JP2020160608A - 異常検知システム - Google Patents

Abstract

【課題】見守り対象者への負担が小さい異常検知システムを提供する。【解決手段】本発明の異常検知システムは、人の行動を検出するセンサＮＳと、センサの検出情報に基づき機械学習モデルにより人の行動を予測する行動予測部１２と、人の正常時の行動を示す平均行動ラベルと、行動予測部で求めた予測行動ラベルとの差が閾値を超えた場合に、センサを詳細検出するアラートモードに設定して、人の異常の有無を判定するアラートモード動作制御部１６と、を備える。そして、センサは、人感センサ、照度センサ、温湿度センサのいずれかを含む。行動予測部は、センサの検出値と検出時刻に基づき、ＬＳＴＭネットワークモデルにより予測行動ラベルを算出する。【選択図】図２

Description

本発明は、異常検知システムに関する。

近年、少子高齢化の進行により、独居老人世帯が増加している。離れて暮らす独居老人の家族にとっては、老人の日々の行動の内容、健康の状態、周囲の状況を容易に把握できることが望ましい。
例えば、特許文献１には、見守り対象者の健康状態や周囲の状況を検知する多数のセンサ類と、センサの信号に基づいて、見守り対象者の健康状態や周囲の状況を予め設定された管理項目で管理する管理手段と、管理項目に異常が生じたときに、その旨を通知する監視手段と、を設けた見守りシステムが記載されている。

特開２０１７―１６８０９８号公報

上記の先行技術によれば、独居老人の健康状態や周囲の状況を的確に把握して、日々の行動を良好に見守ることができる。しかし、行動パターンアラートの管理項目の出力条件を、睡眠データと活動検知データの過去一カ月分の平均値を求め、これと、現時点における値との６〜１２時間のずれがあるときとしており（図３、段落００２６参照）、正常状態から大きな状態変化があった場合しか検出できない問題がある。また、室温信号が、５℃以下もしくは３０℃以上の状態が６０分継続したときに、室内温度異常を検出しており（図４、段落００２８）、異常状態が長時間継続する問題がある。

本発明の目的は、上記の問題を解決し、見守り対象者への負担が小さい異常検知システムを提供することにある。

前記課題を解決するため、本発明の異常検知システムは、人の行動を検出するセンサと、前記センサの検出情報に基づき機械学習モデルにより人の行動を予測する行動予測部と、人の正常時の行動を示す平均行動ラベルと、前記行動予測部で求めた予測行動ラベルとの差が閾値を超えた場合に、前記センサを詳細検出するアラートモードに設定して、人の異常の有無を判定するアラートモード動作制御部と、を備えるようにした。

本発明によれば、異常状態になる可能性を検知した段階で、詳細な情報を取得して異常判定を行えるので、見守り対象者の異常状態への対応を迅速に行うことができ、見守り対象者の負担を低減することができる。

居住する見守り対象者の監視し、異常検知する住居の一例を示す図である。 異常検知システムの構成を示す図である。 行動認識サーバの処理内容を説明するフロー図である。 センサ情報の一例を説明する図である。 アラート要否の判定方法を説明する図である。 アラートモード動作設定情報を説明する図である。 センサ定義情報を説明する図である。

以下、本発明の実施形態について、図面を参照しながら詳細に説明する。
図１は、実施形態の異常検知システムを適用して、居住する見守り対象者を監視し、異常検知する住居の一例を示す図である。

住居には、部屋の明るさを検出する照度センサ、人の所在の有無を検出する人感センサ、部屋の温度・湿度を検出する温湿度センサ等の複数のセンサ（ＮＳ１からＮＳ７）が、部屋（ＮＲ１からＮＲ７）の所定位置に設置されている。

例えば、人感センサを部屋の出入口付近に設置すれば、人の部屋への出入り行動を検出することができる。
また、寝室の設置した照度センサの検出値が、夜間に、明から暗に変化すれば、人の就寝行動を検出することができる。
さらに、浴室や洗面所に設置された温湿度センサの湿度値により、入浴行動と洗顔行動を区別することができる。

上記のように、一つのセンサ検出値から人の行動を推定することができ、また、複数のセンサ検出値の組合せから、人の行動を推定することもできる。例えば、複数の人感センサの時間変化により、人の移動行動を推定することができる。

また、図１では、複数のセンサＮＳ１からＮＳ７のそれぞれが、部屋ごとに設置されているが、これに限らず、一つの部屋に複数のセンサを設置してよい。これにより、複数の行動推定を行うことができる。

図１のロボット掃除機３は、部屋の地図情報を記憶し、自走して掃除を行う掃除機である。待機時には、充電ステーション３１に待機している。図１の実線は、ロボット掃除機３の自走路の一例を示している。実施形態の異常検知システムでは、ロボット掃除機３に搭載されたスピーカ、カメラ、マイク、生体情報モニタ等により、異常検出時に、見守り対象者の状態把握を行えるようにする。

実施形態の異常検知システムは、センサＮＳとして、エアコン等のセンサを搭載した家電製品からセンサ情報を取得して、行動検知してもよい。例えば、エアコンには、室内温度センサや、人の温度や位置取得を行う赤外線カメラが搭載されており、これらをセンサＮＳとして検出情報を活用する。

また、センサＮＳとして、部屋内の音声を集音するマイクや、Ｗｅｂカメラ等のカメラを設け、実施形態の異常検知システムが見守り対象者の行動異常を検知した際に、集音マイクやカメラにより見守り対象者の状態把握するようにしてもよい。これにより、見守り対象者のプライバシーを管理しながら、詳細な異常判定を行うことができる。

詳細は、後述するが、実施形態の異常検知システムは、見守り対象者の異常を検知した際に、部屋に設置したマイク、カメラ、スピーカを、見守り対象者の家族や介護サービス事業者の端末に接続し、家族や介護サービス事業者による見守り対象者への“声かけ”を可能にする。

図２は実施形態の異常検知システムの構成図である。
異常検知システムは、図１で説明したセンサＮＳ、ロボット掃除機３と、見守り対象者の異常判定を行う行動認識サーバ１と、行動認識サーバ１の動作設定を行う操作端末５１、異常を通知する家族端末５２と警報端末５３（介護サービス事業者用）と、から構成され、無線あるいは有線方式のネットワーク６１、６２により接続されている。

行動認識サーバ１は、プロセッサのプログラム実行により所望の機能を実現する情報処理装置であり、プログラム実行により後述する機能を実現している。また、行動認識サーバ１は、後述する情報を記憶するハードディスクドライブ等の記憶装置を備えて構成する。

センサＮＳは、室内の状態を検出する検出素子である検出部２１と、検出部２１を制御する制御部２２と、ネットワーク６１を介したセンサＮＳと行動認識サーバ１との通信を制御する通信部２３と、から構成される。

詳しくは、検出部２１は、部屋の明るさを検出するフォトダイオード等の照度検出素子、サーミスタ等の温度検出素子、湿度の変化に対応してセンサ素子の抵抗値が変化する抵抗変化型湿度センサ、焦電型赤外線センサである。

制御部２２は、所定周期で検出部２１から検出値を取得し、通信部２３を介して、行動認識サーバ１に検出値を通知する。この際、検出値を検出範囲で正規化して通知してもよい。また、検出部２１の検出値が所定量変化した際に、変化時刻とともに検出値または検出値の正規化値を通知してもよい。
また、制御部２２は、行動認識サーバ１からの設定に応じて、検出部２１による検出周期を変更するともに、検出部２１の動作可否を制御する。

ロボット掃除機３は、見守り対象者の状態を検出する検出素子である検出部３２と、検出部３２を制御する制御部３３と、ネットワーク６１を介したロボット掃除機３と行動認識サーバ１と通信を制御する通信部３４と、住居内を自走する駆動部３５と、自走路を算出するための走行地図情報３６を記憶する記憶部と、ゴミの吸い込み部（不図示）と、から構成される。

詳しくは、検出部３２は、見守り対象者の状態を撮像するカメラ、見守り対象者の音声を集音するマイク、見守り対象者の体温、心拍数、呼吸数等の生体情報を検出する生体情報モニタである。また、見守り対象者に“声かけ”するためのスピーカを搭載する。

制御部３３は、行動認識サーバ１からの設定に応じて、走行地図情報３６を参照して駆動部３５を制御し、住居内の設定された位置に自走する。そして、検出部３２により、見守り対象者の状態を検出し、検出値を、行動認識サーバ１に通知する。

つぎに、行動認識サーバ１の構成を説明する。行動認識サーバ１は、異常検知処理を行うための情報として、センサ情報４１と、センサ定義情報４２と、平均行動ラベル４３と、アラートモード動作設定４４と、を記憶する記憶部を有している。

センサ通信部１１は、ネットワーク６１を介して、センサＮＳに接続し、検出部２１で検出した住居あるいは見守り対象者の状態（以下、センサ情報と記す）を取得する通信部である。
行動予測部１２は、センサ通信部１１で取得したセンサ情報を、センサ情報４１に記憶するとともに、センサ情報の履歴から、見守り対象者の行動を予測する。

具体的には、行動予測部１２は、例えば、正規化されたセンサ情報の時系列データに基づいて、再帰型ニューラルネットワーク（Recurrent Neural Network： RNN）の一種であるＬＳＴＭ（Long Short Term Memory）ネットワークを使用して、予測行動ラベルを算出する。

行動予測部１２のＬＳＴＭネットワークによる行動学習モデルは、見守り対象者の所定の分析期間（２週間から１カ月）における正常状態（異常行動でない状態）のセンサ情報を学習して構築する。そして、この分析期間の行動学習モデルのラベルは、人の正常時の行動を示し、平均行動ラベル４３として記憶される。

上記の平均行動ラベルは、ＬＳＴＭネットワークによる行動学習モデルに限らず、見守り対象者の行動が正常な所定の分析期間において、例えば、Ｋ近傍法、決定木、Random forestやSVMなどをアンサンブルした、深層学習でない機械学習モデルに基づいて、求めてもよい。
また、類似の人の行動パターンを監視する他の異常検知システムにおける平均行動ラベルを流用し、当該異常検知システムの平均行動ラベルとして設定するようにしてもよい。

アラート判定部１３は、行動予測部１２で算出した予測行動ラベルと平均行動ラベル４３とを比較し、差が所定値より大きいか否かを判定する。詳細は後述するが、差が所定値より大きい場合には、行動認識サーバ１は、アラートモードに移行する。

これは、行動予測部１２の行動学習モデルは、正常状態（異常でない状態）を学習するが、全ての正常状態を学習できるわけではない。このため、行動認識サーバ１は、アラートモードに移行して、見守り対象者の行動の詳細分析を行い、異常の有無を検知するためである。

アラートモード動作選択部１４は、センサ情報４１と現在のセンサ情報に基づいて、アラートモード動作設定４４を参照し、詳細分析のためのセンサＮＳの動作設定を選択する。

アラートモード動作設定部１５は、アラートモード動作選択部１４で選択されたセンサＮＳの動作設定に従って、センサＮＳあるいはロボット掃除機３の動作設定を変更する。具体的には、センサＮＳの測定間隔を短く設定するか、または、センサＮＳの他のセンサ情報を取得する。あるいは、アラートモード動作設定部１５は、センサ定義情報を参照して、詳細分析を行う領域に移動してセンサ情報を取得するように、ロボット掃除機３を動作設定する。

アラートモード動作制御部１６は、アラートモード設定されたセンサＮＳまたはロボット掃除機３のセンサ情報に基づいて、詳細分析を行い、見守り対象者の異常の有無を判定する。
また、アラートモード動作制御部１６は、見守り対象者の異常を検知した場合には、見守り対象者の家族の家族端末５２、あるいは、介護サービス事業者の警報端末５３に警報通知（見守り対象者の異常通知）するとともに、異常を検知した際のセンサ情報を通知する。

行動学習モデル更新部１８は、見守り対象者の家族、または介護サービス事業者が、警報通知に対して、見守り対象者に異常がない旨を行動認識サーバ１に通知した場合に、アラート判定部１３でアラートモードへの移行を判定したセンサ情報を、正常状態のセンサ情報として、行動学習モデルの追加学習を行い、行動学習モデルおよび平均行動ラベルを更新する。これにより、行動予測部１２の行動学習モデルのロバスト性を向上する。

外部通信部１７は、ネットワーク６２を介して、行動認識サーバ１と、家族端末５２および警報端末５３を接続し、見守り対象者の異常通知の送信、センサ情報の送信、異常通知に対する確認結果の受信を行う通信部である。
操作端末５１は、センサ定義情報４２や、アラートモード動作設定４４の初期情報の設定や、異常報知する家族端末５２や警報端末５３の通知先アドレス等を、行動認識サーバ１に設定する端末である。

行動認識サーバ１は、住居に設置せずに、ネットワークサーバとして機能し、住居に設置されたエッジサーバを介してセンサＮＳと接続する構成であってもよい。

上記では、行動予測部１２の行動学習モデルをＬＳＴＭネットワークにより構成する例を記載したが、これに限定されず、時系列情報に対応する機械学習モデルであれば、他のアルゴリズムであってもよい。

つぎに、図３により、行動認識サーバ１の処理フローを説明する。
なお、図３の処理フローは、予め、所定の分析期間においてセンサ情報を学習して行動予測部１２の行動学習モデルが構築され、平均行動ラベル４３が記憶されていることを前提としている。

ステップＳ３１で、行動認識サーバ１は、センサ通信部１１によりセンサＮＳからセンサ情報を取得し、センサ情報４１に時系列情報として蓄積するとともに、行動予測部１２に取得したセンサ情報を設定する。

図４は、センサ情報の時系列情報の一例を示す図である。センサ情報は、センサＮＳ１〜ＮＳ７の検出部２１の検出値を正規化したデータと、検出部２１の検出値が変化した時刻（イベント時刻）とが、行動認識サーバ１に通知され、行動認識サーバ１で、検出値が変化した時刻を基に、周期的なセンサ情報に補完して、センサ情報として、蓄積および行動予測部１２に設定する。
もちろん、取得するデータは、所定周期な、センサＮＳ１〜ＮＳ７の生の検出値であってもよく、これを蓄積し、行動認識サーバ１に通知してもよい。この場合には、行動認識サーバ１で、データの正規化を行う。

図３に戻り、ステップＳ３２で、行動予測部１２（行動学習モデル）は、順次設定された複数のセンサ情報の履歴に基づいて、予測行動ラベルを算出する。
ステップＳ３３で、アラート判定部１３は、平均行動ラベル４３と予測行動ラベルとを比較して、行動認識サーバ１がアラートモードに移行して、見守り対象者の行動の詳細分析を行うか否かのアラート要否を判定する。

図５は、行動予測部１２の行動ラベル値の時間変化を示し、ステップＳ３３のアラート要否の判定方法を説明する図である。
図５の破線は、平均行動ラベル４３の行動ラベル値の時間変化を示している。行動予測部１２は、所定の時間幅の予測行動ラベル（複数点の予測行動ラベル）と、平均行動ラベルの対応する時間帯のラベル値を比較し、その差分の面積（図４の斜線領域）が所定の閾値以上の場合に、アラートモードに移行要と判定する。

図３に戻り、ステップＳ３３（アラート判定）で、アラート判定部１３は、所定の時間幅の予測行動ラベルと平均行動ラベルとの差分面積が、所定値より小さければ、見守り対象者の行動は正常と見なして、アラートモードへの移行は不要と判定し（Ｓ３３の不要）、ステップＳ３１に戻る。予測行動ラベルと平均行動ラベルとの差分面積が所定値以上であれば、見守り対象者の行動は正常でないと見なして、アラートモードへの移行要と判定し（Ｓ３３の要）、ステップＳ３４に進む。

ここで、平均行動ラベル４３について説明する。
実施形態の異常検知システムでは、図５に示したように、一日分の行動ラベルの時間変化を、平均行動ラベル４３としている。
この見守り対象者の行動パターンが、平日と休日で異なる場合や、通院等の定期的な外出予定のある場合には、それぞれの行動パターンに対応して、平均行動ラベル４３を選択することが望ましい。
詳しくは、図３の処理フローの実施にあたり、曜日や見守り対象者の行動予定を取得し、これに対応する平均行動ラベル４３を選択する。これにより、アラート判定精度を向上することができる。

ところで、図３のステップＳ３３で、アラートモードへの移行は不要と判定した場合に、ステップＳ３２で生成した予測行動ラベルにより、平均行動ラベルを更新してもよい。これにより、ステップＳ３３の判定精度を向上することができる。

図３に戻り、ステップＳ３４で、アラートモード動作選択部１４は、センサ情報４１と現在のセンサ情報に基づいて、アラートモード動作設定４４を参照し、詳細分析のためのセンサ動作設定を選択する。

より具体的には、図６に示すように、アラートモード動作設定４４として、予め、センサＮＳごとに、アラートモード時の動作設定を定義し、アラートモードへの移行判定した際に、アラートモード動作設定４４を参照して、異常状態に関連するセンサＮＳの動作設定を取得する。

詳しくは、センサＮＳごとのアラートモード時の動作設定は、異常検知システムの運用開始時に、センサＮＳそれぞれにおける、検出周期等の複数の設定選択肢から一つを選択し、設定する。また、カメラ起動やマイク集音の設定は、見守り対象者のプライバシーへの影響が大きいため、見守り対象者あるいは家族の承認のうえ設定することが望ましい。

図６に示すように、アラートモード時の動作設定として、“検出周期の増加”等の当該センサＮＳの動作設定を変更すること以外に、ロボット掃除機を派遣して搭載するカメラや生体情報モニタの動作する指示や、住居の設置したカメラ起動指示や、マイク集音指示、スピーカ出力指示等のセンサ情報を取得するセンサＮＳ以外のセンサを動作する設定を行ってもよい。

また、アラートモード動作選択部１４は、全てのセンサＮＳをアラートモードに設定するアラートモード動作を選択してもよいし、また、アラートモードへの移行判定した際に、センサＮＳの組合せに応じて、センサＮＳの動作内容を変えてもよい。

ステップＳ３５で、アラートモード動作設定部１５は、ステップＳ３４で選択した図６のアラートモード動作設定情報の設定内容に従って、センサＮＳの動作設定を変更する。
ここで、図６に示すアラートモード動作設定４４のＮＳ２のように、ロボット掃除機を派遣する動作を行う場合について詳細に説明する。

実施形態の異常検知システムでは、図７のように、各センサＮＳのセンサ種別とセンサ識別情報（ＩＤ）と設置位置を示すセンサ定義情報４２を定義している。
アラートモード動作設定部１５は、アラートモード動作設定４４において、ロボット掃除機を派遣する動作が設定されたセンサＮＳ２について、図７のセンサ定義情報４２を参照して、センサＮＳ２の設置位置を取得する。アラートモード動作設定部１５は、取得した設置位置に移動するようにロボット掃除機３を設定する。この際、搭載しているカメラや生体情報モニタの動作指示をあわせて設定する。

ステップＳ３６で、アラートモード動作制御部１６は、ステップＳ３５でアラートモード動作を設定したセンサＮＳおよびロボット掃除機３から、見守り対象者の状態の詳細分析を行うためのセンサ情報を取得する。

そして、ステップＳ３７（異常判定）で、アラートモード動作制御部１６は、センサ情報に基づいて、アラートモードにおける異常判定を行い、正常判定の場合には、ステップＳ３０に進み（Ｓ３７の正常）、異常判定の場合には、ステップＳ３８に進む（Ｓ３７の異常）。

より具体的には、アラートモード動作制御部１６は、カメラの撮像画像（センサ情報）に基づいて画像処理を行い見守り対象者の転倒を検出すること、または、マイクのセンサ情報に基づいて救助要請の音声を認識することにより、見守り対象者の異常状態を判定する。
また、ロボット掃除機３に搭載した生体情報モニタのセンサ情報により、見守り対象者の異常状態を判定する。

ステップＳ３８で、アラートモード動作制御部１６は、家族端末５２あるいは警報端末５３に、見守り対象者が異常な状態にあると検知したことを通知するとともに、見守り対象者の異常有無の確認を依頼する。
この際、ステップＳ３６で取得したカメラの撮像画像（センサ情報）等をあわせて送付することで、見守り対象者の家族や介護業者の、状況把握が容易になる。

ステップＳ３９（確認結果判定）で、アラートモード動作制御部１６は、家族端末５２あるいは警報端末５３から、ステップＳ３８で依頼した見守り対象者の異常有無の確認結果を取得する。
そして、ステップＳ３９で、アラートモード動作制御部１６は、確認結果の異常の有無を判定し、異常状態であった場合には、ステップＳ４０に進み、正常状態であった場合には、ステップＳ３０に進む。

ステップＳ４０で、アラートモード動作制御部１６は、家族端末５２あるいは警報端末５３と、住居に設置された家電のスピーカ、センサＮＳとしてのマイクやカメラと、を接続する救護活動支援を行う。これにより、見守り対象者の家族や介護サービス事業者が、隔地から見守り対象者への“声かけ”などの介護活動を行うことができる。
ステップＳ４０の救護活動支援が終わると、ステップＳ３１に戻る。

ステップＳ３０で、行動学習モデル更新部１８は、ステップＳ３３においてアラート判定部１３がアラートモードへの移行を判定したセンサ情報を、正常状態のセンサ情報として、行動学習モデルの追加学習を行い、行動学習モデルおよび平均行動ラベルを更新する。これにより、行動予測部１２の行動学習モデルのロバスト性を向上する。
そして、ステップＳ３１に戻り、所定周期で繰り返し実行される。

上記の実施形態の異常検知システムでは、複数のセンサ情報を入力して一つの予測行動ラベルを算出する行動学習モデルを構築して、異常行動を推測する例を説明したが、
行動学習モデルを群衆の予測行動ラベルを算出するととらえれば、商標施設における群衆行動の異常検知システムとして、使用することができる。

また、上記の実施形態の異常検知システムでは、複数のセンサ情報を入力して一つの予測行動ラベルを算出する行動学習モデルを構築して、異常行動を推測する例を説明したが、人の識別センサを含む複数のセンサ情報を入力して複数人の予測行動ラベルを算出する行動学習モデルを構築して、複数人の異常行動を推測するようにしてもよい。
この異常検知システムは、老人ホーム等の施設に適用して、見守り対象者の異常状態への対応を迅速に行う効果を奏することができる。

また、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。上記の実施例は本発明で分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。

１１ センサ通信部
１２ 行動予測部
１３ アラート判定部
１４ アラートモード動作選択部
１５ アラートモード動作設定部
１６ アラートモード動作制御部
１７ 外部通信部
１８ 行動学習モデル更新部
４１ センサ情報
４２ センサ定義情報
４３ 平均行動ラベル
４４ アラートモード動作設定
５１ 操作端末
５２ 家族端末
５３ 警報端末
ＮＳ センサ
２１ 検出部
２２ 制御部
２３ 通信部
３ ロボット掃除機
３２ 検出部
３３ 制御部
３４ 通信部
３５ 駆動部
３６ 走行地図情報

Claims (7)

1. 人の行動を検出するセンサと、
   前記センサの検出情報に基づき機械学習モデルにより人の行動を予測する行動予測部と、
   人の正常時の行動を示す平均行動ラベルと、前記行動予測部で求めた予測行動ラベルとの差が閾値を超えた場合に、前記センサを詳細検出するアラートモードに設定して、人の異常の有無を判定するアラートモード動作制御部と、
   を備えることを特徴とする異常検知システム。
2. 請求項１に記載の異常検知システムにおいて、
   前記センサは、人感センサ、照度センサ、温湿度センサのいずれかを含み、
   前記行動予測部は、前記センサの検出値と検出時刻に基づき、ＬＳＴＭネットワークモデルにより予測行動ラベルを算出する
   ことを特徴とする異常検知システム。
3. 請求項１に記載の異常検知システムにおいて、
   アラートモード動作制御部は、前記センサの測定間隔を短くしてアラートモードに設定する
   ことを特徴とする異常検知システム。
4. 請求項１に記載の異常検知システムにおいて、さらに、
   人の状態を撮像するカメラを備え、
   前記アラートモード動作制御部は、前記センサのアラートモードにおいて、前記カメラの撮像画像により、人の異常の有無を判定する
   ことを特徴とする異常検知システム。
5. 請求項１に記載の異常検知システムにおいて、さらに、
   人の音声を取得するマイクを備え、
   前記アラートモード動作制御部は、前記センサのアラートモードにおいて、前記マイクの取得音声により、人の異常の有無を判定する
   ことを特徴とする異常検知システム。
6. 請求項１に記載の異常検知システムにおいて、さらに、
   人の生体情報を検出する生体情報モニタを備え、
   前記アラートモード動作制御部は、前記センサのアラートモードにおいて、前記生体情報モニタの検出情報により、人の異常の有無を判定する
   ことを特徴とする異常検知システム。
7. 請求項１に記載の異常検知システムにおいて、さらに、
   人の状態を撮像するカメラ、人の音声を取得するマイクまたは人の生体情報を検出する生体情報モニタの少なくとも一つを前記センサとして搭載した自走家電を備え、
   前記アラートモード動作制御部は、前記センサのアラートモードにおいて、前記自走家電に搭載された前記センサにより、人の異常の有無を判定する
   ことを特徴とする異常検知システム。

Images