JP6847708B2 - Bed positioning device - Google Patents
Bed positioning device Download PDFInfo
- Publication number
- JP6847708B2 JP6847708B2 JP2017033852A JP2017033852A JP6847708B2 JP 6847708 B2 JP6847708 B2 JP 6847708B2 JP 2017033852 A JP2017033852 A JP 2017033852A JP 2017033852 A JP2017033852 A JP 2017033852A JP 6847708 B2 JP6847708 B2 JP 6847708B2
- Authority
- JP
- Japan
- Prior art keywords
- bed
- image
- area
- small area
- entire
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 11
- 230000002093 peripheral effect Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Landscapes
- Alarm Systems (AREA)
- Image Analysis (AREA)
Description
本発明は、見守り対象者の状態をカメラの撮像映像により見守る際に、撮像映像から人物が伏しているベッド位置を特定するベッド位置特定装置に関する。 The present invention relates to a bed position specifying device that identifies a bed position in which a person is lying down from a captured image when the state of a person to be watched is monitored by an image captured by a camera.
病院をはじめ老人ホームや高齢者施設では、高齢者の転倒による事故が多発している。このような施設での転倒事故は、ベッドから起き上がって離床する際に発生する場合が多いため、ベッド上の患者等の見守り対象者を撮像するカメラを設置して見守るシステムがある。例えば、特許文献1では患者の頭部上方からベッド全体を撮像し、その映像から患者の起き上がり動作を判別した。 In hospitals, elderly homes and facilities for the elderly, accidents due to falls of the elderly occur frequently. Since a fall accident in such a facility often occurs when getting up from the bed and getting out of bed, there is a system for watching over by installing a camera that captures a person to be watched over such as a patient on the bed. For example, in Patent Document 1, the entire bed was imaged from above the patient's head, and the patient's rising motion was discriminated from the image.
しかしながら、上記従来の人物の起き上がり等の動作を検出する技術は、撮像エリア全体の動き情報から人物の動作を検出するため、ベッド周囲の看護師や見舞人の動きなど、見守り対象者以外の人物の動きを見守り対象者の動きとして誤検知することがあった。 However, since the conventional technique for detecting the movement of a person such as getting up is to detect the movement of the person from the movement information of the entire imaging area, a person other than the person to be watched, such as the movement of a nurse or a visitor around the bed. In some cases, the movement of the subject was watched over and falsely detected as the movement of the subject.
そこで、本発明はこのような問題点に鑑み、ベッド周囲の人物を見守り対象の人物と判断しないようカメラの撮像画像からベッドの位置を特定するベッド位置特定装置を提供することを特徴とする。 Therefore, in view of such a problem, the present invention is characterized in providing a bed position specifying device that identifies a bed position from an image captured by a camera so as not to watch over a person around the bed and determine that the person is a target person.
上記課題を解決する為に、請求項1の発明は、ベッドが配置された部屋全体を上方から撮像するカメラと、カメラの撮像画像全体を、ベッド領域を設定するための特定の形状及びサイズの枠により重複部を設けて複数に分割する画像分割部と、枠により生成される個々の小領域画像から画像特徴を抽出する特徴抽出部と、ベッドの有無で2クラスに分けた学習サンプルから抽出した画像特徴を記憶する学習部と、特徴抽出部が抽出した画像特徴と学習部の情報とを基にベッドの有無を判定する第1判定部と、第1判定部がベッド有りと判定した小領域画像に対して、当該小領域画像の全領域の平均輝度、及び小領域画像の周囲一定幅を削除した内部領域の平均輝度を算出する輝度算出部と、算出された全領域及び内部領域の2つの平均輝度情報を基にベッド有りを確定する第2判定部とを備え、第2判定部は、全領域の平均輝度が内部領域の平均輝度より低ければベッド有りを確定することを特徴とする。
この構成によれば、撮像画像におけるベッド位置を特定するため、見守りエリアを撮像エリア内の特定の領域に限定することが可能となり、ベッド周囲の人物の動きを排除でき誤検出を大きく削減することができる。加えて、画像特徴と輝度特徴の双方からベッド領域を判定するため、確実にベッド位置を特定できるし、輝度演算は特定の小領域画像に対してのみであるため、演算量を削減できる。
In order to solve the above problem, the invention of claim 1 is a camera that images the entire room in which the bed is arranged from above, and an entire image captured by the camera, which has a specific shape and size for setting a bed area. An image division part that provides an overlapping part by a frame and divides it into a plurality of parts, a feature extraction part that extracts image features from individual small area images generated by the frame, and a learning sample divided into two classes depending on the presence or absence of a bed. A learning unit that stores the image features that have been created, a first determination unit that determines the presence or absence of a bed based on the image features extracted by the feature extraction unit and information from the learning unit, and a small determination unit that determines that there is a bed. A brightness calculation unit that calculates the average brightness of the entire area of the small area image and the average brightness of the internal area in which the constant peripheral width of the small area image is deleted from the area image, and the calculated total area and the internal area. It is provided with a second determination unit that determines the presence of a bed based on two average brightness information, and the second determination unit is characterized in that if the average brightness of the entire area is lower than the average brightness of the internal area, the presence of a bed is determined. To do.
According to this configuration, in order to specify the bed position in the captured image, the watching area can be limited to a specific area in the imaging area, the movement of a person around the bed can be eliminated, and false detection can be greatly reduced. Can be done. In addition, since the bed area is determined from both the image feature and the brightness feature, the bed position can be reliably specified, and the brightness calculation is performed only for the specific small area image, so that the amount of calculation can be reduced.
請求項2の発明は、請求項1に記載の構成において、小領域画像を生成する枠は、撮像画像内のベッドの大きさに対して1割程度大きいことを特徴とする。
この構成によれば、複数生成される小領域画像の何れかにベッド全体を含ませることが可能であり、その枠により生成された小領域画像を見守り対象者の動作判定領域として良好に使用できる。
The invention of
According to this configuration, it is possible to include the entire bed in any of the plurality of generated small area images, and the small area image generated by the frame can be watched and used satisfactorily as the motion determination area of the target person. ..
本発明によれば、撮像画像内におけるベッド位置を特定するため、見守りエリアを特定した領域に限定することが可能となり、ベッド周囲の人物の動きを排除でき誤検出を大きく削減することができる。加えて、画像特徴と輝度特徴の双方からベッド領域を判定するため、確実にベッド位置を特定できるし、輝度演算は特定の小領域画像に対してのみであるため、演算量を削減できる。 According to the present invention, since the bed position in the captured image is specified, the watching area can be limited to the specified area, the movement of a person around the bed can be eliminated, and erroneous detection can be greatly reduced. In addition, since the bed area is determined from both the image feature and the brightness feature, the bed position can be reliably specified, and the brightness calculation is performed only for the specific small area image, so that the amount of calculation can be reduced.
以下、本発明を具体化した実施の形態を、図面を参照して詳細に説明する。図1は本発明に係るベッド位置特定装置の一例を示すブロック図であり、1は撮像素子を備えたカメラ、2はカメラ1の撮像画像を一時的に保持する画像保持部、3は撮像画像を複数の小領域画像に分割する画像分割部、4は小領域画像毎に画像特徴を抽出する特徴抽出部、5は画像特徴の学習データを蓄積した学習部、6は特徴抽出部4が抽出した画像特徴と学習部5のデータを基にベッドの有無を判定する第1判定部、7は第1判定部6がベッド有りと判定した小領域画像に対して全領域と周囲を除いた内部領域の平均輝度を算出する輝度算出部、8は輝度算出部7の算出結果を基にベッド有りを確定する第2判定部である。
尚、画像保持部2、画像分割部3、特徴抽出部4、学習部5、第1判定部6、輝度算出部7、第2判定部8は、動作プログラムをインストールしたCPU或いはDSPにより一体に構成される。
Hereinafter, embodiments embodying the present invention will be described in detail with reference to the drawings. FIG. 1 is a block diagram showing an example of a bed position specifying device according to the present invention, in which 1 is a camera provided with an image pickup element, 2 is an image holding unit for temporarily holding an image captured by the
The
カメラ1は、患者等の見守り対象者(以下、単に「患者」とする。)を撮像するために、患者の居る部屋の上部に配置されて部屋全体を撮像するよう設置されている。このようにカメラ1を配置することで、カメラ1を移動或いはカメラ1の角度を変更すること無く、部屋の何れの場所にベッドを移動してもベッド全体を撮像エリア内に納めることを可能としている。そして、カメラ1からは動画が出力されるが、この動画は所定間隔で連続出力される画像フレーム(静止画)により構成されている。 The camera 1 is arranged in the upper part of the room where the patient is present and is installed so as to take an image of the entire room in order to take an image of a person to be watched over such as a patient (hereinafter, simply referred to as a "patient"). By arranging the camera 1 in this way, it is possible to fit the entire bed in the imaging area regardless of where the bed is moved in the room without moving the camera 1 or changing the angle of the camera 1. There is. Then, a moving image is output from the camera 1, and this moving image is composed of image frames (still images) that are continuously output at predetermined intervals.
画像保持部2は、例えばRAMで構成され、カメラ1が撮像した画像(画像フレーム)が後段の画像分割処理等実施されるまで一次保管される。
The
画像分割部3は、画像保持部2の画像、即ちカメラ1が出力する画像フレームを複数の小領域画像に分割する。このとき小領域画像を生成するために設定される枠は、好ましい形状とサイズがあり、運用開始時に設定される。
そのうち形状は、撮像されるベッドの形状で決定され、基本は縦長に配置されるようカメラ1が固定されるため、使用する枠も縦長の長方形が選択される。以下、この形状で説明する。
The
The shape is determined by the shape of the bed to be imaged, and since the camera 1 is basically fixed so as to be arranged vertically, a vertically long rectangle is selected as the frame to be used. Hereinafter, this shape will be described.
サイズに関しては、異なる複数種類のサイズの枠が用意されており、図2はサイズ異なる枠を使用した画像分割の概念を示している。図2(a)は撮像するベッドの領域に対して十分大きな枠で分割する様子、図2(b)はベッドより僅かに大きな枠で分割する様子、図2(c)はベッドより僅かに小さな枠で分割する様子を示して3種類の大きさの小領域に分割する様子を示している。 Regarding the size, frames having a plurality of different sizes are prepared, and FIG. 2 shows the concept of image division using frames having different sizes. FIG. 2A shows a state in which the area of the bed to be imaged is divided into a sufficiently large frame, FIG. 2B shows a state in which the area is divided into a frame slightly larger than the bed, and FIG. 2C shows a state in which the area is slightly smaller than the bed. The state of dividing by a frame is shown, and the state of dividing into small areas of three different sizes is shown.
尚、小領域画像の生成は、カメラ1が出力する画像フレームに対して、重なり部を有して画像全域を分割するように枠が平行移動して、順次小領域画像を生成し、生成した小領域画像データが後段に出力され、出力された画像に対して順次画像処理が成される。 In the generation of the small area image, the small area image is sequentially generated and generated by moving the frame in parallel so as to have an overlapping portion and divide the entire image with respect to the image frame output by the camera 1. The small area image data is output in the subsequent stage, and image processing is sequentially performed on the output images.
画像フレーム中のベッドサイズは、画像サイズに対して概ね一定に決定されるが、ベッドサイズはベッドとカメラとの間の距離により異なるため、図2のように複数種類のサイズを用意しておき、新たに設定することなく選択操作により簡易な操作で最適な枠サイズを選択可能としている。 The bed size in the image frame is determined to be almost constant with respect to the image size, but since the bed size differs depending on the distance between the bed and the camera, a plurality of types of sizes are prepared as shown in FIG. , It is possible to select the optimum frame size with a simple operation by the selection operation without making a new setting.
その際、枠サイズの選択は、ベッドの位置が決定した際に撮像画像を基に選択され、撮像されるベッドに対して幅と高さに1割程度のマージンを持たせたサイズ或いはそれに近い枠が選択される。1割程度のマージンを設けることで、何れかの小領域画像がベッド全体或いはほぼ全体を含んだ画像となるため、その画像からベッドの捕捉が容易となる。また、その小領域自体をベッド領域としてその周囲を判断の対象外とすることで、患者の動作を認識する際に見守り対象の患者以外の周囲の人物を排除し易い。 At that time, the frame size is selected based on the captured image when the position of the bed is determined, and the size is equal to or close to the size of the bed to be imaged with a margin of about 10% in width and height. The frame is selected. By providing a margin of about 10%, any small area image becomes an image including the entire bed or almost the entire bed, so that the bed can be easily captured from the image. Further, by setting the small area itself as the bed area and excluding the surrounding area from the judgment target, it is easy to exclude the surrounding persons other than the patient to be watched when recognizing the movement of the patient.
特徴抽出部4は、小領域画像から画像特徴を抽出する。画像特徴は、例えば非特許文献1に開示されているSIFTや、コーナーを表現する例えば非特許文献2に開示されているようなHarrisコーナー、または画像の勾配を表す例えば非特許文献3に開示されているようなHOG等が適用されて、物体の形状を表現する画像特徴が算出(抽出)される。
この抽出は、分割された各小領域画像に対して逐次的に実施される。
The feature extraction unit 4 extracts image features from the small area image. Image features are disclosed in, for example, SIFT disclosed in Non-Patent Document 1, Harris corners representing corners, for example, as disclosed in
This extraction is sequentially performed on each divided subregion image.
学習部5は、部屋の中の様々な場所にベッドを配置して上記配置状態のカメラ1により部屋全体を上方から撮像した複数の撮像画像と、ベッド無しの撮像画像とでクラス分けしたデータを基に算出した特徴量情報を記憶している。
The
第1判定部6は、ベッドと非ベッドの2クラスに分けた学習部5が記憶している学習サンプルと、特徴抽出部4が算出した特徴量とを用いて学習された強識別器によって構成された周知のアダブーストによる識別器を用いて、画像分割部3にて分割された小領域画像がベッドか否か(ベッドが有るか)の判定を行う。
尚、識別器はSVMや部分空間法、ニューラルネットワークなど様々な手法が適応できる。
The
Various methods such as SVM, subspace method, and neural network can be applied to the classifier.
輝度算出部7は、第1判定部6がベッド有りと判定した小領域画像に対して、全領域に対する平均輝度と、内部領域に対する平均輝度を算出する。上述したように、画像分割部3において分割された小領域画像はベッドの大きさに1割程度のマージンを付加したサイズの枠を用いて生成されている。そこで、小領域画像の周囲1割を削除した領域を内部領域として、その内部領域に対して平均輝度を算出する。
The
図3,4は、小領域画像がベッド全体を含んでいる場合の輝度ヒストグラムを示し、図3は全領域、図4は内部領域を示している。何れも(a)は算出対象の小領域画像を示し、(b)が算出した輝度ヒストグラムである。図4(a)に示す枠内が内部領域であり、内部領域に対するヒストグラムは全領域のヒストグラムに比べて暗い領域が減少する(低輝度領域のスコアが低い)ことがわかる。 3 and 4 show a luminance histogram when the small area image includes the entire bed, FIG. 3 shows the entire area, and FIG. 4 shows the internal area. In each case, (a) shows a small area image to be calculated, and (b) is a luminance histogram calculated. It can be seen that the inside of the frame shown in FIG. 4A is the internal region, and the histogram for the internal region has a smaller dark region than the histogram for the entire region (the score in the low-luminance region is low).
ここで、比較対象としてベッドを含まない小領域画像に対して算出した輝度ヒストグラムを図5,6に示している。図5は小領域画像がベッドを含まない背景領域である場合の全領域に対する輝度ヒストグラムを示し、(a)は算出対象の小領域画像、(b)は算出した輝度ヒストグラムである。図6は図5の小領域画像に対して周囲一定幅を削除して生成した内部領域に対する輝度ヒストグラムを示し、(a)算出対象の内部領域、(b)は算出した輝度ヒストグラムである。
図5,6に示す様に、ベッドを含まない小領域画像の場合、小領域画像の全領域から得た輝度ヒストグラムに比べて、内部領域から得た輝度ヒストグラムは、外周周辺の高輝度の情報を含まない(高輝度領域のスコアが低い)ことがわかる。
Here, the luminance histograms calculated for the small area image not including the bed as a comparison target are shown in FIGS. 5 and 6. FIG. 5 shows a brightness histogram for the entire area when the small area image is a background area that does not include a bed, (a) is a small area image to be calculated, and (b) is a calculated brightness histogram. FIG. 6 shows a luminance histogram for an internal region generated by deleting a constant peripheral width with respect to the small region image of FIG. 5, (a) an internal region to be calculated, and (b) is a calculated luminance histogram.
As shown in FIGS. 5 and 6, in the case of the small area image not including the bed, the brightness histogram obtained from the internal area is higher brightness information around the outer circumference than the brightness histogram obtained from the entire area of the small area image. It can be seen that does not include (the score in the high brightness region is low).
第2判定部8は、輝度算出部7から得られた2つの平均輝度からベッド判定を行う。小領域画像の全領域領域と内部領域の平均輝度を比較し、全領域領域の平均輝度が、内部領域の平均輝度よりも低ければ分割領域がベッドであると判定する。
上述したように、処理対象の小領域画像がベッド領域に該当する場合、小領域画像の内部領域から得た輝度ヒストグラムは全領域から得た輝度ヒストグラムに比べて低輝度領域のスコアが低い。逆に、ベッドを含まない小領域画像の場合、小領域画像の内部領域から得た輝度ヒストグラムは全領域から得た輝度ヒストグラムに比べて高輝度領域のスコアが低い。このことから、小領域画像の全領域領域と内部領域の平均輝度を比較し、全領域領域の平均輝度が、内部領域の平均輝度よりも低ければその領域がベッドであると判定する。
そして、この判定された小領域画像の領域のみに対して、その後人物の動作判定が成される(詳述せず)。
The
As described above, when the small area image to be processed corresponds to the bed area, the luminance histogram obtained from the internal region of the small area image has a lower score in the low brightness region than the luminance histogram obtained from all the regions. On the contrary, in the case of the small area image not including the bed, the luminance histogram obtained from the internal region of the small area image has a lower score in the high luminance region than the luminance histogram obtained from all the regions. From this, the average brightness of the entire region and the internal region of the small region image is compared, and if the average brightness of the entire region is lower than the average brightness of the internal region, it is determined that the region is a bed.
Then, the motion determination of the person is subsequently made only for the region of the determined small area image (not described in detail).
このように、撮像画像内におけるベッド位置を特定するため、見守りエリアを撮像エリア内の特定の領域に限定することが可能となり、ベッド周囲の人物の動きを排除でき誤検出を大きく削減することができる。加えて、画像特徴と輝度特徴の双方からベッド領域を判定するため、確実にベッド位置を特定できるし、輝度演算は特定の小領域画像に対してのみであるため、演算量を削減できる。
更に、ベッドより1割程度大きい枠により小領域画像を生成することで、複数生成される小領域画像の何れかにベッド全体を含ませることが可能であり、その枠により生成された小領域画像を見守り対象者の動作判定領域として良好に使用できる。
In this way, in order to specify the bed position in the captured image, the watching area can be limited to a specific area in the imaging area, the movement of a person around the bed can be eliminated, and false detection can be greatly reduced. it can. In addition, since the bed area is determined from both the image feature and the brightness feature, the bed position can be reliably specified, and the brightness calculation is performed only for the specific small area image, so that the amount of calculation can be reduced.
Furthermore, by generating a small area image with a frame that is about 10% larger than the bed, it is possible to include the entire bed in any of the plurality of generated small area images, and the small area image generated by the frame. It can be satisfactorily used as an operation judgment area for the target person while watching over.
尚、上記実施形態では、小領域画像を生成する枠のベッドサイズに対するマージンを1割程度としているが、画像フレーム内のベッドの大きさに対して同程度としても患者の動作判定は可能であるし、ベッドサイズより2割程度のマージンを設けても良い。マージンが大きいと、その分ベッド上の患者以外の周囲にいる人物も含めて見守り対象の人物と判断する確率は上昇するが、2割程度であればその確率も低く抑制できる。
但し、その場合は、内部領域の平均輝度を算出する際の周囲の削除量も2割程度と大きくするのが望ましい。
また、小領域画像の生成するための枠は、正方形であっても横長の形状としても良く、カメラ1の撮像画像にベッドが横向きに配置される場合は横長の枠を用意するのが好ましい。
In the above embodiment, the margin with respect to the bed size of the frame for generating the small area image is set to about 10%, but the movement of the patient can be determined even if the margin is set to about the same as the size of the bed in the image frame. However, a margin of about 20% from the bed size may be provided. If the margin is large, the probability of determining the person to be watched, including the people around the patient other than the patient on the bed, increases, but if it is about 20%, the probability can be suppressed to a low level.
However, in that case, it is desirable to increase the amount of deletion of the surroundings to about 20% when calculating the average brightness of the internal region.
Further, the frame for generating the small area image may be square or horizontally long, and when the bed is arranged horizontally in the image captured by the camera 1, it is preferable to prepare a horizontally long frame.
1・・カメラ、2・・画像保持部、3・・画像分割部、4・・特徴抽出部、5・・学習部、6・・第1判定部、7・・輝度算出部、8・・第2判定部。 1 ... camera, 2 ... image holding unit, 3 ... image dividing unit, 4 ... feature extraction unit, 5 ... learning unit, 6 ... 1st judgment unit, 7 ... brightness calculation unit, 8 ... Second judgment unit.
Claims (2)
前記カメラの撮像画像全体を、ベッド領域を設定するための特定の形状及びサイズの枠により重複部を設けて複数に分割する画像分割部と、
前記枠により生成される個々の小領域画像から画像特徴を抽出する特徴抽出部と、
ベッドの有無で2クラスに分けた学習サンプルから抽出した前記画像特徴を記憶する学習部と、
前記特徴抽出部が抽出した前記画像特徴と前記学習部の情報とを基に前記ベッドの有無を判定する第1判定部と、
前記第1判定部がベッド有りと判定した前記小領域画像に対して、当該小領域画像の全領域の平均輝度、及び前記小領域画像の周囲一定幅を削除した内部領域の平均輝度を算出する輝度算出部と、
算出された前記全領域及び前記内部領域の2つの平均輝度情報を基にベッド有りを確定する第2判定部とを備え、
前記第2判定部は、前記全領域の平均輝度が前記内部領域の平均輝度より低ければベッド有りを確定することを特徴とするベッド位置特定装置。 A camera that captures the entire room where the bed is placed from above,
An image dividing portion that divides the entire image captured by the camera into a plurality of images by providing overlapping portions according to a frame having a specific shape and size for setting a bed area.
A feature extraction unit that extracts image features from individual small area images generated by the frame, and
A learning unit that stores the image features extracted from the learning samples divided into two classes according to the presence or absence of a bed, and
A first determination unit that determines the presence or absence of the bed based on the image features extracted by the feature extraction unit and the information of the learning unit.
For the small area image determined by the first determination unit to have a bed, the average brightness of the entire area of the small area image and the average brightness of the internal area in which the constant peripheral width of the small area image is deleted are calculated. Brightness calculation unit and
It is provided with a second determination unit for determining the presence or absence of a bed based on the calculated two average brightness information of the entire area and the internal area.
The second determination unit is a bed position specifying device, characterized in that if the average brightness of the entire area is lower than the average brightness of the internal area, it is determined that there is a bed.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017033852A JP6847708B2 (en) | 2017-02-24 | 2017-02-24 | Bed positioning device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017033852A JP6847708B2 (en) | 2017-02-24 | 2017-02-24 | Bed positioning device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018139072A JP2018139072A (en) | 2018-09-06 |
JP6847708B2 true JP6847708B2 (en) | 2021-03-24 |
Family
ID=63451213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017033852A Active JP6847708B2 (en) | 2017-02-24 | 2017-02-24 | Bed positioning device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6847708B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6866182B2 (en) * | 2017-02-24 | 2021-04-28 | アイホン株式会社 | Bed positioning device |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6503262B2 (en) * | 2015-08-19 | 2019-04-17 | アイホン株式会社 | Motion recognition device |
-
2017
- 2017-02-24 JP JP2017033852A patent/JP6847708B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018139072A (en) | 2018-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11470241B2 (en) | Detecting facial expressions in digital images | |
US20160140399A1 (en) | Object detection apparatus and method therefor, and image recognition apparatus and method therefor | |
JP5106356B2 (en) | Image monitoring device | |
JP2011070576A (en) | Image processor and image processing method | |
JP5290227B2 (en) | Object detection device and learning device thereof | |
JP2012084012A (en) | Image processing device, processing method therefor, and program | |
KR101712136B1 (en) | Method and apparatus for detecting a fainting situation of an object by using thermal image camera | |
JP6866182B2 (en) | Bed positioning device | |
JP7236853B2 (en) | bed positioning device | |
JP6847708B2 (en) | Bed positioning device | |
JP5154461B2 (en) | Moving object tracking device | |
JP6847690B2 (en) | Bed identification device | |
US10832044B2 (en) | Image recognition device and image recognition program | |
JP2014199506A (en) | Object detection device, object method of detection, and program | |
JP5465594B2 (en) | Object detection size calculation system and object detection size calculation program | |
JP6939065B2 (en) | Image recognition computer program, image recognition device and image recognition method | |
JP6543546B2 (en) | Specific motion detection device and specific motion detection method | |
US10842414B2 (en) | Information processing device, information processing method, program, and watching system | |
Naba et al. | Haar-like feature based real-time neuro car detection system | |
JP4565738B2 (en) | Image sensor | |
WO2020259603A1 (en) | Image processing apparatus and method | |
WO2019013104A1 (en) | Monitoring assistance system and control method thereof | |
Singh et al. | Drowsy Driver Detection System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191128 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210125 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210202 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210303 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6847708 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |