JP2016009342A - エリアバースト推定提示装置、エリアバースト推定提示方法及びエリアバースト推定提示プログラム - Google Patents
エリアバースト推定提示装置、エリアバースト推定提示方法及びエリアバースト推定提示プログラム Download PDFInfo
- Publication number
- JP2016009342A JP2016009342A JP2014129750A JP2014129750A JP2016009342A JP 2016009342 A JP2016009342 A JP 2016009342A JP 2014129750 A JP2014129750 A JP 2014129750A JP 2014129750 A JP2014129750 A JP 2014129750A JP 2016009342 A JP2016009342 A JP 2016009342A
- Authority
- JP
- Japan
- Prior art keywords
- area
- information
- sensor data
- estimation
- presenting
- 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
【課題】特定エリアに属する者の能動的操作を要することなく当該エリアに特徴的なそのエリアにおける集団の感情状態を提示すること。【解決手段】特定エリアに特徴的なそのエリア内の集団の感情情報を提示するエリアバースト推定提示装置1であって、特定エリアに属する者に付帯された生体センサによって検出された生体情報とその位置情報とを含むセンサデータを収集するデータ集約部2と、前記センサデータの位置情報に基づき特定エリアに属する集団のセンサデータを選択するデータ選択部3と、前記選択されたセンサデータから推定された前記特定エリアに特徴的な集団の感情情報を提示する情報提示部5とを備える。【選択図】図1
Description
本発明は特定の感情状態を持つ人が多いエリアを推定する分野に関する。
多くの人が「盛り上がっている」などの特定の生理、心理状態にあることを判定する方法としては、マイクロブログへの投稿を利用して、地域ごとのバースト性を判定する技術が知られている(非特許文献1,2)。これにより、マイクロブログ中に出現する地域名と、それぞれの地域での投稿数の変化から、盛り上がっている地域を判定できる。
渡辺一史,大知正直,岡部誠,尾内理紀夫,「Twitterを用いた実世界ローカルイベント検出」,第4回楽天研究開発シンポジウム,2011年11月19日
中澤昌美,池田和史,服部元,小野智弘,「位置情報付きツイートからのイベント検出手法の提案」,情報処理学会第74回全国大会,2012,pp.1-503-1-504
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,pp.86-94
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
マイクロブログを利用してバースト抽出を行うためには、ブログの記述者が明示的に投稿を行う必要があり、記述者にとって投稿するためには時間的及び精神的な余裕が必要である。しかしながら、現状では、時間的及び精神的に余裕がない状況での生理、心理状態を抽出することは不可能であった。
本発明は、上記の事情に鑑み、特定エリアに属する者の能動的操作を要することなく当該エリアに特徴的なそのエリア内の集団の感情状態を提示できることを課題とする。
そこで、本発明は、予め生体情報とその位置情報とを収集し、この収集した生体情報の集合から所定の位置情報に基づき特定エリアに属する集団の生体情報を選択し、この選択された生体情報から推定された特定エリアに特徴的な感情情報を提示する。
すなわち、本発明のエリアバースト推定提示装置は、特定エリアに特徴的なそのエリア内の集団の感情情報を提示するエリアバースト推定提示装置であって、特定エリアに属する者の生体センサによって検出された生体情報とその位置情報とを含むセンサデータを収集するデータ集約手段と、前記センサデータの位置情報に基づき特定エリアに属する集団のセンサデータを選択するデータ選択手段と、前記選択されたセンサデータから推定された前記特定エリアに特徴的な集団の感情情報を提示する情報提示手段を備える。
また、本発明のエリアバースト推定提示方法は、特定エリアに特徴的なそのエリア内の集団の感情情報を提示するエリアバースト推定提示方法であって、データ集約手段が特定エリアに属する者に付帯された生体センサによって検出された生体情報とその位置情報とを含むセンサデータを収集するステップと、データ選択手段が前記センサデータの位置情報に基づき特定エリアに属する集団のセンサデータを選択するステップと、情報提示手段が前記選択されたセンサデータから推定された前記特定エリアに特徴的な集団の感情情報を提示するステップを有する。
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、特定エリアに属する者の能動的操作を要することなく当該エリアに特徴的なそのエリアにおける集団の感情状態を提示できる。
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エリアバースト推定提示装置1は、予め生体情報とその位置情報とを収集する。そして、この収集した生体情報の集合から所定の位置情報に基づき特定エリアに属する集団の生体情報を選択し、この選択された生体情報から推定された特定エリアに特徴的な集団の感情情報を提示する。
図1に示された本実施形態のエリアバースト推定提示装置1は、予め生体情報とその位置情報とを収集する。そして、この収集した生体情報の集合から所定の位置情報に基づき特定エリアに属する集団の生体情報を選択し、この選択された生体情報から推定された特定エリアに特徴的な集団の感情情報を提示する。
本実施形態の説明で述べられる技術用語「エリアバースト推定」は、興奮状態にある等の一定の生理・心理的状態にある人が多い位置的なエリアを推定することを意味する。
[装置の構成]
エリアバースト推定提示装置1は、図1に示されたように、データ集約部2、データ選択部3、特徴抽出部4、情報提示部5を備える。
エリアバースト推定提示装置1は、図1に示されたように、データ集約部2、データ選択部3、特徴抽出部4、情報提示部5を備える。
上記各機能部2〜5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、エリアバースト推定提示装置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2〜5が実装される。また、各々のコンピュータに機能部2〜5を各々実装させるようにしてもよい。
データ集約部2は、利用者に装着された生体センサから送信されたセンサデータを収集する。
前記センサデータには、検出項目とその生体情報並びにその位置情報が含まれる。検出項目としては、例えば、心電、心拍、脳波、筋肉電位、発汗、加速度が挙げられる。位置情報としては、緯度経度情報や、フロアにおける位置情報を座標として与えたものが挙げられる。また、位置情報は、物理的な位置情報ではなく、論理的(ヴァーチャル)な位置情報を与えることも可能である。例えば、ストリーミング配信を受けているユーザ群について、視聴しているチャンネルを論理的な位置情報として設定することも可能である。尚、センサデータは、生体センサを保持する個人を示すID(個人ID)や、データを取得した時間情報が付加されていてもよい。
データ選択部3は、データ集約部2から供されたセンサデータの位置情報に基づき特定エリアに属する集団のセンサデータを選択する。
特徴抽出部4は、データ選択部3によって選択された特定エリアに属する集団のセンサデータから当該エリアに特徴的な感情情報を所定の推定条件に基づき推定する。
情報提示部5は、前記推定された特定エリアに特徴的な集団の感情情報を提示する。
[本実施形態におけるエリアバースト推定提示の過程]
以下、図2〜11を参照してエリアバースト推定提示の過程について説明する。
以下、図2〜11を参照してエリアバースト推定提示の過程について説明する。
(データの集約)
S1:データ集約部2は、対象となる全ての利用者の生体センサから送信されたセンサデータを収集し、シリアライズしてデータ選択部3に供する。
S1:データ集約部2は、対象となる全ての利用者の生体センサから送信されたセンサデータを収集し、シリアライズしてデータ選択部3に供する。
センサデータには、検出項目、生体情報、位置情報、並びに生体センサのセンサIDが含まれていることが期待される。検出項目や位置情報が含まれていない場合、データ集約部2はデータ補完を行う。
センサIDと検出項目及びセンサが存在すると想定される位置情報は、エリアバースト推定提示装置1の記憶領域(例えば、HDD等)または同装置1と接続可能なサーバにおいて、センサ情報6として予め保存されている(図7のS111〜S113)。センサIDによりセンサ情報6を参照すると、センサ情報6から当該センサIDに対応する検出項目及び位置情報を取得できる。
先ず、前記データ補完のためのセンサ情報6の取得過程S111〜S113について図7を参照しながら説明する。データ補完用の位置情報の取得には、例えばGPSや無線タグが利用される。このGPSや無線タグに基づく位置情報は事前にサービス利用者のセンサと対応付けられる。
データ補完のためのセンサ情報6として座席指定(または入場エリア指定)のチケットを用いた位置情報を取得する事例について図7を参照しながら説明する。
(S111)エリアバースト推定を行おうとするイベントにおいて、座席指定(または入場エリア指定)のチケットが発行される際にこのチケットに生体センサとそのセンサIDが組み込こまれる。
(S112)前記チケットが発行されると、データ集約部2は、当該チケットのセンサIDと座席ID(または入場エリアID)情報の組を取得し、この組の座席IDを位置情報に変換する。
(S113)データ集約部2は、前記変換によって得たセンサIDと位置情報の組を、データ補完用のセンサ情報6として、前記記憶領域または前記サーバに保存する。これにより、センサIDに基づき位置情報をセンサ情報6に問い合わせると、センサ情報6から当該センサIDに対応したチケットの位置情報を取得できる。
次いで、図3を参照してS1の具体的なデータ収集の過程S101〜S104について説明する。
(S101)前記利用者の生体センサから送信されたセンサデータを読み出す。
(S102)前記センサデータに付加情報(例えば位置情報)が欠損しているか否かの判断を行う。
(S103)前記センサデータに前記付加情報が欠損していないと判断された場合、当該センサデータをデータ選択部3に供する。前記読み出された全てのセンサデータについてS101〜S103のステップが実行される。
(S104)前記センサデータに付加情報が欠損していると判断された場合、センサ情報6から前記生体センサに対応した付加情報を引き出して、当該センサデータに付加する。付加情報が補完されたセンサデータはステップS103に供される。
(データの選択)
S2:データ選択部3は、データ集約部2から供されたセンサデータに含まれる位置情報に基づき特定エリアに属する集団のセンサデータを選択する。
S2:データ選択部3は、データ集約部2から供されたセンサデータに含まれる位置情報に基づき特定エリアに属する集団のセンサデータを選択する。
図4を参照してS2の具体的なデータ選択の過程S201〜S206について説明する。
(S201)データ選択条件を読み出す。データ選択条件は、予め定義しておくか、都度入力してもよい。データ選択条件は、エリア毎のセンサデータが満たすべき条件が記述される。以下にデータ選択条件の具体例を示す。
データ選択条件の例として、エリア集合Aが例えば{a1,a2,…,an}のように与えられたとき、それぞれのエリアについてのデータ選択条件を作成することを考える。
センサデータの構成例を図8に示す。ここで、あるセンサデータsについて、その位置情報をs.placeと表現し、位置情報中のx座標及びy座標をそれぞれs.place.x及びs.place.yと表現する。
データ選択条件の態様としては、例えば「矩形領域への分割」「代表点からの距離に基づいた分割」「動的なエリア分割」によって規定されるエリアに含まれるセンサデータの選択条件が挙げられる。
(矩形領域への分割)
全領域を矩形でエリア分割する例を図9に示す。
全領域を矩形でエリア分割する例を図9に示す。
xy平面上にエリア集合AをA={a11,a12,…,aij,…,anm}のように定義する。このとき、エリアaijが、x軸方向にxiからxi+1、y軸方向にyiからyi+1の範囲として設定されていれば、センサデータがエリアaijに含まれる条件は、以下の式(1)で与えられる。
領域を式で定義できる場合は、エリア形状は矩形である必要は無く、任意の形でエリアを設定可能である。
(代表点からの距離に基づいた分割)
全領域に代表点を任意に配置し、代表点からの距離に従ってエリア分割することも可能である。図10に具体例を示す。
全領域に代表点を任意に配置し、代表点からの距離に従ってエリア分割することも可能である。図10に具体例を示す。
領域上に点を配置し、それぞれに中央からの距離を持った円によってエリアを定義する。例えば図内エリアaiは、中央点(xi,yj)と中央点からの距離rθによって定義され、センサデータがエリアaiに含まれる条件は、センサデータの位置情報と中央点(xi,yi)の距離を用いて、以下の式(2)で与えられる。
このとき、センサデータは1つのエリアのみに含まれるのではなく、複数のエリアに含まれることになる。一般的に、センサデータは複数のエリアに含まれても構わないが、単一のエリアのみに含ませるようにするためには、センサデータの位置に最も近い中央点が設定されたエリアに含ませるようにすればよい。
(動的なエリア分割)
領域上に予めエリアを設定するのではなく、動的にエリアを構成することもできる。センサデータを持つ個人の位置情報から一定の距離内にあるセンサデータを、当該個人付近のセンサデータとして利用することができる。このとき、ある個人を中心としたバースト検出を行える。これは前記「代表点からの距離に基づいた分割」において中央点として定めた点を、個人の位置情報に置き換えることで実現できる。
領域上に予めエリアを設定するのではなく、動的にエリアを構成することもできる。センサデータを持つ個人の位置情報から一定の距離内にあるセンサデータを、当該個人付近のセンサデータとして利用することができる。このとき、ある個人を中心としたバースト検出を行える。これは前記「代表点からの距離に基づいた分割」において中央点として定めた点を、個人の位置情報に置き換えることで実現できる。
(S202)データ集約部2から供されたセンサデータを読み出す。センサデータは、1件ずつ読み出されるか、あるいは複数のデータが集合として一括して読み出される。
(S203)前記読み出したセンサデータを前記データ選択条件と照合する。
センサデータを前記データ選択条件と照合して当該センサデータの位置情報と合致したエリアに分類してエリア毎センサデータテーブルに一時的に格納する。前記センサデータの位置情報が1つのエリアのみならず複数のエリアの選択条件に合致する場合は、当該センサデータは各エリアに分類されて前記データテーブルに一時的に格納される。
(S204)現在時刻が前回送信した時刻p_timeから所定時間経過していない場合、データ集約部2から供された他のセンサデータを読み出す。
(S205)現在時刻が時刻p_timeから所定時間経過した場合、前記データテーブルに一時的に格納されているエリア毎のセンサデータを特徴抽出部4に供する。
(S206)時刻p_timeを前記現在時刻に更新する。
以上のステップS2の過程で分類されたエリア毎センサデータの一例を表1に示す。各エリアについて、対応するセンサデータが集合として割り当てられた形式となる。
(集団の感情情報の推定)
S3:特徴抽出部4は、データ選択部3によって選択された特定エリアに属する集団のセンサデータから当該エリアに特徴的な感情情報を所定の推定条件に基づき推定する。
S3:特徴抽出部4は、データ選択部3によって選択された特定エリアに属する集団のセンサデータから当該エリアに特徴的な感情情報を所定の推定条件に基づき推定する。
図5を参照してS3の具体的な推定の過程S301〜S304について説明する。
(S301)推定条件をエリアバースト推定提示装置1の記憶領域から読み出す。
推定条件は予め定義されるか、または、手入力によって設定される。推定条件は、アルゴリズムとして定義される。推定条件として与えるアルゴリズムを変更することで、着目するバーストを変更できる。推定条件は、任意個数設定可能であり、一度のセンサデータ群読み出しに対して、複数の特徴を抽出可能である。
(S302)データ選択部3から供されたエリア毎のセンサデータの集合を読み出す。
(S303)前記読み出したセンサデータ群について、エリア毎に感情情報の推定を行う。
感情情報の推定にあたり、過去のセンサデータ及び抽出結果データを必要に応じて利用する。そのため、推定に際しては過去のセンサデータ及び本ステップS3で得られた感情情報が前記記憶領域や前記サーバに予め保存される。
感情情報の推定としては、例えば、「心拍上昇率に基づく推定」「感情推定ベクトルに基づく推定」が挙げられる。
(心拍上昇率に基づく推定)
本法は、特定エリア内の心拍上昇率に基づく感情情報を出力する。この条件は、以下のアルゴリズム(1)〜(3)で記述される。
(1)「上昇」変数を0とする。
(2)与えられたデータ群(S302で読み出されたセンサデータの集合)について、検出項目が「心拍」であり、各個人の心拍データについて、通常から上昇していれば「上昇」に1を加える。
(3)全てのデータ群について、「上昇」の数値が、センサデータ総数に対して事前に設定した閾値以上であれば、「真」を出力し、そうでなければ「偽」を出力する。
本法は、特定エリア内の心拍上昇率に基づく感情情報を出力する。この条件は、以下のアルゴリズム(1)〜(3)で記述される。
(1)「上昇」変数を0とする。
(2)与えられたデータ群(S302で読み出されたセンサデータの集合)について、検出項目が「心拍」であり、各個人の心拍データについて、通常から上昇していれば「上昇」に1を加える。
(3)全てのデータ群について、「上昇」の数値が、センサデータ総数に対して事前に設定した閾値以上であれば、「真」を出力し、そうでなければ「偽」を出力する。
(感情推定ベクトルに基づく推定)
本法は、例えば非特許文献3,4に開示された生体情報を利用した感情推定技術の適用によりセンサデータから感情情報を推定し、この推定により得られた特定エリアの特徴的な感情情報を出力する。
本法は、例えば非特許文献3,4に開示された生体情報を利用した感情推定技術の適用によりセンサデータから感情情報を推定し、この推定により得られた特定エリアの特徴的な感情情報を出力する。
より具体的には、センサデータ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特定エリアに属する集団の感情情報を推定する。
以下に感情推定の具体的な過程S311〜S314について説明する。
(S311)感情情報の推定に供される特徴パターンが予め定義される。
センサデータ(S302で読み出されたセンサデータの集合)の内容に応じて特徴パターンが予め定義される。表2に特徴パターン定義の例を示す。ここでは、正常状態も定義付けられている。
(S312)感情情報の推定に供される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3に示す。
(S313)感情推定候補を定義する。
特徴パターンIDと、単独のセンサデータから推定される感情データへの関係を、感情推定候補として定義する。センサデータの特徴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4及び表5に示す。
表4は、一時の感情推定候補の一例であり、単独のセンサ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5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、センサデータに複数の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。
(S314)感情情報を推定する。
感情情報の推定ではベクトルの加重和を利用する。本事例では、ステップS302で読み出されたセンサデータの集合Sに対する集団の感情情報の推定にあたり、以下の過程S321,S322を実行する。
(S321)前記センサデータの集合Sに対する集団特徴パターンのベクトルqsを以下の過程(1)〜(3)により作成する。尚、ベクトルqs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qsの全ての要素が0に設定される。
(2)1つのセンサデータs∈Sについて、その特徴パターンIDがpiであれば、ベクトルqsの第i要素の値を1加える。
(3)センサデータの集合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qs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,…,vNとベクトルqsとから集合Sの感情推定パターンを示す関数fs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(3)ように作成する。
(2)この行列Vとベクトルqsと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ベクトルgsとして以下の(4)のように得られる。
(3)ベクトルgsの要素について、最大の値を有する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fsと定義すると、感情推定結果は以下の関数fsの式(5)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推定
推定条件として、特定の時間と時間間隔による逓減関数が供された場合、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、感情推定はセンサデータごとに重みつきで計算できる。
推定条件として、特定の時間と時間間隔による逓減関数が供された場合、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、感情推定はセンサ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、センサデータ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qs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qsの次元数を特徴パターン数Nに対し2s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。
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qsの次元数を特徴パターン数Nに対し2s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情報を、特定エリアに特徴的な集団の感情情報として、出力する。エリアが複数の場合は前記感情情報がエリア毎に出力される。尚、前記感情情報はステップS303における特徴抽出のために前記記憶領域や前記サーバに保存される。
(感情情報の提示)
S4:情報提示部5は、特徴抽出部4から供されたエリア毎の特徴的な集団の感情情報を提示する。
S4:情報提示部5は、特徴抽出部4から供されたエリア毎の特徴的な集団の感情情報を提示する。
図6を参照してS4の具体的な提示の過程S401,S402について説明する。
(S401)特徴抽出部4から供されたエリア毎の特徴的な集団の感情情報を読み出す。
(S402)前記読み出した集団の感情情報をユーザに対してモニタ等の表示部から出力表示させる。特徴抽出結果が得られているエリアが複数の場合には全てのエリアの抽出結果が出力表示される。以下に情報提示の態様(1)〜(3)を例示する。
(1)エリア毎の感情情報をそのまま表示
本態様では、特徴抽出部4から供された集団の感情情報をエリア毎にそのまま表示部から表示する。これにより、エリア毎の特徴的な生理・心理状態が文言的(例えば心拍上昇率に基づく特徴抽出の場合)または数値的(例えば感情推定に基づく特徴抽出の場合)に表示されるので、エリアバースト情報を客観的に把握できる。
本態様では、特徴抽出部4から供された集団の感情情報をエリア毎にそのまま表示部から表示する。これにより、エリア毎の特徴的な生理・心理状態が文言的(例えば心拍上昇率に基づく特徴抽出の場合)または数値的(例えば感情推定に基づく特徴抽出の場合)に表示されるので、エリアバースト情報を客観的に把握できる。
(2)地図上に重畳表示
本態様では、特徴抽出部4から供された各エリアの集団の感情情報を電子的な地図上の当該エリアに対応する位置に重畳して表示する。このとき、感情情報に応じて色づけして表示すれば、より直感的に検出されたエリアバースト情報を表示できる。
本態様では、特徴抽出部4から供された各エリアの集団の感情情報を電子的な地図上の当該エリアに対応する位置に重畳して表示する。このとき、感情情報に応じて色づけして表示すれば、より直感的に検出されたエリアバースト情報を表示できる。
(3)物理的なエリア上に表示
各エリアに属する個人の生体センサ10から収集したセンサデータから推定された感情情報を当該エリアの所定範囲にフィードバックする。図11に照明装置11を用いた情報提示例を示す。予め各エリアに対して照明装置11の識別情報を登録しておき、エリア毎に推定された感情情報に応じて、当該エリアの現場に具備された照明装置11によってそのエリアを照射する。これにより、エリア毎のエリアバースト状況を、その場にいる個人が即座に把握することが可能となる。特に、能動的に操作できない生体センサ(心拍データなど)を用いたバースト検出結果の表示に有効である。
各エリアに属する個人の生体センサ10から収集したセンサデータから推定された感情情報を当該エリアの所定範囲にフィードバックする。図11に照明装置11を用いた情報提示例を示す。予め各エリアに対して照明装置11の識別情報を登録しておき、エリア毎に推定された感情情報に応じて、当該エリアの現場に具備された照明装置11によってそのエリアを照射する。これにより、エリア毎のエリアバースト状況を、その場にいる個人が即座に把握することが可能となる。特に、能動的に操作できない生体センサ(心拍データなど)を用いたバースト検出結果の表示に有効である。
[本実施形態の効果]
以上説明したように、本実施形態のエリアバースト推定提示装置1によれば、生体情報とその位置情報とを含むセンサデータが予め収集され、前記センサデータの位置情報に基づき選択された特定エリアに属する集団のセンサデータから推定された当該エリアに特徴的な集団の感情情報が提示される。したがって、特定エリアに属する者の能動的操作を要することなく当該エリアに特徴的なそのエリアにおける集団の感情状態を提示できる。
以上説明したように、本実施形態のエリアバースト推定提示装置1によれば、生体情報とその位置情報とを含むセンサデータが予め収集され、前記センサデータの位置情報に基づき選択された特定エリアに属する集団のセンサデータから推定された当該エリアに特徴的な集団の感情情報が提示される。したがって、特定エリアに属する者の能動的操作を要することなく当該エリアに特徴的なそのエリアにおける集団の感情状態を提示できる。
特に、センサデータに検出項目若しくは位置情報が含まれていない場合、生体センサの検出項目若しくは当該センサが存在すると想定される位置情報を当該センサの識別子と対応付けて格納したセンサ情報6から、前記センサデータを検出した生体センサの識別子に対応した検出項目若しくは位置情報が取得されて付与される。これにより、特定エリアに属する者の能動的操作を要することなく、当該エリアに属する集団の感情情報を推定しやすくなる。
また、特定エリアに特徴的な感情情報の推定にあたり、アルゴリズムとして与えることにより、特徴抽出をモジュールとして設定可能にし、様々な特徴抽出方法に対応したサービス設計が可能となる。例えば、物理的あるいは論理的なエリアを指定して、当該エリアでの集団の人の集団の生理・心理状態の特徴を抽出して、提示できる。このとき、生体センサデータを直接利用することにより、人間による明示的な入力なしに、集団の興奮や冷静といった感情状態を物理的あるいは論理的なエリア単位で提示可能となる。例えば、チケットで得られるユーザの位置情報を、センサデータの位置情報として利用し、各エリアでの集団の生理・心理状態の特徴を検出することにより、コンサート等のイベント会場において、多くの利用者(観客)が特定の心理状態になっている(例えば盛り上がっている)エリアを特定し、そのエリアの心理状態を可視化できる。そして、これにより、各エリア内の人、ステージ上の人、ステージの演出を行う人、生理・心理状態を将来利用する人に提示できる。
[本発明の他の態様]
本発明は、エリアバースト推定提示装置1を構成する上記の機能部2〜5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、エリアバースト推定提示装置1を構成する上記の機能部2〜5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…エリアバースト推定提示装置
2…データ集約部(データ集約手段)
3…データ選択部(データ選択手段)
4…特徴抽出部
5…情報提示部(情報提示手段)
6…センサ情報
2…データ集約部(データ集約手段)
3…データ選択部(データ選択手段)
4…特徴抽出部
5…情報提示部(情報提示手段)
6…センサ情報
Claims (8)
- 特定エリアに特徴的なそのエリア内の集団の感情情報を提示するエリアバースト推定提示装置であって、
特定エリアに属する者に付帯された生体センサによって検出された生体情報とその位置情報とを含むセンサデータを収集するデータ集約手段と、
前記センサデータの位置情報に基づき特定エリアに属する集団のセンサデータを選択するデータ選択手段と、
前記選択されたセンサデータから推定された前記特定エリアに特徴的な集団の感情情報を提示する情報提示手段と
を備えたことを特徴とするエリアバースト推定提示装置。 - 前記データ集約手段は、前記センサデータに検出項目若しくは位置情報が付与されていない場合、生体センサの検出項目若しくは当該センサが存在すると想定される位置情報を当該センサの識別子と対応付けて格納したセンサ情報から、前記センサデータを検出した生体センサの識別子に対応した検出項目若しくは位置情報を取得することを特徴とする請求項1に記載のエリアバースト推定提示装置。
- 前記データ選択手段は、前記位置情報に基づく所定範囲のエリアに属するセンサデータを選択すること
を特徴とする請求項1または2に記載のエリアバースト推定提示装置。 - 前記情報提示手段は、前記特定エリアに特徴的な感情情報を文言的または数値的に出力表示させることを特徴とする請求項1から3のいずれか1項に記載のエリアバースト推定提示装置。
- 前記情報提示手段は、前記特定エリアに特徴的な感情情報を電子的な地図上の当該エリアに対応する位置に重畳して出力表示させることを特徴とする請求項1から3のいずれか1項に記載のエリアバースト推定提示装置。
- 前記情報提示手段は、前記感情情報が推定された特定エリアに対応した現場に具備された照明装置に当該エリアを照射させることを特徴とする請求項1から3のいずれか1項に記載のエリアバースト推定提示装置。
- 特定エリアに特徴的なそのエリア内の集団の感情情報を提示するエリアバースト推定提示方法であって、
データ集約手段が特定エリアに属する者に付帯された生体センサによって検出された生体情報とその位置情報とを含むセンサデータを収集するステップと、
データ選択手段が前記センサデータの位置情報に基づき特定エリアに属する集団のセンサデータを選択するステップと、
情報提示手段が前記選択されたセンサデータから推定された前記特定エリアに特徴的な集団の感情情報を提示するステップと
を有することを特徴とするエリアバースト推定提示方法。 - コンピュータを請求項1から6のいずれか1項に記載のエリアバースト推定提示装置として構成する各手段として機能させるエリアバースト推定提示プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014129750A JP2016009342A (ja) | 2014-06-25 | 2014-06-25 | エリアバースト推定提示装置、エリアバースト推定提示方法及びエリアバースト推定提示プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014129750A JP2016009342A (ja) | 2014-06-25 | 2014-06-25 | エリアバースト推定提示装置、エリアバースト推定提示方法及びエリアバースト推定提示プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016009342A true JP2016009342A (ja) | 2016-01-18 |
Family
ID=55226854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014129750A Pending JP2016009342A (ja) | 2014-06-25 | 2014-06-25 | エリアバースト推定提示装置、エリアバースト推定提示方法及びエリアバースト推定提示プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2016009342A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017134689A (ja) * | 2016-01-28 | 2017-08-03 | Kddi株式会社 | 各端末のユーザ状態を判定する管理サーバ、システム、プログラム及び方法 |
JP2018138155A (ja) * | 2017-02-24 | 2018-09-06 | 沖電気工業株式会社 | 感情推定サーバ装置、感情推定方法、提示装置及び感情推定システム |
WO2020075584A1 (ja) * | 2018-10-11 | 2020-04-16 | 国立大学法人京都大学 | 学習型実空間情報形成システム |
JP2021049349A (ja) * | 2020-11-17 | 2021-04-01 | 沖電気工業株式会社 | 提示装置、提示方法、プログラム及び感情推定システム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080091515A1 (en) * | 2006-10-17 | 2008-04-17 | Patentvc Ltd. | Methods for utilizing user emotional state in a business process |
JP2008272019A (ja) * | 2007-04-25 | 2008-11-13 | Oki Electric Ind Co Ltd | 集団感情認識支援システム |
JP2010282414A (ja) * | 2009-06-04 | 2010-12-16 | Hitachi Ltd | 携帯型検査端末と健康管理システム |
JP2014045242A (ja) * | 2012-08-24 | 2014-03-13 | Oki Electric Ind Co Ltd | 仮想センサ生成装置、仮想センサ生成方法およびプログラム |
WO2014074426A1 (en) * | 2012-11-06 | 2014-05-15 | Intel Corporation | Determining social sentiment using physiological data |
US20140163337A1 (en) * | 2011-07-05 | 2014-06-12 | Saudi Arabian Oil Company | Systems, computer medium and computer-implemented methods for monitoring and improving biomechanical health of employees |
-
2014
- 2014-06-25 JP JP2014129750A patent/JP2016009342A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080091515A1 (en) * | 2006-10-17 | 2008-04-17 | Patentvc Ltd. | Methods for utilizing user emotional state in a business process |
JP2008272019A (ja) * | 2007-04-25 | 2008-11-13 | Oki Electric Ind Co Ltd | 集団感情認識支援システム |
JP2010282414A (ja) * | 2009-06-04 | 2010-12-16 | Hitachi Ltd | 携帯型検査端末と健康管理システム |
US20140163337A1 (en) * | 2011-07-05 | 2014-06-12 | Saudi Arabian Oil Company | Systems, computer medium and computer-implemented methods for monitoring and improving biomechanical health of employees |
JP2014045242A (ja) * | 2012-08-24 | 2014-03-13 | Oki Electric Ind Co Ltd | 仮想センサ生成装置、仮想センサ生成方法およびプログラム |
WO2014074426A1 (en) * | 2012-11-06 | 2014-05-15 | Intel Corporation | Determining social sentiment using physiological data |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017134689A (ja) * | 2016-01-28 | 2017-08-03 | Kddi株式会社 | 各端末のユーザ状態を判定する管理サーバ、システム、プログラム及び方法 |
JP2018138155A (ja) * | 2017-02-24 | 2018-09-06 | 沖電気工業株式会社 | 感情推定サーバ装置、感情推定方法、提示装置及び感情推定システム |
WO2020075584A1 (ja) * | 2018-10-11 | 2020-04-16 | 国立大学法人京都大学 | 学習型実空間情報形成システム |
JP7398808B2 (ja) | 2018-10-11 | 2023-12-15 | 国立大学法人京都大学 | 学習型実空間情報形成システム |
JP2021049349A (ja) * | 2020-11-17 | 2021-04-01 | 沖電気工業株式会社 | 提示装置、提示方法、プログラム及び感情推定システム |
JP7205528B2 (ja) | 2020-11-17 | 2023-01-17 | 沖電気工業株式会社 | 感情推定システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10003924B2 (en) | Method of and server for processing wireless device sensor data to generate an entity vector associated with a physical location | |
JP6386810B2 (ja) | 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 | |
Kuo et al. | Geographic disparities in late-stage breast cancer diagnosis in California | |
WO2018120426A1 (zh) | 基于位置服务的个人健康状态评估方法、装置、设备和存储介质 | |
JP6418260B2 (ja) | 要因推定装置、要因推定システム、および要因推定方法 | |
US11574005B2 (en) | Client application content classification and discovery | |
JP2016009342A (ja) | エリアバースト推定提示装置、エリアバースト推定提示方法及びエリアバースト推定提示プログラム | |
EP4222679A1 (en) | Analyzing augmented reality content item usage data | |
US20180160960A1 (en) | Information processing system and information processing method | |
US20190005841A1 (en) | Representation of group emotional response | |
JP6478327B2 (ja) | センサを搭載しない携帯端末におけるユーザ状態を推定するサーバ及びプログラム | |
JP2017220181A (ja) | 案内表示システム、案内表示方法及び案内表示プログラム | |
Amanda et al. | Analysis of tourists preferences on smart tourism in Yogyakarta (Case: Vredeburg Fort Museum) | |
CN115686199B (zh) | 一种群体眼动轨迹生成方法、装置、计算设备及存储介质 | |
JP2016062542A (ja) | 位置変換プログラム及び情報処理装置 | |
Solymosi | Exploring spatial patterns of guardianship through civic technology platforms | |
Kohlmann et al. | A methodological framework for the analysis of highly intensive, multimodal and heterogeneous data in the context of health-enabling technologies and ambient-assisted living | |
CN111949813A (zh) | 交友请求方法、装置、计算机设备和存储介质 | |
Ribeiro et al. | Addressing the challenges of covid-19 social distancing through passive wi-fi and ubiquitous analytics: A real world deployment | |
JP5412983B2 (ja) | 情報処理装置及びプログラム | |
Azhar et al. | Real-Time Dynamic and Multi-View Gait-Based Gender Classification Using Lower-Body Joints | |
US11317870B1 (en) | System and method for health assessment on smartphones | |
Warren et al. | Influence of demographic and health survey point displacements on point-in-polygon analyses | |
US20230229937A1 (en) | Ai training data creation support system, ai training data creation support method, and ai training data creation support program | |
EP4089609A1 (en) | Information management system, information management method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160915 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170621 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170627 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20180109 |