(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-09-26
(45)【発行日】2024-10-04
(54)【発明の名称】検知システム、センサシステム、検知方法、及びプログラム
(51)【国際特許分類】
G01S 7/02 20060101AFI20240927BHJP
G01S 13/66 20060101ALI20240927BHJP
G01S 13/32 20060101ALI20240927BHJP
【ＦＩ】
G01S7/02 216
G01S13/66
G01S13/32
【請求項の数】
12
(21)【出願番号】P 2023523373
(86)(22)【出願日】2022-04-26
(86)【国際出願番号】 JP2022018974
(87)【国際公開番号】W WO2022249840
(87)【国際公開日】2022-12-01
【審査請求日】2023-09-07
(31)【優先権主張番号】P 2021088002
(32)【優先日】2021-05-25
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】314012076
【氏名又は名称】パナソニックＩＰマネジメント株式会社
(74)【代理人】
【識別番号】100109210
【弁理士】
【氏名又は名称】新居 広守
(74)【代理人】
【識別番号】100137235
【弁理士】
【氏名又は名称】寺谷 英作
(74)【代理人】
【識別番号】100131417
【弁理士】
【氏名又は名称】道坂 伸一
(72)【発明者】
【氏名】井上 謙一
【審査官】安井 英己
(56)【参考文献】
【文献】特開２０１９－１５８８６２（ＪＰ，Ａ）
【文献】特開２０１３－０９６８２８（ＪＰ，Ａ）
【文献】特開２０１７－０４９０８２（ＪＰ，Ａ）
【文献】特開２０１０－１４５４０６（ＪＰ，Ａ）
【文献】中国特許出願公開第１０１２５１８９５（ＣＮ，Ａ）
【文献】米国特許出願公開第２０１６／０２０３３７４（ＵＳ，Ａ１）
【文献】米国特許出願公開第２０１９／０３９１２５０（ＵＳ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｓ ７／００－ ７／４２，
Ｇ０１Ｓ １３／００－１３／９５
(57)【特許請求の範囲】
【請求項1】
対象物に対して送信アンテナから電波を放射し、かつ、複数の受信アンテナにより前記対象物からの反射電波を受信する電波センサから受信信号を取得する取得部と、前記取得部が取得した前記受信信号に基づいて、前記対象物の位置情報を含む散乱点を生成する生成部と、
前記生成部が所定時間にわたって生成した前記散乱点の集合である散乱点群を１以上のクラスタに分類する分類部と、
前記分類部が分類した前記１以上のクラスタごとに、当該クラスタに含まれる各散乱点の座標を前記各散乱点の反射電波の強度を重みとして加重平均して重心を算出する重心算出部と、
前記分類部が分類した前記１以上のクラスタのいずれかを前記対象物と関連付ける関連付け部と、
前記重心算出部が算出した前回以前の周期での前記重心を、前記散乱点として前記散乱点群に混合する混合部と、を備える、
検知システム。
【請求項2】
前記散乱点は、前記対象物と前記電波センサとの間の距離及び前記電波センサに対する前記対象物の方向の少なくとも一方に関する情報と、前記反射電波の強度に関する情報と、を含む、請求項１に記載の検知システム。
【請求項3】
前記関連付け部は、前記前回以前の周期での前記重心が、前記分類部が分類した前記１以上のクラスタに含まれるか否かに基づいて、前記１以上のクラスタのいずれかを前記対象物と関連付ける、請求項１又は２に記載の検知システム。
【請求項4】
前記分類部は、前記散乱点の密度に基づいて孤立点を除去するアルゴリズムを用いて、前記散乱点群を前記１以上のクラスタに分類する、請求項１又は２に記載の検知システム。
【請求項5】
前記混合部は、前記散乱点群に混合する前記前回以前の周期での前記重心の混合量又は遅延量を調整する、請求項１又は２に記載の検知システム。
【請求項6】
前記混合部は、前記１以上のクラスタの各々について、前記重心以外の前記散乱点が含まれていなければカウンタをインクリメントし、含まれていればカウンタをリセットし、前記カウンタが閾値に達すると、前記重心を破棄する、請求項５に記載の検知システム。
【請求項7】
前記混合部は、前記１以上のクラスタの各々について、前記重心以外の前記散乱点が含まれていなければ前記重心の混合量を減少させ、含まれていれば前記重心の混合量を元に戻す、請求項５に記載の検知システム。
【請求項8】
前記電波センサは、通常モードと、前記電波を特定の方向に集中して放射又は選択的に受信する特定モードとのいずれかに動作を切り替え可能であって、前記混合部は、前記電波センサが前記特定モードで動作している場合に、前記電波センサが前記通常モードで動作している場合と比較して、前記重心の混合量を増大させる、
請求項５に記載の検知システム。
【請求項9】
前記分類部が分類した前記１以上のクラスタごとに、次回以降の周期での重心を予測する予測部を更に備え、前記混合部は、前記予測部が予測した前記次回以降の周期での前記重心を、前記散乱点として前記散乱点群に混合する、
請求項１又は２に記載の検知システム。
【請求項10】
請求項１又は２に記載の検知システムと、前記検知システムにより制御される前記電波センサと、を備える、
センサシステム。
【請求項11】
対象物に対して送信アンテナから電波を放射し、かつ、複数の受信アンテナにより前記対象物からの反射電波を受信する電波センサから受信信号を取得する取得ステップと、前記取得ステップが取得した前記受信信号に基づいて、前記対象物の位置情報を含む散乱点を生成する生成ステップと、
前記生成ステップが所定時間にわたって生成した前記散乱点の集合である散乱点群を１以上のクラスタに分類する分類ステップと、
前記分類ステップが分類した前記１以上のクラスタごとに、当該クラスタに含まれる各散乱点の座標を前記各散乱点の反射電波の強度を重みとして加重平均して重心を算出する重心算出ステップと、
前記分類ステップが分類した前記１以上のクラスタのいずれかを前記対象物と関連付ける関連付けステップと、
前記重心算出ステップが算出した前回以前の周期での前記重心を、前記散乱点として前記散乱点群に混合する混合ステップと、を含む、
検知方法。
【請求項12】
１以上のプロセッサに、請求項１１に記載の検知方法を実行させる、
プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、電波センサから出力される信号に基づいて対象物を検知する検知システム、センサシステム、検知方法、及びプログラムに関する。
【背景技術】
【0002】
特許文献１は、目標物体の位置を検知するドップラーレーダシステムを開示する。このドップラーレーダシステムは、送信アンテナと、複数の受信アンテナと、マイクロドップラー演算部と、第１重心算出部と、第２重心算出部と、重心決定部とを備える。マイクロドップラー演算部は、目標物体に含まれる複数の反射点の各々の位置を示す複数の測定点を算出する。第１重心算出部は、第１間隔を有する第１分割枠を用いて、測定点の第１重心を算出する。第２重心算出部は、第１間隔より狭い第２間隔を有する第２分割枠を用いて、測定点の第２重心を算出する。重心決定部は、複数の第２重心の中から、第２重心と第１重心との位置関係に基づいて、少なくとも１つの第２重心を目標物体の位置に決定する。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１３－９６８２８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
本発明は、対象物の位置の検知精度を向上しやすい検知システム、センサシステム、検知方法、及びプログラムを提供する。
【課題を解決するための手段】
【0005】
本発明の一態様に係る検知システムは、取得部と、生成部と、分類部と、重心算出部と、関連付け部と、混合部と、を備える。前記取得部は、対象物に対して送信アンテナから電波を放射し、かつ、複数の受信アンテナにより前記対象物からの反射電波を受信する電波センサから受信信号を取得する。前記生成部は、前記取得部が取得した前記受信信号に基づいて、前記対象物の位置情報を含む散乱点を生成する。前記分類部は、前記生成部が所定時間にわたって生成した前記散乱点の集合である散乱点群を１以上のクラスタに分類する。前記重心算出部は、前記分類部が分類した前記１以上のクラスタごとに重心を算出する。前記関連付け部は、前記分類部が分類した前記１以上のクラスタのいずれかを前記対象物と関連付ける。前記混合部は、前記重心算出部が算出した前回以前の周期での前記重心を、前記散乱点として前記散乱点群に混合する。
【0006】
本発明の一態様に係るセンサシステムは、前記検知システムと、前記検知システムにより制御される前記電波センサと、を備える。
【0007】
本発明の一態様に係る検知方法は、取得ステップと、生成ステップと、分類ステップと、重心算出ステップと、関連付けステップと、混合ステップと、を含む。前記取得ステップでは、対象物に対して送信アンテナから電波を放射し、かつ、複数の受信アンテナにより前記対象物からの反射電波を受信する電波センサから受信信号を取得する。前記生成ステップでは、前記取得ステップが取得した前記受信信号に基づいて、前記対象物の位置情報を含む散乱点を生成する。前記分類ステップでは、前記生成ステップが所定時間にわたって生成した前記散乱点の集合である散乱点群を１以上のクラスタに分類する。前記重心算出ステップでは、前記分類ステップが分類した前記１以上のクラスタごとに重心を算出する。前記関連付けステップでは、前記分類ステップが分類した前記１以上のクラスタのいずれかを前記対象物と関連付ける。前記混合ステップでは、前記重心算出ステップが算出した前回以前の周期での前記重心を、前記散乱点として前記散乱点群に混合する。
【0008】
本発明の一態様に係るプログラムは、１以上のプロセッサに、前記検知方法を実行させる。
【発明の効果】
【0009】
本発明の検知システム、センサシステム、検知方法、及びプログラムは、対象物の位置の検知精度を向上しやすい、という利点がある。
【図面の簡単な説明】
【0010】
【発明を実施するための形態】
【0011】
（本発明の基礎となった知見）
まず、発明者の着眼点が、下記に説明される。
まず、発明者の着眼点が、下記に説明される。
【0012】
従来、例えば住宅又はオフィス等の人の存在する空間において、プライバシーに配慮すべく、カメラを使用せずに当該空間における人の存否を検知したいというニーズがある。そして、このようなニーズを満たすために、電波センサを用いて空間における人の存否を検知することが知られている。
【0013】
電波センサは、空間における人を検知するのみならず、検知した人の生体情報（例えば、呼吸又は心拍等）を非接触で取得することが可能である。電波センサで非接触に生体情報を取得できれば、人が例えば腕時計型のウェアラブルデバイスを装着して生体情報を取得する場合と比較して、人が検知されているという意識から解放され、かつ、装着の煩わしさ又は装着していることに起因するストレスを人が感じにくくなる、という利点がある。
【0014】
ところで、１台の電波センサを用いて複数人の生体情報を同時に取得するために、例えばビームフォーミング等の信号分離技術を用いることが考えられる。このような信号分離技術を用いる場合には、生体情報の発生源、つまり各人の位置を精度良く特定することが肝要であり、特に生体情報を精度良く取得する場合であれば、各人の位置の検知が安定して行われることが肝要である。
【0015】
以上を鑑み、発明者は本発明を創作するに至った。
【0016】
以下、実施の形態について、図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的又は具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
【0017】
なお、各図は模式図であり、必ずしも厳密に図示されたものではない。また、各図において、実質的に同一の構成に対しては同一の符号を付し、重複する説明は省略又は簡略化される場合がある。
【0018】
（実施の形態）
［１．構成］
以下、実施の形態に係る検知システム１０の構成について図１を用いて説明する。図１は、実施の形態に係る検知システム１０を含む全体構成を示すブロック図である。検知システム１０は、電波センサ２から出力される信号（受信信号Ｓｉｇ１）に基づいて対象物３を検知するためのシステムである。実施の形態では、対象物３は、人である。なお、対象物３は、電波センサ２が放射する電波を反射する態様であれば、人以外の生体であってもよいし、生体でなくてもよい。
［１．構成］
以下、実施の形態に係る検知システム１０の構成について図１を用いて説明する。図１は、実施の形態に係る検知システム１０を含む全体構成を示すブロック図である。検知システム１０は、電波センサ２から出力される信号（受信信号Ｓｉｇ１）に基づいて対象物３を検知するためのシステムである。実施の形態では、対象物３は、人である。なお、対象物３は、電波センサ２が放射する電波を反射する態様であれば、人以外の生体であってもよいし、生体でなくてもよい。
【0019】
電波センサ２は、対象物３に対して送信アンテナ２１１から電波を放射し、かつ、複数の受信アンテナ２２１により対象物３からの反射電波を受信する。具体的には、電波センサ２は、例えばＳＩＭＯ（single-input and multiple-output）レーダであって、送信部２１と、受信部２２と、１つの送信アンテナ２１１と、複数の受信アンテナ２２１と、を備えている。複数の受信アンテナ２２１は、アレーアンテナを構成している。なお、電波センサ２は、送信アンテナ２１１を複数備えるＭＩＭＯ（multiple-input and multiple-output）レーダであってもよい。
【0020】
送信部２１は、送信信号を生成し、生成した送信信号を送信アンテナ２１１に出力する。送信部２１は、例えば検知システム１０に制御される。送信アンテナ２１１は、送信部２１から出力される送信信号を受けると、送信信号を電波として放射する。
【0021】
ここで、対象物３が例えば人のように電波の波長に比べて大きな凹凸を有する複雑な形状を有する場合、反射条件を満たす点（つまり、反射点）は対象物３の表面上に複数存在する。複数の受信アンテナ２２１の各々は、送信アンテナ２１１から送信された電波が対象物３の表面における複数の反射点で反射された反射電波を受信する。受信部２２は、複数の受信アンテナ２２１でそれぞれ受信された複数の反射電波の各々に対応する受信信号Ｓｉｇ１を生成し、生成した受信信号Ｓｉｇ１を検知システム１０に出力する。
【0022】
実施の形態では、電波センサ２は、通常モードと、電波を特定の方向に集中して放射又は選択的に受信する特定モードとのいずれかに動作を切り替え可能である。通常モードは、電波センサ２が検知対象とする空間の全体にわたって電波を放射することで、当該空間における１以上の対象物３の位置を検知する際に用いられる。特定モードは、通常モードで検知された特定の対象物３に対して、ビームフォーミングにより電波を集中して放射又は選択的に受信することで、特定の対象物３の生体情報（例えば、呼吸又は心拍等）を取得する際に用いられる。
【0023】
検知システム１０は、例えばマイクロコンピュータ等、プロセッサ及びメモリを備えた処理回路により実現される。つまり、処理回路におけるプロセッサがメモリに格納されたプログラムを実行することにより、検知システム１０としての各種機能が実現される。検知システム１０は、図１に示すように、取得部１１と、生成部１２と、分類部１３と、重心算出部１４と、関連付け部１５と、混合部１６と、を備えている。
【0024】
取得部１１は、電波センサ２から受信信号Ｓｉｇ１を取得する。取得部１１は、検知方法における取得ステップＳＴ１の実行主体である。実施の形態では、取得部１１は、電波センサ２の出力端子と信号線により接続されている。そして、取得部１１は、電波センサ２の出力端子から出力される受信信号Ｓｉｇ１を、信号線を介して定期的に取得する。
【0025】
生成部１２は、取得部１１が取得した受信信号Ｓｉｇ１に基づいて、対象物３の位置情報を含む散乱点４１を生成する。生成部１２は、検知方法における生成ステップＳＴ２の実行主体である。ここで、「散乱点４１を生成する」とは、対象物３の表面における反射点を算出する（推定する）ことをいう。
【0026】
具体的には、生成部１２は、例えば受信信号Ｓｉｇ１に基づいて、周波数変調連続波レーダ（Frequency Modulated Continuous Wave radar）の技術を用いた処理を実行することにより、対象物３と電波センサ２との間の距離Ｄ１（図２参照）を算出する。また、生成部１２は、例えば受信信号Ｓｉｇ１に基づいて、アレーアンテナ（複数の受信アンテナ２２１）の受信した反射電波（つまり、受信信号Ｓｉｇ１）を用いて到来方向を推定する処理を実行することにより、反射電波の到来角θ１（図２参照。つまり、電波センサ２に対する対象物３の方向）を算出する。さらに、生成部１２は、例えば受信信号Ｓｉｇ１のＲＳＳＩ（Received Signal Strength Indicator）値を計測する、又は周波数変調連続波レーダの原理に従って、受信信号Ｓｉｇ１を高速フーリエ変換（Fast Fourier Transform）したもの（距離スペクトルという）からピーク値を抽出することにより、反射電波の強度を計測する。つまり、散乱点４１は、対象物３と電波センサ２との間の距離及び電波センサ２に対する対象物３の方向の少なくとも一方（実施の形態では、両方）に関する情報と、反射電波の強度に関する情報と、を含んでいる。
【0027】
以下、生成部１２による散乱点４１の生成の具体例について説明する。図２は、実施の形態に係る電波センサ２による対象物３の検知の概要を示す図である。図２における曲線状の破線は、電波センサ２から送信される電波を表している。図２に示す例では、電波センサ２の検知範囲には、対象物３として３人の人（第１対象物３Ａ、第２対象物３Ｂ、及び第３対象物３Ｃ）が存在している。
【0028】
生成部１２は、受信信号Ｓｉｇ１に基づいて上記の処理を実行することにより、各散乱点４１を生成する。具体的には、生成部１２は、第１対象物３Ａについては、距離Ｄ１Ａ、到来角θ１Ａの第１散乱点４１Ａを生成する。また、生成部１２は、第２対象物３Ｂについては、距離Ｄ１Ｂ、到来角θ１Ｂの第２散乱点４１Ｂを生成する。また、生成部１２は、第３対象物３Ｃについては、距離Ｄ１Ｃ、到来角θ１Ｃの第３散乱点４１Ｃを生成する。なお、図２に示す例では、第１対象物３Ａの第１散乱点４１Ａ、第２対象物３Ｂの第２散乱点４１Ｂ、及び第３対象物３Ｃの第３散乱点４１Ｃは、いずれも１点であるが、実際には多数の点が存在し得る。また、ここでは各散乱点４１Ａ～４１Ｃの反射電波の強度については説明を省略する。
【0029】
図３は、実施の形態に係る検知システム１０の生成部１２により生成される散乱点４１の一例を示す図である。図３に示す丸印は、生成部１２で生成された散乱点４１に対応しており、電波センサ２及び各対象物３を含む平面における電波センサ２を原点とした散乱点４１の平面座標（ｘｙ座標）を表している。図３に示す例では、第１散乱点４１Ａの集合４Ａの位置が、概ね第１対象物３Ａの位置に対応している。また、第２散乱点４１Ｂの集合４Ｂの位置が、概ね第２対象物３Ｂの位置に対応している。また、第３散乱点４１Ｃの集合４Ｃの位置が、概ね第３対象物３Ｃの位置に対応している。
【0030】
分類部１３は、生成部１２が所定時間Ｔ１にわたって生成した散乱点４１の集合である散乱点群４を１以上のクラスタ５（図５参照）に分類する。分類部１３は、検知方法における分類ステップＳＴ３の実行主体である。例えば、散乱点群４が図３に示すように第１散乱点４１Ａの集合４Ａ、第２散乱点４１Ｂの集合４Ｂ、及び第３散乱点４１Ｃの集合４Ｃを含んでいる場合、分類部１３は、これらの集合４Ａ～４Ｃをそれぞれ３つのクラスタ５に分類する。
【0031】
図４は、実施の形態に係る検知システム１０の分類部１３が分類対象とする散乱点群４の説明図である。図４に示す例では、「＃１」～「＃ｎ（ｎは２以上の自然数）」、「＃ｎ＋１」、及び「＃ｎ＋２」は、それぞれフレーム（例えば、コンマ数秒）ごとに生成部１２が生成した散乱点４の集合を表している。そして、分類部１３は、所定時間Ｔ１（ここでは、ｎフレーム）に蓄積された散乱点４の集合を、１つの散乱点群４として、この散乱点群４に対して所定のアルゴリズムを用いてクラスタリングを実行する。
【0032】
図４に示す例では、「＃１＊」は、「＃１」～「＃ｎ」のｎフレームで蓄積された散乱点４の集合である散乱点群４を表している。また、「＃２＊」は、「＃２」～「＃ｎ＋１」のｎフレームで蓄積された散乱点４の集合である散乱点群４を表している。また、「＃３＊」は、「＃３」～「＃ｎ＋２」のｎフレームで蓄積された散乱点４の集合である散乱点群４を表している。分類部１３は、これら「＃１＊」、「＃２＊」、及び「＃３＊」の各々の散乱点群４について、１以上のクラスタ５に分類する。つまり、分類部１３は、周期Ｐ１（１フレーム）ごとに散乱点群４を１以上のクラスタ５に分類する。
【0033】
実施の形態では、分類部１３は、散乱点４１の密度に基づいて孤立点を除去するアルゴリズムを用いて、散乱点群４を１以上のクラスタ５に分類する。具体的には、分類部１３は、ＤＢＳＣＡＮ（Density-Based Spatial Clustering of Applications with Noise）を用いて、散乱点群４を１以上のクラスタ５に分類する。
【0034】
ＤＢＳＣＡＮにおいては、任意の散乱点４１がコア点であれば、当該コア点と、当該コア点から到達可能な全ての到達可能点とが１つのクラスタ５を形成する。また、ＤＢＳＣＡＮにおいては、コア点及び到達可能点のいずれにも該当しない散乱点４１は、外れ値（孤立点）である。孤立点は、クラスタ５に分類されない（つまり、除去される）。ここで、「コア点」は、任意の「点ｐ」が存在するとして、この「点ｐ」から「距離ε」内に少なくとも「ｍｉｎＰｔｓ個」の点がある場合における「点ｐ」をいう。また、「到達可能点」とは、コア点から「距離ε」内に存在することでコア点から直接到達可能な点と、コア点から「距離ε」内に存在しないが、コア点から他のコア点を介して到達可能な点と、を含む。「距離ε」及び「ｍｉｎＰｔｓ」は、いずれも適宜設定可能なパラメータである。
【0035】
図５は、実施の形態に係る検知システム１０の分類部１３が分類対象とする散乱点群４の概要を示す図である。図５に示す例では、破線の丸で囲まれた領域が分類部１３で分類されたクラスタ５を表しており、丸印が散乱点４１を表している。また、図５に示す例では、×印は、後述する重心算出部１４が算出した前回以前の周期Ｐ１での重心４２が、散乱点４１として散乱点群４に含まれていることを表している。なお、重心４２は、散乱点４１として１つだけ散乱点群４に含まれていてもよいし、複数が散乱点群に含まれていてもよい。重心４２が散乱点群４の複数含まれる場合、複数の重心４２が１箇所に重複することになる。
【0036】
ここでいう「前回以前の周期Ｐ１」とは、分類部１３が散乱点群４を１以上のクラスタ５に分類した周期Ｐ１を今回の周期Ｐ１とした場合における、今回の周期Ｐ１よりも１つ以上前の周期Ｐ１のことをいう。図５に示す例では、破線の丸で囲まれた領域が今回の周期Ｐ１でのクラスタ５を表しており、丸印が今回の周期Ｐ１での散乱点４１を表しており、×印が前回の周期Ｐ１での重心４２を表している。
【0037】
なお、重心算出部１４が未だ重心４２を算出していない時点においては、当然、散乱点群４には重心４２が含まれることはない。つまり、散乱点群４には、基本的に重心算出部１４が重心４２を算出した周期Ｐ１以降の周期Ｐ１においては、重心４２が散乱点４１として含まれることになる。
【0038】
重心算出部１４は、分類部１３が分類した１以上のクラスタ５ごとに重心４２を算出する。重心算出部１４は、検知方法における重心算出ステップＳＴ４の実行主体である。実施の形態では、重心算出部１４は、１以上のクラスタ５の各々について、クラスタ５に含まれる各散乱点４１（前回の周期Ｐ１の重心４２を含む）の平面座標（ｘｙ座標）と、各散乱点４１の反射電波の強度とを用いて、以下の式（１）、（２）により重心４２の平面座標（ｘｙ座標）を算出する。以下の式（１）は、重心４２のｘ座標を算出するための数式であり、式（２）は、重心４２のｙ座標を算出するための数式である。以下の式（１）、（２）のいずれにおいても、「ｐ」は反射電波の強度を表している。
【0039】
【数1】
【0040】
【数2】
【0041】
関連付け部１５は、分類部１３が分類した１以上のクラスタ５のいずれかを対象物３と関連付ける。関連付け部１５は、検知方法における関連付けステップＳＴ５の実行主体である。関連付け部１５が１以上のクラスタ５を対象物３と関連付けることにより、関連付けられたクラスタ５の位置が対象物３の位置として検知される。
【0042】
図６は、実施の形態に係る検知システム１０の関連付け部１５による対象物３とクラスタ５との関連付けの基本例を示す図である。図６は、電波センサ２の検知範囲に２人の人（対象物３）が存在する場合の分類部１３による分類の結果を示している。なお、図６に示す例では、２人の人（対象物３）は静止状態にあり、殆ど移動していないこととする。
【0043】
図６において、「Ｃｌｓ（ａ，ｂ）」の「ａ」は分類部１３により任意に付与されるクラスタの番号を表しており、「ｂ」は周期Ｐ１を表している。図６に示す例では、ｎ－２番目の周期Ｐ１における左下のクラスタ５であるＣｌｓ（１，ｎ－２）と、ｎ－１番目の周期Ｐ１における左下のクラスタ５であるＣｌｓ（２，ｎ－１）と、ｎ番目の周期Ｐ１おける左下のクラスタ５であるＣｌｓ（２，ｎ）が、いずれも概ね同じ位置にある。このため、関連付け部１５は、左下のクラスタ５を２人のうちの一方の１人（対象物３）と関連付ける。
【0044】
また、図６に示す例では、ｎ－２番目の周期Ｐ１における右上のクラスタ５であるＣｌｓ（２，ｎ－２）と、ｎ－１番目の周期Ｐ１における右上のクラスタ５であるＣｌｓ（３，ｎ－１）と、ｎ番目の周期Ｐ１おける右上のクラスタ５であるＣｌｓ（１，ｎ）が、いずれも概ね同じ位置にある。このため、関連付け部１５は、右上のクラスタ５を２人のうちの他方の１人（対象物３）と関連付ける。
【0045】
なお、図６に示す例では、ｎ－１番目の周期Ｐ１における左上のクラスタ５であるＣｌｓ（１，ｎ－１）は、ｎ－２番目の周期Ｐ１及びｎ番目の周期Ｐ１には存在していない。このため、関連付け部１５は、当該クラスタ５については対象物３に関連付けない。
【0046】
実施の形態では、関連付け部１５は、前回以前の周期Ｐ１での重心４２が、分類部１３が分類した１以上のクラスタ５に含まれるか否かに基づいて、１以上のクラスタ５のいずれかを対象物３と関連付ける。
【0047】
図７は、実施の形態に係る検知システム１０の関連付け部１５による対象物３とクラスタ５との関連付けの説明図である。図７に示す各列は、周期Ｐ１において、分類部１３が散乱点群４を１以上のクラスタ５に分類し、重心算出部１４が１以上のクラスタ５の各々について重心４２を算出する流れを示している。また、図７に示す破線の楕円で囲まれた箇所は、今回の周期Ｐ１におけるクラスタ５であるＣｌｓ（α、ｎ）が、前回の周期Ｐ１におけるクラスタ５であるＣｌｓ（β、ｎ－１）の重心４２であるＧ（β、ｎ－１）を含むか否かを判定する処理を表している。なお、「α」、「β」は分類部１３により任意に付与されるクラスタ５の番号を表しており、「ｎ」、「ｎ－１」は周期Ｐ１を表している。
【0048】
関連付け部１５は、Ｃｌｓ（α、ｎ）にＧ（β、ｎ－１）が含まれている場合、今回の周期Ｐ１におけるクラスタ５であるＣｌｓ（α、ｎ）と、前回の周期Ｐ１におけるクラスタ５であるＣｌｓ（β、ｎ－１）とが同じ対象物３に由来する、と判定する。つまり、関連付け部１５は、現在のクラスタ５と過去のクラスタ５とを関連付けることにより、対象物３を捕捉することが可能である。なお、関連付け部１５は、Ｃｌｓ（α、ｎ）にＧ（β、ｎ－１）が含まれていない場合、今回の周期Ｐ１におけるクラスタ５であるＣｌｓ（α、ｎ）と、前回の周期Ｐ１におけるクラスタ５であるＣｌｓ（β、ｎ－１）とが互いに異なる対象物３に由来する、と判定する。
【0049】
混合部１６は、重心算出部１４が算出した前回以前の周期Ｐ１での重心４２を、散乱点４１として散乱点群４に混合する（含める）。混合部１６は、検知方法における混合ステップＳＴ６の実行主体である。混合部１６は、既に述べた図５に示すように、今回の周期Ｐ１において生成部１２が生成した散乱点４１の集合に、前回以前の周期Ｐ１において重心算出部１４が算出した１以上の重心４２を、１以上の散乱点４１として混合する。
【0050】
実施の形態では、混合部１６は、散乱点群４に混合する前回以前の周期Ｐ１での重心４２の混合量又は遅延量を調整する。ここで、「重心４２の混合量」とは、散乱点４１の集合に混合する重心４２の数である。つまり、混合部１６は、今回の周期Ｐ１における散乱点４１の集合に、１つの重心４２を混合するか、又は複数の重心４２を混合するかを調整する。
【0051】
また、「重心４２の遅延量」とは、散乱点４１の集合に混合する重心４２が、どれだけ以前の周期Ｐ１の重心４２であるかを示す。つまり、混合部１６は、今回の周期Ｐ１における散乱点４１の集合に、前回の周期Ｐ１の重心４２を混合するか、又は前回よりも前の周期Ｐ１の重心４２を更に混合するかを調整する。
【0052】
混合部１６が散乱点群４に混合する前回以前の周期Ｐ１での重心４２の混合量又は遅延量を調整することにより、現在のクラスタ５と過去のクラスタ５との関連付けを行いやすくしたり、時間経過に伴うクラスタ５の位置の変化を平滑にしたりすることが可能である。
【0053】
特に、実施の形態では、分類部１３がＤＢＳＣＡＮを用いて散乱点群４を１以上のクラスタ５に分類している。このため、混合部１６は、コア点が消失しないように（つまり、コア点が孤立点とならないように）散乱点群４に含める重心４２の数（混合量）を調整することで、クラスタ５の消失を防ぎ、結果として対象物３を捕捉し続けることが可能になる。
【0054】
以下、混合部１６の第１動作例～第３動作例を列挙する。実施の形態では、混合部１６は、第１動作例及び第２動作例のいずれか一方と、第３動作例とを適用しているが、いずれか１つの動作例のみを適用してもよい。また、以下に示す混合部１６の動作例は、あくまで一例であって、混合部１６は他の動作例を適用してもよい。
【0055】
第１動作例では、混合部１６は、１以上のクラスタ５の各々について、重心４２以外の散乱点４１が含まれていなければカウンタをインクリメントし、含まれていればカウンタをリセットする。そして、混合部１６は、カウンタが閾値（第１閾値）Ｔｈ１に達すると、重心４２を破棄する（つまり、重心４２を散乱点４１として散乱点群４に含めない）。これにより、散乱点４１が存在しないまま残留し続けているクラスタ５は、カウンタが閾値Ｔｈ１に達すると、消滅することになる。
【0056】
以下、第１動作例について図８及び図９を用いて説明する。図８は、実施の形態に係る検知システム１０の混合部１６の第１動作例の説明図である。図９は、実施の形態に係る検知システム１０の混合部１６の第１動作例におけるクラスタ５の遷移の説明図である。図８における（ａ）、（ｂ）、（ｃ）、及び（ｄ）は、それぞれ図９における（ａ）、（ｂ）、（ｃ）、及び（ｄ）に対応している。図９において、実線の丸で囲まれた領域は、クラスタ５に散乱点４１及び重心４２の両方が含まれていることを表しており、破線の丸で囲まれた領域は、クラスタ５に重心４２が含まれているが、散乱点４１が含まれていないことを表している。なお、図９では、散乱点４１の図示を省略している。
【0057】
（ａ）の状態では、分類部１３は、散乱点群４を３つのクラスタ５（第１クラスタ５Ａ、第２クラスタ５Ｂ、及び第３クラスタ５Ｃ）に分類している。この状態では、各クラスタ５Ａ～５Ｃには散乱点４１が含まれている。したがって、混合部１６は、いずれのクラスタ５Ａ～５Ｃに対応するカウンタもインクリメントしない。
【0058】
（ｂ）の状態では、第１クラスタ５Ａには依然として散乱点４１が含まれているが、第２クラスタ５Ｂ及び第３クラスタ５Ｃからは散乱点４１が消失している。このため、混合部１６は、第２クラスタ５Ｂ及び第３クラスタ５Ｃの各々に対応するカウンタをインクリメントする。なお、カウンタは、周期Ｐ１ごとにインクリメントされる。
【0059】
（ｃ）の状態では、第２クラスタ５Ｂにおいては一時的に消失していた散乱点４１が復活している一方、第３クラスタ５Ｃでは依然として散乱点４１が消失している。このため、混合部１６は、第２クラスタ５Ｂに対応するカウンタをリセットする一方、第３クラスタ５Ｃに対応するカウンタをインクリメントし続ける。
【0060】
（ｄ）の状態では、第３クラスタ５Ｃに対応するカウンタが閾値（第１閾値）Ｔｈ１に達している。このため、混合部１６は、第３クラスタ５Ｃに対応する重心４２を破棄する、つまり、第３クラスタ５２Ｃに散乱点４１として重心４２を含めないように重心４２の混合量を調整する。これにより、第３クラスタ５Ｃには散乱点４１及び重心４２が存在しないことになり、第３クラスタ５Ｃが消失する。
【0061】
上述のように、第１動作例では、散乱点４１が存在しない、つまり対象物３が存在しないにも関わらず対応するクラスタ５が残留し続けるのを防ぐことができ、対象物３の検知精度を向上しやすくなる、という利点がある。
【0062】
第２動作例では、混合部１６は、１以上のクラスタ５の各々について、重心４２以外の散乱点４１が含まれていなければ重心４２の混合量を減少させ、含まれていれば重心４２の混合量を元に戻す。これにより、散乱点４１が存在しないまま残留し続けているクラスタ５は、重心４２の混合量が減少することで、重心４２の数がＤＢＳＣＡＮにおける「ｍｉｎＰｔｓ」に対応する閾値（第２閾値）Ｔｈ２を下回ると、コア点の消失に伴って消滅することになる。
【0063】
以下、第２動作例について図９及び図１０を用いて説明する。図１０は、実施の形態に係る検知システム１０の混合部１６の第２動作例の説明図である。図１０における（ａ）、（ｂ）、（ｃ）、及び（ｄ）は、それぞれ図９における（ａ）、（ｂ）、（ｃ）、及び（ｄ）に対応している。
【0064】
（ａ）の状態では、各クラスタ５Ａ～５Ｃには散乱点４１が含まれている。したがって、混合部１６は、いずれのクラスタ５Ａ～５Ｃに対応する重心４２の混合量も減少させない。
【0065】
（ｂ）の状態では、第１クラスタ５Ａには依然として散乱点４１が含まれているが、第２クラスタ５Ｂ及び第３クラスタ５Ｃからは散乱点４１が消失している。このため、混合部１６は、第２クラスタ５Ｂ及び第３クラスタ５Ｃの各々に対応する重心４２の混合量を減少させる。なお、重心４２の混合量は、周期Ｐ１ごとに減少される。
【0066】
（ｃ）の状態では、第２クラスタ５Ｂにおいては一時的に消失していた散乱点４１が復活している一方、第３クラスタ５Ｃでは依然として散乱点４１が消失している。このため、混合部１６は、第２クラスタ５Ｂに対応する重心４２の混合量を元に戻す一方、第３クラスタ５Ｃに対応する重心４２の混合量を減少させ続ける。
【0067】
（ｄ）の状態では、第３クラスタ５Ｃに対応する重心４２の混合量が閾値（第２閾値）Ｔｈ２に達している。これにより、第３クラスタ５Ｃからコア点が消失することになり、第３クラスタ５Ｃが消失する。
【0068】
上述のように、第２動作例では、散乱点４１が存在しない、つまり対象物３が存在しないにも関わらず対応するクラスタ５が残留し続けるのを防ぐことができ、対象物３の検知精度を向上しやすくなる、という利点がある。
【0069】
第３動作例では、混合部１６は、電波センサ２が特定モードで動作している場合に、電波センサ２が通常モードで動作している場合と比較して、重心４２の混合量を増大させる。これにより、電波センサ２が特定モードで動作している場合においては、クラスタ５は、電波センサ２が通常モードで動作している場合と比較して、重心４２の位置に依存しやすくなる。
【0070】
以下、第３動作例について図１１を用いて説明する。図１１は、実施の形態に係る検知システム１０の混合部１６の第３動作例の説明図である。図１１において、重心４２を示す×印の大小は、重心４２の混合量の大小を表している。つまり、重心４２を示す×印が大きければ大きい程、重心４２の混合量が大きい（つまり、重心４２の数が多い）ことを表している。
【0071】
第３動作例では、検知システム１０は、対象物３の検知位置の変動が小さいと判定した場合に、電波センサ２の動作モードを通常モードから特定モードに切り替える。対象物３の検知位置の変動が小さい状態は、例えば人（対象物３）が就寝している場合に発生し得る。例えば、検知システム１０は、対象物３に対応するクラスタ５における散乱点４１の数が閾値を下回ると、電波センサ２の動作モードを通常モードから特定モードに切り替え、閾値を上回ると、電波センサ２の動作モードを特定モードから通常モードに切り替える。また、例えば、検知システム１０は、反射電波の強度の安定度が閾値を上回ると、電波センサ２の動作モードを通常モードから特定モードに切り替え、閾値を下回ると、電波センサ２の動作モードを特定モードから通常モードに切り替えてもよい。
【0072】
上述のように、第３動作例では、電波センサ２が特定モードで動作している場合においては、クラスタ５に含まれる重心４２の数が多くなることから、クラスタ５の位置、つまり対象物３の検知位置が変動しにくくなる。このため、ビームフォーミングにより対象物３に対して電波を集中して放射又は選択的に受信しやすくなり、対象物３の生体情報を取得しやすくなる、という利点がある。
【0073】
【0074】
まず、取得部１１は、電波センサ２から出力される受信信号Ｓｉｇ１を定期的に取得する（Ｓ１）。処理Ｓ１は、検知方法の取得ステップＳＴ１に相当する。次に、生成部１２は、取得部１１が取得した受信信号Ｓｉｇ１に基づいて、散乱点４１を生成する（Ｓ２）。処理Ｓ２は、検知方法における生成ステップＳＴ２に相当する。
【0075】
次に、分類部１３は、生成部１２が所定時間Ｔ１（例えば、ｎフレーム）にわたって生成した散乱点４１の集合である散乱点群４を、１以上のクラスタ５に分類する（Ｓ３）。処理Ｓ３は、検知方法における分類ステップＳＴ３に相当する。ここで、前回以前の周期Ｐ１での重心４２を重心算出部４２が算出している場合は、後述するように、散乱点群４には当該重心４２が含まれることになる。次に、重心算出部１４は、分類部１３が分類した１以上のクラスタ５ごとに重心４２を算出する（Ｓ４）。処理Ｓ４は、検知方法における重心算出ステップＳＴ４に相当する。
【0076】
次に、関連付け部１５は、分類部１３が分類した１以上のクラスタ５のいずれかを対象物３と関連付ける（Ｓ５）。処理Ｓ５は、検知方法における関連付けステップＳＴ５に相当する。ここでは、関連付け部１５は、前回以前の周期Ｐ１での重心４２を重心算出部１４が算出している場合であれば、当該重心４２が今回の周期Ｐ１における１以上のクラスタ５に含まれるか否かに基づいて、１以上のクラスタ５のいずれかを対象物３と関連付ける。
【0077】
そして、混合部１６は、重心算出部１４が算出した前回以前の周期Ｐ１での重心４２を、散乱点４１として散乱点群４に混合する（Ｓ６）。処理Ｓ６は、検知方法における混合ステップＳＴ６に相当する。なお、処理Ｓ５，Ｓ６は、その順番が逆であってもよいし、並行して実行されてもよい。以下、上記の処理Ｓ１～Ｓ６を繰り返す。
【0078】
［３．利点］
上述のように、実施の形態に係る検知システム１０は、重心算出部１４が算出した前回以前の周期Ｐ１での重心４２を含めてクラスタリングを行っている。このため、実施の形態に係る検知システム１０では、過去のクラスタ５と現在のクラスタ５とを関連付けやすくなり、対象物３を捕捉しやすくなるので、対象物３の位置の検知精度を向上しやすい、という利点がある。
上述のように、実施の形態に係る検知システム１０は、重心算出部１４が算出した前回以前の周期Ｐ１での重心４２を含めてクラスタリングを行っている。このため、実施の形態に係る検知システム１０では、過去のクラスタ５と現在のクラスタ５とを関連付けやすくなり、対象物３を捕捉しやすくなるので、対象物３の位置の検知精度を向上しやすい、という利点がある。
【0079】
ここで、過去のクラスタと現在のクラスタとが同じ対象物に由来するか否かは、例えば過去のクラスタの重心と現在のクラスタの重心との間の距離、現在のクラスタと過去のクラスタの重心との間の距離、過去のクラスタと現在のクラスタの重心との間の距離、又は過去のクラスタと現在のクラスタとの類似度等に基づいて判定することが考えられる。しかしながら、これらの判定は、上記の距離又は類似度をどのように設定するかによって結果が大きく異なり得るため、関連付けとしての安定性に欠けるという問題がある。
【0080】
これに対して、実施の形態に係る検知システム１０では、関連付け部１５が、前回以前の周期Ｐ１での重心４２が、分類部１３が分類した１以上のクラスタ５に含まれるか否かに基づいて、１以上のクラスタ５のいずれかを対象物３と関連付けている。このため、実施の形態に係る検知システム１０では、過去のクラスタ５と現在のクラスタ５とを更に関連付けやすくなり、対象物３を更に捕捉しやすくなる、という利点がある。
【0081】
以下、実施の形態に係る検知システム１０の利点について、図１３Ａ及び図１３Ｂを用いて説明する。図１３Ａは、比較例の検知システムの検知結果の一例を示す図である。図１３Ｂは、実施の形態に係る検知システム１０の検知結果の一例を示す図である。図１３Ａ及び図１３Ｂのいずれにおいても、縦軸がクラスタ５の重心４２の平面座標（ここではｘ座標）、横軸が時間を表している。また、図１３Ａ及び図１３Ｂのいずれにおいても、「□」、「△」、及び「〇」はそれぞれ互いに異なる３つの対象物３を表している。なお、「×」はいずれの対象物３にも対応していない。
【0082】
比較例の検知システムは、混合部１６を備えておらず、かつ、前回以前の周期Ｐ１での重心４２が１以上のクラスタ５に含まれるか否かの関連付けを行っていない点で、実施の形態に係る検知システム１０と相違する。図１３Ａに示すように、比較例の検知システムでは、「□」、「△」、及び「〇」の各々に対応する対象物３のｘ座標がいずれも不安定であり、対象物３を捕捉できていない。これに対して、実施の形態に係る検知システム１０では、「□」、「△」、及び「〇」の各々に対応する対象物３のｘ座標がいずれも安定しており、対象物３を捕捉できている。
【0083】
（変形例）
以上、実施の形態について説明したが、本発明は、上記実施の形態に限定されるものではない。以下、実施の形態の変形例について列挙する。以下に説明する変形例は、適宜組み合わせてもよい。
以上、実施の形態について説明したが、本発明は、上記実施の形態に限定されるものではない。以下、実施の形態の変形例について列挙する。以下に説明する変形例は、適宜組み合わせてもよい。
【0084】
【0085】
予測部１７は、分類部１３が分類した１以上のクラスタ５ごとに、次回以降の周期Ｐ１での重心４３を予測する。具体的には、予測部１７は、重心算出部１４が算出した今回以前の周期Ｐ１での重心４２の時系列データに対して、例えばα－βフィルタ又はカルマンフィルタ等を用いることで、次回の周期Ｐ１での重心４３を予測する。
【0086】
そして、検知システム１０Ａでは、混合部１６は、図１５に示すように、予測部１７が予測した次回以降の周期Ｐ１での重心４３を、散乱点４１として散乱点群４に混合する。図１５は、実施の形態の変形例に係る検知システム１０Ａの分類部１３が分類対象とする散乱点群４の概要を示す図である。図１５に示す例では、実線の×印で示される今回の周期Ｐ１での重心４２に基づいて、破線の×印で示される次回の周期Ｐ１での重心４３が予測され、予測された重心４３が散乱点４１として散乱点群４に含まれていることを表している。
【0087】
上述のように、検知システム１０Ａでは、予測部１７により予測された次回以降の周期Ｐ２での重心４３を含めて散乱点群４をクラスタリングすることで、対象物３の将来の位置を推定して検知することが可能である。このため、検知システム１０Ａでは、対象物３が移動している場合でも、対象物３の位置を精度良く検知しやすい、という利点がある。
【0088】
実施の形態では、電波センサ２は、通常モードと特定モードとのいずれかに動作を切り替え可能であるが、これに限られない。例えば、電波センサ２は、通常モードのみで動作するように構成されていてもよい。この場合、混合部１６においては、第３動作例は適用されない。
【0089】
実施の形態では、分類部１３は、クラスタリングのアルゴリズムとしてＤＢＳＣＡＮを用いているが、これに限られない。例えば、分類部１３は、クラスタリングのアルゴリズムとして、Ｗａｒｄ法、又はｋ平均法（k-means clustering）等を用いてもよい。
【0090】
実施の形態では、重心算出部１４は、１以上のクラスタ５の各々について、反射電波の強度を重み付け係数として用いて重心４２を算出しているが、これに限られない。例えば、重心算出部１４は、単に散乱点４１の位置情報のみを参照して１以上のクラスタ５の各々の重心４２を算出してもよい。
【0091】
また、実施の形態では、重心算出部１４は、１以上のクラスタ５の各々について、前回の周期Ｐ１の重心４２も散乱点４１として含めて重心４２を算出しているが、これに限られない。例えば、重心算出部１４は、１以上のクラスタ５の各々について、前回の周期Ｐ１の重心４２を散乱点４１として含めずに重心４２を算出してもよい。
【0092】
実施の形態では、重心算出部１４は、１以上のクラスタ５ごとに重心４２の平面座標（ｘｙ）座標を算出しているが、これに限られない。例えば、散乱点４１が高さ方向（ｚ方向）の情報を含む場合、重心算出部１４は、１以上のクラスタ５ごとに重心４２の立体座標（ｘｙｚ座標）を算出してもよい。この場合、ｚ座標を算出するには、上述の式（１）において「ｘ」を「ｚ」に置き換えればよい。また、重心算出部１４は、重心４２を示す情報として、反射電波の強度の平均値を更に算出してもよい。
【0093】
実施の形態では、検知システム１０は、単一の装置によって実現されたが、複数の装置により実現されてもよい。検知システム１０が複数の装置によって実現される場合、検知システム１０が備える構成要素は、複数の装置にどのように振り分けられてもよい。また、例えば、上記実施の形態で検知システム１０が備える構成要素は、施設又は施設から離れた遠隔地に設置されたサーバ装置に備えられてもよい。この場合、検知システム１０は、例えば電波センサ２とインターネット等のネットワークを介して無線通信することにより、電波センサ２から出力される受信信号Ｓｉｇ１を取得すればよい。つまり、本発明は、クラウドコンピューティングによって実現されてもよいし、エッジコンピューティングによって実現されてもよい。
【0094】
例えば、上記実施の形態における装置間の通信方法については特に限定されるものではない。また、装置間の通信においては、図示されない中継装置が介在してもよい。
【0095】
また、上記実施の形態において、各構成要素は、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ（Central Processing Unit）又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
【0096】
また、各構成要素は、ハードウェアによって実現されてもよい。例えば、各構成要素は、回路（又は集積回路）でもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路でもよい。また、これらの回路は、それぞれ、汎用的な回路でもよいし、専用の回路でもよい。
【0097】
また、本発明の全般的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよい。また、システム、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
【0098】
例えば、本発明は、検知システム１０等のコンピュータが実行する管理方法として実現されてもよいし、このような管理方法をコンピュータに実行させるためのプログラムとして実現されてもよいし、このようなプログラムが記録されたコンピュータ読み取り可能な非一時的な記録媒体として実現されてもよい。
【0099】
実施の形態において、検知システム１０は、図１に示すように、電波センサ２と共にセンサシステム１００を構成してもよい。すなわち、センサシステム１００は、検知システム１０と、検知システム１０により制御される電波センサ２と、を備える。
【0100】
なお、センサシステム１００は、実施の形態の変形例に係る検知システム１０Ａと、電波センサ２とで構成されていてもよい。また、センサシステム１００において、検知システム１０と電波センサ２とは、互いに別体であってもよいし、一体に構成されていてもよい。例えば、センサシステム１００は、電波センサ２の筐体に検知システム１０に相当する信号処理回路を内蔵することにより、構成されていてもよい。
【0101】
その他、実施の形態に対して当業者が思いつく各種変形を施して得られる形態、又は、本発明の趣旨を逸脱しない範囲で各実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本発明に含まれる。
【0102】
（まとめ）
以上述べたように、検知システム１０は、取得部１１と、生成部１２と、分類部１３と、重心算出部１４と、関連付け部１５と、混合部１６と、を備える。取得部１１は、対象物３に対して送信アンテナ２１１から電波を放射し、かつ、複数の受信アンテナ２２１により対象物３からの反射電波を受信する電波センサ２から受信信号Ｓｉｇ１を取得する。生成部１２は、取得部１１が取得した受信信号Ｓｉｇ１に基づいて、対象物３の位置情報を含む散乱点４１を生成する。分類部１３は、生成部１２が所定時間Ｔ１にわたって生成した散乱点４１の集合である散乱点群４を１以上のクラスタ５に分類する。重心算出部１４は、分類部１３が分類した１以上のクラスタ５ごとに重心４２を算出する。関連付け部１５は、分類部１３が分類した１以上のクラスタ５のいずれかを対象物３と関連付ける。混合部１６は、重心算出部１４が算出した前回以前の周期Ｐ１での重心４２を、散乱点４１として散乱点群４に混合する。
以上述べたように、検知システム１０は、取得部１１と、生成部１２と、分類部１３と、重心算出部１４と、関連付け部１５と、混合部１６と、を備える。取得部１１は、対象物３に対して送信アンテナ２１１から電波を放射し、かつ、複数の受信アンテナ２２１により対象物３からの反射電波を受信する電波センサ２から受信信号Ｓｉｇ１を取得する。生成部１２は、取得部１１が取得した受信信号Ｓｉｇ１に基づいて、対象物３の位置情報を含む散乱点４１を生成する。分類部１３は、生成部１２が所定時間Ｔ１にわたって生成した散乱点４１の集合である散乱点群４を１以上のクラスタ５に分類する。重心算出部１４は、分類部１３が分類した１以上のクラスタ５ごとに重心４２を算出する。関連付け部１５は、分類部１３が分類した１以上のクラスタ５のいずれかを対象物３と関連付ける。混合部１６は、重心算出部１４が算出した前回以前の周期Ｐ１での重心４２を、散乱点４１として散乱点群４に混合する。
【0103】
このような検知システム１０によれば、過去のクラスタ５と現在のクラスタ５とを関連付けやすくなり、対象物３を捕捉しやすくなるので、対象物３の位置の検知精度を向上しやすい、という利点がある。
【0104】
また、例えば、検知システム１０では、散乱点４１は、対象物３と電波センサ２との間の距離及び電波センサ２に対する対象物３の方向の少なくとも一方に関する情報と、反射電波の強度に関する情報と、を含む。
【0105】
このような検知システム１０によれば、対象物３の位置の検知精度を更に向上しやすい、という利点がある。
【0106】
また、例えば、検知システム１０では、関連付け部１５は、前回以前の周期Ｐ１での重心４２が、分類部１３が分類した１以上のクラスタ５に含まれるか否かに基づいて、１以上のクラスタ５のいずれかを対象物３と関連付ける。
【0107】
このような検知システム１０によれば、過去のクラスタ５と現在のクラスタ５とを更に関連付けやすくなり、対象物３を更に捕捉しやすくなる、という利点がある。
【0108】
また、例えば、検知システム１０では、分類部１３は、散乱点４１の密度に基づいて孤立点を除去するアルゴリズムを用いて、散乱点群４を１以上のクラスタ５に分類する。
【0109】
このような検知システム１０によれば、対象物３とは関係のないノイズを除去して１以上のクラスタ５に分類しやすくなるので、対象物３の検知精度を向上しやすい、という利点がある。
【0110】
また、例えば、検知システム１０では、混合部１６は、散乱点群４に混合する前回以前の周期Ｐ１での重心４２の混合量又は遅延量を調整する。
【0111】
このような検知システム１０によれば、現在のクラスタ５と過去のクラスタ５との関連付けを行いやすくしたり、時間経過に伴うクラスタ５の位置の変化を平滑にしたりすることが可能になる、という利点がある。
【0112】
また、例えば、検知システム１０では、混合部１６は、１以上のクラスタ５の各々について、重心４２以外の散乱点４１が含まれていなければカウンタをインクリメントし、含まれていればカウンタをリセットし、カウンタが閾値（第１閾値）Ｔｈ１に達すると、重心４２を破棄する。
【0113】
このような検知システム１０によれば、散乱点４１が存在しない、つまり対象物３が存在しないにも関わらず対応するクラスタ５が残留し続けるのを防ぐことができ、対象物３の検知精度を向上しやすくなる、という利点がある。
【0114】
また、例えば、検知システム１０では、混合部１６は、１以上のクラスタ５の各々について、重心４２以外の散乱点４１が含まれていなければ重心４２の混合量を減少させ、含まれていれば重心４２の混合量を元に戻す。
【0115】
このような検知システム１０によれば、散乱点４１が存在しない、つまり対象物３が存在しないにも関わらず対応するクラスタ５が残留し続けるのを防ぐことができ、対象物３の検知精度を向上しやすくなる、という利点がある。
【0116】
また、例えば、検知システム１０では、電波センサ２は、通常モードと、電波を特定の方向に集中して放射又は選択的に受信する特定モードとのいずれかに動作を切り替え可能である。混合部１６は、電波センサ２が特定モードで動作している場合に、電波センサ２が通常モードで動作している場合と比較して、重心４２の混合量を増大させる。
【0117】
このような検知システム１０によれば、対象物３の検知位置が変動しにくくなることから、例えばビームフォーミングにより対象物３に対して電波を集中して放射又は選択的に受信しやすくなり、対象物３の生体情報を取得しやすくなる、という利点がある。
【0118】
また、例えば、検知システム１０Ａは、分類部１３が分類した１以上のクラスタ５ごとに、次回以降の周期Ｐ１での重心４２を予測する予測部１７を更に備える。混合部１６は、予測部１７が予測した次回以降の周期での重心４２を、散乱点４１として散乱点群４に混合する。
【0119】
このような検知システム１０Ａによれば、対象物３が移動している場合でも、対象物３の位置を精度良く検知しやすい、という利点がある。
【0120】
また、例えば、センサシステム１００は、検知システム１０と、検知システム１０により制御される電波センサ２と、を備える。
【0121】
このようなセンサシステム１００によれば、過去のクラスタ５と現在のクラスタ５とを関連付けやすくなり、対象物３を捕捉しやすくなるので、対象物３の位置の検知精度を向上しやすい、という利点がある。
【0122】
また、例えば、検知方法は、取得ステップＳＴ１と、生成ステップＳＴ２と、分類ステップＳＴ３と、重心算出ステップＳＴ４と、関連付けステップＳＴ５と、混合ステップＳＴ６と、を含む。取得ステップＳＴ１では、対象物３に対して送信アンテナ２１１から電波を放射し、かつ、複数の受信アンテナ２２１により対象物３からの反射電波を受信する電波センサ２から受信信号Ｓｉｇ１を取得する。生成ステップＳＴ２では、取得ステップＳＴ１が取得した受信信号Ｓｉｇ１に基づいて、対象物３の位置情報を含む散乱点４１を生成する。分類ステップＳＴ３では、生成ステップＳＴ２が所定時間Ｔ１にわたって生成した散乱点４１の集合である散乱点群４を１以上のクラスタ５に分類する。重心算出ステップＳＴ４では、分類ステップＳＴ３が分類した１以上のクラスタ５ごとに重心４２を算出する。関連付けステップＳＴ５では、分類ステップＳＴ３が分類した１以上のクラスタ５のいずれかを対象物３と関連付ける。混合ステップＳＴ６では、重心算出ステップＳＴ４が算出した前回以前の周期Ｐ１での重心４２を、散乱点４１として散乱点群４に混合する。
【0123】
このような検知方法によれば、過去のクラスタ５と現在のクラスタ５とを関連付けやすくなり、対象物３を捕捉しやすくなるので、対象物３の位置の検知精度を向上しやすい、という利点がある。
【0124】
また、例えば、プログラムは、１以上のプロセッサに、上記の検知方法を実行させる。
【0125】
このようなプログラムによれば、過去のクラスタ５と現在のクラスタ５とを関連付けやすくなり、対象物３を捕捉しやすくなるので、対象物３の位置の検知精度を向上しやすい、という利点がある。
【符号の説明】
【0126】
１０，１０Ａ 検知システム
１１ 取得部
１２ 生成部
１３ 分類部
１４ 重心算出部
１５ 関連付け部
１６ 混合部
１７ 予測部
２ 電波センサ
２１１ 送信アンテナ
２２１ 受信アンテナ
３ 対象物
１００ センサシステム
４ 散乱点群
４１ 散乱点
４２，４３ 重心
５ クラスタ
Ｔ１ 所定時間
Ｐ１ 周期
Ｓｉｇ１ 受信信号
ＳＴ１ 取得ステップ
ＳＴ２ 生成ステップ
ＳＴ３ 分類ステップ
ＳＴ４ 重心算出ステップ
ＳＴ５ 関連付けステップ
ＳＴ６ 混合ステップ
Ｔｈ１ 第１閾値（閾値）
１１ 取得部
１２ 生成部
１３ 分類部
１４ 重心算出部
１５ 関連付け部
１６ 混合部
１７ 予測部
２ 電波センサ
２１１ 送信アンテナ
２２１ 受信アンテナ
３ 対象物
１００ センサシステム
４ 散乱点群
４１ 散乱点
４２，４３ 重心
５ クラスタ
Ｔ１ 所定時間
Ｐ１ 周期
Ｓｉｇ１ 受信信号
ＳＴ１ 取得ステップ
ＳＴ２ 生成ステップ
ＳＴ３ 分類ステップ
ＳＴ４ 重心算出ステップ
ＳＴ５ 関連付けステップ
ＳＴ６ 混合ステップ
Ｔｈ１ 第１閾値（閾値）
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13A】
【図13B】
【図14】
【図15】