CN101860561A - 信息处理装置、信息处理方法、程序 - Google Patents
信息处理装置、信息处理方法、程序 Download PDFInfo
- Publication number
- CN101860561A CN101860561A CN201010105289A CN201010105289A CN101860561A CN 101860561 A CN101860561 A CN 101860561A CN 201010105289 A CN201010105289 A CN 201010105289A CN 201010105289 A CN201010105289 A CN 201010105289A CN 101860561 A CN101860561 A CN 101860561A
- Authority
- CN
- China
- Prior art keywords
- data
- behavior
- user
- unit
- acceleration transducer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
Abstract
本发明提供了信息处理装置、信息处理方法、程序。提供了一种信息处理装置,包括:传感器数据生成器,感测用户行为并且生成与用户行为相对应的传感器数据;行为识别单元,通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息;行为管理器,以与表现出与行为信息相对应的行为的时刻相对应的方式来管理由行为识别单元生成的行为信息;以及行为信息后期处理单元,对由行为管理器管理的行为信息执行预定的后期处理,其中,行为识别单元还包括特定于用户所表现的特定行为的多个行为判定单元,并且基于这多个行为判定单元的判定结果来生成行为信息。
Description
技术领域
本发明涉及信息处理装置、信息处理方法及其程序。
背景技术
近年来,诸如移动电话之类的信息处理装置具有多种功能。因此,用户可通过使用提供给信息处理装置的各种功能来获得各类信息。作为提供给信息处理装置的功能的一个示例,有识别用户行为的功能。例如,日本未实审专利申请公布No.2006-340903公开了一种技术,其通过使用加速度传感器或陀螺仪传感器(gyro sensor)来识别诸如行走、奔跑或静止之类的用户行为,并且将该行为作为对象来显示。
然而,在上述技术中,没有实现以良好的准确性识别用户的每个行为的方法。因此,例如,为了识别每个行为,必须实现过滤功能和计算功能。另外,还必须实现对行为识别的结果进行优化的方法。
发明内容
希望提供一种能够以更好的准确性识别用户行为的新颖、改进的信息处理装置、信息处理方法和程序。
根据本发明的实施例,提供了一种信息处理装置,包括:传感器数据生成器,该传感器数据生成器感测用户行为并且生成与用户行为相对应的传感器数据;行为识别单元,该行为识别单元通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息;行为管理器,该行为管理器以与表现出与行为信息相对应的行为的时刻相对应的方式来管理由行为识别单元生成的行为信息;以及行为信息后期处理单元,该行为信息后期处理单元对由行为管理器管理的行为信息执行预定的后期处理,其中,行为识别单元还包括特定于用户所表现的特定行为的多个行为判定单元,并且基于这多个行为判定单元的判定结果来生成行为信息。
在该信息处理装置中,行为识别单元至少可包括:静止状态判定单元,该静止状态判定单元判定用户是否处于静止状态;行走/奔跑状态判定单元,该行走/奔跑状态判定单元判定用户是否处于行走状态或奔跑状态;跳跃状态判定单元,该跳跃状态判定单元判定用户是否处于跳跃状态;姿态改变判定单元,该姿态改变判定单元判定用户是否处于坐着状态或站立状态;电梯搭乘判定单元,该电梯搭乘判定单元判定用户是否处于搭乘电梯状态;电车搭乘判定单元,该电车搭乘判定单元判定用户是否处于搭乘电车状态;以及右转/左转判定单元,该右转/左转判定单元判定用户是否右转或左转。
行为识别单元可包括交通工具搭乘判定单元作为行为判定单元,该交通工具搭乘判定单元通过使用传感器数据和预先设定的预定标识函数来判定用户是否搭乘交通工具。
在该信息处理装置中,行为识别单元还可包括传感器数据处理单元,该传感器数据处理单元具有:传感器数据存储单元,该传感器数据存储单元以FIFO方式存储传感器数据;以及传感器数据计算单元,该传感器数据计算单元通过使用传感器数据来执行预定的计算,并且其中,多个行为判定单元中的每一个基于从传感器数据处理单元输出的计算结果来判定用户所表现的行为。
在该信息处理装置中,行为信息后期处理单元还可包括排他行为信息再处理单元,该排他行为信息再处理单元检测在行为信息中是否存在表示用户表现出难以同时执行的排他行为的排他特性,并且其中,在两个或更多个行为具有排他特性的情况下,排他行为信息再处理单元排除与这两个或更多个行为中的至少一个行为相对应的行为信息。
在该信息处理装置中,行为信息后期处理单元可包括误识别行为信息再处理单元,该误识别行为信息再处理单元基于用户表现出每种行为所必需的行为信息必要条件来对每单位时间的行为信息进行再处理,并且其中,在行为信息不满足行为信息必要条件的情况下,误识别行为信息再处理单元对与该行为相对应的行为信息进行校正。
在该信息处理装置中,行为信息后期处理单元可包括行为信息实时调整单元,该行为信息实时调整单元判定用户在下述时刻表现出每个行为:该时刻比行为识别单元向行为管理器发送行为信息的时刻下述时间,行为识别单元生成与每个行为相对应的行为信息所需的时间。
在在预定时间内执行的两个或更多个行为与彼此相似的情况下,行为信息后期处理单元可比较与这两个或更多个行为相对应的行为信息的合计时间并且选择具有最长合计时间的行为信息作为该预定时间期间的行为信息。
在该信息处理装置中,传感器数据可包括作为与预定坐标轴上的加速度有关的数据的第一至第三加速度传感器数据,其中,传感器数据计算单元计算被存储在传感器数据存储单元中的第一预定时间中的第一至第三加速度传感器数据的分散值(variance value),并且其中,在作为最大的分散值的最大分散值小于用于识别用户静止的静止识别值并且最大分散值小于静止识别值的时间持续到长于识别用户静止的静止识别时间的情况下,静止状态判定单元生成表明用户静止的行为信息,而在最大分散值小于静止识别值并且最大分散值小于静止识别值的时间没有持续到长于静止识别时间的情况下,静止状态判定单元生成表明用户暂停的行为信息。
在该信息处理装置中,传感器数据可包括作为与预定坐标轴上的加速度有关的数据的第一至第三加速度传感器数据,其中,传感器数据计算单元计算被存储在传感器数据存储单元中的第二预定时间中的第一至第三加速度传感器数据的分散值以及作为最大的分散值的最大分散值,计算被存储在传感器数据存储单元中的加速度传感器数据的自相关函数以及自相关函数的最大值,以计算用户行走或奔跑时的行走/奔跑频率数据,并且通过把行走/奔跑频率数据与最大分散值相乘来计算用于判定用户是否行走或奔跑的行走/奔跑判定数据,并且其中,在行走/奔跑判定数据的值大于作为用于识别用户行走的下限值的最小行走识别值并且小于作为用于识别用户行走的上限值的最大行走识别值的情况下,行走/奔跑状态判定单元生成表明用户行走的行为信息,而在行走/奔跑判定数据的值大于最大行走识别值的情况下,行走/奔跑状态判定单元生成表明用户奔跑的行为信息。
在该信息处理装置中,传感器数据计算单元可对行走/奔跑频率数据进行积分,并且行走/奔跑状态判定单元可根据积分结果生成与用户的步数相对应的行为信息。
在该信息处理装置中,传感器数据可包括作为与预定坐标轴上的加速度有关的数据的第一至第三加速度传感器数据,其中,传感器数据计算单元通过计算由第一至第三加速度传感器数据的大小表示的跳跃加速度的大小,来计算跳跃状态判定值,并且其中,在跳跃状态判定值大于作为用于识别用户跳跃的下限值的最小跳跃识别值的情况下,跳跃状态判定单元生成表明用户跳跃的行为信息。
在该信息处理装置中,传感器数据可包括作为与预定坐标轴上的加速度有关的数据的第一至第三加速度传感器数据,其中,传感器数据计算单元基于第一至第三加速度传感器数据来计算预定坐标轴上的第一至第三重力数据,计算表示第一重力数据相对于先前存储在存储单元中的第一重力数据改变了多少的第一重力改变数据、表示第二重力数据相对于先前存储在存储单元中的第二重力数据改变了多少的第二重力改变数据、以及表示第三重力数据相对于先前存储在存储单元中的第三重力数据改变了多少的第三重力改变数据,并且计算判定用户是否改变姿态的姿态改变判定值,该姿态改变判定值由第一重力改变数据、第二重力改变数据和第三重力改变数据的大小来表示,并且其中,在姿态改变判定值大于作为用于识别用户改变姿态的下限值的最小姿态改变识别值的情况下并且在用户先前站立的情况下,姿态改变判定单元生成表明用户坐着的行为信息,而在姿态改变判定值大于最小姿态改变识别值的情况下并且在用户先前坐着的情况下,姿态改变判定单元生成表明用户站立的行为信息。
在该信息处理装置中,传感器数据可包括作为与预定坐标轴上的加速度有关的数据的第一至第三加速度传感器数据,其中,传感器数据计算单元基于第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据计算作为表明重力方向上的加速度的信息的重力方向加速度传感器数据,并且通过计算重力方向加速度传感器数据和重力之间的差来计算判定用户是否搭乘电梯的电梯上升判定数据,其中,在电梯上升判定数据首先大于预定值Dα并且在此之后小于预定值Dβ的情况下,电梯搭乘判定单元生成表明用户乘电梯上升的行为信息,而在电梯上升判定数据首先小于预定值Dβ并且在此之后大于预定值Dα的情况下,电梯搭乘判定单元生成表明用户乘电梯下降的行为信息,其中,Dα是作为用于识别用户开始乘电梯上升的下限值的最小电梯上升识别值,并且其中,Dβ是作为用于识别用户开始乘电梯下降的上限值的最大电梯下降识别值。
在该信息处理装置中,传感器数据计算单元可计算允许校正重力的值的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的大小所表示的重力调整数据,把重力调整数据记录在传感器数据存储单元中,并且计算作为存储在传感器数据存储单元中的重力调整数据的分散值的重力调整分散值和作为重力调整数据的平均值的重力调整平均数据,并且其中,在重力调整分散值小于作为用于允许调整重力的最大分散值的最大可允许重力调整分散值的情况下,在重力调整平均数据大于作为允许调整重力的最小平均值的最小可允许重力平均值的情况下,并且在重力调整平均数据小于作为允许调整重力的最大平均值的最大可允许重力平均值的情况下,传感器数据计算单元认为重力调整平均数据的值是校正后的值,并且通过使用校正后的重力而不是重力来执行计算。
在该信息处理装置中,传感器数据可包括作为与预定坐标轴上的加速度有关的数据的第一至第三加速度传感器数据,其中,传感器数据计算单元基于第一至第三加速度传感器数据来计算水平方向加速度传感器数据和垂直方向加速度传感器数据,把水平方向加速度传感器数据和垂直方向加速度传感器数据记录在传感器数据存储单元中,基于记录在传感器数据存储单元中的水平方向加速度传感器数据来计算水平方向分散值,基于记录在传感器数据存储单元中的垂直方向加速度传感器数据来计算垂直方向分散值,并且通过对水平方向分散值和垂直方向分散值中较小的分散值进行积分,来计算判定用户是否搭乘电车的电车搭乘判定数据,并且其中,在电车搭乘判定数据大于作为用于识别用户搭乘电车的下限值的最小电车搭乘识别值的情况下,电车搭乘判定单元生成表明用户搭乘电车的行为信息。
在该信息处理装置中,在垂直方向分散值等于或小于作为最小可允许垂直方向分散值的最小可允许垂直分散值的情况下,或者在垂直方向分散值等于或大于作为最大可允许垂直方向分散值的最大可允许垂直分散值的情况下,传感器数据计算单元可将电车搭乘判定数据计算为零。
在该信息处理装置中,传感器数据可包括作为与预定坐标轴上的加速度有关的数据的第一至第三加速度传感器数据,以及作为与预定坐标轴上的旋转有关的数据的第一至第三陀螺仪传感器数据,其中,传感器数据计算单元基于从中去除了频率区域的第一至第三加速度传感器数据以及第一至第三陀螺仪传感器数据,来计算重力方向上的角速度,并且其中,在角速度小于作为用于识别用户右转的上限值的最大右转识别值的情况下,右转/左转判定单元生成表明用户右转的行为信息,而在角速度大于作为用于识别用户左转的下限值的最小左转识别值的情况下,右转/左转判定单元生成表明用户左转的行为信息。
在该信息处理装置中,传感器数据可包括作为与预定坐标轴上的加速度有关的数据的第一至第三加速度传感器数据,其中,传感器数据计算单元通过利用基于第一至第三加速度传感器数据生成的特性向量和根据交通工具的类型设定的标识函数来计算标识函数的值,并且其中,在计算出的标识函数的值大于用于识别是否搭乘与该标识函数相对应的交通工具的交通工具搭乘识别值的情况下,交通工具搭乘判定单元生成表明用户搭乘与该标识函数相对应的交通工具的行为信息。
根据本发明的另一实施例,提供了一种信息处理方法,包括以下步骤:感测用户行为并且生成与用户行为相对应的传感器数据;通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息;以与表现出与行为信息相对应的行为的时刻相对应的方式来管理所生成的行为信息;以及对所管理的行为信息执行预定的后期处理,其中,行为识别还包括特定于用户所表现的特定行为的多个判定行为的步骤并且基于这多个判定行为的步骤的判定结果来生成行为信息。
根据本发明的另一实施例,提供了一种程序,其使得包括预定传感器的计算机执行:传感器数据生成功能,感测用户行为并且生成与用户行为相对应的传感器数据;行为识别功能,通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息;行为管理功能,以与表现出与行为信息相对应的行为的时刻相对应的方式来管理由行为识别功能生成的行为信息;以及行为信息后期处理功能,对由行为管理功能管理的行为信息执行预定的后期处理,其中,行为识别功能还包括特定于用户所表现的特定行为的多个行为判定功能,并且基于这多个行为判定功能的判定结果来生成行为信息。
根据本发明的另一实施例,提供了记录有该程序的计算机可读记录介质。
如上所述,根据本发明,利用每个行为的过滤功能和计算功能并且通过调整行为的识别结果,可以提高用户行为识别功能的准确性。
附图说明
图1是示出适合于根据本发明实施例的技术的网络的示图;
图2是示出根据本发明实施例的信息处理装置的装置配置的示图;
图3是示出根据本发明第一实施例的信息处理装置的功能配置的示图;
图4是示出根据本发明该实施例的信息处理装置的信息处理方法的概况的示图。
图5是示出根据本发明该实施例的信息处理装置的信息处理方法的概况的示图。
图6是示出根据本发明该实施例的信息处理装置的信息处理方法的概况的示图。
图7是示出根据本发明该实施例的信息处理装置的信息处理方法的概况的示图。
图8是示出根据本发明该实施例的信息处理装置的信息处理方法的概况的示图。
图9是示出根据本发明该实施例的信息处理装置的信息处理方法的流程的示图。
图10是示出根据本发明该实施例的信息处理装置的信息处理方法的流程的示图。
图11是示出根据本发明该实施例的信息处理装置中识别静止和暂停的方法的流程的示图。
图12是示出根据本发明该实施例的信息处理装置中识别行走和奔跑的方法的流程的示图。
图13是示出根据本发明该实施例的信息处理装置中识别跳跃的方法的流程的示图。
图14是示出根据本发明该实施例的信息处理装置中识别姿态改变的方法的流程的示图。
图15是示出根据本发明该实施例的信息处理装置中识别搭乘电梯的方法的流程的示图。
图16是示出根据本发明该实施例的信息处理装置中识别搭乘电车的方法的流程的示图。
图17是示出根据本发明该实施例的信息处理装置中识别右转或左转的方法的流程的示图。
图18是示出根据本发明该实施例的信息处理装置中的行为信息管理方法的示图。
图19是示出根据本发明该实施例的信息处理装置中的行为信息后期处理方法的示图。
图20是示出根据本发明该实施例的信息处理装置中的行为信息后期处理方法的示图。
图21是示出根据本发明该实施例的信息处理装置的修改例的功能配置的示图。
图22A至22C是示出根据本发明该实施例的信息处理装置的修改例中的信息处理方法的示例的示图。
图23是示出根据本发明该实施例的信息处理装置的修改例中的信息处理方法的流程的示图。
图24是示出根据本发明第二实施例的信息处理装置的功能配置的示图。
图25是示出根据本发明该实施例的信息处理装置中的信息处理方法的流程的示图。
图26是示出根据本发明该实施例的信息处理装置中识别搭乘交通工具的方法的流程的示图。
图27是示出根据本发明该实施例的信息处理装置的硬件配置的示图。
具体实施方式
下面,将参考附图详细描述本发明的示例性实施例。另外,在说明书和附图中,具有基本相同的功能和结构的元件用相同的标号来表示,并且对其的重复说明被省略。
描述流程
在说明书中,描述流程如下。首先,将参考图1描述包括根据本发明实施例的信息处理装置的网络的配置。接下来,将参考图2描述根据实施例的信息处理装置的配置示例。
接下来,将参考图3描述根据本发明第一实施例的信息处理装置的功能配置。接下来,将参考图4至20描述根据本发明第一实施例的信息处理方法的概况和应用示例。接下来,将参考图21至23描述根据本发明第一实施例的信息处理方法的修改例。
接下来,将参考图24描述根据本发明第二实施例的信息处理方法的功能配置。接下来,将参考图25和26描述根据本发明第二实施例的信息处理方法的概况和应用示例。
另外,将参考图27描述能够实现根据本发明实施例的信息处理装置的功能的硬件配置。最后,结合实施例的技术思想,将简要描述根据这些技术思想获得的功能和效果。
1.网络的配置示例
2.信息处理装置100、500的配置示例
3.根据本发明第一实施例的信息处理装置100的功能配置
4.信息处理装置100中的信息处理方法的概况
5.信息处理装置100中的信息处理方法的应用示例
6.第一实施例的修改例
7.根据本发明第二实施例的信息处理装置500的功能配置
8.信息处理装置500中的信息处理方法的应用示例
9.信息处理装置100、500的硬件配置示例
10.统计
1.网络的配置示例
首先,将参考图1来描述包括根据本发明实施例的信息处理装置的网络的配置。图1是示出根据实施例的信息处理系统1的系统配置示例的示图。
如图1所示,信息处理系统1主要包括信息处理装置100(信息处理装置500,在以下参考图1和2的描述中也是如此)、服务器102以及通信网络104。
信息处理装置100基于预定数据来执行处理以把从服务器102接收到的行为表示数据作为对象显示在显示屏上。另外,信息处理装置100基于与用户行为相对应的行为信息生成对象,并将这些对象发送到服务器102。信息处理装置100可执行各种处理以及上述处理。下文中将再次详细描述信息处理装置100。另外,作为预定数据的示例,有基于用户所表现的行为的加速度传感器数据和陀螺仪传感器数据。预定数据在下文中详细描述。
服务器102把从信息处理装置100发送来的行为信息提供给另外的信息处理装置100。另外,服务器102把从信息处理装置100发送来的行为信息提供给另外的信息处理装置100。
通信网络104是连接信息处理装置100和服务器102以使之双向可通信或单向可通信的通信线路网络。通信网络104例如包括因特网、NGN(下一代网络)网、电话网络、卫星通信网络、广播通信线路之类的公共线路网络、WAN(广域网)、LAN(局域网)、IP-VPN(因特网协议-虚拟专用网)、以太网(注册商标)和无线LAN之类的专用线路网络。通信网络可以是有线或无线网络。
服务器102通过通信网络104把从信息处理装置100获取的行为信息提供给另外的信息处理装置100。信息处理装置100通过对从服务器102获取的行为信息和由装置100生成的行为信息进行处理来生成影像信号,在该影像信号中多个用户作为对象被显示。
2.信息处理装置100、500的配置示例
现在,将参考图2来描述信息处理装置100的配置示例。图2是示出信息处理装置100的配置示例的示图。在图2中,为了获得本发明的实施例,移动电话被例示为优选的信息处理装置100。然而,在图2中,只示出了用于根据实施例的输入操纵的重要按键。
如图2所示,信息处理装置100包括显示屏160、输入键162、通信键164、清除键166、电源键168、菜单键170、邮件键172、存储器键174、通信键176以及箭头键178。
首先,信息处理装置100设有显示屏160。显示屏160用于显示所发送/接收的电子邮件或者显示各类信息。另外,显示屏160可具有触摸面板功能。
另外,信息处理装置100设有输入键162。输入键162用于在生成电子邮件的情况下输入字符等等。另外,输入键162还用于在发出电话呼叫的情况下输入被叫方的号码。
另外,信息处理装置100设有通信键164。通信键164用于启动呼叫。另外,信息处理装置100设有清除键166。清除键166用于清除各类信息。另外,信息处理装置100设有电源键168。电源键168用于为信息处理装置100加电。
另外,信息处理装置100设有菜单键170。菜单键170用于显示各类菜单。另外,信息处理装置100设有邮件键172。邮件键172用于使用于生成邮件的显示屏显现。另外,信息处理装置100设有存储器键174。存储器键174用于显示例如用户所登记的其他用户的电话号码或邮件地址。
另外,信息处理装置100设有通信键176。通信键176用于启动例如因特网连接。另外,信息处理装置100设有箭头键178。箭头键178用于利用光标来选择例如在显示屏上输出的各类信息。
另外,作为信息处理装置100的示例的移动电话并不限于具体的一个,只要其具有上述形式和功能即可。
3.根据本发明第一实施例的信息处理装置100的功能配置
接下来,将参考图3来描述信息处理装置100的功能配置。图3是示出根据本发明第一实施例的信息处理装置100的功能配置示例的示图。信息处理装置100具有以下方面的特征:对于依据用户行为的传感器数据的过滤功能和计算功能,以及对于每个行为的识别结果的后期处理功能。
信息处理装置100包括传感器数据生成器110、行为识别单元112、行为管理器114、行为信息后期处理单元116、数据控制器150、存储单元152、显示控制器154、以及显示屏160。行为识别单元112包括行为判定单元118和传感器数据处理单元120。行为判定单元118包括静止状态判定单元122、行走/奔跑状态判定单元124、跳跃状态判定单元126、姿态改变判定单元128、电梯搭乘判定单元130、电车搭乘判定单元132、以及右转/左转判定单元134。传感器数据处理单元120包括传感器数据计算单元136、特定区域去除器138、低区域去除器140、以及传感器数据存储单元142。行为信息后期处理单元116包括排他行为信息再处理单元144、误识别行为信息再处理单元146、以及行为信息实时调整单元148。
传感器数据生成器110感测用户行为156,并且生成作为与用户行为相对应的信息的传感器数据。另外,这里所说的用户行为156表示关于用户的行走、奔跑、站立、坐着、跳跃、静止、搭乘电车、搭乘电梯、右转或左转等等的信息。关于用户行为156的信息例如是表明信息处理装置100所伴随的用户的行为的信息。传感器数据是基于拥有信息处理装置100的用户所表现的行为的。
行为识别单元112从传感器数据生成器110获取传感器数据。行为识别单元112通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成行为信息,行为信息是表明用户所表现的行为的信息。行为识别单元112还包括特定于用户所表现的行为的多个行为判定单元118,以基于多个行为判定单元118的判定结果来生成行为信息。另外,传感器数据例如包括加速度传感器数据和陀螺仪传感器数据。
另外,加速度传感器数据包括第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据。第一加速度传感器数据是关于预定坐标轴上的加速度的数据。另外,第二加速度传感器数据是关于与第一加速度传感器数据的坐标轴不同的坐标轴(例如,与第一加速度传感器数据的坐标轴垂直的坐标轴)上的加速度的数据。另外,第三加速度传感器数据是关于与第一加速度传感器数据和第二加速度传感器数据的坐标轴不同的坐标轴(例如,与第一加速度传感器数据和第二加速度传感器数据的坐标轴垂直的坐标轴)上的加速度的数据。
多个行为判定单元118包括静止状态判定单元122、行走/奔跑状态判定单元124、跳跃状态判定单元126、姿态改变判定单元128、电梯搭乘判定单元130、电车搭乘判定单元132、以及右转/左转判定单元134。
静止状态判定单元122判定用户是否处于静止状态。行走/奔跑状态判定单元124判定用户是否处于行走状态或奔跑状态。跳跃状态判定单元126判定用户是处于跳跃状态还是非跳跃状态。姿态改变判定单元128判定用户是否处于坐着状态或站立状态。电梯搭乘判定单元130判定用户是否处于搭乘电梯状态。电车搭乘判定单元132判定用户是否处于搭乘电车状态。右转/左转判定单元134判定用户是否右转或左转。这样,在根据该实施例的信息处理装置100中,包括了特定于行为的行为识别功能,从而可以以良好的准确性识别行为。对行为的行为识别功能将在下文中描述。
传感器数据处理单元120从多个行为判定单元118接收用于基于行为执行处理的信号。传感器数据处理单元120基于该信号对传感器数据执行处理以生成作为表明用户行为的信息的行为信息。更具体而言,传感器数据计算单元136、特定区域去除器138、低区域去除器140和传感器数据存储单元142通过特定于行为的预定处理方法来执行上述处理。传感器数据计算单元136通过使用传感器数据来执行预定的计算。特定区域去除器138从输入数据中去除除特定区域以外的范围。低区域去除器140从输入数据中去除小于预定阈值的范围。传感器数据存储单元142以FIFO(先进先出)的方式记录传感器数据。下文中将参考图11至17来详细描述特定于每种行为的预定处理方法。
行为管理器114以与表现出与行为信息相对应的行为的时刻相对应的方式管理由行为识别单元112生成的行为信息。更具体而言,行为管理器114把所管理的行为信息传送到行为信息后期处理单元116。接下来,行为信息后期处理单元116对行为信息执行预定的后期处理,然后,行为管理器114获取并管理行为信息。
如上所述,行为信息后期处理单元116对由行为管理器114输入的行为信息执行预定的后期处理。预定的后期处理是由排他行为信息再处理单元144、误识别行为信息再处理单元146和行为信息实时调整单元148执行的。基于用户不可能同时表现出两个或更多个行为的排他特性,排他行为信息再处理单元144对每个单位时间与每个行为相对应的行为信息进行再处理。更具体而言,在两个或更多个行为具有排他特性的情况下,排他行为信息再处理单元144排除与这两个或更多个行为中至少一个行为相对应的行为信息。另外,误识别行为信息再处理单元146基于用户表现出每种行为所必需的行为信息必要条件来对每个单位时间的行为信息进行再处理。更具体而言,在用户行为不满足行为信息必要条件的情况下,误识别行为信息再处理单元146排除与该行为相对应的行为信息。另外,行为信息实时调整单元148判定用户在下述时间表现出每个行为:该时间比行为识别单元112将行为信息发送到行为管理器114的时间更早,早的量是行为识别单元112生成与每个行为相对应的行为信息所必需的时间。下文中将参考图18至21来描述行为信息后期处理单元116的预定后期处理。这样,在根据该实施例的信息处理装置100中,由于对行为信息执行上述后期处理,因此可以以良好的准确性识别出特定于每种行为的行为信息,而不会有误识别。
数据控制器150从行为管理器114获取经历了后期处理的行为信息。数据控制器150可以生成一影像信号,该影像信号是基于与所获取的行为信息相对应的每个行为的对象。
另外,数据控制器150可从服务器102获取另外的用户的信息处理装置100所生成的行为信息。另外的用户表示不同于拥有信息处理装置100的用户的用户。因此,数据控制器150还可以生成一影像信号,该影像信号是基于与另外的用户的行为信息相对应的每个行为的对象。接下来,数据控制器150把该影像信号发送到显示控制器154。显示控制器154具有影像信号转换控制功能。因此,在接收到影像信号后,显示控制器154可以把影像信号显示在显示屏160上。结果,例如,信息处理装置100把与另外的用户以及拥有信息处理装置100的用户的行为信息有关的对象布置在显示屏160,以把这些对象作为影像信号来显示。这样,根据本实施例的信息处理装置100,用户例如可以查看其他用户的行为。
存储单元152可以存储由数据控制器150获取的行为信息。因此,数据控制器150可以从显示控制器154获取过去行为信息,以生成一影像信号,该影像信号是基于与过去行为信息相对应的每个行为的对象。这样,根据信息处理装置100,用户可查看用户的过去行为和其他用户的行为。
4.信息处理装置100中的信息处理方法的概况
4-1.行为识别功能和行为信息后期处理功能
接下来,将参考图4来描述行为识别功能和行为信息后期处理功能。图4是示出行为识别功能和行为信息后期处理功能的概况的示图。首先,传感器数据生成器110基于用户行为生成传感器数据200。行为识别单元112、行为管理器114和行为信息后期处理单元116对于传感器数据执行与行为相对应的预定处理。在处理之后,生成表明用户每次执行了什么行为的行为信息210。标号212、214、216、218、220和222中的每一个表示每次是否执行了每种行为。下文中将描述细节。
图5是示出根据该实施例的信息处理装置100的使用示例的示图。如图5所示,例如,信息处理装置100被收在用户1000所穿的衣服的衣兜等等中。信息处理装置100的显示屏160显示用户1000实际表现出什么行为。其他人的行为状态以及用户1000的行为状态可通过服务器等等来显示。
图6是示出行为识别功能和行为信息后期处理功能的详细示图。首先,传感器数据生成器110基于用户行为生成传感器数据200。接下来,行为识别单元112通过对传感器数据200执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息202。另外,行为管理器114以与表现出与行为信息相对应的行为的时刻相对应的方式把由行为识别单元112生成的行为信息作为数据206来进行管理。接下来,行为信息后期处理单元116对由行为管理器114管理的行为信息执行预定的后期处理。行为信息后期处理单元116对以FIFO方式记录的每个行为的数据206执行预定的后期处理。下文中将描述详细的后期处理方法。这样,获得经历了后期处理204的行为信息210,从而信息处理装置100可提高行为的精确度。
4-2.行为识别功能
图7是示出行为识别功能的概况的示图。行为识别单元112对由传感器数据生成器110生成的传感器数据200生成行为信息202。更具体而言,获取传感器数据200的行为识别单元112允许特定于每种行为的行为判定单元118在传感器数据处理单元120中执行特定于每种行为的独特处理。传感器数据处理单元120对每个行为执行预定处理(标号224),以生成行为信息202。下文中将详细该预定处理的详细方法。这样,行为识别单元112具有特定于每种行为的处理方法,从而可以以良好的准确性识别每个行为。
4-3.行为信息后期处理功能
图8是示出行为信息后期处理功能的概况的示图。行为管理器114以与表现出与行为信息相对应的行为的时刻相对应的方式把由行为识别单元112生成的行为信息作为数据226来进行管理。接下来,行为信息后期处理单元116对由行为管理器114管理的行为信息226执行预定的后期处理。行为信息后期处理单元116对以FIFO方式记录的每个行为的数据228执行预定的后期处理。后期处理是由排他行为信息再处理单元144、误识别行为信息再处理单元146和行为信息实时调整单元148执行的。下文中将描述详细的后期处理方法。结果,可获得经历了后期处理的行为信息210。这样,对由行为识别单元112生成的行为信息执行了预定的后期处理,从而可以生成行为信息,并且与用户的实际行为相比没有误识别。
5.信息处理装置100中的信息处理方法的应用示例
接下来,将参考图9至20来描述信息处理方法的应用示例。根据该实施例的信息处理装置100包括行为识别单元112。行为识别单元112包括行为判定单元118和传感器数据处理单元120。行为识别单元112包括特定于用户所表现出的特定行为的多个行为判定单元118。更具体而言,行为判定单元118包括静止状态判定单元122、行走/奔跑状态判定单元124、跳跃状态判定单元126、姿态改变判定单元128、电梯搭乘判定单元130、电车搭乘判定单元132以及右转/左转判定单元134。在根据该实施例的信息处理装置100中,包括了特定于行为的行为识别功能,从而可以以良好的准确性识别行为。传感器数据处理单元120包括传感器数据计算单元136、特定区域去除器138、低区域去除器140以及传感器数据存储单元142,以便根据行为判定单元118的指令对行为执行预定处理。
传感器数据计算单元136对传感器数据执行预定的计算。特定区域去除器138去除传感器数据的除预定区域以外的范围。低区域去除器140去除传感器数据的等于或小于预定值的区域。传感器数据存储单元142以FIFO方式记录传感器数据。下面,将详细描述每种行为的行为识别方法。
另外,根据本实施例的信息处理装置100中包括的传感器数据生成器110所生成的传感器数据包括加速度传感器数据和陀螺仪传感器数据。加速度传感器数据包括第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据。第一加速度传感器数据是关于根据预定坐标轴的加速度的数据。另外,第二加速度传感器数据是关于根据与第一加速度传感器数据的坐标轴不同的坐标轴(例如,根据与第一加速度传感器数据的坐标轴垂直的坐标轴)的加速度的数据。另外,第三加速度传感器数据是关于根据与第一加速度传感器数据和第二加速度传感器数据的坐标轴不同的坐标轴(例如,根据与第一加速度传感器数据和第二加速度传感器数据的坐标轴垂直的坐标轴)的加速度的数据。这里,如以下描述中所参考的图11至17中所标记的,x-acc是第一加速度传感器数据的示例并且表示包括X轴、Y轴和Z轴这三个轴在内的坐标轴中的X轴方向上的加速度传感器数据。另外,y-acc是第二加速度传感器数据的示例并且表示Y轴方向上的加速度传感器数据。另外,z-acc是第三加速度传感器数据的示例并且表示Z轴方向上的加速度传感器数据。另外,x-gyro是第一陀螺仪传感器数据的示例并且表示包括X轴、Y轴和Z轴这三个轴在内的坐标轴中的X轴方向上的陀螺仪传感器数据。另外,y-gyro是第二陀螺仪传感器数据的示例并且表示Y轴方向上的陀螺仪传感器数据。另外,z-gyro是第三陀螺仪传感器数据的示例并且表示Z轴方向上的陀螺仪传感器数据。
5-1.行为识别功能和行为信息后期处理功能
首先,参考图9来描述行为识别方法和行为信息后期处理方法的流程。图9是示出根据该实施例的行为识别方法和行为信息后期处理方法的流程的示图。对于时刻tn处的样本(用户行为),传感器数据生成器110生成传感器数据作为输入信号。行为识别单元112对传感器数据执行数字过滤处理(信号/统计处理)(S100)。结果,行为识别单元112计算表示每个行为的特征的检测值,以执行阈值处理(S102)。其结果是,在行为识别单元112判定检测值超过阈值范围的情况下,行为管理器114设立一无效标志以对每个行为执行标志状态管理(S104)。另外,在行为识别单元112判定检测值在阈值范围内的情况下,行为管理器114设立一有效标志,以对每个行为执行标志状态管理(S104)。另外,行为管理器114判定是否存在行为(S106),并且如果存在行为,则行为被加标签并以FIFO方式记录(S108)。行为管理器114记录行为的开始/结束时刻及其识别状态。接下来,行为信息后期处理单元116对识别结果执行后期处理(S110)。作为后期处理的示例,有由行为信息后期处理单元116的排他行为信息再处理单元144执行的确保排他行为的一致性的处理。另外,有由行为信息后期处理单元116的误识别行为信息再处理单元146执行的基于经验法则来避免误识别的处理。另外,有由行为信息后期处理单元116的行为信息实时调整单元148执行的调整数字过滤器的时间延迟的处理。这样,执行对时刻tn的样本的识别处理。具体地,在下文中详细描述具有与每种行为相对应的数字过滤器功能的行为识别方法。
另外,将参考图10来描述获取过去时刻tn-d的的识别结果的功能。图10是示出行为信息后期处理功能的流程的示图。行为管理器114对时刻tn- d的识别结果计算作为指定时间的时间延迟(S120)。行为管理器114从以FIFO方式记录的数据的前端开始顺序地扫描标签(S122)。接下来,行为管理器114判定在指定时间之前的时刻是否存在标签(S124)。结果,可以识别在时刻tn-d是否存在行为。
5-2.识别用户是否静止或暂停的方法
首先,将参考图11来描述识别用户是否暂停或静止的方法。图11是示出行为识别单元112中识别用户是否暂停或静止的方法的流程的示图。首先,传感器数据生成器110感测用户行为156并生成传感器数据。接下来,行为识别单元112从传感器数据生成器110获取传感器数据。为了识别用户是否暂停或静止,首先,行为判定单元118中的静止状态判定单元122向传感器数据处理单元120发送识别用户是否暂停或静止的信号。另外,传感器数据处理单元120从传感器数据生成器110获取传感器数据。
接下来,传感器数据存储单元142以FIFO方式记录x-acc、y-acc和z-acc(S1000)。在预定量的数据被记录在传感器数据存储单元142中之后,传感器数据计算单元136从传感器数据存储单元142获取x-acc、y-acc和z-acc。这里,预定数据可被设定为例如仅与信息处理装置100设定的时间相对应的数据或者仅与用户设定的时间相对应的数据。接下来,传感器数据计算单元136计算x-acc、y-acc和z-acc的分散值(S1002)。另外,接下来,传感器数据计算单元136提取用于判定静止的最大分散值(det),即这些分散值中的最大分散值(S1004)。
接下来,静止状态判定单元122从传感器数据处理单元120获取用于判定静止的最大分散值。静止状态判定单元122判定用于判定静止的最大分散值是否小于将用户识别为静止的静止识别值D1(S1006)。如果用于判定静止的最大分散值不小于D1,即等于或大于D1,则静止状态判定单元122判定用户没有静止。换言之,用户表现出某种行为。静止状态判定单元122生成表明用户未静止的行为信息(S1014)。
另一方面,在用于判定静止的最大分散值小于D1的情况下,静止状态判定单元122判定最大分散值小于D1的时间是否持续到长于静止识别时间T1(S1008)。这里,静止识别时间T1是用户被静止状态判定单元122识别为静止的最小时间。在用于判定静止的最大分散值小于D1的时间持续到长于T1的情况下,静止状态判定单元122判定用户静止并且生成表明用户静止的行为信息(S1010)。另一方面,在用于判定静止的最大分散值小于D1的时间没有持续到长于T1的情况下,静止状态判定单元122判定用户暂停并且生成表明用户暂停的行为信息(S1012)。另外,D1和T1可由信息处理装置100预先设定,或者D1和T1可由用户设定在信息处理装置100中。这样,在根据该实施例的信息处理装置100中,通过特定于每种用户行为的传感器数据处理功能,可以以良好的准确性识别用户是静止、暂停还是表现出除这两种行为之外的行为。
5-3.识别用户是否行走或奔跑的方法
接下来,将参考图12来描述识别用户是否行走或奔跑的方法。图12是示出行为识别单元112中识别用户是否行走或奔跑的方法的流程的示图。首先,传感器数据生成器110感测用户行为156并生成传感器数据。接下来,行为识别单元112从传感器数据生成器110获取传感器数据。为了识别用户是否行走或奔跑,首先,行为判定单元118中的行走/奔跑状态判定单元124向传感器数据处理单元120发送识别用户是否行走或奔跑的信号。另外,传感器数据处理单元120从传感器数据生成器110获取传感器数据。
接下来,特定区域去除器138在x-acc、y-acc和z-acc中去除除了行走/奔跑识别频率区域以外的范围中的频率,在行走/奔跑识别频率区域中用户被识别为行走或奔跑(S2000)。换言之,特定区域去除器138可充当带通过滤器(BPF)。另外,行走/奔跑识别频率区域可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且行走/奔跑识别频率区域可根据用户行为来设定。接下来,传感器数据存储单元142以FIFO方式记录经历了上述处理的x-acc、y-acc和z-acc(S2002)。接下来,在预定量的数据被记录在传感器数据存储单元142中之后,传感器数据计算单元136从传感器数据存储单元142获取x-acc、y-acc和z-acc。这里,预定数据可被设定为例如仅与信息处理装置100设定的时间相对应的数据。
接下来,传感器数据计算单元136为以FIFO方式记录了其预定量的数据的x-acc、y-acc和z-acc计算简化自相关函数(SACF)。另外,传感器数据计算单元136基于简化自相关函数(SACF)来计算增强简化自相关函数(ESACF)(S2006)。随着时间流逝SACF的峰的出现对应于传感器数据中的行走和奔跑的周期性运动。然而,SACF还包括频率是表示实际行走和奔跑的频率的整数倍的数据。因此,传感器数据计算单元136可通过计算ESACF来去除冗余的峰数据并且仅获得表示实际行走和奔跑的频率。结果,传感器数据计算单元136可通过基于ESACF计算峰来计算出用于判定行走/奔跑的频率(freq)(S2008)。
另外,在传感器数据处理单元120从传感器数据生成器110获取传感器数据后,传感器数据存储单元142以FIFO方式记录x-acc、y-acc和z-acc(S2010)。接下来,在预定量的数据被记录在传感器数据存储单元142中之后,传感器数据计算单元136从传感器数据存储单元142获取x-acc、y-acc和z-acc。这里,预定数据可被设定为例如仅与信息处理装置100设定的时间相对应的数据。
接下来,传感器数据计算单元136计算以FIFO方式记录了其预定量的数据的x-acc、y-acc和z-acc的分散值(S2012)。另外,接下来,传感器数据计算单元136提取用于判定行走/奔跑的最大分散值(var),其是这些分散值中的最大分散值(S2014)。
接下来,传感器数据计算单元136计算用于判定行走/奔跑的频率(freq)和用于判定行走/奔跑的最大分散值(var)的乘积(S2016)。换言之,简要描述为,与行走/奔跑相对应每单位时间步数由freq表示,与行走/奔跑相对应的运动的大小由var表示。换言之,行走/奔跑可通过步数和运动大小来判定,并且如下所述,在freq和var的乘积在预定区域的范围内的情况下,判定用户行走。另外,在该乘积超过该预定区域的情况下,判定用户奔跑。另外,在该乘积没有达到该预定区域的情况下,判定用户没有行走也没有奔跑。
接下来,低区域去除器140从该乘积中去除下述频率区域并且计算用于判定用户是否行走或奔跑的行走/奔跑判定数据(S2018):在所述频率区域中,用户可能被误识别为行走或奔跑。换言之,低区域去除器140可充当低通过滤器(LPF)。另外,所去除的频率区域可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且该频率区域可根据用户行为来设定。
接下来,行走/奔跑状态判定单元124从传感器数据处理单元120获取行走/奔跑判定数据。行走/奔跑状态判定单元124判定行走/奔跑判定数据的值是否大于最小行走识别值D2,最小行走识别值D2是用于识别用户行走的下限值(S2020)。另外,行走/奔跑状态判定单元124判定行走/奔跑判定数据的值是否小于最大行走识别值D3,最大行走识别值D3是用于识别用户行走的上限值(S2020)。在行走/奔跑判定数据的值大于D2且小于D3的情况下,行走/奔跑状态判定单元124生成表明用户行走的行为信息(S2022)。另外,行走/奔跑状态判定单元124判定行走/奔跑判定数据的值是否大于D3(S2024)。在行走/奔跑判定数据的值大于D3的情况下,行走/奔跑状态判定单元124生成表明用户奔跑的行为信息(S2026)。另外,在行走/奔跑判定数据的值等于或小于D2的情况下,行走/奔跑状态判定单元124生成表明用户既不行走也不奔跑的行为信息(S2028)。这样,在根据该实施例的信息处理装置100中,通过特定于每种用户行为的传感器数据处理功能,可以以良好的准确性识别用户是行走、奔跑还是表现出除这两种行为以外的行为。
另一方面,传感器数据计算单元136可以对freq进行积分(S2028)。另外,根据积分的结果,行走/奔跑状态判定单元124可以生成关于预定时间期间的步数的行为信息。换言之,根据信息处理装置100,可以识别出在预定时间期间用户行走了多远。另外,该预定时间例如可以是由信息处理装置100设定的时间或者由用户设定的时间。
5-4.识别用户是否跳跃的方法
接下来,将参考图13来描述识别用户是否跳跃的方法。图13是示出行为识别单元112中识别用户是否跳跃的方法的流程的示图。首先,传感器数据生成器110感测用户行为156并生成传感器数据。接下来,行为识别单元112从传感器数据生成器110获取传感器数据。为了识别用户是否跳跃,首先,行为判定单元118中的跳跃状态判定单元126向传感器数据处理单元120发送识别用户是否跳跃的信号。另外,传感器数据处理单元120从传感器数据生成器110获取传感器数据。
接下来,传感器数据计算单元136计算跳跃加速度,该跳跃加速度由x-acc、y-acc和z-acc中的大小表达(S3000)。接下来,特定区域去除器138去除除了跳跃识别值区域以外的范围中的频率,在跳跃识别值区域中用户被识别为以该跳跃加速度跳跃(S3002)。换言之,特定区域去除器138可执行作为带通过滤器(BPF)的功能。另外,跳跃识别值区域可由用户设定或者可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且跳跃识别值区域可根据用户行为来设定。另外,结果,特定区域去除器138计算经校正的跳跃加速度,经校正的跳跃加速度是用于识别用户是否跳跃的绝对值(S3004)。更具体而言,例如,与跳跃加速度相比,在经校正的跳跃加速度中,去除了由信息处理装置100的摇动或振动导致的数据成分,这种摇动或振动可能在跳跃时发生。接下来,低区域去除器140去除下述频率区域:在该频率区域中,用户可能被误识别为以经校正的跳跃加速度跳跃(S3006)。换言之,低区域去除器140可执行作为低通过滤器(LPF)的功能。另外,所去除的频率区域可由用户设定或者可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且该频率区域可根据用户行为来设定。另外,结果,低区域去除器140计算用于判定用户是否跳跃的跳跃状态判定值(det)。
接下来,跳跃状态判定单元126从传感器数据处理单元120获取跳跃状态判定值。跳跃状态判定单元126判定跳跃状态判定值是否大于最小跳跃识别值D4,最小跳跃识别值D4是用于识别用户跳跃的下限值(S3008)。在跳跃状态判定值的值大于最小跳跃识别值D4的情况下,跳跃状态判定单元126生成表明用户跳跃的行为信息(S3010)。另一方面,在跳跃状态判定值的值等于或小于最小跳跃识别值D4的情况下,跳跃状态判定单元126生成表明用户未跳跃的行为信息(S3012)。这样,在根据该实施例的信息处理装置100中,通过特定于每种用户行为的传感器数据处理功能,可以以良好的准确性识别用户是否跳跃。
5-5.识别用户是否坐着或站立的方法
接下来,将参考图14来描述识别用户是否坐着或站立的方法。图14是示出行为识别单元112中识别用户是否坐着或站立的方法的流程的示图。首先,传感器数据生成器110感测用户行为156并生成传感器数据。接下来,行为识别单元112从传感器数据生成器110获取传感器数据。对坐着或站立的识别包括对过去坐着的用户现在站立的识别,以及对过去站立的用户现在坐着的识别。换言之,是识别用户的姿态的改变。这样,为了识别用户是否改变姿态,首先,行为判定单元118中的姿态改变判定单元128向传感器数据处理单元120发送识别用户是否改变姿态的信号。另外,传感器数据处理单元120从传感器数据生成器110获取传感器数据。
接下来,低区域去除器140在x-acc、y-acc和z-acc中去除一频率区域,在该频率区域中,用户可能被误识别为改变姿态(S4000)。低区域去除器140可充当低通过滤器(LPF)。另外,所去除的频率区域可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且第一频率区域可根据用户行为来设定。结果,低区域去除器140基于x-acc计算x-grav,基于y-acc计算y-gav,并且基于z-acc计算z-grav。x-grav是基于第一加速度传感器数据的第一重力数据的示例并且表明包括X轴、Y轴和Z轴这三个轴在内的坐标轴中的X轴方向上的加速度传感器数据。y-grav是基于第二加速度传感器数据的第二重力数据的示例并且表明包括X轴、Y轴和Z轴这三个轴在内的坐标轴中的Y轴方向上的加速度传感器数据。z-grav是基于第三加速度传感器数据的第三重力数据的示例并且表明包括X轴、Y轴和Z轴这三个轴在内的坐标轴中的Z轴方向上的加速度传感器数据。
接下来,传感器数据计算单元136计算表示计算出的x-grav相对于预定时间之前的x-grav改变了多少的值δ(x-grav)(S4002)。δ(x-grav)是第一重力改变数据的示例。另外,传感器数据计算单元136计算表示计算出的y-grav相对于预定时间之前的y-grav改变了多少的值δ(y-grav)(S4002)。δ(y-grav)是第二重力改变数据的示例。另外,传感器数据计算单元136计算表示计算出的z-grav相对于预定时间之前的z-grav改变了多少的值δ(z-grav)(S4002)。δ(z-grav)是第三重力改变数据的示例。接下来,传感器数据计算单元136计算表示δ(x-grav)、δ(y-grav)和δ(z-grav)的大小的姿态改变值(S4004)。姿态改变值使得可以识别用户姿态的改变。
接下来,低区域去除器140去除姿态改变值的这样一个区域:在该区域中,用户可能被误识别为改变姿态(S4006)。低区域去除器140可充当低通过滤器(LPF)。结果,低区域去除器140计算用于判定用户是否改变姿态的姿态改变判定值(det)。另外,所去除的区域可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且该区域可根据用户行为来设定。
接下来,姿态改变判定单元128从传感器数据处理单元120获取姿态改变判定值。在作为用于识别用户改变姿态的下限值的最小姿态改变识别值D5大于姿态改变判定值的情况下,姿态改变判定单元128判定用户改变姿态(S4008)。在用户改变姿态的情况下,姿态改变判定单元128判定用户先前是站立还是坐着(S4010)。在用户先前站立的情况下,用户将姿态改变为坐着,并且姿态改变判定单元128生成表明用户坐着的行为信息(S4012)。另外,在用户先前坐着的情况下,用户将姿态改变为站立,并且姿态改变判定单元128生成表明用户站立的行为信息(S4014)。换言之,另一方面,在姿态改变判定值等于或小于D5的情况下,用户没有改变姿态,并且姿态改变判定单元128生成表明就姿态改变而言没有状态改变的行为信息(S4016)。这样,在根据该实施例的信息处理装置100中,通过特定于每种用户行为的传感器数据处理功能,可以以良好的准确性识别用户是否改变姿态。换言之,可以基于对用户姿态改变的判定来识别用户是否处于坐着状态或站立状态。
5-6 识别用户是否乘电梯上升或下降的方法
接下来,将参考图15来描述识别用户是否搭乘电梯的方法。图15是示出行为识别单元112中识别用户是否搭乘电梯的方法的流程的示图。首先,传感器数据生成器110感测用户行为156并生成传感器数据。接下来,行为识别单元112从传感器数据生成器110获取传感器数据。这样,为了识别用户是否搭乘电梯,首先,行为判定单元118中的电梯搭乘判定单元130向传感器数据处理单元120发送识别用户是否搭乘电梯的信号。另外,传感器数据处理单元120从传感器数据生成器110获取传感器数据。
接下来,低区域去除器140基于x-acc、y-acc和z-acc去除一频率区域,在该频率区域中,重力方向上的加速度可能被误识别(S5000)。低区域去除器140可充当低通过滤器(LPF)。另外,所去除的频率区域可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且频率区域可根据用户行为来设定。接下来,传感器数据计算单元136基于从中去除了该频率区域的x-acc、y-acc和z-acc来计算重力方向加速度传感器数据(acc)(S5002)。
另一方面,传感器数据计算单元136计算允许调整重力值的x-acc、y-acc和z-acc的大小所表示的重力调整数据(S5004),并且将重力调整数据记录在传感器数据存储单元142中(S5006)。传感器数据计算单元136计算作为被记录了预定数据量的重力调整数据的分散值的重力调整分散值(var)(S5008)。另外,传感器数据计算单元136计算作为被记录了预定数据量的重力调整数据的平均值的重力调整平均数据(S5008)。
接下来,传感器数据计算单元136判定重力调整分散值是否小于最大可允许重力调整分散值V1,最大可允许重力调整分散值V1是允许重力调整的最大分散值(S5010)。在重力调整分散值等于或大于V1的情况下,传感器数据计算单元136不更新重力的值(S5012)。该功能在下述情况下执行:在伴随用户的信息处理装置100的方向上有必要对重力进行精细调整。这是因为在重力调整分散值等于或大于V1的情况下,调整之后重力的改变太大并且相对于实际现象的差异太大。
另一方面,将描述重力调整分散值小于作为允许重力调整的最大分散值的最大可允许重力调整分散值V1的情况。继而,传感器数据计算单元136判定重力调整平均数据是否大于作为允许重力调整的最小平均值的最小可允许重力平均值A1,并且判定重力调整平均数据是否小于作为允许重力调整的最大平均值的最大可允许重力平均值A2(S5014)。在重力调整平均数据的值大于A1并且小于A2的情况下,重力调整平均数据的值被认为是调整后的重力。另一方面,在重力调整平均数据的值等于或小于A1或等于或大于A2的情况下,传感器数据计算单元136不更新重力的值(S5016)。
接下来,低区域去除器140从重力调整平均数据中去除低区域,在该低区域中,重力可能被误识别(S5018)。低区域去除器140可充当低通过滤器(LPF)。另外,所去除的频率区域可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且该频率区域可根据用户行为来设定。结果,低区域去除器140计算经校正的重力调整平均数据。
接下来,传感器数据计算单元136计算重力方向加速度传感器数据和经校正的重力调整平均数据之间的差异(S5020)。换言之,基于由于用户行为引起的重力改变来判定用户是否搭乘电梯。接下来,低区域去除器140从该差异中去除其中用户可能被误识别为搭乘电梯的频率区域,并且计算用于判定用户是否搭乘电梯的电梯上升判定数据。所去除的频率区域可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且该频率区域可根据用户行为来设定。
接下来,电梯搭乘判定单元130从传感器数据处理单元120获取电梯上升判定数据。电梯搭乘判定单元130判定电梯上升判定数据是否大于预定值D6(S5024),并且判定电梯上升判定数据是否大于或小于预定值D7(S5032)。预定值D6是用于识别用户开始乘电梯上升的下限值并且是Dα的示例。预定值D7是用于识别用户开始乘电梯下降的上限值并且是Dβ的示例。更具体而言,在电梯上升判定数据首先大于预定值D6,并且在此之后小于预定值D7的情况下,电梯搭乘判定单元130判定用户乘电梯上升。接下来,电梯搭乘判定单元130生成表明用户乘电梯上升的行为信息(S5024、S5026、S5028、S5032、S5034和S5038)。另外,在电梯上升判定数据首先大于预定值D7,并且在此之后小于预定值D6的情况下,电梯搭乘判定单元130判定用户乘电梯下降。接下来,电梯搭乘判定单元130生成表明用户乘电梯下降的行为信息(S5024、S5026、S5030、S5032、S5034和S5036)。根据此方法,由于基于与例如用户乘电梯上升的情形或者在此之后的情形要对应的加速度传感器数据来识别用户行为,因此可以避免对搭乘电梯期间用户执行的行为的误识别。
另外,在电梯上升判定数据等于或小于预定值D6并且等于或小于预定值D7的情况下,电梯搭乘判定单元130判定用户行为(S5040)。在用户搭乘电梯的情况下,电梯搭乘判定单元130生成表明电梯不处于加速和减速状态的行为信息(S5042)。换言之,根据行为信息,可以识别出电梯静止或者处于匀速运动中。另外,在用户没有电梯搭乘的情况下,电梯搭乘判定单元130生成表明用户没有搭乘电梯的行为信息(S5044)。这样,在根据该实施例的信息处理装置100中,通过特定于每种用户行为的传感器数据处理功能,可以以良好的准确性识别用户是否搭乘电梯上升或下降。换言之,通过检测用户在向上和向下方向上的加速或减速,可以识别是否搭乘电梯。
5-7 识别用户是否搭乘电车的方法
接下来,将参考图16来描述识别用户是否搭乘电车的方法。图16是示出行为识别单元112中识别用户是否搭乘电车的方法的流程的示图。首先,传感器数据生成器110感测用户行为156并生成传感器数据。接下来,行为识别单元112从传感器数据生成器110获取传感器数据。这样,为了识别用户是否搭乘电车,首先,行为判定单元118中的电车搭乘判定单元132向传感器数据处理单元120发送识别用户是否搭乘电车的信号。另外,传感器数据处理单元120从传感器数据生成器110获取传感器数据。
接下来,低区域去除器140基于x-acc、y-acc和z-acc去除一频率区域,在该频率区域中,用户可能被误识别为搭乘电车(S6000)。低区域去除器140可充当低通过滤器(LPF)。另外,所去除的频率区域可由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且频率区域可根据用户行为来设定。接下来,传感器数据计算单元136基于从中去除了该频率区域的x-acc、y-acc和z-acc来计算水平方向加速度传感器数据和垂直方向加速度传感器数据(S6002和S6004)。这里,水平方向是与电车行驶的地面平行的方向。另外,垂直方向是与水平方向垂直的方向。
接下来,传感器数据存储单元142以FIFO方式记录预定数据量的水平方向加速度传感器数据和垂直方向加速度传感器数据(S6006和S6008)。这里,预定数据可被设定为例如仅与由信息处理装置100设定的时间相对应的数据或者仅与由用户设定的时间相对应的数据。传感器数据计算单元136根据以FIFO方式记录的水平方向加速度传感器数据来计算水平方向分散值(h-var)(S6010)。另外,传感器数据计算单元136根据以FIFO方式记录的垂直方向加速度传感器数据来计算垂直方向分散值(v-var)(S6012)。水平方向分散值(h-var)表示电车行驶时的水平方向上的摇动(即,振动)的程度。另外,垂直方向分散值(v-var)表示电力行驶时垂直方向上的摇动(即,振动)的程度。
另外,判定垂直方向分散值(v-var)是否大于作为最小可允许的垂直方向分散值的最小可允许垂直分散值V1,并且小于作为最大可允许的垂直方向分散值的最大可允许垂直分散值V2(S6014)。在垂直方向分散值(v-var)等于或小于V1的情况下或者在垂直方向分散值等于或大于V2的情况下,传感器数据计算单元136把下文中描述的电车搭乘判定数据(det)设定为零。换言之,在垂直方向分散值(v-var)等于或小于V1的情况下或者在垂直方向分散值等于或大于V2的情况下,由于垂直方向分散值不适合于表示电车行驶时的摇动(即,振动)的程度,因此传感器数据计算单元136将电车搭乘判定数据(det)校正为零。另外,V1和V2例如是由信息处理装置100设定的值。
接下来,传感器数据计算单元136判定垂直方向分散值和水平方向分散值中的哪一个较小(S6016)。在垂直方向分散值(v-var)较小的情况下,传感器数据计算单元136计算预定量的垂直方向分散值(v-var)的积分值(S6018)。该预定量例如可以仅为由信息处理装置100设定的量或者仅为由用户设定的量。另外,在水平方向分散值(h-var)较小的情况下,传感器数据计算单元136计算预定量的水平方向分散值(h-var)的积分值(S6020)。该预定量例如可以仅为由信息处理装置100设定的量或者仅为由用户设定的量。通过使用积分,传感器数据计算单元136计算用于判定用户是否搭乘电车的电车搭乘判定数据(det)。另外,如上所述,在垂直方向分散值(v-var)等于或小于V1的情况下,或者在垂直方向分散值(v-var)等于或大于V2的情况下,传感器数据计算单元136将下文描述的电车搭乘判定数据(det)设定为零(S6028)。
接下来,电车搭乘判定单元132从传感器数据处理单元120获取电车搭乘判定数据。电车搭乘判定单元132判定电车搭乘判定数据是否大于最小电车搭乘识别值D8,最小电车搭乘识别值D8是用于识别用户搭乘电车的下限值(S6022)。在电车搭乘判定数据大于D8的情况下,电车搭乘判定单元132判定用户搭乘电车。在此情况下,电车搭乘判定单元132生成表明用户搭乘电车的行为信息(S6024)。另一方面,在电车搭乘判定数据等于或小于D8的情况下,电车搭乘判定单元132判定用户没有搭乘电车(S6026)。在此情况下,电车搭乘判定单元132生成表明用户没有搭乘电车的行为信息(S6026)。这样,在根据该实施例的信息处理装置100中,通过特定于每种用户行为的传感器数据处理功能,可以以以良好的准确性识别用户是否搭乘电车。
另外,与识别用户是否搭乘电梯的方法类似,在识别用户是否搭乘电车时,信息处理装置100考虑电车从加速状态到减速状态的状态。换言之,如下所述,在用户搭乘电车并且电车在某个站停下的情况下,标志“假”可被设立为识别结果。换言之,在电车停下的情况下或者在电车到达并且用户下电车行走的情况下,电车搭乘判定单元132判定用户没有搭乘电车。在此情况下,如下所述,行为信息后期处理单元116执行预定的后期处理。换言之,在满足预定的条件的情况下,如果用户搭乘电车或者正在搭乘电车,则可以基于电车从加速状态到减速状态的状态来执行后期处理。
5-8 识别用户是否右转或左转的方法
接下来,将参考图17来描述识别用户是否右转或左转的方法。图17是示出行为识别单元112中识别用户是否右转或左转的方法的流程的示图。首先,传感器数据生成器110感测用户行为156并生成传感器数据。接下来,行为识别单元112从传感器数据生成器110获取传感器数据。这样,为了识别用户是否右转或左转,首先,行为判定单元118中的右转/左转判定单元134向传感器数据处理单元120发送识别用户是否右转或左转的信号。另外,传感器数据处理单元120从传感器数据生成器110获取传感器数据。
接下来,低区域去除器140基于x-acc、y-acc和z-acc去除一频率区域,在该频率区域中用户可能被误识别为右转或左转(S7000)。低区域去除器140可以充当低通过滤器(LPF)。另外,所去除的频率区域可由用户设定或者由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且该频率区域可根据用户行为来设定。
传感器数据计算单元136基于从中去除了该频率区域的x-acc、y-acc、z-acc、x-gyro、y-gyro和z-gyro来计算重力方向上的角速度(S7002)。接下来,特定区域去除器138从该角速度中去除除了下述曲线识别区域以外的范围中的值并且计算经校正的角速度(det):在该曲线识别区域中用户被识别为右转或左转(S7004)。特定区域去除器138可充当带通过滤器(BPF)。另外,曲线识别区域可由用户设定或者由信息处理装置100预先设定。否则,信息处理装置100获取用户独自的行为模式,并且该曲线识别区域可根据用户行为来设定。
接下来,右转/左转判定单元134从传感器数据处理单元120获取经校正的角速度。右转/左转判定单元134判定经校正的角速度是否小于最大右转识别值D9,最大右转识别值D9是用于识别用户右转的上限值(S7006)。在经校正的角速度小于D9的情况下,右转/左转判定单元134生成表明用户右转的行为信息(S7008)。另一方面,在经校正的角速度等于或大于D9并且大于作为用于识别用户左转的下限值的最小左转识别值D10的情况下,右转/左转判定单元134判定用户左转(S7010)。在经校正的角速度大于D10的情况下,右转/左转判定单元134生成表明用户左转的行为信息(S7012)。另外,在经校正的角速度等于或大于D9并且等于或小于D10的情况下,右转/左转判定单元134生成表明用户既没有右转也没有左转的行为信息(S7014)。这里,在该实施例中,D9具有负值,而D10具有正值。这样,在根据该实施例的信息处理装置100中,通过特定于每种用户行为的传感器数据处理功能,可以以以良好的准确性识别用户是否右转或左转。
5-9.行为信息后期处理方法
接下来,将参考图18至20来描述行为信息后期处理功能。图18是示出表示下述状态的概念的图:在行为信息被行为管理器114管理之后,行为识别的结果由行为信息后期处理单元116判定并被加标签。箭头230表示FIFO的扫描方向。行为管理器114以与表现出与行为信息相对应的行为的时刻相对应的方式来管理行为信息。接下来,行为信息后期处理单元116可以每预定采样率设立表明表现出行为的标志“真”或者表明没有表现出行为的标志“假”。该预定采样率例如可以是32Hz。
行为信息后期处理单元116可以执行用于把标志的内容改变成与原始内容不同的内容的再处理。例如,行为信息后期处理单元116中包括的排他行为信息再处理单元144基于用户不可能同时表现出两个或更多个行为的排他特性来对与每单位时间的每个行为相对应的行为信息进行再处理。接下来,排他行为信息再处理单元144可将标志的内容改变成与原始内容不同的内容。详细描述排他特性。如以下表1所示,例如,用户不可能同时执行行走、奔跑和跳跃。然而,在上述行为识别单元112的行为信息生成处理中,可能判定用户同时表现出行走、奔跑和跳跃。这里,排他行为信息再处理单元144对每单位时间与具有排他关系的行为相对应的行为信息进行再处理。如表1所示,其排他关系由A表示的状态“静止”和状态“暂停”具有排他关系。换言之,这些行为状态不会同时发生。另外,其排他关系由B表示的状态“行走”、状态“奔跑”和状态“跳跃”具有排他关系。换言之,这些行为状态不会同时发生。另外,其排他关系由C表示的状态“坐着”和状态“站立”具有排他关系。换言之,这些行为状态不会同时发生。另外,其排他关系由D表示的状态“乘电梯上升”、状态“乘电梯下降”和状态“搭乘电车”具有排他关系。换言之,这些行为状态不会同时发生。另外,其排他关系由E表示的状态“右转”和状态“左转”具有排他关系。换言之,这些行为状态不会同时发生。在此情况下,至于选择这些行为状态中的哪一个,排他行为信息再处理单元144可以针对先前和之后行为之间的关系,例如,基于由行为管理器114管理的用户的先前行为信息,就这些行为状态中的哪一个可能容易被选择来执行统计处理。另外,可以使用其他选择方法。没有选择的行为信息被排他行为信息再处理单元144排除。排他行为信息再处理单元144可生成表明没有行为的行为信息。在任何情况下,排他行为信息再处理单元144把由标号232所示的标志“真”所表示的部分校正为由标志“假”表示。
[表1]
排他关系 | 行为类型 | 传感器类型 |
A | 静止 | 仅加速度传感器 |
A | 暂停 | 仅加速度传感器 |
B | 行走 | 仅加速度传感器 |
B | 奔跑 | 仅加速度传感器 |
B | 跳跃 | 仅加速度传感器 |
C | 坐着 | 仅加速度传感器 |
C | 站立 | 仅加速度传感器 |
D | 乘电梯上升 | 仅加速度传感器 |
D | 乘电梯下降 | 仅加速度传感器 |
D | 搭乘电车 | 仅加速度传感器 |
E | 右转 | 加速度传感器和陀螺仪传感器 |
E | 左转 | 加速度传感器和陀螺仪传感器 |
另外,图19示出了在由行为识别单元112对传感器数据的处理所获得的行为信息中发生了该处理的时间延迟。例如,在时刻tn处理的行为实际上是在时刻tn′执行的行为。行为信息后期处理单元116包括行为信息实时调整单元148。行为信息实时调整单元148识别每个行为的时间延迟,从而行为信息实时调整单元148可通过用tn′校正tn来获得每个行为的实际识别时刻。
另外,行为信息后期处理单元116还包括误识别行为信息再处理单元146。在表现出某一行为所需的时间极短的情况下,误识别行为信息再处理单元146把与该行为相对应的行为信息视为噪声,从而认为没有表现出实际行为。例如,即使在行为识别单元112生成表明用户“奔跑”的行为信息的情况下,如果奔跑所需的时间极短,那么误识别行为信息再处理单元146也会执行把该行为信息视为噪声的再处理。另外,误识别行为信息再处理单元146把与本来不可能表现的行为相对应的行为信息视为没有实际表现的行为。例如,如果行为识别单元112识别用户从“坐着”状态到“行走”状态,则再判定用户没有“坐着”而是“站立”。这样,在与每个行为相对应的行为信息不满足表现出每个行为所必需的行为信息必要条件的情况下,误识别行为信息再处理单元146校正与该行为相对应的行为信息。
接下来,图20概念性地示出了行为管理器114对于以FIFO方式存储的两条行为信息的识别结果,获取在当前时刻(tcurrent)的指定时间(ttime-delay)之前的时刻(tpoint-of-interest)的行为的存在的状态。如图20所示,例如,tn的存在位置在时间轴上在行为A和行为B之间是不同的。更具体而言,在参考图18描述的处理和参考图19描述的处理被行为信息后期处理单元116执行之后,处于图20所示的状态中的每条行为信息被以FIFO方式记录。这样,例如,由于记录了每条行为信息并且对每条过去的行为信息执行了时间调整,因此行为管理器114可以很容易把过去的行为信息发送给数据控制器150。
6.第一实施例的修改例
接下来,将参考图21至23来描述本发明第一实施例的修改例。另外,信息处理装置101中的信息处理方法的概况与参考图4至8描述的信息处理装置100中的信息处理方法的概况基本相同,因此对其的描述将被省略。
首先,将参考图21来描述根据该修改例的信息处理装置101的功能配置。图21是示出根据该修改例的信息处理装置101的功能配置示例的示图。
信息处理装置101包括传感器数据生成器110、行为识别单元112、行为管理器114、行为信息后期处理单元117、数据控制器150、存储单元152、显示控制器154、以及显示屏160。行为判定单元118包括静止状态判定单元122、行走/奔跑状态判定单元124、跳跃状态判定单元126、姿态改变判定单元128、电梯搭乘判定单元130、电车搭乘判定单元132、以及右转/左转判定单元134。传感器数据处理单元120包括传感器数据计算单元136、特定区域去除器138、低区域去除器140、以及传感器数据存储单元142。行为信息后期处理单元117包括排他行为信息再处理单元144、误识别行为信息再处理单元146、行为信息实时调整单元148以及行为比较再处理单元149。
信息处理装置101中的传感器数据生成器110、行为识别单元112和行为管理器114与根据第一实施例的信息处理装置100中的传感器数据生成器110、行为识别单元112和行为管理器114基本相同。另外,数据控制器150、存储单元152、显示控制器154和显示屏160也与信息处理装置100中的数据控制器150、存储单元152、显示控制器154和显示屏160基本相同。另外,排他行为信息再处理单元144、误识别行为信息再处理单元146和行为信息实时调整单元148也与信息处理装置100中的排他行为信息再处理单元144、误识别行为信息再处理单元146和行为信息实时调整单元148基本相同。因此,在该实施例中,将主要描述行为信息后期处理单元117的行为比较再处理单元149,并且将省略对与第一实施例相同的配置的描述。
行为信息后期处理单元117对由行为管理器114输入的行为信息执行预定的后期处理。在该修改例中,行为比较再处理单元149执行一部分后期处理。对于在预定时间内执行的行为,行为比较再处理单元149比较与基于关于行为是否与彼此相似的相似行为信息而被判定为彼此相似的两个或更多个预定行为相对应的行为信息的合计时间。另外,行为比较再处理单元149选择具有最长合计时间的行为信息作为预定时间期间的行为信息。相似行为信息是表明行为是否彼此相似的信息,并且例如被存储在传感器数据存储单元142或其他数据库中。
将参考图22A至22C所示的示例来更详细描述行为比较再处理单元149的处理。图22A至22C是示出根据该修改例的信息处理方法的示例的示图。
首先,如图22A所示,作为示例,描述通过行为识别单元的处理,用户被判定为在预定时间的前一半搭乘小汽车而在预定时间的后一半搭乘公共汽车的情况。在该示例中,该预定时间被设定为50秒。在此情况下,首先,行为比较再处理单元149基于相似行为信息判定搭乘小汽车的行为和搭乘公共汽车的行为是否彼此相似,并且判定相关联的两个行为彼此相似。在图22A所示的示例中,搭乘小汽车的时间对应于三个存储器(15秒),而搭乘公共汽车的时间对应于七个存储器(35秒)。换言之,由于搭乘公共汽车的时间长于搭乘小汽车的时间,因此行为比较再处理单元149执行一处理,使得用户在该预定时间内仅搭乘公共汽车。
接下来,如图22B所示,作为示例,描述通过行为识别单元的处理,用户被判定为在预定时间期间按顺序搭乘小汽车、搭乘公共汽车、搭乘小汽车、搭乘公共汽车和搭乘小汽车的情况。在此情况下,首先,行为比较再处理单元149基于相似行为信息判定搭乘小汽车的行为和搭乘公共汽车的行为是否与彼此相似,并且判定相关联的两个行为与彼此相似。在图22B所示的示例中,搭乘小汽车的时间对应于三个存储器(15秒),因为存在三个部位,每个部位对应于一个存储器,而搭乘公共汽车的时间对应于七个存储器(35秒),因为存在一个对应于三个存储器的部位和一个对应于四个存储器的部位。换言之,由于搭乘公共汽车的合计时间长于搭乘小汽车的合计时间,因此行为比较再处理单元149执行一处理,使得用户在该预定时间内仅搭乘公共汽车。
接下来,如图22C所示,作为示例,描述通过行为识别单元的处理,用户被判定为按顺序搭乘小汽车、搭乘电车和搭乘公共汽车的情况。这样,即使在识别搭乘三种交通工具的情况下,首先,行为比较再处理单元149基于相似行为信息判定搭乘这些交通工具的行为是否彼此相似并且判定相关联的三个行为与彼此相似。在图22C所示的示例中,搭乘小汽车的时间对应于两个存储器(10秒);搭乘电车的时间对应于六个存储器(30秒);而搭乘公共汽车的时间对应于两个存储器(10秒)。换言之,由于搭乘电车的时间最长,因此行为比较再处理单元149执行一处理,以使得用户在该预定时间内仅搭乘电车。
图22A至22C所示的示例是用户被判定为搭乘小汽车等等的情况。虽然例示了根据下文中描述的第二实施例的交通工具搭乘判定单元532所进行的行为识别的结果,但是行为比较再处理单元149的处理并不限于此。换言之,与搭乘小汽车、搭乘公共汽车和搭乘电车的行为类似,可以使用基于相似行为信息而被判定与彼此相似的两个或更多个行为。
这样,虽然实际上难以假定用户在约50秒的短时间期间搭乘了诸如小汽车、公共汽车和电车之类的多个交通工具,但行为比较再处理单元149执行上述的后期处理,使得行为识别的结果可以以更好的准确性反映实际用户行为。另外,在上述示例中该预定时间被设定为50秒,但是其并不限于此。另外,该预定时间可预先设定或由用户设定。一般地,搭乘诸如小汽车、公共汽车和电车之类的交通工具的时间至少为数分钟。换言之,该预定时间短于搭乘交通工具的实际时间。因此,由于在行为比较再处理单元149中执行后期处理的时间与用户搭乘交通工具的实际时间相比对应于某一误差范围,因此虽然行为比较再处理单元149执行如上所述的后期处理,但行为识别的结果的准确性可能不会恶化。
接下来,将参考图23来描述行为识别方法和行为信息后期处理方法的流程。图23是示出根据该修改例的行为识别方法和行为信息后期处理方法的流程的示图。在该修改例中,步骤S100、S102、S104、S106和S108执行的处理方法与参考图9描述的根据本发明第一实施例的行为识别方法和行为信息后期处理方法的流程中的步骤S100、S102、S104、S106和S108执行的处理方法基本相同。因此,在该修改例中,将主要描述步骤S111执行的处理方法,因此将省略对与第一实施例相同的处理方法的描述。
在步骤S111中,行为信息后期处理单元117对通过在步骤S100至S108中执行的处理而获得的行为识别的结果执行后期处理。作为该后期处理,例如有由行为信息后期处理单元116的排他行为信息再处理单元144执行的确保排他行为的一致性的处理。另外,有由行为信息后期处理单元116的误识别行为信息再处理单元146执行的基于经验法则来避免误识别的处理。另外,有由行为信息后期处理单元116的行为信息实时调整单元148执行的调整数字过滤器的时间延迟的处理。有由行为信息后期处理单元116的行为比较再处理单元149执行的提高多数决定法则的可靠性的处理。多数决定法则的处理表示比较关于与预定时间期间的两个或更多个行为相对应的行为信息的预定评估值,并且判定在该预定时间期间执行了与具有较大评估值的行为信息相对应的行为,如以上参考图22A至22C所述。例如,行为比较再处理单元149针对行为识别的被加标签的结果来计算预定时间内行为的合计时间,并且把具有最长时间的行为视为有效行为,而其他行为视为无效行为。由于参考图18至22C描述了行为信息后期处理单元117的后期处理,因此省略对其的详细描述。由于该后期处理,可以进一步提高由信息处理装置101计算出的行为识别的结果的可靠性。
7.根据本发明第二实施例的信息处理装置500的功能配置
接下来,将参考图24来描述根据本发明第二实施例的信息处理装置500的功能配置。图24是示出根据本发明第二实施例的信息处理装置500的功能配置示例的示图。作为特征之一,信息处理装置500包括依据用户行为的传感器数据的特性向量计算功能,标识函数计算功能以及阈值判定功能。
信息处理装置500包括传感器数据生成器110、行为识别单元512、行为管理器114、行为信息后期处理单元117、数据控制器150、存储单元152、显示控制器154、以及显示屏160。行为识别单元512包括行为判定单元518和传感器数据处理单元520。传感器数据处理单元520包括传感器数据计算单元536和传感器数据存储单元142。行为信息后期处理单元117包括排他行为信息再处理单元144、误识别行为信息再处理单元146、行为信息实时调整单元148、以及行为比较再处理单元149。行为判定单元518包括静止状态判定单元122、行走/奔跑状态判定单元124、跳跃状态判定单元126、姿态改变判定单元128、电梯搭乘判定单元130、交通工具搭乘判定单元532、以及右转/左转判定单元134。传感器数据处理单元120包括传感器数据计算单元536、特定区域去除器138、低区域去除器140、以及传感器数据存储单元142。
信息处理装置500中的传感器数据生成器110、行为管理器114和数据控制器150与根据第一实施例的信息处理装置100中的传感器数据生成器110、行为管理器114和数据控制器150基本相同。另外,行为信息后期处理单元117与根据第一实施例的修改例的信息处理装置101中的行为信息后期处理单元117基本相同。另外,存储单元152、显示控制器154和显示屏160也与根据第一实施例的信息处理装置100中的存储单元152、显示控制器154和显示屏160基本相同。另外,静止状态判定单元122和行走/奔跑状态判定单元124也与信息处理装置100中的静止状态判定单元122和行走/奔跑状态判定单元124基本相同。另外,跳跃状态判定单元126和姿态改变判定单元128也与信息处理装置100中的跳跃状态判定单元126和姿态改变判定单元128基本相同。另外,电梯搭乘判定单元130和右转/左转判定单元134也与根据第一实施例的信息处理装置100中的电梯搭乘判定单元130和右转/左转判定单元134基本相同。因此,在本实施例中,将主要描述行为识别单元512的行为判定单元518和传感器数据处理单元520的传感器数据计算单元536,因此将省略对与第一实施例和修改例相同的配置的描述。
行为识别单元512从传感器数据生成器110获取传感器数据。行为识别单元512通过对传感器数据执行预定的阈值处理来识别用户所表现的行为并且生成作为表明用户所表现的行为的信息的行为信息。行为识别单元512包括具有传感器数据计算单元536的传感器数据处理单元520。传感器数据计算单元536基于作为传感器数据的示例的加速度传感器数据来计算特性向量。接下来,传感器数据计算单元536把该特性向量代入为每类交通工具设定的标识函数,以计算标识函数的值。行为识别单元512还包括判定用户是否搭乘预定的交通工具的行为判定单元518,并且基于行为判定单元518的判定结果来生成行为信息。行为判定单元518判定由传感器数据计算单元536计算出的标识函数的值是否大于用来识别用户是否搭乘与该标识函数相对应的交通工具的交通工具搭乘识别值。
特性向量例如包括表示交通工具搭乘所必需的物理属性,例如根据传感器数据生成的垂直或水平方向上的平均值、分散值和频率。标识函数是参考一般的机械学习机制,基于具有统计意义的数量的数据根据每种交通工具预先设定的。该数据是在搭乘限定的交通工具时实际测量的特性向量。另外,标识函数被预先存储在传感器数据存储单元142中,但它也可通过用户的输入来更新。交通工具并不限于此,而是例如可适合于电力、小汽车、公共汽车和自行车。
这样,在信息处理装置500中,由于在传感器数据存储单元142中设定了根据交通工具的标识函数,因此在设计数字过滤器时可以简单且容易地设计标识函数。因此,不存在装置必须具有大尺寸的问题,并且要判定的交通工具的类型可得以增加。例如,如以下的表2中所列出的,基于加速度传感器可以很容易地判定出用户是否搭乘由星号标记的多种交通工具。另外,由于交通工具搭乘判定单元532基于特定于每种交通工具的标识函数来判定是否搭乘交通工具,因此虽然用户搭乘的交通工具的加速度的改变不大,也可以以更好的准确性判定是否搭乘每种交通工具。另外,由于计算特性向量的方法对于这些交通工具来说是共通的,而只有标识函数的设定在交通工具之间是不同的,因此可以通过简单得多的方法来判定用户是否搭乘交通工具。另外,由于用户可以在以后学习并更新预先设定的标识函数,因此可以根据伴随着时间改变的交通工具的运动改变来更新标识函数。另外,由于行为比较再处理单元149的行为信息后期处理单元116等执行后期处理,因此不会存在生成在大约数十秒的短时间期间任意次数地换乘多个交通工具的行为识别结果的问题,从而可以以更好的准确性来获得行为识别的结果。
[表2]
行为类型 | 传感器类型 | |
静止 | 仅加速度传感器 | |
暂停 | 仅加速度传感器 | |
行走 | 仅加速度传感器 | |
奔跑 | 仅加速度传感器 |
行为类型 | 传感器类型 | |
跳跃 | 仅加速度传感器 | |
坐着 | 仅加速度传感器 | |
站立 | 仅加速度传感器 | |
乘电梯上升 | 仅加速度传感器 | |
乘电梯下降 | 仅加速度传感器 | |
* | 搭乘电车 | 仅加速度传感器 |
* | 搭乘公共汽车 | 仅加速度传感器 |
* | 搭乘小汽车 | 仅加速度传感器 |
* | 骑自行车 | 仅加速度传感器 |
右转 | 加速度传感器和陀螺仪传感器 | |
左转 | 加速度传感器和陀螺仪传感器 |
8.信息处理装置500中的信息处理方法的应用示例
接下来,将参考图25和26来描述信息处理方法的应用示例。另外,信息处理装置500中的信息处理方法的概况与信息处理装置100中的信息处理方法的概况基本相同,因此对其的描述将被省略。
8-1.行为识别功能和行为信息后期处理功能
图25是示出信息处理装置500中的信息处理方法的流程的示图。图25的步骤S102、S104、S106、S108执行的处理方法与参考图9描述的步骤S102、S104、S106和S108执行的处理方法基本相同。另外,步骤S111执行的处理方法与参考图23描述的步骤S111执行的处理方法基本相同。因此,这里,将描述步骤S200执行的处理方法,并且将省略对参考图9和23描述的处理的描述。另外,由于在此实施例中也执行与参考图10描述的获取过去时刻tn-d的识别结果的功能相同的功能,因此将省略对其的描述。
在步骤S200中,行为识别单元512计算与由传感器数据生成器110生成的作为输入信号的传感器数据相对应的特性向量,并且通过使用根据交通工具的类型设定的标识函数来输出标识函数的值。下面,将参考图26来详细描述步骤S200执行的处理。
8-2.识别用户是否搭乘交通工具的方法
接下来,将参考图26来描述识别用户是否搭乘交通工具的方法。图26是示出行为识别单元512识别用户是否搭乘交通工具的方法的流程的示图。
首先,传感器数据生成器110感测用户行为156并生成传感器数据。接下来,行为识别单元512从传感器数据生成器110获取传感器数据。为了识别用户是否搭乘交通工具,首先,行为判定单元518向传感器数据处理单元520发送识别是否搭乘交通工具的信号。另外,传感器数据处理单元520从传感器数据生成器110获取传感器数据。
传感器数据计算单元536为x-acc、y-acc和z-acc计算特性向量(S8000)。特性向量例如包括从传感器数据得出的、水平或垂直方向上的多个特性量,例如平均值、分散值和频率。不论用户搭乘的交通工具的类型为何,都可以通过相同的方法来计算特性向量。
接下来,传感器数据计算单元536把特性向量代入从传感器数据存储单元142获取的标识函数,以输出标识函数的值(S8002)。这里,预定的标识函数是根据交通工具的类型设定的非线性或线性函数。标识函数可预先存储在传感器数据存储单元142中并根据用户输入更新。另外,交通工具例如包括电车、小汽车、公共汽车和自行车。
接下来,行为判定单元518判定用户是否搭乘与标识函数相对应的交通工具并且判定标识函数的输出值是否大于用于识别用户搭乘交通工具的交通工具搭乘识别值D11(S8004)。交通工具搭乘识别值D11可以根据交通工具的类型而有所不同。
接下来,在标识函数的值大于交通工具搭乘识别值D11的情况下,行为判定单元518生成表明用户搭乘预定的交通工具的行为信息(S8006)。例如,在该处理要判定用户是否搭乘电车的情况下,行为判定单元518生成表明用户搭乘电车的行为信息。另外,例如,在该处理要判定用户是否搭乘公共汽车的情况下,行为判定单元518生成表明用户搭乘公共汽车的行为信息。另外,例如,在该处理要判定用户是否搭乘小汽车的情况下,行为判定单元518生成表明用户搭乘小汽车的行为信息。另外,例如,在该处理要判定用户是否骑自行车的情况下,行为判定单元518生成表明用户骑自行车的行为信息。
对用户是否搭乘交通工具的判定可同时执行。因此,可以在短时间中(例如,在约50秒中)获得表明用户是否搭乘小汽车或公共汽车的行为识别结果。然而,在此情况下,例如,如参考图21至23所述,行为比较再处理单元149执行一再处理,该再处理表明:在小汽车和公共汽车当中,用户当时只搭乘了被判定为搭乘时间较长的交通工具。行为比较再处理单元149是否执行该后期处理可由信息处理装置500预先设定或者通过用户操纵来输入。
另一方面,在标识函数的值等于或小于交通工具搭乘识别值D11的情况下,行为判定单元518生成表明用户未搭乘预定的交通工具的行为信息(S8008)。例如,在该处理要判定用户是否搭乘电车的情况下,行为判定单元518生成表明用户未搭乘电车的行为信息。另外,例如,在该处理要判定用户是否搭乘公共汽车的情况下,行为判定单元518生成表明用户未搭乘公共汽车的行为信息。另外,例如,在该处理要判定用户是否搭乘小汽车的情况下,行为判定单元518生成表明用户未搭乘小汽车的行为信息。另外,例如,在该处理要判定用户是否骑自行车的情况下,行为判定单元518生成表明用户未骑自行车的行为信息。
9.信息处理装置100和500的硬件配置示例
装置的组件的功能例如可通过在具有图27所示的硬件配置的信息处理装置中利用计算机程序实现功能来实现。图27是示出能够实现装置的组件的功能的信息处理装置的硬件配置的示图。信息处理装置具有任意形式。例如,该形式包括诸如个人计算机、移动电话、PHS(个人手持电话系统)和PDA(个人数字助理)之类的移动信息终端、游戏机或各种信息电子装置。
如图27所示,信息处理装置主要包括CPU(中央处理单元)902和ROM(只读存储器)904。另外,信息处理装置还包括RAM(随机存取存储器)906、主机总线908、桥接器910、外部总线912以及接口914。另外,信息处理装置还包括输入单元916、输出单元918、存储单元920、驱动器922、连接端口924以及通信单元926。
CPU 902例如充当计算处理装置或控制装置,以基于记录在ROM904、RAM 906、存储单元920或可移除记录介质928中的各类程序来控制这些组件的全部操作或其一部分。ROM 904例如存储被CPU 902读取的程序或用于计算的数据。RAM 906临时或永久存储例如被CPU 902读取的程序或者在执行程序时适当改变的各种参数。这些组件例如经由能够实现高速数据传送的主机总线908相互连接。另外,主机总线908例如通过桥接器910连接到数据传送速率相对较低的外部总线912。
输入单元916例如是诸如鼠标、键盘、触摸面板、按钮、开关和操作杆之类的操纵器。另外,输入单元916可以是能够通过使用红外线或其他电磁波来传送控制信号的远程控制器(所谓的“遥控器”)。另外,输入单元916被配置为具有用于将通过使用操纵器作为输入信号输入的信息传送到CPU 902的输入控制电路。
输出单元918例如是诸如CRT(阴极射线管)和LCD(液晶显示器)之类的显示装置。另外,输出单元918可以是诸如PDP(等离子显示面板)和ELD(电致发光显示器)之类的显示装置。另外,输出单元918可以是能够在视觉上或听觉上将所获取的信息告知用户的装置,例如包括扬声器和耳机在内的音频输出装置、打印机、移动电话和传真机。
存储单元920被构造有用于存储各类数据的装置,例如诸如硬盘驱动器(HDD)之类的磁存储设备、半导体存储设备、光存储设备或磁光设备构成的。
驱动器922是这样一个装置,其用于读取记录在诸如磁盘、光盘、磁光盘或半导体存储器之类的可移除记录介质928中的信息或者将信息写入可移除记录介质928中。可移除记录介质928例如是DVD介质、蓝光介质、HD DVD介质、记忆棒或者SD存储卡(安全数字存储卡)。可移动记录介质928可以是例如嵌入有非接触式IC芯片的IC卡(集成电路卡)或者电子装置。
连接端口924例如是用于连接外部连接设备930的端口,例如USB(通用串行总线)端口和IEEE1394端口。另外,连接端口924例如是用于连接外部连接设备930的端口,例如SCSI(小型计算机系统接口)、RS-232C端口或光音频端口。外部连接设备930例如是打印机、便携式音乐播放器、数码相机、数码摄像机或IC记录器。
通信单元926是用于连接到网络932的通信设备,并且例如是有线或无线LAN(局域网)或WUSB(无线USB)通信卡。另外,通信单元926是光通信路由器、ADSL(非对称数字订户线路)路由器或者各种通信调制解调器。另外,连接到通信单元926的网络932被配置为以有线或无线方式连接的网络,并且例如是因特网、室内LAN、红外线通信、可见光通信、广播或卫星通信。
10.统计
最后,将简要描述根据这些实施例的信息处理装置的功能配置和从这些功能配置获得的效果。
首先,根据实施例的信息处理装置的功能配置可被表述如下。该信息处理装置包括传感器数据生成器、行为识别单元、行为管理器以及行为信息后期处理单元。传感器数据生成器感测用户行为以生成与用户行为相对应的传感器数据。行为识别单元通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息。行为管理器以与表现出与行为信息相对应的行为的时刻相对应的方式来管理由行为识别单元生成的行为信息。行为信息后期处理单元对由行为管理器管理的行为信息执行预定的后期处理。行为识别单元还包括特定于用户所表现的特定行为的多个行为判定单元,并且基于这多个行为判定单元的判定结果来生成行为信息。这样,由于包括特定于用户所表现的特定行为的多个行为判定单元并且这些行为判定单元生成行为信息,因此可以以良好的准确性识别行为,所以可以减少误识别。
另外,根据实施例的信息处理装置的功能可被表述如下。行为识别单元包括静止状态判定单元、行走/奔跑状态判定单元、跳跃状态判定单元、姿态改变判定单元、电梯搭乘判定单元、电车搭乘判定单元、以及右转/左转判定单元。静止状态判定单元判定用户是否处于静止状态。行走/奔跑状态判定单元判定用户是否处于行走状态或奔跑状态。跳跃状态判定单元判定用户是处于跳跃状态还是非跳跃状态。姿态改变判定单元判定用户是否处于坐着状态或站立状态。电梯搭乘判定单元判定用户是否处于搭乘电梯状态。电车搭乘判定单元判定用户是否处于搭乘电车状态。右转/左转判定单元判定用户是否右转或左转。这样,由于包括了特定于用户所表现的特定行为的多个行为判定单元并且这些行为判定单元生成行为信息,因此可以以以良好的准确性识别行为,所以可以减少误识别。
另外,根据实施例的信息处理装置的功能可被表述如下。在该信息处理装置中,行为识别单元包括一交通工具搭乘判定单元作为行为判定单元,该交通工具搭乘判定单元通过使用传感器数据和预先设定的预定标识函数来判定用户是否搭乘交通工具。这样,在设计数字过滤器时,由于设定了可以很容易设计的标识函数,因此不存在装置必须具有大尺寸的问题,而且要判定的交通工具的类型可得以增加。另外,由于交通工具搭乘判定单元基于特定于每种交通工具的标识函数来判定是否搭乘交通工具,因此虽然用户搭乘的交通工具的加速度的改变不大,交通工具搭乘判定单元也可以以更好的准确性判定是否搭乘每种交通工具。
另外,根据实施例的信息处理装置的功能可被表述如下。传感器数据存储单元以FIFO方式存储传感器数据。传感器数据计算单元通过使用传感器数据来执行预定的计算。特定区域去除器从输入数据中去除除特定区域以外的值。低区域去除器从输入数据中去除小于预定阈值的范围。每个行为判定单元基于从传感器数据处理单元输出的计算结果来判定用户所表现的行为。这样,包括了特定于用户表现出的特定行为的多个行为判定单元,并且这些行为判定单元使传感器数据处理单元可以执行与行为相对应的预定计算。因此可以以以良好的准确性识别行为,所以可以减少误识别。
另外,根据实施例的信息处理装置的功能可被表述如下。行为信息后期处理单元还包括排他行为信息再处理单元,该排他行为信息再处理单元检测在行为信息中是否存在表示用户表现出难以同时执行的排他行为的排他特性。在两个或更多个行为具有排他特性的情况下,排他行为信息再处理单元排除与这两个或更多个行为中的至少一个行为相对应的行为信息。这样,由于从经历了由行为识别单元执行的处理的行为信息中排除了具有排他特性的行为信息,因此以以良好的准确性生成了用户的行为信息,所以减少了误识别。
另外,根据实施例的信息处理装置的功能可被表述如下。行为信息后期处理单元包括误识别行为信息再处理单元,该误识别行为信息再处理单元基于用户表现出每种行为所必需的行为信息必要条件来对每单位时间的行为信息进行再处理。在行为信息不满足行为信息必要条件的情况下,误识别行为信息再处理单元对与该行为相对应的行为信息进行校正。这样,由于从经历了由行为识别单元执行的处理的行为信息中排除了没有行为信息必要条件的行为信息,因此以以良好的准确性生成了用户的行为信息,所以减少了误识别。
另外,根据实施例的信息处理装置的功能可被表述如下。行为信息后期处理单元包括行为信息实时调整单元,该行为信息实时调整单元判定用户在下述时刻表现出每个行为:该时刻比行为识别单元向行为管理器发送行为信息的时刻早,早的量为行为识别单元生成与每个行为相对应的行为信息所需的时间。这样,对于行为识别单元执行了处理后的行为信息,由于校正了行为识别处理所需的时间,因此可以以以良好的准确性识别表现出该用户行为的时刻。
另外,根据实施例的信息处理装置的功能可被表述如下。在该信息处理装置中,行为信息后期处理单元包括行为比较再处理单元。在在预定时间内执行的两个或更多个行为与彼此相似的情况下,行为比较再处理单元包括比较与这两个或更多个行为相对应的行为信息的合计时间的行为比较再处理单元。另外,行为比较再处理单元选择具有最长合计时间的行为信息作为该预定时间期间的行为信息。在该预定时间是例如大约数十秒的短时间的情况下,实际上难以认为用户搭乘了多种交通工具。然而,以这种方式,行为比较再处理单元执行后期处理,从而行为识别的结果可以以更好的准确性反映实际用户行为。
另外,根据实施例的信息处理装置的功能可被表述如下。传感器数据包括第一至第三加速度传感器数据,这些数据是与根据预定坐标轴的加速度相关联的数据。首先,传感器数据计算单元计算被记录在传感器数据存储单元中的第一预定时间范围中的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的分散值。接下来,行为判定单元判定作为最大的分散值的最大分散值是否小于用于识别用户静止的静止识别值。另外,行为判定单元判定最大分散值小于静止识别值的时间是否持续到长于用于识别用户静止的静止识别时间。在此情况下,行为判定单元生成表明用户静止的行为信息。另外,行为判定单元判定最大分散值是否小于静止识别值。另外,行为判定单元判定最大分散值小于静止识别值的时间是否持续到长于静止识别时间。在此情况下,行为判定单元生成表明用户暂停的行为信息。这样,由于静止状态判定单元使得传感器数据处理单元可以执行特定于行为的独特处理,因此可以以以良好的准确性识别用户是否静止或暂停。
另外,根据实施例的信息处理装置的功能可被表述如下。传感器数据计算单元计算被记录在传感器数据存储单元中的第二预定时间范围中的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的分散值。接下来,传感器数据计算这些分散值中的最大分散值。接下来,特定区域去除器去除除行走/奔跑识别频率区域以外的范围中的频率,在该行走/奔跑识别频率区域中,用户被识别为行走或奔跑。接下来,计算被记录在传感器数据存储单元中的加速度传感器数据的自相关函数,从而计算该自相关函数的最大值。结果,传感器数据计算单元还计算用户行走或奔跑时的行走/奔跑频率数据。
接下来,传感器数据计算单元把行走/奔跑频率数据与最大分散值相乘。接下来,低区域去除器从经历了预定计算的行走/奔跑频率数据和最大分散值中去除下述频率区域:在该频率区域中,用户可能被误识别为行走或奔跑。这样,可以通过低区域去除器的处理来降低之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,结果,计算用于判定用户行走或奔跑的行走/奔跑判定数据。接下来,行走/奔跑状态判定单元判定行走/奔跑判定数据的值是否大于作为用于识别用户行走的下限值的最小行走识别值。另外,行走/奔跑状态判定单元判定行走/奔跑判定数据的值是否小于作为用于识别用户行走的上限值的最大行走识别值。在此情况下,行走/奔跑状态判定单元生成表明用户行走的行为信息。另外,在行走/奔跑判定数据的值大于最大行走识别值的情况下,行走/奔跑状态判定单元生成表明用户奔跑的行为信息。这样,由于行走/奔跑状态判定单元使得传感器数据处理单元可以执行特定于行为的独特处理,因此可以以以良好的准确性识别用户是否行走或奔跑。另外,传感器数据计算单元对行走/奔跑频率数据进行积分,并且行走/奔跑状态判定单元可以根据积分结果生成关于用户的步数的行为信息。
另外,根据实施例的信息处理装置的功能可被表述如下。首先,传感器数据计算单元计算由第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的大小表示的跳跃加速度,以识别用户的跳跃。接下来,特定区域去除器从跳跃加速度中去除除下述跳跃识别区域以外的范围并且计算经校正的跳跃加速度:在该跳跃识别区域中,用户被识别为跳跃。这样,可以通过特定区域去除器的处理来降低之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,低区域去除器从经校正的跳跃加速度中去除下述区域,并且计算用于判定是否跳跃的跳跃状态判定值:在该区域中,用户可能被误识别为跳跃。这样,通过低区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,跳跃状态判定单元判定跳跃状态判定值是否大于作为用于识别用户跳跃的下限值的最小跳跃识别值。在此情况下,跳跃状态判定单元生成表明用户跳跃的行为信息。这样,由于跳跃状态判定单元使传感器数据处理单元可以执行特定于行为的独特处理,因此可以以良好的准确性识别用户是否跳跃。
另外,根据实施例的信息处理装置的功能可被表述如下。首先,低区域去除器从第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据中去除下述区域:在该区域中用户可能被误识别为改变姿态。这样,通过低区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,结果,计算能够判定是否存在姿态改变的基于第一加速度传感器数据的第一重力数据、基于第二加速度传感器数据的第二重力数据以及基于第三加速度传感器数据的第三重力数据。传感器数据计算单元基于该结果计算用于允许识别用户的姿态改变的姿态改变判定值。
接下来,低区域去除器从姿态改变判定值中去除下述区域并且计算用于判定是否改变了姿态的经校正的姿态改变判定值:在该区域中,用户可能被误识别为在改变姿态。这样,通过低区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,姿态改变判定单元判定经校正的姿态改变判定值是否大于作为用于识别用户改变姿态的下限值的最小姿态改变识别值。另外,在用户先前站立的情况下,姿态改变判定单元生成表明用户坐着的行为信息。另一方面,姿态改变判定单元还判定经校正的姿态改变判定值是否大于最小姿态改变识别值。另外,在用户先前坐着的情况下,姿态改变判定单元生成表明用户站立的行为信息。这样,由于姿态改变判定单元使得传感器数据处理单元可以执行特定于行为的独特处理,因此可以以良好的准确性识别用户是否坐着或站立。
另外,根据实施例的信息处理装置的功能可被表述如下。首先,低区域去除器去除下述区域:在该区域中,第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的重力方向的加速度可能被误识别。这样,通过低区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。传感器数据计算单元基于从中去除了所述区域的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据来计算重力方向加速度传感器数据。传感器数据计算单元计算允许调整重力的值的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的大小所表示的重力调整数据。接下来,传感器数据计算单元把重力调整数据记录在传感器数据存储单元中。接下来,传感器数据计算单元计算作为记录在传感器数据存储单元中的重力调整数据的分散值的重力调整分散值和作为重力调整数据的平均值的重力调整平均数据。传感器数据计算单元判定重力调整分散值是否小于作为允许重力调整的最大分散值的最大可允许重力调整分散值。另外,传感器数据计算单元判定重力调整平均数据是否大于作为允许重力调整的最小平均值的最小可允许重力平均值,以及重力调整平均数据是否小于作为允许重力调整的最大平均值的最大可允许重力平均值。在此情况下,传感器数据计算单元认为根据重力调整平均数据的值是调整后的值。这样,由于调整了重力,因此不太容易发生在用户以倾斜状态携带信息处理装置的情况下发生的重力改变的问题,从而不太容易生成错误的行为信息。
接下来,低区域去除器从重力调整平均数据中去除下述区域并且计算经校正的重力调整平均数据:在该区域中,重力可能被误识别。这样,通过低区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,传感器数据计算单元计算重力方向加速度传感器数据和经校正的重力调整平均数据之间的差异。接下来,低区域去除器从该差异中去除下述区域:在该区域中,用户可能被误识别为搭乘电梯。这样,通过低区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,结果,低区域去除器计算用于判定用户是否搭乘电梯的电梯上升判定数据。电梯搭乘判定单元判定电梯上升判定数据是否首先大于预定值Dα,并且在此之后小于预定值Dβ。在此情况下,电梯搭乘判定单元生成表明用户乘电梯上升的行为信息。在电梯上升判定数据首先小于预定值Dβ,并且在此之后大于预定值Dα的情况下,电梯搭乘判定单元生成表明用户乘电梯下降的行为信息。另外,Dα是作为用于识别用户开始乘电梯上升的下限值的最小电梯上升识别值。Dβ是作为用于识别用户开始乘电梯下降的上限值的最大电梯下降识别值。这样,由于电梯搭乘判定单元使得传感器数据处理单元可以执行特定于行为的独特处理,因此可以以良好的准确性识别用户是否搭乘电梯。
另外,根据实施例的信息处理装置的功能可被表述如下。首先,低区域去除器从第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据中去除下述频率区域:在该频率区域中,用户可能被误识别为搭乘电车。这样,通过低区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,传感器数据计算单元基于从中去除了该频率区域的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据来计算水平方向加速度传感器数据和垂直方向加速度传感器数据。接下来,传感器数据计算单元把水平方向加速度传感器数据和垂直方向加速度传感器数据记录在传感器数据存储单元中。接下来,传感器数据计算单元基于记录在传感器数据存储单元中的水平方向加速度传感器数据来计算水平方向分散值。
接下来,传感器数据计算单元基于记录在传感器数据存储单元中的垂直方向加速度传感器数据来计算垂直方向分散值。传感器数据计算单元对水平方向分散值和经校正的垂直方向分散值中较小的分散值进行积分。结果,传感器数据计算单元计算用于判定是否搭乘电车的电车搭乘判定数据。接下来,电车搭乘判定单元判定电车搭乘判定数据是否大于作为用于识别用户搭乘电车的下限值的最小电车搭乘识别值。在此情况下,电车搭乘判定单元生成表明用户搭乘电车的行为信息。另外,传感器数据计算单元判定垂直方向分散值是否等于或小于作为最小可允许垂直方向分散值的最小可允许垂直分散值。另外,传感器数据计算单元判定垂直方向分散值是否等于或大于作为最大可允许垂直方向分散值的最大可允许垂直分散值。在此情况下,传感器数据计算单元将电车搭乘判定数据计算为零。这样,由于电车搭乘判定单元使得传感器数据处理单元可以执行特定于行为的独特处理,因此可以以良好的准确性识别用户是否搭乘电车。
另外,根据实施例的信息处理装置的功能可被表述如下。首先,低区域去除器从第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据中去除下述区域:在该区域中,用户可能被误识别为右转或左转。这样,通过低区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。接下来,传感器数据计算单元基于从中去除了上述区域的第一至第三加速度传感器数据和第一至第三陀螺仪传感器数据来计算重力方向的角速度。接下来,特定区域去除器从角速度中去除除曲线识别区域以外的范围中的区域并且计算经校正的角速度,其中在该曲线识别区域中,用户可能被识别为右转或左转。这样,通过特定区域去除器的处理降低了之后生成的行为信息的噪声,从而可以以更好的准确性识别行为。右转/左转判定单元判定经校正的角速度是否小于作为用于识别用户右转的上限值的最大右转识别值。在此情况下,右转/左转判定单元生成表明用户右转的行为信息。另外,在经校正的角速度大于作为用于识别用户左转的下限值的最小左转识别值的情况下,右转/左转判定单元生成表明用户左转的行为信息。这样,由于右转/左转判定单元使得传感器数据处理单元可以执行特定于行为的独特处理,因此可以以良好的准确性识别用户是否右转或左转。
另外,根据实施例的信息处理装置的功能可被表述如下。首先,传感器数据计算单元利用基于第一至第三加速度传感器数据生成的特性向量和为每类交通工具设定的标识函数来计算标识函数的值。接下来,在计算出的标识函数的值大于用于识别用户搭乘与该标识函数相对应的交通工具的交通工具搭乘识别值的情况下,交通工具搭乘判定单元生成表明用户搭乘与该标识函数相对应的交通工具的行为信息。这样,在该信息处理装置中,由于根据交通工具设定了简单且容易设计的标识函数,因此不存在装置必须具有大尺寸的问题,并且要判定的交通工具的类型可得以增加。另外,由于交通工具搭乘判定单元基于特定于每种交通工具的标识函数来判定是否搭乘每种交通工具,因此虽然用户搭乘的交通工具的加速度的改变不大,也可以以更好的准确性判定是否搭乘每种交通工具。另外,由于行为比较再处理单元等等的行为信息后期处理单元执行后期处理,因此不存在生成在大约数十秒的短时间期间任意次数地换乘多个交通工具的行为识别结果的问题,从而可以以更好的准确性来获得行为识别的结果。
本发明包含与2009年1月28日向日本专利局提交的日本在先专利申请JP 2009-017187和2009年10月2日提交的日本在先专利申请JP 2009-230580中公开的内容相关的主题,这里通过引用将这些在先申请的全部内容并入。
本领域的技术人员应当理解,取决于设计要求和其他因素,可以进行各种修改、组合、子组合和变更,只要它们处于所附权利要求或其等同物的范围之内即可。
Claims (19)
1.一种信息处理装置,包括:
传感器数据生成器,该传感器数据生成器感测用户行为并且生成与用户行为相对应的传感器数据;
行为识别单元,该行为识别单元通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息;
行为管理器,该行为管理器以与表现出与行为信息相对应的行为的时刻相对应的方式来管理由行为识别单元生成的行为信息;以及
行为信息后期处理单元,该行为信息后期处理单元对由行为管理器管理的行为信息执行预定的后期处理,
其中,行为识别单元还包括特定于用户所表现的特定行为的多个行为判定单元,并且基于这多个行为判定单元的判定结果来生成行为信息。
2.根据权利要求1所述的信息处理装置,其中,行为识别单元至少包括:
静止状态判定单元,该静止状态判定单元判定用户是否处于静止状态;
行走/奔跑状态判定单元,该行走/奔跑状态判定单元判定用户是否处于行走状态或奔跑状态;
跳跃状态判定单元,该跳跃状态判定单元判定用户是否处于跳跃状态;
姿态改变判定单元,该姿态改变判定单元判定用户是否处于坐着状态或站立状态;
电梯搭乘判定单元,该电梯搭乘判定单元判定用户是否处于搭乘电梯状态;
电车搭乘判定单元,该电车搭乘判定单元判定用户是否处于搭乘电车状态;以及
右转/左转判定单元,该右转/左转判定单元判定用户是否右转或左转。
3.根据权利要求1所述的信息处理装置,其中,行为识别单元包括交通工具搭乘判定单元作为行为判定单元,该交通工具搭乘判定单元通过使用传感器数据和预先设定的预定标识函数来判定用户是否搭乘交通工具。
4.根据权利要求2或3所述的信息处理装置,
其中,行为识别单元还包括传感器数据处理单元,该传感器数据处理单元具有:
传感器数据存储单元,该传感器数据存储单元以先进先出方式存储传感器数据;以及
传感器数据计算单元,该传感器数据计算单元通过使用传感器数据来执行预定的计算,并且
其中,多个行为判定单元中的每一个基于从传感器数据处理单元输出的计算结果来判定用户所表现的行为。
5.根据权利要求1所述的信息处理装置,
其中,行为信息后期处理单元还包括排他行为信息再处理单元,该排他行为信息再处理单元检测在行为信息中是否存在表示用户表现出难以同时执行的排他行为的排他特性,并且
其中,在两个或更多个行为具有排他特性的情况下,排他行为信息再处理单元排除与这两个或更多个行为中的至少一个行为相对应的行为信息。
6.根据权利要求1所述的信息处理装置,
其中,行为信息后期处理单元包括误识别行为信息再处理单元,该误识别行为信息再处理单元基于用户表现出每种行为所必需的行为信息必要条件来对每单位时间的行为信息进行再处理,并且
其中,在行为信息不满足行为信息必要条件的情况下,误识别行为信息再处理单元对与该行为相对应的行为信息进行校正。
7.根据权利要求1所述的信息处理装置,其中,行为信息后期处理单元包括行为信息实时调整单元,该行为信息实时调整单元判定用户在比行为识别单元向行为管理器发送行为信息的时刻早了行为识别单元生成与每个行为相对应的行为信息所需的时间的时刻处表现出每个行为。
8.根据权利要求1所述的信息处理装置,其中,在在预定时间内执行的两个或更多个行为彼此相似的情况下,行为信息后期处理单元包括行为比较再处理单元,该行为比较再处理单元比较与这两个或更多个行为相对应的行为信息的合计时间,并且选择具有最长合计时间的行为信息作为该预定时间期间的行为信息。
9.根据权利要求4所述的信息处理装置,
其中,传感器数据包括作为与预定坐标轴上的加速度有关的数据的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据,
其中,传感器数据计算单元计算被存储在传感器数据存储单元中的第一预定时间中的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的分散值,并且
其中,在作为最大的分散值的最大分散值小于识别用户静止的静止识别值并且最大分散值小于静止识别值的时间持续到长于识别用户静止的静止识别时间的情况下,静止状态判定单元生成表明用户静止的行为信息,而在最大分散值小于静止识别值并且最大分散值小于静止识别值的时间没有持续到长于静止识别时间的情况下,静止状态判定单元生成表明用户暂停的行为信息。
10.根据权利要求4所述的信息处理装置,
其中,传感器数据包括作为与预定坐标轴上的加速度有关的数据的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据,
其中,传感器数据计算单元计算被存储在传感器数据存储单元中的第二预定时间中的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的分散值以及作为最大的分散值的最大分散值,计算被存储在传感器数据存储单元中的加速度传感器数据的自相关函数以及自相关函数的最大值,以计算用户行走或奔跑时的行走/奔跑频率数据,并且通过把行走/奔跑频率数据与最大分散值相乘来计算用于判定是否行走或奔跑的行走/奔跑判定数据,并且
其中,在行走/奔跑判定数据的值大于作为用于识别用户行走的下限值的最小行走识别值并且小于作为用于识别用户行走的上限值的最大行走识别值的情况下,行走/奔跑状态判定单元生成表明用户行走的行为信息,而在行走/奔跑判定数据的值大于最大行走识别值的情况下,行走/奔跑状态判定单元生成表明用户奔跑的行为信息。
11.根据权利要求4所述的信息处理装置,
其中,传感器数据包括作为与预定坐标轴上的加速度有关的数据的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据,
其中,传感器数据计算单元通过计算由第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的大小表示的跳跃加速度的大小,来计算跳跃状态判定值,并且
其中,在跳跃状态判定值大于作为用于识别用户跳跃的下限值的最小跳跃识别值的情况下,跳跃状态判定单元生成表明用户跳跃的行为信息。
12.根据权利要求4所述的信息处理装置,
其中,传感器数据包括作为与预定坐标轴上的加速度有关的数据的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据,
其中,传感器数据计算单元基于第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据来计算预定坐标轴上的第一重力数据、第二重力数据和第三重力数据,计算表示第一重力数据相对于先前存储在存储单元中的第一重力数据改变了多少的第一重力改变数据、表示第二重力数据相对于先前存储在存储单元中的第二重力数据改变了多少的第二重力改变数据、以及表示第三重力数据相对于先前存储在存储单元中的第三重力数据改变了多少的第三重力改变数据,并且计算判定用户是否改变姿态的姿态改变判定值,该姿态改变判定值由第一重力改变数据、第二重力改变数据和第三重力改变数据的大小来表示,并且
其中,在姿态改变判定值大于作为用于识别用户改变姿态的下限值的最小姿态改变识别值的情况下并且在用户先前站立的情况下,姿态改变判定单元生成表明用户坐着的行为信息,而在姿态改变判定值大于最小姿态改变识别值的情况下并且在用户先前坐着的情况下,姿态改变判定单元生成表明用户站立的行为信息。
13.根据权利要求4所述的信息处理装置,
其中,传感器数据包括作为与预定坐标轴上的加速度有关的数据的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据,
其中,传感器数据计算单元基于第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据计算作为表明重力方向上的加速度的信息的重力方向加速度传感器数据,并且通过计算重力方向加速度传感器数据和重力之间的差来计算判定用户是否搭乘电梯的电梯上升判定数据,
其中,在电梯上升判定数据首先大于预定值Dα并且在此之后小于预定值Dβ的情况下,电梯搭乘判定单元生成表明用户乘电梯上升的行为信息,而在电梯上升判定数据首先小于预定值Dβ并且在此之后大于预定值Dα的情况下,电梯搭乘判定单元生成表明用户乘电梯下降的行为信息,
其中,Dα是作为用于识别用户开始乘电梯上升的下限值的最小电梯上升识别值,并且
其中,Dβ是作为用于识别用户开始乘电梯下降的上限值的最大电梯下降识别值。
14.根据权利要求13所述的信息处理装置,
其中,传感器数据计算单元计算允许校正重力的值的、由第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据的大小所表示的重力调整数据,把重力调整数据记录在传感器数据存储单元中,并且计算作为存储在传感器数据存储单元中的重力调整数据的分散值的重力调整分散值和作为重力调整数据的平均值的重力调整平均数据,并且
其中,在重力调整分散值小于作为用于允许调整重力的最大分散值的最大可允许重力调整分散值、重力调整平均数据大于作为允许调整重力的最小平均值的最小可允许重力平均值、并且重力调整平均数据小于作为允许调整重力的最大平均值的最大可允许重力平均值的情况下,传感器数据计算单元认为重力调整平均数据的值是校正后的重力,并且通过使用校正后的重力而不是重力来执行计算。
15.根据权利要求4所述的信息处理装置,
其中,传感器数据包括作为与预定坐标轴上的加速度有关的数据的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据,
其中,传感器数据计算单元基于第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据来计算水平方向加速度传感器数据和垂直方向加速度传感器数据,把水平方向加速度传感器数据和垂直方向加速度传感器数据记录在传感器数据存储单元中,基于记录在传感器数据存储单元中的水平方向加速度传感器数据来计算水平方向分散值,基于记录在传感器数据存储单元中的垂直方向加速度传感器数据来计算垂直方向分散值,并且通过对水平方向分散值和垂直方向分散值中较小的分散值进行积分,来计算用于判定用户是否搭乘电车的电车搭乘判定数据,并且
其中,在电车搭乘判定数据大于作为用于识别用户搭乘电车的下限值的最小电车搭乘识别值的情况下,电车搭乘判定单元生成表明用户搭乘电车的行为信息。
16.根据权利要求4所述的信息处理装置,
其中,传感器数据包括作为与预定坐标轴上的加速度有关的数据的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据,以及作为与预定坐标轴上的旋转有关的数据的第一陀螺仪传感器数据、第二陀螺仪传感器数据和第三陀螺仪传感器数据,
其中,传感器数据计算单元基于从中去除了频率区域的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据以及第一陀螺仪传感器数据、第二陀螺仪传感器数据和第三陀螺仪传感器数据,来计算重力方向上的角速度,并且
其中,在角速度小于作为用于识别用户右转的上限值的最大右转识别值的情况下,右转/左转判定单元生成表明用户右转的行为信息,而在角速度大于作为用于识别用户左转的下限值的最小左转识别值的情况下,右转/左转判定单元生成表明用户左转的行为信息。
17.根据权利要求4所述的信息处理装置,
其中,传感器数据包括作为与预定坐标轴上的加速度有关的数据的第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据,
其中,传感器数据计算单元通过利用基于第一加速度传感器数据、第二加速度传感器数据和第三加速度传感器数据生成的特性向量和根据交通工具类型设定的标识函数来计算标识函数的值,并且
其中,在计算出的标识函数的值大于用于识别是否搭乘与该标识函数相对应的交通工具的交通工具搭乘识别值的情况下,交通工具搭乘判定单元生成表明用户搭乘与该标识函数相对应的交通工具的行为信息。
18.一种信息处理方法,包括以下步骤:
感测用户行为并且生成与用户行为相对应的传感器数据;
通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息;
以与表现出与行为信息相对应的行为的时刻相对应的方式来管理所生成的行为信息;以及
对所管理的行为信息执行预定的后期处理,
其中,识别行为的步骤还包括特定于用户所表现的特定行为的多个判定行为的步骤并且基于这多个判定行为的步骤的判定结果来生成行为信息。
19.一种程序,使得包括预定传感器的计算机执行:
传感器数据生成功能,感测用户行为并且生成与用户行为相对应的传感器数据;
行为识别功能,通过对传感器数据执行预定的阈值处理来识别用户所表现的行为,并且生成作为表明用户所表现的行为的信息的行为信息;
行为管理功能,以与表现出与行为信息相对应的行为的时刻相对应的方式来管理由行为识别功能生成的行为信息;以及
行为信息后期处理功能,对由行为管理功能管理的行为信息执行预定的后期处理,
其中,行为识别功能还包括特定于用户所表现的特定行为的多个行为判定功能,并且基于这多个行为判定功能的判定结果来生成行为信息。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009017187 | 2009-01-28 | ||
JP2009-017187 | 2009-01-28 | ||
JP2009-230580 | 2009-10-02 | ||
JP2009230580A JP5649808B2 (ja) | 2009-01-28 | 2009-10-02 | 情報処理装置、情報処理方法、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101860561A true CN101860561A (zh) | 2010-10-13 |
CN101860561B CN101860561B (zh) | 2015-11-25 |
Family
ID=42354962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010105289.5A Active CN101860561B (zh) | 2009-01-28 | 2010-01-28 | 信息处理装置和信息处理方法 |
Country Status (3)
Country | Link |
---|---|
US (3) | US8566272B2 (zh) |
JP (1) | JP5649808B2 (zh) |
CN (1) | CN101860561B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544485A (zh) * | 2013-10-30 | 2014-01-29 | 无锡赛思汇智科技有限公司 | 基于智能终端的司机识别方法和装置 |
CN104484055A (zh) * | 2015-01-04 | 2015-04-01 | 王美金 | 基于穿戴式眼镜的肢体语言实时指挥系统 |
CN105759954A (zh) * | 2015-01-05 | 2016-07-13 | 索尼公司 | 信息处理装置、信息处理方法以及程序 |
CN106202528A (zh) * | 2011-06-13 | 2016-12-07 | 索尼公司 | 信息处理装置、信息处理方法及计算机程序 |
CN108449951A (zh) * | 2015-12-03 | 2018-08-24 | 三星电子株式会社 | 用户终端及其控制方法 |
CN112444249A (zh) * | 2019-09-04 | 2021-03-05 | 奇点无限有限公司 | 整合式感测系统及其分析方法与使用方法 |
CN112673137A (zh) * | 2019-03-29 | 2021-04-16 | 日立建机株式会社 | 现场管理系统 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2011219093A1 (en) | 2010-02-24 | 2012-10-18 | Performance Lab Technologies Limited | Classification system and method |
JP5617299B2 (ja) * | 2010-03-25 | 2014-11-05 | オムロンヘルスケア株式会社 | 活動量計、制御プログラムおよび活動種類特定方法 |
JP5628560B2 (ja) * | 2010-06-02 | 2014-11-19 | 富士通株式会社 | 携帯電子機器、歩行軌跡算出プログラム及び歩行姿勢診断方法 |
US20120278179A1 (en) * | 2011-04-28 | 2012-11-01 | Ray Campbell | Systems and methods for deducing user information from input device behavior |
JP5768517B2 (ja) | 2011-06-13 | 2015-08-26 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
EP2725975A1 (en) * | 2011-06-28 | 2014-05-07 | Koninklijke Philips N.V. | Sit-to-stand transfer detection |
JP5768583B2 (ja) | 2011-08-12 | 2015-08-26 | 富士通株式会社 | 電子機器及び運動状態判定方法 |
JP6051509B2 (ja) | 2011-10-31 | 2016-12-27 | ソニー株式会社 | 発電制御システム、発電制御プログラムおよび電子機器 |
JP5915285B2 (ja) * | 2012-03-15 | 2016-05-11 | セイコーエプソン株式会社 | 状態検出装置、電子機器、測定システム及びプログラム |
JP6011127B2 (ja) * | 2012-08-06 | 2016-10-19 | 富士ゼロックス株式会社 | 行為検出プログラム及び行為検出装置 |
US10469416B2 (en) | 2012-09-06 | 2019-11-05 | Sony Corporation | Information processing device, information processing method, and program |
WO2014203597A1 (ja) | 2013-06-18 | 2014-12-24 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP6183047B2 (ja) * | 2013-08-12 | 2017-08-23 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2015090589A (ja) | 2013-11-06 | 2015-05-11 | ソニー株式会社 | 認証制御システム、認証制御方法およびプログラム |
EP3066616A4 (en) | 2013-11-08 | 2017-06-28 | Performance Lab Technologies Limited | Classification of activity derived from multiple locations |
US9443063B2 (en) | 2013-12-06 | 2016-09-13 | President And Fellows Of Harvard College | Method and apparatus for using gait analysis to determine a health quality measure |
US9392412B2 (en) | 2014-02-28 | 2016-07-12 | Life360, Inc. | Apparatus and method of determining a life change of a user of a mobile device based on behavioral abnormality |
CN110780707A (zh) | 2014-05-22 | 2020-02-11 | 索尼公司 | 信息处理设备、信息处理方法与计算机可读介质 |
US11504029B1 (en) * | 2014-10-26 | 2022-11-22 | David Martin | Mobile control using gait cadence |
US11045116B1 (en) * | 2017-09-15 | 2021-06-29 | David Martin | Enhanced determination of cadence for control in mobile |
JP6791120B2 (ja) * | 2015-03-12 | 2020-11-25 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2016141996A1 (en) * | 2015-03-12 | 2016-09-15 | Nec Europe Ltd. | Method for forwarding data in a network, forwarding element for forwarding data and a network |
JP6160670B2 (ja) * | 2015-10-07 | 2017-07-12 | ソニー株式会社 | 情報処理装置、情報処理方法およびコンピュータプログラム |
JP2017097393A (ja) * | 2015-11-18 | 2017-06-01 | 京セラドキュメントソリューションズ株式会社 | 操作入力装置及び操作入力方法 |
JP2017126935A (ja) | 2016-01-15 | 2017-07-20 | ソニー株式会社 | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム |
CN109069070B (zh) * | 2016-04-08 | 2021-07-13 | 夏普株式会社 | 行动判定装置和行动判定方法 |
JP2016184416A (ja) * | 2016-05-20 | 2016-10-20 | ソニー株式会社 | 情報処理装置、情報処理方法および記憶媒体 |
US11069381B1 (en) * | 2016-12-27 | 2021-07-20 | Amazon Technologies, Inc. | Automated sensor data retention |
JP7008687B2 (ja) * | 2017-03-29 | 2022-01-25 | 株式会社日立製作所 | 制御装置及び制御システム |
US11507032B2 (en) * | 2017-11-06 | 2022-11-22 | Hitachi, Ltd. | Control device using artificial intelligence |
WO2019106801A1 (ja) * | 2017-11-30 | 2019-06-06 | 三菱電機ビルテクノサービス株式会社 | エレベーターの制御装置 |
US11117781B2 (en) * | 2018-05-02 | 2021-09-14 | Otis Elevator Company | Vertical bounce detection and mitigation |
KR20210073930A (ko) * | 2019-12-11 | 2021-06-21 | 엘지전자 주식회사 | 전자 장치를 제어하는 장치 및 그 방법 |
EP4361854A1 (en) | 2021-06-25 | 2024-05-01 | Sony Group Corporation | Information processing device, information processing method, and program |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6522266B1 (en) * | 2000-05-17 | 2003-02-18 | Honeywell, Inc. | Navigation system, method and software for foot travel |
CN1790235A (zh) * | 2004-12-13 | 2006-06-21 | 乐金电子(中国)研究开发中心有限公司 | 利用移动终端和动作捕捉传感器的动作识别装置及方法 |
CN1877340A (zh) * | 2005-06-09 | 2006-12-13 | 索尼株式会社 | 活动识别设备、方法、以及程序 |
CN1941752A (zh) * | 2005-06-09 | 2007-04-04 | 索尼株式会社 | 信息处理设备和方法以及程序 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3570163B2 (ja) * | 1996-07-03 | 2004-09-29 | 株式会社日立製作所 | 動作及び行動の認識方法及び装置及びシステム |
JP3775446B2 (ja) * | 1996-07-26 | 2006-05-17 | 富士ゼロックス株式会社 | 会議情報記録方法および会議情報記録装置並びに会議情報再生装置 |
JP3314917B2 (ja) * | 1997-04-17 | 2002-08-19 | 株式会社カージオペーシングリサーチ・ラボラトリー | 体動検出方法及びその装置 |
JP4612928B2 (ja) * | 2000-01-18 | 2011-01-12 | マイクロストーン株式会社 | 身体動作センシング装置 |
JP4052274B2 (ja) * | 2004-04-05 | 2008-02-27 | ソニー株式会社 | 情報提示装置 |
JP4547537B2 (ja) * | 2004-11-29 | 2010-09-22 | 独立行政法人産業技術総合研究所 | 身体状態検出装置、その検出方法及び検出プログラム |
US8952832B2 (en) * | 2008-01-18 | 2015-02-10 | Invensense, Inc. | Interfacing application programs and motion sensors of a device |
US20100217533A1 (en) * | 2009-02-23 | 2010-08-26 | Laburnum Networks, Inc. | Identifying a Type of Motion of an Object |
US9697465B2 (en) * | 2014-04-30 | 2017-07-04 | Google Technology Holdings LLC | Drawing an inference of a usage context of a computing device using multiple sensors |
-
2009
- 2009-10-02 JP JP2009230580A patent/JP5649808B2/ja active Active
-
2010
- 2010-01-26 US US12/693,888 patent/US8566272B2/en not_active Expired - Fee Related
- 2010-01-28 CN CN201010105289.5A patent/CN101860561B/zh active Active
-
2013
- 2013-10-03 US US14/045,074 patent/US9378457B2/en active Active
-
2016
- 2016-05-31 US US15/169,151 patent/US10565510B2/en not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6522266B1 (en) * | 2000-05-17 | 2003-02-18 | Honeywell, Inc. | Navigation system, method and software for foot travel |
CN1790235A (zh) * | 2004-12-13 | 2006-06-21 | 乐金电子(中国)研究开发中心有限公司 | 利用移动终端和动作捕捉传感器的动作识别装置及方法 |
CN1877340A (zh) * | 2005-06-09 | 2006-12-13 | 索尼株式会社 | 活动识别设备、方法、以及程序 |
CN1941752A (zh) * | 2005-06-09 | 2007-04-04 | 索尼株式会社 | 信息处理设备和方法以及程序 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202528A (zh) * | 2011-06-13 | 2016-12-07 | 索尼公司 | 信息处理装置、信息处理方法及计算机程序 |
US10740057B2 (en) | 2011-06-13 | 2020-08-11 | Sony Corporation | Information processing device, information processing method, and computer program |
CN103544485A (zh) * | 2013-10-30 | 2014-01-29 | 无锡赛思汇智科技有限公司 | 基于智能终端的司机识别方法和装置 |
CN103544485B (zh) * | 2013-10-30 | 2018-07-06 | 无锡赛思汇智科技有限公司 | 基于智能终端的司机识别方法和装置 |
CN104484055A (zh) * | 2015-01-04 | 2015-04-01 | 王美金 | 基于穿戴式眼镜的肢体语言实时指挥系统 |
CN105759954A (zh) * | 2015-01-05 | 2016-07-13 | 索尼公司 | 信息处理装置、信息处理方法以及程序 |
CN108449951A (zh) * | 2015-12-03 | 2018-08-24 | 三星电子株式会社 | 用户终端及其控制方法 |
CN112673137A (zh) * | 2019-03-29 | 2021-04-16 | 日立建机株式会社 | 现场管理系统 |
CN112673137B (zh) * | 2019-03-29 | 2022-07-05 | 日立建机株式会社 | 现场管理系统 |
CN112444249A (zh) * | 2019-09-04 | 2021-03-05 | 奇点无限有限公司 | 整合式感测系统及其分析方法与使用方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2010198595A (ja) | 2010-09-09 |
US20160275403A1 (en) | 2016-09-22 |
US10565510B2 (en) | 2020-02-18 |
US20100191697A1 (en) | 2010-07-29 |
US20140032476A1 (en) | 2014-01-30 |
US9378457B2 (en) | 2016-06-28 |
US8566272B2 (en) | 2013-10-22 |
JP5649808B2 (ja) | 2015-01-07 |
CN101860561B (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101860561A (zh) | 信息处理装置、信息处理方法、程序 | |
Joubert et al. | Combining accelerometer data and contextual variables to evaluate the risk of driver behaviour | |
CN103460722B (zh) | 用于使用对以时间为基准的特征的时间定标进行活动分类的方法、设备和装置 | |
CN110413357A (zh) | 用于同步两个或更多个显示器的设备、方法和图形用户界面 | |
CN103457989B (zh) | 信息处理设备、信息处理方法及计算机可读介质 | |
WO2020207249A1 (zh) | 通知消息的推送方法、装置、存储介质及电子设备 | |
CN110222212A (zh) | 一种显示控制方法及终端设备 | |
CN104102388A (zh) | 电子设备中的触觉反馈 | |
CN107657007B (zh) | 信息推送方法、装置、终端、可读存储介质及系统 | |
CN108121803A (zh) | 一种确定页面布局的方法和服务器 | |
CN110221737A (zh) | 一种图标显示方法及终端设备 | |
CN106133776A (zh) | 基于与用户的受管交互构建用户对简档创建和推荐的信任 | |
CN105843378A (zh) | 基于体感交互控制的服务终端及其控制方法 | |
CN111444425A (zh) | 一种信息推送方法、电子设备及介质 | |
CN106055236A (zh) | 一种内容推送方法及终端 | |
JP2014142746A (ja) | 自動取引システムおよび自動取引装置 | |
CN115271931A (zh) | 一种信用卡产品的推荐方法、装置、电子设备和介质 | |
CN108763478A (zh) | 用户隐性特征计算方法、服务器及计算机可读存储介质 | |
CN107612989A (zh) | 一种信息推送方法、终端及系统 | |
CN110197375A (zh) | 一种相似用户识别方法、装置、相似用户识别设备和介质 | |
JP5905868B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
CN107807940B (zh) | 信息推荐方法和装置 | |
CN111931075A (zh) | 一种内容推荐方法、装置、计算机设备及存储介质 | |
CN107516112A (zh) | 对象类别识别方法、装置、设备及存储介质 | |
CN106530437A (zh) | 一种行车提示方法及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |