JP2008188108A - 覚醒度推定装置 - Google Patents

Abstract

【課題】降水がある場合でも覚醒度を高精度に推定可能な覚醒度推定装置を提供することを課題とする。
【解決手段】被験者の覚醒度を推定する覚醒度推定装置１であって、被験者の覚醒度に応じて変化する特徴量を抽出する特徴量抽出手段１２と、特徴量抽出手段１２で抽出した特徴量に基づいて被験者の覚醒度を推定する推定手段１３，１４，１５と、降水状態を検出する降水状態取得手段３，１０とを備え、推定手段１３，１４，１５は、降水状態取得手段３，１０で検出した降水が多い場合には少ない場合に比べて被験者の覚醒度が高いと推定し易くすることを特徴とする。
【選択図】図１

Description

本発明は、高精度に覚醒度を推定する覚醒度推定装置に関する。

車両の運転者に安全な走行を行わせるために、運転者の眠気（覚醒度）を判定する装置が開発されている。眠気判定装置としては、例えば、心拍、脳波、瞬きなどから眠気に応じて変化する特徴量を抽出し、その特徴量を閾値と比較することによって眠気を判定するものがある。特に、特許文献１に示す装置では、天候情報を取得し、雨などの降水が激しくなるほど眠気が強くなると予測する。
特開２００３−６１９３９号公報 特開２００２−２１９９６８号公報 特開２００３−３２５４８９号公報 特開２００２−１２７７８０号公報 特開２００２−３６９０５号公報

しかし、降水がある場合、実際には、運転者は、その降水が外部からの刺激となり、その刺激によって居眠りし難くなる（覚醒度が高くなる）。したがって、特許文献１に示す装置では、降水がある場合、運転者が居眠りしていると誤判定する虞がある。

そこで、本発明は、降水がある場合でも覚醒度を高精度に推定可能な覚醒度推定装置を提供することを課題とする。

本発明に係る覚醒度推定装置は、被験者の覚醒度を推定する覚醒度推定装置であって、被験者の覚醒度に応じて変化する特徴量を抽出する特徴量抽出手段と、特徴量抽出手段で抽出した特徴量に基づいて被験者の覚醒度を推定する推定手段と、降水状態を検出する降水状態検出手段とを備え、推定手段は、降水状態検出手段で検出した降水が多い場合には少ない場合に比べて被験者の覚醒度が高いと推定し易くすることを特徴とする。

この覚醒度推定装置では、特徴量抽出手段により被験者の覚醒度（眠気）に応じて変化する特徴量を抽出する。覚醒度に応じて変化する特徴量は、例えば、心拍から抽出した特徴量、脳波から抽出した特徴量、呼吸から抽出した特徴量、瞬きから抽出した特徴量、唇の動きから抽出した特徴量、体の動き（背伸び、体ひねりなど）から抽出した特徴量である。そして、覚醒度推定装置では、推定手段により特徴量に基づいて被験者の覚醒度を推定する。特に、覚醒度推定装置では、降水状態検出手段により降水状態を検出する。降水は、大気中の水蒸気が変化して落下する現象であり、雨、雪、雹、霰などによる降水である。降水がある場合、路面状況や視界の変化などによって事故リスクが高くなったり、フロントガラスへの雨滴などの接触による視覚刺激が発生する。これらの要因が被験者に対して外部刺激となって特徴量（生理指標など）が変化し、被験者の覚醒度が高くなる（居眠りし難くなる）と推測できる。そこで、覚醒度推定装置は、推定手段により降水が多い場合には少ない場合に比べて被験者の覚醒度が高いと推定し易くする。このように、覚醒度推定装置では、降水がある場合、特徴量に対して通常より覚醒度が高く推定されるようにすることにより、降水による刺激によって特徴量が変化している状況でも覚醒度を高精度に推定することができる。

本発明は、降水がある場合には覚醒度が高いと推定し易くすることにより、降水がある場合でも覚醒度を高精度に推定することができる。

以下、図面を参照して、本発明に係る覚醒度推定装置の実施の形態を説明する。

本実施の形態では、本発明に係る覚醒度推定装置を、車両に搭載され、運転者の居眠り状態を検出する居眠り検出装置に適用する。本発明に係る居眠り検出装置は、運転者の生理状態を表す指標を計測し、その指標から抽出した特徴量に基づいて居眠り状態（覚醒度が低い状態）を検出し、居眠り状態を検出した場合には運転者が居眠り状態であることを告知する。

ここで、降水と運転者の覚醒度（眠気）との関係について説明する。多数の運転者に対して運転中に居眠り状態となったときの天候について調査したところ、降雨や降雪などの降水があるときには居眠り状態になった運転者が少なく、晴天や曇天のときには居眠り状態になった運転者が多いという結果が得られた。特に、連続して降水が続く場合にはこの傾向が顕著になる。このように、降水のときに居眠り状態の発生率が低くなる（覚醒度が高くなる）要因としては、路面状況や視界状況などの変化によって事故の発生リスクが高くなることを運転者が認識しており、運転者が通常より注意を払って運転することやフロントガラスの雨滴などの接触による視覚刺激が運転者に与えられることが考えられる。この２つの要因は運転者に対して刺激として影響を与えるので、この刺激の影響によって運転者の生理状態が変化する。つまり、降水があるときの生理状態と降水がないときの生理状態とは異なる。このように生理状態が変化した結果、居眠りが起こり難くなる（覚醒度を高くする）と推測できる。したがって、生理指標（特徴量）に基づいて居眠り状態を検出する場合、降水の有無によって生理指標の変化に対する検出感度、すなわち居眠り状態の検出感度（判定条件）を変える必要があり、降水がない場合より検出感度を鈍くする必要がある。

図１〜図２を参照して、本実施の形態に係る居眠り検出装置１について説明する。図１は、本実施の形態に係る居眠り検出装置の構成図である。図２は、眠気レベル、降水がある場合と降水がない場合の居眠り判定用の特徴量の大きさ及び居眠り判定用の閾値の関係の一例を示すグラフである。

居眠り検出装置１は、運転者の眠気（覚醒度）に応じて変化する特徴量と居眠り判定用の閾値とを比較し、特徴量が閾値より大きくなった場合に居眠り状態と判定する。特に、居眠り検出装置１では、降水に関係なく居眠り状態を高精度に判定するために、居眠り判定用の閾値を可変とする。そのために、居眠り検出装置１は、指標計測手段２、降水状態取得手段３、出力手段４、ＥＣＵ[Electronic Control Unit]５を備え、ＥＣＵ５に降水有無判断部１０、降水有無判断結果格納バッファ１１、特徴量抽出部１２、降水有無判断結果判定部１３、居眠り検出部１４、降水対応部１５、居眠り検出有無判断部１６、居眠り出力部１７が構成される。

なお、本実施の形態では、降水状態取得手段３及び降水有無判断部１０が特許請求の範囲に記載する降水状態検出手段に相当し、特徴量抽出部１２が特許請求の範囲に記載する特徴量抽出手段に相当し、降水有無判断結果判定部１３、居眠り検出部１４及び降水対応部１５が特許請求の範囲に記載する推定手段に相当する。

指標計測手段２は、運転者の眠気を判断するための体調を表す各種指標を計測する手段である。指標計測手段２では、各指標を計測し、計測した指標を示す指標信号をＥＣＵ５に送信する。指標計測手段２としては、例えば、心拍センサ、脳波センサ、脈波センサ、呼吸センサ、運転者の顔や体などを撮像するカメラとその撮像画像を処理する画像処理装置である。カメラを用いる手段では、撮像画像から運転者の顔の瞬き、唇の動きなどを検出したり、あるいは、運転者の体の背伸び、体のひねりなどを検出する。

降水状態取得手段３は、雨や雪などによる降水状態を取得する手段であり、例えば、車両への雨滴量を直接検出する雨滴感知センサ、天候情報を外部から取得するためのＶＩＣＳ[Vehicle Information and Communication System]などである。降水状態取得手段３では、降水状態を取得し、その降水状態を示す降水状態信号をＥＣＵ５に送信する。

出力手段４は、出力対象に対して運転者が居眠り状態であることや運転者に対して休息を促すような告知をするための手段あるいは運転者の覚醒度を高めるための手段である。出力手段４では、ＥＣＵ５から出力信号を受信すると、各手段に応じた出力を行う。出力手段４としては、例えば、音で告知する手段（ブザー、オーディオ、ラジオ、クラクション）、光で告知する手段（メータ照明、室内照明）、触覚や温冷覚で告知する手段（シートに埋設した振動装置、エアコンの風や温度変化）、においで告知する手段（芳香剤の噴射）、システムへのコマンド出力である。出力対象としては、例えば、運転者、運転席以外に座っている乗員、トラックやタクシなどの営業車の運行を管理する管理者、車両制御システムである。

ＥＣＵ５は、ＣＰＵ[Central Processing Unit]、ＲＯＭ[Read Only Memory]、ＲＡＭ[Random Access Memory]などからなり、居眠り検出装置１を統括制御する。ＥＣＵ５では、起動すると、一定時間毎に指標計測手段２からの指標信号及び降水状態取得手段３からの降水状態信号を取り入れ、指標信号の指標及び降水状態信号の降水状態を各バッファに格納し、一定時間毎の時系列データとして保持する。また、ＥＣＵ５では、ＲＯＭに格納される各プログラムをＣＰＵで実行することによって各処理部１０，１２〜１７を構成し、一定時間毎に各処理部１０，１２〜１７の処理を行う。

降水有無判断部１０は、一定時間毎に、降水状態取得手段３で取得した降水状態に基づいて、降水があるか否かを判断する。例えば、雨滴量が所定量以上の場合に、降水があると判断する。この所定量としては、実験などによって設定され、運転者に対する刺激となり、生理状態を変化させる程度の雨滴量が設定される。そして、降水有無判断部１０は、その判断結果を降水有無判断結果格納バッファ１１に記憶させる。

降水有無判断結果格納バッファ１１は、ＲＡＭの所定の領域に構成され、降水有無判断部１０での降水有無の判断結果を時系列で格納するためのバッファである。

特徴量抽出部１２は、指標計測手段２で計測した各指標から居眠り状態を判定するための特徴量を抽出する。抽出される特徴量は、眠気（覚醒度）に応じて変化するパラメータであり、眠気が強くなるほど値が大きくなるように設定される。さらに、特徴量抽出部１２は、各指標の特徴量から居眠り状態を判定するための閾値ＴＨ_２の基本値を求める。

ここでは、特徴量を抽出する一例として心拍センサで計測された心拍から特徴量を抽出する場合について説明する。まず、特徴量抽出部１２では、心拍の時系列データにバンドパスフィルタ処理を施し、心拍の時系列データから所定の通過帯域（例えば、０．１Ｈｚ〜３０Ｈｚ）の成分を取り出す。次に、特徴量抽出部１２では、心拍の時系列データから心拍タイミング検出用の閾値ＴＨ_０以上となっている波形部分を切り出す。そして、特徴量抽出部１２では、切り出した波形部分が最大となるタイミングを１とし、他のタイミングを０として２値化する。次に、特徴量抽出部１２では、２値化した１となる各心拍タイミングｔ_ｉから次の１となる心拍タイミングｔ_ｉ＋１までの時間を求め、その時間間隔（ｔ_ｉ＋１−ｔ_ｉ）を各心拍タイミングｔ_ｉに付与する。この各心拍タイミングｔ_ｉに付与される時間情報が、心拍周期の情報となる。次に、特徴量抽出部１２では、心拍周期の情報を補完して心拍周期の曲線を求め、心拍周期の時系列データを得る。

次に、特徴量抽出部１２では、任意のタイムスタンプである基準時間Ｔより前の解析単位区間幅Ｔｔｅｒｍにおける心拍周期の時系列データに対して高速フーリエ変換処理を施す。次に、特徴量抽出部１２では、高速フーリエ変換によって解析単位区間幅Ｔｔｅｒｍ毎に得られたパワースペクトルにおいて予め設定した周波数帯帯域毎に振幅パワースペクトルに対して積分処理を施す。周波数帯帯域は、計測される心拍についてゆらぎ（変化）が強く現れる周波数帯帯域とすればよい。そして、特徴量抽出部１２では、一定時間が経過して基準時間Ｔになる毎に、解析単位区間幅Ｔｔｅｒｍにおける心拍周期の時系列データに対して高速フーリエ変換処理を施し、解析単位区間幅Ｔｔｅｒｍ毎に振幅パワースペクトルに対して積分処理を施す。ここで得られる振幅スペクトルパワーの時系列データが、心拍ゆらぎの時系列データである。

次に、特徴量抽出部１２では、心拍ゆらぎの時系列データに対して微分処理を施す。次に、特徴量抽出部１２では、現在時刻ｔ_０からｔｄ前の時刻を終端とする解析区間幅Ａを設定する。そして、特徴量抽出部１２では、解析区間幅Ａでの心拍ゆらぎの微分値の時系列データの平均値ｍｅａｎと標準偏差ｓｄを算出し、式（１）により閾値ＴＨ_１を算出する。

平均値ｍｅａｎから標準偏差ｓｄの３倍離れた値を閾値ＴＨ_１に設定するで、心拍ゆらぎ微分値が閾値ＴＨ_１を超えることは９９％あり得ないことになり、統計的に有意差のある心拍ゆらぎの特徴的変化を検出することができる。

次に、特徴量抽出部１２では、各時刻毎に心拍ゆらぎの微分値が閾値ＴＨ_１を超えたか否かを判定する。現在時刻ｔ_０から過去に遡って一定時間に、心拍ゆらぎの微分値が閾値ＴＨ_１を超えていない場合、特徴量抽出部１２では、次の時刻ｔ_０＋１において閾値ＴＨ_１を更新する。一方、現在時刻ｔ_０から過去に遡って一定時間に、心拍ゆらぎの微分値が閾値ＴＨ_１を超えている場合、特徴量抽出部１２では、次の時刻ｔ_０＋１において閾値ＴＨ_１を更新せずに、閾値ＴＨ_１として現在時刻ｔ_０の閾値ＴＨ_１を維持する。これによって、閾値ＴＨ_１を超えた心拍ゆらぎの微分値を閾値設定に用いることを防止し、運転者の眠気の変化を精度良く判定することが可能となる。

次に、特徴量抽出部１２では、各周波数帯について、心拍ゆらぎの微分値が閾値ＴＨ_１を超えた有無を判断する。そして、特徴量抽出部１２では、所定の時間間隔毎に、閾値ＴＨ_１を超えた心拍ゆらぎの特徴的変化をカウントし、閾値超え密度の時系列データを求める。この閾値超え密度の時系列データは、心拍ゆらぎの特徴的変化の発生頻度であり、居眠り状態を判定するための最終的な特徴量である。

次に、特徴量抽出部１２では、閾値超え密度の時系列データから時系列データの前半の特定区間Ａの時系列データを取り出す。そして、特徴量抽出部１２では、特定区間Ａにおける時系列データから閾値超え密度最大値ＭＭを抽出し、式（２）により閾値ＴＨ_２を算出する。この式（２）で求められる閾値ＴＨ_２は、居眠り状態を判定するための閾値の基本値となる。

ｓｃａｌｅは任意の実数であり、ｐａｒａｍは任意の変数（例１：ＭＭ、例２：特定区間Ａにおける閾値超え密度の標準偏差）であり、ｓｃａｌｅとｐａｒａｍの値は統計的に有意差のあるゆらぎの特徴的変化が検出されるように調整すればよい。

降水有無判断結果判定部１３は、降水有無判断結果格納バッファ１１に格納されている降水有無の判断結果に基づいて、現在、降水があるか否かを判定する。降水がない場合、降水有無判断結果判定部１３は、降水対応部１５での処理を実行させずに、居眠り検出部１４での処理を実行させる。一方、降水がある場合、降水有無判断結果判定部１３では、降水対応部１５での処理を実行させた後に、居眠り検出部１４での処理を実行させる。

居眠り検出部１４は、特徴量抽出部１２で抽出した各指標の特徴量が閾値ＴＨ_２を超えているか否かを判定する。この閾値ＴＨ_２としては、降水対応部１５での処理を実行している場合には降水対応部１５で求めた閾値ＴＨ_２（補正値）を用い、降水対応部１５での処理を実行していない場合には特徴量抽出部１２で求めた閾値ＴＨ_２（基本値）を用いる。特徴量が閾値ＴＨ_２を超えていない場合、居眠り検出部１４は、居眠り状態ではない（覚醒度が高い）と判定する。特徴量が閾値ＴＨ_２を超えた場合、居眠り検出部１４は、閾値ＴＨ_２を超えている時間を測定し、その測定時間が時間閾値ＴＨ_３を超えている場合には居眠り状態（覚醒度が低い）と判定する。

ここでは、居眠り状態を検出する一例として上記した心拍の特徴量（閾値超え密度の時系列データ）を用いて居眠り状態を検出する場合について説明する。居眠り検出部１４では、特徴量抽出部１２で求めた心拍の閾値超え密度の時系列データから時系列データの前半の特定区間Ａ以降の時系列データを取り出す。そして、居眠り検出部１４では、特定区間Ａ以降の時系列データにおいて閾値ＴＨ_２を超えているか否かを判定する。閾値ＴＨ_２を超えていない場合、居眠り検出部１４では、居眠り状態でないと判定する。一方、閾値ＴＨ_２を超えた場合、居眠り検出部１４では、閾値ＴＨ_２を超えている時間を測定する。この閾値ＴＨ_２を超えているデータは、統計的に有意差のあるゆらぎの特徴的変化であり、眠気が強いことを示している。そして、居眠り検出部１４では、閾値ＴＨ_２を超えている時間が時間閾値ＴＨ_３を超えているか否かを判定する。時間閾値ＴＨ_３を超えていない場合、居眠り検出部１４では、居眠り状態でないと判定する。一方、時間閾値ＴＨ_３を超えた場合、居眠り検出部１４では、運転者は居眠り状態と判定する。なお、閾値ＴＨ_２を超えている時間は、連続的に超えている時間でもよいし、あるいは、所定時間内に離散的に超えている時間の積算時間でもよい。

降水対応部１５は、特徴量抽出部１２で求めた閾値ＴＨ_２の基本値に閾値補正量Ｂを加算し、その加算値を閾値ＴＨ_２の補正値とする。閾値補正量Ｂは、複数の被験者に対する実験に基づいて、降水がある場合と降水がない場合における眠気の強さの変化と各指標の特徴量の大きさの変化との関係から予め設定される。降水がある場合、上記したように降水による刺激によって運転者の生理状態が変化し、特徴量が相対的に大きくなると予測できる。そこで、閾値ＴＨ_２を大きくして、降水がない場合より居眠り状態を検出し難くする。

ここでは、降水対応の一例として上記した心拍の特徴量を用いて閾値ＴＨ_２を求める場合について説明する。降水対応部１５では、特定区間Ａにおける閾値超え密度最大値ＭＭと心拍について設定されている閾値補正量Ｂを用いて、式（３）により閾値ＴＨ_２を算出する。この式（３）で求められる閾値ＴＨ_２は、居眠り状態を判定するための閾値の補正値となる。

ここでは、閾値ＴＨ_２（補正値）を式（３）で求めたが、式（２）で求めた閾値ＴＨ_２（基本値）に閾値補正量Ｂを加算してもよい。

居眠り検出有無判断部１６は、居眠り検出部１４で居眠り状態を検出したか否かを判断する。居眠り検出部１４で居眠り状態を検出していない場合、居眠り検出有無判断部１６は、居眠り出力部１７での処理を実行させない。一方、居眠り検出部１４で居眠り状態を検出した場合、居眠り検出有無判断部１６では、居眠り出力部１７での処理を実行させる。

居眠り出力部１７は、居眠り状態であることを告知するために、出力信号を出力手段４に送信する。

図２には、運転中の運転者の眠気レベルＦ（一点鎖線）、降水がない場合の特徴量Ｃ（実線）と降水がある場合の特徴量Ｃ’（破線）、基本値の閾値ＴＨ_２（実線）と補正値の閾値ＴＨ_２’（破線）の時間変化の一例を示している。眠気レベルＦは、運転者の顔の画像に基づく眠気の官能評価で求められる眠気のレベルであり、Ｄ０〜Ｄ５までの６段階で表され、Ｄ０が最も弱く（覚醒度が最も高い状態）であり、Ｄ５が最も強い（覚醒度が最も低い状態）。特徴量は、眠気が強いときに大きくなるような特徴量である。特に、降水がある場合、特徴量Ｃ’は、降水がない場合の特徴量Ｃに比較し、相対的に大きくなる。

降水がある場合、特徴量Ｃ’が大きくなるので、閾値ＴＨ_２を基本値のまま維持すると、符号Ａ１で示す箇所において特徴量Ｃ’が閾値ＴＨ_２（基本値）を所定時間超え、居眠り状態が検出される。この箇所では運転者の眠気レベルＦは実際には弱いが、閾値ＴＨ_２（基本値）に基づく判定では居眠り状態が誤検出される。

そこで、補正値の閾値ＴＨ_２’に変えると、符号Ａ１で示す箇所において特徴量Ｃ’が閾値ＴＨ_２’（補正値）を超えないので、居眠り状態が検出されない。このように、運転者の眠気レベルＦが弱いときには、閾値ＴＨ_２’（補正値）に基づく判定では居眠り状態が誤検出されない。一方、符号Ａ２，Ａ３で示す箇所では眠気レベルＦが強くなってきており、それに対応して特徴量Ｃ’も大きくなり、この箇所において特徴量Ｃ’が閾値ＴＨ_２’（補正値）を離散的に超え、その超えたときの積算時間が所定時間超え、居眠り状態が検出される。このように、運転者の眠気レベルＦが実際に強くなってきたときには、閾値ＴＨ_２’（補正値）に基づく判定でも居眠り状態が検出される。

ここでは、眠気状態として検出する目標レベルとしては、眠気レベルのＤ２レベルとしている。したがって、降水時には閾値ＴＨ_２を大きくしないと、眠気レベルのＤ２未満でも居眠り状態と検出してしまう。しかし、降水時には閾値ＴＨ_２を大きくすることによって、眠気レベルＤ２未満での誤検出を抑制することができる。

図１を参照して、居眠り検出装置１の動作について説明する。特に、ＥＣＵ５における処理については図３にフローチャートに沿って説明する。図３は、図１のＥＣＵにおける処理の流れを示すフローチャートである。

運転者がエンジンを始動すると、居眠り検出装置１が起動する。そして、居眠り検出装置１では、起動後、以下の動作を繰り返し行う。

降水状態取得手段３では、降水状態を取得し、その取得した降水状態を降水状態信号としてＥＣＵ５に送信する。ＥＣＵ５では、降水状態信号を受信し、降水状態のデータを所定のバッファに格納する（Ｓ１）。そして、ＥＣＵ５では、その取得した降水状態に基づいて、現在、降水があるか否かを判断し、その判断結果を降水有無判断結果格納バッファ１１に記憶させる（Ｓ２）。

指標計測手段２では、運転者から指標を計測し、その計測した値を指標信号としてＥＣＵ５に送信する。ＥＣＵ５では、指標信号を受信し、指標のデータを所定のバッファに格納する（Ｓ３）。これによって、指標の時系列データが生成されてゆく。そして、ＥＣＵ５では、指標の時系列データから特徴量を抽出するとともに、その特徴量から居眠り状態判定用の閾値ＴＨ_２の基本値を求める（Ｓ４）。

ＥＣＵ５では、降水有無判断結果に基づいて、現在、降水があるか否かを判定する（Ｓ５）。Ｓ５にて降水があると判定した場合、ＥＣＵ５では、降水時の居眠り判定に対応するために、閾値ＴＨ_２の基本値に閾値補正量Ｂを加算して閾値ＴＨ_２の補正値を求める（Ｓ６）。

Ｓ５にて降水がないと判定した場合又はＳ６の処理を実行すると、ＥＣＵ５では、特徴量が閾値ＴＨ_２を超えるか否かを判定する（Ｓ７）。Ｓ６の処理を実行している場合（降水ありの場合）、閾値ＴＨ_２としては補正値（大きい値）であり、居眠り状態の検出レベルが通常より厳しくなっている。Ｓ６の処理を実行していない場合（降水なしの場合）、閾値ＴＨ_２として基本値（小さい値）であり、居眠り状態の検出レベルが通常レベルである。特徴量が閾値ＴＨ_２を超えていない場合、ＥＣＵ５は、居眠り状態ではないと判定する（Ｓ７）。特徴量が閾値ＴＨ_２を超えている場合、ＥＣＵ５では、閾値ＴＨ_２を超えている時間が時間閾値ＴＨ_３を超えている場合には居眠り状態検出と判定し、時間閾値ＴＨ_３を超えていない場合には居眠り状態でないと判定する（Ｓ７）。

ＥＣＵ５では、Ｓ７での処理での居眠り状態検出の有無を判定する（Ｓ８）。Ｓ８にて居眠り状態検出なしと判定した場合、ＥＣＵ５では、今回の処理を終了し、一定時間経過後に次回の処理を行う。Ｓ８にて居眠り状態検出ありと判定した場合、ＥＣＵ５では、出力信号を出力手段４に送信する（Ｓ９）。出力信号を受信すると、出力手段４では、運転者が居眠り状態であること知らせるための出力を行う。この出力によって、運転者が居眠り状態であることに気づきあるいは運転者以外の者が運転者が居眠り状態であることに知って運転者を喚起する。これによって、運転者の眠気が弱まってゆくか、あるいは、運転者が休息を取る。

この居眠り検出装置１によれば、降水がある場合には居眠り状態を通常より検出し難くすることにより、降水による刺激によって運転者の特徴量が大きくなっている状況でも居眠り状態の誤検出を抑制でき、居眠り検出精度が向上する。また、居眠り検出装置１によれば、居眠り判定用の閾値ＴＨ_２を変更するだけの簡単な方法により、居眠り状態を通常より検出し難くすることができる。

以上、本発明に係る実施の形態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ことなく様々な形態で実施される。

例えば、本実施の形態では車両の運転者の居眠りを判定する居眠り検出装置に適用したが、他の乗り物の運転者、各種プラントの監視者、夜間の従業者などの様々な人の居眠りを判定するために利用してもよい。

また、本実施の形態では居眠り判定するための装置に適用したが、ＣＤ−ＲＯＭなどの記憶媒体に格納されたプログラムやインタネットなどのネットワークを介して利用可能なプログラムなどに適用し、このようなプログラムをコンピュータ上で実行することによって居眠りを判定する構成としてもよい。

また、本実施の形態では心拍の特徴量を利用して居眠り状態を判定する一例を示したが、脳波、脈波、呼吸、瞬き、顔や体のアクションなどから求められる眠気（覚醒度）に応じて変化する特徴量を利用して居眠り状態を判定する構成としてもよいし、あるいは、これらの特徴量を幾つか組み合わせて居眠り状態を判定する構成としてもよい。また、心拍の特徴量の求める方法も、例で示した方法以外の方法も適用可能である。

また、本実施の形態では降水対応処理として閾値ＴＨ_２を降水のある場合とない場合とに応じて１段階だけ大きくする構成としたが、降水量に応じて閾値ＴＨ_２を複数段階で大きくしてゆく構成としてもよい。つまり、降水量が多いほど、運転者に対する刺激が大きくなり、特徴量が大きく変化すると予測されるので、閾値補正量Ｂとして大きい値を設定する。

また、本実施の形態では特徴量に対する閾値ＴＨ_２を変更することによって居眠り状態を検出し難くする構成としたが、居眠り状態を検出し難くする方法としては特徴量に対する閾値ＴＨ_２を変更する以外の方法でも適用可能であり、例えば、特徴量が閾値ＴＨ_２を超えた時間に対する時間閾値ＴＨ_３を変更することによって居眠り状態を検出し難くするようにしてもよいし、特徴量を求めるときに居眠り状態と検出され難い特徴量として求めるようにしてもよい。

また、本実施の形態では特徴量から居眠り状態判定用の閾値ＴＨ_２を求める構成としたが、閾値ＴＨ_２を予め設定した値としてもよい。

また、本実施の形態では居眠り状態（覚醒度が低い状態）か否か検出する構成としたが、覚醒度（眠気レベル）を段階的に推定する構成としてもよい。

本実施の形態に係る居眠り検出装置の構成図である。 眠気レベル、降水がある場合と降水がない場合の居眠り判定用の特徴量の大きさ及び居眠り判定用の閾値の関係の一例を示すグラフである。 図１のＥＣＵにおける処理の流れを示すフローチャートである。

符号の説明

１…居眠り検出装置、２…指標計測手段、３…降水状態取得手段、４…出力手段、５…ＥＣＵ、１０…降水有無判断部、１１…降水有無判断結果格納バッファ、１２…特徴量抽出部、１３…降水有無判断結果判定部、１４…居眠り検出部、１５…降水対応部、１６…居眠り検出有無判断部、１７…居眠り出力部

Claims (1)

1. 被験者の覚醒度を推定する覚醒度推定装置であって、
   被験者の覚醒度に応じて変化する特徴量を抽出する特徴量抽出手段と、
   前記特徴量抽出手段で抽出した特徴量に基づいて被験者の覚醒度を推定する推定手段と、
   降水状態を検出する降水状態検出手段と
   を備え、
   前記推定手段は、前記降水状態検出手段で検出した降水が多い場合には少ない場合に比べて被験者の覚醒度が高いと推定し易くすることを特徴とする覚醒度推定装置。

Images