WO2016170984A1 - 監視システム、監視装置、及び監視方法 - Google Patents

監視システム、監視装置、及び監視方法 Download PDF

Info

Publication number
WO2016170984A1
WO2016170984A1 PCT/JP2016/061256 JP2016061256W WO2016170984A1 WO 2016170984 A1 WO2016170984 A1 WO 2016170984A1 JP 2016061256 W JP2016061256 W JP 2016061256W WO 2016170984 A1 WO2016170984 A1 WO 2016170984A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
unit
monitoring
heat generation
monitoring system
Prior art date
Application number
PCT/JP2016/061256
Other languages
English (en)
French (fr)
Inventor
亮一 増田
秀典 河西
Original Assignee
シャープ株式会社
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 シャープ株式会社 filed Critical シャープ株式会社
Priority to JP2017514057A priority Critical patent/JP6483248B2/ja
Priority to US15/567,380 priority patent/US20180110416A1/en
Publication of WO2016170984A1 publication Critical patent/WO2016170984A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A61B5/015—By temperature mapping of body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
    • G01J5/0025—Living bodies
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/02—Constructional details
    • G01J5/026—Control of working procedures of a pyrometer, other than calibration; Bandwidth calculation; Gain control
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/02—Constructional details
    • G01J5/08—Optical arrangements
    • G01J5/0806—Focusing or collimating elements, e.g. lenses or concave mirrors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/02—Constructional details
    • G01J5/08—Optical arrangements
    • G01J5/0816—Optical arrangements using attenuators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
    • A61B2560/0252—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using ambient temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G01J5/12—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using thermoelectric elements, e.g. thermocouples
    • G01J2005/123—Thermoelectric array
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G01J5/485—Temperature profile
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Definitions

  • the present invention relates to a monitoring system, a monitoring apparatus, and a monitoring method.
  • This application claims priority based on Japanese Patent Application No. 2015-086028 filed in Japan on April 20, 2015, the contents of which are incorporated herein by reference.
  • big data is a term that represents a collection of large and complex data sets that are difficult to process with commercially available database management tools and conventional data processing applications.
  • disease prevention there is a concern that the spread of disease on a global scale in a short period of time with the recent globalization and borderlessness.
  • Patent Document 1 describes a monitoring system that performs body temperature analysis based on a thermal image from an infrared camera that captures a plurality of persons existing in a spatial region and notifies information on abnormal body temperature.
  • One aspect of the present invention has been made to solve the above-described problem, and an object of the present invention is to provide a monitoring system, a monitoring apparatus, and a monitoring method that enable the monitor to efficiently grasp the situation of the heat generator and take measures. Is to provide.
  • one aspect of the present invention is a monitoring system including at least a measurement device that measures temperature distribution based on infrared light and a monitoring device that measures image information based on visible light.
  • the monitoring device includes: attribute information of the monitored object extracted based on the image information; an acquisition unit that acquires the heat generation information of the monitored object from the temperature distribution in time series; the attribute information and the heat generation
  • a monitoring system comprising an analysis unit that analyzes a change in information and predicts a transition of the heat generation information based on the analysis result.
  • One embodiment of the present invention is a monitoring system including at least a measurement device that measures temperature distribution based on infrared light, and a monitoring device that measures image information based on visible light, the monitoring device comprising: Analyzing the attribute information of the monitored person extracted based on the image information, an acquisition unit for acquiring the monitored person's heat generation information in time series from the temperature distribution, and analyzing changes in the attribute information and the heat generation information
  • the monitoring system includes an analysis unit that predicts the occurrence transition of the fever based on the analysis result.
  • the analysis unit is based on a prediction model constructed based on the past fever information of the monitored person and a change in the number of the fevers. The generation change of the fever is predicted.
  • the monitoring system includes an environment detection unit that detects environment information indicating information on an environment of a place where the measurement device is measuring, and the analysis unit stores the environment information. Further, the prediction is performed based on the added information.
  • the measurement device in the monitoring system, includes a first detection element that detects a temperature of the object based on infrared light reflected from the object, and the object.
  • one embodiment of the present invention is obtained based on attribute information corresponding to a monitored object extracted based on image information detected based on visible light and a temperature distribution measured based on infrared light.
  • the monitoring apparatus is characterized in that the heat generation information of the monitored object is acquired at the same time.
  • One embodiment of the present invention is a measurement step of simultaneously measuring at least a predetermined range of temperature distribution based on infrared light and image information detected based on visible light, and is measured by the measurement step.
  • the supervisor can efficiently grasp the situation and take countermeasures.
  • FIG. 1 is a diagram illustrating a configuration example of a measuring apparatus 1 according to the first embodiment.
  • the measuring apparatus 1 includes a sensor unit 10, an optical system 20, and a control unit 30.
  • the sensor unit 10 (an example of an integrated circuit) is a semiconductor device that detects the temperature of an object (object to be measured) in a non-contact manner, for example.
  • the sensor unit 10 detects the temperature of the target object based on infrared light reflected from the target object, and detects an image of the target object based on visible light reflected from the target object.
  • the sensor unit 10 includes a thermopile unit 11 and a photodiode unit 12.
  • FIG. 2 is a diagram illustrating a configuration example of a light incident surface of the sensor unit 10 according to the present embodiment.
  • this figure is the figure which looked at the sensor part 10 from the entrance plane (sensor surface) side.
  • the sensor unit 10 includes a thermopile unit 11 and a photodiode unit 12 on the same semiconductor substrate WF. That is, in the sensor unit 10, the thermopile unit 11 and the photodiode unit 12 are formed on the semiconductor substrate WF.
  • the thermopile unit 11 detects the temperature of the object based on infrared light reflected from the object.
  • the thermopile unit 11 detects a temperature based on infrared light using a thermopile 111 (see FIG. 4) described later.
  • the photodiode unit 12 detects an image (color information) of the object based on visible light reflected from the object.
  • the photodiode unit 12 includes a red photodiode unit 12R, a green photodiode unit 12G, and a blue photodiode unit 12B.
  • the photodiode unit 12 detects the intensity of light of the three primary colors red, green, and blue, and displays an image (RGB). Color information).
  • the red photodiode portion 12R includes a red filter (not shown), and detects the intensity of red light in the visible light.
  • the green photodiode unit 12G includes a green filter (not shown) and detects the intensity of green light in the visible light.
  • the blue photodiode portion 12B includes a blue filter (not shown) and detects the intensity of the blue light in the visible light.
  • the optical system 20 guides reflected light including infrared light and visible light from the object to the incident surface (sensor surface) of the sensor unit 10.
  • the optical system 20 changes the optical path of the reflected light incident from each divided area obtained by dividing the temperature detection target range (predetermined detection range) into a plurality of divided areas (for example, pixel areas), and An optical path changing unit capable of emitting toward the incident surface (sensor surface) of the unit 10 is provided.
  • the optical system 20 includes, for example, lenses (21, 23) and a digital mirror device 22. In the present embodiment, an example in which the optical system 20 includes a digital mirror device 22 as an example of an optical path changing unit will be described.
  • the lens 21 is a condensing lens that collects reflected light including infrared light and visible light from the object on the digital mirror device 22.
  • the lens 21 is disposed between the object and the digital mirror device 22, and emits incident reflected light to the digital mirror device 22.
  • a digital mirror device (DMD: Digital Micromirror ⁇ Device) 22 is a MEMS (Micro Electro Mechanical Systems) mirror that changes the optical path of reflected light incident from the lens 21 and The light is emitted toward the incident surface (sensor surface).
  • the digital mirror device 22 is configured to receive infrared light and visible light incident from each divided region (for example, a pixel region) obtained by dividing a temperature detection target range into a plurality of divided regions (for example, a pixel region). Change the light path.
  • the digital mirror device 22 emits infrared light and visible light whose optical paths are changed toward the incident surface (sensor surface) of the sensor unit 10 described above.
  • the digital mirror device 22 is controlled by the control unit 30 (measurement control unit 31 described later), and sequentially changes the optical path of the reflected light from each divided region within the range of the temperature detection target, and the incident surface of the sensor unit 10 By emitting toward the (sensor surface), the sensor unit 10 is allowed to detect the image and temperature of the target range.
  • the digital mirror device 22 changes the divided areas to be detected in order according to the path R ⁇ b> 1 based on the control of the control unit 30 (a measurement control unit 31 described later), and the current detection area. As shown, the reflected light in the divided area SA1 is emitted toward the incident surface (sensor surface) of the sensor unit 10.
  • the lens 23 is a projection lens that projects reflected light including infrared light and visible light from the digital mirror device 22 onto the incident surface (sensor surface) of the sensor unit 10.
  • the lens 23 is disposed between the digital mirror device 22 and the sensor unit 10 and emits incident reflected light to the sensor unit 10.
  • the control unit 30 is, for example, a processor including a CPU (Central Processing Unit) and the like, and comprehensively controls the measurement apparatus 1.
  • the control unit 30 controls the sensor unit 10 and the digital mirror device 22 and performs control to acquire the temperature and the image (the temperature and color information (pixel information) of the divided area described above) detected by the sensor unit 10. . Then, based on the acquired temperature and image, the control unit 30 generates the temperature distribution of the target range for detecting the temperature and the image information of the target range, and associates the generated temperature distribution with the image information. And control to output to the outside.
  • the control unit 30 includes a measurement control unit 31, a reflectance generation unit 32, and an output processing unit 33.
  • the measurement control unit 31 controls the digital mirror device 22 and acquires temperature and an image from the sensor unit 10. That is, the measurement control unit 31 emits infrared light and visible light incident from the respective divided regions of the predetermined detection range to the digital mirror device 22 to the sensor unit 10 by changing the divided regions. Let And the measurement control part 31 makes the sensor part 10 detect the temperature and image (RGB color information) for every division area. The measurement control unit 31 acquires the temperature and image (RGB color information) for each divided region detected by the sensor unit 10.
  • the reflectance generation unit 32 generates the reflectance of the object based on the image (RGB color information) acquired from the sensor unit 10.
  • the thermopile part 11 of the sensor part 10 detects temperature using the thermopile 111, it is necessary to prescribe
  • the reflectance generation unit 32 limits the material of the object to “human skin” and “clothes” by limiting to the purpose of measuring the body temperature of people in the crowd, and based on the color and brightness. Generate reflectance.
  • the reflectance generation unit 32 generates, for example, the color and brightness of the divided area based on the image (RGB color information) in the divided area acquired from the sensor unit 10 by the measurement control unit 31.
  • the reflectance generation unit 32 determines colors such as “yellow” and “beige” based on the RGB color information. Further, the reflectance generation unit 32 determines the brightness in three stages of “bright”, “average”, and “dark” based on the RGB color information. Based on the determined color and brightness of the divided area, the reflectance generation unit 32 uses, for example, a conversion table as illustrated in FIG. 3 to generate the reflectance of the divided area.
  • FIG. 3 is a diagram illustrating an example of a reflectance conversion table.
  • the conversion table shown in this figure is a table that generates the reflectance of the color diffusion surface based on the color and brightness.
  • “color” and “reflectance (%)” are associated with each other, and “reflectance (%)” has three levels of “bright”, “average”, and “dark”. Cases are divided. For example, when the “color” is “yellow” and the brightness is “bright”, the reflectance generation unit 32 generates “70” as “reflectance (%)” based on the conversion table. To do.
  • the reflectance generation unit 32 outputs the generated reflectance (in this case, “70” (%)) to the sensor unit 10.
  • the sensor part 10 can detect the temperature of a target object correctly based on the reflectance for every division area which the reflectance production
  • the thermopile unit 11 detects the temperature of the object based on the infrared light and the reflectance of the object generated based on the image detected by the photodiode unit 12.
  • the output processing unit 33 generates an image of a predetermined detection range based on the image of the target object and the temperature of the target object in each divided region detected by the sensor unit 10, and the image of the predetermined detection range, Are output in association with the temperatures of the objects in the divided areas.
  • the output processing unit 33 generates, for example, image information of a target range for detecting the temperature based on the image (RGB color information) in the divided area acquired by the measurement control unit 31. Further, the output processing unit 33 generates a temperature distribution of a target range for detecting the temperature based on, for example, the temperature of the target object in the divided region acquired by the measurement control unit 31.
  • the output processing unit 33 outputs the generated image information and temperature distribution in association with each other.
  • FIG. 4 is a cross-sectional view showing an example of a cross-sectional structure of the sensor unit 10 according to the present embodiment.
  • the thermopile part 11 and the photodiode part 12 are formed on the same semiconductor substrate WF.
  • the thermopile portion 11 is formed with a thermopile 111 so as to straddle the hollow portion 112 and to be in contact with the heat sink portion 113.
  • this thermopile 111 two kinds of metals (not shown) or a semiconductor (not shown) are joined so as to straddle the heat insulating thin film (not shown) formed on the upper surface of the cavity 112 and the heat sink 113.
  • a plurality of thermocouples are connected in series or in parallel.
  • a cold junction is formed on the heat sink portion 113 and a hot junction is formed on the thermal insulating thin film.
  • the thermopile 111 outputs a voltage proportional to the local temperature difference or temperature gradient.
  • the photodiode unit 12 includes a microlens 121, a color filter 122, a light shielding film 123, a photodiode 124, and polysilicon 125.
  • the red photodiode portion 12R will be described, but the configurations of the green photodiode portion 12G and the blue photodiode portion 12B are the same except that the color filter 122 is different in color.
  • the photodiode unit 12 includes three types of photodiodes, that is, a red photodiode unit 12R, a green photodiode unit 12G, and a blue photodiode unit 12B.
  • the micro lens 121 is a lens that guides visible light to the photodiode 124, and emits red light to the photodiode 124 through the color filter 122 (here, a red filter).
  • the light shielding film 123 is formed in a range including the upper portion of the polysilicon 125, and shields light so that portions other than the photodiode 124 are not irradiated with light.
  • the photodiode 124 converts the irradiated light into a voltage corresponding to the intensity.
  • the polysilicon 125 is used for controlling the photodiode 124 such as outputting a voltage from the photodiode 124 and initializing the state of the photodiode 124.
  • the sensor unit 10 includes, for example, a transistor 13 on the same semiconductor substrate WF.
  • the transistor 13 is a MOS transistor (Metal-Oxide-Semiconductor field-effect transistor) including a source part 131, a drain part 132, and a polysilicon gate part 133.
  • the transistor 13 is a switching element necessary for performing control such as transferring a signal from the thermopile unit 11 or the photodiode unit 12 to the control unit 30, for example.
  • FIG. 5 is a flowchart showing an example of the operation of the measuring apparatus 1 according to the present embodiment.
  • the measuring apparatus 1 first controls the digital mirror device 22 to the initial position of the divided area in the target range (step S101). That is, the measurement control unit 31 of the control unit 30 controls the digital mirror device 22 so that the reflected light at the initial position of the divided region in the range of temperature detection is emitted to the sensor unit 10.
  • the measurement control unit 31 detects an image of the divided area (step S102). That is, the measurement control unit 31 causes the sensor unit 10 to detect the image of the divided region (RGB color information), and the image of the divided region (RGB color information) detected by the photodiode unit 12 of the sensor unit 10. get.
  • the reflectance generation unit 32 of the control unit 30 generates a reflectance based on the image (step S103).
  • the reflectance generation unit 32 generates, for example, the color and brightness of the divided region based on the image (RGB color information) in the divided region acquired from the sensor unit 10 by the measurement control unit 31. Based on the generated color and brightness of the divided area, the reflectance generation unit 32 generates the reflectance of the divided area using, for example, a conversion table as illustrated in FIG. Then, the reflectance generation unit 32 outputs the generated reflectance of the divided region to the sensor unit 10.
  • the measurement control unit 31 detects the temperature of the divided area (step S104). That is, the measurement control unit 31 causes the sensor unit 10 to detect the temperature of the divided region, and acquires the temperature of the divided region detected by the thermopile unit 11 of the sensor unit 10.
  • the reflectance generated by the reflectance generation unit 32 is used when the thermopile unit 11 detects the temperature of the object based on infrared light.
  • the measurement control unit 31 determines whether or not the divided area is the end position (step S105).
  • the measurement control unit 31 determines whether or not the divided area is the end position in the range of the temperature to be detected.
  • the measurement control unit 31 advances the process to step S107.
  • the measurement control part 31 advances a process to step S106, when a division area is not an end position (step S105: NO).
  • step S106 the measurement control unit 31 changes the divided area, returns the process to step S102, and repeats the processes from step S102 to step S105 until the divided area reaches the end position.
  • step S107 the output processing unit 33 of the control unit 30 generates image information and a temperature distribution in the target range.
  • the output processing unit 33 generates image information and temperature distribution of the target range based on the image of the target object and the temperature of the target object in each divided region detected by the sensor unit 10.
  • step S108 the output processing unit 33 outputs the image information and temperature distribution in the target range.
  • the sensor unit 10 (an example of an integrated circuit) according to the present embodiment includes the thermopile unit 11 (first detection element) and the photodiode unit 12 (second detection element) on the same substrate ( For example, it is provided on the semiconductor substrate WF.
  • the thermopile unit 11 detects the temperature of the object based on the infrared light reflected from the object.
  • the photodiode unit 12 detects an image of the object based on visible light reflected from the object.
  • thermopile part 11 detects the temperature of a target object based on the infrared light and the reflectance of the target object produced
  • the sensor part 10 by this embodiment can detect temperature more correctly by the suitable reflectance produced
  • the reflectance of the object is generated based on the color and brightness of the object based on the image detected by the photodiode unit 12.
  • the reflectance generation unit 32 generates the reflectance based on the color and brightness, for example, using a conversion table as shown in FIG.
  • the sensor part 10 by this embodiment can detect temperature more correctly with the reflectance produced
  • the measuring apparatus 1 according to the present embodiment can generate an appropriate reflectance by a simple method, and can detect the temperature more accurately.
  • the measuring apparatus 1 includes the sensor unit 10 described above, an optical path changing unit (for example, the digital mirror device 22), and a measurement control unit 31.
  • the digital mirror device 22 changes the optical paths of the infrared light and the visible light incident from the divided areas obtained by dividing the predetermined detection range into a plurality of divided areas, and is directed toward the thermopile unit 11 and the photodiode unit 12. It is an optical path changing unit capable of emitting light.
  • the measurement control unit 31 emits infrared light and visible light incident on each of the divided regions of the predetermined detection range to the digital mirror device 22 to the sensor unit 10 by changing the divided regions.
  • the sensor unit 10 is caused to detect the temperature and the image for each divided region.
  • thermopile unit 11 of the sensor unit 10 has a higher temperature detection accuracy as the area of the light receiving part (thermopile 111) is larger. Therefore, the measuring apparatus 1 according to the present embodiment changes the optical path by using the optical path changing unit (for example, the digital mirror device 22), for example, compared to the case where a plurality of thermopile units 11 (thermopile 111) are arranged in a matrix. Thus, the area of the light receiving portion (thermopile 111) can be increased. Therefore, the measuring apparatus 1 according to the present embodiment can improve the accuracy of detecting the temperature.
  • the optical path changing unit for example, the digital mirror device 22
  • the optical path changing unit described above includes the digital mirror device 22.
  • the measuring apparatus 1 according to the present embodiment can improve the accuracy of detecting the temperature by a simple method using the digital mirror device 22.
  • FIG. 6 is a diagram illustrating a configuration example of the measuring apparatus 1a according to the second embodiment.
  • FIG. 7 is a diagram illustrating a configuration example of a light incident surface of the sensor unit 10a according to the second embodiment. 6 and 7, the same components as those shown in FIGS. 1 and 2 are denoted by the same reference numerals, and the description thereof is omitted.
  • the measuring apparatus 1a includes a sensor unit 10a, an optical system 20, and a control unit 30.
  • the sensor unit 10 a includes an image correction unit 14.
  • the sensor unit 10a includes a thermopile unit 11 and a plurality of photodiode units 12 (12-1, 12-2, 12-3, 12-4) on the same semiconductor substrate WF.
  • the photodiode unit 12-1, the photodiode unit 12-2, the photodiode unit 12-3, and the photodiode unit 12-4 have the same configuration as the photodiode unit 12 described above, and the measurement apparatus 1a has the same configuration.
  • the photodiode portion 12 will be described.
  • the present embodiment is different from the first embodiment described above in that the measurement apparatus 1a includes a plurality of photodiode units 12 and an image correction unit 14. As shown in FIG. 7, the plurality of photodiode portions 12 are arranged around the thermopile portion 11 so that the distances from the thermopile portion 11 are equal.
  • the image correction unit 14 (an example of a correction unit) generates a correction image at the measurement position of the thermopile unit 11 based on the images detected by the plurality of photodiode units 12, and uses the generated correction image as an image of the object. Output as. For example, the image correction unit 14 averages the RGB color information detected by the plurality of photodiode units 12 for each primary color (for each R (red), G (green), and B (blue)). Execute.
  • the image correction unit 14 averages the RGB color information detected by the plurality of photodiode units 12 arranged around the thermopile unit 11, so that RGB at the measurement position of the thermopile unit 11 is obtained. Generate color information for.
  • the image correction unit 14 averages the images for each divided region and corrects the image for each divided region. That is, the image correction unit 14 generates a correction image at the measurement position of the thermopile unit 11 based on the images detected by the plurality of photodiode units 12, and outputs the generated correction image to the control unit 30 as an image of the object. To do.
  • the operation of the measuring apparatus 1a according to the present embodiment is the same as that of the first embodiment described above except that the operation by the image correction unit 14 is added, and thus the description thereof is omitted.
  • the sensor unit 10a includes the plurality of photodiode units 12 and the image correction unit 14 (an example of a correction unit).
  • the plurality of photodiode portions 12 (12-1, 12-2, 12-3, 12-4) are arranged around the thermopile portion 11 so that the distance from the thermopile portion 11 is equal.
  • the image correction unit 14 generates a correction image at the measurement position of the thermopile unit 11 based on the images detected by the plurality of photodiode units 12, and outputs the generated correction image as an image of the object.
  • the sensor unit 10a according to the present embodiment can detect the image and the temperature by matching the detection position of the image with the detection position of the temperature. Therefore, since the sensor unit 10a and the measurement device 1a according to the present embodiment have the same detection position, it is possible to analyze the feature of the object more accurately.
  • the optical path changing unit may be configured by combining a liquid crystal shutter and a prism.
  • the optical path changing unit may include a liquid crystal shutter.
  • the liquid crystal shutter transmits the reflected light for each divided region to be measured and blocks the reflected light from the other divided regions.
  • a configuration including a galvano mirror, a polygon mirror, or the like may be used as another application example of the optical path changing unit.
  • the control unit 30 may include the image correction unit 14.
  • the thermopile unit 11 and the photodiode unit 12 for one pixel has been described.
  • the thermopile unit for a plurality of pixels in a matrix shape or a line shape. 11 and a photodiode portion 12 may be provided.
  • the divided region may be a region including a plurality of pixels, for example.
  • the sensor unit 10 (10a) has been described as an example in which the thermopile unit 11 and the photodiode unit 12 are formed on the same semiconductor substrate WF.
  • the configuration may be such that the integrated circuit is mounted in one package.
  • the sensor unit 10 (10a) may be composed of a plurality of integrated circuits including a signal processing unit.
  • FIG. 1 a monitoring system that uses the measurement apparatus 1 (1a) described above to monitor a heat generator at an airport, a station, a public facility, or the like, and predict a generation change of the heat generator will be described.
  • FIG. 8 is a functional block diagram illustrating an example of the monitoring system 100 according to the present embodiment. As shown in FIG. 8, the monitoring system 100 includes the plurality of measuring devices 1 (1 a), the plurality of environment detection units 40, and the monitoring device 50 described above.
  • both the measurement apparatus 1 of the first embodiment and the measurement apparatus 1a of the second embodiment described above can be applied to the monitoring system 100.
  • the measurement apparatus is used. 1 will be described below.
  • the measuring device 1-1, the measuring device 1-2,... Have the same configuration as the measuring device 1 (1a) described above, and indicate any measuring device provided in the monitoring system 100, or do not particularly distinguish between them. Will be described as the measuring apparatus 1.
  • the measuring device 1 measures the temperature distribution of at least a predetermined range (monitoring target region) based on infrared light, and detects image information of the predetermined range (monitoring target region) based on visible light.
  • the environment detection unit 40-1, the environment detection unit 40-2,... Have the same configuration, and when an arbitrary environment detection unit provided in the monitoring system 100 is indicated or not particularly distinguished, the environment detection unit 40-1, the environment detection unit 40-2,.
  • the detection unit 40 will be described.
  • the measuring device 1-1 and the environment detection unit 40-1 are installed at the monitoring place P1, and monitor a monitored person (for example, a passerby) at the monitoring place P1.
  • the measuring device 1-2 and the environment detection unit 40-2 are installed in the monitoring place P2, and monitor a person to be monitored (for example, a passerby) in the monitoring place P2.
  • the monitoring location P1 and the monitoring location P2 indicate monitoring target areas for monitoring the body temperature of the monitored person, and are, for example, airports, stations, schools, hospitals, public facilities, shopping malls, offices, concert halls, and the like.
  • the environment detection unit 40 is a measurement device that detects external environment information, and outputs the environment information to the monitoring device 50.
  • the environment detection unit 40 detects, for example, environment information indicating information related to the environment of the place where the measurement device 1 is measuring.
  • the environment information is, for example, the temperature, humidity, location information, and congestion level of the monitoring target area.
  • the environment detection unit 40 may output identification information (for example, a name or an identification ID) for identifying a monitoring target area as location information, or may use GPS (Global Positioning System) or the like. Accurate position coordinate information may be detected, and the position coordinate information may be used as location information.
  • the environment detection unit 40 may detect the congestion level of the monitoring target area based on image information such as a monitoring camera as the congestion level.
  • the monitoring device 50 determines the number of heat generators based on information (for example, image information, temperature distribution, environmental information, etc.) output from the measuring device 1 (1a) and the environment detection unit 40 installed in each monitoring place. Change is analyzed, and the occurrence transition of the fever is predicted based on the analysis result.
  • the monitoring device 50 includes, for example, a heat generation information generation unit 51, an attribute extraction unit 52, a storage unit 53, and a control unit 54.
  • the heat generation information generation unit 51 extracts a person to be monitored in the monitoring target area based on a predetermined range of image information detected based on visible light.
  • the heat generation information generation unit 51 extracts a person to be monitored from the image information output by the measurement apparatus 1 using, for example, an existing technique such as pattern recognition. Further, the heat generation information generation unit 51 generates heat generation information of the monitored person indicating the heat generation state corresponding to the monitored person based on the temperature distribution output by the measuring device 1.
  • the heat generation state corresponding to the monitored person is, for example, information indicating the body temperature of the monitored person extracted from the image information.
  • the heat generation information generation unit 51 periodically acquires the image information and the temperature distribution from the measurement device 1, and generates the heat generation information of the monitored person based on the acquired image information and the temperature distribution. Further, the heat generation information generation unit 51 outputs the generated heat generation information of the monitored person, the identification information of the monitored person, and the detection time to the control unit 54 in association with each other.
  • the identification information of the monitored person is, for example, the position information of the monitored person in the image information, the sample number of the monitored person, and the like.
  • the body temperature of the monitored person is, for example, 37.0 ° C. or higher and lower than 37.5 ° C., 37.5 ° C. or higher, and 37.5 ° C. or lower, and 38. 0 ° C or higher and lower than 38.5 ° C, 38.5 ° C or higher and lower than 39.0 ° C, 39.0 ° C or higher and lower than 39.5 ° C, 39.5 ° C or higher and lower than 40.0 ° C, 40.0 ° C or higher It may be classified into the temperature range.
  • the attribute extraction unit 52 extracts the monitored person and the attribute information indicating the monitored person's attribute based on the image information.
  • the attribute information is information such as sex, age, and height, for example.
  • the attribute extraction unit 52 extracts the monitored person from the image information output by the measuring apparatus 1 using, for example, an existing technique such as pattern recognition. Extract using existing techniques such as recognition.
  • the heat generation information generation unit 51 associates the extracted attribute information of the monitored person, the identification information of the monitored person, and the detection time with each other and outputs them to the control unit 54.
  • the storage unit 53 stores information used for various processes of the monitoring device 50.
  • the storage unit 53 includes, for example, a history information storage unit 531 and a prediction model storage unit 532.
  • the history information storage unit 531 stores, for each monitoring target area, monitored person information that associates at least monitored person attribute information, monitored person's heat generation information, and environmental information.
  • the monitored person information may include detection time information and monitored person identification information.
  • the prediction model storage unit 532 stores a prediction model that is used as a basis for the rules and determination criteria used when the analysis unit 542 of the control unit 54 to be described later predicts the occurrence transition of a fever. It is assumed that the prediction model is constructed in advance based on the heat generation information of the past monitored person. Here, a specific example of the prediction model will be described below.
  • each model in the increase model is defined as follows, for example.
  • Steady-state model A model when there is no increase in the number of patients with fever or when there are a large number of patients with fever and is stable. This is a case where there is almost no difference in the approximate line and the rate of increase in the number of fever patients is within 5%.
  • Increased occurrence model A model at the time when the occurrence of fever patients begins, and in the graph of the change over time in the number of fever patients, it is impossible to approximate either a linear approximation line or a polynomial approximation line, and fever patients This is the case when the number increase rate is 5% or more.
  • the decrease model which is a model at the time when the number of patients with fever decreases, can be defined in the same manner as the increase model. Description is omitted.
  • the control unit 54 is, for example, a processor including a CPU and the like, and comprehensively controls the monitoring device 50.
  • the control unit 54 includes an information acquisition unit 541 and an analysis unit 542.
  • the information acquisition unit 541 (an example of an acquisition unit) acquires heat generation information of the monitored person obtained based on the temperature distribution measured by the measurement device 1 in time series.
  • the information acquisition unit 541 periodically generates heat information generated by the heat generation information generation unit 51, attribute information extracted by the attribute extraction unit 52, and environment information detected by the environment detection unit 40 (at predetermined time intervals). In) to get.
  • the information acquisition unit 541 stores the monitored person information in which at least the acquired heat generation information, attribute information, and environment information are associated with each other in the history information storage unit 531 for each monitoring target area.
  • the analysis unit 542 Based on the monitored fever information of the monitored person acquired by the information acquisition unit 541 in time series, the analysis unit 542 analyzes the change in the number of fevers (the number of fever patients) among the monitored persons, and displays the analysis result. Based on this, the transition of generation of fever is predicted. For example, the analysis unit 542 predicts the occurrence transition of the heat generating person based on the prediction model constructed based on the heat generation information of the past monitored person and the change in the number of heat generating persons. That is, the analysis unit 542 analyzes changes in the number of patients with fever based on the monitored person information stored in the history information storage unit 531, and based on the prediction model stored in the prediction model storage unit 532, Predict the transition of occurrence.
  • the analysis unit 542 determines which of the above-described increase models (1) to (4) matches, and predicts the occurrence of a fever.
  • the analysis unit 542 outputs the analyzed result of the analysis and prediction information that is a prediction of the occurrence transition of the fever to the outside. A specific example in which the analysis unit 542 predicts the occurrence transition of the fever will be described later.
  • FIG. 9 is a flowchart illustrating an example of the operation of the monitoring system 100 according to the present embodiment.
  • the monitoring device 50 of the monitoring system 100 causes the measurement device 1 to measure image information and temperature distribution (step S201).
  • Each measuring device 1 measures the temperature distribution of the monitoring place (monitoring target area) based on the infrared light, and measures the image information of the monitoring place (monitoring target area) based on the visible light.
  • the heat generation information generation unit 51 of the monitoring device 50 generates heat generation information (step S202).
  • the heat generation information generation unit 51 acquires the image information and the temperature distribution from the measurement device 1, and generates the heat generation information of the monitored person based on the acquired image information and the temperature distribution. Further, the heat generation information generation unit 51 outputs the generated heat generation information of the monitored person, the identification information of the monitored person, and the detection time to the control unit 54 in association with each other.
  • the attribute extraction unit 52 of the monitoring device 50 extracts attribute information (step S203).
  • the attribute extraction unit 52 extracts the monitored person based on the image information acquired from the measuring apparatus 1 and extracts the attribute information of the monitored person.
  • the heat generation information generation unit 51 associates the extracted attribute information of the monitored person, the identification information of the monitored person, and the detection time with each other and outputs them to the control unit 54.
  • the information acquisition unit 541 of the control unit 54 acquires heat generation information, attribute information, and environment information (step S204).
  • the information acquisition unit 541 includes, for example, the heat generation information of the monitored person generated by the heat generation information generation unit 51, the attribute information of the monitored person extracted by the attribute extraction unit 52, and the environment information detected by the environment detection unit 40. get.
  • the information acquisition unit 541 acquires the monitored person identification information and the detection time from the heat generation information generation unit 51 and the attribute extraction unit 52, and based on the monitored person identification information and the detection time, The heat generation information of the monitor is associated with the attribute information of the monitored person.
  • the information acquisition unit 541 stores, for example, monitored person information in which heat generation information, attribute information, and environment information are associated, monitored person identification information, and detection time for each monitoring target area. Stored in the unit 531.
  • the analysis unit 542 of the control unit 54 analyzes the heat generation information (step S205). Based on the time-series monitored person information for each monitoring target area stored in the history information storage unit 531, the analysis unit 542 performs an analysis process for performing aggregation as illustrated in FIGS. Execute. Further, for example, the analysis unit 542 converts the change in the number of fevers having a body temperature of 38 ° C. or higher in FIG. 11 into a graph as shown in FIGS. 12A to 16C described later, and also shows a linear approximation line and a polynomial approximation line. Generate and analyze the change in the number of fevers.
  • the analysis unit 542 predicts the generation change of the fever based on the analysis result and the prediction model (step S206). For example, the analysis unit 542 predicts the occurrence transition of the fever based on the analysis results shown in the graphs shown in FIGS. 12A to 16C described later and the prediction model stored in the prediction model storage unit 532. For example, the analysis unit 542 determines which of the above-described increase models (1) to (4) matches, and predicts the occurrence transition of the fever.
  • control unit 54 determines whether or not to end the operation of the monitoring device 50 (step S207).
  • the control unit 54 ends the operation when the operation ends (step S207: YES). Further, when the operation is not ended (the operation is continued) (step S207: NO), the control unit 54 returns the process to step S201 and repeats the process from step S201 to step S207. Accordingly, in the monitoring device 50, the analysis unit 542 periodically performs analysis and prediction of the occurrence change of the fever.
  • the analysis unit 542 may not only predict the occurrence transition, but also output (notify) information indicating that an abnormality has occurred when an abnormality such as a sudden increase in the number of fevers occurs. That is, for example, the analysis unit 542 determines that there is an abnormality when the number of patients with fever of 38 ° C. or more exceeds a predetermined number within a predetermined unit time, for example, the display unit (not shown) has an abnormality. A message indicating that this has occurred may be displayed, or an alarm may be output by voice or a buzzer.
  • FIGS. 10 to 16C are diagrams illustrating examples of analysis results of the monitoring system 100 according to the present embodiment.
  • the analysis unit 542 calculates the body temperature of the monitored person in the measurement target area, for example, the time “10:00” on one day. It is the result totaled every 10 minutes.
  • the analysis unit 54 for example, in the population of 100 monitored persons, the number of monitored persons for each body temperature and the body temperature of 38 ° C.
  • the analysis results are shown by summing up the above increase rates (%).
  • the analysis unit 542 indicates that “body temperature (° C.)” is “35-36” (35 ° C. or higher and lower than 36 ° C.), “36-37” (36 ° C. or higher and lower than 37 ° C.) ), “37-38” (37 ° C. or higher and lower than 38 ° C.), and “38 or higher” (38 ° C. or higher).
  • the analysis unit 542 calculates an increase rate of the number of monitored persons classified as “38 or higher” (38 ° C. or higher) at each time, and tabulates the increase rate as “% increase rate”.
  • the rate of increase indicates the ratio of how many people have increased since the previous measurement time in a population of 100 people.
  • 12A to 16C are diagrams illustrating an example of state determination using an increase model in the present embodiment.
  • the analysis unit 542 graphs the results from the time “10:20” to the time “11:00” every 10 minutes based on the analysis result shown in FIG. It is a graph of changes over time in the number of patients.
  • 12A, FIG. 13A, FIG. 14A, FIG. 15A, and FIG. 16A are graphs of the number of fevers of 38 ° C. or higher in the past and the number of fevers of 38 ° C. or higher at the target time. (Hereinafter referred to as the time-dependent change in the number of fever patients at the target time).
  • FIGS. 12A to 16C show a comparison between the change over time in the number of patients with fever at the target time and a linear approximation line
  • FIG. 12C, FIG. 13C, FIG. 15C and FIG. 16C show a comparison between the change over time in the number of patients with fever at the target time and a polynomial approximation line.
  • the vertical axis represents the number of patients with fever and the horizontal axis represents time.
  • FIGS. 12A, 12B, and 12C show graphs at time “10:20”.
  • a waveform W10 shows a change over time in the number of patients with fever at time “10:20”.
  • the waveform W12 shows a polynomial approximation line.
  • the analysis unit 542 determines that the state is the “steady state model”.
  • FIGS. 13A, 13B, and 13C show graphs at time “10:30”, and the waveform W20 shows the change over time in the number of fever patients at time “10:30”.
  • W21 represents a linear approximation line
  • waveform W22 represents a polynomial approximation line.
  • the analysis unit 542 is not able to approximate either the linear approximation line or the polynomial approximation line and the rate of increase in the number of fever patients is 5% or more. , It is determined that the state is an “increase occurrence model”.
  • FIGS. 14A, 14B, and 14C show graphs at time “10:40”, and a waveform W30 shows changes over time in the number of patients with fever at time “10:40”.
  • W31 represents a linear approximation line
  • waveform W32 represents a polynomial approximation line.
  • the approximation unit is better approximated by a polynomial approximation line than the linear approximation line, and the rate of increase in the number of patients with fever is greater than 5%. It is determined that the state is “increase continuation model”.
  • FIGS. 15A, 15B, and 15C show graphs at time “10:50”, and a waveform W40 shows changes over time in the number of fever patients at time “10:50”.
  • W41 indicates a linear approximation line
  • waveform W42 indicates a polynomial approximation line.
  • the approximation unit is better approximated by a polynomial approximation line than the linear approximation line, and the rate of increase in the number of patients with fever is greater than 5%. It is determined that the state is “increase continuation model”.
  • FIGS. 16A, 16B, and 16C show graphs at time “11:00”, and a waveform W50 shows a change over time in the number of fever patients at time “11:00”. Indicates a linear approximation line, and the waveform W52 indicates a polynomial approximation line.
  • the analysis unit 542 is a case where it cannot be approximated by either a linear approximation line or a polynomial approximation line, and the rate of increase in the number of fever patients is 5% or less. Is determined to be in the state of the “occurrence number stable start model”.
  • the monitoring device 50 allows the analysis unit 542 to compare the graph of the temporal change in the number of fever patients, which is the analysis result, with each prediction model to determine the state of occurrence of fever patients. Can be determined.
  • the analysis unit 542 describes an example in which only the heat generation information is used. However, by adding attribute information or environment information, it is possible to change the determination of the occurrence state. it can. For example, the analysis unit 542 may estimate (predict) that the heat generation state is early in the generation when it is analyzed that the heat generation state is largely distributed in the younger generation based on the attribute information.
  • the analysis unit 542 estimates (predicts) that even if there is a large amount of fever in some monitoring locations, if there is little fever in a monitoring location where relatively young ages are gathered, the trend is not increasing. You may do it.
  • the analysis unit 542 may determine the activity status of a virus (for example, influenza) from the temperature and humidity, which are environmental information, and estimate (predict) the increase speed of infection. For example, if conditions for increasing the risk of morbidity are set in advance, such as when the season and temperature and humidity are low, it can be used to create a better prediction model.
  • a virus for example, influenza
  • the temperature and humidity which are environmental information
  • the inactivation rate of the virus is low and the average relative humidity is 50% or less.
  • the analysis unit 542 can create a prediction model with higher accuracy by including environmental information. In this way, by adding rules empirically obtained from past occurrence states to the prediction model, the monitoring device 50 can increase the accuracy in predicting the occurrence transition of the heat generator.
  • the monitoring system 100 includes the measurement device 1 that measures the temperature distribution in at least a predetermined range (for example, the monitoring target region) and the monitoring device 50 based on infrared light.
  • the monitoring device 50 includes an information acquisition unit 541 (an example of an acquisition unit) and an analysis unit 542.
  • the information acquisition unit 541 is the monitored person's heat generation information indicating the heat generation state corresponding to the monitored person extracted based on the predetermined range of image information detected based on the visible light.
  • the heat generation information of the monitored person obtained based on the measured temperature distribution is acquired in time series.
  • the analysis unit 542 analyzes a change in the number of heat generators among the monitored persons based on the heat generation information of the monitored persons acquired in time series by the information acquisition unit 541, and based on the analysis result, Predict the transition of occurrence.
  • the monitoring system 100 and the monitoring device 50 analyze the change in the number of heat generators and predict the occurrence change of the heat generators. It can be performed.
  • the monitoring system 100 and the monitoring device 50 according to the present embodiment can be realized in real time by constructing big data connected to a high-speed network for each monitoring device 50 and creating a database of the occurrence status of fever patients, for example. The patient with fever can be grasped.
  • the monitoring system 100 and the monitoring device 50 according to the present embodiment enable the monitor to efficiently grasp the situation and take countermeasures for monitoring the pandemic occurrence status and alerting.
  • the monitoring system 100 includes the attribute extraction unit 52 that extracts the monitored person and extracts attribute information indicating the attribute of the monitored person based on the image information.
  • the analysis unit 542 predicts the occurrence transition of the heat generator based on the heat generation information of the monitored person and the attribute information extracted by the attribute extraction unit 52.
  • the monitoring system 100 according to the present embodiment can create a more accurate prediction model by taking attribute information into consideration. Therefore, the monitoring system 100 and the monitoring device 50 according to the present embodiment can increase the accuracy in predicting the occurrence transition of the fever.
  • the monitoring system 100 includes an environment detection unit 40 that detects environment information indicating information about the environment of the place where the measurement apparatus 1 is measuring.
  • the analysis unit 542 predicts the generation change of the heat generation person based on the heat generation information of the monitored person and the environment information detected by the environment detection unit 40.
  • the monitoring system 100 according to the present embodiment can create a more accurate prediction model by taking environmental information into consideration. Therefore, the monitoring system 100 and the monitoring device 50 according to the present embodiment can increase the accuracy in predicting the occurrence transition of the fever.
  • the measuring apparatus 1 is based on the infrared light reflected from a target object, the thermopile part 11 which detects the temperature of a target object, and the visible light reflected from a target object.
  • the sensor unit 10 includes a photodiode unit 12 for detecting an image on the same substrate, and measures temperature distribution and image information.
  • the analysis unit 542 predicts the occurrence transition of the heat generator based on the prediction model constructed based on the heat generation information of the past monitored person and the change in the number of heat generators.
  • the monitoring system 100 and the monitoring apparatus 50 according to the present embodiment can accurately predict the occurrence transition of the heat generator by a simple method using the prediction model.
  • the monitoring method includes a measurement step, an acquisition step, and an analysis step.
  • the measurement step the measurement device 1 measures a temperature distribution in at least a predetermined range based on infrared light.
  • the monitoring device 50 is the heat generation information of the monitored person indicating the heat generation state corresponding to the monitored person extracted based on the image information of the predetermined range detected based on the visible light, and is measured The heat generation information of the monitored person obtained based on the temperature distribution measured in the step is acquired in time series.
  • the monitoring device 50 analyzes the change in the number of the fevers among the monitored persons based on the fever information of the monitored persons acquired in time series by the acquisition step, and based on the analysis results Predict changes in the number of fever.
  • the monitoring method according to the present embodiment analyzes the change in the number of heat-generating persons and predicts the occurrence of heat-generating persons, so that the monitoring person can efficiently grasp the situation of the heat-generating persons and take countermeasures. .
  • the monitoring device 50 includes the heat generation information generation unit 51 and the attribute extraction unit 52
  • the embodiment is not limited thereto, and the heat generation information generation unit 51 and the attribute
  • the measuring apparatus 1 may be provided with either one or both of the extraction unit 52.
  • the control unit 54 may include one or both of the heat generation information generation unit 51 and the attribute extraction unit 52.
  • the monitoring system 100 demonstrated the example provided with the environment detection part 40 in embodiment mentioned above, the structure which is not provided with the environment detection part 40 may be sufficient.
  • embodiment mentioned above demonstrated the example in which the measuring apparatus 1 and the environment detection part 40 are directly connected to the monitoring apparatus 50, you may connect via a network.
  • the measurement device 1 and the environment detection unit 40 may store the measurement information in a server device on the network, and the monitoring device 50 may acquire the measurement information from the server device.
  • the analysis unit 542 may construct the prediction model based on past measurement information. In this case, the analysis unit 542 may periodically rebuild (update) the prediction model. By periodically rebuilding (updating), the monitoring system 100 can improve the prediction accuracy.
  • the monitoring system 100 has been described as measuring with the measuring device 1 according to the first embodiment.
  • the present invention is not limited to this, and for example, the second embodiment.
  • the measurement apparatus 1a may be used, or the temperature distribution and the image information may be measured by different apparatuses.
  • FIG. 17 is a functional block diagram showing an example of the livestock monitoring system 500 according to the present embodiment.
  • the livestock monitoring system 500 includes a database unit 501, a personal computer 502, a portable information terminal 503, and a temperature monitoring device that monitors a plurality of cages.
  • the livestock monitoring system 500 includes a plurality of temperature monitoring devices.
  • the above-described monitoring system 100 is applied to the temperature monitoring device, and any temperature monitoring device provided in the livestock monitoring system 500 will be described as the temperature monitoring device 100.
  • an arbitrary cage provided in the livestock monitoring system 500 will be described as a cage CG.
  • the database unit 501 stores various measurement information measured by each temperature monitoring device 100, monitoring results, prediction results, and the like.
  • the personal computer 502 and the portable information terminal 503 can be connected to the database unit 501 and display various measurement information, monitoring results, prediction results, and the like stored in the database unit 501.
  • the worker can check various measurement information, monitoring results, prediction results, and the like in the poultry farm.
  • the livestock monitoring system 500 is a system for monitoring livestock raised at multiple locations, and the temperature monitoring device 100 in a poultry farm will be described as a specific example.
  • the temperature monitoring device 100 a plurality of measurement devices 1 (1a) and environment detection units 40 shown in FIG. 8 are arranged in each cage CG so that the entire cage CG can be monitored.
  • the measuring device 1 (1a) measures the temperature distribution in at least a predetermined range (inside the cage CG that is the monitoring target region) based on infrared light, and based on visible light, Image information in a range (monitoring target area) is detected.
  • the environment detection unit 40 outputs environmental information such as temperature, humidity, and location information of the monitoring target area being measured by the measuring device 1 to the monitoring device 50.
  • the monitoring device 50 is based on information (for example, image information, temperature distribution, environmental information, etc.) output from the measurement device 1 (1a) and the environment detection unit 40 installed at each monitoring location. Analyzes changes in the number of fever individuals and behavioral patterns, and predicts the occurrence of disease in livestock based on the analysis results.
  • a chicken bird
  • a monitoring target monitoring object
  • the monitoring device 50 predicts the occurrence transition of diseases such as bird flu due to abnormal fur coat state, loss of energy, loss of appetite, and the like.
  • the monitoring device 50 in the present embodiment includes a heat generation information generation unit 51, an attribute extraction unit 52, a storage unit 53, and a control unit 54.
  • the heat generation information generation unit 51 extracts an object to be monitored using an existing technique such as pattern recognition based on a predetermined range of image information detected based on visible light, and the measuring device 1 (1a ) Generates a heat generation state corresponding to the monitored object.
  • the heat generation information generation unit 51 periodically acquires the image information and the temperature distribution from the measuring device 1, and generates the heat generation information of the monitored object based on the acquired image information and the temperature distribution. Further, the heat generation information generation unit 51 associates the generated heat generation information of the monitored object, the identification information of the monitored object, and the detection time, for example, and outputs them to the control unit 54.
  • the identification information is information obtained by extracting an individual recognition mark attached to the monitored object by image processing and performing individual determination.
  • the attribute extraction unit 52 extracts the monitored object based on the image information, and extracts attribute information indicating the attribute of the monitored object.
  • the attribute information is information such as body length, weight, coat state, and detection position.
  • the attribute extraction unit 52 uses the existing technology such as pattern recognition to estimate the length and weight of the monitored object and extracts the position where the monitored object is recognized from the image information output from the measurement apparatus 1. Then, the identification information of the monitored object and the detection time are associated with each other and output to the control unit 54.
  • the storage unit 53 stores information used for various processes of the monitoring device 50.
  • the storage unit 53 includes a history information storage unit 531 and a prediction model storage unit 532.
  • the history information storage unit 531 stores monitored object information in which monitored object identification information, attribute information, and heat generation information are associated with each other for each monitoring target area.
  • the prediction model storage unit 532 stores a prediction model that is used as a basis for rules and determination criteria used when the analysis unit 542 of the control unit 54 predicts the occurrence transition of a disease. It is assumed that the prediction model is constructed in advance based on the heat generation information of the past monitored object.
  • the prediction model related to the heat generation of the measured individual first, an individual showing a value higher than a predetermined temperature is extracted from the heat generation information in the monitored object information, and then the history of attribute information is examined for the extracted individual and then the heat is generated. It is determined whether there is a problem.
  • the following points are considered as determination information. (1) If the detection position seems to move frequently, an increase in body temperature due to the movement is considered to be a cause of abnormal heat generation. (2) If there are many detection positions in the feeding area, it can be determined that there is no appetite attenuation. (3) It is determined whether or not there is a problem from the increase / decrease in body length and weight and the hair state obtained from the image information.
  • the number of problematic fever individuals is investigated from the above determination information, and an increase model is created in the same manner as in the above-described third embodiment to obtain a prediction model.
  • the analysis unit 542 of the control unit 54 analyzes the constructed prediction model and environmental information such as environmental temperature and humidity, etc., so as to grasp the chickens that generate heat in real time and Make predictions possible.
  • the livestock monitoring system 500 allows the monitor to efficiently grasp the situation and take measures for monitoring the occurrence of the disease and alerting it, and to develop an efficient infection prevention plan. Is possible.
  • the infection prevention plan is to take measures such as moving or isolating caged CG that is predicted to be installed in an area where there are many affected chickens (birds) and has a high risk of being affected, Etc.
  • the livestock monitoring system 500 is applied to chickens as an example of livestock.
  • the present invention is not limited thereto, and may be applied to other livestock such as pigs and cows. Good.
  • the monitoring system 100 described above is applied to the temperature monitoring device provided in the plant monitoring system 500a.
  • a feature capable of simultaneously detecting visible light and infrared light is used.
  • FIG. 18 is a functional block diagram illustrating an example of a plant monitoring system 500a according to the present embodiment.
  • the plant monitoring system 500a includes a database unit 501, a personal computer 502, a portable information terminal 503, and a temperature monitoring device that monitors plant equipment.
  • the same components as those in FIG. 17 are denoted by the same reference numerals, and the description thereof is omitted here.
  • the plant monitoring system 500a includes a plurality of temperature monitoring devices.
  • the above-described monitoring system 100 is applied to the temperature monitoring device, and any temperature monitoring device included in the plant monitoring system 500a is used as the temperature monitoring device (100).
  • any temperature monitoring device included in the plant monitoring system 500a is used as the temperature monitoring device (100).
  • arbitrary plant equipment with which the plant monitoring system 500a is provided is demonstrated as plant equipment PH.
  • the plant equipment PH includes a plant, piping, power equipment, and the like.
  • the plant monitoring system 500a is a system for monitoring a large number of plant facilities PH, and the temperature monitoring apparatus 100 in the plant will be described as a specific example.
  • the temperature monitoring device 100 includes, for example, a monitoring camera device, a central monitoring device, and an information transmission / reception device.
  • the temperature monitoring device 100 monitors temperature information in a plurality of monitoring target areas in real time, and uses a prediction model for efficient management. It becomes possible.
  • a plurality of measuring devices 1 (1a) and the environment detection unit 40 are arranged so as to be able to monitor a place where occurrence of equipment abnormality is predicted.
  • the measuring device 1 (1a) measures the temperature distribution of at least a predetermined range (plant facility PH that is a monitoring target region) based on infrared light, and determines a predetermined distribution based on visible light. Image information in a range (monitoring target area) is detected.
  • the environment detection unit 40 outputs environmental information such as temperature, humidity, and location information of the monitoring target area being measured by the measuring device 1 to the monitoring device 50.
  • the monitoring device 50 is based on information (for example, image information, temperature distribution, environmental information, etc.) output from the measurement device 1 (1a) and the environment detection unit 40 installed at each monitoring location. Analyze changes in the number of heat generation points and heat generation patterns, and predict the occurrence of equipment abnormalities based on the analysis results.
  • the heat generation information generation unit 51 extracts a change point of the monitored location using an existing technique such as pattern recognition based on a predetermined range of image information detected based on visible light. At the same time, a heat generation state corresponding to the change point is generated based on the temperature distribution output by the measuring apparatus 1. As described above, the heat generation information generation unit 51 periodically acquires the image information and the temperature distribution from the measurement device 1, and generates the heat generation information of the monitored portion based on the acquired image information and the temperature distribution. Further, the heat generation information generation unit 51 associates the generated heat generation information of the monitored location, the identification information of the monitored location, and the detection time, and outputs them to the control unit 54.
  • the identification information is information set in advance at the place where the measuring apparatus 1 (1a) is installed.
  • the attribute extraction unit 52 extracts attribute information indicating the attribute of the monitored location based on the image information.
  • the attribute information is change information of the monitored part.
  • the attribute extraction unit 52 uses the existing technology such as pattern recognition from the image information output from the measuring apparatus 1 (1a) to extract the change in the monitored part, the identification information of the monitored part, and the detection time Are associated with each other and output to the control unit 54.
  • the storage unit 53 stores information used for various processes of the monitoring device 50.
  • the storage unit 53 includes a history information storage unit 531 and a prediction model storage unit 532.
  • the history information storage unit 531 stores monitored object information in which monitored object identification information, attribute information, and heat generation information are associated with each other for each monitoring target area.
  • the location of the abnormal temperature is detected from the heat generation information and the attribute information in the monitored object information.
  • the following points are considered as determination information.
  • the heat generation information and the attribute information are overlapped, and if there is no change in the image, it is determined as normal heat generation.
  • the heat generation information and the attribute information are overlapped.
  • the analysis part 542 of the control part 54 determines the location of abnormal temperature based on such determination information.
  • the plant monitoring system 500a according to the present embodiment can distinguish between normal heat generation and abnormal heat generation, and is not an abnormal temperature, but a minute gas due to gas leakage from the plant equipment PH or the like. Convection and the like can be detected.
  • the plant monitoring system 500a according to the present embodiment can improve the accuracy of infrared light measurement using the function of simultaneous acquisition of visible light and infrared light.
  • the maximum measurement distance of the infrared sensor is determined by the desired target spot size.
  • the sensor unit 10 (10a) for example, in order to avoid erroneous measurement values, the target spot size is completely filled with the field of view of the radiation thermometer view as shown in FIG. Measure by matching the focal length with the object with visible light.
  • the plant monitoring system 500a by this embodiment can improve the precision of an infrared-light measurement.
  • FIG. 19 is a diagram illustrating the relationship between the spot size of the sensor unit 10 (10a) and the measurement distance.
  • the spot size S1 is smaller than the size of the measurement target, so the sensor unit 10 (10a) The temperature of the measurement object can be accurately measured.
  • the spot size S2 is substantially equal to the size of the measurement target. Therefore, the sensor unit 10 (10a) has the temperature of the measurement target. Can be measured accurately.
  • This distance L2 is the maximum measurement distance in the spot setting.
  • the plant monitoring system 500a increases the accuracy of temperature measurement by measuring the focal distance with the object with visible light so as to completely satisfy the view field of the radiation thermometer. Can be improved.
  • the sensor unit 10 (10a) can simultaneously acquire temperature distribution by infrared light and image information by visible light on obstacles and the like present in the infrared light visual field. That is, the sensor unit 10 (10a) can simultaneously acquire, as image information with visible light, an object that obstructs the field of view that is a factor that hinders measurement, fine particles such as smoke, mist, and dust. Further, the sensor unit 10 (10a) can also acquire lens dirt and the like as image information with visible light. From these things, since the plant monitoring system 500a according to the present embodiment can simultaneously acquire the infrared light temperature distribution and the visible light image information, is the measurement error caused by the sensor (caused by the thermopile unit 11)? It is possible to determine whether it is caused by the lens.
  • the monitoring system 100 described above is applied to the temperature monitoring device provided in the fire monitoring system 500b as shown in FIG.
  • a plurality of measuring devices 1 (1a) and environment detecting units 40 shown in FIG. 8 are arranged so that each site can be monitored.
  • FIG. 20 is a functional block diagram illustrating an example of a fire monitoring system 500b according to the present embodiment.
  • the fire monitoring system 500b includes a database unit 501, a personal computer 502, a portable information terminal 503, and a temperature monitoring device that monitors plant equipment.
  • the fire monitoring system 500b is a system that monitors multiple locations such as a station premises, a large store, a public cultural facility, and the like.
  • the same components as those in FIGS. 17 and 18 are denoted by the same reference numerals, and the description thereof is omitted here.
  • the fire monitoring system 500b includes a plurality of temperature monitoring devices.
  • the above-described monitoring system 100 is applied to the temperature monitoring device, and an arbitrary temperature monitoring device included in the fire monitoring system 500b is described as the temperature monitoring device 100.
  • an arbitrary monitoring target area included in the fire monitoring system 500b will be described as a monitoring target area PA.
  • the monitoring target area PA includes monitoring areas such as a station premises, a large store, a large facility, and a public cultural facility.
  • a plurality of measurement apparatuses 1 (1a) and environment detection units 40 are arranged so as to monitor the accommodation locations of the bases in the monitoring target area PA.
  • the measuring device 1 (1a) measures the temperature distribution of at least a predetermined range (for example, the main part of the base in the monitoring target area PA) based on infrared light, and based on visible light. The image information in a predetermined range (monitoring target area PA) is detected.
  • the environment detection unit 40 outputs environmental information such as temperature, humidity, wind direction, wind power, and location information of the monitoring target area PA measured by the measuring device 1 to the monitoring device 50.
  • the monitoring device 50 is based on information (for example, image information, temperature distribution, environmental information, etc.) output from the measurement device 1 (1a) and the environment detection unit 40 installed at each monitoring location. Analyzes the degree of congestion of people and the expansion pattern of fire, and predicts the transition of safety status of evacuation routes and evacuation destinations based on the analysis results.
  • the monitoring device 50 includes a heat generation information generation unit 51, an attribute extraction unit 52, a storage unit 53, and a control unit 54.
  • the heat generation information generation unit 51 extracts the degree of congestion at the monitored location based on image information in a predetermined range detected based on visible light, using an existing technique such as pattern recognition, and a measurement device. Based on the temperature distribution output by 1 (1a), a fire heat generation state corresponding to the monitored location is generated.
  • the heat generation information generation unit 51 periodically acquires the image information and the temperature distribution from the measuring device 1, and generates the heat generation information of the monitored portion based on the acquired image information and the temperature distribution. Further, the heat generation information generation unit 51 associates the generated heat generation information of the monitored portion, the identification information of the monitored object, and the detection time, for example, and outputs them to the control unit 54.
  • the identification information is information for recognition attached to the monitored location.
  • the attribute extraction unit 52 extracts the degree of congestion at the monitored location based on the image information, and extracts attribute information.
  • the attribute information is information such as the ratio of children, adults, and the ratio of men and women that can be determined from the distribution of people, body length, and physical characteristics.
  • the attribute extraction unit 52 extracts attribute information from the image information output by the measuring apparatus 1 using existing technology such as pattern recognition, the extracted attribute information, identification information of the monitored location, The detected time is associated and output to the control unit 54.
  • the storage unit 53 stores information used for various processes of the monitoring device 50.
  • the storage unit 53 includes a history information storage unit 531 and a prediction model storage unit 532.
  • the history information storage unit 531 stores monitored object information in which monitored part identification information, attribute information, and heat generation information are associated with each other for each monitoring target area.
  • the prediction model storage unit 532 stores a prediction model that is used as a basis for rules and determination criteria used when the analysis unit 542 of the control unit 54 predicts the occurrence of fire.
  • the prediction model according to the present embodiment is preliminarily constructed by a simulation based on the degree of congestion of past monitored locations and fire occurrence prediction.
  • various results can be considered for the simulation result depending on the data given such as the building situation, the degree of congestion, the fire extinguishing equipment situation, and the like. Therefore, the description about the specific example of a prediction model is abbreviate
  • the analysis unit 542 of the control unit 54 When detecting the heat generation information, the analysis unit 542 of the control unit 54 performs analysis by taking into consideration the constructed prediction model and environmental information such as environmental temperature and humidity as in the third embodiment described above. This makes it possible to grasp the location where heat is generated in real time and to predict the transition of occurrence. As described above, the fire monitoring system 500b according to the present embodiment enables the supervisor to efficiently grasp the situation and take countermeasures such as calling attention to evacuation, and to make an efficient evacuation plan. Become.
  • the monitoring system 100 includes at least the measuring device 1 (1a) that measures the temperature distribution based on infrared light and the monitoring device 50 that measures image information based on visible light. It is.
  • the monitoring device 50 includes an information acquisition unit 541 and an analysis unit 542.
  • the information acquisition unit 541 acquires the monitored target attribute information extracted based on the image information and the monitored target heat generation information in time series from the temperature distribution.
  • the analysis unit 542 analyzes changes in attribute information and heat generation information, and predicts changes in heat generation information based on the analysis results. Thereby, since the monitoring system 100 analyzes the change of the heat generation information and predicts the change of the heat generation information, the monitor can efficiently grasp the situation of the heat generation information and take measures.
  • the monitoring system 100 includes at least the measuring device 1 (1a) that measures the temperature distribution based on infrared light and the monitoring device 50 that measures image information based on visible light. It is a system equipped.
  • the monitoring device 50 includes an information acquisition unit 541 and an analysis unit 542.
  • the information acquisition unit 541 acquires the monitored person's attribute information extracted based on the image information and the monitored person's heat generation information in time series from the temperature distribution.
  • the analysis unit 542 analyzes changes in the attribute information and the fever information, and predicts the occurrence transition of the fever based on the analysis result. Thereby, since the monitoring system 100 predicts the generation
  • the monitoring system 100 is provided with the environment detection part 40 which detects the environment information which shows the information regarding the environment of the place which the measuring apparatus 1 (1a) is measuring. And the analysis part 542 performs prediction based on the information which further added environmental information. Thereby, the monitoring system 100 can create a more accurate prediction model by taking environmental information into consideration.
  • the monitoring apparatus 50 was measured based on the attribute information corresponding to the to-be-monitored object extracted based on the image information detected based on visible light, and infrared light.
  • the heat generation information of the monitored object obtained based on the temperature distribution is acquired at the same time.
  • the monitoring apparatus 50 can analyze the change of attribute information and heat generation information, and can predict the transition of heat generation information appropriately.
  • the monitoring method includes a measurement step, an acquisition step, and an analysis step.
  • the measurement step the measurement apparatus 1 (1a) simultaneously measures at least a predetermined range of temperature distribution and image information detected based on visible light based on infrared light.
  • the acquisition step the monitoring device 50 acquires the heat generation information and attribute information of the monitoring target obtained based on the temperature distribution and image information measured in the measurement step in time series.
  • the analysis step the monitoring device 50 analyzes the change in the heat generation status of the monitored target based on the heat generation information and attribute information of the monitored target acquired in the acquisition step, and generates heat based on the analysis result. Predict the development of the situation.
  • the monitoring method analyzes the change in the heat generation state and predicts the occurrence transition of the heat generation state, so that the monitor can efficiently grasp the state of the heat generation state and take countermeasures.
  • the monitoring system 100 described above has a computer system inside. Then, a program for realizing the functions of each component included in the monitoring system 100 described above is recorded on a computer-readable recording medium, and the program recorded on the recording medium is read into the computer system and executed. You may perform the process in each structure with which the monitoring system 100 mentioned above is provided.
  • the “computer system” is a computer system built in the monitoring system 100 and includes an OS and hardware such as peripheral devices.
  • the “computer-readable recording medium” refers to a storage device such as a flexible medium, a magneto-optical disk, a portable medium such as a ROM or a CD-ROM, and a hard disk incorporated in a computer system.
  • the “computer-readable recording medium” is a medium that dynamically holds a program for a short time, such as a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line,
  • a volatile memory inside a computer system that serves as a server or a client may be included that holds a program for a certain period of time.
  • the program may be a program for realizing a part of the functions described above, and may be a program capable of realizing the functions described above in combination with a program already recorded in a computer system.
  • some or all of the functions described above may be realized as an integrated circuit such as an LSI (Large Scale Integration).
  • Each function described above may be individually made into a processor, or a part or all of them may be integrated into a processor. Further, the method of circuit integration is not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor. In addition, when an integrated circuit technology that replaces LSI appears due to the advancement of semiconductor technology, an integrated circuit based on the technology may be used.
  • a monitoring system including a measurement device that measures at least a predetermined range of temperature distribution based on infrared light, and a monitoring device, wherein the monitoring device is detected based on visible light
  • the heat generation information of the monitored person indicating the heat generation state corresponding to the monitored person extracted based on the image information in the range of the object, wherein the monitored object is obtained based on the temperature distribution measured by the measuring device.
  • An acquisition unit that acquires the fever information of the monitor in time series, and the change in the number of fevers among the monitored persons is analyzed based on the fever information of the monitored person acquired in time series by the acquisition unit
  • a monitoring system comprising: an analysis unit that predicts the occurrence transition of a fever based on the analysis result.
  • An attribute extraction unit that extracts the monitored person based on the image information and extracts attribute information indicating an attribute of the monitored person, and the analysis unit generates heat information of the monitored person (1)
  • the monitoring system according to (1) wherein the occurrence transition of the fever is predicted based on the attribute information extracted by the attribute extraction unit.
  • An environment detection unit that detects environment information indicating information on the environment of the place where the measurement device is measuring is provided, and the analysis unit detects heat generation information of the monitored person and the environment detection unit detects The monitoring system according to (1) or (2), wherein the occurrence transition of the fever is predicted based on the environmental information.
  • the measurement device includes: a first detection element that detects a temperature of the object based on infrared light reflected from the object; and the object based on visible light reflected from the object.
  • (1) to (3) comprising an integrated circuit having a second detection element for detecting the image of (2) on the same substrate, measuring the temperature distribution, and measuring the image information. Any monitoring system.
  • the analysis unit predicts the occurrence transition of the fever based on a prediction model constructed based on the fever information of the monitored person in the past and a change in the number of fevers.
  • the monitoring system according to any one of (1) to (4).
  • Heat generation information of the monitored person indicating a heat generation state corresponding to the monitored person extracted based on a predetermined range of image information detected based on visible light, based on infrared light
  • An acquisition unit that acquires, in time series, heat generation information of the monitored person obtained based on the temperature distribution measured by a measurement device that measures at least the temperature distribution of the predetermined range, and the acquisition unit is in time series
  • An analysis unit that analyzes a change in the number of fevers of the monitored person based on the acquired fever information of the monitored person, and predicts a generation change of the fever based on the analysis result
  • a monitoring device characterized by that.
  • the measuring device measures the temperature distribution of at least a predetermined range based on infrared light, and the monitoring device based on the image information of the predetermined range detected based on visible light.
  • the heat generation information of the monitored person indicating the heat generation state corresponding to the extracted monitored person, and the heat generation information of the monitored person obtained based on the temperature distribution measured by the measuring step is time-series
  • the monitoring device analyzes the change in the number of fevers among the monitored persons based on the fever information of the monitored persons acquired in time series by the acquiring step, and And an analysis step of predicting the occurrence transition of the fever based on the analysis result.
  • Heat generation information generation unit 52 Attribute extraction unit, 53 Storage unit, 100 Monitoring system (temperature monitoring device), 111 Thermopile, 112 Cavity, 113 Heat sink, 121 Micro lens, 122 Lar filter, 123 ... light shielding film, 124 ... photodiode, 125 ... polysilicon, 131 ... source part, 132 ... drain part, 133 ... gate part, 500 ... livestock monitoring system, 500a ... plant monitoring system, 500b ... fire monitoring system 501 ... Database unit, 502 ... Personal computer, 503 ... Portable information terminal, 531 ... History information storage unit, 532 ... Predictive model storage unit, 541 ... Information acquisition unit, 542 ... Analysis unit, CG ... Cage, P1, P2 ... Monitoring location, PH ... Plant equipment, PA ... Monitoring target area, WF ... Semiconductor substrate

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Radiation Pyrometers (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)

Abstract

監視システムは、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、監視装置は、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取得部と、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分析部とを備える。

Description

監視システム、監視装置、及び監視方法
　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 (7)

  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. 　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。
  3. 　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
    　ことを特徴とする請求項２に記載の監視システム。
  4. 　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又は請求項２に記載の監視システム。
  5. 　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から請求項４のいずれか一項に記載の監視システム。
  6. 　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。
  7. 　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。
PCT/JP2016/061256 2015-04-20 2016-04-06 監視システム、監視装置、及び監視方法 WO2016170984A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017514057A JP6483248B2 (ja) 2015-04-20 2016-04-06 監視システム、監視装置
US15/567,380 US20180110416A1 (en) 2015-04-20 2016-04-06 Monitoring system, monitoring device, and monitoring method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015086028 2015-04-20
JP2015-086028 2015-04-20

Publications (1)

Publication Number Publication Date
WO2016170984A1 true WO2016170984A1 (ja) 2016-10-27

Family

ID=57143572

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/061256 WO2016170984A1 (ja) 2015-04-20 2016-04-06 監視システム、監視装置、及び監視方法

Country Status (3)

Country Link
US (1) US20180110416A1 (ja)
JP (1) JP6483248B2 (ja)
WO (1) WO2016170984A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018183564A (ja) * 2017-04-26 2018-11-22 パナソニックＩｐマネジメント株式会社 深部体温測定装置、深部体温測定システム及び深部体温測定方法
KR20190134426A (ko) * 2018-05-26 2019-12-04 초당대학교 산학협력단 트리오 영상장치를 통한 태양광 모듈 열화상 촬영 시스템
WO2020050397A1 (ja) * 2018-09-06 2020-03-12 Ｎｅｃソリューションイノベータ株式会社 生体情報管理装置、生体情報管理方法、プログラム、および記録媒体
CN112428781A (zh) * 2020-12-16 2021-03-02 重庆大学 基于热舒适和低病毒感染风险的电动汽车空调控制方法
JP2021166637A (ja) * 2020-04-10 2021-10-21 株式会社東芝 高熱者検出方法、高熱者検出装置、および高熱者検出システム
KR20220053331A (ko) 2020-10-22 2022-04-29 건국대학교 산학협력단 가금류의 감염성 질환 조기 예찰 시스템
US11521422B2 (en) 2020-03-10 2022-12-06 Baidu Online Network Technology (Beijing) Co., Ltd. Method and device for detecting body temperature, electronic apparatus and storage medium
JP7448762B2 (ja) 2020-06-17 2024-03-13 株式会社ネツミル 温度監視システム、温度監視制御装置、温度監視端末装置、温度監視方法、及び温度監視プログラム

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017073426A1 (ja) * 2015-10-29 2017-05-04 コニカミノルタ株式会社 漏洩ガス検出装置および漏洩ガス検出方法
JP6441546B2 (ja) * 2016-10-31 2018-12-19 株式会社オプティム コンピュータシステム、物体の診断方法及びプログラム
US10313413B2 (en) 2017-08-28 2019-06-04 Banjo, Inc. Detecting events from ingested communication signals
US11025693B2 (en) * 2017-08-28 2021-06-01 Banjo, Inc. Event detection from signal data removing private information
US10585724B2 (en) 2018-04-13 2020-03-10 Banjo, Inc. Notifying entities of relevant events
US11960261B2 (en) 2019-07-12 2024-04-16 Johnson Controls Tyco IP Holdings LLP HVAC system with sustainability and emissions controls
US12007732B2 (en) 2019-07-12 2024-06-11 Johnson Controls Tyco IP Holdings LLP HVAC system with building infection control
US11761660B2 (en) 2019-01-30 2023-09-19 Johnson Controls Tyco IP Holdings LLP Building control system with feedback and feedforward total energy flow compensation
US11274842B2 (en) 2019-07-12 2022-03-15 Johnson Controls Tyco IP Holdings LLP Systems and methods for optimizing ventilation, filtration, and conditioning schemes for buildings
US11714393B2 (en) 2019-07-12 2023-08-01 Johnson Controls Tyco IP Holdings LLP Building control system with load curtailment optimization
CN114364926B (zh) * 2019-07-12 2024-04-05 江森自控泰科知识产权控股有限责任合伙公司 具有用于建筑物传染控制的设计和操作工具的hvac***
CN111199211A (zh) * 2019-12-31 2020-05-26 武汉星巡智能科技有限公司 具有红外唤醒功能的智能监控设备、监控方法及存储介质
TWI762951B (zh) * 2020-06-12 2022-05-01 李錦峰 溫度測量裝置以及溫度測量方法
US11625964B2 (en) * 2020-06-15 2023-04-11 Honeywell International Inc. Methods and systems for temperature screening using a mobile device
US20220022747A1 (en) * 2020-07-26 2022-01-27 Vidal Malfavon Personal thermal data collection and aggregation system and method
US11064953B1 (en) 2020-08-07 2021-07-20 Prince Mohammad Bin Fahd University Fever-causing disease outbreak detection system
TWI806006B (zh) * 2021-02-20 2023-06-21 緯創資通股份有限公司 熱影像定位方法及其系統
KR102617708B1 (ko) * 2021-08-05 2023-12-22 김봉국 인공지능 기반 화재감시시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005027723A (ja) * 2003-07-07 2005-02-03 Olympus Corp 体腔内カメラ
JP2006231065A (ja) * 2005-02-25 2006-09-07 Agilent Technol Inc 熱異常を検出する装置及び方法
JP2013176471A (ja) * 2012-02-28 2013-09-09 Nikon Corp 情報処理装置
JP2014036801A (ja) * 2012-08-20 2014-02-27 Olympus Corp 生体状態観察システム、生体状態観察方法、およびプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005027723A (ja) * 2003-07-07 2005-02-03 Olympus Corp 体腔内カメラ
JP2006231065A (ja) * 2005-02-25 2006-09-07 Agilent Technol Inc 熱異常を検出する装置及び方法
JP2013176471A (ja) * 2012-02-28 2013-09-09 Nikon Corp 情報処理装置
JP2014036801A (ja) * 2012-08-20 2014-02-27 Olympus Corp 生体状態観察システム、生体状態観察方法、およびプログラム

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7054800B2 (ja) 2017-04-26 2022-04-15 パナソニックＩｐマネジメント株式会社 深部体温測定装置、深部体温測定システム及び深部体温測定方法
JP2018183564A (ja) * 2017-04-26 2018-11-22 パナソニックＩｐマネジメント株式会社 深部体温測定装置、深部体温測定システム及び深部体温測定方法
KR20190134426A (ko) * 2018-05-26 2019-12-04 초당대학교 산학협력단 트리오 영상장치를 통한 태양광 모듈 열화상 촬영 시스템
KR102078877B1 (ko) 2018-05-26 2020-02-19 초당대학교 산학협력단 트리오 영상장치를 통한 태양광 모듈 열화상 촬영 시스템
JP7111427B2 (ja) 2018-09-06 2022-08-02 Ｎｅｃソリューションイノベータ株式会社 生体情報管理装置、生体情報管理方法、プログラム、および記録媒体
JPWO2020050397A1 (ja) * 2018-09-06 2021-08-30 Ｎｅｃソリューションイノベータ株式会社 生体情報管理装置、生体情報管理方法、プログラム、および記録媒体
WO2020050397A1 (ja) * 2018-09-06 2020-03-12 Ｎｅｃソリューションイノベータ株式会社 生体情報管理装置、生体情報管理方法、プログラム、および記録媒体
US11521422B2 (en) 2020-03-10 2022-12-06 Baidu Online Network Technology (Beijing) Co., Ltd. Method and device for detecting body temperature, electronic apparatus and storage medium
JP2021166637A (ja) * 2020-04-10 2021-10-21 株式会社東芝 高熱者検出方法、高熱者検出装置、および高熱者検出システム
JP7335850B2 (ja) 2020-04-10 2023-08-30 株式会社東芝 高熱者検出方法、高熱者検出装置、および高熱者検出システム
JP7448762B2 (ja) 2020-06-17 2024-03-13 株式会社ネツミル 温度監視システム、温度監視制御装置、温度監視端末装置、温度監視方法、及び温度監視プログラム
KR20220053331A (ko) 2020-10-22 2022-04-29 건국대학교 산학협력단 가금류의 감염성 질환 조기 예찰 시스템
CN112428781A (zh) * 2020-12-16 2021-03-02 重庆大学 基于热舒适和低病毒感染风险的电动汽车空调控制方法
CN112428781B (zh) * 2020-12-16 2022-09-23 重庆大学 基于热舒适和低病毒感染风险的电动汽车空调控制方法

Also Published As

Publication number Publication date
JPWO2016170984A1 (ja) 2018-03-08
JP6483248B2 (ja) 2019-03-13
US20180110416A1 (en) 2018-04-26

Similar Documents

Publication Publication Date Title
JP6483248B2 (ja) 監視システム、監視装置
US20170352119A1 (en) Tracking proximity relationships and uses thereof
Cooper et al. Bayesian biosurveillance of disease outbreaks
CN111247593A (zh) 使用实时定位***和下一代测序在健康护理机构中预测、预防和控制感染传播
US11729597B2 (en) Digital twin disaster management system customized for underground public areas
Boudjema et al. MediHandTrace®: a tool for measuring and understanding hand hygiene adherence
US20200348183A1 (en) System and method for non-contact wetness detection using thermal sensing
JPWO2014203389A1 (ja) センサ配置決定装置およびセンサ配置決定方法
CN115398464A (zh) 识别、减少设施中的健康风险并跟踪设施的占用
JP6395169B2 (ja) 集積回路、及び測定装置
Frenken et al. Motion pattern generation and recognition for mobility assessments in domestic environments
CN111554366A (zh) 人体健康信息生成方法、装置、计算机设备及存储介质
Costa et al. A context, location and preference-aware system for safe pedestrian mobility
Al-Salhie et al. Multimedia surveillance in event detection: crowd analytics in Hajj
KR20180018218A (ko) 방문 요양 서비스 방법, 장치 및 컴퓨터 판독 가능한 기록 매체
JP7492211B2 (ja) 非接触体温測定装置、方法及びプログラム
JP2020052826A (ja) 情報提供装置、情報提供システム、情報提供方法、及びプログラム
WO2021038814A1 (ja) コンピュータシステム、特定状況改善方法及びプログラム
Vyklyuk et al. An Information System Prototype for Monitoring and Modeling the Spread of Viral Infections.
KR20230050619A (ko) 위치 기반 생체정보 모니터링 시스템 및 방법
Loshini et al. Predicting localized dengue incidences using ensemble system identification
Soh et al. Improving operational processes for COVID-19 ready smart campus
Kanakaprabha et al. IoT based solution for effective social distancing and contact tracing for COVID-19 prevention
Aouad et al. A comprehensive survey of smart city technologies for monitoring and controlling the epidemic spread of COVID-19
JP7481176B2 (ja) 応対装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16783005

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017514057

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15567380

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16783005

Country of ref document: EP

Kind code of ref document: A1