JP7433155B2 - 電子機器、情報処理装置、推定方法、および推定プログラム - Google Patents

電子機器、情報処理装置、推定方法、および推定プログラム Download PDF

Info

Publication number
JP7433155B2
JP7433155B2 JP2020123230A JP2020123230A JP7433155B2 JP 7433155 B2 JP7433155 B2 JP 7433155B2 JP 2020123230 A JP2020123230 A JP 2020123230A JP 2020123230 A JP2020123230 A JP 2020123230A JP 7433155 B2 JP7433155 B2 JP 7433155B2
Authority
JP
Japan
Prior art keywords
sight
line
learning
image
subject
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
Application number
JP2020123230A
Other languages
English (en)
Other versions
JP2022019413A (ja
Inventor
教志 篠▲崎▼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kyocera Corp
Original Assignee
Kyocera Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kyocera Corp filed Critical Kyocera Corp
Priority to JP2020123230A priority Critical patent/JP7433155B2/ja
Priority to PCT/JP2021/025038 priority patent/WO2022014352A1/ja
Priority to EP21841358.1A priority patent/EP4184478A4/en
Priority to US18/004,281 priority patent/US20230245474A1/en
Priority to CN202180061412.4A priority patent/CN116171125A/zh
Publication of JP2022019413A publication Critical patent/JP2022019413A/ja
Application granted granted Critical
Publication of JP7433155B2 publication Critical patent/JP7433155B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/113—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for determining or recording eye movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/14—Arrangements specially adapted for eye photography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Pathology (AREA)
  • Developmental Disabilities (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Social Psychology (AREA)
  • Ophthalmology & Optometry (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)

Description

本発明は、電子機器、情報処理装置、推定方法、および推定プログラムに関するものである。
移動体の安全な運転には、運転者の注意力が求められる。それゆえ、運転者の注意力を観察して、注意力が低下する場合、運転者への警告を発したり、運転の支援を行うことが検討されている。注意力の観察として、自車の周辺の対向車などの対象物に対する視線の重なり度合いの累積値である累積視認度を算出し、基準値と比較することが提案されている（特許文献１参照）。また、監視対象者が視認すべき対象物を視認しているか否かを推定する注意力推定システムが提案されている（特許文献２参照）。
国際公開２００８－０２９８０２号 特開２０１５－２０７１６３号公報
特許文献１においては、累積視認度を算出するために、毎時における視認度を、テーブルを用いて算出している。しかし、実環境の多様な運転状況に対して適切なテーブルは異なっており、多様な運転状況において、運転者の注意力を正確に観察することは難しかった。特許文献２においては、監視対象者の状態を推定するためにマイクロサッカードを抽出する必要があり、処理が煩雑であった。
従って、上記のような従来技術の問題点に鑑みてなされた本開示の目的は、多様な状況に対して対象者の注意力を正確に推定する電子機器、情報処理装置、推定方法、および推定プログラムを提供することにある。
上述した諸課題を解決すべく、第１の観点による電子機器は、
撮像により光景に対応する画像を生成する撮像部と、
前記光景に対する対象者の視線を検知する視線検知部と、
前記画像および前記視線に基づいて前記対象者の覚醒度を推定する制御部と、を備え、
前記制御部は、学習用画像と該学習用画像に対する学習用対象者の視線と該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって構築されている推定部として機能する。
第２の観点による情報処理装置は、
光景に対応する画像、および前記光景に対する対象者の視線を取得する取得部と、
前記画像および前記視線に基づいて前記対象者の覚醒度を推定する制御部と、
前記覚醒度を出力する出力部と、を備え、
前記制御部は、学習用画像と該学習用画像に対する学習用対象者の視線と該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって構築されている推定部として機能する。
第３の観点による推定方法は、
撮像により光景に対応する画像を生成する撮像工程と、
前記光景に対する対象者の視線を検知する視線検知工程と、
前記画像および前記視線に基づいて前記対象者の覚醒度を推定する推定工程と、を備え、
前記推定工程は、学習用画像と該学習用画像に対する学習用対象者の視線と該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって覚醒度を推定する。
第４の観点による推定プログラムは、
コンピュータを、
撮像により光景に対応する画像を生成する撮像部、
前記光景に対する対象者の視線を検知する視線検知部、
前記画像および前記視線に基づいて前記対象者の覚醒度を推定する制御部、として機能させ、
前記制御部は、学習用画像と該学習用画像に対する学習用対象者の視線と該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって構築されている推定部として機能する。
上記のように構成された本開示に係る電子機器、情報処理装置、推定方法、および推定プログラムによれば、多様な状況に対して対象者の注意力の推定精度が向上する。
本実施形態に係る電子機器の概略構成を示すブロック図である。 視線検知部が検知する視線と画像との関係を説明するための図である。 図１の制御部が実行する推定処理を説明するためのフローチャートである。 本実施形態に係る情報処理装置の概略構成を示すブロック図である。
以下、本開示を適用した電子機器の実施形態について、図面を参照して説明する。なお、以下の説明は、本開示を適用した、情報処理装置、推定方法、および推定プログラムの説明も兼ねる。
本開示の一実施形態に係る電子機器は、例えば、移動体に設けられる。移動体は、例えば車両、船舶、および航空機等を含んでよい。車両は、例えば自動車、産業車両、鉄道車両、生活車両、および滑走路を走行する固定翼機等を含んでよい。自動車は、例えば乗用車、トラック、バス、二輪車、およびトロリーバス等を含んでよい。産業車両は、例えば農業および建設向けの産業車両等を含んでよい。産業車両は、例えばフォークリフトおよびゴルフカート等を含んでよい。農業向けの産業車両は、例えばトラクター、耕耘機、移植機、バインダー、コンバイン、および芝刈り機等を含んでよい。建設向けの産業車両は、例えばブルドーザー、スクレーバー、ショベルカー、クレーン車、ダンプカー、およびロードローラ等を含んでよい。車両は、人力で走行するものを含んでよい。車両の分類は、上述した例に限られない。例えば、自動車は、道路を走行可能な産業車両を含んでよい。複数の分類に同じ車両が含まれてよい。船舶は、例えばマリンジェット、ボート、およびタンカー等を含んでよい。航空機は、例えば固定翼機および回転翼機等を含んでよい。
図１に示すように、本開示の一実施形態に係る電子機器１０は、撮像部１１、視線検知部１２、メモリ１３、および制御部１４を含んで構成される。
撮像部１１は、例えば、移動体の前進方向の光景を撮像可能に、移動体に設けられている。撮像部１１は、例えば、３０ｆｐｓの速度で撮像可能なカメラである。撮像部１１は、撮像により光景に対応する画像を生成する。
視線検知部１２は、例えば、移動体の運転席に着座する対象者の視線を検知可能に、移動体に設けられている。視線検知部１２は、例えば、接触型のアイトラッカーおよび非接触型のアイトラッカーのいずれかであり、光景に対する対象者の視線を検知する。図２に示すように、視線ＬＳは、例えば、撮像部１１が撮像により生成する画像ＩＭと同じ座標系における位置ＰＥに相当する視線の方向として示される。
視線検知部１２は、時系列の視線を視線データとして検知してもよい。さらに具体的には、視線検知部１２は、時間ごとに視線の位置を画像上に検知して、その一連の時系列の視線の位置を視線データとして出力してもよい。視線検知部１２は、撮像部１１より高速、言換えると高頻度で視線を検知してよく、検知した一連の時系列の視線の位置を１つの画像における視線の経路として積算して出力してもよい。
メモリ１３は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）など、任意の記憶デバイスを含む。メモリ１３は、制御部１４を機能させる多様なプログラム、および制御部１４が用いる多様な情報を記憶する。
制御部１４は、１以上のプロセッサおよびメモリを含む。プロセッサは、特定のプログラムを読み込ませて特定の機能を実行する汎用のプロセッサ、および特定の処理に特化した専用のプロセッサを含んでよい。専用のプロセッサは、特定用途向けＩＣ（ＡＳＩＣ；Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）を含んでよい。プロセッサは、プログラマブルロジックデバイス（ＰＬＤ；Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）を含んでよい。ＰＬＤは、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）を含んでよい。制御部１４は、１つまたは複数のプロセッサが協働するＳｏＣ（Ｓｙｓｔｅｍ－ｏｎ－ａ－Ｃｈｉｐ）、およびＳｉＰ（Ｓｙｓｔｅｍ Ｉｎ ａ Ｐａｃｋａｇｅ）のいずれかであってもよい。制御部１４は、電子機器１０の各構成要素の動作を制御する。
制御部１４は、通常時に、例えば、３０ｆｐｓなどの速度で連続的な撮像を撮像部１１に実行させ、連続的に画像ＩＭを情報として取得する。制御部１４は、撮像部１１における撮像の実行時の対象者の視線ＬＳを視線検知部１２に検知させ、画像ＩＭの撮像時点と実質的に同じ時期における視線ＬＳを情報として取得する。画像ＩＭの撮像時点と実質的に同じ時期とは、単一の検出時点を含んでよく、画像ＩＭの直近の撮像のひとつ前の撮像時点から直近の撮像時点までの間の複数の検出時点を含んでよい。画像ＩＭの撮像時点と実質的に同じ時期は、視線の単一の検出時点を含む場合、厳密な同時点ではなく、画像撮像と同じ周期の視線検知において、撮像時に最も近い時点における検知時点を含んでよい。制御部１４は、画像ＩＭと、当該画像ＩＭの撮像時点と実質的に同じ時期に検知される視線ＬＳとを関連付けてメモリ１３に格納する。
制御部１４は、取得する画像ＩＭに画像処理を施してよい。後述する、推定部の学習を、セマンティックセグメンテーション画像などのように、通常の撮像画像ＩＭに対して所定の画像処理を施した画像で行う構成において、制御部１４は取得する画像ＩＭに当該所定の画像処理を施して、視線ＬＳと関連付けてメモリ１３に格納する。セマンティックセグメンテーション画像は、画像内の全画素に、ラベルまたはカテゴリを関連付けた画像である。
制御部１４は、撮像時点と検知時期とが実質的に同じである画像ＩＭおよび視線ＬＳに基づいて、対象者の覚醒度を推定する。さらに具体的には、制御部１４は、画像ＩＭおよび視線ＬＳに基づいて、対象者の覚醒度に関する生体情報を推定する推定部として機能する。覚醒度に関する生体情報は、覚醒度そのもの、覚醒度を算出または推定させる生体情報である。覚醒度を算出または推定させる情報は、例えば、心拍、脳波、瞬き回数、ＰＥＲＣＬＯＳ（Ｐｅｒｃｅｎｔ ｏｆ Ｅｙｅｌｉｄ Ｃｌｏｓｕｒｅ）などの少なくとも１つを含む。したがって、制御部１４において、画像ＩＭおよび視線ＬＳに基づいて、推定部が覚醒度を推定してもよいし、推定部が覚醒度を算出または推定させる生体情報を推定し、推定された当該生体情報に基づいて覚醒度が算出または推定されてもよい。
推定部は、例えば、多層構造のニューラルネットワークにより構成されている。推定部は、後述するように、機械学習を実施することにより構築される。
例えば、推定部は、撮像時点と検知時点とが実質的に同一の画像ＩＭおよび視線ＬＳに基づいて対象者の覚醒度を推定する。
または、例えば、推定部は、単一の学習用画像に対する視線の経路に対する覚醒度に関する生体情報の関係が学習により構築されている構成において、単一の画像ＩＭ、および当該単一の画像ＩＭと実質的に同一の検出時期における視線ＬＳの経路に基づいて、対象者の覚醒度を推定する。
ただし、推定部は、後述するように、単一の学習用画像内での視線ＬＳの移動速度が閾値未満である部分を含む経路を用いた学習により構築されている構成において、視線ＬＳの経路の中で、視線ＬＳの移動速度が閾値以上である部分を除外して、対象者の覚醒度を推定してよい。言換えると、推定部は、サッカード中の情報を除外してもよい。除外する理由は、サッカードは次の注視点に移っている途中の動作であって、サッカード中の視線の位置は注視点としての意味を持たないためである。推定部は、サッカード中か否かを視線の位置の移動速度などで判定してもよい。
推定部は、後述するように、連続的に撮像された複数の学習用画像を用いた学習により構築されている構成において、連続的に撮像される複数の画像ＩＭおよび当該複数の画像ＩＭ毎に対する視線ＬＳ、言い換えると、複数の画像ＩＭ毎に関連付けられている視線ＬＳに基づいて、対象者の覚醒度を推定してよい。推定部は、例えば、最新の画像ＩＭから所定の時間間隔で遡った範囲内のフレームの画像ＩＭに基づいて、覚醒度を推定してよい。
推定部は、後述するように、連続的に撮像された複数の学習用画像に対して視線の移動速度が閾値未満である学習用画像を用いた学習により構築されている構成において、連続的に撮像される複数の画像ＩＭおよび当該複数の画像ＩＭに対する視線ＬＳの中で、視線ＬＳの移動速度が閾値以上である場合、当該視線ＬＳおよび当該視線ＬＳに関連付けられている画像ＩＭの組合せを除外して、対象者の覚醒度を推定してよい。より具体的には、推定部は、任意の検知時における視線ＬＳの、直前の検知時における視線ＬＳからの移動量が閾値を超える場合、当該任意の検知時における視線ＬＳ、および当該視線ＬＳの検知時に関連付けられている画像ＩＭの組合せを、除外してよい。言換えると、制御部１４は、サッカード中の情報を除外してもよい。除外する理由は、サッカードは次の注視点に移っている途中の動作であって、サッカード中の視線の位置は注視点としての意味を持たないためである。制御部１４は、サッカード中か否かを視線の位置の移動速度などで判定してもよい。
制御部１４は、推定した覚醒度を外部機器１５に出力する。外部機器１５は、覚醒度に基づいて所定の動作を行う装置である。外部機器１５は、例えば、覚醒度に基づいて対象者に警告を発する警告装置、覚醒度に基づいて移動体の運転補助を行う運転補助装置、および覚醒度に基づいて移動体の運転を行う運転装置などであってよい。
推定部は、学習用画像、学習用画像に相当する光景に対する学習用対象者の実際の視線、および当該学習用対象者の覚醒度に関する生体情報の複数の組を用いて、学習用画像、実際の視線、および覚醒度に関する生体情報の関係を機械学習させた学習データにより構築されている。
推定部は、単一の学習用画像、当該単一の学習用画像に相当する光景に対する学習用対象者の実際の視線の経路、および当該学習用対象者の覚醒度に関する生体情報を用いて、学習用画像、実際の視線の経路、および覚醒度に関する生体情報の関係を機械学習させた学習データにより構築されていてよい。推定部は、さらには、単一の学習用画像、当該単一の学習用画像内での視線の移動速度が閾値未満である部分、および各制度に関する生体情報の機械学習により構築されていてよい。
推定部は、さらには、連続的に撮像された複数の学習用画像、複数の学習用画像毎に相当する光景に対する学習用対象者の実際の視線、および複数の学習用画像が生成される時点毎の当該学習用対象者の覚醒度に関する生体情報の機械学習により構築されていてよい。推定部は、さらには、連続的に撮像された複数の学習用画像に対する視線の移動速度が閾値未満である学習用画像、視線、および覚醒度に関する生体情報の機械学習により構築されていてよい。
次に、本実施形態において制御部１４が実行する、推定処理について、図３のフローチャートを用いて説明する。推定処理は、１フレームの画像ＩＭおよび視線ＬＳを制御部１４が取得するたびに開始する。
ステップＳ１００において、制御部１４は、取得した視線ＬＳの移動速度を、直前に取得した視線ＬＳの位置ＰＥとの比較により算出する。算出後、プロセスはステップＳ１０１に進む。
ステップＳ１０１では、制御部１４は、ステップＳ１０１において算出した移動速度が閾値以上であるか否かを判別する。閾値以上である場合、プロセスはステップＳ１０２に進む。閾値以上でない場合、プロセスはステップＳ１０３に進む。
ステップＳ１０２では、制御部１４は、推定処理の開始時に取得した画像ＩＭおよび視線ＬＳを廃棄する。廃棄後、プロセスはステップＳ１０４に進む。
ステップＳ１０３では、制御部１４は、推定処理の開始時に取得した画像ＩＭおよび視線ＬＳを互いに関連付けてメモリ１３に格納する。格納後、プロセスはステップＳ１０４に進む。
ステップＳ１０４では、制御部１４は、所定の時間間隔で遡った範囲内に格納された画像ＩＭおよび視線ＬＳの組合せをメモリ１３から読出す。読出し後、プロセスはステップＳ１０５に進む。
ステップＳ１０５では、制御部１４は、推定部として機能することにより、ステップＳ１０４において読出した組合せに含まれる複数の画像ＩＭおよび視線ＬＳに基づいて、覚醒度を推定する。推定後、プロセスはステップＳ１０６に進む。
ステップＳ１０６では、制御部１４は、ステップＳ１０５において推定した覚醒度を外部機器１５に出力する。出力後、推定処理は終了する。
以上のような構成の本実施形態の電子機器１０は、学習用画像と当該学習用画像に対する学習用対象者の視線と当該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって構築されている推定部として機能する制御部１４を備え、画像ＩＭおよび視線ＬＳに基づいて対象者の覚醒度を推定する。例えば、高速道路、市街地、郊外、住宅地などの多様な光景に対して、注視する対象および方向などは変わることが一般的である。それゆえ、単に視線ＬＳの動きのみの検知では、覚醒度の推定精度を向上させることが難しい。一方で、前述のような構成により、電子機器１０は、覚醒度の違いによる多様な光景における人が注視する対象物を学習済みなので、その時々の光景に対応する画像ＩＭおよび視線ＬＳに基づいて、精度の高い覚醒度を推定し得る。人間の注意力は覚醒度に影響を受けるので、電子機器１０は、多様な状況における対象者の注意力の推定精度を向上させ得る。
また、本実施形態の電子機器１０は、連続的に撮像される複数の画像ＩＭおよび当該複数の画像ＩＭ毎に対する視線ＬＳに基づいて、対象者の覚醒度を推定する。このような構成により、電子機器１０は、覚醒度の違いによる多様な光景における視線ＬＳの変動を学習済みなので、その時々の光景に対応する画像ＩＭおよび視線ＬＳに基づいて、さらに精度の高い覚醒度を推定し得る。
また、本実施形態の電子機器１０は、連続的に撮像される複数の画像ＩＭおよび当該複数の画像ＩＭ毎に対する視線ＬＳの中で、視線ＬＳの移動速度が閾値を超える視線ＬＳおよび画像ＩＭの組合せを除外して、対象者の覚醒度を推定する。光景の中で対象者が注視している物体が、覚醒度に大きな影響を与える因子であると考えられる。それゆえ、サッカード中のように、任意の物体から他の物体に視線ＬＳが高速で変わる間の、視線ＬＳは覚醒度に与える影響は低いと考えられる。それゆえ、上述の構成の電子機器１０は、覚醒度に対する影響が低いと思われる画像ＩＭおよび視線ＬＳの組合せを除外しているので、よりいっそう精度の高い覚醒度を推定し得る。
本開示の内容は、当業者であれば本開示に基づき種々の変形および修正を行うことができる。したがって、これらの変形および修正は本開示の範囲に含まれる。例えば、各実施形態において、各機能部、各手段、各ステップなどは論理的に矛盾しないように他の実施形態に追加し、若しくは、他の実施形態の各機能部、各手段、各ステップなどと置き換えることが可能である。また、各実施形態において、複数の各機能部、各手段、各ステップなどを１つに組み合わせたり、或いは分割したりすることが可能である。また、上述した本開示の各実施形態は、それぞれ説明した各実施形態に忠実に実施することに限定されるものではなく、適宜、各特徴を組み合わせたり、一部を省略したりして実施することもできる。
例えば、本実施形態において、電子機器１０が撮像部１１および視線検知部１２を備え、覚醒度の推定に用いる画像ＩＭおよび視線ＬＳを制御部１４が取得する構成であるが、このような構成に限定されない。例えば、本開示は、移動体がネットワークを介して接続された情報処理装置として具現化されてもよい。情報処理装置として具現化された実施形態について図４を参照して説明する。図４は、当該実施形態に係る情報処理装置１８の概略構成を示すブロック図である。当該実施形態において、撮像部１１および視線検知部１２が、移動体１６に設けられている。情報処理装置１８は、移動体１６との通信により画像ＩＭおよび視線ＬＳを、取得部１７を介して取得する。上述の電子機器１０の制御部１４と同じ構成の、情報処理装置１８の制御部１４は、画像ＩＭおよび視線ＬＳに基づいて覚醒度を推定する。情報処理装置１８は、出力部１９を介して、当該移動体１６における外部機器１５に覚醒度を出力する。
１０ 電子機器
１１ 撮像部
１２ 視線検知部
１３ メモリ
１４ 制御部
１５ 外部機器
１６ 移動体
１７ 取得部
１８ 情報処理装置
１９ 出力部
ＩＭ 画像
ＬＳ 視線
ＰＥ 視線の方向に相当する位置

Claims (6)

  1. 撮像により光景に対応する画像を生成する撮像部と、
    前記光景に対する対象者の視線を検知する視線検知部と、
    前記画像および前記視線に基づいて前記対象者の覚醒度を推定する制御部と、を備え、
    前記制御部は、学習用画像と該学習用画像に対する学習用対象者の視線と該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって構築されている推定部として機能する
    電子機器。
  2. 請求項１に記載の電子機器において、
    前記制御部は、連続的に撮像される複数の前記画像および該複数の画像毎に対する前記視線に基づいて、前記対象者の覚醒度を推定する
    電子機器。
  3. 請求項２に記載の電子機器において、
    前記制御部は、前記連続的に撮像される複数の前記画像および該画像毎に対する前記視線の中で、前記視線の移動速度が閾値を超える視線および画像の組合せを除外して、前記対象者の覚醒度を推定する
    電子機器。
  4. 光景に対応する画像、および前記光景に対する対象者の視線を取得する取得部と、
    前記画像および前記視線に基づいて前記対象者の覚醒度を推定する制御部と、
    前記覚醒度を出力する出力部と、を備え、
    前記制御部は、学習用画像と該学習用画像に対する学習用対象者の視線と該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって構築されている推定部として機能する
    情報処理装置。
  5. 撮像により光景に対応する画像を生成する撮像工程と、
    前記光景に対する対象者の視線を検知する視線検知工程と、
    前記画像および前記視線に基づいて前記対象者の覚醒度を推定する推定工程と、を備え、
    前記推定工程は、学習用画像と該学習用画像に対する学習用対象者の視線と該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって覚醒度を推定する
    推定方法。
  6. コンピュータを、
    撮像により光景に対応する画像を生成する撮像部、
    前記光景に対する対象者の視線を検知する視線検知部、
    前記画像および前記視線に基づいて前記対象者の覚醒度を推定する制御部、として機能させ、
    前記制御部は、学習用画像と該学習用画像に対する学習用対象者の視線と該学習用対象者の覚醒度に関する生体情報との関係が機械学習された学習データによって構築されている推定部として機能する
    推定プログラム。

JP2020123230A 2020-07-17 2020-07-17 電子機器、情報処理装置、推定方法、および推定プログラム Active JP7433155B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2020123230A JP7433155B2 (ja) 2020-07-17 2020-07-17 電子機器、情報処理装置、推定方法、および推定プログラム
PCT/JP2021/025038 WO2022014352A1 (ja) 2020-07-17 2021-07-01 電子機器、情報処理装置、推定方法、および推定プログラム
EP21841358.1A EP4184478A4 (en) 2020-07-17 2021-07-01 ELECTRONIC DEVICE, INFORMATION PROCESSING DEVICE, ESTIMATION METHOD AND ESTIMATION PROGRAM
US18/004,281 US20230245474A1 (en) 2020-07-17 2021-07-01 Electronic device, information processing device, estimating method, and estimating program
CN202180061412.4A CN116171125A (zh) 2020-07-17 2021-07-01 电子设备、信息处理装置、推定方法以及推定程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020123230A JP7433155B2 (ja) 2020-07-17 2020-07-17 電子機器、情報処理装置、推定方法、および推定プログラム

Publications (2)

Publication Number Publication Date
JP2022019413A JP2022019413A (ja) 2022-01-27
JP7433155B2 true JP7433155B2 (ja) 2024-02-19

Family

ID=79554762

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020123230A Active JP7433155B2 (ja) 2020-07-17 2020-07-17 電子機器、情報処理装置、推定方法、および推定プログラム

Country Status (5)

Country Link
US (1) US20230245474A1 (ja)
EP (1) EP4184478A4 (ja)
JP (1) JP7433155B2 (ja)
CN (1) CN116171125A (ja)
WO (1) WO2022014352A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017195405A1 (ja) 2016-05-11 2017-11-16 ソニー株式会社 画像処理装置及び画像処理方法、並びに移動体
WO2018135318A1 (ja) 2017-01-19 2018-07-26 ソニーセミコンダクタソリューションズ株式会社 車両制御装置及び車両制御方法
JP2020109709A (ja) 2015-10-08 2020-07-16 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 制御方法、個人認証装置、及び、記録媒体

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008029802A1 (fr) 2006-09-04 2008-03-13 Panasonic Corporation Dispositif fournissant des informations de voyage
JP2015207163A (ja) 2014-04-21 2015-11-19 株式会社デンソー 状態推定装置、および状態推定プログラム
US20150339589A1 (en) * 2014-05-21 2015-11-26 Brain Corporation Apparatus and methods for training robots utilizing gaze-based saliency maps

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020109709A (ja) 2015-10-08 2020-07-16 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 制御方法、個人認証装置、及び、記録媒体
WO2017195405A1 (ja) 2016-05-11 2017-11-16 ソニー株式会社 画像処理装置及び画像処理方法、並びに移動体
WO2018135318A1 (ja) 2017-01-19 2018-07-26 ソニーセミコンダクタソリューションズ株式会社 車両制御装置及び車両制御方法

Also Published As

Publication number Publication date
CN116171125A (zh) 2023-05-26
EP4184478A4 (en) 2024-05-29
JP2022019413A (ja) 2022-01-27
US20230245474A1 (en) 2023-08-03
WO2022014352A1 (ja) 2022-01-20
EP4184478A1 (en) 2023-05-24

Similar Documents

Publication Publication Date Title
JP6087088B2 (ja) 乗り物の操作者の遂行見積もりを向上させるためのシステムおよび方法
US20220230474A1 (en) Activity identification method and apparatus
Chang et al. Driver fatigue surveillance via eye detection
JP7465738B2 (ja) 電子機器、情報処理装置、覚醒度算出方法および覚醒度算出プログラム
JP7433155B2 (ja) 電子機器、情報処理装置、推定方法、および推定プログラム
US10945651B2 (en) Arousal level determination device
JP7160867B2 (ja) 電子機器、情報処理装置、推定方法、および推定プログラム
US20240005676A1 (en) Electronic device, information processing apparatus, degree-of-concentration calculation program, degree-of-concentration calculation method, and computer training method
WO2021262166A1 (en) Operator evaluation and vehicle control based on eyewear data
Luo et al. Multi-model fusion on real-time drowsiness detection for telemetric robotics tracking applications
JP2022088962A (ja) 電子機器、情報処理装置、集中度算出プログラム、及び集中度算出方法
JP7345435B2 (ja) 顔構造推定装置、顔構造推定方法、および顔構造推定プログラム
JP2021026420A (ja) 画像処理装置、モニタリング装置、制御システム、画像処理方法、及びコンピュータプログラム
WO2024149603A1 (en) System and method for estimation of eye gaze direction of a user with or without eyeglasses
Jain et al. Advanced Detection of Driver Drowsiness Using CNN-LSTM Robust Approach
CN116985792A (zh) 车辆的危险感知方法及装置
JP2023072269A (ja) 運転者状態判定方法及びその装置
DE102012024319A1 (de) Vorrichtung, Verfahren und Computerprogramm zur Verarbeitung von Bilddaten in einem Fahrzeug
Nivedhitha et al. Driver Drowsiness Detection System
Sawant et al. Vision for Driver Assistance: A Real Time Drowsiness Detection Based on Template Matching

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230417

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20240116

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240206

R150 Certificate of patent or registration of utility model

Ref document number: 7433155

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150