JP5382719B2

JP5382719B2 - 行動・状態モニタリング方法およびプログラム

Info

Publication number: JP5382719B2
Application number: JP2009283171A
Authority: JP
Inventors: 敏雄渡辺
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2009-12-14
Filing date: 2009-12-14
Publication date: 2014-01-08
Anticipated expiration: 2029-12-14
Also published as: JP2011123832A

Description

本発明は人間や動物などの動体の行動・状態を簡便にモニタリングする技術に関する。

小型・省電力で通信が可能となるユビキタスネットワーク技術の普及につれて、これらに使用される機器をセンサと組み合わせ、そのセンサを人間や動物などに装着してその行動・状態（例えば、立つ、歩く、座る、走る、階段を上る、階段を下りるなど）をモニタリングする試みが増えている。人間や動物の行動・状態のモニタリングの代表的なアプローチの１つとして、１または２以上の方向の加速度を検出する加速度センサで得られた情報により、簡便に所定の行動・状態の推定を目指す試みがある。

その一般的な方法は、必要に応じて重力補正などの処理を行いながら、概ね１秒から１０秒程度の基本単位時間内で得られた加速度センサの各軸の出力値やノルムの平均、分散などの代表値を用いた多次元の特徴量ベクトルを定義し、これらの特徴量ベクトルを用いたパターン認識手法（ｋ−ＮＮ法、ニューラルネットワークによる学習など）により、別に予め記録した正解となる教師データとの類似度の高いものを選択し、その行動・状態を推定するものである。

しかしながら、観測対象の人間や動物がおかれた外部環境にある加速度センサの計測値に与える影響、計測時のノイズなどにより、基本単位時間ごとの行動・状態の誤判定（特に特徴が類似した行動・状態に対する誤判定）を無くすことは困難である。

他方、歩行中に信号待ちで立ち止まる場合など、一連の行動・状態の中で、一時的に異なる行動・状態が生じることがあるが、各基本単位時間ごとに独立して行動・状態を推定するだけでは、本来推定すべき行動・状態と、偶発的な一時的状態変化を識別することは困難であった。

時系列的な情報処理において、ノイズ的な変動を取り除くには、移動平均を用いるのがもっとも一般的な手法であるが、この手法は、連続値のトレンドの認識には効果が大きいものの、劇的に特徴量が変化する行動・状態の推定の場合には、特徴量が大きく異なる一時的な行動・状態の変化やノイズの影響で、逆に誤認識を誘発してしまう場合もある。

これらの課題を解決する手法として、非特許文献１に記載のように、基本単位時間における判定結果（行動・状態）の遷移の確率モデルを定め、前後の行動・状態の遷移確率を考慮することで、推定結果の精度の向上を図る手法がある。この手法では、正確な遷移確率モデルが構築できる場合には、前の状態を踏まえた行動・状態の推定が行えるため、大幅な精度向上が見込まれる。

池谷他著、「３軸加速度センサを用いた移動状況推定方式」、信学技報、ＵＳＮ２００８−２４（２００８−０７）、７５−８０頁。

しかしながら、現実的には、多様な状況下における統一的なモデル化は困難であり、限られた条件下（問題設定）でないと遷移確率モデルの構築が困難という課題があった。

本発明の目的は、ノイズ・外乱要因に伴う一時的な誤検知や、（大局的には意味をもたない）一時的な行動・状態の変化を補正するモニタリング方法およびプログラムを提供することである。

上記目的を達成するために、請求項１にかかる発明の行動・状態モニタリング方法は、人間や動物などの動体に装着した１または２以上の加速度センサの計測値の基本単位時間における特徴量の、予め同条件で測定した教師データとしての計測値の特徴量に対するパターン認識により、前記基本単位時間における前記動体の行動・状態を計算機を用いて推定する行動・状態モニタリング方法において、前記基本単位時間を含み前記基本単位時間よりも長い補正単位時間における行動・状態が連続するように、前記基本単位時間における前記推定の結果を補正することを特徴とする。

請求項２にかかる発明は、請求項１に記載の行動・状態モニタリング方法において、前記補正単位時間において、前記基本単位時間における前記推定の結果と異なる特定の行動・状態が、予め決められた閾値より大きな頻度で発生しているとき、前記基本単位時間における行動・状態の前記推定の結果を、前記特定の行動・状態に置き換えることを特徴とする。

請求項３にかかる発明は、請求項１または２に記載の行動・状態モニタリング方法において、前記補正単位時間は、前記基本単位時間の前後に同数の基本単位時間を含むように設定されていることを特徴とする。

請求項４にかかる発明の行動・状態モニタリングプログラムは、計算機を用いて人間や動物などの動体の行動・状態を推定する行動・状態モニタリングプログラムであって、前記動体に装着した１または２以上の加速度センサの計測値の基本単位時間における特徴量を取得するステップと、前記特徴量の、予め同条件で測定した教師データとしての計測値の特徴量に対するパターン認識により、前記基本単位時間における前記動体の行動・状態を推定するステップと、前記基本単位時間を含み前記基本単位時間よりも長い補正単位時間において、前記基本単位時間における前記推定の結果と異なる特定の行動・状態が、予め決められた閾値より大きな頻度で発生しているとき、前記基本単位時間における行動・状態の前記推定の結果を、前記特定の行動・状態に置き換えるステップと、を備えることを特徴とする。

本発明によれば、人間や動物などの動体について、行動・状態の連続性を加味した安定した行動・状態推定が可能となる。補正に際して、行動・状態の遷移に関する学習データは必要なく、また低い計算負荷で処理が可能である。行動・状態の継続性を前提とした手法であるため、行動・状態が目まぐるしく変化する場合には効果がないが、長時間、長期間の連続モニタリングにおいて、行動・状態の大局的な遷移を簡便に捉えることが可能となる。

本発明の実施例の行動・状態モニタリングシステムの構成図である。センサモジュールの構成図である。センサモジュールの動作のフローチャートである。基本単位時間と補正単位時間の説明図である。計算機の処理のフローチャートである。測定結果の特性図である。

発明の実施の形態

本発明の行動・状態モニタリングシステムの実施例を図を用いて説明する。図１は人間の腰の加速度より、立つ、歩く、座る、走る、階段を上る、階段を下りるなどの基本的な動作をモニタリングすることを目的とした本発明の全体のシステムを示す図である。

人間に装着するするセンサモジュール（加速度センサ計測装置）１０は、人間の動作の特徴を概ね捉えられる常時１０ヘルツ（１秒間に１０回）で各軸の加速度を計測し、予め指定された基本単位時間ごとに、当該基本単位時間における加速度センサの計測値の特徴量として、各軸の加速度値列の平均値、分散、最大値、最小値を計算し、その結果をセットとして、別に外部に設置された無線機２０を通して、計算機３０に送信する。

計算機３０では、受信した特徴量を、予め計測・記録した教師データに対するパターン認識処理に施し、モニタリング対象の人間の行動・状態（立つ、歩く、座る、走る、階段を上る、階段を下りるなどの基本的な動作）を推定する。なお、計算機３０は、センサモジュール１０の動作設定および動作開始命令を行うプログラムを有しており、センサモジュール１０に対する命令は、無線機２０を通して送信される。

図２は人間に装着するするセンサモジュール１０の構成を示す。センサモジュール１０は、機能的には３つのブロックに大別され、センサモジュール１０の装着部の動きを検知するための３軸（Ｘ軸、Ｙ軸、Ｚ軸）の加速度センサ１１と、外部に設置した無線機２０との通信を行うための通信モジュール１２と加速度センサ１１の制御、加速度センサ１１の計測値列から特徴量（各軸の平均値、分散、最大値、最小値）への変換、および、通信モジュール１２の送信間隔の制御などセンサモジュール１０の全体をコントロールする制御モジュール１３とから成る。

加速度センサ１１は、半導体技術を用いることにより、小型化、省電力化が非常に進んでいる。また、外部に設置される加速度センサ１１用の制御・計測インタフェースを備えた通信モジュール１２と制御モジュール１３を１つにまとめた小型の制御機能付きで電池駆動可能な通信モジュールも広く普及しており、小型実装が容易な構造となっている。

本実施例のシステム構成は、近年普及が目覚しい小型の通信機器を想定した構成となっているが、通信部分に携帯電話などの手段をとることも無論可能である。以上が本実施例のシステム構成の概要である。

次に、本実施例のシステムの動作について説明する。図３はセンサモジュール１０の動作のフローチャートを示す。センサモジュール１０は電池を入れた状態では送受信可能な設定モードにある。このときは、計算機３０より、特徴量を計算する単位時間となる予め決めた基本単位時間が、無線機２０を通してセンサモジュール１０に送信され、センサモジュール１０の中に記録される（ステップＳ１)。

設定完了後に、センサモジュール１０が測定開始命令（ステップＳ２）を受信すると、センサモジュール１０は測定モードに移行する。測定モードでは、測定件数＝０（ステップＳ３）とし、次に特徴量計算の初期化を行った（ステップＳ４）後、加速度を繰り返し計測してタイマーに設定した基本単位時間に達したら（ステップＳ５，Ｓ６）、得られた計測値から特徴量となる各軸の平均値、分散、最大値、最小値を計算し（ステップＳ７）、それらの特徴量を無線機２０を介して計算機３０へ送信する。

ただし、センサモジュール１０は、電池駆動すること、長期間の連続装着・連続動作が望まれることから、できるだけ省電力にし、小型・軽量な電池で動作することが望ましい。センサモジュール１０の動作で、最も消費電力が大きいのは送信時であることから、図３の実施例では、通信のコネクションが確立するまでのオーバーヘッドを減らして送信効率を上げ、消費電力を小さくするために、初期設定の段階（ステップＳ１）で予め複数の基本単位時間分の測定件数を設定し、基本単位時間ごとに繰り返して測定を行い特徴量を計算して（ステップＳ４，Ｓ５，Ｓ６，Ｓ７，Ｓ９，Ｓ８）、その測定件数が設定値に達したとき（ステップＳ９）、複数の測定件数分のデータを一括して送信する（ステップＳ１０）手順としている。

また、送信時に次いで消費電力が大きいのは受信時（受信待ちの状態も含む）であり、一旦測定が開始されれば、計算機３０側からセンサモジュール１０に対して命令や情報を送信する必要はないことから、センサモジュール１０が測定開始命令を受信し、測定モードに移行した後は、設定件数に達したときに一方的にデータを送信するだけとし、動作の中で受信状態（受信待ちを含む）を設けない動作としている。

図４は行動・状態の推定対象となる基本単位時間に対して、前後に「ｎ×基本単位時間」の幅で設定した補正単位時間を示すものである。基本単位時間をＴ１、補正単位時間をＴ２とすれば、Ｔ２＝Ｔ１（２ｎ＋１）となる。

図５は、センサモジュール１０より特徴量を受信してから行動・状態の推定、補正を行うまでの計算機３０内の処理を示すフローチャートであり、本発明の行動・状態モニタリング方法のコアとなる処理過程の具体的な手順を説明するものである。

計算機３０は、センサモジュール１０から基本単位時間の特徴量を受け取る（ステップＳ１１）と、予めデータベース３１に記録された教師データを用いて学習したニューラルネットワークにより、当該基本単位時間における行動・状態の一次推定結果としてパターン認識により判定し（ステップＳ１２）、その一次推定結果を当該補正単位時間における最頻行動・状態計算のためにデータベース３２に蓄積する。

本実施例では、図４で説明したように、補正単位時間のうちに、現在の判定対象よりも未来の状態を含めているため、補正単位時間の全て（２ｎ＋１個）についての行動・状態の一次推定結果が得られるまでの遅延処理、つまり「ｎ×基本単位時間」分の遅延処理（ステップＳ１３）を行った後、「２ｎ＋１個」分の一次推定結果から、補正単位時間における最頻行動・状態とその頻度を求める（ステップＳ１４）。そして、最頻行動・状態が当該基本単位時間における一次推定結果と異なり且つその頻度が予め決められた閾値より大きいかどうかを判定する（ステップＳ１５）。最頻行動・状態が当該基本単位時間における一次推定結果と異なり且つその頻度が閾値を超えている場合には、データベース３２の当該基本単位時間（図４の中央の基本単位時間）における一次推定結果を、補正単位時間における最頻行動・状態に置き換える。閾値を越えていない場合は、データベース３２に書き込まれた当該基本単位時間における一次推定結果はそのままとする。

閾値は、状態の連続性の判断基準として、対象用途・目的に応じて恣意的に決定し得るものであるが、閾値が低すぎるとステップＳ１５での判定結果が安定せず、また閾値が高すぎると補正が有効に機能しないことから、事前の類似の状況における結果から経験的に定めることが望ましい。また、本実施例では、補正単位時間における最頻行動・状態や、補正単位時間における行動・状態の組み合わせ（頻度分布）に関わらず閾値を固定的に定めているが、頻繁に行動・状態に変化が起こり得る状況を含む用途においては、補正単位時間における最頻行動・状態や、補正単位時間における行動・状態の組み合わせ（頻度分布）に応じて可変的に定めることも、無論可能である。

図６は、通勤時の駅構内の人間の移動に際して、腰に装着した加速度センサの上下方向の動き成分の生データ波形と推定結果を重ね合わせ、本発明の補正単位時間における補正を施す前後についての推定した行動・状態の結果を示した例である。横軸は時間（時分）、縦軸は加速度計測値である。本実施例では、基本単位時間は１０秒、補正単位時間は前後３０秒の合計７０秒とした。また、補正により推定結果を最頻行動・状態に置き換えるための閾値は、事前に行った基礎実験の結果を基に経験的に７０％（本例では頻度の最大値は７であるので、その７０％は５）と定めた。（ａ）の補正前には、「歩く」と類似した「階段を上る」および「階段を下る」のような誤推定が発生しているが、本発明の（ｂ）の補正後では、２番目以降の「階段を上る」および「階段を下る」の推定結果が「歩く」に置き換えられ、それらの誤推定を補正できている。

なお、以上の実施例において、センサモジュール１０を例えば携帯電話機に組み込む場合は、得られた特徴量をその携帯電話機のデータ通信機能（ｉモード等）を利用して、計算機３０に送ることができる。この場合は、センサモジュール１０の通信モジュール１２や無線機２０は不要となる。将来、携帯電話機その他小型端末の計算処理能力が向上した場合には、計算機３０の機能までを一体化する構成も可能である。その場合には、センサモジュール１０と計算機３０の間の図３のフローチャートのデータ送受信処理も不要となる。

１０：センサモジュール、１１：加速度センサ、１２：通信モジュール、１３：制御モジュール
２０：無線機
３０：計算機

Claims

人間や動物などの動体に装着した１または２以上の加速度センサの計測値の基本単位時間における特徴量の、予め同条件で測定した教師データとしての計測値の特徴量に対するパターン認識により、前記基本単位時間における前記動体の行動・状態を計算機を用いて推定する行動・状態モニタリング方法において、
前記基本単位時間を含み前記基本単位時間よりも長い補正単位時間における行動・状態が連続するように、前記基本単位時間における前記推定の結果を補正することを特徴とする行動・状態モニタリング方法。
請求項１に記載の行動・状態モニタリング方法において、
前記補正単位時間において、前記基本単位時間における前記推定の結果と異なる特定の行動・状態が、予め決められた閾値より大きな頻度で発生しているとき、前記基本単位時間における行動・状態の前記推定の結果を、前記特定の行動・状態に置き換えることを特徴とする行動・状態モニタリング方法。
請求項１または２に記載の行動・状態モニタリング方法において、
前記補正単位時間は、前記基本単位時間の前後に同数の基本単位時間を含むように設定されていることを特徴とする行動・状態モニタリング方法。
計算機を用いて人間や動物などの動体の行動・状態を推定する行動・状態モニタリングプログラムであって、
前記動体に装着した１または２以上の加速度センサの計測値の基本単位時間における特徴量を取得するステップと、
前記特徴量の、予め同条件で測定した教師データとしての計測値の特徴量に対するパターン認識により、前記基本単位時間における前記動体の行動・状態を推定するステップと、
前記基本単位時間を含み前記基本単位時間よりも長い補正単位時間において、前記基本単位時間における前記推定の結果と異なる特定の行動・状態が、予め決められた閾値より大きな頻度で発生しているとき、前記基本単位時間における行動・状態の前記推定の結果を、前記特定の行動・状態に置き換えるステップと、
を備えることを特徴とする行動・状態モニタリングプログラム。