排泄物判定方法、排泄物判定装置以及排泄物判定程序与流程

1.本公开涉及基于图像数据来判定排泄物的技术。


背景技术：

2.专利文献1公开了如下技术：将彩色图像变换成灰度图像，根据灰度图像计算图像的梯度的大小，将计算出的图像的梯度的大小分类成一定的步长尺寸的直方图的子区域(bin)，将分类成子区域的直方图输入支持向量机等分类器来判定大便的硬度等。
3.然而，在专利文献1的技术中，在正确地检测处于便器的积水中的排泄物这方面，需要进一步的改善。
4.在先技术文献
5.专利文献
6.专利文献1：日本特表2020-516422号公报


技术实现要素：

7.本公开是为了解决这样的课题而完成的，提供能够高精度地检测处于便器的积水中的排泄物的技术。
8.本公开的一方式中的排泄物判定方法是判定排泄物的排泄物判定装置中的排泄物判定方法，所述排泄物判定装置的处理器执行以下处理：获取由对便器的便池内进行拍摄的摄像机拍摄到的排泄物的彩色的图像数据，基于所述图像数据中包括的r(红)值、g(绿)值以及b(蓝)值，计算g/r值以及b/r值，基于所述g/r值以及所述b/r值，判定在所述图像数据中是否包括排便、排尿以及出血中的至少一者的图像，输出所述判定的结果。
9.根据本公开，能够高精度地检测处于便器的积水中的排泄物。
附图说明
10.图1是示出本公开的实施方式1中的排泄物判定系统的结构的图。
11.图2是用于对本公开的实施方式1中的传感器单元以及排泄物判定装置的配置位置进行说明的图。
12.图3是示出检测区域的图。
13.图4是示出本公开的实施方式1中的排泄物判定装置的处理的概要的时序图。
14.图5是示出排泄物判定装置生成成为发送对象的图像数据的处理的一个例子的流程图。
15.图6是示出在实施方式1中的排泄物判定装置中从用户落座到离座为止的处理的一个例子的流程图。
16.图7是示出排泄检测处理的一个例子的流程图。
17.图8是汇总了排便条件、排尿条件以及出血条件的表。
18.图9是示出实施方式2中的排泄物判定系统的结构的一个例子的框图。
19.图10是示出实施方式2中的排泄检测处理的一个例子的流程图。
20.图11是汇总了黑便条件的表。
21.图12是汇总了黄便条件的表。
具体实施方式
22.(成为本公开的基础的知识)
23.在看护设施中，被看护者的排泄次数以及排泄时间等排泄信息在把握被看护者的健康风险这方面是重要的信息，但若使看护者承担记录排泄信息的作业，则看护者的负担变大。此外，若看护者在被看护者身旁进行排泄信息的记录作业，则被看护者的心理的负担变大。因此，要求根据设置在便器的摄像机拍摄到的图像数据来识别排泄物，基于识别结果生成排泄信息，并自动地记录生成的排泄信息。
24.然而，积存在便器的便池部的积存部的积水的表层的排泄物由于逐渐沉在底部，从而颜色随时间经过而变淡，因而若仅仅单纯地根据图像数据的r值、g值以及b值各自的值来检测排泄物，则存在不能正确地检测排泄物这样的课题。
25.本公开是为了解决这样的课题而完成的。
26.本公开的一方式中的排泄物判定方法是判定排泄物的排泄物判定装置中的排泄物判定方法，所述排泄物判定装置的处理器执行以下处理：获取由对便器的便池内进行拍摄的摄像机拍摄到的排泄物的彩色的图像数据，基于所述图像数据中包括的r(红)值、g(绿)值以及b(蓝)值，计算g/r值以及b/r值，基于所述g/r值以及所述b/r值，判定在所述图像数据中是否包括排便、排尿以及出血中的至少一者的图像，输出所述判定的结果。
27.根据该结构，基于图像数据中包括的r值、b值、g值计算出g/r值、b/r值，基于计算出的g/r值、b/r值，判定在图像数据中是否包括排便、排尿以及出血中的至少一者的图像。在此，g/r值、b/r值具有即便由于处于积水的表层的排泄物逐渐沉在底部从而积水的表层的排泄物的颜色随时间经过而变淡，也会维持其值的特性。其结果，即便由于便器的积水的影响从而积水的表层的排泄物的颜色随时间经过而变淡，也能够高精度地检测排泄物的图像。
28.在上述排泄物判定方法中，也可以是，在所述判定中，在所述g/r值以及所述b/r值分别满足给定的排便条件的情况下，判定为在所述图像数据中包括所述排便的图像，在所述g/r值以及所述b/r值分别满足给定的排尿条件的情况下，判定为在所述图像数据中包括所述排尿的图像，在所述g/r值以及所述b/r值分别满足给定的出血条件的情况下，判定为在所述图像数据中包括所述出血的图像。
29.根据该结构，能够正确地根据图像数据来判定出排便、排尿以及出血各自的图像。
30.在上述排泄物判定方法中，也可以是，在所述判定中，在所述g/r值、所述b/r值、所述r值、所述g值以及所述b值各自满足给定的黑便条件的情况下，判定为在所述图像数据中包括黑便的图像。
31.根据该结构，除g/r值、b/r值以外，进一步地在r值、g值以及b值各自满足给定的黑便条件的情况下，判定为在所述图像数据中包括黑便的图像，因而能够高精度地检测到在图像数据中包括黑便的图像。
32.在上述排泄物判定方法中，也可以是，在所述判定中，在所述r值、所述g值以及所
述b值各自满足给定的黄便条件的情况下，判定为在所述图像数据中包括黄便的图像。
33.根据该结构，能够高精度地检测到在图像数据中包括黄便的图像。
34.在上述排泄物判定方法中，所述排便条件也可以是所述g/r值小于a1％且所述b/r值小于a2％(＜a1％)的条件。
35.根据该结构，能够高精度地检测到在图像数据中包括排便的图像。
36.在上述排泄物判定方法中，所述排尿条件也可以是所述g/r值为b1％～b2％且所述b/r值为b3％(《b1％)～b4％(＜b2％)的条件。
37.根据该结构，能够高精度地检测到在图像数据中包括排尿的图像。
38.在上述排泄物判定方法中，所述出血条件也可以是所述g/r值小于c1％且所述b/r值小于c2％(＜c1％)的条件。
39.根据该结构，能够高精度地判定出在图像数据中包括出血的图像。
40.在上述排泄物判定方法中，所述黑便条件也可以是所述g/r值为d1％～d2％、所述b/r值为d3％(＜d1％)～d4％(＝d2％)、且所述r值、所述g值以及所述b值分别小于e的条件。
41.根据该结构，能够高精度地检测到在图像数据中包括黑便的图像。
42.在上述排泄物判定方法中，所述黄便条件也可以是所述r值、所述g值以及所述b值分别为f1～f2的条件。
43.根据该结构，能够高精度地检测到在图像数据中包括黄便的图像。
44.在上述排泄物判定方法中，也可以是，在所述判定中，在所述图像数据中包括第1像素数以上的满足所述排尿条件的像素数据的情况下，判定为在所述图像数据中包括排便的图像，在所述图像数据中包括第2像素数以上的满足所述排便条件的像素数据的情况下，判定为在所述图像数据中包括所述排尿的图像，在所述图像数据中包括第3像素数以上的满足所述出血条件的像素数据的情况下，判定为在所述图像数据中包括所述出血的图像。
45.根据该结构，能够正确地区分满足排便条件的像素数据是单纯的噪声还是表示排便。此外，能够正确地区分满足排尿条件的像素数据是单纯的噪声还是表示排尿。进一步地，能够正确地区分满足出血条件的像素数据是单纯的噪声还是表示出血。
46.在上述排泄物判定方法中，也可以是，在所述计算中，基于在所述图像数据内给定的检测区域的所述r值、所述g值以及所述b值，计算所述g/r值以及所述b/r值，所述给定的检测区域包括所述便器的积存部。
47.根据该结构，能够缩减检测排泄物的处理，因而与根据图像数据整体来检测排泄物的情况相比，能减轻处理负荷。
48.本公开的另一方式中的排泄物判定装置对排泄物进行判定，具备：获取部，获取由对便器的便池内进行拍摄的摄像机拍摄到的排泄物的彩色的图像数据；计算部，基于所述图像数据中包括的r(红)值、g(绿)值以及b(蓝)值，计算g/r值以及b/r值；判定部，基于所述g/r值以及所述b/r值，判定在所述图像数据中是否包括排便、排尿以及出血中的至少一者的图像；和输出部，输出所述判定的结果。
49.根据该结构，能够提供能获得与上述排泄物判定方法同样的作用效果的排泄物判定装置。
50.本公开的另一方式中的排泄物判定程序是使计算机作为排泄物判定装置发挥功
能的排泄物判定程序，所述排泄物判定程序使所述计算机执行以下处理：获取由对便器的便池内进行拍摄的摄像机拍摄到的排泄物的彩色的图像数据；基于所述图像数据中包括的r(红)值、g(绿)值以及b(蓝)值，计算g/r值以及b/r值，基于所述g/r值以及所述b/r值，判定在所述图像数据中是否包括排便、排尿以及出血中的至少一者的图像，输出所述判定的结果。
51.根据该结构，能够提供能获得与上述排泄物判定方法同样的作用效果的排泄物判定程序。
52.本公开能够作为通过这样的排泄物判定程序而动作的排泄物判定系统来实现。此外，能够使这样的计算机程序经由cd-rom等计算机可读的非瞬时性记录介质或者因特网等通信网络流通，这是不言而喻的。
53.另外，以下说明的实施方式均示出本公开的一具体例。以下的实施方式中示出的数值、形状、构成要素、步骤、步骤的顺序等是一个例子，其主旨并不在于限定本公开。此外，对于以下的实施方式中的构成要素之中的未记载于表示最上位概念的独立技术方案的构成要素，作为任意的构成要素来进行说明。此外，还能够在所有实施方式中对各个内容进行组合。
54.(实施方式1)
55.图1是示出本公开的实施方式1中的排泄物判定系统的结构的图。图2是用于对本公开的实施方式1中的传感器单元2以及排泄物判定装置1的配置位置进行说明的图。
56.图1所示的排泄物判定系统包括排泄物判定装置1、传感器单元2以及服务器3。排泄物判定装置1是基于摄像机24拍摄到的图像数据来判定用户的排泄的有无的装置。如图2所示，排泄物判定装置1例如设置在贮水箱105的侧面。不过，这是一个例子，排泄物判定装置1也可以设置在卫生间的墙壁，也可以内置于传感器单元2，设置位置不特别限定。排泄物判定装置1经由网络与服务器3连接。网络例如是因特网等广域通信网。服务器3对由排泄物判定装置1生成的用户的排泄信息进行管理。
57.如图2所示，传感器单元2例如挂在便器100的缘部101。传感器单元2经由给定的通信路径与排泄物判定装置1能够相互通信地连接。通信路径可以是bluetooth(蓝牙，注册商标)或无线lan等无线的通信路径，还可以是有线lan。
58.如图2所示，便器100包括缘部101以及便池部102。缘部101配置在便器100的上端，划定便器100的开口部。便池部102配置在缘部101的下侧，接收排便以及排尿。
59.在便池部102的底部设置有积存水(积水)的积存部104。在积存部104设置有未图示的排水口。排泄到便池部102内的排便以及排尿通过排水口被冲入下水管。即，便器100是水洗式的便器。在便器100的上部设置有用户就座用的便座103。便座103上下转动。用户在将便座103放下于缘部101的上部的状态下就座。在便器100的后方设置有蓄积用于冲走排便以及排尿的清洗水的贮水箱105。
60.将参照回到图1。传感器单元2包括落座传感器21、照度传感器22、照明装置23以及摄像机24。落座传感器21以及照度传感器22是对用户向便器100的落座以及离座进行检测的传感器的一个例子。
61.落座传感器21在便器100配置为能够对到落座于便器100的用户的臀部为止的距离进行测量。落座传感器21例如由测距传感器构成，测量作为落座于便器100的用户的臀部
的距离的测距值。测距传感器的一个例子是红外线测距传感器。落座传感器21以给定的采样率对测距值进行测量，并以给定的采样率向排泄物判定装置1输入测量到的测距值。落座传感器21是检测用户的落座状态的传感器的一个例子。测距值是表示用户的落座以及离座的感测数据的一个例子。
62.照度传感器22为了测量便池部102内的照度而配置在便器100。照度传感器22以给定的采样率测量便池部102内的照度，以给定的采样率向排泄物判定装置1输入测量到的照度值。照度值是表示用户的落座以及离座的感测数据的一个例子。
63.照明装置23为了将便池部102内照亮而配置在便器100。照明装置23例如是白色led，在排泄物判定装置1的控制下将便池部102内照亮。
64.摄像机24能够拍摄便池部102地设置于便器100。摄像机24例如是高灵敏度且广角的摄像机，是能够拍摄到具有r(红)分量、g(绿)分量以及b(蓝)分量的彩色图像的摄像机。摄像机24以给定的帧频对便池部102的内部进行拍摄，以给定的采样率向排泄物判定装置1输入得到的图像数据。
65.排泄物判定装置1包括处理器11、存储器12、通信部13以及进入退出传感器14。
66.处理器11例如由中央运算处理装置(cpu)或asic(application specific integrated circuit，专用集成电路)构成。处理器11包括获取部111、计算部112、判定部113以及输出部114。获取部111～输出部114也可以通过cpu执行排泄物判定程序来实现，也可以由专用的集成电路构成。
67.获取部111以给定的采样率获取摄像机24拍摄到的图像数据。此外，获取部111以给定的采样率获取落座传感器21测量到的测距值。进一步地，获取部111以给定的采样率获取照度传感器22测量到的照度值。
68.计算部112基于获取部111获取到的图像数据中包括的r值、g值以及b值，计算g/r值、b/r值。详细而言，计算部112对获取部111获取到的图像数据设定检测区域d1(图3)，针对构成检测区域d1的多个像素数据分别计算g/r值、b/r值。g/r值是指将g值除以r值而得到的值用％来表示的值。b/r值是指将b值除以r值而得到的值用％来表示的值。r值是像素数据的r(红)分量的灰阶值，g值是像素数据的g(绿)分量的灰阶值，b值是像素数据的b(蓝)分量的灰阶值。r值、g值、b值例如采用8比特(0～255)的值。不过，这是一个例子，r值、g值、b值也可以用其他比特数来表现。
69.图3是示出检测区域d1的图。检测区域d1是包括便器100的积存部104在内的矩形状的区域。计算部112从存储器12读取设定信息，根据设定信息而在图像数据中设定检测区域d1即可。设定信息是表示在图像数据中将检测区域d1设定于哪个坐标的预先决定的坐标信息。由于便器100设计为排泄物被排泄到积存部104，因而通过在积存部104设定检测区域d1，并根据该检测区域d1检测排泄物，从而与根据图像数据整体检测排泄物的情况下相比能减轻处理负担。
70.也可以是，计算部112从检测区域d1的图像数据(以下称为检测区域数据)中除去具有基准便器颜色数据表示的颜色(基准便器颜色)的像素数据，针对被除去后的检测区域数据(以下称为判定对象图像数据)的各像素，计算g/r值以及b/r值。另外，计算部112从检测区域数据除去在检测区域数据中r值、g值以及b值分别相对于基准便器颜色的r值、g值以及b值处于给定范围内的像素数据即可。
71.在此，可以基于从便器100的缘部101起向积存部104侧离开给定距离的便池部102内的基准区域的图像数据，计算基准便器颜色数据。具体地，基准便器颜色数据具有基准区域的r值、g值以及b值各自的平均值。缘部101的正下方的区域是难以通过清扫来除去脏物的区域，因而若将该区域设定为基准区域，则难以计算出正确地表示便器100的颜色的基准便器颜色数据。因此，计算部112基于从缘部101离开给定距离的区域的图像数据来计算基准便器颜色数据。
72.判定部113基于由计算部112计算出的g/r值以及b/r值，判定在图像数据中是否包括排尿、排便以及出血的图像。详细而言，判定部113在g/r值以及b/r值分别满足给定的排尿条件的情况下判定为在图像数据中包括排尿的图像即可。此外，判定部113在g/r值以及b/r值分别满足给定的排便条件的情况下判定为在图像数据中包括排便的图像即可。进一步地，判定部113在g/r值以及b/r值分别满足给定的出血条件的情况下判定为在图像数据中包括出血的图像即可。对于排便条件、排尿条件以及出血条件的详细情况，在后面描述。
73.判定部113在判定对象图像数据中包括第1像素数以上的满足排尿条件的像素数据的情况下判定为在图像数据中包括排尿的图像即可。此外，判定部113在判定对象图像数据中包括第2像素数以上的满足排便条件的像素数据的情况下判定为在图像数据中包括排尿的图像即可。进一步地，判定部113在判定对象图像数据中包括第3像素数以上的满足出血条件的像素数据的情况下判定为在图像数据中包括出血的图像即可。第1像素数是表示满足排尿条件的像素数据不是噪声而是排尿的像素数据的预先设定的像素数。第2像素数是表示满足排便条件的像素数据不是噪声而是排便的像素数据的预先设定的像素数。第3像素数是表示满足出血条件的像素数据不是噪声而是出血的像素数据的预先设定的像素数。
74.输出部114生成包括由判定部113得到的判定结果的排泄信息，并输出生成的排泄信息。在此，输出部114也可以使用通信部13向服务器3发送排泄信息，也可以将排泄信息存储在存储器12。
75.存储器12例如由ram(random access memory，随机存取存储器)、ssd(solid state drive，固态驱动器)或闪速存储器等能够存储各种信息的存储装置构成。存储器12例如存储排泄信息、基准便器颜色数据以及设定信息等。存储器12也可以是usb(universal serial bus，通用串行总线)存储器等可携带型的存储器。
76.通信部13是具有经由网络将排泄物判定装置1连接到服务器3的功能的通信回路。通信部13具备经由通信路径将排泄物判定装置1与传感器单元2连接的功能。排泄信息例如是对表示进行了排泄的信息(排便、排尿以及出血)以及表示排泄日期时间的日期时间信息等建立了对应的信息。排泄物判定装置1例如以1天为单位生成排泄信息，并将生成的排泄信息发送到服务器3即可。
77.进入退出传感器14例如由测距传感器构成。进入退出传感器14对用户进入设置有便器100的卫生间进行检测。在此，构成进入退出传感器14的测距传感器与构成落座传感器21的测距传感器相比，测定精度低但检测范围宽。测距传感器例如是红外线测距传感器。进入退出传感器14也可以取代测距传感器例如由人感测传感器构成。人感测传感器对相对于便器100处于给定距离内的用户进行检测。
78.以上是排泄物判定系统的结构。接下来，对排泄物判定装置1的处理的概要进行说
明。图4是示出本公开的实施方式1中的排泄物判定装置1的处理的概要的时序图。
79.在图4中，第1行示出由人感测传感器构成的进入退出传感器14的时序，第2行示出由测距传感器构成的进入退出传感器14的时序，第3行示出落座传感器21的时序，第4行示出照度传感器22的时序，第5行示出照明装置23的时序。在图4的例子中，示出了由人感测传感器构成的进入退出传感器14和由测距传感器构成的进入退出传感器14这两方的时序，但排泄物判定装置1具备至少一方的进入退出传感器14即可。
80.在时刻t1，用户进入卫生间。随之，计算部112基于从进入退出传感器14(人感测传感器)或进入退出传感器14(测距传感器)输入的感测数据，判定为用户进入卫生间。在此，若进入退出传感器14(人感测传感器)检测到用户，则将感测数据设为高电平，若未检测到用户则将感测数据设为低电平，因而计算部112在从进入退出传感器14(人感测传感器)输入的感测数据为高电平的情况下，判定为用户进入卫生间内。此外，计算部112在由进入退出传感器14(测距传感器)测量出的测距值为阈值a1以下的情况下，判定为用户进入卫生间内。阈值a1例如能够采用50cm、100cm、150cm等适当的值。
81.此外，在时刻t1，计算部112开始向存储器12蓄积从进入退出传感器14、落座传感器21以及照度传感器22输入的感测数据。
82.进一步地，在时刻t1，伴随于检测到用户，计算部112使用通信部13向服务器3发送表示用户进入卫生间的入室通知。
83.在时刻t2，用户在便器100落座。随之，从落座传感器21输入的测距值成为落座检测阈值a2以下，计算部112判定为用户落座于便器100。落座检测阈值a2例如具有从落座传感器21到用户的臀部的测距值表示用户在便器100落座的预先决定的值。落座检测阈值a2小于阈值a1，例如能够采用10cm、15cm、20cm等适当的值。
84.此外，在时刻t2，向便池部102射入的外部光由于落座而被用户的臀部遮挡，因而从照度传感器22输入的照度值减少。
85.进一步地，在时刻t2，随着检测到落座，计算部112开启照明装置23。由此，照明装置23将便池部102内照亮，确保在根据图像数据检测排泄物这方面需要的光量。
86.进一步地，在时刻t2，计算部112使摄像机24起动，由摄像机24对便池部102内进行拍摄。之后，获取部111以给定的采样率获取图像数据。
87.另外，入室通知也可以在时刻t2发送。
88.在时刻t3～时刻t4的期间b1内，发生了用户的便器100的重新就座。随之，在时刻t3，落座传感器21的测距值超过落座检测阈值a2，在时刻t4，落座传感器21的测距值低于落座检测阈值a2。此外，在时刻t3，计算部112关闭照明装置23，在时刻t4，计算部112开启照明装置23。此外，照度传感器22的照度值也与落座传感器21的测距值联动地变化。
89.在时刻t5，用户从便器100离座。随之，落座传感器21的测距值超过落座检测阈值a2。此外，在时刻t5，计算部112关闭照明装置23。
90.在时刻t6，进入退出传感器14的测距值超过了阈值a1，因而计算部112判定为用户从卫生间退出。随之，输出部114使用通信部13向服务器3发送表示用户从卫生间退出的退出通知。进一步地，在时刻t6，输出部114使用通信部13向服务器3发送基于图像数据生成的排泄信息。另外，退出通知以及排泄信息也可以在时刻t7发送。进一步地，也可以在时刻t6发送用于排泄物的检测的图像数据。
91.在时刻t7，在时刻t5落座传感器21的测距值超过落座检测阈值a2的状态持续了期间b2，因而计算部112结束感测数据向存储器12的蓄积，并且使摄像机24对便池部102内的拍摄结束。
92.在时刻t8，由于进入退出传感器14(人感测传感器)的高电平状态从时刻t7起经过了期间b4，因而计算部112将排泄物判定装置1设为待机状态。
93.接下来，对排泄物判定装置1的处理进行说明。图5是示出排泄物判定装置1生成成为发送对象的图像数据的处理的一个例子的流程图。
94.在步骤s21，计算部112判定用户是否在便器100落座。在此，计算部112在获取部111从落座传感器21获取到的测距值成为落座检测阈值a2以下的情况下(步骤s21中的是)，判定为用户落座，将处理向步骤s22推进。另一方面，计算部112在该测距值大于落座检测阈值a2的情况下(步骤s21中的否)，使处理在步骤s1待机。
95.在步骤s22中，计算部112判定排尿的像素计数数据pd(x)是否小于排尿的像素计数数据pd(-20)。排尿的像素计数数据pd是指在检测区域数据中满足排尿条件的像素数据的像素数。排尿的像素计数数据pd(-20)是相对于最新的采样点(t)的20个采样点前的采样点(t-20)的检测区域数据中包括的排尿的像素计数数据。排尿的像素计数数据pd(x)是从开始图5的处理起相对于采样点(t-20)为过去的排尿的像素计数数据pd的最大值。在排尿的像素计数数据pd(x)小于排尿的像素计数数据pd(-20)的情况下(步骤s22中的是)，处理前进到步骤s23，在排尿的像素计数数据pd(x)为排尿的像素计数数据pd(-20)以上的情况下(步骤s22中的否)，处理前进到步骤s25。
96.在此，采用了20个采样点前的排尿的像素计数数据pd(-20)，但这是一个例子，也可以采用任意的采样点前的像素计数数据pd(t)。这对于后述的排便的像素计数数据pd(-20)也是相同的。
97.在步骤s23中，计算部112通过将排尿的像素计数数据pd(-20)代入排尿的像素计数数据pd(x)来更新排尿的像素计数数据pd(x)。
98.在步骤s24中，计算部112更新排尿的rgb数据。排尿的rgb数据是指将检测区域数据划分成多个块r1(图3)时的各块r1的满足排尿条件的像素数据的r值、g值以及b值各自的平均值。
99.如图3所示，块r1是通过将与检测区域d1对应的检测区域数据划分成例如8行
×
8列这合计64个而得到的图像数据。
100.在此，对各块r1从左上的块r1朝向右下的块r1，按照栅格扫描的顺序标注1～64的块编号。排尿的rgb数据是指在各块r1中由满足排尿条件的像素数据的r值的平均值、g值的平均值和b值的平均值构成的数据。在块r1中，例如在满足排尿条件的像素数据为q1个的情况下，计算部112计算这q1个像素数据的r值的平均值、g值的平均值和b值的平均值，作为排尿的rgb数据。因此，排尿的rgb数据由64个r值、g值以及b值构成。在此，块r1是通过将检测区域数据划分成8行
×
8列而得到的块，但这是一个例子，块r1也可以是以n(n为2以上的整数)行
×
m(m为2以上的整数)列对检测区域数据进行划分后的块。在后述的图6的步骤s11中，将具有这样的数据构造的排尿的rgb数据包括于排泄信息进行发送，因而能削减排泄信息的数据量。进一步地，排尿的rgb数据变成如加上了马赛克那样的数据，因而与对图像数据本身进行管理的情况相比，还能够实现隐私的保护。
101.通过步骤s22～s24的处理，排尿的像素计数数据pd为最大的采样点处的排尿的rgb数据被设为发送对象的rgb数据。
102.在步骤s25中，计算部112判定排便的像素计数数据pd(x)是否小于排便的像素计数数据pd(-20)。排便的像素计数数据pd是指检测区域数据中包括的满足排便条件的像素数据的像素数。排便的像素计数数据pd(-20)是相对于最新的采样点(t)的20个采样点前的采样点(t-20)的检测区域数据中包括的排尿的像素计数数据。排便的像素计数数据pd(x)是开始从图5的处理起相对于采样点(t-20)为过去的排便的像素计数数据pd的最大值。在排便的像素计数数据pd(x)小于排便的像素计数数据pd(-20)的情况下(步骤s25中的是)，处理前进到步骤s26，在排便的像素计数数据pd(x)为排便的像素计数数据pd(-20)以上的情况下(步骤s25中的否)，处理前进到步骤s28。
103.在步骤s26中，计算部112通过将排便的像素计数数据pd(-20)代入排便的像素计数数据pd(x)来更新排便的像素计数数据pd(x)。
104.在步骤s27中，计算部112对排便的rgb数据进行更新。排便的rgb数据的数据构造与排尿的rgb数据相同。
105.通过步骤s25～s27的处理，排便的像素计数数据pd为最大的采样点处的排便的rgb数据被设为发送对象的rgb数据。
106.在步骤s28中，计算部112判定用户是否离座。在此，计算部112在落座传感器21的测距值超过落座检测阈值a2的期间持续了期间b2的情况下，判定为用户离座，在该测距值小于落座检测阈值a2或该测距值超过落座检测阈值a2的期间未持续期间b2的情况下，判定为用户未离座即可。在判定为用户离座的情况下(步骤s28中的否)，处理回到步骤s22，在判定为用户离座的情况下(步骤s28中的是)，处理结束。
107.图6是示出在实施方式1中的排泄物判定装置1中从用户落座到离座为止的处理的一个例子的流程图。另外，图6的流程图与图5的流程图并行进行。
108.在步骤s1中，计算部112判定用户是否在便器100落座。在此，与图5的步骤s21同样，计算部112通过判定获取部111从落座传感器21获取到的测距值是否为落座检测阈值a2以下来判定用户是否在便器100落座。在判定为用户在便器100落座的情况下(步骤s1中的是)，处理前进到步骤s2，在判定为用户未在便器100落座的情况下(步骤s1中的否)，处理在步骤s1待机。
109.在步骤s2中，判定部113判定是否确定为排尿。在未确定为排尿的情况下(步骤s2中的否)，处理前进到步骤s3，在确定为排尿的情况下(步骤s2中的是)，处理前进到步骤s6。排尿的确定是指，能够断定在图像数据中包括排尿的图像。
110.在步骤s3中，判定部113基于图像数据，执行判定用户进行了排尿以及排便的至少一者的排泄检测处理。排泄检测处理的详细情况使用图7在后面述描述。
111.在步骤s4中，判定部113在排泄检测处理中判定为有排尿的情况下(步骤s4中的是)，确定为排尿(步骤s5)。另一方面，在排泄检测处理中未检测到排尿的情况下(步骤s4中的否)，处理前进到步骤s6。
112.在步骤s6中，判定部113判定是否确定为排便。在确定为排便的情况下(步骤s6中的是)，处理前进到步骤s10，在未确定为排便的情况下(步骤s6中的否)，处理前进到步骤s7。排便的确定是指，能够断定在图像数据中包括排便的图像。
113.在步骤s7中，判定部113执行排泄检测处理。
114.在步骤s8中，判定部113在判定为在排泄检测处理中有排便的情况下(步骤s8中的是)，确定为排便(步骤s9)。另一方面，判定部113在排泄检测处理中未判定为有排便的情况下(步骤s8中的否)，将处理推进到步骤s10。
115.在步骤s10中，计算部112判定用户是否离座。在此，与图5的步骤s28同样，计算部112在落座传感器21的测距值超过落座检测阈值a2的期间持续了期间b2的情况下判定为用户离座即可。在测距值大于落座检测阈值a2的情况下(步骤s10中的是)，处理前进到步骤s11，在测距值为落座检测阈值a2以下的情况下(步骤s10中的否)，处理回到步骤s2。
116.在步骤s11中，输出部114使用通信部13向服务器3发送退出通知以及排泄信息。该排泄信息中包括通过图5的流程图计算出的排尿的rgb数据、排便的rgb数据、排尿的像素计数数据pd(x)以及排便的像素计数数据pd(x)等。
117.接下来，对排泄检测处理进行说明。图7是示出排泄检测处理的一个例子的流程图。
118.在步骤s110中，计算部112从存储器12获取基准便器颜色数据。
119.在步骤s120中，计算部112获取由获取部111获取到的图像数据之中处理时刻的图像数据。处理时刻的图像数据例如是从最新的采样点起给定采样点(例如20个采样点)前的图像数据。不过，这是一个例子，处理时刻的图像数据也可以是最新的采样点的图像数据。
120.在步骤s130中，计算部112从处理时刻的图像数据中提取检测区域d1的图像数据(检测区域数据)。
121.在步骤s140中，计算部112判定在检测区域数据中是否包括颜色与基准便器颜色不同的像素数据。在检测区域数据中包括颜色与基准便器颜色不同的像素数据的情况下(步骤s140中的是)，处理前进到步骤s150，在检测区域数据中不包括颜色与基准便器颜色不同的像素数据的情况下(步骤s140中的否)，处理前进到步骤s4或s8(图6)。
122.在步骤s150中，计算部112从检测区域数据中除去相对于基准便器颜色数据的r值、g值、b值具有给定范围外的r值、g值、b值的像素数据，由此生成判定对象图像数据。
123.在步骤s160中，计算部112针对判定对象图像数据的各像素数据，计算g/r值以及b/r值。
124.在步骤s170中，判定部113判定在判定对象图像数据中是否包括第1像素数以上的满足排尿条件的像素数据。图8是汇总了排便条件、排尿条件以及出血条件的表。在图8中，低(low)是满足条件的范围的下限阈值，高(high)是满足条件的范围的上限阈值。
125.排尿条件是g/r值为b1％以上b2％以下且b/r值为b3％以上b4％以下的条件。其中，b3％＜b1％、b4％＜b2％。在满足排尿条件的像素数有第1像素数以上的情况下(步骤s170中的是)，处理前进到步骤s180，在满足排尿条件的像素数据小于第1像素数的情况下(步骤s170中的否)，处理前进到步骤s190。
126.在步骤s180中，判定部113针对处理对象的图像数据判定为有排尿，将处理推进到步骤s4或步骤s8(图4)。
127.在步骤s190中，判定部113判定在判定对象图像数据中是否包括第2像素数以上的满足排便条件的像素数据。参照图8，排便条件是g/r值为0％以上a1％以下且b/r值为0％以上a2％以下的条件。其中，a2％＜a1％。在满足排便条件的像素数据有第2像素数以上的情
况下(步骤s190中的是)，处理前进到步骤s200，在满足排便条件的像素数据小于第2像素数的情况下(步骤s190中的否)，处理前进到步骤s210。
128.在步骤s200中，判定部113针对处理对象的图像数据判定为有排便，并将处理推进到步骤s4或步骤s8(图4)。
129.在步骤s210中，判定部113判定在判定对象图像数据中是否包括第3像素数以上的满足出血条件的像素数据。参照图8，出血条件是g/r值为0％以上c1％以下且b/r值为0％以上c2％以下的条件。其中，c2％＜c1％。在满足出血条件的像素数据有第3像素数以上的情况下(步骤s210中的是)，处理前进到步骤s220，在满足出血条件的像素数据小于第2像素数的情况下(步骤s210中的否)，处理前进到步骤s230。
130.在步骤s220中，判定部113针对处理对象的图像数据判定为有出血，并将处理推进到步骤s4或步骤s8(图4)。
131.在步骤s230中，判定部113判定为在判定对象图像数据中有异物的图像，并将处理推进到步骤s4或步骤s8(图4)。异物例如是尿片、厕纸等。
132.另外，在图8中，排便条件、排尿条件以及出血条件也可以具有c2％＜c1％＜a2％＜b3％＜b1％＝a1％＜b4％＜b2％的关系。
133.详细而言，a1例如为80以上90以下，优选为83以上87以下。
134.a2例如为40以上50以下，优选为43以上47以下。
135.b1例如为80以上90以下，优选为83以上87以下。
136.b2例如为100以上110以下，优选为103以上107以下。
137.b3例如为45以上55以下，优选为48以上52以下。
138.b4为92以上103以下，优选为95以上99以下。
139.c1例如为32以上42以下，优选为35以上39以下。
140.c2例如为22以上31以下，优选为25以上29以下。
141.如此，根据实施方式1，基于g/r值、b/r值判定在判定图像数据中是否包括排便、排尿以及出血中的至少一者的图像。在此，g/r值、b/r值具有即便积水的表层的排泄物的颜色随时间经过而变淡也能维持其值这样的特性。其结果，能够高精度地检测便器的积水的排泄物。
142.(实施方式2)
143.实施方式2判定在图像数据中是否包括黑便以及黄便的图像。图9是示出实施方式2中的排泄物判定系统的结构的一个例子的框图。另外，在实施方式2中，对与实施方式1相同的构成要素标注相同的符号，并省略说明。
144.排泄物判定装置1a的处理器21a包括获取部211、计算部212、判定部213以及输出部214。获取部211、计算部212以及输出部214与获取部111、计算部112以及输出部114相同。
145.判定部213在由计算部212计算出的g/r值、b/r值各自和图像数据(或判定对象图像数据)中包括的r值、g值以及b值各自满足给定的黑便条件的情况下，判定为在图像数据中包括黑便的图像。黑便是具有深灰色的排便。黑便是在服用了柠檬酸第1钠钾等的情况下可能排泄的排便。若用实施方式1中示出的排便条件，则不能高精度地判定这样的黑便。因此，在本实施方式中，规定黑便条件。
146.判定部213在图像数据(判定对象图像数据)中包括的r值、g值、b值分别满足给定
的黄便条件的情况下，判定为在图像数据中包括黄便的图像。
147.存在由于服药的影响而排泄出黄色的排便(黄便)的用户。黄便可能被误检测为排尿。因此，在本实施方式中，规定黄便条件。
148.图10是示出实施方式2中的排泄检测处理的一个例子的流程图。步骤s110～步骤s220的处理与图7相同。
149.在不存在第3像素数以上的满足出血条件的像素数据的情况下(步骤s210中的否)，处理前进到步骤s230。
150.在步骤s230中，判定部113判定在判定对象图像数据中是否存在第4像素数以上的满足黑便条件的像素数据。第4像素数是表示满足黑便条件的像素数据不是噪声而是黑便的像素数据的预先设定的像素数。
151.图11是汇总了黑便条件的表。黑便条件是g/r值为d1％以上d2％以下、b/r值为d3％以上d4％以下、且r值、g值以及b值各自为0以上e以下的条件。例如，d3％、d4％也可以是d3％＜d1％，d4％＝d2％。另外，在图像数据为8比特的情况下，r值、g值、b值分别采用0～255的值，因而e为0以上255以下。
152.详细而言，d1例如为85以上95以下，优选为88以上92以下。
153.d2例如为105以上115以下，优选为108以上112以下。
154.d3例如为55以上65以下，优选为58以上62以下。
155.d4例如为105以上115以下，优选为108以上112以下。
156.在图像数据为8比特的情况下，e例如为85以上95以下，优选为88以上92以下。在图像数据的比特数为任意的情况下，e例如为33％以上37％以下，优选为34％以上36％以下。
157.在存在第4像素数以上的满足黑便条件的像素数据的情况下(步骤s230中的是)，处理前进到步骤s240，在满足黑便条件的像素数据小于第4像素数的情况下(步骤s230中的否)，处理前进到步骤s250。
158.在步骤s240中，判定部113针对处理对象的图像数据判定为有黑便，将处理推进到步骤s4或步骤s8(图4)。在该情况下，在步骤s6(图6)中确定为排便。
159.在步骤s250中，判定部113判定在判定对象图像数据中是否存在第5像素数以上的满足黄便条件的像素数据。第5像素数是表示满足黄便条件的像素数据不是噪声而是黄便的像素数据的预先设定的像素数。
160.图12是汇总了黄便条件的表。黄便条件是r值、g值以及b值分别为f1以上f2以下的条件。在图像数据是8比特的情况下，f1、f2采用0～255的值。
161.详细而言，在图像数据为8比特的情况下，f1例如是95以上105以下，优选为98以上102以下。图像数据的比特数为任意的情况下，f1是例如37％以上41％以下，优选为38％以上40％以下。
162.在图像数据为8比特的情况下，f2例如为245以上255以下，优选为250以上255以下。在图像数据的比特数为任意的情况下，f2例如为96％以上100％以下，优选为98％以上100％以下。
163.在存在第5像素数以上的满足黄便条件的像素数据的情况下(步骤s250中的是)，处理前进到步骤s260，在满足黄便条件的像素数据小于第5像素数的情况下(步骤s250中的否)，处理前进到步骤s270。
164.在步骤s260中，判定部113针对处理对象的图像数据判定为有黄便，将处理推进到步骤s4或步骤s8(图4)。在该情况下，在步骤s6(图6)中确定为排便。
165.在步骤s270中，判定部113判定为在判定对象图像数据中有异物的图像，并将处理推进到步骤s4或步骤s8(图4)。异物例如是尿片、厕纸等。
166.如此，根据实施方式2，能够判定为在图像数据中包括黑便以及黄便。
167.本公开能够采用下述的变形例。
168.(1)在实施方式2中，步骤s250中示出的黄便条件也可以在有第1像素数以上的满足排尿条件的像素数据的情况(步骤s270中的是)之后设置。在该情况下，判定部113在存在第5像素数以上的满足排尿条件且也满足黄便条件的像素数据的情况下，判定为有黄便即可。
169.(2)在图7的步骤s170中，在存在第1像素数以上的满足排尿条件的像素数据为“是”的条件，但这是一个例子，也可以是，若存在满足排尿条件的像素数据，则判定为“是”。在该情况下，只要满足排尿条件的像素数据有1个，就判定为有排尿的图像。这对于排便条件、出血条件、黄便条件，也能够同样地应用。
170.产业上的可利用性
171.根据本公开，在根据图像数据正确地检测排泄物这方面是有用的。

技术特征：
1.一种排泄物判定方法，是判定排泄物的排泄物判定装置中的排泄物判定方法，所述排泄物判定装置的处理器执行以下处理：获取由对便器的便池内进行拍摄的摄像机拍摄到的排泄物的彩色的图像数据，基于所述图像数据中包括的r值、g值以及b值，计算g/r值以及b/r值，其中，r为红，g为绿，b为蓝，基于所述g/r值以及所述b/r值，判定在所述图像数据中是否包括排便、排尿以及出血中的至少一者的图像，输出所述判定的结果。2.根据权利要求1所述的排泄物判定方法，其中，在所述判定中，在所述g/r值以及所述b/r值分别满足给定的排便条件的情况下，判定为在所述图像数据中包括所述排便的图像，在所述g/r值以及所述b/r值分别满足给定的排尿条件的情况下，判定为在所述图像数据中包括所述排尿的图像，在所述g/r值以及所述b/r值分别满足给定的出血条件的情况下，判定为在所述图像数据中包括所述出血的图像。3.根据权利要求1或2所述的排泄物判定方法，其中，在所述判定中，在所述g/r值、所述b/r值、所述r值、所述g值以及所述b值各自满足给定的黑便条件的情况下，判定为在所述图像数据中包括黑便的图像。4.根据权利要求1～3的任一项所述的排泄物判定方法，其中，在所述判定中，在所述r值、所述g值以及所述b值各自满足给定的黄便条件的情况下，判定为在所述图像数据中包括黄便的图像。5.根据权利要求2所述的排泄物判定方法，其中，所述排便条件是所述g/r值小于a1％且所述b/r值小于a2％的条件，其中a2％＜a1。6.根据权利要求2所述的排泄物判定方法，其中，所述排尿条件是所述g/r值为b1％～b2％且所述b/r值为b3％～b4％的条件，其中，b3％＜b1％，b4％＜b2％。7.根据权利要求2所述的排泄物判定方法，其中，所述出血条件是所述g/r值小于c1％且所述b/r值小于c2％的条件，其中，c2％＜c1％。8.根据权利要求3所述的排泄物判定方法，其中，所述黑便条件是所述g/r值为d1％～d2％、所述b/r值为d3％～d4％、且所述r值、所述g值以及所述b值分别小于e的条件，其中，d3％＜d1％，d4％＝d2％。9.根据权利要求4所述的排泄物判定方法，其中，所述黄便条件是所述r值、所述g值以及所述b值分别为f1～f2的条件。10.根据权利要求2所述的排泄物判定方法，其中，在所述判定中，在所述图像数据中包括第1像素数以上的满足所述排尿条件的像素数据的情况下，判定为在所述图像数据中包括排便的图像，在所述图像数据中包括第2像素数以上的满足所述排便条件的像素数据的情况下，判
定为在所述图像数据中包括所述排尿的图像，在所述图像数据中包括第3像素数以上的满足所述出血条件的像素数据的情况下，判定为在所述图像数据中包括所述出血的图像。11.根据权利要求1～10的任一项所述的排泄物判定方法，其中，在所述计算中，基于在所述图像数据内给定的检测区域的所述r值、所述g值以及所述b值，计算所述g/r值以及所述b/r值，所述给定的检测区域包括所述便器的积存部。12.一种排泄物判定装置，对排泄物进行判定，具备：获取部，获取由对便器的便池内进行拍摄的摄像机拍摄到的排泄物的彩色的图像数据；计算部，基于所述图像数据中包括的r值、g值以及b值，计算g/r值以及b/r值，其中，r为红，g为绿，b为蓝；判定部，基于所述g/r值以及所述b/r值，判定在所述图像数据中是否包括排便、排尿以及出血中的至少一者的图像；和输出部，输出所述判定的结果。13.一种排泄物判定程序，使计算机作为排泄物判定装置发挥功能，所述排泄物判定程序使所述计算机执行以下处理：获取由对便器的便池内进行拍摄的摄像机拍摄到的排泄物的彩色的图像数据；基于所述图像数据中包括的r值、g值以及b值，计算g/r值以及b/r值，其中，r为红，g为绿，b为蓝，基于所述g/r值以及所述b/r值，判定在所述图像数据中是否包括排便、排尿以及出血中的至少一者的图像，输出所述判定的结果。

技术总结
本发明涉及排泄物判定方法、排泄物判定装置以及排泄物判定程序。排泄物判定装置获取由对便器的便池内进行拍摄的摄像机拍摄到的排泄物的图像数据，基于图像数据中包括的R(红)值、G(绿)值以及B(蓝)值，计算G/R值以及B/R值，基于G/R值以及B/R值，判定在图像数据中是否包括排便、排尿以及出血中的至少一者的图像，并输出判定的结果。输出判定的结果。输出判定的结果。


技术研发人员：前原英幸 金井博文 山田由佳
受保护的技术使用者：松下控股株式会社
技术研发日：2021.11.05
技术公布日：2023/9/7