CN111742376B - 信息处理方法、信息处理程序以及信息处理*** - Google Patents
信息处理方法、信息处理程序以及信息处理*** Download PDFInfo
- Publication number
- CN111742376B CN111742376B CN201980013950.9A CN201980013950A CN111742376B CN 111742376 B CN111742376 B CN 111742376B CN 201980013950 A CN201980013950 A CN 201980013950A CN 111742376 B CN111742376 B CN 111742376B
- Authority
- CN
- China
- Prior art keywords
- person
- talking
- image
- visitor
- information
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 42
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 208000015181 infectious disease Diseases 0.000 claims abstract description 192
- 208000035473 Communicable disease Diseases 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims description 46
- 238000000034 method Methods 0.000 claims description 37
- 238000005259 measurement Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 29
- 238000004891 communication Methods 0.000 description 24
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000005484 gravity Effects 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 239000012678 infectious agent Substances 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 230000002458 infectious effect Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 241000700605 Viruses Species 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 206010022000 influenza Diseases 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000005195 poor health Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 241000712461 unidentified influenza virus Species 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M11/00—Telephonic communication systems specially adapted for combination with other electrical systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种信息处理方法、信息处理程序以及信息处理***,信息处理方法包括:取得包含位于预定的设施的第1人物的第1图像和位于预定的设施的第2人物的第2图像的图像信息,将第1人物和第2人物的每一个分类为设施的居住者或设施的来访者,由此,第1人物被分类为居住者,第2人物被分类为来访者,基于第1图像和第2图像,算出第1人物和第2人物之间的距离,基于所算出的距离,判断第1人物和第2人物是否正在谈话,在判断为第1人物和第2人物正在谈话的情况下,计测第1人物和第2人物正在谈话的谈话时间,在所计测出的谈话时间超过了预定的时间的情况下,将表示第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
Description
技术领域
本公开涉及对传染上传染病的危险性进行通知的信息处理方法、信息处理程序以及信息处理***。
背景技术
以流行性感冒为首的很多传染病,通过接触传染、飞沫传染以及空气传染等各种传染途径在人与人之间传播。例如,若在空间内有1个传染者,则会通过各种传染途径而引起向接受者的传染。而且,一旦传染病从传染者被带入到接受者群体的情况下,传染病会不断地传播,有可能发生群体传染。就健康状况不佳的高龄者以及儿童等而言,也报告有传染病容易重症化,最坏的情况下甚至死亡的例子。尤其是在高龄者共同生活着的看护设施中,尽管设施内的职员进行了口罩的佩戴以及彻底的手部卫生等的传染病对策,有时从外部向设施的来访者导致的传染病的带入也会成为火种,在设施内引起群体传染。
对于这样的传染病的从外部的带入,例如,专利文献1中公开了以下技术,即,将满足从入室时刻起的经过时间成为预定值以内的条件的认证者判定为屋外入室者,对屋外入室者进行累计而算出屋外入室者累计人数,算出该屋内入室者入室的居室的在室者人数,将屋外入室者累计人数除以在室者人数而算出屋外入室者比例,在屋外入室者比例超过了预定值时,以室内的相对温度以及相对湿度据说是使流行性感冒病毒非活化的温度以及湿度的方式设定空调控制的设定值。
另外,根据非专利文献1,报告有在传染者呼气之中含有传染病毒这样的事例。
现有技术文献
专利文献1:日本特开2014-5993号公报
非专利文献
非专利文献1:Jing Yan et al.、「Infectious virus in exhaled breath ofsymptomatic seasonal influenza cases from a college community」、PNAS、2018年
发明内容
然而,在上述以往的技术中,无法推定因与来访者的谈话而设施的居住者染上传染病的危险性,需要进一步的改善。
本公开是为了解决上述的问题而做出的,提供一种能够推定因与来访者的谈话而设施的居住者染上传染病的危险性的技术。
本公开的一技术方案的信息处理方法计算机进行以下处理:取得包含位于预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像的图像信息,将所述第1人物和所述第2人物的每一个分类为所述设施的居住者或所述设施的来访者,由此,所述第1人物被分类为所述居住者,所述第2人物被分类为所述来访者,基于所述第1图像和所述第2图像,算出所述第1人物和所述第2人物之间的距离,基于所算出的所述距离,判断所述第1人物和所述第2人物是否正在谈话,在判断为所述第1人物和所述第2人物正在谈话的情况下,计测所述第1人物和所述第2人物正在谈话的谈话时间,在所计测出的所述谈话时间超过了预定的时间的情况下,将表示所述第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
此外,这些总括的或具体的技术方案也可以由装置、***、集成电路、计算机程序或计算机可读取记录介质实现,也可以由装置、***、方法、集成电路、计算机程序以及计算机可读取记录介质的任意组合而实现。计算机可读取记录介质例如包含CD-ROM(CompactDisc-Read Only Memory)等的非易失性的记录介质。
根据本公开,能够推定因与来访者的谈话而设施的居住者传染上传染病的危险性,能够将居住者传染上传染病这一情况防止于未然。
本公开的一技术方案的进一步的优点和效果根据说明书和附图可以清楚。所述利点和/或效果通过几个实施方式和说明书以及附图所记载的特征而分别提供,但是无需为了得到1个或1个以上的同一特征而必需提供全部。
附图说明
图1是表示本公开的实施方式1的传染风险通知***的构成的图。
图2是用于说明本实施方式1的传染风险通知装置的动作的第1流程图。
图3是用于说明本实施方式1的传染风险通知装置的动作的第2流程图。
图4是用于说明本实施方式1的传染风险通知装置的动作的第3流程图。
图5是表示在本实施方式1中显示于终端装置的传染通知信息的一例的图。
图6是表示在本实施方式1中显示于终端装置的历史记录信息的一例的图。
图7是表示本公开的实施方式2的传染风险通知***的构成的图。
图8是用于说明本实施方式2的摄像头的动作的第1流程图。
图9是用于说明本实施方式2的摄像头的动作的第2流程图。
图10是用于说明本实施方式2的传染风险通知装置的动作的第1流程图。
图11是用于说明本实施方式2的传染风险通知装置的动作的第2流程图。
具体实施方式
(成为本公开的基础的见解)
在以往的技术中,将屋外入室者累计人数除以在室者人数来算出屋外入室者比例,评价统计上的传染风险,因此,没有考虑到实际上作为传染成立的重要过程的屋外入室者与位于屋内的人进行对话而产生的传染的危险性。在对话时,人与人的距离靠近意味着,在一方是传染者的情况下,另一方的接触传染或飞沫传染的危险性变高。
另外,即使传染者不咳嗽或打喷嚏,只要呼吸,就有可能放出传染病毒。因此,在人与人靠近谈话的情况下,除了接触传染以及飞沫传染的危险性以外,空气传染的危险性也有可能提高。
为了解决以上的课题,本公开的一技术方案的信息处理方法,计算机取得包含位于预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像的图像信息,将所述第1人物和所述第2人物的每一个分类为所述设施的居住者或所述设施的来访者,由此,所述第1人物被分类为所述居住者,所述第2人物被分类为所述来访者,基于所述第1图像和所述第2图像,算出所述第1人物和所述第2人物之间的距离,基于所算出的所述距离,判断所述第1人物和所述第2人物是否正在谈话,在判断为所述第1人物和所述第2人物正在谈话的情况下,计测所述第1人物和所述第2人物正在谈话的谈话时间,在所计测出的所述谈话时间超过了预定的时间的情况下,将表示所述第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
根据该构成,计测居住者和来访者正在谈话的谈话时间,在所计测出的谈话时间超过了预定的时间的情况下,将表示居住者传染上传染病的危险性高这一情况的传染通知信息向终端装置发送,因此,能够推定因与来访者的谈话而设施的居住者传染上传染病的危险性,能够将居住者传染上传染病防止于未然。
另外,也可以是,在上述的信息处理方法中,还取得表示所述第2人物是否传染上所述传染病的传染信息,还根据所取得的所述传染信息变更所述预定的时间。
根据该构成,取得表示来访者是否传染上传染病的传染信息,根据所取得的传染信息变更预定的时间。因此,在来访者传染上传染病的情况下将预定的时间设定为较短,在来访者没有传染上传染病的情况下,将预定的时间设定为较长,由此能够进一步降低居住者传染上传染病的危险性。
另外,也可以是,在上述的信息处理方法中,还在所述谈话时间的计测中,在判断为所述第1人物和所述第2人物没有在谈话的情况下,计测所述第1人物和所述第2人物的谈话中断的中断时间,就所述谈话时间的计测而言,在计测着的所述中断时间超过预定的时间之前,所述第1人物和所述第2人物的谈话再次开始了的情况下,再次开始所述谈话时间的计测。
根据该构成,在因来访者暂时从居住者离开而谈话中断了之后,返回来的来访者再次开始与居住者的谈话的情况下,由于将中断之前的谈话时间和中断之后的谈话时间累计计测,所以能够更准确地推定因与来访者的谈话而设施的居住者传染上传染病的危险性。
另外,也可以是,在上述的信息处理方法中,就所述判断而言,在所述距离为预定的距离以下的情况下,判断为所述第1人物和所述第2人物正在谈话。
根据该构成,居住者和来访者之间的距离越近,则越能够推定为居住者和来访者正在谈话。
另外,也可以是,在上述的信息处理方法中,还基于所述图像信息,识别所述第1人物的面部的朝向、和所述第2人物的面部的朝向,就所述判断而言,在所述距离为预定的距离以下、且所述第1人物的面部的朝向和所述第2人物的面部的朝向为相对向的情况下,判断为所述第1人物和所述第2人物正在谈话。
根据该构成,在居住者和来访者之间的距离靠近、且居住者的面部的朝向和来访者的面部的朝向为相对向的情况下,能够推定为居住者和来访者正在谈话,能够更准确地推定居住者传染上传染病的危险性。
另外,也可以是,在上述的信息处理方法中,预先登记所述第1人物的面部图像,所述图像信息所包含的第1人物的面部图像与所述预先登记的面部图像一致。
根据该构成,在图像信息所包含的人物的面部图像与预先登记的面部图像一致的情况下,将该人物分类为居住者,在图像信息所包含的人物的面部图像与预先登记的面部图像不一致的情况下,将该人物分类为来访者,因此,将居住者的面部图像预先登记且不使来访者的面部图像预先登记地,就能够将该人物容易地分类为居住者或来访者。
本公开的其他技术方案的信息处理程序,使计算机执行以下处理:取得包含位于预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像的图像信息,将所述第1人物和所述第2人物的每一个分类为所述设施的居住者或所述设施的来访者,由此,所述第1人物被分类为所述居住者,所述第2人物被分类为所述来访者,基于所述第1图像和所述第2图像,算出所述第1人物和所述第2人物之间的距离,基于所算出的所述距离,判断所述第1人物和所述第2人物是否正在谈话,在判断为所述第1人物和所述第2人物正在谈话的情况下,计测所述第1人物和所述第2人物正在谈话的谈话时间,在所计测出的所述谈话时间超过了预定的时间的情况下,将表示所述第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
根据该构成,计测居住者和来访者正在谈话的谈话时间,在所计测出的谈话时间超过了预定的时间的情况下,将表示居住者传染上传染病的危险性高这一情况的传染通知信息向终端装置发送,因此,能够推定因与来访者的谈话而设施的居住者传染上传染病的危险性,能够将居住者传染上传染病防止于未然。
本公开的其他技术方案的信息处理***具备:设置于预定的设施的摄像头;和信息处理装置,所述信息处理装置,从所述摄像头取得包含位于所述预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像的图像信息,将所述第1人物和所述第2人物的每一个分类为所述设施的居住者或所述设施的来访者,由此,所述第1人物被分类为所述居住者,所述第2人物被分类为所述来访者,基于所述第1图像和所述第2图像,算出所述第1人物和所述第2人物之间的距离,基于所算出的所述距离,判断所述第1人物和所述第2人物是否正在谈话,在判断为所述第1人物和所述第2人物正在谈话的情况下,计测所述第1人物和所述第2人物正在谈话的谈话时间,在所计测出的所述谈话时间超过了预定的时间的情况下,将表示所述第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
根据该构成,计测居住者和来访者正在谈话的谈话时间,在所计测出的谈话时间超过了预定的时间的情况下,将表示居住者传染上传染病的危险性高这一情况的传染通知信息向终端装置发送,因此能够推定因与来访者的谈话而设施的居住者传染上传染病的危险性,能够将居住者传染上传染病防止于未然。
以下,使用附图说明本公开的实施方式。此外,以下的实施方式是对本公开进行具体化后的一例,并不限定本公开的技术的范围。
(实施方式1)
图1是表示本公开的实施方式1的传染风险通知***的构成的图。图1所示的传染风险通知***是信息处理***的一例,并具备传染风险通知装置1以及终端装置2。
传染风险通知装置1是信息处理装置的一例,通知传染上传染病的危险性(传染风险)。传染风险通知装置1配置于设施内的预定的空间的壁或顶棚。预定的空间例如是,多数的居住者聚集的看护设施的社区室(community room)或居住者生活的居室等的居住者与来访者能够进行交流的空间。另外,居住者例如是,与看护设施等签订合同而住在看护设施中的人物。另外,来访者是指,临时访问设施的人物、且有可能将传染病带入设施的人物。来访者例如是,居住者的家人、居住者的友人、或邮件或包裹的配送员。
在此,传染风险通知装置1无法判断来访者是否传染上传染病而将来访者作为传染者来处理。人若感染上传染病,则会向有传染性的期间和有症状的期间转变,通常,2个期间不同。在症状发生之前判断是否有传染性对现时间点的技术来说很难(实现),能判断为是传染者要在具有传染性起经过相当长的时间之后。因此,传染者这一词句对出现症状、通过医生诊断等某些测定而被确认为具有传染性的个人使用。
传染风险通知装置1经由网络以能够与终端装置2彼此通信的方式连接。网络例如是内联网(intranet)或互联网。
终端装置2例如是个人计算机、智能手机或平板型计算机。终端装置2例如由居住者所在的设施的管理者或职员等使用。
传染风险通知装置1具备:摄像头11、存储器12、处理器13以及通信部14。
摄像头11设置于预定的设施内,对预定的设施内进行拍摄。摄像头11是监视室内的摄像头,以能够广泛地检测居住者以及来访者的方式设置于顶棚等,并且连续地取得预定的设施内的图像信息。
此外,在本实施方式1中,摄像头11可以设置于传染风险通知装置1的内部,也可以设置于传染风险通知装置1的外部。在摄像头11设置于传染风险通知装置1的外部的情况下,传染风险通知装置1与摄像头11以能够通过有线或无线通信的方式连接。
存储器12例如是半导体存储器,具备图像存储部121、人物信息存储部122以及历史记录信息存储部123。处理器13具备:图像处理部131、人物分类部132、距离算出部133、面部朝向识别部134、谈话判断部135、谈话时间计测部136、谈话时间判断部137、中断时间计测部138、中断判断部139以及传染风险通知部140。
图像存储部121存储由摄像头11拍摄到的图像信息。摄像头11将拍摄预定的设施内得到的图像信息存储于图像存储部121。图像信息也可以包含位于预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像。
图像处理部131从图像存储部121取得拍摄预定的空间内得到的图像信息。图像处理部131对所取得的图像信息进行图像处理,提取存在于室内的人的面部、眼睛、鼻、口、面部的形状和它们的大小、身高、服装、面部的朝向以及人在室内的位置等的人的特征。
图像处理部131使用机器学习或深度学习,提取人的特征。图像处理部131使用例如,CNN(Convolutional Neural Network:卷积神经网络)或SVM(Support VectorMachine:支持向量机)等的神经网络。通过使用神经网络,能够高精度提取人的特征。此外,CNN或SVM等的算法是监督学习,所以需要制作教师数据。因此,图像处理部131也可以使用例如无教师的聚类来作为不准备教师数据的算法,由此提取人的特征。通过使用无教师的算法,由于无需准备预先教师数据,所以能够更加容易地安装于***。
另外,图像处理部131也能够确定图像信息所包含的表示人物的区域。表示人物的区域例如是矩形状。另外,图像处理部131也能够确定表示人物的区域的图像中的位置以及表示人物的区域的重心位置。
人物信息存储部122预先存储将用于识别居住者的识别信息、居住者的姓名、以及居住者的特征进行了关联的人物信息。居住者的特征例如是居住者的面部图像。
人物分类部132根据通过图像处理部131提取的人的特征,将图像信息所包含的多个人物的每一个分类为设施的居住者或设施的来访者。人物分类部132参照存储于人物信息存储部122的人物信息,判断具有与通过图像处理部131提取出的人的特征一致的特征的居住者是否存在。人物分类部132在具有与通过图像处理部131提取出的人的特征一致的特征的居住者存在于人物信息的情况下,将图像信息所包含的该人物分类为居住者。另一方面,人物分类部132在具有与通过图像处理部131提取出的人的特征一致的特征的居住者不存在于人物信息的情况下,将图像信息所包含的该人物分类为来访者。也就是说,预先登记于人物信息的人物被分类为居住者,没有登记于人物信息的人物被分类为来访者。
例如,人物分类部132在图像信息所包含的人物的面部图像与作为预先居住者而登记的面部图像一致的情况下,将该人物分类为居住者,在图像信息所包含的人物的面部图像与作为预先居住者登记的面部图像不一致的情况下,将该人物分类为来访者。
此外,人物信息也可以将识别设施的管理者以及职员的识别信息、和设施的管理者以及职员的特征进行预先关联。由此,能够防止将设施的管理者或职员分类为来访者。
另外,人物信息也可以将用于识别来访者的识别信息、和来访者的特征预先关联。该情况下,人物分类部132也可以将图像信息所包含的人物之中作为来访者预先存储于人物信息存储部122的人物分类为来访者。由此,能够将该人物切实地分类为居住者或来访者。
此外,也可以使用居住者的图像进行监督学习,制作神经网络模型,人物分类部132也可以通过将所取得的图像信息向神经网络模型输入,将图像信息所包含的人分类为居住者。另外,也可以在学习时,预先将居住者的面部和姓名进行关联。由此,能够在分类时也取得居住者的姓名信息。
距离算出部133算出通过人物分类部132分类出的居住者和来访者之间的距离。距离算出部133根据居住者以及来访者的位置坐标推定居住者和来访者之间的距离。就算出居住者和来访者之间的距离而言,例如,算出表示所检测出的居住者的区域的重心位置和表示来访者的区域的重心位置之间的欧几里得距离即可。此外,图像信息所包含的表示人物的区域的重心位置通过图像处理部131检测。图像信息所包含的人物是居住者和来访者中的哪一个,通过人物分类部132进行分类。
另外,也可以在预定的空间内配置大小以及位置已知的多个格子图案(pattern),距离算出部133也可以基于图像信息所包含的格子图案的大小以及位置,进行摄像头校准。通过进行摄像头校准,能够不依赖于摄像头11和人之间的距离而能够高精度算出居住者和来访者之间的距离。所算出的距离信息被输出至谈话判断部135。
面部朝向识别部134基于图像信息,识别居住者的面部的朝向、和来访者的面部的朝向。面部朝向识别部134根据通过图像处理部131提取出的人的特征,能够确定居住者的面部朝向的方向、和来访者的面部朝向的方向。
谈话判断部135基于通过距离算出部133算出的距离,判断居住者和来访者是否正在谈话。谈话判断部135在距离为预定的距离以下、且居住者的面部的朝向和来访者的面部的朝向为相对向的情况下,判断为居住者和来访者正在谈话。此外,作为预定的距离,例如,使用1米以下即可。
这样,通过判断居住者的面部的朝向和来访者的面部的朝向是否相对向,能够防止虽然居住者和来访者之间的距离靠近但是没有在谈话的来访者被误检测这一情况。
谈话时间计测部136在通过谈话判断部135判断为居住者和来访者正在谈话的情况下,计测居住者和来访者正在谈话的谈话时间。
人与人的距离靠近为预定的距离以下,可以被认为是人和人为了进行谈话等的交流而靠近。因此,谈话时间计测部136将居住者和来访者的距离为预定的距离以下、且居住者的面部的朝向和来访者的面部的朝向相对向的时间累计为居住者和来访者正在谈话的时间,来计测谈话时间。
谈话时间判断部137判断通过谈话时间计测部136计测的谈话时间是否超过了预定的时间。此外,作为预定的时间,例如,可以使用20分钟。即,通过将5分钟~10分钟左右短的时间排除在与谈话时间进行比较的预定的时间的对象之外,能够减轻设施的管理者或职员的负担。
中断时间计测部138在谈话时间的计测中,在判断为居住者和来访者没有在谈话的情况下,计测居住者和来访者的谈话中断的中断时间。
中断判断部139判断正在计测的中断时间是否超过了预定的时间。
另外,谈话时间计测部136在通过中断时间计测部138正在计测的中断时间超过预定的时间之前,居住者和来访者的谈话再次开始了的情况下,再次开始谈话时间的计测。预定的时间例如是5分钟。
例如,也考虑在来访者在谈话中因电话等而暂时离席,经过5分钟等的短时间之后再次返回来的情况。因此,在判断为谈话的居住者和来访者之间的距离比预定的距离长之后预定的时间内再次判断为是预定的距离以下的情况下,谈话时间计测部136也可以对中断前的谈话时间累计中断后的谈话时间。这样一来,即使在谈话的途中有短时间的离席的情况下也能够高精度计测总(total)的谈话时间。所计测出的谈话时间蓄积于存储器12,且被逐次更新。
历史记录信息存储部123存储将识别居住者的识别信息、居住者所在的场所、表示开始与来访者谈话的时刻的谈话开始时刻、表示结束与来访者谈话的时刻的谈话结束时刻、表示居住者交谈的来访者的特征的来访者信息、表示来访者是否传染上的传染信息、表示开始与来访者谈话这一情况的谈话开始标志、以及表示谈话时间经过预定时间而传染上传染病的危险性变高这一情况的传染风险标志进行了关联的历史记录信息。此外,来访者信息例如表示来访者的性别、身高以及年龄段,根据通过图像处理部131提取的人的特征而得到。
谈话时间计测部136在通过谈话判断部135判断为居住者和来访者正在谈话的情况下,将识别居住者的识别信息、居住者所在的场所、谈话开始时刻、来访者信息、传染信息、以及谈话开始标志存储于历史记录信息存储部123。另外,中断判断部139在判断为正在计测的中断时间超过了预定的时间的情况下,将结束谈话的时刻存储于历史记录信息存储部123。
另外,通信部14也可以取得表示来访者是否传染上所述传染病的传染信息。传染信息例如随同识别来访者的信息一起,通过医生、职员或来访者自身输入而被发送。另外,配置于设施的入口的红外线摄像头也可以测定进入设施的来访者的体温。处理器13也可以在判断为通过红外线摄像头测定的进入设施的来访者的体温为预定的温度以上的情况下,将来访者的面部图像、和表示该来访者是否传染上传染病这一情况的传染信息存储于存储器12。
另外,谈话时间判断部137也可以根据所取得的传染信息变更在谈话时间的判断中使用的预定的时间。即,谈话时间判断部137也可以使居住者正在谈话的来访者的传染信息表示传染上传染病的情况下的预定的时间比居住者正在谈话的来访者的传染信息表示没有传染上传染病的情况下的预定的时间短。这样一来,能够更加适当地评价居住者的传染风险。
传染风险通知部140在正在计测的谈话时间超过了预定的时间的情况下,生成表示居住者传染上传染病的危险性高这一情况的传染通知信息,指示通信部14将所生成的传染通知信息向终端装置2发送。
通信部14将通过传染风险通知部140生成的传染通知信息向终端装置2发送。终端装置2接收通过通信部14发送的传染通知信息。终端装置2显示所接收到的传染通知信息。
这样,传染风险通知部140在谈话时间超过了预定的时间的情况下,判断为存在居住者的传染风险变高的可能性,向通信部14输出传染通知信息。传染通知信息例如包含,居住者所在的场所、谈话开始时刻、以及居住者的姓名等的信息。另外,由于来访者的特征也从图像信息提取,所以传染风险通知部140也可以使表示来访者的特征的信息包含于传染通知信息。这样一来,设施的职员或管理者能够在之后调查传染风险变高的时间点的详情。另外,通信部14将设施内的职员或管理者保有的传染通知信息向终端装置2发送。这样一来,设施内的职员或管理者不仅能够实时把握哪个居住者的传染风险高,还能够在接收到传染通知信息的时间点根据需要采取措施。
此外,在本实施方式1中,谈话判断部135在居住者和来访者之间的距离为预定的距离以下、且居住者的面部的朝向和来访者的面部的朝向为相对向的情况下,判断为居住者和来访者正在谈话,但是本公开并不特别限定于此。谈话判断部135也可以不判断居住者的面部的朝向和来访者的面部的朝向是否为相对向,而在居住者和来访者之间的距离为预定的距离以下的情况下,判断为居住者和来访者正在谈话。
接着,针对本实施方式1的传染风险通知装置1的动作进行说明。
图2是用于说明本实施方式1的传染风险通知装置的动作的第1流程图,图3是用于说明本实施方式1的传染风险通知装置的动作的第2流程图,图4是用于说明本实施方式1的传染风险通知装置的动作的第3流程图。
首先,在步骤S1中,处理器13判断传染风险通知装置1的电源是否接通。在此,在判断为传染风险通知装置1的电源为断开的情况下(步骤S1中为否),处理结束。
另一方面,在判断为传染风险通知装置1的电源接通的情况下(步骤S1中为是),在步骤S2中,摄像头11拍摄设施内的预定的空间。摄像头11将所拍摄到的图像信息存储于图像存储部121。此外,摄像头11将动态图像存储于图像存储部121。
接着,在步骤S3中,图像处理部131从图像存储部121取得图像信息。
接着,在步骤S4中,图像处理部131从图像信息提取人物的特征。在此,人物的特征是指,例如,存在于室内的人物的面部、眼睛、鼻、口、面部的形状、它们的大小、身高、服装、面部的朝向以及人物在室内的位置。
接着,在步骤S5中,人物分类部132根据通过图像处理部131提取出的人的特征,将图像信息所包含的人物分类为设施的居住者或设施的来访者。居住者的面部图像被预先登记于人物信息存储部122。人物分类部132在通过图像处理部131提取出的图像信息所包含的人物的面部部分的图像与预先登记的面部图像一致的情况下,将该人物分类为居住者,在通过图像处理部131提取出的图像信息所包含的人物的面部图像与预先登记的面部图像不一致的情况下,将该人物分类为来访者。
此外,人物分类部132也可以使用事先完成机器学习的神经网络模型,将该人物分类为居住者或来访者。
接着,在步骤S6中,距离算出部133选择通过人物分类部132分类出的居住者。在此,在通过人物分类部132分类出多个居住者的情况下,距离算出部133选择多个居住者之中的1个居住者。另外,在通过人物分类部132分类出1个居住者的情况下,距离算出部133选择1个居住者。进而,在通过人物分类部132没有分类出居住者的情况下,即,在图像信息中不包含居住者的情况下,也可以将处理返回至步骤S1。
接着,在步骤S7中,距离算出部133算出所选择出的居住者和来访者之间的距离。在此,在通过人物分类部132分类出多个来访者的情况下,距离算出部133算出所选择出的居住者和多个来访者的每一个之间的距离。此时,距离算出部133算出表示居住者的区域的重心位置和表示来访者的区域的重心位置之间的欧几里得距离。
接着,在步骤S8中,谈话判断部135基于通过距离算出部133算出的距离,判断是否存在与所选择出的居住者的距离为预定的距离以下的来访者。
在此,在判断为存在与所选择出的居住者的距离为预定的距离以下的来访者的情况下(步骤S8中为是),在步骤S9中,谈话判断部135选择与所选择出的居住者的距离为预定的距离以下的来访者。此时,在存在与所选择出的居住者的距离为预定的距离以下的多个来访者的情况下,谈话判断部135选择多个来访者之中的1个来访者。例如,谈话判断部135选择多个来访者之中与所选择出的居住者最靠近的1个来访者。
接着,在步骤S10中,面部朝向识别部134基于图像信息,识别所选择出的居住者的面部的朝向、和所选择出的来访者的面部的朝向。居住者的面部的朝向以及来访者的面部的朝向例如由矢量表示。
接着,在步骤S11中,谈话判断部135判断所选择出的居住者的面部的朝向、和所选择出的来访者的面部的朝向是否为相对向。此外,也可以是,居住者的面部的朝向和来访者的面部的朝向无需完全相对向,谈话判断部135在表示居住者的面部的朝向的矢量和表示来访者的面部的朝向的矢量形成的角度为预定的角度以下的情况下,判断为居住者的面部的朝向和来访者的面部的朝向为相对向。在此,在所选择出的居住者的面部的朝向、和所选择出的来访者的面部的朝向不为相对向的情况下(步骤S11中为否),将处理移向步骤S20。
另一方面,在判断为所选择出的居住者的面部的朝向、和所选择出的来访者的面部的朝向为相对向的情况下(步骤S11中为是),在步骤S12中,谈话时间计测部136判断存储于历史记录信息存储部123的所选择出的居住者的历史记录信息中,所选择出的居住者所对应的谈话开始标志是否被激活。
在此,在判断为所选择出的居住者所对应的谈话开始标志被激活的情况下(步骤S12中为是),将处理移向步骤S15。
另一方面,在判断为所选择出的居住者所对应的谈话开始标志没有被激活的情况下(步骤S12中为否),在步骤S13中,谈话时间计测部136将所选择出的居住者所对应的谈话开始标志设为激活。
接着,在步骤S14中,谈话时间计测部136将当前的时刻作为谈话开始时刻而存储于历史记录信息存储部123。
接着,在步骤S15中,谈话时间计测部136计测所选择出的居住者、和所选择出的来访者正在谈话的谈话时间。谈话时间计测部136将谈话开始时刻存储于历史记录信息存储部123,因此,通过算出从谈话开始时刻到当前时刻为止的时间,能够计测所选择出的居住者、和所选择出的来访者正在谈话的谈话时间。
接着,在步骤S16中,谈话时间判断部137判断由谈话时间计测部136计测的谈话时间是否超过了预定的时间。在此,在判断为谈话时间没有超过预定的时间的情况下(步骤S16中为否),将处理移向步骤S20。
另一方面,在判断为谈话时间超过了预定的时间的情况下(步骤S16中为是),在步骤S17中,谈话时间判断部137将所选择出的居住者所对应的传染风险标志设为激活。
接着,在步骤S18中,传染风险通知部140生成表示所选择出的居住者传染上传染病的危险性高这一情况的传染通知信息。
接着,在步骤S19中,通信部14将通过传染风险通知部140生成的传染通知信息向终端装置2发送。终端装置2接收通过通信部14发送的传染通知信息。终端装置2显示所接收到的传染通知信息。
图5是表示在本实施方式1中显示于终端装置的传染通知信息的一例的图。
传染通知信息包含与来访者的谈话时间超过了预定的时间的时刻、居住者的姓名、居住者所在的场所、以及与来访者的谈话时间。在图5中,正在与来访者谈话的居住者的姓名是“佐藤”,居住者所在的场所是“103号室”。然后,在13时01分的时间点,由于与来访者的谈话时间经过了预定的时间,所以将从与来访者的谈话的开始起经过了预定的时间这一情况显示于终端装置2的显示画面。此外,上述的传染通知信息所包含的信息是一例。
此外,终端装置2也可以显示历史记录信息。设施的职员在想要知道与传染风险相关的更加详细的信息的情况下,例如,用手指轻敲(tap)图5所示的显示画面。当轻敲显示画面时,终端装置2将用于请求历史记录信息的请求信号向传染风险通知装置1发送。传染风险通知装置1的通信部14在接收到通过终端装置2发送的请求信号时,读出存储于历史记录信息存储部123的历史记录信息,将所读出的历史记录信息向终端装置2发送。
图6是表示在本实施方式1中显示于终端装置的历史记录信息的一例的图。
历史记录信息包含:谈话开始时刻、谈话结束时刻、居住者的姓名、居住者所在的场所、来访者的特征以及来访者的传染信息。如图6所示,通过在电子表格(Spreadsheet)中汇集历史记录信息,历史记录信息的管理变得容易。
在图6中,将最接近现在而发生的事件显示于电子表格的最上部。在图6中,居住者所在的场所是“103号室”,正在与来访者谈话的居住者的姓名是“佐藤”,谈话开始时刻是“12时41分”这一情况被显示于终端装置2的显示画面。另外,显示画面将来访者的性别、来访者的身高以及来访者的年龄段作为来访者的特征而进行显示。此外,来访者的特征是基于从图像信息提取出的特征而推定出的推定值,而不是实际的实测值。
进而,显示画面显示来访者的传染信息。传染信息是表示居住者正在谈话的来访者是否传染上传染病的信息。在来访者传染上传染病的情况下,用圆形记号表示,在来访者没有传染上传染病的情况下,用X记号表示。传染信息是基于医生的诊断结果或感测(sensing)信息而被预先赋予的。在图6中,与来访者是否传染上传染病无关而显示谈话时间,但是本公开并没有特别限定于此,针对全部的来访者,若预先知道是否传染上传染病则也可以将与传染上的来访者谈话的居住者作为传染风险通知的对象。该情况下,无需传染信息栏。此外,上述的历史记录信息所包含的信息是一例。
返回图4,接着,在步骤S20中,谈话判断部135判断是否选择了与所选择出的居住者的距离为预定的距离以下的全部的来访者。即,在存在与所选择出的居住者的距离为预定的距离以下的多个来访者的情况下,谈话判断部135判断是否存在多个来访者之中的没有被选择的来访者。在此,在判断为没有选择与所选择出的居住者的距离为预定的距离以下的全部的来访者的情况下(步骤S20中为否),将处理返回步骤S9。
此外,在步骤S9中,谈话判断部135选择与所选择出的居住者的距离为预定的距离以下的上回没有选择的来访者。例如,谈话判断部135按多个来访者之中、距所选择出的居住者从近到远的顺序选择来访者。
另一方面,在判断为选择了与所选择出的居住者的距离为预定的距离以下的全部的来访者的情况下(步骤S20中为是),在步骤S21中,谈话判断部135判断是否选择了通过人物分类部132分类出的全部的居住者。即,在通过人物分类部132分类出多个居住者的情况下,谈话判断部135判断是否存在多个居住者之中的没有被选择的居住者。在此,在判断为没有选择分类出的全部的居住者的情况下(步骤S21中为否),将处理返回步骤S6。
另一方面,在判断为选择了所分类出的全部的居住者的情况下(步骤S21中为是),将处理返回步骤S1。
另外,在步骤S8判断为不存在与居住者的距离为预定的距离以下的来访者的情况下(步骤S8中为否),在步骤S22中,中断判断部139判断在存储于历史记录信息存储部123的所选择出的居住者的历史记录信息中所选择出的居住者所对应的谈话开始标志是否被激活。
在此,在判断为所选择出的居住者所对应的谈话开始标志没有被激活的情况下(步骤S22中为否),将处理移向步骤S21。
另一方面,在判断为所选择出的居住者所对应的谈话开始标志被激活的情况下(步骤S22中为是),在步骤S23中,中断时间计测部138计测居住者和来访者的谈话中断的中断时间。此外,中断时间计测部138在开始中断时间的计测时,将表示开始中断时间的计测的时刻的中断开始时刻存储于存储器12。中断时间计测部138由于将中断开始时刻存储于存储器12,所以通过算出从中断开始时刻起到当前时刻为止的时间,能够计测居住者和来访者的谈话中断的中断时间。
接着,在步骤S24中,中断判断部139判断正在计测的中断时间是否超过了预定的时间。在此,在判断为正在计测的中断时间没有超过预定的时间的情况下(步骤S24中为否),将处理移向步骤S21。
另一方面,在判断为正在计测的中断时间超过了预定的时间的情况下(步骤S24中为是),在步骤S25中,中断判断部139判断传染风险标志是否被激活。在此,在判断为传染风险标志没有被激活的情况下,即,传染风险标志被设为非激活的情况下(步骤S25中为否),将处理移向步骤S27。
另一方面,在判断为传染风险标志被激活的情况下(步骤S25中为是),在步骤S26中,中断判断部139将中断开始时刻作为谈话结束时刻而存储于历史记录信息存储部123。
接着,在步骤S27中,中断判断部139在所选择出的居住者的历史记录信息中,将所选择出的居住者所对应的传染风险标志设为非激活。
接着,在步骤S28中,中断判断部139在所选择出的居住者的历史记录信息中,将所选择出的居住者所对应的谈话开始标志设为非激活。然后,在步骤S28的处理之后,将处理移向步骤S21。
这样,计测居住者和来访者正在谈话的谈话时间,在所计测出的谈话时间超过了预定的时间的情况下,将表示居住者传染上传染病的危险性高这一情况的传染通知信息向终端装置2发送,因此,能够推定因与来访者的谈话而设施的居住者传染上传染病的危险性,能够将居住者传染上传染病防止于未然。
(实施方式2)
在实施方式1中,传染风险通知装置具备摄像头,但是在实施方式2中,传染风险通知装置不具备摄像头,以与摄像头以能够彼此通信的方式连接。
图7是表示本公开的实施方式2的传染风险通知***的构成的图。图7所示的传染风险通知***具备传染风险通知装置1A、终端装置2以及摄像头3。此外,在本实施方式2中,对与实施方式1相同的构成,标注同一标号、且省略详细的说明。
摄像头3设置于设施的预定的空间内的顶棚或壁。摄像头3与传染风险通知装置1A经由网络以能够彼此通信的方式连接。摄像头3具备拍摄部31、存储器32、处理器33以及通信部34。
拍摄部31例如是拍摄元件,对预定的空间内进行拍摄,将所拍摄到的图像信息向存储器32输出。
存储器32例如是半导体存储器,并具备图像存储部321以及人物信息存储部322。图像存储部321存储通过拍摄部31拍摄到的图像信息。拍摄部31将拍摄预定的空间内得到的图像信息存储于图像存储部321。
处理器33具备:图像处理部331、人物分类部332、距离算出部333、面部朝向识别部334以及谈话判断部335。
图像处理部331从图像存储部321取得拍摄预定的空间内得到的图像信息。图像处理部331对所取得的图像信息进行图像处理,提取存在于室内的人的面部、眼睛、鼻、口、面部的形状、它们的大小、身高、服装、面部的朝向以及室内的人的位置等的人的特征。图像处理部331利用机器学习或深度学习,提取人的特征。
此外,图像处理部331的功能与实施方式1的图像处理部131的功能相同。
人物信息存储部322预先存储将用于识别居住者的识别信息、居住者的姓名、以及居住者的特征进行了关联的人物信息。居住者的特征例如是居住者的面部图像。
人物分类部332根据通过图像处理部331提取出的人的特征,将图像信息所包含的多个人物的每一个分类为设施的居住者或设施的来访者。此外,人物分类部332的功能与实施方式1的人物分类部132的功能相同。
距离算出部333算出通过人物分类部332分类出的居住者和来访者之间的距离。此外,距离算出部333的功能与实施方式1的距离算出部133的功能相同。
面部朝向识别部334基于图像信息,识别居住者的面部的朝向、和来访者的面部的朝向。面部朝向识别部334根据通过图像处理部331提取出的人的特征,能够确定居住者的面部朝向的方向、和来访者的面部朝向的方向。此外,面部朝向识别部334的功能与实施方式1的面部朝向识别部134的功能相同。
谈话判断部335基于通过距离算出部333算出的距离,判断居住者和来访者是否正在谈话。谈话判断部335在距离为预定的距离以下、且居住者的面部的朝向和来访者的面部的朝向为相对向的情况下,判断为居住者和来访者正在谈话。此外,作为预定的距离,例如也可以使用1米以下。谈话判断部335的功能与实施方式1的谈话判断部135的功能相同。
谈话判断部335在判断为居住者和来访者正在谈话的情况下,生成谈话标志信息,将所生成的谈话标志信息向通信部34输出。谈话标志信息例如包含:用于识别与来访者正在谈话的居住者的姓名以及号码等的识别信息、居住者所在的场所、当前时刻、以及表示来访者的特征的来访者信息。来访者信息例如表示来访者的性别、身高以及年龄段,根据通过图像处理部331提取的人的特征而得到。另外,存储器32预先存储摄像头3被设置的场所。谈话判断部335将设置有摄像头3的场所作为居住者所在的场所而包含于谈话标志信息。
通信部34将从谈话判断部335输出的谈话标志信息向传染风险通知装置1A发送。
传染风险通知装置1A通知居住者传染上传染病的危险性。配置传染风险通知装置1A的场所没有特别限定。传染风险通知装置1A例如可以是服务器。传染风险通知装置1A经由网络与终端装置2以及摄像头3以能够彼此通信的方式连接。
传染风险通知装置1A具备:存储器12A、处理器13A以及通信部14A。
存储器12A例如是半导体存储器,并具备历史记录信息存储部123以及居住者信息存储部124。处理器13A具备:谈话时间计测部136A、谈话时间判断部137、中断时间计测部138、中断判断部139以及传染风险通知部140。
通信部14A接收通过摄像头3发送的谈话标志信息。通信部14A将通过传染风险通知部140生成的传染通知信息向终端装置2发送。
居住者信息存储部124存储用于识别入住设施的居住者的姓名以及号码等的识别信息。
谈话时间计测部136A在通过通信部14A接收到谈话标志信息的情况下,计测居住者和来访者正在谈话的谈话时间。谈话时间计测部136A将接收在居住者和来访者的距离为预定的距离以下、且居住者的面部的朝向和来访者的面部的朝向为相对向的情况下发送的谈话标志信息的时间,作为居住者和来访者正在谈话时间进行累计,计测谈话时间。
接着,对本实施方式2的传染风险通知装置1A以及摄像头3的动作进行说明。
图8是用于说明本实施方式2的摄像头的动作的第1流程图,图9是用于说明本实施方式2的摄像头的动作的第2流程图。
首先,在步骤S41中,处理器33判断摄像头3的电源是否被接通。在此,在判断为摄像头3的电源被切断的情况下(步骤S41中为否),处理结束。
另一方面,在判断为摄像头3的电源被接通的情况下(步骤S41中为是),在步骤S42中,拍摄部31对预定的空间内进行拍摄。拍摄部31将所拍摄到的图像信息存储于图像存储部321。此外,拍摄部31将动态图像存储于图像存储部321。
接着,在步骤S43中,图像处理部331从图像存储部321取得图像信息。
接着,在步骤S44中,图像处理部331从图像信息提取人物的特征。在此,人物的特征例如是指,存在于室内的人物的面部、眼睛、鼻、口、面部的形状、它们的大小、身高、服装、面部的朝向以及人物在室内的位置。
接着,在步骤S45中,人物分类部332根据通过图像处理部331提取出的人的特征,将图像信息所包含的人物分类为设施的居住者或设施的来访者。居住者的面部图像被预先登记于预先人物信息存储部322。人物分类部332在通过图像处理部331提取出的图像信息所包含的人物的面部部分的图像与预先登记的面部图像一致的情况下,将该人物分类为居住者,在通过图像处理部331提取出的图像信息所包含的人物的面部图像与预先登记的面部图像不一致的情况下,将该人物分类为来访者。
此外,人物分类部332也可以利用事先完成机器学习的神经网络模型,将该人物分类为居住者或来访者。
接着,在步骤S46中,距离算出部333选择通过人物分类部332分类出的居住者。在此,在通过人物分类部332分类出多个居住者的情况下,距离算出部333选择多个居住者之中的1个居住者。另外,在通过人物分类部332分类出1个居住者的情况下,距离算出部333选择1个居住者。进而,在通过人物分类部332没有分类出居住者的情况下,即,在图像信息中不包含居住者的情况下,也可以将处理返回步骤S41。
接着,在步骤S47中,距离算出部333算出所选择出的居住者和来访者之间的距离。在此,在通过人物分类部332分类出多个来访者的情况下,距离算出部333算出所选择出的居住者和多个来访者的每一个之间的距离。此时,距离算出部333算出表示居住者的区域的重心位置和表示来访者的区域的重心位置之间的欧几里得距离。
接着,在步骤S48中,谈话判断部335基于通过距离算出部333算出的距离,判断是否存在与所选择出的居住者的距离为预定的距离以下的来访者。
在此,在判断为不存在与所选择出的居住者的距离为预定的距离以下的来访者的情况下(步骤S48中为否),处理移向步骤S55。
另一方面,在判断为存在与所选择出的居住者的距离为预定的距离以下的来访者的情况下(步骤S48中为是),在步骤S49中,谈话判断部335选择与所选择出的居住者的距离为预定的距离以下的来访者。此时,在存在与所选择出的居住者的距离为预定的距离以下的多个来访者的情况下,谈话判断部335选择多个来访者之中的1个来访者。例如,谈话判断部335选择多个来访者之中、距所选择出的居住者最近的1个来访者。
接着,在步骤S50中,面部朝向识别部334基于图像信息,识别所选择出的居住者的面部的朝向、和所选择出的来访者的面部的朝向。居住者的面部的朝向以及来访者的面部的朝向例如用矢量表示。
接着,在步骤S51中,谈话判断部335判断所选择出的居住者的面部的朝向和所选择出的来访者的面部的朝向是否为相对向。此外,居住者的面部的朝向和来访者的面部的朝向无需完全相对向,谈话判断部335在表示居住者的面部的朝向的矢量和表示来访者的面部的朝向的矢量形成的角度为预定的角度以下的情况下,也可以判断为居住者的面部的朝向和来访者的面部的朝向为相对向。在此,在判断为所选择出的居住者的面部的朝向、和所选择出的来访者的面部的朝向没有相对向的情况下(步骤S51中为否),处理移向步骤S54。
另一方面,在判断为所选择出的居住者的面部的朝向、和所选择出的来访者的面部的朝向为相对向的情况下(步骤S51中为是),在步骤S52中,谈话判断部335生成谈话标志信息。谈话标志信息例如包含,用于识别与来访者正在谈话的居住者的姓名以及号码等的识别信息、居住者所在的场所、当前时刻、以及表示来访者的特征的来访者信息。谈话判断部335将所生成的谈话标志信息向通信部34输出。
接着,在步骤S53中,通信部34将通过谈话判断部335生成的谈话标志信息向传染风险通知装置1A发送。
接着,在步骤S54中,谈话判断部335判断是否选择了与所选择出的居住者的距离为预定的距离以下的全部的来访者。即,在存在与所选择出的居住者的距离为预定的距离以下的多个来访者的情况下,谈话判断部335判断是否存在多个来访者之中的没有被选择的来访者。在此,在判断为没有选择与所选择出的居住者的距离为预定的距离以下的全部的来访者的情况下(步骤S54中为否),处理返回步骤S49。
此外,在步骤S49中,谈话判断部335选择与所选择出的居住者的距离为预定的距离以下的上回没有选择的来访者。例如,谈话判断部335按多个来访者之中、距所选择出的居住者从近到远的顺序选择来访者。
另一方面,在判断为选择了与所选择出的居住者的距离为预定的距离以下的全部的来访者的情况下(步骤S54中为是),在步骤S55中,谈话判断部335判断是否选择了通过人物分类部332分类后的全部的居住者。即,在通过人物分类部332分类出多个居住者的情况下,谈话判断部335判断是否存在多个居住者之中的没有被选择的居住者。在此,在判断为没有选择所分类出的全部的居住者的情况下(步骤S55中为否),处理返回步骤S46。
另一方面,在判断为选择了所分类出的全部的居住者的情况下(步骤S55中为是),处理返回步骤S41。
图10是用于说明本实施方式2的传染风险通知装置的动作的第1流程图,图11是用于说明本实施方式2的传染风险通知装置的动作的第2流程图。
首先,在步骤S61中,处理器13A判断传染风险通知装置1A的电源是否被接通。在此,在判断为传染风险通知装置1A的电源被切断的情况下(步骤S61中为否),处理结束。
另一方面,在判断为传染风险通知装置1A的电源被接通的情况下(步骤S61中为是),在步骤S62中,谈话时间计测部136A从存储于居住者信息存储部124的多个居住者之中,选择1个居住者。居住者信息存储部124存储有与入住设施的多个居住者相关的信息。此外,就选择居住者的方法而言,没有特别限定。例如,谈话时间计测部136A按存储于居住者信息存储部124的多个居住者的一览表的从上到下的顺序进行选择。
接着,在步骤S63中,通信部14A判断是否接收到包含所选择出的居住者的识别信息的谈话标志信息。
在此,在判断为接收到包含所选择出的居住者的识别信息的谈话标志信息的情况下(步骤S63中为是),在步骤S64中,谈话时间计测部136A判断在存储于历史记录信息存储部123的所选择出的居住者的历史记录信息中,所选择出的居住者所对应的谈话开始标志是否被激活。
在此,在判断为所选择出的居住者所对应的谈话开始标志被激活的情况下(步骤S64中为是),处理移向步骤S67。
另一方面,在判断为所选择出的居住者所对应的谈话开始标志没有被激活的情况下(步骤S64中为否),在步骤S65中,谈话时间计测部136A将所选择出的居住者所对应的谈话开始标志设为激活。
接着,在步骤S66中,谈话时间计测部136A将当前的时刻作为谈话开始时刻而存储于历史记录信息存储部123。
接着,在步骤S67中,谈话时间计测部136A计测所选择出的居住者、和来访者正在谈话的谈话时间。谈话时间计测部136A由于将谈话开始时刻存储于历史记录信息存储部123,所以通过算出从谈话开始时刻起到当前时刻为止的时间,能够计测所选择出的居住者、和来访者正在谈话的谈话时间。
此外,图11所示的步骤S68~步骤S71的处理与图3以及图4所示的步骤S16~步骤S19的处理相同。
接着,在步骤S72中,谈话时间计测部136A判断是否选择了存储于居住者信息存储部124的全部的居住者。即,谈话时间计测部136A判断是否存在存储于居住者信息存储部124的多个居住者之中的没有被选择的居住者。在此,在判断为没有选择存储于居住者信息存储部124的全部的居住者的情况下(步骤S72中为否),处理返回步骤S62。
另一方面,在判断为选择了存储于居住者信息存储部124的全部的居住者的情况下(步骤S72中为是),处理返回步骤S61。
另外,在步骤S63判断为没有接收到包含所选择出的居住者的识别信息的谈话标志信息的情况下(步骤S63中为否),在步骤S73中,中断判断部139判断在存储于历史记录信息存储部123的所选择出的居住者的历史记录信息中,所选择出的居住者所对应的谈话开始标志是否被激活。
在此,在判断为所选择出的居住者所对应的谈话开始标志没有被激活的情况下(步骤S73中为否),处理移向步骤S72。
另一方面,在判断为所选择出的居住者所对应的谈话开始标志被激活的情况下(步骤S73中为是),在步骤S74中,中断时间计测部138计测居住者和来访者的谈话中断的中断时间。此外,中断时间计测部138在开始中断时间的计测时,将表示开始中断时间的计测的时刻的中断开始时刻存储于存储器12。中断时间计测部138由于将中断开始时刻存储于存储器12,所以通过算出从中断开始时刻起到当前时刻为止的时间,能够计测居住者和来访者的谈话中断的中断时间。
接着,在步骤S75中,中断判断部139判断正在计测的中断时间是否超过了预定的时间。在此,在判断为正在计测的中断时间没有超过预定的时间的情况下(步骤S75中为否),处理移向步骤S72。
另一方面,在判断为正在计测的中断时间超过了预定的时间的情况下(步骤S75中为是),在步骤S76中,中断判断部139判断传染风险标志是否被激活。
此外,图10以及图11所示的步骤S76~步骤S79的处理与图3所示的步骤S25~步骤S28的处理相同。然后,步骤S79的处理之后,处理移向步骤S72。
这样,通过摄像头3,检测居住者和来访者正在谈话,通过传染风险通知装置1A,计测居住者和来访者正在谈话的时间,在居住者传染上传染病的危险性变高的情况下,向终端装置2通知居住者传染上传染病的危险性高这一情况。由此,能够更加简化传染风险通知***的构成,能够抑制传染风险通知***的成本。
以上,针对本公开的装置,基于实施方式进行了说明,但是本公开并不限定于该实施方式。只要不脱离本公开的宗旨,对本实施方式实施本领域技术人员能够想到的各种变形得到的实施方式、和/或使不同的实施方式中的构成要素组合而构筑的方式也包含在本公开的一个或多个技术方案的范围内。
此外,在上述各实施方式中,各构成要素可以由专用的硬件构成,还可以通过执行与各构成要素相适的软件程序而实现。各构成要素也可以通过CPU或处理器等的程序执行部将记录于硬盘或半导体存储器等的记录介质的软件程序读出并执行而实现。
本公开的实施方式的装置的功能的一部分或全部典型地实现为作为集成电路的LSI(Large Scale Integration:大规模集成电路)。它们也可以独立地被单芯片化,也可以单芯片化为包含一部分或全部。另外,集成电路化并不限于LSI,也可以由专用电路或通用处理器实现。也可以在LSI制造后利用可编程的FPGA(Field Programmable Gate Array:可编程门阵列)、或能够再构成LSI内部的电路单元的连接和/或设定的可重构处理器。
另外,也可以通过CPU等的处理器执行程序来实现本公开的实施方式的装置的功能的一部分或全部。
另外,上述使用的数字是为了具体说明全部本公开而进行的例示,本公开并不限于所例示的数字。
另外,上述流程图所示的执行各步骤的顺序是为了具体说明本公开而进行的例示,在能够得到同样的效果的范围内也可以是上述以外的顺序。另外,上述步骤的一部分也可以与其他步骤同时(并列)执行。
进而,只要不脱离本公开的主旨,对本公开的各实施方式实施本领域技术人员能够想到的范围内的变更而得到的各种变形例也包含在本公开中。
例如,本公开也包含以下的信息处理方法。
一种信息处理方法,
计算机,
取得包含位于预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像的图像信息,
将所述第1人物和所述第2人物的每一个分类为所述设施的居住者或所述设施的来访者,由此,所述第1人物被分类为所述居住者,所述第2人物被分类为所述来访者,
基于所述第1图像和所述第2图像,算出所述第1人物和所述第2人物之间的距离,
计测所述距离为预定的距离以下的时间,
在所计测出的所述时间超过了预定的时间的情况下,将表示所述第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
本公开的信息处理方法、信息处理程序以及信息处理***能够推定因与来访者的谈话而设施的居住者传染上传染病的危险性,作为通知传染上传染病的危险性的信息处理方法、信息处理程序以及信息处理***是有用的。
标号说明
1,1A 传染风险通知装置
2 终端装置
3,11 摄像头
12,12A 存储器
13,13A 处理器
14,14A 通信部
31 拍摄部
32 存储器
33 处理器
34 通信部
121 图像存储部
122 人物信息存储部
123 历史记录信息存储部
124 居住者信息存储部
131 图像处理部
132 人物分类部
133 距离算出部
134 面部朝向识别部
135 谈话判断部
136,136A 谈话时间计测部
137 谈话时间判断部
138 中断时间计测部
139 中断判断部
140 传染风险通知部
321 图像存储部
322 人物信息存储部
331 图像处理部
332 人物分类部
333 距离算出部
334 面部朝向识别部
335 谈话判断部
Claims (7)
1.一种信息处理方法,
计算机进行以下处理:
取得包含位于预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像的图像信息,
将所述第1人物和所述第2人物的每一个分类为所述设施的居住者或所述设施的来访者,预先登记所述设施的居住者的面部图像,在所述图像信息所包含的人物的面部图像与预先登记的面部图像一致的情况下,将该人物分类为所述居住者,在所述图像信息所包含的人物的面部图像与预先登记的面部图像不一致的情况下,将该人物分类为所述来访者,由此,所述第1人物被分类为所述居住者,所述第2人物被分类为所述来访者,
基于所述第1图像和所述第2图像,算出所述第1人物和所述第2人物之间的距离,
基于所算出的所述距离,判断所述第1人物和所述第2人物是否正在谈话,
在判断为所述第1人物和所述第2人物正在谈话的情况下,计测所述第1人物和所述第2人物正在谈话的谈话时间,
在所计测出的所述谈话时间超过了预定的时间的情况下,将表示所述第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
2.根据权利要求1所述的信息处理方法,
还取得表示所述第2人物是否传染上所述传染病的传染信息,
还根据所取得的所述传染信息变更所述预定的时间。
3.根据权利要求1所述的信息处理方法,
还在所述谈话时间的计测中,在判断为所述第1人物和所述第2人物没有在谈话的情况下,计测所述第1人物和所述第2人物的谈话中断的中断时间,
就所述谈话时间的计测而言,在计测着的所述中断时间超过预定的时间之前,所述第1人物和所述第2人物的谈话再次开始了的情况下,再次开始所述谈话时间的计测。
4.根据权利要求1~3中任一项所述的信息处理方法,
就所述判断而言,在所述距离为预定的距离以下的情况下,判断为所述第1人物和所述第2人物正在谈话。
5.根据权利要求4所述的信息处理方法,
还基于所述图像信息,识别所述第1人物的面部的朝向、和所述第2人物的面部的朝向,
就所述判断而言,在所述距离为预定的距离以下、且所述第1人物的面部的朝向和所述第2人物的面部的朝向为相对向的情况下,判断为所述第1人物和所述第2人物正在谈话。
6.一种计算机程序产品,包括信息处理程序,该程序使计算机执行以下处理:
取得包含位于预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像的图像信息,
将所述第1人物和所述第2人物的每一个分类为所述设施的居住者或所述设施的来访者,预先登记所述设施的居住者的面部图像,在所述图像信息所包含的人物的面部图像与预先登记的面部图像一致的情况下,将该人物分类为所述居住者,在所述图像信息所包含的人物的面部图像与预先登记的面部图像不一致的情况下,将该人物分类为所述来访者,由此,所述第1人物被分类为所述居住者,所述第2人物被分类为所述来访者,
基于所述第1图像和所述第2图像,算出所述第1人物和所述第2人物之间的距离,
基于所算出的所述距离,判断所述第1人物和所述第2人物是否正在谈话,
在判断为所述第1人物和所述第2人物正在谈话的情况下,计测所述第1人物和所述第2人物正在谈话的谈话时间,
在所计测出的所述谈话时间超过了预定的时间的情况下,将表示所述第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
7.一种信息处理***,具备:
设置于预定的设施的摄像头;和
信息处理装置,
所述信息处理装置,
从所述摄像头取得包含位于所述预定的设施的第1人物的第1图像和位于所述预定的设施的第2人物的第2图像的图像信息,
将所述第1人物和所述第2人物的每一个分类为所述设施的居住者或所述设施的来访者,预先登记所述设施的居住者的面部图像,在所述图像信息所包含的人物的面部图像与预先登记的面部图像一致的情况下,将该人物分类为所述居住者,在所述图像信息所包含的人物的面部图像与预先登记的面部图像不一致的情况下,将该人物分类为所述来访者,由此,所述第1人物被分类为所述居住者,所述第2人物被分类为所述来访者,
基于所述第1图像和所述第2图像,算出所述第1人物和所述第2人物之间的距离,
基于所算出的所述距离,判断所述第1人物和所述第2人物是否正在谈话,
在判断为所述第1人物和所述第2人物正在谈话的情况下,计测所述第1人物和所述第2人物正在谈话的谈话时间,
在所计测出的所述谈话时间超过了预定的时间的情况下,将表示所述第1人物传染上传染病的危险性高这一情况的传染通知信息向终端装置发送。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018113438 | 2018-06-14 | ||
JP2018-113438 | 2018-06-14 | ||
PCT/JP2019/020000 WO2019239813A1 (ja) | 2018-06-14 | 2019-05-21 | 情報処理方法、情報処理プログラム及び情報処理システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111742376A CN111742376A (zh) | 2020-10-02 |
CN111742376B true CN111742376B (zh) | 2024-06-25 |
Family
ID=68842505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980013950.9A Active CN111742376B (zh) | 2018-06-14 | 2019-05-21 | 信息处理方法、信息处理程序以及信息处理*** |
Country Status (4)
Country | Link |
---|---|
US (2) | US11935301B2 (zh) |
JP (1) | JP7296559B2 (zh) |
CN (1) | CN111742376B (zh) |
WO (1) | WO2019239813A1 (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11443549B2 (en) * | 2019-07-09 | 2022-09-13 | Josh Lehman | Apparatus, system, and method of providing a facial and biometric recognition system |
CN111260716A (zh) * | 2020-02-28 | 2020-06-09 | 北京三快在线科技有限公司 | 商户座位间隔的确定方法、装置、服务器及存储介质 |
CN111281361A (zh) * | 2020-03-09 | 2020-06-16 | 康瑞健康管理(杭州)有限公司 | 基于大数据的学生健康监测*** |
WO2021197561A1 (de) * | 2020-04-03 | 2021-10-07 | Christian Eckler | Verfahren und abstandserfassungseinrichtung zur einhaltung von abständen und aufzeichnung entstandener personen-nah-kontakte |
JP6906816B1 (ja) * | 2020-04-25 | 2021-07-21 | Assest株式会社 | 伝染病感染リスク判定プログラム |
WO2021246010A1 (ja) * | 2020-06-05 | 2021-12-09 | 日本電気株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP7452645B2 (ja) | 2020-06-05 | 2024-03-19 | 日本電気株式会社 | 画像処理装置、画像処理方法、及びプログラム |
US20210391089A1 (en) * | 2020-06-15 | 2021-12-16 | Honeywell International Inc. | Methods and systems for reducing a risk of spread of an illness in a building |
CN113819590B (zh) * | 2020-06-19 | 2023-03-24 | 青岛海尔空调器有限总公司 | 空调器的体温检测控制方法与空调器 |
US20210398689A1 (en) * | 2020-06-23 | 2021-12-23 | Corsight.Ai | Autonomous mapping and monitoring potential infection events |
US20230260286A1 (en) | 2020-07-08 | 2023-08-17 | Nec Corporation | Conversation surveillance apparatus, control method, and computer readable medium |
WO2022009350A1 (ja) * | 2020-07-08 | 2022-01-13 | 日本電気株式会社 | 通知制御装置、制御方法、及びコンピュータ可読媒体 |
JP7416253B2 (ja) | 2020-07-08 | 2024-01-17 | 日本電気株式会社 | 会話監視装置、制御方法、及びプログラム |
CN112135261A (zh) * | 2020-09-23 | 2020-12-25 | 维沃移动通信有限公司 | 潜在感染者确定方法、装置、电子设备和存储介质 |
WO2022107215A1 (ja) * | 2020-11-17 | 2022-05-27 | 日本電気株式会社 | リスク情報生成装置、リスク情報生成方法、及びプログラム |
JPWO2022114046A1 (zh) * | 2020-11-26 | 2022-06-02 | ||
US20240038403A1 (en) * | 2020-12-14 | 2024-02-01 | Nec Corporation | Image display apparatus, image display system, image display method, and non-transitory computer readable medium |
WO2022137884A1 (ja) * | 2020-12-22 | 2022-06-30 | 日本電気株式会社 | リスク表示装置、リスク表示方法および非一時的なコンピュータ可読媒体 |
IT202000031994A1 (it) * | 2020-12-22 | 2022-06-22 | Goatai S R L | Metodo implementato mediante computer per la stima automatica del rischio di contagio da virus in funzione delle distanze interpersonali e relativo sistema |
US20220208393A1 (en) * | 2020-12-29 | 2022-06-30 | Cortica Ltd. | Monitoring potential droplets transmission bases infection events |
JP7505767B2 (ja) * | 2021-06-09 | 2024-06-25 | Necプラットフォームズ株式会社 | 誘導情報生成装置、制御方法、及びプログラム |
WO2023013125A1 (en) * | 2021-08-05 | 2023-02-09 | Nec Corporation | Method and apparatus for cancelling anonymization for an area including a target |
WO2023067760A1 (ja) * | 2021-10-21 | 2023-04-27 | 日本電気株式会社 | 感染予防システム、感染予防方法、及び、感染予防プログラムが格納された非一時的なコンピュータ可読媒体 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014155159A (ja) * | 2013-02-13 | 2014-08-25 | Nec Corp | 情報処理システム、情報処理方法及びプログラム |
JP2017009825A (ja) * | 2015-06-23 | 2017-01-12 | トヨタ自動車株式会社 | 会話状況分析装置および会話状況分析方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9141762B2 (en) * | 2010-12-15 | 2015-09-22 | Michal Lev | System and method for analyzing and controlling epidemics |
US9075909B2 (en) | 2011-11-20 | 2015-07-07 | Flurensics Inc. | System and method to enable detection of viral infection by users of electronic communication devices |
JP5848674B2 (ja) | 2012-06-25 | 2016-01-27 | 株式会社 日立産業制御ソリューションズ | 空調制御支援装置、空調制御支援方法およびそのプログラム |
US9729833B1 (en) * | 2014-01-17 | 2017-08-08 | Cerner Innovation, Inc. | Method and system for determining whether an individual takes appropriate measures to prevent the spread of healthcare-associated infections along with centralized monitoring |
JP6182170B2 (ja) * | 2015-03-19 | 2017-08-16 | ソフトバンク株式会社 | セキュリティシステム |
JP6073972B2 (ja) | 2015-06-09 | 2017-02-01 | 東芝エレベータ株式会社 | エレベータの制御装置 |
CA2936876A1 (en) * | 2015-07-22 | 2017-01-22 | Radicalogic Technologies, Inc. Dba Rl Solutions | Systems and methods for near-real or real-time contact tracing |
JP2017130061A (ja) | 2016-01-20 | 2017-07-27 | キヤノン株式会社 | 画像処理システム、画像処理方法およびプログラム |
CN105740615B (zh) * | 2016-01-28 | 2018-10-16 | 中山大学 | 利用手机轨迹追踪传染源和预测传染病流行趋势的方法 |
KR101779705B1 (ko) * | 2016-03-16 | 2017-09-20 | 한양대학교 산학협력단 | 사물인터넷기반 신종 감염병 예측 대응 플랫폼 시스템 |
US10198779B2 (en) | 2016-06-03 | 2019-02-05 | Blyncsy, Inc. | Tracking proximity relationships and uses thereof |
-
2019
- 2019-05-21 WO PCT/JP2019/020000 patent/WO2019239813A1/ja active Application Filing
- 2019-05-21 CN CN201980013950.9A patent/CN111742376B/zh active Active
- 2019-05-21 JP JP2020525380A patent/JP7296559B2/ja active Active
-
2020
- 2020-08-27 US US17/005,256 patent/US11935301B2/en active Active
-
2024
- 2024-02-13 US US18/440,179 patent/US20240185609A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014155159A (ja) * | 2013-02-13 | 2014-08-25 | Nec Corp | 情報処理システム、情報処理方法及びプログラム |
JP2017009825A (ja) * | 2015-06-23 | 2017-01-12 | トヨタ自動車株式会社 | 会話状況分析装置および会話状況分析方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019239813A1 (ja) | 2021-06-24 |
JP7296559B2 (ja) | 2023-06-23 |
US20200394419A1 (en) | 2020-12-17 |
CN111742376A (zh) | 2020-10-02 |
US11935301B2 (en) | 2024-03-19 |
US20240185609A1 (en) | 2024-06-06 |
WO2019239813A1 (ja) | 2019-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111742376B (zh) | 信息处理方法、信息处理程序以及信息处理*** | |
JP7405200B2 (ja) | 人物検出システム | |
JP6199791B2 (ja) | ペット健康診断装置、ペット健康診断方法及びプログラム | |
JP6666488B2 (ja) | 画像抽出装置 | |
JP2020067939A (ja) | 感染リスク特定システム、情報端末、及び、感染リスク特定方法 | |
JP2007272488A (ja) | 画像処理装置、監視カメラ及び画像監視システム | |
JP6573311B2 (ja) | 顔認識システム、顔認識サーバ及び顔認識方法 | |
JP5785667B1 (ja) | 人物特定システム | |
JPWO2019130674A1 (ja) | 介護施設用行動異常検知装置、該方法および該システム | |
CN110099606B (zh) | 信息处理*** | |
JP2011242873A (ja) | 登録装置、登録方法及びコンピュータプログラム | |
US20210158966A1 (en) | Information processing device and information processing method | |
JP2004157614A (ja) | 行動分析装置 | |
JPWO2015016262A1 (ja) | 情報処理装置、認証システム、認証方法、及びプログラム | |
WO2021241293A1 (ja) | 行動体特定システム | |
WO2022014026A1 (ja) | 温度管理装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 | |
US20240038403A1 (en) | Image display apparatus, image display system, image display method, and non-transitory computer readable medium | |
JP6339708B2 (ja) | 顔認識ゲートシステム、管理装置及び顔認識プログラム | |
JP6923011B2 (ja) | 移動時間記憶システム、移動時間記憶方法および移動時間記憶プログラム | |
WO2022118397A1 (ja) | リスク値算出装置、システム、方法及びプログラムが格納された非一時的なコンピュータ可読媒体 | |
JP7435609B2 (ja) | 画像処理システム、画像処理プログラム、および画像処理方法 | |
US11423534B2 (en) | System and method for diagnosing potential diseases from photo and video data and informing the user | |
WO2021246011A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP2022139993A (ja) | 判定装置及び判定方法 | |
JP2021168216A (ja) | 情報処理システム、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |