JP2007313189A - 動作判別装置、動作判別方法およびプログラム - Google Patents

Abstract

【課題】ベッドからの離床前動作とそれ以外の動作とを区別することを可能とし、かつ、個人の運動能力の違いによらず離床前動作を検出することが可能な動作判別装置を提供する。
【解決手段】ベッド上の人体の動作を特定するための基準データが動作種毎に格納された記憶部８０と、人体によりベッドに加えられる重量の分布を示す重量分布データを受信すると、該重量分布データからベッド上の人体の重心位置を人体位置として算出し、該人体位置の情報を前記記憶部に格納し、１以上の時間区分に対応して人体の移動範囲を前記人体位置の情報に基づいて算出し、該移動範囲から求まる面積で前記基準データを特定すること、または、該移動範囲が示す形状で前記基準データを特定することを少なくとも行って人体の動作を推定する制御部８２とを有する構成である。
【選択図】図１

Description

本発明は、ベッド上の人体の動作を判別するための動作判別装置および動作判別方法、ならびにその方法をコンピュータに実行させるためのプログラムに関する。

入院中の認知能力の低下した高齢者は、看護師の指示にしたがうことなく、勝手にベッドから離れてしまうことがある。高齢者は一般的に運動能力が衰えているので、高齢者のベッドから離れる行動が、ベッドから転落したり、転倒したりといった事故につながるおそれがある。

高齢者の患者がベッドから離れる行動を監視するために、ベッド上の人体の離床前動作を検出し、看護師に通知する監視装置が提案されている（例えば、特許文献１参照）。
特許第３５３６０４３号公報

しかし、上述の監視装置では、所定時間内にベッド上で重心が移動した距離の合計値から離床前動作と判定していた。距離の合計値から離床前動作と判定するので、寝返りも離床前動作と判定されていた。移動距離を算出する際、ベッド上に置かれた物体の配置による影響を受けるおそれもあった。さらに、所定時間内の合計値から離床前動作と判定するので、患者の動作が速すぎて判定前に患者が離床する場合や、患者の動作が遅すぎて離床前動作であると判定されない場合があった。

本発明は上述したような従来の技術が有する問題点を解決するためになされたものであり、ベッドからの離床前動作とそれ以外の動作とを区別することを可能とし、かつ、個人の運動能力の違いによらず離床前動作を検出することが可能な動作判別装置および動作判別方法、ならびにその方法をコンピュータに実行させるためのプログラムを提供することを目的とする。

上記目的を達成するための本発明の動作判別装置は、
ベッド上の人体の動作を特定するための基準データが動作種毎に格納された記憶部と、
人体によりベッドに加えられる重量の分布を示す重量分布データを受信すると、該重量分布データからベッド上の人体の重心位置を人体位置として算出し、該人体位置の情報を前記記憶部に格納し、１以上の時間区分に対応して人体の移動範囲を前記人体位置の情報に基づいて算出し、該移動範囲から求まる面積で前記基準データを特定すること、または、該移動範囲が示す形状で前記基準データを特定することを少なくとも行って人体の動作を推定する制御部と、
を有する構成である。

本発明では、所定の時間区分内における人体の移動範囲を求め、予め登録した動作種毎の基準データと移動範囲とを比較して、動作を推定している。ベッド上の移動距離のみを動作推定に利用せず、運動の情報である移動範囲を動作推定に利用することで、人体の動作をより正確に推定することが可能となる。また、動作判別に、移動距離を用いるのではなく、移動範囲を示す形状や面積を利用することで、動作を特定するための基準データに動作のばらつきを含む分布範囲を持たせることが可能となる。

また、上記本発明の動作判別装置において、
現在時刻から所定の時間過去に遡った時刻までを基本時間長とし、該基本時間長を所定の回数だけ等分割した時間を基本時間分割長とすると、
前記時間区分は、前記基本時間長または前記基本時間分割長の少なくともいずれかに相当するものとしてもよい。

本発明では、より長い時間に設定された時間区分では動作に関する大局的な情報を得ることが可能となり、より短い時間に設定された時間区分では、すばやい動作に関する情報を得ることが可能となる。また、時間区分の設定において、基本時間長を２等分割、４等分割、８等分割のように２のべき乗で分割した場合、分割された時間区分毎に移動範囲を算出することで、系統的に時間区分が設定され、時間長の等しい時間区分間で動作を相対的に比較することが可能となる。

また、上記本発明の動作判別装置において、
前記移動範囲から求まる面積は、人体位置の移動軌跡を囲む最小矩形の面積、または、該最小矩形が複数の単位矩形に分割され、該移動軌跡と重なる単位矩形の合計面積の少なくともいずれかであり、
前記移動範囲が示す形状は、人体位置の移動軌跡を囲む最小矩形の辺の縦横比、または、該最小矩形が複数の単位矩形に分割され、該移動軌跡に重なる部分と重ならない部分の２値化もしくは多値化したベクトルの少なくともいずれかであることとしてもよい。

本発明では、最小矩形の面積は運動量の大きさを示す指標となる。また、移動軌跡に沿って移動軌跡を覆う適度な大きさの単位矩形で人体位置の移動範囲を定義することで、移動軌跡を含む最小矩形を２値化した画像データにすることが可能となる。そして、２値化した画像データの移動軌跡を含む単位矩形の合計面積も運動量の大きさを示す指標となる。一方、最小矩形の辺の縦横の比、または、画像データの２値化もしくは多値化したベクトルのいずれもが運動方向を示す指標となる。

また、上記本発明の動作判別装置において、
前記制御部は、
複数の時間区分のうち２つの時間区分のそれぞれに対応して前記移動範囲を算出すると、算出した２つの移動範囲のそれぞれから求まる面積の比で前記基準データを特定すること、または、算出した２つの移動範囲の相対位置で前記基準データを特定することを少なくとも行って人体の動作を推定することとしてもよい。

人が意図を持って継続的な運動を行うと、より長い時間区分の移動範囲の重心に対する短い時間区分の移動範囲の重心の相対位置はトレンドをもった変化をする。一方、人が意図を持たずに不規則な運動を行うと、より長い時間区分の移動範囲の重心に対する短い時間区分の移動範囲の重心の相対位置は乱雑に変化する。本発明では、この性質を利用することで、２つの移動範囲の相対位置の変化は、意図を持った運動とそうでない運動の指標となる。面積比についても同様である。

一方、上記目的を達成するための本発明の動作判別方法は、ベッド上の人体の動作を推定するための情報処理装置による動作判別方法であって、
人体の動作を特定するための基準データを動作種毎に記憶部に格納し、
人体によりベッドに加えられる重量の分布を示す重量分布データを受信すると、該重量分布データからベッド上の人体の重心位置を人体位置として算出し、
算出した人体位置の情報を前記記憶部に格納し、
１以上の時間区分に対応して人体の移動範囲を前記人体位置の情報に基づいて算出し、
前記移動範囲から求まる面積で前記基準データを特定すること、または、該移動範囲が示す形状で前記基準データを特定することを少なくとも行って人体の動作を推定するものである。

また、上記目的を達成するための本発明のプログラムは、ベッド上の人体の動作を推定するためにコンピュータに実行させるためのプログラムであって、
人体の動作を特定するための基準データを動作種毎に記憶部に格納し、
人体によりベッドに加えられる重量の分布を示す重量分布データを受信すると、該重量分布データからベッド上の人体の重心位置を人体位置として算出し、
算出した人体位置の情報を前記記憶部に格納し、
１以上の時間区分に対応して人体の移動範囲を前記人体位置の情報に基づいて算出し、
前記移動範囲から求まる面積で前記基準データを特定すること、または、該移動範囲が示す形状で前記基準データを特定することを少なくとも行って人体の動作を推定する処理を前記コンピュータに実行させるものである。

本発明によれば、人体の移動範囲からベッド上での動作を判別するため、ベッド上の人以外の物体の配置の影響や、人の就寝時の状態に影響されずに、より正確に動作を判別することができる。また、移動範囲を示す形状や面積を動作判別に利用し、動作を特定するための基準データに分布範囲を持たせることで、人それぞれに運動能力の違いがあってもより正確に動作を判別することができる。

本発明の動作判別装置は、人体の動作を推定するために運動の情報である移動範囲を利用することを特徴とする。

本実施例の動作判別装置の構成を説明する。図１は本実施例の動作判別装置の一構成例を示すブロック図である。

図１に示すように、動作判別装置１９は、一定時間毎のベッド上の人体の位置の情報を格納するための記憶部８０と、重量分布検出手段１１が計測した、人体によるベッドへの重量分布のデータに基づいて人体の動作種を判別する制御部８２とを有する構成である。動作判別装置１９には、重量分布検出手段１１およびアラーム出力手段１８が接続されている。制御部８２には、プログラムにしたがって所定の処理を実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）（不図示）と、プログラムを格納するためのメモリ（不図示）とが設けられている。

図２は図１に示した動作判別装置の各構成を詳細に説明するための模式図である。図３は重量分布検出手段の構成例を示す模式図である。

制御部８２は、重量分布検出手段１１から受信するデータに基づいて人体の位置を推定する重量位置算出手段１２と、人体の移動範囲を算出する際の時間長を設定する時間区分設定手段１３と、設定された時間長における移動範囲を算出する重量位置移動範囲算出手段１４と、算出された移動範囲から動作種を判別する動作判別手段１７とを有する。重量位置算出手段１２、時間区分設定手段１３、重量位置移動範囲算出手段１４および動作判別手段１７は、ＣＰＵがプログラムを実行することで動作判別装置１９内に仮想的に構成される。

重量分布検出手段１１は、人体２２によるベッド２１への荷重配分を計測する重量計測装置２３を複数有する。本実施例では、ベッド２２を支える４脚のそれぞれに重量計測装置２３が設けられている。４台の重量計測装置２３が一定時間毎に重量分布を計測し、重量分布検出手段１１は、４台の重量計測装置２３が計測した重量分布データを重量位置算出手段１２に送信する。

また、重量計測装置２３の代わりに圧力計測装置２４を用いてもよい。図３に示すように、ベッドの面が複数の区画に区分けされ、区画毎に圧力検出装置２４が設けられている。ここでは、ｎ（２以上の整数）個の区画に区分けしたものとする。そして、圧力計測装置２４が設けられた各区画を圧力検出点と称する。ベッドの面をＸＹ平面座標にあてはめ、ｉ番目の圧力検出点のＸＹ座標をＶｉ（Ｘｉ，Ｙｉ）と表記する。ただし、ｉは圧力検出点毎に異なる番号であり、最小値は１であり、最大値はｎである。また、圧力検出点ｉが検出する圧力をＰｉとする。各圧力検出装置２４は外部から加えられる圧力を一定時間毎に計測し、重量分布検出手段１１は、ｉ＝１〜ｎについて、ＸＹ座標Ｖｉ（Ｘｉ，Ｙｉ）とその座標の圧力検出装置２４が計測した圧力Ｐｉの情報を含む重量分布データを重量位置算出手段１２に送信する。

なお、図３では、説明のために、重量計測装置２３と圧力計測装置２４の両方をベッド２１に備えた構成を示しているが、いずれか一方であってもよい。また、圧力計測装置２４が設けられた区画の形状は、矩形に限らず、円や楕円などその他の形状であってもよい。

重量位置算出手段１２は、重量分布検出手段１１から重量分布データを受信すると、重量分布データから人体の重心位置を算出し、算出した重心位置を人体位置と特定する。ＸＹ座標Ｖｉ（Ｘｉ，Ｙｉ）と圧力Ｐｉの情報を含む重量分布データを受信した場合、（ΣｉＶｉ×Ｐｉ）／（ΣｉＰｉ）で算出する座標位置を人体位置として特定する。そして、重量分布データを受信した時刻とともに人体位置の情報を記憶部８０に格納する。このようにして記憶部８０に保存される、人体位置および時刻を含む情報を量位置履歴情報と称する。重量位置算出手段１２は、重量分布検出手段１１から重量分布データを受信した際、重量分布データを記憶部８０に一旦格納してもよい。

時間区分設定手段１３は、現在時刻からどのくらい過去に遡った時刻までの重量位置履歴情報を利用するか、現在時刻から過去に遡る時間長を重量位置移動範囲算出手段１４に通知する。この時間長は、予め登録されていてもよく、操作者の入力により登録されるようにしてもよい。各重量位置履歴情報には、時刻の情報が含まれている。そのため、その時間長分遡った過去の時刻から現在時刻の間に人体がどのような動作をしたかを求めるための重量位置履歴情報を特定することが可能となる。

重量位置移動範囲算出手段１４は、時間区分設定手段１３から時間長の通知を受けると、一定時間毎に、その時間長分過去に遡った時刻から現在時刻までの時刻の情報を含む重量位置履歴情報を記憶部８０を参照して特定し、特定した重量位置履歴情報を用いて人体の移動範囲を算出する。時間区分設定手段１３から通知された時間長が、例えば、１２０秒とすると、重量位置移動範囲算出手段１４は、１２０秒前から現在時刻に至るまでの間の時刻の情報を含む重量位置履歴情報を記憶部８０から読み出し、重量位置履歴情報を用いて、人体の移動範囲を算出する。以下に、重量位置移動範囲算出手段１４が行う、人体の移動範囲の求め方を詳しく説明する。

図４はベッドでの人体の移動範囲の求め方を説明するための模式図である。ここでは、４通りの方法を説明する。

はじめに、移動範囲を求めるための元になる画像データを説明する。図４に示すベッド２１の矩形枠内に、時間区分設定手段１３により設定された時間長における、人体２２の移動軌跡３１が示されている。移動軌跡３１は、重量位置履歴情報に含まれる人体位置と時刻の情報を用いて、時刻経過にしたがって人体位置を線で結んだものである。そして、この矩形枠は、移動軌跡３１を囲む矩形形状のうち大きさが最も小さいものである。以下では、この矩形枠を最小矩形と称する。このようにして、重量位置移動範囲算出手段１４は、移動範囲を求める準備として、移動軌跡３１を含む最小矩形の画像データを重量位置履歴情報を用いて生成する。

第１の方法を、図４の右下に示す最小矩形を参照して説明する。重量位置移動範囲算出手段１４は、移動軌跡３１を含む最小矩形の画像を生成すると、最小矩形に対して碁盤の目のようにさらに細かい矩形に分割する。分割した１つの矩形を単位矩形と称する。続いて、図４に示すように、最小矩形内の全ての単位矩形について、移動軌跡３１に重なる単位矩形と、移動軌跡３１に重ならない単位矩形とに分類する。そして、移動軌跡３１に重なる単位矩形を黒色に変換し、移動軌跡３１に重ならない単位矩形を白色に変換し、図４に示すような２値化画像データを生成する。重量位置移動範囲算出手段１４は、生成した２値化画像データを移動範囲形状Ａ３２として動作判別手段１７に渡す。移動軌跡に沿って移動軌跡を覆う適度な大きさの単位矩形で人体位置の移動範囲を定義することで、移動軌跡を含む最小矩形を２値化した画像データにすることが可能となる。そして、２値化した画像データの移動軌跡を含む単位矩形の合計面積は運動量の大きさを示す指標となる。また、２値化画像データを基準データの軌跡形状と比較することで、移動軌跡から動作を推定することが可能となる。

なお、単位矩形は、正方形および長方形のいずれでもよい。また、２値化する際の２種類の色は黒と白に限らず、異なる２種類の色であればよい。さらに、２値化する場合に限らず多値化してもよい。

第２の方法を、図４の右下に示す最小矩形を参照して説明する。重量位置移動範囲算出手段１４は、移動軌跡３１を含む最小矩形の画像から第１の方法と同様にして２値化画像データを生成する。そして、黒色に変換された単位矩形の面積を合計し、その結果を移動範囲面積Ａ３３として動作判別手段１７に渡す。この方法では、移動範囲を示す値として、人体位置の細かい移動に対応した面積値に変換される。

第３の方法を、図４の左下に示す最小矩形を参照して説明する。重量位置移動範囲算出手段１４は、移動軌跡３１を含む最小矩形の画像を生成すると、その最小矩形について、ベッドの長辺に平行な方向の長さとベッドの短辺に平行な方向の長さとの比を求める。そして、この比の値を移動範囲形状Ｂ３４として動作判別手段１７に渡す。この比の値は、運動方向を示す指標となる。例えば、（ベッドの長辺に平行な方向の長さ）＞（ベッドの短辺に平行な方向の長さ）であると、人体の移動範囲がベッドの短辺に比べて長辺に平行な方向に大きく、上体を起す動作と推定できる。反対に、（ベッドの長辺に平行な方向の長さ）＜（ベッドの短辺に平行な方向の長さ）であると、人体の移動範囲がベッドの長辺に比べて短辺に平行な方向に大きく、寝返り動作と推定できる。この方法では、移動範囲を示す値として最小矩形の２辺の比を求めるだけなので、計算処理がより早くなる。

第４の方法を、図４の左下に示す最小矩形を参照して説明する。重量位置移動範囲算出手段１４は、移動軌跡３１を含む最小矩形の画像を生成すると、その最小矩形の面積を算出し、その結果を移動範囲面積Ｂ３５として動作判別手段１７に渡す。最小矩形の面積が運動量の大きさを示す指標となる。この方法では、移動範囲を示す値として、最小矩形の２辺に対して、その比を求める代わりに積を求めるだけなので、第３の方法と同様に、計算処理がより早くなる。

次に、動作判別手段１７について説明する。

動作判別手段１７は、移動範囲形状および移動範囲面積などの移動範囲を示す情報を重量位置移動範囲算出手段１４から受け取ると、記憶部８０に予め登録された、動作種毎に異なる基準データと移動範囲を示す情報と比較する。そして、移動範囲を示す情報に最もあてはまる基準データを特定し、その基準データの動作種を実際の動作として推定する。

ここで、記憶部８０に予め登録される基準データについて説明する。人体の動作を判別するための基準となる教師情報が動作種毎に予め記憶部８０に登録されている。教師情報は、動作種毎に異なる移動軌跡の特徴を示す情報である。移動範囲を示す情報が面積などの数値であれば、教師情報は数値で表される。初期段階では、教師情報が基準データとなる。

また、次のようにして、基準データにデータを補ってもよい。動作判別手段１７が、移動範囲を示す情報を量位置移動範囲算出手段１４から受け取ると、動作種を推定し、推定結果を出力する。操作者が、推定結果と実際の動作とを比較し、それらが一致していると、推定結果が合っている旨の信号を動作判別装置１９に入力する。これにより、動作判別手段１７は、その移動範囲を示す情報に対し、推定した動作種の教師情報を付与し、事例データとして記憶部８０の基準データに追加登録する。このようにして、動作種毎に、その動作を示す新たなデータが事例データとして追加登録される。以下では、追加される事例データを学習データと称する。なお、学習データの追加登録の方法は、上述の方法以外であってもよい。

基準データは、教師情報だけに限らず、学習データを含んでいてもよい。基準データを、例えば、１次元座標にプロットすると、教師情報の前後に学習データが分布する。この分布範囲がその動作種と判別される範囲となり、上限値と下限値が決まる。

人体の動作種について説明する。動作判別手段１７が判別する人体の動作には、「寝返り」、「長座位への体位変動」および「移動」などがある。人体が一定時間動作をせずに寝ている「安静」も動作種に含む。「長座位への体位変動」には、通常の速度で上体を起す「上体起し」の動作と、それよりも遅い速度で上体を起す「ゆっくり上体起し」の動作が含まれる。これらの動作のうちアラームの対象となるのは、ベッドから人体が離れる可能性のある動作であり、本実施例では「長座位への体位変動」および「移動」とする。いずれの動作をアラームの対象とするかの情報は、記憶部８０に予め登録しておく。

なお、アラーム対象の動作は、「長座位への体位変動」および「移動」に限られず他の動作を含んでもよく、「長座位への体位変動」および「移動」のいずれか一方であってもよく、これら２つの動作以外の他の動作であってもよい。目的に応じて、アラーム対象の動作を記憶部８０に登録すればよい。

次に、重量位置移動範囲算出手段１４が取り得る方法に対応して、動作判別手段１７が行う動作判別の具体例を説明する。

重量位置移動範囲算出手段１４が移動範囲を示す情報を求める方法が第２の方法である場合、記憶部８０には、寝返り動作と長座位への体位変動動作の２つの動作について基準データが予め登録されているものとする。寝返り動作の基準データの上限値をＡとし、下限値をＢとする。また、長座位への体位変動動作の基準データの上限値をＣとし、下限値をＤとする。この場合、動作判別手段１７は、重量位置移動範囲算出手段１４から移動範囲面積Ａ３３を受け取ると、移動範囲面積Ａ３３が値Ａおよび値Ｂの間の分布範囲と値Ｃおよび値Ｄの間の分布範囲のいずれに属するかを判定する。そして、移動範囲面積Ａ３３が値Ａおよび値Ｂの間の分布範囲に属すると判定すると、動作種を寝返り動作と推定する。一方、移動範囲面積Ａ３３が値Ｃおよび値Ｄの間の分布範囲に属すると判定すると、動作種を長座位への体位変動動作と推定する。

なお、重量位置移動範囲算出手段１４が移動範囲を示す情報を求める方法が第４の方法であると、動作判別手段１７の動作判別方法は、上述したのと同様であるため、その詳細な説明を省略する。

重量位置移動範囲算出手段１４が移動範囲を示す情報を求める方法が第３の方法である場合について説明する。この場合、記憶部８０には、寝返り動作と長座位への体位変動動作の２つの動作について基準データが予め登録されているものとする。寝返り動作の基準データの上限値をＥとし、下限値をＦとする。また、長座位への体位変動動作の基準データの上限値をＧとし、下限値をＨとする。動作判別手段１７は、重量位置移動範囲算出手段１４から移動範囲形状Ｂ３４の情報を受け取ると、移動範囲形状Ｂ３４の値が値Ｅおよび値Ｆの間の分布範囲と値Ｇおよび値Ｈの間の分布範囲のいずれに属するかを判定する。そして、移動範囲形状Ｂ３４の値が値Ｅおよび値Ｆの間の分布範囲に属すると判定すると、動作種を寝返り動作と推定する。一方、移動範囲形状Ｂ３４の値が値Ｇおよび値Ｈの間の分布範囲に属すると判定すると、動作種を長座位への体位変動動作と推定する。なお、第３の方法による移動範囲形状Ｂ３４の値が移動範囲の形状を示す値であることから、基準データとの比較は各種動作について予め設定された形状と類似しているか否かの判定を意味する。

続いて、重量位置移動範囲算出手段１４が移動範囲を示す情報を求める方法が第１の方法である場合について説明する。この場合、記憶部８０には、寝返り動作と長座位への体位変動動作の２つの動作について基準データとなる２値化画像データが予め登録されているものとする。動作判別手段１７は、重量位置移動範囲算出手段１４から移動範囲形状Ａ３２の情報を受け取ると、移動範囲形状Ａ３２のパターン画像と２つの基準データとの類似度を算出し、算出結果から動作種を推定する。

類似度を用いる方法として、例えば、固有空間法がある。固有空間法は、移動範囲形状Ａ３２の２値化画像データをベクトル表現に変換し、動作種毎に学習してある移動範囲で構成された部分空間への射影を計算し、最もノルムの大きな動作対象を判別結果として出力するものである。また、移動範囲形状Ａ３２のパターン画像に対してニューラルネットワークによる方法を動作判別手段１７に実行させ、移動範囲形状Ａ３２の２値化画像データをベクトル表現に変換し、それを入力として動作種を出力させるようにしてもよい。また、記憶部８０に格納される基準データは、動作種毎に２値化画像データがベクトル表現に変換されたものであってもよい。さらに、重量位置移動範囲算出手段１４から多値化したデータを受け取る場合には、多値化したデータに対して処理を実行するようにしてもよい。この場合、記憶部８０に格納される基準データは、動作種毎に多値化したデータがベクトル表現に変換されたものとなる。画像データを２値化したベクトルまたは多値化したベクトルのいずれも人体の運動方向を示す指標となる。

なお、２値化画像データの移動軌跡を含む単位矩形の合計面積を利用する場合には、第２の方法の場合と同様に、予め記憶部８０に保存した基準データと比較して動作種を推定すればよい。

さらに、移動範囲面積と移動範囲形状を組み合わせた場合の動作判別を説明する。

重量位置移動範囲算出手段１４が移動範囲を示す情報として移動範囲形状Ｂ３４と移動範囲面積Ｂ３５の両方を算出した場合とする。この場合、記憶部８０には、寝返り動作と長座位への体位変動動作の２つの動作について基準データが予め登録されているものとする。移動範囲形状Ｂ３４に対して、寝返り動作の基準データの上限値をＥとし、下限値をＦとする。長座位への体位変動動作の基準データの上限値をＧとし、下限値をＨとする。また、移動範囲面積Ｂ３５に対して、寝返り動作の基準データの上限値をＭとし、下限値をＮとする。長座位への体位変動動作の基準データの上限値をＰとし、下限値をＱとする。

動作判別手段１７は、重量位置移動範囲算出手段１４から移動範囲形状Ｂ３４および移動範囲面積Ｂ３５の情報を受け取ると、それぞれの値について基準データと比較する。動作判別手段１７は、移動範囲形状Ｂ３４の値が値Ｅおよび値Ｆの間の分布範囲にあることを認識し、かつ、移動範囲面積Ｂ３５が値Ｍおよび値Ｎの間の分布範囲にあることを認識すると、寝返り動作と推定する。一方、移動範囲形状Ｂ３４の値が値Ｇおよび値Ｈの間の分布範囲にあることを認識し、かつ、移動範囲面積Ｂ３５が値Ｐおよび値Ｑの間の分布範囲にあることを認識すると、長座位への体位変動動作と推定する。

動作判別手段１７は、上述のようにして動作を推定し、推定した動作がアラーム対象であるか否かを判定し、判定の結果、アラーム対象であることを認識すると、アラームを出すべき旨の信号であるアラーム動作信号をアラーム出力手段１８に送信する。一方、推定した動作がアラーム対象でないことを認識すると、アラーム出力手段１８に信号を送らない。

アラーム出力手段１８は、動作判別手段１７からアラーム動作信号を受信すると、アラームを発生させる旨の信号を看護師などの監督者が管理する所定の端末装置等へ送信する。監督者が管理する端末装置への通信方法は、無線通信および有線通信のいずれを介するものであってもよく、その組み合わせであってもよい。端末装置は、看護師の常駐場所に設置された情報処理装置であってもよく、看護師が携帯するページャや無線端末であってもよい。

次に、本実施例の動作判別装置１９の動作手順を説明する。ここでは、重量分布検出手段１１が複数の重量計測装置２３を有する構成であり、重量位置移動範囲算出手段１４が第２の方法で移動範囲を示す情報を求める場合とする。そして、記憶部８０には予め、寝返り動作の基準データの上限値Ａおよび下限値Ｂが格納され、長座位への体位変動動作の基準データの上限値Ｃおよび下限値Ｄが格納されているものとする。

図５は本実施例の動作判別装置の動作手順を示すフローチャートである。

複数の重量計測装置２３が一定時間毎に重量分布を計測し、重量分布検出手段１１は、重量計測装置２３が計測した重量分布データを動作判別装置１９に送信する。動作判別装置１９の重量位置算出手段１２は、重量分布検出手段１１から重量分布データを受信すると、重量分布データから人体の重心位置を算出し、算出した重心位置を人体位置と特定する。そして、重量分布データを受信した時刻とともに人体位置の情報を重量位置履歴情報として記憶部８０に格納する（ステップ１０１）。

重量位置移動範囲算出手段１４は、一定時間毎に、時間区分設定手段１３から通知された時間長分過去に遡った時刻から現在時刻までの時刻の情報を含む重量位置履歴情報を記憶部８０を参照して特定する。続いて、特定した重量位置履歴情報を用いて、人体の移動軌跡３１を含む最小矩形の画像を生成する。その後、移動軌跡３１を含む最小矩形の画像を白色および黒色を用いた２値化画像データに変換する。そして、黒色に変換された単位矩形の面積を合計し、その結果を移動範囲面積Ａ３３として動作判別手段１７に渡す（ステップ１０２）。

動作判別手段１７は、重量位置移動範囲算出手段１４から移動範囲面積Ａ３３を受け取ると、移動範囲面積Ａ３３が値Ａおよび値Ｂの間の分布範囲と値Ｃおよび値Ｄの間の分布範囲のいずれに属するかを判定する（ステップ１０３）。そして、移動範囲面積Ａ３３が値Ａおよび値Ｂの間の分布範囲に属すると判定すると、動作種を寝返り動作と推定する。一方、移動範囲面積Ａ３３が値Ｃおよび値Ｄの間の分布範囲に属すると判定すると、動作種を長座位への体位変動動作と推定する。

続いて、動作判別手段１７は、推定した動作がアラーム対象であるか否かを判定する（ステップ１０４）。判定の結果、アラーム対象であることを認識すると、アラームを出すべき旨の信号であるアラーム動作信号をアラーム出力手段１８に送信する（ステップ１０５）。一方、推定した動作がアラーム対象でないことを認識すると、アラーム出力手段１８に信号を送らず、制御部８２の処理はステップ１０１に戻る。アラーム出力手段１８は、動作判別手段１７からアラーム動作信号を受信すると、アラームを発生させる旨の信号を看護師が管理する端末装置へ送信する。

本発明では、所定の時間区分内における人体の移動範囲を求め、予め登録した動作種毎の基準データと移動範囲とを比較して、動作を推定している。従来、ベッド上の移動距離を主に動作推定に利用していたため、寝返り動作も離床前動作と検出されていたが、本発明では、運動の情報である移動範囲を動作推定に利用することで、人体の動作をより正確に推定することが可能となる。そのため、離床前動作とベッド上の人体の寝返り等の離床前以外の動作とを区別することができる。

また、ベッドの設計上、人はベッドの上ならどこでも横になることができ、必ずしもベッド中央で就寝するとは限らない。従来、ベッドに加わる重量の分布から人の位置を算出する手法には必然的に人以外のベッド上の物体の配置が影響するため、正確に人の絶対位置を算出することは困難であった。本発明では、運動の情報である移動範囲を動作推定に利用することで、ベッド上の人以外の物体の配置の影響や、人の就寝時の状態に影響されずに、従来よりも正確に動作を判別することができる。

また、移動範囲の形状や面積を動作判別に利用し、動作を特定するための基準データに動作のばらつきを含む分布範囲を持たせることで、人それぞれに運動能力の違いがあってもより正確に動作を判別することができる。そのため、個人の運動能力の差による動作速度が変化してもベッド上の人体の離床前動作を検出することができる。

本実施例は、時間長を複数の時間区分に分割し、各時間区分における移動範囲の相互の関係を利用することで、動作判別をより高精度に行うものである。なお、本実施例の動作判別装置の構成は実施例１と同様であるため、以下では、実施例１と異なる動作について詳細に説明する。

図６は時間区分設定手段による時間区分の設定例を示す図である。

図６に示す時間軸の現在時刻に相当する現時点４５から予め設定された時間分過去に遡った時刻までの時間長を基本時間長４１と定義する。実施例１では、基本時間長４１の重量位置履歴情報を用いて人体の移動範囲を算出していた。本実施例では、基本時間長４１をさらに複数に分割して、分割した時間について人体の移動範囲を求める。

図６は基本時間長４１の分割例を示す。基本時間長４１を２分割すると、基本時間２分割長４２が２つ得られる。この２つの基本時間２分割長４２のそれぞれを２分割すると、基本時間長４１を４分割した基本時間４分割長４３が得られる。さらに、４つの基本時間４分割長４３のそれぞれを２分割すると、基本時間長４１を８分割した基本時間８分割長４４が得られる。なお、元になる基本時間長４１を含め、基本時間２分割長４２、基本時間４分割長４３および基本時間８分割長４４など、人体位置の移動範囲を求める時間長を時間区分と称する。

より長い時間に設定された時間区分では動作に関する大局的な情報を得ることが可能となり、より短い時間に設定された時間区分では、すばやい動作に関する情報を得ることが可能となる。

時間区分設定手段１３が、基本時間長４１と基本時間長４１を何分割するかの情報を重量位置移動範囲算出手段１４に通知する。この分割数は、予め登録されていてもよく、操作者の入力により登録されるようにしてもよい。

重量位置移動範囲算出手段１４は、基本時間長４１とその分割数の情報を時間区分設定手段１３から通知を受けると、実施例１で説明した第１番目から第４の方法のうち少なくともいずれか採用する方法に対応して、人体の移動範囲を算出する。また、第１番目から第４の方法のうち複数を組み合わせる場合についても、組み合わせの対象となる方法毎に人体の移動範囲を算出する。

次に、本実施例の重量位置移動範囲算出手段１４による、人体の移動範囲の算出方法を詳細に説明する。ここでは、基本時間長４１を４分割する場合とする。

図７は本実施例における移動範囲の算出方法を説明するための図である。図７では、実施例１で説明した、図４の最小矩形を用いている。図７に示す移動範囲面積５１内に、図６に示した基本時間長４１の全体の時間区分４１１の間における人体位置の移動軌跡が示されている。移動範囲面積５２内には、基本時間４分割の時間区分４３１の間における人体位置の移動軌跡が示されている。移動範囲面積５３内には、時間区分４３２の間における人体位置の移動軌跡が示されている。

実施例１で説明した第２の方法を本実施例に適用すると、次のように重量位置移動範囲算出手段１４は動作する。重量位置移動範囲算出手段１４は、実施例１の第２の方法と同様にして、時間区分４１１における移動軌跡より移動範囲面積５１を算出する。また、本実施例では、時間区分４３１における移動軌跡より移動範囲面積５２を算出し、時間区分４３２における移動軌跡より移動範囲面積５３を算出する。このようにして、実施例１の移動範囲面積Ａ３３に準じて、時間区分４１１、時間区分４３１および時間区分４３２のそれぞれに対して移動範囲面積５１、移動範囲面積５２および移動範囲面積５３のそれぞれの値が算出される。

続いて、重量位置移動範囲算出手段１４は、移動範囲面積５１と移動範囲面積５２との比を求める。この比の値は、時間区分４１１における人体の移動量に対する時間区分４３１における人体の移動量の大きさの指標となる。この指標を、運動量の局在性に関する面積比指標Ａ（不図示）と定義する。

また、重量位置移動範囲算出手段１４は、移動範囲面積５２と移動範囲面積５３との比を求めてもよい。この比の値は、時間区分４３１における人体の移動量に対する時間区分４３２における人体の移動量の大きさの指標となる。この指標を、連続する区間における運動量変化を表す面積比指標Ｂ（不図示）と定義する。上述のようにして、重量位置移動範囲算出手段１４は、面積比指標Ａおよび面積比指標Ｂの少なくともいずれかを算出する。

なお、実施例１で説明した第４の方法を本実施例に適用する場合も、第２の方法を適用した場合と同様にして、実施例１の移動範囲面積Ｂ３５に準じて複数の時間区分に対応して移動範囲面積が算出され、複数の移動範囲面積から面積比指標Ａおよび面積比指標Ｂが求まる。

実施例１で説明した第１の方法を本実施例に適用すると、次のように重量位置移動範囲算出手段１４は動作する。重量位置移動範囲算出手段１４は、実施例１の第１の方法と同様にして、時間区分４１１における移動軌跡より移動範囲形状を示す２値化画像データ生成する。また、本実施例では、時間区分４３１における移動軌跡より移動範囲形状を示す２値化画像データを生成し、時間区分４３２における移動軌跡より移動範囲形状を示す２値化画像データを生成する。このようにして、実施例１の移動範囲形状Ａ３２に準じて、時間区分４１１、時間区分４３１および時間区分４３２のそれぞれに対して移動範囲形状が生成される。

続いて、重量位置移動範囲算出手段１４は、時間区分４１１による移動範囲形状が示す人体の移動量と時間区分４３１による移動範囲形状が示す人体の移動量との比を求める。この比の値を、時間区分４１１による移動範囲形状と時間区分４３１による移動範囲形状の相対的な位置関係を示す相対位置指標（不図示）と定義する。

また、重量位置移動範囲算出手段１４は、時間区分４３１による移動範囲形状が示す移動量と時間区分４３２による移動範囲形状が示す移動量との比を求めてもよい。この比の値は、連続する区間における運動量変化を表す指標となり、時間区分４３１による移動範囲形状と時間区分４３２による移動範囲形状の相対的な位置関係を示す相対位置指標（不図示）と定義する。

人が意図を持って継続的な運動を行うと、より長い時間区分の移動範囲の重心に対する短い時間区分の移動範囲の重心の相対位置はトレンドをもった変化をする。一方、人が意図を持たずに不規則な運動を行うと、より長い時間区分の移動範囲の重心に対する短い時間区分の移動範囲の重心の相対位置は乱雑に変化する。この性質を利用することで、２つの移動範囲の相対位置の変化は、意図を持った運動とそうでない運動の指標となる。面積比についても同様である。

なお、実施例１で説明した第３の方法を本実施例に適用する場合についても、実施例１の移動範囲形状Ｂ３４による値に準じて複数の時間区分に対応して移動範囲形状を示す値が算出され、複数の、移動範囲形状を示す値から相対位置指標が求まる。

次に、実施例１で説明した第１の方法から第４の方法までの方法を用いないで、移動範囲を算出する方法を説明する。

重量位置移動範囲算出手段１４は、時間区分４１１における移動軌跡より移動範囲の重心５４の位置を求める。また、時間区分４３２における移動軌跡より移動範囲の重心５５の位置を求める。続いて、移動範囲面積５１内に重心５４を通る、図７の縦方向の軸（以下では、縦軸と称する）を移動範囲面積５１内に引き、その縦軸に重心５５を射影する。そして、重心５５を縦軸に射影した点と重心５４とを結んだ線分５６の長さを求める。また、縦軸において移動範囲面積５１の枠の下辺から重心５４までの線分の長さを求める。その後、線分５６の長さと線分５７の長さとの比を算出する。この比の値は、移動範囲面積５１と移動範囲面積５３の相対的な位置関係を示す相対位置指標（不図示）となる。

また、重量位置移動範囲算出手段１４は、移動範囲面積５１内に重心５４を通る、図７の横方向の軸（以下では、横軸と称する）について、次のようにして相対位置指標（不図示）を算出してもよい。移動範囲面積５１内に重心５４を通る横軸を引いて、重心５５を横軸に射影する。続いて、移動範囲面積５１内を通る縦軸に関する相対位置指標を求めた方法と同様にして、横軸２つの線分の比を算出する。そして、算出した比の値は、横軸について移動範囲面積５１と移動範囲面積５３の相対的な位置関係を示す相対位置指標となる。

重量位置移動範囲算出手段１４は、面積比指標Ａ、面積比指標Ｂおよび相対位置指標のうち少なくともいずれかを算出すると、算出した値を動作判別手段１７に渡す。

次に、本実施例の動作判別手段１７の動作を説明する。ここでは、動作判別手段１７は面積比指標Ａを用いて動作種を推定する場合とする。

記憶部８０には、面積比指標Ａについて、動作種毎に異なる基準データが予め格納されている。基準データは上限値と下限値を含むデータである。動作判別手段１７は、重量位置移動範囲算出手段１４から面積比指標Ａを受け取ると、受け取った面積比指標Ａについて、動作種毎に設定された上限値および下限値と比較する。そして、受け取った面積比指標Ａの値が上限値と下限値の間に属する基準データがあれば、その基準データの動作種と推定する。ここでは、面積比指標Ａで動作種を推定する場合を説明したが、面積比指標Ｂまたは相対位置指標であってもよい。また、面積比指標Ａ、面積比指標Ｂおよび相対位置指標のうち複数の指標を用いて推定するようにしてもよい。動作判別手段１７が推定に用いる指標についての基準データが予め記憶部８０に保存されている。

なお、本実施例の動作判別装置による動作手順は、図５に示したフローチャートのステップ１０２で重量位置移動範囲算出手段１４が複数の時間区分に対応して移動範囲面積および面積比指標を算出し、ステップ１０３で動作判別手段１７が面積比指標から動作を推定すること以外は、実施例１と同様であるため、その詳細な説明を省略する。

本実施例の動作判別装置では、時間区分設定手段１３が複数の時間区分を設定し、動作判別手段１７が複数の移動範囲の情報から動作判別を行うことで、人体の動作をより高い精度で推定することが可能となる。

また、時間区分の設定において、基本時間長を２等分割、４等分割、８等分割のように２のべき乗で分割した場合、分割された時間区分毎に移動範囲を算出することで、系統的に時間区分が設定され、時間長の等しい時間区分間で動作を相対的に比較することが可能となる。

実施例２で説明した、２つの移動範囲の間で定義される相互関係を示す指標である面積比指標Ａ、面積比指標Ｂおよび相対位置指標は、人体の動作に伴って変化する変数である。これらの変数のうち、少なくとも２以上の変数を用いて動作判別を行う場合、それぞれ指標について上限値および下限値を含む基準データを予め設定し、動作判別装置は、一定時間毎に変数と基準データを比較し、動作判別を行う必要がある。そのため、多くの変数について、一定時間毎に、各動作種の上限値および下限値の間にそれぞれの変数が属するか否かの判定を行うとすると、動作判別の精度は向上するが、動作推定までの効率が悪くなるおそれがある。

そこで、本実施例では、主成分分析（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）を用いて、複数の変数を線形組み合わせして新たな変数を生成し、これを動作判別のための指標とする。

以下に、本実施例の動作判別装置を説明するが、本実施例の動作判別装置の構成は実施例１と同様であるため、実施例１と同様な動作についてはその詳細な説明を省略する。また、本実施例は、実施例２で説明した指標を前提に行うものであるため、実施例２で説明した内容については、その詳細な説明を省略する。

図８は動作判別のための指標の一例を示す分布グラフである。図８は３軸を用いて動作判別を行う場合である。図８には、教師情報と、教師情報に紐付けされた学習データとを含む領域で構成される動作判別用の特徴空間が示されている。図８に示す特徴空間には、各種動作に対応して、安静領域６１、寝返り領域６２、ゆっくり上体起し領域６３、上体起し領域６４および移動領域６５がある。各領域が動作を特定するための基準データとなる。動作判別手段１７は、複数の変数による、新たな事例データが追加されると、主成分分析を用いて上記複数の変数の線形組み合わせにより新たな変数を生成し、予め記憶部８０に格納された教師情報に学習データとして付随させる。これにより、図８に示すような領域が動作種毎に形成され、教師情報に学習データが紐付けされる。

重量位置移動範囲算出手段１４は、時間区分設定手段１３から通知された各時間区分について、移動範囲形状Ａ３２、移動範囲面積Ａ３３、移動範囲形状Ｂ３４および移動範囲面積Ｂ３５を算出する。続いて、実施例２と同様にして、移動範囲の相互関係として面積比指標Ａ、面積比指標Ｂおよび相対位置指標を算出する。そして、面積指標Ａ、面積比指標Ｂおよび相対位置指標を含む新規データを動作判別手段１７に渡す。

動作判別手段１７は、判別すべき新規データを重量位置移動範囲算出手段１４から受け取ると、新規データを図８に示した動作判別用の特徴空間に射影する。そして、最も近傍に存在する既学習データを探索し、その学習データに紐付けされた教師情報の動作種が人体の動作であると推定する。

また、動作判別手段１７は、次のようにして動作を推定してもよい。動作判別用の特徴空間における各動作種別間の境界を決めておく。判別すべき新規データが、例えば、図８に示すグラフで安静領域６１にあることを認識すると、人体は安静状態にあると推定する。同様にして、判別すべき新規データが図８に示すグラフの寝返り領域６２、ゆっくり上体起し領域６３、上体起し領域６４および移動領域６５のうちいずれかに該当すると認識すると、認識した領域に対応して、人体の動作を寝返り、ゆっくり上体起し、上体起しまたは移動と推定する。

本実施例の動作判別装置による動作手順は、図５に示したフローチャートのステップ１０２で重量位置移動範囲算出手段１４が複数の時間区分に対応して移動範囲形状Ａ３２および移動範囲面積Ａ３３等の移動範囲を示す情報を求めた後、面積比指標および相対位置指標を算出し、ステップ１０３で動作判別手段１７が主成分分析により新たな変数を用いて動作を推定すること以外は、実施例１と同様であるため、その詳細な説明を省略する。

本実施例では、学習データを含む基準データにより構成された動作判別用の特徴空間を用いた動作判別法により、さらに正確な動作判別を行うことが可能である。

なお、本発明の動作判別装置の制御部および記憶部を備えた情報処理装置で、本発明の動作判別方法を実行させてもよい。

また、本発明の動作判別方法をコンピュータに実行させるためのプログラムに適用してもよい。この場合、本発明の動作判別装置を、そのプログラムとコンピュータによって実現することが可能である。また、そのプログラムを記録媒体に記録することも可能であり、ネットワークを介して外部に提供することも可能である。

さらに、上述した実施例は本発明の構成の一例であり、本発明は、上記実施例に限定されるものではない。

実施例１の動作判別装置の一構成例を示すブロック図である。 図１に示した動作判別装置の各構成を詳細に説明するための模式図である。 重量分布検出手段の構成例を示す模式図である。 人体の移動範囲の求め方を説明するための模式図である。 動作判別装置の動作手順を示すフローチャートである。 実施例２における時間区分の設定例を示す図である。 実施例２における移動範囲の算出方法を説明するための図である。 実施例３における動作判別のための指標の一例を示す分布グラフである。

符号の説明

１９ 動作判別装置
８０ 記憶部
８２ 制御部

Claims (9)

1. ベッド上の人体の動作を特定するための基準データが動作種毎に格納された記憶部と、
   人体によりベッドに加えられる重量の分布を示す重量分布データを受信すると、該重量分布データからベッド上の人体の重心位置を人体位置として算出し、該人体位置の情報を前記記憶部に格納し、１以上の時間区分に対応して人体の移動範囲を前記人体位置の情報に基づいて算出し、該移動範囲から求まる面積で前記基準データを特定すること、または、該移動範囲が示す形状で前記基準データを特定することを少なくとも行って人体の動作を推定する制御部と、
   を有する動作判別装置。
2. 現在時刻から所定の時間過去に遡った時刻までを基本時間長とし、該基本時間長を所定の回数だけ等分割した時間を基本時間分割長とすると、
   前記時間区分は、前記基本時間長または前記基本時間分割長の少なくともいずれかに相当する請求項１記載の動作判別装置。
3. 前記移動範囲から求まる面積は、人体位置の移動軌跡を囲む最小矩形の面積、または、該最小矩形が複数の単位矩形に分割され、該移動軌跡と重なる単位矩形の合計面積の少なくともいずれかであり、
   前記移動範囲が示す形状は、人体位置の移動軌跡を囲む最小矩形の辺の縦横比、または、該最小矩形が複数の単位矩形に分割され、該移動軌跡に重なる部分と重ならない部分の２値化もしくは多値化したベクトルの少なくともいずれかである、請求項１または２記載の動作判別装置。
4. 前記制御部は、
   複数の時間区分のうち２つの時間区分のそれぞれに対応して前記移動範囲を算出すると、算出した２つの移動範囲のそれぞれから求まる面積の比で前記基準データを特定すること、または、算出した２つの移動範囲の相対位置で前記基準データを特定することを少なくとも行って人体の動作を推定する請求項１から３のいずれか１項記載の動作判別装置。
5. ベッド上の人体の動作を推定するための情報処理装置による動作判別方法であって、
   人体の動作を特定するための基準データを動作種毎に記憶部に格納し、
   人体によりベッドに加えられる重量の分布を示す重量分布データを受信すると、該重量分布データからベッド上の人体の重心位置を人体位置として算出し、
   算出した人体位置の情報を前記記憶部に格納し、
   １以上の時間区分に対応して人体の移動範囲を前記人体位置の情報に基づいて算出し、
   前記移動範囲から求まる面積で前記基準データを特定すること、または、該移動範囲が示す形状で前記基準データを特定することを少なくとも行って人体の動作を推定する、動作判別方法。
6. 現在時刻から所定の時間過去に遡った時刻までを基本時間長とし、該基本時間長を所定の回数だけ等分割した時間を基本時間分割長とすると、
   前記時間区分は、前記基本時間長または前記基本時間分割長の少なくともいずれかに相当する請求項５記載の動作判別方法。
7. 前記移動範囲から求まる面積は、人体位置の移動軌跡を囲む最小矩形の面積、または、該最小矩形が複数の単位矩形に分割され、該移動軌跡と重なる単位矩形の合計面積の少なくともいずれかであり、
   前記移動範囲が示す形状は、人体位置の移動軌跡を囲む最小矩形の辺の縦横比、または、該最小矩形が複数の単位矩形に分割され、該移動軌跡に重なる部分と重ならない部分の２値化もしくは多値化したベクトルの少なくともいずれかである、請求項５または６記載の動作判別方法。
8. 複数の時間区分の移動範囲を算出する際、該複数の時間区分のうち２つの時間区分のそれぞれに対応して前記移動範囲を算出し、
   算出した２つの移動範囲のそれぞれから求まる面積の比で前記基準データを特定すること、または、算出した２つの移動範囲の相対位置で前記基準データを特定することを少なくとも行って人体の動作を推定する、請求項５から７のいずれか１項記載の動作判別方法。
9. ベッド上の人体の動作を推定するためにコンピュータに実行させるためのプログラムであって、
   人体の動作を特定するための基準データを動作種毎に記憶部に格納し、
   人体によりベッドに加えられる重量の分布を示す重量分布データを受信すると、該重量分布データからベッド上の人体の重心位置を人体位置として算出し、
   算出した人体位置の情報を前記記憶部に格納し、
   １以上の時間区分に対応して人体の移動範囲を前記人体位置の情報に基づいて算出し、
   前記移動範囲から求まる面積で前記基準データを特定すること、または、該移動範囲が示す形状で前記基準データを特定することを少なくとも行って人体の動作を推定する処理を前記コンピュータに実行させるためのプログラム。

Images