DE102022201925A1 - Verfahren, System, Vorrichtung sowie Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld - Google Patents

Verfahren, System, Vorrichtung sowie Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld Download PDF

Info

Publication number
DE102022201925A1
DE102022201925A1 DE102022201925.3A DE102022201925A DE102022201925A1 DE 102022201925 A1 DE102022201925 A1 DE 102022201925A1 DE 102022201925 A DE102022201925 A DE 102022201925A DE 102022201925 A1 DE102022201925 A1 DE 102022201925A1
Authority
DE
Germany
Prior art keywords
user
determined
image
model
health parameter
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.)
Pending
Application number
DE102022201925.3A
Other languages
English (en)
Inventor
Dimitri Kraft
Gerald Bieber
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Original Assignee
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV filed Critical Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Priority to DE102022201925.3A priority Critical patent/DE102022201925A1/de
Publication of DE102022201925A1 publication Critical patent/DE102022201925A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Veterinary Medicine (AREA)
  • Social Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Educational Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

Die Erfindung betrifft ein Verfahren, ein System (100), eine Vorrichtung (400) sowie ein Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes (1) mindestens eines Nutzers (10) in einem Arbeitsumfeld (20), umfassend die Schritte (S1, S2, S3):- Erzeugen (S1) mindestens eines Abbilds (30) des Nutzers (10) mit einer Bilderfassungseinrichtung (40),- Bestimmen (S2) mindestens eines Gesundheitsparameters (GP), wobei durch mindestens eine Auswerteeinrichtung eine Intensität des Abbilds (30) und/oder mindestens ein charakteristischer Bildpunkt (2) im Abbild (30) zur Bestimmung des mindestens einen Gesundheitsparameters (GP) bestimmt wird,- Bestimmen (S3) des Entspanntheitswertes (1) mit einem maschinell erlernten Modell (60), wobei das mindestens eine Abbild (30) und/oder der mindestens eine Gesundheitsparameter (GP) eine Eingangsgröße und der Entspanntheitswert (1) eine Ausgangsgröße des Modells (60) bildet.

Description

  • Die Erfindung betrifft ein Verfahren, ein System, eine Vorrichtung sowie ein Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld.
  • In Deutschland arbeiten mehr als 15 Millionen Personen an einem Bildschirmarbeitsplatz. Eine hohe psychische Belastung und schlechte Körperhaltung am Arbeitsplatz von Büroarbeitenden kann sich langfristig negativ auf die Gesundheit der Büroarbeitenden auswirken. Am Arbeitsplatz werden oft ungesunde Körperhaltungen eingenommen, vor allem verursacht durch schlechte Gewohnheiten und/oder fehlende Ergonomie. Hierzu zählen auch ungünstige oder falsche Einstellungen der Bildschirmausrichtung oder Tischhöhe. Ebenfalls werden falsche Hand- oder Bedienhaltungen, beispielsweise von Tastatur / Maus von Büroarbeitenden, eingenommen. Besonders bei einem Auftreten von Stress, bei schlechter Beleuchtung oder bei Ermüdung der Augen während der Arbeitszeit kann eine Überlastung einer Person auftreten, die für die Arbeitsproduktivität nicht förderlich ist.
  • Aus der US 2019/258944 A1 sind Systeme und Methoden zur Erfassung und Verarbeitung von physiologischen Parametern bekannt, die eine Fokussierung eines Arbeitnehmers bestimmen und so die Produktivität und Arbeitsqualität des Arbeitnehmers optimieren können. Allerdings hat das aus dem Stand der Technik bekannte den Nachteil, dass eine Fokussierung insbesondere über kontinuierlich am Körper getragene Sensoren bestimmt wird.
  • Es stellt sich das technische Problem, ein Verfahren, ein System sowie ein Computerprogrammprodukt zu schaffen, welche eine zuverlässige und berührungslose Bestimmung des Entspanntheitszustands ermöglichen, insbesondere ausgehend von einer objektiven Datengrundlage.
  • Die Lösung des technischen Problems ergibt sich durch die Gegenstände mit den Merkmalen der unabhängigen Ansprüche. Weitere vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Unteransprüchen.
  • Vorgeschlagen wird ein Verfahren zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld, umfassend die Schritte:
    • - Erzeugen mindestens eines Abbilds des Nutzers mit einer Bilderfassungseinrichtung,
    • - Bestimmen mindestens eines Gesundheitsparameters, wobei durch mindestens eine Auswerteeinrichtung eine Intensität des mindestens einen Abbilds, insbesondere die Intensität von einem oder mehreren Bildpunkten des Abbilds oder in verschiedenen Abbildern einer Sequenz von Abbildern, bestimmt wird und/oder mindestens ein, vorzugsweise jedoch mehrere, charakteristische/r Bildpunkt(e) im Abbild zur Bestimmung des mindestens einen Gesundheitsparameters bestimmt wird/werden,
    • - Bestimmen des Entspanntheitswertes mit einem maschinell erlernten Modell, wobei das mindestens eine Abbild und/oder der mindestens eine Gesundheitsparameter eine Eingangsgröße und der Entspanntheitswert eine Ausgangsgröße des Modells bildet.
  • Das Arbeitsumfeld des Nutzers umfasst insbesondere einen Büroarbeitsplatz oder Teil davon, wobei das Arbeitsumfeld beispielsweise durch einen Bildausschnitt des Abbilds begrenzt sein kann, welcher mittels der Bilderfassungseinrichtung erfassbar ist. Im Arbeitsumfeld kann insbesondere ein Schreibtisch angeordnet sein, wobei sich auf dem Schreibtisch ein Bildschirm, eine Tastatur und eine Maus befinden können, die an einen Computer, insbesondere einen PC, angeschlossen sind. Auch diese können im Arbeitsumfeld angeordnet sein. Der Nutzer ist vorzugsweise ein Büroarbeitender, der in dem Arbeitsumfeld arbeitet. Der Nutzer kann hierzu beispielsweise sitzend oder stehend an dem Schreibtisch arbeiten und den beschriebenen Computer bzw. das benannte Zubehör nutzen. Auch denkbar ist, dass mehrere Nutzer in einem Abbild erfasst werden und das Verfahren für jeden Nutzer einen separaten Entspanntheitswert bestimmt.
  • Die Bilderfassungseinrichtung kann als Webcam ausgebildet sein und einen oder mehrere Bildsensoren umfassen, wie beispielsweise einen CCD-, CMOS- oder PMD-Sensor. Die Bilderfassungseinrichtung ist zur Erzeugung mindestens eines Abbilds ausgebildet. Auch denkbar ist, dass die Bilderfassungseinrichtung als Stereo- oder 3D-Kamera ausgebildet ist und somit Tiefeninformationen im Arbeitsumfeld bestimmen kann.
  • Das mindestens eine Abbild bildet den Nutzer in dem Arbeitsumfeld ab, wobei vorzugsweise zumindest einen Teil des Körpers des im Arbeitsumfeld arbeitenden Nutzers abgebildet wird, insbesondere das Gesicht und/oder ein Oberkörperbereich und/oder Arme des Nutzers. Die Bilderfassungseinrichtung ist hierbei für eine solche Erfassung angeordnet und/oder ausgebildet und kann vorzugsweise am zuvor genannten Bildschirm angeordnet sein. Das Abbild kann aus einer Vielzahl von Bildpunkten, insbesondere Pixeln, bestehen. Jedem Bildpunkt des Abbilds kann mindestens eine Intensität, insbesondere eine Lichtintensität, zugeordnet sein. Ist das Abbild ein Graustufenbild, so kann jedem Bildpunkt eine Intensität zugeordnet sein. Ist das Abbild ein Farbbild, so können jedem Bildpunkt mehrere Farbkanäle, beispielsweise ein R-Kanal, ein G-Kanal und ein B-Kanal, zugeordnet sein, wobei jedem Farbkanal eine kanalspezifische Intensität zugeordnet ist. Weiter kann dem Abbild ein, insbesondere kartesisches, Koordinatensystem zugeordnet sein, welches es ermöglicht einem Bildpunkt im Abbild eine Koordinate zuzuweisen. Ein Ursprung dieses zweidimensionalen Koordinatensystems kann an einer Ecke des Abbilds angeordnet sein. Die Koordinate kann eine Position eines Bildpunkts im Abbild entlang einer Breite und Höhe des Abbilds beschreiben. Es ist weiter vorstellbar, dass das zweidimensionale Koordinatensystem in ein dreidimensionales Referenzkoordinatensystem (Raumkoordinatensystem) transformiert werden kann, wodurch für einen Punkt oder Bereich im Abbild eine dreidimensionale Position im Referenzkoordinatensystem bestimmt werden kann. Insbesondere kann hiermit auch eine Tiefeninformation aus dem Abbild bestimmt werden kann. Verfahren zur Bestimmung einer entsprechenden Transformation sind dem Fachmann bekannt. Z.B. kann insbesondere können Referenzwerte für die Größen eines Teilbereichs bestimmt werden, in den ein Objekt oder eine Struktur abgebildet wird, wenn das Objekt oder die Struktur sich in einem vorbestimmten Abständen von der Bilderfassungseinrichtung befindet. Mit Hilfe dieser Zuordnung kann dann für eine aktuelle Abbildung des Objekts oder der Struktur ein Abstand von der Bilderfassungseinrichtung und somit eine Tiefeninformation bestimmt werden. Das Abbild kann in Form einer Bilddatei kodiert sein, welche beispielsweise als RAW-, JPEG- oder PNG-Datei vorliegt.
  • Vorzugsweise wird eine Abfolge von Abbildern des Nutzers mit der Bilderfassungseinrichtung erzeugt. Die Abfolge kann den Nutzer beispielsweise über eine vorbestimmte Zeitdauer abbilden, insbesondere über die Zeitdauer von einer Minute. Besonders vorzugsweise wird die Abfolge mit einer Frequenz in einem Bereich von 10 Hz bis 100 Hz erzeugt, wobei Abbilder mit der entsprechenden Frequenz über die vorbestimmte Zeitdauer erzeugt werden. Hierbei kann/können der Gesundheitsparameter und/oder der Entspanntheitswert für jedes Abbild der Abfolge oder beispielsweise als Mittelwert, Median oder als Funktionswert einer mathematischen Funktion bzw. Wert einer zeitlichen Abfolge diskreter Werte bestimmt werden, wobei die Funktion bzw. zeitliche Abfolge auch als Signal bezeichnet werden kann und insbesondere einen zeitlichen Verlauf des Gesundheitsparameters und/oder des Entspanntheitswert repräsentieren kann.
  • Der mindestens eine Gesundheitsparameter wird vorzugsweise berührungslos, also ohne physische Berührung des Nutzers, und/oder ausgehend von dem mindestens einen Abbild bestimmt. Der Gesundheitsparameter kann beispielsweise eine aktuelle Herzfrequenz des Nutzers oder eine aktuelle Körperhaltung des Nutzers sein oder repräsentieren. Dies wird im Folgenden noch näher erläutert.
  • Ein aktueller Gesundheitsparameter, wie die aktuelle Herzfrequenz bzw. aktuelle Körperhaltung, kann sich auf einen Zeitpunkt des Erzeugens des Abbilds oder auf die vorbestimmte Zeitdauer der Abfolge von Abbildern beziehen. Dies kann selbstverständlich auch auf den bestimmten (aktuellen) Entspanntheitswert zutreffen.
  • Zur Bestimmung des Gesundheitsparameters kann die Intensität eines Abbilds bzw. eines Bildpunktes oder mehrerer Bildpunkte des Abbilds oder ein zeitlicher Verlauf dieser Intensität(en) in einer Sequenz von Abbildern mit Hilfe der Auswerteeinrichtung bestimmt und ausgewertet werden. So kann aus Intensitätsunterschieden zwischen den Bildpunkten beispielsweise ein Kanten-, Kurven- und/oder Farbverlauf in einem Abbild ermittelt werden. Vorzugsweise werden die Intensitätsunterschiede auch in einer Abfolge von Abbildern oder zwischen mindestens zwei Abbildern bestimmt, um zeitliche Veränderungen der Intensität für eine oder mehrere Bildpunkte in der Abfolge von Abbildern ermitteln zu können. Aus den ermittelten Verläufen bzw. Intensitätsunterschieden im Abbild oder der Abfolge von Abbildern kann die Auswerteeinrichtung das Abbild dann in verschiedene Bereiche unterteilen, wie beispielsweise einen Gesichtsbereich (also einen Bereich in den das Gesicht des Nutzers abgebildet ist) und/oder einen Stirnbereich des Nutzers (also einen Bereich in den die Stirn des Nutzers abgebildet ist) und einen Bereich des Schreibtischs (also einen Bereich in den der Schreibtisch oder ein Teil davon abgebildet ist). Insbesondere kann auch ein Bildbereich in dem Abbild bestimmt werden, in den ein Objekt wie beispielsweise der Schreibtisch oder das vorhergehend angeführte Zubehör abgebildet sind. Auch kann ein Bildbereich identifiziert werden, in den mindestens ein Körperteil des Nutzers abgebildet ist, wie beispielsweise ein Bereich, in den der Kopf, Hals, Rumpf, Brust, mindestens ein Oberarm, mindestens ein Unterarm, mindestens eine Hand, mindestens ein Oberschenkel, mindestens ein Unterschenkel und/oder mindestens ein Fuß abgebildet ist. Hierzu kann der Fachmann bekannte Verfahren der Segmentierung und/oder Objektdetektion verwenden.
  • Vorzugsweise kann zusätzlich eine Position und/oder Orientierung eines Bereichs, insbesondere auch relativ zu einem anderen Bereich bestimmt werden. So kann beispielsweise aus einer Position und/oder Orientierung des Bereichs für den Kopf eine Neigung des Kopfes bestimmt werden. Diese Bestimmung kann im Bildkoordinatensystem oder im erläuterten Referenzkoordinatensystem erfolgen. Auch kann eine bildbasierte Gesichtserkennung bzw. Gesichtsverifikation, also eine durch Auswertung des Abbilds oder eines Teilbereichs, insbesondere des Gesichtsbereichs, erfolgende Erkennung, durchgeführt werden, wodurch z.B. ein bestimmter Nutzer identifiziert werden kann. So kann das Verfahren in vorteilhafter Weise für den Nutzer personalisiert werden.
  • Vorzugsweise wird eine Herzfrequenz des Nutzers, insbesondere durch Auswertung der Intensität(en) von Bildpunkten in einem Bereich des Gesichts, als Gesundheitsparameter bestimmt. Im Bereich der Stirn des Nutzers wirken sich beispielsweise Veränderungen der Herzfrequenz besonders stark auf die Lichtabsorptionsfähigkeit der Haut aus, sodass ein Pulsieren der Blutgefäße durch die Auswertung der Intensität bzw. eines zeitlichen Verlaufs der Intensität im Stirnbereich des Abbilds zuverlässig ermittelt werden kann. Insbesondere kann dann im Stirnbereich eine Veränderung der Intensität über die vorbestimmte Zeitdauer als mathematische Funktion bzw. als zeitliche Abfolge diskreter Werte ermittelt werden, wobei ausgehend von diesem Signal ein zeitlicher Verlauf der Herzfrequenz des Nutzers bestimmt und hieraus eine Herzfrequenz als Gesundheitsparameter bestimmt werden kann, beispielsweise eine aktuelle Herzfrequenz von 70 Herzschlägen pro Minute. Dies wird auch als bildbasierte Photoplethysmographie bezeichnet, die dem Fachmann bekannt ist.
  • Alternativ oder kumulativ kann eine Blutsauerstoffsättigung als Gesundheitsparameter bestimmt werden. Hierzu kann aus den Intensitäten eine Farbzusammensetzung der Bildpunkte bestimmt werden, die die Haut des Nutzers, beispielsweise im Gesichtsbereich, abbilden. Dies ist möglich, da die Farbzusammensetzung der (abgebildeten) oberen Hautregionen auch durch die Atmung und den damit verbundenen Blutsauerstoffgehalt beeinflusst wird. Beispielsweise kann einer bestimmten Farbzusammensetzung eine bestimmte Blutsauerstoffsättigung zugeordnet sein, insbesondere durch eine vorbestimmte Zuordnung, wobei die Blutsauerstoffsättigung dann zuordnungsbasiert bestimmt werden kann.
  • Weiter alternativ oder kumulativ kann in Abhängigkeit einer zeitlichen Änderung eines Farbverlaufs und/oder eines Farbspektrums zwischen mindestens zwei Abbildern und gegebenenfalls in Abhängigkeit einer Änderungsamplitude und/oder -frequenz eine Atemfrequenz als Gesundheitsparameter bestimmt werden. Entsprechende Verfahren sind dem Fachmann bekannt.
  • Die Atemfrequenz kann zusätzlich in Abhängigkeit von Bewegungsänderungen des Kopfes und/oder von vorbestimmten Bereichen des Körpers bestimmt werden. In Abhängigkeit dieser Bewegungsänderungen kann auch eine Atemamplitude als Gesundheitsparameter bestimmt werden. Auch kann in Abhängigkeit der derart bestimmten Atemfrequenz (und gegebenenfalls der Atemamplitude) ein Atemmuster als Gesundheitsparameter bestimmen, beispielsweise ein sogenanntes biot breathing, sign breathing, gasp breathing oder pumping breathing. Die Atemfrequenz kann beispielsweise in Abhängigkeit von Intensitäten in einer Abfolge von Abbildern bestimmt werden. Insbesondere kann ein zeitlicher Verlauf der Atemfrequenz oder eine Veränderung der Atemfrequenz in Abhängigkeit einer Veränderung der Intensität über eine vorbestimmte Zeitdauer als mathematische Funktion bzw. als zeitliche Abfolge diskreter Werte ermittelt werden, wobei die Funktion bzw. zeitliche Abfolge als Signal bezeichnet werden kann, wobei ausgehend von diesem Signal eine Atemfrequenz des Nutzers als Gesundheitsparameter bestimmt wird. Diese bildbasierte Bestimmung kann insbesondere durch Auswertung von Intensitäten in einem Brustbereich bestimmt werden.
  • Weiter alternativ oder kumulativ kann ein Blutdruck des Nutzers und/oder mindestens eine Eigenschaft des Blutdrucks als Gesundheitsparameter bestimmt werden. Die mindestens eine Eigenschaft des Blutdrucks kann beispielsweise ein systolischer Blutdruckwert oder ein diastolischer Blutdruckwert sein. Auch denkbar ist, dass in Abhängigkeit mehrerer bestimmter Werte des Blutdrucks ein zeitlicher Verlauf des Blutdrucks oder ein zeitlicher Verlauf der Eigenschaft des Blutdrucks als Gesundheitsparameter bestimmt wird. Der Blutdruck und/oder die mindestens eine Eigenschaft des Blutdrucks kann durch Auswertung der Intensität(en) von Bildpunkten, wie beispielsweise in einem Bereich des Gesichts oder der Brust, bestimmt werden. Insbesondere kann ein zeitlicher Verlauf des Blutdrucks und/oder ein zeitlicher Verlauf der mindestens einen Eigenschaft des Blutdrucks in Abhängigkeit einer Veränderung der Intensität über eine vorbestimmte Zeitdauer als mathematische Funktion bzw. als zeitliche Abfolge diskreter Werte ermittelt werden, wobei die Funktion bzw. zeitliche Abfolge als Signal bezeichnet werden kann, wobei ausgehend von diesem Signal der Blutdruck und/oder die mindestens eine Eigenschaft des Blutdrucks des Nutzers als Gesundheitsparameter in einem Brustbereich bestimmt werden kann. Weiter kann ausgehend von einem solchen Signal eine Eigenschaft einer sogenannten Mayer-Traube-Hering-Welle bestimmt werden. Die Mayer-Traube-Hering-Welle kann beispielsweise als eine Schwingung im zeitlichen Verlauf des Blutdrucks bestimmt werden, wobei weitere Schwingungsanteile im zeitlichen Verlauf durch die Atmung und/oder durch den Herzschlag erzeugt werden. Eine Erhöhung der Genauigkeit bei der Bestimmung der Mayer-Traube-Hering-Welle bzw. ihrer Eigenschaft(en) kann daher erreicht werden, wenn auch eine Herzfrequenz bzw. deren zeitlicher Verlauf und/oder eine Atemfrequenz bzw. deren zeitlicher Verlauf bestimmt wird und deren Anteile aus dem Blutdrucksignal herausgerechnet bzw. reduziert werden. Eine Eigenschaft der Mayer-Traube-Hering-Welle kann beispielsweise eine Frequenz oder Kurvenform bzw. Kurtosis eines der zuvor beschriebenen Signale, insbesondere der zuvor beschriebenen Schwingung sein. Vorzugsweise liegt eine Frequenz der Mayer-Traube-Hering-Welle, also der Schwingung, in einem Bereich zwischen 0,1 Hz und 0,5 Hz. Alternativ oder kumulativ kann der Blutdruck und/oder die mindestens eine Eigenschaft des Blutdrucks und/oder die Eigenschaft der Mayer-Traube-Hering-Welle auch bei der Bestimmung des Entspanntheitswertes berücksichtigt werden. Durch die beschriebene Bestimmung des Blutdrucks und/oder der mindestens einen Eigenschaft des Blutdrucks und/oder der Eigenschaft der Mayer-Traube-Hering-Welle kann somit ein aktueller Gesundheitszustand des Nutzers genauer und zuverlässiger bei der Bestimmung des Gesundheitsparameters berücksichtigt werden
  • Alternativ oder kumulativ werden charakteristische Bildpunkte im Abbild zur Bestimmung des mindestens einen Gesundheitsparameters bestimmt und genutzt. Die charakteristischen Bildpunkte können mittels der Auswerteeinrichtung bestimmt werden. Hierzu kann die Auswerteeinrichtung Kanten-, Kurven- und/oder Farbverläufe in einem Abbild auswerten. Vorzugsweise wird das Abbild, insbesondere mit Hilfe der ausgewerteten Verläufe, in verschiedene Bereiche unterteilt, wobei in verschiedene Bereiche z.B. verschiedene Körperteile des Nutzers abgebildet sein können. So können mittels der den Bildpunkten zugeordneten Koordinaten in den Bereichen solche Bildpunkte als charakteristische Bildpunkte bestimmt werden, die beispielsweise einen geometrischen Mittelpunkt eines Bereichs bilden oder die einen Schnittpunkt zwischen zwei oder mehreren Bereichen bilden. Zum Beispiel kann ein Bereich des Rumpfes und/oder der Brust einen Bereich des Oberarms in einem Schnittpunkt oder Schnittbereich schneiden, sodass insbesondere der Schnittpunkt der Bereiche oder beispielsweise ein Flächenschwerpunkt des Schnittbereichs als charakteristischer Bildpunkt des Nutzers, insbesondere als (Schulter)Gelenkreferenzpunkt des Nutzers, bestimmt wird. Weitere charakteristische Bildpunkte können als Gelenkreferenzpunkte, wie beispielsweise Referenzpunkte eines Hand- Ellenbogen-, Hüft-, oder Kniegelenks bestimmt werden. Insbesondere können die charakteristischen Bildpunkte durch vorbestimmte Relationen so miteinander durch Linien verbunden werden, dass eine Relativlage der Linien zueinander eine Körperhaltung des Nutzers repräsentiert. Eine solche vorbestimmte Relation kann beispielsweise bezeichnen, dass vorbestimmte charakteristische Bildpunkte durch eine Linie, insbesondere eine gerade Linie, verbunden werden. Beispielsweise kann der charakteristische Bildpunkt, welcher dem Schultergelenkreferenzpunkt zugeordnet wird, mit dem charakteristischen Bildpunkt des Ellenbogengelenks durch eine Linie verbunden werden. Auch denkbar ist, dass auf Basis der Kantenverläufe in einem Gesichtsbereich Gesichtselemente wie die Augen, Nase sowie die Mundwinkel bestimmt werden. Ein Gesichtselement wie ein Auge kann sich aus mehreren Bildpunkten zusammensetzen und demnach als Teilbereich des Gesichtsbereichs bestimmt werden. Ebenso kann dem Auge (oder einem anderen Gesichtselement) ein charakteristischer Bildpunkt zugeordnet werden, insbesondere als Referenzpunkt des Teilbereichs, also beispielsweise als Flächenschwerpunkt oder geometrischer Mittelpunkt. Auch kann ein Abstand der Augen durch ein Verbinden der charakteristischen Bildpunkte durch eine Linie und Bestimmen der Länge dieser Linie bestimmt werden. Die Länge wird vorzugsweise im erläuterten Referenzkoordinatensystem bestimmt. Bei entsprechender Auflösung der Bilderfassungseinrichtung können insbesondere auch die Pupillen des Nutzers als Teilbereiche des Gesichtsbereichs bestimmt werden. Die Größe der Pupille, also insbesondere die aktuelle Fläche des die Pupille abbildenden Teilbereichs, kann ebenfalls als Gesundheitsparameter bestimmt werden.
  • Vorzugsweise wird aus den charakteristischen Bildpunkten eine Körperhaltung oder eine Abweichung der Körperhaltung des Nutzers von einer Referenzkörperhaltung als Gesundheitsparameter bestimmt. Die charakteristischen Bildpunkte können im Koordinatensystem derart zueinander in Relation gesetzt werden, dass aus der Relation der Bildpunkte eine aktuelle Körperhaltung bestimmt werden kann. Z.B. kann diese durch die Relativlage von ausgewählten Verbindungslinien repräsentiert sein.
  • Auch kann aus einer (Bild)Positionsänderung von charakteristischen Bildpunkten eine Änderung der Körperhaltung oder eine Eigenschaft dieser Änderung als Gesundheitsparameter bestimmt werden. So kann beispielsweise eine Änderung der Körperhaltung aus einer Abfolge von Abbildern, die während eines vorbestimmten Zeitintervalls erzeugt wurden, bestimmt werden. Das Zeitintervall kann hierbei eine Dauer von mehreren, z.B. bis zu 10 Sekunden, aber auch eine Dauer bis zu einer Sekunde aufweisen.
  • Auch kann aus einer (Bild)Positionsänderung von charakteristischen Bildpunkten mindestens eine Eigenschaft einer sogenannten Mikrovibration als Gesundheitsparameter bestimmt werden, wie beispielsweise eine Frequenz oder Amplitude der Mikrovibration. Eine Mikrovibration kann aus multikausalen Gründen, z.B. zur Temperaturregulierung, auftreten. Die Mikrovibration kann auch bei mentaler Anspannung auftreten oder erhöht sein. Eine Frequenz der Mikrovibration kann in einem Bereich von 1 Hz (einschließlich) bis 100 Hz (einschließlich) liegen. Eine Amplitude der Mikrovibration kann in einem Bereich von 1 Mikrometer (einschließlich) bis 100 Mikrometern (einschließlich) liegen. Die Eigenschaft der Mikrovibration kann beispielsweise in einem Augen- oder Halsbereich bestimmt werden Die Mikrovibration führt zu hochfrequenten Kopfbewegungen und/oder zu Bewegungen der Augenmuskeln des Nutzers, die insbesondere aus der Abfolge von Abbildern bestimmt werden können. Eine Eigenschaft der Mikrovibration kann auch eine Bewegungsrichtung der Muskeln, des Kopfs und/oder der Augen des Nutzers sein. Da eine Bilderfassungsfrequenz in einem Bereich von 2 Hz bis 120 Hz (oder ggf. wesentlich höher) liegen kann, ist es möglich, diese Frequenz der Mikrovibration zuverlässig aus der Abfolge von Abbildern zu bestimmen.
  • Die Auswerteeinrichtung kann als eine integrierte Schaltung auf einem Mikrochip ausgebildet sein oder einen solchen umfassen. Auch kann die Auswerteeinrichtung ein Mikrocontroller sein oder einen solchen umfassen. Insbesondere ist die Auswerteeinrichtung dazu ausgebildet, Abbilder bzw. kodierte Bilddateien auszuwerten und das beanspruchte Verfahren nach einer in dieser Offenbarung beschriebenen Ausführungsform durchzuführen.
  • Das Abbild und/oder der bestimmte Gesundheitswert wird/werden dem maschinell erlernten Modell als Eingangsgröße bereitgestellt. Die Bestimmung des Entspanntheitswerts durch Anwendung des maschinell erlernten Modells kann ebenfalls mittels der Auswerteeinrichtung ausgeführt werden. Das Modell ist derart ausgebildet, dass für eine gegebene Eingangsgröße durch das Modell eine Ausgangsgröße, also ein Entspanntheitswert, bestimmt wird. Selbstverständlich ist es auch denkbar, dass eine Mehrzahl bzw. Abfolge von Abbildern und/oder eine Mehrzahl von Gesundheitsparametern dem Modell als eine Eingangsgröße bereitgestellt werden. Die Funktionsweise sowie das Erlernen des maschinell erlernten Modells werden im Folgenden noch näher erläutert.
  • Vorzugsweise wird eine Mehrzahl von Abbildern und/oder Gesundheitsparametern zu einem Entspanntheitswert verarbeitet. So kann beispielsweise aus einem Abbild, also für einen Zeitpunkt oder eine Zeitdauer, eine aktuelle Körperhaltung des Nutzers bzw. die Abweichung von einer vorbestimmten Referenzhaltung und eine aktuelle Herzfrequenz des Nutzers als zwei aktuelle Gesundheitsparameter bestimmt werden, wobei aus diesen mit dem Modell dann ein Entspanntheitswert bestimmt wird. Das maschinell erlernte Modell kann bei der Bestimmung des Entspanntheitswerts insbesondere den Einfluss der einzelnen Gesundheitsparameter auf den Entspanntheitswert sinnvoll gewichten. So kann das Modell zum Beispiel bei der Bestimmung eines Entspanntheitswerts derart gewichten, dass der Gesundheitsparameter einer Herzfrequenz von 140 Herzschlägen pro Minute bei einer sitzenden Körperhaltung schwerer gewichten ist als bei einer stehenden Körperhaltung. Insgesamt können die zwei beschriebenen Gesundheitsparameter dann in einem Entspanntheitswert resultieren, der einem zu vermeidenden wenig entspannten Zustand des Nutzers entspricht, also insbesondere einem gestressten Zustand.
  • Der Entspanntheitswert kann beispielsweise einem skalaren Wert auf einer Skala zwischen einem Minimalwert von eins (einschließlich) und einem Maximalwert von zehn (einschließlich) entsprechen, wobei der Minimalwert einem zu vermeidenden wenig entspannten Zustand und der Maximalwert einem angestrebten sehr entspannten Zustand, also insbesondere einem gesundheitsförderlichen Entspanntheitszustand, entspricht. Wie aus einem oder mehreren Abbildern und/oder Gesundheitsparametern der Entspanntheitswert bestimmt wird, kann durch das Modell erlernt werden, insbesondere durch ein Trainieren des Modells. Dies wird im Folgenden noch näher erläutert.
  • Da mindestens ein Gesundheitsparameter bestimmt wird, kann das beanspruchte Verfahren in vorteilhafter Weise auch zur Bestimmung eines aktuellen Gesundheitszustands des Nutzers genutzt werden, wobei der Gesundheitszustand durch einen oder mehrere Gesundheitsparameter abgebildet bzw. repräsentiert wird. So kann das Verfahren aufgrund der Parametrisierung des Gesundheitszustands diesen besonders effektiv beurteilen und den Nutzer beispielsweise auf eine zu hohe Herzfrequenz aufmerksam machen.
  • Vorzugsweise wird der bestimmte Entspanntheitswert mittels einer Ausgabeeinrichtung ausgegeben. Die Ausgabeeieinrichtung kann beispielsweise der Bildschirm sein, an welchem der Nutzer arbeitet. Auch denkbar ist, dass die Ausgabeeinrichtung als separates Display oder Touchscreen oder LED ausgebildet ist. So ist es dem Nutzer in vorteilhafter Weise ermöglicht, auf einen bestimmten Entspanntheitswert zu reagieren und sein Verhalten, beispielsweise durch Verändern seiner Körperhaltung, anzupassen.
  • Mittels des beanspruchten Verfahrens, insbesondere mittels des maschinell erlernten Modells, können die erzeugten Abbilder und/oder bestimmten Gesundheitsparameter verarbeitet werden, wobei diese in vorteilhafter Weise eine objektive Datengrundgrundlage zur Beurteilung einer aktuellen Arbeitsbelastung des Nutzers bilden. Insbesondere lässt sich ausgehend von einer solchen objektiven Datengrundlage ein Entspanntheitswert bestimmten, der ein Abbild und/oder einen aktuellen Gesundheitsparameter des Nutzers, wie beispielsweise die Herzfrequenz, berücksichtigt. Ein auf Basis einer solchen Datengrundlage bestimmter Entspanntheitswert ermöglicht es dem Nutzer weiter, einen von dem Nutzer angestrebten Entspanntheitszustand beim Arbeiten zu erreichen. Das beanspruchte Verfahren ist somit insbesondere für die Gesundheit und Entspanntheit des Nutzers sowie für ein entspanntes Arbeiten in einem Arbeitsumfeld und die Arbeitsproduktivität förderlich.
  • Besonders bevorzugt wird mittels einer Steuereinrichtung ein Steuersignal erzeugt. Das Steuersignal kann in Abhängigkeit eines Gesundheitsparameters und/oder Entspanntheitswertes erzeugt werden. Die Steuereinrichtung kann Teil der Auswerteeinrichtung sein. Beispielsweise kann das Steuersignal dazu ausgebildet sein, einen Lichtstrom und/oder eine Lichtintensität einer Beleuchtungseinrichtung in einem Arbeitsumfeld des Nutzers zu steuern, insbesondere zu erhöhen oder zu verringern, wenn ein aktueller Gesundheitsparameter und/oder Entspanntheitswert von einem vorbestimmten Gesundheitsparameter und/oder Entspanntheitswert abweicht, insbesondere um mehr als ein vorbestimmtes Maß. Auch denkbar ist, dass eine Klimatisierungseinrichtung und/oder Heizungseinrichtung mittels des Steuersignals gesteuert wird, um eine Luftfeuchtigkeit, Raumluft und/oder Raumtemperatur in Abhängigkeit eines Gesundheitsparameters und/oder Entspanntheitswertes zu steuern. So kann in vorteilhafter Weise mittels des Steuersignals ein Arbeitsumfeld des Nutzers verbessert werden.
  • In einer weiteren Ausführungsform wird in Abhängigkeit der Intensität, insbesondere der Intensität von einem oder mehreren Bildpunkten, eine aktuelle Herzfrequenz des Nutzers oder eine Abweichung der aktuellen Herzfrequenz von einer vorbestimmten Referenz-Herzfrequenz als Gesundheitsparameter bestimmt und/oder es wird in Abhängigkeit der charakteristischen Bildpunkte eine Körperhaltung des Nutzers oder eine Abweichung der aktuellen Körperhaltung von einer vorbestimmten Referenz-Körperhaltung als Gesundheitsparameter bestimmt. Die aktuelle Herzfrequenz wird vorzugsweise aus der Intensität von einem oder mehreren Bildpunkten in jedem Abbild in einer Abfolge von Abbildern bestimmt, wobei die Herzfrequenz aus mindestens zwei aufeinanderfolgenden Abbildern bestimmt werden kann, insbesondere in Abhängigkeit eines Intensitätsunterschieds und des zeitlichen Abstands zwischen den Abbildern. Wie bereits zuvor erläutert eignet sich insbesondere der Stirnbereich zur Bestimmung einer Herzfrequenz des Nutzers. Die bestimmte Herzfrequenz kann dann in vorteilhafter Weise fortlaufend aktualisiert werden, also aktuell gehalten werden, und als Gesundheitsparameter bestimmt werden. Insbesondere lassen sich in vorteilhafter Weise aus der aktuellen Herzfrequenz weitere Gesundheitsparameter wie eine Herzfrequenzvariabilität bestimmen bzw. ableiten. Dies wird im Folgenden näher erläutert.
  • Alternativ oder kumulativ wird eine aktuelle Körperhaltung des Nutzers bestimmt. Die aktuelle Körperhaltung wird insbesondere ausgehend von den charakteristischen Bildpunkten bestimmt, insbesondere wie vorhergehend erläutert. Die Körperhaltung und/oder die Referenz-Körperhaltung können beispielsweise als mehrstufiger Tensor bestimmt werden, in welchem die Koordinaten der charakteristischen Bildpunkte angegeben sind. Die bestimmte Körperhaltung kann dann in vorteilhafter Weise fortlaufend aktualisiert werden, also aktuell gehalten werden, und als Gesundheitsparameter bestimmt werden. Insbesondere lassen sich mit Hilfe der aktuellen Körperhaltung weitere Gesundheitsparameter wie eine Körperhaltungsänderungsfrequenz aus einer Abfolge von Abbildern bestimmen bzw. ableiten. Die Körperhaltungsänderungsfrequenz gibt hierbei an, wie oft ein Nutzer die Körperhaltung in einer vorbestimmten Zeitdauer verändert.
  • Somit ergibt/ergeben sich aus einer aktuellen Herzfrequenz und/oder Körperhaltung ein aktueller Gesundheitsparameter und insbesondere auch ein aktueller Entspanntheitswert, der zur Verbesserung eines aktuellen Entspanntheits- bzw. Gesundheitszustands des Nutzers genutzt werden kann und fortlaufend aktualisiert werden kann. Ein Bestimmen des Gesundheitsparameters als oder in Abhängigkeit der Herzfrequenz und/oder der Körperhaltung ist besonders vorteilhaft, da die Herzfrequenz und/oder die Körperhaltung es zulässt/zulassen, eine mentale und/oder physische Anspannung des Nutzers zu quantifizieren, wobei eine solche Quantifizierung das Bestimmen eines Entspanntheitswerts, insbesondere mit Hilfe eines maschinell erlernten Modells, erleichtert.
  • In einer weiteren Ausführungsform wird in Abhängigkeit der Intensität des Abbilds und/oder des mindestens eines charakteristischen Bildpunkts eine Zwischengröße und als Gesundheitsparameter eine Abweichung der Zwischengröße von einem Referenzwert bestimmt. Die Zwischengröße kann eine bestimmbare Größe im Sinne einer in dieser Offenbarung beschriebenen Größe wie beispielsweise eine Herzfrequenz, Körperhaltung usw. sein. Generell können alle Größen als Zwischengröße bestimmt werden, die nach dieser Offenbarung als Gesundheitsparameter bestimmt werden können. Der Referenzwert kann eine vorbestimmte Größe oder ein vorbestimmter Gesundheitsparameter und/oder Entspanntheitswert sein. Die Abweichung kann - wie vorhergehend erläutert - eine Abweichung einer Herzfrequenz von einer vorbestimmten Referenz-Herzfrequenz sein. Auch kann die Abweichung in Bezug auf eine zuvor bestimmte Größe (Gesundheitsparameter bzw. Entspanntheitswert) bestimmt werden, wobei die zuvor bestimmte Größe hierbei den Referenzwert bildet. Insbesondere wird als aktueller Gesundheitsparameter die Abweichung bestimmt.
  • Der Referenzwert kann insbesondere nutzerspezifisch vorgegeben sein. Auch denkbar ist, dass der Referenzwert dynamisch, also zur Laufzeit des Verfahrens, adaptiert wird. Beispielsweise kann ein solches Adaptieren in Abhängigkeit einer Häufigkeit, mit welcher die Abweichung bestimmt wird, durchgeführt werden. Wird eine Abweichung von einer Referenz-Herzfrequenz um 50 Herzschläge pro Minute 1.000 Mal, insbesondere über eine vorbestimmte Zeitdauer, bestimmt, so kann der Referenzwert erhöht werden, beispielsweise auf einen Wert, der einem Zehntel der bestimmten Abweichung entspricht. Eine Größe zur Adaptierung kann ebenfalls eine Ausgangsgröße des maschinellen Modells sein, wodurch die Adaptierung erlernt werden kann.
  • In einer weiteren Ausführungsform wird mindestens ein Interventionsdialog ausgegeben, falls der mindestens eine Gesundheitsparameter und/oder der Entspanntheitswertes und/oder ein Umgebungsparameter ein parameterspezifisches Kriterium erfüllt. Der Umgebungsparameter kann eine Eigenschaft der Umgebung, insbesondere des Arbeitsumfelds, repräsentieren, wie beispielsweise eine Temperatur, eine Luftfeuchte einen Beleuchtungsgrad, einen CO2-Wert oder einen Schallwert. Das parameterspezifische Kriterium kann erfüllt sein, wenn der bestimmte Gesundheitsparameter und/oder der Entspanntheitswert und/oder Umgebungsparameter größer oder kleiner als ein vorbestimmter Schwellwert ist/sind. Beispielsweise kann der Schwellwert für einen Gesundheitsparameter eine vorbestimmte Herzfrequenz sein, welche nicht überschritten werden soll. Ist die aktuelle Herzfrequenz größer als der Schwellwert, so wird ein Interventionsdialog ausgegeben. Auch denkbar ist, dass das parameterspezifische Kriterium erfüllt ist, wenn eine Abweichung des mindestens einen Gesundheitsparameter und/oder Entspanntheitswerts und/oder Umgebungsparameters von einem Referenzwert größer als ein vorbestimmtes Maß ist. Der mindestens eine Interventionsdialog kann über die zuvor erwähnte Ausgabeeinrichtung ausgegeben werden. Beispielsweise kann der Interventionsdialog durch die Ausgabe eines oder mehrerer visuell erfassbaren/erfassbarer Signals/Signale und/oder akustischen/akustischer Signals/Signale ausgegeben werden, welche(s) den Nutzer auf die aktuelle Herzfrequenz aufmerksam macht/machen.
  • Besonders vorzugsweise wird ein Beleuchtungsgrad als ein Umgebungsparameter bestimmt. In Abhängigkeit der Intensitäten im Abbild, insbesondere der Zusammensetzung der Intensitäten, kann aus dem Abbild ein Beleuchtungsgrad im Arbeitsumfeld des Nutzers bestimmt werden. Der Beleuchtungsgrad kann z.B. einem Lichtstrom entsprechen und insbesondere in Lumen angegeben werden und/oder einer Farbtemperatur entsprechen und insbesondere in Kelvin angegeben werden. Lichtquellen in einem Arbeitsumfeld wie Leuchtstoffröhren oder LEDs flimmern oftmals mit einer Frequenz, die von der Versorgungsspannung und/oder einem Vorschaltgerät abhängt. Der Beleuchtungsgrad kann vorzugsweise in Abhängigkeit der Intensität und/oder der Flimmerfrequenz der Beleuchtung bestimmt werden. Insbesondere kann der Umgebungsparameter dem bestimmten Beleuchtungsgrad entsprechen. Da die Beleuchtung des Arbeitsumfelds für die Gesundheit, insbesondere für die Entspanntheit der Augen, des Nutzers relevant ist, ist es vorteilhaft, den Beleuchtungsgrad im Arbeitsumfeld des Nutzers zu bestimmen.
  • Vorzugsweise wird der Nutzer durch die Ausgabe des Interventionsdialogs, also von Interventionsinformationen, auf die Notwendigkeit und/oder über Möglichkeiten zur Anpassung eines Gesundheitsparameters und/oder Entspanntheitswertes und/oder Umgebungsparameters hingewiesen. Ein solcher Hinweis kann z.B. über ein Dialogfenster ausgegeben werden, das auf einer als Anzeigeeinrichtung ausgebildete Ausgabeeinrichtung angezeigt wird. Durch den Hinweis kann dem Nutzer beispielsweise eine bestimmte Anpassung der Körperhaltung vorgeschlagen werden. Hierbei kann der Nutzer auch auf geeignete Maßnahmen zur Veränderung, z.B. auf eine zur Reduktion der Abweichung der aktuellen Körperhaltung von der Referenz-Körperhaltung notwendige oder geeigneten Bewegung, hingewiesen werden. Auch denkbar ist, dass der Nutzer über den Interventionsdialog auf eine Einstellung bzw. Anpassung der Einstellung der Bildschirmausrichtung und/oder Schreibtischhöhe und/oder auf eine ungesunde Bedienung einer Tastatur oder Maus sowie gegebenenfalls die zur gesünderen Benutzung notwendigen oder geeigneten Anpassung hingewiesen wird. Alternativ oder kumulativ kann der Nutzer über den Interventionsdialog auch auf einen nicht ausreichenden Beleuchtungsgrad und die zur Herstellung eines ausreichenden Beleuchtungsgrads notwendige oder geeigneten Anpassung, z.B. die Erhöhung oder Verringerung einer Lichtintensität, hingewiesen werden, beispielsweise wenn eine vorbestimmte Größe der Pupillen als Gesundheitsparameter bestimmt wird oder ein Umgebungsparameter das parameterspezifische Kriterium erfüllt. Mit anderen Worten kann der Nutzer über den Interventionsdialog auf eine unerwünschte Abweichung eines aktuellen Gesundheitsparameters und/oder eines aktuellen Entspanntheitswerts und/oder Umgebungsparameter von einem gewünschten Parameter/Wert, also einem z.B. vorgegebenen Sollwert, hingewiesen werden. Weiter kann er über eine zur Reduktion der Abweichung des aktuellen Gesundheitsparameters und/oder eines aktuellen Entspanntheitswerts und/oder eines aktuellen Umgebungsparameters von dem Sollwert geeignete Maßnahme hingewiesen bzw. darüber informiert werden. So kann der Nutzer in vorteilhafter Weise auf einen aktuellen Gesundheitsparameter und/oder Entspanntheitswert und/oder Umgebungsparameter reagieren und sein Verhalten anpassen, um seinen Gesundheits- bzw. Entspanntheitszustand zu verbessern.
  • In einer weiteren Ausführungsform ist das Kriterium ein nutzerspezifisches Kriterium und/oder ist das Kriterium adaptierbar. Es ist hierbei denkbar, dass das Kriterium vom Nutzer vor einer Durchführung des Verfahrens nutzerspezifisch festgelegt wird. Der Nutzer kann hierbei insbesondere die Art des Kriteriums festlegen, also beispielsweise, dass das Kriterium den Gesundheitsparameter, insbesondere die Herzfrequenz, betrifft. Weiter kann der Nutzer mindestens einen Parameter des Kriteriums, z.B. einen Schwellwert, festlegen, der bei der Auswertung des Kriteriums berücksichtigt wird. Z.B kann festgelegt werden, dass das Kriterium bei Überschreiten eines Schwellwerts, der ein Parameter ist, erfüllt ist, wie beispielsweise ab einer Herzfrequenz von 120 Herzschlägen pro Minute. Das Festlegen kann über eine geeignete Eingabeschnittstelle erfolgen.
  • Ist das Kriterium adaptierbar, so kann das Kriterium vom maschinell erlernten Modell und/oder von dem Nutzer adaptierbar sein. Das Modell kann somit in der Lage sein, zu erlernen, welche Kriterien notwendig sind, um durch Ausgabe eines Interventionsdialogs einen Gesundheitszustand und/oder einen Entspanntheitszustand zu verbessern. So kann/können das Modell und/oder der Nutzer das Kriterium beispielsweise anpassen, wenn das Kriterium nicht erfüllbar ist. Beispielsweise kann eine Herzfrequenz von 250 Herzschlägen pro Minute als Schwellwert festgelegt worden sein, wobei dieser Schwellwert vom spezifischen Nutzer nicht überschritten wird und das Kriterium nicht erfüllbar ist. In einem solchen Fall kann der Schwellwert des Kriteriums beispielsweise so angepasst werden, dass der Schwellwert vom Modell oder dem Nutzer verringert wird, um die Wahrscheinlichkeit zu erhöhen, dass das Kriterium erfüllt wird und bereits für niedrigere Herzfrequenzwerte ein Interventionsdialog ausgegeben wird. Beispielsweise kann der Schwellwert auf eine Herzfrequenz von 140 Herzschlägen pro Minute reduziert werden.
  • Vorzugsweise ist das Kriterium temporär adaptierbar. Das Kriterium wird demnach temporär, also für eine bestimmte Zeitdauer adaptiert. Ist die Zeitdauer verstrichen, so kann das Kriterium wieder zurückadaptiert werden, also auf das ursprüngliche Kriterium angepasst werden. So kann das Kriterium beispielsweise in einer Phase besonders hoher Entspanntheit temporär adaptiert werden, um den Nutzer, insbesondere durch einen Interventionsdialog, nicht in seiner Entspanntheit zu stören.
  • Insgesamt ergibt sich der Vorteil, dass das Kriterium einem aktuellen Entspanntheitszustand des Nutzers angepasst werden kann. Weiter kann so in vorteilhafter Weise die Akzeptanz des Verfahrens gegenüber dem Nutzer verbessert werden
  • In einer weiteren Ausführungsform wird eine Auswirkung auf den mindestens einen Nutzer in Folge der Ausgabe des mindestens einen Interventionsdialogs als Veränderung des mindestens einen Gesundheitsparameters und/oder des Entspanntheitswerts bestimmt. Die Veränderung kann beispielsweise als Abweichung zwischen dem Gesundheitsparameter und/oder dem Entspanntheitswert vor der Ausgabe oder zum Zeitpunkt der Ausgabe und dem Gesundheitsparameter und/oder dem Entspanntheitswert nach der Ausgabe, beispielsweise zu einem Zeitpunkt, der eine vorbestimmte Zeitdauer nach der Ausgabe liegt, also als Veränderung, bestimmt werden.
  • Durch das Bestimmen der Auswirkung bzw. Veränderung kann z.B. festgestellt werden, ob eine Herzfrequenz des Nutzers in Folge der Ausgabe des Interventionsdialogs sinkt. Wurde dem Nutzer beispielsweise mit Hilfe des Interventionsdialogs mitgeteilt, dass seine aktuelle Herzfrequenz zu hoch ist, so kann die Veränderung als eine Differenz zwischen der Herzfrequenz des Nutzers bei Ausgabe des Interventionsdialogs und einer aktuellen Herzfrequenz in Folge des Interventionsdialogs bestimmt werden. Alternativ oder kumulativ kann analog für eine Veränderung des Entspanntheitswertes vorgegangen werden. So kann in vorteilhafter Weise die Effektivität des Interventionsdialogs bestimmt werden, da die Auswirkung auf den mindestens einen Nutzer durch das Bestimmen der Veränderung quantifizierbar wird.
  • Vorzugsweise wird eine Ist-Veränderung mit einer vorbestimmten Soll-Veränderung des Gesundheitsparameters abgeglichen, wobei ein Interventionsdialog, insbesondere ein Erfolgsdialog, ausgegeben wird, wenn die Ist-Veränderung der Soll-Veränderung entspricht. Der Interventionsdialog kann den Nutzer darauf aufmerksam machen, dass eine Soll-Veränderung erreicht wurde. Beispielsweise kann die Soll-Veränderung eine Reduktion der Herzfrequenz um 20 Herzschläge pro Minute sein. Die Soll-Veränderung kann vorbestimmt, adaptierbar oder nutzerspezifisch sein. So kann der Nutzer durch den Interventionsdialog in vorteilhafter Weise motiviert werden, sein Verhalten anzupassen und seinen Entspanntheits- bzw. Gesundheitszustand zu verbessern.
  • Weiter kann der Interventionsdialog in Abhängigkeit der bestimmten Veränderung des mindestens einen Gesundheitsparameters und/oder des Entspanntheitswerts adaptiert werden. Wird z.B. keine oder nur eine geringe Veränderung, also eine Veränderung, die kleiner als ein vorbestimmtes Maß ist, oder eine Veränderung hin zu einem niedrigeren Entspanntheitswert oder einem unerwünschten Wert des Gesundheitsparameters festgestellt, so kann der Interventionsdialog verändert werden. Auch das Kriterium, z.B. ein Parameter des Kriteriums, in Abhängigkeit der Veränderung geändert, also adaptiert, werden. Hierzu kann einer Veränderung eine Änderung des Interventionsdialogs bzw. des Kriteriums zugeordnet sein oder werden, z.B. über eine vorbestimmte Zuordnung oder einen funktionellen Zusammenhang. Beispielsweise kann ein Schwellwert des Kriteriums verändert werden, wenn eine bestimmte Veränderung nicht einer Soll-Veränderung entspricht und/oder es wird ein Schwellwert des Kriteriums verändert, wenn eine bestimmte Veränderung einer Soll-Veränderung entspricht. Durch das Adaptieren des Interventionsdialogs kann in vorteilhafter Weise erreicht werden, dass eine bessere und schnellere Herstellung eines entspannten und gesunden Zustands des Nutzers erreicht werden kann. Durch das Adaptieren des Kriteriums in Abhängigkeit der bestimmten Veränderung kann der Nutzer in vorteilhafter Weise motiviert oder belohnt werden. Beispielsweise kann das Verringern des Schwellwertes, insbesondere bezüglich der Herzfrequenz, zur Folge haben, dass ein Interventionsdialog mit höherer Wahrscheinlichkeit ausgegeben wird. Auf der anderen Seite kann ein Erhöhen des Schwellwertes zur Folge haben, dass ein Interventionsdialog seltener ausgegeben wird, was dem Nutzer das Gefühl vermitteln kann, entspannt zu sein und die Arbeitsproduktivität steigern kann.
  • In einer weiteren Ausführungsform wird durch Auswerten des mindestens einen Abbilds, insbesondere von Abbildern einer Abfolge von Abbildern,
    • - eine Herzfrequenzvariabilität des Nutzers,
    • - ein aktuelles Blinzelverhalten des Nutzers,
    • - ein aktueller Abstand des Nutzers zur Bilderfassungseinrichtung und/oder
    • - eine aktuelle Emotion des Nutzers
    als Gesundheitsparameter bestimmt. Insbesondere kann durch Auswerten des Abbilds eine Größe bestimmt werden, die die genannten Parameter repräsentiert.
  • Die Herzfrequenzvariabilität bezeichnet den zeitlichen Abstand zwischen zwei Herzschlägen und kann über die Veränderung der Herzfrequenz zwischen mindestens zwei aufeinanderfolgenden Abbildern oder Abbilderfolgen bestimmt werden. Die Herzfrequenzvariabilität wird insbesondere in Zehntelsekunden angegeben. Die Herzfrequenzvariabilität lässt sich insbesondere über das zuvor erläuterte diskrete Signal zur Ermittlung der Herzfrequenz bestimmen. Da die Herzfrequenzvariabilität für die Gesundheit des Nutzers relevant ist, ergibt sich durch ein Berücksichtigen einer aktuellen Herzfrequenzvariabilität ein erhöhter Detailgrad bei der Bestimmung des Gesundheitsparameters sowie entsprechend auf bei der Bestimmung des Entspanntheitswerts.
  • Das aktuelle Blinzelverhalten des Nutzers bezeichnet die Anzahl der Lidschläge eines Auges über eine vorbestimmte Zeitdauer, wie beispielsweise 10 Lidschläge pro Minute und kann somit als Blinzelfrequenz bestimmt werden. Ein Lidschlag bzw. Blinzeln beschreibt den Vorgang eines zumindest teilweise Schließens und darauf folgende Öffnens eines Augenlids über die Pupille und dient dem Befeuchten der Hornhaut des Auges. Da ein Referenzpunkt jeder Pupille eines Nutzers auch als charakteristische Bildpunkt bestimmbar ist, können aus einer Abfolge von Abbildern Lidschläge aus dem temporären Überdecken einer Pupille durch ein Augenlid mit Hilfe der Auswerteeinrichtung bestimmt werden, woraus sich die Anzahl der Lidschläge für die Abfolge von Abbildern zuverlässig bestimmen lässt. Da insbesondere bei einem Arbeiten an einem Bildschirm ein kontinuierliches Befeuchten des Auges für die Gesundheit des Nutzers relevant ist, ergibt sich durch ein Berücksichtigen eines aktuellen Blinzelverhaltens ein erhöhter Detailgrad bei der Bestimmung des Gesundheitsparameters und eine genauere und zuverlässigere Bestimmung des Entspanntheitswerts. Auch kann eine zeitliche Variabilität des Blinzelverhaltens - analog zur Herzfrequenzvariabilität - als Gesundheitsparameter bestimmt werden.
  • Der aktuelle Abstand des Nutzers zur Bilderfassungseinrichtung kann mit Hilfe der charakteristischen Bildpunkte bestimmt werden, denen z.B. eine räumliche Position im Referenzkoordinatensystem zugeordnet werden kann, wobei dann der Abstand als Betrag eines Vektors zwischen der räumlichen Position und der räumlichen Position der Bilderfassungseinrichtung im Referenzkoordinatensystem bestimmt wird. Hierbei kann die räumliche Position der Bilderfassungseinrichtung bzw. eines Referenzpunktes des Bildschirms bestimmbar oder vorbekannt sein, insbesondere kann diese auch der Position des Ursprungs des Bildkoordinatensystems entsprechen. Der Abstand kann als Gesundheitsparameter relevant sein, da insbesondere bei einem Arbeiten an einem Bildschirm ein Mindestabstand zu dem Bildschirm vom Nutzer gewährt werden sollte. Ein Bestimmen des Abstands zwischen Nutzer und Bilderfassungseinrichtung ist insbesondere dann sinnvoll, wenn die Bilderfassungseinrichtung an dem Bildschirm angeordnet ist. Alternativ oder kumulativ wird ein Abstand zwischen Nutzer und Bildschirm in analoger Weise als Gesundheitsparameter bestimmt. Selbstverständlich kann die Position des Bildschirms vorbekannt sein oder ebenfalls bildbasiert bestimmbar sein.
  • Die aktuelle Emotion des Nutzers kann ebenfalls durch Auswerten charakteristischer Bildpunkte bestimmt werden. So kann beispielsweise ein Referenzpunkt jedes (abgebildeten) Mundwinkels als charakteristische Bildpunkte bestimmt werden, wobei an einer ersten Seite des Mundes und an einer gegenüberliegenden Seite des Mundes des Nutzers im Abbild jeweils ein charakteristischer Bildpunkt angeordnet ist. In Abhängigkeit einer Position der Mundwinkel relativ zum Gesichtsbereich des Nutzers kann dann eine Emotion bestimmt werden. Insbesondere ein Verhältnis der Positionen der Mundwinkel zueinander kann im Koordinatensystem des Abbilds bestimmt werden und mit einem Referenzverhältnis der Mundwinkel abgeglichen werden, um beispielsweise ein Lächeln des Nutzers als Emotion zu bestimmen. Ein Lächeln wird üblicherweise mit einem hohen Entspanntheitsgrad eines Nutzers verbunden und kann dann als Emotion bzw. Gesundheitsparameter bei der Bestimmung des Entspanntheitswertes in vorteilhafter Weise berücksichtigt werden. So können in einer vorbestimmten Zuordnung vorbestimmten Positionen und/oder Referenzverhältnisse der Mundwinkel vorbestimmte Emotionen bzw. eine die Emotion repräsentierende Größe zugeordnet sein, wobei diese Zuordnung genutzt wird, um für eine aktuelle Position der Mundwinkel eine aktuelle Emotion bzw. eine diese Emotion repräsentierende Größe zu bestimmen. Allgemeiner gesagt können in einer vorbestimmten Zuordnung vorbestimmten Positionen von einem oder von mehreren ausgewählten charakteristischen Punkten vorbestimmte Emotionen bzw. eine die Emotion repräsentierende Größe zugeordnet sein, wobei diese Zuordnung genutzt wird, um für eine aktuellen Position des/der charakteristischen Punkts/der charakteristischen Punkte eine aktuelle Emotion bzw. eine diese Emotion repräsentierende Größe zu bestimmen.
  • Durch das Auswerten des mindestens einen Abbilds können demnach verschiedene Gesundheitsparameter bestimmt werden, wodurch in vorteilhafter Weise eine Redundanz bei der Bestimmung der Gesundheitsparameter gegeben ist. Aus einer solchen Redundanz ergibt sich auch eine verbesserte Zuverlässigkeit beim Bestimmen des mindestens einen Entspanntheitswertes für den Nutzer. Weiter ist eine Genauigkeit beim Bestimmen der Gesundheitsparameter erhöht.
  • In einer weiteren Ausführungsform wird durch Auswerten des mindestens einen Abbilds, insbesondere von Abbildern einer Abfolge von Abbildern,
    • - mindestens eine Eigenschaft einer Mayer-Traube-Hering-Welle des Nutzers,
    • - mindestens eine Eigenschaft einer Mikrovibration des Nutzers und/oder
    • - eine Volumenänderung mindestens eines Teilbereichs eines Gesichtsbereichs des Nutzers,
    als Gesundheitsparameter bestimmt.
  • Die Bestimmung der Eigenschaft einer Mayer-Traube-Hering-Welle des Nutzers und/oder einer Eigenschaft einer Mikrovibration wurde vorhergehend bereits erläutert.
  • Ein Volumen des mindestens einen Teilbereichs, beispielsweise der Stirn, kann sich insbesondere aufgrund von verstärkter Durchblutung verändern. Zur Bestimmung einer Volumenänderung ist es vorstellbar, dass für einen Bereich oder Teilbereich im Abbild, wie beispielsweise den Stirnbereich, verschiedenen Punkten, insbesondere charakteristischen Bildpunkten, eine dreidimensionale Position in einem Referenzkoordinatensystem zugeordnet wird. Dieses Ergebnis der Zuordnung bzw. diese Menge von Punkten im Referenzkoordinatensystem kann als Face-Mesh bezeichnet werden. Die Bestimmung einer solchen dreidimensionalen Position aus einem zweidimensionalen Abbild ist insbesondere über die zuvor erwähnte Transformation von zwei- in dreidimensionale Koordinaten denkbar.
  • Eine Umrechnung von einer dimensionellen Größe, z.B. eines Abstands, einer Fläche oder eines Volumens, im Referenzkoordinatensystem in eine tatsächliche dimensionelle Größe kann z.B. in Abhängigkeit einer vorbekannten Referenzgröße erfolgen. So kann z.B. eine tatsächliche dimensionelle Größe einer im Abbild abgebildeten Struktur vorbekannt sein, z.B. eine tatsächliche Irisfläche, ein tatsächlicher Irisdurchmesser oder ein tatsächlicher Augenabstand. Eine solche tatsächliche dimensionelle Größe kann sich besonders vorteilhaft als Referenzgröße eignen, da beispielsweise eine Irisgröße unabhängig von einer Volumenänderung eines Teilbereichs des Gesichtsbereichs sein kann, d.h. die Irisgröße ändert sich z.B. nicht in Folge einer Volumenänderung des Gesichtsbereichs. Im Abbild kann dann eine entsprechende dimensionelle Größe, wie beispielsweise eine Irisgröße, im Referenzkoordinatensystem bestimmt werden und ein Umrechnungsfaktor, beispielsweise als Verhältnis der Referenzgröße zur entsprechenden aus dem Abbild bestimmten Größe, bestimmt werden, wobei dieser Umrechnungsfaktor dann genutzt werden kann, um das tatsächliche Volumen und/oder die tatsächliche Volumenänderung zu bestimmen, z.B. basierend auf einer Größe der Oberfläche des Face-Mesh im Referenzkoordinatensystem bzw. der Änderung dieser Größe. So kann in vorteilhafter Weise unterbunden werden, dass fälschlicherweise eine Volumenänderung detektiert wird, obwohl sich nur ein Abstand zwischen Nutzer und Bilderfassungseinrichtung verändert hat, der Nutzer also eigentlich nur näher an der Bilderfassungseinrichtung sitzt.
  • Auch denkbar ist, dass mindestens eine Eigenschaft eines Verlaufs der Volumenänderung, wie beispielsweise eine Amplitude oder Frequenz des Verlaufs der Volumenänderung bestimmt wird. Diese Eigenschaft kann in Abhängigkeit einer Veränderung einer Position eines charakteristischen Bildpunkts in einer Abfolge von Abbildern als Gesundheitsparameter bestimmt werden. Insbesondere kann ein zeitlicher Verlauf der Eigenschaft in Abhängigkeit einer Veränderung der Position über eine vorbestimmte Zeitdauer als mathematische Funktion bzw. als zeitliche Abfolge diskreter Werte ermittelt werden, wobei die Funktion bzw. zeitliche Abfolge als Signal bezeichnet werden kann.
  • Das Volumen eines Gesichtsbereichs oder Teilbereichs des Gesichts kann beispielsweise in Folge von erhöhtem Stress an- oder abschwellen. Bei dem typischen „Rotwerden“, wie beispielsweise aus Zorn oder Scham, handelt es sich um eine Schwellung in Folge verbesserter Durchblutung der Gesichtsregionen, die somit auch mit einer Volumenänderung korreliert. Somit kann eine Volumenänderung mit einem veränderten Gesundheits- bzw. Entspanntheitszustand des Nutzers korrelieren. Weiter ist aus medizinischen Untersuchungen bekannt, dass zu wenig Schlaf, Erkältungen, Entzündungen, Medikamente und Computerarbeit zu einer (vorübergehenden) Schwellung der Augenlider führen. Darüber hinaus können geschwollene Augenlider ein Indikator für ein Übermaß an Koffein und Alkoholkonsum sowie der Notwendigkeit von Flüssigkeitszufuhr sein. Eine solche Lidschwellung kann als Volumenänderung in Gesichtsteilen, beispielsweise im Augenbereich, bestimmt werden.
  • Durch die beschriebene Bestimmung einer Volumenänderung kann somit ein aktueller Gesundheitszustand des Nutzers genauer und zuverlässiger repräsentiert werden, was wiederum eine verbesserte Bestimmung des Entspanntheitswerts ermöglicht.
  • Wird eine Eigenschaft einer Mayer-Traube-Hering-Welle, eine Eigenschaft einer Mikrovibration und/oder eine Volumenänderung eines Teilbereichs des Gesichtsbereichs als Gesundheitsparameter bestimmt, so kann ein aktueller Gesundheitszustand des Nutzers genauer und zuverlässiger repräsentiert werden, was wiederum eine verbesserte Bestimmung des Entspanntheitswerts ermöglicht.
  • In einer weiteren Ausführungsform wird das Modell mit einem Verfahren des maschinellen Lernens wie folgt erlernt,
    • - Bereitstellen einer Trainingsdatenmenge mit Gesundheitsparametern und/oder Abbildern von mindestens einer Person, wobei jedem Gesundheitsparameter und/oder jedem Abbild mindestens eine Grundwahrheit zugeordnet ist,
    • - Erlernen des Modells, wobei eine Abweichung zwischen einem modellbasiert bestimmten Entspanntheitswert und der Grundwahrheit durch Anpassen von Modellparametern des Modells, insbesondere mit Hilfe des Verfahrens des maschinellen Lernens, minimiert wird.
  • Ein ungelerntes Modell muss erlernen, ausgehend von einem oder mehreren Gesundheitsparametern und/oder Abbildern, einen Entspanntheitswert so zu bestimmen, dass eine Durchführung des eingangs beschriebenen Verfahrens mit hinreichender Genauigkeit ermöglicht ist. Hierzu kann ein noch nicht trainiertes Modell mit der Trainingsdatenmenge trainiert werden. Durch das Trainieren werden Modellparameter des Modells dann derart angepasst, dass die geforderte hinreichende Genauigkeit beim Bestimmen eines Entspanntheitswerts für zumindest eine Teilmenge der Trainingsdatenmenge erreicht wird.
  • Das Modell, insbesondere ein neuronales Modell oder neuronales Netz, kann mehrere Ebenen umfassen, wobei in jeder Ebene eine Vielzahl von Neuronen angeordnet sein kann. Ein solches Modell kann beispielsweise ein Residual Neural Network sein. Eine Anzahl bzw. Anordnung der Neuronen bzw. Ebenen oder eine Verknüpfung zwischen den verschiedenen Ebenen können Modellparameter des Modells darstellen. Eine Anpassung der Anordnung oder Anzahl der Neuronen und/oder ein Verknüpfen zwischen den Ebenen kann also ein Anpassen von Modellparametern bezeichnen. Die hier erläuterten Modelleigenschaften können auch auf ein im Folgenden noch näher erläutertes weiteres Modell zutreffen.
  • Die Trainingsdatenmenge umfasst eine ausreichend hohe Anzahl an Gesundheitsparametern und/oder Abbildern von mindestens einer Person, vorzugsweise von einer Vielzahl von Personen. Jedem Gesundheitsparameter und/oder Abbild ist hierbei mindestens eine Grundwahrheit zugeordnet. Insbesondere ist die Grundwahrheit ein Entspanntheitswert, der sich aus dem zugehörigen Gesundheitsparameter und/oder Abbild ergibt. Eine solche zu einem Gesundheitsparameter und/oder Abbild gehörende Grundwahrheit kann beispielsweise durch eine Befragung einer Person bereitgestellt werden und somit vorbestimmt sein. Auch kann einer Kombination von mehreren Gesundheitsparametern und/oder mehreren Abbildern eine Grundwahrheit zugeordnet sein. Insbesondere kann eine Kombination von Gesundheitsparameter(n) und genau einem Abbild bereitgestellt werden, wobei beispielsweise eine Körperhaltung als Gesundheitsparameter mit einem Abbild, welches die Körperhaltung abbildet, kombiniert sein kann. Dieser Kombination, also der Menge umfassend den/die Gesundheitsparameter und das Abbild, kann dann ein personenspezifischer Entspanntheitswert von Gesundheitsparameter und Abbild zugeordnet sein. Auch denkbar ist, dass eine Abfolge von, insbesondere zeitlich aufeinander folgenden, Abbildern und einem oder mehreren der Abfolge zugeordneten Entspanntheitswerten mit der Trainingsmenge bereitgestellt wird, beispielsweise um eine für die Person entspannende Veränderung einer Körperhaltung für das Training des Modells bereitzustellen. Besonders vorzugsweise umfasst die Trainingsdatenmenge mindestens 1000 Gesundheitswerte und/oder Abbilder bzw. Kombinationen und diesen zugeordnete Entspanntheitswerte.
  • Das Verfahren des maschinellen Lernens wird dann genutzt, um das Modell zu erlernen. Hierbei werden ein oder mehrere Gesundheitswerte und/oder Abbilder der Trainingsdatenmenge dem ungelernten Modell als Eingangsgröße bereitgestellt und das Modell bestimmt dann auf Basis der noch unangepassten Modellparameter als Ausgangsgröße einen modellbasierten ersten Entspanntheitswert. Modellbasiert bezeichnet also, dass der Entspanntheitswert vom Modell bestimmt wird und nicht, beispielsweise als Grundwahrheit, vorbestimmt ist. Um die Modellparameter anzupassen, wird eine Abweichung, insbesondere eine numerische Abweichung, zwischen der Grundwahrheit und dem modellbasierten ersten Entspanntheitswert ermittelt. Eine Anpassung der Modellparameter kann dann durch eine iterative Minimierung der ermittelten Abweichung erfolgen. In weiteren Durchläufen wird das beschriebene Vorgehen für die verbleibenden Gesundheitsparameter und/oder Abbilder und zugehörigen Grundwahrheiten weiter durchführt, so dass das Modell für das Bestimmen von Entspanntheitswerten aus Gesundheitsparametern und/oder Abbildern optimiert wird. Dies entspricht dem Verfahren des maschinellen Lernens. Entsprechende Trainingsverfahren sind dem Fachmann bekannt.
  • Auch kann eine Teilmenge der Trainingsdatenmenge, beispielsweise 100 der 1000 Gesundheitsparameter und/oder Abbilder, zur Verifikation/Validierung des Modells bereitgestellt werden. Um eine Grundgüte des Modells zu verifizieren, wird beispielsweise für die zurückgehaltenen 100 Gesundheitsparameter und/oder Abbilder mittels des erlernten Modells mindestens ein modellbasierter Entspanntheitswert bestimmt. Die den 100 Gesundheitsparametern und/oder Abbildern zugeordneten Grundwahrheiten werden dann genutzt, um zu überprüfen, ob der mindestens eine modellbasiert bestimmte Entspanntheitswert nicht mehr als ein vorbestimmtes Maß von den zugehörigen Grundwahrheiten abweicht.
  • Vorzugsweise wird zusätzlich oder alternativ eine nutzerspezifische Trainingsdatenmenge mit mindestens einem Gesundheitsparameter und/oder Abbild des Nutzers bereitgestellt. Besonders bevorzugt kann für einen bestimmten Nutzer eine Vielzahl von Gesundheitsparametern und/oder Abbildern des Nutzers bereitgestellt werden, wie beispielsweise verschiedene Körperhaltung, die der Nutzer als gesund und angenehm bzw. ungesund und unangenehm empfindet. Jedem der bereitgestellten Gesundheitsparameter und/oder Abbilder des Nutzers ist mindestens eine nutzerspezifische Grundwahrheit zugeordnet, insbesondere ein nutzerspezifischer Entspanntheitswert. Eine nutzerspezifische Grundwahrheit kann durch Befragung des Nutzers ermittelt werden.
  • Bevorzugt umfasst die nutzerspezifische Trainingsdatenmenge 300 Gesundheitsparameter und/oder Abbilder des Nutzers. So kann das beschriebene Verfahren des maschinellen Lernens in vorteilhafter Weise genutzt werden, um das Modell, insbesondere für den Nutzer, zu spezialisieren. Ein solches Spezialisieren eines Modells wird auch als Transfer Learning bezeichnet. Beim Transfer Learning wird ein bereits trainiertes Modell wie vorhergehend erläutert weiter trainiert, also spezialisiert. Ein Training kann aber auch ausschließlich nutzerspezifisch erfolgen kann, also ohne, dass ein Transfer-Learning erfolgen muss.
  • Durch das Erlernen des Modells mit der Trainingsdatenmenge wird in einem ersten Schritt ermöglicht, dass das Modell eine Grundgüte erreicht, die mit Hilfe der nutzerspezifischen Trainingsdatenmenge weiter erhöht werden kann. Aufgrund der Grundgüte kann die nutzerspezifische Trainingsdatenmenge eine geringere Anzahl von Gesundheitsparametern und/oder Abbildern umfassen als die Trainingsdatenmenge. Dies ist insbesondere vorteilhaft, wenn das erlernte Modell dem Nutzer mit einer Grundgüte bereitgestellt wird, wobei der Nutzer durch Bereitstellen einer nutzerspezifischen Trainingsdatenmenge dieses erlernte Modell spezialisieren kann, beispielsweise mit Hilfe der Auswerteeinrichtung.
  • Durch das beschriebene Erlernen bzw. Spezialisieren des Modells wird in vorteilhafter Weise erreicht, dass auch für einen Gesundheitsparameter und/oder ein Abbild, welchem keine Grundwahrheit zugeordnet ist, ein modellbasierter Entspanntheitswert mit hoher Güte bestimmt werden kann.
  • In einer weiteren Ausführungsform wird der mindestens eine Gesundheitsparameter mit einem weiteren maschinell erlernten Modell bestimmt, wobei das mindestens eine erzeugte Abbild eine Eingangsgröße und der Gesundheitsparameter eine Ausgangsgröße des weiteren Modells bildet. Ein Erlernen des weiteren Modells wird im Folgenden noch näher erläutert. Es ergibt sich der Vorteil, dass ausgehend von einem erzeugten Abbild auch ein Gesundheitsparameter maschinell und somit mit erhöhter Zuverlässigkeit und Genauigkeit automatisiert bestimmt werden kann.
  • In einer weiteren Ausführungsform wird eine weitere Trainingsdatenmenge mit einer Vielzahl von Abbildern mindestens einer Person bereitgestellt, wobei jedem Abbild mindestens eine Grundwahrheit zugeordnet ist, wobei das weitere Modell mit der weiteren Trainingsdatenmenge trainiert wird, wobei eine Abweichung zwischen einem modellbasiert bestimmten Gesundheitsparameter und der Grundwahrheit durch Anpassen von Modellparametern des weiteren Modells minimiert wird.
  • Besonders vorzugsweise umfasst die weitere Trainingsdatenmenge mindestens 1000 Abbilder und diesen zugeordnete Grundwahrheiten. Die Abbilder können die mindestens eine Person in verschiedenen Arbeitssituationen abbilden, insbesondere in verschiedenen Köperhaltungen. Vorzugweise entspricht die dem Abbild zugeordnete Grundwahrheit einem Gesundheitsparameter. Ein solcher Gesundheitsparameter kann beispielsweise als eine Körperhaltung und/oder Herzfrequenz der im Abbild abgebildeten Person bestimmt worden sein. Auch denkbar ist, dass eine Abfolge von, insbesondere zeitlich aufeinander folgenden, Abbildern und einem oder mehreren der Abfolge zugeordneten Gesundheitsparametern mit der weiteren Trainingsmenge bereitgestellt wird, beispielsweise um das Bestimmen einer Herzfrequenz aus den Unterschieden zwischen mindestens zwei Abbildern zu erlernen.
  • Mit Hilfe des weiteren Modells kann aus einem Abbild ein Gesundheitsparameter bestimmt werden, indem beispielsweise einzelne Bildpunkte eines als Bilddatei kodierten Abbilds mittels des weiteren Modells analysiert werden. So kann das weitere Modell die Unterschiede zwischen den Intensitäten der Bildpunkte analysieren und so Kanten-, Kurven- und/oder Farbverläufe in einem Abbild auswerten. Aus den so ausgewerteten Verläufen können dann insbesondere charakteristische Bildpunkte und/oder eine Körperhaltung bzw. ein Gesundheitsparameter bestimmt werden.
  • Um das weitere Modell zu erlernen, wird dem ungelernten weiteren Modell beispielsweise ein Abbild der weiteren Trainingsdatenmenge zugeführt. Das ungelernte weitere Modell bestimmt für das Abbild einen ersten modellbasierten Gesundheitsparameter. Um die Modellparameter des weiteren Modells anzupassen, wird eine Abweichung, insbesondere eine numerische Abweichung, zwischen der Grundwahrheit und dem ersten modellbasierten Gesundheitsparameter ermittelt. Eine Anpassung der Modellparameter kann dann durch eine iterative Minimierung der ermittelten Abweichung erfolgen. In weiteren Durchläufen wird das beschriebene Vorgehen für die verbleibenden Abbilder und Grundwahrheiten ebenfalls durchführt, so dass das weitere Modell für das Bestimmen von Gesundheitsparametern aus Abbildern optimiert wird. Entsprechende Trainingsverfahren sind dem Fachmann bekannt.
  • Auch kann eine Teilmenge der weiteren Trainingsdatenmenge, beispielsweise 100 der 1000 Abbilder, zur Verifikation/Validierung des weiteren Modells bereitgestellt werden. Um eine Grundgüte des weiteren Modells zu verifizieren, wird beispielsweise für die zurückgehaltenen 100 Abbilder mittels des erlernten Modells mindestens ein modellbasierter Gesundheitsparameter bestimmt. Die den 100 Abbildern zugeordneten Grundwahrheiten werden dann genutzt, um zu überprüfen, ob der mindestens eine modellbasiert bestimmte Gesundheitsparameter nicht mehr als ein vorbestimmtes Maß von den zugehörigen Grundwahrheiten abweicht.
  • Vorzugsweise wird zusätzlich oder alternativ eine weitere nutzerspezifische Trainingsdatenmenge mit mindestens einem Abbild des Nutzers bereitgestellt. Besonders bevorzugt kann für einen bestimmten Nutzer eine Vielzahl von Abbildern bereitgestellt werden. Jedem der bereitgestellten Abbilder des Nutzers ist mindestens eine nutzerspezifische Grundwahrheit zugeordnet, insbesondere ein nutzerspezifischer Gesundheitsparameter. Eine nutzerspezifische Grundwahrheit kann durch Befragung des Nutzers ermittelt werden.
  • Bevorzugt umfasst die weitere nutzerspezifische Trainingsdatenmenge 300 Abbilder des Nutzers. So kann das beschriebene Verfahren des maschinellen Lernens in vorteilhafter Weise genutzt werden, um das weitere Modell, insbesondere für den Nutzer, zu spezialisieren. Ein solches Spezialisieren eines weiteren Modells wird auch als Transfer Learning bezeichnet. Beim Transfer Learning wird ein bereits trainiertes weiteres Modell wie vorhergehend erläutert weiter trainiert, also spezialisiert. Ein Training kann aber auch ausschließlich nutzerspezifisch erfolgen kann, also ohne, dass ein Transfer-Learning erfolgen muss.
  • Durch das Erlernen des Modells mit der weiteren Trainingsdatenmenge wird in einem ersten Schritt ermöglicht, dass das weitere Modell eine Grundgüte erreicht, die mit Hilfe der weiteren nutzerspezifischen Trainingsdatenmenge weiter erhöht werden kann. Aufgrund der Grundgüte kann die weitere nutzerspezifische Trainingsdatenmenge eine geringere Anzahl von Abbildern umfassen als die weitere Trainingsdatenmenge. Dies ist insbesondere vorteilhaft, wenn das weitere erlernte Modell dem Nutzer mit einer Grundgüte bereitgestellt wird, wobei der Nutzer durch Bereitstellen einer weiteren nutzerspezifischen Trainingsdatenmenge dieses erlernte Modell spezialisieren kann, beispielsweise mit Hilfe der Auswerteeinrichtung.
  • Durch das beschriebene Erlernen bzw. Spezialisieren des weiteren Modells wird in vorteilhafter Weise erreicht, dass auch für ein Abbild, welchem keine Grundwahrheit zugeordnet ist, ein modellbasierter Gesundheitsparameter mit hoher Güte bestimmt werden kann.
  • In einer weiteren Ausführungsform wird mittels einer von der Bilderfassungseinrichtung verschiedenen Erfassungseinrichtung mindestens eine Größe, insbesondere ein Wert bzw. ein Umgebungsparameter, bestimmt, wobei der Gesundheitsparameter und/oder Entspanntheitswert zusätzlich in Abhängigkeit der Größe bestimmt wird. Vorzugsweise wird die Größe berührungslos bestimmt. So kann in vorteilhafter Weise eine Genauigkeit des Verfahrens erhöht werden.
  • Weiter kann ein Schallwert mittels eines Schallwandlers und/oder ein CO2-Wert mittels eines CO2-Sensors als mindestens ein Umgebungsparameter in einem Arbeitsumfeld ermittelt werden, wobei der mindestens eine Gesundheitsparameter und/oder der Entspanntheitswert zusätzlich in Abhängigkeit des ermittelten Umgebungsparameters bestimmbar ist.
  • Der Schallwandler kann als ein Mikrofon, beispielsweise ein Webcam-Mikrofon, ausgebildet sein. Schall kann beispielsweise durch Geräusche oder Gespräche im Arbeitsumfeld des Nutzers emittiert werden und als Schallwert, insbesondere als Schallwechseldruck oder Schallpegel, durch den Schwallwandler ermittelt werden. Der Schallwert wird vorzugsweise in Dezibel angegeben.
  • Der CO2-Sensor kann als Infrarot-Sensorelement ausgebildet sein und eine Infrarot-Lichtquelle aufweisen. Infrarotlicht wird von der Infrarot-Lichtquelle durch die im Arbeitsumfeld des Nutzers vorhandene Luft zum Sensorelement geleitet. Das emittierte Infrarotlicht vom in der Luft vorhandenen CO2 zumindest teilweise absorbiert. Der CO2-Sensor misst hierbei, wieviel des von der Lichtquelle emittierten Infrarotlichts auf dem Sensorelement messbar ist. Hieraus wird dann ein CO2-Wert im Arbeitsumfeld des Nutzers ermittelt. Der CO2-Wert kann in Millionstel bzw. ppm angegeben werden.
  • Der mindestens eine Umgebungsparameter entspricht insbesondere dem ermittelten Schallwert und/oder CO2-Wert. Vorzugsweise entspricht ein erster ermittelter Umgebungsparameter dem Schallwert und ein weiterer Umgebungsparameter dem CO2-Wert.
  • Einige Schall- bzw. CO2-Werte sind für den Menschen gesundheitsschädlich. Daher ist es vorteilhaft, diese Werte zu ermitteln und bei der Bestimmung eines Gesundheitswerts zu berücksichtigen.
  • Weiter vorgeschlagen wird ein System zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld aufweisend eine Bilderfassungseinrichtung und/oder eine Schnittstelle, eine Auswerteeinrichtung, eine Speichereinrichtung, sowie eine Ausgabeeinrichtung, wobei das System dazu ausgebildet bzw. derart konfiguriert ist, ein Verfahren nach einer der vorangegangen Ausführungsformen auszuführen.
  • Ausführungsbeispiele für eine entsprechende Bilderfassungseinrichtung, Auswerteeinrichtung und Ausgabeeinrichtung wurden zuvor bereits erläutert.
  • Alternativ oder kumulativ zur Bilderfassungseinrichtung kann das System auch eine Schnittstelle aufweisen, über welche dem System insbesondere Abbilder bereitgestellt werden können. Die Schnittstelle ermöglicht vorzugsweise eine datentechnische Übertragung zwischen zwei elektronischen Einrichtungen, wie beispielsweise zwischen einer systemfremden Bilderfassungseinrichtung oder Speichereinrichtung und dem zuvor genannten System, insbesondere der Auswerteeinrichtung des Systems.
  • Insbesondere kann das Übertragen der Daten über die Schnittstelle mit Hilfe verschiedener Verbindungsstandards wie beispielsweise USB, Bluetooth, WLAN, Wi-Fi etc. ermöglicht sein. So ist in vorteilhafter Weise insbesondere das Erlernen des Modells oder weiteren Modells vereinfacht, da die Trainingsdatenmenge und/oder weitere Trainingsdatenmenge von einer systemfremden Einrichtung an das System übertragen werden kann/können. Weiter können so in vorteilhafter Weise Datenschutzauflagen erfüllt werden, insbesondere da das System nicht dauerhaft an das Internet angeschlossen sein muss, um beispielsweise die Abbilder des Nutzers auszuwerten.
  • Die Speichereinrichtung kann zum Beispiel als ROM oder RAM ausgebildet sein, wobei Daten wie beispielsweise erzeugte Abbilder, bestimmte Gesundheitsparameter und/oder bestimmte Entspanntheitswerte mit Hilfe der Speichereinrichtung gespeichert werden können. Auch können Parameter des Interventionsdialogs gespeichert sein.
  • Da das System dazu ausgebildet bzw. derart konfiguriert ist, ein Verfahren nach einer der in dieser Offenbarung beschriebenen Ausführungsformen auszuführen, können sich die für die Ausführungsformen des Verfahrens genannten Vorteile entsprechend auch für das System ergeben.
  • In einer weiteren Ausführungsform des Systems weist das System mindestens eine von der Bilderfassungseinrichtung verschiedene Erfassungseinrichtung auf, wobei die Erfassungseinrichtung dazu ausgebildet ist, mindestens eine Größe, insbesondere einen Wert, zu bestimmen, wobei der Gesundheitsparameter und/oder Entspanntheitswert zusätzlich in Abhängigkeit der Größe bestimmt wird. So kann in vorteilhafter Weise eine Redundanz des Systems erhöht werden.
  • In einer weiteren Ausführungsform weist das System zusätzlich einen Schallwandler und/oder einen CO2-Sensor auf, wobei der Schallwandler und/oder CO2 Sensor dazu ausgebildet ist, einen Schwallwert und/oder CO2-Wert als mindestens einen Umgebungsparameter in einem Arbeitsumfeld zu ermitteln, wobei mindestens ein Gesundheitsparameter und/oder der Entspanntheitswert zusätzlich in Abhängigkeit des Umgebungsparameters bestimmbar ist. Die Ausführungsbeispiele und Vorteile der Ermittlung eines Schall- und/oder CO2-Werts wurden für einen entsprechenden Schallwandler und/oder CO2-Sensor zuvor bereits erläutert und können so zumindest teilweise auch auf den Schallwandler und/oder den CO2-Sensor des Systems zutreffen.
  • Weiter vorgeschlagen wird eine Vorrichtung zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld, wobei die Vorrichtung ein Gehäuse aufweist, wobei in und/oder an dem Gehäuse zumindest ein Teil des Systems nach einer der in dieser Offenbarung beschriebenen Ausführungsformen angeordnet ist. Das Gehäuse haust zumindest einen Teil des Systems ein, wie beispielsweise die Bilderfassungseinrichtung, Ausgabeeinrichtung und/oder Auswerteeinrichtung und kann den eingehausten Teil vor Umwelteinflüssen wie Feuchtigkeit schützen. Das Gehäuse kann aus Polyethylen oder Metall hergestellt sein und Aussparungen/Öffnungen für ein Anordnen zumindest die Bilderfassungseinrichtung und Ausgabeeinrichtung aufweisen. Vorzugsweise ist die Vorrichtung portabel. Besonders bevorzugt weist die Vorrichtung einen Standfuß auf, welcher insbesondere ausklappbar ist. Die Vorrichtung ist dazu ausgebildet bzw. derart konfiguriert, ein Verfahren nach einer der in dieser Offenbarung beschriebenen Ausführungsformen auszuführen. Somit können sich die für die Ausführungsformen genannten Vorteile entsprechend auch für die Vorrichtung ergeben.
  • Vorzugsweise ist das System vollständig in der Vorrichtung angeordnet, so dass die Vorrichtung ausreicht, um das Verfahren durchzuführen. Hierdurch ergibt sich in vorteilhafter Weise, dass das Verfahren durch die Portabilität der Vorrichtung in verschiedenen Arbeitsumfeldern ausgeführt werden kann, insbesondere an verschiedenen Arbeitsplätzen wie im Büro oder zu Hause.
  • In einer weiteren Ausführungsform weist die Vorrichtung ein Ausrichtungsmodul zur automatischen Ausrichtung der Vorrichtung auf. Das Ausrichtungsmodul kann dazu ausgebildet sein, insbesondere die Bilderfassungseinrichtung der Vorrichtung automatisch auszurichten, also deren Position und/oder Orientierung zu verändern. Hierzu kann das Ausrichtungsmodul einen Stellmotor aufweisen. Vorzugsweise ist das Ausrichtungsmodul dazu ausgebildet, die Vorrichtung auf den Nutzer automatisch auszurichten. Diese Ausrichtung kann z.B. bildbasiert erfolgen. Beispielsweise kann mindestens ein Körperbereich (also ein Bereich des Körpers, der abgebildet ist) des Nutzers bildbasiert, also durch eine Bildauswertung, bestimmt werden und eine Position und/oder Orientierung in Abhängigkeit des Körperbereichs derart verändert werden, dass nach dieser Ausrichtung ein vorbestimmter Körperbereich, insbesondere ein Gesichtsbereich, abgebildet wird. So kann in vorteilhafter Weise die Benutzerfreundlichkeit der Vorrichtung gesteigert werden.
  • In einer weiteren Ausführungsform weist die Vorrichtung Mittel zur ausschließlichen Abbildung eines unteren Körperbereichs des Nutzers auf. Der untere Körperbereich kann insbesondere die Beine umfassen. Der untere Körperbereich umfasst zumindest den Gesichtsbereich des Nutzers nicht. Ein Mittel zur ausschließlichen Erfassung des unteren Körperbereichs kann als ein Softwaremittel ausgebildet sein. Alternativ oder kumulativ ist auch denkbar, dass das Mittel Teil des zuvor beschriebenen Ausrichtungsmoduls ist. Durch ein ausschließliches Erfassen des unteren Körperbereichs kann eine Privatsphäre des Nutzers in vorteilhafter Weise gesteigert werden, da insbesondere der Gesichtsbereich nicht erfasst wird.
  • In einer weiteren Ausführungsform weist die Vorrichtung mindestens ein Mittel zur Beeinflussung des Arbeitsumfelds und/oder mindestens ein Anschlussmittel zum Anschluss eines Mittels zur Beeinflussung des Arbeitsumfelds auf. Die Beeinflussung des Arbeitsumfelds kann erfolgen, indem z.B. ein Umfeldparameter, z.B. eine Temperatur, eine Lichtintensität, eine Luftfeuchte oder ein Sauerstoffgehalt oder ein weiterer Umfeldparameter verändert wird. Die Veränderung kann in Abhängigkeit des Gesundheitsparameters und/oder des Entspanntheitswerts erfolgen, insbesondere derart, dass eine Abweichung von einem Sollwert reduziert wird. Das mindestens eine Mittel zur Beeinflussung des Arbeitsumfelds kann als eine Heiz-, Kühl-, Belüftungs-, Beleuchtungs- und/oder Befeuchtungseinrichtung ausgebildet sein. Das Anschlussmittel kann eine Übertragung von Daten, Signalen und/oder Energie zwischen der Vorrichtung und dem Mittel zu Beeinflussung ermöglichen. Durch die Beeinflussung des Arbeitsumfelds kann so in vorteilhafter Weise ein Gesundheitsparameter und/oder Entspanntheitswert des Nutzers verbessert werden.
  • Weiter vorgeschlagen wird ein Computerprogrammprodukt mit einem Computerprogramm, wobei das Computerprogramm Softwaremittel zur Ausführung eines, mehrerer oder aller Schritte des Verfahrens nach einer der in dieser Offenbarung beschrieben Ausführungsformen umfasst, wenn das Computerprogramm von oder in einem Computer oder einem Automatisierungssystem ausgeführt wird. Insbesondere umfasst das Computerprogrammprodukt Softwaremittel zum erläuterten Bestimmen mindestens eines Gesundheitsparameters und/oder zum erläuterten Bestimmen des Entspanntheitswertes.
  • Ferner wird ein Programm beschrieben, das, wenn es auf einem Computer oder in einem Automatisierungssystem abläuft, den Computer oder das Automatisierungssystem veranlasst, einen oder mehrere oder alle, insbesondere die genannten, Schritte des beanspruchten Verfahrens gemäß einer der in dieser Offenbarung beschriebenen Ausführungsformen durchzuführen, und/oder ein Programmspeichermedium, auf dem das Programm gespeichert ist (insbesondere in einer nicht-transitorischen Form), und/oder zu einem Computer, der das Programmspeichermedium umfasst, und/oder eine (physikalischen, z.B. elektrische, z.B. technisch erzeugte) Signalwelle, z.B. eine digitale Signalwelle, die Informationen trägt, die das Programm, z.B. das vorgenannte Programm, darstellen, das z.B. Codemittel umfasst, die geeignet sind, einen oder alle der hierin beschriebenen Verfahrensschritte durchzuführen.
  • Dies bedeutet, dass das erfindungsgemäße Verfahren zum Beispiel ein computerimplementiertes Verfahren ist. Beispielsweise können alle Schritte oder nur einige der Schritte (d.h. weniger als die Gesamtzahl der Schritte) des erfindungsgemäßen Verfahrens von einem Computer ausgeführt werden. Eine Ausführungsform des computerimplementierten Verfahrens ist eine Verwendung des Computers zur Durchführung eines Datenverarbeitungsverfahrens. Der Computer umfasst zum Beispiel mindestens einen Mikrocontroller oder Prozessor und zum Beispiel mindestens einen Speicher, um die Daten (technisch) zu verarbeiten, zum Beispiel elektronisch und/oder optisch. Der Prozessor besteht beispielsweise aus einer Substanz oder Zusammensetzung, die ein Halbleiter ist, beispielsweise zumindest teilweise n- und/oder p-dotierter Halbleiter, beispielsweise mindestens ein II-, III-, IV-, V-, Vl-Halbleitermaterial, beispielsweise (dotiertes) Silizium und/oder Galliumarsenid. Die beschriebenen Schritte, insbesondere die Bestimmungsschritte, werden beispielsweise von einem Computer durchgeführt. Bestimmungsschritte oder Berechnungsschritte sind beispielsweise Schritte zur Bestimmung von Daten im Rahmen des technischen Verfahrens, beispielsweise im Rahmen eines Programms. Ein Computer ist z.B. jede Art von Datenverarbeitungsgerät, z.B. elektronisches Datenverarbeitungsgerät. Ein Computer kann ein Gerät sein, das allgemein als solches angesehen wird, z. B. Desktop-PCs, Notebooks, Netbooks usw., kann aber auch ein beliebiges programmierbares Gerät sein, wie z. B. ein Mobiltelefon oder ein eingebetteter Prozessor. Ein Computer kann beispielsweise aus einem System (Netzwerk) von „Sub-Computern“ bestehen, wobei jeder Sub-Computer einen eigenständigen Computer darstellt. Schritte, die von einem Computer oder einem Automatisierungssystem ausgeführt oder durchgeführt werden, können insbesondere die Bestimmungsschritte und/oder der Verifikationsschritt sein.
  • Das Computerprogrammprodukt ermöglicht in vorteilhafter Weise die Durchführung eines erfindungsgemäßen Verfahrens gemäß einer der in dieser Offenbarung beschriebenen Ausführungsformen, für die zuvor technische Vorteile beschrieben worden sind.
  • Vorzugsweise ist das in dieser Offenbarung beschriebene Verfahren und/oder das System und/oder die Vorrichtung und/oder das Computerprogrammprodukt zur Ausführungen mindestens einer der folgenden Maßnahmen ausgebildet:
    • - eine Arbeitsplatzsituation zu bewerten, z.B. durch Ausgabe einer Bewertungsinformation,
    • - eine Beleuchtung, eine Luftfeuchtigkeit in einem Arbeitsumfeld zu steuern,
    • - einem Nutzer Arbeitspausen, insbesondere durch die Ausgabe eines entsprechenden Interventionsdialogs, vorzuschlagen,
    • - Hinweise zu einer Arbeitsorganisation zu geben, auch insbesondere durch die Ausgabe eines entsprechenden Interventionsdialog,
    • - einen Krankheitszustand, z.B. eine Infektion, eines Nutzers zu identifizieren, beispielsweise mit Hilfe eines bestimmten Gesundheitsparameters,
    • - einen Blutdruck für einen Nutzer zu bestimmen,
    • - eine Puls- und Atemfrequenz zu bestimmen, beispielsweise mit Hilfe der Änderungen der Intensitäten in einer Abfolge von Abbildern und/oder charakteristischen Bildpunkten der Abfolge von Abbildern,
    • - einen Raumluftparameter, insbesondere einen CO2-Wert, in einem Arbeitsumfeld zu bestimmen und gegebenenfalls auszugeben,
    • - einen Lärmparameter, insbesondere einen Schallwert, in einem Arbeitsumfeld zu bestimmen und gegebenenfalls auszugeben,
    • - einen Nutzer bei der Meditation zu unterstützen, beispielsweise durch Hinweise zur Anpassung der Körperhaltung, insbesondere durch die Ausgabe eines entsprechenden Interventionsdialogs,
    • - einen aktuellen Gesichtsausdruck eines Nutzers zu bestimmen,
    • - stressbedingte Anzeichen wie übermäßiges Anfassen des eigenen Gesichts zur Vorbeugung von Infektionen am Arbeitsplatz zu bestimmen, insbesondere durch Kontrolle der Handbewegung und Erinnerung bei Zuführung der Hände zum Gesicht,
    • - einen Nutzer auf eine Pause, ein gesundes Stretching, ein Achtsamkeitstraining, eine Nahrungs- und/oder Flüssigkeitsaufnahme hinzuweisen, insbesondere durch die Ausgabe eines entsprechenden Interventionsdialogs,
    • - eine Nahrungs- und/oder Flüssigkeitsaufnahme des Nutzers zu erkennen,
    • - einem Nutzer Angewohnheiten wie bspw. Daumenlutschen, Fingernägelkauen, insbesondere zur Unterstützung einer Esskultur abzugewöhnen, insbesondere durch die Ausgabe eines entsprechenden Interventionsdialogs,
    • - einem Nutzer ein Verhalten an oder abzutrainieren, bspw. bei der Raucherentwöhnung insbesondere durch die Ausgabe eines entsprechenden Interventionsdialogs.
  • Die zuvor genannten Maßnahmen tragen insbesondere zu einer vorteilhaften Verbesserung eines Gesundheitszustands bzw. eines Entspanntheitszustands eines Nutzers bei.
  • Die Erfindung wird anhand von Ausführungsbeispielen näher erläutert. Die Figuren zeigen:
    • 1 ein schematisches Flussdiagramm einer erfindungsgemäßen Ausführungsform eines Verfahrens,
    • 2 ein Abbild eines Nutzers in einem Arbeitsumfeld,
    • 3 eine erfindungsgemäße Ausführungsform eines Systems und einer Vorrichtung,
    • 4 ein schematisches Flussdiagramm für das Erlernen eines Modells,
    • 5 ein schematisches Flussdiagramm für das Erlernen eines weiteren Modells und
    • 6 ein schematisches Blockdiagram zur Bestimmung eines Entspanntheitswerts.
  • Nachfolgend bezeichnen gleiche Bezugszeichen Elemente mit gleichen oder ähnlichen technischen Merkmalen.
    • 1 zeigt ein schematisches Flussdiagramm einer erfindungsgemäßen Ausführungsform eines Verfahrens. Das Verfahren dient zur Bestimmung eines Entspanntheitswertes 1 mindestens eines Nutzers 10 in einem Arbeitsumfeld 20 (siehe 2), und umfasst mehrere Schritte S1, S2, S3.
  • In einem ersten Schritt S1 wird mindestens ein Abbild 30 des Nutzers 10 mit einer Bilderfassungseinrichtung 40 erzeugt. Die Bilderfassungseinrichtung 40 kann als Webcam ausgebildet sein oder als Teil eines Systems 100 an oder in einem Gehäuse 410 einer Vorrichtung 400 angeordnet sein (siehe 3).
  • In einem weiteren Schritt S2 wird mindestens eines Gesundheitsparameter GP bestimmt. Hierfür wird eine Intensität des Abbilds 30 bzw. Bildpunkte des Abbilds 30, insbesondere eine Lichtintensität, mit Hilfe einer Auswerteeinrichtung (nicht dargestellt) ausgewertet. Insbesondere wird eine Veränderung der Lichtintensität von Bildpunkten in einem Bereich der Stirn 12 des Nutzers 10 in einer Abfolge von Abbildern 30 ausgewertet (siehe 2). Hierzu kann es notwendig sein, den Stirnbereich, also den Bildbereich, in den die Stirn des Nutzers 10 abgebildet ist, im Abbild 30 zu identifizieren, wozu bekannte Verfahren der Bildverarbeitung genutzt werde können. Aus der Intensität bzw. einem Unterschied der Intensitäten zwischen mindestens zwei Abbildern 30, also einer zeitlichen Änderung der Intensität, kann dann beispielsweise eine Herzfrequenz 17 als Gesundheitsparameter GP bestimmt werden.
  • Alternativ oder kumulativ werden charakteristische Bildpunkte 2 im Abbild 30 zur Bestimmung des mindestens einen Gesundheitsparameters GP durch die Auswerteeinrichtung ausgewertet (siehe 2), wobei der Übersichtlichkeit halber nur ein charakteristischer Bildpunkt 2 mit einem Bezugszeichen versehen ist. Aus den charakteristischen Bildpunkten 2 kann dann beispielsweise eine Körperhaltung 19 oder die Abweichung der aktuellen Körperhaltung von einer vorbestimmten oder vorgegebenen Referenz-Körperhaltung als Gesundheitsparameter GP bestimmt werden. In 2 sind Verbindungslinien der charakteristischen Bildpunkte 2 dargestellt, wobei eine Relativlage der Linien bzw. ausgewählter Linien zueinander die aktuelle Körperhaltung 19 des Nutzers 10 repräsentiert.
  • In einem weiteren Schritt S3 wird dieser Gesundheitsparameter GP als Eingangsgröße eines maschinell erlernten Modells 60 bereitgestellt. Das Modell 60 ist derart ausgebildet, dass es ausgehend von dem Gesundheitsparameter GP und/oder Abbild 30 einen Entspanntheitswert 1 als Ausgangsgröße bestimmt (siehe 4).
  • 2 zeigt ein mittels einer Bilderfassungseinrichtung 40 erzeugtes Abbild 30 eines Nutzers 10 in einem Arbeitsumfeld 20. Dargestellt ist auch ein Abschnitt 31 des Arbeitsumfelds 20, der in das Abbild 30 abgebildet ist. Das Arbeitsumfeld 20 umfasst einen Computerarbeitsplatz, wobei der Nutzer 10 an einem Schreibtisch 21 arbeitet und auf einer Tastatur 22 tippt.
  • Dem Abbild 30 ist ein kartesisches Koordinatensystem 23 zugeordnet. Die Koordinatenachsen X, Y des Koordinatensystems 23 sind entlang einer Breite und Höhe des Arbeitsumfelds 20 orientiert. Die Koordinaten des Koordinatensystems 23 können Positionen von Bildpunkten, insbesondere charakteristischen Bildpunkten 2, angeben. Das zweidimensionale Koordinatensystem 23 kann mittels einer zuvor erläuterten Transformation in ein dreidimensionales Referenzkoordinatensystem umgewandelt werden. So können zusätzlich auch Tiefeninformationen bestimmt werden. Insbesondere kann mit Hilfe der zusätzlichen Tiefeninformation ein Abstand 80 (siehe 6) zwischen der Bilderfassungseinrichtung 40 und Punkt oder Bereich, der in einen charakteristischen Bildpunkt 2 abgebildet ist, im Referenzkoordinatensystem bestimmt werden.
  • Bei einem charakteristischen Bildpunkt 2 handelt es sich insbesondere um eine Koordinate eines im Koordinatensystem 23 bestimmbaren Punkts, der insbesondere einem Gelenkreferenzpunkt oder Referenzpunkt eines Teilbereichs 12 des Abbilds 30 zugeordnet werden kann. Charakteristische Bildpunkte 2 können z.B. den Gelenken der Hände, der Ellenbogen sowie der Schultern zugeordnet sein. Auch sind in 2 Teilbereiche 14, 90 dargestellt, in die die Augen 14, die Mundwinkel 90 sowie die Nase (nicht durch ein Bezugszeichen bezeichnet) abgebildet sind. Für jeden dieser Teilbereiche 14, 90 können durch schwarze Punkte dargestellte charakteristische Bildpunkte 2 bestimmt werden, beispielsweise als Flächenschwerpunkte dieser Teilbereiche 14, 90.
  • Vorzugsweise kann auch ein Abstand 80 zwischen einem Rumpfbereich des Nutzers 10 und der Bilderfassungseinrichtung 40, insbesondere ein Abstand 80 zum Ursprung des Bildkoordinatensystems, bestimmt werden. Auch denkbar ist, dass der Abstand 80 zwischen einem dem Rumpfbereich und einem Bildschirm (nicht dargestellt) bestimmt wird, auf welchen der Nutzer 10 in seinem Arbeitsumfeld 20 blickt. Dieser Abstand 80 kann insbesondere als Gesundheitsparameter GP bestimmt werden, wobei ein Interventionsdialog ausgegeben werden kann, wenn der Abstand 80 kleiner als ein erster Schwellwert oder größer als ein weiterer Schwellwert ist.
  • Auch kann das Abbild 30 in verschiedene Bereiche 11, 12, 21, 22 unterteilt werden, wobei in den Bereichen 11, 12 beispielsweise das Gesicht 11 des Nutzers 10 und seine Stirn 12 abgebildet ist. Auch können Bereiche 21, 22 bestimmt werden, in die Objekte aus dem Arbeitsumfeld 20 wie der Schreibtisch 21 oder die Tastatur 22 abgebildet sind, was beispielsweise ebenfalls durch bekannte Verfahren der Bildverarbeitung, insbesondere der Objektdetektion, erfolgen kann.
  • Die Zuordnung der Koordinaten zu den Bildpunkten 2 bzw. Bereichen 11, 12, 21, 22 kann zudem mit Hilfe eines erlernten weiteren Modells 70 durchgeführt, wobei das weitere Modell 70 dazu ausgebildet ist, in dem Abbild 30 charakteristische Bildpunkte 2 am Körper des Nutzers 10 sowie die Bereiche 11, 12, 21, 22 zu bestimmen, welche dann zur Bestimmung eines Gesundheitsparameters GP als Ausgangsgröße des weiteren Modells 70 verarbeitet werden (siehe 5).
  • In 2 ist der Nutzer 10 an einem Schreibtisch 21 sitzend abgebildet, wobei der Nutzer 10 eine Körperhaltung einnimmt, die als ein Gesundheitsparameter GP bestimmt wird. Aus der Anordnung der Bildpunkte 2 relativ zueinander kann dann, insbesondere mit Hilfe des weiteren Modells 70, die Körperhaltung 19 als ein Gesundheitsparameter GP des Nutzers 10 bestimmt werden. Die aktuelle Körperhaltung 19 kann hierbei beispielsweise eine Körperhaltung 19 sein, die vom Nutzer 10 als gesund und somit entspannt empfunden wird. Der Gesundheitsparameter GP kann hierbei beispielsweise als ein mehrstufiger Tensor bestimmt werden, dessen Einträge die Koordinaten der charakteristischen Bildpunkte 2 im Koordinatensystem 23 oder im Referenzkoordinatensystem sind. Auch denkbar ist, dass eine Veränderung bzw. Abweichung von einem Referenzwert, z.B. von einer Referenz-Körperhaltung, als Gesundheitsparameter GP bestimmt wird.
  • Gemäß des in 1 gezeigten weiteren Schritts S3 wird mit Hilfe eines maschinell erlernten Modells 60 ein Entspanntheitswert 1 (siehe 4) bestimmt, wobei der Gesundheitsparameter GP eine Eingangsgröße und der Entspanntheitswert 1 eine Ausgangsgröße des Modells 60 ist. Beispielsweise kann der Entspanntheitswert 1 einem skalaren Wert auf einer Skala zwischen einem Minimalwert von eins (einschließlich) und einem Maximalwert von zehn (einschließlich) entsprechen, wobei der Minimalwert einem zu vermeidenden nicht entspannten Zustand und der Maximalwert einem angestrebten maximal entspannten Zustand entspricht. Eine solche Skala hat den Vorteil, dass der bestimmte Entspanntheitswert 1 schnell vom Nutzer 10 erfassbar und einordenbar ist, insbesondere falls der Entspanntheitswert 1 über eine Ausgabeeinrichtung 110 ausgegeben wird (siehe 3). Weiter kann die beschriebene Skala auch Teil eines Interventionsdialogs sein, wobei ein Nutzer 10 bei einem zu geringen Entspanntheitswert 1, beispielsweise kleiner als ein vorbestimmter Schwellwert, durch ein akustisches und/oder visuelles Signal auf den zu geringeren Entspanntheitswert 1 aufmerksam gemacht wird.
  • 3 zeigt eine erfindungsgemäße Ausführungsform eines Systems 100, welches vollständig in bzw. an einem Gehäuse 410 einer Vorrichtung 400 angeordnet ist. Das System 100 umfasst eine Bilderfassungseinrichtung 40, welche einen Nutzer 10 in einem Arbeitsumfeld 20 erfassen und das in 2 dargestellte Abbild 30 erzeugen kann. Weiter umfasst das System 100 eine Auswerteeinrichtung (nicht dargestellt).
  • Zusätzlich weist das System 100 einen Schallwandler 200 auf, der in einem Arbeitsumfeld 20 einen Schallwert ermitteln kann, welcher insbesondere in Dezibel gemessen wird. Der Schallwert kann dann als Gesundheitsparameter GP bestimmt werden. Weiter zusätzlich weist das System 100 einen CO2-Sensor 300 auf, der einen CO2-Wert in dem Arbeitsumfeld 20 des Nutzers 10 ermittelt, wobei der CO2-Wert ebenfalls als Gesundheitsparameter GP bestimmt werden kann oder zur Bestimmung eines Gesundheitsparameters GP ausgewertet werden kann.
  • In dem Gehäuse 410 der Vorrichtung 400 ist weiter eine als Touchscreen ausgebildete Ausgabeeinrichtung 110 angeordnet. Über die Ausgabeeinrichtung 110 kann ein mittels des in 1 beschriebenen Verfahrens bestimmter Entspanntheitswert 1 visuell erfassbar ausgegeben werden, wobei eine visuell erfassbare grafische Darstellung einen Entspanntheitsanzeigebereich 500 und einen Bereich 111 zur Anzeige von Informationen eines Interventionsdialogs aufweist. Der bestimmte Entspanntheitswert 1 wird hierbei durch einen schraffiert dargestellten Teilbereich 510 des Entspanntheitsanzeigebereichs 500 visuell erfassbar dargestellt, der den Entspanntheitsanzeigebereichs 500 zum Teil ausfüllt. Ein Maximalwert des Entspanntheitsanzeigebereichs 500 liegt vor, wenn der Teilbereich 510 den Entspanntheitsanzeigebereich 500 vollständig ausfüllt. Ein Minimalwert liegt dementsprechend vor, wenn der Teilbereich 510 den Entspanntheitsanzeigebereich 500 gar nicht ausfüllt, also nicht dargestellt wird. Im Bereich 111 können beispielsweise mittels der Ausgabeeinrichtung 110 Informationen eines Interventionsdialogs eingeblendet werden, welche einen Hinweis über einen unerwünschten Gesundheitsparameter und/oder Entspanntheitswert sowie gegebenenfalls zur Veränderung eines Gesundheitsparameters und/oder Entspanntheitswerts geeignete Maßnahmen beinhalten, kodieren oder repräsentieren. So kann der Nutzer 10 in vorteilhafter Weise motiviert werden, beispielsweise eine Herzfrequenz 17 durch Anpassen einer Körperhaltung 19 zu verändern.
  • 4 zeigt ein schematisches Flussdiagramm für das Erlernen eines Modells 60 zur Bestimmung eines Entspanntheitswerts 1. Zum Erlernen L1 des Modells 60 wird eine Trainingsdatenmenge B1 mit einer vorbestimmten Anzahl, z.B. 1.000, Gesundheitsparametern GP einer oder mehrerer Person(en), insbesondere des Nutzers 10, bereitgestellt. Jedem Gesundheitsparameter GP der Trainingsdatenmenge ist ein personen- bzw. nutzerspezifischer Entspanntheitswert 1 als Grundwahrheit GW zugeordnet. Alternativ oder kumulativ können auch Abbilder 30 mindestens einer Person als Trainingsdatenmenge bereitgestellt werden B1.
  • Das Modell 60 ist als neuronales Modell ausgebildet und umfasst eine veränderbare Anzahl von Ebenen, wobei in jeder Ebene eine veränderbare Anzahl von Neuronen angeordnet ist (nicht dargestellt). Sowohl die Anzahl der Ebenen, die Anzahl der Neuronen, oder der Verknüpfung der Neuronen zwischen den Ebenen bzw. die Anordnung der Neuronen können Modellparameter sein.
  • Zum Erlernen L1 des Modells 60 wird dem ungelernten Modell 60 ein Gesundheitsparameter GP als eine Eingangsgröße zugeführt, wobei das ungelernte Modell 60 einen zugehörigen modellbasierten Entspanntheitswert 1 als Ausgangsgröße bestimmt (durch Pfeile dargestellt).
  • Die dem jeweiligen Gesundheitsparameter GP zugeordnete Grundwahrheit GW wird dann mit dem vom ungelernten Modell 60 bestimmten Entspanntheitswert 1 abgeglichen (durch ein Minuszeichen dargestellt), wobei eine Abweichung zwischen der Ausgangsgröße und der Grundwahrheit GW bestimmt wird. Ausgehend von der Abweichung werden dann Modellparameter des Modells 60 derart angepasst, dass die Abweichung iterativ minimiert wird, was als Erlernen L1 bezeichnet werden kann. Auch denkbar ist, dass die Abweichung mehrerer Ausgangsgrößen und Grundwahrheiten mittels einer Kostenfunktion bestimmt wird.
  • Ein Anpassen A1 der Modellparameter des Modells 60 bezeichnet eine Veränderung einer Anordnung der Neuronen und/oder eine Veränderung der Verknüpfungen zwischen den Ebenen. Dieses Anpassen A1 kann auch als Gewichten bezeichnet werden. Das Anpassen A1 kann beispielsweise ausgehend von der Kostenfunktion/Abweichung auf Basis eines Gradientenverfahrens oder auch durch Versuch und Irrtum durchgeführt werden, bis eine vorbestimmte Güte erreicht ist, beispielsweise bis eine vorbestimmte Abweichung zwischen modellbasierten Entspanntheitswerten 1 und den Grundwahrheiten GW der Trainingsdatenmenge erreicht ist.
  • 5 zeigt ein schematisches Flussdiagramm für das Erlernen eines weiteren Modells 70 zur Bestimmung eines Gesundheitsparameters GP. Zum Erlernen L2 des weiteren Modells 70 wird eine weitere Trainingsdatenmenge B2 mit einer vorbestimmten Anzahl, z.B. 1.000, Abbildern 30 einer oder mehrerer Person(en), insbesondere des Nutzers 10, bereitgestellt. Jedem Abbild 30 der weiteren Trainingsdatenmenge ist ein personen- bzw. nutzerspezifischer Gesundheitsparameter GP als Grundwahrheit GW zugeordnet.
  • Das weitere Modell 70 ist als neuronales Modell ausgebildet und umfasst eine veränderbare Anzahl von Ebenen, wobei in jeder Ebene eine veränderbare Anzahl von Neuronen angeordnet ist (nicht dargestellt). Sowohl die Anzahl der Ebenen, die Anzahl der Neuronen, oder der Verknüpfung der Neuronen zwischen den Ebenen bzw. die Anordnung der Neuronen können Modellparameter des weiteren Modells 70 sein.
  • Zum Erlernen L2 des weiteren Modells 70 wird dem ungelernten weiteren Modell 70 ein Abbild 30 als ein Eingangsgröße zugeführt, wobei das ungelernte weitere Modell 70 einen zugehörigen modellbasierten Gesundheitsparameter GP als Ausgangsgröße bestimmt (durch Pfeile dargestellt). Auch denkbar ist, dass das weitere Modell als Zwischenschritt beim Bestimmen eines Gesundheitsparameters GP charakteristische Bildpunkte 2 in einem Abbild 30 bestimmt, beispielsweise ausgehend von Lichtintensitäten der Bildpunkte des als Bilddatei kodierten Abbilds 30.
  • Die dem jeweiligen Abbild 30 zugeordnete Grundwahrheit GW wird dann mit dem vom ungelernten weiteren Modell 70 bestimmten Gesundheitsparameter GP abgeglichen (durch ein Minuszeichen dargestellt), wobei eine Abweichung zwischen der Ausgangsgröße und der Grundwahrheit GW bestimmt wird. Ausgehend von der Abweichung werden dann Modellparameter des weiteren Modells 70 derart angepasst, dass die Abweichung iterativ minimiert wird, was als Erlernen L2 bezeichnet werden kann. Auch denkbar ist, dass die Abweichung mehrere Ausgangsgrößen und Grundwahrheiten mittels einer Kostenfunktion bestimmt wird.
  • Ein Anpassen A2 der Modellparameter des weiteren Modells 70 bezeichnet eine Veränderung einer Anordnung der Neuronen und/oder eine Veränderung der Verknüpfungen zwischen den Ebenen. Dieses Anpassen A2 kann auch als Gewichten bezeichnet werden. Das Anpassen A2 kann beispielsweise ausgehend von der Kostenfunktion/Abweichung auf Basis eines Gradientenverfahrens oder auch durch Versuch und Irrtum durchgeführt werden, bis eine vorbestimmte Güte erreicht ist, beispielsweise bis eine vorbestimmte Abweichung zwischen modellbasierten Gesundheitsparametern GP und den Grundwahrheiten GW der weiteren Trainingsdatenmenge erreicht ist.
  • 6 zeigt ein schematisches Blockdiagramm zur Bestimmung eines Entspanntheitswerts 1 für einen Nutzer 10 in einem Arbeitsumfeld 20. Das Arbeitsumfeld 20, in welchem der Nutzer 10 arbeitet, wird durch eine Bilderfassungseinrichtung 40 erfasst. Die Bilderfassungseinrichtung 40 erzeugt dabei mindestens eine Abbild 30, wobei das Abbild 30 den Nutzer 10 in dem Arbeitsumfeld 20 abbildet. Im Abbild 30 kann dann wie zuvor erläutert ein Gesichtsbereich 11 des Nutzers 10 bestimmt werden. Hierbei kann der Gesichtsbereich 11 von einer Auswerteeinrichtung (nicht dargestellt) so verarbeitet werden, dass im Gesichtsbereich 11 Teilbereiche bestimmt werden, insbesondere ein Stirnbereich 12, ein Augenbereich 14 und/oder ein Pupillenbereich 13. Insbesondere kann mit Hilfe der Auswerteeinrichtung eine Gesichtsverifikation 16 des Nutzers 10 durchgeführt werden, die den Nutzer 10 im Arbeitsumfeld 20 verifiziert. Auch denkbar ist, dass eine Herzfrequenz 17, eine Emotion 18, und/oder ein Blinzelverhalten, insbesondere eine Blinzelfrequenz, bestimmt wird. So kann das Verfahren in vorteilhafter Weise nutzerspezifisch personalisiert werden.
  • Alternativ oder kumulativ werden im Abbild 30 charakteristische Bildpunkte 2 bestimmt. Mit Hilfe der charakteristischen Bildpunkte 2 können dann eine Körperhaltung 19, insbesondere auch eine Abweichung von einer Referenzkörperhaltung, eine Kopfneigung 15 und/oder ein Abstand 80 des Nutzers 10 zur Bilderfassungseinrichtung 40 bestimmt werden.
  • Alternativ oder kumulativ kann mittels eines als Mikrofon ausgebildeten Schallwandlers 200 auch ein Schall- oder Lärmpegel im Arbeitsumfeld 20 des Nutzers 10 erfasst werden. Der Schallwandler 200 bestimmt hierbei einen Schallwert 201. Mit Hilfe der Auswerteeinrichtung kann aus dem Schallwert 201 weiter ein Geräuschpegel, eine Lautstärke etc. bestimmt werden, wobei insbesondere in Kombination mit der Gesichtsverifikation 16 ein nutzerspezifisches Kriterium im Arbeitsumfeld 20 ausgewertet werden kann, also beispielsweise geprüft werden, ob ein nutzerspezifischer Soll-Schallwert überschritten ist. Weiter alternativ oder kumulativ kann mittels eines CO2-Sensors 300 auch ein CO2-Wert 301 im Arbeitsumfeld 20 des Nutzers 10 bestimmt werden und ein, insbesondere nutzerspezifisches, CO2-basiertes Kriterium ausgewertet werden.
  • Weiter wird im in 6 gezeigten Blockdiagramm durch Pfeile angedeutet, dass die zuvor bestimmten Parameter, insbesondere die als Gesundheitsparameter GP bestimmten Parameter, zur Bestimmung eines Entspanntheitswerts 1 verarbeitet werden können.
  • Bezugszeichenliste
    • 1
    Entspanntheitswert
    2
    charakteristischer Bildpunkt
    10
    Nutzer
    11
    Gesichtsbereich
    12
    Stirnbereich
    13
    Pupillenbereich
    14
    Augenbereich
    15
    Kopfneigung
    16
    Gesichtsverifikation
    17
    Herzfrequenz
    18
    Emotion
    19
    Körperhaltung
    20
    Arbeitsumfeld
    21
    Bürotisch
    22
    Tastatur
    23
    Koordinatensystem
    30
    Abbild
    31
    Bildausschnitt
    40
    Bilderfassungseinrichtung
    60
    Modell
    70
    weiteres Modell
    80
    Abstand
    90
    Mundwinkel
    100
    System
    110
    Ausgabeeinrichtung
    200
    Schallwandler
    201
    Schallwert
    300
    CO2-Sensor
    301
    CO2-Wert
    400
    Vorrichtung
    410
    Gehäuse
    500
    Entspanntheitsanzeigebereich
    A1
    Anpassen von Modellparametern des Modells
    A2
    Anpassen von Modellparametern des weiteren Modells
    B1
    Trainingsdatenmenge
    B2
    weitere Trainingsdatenmenge
    GW
    Grundwahrheit
    L1
    Erlernen des Modells
    L2
    Erlernen des weiteren Modells
    S1
    Schritt 1
    S2
    Schritt 2
    S3
    Schritt 3
    X
    horizontale Koordinatenachse
    Y
    vertikale Koordinatenachse
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 2019258944 A1 [0003]

Claims (18)

  1. Verfahren zur Bestimmung eines Entspanntheitswertes (1) mindestens eines Nutzers (10) in einem Arbeitsumfeld (20), umfassend die Schritte (S1, S2, S3): - Erzeugen (S1) mindestens eines Abbilds (30) des Nutzers (10) mit einer Bilderfassungseinrichtung (40), - Bestimmen (S2) mindestens eines Gesundheitsparameters (GP), wobei durch mindestens eine Auswerteeinrichtung eine Intensität des Abbilds (30) und/oder mindestens ein charakteristischer Bildpunkt (2) im Abbild (30) zur Bestimmung des mindestens einen Gesundheitsparameters (GP) bestimmt wird/werden, - Bestimmen (S3) des Entspanntheitswertes (1) mit einem maschinell erlernten Modell (60), wobei das mindestens eine Abbild (30) und/oder der mindestens eine Gesundheitsparameter (GP) eine Eingangsgröße und der Entspanntheitswert (1) eine Ausgangsgröße des Modells (60) bilden.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in Abhängigkeit der Intensität eine aktuelle Herzfrequenz des Nutzers (10) oder eine Abweichung der aktuellen Herzfrequenz von einer vorbestimmten Referenz-Herzfrequenz als Gesundheitsparameter (GP) bestimmt wird und/oder dass in Abhängigkeit der charakteristischen Bildpunkte (2) eine Körperhaltung des Nutzers (10) oder eine Abweichung der aktuellen Körperhaltung von einer vorbestimmten Referenz-Körperhaltung als Gesundheitsparameter (GP) bestimmt wird.
  3. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass in Abhängigkeit der Intensität des Abbilds (30) und/oder des mindestens eines charakteristischen Bildpunkts (2) eine Zwischengröße und als Gesundheitsparameter (GP) eine Abweichung der Zwischengröße von einem Referenzwert bestimmt wird.
  4. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass mindestens ein Interventionsdialog ausgegeben wird, falls der mindestens eine Gesundheitsparameter (GP) und/oder der Entspanntheitswertes (1) und/oder ein Umgebungsparameter ein parameterspezifisches Kriterium erfüllt.
  5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass das Kriterium ein nutzerspezifisches Kriterium ist und/oder das Kriterium adaptierbar ist.
  6. Verfahren nach Anspruch 4 oder 5, dadurch gekennzeichnet, dass eine Auswirkung auf den mindestens einen Nutzer (10) in Folge der Ausgabe des mindestens einen Interventionsdialogs als Veränderung des mindestens einen Gesundheitsparameters (GP) und/oder des Entspanntheitswerts (1) bestimmt wird.
  7. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass durch Auswerten des mindestens einen Abbilds (30) - eine Herzfrequenzvariabilität des Nutzers (10), - ein aktuelles Blinzelverhalten des Nutzers (10), - ein aktueller Abstand (80) des Nutzers (10) zur Bilderfassungseinrichtung - eine aktuelle Emotion (90) des Nutzers (10) - mindestens eine Eigenschaft einer Mayer-Traube-Hering-Welle des Nutzers (10), - mindestens eine Eigenschaft einer Mikrovibration des Nutzers (10) und/oder - eine Volumenänderung mindestens eines Teilbereichs eines Gesichtsbereichs (11) als Gesundheitsparameter (GP) bestimmt wird.
  8. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass das Modell (60) mit einem Verfahren des maschinellen Lernens wie folgt erlernt wird, - Bereitstellen einer Trainingsdatenmenge (B1) mit Gesundheitsparametern (GP) und/oder Abbildern von mindestens einer Person in einem Arbeitsumfeld (20), wobei jedem Gesundheitsparameter (GP) und/oder jedem Abbild (30) mindestens eine Grundwahrheit (GW) zugeordnet ist, - Erlernen (L1) des Modells (60), wobei eine Abweichung zwischen einem modellbasiert bestimmten Entspanntheitswertes (1) und der Grundwahrheit (GW) durch Anpassen (A1) von Modellparametern minimiert wird.
  9. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass der mindestens eine Gesundheitsparameter (GP) mit einem weiteren maschinell erlernten Modell (70) bestimmt wird, wobei das mindestens eine erzeugte Abbild (30) eine Eingangsgröße und der Gesundheitsparameter (GP) eine Ausgangsgröße des weiteren Modells (70) bildet.
  10. Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass eine weitere Trainingsdatenmenge (B2) mit einer Vielzahl von Abbildern (30) mindestens einer Person bereitgestellt wird, wobei jedem Abbild (30) mindestens eine Grundwahrheit (GW) zugeordnet ist, wobei das weitere Modell (70) mit der weiteren Trainingsdatenmenge (B2) trainiert wird, wobei eine Abweichung zwischen einem modellbasiert bestimmten Gesundheitsparameter (GP) und der Grundwahrheit (GW) durch Anpassen von Modellparametern des weiteren Modells (70) minimiert wird
  11. Verfahren nach einem der vorangegangenen Ansprüche, dadurch gekennzeichnet, dass mittels einer von der Bilderfassungseinrichtung (40) verschiedenen Erfassungseinrichtung mindestens eine Größe bestimmt wird, wobei der Gesundheitsparameter (GP) und/oder Entspanntheitswert (1) zusätzlich in Abhängigkeit dieser Größe bestimmt wird.
  12. System (100) zur Bestimmung eines Entspanntheitswertes (1) mindestens eines Nutzers (10) in einem Arbeitsumfeld (20) aufweisend eine Bilderfassungseinrichtung (40) und/oder eine Schnittstelle, eine Auswerteeinrichtung, eine Speichereinrichtung, sowie eine Ausgabeeinrichtung (110), wobei das System (100) dazu ausgebildet bzw. derart konfiguriert ist, ein Verfahren nach den Ansprüchen 1 bis 11 auszuführen.
  13. System (100) nach Anspruch 12, dadurch gekennzeichnet, dass das System (100) mindestens eine von der Bilderfassungseinrichtung (40) verschiedene Erfassungseinrichtung aufweist, wobei die Erfassungseinrichtung dazu ausgebildet ist, mindestens eine Größe zu bestimmen, wobei der Gesundheitsparameter (GP) und/oder Entspanntheitswert (1) zusätzlich in Abhängigkeit dieser Größe bestimmt wird.
  14. Vorrichtung (400) zur Bestimmung eines Entspanntheitswertes (1) mindestens eines Nutzers (10) in einem Arbeitsumfeld (20), wobei die Vorrichtung (400) ein Gehäuse (410) umfasst, wobei in und/oder an dem Gehäuse (410) zumindest ein Teil des Systems (100) nach Anspruch 12 oder 13 angeordnet ist.
  15. Vorrichtung (400) nach Anspruch 14, dadurch gekennzeichnet, dass die Vorrichtung (400) ein Ausrichtungsmodul zur automatischen Ausrichtung der Vorrichtung (400) aufweist.
  16. Vorrichtung (400) nach Anspruch 14 oder 15, dadurch gekennzeichnet, dass die Vorrichtung (400) Mittel zur ausschließlichen Erfassung des unteren Körperbereichs aufweist.
  17. Vorrichtung (400) nach einem der Ansprüche 14 bis 16, dadurch gekennzeichnet, dass die Vorrichtung (400) mindestens ein Mittel zur Beeinflussung des Arbeitsumfelds (20) und/oder mindestens ein Anschlussmittel zum Anschluss eines Mittels zur Beeinflussung des Arbeitsumfelds (20) aufweist.
  18. Computerprogrammprodukt mit einem Computerprogramm, wobei das Computerprogramm Softwaremittel zur Ausführung eines, mehrerer oder aller Schritte des Verfahrens nach einem der Ansprüche 1 bis 11 umfasst, wenn das Computerprogramm von oder in einem Computer oder einem Automatisierungssystem ausgeführt wird.
DE102022201925.3A 2022-02-24 2022-02-24 Verfahren, System, Vorrichtung sowie Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld Pending DE102022201925A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102022201925.3A DE102022201925A1 (de) 2022-02-24 2022-02-24 Verfahren, System, Vorrichtung sowie Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102022201925.3A DE102022201925A1 (de) 2022-02-24 2022-02-24 Verfahren, System, Vorrichtung sowie Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld

Publications (1)

Publication Number Publication Date
DE102022201925A1 true DE102022201925A1 (de) 2023-08-24

Family

ID=87518921

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102022201925.3A Pending DE102022201925A1 (de) 2022-02-24 2022-02-24 Verfahren, System, Vorrichtung sowie Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld

Country Status (1)

Country Link
DE (1) DE102022201925A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190258944A1 (en) 2018-02-21 2019-08-22 Fuji Xerox Co., Ltd. Systems and methods for physiological sensing for purposes of detecting persons affective focus state for optimizing productivity and work quality
WO2021091480A1 (en) 2019-11-08 2021-05-14 Singapore Management University Detection of stress or depression outcomes
US20210361208A1 (en) 2017-10-24 2021-11-25 Nuralogix Corporation System and method for camera-based stress determination
DE102020207975A1 (de) 2020-06-26 2022-01-13 Deep Care Gmbh Verfahren und Vorrichtung zur Verminderung der durch das Sitz- und Bewegungsverhalten eines Nutzers verursachten gesundheitlichen Belastung

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210361208A1 (en) 2017-10-24 2021-11-25 Nuralogix Corporation System and method for camera-based stress determination
US20190258944A1 (en) 2018-02-21 2019-08-22 Fuji Xerox Co., Ltd. Systems and methods for physiological sensing for purposes of detecting persons affective focus state for optimizing productivity and work quality
WO2021091480A1 (en) 2019-11-08 2021-05-14 Singapore Management University Detection of stress or depression outcomes
DE102020207975A1 (de) 2020-06-26 2022-01-13 Deep Care Gmbh Verfahren und Vorrichtung zur Verminderung der durch das Sitz- und Bewegungsverhalten eines Nutzers verursachten gesundheitlichen Belastung

Similar Documents

Publication Publication Date Title
CH717003A2 (de) System zum Regulieren einer gedrückten Stimmung durch Musik-Feedback beruhend auf einem Elektroenzephalogramm Signal.
Petrantonakis et al. Emotion recognition from brain signals using hybrid adaptive filtering and higher order crossings analysis
DE102015121763A1 (de) Vorrichtung zur neuro-vaskulären Stimulation
US20190343457A1 (en) Pain assessment method and apparatus for patients unable to self-report pain
Navarro-Sune et al. Riemannian geometry applied to detection of respiratory states from EEG signals: the basis for a brain–ventilator interface
DE112017002589T5 (de) Autonom handelnder Roboter und Computerprogramm
DE112018003005T5 (de) Ermüdungserholungsunterstützungsvorrichtung
CN108714020B (zh) 自适应心理调节仪、实时眼动延时求取方法及存储介质
WO2016016323A1 (de) Verfahren zur bestimmung von bewegungsmustern bei einer zahnbehandlung
DE112016002894T5 (de) Informationsverarbeitungsvorrichtung, Informationsverarbeitungsverfahren und Programm
WO2016155998A1 (de) Personenerkennungsvorrichtung
KR20230093103A (ko) 뇌파 기반의 맞춤형 주행 제어 장치 및 그 방법
Pulferer et al. Continuous 2D trajectory decoding from attempted movement: across-session performance in able-bodied and feasibility in a spinal cord injured participant
DE102022201925A1 (de) Verfahren, System, Vorrichtung sowie Computerprogrammprodukt zur Bestimmung eines Entspanntheitswertes mindestens eines Nutzers in einem Arbeitsumfeld
EP3425637B1 (de) Elektronisches system und verfahren zur klassifikation eines physiologischen zustandes
DE102017107913A1 (de) Arbeitsplatzsystem und Verfahren zur Steuerung eines Arbeitsplatzsystems
KR102509544B1 (ko) 심장-표정 동기화 기반 감성 인식 방법 및 시스템
DE212020000466U1 (de) System, um eine computermodifizierte Visualisierung des erwünschten Gesichts einer Person bereitzustellen
JP2023533831A (ja) Ｅｍｄｒ療法分析
CN116077071B (zh) 一种智能康复按摩方法、机器人及存储介质
Khalilzadeh et al. Qualitative and quantitative evaluation of brain activity in emotional stress
WO2018102841A1 (de) Einrichtung zur untersuchung eines menschlichen patienten
WO2018102840A1 (de) Einrichtung zur untersuchung eines menschlichen patienten
DE10149049A1 (de) Verfahren und System zur Schaffung und Modifikation einer virtuellen biologischen Repräsentanz der Nutzer von Computeranwendungen
DE102021116373A1 (de) Verfahren zum Betreiben einer Blutdruckmessvorrichtung und Vorrichtung zum Ausführen des Verfahrens

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: A61B0005180000

Ipc: A61B0005160000

R016 Response to examination communication