特許ウォッチ

公開番号2025014374
公報種別公開特許公報(A)
公開日2025-01-30
出願番号2023116876
出願日2023-07-18
発明の名称検知システム
出願人株式会社アイシン,国立大学法人東北大学
代理人弁理士法人酒井国際特許事務所
主分類G01R 27/26 20060101AFI20250123BHJP(測定;試験)
要約【課題】使用時における環境による影響を低減し、所定の事象の発生を高精度に検知可能な動作検知システムを提供する。
【解決手段】実施形態の検知システムは、センサから出力されたセンサデータを取得する取得部と、所定の準備期間中に取得されたセンサデータを用いてニューラルネットワークに対する学習処理を実行することにより、第1時刻に対応するセンサデータを入力し、第1時刻から所定時間経過した第2時刻に対応するセンサデータの予測値を出力するモデルを、準備期間毎に生成する生成部と、モデルから出力される予測値と第2時刻に対応する実際のセンサデータとの差分に基づいて、所定の事象が生じたか否かを判定する判定部と、を備える。
【選択図】図3
特許請求の範囲【請求項１】
センサから出力されたセンサデータを取得する取得部と、
所定の準備期間中に取得された前記センサデータを用いてニューラルネットワークに対する学習処理を実行することにより、第１時刻に対応する前記センサデータを入力し、前記第１時刻から所定時間経過した第２時刻に対応する前記センサデータの予測値を出力するモデルを、前記準備期間毎に生成する生成部と、
前記モデルから出力される前記予測値と前記第２時刻に対応する実際の前記センサデータとの差分に基づいて、所定の事象が生じたか否かを判定する判定部と、
を備える検知システム。
続きを表示（約 570 文字）【請求項２】
前記ニューラルネットワークは、リザバー層と、前記リザバー層からの出力に対して所定の出力結合重みで重み付けすることにより前記予測値を出力する出力層と、を含み、
前記学習処理は、前記予測値と正解値との誤差に基づいて前記出力結合重みを更新するリザバーコンピューティングを含む、
請求項１に記載の検知システム。
【請求項３】
前記センサデータは、前記センサの検出範囲内で行われる人物の動作に応じて変化し、
前記準備期間は、前記検出範囲内に前記人物が存在しない期間であり、
前記事象は、前記検出範囲内で前記人物が行う所定の動作である、
請求項１に記載の検知システム。
【請求項４】
前記センサは、移動体の開閉機構に対応する位置に設置された静電容量センサであり、
前記動作は、前記人物が前記移動体の下部の空間に足を出し入れするキック動作である、
請求項３に記載の検知システム。
【請求項５】
前記準備期間は、前記移動体を駆動させるためのキーを携帯している人物が、前記移動体から第１距離以内の領域に進入した後、前記移動体から前記第１距離より小さい第２距離離れた位置に到達するまでの期間を含む、
請求項４に記載の検知システム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、検知システムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
近年、様々な技術分野において所定の事象の検知に機械学習により生成された学習済みモデルが利用されている。例えば、車両に搭載されたセンサの検出結果（センサデータ）に基づいて車両や乗員の挙動を検知する際に、学習済みモデルによる予測結果が利用される場合がある。
【先行技術文献】
【特許文献】
【０００３】
特開２０１８－１８０７０１号公報
特開２００６－７０７０４号公報
特開２０１９－１０６０５９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、センサの種類や設置位置等によっては、使用時における環境（例えば天候等）の影響が大きくなり、センサデータに機械学習時には想定されなかったノイズが含まれる場合がある。このような場合、学習済みモデルを利用しても高精度な検知を実現できない可能性がある。
【０００５】
そこで、本発明の実施形態が解決しようとする課題の一つは、使用時における環境による影響を低減し、所定の事象の発生を高精度に検知可能な動作検知システムを提供することである。
【課題を解決するための手段】
【０００６】
本発明の一実施形態としての検知システムは、センサから出力されたセンサデータを取得する取得部と、所定の準備期間中に取得されたセンサデータを用いてニューラルネットワークに対する学習処理を実行することにより、第１時刻に対応するセンサデータを入力し、第１時刻から所定時間経過した第２時刻に対応するセンサデータの予測値を出力するモデルを、準備期間毎に生成する生成部と、モデルから出力される予測値と第２時刻に対応する実際のセンサデータとの差分に基づいて、所定の事象が生じたか否かを判定する判定部と、を備えることを特徴とする。
【０００７】
上記構成によれば、準備期間における環境（例えば天候等）に適合したモデルを準備期間毎に生成できる。そのため、所定の事象が生じたか否かを判定する判定処理を、当該判定処理を行うときの環境に近い環境に適合したモデルを用いて実行できる。これにより、センサを野外等の環境の変化が大きい場所に設置する場合であっても、環境による影響を低減し、所定の事象を高精度に検知できる。
【０００８】
また、上記構成において、ニューラルネットワークは、リザバー層と、リザバー層からの出力に対して所定の出力結合重みで重み付けすることにより予測値を出力する出力層と、を含み、学習処理は、予測値と正解値との誤差に基づいて出力結合重みを更新するリザバーコンピューティングを含んでもよい。
【０００９】
上記構成によれば、高速学習が可能なリザバーコンピューティングによりモデルが生成される。これにより、判定処理を実行する直前に準備期間を設定し、当該判定処理が実行されるときの環境に極めて近い環境に適合したモデルを生成できる。
【００１０】
また、上記構成において、センサデータは、センサの検出範囲内で行われる人物の動作に応じて変化し、準備期間は、検出範囲内に人物が存在しない期間であり、事象は、検出範囲内で人物が行う所定の動作であってもよい。
（【００１１】以降は省略されています）

関連特許