电子设备、信息处理装置、推定方法和推定程序制造方法及图纸

电子设备(10)具有拍摄部(11)、视线检测部(12)和控制部(14)。拍摄部(11)通过拍摄而生成与场景对应的图像。视线检测部检测对象者相对于场景的视线。控制部(14)作为第一推定部(15)和第二推定部(16)发挥功能。第一推定单元(15)能够基于图像来推定视线预测图。第二推定部(16)能够基于视线预测图和对象者的视线来推定与对象者的清醒度相关的生物体信息。定与对象者的清醒度相关的生物体信息。定与对象者的清醒度相关的生物体信息。

【技术实现步骤摘要】
【国外来华专利技术】电子设备、信息处理装置、推定方法和推定程序
[0001]相关申请的相互参照
[0002]本申请要求于2020年7月17日在日本提交的日本专利申请第2020
‑
123233的优先权，并且通过引用将在先申请的全部公开内容并入本文。


[0003]本专利技术涉及电子设备、信息处理装置、推定方法和推定程序。

技术介绍

[0004]移动体的安全驾驶需要驾驶员的注意力。因此，正在研究观察驾驶员的注意力，并且在注意力降低的情况下，发出对驾驶员的警告或者进行驾驶的辅助。作为注意力的观察，提出了计算视线相对于本车周边的对向车等对象物的重合程度的累计值、即累计视觉确认度，并与基准值进行比较(参照专利文献1)。另外，提出了推定监视对象者是否正在视觉确认应该视觉确认的对象物的注意力推定系统(参照专利文献2)。
[0005]现有技术文献
[0006]专利文献1：国际公开2008
‑
029802号
[0007]专利文献2：日本特开2015
‑
207163号公报

技术实现思路

[0008]为了解决上述的各个问题，基于第一观点的电子设备具备：
[0009]拍摄部，通过拍摄生成与场景对应的图像；
[0010]视线检测部，检测对象者相对于所述场景的视线；以及
[0011]控制部，基于所述图像和所述视线来推定所述对象者的清醒度，
[0012]所述控制部作为第一推定部和第二推定部发挥功能，
[0013]所述第一推定部通过对学习用图像和学习用对象者相对于该学习用图像的视线之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述图像来推定表示构成该图像的各位置处的所述视线的概率的视线预测图，
[0014]所述第二推定部通过对由所述第一推定部基于所述学习用图像而推定出的学习用视线预测图、学习用对象者相对于该学习用图像的视线、以及与该学习用对象者的清醒度相关的生物体信息之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述视线预测图和所述对象者的视线来推定与该对象者的清醒度相关的生物体信息。
[0015]基于第二观点的信息处理装置具备：
[0016]获取部，获取与场景对应的图像以及对象者相对于所述场景的视线；
[0017]控制部，基于所述图像及所述视线来推定所述对象者的清醒度；以及
[0018]输出部，输出所述清醒度，
[0019]所述控制部具有：第一推定部，通过对学习用图像与学习用对象者相对于该学习用图像的视线之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述图
像来生成表示该图像中的所述视线的频率的视线预测图；以及第二推定部，通过对由所述第一推定部基于所述学习用图像而推定出的学习用视线预测图、学习用对象者相对于该学习用图像的视线、以及与该学习用对象者的清醒度相关的生物体信息之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述视线预测图和所述对象者的视线来推定与该对象者的清醒度相关的生物体信息。
[0020]基于第三观点的推定方法，包括：
[0021]拍摄工序，通过拍摄生成与场景对应的图像；
[0022]视线检测工序，检测对象者相对于所述场景的视线；以及
[0023]推定工序，基于所述图像及所述视线来推定所述对象者的清醒度，
[0024]所述推定工序包括：
[0025]第一推定工序，通过对学习用图像和学习用对象者相对于该学习用图像的视线之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述图像来推定表示构成该图像的各位置处的所述视线的概率的视线预测图，
[0026]第二推定工序，通过对由所述第一推定部基于所述学习用图像而推定出的学习用视线预测图、学习用对象者相对于该学习用图像的视线、以及与该学习用对象者的清醒度相关的生物体信息之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述视线预测图和所述对象者的视线来推定与该对象者的清醒度相关的生物体信息。
[0027]基于第四观点的推定程序使计算机作为拍摄部、视线检测部和控制部发挥功能，
[0028]所述拍摄部通过拍摄生成与场景对应的图像；
[0029]所述视线检测部检测对象者相对于所述场景的视线；，
[0030]所述控制部基于所述图像和所述视线来推定所述对象者的清醒度，
[0031]所述控制部作为第一推定部和第二推定部发挥功能，
[0032]所述第一推定部通过对学习用图像和学习用对象者相对于该学习用图像的视线之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述图像来推定表示构成该图像的各位置处的所述视线的概率的视线预测图，
[0033]所述第二推定部通过对由所述第一推定部基于所述学习用图像而推定出的学习用视线预测图、学习用对象者相对于该学习用图像的视线、以及与该学习用对象者的清醒度相关的生物体信息之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述视线预测图和所述对象者的视线来推定与该对象者的清醒度相关的生物体信息。
附图说明
[0034]图1是表示本实施方式的电子设备的概略结构的框图。
[0035]图2是用于说明由视线检测部检测的视线与图像之间的关系的图。
[0036]图3是表示对于图像由第一推定部推定的视线预测图的具体例的图。
[0037]图4是用于说明由图1的控制部执行的推定处理的流程图。
[0038]图5是表示作为本实施方式的变形例的信息处理装置的概略结构的框图。
具体实施方式
[0039]以下，参照附图对应用了本专利技术的电子设备的实施方式进行说明。需要说明的是，
以下的说明兼有应用了本专利技术的信息处理装置、推定方法和推定程序的说明。
[0040]本专利技术的一个实施方式的电子设备例如设置于移动体。移动体可以包括例如车辆、船舶以及航空器等。车辆例如可以包括汽车、工业车辆、铁道车辆、生活车辆、以及在跑道上行驶的固定翼飞机等。汽车可以包括例如乘用车、卡车、公共汽车、两轮车、以及无轨电车等。工业车辆例如可以包括面向农业和建设的工业车辆等。工业车辆可以包括例如叉车以及高尔夫球车等。面向农业的工业车辆例如可以包括拖拉机、耕种机、移栽机、捆扎机、联合收割机以及割草机等。面向建设的工业车辆例如可以包括推土机、铲运机、挖掘机、起重车、翻斗车以及压路机等。车辆可以包括人力行驶的车辆。车辆的分类不限于上述的例子。例如，汽车可以包括能够在道路上行驶的工业车辆。多个分类可以包括相同的车辆。船舶可以包括例如海上喷气式飞机、小船和油轮等。航空器可以包括例如固定翼飞机和旋转翼飞机等。
[0041]如图1所示，本专利技术的一个实施例的电子设备10构成为包括：拍摄部11、视线检测部12、存储器13和控制部14。
[0042]拍摄部11例如以能够拍摄移动体的前进方向的场景的方式设置于移动体。拍摄部11本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种电子设备，具备：拍摄部，通过拍摄生成与场景对应的图像；视线检测部，检测对象者相对于所述场景的视线；以及控制部，基于所述图像和所述视线来推定所述对象者的清醒度，所述控制部作为第一推定部和第二推定部发挥功能，所述第一推定部通过对学习用图像和学习用对象者相对于该学习用图像的视线之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述图像来推定表示构成该图像的各位置处的所述视线的概率的视线预测图，所述第二推定部通过对由所述第一推定部基于所述学习用图像而推定出的学习用视线预测图、学习用对象者相对于该学习用图像的视线、以及与该学习用对象者的清醒度相关的生物体信息之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述视线预测图和所述对象者的视线来推定与该对象者的清醒度相关的生物体信息。2.根据权利要求1所述的电子设备，所述控制部基于连续拍摄的多个所述图像以及相对于多个所述图像中的每一个图像的所述视线来推定所述对象者的清醒度。3.根据权利要求2所述的电子设备，所述控制部在所述连续拍摄的多个所述图像以及相对于每一个所述图像的所述视线中，排除所述视线的移动速度超过阈值的视线以及图像的组合，来推定所述对象者的清醒度。4.一种信息处理装置，具备：获取部，获取与场景对应的图像以及对象者相对于所述场景的视线；控制部，基于所述图像以及所述视线来推定所述对象者的清醒度；以及输出部，输出所述清醒度，所述控制部具有：第一推定部，通过对学习用图像和学习用对象者相对于该学习用图像的视线之间的关系进行机器学习而得到的学习数据来进行构建，并能够基于所述图像来生成表示该图像中的所述视线的频率的视线预测图；以及第二推定部，通过对由所述第一推定部基于所述学习用图像而推定出的学习用视线预测图、学习用对象者相对于该学习用图像的视线、以及与该学习用对象者的清醒度相关的生物体信息之间的关系进...

【专利技术属性】
技术研发人员：篠崎教志，
申请(专利权)人：京瓷株式会社，
类型：发明
国别省市：