[发明专利]疲劳度评价系统及疲劳度评价装置在审

专利信息
申请号: 202080054430.5 申请日: 2020-07-20
公开(公告)号: CN114207662A 公开(公告)日: 2022-03-18
发明(设计)人: 秋元健吾;冈野达也;中岛基 申请(专利权)人: 株式会社半导体能源研究所
主分类号: G06T7/00 分类号: G06T7/00;A61B5/16
代理公司: 上海专利商标事务所有限公司 31100 代理人: 宋俊寅
地址: 日本神*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 疲劳 评价 系统 装置
【说明书】:

提供一种疲劳度评价系统。疲劳度评价系统包括积累部、生成部、存储部、取得部及测定部,积累部具有积累多个第一图像及多个第二图像的功能,多个第一图像为从侧面或倾斜方向取得的眼睛及其周边的图像,多个第二图像为从正面取得的眼睛及其周边的图像,生成部具有进行监督学习而生成学习了的模型的功能,存储部具有储存学习了的模型的功能,取得部具有取得第三图像的功能,第三图像为从侧面或倾斜方向取得的眼睛及其周边的图像,测定部具有基于学习了的模型从第三图像测定疲劳度的功能。

技术领域

本发明的一个方式涉及一种疲劳度的评价方法。另外,本发明的一个方式涉及一种疲劳度评价系统。另外,本发明的一个方式涉及一种疲劳度评价装置。

背景技术

在现代社会中,通过适当地管理工人健康状态,可以实现工人的健康、工作生产率的提高、事故的防止等,所以工人健康状态的适当管理是重要的课题。当然,健康状态的适当管理除了工人之外还对学生、家庭主妇等来说是重要的课题。

疲劳的积累引起健康状态的恶化。疲劳可以分为身体疲劳、精神疲劳及神经疲劳。因身体疲劳的积累而发生的症状较容易自知。另一方面,因精神疲劳或神经疲劳的积累而发生的症状在很多情况下不容易自知。最近增加视觉负担很大的VDT(Visual DisplayTerminal:视觉显示终端)工作,有神经疲劳容易积累的环境。

作为疲劳的原因之一,可以举出心理压力(也简称为压力)。另外,据说慢性疲劳引起自主神经的杂乱。于是,近年来,使用机器学习等测定疲劳度或压力状态的方法受到注目。专利文献1公开了使用闪光检测精神疲劳的方法。此外,专利文献2公开了包括机器学习器的自主神经功能及压力评价装置。

[先行技术文献]

[专利文献]

[专利文献1]日本专利申请公开第2008-301841号公报

[专利文献2]日本专利申请公开第2008-259609号公报

发明内容

发明所要解决的技术问题

当使用专利文献1及专利文献2所公开的检测装置及评价装置评价疲劳度或压力时,在使用者为工人的情况下需要中断工作,由此工作生产率有可能下降。另外,当使用者视觉上意识到上述检测装置时,有可能除了在使用上述检测装置之前已积累的精神疲劳之外还积累精神疲劳。因此,难以正常地检测精神疲劳。

于是,本发明的一个方式的目的之一是评价疲劳度。另外,本发明的一个方式的目的之一是在抑制工作生产率的下降的同时评价疲劳度。

注意,这些目的的记载并不妨碍其他目的的存在。注意,本发明的一个方式并不需要实现所有上述目的。上述目的以外的目的可以显而易见地从说明书、附图、权利要求书等的描述中看出,并且可以从该描述中抽取上述目的以外的目的。

解决技术问题的手段

鉴于上述目的,本发明的一个方式提供一种评价疲劳度的系统(疲劳度评价系统),该系统通过作为学习数据使用眼睛及其周边的信息进行机器学习,预先生成学习了的模型,基于从使用者视觉上不容易意识到的位置取得的眼睛及其周边的信息评价疲劳度。另外,本发明的一个方式提供一种包括该疲劳度评价系统的器具及电子设备。

本发明的一个方式是一种包括积累部、生成部、存储部、取得部及测定部的疲劳度评价系统。积累部具有积累多个第一图像及多个第二图像的功能。多个第一图像为从侧面或倾斜方向取得的眼睛及其周边的图像。多个第二图像为从正面取得的眼睛及其周边的图像。生成部具有进行监督学习而生成学习了的模型的功能。存储部具有储存学习了的模型的功能。取得部具有取得第三图像的功能。第三图像为从侧面或倾斜方向取得的眼睛及其周边的图像。测定部具有基于学习了的模型从第三图像测定疲劳度的功能。

在上述疲劳度评价系统中,监督学习优选作为监督数据被提供瞳孔和眨眼中的至少一个。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于株式会社半导体能源研究所,未经株式会社半导体能源研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202080054430.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top