CN111417343B - 姿势判定装置 - Google Patents

Abstract

本发明提供一种姿势判定装置，具有至少两个振动传感器和控制部，其特征在于，所述控制部通过所述振动传感器检测用户卧床时的振动，根据所述检测到的振动计算波形，通过识别所述波形的特征，根据所述特征来判定用户的姿势。由此，可以提供能够恰当地判定姿势作为用户的状态的姿势判定装置等。

Description

姿势判定装置

技术领域

本发明涉及姿势判定装置。

背景技术

一直以来，已知有判定床上的用户(患者)的状态的发明。例如，专利文献1中公开的检测装置检测床上的振动并提取源自生物体的心跳的心跳振动信号。然后检测装置基于所提取的心跳振动信号推定床上的生物体的姿势。

另外，专利文献2中公开的通知装置取得包含用户的姿势及用户的床上或床外的位置中的至少一个的用户状态。然后，通知装置根据所取得的用户状态进行通知。

现有技术文献

专利文献

专利文献1：日本特开2011-120667号公报

专利文献2：日本特开2016-192998号公报

发明内容

发明所要解决的技术问题

本发明提供一种姿势判定装置，能够根据基于用户的振动的波形恰当地判定用户的姿势。

用于解决问题的技术方案

本发明提供一种姿势判定装置，其特征在于，具备：至少两个振动传感器，能够检测用户卧床时的振动；以及控制部，根据多个所述振动计算多个波形，基于所述多个波形的特征，判定所述卧床时的所述用户的姿势。

发明效果

根据本发明的姿势判定装置，可以基于根据振动计算出的多个波形，恰当地判定用户在卧床时的姿势，作为用户的状态之一。

附图说明

图1是用于说明第一实施方式的整体的图。

图2是用于说明第一实施方式的构成的图。

图3是用于说明第一实施方式的构成的图。

图4是用于说明第一实施方式的传感器的图。

图5是用于对第一实施方式的姿势判定处理进行说明的图。

图6是用于对第一实施方式的姿势判定处理进行说明的图。

图7是表示第一实施方式的俯卧的波形的一个例子的图。

图8是表示第一实施方式的仰卧的波形的一个例子的图。

图9是表示第一实施方式的右侧卧的波形的一个例子的图。

图10是表示第一实施方式的左侧卧的波形的一个例子的图。

图11是表示第一实施方式的频率成分的一个例子的图。

图12是用于对第二实施方式的姿势判定处理进行说明的图。

图13是用于对第二实施方式的姿势判定条件进行说明的图。

图14是用于对第二实施方式的波形的状态进行说明的图。

图15是用于说明第三实施方式的状态推测部的功能构成的图。

图16是用于说明第四实施方式的神经网络的图。

图17是用于说明作为应用例的床的图。

图18是用于对在应用例的情况下的处理进行说明的图。

具体实施方式

以下，参照附图对用于实施本发明的一个实施方式进行说明。从防止当用户离开床时用户跌倒的观点来看，现有装置检测用户是否正在离开床(用户是否在床上)。但是，装置并不对用户在床上时用户是什么样的姿势进行检测。

关于用户的姿势，例如在装置进行端坐的检测等时，有时用户等在床的宽范围中设置许多装置(例如传感器)，装置判别卧姿和坐姿。但是，装置无法判定用户在床上睡觉时的用户的方向(例如，仰卧、俯卧以及侧卧等)。

为了使装置判定用户的姿势，用户等另外设置例如摄像头装置等，需要医务人员、工作人员、家人等(以下，称为工作人员等)对用户进行监视，或者装置进行用摄像头装置等拍摄的图像的解析。在这种情况下，需要工作人员等一直监视用户，增加了工作人员等的负担。另外，为了监视用户，需要摄像装置时常拍摄用户。因此，从隐私的观点来看，有时用户也会反对摄像装置的拍摄。

因此，根据本实施方式的姿势判定装置，能仅通过检测用户在床上睡觉时的振动，就可以检测用户的姿势。

需要说明的是，在本说明书中，用户指的是使用床(或床垫)的人，不限于因疾病而接受治疗的人，只要是在设施中接受护理的人、在床上睡觉的人都可以作为用户来应用。

[1.第一实施方式]

[1.1系统整体]

图1是用于说明应用了本发明的姿势判定装置的系统1的整体概要的图。如图1所示，系统1具备载置于床10的床板和床垫20之间的检测装置3、用于处理由检测装置3输出的值的处理装置5。系统1利用检测装置3和处理装置5判定用户的姿势。

若用户P在床10(或床垫20)时，则检测装置3检测身体振动(由人体发出的振动)作为用户即用户P的生物体信号。另外，处理装置5基于检测装置3检测到的振动来计算用户P的生物体信息值。

处理装置5也可以输出/显示所计算出的生物体信息值(例如，呼吸频率、心率、活动量)作为用户P的生物体信息值。

另外，通过在检测装置3中设置存储部、显示部等，检测装置3也可以与处理装置5一体形成。另外，处理装置5也可以是通用的装置，不限于计算机等信息处理装置，例如也可以是平板电脑、智能手机等之类的装置。另外，在检测装置3具有通信功能的情况下，检测装置3也可以代替处理装置5与服务器装置连接(通信)。

另外，用户也可以是正在养病的人，或是需要护理的人。另外，用户既可以是不需要护理的健康的人，也可以是老年人、儿童、残疾人，也可以是动物而不是人。

在此，检测装置3例如为厚度薄的片状的装置。由此，即使检测装置3载置于床10和床垫20之间，用户P也可以使用检测装置3而不会感到不适感。因此，检测装置3可以长期检测床上的用户的状态。

需要说明的是，检测装置3检测用户P的振动即可。例如，检测装置3也可以利用带应变计的致动器、测量配置于床10的腿等的负荷的负荷传感器。另外，检测装置3也可以使用载置于床10上的智能手机、内置于平板电脑等的加速度传感器等。

另外，在图1中，将朝向床10(床垫20)的头侧的方向设为方向H，将朝向脚侧的方向设为方向F。另外，在图1中，当用户P在床10上为仰卧时，将朝向用户P的左侧的方向设为方向L，将朝向用户P的右侧的方向设为方向R。

[1.2构成]

参照图2～图4对系统1的构成进行说明。本实施方式中的系统1包含检测装置3和处理装置5。另外，检测部110以外的各功能部包含检测装置3和处理装置5中的任何一个即可。检测装置3和处理装置5中的任何一个实现检测部110以外的各功能部的功能。通过组合检测装置3和处理装置5，检测装置3和处理装置5作为姿势判定装置发挥功能。

系统1(姿势判定装置)包含控制部100、检测部110、第一计算部120、第二计算部130、第三计算部135、判定部140、存储部150、输入部160以及输出部170。

控制部100控制系统1的动作。控制部100例如为CPU(Central Processing Unit：中央处理器)等控制装置。控制部100通过读出存储在存储部150中的各种程序，并执行各种程序而实现各种处理。需要说明的是，在本实施方式中，控制部100作为整体而设置有一个，但也可以像后文说明的图4那样分别设置于检测装置3、处理装置5。

检测部110检测检测装置3上的振动，取得振动数据。作为一个例子，本实施方式的检测部110利用检测压力变化的传感器检测基于用户的动作等的振动(身体振动)。另外，检测部110基于检测到的振动而取得振动数据。检测部110将振动数据输出到第一计算部120、第二计算部130以及第三计算部135。需要说明的是，振动数据可以是模拟振动数据，也可以是数字振动数据。

另外，检测部110例如也可以由压力传感器检测用户的振动并取得振动数据。另外，检测部110也可以设置麦克风代替压力传感器。检测部110也可以基于麦克风拾取的声音取得生物体信号，根据该生物体信号取得振动数据。另外，检测部110也可以根据加速度传感器、电容传感器、负荷传感器的输出值取得振动数据。这样，检测部110只要能使用任何方法取得生物体信号(表示用户的身体运动的身体振动)即可。

第一计算部120根据振动数据取得用户的生物体信号，计算生物体信息值(呼吸频率/心率/活动量等)。在本实施方式中，根据由检测部110取得的振动(身体振动)数据提取呼吸成分/心跳成分。第一计算部120也可以根据提取到的呼吸成分/心跳成分，基于呼吸间隔、心跳间隔求呼吸频率、心率。另外，第一计算部120也可以分析(傅立叶变换等)振动数据的周期性，根据峰值频率计算呼吸频率、心率。

计算这些用户的生物体信息值的方法可以引用例如日本特开2010-264193号公报(发明名称：睡眠状态判定装置、程序及睡眠状态判定系统，申请日：2009年5月18日)、日本特开2015-12948号公报(发明名称：睡眠评价装置、睡眠评价方法及睡眠评价程序，申请日：2013年7月4日)所记载的判定方法。该专利申请通过引用而将其整体编入。

第二计算部130将从检测部110输入的模拟振动数据以规定的采样间隔转换为数字电压信号，计算表示身体振动的波形(振动波形)的波形数据。

第三计算部135根据波形数据计算频率分布。例如，第三计算部135根据将由第二计算部130计算出的波形数据通过快速傅立叶变换(FFT：Fast Fourier Transform)而求出的频率成分计算频率分布。需要说明的是，第三计算部135也可以基于从检测部110输出的振动数据直接计算频率分布。

判定部140判定用户的状态。例如，判定部140使用由检测部110取得的振动数据、第一计算部120计算的生物体信息值、从单独设置在床10上的负荷传感器取得的值、第二计算部130计算的波形数据、第三计算部135计算的频率分布等中的至少一个来判定用户的状态。判定部140也可以将多个数据、值等组合来判定用户的状态。

在本实施方式中，判定部140判定床上的用户的姿势(用户是仰卧、俯卧、侧卧中的哪一个)作为用户的状态。另外，判定部140也可以判定坐姿等用户的姿势、用户的姿势以外的状态(例如，离床、在床等)。

存储部150存储系统1工作所用的各种数据及程序。控制部100通过读出这些程序并执行程序，实现各种功能。在此，存储部150由半导体存储器(例如，SSD(Solid StateDrive：固态硬盘)、SD卡(注册商标))、磁盘装置(例如，HDD(Hard Disk Drive：硬盘驱动器))等构成。另外，存储部150可以是内置的存储装置，也可以是可拆卸的外部存储装置。另外，存储部150也可以是诸如云等外部服务器的存储区域。

存储部150包含振动数据存储区域152和波形数据存储区域154。振动数据存储区域152、波形数据存储区域154分别分配到存储部150的内部的各区域。

振动数据存储区域152存储从检测部110输出的振动数据。在此，振动数据每隔规定时间存储一次。例如，振动数据以每隔1秒或5秒这样相对短的间隔、以每隔30秒、1分钟、5分钟这样相对长的间隔进行存储。

波形数据存储区域154基于从检测部110输出的振动数据或者存储于振动数据存储区域152的振动数据，存储第二计算部130计算出的振动的波形数据(波形)。需要说明的是，在本实施方式中，对设定为波形数据被存储于波形数据存储区域154的情况进行说明，但第二计算部130也可以每次根据需要进行计算。另外，波形数据可以暂时存储于波形数据存储区域154，或者也可以累积存储。

输入部160从用户接受操作。例如，输入部160从用户接受表示开始进行用户的振动的取得的操作的输入、表示检测部110的灵敏度的调节的操作的输入、各种操作的输入。输入部160例如是键盘、鼠标、触摸屏等。

输出部170输出各种信息。例如是液晶显示器的显示装置、LED等发光部件、输出声音、语音的扬声器、向其它的记录介质输出数据的接口等。另外，也可以将输入部160和输出部170一体构成。例如也可以是一个触摸屏兼做输入部160和输出部170。

在此，上述的构成中，第一计算部120、第二计算部130、第三计算部135以及判定部140主要通过软件(程序)实现。例如，控制部100读出存储于存储部150的软件，控制部100执行软件。其结果是，控制部100实现各构成的功能。

即，控制部100通过读取实现第一计算部120、第二计算部130、第三计算部135、判定部140的程序并执行程序，控制部100具有各构成的功能。

另外，图2是说明系统1的姿势判定装置的构成的图。这些构成例如也可以由能够检测振动的一个装置实现，如图1所示，姿势判定装置也可以分为检测装置3、处理装置5来构成。另外，也可以使用能够提供相同的服务的外部服务器代替处理装置5实现姿势判定装置。

关于图2的系统1由图1的检测装置3及处理装置5构成的情况，参照图3对系统1的姿势判定装置进行说明。检测装置3包含控制部300、作为传感器的检测部320、存储部330以及通信部390。

另外，控制部300执行存储于存储部330的软件(程序)，由此，控制部300作为第一计算部310发挥功能。检测部320基于检测到的振动输出振动数据。

第一计算部310基于该振动数据计算生物体信息值。然后，检测装置3将该生物体信息值存储到生物体信息值数据340，或者经由通信部390发送到处理装置5。另外，同时，检测装置3也将由检测部320检测到的振动数据经由通信部390发送到处理装置5。

将振动数据从检测装置3发送到处理装置5的定时、将生物体信息值(生物体信息)存储到生物体信息值数据340中的定时可以是实时发送，也可以是按规定时间发送。

需要说明的是，检测部320是图2的检测部110。在此，使用图4对检测部320进行说明。

图4是从上方观察床10(床垫20)的图。图4中，朝向上侧的方向是图1的方向H的方向，朝向下侧的方向是图1的方向F的方向。另外，朝向图4的右侧的方向是图1的方向L，朝向图4的左侧的方向是图1的方向R。

检测装置3载置于床10和床垫20之间或床垫20上。作为载置检测装置3的部位，优选的是用户的脊背附近，因此为至少比床10(床垫20)的中央靠近H侧(用户的头侧)的方向。

另外，检测装置3内置传感器(检测部110/320)。该传感器例如是振动传感器，可以检测用户的振动(身体振动)。而且，在检测装置3中至少设置有两个传感器。例如在图4中，在检测装置3的左右设置有两个传感器(振动传感器320a、振动传感器320b)。

该振动传感器320a远离振动传感器320b而设置。设置振动传感器320a和振动传感器320b的间隔例如为用户位于传感器上的间隔即可，优选的是两个传感器的间隔为15～60cm左右。

另外，图3的第一计算部310是图2的第一计算部120。另外，通信部390例如是能够与网络(例如，LAN/WAN)连接(通信)的接口。

处理装置5包含控制部500、存储部530、输入部540、输出部550以及通信部590。处理装置5经由通信部590从检测装置3接收振动数据。处理装置5将接收到的振动数据存储到振动数据存储区域532。

控制部500执行存储于存储部530的软件(程序)，由此，控制部500作为第二计算部502、第三计算部504以及判定部506发挥功能。另外，第二计算部502计算出的波形数据存储到波形数据存储区域534。

需要说明的是，第二计算部502是图2的第二计算部130。第三计算部504是图2的第三计算部135。判定部506是图2的判定部140。输入部540是图2的输入部160。输出部550是图2的输出部170。存储部530是图2的存储部150。

[1.3处理流程]

参照图5对本实施方式中的姿势判定处理进行说明。姿势判定处理是控制部100(判定部140)执行的处理。

首先，控制部100(判定部140)取得振动数据(步骤S102)。具体地说，判定部140从振动数据存储区域152读出振动数据而取得振动数据，或者自检测部110接收而取得振动数据。

接着，判定部140基于振动数据判定用户的姿势。此时，判定部140基于传感器之间的相关性、传感器内的相关性判定用户的姿势。在此，传感器之间的相关性是指多个传感器输出的多个数据的相关关系。另外，传感器内的相关性是指从一个传感器输出的多个数据的相关关系。

首先，第二计算部130根据振动数据计算波形，将其作为波形数据输出(步骤S104)。第二计算部130将波形数据输出到每个振动传感器。例如，在图4中，有两个振动传感器(振动传感器320a和振动传感器320b)。因此，第二计算部130也将波形数据输出到每个振动传感器。第二计算部130输出两个波形数据。

另外，第二计算部130也可以将波形数据存储到波形数据存储区域154，也可以输出到输出部170。在输出部170是显示装置的情况下，输出部170显示波形数据。

接着，判定部140根据各波形数据判断传感器之间是否存在相关性(步骤S106)。例如，判定部140判定输出到两个传感器(例如，图4的振动传感器320a、振动传感器320b)的每一个的波形数据中是否存在相似性，作为传感器间的相关性。

判定部140针对两个波形数据，通过利用互相关函数求得传感器之间的相关性。判定部140可以通过利用互相关函数，输出基于两个波形数据的相似度而标准化为“0”～“1”的值。利用该互相关函数输出的值根据两个波形数据的相似度而变化。例如，在互相关函数的值为“1”的情况下，两个波形数据完全一致，相似度为最大。另外，在互相关函数的值为“0”的情况下，两个波形完全不一致，相似度最小。

而且，判定部140判定在两个波形数据中是否存在相关性的情况下，判定部140判定互相关函数的输出值是否超过了阈值。例如，在将阈值设为“0.7”的情况下，如果互相关函数的输出值为“0.7”以下，则判定部140判定为两个波形数据没有相关性。如果互相关函数的输出值超过“0.7”，则判定部140判定为两个波形数据存在相关性。即，在两个波形数据中存在相关性的情况下，判定部140判定为传感器之间存在相关性。

接下来，在传感器之间存在相关性的情况下(步骤S106；是(Yes))，判定部140判定为用户的姿势是“仰卧或者俯卧”(步骤S116～S120)。需要说明的是，通常，由于用户在睡眠中处于俯卧的时间非常短，因此判定部140也可以仅将用户的姿势判定为“仰卧或俯卧”。但是，也有报告称俯卧窒息风险高，与婴儿猝死综合症有关。另外，目的是在俯卧时禁止电动床的自动运转等。因此，为了区别仰卧和俯卧，判定部140也可以判定用户的姿势是否是“仰卧”、用户的姿势是否是“俯卧”。

判定部140判定传感器内是否存在相关性(步骤S106；是(Yes)→步骤S116)。在此，判定部140判定传感器内是否存在相关性。例如，判定部140评价波形数据中的周期性强度，判定传感器内是否存在相关性。作为一个例子，判定部140针对一个传感器的波形数据，通过使用自相关函数来判定是否存在相关性。自相关函数输出基于相同的传感器内的波形的周期性强度输出而标准化为“0”～“1”的值。例如，在自相关函数的值为“1”的情况下，波形数据完全周期性地输出，判定部140判定为传感器内存在完全相关性。另外，在自相关函数的值为“0”的情况下，判定部140判定为传感器内不存在相关性。

另外，判定部140也可以使用傅立叶变换或卡方周期图等计算周期性强度，作为标准化为“0”～“1”的值，基于该值判定传感器内的相关性。

而且，判定部140在判定在一个波形数据中是否存在相关性的情况下，也可以判定自相关函数的输出值是否超过阈值。例如，在将阈值设为“0.7”的情况下，如果自相关函数的输出值为“0.7”以下，则判定部140判定为计算出的波形数据(检测出的一个振动数据)没有相关性。如果自相关函数的输出值超过“0.7”，则判定部140判定为该波形数据存在相关性。

判定部140在判定为传感器内存在相关性的情况下，判定部140将用户的姿势判定为“仰卧”(步骤S116；是(Yes)→步骤S118)。另一方面，在判定部140判定为传感器内没有相关性的情况下，判定部140将用户的姿势判定为“俯卧”(步骤S116；否(No)→步骤S120)。

另外，判定部140在步骤S106中判定为传感器之间没有相关性的情况下(步骤S106；否(No))，判定部140将用户的姿势判定为“侧卧”(步骤S110)。需要说明的是，判定部140可以仅将用户的姿势判定为“侧卧”，但为了区别“右侧卧”和“左侧卧”，判定部140也可以进一步判定用户的姿势是否是“右侧卧”、用户的姿势是否是“左侧卧”(步骤S114)。工作人员等为了确认用户有没有体位转换，或者在用户的一部分存在麻木的情况下等，工作人员等必须注意用户是不是使麻木的一侧向下而以侧卧睡觉，所以判定部140也可以判定用户的姿势是否为“右侧卧”、用户的姿势是否为“左侧卧”。

在这种情况下，用户为左侧卧情况下的心跳信号变得大于用户为右侧卧情况下的心跳信号。因此，在心跳信号的大小被设为规定阈值以上的情况下(提取高频信号的情况)，判定部140判定为用户的姿势是“左侧卧”。

作为判定部140判定心跳信号的大小的方法，存在各种方法。例如，判定部140可以使用相当于心跳信号的频率成分相对于相当于呼吸信号的频率成分的比率、实施了高通滤波器处理的数据的信号强度等，来判定心跳信号的大小。

这样，本实施方式的姿势判定装置可以根据振动数据判定用户的姿势(睡觉姿势)。

另外，为了便于描述，本实施方式的判定部140基于第二计算部130计算出的波形数据，判定传感器之间的相关性的有无、传感器内的相关性的有无。不限于此，判定部140例如也可以简单地基于振动数据判定传感器之间的相关性、传感器内的相关性。在这种情况下，判定部140也可以不执行步骤S104的处理。

另外，判定部140根据用户的振动数据计算波形数据而判定用户的姿势，但不限于此，例如判定部140也可以评价频率分布的形状而判定姿势。在这种情况下，判定部140综合评价由两个以上的传感器取得的振动的频率分布的形状的精度会更高，但取得振动的传感器也可以是一个。

例如，参照图6，对判定部140利用频率分析且判定部140判定用户的姿势的处理进行说明。和图5一样，判定部140从检测部110取得振动数据(步骤S152)，第二计算部130计算(输出)波形数据(步骤S154)。

接下来，第三计算部135计算由第二计算部130输出的波形数据的频率分布(步骤S156)。例如，未计算频率分布中高频成分的情况下，判定部140指定用户的姿势为“侧卧”。

由于心脏的位置和传感器的位置的关系根据用户的姿势的不同而不同，所以处于其间的身体的组织(肌肉、脂肪、骨头、内脏等)也不同。因此，由于从用户到传感器的振动的传递方式也发生改变，所以系统1测量的频率成分中出现差异。

确定心脏的运动、由于呼吸引起的胸部和腹部运动的方向。例如，关于由于呼吸引起的胸部和腹部的运动，当用户仰卧时，与传感器(检测部110)垂直的方向的运动增大。另外，当用户侧卧时，与传感器(检测部110)平行的方向的运动增大。这样，按用户的每种姿势频率分布不同。因此，按每种姿势存储有频率分布，判定部140可以通过对实际提取的频率分布和按每种姿势存储的频率分布进行比较来判定姿势。

例如，当用户为侧卧时，难以检测出比心跳成分频率高的成分(除了相当于心跳成分的频率的整数倍之外)。因此，在高频成分比心跳成分少的情况下，判定部140可以将用户的姿势判定为“侧卧”。

需要说明的是，在上述说明中，第三计算部135根据波形数据计算频率分布，但也可以直接根据振动数据计算频率分布。在这种情况下，不执行步骤S154。

[1.4姿势判定的条件]

在此，上述姿势判定处理也可以是判定部140在用户在床时执行。另外，姿势判定处理也可以由判定部140在用户、床的状态达到规定的条件时执行。以下，姿势判定处理利用用户的身体运动作为判定部140执行姿势判定处理的条件。在此，用户的身体运动指的是用户进行翻身等用户的姿势有变动的情况。

(1)判定部140按每个区间判定用户的姿势。

判定部140将判定用户的姿势的时间分成多个区间。例如，在不包含身体运动的区间中，判定部140判定为用户的姿势以相同姿势持续。而且，判定部140将用户输出为相同姿势。

在这种情况下，判定部140也可以将不包含用户的身体运动的区间统一进行解析(应用姿势判定处理的结果)。另外，判定部140也可以在某固定区间(例如，每3分钟等)汇总姿势判定处理的结果。在该固定区间当中存在不包含身体运动的区间的情况下，判定部140输出在不包含身体运动的区间中最多姿势的判定结果，作为该区间的姿势判定处理的结果。

(2)判定部140仅在不产生身体运动的区间判定用户的姿势

判定部140仅在不产生用户的身体运动的区间判定用户的姿势。例如，在由检测部110检测到用户的身体运动的情况下，判定部140中止姿势判定处理的执行。另外，由检测部110检测用户的身体运动，从检测不到身体运动开始经过规定时间后(例如，从检测不到身体运动开始10秒后)，判定部140再次执行姿势判定处理。

[1.5基于波形的说明]

在此，基于波形对判定部140判定用户的姿势的方法进行说明。图7～图10所示的各波形是基于由两个振动传感器检测到的振动的波形。在图7～图10的波形中，横轴表示时间，纵轴表示电压值，分别表示基于由检测部110检测到的振动的波形。需要说明的是，为了便于描述，基于波形对判定部140判定用户的姿势的方法进行说明。作为判定部140判定姿势的方法，例如也可以从时间序列的振动数据检测趋势来判定用户的姿势。

图7所示的两个波形与传感器内的波形不存在相关性，并非同一形状重复表现。即，该波形是表示用户为俯卧的姿势的波形(图5的步骤S120)。

图8所示的两个波形与传感器之间的波形存在相关性，与传感器内的波形也存在相关性。即，该波形是表示用户为仰卧的姿势的波形(图5的步骤S118)。

图9及图10所示的两个波形是在传感器之间不存在相关性的波形。即，该波形是表示用户为侧卧的姿势的波形(图5的步骤S110)。比较图9和图10，左侧卧的波形即图10所示的波形明显看到由心跳产生的高频信号。

图11是根据波形求频率分布的图表。图11是表示在图6的步骤S156中求频率分布的图表，图11的(a)是表示仰卧的图表的图，图11的(b)是表示侧卧的图表的图。这样，通过根据波形(振动数据)进一步求频率分布，判定部140可以判定用户的姿势。

[2.第二实施方式]

对第二实施方式进行说明。第二实施方式是基于多个姿势判定条件，判定用户的姿势的实施方式。

需要说明的是，是将第一实施方式的图5的动作流程替换成图12的动作流程的实施方式。在本实施方式中，省略对与第一实施方式的构成等相同的部分的说明。

首先，判定部140取得振动数据(步骤S202)。然后，第二计算部130计算波形(步骤S204)。接着，判定部140按每个条件计算指标(值)(步骤S206～步骤S214)。判定部140根据计算出的指标值计算合计值(步骤S216)。

判定部140计算对应于“仰卧”“俯卧”“(左右)侧卧”的合计值作为合计值。然后，判定部140将成为最大合计值的姿势确定为用户的姿势。

在此，在步骤S206～步骤S214中，判定部140按每个条件计算指标值。参照图13对该指标值的计算方法进行说明。

(1)第一指标计算(步骤S206)

判定部140计算根据基于传感器内的波形的相关性计算的第一指标的值。首先，判定部140利用在第一实施方式中说明过的方法，基于传感器内的波形计算自相关函数的值。

然后，判定部140对所述自相关函数的输出值进行加权，计算第一指标的值。在此，对判定部140执行的加权的方法进行说明。

图13的表是按用户的每个姿势表示传感器的波形特性的表。例如，基于传感器内的波形的相关性在用户的姿势为“仰卧”时“有”，在用户的姿势为“侧卧”时“有”，在用户的姿势为“俯卧”时“无”。

在此，判定部140执行自相关函数，输出“0～1”之间的值。在此，在图13中，当基于传感器内的波形的相关性为“有”(“仰卧”、“侧卧”)时，判定部140将输出值直接作为第一指标的值。另外，在图13中，当基于传感器内的波形的相关性为“无”时，判定部140将从最大值减去自相关函数的输出值所得的值作为第一指标的值。

对具体例进行说明，在判定部140将自相关函数的输出值判定为“0.8”的情况下，第一指标的值在“仰卧”时为0.8，在“俯卧”时为0.2，在“侧卧”时为0.8。

(2)第二指标计算(步骤S208)

判定部140计算由基于传感器之间的波形的相关性计算的第二指标的值。首先，判定部140用上述方法计算利用了两个波形数据的互相关函数的输出值。

然后，判定部140对所述输出值进行加权，计算第二指标的值。在此，对判定部140执行的加权的方法进行说明。

例如，参照图13，基于传感器之间的波形的相关性例如在用户的姿势为“仰卧”时“有”，在用户的姿势为“俯卧”时“有”或“无”，在用户的姿势为“侧卧”时“无”。

判定部140执行互相关函数，输出“0～1”之间的值。在此，在图13中，当基于传感器之间的波形的相关性为“有”(“仰卧”)时，判定部140将输出值直接作为第二指标的值。另外，在图13中，当基于传感器之间的波形的相关性为“无”(“侧卧”)时，判定部140将从最大值减去输出值所得的值作为第二指标的值。另外，在图13中，当基于传感器之间的波形的相关性为“有”或“无”(“俯卧”)时，判定部140将输出值减半所得的值作为第二指标的值。

对具体例进行说明，在判定部140将互相关函数的输出值判定为“0.9”的情况下，第二指标的值在“仰卧”时为0.9，在“俯卧”时为0.45，在“侧卧”时为0.1。

(3)第三指标计算(步骤S210)

判定部140基于从第二计算部130输出的波形计算第三指标的值。例如，判定部140由第三计算部135判定呼吸成分的频率以上的高频成分中的心跳成分的频率和其整数倍的频率的功率谱密度所占的比率是否在固定值以上。在所述比率在固定值以上的情况下，判定部140判定为在从第二计算部130输出的波形中强烈地载有心跳的波形(包含大量心跳成分的波形)。

然后，判定部140在从第二计算部130输出的波形中载有心跳的波形的情况下，输出“1”，在从第二计算部130输出的波形中未载有心跳的波形的情况下(不包含大量心跳成分的波形)，输出“0”。而且，判定部140输出对所输出的值进行加权后所得的值作为第三指标的值。对判定部140执行的加权的方法进行说明。

例如，参照图13的表进行说明。当用户的姿势为“仰卧”时，在第二计算部130输出的波形中心跳的波形的载频变小(第二计算部130输出的波形包含相对少的心跳成分)。另外，当用户的姿势为“俯卧”时，在第二计算部130输出的波形中心跳的波形的载频变小。另外，当用户的姿势为“侧卧”时，在第二计算部130输出的波形中心跳的波形的载频变大(第二计算部130输出的波形包含相对多的心跳成分)。

另外，关于用户的姿势为“侧卧”，特别是当用户的姿势为“左侧卧”时，在第二计算部130输出的波形中，心跳的波形的载频变大。

另外，当用户的姿势为“右侧卧”时，当与用户的姿势为“仰卧”、“俯卧”时相比时，第二计算部130输出的波形中，心跳的波形的载频变大。但是，当用户的姿势为“右侧卧”时，当与“左侧卧”的用户的姿势相比时，在第二计算部130输出的波形中，心跳波形的载频变小。

因此，在用户的姿势为“侧卧”的情况下，判定部140直接将输出值输出，作为第三指标的值。另外，在用户的姿势为“仰卧”、“俯卧”的情况下，判定部140输出较小的第三指标的值(例如，乘以“0.1”，或者为“0”等)。

(4)第四指标计算(步骤S212)

判定部140计算心跳的波形中的有关峰、谷的形状的第四指标。波形中的从谷变为峰的部分例如是图14的时间t1→t2的部分。另外，从峰变为谷的部分例如是图14的时间t2→t3的部分。这些波形变化的部分表示振动的过渡(压力的过渡)，通常与用户的呼气/吸气对应。

判定部140按每一个周期的呼吸(从谷到谷或者从峰到峰)评价从谷变为峰的第一时间和从峰山变为谷的第二时间在两个传感器间(振动传感器320a、振动传感器320b)一致程度如何。例如，如果振动传感器320a的1周期中的第一时间的比率和振动传感器320b的1周期中的第一时间的比率在希望的范围，则判定部140评价为振动传感器320a、320b一致(也称为相同对)。

判定部140基于在姿势判定区间内包含的各周期中在两个传感器(振动传感器320a、振动传感器320b)中成为相同对的比率计算第四指标的值。在姿势判定区间内包含的周期中，成为相同对的周期超过希望的阈值的情况下，判定部140评价为在两个传感器之间(振动传感器320a、振动传感器320b)一致。

参照图13，在用户的姿势为“仰卧”的情况下，两个传感器之间的波形的变化相同。另外，在用户的姿势为“俯卧”的情况下，两个传感器之间的波形的变化相同。因此，判定部140直接输出在姿势判定区间内，两个传感器的时间的对应关系成为相同对的比率，作为第四指标的值。另外，在用户的姿势为“侧卧”的情况下，有时两个传感器之间的波形的变化既有相同的情况，也有相反的情况。于是，判定部140输出将在姿势判定区间内包含的相同对的比率乘以“0.5”所得的值，作为第四指标的值。

(5)第五指标计算(步骤S214)

判定部140计算波形中的从谷到峰的第一时间和从峰到谷的第二时间的比较结果，作为第五指标。

此时，判定部140根据波形，按姿势判定区间内包含的每一个周期的呼吸(从谷到谷或者从峰到峰)，比较从谷到峰的第一时间和从峰到谷的第二时间的长度，判定第一时间的长度“短”且第二时间的长度“长”的部分(“短→长”)。然后，判定部140基于在姿势判定区间内，在两个传感器(振动传感器320a、振动传感器320b)中时间的长度均成为“短→长”的关系的一对的比率，计算第五指标的值。

例如，判定部140对姿势判定区间内包含的“第一时间比第二时间短的呼吸”进行计数，将一致的比率作为第五指标的值输出。

参照图13，在用户的姿势为“仰卧”的情况下，在波形中可看到大量成为“短→长”的关系的部分。因此，判定部140输出从在姿势判定区间内两个传感器成为一对的比率减去“0.5”所得的值作为第五指标的值。另外，在用户的姿势为“俯卧”和用户的姿势为“侧卧”时，判定部140很难在波形中显现特征。因此，判定部140不输出第五指标的值。即，判定部140输出“0”作为第五指标的值。

这样，判定部140能够利用各指标值判定用户的姿势，能够更恰当地判定用户的姿势。

需要说明的是，在本实施方式中，判定部140也利用第二计算部130基于振动数据所计算的波形来判定姿势。但是，判定部140也可以简单地基于振动数据判定用户的姿势。即，在图12的处理中，判定部140也可以不执行步骤S204，而将处理从步骤S202过渡到步骤S206。

例如，判定部140可以通过对振动数据进行频率分析而输出第三指标。另外，判定部140在输出第五指标时，只要可提取振动数据的最大值(附近)、最小值(附近)，就可以与波形同样地判定波形的峰和谷。

[3.第三实施方式]

接着，对第三实施方式进行说明。本实施方式对判定部140使用人工智能(机器学习)判定用户的姿势的情况进行说明。

本实施方式基于图15的推测部700推测作为用户的状态之一的用户的姿势，来代替图5的处理。

在此，对本实施方式中的推测部700的动作进行说明。推测部700通过将振动数据、用户的状态作为输入值(输入数据)，并利用人工智能、各种统计指标来推测用户的姿势。

如图15所示，推测部700包含提取部710、识别部720、识别词典730(学习模型)以及输出部740。

首先，推测部700被输入各种参数并利用。例如，本实施方式中，将振动数据和根据振动数据计算出的波形数据输入到推测部700。

而且，提取部710提取所输入的数据的各特征点，作为特征向量输出。在此，提取部710作为特征点提取的内容例如可以考虑以下内容。

(1)传感器内是否存在相关性

(2)传感器之间是否存在相关性

(3)波形数据中是否载有心跳波形

(4)呼吸波形的从谷到峰的时间相对于从峰到谷的时间是短还是长

(5)双峰波形的出现率是多还是少

(6)在波形数据中，从中央线到上和下的面积的差是否存在

(7)在传感器间的心跳波形是否存在差异/载频是否存在差别

提取部710通过组合一个或多个这些内容的特征点而输出特征向量。需要说明的是，上述作为特征点说明的内容是一个例子，也可以组合作为特征点提取的其他内容。另外，为了便于说明，提取部710作为特征点输出的值是方便的值。而且，提取部710将相应的特征点的值输出为“1”，将非相应的特征点的值输出为“0”。需要说明的是，提取部710也可以输出随机变量作为特征点的值。

而且，在包括上述的所有特征点的情况下，特征空间是七维，提取部710将七维的特征向量输出到识别部720。

识别部720根据所输入的特征向量识别与用户的状态对应的类。此时，识别部720通过与作为识别词典730事先准备的多个原型进行对照来识别类。原型可以存储为对应于各类的特征向量，也可以储存代表类的特征向量。

在识别词典730中存储有代表类的特征向量的情况下，识别部720确定最接近的原型所属的类。此时，识别部720可以根据最近邻确定法则来确定类，也可以根据k近邻法识别并确定类。

需要说明的是，识别部720利用的识别词典730可以预先存储原型，也可以利用机器学习重新存储或者随时更新。

而且，与由识别部720识别的类相对应，输出部740输出(睡觉)姿势作为用户的状态之一。输出部740输出的用户的状态可以识别并输出“仰卧”、“俯卧”、“侧卧”等，也可以直接输出随机变量。

由此，根据本实施方式，判定部140能够取得从传感器输出的振动数据，并根据这些信息，利用机器学习推测用户的姿势。

[4.第四实施方式]

对第四实施方式进行说明。第四实施方式是第三实施方式的推测部700使用利用了神经网络的深度学习来推测用户的姿势的实施方式。

在本实施方式中，将用户的波形数据输入到推测部700。推测部700根据所输入的波形数据推测用户状态(姿势)。推测部700利用深度学习作为进行推测的处理。需要说明的是，利用深度学习(深度神经网络)的处理特别是在图像识别中可以以高精度进行推测。图16是说明推测部700利用深度学习进行推测的处理的图。

首先，推测部700将由第二计算部130输出的波形数据(图像数据)的信号输入到由多个层和各层中所包含的神经元构成的神经网络。各神经元从其他多个神经元接收信号，将实施了运算的信号输出到其他多个神经元。在神经网络是多层构成的情况下，按信号流动的顺序称为输入层、中间层(隐藏层)、输出层。

神经网络的中间层由多层构成的网络称为深度神经网络(例如，具有卷积运算的Convolutional Neural Network(卷积神经网络))，将使用该网络的机器学习方法称为深度学习。

波形数据对神经网络的各层的神经元实施各种运算(卷积运算、池化运算、归一化运算、矩阵运算等)，在改变形状的同时流动，并从输出层输出多个信号。

来自神经网络的多个输出值分别与用户的姿势关联。推测部700将用户的姿势推测为与值最大的输出值关联的用户的姿势。另外，推测部700也可以使一个或多个输出值通过分类器，根据分类器的输出来推测用户的姿势，而不直接输出作为用户的状态的姿势。

事先向神经网络输入大量波形数据和该波形数据中的对应的用户的姿势，作为用于神经网络的各种运算的系数即参数。另外，将神经网络的输出值与正确值的误差通过误差反向传播法在神经网络向相反方向传输。由此，各层的神经元的参数多次被更新并确定。将这样更新、确定参数的工序称为学习。

关于神经网络的构造、各个运算，是书籍或论文中解说的公知技术，利用这些技术中的任何一种技术即可。

这样，通过利用推测部700，参照根据从传感器输出的振动数据计算出的振动波数据(波形数据)，由此输出用户的姿势。

需要说明的是，在本实施方式中，对推测部700利用神经网络作为波形的图像数据进行推测的例子进行了说明。除此之外，推测部700也可以仅输入振动数据(时间序列的电压输出值)，并通过学习来推测用户的姿势。另外，也可以是，推测部700输入在傅立叶变换、离散余弦变换中变换成频域的信号的数据，并通过学习来推测用户的姿势。

[5.应用例]

关于上述姿势判定装置，通过将其编入其它装置中，可以考虑如下的应用例。

[5.1床]

在图17中示出床的构成。床10具有背部底板12、腰部底板14、膝关节底板16、脚底板18。用户P由背部底板12支承上半身，由腰部底板14支承腰部。

驱动控制部1000控制床的驱动。在此，驱动控制部1000包含用于通过使底板动作而控制背部抬高、膝关节抬高(脚降低)功能等的底板控制部1100的功能。

为了实现背部抬高功能，底板控制部1100与背部底板驱动部1110和膝关节底板驱动部1120连接。背部底板驱动部1110例如是致动器，经由连杆机构与背部抬高用连杆连结。而且，背部底板驱动部1110控制由连杆载置的背部底板12的动作。背部底板驱动部1110进行背部抬高/背部降低控制。

另外，膝关节底板驱动部1120例如是致动器。膝关节底板驱动部1120经由连杆机构与膝关节抬高用连杆连结。而且，膝关节底板驱动部1120控制与载置于连杆上的膝关节底板16进一步连结的脚底板18的动作。膝关节底板驱动部1120进行膝关节抬高/膝关节下降(脚下降/脚抬高)控制。

而且，在床进行背部抬高动作的情况下，底板控制部1100在判定部140(或推测部700)将用户的姿势判定为“俯卧”时，不进行背部抬高动作。即，即使用户选择了背部抬高动作，底板控制部1100也不驱动背部底板驱动部1110，不进行背部抬高动作。另外，即使在床自动运转的情况下，当判定部140(或推测部700)将用户的姿势判定为“俯卧”时，底板控制部1100也不进行背部抬高动作。

参照图18对这种情况下的动作进行说明。首先，控制部100判定是否由用户选择了动作(步骤S302)。例如，由用户通过输入部160(操作遥控器)选择背部抬高按钮。由此，控制部100判定为选择了背部抬高动作。

接着，控制部100(判定部140)执行姿势判定处理(步骤S304)。姿势判定处理是由判定部140执行上述的任何姿势判定处理，判定床上的用户的姿势。另外，姿势判定处理也可以由推测部700判定用户的姿势。

在此，控制部100判定用户的姿势是否成为特定的姿势(步骤S306)。在本应用例中，如果用户的姿势是“俯卧”，则控制部100不执行背部抬高动作(步骤S306；是(Yes))。如果是除此之外的姿势，则控制部100通过向底板控制部1100(背部底板驱动部1110)发出指示来执行背部抬高动作(步骤S306；否(No)→步骤S308)。

而且，当由用户解除背部抬高动作(例如，由用户进行中止操作，或者释放背部抬高按钮等)时，控制部100停止背部抬高动作(步骤S310；是(Yes)→步骤S312)。

另外，在背部抬高动作中，即使用户的姿势处于特定姿势的情况下(例如，在背部抬高动作中处于俯卧的情况)，控制部100也停止背部抬高动作(步骤S306；是(Yes)→步骤S312)。

[5.2体位转换装置]

在转换用户的体位的体位转换装置中，应用姿势判定装置。例如，控制部100为了掌握褥疮风险，自动存储体位转换(姿势转换)的频率、每个姿势的比率。即，控制部100可以通过自动存储由判定部140判定的用户的姿势应用于护理和治疗中。

另外，当判定部140所判定的用户的姿势在同一状态下经过了规定时间时，体位转换装置进行通知，或者自动进行体位转换。例如，如图17所示，控制部100、驱动控制部1000控制体位转换驱动部1200。体位转换驱动部1200例如通过使设置于用户的左右的气囊膨胀和收缩，或者使左右的底板起伏而转换用户的体位。

驱动控制部1000根据判定部140所判定的姿势，控制体位转换驱动部1200，进行改变用户P的体位的控制。

例如，以图18的处理为例进行说明。当由用户选择了体位转换的动作(步骤S302；是(Yes))，判定部140通过所述的任何方法判定用户的姿势(步骤S304)。

在此，体位转换驱动部1200根据判定部140所判定的姿势执行处理。例如，如果用户是右侧卧的姿势，则体位转换驱动部1200控制设置在右侧的气囊。用户进行体位转换。另外，如果用户是左侧卧的姿势，则体位转换驱动部1200控制设置在左侧的气囊。用户进行体位转换。另外，如果用户是俯卧，则体位转换驱动部1200不控制左右任何气囊。用户不进行体位转换。

另外，判定部140判定为用户的姿势以相同的姿势持续规定时间的情况下，也可以通过体位转换驱动部1200进行体位转换。例如，在判定部140所判定的用户的姿势以相同姿势持续了10分钟以上的情况下，体位转换驱动部1200进行体位转换。

另外，判定部140也可以判定存在振动波数据(波形数据)的变化的情况，用户通过体位转换驱动部1200进行体位转换。即，在存在振动波数据(波形数据)的变化的情况下，判定部140判定为用户的姿势有变化。在用户的姿势有变化的情况下进行体位转换。由此，在用户的不是麻木侧的部位的褥疮预防中，能够有效地利用该体位转换。

[5.3通知装置]

通知装置根据由判定部140判定的用户的姿势进行通知。作为通知装置通知的方法，也可以是由语音输出装置通过语音进行的通知、通过显示装置的显示(光)进行的通知。另外，通知装置也可以向其他终端装置(例如医务人员具有的移动终端装置)通知。

可考虑以下的定时作为通知装置通知的定时。例如，在用户有麻木的情况下，若使麻木侧向下，褥疮风险增加。因此，当判定部140判定的姿势为麻木侧向下的侧卧时，由通知装置进行通知。

另外，由于婴幼儿趴着睡觉，窒息死亡的风险增加。因此，在判定部140所判定的用户(婴幼儿)的姿势是俯卧的情况下，为了防止窒息死亡，由通知装置进行通知。

[6.变形例]

以上，参照附图详细叙述了该发明的实施方式，但具体的构成并不限定于该实施方式，不脱离该发明的要旨的范围的设计等也包含在权利要求的范围内。

另外，在本实施方式中，基于由检测装置3输出的结果，在处理装置5中判定用户的姿势，但也可以全部由一个装置判定。另外，不仅在终端装置(例如智能手机、平板电脑、计算机)上安装并实现应用程序，例如也可以在服务器侧进行处理，将处理结果返回到终端装置。

例如，也可以通过从检测装置3将振动数据上传至服务器而在服务器侧实现所述的处理。该检测装置3例如也可以由内置有加速度传感器、振动传感器的智能手机这样的装置来实现。

另外，在所述实施方式中，对将振动传感器设为两个进行了说明，但也可以设置两个以上。另外，在第一实施方式的计算频率分布来判定姿势的方法中，即使传感器是一个也能够实现。

另外，在实施方式中，在各装置中运行的程序是控制CPU等以实现上述的实施方式的功能的程序(使计算机发挥功能的程序)。而且，由这些装置处理的信息在该处理时暂时存储在暂时存储装置(例如，RAM)中，之后，被存储在各种ROM或HDD、SSD的存储装置中，根据需要由CPU读出，进行修正/写入。

另外，在市场流通的情况下，能够将程序存储到手提记录介质中使之流通，或者传送至经由因特网等网络连接的服务器计算机。当然，在这种情况下，服务器计算机的存储装置也包含在本发明中。

符号说明

1 系统

3 检测装置

5 处理装置

10 床

12 背部底板

14 腰部底板

16 膝关节底板

18 脚底板

20 床垫

100 控制部

110 检测部

120 第一计算部

130 第二计算部

135 第三计算部

140 判定部

150 存储部

152 振动数据存储区域

154 波形数据存储区域

160 输入部

170 输出部

700 推测部

710 特征提取部

720 识别部

730 识别词典

740 输出部

Claims (7)

1.一种姿势判定装置，其特征在于，具备：

至少两个振动传感器，能够检测用户卧床时的振动；以及

控制部，根据多个所述振动计算多个波形，基于所述多个波形的特征，判定所述卧床时的所述用户的姿势，

所述控制部根据基于所述振动传感器自身的振动传感器内的波形的相关性和/或基于两个振动传感器的波形的相关性，判定所述卧床时的用户的姿势，

通过评价波形数据中的周期性强度来判定所述振动传感器自身的振动传感器内的波形的相关性，

通过判定输出到所述两个振动传感器的每一个的波形数据中是否存在相似性来判定所述两个振动传感器的波形的相关性。

2.根据权利要求1所述的姿势判定装置，其特征在于，

所述控制部计算所述波形的频率分布，基于该计算出的频率分布判定所述卧床时的用户的姿势。

3.根据权利要求1或2所述的姿势判定装置，其特征在于，

在通过所述振动传感器检测到用户的身体运动时以外，所述控制部判定所述卧床时的用户的姿势。

4.根据权利要求1或2所述的姿势判定装置，其特征在于，

能够与驱动一个或多个底板的床连接，

所述控制部根据所述判定出的用户的姿势，控制所述底板的驱动。

5.根据权利要求4所述的姿势判定装置，其特征在于，

所述底板为背部底板，

所述控制部根据所述判定出的用户的姿势，控制所述背部底板的背部抬高动作。

6.根据权利要求5所述的姿势判定装置，其特征在于，

在所述用户的姿势为俯卧时，所述控制部进行执行所述背部抬高动作的控制。

7.根据权利要求1或2所述的姿势判定装置，其特征在于，

能够与体位转换装置连接，

所述控制部根据所述判定出的用户的姿势，通过所述体位转换装置进行体位转换的控制。

Images