JP5846165B2 - 特徴量抽出装置、方法、およびプログラム - Google Patents

Description

本発明は、入力データに対応する特徴量を抽出する装置、方法、およびプログラムに関する。

加速度センサなどを内蔵した機器を人が身に着け、センサからの信号データを元にその人の行動状態を推定する技術が知られている。

このような技術を例えば歩数計を発展させた活動量計に応用した場合、それを身につけている人の行動状態がわかれば、人間の身体活動の量（メッツ・時）をより正確に測定できる。そして、その活動量と個人情報（身長、体重等）から消費カロリーが算出できる。

行動状態を推定する具体的な技術としては、次のような方式が一般的である。例えば、或る行動をしているときに得られた信号データの或る時間区間ごとに、さまざまな特徴量を算出し、予め行動状態が既知の多人数に対してそのような特徴量を取得し教師あり学習データとしておく。そして、未知の行動時のセンサの出力データが得られたら、同様な特徴量を算出し、教師あり学習データと照合することにより、どのような行動状態かを推定する。より具体的には、教師あり学習データの特徴量に対して、Ａｄａｂｏｏｓｔやサポートベクターマシン（ＳＶＭ）などの良く知られた識別手法を用いて識別器を生成し、活動量計に搭載しておく。活動量計の使用時には、未知の行動時のセンサ出力から特徴量を算出し、その特徴量を識別器に入力することにより、行動状態の識別結果を得る。

行動状態を推定する従来技術としては、次のような技術が知られている（例えば特許文献１に記載の技術）。被験者の動作や行動に伴う状態変化を計測する測定器を取り付け、現在被験者が行っている動作或いは行動の特徴量を特徴量抽出部により計測信号から抽出し、動作或いは行動を認識するための信号処理装置で、前以て記憶している動作或いは行動の特徴量データベースに含まれている参照データと抽出した特徴量との相関をとり、最も相関の高い特徴量の意味する動作或いは行動を認識結果として出力する。

このような従来技術では、センサ出力から算出する特徴量としては、例えばフーリエ変換やウェーブレット変換等の時間−周波数変換演算処理によって得られる周波数特徴量が一般的に用いられていた。

特開平１０−１１３３４３号公報

ここで、例えば活動量計は人の腕等に装着される小型かつ低価格の装置である。このため、センサ出力から特徴量を算出するために、例えば上述した時間−周波数変換演算処理を実行できる高性能の演算処理装置を搭載すると、装置の大型化および高価格化を招いてしまうという問題点を有していた。

このような問題点は、活動量計に限られず、センサ出力を含む様々な入力データから特徴量を算出する処理を含む全ての装置に共通である。

本発明は、入力データからより軽量な演算処理量で適切な特徴量を算出可能とすることを目的とする。

態様の一例では、センサから出力される所定の時間区間内の時系列データを入力データとし、当該入力データに対応する特徴量を、当該入力データの周波数特徴量を用いることなく抽出する特徴量抽出装置であって、連続する前記入力データの列に対して、所定間隔毎に、前記入力データの値の符号情報の列を取得する符号情報列取得部と、前記符号情報列取得部で得られた符号情報の列のパターン毎に頻度を集計する符号情報列パターン頻度集計部と、前記符号情報列パターン頻度集計部が集計した前記パターン毎の頻度値を、前記入力データに対応する特徴量として出力する特徴量出力部と、を備え、前記符号情報列取得部は、所定の時間から時系列的に変化する前記符号情報を所定の数だけ並べた前記符号情報の列を、時間的にずらしながら取得していくことを特徴とする。

本発明によれば、入力データからより軽量な演算処理量で適切な特徴量を算出することが可能となる。

本発明の実施形態が前提とするシステムの構成例を示す図である。 本発明の実施形態のハードウェア構成例を示す図である。 本発明の実施形態における特徴量抽出処理を示すフローチャートである。 本発明の実施形態における特徴量抽出処理の動作説明図である。

以下、本発明を実施するための形態について図面を参照しながら詳細に説明する。

図１は、本発明の実施形態が前提とするシステムの構成例を示す図である。

このシステムは、識別器生成装置１０１と行動推定装置１０２とから構成される。

行動推定装置１０２は、例えば活動量計であり、人が身体に装着して使用する。識別器生成装置１０１は、例えばコンピュータ装置であり、詳細については後述するが、例えば、識別器生成装置１０１とは別の、センサデータ記録装置で記録された加速度データを学習用データとして識別器生成装置１０１に入力し、行動推定装置１０２が搭載する識別器１０５を生成する。識別器生成装置１０１は、例えば行動推定装置１０２を製造する製造メーカ内で、行動推定装置１０２からは分離して使用される。

識別器生成装置１０１には、まず、識別したい行動種別毎の加速度センサのデータが、学習用の加速度データ１０８（＃１〜＃Ｎ）として入力される。

次に、識別器生成装置１０１に搭載される特徴量抽出部１０３が、各加速度データ１０８から特徴量を抽出する。特徴量としては、加速度データ１０８の平均値や分散値のほか、本実施形態で提案する符号情報列パターン頻度が算出される。

そして識別器生成装置１０１に搭載される識別器生成部１０４が、Ａｄａｂｏｏｓｔやサポートベクターマシン（ＳＶＭ）などの良く知られた識別手法を用いて、特徴量抽出部１０３が抽出した特徴量データを入力として、識別器１０５を生成する。

このようにして識別器生成装置１０１が生成した識別器１０５は、例えば、識別器生成装置１０１内の記憶装置から可搬記録媒体や通信回線を介して、行動推定装置１０２内の記憶装置に搭載される。

行動推定装置１０２は、それが装着された人間の行動状態を、以下のようにして推定する。

まず、行動推定装置１０２が搭載する加速度センサが、行動状態が未知の加速度データ１０９を出力する。

次に、行動推定装置１０２に搭載される特徴量抽出部１０６が、加速度データ１０９から特徴量を抽出する。特徴量としては、識別器生成装置１０１における特徴量抽出部１０３が抽出するものと同様であり、加速度データ１０９の平均値や分散値のほか、本実施形態で提案する符号情報列パターン頻度が算出される。

そして、行動推定装置１０２に搭載される識別部１０７が、識別器１０５を用いて、加速度データ１０９に対応する行動状態の識別クラスを、クラス判定結果１１０として出力する。

このようにして出力されたクラス判定結果１１０に基づいて、例えば活動量（メッツ・時）が算出され、さらに、その活動量と個人情報（身長、体重等）から消費カロリーが算出される。

図２は、本発明の実施形態のハードウェア構成例を示す図である。

このハードウェア構成が識別器生成装置１０１に適用される場合には、このハードウェアは、例えば製造メーカ内に設置されるコンピュータである。この場合には、図２に例示されるコンピュータは、ＣＰＵ２０１、メモリ２０２のほか、ハードディスクなどの外部記憶装置２０５、メモリカードなどの可搬記録媒体２０９が挿入される可搬記録媒体駆動装置２０６、及び社内ＬＡＮ（ローカルエリアネットワーク）やインターネットに接続される通信インタフェース２０７を有し、これらがバス２０８によって相互に接続された構成を有する。図２に例示される構成は識別器生成装置１０１を実現できるコンピュータの一例であり、そのようなコンピュータはこの構成に限定されるものではない。

図２に例示されるハードウェア構成が行動推定装置１０２に適用される場合には、このハードウェアは、例えば製造メーカで製造される人間の身体に装着される形態の小型の携帯型の活動量計である。この場合には、図２にされるコンピュータは、メモリ２０２はＲＡＭ（ランダムアクセスメモリ）とプログラムや図１の識別器１０５などを記憶する（リードオンリーメモリ）のほか、加速度センサ２１０と、操作指示ボタンなどの入力装置２０３、小型の液晶ディスプレイなどの出力装置２０４を備え、これらがバス２０８によって相互に接続された構成を有する。また、外部記憶装置２０５、可搬記録媒体駆動装置２０６、及び通信インタフェース２０７などは、搭載されなくてもよい。図２に示される構成は行動推定装置１０２を実現できるコンピュータの一例であり、そのようなコンピュータはこの構成に限定されるものではない。

ＣＰＵ２０１は、当該コンピュータ全体の制御を行う。メモリ２０２は、プログラムの実行、データ更新等の際に、制御プログラム又はデータを一時的に格納するＲＡＭである。また、図２のハードウェアが行動推定装置１０２として実現される場合には、制御プログラムや図２の識別器１０５を記憶するＲＯＭである。

ＣＰＵ２０１は、図１の識別器生成装置１０１や行動推定装置１０２の各機能を実現するプログラムをメモリ２０２に読み出して実行することにより、全体の制御を行う。特に、本実施形態による識別器生成装置１０１または行動推定装置１０２は、図３のフローチャート等で実現される、図１の識別器生成装置１０１における特徴量抽出部１０３または行動推定装置１０２における特徴量抽出部１０６の機能を搭載したプログラムをＣＰＵ２０１が実行することで、特徴量抽出処理を実現する。そのプログラムは、例えば外部記憶装置２０５や可搬記録媒体２０９に記録して配布してもよく、或いは通信インタフェース２０７によりネットワークから取得できるようにしてもよい。さらには、製造メーカにおいて、メモリ２０２の一部を構成するＲＯＭの形式で提供されてもよい。

図３は、図１の識別器生成装置１０１の特徴量抽出部１０３または行動推定装置１０２の特徴量抽出部１０６において実行される特徴量抽出処理を示すフローチャートである。

まず、図２の加速度センサ２１０からＣＰＵ２０１に入力する連続する時系列の入力データである加速度データの列に対して、所定期間毎に、入力データの値の符号情報の列が取得される（符号情報列取得部の機能）（ステップＳ３０１）。

次に、ステップＳ３０１で得られた符号情報の列のパターン毎に頻度が集計される（符号情報列パターン頻度集計部の機能）（ステップＳ３０２）。

そして、ステップＳ３０２で集計されパターン毎の頻度値が、加速度データに対応する特徴量として出力される（特徴量出力部の機能）（ステップＳ３０３）。

以下、図３のフローチャートで例示される特徴量抽出処理の詳細な動作説明である。

図３のステップＳ３０１の符号情報列取得処理では、次の動作が実行される。

まず例えば、図４（ａ）に示されるように、加速度センサ２１０のx成分のある時間区間内の時系列データＡ(ｎ個：Ａ（１）〜Ａ（ｎ）)が取得される。このときの時間区間の長さは、例えば数秒程度である。

次に、時系列データＡの差分データＤが、次式に従って算出される。
Ｄ（ｋ）＝Ａ（ｋ＋１）−Ａ（ｋ） （１≦ｋ≦ｎ−１）
そして、算出した差分データＤが正の値には＋の符号を、負の値には−の符号を付与する。

このようにして算出される差分データＤのうち、最初から連続するＰ個のデータの符号が順にならべられる。例えば、Ｐ＝５とすると、
Ｄ（１），Ｄ（２），Ｄ（３），Ｄ（４），Ｄ（５）＝＋＋＋＋−

次に、データが時間方向にずらされて同様に符号がならべられる。
Ｄ（２），Ｄ（３），Ｄ（４），Ｄ（５）、Ｄ（６）＝＋＋＋−−

以上の処理がデータＤがある分だけ実行される。

図３のステップＳ３０２の符号情報列パターン頻度集計処理では、次の動作が実行される。

符号の並び方は、ｍ＝２のＰ乗通り、Ｐ＝５の場合には、ｍ＝２の５乗＝３２通りあるので、上記処理により発生したならびのパターン毎に、図４（ａ）から図４（ｂ）にむかう各矢印として示されるように、発生したパターン毎にヒストグラムに集計が行われる。

例えば、図４（ｂ）に示されるように、符号情報列パターン「＋＋＋＋−」が発生する毎に、ヒストグラムのビン値（頻度値）ｂｉｎ（２）の値が＋１ずつされ、符号情報列パターン「＋＋＋−−」が発生する毎に、ヒストグラムのビン値ｂｉｎ（３）の値が＋１ずつされ、符号情報列パターン「＋＋−−−」が発生する毎に、ヒストグラムのビン値ｂｉｎ（４）の値が＋１ずつされる。

図３のステップＳ３０３の特徴量出力処理では、上述のようにして算出された２のＰ乗個のビン値ｂｉｎ（１）〜ｂｉｎ（ｍ）が、加速度データＡに対応する特徴量として出力される。

以上の特徴量抽出処理を、図１の識別器生成装置１０１内の特徴量抽出部１０３および行動推定装置１０２内の特徴量抽出部１０３の一部に適用することにより、時間−周波数変換のような複雑な演算処理を実行することなく、より軽量な差分演算処理とヒストグラム集計処理で、加速度データの波形情報に対応する適切な特徴量を算出することが可能となる。

以上の実施形態では、Ｐ＝５を例としたが、もちろんそれ以外の値でもよい。

また上記実施形態では、単純に差分データＤの各符号を並べたが、加速度データＡの振幅の絶対値の大きさにより、"＋"を、"１＋"，"２＋"の２種類に分類し、同様に、"−"を、"１−"，"２−"の２種類に分類し、計４種類に分類してならべてもよい。この場合には、２５６（＝４の５乗）通りの並べ方が存在し、２５６個の特徴量となる。もちろん、２，４種類に限らず、さまざまな値をとってもよい。

さらに、本発明が対象とする入力データは、加速度センサ、さらには時系列データに限らず、なんらかの１次元の連続する入力データの列に適用してもよい。

また、上記実施形態では、時系列的に連続する符号を並べたが、１つおき、２つおきなどでもよく、さらには、どのデータをどのように並べるかも自由である。

以上の実施形態に関して、更に以下の付記を開示する。
（付記１）
連続する入力データの列に対して、所定期間毎に、前記入力データの値の符号情報の列を取得する符号情報列取得部と、
前記符号情報列取得部で得られた符号情報の列のパターン毎に頻度を集計する符号情報列パターン頻度集計部と、
前記符号情報列パターン頻度集計部が集計した前記パターン毎の頻度値を、前記入力データに対応する特徴量として出力する特徴量出力部と、
を備えることを特徴とする特徴量抽出装置。
（付記２）
前記入力データの列は、センサから出力される時間データ列である、
ことを特徴とする付記１に記載の特徴量抽出装置。
（付記３）
前記特徴量は、識別クラスが既知の学習量の入力データを用いて該入力データの識別クラスを識別する識別器を生成するために、該入力データから算出される、
ことを特徴とする付記１または２のいずれかに記載の特徴量抽出装置。
（付記４）
前記特徴量は前記識別器を用いて識別クラスが未知の入力データを入力して該入力データの識別クラスを識別するために、該入力データから算出される、
ことを特徴とする付記３に記載の特徴量抽出装置。
（付記５）
連続する入力データの列に対して、所定期間毎に、前記入力データの値の符号情報の列を取得し、
前記符号情報の列のパターン毎に頻度を集計し、
前記集計した前記パターン毎の頻度値を、前記入力データに対応する特徴量として出力する、
ことを特徴とする特徴量抽出方法。
（付記６）
連続する入力データの列に対して、所定期間毎に、前記入力データの値の符号情報の列を取得するステップと、
前記符号情報の列のパターン毎に頻度を集計するステップと、
前記集計した前記パターン毎の頻度値を、前記入力データに対応する特徴量として出力するステップと、
をコンピュータに実行させるためのプログラム。

１０１ 識別器生成装置
１０２ 行動推定装置
１０３ 特徴量抽出部
１０４ 識別器生成部
１０５ 識別器
１０６ 特徴量抽出部
１０７ 識別部
１０８ 学習用の加速度データ
１０９ 行動状態が未知の加速度データ
１１０ クラス判定結果
２０１ ＣＰＵ
２０２ メモリ
２０３ 入力装置
２０４ 出力装置
２０５ 外部記憶装置
２０６ 可搬記録媒体駆動装置
２０８ バス
２０９ 可搬記録媒体
２１０ 加速度センサ

Claims (6)

1. センサから出力される所定の時間区間内の時系列データを入力データとし、当該入力データに対応する特徴量を、当該入力データの周波数特徴量を用いることなく抽出する特徴量抽出装置であって、
   連続する前記入力データの列に対して、所定間隔毎に、前記入力データの値の符号情報の列を取得する符号情報列取得部と、
   前記符号情報列取得部で得られた符号情報の列のパターン毎に頻度を集計する符号情報列パターン頻度集計部と、
   前記符号情報列パターン頻度集計部が集計した前記パターン毎の頻度値を、前記入力データに対応する特徴量として出力する特徴量出力部と、を備え、
   前記符号情報列取得部は、所定の時間から時系列的に変化する前記符号情報を所定の数だけ並べた前記符号情報の列を、時間的にずらしながら取得していくことを特徴とする特徴量抽出装置。
2. 前記符号情報は、前記センサから出力される時系列データの時間的に異なるデータの差分値の正負に対して異なる符号を付与した情報であることを特徴とする請求項１に記載の特徴量抽出装置。
3. 前記特徴量は、識別クラスが既知の学習量の入力データを用いて該入力データの識別クラスを識別する識別器を生成するために、該入力データから算出される、
   ことを特徴とする請求項１または２に記載の特徴量抽出装置。
4. 前記特徴量は前記識別器を用いて識別クラスが未知の入力データを入力して該入力データの識別クラスを識別するために、該入力データから算出される、
   ことを特徴とする請求項３に記載の特徴量抽出装置。
5. センサから出力される所定の時間区間内の時系列データを入力データとし、当該入力データに対応する特徴量を、当該入力データの周波数特徴量を用いることなく抽出する特徴量抽出方法であって、
   連続する前記入力データの列に対して、所定間隔毎に、前記入力データの値の符号情報の列を取得する符号情報列取得ステップと、
   前記符号情報の列のパターン毎に頻度を集計する符号情報列パターン頻度集計ステップと、
   前記集計した前記パターン毎の頻度値を、前記入力データに対応する特徴量として出力する特徴量出力ステップと、を含み、
   前記符号情報列取得ステップは、所定の時間から時系列的に変化する前記符号情報を所定の数だけ並べた前記符号情報の列を、時間的にずらしながら取得していくことを特徴とする特徴量抽出方法。
6. センサから出力される所定の時間区間内の時系列データを入力データとし、当該入力データに対応する特徴量を、当該入力データの周波数特徴量を用いることなく抽出する特徴量抽出装置のコンピュータを、
   連続する前記入力データの列に対して、所定間隔毎に、前記入力データの値の符号情報の列を取得する符号情報列取得部、
   前記符号情報の列のパターン毎に頻度を集計する符号情報列パターン頻度集計部、
   前記集計した前記パターン毎の頻度値を、前記入力データに対応する特徴量として出力する特徴量出力部、として機能させ、
   前記符号情報列取得部は、所定の時間から時系列的に変化する前記符号情報を所定の数だけ並べた前記符号情報の列を、時間的にずらしながら取得していくように機能することを特徴とするプログラム。