JP2012152458A - 覚醒時データ生成装置、覚醒時データ生成方法、覚醒時データ生成プログラム及び覚醒度判定装置 - Google Patents

Abstract

【課題】覚醒時データを簡易に生成すること。
【解決手段】覚醒時データ生成装置は、第１の算出部と、第１の推定部と、第２の算出部と、第２の推定部と、生成部とを備える。第１の算出部は、被験者の心拍信号から心拍間隔の変動値を算出する。第１の推定部は、予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記第１の算出部により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定する。第２の推定部は、予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記第２の算出部により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定する。生成部は、第１の推定部により推定された覚醒時の極大スペクトル密度と、第２の推定部により推定された覚醒時の極大周波数とを含む覚醒時データを生成する。
【選択図】図１

Description

本発明は、覚醒時データ生成装置、覚醒時データ生成方法、覚醒時データ生成プログラム及び覚醒度判定装置に関する。

従来、被験者の生体情報を用いることで、被験者に負担をかけることなく被験者の覚醒度を判定する技術がある。例えば、この技術を車両に適用することで、運転者の覚醒度を判定し、危険性を報知することができる。

例えば、被験者の心拍信号から周波数解析によって算出される極大周波数及び極大スペクトル密度の変化を追跡することで、被験者の覚醒度を判定する従来技術がある。この従来技術では、覚醒時、つまり眠気がない状態の極大周波数及び極大スペクトル密度を示す覚醒時データを覚醒度の基準として生成する。そして、被験者の心拍信号を取得するごとに極大周波数及び極大スペクトル密度を算出し、算出した値の覚醒時データに対する変化量に基づいて、被験者の覚醒度をリアルタイムに判定する。

国際公開第２００８／６５７２４号

しかしながら、上述した従来技術では、覚醒時データを生成することが難しいという問題があった。

例えば、従来技術では、覚醒時データを生成する過程で周波数解析を実行していた。この周波数解析には、安定した覚醒時データを生成するために数分間分の心拍信号を用いる。よって、心拍信号を検出する際に、被験者は覚醒状態を数分間持続させる必要があった。また、被験者が覚醒状態を数分間持続できない場合には、正確な覚醒時データを生成できず、覚醒度を正確に判定できなかった。

開示の技術は、上記に鑑みてなされたものであって、覚醒時データを簡易に生成することができる覚醒時データ生成装置、覚醒時データ生成方法、覚醒時データ生成プログラム及び覚醒度判定装置を提供することを目的とする。

本願の開示する技術は、一つの態様において、第１の算出部と、第１の推定部と、第２の算出部と、第２の推定部と、生成部とを備える。第１の算出部は、被験者の心拍信号から心拍間隔の変動値を算出する。第１の推定部は、予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記第１の算出部により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定する。第２の算出部は、心拍信号から心拍数を算出する。第２の推定部は、予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記第２の算出部により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定する。生成部は、第１の推定部により推定された覚醒時の極大スペクトル密度と、第２の推定部により推定された覚醒時の極大周波数とを含む覚醒時データを生成する。

本願の開示する技術の一つの態様によれば、覚醒時データを簡易に生成することができるという効果を奏する。

図１は、本実施例１にかかる覚醒時データ生成装置の構成を示す図である。 図２は、検出部により検出される心拍信号の一例を示す図である。 図３は、心拍間隔を算出する処理を説明するための図である。 図４は、心拍間隔データの一例を示す図である。 図５は、呼吸性洞性不整脈について説明するための図である。 図６は、ＲＳＡ値について説明するための図である。 図７は、ＲＳＡ値について説明するための図である。 図８は、ＲＳＡ値について説明するための図である。 図９は、呼吸性洞性不整脈の生理的メカニズムを説明するための図である。 図１０は、覚醒時のＲＳＡ値と覚醒時の極大スペクトル密度との間の相関関係を示す図である。 図１１は、呼吸周期と心拍周期との比を算出する方法の一例を示す図である。 図１２は、本実施例１にかかる覚醒時データ生成装置の処理手順を示すフローチャートである。 図１３は、本実施例２にかかる覚醒度判定装置の構成を示す図である。 図１４は、覚醒時の極大周波数と非覚醒時の極大周波数との相関関係を示す図である。 図１５は、覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との相関関係を示す図である。 図１６は、スケールの一例を示す図である。 図１７は、スケールを生成する処理を説明するための図である。 図１８は、算出部により生成されるスペクトル密度データの一例を示す図である。 図１９は、極大周波数を時系列で表した図である。 図２０は、極大スペクトル密度を時系列で表した図である。 図２１は、スケールを全体的に拡張する処理を説明するための図である。 図２２は、スケールを部分的に拡張する処理を説明するための図である。 図２３は、本実施例２にかかる覚醒度判定装置の処理手順を示すフローチャートである。 図２４は、年齢ごとの基礎代謝量を示すテーブルの一例を示す図である。 図２５は、年齢とＲＳＡ値との相関関係を示す図である。 図２６は、年齢ごとのＲＳＡ値を示すテーブルの一例を示す図である。 図２７は、本実施例１にかかる覚醒時データ生成プログラムを実行するコンピュータを示す図である。

以下に、本願の開示する覚醒時データ生成装置、覚醒時データ生成方法、覚醒時データ生成プログラム及び覚醒度判定装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

本実施例１にかかる覚醒時データ生成装置の構成の一例について説明する。図１は、本実施例１にかかる覚醒時データ生成装置の構成を示す図である。図１に示すように、この覚醒時データ生成装置１００は、検出部１１０と、第１の算出部１２０と、第１の推定部１３０と、第２の算出部１４０と、第２の推定部１５０と、生成部１６０と、出力部１７０とを有する。

検出部１１０は、被験者の心拍信号を検出する。例えば、検出部１１０は、被験者に接触する電極に対して電圧を印加し、被験者の心拍信号を各電極の電位差から取得する。なお、検出部１１０によって用いられる電極は、例えば、腕時計型の小型機器に埋め込まれた電極に対応する。

図２は、検出部により検出される心拍信号の一例を示す図である。図２の横軸は時間の経過を示し、縦軸は心電の強さを示す。図２に示すように、健常者の心電信号は、一般的に４つの波形を有し、時系列順にＰ波、ＱＲＳ波、Ｔ波、Ｕ波と呼ばれる。特に、ＱＲＳ波は、鋭角なピークとして検出され、ピーク開始点であるＱ波、ピーク頂点であるＲ波、ピーク終了点であるＳ波を含む。Ｐ波からＵ波までの各波形一回分は、心拍一回分に対応する。Ｒ波から次のＲ波までの間隔として算出されるＲＲＩ（R-R Interval）２ａは、心拍の時間間隔を示す心拍間隔に対応する。検出部１１０は、検出した心拍信号のデータを心拍信号データとして第１の算出部１２０と第２の算出部１４０とに出力する。

第１の算出部１２０は、被験者の心拍信号から心拍間隔の変動値を算出する。そして、第１の算出部１２０は、算出した心拍間隔の変動値を第１の推定部１３０に出力する。以下では、第１の算出部１２０の処理を詳細に説明する。

例えば、第１の算出部１２０は、検出部１１０により入力された心拍信号データから心拍間隔を算出する。図３は、心拍間隔を算出する処理を説明するための図である。図３の横軸は時間の経過を示し、縦軸は心電の強さを示す。図３に示すように、第１の算出部１２０は、心拍信号の振幅が閾値以上となる振幅ピークをＲ波として検出する。そして、第１の算出部１２０は、Ｒ波を検出するごとに、検出した各Ｒ波の出現時間から心拍間隔３ａを算出する。なお、振幅ピークの検出方法は、上述の方法に限定されるものではない。例えば、第１の算出部１２０は、心拍信号の微分係数が正から負に変わるゼロクロス点を用いる方法や、パターンマッチングを行って振幅ピークを検出する方法などを用いても良い。

例えば、第１の算出部１２０は、算出した心拍間隔の時間経過による変動を示す心拍間隔データを生成する。図４は、心拍間隔データの一例を示す図である。図４の横軸は時間の経過を示し、縦軸は心拍間隔を示す。図４に示すように、例えば、第１の算出部１２０は、算出した心拍間隔とＲ波の検出時間とを対応づけて心拍間隔データを生成する。

例えば、第１の算出部１２０は、生成した心拍間隔データから心拍間隔の変動値を算出する。なお、第１の算出部１２０が算出する心拍間隔の変動値は、例えば、ＲＳＡ（Respiratory Sinus Arrhythmia：呼吸性洞性不整脈）値に対応する。

図５〜９を用いて、呼吸性洞性不整脈（ＲＳＡ）及びＲＳＡ値について説明する。図５は、呼吸性洞性不整脈について説明するための図である。図５の横軸は時間の経過を示し、縦軸は心電の強さを示す。ＲＳＡは、吸気時に頻拍となり、呼気時に徐拍となる生理的な不整脈である。つまり、ＲＳＡは、図５に示すように、吸気時５ａには心拍間隔が短縮して心拍間隔５ｂとなり、呼気時５ｃには心拍間隔が延長して心拍間隔５ｄとなる心拍間隔の変動として検出される。心拍間隔５ｄと心拍間隔５ｂとの差分はＲＳＡ値を示し、ＲＳＡの程度を定量的に評価する指標となる。

ＲＳＡ値は、覚醒時と非覚醒時とで変化することが知られている。図６〜８は、ＲＳＡ値について説明するための図である。図６〜８の横軸は時間の経過［ｓｅｃ］＊４を示し、縦軸は心拍間隔［ｓｅｃ］を示す。図６は、眠気がない状態、つまり覚醒時の心拍間隔データの一例を示し、図７は、眠気が強くなった状態、つまり非覚醒時の心拍間隔データの一例を示す。図８は、図６に示した波形６ａの拡大図を示す。各波形のピーク値は呼気時の心拍間隔に対応し、最小値は吸気時の心拍間隔に対応する。つまり、各波形の振幅８ａは、ＲＳＡ値に対応する。また、各波形の波長８ｂは、一回の呼吸周期に対応する。図６及び図７に示すように、被験者の状態が覚醒状態から非覚醒状態に変化すると、各波形のＲＳＡ値は大きくなる。

ＲＳＡ値が変化するのは、非特許文献（生体リズムの加齢変化、早野順一郎、９５ＣＬＩＮＩＣＩＡＮ、９４Ｎｏ．４２９）などに開示されているように、種々の生理的メカニズムによる制御を受けるからである。図９は、呼吸性洞性不整脈の生理的メカニズムを説明するための図である。図９に示すように、ＲＳＡ９ａは、心臓迷走神経活動９ｂの活動レベルに応じて現れる。心臓迷走神経活動９ｂの活動レベルは、呼吸中枢からの干渉９ｃと、圧受容体及び化学受容体反射による興奮性刺激９ｄと、中枢性迷走神経興奮性刺激９ｅとの３種類の制御を受ける。このうち、呼吸中枢からの干渉９ｃは、吸気時の抑制性刺激と呼気時の興奮性刺激とを含む。覚醒時には、ＲＳＡ９ａは、圧受容体及び化学受容体反射による興奮性刺激９ｄ及び中枢性迷走神経興奮性刺激９ｅによる制御を受けにくく、呼吸中枢からの干渉９ｃの制御のみを強く受ける。

発明者は、呼吸によるＲＲＩの変動、つまり心拍間隔の変動値（ＲＳＡ）は、被験者の覚醒度の影響を受けることに着目した。少なくとも１呼吸分の心拍信号を取得できる場合に、覚醒状態の影響を強く受ける心拍間隔の変動値を算出することが可能となる。そして、心拍間隔の変動値を用い、後述の方式により覚醒時のデータを生成することが可能となる。心拍間隔の変動値から生成した覚醒時のデータは、従来の方式で同程度の時間（１呼吸程度）の心拍データから生成した覚醒時データと比較して、安定な覚醒時データとなる。つまりは、短時間で生成した覚醒時データであっても、覚醒時の被験者の状態を高い確度で推定できると考えられる。

図６に示すように、第１の算出部１２０は、例えば、覚醒時の心拍間隔データからＲＳＡ値を算出する。例えば、第１の算出部１２０は、心拍間隔データの微分係数が負から正に変わるゼロクロス点の心拍間隔を最小値として取得し、微分係数が正から負に変わるゼロクロス点の心拍間隔をピーク値として取得する。そして、第１の算出部１２０は、ピーク値を取得するごとに、取得したピーク値と直前に取得した最小値との差分をＲＳＡ値として算出する。なお、ＲＳＡ値の算出方法は、上述の方法に限定されるものではない。例えば、パターンマッチングを行って各波形を検出し、検出した波形の振幅を算出する方法を用いても良い。

図１の説明に戻る。第１の推定部１３０は、予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、第１の算出部１２０により算出された変動値から、被験者の覚醒時の極大スペクトル密度を推定する。例えば、第１の推定部１３０は、覚醒時のＲＳＡ値と覚醒時の極大スペクトル密度との間の相関関係を用いて、覚醒時のＲＳＡ値から覚醒時の極大スペクトル密度を推定する。

ここで、第１の推定部１３０が用いる相関関係について説明する。図１０は、覚醒時のＲＳＡ値と覚醒時の極大スペクトル密度との間の相関関係を示す図である。図１０の横軸は覚醒時の極大スペクトル密度［Ｖ^２／Ｈｚ］を示し、縦軸は覚醒時のＲＳＡ値［ｍｓｅｃ］を示す。図１０に示すように、各被験者の覚醒時のＲＳＡ値と覚醒時の極大スペクトル密度とを実際に測定し、測定結果をプロットすると、回帰直線が得られる。なお、相関関係を表す回帰直線を事前に生成するためには、覚醒状態の被験者複数人に対して、心拍信号を取得し、取得した心拍信号からＲＳＡ値と極大スペクトル密度を算出することとなる。また、この回帰直線は、ＰＳＤを極大スペクトル密度とし、ＲＳＡをＲＳＡ値とすると、

によって表される。

例えば、第１の推定部１３０は、被験者の覚醒時のＲＳＡ値を第１の算出部１２０から取得する。そして、第１の推定部１３０は、取得した覚醒時のＲＳＡ値を上記の式（１）に代入することで、覚醒時の極大スペクトル密度を算出する。

第２の算出部１４０は、被験者の心拍信号から心拍数を算出する。例えば、第２の算出部１４０は、検出部１１０により入力された心拍信号データから心拍間隔を算出する。第２の算出部１４０が心拍間隔を算出する処理は、第１の算出部１２０が心拍間隔を算出する処理と同様であるので、説明を省略する。第２の算出部１４０は、算出した心拍間隔の逆数をとり、１分当りの数値に換算することで、心拍数［回／ｍｉｎ］を算出する。そして、第２の算出部１４０は、算出した心拍数を第２の推定部１５０に出力する。

第２の推定部１５０は、予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、第２の算出部１４０により算出された心拍数から、被験者の覚醒時の極大周波数を推定する。例えば、第２の推定部１５０は、心拍数と呼吸数との相関関係に基づいて、覚醒時の心拍数から覚醒時の呼吸数を算出する。そして、第２の推定部１５０は、呼吸数から求まる呼吸周期が極大周波数に対応することを利用して、覚醒時の呼吸数から覚醒時の極大周波数を算出する。なお、極大周波数は、例えば、図６に示した心拍間隔データを周波数解析することで得られる極大点の周波数である。つまり、極大周波数は、図６に示した各波形の波長の平均値、すなわち呼吸周期に対応する。

ここで、第２の推定部１５０が用いる心拍数と呼吸数との相関関係について説明する。この相関関係は、Ｂｎを呼吸数［回／ｍｉｎ］とし、ＨＲを心拍数［回／ｍｉｎ］とすると、

によって表される。なお、「Ｃ」は定数であり、心拍間隔データにおける呼吸周期と心拍周期との比に対応する。図１１は、呼吸周期と心拍周期との比を算出する方法の一例を示す図である。図１１の横軸は時間の経過［ｓｅｃ］＊４を示し、縦軸は心拍間隔［ｓｅｃ］を示す。図１１に示すように、呼吸周期は、各波形の波長１１ａの平均値に対応し、複数の被験者のデータを用いて算出された平均値は約７［ｓｅｃ］＊４、つまり約１．８［ｓｅｃ］である。心拍周期は、基線１１ｂに示した心拍間隔の平均値に対応し、複数の被験者のデータを用いて算出された平均値は約０．５５［ｓｅｃ］である。つまり、式（２）の定数Ｃは、呼吸周期を心拍周期で除算することで、約３．３と算出される。なお、定数Ｃについては、この例示に限るものではなく、覚醒時データ生成装置１００を利用する者が任意の値に設定して良い。例えば、成人の平均的な呼吸数は１６〜１８［回／ｍｉｎ］であり、平均的な心拍数は６０〜７０［回／ｍｉｎ］である。このため、定数Ｃは、約３〜４の範囲内で被験者に応じた任意の値に設定して良い。

例えば、第２の推定部１５０は、第２の算出部１４０により算出された心拍数を上記の式（２）に代入することで、覚醒時の呼吸数を算出する。そして、第２の推定部１５０は、覚醒時の呼吸数を下記の式（３）に代入することで、覚醒時の極大周波数を算出する。

なお、式（３）のＦは覚醒時の極大周波数を示す。

生成部１６０は、第１の推定部１３０により推定された覚醒時の極大スペクトル密度と、第２の推定部１５０により推定された覚醒時の極大周波数とを含む覚醒時データを生成する。例えば、生成部１６０は、覚醒時の極大スペクトル密度を第１の推定部１３０から取得し、覚醒時の極大周波数を第２の推定部１５０から取得する。そして、生成部１６０は、取得した覚醒時の極大スペクトル密度及び覚醒時の極大周波数を含む覚醒時データを生成する。この覚醒時データは、被験者の覚醒度を判定する際に基準となるデータである。

出力部１７０は、生成部１６０により生成された覚醒時データを出力する。出力部１７０は、例えば、インターフェース装置である。例えば、出力部１７０は、生成部１６０により生成された覚醒時データを外部装置に送信する。

次に、本実施例１にかかる覚醒時データ生成装置１００の処理手順について説明する。図１２は、本実施例１にかかる覚醒時データ生成装置の処理手順を示すフローチャートである。図１２に示す処理は、例えば、覚醒時データ生成装置１００が利用者からの処理開始命令を受け付けたことを契機として実行される。

図１２に示すように、処理タイミングになると（ステップＳ１０１，Ｙｅｓ）、検出部１１０は、被験者の心拍信号を検出する（ステップＳ１０２）。第１の算出部１２０は、被験者の心拍信号から心拍間隔を算出する（ステップＳ１０３）。ここで、検出部１１０は、覚醒時データ作成のために、少なくとも１呼吸程度の時間にわたって、心拍信号を取得するとともに、第１の算出部１２０は、検出部１１０が少なくとも１呼吸程度にわたって取得した心拍信号から心拍間隔を算出する。さらに第１の算出部１２０は、心拍間隔の変動値を算出する（ステップＳ１０４）。

第１の推定部１３０は、第１の算出部１２０により算出された変動値から覚醒時の極大スペクトル密度を推定する（ステップＳ１０５）。例えば、第１の推定部１３０は、覚醒時のＲＳＡ値と覚醒時の極大スペクトル密度との間の相関関係を用いて、覚醒時のＲＳＡ値から覚醒時の極大スペクトル密度を推定する。

第２の算出部１４０は、被験者の心拍信号から心拍数を算出する（ステップＳ１０６）。第２の推定部１５０は、第２の算出部１４０により算出された心拍数から覚醒時の極大周波数を推定する（ステップＳ１０７）。例えば、第２の推定部１５０は、心拍数と呼吸数との相関関係に基づいて、覚醒時の心拍数から覚醒時の呼吸数を算出する。そして、第２の推定部１５０は、呼吸数から求まる呼吸周期が極大周波数に対応することを利用して、覚醒時の呼吸数から覚醒時の極大周波数を算出する。

生成部１６０は、ステップＳ１０５の処理において推定された覚醒時の極大スペクトル密度と、ステップＳ１０７の処理において推定された覚醒時の極大周波数とを含む覚醒時データを生成する（ステップＳ１０８）。出力部１７０は、生成部１６０により生成された覚醒時データを出力する（ステップＳ１０９）。

なお、上述した処理手順は、必ずしも上記の順序で実行されなくても良い。例えば、覚醒時の極大周波数を推定する処理が実行された後に、覚醒時の極大スペクトル密度を推定する処理が実行されても良い。つまり、ステップＳ１０２の処理が実行された後にステップＳ１０６〜Ｓ１０７の処理が実行され、続いて、ステップＳ１０３〜Ｓ１０５の処理が実行されても良い。また、覚醒時の極大周波数を推定する処理及び覚醒時の極大スペクトル密度を推定する処理は、平行して実行されても良い。つまり、ステップＳ１０２の処理が実行された後に、ステップＳ１０６〜Ｓ１０７の処理及びステップＳ１０３〜Ｓ１０５の処理が平行して実行されても良い。

次に、本実施例１にかかる覚醒時データ生成装置１００の効果について説明する。覚醒時データ生成装置１００は、被験者の心拍信号から心拍間隔の変動値を算出する。覚醒時データ生成装置１００は、予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、算出した変動値から被験者の覚醒時の極大スペクトル密度を推定する。覚醒時データ生成装置１００は、心拍信号から心拍数を算出する。覚醒時データ生成装置１００は、予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、算出した心拍数から被験者の覚醒時の極大周波数を推定する。覚醒時データ生成装置１００は、推定した覚醒時の極大スペクトル密度及び覚醒時の極大周波数を含む覚醒時データを生成する。このようなことから、覚醒時データ生成装置１００は、覚醒時データを簡易に生成することができる。

例えば、覚醒時データ生成装置１００は、数十秒分の心拍信号を用いることで覚醒時データを生成できる。このため、心拍信号を検出する際に、被験者は覚醒状態を数十秒間持続させるだけで良いので、覚醒時データ生成装置１００は、正確な覚醒時データを簡易に生成することができる。

なお、上述した第１の算出部１２０、第１の推定部１３０、第２の算出部１４０、第２の推定部１５０と、生成部１６０の各処理部は、例えば、次のような装置に対応する。すなわち、これらの各処理部は、Application Specific Integrated Circuit（ＡＳＩＣ）やField Programmable Gate Array（ＦＰＧＡ）などの集積装置に対応する。また、これらの各処理部は、Central Processing Unit（ＣＰＵ）やMicro Processing Unit（ＭＰＵ）などの電子回路に対応する。

本実施例２にかかる覚醒度判定装置の構成の一例について説明する。図１３は、本実施例２にかかる覚醒度判定装置の構成を示す図である。図１３に示すように、この覚醒度判定装置２００は、検出部２１０と、生成部２２０と、推定部２３０と、スケール生成部２４０と、記憶部２５０と、算出部２６０と、判定部２７０と、拡張部２８０と、出力部２９０とを有する。

検出部２１０は、被験者の心拍信号を検出する。例えば、検出部２１０は、被験者に接触する電極に対して電圧を印加し、被験者の心拍信号を各電極の電位差から取得する。なお、被験者は、例えば、車両を運転する運転者に対応する。また、検出部２１０によって用いられる電極は、例えば、車両のハンドルに埋め込まれた電極に対応する。検出部２１０が実行する処理は検出部１１０が実行する処理と同様であるので、検出部２１０の説明は省略する。

生成部２２０は、被験者のスケールが設定されていない場合に、覚醒時データを生成する。例えば、生成部２２０は、被験者の心拍信号から心拍間隔の変動値を算出する。生成部２２０は、予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、算出した変動値から被験者の覚醒時の極大スペクトル密度を推定する。生成部２２０は、心拍信号から心拍数を算出する。生成部２２０は、予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、算出した心拍数から被験者の覚醒時の極大周波数を推定する。生成部２２０は、推定した覚醒時の極大スペクトル密度及び覚醒時の極大周波数を含む覚醒時データを生成する。なお、生成部２２０が実行する処理は、第１の算出部１２０、第１の推定部１３０、第２の算出部１４０、第２の推定部１５０、生成部１６０が実行する各処理と同様であるので、生成部２２０の説明は省略する。また、生成部２２０は、第１の算出部、第１の推定部、第２の算出部、第２の推定部、第１の生成部の一例である。

推定部２３０は、生成部２２０により生成された覚醒時データに基づいて、非覚醒時の極大スペクトル密度と非覚醒時の極大周波数とを含む非覚醒時データを推定する。例えば、推定部２３０は、予め記録された覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との間の相関関係に基づいて、生成部２２０により生成された覚醒時の極大スペクトル密度から、被験者の非覚醒時の極大スペクトル密度を推定する。推定部２３０は、予め記録された覚醒時の極大周波数と非覚醒時の極大周波数との間の相関関係に基づいて、生成部２２０により生成された覚醒時の極大周波数から、被験者の非覚醒時の極大周波数を推定する。推定部２３０は、推定した非覚醒時の極大スペクトル密度と、推定した非覚醒時の極大周波数とを含む非覚醒時データを生成する。なお、推定部２３０は、第２の推定部、第４の推定部、第２の生成部の一例である。

ここで、推定部２３０が用いる相関関係について説明する。図１４は、覚醒時の極大周波数と非覚醒時の極大周波数との相関関係を示す図である。図１４の横軸は非覚醒時の極大周波数を示し、縦軸は覚醒時の極大周波数を示す。図１５は、覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との相関関係を示す図である。図１５の横軸は非覚醒時の極大スペクトル密度を示し、縦軸は覚醒時の極大スペクトル密度を示す。

図１４及び図１５は、ドライビングシミュレータを用いて被験者の心拍信号を取得する実験を行った実験結果の一例である。図１４及び図１５に示すように、各被験者の覚醒時の値と非覚醒時の値とをプロットすると、回帰直線が得られる。この実験結果は、極大周波数及び極大スペクトル密度が覚醒時と非覚醒時とで相関することを示す。なお、図１４及び図１５に示す例では、極大周波数の相関係数は０．７８であり、極大スペクトル密度の相関係数は０．８５である。

例えば、推定部２３０は、覚醒時データを生成部２２０から取得する。推定部２３０は、取得した覚醒時データに含まれる覚醒時の極大周波数を、図１４に示した回帰直線の式に代入することで、非覚醒時の極大周波数を算出する。推定部２３０は、取得した覚醒時データに含まれる覚醒時の極大スペクトル密度を、図１５に示した回帰直線の式に代入することで、非覚醒時の極大スペクトル密度を算出する。推定部２３０は、算出した非覚醒時の極大周波数及び非覚醒時の極大スペクトル密度を非覚醒時データとして生成する。そして、推定部２３０は、覚醒時データと非覚醒時データとをスケール生成部２４０に出力する。

図１３の説明に戻る。スケール生成部２４０は、生成部２２０により生成された覚醒時データと、推定部２３０により推定された非覚醒時データとを用いて覚醒度の指標を生成する。例えば、スケール生成部２４０は、覚醒時データから非覚醒時データまでの間で周波数及びスペクトル密度が変化しうる範囲を覚醒度の指標となるスケールとして生成する。なお、スケール生成部２４０は、第３の生成部の一例である。

ここで、スケール生成部２４０により設定されるスケールについて説明する。図１６は、スケールの一例を示す図である。図１６の横軸は周波数を示し、縦軸はスペクトル密度を示す。図１６に示す例では、スケール１６ａは、眠気方向１６ｂに示すように、右上ほど眠気がなく、左下ほど眠気が強くなるように設定される。この場合、スケール１６ａは、右上から左下へと５つの領域に分割され、５つの領域それぞれに５段階の眠気レベルが割り当てられる。つまり、スケール１６ａにより判定される眠気レベルは、レベル１からレベル５の順に眠気が強くなり、覚醒度が低くなる。スケール生成部２４０は、図１６に示すように、正規化されたスケール１６ａを保持する。スケール生成部２４０により設定されるスケールのデータは、例えば、スケール内の各領域の境界を示す式と眠気レベル値とを含むデータである。なお、図１６では、正規化されたスケール１６ａの各領域の幅が等間隔である場合を説明したが、これに限定されるものではない。例えば、正規化されたスケール１６ａの各領域の幅は、眠気レベルが高くなるほど狭くなるように調整されても良い。また、スケールのデータは、上述の構成に限定されるものではなく、例えば、覚醒時データの周波数及びスペクトル密度と、非覚醒時データの周波数及びスペクトル密度とで構成されても良い。

続いて、スケール生成部２４０がスケールを設定する処理を説明する。図１７は、スケールを生成する処理を説明するための図である。図１７の横軸は周波数を示し、縦軸はスペクトル密度を示す。図１７に示すように、スケール生成部２４０は、覚醒時データ１７ａと非覚醒時データ１７ｂとを用いて、スケール１７ｃを設定する。例えば、スケール生成部２４０は、図１６に示した正規化されたスケール１６ａの周波数の最大値を覚醒時データ１７ａの極大周波数に対応させる。スケール生成部２４０は、スケール１６ａのスペクトル密度の最小値を覚醒時データ１７ａの極大スペクトル密度に対応させる。スケール生成部２４０は、スケール１６ａの周波数の最小値を非覚醒時データ１７ｂの極大周波数に対応させる。スケール生成部２４０は、スケール１６ａのスペクトル密度の最大値を非覚醒時データ１７ｂの極大スペクトル密度に対応させる。スケール生成部２４０は、対応させたスケール１６ａを５等分し、眠気レベルに対応する各領域を設定する。スケール生成部２４０は、設定したスケール１６ａの各領域の境界を示す式を算出することで、被験者のスケール１７ｃを生成する。そして、スケール生成部２４０は、生成したスケール１７ｃを記憶部２５０に格納する。

図１３の説明に戻る。記憶部２５０は、スケール生成部２４０により生成された覚醒度の指標を記憶する。例えば、記憶部２５０は、スケール生成部２４０により生成された被験者のスケールを、被験者を識別する識別情報に対応付けて記憶する。

算出部２６０は、被験者の心拍信号から極大周波数及び極大スペクトル密度を算出する。例えば、算出部２６０は、検出部２１０により入力された心拍信号データに基づいてスペクトル密度データの極大点を取得し、取得した極大点の極大周波数及び極大スペクトル密度を算出する。なお、算出部２６０は、第３の算出部の一例である。

以下において、算出部２６０が実行する処理を詳細に説明する。算出部２６０は、検出部２１０により入力された心拍信号データから心拍間隔を算出する。算出部２６０は、算出した心拍間隔に基づいて、心拍間隔の時間経過による変化を示す心拍間隔データを生成する。なお、算出部２６０が心拍間隔を算出する処理と心拍間隔データを生成する処理は、第１の算出部１２０が実行する処理と同様であるので、これらの処理についての説明は省略する。

また、算出部２６０は、心拍間隔データに対して周波数解析を行うことで、周波数ごとのスペクトル密度を算出する。例えば、算出部２６０は、Auto Regressive（ＡＲ）モデルを用いてスペクトル密度を算出する。ＡＲモデルは、非特許文献（佐藤俊輔、吉川昭、木竜徹、“生体信号処理の基礎”、コロナ社）などに開示されているように、ある時点の状態を過去の時系列データの線形和で表すモデルである。ＡＲモデルは、フーリエ変換と比較して少ないデータ数でも明瞭な極大点が得られるという特徴がある。

時系列ｘ（ｓ）のｐ次のＡＲモデルは、過去の値に対する重みであるＡＲ係数ａ（ｍ）及び誤差項ｅ（ｓ）を用いて、

によって表される。なお、理想的には、ｅ（ｓ）は、ホワイトノイズである。

そして、ｐを同定次数、ｆ_ｓをサンプリング周波数、ε_ｐを同定誤差とし、

をｋ次のＡＲ係数とすると、スペクトル密度Ｐ_ＡＲ（ｆ）は、

によって表される。算出部２６０は、式（５）及び心拍間隔データに基づいて、スペクトル密度を算出する。なお、スペクトル密度の算出方法は、上述の方法に限定されるものではない。例えば、算出部２６０は、フーリエ変換を用いることでスペクトル密度を算出しても良い。

算出部２６０は、スペクトル密度を算出するごとに、周波数ごとのスペクトル密度を示すスペクトル密度データを生成する。図１８は、算出部により生成されるスペクトル密度データの一例を示す図である。図１８の横軸は周波数を示し、縦軸はスペクトル密度を示す。例えば、０．０５〜０．１５Ｈｚ近辺の領域に現れるスペクトル密度の成分は、交感神経の活動状態を反映するLow Frequency（ＬＦ）成分である。また、例えば、０．１５〜０．４Ｈｚ近辺の領域に現れるスペクトル密度の成分は、副交感神経の活動状態を反映するHigh Frequency（ＨＦ）成分である。

算出部２６０は、スペクトル密度データのスペクトル密度が極大となる極大点を取得する。例えば、算出部２６０は、

となる周波数ｆを極大点の周波数として算出し、この極大点の周波数を式（５）に代入することによって極大点のスペクトル密度を算出する。図１８に示す例では、算出部２６０は、４つの極大点１８ａ、１８ｂ、１８ｃ、１８ｄを取得する。なお、極大点の周波数を「極大周波数」と表記し、極大点のスペクトル密度を「極大スペクトル密度」と表記する。

算出部２６０は、取得した極大点１８ａ、１８ｂ、１８ｃ、１８ｄのうち、ＨＦ成分に含まれる極大点を１つ選択する。図１８に示すように、ＨＦ成分に極大点が複数含まれる場合には、算出部２６０は、最も周波数が低い極大点１８ｂを選択する。これは、ＨＦ成分に含まれる極大点のうち低周波側の極大点を選択することで、被験者の眠気をより正確に判定できるからである。なお、ＨＦ成分に極大点が含まれない場合には、算出部２６０は、０．４Ｈｚより高周波側の領域から最も周波数が低い極大点を１つ選択する。また、ＨＦ成分に極大点が１つ含まれる場合には、算出部２６０は、該当極大点を選択する。

算出部２６０は、取得した極大点における極大周波数及び極大スペクトル密度を算出する。図１９は、極大周波数を時系列で表した図である。図１９の横軸は時間の経過を示し、縦軸は周波数を示す。図２０は、極大スペクトル密度を時系列で表した図である。図２０の横軸は時間の経過を示し、縦軸はスペクトル密度を示す。算出部２６０が１０秒間隔でスペクトル密度データを算出する場合には、図１９及び図２０に示す時系列方向の点の間隔は１０秒間隔である。図１９及び図２０に示すように、算出部２６０は、一定時間ごとに極大周波数及び極大スペクトル密度を算出する。

図１３の説明に戻る。判定部２７０は、算出部２６０により算出された極大周波数及び極大スペクトル密度と、スケール生成部２４０により生成された覚醒度の指標とを比較することで、被験者の覚醒度を判定する。例えば、判定部２７０は、被験者による識別情報の入力を受け付けて、識別情報に対応するスケールを記憶部２５０から読み出す。判定部２７０は、算出部２６０により算出された極大点と読み出したスケールとを比較することで、被験者の覚醒度を判定する。具体的には、例えば、判定部２７０は、スケールの各領域を表す式に極大点の極大周波数及び極大スペクトル密度を代入することで、算出された極大点が含まれる領域を判定する。判定部２７０は、極大点が含まれると判定された領域に応じて、被験者の眠気レベルを判定する。そして、判定部２７０は、判定結果を出力部２９０に出力する。なお、識別情報の受け付け方法は、上述の方法に限定されるものではない。例えば、判定部２７０は、現在の被験者を撮影したカメラ画像から識別情報を取得する方法や、心拍信号のうち個人に特徴的な領域を用いて判定する方法などを利用しても良い。

拡張部２８０は、算出部２６０により算出された極大周波数及び極大スペクトル密度が予め設定された覚醒度の指標の範囲外である場合に、覚醒度の指標を拡張する。例えば、拡張部２８０は、極大周波数及び極大スペクトル密度を算出部２６０から取得すると、取得した値が記憶部２５０に記憶された被験者のスケール外であるか否かを判定する。

取得した値がスケール外である場合には、拡張部２８０は、取得した値とスケールとの距離が閾値以上であるか否かを判定する。距離が閾値以上でない場合には、拡張部２８０は、被験者のスケールを拡張し、拡張したスケールを記憶部２５０に格納する。一方、距離が閾値以上である場合には、拡張部２８０は、再び極大周波数及び極大スペクトル密度を取得するまで待機する。なお、ここで用いられる閾値は、心拍信号解析時のエラーを除外するための値であり、例えば、極大周波数の値に対して閾値を０．１とする。これはスケールに対して、極大周波数の値が０．１以上外れている場合、異なる極大点を検出していると判断するためである。閾値については、この例示に限定されるものではなく、覚醒度判定装置２００を利用する者が任意の値に設定して良い。

拡張部２８０がスケールを拡張する処理について説明する。例えば、拡張部２８０は、予め設定されたスケールがスケール外の値を含むようにスケールの各辺を移動させる。そして、拡張部２８０は、各辺に対して正規化したスケールを当てはめてスケールを設定することで、スケールを全体的に拡張する。図２１は、スケールを全体的に拡張する処理を説明するための図である。図２１の横軸は周波数を示し、縦軸はスペクトル密度を示す。図２１に示すように、拡張部２８０は、予め設定されたスケール２１ａがスケール外の値２１ｂを含むようにスケール２１ａの上辺と右辺とを移動させる。そして、拡張部２８０は、各辺に対して正規化したスケールを当てはめてスケール２１ｃを設定することで、スケール２１ａを全体的に拡張する。

また、例えば、拡張部２８０は、予め設定されたスケールのうち、スケール外の値に近い領域のみを部分的に拡張する。図２２は、スケールを部分的に拡張する処理を説明するための図である。図２２の横軸は周波数を示し、縦軸はスペクトル密度を示す。図２２に示すように、例えば、拡張部２８０は、スケール２２ａの右上方向にスケール外の値２２ｂが存在する場合には、スケール外の値２２ｂに対してレベル１の領域のみを拡張する。また、例えば、拡張部２８０は、スケール２２ａの左下方向にスケール外の値２２ｃが存在する場合には、スケール外の値２２ｃに対してレベル５の領域のみを拡張する。

なお、拡張部２８０がスケールを拡張するのは、算出部２６０により算出された極大周波数及び極大スペクトル密度がスケール外である場合には、判定部２７０が眠気レベルを判定できないからである。このため、拡張部２８０は、算出された極大周波数及び極大スペクトル密度がスケール外であっても、眠気レベルを判定するために、スケールを拡張する。

出力部２９０は、判定部２７０により判定された判定結果を出力する。出力部２９０は、例えば、モニタやスピーカなどに対応する。例えば、出力部２９０は、被験者の覚醒度が低下した旨の情報を被験者や被験者の周囲の者などに報知する。

次に、本実施例２にかかる覚醒度判定装置２００の処理手順について説明する。図２３は、本実施例２にかかる覚醒度判定装置の処理手順を示すフローチャートである。図２３に示す処理は、例えば、覚醒度判定装置２００を搭載した車両のシステムが起動したことを契機として実行される。

図２３に示すように、処理タイミングになると（ステップＳ２０１，Ｙｅｓ）、生成部２２０は、被験者のスケールが設定されているか否かを判定する（ステップＳ２０２）。スケールが設定されていない場合には（ステップＳ２０２，Ｎｏ）、生成部２２０は、覚醒時データを生成する（ステップＳ２０３）。つまり、生成部２２０は、被験者の心拍信号から心拍間隔の変動値を算出する。生成部２２０は、算出した変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、変動値から覚醒時の極大スペクトル密度を推定する。生成部２２０は、心拍信号から心拍数を算出し、算出した心拍数と覚醒時の極大周波数との間の相関関係に基づいて、覚醒時の極大周波数を推定する。生成部２２０は、推定した覚醒時の極大スペクトル密度及び覚醒時の極大周波数を含む覚醒時データを生成する。なお、ステップＳ２０３の処理は、図１２に示したステップＳ１０３からステップＳ１０８までの処理に対応する。

推定部２３０は、生成部２２０により生成された覚醒時データに基づいて、非覚醒時データを推定する（ステップＳ２０４）。つまり、推定部２３０は、生成部２２０により生成された覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との間の相関関係に基づいて、覚醒時の極大スペクトル密度から非覚醒時の極大スペクトル密度を推定する。推定部２３０は、生成部２２０により生成された覚醒時の極大周波数と非覚醒時の極大周波数との間の相関関係に基づいて、覚醒時の極大周波数から非覚醒時の極大周波数を推定する。推定部２３０は、推定した非覚醒時の極大スペクトル密度と、推定した非覚醒時の極大周波数とを含む非覚醒時データを生成する。

スケール生成部２４０は、覚醒時データと非覚醒時データとを用いてスケールを生成し（ステップＳ２０５）、生成したスケールを記憶部２５０に格納する。

検出部２１０は、被験者の心拍信号を検出し（ステップＳ２０６）、心拍信号データを算出部２６０に出力する。算出部２６０は、検出部２１０により入力された心拍信号データから心拍間隔を算出する（ステップＳ２０７）。算出部２６０は、算出した心拍間隔に基づいて、心拍間隔の時間経過による変化を示す心拍間隔データを生成する（ステップＳ２０８）。

算出部２６０は、心拍間隔データに対して周波数解析を行うことで、各周波数に対応するスペクトル密度を算出する（ステップＳ２０９）。算出部２６０は、スペクトル密度が極大となる極大点のうち、ＨＦ成分に含まれる極大点を１つ選択する（ステップＳ２１０）。つまり、算出部２６０は、スペクトル密度を算出するごとに、周波数ごとのスペクトル密度を示すスペクトル密度データを生成し、スペクトル密度データのスペクトル密度が極大となる極大点のうち、ＨＦ成分に含まれる極大点を１つ選択する。

判定部２７０は、選択された極大点の極大周波数及び極大スペクトル密度を取得する（ステップＳ２１１）。つまり、判定部２７０は、算出部２６０により選択された極大点を取得する。取得した極大点がスケール外でない場合には（ステップＳ２１２，Ｎｏ）、判定部２７０は、被験者の覚醒度を判定する（ステップＳ２１３）。つまり、判定部２７０は、被験者による識別情報の入力を受け付けて、識別情報に対応するスケールを記憶部２５０から読み出す。判定部２７０は、算出部２６０により算出された極大点と読み出したスケールとを比較することで、被験者の覚醒度を判定する。そして、出力部２９０は、判定部２７０により判定された判定結果を出力する。

一方、取得した極大点がスケール外である場合には（ステップＳ２１２，Ｙｅｓ）、拡張部２８０は、取得した極大点とスケールとの距離が閾値以上であるか否かを判定する（ステップＳ２１４）。距離が閾値以上でない場合には（ステップＳ２１４，Ｎｏ）、拡張部２８０は、被験者のスケールを拡張し（ステップＳ２１５）、ステップＳ２１３に移行する。

一方、距離が閾値以上である場合には（ステップＳ２１４，Ｙｅｓ）、拡張部２８０は、スケールを拡張する処理を終了し、ステップＳ２１７に移行する。

一方、被験者のスケールが設定されている場合には（ステップＳ２０２，Ｙｅｓ）、判定部２７０は、被験者による識別情報の入力を受け付けて、識別情報に対応するスケールを記憶部２５０から読み出し（ステップＳ２１６）、ステップＳ２０６に移行する。

終了タイミングになるまで（ステップＳ２１７，Ｎｏ）、覚醒度判定装置２００は、ステップＳ２０６からステップＳ２１７までの処理を繰り返す。終了タイミングになると（ステップＳ２１７，Ｙｅｓ）、覚醒度判定装置２００は、処理を終了する。例えば、覚醒度判定装置２００は、覚醒度判定装置２００を搭載した車両のシステムが終了したことを契機として図２３の処理を終了する。

次に、本実施例２にかかる覚醒度判定装置２００の効果について説明する。覚醒度判定装置２００は、被験者の心拍信号から心拍間隔の変動値を算出する。覚醒度判定装置２００は、算出した変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、変動値から覚醒時の極大スペクトル密度を推定する。覚醒度判定装置２００は、心拍信号から心拍数を算出し、算出した心拍数と覚醒時の極大周波数との間の相関関係に基づいて、覚醒時の極大周波数を推定する。覚醒度判定装置２００は、推定した覚醒時の極大スペクトル密度及び覚醒時の極大周波数を含む覚醒時データを生成する。覚醒度判定装置２００は、推定した覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との間の相関関係に基づいて、非覚醒時の極大スペクトル密度を推定する。覚醒度判定装置２００は、推定した覚醒時の極大周波数と非覚醒時の極大周波数との間の相関関係に基づいて、非覚醒時の極大周波数を推定する。覚醒度判定装置２００は、推定した非覚醒時の極大スペクトル密度と、推定した非覚醒時の極大周波数とを含む非覚醒時データを生成する。覚醒度判定装置２００は、覚醒時データと非覚醒時データとを用いて覚醒度の指標を生成する。覚醒度判定装置２００は、被験者の心拍信号を検出するごとに、心拍信号から極大周波数及び極大スペクトル密度を算出する。覚醒度判定装置２００は、算出した極大周波数及び極大スペクトル密度と、生成した覚醒度の指標とを比較することで、被験者の覚醒度を判定する。このようなことから、覚醒度判定装置２００は、正確な覚醒時データを生成することができ、正確なスケールを簡易に生成することができる。このため、覚醒度判定装置２００は、被験者の覚醒度を正確に判定することができる。

なお、上述した生成部２２０、推定部２３０、スケール生成部２４０、算出部２６０、判定部２７０、拡張部２８０の各処理部は、例えば、次のような装置に対応する。すなわち、これらの各処理部は、ＡＳＩＣやＦＰＧＡなどの集積装置に対応する。また、これらの各処理部は、ＣＰＵやＭＰＵなどの電子回路に対応する。

また、記憶部２５０は、例えば、Random Access Memory（ＲＡＭ）、Read Only Memory（ＲＯＭ）、フラッシュメモリなどの半導体メモリ素子、ハードディスクや光ディスクの記憶装置に対応する。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、その他の実施例にて実施されても良い。そこで、以下では、その他の実施例について説明する。

例えば、上述した実施例１では、覚醒時データ生成装置１００が被験者の心拍信号から算出した心拍数を用いて覚醒時の極大周波数を推定する場合を説明したが、本発明はこれに限定されるものではない。例えば、覚醒時データ生成装置１００は、被験者から覚醒時の心拍数の入力を受け付けて、受け付けた心拍数を用いて覚醒時の極大周波数を推定することができる。例えば、覚醒時データ生成装置１００の第２の推定部１５０は、被験者から受け付けた覚醒時の心拍数を式（２）に代入することで、覚醒時の呼吸数を算出する。そして、第２の推定部１５０は、算出した覚醒時の呼吸数を式（３）に代入することで、覚醒時の極大周波数を算出する。

また、例えば、上述した実施例１では、覚醒時データ生成装置１００が被験者の呼吸数を用いて覚醒時の極大周波数を推定する場合を説明したが、本発明はこれに限定されるものではない。例えば、覚醒時データ生成装置１００は、被験者の基礎代謝量［キロカロリー／日］を用いて覚醒時の極大周波数を推定することができる。これは、呼吸数と基礎代謝量との間に相関関係があることが知られているからである。例えば、覚醒時データ生成装置１００の第２の推定部１５０は、下記の式（７）を用いて、覚醒時の極大周波数Ｆを算出する。

なお、式（７）の「０．１５」は、交感神経の活動状態を反映するＬＦ成分と、副交感神経の活動状態を反映するＨＦ成分との間の境界周波数である。また、Ｃは、複数の被験者の統計データに基づいて予め設定された定数である。例えば、Ｃは、Ｃを目的変数とし、覚醒時の極大周波数と基礎代謝量とを説明変数とした回帰分析を実行することにより得られる。

例えば、覚醒時データ生成装置１００は、被験者から性別と年齢とを示す情報を受け付けて、受け付けた情報に基づいて基礎代謝量を取得する。図２４は、年齢ごとの基礎代謝量を示すテーブルの一例を示す図である。このテーブルは、年齢と、男性の基礎代謝量と、女性の基礎代謝量とを対応付けて記憶する。例えば、テーブルは、年齢「１８〜２９歳」と、男性の基礎代謝量「１５５０」と、女性の基礎代謝量「１２１０」とを対応付けて記憶する。つまり、テーブルは、１８〜２９歳の男性の基礎代謝量が１５５０［キロカロリー／日］であり、１８〜２９歳の女性の基礎代謝量が１２１０［キロカロリー／日］であることを示す。例えば、覚醒時データ生成装置１００は、図２４に示したテーブルに基づいて基礎代謝量を取得し、取得した基礎代謝量を上記の式（７）に代入することで、覚醒時の極大周波数Ｆを算出する。なお、基礎代謝量を取得する方法は、上記のテーブルを用いた方法に限定されるものではない。例えば、覚醒時データ生成装置１００は、被験者の性別と、年齢と、身長と、体重とに基づいて基礎代謝量を算出する関係式を用いて、基礎代謝量を取得しても良い。

また、例えば、上述した実施例１では、覚醒時データ生成装置１００が被験者の心拍信号データを用いて覚醒時の極大スペクトル密度を推定する場合を説明したが、本発明はこれに限定されるものではない。例えば、覚醒時データ生成装置１００は、被験者の年齢を用いて覚醒時の極大スペクトル密度を推定することができる。これは、年齢とＲＳＡ値との間に相関関係があることが知られているからである。図２５は、年齢とＲＳＡ値との相関関係を示す図である。図２５の横軸は年齢［ｙｒ］を示し、縦軸はＲＳＡ値［ｍｓｅｃ］を示す。図２５に示すように、複数の被験者について、年齢と覚醒時のＲＳＡ値とをプロットすると、回帰直線２５ａが得られる。例えば、覚醒時データ生成装置１００は、被験者の年齢を回帰直線２５ａの式に代入することで、覚醒時のＲＳＡ値を算出する。そして、覚醒時データ生成装置１００は、算出した覚醒時のＲＳＡ値を式（１）に代入することで、覚醒時の極大スペクトル密度を算出する。なお、被験者の年齢から覚醒時のＲＳＡ値を求める方法は、上記の方法に限定されるものではない。例えば、覚醒時データ生成装置１００は、図２６に示すように、年齢と覚醒時のＲＳＡ値とを対応付けたテーブルを用いて、被験者の年齢から覚醒時のＲＳＡ値を求めても良い。図２６は、年齢ごとのＲＳＡ値を示すテーブルの一例を示す図である。

実施例１及び２において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。例えば、図２３に示した覚醒度判定装置２００の一連の処理は、覚醒度判定装置２００を搭載した車両のシステムが起動した後に、運転者による指示を受け付けることを契機として実行されても良い。

また、上述文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、スケール生成部２４０により生成されるスケールのデータは、覚醒時データの周波数及びスペクトル密度と、非覚醒時データの周波数及びスペクトル密度とで構成されても良い。この場合、記憶部２５０には覚醒時データ及び非覚醒時データの値が格納されるので、判定部２７０は、記憶部２５０から読み出した覚醒時データ及び非覚醒時データの値に正規化されたスケールを当てはめて、スケールを再生成した後に、眠気レベルを判定する。

また、図１及び図１３に示した覚醒時データ生成装置１００及び覚醒度判定装置２００の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、覚醒時データ生成装置１００及び覚醒度判定装置２００の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、図１３に示した生成部２２０の機能を外部装置に持たせ、かかる外部装置にて生成された覚醒時データを覚醒度判定装置２００が受け付けてスケールを生成するようにしても良い。

また、覚醒時データ生成装置１００及び覚醒度判定装置２００は、覚醒時データ生成装置１００及び覚醒度判定装置２００の各機能を既知の情報処理装置に搭載することによって実現することもできる。既知の情報処理装置は、例えば、パーソナルコンピュータ、ワークステーション、携帯電話、Personal Handy-phone System（ＰＨＳ）端末、移動体通信端末またはPersonal Digital Assistant（ＰＤＡ）などの装置に対応する。

図２７は、本実施例１にかかる覚醒時データ生成プログラムを実行するコンピュータを示す図である。図２７に示すように、コンピュータ３００は、ユーザからデータの入力を受け付ける入力装置３０１と、モニタ３０２と、記憶媒体からプログラム等を読み取る媒体読み取り装置３０３と、他の装置とデータの授受を行うインターフェース装置３０４とを有する。また、コンピュータ３００は、各種演算処理を実行するＣＰＵ３０５と、各種情報を一時記憶するＲＡＭ３０６と、ハードディスク装置３０７を有する。また、各装置３０１〜３０７は、バス３０８に接続される。また、コンピュータ３００は、被験者の心拍信号を検出する心拍センサ３１０と、スピーカ３２０と、インターフェース装置３０４を介して接続される。

ハードディスク装置３０７は、図１に示した、第１の算出部１２０、第１の推定部１３０、第２の算出部１４０、第２の推定部１５０と、生成部１６０の各処理部と同様の機能を有する各種プログラムを記憶する。また、ハードディスク装置３０７は、被験者のスケールを、被験者を識別する識別情報に対応付けて記憶する。

ＣＰＵ３０５が各種プログラムをハードディスク装置３０７から読み出してＲＡＭ３０６に展開して実行することにより、各種プログラムは、各種プロセスとして機能する。すなわち、各種プログラムは、第１の算出部１２０、第１の推定部１３０、第２の算出部１４０、第２の推定部１５０と、生成部１６０の各処理部と同様のプロセスとして機能する。

なお、上記の各種プログラムは、必ずしもハードディスク装置３０７に記憶されている必要はない。例えば、コンピュータが読み取り可能な記録媒体に記憶されたプログラムを、コンピュータ３００が読み出して実行するようにしても良い。コンピュータが読み取り可能な記録媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢメモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、Local Area Network（ＬＡＮ）、Wide Area Network（ＷＡＮ）等に接続された装置にこのプログラムを記憶させておき、コンピュータ３００がこれらからプログラムを読み出して実行するようにしても良い。

以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）被験者の心拍信号から心拍間隔の変動値を算出する第１の算出部と、
予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記第１の算出部により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定する第１の推定部と、
前記心拍信号から心拍数を算出する第２の算出部と、
予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記第２の算出部により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定する第２の推定部と、
前記第１の推定部により推定された覚醒時の極大スペクトル密度と、前記第２の推定部により推定された覚醒時の極大周波数とを含む覚醒時データを生成する生成部と
を備えたことを特徴とする覚醒時データ生成装置。

（付記２）コンピュータが実行する推定方法であって、
被験者の心拍信号から心拍間隔の変動値を算出し、
予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記変動値を算出する処理により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定し、
前記心拍信号から心拍数を算出し、
予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記心拍数を算出する処理により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定し、
前記極大スペクトル密度を推定する処理により推定された覚醒時の極大スペクトル密度と、前記極大周波数を推定する処理により推定された覚醒時の極大周波数とを含む覚醒時データを生成する
ことを特徴とする覚醒時データ生成方法。

（付記３）コンピュータに、
被験者の心拍信号から心拍間隔の変動値を算出し、
予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記変動値を算出する処理により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定し、
前記心拍信号から心拍数を算出し、
予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記心拍数を算出する処理により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定し、
前記極大スペクトル密度を推定する処理により推定された覚醒時の極大スペクトル密度と、前記極大周波数を推定する処理により推定された覚醒時の極大周波数とを含む覚醒時データを生成する
処理を実行させることを特徴とする覚醒時データ生成プログラム。

（付記４）被験者の心拍信号から心拍間隔の変動値を算出する第１の算出部と、
予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記第１の算出部により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定する第１の推定部と、
前記心拍信号から心拍数を算出する第２の算出部と、
予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記第２の算出部により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定する第２の推定部と、
前記第１の推定部により推定された覚醒時の極大スペクトル密度と、前記第２の推定部により推定された覚醒時の極大周波数とを含む覚醒時データを生成する第１の生成部と、
予め記録された覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記第１の推定部により推定された前記覚醒時の極大スペクトル密度から、前記被験者の非覚醒時の極大スペクトル密度を推定する第３の推定部と、
予め記録された覚醒時の極大周波数と非覚醒時の極大周波数との間の相関関係に基づいて、前記第２の推定部により推定された前記覚醒時の極大周波数から、前記被験者の非覚醒時の極大周波数を推定する第４の推定部と、
前記第３の推定部により推定された非覚醒時の極大スペクトル密度と、前記第４の推定部により推定された非覚醒時の極大周波数とを含む非覚醒時データを生成する第２の生成部と、
第１の生成部により生成された覚醒時データと、第２の生成部により生成された非覚醒時データとを用いて覚醒度の指標を生成する第３の生成部と、
被験者の心拍信号を検出するごとに、当該心拍信号から極大周波数及び極大スペクトル密度を算出する第３の算出部と、
前記第３の算出部により算出された極大周波数及び極大スペクトル密度と、前記第３の生成部により生成された覚醒度の指標とを比較することで、被験者の覚醒度を判定する判定部と
を備えたことを特徴とする覚醒度判定装置。

（付記５）コンピュータが実行する推定方法であって、
被験者の心拍信号から心拍間隔の変動値を算出し、
予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記変動値を算出する処理により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定し、
前記心拍信号から心拍数を算出し、
予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記心拍数を算出する処理により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定し、
前記極大スペクトル密度を推定する処理により推定された覚醒時の極大スペクトル密度と、前記極大周波数を推定する処理により推定された覚醒時の極大周波数とを含む覚醒時データを生成し、
予め記録された覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記覚醒時の極大スペクトル密度を推定する処理により推定された前記覚醒時の極大スペクトル密度から、前記被験者の非覚醒時の極大スペクトル密度を推定し、
予め記録された覚醒時の極大周波数と非覚醒時の極大周波数との間の相関関係に基づいて、前記覚醒時の極大周波数を推定する処理により推定された前記覚醒時の極大周波数から、前記被験者の非覚醒時の極大周波数を推定し、
前記非覚醒時の極大スペクトル密度を推定する処理により推定された非覚醒時の極大スペクトル密度と、前記非覚醒時の極大周波数を推定する処理により推定された非覚醒時の極大周波数とを含む非覚醒時データを生成し、
前記覚醒時データを生成する処理により生成された覚醒時データと、前記非覚醒時データを生成する処理により生成された非覚醒時データとを用いて覚醒度の指標を生成し、
被験者の心拍信号を検出するごとに、当該心拍信号から極大周波数及び極大スペクトル密度を算出し、
前記極大周波数及び極大スペクトル密度を算出する処理により算出された極大周波数及び極大スペクトル密度と、前記覚醒度の指標を生成する処理により生成された覚醒度の指標とを比較することで、被験者の覚醒度を判定する
ことを特徴とする覚醒度判定方法。

（付記６）コンピュータに、
被験者の心拍信号から心拍間隔の変動値を算出し、
予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記変動値を算出する処理により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定し、
前記心拍信号から心拍数を算出し、
予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記心拍数を算出する処理により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定し、
前記極大スペクトル密度を推定する処理により推定された覚醒時の極大スペクトル密度と、前記極大周波数を推定する処理により推定された覚醒時の極大周波数とを含む覚醒時データを生成し、
予め記録された覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記覚醒時の極大スペクトル密度を推定する処理により推定された前記覚醒時の極大スペクトル密度から、前記被験者の非覚醒時の極大スペクトル密度を推定し、
予め記録された覚醒時の極大周波数と非覚醒時の極大周波数との間の相関関係に基づいて、前記覚醒時の極大周波数を推定する処理により推定された前記覚醒時の極大周波数から、前記被験者の非覚醒時の極大周波数を推定し、
前記非覚醒時の極大スペクトル密度を推定する処理により推定された非覚醒時の極大スペクトル密度と、前記非覚醒時の極大周波数を推定する処理により推定された非覚醒時の極大周波数とを含む非覚醒時データを生成し、
前記覚醒時データを生成する処理により生成された覚醒時データと、前記非覚醒時データを生成する処理により生成された非覚醒時データとを用いて覚醒度の指標を生成し、
被験者の心拍信号を検出するごとに、当該心拍信号から極大周波数及び極大スペクトル密度を算出し、
前記極大周波数及び極大スペクトル密度を算出する処理により算出された極大周波数及び極大スペクトル密度と、前記覚醒度の指標を生成する処理により生成された覚醒度の指標とを比較することで、被験者の覚醒度を判定する
処理を実行させることを特徴とする覚醒度判定プログラム。

１００ 覚醒時データ生成装置
１１０ 検出部
１２０ 第１の算出部
１３０ 第１の推定部
１４０ 第２の算出部
１５０ 第２の推定部
１６０ 生成部
１７０ 出力部
２００ 覚醒度判定装置
２１０ 検出部
２２０ 生成部
２３０ 推定部
２４０ スケール生成部
２５０ 記憶部
２６０ 算出部
２７０ 判定部
２８０ 拡張部
２９０ 出力部
３００ コンピュータ
３０１ 入力装置
３０２ モニタ
３０３ 媒体読み取り装置
３０４ インターフェース装置
３０５ ＣＰＵ
３０６ ＲＡＭ
３０７ ハードディスク装置
３０８ バス
３１０ 心拍センサ
３２０ スピーカ

Claims (4)

1. 被験者の心拍信号から心拍間隔の変動値を算出する第１の算出部と、
   予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記第１の算出部により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定する第１の推定部と、
   前記心拍信号から心拍数を算出する第２の算出部と、
   予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記第２の算出部により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定する第２の推定部と、
   前記第１の推定部により推定された覚醒時の極大スペクトル密度と、前記第２の推定部により推定された覚醒時の極大周波数とを含む覚醒時データを生成する生成部と
   を備えたことを特徴とする覚醒時データ生成装置。
2. コンピュータが実行する推定方法であって、
   被験者の心拍信号から心拍間隔の変動値を算出し、
   予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記変動値を算出する処理により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定し、
   前記心拍信号から心拍数を算出し、
   予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記心拍数を算出する処理により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定し、
   前記極大スペクトル密度を推定する処理により推定された覚醒時の極大スペクトル密度と、前記極大周波数を推定する処理により推定された覚醒時の極大周波数とを含む覚醒時データを生成する
   ことを特徴とする覚醒時データ生成方法。
3. コンピュータに、
   被験者の心拍信号から心拍間隔の変動値を算出し、
   予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記変動値を算出する処理により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定し、
   前記心拍信号から心拍数を算出し、
   予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記心拍数を算出する処理により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定し、
   前記極大スペクトル密度を推定する処理により推定された覚醒時の極大スペクトル密度と、前記極大周波数を推定する処理により推定された覚醒時の極大周波数とを含む覚醒時データを生成する
   処理を実行させることを特徴とする覚醒時データ生成プログラム。
4. 被験者の心拍信号から心拍間隔の変動値を算出する第１の算出部と、
   予め記録された変動値と覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記第１の算出部により算出された前記変動値から、前記被験者の覚醒時の極大スペクトル密度を推定する第１の推定部と、
   前記心拍信号から心拍数を算出する第２の算出部と、
   予め記録された心拍数と覚醒時の極大周波数との間の相関関係に基づいて、前記第２の算出部により算出された前記心拍数から、前記被験者の覚醒時の極大周波数を推定する第２の推定部と、
   前記第１の推定部により推定された覚醒時の極大スペクトル密度と、前記第２の推定部により推定された覚醒時の極大周波数とを含む覚醒時データを生成する第１の生成部と、
   予め記録された覚醒時の極大スペクトル密度と非覚醒時の極大スペクトル密度との間の相関関係に基づいて、前記第１の推定部により推定された前記覚醒時の極大スペクトル密度から、前記被験者の非覚醒時の極大スペクトル密度を推定する第３の推定部と、
   予め記録された覚醒時の極大周波数と非覚醒時の極大周波数との間の相関関係に基づいて、前記第２の推定部により推定された前記覚醒時の極大周波数から、前記被験者の非覚醒時の極大周波数を推定する第４の推定部と、
   前記第３の推定部により推定された非覚醒時の極大スペクトル密度と、前記第４の推定部により推定された非覚醒時の極大周波数とを含む非覚醒時データを生成する第２の生成部と、
   第１の生成部により生成された覚醒時データと、第２の生成部により生成された非覚醒時データとを用いて覚醒度の指標を生成する第３の生成部と、
   被験者の心拍信号を検出するごとに、当該心拍信号から極大周波数及び極大スペクトル密度を算出する第３の算出部と、
   前記第３の算出部により算出された極大周波数及び極大スペクトル密度と、前記第３の生成部により生成された覚醒度の指標とを比較することで、被験者の覚醒度を判定する判定部と
   を備えたことを特徴とする覚醒度判定装置。

Images