JP7105896B2

JP7105896B2 - 窓検知装置、空調制御装置、空調システム、窓検知方法、及びプログラム

Info

Publication number: JP7105896B2
Application number: JP2020540910A
Authority: JP
Inventors: 浩子泉原
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2018-09-05
Filing date: 2018-09-05
Publication date: 2022-07-25
Anticipated expiration: 2038-09-05
Also published as: JPWO2020049645A1; WO2020049645A1

Description

本発明は、対象領域から窓領域を検知する窓検知装置、空調制御装置、空調システム、窓検知方法、及びプログラムに関する。

部屋内の環境、居住者の位置等の状況を判別し、判別した状況に応じて気流の方向、出力等を制御することができる空調機が知られている。このような空調機では、他の部分よりも冷気、暖気が逃げ易い窓の位置、大きさ、温度等を把握しておくことが重要である。

ここで、部屋内から窓を検知するための技術として、特許文献１－３が知られている。特許文献１には、熱画像データにおける周囲の温度差から窓領域を判別する技術が開示されている。特許文献２、３には、近赤外線画像データが示す輝度の差異から窓領域を検知する技術が開示されている。

特開２０１３－６４５９８号公報特開２０１６－２００２８２号公報特開２０１７－４４３７３号公報

一般住宅と異なりオフィス空間には熱を発する汁器、設備機器等が多数設置されている。また、オフィス空間には、多くの居住者が存在するとともに、時間帯に応じてオフィス空間の環境が大きく変化する場合が多い。そのため、特許文献１－３に記載された手法を用いてオフィス空間のような領域を対象に窓領域の検知を行った場合、正しく窓領域を検知することができない虞がある。

本発明は上記実情に鑑みてなされたものであり、従来よりも精度良く窓領域を検知することができる窓検知装置、空調制御装置、空調システム、窓検知方法、及びプログラムを提供することを目的とする。

上記目的を達成するため、本発明に係る窓検知装置は、
予め定めた期間に渡って対象領域の熱画像データを取得する取得手段と、
前記取得手段で取得した取得時間が異なる複数の前記熱画像データから前記対象領域内の窓領域を検知する窓検知手段と、
を備え、
前記窓検知手段は、
前記対象領域に含まれる探索領域を分割した分割領域毎に窓領域であるか否かを判別する窓判別処理を予め定めた終了条件が成立するまで繰り返し実行する窓判別実行手段と、
前記窓判別処理の判別結果に基づいて、次回の前記窓判別処理で対象とする前記探索領域を設定する探索領域設定手段と、を備え、
前記窓判別実行手段は、前記窓判別処理として、第１窓判別処理と、前記第１窓判別処理の後に実行され前記第１窓判別処理とは異なる手法で前記窓領域を判別する第２窓判別処理と、を繰り返し実行する。

本発明によれば、従来よりも精度良く窓領域を検知することが可能となる。

本発明の実施形態に係る空調システムの構成を示す図本発明の実施形態に係る空調制御装置の構成を示すブロック図本発明の実施形態に係る空調制御装置の二次記憶装置に記憶されている情報を示す図本発明の実施形態に係る空調制御装置の機能構成図本発明の実施形態に係る窓検知処理のフローチャート探索領域を設定する例を示す図（その１）探索領域を設定する例を示す図（その２）本発明の実施形態に係る第１窓判別処理のフローチャート第１窓判別処理を説明するための図（その１）第１窓判別処理を説明するための図（その２）本発明の実施形態に係る第２窓判別処理のフローチャート第２窓判別処理を説明するための図（その１）第２窓判別処理を説明するための図（その２）本発明の実施形態に係る空調制御処理のフローチャート

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。なお、図中同一または相当部分には同一符号を付す。

図１は、本発明の実施形態に係る空調システム１００の全体構成を示す図である。空調システム１００は、オフィス空間２００を空調する空調機１０と、赤外線カメラ２０と、空調制御装置３０と、を備える。空調機１０及び赤外線カメラ２０は、ネットワークＮ１を介して、空調制御装置３０と通信可能に接続される。ネットワークＮ１は、例えば、ＬＡＮ（Local Area Network）、インターネット等である。

空調機１０は、オフィス空間２００に設置され、空調制御装置３０からの指示に基づいて冷房運転、暖房運転、除湿運転等をしてオフィス空間２００を空調する。

赤外線カメラ２０は、空調機１０の近傍に設置され、予め定めた時間毎（例えば、１分毎）に、撮像可能領域の温度分布を示す熱画像データを撮像して空調制御装置３０に送信する。本実施形態では、図１に示すように、赤外線カメラ２０は、窓２０１を有する壁２０２に対向する位置に設置されており、撮像可能領域には、当該壁２０２の全体が含まれる。以下の説明では、赤外線カメラ２０の撮像可能領域を対象領域とも表記する。なお、オフィス空間２００の全てをカバーできるように、異なる位置に設置された複数の赤外線カメラ２０を備えていてもよい。赤外線カメラ２０は、本発明の撮像装置の一例である。

空調制御装置３０は、ネットワークＮ１を介して、空調機１０及び赤外線カメラ２０と通信可能に接続される。空調制御装置３０は、赤外線カメラ２０から取得した取得時間の異なる熱画像データに基づいて窓領域を検知し、検知結果に基づいて空調機１０の運転を制御する。空調制御装置３０は、本発明の窓検知装置の一例である。

続いて、空調制御装置３０の構成について説明する。空調制御装置３０は、図２に示すように、通信インタフェース３１と、プロセッサ３２と、ＲＯＭ３３と、ＲＡＭ３４と、二次記憶装置３５とを備える。これらの構成部は、バス３６を介して相互に接続される。

通信インタフェース３１は、空調機１０及び赤外線カメラ２０とネットワークＮ１を介して通信するためのインタフェースを備える。

プロセッサ３２は、この空調制御装置３０を統括的に制御する。ＲＯＭ（Read Only Memory）３３は、複数のファームウェア及びこれらのファームウェアの実行時に使用されるデータを記憶する。ＲＡＭ（Random Access Memory）３４は、プロセッサ３２の作業領域として使用される。

二次記憶装置３５は、ＥＥＰＲＯＭ、フラッシュメモリ等の読み書き可能な不揮発性の半導体メモリ又はＨＤＤを含んで構成される。図３に示すように、二次記憶装置３５は、窓検知プログラム３５１と、空調制御プログラム３５２と、画像ＤＢ３５３と、判定結果ＤＢ３５４とを記憶する。

空調制御プログラム３５２は、赤外線カメラ２０から取得した取得時間の異なる複数の熱画像データから窓領域を検知する処理が記述されたプログラムである。空調制御プログラム３５２は、窓領域の検知結果に基づいて空調機１０を制御するための処理が記述されたプログラムである。

画像ＤＢ３５３は、赤外線カメラ２０から取得した対象領域の熱画像データを取得日時と対応付けて累積的に記憶する。

判定結果ＤＢ３５４は、後述する窓検知処理によって検知された窓判定の結果を示す判定結果情報が格納される。判定結果情報は、対象領域内の小領域毎（例えば、画素毎）に、当該小領域が窓領域であるか否かの確度（以下、窓判別確度とする）を示す情報である。なお、本実施形態では、窓判別確度を１から１０の１０段階で表す。窓判別確度「１」は、その小領域が窓領域である可能性が低いことを示す。窓判別確度「１０」は、その小領域が窓領域である可能性が高いことを示す。窓判別確度「５」は、その小領域が窓領域であるか否かが判然としないことを示す。なお、より細かい段階で窓判別確度を算出してもよいし、窓領域であるか否かの確率で窓判別確度を表してもよい。

図４は、空調制御装置３０の機能構成を示すブロック図である。空調制御装置３０は、機能的には、取得部３０１と、窓検知部３０２と、開閉判別部３０３と、空調制御部３０４とを備える。取得部３０１と窓検知部３０２は、プロセッサ３２が二次記憶装置３５に記憶されている窓検知プログラム３５１を実行することで実現される。開閉判別部３０３と空調制御部３０４は、プロセッサ３２が二次記憶装置３５に記憶されている空調制御プログラム３５２を実行することで実現される。

取得部３０１は、赤外線カメラ２０によって撮像された熱画像データを取得し、取得時間を示す情報と対応付けて画像ＤＢ３５３に蓄積記憶する。取得部３０１は、本発明の取得手段の一例である。取得部３０１の動作は、本発明の取得ステップの一例である。

窓検知部３０２は、画像ＤＢ３５３に記憶されている取得時間が異なる複数の熱画像データから対象領域内の窓領域を検知して判定結果ＤＢ３５４の判定結果情報を更新する。窓検知部３０２は、本発明の窓検知手段の一例である。窓検知部３０２の動作は、本発明の窓検知ステップの一例である。窓検知部３０２は、より詳細な構成として、窓判別実行部３０２１と、探索領域設定部３０２２とを備える。

窓判別実行部３０２１は、対象領域に含まれる探索領域を分割した分割領域毎に、当該分割領域が窓領域であるか否かを判別する窓判別処理を予め定めた終了条件が成立するまで繰り返し実行する。窓判別実行部３０２１は、本発明の窓判別実行手段の一例である。

本実施形態では、窓判別実行部３０２１は、アルゴリズムが異なる２種類の窓判別処理である第１窓判別処理と第２窓判別処理とを終了条件が成立するまで繰り返し実行する。第１窓判別処理は、取得手段が取得した複数の熱画像データが示す温度分布状況に基づいて、窓領域を検知する処理である。第２窓判別処理は、取得手段が取得した複数の熱画像データが示す経時的な温度変化に基づいて窓領域を検知する処理である。

ここで、第１窓判別処理は、複数の熱画像データが示す温度を時間変化とは無関係に一定温度範囲毎に集計することで求めることができる温度分布状況に基づいて窓領域を判別する。そのため、温度の時間変化に基づいて窓領域を検知する第２窓判別処理は、第１窓判別処理よりも処理負荷が大きい。窓判別実行部３０２１の行う処理の詳細については後述する。

探索領域設定部３０２２は、窓判別処理の実行結果に基づいて、次回の窓判別処理で対象とする探索領域及び分割領域を設定する処理を行う。探索領域設定部３０２２の行う処理の詳細については後述する。探索領域設定部３０２２は、本発明の探索領域設定手段の一例である。

開閉判別部３０３は、検知された窓領域の開閉状態を判別する。開閉判別部３０３の行う処理の詳細については後述する。開閉判別部３０３は、本発明の開閉判別手段の一例である。

空調制御部３０４は、判定結果ＤＢ３５４に記憶されている判定結果情報、画像ＤＢ３５３に格納されている最新の熱画像データ、開閉判別部３０３による判別結果等に基づいて、空調機１０を制御する。空調制御部３０４は、本発明の空調制御手段の一例である。空調制御部３０４の行う処理の詳細については後述する。

続いて、空調制御装置３０で実行される窓検知処理の動作について説明する。例えば、空調制御装置３０が初めてネットワークＮ１を介して空調機１０及び赤外線センサ２０に接続された場合、若しくは、図示せぬリモコンを介して管理者から処理開始の指示信号を受信した場合に、空調制御装置３０は、図５に示す窓検知処理を実行する。

まず、取得部３０１は、予め定めた集計期間、定期的に赤外線カメラ２０が撮像した熱画像データを取得して画像ＤＢ３５３に格納する（ステップＳ１０１）。なお、この集計期間は、最低でも１日以上の期間であり、数日分の期間であるのが望ましい。集計期間は、本発明の予め定めた期間の一例である。

集計期間分の熱画像データを取得すると、探索領域設定部３０２２は、判定結果ＤＢ３５４に記憶されている判定結果情報に基づいて、後述する第１窓判別処理で判別対象とする探索領域を設定する（ステップＳ１０２）。具体的には、探索領域設定部３０２２は、判定結果情報に基づいて、窓領域であるか否かが不確かな領域を含むように探索領域に設定する。なお、初回の処理では、判定結果ＤＢ３５４には判定結果情報が記憶されていないため、探索領域設定部３０２２は、対象領域全体を探索領域に設定する。

ここで、例を挙げてステップＳ１０２の処理について説明する。図６Ａは、現在の判定結果情報が示す対象領域の窓判別確度を示す図である。この場合、探索領域設定部３０２２は、窓判別確度が「１」、「１０」以外の領域である、図６Ｂに示す斜線部分の領域を探索領域に設定する。なお、探索領域設定部３０２２は、窓領域であるか否かが不確かな領域だけでなくその周辺の領域も含めて探索領域を設定してもよい。

図５に戻り、続いて、探索領域設定部３０２２は、ステップＳ１０２で設定した探索領域を、分割数Ｎ個の同サイズの分割領域に分割する（ステップＳ１０３）。なお、ステップＳ１０３の処理は繰り返し実行される場合もあるが、各回で分割数Ｎは同じである。

続いて、窓判別実行部３０２１は、画像ＤＢ３５３に記憶されている集計期間に取得した複数の熱画像データに基づいて、対象領域から窓領域を判別する第１窓判別処理を実行する（ステップＳ１０４）。第１窓判別処理の詳細について、図７のフローチャートを用いて説明する。

まず、窓判別実行部３０２１は、ステップＳ１０３で分割した分割領域の中から未選択のものを１つ選択する（ステップＳ１０４１）。説明を容易にするため、以下の説明では、ステップＳ１０４１で選択した分割領域を選択領域とも表記する。

続いて、窓判別実行部３０２１は、画像ＤＢ３５３に記憶されている集計期間に取得した複数の熱画像データのそれぞれについて、選択領域の平均温度を算出する（ステップＳ１０４２）。

続いて、窓判別実行部３０２１は、熱画像データ毎に算出した選択領域の平均温度を予め定めた温度範囲毎に集計して、その温度分布状況を示す情報を求める（ステップＳ１０４３）。温度分布状況を示す情報は、例えば、平均、分散、ピーク数等である。

そして、窓判別実行部３０２１は、温度分布状況を示す情報に基づいて、選択領域の窓判別確度を算出する（ステップＳ１０４４）。

ここで、ステップＳ１０４４で窓判別確度を算出する例について説明する。例えば、窓判別実行部３０２１は、温度分布状況を示す情報である平均、分散、ピーク数が以下に示す条件１～３に合致するか否かを判別する。なお、条件１のピーク数は、公知のピーク解析技術を用いて算出すればよい。条件３の室温の平均温度は、空調機１０の備える図示せぬ温度センサの計測値、オフィス空間２００に別途設けられた図示せぬ室温センサの計測値等から算出すればよい。
（条件１）ピーク数が２以上ある。
（条件２）分散が閾値よりも大きい。
（条件３）平均と集計期間における室温の平均温度との差分が閾値よりも大きい

そして、窓判別実行部３０２１は、条件１～３に合致した数に基づいて、選択領域の窓判別確度を求めればよい。例えば、窓判別実行部３０２１は、１個も条件に合致しなかった場合は窓判別確度「１」、１個だけ一致した場合は窓判別確度「２」、２個一致した場合は窓判別確度「５」、３個一致した場合は窓判別確度「１０」等のように窓判別確度を算出すればよい。

例えば、選択領域の温度分布状況が図８Ａに示すような状況である場合を考える。この場合、上述した窓判別確度の算出例に従えば、ピーク数は２であるため条件１に合致し、分散も大きく閾値以上であるため条件２にも合致するため、条件３にも合致すれば、選択領域が窓領域である可能性は高く、比較的高い窓判別確度が算出される。

一方、選択領域の温度分布状況が図８Ｂに示すような状況である場合は、ピーク数は１であるため条件１には合致せず、分散も低いため条件２にも合致しないため、選択領域が窓領域である可能性は低く、比較的低い窓判別確度が算出される。

図７に戻り、窓判別実行部３０２１は、判定結果ＤＢ３５４に記憶されている判定結果情報が示す選択領域の窓判別確度の値を、ステップＳ１０４４で算出した窓判別確度に基づいて更新する（ステップＳ１０４５）。

具体的には、窓判別実行部３０２１は、以下に示す式（１）で算出された値に選択領域の窓判別確度の値を更新すればよい。式（１）のαは、０から１の範囲の計数である。
式（１）：（更新後の選択領域の窓判別確度）＝（現在の判定結果情報が示す選択領域の窓判別確度）＊（１－α）＋（ステップＳ１０４４で算出した選択領域の窓判別確度）＊α

続いて、窓判別実行部３０２１は、ステップＳ１０４１で全ての分割領域を選択したか否かを判別する（ステップＳ１０４６）。未選択の分割領域がある場合（ステップＳ１０４６；Ｎｏ）、窓判別実行部３０２１は、未選択の分割領域を選択して、選択した分割領域（即ち、選択領域）の窓判別確度を算出して判定結果情報を更新する処理（ステップＳ１０４１～Ｓ１０４５）を繰り返す。未選択の分割領域がない場合（ステップＳ１０４６；Ｙｅｓ）、第１窓判別処理は終了する。

図５に戻り、第１窓判別処理が終了すると、窓検知部３０２は、予め定めた終了条件が成立するか否かを判別する（ステップＳ１０５）。具体的には、窓検知部３０２は、判定結果ＤＢ３５４に記憶されている判定結果情報が示す小領域毎の窓判別確度の値が「１」と「１０」のみである場合（即ち、窓領域であるか否かが不確かな領域が無い場合）に、終了条件を成立すると判定すればよい。若しくは、窓検知部３０２は、対象領域の中で窓判別確度が「１」と「１０」以外の領域がある場合でも、第１窓判別処理を繰り返した回数が予め定めた回数に達した場合は、終了条件が成立すると判定してもよい。

終了条件が成立する場合（ステップＳ１０５；Ｙｅｓ）、窓検知処理は終了する。一方、終了条件を満たさない場合（ステップＳ１０５；Ｎｏ）、探索領域設定部３０２２は、ステップＳ１０２と同様に、判定結果ＤＢ３５４に記憶されている判定結果情報に基づいて、後述する第２窓判別処理で判別対象とする探索領域を設定する（ステップＳ１０６）。そして、探索領域設定部３０２２は、ステップＳ１０３と同様に、設定した探索領域を、分割数Ｎ個の同サイズの分割領域に分割する（ステップＳ１０７）。

続いて、窓判別実行部３０２１は、画像ＤＢ３５３に記憶されている集計期間に取得した複数の熱画像データに基づいて、第１窓判別処理とは異なる手法によって対象領域から窓領域を判別する第２窓判別処理を実行する（ステップＳ１０８）。第２窓判別処理の詳細について、図９のフローチャートを用いて説明する。

まず、窓判別実行部３０２１は、ステップＳ１０７で分割した分割領域の中から未選択のものを１つ選択する（ステップＳ１０８１）。説明を容易にするため、以下の説明では、ステップＳ１０８１で選択した分割領域を選択領域とも表記する。そして、窓判別実行部３０２１は、画像ＤＢ３５３に記憶されている集計期間に取得した複数の熱画像データのそれぞれについて、選択領域の平均温度を算出する（ステップＳ１０８２）。

続いて、窓判別実行部３０２１は、熱画像データ毎に算出した選択領域の平均温度の経時的な変化を、最小二乗法、多項式近似等の公知の手法を用いて近似曲線に当てはめる（ステップＳ１０８３）。

そして、窓判別実行部３０２１は、当てはめた近似曲線と実際の平均温度との間の相関の度合いを示す相関係数を公知の手法により算出し、算出した相関係数から選択領域の窓判別確度を求める（ステップＳ１０８４）。ここで、窓領域は、他の領域よりも滑らかな温度変化をすることが経験的に知られている。そのため、窓判別実行部３０２１は、相関係数が大きくなるほど高い値になるような予め定めた基準に従って、窓判別確度を求めればよい。

例えば、図１０Ａに示すグラフの実線で示す選択領域の平均温度の時間変化は、点線で示すこの時間変化から求めた近似曲線と大きく乖離しており、相関係数は低くなる。そのため、この場合の選択領域の窓判別確度は低く算出される。

一方、図１０Ｂに示すグラフの実線で示す選択領域の平均温度の時間変化は、点線で示すこの時間変化から求めた近似曲線とあまり乖離しておらず、相関係数は大きくなる。そのため、この場合の選択領域の窓判別確度は高く算出される。

図９に戻り、続いて、窓判別実行部３０２１は、判定結果ＤＢ３５４に記憶されている判定結果情報が示す選択領域の窓判別確度の値を、ステップＳ１０８４で算出した窓判別確度に基づいて更新する（ステップＳ１０８５）。

続いて、窓判別実行部３０２１は、ステップＳ１０８１で全ての分割領域を選択したか否かを判別する（ステップＳ１０８６）。未選択の分割領域がある場合（ステップＳ１０８６；Ｎｏ）、窓判別実行部３０２１は、未選択の分割領域を選択して、選択した分割領域（即ち、選択領域）の窓判別確度を算出して判定結果情報を更新する処理（ステップＳ１０８１～Ｓ１０８５）を繰り返す。未選択の分割領域がない場合（ステップＳ１０８６；Ｙｅｓ）、第２窓判別処理は終了する。

図５に戻り、第２窓判別処理が終了すると、窓検知部３０２は、予め定めた終了条件が成立するか否かを判別する（ステップＳ１０９）。なお、この終了条件は、ステップＳ１０５の終了条件と同じにしてもよいし、異なる条件としてもよい。

終了条件が成立しない場合（ステップＳ１０９；Ｎｏ）、ステップＳ１０１に処理は戻り、窓検知部３０２は、集計期間に取得された熱画像データに基づいて窓領域を判別する処理（ステップＳ１０１～Ｓ１０８）を繰り返す。一方、終了条件が成立する場合（ステップＳ１０９；Ｙｅｓ）、窓検知処理は終了する。

このように窓検知処理が実行されることによって、赤外線カメラ２０によって対象領域を撮像した集計期間分の複数の熱画像データから、窓領域が精度よく検知される。

続いて、空調制御装置３０で実行される空調制御処理の動作について説明する。なお、空調制御処理が開始される前に窓検知処理が実行済みである。例えば、空調制御装置３０は、予め定めた時間（例えば、５分間）毎に、図１１に示す空調制御処理を実行する。

まず、空調制御部３０４は、判定結果ＤＢ３５４に記憶されている判定結果情報で示されている窓領域の開閉状態を判別する（ステップＳ２０１）。例えば、空調制御部３０４は、赤外線カメラ２０から最新の熱画像データを取得して、窓領域内に突出して温度が異なる部分が無いか否かを確認し、そのような部分が有る場合は窓が開いていると判別し、そのような部分が無い場合は窓が閉じていると判別すればよい。若しくは、対象領域内の輝度を図示せぬ輝度センサで測定できる場合、空調制御部３０４は、窓領域内に閾値よりも輝度が高い部分がある場合は窓が閉じていると判別し、そのような部分が無い場合は窓が開いていると判別してもよい。なお、窓領域の開閉状態を判別する手法は任意であり、他の手法を用いて開閉状態を判別してもよい。

続いて、空調制御部３０４は、窓領域の位置、開閉状態等に基づいて空調機１０を制御する（ステップＳ２０２）。例えば、現在の空調機１０の運転モードが省エネモードで有り、且つ、窓が開いている場合、空調制御部３０４は、ネットワークＮ１を介して停止コマンドを空調機１０に送信して、空調機１０の運転を停止させる。また、空調制御部３０４は、窓が閉じている場合、最新の熱画像データから算出した窓領域の平均温度と空調機１０の設定温度との差を求め、差が閾値よりも大きい場合に風量を強くすることを指示するコマンドを、ネットワークＮ１を介して空調機１０に送信する。以上で空調制御処理は終了する。

このように、本実施形態に係る空調制御装置３０によれば、予め定めた期間に渡って取得した複数の熱画像データから対象領域内の窓領域が検知される。そのため、熱を発する汁器、設備機器等が多数設置されており、時間帯に応じて環境が大きく変化するオフィス空間２００のような領域を対象に窓領域の検知を行った場合でも、複数の熱画像データから窓領域を正しく判定することができ、従来よりも精度良く窓領域を検知することが可能となる。

また、本実施形態に係る空調制御装置３０は、複数の熱画像データが示す温度分布状況に基づいて窓領域を検知する第１窓判別処理を実行する。また、空調制御装置３０は、複数の熱画像データが示す経時的な温度変化に基づいて窓領域を検知する第２窓判別処理を実行する。そして、空調制御装置３０は、このようなアルゴリズムが異なる第１窓判別処理と第２窓判別処理とを終了条件が成立するまで繰り返し実行することで、窓領域を検知する。そして、窓判別処理をこのように繰り返す際には、前回の窓判別処理の実行結果に基づいて、次回の窓判別処理の探索領域が設定される。従って、本実施形態では、窓であるか否かが不確かな領域に対して重点的に繰り返し窓判別処理が実行されることになるため、処理負荷を抑えつつも、精度良く窓領域を判別することが可能となる。

また、本実施形態では、第１窓判別処理の実行後に、第１窓判別処理よりも処理負荷が大きい第２窓判別処理が実行されるため、より処理にかかる負荷を抑えることが可能となる。

（変形例）
なお、本発明は、上記各実施形態に限定されず、本発明の要旨を逸脱しない範囲での種々の変更は勿論可能である。

上記実施形態では、窓検知処理として、終了条件が成立するまで第１窓判別処理と第２窓判別処理とを繰り返し実行したが、第１窓判別処理、第２窓判別処理の何れか一方のみを繰り返し実行してもよい。また、処理に時間をかけず、大まかに窓領域を判別したい場合は、このような繰り返しを行わず、第１窓判別処理及び／又は第２窓判別処理を１回だけ実行して窓検知処理を終了してもよい。

上記実施形態では、第１窓判別処理は、複数の熱画像データが示す温度分布状況に基づいて窓領域を検知する処理であると説明した。また、第２窓判別処理は、複数の熱画像データが示す経時的な温度変化に基づいて、窓領域を検知する処理であると説明した。しかしながら、取得時間が異なる複数の熱画像データを用いるものであれば、第１窓判別処理、第２窓判別処理のアルゴリズムは種々のものが採用可能である。例えば、第１窓判別処理、第２窓判別処理として、取得時間が異なる熱画像データから、分割領域毎に平均温度を算出し、閾値と比較することで窓領域であるか否かを判別する処理を実行してもよい。

また、上記実施形態では、画像ＤＢ３５３に熱画像データを記憶し、窓検知処理で記憶されている複数の熱画像データに基づいて窓領域を検知した。しかしながら、熱画像データを取得した際に、第１窓判別処理と第２窓判別処理とで窓判別に利用する情報（例えば、分割領域毎の平均温度）を算出し、算出した情報のみを記憶するようにしてもよい。このようにすることで、二次記憶装置３５の容量を節約することが可能となる。

また、上記実施形態において、空調制御装置３０のプロセッサ３２が実行する窓検知プログラム３５１、空調制御プログラム３５２を、既存のコンピュータに適用することで、当該コンピュータを本発明に係る空調制御装置３０として機能させることも可能である。

このようなプログラムの配布方法は任意であり、例えば、ＣＤ－ＲＯＭ（Compact Disk Read-Only Memory）、ＤＶＤ（Digital Versatile Disk）、ＭＯ（Magneto Optical Disk）、メモリカード等のコンピュータ読み取り可能な記録媒体に格納して配布してもよいし、インターネット等の通信ネットワークを介して配布してもよい。

本発明は、本発明の広義の精神と範囲を逸脱することなく、様々な実施形態及び変形が可能とされるものである。また、上述した実施形態は、本発明を説明するためのものであり、本発明の範囲を限定するものではない。つまり、本発明の範囲は、実施形態ではなく、請求の範囲によって示される。そして、請求の範囲内及びそれと同等の発明の意義の範囲内で施される様々な変形が、本発明の範囲内とみなされる。

本発明は、空調機を制御する空調制御装置に好適に採用され得る。

１００空調システム、２００オフィス空間、２０１窓、２０２壁、１０空調機、２０赤外線カメラ、３０空調制御装置、Ｎ１ネットワーク、３１通信インタフェース、３２プロセッサ、３３ＲＯＭ、３４ＲＡＭ、３５二次記憶装置、３６バス、３５１窓検知プログラム、３５２空調制御プログラム、３５３画像ＤＢ、３５４判定結果ＤＢ、３０１取得部、３０２窓検知部、３０３開閉判別部、３０４空調制御部、３０２１窓判別実行部、３０２２探索領域設定部

Claims

予め定めた期間に渡って対象領域の熱画像データを取得する取得手段と、
前記取得手段で取得した取得時間が異なる複数の前記熱画像データから前記対象領域内の窓領域を検知する窓検知手段と、
を備え、
前記窓検知手段は、
前記対象領域に含まれる探索領域を分割した分割領域毎に窓領域であるか否かを判別する窓判別処理を予め定めた終了条件が成立するまで繰り返し実行する窓判別実行手段と、
前記窓判別処理の判別結果に基づいて、次回の前記窓判別処理で対象とする前記探索領域を設定する探索領域設定手段と、を備え、
前記窓判別実行手段は、前記窓判別処理として、第１窓判別処理と、前記第１窓判別処理の後に実行され前記第１窓判別処理とは異なる手法で前記窓領域を判別する第２窓判別処理と、を繰り返し実行する、
窓検知装置。
前記窓判別実行手段は、前記第１窓判別処理として、前記複数の熱画像データのそれぞれから前記分割領域の平均温度を求め、求めた各平均温度の分布状況から当該分割領域が窓領域であるか否かを判別する、
請求項１に記載の窓検知装置。
前記窓判別実行手段は、前記第２窓判別処理として、前記複数の熱画像データのそれぞれから前記分割領域の平均温度を求め、求めた各平均温度の経時的な変化を予め定めた近似曲線に当てはめ、当てはめた近似曲線と各平均温度との相関に基づいて、当該分割領域が窓領域であるか否かを判別する、
請求項１又は２に記載の窓検知装置。
前記第２窓判別処理の処理負荷は前記第１窓判別処理の処理負荷よりも大きい、
請求項１から３の何れか１項に記載の窓検知装置。
前記窓検知手段が検知した前記窓領域の開閉状態を判別する開閉判別手段をさらに備える、
請求項１から４の何れか１項に記載の窓検知装置。
請求項１から５の何れか１項に記載の窓検知装置と、
前記窓検知手段による検知結果に基づいて空調機を制御する空調制御手段と、
を備える空調制御装置。
対象領域の熱画像データを撮像する撮像装置と、前記対象領域を含む領域を空調する空調機と、前記空調機を制御する空調制御装置と、を備えた空調システムであって、
前記空調制御装置は、
予め定めた期間に渡って前記撮像装置から対象領域の熱画像データを取得する取得手段と、
前記取得手段で取得した取得時間が異なる複数の前記熱画像データから前記対象領域内の窓領域を検知する窓検知手段と、
前記窓検知手段による検知結果に基づいて前記空調機を制御する空調制御手段と、を備え、
前記窓検知手段は、
前記対象領域に含まれる探索領域を分割した分割領域毎に窓領域であるか否かを判別する窓判別処理を予め定めた終了条件が成立するまで繰り返し実行する窓判別実行手段と、
前記窓判別処理の判別結果に基づいて、次回の前記窓判別処理で対象とする前記探索領域を設定する探索領域設定手段と、を備え、
前記窓判別実行手段は、前記窓判別処理として、第１窓判別処理と、前記第１窓判別処理の後に実行され前記第１窓判別処理とは異なる手法で前記窓領域を判別する第２窓判別処理と、を繰り返し実行する、
空調システム。
予め定めた期間に渡って対象領域の熱画像データを取得する取得ステップと、
前記取得ステップで取得した取得時間が異なる複数の前記熱画像データから前記対象領域内の窓領域を検知する窓検知ステップと、を有し、
前記窓検知ステップでは、予め定めた終了条件が成立するまで、互いに手法が異なる第１窓判別処理と第２窓判別処理とを交互に繰り返し実行することによって前記窓領域を検知する、
窓検知方法。
コンピュータを、
予め定めた期間に渡って対象領域の熱画像データを取得する取得手段、
前記取得手段で取得した取得時間が異なる複数の前記熱画像データから前記対象領域内の窓領域を検知する窓検知手段、
として機能させ、
前記窓検知手段は、
前記対象領域に含まれる探索領域を分割した分割領域毎に窓領域であるか否かを判別する窓判別処理を予め定めた終了条件が成立するまで繰り返し実行する窓判別実行手段と、
前記窓判別処理の判別結果に基づいて、次回の前記窓判別処理で対象とする前記探索領域を設定する探索領域設定手段と、を備え、
前記窓判別実行手段は、前記窓判別処理として、第１窓判別処理と、前記第１窓判別処理の後に実行され前記第１窓判別処理とは異なる手法で前記窓領域を判別する第２窓判別処理と、を繰り返し実行する、
プログラム。