水龙头装置的制作方法

本发明通常涉及水龙头装置，并且特别涉及厨房、浴室或洗手间等中所设置的、用于通过使用电波式检测器来控制喷水的水龙头装置。

背景技术：
传统上，作为厨房、浴室或洗手间等中所设置的水龙头装置，提出了用于根据出水部周边的检测对象的检测结果来对喷水的开始和停止进行切换的自动水龙头装置(例如，参见日本特许编号5212908)。用于对检测对象进行检测的检测器可以包括用于发送和接收电波信号的多普勒传感器，并且用于基于通过了滤波器的多普勒传感器的输出与阈值之间的比较来对检测对象的运动进行检测。简言之，传统的水龙头装置的检测器基于时间轴信息的特定带中的信号的强度来识别检测对象。然而，包括传统的电波式检测器的水龙头装置有可能发生失报和误检测。失报意味着在实际存在检测对象的情况下、未能检测到该检测对象。误检测意味着在实际不存在检测对象的情况下、判断为存在检测对象。例如，即使实际不存在检测对象，检测器也可能接收到从出水部喷出的水流所反射的反射波，并由此误识别为存在检测对象。这在出水部喷出喷淋状的强水流的情况下可能频繁发生。在检测器包括使用红外线等的光传感器的情况下，在检测黑色对象物体或透明对象物体方面存在困难。另外，可能因太阳光而发生误检测。因而，可能要求实现如下的水龙头装置，其中该水龙头装置能够抑制诸如周围环境以及对象物体的颜色和材料的影响等的不想要的影响，因而可以与水量和水流的状况(例如，喷淋和直流)无关地、正确地判断在出水部周边是否存在检测对象。

技术实现要素：
本发明是有鉴于上述不足而作出的，并且其目的是提供如下一种水龙头装置，其中该水龙头装置抑制了诸如周围环境以及对象物体的颜色和材料的影响等的不想要的影响，因而可以正确地判断在出水部周边是否存在检测对象。本发明的一个方面的一种水龙头装置，其特征在于，包括：出水部，用于喷出水；检测器，其被配置为对检测区域中的检测对象进行检测，其中所述检测区域包含从所述出水部喷出的水所存在的喷水区域；以及控制器，其被配置为基于所述检测器的检测结果，来控制从所述出水部喷出的水的开始供给和停止供给，其中，所述检测器包括：传感器部，其被配置为发送电波信号并接收物体所反射的所述电波信号，以输出与所述物体的运动相对应的传感器信号；频率分析部，其被配置为将所述传感器信号转换成频域信号，并且使用频带不同的多个滤波器组从所述频域信号提取所述多个滤波器组中的每一个滤波器组的信号；识别部，其被配置为进行基于检测数据来检测所述检测对象的识别处理，其中所述检测数据包含基于所述多个滤波器组中的每一个滤波器组的信号的信号的频率分布和基于所述多个滤波器组中的每一个滤波器组的信号的信号强度的成分比的至少之一；以及数据库装置，其被配置为存储包含与所述检测对象相对应的频率分布和与所述检测对象相对应的信号强度的成分比的至少之一的样本数据，以及所述识别部被配置为基于所述检测数据和所述样本数据之间的对照来进行所述识别处理。本发明的水龙头装置可以提供以下效果：抑制了诸如周围环境以及对象物体的颜色和材料的影响等的不想要的影响，因而可以正确地判断在出水部周边是否存在检测对象。附图说明图1是示出实施例中的水龙头装置的结构的框图。图2是示出设置有实施例中的水龙头装置的设备的外观的局部剖开的侧视图。图3A～图3C是实施例中的信号处理部的标准化部的说明图。图4A～图4C是实施例中的平滑化处理部的说明图。图5A～图5C是实施例中的背景信号去除部的一个示例的说明图。图6是实施例中的背景信号去除部的另一示例的说明图。图7A和图7B是实施例中的背景信号去除部的又一示例的说明图。图8是被配置成实施例中的背景信号去除部的另一示例的自适应滤波器的框图。图9A～图9C是实施例中的信号处理部的基于主成分分析的识别处理的说明图。图10是实施例中的信号处理部的基于多元线性回归分析的识别处理的说明图。图11A和11B是实施例中的信号处理部的基于多元线性回归分析的识别处理的其它说明图。图12A和图12B是实施例中的信号处理部的说明图。图13是实施例中的滤波器组的群的说明图。图14是实施例中的操作的流程图。图15A～15C是示出实施例中的传感器信号和施加频率分析处理的结果的波形图。图16是示出实施例中的信号的成分分析的结果的曲线图。图17是示出实施例中的检测对象的检测结果的说明图。图18A～图18C是示出实施例中的传感器信号和频率分析处理的结果的波形图。图19是示出实施例中的信号的成分分析的结果的曲线图。图20是示出实施例中的检测对象的检测结果的说明图。图21A～图21C是示出实施例中的传感器信号和频率分析处理的结果的波形图。图22是示出实施例中的信号的成分分析的结果的曲线图。图23是示出实施例中的检测对象的检测结果的说明图。图24A～图24C是示出实施例中的传感器信号和频率分析处理的结果的波形图。图25是示出实施例中的信号的成分分析的结果的曲线图。图26是示出实施例中的检测对象的检测结果的说明图。图27A和图27B是示出实施例中的测距时的操作的说明图。图28是示出设置有实施例中的另一水龙头装置的设备的外观的局部剖开的侧视图。具体实施方式图1示出本实施例的水龙头装置1的框结构。图2示出包括水龙头装置1的主要结构的外观。水龙头装置1主要包括喷管2和检测器5。喷管2在内部形成有使得水(包含热水)能够流动的导水通路。如图2所示，例如，喷管2以突出方式设置于厨房的水槽3的周边部的上表面，并且该周边部的上表面用作喷管2的安装面31。喷管2的导水通路的上游端连接至用作供水源或热水供给源的外部水管，并且其下游端用作用于使水从导水通路喷出至水槽3的出水部23。喷管2在从侧面观看的情况下具有倒L字形状，并且包括包含基部21和突出部22的主体，其中该基部21从安装面31向上方或斜上方突出，以及该突出部22从基部21的上部向前方突出。基部21在内部具有导水通路的上游侧。突出部22在内部具有导水通路的下游侧。此外，突出部22在其末端(前端)的下表面包括出水部23。出水部23被设置成使得能够沿作为向下方向(大致垂直向下方向)的喷出方向喷出水。喷管2沿从出水部23的大致垂直向下的方向喷出从水管向导水通路供给的水。此外，出水部23被配置成可切换喷水模式，其中这些喷水模式包括喷出喷淋状水流的喷淋模式和喷出直流水流的直流模式。喷管2包括喷水控制装置2a(参见图1)，其中该喷水控制装置2a被配置为在使得出水部23能够喷出来自导水通路的水的开状态和停止来自出水部23的喷水的闭状态之间进行切换。喷水控制装置2a例如可以通过设置在导水通路内的阀和对该阀进行开闭驱动的驱动装置来实现。另外，喷管2包括流量控制装置2b(参见图1)，其中该流量控制装置2b被配置为调整从出水部23喷出的水的流量。流量控制装置2b例如可以通过用于调整导水通路内的阀的开度的调整装置来实现。喷管2包括控制器4(参见图1)，其中该控制器4被配置为控制喷水控制装置2a和流量控制装置2b的各操作。注意，控制器4可以设置在喷管2的外部。在喷管2的表面设置有操作部6(参见图1)。操作部6包括用于对流量控制装置2b进行操作的操作开关，并且被配置为将与操作开关的操作相对应的操作信号输出至控制器4。控制器4被配置为根据操作信号来控制流量控制装置2b的操作。另外，水龙头装置1包括检测器5。检测器5被配置为检测水槽3内的包括诸如以下等的特定运动的检测对象9：待清洗物体(例如，餐具和食物)向出水部23的靠近、待清洗物体在水槽3内的运动、清洗所用的手的运动、以及清洗所引起的喷出中的水流的扰动。以下说明该检测器5。如图1所示，检测器5包括传感器部51和信号处理部52。传感器部51被配置为将预定频率的电波发送至检测区域并接收被该检测区域内运动的物体所反射的电波，并且输出与所发送的电波的频率和所接收到的电波的频率之间的差相对应的多普勒频率的传感器信号。传感器部51可以包括多普勒传感器或具有检测速度信息的功能的传感器。该传感器信号是与物体的运动相对应的模拟时间轴信号。注意，在反射电波的物体正在检测区域内移动的情况下，传感器信号的频率根据物体相对于传感器部51的速度的垂直分量而偏移。传感器部51包括发送控制部51a、发送部51b、发送天线51c、接收天线51d和接收部51e。传感器部51设置到喷管2的基部21。传感器部51的检测区域是基于从传感器部51向水槽3的斜下方向所设置的。该检测区域包含从出水部23喷出的水存在的喷水区域。发送部51b被配置为经由发送天线51c向检测区域发送电波。发送控制部51a例如被配置为控制从发送部51b发送的电波的频率和发送时刻。从发送部51b发送的电波例如可以是频率为24.15GHz的毫米波。从发送部51b发送的电波不限于毫米波，并且可以是微波。此外，该值是从发送部51b要发送的电波的频率的一个示例，并且并不意图将该频率局限于该值。接收部51e被配置为经由接收天线51d接收被检测区域内的物体反射的电波，并且输出频率与所发送的电波和所接收到的电波的频率之间的差相对应的传感器信号。信号处理部52具有对从传感器部51输出的传感器信号进行信号处理的功能。在图2中，信号处理部52设置到喷管2的基部21，但还可以设置到喷管2的外部。信号处理部52包括：放大部52a，其被配置为放大传感器信号；以及A/D转换部52b，其被配置为将放大部52a放大后的传感器信号转换成数字传感器信号，并且输出该数字传感器信号。放大部52a例如可以包括使用运算放大器的放大部。信号处理部52还包括频率分析部52c。该频率分析部52c被配置为将从A/D转换部52b输出的时域的传感器信号转换成频域信号(频率轴信号)，并且使用频带不同的滤波器组5a(参见图3A)的群从该频域信号中提取每一个滤波器组5a的信号。在频率分析部52c中，作为滤波器组5a的群，设置预定数量(例如，16个)的滤波器组5a。然而，该数量是一个示例，并且并不意图将一个群中的滤波器组5a的数量局限于该数量。此外，信号处理部52包括标准化部52d。该标准化部52d被配置为利用频率分析部52c所提取的信号的强度的总和或者分别穿过从各滤波器组5a中选择的预定的多个滤波器组5a(例如，低频侧的四个滤波器组)的信号的强度的总和来对分别穿过各滤波器组5a的信号的强度进行标准化以获得标准化强度，并且输出该标准化强度。信号处理部52还包括识别部52e，其中该识别部52e被配置为进行用于基于根据从标准化部52d输出的各滤波器组5a的标准化强度所计算出的频率分布来对检测对象9进行检测的识别处理。上述的频率分析部52c具有通过离散余弦变换(DiscreteCosineTransform:DCT)来将从A/D转换部52b输出的传感器信号转换成频域信号的功能。此外，如图3A所示，各滤波器组5a各自包括多个(在例示示例中为五个)频率区间(frequencybin)5b。在一些情况下，可以将使用DCT的滤波器组5a的频率区间5b称为DCT区间。各滤波器组5a各自具有依赖于频率区间5b的宽度(图3A中的Δf1)的分辨率。关于各滤波器组5a，该数量是频率区间5b的数量的一个示例，并且并不意图将频率区间5b的数量局限于该数量。频率区间5b的数量可以为除五个以外的两个或更多个或者可以为一个。用于将从A/D转换部52b输出的传感器信号转换成频域信号的正交变换不限于DCT，并且例如可以是快速傅立叶变换(FastFourierTransformation:FFT)。在一些情况下，可以将使用FFT的滤波器组5a的频率区间5b称为FFT区间。此外，用于将从A/D转换部52b输出的传感器信号转换成频域信号的正交变换可以是小波变换(WaveletTransform:WT)。在各滤波器组5a各自包括多个频率区间5b的情况下，优选地，信号处理部52在频率分析部52c和标准化部52d之间包括平滑化处理部52f。优选地，该平滑化处理部52f具有以下所述的两个平滑化处理功能(第一平滑化处理功能和第二平滑化处理功能)至少之一。第一平滑化处理功能是针对各滤波器组5a在频域(频率轴方向)中对各频率区间5b的信号的强度进行平滑化处理的功能。第二平滑化处理功能是针对各滤波器组5a在时间轴方向上对各频率区间5b的信号的强度进行平滑化处理的功能。因此，信号处理部52可以降低噪声所引起的不期望的影响，并且在包括这两个功能的情况下进一步降低噪声所引起的不期望的影响。第一平滑化处理功能可以通过使用例如均值滤波器、加权均值滤波器、中值滤波器或加权中值滤波器等来实现。在通过使用均值滤波器来实现第一平滑化处理功能的情况下，如图3A和图4A所示，假定在时刻t1，利用s1、s2、s3、s4和s5来分别表示作为从低频侧起的第一个滤波器组的滤波器组5a的5个频率区间5b各自的信号的强度。在这方面，关于第一个滤波器组5a，在假定通过利用第一平滑化处理功能实现的平滑化处理所获得的信号的强度是m11(参见图3B和图4B)的情况下，m11等于(s1+s2+s3+s4+s5)/5。同样，如图3B和图4B所示，利用m21、m31、m41和m51来分别表示第二个滤波器组5a、第三个滤波器组5a、第四个滤波器组5a和第五个滤波器组5a的信号。总之，在本实施例中，为了便于说明，mji表示通过在时间轴上的时刻ti(“i”是自然数)对第j(“j”是自然数)个滤波器组5a的信号进行利用第一平滑化处理功能所实现的平滑化处理而获得的信号的强度。标准化部52d利用穿过由识别部52e在识别处理中所使用的预定的多个滤波器组5a的信号的强度的总和来对穿过各滤波器组5a的信号的强度进行标准化。在这方面，在以下说明中，例如假定频率分析部52c中的滤波器组5a的总数为16个，并且识别处理所使用的多个预定滤波器组5a仅是作为从低频侧起的第一个滤波器组～第五个滤波器组的这五个滤波器组。在时刻t1穿过第一个滤波器组5a的信号的强度m11的标准化强度为n11(参见图3C)的情况下，标准化部52d可以通过利用n11＝m11/(m11+m21+m31+m41+m51)的关系来计算标准化强度n11。此外，在各滤波器组5a均由一个频率区间5b构成的情况下，标准化部52d提取穿过各滤波器组5a的信号的强度，并且利用这些信号的强度的总和对穿过各滤波器组5a的信号的强度进行标准化。此外，第二平滑化处理功能可以通过使用例如均值滤波器、加权均值滤波器、中值滤波器或加权中值滤波器等来实现。在通过使用用于计算时间轴方向上的多个(例如，三个)点的信号的强度的平均值的均值滤波器来实现第二平滑化处理功能的情况下，如图4C所示，关于第一个滤波器组5a，在假定通过利用第二平滑化处理功能实现的平滑化处理所获得的信号的强度为m1的情况下，m1等于(m10+m11+m12)/3。同样，在假定利用m2、m3、m4和m5来表示第二个滤波器组5a、第三个滤波器组5a、第四个滤波器组5a和第五个滤波器组5a的信号的强度的情况下，m2等于(m20+m21+m22)/3，m3等于(m30+m31+m32)/3，m4等于(m40+m41+m42)/3，并且m5等于(m50+m51+m52)/3。总之，在本实施例中，为了便于说明，mn表示通过对第n(“n”是自然数)个滤波器组5a的信号进行利用第一平滑化处理功能实现的平滑化处理、并且进一步进行利用第二平滑化处理功能实现的平滑化处理所获得的信号的强度。另外，优选地，信号处理部52包括背景信号估计部52g和背景信号去除部52h。背景信号估计部52g被配置为估计从各滤波器组5a输出的信号中所包括的背景信号(即，噪声)。背景信号去除部52h被配置为将背景信号从穿过各滤波器组5a的信号中去除。背景噪声可以包括水槽3的机械信号、水槽3内的水面的波动和周边电器的噪声。优选地，信号处理部52具有包括例如第一模式和第二模式的操作模式，其中该第一模式用于估计背景信号，该第二模式用于进行识别处理，并且可以按计时器所计时的预定时间段(例如，30秒)来交替地切换第一模式和第二模式。在这方面，优选地，信号处理部52使背景信号估计部52g在第一模式的时间段内进行工作，并且在第二模式的时间段内，利用背景信号去除部52h去除背景信号、然后利用识别部52e进行识别处理。第一模式的时间段和第二模式的时间段不限于具有相同的长度(例如，30秒)，而且可以是不同长度。背景信号去除部52h例如可被配置为通过从滤波器组5a所输出的信号中减去背景信号来去除背景信号。在这种情况下，背景信号去除部52h例如可以包括如下减法器，其中该减法器被配置为从穿过各滤波器组5a的信号的强度m1、m2、...(参见图5B)中减去背景信号估计部52g所估计出的背景信号的强度b1、b2、...(参见图5A)。图5C示出通过从同一滤波器组5a的信号中减去背景信号所获得的信号的强度。在这方面，在L1表示从左侧起的第一个滤波器组5a的信号的强度的情况下，L1等于m1-b1。同样，在假定利用L2、L3、L4和L5来表示通过在第二个滤波器组5a、第三个滤波器组5a、第四个滤波器组5a和第五个滤波器组5a中减去背景信号所获得的信号的强度的情况下，L2等于m2-b2，L3等于m3-b3，L4等于m4-b4，并且L5等于m5-b5。背景信号估计部52g可以估计在第一模式的时间段内针对各滤波器组5a所获得的信号的强度作为各滤波器组5a的背景信号的强度，然后根据需要更新这些背景信号。此外，背景信号估计部52g可以估计在第一模式中针对各滤波器组5a各自所获得的多个信号的强度的平均值作为各滤波器组5a各自的背景信号的强度。换句话说，背景信号估计部52g可以将针对各滤波器组5a各自而预先获得的多个信号在时间轴上的平均值视为背景信号。在这种情况下，背景信号估计部52g可以提高背景信号的估计精度。此外，背景信号去除部52h可以将各滤波器组5a的紧挨着的前一信号(即，先前信号)视为背景信号。在这种情况下，信号处理部52可以具有用于通过在各信号利用标准化部52d经过标准化处理之前减去时间轴上的紧挨着的前一信号来去除背景信号的功能。总之，关于穿过各滤波器组5a的信号，背景信号去除部52h可以具有如下功能，其中该功能用于通过从要经过标准化处理的信号的强度中减去要经过标准化处理的这些信号之前的在时间轴上的一点处进行采样得到的信号的强度，来去除背景信号。在这种情况下，例如，如图6所示，在假定利用m1(t1)、m2(t1)、m3(t1)、m4(t1)和m5(t1)来表示要经过标准化处理的时刻t1处的各滤波器组5a的信号，利用m1(t0)、m2(t0)、m3(t0)、m4(t0)和m5(t0)来表示紧挨时刻t1之前的时刻t0处的信号，并且利用L1、L2、L3、L4和L5来表示相减之后的信号的强度的情况下，L1等于m1(t1)-m1(t0)，L2等于m2(t1)-m2(t0)，L3等于m3(t1)-m3(t0)，L4等于m4(t1)-m4(t0)，并且L5等于m5(t1)-m5(t0)。在一些情况下，根据基于信号处理部52的使用形式的周围环境，存在可以预先知晓包含相对较大的背景信号(噪声)的频率区间5b的可能性。例如，在检测器5附近存在从商用电源供给电源的设备的情况下，在频带包含作为商用电源的频率(例如，60Hz)的相对较小的倍数的频率(例如，60Hz和120Hz)的频率区间5b的信号中包含相对较大的背景信号的可能性高。另一方面，关于在检测对象9在检测区域内移动的情况下所输出的传感器信号，该传感器信号的频率(多普勒频率)根据传感器部51和物体之间的距离以及物体的移动速度而随时改变。在这种情况下，传感器信号没有以特定频率恒定地发生。有鉴于此，在信号处理部52被配置成各滤波器组5a各自包括多个频率区间5b的情况下，可以将恒定地包含背景信号的一个频率区间5b视为特定频率区间5bi。背景信号去除部52h可被配置为通过不使用特定频率区间5bi的实际信号的强度、而是利用基于与该特定频率区间5bi邻接的两个频率区间5b的信号的强度所估计出的信号的强度替换该特定频率区间5bi的实际信号的强度，来去除背景信号。假定图7A中从左侧起的第三个频率区间5b是特定频率区间5bi。背景信号去除部52h将该特定频率区间5bi的信号(信号强度b3)视为无效，并且如图7B所示，利用基于与特定频率区间5bi邻接的两个频率区间5b的信号成分的强度b2和b4所估计出的信号成分的强度b3来替换该特定频率区间5bi的信号。在该估计中，所估计出的信号的强度b3是与特定频率区间5bi邻接的两个频率区间5b的信号成分的强度b2和b4的平均值、即(b2+b4)/2。总之，在假定将滤波器组5a内从低频侧起的第i个频率区间5b视为特定频率区间5bi、并且利用bi来表示该特定频率区间5bi的信号的强度的情况下，可以通过bi＝(bi-1+bi+1)/2的估计公式来定义bi。因此，信号处理部52可以在短时间内降低由于恒定地发生的特定频率的背景信号(噪声)所引起的不期望的影响。因此，信号处理部52可以提高检测对象9的检测精度。背景信号去除部52h可以是自适应滤波器，其中该自适应滤波器被配置为通过在频域(频率轴)中对背景信号进行滤波来去除背景信号。自适应滤波器是被配置为根据自适应算法(最优化算法)来通过自身调整传递函数(滤波器系数)的滤波器，并且可以通过使用数字滤波器来实现。优选地，这种自适应滤波器可以是使用DCT(离散余弦变换)的自适应滤波器。在这种情况下，自适应滤波器的自适应算法可以是DCT的LMS(最小均方)算法。可选地，自适应滤波器可以是使用FFT的自适应滤波器。在这种情况下，自适应滤波器的自适应算法可以是FFT的LMS算法。该LMS算法提供了与投影算法和RLS(递归最小二乘方)算法相比减少了计算量的优点，并且DCT的LMS算法仅需要进行实数的计算，因此提供了与需要复数的计算的FFT的LMS算法相比减少了计算量的优点。自适应滤波器例如具有图8所示的结构。该自适应滤波器包括滤波器57a、减法器57b和自适应处理部57c。滤波器57a具有可变的滤波器系数。减法器57b输出由参考信号和滤波器57a的输出信号之间的差所定义的误差信号。自适应处理部57c根据自适应算法基于输入信号和误差信号来生成滤波器系数的校正系数，并且更新滤波器系数。在给出由于热噪声所引起的背景信号作为滤波器57a的输入信号并且参考信号是期望的白噪声的情况下，自适应滤波器可以通过对不期望的背景信号进行滤波来去除不期望的背景信号。此外，通过适当地设置自适应滤波器的遗忘因子(forgettingfactor)，背景信号去除部52h可以提取通过在频率轴上对长期平均背景信号进行滤波所获得的信号的频率分布。在更新滤波器系数的计算中使用该遗忘因子，从而随着过去数据(滤波器系数)进一步远离当前数据(滤波器系数)，使过去数据的权重呈指数减轻，并且随着过去数据(滤波器系数)更接近当前数据，使过去数据的权重呈指数增加。遗忘因子是小于1的正数，并且例如是从约为0.95～0.99的范围中所选择的。识别部52e进行如下的识别处理，其中该识别处理用于基于通过利用滤波器组5a进行滤波并利用标准化部52d进行标准化所获得的标准化强度在频域中的分布来对检测对象9进行检测。在这方面，“检测”的含义包括“分类”、“识别”和“辨识”。识别部52e例如通过进行基于主成分分析的模式识别处理来检测对象9。该识别部52e根据使用主成分分析的识别算法进行工作。为了使这种识别部52e进行工作，信号处理部52预先获得在传感器部51的检测区域中不存在检测对象9的情况的学习数据和与检测区域内所存在的不同的检测对象9分别相对应的学习数据(学习)。此外，信号处理部52将通过对这些学习数据进行主成分分析所获得的样本数据预先存储在数据库装置52i中。在这方面，预先存储在数据库装置52i中的数据可以包括模式识别所使用的数据，其中该数据表示使物体的运动、投影矢量和判断边界值彼此相关联的分类数据。为了便于说明，假定图9A示出与在传感器部51的检测区域中不存在检测对象9的情况的样本数据相对应的标准化强度在频域中的分布。另外，图9B示出与在该检测区域中存在检测对象9的情况的样本数据相对应的标准化强度在频域中的分布。在图9A中，按从低频侧起的顺序，利用m10、m20、m30、m40和m50来表示穿过各滤波器组5a的信号的标准化强度。在图9B中，按从低频侧起的顺序，利用m11、m21、m31、m41和m51来表示穿过各滤波器组5a的信号的标准化强度。在图9A和图9B各自中，将穿过低频侧的三个滤波器组5a的信号的标准化强度的总和定义为变量m1，并且将穿过高频侧的两个滤波器组5a的信号的标准化强度的总和定义为变量m2。简言之，在图9A中，m1等于m10+m20+m30，并且m2等于m40+m50。此外，在图9B中，m1等于m11+m21+m31，并且m2等于m41+m51。为了假想地说明具有表示m1和m2这两个变量的正交坐标轴的二维散布图、投影轴和识别边界，图9C示出这三者的二维图。在图9C中，利用μ0(m2,m1)来表示虚线所包围的区域内的各散布点(图9C中的“+”)的坐标位置，并且利用μ1(m2,m1)来表示实线所包围的区域内的各散布点(图9C中的“+”)的坐标位置。在主成分分析中，预先确定与在传感器部51的检测区域中不存在检测对象9的情况的样本数据相对应的数据组Gr0和与在该检测区域中存在检测对象9的情况的样本数据相对应的数据组Gr1。此外，在主成分分析中，在图9C中，确定投影轴，以满足如下的条件：使通过将虚线和实线所包围的区域内的各散布点投影到投影轴上所获得的数据的分布(利用虚线和实线示意性示出的)的平均值之间的差最大的条件；以及使分布的方差最大的另一条件。因而，在主成分分析中，可以针对各学习样本获得投影矢量。识别部52e尝试基于标准化部52d进行标准化后的各标准化强度的频域分布来对检测对象9进行检测。在这种情况下，识别部52e进行如下的识别处理：基于样本数据与包含标准化部52d进行标准化后的各标准化强度的频域分布的检测数据之间的对照来对检测对象9进行检测。识别部52e从数据库装置52i获取到与当前所喷出的水流量和当前的喷水模式相对应的样本数据，并且将所获取到的样本数据用在识别处理中。信号处理部52包括输出部52m，其中该输出部52m被配置为输出来自识别部52的检测结果。在识别部52识别出检测对象9的情况下，输出部52m输出表示检测到了检测对象9的输出信号。在识别部52在检测区域内没有识别出检测对象9的运动的情况下，输出部52m输出表示尚未检测到检测对象9的输出信号。在图1中，信号处理部52的除放大部52a、A/D转换部52b、输出部52m和数据库装置52i以外的组件可以通过微计算机执行适当程序来实现。优选地，信号处理部52使得能够根据从外部输入的设置来改变上述判断边界值。因此，信号处理部52可以根据使用用途来调整所要求的失报率和误报率(误检测率)。在上述的信号处理部52中，频率分析部52c将从A/D转换部52b输出的传感器信号(时间轴信号)转换成频域信号，并且使用频带不同的滤波器组5a的群从该频域信号中提取各滤波器组5a的信号。识别部52e进行如下的识别处理：基于样本数据与包含基于各滤波器组5a的信号的信号强度的频率分布的检测数据之间的对照来对检测对象9进行检测。即使在传感器信号具有进行诸如DCT等的频率分析的短的时间(例如，数十ms)的情况下，传感器信号也表现出针对各检测对象9有所不同的特有频率分布(频域中的统计分布)。在使用该频率分布的特征来进行检测对象9中的特定一个检测对象的检测的情况下，信号处理部52可以分离并识别出在频率分布方面有所不同的物体。因此，信号处理部52可以减少由于除检测对象9以外的物体的运动所引起的误检测的可能性。总之，信号处理部52可以分离并检测在根据分别穿过多个滤波器组5a的信号的强度所计算出的频率分布方面从统计上不同的物体，因而可以减少误检测的可能性。此外，在使用FFT的滤波器组5a中，在一些情况下，需要在FFT处理之前进行用于将预定窗函数与传感器信号相乘的处理，从而抑制期望频带(通带)外的副瓣(side-lobe)。例如，可以从矩形窗、高斯窗、汉宁窗(hannwindow)和汉明窗(hammingwindow)中选择窗函数。作为对比，在使用DCT的滤波器组5a中，无需使用上述窗函数。因此，可以利用简单的数字滤波器来实现窗函数。此外，使用DCT的滤波器组5a是基于实数的计算的处理，而使用FFT的滤波器组5a是基于复数的计算(强度和相位的计算)的处理，因而根据使用DCT的滤波器组5a，可以减少计算量。此外，在处理点相同的DCT和FFT之间进行比较的情况下，DCT的频率分辨率是FFT的频率分辨率的一半。因而，根据DCT，可以使诸如数据库装置52i等的硬件资源小型化。例如，在信号处理部52中，在A/D转换部52b的采样率为128/秒(例如，采样频率为1kHz)的情况下，DCT区间5b的宽度为4Hz而FFT区间5b的宽度为8Hz。注意，这些数值仅是示例，并且并不意图进行限制。识别部52e可被配置为基于利用主成分分析的模式识别处理来检测对象9，或者可被配置为基于另一模式识别处理来检测对象。例如，识别部52e可被配置为基于利用KL(卡洛南-洛伊)变换的模式识别处理或者利用支持向量机(SVM)来对检测对象9进行检测。在信号处理部52被配置成使得识别部52e进行利用主成分分析的模式识别处理或者利用KL变换的模式识别处理的情况下，可以减少识别部52e处的计算量和数据库装置52i的容量。另外或可选地，识别部52e可被配置为进行如下的识别处理：基于样本数据与包含从标准化部52d输出的各滤波器组5a的信号的标准化强度的成分比的检测数据之间的对照来对检测对象9进行检测。这种识别部52e例如可被配置为通过进行基于多元线性回归分析的识别处理来对检测对象9进行检测。在这种情况下，识别部52e根据使用多元线性回归分析的识别算法来进行工作。为了使用这种识别部52e，信号处理部52可以预先获得与传感器部51的检测区域内的不同检测对象9相对应的学习数据(学习)。另外，信号处理部52预先将通过对学习数据进行多元线性回归分析所获得的样本数据存储在数据库装置52i中。图10示出通过对信号成分s1、信号成分s2和信号成分s3进行合成所得到的合成波形Gs。根据多元线性回归分析，即使在信号成分s1、s2和s3的类型、信号成分的数量和信号成分s1、s2和s3的强度是未知的情况下，也可以通过假定将该合成波形Gs分离成信号成分s1、s2和s3。在图10中，[S]表示矩阵元素是信号成分s1、s2和s3的矩阵，[S]-1表示[S]的逆矩阵，并且“I”表示标准化强度的成分比(系数)。在这方面，数据库装置52i中预先存储的样本数据用作识别处理中所使用的样本数据，并且是使检测对象9与信号成分s1、s2和s3相关联的数据。图11A示出横轴表示时间且纵轴表示标准化强度。图11A示出A1，其中该A1表示在检测区域内存在检测对象9的情况下、从标准化部52d输出的标准化强度在时间轴上的数据(与上述合成波形Gs相对应)。此外，图11A还示出作为通过多元线性回归分析而从数据A1分离得到的信号成分A2和A3。在这方面，信号成分A2是根据检测对象9所获得的信号成分，并且信号成分A3是根据其它物体的运动所获得的信号成分。识别部52e进行如下的识别处理：基于样本数据与包含从标准化部52d输出的各滤波器组5a的信号的标准化强度的成分比(A2:A3)的检测数据之间的对照来对检测对象9进行检测。识别部52e从数据库装置52i中获取到与检测对象9相对应的样本数据，并且将所获取到的样本数据用在识别处理中。例如，图11B示出输出部52m的输出信号。在A2大于A3的情况下，识别部52e判断为检测到了检测对象9，因而输出部52m的输出信号具有高电平(例如，与“1”相对应)。在除A2大于A3的情况以外的情况下，识别部52e判断为尚未检测到检测对象9，因而输出部52m的输出信号具有低电平(例如，与“0”相对应)。如通过图11B显而易见，确认为可以减少由于除检测对象9以外的物体所引起的误检测的可能性。优选地，信号处理部52使得能够根据从外部输入的设置来改变上述判断条件(A2>A3)。例如，优选地，将判断条件设置为A2>α×A3，并且使得能够根据从外部输入的设置来改变系数α。因此，信号处理部52可以根据使用用途来调整所要求的失报率和误报率(误检测率)。注意，识别部52e可被配置为基于上述的频率分布的特征和标准化强度的成分比来对检测对象9进行检测。因此，信号处理部52可以使识别部52e的检测精度提高。因此，包括上述的检测器5的水龙头装置1可以在抑制误检测的同时精确地检测诸如以下等的特定运动：待清洗物体(例如，餐具和食物)向出水部23的靠近、待清洗物体在水槽3内的运动、清洗所用的手的运动、以及清洗所引起的喷出中的水流的扰动。例如，即使在检测器5接收到从出水部23喷出的水流所反射的反射波的情况下，水龙头装置1也可以识别出喷出中的水流的扰动。结果，水龙头装置1抑制了水流的强弱所引起的不想要的影响，由此可以精确地对检测对象9的存在与否进行检测。此外，检测器5通过使用电波信号来进行检测，因而即使在黑色的对象物体或透明的对象物体的情况下也可以检测到这些对象物体，并且另外可以抑制诸如太阳光等的强光所引起的影响。总之，包括上述的检测器5的水龙头装置1抑制了诸如周围环境以及检测对象9的颜色和材料的影响等的不想要的影响，因而可以正确地判断在出水部23周边是否存在检测对象9。此外，信号处理部52可被配置为仅在利用标准化部52d的标准化之前的预定的多个滤波器组5a的信号成分的强度的总和为阈值以上的情况下，才使得识别部52e能够进行识别处理或将利用识别部52e的识别结果视为有效。可选地，信号处理部52可被配置为仅在利用标准化部52d的标准化之前的预定的多个滤波器组5a的信号成分的强度的加权总和为阈值以上的情况下，才使得识别部52e能够进行识别处理或将利用识别部52e的识别结果视为有效。图12A和图12B涉及如下示例：按从低频侧起的顺序，利用m1、m2、m3、m4和m5来表示利用标准化部52d进行标准化之前的各滤波器组5a的信号的强度。图12A示出强度的总和[m1+m2+m3+m4+m5]为阈值E1以上的示例。图12B示出强度的总和[m1+m2+m3+m4+m5]小于阈值E1的示例。因此，信号处理部52可以减少误检测的可能性。例如，识别部52e被配置为利用基于信号成分的标准化强度所获得的频率分布来对检测对象9进行检测。在这种情况下，在检测区域内实际不存在检测对象9时，存在如下可能性：识别部52e判断为由于暗噪声所引起的信号强度的频率分布的特征类似于检测区域内存在检测对象9的情况的频率分布的特征，因而导致误检测。有鉴于此，为了减少误检测的可能性，信号处理部52基于标准化前的信号强度来判断是否进行识别处理。此外，可以将利用标准化部52d的标准化之前的预定的多个滤波器组5a视为一个滤波器组群5c(参见图13)。在这种情况下，信号处理部52可以针对多个滤波器组群5c各自判断标准化前的信号成分的强度的总和或加权总和是否为阈值E2以上。更具体地，信号处理部52可被配置为仅在针对任意的滤波器组群5c、标准化前的信号成分的强度的总和为阈值E2以上的情况下，才使得识别部52e能够进行识别处理或将利用识别部52e的识别处理的结果视为有效。或者，信号处理部52可被配置为仅在针对所有的滤波器组群5c、标准化前的信号成分的强度的总和或加权总和为阈值E2以上的情况下，才使得识别部52e能够进行识别处理或将利用识别部52e的识别处理的结果视为有效。以下参考图14所示的流程图来说明包括该判断处理的一系列处理。注意，以下将短语“标准化前的信号成分的强度的总和或加权总和”缩写为标准化前的信号成分的强度的总和。首先，A/D转换部52b进行如下A/D转换处理(X1)，其中该A/D转换处理用于将放大部52a放大后的传感器信号转换成数字传感器信号并输出该数字传感器信号。接着，频率分析部52c进行如下滤波器组处理，其中该滤波器组处理用于通过DCT处理将从A/D转换部52b输出的传感器信号转换成频域信号(频率轴信号)(X2)，并且提取各滤波器组5a的信号(X3)。例如，在具有128个点的DCT的情况下，考虑将128个频率区间5b分割成5个频率区间5b的束并由此获得25个滤波器组5a。接着，例如，如图13所示，关于低频侧和高频侧的两个滤波器组群5c各自，信号处理部52计算构成滤波器组群5c的多个滤波器组5a的标准化前的信号强度的总和。之后，信号处理部52进行如下阈值判断处理(X4)，其中该阈值判断处理用于针对滤波器组群5c中的每一个滤波器组群5c，判断信号强度的总和是否为阈值E2以上。在任意的滤波器组群5c的信号强度的总和为阈值E2以上的情况下，信号处理部52判断为从传感器部51输出的传感器信号的振幅大、因此从暗噪声获得传感器信号的可能性低，并且进行利用标准化部52d的标准化处理(X5)。简言之，标准化部52d对穿过各滤波器组5a的信号的强度进行标准化并且输出标准化强度。之后，信号处理部52的识别部52e进行如下识别处理(X6)，其中该识别处理用于识别通过标准化所获得的多个滤波器组5a的各频率成分的信号强度的分布的特征，并且判断该特征是否是从检测对象9所获得的。在识别部52e识别出检测对象物体的情况下，输出部52m进行用于输出检测信号的输出处理(X7)。另一方面，在所有滤波器组群5c的各自的信号强度的总和小于阈值E2的情况下，信号处理部52判断为从传感器部51输出的传感器信号的振幅小、因此从暗噪声获得传感器信号的可能性高。在判断为根据暗噪声获得传感器信号的可能性高的情况下，信号处理部52不进行包括利用标准化部52d实现的标准化处理的后续处理(X5～X7)。因此，本实施例的水龙头装置1包括上述的检测器5，由此可以抑制与检测对象9不同的背景噪声(例如，水槽3的机械信号、水槽3内的水面的波动和周边电器的噪声)的不想要的影响。结果，包括上述的检测器5的水龙头装置1可以在抑制误检测的同时，精确地检测诸如以下等的特定运动：待清洗物体(例如，餐具和食物)向出水部23的靠近、待清洗物体在水槽3内的运动、清洗所用的手的运动、以及清洗所引起的喷出中的水流的扰动。注意，优选地，识别部52e被配置为根据从出水部23喷出的水的状态，来改变上述的阈值判断处理中的阈值E1或阈值E2、或者识别处理中的对照所使用的样本数据。从出水部23所喷出的水的状态可以包括诸如喷淋模式和直流模式等的喷出模式、以及从出水部23喷出的水的流量。因此，该结构可以提高识别部52e所进行的识别处理的精度。在检测器5没有检测到检测对象9的情况下，控制器4控制喷水控制装置2a以停止喷水。在喷水停止的状态下、检测器5检测到检测对象9(诸如待清洗物体向出水部23的靠近、待清洗物体在水槽3内的运动和清洗所用的手的运动等)的情况下，控制器4控制喷水控制装置2a以开始喷水。在喷水期间、检测器5未能检测到检测对象9(诸如待清洗物体向出水部23的靠近、待清洗物体在水槽3内的运动、清洗所用的手的运动、以及清洗所引起的喷出中的水流的扰动等)的情况下，控制器4控制喷水控制装置2a以停止喷水。因此，包括上述的检测器5的水龙头装置1可以根据检测对象9的存在与否来适当地进行用于在存在检测对象9的情况下开始喷水、并且在不存在检测对象9的情况停止喷水的喷水控制。图15A～图15C示出与以下情形有关的各波形：利用从出水部23喷出的采用喷淋模式的水流清洗杯子、然后结束清洗。图15A示出传感器信号沿时间轴的波形，时间段T11表示清洗杯子的时间段，并且时间段T12表示没有清洗杯子的时间段。图15B示出沿频率轴、频率分析部52c对图15A的传感器信号所进行的使用DCT的频率分析处理的结果。图15C示出沿频率轴和时间轴、频率分析部52c对图15A的传感器信号所进行的使用DCT的频率分析处理的结果。最初，对传感器信号进行频率分析部52c的频率分析处理、以及标准化部52d、背景信号去除部52h和平滑化处理部52f的各处理。之后，识别部52e使用多元线性回归分析或主成分分析等来提取由于清洗时的待清洗物体(在这种情况下为杯子)和手的运动而产生的信号成分、以及由于从出水部23喷出的水流的扰动而产生的信号成分。然后，识别部52e对所提取的由于待清洗物体和手的运动而产生的信号成分、以及所提取的由于从出水部23喷出的水流的扰动而产生的信号成分进行成分分析，或者估计这些信号成分的频域分布的形状。在以下说明中，识别部52e进行基于多元线性回归分析的识别处理。将由于清洗时的待清洗物体和手的运动而产生的信号成分称为“由于待清洗物体和手的运动而产生的信号成分”、并且利用附图标记ma1来表示。此外，将由于从出水部23喷出的水流的扰动而产生的信号成分称为“由于水流扰动而产生的信号成分”、并且利用附图标记mb1来表示。另外，关于由于待清洗物体和手的运动而产生的信号，识别部52e计算分别穿过低频侧的多个滤波器组5a的信号的标准化强度的总和、以及分别穿过高频侧的多个滤波器组5a的信号的标准化强度的总和。在以下说明中，将分别穿过低频侧的多个滤波器组5a的信号的标准化强度的总和称为“低频侧标准化强度的总和”、并且利用附图标记ma11来表示。此外，将分别穿过高频侧的多个滤波器组5a的信号的标准化强度的总和称为“高频侧标准化强度的总和”、并且利用附图标记ma12来表示。图16示出识别部52e基于多元线性回归分析对传感器信号所进行的成分分析的结果。信号成分m0与传感器信号的总信号强度相对应。图16示出总信号强度m0、以及由于待清洗物体和手的运动而产生的信号成分ma1及由于水流扰动而产生的信号成分mb1、信号成分ma1的低频侧标准化强度的总和ma11及信号成分ma1的高频侧标准化强度的总和ma12的各信号强度。由于待清洗物体和手的运动而产生的信号成分ma1例如基于技术概念与图10的信号成分s1相对应。由于水流扰动而产生的信号成分mb1与图10的信号成分s2相对应。另外，信号成分ma11和ma12的值用在如上所述的使用阈值E1或阈值E2的阈值判断处理中。图17示出来自识别部52e的检测对象9的检测结果。在图17中，“*”表示与清洗时的杯子和手的运动(ma1)有关的检测结果，并且“○”表示与从出水部23喷出的水流的扰动(mb1)有关的检测结果。识别部52e基于频率分布的模式识别来检测清洗时的杯子和手的运动、以及清洗所引起的喷出中的水流的扰动。识别部52e计算与清洗时的杯子和手的运动有关的检测结果以及与清洗所引起的喷出中的水流的扰动有关的检测结果的逻辑或。由此，当前状态在时间段T11内被设置为检测状态，并且当前状态在时间段T12内被设置为非检测状态。注意，在与图15A的序列的反转有关的情形中，人可能在出水部23喷出水之后、在没有清洗杯子的状态下等待一会儿，然后开始清洗杯子。此外在该情形中，在清洗杯子时检测到检测对象9，并且在没有清洗杯子的时间段内没有检测到检测对象9。接着，图18A～图18C示出与以下情形有关的各波形：利用从出水部23喷出的采用喷淋模式的水流清洗杯子、然后结束清洗。然而，所喷出的水量约为图15A～图15C的情况的两倍。图18A示出传感器信号沿时间轴的波形，时间段T21表示清洗杯子的时间段，并且时间段T22表示没有清洗杯子的时间段。图18B示出沿频率轴、频率分析部52c对图18A的传感器信号所进行的使用DCT的频率分析处理的结果。图18C示出沿频率轴和时间轴、频率分析部52c对图18A的传感器信号所进行的使用DCT的频率分析处理的结果。识别部52e使用频率分析部52c所进行的频率分析处理的结果来提取由于待清洗物体(在这种情况下为杯子)和手的运动而产生的信号成分、以及由于水流扰动而产生的信号成分。图19示出识别部52e基于多元线性回归分析对传感器信号(传感器信号的总信号强度m0)所进行的成分分析的结果。识别部52e计算由于待清洗物和手的运动而产生的信号成分ma1及由于水流扰动而产生的信号成分mb1、以及信号成分ma1的低频侧标准化强度的总和ma11及信号成分ma1的高频侧标准化强度的总和ma12的各信号强度。图19中没有清洗杯子的时间段T22中的信号强度大于图16中没有清洗杯子的时间段T12中的信号强度，但在表现形式上相似。图20示出来自识别部52e的检测对象9的检测结果。在图20中，“*”表示与清洗时的杯子和手的运动(ma1)有关的检测结果，并且“○”表示与从出水部23喷出的水流的扰动(mb1)有关的检测结果。识别部52e计算与清洗时的杯子和手的运动有关的检测结果以及与喷出中的水流的扰动有关的检测结果的逻辑或。由此，当前状态在时间段T21内被设置为检测状态，并且当前状态在时间段T22内被设置为非检测状态。接着，图21A～图21C示出与利用从出水部23所喷出的采用直流模式的水来清洗筷子的前端的情形有关的各波形。然而，所喷出的水量与图15A～图15C的情况相同。图21A示出传感器信号沿时间轴的波形。图21B示出沿频率轴、频率分析部52c对图21A的传感器信号所进行的使用DCT的频率分析处理的结果。图21C示出沿频率轴和时间轴、频率分析部52c对图21A的传感器信号所进行的使用DCT的频率分析处理的结果。识别部52e使用频率分析部52c所进行的频率分析处理的结果来提取由于待清洗物体(在这种情况下为筷子的前端)和手的运动而产生的信号成分、以及由于水流扰动而产生的信号成分。图22示出识别部52e基于多元线性回归分析对传感器信号(传感器信号的总信号强度m0)所进行的成分分析的结果。识别部52e计算由于待清洗物体和手的运动而产生的信号成分ma1及由于水流扰动而产生的信号成分mb1、以及信号成分ma1的低频侧标准化强度的总和ma11及信号成分ma1的高频侧标准化强度的总和ma12的各信号强度。图23示出来自识别部52e的检测对象9的检测结果。在图23中，“*”表示与清洗时的筷子和手的运动(ma1)有关的检测结果，并且“○”表示与从出水部23喷出的水流的扰动(mb1)有关的检测结果。在这种情况下，在清洗筷子的前端时的传感器信号的振幅(参见图21A)与图18A中没有清洗杯子的时间段T22中的传感器信号的振幅大致相等。然而，识别部52e可以基于频率分布的模式识别来检测清洗时的筷子和手的运动以及从出水部23喷出的水流的扰动。识别部52e计算与清洗时的筷子和手的运动有关的检测结果以及与喷水中的水流扰动有关的检测结果的逻辑或，由此可以精确地检测到筷子的前端在清洗时的运动。接着，图24A～图24C示出与以下情况有关的各波形：从出水部23喷出大量采用直流模式的水，并且在该水流中水杯基本停止。图24A示出传感器信号沿时间轴的波形。图24B示出沿频率轴、频率分析部52c对图24A的传感器信号所进行的使用DCT的频率分析处理的结果。图24C示出沿频率轴和时间轴、频率分析部52c对图24A的传感器信号所进行的使用DCT的频率分析处理的结果。识别部52e使用频率分析部52c所进行的频率分析处理的结果来提取由于待清洗物体(在这种情况下为杯子)和手的运动而产生的信号成分、以及由于水流扰动而产生的信号成分。图25示出识别部52e基于多元线性回归分析对传感器信号(传感器信号的总信号强度m0)所进行的成分分析的结果。识别部52e计算由于待清洗物体和手的运动而产生的信号成分ma1及由于水流扰动而产生的信号成分mb1、以及信号成分ma1的低频侧标准化强度的总和ma11及信号成分ma1的高频侧标准化强度的总和ma12的各信号强度。图26示出来自识别部52e的检测对象9的检测结果。在图26中，“*”表示与清洗时的杯子和手的运动(ma1)有关的检测结果，并且“○”表示与从出水部23喷出的水流的扰动(mb1)有关的检测结果。在这种情况下，杯子本身基本停止。然而，水流因杯子的顶部或侧面而散开，并且这样可能产生水滴。因此，可以检测水滴所引起的反射波的变化。识别部52e进行频率分布的模式识别，并且计算与清洗时的杯子的运动有关的检测结果以及与喷水中的水流扰动有关的检测结果的逻辑或，由此可以精确地检测到杯子基本停止。如上所述，水龙头装置1在无需依赖于传感器信号的信号强度自身的情况下，例如可以基于传感器信号的频域中的标准化分布的形状和/或传感器信号在频域中的成分分析来实现高度精确的喷水控制。另外，信号处理部52包括测距部52k，其中该测距部52k被配置为基于频率分析部52c的输出来检测到待清洗物体的距离。此外，信号处理部52包括方向检测部52l，其中该方向检测部52l被配置为基于传感器信号来检测诸如待清洗物体等的物体的移动方向(接近或远离)。图27示出测距部52k的操作的概要。最初，传感器部51的发送控制部51a重复使从发送部51b发送来的电波(发送信号)的频率fs先上升然后下降的扫频处理。发送信号的频率fs依赖于变化宽度Δfa、中心频率fo1和扫频周期T1(参见图27A)。接收部51e在时间T2＝2W/C(其中：W表示传感器部51和待清洗物体之间的距离，并且C表示光速)之后接收到反射波(接收信号)(参见图27A)。该接收信号的频率fr以与发送信号的频率fs相同的方式依赖于变化宽度Δfa和扫频周期T1。此外，接收信号的中心频率为fo2＝[fo1+{(2*fo1*Vr)/C}]，其中Vr表示待清洗物体的接近速度。接收部51e生成频率fb等于发送信号的频率fs和接收信号的频率fr之间的差的拍频信号，并且输出该拍频信号(参见图27B)。在发送信号的频率fs和接收信号的频率fr这两者都上升的情况下，通过以下关系给出拍频信号的频率fb：fb＝fb1＝[(4*Δfa*W)/(C*T1)]-[(2*fo1*Vr)/C]。在上述公式中，第一项表示示出从检测器5到待清洗物体的距离的位置信息，并且第二项表示示出待清洗物体接近检测器5的速度的速度信息。在发送信号和接收信号这两者的频率都下降的情况下，通过以下关系给出拍频信号的频率fb：fb＝fb2＝[(4*Δfa*W)/(C*T1)]+[(2*fo1*Vr)/C]。在上述公式中，第一项表示示出从检测器5到待清洗物体的距离的位置信息，并且第二项表示示出待清洗物体接近检测器5的速度的速度信息。测距部52k基于经过了频率分析处理的拍频信号来测量从传感器部51到待清洗物体的距离。识别部52e结合测距部52k所生成的距离信息(测量结果)来进行识别处理，如此可以确定待清洗物体的位置。因此，识别部52e可以精确地辨识并识别待清洗物体的动作，并且另外可以将来自期望区域外部的不需要的信号去除。在这方面，测距部52k所使用的测距方式由FMCW(FrequencyModulatedContinuousWave，调频连续波)方式进行例示，但还可以是诸如双频方式等的其它方式。另外，方向检测部52l基于传感器信号来确定诸如待清洗物体等的物体的移动方向。此外，方向检测部52l确定根据移动方向和移动的持续时间所计算出的移动距离。识别部52e结合方向检测部52l所给出的方向信息和移动距离来进行识别处理，如此可以确定待清洗物体的存在。因此，识别部52e可以精确地辨识并识别待清洗物体。方向检测部52l例如可以基于距离信息之间的差异来判断人体或人体的一部分的移动方向(方向)。通过使用双通道多普勒传感器的移动方向的检测方法是已知的，并且省略了针对该检测方法的详细说明。如已知的，为了扩展测距功能，设置了多组接收天线51d和接收部51e以实现反射波的接近角估计功能。由此，除确定对象物体的移动方向的功能外、还可以添加确定对象物体在空间中的实际位置的功能。可选地，如图28所示，传感器部51(发送天线51c和接收天线51d)可以安装至喷管2的突出部22。简言之，水龙头装置1包括：出水部23，用于喷出水；检测器5，其被配置为检测包含从出水部23喷出的水所存在的喷水区域的检测区域中的检测对象；以及控制器4，其被配置为基于检测器5的检测结果，来控制从出水部23所喷出的水的开始供给和停止供给。检测器5包括传感器部51，其中该传感器部51被配置为发送电波信号，并且接收物体所反射的电波信号，以输出与物体的运动相对应的传感器信号。检测器5还包括频率分析部52c，其中该频率分析部52c被配置为将传感器信号转换成频域信号，并且使用频带不同的多个滤波器组5a从所述频域信号提取所述多个滤波器组5a中的每一个滤波器组5a的信号。检测器5还包括识别部52e，其中该识别部52e被配置为进行如下的识别处理：基于包含基于多个滤波器组5a中的每一个滤波器组5a的信号的信号的频率分布和基于多个滤波器组5a中的每一个滤波器组5a的信号的信号强度的成分比的至少之一的检测数据来对检测对象9进行检测。检测器5还包括数据库装置52i，其中该数据库装置52i被配置为存储包括与检测对象9相对应的频率分布和与检测对象9相对应的信号强度的成分比的至少之一的样本数据。识别部52e被配置为基于检测数据和样本数据之间的对照来进行识别处理。注意，水龙头装置1即使在用在浴室盥洗台、洗手间的便器装置或浴室的淋浴中的情况下，也可以提供上述的相同效果。总结(1)如上所述，本实施例的水龙头装置1包括出水部23、检测器5和控制器4。出水部23用于喷出水。检测器5被配置为检测包含从出水部23喷出的水所存在的喷水区域的检测区域中的检测对象9。控制器4被配置为基于检测器5的检测结果，来控制从出水部23所喷出的水的开始供给和停止供给。检测器5包括传感器部51、频率分析部52c、识别部52e和数据库装置52i。传感器部51被配置为发送电波信号，并且接收物体所反射的电波信号，以输出与物体的运动相对应的传感器信号。频率分析部52c被配置为将传感器信号转换成频域信号，并且使用频带不同的多个滤波器组5a从所述频域信号提取所述多个滤波器组5a中的每一个滤波器组5a的信号。识别部52e被配置为进行如下的识别处理：基于包含基于多个滤波器组5a中的每一个滤波器组5a的信号的信号的频率分布和基于多个滤波器组5a中的每一个滤波器组5a的信号的信号强度的成分比的至少之一的检测数据来对检测对象9进行检测。数据库装置52i被配置为存储包含与检测对象9相对应的频率分布和与检测对象9相对应的信号强度的成分比的至少之一的样本数据。识别部52e被配置为基于检测数据和样本数据之间的对照来进行识别处理。根据该结构，水龙头装置1可以在抑制误检测的同时、精确地检测诸如以下等的特定运动：待清洗物体(例如，餐具和食物)向出水部23的靠近、待清洗物体的运动、清洗所用的手的运动、以及清洗所引起的喷出中的水流的扰动。此外，检测器5通过使用电波信号来进行检测，因而即使在黑色对象物体或透明对象物体的情况下也可以检测到这些对象物体，并且另外可以抑制诸如太阳光等的强光所引起的影响。总之，水龙头装置1可以抑制诸如周围环境以及检测对象9的颜色和材料的影响等的不想要的影响，由此可以正确地判断出在水部周边是否存在检测对象9。(2)在上述(1)所述的水龙头装置1的优选实施例中，检测器5包括测距部52k，其中该测距部52k被配置为基于传感器信号来测量到检测对象9的距离。识别部52e被配置为结合测距部52k的测量结果来进行识别处理。根据该结构，识别部52e可以结合测距部52k所生成的测量结果来进行识别处理，因而可以确定待清洗物体的位置。因此，识别部52e可以精确地辨识并识别待清洗物体的各动作。另外，可以去除来自检测区域外部的不需要的信号。(3)在上述(1)或(2)所述的水龙头装置1的优选实施例中，检测器5包括方向检测部52l，其中该方向检测部52l被配置为基于传感器信号来对检测对象9的移动方向进行检测。识别部52e被配置为结合方向检测部52l的检测结果来进行识别处理。根据该结构，识别部52e可以结合方向检测部521所检测到的移动方向来进行识别处理，因而可以识别待清洗物体的存在。因此，识别部52e可以精确地辨识并识别待清洗物体。(4)在上述(1)～(3)中任一项所述的水龙头装置1的优选实施例中，识别部52e被配置为在多个滤波器组5a各自的信号强度的总和为阈值以上的情况下，进行识别处理。或者，识别部52e被配置为在多个滤波器组5a各自的信号强度的总和为阈值以上的情况下，将识别处理的结果视为有效。识别部52e被配置为根据从出水部23所喷出的水的状态，来改变阈值或者识别处理中所使用的样本数据。根据该结构，水龙头装置1可以减少误检测的可能性、或者可以提高识别部52e所进行的识别处理的精度。(5)在上述(1)～(4)中任一项所述的水龙头装置1的优选实施例中，检测器5包括背景信号去除部52h，其中该背景信号去除部52h被配置为从分别通过多个滤波器组5a的信号中去除背景信号。根据该结构，水龙头装置1的检测器5可以提高检测对象9的检测精度。(6)在上述(1)～(5)中任一项所述的水龙头装置1的优选实施例中，水龙头装置1包括喷管2，其中在喷管2的内部形成有连接至出水部23的导水通路。喷管2包括：基部21，其安装至外部设备的安装面；以及突出部22，其从基部21突出。传感器部51设置到基部21或突出部22。根据该结构，水龙头装置1可以检测到包含出水部23的喷水区域的检测区域中的检测对象。