JP5923394B2 - Recognition device, recognition method and recognition system - Google Patents

Recognition device, recognition method and recognition system Download PDF

Info

Publication number
JP5923394B2
JP5923394B2 JP2012138871A JP2012138871A JP5923394B2 JP 5923394 B2 JP5923394 B2 JP 5923394B2 JP 2012138871 A JP2012138871 A JP 2012138871A JP 2012138871 A JP2012138871 A JP 2012138871A JP 5923394 B2 JP5923394 B2 JP 5923394B2
Authority
JP
Grant status
Grant
Patent type
Prior art keywords
gripping
data
density function
probability density
means
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.)
Active
Application number
JP2012138871A
Other languages
Japanese (ja)
Other versions
JP2014002655A (en )
Inventor
磯 俊樹
俊樹 磯
堀越 力
力 堀越
昌克 塚本
昌克 塚本
森永 康夫
康夫 森永
雅規 伊藤
雅規 伊藤
樋口 健
健 樋口
Original Assignee
株式会社Nttドコモ
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
Grant date

Links

Images

Description

本発明は、認識装置、認識方法及び認識システムに関する。 The present invention, recognizing device, a recognition method and recognition system.

従来より、キー入力やタッチパネルの操作以外の手段により、端末に対して所定のコマンド入力を与える技術があった。 Conventionally, by means other than the operation of a key input or a touch panel, there is a technique of giving a predetermined command input to the terminal. 例えば、端末に加速度センサやジャイロセンサといったセンサを設け、ユーザが端末を保持しながら動かすことにより所定の動作状態がセンサにより検出されると、端末に対して所定のコマンド入力が与えられる技術が知られている。 For example, a sensor such as an acceleration sensor or a gyro sensor is provided in the terminal, the user predetermined operating state by moving while holding the terminal is detected by the sensor, techniques predetermined command input is given to the terminal known It is. また、ユーザの指紋を検出して、予め登録されている指紋に該当する場合に認証を行うといった技術が知られている。 Further, by detecting the fingerprint of a user, techniques are known, such as performing authentication if applicable the fingerprint registered in advance. この技術は、所定の指紋のパターン検出をもって入力コマンドとするものである。 This technique is intended to enter the command with a pattern detection of predetermined fingerprints. また、携帯電話の筐体の側面に設けられたセンサにより、ユーザによる携帯電話機の掴み方を検出し、検出した保持パターンが予め登録された登録パターンに一致した場合に、決済を実行する認証方法が知られている(例えば、特許文献1参照)。 Further, the sensor provided on the side surface of the mobile phone housing, the authentication method for detecting a gripping way of the mobile phone by the user, when the detected holding pattern matches the registered pattern that has been previously registered, executes settlement is known (e.g., see Patent Document 1).

特開2009−77221号公報 JP 2009-77221 JP

従来技術では、端末に所望の入力を与えるために、所定のアクションをユーザに強いるものであったので、ユーザがそのようなアクションを実施できない状況にあっては使用できなかった。 In the prior art, to provide the desired input to the terminal, so were those urge users certain actions, in a situation where the user can not carry out such actions could not be used. また、指紋のパターンの入力により端末に入力する技術においても、指紋をセンサに読み取らせるための特定の動作をユーザに強いるものであり、その操作はユーザにとって負担であった。 Further, even in the technique to be input to the terminal by the input of the pattern of the fingerprint, which impose specific operation for reading the fingerprint sensor to the user, the operation was burden the user. また、特許文献1に記載された技術におけるセンサは、当該センサが操作されたか否かを検出するだけのものであるので、この技術では高精度な判定は不可能であった。 The sensor in the technology described in Patent Document 1, since it is merely detects whether the sensor has been operated, highly accurate determination is not possible with this technique.

そこで、本発明は、上記問題点に鑑みてなされたものであり、特段の操作をユーザに強いることなく、端末への高精度な入力操作が可能な認識装置、認識方法及び認識システムを提供することを目的とする。 The present invention has been made in view of the above problems, without forcing a special operation to the user, highly accurate input operation can recognizer to the terminal, provides a recognition method and recognition system and an object thereof.

上記課題を解決するために、本発明の一形態に係る認識装置は、ユーザによる端末の把持状態を示し該端末において時系列に検出された複数の把持データを含む把持データ群に基づき、ユーザによる端末の把持状態を認識する認識装置であって、第1の把持状態に基づき取得された把持データ群を第1把持データ群として取得する第1把持データ取得手段と、把持データ群に含まれる各時刻における把持データの時間変動を示す時間変動データの群からなる時間変動把持データであって、第1把持データ取得手段により取得された第1把持データ群に基づく時間変動把持データを第1時間変動把持データとして算出する第1時間変動把持データ算出手段と、時間変動把持データに示される時間変動の変動状態を示す確率密度関数であって、第 In order to solve the above problems, recognition apparatus according to an embodiment of the present invention is based on the grasping data group including a plurality of gripping data detected in a time series in the terminal shows a holding state of the terminal by the user, by the user a recognizing device holding state of the terminal, a first gripping data acquisition means for acquiring the first based on the grasped state obtained gripped data group as the first gripping data group, each included in the gripping data group a time variation gripping data consisting of the group of time variation data indicative of a time variation of the grasping data at time, the time variation gripping data based on the first gripping data group acquired by the first gripping data acquisition means first hour variation a first time change gripping data calculation means for calculating a grip data, a probability density function indicating the variation state of the time variation shown in time variation gripping data, the 時間変動把持データ算出手段により算出された第1時間変動把持データに基づく確率密度関数を第1確率密度関数として生成する第1確率密度関数生成手段と、基準とする基準時間変動把持データに基づき生成された確率密度関数である基準確率密度関数と、第1確率密度関数生成手段により生成された第1確率密度関数との分布の類似度を算出し、算出された該分布の類似度を第1特徴ベクトルとして規定する第1特徴ベクトル規定手段と、第1特徴ベクトル規定手段により生成された第1の特徴ベクトルを含む第1の把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶手段に記憶させる把持状態情報格納手段と、第2の把持状態に基づき取得された把持データ群を第2把持データ群として取得する第2把持デー A first probability density function generating means for generating a probability density function based on the first time variation gripping data calculated by the time variation gripping data calculation means as the first probability density function, generated based on the reference time variation gripping data as a reference a reference probability density function is a probability density function that is, to calculate the similarity of the distribution of the first probability density function generated by the first probability density function generating unit, a similarity 該分 cloth calculated first a first feature vector defining means for defining a feature vector, the first holding state information including the first feature vector generated by the first feature vector defining means, as the information for recognizing the gripping state, gripping state second gripping Day acquires the holding state information storage means for storing in the information storage means, the second based on the grasped state obtained gripped data group as the second gripping data group 取得手段と、第2把持データ取得手段により取得された第2把持データ群に基づく時間変動把持データを第2時間変動把持データとして算出する第2時間変動把持データ算出手段と、第2時間変動把持データ算出手段により算出された第2時間変動把持データに基づく確率密度関数を、第2確率密度関数として生成する第2確率密度関数生成手段と、基準確率密度関数と、第2確率密度関数生成手段により生成された第2確率密度関数との分布の類似度を算出し、算出された分布の類似度を第2特徴ベクトルとして規定する第2特徴ベクトル規定手段と、第2特徴ベクトル規定手段により規定された第2特徴ベクトルと、把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す類似尺度を算 An acquiring unit, a second time variation gripping data calculation means for calculating the time variation gripping data based on the second grasping data group acquired by the second gripping data acquisition means as a second time variation gripping data, a second time variation gripping the probability density function based on the second time variation gripping data calculated by the data calculating means, and the second probability density function generating means for generating a second probability density function, the reference probability density function, second probability density function generating means a second feature vector defining means second to calculate the similarity of the distribution of the probability density function, defining the similarity of the calculated distribution as a second feature vector generated by, defined by the second feature vector defining means calculated a second feature vector, the similarity measure indicating the similarity degree between the first feature vector included in the first holding state information stored in the holding state information storage unit that is 出する類似尺度算出手段と、類似尺度算出手段により算出された類似尺度が所定の閾値以上である場合に、第2の把持状態が第1の把持状態に該当すると判定する判定手段と、を備える。 Comprises a similarity measure calculating means for output, when similarity measure calculated by the similarity measure calculating means is equal to or greater than a predetermined threshold value, a determination unit and the second gripping state corresponds to the first gripping state, the .

また、上記課題を解決するために、本発明の一形態に係る認識方法は、ユーザによる端末の把持状態を示し該端末において時系列に検出された複数の把持データを含む把持データ群に基づき、ユーザによる端末の把持状態を認識する認識装置における認識方法であって、第1の把持状態に基づき取得された把持データ群を第1把持データ群として取得する第1把持データ取得ステップと、把持データ群に含まれる各時刻における把持データの時間変動を示す時間変動データの群からなる時間変動把持データであって、第1把持データ取得ステップにおいて取得された第1把持データ群に基づく時間変動把持データを第1時間変動把持データとして算出する第1時間変動把持データ算出ステップと、時間変動把持データに示される時間変動の変 Further, in order to solve the above problems, recognizing method according to an embodiment of the present invention is based on the grasping data group including a plurality of gripping data detected in a time series in the terminal shows a holding state of the terminal by the user, a recognition method of recognizing device holding state of the terminal by the user, a first gripping data acquisition step of acquiring first based on gripping state obtained gripped data group as the first gripping data group, grasping data a time variation gripping data consisting of the group of time variation data indicative of a time variation of the grasping data at each time included in the group, the time variation gripping data based on the first gripping data group acquired in the first gripping data acquisition step a first hour variation gripping data calculating step of calculating a first time variation grasping data, variable time variation shown in time variation gripping data 状態を示す確率密度関数であって、第1時間変動把持データ算出ステップにおいて算出された第1時間変動把持データに基づく確率密度関数を第1確率密度関数として生成する第1確率密度関数生成ステップと、基準とする基準時間変動把持データに基づき生成された確率密度関数である基準確率密度関数と、第1確率密度関数生成ステップにおいて生成された第1確率密度関数との分布の類似度を算出し、算出された該分布の類似度を第1特徴ベクトルとして規定する第1特徴ベクトル規定ステップと、第1特徴ベクトル規定ステップにおいて生成された第1の特徴ベクトルを含む第1の把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶手段に記憶させる把持状態情報格納ステップと、第2の把持状態に基づき A probability density function indicating a state, the first probability density function generation step of generating a probability density function based on the first time variation gripping data calculated in the first hour variation gripping data calculation step as the first probability density function calculates a reference probability density function is a probability density function generated based on the reference time variation gripping data as a reference, the similarity of the distribution of the first probability density function generated in the first probability density function generation step a first feature vector defining step of defining a similarity 該分 cloth calculated as the first feature vector, the first holding state information including the first feature vector generated in the first feature vector defined step, as information for recognizing the gripping state, the holding state information storing step of storing in the holding state information storage means, based on the second gripping state 得された把持データ群を第2把持データ群として取得する第2把持データ取得ステップと、第2把持データ取得ステップにおいて取得された第2把持データ群に基づく時間変動把持データを第2時間変動把持データとして算出する第2時間変動把持データ算出ステップと、第2時間変動把持データ算出ステップにおいて算出された第2時間変動把持データに基づく確率密度関数を、第2確率密度関数として生成する第2確率密度関数生成ステップと、基準確率密度関数と、第2確率密度関数生成ステップにおいて生成された第2確率密度関数との分布の類似度を算出し、算出された分布の類似度を第2特徴ベクトルとして規定する第2特徴ベクトル規定ステップと、第2特徴ベクトル規定ステップにおいて規定された第2特徴ベクトルと、把 A second gripping data acquisition step of acquiring obtained has been gripped data group as the second gripping data group, the time variation gripping data based on the second grasping data group acquired in the second gripping data acquisition step a second time variation gripping a second time change grip data calculation step of calculating as data, a probability density function based on the second time variation gripping data calculated in the second time variation gripping data calculation step, the second probability to generate a second probability density function a density function generation step, a reference probability density function, calculates a similarity of the distribution of the second probability density function generated in the second probability density function generation step, the second feature vector similarity of the calculated distribution a second feature vector defining step of defining as a second feature vector defined in the second feature vector defining step, bunch 持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す類似尺度を算出する類似尺度算出ステップと、類似尺度算出ステップにおいて算出された類似尺度が所定の閾値以上である場合に、第2の把持状態が第1の把持状態に該当すると判定する判定ステップと、を有する。 A similarity measure calculating step of calculating a similarity measure indicating the similarity degree between the first feature vector included in the first holding state information stored in the lifting state information storage means, the similarity measure calculated in similarity measure calculating step If equal to or greater than a predetermined threshold, the second gripping state has a determining step of determining to correspond to the first gripping state.

また、上記課題を解決するために、本発明の一形態に係る認識システムは、端末と、ユーザによる端末の把持状態を示し該端末において時系列に検出された複数の把持データを含む把持データ群に基づき、ユーザによる端末の把持状態を認識する認識装置と、を含む認識システムであって、端末は、把持データを検出する検出手段と、検出手段により時系列に検出された複数の把持データを含む把持データ群を認識装置に送信する送信手段と、を備え、認識装置は、第1の把持状態に基づき取得された把持データ群を第1把持データ群として取得する第1把持データ取得手段と、把持データ群に含まれる各時刻における把持データの時間変動を示す時間変動データの群からなる時間変動把持データであって、第1把持データ取得手段により取 In order to solve the above problems, recognition system according to an embodiment of the present invention, terminals and, grasping the data group including a plurality of gripping data detected in a time series in the terminal shows a holding state of the terminal by the user based on, a recognition system comprising: a recognizing device holding state of the terminal by the user, the terminal includes a detection means for detecting the gripping data, a plurality of gripping data detected in time series by the detection means transmitting means for transmitting the gripping data group including the recognition device comprises a recognition device comprises a first gripping data acquisition means for acquiring the first based on the grasped state obtained gripped data group as the first gripping data group , a time variation gripping data consisting of the group of time variation data indicative of a time variation of the grasping data at each time included in grasping the data group, taken by the first gripping data acquisition means された第1把持データ群に基づく時間変動把持データを第1時間変動把持データとして算出する第1時間変動把持データ算出手段と、時間変動把持データに示される時間変動の変動状態を示す確率密度関数であって、第1時間変動把持データ算出手段により算出された第1時間変動把持データに基づく確率密度関数を第1確率密度関数として生成する第1確率密度関数生成手段と、基準とする基準時間変動把持データに基づき生成された確率密度関数である基準確率密度関数と、第1確率密度関数生成手段により生成された第1確率密度関数との分布の類似度を算出し、算出された該分布の類似度を第1特徴ベクトルとして規定する第1特徴ベクトル規定手段と、第1特徴ベクトル規定手段により生成された第1の特徴ベクトルを含む第1 A first time change gripping data calculation means for calculating the time variation gripping data based on the first gripping data group as the first hour variation grasping data, probability density function indicating the variation state of the time variation shown in time variation gripping data a is a first probability density function generating means for generating a probability density function based on the first time variation gripping data calculated by the first time change gripping data calculation means as the first probability density function, the reference to the reference time a reference probability density function is a probability density function generated based on the variation gripping data, calculates the similarity of the distribution of the first probability density function generated by the first probability density function generating means, calculated the distribution a first feature vector defining means for defining the degree of similarity as the first feature vector, the first containing the first feature vector generated by the first feature vector defining means 把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶手段に記憶させる把持状態情報格納手段と、第2の把持状態に基づき取得された把持データ群を第2把持データ群として取得する第2把持データ取得手段と、第2把持データ取得手段により取得された第2把持データ群に基づく時間変動把持データを第2時間変動把持データとして算出する第2時間変動把持データ算出手段と、第2時間変動把持データ算出手段により算出された第2時間変動把持データに基づく確率密度関数を、第2確率密度関数として生成する第2確率密度関数生成手段と、基準確率密度関数と、第2確率密度関数生成手段により生成された第2確率密度関数との分布の類似度を算出し、算出された分布の類似度を第2特徴ベクトルとして規定す The holding state information, as information for recognizing the gripping state, the holding state information storage means for storing the holding state information storage means, the second based on the grasped state obtained gripped data group as the second gripping data group a second gripping data acquisition means for acquiring a second time variation gripping data calculation means for calculating the time variation gripping data based on the second grasping data group acquired by the second gripping data acquisition means as a second time variation gripping data , a probability density function based on the second time variation gripping data calculated by the second time variation gripping data calculating means, and the second probability density function generating means for generating a second probability density function, the reference probability density function, the to define and calculate the similarity of the distribution of the second probability density function generated by 2 probability density function generating unit, a similarity of the calculated distribution as a second feature vector る第2特徴ベクトル規定手段と、第2特徴ベクトル規定手段により規定された第2特徴ベクトルと、把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す類似尺度を算出する類似尺度算出手段と、類似尺度算出手段により算出された類似尺度が所定の閾値以上である場合に、第2の把持状態が第1の把持状態に該当すると判定する判定手段と、を備える。 A second feature vector defining means that, similar to the second feature vector defined by the second feature vector defining means, and the first feature vector included in the first holding state information stored in the holding state information storage means determining a similarity measure calculating means for calculating a similarity measure indicating the degree, if similarity measure calculated by the similarity measure calculating means is equal to or greater than a predetermined threshold value, the second gripping state corresponds to the first gripping state comprising a determining means.

上記形態によれば、ユーザによる端末の把持状態を示す把持データの認識により端末への入力操作を実現させるので、ユーザに対して特段の操作が強いられない。 According to the embodiment, since the realized an input operation to the terminal by the recognition of the gripping data indicating the gripping state of the terminal by the user, special operations are not forced to a user. また、把持データの時間変動を示す時間変動データから統計的手法により算出した確率密度関数と、基準確率密度関数との分布の類似度を表す特徴ベクトルを、把持状態を認識するための把持状態情報として記憶するので、把持データを検出するための検出装置固有の事情に起因するノイズや、その他の突発的なノイズに対してロバストである。 Further, a probability density function calculated by statistical method from the time variation data indicative of a time variation of the grasping data, a feature vector representing the similarity of the distribution of the reference probability density function, holding state information for recognizing the gripping state since stored as noise or due to detector-specific circumstances for detecting grasping data is robust for other unexpected noise. そして、種々のノイズに対してロバストな把持状態情報に基づき、把持状態が認識されるので、高精度な認識処理に基づく端末への入力が実現される。 Then, based on the robust holding state information for a variety of noise, since the grasping condition is recognized, the input to the terminal based on the highly accurate recognition can be realized.

さらに別の形態に係る認識装置は、第3の把持状態に基づき取得された把持データ群を更新用把持データ群として取得する更新用把持データ取得手段と、更新用把持データ取得手段により取得された更新用把持データ群に基づく時間変動把持データを、更新用時間変動把持データとして算出する更新用時間変動把持データ算出手段と、更新用時間変動把持データ算出手段により算出された更新用時間変動把持データに基づく確率密度関数を、更新用確率密度関数として生成する更新用確率密度関数生成手段と、基準確率密度関数と、更新用確率密度関数生成手段により生成された更新用確率密度関数との分布の類似度を算出し、算出された分布の類似度を更新用特徴ベクトルとして規定する更新用特徴ベクトル規定手段と、第4の把持状態に Further recognition apparatus according to another aspect, the update for gripping data acquisition means for acquiring a third based on gripping state obtained gripped data group as update grasping data group, obtained by updating the grip data acquisition means the time variation gripping data based on the update gripping data group, and the update time varies gripping data calculation means for calculating the update time variation grasping data, update time calculated by the update time variation gripping data calculation means varies gripping data the probability density function based on the updated probability density function generating means for generating as an update probability density functions, a reference probability density function, the distribution of the update probability density function generated by updating the probability density function generating means calculating a degree of similarity, the update feature vectors defining means for defining the degree of similarity calculated distributed as an update for the feature vector, the fourth gripping state づき取得された把持データ群を更新検証用把持データ群として取得する更新検証用把持データ取得手段と、更新検証用把持データ取得手段により取得された更新検証用把持データ群に基づく時間変動把持データを更新検証用時間変動把持データとして算出する更新検証用時間変動把持データ算出手段と、更新検証用時間変動把持データ算出手段により算出された更新検証用時間変動把持データに基づく確率密度関数を、更新検証用確率密度関数として生成する更新検証用確率密度関数生成手段と、基準確率密度関数と、更新検証用確率密度関数生成手段により生成された更新検証用確率密度関数との分布の類似度を算出し、算出された分布の類似度を更新検証用特徴ベクトルとして規定する更新検証用特徴ベクトル規定手段と、更新検証用 The update verification gripping data acquisition means for acquiring Hazuki obtained gripped data group as an update verification gripping data group, the time variation gripping data based on has been updated verification gripping data group acquired by the update verification gripping data acquisition means and updating the verification time variation gripping data calculation means for calculating for the update verification time variation gripping data, a probability density function based on the calculated updated verification time variation grasping data by for updating verification time variation gripping data calculating means, updating verification and updating the verification probability density function generating means for generating a use probability density function to calculate the reference probability density function, the similarity distribution between the generated updated verification probability density function by the update verifying probability density function generating means , an update verification feature vectors defining means for defining the similarity of the calculated distribution as the update verification feature vectors, for renewal verification 徴ベクトル規定手段により規定された更新検証用特徴ベクトルと、把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す第1の類似尺度を算出し、更新検証用特徴ベクトルと、更新用特徴ベクトル規定手段により規定された更新用特徴ベクトルとの類似度合いを示す第2の類似尺度を算出する第2類似尺度算出手段と、第2類似尺度算出手段により算出された第1の類似尺度より第2の類似尺度の方が大きいか否かを判定する第2判定手段と、第2判定手段により第1の類似尺度より第2の類似尺度の方が大きいと判定された場合に、把持状態情報記憶手段に記憶された第1の把持状態情報を、更新用特徴ベクトルを含む第3の把持状態情報に更新する更新手段と、を更に備える。 Calculating an update verification feature vector defined by symptom vector defining means, the first similarity measure indicating the similarity degree between the first feature vector included in the first holding state information stored in the holding state information storage means and, the update verification feature vector, and the second similarity measure calculating means for calculating a second similarity measure indicating the similarity degree between defined updating feature vectors by updating feature vectors defining means, calculating a second similarity measure a second determining means for determining whether the larger of the second similarity measure than the first similarity measure calculated by means toward the second similarity measure than the first similarity measure by the second judging means If it is determined that a large, further comprising a first holding state information stored in the holding state information storage means, and updating means for updating the third holding state information including the update feature vectors, the.

さらに別の形態に係る認識方法は、第3の把持状態に基づき取得された把持データ群を更新用把持データ群として取得する更新用把持データ取得ステップと、更新用把持データ取得ステップにおいて取得された更新用把持データ群に基づく時間変動把持データを、更新用時間変動把持データとして算出する更新用時間変動把持データ算出ステップと、更新用時間変動把持データ算出ステップにおいて算出された更新用時間変動把持データに基づく確率密度関数を、更新用確率密度関数として生成する更新用確率密度関数生成ステップと、基準確率密度関数と、更新用確率密度関数生成ステップにおいて生成された更新用確率密度関数との分布の類似度を算出し、算出された分布の類似度を更新用特徴ベクトルとして規定する更新用特徴ベクト Further recognition method according to another aspect, the update for gripping data acquisition step of acquiring third acquired gripped data groups based on the holding state as update gripping data group, acquired in the update gripping data acquisition step the time variation gripping data based on the update gripping data group, and the update time varies gripping data calculation step of calculating as the update time variation grasping data for updating is calculated in the update time variation gripping data calculation step time variation gripping data the probability density function based on the updated probability density function generation step of generating as updated probability density functions, a reference probability density function, the distribution of the update probability density function generated in updating the probability density function generation step calculating the similarity, the update feature vectors defining the similarity of the calculated distribution as updating feature vectors 規定ステップと、第4の把持状態に基づき取得された把持データ群を更新検証用把持データ群として取得する更新検証用把持データ取得ステップと、更新検証用把持データ取得ステップにおいて取得された更新検証用把持データ群に基づく時間変動把持データを、更新検証用時間変動把持データとして算出する更新検証用時間変動把持データ算出ステップと、更新検証用時間変動把持データ算出ステップにおいて算出された更新検証用時間変動把持データに基づく確率密度関数を、更新検証用確率密度関数として生成する更新検証用確率密度関数生成ステップと、基準確率密度関数と、更新検証用確率密度関数生成ステップにおいて生成された更新検証用確率密度関数との分布の類似度を算出し、算出された分布の類似度を更新検証用特徴 And defining step, the fourth update verification grip data acquisition step of acquiring the acquired gripped data groups based on the holding state as the updated verification gripping data group, for been updated verification acquired in the update verification grip data acquisition step the time variation gripping data based on grasping data groups, the update verification time variation gripping data calculating step of calculating for the update verification time variation gripping data, calculated in for updating verification time variation gripping data calculation step updating the verification time variation the probability density function based on the grasping data, and updating the verification probability density function generation step of generating as an update verification probability density function, the reference probability density function, is generated in the update verification probability density function generating step the updated verification probability calculating a similarity of the distribution of the density function, update verification feature similarities calculated distribution クトルとして規定する更新検証用特徴ベクトル規定ステップと、更新検証用特徴ベクトル規定ステップにおいて規定された更新検証用特徴ベクトルと、把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す第1の類似尺度を算出し、更新検証用特徴ベクトルと、更新用特徴ベクトル規定ステップにおいて規定された更新用特徴ベクトルとの類似度合いを示す第2の類似尺度を算出する第2類似尺度算出ステップと、第2類似尺度算出ステップにおいて算出された第1の類似尺度より第2の類似尺度の方が大きいか否かを判定する第2判定ステップと、第2判定ステップにおいて第1の類似尺度より第2の類似尺度の方が大きいと判定された場合に、把持状態情報記憶手段に記憶された第1 The update verification feature vector defining step of defining a vector, the update verification feature vectors defined in the update verification feature vector defining step, the included in the first holding state information stored in the holding state information storage means 1 calculates the first similarity measure indicating the similarity degree between the feature vector, the update verification feature vector, the second similarity measure indicating the similarity degree between defined update feature vectors in the update feature vectors defining step a second similarity measure calculating step of calculating a second determination step of determining first whether a larger second similarity measure than similarity measure calculated in the second similarity measure calculating step, the second when the from the first similarity measure is towards the second similarity measure is determined to be larger in the determination step, the stored in the holding state information storage means 1 の把持状態情報を、更新用特徴ベクトルを含む第3の把持状態情報に更新する更新ステップと、を更に有する。 The holding state information, further comprising an updating step of updating the third holding state information including the update feature vectors, the.

上記形態によれば、第4の把持状態に基づく更新検証用把持データから算出された特徴ベクトルが、第1の把持状態に基づく特徴ベクトルに類似する度合いによりも、第3の把持状態に基づく特徴ベクトルに類似する度合いの方が高い場合に、把持状態を認識するための情報として把持状態情報記憶手段に記憶されていた第1の把持状態情報が、第3の把持状態に基づく特徴ベクトルを含む第3の把持状態情報に更新される。 According to the embodiment, the fourth feature vector calculated from the update verification gripping data based on the grasping state of even the degree of similarity to the feature vector based on the first gripping state, feature based on the third gripping state If towards the degree of similarity to the vector is high, the first holding state information stored in the holding state information storage means as the information for recognizing the gripping state comprises a feature vector based on the third gripping state is updated to the third holding state information. これにより、把持状態を認識するための情報として適切な把持状態情報が把持状態情報記憶手段に格納される。 Accordingly, a suitable holding state information is stored in the holding state information storage means as the information for recognizing the gripping state. 従って、例えば、第1の把持状態に該当すると判定された第2の把持状態に基づく第2の把持データを第3の把持データとして採用することにより、把持状態の認識のために参照される把持情報を、例えば経年的な変化に応じて、適切な情報に保つことができる。 Thus, for example, by employing the second gripping data based on the second gripping state determined to correspond to the first gripping state as the third gripping data, it is referred to for the recognition of the gripping state grasping information, for example, depending on secular change can be kept to appropriate information.

さらに別の形態に係る認識装置では、把持データ群を時間変動把持データの算出に用いる前に、該把持データ群に含まれる把持データにおける、当該把持データの検出に係る過渡状態に起因するノイズ、パルスノイズ、当該把持データに対するウェーブレットシュリンケージにより除去可能なノイズ、当該把持データの検出に係る直流成分に起因するノイズ及びガウスノイズのうちの少なくとも1つを除去するノイズ除去手段を更に備えることとしてもよい。 In yet recognition device according to yet another embodiment, prior to using the gripping data group in the calculation of the time variation gripping data, noise resulting in gripping data included in the grasping data group, in a transient state in accordance with the detection of the gripping data, pulse noise, the noise can be removed by the wavelet shrinkage with respect to the gripping data, as further comprising noise removing means for removing at least one of noise and Gaussian noise due to the DC component of the detection of the gripping data good.

上記形態によれば、時間変動把持データの算出の前に、把持データからノイズが除去されるので、時間変動把持データの精度及び時間変動把持データに基づき算出される種々の確率分布の精度が向上される。 According to the embodiment described above, prior to the calculation of the time variation gripping data, the noise is removed from the grip data, improved various accuracy of the probability distribution is calculated based on the accuracy and the time variation gripping data in the time variation gripping data It is.

さらに別の形態に係る認識システムでは、認識装置は、判定手段による判定の結果に関する認識情報を端末に送信する認識情報送信手段を更に備え、端末は、認証装置から送信された認識情報を受信する認識情報受信手段と、認識情報受信手段により受信された認識情報に応じた所定の処理を実行する実行手段と、を更に備えることとしてもよい。 In yet recognition system according to another embodiment, the recognition unit further comprises a recognition information transmitting means for transmitting the identification information about the result of the determination by the determination means to the terminal, the terminal receives the recognition information transmitted from the authentication device and recognition information receiving means, and execution means for executing a predetermined process corresponding to the received identification information by the recognition information receiving means, it may further comprise a.

上記形態によれば、特段の操作をユーザに強いることなく、例えば、端末におけるユーザ認証といった所定の処理を実現できる。 According to the embodiment described above, without forcing a special operation to the user, for example, it can be realized a predetermined process such as user authentication in the terminal.

特段の操作をユーザに強いることなく、端末への高精度な入力操作が可能な認識装置、認識方法及び認識システムが提供される。 Without imposing any special operation by the user, precise input operation to the terminal capable recognizer, recognition method and recognition system is provided.

認識システムの装置構成を示す図である。 Is a diagram showing the device configuration of the recognition system. 端末における圧力センサの配置を示す模式図である。 It is a schematic view showing the arrangement of a pressure sensor in the terminal. 端末の機能的構成を示すブロック図である。 It is a block diagram showing a functional configuration of a terminal. 認識装置の機能的構成を示すブロック図である。 It is a block diagram showing a functional configuration of the recognition system. 認識装置のハードブロック図である。 A hardware block diagram of a recognition device. 認識システムにおける認識方法の処理内容を示すタイミングチャートである。 Is a timing chart showing the processing content of the recognition process in the recognition system. 認識システムにおける認識方法の処理内容を示すタイミングチャートである。 Is a timing chart showing the processing content of the recognition process in the recognition system. 認識システムにおける認識方法の処理内容を示すタイミングチャートである。 Is a timing chart showing the processing content of the recognition process in the recognition system.

本発明に係る認識装置、認識方法及び認識システムの実施形態について図面を参照して説明する。 Recognition apparatus according to the present invention will be described with reference to the accompanying drawings, embodiments of the recognition method and recognition system. なお、可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。 Incidentally, if possible, the same parts are denoted by the same reference numerals, and overlapping description is omitted.

図1は、認識システムの装置構成を示す図である。 Figure 1 is a diagram showing a device configuration of the recognition system. 認識システム100は、認識装置1及び端末3を含む。 Recognition system 100 includes a recognition device 1 and the terminal 3. 認識装置1は、ネットワークNを介して端末3と通信可能であって、ユーザによる端末3の把持状態を示すデータであって端末3において時系列に検出された複数の把持データを含む把持データ群に基づき、ユーザによる端末3の把持状態を認識する装置である。 Recognition apparatus 1 via a network N A can communicate with the terminal 3, the gripping data group comprising data indicating the gripping state of the terminal 3 by the user includes a plurality of gripping data detected in a time series in the terminal 3 the basis, a device for recognizing holding state of the terminal 3 by the user. 認識装置1は、例えば、端末3の把持状態に基づき、端末を把持するユーザが予め登録されたユーザに該当するか否かを判定することにより、ユーザの認証を実施する装置であることができる。 Recognition apparatus 1, for example, based on the holding state of the terminal 3, by determining whether the user gripping the terminal corresponding to the user registered in advance, can be a device that performs an authentication of the user .

端末3は、例えば、携帯電話機に例示されるような移動端末であることができる。 Terminal 3, for example, be a mobile terminal as illustrated in the mobile telephone. 端末3は、使用状態においてユーザに把持される。 Terminal 3 is gripped by the user in use. そして、端末3は、ユーザによる把持状態を検出するためのセンサを備える。 Then, the terminal 3 is provided with a sensor for detecting the gripping state by the user. 端末3に備えられるセンサは、例えば圧力センサである。 Sensor provided in the terminal 3 is, for example, a pressure sensor.

図2は、端末3における圧力センサdの配置を示す模式図である。 Figure 2 is a schematic view showing the arrangement of pressure sensors d in the terminal 3. 図2に示すように、端末3は、筐体の底面p 、側面p S1 ,p S2に、計N個の圧力センサを有する。 2, the terminal 3, the bottom p B of the casing, the side surface p S1, p S2, having a total of N pressure sensors. 具体的には、底面p における端部近傍に、複数のセンサd n1+1 ,d n1+2 ,d n1+3 ,・・,d n2 ,d n2+1 ,d n2+2 ,d n2+3 ,・・d n3がアレイ状に設けられている。 More specifically, provided near an end portion of the bottom p B, a plurality of sensors d n1 + 1, d n1 + 2, d n1 + 3, ··, d n2, d n2 + 1, d n2 + 2, d n2 + 3, ·· d n3 is an array It is. また、側面p S1 ,p S2のそれぞれに、複数のセンサd ,d ,d ,・・,d n1 ,d n3+1 ,d n3+2 ,d n3+3 ,・・d がアレイ状に設けられている。 Also, on each side p S1, p S2, a plurality of sensors d 1, d 2, d 3 , ··, d n1, d n3 + 1, d n3 + 2, d n3 + 3, ·· d N is provided in an array there. なお、本実施形態では、端末3が備えるセンサは複数の圧力センサであるが、加速度センサ、ジャイロセンサ等であってもよい。 In the present embodiment, the sensor provided in the terminal 3 is a plurality of pressure sensors, acceleration sensors may be a gyro sensor or the like.

続いて、認識装置1の説明に先立って、端末3の機能について説明する。 Then, prior to the description of the recognition apparatus 1, it will be described functions of the terminal 3. 図3は、端末3の機能的構成を示すブロック図である。 Figure 3 is a block diagram showing a functional configuration of the terminal 3. 端末3は、検出部31(検出手段)、送信部32(送信手段)、認識情報受信部33(認識情報受信手段)及び実行部34(実行手段)を備える。 Terminal 3, the detection unit 31 (detection means), transmitter 32 (transmitting means), and a recognition information receiving unit 33 (recognition information receiving means) and the execution unit 34 (execution means).

検出部31は、ユーザによる端末3の把持状態を示す把持データを検出する部分である。 Detector 31 is a part for detecting the gripping data indicating the gripping state of the terminal 3 by the user. 具体的には、把持データは、図2に示したN個のセンサd 〜d の各々により時系列に検出される。 Specifically, the grasping data is detected in time series by each of the N sensors d 1 to d N shown in FIG. 検出部31は、時刻tにおけるi番目のセンサから把持データfi(t)を取得する。 Detector 31 obtains the gripping data fi (t) from the i-th sensor at time t. そして、時系列に検出された把持データ群f は、式(1)のように表される。 Then, gripping the data group f t detected in a time series is expressed as in equation (1).

検出部31は、取得した把持データ群f を送信部32に送出する。 Detector 31 sends the gripping data group f t acquired the transmission unit 32.

送信部32は、把持データ群f を認識装置に送信する部分である。 Transmission unit 32 is a part that transmits the grip data group f t the recognizer.

認識情報受信部33は、認証装置1から送信された認識情報を受信する部分である。 Recognition information receiving unit 33 is a part that receives the recognition information transmitted from the authentication device 1. 認識情報は、例えば、送信した把持データ群f により示される把持状態が、予め認識装置1において記憶されていた所定の把持状態に該当するか否かの判定結果に関する情報、判定結果に基づくユーザ認証の結果に関する情報等を含むことができる。 Recognition information, for example, the gripping position shown by the transmitted gripped data group f t is, information about advance whether corresponds to a predetermined holding state which is stored in the recognition device 1 the determination result, based on the determination result user It may include information concerning the result of the authentication.

実行部34は、認識情報受信部33により受信された認識情報に応じた所定の処理を実行する部分である。 Execution unit 34 is a part that executes a predetermined process corresponding to the received identification information by the recognition information receiving unit 33. 例えば、認識システム100が、送信した把持データ群f により示される把持状態が所定の把持状態に該当することをもって、端末3に対して所定のコマンド入力とするようなシステムである場合には、実行部34は、当該コマンドに応じた所定処理を実行する。 For example, when the recognition system 100, the gripping position shown by the transmitted gripped data group f t is with that corresponding to a predetermined holding state, a system in which the predetermined command input to the terminal 3, execution unit 34 executes a predetermined process corresponding to the command.

また、認識システム100が、送信した把持データ群f により示される把持状態が所定の把持状態に該当することをもってユーザ認証を行うようなシステムである場合には、実行部34は、端末3を当該ユーザによるログイン状態に制御する。 Further, the recognition system 100, when the gripping position shown by the transmitted gripped data group f t is a system that performs user authentication with that corresponding to a predetermined holding state, the execution unit 34, the terminal 3 It controls the login state by the user.

次に、図4を参照して、認識装置1の機能について説明する。 Next, referring to FIG. 4, a description will be given of a function of the recognition device 1. 図4は、認識装置1の機能的構成を示すブロック図である。 Figure 4 is a block diagram showing a functional configuration of a recognition device 1. 認識装置1は、把持データ取得部11(第1把持データ取得手段、第2把持データ取得手段、更新用把持データ取得手段、更新検証用把持データ取得手段)、ノイズ除去部12(ノイズ除去手段)、時間変動把持データ算出部13(第1時間変動把持データ算出手段、第2時間変動把持データ算出手段、更新用時間変動把持データ算出手段、更新検証用時間変動把持データ算出手段)、確率密度関数生成部14(第1確率密度関数生成手段、第2確率密度関数生成手段、更新用確率密度関数生成手段、更新検証用確率密度関数生成手段)、特徴ベクトル規定部15(第1特徴ベクトル規定手段、第2特徴ベクトル規定手段、更新用特徴ベクトル規定手段、更新検証用特徴ベクトル規定手段)、把持状態情報格納部17(把持状態情報格納手段 Recognition apparatus 1, the grip data acquisition unit 11 (first holding data acquisition means, second gripping data acquisition unit, the update gripping data acquisition unit, update verification gripping data acquisition means), a noise removing unit 12 (noise removing means) , time variation grip data calculating unit 13 (first hour variation gripping data calculating means, second time variation gripping data calculating means, the update time variation gripping data calculating means, for updating the verification time variation gripping data calculating means), a probability density function generator 14 (first probability density function generating unit, the second probability density function generating unit, update the probability density function generating unit, update verification probability density function generating unit), the feature vector defining portion 15 (first feature vector defining means the second feature vectors defining means, the update feature vectors defining means, update verification feature vectors defining means), holding state information storage section 17 (holding state information storing means 、把持状態情報記憶部18(把持状態情報記憶手段)、類似尺度算出部19(類似尺度算出手段)、判定部20(判定手段)、認識情報送信部21(認識情報送信手段)、第2類似尺度算出部22(第2類似尺度算出手段)、第2判定部23(第2判定手段)及び更新部24(更新手段)を備える。 , Holding state information storage section 18 (holding state information storage means), similarity measure calculating unit 19 (similarity measure calculating means), the determination unit 20 (determination unit), recognition information transmitting unit 21 (recognition information transmitting means), a second similar scale calculation unit 22 (second similarity measure calculating means), a second determination unit 23 (second determination means) and the update unit 24 (updating means).

図5は、認識装置1のハードウエア構成図である。 Figure 5 is a hardware configuration diagram of a recognition device 1. 認識装置1は、物理的には、図5に示すように、CPU101、主記憶装置であるRAM102及びROM103、データ送受信デバイスである通信モジュール104、ハードディスク、フラッシュメモリ等の補助記憶装置105、入力デバイスであるキーボード等の入力装置106、ディスプレイ等の出力装置107などを含むコンピュータシステムとして構成されている。 Recognition apparatus 1 is physically, as shown in FIG. 5, CPU 101, a main memory RAM102 and ROM 103, communication module 104 is a data transmission and reception device, a hard disk, an auxiliary storage device 105 such as a flash memory, an input device input device 106 such as a keyboard is, and is configured as a computer system, including an output device 107 such as a display. 図4に示した各機能は、図5に示すCPU101、RAM102等のハードウエア上に所定のコンピュータソフトウェアを読み込ませることにより、CPU101の制御のもとで通信モジュール104、入力装置106、出力装置107を動作させるとともに、RAM102や補助記憶装置105におけるデータの読み出し及び書き込みを行うことで実現される。 Each function shown in FIG. 4, FIG implemented by loading predetermined computer software CPU 101, the hardware on such RAM102 in shown in 5, the communication module 104 under the control of the CPU 101, an input device 106, output device 107 with operating a is performing reading and writing of data in the RAM102 or the auxiliary storage device 105. なお、図3に示した端末3も同様に、コンピュータシステムとして構成される。 Incidentally, similarly terminal 3 shown in FIG. 3, constituted as a computer system. 再び、図4を参照して、認識装置1の各機能部について説明する。 Referring again to FIG. 4, a description will be given of each functional unit of the recognition device 1.

再び、図4を参照して、認識装置1の各機能部について説明する。 Referring again to FIG. 4, a description will be given of each functional unit of the recognition device 1. まず、ユーザによる端末3の把持状態が所定の把持状態に該当するか否かを認識するためのシステムにあって、所定の把持状態を示す把持状態情報を得るための処理における各機能部の機能について説明する。 First, in the system for gripping state of the terminal 3 by the user to recognize whether corresponds to a predetermined holding state, the function of each functional unit in the process for obtaining the holding state information indicating a predetermined holding state It will be described. なお、以下の説明において、所定の把持状態を「第1の把持状態」とする。 In the following description, the predetermined gripping state to "first gripping state".

把持データ取得部11は、端末3から送信された時系列の把持データを含む把持データ群を取得する部分である。 Gripping the data acquisition unit 11 is a part that acquires the gripping data group including a gripping time series data transmitted from the terminal 3. ここでは、把持データ取得部11は、第1の把持状態に基づき取得された把持データ群を第1把持データ群として取得する。 Here, the grip data acquisition unit 11 acquires the gripping data group acquired based on the first gripping state as the first gripping data group. 第1の把持状態に基づき取得された第1把持データ群は、いわゆる学習用把持データとして扱われるものであって、式(1)により示される。 First gripping data group acquired based on the first gripping condition, there is to be treated as so-called learning gripping data, represented by the formula (1).

ノイズ除去部12は、把持データ群に含まれる把持データのノイズを除去する部分である。 Noise removing section 12 is a section for removing noise of the gripping data contained in the grip data group. ノイズ除去部12は、当該把持データの検出に係る過渡状態に起因するノイズ、パルスノイズ、当該把持データに対するウェーブレットシュリンケージにより除去可能なノイズ、当該把持データの検出に係る直流成分に起因するノイズ及びガウスノイズのうちの少なくとも1つを除去できる。 Noise removal unit 12, noise and due to a direct current component relating to the noise caused by the transient state according to the detection of the gripping data, pulse noise, the noise can be removed by the wavelet shrinkage with respect to the gripping data, detection of the gripping Data at least one can be removed out of the Gaussian noise. 本実施形態では、ノイズ除去部12は、第1把持データ群に含まれる把持データについて、これらのノイズの全てを除去することとする。 In the present embodiment, the noise removal unit 12 for gripping the data contained in the first gripping data group, and removing all of these noises. 以下に、ノイズの除去について具体的に説明する。 The following specifically describes the removal of noise.

ノイズ除去部12は、当該把持データの検出に係る過渡状態に起因するノイズを以下のように除去する。 Noise removing section 12, the removal is as follows noise due to a transient state in accordance with the detection of the gripping data. 即ち、把持データf (t)が取得された時間をT ≦t≦T とすると、ノイズ除去部12は、式(2)に示すように、データの検出における過渡状態にあるデータ取得開始直後及びデータ取得終了直前の時間δtにおいて取得されたデータを除去する。 That is, when the time grasping data f i (t) is acquired and T S ≦ t ≦ T e, the noise removal unit 12, as shown in equation (2), data acquisition in the transient state in the detection of data removing the obtained data at the beginning immediately after and data acquisition immediately before the end of time .DELTA.t.

次に、ノイズ除去部12は、パルスノイズを以下のように除去する。 Next, the noise removal unit 12 removes as follows pulse noise. 即ち、把持データf (t)が式(3)に示す条件を満たした場合は、把持データがパルスを含むものと判断できるので、ノイズ除去部12は、式(3)の条件を満たした把持データf (t)が取得された時刻tに取得された全把持データを、処理対象から除外する。 That is, if the grip data f i (t) satisfies the condition of Formula (3), since the grip data can be judged to include a pulse, noise removal unit 12 satisfies the condition of formula (3) All gripping data acquired in the gripping data f i (t) is acquired time t, excluded from the processing target.

続いて、ノイズ除去部12は、把持データに対してウェーブレットシュリンケージによるノイズ除去を実施する。 Subsequently, the noise removal unit 12 performs the noise removal by wavelet shrinkage relative gripping data. 以下にウェーブレットシュリンケージによるノイズ除去を説明する。 Explaining noise removal by wavelet shrinkage below. 把持データf (t)をウェーブレット基底関数φ (t)で展開した時のウェーブレット係数d は、式(4)にように表される。 Wavelet coefficients d j k when deployed gripping data f i (t) is the wavelet basis function phi j k (t) is expressed as in equation (4).

そして、このウェーブレット係数に基づき推定されるノイズの標準偏差δは、式(5)により表される。 Then, the standard deviation δ of the noise estimated on the basis of the wavelet coefficients is represented by the formula (5).

また、ノイズの標準偏差δに基づき閾値λを式(6)のように算出する。 Further, the threshold value λ based on the standard deviation of the noise δ is calculated by the equation (6).

ただし、式(6)におけるNはウェーブレット係数の総数を表す。 However, N in equation (6) represents the total number of wavelet coefficients. そして、この閾値λを用いて式(7)に示すSoft Threshold処理を施す。 Then, applying the Soft Threshold processing shown in Equation (7) using the threshold value lambda.

さらに、ノイズ除去部12は、式(7)により処理されたウェーブレット係数を逆ウェーブレット変換し、式(8)に示されるような、ノイズ除去された把持データを算出する。 Moreover, the noise removal unit 12, and inverse wavelet transform wavelet coefficients have been processed by the equation (7) to calculate the grip data such, that is noise reduction as shown in equation (8).

なお、式(8)における左辺を、以下の説明において、f^ (t)と記す。 Incidentally, the left-hand side in equation (8), in the following description, referred to as f ^ i (t).

つぎに、ノイズ除去部12は、当該把持データの検出に係る直流成分に起因するノイズを除去する。 Next, the noise removal unit 12 removes the noise caused by the DC component of the detection of the gripping data. 即ち、ノイズ除去部12は、式(9)に示すように、把持データの時間平均を減算して、把持データの交流成分を算出する。 That is, the noise removal unit 12, as shown in equation (9), the time average of the gripping data by subtracting the calculated AC components of the gripping data.

なお、式(9)におけるTは、時系列の把持データからなる把持データ群が取得された時間を表す。 Incidentally, T in equation (9), grip data group consisting of grasping the data of time series representing the time acquired.

さらに、ノイズ除去部12は、ガウスノイズを除去する。 Moreover, the noise removal unit 12 removes Gaussian noise. 即ち、ノイズ除去部12は、式(10)に示すように、ガウス関数Gauss(t ne ,σ)とのコンボリューションによりデータを平滑化し、把持データからガウスノイズを除去する。 That is, the noise removal unit 12, as shown in equation (10), the Gaussian function Gauss (t ne, sigma) smoothes the data by convolution with, removing Gaussian noise from the gripping data.

なお、σはガウス関数のハイパーパラメータを表し、t neは時間tの近傍を表す。 Incidentally, sigma represents the hyper parameters of the Gaussian function, t ne denotes the vicinity of the time t.

時間変動把持データ算出部13は、把持データ群に含まれる各時刻における把持データの時間変動を示す時間変動データの群からなる時間変動把持データを算出する部分である。 Time variation grip data calculating unit 13 is a part that calculates a time variation gripping data consisting of the group of time variation data indicative of a time variation of the grasping data at each time included in the grip data group. 時間変動データは、一の時刻における把持データと時系列において直前に取得された把持データとの差分データである。 Time variation data are difference data between gripping data obtained immediately before the gripping data and time series in one time. ここでは、時間変動把持データ算出部13は、ノイズ除去部12によりノイズが除去された第1把持データ群に基づく時間変動把持データを第1時間変動把持データとして算出する。 Here, the time variation grip data calculating unit 13 calculates the time variation gripping data based on the first gripping data group from which noise is removed by the noise removing section 12 as the first hour variation grasping data. 例えば、時間変動把持データ算出部13は、式(10)により得られた把持データを用いて、式(11)に示すように時間変動データy (t)を算出する。 For example, the time variation grip data calculating unit 13 uses the gripping data obtained by the equation (10), and calculates the formula as shown in (11) time variation data y i (t).

そして、N個のセンサ全てにより取得された把持データの時間変動データは、式(12)により表される。 Then, the time variation data of the gripping data obtained by all the N sensors is represented by the formula (12).

確率密度関数生成部14は、時間変動把持データに示される時間変動の変動状態を示す確率密度関数を生成する部分である。 Probability density function generating unit 14 is a part for generating a probability density function indicating the variation state of the time variation shown in time variation gripping data. ここでは、確率密度関数生成部14は、時間変動把持データ算出部13により算出された第1時間変動把持データに基づく確率密度関数を第1確率密度関数として生成する。 Here, a probability density function generating unit 14 generates a probability density function based on the first time variation gripping data calculated by the time variation grip data calculating section 13 as the first probability density function. 確率密度関数生成部14による第1確率密度関数の生成を、以下に具体的に説明する。 The generation of the first probability density function by a probability density function generating unit 14 will be specifically described below.

時間変動把持データ算出部13により算出された第1時間変動把持データは、式(13)により表される。 The first hour variation gripping data calculated by the time variation grip data calculating unit 13 is represented by the formula (13).

本実施形態では、第1時間変動把持データの頻度分布(ヒストグラム)から算出される確率密度関数と、事前に登録済みの基準時間変動把持データに基づく確率密度関数(基準確率密度関数)との確率分布の相違度であるJS情報量を算出する。 Probability in the present embodiment, a probability density function calculated from the frequency distribution of the first hour variation gripping data (histogram), and prior to the probability density function based on the registered reference time variation gripping data (reference probability density function) calculating the JS information amount is the difference of the distribution.

まず、確率密度関数生成部14は、式(14)及び式(15)に示すように、センサiの時間方向ヒストグラムhist (k)を生成する。 First, a probability density function generating unit 14, as shown in equation (14) and (15), generates time direction histogram hist i sensor i (k).


ただし、r(k)は、ヒストグラムにおけるk番目の刻み値を表す。 However, r (k) represents the k-th step value in the histogram. そして、確率密度関数生成部14は、式(16)に示すように、確率密度関数PDFを算出する。 The probability density function generating unit 14, as shown in equation (16), calculates the probability density function PDF.

特徴ベクトル規定部15は、基準とする基準時間変動把持データに基づき生成された確率密度関数である基準確率密度関数と、確率密度関数生成部14により生成された確率密度関数とに基づきJS情報量を算出する。 Feature vector defining portion 15, a reference probability density function is a probability density function generated based on the reference time variation gripping data as a reference, JS amount of information based on the probability density function generated by a probability density function generating unit 14 It is calculated. JS情報量は、2つの確率密度関数の分布の類似度を示すものとして定義される。 JS amount of information is defined as indicating the similarity of the distribution of the two probability density functions. ここでは、特徴ベクトル規定部15は、基準確率密度関数と、確率密度関数生成部14により生成された第1確率密度関数との分布の類似度として定義されるJS情報量を算出する。 Here, the feature vector defining portion 15 calculates a reference probability density function, the JS amount of information that is defined as the similarity of the distribution of the first probability density function generated by a probability density function generating unit 14.

具体的には、特徴ベクトル規定部15は、基準確率密度関数PDF (r(k)|Y Tstd )を用いて、第1確率密度関数PDF (r(k)|Y )との確率分布の相違度としてJS情報量D JS (i) (PDF (r(k)|Y )||PDF (r(k)|Y Tstd ))を算出する。 Specifically, the feature vector defining portion 15, a reference probability density function PDF i (r (k) | Y Tstd) using a first probability density function PDF i (r (k) | Y T) the probability of distribution dissimilarity as JS information amount D JS (i) (PDF i (r (k) | Y T) || PDF i (r (k) | Y Tstd)) is calculated. JS情報量は、式(17)のように定義される。 JS amount of information is defined by the equation (17).

なお、式(17)におけるR(x)は、R(x)=(P(x)+Q(x))/2である。 Incidentally, R (x) in equation (17), R (x) = (P (x) + Q (x)) is / 2.

そして、特徴ベクトル規定部15は、算出された分布の類似度を特徴ベクトルとして規定する。 Then, feature vectors defining portion 15 defines the similarity of the calculated distribution as a feature vector. 具体的には、特徴ベクトル規定部15は、JS情報量を特徴ベクトルとして規定する。 Specifically, the feature vector defining portion 15 defines a JS information amount as a feature vector. ここでは、特徴ベクトル規定部15は、第1確率密度関数に基づくJS情報量の算出を、把持データを取得するための全てのセンサ(i=1,2,・・・,N)について実施して、式(18)に示されるJS情報量特徴ベクトルJSD(Y )を、第1特徴ベクトルとして規定する。 Here, the feature vector defining portion 15, a JS information amount calculated based on the first probability density function, all sensors for acquiring the grip data carried (i = 1,2, ···, N) for Te, JS amount of information feature vector JSD represented by formula (18) and (Y T), defined as the first feature vector.

把持状態情報格納部16は、特徴ベクトル規定部により生成された特徴ベクトルを含む把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶部18に記憶させる。 Holding state information storage unit 16, the holding state information including the feature vector generated by the feature vector defining portion, as the information for recognizing the gripping state, and stores the holding state information storage unit 18. 把持状態情報記憶部18は、把持状態情報等を記憶するための記憶手段である。 Holding state information storage unit 18 is storage means for storing the holding state information and the like. ここでは、把持状態情報格納部16は、特徴ベクトル規定部15により生成された第1特徴ベクトルJSD(Y )を含む第1の把持状態情報を、把持状態識別の際の照合用データ(第1の把持状態情報)として把持状態情報記憶部18に格納する。 Here, the gripping state information storage unit 16, the first holding state information including a first feature vector JSD generated by the feature vector defining portion 15 (Y T), the reference data at the time of the gripping state identification (the and stores the holding state information storage unit 18 as one of the holding state information).

次に、図6を参照して、認識システム100及び認識装置1における認識方法の処理内容を説明する。 Next, referring to FIG. 6, the processing contents of the recognition method in the recognition system 100 and the recognition device 1.

まず、検出部31は、第1の把持データを検出する(S1)。 First, the detection unit 31 detects the first gripping data (S1). 第1の把持データは、把持状態の認識の際の照合用データの基となるデータであって、第1の把持状態に基づき取得されたものである。 First gripping data is a group to become data reference data upon recognition of the gripping state, was acquired based on the first gripping state. 続いて、送信部32は、時系列の把持データからなる第1の把持データ群を認識装置1に送信する(S2)。 Subsequently, the transmitting unit 32, a first gripping data group consisting of grasping the data of the time series transmitted to the recognition apparatus 1 (S2).

第1の把持データ群が端末3から送信されると、把持データ取得部11は、第1の把持状態に基づき取得された第1把持データ群を取得する(S3)。 When the first gripping data group is transmitted from the terminal 3, the grip data acquisition unit 11 acquires the first gripping data group acquired based on the first gripping state (S3). 次に、ノイズ除去部12は、第1把持データ群に含まれる把持データに含まれる種々のノイズを除去する(S4)。 Next, the noise removal unit 12 removes the various noises contained in the grip data included in the first gripping data group (S4). 続いて、時間変動把持データ算出部13は、ステップS4においてノイズ除去部12によりノイズが除去された第1把持データ群に基づく時間変動把持データを第1時間変動把持データとして算出する(S5)。 Subsequently, time variation grip data calculating unit 13 calculates the time variation gripping data based on the first gripping data group from which noise has been removed by the noise removal unit 12 at step S4 as the first hour variation gripping data (S5).

次に、確率密度関数生成部14は、時間変動把持データ算出部13により算出された第1時間変動把持データに基づく確率密度関数を第1確率密度関数として生成する(S6)。 Then, the probability density function generating unit 14 generates a probability density function based on the first time variation gripping data calculated by the time variation grip data calculating section 13 as the first probability density function (S6). 続いて、特徴ベクトル規定部15は、基準確率密度関数と、確率密度関数生成部14により生成された第1確率密度関数との分布の類似度として定義されるJS情報量を算出する。 Then, feature vectors defining portion 15 calculates a reference probability density function, the JS amount of information that is defined as the similarity of the distribution of the first probability density function generated by a probability density function generating unit 14. 更に続いて、特徴ベクトル規定部15は、第1確率密度関数に基づき算出されたJS情報量の算出を、把持データを取得するための全てのセンサ(i=1,2,・・・,N)について実施して、JS情報量特徴ベクトルJSD(Y )を、第1特徴ベクトルとして規定する(S7)。 Further subsequently, the feature vector defining portion 15, the calculation of the calculated JS amount of information based on the first probability density function, all sensors for acquiring the grip data (i = 1,2, ···, N ) was performed on, JS information amount feature vector JSD the (Y T), defined as the first feature vector (S7).

そして、把持状態情報格納部17は、特徴ベクトル規定部15により生成された第1特徴ベクトルJSD(Y )を含む第1の把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶部18に記憶させる(S8)。 The holding state information storage unit 17, the first holding state information including a first feature vector JSD generated by the feature vector defining portion 15 (Y T), as information for recognizing a gripping state, gripping state It is stored in the information storage unit 18 (S8).

次に、ユーザによる端末3の把持状態が所定の把持状態に該当するか否かを認識するためのシステムにあって、ユーザによる端末3の把持状態が認識装置1に記憶された所定の把持状態に該当するか否かを判定する処理における各機能部の機能について説明する。 Next, in the system for gripping state of the terminal 3 by the user to recognize whether corresponds to a predetermined holding state, a predetermined holding state where the grip state of the terminal 3 by the user is stored in the recognition device 1 explaining the function of each functional unit in the process of determining whether or not all content. なお、以下の説明において、判定及び検証の対象となる把持状態を「第2の把持状態」とする。 In the following description, the gripping state to be determined and verified as "second gripping state".

把持データ取得部11は、第2の把持状態に基づき取得された把持データ群を第2把持データ群として取得する。 Gripping the data acquisition unit 11 acquires the gripping data group acquired on the basis of the second gripping state as the second gripping data group. 即ち、第2把持データ群は、判定及び検証の対象となる検証用把持データである。 That is, the second gripping data group is a verification gripping data to be determined and verified. 第2の把持データ群は、第2の把持状態でユーザに把持された端末3において検出部31により検出され、さらに送信部32により送信されたデータである。 Second gripping data group is detected by the detection unit 31 in the terminal 3 which is gripped by the user in the second gripping condition, a further data transmitted by the transmission unit 32.

ノイズ除去部12は、把持データ取得部11により取得された第2把持データ群に含まれる把持データに含まれるノイズを、第1の把持データ群と同様に除去する。 Noise removing unit 12, the noise included in the gripping data included in the second gripping data group acquired by the grip data acquisition unit 11 is removed in the same manner as the first gripping data group.

時間変動把持データ算出部13は、ノイズ除去部12によりノイズが除去された第2把持データ群に基づく時間変動把持データを第2時間変動把持データとして算出する。 Time variation grip data calculating unit 13 calculates the time variation gripping data based on the second grasping data group from which noise is removed by the noise removing section 12 as the second time variation gripping data. ここで算出された第2時間変動把持データは、式(19)により示される。 Here the second time variation gripping data calculated by the represented by the formula (19). なお、式(19)及びその他の式において、文字Vは、第2の把持状態に基づく検証用のデータに関するものであることを意味する。 In the equation (19) and other formulas, letter V means that it relates to data for verification based on the second gripping state.

確率密度関数生成部14は、時間変動把持データ算出部13により算出された第2時間変動把持データに基づく確率密度関数を第2確率密度関数として生成する。 Probability density function generating unit 14 generates a probability density function based on the second time variation gripping data calculated by the time variation grip data calculating section 13 as the second probability density function.

特徴ベクトル規定部15は、基準確率密度関数と、確率密度関数生成部14により生成された第2確率密度関数との分布の類似度として定義されるJS情報量を算出する。 Feature vector defining portion 15 calculates a reference probability density function, the JS amount of information that is defined as the similarity of the distribution of the second probability density function generated by a probability density function generating unit 14. さらに、特徴ベクトル規定部15は、第2確率密度関数に基づくJS情報量の算出を、把持データを取得するための全てのセンサ(i=1,2,・・・,N)について実施して、第1特徴ベクトルと同様に、全てのセンサに関するN個のJS情報量からなるJS情報量特徴ベクトルJSD(Y Tv )を、第2特徴ベクトルとして規定する。 Further, the feature vector defining portion 15, a JS information amount calculated based on the second probability density function, all sensors for acquiring the grip data was performed (i = 1,2, ···, N) for , similarly to the first feature vector, all N a sensor of JS information JS information amount consists weight feature vector JSD the (Y Tv), defined as a second feature vector.

類似尺度算出部19は、特徴ベクトル規定部19により規定された第2特徴ベクトルと、把持状態情報記憶部18に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す類似尺度を算出する。 Similarity measure calculating unit 19, a second feature vector defined by the feature vector defining portion 19, the degree of similarity between the first feature vector included in the first holding state information stored in the holding state information storage unit 18 to calculate the similarity measure that shows. 具体的には、類似尺度算出部19は、例えば、式(21)により、類似尺度Sim(JSD(Y Tv ),JSD(Y ))を算出する。 Specifically, similarity measure calculating unit 19, for example, by the equation (21), similarity measure Sim calculates the (JSD (Y Tv), JSD (Y T)). なお、式(21)では、類似尺度をJS情報量特徴ベクトルのユークリッド距離として算出しているが、類似尺度の算出はこの手法に限定されない。 In formula (21), but to calculate the similarity measure as a Euclidean distance JS information amount feature vectors, calculating a similarity measure is not limited to this approach.

判定部20は、類似尺度算出部19により算出された類似尺度が所定の閾値以上である場合に、第2の把持状態が第1の把持状態に該当すると判定する。 Determining unit 20, when similarity measure calculated by the similarity measure calculating unit 19 is equal to or greater than a predetermined threshold value, determines that the second gripping state corresponds to the first gripping state. 具体的には、判定部20は、類似尺度Sim(JSD(Y Tv ),JSD(Y ))が所定の閾値Th judge以上であるか否かを判定する。 More specifically, the determination unit 20, similarity measure Sim (JSD (Y Tv), JSD (Y T)) is equal to or a predetermined threshold value Th judge more.

認識情報送信部21は、判定部20による判定の結果に関する認識情報を端末3に送信する。 Recognition information transmitting unit 21 transmits the recognition information about the result of the determination by the determination unit 20 to the terminal 3. 例えば、認識システム100が端末3のユーザ認証を行うようなシステムである場合には、端末3の正当なユーザの把持状態を第1の把持状態として認識装置に予め登録しておき、ユーザの認証時の把持状態を第2の把持状態として、認識装置1における認識処理が実行される。 For example, when the recognition system 100 is a system that performs user authentication of the terminal 3, previously registered in advance, the authentication of the user to the recognition device the holding state of the authorized user of the terminal 3 as the first gripping state as a second gripping state grasping state when the recognition processing in the recognition unit 1 is executed. この場合には、認識情報は、ユーザ認証の結果に関する情報であることができる。 In this case, the recognition information may be information about the result of the user authentication.

次に、図7を参照して、認識システム100及び認識装置1における認識方法の処理内容を説明する。 Next, with reference to FIG. 7, the processing content of the recognition process in the recognition system 100 and the recognition device 1.

まず、検出部31は、第2の把持データを検出する(S11)。 First, the detection unit 31 detects the second gripping data (S11). 第2の把持データは、把持状態の認識処理における判定及び検証用のデータの基となるデータであって、第2の把持状態に基づき取得されたものである。 Second gripping data is data on which to base data for determination and verification in the recognition processing of the gripping state, was acquired on the basis of the second gripping state. 続いて、送信部32は、時系列の把持データからなる第2の把持データ群を認識装置1に送信する(S12)。 Subsequently, the transmitting unit 32, the second gripping data group composed of the gripping time-series data and transmits the recognition device 1 (S12).

第2の把持データ群が端末3から送信されると、把持データ取得部11は、第2の把持状態に基づき取得された第2把持データ群を取得する(S13)。 When the second gripping data group is transmitted from the terminal 3, the grip data acquisition unit 11 acquires the second gripping data group acquired on the basis of the second gripping state (S13). 次に、ノイズ除去部12は、第2把持データ群に含まれる把持データに含まれる種々のノイズを除去する(S14)。 Next, the noise removal unit 12 removes the various noises contained in the grip data included in the second gripping data group (S14). 続いて、時間変動把持データ算出部13は、ステップS14においてノイズ除去部12によりノイズが除去された第2把持データ群に基づく時間変動把持データを第2時間変動把持データとして算出する(S15)。 Subsequently, time variation grip data calculating unit 13 calculates the time variation gripping data based on the second grasping data group from which noise has been removed by the noise removal unit 12 in step S14 as the second time variation gripping data (S15). そして、確率密度関数生成部14は、時間変動把持データ算出部13により算出された第2時間変動把持データに基づく確率密度関数を第2確率密度関数として生成する(S16)。 The probability density function generating unit 14 generates a probability density function based on the second time variation gripping data calculated by the time variation grip data calculating section 13 as the second probability density function (S16).

次に、特徴ベクトル規定部15は、基準確率密度関数と、確率密度関数生成部14により生成された第2確率密度関数との分布の類似度として定義されるJS情報量を算出する。 Then, feature vectors defining portion 15 calculates a reference probability density function, the JS amount of information that is defined as the similarity of the distribution of the second probability density function generated by a probability density function generating unit 14. さらに、特徴ベクトル規定部15は、第2確率密度関数に基づくJS情報量の算出を、把持データを取得するための全てのセンサ(i=1,2,・・・,N)について実施して、第1特徴ベクトルと同様に、全てのセンサに関するN個のJS情報量からなるJS情報量特徴ベクトルJSD(Y Tv )を、第2特徴ベクトルとして規定する(S17)。 Further, the feature vector defining portion 15, a JS information amount calculated based on the second probability density function, all sensors for acquiring the grip data was performed (i = 1,2, ···, N) for , similarly to the first feature vector, all N a sensor of JS information JS information amount consists weight feature vector JSD the (Y Tv), defined as a second feature vector (S17).

次に、類似尺度算出部19は、特徴ベクトル規定部19により規定された第2特徴ベクトルと、把持状態情報記憶部18に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す類似尺度を算出する(S18)。 Next, similarity measure calculating unit 19, a second feature vector defined by the feature vector defining portion 19, between the first feature vector included in the first holding state information stored in the holding state information storage unit 18 calculating a similarity measure indicating the similarity degree (S18). 続いて、判定部20は、類似尺度算出部19により算出された類似尺度が所定の閾値以上である場合に、第2の把持状態が第1の把持状態に該当すると判定する(S19)。 Then, determination unit 20, when similarity measure calculated by the similarity measure calculating unit 19 is equal to or greater than a predetermined threshold value, determines that the second gripping state corresponds to the first gripping state (S19). そして、認識情報送信部21は、判定部20による判定の結果に関する認識情報を端末3に送信する(S18)。 The recognition information transmitting unit 21 transmits the recognition information about the result of the determination by the determination unit 20 to the terminal 3 (S18).

続いて、認識情報受信部33は、認証装置1から送信された認識情報を受信する(S19)。 Subsequently, the recognition information receiving unit 33 receives the recognition information transmitted from the authentication device 1 (S19). そして、実行部34は、認識情報受信部33により受信された認識情報に応じた所定の処理を実行する(S20)。 The execution unit 34 executes a predetermined process according to the received identification information by the recognition information receiving unit 33 (S20).

このように、ユーザによる端末3の把持状態を示す把持データに応じて、端末3において所定の処理を実行させることができるので、ユーザに対して特段の操作を強いることなく、端末3の把持のみにより端末3に対する入力が実現する。 Thus, depending on the gripping data indicating the gripping state of the terminal 3 by the user, since the terminal 3 can execute a predetermined processing, without forcing a special operation for the user, only the gripping of the terminal 3 input to terminal 3 is realized by.

次に、ユーザによる端末3の把持状態が所定の把持状態に該当するか否かを認識するためのシステムにあって、照合用の把持状態情報の更新処理における各機能部の機能について説明する。 Next, in the system for gripping state of the terminal 3 by the user to recognize whether corresponds to a predetermined holding state, a description will be given of the function of each functional unit in the updating process of the holding state information for matching. なお、以下の説明において、更新用の把持状態情報の基となる把持状態を「第3の把持状態」とし、更新用の把持状態情報による更新を実施するか否かを検証するための把持状態を「第4の把持状態」とする。 In the following description, the gripping state on which to base holding state information for updating the "third gripping state", the grasping condition for verifying whether or not to perform the update by the holding state information for updating It is referred to as "the fourth gripping state".

把持データ取得部11は、第3の把持状態に基づき取得された把持データ群を更新用把持データ群として取得する。 Gripping the data acquisition unit 11 obtains the third obtained gripped data groups based on the holding state as update grasping data group. 更新用把持データ群は、第3の把持状態でユーザに把持された端末3において検出部31により検出され、さらに送信部32により送信されたデータである。 Update gripping data group is detected by the detection unit 31 in the terminal 3 which is gripped by the user in the third gripping state, a further data transmitted by the transmission unit 32.

ノイズ除去部12は、把持データ取得部11により取得された更新用把持データ群に含まれる把持データに含まれるノイズを、第1の把持データ群と同様に除去する。 Noise removing unit 12, the noise included in the gripping data included in the update gripping data group acquired by the grip data acquisition unit 11 is removed in the same manner as the first gripping data group.

時間変動把持データ算出部13は、ノイズ除去部12によりノイズが除去された更新用把持データ群に基づく時間変動把持データを更新用時間変動把持データとして算出する。 Time variation grip data calculating unit 13 calculates the time variation gripping data based on the update gripping data group from which noise is removed by the noise removing section 12 as the update time variation gripping data.

確率密度関数生成部14は、時間変動把持データ算出部13により算出された更新用時間変動把持データに基づく確率密度関数を更新用確率密度関数として生成する。 Probability density function generating unit 14 generates a probability density function based on the calculated update time variation gripped data by time variation grip data calculating section 13 as the updated probability density function.

特徴ベクトル規定部15は、基準確率密度関数と、確率密度関数生成部14により生成された更新用確率密度関数との分布の類似度として定義されるJS情報量を算出する。 Feature vector defining portion 15 calculates a reference probability density function, the JS amount of information that is defined as the similarity of the distribution of the probability density function for updating the probability density function generated by the generator 14. 更に、特徴ベクトル規定部15は、更新用確率密度関数に基づき算出されたJS情報量の算出を、把持データを取得するための全てのセンサ(i=1,2,・・・,N)について実施して、JS情報量特徴ベクトルJSD(Y TU )を、更新用特徴ベクトルとして規定する。 Further, the feature vector defining portion 15, the calculation of the update probability density function calculated JS amount of information on the basis of all of the sensors for acquiring the grip data (i = 1,2, ···, N) for was performed, the JS information amount feature vector JSD (Y TU), defined as an update for the feature vector.

把持状態情報格納部17は、特徴ベクトル規定部15により規定された更新用特徴ベクトルを含む第3の把持状態情報を、把持状態情報記憶部18に記憶させる。 Holding state information storage unit 17, the third holding state information including the updating feature vectors defined by the feature vector defining portion 15, and stores the holding state information storage unit 18.

なお、第1の把持状態に該当すると判定された第2の把持状態を第3の把持状態と見なすこととして、第2の把持データ群を更新用把持データ群として用いて、以上説明した把持データ取得部11による更新用把持データ群の取得から、事後確率分布算出部16による更新用事後確率分布の算出に至る処理を実施することとしてもよい。 Incidentally, the grip data and the second gripping state determined to correspond to the first gripping state as be regarded as a third holding state, with the second gripping data group as update grasping data group, described above from the acquisition of the update gripping data group by the acquisition unit 11, it is also possible to carry out the process leading to the calculation of the updating posterior probability distribution by posterior probability distribution calculating unit 16.

また、把持データ取得部11は、更新用の把持状態情報による更新を実施するか否かを検証するための第4の把持状態に基づき取得された把持データ群を更新検証用把持データ群として取得する。 Further, the grip data acquisition unit 11 acquires the fourth based on gripping state obtained gripped data group for verifying by whether or not to perform the update holding state information for updating the update verification gripping data group to. 更新検証用把持データ群は、第4の把持状態でユーザに把持された端末3において検出部31により検出され、さらに送信部32により送信されたデータである。 Update verification gripping data group is detected by the detection unit 31 in the fourth terminal 3 held by the user in a gripping state of a further data transmitted by the transmission unit 32.

ノイズ除去部12は、把持データ取得部11により取得された更新検証用把持データ群に含まれる把持データに含まれるノイズを、第1の把持データ群と同様に除去する。 Noise removing unit 12, the noise included in the gripping data included in has been updated verification gripping data group acquired by the holding data acquisition unit 11 is removed in the same manner as the first gripping data group.

時間変動把持データ算出部13は、ノイズ除去部12によりノイズが除去された更新検証用把持データ群に基づく時間変動把持データを更新検証用時間変動把持データとして算出する。 Time variation grip data calculating unit 13 calculates the time variation gripping data based on the update verification gripping data group from which noise has been removed by the noise removing unit 12 as an update verification time variation gripping data.

確率密度関数生成部14は、時間変動把持データ算出部13により算出された更新検証用時間変動把持データに基づく確率密度関数を更新検証用確率密度関数として生成する。 Probability density function generating unit 14 generates a probability density function based on the calculated updated verification time variation gripped data by time variation grip data calculating unit 13 as an update verification probability density function.

特徴ベクトル規定部15は、基準確率密度関数と、確率密度関数生成部14により生成された更新検証用確率密度関数との分布の類似度として定義されるJS情報量を算出する。 Feature vector defining portion 15 calculates a reference probability density function, the JS amount of information that is defined as the similarity of the distribution of the renewal verification probability density function generated by a probability density function generating unit 14. 更に、特徴ベクトル規定部15は、更新検証用確率密度関数に基づき算出されたJS情報量の算出を、把持データを取得するための全てのセンサ(i=1,2,・・・,N)について実施して、JS情報量特徴ベクトルJSD(Y Tv )を、更新検証用特徴ベクトルとして規定する。 Further, the feature vector defining portion 15, the calculation of the JS information amount calculated based on the updated verification probability density function, all sensors for acquiring the grip data (i = 1,2, ···, N) It was performed for the JS information amount feature vector JSD (Y Tv), defined as an update verification feature vectors.

第2類似尺度算出部22は、特徴ベクトル規定部15により規定された更新検証用特徴ベクトルと、把持状態情報記憶部18に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す第1の類似尺度Sim(JSD(Y Tv ),JSD(Y ))を算出する。 The second similarity measure calculating unit 22, a defined updated verification feature vectors by the feature vector defining portion 15, a first feature vector included in the first holding state information stored in the holding state information storage unit 18 of the the first similarity measure Sim showing the degree of similarity to calculate the (JSD (Y Tv), JSD (Y T)). また、第2類似尺度算出部22は、更新検証用特徴ベクトルと、特徴ベクトル規定部15により規定された更新用特徴ベクトルとの類似度合いを示す第2の類似尺度Sim(JSD(Y Tv ),JSD(Y TU ))をそれぞれ算出する。 The second similarity measure calculating unit 22, the update verification feature vector, the second similarity measure indicating the similarity degree between updating feature vectors defined by the feature vector defining portion 15 Sim (JSD (Y Tv) , JSD the (Y TU)) is calculated. 第1及び第2の類似尺度は、例えば、式(21)により算出される。 First and second similarity measure, for example, is calculated by the equation (21).

第2判定部23は、第2類似尺度算出部22により算出された第1の類似尺度より第2の類似尺度の方が大きいか否かを判定する。 The second determination unit 23 determines whether first whether the larger of the second similarity measure than similarity measure calculated by the second similarity measure calculating unit 22. 具体的には、第2判定部23は、式(22)及び式(23)に示すように、第1の類似性尺度より第2の類似性尺度の方が大きいか否かを判定する。 Specifically, the second determination unit 23, as shown in equation (22) and (23), determines whether the larger of the second similarity measure than the first similarity measure.

更新部24は、第2判定部23により第1の類似尺度より第2の類似尺度の方が大きいと判定された場合に、把持状態情報記憶部18に記憶された第1の把持状態情報を、更新用特徴ベクトルを含む第3の把持状態情報に更新する。 Updating unit 24, when the second determination unit 23 is determined is larger than the first similarity measure second similarity measure, the first holding state information stored in the holding state information storage unit 18 It is updated to the third holding state information including the updating feature vectors.

次に、図8を参照して、照合用の把持状態情報の更新処理における処理内容を説明する。 Next, with reference to FIG. 8, the processing contents of the update processing of the holding state information for matching.

まず、検出部31は、更新用把持データを検出する(S31)。 First, the detection unit 31 detects the update gripping data (S31). 更新用把持データは、第3の把持状態に基づき取得されたものである。 Grasping data update is one that is acquired on the basis of the third gripping state. 続いて、送信部32は、時系列の把持データからなる更新用把持データ群を認識装置1に送信する(S32)。 Subsequently, the transmitting unit 32, when updating gripping data group composed of grasping the data series transmitted to the recognition apparatus 1 (S32).

更新用把持データ群が端末3から送信されると、把持データ取得部11は、第3の把持状態に基づき取得された更新用把持データ群を取得する(S33)。 When the update grasping data group is transmitted from the terminal 3, the grip data acquisition unit 11 obtains the third acquired update gripping data groups based on the gripping state of the (S33). 次に、ノイズ除去部12は、更新用把持データ群に含まれる把持データに含まれる種々のノイズを除去する(S34)。 Next, the noise removal unit 12, a variety of noise included in the gripping data included in the update gripping data group is removed (S34). 続いて、時間変動把持データ算出部13は、ステップS34においてノイズ除去部12によりノイズが除去された把持データ群に基づく時間変動把持データを更新用時間変動把持データとして算出する(S35)。 Subsequently, the time variation grip data calculating unit 13 calculates the time variation gripping data based on grasping the data group from which noise has been removed by the noise removal unit 12 in step S34 as an update for time variation gripping data (S35).

次に、確率密度関数生成部14は、時間変動把持データ算出部13により算出された更新用時間変動把持データに基づく確率密度関数を更新用確率密度関数として生成する(S36)。 Then, the probability density function generating unit 14 generates a probability density function based on a calculated update time variation gripping data as updating the probability density function by time variation grip data calculating unit 13 (S36). 続いて、特徴ベクトル規定部15は、基準確率密度関数と、確率密度関数生成部14により生成された更新用確率密度関数との分布の類似度として定義されるJS情報量を算出する。 Then, feature vectors defining portion 15 calculates a reference probability density function, the JS amount of information that is defined as the similarity of the distribution of the probability density function for updating the probability density function generated by the generator 14. 更に続いて、特徴ベクトル規定部15は、更新用確率密度関数に基づき算出されたJS情報量の算出を、把持データを取得するための全てのセンサ(i=1,2,・・・,N)について実施して、JS情報量特徴ベクトルJSD(Y TU )を、更新用特徴ベクトルとして規定する(S37)。 Further subsequently, the feature vector defining portion 15, the calculation of the update probability density based on the function calculated JS information amount, all sensors for acquiring the grip data (i = 1,2, ···, N ) was performed on a JS information amount feature vector JSD (Y TU), defined as the updating feature vectors (S37).

そして、把持状態情報格納部17は、特徴ベクトル規定部15により生成された更新用特徴ベクトルJSD(Y TU )を含む第3の把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶部18に記憶させる(S38)。 The holding state information storage unit 17, the third holding state information including the feature vector defining portion 15 generated update feature vectors JSD by (Y TU), as information for recognizing a gripping state, gripping state It is stored in the information storage unit 18 (S38).

一方、検出部31は、更新検証用把持データを検出する(S41)。 On the other hand, the detection unit 31 detects the grip data for update verification (S41). 更新検証用把持データは、第4の把持状態に基づき取得されたものである。 Grasping data update validation are those obtained on the basis of the fourth gripping state. 続いて、送信部32は、時系列の把持データからなる更新検証用把持データ群を認識装置1に送信する(S42)。 Subsequently, the transmitting unit 32, when the update verification gripping data group composed of grasping the data series transmitted to the recognition apparatus 1 (S42).

更新検証用把持データ群が端末3から送信されると、把持データ取得部11は、第4の把持状態に基づき取得された更新検証用把持データ群を取得する(S43)。 When the update verification gripping data group is transmitted from the terminal 3, the grip data acquisition unit 11 acquires the fourth acquired updated verification gripping data groups based on the gripping state of the (S43). 次に、ノイズ除去部12は、更新検証用把持データ群に含まれる把持データに含まれる種々のノイズを除去する(S44)。 Next, the noise removal unit 12, a variety of noise included in the gripping data included in the update verification gripping data group is removed (S44). 続いて、時間変動把持データ算出部13は、ステップS44においてノイズ除去部12によりノイズが除去された把持データ群に基づく時間変動把持データを更新検証用時間変動把持データとして算出する(S45)。 Subsequently, time variation grip data calculating unit 13 calculates the time variation gripping data based on grasping the data group from which noise has been removed by the noise removal unit 12 in step S44 as an update verification time variation gripping data (S45).

次に、確率密度関数生成部14は、時間変動把持データ算出部13により算出された更新検証用時間変動把持データに基づく確率密度関数を更新検証用確率密度関数として生成する(S46)。 Then, the probability density function generating unit 14 generates a probability density function based on the calculated updated verification time variation gripping data as an update verification probability density function by time variation grip data calculating unit 13 (S46). 続いて、特徴ベクトル規定部15は、基準確率密度関数と、確率密度関数生成部14により生成された更新検証用確率密度関数との分布の類似度として定義されるJS情報量を算出する。 Then, feature vectors defining portion 15 calculates a reference probability density function, the JS amount of information that is defined as the similarity of the distribution of the renewal verification probability density function generated by a probability density function generating unit 14. 更に、特徴ベクトル規定部15は、更新検証用確率密度関数に基づき算出されたJS情報量の算出を、把持データを取得するための全てのセンサ(i=1,2,・・・,N)について実施して、JS情報量特徴ベクトルJSD(Y )を、更新検証用特徴ベクトルとして規定する(S47)。 Further, the feature vector defining portion 15, the calculation of the JS information amount calculated based on the updated verification probability density function, all sensors for acquiring the grip data (i = 1,2, ···, N) It was performed for the JS information amount feature vector JSD (Y T), defined as an update verification feature vector (S47).

次に、第2類似尺度算出部22は、特徴ベクトル規定部15により規定された更新検証用特徴ベクトルと、把持状態情報記憶部18に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す第1の類似尺度Sim(JSD(Y Tv ),JSD(Y ))、及び更新検証用特徴ベクトルと、特徴ベクトル規定部15により規定された更新用特徴ベクトルとの類似度合いを示す第2の類似尺度Sim(JSD(Y Tv ),JSD(Y TU ))をそれぞれ算出する(S48)。 Next, a second similarity measure calculating unit 22, a first feature that is included with the update verification feature vector defined by the feature vector defining portion 15, the first holding state information stored in the holding state information storage unit 18 the first similarity measure Sim indicating the degree of similarity between the vector (JSD (Y Tv), JSD (Y T)), and the update verification feature vectors, the update feature vector defined by the feature vector defining portion 15 the second similarity measure Sim showing the degree of similarity is calculated (JSD (Y Tv), JSD (Y TU)) , respectively (S48).

続いて、第2判定部23は、第2類似尺度算出部22により算出された第1の類似尺度より第2の類似尺度の方が大きいか否かを判定する(S49)。 Subsequently, the second determination unit 23 determines whether first whether the larger of the second similarity measure than similarity measure calculated by the second similarity measure calculating unit 22 (S49). そして、ステップS49において、第1の類似尺度より第2の類似尺度の方が大きいと判定された場合に、更新部24は、把持状態情報記憶部18に記憶された第1の把持状態情報を、更新用特徴ベクトルを含む第3の把持状態情報に更新する(S50)。 Then, in step S49, the in when it is determined that the than the first similarity measure of a second similarity measure is greater, the updating unit 24, the first holding state information stored in the holding state information storage unit 18 It is updated to the third holding state information including the updating feature vectors (S50).

以上のように把持状態情報の更新処理が行われることにより、把持状態を認識するための情報として適切な把持状態情報が把持状態情報記憶部18に格納される。 By updating the holding state information is performed as described above, suitable holding state information is stored in the holding state information storage section 18 as information for recognizing the gripping state. 従って、例えば、第1の把持状態に該当すると判定された第2の把持状態に基づく第2の把持データを更新用把持データとして採用することにより、把持状態の認識のために参照される把持状態情報を、例えば経年的な変化に応じて、適切な情報に保つことができる。 Thus, for example, by employing the second gripping data based on the second gripping state determined to correspond to the first gripping state as update grasping data, gripping state to be referred to for the recognition of gripping state information, for example, depending on secular change can be kept to appropriate information.

本実施形態の認識装置1、認識方法及び認識システムによれば、ユーザによる端末3の把持状態を示す把持データの認識により端末3への入力操作を実現させるので、ユーザに対して特段の操作が強いられない。 Recognition apparatus 1 of the present embodiment, according to the recognition method and recognition system, so to realize the input operation to the terminal 3 by the recognition of the gripping data indicating the gripping state of the terminal 3 by the user, special operations on the user strong is not. また、把持データの時間変動を示す時間変動データから統計的手法により算出した確率密度関数と、基準確率密度関数との分布の類似度を表す特徴ベクトルを、把持状態を認識するための把持状態情報として記憶するので、把持データを検出するための検出装置固有の事情に起因するノイズや、その他の突発的なノイズに対してロバストである。 Further, a probability density function calculated by statistical method from the time variation data indicative of a time variation of the grasping data, a feature vector representing the similarity of the distribution of the reference probability density function, holding state information for recognizing the gripping state since stored as noise or due to detector-specific circumstances for detecting grasping data is robust for other unexpected noise. そして、種々のノイズに対してロバストな把持状態情報に基づき、把持状態が認識されるので、高精度な認識処理に基づく端末3への入力が実現される。 Then, based on the robust holding state information for a variety of noise, since the grasping condition is recognized, the input to the terminal 3 based on the highly accurate recognition can be realized.

以上、本発明をその実施形態に基づいて詳細に説明した。 It has been described in detail with reference to the present invention to that embodiment. しかし、本発明は上記実施形態に限定されるものではない。 However, the present invention is not limited to the above embodiment. 本発明は、その要旨を逸脱しない範囲で様々な変形が可能である。 The present invention can be modified in various ways without departing from the scope thereof.

1…認識装置、100…認識システム、3…端末、11…把持データ取得部、12…ノイズ除去部、13…時間変動把持データ算出部、14…確率密度関数生成部、15…特徴ベクトル規定部、16…把持状態情報格納部、18…把持状態情報記憶部、19…類似尺度算出部、20…判定部、21…認識情報送信部、22…第2類似尺度算出部、23…第2判定部、24…更新部、31…検出部、32…送信部、33…認識情報受信部、34…実行部。 1 ... recognition apparatus, 100 ... recognition system, 3 ... terminal, 11 ... grip data acquisition unit, 12 ... noise removing unit, 13 ... time variation grip data calculating unit, 14 ... probability density function generating unit, 15 ... feature vector defining portion , 16 ... holding state information storage unit, 18 ... holding state information storage unit, 19 ... similarity measure calculating unit, 20 ... determining unit, 21 ... recognition information transmitting unit, 22 ... second similarity measure calculating unit, 23 ... second determination parts, 24 ... update unit, 31 ... detection unit, 32 ... transmission unit, 33 ... recognition information receiving unit, 34 ... execution unit.

Claims (7)

  1. ユーザによる端末の把持状態を示し該端末において時系列に検出された複数の把持データを含む把持データ群に基づき、ユーザによる端末の把持状態を認識する認識装置であって、 Based on the gripping data group including a plurality of gripping data detected in a time series in the terminal shows a holding state of the terminal by the user, a recognizing device holding state of the terminal by the user,
    第1の把持状態に基づき取得された前記把持データ群を第1把持データ群として取得する第1把持データ取得手段と、 A first gripping data acquisition means for acquiring the grip data group acquired based on the first gripping state as the first gripping data group,
    前記把持データ群に含まれる各時刻における前記把持データの時間変動を示す時間変動データの群からなる時間変動把持データであって、前記第1把持データ取得手段により取得された第1把持データ群に基づく前記時間変動把持データを第1時間変動把持データとして算出する第1時間変動把持データ算出手段と、 A time variation gripping data consisting of the group of time variation data indicative of a time variation of the grasping data at each time included in the gripping data group, the first gripping data group acquired by the first gripping data acquisition means a first time change gripping data calculation means for calculating the time variation gripping data based the first hour variation grasping data,
    時間変動把持データに示される時間変動の変動状態を示す確率密度関数であって、前記第1時間変動把持データ算出手段により算出された第1時間変動把持データに基づく前記確率密度関数を第1確率密度関数として生成する第1確率密度関数生成手段と、 A probability density function indicating the variation state of the time variation shown in time variation gripping data, the probability density function of the first probability based on the first hour variation gripping data calculated by the first hour variation gripping data calculation means a first probability density function generating means for generating as a density function,
    基準とする基準時間変動把持データに基づき生成された確率密度関数である基準確率密度関数と、前記第1確率密度関数生成手段により生成された第1確率密度関数との分布の類似度を算出し、算出された該分布の類似度を第1特徴ベクトルとして規定する第1特徴ベクトル規定手段と、 A reference probability density function is a probability density function generated based on the reference time variation gripping data as a reference, and calculates similarity of the distribution of the first probability density function generated by the first probability density function generating means a first feature vector defining means for defining the degree of similarity 該分 cloth calculated as the first feature vector,
    前記第1特徴ベクトル規定手段により生成された第1の特徴ベクトルを含む第1の把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶手段に記憶させる把持状態情報格納手段と、 A first holding state information including the first feature vector generated by said first feature vector defining means, as the information for recognizing the gripping state, the holding state information storage means for storing the holding state information storage means ,
    第2の把持状態に基づき取得された前記把持データ群を第2把持データ群として取得する第2把持データ取得手段と、 A second gripping data acquisition means for acquiring the grip data group acquired on the basis of the second gripping state as the second gripping data group,
    前記第2把持データ取得手段により取得された第2把持データ群に基づく前記時間変動把持データを第2時間変動把持データとして算出する第2時間変動把持データ算出手段と、 A second time change gripping data calculation means for calculating the time variation gripping data based on the second grasping data group obtained as the second time variation gripping data by said second gripping data acquisition means,
    前記第2時間変動把持データ算出手段により算出された第2時間変動把持データに基づく前記確率密度関数を、第2確率密度関数として生成する第2確率密度関数生成手段と、 The probability density function based on the second time variation gripping data calculated by the second time variation gripping data calculating means, and the second probability density function generating means for generating a second probability density function,
    前記基準確率密度関数と、前記第2確率密度関数生成手段により生成された第2確率密度関数との分布の類似度を算出し、算出された分布の類似度を第2特徴ベクトルとして規定する第2特徴ベクトル規定手段と、 The defining said reference probability density function, the second to calculate the similarity of the distribution of the second probability density function generated by a probability density function creating means, the similarity of the calculated distribution as a second feature vector and 2 feature vectors defining means,
    前記第2特徴ベクトル規定手段により規定された第2特徴ベクトルと、前記把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す類似尺度を算出する類似尺度算出手段と、 Calculating a second feature vector defined by the second feature vector defining means, the similarity measure indicating the similarity degree between the first feature vector included in the first holding state information stored in the holding state information storage means and the similarity measure calculating means for,
    前記類似尺度算出手段により算出された類似尺度が所定の閾値以上である場合に、前記第2の把持状態が前記第1の把持状態に該当すると判定する判定手段と、 If similarity measure calculated by the similarity measure calculating means is equal to or greater than a predetermined threshold value, a determination unit and the second gripping state corresponds to the first gripping state,
    を備える認識装置。 Recognition apparatus comprising a.
  2. 第3の把持状態に基づき取得された前記把持データ群を更新用把持データ群として取得する更新用把持データ取得手段と、 And updating grip data acquisition means for acquiring a third based on gripping state acquired the gripping data group as update grasping data group,
    前記更新用把持データ取得手段により取得された更新用把持データ群に基づく前記時間変動把持データを、更新用時間変動把持データとして算出する更新用時間変動把持データ算出手段と、 Wherein the time variation gripping data based on the update grasping update gripping data group acquired by the data acquisition unit, and the update time varies gripping data calculation means for calculating the update time variation grasping data,
    前記更新用時間変動把持データ算出手段により算出された更新用時間変動把持データに基づく前記確率密度関数を、更新用確率密度関数として生成する更新用確率密度関数生成手段と、 The probability density function based on a calculated update time varies gripped data by the update time variation gripping data calculating means, and updating the probability density function generating means for generating as an update probability density function,
    前記基準確率密度関数と、前記更新用確率密度関数生成手段により生成された更新用確率密度関数との分布の類似度を算出し、算出された分布の類似度を更新用特徴ベクトルとして規定する更新用特徴ベクトル規定手段と、 It said reference probability density function, calculates a similarity distribution between updating the probability density function generated by the update probability density function generating means, defining the similarity of the calculated distribution as update feature vector updating and use the feature vector defining means,
    第4の把持状態に基づき取得された前記把持データ群を更新検証用把持データ群として取得する更新検証用把持データ取得手段と、 The update verification gripping data acquisition means for acquiring a fourth based on gripping state acquired the gripping data set as an update verification gripping data group,
    前記更新検証用把持データ取得手段により取得された更新検証用把持データ群に基づく前記時間変動把持データを更新検証用時間変動把持データとして算出する更新検証用時間変動把持データ算出手段と、 And it has been updated verification update verification time variation gripping data calculation means for calculating the time variation gripping data based on grasping data group as the update verification time variation gripped data acquired by the update verification gripping data acquisition means,
    前記更新検証用時間変動把持データ算出手段により算出された更新検証用時間変動把持データに基づく前記確率密度関数を、更新検証用確率密度関数として生成する更新検証用確率密度関数生成手段と、 And updating the verification probability density function generating means for the probability density function based on the calculated updated verification time variation grasping data, generated as updated verification probability density function by the update verification time variation gripping data calculating means,
    前記基準確率密度関数と、前記更新検証用確率密度関数生成手段により生成された更新検証用確率密度関数との分布の類似度を算出し、算出された分布の類似度を更新検証用特徴ベクトルとして規定する更新検証用特徴ベクトル規定手段と、 Said reference probability density function, the update of the distribution of the renewal verification probability density function generated by verification probability density function generating means calculates the degree of similarity, the similarity of the calculated distribution as an update verification feature vector and update verification feature vector provisions means the provisions for,
    前記更新検証用特徴ベクトル規定手段により規定された更新検証用特徴ベクトルと、前記把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す第1の類似尺度を算出し、前記更新検証用特徴ベクトルと、前記更新用特徴ベクトル規定手段により規定された更新用特徴ベクトルとの類似度合いを示す第2の類似尺度を算出する第2類似尺度算出手段と、 Wherein the update verification feature vectors defining means by a defined updated verification feature vectors, the first indicating the degree of similarity between the first feature vector included in the first holding state information stored in the holding state information storage means of calculating the similarity measure, the update and verification feature vector, the second similarity measure calculating means for calculating a second similarity measure indicating the similarity degree between defined updating feature vectors by the updating feature vectors defining means When,
    前記第2類似尺度算出手段により算出された前記第1の類似尺度より前記第2の類似尺度の方が大きいか否かを判定する第2判定手段と、 A second determining means for determining whether the larger of the than the calculated first similarity measure second similarity measure by the second similarity measure calculating means,
    前記第2判定手段により前記第1の類似尺度より前記第2の類似尺度の方が大きいと判定された場合に、前記把持状態情報記憶手段に記憶された第1の把持状態情報を、前記更新用特徴ベクトルを含む第3の把持状態情報に更新する更新手段と、 If it is determined that the larger the second similarity measure than the first similarity measure by said second judging means, the first holding state information stored in the holding state information storage means, said updating and updating means for updating the third holding state information including a use feature vectors,
    を更に備える請求項1に記載の認識装置。 Recognition apparatus according to claim 1, further comprising a.
  3. 前記把持データ群を前記時間変動把持データの算出に用いる前に、該把持データ群に含まれる前記把持データにおける、当該把持データの検出に係る過渡状態に起因するノイズ、パルスノイズ、当該把持データに対するウェーブレットシュリンケージにより除去可能なノイズ、当該把持データの検出に係る直流成分に起因するノイズ及びガウスノイズのうちの少なくとも1つを除去するノイズ除去手段を更に備える、 Before using the gripping data group for the calculation of the time variation gripping data, noise caused in the gripping data included in the grasping data group, in a transient state in accordance with the detection of the gripping data, the pulse noise, with respect to the gripping data removable by wavelet shrinkage noise, further comprising noise removing means for removing at least one of a noise and Gaussian noise due to the DC component of the detection of the gripping data,
    請求項1または2に記載の認識装置。 Recognition apparatus according to claim 1 or 2.
  4. ユーザによる端末の把持状態を示し該端末において時系列に検出された複数の把持データを含む把持データ群に基づき、ユーザによる端末の把持状態を認識する認識装置における認識方法であって、 Based on the gripping data group including a plurality of gripping data detected in a time series in the terminal shows a holding state of the terminal by the user, a recognition method in recognizing device holding state of the terminal by the user,
    第1の把持状態に基づき取得された前記把持データ群を第1把持データ群として取得する第1把持データ取得ステップと、 A first gripping data acquisition step of acquiring the gripping data group acquired based on the first gripping state as the first gripping data group,
    前記把持データ群に含まれる各時刻における前記把持データの時間変動を示す時間変動データの群からなる時間変動把持データであって、前記第1把持データ取得ステップにおいて取得された第1把持データ群に基づく前記時間変動把持データを第1時間変動把持データとして算出する第1時間変動把持データ算出ステップと、 A time variation gripping data consisting of the group of time variation data indicative of a time variation of the grasping data at each time included in the gripping data group, the first gripping data group acquired in the first gripping data acquisition step a first time change grip data calculating step of calculating the time variation gripping data based the first hour variation grasping data,
    時間変動把持データに示される時間変動の変動状態を示す確率密度関数であって、前記第1時間変動把持データ算出ステップにおいて算出された第1時間変動把持データに基づく前記確率密度関数を第1確率密度関数として生成する第1確率密度関数生成ステップと、 A probability density function indicating the variation state of the time variation shown in time variation gripping data, the probability density function of the first probability based on the first hour variation gripping data calculated in the first hour variation gripping data calculation step a first probability density function generation step of generating a density function,
    基準とする基準時間変動把持データに基づき生成された確率密度関数である基準確率密度関数と、前記第1確率密度関数生成ステップにおいて生成された第1確率密度関数との分布の類似度を算出し、算出された該分布の類似度を第1特徴ベクトルとして規定する第1特徴ベクトル規定ステップと、 A reference probability density function is a probability density function generated based on the reference time variation gripping data as a reference, and calculates similarity of the distribution of the first probability density function generated in the first probability density function generation step a first feature vector defining step of defining a similarity 該分 cloth calculated as the first feature vector,
    前記第1特徴ベクトル規定ステップにおいて生成された第1の特徴ベクトルを含む第1の把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶手段に記憶させる把持状態情報格納ステップと、 A first holding state information including the first feature vector generated in the first feature vector defined step, as information for recognizing the gripping state, the holding state information storing step of storing in the holding state information storage means ,
    第2の把持状態に基づき取得された前記把持データ群を第2把持データ群として取得する第2把持データ取得ステップと、 A second gripping data acquisition step of acquiring the gripping data group acquired on the basis of the second gripping state as the second gripping data group,
    前記第2把持データ取得ステップにおいて取得された第2把持データ群に基づく前記時間変動把持データを第2時間変動把持データとして算出する第2時間変動把持データ算出ステップと、 A second time change grip data calculating step of calculating the time variation gripping data based on the second grasping data group obtained as the second time variation gripping data in said second gripping data acquisition step,
    前記第2時間変動把持データ算出ステップにおいて算出された第2時間変動把持データに基づく前記確率密度関数を、第2確率密度関数として生成する第2確率密度関数生成ステップと、 The probability density function based on the second time variation gripping data calculated in the second time variation gripping data calculation step, a second probability density function generation step of generating a second probability density function,
    前記基準確率密度関数と、前記第2確率密度関数生成ステップにおいて生成された第2確率密度関数との分布の類似度を算出し、算出された分布の類似度を第2特徴ベクトルとして規定する第2特徴ベクトル規定ステップと、 The defining said reference probability density function, the second to calculate the similarity of the distribution of the second probability density function generated in the probability density function generation step, similarity calculated distribution as a second feature vector and 2 feature vectors defining step,
    前記第2特徴ベクトル規定ステップにおいて規定された第2特徴ベクトルと、前記把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す類似尺度を算出する類似尺度算出ステップと、 Calculating a second feature vector defined in said second feature vector defining step, a similarity measure of the degree of similarity between the first feature vector included in the first holding state information stored in the holding state information storage means and the similarity measure calculating step of,
    前記類似尺度算出ステップにおいて算出された類似尺度が所定の閾値以上である場合に、前記第2の把持状態が前記第1の把持状態に該当すると判定する判定ステップと、 If similarity measure calculated in the similarity measure calculating step is greater than a predetermined threshold value, a determination step and the second gripping state corresponds to the first gripping state,
    を有する認識方法。 Recognition method with.
  5. 第3の把持状態に基づき取得された前記把持データ群を更新用把持データ群として取得する更新用把持データ取得ステップと、 And updating grip data acquisition step of acquiring a third said gripping data group acquired on the basis of the grip state of the update gripping data group,
    前記更新用把持データ取得ステップにおいて取得された更新用把持データ群に基づく前記時間変動把持データを、更新用時間変動把持データとして算出する更新用時間変動把持データ算出ステップと、 Wherein the time variation gripping data based on the obtained update gripping data group in updating grip data acquisition step, the update time variation gripping data calculation step of calculating as the update time variation grasping data,
    前記更新用時間変動把持データ算出ステップにおいて算出された更新用時間変動把持データに基づく前記確率密度関数を、更新用確率密度関数として生成する更新用確率密度関数生成ステップと、 The probability density function based on the calculated update time variation gripping data in the update time variation gripping data calculation step, and updating the probability density function generation step of generating as updated probability density function,
    前記基準確率密度関数と、前記更新用確率密度関数生成ステップにおいて生成された更新用確率密度関数との分布の類似度を算出し、算出された分布の類似度を更新用特徴ベクトルとして規定する更新用特徴ベクトル規定ステップと、 It said reference probability density function, calculates a similarity distribution between updating the probability density function generated in said updating the probability density function generation step, defining the similarity of the calculated distribution as update feature vector updating and use feature vectors defining step,
    第4の把持状態に基づき取得された前記把持データ群を更新検証用把持データ群として取得する更新検証用把持データ取得ステップと、 A fourth updating verification grip data acquisition step of acquiring the acquired gripping data groups based on the holding state as the updated verification gripping data group,
    前記更新検証用把持データ取得ステップにおいて取得された更新検証用把持データ群に基づく前記時間変動把持データを、更新検証用時間変動把持データとして算出する更新検証用時間変動把持データ算出ステップと、 Wherein the time variation gripping data based on the update verification gripped data acquired updated verification gripping data group acquired in step the update verification time variation gripping data calculating step of calculating for the update verification time variation gripping data,
    前記更新検証用時間変動把持データ算出ステップにおいて算出された更新検証用時間変動把持データに基づく前記確率密度関数を、更新検証用確率密度関数として生成する更新検証用確率密度関数生成ステップと、 Wherein the probability density function update verification time variation gripped data calculated updated verification time calculated in step based on the variation gripping data, and updating the verification probability density function generation step of generating as an update verification probability density function,
    前記基準確率密度関数と、前記更新検証用確率密度関数生成ステップにおいて生成された更新検証用確率密度関数との分布の類似度を算出し、算出された分布の類似度を更新検証用特徴ベクトルとして規定する更新検証用特徴ベクトル規定ステップと、 Said reference probability density function, the update of the distribution of the generated updated verification probability density function in the verification probability density function generation step calculates the degree of similarity, the similarity of the calculated distribution as an update verification feature vector the update verification feature vector defining step of defining for,
    前記更新検証用特徴ベクトル規定ステップにおいて規定された更新検証用特徴ベクトルと、前記把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す第1の類似尺度を算出し、前記更新検証用特徴ベクトルと、前記更新用特徴ベクトル規定ステップにおいて規定された更新用特徴ベクトルとの類似度合いを示す第2の類似尺度を算出する第2類似尺度算出ステップと、 The updated and prescribed updated verification feature vectors in verification feature vector defining step, the first indicating the degree of similarity between the first feature vector included in the first holding state information stored in the holding state information storage means and of calculating the similarity measure, the second similarity measure calculating step of calculating a second similarity measure indicating the degree of similarity and the update verification feature vector, the defined update feature vectors in the update feature vectors defining step When,
    前記第2類似尺度算出ステップにおいて算出された前記第1の類似尺度より前記第2の類似尺度の方が大きいか否かを判定する第2判定ステップと、 A second determination step of determining whether the larger of the second similarity measure than the first similarity measure calculated in the second similarity measure calculating step,
    前記第2判定ステップにおいて前記第1の類似尺度より前記第2の類似尺度の方が大きいと判定された場合に、前記把持状態情報記憶手段に記憶された第1の把持状態情報を、前記更新用特徴ベクトルを含む第3の把持状態情報に更新する更新ステップと、 If the direction of the second similarity measure than the first similarity measure is determined to be larger in the second determination step, the first holding state information stored in the holding state information storage means, said updating an updating step of updating the third holding state information including a use feature vectors,
    を更に有する請求項4に記載の認識方法。 Recognition method according to claim 4, further comprising a.
  6. 端末と、ユーザによる前記端末の把持状態を示し該端末において時系列に検出された複数の把持データを含む把持データ群に基づき、ユーザによる端末の把持状態を認識する認識装置と、を含む認識システムであって、 Recognition system including a terminal, on the basis of the grip data group including a plurality of gripping data detected in a time series in the terminal shows a holding state of the terminal by a user, and recognizing device holding state of the terminal by the user, a there is,
    前記端末は、 The terminal,
    前記把持データを検出する検出手段と、 Detecting means for detecting the grasping data,
    前記検出手段により時系列に検出された複数の把持データを含む把持データ群を前記認識装置に送信する送信手段と、 Transmitting means for transmitting the gripping data group to the recognition device including a plurality of gripping data detected in time series by the detecting means,
    を備え、 Equipped with a,
    前記認識装置は、 The recognition device,
    第1の把持状態に基づき取得された前記把持データ群を第1把持データ群として取得する第1把持データ取得手段と、 A first gripping data acquisition means for acquiring the grip data group acquired based on the first gripping state as the first gripping data group,
    前記把持データ群に含まれる各時刻における前記把持データの時間変動を示す時間変動データの群からなる時間変動把持データであって、前記第1把持データ取得手段により取得された第1把持データ群に基づく前記時間変動把持データを第1時間変動把持データとして算出する第1時間変動把持データ算出手段と、 A time variation gripping data consisting of the group of time variation data indicative of a time variation of the grasping data at each time included in the gripping data group, the first gripping data group acquired by the first gripping data acquisition means a first time change gripping data calculation means for calculating the time variation gripping data based the first hour variation grasping data,
    時間変動把持データに示される時間変動の変動状態を示す確率密度関数であって、前記第1時間変動把持データ算出手段により算出された第1時間変動把持データに基づく前記確率密度関数を第1確率密度関数として生成する第1確率密度関数生成手段と、 A probability density function indicating the variation state of the time variation shown in time variation gripping data, the probability density function of the first probability based on the first hour variation gripping data calculated by the first hour variation gripping data calculation means a first probability density function generating means for generating as a density function,
    基準とする基準時間変動把持データに基づき生成された確率密度関数である基準確率密度関数と、前記第1確率密度関数生成手段により生成された第1確率密度関数との分布の類似度を算出し、算出された該分布の類似度を第1特徴ベクトルとして規定する第1特徴ベクトル規定手段と、 A reference probability density function is a probability density function generated based on the reference time variation gripping data as a reference, and calculates similarity of the distribution of the first probability density function generated by the first probability density function generating means a first feature vector defining means for defining the degree of similarity 該分 cloth calculated as the first feature vector,
    前記第1特徴ベクトル規定手段により生成された第1の特徴ベクトルを含む第1の把持状態情報を、把持状態を認識するための情報として、把持状態情報記憶手段に記憶させる把持状態情報格納手段と、 A first holding state information including the first feature vector generated by said first feature vector defining means, as the information for recognizing the gripping state, the holding state information storage means for storing the holding state information storage means ,
    第2の把持状態に基づき取得された前記把持データ群を第2把持データ群として取得する第2把持データ取得手段と、 A second gripping data acquisition means for acquiring the grip data group acquired on the basis of the second gripping state as the second gripping data group,
    前記第2把持データ取得手段により取得された第2把持データ群に基づく前記時間変動把持データを第2時間変動把持データとして算出する第2時間変動把持データ算出手段と、 A second time change gripping data calculation means for calculating the time variation gripping data based on the second grasping data group obtained as the second time variation gripping data by said second gripping data acquisition means,
    前記第2時間変動把持データ算出手段により算出された第2時間変動把持データに基づく前記確率密度関数を、第2確率密度関数として生成する第2確率密度関数生成手段と、 The probability density function based on the second time variation gripping data calculated by the second time variation gripping data calculating means, and the second probability density function generating means for generating a second probability density function,
    前記基準確率密度関数と、前記第2確率密度関数生成手段により生成された第2確率密度関数との分布の類似度を算出し、算出された分布の類似度を第2特徴ベクトルとして規定する第2特徴ベクトル規定手段と、 The defining said reference probability density function, the second to calculate the similarity of the distribution of the second probability density function generated by a probability density function creating means, the similarity of the calculated distribution as a second feature vector and 2 feature vectors defining means,
    前記第2特徴ベクトル規定手段により規定された第2特徴ベクトルと、前記把持状態情報記憶手段に記憶された第1の把持状態情報に含まれる第1特徴ベクトルとの類似度合いを示す類似尺度を算出する類似尺度算出手段と、 Calculating a second feature vector defined by the second feature vector defining means, the similarity measure indicating the similarity degree between the first feature vector included in the first holding state information stored in the holding state information storage means and the similarity measure calculating means for,
    前記類似尺度算出手段により算出された類似尺度が所定の閾値以上である場合に、前記第2の把持状態が前記第1の把持状態に該当すると判定する判定手段と、 If similarity measure calculated by the similarity measure calculating means is equal to or greater than a predetermined threshold value, a determination unit and the second gripping state corresponds to the first gripping state,
    を備える認識システム。 Recognition system that includes a.
  7. 前記認識装置は、 The recognition device,
    前記判定手段による判定の結果に関する認識情報を前記端末に送信する認識情報送信手段を更に備え、 Further comprising a recognition information transmitting means for transmitting the identification information about the result of the determination by the determination means to the terminal,
    前記端末は、 The terminal,
    前記認識装置から送信された認識情報を受信する認識情報受信手段と、 And recognition information receiving means for receiving the recognition information transmitted from the recognition device,
    前記認識情報受信手段により受信された認識情報に応じた所定の処理を実行する実行手段と、を更に備える、 Further comprising an execution means for executing a predetermined process corresponding to the received identification information by the recognition information receiving means,
    請求項6に記載の認識システム。 Recognition system according to claim 6.
JP2012138871A 2012-06-20 2012-06-20 Recognition device, recognition method and recognition system Active JP5923394B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012138871A JP5923394B2 (en) 2012-06-20 2012-06-20 Recognition device, recognition method and recognition system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012138871A JP5923394B2 (en) 2012-06-20 2012-06-20 Recognition device, recognition method and recognition system

Publications (2)

Publication Number Publication Date
JP2014002655A true JP2014002655A (en) 2014-01-09
JP5923394B2 true JP5923394B2 (en) 2016-05-24

Family

ID=50035752

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012138871A Active JP5923394B2 (en) 2012-06-20 2012-06-20 Recognition device, recognition method and recognition system

Country Status (1)

Country Link
JP (1) JP5923394B2 (en)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09167041A (en) * 1995-12-15 1997-06-24 Nec Corp Keyboard lock system
JPH11308333A (en) * 1998-04-17 1999-11-05 Nec Saitama Ltd Portable telephone set having user limiting function
JP3817965B2 (en) * 1999-04-21 2006-09-06 富士ゼロックス株式会社 Detecting device
US8031175B2 (en) * 2008-04-21 2011-10-04 Panasonic Corporation Touch sensitive remote control system that detects hand size characteristics of user and adapts mapping to screen display
JP2010262557A (en) * 2009-05-11 2010-11-18 Sony Corp Information processing apparatus and method
US8535133B2 (en) * 2009-11-16 2013-09-17 Broadcom Corporation Video game with controller sensing player inappropriate activity

Also Published As

Publication number Publication date Type
JP2014002655A (en) 2014-01-09 application

Similar Documents

Publication Publication Date Title
Riesen et al. Bipartite graph matching for computing the edit distance of graphs
Roberts et al. Examples of adaptive MCMC
US5101437A (en) Method and apparatus for comparing a test handwritten signature with a reference signature by using information relative to curvilinear and angular velocities of the signature
Youssef et al. Disturbance classification utilizing dynamic time warping classifier
Liu et al. uWave: Accelerometer-based personalized gesture recognition and its applications
US20060171571A1 (en) Systems and methods for quality-based fusion of multiple biometrics for authentication
US20030084289A1 (en) Authentication method, apparatus, and system
Golyandina et al. Basic singular spectrum analysis and forecasting with R
US20160063300A1 (en) Layered filtering for biometric sensors
Maurer et al. Fusing multimodal biometrics with quality estimates via a Bayesian belief network
US8020005B2 (en) Method and apparatus for multi-model hybrid comparison system
Liu et al. User evaluation of lightweight user authentication with a single tri-axis accelerometer
Nanni et al. Combining local, regional and global matchers for a template protected on-line signature verification system
US20030138136A1 (en) Fingerprint verification apparatus, fingerprint verification method and a fingerprint verification program
Loy et al. Keystroke patterns classification using the ARTMAP-FD neural network
CN105389566A (en) Fingerprint identification method, fingerprint template updating method, fingerprint template updating device and mobile terminal
US9195879B1 (en) Air/object determination for biometric sensors
US20090243798A1 (en) Biometric authentication apparatus and biometric data registration apparatus
US20110013814A1 (en) Method and apparatus for authenticating biometric scanners
US20120082348A1 (en) Biometric authentication device, biometric authentication method, and computer program for biometric authentication
Parvin et al. MKNN: Modified k-nearest neighbor
US20080137917A1 (en) Information Processing Apparatus and Information Processing Method, Recognition Apparatus and Information Recognition Method, and Program
US20140133711A1 (en) Biometric information correction apparatus, biometric information correction method and computer-readable recording medium for biometric information correction
US20080247652A1 (en) Q-metric based support vector machine
US20100296736A1 (en) Image search apparatus and method thereof

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150209

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20151117

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20151118

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: 20160412

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160418

R150 Certificate of patent (=grant) or registration of utility model

Ref document number: 5923394

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150