别出所述被监视人员的状态所属的所述组，并输出包含识别出的该结果的信息来作为输出值，其中，所述第一组和所述第二组是指，对以所述被监视人员的活性程度作为指标来决定的多个等级进行分类得到的组；

损失值计算步骤，根据在所述识别步骤中输出的所述输出值来计算损失值；

等级检测步骤，基于所述损失值来检测所述被监视人员的状态所属的所述等级。

Images