JP2023101204A - 情報処理プログラム、情報処理装置及び情報処理方法 - Google Patents

情報処理プログラム、情報処理装置及び情報処理方法 Download PDF

Info

Publication number
JP2023101204A
JP2023101204A JP2022001677A JP2022001677A JP2023101204A JP 2023101204 A JP2023101204 A JP 2023101204A JP 2022001677 A JP2022001677 A JP 2022001677A JP 2022001677 A JP2022001677 A JP 2022001677A JP 2023101204 A JP2023101204 A JP 2023101204A
Authority
JP
Japan
Prior art keywords
information
target user
recommended
physical information
user
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
Application number
JP2022001677A
Other languages
English (en)
Other versions
JP7256907B1 (ja
Inventor
俊洋 内海
Toshihiro Uchiumi
周之 岡本
Chikayuki Okamoto
正道 片桐
Masamichi Katagiri
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Japan Computer Vision Corp
Original Assignee
Japan Computer Vision Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Japan Computer Vision Corp filed Critical Japan Computer Vision Corp
Priority to JP2022001677A priority Critical patent/JP7256907B1/ja
Priority to US17/859,910 priority patent/US20230223130A1/en
Application granted granted Critical
Publication of JP7256907B1 publication Critical patent/JP7256907B1/ja
Publication of JP2023101204A publication Critical patent/JP2023101204A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Biophysics (AREA)
  • Nutrition Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

Figure 2023101204000001
【課題】利用者の健康管理を適切に支援する。
【解決手段】本願に係る情報処理プログラムは、処理対象の利用者である対象利用者の現時点における身体情報である現在身体情報、および、現時点から所定時間が経過した後における対象利用者の希望する対象利用者の身体情報である将来身体情報を取得する取得手順と、取得手順によって取得された現在身体情報および将来身体情報に基づいて、食事を撮影した食事画像に撮像された食品のうち、対象利用者に対して摂取を推奨する食品に関する推奨食品情報を推定する推定手順と、推定手順によって推定された推奨食品情報を対象利用者に対して提供する提供手順と、をコンピュータに実行させる。
【選択図】図３

Description

本発明は、情報処理プログラム、情報処理装置及び情報処理方法に関する。
従来、利用者の健康管理を支援するための様々な技術が知られている。例えば、対象者が食事をする様子を撮影装置により撮影し、撮影された画像又は動画から、食事に関する複数の項目を含む食事記録情報を取得および蓄積する。また、対象者の生体データを測定装置により測定し、測定された生体データに関する生体データ情報を蓄積する。そして、蓄積された食事記録情報および生体データ情報から、食事記録情報の各項目と生体データの変動との関連性を分析して関連性データを作成し、作成された関連性データに基づいて食事に関するアドバイスを生成し、生成されたアドバイスを対象者へ提供する技術が知られている。
特開２０１７－５４１６３号公報
しかしながら、上記の従来技術は、対象者の過去の食事記録情報と生体データ情報とに基づいて生成された食事に関するアドバイスを利用者へ提供するに過ぎないため、利用者の健康管理を適切に支援することができるとは限らない。
本願は、上記に鑑みてなされたものであって、利用者の健康管理を適切に支援することができる情報処理プログラム、情報処理装置及び情報処理方法を提供することを目的とする。
本願に係る情報処理プログラムは、処理対象の利用者である対象利用者の現時点における身体情報である現在身体情報、および、当該現時点から所定時間が経過した後における当該対象利用者の希望する当該対象利用者の身体情報である将来身体情報を取得する取得手順と、前記取得手順によって取得された現在身体情報および将来身体情報に基づいて、食事を撮影した食事画像に撮像された食品のうち、前記対象利用者に対して摂取を推奨する食品に関する推奨食品情報を推定する推定手順と、前記推定手順によって推定された推奨食品情報を前記対象利用者に対して提供する提供手順と、をコンピュータに実行させる。
実施形態の一態様によれば、利用者の健康管理を適切に支援することができるといった効果を奏する。
図１は、実施形態に係る情報処理装置の構成例を示す図である。 図２は、実施形態に係る現在身体情報および将来身体情報の入力を受け付ける受付処理について説明するための図である。 図３は、実施形態に係る推奨食品情報の推定処理について説明するための図である。 図４は、実施形態に係る推奨運動情報の推定処理について説明するための図である。 図５は、実施形態に係る情報処理手順を示すフローチャートである。 図６は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。
以下に、本願に係る情報処理プログラム、情報処理装置及び情報処理方法を実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理プログラム、情報処理装置及び情報処理方法が限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。
（実施形態）
〔１．情報処理装置の構成〕
情報処理装置１００は、利用者の健康管理を支援する健康管理サービスを利用する利用者が所有し使用する端末装置である。情報処理装置１００は、スマートフォンやタブレットＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などのモバイル端末であってもよいし、ノートＰＣやデスクトップＰＣであってもよい。
情報処理装置１００は、現時点における利用者の体形等の身体情報および将来における利用者が希望する利用者の体形等の身体情報に基づいて、利用者の身体情報を利用者が希望する身体情報に近づけるために必要な食事や運動に関するアドバイスを提供する。例えば、情報処理装置１００は、食事を撮影した食事画像に撮像された食品のうち、利用者に対して摂取を推奨する食品に関する推奨食品情報および利用者に対して摂取を推奨しない食品に関する非推奨食品情報を利用者に対して提供する。
図１は、実施形態に係る情報処理装置１００の構成例を示す図である。情報処理装置１００は、通信部１１０と、記憶部１２０と、入力部１３０と、出力部１４０と、撮像部１５０と、制御部１６０とを有する。
（通信部１１０）
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。そして、通信部１１０は、ネットワークと有線または無線で接続され、例えば、健康管理サービスを提供するサービス提供者によって管理されるサーバ装置との間で情報の送受信を行う。
（記憶部１２０）
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory)、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。具体的には、記憶部１２０は、健康管理サービスに関するアプリケーション等の各種プログラム（情報処理プログラムの一例）を記憶する。
（入力部１３０）
入力部１３０は、利用者から各種操作が入力される。例えば、入力部１３０は、タッチパネル機能により表示面（例えば出力部１４０）を介して利用者からの各種操作を受け付けてもよい。また、入力部１３０は、情報処理装置１００に設けられたボタンや、情報処理装置１００に接続されたキーボードやマウスからの各種操作を受け付けてもよい。例えば、入力部１３０は、画像に対する加工操作を受け付ける。
（出力部１４０）
出力部１４０は、例えば、液晶ディスプレイや有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現される表示画面であり、各種情報を表示するための表示装置である。出力部１４０は、制御部１６０の制御に従って、各種情報を表示する。例えば、出力部１４０は、受付部１６１が受け付けた画像を表示する。なお、情報処理装置１００にタッチパネルが採用される場合には、入力部１３０と出力部１４０とは一体化される。また、以下の説明では、出力部１４０を画面と記載する場合がある。
（撮像部１５０）
撮像部１５０は、対象物を撮像するカメラ機能を実現する。撮像部１５０は、例えば、レンズなどの光学系と、ＣＣＤ（Charge Coupled Device）イメージセンサまたはＣＭＯＳ（Complementary Metal Oxide Semiconductor）センサなどの撮像素子とを有する。具体的には、撮像部１５０は、利用者の操作に従って、画像を撮像する。例えば、撮像部１５０は、利用者の身体の少なくとも一部が撮像された利用者画像を撮像する。また、撮像部１５０は、食事を撮像した食事画像を撮像する。
（制御部１６０）
制御部１６０は、コントローラ（controller）であり、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、情報処理装置１００内部の記憶装置に記憶されている各種プログラム（情報処理プログラムの一例に相当）がＲＡＭを作業領域として実行されることにより実現される。また、制御部１６０は、コントローラであり、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現される。
制御部１６０は、受付部１６１と、取得部１６２と、推定部１６３と、提供部１６４を機能部として有し、以下に説明する情報処理の作用を実現または実行してよい。なお、制御部１６０の内部構成は、図１に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、各機能部は、制御部１６０の機能を示したものであり、必ずしも物理的に区別されるものでなくともよい。
（受付部１６１）
図２は、実施形態に係る現在身体情報および将来身体情報の入力を受け付ける受付処理について説明するための図である。受付部１６１は、処理対象の利用者である対象利用者から、対象利用者の現時点における身体情報である現在身体情報を受け付ける。例えば、受付部１６１は、現在身体情報の一例として、対象利用者の横半身の体形が撮像された対象利用者画像Ｇ１１を受け付ける。例えば、受付部１６１は、撮像部１５０によって撮像された対象利用者画像Ｇ１１を受け付ける。また、受付部１６１は、入力部１３０を介して、対象利用者から、対象利用者の現在の体重、身長、体脂肪率を示す各数値Ｔ１１の入力を受け付ける。受付部１６１は、現在身体情報の一例として、対象利用者によって入力された対象利用者の現在の体重、身長、体脂肪率を示す各数値Ｔ１１を受け付ける。続いて、受付部１６１は、現在身体情報を受け付けると、受け付けた現在身体情報を現在身体情報の受付日時に関する情報と対応付けて記憶部１２０に記憶する。また、出力部１４０は、受付部１６１が受け付けた対象利用者画像Ｇ１１および対象利用者の体重、身長、体脂肪率の各数値Ｔ１１を画面に表示する。
また、受付部１６１は、対象利用者から、現時点から所定時間が経過した後における対象利用者の希望する対象利用者の身体情報である将来身体情報を受け付ける。受付部１６１は、対象利用者から、所定時間に対応する期間の設定を受け付けてよい。将来身体情報とは、言い換えると、対象利用者が将来目標とする体形、体重等の身体情報である。図２に示す例では、受付部１６１は、対象利用者から、対象利用者が現時点から６か月後において目標とする体形を示す情報を受け付ける。例えば、受付部１６１は、入力部１３０を介して、対象利用者から、先に受け付けた対象利用者画像Ｇ１１に撮像された対象利用者の体形への加工操作を受け付ける。例えば、受付部１６１は、腹部を凹ませたり、顔の輪郭を小さくしたり、腕や脚を細くしたりする加工操作を受け付ける。続いて、受付部１６１は、将来身体情報の一例として、対象利用者から受け付けた加工操作による加工後の対象利用者画像Ｇ１２を受け付ける。また、受付部１６１は、入力部１３０を介して、対象利用者から、現在から６か月後において対象利用者が目標とする対象利用者の体重、身長、体脂肪率を示す各数値Ｔ１２の入力を受け付ける。受付部１６１は、将来身体情報の一例として、対象利用者によって入力された対象利用者の体重、身長、体脂肪率を示す各数値Ｔ１２を受け付ける。受付部１６１は、将来身体情報を受け付けると、受け付けた将来身体情報を将来身体情報の受付日時に関する情報と対応付けて記憶部１２０に記憶する。また、出力部１４０は、受付部１６１が受け付けた加工後の対象利用者画像Ｇ１２および対象利用者の体重、身長、体脂肪率を示す各数値Ｔ１２を画面に表示する。なお、受付部１６１は、先に受け付けた対象利用者の体重、身長、体脂肪率を示す各数値Ｔ１１および加工後の対象利用者画像Ｇ１２に基づいて、目標とする体形に対応する対象利用者の体重、身長、体脂肪率を示す各数値Ｔ１２を推定してもよい。
なお、図２では、受付部１６１が、現在身体情報の一例として、対象利用者の横半身の体形が撮像された対象利用者画像Ｇ１１を受け付ける場合について説明したが、受付部１６１は、対象利用者の身体の少なくとも一部が撮像された対象利用者画像であれば、どのような対象利用者画像を受け付けてもよい。例えば、受付部１６１は、対象利用者の全身、上半身、下半身、顔、腕、脚、胸部、腹部、臀部、または背中のうち少なくともいずれかが撮像された対象利用者画像を受け付ける。また、受付部１６１は、任意の方向から対象利用者を撮像した対象利用者画像を受け付けてよい。例えば、受付部１６１は、正面方向、横向き方向または背面方向のいずれの方向から対象利用者を撮像した対象利用者画像を受け付けてもよい。
また、図２では、受付部１６１が、現在身体情報および将来身体情報の一例として、対象利用者によって入力された対象利用者の体重、身長、体脂肪率を示す各数値を受け付ける場合について説明したが、受付部１６１は、対象利用者の身体情報を示す情報であれば、どのような情報を受け付けてもよい。例えば、受付部１６１は、対象利用者の体重、胸囲、腹囲、腰囲、ＢＭＩ（Body Mass Index）、体脂肪率、筋肉量、基礎代謝量、推定骨量、または、対象利用者の身体部位別の体脂肪率もしくは筋肉量を示す各数値を受け付けてよい。また、受付部１６１は、対象利用者の全身の体形のみならず、対象利用者の身体の特定の部位の体形（例えば、顔の形状、腕の形状、脚の形状など）が撮像された画像を受け付けてよい。また、受付部１６１は、対象利用者の全身のみならず、対象利用者の身体の特定の部位の体形への加工操作を受け付けてよい。
また、図２では、受付部１６１が、対象利用者から、対象利用者画像Ｇ１１に撮像された対象利用者の腹部を凹ませたり、顔の輪郭を小さくしたり、腕や脚を細くしたりする加工操作を受け付ける場合について説明したが、受付部１６１は、対象利用者から、対象利用者の体形へのその他の加工操作を受け付けてよい。具体的には、受付部１６１は、対象利用者から、対象利用者画像Ｇ１１に撮像された対象利用者の体形を筋肉質に加工する加工操作を受け付けてよい。例えば、受付部１６１は、対象利用者から、対象利用者画像Ｇ１１に撮像された対象利用者の上腕二頭筋、三角筋、腹筋、または大胸筋などの各筋肉を大きくする加工操作や、各筋肉を好きなデザインにする加工操作を受け付けてよい。
また、受付部１６１は、対象利用者から、食事画像を受け付ける。例えば、受付部１６１は、撮像部１５０によって撮像された食事画像を受け付ける。例えば、受付部１６１は、複数の食品が撮像された食事画像を受け付ける。ここで、食品は、食材そのものであってもよいし、食材を調理した料理であってもよい。
（取得部１６２）
取得部１６２は、対象利用者の現時点における身体情報である現在身体情報、および、現時点から所定時間が経過した後における対象利用者の希望する対象利用者の身体情報である将来身体情報を取得する。取得部１６２は、受付部１６１が受け付けた現在身体情報および将来身体情報を取得する。具体的には、取得部１６２は、受付部１６１が食事画像を受け付けた場合に、対象利用者の現在身体情報および将来身体情報を取得する。より具体的には、取得部１６２は、受付部１６１が食事画像を受け付けた場合に、記憶部１２０を参照して、対象利用者の現在身体情報および将来身体情報を取得する。
（推定部１６３）
推定部１６３は、取得部１６２によって取得された現在身体情報および将来身体情報に基づいて、食事を撮影した食事画像に撮像された食品のうち、対象利用者に対して摂取を推奨する食品に関する推奨食品情報を推定する。ここで、推奨食品情報には、対象利用者に対して摂取を推奨しない食品に関する非推奨食品情報が含まれてよい。すなわち、推定部１６３は、推奨食品情報または非推奨食品情報のうち一方のみを推定してもよく、推奨食品情報および非推奨食品情報の双方を推定してもよい。
具体的には、推定部１６３は、受付部１６１が食事画像を受け付けた場合に、記憶部１２０を参照して、対象利用者の現在身体情報および将来身体情報を取得する。続いて、推定部１６３は、取得した対象利用者の現在身体情報および将来身体情報に基づいて、設定された期間内に対象利用者が摂取すべき各栄養素の量を推定する。ここで、対象利用者が摂取すべき各栄養素の量には、脂質、炭水化物、たんぱく質、ビタミン、ミネラル等の各栄養素の量に加えて、食品のカロリーが含まれる。例えば、推定部１６３は、対象利用者の現在の体重と将来の目標体重との差分に基づいて、設定された期間内に対象利用者が摂取すべきカロリーを推定する。また、例えば、推定部１６３は、対象利用者の現在の体脂肪率と将来の目標体脂肪率との差分に基づいて、設定された期間内に対象利用者が摂取すべき脂肪の量を推定する。また、例えば、推定部１６３は、対象利用者の現在の筋肉量と将来の目標筋肉量との差分に基づいて、設定された期間内に対象利用者が摂取すべきたんぱく質の量を推定する。
続いて、推定部１６３は、設定された期間内に対象利用者が摂取すべき栄養素の量に基づいて、設定された期間において対象利用者が摂取すべき一日分の各栄養素の量を推定する。例えば、推定部１６３は、設定された期間内に対象利用者が摂取すべきカロリーを設定期間の日数で除することにより、設定された期間において対象利用者が摂取すべき一日分のカロリーを推定する。また、例えば、推定部１６３は、設定された期間内に対象利用者が摂取すべき脂肪の量を設定期間の日数で除することにより、設定された期間において対象利用者が摂取すべき一日分の脂肪の量を推定する。また、例えば、推定部１６３は、設定された期間内に対象利用者が摂取すべきたんぱく質の量を設定期間の日数で除することにより、設定された期間において対象利用者が摂取すべき一日分のたんぱく質の量を推定する。続いて、推定部１６３は、対象利用者が摂取すべき一日分の各栄養素の量に基づいて、食事を撮影した食事画像に撮像された食品のうち、対象利用者に対して摂取を推奨する食品に関する推奨食品情報を推定する。
図３は、実施形態に係る推奨食品情報の推定処理について説明するための図である。図３では、受付部１６１は、５つの食品Ｆ２１～Ｆ２５が撮像された食事画像Ｇ２１を受け付ける。推定部１６３は、受付部１６１が食事画像Ｇ２１を受け付けた場合に、受付部１６１から食事画像Ｇ２１を取得する。続いて、推定部１６３は、食事画像Ｇ２１に撮像された各食品に含まれる各栄養素の量を推定する。例えば、推定部１６３は、食事画像が入力された場合に、食事画像に撮像された各食品に含まれる各栄養素の量を出力するよう学習された機械学習モデルＭ１を用いて、食事画像Ｇ２１に撮像された各食品に含まれる各栄養素の量を推定する。ここで、食品に含まれる栄養素の量には、脂質、炭水化物、たんぱく質、ビタミン、ミネラル等の各栄養素の量に加えて、食品のカロリーが含まれる。
続いて、推定部１６３は、各食品に含まれる各栄養素の量を推定すると、推定した各食品に含まれる各栄養素の量に基づいて、対象利用者に対して摂取を推奨する食品である推奨食品を推定する。例えば、推定部１６３は、栄養素ごとに、推定された５つの食品Ｆ２１～Ｆ２５の各栄養素の量を加算することにより、５つの食品Ｆ２１～Ｆ２５全体の各栄養素の量を推定する。続いて、推定部１６３は、５つの食品Ｆ２１～Ｆ２５全体の各栄養素の量と対象利用者が摂取すべき一日分の各栄養素の量との比較に基づいて、推奨食品を特定する。例えば、推定部１６３は、５つの食品Ｆ２１～Ｆ２５全体の各栄養素の量が、対象利用者が摂取すべき一日分の各栄養素の量を下回る場合には、５つの食品Ｆ２１～Ｆ２５すべてを推奨食品として特定してよい。一方、推定部１６３は、５つの食品Ｆ２１～Ｆ２５全体の各栄養素の量が、対象利用者が摂取すべき一日分の各栄養素の量を上回る場合には、５つの食品Ｆ２１～Ｆ２５から選択された食品の組み合わせのうち、対象利用者が摂取すべき一日分の各栄養素の量以下となる食品の組み合わせを特定する。図３に示す例では、推定部１６３は、５つの食品Ｆ２１～Ｆ２５から選択された食品の組み合わせのうち、対象利用者が摂取すべき一日分の各栄養素の量以下となる食品の組み合わせとして、食品Ｆ２１～Ｆ２４の組み合わせを特定する。続いて、推定部１６３は、対象利用者が摂取すべき一日分の各栄養素の量以下となる食品の組み合わせを特定すると、特定された組み合わせに係る食品を推奨食品として特定する。図３に示す例では、推定部１６３は、特定された組み合わせに係る食品Ｆ２１～Ｆ２４を推奨食品として特定する。推定部１６３は、推奨食品を特定した場合、推奨食品であることを視認可能な情報を画面に表示する。例えば、推定部１６３は、推奨食品として特定された食品Ｆ２１～Ｆ２４を囲む枠の位置から所定範囲内の位置に推奨食品であることを示す「ＯＫ」の文字Ｃ２１～Ｃ２４を表示する。
また、推定部１６３は、推奨食品を特定した場合、対象利用者に対して摂取を推奨する推奨食品の摂取量である推奨摂取量を推定する。例えば、推定部１６３は、取得した対象利用者の現在身体情報および将来身体情報に基づいて、設定された期間内に対象利用者が摂取を控えるべき栄養素を推定する。例えば、推定部１６３は、対象利用者の現在の体重と将来の目標体重との差分に基づいて、体重の差分が第１閾値を超える場合には、対象利用者が摂取を控えるべき栄養素として、炭水化物を特定する。また、例えば、推定部１６３は、対象利用者の現在の体脂肪率と将来の目標体脂肪率との差分に基づいて、体脂肪率の差分が第２閾値を超える場合には、対象利用者が摂取を控えるべき栄養素として、脂肪を特定する。
続いて、推定部１６３は、対象利用者が摂取を控えるべき栄養素を特定した場合、推奨食品として特定された食品の中に、対象利用者が摂取を控えるべき栄養素を所定の閾値以上含む食品が存在するか否かを判定する。図３に示す例では、推定部１６３は、対象利用者が摂取を控えるべき栄養素として、炭水化物を特定する。続いて、推定部１６３は、推奨食品として特定された食品Ｆ２１～Ｆ２４の中に、炭水化物を第３閾値以上含む食品Ｆ２２が存在すると判定する。推定部１６３は、炭水化物を第３閾値以上含む食品Ｆ２２が存在すると判定した場合、炭水化物の摂取量が第３閾値未満となる食品Ｆ２２の摂取量を推定する。例えば、推定部１６３は、炭水化物の摂取量が第３閾値未満となる食品Ｆ２２の摂取量を半分であると推定する。推定部１６３は、炭水化物の摂取量が第３閾値未満となる食品Ｆ２２の摂取量を推奨摂取量として特定する。続いて、推定部１６３は、推奨摂取量を推定した場合、推奨摂取量を視認可能な情報を画面に表示する。例えば、推定部１６３は、食品Ｆ２２を囲む枠の位置から所定範囲内の位置に推奨摂取量が半分であることを示す「５０％ ＯＫ」の文字Ｃ２２を表示する。同様にして、推定部１６３は、食品Ｆ２３を囲む枠の位置から所定範囲内の位置に推奨摂取量が８割であることを示す「８０％ ＯＫ」の文字Ｃ２３を表示する。
一方、推定部１６３は、推奨食品として特定されなかった食品が存在する場合には、推奨食品として特定されなかった食品を対象利用者に対して摂取を推奨しない食品である非推奨食品として特定する。図３に示す例では、推定部１６３は、推奨食品として特定されなかった食品Ｆ２５を非推奨食品として特定する。推定部１６３は、非推奨食品を特定した場合、非推奨食品であることを視認可能な情報を画面に表示する。例えば、推定部１６３は、非推奨食品として特定された食品Ｆ２５を囲む枠の位置から所定範囲内の位置に推奨食品であることを示す「ＮＧ」の文字Ｃ２５を表示する。
なお、図３では、推定部１６３が、設定された期間内に対象利用者が摂取を控えるべき栄養素を推定する場合について説明したが、推定部１６３は、取得した対象利用者の現在身体情報および将来身体情報に基づいて、設定された期間内に対象利用者が積極的に摂取すべき栄養素を推定してもよい。例えば、推定部１６３は、対象利用者の現在の筋肉量と将来の目標筋肉量との差分に基づいて、筋肉量の差分が第４閾値を超える場合には、対象利用者が積極的に摂取すべき栄養素として、たんぱく質を特定する。
また、図３では、推定部１６３が、食事画像が入力された場合に、食事画像に撮像された各食品に含まれる各栄養素の量を出力するよう学習された機械学習モデルＭ１を用いて、食事画像Ｇ２１に撮像された各食品に含まれる各栄養素の量を推定する場合について説明したが、推定部１６３が食品に含まれる栄養素の量を推定する方法はこれに限られない。例えば、推定部１６３は、公知の物体認識技術を用いて、食事画像Ｇ２１に撮像された各食品を検出し、検出された食品の種類を特定する。続いて、推定部１６３は、特定された食品に含まれる各栄養素の量を示す情報を取得する。例えば、情報処理装置１００は、食品に含まれる各栄養素の量と食品の種類とを対応付けた食品栄養情報をあらかじめ取得しておき、記憶部１２０に記憶しておく。推定部１６３は、記憶部１２０の食品栄養情報を参照して、特定された食品に対応する各栄養素の量を示す情報を取得する。続いて、推定部１６３は、取得された情報が示す各栄養素の量を特定された食品に対応する各栄養素の量として推定する。
また、推定部１６３は、対象利用者の食後の食事画像に基づいて、対象利用者に対して実施を推奨する運動に関する推奨運動情報を推定する。具体的には、推定部１６３は、受付部１６１が食事画像を受け付けた時刻から所定時間内（例えば、３０分以内など）に対象利用者から食事画像を再び受け付けた場合、対象利用者から食後の食事画像を受け付けたと判定する。図４は、実施形態に係る推奨運動情報の推定処理について説明するための図である。図４に示す例では、推定部１６３は、対象利用者から食後の食事画像Ｇ３１を受け付けたと判定する。
また、推定部１６３は、推奨運動情報として、対象利用者に対して実施を推奨する運動の運動時間を推定する。推定部１６３は、対象利用者から食後の食事画像を受け付けたと判定した場合、食前の食事画像と食後の食事画像との比較に基づいて、対象利用者が摂取した各食品の量を推定する。続いて、推定部１６３は、推定した各食品の量に基づいて、対象利用者が摂取した各食品のカロリーを推定する。続いて、推定部１６３は、推定した各食品のカロリーを加算することにより、対象利用者が摂取した食事の総カロリーを推定する。また、推定部１６３は、対象利用者が摂取したと推定される食事の総カロリーに基づいて、対象利用者が摂取すると推定される一日分の食事の総カロリーを推定してよい。続いて、推定部１６３は、対象利用者が摂取すると推定される一日分の食事の総カロリーが、対象利用者が摂取すべき一日分のカロリーを上回る場合は、対象利用者が摂取すべき一日分のカロリーを上回るカロリーに相当する運動時間を算出する。
また、推定部１６３は、推奨運動情報として、対象利用者に対して実施を推奨する運動の種類を推定する。例えば、推定部１６３は、対象利用者が摂取すると推定される一日分の食事の総カロリーから対象利用者が摂取すべき一日分のカロリーを減算したカロリーが第５閾値以上である場合は、対象利用者に対してジョギングを推奨することを決定する。推定部１６３は、ジョギングを推奨することを決定した場合、ジョギングによって消費される単位時間（例えば、１０分）当たりの消費カロリーを示す情報に基づいて、対象利用者が摂取すると推定される一日分の食事の総カロリーから対象利用者が摂取すべき一日分のカロリーを減算したカロリーを消費するために必要な運動時間を算出する。
また、例えば、推定部１６３は、対象利用者が摂取すると推定される一日分の食事の総カロリーから対象利用者が摂取すべき一日分のカロリーを減算したカロリーが第５閾値未満である場合は、対象利用者に対してウォーキングを推奨することを決定する。推定部１６３は、ウォーキングを推奨することを決定した場合、ウォーキングによって消費される単位時間（例えば、１０分）当たりの消費カロリーを示す情報に基づいて、対象利用者が摂取すると推定される一日分の食事の総カロリーから対象利用者が摂取すべき一日分のカロリーを減算したカロリーを消費するために必要な運動時間を算出する。
図４に示す例では、推定部１６３は、対象利用者に対してウォーキングを推奨することを決定する。続いて、推定部１６３は、対象利用者が摂取すると推定される一日分の食事の総カロリーから対象利用者が摂取すべき一日分のカロリーを減算したカロリーを消費するために必要な運動時間を「３０分」であると推定する。推定部１６３は、対象利用者に対して実施を推奨する運動の種類および運動時間を推定した場合、対象利用者に対して実施を推奨する運動の種類および運動時間を視認可能な情報を画面に表示する。例えば、推定部１６３は、食後の食事画像Ｇ３１の表示位置から所定範囲内の位置に３０分のウォーキングを推奨することを示す「今日はあと３０分歩きましょう」という文字列Ｔ３１を表示する。
なお、推定部１６３は、対象利用者が好きな運動として対象利用者によって入力された運動の種類（例えば、ウォーキング、筋トレ等）を示す情報を取得する。続いて、推定部１６３は、対象利用者が好きな運動として入力された運動の種類を、対象利用者に対して実施を推奨する運動の種類として特定してよい。
（提供部１６４）
提供部１６４は、推定部１６３によって推定された推奨食品情報を対象利用者に対して提供する。提供部１６４は、推定部１６３によって推定された推奨運動情報を対象利用者に対して提供する。
〔２．情報処理手順〕
図５は、実施形態に係る情報処理手順を示すフローチャートである。図５に示すように、情報処理装置１００は、食事画像を受け付けたか否かを判定する（ステップＳ１０１）。情報処理装置１００は、食事画像を受け付けていないと判定した場合（ステップＳ１０１；Ｎｏ）、処理を終了する。一方、情報処理装置１００は、食事画像を受け付けたと判定した場合（ステップＳ１０１；Ｙｅｓ）、食事画像を送信した対象利用者の現在身体情報および将来身体情報を取得する（ステップＳ１０２）。
続いて、情報処理装置１００は、食事画像を解析して、食事画像に撮像された食品に含まれる栄養素の量を食品ごとに推定する（ステップＳ１０３）。続いて、情報処理装置１００は、対象利用者の現在身体情報、将来身体情報、および食事画像から推定した各食品の栄養素の量に基づいて、推奨食品情報および非推奨食品情報を推定する（ステップＳ１０４）。続いて、情報処理装置１００は、推奨食品情報および非推奨食品情報を対象利用者に対して提供する（ステップＳ１０５）。
〔３．変形例〕
上述した実施形態に係る情報処理装置１００は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、情報処理装置１００の他の実施形態について説明する。なお、実施形態と同一部分には、同一符号を付して説明を省略する。
〔３－１．推奨メニュー情報の推定〕
上述した実施形態では、推定部１６３が、食事画像に撮像された食品のうち、対象利用者に対して摂取を推奨する推奨食品に関する推奨食品情報を推定する場合について説明したが、推定部１６３は、推奨食品以外の推奨食品情報を推定してよい。具体的には、推定部１６３は、推奨食品情報として、飲食店によって提供されるメニューのうち、対象利用者に対して摂取を推奨する推奨メニューに関する推奨メニュー情報を推定する。ここで、推奨メニュー情報には、対象利用者に対して摂取を推奨しない非推奨メニューに関する非推奨メニュー情報が含まれてよい。すなわち、推定部１６３は、推奨メニュー情報または非推奨メニュー情報のうち一方のみを推定してもよく、推奨メニュー情報および非推奨メニュー情報の双方を推定してもよい。
例えば、推定部１６３は、外部のデータベース等から、飲食店によって提供される各メニューに含まれる各栄養素の量を示す情報を取得する。続いて、推定部１６３は、各メニューに含まれる各栄養素の量を示す情報と対象利用者が摂取すべき一日分の各栄養素の量との比較に基づいて、推奨メニュー情報および非推奨メニュー情報を推定する。提供部１６４は、推定部１６３によって推定された推奨メニュー情報を対象利用者に対して提供する。
〔３－２．予測身体情報の推定〕
また、情報処理装置１００は、将来予測される対象利用者の身体情報である予測身体情報を推定し、対象利用者に対して予測身体情報を提供してよい。具体的には、取得部１６２は、対象利用者の現在身体情報、対象利用者が摂取した食事に関する食事情報および対象利用者が実施した運動に関する運動情報を取得する。例えば、取得部１６２は、入力部１３０を介して、対象利用者によって入力された現在身体情報、食事情報および運動情報を取得する。
推定部１６３は、取得部１６２によって取得された現在身体情報、食事情報および運動情報に基づいて、将来予測される対象利用者の身体情報である予測身体情報を推定する。具体的には、推定部１６３は、所定の時点における利用者の身体情報、利用者が摂取した食事に関する食事情報および利用者が実施した運動に関する運動情報が入力された場合に、所定の時点から所定時間が経過した後における利用者の身体情報を出力するよう学習された機械学習モデルＭ２を用いて、予測身体情報を推定する。例えば、推定部１６３は、予測身体情報として、対象利用者の体形、体重、ＢＭＩ（Body Mass Index）、体脂肪率、筋肉量、基礎代謝量、推定骨量、または、対象利用者の身体部位別の体形、体脂肪率もしくは筋肉量を推定する。提供部１６４は、推定部１６３によって推定された予測身体情報を対象利用者に対して提供する。
なお、上述した実施形態および変形例に係る機械学習モデル（機械学習モデルＭ１および機械学習モデルＭ２）は、例えば、畳み込みニューラルネットワークまたは回帰型ニューラルネットワークなどのニューラルネットワークによる機械学習によって生成されるが、かかる例に限定されない。例えば、実施形態および変形例に係る機械学習モデルは、ニューラルネットワークに代えて、線形回帰またはロジスティック回帰といった学習アルゴリズムによる機械学習を用いて生成されてもよい。
〔４．効果〕
上述したように、実施形態に係る情報処理装置１００は、取得部１６２と、推定部１６３と、提供部１６４を備える。取得部１６２は、処理対象の利用者である対象利用者の現時点における身体情報である現在身体情報、および、現時点から所定時間が経過した後における対象利用者の希望する対象利用者の身体情報である将来身体情報を取得する。推定部１６３は、取得部１６２によって取得された現在身体情報および将来身体情報に基づいて、食事を撮影した食事画像に撮像された食品のうち、対象利用者に対して摂取を推奨する食品に関する推奨食品情報を推定する。提供部１６４は、推定部１６３によって推定された推奨食品情報を対象利用者に対して提供する。
これにより、情報処理装置１００は、現時点における利用者の身体情報から利用者が希望する身体情報へと変化させるという目標を達成するために必要な推奨食品情報を利用者に対して提供することができる。したがって、情報処理装置１００は、利用者の健康管理を適切に支援することができる。
また、推定部１６３は、対象利用者に対して摂取を推奨しない食品に関する非推奨食品情報を含む推奨食品情報を推定する。
これにより、情報処理装置１００は、現時点における利用者の身体情報から利用者が希望する身体情報へと変化させるという目標を達成するために必要な非推奨食品情報を利用者に対して提供することができる。したがって、情報処理装置１００は、利用者の健康管理を適切に支援することができる。
また、推定部１６３は、食事画像に撮像された食品に含まれる栄養素の量を推定し、推定した栄養素の量に基づいて、推奨食品情報を推定する。
これにより、情報処理装置１００は、食事画像に撮像された食品に含まれる栄養素の量に基づいて、推奨食品情報を適切に推定することができる。
また、推定部１６３は、推奨食品情報として、対象利用者に対して摂取を推奨する食品の摂取量を推定する。
これにより、情報処理装置１００は、現時点における利用者の身体情報から利用者が希望する身体情報へと変化させるという目標を達成するために必要な推奨食品情報であって、利用者が食べてもよい食品の摂取量に関する情報を利用者に対して提供することができる。
また、情報処理装置１００は、受付部１６１をさらに備える。受付部１６１は、対象利用者から対象利用者の身体の少なくとも一部が撮像された対象利用者画像に対する加工操作を受け付ける。取得部１６２は、現在身体情報として、受付部１６１によって受け付けられた加工操作による加工前の対象利用者画像を取得し、将来身体情報として、受付部１６１によって受け付けられた加工操作による加工後の対象利用者画像を取得する。推定部１６３は、取得部１６２によって取得された加工前の対象利用者画像および加工後の対象利用者画像に基づいて、推奨食品情報を推定する。
これにより、情報処理装置１００は、対象利用者が希望する身体情報を対象利用者が視覚的に把握しやすいため、対象利用者が目標とする体形に関する将来身体情報を適切に取得することができる。また、情報処理装置１００は、適切な将来身体情報に基づいて、推奨食品情報を適切に推定することができる。
また、推定部１６３は、推奨食品情報として、飲食店によって提供されるメニューのうち、対象利用者に対して摂取を推奨するメニューに関する推奨メニュー情報を推定する。提供部１６４は、推定部１６３によって推定された推奨メニュー情報を対象利用者に対して提供する。
これにより、情報処理装置１００は、現時点における利用者の身体情報から利用者が希望する身体情報へと変化させるという目標を達成するために必要な推奨メニュー情報を利用者に対して提供することができる。
また、推定部１６３は、対象利用者に対して摂取を推奨しないメニューに関する非推奨メニュー情報を含む推奨メニュー情報を推定する。
これにより、情報処理装置１００は、現時点における利用者の身体情報から利用者が希望する身体情報へと変化させるという目標を達成するために必要な非推奨メニュー情報を利用者に対して提供することができる。
また、推定部１６３は、対象利用者の食後の食事画像に基づいて、対象利用者に対して実施を推奨する運動に関する推奨運動情報を推定する。提供部１６４は、推定部１６３によって推定された推奨運動情報を対象利用者に対して提供する。
これにより、情報処理装置１００は、現時点における利用者の身体情報から利用者が希望する身体情報へと変化させるという目標を達成するために必要な推奨運動情報を利用者に対して提供することができる。したがって、情報処理装置１００は、利用者の健康管理を適切に支援することができる。
また、推定部１６３は、推奨運動情報として、対象利用者に対して実施を推奨する運動の運動時間を推定する。
これにより、情報処理装置１００は、現時点における利用者の身体情報から利用者が希望する身体情報へと変化させるという目標を達成するために必要な推奨運動情報であって、利用者に対して推奨される運動時間に関する情報を利用者に対して提供することができる。
また、推定部１６３は、推奨運動情報として、対象利用者に対して実施を推奨する運動の種類を推定する。
これにより、情報処理装置１００は、現時点における利用者の身体情報から利用者が希望する身体情報へと変化させるという目標を達成するために必要な推奨運動情報であって、利用者に対して推奨される運動の種類に関する情報を利用者に対して提供することができる。
また、取得部１６２は、対象利用者が摂取した食事に関する食事情報および対象利用者が実施した運動に関する運動情報をさらに取得する。推定部１６３は、取得部１６２によって取得された食事情報および運動情報に基づいて、将来予測される対象利用者の身体情報である予測身体情報を推定する。提供部１６４は、推定部１６３によって推定された予測身体情報を対象利用者に対して提供する。
これにより、情報処理装置１００は、予測身体情報を利用者に対して提供することができるので、対象利用者の健康管理に対する意識を高めることができる。
また、推定部１６３は、所定の時点における利用者の身体情報、利用者が摂取した食事に関する食事情報および利用者が実施した運動に関する運動情報が入力された場合に、所定の時点から所定時間が経過した後における利用者の身体情報を出力するよう学習された機械学習モデルを用いて、予測身体情報を推定する。
これにより、情報処理装置１００は、機械学習モデルを用いることで、予測身体情報を適切に推定することができる。
また、推定部１６３は、予測身体情報として、対象利用者の体形、体重、胸囲、腹囲、腰囲、ＢＭＩ（Body Mass Index）、体脂肪率、筋肉量、基礎代謝量、推定骨量、または、対象利用者の身体部位別の体形、体脂肪率もしくは筋肉量を推定する。
これにより、情報処理装置１００は、多様な予測身体情報を推定することができる。
〔５．ハードウェア構成〕
また、上述してきた実施形態に係る情報処理装置１００は、例えば図６に示すような構成のコンピュータ１０００によって実現される。図６は、情報処理装置１００の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ１４００、通信インターフェイス（Ｉ／Ｆ）１５００、入出力インターフェイス（Ｉ／Ｆ）１６００、及びメディアインターフェイス（Ｉ／Ｆ）１７００を備える。
ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。
ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス１５００は、所定の通信網を介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータを所定の通信網を介して他の機器へ送信する。
ＣＰＵ１１００は、入出力インターフェイス１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インターフェイス１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インターフェイス１６００を介して出力装置へ出力する。
メディアインターフェイス１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインターフェイス１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
例えば、コンピュータ１０００が実施形態に係る情報処理装置１００として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１６０の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置から所定の通信網を介してこれらのプログラムを取得してもよい。
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
〔６．その他〕
また、上記実施形態及び変形例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。この他、上記文書中や図面中で示した処理手順、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、各図に示した各種情報は、図示した情報に限られない。
また、図示した各装置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、各装置の分散・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。
また、上述した情報処理装置１００は、複数のコンピュータで実現してもよく、また、機能によっては外部のプラットホーム等をＡＰＩ（Application Programming Interface）やネットワークコンピューティング等で呼び出して実現するなど、構成は柔軟に変更できる。
また、上述してきた実施形態及び変形例は、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。
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１３０ 入力部
１４０ 出力部
１５０ 撮像部
１６０ 制御部
１６１ 受付部
１６２ 取得部
１６３ 推定部
１６４ 提供部

Claims (15)

  1. 処理対象の利用者である対象利用者の現時点における身体情報である現在身体情報、および、当該現時点から所定時間が経過した後における当該対象利用者の希望する当該対象利用者の身体情報である将来身体情報を取得する取得手順と、
    前記取得手順によって取得された現在身体情報および将来身体情報に基づいて、食事を撮影した食事画像に撮像された食品のうち、前記対象利用者に対して摂取を推奨する食品に関する推奨食品情報を推定する推定手順と、
    前記推定手順によって推定された推奨食品情報を前記対象利用者に対して提供する提供手順と、
    をコンピュータに実行させる情報処理プログラム。
  2. 前記推定手順は、
    前記対象利用者に対して摂取を推奨しない食品に関する非推奨食品情報を含む前記推奨食品情報を推定する、
    請求項１に記載の情報処理プログラム。
  3. 前記推定手順は、
    前記食事画像に撮像された食品に含まれる栄養素の量を推定し、推定した栄養素の量に基づいて、前記推奨食品情報を推定する、
    請求項１または２に記載の情報処理プログラム。
  4. 前記推定手順は、
    前記推奨食品情報として、前記対象利用者に対して摂取を推奨する食品の摂取量を推定する、
    請求項１～３のいずれか１つに記載の情報処理プログラム。
  5. 前記対象利用者から当該対象利用者の身体の少なくとも一部が撮像された対象利用者画像に対する加工操作を受け付ける受付手順をさらに備え、
    前記取得手順は、
    前記現在身体情報として、前記受付手順によって受け付けられた加工操作による加工前の前記対象利用者画像を取得し、前記将来身体情報として、前記受付手順によって受け付けられた加工操作による加工後の前記対象利用者画像を取得し、
    前記推定手順は、
    前記取得手順によって取得された加工前の前記対象利用者画像および加工後の前記対象利用者画像に基づいて、前記推奨食品情報を推定する、
    請求項１～４のいずれか１つに記載の情報処理プログラム。
  6. 前記推定手順は、
    前記推奨食品情報として、飲食店によって提供されるメニューのうち、前記対象利用者に対して摂取を推奨するメニューに関する推奨メニュー情報を推定し、
    前記提供手順は、
    前記推定手順によって推定された推奨メニュー情報を前記対象利用者に対して提供する、
    請求項１～５のいずれか１つに記載の情報処理プログラム。
  7. 前記推定手順は、
    前記対象利用者に対して摂取を推奨しないメニューに関する非推奨メニュー情報を含む前記推奨メニュー情報を推定する、
    請求項６に記載の情報処理プログラム。
  8. 前記推定手順は、
    前記対象利用者の食後の前記食事画像に基づいて、当該対象利用者に対して実施を推奨する運動に関する推奨運動情報を推定し、
    前記提供手順は、
    前記推定手順によって推定された推奨運動情報を前記対象利用者に対して提供する、
    請求項１～７のいずれか１つに記載の情報処理プログラム。
  9. 前記推定手順は、
    前記推奨運動情報として、前記対象利用者に対して実施を推奨する運動の運動時間を推定する、
    請求項８に記載の情報処理プログラム。
  10. 前記推定手順は、
    前記推奨運動情報として、前記対象利用者に対して実施を推奨する運動の種類を推定する、
    請求項８または９に記載の情報処理プログラム。
  11. 前記取得手順は、
    前記対象利用者が摂取した食事に関する食事情報および前記対象利用者が実施した運動に関する運動情報をさらに取得し、
    前記推定手順は、
    前記取得手順によって取得された食事情報および運動情報に基づいて、将来予測される前記対象利用者の身体情報である予測身体情報を推定し、
    前記提供手順は、
    前記推定手順によって推定された予測身体情報を前記対象利用者に対して提供する、
    請求項１～１０のいずれか１つに記載の情報処理プログラム。
  12. 前記推定手順は、
    所定の時点における利用者の身体情報、当該利用者が摂取した食事に関する食事情報および当該利用者が実施した運動に関する運動情報が入力された場合に、当該所定の時点から所定時間が経過した後における当該利用者の身体情報を出力するよう学習された機械学習モデルを用いて、前記予測身体情報を推定する、
    請求項１１に記載の情報処理プログラム。
  13. 前記推定手順は、
    前記予測身体情報として、前記対象利用者の体形、体重、胸囲、腹囲、腰囲、ＢＭＩ（Body Mass Index）、体脂肪率、筋肉量、基礎代謝量、推定骨量、または、前記対象利用者の身体部位別の体形、体脂肪率もしくは筋肉量を推定する、
    請求項１１または１２に記載の情報処理プログラム。
  14. 処理対象の利用者である対象利用者の現時点における身体情報である現在身体情報、および、当該現時点から所定時間が経過した後における当該対象利用者の希望する当該対象利用者の身体情報である将来身体情報を取得する取得部と、
    前記取得部によって取得された現在身体情報および将来身体情報に基づいて、食事を撮影した食事画像に撮像された食品のうち、前記対象利用者に対して摂取を推奨する食品に関する推奨食品情報を推定する推定部と、
    前記推定部によって推定された推奨食品情報を前記対象利用者に対して提供する提供部と、
    を備える情報処理装置。
  15. 処理対象の利用者である対象利用者の現時点における身体情報である現在身体情報、および、当該現時点から所定時間が経過した後における当該対象利用者の希望する当該対象利用者の身体情報である将来身体情報を取得する取得工程と、
    前記取得工程によって取得された現在身体情報および将来身体情報に基づいて、食事を撮影した食事画像に撮像された食品のうち、前記対象利用者に対して摂取を推奨する食品に関する推奨食品情報を推定する推定工程と、
    前記推定工程によって推定された推奨食品情報を前記対象利用者に対して提供する提供工程と、
    を含む情報処理方法。
JP2022001677A 2022-01-07 2022-01-07 情報処理プログラム、情報処理装置及び情報処理方法 Active JP7256907B1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022001677A JP7256907B1 (ja) 2022-01-07 2022-01-07 情報処理プログラム、情報処理装置及び情報処理方法
US17/859,910 US20230223130A1 (en) 2022-01-07 2022-07-07 Non-transitory computer-readable storage medium, information processing apparatus, and information processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022001677A JP7256907B1 (ja) 2022-01-07 2022-01-07 情報処理プログラム、情報処理装置及び情報処理方法

Publications (2)

Publication Number Publication Date
JP7256907B1 JP7256907B1 (ja) 2023-04-12
JP2023101204A true JP2023101204A (ja) 2023-07-20

Family

ID=85936734

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022001677A Active JP7256907B1 (ja) 2022-01-07 2022-01-07 情報処理プログラム、情報処理装置及び情報処理方法

Country Status (2)

Country Link
US (1) US20230223130A1 (ja)
JP (1) JP7256907B1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240028294A1 (en) * 2022-07-19 2024-01-25 Meta Platforms Technologies, Llc Automatic Quantitative Food Intake Tracking

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008242963A (ja) * 2007-03-28 2008-10-09 Fujifilm Corp 健康分析表示方法及び健康分析表示装置
JP2012146159A (ja) * 2011-01-13 2012-08-02 Fujitsu Ltd 情報処理装置、方法及びプログラム
JP2016031569A (ja) * 2014-07-28 2016-03-07 カシオ計算機株式会社 生活活動解析装置、生活活動解析システム、生活活動解析方法及びプログラム
JP2017091586A (ja) * 2017-02-13 2017-05-25 株式会社ＦｉＮＣ 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム
JP2018124702A (ja) * 2017-01-31 2018-08-09 株式会社教育ソフトウェア 病因分析装置および疾病予測装置
US20190213416A1 (en) * 2018-01-08 2019-07-11 Samsung Electronics Co., Ltd. Electronic device and method for processing information associated with food
JP2019192060A (ja) * 2018-04-27 2019-10-31 ファミリーイナダ株式会社 情報処理装置及びその動作方法
JP2020078648A (ja) * 2014-04-10 2020-05-28 デックスコム・インコーポレーテッド 血糖緊急度評価及び警告インターフェース
JP2020173572A (ja) * 2019-04-09 2020-10-22 パナソニックＩｐマネジメント株式会社 カロリー管理システム、カロリー管理方法
JPWO2019116679A1 (ja) * 2017-12-13 2021-01-14 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
JPWO2019188259A1 (ja) * 2018-03-29 2021-03-18 株式会社タニタ 成分決定装置、成分決定方法及びプログラム
JP2021086313A (ja) * 2019-11-26 2021-06-03 キヤノン株式会社 解析装置及び方法、及び撮像システム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101963982B1 (ko) 2017-12-27 2019-03-29 캐논 톡키 가부시키가이샤 성막 장치, 성막 방법, 및 전자 디바이스의 제조 방법
JP2019188259A (ja) 2019-08-09 2019-10-31 株式会社三洋物産 遊技機

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008242963A (ja) * 2007-03-28 2008-10-09 Fujifilm Corp 健康分析表示方法及び健康分析表示装置
JP2012146159A (ja) * 2011-01-13 2012-08-02 Fujitsu Ltd 情報処理装置、方法及びプログラム
JP2020078648A (ja) * 2014-04-10 2020-05-28 デックスコム・インコーポレーテッド 血糖緊急度評価及び警告インターフェース
JP2016031569A (ja) * 2014-07-28 2016-03-07 カシオ計算機株式会社 生活活動解析装置、生活活動解析システム、生活活動解析方法及びプログラム
JP2018124702A (ja) * 2017-01-31 2018-08-09 株式会社教育ソフトウェア 病因分析装置および疾病予測装置
JP2017091586A (ja) * 2017-02-13 2017-05-25 株式会社ＦｉＮＣ 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム
JPWO2019116679A1 (ja) * 2017-12-13 2021-01-14 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
US20190213416A1 (en) * 2018-01-08 2019-07-11 Samsung Electronics Co., Ltd. Electronic device and method for processing information associated with food
JPWO2019188259A1 (ja) * 2018-03-29 2021-03-18 株式会社タニタ 成分決定装置、成分決定方法及びプログラム
JP2019192060A (ja) * 2018-04-27 2019-10-31 ファミリーイナダ株式会社 情報処理装置及びその動作方法
JP2020173572A (ja) * 2019-04-09 2020-10-22 パナソニックＩｐマネジメント株式会社 カロリー管理システム、カロリー管理方法
JP2021086313A (ja) * 2019-11-26 2021-06-03 キヤノン株式会社 解析装置及び方法、及び撮像システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
川淵 聡: "スマートフォンを用いた「食」と「運動」の日常的記録による健康増進支援サービス", 情報処理, vol. 第52巻, 第11号, JPN6022015632, 15 October 2011 (2011-10-15), JP, pages 1390 - 1396, ISSN: 0004882678 *

Also Published As

Publication number Publication date
JP7256907B1 (ja) 2023-04-12
US20230223130A1 (en) 2023-07-13

Similar Documents

Publication Publication Date Title
US20200243202A1 (en) Real-time or just-in-time online assistance for individuals to help them in achieving personalized health goals
US11948401B2 (en) AI-based physical function assessment system
JP7032072B2 (ja) 情報処理装置、情報処理方法、及びプログラム
US20120179665A1 (en) Health monitoring system
EP3454338B1 (en) Meal advice providing system and analysis device
JP2008242963A (ja) 健康分析表示方法及び健康分析表示装置
Doulah et al. A systematic review of technology-driven methodologies for estimation of energy intake
JP2015225460A (ja) 食事管理方法、食事管理システム及び食事管理端末
Ferdinand Christ et al. Diabetes60-inferring bread units from food images using fully convolutional neural networks
CN108121974A (zh) 一种显示模组结构及终端设备
KR20220158477A (ko) 식이관리 서비스를 제공하는 서버, 클라이언트 및 이를 구현하는 방법
JP7239220B2 (ja) 栄養摂取量の推定装置、健康管理支援装置、栄養摂取量の推定方法、健康管理支援方法、プログラムおよび栄養摂取量の推定システム
JP7256907B1 (ja) 情報処理プログラム、情報処理装置及び情報処理方法
Amft Ambient, on-body, and implantable monitoring technologies to assess dietary behavior
US20190328322A1 (en) Information processing apparatus and operation method thereof
JP7182319B2 (ja) 行動支援システム及び行動支援方法
JP2017054163A (ja) 食事アドバイスシステム
JP2007226621A (ja) 栄養成分解析装置
Zhang et al. A smart tableware-based meal information collection system using machine learning
Al-Maghrabi Measuring Food Volume and Nutritional Values from Food Images
Doulah A wearable sensor system for automatic food intake detection and energy intake estimation in humans
JP7323883B2 (ja) 認知機能改善ソリューション推定システム、認知機能改善ソリューション推定方法及びプログラム
JP7327833B2 (ja) 健康管理支援装置、健康管理支援方法、プログラム、および健康管理の支援システム
WO2023277155A1 (ja) 生活習慣改善システム、携帯端末、及び、制御方法
Nakamura et al. Development and evaluation of near real-time automated system for measuring consumption of seasonings

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220118

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220118

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220426

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220627

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220927

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221227

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20221227

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20230111

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20230117

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: 20230328

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230331

R150 Certificate of patent or registration of utility model

Ref document number: 7256907

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150