CN110945541A - 信息处理装置、信息处理方法和程序 - Google Patents

Abstract

[问题]提供一种信息处理装置、一种信息处理方法和一种程序，其能够解决在用户的估计状态中可能出现的需求。[解决方案]提供了一种信息处理装置，其设置有：估计单元，用于基于感测数据来估计一个或多个目标用户的状态；以及输出控制单元，用于提供对应于估计结果的输出。

Description

信息处理装置、信息处理方法和程序

技术领域

本公开涉及一种信息处理装置、一种信息处理方法和一种计算机程序。

背景技术

最近开发的技术检测感测数据，例如，用户生物信息，并提供基于检测到的感测数据估计的与用户状态相关的信息。例如，下面的专利文献1公开了一种信息处理装置，该信息处理装置被配置为基于从用户获得的感测数据来估计多个用户的状态，并且生成指示用户的估计状态的信息。

引用列表

专利文献

专利文献1：JP 2014-134922 A

发明内容

技术问题

在专利文献1中公开的上述技术中，基本上，基于感测数据来估计每个用户的状态，简单地向用户输出估计结果，并且不处理在估计状态下可能出现的用户需求。

本公开公开了一种信息处理装置、一种信息处理方法和一种计算机程序，其新颖且经过修改，并且能够处理在估计的用户状态下可能出现的需求。

问题的解决方案

根据本公开，提供了一种信息处理装置，包括：估计单元，其被配置为基于感测数据来估计一个或多个目标用户的状态；以及输出控制单元，其被配置为执行对应于估计结果的输出。

根据本公开，提供了一种信息处理方法，包括：基于感测数据估计一个或多个目标用户的状态；并且执行对应于估计结果的输出。

根据本公开，提供了一种计算机程序，其被配置为使计算机执行：基于感测数据估计一个或多个目标用户的状态的功能；以及执行对应于估计结果的输出的功能。

发明的有益效果

如上所述，根据本公开，可以提供一种信息处理装置、一种信息处理方法和一种计算机程序，其能够处理在估计的用户状态下可能产生的需求。

上述效果不一定是限制性的，并且本说明书中指示的任何效果或者从本说明书中可以理解的任何其他效果可以与上述效果一起实现或者代替上述效果。

附图说明

图1是用于描述根据本公开的实施方式的信息处理系统1的示例性配置的说明图；

图2是示出根据第一实施方式的可穿戴装置10的示例性配置的框图；

图3是用于描述根据实施方式的PPG传感器单元122的说明图；

图4是示出根据实施方式的可以由PPG传感器单元122获得的示例性脉搏波信号的说明图；

图5是示出根据实施方式的可穿戴装置10的示例性外观的说明图；

图6是示出根据实施方式的服务器30的示例性配置的框图；

图7是示出根据实施方式的可以由估计单元340获得的示例性HRV指数的说明图(1)；

图8是示出根据实施方式的可以由估计单元340获得的示例性HRV指数的说明图(2)；

图9是用于描述根据实施方式的学习单元342的示例性机器学习的说明图(1)；

图10是用于描述根据实施方式的学习单元342的示例性机器学习的说明图(2)；

图11是示出根据实施方式的终端50的示例性配置的框图；

图12是用于描述根据实施方式的示例性信息处理方法的流程图；

图13是示出根据实施方式的终端50的示例性设置屏幕800的说明图；

图14是用于描述实施方式的修改1的说明图；

图15是用于描述根据实施方式的修改2的示例性信息处理方法的流程图；

图16是示出根据实施方式的修改2的示例性显示灯700的说明图；

图17是示出根据实施方式的修改2的示例性显示屏802的说明图；

图18是示出根据实施方式的修改3的示例性显示屏804的说明图；

图19是示出根据实施方式的修改3的示例性显示屏806的说明图；

图20是用于描述根据本公开的第二实施方式的示例性信息处理方法的流程图；

图21是用于描述根据实施方式的示例性信息处理的说明图(1)；

图22是用于描述根据实施方式的示例性信息处理的说明图(2)；

图23是用于描述根据实施方式的修改1的示例性信息处理的说明图(1)；

图24是用于描述根据实施方式的修改1的示例性信息处理的说明图(2)；

图25是用于描述根据实施方式的修改3的示例性信息处理的说明图(1)；

图26是用于描述根据实施方式的修改3的示例性信息处理的说明图(2)；

图27是用于描述根据本公开的第三实施方式的示例性信息处理方法的流程图；

图28是用于描述根据实施方式的示例性信息处理的说明图；

图29是示出根据本公开的实施方式的信息处理装置900的示例性硬件配置的框图。

具体实施方式

下面将参考附图详细描述本公开的优选实施方式。在本说明书和附图中，功能配置实际上彼此相同的组件由相同的附图标记表示，并且将省略其重复描述。

按以下顺序进行描述。

1.根据本公开的实施方式的信息处理系统1的概述

2.创建根据本公开的实施方式的技术背景

3.第一实施方式

3.1可穿戴装置10的详细配置

3.2服务器30的详细配置

3.3控制单元330的详细配置

3.4终端50的详细配置

3.5信息处理方法

3.6修改1

3.7修改2

3.8修改3

4.第二实施方式

4.1信息处理方法

4.2修改1

4.3修改2

4.4修改3

4.5修改4

5.第三实施方式

5.1信息处理方法

5.2修改1

5.3修改2

6.概述

7.硬件配置

8.补充

<<1.根据本公开的实施方式的信息处理系统1的概述>>

下面首先参考图1示意性地描述根据本公开的实施方式的信息处理系统1。图1是用于描述根据本实施方式的信息处理系统1的示例性配置的说明图。

如图1所示，根据本实施方式的信息处理系统1包括彼此连接以通过网络70在其间执行通信的可穿戴装置10、服务器30和终端50。具体地，可穿戴装置10、服务器30和终端50通过基站(未示出)(例如，蜂窝电话基站或无线LAN接入点)与网络70连接。用于网络70的通信方案可以是可选的有线或无线(例如，WiFi(注册商标)或蓝牙(注册商标))方案，但是理想地是允许保持稳定操作的通信方案。

(可穿戴装置10)

可穿戴装置10可以是可附接到用户身体的一部分(例如，耳垂、颈部、手臂、手腕或脚踝)的装置，或者是插入到用户身体中的植入装置(植入终端)。更具体地，可穿戴装置10可以是各种方案的可穿戴装置，例如，头戴式显示器(HMD)型、眼镜型、耳戴式装置型、脚链型、臂带(腕带)型、衣领型、护目镜型、衬垫型、徽章型和布型。此外，可穿戴装置10包括传感器单元120，该传感器单元120包括诸如光电体积描记术(PPG)传感器单元122等传感器，该传感器单元122被配置为检测用户脉搏率的脉搏波信号(参考图2)。在本实施方式中，例如，可以基于传感器单元120获取的感测数据来估计用户的身体和精神状态(在以下描述中，用户的身体和精神状态统称为“情绪”)、运动状态和当前位置。此外，在本实施方式中，例如，可以基于由包括在可穿戴装置10中的传感器单元120获取的感测数据来估计用户的消耗能量、步数、运动量和睡眠状态。在以下描述中，假设可穿戴装置10是臂带(腕带)型可穿戴装置。稍后将描述可穿戴装置10的细节。

(服务器30)

服务器30由例如计算机实现。例如，服务器30处理由可穿戴装置10获取的感测数据，并将通过该处理获得的信息输出到另一装置(例如，终端50)。稍后将描述服务器30的细节。

(终端50)

终端50是由用户使用或安装在用户附近并且被配置为向用户输出由服务器30获得的信息的终端。终端50可以接收用户输入的信息，并且可以将接收的信息作为感测数据输出到服务器30。例如，终端50可以是诸如平板个人计算机(PC)、智能手机、蜂窝电话、膝上型PC、笔记本型PC或HMD之类的装置。此外，终端50包括例如被配置为向用户执行显示的显示单元(未示出)、被配置为从用户接收操作的操作单元(未示出)、被配置为向用户执行语音输出的扬声器(未示出)以及被配置为从周围获取语音的麦克风(未示出)。在本实施方式中，终端50不限于如上所述的个人计算机，而是可以是能够向用户输出信息并且能够为用户控制的装置，并且可以是例如显示灯700(参考图16)或空调设施602(参考图28)。

在本实施方式中，可穿戴装置10中包括的传感器单元120可以提供给终端50，或者可以与可穿戴装置10、终端50等分开提供。

在图1中，根据本实施方式的信息处理系统1包括一个可穿戴装置10和一个终端50，但是在本实施方式中，不限于此。例如，根据本实施方式的信息处理系统1可以包括多个可穿戴装置10和多个终端50。此外，根据本实施方式的信息处理系统1可以包括例如另一通信装置，例如，用于从可穿戴装置10向服务器30传输信息的中继装置。或者，根据本实施方式的信息处理系统1可以不包括可穿戴装置10，并且在这种情况下，例如，终端50用作可穿戴装置10，并且由终端50获取的感测数据输出到服务器30。在以下描述中，感测数据不仅意味着来自被配置为通过检测例如电磁、光学、机械或热特性来测量特定现象的测量装置的数据，还包括与用户相关的上下文信息(诸如时间表、性别和年龄等信息)。

<<2.创建根据本公开的实施方式的技术背景>>

以上描述是根据本公开的实施方式的信息处理系统1以及包括在信息处理系统1中的可穿戴装置10、服务器30和终端50的概述。随后，在描述根据本公开的每个实施方式的细节之前，下面将描述发明人创建根据本公开的实施方式的技术背景。

已经有一种信息处理系统，其被配置为基于由提供给安装在用户身上的可穿戴装置的传感器单元获取的各种感测数据来估计例如用户的情绪。例如，当传感器单元是被配置为检测用户脉搏率的传感器时，信息处理系统基于检测到的脉搏率估计例如用户的运动量，并将估计结果通知给用户。然后，用户参考通知的估计结果来管理用户等的身体状况。以这种方式，信息处理系统仅基于感测数据估计用户的状态，并将估计结果输出给用户。

当信息处理系统用于工作场所等的一组多个用户时，信息处理系统仅估计属于工作场所的每个用户的状态，并将估计结果通知给工作场所的用户或另一用户。

在这种情况下，在理解上述信息处理系统的便利性的同时，发明人进行了深入研究，以进一步提高信息处理系统的便利性。通过这些研究，发明人已经发现，不仅通过估计用户的状态，而且通过处理在估计的状态下可能出现的用户需求，可以提高信息处理系统的便利性。

因此，作为一个观点，发明人从上述发现中获得了本公开的实施方式的创建。具体地，根据下面描述的本公开的实施方式，可以提供能够处理在估计的用户状态下可能出现的需求的信息处理系统1。下面将依次描述本公开的这些实施方式的细节。

在以下描述中，用户是指使用根据本公开的实施方式的信息处理系统1的普通用户，而目标用户是指用户中的其状态等由例如可穿戴装置10的传感器单元120感测的目标。用户包括目标用户。

<<3.第一实施方式>>

下面首先描述根据本公开的第一实施方式。在本实施方式中，信息处理系统1基于感测数据估计目标用户的状态，并且根据估计结果控制例如用户使用的终端50。更具体地，在本实施方式中，信息处理系统1基于由安装在目标用户上的可穿戴装置10的传感器单元120获得的感测数据来估计目标用户的情绪(集中程度)，并且根据估计结果来控制目标用户使用的智能手机(终端50)。

更具体地，假设目标用户已经开始在办公室工作，并且高度集中。在这种情况下，目标用户通常对目标用户在收到警报时使用的智能手机(终端50)的警报声音感到不愉快，因为该声音可能会中断工作。因此，在本实施方式中，当估计目标用户的集中程度高时，目标用户的智能手机被控制为在收到警报时不发出警报。结果，目标用户可以继续专注于他的工作，这导致目标用户的性能提高。换言之，在本实施方式中，不仅控制终端50等来估计目标用户的情绪，而且根据估计的情绪来指定目标用户的需求并处理指定的需求。因此，根据本实施方式，目标用户可以创建对于目标用户更好的情况，而不特别采取任何行动。在下面的描述中，高度集中的状态是指一个人在工作时专注于一件事情的精神状态。

下面首先描述包括在根据本实施方式的信息处理系统1中的每个装置的细节。具体地，如上所述，根据本实施方式的信息处理系统1包括可穿戴装置10、服务器30和终端50。

<3.1可穿戴装置10的详细配置>

首先，将参考图2至图5对根据本公开的实施方式的可穿戴装置10的详细配置进行以下描述。图2是示出根据本实施方式的可穿戴装置10的示例性配置的框图，图3是用于描述根据本实施方式的PPG传感器单元122的说明图。图4是示出根据本实施方式的可以由PPG传感器单元122获得的示例性脉搏波信号的说明图，图5是示出根据本实施方式的可穿戴装置10的示例性外观的说明图。

如图2所示，可穿戴装置10主要包括输入单元100、输出单元110、传感器单元120、控制单元130、通信单元150和存储单元160。下面将描述可穿戴装置10的每个功能组件的细节。

(输入单元100)

输入单元100接收从目标用户到可穿戴装置10的数据和命令的输入。更具体地，输入单元100通过例如触摸面板、按钮或麦克风来实现。

(输出单元110)

输出单元110是用于向目标用户呈现信息的装置，并且例如通过图像、语音、光、振动等向目标用户输出各种信息。更具体地，输出单元110可以向目标用户通知邮件等的接收，并且在屏幕上显示稍后将描述的服务器30提供的信息。输出单元110通过例如显示器、扬声器、耳机、发光元件(例如，发光二极管(LED))或振动模块来实现。输出单元110的部分功能可以由终端50提供。

(传感器单元120)

传感器单元120包括各种传感器，其设置在安装在目标用户身体上的可穿戴装置10中并检测目标用户的状态。具体地，传感器单元120包括被配置为检测目标用户的脉搏率或心率并获取心率或脉搏率的时间顺序数据(脉搏波信号)的PPG传感器单元(心跳传感器)122、被配置为检测目标用户的运动的运动传感器单元124等。

PPG传感器单元122-

PPG传感器单元122是安装在目标用户的身体部分(例如，手臂、手腕或脚踝)(例如，皮肤)上的生物传感器，以检测目标用户的脉搏波信号。脉搏波信号是由出现在体表等上的动脉的拍频产生的波形，该拍频是由于心脏肌肉以恒定节奏收缩(拍频；单位时间内心脏跳动的次数称为心率)而导致的血液通过动脉传递到全身而引起的动脉内壁上的压力变化而产生的。如图3所示，为了获取脉搏波信号，PPG传感器单元122用光照射目标用户的测量部位200(例如，手、臂或腿)中的血管202，并且检测由目标用户的血管中运动的材料或静止的生物组织散射的光。由于照射光被血管202中的红细胞吸收，所以吸收的光量与流经测量部位200中的血管202的血液量成比例。因此，PPG传感器单元122可以通过检测散射光的强度来感测血流量的变化。此外，拍频波形(换言之，如图4所示的脉搏波信号)可以基于血液电流量的这种变化来检测。这种方法称为光体积描记法(PPG)。

具体地，PPG传感器单元122包括例如能够发射相干光的小型激光器或发光二极管(LED)(未示出)，并且发射具有预定波长(例如，大约850nm)的光。在本实施方式中，可以适当选择由PPG传感器单元122发射的光的波长。此外，PPG传感器单元122包括例如光电二极管(光电探测器或PD)，并且通过将检测到的光强转换成电信号来获取脉搏波信号。PPG传感器单元122可以包括电荷耦合器件(CCD)传感器、互补金属氧化物半导体(CMOS)传感器等来代替PD。PPG传感器单元122可以包括光学系统机构，例如，透镜或滤光器，用于检测来自用户的测量部位200的光。

如图4所示，PPG传感器单元122可以检测脉搏波信号，作为具有多个峰值的时间顺序数据。在以下描述中，如图4所示出现在脉搏波信号中的多个峰值之间的峰值间隔称为脉搏率间隔(PPI)。可以通过处理由PPG传感器单元122检测的脉搏波信号来获得PPI的值。已知每个PPI的值随时间变化，但基本上具有正态分布，同时目标用户的状态保持不变。因此，可以通过统计处理PPI值的一组数据(例如，通过计算PPI值的标准偏差)来计算目标用户的身体状态的各种心率变异性(HRV)指数。稍后将描述各种HRV指数的细节。

在本实施方式中，脉搏波信号的获取不限于上述PPG方法，但是可以通过另一种方法获取脉搏波信号。例如，在本实施方式中，传感器单元120可以通过激光多普勒血流测量方法检测脉搏波。激光多普勒血流测量方法通过利用如下所述的现象来测量血流。具体地，当用激光束照射目标用户的测量部位200时，由于目标用户的血管202中的散射材料(主要是红细胞)正在移动，所以产生经历多普勒频移的散射射线。然后，经受多普勒频移的散射光线由于目标用户的测量部位200中静止的组织而干涉散射光线，因此，观察到拍频的强度变化。因此，激光多普勒血流测量方法可以通过分析拍频信号的强度和频率来测量血流。

在以下描述中，假设可穿戴装置10的传感器单元120设置有采用上述PPG方法的PPG传感器单元122。在本实施方式中，可以提供心电图(ECG)传感器单元(未示出)，其被配置为通过结合到目标用户身体的电极(未示出)来检测目标用户的心电图，以代替PPG传感器单元122。在这种情况下，可以从检测到的心电图中获取作为心脏搏动间隔的R-R间隔(RRI)，并且可以从RRI值的时间顺序数据中计算作为指示目标用户身体状态的身体指数的HRV指数。

在本实施方式中，传感器单元120可以设置有出汗传感器单元(未示出)来代替或连同PPG传感器单元122。

具体地，人体内发生的出汗通常主要包括两种类型的出汗，即热出汗和精神出汗。为了调节体温，进行热出汗。精神出汗是由人的情绪引起的，例如，压力、快乐、愤怒、悲伤和快乐，并且与热出汗相比，在室温下瞬间少量出现在手掌、脚底等处。例如，在进行呈现时，精神出汗是由压力引起的出汗等。众所周知，当交感神经占主导地位时，这种精神出汗会大量发生，并且通常被认为是指示情绪的指数。

因此，上述出汗传感器单元安装在目标用户的皮肤上，以检测皮肤上两点之间的电压或电阻，该电压或电阻通过出汗而改变。在本实施方式中，可以通过基于由出汗传感器单元获取的感测数据获取诸如出汗量、出汗频率和出汗量变化等信息来估计目标用户的情绪。

此外，在本实施方式中，传感器单元120可以包括被配置为捕捉目标用户的面部表情的图像捕捉设备(未示出)，来代替或者连同PPG传感器单元122。在这种情况下，图像捕捉设备检测例如眼睛运动、瞳孔直径的大小和目标用户的凝视时间。肌肉被认为负责人瞳孔直径，受到交感神经和副交感神经的影响。因此，在本实施方式中，目标用户的情绪(例如，目标用户的交感神经和副交感神经的状态)可以通过使用上述图像捕捉设备感测目标用户的瞳孔直径来估计。

上述图像捕捉设备可以检测目标用户的姿势。姿势被认为影响例如呼吸的深度，呼吸的深度被认为与人的压力状态(压力程度)高度相关。因此，在本实施方式中，目标用户的姿势可以由图像捕捉设备检测，并且可以从检测到的姿势估计目标用户等的压力程度。如上所述的这种图像捕捉设备可以作为与可穿戴装置10分开提供的装置安装在目标用户周围。

在本实施方式中，传感器单元120可以包括其他各种生物传感器(未示出)来代替或连同PPG传感器单元122。例如，各种生物传感器可以包括一个或多个传感器，其直接或间接安装在目标用户的身体部分上，并且被配置为测量目标用户的脑电波、呼吸、肌电位、皮肤温度等。更具体地，在本实施方式中，可以通过分析由被配置为测量目标用户的脑电波的脑电波传感器单元(未示出)获得的感测数据并检测脑电波的种类(例如，α波或β波)，来估计目标用户的情绪状态(例如，目标用户的情绪)。

运动传感器单元124

传感器单元120可以包括运动传感器单元124，用于检测运动，换言之，目标用户的运动状态。运动传感器单元124通过获取指示随着目标用户的运动而发生的加速度变化的感测数据来检测目标用户的运动状态。由运动传感器单元124获取的目标用户的运动状态可以用于估计目标用户的情绪。具体地，运动传感器单元124包括例如加速度传感器、陀螺仪传感器和地磁传感器(均未示出)。

运动传感器单元124可以是被配置为捕捉目标用户的图像的图像捕捉设备(未示出)。在这种情况下，例如，可以基于由图像捕捉设备捕捉的图像捕捉目标用户的运动，并且因此可以由图像捕捉设备检测目标用户的运动状态。此外，运动传感器单元124可以包括能够检测目标用户的运动的红外传感器和超声波传感器(均未示出)。图像捕捉设备、红外传感器等可以作为与可穿戴装置10分开提供的装置安装在目标用户周围。

传感器单元120可以包括定位传感器(未示出)，代替或连同运动传感器单元124。定位传感器是被配置为检测可穿戴装置10安装在其上的目标用户的位置的传感器，并且具体地，可以是全球导航卫星系统(GNSS)接收器等。在这种情况下，定位传感器可以基于来自GNSS卫星的信号生成指示目标用户当前位置的纬度和经度的感测数据。此外，在本实施方式中，可以从例如射频识别(RFID)、Wi-Fi接入点和无线基站的信息中检测用户的相对位置关系，因此这种通信装置可以用作定位传感器。

传感器单元120可以包括声音传感器(未示出)，代替或连同运动传感器单元124，声音传感器被配置为检测目标用户的语音或者目标用户周围产生的声音。例如，在本实施方式中，通过从声音传感器检测到的声音中提取特定声音(例如，目标用户说出的特定单词)而获得的提取结果可以用于估计目标用户的情绪。

此外，传感器单元120可以包括提供给目标用户使用的装置(例如，键盘或椅子)的压力传感器。例如，在本实施方式中，由压力传感器获取的感测数据(例如，键盘上打字的频率或就座时间)可以用于估计目标用户的情绪。安装如上所述的这种压力传感器，作为与可穿戴装置10分开提供的装置。

如上所述，在本实施方式中，传感器单元120可以包括各种传感器。此外，传感器单元120可以包括被配置为获取准确时间的时钟机构(未示出)，并且可以将获取的感测数据与获取感测数据的时间相关联。各种传感器不需要如上所述设置在可穿戴装置10的传感器单元120中，并且例如，可以与可穿戴装置10分开设置，或者可以提供给目标用户使用的装置等。

(控制单元130)

控制单元130设置在可穿戴装置10中，并且可以控制可穿戴装置10的每个功能组件，并且从上述PPG传感器单元122输出的脉搏波信号中获取PPI的时间顺序数据。控制单元130例如通过诸如中央处理器(CPU)、只读存储器(ROM)和随机存取存储器(RAM)之类的硬件来实现。控制单元130的部分功能可以由稍后将描述的服务器30提供。

(通信单元150)

通信单元150设置在可穿戴装置10中，并且可以向诸如服务器30和终端50等外部装置发送信息并且从其中接收信息。换言之，通信单元150可以被视为具有执行数据发送和接收功能的通信接口。通信单元150由诸如通信天线、发送和接收电路以及端口的通信装置实现。

(存储单元160)

存储单元160设置在可穿戴装置10中，并且存储例如用于上述控制单元130执行各种处理的计算机程序和信息以及通过处理获取的信息。存储单元160例如通过诸如闪存等非易失性存储器来实现。

如上所述，诸如臂带型和HMD型等各种方案的可穿戴装置可以用作可穿戴装置10。图5示出了根据本实施方式的可穿戴装置10的示例性外观。如图5所示，可穿戴装置10是安装在目标用户手腕上的臂带型可穿戴装置。

具体地，如图5所示，可穿戴装置10包括带状的带单元12和控制单元14。带单元12例如围绕目标用户的手腕安装，因此由诸如软硅胶等材料形成，以根据手腕的形状具有环形。控制单元14是设置有上述传感器单元120、控制单元130等的部件。传感器单元120设置在这样的位置，使得当可穿戴装置10安装在目标用户身体的一部分上时，传感器单元120接触或面对目标用户的身体。

<3.2服务器30的详细配置>

下面参考图6描述根据本实施方式的服务器30的配置。图6是示出根据本实施方式的服务器30的示例性配置的框图。如上所述，服务器30包括例如计算机。如图6所示，服务器30主要包括输入单元300、输出单元310、控制单元330、通信单元350和存储单元360。下面将描述服务器30的每个功能组件的细节。

(输入单元300)

输入单元300接收从用户到服务器30的数据和命令的输入。更具体地，输入单元300通过例如触摸面板或键盘来实现。

(输出单元310)

输出单元310包括例如显示器、扬声器、视频输出终端或语音输出终端，并且通过图像或语音向用户输出各种信息。

(控制单元330)

控制单元330设置在服务器30中，并且可以控制服务器30的每个块。具体地，控制单元330控制在服务器30中执行的各种处理，例如，目标用户的情绪的估计和根据估计结果的控制。控制单元330例如通过诸如CPU、ROM和RAM等硬件来实现。控制单元330可以执行可穿戴装置10的控制单元130的部分功能。稍后将描述控制单元330的细节。

(通信单元350)

通信单元350设置在服务器30中，并且可以向诸如可穿戴装置10和终端50等外部装置发送信息和从其中接收信息。通信单元350由诸如通信天线、发送和接收电路以及端口等通信装置实现。

(存储单元360)

存储单元360设置在服务器30中，并且存储例如用于上述控制单元330执行各种处理的计算机程序以及通过处理获取的信息。更具体地，存储单元360可以存储例如从安装在多个目标用户上的可穿戴装置10获取的感测数据。存储单元360通过例如磁记录介质(例如，硬盘(HD))和非易失性存储器来实现。

<3.3控制单元330的详细配置>

下面参考图6至10描述根据本实施方式的控制单元330的详细配置。图7和图8是示出根据本实施方式的由估计单元340获得的示例性HRV指数的说明图，并且图9和图10是用于描述根据本实施方式的由学习单元342执行的示例性机器学习的说明图。

如图6所示，控制单元330主要包括感测数据获取单元332、处理单元334、输出控制单元336和评估获取单元338。下面将描述控制单元330的每个功能组件的细节。

(感测数据获取单元332)

感测数据获取单元332获取从可穿戴装置10等输出的感测数据，并将获取的感测数据输出到稍后将描述的处理单元334。

(处理单元334)

处理单元334处理从感测数据获取单元332输出的感测数据，并估计目标用户的状态(情绪)。此外，处理单元334可以在获取感测数据之后估计目标用户等的状态(情绪)。具体地，处理单元334用作估计单元340和学习单元342，以实现这些上述功能。

估计单元340

估计单元340基于从可穿戴装置10获取的感测数据来估计例如目标用户的状态(情绪)。具体地，估计单元340基于例如感测数据(换言之，脉搏率、出汗等的生物信号)估计目标用户的当前兴奋度、紧张度、集中度、放松度、意识、睡意等。

更具体地，估计单元340从脉搏波信号中获取PPI值的时间顺序数据，PPI值是峰值之间的间隔，如图4所示。此外，估计单元340通过使用PPI时间顺序数据执行统计处理来计算各种HRV指数。HRV指数的示例包括均方根连续差值(RMSSD)、正常间隔的标准偏差(SDNN)和LF/HF。如上所述，可以处理这些HRV指数，作为指示目标用户的情绪的指数。

具体地，RMSSD是PPI时间序列上相互相邻的PPI值之差的平方的平均值的平方根。RMSSD被认为是指示作为脑神经之一的迷走神经紧张状态的指数。

SDNN是PPI值的一组数据在预定期间内的标准偏差。SDNN被认为用作指示自主神经系统(包括交感神经和副交感神经)的活动状态的指数。

LF/HF是PPI时间序列数据的低频成分(例如，0.04至0.15Hz)的功率谱相对于其高频成分(例如，0.15至0.4Hz)的功率谱的比率。高频分量(HF)被认为对应于呼吸变化，低频分量(LF)被认为对应于作为血压变化的迈耶波。此外，认为对应于呼吸变化的高频分量反映副交感神经，低频分量反映交感神经。因此，LF/HF被认为是指示交感神经和副交感神经之间平衡的指数，LF/HF可以被认为是指示交感神经和副交感神经之间的平衡，换言之，自主神经的状态，更具体地，目标用户的集中程度(压力)和放松程度。

下面描述由上述估计单元340获取LF/HF的时间顺序数据作为HRV指数的情况。在这种情况下，估计单元340可以获得例如如图7所示的HRV指数的时间顺序数据。图7所示的阈值A是可以估计目标用户的集中程度高的阈值，换言之，当HRV指数高于阈值A时，可以估计目标用户的集中程度高。图7所示的阈值B是可以估计目标用户放松的阈值，换言之，当HRV指数低于阈值B时，可以估计目标用户放松。因此，在本实施方式中，估计单元340可以通过例如将获得的HRV指数与阈值A和B进行比较来估计目标用户的集中程度等。

估计单元340可以通过比较高频分量和低频分量来估计例如目标用户的集中程度，以确定交感神经的激活程度还是副交感神经的激活程度是主要的。

估计单元340可以通过使用由传感器单元120中包括的运动传感器单元124获得的指示目标用户的运动的感测数据来执行估计。例如，假设估计单元340获取HRV指数的时间顺序数据，如图8所示。假设图8所示的阈值C是可以估计目标用户的集中程度高的阈值。因此，估计单元340可以估计目标用户的集中程度在期间D和期间E中较高，在每个期间D和期间E中，HRV指数都高于图8所示的阈值C。然而，当从运动传感器单元124获得的感测数据检测到目标用户在期间D中正在执行主动运动时，估计单元340不估计目标用户的集中程度高。具体地，当执行主动运动时，交感神经通常是主动的。因此，在本实施方式中，当已经基于由运动传感器单元124获得的感测数据检测到活动运动时，估计单元340假设HRV指数由于运动而变高，并且不估计目标用户的集中程度高。当已经从期间E中由运动传感器单元124获得的感测数据检测到目标用户处于静止时，估计单元340假设HRV指数由于集中而变高，换言之，估计目标用户的集中程度高。

在本实施方式中，估计单元340不限于如上所述基于从脉搏波信号获得的HRV指数的估计，而是可以基于能够从脉搏波信号获取的脉搏波的数量来估计目标用户的情绪。例如，当已经从感测数据检测到目标用户处于静止，但是脉搏跳动的数量变得大于正常时间时(脉搏跳动的间隔变得比正常时间时短)，估计单元340估计目标用户中交感神经占主导地位并且压力高。当已经从感测数据检测到目标用户的脉搏跳动的数量变得小于正常时间时(脉搏跳动的间隔变得比正常时间时长)，估计单元340估计目标用户中副交感神经占优势并且嗜睡率高。

此外，在本实施方式中，估计单元340可以通过使用指示目标用户的姿势和运动的感测数据来估计目标用户的情绪，该感测数据由传感器单元120中包括的任何其他各种传感器(例如，图像捕捉设备(未示出))检测。更具体地，当图像捕捉设备检测到目标用户以向前倾斜的姿势坐着时，估计单元340可以估计目标用户处于集中状态。当图像捕捉设备检测到目标用户正在执行腿部摇动(诸如坐着时腿部等身体部分的周期性摇动)时，估计单元340可以估计目标用户没有处于集中状态或者心情不好。此外，当图像捕捉设备已经检测到目标用户已经长时间没有进行身体运动时，估计单元340可以估计目标用户疲劳或沮丧。

此外，如上所述，估计单元340可以通过使用由提供给目标用户使用的椅子等的压力传感器(未示出)获取的感测数据来检测目标用户的姿势和运动，从而估计目标用户的情绪。

估计单元340可以通过使用由传感器单元120中包括的声音传感器(未示出)获得的感测数据来估计一个或多个目标用户的情绪。更具体地，当声音传感器检测到交谈频率高时，估计单元340估计包括用户的组的成员处于集中状态。当声音传感器检测到对话频率低或检测到打哈欠时，估计单元340估计包括用户的组的一些成员感到无聊或睡意，并且集中程度低。在本实施方式中，目标用户的情绪可以基于从声音传感器获得的感测数据获得的目标用户的语音音量和说话内容来估计。

估计单元340可以基于目标用户的状态倾向(情感倾向)来估计目标用户的状态(情感)，通过稍后将描述的学习单元342的学习获得该状态倾向。人的状态(情绪)的倾向在个体之间不同，因此学习单元342可以通过预先使用目标用户的感测数据来获取目标用户的状态倾向的信息，并且可以基于获取的状态倾向来执行估计，这提高了估计的准确性。此外，估计单元340可以基于由学习单元342获得的状态倾向来估计目标用户的未来状态。

学习单元342

如上所述，学习单元342通过使用过去获取的感测数据来学习目标用户的状态倾向(情感倾向)。然后，通过学习单元342的学习获得的目标用户的状态倾向可以用于由估计单元340估计目标用户的状态(情绪)。

例如，在如上所述基于HRV指数估计目标用户的集中程度时，可以通过与阈值进行比较来客观地估计目标用户的集中程度，但是可以不同于目标用户的主观观察。更具体地，假设估计单元340已经获取了HRV指数的时间顺序数据，如图9所示。假设图9所示的阈值F是可以估计目标用户的集中程度高的阈值。因此，因为HRV指数高于阈值F，所以可以客观地估计目标用户在图9中的期间G中处于集中状态。然而，实际上，目标用户可能感觉在图9中的期间H中处于集中状态，该期间H从期间G偏移。因此，在本实施方式中，通过调整基于HRV指数的客观估计和目标用户的主观观察之间的差异，可以更准确地估计目标用户的集中状态。

具体地，当可穿戴装置10安装在目标用户上时，目标用户玩诸如益智游戏等游戏，这可能导致注意力集中。在游戏期间，感测数据获取单元332获取目标用户的脉搏波信号，作为感测数据。在这种情况下，集中程度由目标用户评估，并由稍后描述的评估获取单元338获取。然后，学习单元342基于通过处理感测数据获得的HRV指数，确定估计目标用户处于集中状态的期间和目标用户评估目标用户处于集中状态的期间是否彼此匹配。此外，当两个期间彼此不匹配时，学习单元342改变阈值F的值，估计目标用户的集中程度较高，使得期间彼此匹配。以这种方式，在本实施方式中，调整基于HRV指数的客观估计和目标用户的主观观察之间的差异，以更准确地估计目标用户的集中状态。本实施方式不限于阈值F的值的变化，而是可以选择另一种方法，例如，提供时间偏移。此外，本实施方式不限于获取目标用户对集中程度的评估，而是例如，可以获取目标用户期望的装置控制时间的指令(例如，比基于HRV指数估计的集中期间更早或更晚地执行装置控制的指令)。在这种情况下，稍后将描述的输出控制单元336基于指令执行输出控制，从而执行对目标用户更优选的控制。

学习单元342可以是受监督的学习机，例如，通过支持向量回归或深层神经网络。如图10所示，过去从可穿戴装置10获取的感测数据和当获取感测数据时目标用户的评估(例如，集中程度)分别作为训练信号和输入信号输入到学习单元342。然后，学习单元342根据预定规则对这些信号之间的关系进行机器学习。结果，学习单元342可以建立存储关系信息的数据库(DB)362，该关系信息指示感测数据和目标用户的评估之间的关系(例如，情感倾向)。此外，估计单元340通过使用如上所述通过机器学习获得的DB 362来估计目标用户等的情绪。在本实施方式中，学习单元342可以是半监督学习机或弱监督学习机。

学习单元342可以通过基于感测数据等学习目标用户的情绪的期间的倾向来建立DB 362。然后，当下次获取感测数据时，估计单元340可以通过使用DB 362来预期在获取感测数据之后目标用户的未来情绪。例如，当估计目标用户处于集中状态一次时，学习单元342基于多条感测数据学习期间的倾向，其中，集中状态可以持续保持。然后，当估计目标用户的集中状态是当前状态时，估计单元340基于由学习单元342学习的期间倾向来预测目标用户此后可以继续集中状态的时间。

(输出控制单元336)

输出控制单元336执行对应于由估计单元340获得的估计结果的输出。更具体地，作为对应于估计结果的输出，输出控制单元336控制稍后将描述的终端50，并将对应于估计结果的信息输出到终端50。

(评估获取单元338)

如上所述，评估获取单元338获取例如目标用户对目标用户的状态(情绪)的评估，并将获取的评估输出到处理单元334。评估获取单元338可以获取目标用户对由估计单元340获得的估计结果的评估。

服务器30可以包括上下文获取单元(未示出)，该上下文获取单元被配置为获取诸如目标用户的时间表、性别和年龄等属性信息。这种信息可以用于估计单元340处的估计和学习单元342处的学习，从而进一步提高用户的状态(情绪)估计的准确性。

<3.4终端50的详细配置>

下面参考图11描述根据本实施方式的终端50的配置。图11是示出根据本实施方式的终端50的示例性配置的框图。如上所述，终端50是诸如平板电脑、智能手机、蜂窝电话、膝上型PC、笔记本型PC或HMD之类的装置。如图11所示，终端50主要包括输入单元500、输出单元510、控制单元530、通信单元550和存储单元560。终端50的每个上述功能组件对于服务器30中具有相同名称的功能组件是公共的，因此，将在下文中省略功能组件的描述。

<3.5.信息处理方法>

对根据本实施方式的可穿戴装置10、服务器30和终端50的详细配置进行以上描述。下面参考图12和13描述根据本实施方式的信息处理方法。图12是用于描述根据本实施方式的示例性信息处理方法的流程图，并且图13是示出根据本实施方式的终端50的示例性设置屏幕800的说明图。

如图12所示，根据本实施方式的信息处理方法包括多个步骤S101至S107。下面描述包括在根据本实施方式的信息处理方法中的每个步骤的细节。

(步骤S101)

服务器30获取与作为目标用户使用的智能手机的终端50的设置相关的设置信息。具体地，当目标用户的集中程度增加时，目标用户预先设置目标用户所使用的智能手机所需的操作。例如，当目标用户的集中程度增加时，目标用户在如图13所示的智能手机的显示单元(未示出)上显示的设置屏幕800上设置智能手机的警报操作。如图13所示，设置屏幕800显示三个选项，即，每当接收到通知时警报响起的选项、仅当接收到重要通知时警报响起的选项以及每当接收到通知时警报不响起的选项。当目标用户的集中程度增加时，目标用户对任何选项执行选择操作，以设置智能手机的警报操作。在以下描述中，假设目标用户已经选择了仅当接收到重要通知时才发出警报的选项。

(步骤S103)

随后，根据本实施方式的上述可穿戴装置10安装在目标用户上，然后获取目标用户的脉搏波信号，作为感测数据，并将感测数据输出到服务器30。服务器30从可穿戴装置10获取感测数据。

(步骤S105)

服务器30基于获取的感测数据来估计目标用户的情绪，在该示例中，其集中程度。上面描述了估计目标用户的情绪的方法，因此下面将省略其详细描述。

(步骤S107)

然后，当估计目标用户的集中程度较高时，服务器30控制智能手机将智能手机的警报设置为当接收到除重要通知之外的通知时不发声。

此后，当已经基于从可穿戴装置10获取的感测数据估计目标用户的集中程度已经降低时，服务器30控制智能手机改变设置，使得每当接收到通知时警报响起。在本实施方式中，智能手机的设置不限于如上所述的设置。例如，在本实施方式中，智能手机可以被设置为当接收到通知时智能手机振动而不输出声音的方式模式，或者可以被设置为智能手机的通信功能关闭的飞机模式。

如上所述，在本实施方式中，当估计目标用户的集中状态较高时，目标用户使用的智能手机(终端50)被控制为在收到警报时不发出警报。结果，目标用户可以继续集中，这可以提高目标用户的性能。换言之，在本实施方式中，不仅估计目标用户的情绪，而且根据估计的情绪指定目标用户的需求，并且根据指定的需求控制终端50。因此，根据本实施方式，目标用户可以创建对于目标用户更好的情况，而不特别采取任何行动。

<3.6修改1>

如上所述，服务器30获取诸如目标用户的时间表、性别和年龄等属性信息，并且在估计单元340的估计和学习单元342的学习中使用该信息，从而进一步提高目标用户的情绪估计的准确性。因此，下面参考图14描述作为本实施方式的修改1的示例，其中，获取目标用户的时间表，以进一步提高目标用户的情绪估计的准确性。图14是用于描述实施方式的修改1的说明图。

更具体地，假设服务器30已经获取了目标用户的HRV指数的时间顺序数据，如图14所示。假设图14所示的阈值1是估计目标用户的集中程度较高的阈值。此外，假设服务器30预先获取指示安排目标用户在图14中的期间J中产生文档的信息(时间表)。在这种情况下，服务器30基于在期间J中调度了HRV指数高于阈值1并且目标用户的集中程度预期增加的文档制作的信息，估计目标用户在图14中的期间K中处于集中状态。以这种方式，在本修改中，不仅可以通过参考HRV指数，还可以通过参考目标用户的时间表，来进一步提高对用户情绪的估计。

在本修改中，不仅目标用户的时间表用于估计目标用户的情绪，而且用于估计情绪的阈值可以根据目标用户的时间表来控制。具体地，安排目标用户在图14中的期间J中产生文档。因此，服务器30可以假设目标用户的集中程度可能在期间J中增加，并且可以降低阈值I的值，利用该值，估计集中程度在期间J中较高，使得更可能估计目标用户处于集中状态。因此，当目标用户至少稍微处于集中状态时，目标用户使用的智能手机很可能被控制为在收到警报时不发出警报，并且目标用户可以继续更集中地工作。

如上所述，在本修改中，可以通过使用诸如目标用户的时间表等信息来进一步提高目标用户的情绪估计和控制的准确性。结果，在本修改中，目标用户也可以创建对于目标用户更好的情况，而不采取任何特别的动作。

<3.7修改2>

在上述第一实施方式中，根据目标用户的估计情绪来控制目标用户使用的终端50(智能手机)，但是在本实施方式中，可以控制另一终端50。例如，另一终端50是安装在目标用户附近的显示灯700(参考图16)或者由包括在目标用户所属的组中的另一用户使用的PC。这种终端50的示例性控制将被描述为假设在办公室等中使用的修改2。

例如，在进行工作等时具有增加的集中程度的目标用户经常感到不愉快，例如，当与任何其他用户交谈时，这可能是工作中断的因素。因此，在本修改中，当目标用户的集中程度增加时，控制显示灯700，以向任何其他用户通知关于如何处理目标用户的推荐动作等。具体地，在本修改中，不仅估计目标用户的情绪，而且根据估计的情绪指定目标用户的需求，并且根据指定的需求向任何其他用户执行输出。因此，根据本修改，目标用户可以具有对于目标用户更好的环境，而不特别采取任何行动。

下面参考图15至17描述本修改的细节。图15是用于描述根据本实施方式的修改2的示例性信息处理方法的流程图。图16是示出根据本实施方式的修改2的示例性显示灯700的说明图，并且图17是示出根据本实施方式的修改2的示例性显示屏幕802的说明图。

如图15所示，根据本修改的信息处理方法包括多个步骤S201至S205。本修改中的图15中的步骤S201和S203与图12中的步骤S103和S105相同，因此在下文中将仅描述步骤S205，而不描述步骤S201和S203。

(步骤S205)

当估计目标用户的集中程度较高时，如图16所示，服务器30控制打开安装在目标用户附近的显示灯700。例如，“工作，请勿打扰”这样的短语写在显示灯700上，并且当打开时，显示灯700向靠近目标用户的另一用户通知关于如何处理目标用户的推荐动作，例如，不与目标用户说话。结果，当目标用户处于集中状态时，显示灯700打开，以防止任何其他用户与目标用户说话，因此目标用户可以继续更集中地工作。

如上所述，根据本修改，根据目标用户的估计情绪来控制显示灯700，从而可以创建目标用户优选的情况。

本修改不限于如上所述的显示灯700的控制，而是例如可以控制包括在目标用户所属的组中的另一用户使用的PC(终端50)。在这种情况下，例如，如图17所示，根据目标用户(在图17中，“人A”)处于集中状态的估计，在每个用户使用的PC的显示单元(未示出)上显示的呼叫应用的显示屏802显示目标用户正在“工作”。本修改不限于在呼叫应用的显示屏802上显示，而是可以在时间表管理应用的显示屏上进行显示，或者可以通过电子邮件通知另一用户目标用户正在“工作”。

<3.8修改3>

在上述第一实施方式中，集中程度被估计为目标用户的情绪。然而，在本实施方式中，不仅可以估计目标用户的集中程度，还可以估计其疲劳程度、睡意等。因此，下面将参考图18和图19描述估计目标用户的疲劳程度或睡意并且根据估计结果向任何其他用户进行通知的示例，作为假设在办公室等中使用的修改3。图18是示出根据本实施方式的修改3的示例性显示屏804的说明图，并且图19是示出根据本实施方式的修改3的示例性显示屏806的说明图。

例如，在本修改中，服务器30估计目标用户的集中程度或疲劳程度，并且向终端50(例如，由管理工作中的目标用户的管理员(用户)使用的PC)通知估计结果和关于如何处理目标用户的推荐动作。更具体地，服务器30使得管理员使用的PC的显示单元(未示出)显示显示屏804，如图18所示。在显示屏804上，目标用户(在图18中，人A)的估计情绪用XY坐标上的标记850示出。具体地，XY坐标的X轴表示目标用户的情绪，指示例如在图18中更右侧的位置处情绪更好，而在图18中更左侧的位置处情绪更差。XY坐标的Y轴表示目标用户的集中程度或疲劳程度，表示例如集中程度在图18中更上侧的位置更高，而疲劳程度在图18中更下侧的位置更高。当目标用户的估计情绪在这样的XY坐标上显示为标记850时，管理员可以容易地理解目标用户的情绪。如上所述，可以通过例如分析由包括在可穿戴装置10的传感器单元120中的脑电波传感器获得的感测数据来估计目标用户的情绪。

此外，在显示屏804上，服务器30不仅显示目标用户的估计情绪，还显示作为评论860的关于如何根据估计结果处理目标用户的推荐动作。例如，在图18中，在估计目标用户正在处于集中状态时，诸如“请不要跟A说话”等短语被显示为评论860。因此，管理员可以基于评论860理解关于如何处理目标用户以及执行诸如不与目标用户说话等处理的推荐动作。

例如，当估计目标用户的疲劳程度较高时，服务器30可以在管理员的PC上显示诸如“跟A说话”、“建议休息”、“提供咨询”或“调整工作量”之类的短语。

服务器30不仅可以估计目标用户的当前情绪，还可以预测目标用户此后的情绪，并将预测结果通知给管理员等。更具体地，服务器30使得管理员使用的PC的显示单元(未示出)显示显示屏806，如图19所示。目标用户(在图19中，人A)的估计集中程度、疲劳程度和睡意在显示屏806上被示为三个条形图。具体地，从图19的左侧，集中程度、疲劳程度和睡意分别对应于条形图。此外，显示屏806从图19中的左侧以时间顺序的方式显示三小时前目标用户的集中程度、疲劳程度和睡意、目标用户的当前集中程度、疲劳程度和睡意以及目标用户未来的预期集中程度、疲劳程度和睡意。在图19中，较高的条形图表示集中程度、疲劳程度或睡意较高。管理员可以通过检查显示屏806容易地理解目标用户的过去、当前和未来情绪。此外，管理员可以通过参考目标用户的过去、当前和未来情绪，接受从服务器30通知的作为目标用户的处理而推荐的推荐动作是适当的动作。

本修改不限于将推荐动作通知给管理员使用的PC，而是可以将推荐动作通知给例如另一用户或目标用户周围的家庭成员使用的终端50。

如上所述，根据本实施方式和修改，可以通过估计目标用户的情绪，可视化用于显示的估计结果，并且根据估计结果进行通知和控制，来创建目标用户优选的情况。例如，根据本实施方式，当目标用户不知道他/她自己的状态(情绪)或者难以将该状态通知给其他人时，目标用户周围的任何其他用户可以识别目标用户的状态，并为目标用户执行适当的动作。特别地，最近，由于劳动力短缺导致工作量显著增加，所以很难管理办公室工作人员的心理健康。在这种情况下，在每个工作人员变得完全疲惫之前，办公室的管理员可以知道其预兆，并通过使用根据本实施方式的信息处理系统1采取适当的行动，从而很好地管理每个工作人员的心理健康。

<<4.第二实施方式>>

在上述第一实施方式中，估计每个目标用户的情绪。然而，本公开的实施方式不限于这种估计，而是可以估计多个目标用户的情绪，换言之，可以估计一个组的情绪。因此，在下面描述的本公开的第二实施方式中，估计包括多个目标用户的组的情绪，并且根据估计结果执行输出。

在商业等重要领域，工作通常由多个成员合作完成。然而，难以客观地评估这种由多个成员组成的组的状态。具体地，在由多个成员执行的头脑风暴中，可以基于陈述的数量等来评估是否有效地执行头脑风暴，但是由于成员的配置，难以验证例如协同效应。特别地，头脑风暴的成功往往不仅取决于每个成员的能力，还取决于成员的配置。具体地，对于成功的头脑风暴来说，营造每个成员都可以发表意见而不会让其他成员感到不安的氛围是非常重要的。因此，构件的配置对于创造这样的气氛很重要。因此，在下面描述的本实施方式中，估计由该组的协同效应引起的组在头脑风暴中的情绪，并且根据估计结果输出与头脑风暴的未来进展相关的通知。在下面的描述中，头脑风暴是指在组内发表意见时，通过成员间的连锁效应来进行的预期新想法归纳的讨论。

具体地，在本实施方式中，通过使用上述信息处理系统1来估计头脑风暴中包括在组中的至少一些目标用户的集中程度，并且基于估计结果来估计组的集中程度。此外，在本实施方式中，基于估计结果，将是否继续头脑风暴通知给例如头脑风暴的促进者。在常规情况下，促进者基于头脑风暴的内容等主观地确定是否继续头脑风暴。然而，在本实施方式中，估计进行头脑风暴的组的集中程度，并且根据估计的结果客观地确定是否继续头脑风暴。因此，促进者可以适当地进行头脑风暴，并获得头脑风暴的最大效果。下面描述本实施方式的细节。

在本实施方式中，信息处理系统1、可穿戴装置10、服务器30和终端50的配置与第一实施方式中的配置相同，并且可以参考第一实施方式中对这些配置的描述。因此，在下文中，将省略对信息处理系统1、可穿戴装置10、服务器30和终端50的详细配置的描述。在下面的描述中，假设执行头脑风暴的组包括两个目标用户，也包括其他用户。在本实施方式中，该组仅需要包括至少两个目标用户，并且可以包括三个或更多目标用户，或者可以仅包括两个目标用户而不包括其他用户。

<4.1信息处理方法>

下面参考图20至22描述根据本实施方式的信息处理方法。图20是用于描述根据本实施方式的示例性信息处理方法的流程图，并且图21和22是用于描述根据本实施方式的示例性信息处理的说明图。图21和22示出头脑风暴中目标用户(在图21和22中，人A和人B)的HRV指数的时间顺序数据。具体地，在图21和22的每一个中的上部示出了人A的HRV指数的时间顺序数据，并且在图21和22的每一个中的下部示出了人B的HRV指数的时间顺序数据。此外，为每个HRV指数的时间顺序数据提供阈值N或阈值O，作为估计目标用户处于集中状态的参考。因此，当HRV指数高于阈值N或O时，估计目标用户处于集中状态。

如图20所示，根据本实施方式的信息处理方法包括多个步骤S301至S307。下面描述根据本实施方式的包括在信息处理方法中的每个步骤的细节。

(步骤S301)

上述可穿戴装置10安装在参与头脑风暴的每个目标用户上，并且每个可穿戴装置10获取目标用户的脉搏波信号等，作为感测数据，并将感测数据输出到服务器30。服务器30从每个可穿戴装置10获取感测数据。

(步骤S303)

服务器30基于获取的感测数据估计每个目标用户的集中程度。由于上面描述了集中程度估计方法，因此下面将省略其详细描述。

(步骤S305)

下面首先描述这样一种情况，其中，在头脑风暴中，可以估计人A在期间L处于集中状态，并且类似地，可以估计人B为在期间M处于集中状态，如图21所示。在这种情况下，服务器30可以估计每个目标用户都处于集中状态，并且因此假设参与头脑风暴的任何其他用户都处于集中状态，并且确定有效地执行头脑风暴。此外，服务器30基于该确定选择进行通知，该通知向促进者建议继续头脑风暴。

下面描述了这样一种情况，其中，如图22所示，在头脑风暴中，可以估计人A和人B在期间P和期间Q处于集中状态，但是可以估计人B在期间R不处于集中状态或睡意状态。在这种情况下，由于参与头脑风暴的人B的集中程度低，所以服务器30假定任何其他参与用户的集中程度低。此外，服务器30基于从现在开始难以有效进行头脑风暴的假设来确定并选择执行向促进者建议取消或中断头脑风暴的通知。当检测到被估计为极度兴奋的任何目标用户时，服务器30可以选择进行通知，该通知向促进者建议取消或中断头脑风暴，因为由于兴奋可以预期发生打架等。

(步骤S307)

根据上述步骤S305的选择，服务器30控制例如由促进者使用的终端50在屏幕上显示建议继续、取消或中断头脑风暴的通知。

如上所述，在本实施方式中，估计头脑风暴中多个目标用户的集中程度，并且基于估计结果来估计该组的集中程度。此外，在本实施方式中，根据估计结果，将是否继续头脑风暴通知给例如头脑风暴的促进者。因此，根据本实施方式，可以客观地确定是否继续头脑风暴，而不是由促进者等进行主观确定。因此，促进者可以适当地进行头脑风暴，并获得头脑风暴的最大效果。

本实施方式不限于在头脑风暴中使用，而是可以在例如事件现场使用。具体地，上述可佩戴装置10安装在事件的每个参与者身上，以估计参与者的情绪。当每个参与者适度兴奋时，确定该参与者正在享受该事件，并且服务器30向该事件的促进者建议继续当前进度内容。当每个参与者不兴奋时，确定该参与者不喜欢该事件，并且服务器30向该事件的促进者建议改变该事件的内容。以这种方式，根据本实施方式，可以根据事件的每个参与者的情绪来改变内容，从而可以向参与者提供更愉快的事件。此外，当检测到参与者极度兴奋时，服务器30可以向促进者建议例如将参与者引导到单独的房间。当促进者根据这个建议将参与者引导到一个单独的房间并建议休息时，就有可能防止由于极度兴奋而发生的事件混乱。

<4.2修改1>

服务器30可以基于感测数据来预测目标用户未来的集中程度，并且因此可以基于下面描述的本实施方式的修改1中的预测来选择是否继续上述头脑风暴。下面参考图23和24描述本修改。图23和24是用于描述根据本实施方式的修改1的示例性信息处理的说明图。图23和24示出了头脑风暴期间和未来预测的目标用户(在图23和24中，人A和人B)的HRV指数的时间顺序数据。具体地，类似于图21和23，图23和24均在上部示出了人A的HRV指数的时间顺序数据，并且在下部示出了人B的HRV指数的时间顺序数据。

下面首先描述了这样一种情况，在该情况下，在头脑风暴中，可以估计人A和人B在期间S和期间U处于集中状态，此外，可以预期人A和人B在未来在期间T和期间V处于集中状态，如图23所示。在这种情况下，服务器30确定将来可以保持目标用户的集中状态，并选择执行向促进者建议继续头脑风暴的通知。

随后，描述图24所示的情况。在图24中，在头脑风暴中，可以估计人A在期间AA处于集中状态，此外，预期在将来在期间AB处于集中状态。然而，在头脑风暴中，可以估计人B在第一期间AC处于集中状态，但在下一个期间AD内，可以估计人B不处于集中状态或处于睡意状态。此外，基于期间AC和期间AD中的倾向，预测人B在未来的期间AE不处于集中状态或处于睡意状态。在这种情况下，由于参与头脑风暴的人B的集中程度预期在将来会降低，所以服务器30预测任何其他参与用户的集中程度在将来会降低。此外，服务器30基于将来很难有效进行头脑风暴的期望来确定并选择执行向促进者建议取消或中断头脑风暴的通知。

如上所述，在本修改中，由于可以预测目标用户未来的集中程度，例如，可以基于预测选择是否继续上述头脑风暴。因此，根据本修改，可以客观地确定是否继续头脑风暴，并且因此促进者可以适当地进行头脑风暴并且获得头脑风暴的最大效果。

在本修改中，服务器30可以预测目标用户未来处于集中状态的期间，并且因此可以基于预测的期间向促进者具体通知头脑风暴的期间或者建议结束头脑风暴的时间。此外，在本修改中，服务器30可以预测目标用户未来的集中倾向，例如，需要休息多长时间来恢复目标用户的集中状态，因此可以具体地向促进者建议期望恢复集中状态的休息时间。

<4.3修改2>

如上所述，头脑风暴的成功通常取决于成员的配置，但是由于成员配置(换言之，兼容性)，很难验证协同效应。例如，当参与头脑风暴的一个成员领导头脑风暴并且具有成功的结果等时，头脑风暴很可能因为成功的结果而被确定为成功。然而，当任何其他成员没有积极参与头脑风暴时，实际上并没有获得协同效应，头脑风暴也很难成功。

因此，在本实施方式的修改2中，通过使用上述信息处理系统1来估计进行头脑风暴的组的情绪，并且基于估计结果，客观地评估协同效应的存在，换言之，成员配置(组合或兼容性)。然后，在本修改中，基于对成员配置的评估，建议下一次头脑风暴中的成员。可以通过例如使下一次头脑风暴的促进者使用的PC(终端50)在屏幕上显示建议成员的姓名，来执行该建议。

例如，如上述图21所示，当估计每个目标用户(人A和人B)在头脑风暴中处于集中状态时，服务器30评估参与头脑风暴的人A和人B的组合具有适当的兼容性。在这种情况下，服务器30建议在下一次头脑风暴中组合兼容性被评估为合适的人A和人B。

如上述图22所示，当在头脑风暴中估计人A处于集中状态，但是估计人B不处于集中状态时，服务器30评估参与头脑风暴的人A和人B具有不适当的兼容性。在这种情况下，服务器30建议不要在下一次头脑风暴中组合兼容性被评估为不合适的人A和人B。

如上所述，根据本修改，估计进行头脑风暴的组的情绪，并且基于估计结果，客观地评估组合。此外，根据本修改，可以基于以这种方式获得的组合评估，来建议具有在头脑风暴中被估计为合适的兼容性的组合。因此，根据本修改，可以参考这样的建议更有效地执行头脑风暴。

此外，在本修改中，可以使用由传感器单元120中包括的声音传感器(未示出)获得的感测数据。例如，当已经基于由声音传感器获得的感测数据检测到通过头脑风暴中的陈述降低任何其他目标用户的集中程度的用户的存在时，服务器30建议在下一次头脑风暴中移除该用户。此外，服务器30可以为被确定为具有在多次头脑风暴中提供降低任何其他目标用户的集中程度的陈述的高倾向的用户，在数据库等中存储该倾向的信息。

在本修改中，不仅可以参考每个目标用户的情绪，还可以参考例如头脑风暴的交付物的评估来评估组合。在这种情况下，当每个参与目标用户的集中程度高并且可交付评估高时，服务器30评估头脑风暴中的组合是适当的。当可交付评估高但任何参与目标用户的集中程度低时，服务器30评估头脑风暴中的组合是不适当的。

头脑风暴可交付评估可以基于诸如想法数量和陈述数量等指数来执行，或者可以通过未参与头脑风暴的人对可交付物(报告)等的评估来获得。或者，在头脑风暴结束后，可以要求参与头脑风暴的任何用户填写问卷，并且可以基于问卷的结果来执行头脑风暴交付评估。

<4.4修改3>

当在相同成员中进行头脑风暴时，新鲜度逐渐丧失，头脑风暴在某些情况下并不活跃。因此，在这种情况下，为了进行积极的头脑风暴并获得新知识，在下一次头脑风暴中有一个新成员被认为是有效的。通常，在头脑风暴中，当参与成员在背景等方面彼此不同时，会获得更好的结果。然而，当头脑风暴由具有不同集中和激发倾向的成员执行时，由于倾向差异，讨论进行得不好，并且头脑风暴在某些情况下不活跃。换言之，当具有相似集中和激励倾向的成员组合时，头脑风暴很可能变得活跃。

因此，在本修改中，基于每个目标用户在过去的头脑风暴中的情绪倾向来提取具有相似倾向的目标用户，并且在下一次头脑风暴中建议提取的目标用户，作为新成员或替换成员(候选人)。下面参考图25和26描述这种修改。图25和26是用于描述根据本实施方式的修改3的示例性信息处理的说明图。类似于图21和22，图25和26示出头脑风暴中目标用户(在图25和26中，人A、人C和人D)的HRV指数的时间顺序数据。

例如，在图25所示的情况下，由于HRV指数高于阈值N，所以可以估计人A在头脑风暴中在期间BA处于集中状态。类似地，可以估计人C在头脑风暴中在期间BB处于集中状态，因为HRV指数高于阈值W。在这种情况下，服务器30确定人A和人C具有相似的集中倾向，因为他们在相同的头脑风暴中处于集中状态，具有相同的倾向。

在图26所示的情况下，由于HRV指数高于阈值N，所以可以估计人A在头脑风暴中在期间CA处于集中状态。类似地，可以估计人D在头脑风暴中在期间CB处于集中状态，期间CB比期间CA短，因为HRV指数高于阈值X。在这种情况下，服务器30确定人A和人D具有相似的集中倾向，因为他们在相同的头脑风暴中处于集中状态，具有大致相同的倾向。

然后，基于如图25和26所示的集中倾向，服务器30建议具有类似于人A的倾向的人D，作为下一次头脑风暴中的新成员，代替具有类似于人A的倾向的人C。可以通过例如使下一次头脑风暴的促进者使用的PC(终端50)在屏幕上显示所建议的新成员的名字来执行该建议。

如上所述，在本修改中，提取具有相似倾向的目标用户，并且在下一次头脑风暴中客观地建议提取的目标用户，作为新成员。因此，根据本修改，下一次头脑风暴可以基于这样的建议通过新成员的参与而变得活跃。

<4.5修改4>

上述本实施方式和修改用于头脑风暴，但不限于用于头脑风暴，并且可以用于理事会和交易会。理事会和交易会通常由多个成员进行审查和评估，每个成员都需要保持冷静和公平，客观地参与集中。

因此，在本修改中，通过使用上述信息处理系统1来估计执行理事会等的组的情绪，基于估计结果来评估每个成员是否冷静和公平并且客观地参与集中，并且将评估的结果呈现给理事会等的促进者。具体地，当在理事会等中存在彼此对立的意见时，一些成员会因为对立成员的不良兼容性而变得激动和批评。在这种情况下，冷静的思考和决心可能会因兴奋或类似的原因而停止，因此很难适当地推进理事会的工作。因此，在本修改中，通过使用上述信息处理系统1来估计兴奋的成员，并且将这种成员的存在通知给理事会的促进者等。然后，在这种情况下，促进者可以基于通知选择适当的措施，例如，休息，以便成员变得平静。

当在一些成员不处于集中状态且睡意很高的情况下执行理事会等时，在某些情况下，不能认为理事会等的执行是公平的，因为成员对审查目标的兴趣和观察不够。因此，在本修改中，通过使用上述信息处理系统1来估计在理事会等中执行的组的情绪，基于估计结果来评估每个成员是否处于集中状态，并且将评估结果呈现给理事会等的促进者。更具体地，当上述信息处理系统1估计执行理事会等的组的集中程度不足并且通知集中程度不足时，促进者可以基于通知建议中断或干扰理事会等。

如上所述，在本修改中，可以客观地估计组的情绪，并且可以将估计的结果通知给促进者等，因此，促进者可以适当地推进理事会等的工作，其中，要求每个成员冷静、公平和客观地参与集中。

<<5.第三实施方式>>

在上述实施方式中，基于主要由各种生物传感器获得的感测数据来估计目标用户的情绪，并且根据估计结果来执行输出，但是本公开的实施方式不限于此。例如，在本公开的实施方式中，可以估计包括多个目标用户的组的状态(例如，使用状态)，并且可以根据估计的结果执行输出。因此，在下面描述的第三实施方式中，获取与多个用户的使用状态相关的信息，基于获取的信息估计用户的状态，并且基于估计的结果控制用户周围的设施等。因此，根据下面描述的本实施方式，可以处理在多个用户的估计状态中可能出现的需求。

更具体地，本实施方式描述了控制电影院中的空调设施602(参考图28)(终端50)的应用。在许多传统情况下，在电影院等中，空调设施602等不能根据观众(用户)等的使用状态来控制。因此，在本实施方式中，服务器30通过使用上述信息处理系统1来估计观众的状态，并根据估计结果控制空调设施602，从而为观众提供舒适的空间。

在本实施方式中，信息处理系统1、可穿戴装置10、服务器30和终端50的配置与第一实施方式中的配置相同，并且可以参考第一实施方式中对这些配置的描述。因此，在下文中，将省略对信息处理系统1、可穿戴装置10、服务器30和终端50的详细配置的描述。在本实施方式中，可穿戴装置10可以不包括在信息处理系统1中。

<5.1信息处理方法>

下面参考图27和28描述根据本实施方式的信息处理方法。图27是用于描述根据本实施方式的示例性信息处理方法的流程图。图28是用于描述根据本实施方式的示例性信息处理的说明图，并且具体示意性地示出了电影院等的内部600以及被配置为调节内部空调的空调设施602。

如图27所示，根据本实施方式的信息处理方法包括多个步骤S401至S405。下面描述包括在根据本实施方式的信息处理方法中的每个步骤的细节。

(步骤S401)

服务器30获取通过终端50从每个用户输入的预订信息，作为感测数据。具体地，用户输入诸如期望观看的电影院、要放映的电影和座位数量等信息，作为座位预订。

(步骤S403)

服务器30根据获取的预订信息估计电影院的拥挤程度。

(步骤S405)

服务器30根据估计结果控制电影院内部600的空调设施602。具体地，当在上述步骤S405中估计拥挤时，服务器30控制空调设施602来冷却内部600。当在上述步骤S405中估计不拥挤时，服务器30控制空调设施602不过度冷却内部600。

当估计拥挤程度时，服务器30可以考虑放映日期和时间以及放映内容来预测观众的男女比例等。更具体地，例如，根据放映时间和放映内容，家庭观众的数量趋向于大或者单独观众的数量趋向于大。因此，服务器30可以通过参考诸如放映日期和时间等信息来预先预测观众的数量和男女比例。由于男性和女性之间的适当温度不同，服务器30根据预测的男女比例控制空调设施602。服务器30可以通过使用座位预订预先确定观众的男女比例。此外，服务器30可以通过参考任何其他电影院的信息来提高估计的准确性。

此外，在本实施方式中，基于预先获取的预订信息来估计电影院的拥挤程度，但是也可以基于例如安装在设置于内部600的每个座位上的压力传感器(未示出)获得的感测数据来估计电影院的拥挤程度。或者，例如，在本实施方式中，可以通过分析图像捕捉图像，作为由提供给内部600的图像捕捉设备(未示出)获得的感测数据，来估计电影院的拥挤程度。

在本实施方式中，可以基于由例如安装在观众身上的可穿戴装置10的传感器单元120中包括的出汗传感器(未示出)获得的感测数据，来估计观看电影的观众如何感受内部600的温度。

如上所述，在本实施方式中，估计电影院观众的拥挤程度，并且根据估计结果控制内部600的空调设施602等。因此，在本实施方式中，不仅估计观众(用户)的状态，而且根据估计的状态指定观众的需求，并且控制空调设施602处理指定的需求。因此，根据本实施方式，观众可以在不采取任何特别行动的情况下创建观众更喜欢的情况。

本实施方式不限于内部600的空调设施602的控制，而是例如，服务器30可以根据估计结果通过邮件等预先向观众发送建议衣服和物品的通知。更具体地，在本实施方式中，例如，当男性观众比率高时，有时控制空调设施602，以执行更强的冷却，因为男性高度倾向于感到温暖。因此，在这种情况下，服务器30预先向例如观众使用的智能手机(终端50)发送建议带诸如外套或开衫之类的可以对高度容易感到寒冷的女性观众进行温度调节的衣服的邮件。此外，在这种情况下，服务器30可以向负责电影院放映的人进行通知，该通知建议例如准备足够数量的毯子、热饮和小吃，以设置在内部600。

在本实施方式中，在电影放映结束后，可以要求观众回答关于内部600的空调等的问卷，以获取评估，并且可以在下一次放映时在空调设施602的控制上反映该评估。以这种方式，可以为观众提供更舒适的环境。

在电影院的内部600使用时进行以上描述，但是本实施方式可以在电影院以外的地方使用，例如，在公共场所，例如，博物馆、画廊、酒店和各种人聚集的餐馆。

本实施方式可用于诸如总线或出租车等车辆的空调设施602。在这种情况下，服务器30获取车辆的位置和时间，作为感测数据。具体地，在办公大楼、学校等附近，估计车辆的占用率在对应于工作日的早晚通勤时间的时隙中较高。在包括大规模的商业设施的市中心，估计假日期间车辆的占用率很高。因此，服务器30基于如上所述的倾向估计车辆位置处的占用率以及作为感测数据获取的日期和时间，并且根据估计结果控制车辆的空调设施602。此外，服务器30可以获取车辆的温度和预期占用率，并且可以向打算使用车辆的任何用户提供车辆的温度和占用率。

在如上所述的情况下，服务器30可以获取通过终端50从每个用户输入的总线或出租车的预订信息，作为感测数据。在这种情况下，服务器30可以获取每个用户的空调偏好(例如，冷空气或暖空气)以及预订信息，并且可以利用所获取的信息来控制车辆的空调设施602。

<5.2修改1>

在上述第三实施方式中，估计电影院处的拥挤程度，但是该实施方式不限于此，并且可以估计公共设施处的设施使用频率，例如，可以根据估计的结果向设施管理员通知清洁的次数等。下面描述诸如根据第三实施方式的修改1这样的示例。

例如，通常，诸如公共设施的厕所之类的设施不根据其使用频率进行清洁，而是在确定的日期和时间定期清洁。以这种方式，可以持续保持设施清洁，但是难以降低清洁等的成本。因此，根据本实施方式的信息处理系统1可用于估计使用频率，并根据估计结果向设施管理员建议适当的清洁时间等，从而保持设施清洁并降低清洁成本。另外，在本修改中，服务器30可以根据估计结果建议用于清洁的人数、设备和溶剂。可以通过例如使设施管理员使用的PC(终端50)在屏幕上显示清洁日期和时间、人数等来执行该建议。

具体地，服务器30基于由例如安装在每个目标用户身上的可穿戴装置10的传感器单元120中包括的定位传感器(未示出)获得的感测数据来估计目标用户对设施的使用频率。具体地，服务器30通过基于感测数据确定在设施中停留预定期间的目标用户的数量来估计使用频率。当设施是厕所时，服务器30可以基于安装在隔间门上的打开传感器(未示出)获得的感测数据，通过获取隔间门的打开和关闭次数来估计使用频率。类似地，服务器30可以基于例如冲水次数或照明打开次数来估计使用频率。然后，服务器30根据估计的使用频率向设施管理员建议清洁时间等，从而保持设施清洁并降低清洁成本。此外，当设施是厕所并且打开和关闭门的次数很大但是冲水次数非常少时，服务器30估计有人试图使用厕所，但是由于厕所非常脏而停止使用，并且向设施管理员建议紧急清洁。

如上所述，根据本修改，估计设施的使用频率，并且根据估计结果向设施管理员建议清洁的时间等，从而保持设施清洁并降低清洁成本。具体地，在本修改中，不仅可以估计每个用户的状态，而且可以根据估计的状态指定用户的需求，并且可以建议设施管理员处理指定的需求。

<5.3修改2>

服务器30对公共设施的拥挤程度和使用频率的上述估计可以用于估计例如安装在公共设施上的储物柜的使用状态，并将使用状态通知给公共设施的用户。更具体地，在本修改中，应用于估计安装在例如火车站、机场、剧院、公共浴室的储物柜的使用状态。

通常，在许多情况下，公共设施的用户数量和储物柜的用户数量不一定相互匹配。因此，在本修改中，类似于上述修改，服务器30估计公共设施的拥挤程度，并且还从例如提供给每个储物柜的打开传感器(未示出)获取当前储物柜使用状态。然后，服务器30基于估计的拥挤程度和获取的使用状态预测储物柜未来的使用状态。此外，基于预测的结果，服务器30在例如安装在公共设施的显示装置(终端50)(未示出)上向可能使用储物柜的公共设施的任何用户显示任何可用储物柜的存在、储物柜可用的时隙等。基于显示，用户可以考虑使用储物柜或者改变储物柜的使用时间。此外，服务器30可以将预测结果通知给储物柜的管理员，并且在这种情况下，可以根据使用状态向管理员建议改变已安装的储物柜的数量，并且改变储物柜的使用费，以调整使用状态。

本修改描述了储物柜的用途，但不限于这种用途，并且可以用于例如游乐园。在这种情况下，服务器30可以基于由例如安装在用户(目标用户)身上的可穿戴装置10的传感器单元120中包括的定位传感器(未示出)获得的感测数据来估计每个用户的位置和拥挤状态。然后，当检测到拥挤程度非常高的位置时，服务器30假定用户的不适很可能由于拥挤而增加，并且向设施管理员建议例如部署能够使用户快乐的工作人员和演员。

<<6.概述>>

如上所述，根据本公开的实施方式，可以提供不仅能够估计目标用户的状态，而且能够处理在估计状态下可能出现的目标用户的需求的信息处理系统1。结果，根据本实施方式，目标用户可以创建对于目标用户更好的情况，而不特别采取任何行动。

<<7.硬件配置>>

图29是示出根据本实施方式的信息处理装置900的示例性硬件配置的说明图。在图29中，信息处理装置900指示上述服务器30的示例性硬件配置。

信息处理装置900包括例如CPU 950、ROM 952、RAM 954、记录介质956、输入和输出接口958以及操作输入装置960。此外，信息处理装置900包括显示装置962和通信接口968。在信息处理装置900中，组件通过例如作为数据传输路径的总线970彼此连接。

(CPU 950)

CPU 950包括例如一个处理器或两个或更多个处理器，每个处理器由计算电路(例如，CPU)和各种处理电路实现，并且用作被配置为控制整个信息处理装置900的控制单元。具体地，CPU 950用作例如信息处理装置900中的上述控制单元330。

(ROM 952和RAM 954)

ROM 952存储计算机程序和控制数据，例如，由CPU 950使用的计算参数。RAM 954暂时存储例如要由CPU 950执行的计算机程序。

(记录介质956)

记录介质956用作上述存储单元360，并存储各种数据，例如，与根据本实施方式的信息处理方法和各种应用相关的数据。记录介质956的示例包括磁记录介质(例如，硬盘)和非易失性存储器(例如，闪存)。记录介质956可以从信息处理装置900上拆卸下来。

(输入和输出接口958、操作输入装置960和显示装置962)

输入和输出接口958连接例如操作输入装置960和显示装置962。输入和输出接口958的示例包括通用串行总线(USB)终端、数字可视接口(DVI)终端、高清多媒体接口(HDMI)(注册商标)终端以及各种处理电路。

操作输入装置960用作例如上述输入单元300，并且与信息处理装置900内部的输入和输出接口958连接。

显示装置962用作例如上述输出单元310，并且设置在信息处理装置900上，并且与信息处理装置900内部的输入和输出接口958连接。显示装置962的示例包括液晶显示器和有机电致发光显示器(有机EL显示器)。

输入和输出接口958可以与外部装置连接，例如，操作输入装置(例如，键盘或鼠标)和信息处理装置900外部的显示装置。

输入和输出接口958也可以与驱动器(未示出)连接。驱动器是诸如磁盘、光盘或半导体存储器等可移动记录介质的读写器，并且内置于信息处理装置900中或与信息处理装置900外部连接。驱动器读取安装在其上的可移动记录介质中记录的信息，并将读取的信息输出到RAM 954。此外，驱动器可以将记录写入安装在其上的可移动记录介质。

(通信接口968)

通信接口968用作上述通信单元350，用于通过例如网络70(或直接)以无线或有线方式执行与外部装置(例如，服务器30)的通信。通信接口968的示例包括通信天线和射频(RF)电路(无线通信)、IEEE 802.15.1端口和发送和接收电路(无线通信)、IEEE 802.11端口和发送和接收电路(无线通信)、局域网(LAN)终端和发送和接收电路(有线通信)。

上面描述了信息处理装置900的示例性硬件配置。然而，信息处理装置900的硬件配置不限于图29所示的配置。具体地，每个上述组件可以通过使用通用部件来配置，或者可以通过专用于组件功能的硬件来配置。当执行本实施方式时，根据技术水平适当地改变这种配置。

基于与网络的连接(或装置之间的通信)这一假设，如例如在云计算中一样，根据本实施方式的信息处理装置900可以应用于包括多个装置的系统。换言之，根据本实施方式的上述信息处理装置900可以实现为例如信息处理系统1，其中，根据本实施方式的信息处理方法的处理由多个装置执行。

<<8.补充>>

本公开的上述实施方式包括例如被配置为使计算机用作根据本实施方式的信息处理装置的计算机程序以及记录计算机程序的非暂时性物理介质。计算机程序可以通过诸如因特网等通信线路(包括无线通信)分发。

上述每个实施方式的处理步骤不一定需要按所述顺序进行处理。例如，可以按照适当改变的顺序来处理这些步骤。这些步骤可以部分并行或单独处理，而不是以时间顺序的方式处理。此外，每个步骤的处理方法不一定需要由所述方法处理，而是可以由例如另一种功能组件通过另一种方法处理。

上面参考附图详细描述了本公开的优选实施方式，但是本公开的技术范围不限于这些示例。在权利要求书中编写的技术思想的范围内，在本公开的技术领域具有典型知识的人可以想到各种变化和修改，并且应该理解，这些变化和修改属于本公开的技术范围。

本说明书中陈述的效果是解释性的或示例性的，但不是限制性的。因此，根据本公开的技术与上述效果一起或代替上述效果，实现了本领域技术人员从本说明书的描述中显而易见的任何其他效果。

如下所述的配置属于本公开的技术范围。

(1)一种信息处理装置，包括：

估计单元，其被配置为基于感测数据来估计一个或多个目标用户的状态；以及

输出控制单元，其被配置为执行对应于估计结果的输出。

(2)根据(1)所述的信息处理装置，其中，所述估计单元基于由安装在目标用户上的生物传感器获得的感测数据来估计每个目标用户的情绪。

(3)根据(2)所述的信息处理装置，其中，所述估计单元在获取感测数据之后估计每个目标用户的情绪。

(4)根据(2)或(3)所述的信息处理装置，还包括学习单元，所述学习单元被配置为通过使用过去获取的感测数据来学习目标用户的情绪倾向。

(5)根据(4)所述的信息处理装置，还包括评估获取单元，其被配置为获取目标用户对输出内容的评估，其中，所述学习单元基于所述评估来学习目标用户的情绪倾向。

(6)根据(2)至(5)中任一项所述的信息处理装置，其中，所述输出控制单元执行目标用户使用的装置或安装在目标用户附近的装置的控制，作为输出。

(7)根据(2)至(5)中任一项所述的信息处理装置，其中，所述输出控制单元执行包括在目标用户所属的组中的用户所使用的装置的控制，作为输出。

(8)根据(6)或(7)所述的信息处理装置，其中，所述输出控制单元控制所述装置根据所述估计结果显示推荐动作。

(9)根据(2)所述的信息处理装置，其中，所述估计单元估计多个目标用户的组的情绪。

(10)根据(9)所述的信息处理装置，其中，所述输出控制单元控制包括在所述组中的用户使用的装置根据所述估计结果显示推荐动作，作为输出。

(11)根据(9)或(10)所述的信息处理装置，其中，所述输出控制单元基于所述估计结果，对包括在所述组中的目标用户的组合进行组合评估。

(12)根据(11)所述的信息处理装置，还包括评估获取单元，被配置为获取所述组的可交付物的可交付物评估，其中，所述输出控制单元基于可交付物评估来执行组合评估。

(13)根据(12)所述的信息处理装置，其中，所述输出控制单元基于组合评估输出用于下一组合的目标用户的候选。

(14)根据(2)至(13)中任一项所述的信息处理装置，其中，由直接安装在目标用户身体的一部分上并被配置为检测心率或脉搏率的脉搏传感器获取所述感测数据。

(15)根据(2)至(13)中任一项所述的信息处理装置，其中，从直接安装在目标用户身体的一部分上并被配置为检测出汗的出汗传感器获取所述感测数据。

(16)根据(2)至(13)中任一项所述的信息处理装置，其中，从直接安装在目标用户身体的一部分上并被配置为检测血压、脑电波、呼吸、肌电位和皮肤温度中的至少一个的传感器获取所述感测数据。

(17)根据(1)所述的信息处理装置，其中，所述估计单元基于目标用户输入的感测数据来估计多个目标用户的组的状态。

(18)根据(17)所述的信息处理装置，其中，所述输出控制单元执行对安装在所述组周围的装置的控制，作为输出。

(19)一种信息处理方法，包括：

基于感测数据估计一个或多个目标用户的状态；并且

执行对应于估计结果的输出。

(20)一种计算机程序，其被配置为使计算机执行：

基于感测数据估计一个或多个目标用户的状态的功能；以及

执行对应于估计结果的输出的功能。

附图标记列表

1信息处理系统

10可穿戴装置

12带单元

14控制单元

30服务器

50终端

70网络

100、300、500输入单元

110、310、510输出单元

120传感器单元

122PPG传感器单元

124运动传感器单元

130、330、530控制单元

150、350、550通信单元

160、360、560存储单元

200测量部位

202血管

332感测数据获取单元

334处理单元

336输出控制单元

338评估获取单元

340估计单元

342学习单元

362DB

600内部

602空调设施

700显示灯

800、802、804、806屏幕

850标记

860评论

900信息处理装置

950CPU

952ROM

954RAM

956记录介质

958输入和输出接口

960操作输入装置

962显示装置

968通信接口

970总线

Claims (20)

1.一种信息处理装置，包括：

估计单元，被配置为基于感测数据来估计一个或多个目标用户的状态；以及

输出控制单元，被配置为执行对应于估计结果的输出。

2.根据权利要求1所述的信息处理装置，其中，所述估计单元基于由安装在目标用户上的生物传感器获得的感测数据来估计每个目标用户的情绪。

3.根据权利要求2所述的信息处理装置，其中，所述估计单元在获取所述感测数据之后估计每个目标用户的情绪。

4.根据权利要求2所述的信息处理装置，还包括学习单元，所述学习单元被配置为通过使用过去获取的感测数据来学习目标用户的情绪倾向。

5.根据权利要求4所述的信息处理装置，还包括评估获取单元，被配置为获取目标用户对输出内容的评估，其中，所述学习单元基于所述评估来学习目标用户的情绪倾向。

6.根据权利要求2所述的信息处理装置，其中，所述输出控制单元执行对目标用户使用的装置或安装在目标用户附近的装置的控制以作为输出。

7.根据权利要求2所述的信息处理装置，其中，所述输出控制单元执行对包括在目标用户所属的组中的用户所使用的装置的控制以作为输出。

8.根据权利要求6所述的信息处理装置，其中，所述输出控制单元控制所述装置根据所述估计结果来显示推荐动作。

9.根据权利要求2所述的信息处理装置，其中，所述估计单元估计由多个目标用户构成的组的情绪。

10.根据权利要求9所述的信息处理装置，其中，所述输出控制单元控制包括在所述组中的用户使用的装置根据所述估计结果来显示推荐动作以作为所述输出。

11.根据权利要求9所述的信息处理装置，其中，所述输出控制单元基于所述估计结果，对包括在所述组中的目标用户的组合进行组合评估。

12.根据权利要求11所述的信息处理装置，还包括评估获取单元，被配置为获取所述组的可交付物的可交付物评估，其中，所述输出控制单元基于可交付物评估来执行组合评估。

13.根据权利要求12所述的信息处理装置，其中，所述输出控制单元基于所述组合评估输出用于下一组合的目标用户的候选。

14.根据权利要求2所述的信息处理装置，其中，由直接安装在目标用户身体的一部分上并被配置为检测心率或脉搏率的脉搏传感器获取所述感测数据。

15.根据权利要求2所述的信息处理装置，其中，从直接安装在目标用户身体的一部分上并被配置为检测出汗的出汗传感器获取所述感测数据。

16.根据权利要求2所述的信息处理装置，其中，从直接安装在目标用户身体的一部分上并被配置为检测血压、脑电波、呼吸、肌电位和皮肤温度中的至少一个的传感器获取所述感测数据。

17.根据权利要求1所述的信息处理装置，其中，所述估计单元基于多个目标用户输入的感测数据来估计由多个目标用户构成的组的状态。

18.根据权利要求17所述的信息处理装置，其中，所述输出控制单元执行对安装在所述组周围的装置的控制以作为输出。

19.一种信息处理方法，包括：

基于感测数据估计一个或多个目标用户的状态；并且

执行对应于估计结果的输出。

20.一种计算机程序，被配置为使计算机执行：

基于感测数据估计一个或多个目标用户的状态的功能；以及

执行对应于估计结果的输出的功能。

Images