JP2016007363A - 集団感情推定装置、集団感情推定方法及び集団感情推定プログラム - Google Patents

Abstract

【課題】集団の感情状態を高精度で推定すること。
【解決手段】複数の個人の生体センサから受信した生体情報から集団の感情情報を推定する集団感情推定装置１であって、複数の個人の生体センサから受信した生体情報が特徴抽出済みの生体情報であるかを判断するデータ入力部２と、前記特徴抽出済みと判断された生体情報の特徴情報に基づき集団の感情情報を推定する感情推定部５と、前記推定によって得られた感情情報を出力する出力部７とを備える。
【選択図】図１

Description

本発明は複数人の身体計測データから集団の感情状態を推定する分野に関する。

生体センサからの感情推定について、感情を表現する覚醒度（覚醒，鎮静）と情動価（快，中性，不快）について心拍データを利用して推定する方法が知られている（非特許文献１）。これによれば、心拍数（ＨＲ）および心拍変動の高周波成分（ＨＦ）の組み合わせにより、低覚醒／中性、高覚醒／快，高覚醒／不快をある程度推定可能であるが、精度には限界がある。

また、心拍だけでなく、脳波や皮膚コンダクタンスレベル（発汗）を利用して更に多くの感情を予測する方法が知られている（非特許文献２）。心拍、脳波、発汗を用い、驚き、怒り、楽しさ、恐怖、悲しみ、中性といった感情を、種別によってはある程度推定可能であるが、やはり精度には限界がある。

豊沢聡，河合隆史，「視聴者の心拍活動を用いた映像短縮方法とその評価」，映像情報メディア学会誌，63(1)，2009，pp86-94 大谷琢哉，工藤博章，松本哲也，竹内義則，大西昇，「映像視聴時における複数の生体信号を用いた感情の推定」，信学技報，IMQ2012-39，2013，pp.29-34

従来は、個人の生体情報を利用した感情推定はある程度可能であるが、精度には限界がある。本発明は、この従来技術の問題点に鑑みて、集団の生体情報を同時に取得して利用することにより、集団の感情を高精度で推定することを課題とする。

そこで、本発明は、複数の生体センサから受信した生体情報から抽出した特徴情報に基づき集団の感情情報を推定する。

本発明の集団感情推定装置の態様としては、複数の個人の生体センサから受信した生体情報から集団の感情情報を推定する集団感情推定装置であって、複数の個人の生体センサから受信した生体情報が特徴抽出済みの生体情報であるかを判断する入力手段と、前記特徴抽出済みと判断された生体情報の特徴情報に基づき集団の感情情報を推定する感情推定手段と、前記推定によって得られた感情情報を出力する出力手段とを備える。

本発明の集団感情推定方法は、複数の個人の生体センサから受信した生体情報から集団の感情情報を推定する集団感情推定方法であって、入力手段が複数の個人の生体センサから受信した生体情報が特徴抽出済みの生体情報であるかを判断するステップと、感情推定手段が前記特徴抽出済みと判断された生体情報の特徴情報に基づき集団の感情情報を推定するステップと、出力手段が前記推定によって得られた感情情報を出力するステップとを有する。

尚、本発明は上記装置の各手段としてコンピュータを機能させるプログラムまたは上記方法のステップをコンピュータに実行させるプログラムの態様とすることもできる。

本発明によれば集団の感情状態を高精度で推定できる。

本発明の実施形態における集団感情推定装置のブロック構成図。 同実施形態における集団感情推定過程のフロー図。 同実施形態におけるデータ入力過程のフローチャート。 同実施形態における前処理過程のフローチャート。 同実施形態における感情推定過程のフローチャート。 同実施形態における推定条件入力過程のフローチャート。 同実施形態における出力過程のフローチャート。 同実施形態における出力条件入力過程のフローチャート。

以下、図面を参照しながら本発明の実施の形態について説明するが本発明はこの実施形態に限定されるものではない。

［概要］
図１に示された本実施形態の集団感情推定装置１は、複数の個人の生体センサから受信した生体情報から抽出した特徴情報に基づく集団の感情情報の推定に関する確立分布に従って感情推定ベクトルを重み付けて積算することにより、集団の感情情報の推定を行う。

本実施形態の説明で述べられる技術用語について説明する。

「感情」：人間の感情。「怒り」「悲しみ」「喜び」等の感情情報にＩＤを付与して扱う。

「特徴データ」：個人に装着された生体センサから受信したセンサデータ（生体情報）から抽出した特徴情報に対して特徴パターンＩＤを付与したもの。これ以上の情報を含むこともできる。

「特徴パターンＩＤ」：センサデータにおいて異常値が検出されたとき、異常値の種類に応じて定義されるＩＤ。異常値が検出されない場合であっても、正常であること自体についても特徴パターンＩＤが定義できる。

「時間」：センサデータの特徴情報が抽出された時の時間情報。時間範囲若しくは特定の時刻として与えられる。映像データや音声データを非同期に視聴している場合には、絶対的な時間ではなく、データの開始からの相対的な経過時間で表現してもよい。

「場所」：センサデータの特徴情報が抽出された時の生体センサの位置情報。物理的な位置に限定されず、ヴァーチャルな位置情報（ある番組を見ている人の集合、特定のチャットルームに入っている人の集合など）であってもよい。

［装置の構成］
集団感情推定装置１は、図１に示されたように、データ入力部２、前処理部３、推定条件入力部４、感情推定部５、出力条件入力部６、出力部７を備える。

前処理部３は、データ入力部２から供されたセンサデータが特徴抽出済みのものである場合は不要である。推定条件入力部４も、感情推定部５における推定条件を随時設定する必要がない場合は不要である。出力条件入力部６も、出力部７における表示条件を随時設定する必要がなければ不要である。

上記各機能部２〜７はコンピュータのハードウェアリソースによって実現される。すなわち、集団感情推定装置１は、少なくとも演算装置（ＣＰＵ）、記憶装置（メモリ、ハードディスク装置等）、通信インタフェース等のコンピュータに係るハードウェアリソースを備える。そして、これらのハードウェアリソースがソフトウェアリソース（ＯＳ、アプリケーション等）と協働することにより各機能部２〜７が実装される。また、各々のコンピュータに機能部２〜７を各々実装させるようにしてもよい。

データ入力部２は、複数のユーザに装着された生体センサから受信したセンサデータが特徴抽出済みのデータであるかを判断する。前記入力されたデータが特徴抽出前のデータである場合には当該データを前処理部３に供する。一方、前記入力されたデータが特徴抽出済みのデータである場合には当該データを感情推定部５に供する。

前処理部３は、データ入力部２から供された特徴抽出済みでないと判断されたセンサデータからその特徴情報を抽出し、この特徴情報を当該データに付加してなる特徴データを感情推定部５に供する。より具体的には、データ入力部２から供された特徴抽出前のセンサデータから特徴情報を抽出してこの特徴情報の識別子である特徴パターンＩＤをユーザＩＤ、検出種目と対応付けて当該データに付与することにより特徴データを構成し、この特徴データを感情推定部５に供する。

推定条件入力部４は、前記感情情報の推定のための推定条件を感情推定部５に入力する。

感情推定部５は、データ入力部２または前処理部３から供された特徴データの特徴情報に基づき前記ユーザを含む集団の感情情報を推定し、この感情情報を出力部７に供する。より具体的には、特徴情報に対応付けて感情推定候補を定義した感情推定候補テーブルを参照することにより、データ入力部２または前処理部３から供された特徴データの特徴情報に対応する感情推定候補を示す確率ベクトルから成る感情推定ベクトルを取得する。そして、このベクトルの荷重和により前記ユーザを含む集団の感情情報を算出する。尚、推定条件が推定条件入力部４によって指定されている場合、この推定条件に応じて特徴データが選択され、この特徴データについて感情情報の推定を実行する。

出力条件入力部６は、出力される感情情報をフィルタリングするための条件を出力部７に供する。

出力部７は、感情推定部５によって推定された感情情報を出力する。尚、出力条件が出力条件入力部６によって指定されている場合、この指定された出力条件に基づき感情情報を出力する。

［本実施形態における感情推定過程の説明］
図２〜８を参照しながら本実施形態の感情推定の過程Ｓ１〜Ｓ４について説明する。

（データの入力）
Ｓ１：データ入力部２は、複数のユーザに装着された生体センサからセンサデータを受信し、このセンサデータが特徴抽出済みのデータである場合には感情推定部５に供する。一方、前記センサデータが特徴抽出前のデータである場合には当該データを前処理部３に供する。

Ｓ１の具体的な入力過程Ｓ１０１〜Ｓ１０５について図３を参照しながら説明する。

（Ｓ１０１）複数のユーザの生体センサから受信したセンサデータ（例えば、心電，心拍，脳波，筋肉電位，発汗，加速度等）を読み出す。

（Ｓ１０２）前記センサデータが特徴抽出済みのもの（特徴データ）、特徴抽出前のもの（生データ）のいずれかであるかの判断を行う。

（Ｓ１０３）前記センサデータが特徴データである場合には、このデータを、前処理部３を経由せずに、感情推定部５に供する。前記特徴データは特徴パターンＩＤを含んでいる。結果のフィルタリングのために、これに、位置情報、時間情報、検出項目、ユーザ情報等を付加することも可能である。

（Ｓ１０４）前記センサデータが生データである場合には、このデータを前処理部３に供する。前記生データは、検出項目とそのデータ（離散あるいは連続）の組を含む。感情推定結果のフィルタリングのために、これに位置情報、時間情報、ユーザ情報等を加えることも可能である。

（Ｓ１０５）前記複数の生体センサから受信した全てのセンサデータについてＳ１０１〜Ｓ１０４のステップを実行する。

（前処理）
Ｓ２：前処理部３は、データ入力部２から供された生データから特徴情報を抽出し、この特徴情報の識別子である特徴パターンＩＤをユーザＩＤ、検出種目と対応付けて当該データに付与することにより、特徴データを構成する。そして、この特徴データを感情推定部５に供する。

Ｓ２の具体的な前処理過程Ｓ２０１〜Ｓ２０５について図４を参照しながら説明する。

（Ｓ２０１）データ入力部２から供された生データを読み出す。

（Ｓ２０２）前記読み出された生データから予め定義された特徴パターンと合致する特徴情報を検出する。

特徴パターンは検出項目に応じて予め定義されている。典型的には、生体に関して標準でないとみなされるデータのパターンが用いられる。具体例としては、心拍数が当人の正常値の平均より標準偏差を超えて上回る、体温が平常時より０．２度以上高くなる、といったパターンについて定義される。特徴パターンは正常状態についても定義可能であり、例えば予め定めた閾値を超えた時間、継続的に正常状態が続いていることを特徴パターンとして定義することができる。尚、後述するが、特徴パターンは前処理部３、推定条件入力部４及び感情推定部５で共有される。

（Ｓ２０３）前記特徴情報が検出された生データに当該情報に対応した特徴パターンＩＤを付与する。

特徴パターンＩＤは、前記生データにおいて、予め定義された特徴パターンに合致する特徴的な数値（例えば、異常値）が検出されたときに、このデータに付与される。

特徴パターンは特徴パターンＩＤを与えることで符号化される。特徴パターンＩＤの命名規則は任意であり、数値として与えることも、種別名をＩＤの一部に加える（“心拍＿１”など）ことも可能である。

（Ｓ２０４）特徴パターンＩＤが付与された生データを、特徴データとして、感情推定部５に供する。この特徴データには、さらに時刻情報、場所情報、あるいはユーザＩＤ等、センサデータ取得に付随する情報を付加することができる。

（Ｓ２０５）入力部２から供された全ての生データについてＳ２０１〜Ｓ２０４のステップが実行される。

（感情情報の推定）
Ｓ３：感情推定部５は、データ入力部２または前処理部３から供された特徴データの特徴パターンの特徴情報に基づき集団の感情情報の推定を行い、この感情情報を出力部７に供する。

ここで、推定条件が推定条件入力部４によって指定されている場合、この推定条件に応じて特徴データが選択され、この特徴データに基づき感情情報の推定を実行する。また、推定条件入力部４から、時間情報や場所情報が与えられた時、当該時間や当該地点からの時間若しくは空間上の距離に応じて重みづけた感情推定を行うこともできる。

先ず、推定条件入力部４によって実行される具体的な推定条件入力過程Ｓ３１１〜Ｓ３１２について図６を参照しながら説明する。

（Ｓ３１１）推定条件を集団感情推定装置１の記憶領域から読み出す。

前記特徴データが、特徴パターンＩＤ以外の情報を含んでいる場合、その情報に基づいた推定条件を与えられる。例えば、前記特徴データに時間情報や場所情報が含まれていれば、特定の時間帯、特定のエリアなどの条件での検出を可能とする。また、ユーザＩＤやユーザ属性といった情報が特徴データに含まれていれば、推定条件としてもユーザＩＤやユーザ属性を指定可能となる。

（Ｓ３１２）前記読み出した推定条件を感情推定部５に供する。

次に、感情推定部５によって実行される具体的な感情推定過程Ｓ３０１〜Ｓ３０４について図５を参照しながら説明する。

（Ｓ３０１）推定条件入力部４によって推定条件が指定されているか否かの判断を行う。

（Ｓ３０２）前記推定条件が指定されている場合は、指定された推定条件に応じて、利用する特徴データを選択する。例えば、特徴データに時間情報、位置情報、あるいは特徴データに対応するユーザＩＤが含まれている場合、推定条件入力部４から時間情報、位置情報、若しくはユーザＩＤが推定条件として入力されると、この推定条件に合致した特徴データのみを選択する。

（Ｓ３０３）前記選択した特徴データ群に対して感情情報の推定を行う。

前記推定にあたり、予め、感情を表現するための感情パターンと、特徴パターンＩＤ毎に単独のセンサデータに対して推定される感情パターンに基づく感情推定候補とが定義される。感情パターンは、人間の感情状態をパターン化して感情ＩＤを付与したものである。感情推定候補は、与えられた単独の特徴データに対して、推定される感情ＩＤを、リスト、重み付きリスト、確率ベクトルなどの形式で設定したものである。

感情推定にあたり、前記特徴データ群の各特徴パターンＩＤについて、対応する感情推定候補を選択し、選択された感情推定候補を組み合わせることにより、特徴データ群全体に基づく集団の感情推定を行う。

以下に感情推定の具体的な過程Ｓ３０３（１）〜Ｓ３０３（４）について説明する。

Ｓ３０３（１）：特徴パターンが予め定義される。

表１に特徴パターンの定義例を示す。ここでは、正常状態も定義付けられている。また、推定条件入力部４からの推定条件として利用可能なように、センサデータの検出項目も定義されている。

特徴パターンは前処理部３、推定条件入力部４及び感情推定部５で共有される。データ入力部２から入力されるデータが特徴パターンＩＤによって符号化されている場合は、データ入力のための符号化の段階で定義された特徴パターンが共有される必要がある。

Ｓ３０３（２）：感情パターンが予め定義される。

感情パターン定義の例を表２に示す。この感情内容に対応して定義付けされた感情パターンも、感情推定部５、出力条件入力部６及び出力部７で共有される。

Ｓ３０３（３）：感情推定候補が予め定義される。

特徴パターンＩＤと、単独の特徴データから推定される感情データへの関係が、感情推定候補として予め定義される。特徴データの特徴情報（特徴パターンＩＤ）に対して推定される感情推定候補の定義を格納した感情推定候補テーブルの一例を表３及び表４に示す。

表３は、一時の感情推定候補の一例であり、単独の特徴データの特徴パターンが与えられた時、推定される感情パターンＩＤ（ｆ₀，ｆ₁，ｆ₂，…）を示している。感情推定候補は、「感情推定候補」カラムのようにリストで表現されることも、「ベクトル表現」カラムのように確率ベクトルで表現されることもできる。この確率ベクトルは、感情パターンの数ＭについてＭ次元のベクトルであり、感情推定ベクトルと称する。

特徴パターンに対する感情情報の推定は、複数の特徴パターンの複合に対しても定義できる。表４は、複数の特徴パターンＩＤの複合による感情推定候補を示す。これは、特徴データに複数の特徴パターンが同時に出現したときの感情推定を、リストあるいはベクトル（感情推定ベクトル）で表現したものである。

Ｓ３０３（４）：感情情報を推定する。

感情情報の推定の例を、ベクトルの加重和を利用した方法で示す。本事例では、特徴データの集合Ｓに対する集団感情推定にあたり、以下の過程Ｓ３２１，Ｓ３２２を実行する。

（Ｓ３２１）特徴データの集合Ｓに対する集団特徴パターンのベクトルｑ_sを以下の過程（１）〜（３）により作成する。尚、ベクトルｑ_sは特徴パターンＩＤの数Ｎについて、Ｎ次元ベクトルである。

（１）初期状態ではベクトルｑ_sの全ての要素が０に設定される。

（２）1つの特徴データｓ∈Ｓについて、その特徴パターンＩＤがｐ_iであれば、ベクトルｑ_sの第ｉ要素の値を１加える。

（３）特徴データの集合Ｓの全ての要素について、過程（２）を繰り返すことにより、ベクトルｑ_sが構成される。

（Ｓ３２２）各特徴パターンＩＤに対する感情推定ベクトルｖ₀，ｖ₁，…，ｖ_Nとベクトルｑ_sとから集合Ｓの感情推定パターンを示す関数ｆ_sを以下の過程（１）〜（３）により算出する。

（１）感情推定ベクトルについて、行列Ｖを、以下の式（１）のように構成する。

（２）この行列Ｖとベクトルｑ_sの積を計算することにより、各特徴パターンＩＤについて頻度と確率の積が各感情パターンに対して計算され、感情パターンに対する積和が以下の式（２）で示されるベクトルｇ_sとして得られる。

（３）ベクトルｇ_sの要素について、最大の値をもつ要素の要素番号を求める。ａｒｇｍａｘを、与えられたベクトルの最大値を持つ要素番号を返す関数ｆ_sと定義すると、感情推定結果は以下の関数ｆ_sの式（３）で示される感情パターンとして算出される。

（４）重みを加えた集団感情の推定
推定条件入力部４から、特定の時間と時間間隔による逓減関数が入力された場合、あるいは、特定の地点と距離による逓減関数が入力された場合、感情推定は特徴データごとに重みつきで計算できる。

例えば、特定の地点と、距離ｘについての逓減関数ｆ（ｘ）＝１／ｘが推定条件として入力された場合を考える。このとき、特徴データｓ∈Ｓに対して、指定された地点からの距離がＬであったとすれば、過程（２）において、ベクトルｑ_sの第ｉ要素の値を１加えるとしていた部分で、１の代わりに１／Ｌを加えることで、距離による重みを考慮した集団感情推定が可能となる。

（５）特徴パターンＩＤの複合による感情情報の推定
特徴パターンのＩＤの複合による感情推定候補を使用する場合は、集団特徴パターンのベクトルｑ_sの次元数を特徴パターン数Ｎに対し２^s次元のベクトルとし、各要素に特徴パターンの組み合わせラベルを付与すればよい。

（Ｓ３０４）ステップＳ３０３での推定によって得られた感情パターンを、感情情報として、出力部７に供する。この感情情報には、推定結果の感情種別が含まれる。また、感情情報には、強度若しくは確信度等の数値を含めることもできる。

（感情情報の出力）
Ｓ４：出力部７は、感情推定部５によって算出された感情情報を出力する。

ここで、出力条件が出力条件入力部６から指定されている場合、この指定された出力条件に従って感情情報がフィルタリングされる。これにより、ポジティブな感情に限定した推定の出力や、十分な推定精度が確保できないと判断されている感情を省いた出力を可能とする。

先ず、出力条件入力部６によって実行される出力条件入力過程Ｓ４１１〜Ｓ４１３について図８を参照しながら説明する。

（Ｓ４１１）出力条件を前記記憶領域から読み出す。出力条件の指定にあたり、感情推定で使用した感情パターンＩＤを適用する。

（Ｓ４１２）前記読み出した出力条件を符号化する。出力条件が感情パターンＩＤで表現されていない場合は、感情パターンＩＤに符号化する。感情の強度あるいは確信度について、出力する閾値を指定することも可能とする。

（Ｓ４１３）前記符号化された出力条件を出力部７に供する。

次に、出力部７によって実行される具体的な出力過程Ｓ４０１〜Ｓ４０４について図７を参照しながら説明する。

（Ｓ４０１）感情推定部５から感情情報の入力を受ける。

（Ｓ４０２）出力条件入力部６によって出力条件が指定されているか否かの判断を行う。

（Ｓ４０３）前記出力条件が指定されている場合、当該出力条件が出力条件入力部６から出力部７に供される。

（Ｓ４０４）ステップＳ４０１において受けた感情情報、または、ステップＳ４０３において指定された出力条件に基づき読み出した感情情報を出力する。この感情情報はさらにモニタ等の表示部に出力表示される。

出力部７から出力される感情情報は少なくとも「時間情報」「位置情報」「推定された集団の感情情報」の３つの組を含む。尚、この感情情報には、感情の強度あるいは確信度などの数値を加えることもできる。

［本実施形態の効果］
以上説明したように、本実施形態の集団感情推定装置１によれば、グループ化されたセンサデータ集合内のそれぞれの特徴データの感情推定に関する確率分布に従って感情推定ベクトルが重み付けられて積算されることにより、集団の感情情報が推定される。よって、個人レベルでは感情推定精度が十分に高くなくても、個人のレベルでの感情を推定することなしに、集団の感情状態を高精度に推定することができる。また、複数の生体センサデータを組み合わせることで、一人分の生体センサデータだけでは精度が期待できない感情推定を高精度で実現できる。特に、集団が場を共有するなど、同一の体験をしている場合には、感情推定はより高精度が期待される。

特に、生体センサから供された生体情報が特徴抽出済みでない場合であっても前処理部３によって特徴情報が抽出されるので当該生体情報を感情推定部５に供することができる。

また、感情情報の推定にあたり、前記感情情報の推定に重み付けさせる関数を入力する推定条件入力部４によって前記推定に対して任意に重み付けが行える。例えば、前記重み付けさせる関数として、特定時刻と特定時刻間の間隔とに基づく逓減関数または特定位置と特定位置間の距離とに基づく逓減関数が供されることにより、時刻情報または位置情報に依存した感情情報の推定が行える。

さらに、感情情報の出力をフィルタリングする条件を出力条件入力部６から出力部７に供するようにすることにより、出力部７から出力される感情情報を任意に規定、例えば、時刻情報または位置情報に応じて任意に規定できる。

［本発明の他の態様］
本発明は、集団感情推定装置１を構成する上記の機能部２〜７の一部若しくは全てとしてコンピュータを機能させるプログラムで構成しこれを当該コンピュータに実行させることにより実現できる。または、同装置１が実行する上記の過程Ｓ１〜Ｓ４の一部若しくは全てをコンピュータに実行させるプログラムで構成しこれを当該コンピュータに実行させることにより実現できる。そして、このプログラムをそのコンピュータが読み取り可能な周知の記録媒体（例えば、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ等）に格納して提供できる。または、前記プログラムをインターネットや電子メール等でネットワークを介して提供できる。

本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更、応用が可能である。

１…集団感情推定装置
２…データ入力部（入力手段）
３…前処理部（前処理手段）
４…推定条件入力部（推定条件入力手段）
５…感情推定部（感情推定手段）
６…出力条件入力部（出力条件入力手段）
７…出力部（出力手段）

Claims (8)

1. 複数の個人の生体センサから受信した生体情報から集団の感情情報を推定する集団感情推定装置であって、
   複数の個人の生体センサから受信した生体情報が特徴抽出済みの生体情報であるかを判断する入力手段と、
   前記特徴抽出済みと判断された生体情報の特徴情報に基づき集団の感情情報を推定する感情推定手段と、
   前記推定によって得られた感情情報を出力する出力手段と
   を備えたことを特徴とする集団感情推定装置。
2. 前記感情推定手段は、生体情報の特徴情報に対応付けて感情推定候補を定義した感情推定候補テーブルを参照することにより、前記特徴抽出済みと判断された生体情報の特徴情報に対応する感情推定候補を示す確率ベクトルを取得し、このベクトルの荷重和により前記集団の感情情報を算出することを特徴とする請求項１に記載の集団感情推定装置。
3. 前記入力手段によって特徴抽出済みでないと判断された生体情報からその特徴情報を抽出し、この特徴抽出済みの生体情報を前記感情推定手段に供する前処理手段をさらに備えたことを特徴とする請求項２に記載の集団感情推定装置。
4. 前記感情情報の推定に重み付けさせる関数を前記感情推定手段に供する推定条件入力手段をさらに備えたことを特徴とする請求項１から３のいずれか１項に記載の集団感情推定装置。
5. 前記重み付けさせる関数は、特定時刻と特定時刻間の間隔とに基づく逓減関数または特定位置と特定位置間の距離とに基づく逓減関数であることを特徴とする請求項４に記載の集団感情推定装置。
6. 前記出力される感情情報をフィルタリングする条件を前記出力手段に供する出力条件入力手段をさらに備えたことを特徴とする請求項１から５のいずれか１項に記載の集団感情推定装置。
7. 複数の個人の生体センサから受信した生体情報から集団の感情情報を推定する集団感情推定方法であって、
   入力手段が複数の個人の生体センサから受信した生体情報が特徴抽出済みの生体情報であるかを判断するステップと、
   感情推定手段が前記特徴抽出済みと判断された生体情報の特徴情報に基づき集団の感情情報を推定するステップと、
   出力手段が前記推定によって得られた感情情報を出力するステップと
   を有することを特徴とする集団感情推定方法。
8. コンピュータを請求項１から６のいずれか１項に記載の集団感情推定装置を構成する各手段として機能させる集団感情推定プログラム。

Images