JP6483248B2 - 監視システム、監視装置 - Google Patents

Description

本発明は、監視システム、監視装置、及び監視方法に関する。
本願は、２０１５年４月２０日に、日本に出願された特願２０１５−０８６０２８号に基づき優先権を主張し、その内容をここに援用する。

近年、ビッグデータに代表される、大量のデータを蓄積し、ある事象の検知、予測、把握等に役立てようとする動きが活発化している。データベースの大規模化や大量のデータを処理できる検索システムなどの技術的な発展に伴い、今後の管理や新たなビジネスとしてビッグデータを利用できる可能性が示されている。
ここで、ビッグデータとは、市販されているデータベース管理ツールや従来のデータ処理アプリケーションで処理することが困難なほど巨大で複雑なデータ集合の集積物を表す用語である。例えば、疾病予防に関しては、近年のグローバル化、ボーダレス化に伴い短期間での全地球規模での疾病の拡大が懸念されている。このような背景から、例えば、インフルエンザ等の疾病の感染拡大を防ぐために、人が多く集まる公の場所、公共機関、企業等で、被監視者の体温を瞬時に測定し監視する機器のニーズが高まっている。
例えば、特許文献１では、空間領域に存在する複数人を撮影する赤外線カメラからの熱画像に基づいて体温分析を行い、体温異常の情報の通知する監視システムが記載されている。

特開２００６−１７４９１９号公報

しかしながら、特許文献１に記載されているような監視システムでは、熱画像であるため、発熱者の特徴を分析する事ができない。そのため、特許文献１に記載されているような監視システムでは、例えば、複数の監視場所又は監視領域との連携を行い、各監視場所又は各監視領域のデータを統合した傾向分析や、当該分析結果に基づく効率のよい感染予防計画や対策を立案することが困難であった。すなわち、特許文献１に記載されているような監視システムでは、監視者が効率良く発熱者の状況を把握し、対策を行うことが困難であった。

本発明の一態様は、上記問題を解決すべくなされたもので、その目的は、監視者が効率良く発熱者の状況を把握し、対策を行うことができる監視システム、監視装置、及び監視方法を提供することにある。

上記問題を解決するために、本発明の一態様は、赤外光に基づいて、温度分布を測定する測定装置と、可視光に基づく画像情報を測定する監視装置とを少なくとも備える監視システムであって、前記監視装置は、前記画像情報に基づいて抽出された被監視対象の属性情報と、前記温度分布から前記被監視対象の発熱情報を時系列に取得する取得部と、前記属性情報と発熱情報の変化を分析し、当該分析結果に基づいて、前記発熱情報の推移を予測する分析部とを備えることを特徴とする監視システムある。

また、本発明の一態様は、赤外光に基づいて、温度分布を測定する測定装置と、可視光に基づく画像情報を測定する監視装置とを少なくとも備える監視システムであって、前記監視装置は、前記画像情報に基づいて抽出された被監視者の属性情報と、前記温度分布から前記被監視者の発熱情報を時系列に取得する取得部と、前記属性情報と発熱情報の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する分析部とを備えることを特徴とする監視システムである。

また、本発明の一態様は、上記の監視システムにおいて、前記分析部は、過去の前記被監視者の発熱情報に基づいて構築された予測モデルと、前記発熱者の数の変化とに基づいて、前記発熱者の発生推移を予測することを特徴とする。

また、本発明の一態様は、上記の監視システムにおいて、 前記測定装置が測定している場所の環境に関する情報を示す環境情報を検出する環境検出部を備え、前記分析部は、前記環境情報をさらに加えた情報に基づいて、前記予測を行うことを特徴とする。

また、本発明の一態様は、上記の監視システムにおいて、前記測定装置は、対象物から反射する赤外光に基づいて、前記対象物の温度を検出する第１の検出素子と、前記対象物から反射する可視光に基づいて、前記対象物の画像を検出する第２の検出素子とを同一基板上に備える集積回路を有し、前記温度分布を測定するとともに、前記画像情報を測定することを特徴とする。

また、本発明の一態様は、可視光に基づいて検出された画像情報に基づいて抽出された被監視対象に対応する属性情報と、赤外光に基づいて測定された温度分布に基づいて得られた前記被監視対象の発熱情報を同時に取得することを特徴とする監視装置である。

また、本発明の一態様は、赤外光に基づいて、少なくとも所定の範囲の温度分布と、可視光に基づいて検出された画像情報とを同時に測定する測定ステップと、前記測定ステップによって測定された前記温度分布と前記画像情報に基づいて得られる被監視対象の発熱情報と属性情報を時系列に取得する取得ステップと、前記取得ステップによって取得された前記被監視対象の発熱情報と属性情報に基づいて、前記被監視対象のうちの発熱状況の変化を分析し、当該分析結果に基づいて、前記発熱状況の発生推移を予測する分析ステップとを含むことを特徴とする監視方法である。

本発明の一態様によれば、監視者が効率良く状況を把握し、対策を行うことができる。

第１の実施形態による測定装置の構成例を示す図である。 第１の実施形態によるセンサー部の光の入射面の構成例を示す図である。 反射率の変換テーブルの一例を示す図である。 第１の実施形態によるセンサー部の断面構造の一例を示す断面図である。 第１の実施形態による測定装置の動作の一例を示すフローチャートである。 第２の実施形態による測定装置の構成例を示す図である。 第２の実施形態によるセンサー部の光の入射面の構成例を示す図である。 第３の実施形態による監視システムの一例を示す機能ブロック図である。 第３の実施形態による監視システムの動作の一例を示すフローチャートである。 第３の実施形態による監視システムの分析結果の一例を示す第１の図である。 第３の実施形態による監視システムの分析結果の一例を示す第２の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第１の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第２の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第３の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第４の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第５の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第６の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第７の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第８の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第９の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第１０の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第１１の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第１２の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第１３の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第１４の図である。 第３の実施形態における増加モデルによる状態判定の一例を示す第１５の図である。 第４の実施形態による家畜監視システムの一例を示す機能ブロック図である。 第５の実施形態によるプラント監視システムの一例を示す機能ブロック図である。 センサー部のスポットサイズと測定距離との関係を説明する図である。 第６の実施形態による火災監視システムの一例を示す機能ブロック図である。

以下、本発明の一実施形態による測定装置、及び監視システムについて図面を参照して説明する。

［第１の実施形態］
図１は、第１の実施形態による測定装置１の構成例を示す図である。
図１に示すように、測定装置１は、センサー部１０と、光学系２０と、制御部３０とを備えている。

センサー部１０（集積回路の一例）は、例えば、非接触により対象物（被測定物）の温度を検出する半導体装置である。センサー部１０は、対象物から反射する赤外光に基づいて、対象物の温度を検出するとともに、対象物から反射する可視光に基づいて、対象物の画像を検出する。センサー部１０は、例えば、図２に示すように、サーモパイル部１１と、フォトダイオード部１２とを備えている。

図２は、本実施形態によるセンサー部１０の光の入射面の構成例を示す図である。ここで、この図は、センサー部１０を入射面（センサー面）側から見た図である。
図２に示すように、センサー部１０は、サーモパイル部１１と、フォトダイオード部１２とを同一の半導体基板ＷＦ上に備えている。すなわち、センサー部１０において、サーモパイル部１１と、フォトダイオード部１２とが、半導体基板ＷＦ上に形成されている。

サーモパイル部１１（第１の検出素子の一例）は、対象物から反射する赤外光に基づいて、対象物の温度を検出する。サーモパイル部１１は、後述するサーモパイル１１１（図４を参照）を利用して、赤外光に基づいて温度を検出する。
フォトダイオード部１２（第２の検出素子の一例）は、対象物から反射する可視光に基づいて、対象物の画像（色情報）を検出する。フォトダイオード部１２は、赤色フォトダイオード部１２Ｒと、緑色フォトダイオード部１２Ｇと、青色フォトダイオード部１２Ｂとを備え、赤色、緑色、及び青色の３原色の光の強度を検出し、画像（ＲＧＢの色情報）を出力する。

ここで、赤色フォトダイオード部１２Ｒは、赤色フィルタ（不図示）を備え、可視光のうちの赤色光の強度を検出する。また、緑色フォトダイオード部１２Ｇは、緑色フィルタ（不図示）を備え、可視光のうちの緑色光の強度を検出する。また、青色フォトダイオード部１２Ｂは、青色フィルタ（不図示）を備え、可視光のうちの青色光の強度を検出する。
なお、センサー部１０の構成の詳細については、図４を参照して後述する。

図１の説明に戻り、光学系２０は、対象物からの赤外光及び可視光を含む反射光を、センサー部１０の入射面（センサー面）に導く。光学系２０は、温度を検出する対象の範囲（所定の検出範囲）を複数の分割領域（例えば、画素領域）に分割されたそれぞれの分割領域から入射する反射光の光路を変更して、センサー部１０の入射面（センサー面）に向けて出射可能な光路変更部を備えている。光学系２０は、例えば、レンズ（２１、２３）と、デジタルミラーデバイス２２とを備えている。なお、本実施形態では、光学系２０が、光路変更部の一例として、デジタルミラーデバイス２２を備える例について説明する。

レンズ２１は、対象物からの赤外光及び可視光を含む反射光をデジタルミラーデバイス２２に集光する集光レンズである。レンズ２１は、対象物とデジタルミラーデバイス２２との間に配置され、入射された反射光をデジタルミラーデバイス２２に出射する。

デジタルミラーデバイス（ＤＭＤ：Digital Micromirror Device）２２（光路変更部の一例）は、ＭＥＭＳ（Micro Electro Mechanical Systems）ミラーであり、レンズ２１から入射された反射光の光路を変更して、センサー部１０の入射面（センサー面）に向けて出射する。デジタルミラーデバイス２２は、例えば、温度を検出する対象の範囲が複数の分割領域（例えば、画素領域）に分割されたそれぞれの分割領域（例えば、画素領域）から入射する赤外光及び可視光の光路を変更する。デジタルミラーデバイス２２は、光路を変更した赤外光及び可視光を上述したセンサー部１０の入射面（センサー面）に向けて出射する。

デジタルミラーデバイス２２は、制御部３０（後述する測定制御部３１）により制御され、温度を検出する対象の範囲内の各分割領域からの反射光を順番に光路変更し、センサー部１０の入射面（センサー面）に向けて出射することで、センサー部１０に対象の範囲の画像及び温度を検出させる。なお、図１に示す例では、デジタルミラーデバイス２２は、制御部３０（後述する測定制御部３１）の制御に基づいて、経路Ｒ１に従って、順番に検出する分割領域を変更し、現在の検出領域として分割領域ＳＡ１における反射光をセンサー部１０の入射面（センサー面）に向けて出射している状態を示している。

レンズ２３は、デジタルミラーデバイス２２からの赤外光及び可視光を含む反射光をセンサー部１０の入射面（センサー面）に投影する投影レンズである。レンズ２３は、デジタルミラーデバイス２２とセンサー部１０との間に配置され、入射された反射光をセンサー部１０に出射する。

制御部３０は、例えば、ＣＰＵ（Central Processing Unit）などを含むプロセッサであり、測定装置１を統括的に制御する。制御部３０は、例えば、センサー部１０及びデジタルミラーデバイス２２を制御するとともに、センサー部１０が検出した温度及び画像（上述した分割領域の温度及び色情報（画素情報））を取得する制御を行う。そして、制御部３０は、取得した温度及び画像に基づいて、温度を検出する対象の範囲の温度分布と、当該対象の範囲の画像情報とを生成し、生成した温度分布と画像情報とを対応付けて外部に出力する制御を行う。
また、制御部３０は、測定制御部３１と、反射率生成部３２と、出力処理部３３とを備えている。

測定制御部３１は、デジタルミラーデバイス２２を制御して、センサー部１０から温度及び画像を取得する。すなわち、測定制御部３１は、デジタルミラーデバイス２２に対して、所定の検出範囲の分割されたそれぞれの分割領域から入射する赤外光及び可視光を、分割領域を変更してセンサー部１０に出射させる。そして、測定制御部３１は、センサー部１０に、分割領域ごとの温度及び画像（ＲＧＢの色情報）を検出させる。測定制御部３１は、センサー部１０によって検出された分割領域ごとの温度及び画像（ＲＧＢの色情報）を取得する。

反射率生成部３２は、センサー部１０から取得された画像（ＲＧＢの色情報）に基づいて、対象物の反射率を生成する。ここで、センサー部１０のサーモパイル部１１は、サーモパイル１１１を利用して温度を検出するが、この検出には、対象物の反射率を規定する必要である。反射率は、素材により変動し、測定対象を限定しない場合には、対象物の反射率を測定毎に計測して反射率補正を行う必要がある。そこで、反射率生成部３２では、群衆内の人の体温を測定する目的に限定することで、対象物の素材を、“人肌”及び“衣服”に限定し、色彩と明るさとに基づいて、反射率を生成する。

反射率生成部３２は、例えば、測定制御部３１がセンサー部１０から取得した分割領域における画像（ＲＧＢの色情報）に基づいて、当該分割領域の色彩と明るさと生成する。ここで、反射率生成部３２は、ＲＧＢの色情報に基づいて、“黄”、“ベージュ”などの色彩を判定する。また、反射率生成部３２は、ＲＧＢの色情報に基づいて、“明るい”、“平均”、及び“暗い”の３段階に明るさを判定する。反射率生成部３２は、判定した当該分割領域の色彩と明るさとに基づいて、例えば、図３に示すような変換テーブルを利用して、当該分割領域の反射率を生成する。

図３は、反射率の変換テーブルの一例を示す図である。
この図に示す変換テーブルは、色彩と明るさとに基づいて、色彩拡散面の反射率を生成するテーブルである。この変換テーブルは、「色彩」と、「反射率（％）」とが対応付けられており、「反射率（％）」は、“明るい”、“平均”、及び“暗い”の３段階に場合分けされている。
例えば、「色彩」が“黄”であり、明るさが“明るい”である場合には、反射率生成部３２は、変換テーブルに基づいて、「反射率（％）」として“７０”を生成する。反射率生成部３２は、生成した反射率（この場合は、“７０”（％））をセンサー部１０に出力する。

これにより、センサー部１０は、反射率生成部３２が生成した分割領域ごとの反射率に基づいて、正確に対象物の温度を検出することができる。
このように、サーモパイル部１１は、赤外光と、フォトダイオード部１２が検出した画像に基づいて生成された対象物の反射率とに基づいて、対象物の温度を検出する。

出力処理部３３は、センサー部１０が検出したそれぞれの分割領域における対象物の画像及び対象物の温度に基づいて、所定の検出範囲の画像を生成し、当該所定の検出範囲の画像と、それぞれの分割領域における対象物の温度とを対応付けて出力する。出力処理部３３は、例えば、測定制御部３１によって取得された分割領域における画像（ＲＧＢの色情報）に基づいて、温度を検出する対象の範囲の画像情報を生成する。また、出力処理部３３は、例えば、測定制御部３１によって取得された分割領域の対象物における温度に基づいて、温度を検出する対象の範囲の温度分布を生成する。出力処理部３３は、生成した画像情報及び温度分布を対応付けて外部に出力する。

次に、図４を参照して、センサー部１０の構成について説明する。
図４は、本実施形態によるセンサー部１０の断面構造の一例を示す断面図である。
図４に示す例では、サーモパイル部１１と、フォトダイオード部１２とが同一の半導体基板ＷＦに形成されている。

サーモパイル部１１は、空洞部１１２を跨ぎ、ヒートシンク部１１３と接するように、サーモパイル１１１が形成されている。このサーモパイル１１１は、空洞部１１２の上面に形成された熱絶縁薄膜（不図示）と、ヒートシンク部１１３とに跨るように、２種類の金属（不図示）又は半導体（不図示）を接合させた熱電対を複数直列又は並列に接続されて形成される。ここで、複数の熱電対は、ヒートシンク部１１３上に冷接点が形成され、熱絶縁薄膜上に、温接点が形成される。サーモパイル１１１は、局所的な温度差又は温度勾配に比例した電圧を出力する。

フォトダイオード部１２は、マイクロレンズ１２１と、カラーフィルタ１２２と、遮光膜１２３と、フォトダイオード１２４と、ポリシリコン１２５とを備えている。なお、この図の説明では、例えば、赤色フォトダイオード部１２Ｒについて説明するが、カラーフィルタ１２２の色が異なる点を除いて、緑色フォトダイオード部１２Ｇ、及び青色フォトダイオード部１２Ｂの構成も同様である。図示を省略するが、フォトダイオード部１２は、赤色フォトダイオード部１２Ｒと、緑色フォトダイオード部１２Ｇと、青色フォトダイオード部１２Ｂとの３種類のフォトダイオードを備えている。

マイクロレンズ１２１は、フォトダイオード１２４に可視光を誘導するレンズであり、カラーフィルタ１２２（ここでは、赤色フィルタ）を介して赤色光をフォトダイオード１２４に出射する。

遮光膜１２３は、ポリシリコン１２５の上部を含む範囲に形成され、フォトダイオード１２４以外の部分に、光が照射されないように遮光する。
フォトダイオード１２４は、照射された光を、強度に応じた電圧に変換する。
ポリシリコン１２５は、フォトダイオード１２４からの電圧を出力させる、フォトダイオード１２４の状態を初期化するなどのフォトダイオード１２４の制御に利用される。

また、センサー部１０は、同一の半導体基板ＷＦ上に、例えば、トランジスタ１３を備えている。トランジスタ１３は、ソース部１３１と、ドレイン部１３２と、ポリシリコンのゲート部１３３とを備えるＭＯＳトランジスタ（Metal-Oxide-Semiconductor field-effect transistor）である。トランジスタ１３は、例えば、サーモパイル部１１又はフォトダイオード部１２の信号を制御部３０に転送する等の制御を行う場合に必要となるスイッチング素子である。

次に、図５を参照して、本実施形態による測定装置１の動作について説明する。
図５は、本実施形態による測定装置１の動作の一例を示すフローチャートである。
図５に示すように、測定装置１は、まず、デジタルミラーデバイス２２を対象の範囲における分割領域の初期位置に制御する（ステップＳ１０１）。すなわち、制御部３０の測定制御部３１は、温度を検出する対象の範囲のうちの分割領域の初期位置の反射光がセンサー部１０に出射するように、デジタルミラーデバイス２２を制御する。

次に、測定制御部３１は、分割領域の画像を検出する（ステップＳ１０２）。すなわち、測定制御部３１は、分割領域の画像（ＲＧＢの色情報）をセンサー部１０に検出させて、センサー部１０のフォトダイオード部１２によって検出された分割領域の画像（ＲＧＢの色情報）を取得する。

次に、制御部３０の反射率生成部３２は、画像に基づいて反射率を生成する（ステップＳ１０３）。反射率生成部３２は、例えば、測定制御部３１がセンサー部１０から取得した分割領域における画像（ＲＧＢの色情報）に基づいて、当該分割領域の色彩と明るさと生成する。反射率生成部３２は、生成した当該分割領域の色彩と明るさとに基づいて、例えば、図３に示すような変換テーブルを利用して、当該分割領域の反射率を生成する。そして、反射率生成部３２は、生成した当該分割領域の反射率をセンサー部１０に出力する。

次に、測定制御部３１は、分割領域の温度を検出する（ステップＳ１０４）。すなわち、測定制御部３１は、分割領域の温度をセンサー部１０に検出させて、センサー部１０のサーモパイル部１１によって検出された分割領域の温度を取得する。なお、反射率生成部３２が生成した反射率は、サーモパイル部１１が赤外光に基づいて、対象物の温度を検出する際に用いられる。

次に、測定制御部３１は、分割領域が終了位置であるか否かを判定する（ステップＳ１０５）。測定制御部３１は、当該分割領域が温度を検出する対象の範囲のうちの終了位置であるか否かを判定する。測定制御部３１は、分割領域が終了位置である場合（ステップＳ１０５：ＹＥＳ）に、処理をステップＳ１０７に進める。また、測定制御部３１は、分割領域が終了位置でない場合（ステップＳ１０５：ＮＯ）に、処理をステップＳ１０６に進める。

ステップＳ１０６において、測定制御部３１は、分割領域を変更して、処理をステップＳ１０２に戻し、分割領域が終了位置に到達するまで、ステップＳ１０２からステップＳ１０５の処理を繰り返す。

また、ステップＳ１０７において、制御部３０の出力処理部３３は、対象の範囲の画像情報、及び温度分布を生成する。出力処理部３３は、センサー部１０が検出したそれぞれの分割領域における対象物の画像及び対象物の温度に基づいて、対象の範囲の画像情報、及び温度分布を生成する。
次に、出力処理部３３は、対象の範囲の画像情報、及び温度分布を出力する（ステップＳ１０８）。

以上説明したように、本実施形態によるセンサー部１０（集積回路の一例）は、サーモパイル部１１（第１の検出素子）と、フォトダイオード部１２（第２の検出素子）とを同一基板上（例えば、半導体基板ＷＦ上）に備える。サーモパイル部１１は、対象物から反射する赤外光に基づいて、対象物の温度を検出する。フォトダイオード部１２は、対象物から反射する可視光に基づいて、対象物の画像を検出する。
これにより、本実施形態によるセンサー部１０は、対象物の温度とともに、対象物の画像を検出することができるため、対象物の温度とともに対象物の特徴を分析することが可能になる。

また、本実施形態では、サーモパイル部１１は、赤外光と、フォトダイオード部１２が検出した画像に基づいて生成された対象物の反射率とに基づいて、対象物の温度を検出する。
これにより、本実施形態によるセンサー部１０は、画像に基づいて生成された適切な反射率により、より正確に温度を検出することができる。

また、本実施形態では、対象物の反射率は、フォトダイオード部１２が検出した画像に基づく対象物の色彩及び明るさに基づいて生成される。例えば、反射率生成部３２は、色彩と明るさとに基づいて、例えば、図３に示すような変換テーブルを利用して、反射率を生成する。
これにより、本実施形態によるセンサー部１０は、簡易な手法により生成された反射率により、より正確に温度を検出することができる。また、本実施形態による測定装置１は、簡易な手法により適切な反射率を生成することができ、より正確に温度を検出することができる。

また、本実施形態による測定装置１は、上述したセンサー部１０と、光路変更部（例えば、デジタルミラーデバイス２２）と、測定制御部３１とを備えている。デジタルミラーデバイス２２は、所定の検出範囲が複数の分割領域に分割されたそれぞれの分割領域から入射する赤外光及び可視光の光路を変更して、サーモパイル部１１及びフォトダイオード部１２に向けて出射可能な光路変更部である。そして、測定制御部３１は、デジタルミラーデバイス２２に対して、所定の検出範囲の分割されたそれぞれの分割領域から入射する赤外光及び可視光を、分割領域を変更してセンサー部１０に出射させて、センサー部１０に、分割領域ごとの温度及び画像を検出させる。

センサー部１０のサーモパイル部１１は、受光部分（サーモパイル１１１）の面積が広い程、温度の検出精度が向上する。そのため、本実施形態による測定装置１は、光路変更部（例えば、デジタルミラーデバイス２２）により光路を変更することにより、例えば、マトリックス状に、サーモパイル部１１（サーモパイル１１１）を複数配置する場合に比べて、受光部分（サーモパイル１１１）の面積を広くすることができる。よって、本実施形態による測定装置１は、温度を検出する精度を向上させることができる。

また、本実施形態では、上述した光路変更部には、デジタルミラーデバイス２２が含まれる。
これにより、本実施形態による測定装置１は、デジタルミラーデバイス２２を用いるという簡易な手法により、温度を検出する精度を向上させることができる。

［第２の実施形態］
次に、図面を参照して、第２の実施形態による測定装置について説明する。
図６は、第２の実施形態による測定装置１ａの構成例を示す図である。また、図７は、第２の実施形態によるセンサー部１０ａの光の入射面の構成例を示す図である。
なお、図６及び図７において、図１及び図２に示す構成と同一の構成については同一の符号を付し、その説明を省略する。

図６に示すように、本実施形態よる測定装置１ａは、センサー部１０ａと、光学系２０と、制御部３０とを備えている。また、センサー部１０ａは、画像補正部１４を備えている。

また、図７に示すように、センサー部１０ａは、サーモパイル部１１と、複数のフォトダイオード部１２（１２−１、１２−２、１２−３、１２−４）とを同一の半導体基板ＷＦ上に備えている。ここで、フォトダイオード部１２−１、フォトダイオード部１２−２、フォトダイオード部１２−３、及びフォトダイオード部１２−４は、上述したフォトダイオード部１２と同一の構成であり、測定装置１ａが備える任意のフォトダイオード部を示す場合、又は特に区別しない場合には、フォトダイオード部１２として説明する。

本実施形態では、測定装置１ａが、複数のフォトダイオード部１２と、画像補正部１４とを備える点が、上述した第１の実施形態と異なる。
複数のフォトダイオード部１２は、図７に示すように、サーモパイル部１１からの距離が等しくなるように、サーモパイル部１１の周辺に配置されている。

また、画像補正部１４（補正部の一例）は、複数のフォトダイオード部１２が検出した画像に基づいて、サーモパイル部１１の測定位置における補正画像を生成し、生成した補正画像を対象物の画像として出力する。画像補正部１４は、例えば、複数のフォトダイオード部１２が検出したＲＧＢの色情報を、原色ごと（Ｒ（赤色）ごと、Ｇ（緑色）ごと、Ｂ（青色）ごと）に、平均化する処理を実行する。

サーモパイル部１１の位置と、複数のフォトダイオード部１２の位置とが異なるため、温度の測定位置と、画像の測定位置とが異なる。そのため、本実施形態では、画像補正部１４が、サーモパイル部１１の周辺に配置された複数のフォトダイオード部１２が検出したＲＧＢの色情報を平均化することにより、サーモパイル部１１の測定位置におけるＲＧＢの色情報を生成する。なお、画像補正部１４は、分割領域ごとの画像を平均化して、分割領域ごとの画像を補正する。すなわち、画像補正部１４は、複数のフォトダイオード部１２が検出した画像に基づいて、サーモパイル部１１の測定位置における補正画像を生成し、生成した補正画像を対象物の画像として制御部３０に出力する。

また、本実施形態による測定装置１ａの動作は、画像補正部１４による動作が追加される点を除いて、上述した第１の実施形態と同様であるので、その説明を省略する。

以上説明したように、本実施形態によるセンサー部１０ａは、複数のフォトダイオード部１２と、画像補正部１４（補正部の一例）とを備えている。複数のフォトダイオード部１２（１２−１、１２−２、１２−３、１２−４）は、サーモパイル部１１からの距離が等しくなるように、サーモパイル部１１の周辺に配置されている。そして、画像補正部１４は、複数のフォトダイオード部１２が検出した画像に基づいて、サーモパイル部１１の測定位置における補正画像を生成し、生成した補正画像を対象物の画像として出力する。
これにより、本実施形態によるセンサー部１０ａは、画像の検出位置と温度の検出位置とを一致させて画像及び温度を検出することができる。よって、本実施形態によるセンサー部１０ａ及び測定装置１ａは、検出位置が一致しているので、対象物の特徴をより正確に分析することが可能になる。

なお、上述した各実施形態では、光路変更部の一例として、デジタルミラーデバイス２２を適用する例を説明したが、これに限定されるものではない。光路変更部は、例えば、液晶シャッターとプリズムとを組み合わせて構成してもよい。すなわち、光路変更部には、液晶シャッターが含まれてもよい。この場合、液晶シャッターは、測定する分割領域ごとに反射光を透過させて、他の分割領域の反射光を遮蔽する。
また、光路変更部の他の適用例としては、例えば、ガルバノミラーやポリゴンミラーなどを含む構成としてもよい。
また、上述した第２の実施形態では、センサー部１０ａが、画像補正部１４を備える例を説明したが、制御部３０が、画像補正部１４を備えるようにしてもよい。

また、上述した各実施形態では、センサー部１０（１０ａ）が１画素分のサーモパイル部１１及びフォトダイオード部１２を備える例を説明したが、マトリックス状、又はライン状に複数の画素分のサーモパイル部１１及びフォトダイオード部１２を備えるようにしてもよい。また、この場合、分割領域は、例えば、複数の画素を含む領域であってもよい。

また、上述した各実施形態では、センサー部１０（１０ａ）は、サーモパイル部１１及びフォトダイオード部１２を同一の半導体基板ＷＦ上に形成する例を説明したが、マルチチップパッケージのように、複数の集積回路を１つのパッケージに実装するような構成であってもよい。また、センサー部１０（１０ａ）は、信号処理部を含む複数の集積回路から構成されるようにしてよい。

［第３の実施形態］
次に、図面を参照して、第３の実施形態による監視システムについて説明する。
本実施形態では、上述した測定装置１（１ａ）を利用して、例えば、空港、駅、公共施設などにおいて発熱者を監視して、発熱者の発生推移を予測する監視システムについて説明する。

図８は、本実施形態による監視システム１００の一例を示す機能ブロック図である。
図８に示すように、監視システム１００は、上述した複数の測定装置１（１ａ）と、複数の環境検出部４０と、監視装置５０とを備えている。

なお、監視システム１００には、上述した第１の実施形態の測定装置１と、第２の実施形態の測定装置１ａとのいずれも適用可能であるが、本実施形態では、説明上、測定装置１を適用するものとして以下説明する。測定装置１−１、測定装置１−２、・・・は、上述した測定装置１（１ａ）と同一の構成であり、監視システム１００が備える任意の測定装置を示す場合、又は特に区別しない場合には、測定装置１として説明する。
測定装置１は、赤外光に基づいて、少なくとも所定の範囲（監視対象領域）の温度分布を測定するとともに、可視光に基づいて、所定の範囲（監視対象領域）の画像情報を検出する。

また、環境検出部４０−１、環境検出部４０−２、・・・は、同一の構成であり、監視システム１００が備える任意の環境検出部を示す場合、又は特に区別しない場合には、環境検出部４０として説明する。
ここで、測定装置１−１及び環境検出部４０−１は、監視場所Ｐ１に設置され、監視場所Ｐ１における被監視者（例えば、通行人など）を監視する。また、測定装置１−２及び環境検出部４０−２は、監視場所Ｐ２に設置され、監視場所Ｐ２における被監視者（例えば、通行人など）を監視する。
なお、監視場所Ｐ１及び監視場所Ｐ２は、被監視者の体温を監視する監視対象領域を示し、例えば、空港、駅、学校、病院、公共施設、ショッピングモール、オフィス、コンサートホールなどである。

環境検出部４０は、外部の環境情報を検出する測定装置であり、環境情報を監視装置５０に出力する。環境検出部４０は、例えば、測定装置１が測定している場所の環境に関する情報を示す環境情報を検出する。ここで、環境情報は、例えば、監視対象領域の温度、湿度、場所の情報、及び混雑度などである。例えば、環境検出部４０は、場所の情報として、監視対象領域を識別する識別情報（例えば、名称や識別ＩＤなど）を出力するものとしてもよいし、ＧＰＳ（Global Positioning System）などを利用して正確な位置座標情報を検出し、位置座標情報を場所の情報としてもよい。また、環境検出部４０は、混雑度として、監視カメラなどの画像情報に基づいて、監視対象領域の混雑度を検出するようにしてもよい。

監視装置５０は、各監視場所に設置された測定装置１（１ａ）及び環境検出部４０から出力される情報（例えば、画像情報、温度分布、環境情報など）に基づいて、発熱者の数の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する。監視装置５０は、例えば、発熱情報生成部５１と、属性抽出部５２と、記憶部５３と、制御部５４とを備えている。

発熱情報生成部５１は、可視光に基づいて検出された所定の範囲の画像情報に基づいて、監視対象領域内の被監視者を抽出する。発熱情報生成部５１は、測定装置１が出力する画像情報から、例えば、パターン認識などの既存の技術を利用して、被監視者を抽出する。また、発熱情報生成部５１は、測定装置１が出力する温度分布に基づいて、被監視者に対応する発熱状態を示す被監視者の発熱情報を生成する。ここで、被監視者に対応する発熱状態とは、例えば、画像情報から抽出された被監視者の体温を示す情報である。このように、発熱情報生成部５１は、定期的に測定装置１から画像情報及び温度分布を取得し、取得した画像情報及び温度分布に基づいて、被監視者の発熱情報を生成する。また、発熱情報生成部５１は、例えば、生成した被監視者の発熱情報と、被監視者の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。

なお、被監視者の識別情報とは、例えば、画像情報内の被監視者の位置情報や、被監視者のサンプル番号などである。また、上述した発熱情報において、被監視者の体温は、例えば、３７．０℃以上を基準として、３７．０℃以上３７．５℃未満、３７．５℃以上３８．０℃未満、３８．０℃以上３８．５℃未満、３８．５℃以上３９．０℃未満、３９．０℃以上３９．５℃未満、３９．５℃以上４０．０℃未満、４０．０℃以上などの複数の温度範囲に分類されたものであってもよい。

属性抽出部５２は、画像情報に基づいて、被監視者を抽出するとともに、被監視者の属性を示す属性情報を抽出する。属性情報とは、例えば、性別、年齢、身長などの情報である。属性抽出部５２は、測定装置１が出力する画像情報から、例えば、パターン認識などの既存の技術を利用して、被監視者を抽出するともに、当該被監視者の属性情報を、例えば、パターン認識などの既存の技術を利用して抽出する。発熱情報生成部５１は、例えば、抽出した被監視者の属性情報と、被監視者の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。

記憶部５３は、監視装置５０の各種処理に利用する情報を記憶する。記憶部５３は、例えば、履歴情報記憶部５３１と、予測モデル記憶部５３２とを備えている。
履歴情報記憶部５３１は、少なくとも被監視者の属性情報と、被監視者の発熱情報と、環境情報とを対応付けた被監視者情報を監視対象領域ごとに記憶する。なお、被監視者情報には、検出時刻情報及び被監視者の識別情報が含まれてもよい。

予測モデル記憶部５３２は、後述する制御部５４の分析部５４２が、発熱者の発生推移を予測する際に利用する規則や判定基準の元になる予測モデルを記憶する。なお、予測モデルは、過去の被監視者の発熱情報に基づいて予め構築されているものとする。
ここで、予測モデルの具体例について、以下説明する。

予測モデルの一例として、３８℃以上の人数（発熱患者の人数）の変化に基づく増加モデルについて説明する。
増加モデルにおける各モデルは、例えば、以下のように定義されている。

（１）定常時モデル：発熱患者の発生数増化が無い時期、もしくは発熱患者数が多数で安定している時期のモデルであり、発熱患者数の経時変化のグラフにおいて、線形近似線と多項式近似線に差がほとんどない状態で、且つ発熱患者数の増加率が５％以内の場合である。
（２）増加発生時モデル：発熱患者の発生が始まる時点のモデルであり、発熱患者数の経時変化のグラフにおいて、線形近似線と多項式近似線とのいずれにも近似できない場合で、且つ発熱患者数の増加率が５％以上の場合である。

（３）増加継続モデル：発熱患者が増加している時点のモデルであり、発熱患者数の経時変化のグラフにおいて、線形近似線より多項式近似線でより良く近似できる場合、もしくは線形近似線と多項式近似線とに差がほとんどない場合であり、且つ発熱患者数の増加率が５％より大きい場合である。
（４）発生者数安定開始モデル：発熱患者数が多数で安定し始める時期のモデルであり、発熱患者数の経時変化のグラフにおいて、線形近似線と多項式近似線とのいずれにも近似できない場合であり、且つ発熱患者数の増加率が５％以下の場合である。
予測モデル記憶部５３２は、上述した増加モデルのような定義情報を記憶する。

なお、発熱患者数が減少していく時点でのモデルである減少モデルも、増加モデルと同様に、定義可能であるが、本実施形態では、増加傾向のモデルについての説明であるので、ここでは説明を省略する。

制御部５４は、例えば、ＣＰＵなどを含むプロセッサであり、監視装置５０を統括的に制御する。制御部５４は、例えば、情報取得部５４１と、分析部５４２とを備えている。
情報取得部５４１（取得部の一例）は、測定装置１によって測定された温度分布に基づいて得られた被監視者の発熱情報を時系列に取得する。情報取得部５４１は、例えば、発熱情報生成部５１が生成した発熱情報と、属性抽出部５２が抽出した属性情報と、環境検出部４０が検出した環境情報とを定期的に（所定の時間間隔で）取得する。情報取得部５４１は、取得した発熱情報と、属性情報と、環境情報とを少なくとも対応付けた被監視者情報を、監視対象領域ごとに履歴情報記憶部５３１に記憶させる。

分析部５４２は、情報取得部５４１が時系列に取得した被監視者の発熱情報に基づいて、被監視者のうちの発熱者の数（発熱患者数）の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する。分析部５４２は、例えば、過去の被監視者の発熱情報に基づいて構築された予測モデルと、発熱者の数の変化とに基づいて、発熱者の発生推移を予測する。すなわち、分析部５４２は、履歴情報記憶部５３１が記憶する被監視者情報に基づいて、発熱患者数の変化を分析して、予測モデル記憶部５３２が記憶する予測モデルに基づいて、発熱者の発生推移を予測する。分析部５４２は、例えば、上述した（１）〜（４）のいずれの増加モデルに一致するかを判定し、発熱者の発生推移を予測する。分析部５４２は、分析した分析結果、及び発熱者の発生推移を予測である予測情報を外部に出力する。
なお、分析部５４２が発熱者の発生推移を予測する具体例については、後述する。

次に、図９を参照して、本実施形態による監視システム１００の動作について説明する。
図９は、本実施形態による監視システム１００の動作の一例を示すフローチャートである。
この図において、まず、監視システム１００の監視装置５０は、測定装置１に画像情報と温度分布とを測定させる（ステップＳ２０１）。各測定装置１は、赤外光に基づいて、監視場所（監視対象領域）の温度分布を測定するとともに、可視光に基づいて監視場所（監視対象領域）の画像情報を測定する。

次に、監視装置５０の発熱情報生成部５１は、発熱情報を生成する（ステップＳ２０２）。発熱情報生成部５１は、測定装置１から画像情報及び温度分布を取得し、取得した画像情報及び温度分布に基づいて、被監視者の発熱情報を生成する。また、発熱情報生成部５１は、例えば、生成した被監視者の発熱情報と、被監視者の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。

次に、監視装置５０の属性抽出部５２は、属性情報を抽出する（ステップＳ２０３）。属性抽出部５２は、測定装置１から取得した画像情報に基づいて、被監視者を抽出するともに、当該被監視者の属性情報を抽出する。発熱情報生成部５１は、例えば、抽出した被監視者の属性情報と、被監視者の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。

次に、制御部５４の情報取得部５４１は、発熱情報、属性情報、及び環境情報を取得する（ステップＳ２０４）。情報取得部５４１は、例えば、発熱情報生成部５１が生成した被監視者の発熱情報と、属性抽出部５２が抽出した被監視者の属性情報と、環境検出部４０が検出した環境情報とを取得する。なお、情報取得部５４１は、発熱情報生成部５１及び属性抽出部５２から被監視者の識別情報と、検出時刻とを取得し、当該被監視者の識別情報及び検出時刻とに基づいて、被監視者の発熱情報と、被監視者の属性情報とを対応付ける。情報取得部５４１は、例えば、発熱情報と、属性情報と、環境情報とを対応付けた被監視者情報と、被監視者の識別情報と、検出時刻とを、監視対象領域ごとに履歴情報記憶部５３１に記憶させる。

次に、制御部５４の分析部５４２は、発熱情報を分析する（ステップＳ２０５）。分析部５４２は、履歴情報記憶部５３１に記憶されている監視対象領域ごとの時系列な被監視者情報に基づいて、例えば、後述する図１０及び図１１に示すような集計を行う分析処理を実行する。また、分析部５４２は、例えば、図１１における体温が３８℃以上の発熱者の数の変化を、後述する図１２Ａ〜図１６Ｃに示すようなグラフにするとともに、線形近似線及び多項式近似線を生成して発熱者の数の変化の分析を行う。

次に、分析部５４２は、分析結果と予測モデルとに基づいて、発熱者の発生推移を予測する（ステップＳ２０６）。分析部５４２は、例えば、分析結果である後述する図１２Ａ〜図１６Ｃに示すグラフと、予測モデル記憶部５３２が記憶する予測モデルとに基づいて、発熱者の発生推移を予測する。分析部５４２は、例えば、上述した（１）〜（４）のいずれの増加モデルに一致するかを判定し、発熱者の発生推移を予測する。

次に、制御部５４は、監視装置５０の動作を終了するか否かを判定する（ステップＳ２０７）。制御部５４は、動作を終了する場合（ステップＳ２０７：ＹＥＳ）に、動作を終了する。また、制御部５４は、動作を終了しない（動作継続である）場合（ステップＳ２０７：ＮＯ）に、処理をステップＳ２０１に戻し、ステップＳ２０１からステップＳ２０７の処理を繰り返す。
これにより、監視装置５０は、分析部５４２が定期的に分析及び発熱者の発生推移の予測を実行する。

なお、分析部５４２は、発生推移を予測するだけでなく、発熱者の急増などの異常が発生した場合に、異常が発生したことを示す情報を出力（報知）するようにしてもよい。すなわち、分析部５４２は、例えば、３８℃以上の発熱患者数が、予め定められた単位時間内に所定の数を超えた場合に、異常と判定し、例えば、表示部（不図示）に異常が発生している旨を示すメッセージを表示させるようにしてもよいし、音声、やブザーなどで警報を出力するようにしてもよい。

次に、図１０〜図１６Ｃを参照して、分析部５４２の処理の具体例について説明する。
図１０及び図１１は、本実施形態による監視システム１００の分析結果の一例を示す図である。
図１０に示す例は、分析部５４２が、履歴情報記憶部５３１が記憶する被監視者情報に基づいて、例えば、測定対象領域の被監視者の体温を、ある日の時刻“１０：００”から１０分毎に集計した結果である。

また、図１１に示す例は、分析部５４２が、図１０に示す集計結果に基づいて、例えば、被監視者の母数１００人において、体温ごとの被監視者の人数と、体温が３８℃以上の増加率（％）を集計した分析結果を示している。
図１１に示す例では、分析部５４２は、各時刻において、「体温（℃）」は、「３５−３６」（３５℃以上３６℃未満）、「３６−３７」（３６℃以上３７℃未満）、「３７−３８」（３７℃以上３８℃未満）、及び「３８以上」（３８℃以上）に分類して、その数を集計する。また、分析部５４２は、各時刻において、「３８以上」（３８℃以上）に分類された被監視者の人数の増加率を算出し、「増加率（％）」として集計する。

図１１に示す例では、時刻“１０：３０”において、「３８以上」（３８℃以上）が“４３”（４３人）であり、「増加率（％）」が“４２”（４２％）であることを示している。また、時刻“１０：４０”において、「３８以上」（３８℃以上）が“６２”（６２人）であり、「増加率（％）」が“１９”（１９％）であることを示している。なお、本実施形態において、増加率は、母数１００人において、１回前の測定時刻から何人増加したかの割合を示している。

次に、図１２Ａ〜図１６Ｃを参照して、分析部５４２による発熱者の発生推移の予測について説明する。
図１２Ａ〜図１６Ｃは、本実施形態における増加モデルによる状態判定の一例を示す図である。

図１２Ａ〜図１６Ｃの各図は、分析部５４２は、図１１に示す分析結果に基づいて、時刻“１０：２０”〜時刻“１１：００”までを１０分毎にグラフ化した結果（発熱患者数の経時変化のグラフ）である。また、図１２Ａ、図１３Ａ、図１４Ａ、図１５Ａ、及び図１６Ａの各図は、過去２回の３８℃以上の発熱者の人数と対象時刻の３８℃以上の発熱者の人数とをグラフ化した変化（以下、対象時刻における発熱患者数の経時変化という）を示している。また、図１２Ｂ、図１３Ｂ、図１４Ｂ、図１５Ｂ、及び図１６Ｂの各図は、対象時刻における発熱患者数の経時変化と、線形近似線との比較を示し、図１２Ｃ、図１３Ｃ、図１４Ｃ、図１５Ｃ、及び図１６Ｃの各図は、対象時刻における発熱患者数の経時変化と、多項式近似線との比較を示している。
なお、図１２Ａ〜図１６Ｃの各図のグラフにおいて、縦軸は、発熱患者数を示し、横軸は、時刻を示している。

図１２Ａ、図１２Ｂ、及び図１２Ｃに示す例は、時刻“１０：２０”におけるグラフを示しており、波形Ｗ１０は、時刻“１０：２０”における発熱患者数の経時変化を示し、波形Ｗ１１は、線形近似線を示し、波形Ｗ１２は、多項式近似線を示している。図１２Ａ、図１２Ｂ、及び図１２Ｃに示す例では、発熱患者数の経時変化のグラフにおいて、線形近似線と多項式近似線に差がほとんどない状態で、且つ発熱患者数の増加率が５％以内であるため、分析部５４２は、“定常時モデル”の状態であると判定する。

また、図１３Ａ、図１３Ｂ、及び図１３Ｃに示す例は、時刻“１０：３０”におけるグラフを示しており、波形Ｗ２０は、時刻“１０：３０”における発熱患者数の経時変化を示し、波形Ｗ２１は、線形近似線を示し、波形Ｗ２２は、多項式近似線を示している。図１３Ａ、図１３Ｂ、及び図１３Ｃに示す例では、線形近似線と多項式近似線とのいずれにも近似できない場合で、且つ発熱患者数の増加率が５％以上であるため、分析部５４２は、“増加発生時モデル”の状態であると判定する。

また、図１４Ａ、図１４Ｂ、及び図１４Ｃに示す例は、時刻“１０：４０”におけるグラフを示しており、波形Ｗ３０は、時刻“１０：４０”における発熱患者数の経時変化を示し、波形Ｗ３１は、線形近似線を示し、波形Ｗ３２は、多項式近似線を示している。図１４Ａ、図１４Ｂ、及び図１４Ｃに示す例では、線形近似線より多項式近似線でより良く近似できる場合であり、且つ発熱患者数の増加率が５％より大きいため、分析部５４２は、“増加継続モデル”の状態であると判定する。

また、図１５Ａ、図１５Ｂ、及び図１５Ｃに示す例は、時刻“１０：５０”におけるグラフを示しており、波形Ｗ４０は、時刻“１０：５０”における発熱患者数の経時変化を示し、波形Ｗ４１は、線形近似線を示し、波形Ｗ４２は、多項式近似線を示している。図１５Ａ、図１５Ｂ、及び図１５Ｃに示す例では、線形近似線より多項式近似線でより良く近似できる場合であり、且つ発熱患者数の増加率が５％より大きいため、分析部５４２は、“増加継続モデル”の状態であると判定する。

また図１６Ａ、図１６Ｂ、及び図１６Ｃに示す例は、時刻“１１：００”におけるグラフを示しており、波形Ｗ５０は、時刻“１１：００”における発熱患者数の経時変化を示し、波形Ｗ５１は、線形近似線を示し、波形Ｗ５２は、多項式近似線を示している。図１６Ａ、図１６Ｂ、及び図１６Ｃに示す例では、線形近似線と多項式近似線とのいずれにも近似できない場合であり、且つ発熱患者数の増加率が５％以下であるため、分析部５４２は、“発生者数安定開始モデル”の状態であると判定する。

このように、監視装置５０は、分析部５４２が、分析結果である発熱患者数の経時変化のグラフと、各予測モデルとを比較することにより、発熱患者の発生がどのような状態であるかを判定することができる。
なお、上述した例では、分析部５４２が、発熱情報のみを利用する例を説明しているが、属性情報又は環境情報を加える事により、発生の状態の判定に対して、変更を加えることができる。例えば、分析部５４２は、属性情報に基づいて、発熱状況が若年層に多く分布していると分析した場合、発生の初期であると推定（予測）するようにしてもよい。また、例えば、分析部５４２は、一部の監視場所において発熱が多くても、比較的若い年齢が集まっている監視場所での発熱が少ない場合には、増加傾向ではないと推定（予測）するようにしてもよい。

また、例えば、分析部５４２は、環境情報である温度及び湿度からウイルス（例えば、インフルエンザなど）の活性状況を判定して、感染の増加スピードを推定（予測）するようにしてもよい。例えば、季節や、温度と湿度ともに低い状態である場合など、疾病罹患リスクが高まる条件を予め設定しておけば、より良い予測モデルの作成に活用することができる。

一般的にインフルエンザの場合、気温が１０℃以下、且つ室温で相対湿度が５０％以下（例えば、１５％〜４０％）の場合に、ウイルスの不活化率が低く、平均相対湿度が５０％以下の日数が多い程、流行が発生する傾向がある。また、平均相対湿度が６０％以上の日数が多い程、流行が小さく経過するとされており、分析部５４２は、環境情報を盛り込むことで、より高精度に予測モデルを作成することができる。
このように、過去の発生状況から経験的に得られた規則を予測モデルに追加していくことにより、監視装置５０は、発熱者の発生推移の予測における正確性を増加することができる。

以上説明したように、本実施形態による監視システム１００は、赤外光に基づいて、少なくとも所定の範囲（例えば、監視対象領域）の温度分布を測定する測定装置１と、監視装置５０とを備えるシステムである。監視装置５０は、情報取得部５４１（取得部の一例）と、分析部５４２とを備えている。情報取得部５４１は、可視光に基づいて検出された所定の範囲の画像情報に基づいて抽出された被監視者に対応する発熱状態を示す被監視者の発熱情報であって、測定装置１によって測定された温度分布に基づいて得られた被監視者の発熱情報を時系列に取得する。分析部５４２は、情報取得部５４１が時系列に取得した被監視者の発熱情報に基づいて、被監視者のうちの発熱者の数の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する。
これにより、本実施形態による監視システム１００及び監視装置５０は、発熱者の数の変化を分析し、発熱者の発生推移を予測するので、監視者が効率良く発熱者の状況を把握し、対策を行うことができる。

また、例えば、公共施設、空港、駅、学校、病院、ショッピングモール、オフィス、コンサートホールなどに監視装置５０が設置された場合を考える。この場合、各監視装置５０を、例えば、高速ネットワークに接続されたビッグデータを構築し、発熱患者の発生状況をデータベース化することで、本実施形態による監視システム１００及び監視装置５０は、リアルタイムな発熱患者の把握が可能になる。また、本実施形態による監視システム１００及び監視装置５０は、パンデミックの発生状況のモニタリングや注意喚起などを、監視者が効率良く状況を把握し対策を行うことが可能となる。

また、本実施形態では、監視システム１００は、画像情報に基づいて、被監視者を抽出するとともに、被監視者の属性を示す属性情報を抽出する属性抽出部５２を備える。分析部５４２は、被監視者の発熱情報と、属性抽出部５２が抽出した属性情報とに基づいて、発熱者の発生推移を予測する。
これにより、本実施形態による監視システム１００は、属性情報を加味することで、より精度の良い予測モデルを作成することが可能である。そのため、本実施形態による監視システム１００及び監視装置５０は、発熱者の発生推移の予測における正確性を増加することができる。

また、本実施形態では、監視システム１００は、測定装置１が測定している場所の環境に関する情報を示す環境情報を検出する環境検出部４０を備える。分析部５４２は、被監視者の発熱情報と、環境検出部４０が検出した環境情報とに基づいて、発熱者の発生推移を予測する。
これにより、本実施形態による監視システム１００は、環境情報を加味することで、より精度の良い予測モデルを作成することが可能である。そのため、本実施形態による監視システム１００及び監視装置５０は、発熱者の発生推移の予測における正確性を増加することができる。

また、本実施形態では、測定装置１は、対象物から反射する赤外光に基づいて、対象物の温度を検出するサーモパイル部１１と、対象物から反射する可視光に基づいて、対象物の画像を検出するフォトダイオード部１２とを同一基板上に備えるセンサー部１０を有し、温度分布を測定するとともに、画像情報を測定する。
これにより、測定装置１が、対象物の温度とともに、対象物の画像を検出することができるため、本実施形態による監視システム１００は、被監視対象者の体温とともに被監視対象者の特徴を正確に分析することが可能になる。よって、本実施形態による監視システム１００は、監視者がさらに効率良く発熱者の状況を把握し、対策を行うことができる。

また、本実施形態では、分析部５４２は、過去の被監視者の発熱情報に基づいて構築された予測モデルと、発熱者の数の変化とに基づいて、発熱者の発生推移を予測する。
これにより、本実施形態による監視システム１００及び監視装置５０は、予測モデルを利用した簡易な手法により、正確に発熱者の発生推移を予測することができる。

また、本実施形態による監視方法は、測定ステップと、取得ステップと、分析ステップとを含んでいる。測定ステップにおいて、測定装置１が、赤外光に基づいて、少なくとも所定の範囲の温度分布を測定する。取得ステップにおいて、監視装置５０が、可視光に基づいて検出された所定の範囲の画像情報に基づいて抽出された被監視者に対応する発熱状態を示す被監視者の発熱情報であって、測定ステップによって測定された温度分布に基づいて得られた被監視者の発熱情報を時系列に取得する。分析ステップにおいて、監視装置５０が、取得ステップによって時系列に取得された被監視者の発熱情報に基づいて、被監視者のうちの発熱者の数の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する。
これにより、本実施形態による監視方法は、発熱者の数の変化を分析し、発熱者の発生推移を予測するので、監視者が効率良く発熱者の状況を把握し、対策を行うことができる。

なお、上述した実施形態において、監視装置５０が、発熱情報生成部５１と、属性抽出部５２とを備える例を説明したが、これに限定されるものではなく、発熱情報生成部５１と、属性抽出部５２とのいずれか一方又は両方を測定装置１が、備えるようにしてもよい。また、制御部５４が、発熱情報生成部５１と、属性抽出部５２とのいずれか一方又は両方を備えるようにしてもよい。

また、上述した実施形態では、監視システム１００は、環境検出部４０を備える例を説明したが、環境検出部４０を備えない構成であってもよい。
また、上述した実施形態では、測定装置１及び環境検出部４０が監視装置５０に直接接続される例を説明したが、ネットワークを介して接続されてもよい。また、測定装置１及び環境検出部４０は、ネットワーク上のサーバ装置に測定情報を記憶させ、監視装置５０が、サーバ装置から測定情報を取得するようにしてもよい。

また、上述した実施形態では、予測モデルが予め構築されている例を説明したが、分析部５４２が、過去の測定情報に基づいて構築するようにしてもよい。また、この場合、分析部５４２は、定期的に、予測モデルを構築し直す（更新する）ようにしてもよい。定期的に構築し直す（更新する）ことで、監視システム１００は、予測精度を高めることができる。

また、上記の実施形態では、監視システム１００は、一例として、第１の実施形態による測定装置１により測定する例を説明したが、これに限定されるものではなく、例えば、第２の実施形態による測定装置１ａであってもよいし、温度分布と画像情報とを異なる装置が測定するような構成としてもよい。

［第４の実施形態］
次に、図面を参照して、第４の実施形態による家畜監視システムについて説明する。
なお、本実施形態では、第３の実施形態による監視システム１００の応用実施形態として、監視システム１００を家畜監視システムに適用する一例を説明する。

従来、鶏卵生産者においては、効率良く多数の鶏卵を生産可能とすべく、鶏舎を構成するケージを多拠点に多数配設し、限られたスペース内で大量の鶏を飼育できるようにしている。ケージ内では、数羽の鶏を収容し飼育を行っている。また、コスト削減のため、鶏舎には、自動給餌装置などが配置されている。

しかしながら、自動化の進展により、作業者等が鶏舎内に立ち入る頻度を極力少なくできる反面、不都合も存在する。各ケージ内では、数羽の鶏を飼育しているが、従来の鶏舎では、これらの鶏のうち１羽でも死んでしまうと、ケージ内の環境が飼育に好ましいものでなくなる場合がある。
具体的には、死骸の腐敗等により環境が汚染され、死骸が伝染性の細菌を有する場合には伝染病の蔓延につながる。特に、近代的な鶏舎の場合、作業者等が鶏舎内に立ち入る機会が著しく減少しているため、死亡した鶏の発見が遅れ、ケージ内の環境汚染が進むことがある。

このような、従来の鶏舎の不都合を解消するためには、作業者等が鶏舎内を絶えず巡回し、死亡した鶏がいないかどうかを監視すればよいが、このような作業者等による監視は人件費の増大をもたらしコストの上昇要因となる。また、一般の防犯システムで使用されている様な監視カメラを設置し、この監視カメラによって、死亡した鶏がいないかどうかを監視する場合、死亡した鶏が存在するかの判別は可能であるが、発熱などの兆候を把握する事は困難である。

上記のような、従来の鶏舎の問題点を解決するために、本実施形態では、図１７に示すように、家畜監視システム５００が備える温度監視装置に上述した監視システム１００を適用する。
図１７は、本実施形態による家畜監視システム５００の一例を示す機能ブロック図である。
図１７に示すように、家畜監視システム５００は、データベース部５０１と、パーソナルコンピュータ５０２と、携帯情報端末５０３と、複数のケージを監視する温度監視装置とを備えている。

なお、家畜監視システム５００は、複数の温度監視装置を備えており、温度監視装置に上述した監視システム１００を適用し、家畜監視システム５００が備える任意の温度監視装置を温度監視装置１００として説明する。また、本実施形態において、家畜監視システム５００が備える任意のケージをケージＣＧとして説明する。

データベース部５０１は、各温度監視装置１００が測定した各種測定情報、監視結果、予測結果、等を記憶する。
パーソナルコンピュータ５０２及び携帯情報端末５０３は、データベース部５０１に接続可能であり、データベース部５０１に記憶されている各種測定情報、監視結果、予測結果、等を表示する。作業者は、パーソナルコンピュータ５０２又は携帯情報端末５０３を利用することにより、養鶏場内の各種測定情報、監視結果、予測結果、等を確認することが可能になる。

家畜監視システム５００は、多拠点で飼育する家畜を監視するシステムであり、具体的な例として養鶏場における温度監視装置１００を説明する。
温度監視装置１００では、ケージＣＧ全体を監視できるように、図８に記載の測定装置１（１ａ）及び環境検出部４０が、各ケージＣＧに複数個配置に配置される。

本実施形態において、測定装置１（１ａ）は、赤外光に基づいて、少なくとも所定の範囲（監視対象領域であるケージＣＧ内）の温度分布を測定するとともに、可視光に基づいて、所定の範囲（監視対象領域）の画像情報を検出する。
本実施形態において、環境検出部４０は、測定装置１が測定している監視対象領域の温度、湿度、場所の情報などの環境情報を監視装置５０に出力する。

本実施形態において、監視装置５０は、各監視場所に設置された測定装置１（１ａ）及び環境検出部４０から出力される情報（例えば、画像情報、温度分布、環境情報など）に基づいて、発熱個体の数の変化、行動パターンを分析し、当該分析結果に基づいて、家畜の疾病の発生推移を予測する。なお、本実施形態において、鶏（鳥）は、家畜の一例であり、監視対象（監視体）の一例である。
例えば、監視装置５０は、鶏の被毛状態の異常、元気喪失、食欲減退、などにより鳥インフルエンザ等の疾病の発生推移を予測する。

（予測方法の一例）
本実施形態における監視装置５０は、図８に示すように、発熱情報生成部５１と、属性抽出部５２と、記憶部５３と、制御部５４とを備えている。
発熱情報生成部５１は、可視光に基づいて検出された所定の範囲の画像情報に基づいて、パターン認識などの既存の技術を利用して、被監視体を抽出するとともに、測定装置１（１ａ）が出力する温度分布に基づいて、被監視体に対応する発熱状態を生成する。

このように、発熱情報生成部５１は、定期的に測定装置１から画像情報及び温度分布を取得し、取得した画像情報及び温度分布に基づいて、被監視体の発熱情報を生成する。また、発熱情報生成部５１は、例えば、生成した被監視体の発熱情報と、被監視体の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。ここで、識別情報は、被監視体につけられた個体認識用のマークを画像処理で抽出して個体判別を行った情報である。

属性抽出部５２は、画像情報に基づいて、被監視体を抽出するとともに、被監視体の属性を示す属性情報を抽出する。属性情報とは、体長、体重、被毛状態、検出位置などの情報である。属性抽出部５２は、測定装置１が出力する画像情報から、パターン認識などの既存の技術を利用して、被監視体の体長、体重を推定するとともに、被監視体が認識された位置を抽出し、被監視体の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。

記憶部５３は、監視装置５０の各種処理に利用する情報を記憶する。記憶部５３は、履歴情報記憶部５３１と、予測モデル記憶部５３２とを備えている。
履歴情報記憶部５３１は、被監視体の識別情報と属性情報と発熱情報とを対応付けた被監視体情報を監視対象領域ごとに記憶する。

予測モデル記憶部５３２は、制御部５４の分析部５４２が、疾病の発生推移を予測する際に利用する規則や判定基準の元になる予測モデルを記憶する。なお、予測モデルは、過去の被監視体の発熱情報に基づいて予め構築されているものとする。

ここで、予測モデルの具体例について、以下説明する。
被測定個体の発熱に関する予測モデルでは、被監視体情報の内まず発熱情報から、予め決められた温度より高い値を示す個体を抽出し、抽出された個体について次に属性情報の履歴を調べ発熱に問題があるか否かを判定する。

なお、予測モデルでは、判定情報として下記の点を考慮する。
（１）検出位置が頻繁に移動しているようであれば、移動による体温上昇が発熱異常の要因と考えられる。
（２）検出位置が餌場に多い場合は、食欲減衰が無いと判定できる。
（３）画像情報から得られる、体長、体重の増減や被毛状態からも、問題があるか否かの判定を行う。

上記の判定情報から問題のある発熱個体数を調査し、上述した第３の実施形態と同様に増加モデルを作成して、予測モデルとする。
制御部５４の分析部５４２は、構築された予測モデルと、環境の温度、湿度等の環境情報を加味して分析を行う事により、リアルタイムに発熱している鶏の把握と発熱の発生状況の予測とを可能にする。このように、本実施形態による家畜監視システム５００は、疾病の発生状況のモニタリングや注意喚起などを、監視者が効率良く状況を把握して対策を行う事や、効率の良い感染予防計画の立案が可能になる。ここで、感染予防計画とは、罹患している鶏（鳥）が多数存在し、罹患リスクが高い地域に設置されていると予測されるケージＣＧを移動もしくは隔離するなどの対策を行うこと、等である。

なお、上述した実施形態では、家畜の一例として、鶏に家畜監視システム５００を適用する例を説明したが、これに限定されるものではなく、豚、牛などの他の家畜に適用してもよい。

［第５の実施形態］
次に、図面を参照して、第５の実施形態によるプラント監視システムについて説明する。
なお、本実施形態では、第３の実施形態による監視システム１００の応用実施形態として、監視システム１００をプラント監視システムに適用する一例を説明する。

従来、プラント設備、電力設備、等の生産施設では、常に発熱が発生しており、単なる温度監視のみでは、設備異常を発見することが困難であった。例えば、高温ガスがパイプから漏れてパイプの外側に沿って流れている場合、パイプ内に流れているガスの温度と見分けがつかない。
上記のような、従来の生産設備の問題点を解決するために、本実施形態では、図１８に示すように、プラント監視システム５００ａが備える温度監視装置に上述した監視システム１００を適用する。本実施形態では、可視光と赤外光とを同時に検出できる特徴を利用する。

図１８は、本実施形態によるプラント監視システム５００ａの一例を示す機能ブロック図である。
図１８に示すように、プラント監視システム５００ａは、データベース部５０１と、パーソナルコンピュータ５０２と、携帯情報端末５０３と、プラント設備を監視する温度監視装置とを備えている。
なお、図１８において、図１７と同一の構成に同一の符号を付与し、ここではその説明を省略する。

なお、プラント監視システム５００ａは、複数の温度監視装置を備えており、温度監視装置に上述した監視システム１００を適用し、プラント監視システム５００ａが備える任意の温度監視装置を温度監視装置（１００）として説明する。また、本実施形態において、プラント監視システム５００ａが備える任意のプラント設備をプラント設備ＰＨとして説明する。ここで、プラント設備ＰＨには、プラント、配管、電力設備などが含まれる。

プラント監視システム５００ａは、多数のプラント設備ＰＨを監視するシステムであり、具体的な例としてプラントにおける温度監視装置１００を説明する。
温度監視装置１００は、例えば、監視カメラ装置、中央監視装置、情報送受信装置などからなり、複数の監視対象領域内の温度情報をリアルタイムに監視し、予測モデルを活用することで効率的な管理が可能となる。

本実施形態において、測定装置１（１ａ）、及び環境検出部４０が設備異常の発生が予測される箇所を監視できるように、複数配置されている。
本実施形態において、測定装置１（１ａ）は、赤外光に基づいて、少なくとも所定の範囲（監視対象領域であるプラント設備ＰＨ）の温度分布を測定するとともに、可視光に基づいて、所定の範囲（監視対象領域）の画像情報を検出する。

本実施形態において、環境検出部４０は、測定装置１が測定している監視対象領域の温度、湿度、場所の情報などの環境情報を監視装置５０に出力する。
本実施形態において、監視装置５０は、各監視場所に設置された測定装置１（１ａ）及び環境検出部４０から出力される情報（例えば、画像情報、温度分布、環境情報など）に基づいて、発熱箇所数の変化、発熱パターンを分析し、当該分析結果に基づいて、設備異常の発生推移を予測する。

（予測方法の一例）
本実施形態における発熱情報生成部５１は、可視光に基づいて検出された所定の範囲の画像情報に基づいて、パターン認識などの既存の技術を利用して、被監視箇所の変化点を抽出するとともに、測定装置１が出力する温度分布に基づいて、変化点に対応する発熱状態を生成する。
このように、発熱情報生成部５１は、定期的に測定装置１から画像情報及び温度分布を取得し、取得した画像情報及び温度分布に基づいて、被監視箇所の発熱情報を生成する。また、発熱情報生成部５１は、生成した被監視箇所の発熱情報と、被監視箇所の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。ここで、識別情報は、測定装置１（１ａ）が設置された場所に予め設定されている情報である。

属性抽出部５２は、画像情報に基づいて、被監視箇所の属性を示す属性情報を抽出する。ここで、属性情報とは、被監視箇所の変化情報である。属性抽出部５２は、測定装置１（１ａ）が出力する画像情報から、パターン認識などの既存の技術を利用して、被監視箇所の変化を抽出し、被監視箇所の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。

記憶部５３は、監視装置５０の各種処理に利用する情報を記憶する。記憶部５３は、履歴情報記憶部５３１と、予測モデル記憶部５３２とを備えている。
履歴情報記憶部５３１は、被監視体の識別情報と属性情報と発熱情報とを対応付けた被監視体情報を監視対象領域ごとに記憶する。

なお、被測定個箇所の発熱に関する予測モデルでは、被監視体情報の内、発熱情報及び属性情報から、異常温度の箇所が検出される。
なお、予測モデルでは、判定情報として下記の点を考慮する。

（１）発熱情報と属性情報とを重ね、画像に変化がない地点であれば通常の発熱と判定する。
（２）発熱情報と属性情報を重ね、設備がない箇所に発熱情報があれば異常であると判定する。
本実施形態では、制御部５４の分析部５４２は、このような判定情報に基づいて、異常温度の箇所を判定する。

上記の判定により、本実施形態によるプラント監視システム５００ａは、通常の可動による発熱と異常発熱とを区別することができ、また、異常温度ではないが、プラント設備ＰＨからのガス漏れ等による微小ガス対流等を検知することができる。また、本実施形態によるプラント監視システム５００ａは、可視光と赤外光の同時取得の機能を使用して赤外光測定の精度を向上させることができる。

なお、赤外線センサーは、一般に、希望する対象スポットサイズにより最大測定距離が決定される。本実施形態では、センサー部１０（１０ａ）は、例えば、測定値の誤りを避けるために、対象スポットサイズを、図１９に示すように、放射温度計のビューの視野を完全に満たすように、可視光で対象物との焦点距離を合せて測定する。これにより、本実施形態によるプラント監視システム５００ａは、赤外光測定の精度を向上させることができる。

図１９は、センサー部１０（１０ａ）のスポットサイズと測定距離との関係を説明する図である。
図１９に示す例では、センサー部１０（１０ａ）と測定対象とが距離Ｌ１だけ離れている場合には、スポットサイズＳ１が、測定対象の大きさより小さくなるため、センサー部１０（１０ａ）は、測定対象の温度を正確に測定することができる。また、センサー部１０（１０ａ）と測定対象とが距離Ｌ２だけ離れている場合には、スポットサイズＳ２が、測定対象の大きさとほぼ等しくなるため、センサー部１０（１０ａ）は、測定対象の温度を正確に測定することができる。なお、この距離Ｌ２が、当該スポットの設定における最大測定距離となる。

また、センサー部１０（１０ａ）と測定対象とが距離Ｌ３だけ離れている場合には、スポットサイズＳ３が、測定対象の大きさより大きくなるため、センサー部１０（１０ａ）は、測定対象の温度を測定する精度が低下する。
このように、本実施形態によるプラント監視システム５００ａは、放射温度計のビューの視野を完全に満たすように、可視光で対象物との焦点距離を合せて測定することにより、温度測定の精度を向上させることができる。

また、センサー部１０（１０ａ）は、赤外光による温度分布と、赤外光の視野内に存在する障害物等を可視光による画像情報とを同時に取得することが可能である。すなわち、センサー部１０（１０ａ）は、測定を妨げる要因となる視野を遮る物体や、煙、霧、粉塵等の微粒子、等を可視光での画像情報として同時取得することができる。また、センサー部１０（１０ａ）は、レンズの汚れなども可視光での画像情報として取得することができる。
これらのことから、本実施形態によるプラント監視システム５００ａでは、赤外光の温度分布と、可視光による画像情報とを同時に取得できるため、測定誤差がセンサー起因（サーモパイル部１１起因）であるか。レンズ起因であるかの切り分けをすることができる。

［第６の実施形態］
次に、図面を参照して、第６の実施形態による火災監視システムについて説明する。
なお、本実施形態では、第３の実施形態による監視システム１００の応用実施形態として、監視システム１００を火災監視システムに適用する一例を説明する。

火災発生の検知は、従来の監視システムでも可能であり、１箇所での発生であれば避難誘導の方法も予め用意しておくことが容易である。しかしながら、地震等により他拠点で火災が発生した場合、拠点における人の混雑度により避難誘導方法は異なる。
上記のような、従来の監視システムの問題点を解決するために、本実施形態では、図２０に示すように、火災監視システム５００ｂが備える温度監視装置に上述した監視システム１００を適用する。本実施形態による火災監視システム５００ｂでは、各拠点を監視できるように、図８に示す測定装置１（１ａ）及び環境検出部４０を複数個配置する。

図２０は、本実施形態による火災監視システム５００ｂの一例を示す機能ブロック図である。
図２０に示すように、火災監視システム５００ｂは、データベース部５０１と、パーソナルコンピュータ５０２と、携帯情報端末５０３と、プラント設備を監視する温度監視装置とを備えている。火災監視システム５００ｂは、例えば、駅構内、大型店舗、公共文化施設等、多拠点を監視するシステムである。
なお、図２０において、図１７及び図１８と同一の構成に同一の符号を付与し、ここではその説明を省略する。

なお、火災監視システム５００ｂは、複数の温度監視装置を備えており、温度監視装置に上述した監視システム１００を適用し、火災監視システム５００ｂが備える任意の温度監視装置を温度監視装置１００として説明する。また、本実施形態において、火災監視システム５００ｂが備える任意の監視対象領域を監視対象領域ＰＡとして説明する。ここで、監視対象領域ＰＡには、例えば、駅構内、大型店舗、大型施設、公共文化施設などの監視領域が含まれる。

本実施形態において、測定装置１（１ａ）、及び環境検出部４０が、監視対象領域ＰＡにおける拠点の収容箇所を監視できるように、複数配置されている。
本実施形態において、測定装置１（１ａ）は、赤外光に基づいて、少なくとも所定の範囲（例えば、監視対象領域ＰＡで拠点の主要箇所）の温度分布を測定するとともに、可視光に基づいて、所定の範囲（監視対象領域ＰＡ）の画像情報を検出する。

本実施形態において、環境検出部４０は、測定装置１が測定している監視対象領域ＰＡの温度、湿度、風向、風力、場所の情報などの環境情報を監視装置５０に出力する。
本実施形態において、監視装置５０は、各監視場所に設置された測定装置１（１ａ）及び環境検出部４０から出力される情報（例えば、画像情報、温度分布、環境情報など）に基づいて、人の混雑度と、火災の拡大パターンとを分析し、当該分析結果に基づいて、避難経路、避難先の安全状況推移を予測する。

（予測方法の一例）
本実施形態における監視装置５０は、発熱情報生成部５１と、属性抽出部５２と、記憶部５３と、制御部５４とを備えている。
発熱情報生成部５１は、可視光に基づいて検出された所定の範囲の画像情報に基づいて、パターン認識などの既存の技術を利用して、被監視箇所の混雑度を抽出するとともに、測定装置１（１ａ）が出力する温度分布に基づいて、被監視箇所に対応する火災発熱状態を生成する。

このように、発熱情報生成部５１は、定期的に測定装置１から画像情報及び温度分布を取得し、取得した画像情報及び温度分布に基づいて、被監視箇所の発熱情報を生成する。また、発熱情報生成部５１は、例えば、生成した被監視箇所の発熱情報と、被監視体の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。ここで、識別情報は、被監視箇所につけられた認識用情報である。

属性抽出部５２は、画像情報に基づいて、被監視箇所の混雑度を抽出し、属性情報を抽出する。ここで、属性情報とは、人の分布、体長や身体的特徴から判定可能な、子供、成人の割合、男女の割合などの情報である。また、属性抽出部５２は、測定装置１が出力する画像情報から、パターン認識などの既存の技術を利用して、属性情報を抽出し、抽出した属性情報と、被監視箇所の識別情報と、検出時刻とを対応付けて、制御部５４に出力する。
記憶部５３は、監視装置５０の各種処理に利用する情報を記憶する。記憶部５３は、履歴情報記憶部５３１と、予測モデル記憶部５３２とを備えている。

履歴情報記憶部５３１は、被監視箇所の識別情報と属性情報と発熱情報とを対応付けた被監視体情報を監視対象領域ごとに記憶する。
予測モデル記憶部５３２は、制御部５４の分析部５４２が、火災の発生推移を予測する際に利用する規則や判定基準の元になる予測モデルを記憶する。なお、本実施形態による予測モデルは、過去の被監視箇所の混雑度と、火災発生予測に基づくシミュレーションにより予め構築されているものとする。
ここで、シミュレーション結果は、建物の状況、混雑度、消火設備状況等の与えるデータにより種々の結果が考えられる。したがってここでは、予測モデルの具体例についての記載は省略する。

制御部５４の分析部５４２は、発熱情報を検知した場合、上述した第３の実施形態と同様に、構築された予測モデルと、環境の温度、湿度等の環境情報を加味して分析を行う事により、リアルタイムに発熱している箇所の把握と発生推移の予測を可能とする。このように、本実施形態による火災監視システム５００ｂは、避難に対する注意喚起などを、監視者が効率良く状況を把握し、対策を行う事や、効率の良い避難計画の立案を行う事が可能になる。

上述した実施形態によれば、監視システム１００は、赤外光に基づいて、温度分布を測定する測定装置１（１ａ）と、可視光に基づく画像情報を測定する監視装置５０とを少なくとも備えるシステムである。監視装置５０は、情報取得部５４１と、分析部５４２とを備えている。情報取得部５４１は、画像情報に基づいて抽出された被監視対象の属性情報と、温度分布から被監視対象の発熱情報を時系列に取得する。分析部５４２は、属性情報と発熱情報の変化を分析し、当該分析結果に基づいて、発熱情報の推移を予測する。
これにより、監視システム１００は、発熱情報の変化を分析し、発熱情報の推移を予測するので、監視者が効率良く発熱情報の状況を把握し、対策を行うことができる。

また、上述した実施形態によれば、監視システム１００は、赤外光に基づいて、温度分布を測定する測定装置１（１ａ）と、可視光に基づく画像情報を測定する監視装置５０とを少なくとも備えるシステムである。監視装置５０は、情報取得部５４１と、分析部５４２とを備えている。情報取得部５４１は、画像情報に基づいて抽出された被監視者の属性情報と、温度分布から被監視者の発熱情報を時系列に取得する。分析部５４２は、属性情報と発熱情報の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する。
これにより、監視システム１００は、発熱者の発生推移を予測するので、監視者が効率良く発熱者の状況を把握し、対策を行うことができる。

また、上述した実施形態によれば、監視システム１００は、測定装置１（１ａ）が測定している場所の環境に関する情報を示す環境情報を検出する環境検出部４０を備えている。そして、分析部５４２は、環境情報をさらに加えた情報に基づいて、予測を行う。
これにより、監視システム１００は、環境情報を加味することで、より精度の良い予測モデルを作成することが可能である。

また、上述した実施形態によれば、監視装置５０は、可視光に基づいて検出された画像情報に基づいて抽出された被監視対象に対応する属性情報と、赤外光に基づいて測定された温度分布に基づいて得られた被監視対象の発熱情報を同時に取得する。
これにより、監視装置５０は、属性情報と発熱情報の変化とを分析し、発熱情報の推移を適切に予測することができる。

また、上述した実施形態によれば、監視方法は、測定ステップと、取得ステップと、分析ステップとを含む。測定ステップにおいて、測定装置１（１ａ）が、赤外光に基づいて、少なくとも所定の範囲の温度分布と、可視光に基づいて検出された画像情報とを同時に測定する。取得ステップにおいて、監視装置５０が、測定ステップによって測定された温度分布と画像情報に基づいて得られる被監視対象の発熱情報と属性情報を時系列に取得する。分析ステップにおいて、監視装置５０が、取得ステップによって取得された被監視対象の発熱情報と属性情報に基づいて、被監視対象のうちの発熱状況の変化を分析し、当該分析結果に基づいて、発熱状況の発生推移を予測する。
これにより、監視方法は、発熱状況の変化を分析し、発熱状況の発生推移を予測するので、監視者が効率良く発熱状況の状況を把握し、対策を行うことができる。

なお、本発明は、上記の各実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で変更可能である。

なお、上述した監視システム１００は、内部に、コンピュータシステムを有している。そして、上述した監視システム１００が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述した監視システム１００が備える各構成における処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、監視システム１００に内蔵されたコンピュータシステムであって、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
また、上述した機能の一部又は全部を、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、又は全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、又は汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

なお、本発明は次の態様でも実施することができる。
（１）赤外光に基づいて、少なくとも所定の範囲の温度分布を測定する測定装置と、監視装置とを備える監視システムであって、前記監視装置は、可視光に基づいて検出された前記所定の範囲の画像情報に基づいて抽出された被監視者に対応する発熱状態を示す前記被監視者の発熱情報であって、前記測定装置によって測定された前記温度分布に基づいて得られた前記被監視者の発熱情報を時系列に取得する取得部と、前記取得部が時系列に取得した前記被監視者の発熱情報に基づいて、前記被監視者のうちの発熱者の数の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する分析部とを備えることを特徴とする監視システム。

（２）前記画像情報に基づいて、前記被監視者を抽出するとともに、前記被監視者の属性を示す属性情報を抽出する属性抽出部を備え、前記分析部は、前記被監視者の発熱情報と、前記属性抽出部が抽出した前記属性情報とに基づいて、前記発熱者の発生推移を予測することを特徴とする（１）の監視システム。

（３）前記測定装置が測定している場所の環境に関する情報を示す環境情報を検出する環境検出部を備え、前記分析部は、前記被監視者の発熱情報と、前記環境検出部が検出した前記環境情報とに基づいて、前記発熱者の発生推移を予測することを特徴とする（１）又は（２）の監視システム。

（４）前記測定装置は、対象物から反射する赤外光に基づいて、前記対象物の温度を検出する第１の検出素子と、前記対象物から反射する可視光に基づいて、前記対象物の画像を検出する第２の検出素子とを同一基板上に備える集積回路を有し、前記温度分布を測定するとともに、前記画像情報を測定することを特徴とする（１）から（３）のいずれかの監視システム。

（５）前記分析部は、過去の前記被監視者の発熱情報に基づいて構築された予測モデルと、前記発熱者の数の変化とに基づいて、前記発熱者の発生推移を予測することを特徴とする（１）から（４）のいずれかの監視システム。

（６）可視光に基づいて検出された所定の範囲の画像情報に基づいて抽出された被監視者に対応する発熱状態を示す前記被監視者の発熱情報であって、赤外光に基づいて少なくとも前記所定の範囲の温度分布を測定する測定装置によって測定された前記温度分布に基づいて得られた前記被監視者の発熱情報を時系列に取得する取得部と、前記取得部が時系列に取得した前記被監視者の発熱情報に基づいて、前記被監視者のうちの発熱者の数の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する分析部とを備えることを特徴とする監視装置。

（７）測定装置が、赤外光に基づいて、少なくとも所定の範囲の温度分布を測定する測定ステップと、監視装置が、可視光に基づいて検出された前記所定の範囲の画像情報に基づいて抽出された被監視者に対応する発熱状態を示す前記被監視者の発熱情報であって、前記測定ステップによって測定された前記温度分布に基づいて得られた前記被監視者の発熱情報を時系列に取得する取得ステップと、監視装置が、前記取得ステップによって時系列に取得された前記被監視者の発熱情報に基づいて、前記被監視者のうちの発熱者の数の変化を分析し、当該分析結果に基づいて、発熱者の発生推移を予測する分析ステップとを含むことを特徴とする監視方法。

１，１ａ，１−１，１−２…測定装置、１０，１０ａ…センサー部、１１…サーモパイル部、１２，１２−１，１２−２，１２−３，１２−４…フォトダイオード部、１２Ｒ…赤色フォトダイオード部、１２Ｇ…緑色フォトダイオード部、１２Ｂ…青色フォトダイオード部、１３…トランジスタ、１４…画像補正部、２０…光学系、２１，２３…レンズ、２２…デジタルミラーデバイス、３０，５４…制御部、３１…測定制御部、３２…反射率生成部、３３…出力処理部、４０，４０−１，４０−２…環境検出部、５０…監視装置、５１…発熱情報生成部、５２…属性抽出部、５３…記憶部、１００…監視システム（温度監視装置）、１１１…サーモパイル、１１２…空洞部、１１３…ヒートシンク部、１２１…マイクロレンズ、１２２…カラーフィルタ、１２３…遮光膜、１２４…フォトダイオード、１２５…ポリシリコン、１３１…ソース部、１３２…ドレイン部、１３３…ゲート部、５００…家畜監視システム、５００ａ…プラント監視システム、５００ｂ…火災監視システム、５０１…データベース部、５０２…パーソナルコンピュータ、５０３…携帯情報端末、５３１…履歴情報記憶部、５３２…予測モデル記憶部、５４１…情報取得部、５４２…分析部、ＣＧ…ケージ、Ｐ１，Ｐ２…監視場所、ＰＨ…プラント設備、ＰＡ…監視対象領域、ＷＦ…半導体基板

Claims (3)

1. 赤外光に基づいて、温度分布を測定する測定装置と、可視光に基づく画像情報を測定する監視装置とを少なくとも備える監視システムであって、
   前記監視装置は、
   前記画像情報に基づいて抽出された被監視対象の属性情報と、前記温度分布から前記被監視対象の発熱情報を時系列に取得する取得部と、
   前記属性情報と発熱情報の変化を分析し、当該分析結果に基づいて、前記発熱情報の推移を予測する分析部と
   を備えることを特徴とする監視システム。
2. 前記測定装置が測定している場所の環境に関する情報を示す環境情報を検出する環境検出部を備え、
   前記分析部は、
   前記環境情報をさらに加えた情報に基づいて、前記予測を行う
   ことを特徴とする請求項１に記載の監視システム。
3. 前記測定装置は、
   対象物から反射する赤外光に基づいて、前記対象物の温度を検出する第１の検出素子と、前記対象物から反射する可視光に基づいて、前記対象物の画像を検出する第２の検出素子とを同一基板上に備える集積回路を有し、
   前記温度分布を測定するとともに、前記画像情報を測定する
   ことを特徴とする請求項１又は２に記載の監視システム。

Images