JP2008097472A - 個人のふるまい検知システム及び方法、個人のふるまいを検知するための行動パターンの生成方法並びにプログラム - Google Patents
個人のふるまい検知システム及び方法、個人のふるまいを検知するための行動パターンの生成方法並びにプログラム Download PDFInfo
- Publication number
- JP2008097472A JP2008097472A JP2006280794A JP2006280794A JP2008097472A JP 2008097472 A JP2008097472 A JP 2008097472A JP 2006280794 A JP2006280794 A JP 2006280794A JP 2006280794 A JP2006280794 A JP 2006280794A JP 2008097472 A JP2008097472 A JP 2008097472A
- Authority
- JP
- Japan
- Prior art keywords
- behavior
- user
- action
- pattern
- space
- 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
Links
Images
Abstract
【解決手段】 空間内に存在する複数のオブジェクトにそれぞれ設けられた複数のRFIDタグと、前記空間内を移動するユーザが携帯する携帯装置と、前記携帯装置から前記RFIDタグの情報を受けて処理を行う処理部とを備え、前記処理部は、ユーザの特定のふるまいに対応する行動パターンを予め記憶し、前記処理部は、前記行動パターンに含まれる順序対(特徴)がユーザの行動ログに含まれている回数を計数し、その回数に基づき特徴ポイントを算出し、前記特徴ポイントを閾値と比較することにより、前記行動パターンに対応する前記特定のふるまいを検知する。
【選択図】 図2
Description
(1)パターンを個別化するための学習に多数の学習用サンプルが必要で、個人への適応に時間がかかる。
(2)処理の負荷が重い。
(3)同じふるまいでも規則性のある部分と、ない部分が混在する複雑な人間の行動を時間的に連続した状態間に注目した行動パターンでは表現することは難しい。
(4)2状態間の遷移確率を積で求めているために稀な行動が含まれた場合に認識率が極端に下がってしまう。
前記空間内を移動するユーザが携帯する、RFIDリーダを含む携帯装置と、
前記携帯装置から前記RFIDタグの情報を受けて処理を行う処理部とを備え、
前記処理部は、ユーザの特定のふるまいに対応する行動パターンを予め記憶し、前記行動パターンは、ユーザが前記特定のふるまいを行うときに触れる2つ以上の前記オブジェクトの組み合わせであって、触れる順序に並べられたものである順序対を少なくともひとつ含み、
前記処理部は、前記RFIDリーダで読み取った前記RFIDタグの情報に基づきユーザが触れた前記オブジェクトの情報をユーザの行動ログとして蓄積し、前記行動パターンに含まれる前記順序対が前記行動ログに現れる回数を計数し、前記行動ログに現れた前記順序対の回数に基づき特徴ポイントを算出し、前記特徴ポイントを予め定められた閾値と比較することにより、前記行動パターンに対応する前記特定のふるまいを検知したかどうか判定する、ものである。
(特徴ポイント)=(1回以上出現した順序対の数)×(予め定められたポイント)
前記RFIDリーダで読み取った前記RFIDタグの情報に基づきユーザが触れた前記オブジェクトの情報をユーザの行動ログとして蓄積するステップと、
前記行動パターンに含まれる前記順序対が前記行動ログに現れる回数を計数するステップと、
前記行動ログに現れた前記順序対の回数に基づき特徴ポイントを算出するステップと、
前記特徴ポイントを予め定められた閾値と比較することにより、前記行動パターンに対応する前記特定のふるまいを検知したかどうか判定するステップと、を備えるものである。
ユーザが特定のふるまいを行ったときにその行動ログを収集することを複数回行うステップと、
複数回の収集を行うことで得られた複数の行動ログに現れる、ユーザが前記特定のふるまいを行うときに触れる2つ以上の前記オブジェクトの組み合わせであって、触れる順序に並べられたものである順序対を抽出するステップと、
前記複数の行動ログに現れる前記順序対それぞれについてその出現回数を計数するステップと、
前記順序対それぞれの前記出現回数に基づき、予め定められた閾値に基づいて前記順序対の一部を抽出し、、前記行動パターンに入れるステップと、を備えるものである。
前記RFIDリーダで読み取った前記RFIDタグの情報に基づきユーザが触れた前記オブジェクトの情報をユーザの行動ログとして蓄積するステップと、
前記行動パターンに含まれる前記順序対が前記行動ログに現れる回数を計数するステップと、
前記行動ログに現れた前記順序対の回数に基づき特徴ポイントを算出するステップと、
前記特徴ポイントを予め定められた閾値と比較することにより、前記行動パターンに対応する前記特定のふるまいを検知したかどうか判定するステップと、を実行させるためのものである。
ユーザが特定のふるまいを行ったときにその行動ログを収集することを複数回行うステップと、
複数回の収集を行うことで得られた複数の行動ログに現れる、ユーザが前記特定のふるまいを行うときに触れる2つ以上の前記オブジェクトの組み合わせであって、触れる順序に並べられたものである順序対を抽出するステップと、
前記複数の行動ログに現れる前記順序対それぞれについてその出現回数を計数するステップと、
前記順序対それぞれの前記出現回数に基づき、予め定められた閾値に基づいて前記順序対の一部を抽出し、、前記行動パターンに入れるステップと、を実行させるためのものである。
媒体には、例えば、EPROMデバイス、フラッシュメモリデバイス、フレキシブルディスク、ハードディスク、磁気テープ、光磁気ディスク、CD(CD−ROM、Video−CDを含む)、DVD(DVD−Video、DVD−ROM、DVD−RAMを含む)、ROMカートリッジ、バッテリバックアップ付きのRAMメモリカートリッジ、フラッシュメモリカートリッジ、不揮発性RAMカートリッジ等を含む。
ユビキタス環境において人間のふるまいを正確に認識することができれば、行動を適切に支援できる(非特許文献1〜4)。本明細書は、特定状況における人間の行動パターンを生成する手法および行動パターンを実際の人間の行動と照合することでふるまいを検知する手法を開示する。当該手法は、人間が触れたオブジェクトの種類と、複数のオブジェクトにどのような順序で触れたかという情報を行動ログとして記録し、特徴的なパターンを抽出する。本手法は、連続して触れたオブジェクトだけではなく、連続で触れていないが順序関係を持つオブジェクトにも着目し、順序照合と確率モデルを分離することで、次のような特徴を備える。
・規則性と不規則性が混在する人間の複雑な行動を表現できる。
・確率的に稀な行動を含んでいる場合でも正しくふるまいを検知することができる。
図1はマンションの一室の平面図を示し、この部屋に置かれたパソコンPC、テーブルTable、テレビ受像機TVのスイッチ、キッチンKitchenのレンジのつまみ、玄関の靴箱などの複数のオブジェクトそれぞれに又はそれらの近傍にRFID タグが埋め込まれている。ユーザは携帯装置(ポケットアシスタント)を携帯していて、それで各オブジェクトのRFID タグの情報、すなわち各オブジェクトへのユーザのアクセスの有無及びその順序(時刻)を行動の記録(行動ログ)として蓄積する。必要に応じてサーバ(処理部)を設けてもよい。サーバは、無線LANで携帯装置と通信を行う。
・触れたオブジェクトの種類
・オブジェクトに触れた順序
12は、順序対行動パターンD2を基に個人の行動ログD1から個人のふるまいを検知するパターン照合機能(プログラム、装置乃至処理)である。
13は、RFID リーダ(図2の符号READER)で読み取ったRFIDタグの情報を時刻順に蓄積する行動ログ収集機能(プログラム、装置乃至処理)である。
なお、図2において、処理部PRCとポケットアシスタントPAを分離したシステムを示しているが、これらを一緒にすることもできる。例えば、ポケットアシスタントPAで順序対行動パターン生成機能10を実現するようにしてもよい。また、順序対行動パターンをポケットアシスタントPAで記憶するようにしてもよい。
・コンピュータなどの上位システムから、リーダ/ライタにコマンド[タグIDの連続読取]を送る。
・タグがリーダ/ライタの発生する無線フィールド内に入ってくる。
・無線信号により、タグに電力が供給される。
・無線信号を介してコマンドが送信され、タグはコマンドを受け取る。
・タグがコマンドを解釈し、自分の持っているIDデータを無線信号で送信する。
・リーダ/ライタはIDデータを受け取り、コンピュータに送信する。
・コンピュータでは、そのIDデータを内部のテーブル(あるいはネットワーク上のデータベース)に蓄積することで、個人の行動ログD1を生成する。
1 離散順序対集合で表現した行動パターン
本明細書では、特定の状況における習慣的行動を含むふるまいが示す特徴的なパターンを行動パターンと呼ぶ。行動パターンは個人ごとに異なる。提案手法では、人間が触れたオブジェクトの順序関係からふるまいを検知するために、あらかじめ特定の状況における行動パターンを生成しておく。行動パターンは、オブジェクトの順序対で表現される。外出の行動パターンを例に挙げて、行動パターン生成の流れを図5及び図6に示す。図6は、発明の実施の形態に係る行動パターン生成処理の説明図である。図7は、発明の実施の形態に係るふるまい検知処理のフローチャートである。以下、図5及び図6を参照して行動パターン生成について説明を加える。
まず標本ケースとして、外出時の個人の行動ログをw ケース収集する。本明細書では、行動パターンの生成に用いる標本ケース数w をウィンドウサイズと呼ぶ。ポケットアシスタントに蓄積された行動ログの中から外出時の一定期間の行動ログを切り出すことで、外出の行動ログを収集するものとする。複数ケースの行動ログを収集した場合、各ケースの行動ログに含まれるオブジェクトは異なる。行動ログ中でm 個のオブジェクトoi(i=1,2, ... , m)に順に触れていた場合、行動ログl は連接{o1, o2, ..., om}で表現される。ただし,oi-1 ≠oi (1 < i ≦m)である。なお、oiのoとはオブジェクトを示す。
次に、収集した行動ログから2 つのオブジェクト間の順序対を列挙する。あるオブジェクトoi に触れてからオブジェクトoj に触れていた場合、順序対p を{oi →oj}と表記する。このとき、oi = oj の場合も除外しない。また、行動ログ中で連続して触れられたオブジェクトの対だけでなく、隣りあっていないオブジェクトの組も順序対として列挙する。たとえば、行動ログ{o1、 o2、 o3}から列挙される順序対は、p1:{o1 →o2}、p2:{o1 →o3}、p3:{o2 →o3}となる。
すべての標本ケースにおける順序対を列挙した後に、各順序対の出現回数をカウントする。1 つの標本ケースにおいて同一の順序対が何回出現しているかには注目せず、各順序対がw 個の標本ケースのうち何ケースに出現しているかをカウントする。
S14:出現回数が閾値以上の順序対を抽出する
提案手法では、人間の行動から特定のふるまいを検知するために、あらかじめ生成した順序対集合の行動パターンと、実際の人間の行動から得られる行動ログを照合する。本明細書では、照合対象の行動ログが行動パターンに適応している度合いを示す値を特徴ポイントと呼ぶ。
1 実験概要
提案手法の有効性を検証するために、被験者15 人に対してふるまいを検知する実験を行った。本明細書では、検知すべきふるまいの行動ログを正の事例、検知すべきでないふるまいの行動ログを負の事例と呼ぶ。実験では、住宅を模した実験空間にTagged World を構築し、正の事例と負の事例の両方を収集した。正の事例として「外出のふるまい」を、負の事例としては、外出のふるまいと触れるオブジェクトが似ているために、誤って検知してしまう可能性がある「帰宅のふるまい」を収集した。またその他に、外出時に行われる可能性がある行動や外出時と移動経路が似ていると考えられる行動も、負の事例として収集した。被験者1 人あたりに収集した行動ログは、正の事例20 ケース、負の事例10 ケースである。合計で、正の事例300 ケース、負の事例150 ケースを収集した。
第1 実験では、行動パターン照合時の特徴ポイント加算方式として、12 個のアルゴリズムを比較評価した。図9は、algorithm-0 からalgorithm-11 までの12 個のアルゴリズムに関して、照合対象の行動ログ中に同じ順序対が1 回目から4 回目に出現したときに特徴ポイントに加算されるポイントを示している。point(k)は順序対がk 回目に出現したときの加算ポイントである。各アルゴリズムは、行動パターン照合時に同じ順序対が複数回出現した場合、それを行動の特徴として考慮する度合いの違いを表現するために、2 回目以降の出現で加算されるポイントの値が異なる。たとえばalgorithm-3 は、同じ順序対が複数回出現しても、それを特徴とみなさない。どのアルゴリズムも5 回目以降の出現に対してはポイントを加算しない。
第1 実験では、行動パターン生成時のウィンドウサイズを5 に設定した。以下に、実験の流れを示す。
(1) 正の事例20 ケースから任意に10 ケースを選ぶ。
(2) 選び出した10 ケースの中から任意に5 ケースを選び、行動パターンを生成する。
(3) 生成した行動パターンを、残りの正の事例5 ケースと負の事例10 ケースと照合し、特徴ポイントを求める。
(4) (2)(3)を5 回繰り返し、正の事例25 ケースの特徴ポイントと負の事例50 ケースの特徴ポイントを用いて、検知閾値を設定する。
(5) 設定した検知閾値を、正負の事例を合わせて75 ケースから計算した特徴ポイントと比較し、認識率を求める。
第2 実験では、提案手法が正の事例を正しく検知し、負の事例を誤って検知しないことを実証するために、行動パターンの生成と照合を繰り返してふるまいの認識率を評価した。また、ウィンドウサイズの変化に伴う認識率の変化も考察した。未知の行動ログに対する性能を評価するために、第1 実験では用いなかった10 ケースを照合対象の行動ログとして用いた。以下に実験の流れを示す。
(2) 第1 実験では用いなかった正の事例10 ケースの中からまだ照合対象に選ばれていない1 ケースを選んで照合する。同時に、負の事例10 ケースとも照合を行う。
(3) 照合した1 ケースの行動ログをウィンドウに加えて、行動パターンを学習する。
(4) (2)(3)を10 回繰り返して正の事例、負の事例それぞれの認識率を求める。
(5) (1)〜(4)を5 回繰り返して、平均認識率を求める。
以上の操作を、ウィンドウサイズを3 〜10 に設定して、それぞれ行った。
第2 実験の結果として得られたウィンドウサイズごとの認識率を図11に示す。図11は、発明の実施の形態に係るウインドウサイズと認識率の相関関係を示すグラフである。正の事例は98%以上、負の事例は95%以上の高い認識率を示した。提案手法は既存の手法と異なり、人間の動作の対象であるオブジェクトの順序関係に注目することで、少ないパラメータで高い認識率を示したことから、その有効性が実証された。実験の結果、ウィンドウサイズを変化させても認識率にほとんど差は出ず、ウィンドウサイズ3 の場合でも高い認識率を示した。一般に、記号列パターンの生成と照合に良く用いられているHMM などの既存手法は、パターンを生成するためにはあらかじめ多数の学習用サンプルが必要とされている。これに対して、提案手法は少ないサンプルからパターンを生成することができる点において有効だと言える。
(2)処理の負荷が軽い。携帯小型計算機上でふるまいを認識するために不可欠である単純さを持っている。
(3)行動ログ中に隣り合った2つのオブジェクトの順序対だけではなく、隣り合っていないオブジェトの順序対も考慮して行動パターンを生成することで、複雑な人間の行動を柔軟にかつ簡潔に表現できる。
(4)出現確率の低い順序対は、行動パターンを生成する時点ですでに排除されているため、計算コストと検知精度の両面において既存手法より実用的である。
12 パターン照合機能(装置)
13 行動ログ収集機能(装置)
PA ポケットアシスタント(携帯装置)
PRC サーバ(処理部)
Claims (9)
- オフィス空間、学校、店舗空間、家庭などの空間内に存在する電気製品や照明などのスイッチ、かばん、携帯電話機、財布などのユーザが触れる複数のオブジェクトにそれぞれ設けられ、前記複数のオブジェクトを識別するための情報をそれぞれ予め記録した複数のRFID(Radio Frequency Identification)タグと、
前記空間内を移動するユーザが携帯する、RFIDリーダを含む携帯装置と、
前記携帯装置から前記RFIDタグの情報を受けて処理を行う処理部とを備え、
前記処理部は、ユーザの特定のふるまいに対応する行動パターンを予め記憶し、前記行動パターンは、ユーザが前記特定のふるまいを行うときに触れる2つ以上の前記オブジェクトの組み合わせであって、触れる順序に並べられたものである順序対を少なくともひとつ含み、
前記処理部は、前記RFIDリーダで読み取った前記RFIDタグの情報に基づきユーザが触れた前記オブジェクトの情報をユーザの行動ログとして蓄積し、前記行動パターンに含まれる前記順序対が前記行動ログに現れる回数を計数し、前記行動ログに現れた前記順序対の回数に基づき特徴ポイントを算出し、前記特徴ポイントを予め定められた閾値と比較することにより、前記行動パターンに対応する前記特定のふるまいを検知したかどうか判定する、ことを特徴とする個人のふるまい検知システム。 - 前記処理部は、前記順序対が前記行動ログに合計k回繰り返し現れるとき、i回目に現れたときに加算される予め定められたポイントをpoint(i)として、i=1からi=kまでのpoint(i)の合計を求めることにより前記特徴ポイントを算出することを特徴とする請求項1記載の個人のふるまい検知システム。
- 前記処理部は、前記行動ログに同じ順序対が繰り返し現れたときに、その出現回数によらず、前記特徴ポイントを下記の式に従って算出することを特徴とする請求項1記載の個人のふるまい検知システム。
(特徴ポイント)=(1回以上出現した順序対の数)×(予め定められたポイント) - 前記処理部は、過去に算出された前記特徴ポイントの平均値を求め、前記予め定められた閾値を前記平均値の略半分に設定することを特徴とする請求項1記載の個人のふるまい検知システム。
- オフィス空間、学校、店舗空間、家庭などの空間内に存在する電気製品や照明などのスイッチ、かばん、携帯電話機、財布などのユーザが触れる複数のオブジェクトにそれぞれ設けられ、前記複数のオブジェクトを識別するための情報をそれぞれ予め記録した複数のRFIDタグと、前記空間内を移動するユーザが携帯する、RFIDリーダを含む携帯装置と、前記携帯装置から前記RFIDタグの情報を受けて処理を行う処理部とを備え、前記処理部は、ユーザの特定のふるまいに対応する行動パターンを予め記憶し、前記行動パターンは、ユーザが前記特定のふるまいを行うときに触れる2つ以上の前記オブジェクトの組み合わせであって、触れる順序に並べられた順序対を少なくともひとつ含む、システムにおいて個人のふるまいを検知する方法であって、
前記RFIDリーダで読み取った前記RFIDタグの情報に基づきユーザが触れた前記オブジェクトの情報をユーザの行動ログとして蓄積するステップと、
前記行動パターンに含まれる前記順序対が前記行動ログに現れる回数を計数するステップと、
前記行動ログに現れた前記順序対の回数に基づき特徴ポイントを算出するステップと、
前記特徴ポイントを予め定められた閾値と比較することにより、前記行動パターンに対応する前記特定のふるまいを検知したかどうか判定するステップと、を備える個人のふるまい検知方法。 - オフィス空間、学校、店舗空間、家庭などの空間内に存在する電気製品や照明などのスイッチ、かばん、携帯電話機、財布などのユーザが触れる複数のオブジェクトにそれぞれ設けられ、前記複数のオブジェクトを識別するための情報をそれぞれ予め記録した複数のRFIDタグと、前記空間内を移動するユーザが携帯する、RFIDリーダを含む携帯装置と、前記携帯装置から前記RFIDタグの情報を受けて処理を行う処理部とを備えるシステムにおいて個人のふるまいを検知するための行動パターンを生成する方法であって、
ユーザが特定のふるまいを行ったときにその行動ログを収集することを複数回行うステップと、
複数回の収集を行うことで得られた複数の行動ログに現れる、ユーザが前記特定のふるまいを行うときに触れる2つ以上の前記オブジェクトの組み合わせであって、触れる順序に並べられたものである順序対を抽出するステップと、
前記複数の行動ログに現れる前記順序対それぞれについてその出現回数を計数するステップと、
前記順序対それぞれの前記出現回数に基づき、予め定められた閾値に基づいて前記順序対の一部を抽出し、前記行動パターンに入れるステップと、を備える個人のふるまいを検知するための行動パターンの生成方法。 - 前記出現回数を計数するステップにおいて、特定の行動ログで特定の順序対が1回出現したときに当該行動ログにおける当該順序対の出現回数を1とするとともに、同じ行動ログで同じ順序対が複数回出現したときでも当該行動ログにおける当該順序対の出現回数を1とする、ことを特徴とする請求項6記載の個人のふるまいを検知するための行動パターンの生成方法。
- オフィス空間、学校、店舗空間、家庭などの空間内に存在する電気製品や照明などのスイッチ、かばん、携帯電話機、財布などのユーザが触れる複数のオブジェクトにそれぞれ設けられ、前記複数のオブジェクトを識別するための情報をそれぞれ予め記録した複数のRFIDタグと、前記空間内を移動するユーザが携帯する、RFIDリーダを含む携帯装置と、前記携帯装置から前記RFIDタグの情報を受けて処理を行う処理部とを備え、前記処理部は、ユーザの特定のふるまいに対応する行動パターンを予め記憶し、前記行動パターンは、ユーザが前記特定のふるまいを行うときに触れる2つ以上の前記オブジェクトの組み合わせであって、触れる順序に並べられた順序対を少なくともひとつ含む、システムにおいて個人のふるまいを検知する方法をコンピュータに実行させるためのプログラムであって、
前記RFIDリーダで読み取った前記RFIDタグの情報に基づきユーザが触れた前記オブジェクトの情報をユーザの行動ログとして蓄積するステップと、
前記行動パターンに含まれる前記順序対が前記行動ログに現れる回数を計数するステップと、
前記行動ログに現れた前記順序対の回数に基づき特徴ポイントを算出するステップと、
前記特徴ポイントを予め定められた閾値と比較することにより、前記行動パターンに対応する前記特定のふるまいを検知したかどうか判定するステップと、を実行させるためのプログラム。 - オフィス空間、学校、店舗空間、家庭などの空間内に存在する電気製品や照明などのスイッチ、かばん、携帯電話機、財布などのユーザが触れる複数のオブジェクトにそれぞれ設けられ、前記複数のオブジェクトを識別するための情報をそれぞれ予め記録した複数のRFIDタグと、前記空間内を移動するユーザが携帯する、RFIDリーダを含む携帯装置と、前記携帯装置から前記RFIDタグの情報を受けて処理を行う処理部とを備えるシステムにおいて個人のふるまいを検知するための行動パターンを生成する方法をコンピュータに実行させるためのプログラムであって、
ユーザが特定のふるまいを行ったときにその行動ログを収集することを複数回行うステップと、
複数回の収集を行うことで得られた複数の行動ログに現れる、ユーザが前記特定のふるまいを行うときに触れる2つ以上の前記オブジェクトの組み合わせであって、触れる順序に並べられたものである順序対を抽出するステップと、
前記複数の行動ログに現れる前記順序対それぞれについてその出現回数を計数するステップと、
前記順序対それぞれの前記出現回数に基づき、予め定められた閾値に基づいて前記順序対の一部を抽出し、、前記行動パターンに入れるステップと、を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006280794A JP2008097472A (ja) | 2006-10-14 | 2006-10-14 | 個人のふるまい検知システム及び方法、個人のふるまいを検知するための行動パターンの生成方法並びにプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006280794A JP2008097472A (ja) | 2006-10-14 | 2006-10-14 | 個人のふるまい検知システム及び方法、個人のふるまいを検知するための行動パターンの生成方法並びにプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008097472A true JP2008097472A (ja) | 2008-04-24 |
Family
ID=39380230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006280794A Pending JP2008097472A (ja) | 2006-10-14 | 2006-10-14 | 個人のふるまい検知システム及び方法、個人のふるまいを検知するための行動パターンの生成方法並びにプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008097472A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010250833A (ja) * | 2009-04-17 | 2010-11-04 | Ntt Docomo Inc | 社会的環境にタグを付ける方法および装置 |
JP2011221575A (ja) * | 2010-04-02 | 2011-11-04 | Fujitsu Ltd | 判別プログラム、判別装置および判別方法 |
JP2019215866A (ja) * | 2018-06-08 | 2019-12-19 | タタ コンサルタンシー サービシズ リミテッドTATA Consultancy Services Limited | 活動認識と行動分析のための方法及びシステム |
US11270342B2 (en) * | 2011-04-28 | 2022-03-08 | Rovi Guides, Inc. | Systems and methods for deducing user information from input device behavior |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004206590A (ja) * | 2002-12-26 | 2004-07-22 | Kddi Corp | サービス情報提供システム |
-
2006
- 2006-10-14 JP JP2006280794A patent/JP2008097472A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004206590A (ja) * | 2002-12-26 | 2004-07-22 | Kddi Corp | サービス情報提供システム |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010250833A (ja) * | 2009-04-17 | 2010-11-04 | Ntt Docomo Inc | 社会的環境にタグを付ける方法および装置 |
JP2011221575A (ja) * | 2010-04-02 | 2011-11-04 | Fujitsu Ltd | 判別プログラム、判別装置および判別方法 |
US11270342B2 (en) * | 2011-04-28 | 2022-03-08 | Rovi Guides, Inc. | Systems and methods for deducing user information from input device behavior |
US20220156792A1 (en) * | 2011-04-28 | 2022-05-19 | Rovi Guides, Inc. | Systems and methods for deducing user information from input device behavior |
JP2019215866A (ja) * | 2018-06-08 | 2019-12-19 | タタ コンサルタンシー サービシズ リミテッドTATA Consultancy Services Limited | 活動認識と行動分析のための方法及びシステム |
JP7373921B2 (ja) | 2018-06-08 | 2023-11-06 | タタ コンサルタンシー サービシズ リミテッド | 活動認識と行動分析のための方法及びシステム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4799120B2 (ja) | 個人の行動特性を用いた意図推測システム及び方法並びにプログラム | |
Lester et al. | A hybrid discriminative/generative approach for modeling human activities | |
Ortiz Laguna et al. | A dynamic sliding window approach for activity recognition | |
Tung et al. | EchoTag: Accurate infrastructure-free indoor location tagging with smartphones | |
Gu et al. | A pattern mining approach to sensor-based human activity recognition | |
Sun et al. | SymDetector: detecting sound-related respiratory symptoms using smartphones | |
Wang et al. | Sensor-based human activity recognition in a multi-user scenario | |
CN101641660B (zh) | 为使用脑机接口的命令控制任务提供分层方法的装置、方法 | |
CN101004789B (zh) | 手指静脉图像识别方法 | |
CN105488025A (zh) | 模板构建方法和装置、信息识别方法和装置 | |
Gu et al. | Recognizing multiuser activities using wireless body sensor networks | |
CN103745235A (zh) | 人脸识别方法、装置及终端设备 | |
CN105550552B (zh) | 一种移动终端的保护方法及装置 | |
JP2008009120A (ja) | リモートコントローラ並びに家電機器 | |
CN103940190A (zh) | 具有食品管理系统的冰箱及食品管理方法 | |
CN102339380B (zh) | 用于人员检测的技术 | |
CN102985897A (zh) | 高效姿势处理 | |
Pauwels et al. | Sensor networks for ambient intelligence | |
CN105205377A (zh) | 一种防止误启动相机的装置、方法及移动终端 | |
JP2008097472A (ja) | 個人のふるまい検知システム及び方法、個人のふるまいを検知するための行動パターンの生成方法並びにプログラム | |
CN102867190A (zh) | 一种利用移动设备内置传感器进行行为识别的方法 | |
CN104636059B (zh) | 记事项目的搜索方法及其系统 | |
Saleh et al. | An efficient machine learning-based fall detection algorithm using local binary features | |
Darbar et al. | Surfacesense: Smartphone can recognize where it is kept | |
Wang et al. | Multi-user activity recognition in a smart home |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20091007 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110808 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110819 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111014 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120419 |