JP2004000474A - 生理信号の短時間モニタリングを通じたユーザ情緒認識装置及び方法 - Google Patents
生理信号の短時間モニタリングを通じたユーザ情緒認識装置及び方法 Download PDFInfo
- Publication number
- JP2004000474A JP2004000474A JP2003014133A JP2003014133A JP2004000474A JP 2004000474 A JP2004000474 A JP 2004000474A JP 2003014133 A JP2003014133 A JP 2003014133A JP 2003014133 A JP2003014133 A JP 2003014133A JP 2004000474 A JP2004000474 A JP 2004000474A
- Authority
- JP
- Japan
- Prior art keywords
- signal
- emotion
- heartbeat
- user
- emotion recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- 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
- A61B5/02405—Determining heart rate variability
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
-
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S128/00—Surgery
- Y10S128/92—Computer assisted medical diagnostics
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Educational Technology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Complex Calculations (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
【解決手段】ユーザから取得された生体信号の特徴を分析する特徴分析部と、前記特徴分析部で分析された結果と、前記ユーザの情緒を認識するのに目安となる特徴値との差を求める減算部、及び前記減算部で求められた前記差分値を分析して複数の情緒を各カテゴリー別に分類し、前記分類された情緒のうち強度が最も大きい情緒を前記ユーザの情緒状態として認識する情緒分類手段を備える情緒認識装置。
【選択図】 図5
Description
【発明の属する技術分野】
本発明は情緒認識装置及び方法に係り、特に、ユーザの生理信号(生体信号)をモニタリングしてユーザの情緒状態を認識する情緒認識装置及び方法に関する。
【0002】
【従来の技術】
情緒(感情)とは、内的刺激または外的刺激により生ずる生理的な活性度の変化に伴って変化する心理状態を意味する。情緒状態は、肯定情緒(positive emotion)と否定情緒(negative emotion)とに大別される。前者としては、喜び、安堵、心温まり(満足)、落ち着き、増長(意気揚々、得意)などが挙げられ、後者としては、悲しみ、不満(不機嫌)、怒り、驚き、恐怖、憂欝などが挙げられる。このような肯定的(ポジティブ)か否定的(ネガティブ)かを基準とした区分以外にも、多様な情緒の区分が可能である。ここで、内的刺激としては、過去の記憶や主観的な情緒刺激などが挙げられ、外的刺激としては、情緒主体の自発的な刺激以外の周囲環境によるストレスやその軽減(アンチ−ストレス)が挙げられる。
【0003】
情緒を定義するための理論としては、生理学的な変化を認識することにより情緒を経験するというジェームズ=ランゲ説(James−Lange theory)と、情緒に対する心理的な経験(psychological experience)及び外部刺激に対する生理的な反応(physiological reactions)が同時に起こるというキャノン=バード説(Cannon−Bard theory)などがある。ジェームズ=ランゲ説は、情緒の根源が末梢機関にあると考えるのに対し、キャノン=バード説は、その根源を脳に置いているところに違いがある。
【0004】
前述したように、内部的/外部的な刺激により情緒状態に起こる変化は、自律神経系の調節により生じる生理的な特性の変化を伴う。したがって、情緒状態の変化は、心臓拍動、筋電図(Electromyogram:EMG)、皮膚電気伝導度の変化、体温の変化などのような生理的な変化を反映する信号の測定を通じて認識できる。これらの生理信号(生体信号)は適切な生体信号センサーを通じて測定できる。生体信号センサーを通じて取得された生理信号に基づき情緒を認識する方法については、過去幾つかの特許において既に発表されている。例えば、米国において、1997年10月、K.M.ザウィリンスキ(Kenneth Michael Zawillinski)により取得された特許(「エモーショナル・レスポンス・アナライザ・システム・ウィズ・マルチメディア・ディスプレイ(EMOTIONAL RESPONSE ANALYZER SYSTEM WITH MULTIMEDIA DISPLAY)」:特許文献1参照)の公報に、TVなどの外部刺激手段からの刺激により発生した感情状態を分析・解釈する装置(情緒反応分析器)が開示されている。しかし、この方法は、限られた実験データ及びそれによる実験結果を示すだけである。また、z−スコア(z−score)を用いて感情状態を区分するものである。したがって、正確度が低い点が問題である。
【0005】
【特許文献1】
米国特許第5676138号明細書
【0006】
【発明が解決しようとする課題】
本発明が解決しようとする技術的な課題は、腕時計のように身体に着用可能なセンサーから非浸襲的に生理信号(生体信号)を取得し、これに基づきユーザの情緒状態を認識することができる情緒認識装置及び方法を提供することである。
【0007】
本発明が解決しようとする技術的な課題は、ユーザから取得された生理信号を短時間モニタリングしてユーザの情緒状態を正確に認識することができる情緒認識装置及び方法を提供することである。
【0008】
【課題を解決するための手段】
前記課題を達成するために、本発明に係る情緒認識システムは、ユーザの身体に着用されて少なくとも一つ以上の生体信号を取得し、取得された前記生体信号を無線伝送する生体信号取得装置と、前記生体信号取得装置から送られてきた前記生体信号を短時間モニタリングして前記ユーザの情緒状態を認識する情緒認識装置と、を備えることを特徴とする。ここで、生体信号取得装置とは、前記生体信号を非浸襲的に受け入れる少なくとも一つ以上のセンサーと、前記センサーから入力された少なくとも一つ以上の生体信号を増幅してフィルタリングする増幅/フィルタリング部と、前記増幅/フィルタリング部を通じて処理された信号を各生体信号別に分類して出力するマルチプレクサと、前記マルチプレクサの出力をデジタル信号に変換するA/Dコンバータと、前記A/Dコンバータにより変換された前記デジタル信号を前記情緒認識装置に無線伝送するRF送信部と、を備えるものが望ましい。また、前記情緒認識装置は、好ましくは、前記生体信号を分析して前記ユーザの情緒状態を認識するアルゴリズムが記憶された演算装置である。
【0009】
前記課題を達成するために、本発明に係る情緒認識装置は、ユーザから取得された生体信号の特徴を分析する特徴分析部と、前記特徴分析部で分析された結果と、前記ユーザの情緒を認識するのに目安となる特徴値との差を求める減算部と、前記減算部で求められた前記差分値を分析して複数の情緒を各カテゴリー別に分類し、前記分類された情緒のうち強度が最も大きい情緒を前記ユーザの情緒状態として認識する情緒分類手段と、を備えることを特徴とする。ここで、前記特徴分析部は、前記ECG信号及び前記PPG信号のうちどちらか一つを受け入れて心拍信号を検出し、前記心拍信号と関わった特徴値を抽出する心拍分析部と、前記EDA信号を受け入れて皮膚伝導特性と関わった特徴値を抽出する皮膚伝導特性分析部と、前記SKT信号を受け入れて皮膚温度と関わった特徴値を抽出する皮膚温度分析部とを備えるものが望ましい。また、好ましくは、前記減算部は、前記ユーザの情緒を認識するのに目安となる特徴値として、前記ユーザの日頃の情緒に対する特徴値を用いることを特徴とし、前記情緒分類手段は、前記減算部で求められた前記差分値を分析して前記ユーザの情緒を複数のカテゴリーに分類するSVM(Support Vector Machine)分類器と、前記SVM分類器を通じて分類された前記情緒の強度を比較し、前記情緒のうち強度が最も大きい情緒を前記ユーザの情緒認識結果として出力する比較器とを備えることを特徴とする。また、前記情緒分類手段は、前記SVM分類器を学習させるための複数の情緒データ及び前記情緒データによる前記SVM分類器の学習結果を記憶するデータベースをさらに備えるものであってもよい。
【0010】
前記心拍分析部は、好ましくは、前記ECG信号及び前記PPG信号のうちどちらか一つを受け入れて心拍信号を検出し、検出された前記心泊信号を心拍変化率の時系列に変換する心拍検出部と、前記心拍変化率の時系列信号に応答して前記心拍信号のスペクトルを分析するスペクトル分析部と、前記心拍変化率の時系列信号に応答して前記心拍信号の平均値及び標準偏差値を計算する平均/標準偏差計算部と、を備えることを特徴とする。ここで、前記心拍検出部は、入力される信号のうち前記ECG信号が存在する帯域を通過させるバンドパスフィルタと、前記バンドパスフィルタリング結果に存在する低周波ノイズ成分を推定するメディアンフィルタと、前記バンドパスフィルタリング結果に前記メディアンフィルタリング結果の逆数を加えて前記低周波ノイズ成分を除去する加算部と、前記加算部の出力信号にTeagerエネルギーオペレータを取って前記心拍信号を検出するTeagerエネルギー演算部と、を備えるものであることが望ましい。また、前記心拍検出部は、入力される信号のうち前記PPG信号が存在する帯域を通過させるバンドパスフィルタと、前記バンドパスフィルタリング結果に存在する低周波ノイズ成分を推定するメディアンフィルタと、前記バンドパスフィルタリング結果に前記メディアンフィルタリング結果の逆数を加えて前記低周波ノイズ成分を除去する加算部と、前記加算部の出力信号から前記心拍信号を抽出する整合フィルタと、前記心拍信号に対するゼロクリッピングを行うゼロクリッパとを備えるものであってもよい。
【0011】
前記課題を達成するために、本発明に係る情緒認識方法は、(a)ユーザから少なくとも一つ以上の生体信号を入力される段階と、(b)前記生体信号を分析して前記ユーザの情緒認識に用いられる複数の特徴値を抽出する段階と、(c)前記(b)段階で抽出された前記複数の特徴値と、情緒認識の目安となる所定の特徴値との差を求める段階と、(d)前記(c)段階で計算された前記特徴値間の差に応答して前記ユーザの情緒状態を複数のカテゴリーに分類する段階と、(e)分類された各々の情緒のうち強度が最も大きい情緒を選んで出力する段階と、を備えることを特徴とする。
【0012】
上述の生体信号は、好ましくは、非浸襲的に取得される光血流量(PPG)、心電図(ECG)、皮膚電気活動(EDA)及び皮膚温度(SKT)を含む。また、上述のユーザの情緒を認識するのに目安となる前記特徴値は、前記ユーザの日頃の情緒に対する特徴値を採用することができる。
【0013】
【発明の実施の形態】
以下、添付した図面に基づき、本発明の好ましい実施の形態について詳細に説明する。
【0014】
図1は、本発明の好ましい実施の形態による情緒認識システムの全体構成を簡略に示す図面である。図2Aは、図1に示す生体信号取得装置の外形を示す図面であり、図2Bには、この生体信号取得装置を人の身体に装着した様子を示す。図1を参照すれば、本発明に係る情緒認識装置は、生体信号取得装置200及び情緒認識装置1からなる。
【0015】
生体信号取得装置200は、図1及び図2A、図2Bに示すように、ユーザの身体に腕時計などの形で着用され、光血流量(photoplethysmogram:PPG)、心電図(electrocardiogram:ECG)、皮膚電気活動(electrodermal activity:EDA)、皮膚温度(skin temperature:SKT)などの生体信号を非浸襲的に測定する。生体信号取得装置200を通じて取得された生体信号は情緒認識装置1に無線伝送され、ユーザの情緒状態を認識するのに用いられる。情緒認識装置1は、入力された生体信号を分析するためのアルゴリズムが記憶されたコンピュータまたはこれに相当する演算装置を含む。前記生体信号の取得に用いられるセンサーに関する具体的な内容は、ジョン・G.ウェブスター(John G. Webster)編「メディカル・インスツルメンテーション−アプリケーション・アンド・デザイン(Medical Instrumentation−Application and Design)」(第3版,米国,John Wiley & Sons,1999年)等に詳細に説明されている。
【0016】
図3及び図4は、図1に示す生体信号取得装置200及び情緒認識装置1の構成をそれぞれ示すものである。
【0017】
まず、図3を参照すれば、生体信号取得装置200は、ユーザの生体信号を非浸襲的に受け入れる少なくとも一つ以上のセンサーと、前記センサーから入力された少なくとも一つ以上の生体信号(physiological signals)を増幅してフィルタリングする増幅/フィルタリング部205と、増幅/フィルタリング部205を通じて増幅及びフィルタリングされた信号を各信号別に分類して出力するマルチプレクサ(MUX)206と、前記マルチプレクサ206の出力をデジタル信号に変換するA/Dコンバータ207、及びA/Dコンバータ207により変換されたデジタル信号をRF信号に変換した後、前記信号をアンテナ209を通じて情緒認識装置1に無線伝送するRF送信部208を備える。
【0018】
図4を参照すれば、情緒認識装置1は、生体信号取得装置200から送られてくるユーザの生体信号をアンテナ101を通じて受け入れるRF受信部102と、RF受信部102により受信された生体信号を分析してユーザの情緒状態を認識する情緒認識部100とを備える。ここで、RF受信部102及び情緒認識部100は、RS232Cなどの通信プロトコルを用いて信号を伝送するものである。しかし、RS232Cは信号伝送方法の一例に過ぎず、回路の構成によって様々な通信プロトコルを用いることができる。
【0019】
図5は、図4に示す情緒認識部100の詳細構成を示すブロック図である。図5を参照すれば、本発明に係る情緒認識部100は、生体信号取得装置200から取得された生体信号(例えば、PPG、ECG、EDA、SKT)の特徴を分析する特徴分析部10と、特徴分析部10で分析された結果とユーザの日頃の情緒を示す特徴値との差を求める減算部20、及び減算部20で求められた特徴値の差を分析して情緒を分類して認識するSVM(Support Vector Machine)ユニット30を備える。
【0020】
特徴分析部10は、ECG信号またはPPG信号を受け入れて心拍を検出し、心拍に関わる特徴値を抽出する心拍分析部11と、EDA信号を受け入れて皮膚伝導特性(skin conductance response:SCR)と関わる特徴値を抽出するSCR分析部15、及びSKT信号を受け入れてSKTと関連する特徴値(すなわち、SKTの平均値Mean及び最大値Max)を抽出するSKT Mean/Max計算部18(皮膚温度分析部)を備える。
【0021】
心拍分析部11は、ECG信号またはPPG信号を受け入れて心拍を検出する心拍検出部12と、検出された心拍信号から心拍変化率(heart rate variability:HRV)の時系列を抽出するHRV抽出部と、抽出されたHRVのスペクトルを分析するスペクトル分析部13、及び検出された心拍信号Detの平均値Mean及び標準偏差値(standard deviation:Std)を求めるMean/Std計算部14(平均/標準偏差計算部)を備える。そして、SCR分析部15は、EDA信号を受け入れてSCRを検出するSCR検出部16、及びSCRの大きさなどのパラメータを計算するSCR計算部17を備える。
【0022】
図6A及び図6Bは、心拍信号の分析に用いられるECG信号及びPPG信号の一例をそれぞれ示すグラフであり、図7及び図8は、図5に示す心拍検出部12の詳細構成を示す図面である。ここで、図7に示す心拍検出部12は、入力信号がECG信号である場合の回路構成を示し、図8に示す心拍検出部12′は、入力信号がPPG信号である場合の回路構成を示す。
【0023】
まず、図7を参照すれば、本発明に係る心拍検出部12は、バンドパスフィルタ(band pass filter:BPF)121と、メディアンフィルタ(median filter:MF)122と、加算部123、及びTeagerエネルギー演算部(Teager energy operator:TEO)124を備える。
【0024】
BPF121は、入力される信号のうちECG信号が存在する帯域のみを通過させ、MF122は、バンドパスフィルタリングされた結果に存在する低周波ノイズ成分を推定する。加算部123は、バンドパスフィルタリング結果とメディアンフィルタリング結果との差を計算して低周波ノイズ成分を除去する。低周波ノイズ成分が除去された加算部123の出力信号は、Teagerエネルギー演算部124に入力されて心拍信号の抽出に用いられる。Teagerエネルギー演算部124は、入力される信号にΨ[x(t)]で表わされるTeagerエネルギーオペレータ(Teager Energy Operator:TEO)を取ることにより、心拍信号を検出する。TEOは、入力信号の瞬間振幅と瞬間周波数との積に比例する値を生じるので、心電図のQRSピークの検出に極めて有用である。これについての詳細な説明は、次の論文に開示されている。S.ムコパディヤイ(S.Mukhopadhyay),G.C.レイ(G.C.Ray)共著「ア・ニュー・インタープリテーション・オブ・ノンリニヤ・エナジー・オペレータ・アンド・イツ・エフィカシー・イン・スパイク・ディテクション(A new interpretation of nonlinear energy operator and its efficacy in spike detection)」,IEEE・トランザクションズ・オン・バイオメディカル・エンジニアリング(IEEE Transactions on Biomedical Engineering),米国,インスティチュート・オブ・エレクトリカル・アンド・エレクトロニクス・エンジニアーズ・インコーポレイテッド(Institute of Electrical and Electronics Engineers, Inc.),1998年2月,第45巻,第2号,pp.180−187。
【0025】
前述した心拍検出部12によれば、図6Aに示すECG信号上に矢印で示された部分が心拍信号Detとして抽出される。
【0026】
引続き、図8を参照すれば、本発明に係る心拍検出部12′は、BPF121、MF122、加算部123、整合フィルタ125、及びゼロクリッパ126を備える。
【0027】
BPF121は、入力される信号のうちPPG信号が存在する帯域のみを通過させ、MF122は、バンドパスフィルタリングされた結果に存在する低周波ノイズ成分を推定する。加算部123は、バンドパスフィルタリング結果とメディアンフィルタリング結果との差を計算して低周波ノイズ成分を除去する。低周波ノイズ成分が除去された加算部123の出力信号は、整合フィルタ125に入力され、PPG信号が有している特定の信号、すなわち、心拍信号を抽出するのに用いられる。整合フィルタ125を通じて抽出された特定信号は、ゼロクリッパ126を通じてゼロクリッピング過程を経た後に心拍信号Detとして出力される。ここで、整合フィルタ125のパラメータは、必要あればアップデートされる。このような構成を有する心拍検出部12′によれば、図6Bに示すPPG信号上に矢印で示された部分が心拍信号Detとして抽出される。
【0028】
図9は、図7及び図8に示す心拍検出部12,12′により求められた心拍信号Detから心拍変化率(HRV)の時系列を求める過程を示す図面である。図9を参照すれば、ECGまたはPPG信号1200が取得された場合、これを拡大してみれば、1210のような波形が現れる。ECGまたはPPG信号は、参照番号1200または1210のように周期的なパルスを示すが、このパルスは、最大値部分であるRと、Rを中心として左右に位置した最小値部分であるQ,SよりなるQRS波形を示す。
【0029】
図9中1210にて示す波形において、矢印で示した部分が心拍信号の最大値部分であるR波形となり、この部分が図7及び図8に示す心拍検出部12,12′により抽出されてECGまたはPPG信号の瞬間R−R波形1230を示すことになる。この瞬間R−R波形1230に移動平均補間法(moving average interpolation)を適用すれば、1250に示すように、心拍変化率(HRV)の時系列が抽出される。このようなHRVの時系列1250を求める方法は、例えば、次の論文に開示されている。R.D.バーガー他(R.D. Berger et.al.)著,「アン・エフィシャント・アルゴリズム・フォー・スペクトラル・アナリシス・オブ・ハート・レイト・ヴァリアビリティ(An efficient algorithm for spectral analysis of heart rate variability)」,IEEE・トランザクションズ・オン・バイオメディカル・エンジニアリング(IEEE Transactions on Biomedical Engineering),米国,インスティチュート・オブ・エレクトリカル・アンド・エレクトロニクス・エンジニアーズ・インコーポレイテッド(Institute ofElectrical and Electronics Engineers, Inc.),1986年,第33巻。このようなHRV信号は、交感神経系/副交感神経系の活性度を定量的に把握できる指標となる。
【0030】
さらに、図5を参照すれば、図7または図8により求められた心拍信号Detは、図9に示す方法によりHRVの時系列に変換された後、スペクトル分析部13及びMean/Std計算部14に入力される。スペクトル分析部13では、与えられた時系列に対して様々な次数のAR(autoregressive)、MA(movingaverage)、ARMA(autoregressive moving average)モデルを推定した後、推定誤差を示す指標が最小となる特定の次数の特定モデルを選んで最適の時系列モデルを選定し、選定された最適モデルからスペクトルを求める方法を用いてHRVのスペクトルを分析する。ここでは、この方法をARMAselアルゴリズムと呼ぶ。このために用いられる推定誤差の指標及び各時系列モデルの推定方法は、例えば、次の論文に詳細に説明されている。P.M.T.ブローセン(P.M.T.Broersen)著「ファクツ・アンド・フィクション・イン・スペクトラル・アナリシス(Facts and fiction in spectral analysis)」,IEEE・トランザクションズ・オン・インスツルメンテーション・アンド・メジャーメント(IEEETransactions on Instrumentation and Measurement),米国,インスティチュート・オブ・エレクトリカル・アンド・エレクトロニクス・エンジニアーズ・インコーポレイテッド(Institute of Electrical and Electronics Engineers, Inc.),2000年8月,第49巻,第4号,pp766−772。
【0031】
これら心拍変化率(HRV)の周波数領域パラメータは、既に過去の多くの研究においてその重要性が認識されてきており、生理心理学的な研究においても重要な指標として取り扱われてきている。
【0032】
本発明に係るスペクトル分析部13では、心拍変化率のスペクトル解釈において、数分から24時間に至る長い信号を対象とする従来のピリオドグラム(periodogram)法の代わりに、ARMAselアルゴリズムを使用して50秒程度の短時間の信号観測を通じ心拍変化率(HRV)のスペクトルを分析する。スペクトル分析部13により分析された結果は、減算部20にユーザ情緒認識を行うための特徴値として伝えられる。
【0033】
一方、心拍検出部12,12′から心拍変化率(HRV)の時系列信号を受け入れたMean/Std計算部14は、与えられた時系列に対する平均及び標準偏差Stdを計算してこれを減算部20にユーザ情緒認識を行うための特徴値として伝える。
【0034】
次に、図5に示す心拍分析部11に備えられたSCR分析部15の詳細構成及び動作を調べてみれば、下記の通りである。
【0035】
図10は、皮膚伝導特性(SCR)の検出に用いられるEDA信号の波形を示す図面である。図10には、ユーザから発せられたEDA信号の波形1600と、EDA信号の波形1600のうちSCRの特性が抽出される部分に対する拡大波形1610が示されている。1600及び1610にて示す信号は、SCR分析部15に備えられたSCR検出部16に入力される。
【0036】
図11は、図5に示すSCR検出部16の構成を示す図面である。図11を参照すれば、EDA信号を受け入れて皮膚伝導特性を検出するSCR検出部16は、ダウンサンプラー161と、微分器162、及びスムージングコンボルーションユニット163により構成される。
【0037】
ダウンサンプラー161は、入力されたEDA信号を10ないし12のデータにダウンサンプリングする。微分器162は、ダウンサンプリングされた結果を微分し、スムージングコンボリューションユニット163は、長さが20であるバートレットウィンドウ(Bartlett window)を用いて微分結果に対するスムージングコンボリューションを行う。このようなSCR検出部16によれば、入力されたEDA信号は離散SCRデータの形として出力される。
【0038】
SCR検出部16により取得された離散SCRデータは、SCR分析部15に備えられたSCR計算部17に入力され、一定時間のSCR発生頻度(number of SCR/time)、SCRの大きさ(SCR amplitude)、及びSCR立ち上がり時間(SCR rise time)などの特徴値を生じる。SCR計算部17により求められたSCR特徴データ(すなわち、SCR発生頻度、SCRの大きさ、SCR立ち上がり時間など)は図5に示すように、減算部20に各々入力される。
【0039】
引続き、図5に示す心拍分析部11のSKT Mean/Max計算部18に対する詳細構成及び動作を調べてみれば、下記の通りである。
【0040】
図12は、皮膚温度の変化を検出するのに用いられるSKT信号の波形を示す図面であり、図13は、図5に示すSKT Mean/Max計算部18の構成を示すブロック図である。
【0041】
図13を参照すれば、SKT Mean/Max計算部18は、ダウンサンプラー181及びMean/Max計算器182を有する。SKT Mean/Max計算部18は、図12に示すように、SKT信号を受け入れて前記信号を約100個のデータにダウンサンプリングし、ダウンサンプリングされたデータの平均値Mean_SKT及び最大値Max_SKTをSKTの特徴データとして生じる。
【0042】
上述したように、特徴分析部10に備えられた心拍分析部11、SCR分析部15及びSKT Mean/Max計算部18がユーザから入力された複数の生体信号からユーザの情緒認識に必要な特徴値を抽出した後に、前記特徴値は、減算部20及びSVMユニット30に順次に入力されてユーザの情緒を認識する。
【0043】
図14は、図5に示す減算部20及びSVMユニット30の構成を示すブロック図である。
【0044】
図14を参照すれば、減算部20には、ユーザの情緒認識に目安となる特徴値として、ユーザの日頃の情緒状態に対する特徴値FEATURE 1′−FEATURE X′が記憶されている。減算部20は、特徴分析部10に備えられた心拍分析部11、SCR分析部15、及びSKT Mean/Max計算部18から入力される複数の特徴値FEATURE 1−FEATURE Xとユーザの日頃の情緒状態に対する特徴値FEATURE 1′−FEATURE X′との差を求めてこれをSVMユニット30に伝送する。
【0045】
SVMユニット30は、減算部20から出力された特徴値の差に応答してユーザの情緒状態を学習及び分類するSVM分類器(Support Vector Machine Classifier)32と、SVM分類器32により学習された結果を記憶するデータベース34、及びSVM分類器32で分類された複数の情緒状態値を比較して最終の情緒状態を選んで出力する比較器36を有する。
【0046】
抽出された特徴ベクトルから所定の情緒状態を決めることは、一種のパターン認識の問題に該当し、パターン認識のためには、各種の分類器が適用できる。一般に、特定の情緒状態を示す特徴ベクトルが多次元空間上に一つの確率分布を形成しており、各状態に該当する確率密度関数が知られていさえすれば、ベイズの法則(Bayes’rule)により統計的に最適の分類器を具現することができる。
【0047】
しかし、実際には、確率密度関数を正確に知ることは不可能であるため、ベイズの法則に相応する規則を実質的に実現するパルツェンウィンドウ分類器(Parzen window classifier)、多重パーセプトロンなどが主として用いられている。しかし、このような従来の分類器は、一般化特性が良くないため、学習に用いられていない新しいデータに対しては誤動作率が相当高いという問題点を有している。のみならず、前記パターン分類器は、特徴ベクトルの分布において分散がかなり大きく、各々のカテゴリーに該当するクラスタ間の重なりも極めて大であるために、誤動作率が上がる可能性が極めて高い。したがって、本発明では、前記のような問題点を解決するために、高い一般化特性を有するSVM分類器32を情緒認識のためのパターン分類器として用いる。
【0048】
SVM分類器32は、高次元への非線形的なマッピングにより線形的な分離可能性を高めることができる。SVM分類器32は、Vapnikの統計的な学習理論(statistical learning theory)に基づき最適の一般化性能を有する線形分離器を具現する方法を基に構成される。このような特性を有するSVM分類器に関するより詳細な説明は、例えば、次の論文に記載がある。V.N.ヴァプニク(V.N. Vapnik)著,「アン・オーバービュー・オブ・スタティスティカル・ラーニング・セオリー(An overview of statistical learning theory)」,IEEE・トランザクションズ・オン・ニューラルネットワークス(IEEE Transactions on Neural Networks),米国,インスティチュート・オブ・エレクトリカル・アンド・エレクトロニクス・エンジニアーズ・インコーポレイテッド(Institute of Electrical and Electronics Engineers, Inc.),1999年9月,第10巻,第5号,pp.988−999。
【0049】
図15A及び図15Bは、図14に示すSVM分類器32の情緒分類の結果を示す図面である。本発明に係るSVM分類器32は、入力空間の非線形的な高い次数を特徴空間において線形的に投影して解釈することにより、図15A及び図15Bに示すように、各特徴データ(すなわち、ユーザの情緒)間に最適の境界(すなわち、最適分離面)を提示する。
【0050】
さらに図14を参照すれば、SVM分類器32により行われた情緒分類の結果は、各情緒別に分類された後、各情緒別の強度が数字にて表わされて出力される。例えば、ストレスに当たる情緒は0.3(または30%)、悲しみに当たる情緒は0.6(または60%)、そして、怒りに当たる情緒は0.1(または10%)のように各情緒別の強度が数字にて表わされる。
【0051】
比較器36は、SVM分類器32から出力される複数の情緒に対する強度を受け入れ、これらのうち強度が最も大きい情緒を最終的な情緒認識結果Emotionとして出力する。この時、データベース34には、入力された特徴値がいかなる情緒として認識されるかに関する情報が記憶される。このようなデータベース34に対するデータの更新は、SVM分類器32の学習時に行われ、一旦SVM分類器32の学習が終われば、データベース34に対するデータの更新は行われない。したがって、データベース34は、開発者の立場で必要な部分であり、エンドユーザのために開発が完了した情緒認識システムにはデータベース34が提供されていなくても良い。
【0052】
図16は、本発明の好ましい実施の形態による情緒認識方法を示すフローチャートである。図16を参照すれば、本発明に係る情緒認識方法は、まず、ECG/PPG、EDA、SKTなどの複数の生体信号を入力される(第1010段階)。前記生体信号は人体に着用可能なセンサー付き生体信号取得装置200により取得された後、情緒認識装置1に無線伝送される。
【0053】
コンピュータのように情緒認識プログラムが記憶された所定のプロセッサーよりなる情緒認識装置1は、第1010段階で入力された複数の生体信号を分析してユーザの情緒認識に用いられる複数の特徴値を抽出する(第1020段階)。第1020段階で抽出される特徴値としては、ECG/PPG信号から抽出された心拍信号のスペクトル、心拍信号の平均値/標準偏差値、EDA信号から検出されたSCRに関わったパラメータ、及びSKT信号から抽出されたSKT信号の平均値/最大値などがある。
【0054】
第1020段階で抽出された複数の特徴値は減算部20に入力されて、抽出された複数の特徴値と情緒認識の目安となる特徴値との差が求められる(第1030段階)。ここで、情緒認識の目安となる特徴値は、ユーザが特定の情緒に偏っていない日頃の情緒を示す特徴値であって、前記目安となる特徴値は減算部20に予め記憶されている。
【0055】
特徴値の差が求められれば、前記差分値はSVMユニット30に入力されてユーザ情緒認識が行われる(第1040段階)。SVMユニット30はユーザの情緒状態を各情緒別に区分し、区分された各々の情緒のうち強度が最も大きい情緒を選んでこれを最終的な情緒認識結果として出力する(第1050段階)。
【0056】
図17は、本発明の好ましい実施の形態による情緒認識の遂行結果の表示例である。図17を参照すれば、本発明に係る情緒認識システムは、41ないし43で示されているユーザの生体信号を処理し、情緒を分類した結果を44のように示す。そして、情緒分類の結果のうち最も多い情緒の部分を占める情緒(例えば、Sad)を参照番号45のように情緒認識の最終結果として出力する。
【0057】
このように、本発明に係る情緒認識装置及び方法は、既存の方法に比べて下記のような長所を有する。例えば、既存の情緒認識方法が脳波や顔面筋電度などを用いるためにユーザの頭皮や顔に電極を取り付けねばならず、ユーザに不便さ及び不快感を与えるのに対し、本発明は、腕時計の形で着用されるセンサーを通じて非浸襲的に取得される生体信号を用いるので、実用化が極めて容易であるという長所を有する。のみならず、本発明に係る情緒認識装置及び方法は、約50秒の短時間の生体信号の観測でも既存の方法に比べて顕著に高い情緒認識結果を有する。
【0058】
本発明はまたコンピュータにて読取り可能な記録媒体にコンピュータにて読取り可能なコード(プログラム)として具現することが可能である。コンピュータにて読取り可能な記録媒体は、コンピュータシステムにより読取り可能なデータが記憶されるあらゆる種類の記録装置を含む。コンピュータにて読取り可能な記録媒体の例としては、ROM、RAM、CD−ROM、磁気テープ、フロッピーディスク、光データ記憶装置などがあり、またキャリアウェーブ(例えば、インターネットを通じた伝送)の形で具現されるものも含む。また、コンピュータにて読取り可能な記録媒体は、ネットワークに結ばれたコンピュータシステムに分散され、分散の方式によりコンピュータにて読取り可能なコードとして記憶されて実行できる。
【0059】
【発明の効果】
以上述べたように、本発明に係る情緒認識装置及び方法によれば、身体に負担をかけず、行動を制約せずに常時着用が可能なセンサーから生理信号(生体信号)を取得し、取得された信号を短時間モニタリングしてユーザの情緒状態を正確に認識することができる。
【図面の簡単な説明】
【図1】本発明の好ましい実施の形態による情緒認識システムの全体構成を簡略に示す図面である。
【図2A】図1に示す生体信号取得装置の外形を例示する図面である。
【図2B】図2Aに示す生体信号取得装置をユーザの身体に着用したようすを示す図面である。
【図3】図1に示す生体信号取得装置の構成を示す図面である。
【図4】図1に示す情緒認識装置の簡略な構成を示す図面である。
【図5】図4に示す情緒認識部の詳細構成を示すブロック図である。
【図6A】心拍信号の分析に用いられるECG信号の一例を示す図面である。
【図6B】心拍信号の分析に用いられるPPG信号の一例を示す図面である。
【図7】図5に示す心拍検出部の詳細構成を示す図面である。
【図8】図5に示す心拍検出部の詳細構成を示す図面である。
【図9】図7及び図8に示す心拍検出部により求められた心拍信号から心拍変化率の時系列を求める過程を示す図面である。
【図10】皮膚伝導特性(SCR)の検出に用いられるEDA信号の波形を示す図面である。
【図11】図5に示すSCR検出部の構成を示す図面である。
【図12】皮膚温度の変化を検出するのに用いられるSKT信号の波形を示す図面である。
【図13】図5に示すSKT Mean/Max計算部の構成を示すブロック図である。
【図14】図5に示す減算部及びSVMユニットの構成を示すブロック図である。
【図15A】図14に示すSVM分類器の情緒分類結果の一例を示す図面である。
【図15B】図14に示すSVM分類器の情緒分類結果の他の例を示す図面である。
【図16】本発明の好ましい実施の形態による情緒認識方法を示すフローチャートである。
【図17】本発明の好ましい実施の形態による情緒認識の遂行結果を示す図面である。
【符号の説明】
1 情緒認識装置
10 特徴分析部
11 心拍分析部
12 心拍検出部
13 スペクトル分析部
14 Mean/Std計算部
15 SCR分析部
16 SCR検出部
17 SCR計算部
18 SKT Mean/Max計算部
20 減算部
30 SVMユニット
100 情緒認識部
200 生体信号取得装置
Claims (25)
- ユーザの身体に着用されて少なくとも一つ以上の生体信号を取得し、取得された前記生体信号を無線伝送する生体信号取得装置と、
前記生体信号取得装置から送られてきた前記生体信号を短時間モニタリングして前記ユーザの情緒状態を認識する情緒認識装置と、を備えることを特徴とする情緒認識システム。 - 前記生体信号取得装置は、
前記生体信号を非浸襲的に受け入れる少なくとも一つ以上のセンサーと、
前記センサーから入力された少なくとも一つ以上の生体信号を増幅してフィルタリングする増幅/フィルタリング部と、
前記増幅/フィルタリング部を通じて処理された信号を各生体信号別に分類して出力するマルチプレクサと、
前記マルチプレクサの出力をデジタル信号に変換するA/Dコンバータと、
前記A/Dコンバータにより変換された前記デジタル信号を前記情緒認識装置に無線伝送するRF送信部と、を備えることを特徴とする請求項1に記載の情緒認識システム。 - 前記生体信号は、光血流量(PPG)、心電図(ECG)、皮膚電気活動(EDA)及び皮膚温度(SKT)を含むことを特徴とする請求項1に記載の情緒認識システム。
- 前記情緒認識装置は、前記生体信号を分析して前記ユーザの情緒状態を認識するアルゴリズムが記憶された演算装置であることを特徴とする請求項1に記載の情緒認識システム。
- 前記情緒認識装置は、
前記生体信号の特徴を分析する特徴分析部と、
前記特徴分析部で分析された結果と、前記ユーザの情緒を認識するのに目安となる特徴値との差を求める減算部と、
前記減算部で求められた前記差分値を分析して複数の情緒を各カテゴリー別に分類し、前記分類された情緒のうち強度が最も大きい情緒を前記ユーザの情緒状態として認識する情緒分類手段と、を備えることを特徴とする請求項1に記載の情緒認識システム。 - 前記特徴分析部は、
前記ECG信号及び前記PPG信号のうちどちらか一つを受け入れて心拍信号を検出し、前記心拍信号と関わった特徴値を抽出する心拍分析部と、
前記EDA信号を受け入れて皮膚伝導特性と関わった特徴値を抽出する皮膚伝導特性分析部と、
前記SKT信号を受け入れて皮膚温度と関わった特徴値を抽出する皮膚温度分析部と、を備えることを特徴とする請求項5に記載の情緒認識システム。 - 前記心拍分析部は、
前記ECG信号及び前記PPG信号のうちどちらか一つを受け入れて心拍信号を検出し、検出された前記心泊信号を心拍変化率の時系列に変換する心拍検出部と、
前記心拍変化率の時系列信号に応答して前記心拍信号のスペクトルを分析するスペクトル分析部と、
前記心拍変化率の時系列信号に応答して前記心拍信号の平均値及び標準偏差値を計算する平均/標準偏差計算部と、を備えることを特徴とする請求項6に記載の情緒認識システム。 - 前記心拍検出部は、
入力される信号のうち前記ECG信号が存在する帯域を通過させるバンドパスフィルタと、
前記バンドパスフィルタリング結果に存在する低周波ノイズ成分を推定するメディアンフィルタと、
前記バンドパスフィルタリング結果に前記メディアンフィルタリング結果の逆数を加えて前記低周波ノイズ成分を除去する加算部と、
前記加算部の出力信号にTeagerエネルギーオペレータを取って前記心拍信号を検出するTeagerエネルギー演算部と、を備えることを特徴とする請求項7に記載の情緒認識システム。 - 前記心拍検出部は、
入力される信号のうち前記PPG信号が存在する帯域を通過させるバンドパスフィルタと、
前記バンドパスフィルタリング結果に存在する低周波ノイズ成分を推定するメディアンフィルタと、
前記バンドパスフィルタリング結果に前記メディアンフィルタリング結果の逆数を加えて前記低周波ノイズ成分を除去する加算部と、
前記加算部の出力信号から前記心拍信号を抽出する整合フィルタと、
前記心拍信号に対するゼロクリッピングを行うゼロクリッパと、を備えることを特徴とする請求項7に記載の情緒認識システム。 - 前記減算部は、前記ユーザの情緒を認識するのに目安となる特徴値として、前記ユーザの日頃の情緒に対する特徴値を用いることを特徴とする請求項5に記載の情緒認識システム。
- 前記情緒分類手段は、
前記減算部で求められた前記差分値を分析して前記ユーザの情緒を複数のカテゴリーに分類するSVM(Support Vector Machine)分類器と、
前記SVM分類器を通じて分類された前記情緒の強度を比較し、前記情緒のうち強度が最も大きい情緒を前記ユーザの情緒認識結果として出力する比較器と、を備えることを特徴とする請求項5に記載の情緒認識システム。 - 前記情緒分類手段は、
前記SVM分類器を学習させるための複数の情緒データ及び前記情緒データによる前記SVM分類器の学習結果を記憶するデータベースをさらに備えることを特徴とする請求項11に記載の情緒認識システム。 - ユーザから取得された生体信号の特徴を分析する特徴分析部と、
前記特徴分析部で分析された結果と、前記ユーザの情緒を認識するのに目安となる特徴値との差を求める減算部と、
前記減算部で求められた前記差分値を分析して複数の情緒を各カテゴリー別に分類し、前記分類された情緒のうち強度が最も大きい情緒を前記ユーザの情緒状態として認識する情緒分類手段と、を備えることを特徴とする情緒認識装置。 - 前記生体信号は、光血流量(PPG)、心電図(ECG)、皮膚電気活動(EDA)及び皮膚温度(SKT)を含むことを特徴とする請求項13に記載の情緒認識装置。
- 前記特徴分析部は、
前記ECG信号及び前記PPG信号のうちどちらか一つを受け入れて心拍信号を検出し、前記心拍信号と関わった特徴値を抽出する心拍分析部と、
前記EDA信号を受け入れて皮膚伝導特性と関わった特徴値を抽出する皮膚伝導特性分析部と、
前記SKT信号を受け入れて皮膚温度と関わった特徴値を抽出する皮膚温度分析部と、を備えることを特徴とする請求項14に記載の情緒認識装置。 - 前記心拍分析部は、
前記ECG信号及び前記PPG信号のうちどちらか一つを受け入れて心拍信号を検出し、検出された前記心泊信号を心拍変化率の時系列に変換する心拍検出部と、
前記心拍変化率の時系列信号に応答して前記心拍信号のスペクトルを分析するスペクトル分析部と、
前記心拍変化率の時系列信号に応答して前記心拍信号の平均値及び標準偏差値を計算する平均/標準偏差計算部と、を備えることを特徴とする請求項15に記載の情緒認識装置。 - 前記心拍検出部は、
入力される信号のうち前記ECG信号が存在する帯域を通過させるバンドパスフィルタと、
前記バンドパスフィルタリング結果に存在する低周波ノイズ成分を推定するメディアンフィルタと、
前記バンドパスフィルタリング結果に前記メディアンフィルタリング結果の逆数を加えて前記低周波ノイズ成分を除去する加算部と、
前記加算部の出力信号にTeagerエネルギーオペレータを取って前記心拍信号を検出するTeagerエネルギー演算部と、を備えることを特徴とする請求項16に記載の情緒認識装置。 - 前記心拍検出部は、
入力される信号のうち前記PPG信号が存在する帯域を通過させるバンドパスフィルタと、
前記バンドパスフィルタリング結果に存在する低周波ノイズ成分を推定するメディアンフィルタと、
前記バンドパスフィルタリング結果に前記メディアンフィルタリング結果の逆数を加えて前記低周波ノイズ成分を除去する加算部と、
前記加算部の出力信号から前記心拍信号を抽出する整合フィルタと、
前記心拍信号に対するゼロクリッピングを行うゼロクリッパと、を備えることを特徴とする請求項16に記載の情緒認識装置。 - 前記減算部は、前記ユーザの情緒を認識するのに目安となる特徴値として、前記ユーザの日頃の情緒に対する特徴値を用いることを特徴とする請求項13に記載の情緒認識装置。
- 前記情緒分類手段は、
前記減算部で求められた前記差分値を分析して前記ユーザの情緒を複数のカテゴリーに分類するSVM分類器と、
前記SVM分類器を通じて分類された前記情緒の強度を比較し、前記情緒のうち強度が最も大きい情緒を前記ユーザの情緒認識結果として出力する比較器と、を備えることを特徴とする請求項13に記載の情緒認識装置。 - 前記情緒分類手段は、
前記SVM分類器を学習させるための複数の情緒データ及び前記情緒データによる前記SVM分類器の学習結果を記憶するデータベースをさらに備えることを特徴とする請求項20に記載の情緒認識装置。 - (a)ユーザから少なくとも一つ以上の生体信号を入力される段階と、
(b)前記生体信号を分析して前記ユーザの情緒認識に用いられる複数の特徴値を抽出する段階と、
(c)前記(b)段階で抽出された前記複数の特徴値と、情緒認識の目安となる所定の特徴値との差を求める段階と、
(d)前記(c)段階で計算された前記特徴値間の差に応答して前記ユーザの情緒状態を複数のカテゴリーに分類する段階と、
(e)分類された各々の情緒のうち強度が最も大きい情緒を選んで出力する段階と、を含むことを特徴とする情緒認識方法。 - 前記生体信号は、非浸襲的に取得される光血流量(PPG)、心電図(ECG)、皮膚電気活動(EDA)及び皮膚温度(SKT)を含むことを特徴とする請求項22に記載の情緒認識方法。
- 前記ユーザの情緒を認識するのに目安となる前記特徴値は、前記ユーザの日頃の情緒に対する特徴値であることを特徴とする請求項22に記載の情緒認識方法。
- 前記(d)段階は、統計的な学習理論に基づき前記ユーザの情緒を複数のカテゴリーに分類するSVM分類器を用いることを特徴とする請求項22に記載の情緒認識方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020020003868A KR100580618B1 (ko) | 2002-01-23 | 2002-01-23 | 생리 신호의 단시간 모니터링을 통한 사용자 정서 인식장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004000474A true JP2004000474A (ja) | 2004-01-08 |
JP4101069B2 JP4101069B2 (ja) | 2008-06-11 |
Family
ID=19718772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003014133A Expired - Fee Related JP4101069B2 (ja) | 2002-01-23 | 2003-01-23 | 生理信号の短時間モニタリングを通じたユーザ情緒認識装置及び方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US7547279B2 (ja) |
JP (1) | JP4101069B2 (ja) |
KR (1) | KR100580618B1 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022869A (ja) * | 2009-06-17 | 2011-02-03 | Iwao Kobayashi | 重症心身障害者のためのコミュニケーション支援装置 |
JP2014514080A (ja) * | 2011-04-14 | 2014-06-19 | コーニンクレッカ フィリップス エヌ ヴェ | ストレス測定デバイス及び方法 |
JP2018518323A (ja) * | 2015-06-26 | 2018-07-12 | リズム ダイアグノスティック システムズ,インク. | 健康状態をモニタリングするシステムおよび方法 |
WO2019082988A1 (ja) | 2017-10-25 | 2019-05-02 | 日本電気株式会社 | 生体認証装置、生体認証システム、生体認証方法、および記録媒体 |
KR102004197B1 (ko) * | 2018-10-18 | 2019-07-26 | 전남대학교산학협력단 | 다른 위치에서 동기화된 ppg와 pcg를 사용한 감정 인식 장치 및 방법 |
KR20200017709A (ko) * | 2018-08-09 | 2020-02-19 | 연세대학교 산학협력단 | 생체신호 클래스 분류 장치 및 그 방법 |
US10842391B2 (en) | 2012-10-07 | 2020-11-24 | Rds Sas | Health monitoring systems and methods |
US10863947B2 (en) | 2012-10-07 | 2020-12-15 | Rds Sas | Health monitoring systems and methods |
US11185291B2 (en) | 2012-10-07 | 2021-11-30 | Rds | Health monitoring systems and methods |
US11903700B2 (en) | 2019-08-28 | 2024-02-20 | Rds | Vital signs monitoring systems and methods |
Families Citing this family (112)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040032451A (ko) | 2002-10-09 | 2004-04-17 | 삼성전자주식회사 | 생체신호 기반의 건강 관리 기능을 갖는 모바일 기기 및이를 이용한 건강 관리 방법 |
CA2511988A1 (en) * | 2003-08-08 | 2005-02-17 | Quantum Intech, Inc. | Electrophysiological intuition indicator |
US20050054381A1 (en) * | 2003-09-05 | 2005-03-10 | Samsung Electronics Co., Ltd. | Proactive user interface |
KR100662335B1 (ko) * | 2004-06-18 | 2007-01-02 | 엘지전자 주식회사 | 이동단말기 사용자의 감정 전달 및 표출 방법과, 그를위한 통신 시스템 |
JP4590555B2 (ja) * | 2004-09-02 | 2010-12-01 | 国立大学法人長岡技術科学大学 | 感性状態判別方法及び装置 |
CA2599148A1 (en) * | 2005-02-22 | 2006-08-31 | Health-Smart Limited | Methods and systems for physiological and psycho-physiological monitoring and uses thereof |
US20070150281A1 (en) * | 2005-12-22 | 2007-06-28 | Hoff Todd M | Method and system for utilizing emotion to search content |
KR100763236B1 (ko) * | 2006-05-09 | 2007-10-04 | 삼성전자주식회사 | 생체 신호를 이용하는 동영상 편집 장치 및 방법 |
EP2037799A4 (en) | 2006-07-12 | 2009-08-26 | Arbitron Inc | METHODS AND SYSTEMS FOR CERTIFICATION OF CONFORMITY AND INCENTIVE MEASURES |
US20080096533A1 (en) * | 2006-10-24 | 2008-04-24 | Kallideas Spa | Virtual Assistant With Real-Time Emotions |
WO2008055078A2 (en) * | 2006-10-27 | 2008-05-08 | Vivometrics, Inc. | Identification of emotional states using physiological responses |
JP2010518914A (ja) * | 2007-02-16 | 2010-06-03 | ヴィロ・ゲームス・リミテッド | バイオセンサ・デバイス及び方法 |
DE102007036277A1 (de) * | 2007-07-31 | 2009-02-05 | Technische Universität Berlin | Verfahren und Vorrichtung zur automatischen Mustererkennung |
KR100972208B1 (ko) * | 2007-08-21 | 2010-07-23 | 주식회사 에스씨티 | 생체신호 측정기 |
US9513699B2 (en) * | 2007-10-24 | 2016-12-06 | Invention Science Fund I, LL | Method of selecting a second content based on a user's reaction to a first content |
US9582805B2 (en) * | 2007-10-24 | 2017-02-28 | Invention Science Fund I, Llc | Returning a personalized advertisement |
US20090112694A1 (en) * | 2007-10-24 | 2009-04-30 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Targeted-advertising based on a sensed physiological response by a person to a general advertisement |
US20090113297A1 (en) * | 2007-10-24 | 2009-04-30 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Requesting a second content based on a user's reaction to a first content |
US20090112693A1 (en) * | 2007-10-24 | 2009-04-30 | Jung Edward K Y | Providing personalized advertising |
US20090112696A1 (en) * | 2007-10-24 | 2009-04-30 | Jung Edward K Y | Method of space-available advertising in a mobile device |
US9161715B2 (en) * | 2008-05-23 | 2015-10-20 | Invention Science Fund I, Llc | Determination of extent of congruity between observation of authoring user and observation of receiving user |
US8615664B2 (en) * | 2008-05-23 | 2013-12-24 | The Invention Science Fund I, Llc | Acquisition and particular association of inference data indicative of an inferred mental state of an authoring user and source identity data |
US9192300B2 (en) * | 2008-05-23 | 2015-11-24 | Invention Science Fund I, Llc | Acquisition and particular association of data indicative of an inferred mental state of an authoring user |
US20090292658A1 (en) * | 2008-05-23 | 2009-11-26 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Acquisition and particular association of inference data indicative of inferred mental states of authoring users |
US9101263B2 (en) * | 2008-05-23 | 2015-08-11 | The Invention Science Fund I, Llc | Acquisition and association of data indicative of an inferred mental state of an authoring user |
EP2335232B1 (en) * | 2008-09-10 | 2012-08-15 | Koninklijke Philips Electronics N.V. | Bed exit warning system |
CN102187299A (zh) * | 2008-10-20 | 2011-09-14 | 皇家飞利浦电子股份有限公司 | 在再现环境下控制对用户的影响 |
KR101002365B1 (ko) | 2009-05-19 | 2010-12-17 | 동서대학교산학협력단 | 맥파 전달시간 계측 시스템 및 그 방법 |
KR101262922B1 (ko) * | 2009-12-10 | 2013-05-09 | 한국전자통신연구원 | 감성 변화에 따른 감성지수 결정 장치 및 그 방법 |
ES2466366T3 (es) * | 2009-12-21 | 2014-06-10 | Fundación Tecnalia Research & Innovation | Sistema y procedimiento de supervisión del bienestar afectivo |
US8715178B2 (en) * | 2010-02-18 | 2014-05-06 | Bank Of America Corporation | Wearable badge with sensor |
US9138186B2 (en) * | 2010-02-18 | 2015-09-22 | Bank Of America Corporation | Systems for inducing change in a performance characteristic |
US8715179B2 (en) * | 2010-02-18 | 2014-05-06 | Bank Of America Corporation | Call center quality management tool |
WO2011109716A2 (en) * | 2010-03-04 | 2011-09-09 | Neumitra LLC | Devices and methods for treating psychological disorders |
US8700009B2 (en) * | 2010-06-02 | 2014-04-15 | Q-Tec Systems Llc | Method and apparatus for monitoring emotion in an interactive network |
KR20110135676A (ko) * | 2010-06-11 | 2011-12-19 | 전자부품연구원 | 다중 생체신호 처리를 위해 통신 호환성을 개선한 근거리 통신 처리시스템 |
US10997526B2 (en) * | 2010-07-02 | 2021-05-04 | United States Of America As Represented By The Administrator Of Nasa | System and method for human operator and machine integration |
US10192173B2 (en) * | 2010-07-02 | 2019-01-29 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | System and method for training of state-classifiers |
US9307190B2 (en) | 2010-11-09 | 2016-04-05 | Kanfield Capital Sa | Apparatus and method for physical interaction over a distance using a telecommunication device |
US8565392B2 (en) | 2010-11-09 | 2013-10-22 | WOOW Inc. Limited | Apparatus and method for physical interaction over a distance using a telecommunication device |
TWI536195B (zh) * | 2011-03-02 | 2016-06-01 | 緯創資通股份有限公司 | 生理信號接收裝置和方法 |
US20130198694A1 (en) * | 2011-06-10 | 2013-08-01 | Aliphcom | Determinative processes for wearable devices |
US9069380B2 (en) | 2011-06-10 | 2015-06-30 | Aliphcom | Media device, application, and content management using sensory input |
US20130174018A1 (en) * | 2011-09-13 | 2013-07-04 | Cellpy Com. Ltd. | Pyramid representation over a network |
JP5772448B2 (ja) * | 2011-09-27 | 2015-09-02 | 富士ゼロックス株式会社 | 音声解析システムおよび音声解析装置 |
CN103957783B (zh) * | 2011-11-22 | 2017-09-26 | 皇家飞利浦有限公司 | 皮质醇水平和精神平衡或失衡估计 |
US9311825B2 (en) | 2011-12-22 | 2016-04-12 | Senstream, Inc. | Biometric sensing and processing apparatus for mobile gaming, education, and wellness applications |
US9332363B2 (en) | 2011-12-30 | 2016-05-03 | The Nielsen Company (Us), Llc | System and method for determining meter presence utilizing ambient fingerprints |
US20130204535A1 (en) * | 2012-02-03 | 2013-08-08 | Microsoft Corporation | Visualizing predicted affective states over time |
PL398136A1 (pl) | 2012-02-17 | 2013-08-19 | Binartech Spólka Jawna Aksamit | Sposób wykrywania kontekstu urzadzenia przenosnego i urzadzenie przenosne z modulem wykrywania kontekstu |
WO2013126684A1 (en) * | 2012-02-22 | 2013-08-29 | Aclaris Medical, Llc | Physiological signal detecting device and system |
US20140324749A1 (en) * | 2012-03-21 | 2014-10-30 | Alexander Peters | Emotional intelligence engine for systems |
US11006874B2 (en) * | 2012-08-13 | 2021-05-18 | Tata Consultancy Services Limited | Real-time stress determination of an individual |
US9314159B2 (en) | 2012-09-24 | 2016-04-19 | Physio-Control, Inc. | Patient monitoring device with remote alert |
US9418390B2 (en) | 2012-09-24 | 2016-08-16 | Intel Corporation | Determining and communicating user's emotional state related to user's physiological and non-physiological data |
WO2014097052A1 (en) * | 2012-12-20 | 2014-06-26 | Koninklijke Philips N.V. | Monitoring a waiting area |
TWI494079B (zh) * | 2012-12-21 | 2015-08-01 | Univ Nat Cheng Kung | 壓力狀態檢測裝置 |
US10022053B2 (en) * | 2013-02-22 | 2018-07-17 | Cloud Dx, Inc. | Simultaneous multi-parameter physiological monitoring device with local and remote analytical capability |
US9471117B1 (en) * | 2013-03-12 | 2016-10-18 | Google Inc. | Skin temperature of computing device enclosure |
WO2015164477A1 (en) | 2014-04-25 | 2015-10-29 | The General Hospital Corporation | Hybrid system for treating mental and emotional disorders with responsive brain stimulation |
TWI557563B (zh) * | 2014-06-04 | 2016-11-11 | 國立成功大學 | 情緒調控系統及其調控方法 |
US10524711B2 (en) * | 2014-06-09 | 2020-01-07 | International Business Machines Corporation | Cognitive event predictor |
US9600743B2 (en) | 2014-06-27 | 2017-03-21 | International Business Machines Corporation | Directing field of vision based on personal interests |
US20160007910A1 (en) | 2014-07-10 | 2016-01-14 | International Business Machines Corporation | Avoidance of cognitive impairment events |
US20160007862A1 (en) * | 2014-07-14 | 2016-01-14 | Mediatek Inc. | Method for collecting personal health data and personal health device utilizing the same |
KR101601041B1 (ko) * | 2014-08-05 | 2016-03-08 | 연세대학교 산학협력단 | 기능적 자기 공명 영상의 패턴 분류 장치 및 방법 |
US9471837B2 (en) | 2014-08-19 | 2016-10-18 | International Business Machines Corporation | Real-time analytics to identify visual objects of interest |
KR102337509B1 (ko) * | 2014-08-29 | 2021-12-09 | 삼성전자주식회사 | 컨텐츠 제공 방법 및 그 전자 장치 |
US9801553B2 (en) * | 2014-09-26 | 2017-10-31 | Design Interactive, Inc. | System, method, and computer program product for the real-time mobile evaluation of physiological stress |
US10004408B2 (en) | 2014-12-03 | 2018-06-26 | Rethink Medical, Inc. | Methods and systems for detecting physiology for monitoring cardiac health |
US9668688B2 (en) | 2015-04-17 | 2017-06-06 | Mossbridge Institute, Llc | Methods and systems for content response analysis |
US10133918B1 (en) * | 2015-04-20 | 2018-11-20 | Snap Inc. | Generating a mood log based on user images |
US10952638B2 (en) | 2015-06-12 | 2021-03-23 | ChroniSense Medical Ltd. | System and method for monitoring respiratory rate and oxygen saturation |
US11712190B2 (en) * | 2015-06-12 | 2023-08-01 | ChroniSense Medical Ltd. | Wearable device electrocardiogram |
US11464457B2 (en) | 2015-06-12 | 2022-10-11 | ChroniSense Medical Ltd. | Determining an early warning score based on wearable device measurements |
US10285634B2 (en) | 2015-07-08 | 2019-05-14 | Samsung Electronics Company, Ltd. | Emotion evaluation |
US9966056B2 (en) | 2015-08-24 | 2018-05-08 | Plantronics, Inc. | Biometrics-based dynamic sound masking |
CN105212949A (zh) * | 2015-08-25 | 2016-01-06 | 西南大学 | 一种使用皮肤电信号进行文化体验情感识别的方法 |
US9870762B2 (en) | 2015-09-11 | 2018-01-16 | Plantronics, Inc. | Steerable loudspeaker system for individualized sound masking |
JP6559910B2 (ja) * | 2015-12-14 | 2019-08-14 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | ウェアラブルデバイス及び被験者の皮膚電位を決定する方法 |
US20170221336A1 (en) | 2016-01-28 | 2017-08-03 | Flex Ltd. | Human voice feedback system |
KR101664323B1 (ko) * | 2016-02-25 | 2016-10-10 | 서울대학교 산학협력단 | 건강 파라미터 추정 시스템 및 건강 파라미터 추정 방법 |
US10593349B2 (en) * | 2016-06-16 | 2020-03-17 | The George Washington University | Emotional interaction apparatus |
CN106202860B (zh) * | 2016-06-23 | 2018-08-14 | 南京邮电大学 | 一种情绪调节业务推送方法 |
US11123014B2 (en) | 2017-03-21 | 2021-09-21 | Stryker Corporation | Systems and methods for ambient energy powered physiological parameter monitoring |
US10709339B1 (en) * | 2017-07-03 | 2020-07-14 | Senstream, Inc. | Biometric wearable for continuous heart rate and blood pressure monitoring |
FR3070591A1 (fr) * | 2017-09-07 | 2019-03-08 | Ironova | Procede et module adaptes pour identifier et quantifier les emotions ressenties par au moins un individu |
US11369289B2 (en) | 2017-11-03 | 2022-06-28 | Inspired Performance Institute, Inc. | System and method for automatically monitoring physiological parameters of a subject |
EP3769306A1 (en) * | 2018-03-21 | 2021-01-27 | Limbic Limited | Emotion data training method and system |
CN111315296B (zh) * | 2018-04-02 | 2021-06-01 | 华为技术有限公司 | 一种确定压力值的方法及装置 |
US10958466B2 (en) | 2018-05-03 | 2021-03-23 | Plantronics, Inc. | Environmental control systems utilizing user monitoring |
KR102221264B1 (ko) * | 2018-05-09 | 2021-03-02 | 한국과학기술원 | 인간 감정 인식을 위한 딥 생리적 정서 네트워크를 이용한 인간 감정 추정 방법 및 그 시스템 |
WO2019216504A1 (ko) * | 2018-05-09 | 2019-11-14 | 한국과학기술원 | 인간 감정 인식을 위한 딥 생리적 정서 네트워크를 이용한 인간 감정 추정 방법 및 그 시스템 |
WO2020096621A1 (en) * | 2018-11-09 | 2020-05-14 | Hewlett-Packard Development Company, L.P. | Classification of subject-independent emotion factors |
CN109620262B (zh) * | 2018-12-12 | 2020-12-22 | 华南理工大学 | 一种基于可穿戴手环的情绪识别系统及方法 |
CN109512441A (zh) * | 2018-12-29 | 2019-03-26 | 中山大学南方学院 | 基于多元信息的情绪识别方法及装置 |
KR20200087420A (ko) * | 2019-01-11 | 2020-07-21 | 삼성전자주식회사 | 전극을 이용한 생체 신호 측정 방법 및 장치 |
US20200226488A1 (en) * | 2019-01-13 | 2020-07-16 | Stephen Wai Chiu Yu | Systems and methods for determining energy levels by automatically monitoring noise emitted by electrical devices |
KR20200101195A (ko) * | 2019-02-19 | 2020-08-27 | 현대자동차주식회사 | 전자 장치 및 그 제어 방법 |
KR102054821B1 (ko) * | 2019-03-29 | 2019-12-12 | 엘아이지넥스원 주식회사 | 사용자의 생존과 감정 상태의 자가구동형 모니터링 장치 및 방법 |
US11553871B2 (en) | 2019-06-04 | 2023-01-17 | Lab NINE, Inc. | System and apparatus for non-invasive measurement of transcranial electrical signals, and method of calibrating and/or using same for various applications |
WO2020257354A1 (en) * | 2019-06-17 | 2020-12-24 | Gideon Health | Wearable device operable to detect and/or manage user emotion |
RU2751759C2 (ru) * | 2019-12-31 | 2021-07-16 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Саратовский государственный технический университет имени Гагарина Ю.А." | Программно-аппаратный комплекс обучающей системы с автоматической оценкой эмоций обучаемого |
CN113140312A (zh) * | 2020-01-19 | 2021-07-20 | Oppo广东移动通信有限公司 | 用户数据处理、会话数据处理方法和装置、电子设备 |
CN111248928A (zh) * | 2020-01-20 | 2020-06-09 | 北京津发科技股份有限公司 | 压力识别方法及装置 |
CN111166308A (zh) * | 2020-01-23 | 2020-05-19 | 北京津发科技股份有限公司 | 一种手指部位多参数生理信号采集方法 |
CN113509154A (zh) * | 2020-04-10 | 2021-10-19 | 广东小天才科技有限公司 | 人体体温确定方法、装置、计算机设备和存储介质 |
CN112998711A (zh) * | 2021-03-18 | 2021-06-22 | 华南理工大学 | 一种基于可穿戴装置的情绪识别系统及方法 |
CN113397546B (zh) * | 2021-06-24 | 2022-06-21 | 福州大学 | 基于机器学习和生理信号的情绪识别模型构建方法及系统 |
CN113440122B (zh) * | 2021-08-02 | 2023-08-22 | 北京理工新源信息科技有限公司 | 一种基于生命体征的情绪波动监测识别大数据预警系统 |
CN114259214A (zh) * | 2021-12-21 | 2022-04-01 | 北京心华科技有限公司 | 身心健康数据检测、调节、筛查方法及系统 |
US20230237060A1 (en) * | 2022-01-24 | 2023-07-27 | Dell Products, L.P. | Suggestion engine for data center management and monitoring console |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04314431A (ja) | 1991-04-12 | 1992-11-05 | Mitsubishi Electric Corp | 心理状態変化のリアルタイムパターン評価装置 |
US5365934A (en) * | 1991-06-28 | 1994-11-22 | Life Fitness | Apparatus and method for measuring heart rate |
GB9117015D0 (en) | 1991-08-07 | 1991-09-18 | Software Solutions Ltd | Operation of computer systems |
US5375604A (en) * | 1992-12-11 | 1994-12-27 | Siemens Medical Electronics, Inc. | Transportable modular patient monitor |
IL110973A (en) | 1994-09-14 | 2001-12-23 | Univ Ramot | Apparatus and method for time dependent power spectrum analysis of physiological signals |
US5524631A (en) * | 1994-10-13 | 1996-06-11 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Passive fetal heart rate monitoring apparatus and method with enhanced fetal heart beat discrimination |
US5595183A (en) * | 1995-02-17 | 1997-01-21 | Ep Technologies, Inc. | Systems and methods for examining heart tissue employing multiple electrode structures and roving electrodes |
JPH08234053A (ja) | 1995-02-24 | 1996-09-13 | Furukawa Electric Co Ltd:The | 多心光コネクタ |
JP2836565B2 (ja) | 1996-02-20 | 1998-12-14 | 日本電気株式会社 | 複数生体情報選択機能付き緊張状態推定装置 |
JPH09238908A (ja) | 1996-03-06 | 1997-09-16 | Seiko Epson Corp | リラックス度測定装置 |
US5676138A (en) | 1996-03-15 | 1997-10-14 | Zawilinski; Kenneth Michael | Emotional response analyzer system with multimedia display |
JP2001112725A (ja) | 1999-10-15 | 2001-04-24 | Dia Syst Kk | 生体情報計測装置 |
JP2001190616A (ja) | 2000-01-17 | 2001-07-17 | Mitsubishi Electric Home Appliance Co Ltd | マッサージ機 |
JP2001204714A (ja) | 2000-01-28 | 2001-07-31 | Nissan Motor Co Ltd | メンタルストレス判定装置 |
JP2001246580A (ja) | 2000-03-03 | 2001-09-11 | Sony Corp | 情報通信ロボット装置、情報通信方法および情報通信ロボットシステム |
JP2001299702A (ja) | 2000-04-25 | 2001-10-30 | Masashi Takechi | 特性不安レベル評価装置及びその方法 |
US6599243B2 (en) * | 2001-11-21 | 2003-07-29 | Daimlerchrysler Ag | Personalized driver stress prediction using geographical databases |
-
2002
- 2002-01-23 KR KR1020020003868A patent/KR100580618B1/ko not_active IP Right Cessation
-
2003
- 2003-01-23 JP JP2003014133A patent/JP4101069B2/ja not_active Expired - Fee Related
- 2003-01-23 US US10/348,976 patent/US7547279B2/en not_active Expired - Fee Related
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011022869A (ja) * | 2009-06-17 | 2011-02-03 | Iwao Kobayashi | 重症心身障害者のためのコミュニケーション支援装置 |
JP2014514080A (ja) * | 2011-04-14 | 2014-06-19 | コーニンクレッカ フィリップス エヌ ヴェ | ストレス測定デバイス及び方法 |
US10993671B2 (en) | 2012-10-07 | 2021-05-04 | Rds | Health monitoring systems and methods |
US11937946B2 (en) | 2012-10-07 | 2024-03-26 | Rds | Wearable cardiac monitor |
US11786182B2 (en) | 2012-10-07 | 2023-10-17 | Rds | Health monitoring systems and methods |
US11185291B2 (en) | 2012-10-07 | 2021-11-30 | Rds | Health monitoring systems and methods |
US10842391B2 (en) | 2012-10-07 | 2020-11-24 | Rds Sas | Health monitoring systems and methods |
US10863947B2 (en) | 2012-10-07 | 2020-12-15 | Rds Sas | Health monitoring systems and methods |
US10980486B2 (en) | 2012-10-07 | 2021-04-20 | Rds | Health monitoring systems and methods |
JP2018518323A (ja) * | 2015-06-26 | 2018-07-12 | リズム ダイアグノスティック システムズ,インク. | 健康状態をモニタリングするシステムおよび方法 |
US11405388B2 (en) | 2017-10-25 | 2022-08-02 | Nec Corporation | Biometric authentication device, biometric authentication system, biometric authentication method and recording medium |
WO2019082988A1 (ja) | 2017-10-25 | 2019-05-02 | 日本電気株式会社 | 生体認証装置、生体認証システム、生体認証方法、および記録媒体 |
KR102174232B1 (ko) | 2018-08-09 | 2020-11-04 | 연세대학교 산학협력단 | 생체신호 클래스 분류 장치 및 그 방법 |
KR20200017709A (ko) * | 2018-08-09 | 2020-02-19 | 연세대학교 산학협력단 | 생체신호 클래스 분류 장치 및 그 방법 |
KR102004197B1 (ko) * | 2018-10-18 | 2019-07-26 | 전남대학교산학협력단 | 다른 위치에서 동기화된 ppg와 pcg를 사용한 감정 인식 장치 및 방법 |
US11903700B2 (en) | 2019-08-28 | 2024-02-20 | Rds | Vital signs monitoring systems and methods |
Also Published As
Publication number | Publication date |
---|---|
KR20030063640A (ko) | 2003-07-31 |
JP4101069B2 (ja) | 2008-06-11 |
US7547279B2 (en) | 2009-06-16 |
KR100580618B1 (ko) | 2006-05-16 |
US20030139654A1 (en) | 2003-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4101069B2 (ja) | 生理信号の短時間モニタリングを通じたユーザ情緒認識装置及び方法 | |
JP4278048B2 (ja) | パルスオキシメトリー信号のウェーブレットに基づく解析 | |
Karthikeyan et al. | Detection of human stress using short-term ECG and HRV signals | |
US8249698B2 (en) | General diagnostic and real-time applications of discrete hermite functions to digital data | |
Satheeskumaran et al. | Real-time ECG signal pre-processing and neuro fuzzy-based CHD risk prediction | |
CN110353704B (zh) | 基于穿戴式心电监测的情绪评估方法与装置 | |
Kelwade et al. | Prediction of cardiac arrhythmia using artificial neural network | |
Bellos et al. | Extraction and Analysis of features acquired by wearable sensors network | |
Rahman et al. | Intelligent driver monitoring based on physiological sensor signals: Application using camera | |
Zhang et al. | Hybrid feature fusion for classification optimization of short ECG segment in IoT based intelligent healthcare system | |
Gupta et al. | A support system for automatic classification of hypertension using BCG signals | |
Yue et al. | Heart rate and heart rate variability as classification features for mental fatigue using short-term ppg signals via smartphones instead of ecg recordings | |
KR101008825B1 (ko) | 다중 윈도우를 이용한 생체신호의 특성 파라미터 추출 장치및 방법 | |
KR102440217B1 (ko) | 딥러닝 기반의 수면단계 판정 장치 및 그 시스템 | |
KR101996027B1 (ko) | 동공 크기 변화를 이용한 심장 주파수 영역의 정보 추출 방법 및 그 장치 | |
Bonjyotsna et al. | Correlation of drowsiness with electrocardiogram: A review | |
Enamamu et al. | Transparent authentication: Utilising heart rate for user authentication | |
JP7332723B2 (ja) | 心電図(ecg)信号のqrs複合波を検出するためのシステム | |
Jayanthy et al. | Analysis of obstructive sleep apnea using ECG signals | |
Noorwali et al. | Design and realization of non invasive fetal ECG monitoring system | |
Rohan et al. | Various methods for identification of obstructive sleep apnea using electrocardiogram features | |
Rohan et al. | Classification of Cardiac Arrhythmia Diseases from Obstructive Sleep Apnea Signals using Decision Tree Classifier | |
Dhaka et al. | Classification of arrhythmia using time-domain features and support vector machine | |
Paul et al. | Mental stress detection using multimodal characterization of PPG signal for personal healthcare applications | |
Malhotra et al. | Mental stress assessment of ECG signal using statistical analysis of bio-orthogonal wavelet coefficients |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050511 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20061101 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20061107 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20061227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071023 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080123 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080318 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110328 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |