JP2959376B2

JP2959376B2 - 監視装置

Info

Publication number: JP2959376B2
Application number: JP6006754A
Authority: JP
Inventors: 拓生嶋田; 正義三木; 美幸山内
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1994-01-26
Filing date: 1994-01-26
Publication date: 1999-10-06
Anticipated expiration: 2014-10-06
Also published as: JPH07204166A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は例えばベッド上に人が存
在するかどうかなどを判定する監視装置に関するもので
ある。

【０００２】

【従来の技術】従来この種の監視装置は、例えば第１７
図及び第１８図に示すように絶縁板１、金属板のアンテ
ナ部材２ａ、２ｂ、絶縁層３、シールド４からなる記録
マット５から構成され、就寝者の体動による静電荷の変
化をアンテナ部材２ａ、２ｂにより検出して体動の有無
を判定するものであった（特開昭５５−１６０５３９号
公報）。

【０００３】また赤外線センサや超音波センサをベッド
またはベッド周辺の壁面に配設し人が動くことにより生
じる赤外線または超音波の変化量を検出したり、マット
レス表面に配設された圧力スイッチを人の体重によって
入切させたりするものであった。

【０００４】さらには検出感度が鋭敏で反応時定数の小
さいフィルム状の圧電素子を用い、この圧電素子からの
出力電圧が所定値以上であれば在状態と判定するもので
あった（特開平０３−２５８２４６号公報）。

【０００５】

【発明が解決しようとする課題】しかしながら上記従来
の構成では、記録マットの構成が複雑で製造コストが高
い上透湿性や吸湿性がなかった。

【０００６】また、赤外線や超音波を検出する構成で
は、人が入眠して体動がなくなった場合に赤外線や超音
波の変化が生じず、また圧力スイッチによる構成ではマ
ットレス上に重い荷物などをおいたままにするとスイッ
チがオンして誤動作してしまうことがあった。

【０００７】また、検出感度が鋭敏な圧電素子による構
成では、寝床近傍の他者の歩行や台車、車いすの移動に
伴う振動伝搬によるノイズ、もしくはトランシーバやモ
ータなどからの電磁誘導ノイズの影響を受けやすいこと
があった。

【０００８】本発明はかかる従来の課題を解決するもの
で、人に全く負担をかけずまた違和感も与えないまま確
実に在、不在を判定し、この判定結果を即座に監視者に
報知できることを目的とする。

【０００９】

【課題を解決するための手段】上記課題を解決するため
に本発明の監視装置は、人の体動を検出する体動検出手
段と、前記体動検出手段からの出力信号を時系列データ
に変換するデータ収集手段と、前記データ収集手段によ
って収集された前記時系列データの分散値など統計量を
算出する統計量算出手段と、前記統計量算出手段によっ
て算出された前記統計量に基づき人の在、不在を判別す
る判定手段とを備え、判定手段は前記統計量が第１の閾
値より小ならば不在と判定し、不在判定時に前記統計量
が前記第１の閾値よりも大きな第２の閾値より大ならば
在と判定し、一旦在判定がなされると前記統計量が前記
第１の閾値以上ならば在判定を継続するものである。

【００１０】また、人の体動を検出する体動検出手段
と、前記体動検出手段からの出力信号を時系列データに
変換するデータ収集手段と、前記データ収集手段によっ
て収集された前記時系列データの分散値など統計量を算
出する分散値算出手段と、データ収集手段によって収集
された時系列データの周波数成分を算出する周波数成分
算出手段と、前記分散値算出手段によって算出された前
記統計量および前記周波数成分算出手段によって算出さ
れたパワースペクトルに基づき人の在、不在を判別する
判定手段とを備え、判定手段は前記統計量が第１の閾値
より小ならば不在と判定し、不在判定時に前記統計量が
前記第１の閾値よりも大きな第２の閾値より大ならば在
と判定し、前記統計量が第１の閾値以上で前記第２の閾
値以下ならば前記周波数成分算出手段により算出された
パワースペクトルが所定の閾値よりも大ならば在と判定
し、前記パワースペクトルが前記所定の閾値以下ならば
不在と判定するものである。

【００１１】さらに、体動検出手段は可撓性の同軸ケー
ブル状の圧電素子からなり、寝具、寝台、座布団、椅
子、便座など人体と接触する器具内に配設されるもので
ある。

【００１２】

【作用】本発明は上記構成によって、使用者に全く負担
をかけることなく非侵襲に人の在、不在を判定する。体
動検出手段からの出力信号を時系列データに変換しその
時系列データの分散値などの統計量を算出することで人
の在と不在は分離される。また人と物、あるいは人の生
死の区別も同様になされる。これは人が存在する限りた
とえ安静状態を保っても体表面に心拍、呼吸などによる
微小振動が発生し続けているためであり、体動が全くな
い無信号状態を基準とした場合のばらつき統計量を体動
の指標として扱うことに相当している。特に体動検出手
段からの出力信号をデジタル化した時系列データに変換
するので温度変動などに左右されずに再現性よく判定す
る。

【００１３】この際、判定手段は少なくとも２つの閾値
を持ち、第１の閾値と第２の閾値の間に不感帯を設けて
人の在、不在を判別することにより、より判定精度が向
上する。これは人が不在状態から在状態に移行するある
いは在状態から不在状態に移行する時は必ず大きな体動
信号が体動検出手段から出力されることと不在状態の場
合は体動が全くない無信号状態が必ず現れることを利用
したものである。例えば第１の閾値を第２の閾値より大
きい値を設けておいた場合、第１の閾値より大きな体動
信号によって初めて不在から在に状態移行し第２の閾値
より小さな体動信号によって初めて在から不在に状態移
行する構成となる。これにより物理的電気的ノイズに対
する耐性が強化される。

【００１４】またこの時系列データの周波数成分を算出
することにより、より明確に人の在と不在は分離され
る。なぜなら人が存在する場合は、たとえ背伸びや寝返
りなどの大きな体動がなくとも人が存在する限り少なく
とも心拍や呼吸に伴う周期的な微小振動が体動信号とし
て検出できるからである。よって体動検出手段から得ら
れる信号のＳ／Ｎ比がとれない場合でも特定の周波数帯
に心拍や呼吸に伴う急峻なパワースペクトルがあれば、
人の存在が確認できる。

【００１５】また体動検出手段を可撓性の同軸ケーブル
状の圧電素子で構成することにより、圧電素子そのもの
をシールドする必要がなく電磁波ノイズに強くなり、安
価で製造も容易となる。

【００１６】

【実施例】以下本発明の第１の実施例を図１から図７を
参照して説明する。図１は本監視装置をベッドに配設し
た際の斜視図である。図１において６は寝床上の人体の
体動を検出する体動検出手段で、ここではポリフッ化ビ
ニリデン（ＰＶＤＦ）等の高分子圧電材料を薄膜状にし
両面に可撓性の電極膜を付着させたものをテープ状に成
形した可撓性の圧電素子からなる。この圧電素子の外側
には電磁波ノイズからの影響を低減するようなシールド
加工と、水分や汚れから保護されるような防水加工がな
されている。体動検出手段６は図１のように人体が就寝
した際に胸部の真下に位置するようマットレス７の表面
に固定されている。この上にさらにシーツや薄手のベッ
ドパッド、毛布などを被せても構わない。８は圧電素子
からなる体動検出手段６からの出力信号をもとに人の
在、不在を判定する信号処理装置であり、ベッドサイド
または背面などに取り付けられている。つまり本監視装
置は体動検出手段６と信号処理装置８とで構成されてい
る。

【００１７】図２のブロック図に示すように信号処理装
置８はデータ収集手段９、分散値算出手段１０、判定手
段１１、表示手段１２及び記憶手段１３から構成されて
いる。データ収集手段９のうち帯域増幅部９ａは人の体
動信号をノイズと分離して検出できるよう図３に示すよ
うなバンドパスフィルタ（ＢＰＦ）特性を持つアナログ
増幅回路である。

【００１８】図４は実際に人が就寝した際の帯域増幅部
９ａからの出力波形である。図４（ｂ）は図４（ａ）の
図中Ｓ部の拡大図である。図４（ａ）から入床、離床時
や寝返り等の体動が起こった場合は大きな出力が出る
が、それ以外の安静状態の場合は心拍、呼吸などに伴う
微小振動により小さな出力が得られる。不在の場合は無
振動なのでほとんど基準電圧Ｖrefを保持し続ける。

【００１９】図２においてこの帯域増幅された出力信号
は計時部９ｂが発生する基本クロック（例えば１００Ｈ
ｚ）に従ってＡ／Ｄ変換部９ｃで一定間隔毎にデータサ
ンプリングし、離散化する。データ一時記憶部９ｄでは
Ａ／Ｄ変換部９ｃから一定間隔（例えば０．０１秒）毎
に出力される時系列データｖiを順次記憶し、そのデー
タ総数が所定数ｎ（例えば５００個）だけ蓄積した時点
で全データ内容を分散値算出手段１０に出力するととも
に以後同様の動作を繰り返す。分散値σ2は（数１）の
ように表せる。

【００２０】

【数１】

【００２１】

【数２】

【００２２】さらに時系列データｖiが、無信号状態と
比較して上下にほぼ均等に振れると仮定すれば（数１）
は（数３）のように変形できる。

【００２３】

【数３】

【００２４】分散値算出手段１０は上記（数１）または
（数３）に相当する統計計算により単位時間当たり（例
えば５秒間）の分散値σ²を都度求める。この分散値σ²
は無信号状態と比較した場合の信号のバラツキ度なの
で、体動量の指標として用いることができる。判定手段
１１では分散値算出手段１０で求めた分散値σ²が所定
の閾値Ｔ0より大きければ在、そうでなければ不在と判
定するが、物理的電気的ノイズに対する耐性を強化する
ため、判定手段１１が２つの閾値を持ち、第１の閾値Ｔ
1と第２の閾値Ｔ2の間に不感帯を設けて人の在、不在を
判別するようにしている。

【００２５】先ず、判定手段１１が分散値算出手段１０
で求めた分散値σ ² が所定の閾値Ｔ0より大きければ在、
そうでなければ不在と判定する場合について述べる。図
５はある入院患者の１０時間分の在、不在状態と分散値
算出手段１０で求めた分散値の推移を表したものであ
る。図５（ａ）は正解の在、不在結果であり（ｂ）は分
散値の推移、（ｃ）は閾値Ｔ0を用いた判定手段１１に
よる判定結果である。ここでＡ／Ｄ変換部９ｃでは帯域
増幅部９ａからの出力波形を１００Ｈｚでサンプリング
し、分散値算出手段１０では５００個つまり５秒間分の
時系列データごとに分散値を求め、在、不在の判定をそ
の都度行うものとした。これにより９８％程度の判定正
解率で在、不在が分離できることが明らかになった。

【００２６】上記における２％程度の誤判定の要因は本
監視装置の近傍を振動発生源となるものが通過したこと
により体動検出手段６にその振動が伝搬し在と誤判定し
てしまったり逆に寝返りなどの際に体動検出部６から一
時的に人体が宙に浮いて振動が検出できず不在と誤判定
してしまったと考えられる。そのため次に、判定手段１
１が２つの閾値を持ち、第１の閾値Ｔ1と第２の閾値Ｔ2
の間に不感帯を設けて人の在、不在を判別する場合につ
いて述べる。図６はこの場合の判定手段１１の動作を示
したフローチャートである。まずステップ１１１では初
期状態を「不在」と設定しておき、ステップ１１２で分
散値算出手段１０で算出された分散値σ²を読み込んだ
後、ステップ１１３で現在の状態が「在」ならステップ
１１４に進み、「不在」ならステップ１１５に進む。ス
テップ１１４では読み込んだ分散値σ²が第１の閾値Ｔ1
より小さければステップ１１６で「不在」状態に変更後
ステップ１１７に進み、そうでなければそのままステッ
プ１１７に進んで現在状態を出力し、ステップ１１２に
戻る。一方ステップ１１５では読み込んだ分散値σ²が
第２の閾値Ｔ2より大きければステップ１１８で「在」
状態に変更後ステップ１１７に進み、そうでなければそ
のままステップ１１７に進んで現在状態を出力し、同様
にステップ１１２に戻る。ここで定めた第１の閾値Ｔ1
及び第２の閾値Ｔ2は一定であり、０＜Ｔ1＜Ｔ2とす
る。

【００２７】つまり本実施例は、第２の閾値Ｔ２より大
きな体動信号によって初めて不在から在に状態移行し第
１の閾値Ｔ１より小さな体動信号によって初めて在から
不在に状態移行するよう、論理判定条件にシュミット構
造を持たせたものである。これは図４（ａ）からも明ら
かなように人が不在状態から在状態に移行するあるいは
在状態から不在状態に移行する時は必ず大きな体動信号
が体動検出手段から出力されること、不在状態の場合は
体動が全くない無信号状態が必ず現れることを利用した
ものである。

【００２８】図７は図５で示したデータと全く同じデー
タを用いて１０時間分の在、不在状態と分散値算出手段
１０で求めた分散値の推移を表したものである。図７
（ａ）は正解の在、不在結果、図７（ｂ）は分散値の推
移であり、図７（ｃ）は判定手段１１による判定結果で
ある。ここでＡ／Ｄ変換部９ｃでは帯域増幅部９ａから
の出力波形を１００Ｈｚでサンプリングし、分散値算出
手段１０では５００個つまり５秒間分の時系列データご
とに分散値を求め、在、不在の判定をその都度行うもの
とした。これにより１００％の判定正解率で在、不在が
分離でき、物理的電気的ノイズに対する耐性が強化され
たことが証明された。

【００２９】表示手段１２は判定手段１１で得た在、不
在の判定結果をその都度ランプで表示する。また記憶手
段１３は分散値算出手段１０で算出された体動量の指標
としての分散値を記憶しておくものである。ここで判定
手段１１、表示手段１２、記憶手段１３などを信号処理
装置８の外に設けることにより、距離を隔てた場所から
遠隔監視できるようにしてもよい。

【００３０】上記構成によって、使用者に全く負担をか
けることなく非侵襲に人の在、不在を判定することがで
きる。特に体動検出手段６からの出力信号を時系列デー
タに変換しその時系列データの分散値を算出し、この分
散値に基づき判定手段１１が第１の閾値Ｔ1と第２の閾
値Ｔ2の間に不感帯を設けて人の在、不在を判別するの
で、物理的電気的ノイズに対する耐性を強化して人の在
と不在を分離することができる。

【００３１】尚、単位時間ごとの体動量の指標として分
散値算出手段１０で分散値を求め記憶手段１３に記憶す
ることにより、長時間にわたる人の状態監視が簡単に行
える。Ａ／Ｄ変換部９ｃから出力される生の時系列デー
タをそのまま蓄積していくと膨大なデータ量となってし
まうのに対し意味のある体動情報に圧縮して記憶手段１
３に蓄積する方が安価に実現できデータ解析も簡単にな
る。これにより例えば一晩の体動量から睡眠深度や床づ
れ発生の予知など健康状態を推定することなどに適応で
きる。

【００３２】また、ここでは体動量を示す指標として分
散値を用いたが、これは本発明を拘束するものではな
い。例えば時系列データを統計処理することで単位時間
当たりの体動量を導出するのに標準偏差、２乗平均化、
モード、メディアンなどを用いてもよいし、サンプリン
グされた時系列データをさらにデジタル信号処理によっ
て波形整形してもよい。分散値などの統計量算出の前処
理としてさらにローパスフィルタ（ＬＰＦ）をかけたり
補間処理、包絡線処理を施してもよい。また単位時間ご
とに判定するのでなく体動検出手段６からの出力値を積
算し、所定体動量に到達するまでに要した時間から在、
不在を判定してもよい。また体動検出手段６は圧電素子
でなく、例えば導電ゴムや導電カーボンなどからなる感
圧抵抗素子を用いてもよい。

【００３３】また、上記のように閾値Ｔ0を用いて在・
不在を判定する場合、５秒間分の時系列データごとに分
散値を求め、在、不在の判定をその都度行うものとした
が、５秒間隔程度の高頻度で在と不在の状態反転を繰り
返すことがあり得ない場合は、判定手段１１による判定
出力を５秒毎ではなく例えば１分毎程度に変更すること
により判定正解率はほぼ１００％に高められることは明
らかである。むろん５秒間隔ごとに仮の判定結果を一旦
出しておき、それを複数個集めて多数決させることで総
合的な判断を下してもよい。

【００３４】次に本発明の第２の実施例を図８〜図１１
を参照して説明する。図８において第１の実施例と同じ
機能ブロックには同一番号を付与し、説明を省略する。
本実施例が第１の実施例と異なるのはデータ収集手段９
によって収集された時系列データの周波数成分を算出す
る周波数成分算出手段１４と、この周波数成分算出手段
１４により算出されたパワースペクトルに応じ人の在、
不在を判別する判定手段１５を備えたことにある。周波
数成分算出手段１４は安静時の人の微小振動に伴う周波
数成分（例えば０．５〜２．０Ｈｚ）のみを抽出し、そ
の周波数帯域におけるパワースペクトル密度の総量すな
わちパワーＰを出力する。

【００３５】図４（ａ）から明らかなように人が存在す
る場合は、入床、離床、寝返りなどに伴う大きな体動が
あるか心拍や呼吸などに伴う微小振動があるかのいずれ
かに大別できる。大きな体動は波形の振幅が非常に大き
く比較的高い周波数成分のみを有する一過性の（つまり
非周期的な）信号である。一方、心拍や呼吸などに伴う
微小振動は波形の振幅そのものは小さい反面、特定の周
波数帯域に集中する周期的信号が継続して認められる。
一般に安静時の人の心拍数は３８〜１１０回／分（０．
６３〜１．８Ｈｚ）、呼吸数は１０〜２０回／分（０．
１７〜０．３３Ｈｚ）の範囲に分布するといわれている
が、体動検出手段６がこの生体信号を検出しているため
である。

【００３６】つまり人が安静状態にある場合体動検出手
段６から得られる信号は人の心拍及び呼吸に伴う振動が
重畳されたものであり、出力信号からこのような周期性
のある信号が抽出される場合は、たとえ体動量（すなわ
ち出力信号の振幅）は小さくても人の存在が確認できる
ことになる。

【００３７】周波数成分算出手段１４はフィルタ部１４
ａ、波形整形部１４ｂ、ＦＦＴ算出部１４ｃからなり、
これらは全てデジタル信号処理手段によって実現されて
いる。フィルタ部１４ａはバタワースなどの巡回型バン
ドパスフィルタであり、心拍信号抽出に必要な周波数成
分を通す。フィルタ部１４ａで得られた波形をさらに波
形整形部１４ｂでは基本周期成分が強調されるように包
絡線処理などで変換後、ＦＦＴ算出部１４ｃで特定周波
数帯域（例えば０．５〜２．０Ｈｚ）におけるパワース
ペクトルを算出する。

【００３８】次に判定手段１５の動作を図９フローチャ
ートを用いて説明する。まずステップ１５１で分散値算
出手段１０で算出された分散値σ2を読み込み、ステッ
プ１５２でこの読み込んだ分散値σ2が前記図６で記載
した第１の閾値Ｔ１に相当する閾値Ｔ3より小さい分散
値であれば、ステップ１５２に移行して現在の状態を
「不在」と判定しステップ１５１に戻る。そうでなけれ
ばステップ１５４へ行き、読み込んだ分散値σ2が前記
図６で記載した第１の閾値Ｔ２に相当する閾値Ｔ4より
大きい分散値であれば、ステップ１５５に移行して現在
の状態を「在」と判定しステップ１５１に戻る。ここで
定めた閾値Ｔ3及び閾値Ｔ4は一定であり０＜Ｔ3＜Ｔ4と
する。読み込んだ分散値σ2がＴ3≦σ2≦Ｔ4である場合
はステップ１５６に進み、周波数成分算出手段１４で算
出されたパワーＰを読み込み、ステップ１５７でそのパ
ワーＰが所定の閾値Ｔ5より大きければステップ１５５
に進み現在状態を「在」と判定する一方、そうでなけれ
ばステップ１５３に進み現在状態を「不在」と判定す
る。

【００３９】上記作用により、周波数成分算出手段１４
が安静時の人の判別に必要な特定周波数帯域のパワーＰ
を抽出し判定手段１５に伝えることにより、振幅の大き
さと周波数成分の両面から人の判別できるようになっ
た。よって体動検出手段６から得られる信号のＳ／Ｎ比
がとれない場合でも特定の周波数帯域におけるパワーつ
まり心拍や呼吸に伴う周期性振動が認められれば、人の
存在が確認できる。具体的には毛布や着衣量などによっ
て人体と体動検出手段６との距離が離れていたり、高齢
者などで拍動量が弱く体表面の微小振動が体動検出手段
６に伝わりにくい状況下でもうまく人の在、不在判定が
できるようになる。また体動検出手段６からの出力信号
に商用電源や無線電波などから高周波ノイズが重畳して
もこれをうまく分離して必要な信号だけを取り出すこと
ができるという効果がある。

【００４０】尚、周波数成分算出手段１４をデジタル信
号処理で行なっているため、帯域増幅部９ａの回路構成
は簡単化できる。特に心拍や呼吸に伴う周期性振動を通
過させたい場合、非常に低周波であるため従来のアナロ
グ回路では非常に大きな値を持った信号伝送用コンデン
サ（例えば数１０μＦ程度）がどうしても必要になる。
これでは装置全体が大きくなってしまう上、値そのもの
の精度も確保しにくく温度変動などに対する再現性にも
問題があったが、これらの課題を解消できる。

【００４１】また、図１０のように体動検出手段６が体
の部位ごとの体動を独立して測定できるよう複数（図１
０では６ａ〜６ｉの９点）の圧電素子を用い、信号処理
装置８にそれぞれ別の信号として入力させる構成として
もよい。信号処理装置８は図８で示した実施例と同様の
構成であり、分散値算出手段１０における分散値σ2算
出や周波数成分算出手段１４における特定周波数帯域の
パワーＰ算出は各圧電素子の出力波形からそれぞれ独立
に求め、判定手段１５ではそのうちの最大値にのみ着目
して在、不在の判定を下す構成である。

【００４２】図１１に人が安静状態でベッドに横たわっ
た場合に体動検出手段６（６ａ〜６ｉの９点）からの出
力波形と同時に他の測定装置によるポリグラフによって
得られた呼吸、心拍の出力波形（２０秒間）を示す。こ
の測定では被験者はベッド中央に位置したため、６ｂ、
６ｅ、６ｆの部位に特に大きな信号が出ている。振幅は
胸部位置に相当する６ｂが最も大きいが、心拍に伴う周
期振動に関しては、脚部に相当する６ｈが静脈流（血
流）を特徴的に捉えている。また６ｂは呼吸信号に心拍
信号が重畳したようになっていることがわかる。

【００４３】上記構成において体動検出手段６を複数の
圧電素子とすることで、体の部位ごとの体動に応じた信
号が直接出力される。人が就寝している場合、寝姿勢は
逐次変化する可能性がある。従来のように１箇所にしか
圧電素子を配置していない場合、ある時点まで体がうま
く圧電素子の上に乗り信号検出できていてもちょっとし
た寝返りなどで体とマットレス７との間に隙間が生じ、
以後全く信号が検出できなくなる危険性があったが、本
実施例によりベッド上のほとんど全てが検出領域となり
死角がなくなった。また心拍や呼吸に伴う微小振動は体
表面やマットレス７を通し遅延しながら伝搬するのであ
るが、１本の圧電素子を長く配設した方式では引張と収
縮が重なり全体として得られる信号が相殺されやすいの
に比べ、本実施例では各部位別の体動だけを検出できる
ので信号の周期的特徴をつかみやすい。さらに体の部位
ごとの体動量を検出できるので、就寝中どの部位の体動
が起こっているかが監視でき、床ずれ部位の特定や体動
なし時間測定による床づれ予防がより精度よく行える。

【００４４】尚、使用する圧電素子の数は多ければ多い
ほど当然空間分解能が上がるが、一方信号処理速度や記
憶容量もその分必要となるのでベッドに適応する場合、
数点から１０数点とするのが実用的である。

【００４５】次に本発明の第３の実施例を図１２を用い
て説明する。本実施例が第１、第２の実施例と異なるの
は、体動検出手段６に可撓性の同軸ケーブル状の圧電素
子を用いたことにある。この同軸ケーブルからなるこの
体動検出手段６は、中心部に銅からなる導電性の芯線６
０１があり、その外側にピエゾゴム６０２がある。さら
にその外側は編み目状のグランド電極６０３で覆われ、
その外側は被覆６０４で覆われている。この同軸ケーブ
ルが屈曲ないし圧迫を受けるとピエゾゴム６０２が自発
分極し、芯線６０１−グランド電極６０３間に電位差が
生じるしくみとなっている。

【００４６】上記構成において体動検出手段６を可撓性
の同軸ケーブル状の圧電素子にすることにより、圧電素
子そのものをシールドする必要がなく電磁波ノイズに強
くなり、安価で製造も容易となる。

【００４７】次に本発明の第４の実施例を図１３を用い
て説明する。判定手段１１での判定結果が在でありかつ
分散値算出手段１０で算出された分散値が所定値を下回
っている場合、その継続時間を測定する継続時間測定手
段１６を設け、この継続時間測定手段１６で測定された
継続時間が所定値（例えば２時間）を越えれば外部の集
中監視センター１７に通報する報知手段１８を備えても
よい。さらにこの報知手段１８は、判定手段１１での判
定結果が在状態から不在状態に変化した場合及び不在状
態から在状態に変化した場合にも外部の集中監視センタ
ーに通報する構成を備えてもよい。

【００４８】つまりベッドに人がいるにもかかわらず一
定時間（例えば２時間）連続して体動がほとんどない場
合、床づれ発生の危険性が高まっていると見なして集中
監視センターに通報あるいは監視対象となる人の在、不
在状態が反転した場合にも同様に通報する構成である。
ここで報知手段１８はシリアルデータ通信手段を有し、
通信回線１９を介して集中監視センター１７に接続する
ことでテレメータシステムを構築している。

【００４９】一般に健常人であれば就寝中でも数１０分
程度ごとになんらかの体動を起こすことが知られている
が、体力の弱った老人や障害者の一部は自ら体動を起こ
すことができず床ずれを起こしやすい。また床づれは一
晩あるいは数時間で急速に進行するので従来はまだ体動
が起こせる老人に対しても介護者が一定時間ごと強制的
に体位交換の作業をしていたが、本監視装置は床づれ発
生の危険があれば即座に集中監視センター１７に通報す
るので床づれ発生を未然に防ぐとともに介護者の負担を
大変軽くし、就寝者の眠りも妨げないという効果があ
る。一方在、不在状態が反転した場合に通報することで
夜間における痴呆性老人の徘徊やベッドからの転落事故
などが遠隔から即座に発見できる。

【００５０】報知手段１８は床づれ発生の危険がある場
合や在、不在の状態が反転した場合にのみ集中監視セン
ター１７に通報するので通信回線１９を占有しなくても
よい。つまり通信回線１９を他用途に兼用したり、本監
視装置を複数台接続し１：ｎの通信システムにすること
も簡単である。

【００５１】尚、この集中監視センター１７は本監視装
置と同一構内にあっても、屋外の遠隔地にあっても構わ
ない。また報知手段１８は通信回線１９を介して遠隔通
報するのでなく、信号処理装置８内に設けた緊急ブザー
や緊急ランプなどを駆動する構成でもよい。

【００５２】次に本発明の第５の実施例を図１４〜図１
６を用いて説明する。データ収集手段９によって収集さ
れた時系列データの周波数成分のうち特定周波数帯での
パワースペクトルに応じ人の心拍数を抽出する生体信号
抽出手段２０と、この生体信号抽出手段２０で抽出され
た心拍数が所定範囲を逸脱したか否かを判定する第１の
判定手段２１と、生体信号抽出手段２０で抽出された心
拍数が所定範囲を継続して逸脱した時間を測定する継続
時間測定手段２２と、この継続時間が所定値を越えたか
否かを判定する第２の判定手段２３と、生体信号抽出手
段２０で抽出された心拍数を表示する表示手段２４及び
心拍数を記憶する記憶手段２５と、この記憶手段２５で
記憶された心拍データからゆらぎ量を算出するゆらぎ量
算出手段２６と、このゆらぎ量算出手段２６で算出され
たゆらぎ量が所定範囲内か否かを判定する第３の判定手
段２７を備え、さらに第１の判定手段２１、第２の判定
手段２３、第３の判定手段２７いずれかにおいて判定条
件成立の場合、報知する報知手段２８を備えてもよい。

【００５３】上記構成において、生体信号抽出手段２０
は心拍用フィルタ部２０ａ、心拍用波形整形部２０ｂ、
自己相関関数算出部２０ｃ、心拍数算出部２０ｄからな
り、これらは全てデジタル信号処理手段によって実現さ
れている。心拍用フィルタ部２０ａはバタワースなどの
巡回型バンドパスフィルタであり、心拍信号抽出に必要
な周波数成分を通す。心拍用フィルタ部２０ａで得られ
た波形をさらに心拍用波形整形部２０ｂでは心拍におけ
るＲ波が強調されるように２乗化処理で変換する。一般
に心拍のＰ、Ｑ、Ｒ、Ｓ各波のうちでもＲ波が最も高い
周波数成分を持ち振幅も大きいことが知られている。そ
こでＲ−Ｒ間隔をもとに基本周期を導く構成とした。次
に自己相関関数算出部２０ｃでは心拍用波形整形部２０
ｂで変換された波形に対し（数４）のような自己相関関
数Ｒ（τ）あるいはこれを正規化して（数５）のような
自己相関係数Ｃ（τ）を算出する。

【００５４】

【数４】

【００５５】

【数５】

【００５６】

【数６】

【００５７】さらに心拍数算出部２０ｄでは自己相関関
数算出部２０ｃの算出結果から、時系列データの基本周
期Ｔを算出し、これを１分間当たりの心拍数として出力
する構成である。

【００５８】図１５に人が安静状態でベッドに横たわっ
た場合に体動検出手段６からの出力波形（３０秒間）を
基に、データ収集手段９の出力波形１５（ａ）、心拍用
フィルタ部２０ａの出力波形１５（ｂ）、心拍用波形整
形部２０ｂの出力波形１５（ｃ）、自己相関関数算出部
２０ｃの出力波形１５（ｄ）をそれぞれ示す。１５
（ｄ）のグラフで横軸は時間ずらし量τであり、縦軸は
自己相関係数Ｃ（τ）である。心拍数算出部２０ｄは最
初のピーク点である基本周期Ｔを算出し、このピーク点
におけるτの値が０．１＜τ＜５．０でかつＣ（τ）の
値が０．２以上であれば正しい心拍数が検出されたと判
定し１分間当たりの心拍数を出力する。そうでなければ
「測定不能」の判定結果を出力する。基本周期Ｔの検出
は例えば１５（ｄ）のデータをさらにＦＦＴ演算しパワ
ースペクトル検出によって判定してもよい。１５（ｄ）
の例では基本周期Ｔは０．８５秒なのでこの人の心拍数
は１分間当たり７１拍であることがわかる。圧電素子か
らなる体動検出手段６では、寝返りなど大きな体動があ
る場合心拍数が一時的に「測定不能」となるが、安静状
態になれば測定可能状態に戻ることになる。生体信号抽
出部２０からの心拍数信号の出力頻度は、図１５に示し
たような３０秒間の時系列データを用いて３０秒ごとに
行なうものとしてもよいし逐次対象とする時系列データ
をずらしていくことでもっと頻般（例えば５秒ごと）に
してもよい。

【００５９】第１の判定手段２１には閾値可変の設定部
２１ａがあり、生体信号抽出手段２０から心拍数が出力
されかつこの設定部２１ａで定めた範囲（例えば２０〜
２００拍／分）を逸脱した場合、異常判定出力する。

【００６０】継続時間測定手段２２には閾値可変の設定
部２２ａがあり、生体信号抽出手段２０から出力された
心拍数がこの設定部２２ａで定めた範囲（例えば３０〜
１５０）を継続して逸脱した時間を出力する。

【００６１】第２の判定手段２３には閾値可変の設定部
２３ａがあり、継続時間測定手段２２から出力された継
続時間がこの設定部２３ａで定めた値（例えば５分間）
を越えた場合、異常判定出力する。

【００６２】記憶手段２５は、ＦＩＦＯ（ファーストイ
ンファーストアウト）メモリで構成され生体信号抽出手
段２０から出力された心拍数を長期間（例えば最新１週
間分）蓄積し、さらにゆらぎ量算出手段２６が図１６に
示されるような心拍数のヒストグラムから分散値によっ
て心拍数のゆらぎ量を算出する。あるいはゆらぎ量とし
て心拍数の推移（時系列データ）を周波数分析によって
パワースペクトルの傾きが周波数の何乗分の１に相当す
るかを算出する。

【００６３】第３の判定手段２７には閾値可変の設定部
２７ａがあり、ゆらぎ量算出手段２６で算出されたゆら
ぎ量がこの設定部２７ａで定めた範囲を越えた場合、異
常判定出力する。これは健常人の心拍は長期間で見ると
ある範囲内でゆらいでおり、ゆらぎが全くない場合は何
らかの異常であることを利用したものである。また人が
入床後眠りに入った場合、必要となる代謝量が減ること
から心拍数や呼吸数に関して徐波化が見られることを利
用したものである。

【００６４】報知手段２８は、第１の判定手段２１、第
２の判定手段２３、第３の判定手段２７からのいずれか
が異常判定出力をすれば条件成立の場合、アラームラン
プを点灯しまたブザーを駆動する。

【００６５】上記構成において人の心拍数から人の異常
状態の有無を監視できる。特に複数の判定条件を備えた
ことで異常状態判定の精度が高められる。また長期間に
わたり、特定の人の生体信号のトレンドを把握すること
ができるので健康状態の推移が把握できる。本監視装置
を作動させると連続監視がされるので、医療の専門家が
その場に立ち会わなくても必要なデータが自動的に蓄積
される。また心拍のゆらぎ量から循環器系の疾患も自動
的に発見できる。

【００６６】尚、ここで算出する生体信号は呼吸数など
を用い、無呼吸症などによる突然死を防止する構成にし
てもよい。同一の信号から心拍と呼吸とを分離し異常判
定の条件を複合化してもよい。また体動量や体動部位に
ついて異常判定を行ってもよい。また生体信号から異常
判定する場合、１分間当たりの心拍数など値そのもので
はなく変化率や長期的な変動傾向から判断してもよい。
また時間帯や季節に応じて判定条件となる閾値を変えて
いってもよい。報知手段２８は図１３で示した第６の実
施例同様、集中監視センターなどに通報するテレメータ
システムを構築してもよい。体動検出手段６に圧電素子
を複数箇所設けてもよい。また本監視装置は人を例にと
って説明したが、動物など他の生物に適応しても構わな
い。

【００６７】

【発明の効果】以上の説明から明らかのように本発明の
監視装置によれば、次の効果が得られる。

【００６８】（１）体動検出手段からの出力信号を時系
列データに変換しその時系列データの分散値などの統計
量を算出し、この統計量に基づき判定手段が第１の閾値
と第２の閾値の間に不感帯を設けて人の在、不在を判別
するので、物理的電気的ノイズに対する耐性を強化して
人の在と不在を分離することができる。

【００６９】（２）統計量算出手段によって算出された
統計量の大きさと、周波数成分算出手段により算出され
たパワースペクトルの両面から人在・不在の判別を行う
ので、体動検出手段から得られる信号のＳ／Ｎ比がとれ
ない場合でも特定の周波数帯域におけるパワーつまり心
拍や呼吸に伴う周期性振動が認められれば、人の存在が
確認できる。また体動検出手段からの出力信号に商用電
源や無線電波などから高周波ノイズが重畳してもこれを
うまく分離して必要な信号だけを取り出すことができ
る。

【００７０】（３）体動検出手段を可撓性の同軸ケーブ
ル状の圧電素子にするので、圧電素子そのものをシール
ドする必要がなく電磁波ノイズに強くなり、安価で製造
も容易となる。

【図面の簡単な説明】

【図１】本発明の第１の実施例における監視装置の斜視
図

【図２】同装置のブロック図

【図３】同装置における帯域増幅部９ａのフィルタ特性
図

【図４】（ａ）同装置における帯域増幅部９ａからの出力波形を
示した図（ｂ）同装置における帯域増幅部９ａからの出力波形の
うちＳ部の拡大図

【図５】同装置における判定手段１１による判定結果を
示した図

【図６】同装置における判定手段１１の動作を説明する
フローチャート

【図７】（ａ）同装置における在、不在状態を示す図（ｂ）同装置における分散値の推移を表わした図（ｃ）同装置における判定手段１１による判定結果を示
した図

【図８】本発明の第２の実施例における監視装置のブロ
ック図

【図９】同装置における判定手段１５の動作を説明する
フローチャート

【図１０】同監視装置の斜視図

【図１１】同装置における帯域増幅部９ａからの出力波
形及びポリグラフ測定結果を示した図

【図１２】本発明の第３の実施例における監視装置の体
動検出手段６の構造図

【図１３】本発明の第４の実施例における監視装置のブ
ロック図

【図１４】本発明の第５の実施例における監視装置のブ
ロック図

【図１５】（ａ）同装置におけるデータ収集手段９の出力波形を示
す図（ｂ）同装置における心拍用フィルタ２０ａの出力波形
を示す図（ｃ）同装置における心拍用波形整形部２０ｂの出力波
形を示す図（ｄ）同装置における自己相関関数算出部２０ｃの出力
波形を示す図

【図１６】同装置における記憶手段２５で蓄積された心
拍数の分布図

【図１７】従来の監視装置の断面図

【図１８】同装置のＡ−Ａ線断面図

【符号の説明】

６体動検出手段８信号処理装置９データ収集手段１０分散値算出手段１１判定手段１２表示手段１３記憶手段

───────────────────────────────────────────────────── フロントページの続き (56)参考文献特開平３−258246（ＪＰ，Ａ) 特開平４−22334（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) A61B 5/00 102 A61B 5/11

Claims

(57)【特許請求の範囲】

【請求項１】人の体動を検出する体動検出手段と、前
記体動検出手段からの出力信号を時系列データに変換す
るデータ収集手段と、前記データ収集手段によって収集
された前記時系列データの分散値など統計量を算出する
分散値算出手段と、前記分散値算出手段によって算出さ
れた前記統計量に基づき人の在、不在を判別する判定手
段とを備え、判定手段は前記統計量が第１の閾値より小
ならば不在と判定し、不在判定時に前記統計量が前記第
１の閾値よりも大きな第２の閾値より大ならば在と判定
し、一旦在判定がなされると前記統計量が前記大１の閾
値以上ならば在判定を継続する監視装置。
【請求項２】人の体動を検出する体動検出手段と、前
記体動検出手段からの出力信号を時系列データに変換す
るデータ収集手段と、前記データ収集手段によって収集
された前記時系列データの分散値など統計量を算出する
分散値算出手段と、データ収集手段によって収集された
時系列データの周波数成分を算出する周波数成分算出手
段と、前記分散値算出手段によって算出された前記統計
量および前記周波数成分算出手段によって算出されたパ
ワースペクトルに基づき人の在、不在を判別する判定手
段とを備え、判定手段は前記統計量が第１の閾値より小
ならば不在と判定し、不在判定時に前記統計量が前記第
１の閾値よりも大きな第２の閾値より大ならば在と判定
し、前記統計量が第１の閾値以上で前記第２の閾値以下
ならば前記周波数成分算出手段により算出されたパワー
スペクトルが所定の閾値よりも大ならば在と判定し、前
記パワースペクトルが前記所定の閾値以下ならば不在と
判定する監視装置。
【請求項３】体動検出手段は可撓性の同軸ケーブル状
の圧電素子からなり、寝具、寝台、座布団、椅子、便座
など人体と接触する器具内に配設される請求項１または
２記載の監視装置。