JP5893726B2 - 複数のデバイス状態を分類するための方法および装置 - Google Patents

複数のデバイス状態を分類するための方法および装置 Download PDF

Info

Publication number
JP5893726B2
JP5893726B2 JP2014512925A JP2014512925A JP5893726B2 JP 5893726 B2 JP5893726 B2 JP 5893726B2 JP 2014512925 A JP2014512925 A JP 2014512925A JP 2014512925 A JP2014512925 A JP 2014512925A JP 5893726 B2 JP5893726 B2 JP 5893726B2
Authority
JP
Japan
Prior art keywords
state
feature set
classification algorithm
state type
proposed
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.)
Expired - Fee Related
Application number
JP2014512925A
Other languages
English (en)
Other versions
JP2014519753A (ja
Inventor
レオナルド・エイチ・グロコップ
アンソニー・セアラ
Original Assignee
クアルコム，インコーポレイテッド
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 クアルコム，インコーポレイテッド filed Critical クアルコム，インコーポレイテッド
Publication of JP2014519753A publication Critical patent/JP2014519753A/ja
Application granted granted Critical
Publication of JP5893726B2 publication Critical patent/JP5893726B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Telephone Function (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • User Interface Of Digital Computer (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Description

本発明は、複数のデバイス状態を分類するための技法に関連する。
本特許出願は、2011年5月27日に出願された「CLASSIFYING MULTIPLE DEVICE STATES」と題する米国仮出願第61/490,999号の利益を主張する。
ワイヤレス通信デバイスは、今日の社会に信じられないほど広く普及している。例えば、人々は、無数の場所からデータをワイヤレスで送受信するために、セルラフォン、スマートフォン、携帯情報端末、ラップトップコンピュータ、ページャ、タブレットコンピュータなどを使用する。さらに、ワイヤレス通信技術の進歩によって、今日のワイヤレス通信デバイスは、その多用途性を大幅に広げ、ユーザは、従来であれば複数のデバイスまたはより大型の非ポータブル機器を必要とした広範なタスクを、単一のポータブルデバイスから実行できるようになった。
スマートフォンおよび他のモバイルデバイスは、センサを含むことができる。これらのセンサは、加速度計、ジャイロスコープなどの運動センサと、温度計、光センサ、マイクロフォンなどの環境センサとを含むことができるが、それらに限定されない。デバイスの運動センサの出力は、デバイスの運動を表す。デバイス運動は、ユーザの運動状態(例えば、座る、立つ、歩く、走るなど)およびユーザに対するデバイス位置(例えば、ポケット、バックパック、手、机など)の両方についての情報を含む。
後でセンサデータを使用して、未知のデバイス状態を決定できるように、特定のセンサ出力に対応する状態を学習することができる。例えば、トレーニング手順中、分類アルゴリズム(例えば、ベイズ分類器(Bayesian classifier)など)を実行するように構成されたデバイスは、運動状態/デバイス位置の組み合わせの例を経験することができ、対応するセンサデータを処理して、各組み合わせに対するモデルを学習することができる。その後、未知の運動状態/デバイス位置についての新しい1組のセンサ情報が提示された場合、分類器は、計算された尤度(または事前確率が分かっている場合は事後確率(posterior))が最も高い運動状態およびデバイス位置の両方を選択する。
そのような分類アルゴリズムは、識別された特徴および与えられた統計モデルに基づいて動作することができる。例えば、16の混合成分を有する混合正規分布モデル(GMM: Gaussian Mixture Model)を利用して、運動状態を推定することができる。別の例として、2つの混合成分を有するGMMを利用して、デバイス位置を推定することができる。デバイス状態分類のさらなる改善を提供する技法が望ましい。
米国特許出願公開第２００５／０２１９２１３号明細書 米国特許出願公開第２００９／０３０３２０４号明細書
本明細書で説明される、デバイスについての複数の状態タイプを分類する方法の一例は、デバイスのセンサ情報にアクセスするステップであって、センサ情報の少なくとも一部が、第1の特徴セット(feature set)において使用され、センサ情報の少なくとも一部が、第2の特徴セットにおいて使用される、ステップと、第1の分類アルゴリズムを使用して第1の特徴セットを処理するステップであって、第1の分類アルゴリズムが、第1の状態タイプ(state type)の第1の提案される状態(proposed state)および第2の状態タイプの第1の提案される状態を決定するように構成される、ステップと、第2の分類アルゴリズムを使用して第2の特徴セットを処理するステップであって、第2の分類アルゴリズムが、第1の状態タイプの第2の提案される状態および第2の状態タイプの第2の提案される状態を決定するように構成される、ステップと、第1の状態タイプの第1の提案される状態および第2の状態タイプの第2の提案される状態としてデバイスの提案される状態を決定するステップとを含む。
方法の実施は、以下の特徴の1つまたは複数を含むことができる。第1の状態タイプが、運動状態であり、第2の状態タイプが、位置状態である。第1の特徴セットにおいて使用されるセンサ情報が、加速度計出力を含み、第1の特徴セットが、時間間隔にわたる加速度計出力の分散を含む。第2の特徴セットにおいて使用されるセンサ情報が、少なくとも第1の軸および第2の軸を有する多軸加速度計の複数の加速度計軸についての加速度計出力を含み、第2の特徴セットが、多軸加速度計の2つの加速度計軸の間の平均加速度比(mean ratio of acceleration)を含む。第1の分類アルゴリズムが、第1の特徴セットおよび第1の確率分布関数を使用する最大結合尤度(maximize joint likelihood)アルゴリズムを含む。第1の分類アルゴリズムが、第1の特徴セットおよび第1の確率分布関数を使用する最大周辺事後確率(maximize marginal posterior)アルゴリズムを含む。第2の分類アルゴリズムが、第2の特徴セットおよび第2の確率分布関数を使用する最大結合尤度アルゴリズムを含む。第2の分類アルゴリズムが、第2の特徴セットおよび第2の確率分布関数を使用する最大周辺事後確率アルゴリズムを含む。第1の分類アルゴリズムおよび第2の分類アルゴリズムが各々、ベイズ分類器を含む。
本明細書で説明されるモバイルデバイスの一例は、センサ出力を生成するように構成された1つまたは複数のセンサと、1つまたは複数のセンサに通信可能に結合され、センサ出力を表すそれぞれのセンサ情報を第1の特徴セットおよび第2の特徴セットのうちの少なくとも一方に関連付けるように構成された特徴セット生成器モジュールと、特徴セット生成器モジュールに通信可能に結合された分類モジュールとを含む。分類モジュールは、第1の分類アルゴリズムを使用して第1の特徴セットを処理するステップであって、第1の分類アルゴリズムが、第1の状態タイプの第1の提案される状態および第2の状態タイプの第1の提案される状態を決定するように構成される、ステップと、第2の分類アルゴリズムを使用して第2の特徴セットを処理するステップであって、第2の分類アルゴリズムが、第1の状態タイプの第2の提案される状態および第2の状態タイプの第2の提案される状態を決定するように構成される、ステップと、第1の状態タイプの第1の提案される状態および第2の状態タイプの第2の提案される状態としてデバイスの提案される状態を決定するステップとを含む動作を実行するように構成される。
モバイルデバイスの実施は、以下の特徴の1つまたは複数を含むことができる。第1の状態タイプが、運動状態であり、第2の状態タイプが、位置状態である。1つまたは複数のセンサが、1つまたは複数の加速度計を含み、第1の特徴セットにおいて使用されるセンサ情報が、加速度計出力を含み、第1の特徴セットが、時間間隔にわたる加速度計出力の分散を含む。1つまたは複数のセンサが、1つまたは複数の加速度計を含み、第2の特徴セットにおいて使用されるセンサ情報が、少なくとも第1の軸および第2の軸を有する多軸加速度計の複数の加速度計軸についての加速度計出力を含み、第2の特徴セットが、多軸加速度計の2つの加速度計軸の間の平均加速度比を含む。第1の分類アルゴリズムが、第1の特徴セットおよび第1の確率分布関数を使用する最大結合尤度アルゴリズムを含む。第1の分類アルゴリズムが、第1の特徴セットおよび第1の確率分布関数を使用する最大周辺事後確率アルゴリズムを含む。第2の分類アルゴリズムが、第2の特徴セットおよび第2の確率分布関数を使用する最大結合尤度アルゴリズムを含む。第2の分類アルゴリズムが、第2の特徴セットおよび第2の確率分布関数を使用する最大周辺事後確率アルゴリズムを含む。第1の分類アルゴリズムおよび第2の分類アルゴリズムが各々、ベイズ分類器を含む。
本明細書で説明されるモバイルデバイスの別の例は、デバイスのセンサ情報にアクセスするための手段と、センサ情報の少なくとも一部を第1の特徴セットと関連付けるための手段と、センサ情報の少なくとも一部を第2の特徴セットと関連付けるための手段と、第1の分類アルゴリズムを使用して第1の特徴セットを処理するための手段であって、第1の分類アルゴリズムが、第1の状態タイプの第1の提案される状態および第2の状態タイプの第1の提案される状態を決定するように構成される、手段と、第2の分類アルゴリズムを使用して第2の特徴セットを処理するための手段であって、第2の分類アルゴリズムが、第1の状態タイプの第2の提案される状態および第2の状態タイプの第2の提案される状態を決定するように構成される、手段と、第1の状態タイプの第1の提案される状態および第2の状態タイプの第2の提案される状態としてデバイスの提案される状態を決定するための手段とを含む。
上記のモバイルデバイスの実施は、以下の特徴の1つまたは複数を含むことができる。第1の状態タイプが、運動状態であり、第2の状態タイプが、位置状態である。第1の特徴セットと関連付けられるセンサ情報が、加速度計出力を含み、第1の特徴セットが、時間間隔にわたる加速度計出力の分散を含む。第2の特徴セットと関連付けられるセンサ情報が、少なくとも第1の軸および第2の軸を有する多軸加速度計の複数の加速度計軸についての加速度計出力を含み、第2の特徴セットが、多軸加速度計の2つの加速度計軸の間の平均加速度比を含む。第1の分類アルゴリズムが、最大結合尤度アルゴリズムまたは最大周辺事後確率アルゴリズムのうちの少なくとも一方を含み、第1の分類アルゴリズムが、第1の特徴セットおよび第1の確率分布関数を使用する。第2の分類アルゴリズムが、最大結合尤度アルゴリズムまたは最大周辺事後確率アルゴリズムのうちの少なくとも一方を含み、第2の分類アルゴリズムが、第2の特徴セットおよび第2の確率分布関数を使用する。
本明細書で説明されるコンピュータプログラムの一例は、プロセッサ可読記録媒体上に存在し、デバイスのセンサ情報にアクセスするステップであって、センサ情報の少なくとも一部が、第1の特徴セットにおいて使用され、センサ情報の少なくとも一部が、第2の特徴セットにおいて使用される、ステップと、第1の状態タイプの第1の提案される状態および第2の状態タイプの第1の提案される状態を決定するように構成された第1の分類アルゴリズムを使用して、第1の特徴セットを処理するステップと、第1の状態タイプの第2の提案される状態および第2の状態タイプの第2の提案される状態を決定するように構成された第2の分類アルゴリズムを使用して、第2の特徴セットを処理するステップと、第1の状態タイプの第1の提案される状態および第2の状態タイプの第2の提案される状態としてデバイスの提案される状態を決定するステップとをプロセッサに行わせるように構成されたプロセッサ可読命令を含む。
コンピュータプログラムの実施は、以下の特徴の1つまたは複数を含むことができる。第1の状態タイプが、運動状態であり、第2の状態タイプが、位置状態である。第1の特徴セットにおいて使用されるセンサ情報が、加速度計出力を含み、第1の特徴セットが、時間間隔にわたる加速度計出力の分散を含む。第2の特徴セットにおいて使用されるセンサ情報が、少なくとも第1の軸および第2の軸を有する多軸加速度計の複数の加速度計軸についての加速度計出力を含み、第2の特徴セットが、多軸加速度計の2つの加速度計軸の間の平均加速度比を含む。第1の分類アルゴリズムが、最大結合尤度アルゴリズムまたは最大周辺事後確率アルゴリズムのうちの少なくとも一方を含み、第1の分類アルゴリズムが、第1の特徴セットおよび第1の確率分布関数を使用する。第2の分類アルゴリズムが、最大結合尤度アルゴリズムまたは最大周辺事後確率アルゴリズムのうちの少なくとも一方を含み、第2の分類アルゴリズムが、第2の特徴セットおよび第2の確率分布関数を使用する。
コンピューティングデバイスの構成要素のブロック図である。 複数のデバイス状態の分類のためのシステムのブロック図である。 様々な状態分類技法に関連付けられたそれぞれの分類器の説明図である。 様々な状態分類技法に関連付けられたそれぞれの分類器の説明図である。 別個の分類器を使用してデバイスの複数の状態を一緒に分類するためのシステムのブロック図である。 デバイスに関連付けられた複数の状態を分類するプロセスのブロックフロー図である。
複数の分類器を利用することによって複数のデバイス状態タイプを分類するための技法が、本明細書で説明される。一実施形態では、複数のデバイス状態タイプは、対応する数の分類器を使用して分類され、各分類器は、1つの特定の状態に対して最適化され、1つの特定の状態に関して提案される状態値を出力する。代替として、別の実施形態では、複数のデバイス状態についての別個の合同分類器(joint classifier)が使用される。運動状態および位置状態が分類される一例では、第1の分類器は、運動状態を分類するために最適化された、特徴セットおよび統計モデルを使用し、一方、第2の分類器は、デバイス位置を分類するために最適化された、特徴セットおよび統計モデルを使用する。各分類器は、運動状態およびデバイス位置の両方についての合同推定値(joint estimate：同時推定値)を出力するが、第1の分類器(すなわち、運動状態分類器)は、デバイス位置についての出力を廃棄または無視し、第2の分類器(すなわち、デバイス位置分類器)は、運動状態についての出力を廃棄または無視する。本明細書の様々な例は、位置状態および運動状態の分類に関連して提示されるが、本開示は、いずれか特定の例に限定されることを意図しておらず、他の状態の分類も可能である。
本明細書で説明されるアイテム(item)および/または技法は、以下の機能の1つまたは複数の他、言及されない他の機能も提供することができる。デバイス状態分類は、改善された性能および精度で実行することができる。運動および位置など、複数のデバイス状態の推定は、推定の精度を損なうことなく、1組の動作で実行することができる。モバイルデバイスおよびモバイルデバイス上で動作するように構成されたアプリケーションは、周囲環境の変化に対してより高い柔軟性および適応性をもって動作することができる。少なくとも1つのアイテム/技法-効果ペア(item/technique-effect pair)が説明されるが、言及された効果が言及された手段とは異なる手段によって達成されることを可能にすることができ、言及されたアイテム/技法が必ずしも言及された効果を生まないこともある。
図1を参照すると、例示的なコンピューティングデバイス12は、プロセッサ20と、ソフトウェア24を含むメモリ22と、入力/出力(I/O)デバイス26(例えば、ディスプレイ、スピーカ、キーパッド、タッチスクリーン、またはタッチパッドなど)と、1つまたは複数の方位センサ28とを備える。加えて、デバイス12は、デバイス12と1つもしくは複数のネットワークエンティティとの間の双方向通信を円滑化するネットワークインタフェース、および/または他の任意の適切な構成要素など、図1に示されていない他の構成要素も含むことができる。
プロセッサ20は、例えば、Intel(登録商標) CorporationまたはAMD(登録商標)が製造するような中央処理装置(CPU)、マイクロコントローラ、特定用途向け集積回路(ASIC)などの、インテリジェントなハードウェアデバイスである。メモリ22は、ランダムアクセスメモリ(RAM)およびリードオンリメモリ(ROM)などの、非一時的な記憶媒体を含む。メモリ22は、実行されたときにプロセッサ20に本明細書で説明される様々な機能を実行させるように構成された命令を含む、コンピュータ可読、コンピュータ実行可能なソフトウェアコードである、ソフトウェア24を記憶する。代替として、ソフトウェア24は、プロセッサ20によって直接的に実行可能でなくてよく、例えば、コンパイルされて実行されたときにコンピュータに機能を実行させるように構成される。
方位センサ28は、デバイス12の運動、位置、および/または方位に関するデータの他、そのような特性の経時的な変化に関するデータも収集するように構成される。図2を参照すると、方位センサ28は、例えば、1つまたは複数の加速度計42、ジャイロスコープ(ジャイロ)44、または磁力計46などを含むことができる。方位センサ28は、デバイス12の運動、位置、および/または方位をそれから決定できる情報を提供するように構成される。デバイス12に関連付けられたそれぞれの方位センサ28を利用して、単一の軸または複数の軸を測定することができる。多軸測定の場合、複数の単軸加速度計および/または多軸(例えば、2軸または3軸)加速度計を利用して、直線軸(例えば、x-y-z、北-東-下など)に関する運動を測定することができ、複数の単軸ジャイロスコープおよび/または多軸ジャイロスコープを利用して、角度軸(例えば、ロール、ピッチ、またはヨー)に関する運動を測定することができる。
方位センサ28は、現在と過去の方位、位置、および/または運動方向を比較して、デバイス12の運動方向、位置、および/または方位の変化を決定できるように、経時的に、例えば、定期的に情報を提供することができる。ジャイロスコープ44は、方位に影響するデバイス12の運動に関する情報を提供することができる。加速度計42は、デバイス12に対する重力の方向を決定できるように、重力加速度に関する情報を提供するように構成される。磁力計46は、例えば、真北または磁北に関して、デバイス12に対する磁北の3次元における方向の表示を提供するように構成される。磁気偏角(magnetic declination)および/または他の適切な手段に基づいた変換メカニズムを利用して、真北に関する方向を磁北に関する方向に変換すること、および逆向きに変換することができる。
上で述べたように、コンピューティングデバイス12(例えば、スマートフォン、ラップトップまたはタブレットコンピュータ、携帯情報端末(PDA)など)は、様々なタイプの情報を提供するセンサを含む。例えば、方位センサ28は、関連するデバイス12の運動を表す出力を提供する。同様に、デバイス運動は、デバイスのユーザの運動状態(例えば、座る、立つ、歩く、走るなど)およびユーザに対するデバイス位置(例えば、ポケット、バックパック、手、机など)の両方についての情報を含む。
上でさらに説明したように、後でセンサデータを使用して、未知のデバイス状態を決定できるように、特定のセンサ出力に対応する状態を学習することができる。例えば、トレーニング手順中、分類アルゴリズムを実行するように構成されたデバイスは、運動状態/デバイス位置の組み合わせの例を経験することができ、対応するセンサデータを処理して、各組み合わせに対するモデルを学習することができる。その後、未知の運動状態および/またはデバイス位置についての新しい1組のセンサ情報が提示された場合、分類器は、計算された尤度(または事前確率が分かっている場合は事後確率)が最も高い運動状態およびデバイス位置の両方を選択する。
センサ情報に基づいて複数のデバイス状態を分類するために、ベイズ分類器などの分類アルゴリズムを使用することができる。例えば、センサ情報に基づいて運動状態およびデバイス位置を一緒に分類するために、1つまたは複数のセンサからの情報をベイズ分類器に提供することができる。これは、例えば、(1)結合尤度もしくは事後確率が最も高い特定の運動状態/デバイス位置の組み合わせを選択することによって、または(2)最初にデバイス位置に対して過小評価(marginalize)(すなわち、尤度の合算)を行って、周辺尤度もしくは事後確率が最も高い運動状態を計算し、次に運動状態に対して過小評価を行って、周辺尤度/事後確率が最も高いデバイス位置を計算することによって、行うことができる。
上で概説した2つの手法は、以下のように要約することができる。最初に、結合尤度の最大化を参照すると、運動状態
Figure 0005893726
およびデバイス位置
Figure 0005893726
が、最初に、
Figure 0005893726
に従って選択され、ここで、ωmotionは、最適化が行われる運動状態を表し、ωpositionは、最適化が行われるデバイス位置を表し、fは、特徴ベクトル(feature vector)を表す。同様に、結合事後確率を最大化するための解法は、
Figure 0005893726
であり、ここで、P(ωmotion,ωposition)は、ユーザが運動状態ωmotionにあり、位置ωpositionにあるデバイスを有している事前確率を表す。
次に、周辺尤度および/または事後確率の最大化を参照すると、運動状態が、最初に、
Figure 0005893726
に従って選択される。次に、デバイス位置が、
Figure 0005893726
に従って選択される。同様に、周辺事後確率を最大化するための解法は、
Figure 0005893726
および
Figure 0005893726
によって与えられる。
上で説明した2つの手法は、運動状態およびデバイス位置の両方を分類するために、同じ1組の特徴と、同じ統計モデルとを利用する。しかし、最良の運動状態分類結果をもたらす特徴および統計モデルは、最良のデバイス位置分類結果をもたらす特徴および統計モデルとは著しく異なるので、この共通利用は、分類品質に著しい低下をもたらす。例えば、16の混合成分を用いるGMMの使用は、運動状態については正確な推定をもたらすことができるが、デバイス位置については貧弱な推定をもたらすことがあり、一方、2つの混合成分を用いるGMMの使用は、デバイス位置については正確な推定をもたらすことができるが、運動状態については貧弱な推定をもたらすことがある。別の例として、分類器に特定の特徴f_motionを含めることで、運動状態を分類する精度を高めることができるが、デバイス位置を分類する精度を悪化させることがあり、反対に、特徴f_positionは、デバイス位置を分類する精度を高めることができるが、運動状態を分類する精度を悪化させることがある。
本明細書のシステムおよび技法は、複数のデバイス状態タイプを分類するために、複数の分類器を提供する。例えば、図2のシステム40によって示されるように、1つまたは複数の方位センサ28および/または他のセンサが、センサ出力を分類モジュール50に提供し、さらに、分類モジュール50が、センサ出力によって表される複数のデバイス状態タイプを分類する。複数のデバイス状態タイプを分類するために、対応する数の分類器を利用することができ、各分類器は、1つの特定の状態に対して最適化され、1つの特定の状態に関して提案される状態値を出力する。代替として、複数のデバイス状態についての別個の合同分類器を使用することができる。例えば、センサ出力は、第1の特徴セットおよび第2の特徴セットと関連付けることができ、それらは、それぞれ、第1の特徴セットプロセッサモジュール52および第2の特徴セットプロセッサモジュール54によって分類される。モジュール52〜54は、提案状態生成器56に候補状態を提供し、提案状態生成器56は、候補状態から提案および/または推定されるデバイス状態を生成するように構成される。
運動状態および位置状態の例では、第1の分類器は、運動状態を分類するために最適化された、特徴セットおよび統計モデルを使用し、一方、第2の分類器は、デバイス位置を分類するために最適化された、特徴セットおよび統計モデルを使用する。各分類器は、運動状態およびデバイス位置の両方についての合同推定値を出力するが、第1の分類器(すなわち、運動状態分類器)は、デバイス位置についての出力を廃棄または無視し、第2の分類器(すなわち、デバイス位置分類器)は、運動状態についての出力を廃棄または無視する。
上述の手法が、上で説明された2つの例示的な分類器について以下で要約され、図3の分類器62〜64によって説明される。さらに、前記手法は、図4に示されるような単一の分類器70を利用する技法と対照される。上述の手法は、(1)別個の分類器を用いて結合尤度を最大化し、(2)別個の分類器を用いて周辺尤度および/または事後確率を最大化する、アルゴリズムに関して説明される。他のアルゴリズムも可能である。
最初に、別個の分類器を用いる結合尤度の最大化を参照すると、運動状態
Figure 0005893726
が、最初に、
Figure 0005893726
に従って選択され、デバイス位置
Figure 0005893726
が、
Figure 0005893726
に従って選択され、ここで、ωmotionは、最適化が実行される運動状態を表し、ωpositionは、最適化が実行されるデバイス位置を表す。パラメータPmotionおよびPpositionは、それぞれ、統計モデルが運動状態分類およびデバイス位置分類について最適化された場合の、確率分布関数(PDF)を表す。同様に、fmotionおよびfpositionは、それぞれ、運動状態分類およびデバイス位置分類のために使用される特徴ベクトルを表す。上で説明したように、パラメータ
Figure 0005893726
および
Figure 0005893726
は、廃棄される推定値である。
同様に、結合事後確率を最大化するための解法は、運動状態については、
Figure 0005893726
のように、デバイス位置については、
Figure 0005893726
のように与えられる。
次に、別個の分類器を用いて周辺尤度および/または事後確率が最大化される場合を参照すると、運動状態が、最初に、
Figure 0005893726
によって選択される。次に、デバイス位置が、
Figure 0005893726
によって選択される。同様に、周辺事後確率を最大化するための解法は、
Figure 0005893726
および
Figure 0005893726
のように与えられる。
以下の例は、2つのベイズ分類アルゴリズムを有する、多軸加速度計を備えるデバイスについて上で説明された技法を示している。2つの分類アルゴリズムは各々、2つの状態タイプ、すなわち、運動状態および位置状態を分類するように構成される。しかし、上で説明したように、一方の分類アルゴリズムは、運動を分類するために最適化され、他方の分類アルゴリズムは、位置を分類するために最適化される。この例では、デバイスは、2つの可能な運動状態(座る、歩く)と、2つの可能な位置状態(ユーザの手の中、ユーザのポケットの中)とを有する。結果として、4つの可能な組み合わせ、すなわち、座る/手、座る/ポケット、歩く/手、および歩く/ポケットが存在する。
異なる運動状態は、異なる加速度計プロファイルに対応する。例えば、座ると歩くは、データ獲得時間にわたる加速度計出力の分散を処理することによって区別することができる。しかし、加速度計出力の分散は、一般に位置に対してはあまり感度がよくない。したがって、加速度計出力の分散は、デバイスがユーザの手の中にあるか、それともユーザのポケットの中にあるかについての判定を高い信頼性レベルで提供しないことがある。
対照的に、異なる位置状態は、一般に、異なるデバイス方位に対応する。多軸加速度計の例では、加速度計軸の間の平均加速度比は、デバイスの方位を表し、相対的に低い信頼性でデバイスの運動状態を決定しながら、相対的に高い信頼性で位置状態を区別するために使用することができる。
現在の例では、2つの分類アルゴリズムの一方は、高い信頼性でデバイスの運動状態を決定するように構成された、特徴セットおよび統計モデルを使用し、一方、他方は、高い信頼性でデバイスの位置状態を決定するように構成された、特徴セットおよび統計モデルを使用する。運動分類器の特徴セットは、加速度計の出力を使用して、時間間隔にわたる加速度計出力の分散を決定し、相対的に高い信頼性で提案される運動状態値を決定する一方で、相対的に低い信頼性で提案される位置状態値を決定する。提案される位置状態値は、廃棄または無視される。位置分類器の特徴セットは、加速度計の出力を使用して、加速度計の軸の間の平均加速度比を決定し、相対的に高い信頼性で提案される位置状態値を、また相対的に低い信頼性で提案される運動状態値を決定する。提案される運動状態値は、廃棄または無視される。
上で説明された技法は、以下のTable 1(表1)によって示されるような出力を生成することができる。
Figure 0005893726
Table 1(表1)に示されるように、運動分類器および位置分類器の両方が、運動状態は座るであると決定する。運動分類器は、デバイスの位置状態はポケットの中であると決定するが、位置分類器は、デバイスの位置状態は手の中であると決定する。位置についての運動分類器の出力は無視されるので、結果のデバイス状態は、ユーザは座っており、デバイスを手に持っているになる。
デバイス状態を正確に分類するために、分類アルゴリズムをトレーニングすることができる。例えば、ユーザがデバイスをポケットの中に入れているときに、センサデータを獲得することができ、位置状態が「ポケット」であることをセンサ情報が示していると後で決定できるように、獲得したデータを使用して、分類アルゴリズムの1つまたは複数のパラメータを設定することができる。既知の運動/位置状態からの情報に基づいて、各分類器について別個の特徴セットおよび統計モデルを作成するために、運動/位置状態の組み合わせ(例えば、立つ/手の中、歩く/手の中、立つ/ポケットの中、歩く/ポケットの中など)に対するセンサ情報を収集することができる。この「トレーニング」は、分類器を使用して、未知の運動/位置状態を分類する前に行うことができる。いくつかの実施形態では、トレーニングは、初期使用の後に行うことができる。例えば、ユーザは、不正確な結果、曖昧な結果、または他の状況に基づいて、特定の状態タイプの値を、示すことができ得るか、および/または示すように促され得る。
上記の例は、2つの状態タイプ(すなわち、運動状態および位置状態)を利用したが、3つ以上のデバイス状態を分類することができ、各デバイス状態タイプは、可能な状態についてのタイプ固有のグループを有することができる。さらに、可能な状態についての各グループは、任意の数の状態を含むことができる。加えて、いくつかの状態タイプは、運動センサ情報だけしか使用できないが、他の状態タイプは、運動センサ情報の代わりに、または運動センサ情報に加えて、環境または他のセンサ情報を使用することができる。上で説明したように、これらの技法の他、他の技法も可能である。
次に図5を参照すると、複数のデバイス状態を分類するためのシステム80は、デバイスのセンサ情報(例えば、1つまたは複数のセンサによって生成されるセンサ出力)にアクセスするように構成されたセンサインタフェースモジュール82を含む。特徴セット生成器84は、センサ情報の少なくとも一部が第1の特徴セットと関連付けられ、センサ情報の少なくとも一部が第2の特徴セットと関連付けられるように、センサ出力を表すそれぞれのセンサ情報を、少なくとも第1の特徴セットおよび第2の特徴セットに関連付ける。
第1の特徴セットおよび第2の特徴セットは、それぞれ、第1の分類器86および第2の分類器88によって処理される。第1の分類器86は、第1の状態タイプ(例えば、運動など)の第1の提案される状態および第2の状態タイプ(例えば、位置など)の第1の提案される状態を決定するように構成された第1の分類アルゴリズムを使用して、第1の特徴セットを処理する。これらの提案される状態は、図5に、それぞれ、状態1Aおよび1Bとして示されている。第2の分類器88は、第1の状態タイプの第2の提案される状態および第2の状態タイプの第2の提案される状態を決定するように構成された第2の分類アルゴリズムを使用して、第2の特徴セットを処理する。これらの提案される状態は、図5に、それぞれ、状態2Aおよび2Bとして示されている。分類器86〜88によって出力された提案される状態に基づいて、提案状態生成器モジュール90は、第1の状態タイプの第1の提案される状態および第2の状態タイプの第2の提案される状態(すなわち、状態1Aおよび2B)として、デバイスの提案される状態を決定する。
図5に示されるモジュールのすべてまたは部分は、全体的または部分的に、分類モジュール50によって、スタンドアロン構成要素などとして実施することができる。例えば、分類モジュール50は、(例えば、第1の特徴セットプロセッサモジュール52および第2の特徴セットプロセッサモジュール54による)分類器86〜88と、提案状態生成器モジュール90との機能を実施することができる。さらに、図2および図5に示されるモジュールは、ハードウェアで、ソフトウェアで(例えば、メモリ22に記憶されたソフトウェア24内の命令を実行するプロセッサ20によって)、またはハードウェアとソフトウェアの組み合わせで実施することができる。
図1〜図5を引き続き参照しながら、図6を参照すると、デバイスに関連する複数の状態を分類するプロセス100は、図示されるステージを含む。しかし、プロセス100は、例示的なものであり、限定的なものではない。プロセス100は、例えば、ステージの追加、削除、並べ替え、結合、および/または同時実行を行うことによって、変更することができる。示され説明されるようなプロセス100に対する他のさらなる変更も可能である。
ステージ102において、デバイスのセンサ情報(例えば、1つまたは複数の方位センサ28および/または他のセンサのセンサ出力)がアクセスされる。そのようなアクセスは、例えば、分類モジュール50、センサインタフェースモジュール82などによって実行することができる。
プロセス100は、ステージ102からステージ104およびステージ106に進み、ステージ104およびステージ106では、ステージ102においてアクセスされたセンサ情報の少なくとも一部が、それぞれ、第1の特徴セットおよび第2の特徴セットに割り当てられる。センサ情報と特徴セットの関連付けは、特徴セット生成器モジュール84、それぞれの特徴セットを処理するように構成されたそれぞれの分類器86〜88などによって実行することができる。
ステージ104およびステージ106から、プロセス100は、ステージ108およびステージ110に進む。ステージ108において、第1の特徴セットは、第1の状態タイプの第1の提案される状態および第2の状態タイプの第1の提案される状態を決定するように構成された第1の分類アルゴリズムを使用して、(例えば、第1の特徴セットプロセッサモジュール52、分類器86などによって)処理される。ステージ110において、第2の特徴セットは、第1の状態タイプの第2の提案される状態および第2の状態タイプの第2の提案される状態を決定するように構成された第2の分類アルゴリズムを使用して、(例えば、第2の特徴セットプロセッサモジュール54、分類器88などによって)処理される。その後、プロセス100は、デバイスの提案される状態が、ステージ108において決定された第1の状態タイプの第1の提案される状態およびステージ110において決定された第2の状態タイプの第2の提案される状態として(例えば、提案状態生成器モジュール56などによって)決定される、ステージ112において終了する。
図1、図2、図3、図4、図5、および/または図6に示される構成要素、ステップ、特徴、および/または機能の1つまたは複数は、並び替えおよび/もしくは組み合わせを行って単一の構成要素、ステップ、特徴、もしくは機能にすることができ、またはいくつかの構成要素、ステップ、もしくは機能で具体化することができる。本発明から逸脱することなく、さらなる要素、構成要素、ステップ、および/または機能を追加することもできる。図1、図2、図3、図4、および/または図5に示される装置、デバイス、および/または構成要素は、図6で説明された方法、特徴、またはステップの1つまたは複数を実行するように構成することができる。本明細書で説明された新規なアルゴリズムは、効率的にソフトウェアで実施することもでき、および/またはハードウェアに組み込むこともできる。
また、少なくともいくつかの実施は、フローチャート、フロー図、構造図、またはブロック図として示されるプロセスとして説明されたことに留意されたい。フローチャートは、動作を順次プロセスとして説明することがあるが、動作の多くは、並列または同時に実行することができる。さらに、動作の順序は、並び替えることができる。プロセスは、動作が完了したときに終了する。プロセスは、メソッド、関数、プロシージャ、サブルーチン、サブプログラムなどに対応することができる。プロセスが関数に対応する場合、その終了は、呼出し側関数またはメイン関数への関数の復帰に対応する。
さらに、実施形態は、ハードウェア、ソフトウェア、ファームウェア、ミドルウエア、マイクロコード、またはそれらの任意の組み合わせによって実施することができる。ソフトウェア、ファームウェア、ミドルウエア、またはマイクロコードで実施される場合、必要なタスクを実行するプログラムコードまたはコードセグメントは、記憶媒体または他のストレージなどの機械可読媒体内に記憶することができる。プロセッサは、必要なタスクを実行することができる。コードセグメントは、プロシージャ、関数、サブプログラム、プログラム、ルーチン、サブルーチン、モジュール、ソフトウェアパッケージ、クラス、または命令、データ構造、もしくはプログラムステートメントの任意の組み合わせを表すことができる。コードセグメントは、情報、データ、引数、パラメータ、またはメモリ内容を渡すこと、および/または受け取ることによって、別のコードセグメントまたはハードウェア回路に結合することができる。情報、引数、パラメータ、データなどは、メモリシェアリング、メッセージパッシング、トークンパッシング、ネットワーク送信などを含む任意の適切な手段を介して、渡し、転送し、または送信することができる。
「機械可読媒体」、「コンピュータ可読媒体」、および/または「プロセッサ可読媒体」という用語は、ポータブルまたは固定記憶デバイス、光記憶デバイス、ならびに命令および/またはデータを記憶し、含み、または搬送することが可能な他の様々な非一時的媒体を含むことができるが、それらに限定されない。したがって、本明細書で説明された様々な方法は、部分的または全体的に、「機械可読媒体」、「コンピュータ可読媒体」、および/または「プロセッサ可読媒体」内に記憶でき、1つまたは複数のプロセッサ、機械、および/またはデバイスによって実行できる、命令および/またはデータによって実施することができる。
本明細書で開示された例に関連して説明された方法またはアルゴリズムは、ハードウェアで直接的に、プロセッサによって実行可能なソフトウェアモジュールで、または処理ユニット、プログラミング命令、もしくは他の指令の形をとる両方の組み合わせで具体化することができ、単一のデバイス内に含むこと、または複数のデバイスにわたって分散させることができる。ソフトウェアモジュールは、RAMメモリ、フラッシュメモリ、ROMメモリ、EPROMメモリ、EEPROMメモリ、レジスタ、ハードディスク、着脱可能ディスク、CD-ROM、または当技術分野で知られた他の任意の形態の記憶媒体内に存在することができる。記憶媒体は、プロセッサが記憶媒体から情報を読み取り、記憶媒体に情報を書き込むことができるように、プロセッサに結合することができる。代替として、記憶媒体は、プロセッサに統合することができる。
本明細書で開示された実施形態に関連して説明された様々な説明的な論理ブロック、モジュール、回路、およびアルゴリズムステップは、電子的なハードウェア、コンピュータソフトウェア、または両方の組み合わせとして実施できることを当業者はさらに理解されよう。ハードウェアとソフトウェアのこの交換可能性を明白に示すために、様々な説明的な構成要素、ブロック、モジュール、回路、およびステップは、上では一般にそれらの機能に関して説明された。そのような機能がハードウェアとして実施されるか、それともソフトウェアとして実施されるかは、特定のアプリケーション、およびシステム全体に課される設計制約に依存する。
本明細書で説明された本発明の様々な特徴は、本発明から逸脱することなく、異なるシステムにおいて実施することができる。上述の実施形態は、例にすぎず、本発明を限定するものと解釈すべきではないことに留意されたい。実施形態の説明は、例示的なものであり、特許請求の範囲を限定するものではないことが意図されている。そのため、本明細書の教示は、他のタイプの装置に容易に適用することができ、多くの変更形態、修正形態、および変形形態が、当業者には明らかである。
12 デバイス
20 プロセッサ
22 メモリ
24 ソフトウェア
26 I/Oデバイス
28 方位センサ
40 システム
42 加速度計
44 ジャイロスコープ
46 磁力計
50 分類モジュール
52 第1の特徴セットプロセッサモジュール
54 第2の特徴セットプロセッサモジュール
56 提案状態生成器モジュール
62 運動分類器
64 位置分類器
70 運動および位置分類器
80 システム
82 センサインタフェースモジュール
84 特徴セット生成器
86 第1の分類器
88 第2の分類器
90 提案状態生成器モジュール

Claims (30)

  1. デバイスについての複数の状態タイプを分類する方法であって、
    前記デバイスのセンサ情報にアクセスするステップであって、前記センサ情報の少なくとも一部が、第1の状態タイプを分類するために最適化された第1の特徴セットにおいて使用され、前記センサ情報の少なくとも一部が、第2の状態タイプを分類するために最適化された第2の特徴セットにおいて使用される、ステップと、
    前記第1の状態タイプを分類するために最適化された第1の分類アルゴリズムを使用して前記第1の特徴セットを処理するステップであって、前記第1の分類アルゴリズムが、前記第1の状態タイプの第1の提案される状態および前記第2の状態タイプの第1の提案される状態の両方を決定するように構成された、ステップと、
    前記第2の状態タイプを分類するために最適化された第2の分類アルゴリズムを使用して前記第2の特徴セットを処理するステップであって、前記第2の分類アルゴリズムが、前記第1の状態タイプの第2の提案される状態および前記第2の状態タイプの第2の提案される状態の両方を決定するように構成された、ステップと、
    前記第1の状態タイプの前記第1の提案される状態および前記第2の状態タイプの前記第2の提案される状態として前記デバイスの提案される状態を決定するステップと
    を含む方法。
  2. 前記第1の状態タイプが、運動状態であり、前記第2の状態タイプが、位置状態である、
    請求項1に記載の方法。
  3. 前記第1の特徴セットにおいて使用される前記センサ情報が、加速度計出力を含み、
    前記第1の特徴セットが、時間間隔にわたる加速度計出力の分散を含む、
    請求項2に記載の方法。
  4. 前記第2の特徴セットにおいて使用される前記センサ情報が、少なくとも第1の軸および第2の軸を有する多軸加速度計の複数の加速度計軸についての加速度計出力を含み、
    前記第2の特徴セットが、前記多軸加速度計の2つの加速度計軸の間の平均加速度比を含む、
    請求項2に記載の方法。
  5. 前記第1の分類アルゴリズムが、前記第1の特徴セットおよび第1の確率分布関数を使用する最大結合尤度アルゴリズムを含む、請求項1に記載の方法。
  6. 前記第1の分類アルゴリズムが、前記第1の特徴セットおよび第1の確率分布関数を使用する最大周辺事後確率アルゴリズムを含む、請求項1に記載の方法。
  7. 前記第2の分類アルゴリズムが、前記第2の特徴セットおよび第2の確率分布関数を使用する最大結合尤度アルゴリズムを含む、請求項1に記載の方法。
  8. 前記第2の分類アルゴリズムが、前記第2の特徴セットおよび第2の確率分布関数を使用する最大周辺事後確率アルゴリズムを含む、請求項1に記載の方法。
  9. 前記第1の分類アルゴリズムおよび前記第2の分類アルゴリズムが各々、ベイズ分類器を含む、請求項1に記載の方法。
  10. モバイルデバイスであって、
    センサ出力を生成するように構成された1つまたは複数のセンサと、
    前記1つまたは複数のセンサに通信可能に結合され、前記センサ出力を表すそれぞれのセンサ情報を、第1の状態タイプを分類するために最適化された第1の特徴セットおよび第2の状態タイプを分類するために最適化された第2の特徴セットのうちの少なくとも一方に関連付けるように構成された特徴セット生成器モジュールと、
    前記特徴セット生成器モジュールに通信可能に結合され、
    前記第1の状態タイプを分類するために最適化された第1の分類アルゴリズムを使用して前記第1の特徴セットを処理するステップであって、前記第1の分類アルゴリズムが、前記第1の状態タイプの第1の提案される状態および前記第2の状態タイプの第1の提案される状態の両方を決定するように構成された、ステップと、
    前記第2の状態タイプを分類するために最適化された第2の分類アルゴリズムを使用して前記第2の特徴セットを処理するステップであって、前記第2の分類アルゴリズムが、前記第1の状態タイプの第2の提案される状態および前記第2の状態タイプの第2の提案される状態の両方を決定するように構成された、ステップと、
    前記第1の状態タイプの前記第1の提案される状態および前記第2の状態タイプの前記第2の提案される状態として前記モバイルデバイスの提案される状態を決定するステップと
    を含む動作を実行するように構成された分類モジュールと
    を備えるモバイルデバイス。
  11. 前記第1の状態タイプが、運動状態であり、前記第2の状態タイプが、位置状態である、
    請求項10に記載のデバイス。
  12. 前記1つまたは複数のセンサが、1つまたは複数の加速度計を含み、
    前記第1の特徴セットにおいて使用される前記センサ情報が、加速度計出力を含み、
    前記第1の特徴セットが、時間間隔にわたる加速度計出力の分散を含む、
    請求項11に記載のデバイス。
  13. 前記1つまたは複数のセンサが、1つまたは複数の加速度計を含み、
    前記第2の特徴セットにおいて使用される前記センサ情報が、少なくとも第1の軸および第2の軸を有する多軸加速度計の複数の加速度計軸についての加速度計出力を含み、
    前記第2の特徴セットが、前記多軸加速度計の2つの加速度計軸の間の平均加速度比を含む、
    請求項11に記載のデバイス。
  14. 前記第1の分類アルゴリズムが、前記第1の特徴セットおよび第1の確率分布関数を使用する最大結合尤度アルゴリズムを含む、請求項10に記載のデバイス。
  15. 前記第1の分類アルゴリズムが、前記第1の特徴セットおよび第1の確率分布関数を使用する最大周辺事後確率アルゴリズムを含む、請求項10に記載のデバイス。
  16. 前記第2の分類アルゴリズムが、前記第2の特徴セットおよび第2の確率分布関数を使用する最大結合尤度アルゴリズムを含む、請求項10に記載のデバイス。
  17. 前記第2の分類アルゴリズムが、前記第2の特徴セットおよび第2の確率分布関数を使用する最大周辺事後確率アルゴリズムを含む、請求項10に記載のデバイス。
  18. 前記第1の分類アルゴリズムおよび前記第2の分類アルゴリズムが各々、ベイズ分類器を含む、請求項10に記載のデバイス。
  19. モバイルデバイスであって、
    前記モバイルデバイスのセンサ情報にアクセスする手段と、
    前記センサ情報の少なくとも一部を、第1の状態タイプを分類するために最適化された第1の特徴セットと関連付ける手段と、
    前記センサ情報の少なくとも一部を、第2の状態タイプを分類するために最適化された第2の特徴セットと関連付ける手段と、
    前記第1の状態タイプを分類するために最適化された第1の分類アルゴリズムを使用して前記第1の特徴セットを処理する手段であって、前記第1の分類アルゴリズムが、前記第1の状態タイプの第1の提案される状態および前記第2の状態タイプの第1の提案される状態の両方を決定するように構成された、手段と、
    前記第2の状態タイプを分類するために最適化された第2の分類アルゴリズムを使用して前記第2の特徴セットを処理する手段であって、前記第2の分類アルゴリズムが、前記第1の状態タイプの第2の提案される状態および前記第2の状態タイプの第2の提案される状態の両方を決定するように構成された、手段と、
    前記第1の状態タイプの前記第1の提案される状態および前記第2の状態タイプの前記第2の提案される状態として前記モバイルデバイスの提案される状態を決定する手段と
    を備えるモバイルデバイス。
  20. 前記第1の状態タイプが、運動状態であり、前記第2の状態タイプが、位置状態である、
    請求項19に記載のデバイス。
  21. 前記第1の特徴セットと関連付けられる前記センサ情報が、加速度計出力を含み、
    前記第1の特徴セットが、時間間隔にわたる加速度計出力の分散を含む、
    請求項20に記載のデバイス。
  22. 前記第2の特徴セットと関連付けられる前記センサ情報が、少なくとも第1の軸および第2の軸を有する多軸加速度計の複数の加速度計軸についての加速度計出力を含み、
    前記第2の特徴セットが、前記多軸加速度計の2つの加速度計軸の間の平均加速度比を含む、
    請求項20に記載のデバイス。
  23. 前記第1の分類アルゴリズムが、最大結合尤度アルゴリズムまたは最大周辺事後確率アルゴリズムのうちの少なくとも一方を含み、
    前記第1の分類アルゴリズムが、前記第1の特徴セットおよび第1の確率分布関数を使用する、
    請求項19に記載のデバイス。
  24. 前記第2の分類アルゴリズムが、最大結合尤度アルゴリズムまたは最大周辺事後確率アルゴリズムのうちの少なくとも一方を含み、
    前記第2の分類アルゴリズムが、前記第2の特徴セットおよび第2の確率分布関数を使用する、
    請求項19に記載のデバイス。
  25. プロセッサ可読記録媒体上に存在するコンピュータプログラムであって、
    デバイスのセンサ情報にアクセスするステップであって、前記センサ情報の少なくとも一部が、第1の状態タイプを分類するために最適化された第1の特徴セットにおいて使用され、前記センサ情報の少なくとも一部が、第2の状態タイプを分類するために最適化された第2の特徴セットにおいて使用される、ステップと、
    前記第1の状態タイプを分類するために最適化された第1の分類アルゴリズムを使用して前記第1の特徴セットを処理するステップであって、前記第1の分類アルゴリズムが、前記第1の状態タイプの第1の提案される状態および前記第2の状態タイプの第1の提案される状態の両方を決定するように構成された、ステップと、
    前記第2の状態タイプを分類するために最適化された第2の分類アルゴリズムを使用して前記第2の特徴セットを処理するステップであって、前記第2の分類アルゴリズムが、前記第1の状態タイプの第2の提案される状態および前記第2の状態タイプの第2の提案される状態の両方を決定するように構成された、ステップと、
    前記第1の状態タイプの前記第1の提案される状態および前記第2の状態タイプの前記第2の提案される状態として前記デバイスの提案される状態を決定するステップと
    をプロセッサに行わせるように構成されたプロセッサ可読命令を含むコンピュータプログラム。
  26. 前記第1の状態タイプが、運動状態であり、前記第2の状態タイプが、位置状態である、
    請求項25に記載のコンピュータプログラム。
  27. 前記第1の特徴セットにおいて使用される前記センサ情報が、加速度計出力を含み、
    前記第1の特徴セットが、時間間隔にわたる加速度計出力の分散を含む、
    請求項26に記載のコンピュータプログラム。
  28. 前記第2の特徴セットにおいて使用される前記センサ情報が、少なくとも第1の軸および第2の軸を有する多軸加速度計の複数の加速度計軸についての加速度計出力を含み、
    前記第2の特徴セットが、前記多軸加速度計の2つの加速度計軸の間の平均加速度比を含む、
    請求項26に記載のコンピュータプログラム。
  29. 前記第1の分類アルゴリズムが、最大結合尤度アルゴリズムまたは最大周辺事後確率アルゴリズムのうちの少なくとも一方を含み、
    前記第1の分類アルゴリズムが、前記第1の特徴セットおよび第1の確率分布関数を使用する、
    請求項25に記載のコンピュータプログラム。
  30. 前記第2の分類アルゴリズムが、最大結合尤度アルゴリズムまたは最大周辺事後確率アルゴリズムのうちの少なくとも一方を含み、
    前記第2の分類アルゴリズムが、前記第2の特徴セットおよび第2の確率分布関数を使用する、
    請求項25に記載のコンピュータプログラム。
JP2014512925A 2011-05-27 2012-05-21 複数のデバイス状態を分類するための方法および装置 Expired - Fee Related JP5893726B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161490999P 2011-05-27 2011-05-27
US61/490,999 2011-05-27
US13/244,170 US9195309B2 (en) 2011-05-27 2011-09-23 Method and apparatus for classifying multiple device states
US13/244,170 2011-09-23
PCT/US2012/038856 WO2012166416A1 (en) 2011-05-27 2012-05-21 Method and apparatus for classifying multiple device states

Publications (2)

Publication Number Publication Date
JP2014519753A JP2014519753A (ja) 2014-08-14
JP5893726B2 true JP5893726B2 (ja) 2016-03-23

Family

ID=47218885

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014512925A Expired - Fee Related JP5893726B2 (ja) 2011-05-27 2012-05-21 複数のデバイス状態を分類するための方法および装置

Country Status (9)

Country Link
US (1) US9195309B2 (ja)
EP (1) EP2715487B1 (ja)
JP (1) JP5893726B2 (ja)
KR (1) KR101580861B1 (ja)
CN (1) CN103597424B (ja)
BR (1) BR112013030271B1 (ja)
CA (1) CA2836104C (ja)
RU (1) RU2597524C2 (ja)
WO (1) WO2012166416A1 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9600169B2 (en) 2012-02-27 2017-03-21 Yahoo! Inc. Customizable gestures for mobile devices
KR101839258B1 (ko) 2013-10-14 2018-03-15 나이키 이노베이트 씨.브이. 운동 움직임 속성으로부터의 페이스 및 에너지 지출의 계산
US9820233B2 (en) * 2013-11-25 2017-11-14 Qualcomm Incorporated Motion state based mobile device positioning
US9606529B2 (en) 2014-07-31 2017-03-28 Miq Llc User customization of auto-detected data for analysis
US20160034329A1 (en) * 2014-07-31 2016-02-04 Western Integrated Technologies, Inc. Correlation and prediction analysis of collected data
US11029328B2 (en) * 2015-01-07 2021-06-08 Qualcomm Incorporated Smartphone motion classifier
US9588504B2 (en) 2015-06-29 2017-03-07 Miq Llc Modular control system
US9589287B2 (en) 2015-06-29 2017-03-07 Miq Llc User community generated analytics and marketplace data for modular systems
US9622177B2 (en) 2015-08-06 2017-04-11 Qualcomm Incorporated Context aware system with multiple power consumption modes
US9630614B1 (en) 2016-01-28 2017-04-25 Miq Llc Modular power plants for machines
US11100314B2 (en) * 2017-11-10 2021-08-24 Alibaba Technologies (Israel) LTD. Device, system and method for improving motion estimation using a human motion model
CN115775341B (zh) * 2023-02-13 2023-05-09 广州海昇计算机科技有限公司 一种实验设备状态检测方法及系统

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5059127A (en) * 1989-10-26 1991-10-22 Educational Testing Service Computerized mastery testing system, a computer administered variable length sequential testing system for making pass/fail decisions
US5561431A (en) * 1994-10-24 1996-10-01 Martin Marietta Corporation Wavelet transform implemented classification of sensor data
FR2807957B1 (fr) * 2000-04-21 2002-08-02 Vai Clecim Procede et installation de laminage a froid
US7030856B2 (en) * 2002-10-15 2006-04-18 Sony Corporation Method and system for controlling a display device
US7154477B1 (en) * 2003-09-03 2006-12-26 Apple Computer, Inc. Hybrid low power computer mouse
US7209116B2 (en) * 2003-10-08 2007-04-24 Universal Electronics Inc. Control device having integrated mouse and remote control capabilities
KR100580647B1 (ko) 2004-04-01 2006-05-16 삼성전자주식회사 입력모드 분류가능한 동작기반 입력장치 및 방법
US20060074883A1 (en) * 2004-10-05 2006-04-06 Microsoft Corporation Systems, methods, and interfaces for providing personalized search and information access
CN101151508B (zh) 2005-03-28 2012-01-04 旭化成电子材料元件株式会社 行进方向计测装置和行进方向计测方法
US7366568B2 (en) 2005-05-06 2008-04-29 Cardiac Pacemakers, Inc. Controlled delivery of intermittent stress augmentation pacing for cardioprotective effect
US8472985B2 (en) 2005-09-21 2013-06-25 Buckyball Mobile, Inc Incentive marketing with a context-enriched message
KR100800874B1 (ko) 2006-10-31 2008-02-04 삼성전자주식회사 보폭 추정 방법 및 이를 위한 휴대 단말
US8462109B2 (en) 2007-01-05 2013-06-11 Invensense, Inc. Controlling and accessing content using motion processing on mobile devices
CN101299276B (zh) * 2007-04-20 2012-08-29 Utc消防和保安美国有限公司 分布式多目标跟踪的方法和系统
JP2008299524A (ja) 2007-05-30 2008-12-11 Fuji Xerox Co Ltd 情報分類装置及びプログラム
WO2009043020A2 (en) 2007-09-28 2009-04-02 The Trustees Of Dartmouth College System and method for injecting sensed presence into social networking applications
GB0801396D0 (en) 2008-01-25 2008-03-05 Bisutti Giovanni Electronic apparatus
EP3258468B1 (en) * 2008-11-10 2019-08-21 Google LLC Multisensory speech detection
CN102404510B (zh) 2009-06-16 2015-07-01 英特尔公司 手持装置中的摄像机应用
CN101996266B (zh) * 2009-08-21 2013-10-16 复旦大学 一种建立集成电路芯片内工艺偏差的空间相关性模型的方法
JP5440080B2 (ja) * 2009-10-02 2014-03-12 ソニー株式会社 行動パターン解析システム、携帯端末、行動パターン解析方法、及びプログラム

Also Published As

Publication number Publication date
JP2014519753A (ja) 2014-08-14
RU2597524C2 (ru) 2016-09-10
CA2836104C (en) 2017-04-11
CN103597424A (zh) 2014-02-19
BR112013030271A2 (pt) 2016-11-29
US20120299828A1 (en) 2012-11-29
EP2715487B1 (en) 2020-03-18
US9195309B2 (en) 2015-11-24
CN103597424B (zh) 2016-10-05
EP2715487A1 (en) 2014-04-09
RU2013157930A (ru) 2015-07-10
CA2836104A1 (en) 2012-12-06
WO2012166416A1 (en) 2012-12-06
KR20140015594A (ko) 2014-02-06
KR101580861B1 (ko) 2015-12-30
BR112013030271B1 (pt) 2021-05-04

Similar Documents

Publication Publication Date Title
JP5893726B2 (ja) 複数のデバイス状態を分類するための方法および装置
CN103460221B (zh) 用于在移动装置中使用似然函数值的组合对用户活动进行分类的系统、方法和设备
US9407706B2 (en) Methods, devices, and apparatuses for activity classification using temporal scaling of time-referenced features
US20130046505A1 (en) Methods and apparatuses for use in classifying a motion state of a mobile device
KR100978051B1 (ko) 모션 정보를 기초로 스텝 검출을 조정하기 위한 시스템 및방법
WO2021012879A1 (zh) 轨迹重建方法、装置、计算机设备和存储介质
US8750897B2 (en) Methods and apparatuses for use in determining a motion state of a mobile device
CN104956185A (zh) 步数检测中的摆动补偿
Song et al. Inertial motion tracking on mobile and wearable devices: Recent advancements and challenges
CN105674989A (zh) 一种基于手机内置传感器的室内目标运动轨迹估计方法
Yang et al. Physical activity recognition with mobile phones: challenges, methods, and applications
US10551195B2 (en) Portable device with improved sensor position change detection
CN113111678B (zh) 一种用户的肢体节点的位置确定方法、装置、介质及系统
US9069003B2 (en) Methods, apparatuses and computer program products for determining speed of movement of a device and device pose classification
Qian et al. Continuous motion recognition for natural pedestrian dead reckoning using smartphone sensors
Wang et al. Posture recognition and heading estimation based on machine learning using MEMS sensors
Lai et al. ResMixer: A lightweight residual mixer deep inertial odometry for indoor positioning
Oguri et al. Recognition of a variety of activities considering smartphone positions
Han et al. HARF: A hierarchical activity recognition framework using smartphone sensors
Song et al. Magic Wand: Towards Plug-and-Play Gesture Recognition on Smartwatch
Oguri et al. Activity estimation using device positions of smartphone users
Zeng et al. Arm motion recognition and exercise coaching system for remote interaction
Zhao et al. MSOE: Toward Abrupt Magnetic Change in MARG Orientation Using Multi-State Estimator With Smartphones
CN118734147A (zh) 乘车识别方法、装置、设备及存储介质
Martín Recognition of motion patterns based on mobile device sensor data

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20141113

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20141215

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20150310

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20150409

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20150508

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150608

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: 20160125

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160224

R150 Certificate of patent or registration of utility model

Ref document number: 5893726

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees