JP5885292B2 - 行動認識プログラムおよび行動認識用の処理装置 - Google Patents

Description

本発明は、人間の行動を認識するための行動認識プログラムおよび行動認識用の処理装置に関する。

従来より、コンピュータ等によって人間の動作を自動的に判別する技術として、例えば、以下の特許文献１〜３の技術が公知である。

特許文献１としての特開２００９−３７４３４号公報や、特許文献２としての特開２００９−２１１５６３号公報には、２台のカメラによってユーザをステレオ視し、ユーザの肌色部分として抽出された顔領域および手先領域の３次元位置を追跡することにより、上下左右への手振り動作を判別したり、テレビ等に視線と指とを向ける指差し動作を判別したりする技術が記載されている。
また、特許文献３としての特開２００８−１０２７８１号公報には、２台のカメラによってユーザをステレオ視し、ユーザの肌色部分として抽出された手先領域の３次元位置の変化に基づいて、ユーザの手の動きの大きさや速度を計算する技術が記載されている。また、特許文献３には、ユーザの顔領域も抽出し、ファジー推論によって、抽出された顔と手との位置関係と計算された手の動きの大きさと速度とから、ユーザが健常者であるか白杖者（視覚障害者）であるかを判別する技術が記載されている。
すなわち、特許文献１〜３には、カメラを用いて人間の動作を自動的に判別する技術が記載されている。

特開２００９−３７４３４号公報（「００３０」〜「００５３」、図１〜図６） 特開２００９−２１１５６３号公報（「００２５」〜「００３６」、図１〜図６） 特開２００８−１０２７８１号公報（「００１３」〜「００６５」、図１〜図１２）

（従来技術の問題点）
特許文献１〜３に記載の技術では、両方のカメラの撮像範囲内に、撮像対象（ユーザの顔や手）が存在する必要があり、撮像対象がいずれか１つのカメラの撮像範囲外、すなわち、死角に移動してしまった場合、撮像対象の３次元位置が計算できないため、ユーザの動作が判別できなくなるという問題がある。また、例えば、ユーザがカメラに背を向けたり、屈み込んだりした場合、撮像対象の全部または一部が隠れて撮像し難くなる。よって、特許文献１〜３に記載の技術では、ユーザの身体の向きや姿勢によってユーザの動作が判別し難くなるという問題があった。また、例えば、朝、昼、夜の室内の明るさが異なる場合、撮像対象の追跡精度が低下したり、追跡できなくなったりする可能性がある。特に、室内の照明を暗くした場合には、追跡できなくなるという問題があった。
この結果、特許文献１〜３に記載の技術では、ユーザの動作を判別できなくなる場合があり、判別できた場合であっても判別結果の精度が低下するおそれがあった。また、特許文献１〜３に記載の技術では、昼夜の明るさが大きく変化する室外ではユーザの動作を判別し続けることが困難であるという問題があった。

また、近年、核家族化が進み、独り住まいの高齢者が増加したため、高齢者の転倒等の事故や体調不良等の確認を遠隔地から行いたいとの社会的要求が大きくなってきている。しかしながら、特許文献１〜３に記載の技術では、判別対象のユーザの動作は、対応する家電機器等の操作を実行するためのジェスチャ（手振り、指差し等）等の一時的な姿勢の判別だけで、転倒や起床せずに寝たまま等の異常・緊急性を要し、訪問・確認や早期救急救助が必要な行動の判別は実現できていないという問題があった。

前述の事情に鑑み、本発明は、人間の動作の判別ミスを低減し易くしつつ人間の動作の連続性から判別可能な行動を認識することを技術的課題とする。

前記技術的課題を解決するために、請求項１に記載の発明の行動認識プログラムは、
コンピュータを、
人が携帯可能な端末に設けられて加速度を検出可能な加速度センサで検出される加速度と、前記端末を携帯した人の姿勢と、を対応づける情報が予め記憶された姿勢情報記憶手段、
前記加速度センサで検出された加速度と、前記姿勢情報記憶手段に記憶された情報とに基づいて、前記端末を携帯した人の動作を判別する動作判別手段、
前記動作の推移を記憶する動作推移記憶手段、
前記動作の推移と、前記端末を携帯した人の行動と、を対応づける情報が予め記憶された行動情報記憶手段、
前記動作の推移と、前記動作の前後の間の動作の激しさと、前記行動情報記憶手段に記憶された情報とに基づいて、前記端末を携帯した人の行動を判別する行動判別手段、
として機能させるための行動認識プログラムであって、
前記動作判別手段では、
加速度と該加速度に対応する確率変数とが対応付けられたメンバシップ関数が、各姿勢毎に予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の姿勢が判別され、
加速度ベクトルの分散と該分散に対応する確率変数とが対応付けられたメンバシップ関数が、静止および移動のいずれかと予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の静止及び移動のいずれかが判別され、
加速度ベクトルの最大値と最小値との差分と該差分に対応する確率変数とが対応付けられたメンバシップ関数が、動作の激しいか否かに応じて予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の動作の激しさを判別する
ことを特徴とする。

前記技術的課題を解決するために、請求項２に記載の発明の行動認識用の処理装置は、
加速度を検出可能な加速度センサを備え、人が携帯可能な端末との間で情報の送受信が可能な行動認識用の処理装置であって、
前記加速度センサで検出される加速度と前記端末を携帯した人の姿勢とを対応づける情報が予め記憶された姿勢情報記憶手段と、
前記加速度センサで検出された加速度と前記姿勢情報記憶手段に記憶された情報とに基づいて、前記端末を携帯した人の動作を判別する動作判別手段と、
前記動作の推移を記憶する動作推移記憶手段と、前記動作の推移と前記端末を携帯した人の行動とを対応づける情報が予め記憶された行動情報記憶手段と、
前記動作の推移と、前記動作の前後の間の動作の激しさと、前記行動情報記憶手段に記憶された情報とに基づいて、前記端末を携帯した人の行動を判別する行動判別手段と、
を備え、
前記動作判別手段では、
加速度と該加速度に対応する確率変数とが対応付けられたメンバシップ関数が、各姿勢毎に予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の姿勢が判別され、
加速度ベクトルの分散と該分散に対応する確率変数とが対応付けられたメンバシップ関数が、静止および移動のいずれかと予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の静止及び移動のいずれかが判別され、
加速度ベクトルの最大値と最小値との差分と該差分に対応する確率変数とが対応付けられたメンバシップ関数が、動作の激しいか否かに応じて予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の動作の激しさを判別する
を備えたことを特徴とする。

なお、前記技術的課題を解決するための行動認識方法として、
人が携帯可能な端末に設けられて加速度を検出可能な加速度センサで検出される加速度と、前記加速度と前記端末を携帯した人の姿勢とが予め対応づけられた情報とに基づいて、前記端末を携帯した人の動作を判別する動作判別ステップと、
前記動作の推移と、前記動作の推移と前記端末を携帯した人の行動とが予め対応づけられた情報と、に基づいて、前記端末を携帯した人の行動を判別する行動判別ステップと、
を実行することも可能である。

請求項１に記載の発明によれば、加速度センサで検出された加速度と予め設定されたメンバシップ関数とに基づいて、動作や静止または移動、あるいは動作の激しさを判別して、端末を携帯した人の行動を判別する構成を有しない場合に比べ、人間の動作の判別ミスを低減しつつ人間の動作の連続性から判別可能な行動を認識することができる。

また、請求項１、２に記載の発明によれば、加速度センサで検出された加速度に基づく姿勢と、加速度ベクトルの分散に基づく静止または移動と、加速度ベクトルの最大値と最小値との差分に基づく動作の激しさとに基づいて、端末を携帯した人の動作を判別できる。

請求項２に記載の発明によれば、行動認識用の端末の加速度センサで検出された加速度に基づき、動作の推移と動作の前後の間の動作の激しさとを使用して、行動認識用の処理装置で行動認識用の端末を携帯した人の行動を判別する構成を有しない場合に比べ、人間の動作の判別ミスを低減しつつ人間の動作の連続性から判別可能な行動を認識することができる。

図１は実施例１の行動認識システムの全体説明図である。 図２は実施例１の行動認識システムのサーバとアクセスポイントとセンサタグとの各制御部が備えている各機能をブロック図（機能ブロック図）で示した図である。 図３は実施例１のメンバシップ関数の一例の説明図であって、センサタグを腰の位置に装着した対象者のメンバシップ関数の説明図であり、図３Ａは縦軸をメンバシップ値とし横軸をＸ軸加速度とした場合の立位・座位・臥位の各メンバシップ関数の説明図、図３Ｂは縦軸をメンバシップ値とし横軸をＹ軸加速度とした場合の臥位（左向き）・臥位（右向き）・臥位（左右の向きなし）の各メンバシップ関数の説明図、図３Ｃは縦軸をメンバシップ値とし横軸をＺ軸加速度とした場合の臥位（うつ伏せ）・臥位（仰向け）・臥位（前後の向きなし）の各メンバシップ関数の説明図、図３Ｄは縦軸をメンバシップ値とし横軸を加速度ベクトルの分散とした場合の静止・移動の各メンバシップ関数の説明図、図３Ｅは縦軸をメンバシップ値とし横軸を加速度ベクトルの最小値と最大値との差分とした場合の歩行・走行の各メンバシップ関数の説明図である。 図４は実施例１のメンバシップ関数を設定する際に対象者から取得した各動作の加速度データと連続画像と時系列で照合する作業に関する一例の説明図であり、対象者が前方に転倒した際の各動作の画像と縦軸を加速度とし横軸を時間とした場合の３軸の加速度データとを照合する作業の概念説明図である。 図５は縦軸を加速度とし横軸を時間とした場合の３軸の加速度データの説明図であり、図５Ａは対象者が左向き・うつ伏せ・左向き・仰向けの順に寝返りした際の加速度データの一例の説明図、図５Ｂは対象者が仰向けの状態から膝を立てて床を肘や手で支えながら上体を起こして離床した際の加速度データの一例の説明図である。 図６は実施例１の行動表示画像の説明図である。 図７は実施例１の動作推移記憶処理のフローチャートである。 図８は実施例１の動作判別処理のフローチャートであり、図７のＳＴ１０５のサブルーチンの説明図である。 図９は実施例１の行動認識処理のフローチャートである。 図１０は実施例１の行動判別処理のフローチャートであり、図９のＳＴ２０２のサブルーチンの説明図である。 図１１は実施例１の図１に対応する説明図であって実施例２の行動認識システムの全体説明図である。 図１２は実施例１の図２に対応する説明図であって実施例２の行動認識システムのサーバと携帯端末との各制御部が備えている各機能をブロック図（機能ブロック図）で示した図である。 図１３は実施例１の図７に対応する説明図であって実施例２の動作推移記憶処理のフローチャートである。

次に図面を参照しながら、本発明の実施の形態の具体例（以下、実施例と記載する）を説明するが、本発明は以下の実施例に限定されるものではない。

図１は実施例１の行動認識システムの全体説明図である。
図１において、実施例１の行動認識システム１は、行動認識用の処理装置の一例としてのサーバ２を有する。実施例１の前記サーバ２は、コンピュータ装置により構成されており、コンピュータ本体２ａと、ディスプレイ２ｂと、キーボード２ｃやマウス２ｄ等の入力装置、図示しないハードディスクドライブ等により構成されている。

また、前記行動認識システム１は、行動認識の対象者（端末を携帯した人、例えば、老人ホームの老人や病院の患者等）が居住する室内（例えば、老人ホームの各部屋）に配置されたアクセスポイント（転送部材、端末位置検出部材）３，３と、前記対象者が携帯するセンサタグ（端末、行動認識用の端末）４，４とを有する。実施例１では、前記アクセスポイント３，３は、第１の情報通信回線の一例としての無線ＬＡＮ（Local Area Network）５を介して、前記サーバ２に接続されており、前記センサタグ４，４は、第２の情報通信回線の一例としてのＺｉｇＢｅｅ（登録商標）ネットワーク６を介して、前記アクセスポイント３，３と接続されている。
ここで、ＺｉｇＢｅｅ（登録商標）とは、センサネットワークとして利用することを想定して開発された家電向けの短距離無線通信規格の一つであり、低速で情報の送受信の範囲が狭い替わりに、他の無線通信規格の端末に比べて安価で消費電力が少ないという特徴を有している。

実施例１の前記アクセスポイント３，３は、センサタグ４，４からの受信可能な範囲が半径約３０［ｍ］に予め設定されている。また、実施例１では、各部屋の広さは、縦の長さが約８［ｍ］、横の長さが約６［ｍ］に予め設定されている。よって、前記センサタグ４，４は、室内の全ての位置から前記アクセスポイント３，３に情報が送信可能となっており、実施例１のアクセスポイント３，３は各部屋の一角に１台ずつ配置されている。
また、実施例１の前記センサタグ４，４は、一例として、図示しないフックでベルトのバックル部分に引っ掛ける等して各対象者の腰の位置に装着されており、直交する３軸のそれぞれの方向の加速度を検出する加速度センサ（３軸加速度センサ）４ａ，４ａを有する。

実施例１の加速度センサ４ａ，４ａは、５０［ｍｓ］ごとに対象者についてのＸ軸方向（上下方向）、Ｙ軸方向（左右方向）、Ｚ軸方向（前後方向）の各加速度（Ｘ軸加速度ａｘ、Ｙ軸加速度ａｙ，Ｚ軸加速度ａｚ）を、−２．０６２５［Ｇ：９．８０６６５ｍ／ｓ^２］から＋２．０６２５［Ｇ］までの値で検出する。すなわち、−２．０６２５≦ａｘ≦＋２．０６２５，−２．０６２５≦ａｙ≦＋２．０６２５，−２．０６２５≦ａｚ≦＋２．０６２５が成立する。なお、実施例１では、Ｘ軸方向については、上方向がプラス方向（＋）、下方向がマイナス方向（−）に予め設定されている。また、Ｙ軸方向については、右方向がプラス方向、左方向がマイナス方向に予め設定されている。また、Ｚ軸方向については、前方向がプラス方向、後方向がマイナス方向に予め設定されている。
よって、例えば、対象者が静止している場合、１［Ｇ］の重力加速度が下向きに働くため、直立していれば、ａｘ＝−１［Ｇ］、ａｙ＝ａｚ＝０［Ｇ］となる加速度ａｘ〜ａｚが検出される。また、例えば、対象者が左向きで寝ている状態で静止していれば、ａｙ＝−１［Ｇ］、ａｚ＝ａｘ＝０［Ｇ］となる加速度ａｘ〜ａｚが検出され、対象者がうつ伏せで寝ている状態で静止していれば、ａｚ＝＋１［Ｇ］、ａｘ＝ａｙ＝０［Ｇ］となる加速度ａｘ〜ａｚが検出される。

（実施例１の制御部の説明）
（実施例１のセンサタグ４，４の制御部の説明）
図２は実施例１の行動認識システムのサーバとアクセスポイントとセンサタグとの各制御部が備えている各機能をブロック図（機能ブロック図）で示した図である。
図２において、前記センサタグ４，４の制御部は、外部との信号の入出力等を行う入出力インターフェース（Ｉ／Ｏ）、必要な処理を行うためのプログラムおよび情報等が記憶されたＲＯＭ（リードオンリーメモリ）、必要なデータを一時的に記憶するためのＲＡＭ（ランダムアクセスメモリ）、前記ＲＯＭに記憶されたプログラムに応じた処理を行うＣＰＵ（中央演算処理装置）、ならびに発振器等を有する小型情報処理装置、いわゆる、マイクロコンピュータにより構成されており、前記ＲＯＭに記憶されたプログラムを実行することにより種々の機能を実現することができる。

（実施例１のセンサタグ４，４の制御部に接続された信号出力要素）
前記センサタグ４，４の制御部は、加速度センサ４ａ，４ａ等の信号出力要素からの出力信号が入力されている。前記加速度センサ４ａ，４ａは、５０［ｍｓ］ごとに３軸の各方向の加速度ａｘ〜ａｚを検出する。
（実施例１のセンサタグ４，４の制御部の機能）
前記センサタグ４，４の制御部は、前記信号出力要素からの入力信号に応じた処理を実行する以下の機能を有している。
ＣＳ１：端末情報記憶手段（識別情報記憶手段、センサタグＩＤ記憶手段、端末識別情報記憶手段）
端末情報記憶手段ＣＳ１は、センサタグ４，４ごとに予め設定されたセンサタグＩＤ（識別情報、端末情報、端末識別情報）を記憶する。
ＣＳ２：送信手段
送信手段ＣＳ２は、前記端末情報記憶手段ＣＳ１に記憶されたセンサタグＩＤを送信する端末情報送信手段ＣＳ2Aを有し、加速度センサ４ａ，４ａによって検出された加速度ａｘ〜ａｚの情報である加速度データ（加速度の情報）を送信する。実施例１の前記送信手段ＣＳ２は、いわゆる、ＺｉｇＢｅｅ（登録商標）モジュール（ＺｉｇＢｅｅ（登録商標）チップ、ＺｉｇＢｅｅ（登録商標）送受信機）によって構成された図示しない送信部を介して、検出された加速度データと、記憶されたセンサタグＩＤと含む情報を５０［ｍｓ］ごとにアクセスポイント３，３に送信（無線送信）する。

（実施例１のアクセスポイント３，３の制御部の説明）
（実施例１のアクセスポイント３，３の制御部の機能）
また、前記アクセスポイント３，３の制御部は、前記センサタグ４，４の制御部と同様のマイクロコンピュータにより構成されており、以下の機能を有している。
ＣＡ１：転送情報記憶手段（アクセスポイントＩＤ記憶手段、転送部材識別情報記憶手段）
転送情報記憶手段ＣＡ１は、アクセスポイント３，３ごとに予め設定されたアクセスポイントＩＤ（転送情報、転送部材識別情報）を記憶する。

ＣＡ２：転送手段
転送手段ＣＡ２は、転送用受信手段ＣＡ2Aと、信号強度検出手段ＣＡ2Bと、転送用送信手段ＣＡ2Cとを有し、前記送信手段ＣＳ２によって送信された情報をサーバ２に転送する。
ＣＡ2A：転送用受信手段
転送用受信手段ＣＡ2Aは、前記ＺｉｇＢｅｅ（登録商標）モジュールによって構成された図示しない受信部を介して、前記送信手段ＣＳ２によって送信された加速度データとセンサタグＩＤとを含む情報を受信する。

ＣＡ2B：信号強度検出手段
信号強度検出手段Ｃ２Ａ2Bは、前記転送用受信手段ＣＡ2Aによって受信した情報の受信信号の強度である受信信号強度(ＲＳＳＩ：Received Signal Strength Indicator)の値であるＲＳＳＩ値を検出する。実施例１の前記信号強度検出手段ＣＡ2Bは、受信信号のＲＳＳＩ値を、−１２８［ｄＢｍ：デービーエム］から＋１２８［ｄＢｍ］までの値で検出する。なお、「ｄＢｍ」とは、基準値である１［ｍＷ］に対する受信信号の電力のレベル表現の値（比の常用対数の１０倍）のことをいう。例えば、１［ｍＷ］は、１０×ｌｏｇ_１０（（１×１０^−３）／（１×１０^−３））＝０［ｄＢｍ］、３０［ｍＷ］は、１０×ｌｏｇ_１０（（３０×１０^−３）／（１×１０^−３））≒１４．８［ｄＢｍ］、０．１［ｍＷ］は、１０×ｌｏｇ_１０（（０．１×１０^−３）／（１×１０^−３））＝−１０［ｄＢｍ］となる。
ＣＡ2C：転送用送信手段
転送用送信手段ＣＡ2Cは、前記転送情報記憶手段ＣＡ１に記憶されたアクセスポイントＩＤと前記信号強度検出手段ＣＡ2Bによって検出されたＲＳＳＩ値とを送信する端末位置送信手段ＣＡ2C1を有し、いわゆる、無線ＬＡＮモジュール（無線ＬＡＮ送受信機）によって構成された図示しない送信部を介して、前記転送用受信手段ＣＡ2Aによって受信した前記情報とアクセスポイントＩＤとＲＳＳＩ値とを含む情報をサーバ２に送信する。

（実施例１のサーバ２の制御部の説明）
また、前記サーバ２のコンピュータ本体２ａの制御部は、Ｉ／Ｏ、ＲＯＭ、ＲＡＭ、ＣＰＵ、クロック発振器等を有し、前記構成のサーバ２は、ハードディスクドライブやＲＯＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。
前記制御部には、基本動作を制御する基本ソフト、いわゆる、オペレーティングシステムＯＳ、アプリケーションプログラムとしての行動認識プログラムＡＰ１、その他の図示しないソフトウェアが記憶されている。

（実施例１の行動認識プログラムＡＰ１の説明）
前記行動認識プログラムＡＰ１は、下記の機能手段（プログラムモジュール）を有する。
Ｃ１：特定手段（端末情報特定手段、センサタグＩＤ特定手段、端末識別情報特定手段）
特定手段Ｃ１は、センサタグＩＤに基づいて、センサタグ４，４を携帯した対象者を特定する。

Ｃ２：受信手段
受信手段Ｃ２は、前記端末情報送信手段ＣＳ２Ａから送信されたセンサタグＩＤを受信する端末情報受信手段Ｃ２Ａと、前記端末位置送信手段ＣＡ2C1から送信されたアクセスポイントＩＤとＲＳＳＩ値とを受信する端末位置受信手段Ｃ２Ｂとを有し、前記送信手段ＣＳ２から送信された加速度データを受信する。実施例１の前記受信手段Ｃ２は、前記転送用送信手段ＣＡ2Cから転送された前記情報（加速度データ、センサタグＩＤ、アクセスポイントＩＤ、ＲＳＳＩ値を含む情報）を受信する。
Ｃ３：受信情報記憶手段
受信情報記憶手段Ｃ３は、前記受信手段Ｃ２から前記情報を受信した時期（タイムスタンプ）を記憶する受信時期記憶手段（タイムスタンプ記憶手段）Ｃ３Ａを有し、前記受信手段Ｃ２によって受信した前記情報と時期とを対応付けて記憶する。すなわち、実施例１の前記受信情報記憶手段Ｃ３には、受信した時期ごとに、加速度データ、センサタグＩＤ、アクセスポイントＩＤ、ＲＳＳＩ値が対応付けられて記憶される。

図３は実施例１のメンバシップ関数の一例の説明図であって、センサタグを腰の位置に装着した対象者のメンバシップ関数の説明図であり、図３Ａは縦軸をメンバシップ値とし横軸をＸ軸加速度とした場合の立位・座位・臥位の各メンバシップ関数の説明図、図３Ｂは縦軸をメンバシップ値とし横軸をＹ軸加速度とした場合の臥位（左向き）・臥位（右向き）・臥位（左右の向きなし）の各メンバシップ関数の説明図、図３Ｃは縦軸をメンバシップ値とし横軸をＺ軸加速度とした場合の臥位（うつ伏せ）・臥位（仰向け）・臥位（前後の向きなし）の各メンバシップ関数の説明図、図３Ｄは縦軸をメンバシップ値とし横軸を加速度ベクトルの分散とした場合の静止・移動の各メンバシップ関数の説明図、図３Ｅは縦軸をメンバシップ値とし横軸を加速度ベクトルの最大値と最小値との差分とした場合の歩行・走行の各メンバシップ関数の説明図である。
図４は実施例１のメンバシップ関数を設定する際に対象者から取得した各動作の加速度データと連続画像と時系列で照合する作業に関する説明図であり、対象者が前方に転倒した際の各動作の画像と縦軸を加速度とし横軸を時間とした場合の３軸の加速度データとを照合する作業の概念説明図である。

Ｃ４：動作情報記憶手段
動作情報記憶手段Ｃ４は、姿勢情報記憶手段Ｃ４Ａと、静動情報記憶手段Ｃ４Ｂと、強弱情報記憶手段Ｃ４Ｃとを有し、前記受信情報記憶手段Ｃ３に記憶された加速度データと、対象者の動作とを対応づける情報としての動作情報を記憶する。実施例１の前記動作情報記憶手段Ｃ４は、前記動作情報として、図３に示す、ファジィ推論（Fuzzy Inference）に用いるメンバシップ関数（Membership function）（ｆ_１〜ｆ_１３）を記憶する。具体的には、各加速度ａｘ〜ａｚから後述する各メンバシップ値（STAND，SIT，LIE，LIE_LEFT，LIE_RIGHT，NOT_LIE_LR，LIE_FRONT，LIE_BACK，NOT_LIE_FB，STOP，MOVE，WALK，RUN）を演算するための情報（例えば、メンバシップ関数の定数や、メンバシップ値設定テーブル等）をセンサタグＩＤと対応付けて記憶する。
すなわち、実施例１の前記動作情報記憶手段Ｃ４は、センサタグＩＤに応じて、対象者ごとに各メンバシップ関数（ｆ_１〜ｆ_１３）を記憶する。

なお、ファジィ推論やメンバシップ関数に関する詳細な説明については、例えば、特許文献３等に記載されており、公知であるため、詳細な説明については省略する。
また、図３に示す実施例１の各メンバシップ関数（ｆ_１〜ｆ_１３）は、図４に示すように、センサタグ４を装着した対象者をカメラで撮影しながら、対象者に判別対象の各動作を２１回ずつ予め実行してもらい、取得した「立位」、「座位」、前後左右に向いた「臥位」、「歩行」、「走行」の８種類の各動作の２１個のサンプルについて、それぞれ加速度データと動画とを時系列で照合することによって予め設定されている。

Ｃ４Ａ：姿勢情報記憶手段
姿勢情報記憶手段Ｃ４Ａは、前記受信情報記憶手段Ｃ３に記憶された加速度データと、対象者の姿勢とを対応づける情報としての姿勢情報を記憶する。実施例１では、対象者の姿勢の一例として、立っている状態である「立位」、座っている状態である「座位」、寝ている状態である「臥位」が予め設定されている。ここで、静止している場合の「立位」、「座位」、「臥位」については、Ｘ軸加速度ａｘに基づいて判別可能である。例えば、「立位」ならばａｘ≒−１［Ｇ］となり、「臥位」ならばａｘ≒０［Ｇ］となり、「座位」ならば上体が前か後に傾いた状態になり易く、上体の傾きによってＸ軸加速度ａｘが−１［Ｇ］から０［Ｇ］までの間の値が検出される。よって、図３Ａに示すように、Ｘ軸加速度ａｘに基づいて、Ｘ軸加速度ａｘと「立位」、「座位」、「臥位」の各メンバシップ値（確率変数）STAND，SIT，LIE（０≦STAND≦１，０≦SIT≦１，０≦LIE≦１）とを対応づける「立位」、「座位」、「臥位」の各メンバシップ関数ｆ_１，ｆ_２，ｆ_３を設定できる。

具体的には、図３Ａに示すように、「立位」のメンバシップ関数ｆ_１の一例として、ａｘ≦−０．８の場合にSTAND＝１となり、−０．８＜ａｘ＜−０．６の場合にSTAND＝−５（ａｘ）−３となり、−０．６≦ａｘの場合にSTAND＝０となる関数が設定できる。また、「座位」のメンバシップ関数ｆ_２の一例として、ａｘ≦−０．８の場合にSIT＝０となり、−０．８＜ａｘ＜−０．６の場合にSIT＝５（ａｘ）＋４となり、−０．６≦ａｘ≦−０．４の場合にSIT＝１となり、−０．４＜ａｘ＜−０．２の場合にSIT＝−５（ａｘ）−１となり、−０．２≦ａｘの場合にSIT＝０となる関数が設定できる。また、「臥位」のメンバシップ関数ｆ_３の一例として、ａｘ≦−０．４の場合にLIE＝０となり、−０．４＜ａｘ＜−０．２の場合にLIE＝５（ａｘ）＋２となり、−０．２≦ａｘの場合にLIE＝１となる関数が設定できる。
よって、Ｘ軸加速度ａｘに応じた各メンバシップ値STAND〜LIEの和（STAND＋SIT＋LIE）が１に設定されている（ｆ_１（ａｘ）＋ｆ_２（ａｘ）＋ｆ_３（ａｘ）＝１）。また、ａｘ≦−０．８，−０．６＜ａｘ≦−０．４，−０．２≦ａｘで各メンバシップ値STAND，SIT，LIEがそれぞれ１に設定され、−０．８＜ａｘ＜−０．６が各メンバシップ値STAND，SITの０から１への境界部に設定され、−０．４＜ａｘ＜−０．２が各メンバシップ値SIT，LIEの０から１への境界部に設定されている。

また、実施例１では、静止している場合の「臥位」の前後左右の向きについては、Ｙ軸加速度ａｙ，ａｚに基づいて判別可能である。例えば、左向きならばａｙ≒−１［Ｇ］となり、右向きならばａｙ≒＋１［Ｇ］となり、前向き、すなわち、うつ伏せならばａｚ≒＋１［Ｇ］となり、後向き、すなわち、仰向けならばａｚ≒−１［Ｇ］が検出される。よって、図３Ｂに示すように、Ｙ軸加速度ａｙに基づいて、Ｙ軸加速度ａｙと「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」の各メンバシップ値LIE_LEFT，LIE_RIGHT，NOT_LIE_LR（０≦LIE_LEFT≦１，０≦LIE_RIGHT≦１，０≦NOT_LIE_LR≦１）とを対応づける「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」の各メンバシップ関数ｆ_４，ｆ_５，ｆ_６を設定できる。また、図３Ｃに示すように、Ｚ軸加速度ａｚに基づいて、Ｚ軸加速度ａｚと「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」の各メンバシップ値LIE_FRONT，LIE_BACK，NOT_LIE_FB（０≦LIE_FRONT≦１，０≦LIE_BACK≦１，０≦NOT_LIE_FB≦１）とを対応づける「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」の各メンバシップ関数ｆ_７，ｆ_８，ｆ_９を設定できる。

具体的には、図３Ｂに示すように、「臥位（左向き）」のメンバシップ関数ｆ_４の一例としてａｙ≦−０．６の場合にLIE_LEFT＝１となり、−０．６＜ａｙ＜−０．４の場合にLIE_LEFT＝−５（ａｙ）−２となり、−０．４≦ａｙの場合にLIE_LEFT＝０となる関数が設定できる。また、「臥位（右向き）」のメンバシップ関数ｆ_５の一例として、ａｙ≦０．４の場合にLIE_RIGHT＝０となり、０．４＜ａｙ＜０．６の場合にLIE_RIGHT＝５（ａｙ）−２となり、０．６≦ａｙの場合にLIE_RIGHT＝１となる関数が設定できる。また、「臥位（左右の向きなし）」のメンバシップ関数ｆ_６の一例として、ａｙ≦−０．６の場合にNOT_LIE_LR＝０となり、−０．６＜ａｙ＜−０．４の場合にNOT_LIE_LR＝５（ａｙ）＋３となり、−０．４≦ａｙ≦０．４の場合にNOT_LIE_LR＝１となり、０．４＜ａｙ＜０．６の場合にNOT_LIE_LR＝−５（ａｙ）＋３となり、０．６≦ａｙの場合にNOT_LIE_LR＝０となる関数が設定できる。
よって、Ｙ軸加速度ａｙに応じた各メンバシップ値LIE_LEFT〜NOT_LIE_LRの和（LIE_LEFT＋LIE_RIGHT＋NOT_LIE_LR）が１に設定されている（ｆ_４（ａｙ）＋ｆ_５（ａｙ）＋ｆ_６（ａｙ）＝１）。また、ａｙ≦−０．６，−０．４≦ａｙ≦０．４，０．６≦ａｙで各メンバシップ値LIE_LEFT，NOT_LIE_LR，LIE_RIGHTがそれぞれ１に設定され、−０．６＜ａｙ＜−０．４が各メンバシップ値LIE_LEFT，NOT_LIE_LRの０から１への境界部に設定され、０．４＜ａｙ＜０．６が各メンバシップ値NOT_LIE_LR，LIE_RIGHTの０から１への境界部に設定されている。

また、図３Ｃに示すように、「臥位（うつ伏せ）」のメンバシップ関数ｆ_７の一例として、ａｚ≦０．６の場合にLIE_FRONT＝０となり、０．６＜ａｚ＜０．８の場合にLIE_FRONT＝５（ａｚ）−３となり、０．８≦ａｚの場合にLIE_FRONT＝１となる関数が設定できる。また、「臥位（仰向け）」のメンバシップ関数ｆ_８の一例として、ａｚ≦−０．８の場合にLIE_BACK＝１となり、−０．８＜ａｚ＜−０．６の場合にLIE_BACK＝−５（ａｚ）−３となり、−０．６≦ａｚの場合にLIE_BACK＝０となる関数が設定できる。また、「臥位（前後の向きなし）」のメンバシップ関数ｆ_９の一例として、ａｚ≦−０．８の場合にNOT_LIE_FB＝０となり、−０．８＜ａｚ＜−０．６の場合にNOT_LIE_FB＝５（ａｚ）＋４となり、−０．６≦ａｚ≦０．６の場合にNOT_LIE_FB＝１となり、０．６＜ａｚ＜０．８の場合にNOT_LIE_FB＝−５（ａｚ）＋４となり、０．８≦ａｚの場合にNOT_LIE_FB＝０となる関数が設定できる。

よって、Ｚ軸加速度ａｚに応じた各メンバシップ値LIE_FRONT〜NOT_LIE_LRの和（LIE_FRONT＋LIE_BACK＋NOT_LIE_FB）が１となるように設定されている（ｆ_７（ａｚ）＋ｆ_８（ａｚ）＋ｆ_９（ａｚ）＝１）。また、ａｚ≦−０．８，−０．６≦ａｚ≦０．６，０．８≦ａｚで各メンバシップ値LIE_BACK，NOT_LIE_FB，LIE_FRONTがそれぞれ１に設定され、−０．８＜ａｚ＜−０．６が各メンバシップ値LIE_BACK，NOT_LIE_FBの０から１への境界部に設定され、０．６＜ａｚ＜０．８が各メンバシップ値NOT_LIE_FB，LIE_FRONTの０から１への境界部に設定されている。
なお、実施例１では、各加速度ａｘ〜ａｚに応じて出力される各メンバシップ値STAND〜NOT_LIE_FBの和（STAND＋SIT＋LIE），（LIE_LEFT＋LIE_RIGHT＋NOT_LIE_LR），（LIE_FRONT＋LIE_BACK＋NOT_LIE_FB）が１となる各メンバシップ関数ｆ_１〜ｆ_９を設定したが、これに限定されず、例えば、和（STAND＋SIT＋LIE），（LIE_LEFT＋LIE_RIGHT＋NOT_LIE_LR），（LIE_FRONT＋LIE_BACK＋NOT_LIE_FB）が１より小さい値となるメンバシップ関数を設定することも可能である。

よって、実施例１の前記姿勢情報記憶手段Ｃ４Ａは、「立位」のメンバシップ関数ｆ_１（図３Ａの実線参照）と、「座位」のメンバシップ関数ｆ_２（図３Ａの１点鎖線参照）と、「臥位」のメンバシップ関数ｆ_３（図３Ａの２点鎖線参照）とをセンサタグＩＤと対応付けて記憶する。また、前記姿勢情報記憶手段Ｃ４Ａは、「臥位（左向き）」のメンバシップ関数ｆ_４（図３Ｂの実線参照）と、「臥位（右向き）」のメンバシップ関数ｆ_５（図３Ｂの１点鎖線参照）と、「臥位（左右の向きなし）」のメンバシップ関数ｆ_６（図３Ｂの２点鎖線参照）とをセンサタグＩＤと対応付けて記憶する。さらに、前記姿勢情報記憶手段Ｃ４Ａは、「臥位（うつ伏せ）」のメンバシップ関数ｆ_７（図３Ｃの実線参照）と、「臥位（仰向け）」のメンバシップ関数ｆ_８（図３Ｃの１点鎖線参照）と、「臥位（前後の向きなし）」のメンバシップ関数ｆ_９（図３Ｃの２点鎖線参照）とをセンサタグＩＤと対応付けて記憶する。

Ｃ４Ｂ：静動情報記憶手段
静動情報記憶手段Ｃ４Ｂは、前記受信情報記憶手段Ｃ３に記憶された複数の加速度データに基づく複数の加速度ベクトル（各加速度ａｘ〜ａｚの合成ベクトル）の分散σ^２と、対象者の動作の有無、すなわち、「静止」および「移動」とを対応づける情報としての静動情報をセンサタグＩＤと対応付けて記憶する。ここで、「静止」、「移動」については、複数の加速度ベクトルの分散σ^２に基づいて判別可能である。例えば、「静止」ならばσ^２≒０となり、「移動」ならばσ^２＞０で変化すると考えられる。よって、図３Ｄに示すように、分散σ^２に基づいて、分散σ^２と「静止」、「移動」の各メンバシップ値STOP，MOVE（０≦STOP≦１，０≦MOVE≦１）とを対応づける「静止」、「移動」の各メンバシップ関数ｆ_１０，ｆ_１１を設定できる。

具体的には、図３Ｄに示すように、「静止」のメンバシップ関数ｆ_１０の一例として、０≦σ^２≦０．００４の場合にSTOP＝１となり、０．００４＜σ^２＜０．００６の場合にSTOP＝−５００（σ^２）＋３となり、０．００６≦σ^２の場合にSTOP＝０となる関数が設定できる。また、「移動」のメンバシップ関数ｆ_１１の一例として、０≦σ^２≦０．００４の場合にMOVE＝０となり、０．００４＜ａｙ＜０．００６の場合にMOVE＝５００（σ^２）−２となり、０．００６≦σ^２の場合にMOVE＝１となる関数が設定できる。
よって、分散σ^２に応じた各メンバシップ値STOP，MOVEの和（STOP＋MOVE）が１に設定されている（ｆ_１０（σ^２）＋ｆ_１１（σ^２）＝１）。また、０≦σ^２≦０．００４，０．００６≦σ^２で各メンバシップ値STOP，MOVEがそれぞれ１に設定され、０．００４＜σ^２＜０．００６が各メンバシップ値STOP，MOVEの０から１への境界部に設定されている。
なお、実施例１では、分散σ^２に応じて出力される各メンバシップ値STAND，MOVEの和（STOP＋MOVE）が１となる各メンバシップ関数ｆ_１０，ｆ_１１を設定したが、これに限定されず、例えば、和（STOP＋MOVE）が１より小さい値となるメンバシップ関数を設定することも可能である。

よって、実施例１の前記静動情報記憶手段Ｃ４Ｂは、「静止」のメンバシップ関数ｆ_１０（図３Ｄの実線参照）と、「移動」のメンバシップ関数ｆ_１１（図３Ｄの１点鎖線参照）とをセンサタグＩＤと対応付けて記憶する。
なお、実施例１の前記分散σ^２は、直近５０個の各加速度ａｘ〜ａｚから得られる加速度ベクトルａ_１，ａ_２，…，ａ_５０（ａ_１＝（ａｘ_１，ａｙ_１，ａｚ_１），ａ_２＝（ａｘ_２，ａｙ_２，ａｚ_２），…，ａ_５０＝（ａｘ_５０，ａｙ_５０，ａｚ_５０））の標本分散となるように予め設定されている。すなわち、分散σ^２は、５０個の加速度ベクトルａ_１〜ａ_５０の平均ベクトルをμとし各ベクトルａ_１〜ａ_５０，μの転置ベクトルをａ_１ ^Ｔ〜ａ_５０ ^Ｔ，μ^Ｔとした場合に、以下の式（１−１）によって演算される。
σ^２＝（１／５０）×Σ_ｉ＝１ ^５０（ａ_ｉａ_ｉ ^Ｔ）−μμ^Ｔ …式（１−１）

具体的には、前記式（１−１）を展開した以下の式（１−２）によって、分散σ^２を演算する。
σ^２＝＋｛（ａｘ_１ ^２＋ａｙ_１ ^２＋ａｚ_１ ^２）
＋…＋（ａｘ_５０ ^２＋ａｙ_５０ ^２＋ａｚ_５０ ^２）｝／５０
−｛（ａｘ_１＋…＋ａｘ_５０）^２
＋（ａｙ_１＋…＋ａｙ_５０）^２
＋（ａｚ_１＋…＋ａｚ_５０）^２｝／５０^２ …式（１−２）
よって、例えば、対象者が２．５秒以上仰向けで静止し（５０×５０＝２５００［ｍｓ］）、ａｚ_１＝…＝ａｚ_５０＝−１［Ｇ］，ａｘ_１＝…＝ａｘ_５０＝ａｙ_１＝…＝ａｙ_５０＝０［Ｇ］が成立する場合、σ^２＝５０／５０−５０^２／５０^２＝０が成立する。

Ｃ４Ｃ：強弱情報記憶手段
強弱情報記憶手段Ｃ４Ｃは、前記受信情報記憶手段Ｃ３に記憶された複数の加速度データに基づく複数の加速度ベクトルの長さ（大きさ）の最大値と最小値との差分Δａと、対象者の動作の激しさ（強弱）とを対応づける情報としての強弱情報を記憶する。実施例１では、対象者の動作の激しさの一例として、激しさが小さい（弱い）「弱」、激しさが大きい（強い）「強」が予め設定されている。ここで、「弱」、「強」については、複数の加速度ベクトルの最大値と最小値との差分Δａに基づいて判別可能である。例えば、「弱」の代表例として対象者が歩行している場合にはΔａ≒１となり、「強」の代表例として対象者が走行している場合ならばΔａ＞１で変化すると考えられる。

よって、図３Ｅに示すように、差分Δａに基づいて、差分Δａと「弱」、「強」の各メンバシップ値WALK，RUN（０≦WALK≦１，０≦RUN≦１）とを対応づける「弱」、「強」の各メンバシップ関数ｆ_１２，ｆ_１３を設定できる。
具体的には、図３Ｅに示すように、「弱」のメンバシップ関数ｆ_１２の一例として、０≦Δａ≦１．２５の場合にWALK＝１となり、１．２５＜Δａ＜１．７５の場合にWALK＝−２（Δａ）＋２．５となり、１．２５≦Δａの場合にWALK＝０となる関数が設定できる。また、「強」のメンバシップ関数ｆ_１３の一例として、０≦Δａ≦１．２５の場合にRUN＝０となり、１．２５＜Δａ＜１．７５の場合にRUN＝２（Δａ）−２．５となり、１．７５≦Δａの場合にRUN＝１となる関数が設定できる。

よって、差分Δａに応じた各メンバシップ値WALK，RUNの和（WALK＋RUN）が１に設定されている（ｆ_１２（Δａ）＋ｆ_１３（Δａ）＝１）。また、０≦Δａ≦１．２５，１．７５≦Δａで各メンバシップ値WALK，RUNがそれぞれ１に設定され、１．２５＜Δａ＜１．７５が各メンバシップ値WALK，RUNの０から１への境界部に設定されている。
なお、実施例１では、差分Δａに応じて出力される各メンバシップ値WALK，RUNの和（WALK＋RUN）が１となる各メンバシップ関数ｆ_１２，ｆ_１３を設定したが、これに限定されず、例えば、和（WALK＋RUN）が１より小さい値となるメンバシップ関数を設定することも可能である。

よって、実施例１の前記強弱情報記憶手段Ｃ４Ｃは、「弱」のメンバシップ関数ｆ_１２（図３Ｅの実線参照）と、「強」のメンバシップ関数ｆ_１３（図３Ｅの１点鎖線参照）とをセンサタグＩＤと対応付けて記憶する。
なお、実施例１の前記差分Δａは、直近１７個の各加速度ａｘ〜ａｚから得られる加速度ベクトルａ_１，ａ_２，…，ａ_１７の最大値と最小値との差分となるように予め設定されている。すなわち、差分Δａは、１７個の加速度ベクトルａ_１〜ａ_１７の大きさ、すなわち、ユークリッド距離を｜ａ_１｜〜｜ａ_１７｜とし（｜ａ_ｉ｜＝（ａｘ_ｉ ^２＋ａｙ_ｉ ^２＋ａｚ_ｉ ^２）^１／２，ｉ＝１，２，…，１７）、最大値をｍａｘ（｜ａ_１｜，｜ａ_２｜，…，｜ａ_１７｜）とし、最小値をｍｉｎ（｜ａ_１｜，｜ａ_２｜，…，｜ａ_１７｜）とした場合に、以下の式（１−３）によって演算される。
Δａ＝＋ｍａｘ（｜ａ_１｜，…，｜ａ_１７｜）
−ｍｉｎ（｜ａ_１｜，…，｜ａ_１７｜） …式（１−３）
よって、例えば、対象者が２．５秒以上仰向けで静止し、ａｚ_１＝…＝ａｚ_１７＝−１，ａｘ_１＝…＝ａｘ_１７＝ａｙ_１＝…＝ａｙ_１７＝０が成立する場合、Δａ＝１−１＝０が成立する。

Ｃ５：割合演算手段（メンバシップ値演算手段、グレード値演算手段、確率演算手段）
割合演算手段Ｃ５は、前記受信情報記憶手段Ｃ３に記憶された加速度データと、前記動作情報記憶手段Ｃ４に記憶された動作情報とに基づいて、対象者の姿勢、動作の有無、動作の激しさの各割合（グレード値、確率）を演算する。実施例１の前記割合演算手段Ｃ５は、以下の式（２−１）〜式（２−１３）から、直近５０個の加速度ベクトルａ_１〜ａ_５０とメンバシップ関数ｆ_１〜ｆ_１３とに応じたメンバシップ値STAND〜RUNを演算する（図３参照）。

ｆ_１（ａｘ_１）＝STAND …式（２−１）
ｆ_２（ａｘ_１）＝SIT …式（２−２）
ｆ_３（ａｘ_１）＝LIE …式（２−３）
ｆ_４（ａｙ_１）＝LIE_LEFT …式（２−４）
ｆ_５（ａｙ_１）＝LIE_RIGHT …式（２−５）
ｆ_６（ａｙ_１）＝NOT_LIE_LR …式（２−６）
ｆ_７（ａｚ_１）＝LIE_FRONT …式（２−７）
ｆ_８（ａｚ_１）＝LIE_BACK …式（２−８）
ｆ_９（ａｚ_１）＝NOT_LIE_FB …式（２−９）
ｆ_１０（σ^２）＝STOP …式（２−１０）
ｆ_１１（σ^２）＝MOVE …式（２−１１）
ｆ_１２（Δａ）＝WALK …式（２−１２）
ｆ_１３（Δａ）＝RUN …式（２−１３）
よって、例えば、対象者が２．５秒以上仰向けで静止し、ａｚ_１＝…＝ａｚ_５０＝−１，ａｘ_１＝…＝ａｘ_５０＝ａｙ_１＝…＝ａｙ_５０＝０，σ^２＝Δａ＝０が成立する場合、LIE＝NOT_LIE_LR＝LIE_FRONT＝STOP＝WALK＝１，STAND＝SIT＝LIE_LEFT＝LIE_RIGHT＝LIE_BACK＝NOT_LIE_FB＝MOVE＝RUN＝０が成立する。

Ｃ６：判別値演算手段（ファジィルール適用値演算手段）
判別値演算手段Ｃ６は、前記割合演算手段Ｃ５によって演算された対象者の姿勢、動作の有無、動作の激しさの各割合から、動作を判別するために用いる判別値を演算する。実施例１の前記判別値演算手段Ｃ６は、前記割合演算手段Ｃ５によって演算された各メンバシップ値STAND〜RUNに予め設定された各ファジィルールを適用して、「立位」、「座位」、「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」、「静止」、「弱」、「強」の判別値STAND，SIT，LIE，LIE_LEFT，LIE_RIGHT，NOT_LIE_LR，LIE_FRONT，LIE_BACK，NOT_LIE_FB，STOP，WALK，RUNを演算する。すなわち、「移動」のメンバシップ値MOVE以外を更新する。
なお、ファジィルールに関する詳細な説明については、例えば、特許文献３等に記載されており、公知であるため、詳細な説明については省略する。

具体的には、以下の式（３−１）〜（３−１２）から、演算されたメンバシップ値STAND〜RUNを演算する。
ここで、式（３−１）〜（３−１２）に示す、NOT(A)とは、「Aの否定（余事象）」の演算子である。例えば、NOT(0.7) = 1 - 0.7 = 0.3が成立する。また、OR(A, B)とは、「AとBとの論理和」の演算子であり、AとBとのうちの最大値が演算される。例えば、OR(0.7, 0.3) = max(0.7, 0.3) = 0.7が成立する。さらに、AND(A, B)とは、「AとBとの論理積」の演算子であり、AとBとのうちの最小値が演算される。例えば、AND(0.7, 0.3) = min(0.7, 0.3) = 0.3が成立する。
なお、式（３−１）〜（３−１２）に示す実施例１の各ファジィルールは、各メンバシップ関数ｇｆ_１〜ｆ_１３と同様に、予め取得した各動作の２１個のサンプルに基づいて予め設定されている（図４参照）。

NOT_LIE_LR = NOT(OR(LIE_LEFT, LIE_RIGHT)) …式（３−１）
NOT_LIE_FB = NOT(OR(LIE_FRONT, LIE_BACK)) …式（３−２）
LIE = OR(NOT(OR(STAND, SIT)),
OR(OR(LIE_LEFT, LIE_RIGHT), OR(LIE_FRONT, LIE_BACK))) …式（３−３）
STAND = AND(STAND, AND(NOT_LIE_LR, NOT_LIE_FB)) …式（３−４）
SIT = AND(SIT, AND(NOT_LIE_LR, NOT_LIE_FB)) …式（３−５）
LIE_LEFT = AND(LIE_LEFT, LIE) …式（３−６）
LIE_RIGHT = AND(LIE_RIGHT, LIE) …式（３−７）
LIE_FRONT = AND(LIE_ FRONT, LIE) …式（３−８）
LIE_BACK = AND(LIE_BACK, LIE) …式（３−９）
STOP = OR(STOP, OR(LIE, SIT) …式（３−１０）
WALK = OR(WALK, MOVE) …式（３−１１）
RUN = OR(RUN, MOVE) …式（３−１２）
よって、例えば、対象者が２．５秒以上仰向けで静止し、LIE＝NOT_LIE_LR＝LIE_FRONT＝STOP＝WALK＝１，STAND＝SIT＝LIE_LEFT＝LIE_RIGHT＝LIE_BACK＝NOT_LIE_FB＝MOVE＝RUN＝０が成立する場合、NOT_LIE_LR＝LIE＝LIE_FRONT＝STOP＝WALK＝１，NOT_LIE_FB＝STAND＝SIT＝LIE_LEFT＝LIE_RIGHT＝LIE_BACK＝RUN＝０に更新される。なお、「移動」のメンバシップ値MOVEは更新されず、MOVE＝０が成立する。

Ｃ７：動作判別手段
動作判別手段Ｃ７は、姿勢判別手段Ｃ７Ａと、静動判別手段Ｃ７Ｂと、強弱判別手段Ｃ７Ｃとを有し、前記受信情報記憶手段Ｃ３に記憶された加速度データと、前記動作情報記憶手段Ｃ４に記憶された動作情報とに基づいて、対象者の動作を判別する。
Ｃ７Ａ：姿勢判別手段
姿勢判別手段Ｃ７Ａは、前記加速度データに基づいて、対象者の姿勢を判別する。実施例１の前記姿勢判別手段Ｃ７Ａは、「立位」、「座位」、「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」の各判別値STAND，SIT，LIE，LIE_LEFT，LIE_RIGHT，NOT_LIE_LR，LIE_FRONT，LIE_BACK，NOT_LIE_FBのうちの最大値に対応する姿勢（「立位」、「座位」、「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」）を判別する。

また、実施例１の前記姿勢判別手段Ｃ７Ａは、最大値が複数存在する場合、STAND→SIT→LIE_LEFT，LIE_RIGHT，LIE_FRONT，LIE_BACK→NOT_LIE_LR，NOT_LIE_FB→LIEの優先順位で選択されるように予め設定されている。よって、例えば、最大値がSTAND，SITの場合、「立位」と判別される。また、例えば、対象者が２．５秒以上仰向けで静止し、NOT_LIE_LR＝LIE＝LIE_FRONT＝１，NOT_LIE_FB＝STAND＝SIT＝LIE_LEFT＝LIE_RIGHT＝LIE_BACK＝０が成立する場合、「臥位（仰向け）」と判別される。

Ｃ７Ｂ：静動判別手段
静動判別手段Ｃ７Ｂは、加速度ベクトルａ_１〜ａ_５０の分散σ^２に基づいて、対象者の動作の有無、すなわち、「静止」および「移動」のいずれかを判別する。実施例１の前記静動判別手段Ｃ７Ｂは、「静止」、「移動」の各判別値STOP，MOVEのうちの大きな値に対応する「静止」および「移動」のいずれかを判別する。また、実施例１の前記静動判別手段Ｃ７Ｂは、STOP＝MOVEが成立する場合、STOP→MOVEの優先順位で選択されるように予め設定されており、「静止」と判別される。よって、例えば、対象者が２．５秒以上仰向けで静止し、STOP＝１，MOVE＝０が成立する場合、「静止」と判別される。

Ｃ７Ｃ：強弱判別手段
強弱判別手段Ｃ７Ｃは、加速度ベクトルａ_１〜ａ_１７の最大値と最小値との差分Δａに基づいて、対象者の動作の激しさを判別する。実施例１の前記強弱判別手段Ｃ７Ｃは、「弱」、「強」の各判別値WALK，RUNのうちの大きな値に対応する「弱」および「強」のいずれかを判別する。また、実施例１の前記強弱判別手段Ｃ７Ｃは、WALK＝RUNが成立する場合、WALK→RUNの優先順位で選択されるように予め設定されており、「弱」と判別される。よって、例えば、対象者が２．５秒以上仰向けで静止しWALK＝１，RUN＝０が成立する場合、「弱」と判別される。

よって、実施例１の前記動作判別手段Ｃ７は、前記姿勢判別手段Ｃ７Ａによって判別された対象者の姿勢と、前記静動判別手段Ｃ７Ｂによって判別された対象者の動作の有無と、前記強弱判別手段Ｃ７Ｃによって判別された対象者の動作の激しさとに基づいて、対象者の動作を判別する。実施例１の前記動作判別手段Ｃ７は、姿勢が「立位」と判別された場合、「静止」ならば対象者の動作が「立位」であると判別し、「移動」且つ「弱」ならば対象者の動作が「歩行」であると判別し、「移動」且つ「強」ならば対象者の動作が「走行」であると判別する。また、姿勢が「座位」、「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」と判別された場合、判別された姿勢が対象者の動作であると判別する。

Ｃ８：動作推移記憶手段（動作ログ記憶手段）
動作推移記憶手段Ｃ８は、前記動作判別手段Ｃ７によって判別された対象者の動作の推移（動作ログ）を記憶する。実施例１の前記動作推移記憶手段Ｃ８は、前記動作判別手段Ｃ７によって判別された対象者の動作と前記受信情報記憶手段Ｃ３に記憶された情報とを対応付けて記憶することにより、対象者の動作の推移を記憶する。すなわち、前記動作推移記憶手段Ｃ８には、前記受信情報記憶手段Ｃ３に記憶された時期ごとに、対象者の動作（「立位」、「歩行」、「走行」、「座位」、「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」）が記憶される。また、実施例１の前記動作推移記憶手段Ｃ８には、判別された前記動作だけでなく前記動作の有無（「静止」、「移動」）と前記動作の激しさ（「弱」、「強」）が併せて記憶される。
この結果、実施例１の前記動作推移記憶手段Ｃ８は、センサタグＩＤに応じて、対象者ごとに動作の推移（姿勢を含む動作、動作の有無、動作の激しさ）を記憶する。

Ｃ９：行動情報記憶手段（動作コンテキスト記憶手段）
行動情報記憶手段Ｃ９は、前記動作推移記憶手段Ｃ８に記憶された対象者の動作の推移と、対象者の行動とを対応づける情報としての行動情報を記憶する。実施例１の前記行動情報記憶手段Ｃ９は、前記行動情報として、対象者の動作の前後関係（文脈、脈絡）の情報（対象者の行動の判別条件の情報）である動作コンテキスト（Context、コンテクスト）（ｃ_１〜ｃ_３）をセンサタグＩＤと対応付けて記憶する。
すなわち、実施例１の前記行動情報記憶手段Ｃ９は、センサタグＩＤに応じて、対象者ごとに各動作コンテキスト（ｃ_１〜ｃ_３）を記憶する。

具体的には、実施例１では、対象者の行動の一例として、立っている状態で倒れる「転倒」、寝ている状態で向きを変更する「寝返り」、寝ている状態から起き上がる「離床（起床）」が予め設定されている。ここで、「転倒」については、図４に示すように、「立位」、「歩行」、「走行」が一定期間継続された後に数秒間で姿勢が大きく崩れて急激な加速度の変化が発生して「座位」、「臥位」に変化すると考えられる。よって、実施例１では、「転倒」の動作コンテキストｃ_１として、『「立位」、「歩行」、「走行」のいずれかが２０秒以上連続した後、「座位」、「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」に変化した際の直前の２．５秒間に「移動」且つ「強」の判別回数が予め設定された閾値を超えること』に関する情報が予め設定されている。

図５は縦軸を加速度とし横軸を時間とした場合の３軸の加速度データの説明図であり、図５Ａは対象者が左向き・うつ伏せ・左向き・仰向けの順に寝返りした際の加速度データの一例の説明図、図５Ｂは対象者が仰向けの状態から膝を立てて床を肘や手で支えながら上体を起こして離床した際の加速度データの一例の説明図である。
また、「寝返り」についても「転倒」と同様に、図５Ａに示すように、「臥位（左向き）」、「臥位（右向き）」、「臥位（うつ伏せ）」、「臥位（仰向け）」のいずれかが同じ動作で変化せずに一定期間継続された後に数秒間で姿勢が大きく変化し、別の「臥位（左向き）」、「臥位（右向き）」、「臥位（うつ伏せ）」、「臥位（仰向け）」に変化すると考えられる。よって、実施例１では、「寝返り」の動作コンテキストｃ_２として、『「臥位（左向き）」、「臥位（右向き）」、「臥位（うつ伏せ）」、「臥位（仰向け）」のいずれかが同じ動作で変化せずに２０秒以上連続した後、別の「臥位（左向き）」、「臥位（右向き）」、「臥位（うつ伏せ）」、「臥位（仰向け）」に変化すること』に関する情報が予め設定されている。

さらに、「離床（起床）」についても「寝返り」と同様に、図５Ｂに示すように、任意の方向への「臥位」が一定期間継続された後に姿勢が大きく変化し、「立位」、「座位」に変化すると考えられる。よって、実施例１では、「離床（起床）」の動作コンテキストｃ_３として、『「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」のいずれかが２０秒以上連続した後、「立位」、「座位」に変化すること』に関する情報が予め設定されている。
よって、前記行動情報記憶手段Ｃ９には、予め設定された「転倒」、「寝返り」、「離床（起床）」の動作コンテキストｃ_１〜ｃ_３をセンサタグＩＤと対応付けて記憶する。

Ｃ１０：行動判別手段
行動判別手段Ｃ１０は、「転倒」の動作コンテキストｃ_１に基づいて対象者の「転倒」を判別する転倒判別手段Ｃ１０Ａと、「寝返り」の動作コンテキストｃ_２に基づいて対象者の「寝返り」を判別する寝返り判別手段Ｃ１０Ｂと、「離床（起床）」の動作コンテキストｃ_３に基づいて、対象者の「離床（起床）」を判別する離床判別手段Ｃ１０Ｃとを有し、前記動作推移記憶手段Ｃ８に記憶された対象者の動作の推移と前記行動情報記憶手段Ｃ９に記憶された行動情報とに基づいて、対象者の行動を判別する。実施例１の前記行動判別手段Ｃ１０は、前記動作推移記憶手段Ｃ８に記憶内容、すなわち、対象者の動作の推移が更新された場合に、前記行動情報記憶手段Ｃ９に記憶された「転倒」、「寝返り」、「離床（起床）」の各動作コンテキストｃ_１〜ｃ_３に基づいて、対象者の「転倒」、「寝返り」、「離床（起床）」を判別する。

Ｃ１１：行動認識情報記憶手段（行動記憶手段）
行動認識情報記憶手段Ｃ１１は、前記行動判別手段Ｃ１０によって判別された対象者の行動に基づく行動認識情報を記憶する。実施例１の前記行動認識情報記憶手段Ｃ１１は、前記行動判別手段Ｃ１０によって判別された対象者の行動と、前記受信情報記憶手段Ｃ３に記憶された情報とを対応付けて記憶する。すなわち、実施例１の前記行動認識情報記憶手段Ｃ１１には、前記受信情報記憶手段Ｃ３に記憶された時期ごとに、対象者の動作の推移に基づく行動が記憶される。
この結果、実施例１の前記行動認識情報記憶手段Ｃ１１は、センサタグＩＤに応じて、対象者ごとに行動認識情報を記憶する。

図６は実施例１の行動表示画像の説明図である。
Ｃ１２：行動表示手段
行動表示手段Ｃ１２は、行動表示画像表示手段Ｃ１２Ａと、動作推移表示手段Ｃ１２Ｂと、行動認識情報表示手段Ｃ１２Ｃと、行動認識情報通報手段Ｃ１２Ｄとを有し、前記行動判別手段Ｃ１０によって判別された対象者の行動を表示する。実施例１の前記行動表示手段Ｃ１２は、センサタグＩＤに応じて、対象者ごとに判別された行動を表示する。
Ｃ１２Ａ：行動表示画像表示手段
行動表示画像表示手段Ｃ１２Ａは、図６に示す行動表示画像１０１をディスプレイ２ｂに表示する。実施例１の前記行動表示画像１０１は、対象者の動作の推移を表示する動作推移表示部１０１ａと、対象者の行動を表示する行動表示部１０２ａとを有する。実施例１の前記行動表示画像表示手段Ｃ１２Ａは、センサタグＩＤに応じて、対象者ごとに行動表示画像１０１を表示する。

Ｃ１２Ｂ：動作推移表示手段
動作推移表示手段Ｃ１２Ｂは、前記受信情報記憶手段Ｃ３に記憶された時期に応じた時刻と、前記動作推移記憶手段Ｃ８に記憶された前記時刻に応じた動作と、前記受信情報記憶手段Ｃ３に記憶されたアクセスポイントＩＤおよびＲＳＳＩ値に基づくセンサタグ４，４のアクセスポイント３，３までの距離とを動作推移表示部１０１ａに表示する。実施例１の前記動作推移表示手段Ｃ１２Ｂは、センサタグＩＤに応じて、対象者ごとに１分ごとの対象者の動作の推移と前記距離とを動作推移表示部１０１ａに表示する。なお、ＲＳＳＩ値に基づく前記距離は、実験等により予め設定された関数に基づいて演算され、例えば、−１２８［ｄＢｍ］の場合に３０［ｍ］、＋１２８［ｄＢｍ］の場合に０［ｍ］が演算される。

Ｃ１２Ｃ：行動認識情報表示手段
行動認識情報表示手段Ｃ１２Ｃは、前記受信情報記憶手段Ｃ３に記憶された時期に応じた時刻と、前記行動認識情報記憶手段Ｃ１１に記憶された前記時刻に応じた行動とを行動表示部１０２ａに表示する。実施例１の前記行動認識情報表示手段Ｃ１２Ｃは、センサタグＩＤに応じて、対象者ごとに認識した時刻と行動とを行動表示部１０２ａに表示する。
Ｃ１２Ｄ：行動認識情報通報手段
行動認識情報通報手段Ｃ１２Ｄは、行動表示部１０２ａに表示される時刻と行動とを外部の通報先（例えば、老人ホームの介護士ステーションや、離れて暮らす家族、ホームセキュリティ会社、病院のナースステーション（管理室）等）に通報する（図１参照）。

（実施例１のフローチャートの説明）
次に、実施例１の前記各制御部の各プログラムの処理の流れをフローチャートを使用して説明する。なお、センサタグ４，４がアクセスポイント３，３に情報を送信する処理については、加速度センサ４ａ，４ａによって検出された加速度データと端末情報記憶手段ＣＳ１に記憶されたセンサタグＩＤと含む情報を５０［ｍｓ］ごとに送信するだけである。また、アクセスポイント３，３がサーバ２に情報を転送する処理については、センサタグ４，４から受信した情報にアクセスポイントＩＤとＲＳＳＩ値とを付加した情報をサーバ２に送信するだけである。また、サーバ２で行動表示画像１０１を表示する処理については、センサタグＩＤに応じた対象者ごとの行動表示画像１０１をディスプレイ２ａに表示し、１分ごとに各対象者の動作の推移とアクセスポイント３，３からの距離とを動作推移表示部１０１ａに表示すると共に、各対象者の行動が判別された場合に行動認識情報を行動表示部１０２ａに表示するだけである。よって、説明の簡単のため、図示および詳細な説明を省略する。

（実施例１の動作推移記憶処理の説明）
図７は実施例１の動作推移記憶処理のフローチャートである。
図７のフローチャートの各ＳＴ（ステップ）の処理は、サーバ２のコンピュータ本体２ａの制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。
図７に示すフローチャートは、前記制御部の行動認識プログラムＡＰ１が起動した場合に開始される。

図７のＳＴ１０１において、アクセスポイント３，３から転送された情報、すなわち、加速度データ、センサタグＩＤ、アクセスポイントＩＤ、ＲＳＳＩ値を含む情報を受信したか否かを判別する。イエス（Ｙ）の場合はＳＴ１０２に移り、ノー（Ｎ）の場合はＳＴ１０１を繰り返す。
ＳＴ１０２において、受信した時期と受信した情報とを対応付けて記憶する。そして、ＳＴ１０３に移る。
ＳＴ１０３において、直近５０個の加速度ベクトルａ_１〜ａ_５０とメンバシップ関数ｆ_１〜ｆ_１３とに応じたメンバシップ値STAND〜RUNを演算する（図３、式（２−１）〜式（２−１３）参照）。そして、ＳＴ１０４に移る。
ＳＴ１０４において、演算されたメンバシップ値STAND〜RUNにファジィルールを適用して判別値STAND〜RUNを演算する。すなわち、メンバシップ値STAND〜RUNを更新する。そして、ＳＴ１０５に移る。
ＳＴ１０５において、対象者の姿勢と動作の有無と動作の激しさとに基づく対象者の動作を判別する動作判別処理を実行する。そして、ＳＴ１０６に移る。
ＳＴ１０６において、判別された動作を受信した時期と対応付けて記憶することにより、対象者の動作の推移を記憶する。そして、ＳＴ１０１に戻る。

（実施例１の動作判別処理の説明）
図８は実施例１の動作判別処理のフローチャートであり、図７のＳＴ１０５のサブルーチンの説明図である。
図８のＳＴ１５１において、判別値STAND〜NOT_LIE_FBの最大値に対応する姿勢（「立位」、「座位」、「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」）を判別する。そして、ＳＴ１５２に移る。
ＳＴ１５２において、判別値STOP，MOVEの大きな値に対応する対象者の動作の有無（「静止」または「移動」）を判別する。そして、ＳＴ１５３に移る。
ＳＴ１５３において、判別値WALK，RUNの大きな値に対応する対象者の動作の激しさ（「弱」または「強」）を判別する。そして、ＳＴ１５４に移る。
ＳＴ１５４において、対象者の姿勢が「立位」であるか否かを判別する。イエス（Ｙ）の場合はＳＴ１５５に移り、ノー（Ｎ）の場合はＳＴ１６０に移る。
ＳＴ１５５において、動作の有無が「移動」であるか否かを判別する。ノー（Ｎ）の場合はＳＴ１５６に移り、イエス（Ｙ）の場合はＳＴ１５７に移る。

ＳＴ１５６において、対象者の動作を「立位」と判別する。そして、前記動作判別処理を終了して図７のＳＴ１０５に戻る。
ＳＴ１５７において、対象者の動作の激しさが「弱」であるか否かを判別する。イエス（Ｙ）の場合はＳＴ１５８に移り、ノー（Ｎ）の場合はＳＴ１５９に移る。
ＳＴ１５８において、対象者の動作を「歩行」と判別する。そして、前記動作判別処理を終了して図７のＳＴ１０５に戻る。
ＳＴ１５９において、対象者の動作を「走行」と判別する。そして、前記動作判別処理を終了して図７のＳＴ１０５に戻る。
ＳＴ１６０において、対象者の動作を判別された姿勢（「座位」、「臥位（左向き）」、「臥位（右向き）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（左右の向きなし）」、「臥位（前後の向きなし）」、「臥位（前後左右の向きは不明）」と判別する。そして、前記動作判別処理を終了して図７のＳＴ１０５に戻る。

（実施例１の行動認識処理の説明）
図９は実施例１の行動認識処理のフローチャートである。
図９のフローチャートの各ＳＴ（ステップ）の処理は、前記サーバ２の制御部のＲＯＭ等に記憶されたプログラムに従って行われる。また、この処理は前記制御部の他の各種処理と並行してマルチタスクで実行される。
図９に示すフローチャートは、前記制御部の前記行動認識プログラムＡＰ１が起動した場合に開始される。

図９のＳＴ２０１において、動作推移記憶手段Ｃ８に記憶された動作の推移が更新されたか否かを判別する。イエス（Ｙ）の場合はＳＴ２０２に移り、ノー（Ｎ）の場合はＳＴ２０１を繰り返す。
ＳＴ２０２において、各動作コンテキストｃ_１〜ｃ_３に基づいて、対象者の行動（「転倒」、「寝返り」、「離床（起床）」）を判別する行動判別処理を実行する。そして、ＳＴ２０３に移る。
ＳＴ２０３において、前記行動判別処理によって行動が判別されたか否かを判別する。イエス（Ｙ）の場合はＳＴ２０４に移り、ノー（Ｎ）の場合はＳＴ２０１に戻る。
ＳＴ２０４において、判別された行動を受信した時期と対応付けて記憶することにより、行動認識情報を記憶する。そして、ＳＴ２０５に移る。
ＳＴ２０５において、前記時期に応じた時刻と行動認識情報とを通報先に通報する。そして、ＳＴ２０１に戻る。

（実施例１の行動判別処理の説明）
図１０は実施例１の行動判別処理のフローチャートであり、図９のＳＴ２０２のサブルーチンの説明図である。
図１０のＳＴ２５１において、動作推移記憶手段Ｃ８に記憶された動作の推移に基づいて、２０秒以上「立位」、「歩行」、「走行」のいずれかが連続後に、最新の動作が「座位」、「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」のいずれかに変化したか否かを判別する。イエス（Ｙ）の場合はＳＴ２５２に移り、ノー（Ｎ）の場合はＳＴ２５４に移る。
ＳＴ２５２において、直前の２．５秒間に、「移動」且つ「強」の判別回数が閾値を超えたか否かを判別する。イエス（Ｙ）の場合はＳＴ２５３に移り、ノー（Ｎ）の場合は前記行動判別処理を終了して図９のＳＴ２０２に戻る。
ＳＴ２５３において、対象者の行動を「転倒」と判別する。そして、前記行動判別処理を終了して図９のＳＴ２０２に戻る。

ＳＴ２５４において、動作推移記憶手段Ｃ８に記憶された動作の推移に基づいて、２０秒以上同じ「臥位（左向き）」、「臥位（右向き）」、「臥位（うつ伏せ）」、「臥位（仰向け）」のいずれかが連続後に、別の「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」のいずれかに変化したか否かを判別する。イエス（Ｙ）の場合はＳＴ２５５に移り、ノー（Ｎ）の場合はＳＴ２５６に移る。
ＳＴ２５５において、対象者の行動を「寝返り」と判別する。そして、前記行動判別処理を終了して図９のＳＴ２０２に戻る。

ＳＴ２５６において、動作推移記憶手段Ｃ８に記憶された動作の推移に基づいて、２０秒以上「臥位（前後左右の向きは不明）」、「臥位（左向き）」、「臥位（右向き）」、「臥位（左右の向きなし）」、「臥位（うつ伏せ）」、「臥位（仰向け）」、「臥位（前後の向きなし）」のいずれかが２０秒以上連続後に、「立位」または「座位」に変化したか否かを判別する。イエス（Ｙ）の場合はＳＴ２５７に移り、ノー（Ｎ）の場合は前記行動判別処理を終了して図９のＳＴ２０２に戻る。
ＳＴ２５７において、対象者の行動を「離床（起床）」と判別する。そして、前記行動判別処理を終了して図９のＳＴ２０２に戻る。

（実施例１の作用）
前記構成を備えた実施例１の前記行動認識システム１では、サーバ２において、図７、図８に示す動作推移記憶処理および動作判別処理が実行され、各対象者の腰に装着されたセンサタグ４，４から送信された加速度データ等を含む情報の受信信号に基づいて、対象者の動作の推移が記憶される。実施例１の動作推移記憶処理では、ファジィ推論を適用して、検出された加速度データに応じた各動作が検出時期ごとに判別されて記憶される。具体的には、直近５０個の加速度データに応じたメンバシップ値STAND〜RUNが予め設定された各メンバシップ関数ｆ_１〜ｆ_１３によって演算され、演算されたメンバシップ値STAND〜RUNにファジィルールが適用されて更新された判別値STAND〜RUNの最大値に基づいて各動作が判別され記憶される。
また、実施例１の前記行動認識システム１では、サーバ２において、図９、図１０に示す行動認識処理および行動判別処理が実行され、記憶された動作の推移と、各行動に応じた各動作コンテキストｃ_１〜ｃ_３とに基づいて、動作の前後関係から判別された行動が記憶されて通報先に通報される。

ここで、発明者は、前記各判別処理（図８、図１０参照）を実行することにより、各動作、各行動を判別できるか否かを調べるために、実験を行った。
前記実験では、サーバ２や、アクセスポイント３、センサタグ４を実施例１と同様に配置し、年齢が２０代の健康な被験者（健常者）７人に対して、センサタグ４を腰に取り付けて、被験者全員に共通した各メンバシップ関数ｆ_１〜ｆ_１３や各動作コンテキストｃ_１〜ｃ_３を設定、記憶した上で、１人ずつ各動作、各行動をそれぞれ３回（３セット）試行させて、各判別処理を実行した判別結果と前記試行とを照合した認識率を算出した。

まず、姿勢については、「立位」、「座位」、「臥位（左向き）」、「臥位（右向き）」、「臥位（うつ伏せ）」、「臥位（仰向け）」について試行して認識率を算出した。
この結果、「立位」については認識率１００［％］であり、「臥位」についても前傾等して静止できていない場合に「座位」と誤認識することがあったが、静止できている場合には４方向全て認識率は１００［％］であった。なお、「座位」については腰の角度に応じて識別できない場合があったが、腰の角度が軽く椅子の背もたれを使う程度で静止できている場合には認識率１００［％］が得られた。なお、「立位」と「座位」とを交互に繰り返す行動（「起立着席」）を試行してみたところ、７８．２［％］の識別率が得られた。

次に、動作については、継続した「弱」、継続した「強」、「弱」と「強」とを交互に繰り返す動作、「弱」と「立位（静止）」とを交互に繰り返す動作について試行して認識率を算出した。
この結果、継続した「弱」、「弱」と「強」とを交互に繰り返す動作については認識率１００［％］であり、継続した「強」、「弱」と「立位（静止）」とを交互に繰り返す動作についても、それぞれ７７．７［％］，６８．３［％］の認識率が得られた。

次に、行動については、前方への「転倒」、後方への「転倒」、左方への「転倒」、右方への「転倒」、「寝返り」、「離床（起床）」について試行して認識率を算出した。また、各転倒については、記憶された動作推移を確認して転倒方向の識別率も算出した。
この結果、「寝返り」、「離床（起床）」については認識率１００［％］であり、左方への「転倒」、右方への「転倒」については認識率だけでなく転倒方向の認識率も１００［％］であった。また、前方への「転倒」、後方への「転倒」については認識率がそれぞれ９０．４［％］，９５．０［％］であり転倒方向の認識率がそれぞれ８５．７［％］，９５［％］であった。

この結果、実施例１の前記行動認識システム１は、対象者（被験者、健常者）全員に共通した各メンバシップ関数ｆ_１〜ｆ_１３や各動作コンテキストｃ_１〜ｃ_３を設定したが、センサタグ４，４から送信された加速度データ等を含む情報の受信信号に基づいて、各対象者の動作や行動を判別できることがわかる。すなわち、実施例１の前記行動認識システム１は、人間の単純な姿勢や動作だけでなく、動作の連続性から判別可能な人間の行動を認識することができることがわかる。
なお、前記実験では、７人の被験者全員が同様の体格であったため、被験者全員に共通する各メンバシップ関数ｆ_１〜ｆ_１３等を設定したが、同様の体格であれば同じ各メンバシップ関数ｆ_１〜ｆ_１３等であっても各対象者の動作や行動を判別できることがわかる。なお、各対象者に応じて最適の各メンバシップ関数ｆ_１〜ｆ_１３等を設定すれば、前記実験より高い認識率で各対象者の動作や行動を判別できることが期待できる。
したがって、実施例１の前記行動認識システム１では、サーバＳＶの管理者は、認識された各対象者の姿勢や動作や行動と、記憶された各対象者の情報に基づく生活パターン等から、これらが複合した異常事態（例えば、転倒したまま長時間起き上がらないの事態や、火災等の非難時に倒れて逃げ遅れている事態等）や体調不良（例えば、昼間の活動量が普段より少ない、昼間もずっと寝込んでいる）を確認する（看視する、見守る）ことができる。

また、実施例１では、室内全域がアクセスポイント３，３の受信範囲内であるため、室内のセンサタグ４，４からの前記受信信号は常にサーバ２に転送可能であり、対象者がアクセスポイント３，３に対して身体の向きや姿勢が任意に変化しても前記受信信号は常にサーバ２に転送できる。
したがって、実施例１の前記行動認識システム１は、ステレオ視の死角が発生したり室内の照明環境によって判別ミスが発生する特許文献１〜３等の構成に比べ、人間の動作の判別ミスを低減し易くすることができる。
特に、実施例１では、暗闇でも対象者の動作を判別できるため、例えば、照明を落とした夜間の室内や、夜間の屋外でも対象者の動作の推移を記憶したり、行動を認識したりすることができる。
この結果、実施例１の前記行動認識システム１では、人間の動作の判別ミスを低減し易くしつつ、人間の動作の連続性から判別可能な行動を認識することができる。

ここで、特許文献１〜３に記載の技術では、カメラに複数の人間の撮像対象（複数のユーザの顔や手）が撮像された場合、各ユーザの顔や手を別々に追跡する必要があるが、例えば、２人以上のユーザの顔や手が追跡不能になった後、再び追跡可能となった場合には、撮像された画像から個人を特定することが困難であるため、複数の人間の動作を判別し難いという問題があった。
これに対して、前記構成を備えた実施例１の前記行動認識システム１では、前記受信情報にセンサタグＩＤが含まれているため、センサタグＩＤで各対象者を特定することができる。この結果、実施例１の前記行動認識システム１は、複数の人間から個人を特定することが困難な特許文献１〜３の構成に比べ、複数の人間が動作した場合に動作した人物を容易に特定することができる。

また、特許文献１〜３に記載の技術では、撮像対象を追跡可能な範囲を拡張するには、複数台のカメラをステレオ視可能な状態で配置してゆく必要があるため、ユーザの動作を判別可能な範囲を拡張するには、コストがかかり過ぎるという問題があった。
これに対して、前記構成を備えた実施例１の前記行動認識システム１では、前記受信情報にアクセスポイントＩＤとＲＳＳＩ値とが含まれている。このため、アクセスポイント３，３を複数台に増設して対象者の動作を判別する範囲を拡大した場合に、アクセスポイントＩＤとＲＳＳＩ値によって各対象者の加速度データを転送した位置（各アクセスポイント３，３からの距離）を特定できる。

この結果、実施例１の前記行動認識システム１は、対象者の動作や行動を判別可能な範囲を拡張することができ、高額なカメラをステレオ視可能な状態で増設してゆく必要がある特許文献１〜３の構成に比べ、人間の動作や行動を判別可能な範囲を拡張するコストを低減することができる。
特に、実施例１では、センサタグ４，４は、ＺｉｇＢｅｅ（登録商標）ネットワーク６を介して、アクセスポイント３，３と接続されており、他の無線通信規格の端末に比べても安価で増設することができ、拡張コストをさらに低減することができる。

また、前記構成を備えた実施例１の前記行動認識システム１では、サーバ２に記憶された受信時期ごとの動作の推移と行動とが表示された行動表示画像１０１をディスプレイ２ｂに表示することが可能になっている。よって、実施例１の前記行動認識システム１は、記憶された動作や行動をサーバ２の管理者が行動表示画像１０１で確認する（看視する、見守る）ことが可能となっている。

次に、本発明の実施例２の説明をするが、この実施例２の説明において、前記実施例１の構成要素に対応する構成要素には同一の符号を付して、その詳細な説明を省略する。
この実施例２は、下記の点で前記実施例１と相違しているが、他の点では前記実施例１と同様に構成されている。

図１１は実施例１の図１に対応する説明図であって実施例２の行動認識システムの全体説明図である。
図１１において、実施例２の前記行動認識システム１′は、実施例１の前記サーバ（行動表示装置、動作推移記憶装置）２を有する。また、前記行動認識システム１′は、実施例１の前記アクセスポイント３，３が省略されており、実施例１の前記センサタグ４，４に替えて、前記対象者が携帯する携帯端末（端末、行動認識用の端末、行動認識装置）４′，４′とを有する。実施例２では、前記携帯端末４′，４′は、第３の情報通信回線の一例としての携帯電話網（移動通信ネットワーク）５′を介して、前記サーバ２と接続されている。
また、実施例２の前記携帯端末４′，４′は、実施例１と同様に対象者の腰の位置に装着されており、実施例１の加速度センサ４ａ，４ａと、ＧＰＳ（Global Positioning System、全地球測位システム）衛星からの情報を受信可能なＧＰＳ受信機４ｂ，４ｂとを有する。

（実施例２の制御部の説明）
（実施例２の携帯端末４′，４′の制御部の説明）
図１２は実施例１の図２に対応する説明図であって実施例２の行動認識システムのサーバと携帯端末との各制御部が備えている各機能をブロック図（機能ブロック図）で示した図である。
図１２において、前記携帯端末４′，４′の制御部は、Ｉ／Ｏ、ＲＯＭ、ＲＡＭ、ＣＰＵ、クロック発振器等を有し、前記構成の携帯端末ＺＳ１は、ソリッドステートドライブ（ＳＳＤ）やＲＯＭ等に記憶されたプログラムを実行することにより種々の機能を実現することができる。
前記制御部には、オペレーティングシステムＯＳ、アプリケーションプログラムとしての行動認識プログラムＡＰ１′、その他の図示しないソフトウェアが記憶されている。

（実施例２の行動認識プログラムＡＰ１′の説明）
実施例２の前記行動認識プログラムＡＰ１′は、実施例１の前記動作情報記憶手段Ｃ４、前記割合演算手段Ｃ５、前記判別値演算手段Ｃ６、前記動作判別手段Ｃ７、前記動作推移記憶手段Ｃ８、前記行動情報記憶手段Ｃ９、前記行動判別手段Ｃ１０、前記行動認識情報記憶手段Ｃ１１を有する。また、前記行動認識プログラムＡＰ１′は、実施例１の前記端末情報記憶手段ＣＳ１、前記受信情報記憶手段Ｃ３、前記行動表示手段Ｃ１２に替えて、端末情報記憶手段ＣＳ１′、取得情報記憶手段Ｃ３′、行動送信手段Ｃ１３を有する。

ＣＳ１′：端末情報記憶手段（識別情報記憶手段、携帯端末ＩＤ記憶手段、端末識別情報記憶手段）
端末情報記憶手段ＣＳ１′は、携帯端末４′，４′ごとに予め設定された端末ＩＤ（端末情報、端末識別情報）を記憶する。
Ｃ３′：取得情報記憶手段
取得情報記憶手段Ｃ３′は、加速度センサ４ａ，４ａから加速度データを取得した時期（タイムスタンプ）を記憶する取得時期記憶手段（タイムスタンプ記憶手段）Ｃ３Ａ′と、ＧＰＳ受信機４ｂ，４ｂがＧＰＳ衛星から受信した情報から位置データ（位置情報）を演算する位置情報演算手段Ｃ３Ｂ′とを有し、加速度センサ４ａ，４ａから取得した加速度データと時期とを対応付けて記憶する。すなわち、実施例２の前記取得情報記憶手段Ｃ３′には、取得した時期ごとに、加速度データ、位置データが記憶される。
なお、実施例２の前記動作情報記憶手段Ｃ４、前記割合演算手段Ｃ５、前記動作判別手段Ｃ７、前記動作推移記憶手段Ｃ８、前記行動認識情報記憶手段Ｃ１１については、「前記受信情報記憶手段Ｃ３」を「前記取得情報記憶手段Ｃ３′」、「センサタグＩＤ」を「端末ＩＤ」に読み替えるだけで、実施例１と同様の説明になるため、詳細な説明については省略する。

Ｃ１３：行動送信手段（動作推移送信手段）
行動表示手段Ｃ１３は、実施例１の前記行動認識情報通報手段Ｃ１２Ｄを有し、前記行動判別手段Ｃ１０によって判別された対象者の行動を送信する。実施例２の前記行動送信手段Ｃ１３は、前記行動認識情報通報手段Ｃ１２Ｄによって実施例１と同様の情報を通報先に通報すると共に、前記端末情報記憶手段ＣＳ１′に記憶された端末ＩＤと、前記受信情報記憶手段Ｃ３′に記憶された１時間分の加速度データおよび位置データと、前記動作推移記憶手段Ｃ８に記憶された１時間分の対象者の動作の推移と、前記行動認識情報記憶手段Ｃ１１に記憶された１時間分の行動認識情報とを１時間ごとにサーバ２に送信する。

（実施例２のサーバ２の制御部の説明）
また、実施例２の前記サーバ２のコンピュータ本体２ａの制御部には、実施例１の前記行動認識プログラムＡＰ１に替えて、アプリケーションプログラムとしての行動表示プログラム（動作推移記憶プログラム）ＡＰ２が記憶されている。

（実施例２の行動表示プログラムＡＰ２の説明）
前記行動表示プログラムＡＰ２は、端末ＩＤに基づいて対象者を特定する実施例１と同様の前記特定手段Ｃ１と、下記の機能手段（プログラムモジュール）を有する。
Ｃ１４：行動受信手段（動作推移受信手段）
行動受信手段Ｃ１４は、前記行動送信手段Ｃ１３から送信された情報（端末ＩＤ、１時間分の加速度データと位置データ、１時間分の対象者の動作の推移、１時間分の行動認識情報）を受信する。
Ｃ１５：受信情報記憶手段（動作推移記憶手段）
受信情報記憶手段Ｃ１５は、前記行動受信手段Ｃ１４によって受信した前記情報を記憶する。

Ｃ１６：行動表示手段（動作推移表示手段）
行動表示手段Ｃ１６は、実施例１の前記行動表示画像表示手段Ｃ１２Ａと、前記動作推移表示手段Ｃ１２Ｂと、前記行動認識情報表示手段Ｃ１２Ｃとを有し、前記受信情報記憶手段Ｃ１５に記憶された対象者の行動を表示する。
なお、実施例２の動作推移表示部１０１ａ（図６参照）には、実施例１のＲＳＳＩ値に基づく距離に替えて、対象者の位置を特定する図示しない地図画像のアドレス情報（例えば、ホームページへのハイパーリンク等）が表示される。

（実施例２のフローチャートの説明）
次に、実施例２の前記各制御部の各プログラムの処理の流れをフローチャートを使用して説明する。なお、携帯端末４′，４′がサーバ２に情報を送信する処理については、端末ＩＤ、１時間分の加速度データと位置データ、１時間分の対象者の動作の推移、１時間分の行動認識情報を１時間ごとに送信するだけであるため、説明の簡単のため、図示および詳細な説明を省略する。

（実施例２の動作推移記憶処理の説明）
図１３は実施例１の図７に対応する説明図であって実施例２の動作推移記憶処理のフローチャートである。
図１３に示す実施例２の動作推移記憶処理のフローチャートは、実施例１の前記動作推移記憶処理のフローチャートのＳＴ１０１とＳＴ１０２とに替えて、以下のＳＴ１０１′とＳＴ１０２′とを実行するだけである。よって、その他のＳＴ１０３〜ＳＴ１０６については実施例１と同様であるため、詳細な説明を省略する。
図１３のＳＴ１０１′において、加速度センサ４ａが加速度データを検出したか否かを判別する。イエス（Ｙ）の場合はＳＴ１０２′に移り、ノー（Ｎ）の場合はＳＴ１０１′を繰り返す。
ＳＴ１０２′において、検出した時期と加速度データとを対応付けて記憶する。そして、ＳＴ１０３〜ＳＴ１０６の各処理を実行して、ＳＴ１０１に戻る。

（実施例２の作用）
前記構成を備えた実施例２の前記行動認識システム１′では、携帯端末４′，４′において、図１３、図８に示す動作推移記憶処理および動作判別処理と、図９、図１０に示す行動認識処理および行動判別処理とが実行され、対象者の動作の推移と対象者の行動とが記憶されて通報先に通報される。
したがって、実施例２の前記行動認識システム１′では、加速度センサ４ａ，４ａが設けられた携帯端末４′，４′で対象者の動作や行動を判別することができ、対象者が携帯電話網５′の通話エリア外に移動してサーバ２に情報を送信できない場合でも、対象者の動作や行動を判別することができる。

また、前記構成を備えた実施例２の前記行動認識システム１′では、サーバ２において、携帯端末４′，４′から送信された対象者の動作の推移や行動等の情報が受信されて記憶され、対象者ごとの行動表示画像１０１をディスプレイ２ｂに表示することが可能となっている。
したがって、実施例２の前記行動認識システム１′では、携帯端末４′，４′で判別された動作や行動を記憶容量の大きいサーバ２に記憶でき、実施例１と同様に、記憶した動作や行動をサーバ２の管理者が行動表示画像１０１で確認する（看視する、見守る）ことが可能となっている。
また、前記構成を備えた実施例２の前記行動認識システム１′では、サーバ２の前記受信情報にＧＰＳ受信機４ｂ，４ｂがＧＰＳ衛星から受信した情報に基づく位置データとが含まれており、実施例１と同様に、各対象者の加速度データを検出した位置（動作や行動が判別された位置）を特定できる。
その他、実施例２の前記行動認識システム１′は、実施例１の前記行動認識システム１と同様の作用効果を奏する。

（変更例）
以上、本発明の実施例を詳述したが、本発明は、前記実施例に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲で、種々の変更を行うことが可能である。本発明の変更例（Ｈ01）〜（Ｈ021）を下記に例示する。
（Ｈ01）前記実施例では、対象者の動作の推移に基づいて、対象者の３種類の行動（「転倒」、「寝返り」、「離床（起床）」を判別したが、動作コンテキストを追加することによりその他の行動（例えば、「起立」、「着席」、「躓き」、「体当たり」、「着床」等）を判別することも可能である。
（Ｈ02）前記実施例では、対象者の行動が判別された場合に通報先に通報したが、これに限定されず、行動がない場合にも通報することが可能である。例えば、長時間同じ「臥位」が継続している場合に、「倒れ込んで起きる気配がない」と判断して通報することも可能である。

（Ｈ03）前記実施例では、姿勢を含む動作として「立位」、「座位」、前後左右の「臥位」等を判別したが、これに限定されず、例えば、姿勢として「立位」、「座位」、前後左右の「臥位」等を判別し、動作として「静止」、「歩行」、「走行」を判別することも可能である。
（Ｈ04）前記実施例では、前後左右の「臥位」等を判別し、「立位」、「座位」については１種類しか判別していないが、これに限定されず、前後左右に傾斜した「立位」、「座位」と通常の（中立の）「立位」、「座位」の５種類の「立位」、「座位」を判別することも可能である。

（Ｈ05）前記実施例１では、センサタグＩＤが異なるセンサタグ４，４とアクセスポイントＩＤが異なるアクセスポイント３，３とが２台ずつの構成としたが、これに限定されず、１台またはセンサタグＩＤが異なる３台以上のセンサタグと１台またはアクセスポイントＩＤが異なる３台以上のアクセスポイントとの構成でも各対象者の動作や行動を判別することが可能である。また、前記実施例２についても同様に、端末ＩＤが異なる携帯端末４′，４′が２台の構成としたが、これに限定されず、１台または端末ＩＤが異なる３台以上の携帯端末の構成でも各対象者の動作や行動を判別することが可能である。なお、複数のアクセスポイントでＩＤが同一のセンサタグや携帯端末から情報を受信した場合には、ＲＳＳＩ値が最大となるアクセスポイントが、センサタグや携帯端末から最も近いアクセスポイントであると判別できる。
（Ｈ06）前記実施例のように、センサタグ４や携帯端末４′をバックル部分に固定支持することが好ましいが、これに限定されず、例えば、胸ポケットに入れた場合でも、対象者の動作や行動を判別することが可能である。この場合、対象者のメンバシップ関数ｆ_１〜ｆ_１３や動作コンテキストｃ_１〜ｃ_３を胸の加速度センサ４ａからの加速度に対応できるように設定する必要がある。

（Ｈ07）前記実施例１では、センサタグ４，４からは、各対象者の動作や行動に関する情報として、加速度センサ４ａ，４ａから検出された加速度データを送信したが、各対象者の動作や行動に関する情報についてはこれに限定されず、例えば、センサタグ４，４に体温計や脈拍計等を設けて、体温計や脈拍計が測定した各対象者の体温や脈拍等の情報を送信することも可能である。また、例えば、特許文献１〜３に記載の公知のカメラのステレオ視を用いたジェスチャ認識システムと組み合わせて、腰に装着した加速度センサ４ａ，４ａからの加速度では判別し難い動作（例えば、任意の姿勢で静止した状態で首振り、手振り、指差し等のジェスチャ）を判別して、画像解析に基づいて判別された動作の推移と加速度に基づいて判別された動作の推移とを組み合わせた行動を判別することも可能である。この場合、例えば、寝た状態で動けなくなった対象者（例えば、寝たきりの患者や、転倒で怪我をして起き上がれなくなった人等）がカメラに向かって手を振って救助を求めていることを判別したり、ジェスチャに応じて家電製品等を制御したりすることが可能となる。

（Ｈ08）前記実施例１では、各センサタグ４，４に１個の加速度センサ４ａ，４ａを設けて加速度データを送信したが、各センサタグ４，４に設ける加速度センサの数については１個に限定されず、対象者の異なる部位の加速度を検出する複数の加速度センサを各センサタグ４，４に設けることも可能である。例えば、腰に装着した各センサタグ４，４と有線で接続されて対象者の胸に貼り付けられる胸用の加速度センサを増設することも可能である。この場合、腰と胸の加速度センサ４ａからの各加速度に基づいて、各メンバシップ値STAND〜RUNが演算できるように対象者のメンバシップ関数ｆ_１〜ｆ_１３や動作コンテキストｃ_１〜ｃ_３を設定する必要がある。

（Ｈ09）前記実施例１では、アクセスポイント３，３とサーバ２とが無線ＬＡＮ５によって接続されていたが、これに限定されず、例えば、インターネットや、有線ＬＡＮ、携帯電話網５′等の移動体通信網、アドホックネットワーク（自律分散型無線通信網、自律分散型無線ネットワーク、自立分散型無線ネットワーク）、専用回線等の情報通信回線で接続することも可能である。また、センサタグ４，４とアクセスポイント３，３とがＺｉｇＢｅｅ（登録商標）ネットワーク６によって接続されていたが、これに限定されず、例えば、携帯電話網５′等の移動体通信網、アドホックネットワーク、Ｂｌｕｅｔｏｏｔｈ（登録商標）等のその他の無線通信技術により接続することも可能である。また、前記実施例２では、携帯端末４′，４′とサーバ２とが携帯電話網５′によって接続されていたが、これに限定されず、例えば、無線ＬＡＮ５、アドホックネットワーク、Ｂｌｕｅｔｏｏｔｈ（登録商標）等のその他の無線通信技術により接続することも可能である。

（Ｈ010）前記実施例１では、各アクセスポイント３，３を各室内に配置していたが、これに限定されず、アクセスポイントＩＤの異なる複数台のアクセスポイントを室内に配置することも可能である。この場合、例えば、ＲＳＳＩ値に基づいて、センサタグから最も近いアクセスポイントが転送した情報で行動認識することが可能である。また、例えば、ＲＳＳＩ値に基づく各距離で室内のどの位置（座標）に対象者が存在するかを判別することも可能である。
（Ｈ011）前記実施例では、５０［ｍｓ］ごとに加速度データを検出したが、加速度データを検出する周期については任意に変更可能である。
（Ｈ012）前記実施例１では、アクセスポイント４からサーバ２に対して、加速度データや、センサタグＩＤ、アクセスポイントＩＤ、ＲＳＳＩ値を含む情報を送信したが、これに限定されず、例えば、センサタグ４から受信したバッテリ残量の情報についても送信可能である。この場合、サーバ２でセンサタグ４のバッテリ残量を監視することが可能となる。

（Ｈ013）前記実施例のように、対象者ごとにメンバシップ関数ｆ_１〜ｆ_１３や動作コンテキストｃ_１〜ｃ_３を設定、記憶して対象者の動作を精度良く判別することが好ましいが、例えば、万人に適用可能なメンバシップ関数ｆ_１〜ｆ_１３や動作コンテキストｃ_１〜ｃ_３を１つだけ設定、記憶したり、性別の体格差に応じて設定、記憶したり、身長・体重等の体格モデルに応じて設定、記憶したりして対象者の動作を判別することも可能である。
（Ｈ014）前記実施例では、３軸の加速度ベクトルａ_１〜ａ_５０に基づく分散σ^２や差分Δａと各メンバシップ値STOP，MOVE，WALK，RUNとを対応付ける各メンバシップ関数ｆ_１２，ｆ_１３を設定、記憶して対象者の動作を判別したが、これに限定されず、例えば、前後方向への「移動」や「転倒」等のみを判別する場合には、Ｘ軸方向の加速度ａｘ_１〜ａｘ_５０に基づく分散（σｘ^２）や差分（Δａｘ）と各メンバシップ値STOP，MOVE，WALK，RUNとを対応付ける各メンバシップ関数（ｆｘ_１２），（ｆｘ_１３）を設定、記憶して対象者の動作を判別することも可能である。

（Ｈ015）前記実施例の前記行動判別処理（図１０参照）では、「転倒」を判別する場合に、２０秒以上連続する動作が変化した際の直前の２．５秒間に「移動」且つ「強」であるか否かを判別することにより、加速度の急激な変化があったか否かを判別したが、例えば、変化する直前の加速度の急激な変化をさらに詳細に解析するために、分散σ^２が分散閾値（例えば、０．２）を超えるか否かを判別したり、差分Δａが差分閾値（例えば、２）を超えるか否かを判別したりすることも可能である。また、例えば、「転倒」を判別する場合であっても、「寝返り」や「離床（起床）」を判別する場合と同様に、２０秒以上連続する動作が変化したか否かのみ判別して、直前の加速度の急激な変化を判別条件とせずに対象者の行動を判別することも可能である。また、前記実施例では、「寝返り」や「離床（起床）」を判別する場合に、加速度の変化については判別条件としていないが、これに限定されず、「転倒」を判別する場合と同様に、加速度の変化を解析して判別条件に追加とすることも可能である。

（Ｈ016）前記実施例では、判別された対象者の動作の推移や行動を記録したり、動作の推移や行動を行動表示画像１０１に表示したり、行動を通報したりしたが、判別された対象者の動作や行動の利用方法についてはこれに限定されず、例えば、判別された対象者の動作や行動に応じて、ロボットを制御することも可能である。この場合、例えば、ロボット機器を制御するソフトウエアモジュールの規格群であるＲＴミドルウェア（RT-middleware、ＲＴ：Robotics Technologies）を介して、ロボットに対象者の動作や行動に応じた動作や行動や挨拶や対話をさせたり、異常事態等が発生した場合にロボットから通報や呼びかけ等をさせたりすることも可能である。また、例えば、大量のデータからパターン認識等の技術で知識を抽出する技術であるデータマイニング（Data mining）によって、記憶した対象者の動作や行動のパターン（属性）等を解析して、複数の対象者をグループ化したり、各対象者の要求に合致したサービスを提案することに利用したりすることも可能である。この場合、行動量を抽出するために、例えば、端末（センサタグ４や携帯端末４′）に行動量計を設けて行動量計が測定した行動量データを送受信したり、記憶した動作の推移等に基づいて行動量を演算したりする構成が必要となる。なお、ＲＴミドルウェアについては、例えば、特開２００７−１９３７３６号公報等に記載されており、データマイニングについては、例えば、特開２００７−２５７３３５号公報等に記載されており、それぞれ公知である。

（Ｈ017）前記実施例において、予め設定された各数値（例えば、ＲＳＳＩ値の−１２８［ｄＢｍ］や＋１２８［ｄＢｍ］、アクセスポイント３，３の受信可能な半径約３０［ｍ］、加速度ベクトルａ_１〜ａ_５０の直前５０［個］や１７［個］、各動作コンテキストｃ１〜ｃ３の２０［秒］や２．５［秒］、行動表示手段Ｃ１３の１時間等）については任意の数値に変更することが可能である。
（Ｈ018）前記実施例２のように、携帯端末４′，４′から定期的に記憶した情報（加速度データ、判別された動作、行動等）をサーバ２に転送する構成では、携帯端末４′，４′が転送済みの情報を削除することも可能である。この場合、携帯端末４′，４′において、行動認識プログラムＡＰ１′に関する記憶容量を低減することができ、小型である替わりに記憶容量が少ない記憶媒体を選択して携帯端末４′，４′全体を小型化することができる。

（Ｈ019）前記実施例２のように、携帯端末４′，４′から定期的に記憶した情報（加速度データ、判別された動作、行動等）をサーバ２に転送する構成が記憶容量やバックアップの観点からは好ましいが、サーバ２を省略して、行動を認識した場合にのみ通報する構成とすることも可能である。すなわち、動作の推移や行動のログをサーバ２に転送しない構成も可能である。この場合、サーバ２と携帯端末４′，４′との間の情報の送受信（携帯電話網３）が省略されるため、行動認識システム１′の通信負荷を低減できる。
（Ｈ020）前記実施例２では、携帯端末４′，４′によって対象者の動作や行動を認識したが、携帯端末４′，４′は行動認識用の専用端末に限定されず、例えば、ＧＰＳ機能付き携帯電話やスマートフォンやタブレットＰＣ等によって構成することも考えられる。
（Ｈ021）前記実施例２では、ＧＰＳ受信機４ｂ，４ｂがＧＰＳ衛星から受信した情報から位置データ（位置情報）を演算したが、携帯端末４′，４′で位置データを取得する方法についてはこれに限定されず、例えば、携帯電話網５′の基地局から受信する情報に基づいて位置データを演算することも可能である。

σ^２…分散、Δａ…差分、４ａ，４ａ…加速度センサ、２…コンピュータ、行動認識用の処理装置、（４，４），（４′，４′）…端末、行動認識用の端末、ＡＰ１，ＡＰ１′…行動認識プログラム、ａ_１〜ａ_５０…加速度ベクトル、ａｘ〜ａｚ…加速度、ＣＳ２…送信手段、Ｃ１：特定手段、Ｃ２…受信手段、Ｃ４Ａ…姿勢情報記憶手段、Ｃ７…動作判別手段、Ｃ８…動作推移記憶手段、Ｃ９…行動情報記憶手段、Ｃ１０…行動判別手段。

Claims (2)

1. コンピュータを、
   人が携帯可能な端末に設けられて加速度を検出可能な加速度センサで検出される加速度と、前記端末を携帯した人の姿勢と、を対応づける情報が予め記憶された姿勢情報記憶手段、
   前記加速度センサで検出された加速度と、前記姿勢情報記憶手段に記憶された情報とに基づいて、前記端末を携帯した人の動作を判別する動作判別手段、
   前記動作の推移を記憶する動作推移記憶手段、
   前記動作の推移と、前記端末を携帯した人の行動と、を対応づける情報が予め記憶された行動情報記憶手段、
   前記動作の推移と、前記動作の前後の間の動作の激しさと、前記行動情報記憶手段に記憶された情報とに基づいて、前記端末を携帯した人の行動を判別する行動判別手段、
   として機能させるための行動認識プログラムであって、
   前記動作判別手段では、
   加速度と該加速度に対応する確率変数とが対応付けられたメンバシップ関数が、各姿勢毎に予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の姿勢が判別され、
   加速度ベクトルの分散と該分散に対応する確率変数とが対応付けられたメンバシップ関数が、静止および移動のいずれかと予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の静止及び移動のいずれかが判別され、
   加速度ベクトルの最大値と最小値との差分と該差分に対応する確率変数とが対応付けられたメンバシップ関数が、動作の激しいか否かに応じて予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の動作の激しさを判別する
   ことを特徴とする前記行動認識プログラム。
2. 加速度を検出可能な加速度センサを備え、人が携帯可能な端末との間で情報の送受信が可能な行動認識用の処理装置であって、
   前記加速度センサで検出される加速度と前記端末を携帯した人の姿勢とを対応づける情報が予め記憶された姿勢情報記憶手段と、
   前記加速度センサで検出された加速度と前記姿勢情報記憶手段に記憶された情報とに基づいて、前記端末を携帯した人の動作を判別する動作判別手段と、
   前記動作の推移を記憶する動作推移記憶手段と、前記動作の推移と前記端末を携帯した人の行動とを対応づける情報が予め記憶された行動情報記憶手段と、
   前記動作の推移と、前記動作の前後の間の動作の激しさと、前記行動情報記憶手段に記憶された情報とに基づいて、前記端末を携帯した人の行動を判別する行動判別手段と、
   を備え、
   前記動作判別手段では、
   加速度と該加速度に対応する確率変数とが対応付けられたメンバシップ関数が、各姿勢毎に予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の姿勢が判別され、
   加速度ベクトルの分散と該分散に対応する確率変数とが対応付けられたメンバシップ関数が、静止および移動のいずれかと予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の静止及び移動のいずれかが判別され、
   加速度ベクトルの最大値と最小値との差分と該差分に対応する確率変数とが対応付けられたメンバシップ関数が、動作の激しいか否かに応じて予め照合されて設定され、前記加速度センサで検出された加速度と前記メンバシップ関数とに基づいて、前記端末を携帯した人の動作の激しさを判別する
   ことを特徴とする前記行動認識用の処理装置。