JP2011175587A - ユーザ判定装置、方法、プログラム及びコンテンツ配信システム - Google Patents
ユーザ判定装置、方法、プログラム及びコンテンツ配信システム Download PDFInfo
- Publication number
- JP2011175587A JP2011175587A JP2010040787A JP2010040787A JP2011175587A JP 2011175587 A JP2011175587 A JP 2011175587A JP 2010040787 A JP2010040787 A JP 2010040787A JP 2010040787 A JP2010040787 A JP 2010040787A JP 2011175587 A JP2011175587 A JP 2011175587A
- Authority
- JP
- Japan
- Prior art keywords
- user
- likelihood
- vector
- calculated
- normal distribution
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【解決手段】クラスタリング3において、判定対象ユーザの容積脈波から抽出された特徴量ベクトルと、ユーザデータベース4に記憶されているKt人分のユーザの特徴量ベクトルとが、Kt個の正規分布からなる混合正規分布モデルのもとで出現する確率を表す第1の尤度を算出する。また、同様に上記特徴量ベクトルがKt+1個の正規分布からなる混合正規分布モデルのもとで出現する確率を表す第2の尤度を算出する。そして、第1の尤度と第2の尤度とを比較し、第1の尤度の方が大きい場合に判定対象ユーザは既に記憶されたユーザと判定し、そうでない場合には上記ユーザはまだ記憶されていない新たなユーザであると判定して、その特徴量ベクトルをユーザデータベース4に追加記憶する。
【選択図】図1
Description
また第2の目的は、ユーザに認証を意識させることなく当該ユーザに適合したコンテンツを配信できるようにしたコンテンツ配信システムを提供することである。
第1の尤度計算手段では、判定対象となるユーザの容積脈波から抽出された特徴量ベクトルが入力されるごとに、当該入力された判定対象ユーザの特徴量ベクトルと、上記第1の記憶手段に記憶されている1以上のKt 人数分のユーザの特徴量ベクトルが、Kt 個の正規分布からなる混合正規分布モデルのもとで出現する確率を表す第1の尤度を計算する。第2の尤度計算手段では、上記入力された判定対象ユーザの特徴量ベクトルと、上記第1の記憶手段に記憶されている1以上のKt 人数分のユーザの特徴量ベクトルが、Kt+1個の正規分布からなる混合正規分布モデルのもとで出現する確率を表す第2の尤度を計算する。
そして、この計算された第1の尤度と第2の尤度とを比較し、その比較の結果第1の尤度が第2の尤度より大きい場合には上記判定対象ユーザを上記第1の記憶手段に特徴量ベクトルが既に記憶されているユーザと判定し、それ以外の場合には上記判定対象ユーザをKt+1人目のユーザと判定してその特徴量ベクトルを上記第1の記憶手段に追加記憶するようにしたものである。
(Kt+1)×M個の特徴量ベクトルがK個のN次元正規分布から構成される混合正規分布から出現したと考える混合正規分布モデルを仮定して、当該混合正規分布を
と表し、かつこの混合正規分布を特徴付けるパラメータを、k番目の正規分布の中心を表す平均ベクトルμk 、k番目の正規分布の広がり具合を表す共分散行列Σk 、混合正規分布においてk番目の正規分布から特徴量ベクトルが出現する割合を表す混合比αkとそれぞれ定義したとき、上記各パラメータをそれぞれ初期化する第1の手段と、
(t) 回目に更新されたパラメータを
μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t) …(2)
と表したとき、変数tを初期化したのち、現在のパラメータ値と上記(Kt+1)×M個の特徴量ベクトルをもとに、
γk(xiM;μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t))
(i=1,…,Ktj,M=1,…,M,k=1,…,K)
…(3)
を計算する第2の手段と、
であるとき、上記計算されたγkを用いて平均ベクトルμk (t+1)を
により更新する第3の手段と、
上記計算されたγを用いて、混合比αk (t+1)を
により更新する第4の手段と、
上記計算されたγ及び上記(5)式により更新された平均ベクトルμk (t+1)を用いて、共分散行列Σk (t+1)を
により更新する第5の手段と、
上記更新された平均ベクトルμk (t+1)、混合比αk (t+1)、共分散行列Σk (t+1)を用いて、dを
d=L(μ1 (t+1),…,μK (t+1),Σ1 (t+1),…,ΣK (t+1),α1 (t+1),…,αK (t+1))
−L(μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t))
ただし、
により計算する第6の手段と、
上記計算されたdの値を予め設定したしきい値と比較する第7の手段と、
上記比較の結果、dがしきい値より大きい場合には、上記変数tをインクリメントしたのち上記(3)乃至(8)式による計算を、上記dの値がしきい値以下に収束するまで上記第2乃至第7の手段に対し繰り返し実行させる第8の手段と、
上記比較の結果、上記dの値がしきい値以下に収束した場合に、
μ1 (t+1),…,μK (t+1),Σ1 (t+1),…,ΣK (t+1),α1 (t+1),…,αK (t+1))
…(9)
をパラメータの推定結果とし、このパラメータの推定結果を用いて
の値を算出して、この算出値L(K)を上記第1及び第2の尤度として出力する第9の手段とを備えるように構成する。
第1の態様は、上記第9の手段により得られた各パラメータの推定結果を記憶する第2の記憶手段をさらに具備し、上記第1の手段において第1の尤度を計算する場合には、上記Kt個の正規分布の平均ベクトル及び共分散行列の初期値として、上記第2の記憶手段に記憶された平均ベクトル及び共分散行列の推定結果を設定する。一方、上記第2の尤度を計算する場合には、上記Kt+1個の正規分布の平均ベクトルの初期値として、上記第2の記憶手段に記憶された平均ベクトルの推定値と、ユーザのM個の特徴量ベクトルxjm(m=1,…,M)から計算した
このようにすると、クラスタリングの過程において混合正規分布のパラメータである平均ベクトル、共分散行列及び混合比を少ない更新回数で収束させることができ、かつクラスタリングの精度を高めることができる。
このようにすると、本来はユーザjに該当するユーザが第1の記憶手段に存在しているにもかかわらず、誤って上記ユーザjを新たなユーザとして第1の記憶手段に再登録してしまうことを防止することができる。
このようにすると、クラスタリングによって得られた混合正規分布のパラメータからユーザの属性を判定することが可能となる。
このようにすると、ユーザ判定装置においてユーザ判定の過程で得られる、混合正規分布のパラメータをもとに、ユーザの属性情報が検索され、この属性情報をもとにユーザに対し推薦すべきコンテンツを自動的に選択することができる。
また第2の発明によれば、ユーザに認証を意識させることなく当該ユーザに適合したコンテンツを配信できるようにしたコンテンツ配信システムを提供することができる。
(第1の実施形態)
図1は、この発明の第1の実施形態に係わるユーザ判別装置の構成を示すブロック図である。このユーザ判定装置は、脈波センサ部1と、特徴抽出部2と、クラスタリング部3Aと、ユーザデータベース部4とを備えている。このうち、特徴抽出部2及びクラスタリング部3Aは、プログラムをユーザ判定装置が備えるコンピュータに実行させることにより実現される。
脈波センサ部1は、判定対象となるユーザj の一定期間にわたる複数周期分の容積脈波を検出し、この複数周期分の容積脈波の検出信号を1次元の数値により表したデータ系列に変換して特徴抽出部2へ出力する。
(1) 上記受信された複数個の特徴量ベクトルと、上記ユーザデータベース4に予め記憶されているKt人分のユーザの複数個の特徴量ベクトルとが、Kt個の正規分布からなる混合正規分布に従うと仮定してクラスタリングを行うことでKt個の正規分布からなる混合正規分布モデルを決定する。そして、この決定したKt個の正規分布からなる混合正規分布モデルのもとで、上記複数個の特徴量ベクトルおよび上記Kt人分のユーザの複数個の特徴量ベクトルが出現する確率を表す第1の尤度の値を算出する処理。
(5) 上記(3) 及び(4) の処理により得られた上記ユーザjの判定結果を表す情報を出力する処理。
(1)特徴抽出部2の処理
図2は、特徴抽出部2が上記ユーザjの複数周期分の容積脈波検出信号から上記特徴量ベクトルを抽出する際の処理手順と処理内容を示すフローチャートである。
特徴抽出部2は、脈波センサ部1からユーザjの一定期間分の容積脈波検出信号を受信した時点で処理を開始する。以下、上記一定時間分の容積脈波検出信号をPjとする。
図5は、クラスタリング部3Aが判定対象ユーザjのM個の特徴量ベクトルと、ユーザデータベース4に記憶されているKt人分のユーザのKt×Mの特徴量ベクトル、つまり計(Kt+1)×M個の特徴量ベクトルを、Kt個のクラスに分割した際の評価関数の値と、Kt+1個のクラスに分割した際の評価関数の値を比較することにより、最適なクラスタリング結果を採用する処理の手順と処理内容を示すフローチャートである。
ステップS51において、上記特徴抽出部2から送信された、ユーザjの上記M個の特徴量ベクトルを受信すると、クラスタリング部3Aは先ずステップS52によりユーザデータベース4に記憶されているユーザ数Ktを参照し、Kt>0の場合はステップS53へ、そうでない場合はステップS60へそれぞれ移行する。
ところで、上記ステップS54及びステップS55における、クラスタリングによる評価関数値L(Kt)及び評価関数値L(Kt+1)の算出処理は、次のように行われる。
なお、ここでは説明の簡単のため、上記(Kt+1)×M個の特徴量ベクトルをK個のクラスにクラスタリングする場合を例にとって説明する。(Kt+1)×M個の特徴量ベクトルをKt個にクラスタリングする場合、及び(Kt+1)×M個の特徴量ベクトルをKt+1個にクラスタリングする場合は、KをそれぞれKt、Kt+1に置き換えればよい。
ここで、μkはk番目の正規分布の中心を表す平均ベクトル、Σkはk番目の正規分布の広がり具合を表す分散共分散行列である。また|Σ|は共分散行列Σの行列式を表し、記号Tはベクトルの転置を意味する。さらに、αkは混合正規分布において、k番目の正規分布から特徴量ベクトルが出現する割合を表す混合比と定義されるパラメータであり、
μ1,…,μK,Σ1,…,ΣK,α1,…,αK
であり、特徴量ベクトルからこれらを推定する方法としては、EMアルゴリズム(Dempster, et al.1977)が知られている。
クラスタリング部3Aは、先ずステップS61において、平均ベクトル、共分散行列、混合比の3種類のパラメータに対して初期値
μ1 (0),…,μK (0),Σ1 (0),…,ΣK (0),α1 (0),…,αK (0)
を設定する。
以後、(t) 回目に更新されたパラメータを
μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t)
で表わすことにする。
μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t)
及び、(Kt+1)×M個の特徴量ベクトルを用いて、次の値
γk(xim;μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t))
(i=1,…,Kt,j、m=1,…,M、k=1,…,K)
を計算する。ここで
d=L(μ1 (t+1),…,μK (t+1),Σ1 (t+1),…,ΣK (t+1),α1 (t+1),…,αK (t+1))
−L(μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t))
ここで、
μ1 (t+1),…,μK (t+1),Σ1 (t+1),…,ΣK (t+1),α1 (t+1),…,αK (t+1))
をパラメータの推定結果とする。以下ではこれを
クラスタリング部3Aは、ユーザデータベース4上のKt人分のユーザ、及びいま判定対象となっているユーザjにおいて、各ユーザのM個の特徴量ベクトルが最も多く含まれているクラスを求める。
ステップS58においては、ユーザj’の特徴量ベクトルを更新する際に前記ユーザj’の特徴量ベクトルをユーザjの特徴量ベクトルを加算平均して置き換える。すなわち
したがって、予め正解となる情報を登録する手続きをユーザに行わせることなく当該ユーザの判定を行うことが可能となり、ユーザビリティの向上を図ることが可能となる。
この発明の第2の実施形態は、パラメータデータベースを設けて、クラスタリング部においてユーザ判定の過程で推定されたパラメータを上記パラメータデータベースに記憶しておき、以後第1及び第2の尤度を計算する際に、そのパラメータを上記パラメータデータベースに記憶されたパラメータを用いて初期化するようにしたものである。
パラメータデータベース5は、クラスタリング部3Bによるユーザ判定処理の過程で推定された平均ベクトル及び共分散行列を記憶するために用いられる。クラスタリング部3Bは、ユーザデータベース4に特徴ベクトルが記憶されている全ユーザの平均ベクトルおよび共分散行列を、上記パラメータデータベース5に記憶させる。
すなわち、先ず図5に示したステップS54において、(Kt+1)×M個の特徴量ベクトルをKt個にクラスタリングする際には、Kt個の正規分布の平均ベクトルと共分散行列の初期値として、パラメータデータベース5に記憶されている平均ベクトルと共分散行列を用いる。
この発明の第3の実施形態は、図5に示したステップS56において、第1の尤度L(Kt)と第2の尤度L(Kt+1)とを比較する際に、Kt+1個にクラスタリングされることで推定されたKt+1個の平均ベクトルについて各要素の平方和を計算し、その計算結果としきい値を比較することにより判定対象ユーザがユーザデータベースに記憶されているか否かを判定するようにしたものである。
そこで、クラスタリング部3Bは予めしきい値を保持しておき、上記dk,k’をしきい値と比較して、1つでもしきい値以下となるdk,k’が存在した場合には、判定対象ユーザをユーザデータベース4に特徴量ベクトルが既に記憶されているユーザと判定する。
このようにすると、本来は判定対象ユーザjに該当するユーザの特徴量ベクトルがユーザデータベース4に既に記憶されているにもかかわらず、誤ってユーザjを新たなユーザとしてユーザデータベース4に再登録してしまう不具合を防止することができる。
この発明の第4の実施形態は、ユーザの属性情報を記憶する属性データベースを設け、クラスタリング部において尤度の計算過程で算出された、判定対象ユーザの平均ベクトル及び共分散行列の推定結果をもとに上記属性データベースから上記判定対象ユーザの属性情報を検索し、上記判定対象ユーザの判定結果に付与するようにしたものである。
この実施形態のユーザ判定装置は、脈波センサ部1、特徴抽出部2、クラスタリング部3B、ユーザデータベース部4及びパラメータデータベース5に加え、属性判定部6及び属性データベース7をさらに備えている。この属性判定部6もまた、上記特徴抽出部2及びクラスタリング部3Bと同様に、プログラムをコンピュータに実行させることにより実現される。
例えば、上記取り込んだ平均ベクトルと属性データベース7に記憶された各属性に対応する平均ベクトルとの距離と、上記取り込んだ共分散行列と属性データベース7に記憶された各属性に対応する共分散行列との距離をそれぞれ算出する。そして、この算出された平均ベクトルの距離と共分散行列の距離との和が最小となる属性を上記属性データベース7から選択し、この選択された属性を判定対象ユーザjの属性として認識し、ユーザの判定結果と共に出力する。
この発明の第5の実施形態は、リモコン装置において判定対象ユーザの容積脈波を検出してその検出信号を第4の実施形態で述べたユーザ判定装置に送り、このユーザ判定装置において上記容積脈波の検出信号から特徴量ベクトルを抽出してクラスタリング処理を行うことで上記判定対象ユーザを判定すると共に、この判定過程で得られるパラメータをもとに上記判定対象ユーザの属性を判別する。そして、この判別した属性情報と、上記判定対象ユーザのコンテンツ視聴履歴とを通信ネットワークを介してコンテンツサーバ装置へ送り、コンテンツサーバ装置において上記送られた属性情報とコンテンツ視聴履歴とをもとに上記判定対象ユーザに対し推薦すべきコンテンツを選択して配信するようにしたものである。
リモコン装置10は、リモコン本来の構成に加え、容積脈波センサ部1を備えている。容積脈波センサ部1は、判定対象となるユーザj の一定期間にわたる複数周期分の容積脈波を検出し、この複数周期分の容積脈波の検出信号を1次元の数値により表したデータ系列に変換する。リモコン装置10は、上記変換された容積脈波検出信号のデータ系列を例えば赤外線又は無線を使用して設置端末装置20へ送信する。
推薦コンテンツ決定部42は、設置端末装置20から通信ネットワークを介してコンテンツ視聴履歴情報を取得し、この取得したコンテンツ視聴履歴情報に含まれるユーザの属性情報をもとに当該ユーザに対し推薦すべきコンテンツを選択する。そして、この選択されたコンテンツのデータをコンテンツデータベース41から読み出し、この読み出されたコンテンツデータをコンテンツサーバ装置送受信部43から通信ネットワーク50を介して設置端末装置20へ送信させる機能を有する。
なお、この発明は上記実施形態に限定されるものではない。例えば、前記第5の実施形態では、ユーザ判定装置(設置端末装置)に特徴抽出部2を設けた場合を例にとって説明したが、リモコン装置10に特徴抽出部2を設け、この特徴抽出部2により抽出された特徴量ベクトルの情報をユーザ判定装置(設置端末装置)へ送信するようにしてもよい。
Claims (9)
- ユーザの容積脈波から抽出された特徴量ベクトルを、複数のユーザ分記憶することが可能な第1の記憶手段と、
判定対象となるユーザの容積脈波から抽出された特徴量ベクトルが入力されるごとに、当該入力された判定対象ユーザの特徴量ベクトルと、前記第1の記憶手段に記憶されている1以上のKt 人数分のユーザの特徴量ベクトルが、Kt 個の正規分布からなる混合正規分布モデルのもとで出現する確率を表す第1の尤度を計算する第1の尤度計算手段と、
前記入力された判定対象ユーザの特徴量ベクトルと、前記第1の記憶手段に記憶されている1以上のKt 人数分のユーザの特徴量ベクトルが、Kt+1個の正規分布からなる混合正規分布モデルのもとで出現する確率を表す第2の尤度を計算する第2の尤度計算手段と、
前記計算された第1の尤度と第2の尤度とを比較する比較手段と、
前記比較の結果、第1の尤度が第2の尤度より大きい場合には、前記判定対象ユーザを前記第1の記憶手段に特徴量ベクトルが既に記憶されているユーザと判定し、それ以外の場合には前記判定対象ユーザをKt+1人目のユーザと判定してその特徴量ベクトルを前記第1の記憶手段に追加記憶させる制御手段と、
前記判定対象となるユーザの判定結果を表す情報を出力する判定結果出力手段と
を具備することを特徴とするユーザ判定装置。 - 前記第1の尤度計算手段及び第2の尤度計算手段は、
(Kt+1)×M個の特徴量ベクトルがK個のN次元正規分布から構成される混合正規分布から出現したと考える混合正規分布モデルを仮定して、当該混合正規分布を
と表し、かつこの混合正規分布を特徴付けるパラメータを、k番目の正規分布の中心を表す平均ベクトルμk 、k番目の正規分布の広がり具合を表す共分散行列Σk 、混合正規分布においてk番目の正規分布から特徴量ベクトルが出現する割合を表す混合比αkとそれぞれ定義したとき、前記各パラメータをそれぞれ初期化する第1の手段と、
(t+1)回目に更新されたパラメータを
μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t) …(2)
と表したとき、変数tを初期化したのち、現在のパラメータ値と前記(Kt+1)×M個の特徴量ベクトルをもとに、
γk(xiM;μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t))
(i=1,…,Kt,j、M=1,…,M、k=1,…,K)
…(3)
を計算する第2の手段と、
であるとき、前記計算されたγkを用いて平均ベクトルμk (t+1)を
により更新する第3の手段と、
前記計算されたγを用いて、混合比αk (t+1)を
により更新する第4の手段と、
前記計算されたγ及び前記(5)式により更新された平均ベクトルμk (t+1)を用いて、共分散行列Σk (t+1)を
により更新する第5の手段と、
前記更新された平均ベクトルμk (t+1)、混合比αk (t+1)、共分散行列Σk (t+1)を用いて、dを
d=L(μ1 (t+1),…,μK (t+1),Σ1 (t+1),…,ΣK (t+1),α1 (t+1),…,αK (t+1))
−L(μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t))
ただし、
により計算する第6の手段と、
前記計算されたdの値を予め設定したしきい値と比較する第7の手段と、
前記比較の結果、dがしきい値より大きい場合には、前記変数tをインクリメントしたのち前記(3)乃至(8)式による計算を、前記dの値がしきい値以下に収束するまで前記第2乃至第7の手段に対し繰り返し実行させる第8の手段と、
前記比較の結果、前記dの値がしきい値以下に収束した場合に、
μ1 (t+1),…,μK (t+1),Σ1 (t+1),…,ΣK (t+1),α1 (t+1),…,αK (t+1)
…(9)
をパラメータの推定結果とし、このパラメータの推定結果を用いて
の値を算出して、この算出値L(K)を前記第1及び第2の尤度として出力する第9の手段と
を備えることを特徴とする請求項1記載のユーザ判定装置。 - 前記第9の手段により得られた各パラメータの推定結果を記憶する第2の記憶手段を、さらに具備し、
前記第1の手段は、
第1の尤度を計算する場合には、前記Kt個の正規分布の平均ベクトル及び共分散行列の初期値として、前記第2の記憶手段に記憶された平均ベクトル及び共分散行列の推定結果を設定する手段と、
前記第2の尤度を計算する場合には、前記Kt+1個の正規分布の平均ベクトルの初期値として、前記第2の記憶手段に記憶された平均ベクトルの推定値と、ユーザのM個の特徴量ベクトルxjm(m=1,…,M)から計算した
を有することを特徴とする請求項2記載のユーザ判定装置。 - 複数のユーザの属性情報を記憶する第3の記憶手段と、
前記第1又は第2の尤度計算手段において尤度の計算過程で算出された前記判定対象となるユーザの平均ベクトル及び共分散行列の推定結果を、前記第3の記憶手段に記憶された属性情報と比較し、この比較結果をもとに前記判定対象となるユーザの属性情報を判定する手段と
を、さらに具備することを特徴とする請求項2記載のユーザ判定装置。 - 前記請求項5に記載されたユーザ判定装置と、このユーザ判定装置との間で通信が可能なリモートコントロール装置及びコンテンツサーバ装置とを具備し、
前記ユーザ判定装置は、前記判定対象となるユーザのコンテンツ視聴履歴情報を生成する手段を、さらに備え、
前記リモートコントロール装置は、
判定対象となるユーザの容積脈波を検出する手段と、
前記容積脈波の検出信号を前記ユーザ判定装置へ送信する手段と
を備え、
前記コンテンツサーバ装置は、
前記ユーザ判定装置から、前記判定対象となるユーザの属性情報及びコンテンツ視聴履歴情報を受信する手段と、
前記受信された属性情報及びコンテンツ視聴履歴情報をもとに前記判定対象となるユーザに対し推薦すべきコンテンツを選択する手段と
を備えることを特徴とするコンテンツ配信システム。 - 判定対象となるユーザの容積脈波から抽出された特徴量ベクトルの入力を受け付ける過程と、
前記入力された判定対象ユーザの特徴量ベクトルと、予め第1の記憶手段に記憶されている1以上のKt 人数分のユーザの特徴量ベクトルが、Kt 個の正規分布からなる混合正規分布モデルのもとで出現する確率を表す第1の尤度を計算する過程と、
前記入力された判定対象ユーザの特徴量ベクトルと、前記第1の記憶手段に記憶されている1以上のKt 人数分のユーザの特徴量ベクトルが、Kt+1個の正規分布からなる混合正規分布モデルのもとで出現する確率を表す第2の尤度を計算する過程と、
前記計算された第1の尤度と第2の尤度とを比較する過程と、
前記比較の結果、第1の尤度が第2の尤度より大きい場合には、前記判定対象ユーザを前記第1の記憶手段に特徴量ベクトルが既に記憶されているユーザと判定し、それ以外の場合には前記判定対象ユーザをKt+1人目のユーザと判定してその特徴量ベクトルを前記第1の記憶手段に追加記憶させる過程と、
前記判定対象となるユーザの判定結果を表す情報を出力する過程と
を具備することを特徴とするユーザ判定方法。 - 前記第1の尤度及び第2の尤度を計算する過程は、
(Kt+1)×M個の特徴量ベクトルがK個のN次元正規分布から構成される混合正規分布から出現したと考える混合正規分布モデルを仮定して、当該混合正規分布を
と表し、かつこの混合正規分布を特徴付けるパラメータを、k番目の正規分布の中心を表す平均ベクトルμk 、k番目の正規分布の広がり具合を表す共分散行列Σk 、混合正規分布においてk番目の正規分布から特徴量ベクトルが出現する割合を表す混合比αkとそれぞれ定義したとき、前記各パラメータをそれぞれ初期化する第1の過程と、
(t+1)回目に更新されたパラメータを
μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t) …(2)
と表したとき、変数tを初期化したのち、現在のパラメータ値と前記(Kt+1)×M個の特徴量ベクトルをもとに、
γk(xiM;μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t))
(i=1,…,Kt,j、M=1,…,M、k=1,…,K)
…(3)
を計算する第2の過程と、
であるとき、前記計算されたγkを用いて平均ベクトルμk (t+1)を
により更新する第3の過程と、
前記計算されたγを用いて、混合比αk (t+1)を
により更新する第4の過程と、
前記計算されたγ及び前記(5)式により更新された平均ベクトルμk (t+1)を用いて、共分散行列Σk (t+1)を
により更新する第5の過程と、
前記更新された平均ベクトルμk (t+1)、混合比αk (t+1)、共分散行列Σk (t+1)を用いて、dを
d=L(μ1 (t+1),…,μK (t+1),Σ1 (t+1),…,ΣK (t+1),α1 (t+1),…,αK (t+1))
−L(μ1 (t),…,μK (t),Σ1 (t),…,ΣK (t),α1 (t),…,αK (t))
ただし、
により計算する第6の過程と、
前記計算されたdの値を予め設定したしきい値と比較する第7の過程と、
前記比較の結果、dがしきい値より大きい場合には、前記変数tをインクリメントしたのち前記(3)乃至(8)式による計算を、前記dの値がしきい値以下に収束するまで前記第2乃至第7の手段に対し繰り返し実行させる第8の過程と、
前記比較の結果、前記dの値がしきい値以下に収束した場合に、
μ1 (t+1),…,μK (t+1),Σ1 (t+1),…,ΣK (t+1),α1 (t+1),…,αK (t+1)
…(9)
をパラメータの推定結果とし、このパラメータの推定結果を用いて
の値を算出して、この算出値L(K)を前記第1及び第2の尤度として出力する第9の過程と
を備えることを特徴とする請求項7記載のユーザ判定方法。 - 前記請求項7又は請求項8記載のユーザ判定方法が備える過程を実現する処理を、コンピュータに実行させるユーザ判定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010040787A JP5250576B2 (ja) | 2010-02-25 | 2010-02-25 | ユーザ判定装置、方法、プログラム及びコンテンツ配信システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010040787A JP5250576B2 (ja) | 2010-02-25 | 2010-02-25 | ユーザ判定装置、方法、プログラム及びコンテンツ配信システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011175587A true JP2011175587A (ja) | 2011-09-08 |
JP5250576B2 JP5250576B2 (ja) | 2013-07-31 |
Family
ID=44688365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010040787A Expired - Fee Related JP5250576B2 (ja) | 2010-02-25 | 2010-02-25 | ユーザ判定装置、方法、プログラム及びコンテンツ配信システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5250576B2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015141892A1 (ko) * | 2014-03-18 | 2015-09-24 | 삼성전자 주식회사 | 사용자 인식 방법 및 장치 |
KR101813555B1 (ko) * | 2016-10-13 | 2018-01-02 | 금오공과대학교 산학협력단 | 가속도 맥파 신호를 이용한 사용자 식별 방법 및 이를 실행하는 장치 |
WO2018216511A1 (ja) * | 2017-05-25 | 2018-11-29 | 日本電信電話株式会社 | 属性識別装置、属性識別方法、プログラム |
KR20190001965A (ko) * | 2017-06-28 | 2019-01-08 | 금오공과대학교 산학협력단 | 개인 식별 방법 |
US10497197B2 (en) | 2014-12-02 | 2019-12-03 | Samsung Electronics Co., Ltd. | Method and device for identifying user using bio-signal |
JP2020013126A (ja) * | 2018-07-12 | 2020-01-23 | ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド | 身元認証方法、身元認証装置、電子機器及びコンピュータ読み取り可能な記憶媒体 |
JP2020516935A (ja) * | 2017-04-10 | 2020-06-11 | 北京猟戸星空科技有限公司 | ユーザー登録方法、装置及び電子機器 |
KR20220109731A (ko) * | 2021-01-29 | 2022-08-05 | 네이버 주식회사 | 평균-피쳐를 이용한 클러스터링 방법, 장치 및 컴퓨터 프로그램 |
JP7349215B1 (ja) | 2023-03-28 | 2023-09-22 | 株式会社Taos研究所 | 生体判定方法、生体判定システム及び生体判定プログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106898357B (zh) * | 2017-02-16 | 2019-10-18 | 华南理工大学 | 一种基于正态分布规律的矢量量化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006218033A (ja) * | 2005-02-09 | 2006-08-24 | Univ Of Electro-Communications | 生体識別方法及び生体識別装置 |
WO2006087854A1 (ja) * | 2004-11-25 | 2006-08-24 | Sharp Kabushiki Kaisha | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
JP2008146539A (ja) * | 2006-12-13 | 2008-06-26 | Matsushita Electric Ind Co Ltd | 顔認証装置 |
JP2009216986A (ja) * | 2008-03-11 | 2009-09-24 | Hitachi Ltd | 音声データ検索システム及び音声データの検索方法 |
WO2011064938A1 (ja) * | 2009-11-25 | 2011-06-03 | 日本電気株式会社 | 音声データ解析装置、音声データ解析方法及び音声データ解析用プログラム |
-
2010
- 2010-02-25 JP JP2010040787A patent/JP5250576B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006087854A1 (ja) * | 2004-11-25 | 2006-08-24 | Sharp Kabushiki Kaisha | 情報分類装置、情報分類方法、情報分類プログラム、情報分類システム |
JP2006218033A (ja) * | 2005-02-09 | 2006-08-24 | Univ Of Electro-Communications | 生体識別方法及び生体識別装置 |
JP2008146539A (ja) * | 2006-12-13 | 2008-06-26 | Matsushita Electric Ind Co Ltd | 顔認証装置 |
JP2009216986A (ja) * | 2008-03-11 | 2009-09-24 | Hitachi Ltd | 音声データ検索システム及び音声データの検索方法 |
WO2011064938A1 (ja) * | 2009-11-25 | 2011-06-03 | 日本電気株式会社 | 音声データ解析装置、音声データ解析方法及び音声データ解析用プログラム |
Non-Patent Citations (1)
Title |
---|
JPN6013015618; 千明 裕ほか: '脈波を取得可能な面センシング技術の実装と評価' インタラクション2011予稿集 , 201103 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015141892A1 (ko) * | 2014-03-18 | 2015-09-24 | 삼성전자 주식회사 | 사용자 인식 방법 및 장치 |
US10497197B2 (en) | 2014-12-02 | 2019-12-03 | Samsung Electronics Co., Ltd. | Method and device for identifying user using bio-signal |
KR101813555B1 (ko) * | 2016-10-13 | 2018-01-02 | 금오공과대학교 산학협력단 | 가속도 맥파 신호를 이용한 사용자 식별 방법 및 이를 실행하는 장치 |
US11568876B2 (en) | 2017-04-10 | 2023-01-31 | Beijing Orion Star Technology Co., Ltd. | Method and device for user registration, and electronic device |
JP2020516935A (ja) * | 2017-04-10 | 2020-06-11 | 北京猟戸星空科技有限公司 | ユーザー登録方法、装置及び電子機器 |
US20210383812A1 (en) * | 2017-05-25 | 2021-12-09 | Nippon Telegraph And Telephone Corporation | Attribute identification method, and program |
WO2018216511A1 (ja) * | 2017-05-25 | 2018-11-29 | 日本電信電話株式会社 | 属性識別装置、属性識別方法、プログラム |
US11756554B2 (en) | 2017-05-25 | 2023-09-12 | Nippon Telegraph And Telephone Corporation | Attribute identification method, and program |
JPWO2018216511A1 (ja) * | 2017-05-25 | 2020-02-27 | 日本電信電話株式会社 | 属性識別装置、属性識別方法、プログラム |
US11133012B2 (en) * | 2017-05-25 | 2021-09-28 | Nippon Telegraph And Telephone Corporation | Attribute identification device, attribute identification method, and program |
KR101999117B1 (ko) * | 2017-06-28 | 2019-07-12 | 금오공과대학교 산학협력단 | 개인 식별 방법 |
KR20190001965A (ko) * | 2017-06-28 | 2019-01-08 | 금오공과대학교 산학협력단 | 개인 식별 방법 |
JP7123871B2 (ja) | 2018-07-12 | 2022-08-23 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 身元認証方法、身元認証装置、電子機器及びコンピュータ読み取り可能な記憶媒体 |
JP2020013126A (ja) * | 2018-07-12 | 2020-01-23 | ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド | 身元認証方法、身元認証装置、電子機器及びコンピュータ読み取り可能な記憶媒体 |
KR20220109731A (ko) * | 2021-01-29 | 2022-08-05 | 네이버 주식회사 | 평균-피쳐를 이용한 클러스터링 방법, 장치 및 컴퓨터 프로그램 |
KR102632588B1 (ko) * | 2021-01-29 | 2024-02-01 | 네이버 주식회사 | 평균-피쳐를 이용한 클러스터링 방법, 장치 및 컴퓨터 프로그램 |
JP7349215B1 (ja) | 2023-03-28 | 2023-09-22 | 株式会社Taos研究所 | 生体判定方法、生体判定システム及び生体判定プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5250576B2 (ja) | 2013-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5250576B2 (ja) | ユーザ判定装置、方法、プログラム及びコンテンツ配信システム | |
US8964127B2 (en) | User-sensing remote control system and method | |
CN108810642B (zh) | 一种弹幕显示方法、装置及电子设备 | |
CN104573479B (zh) | 一种用户设备的使用控制方法及装置 | |
TWI814737B (zh) | 用於識別用戶以提供個人化引導、內容及服務以及目標廣告而不須有意用戶註冊的方法及其設備 | |
US9336374B2 (en) | Method, module, and computer program product for identifying user of mobile device | |
WO2009131987A2 (en) | Method and system of identifying a user of a handheld device | |
US9075431B2 (en) | Display apparatus and control method thereof | |
US11755708B2 (en) | Methods and systems for facilitating secure authentication of user based on known data | |
US9292752B2 (en) | Image processing device and image processing method | |
CN112312215A (zh) | 基于用户识别的开机内容推荐方法、智能电视及存储介质 | |
CN112000726A (zh) | 按摩操作模式的存储方法及电子设备、存储介质 | |
CN112989937B (zh) | 用户身份验证的方法和装置 | |
JP3590285B2 (ja) | 生体情報認識装置およびその方法 | |
JP6570978B2 (ja) | クラスタ選択装置 | |
US10764281B1 (en) | Systems and methods for authenticating a user using an image capture device | |
CN112235602A (zh) | 智能电视的个性化屏保系统、方法和智能电视 | |
US9773150B1 (en) | Method and system for evaluating fingerprint templates | |
CN111083065B (zh) | 一种防止输入命令阻塞的方法及存储介质和计算机设备 | |
Terhörst et al. | What can a single minutia tell about gender? | |
CN108153568B (zh) | 一种信息处理方法及电子设备 | |
CN111107400B (zh) | 数据收集方法、装置、智能电视及计算机可读存储介质 | |
CN110956098B (zh) | 图像处理方法及相关设备 | |
CN107329686B (zh) | 一种可触控的共享设备系统 | |
CN110659579A (zh) | 变质物品识别方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120127 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20120627 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130321 |
|
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: 20130409 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130415 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5250576 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160419 Year of fee payment: 3 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |