JP5951695B2 - 行動認識のための方法、装置、およびコンピュータ・プログラム - Google Patents

Description

実施形態の多くは、一般的に、行動認識のための方法、装置、およびコンピュータ・プログラムに関する。

背景

近年、行動認識など、コンテキスト・アウェアネスに基づくアプリケーションに関する技術が凄まじい発展を遂げている。行動認識は、人間の行動の感知に基づいて、ユーザのニーズを特定するのに役立つ。行動認識の用途としては、例えば医療、老人介護、家事労働など、人間を中心とした現実の様々な課題／状況を挙げることができる。そうした、人間を中心とした課題に対して、信頼性があり費用対効果が大きく、かつエネルギー効率のよい解決策を、行動認識を用いて提供することが望ましいと考えられる。

いくつかの実施形態の摘要

例示の実施形態の様々な側面が、特許請求の範囲に記載される。

第１の側面では、装置にて、行動に関連するサンプル・データを、装置に無線接続された１つ以上のセンサーから受信すること、ただし、サンプル・データは、行動に関連する行動データの圧縮サンプリング（compressive sampling）に基づいて１つ以上のセンサーにて生成され、圧縮サンプリングは、サンプリング情報に基づき実行される、受信することと；サンプル・データに少なくとも基づいて行動を分類することと；行動の分類に関連する誤りを判断することと；誤りと閾値誤り（threshold error）との比較に基づきサンプリング情報を更新または保持することとを含む方法が提供される。

第２の側面では、センサーにて、サンプリング情報を、センサーに無線接続された装置から受信することと；行動に関連するサンプル・データを生成するために、サンプリング情報およびサンプリング基準に少なくとも基づいて、行動に関連する行動データの圧縮サンプリングを実行することと；行動の分類を促進するために、サンプル・データを装置へ送信することとを含む方法が提供される。

第３の側面では、少なくとも１つのプロセッサと；コンピュータ・プログラム・コードを含む少なくとも１つのメモリとを有する装置であって、少なくとも１つのメモリおよびコンピュータ・プログラム・コードは、少なくとも１つのプロセッサとともに、装置に少なくとも、装置にて、行動に関連するサンプル・データを、装置に無線接続された１つ以上のセンサーから受信すること、ただし、サンプル・データは、行動に関連する行動データの圧縮サンプリングに基づいて１つ以上のセンサーにて生成され、圧縮サンプリングは、サンプリング情報に基づき実行される、受信することと；サンプル・データに少なくとも基づいて行動を分類することと；行動の分類に関連する誤りを判断することと；誤りと閾値誤りとの比較に基づきサンプリング情報を更新または保持することとを実行させるよう構成されている、装置が提供される。

第４の側面では、少なくとも１つのプロセッサと；コンピュータ・プログラム・コードを含む少なくとも１つのメモリとを有する装置であって、少なくとも１つのメモリおよびコンピュータ・プログラム・コードは、少なくとも１つのプロセッサとともに、装置に少なくとも、装置にて、サンプリング情報を、装置に無線接続された別の装置から受信することと；行動に関連するサンプル・データを生成するために、サンプリング情報およびサンプリング基準に少なくとも基づいて、行動に関連する行動データの圧縮サンプリングを実行することと；行動の分類を促進するために、サンプル・データを別の装置へ送信することとを実行させるよう構成されている、装置が提供される。

第５の側面では、少なくとも１つのコンピュータ可読ストレージ媒体を含むコンピュータ・プログラム製品であって、コンピュータ可読ストレージ媒体は、命令のセットを含み、命令のセットは、１つ以上のプロセッサによって実行されると、装置に少なくとも、装置にて、行動に関連するサンプル・データを、装置に無線接続された１つ以上のセンサーから受信すること、ただし、サンプル・データは、行動に関連する行動データの圧縮サンプリングに基づいて１つ以上のセンサーにて生成され、圧縮サンプリングは、サンプリング情報に基づき実行される、受信することと；サンプル・データに少なくとも基づいて行動を分類することと；行動の分類に関連する誤りを判断することと；誤りと閾値誤りとの比較に基づきサンプリング情報を更新または保持することとを実行させる、コンピュータ・プログラム製品が提供される。

第６の側面では、少なくとも１つのコンピュータ可読ストレージ媒体を含むコンピュータ・プログラム製品であって、コンピュータ可読ストレージ媒体は、命令のセットを含み、命令のセットは、１つ以上のプロセッサによって実行されると、装置に少なくとも、装置にて、サンプリング情報を、装置に無線接続された別の装置から受信することと；行動に関連するサンプル・データを生成するために、サンプリング情報およびサンプリング基準に少なくとも基づいて、行動に関連する行動データの圧縮サンプリングを実行することと；行動の分類を促進するために、サンプル・データを別の装置へ送信することとを実行させる、コンピュータ・プログラム製品が提供される。

第７の側面では、装置にて、行動に関連するサンプル・データを、装置に無線接続された１つ以上のセンサーから受信する手段であって、サンプル・データは、行動に関連する行動データの圧縮サンプリングに基づいて１つ以上のセンサーにて生成され、圧縮サンプリングは、サンプリング情報に基づき実行される、手段と；サンプル・データに少なくとも基づいて行動を分類する手段と；行動の分類に関連する誤りを判断する手段と；誤りと閾値誤りとの比較に基づきサンプリング情報を更新または保持する手段とを含む装置が提供される。

第８の側面では、装置であって、装置にて、サンプリング情報を、装置に無線接続された別の装置から受信する手段と；行動に関連するサンプル・データを生成するために、サンプリング情報およびサンプリング基準に少なくとも基づいて、行動に関連する行動データの圧縮サンプリングを実行する手段と；行動の分類を促進するために、サンプル・データを別の装置へ送信する手段とを有する装置が提供される。

様々な実施形態が、限定としてではなく例として添付図面の各図に示されている。

例示の実施形態による、行動認識のための例示的なシステムを示す。

例示の実施形態によるデバイスを示す。

例示の実施形態による、行動認識のための装置を示す。

別の例示の実施形態による、行動認識のための別の装置を示す。

例示の実施形態による、行動認識に関連する行動データの圧縮サンプリングの例を示す。

実施形態による、サンプル・データの伝送の順序を示す。

例示の実施形態による、行動認識のための例示の方法を示すフローチャートである。

別の例示の実施形態による、行動認識のための例示の方法を示すフローチャートである。

さらに別の例示の実施形態による、行動認識のための例示の方法を示すフローチャートである。

詳細説明

図１〜９を参照することにより、例示の実施形態およびその潜在的な効果が理解される。

図１は、例示の実施形態による、行動認識を実行する例示的なシステム１００を示す。例示の実施形態では、システム１００は、例えば人間の行動などの行動に関連する行動データの感知に基づく、行動認識を促進するよう構成されてもよい。具体的には、行動認識の目的は、所与の環境にある１つ以上のセンサーによって獲得され得る行動データから、人間挙動を推論することであり、それに基づいて様々な決定が下され得る。例示の実施形態では、行動に依存するユーザ体験を提供するために、ユーザの行動についての情報が利用されてもよい。例えば、行動認識に基づき、ユーザが走っていると判断されれば、行動認識センサーと接続されたデバイスのユーザ・インターフェース（ＵＩ：ｕｓｅｒ ｉｎｔｅｒｆａｃｅ）が、よりアクセスしやすい形式に調節されてもよい。

図１に示されているように、システム１００は、例えばデバイス１０８などのデバイスと通信可能に接続された、例えばセンサー１０２、１０４、１０６などの１つ以上のセンサーを備える。実施形態では、デバイス１０８は、この１つ以上のセンサーと通信できる任意の種類の機器であってもよい。実施形態では、デバイスは、スマートフォン、ラップトップ、携帯電話、携帯情報端末（ＰＤＡ：ｐｅｒｓｏｎａｌ ｄｉｇｉｔａｌ ａｓｓｉｓｔａｎｔ）などであってもよい。実施形態では、１つ以上のセンサーは、通信経路を介してデバイスと接続されてもよい。実施形態では、通信経路は、例えば無線リンク１１０などの無線リンクであってもよい。実施形態では、無線リンク１１０は、無線通信ネットワークの無線リンク・アクセス・ネットワークを含んでもよい。無線通信ネットワークの例として、セルラー通信ネットワークを挙げることができるが、これに限定はされない。通信経路はさらに、無線通信ネットワークの他の構成要素、および無線通信ネットワークが接続される有線通信ネットワークの構成要素さえも備えてもよい。

１つ以上のセンサーは、人間の行動に関連する行動データを獲得するよう構成されてもよい。例示の実施形態では、行動データは、例えば動き、温度、位置など、行動に関連する測定データを含んでもよい。実施形態では、１つ以上のセンサーは、行動データをサンプリングし、それに応じてサンプル・データを生成するよう構成されてもよい。実施形態では、サンプル・データは、ランダムな基底ベクトルを使用して行動データに対して圧縮サンプリングを実行することによって生成されてもよい。

本願明細書で言及される、圧縮サンプリング（compressive sampling）または圧縮センシング（compressive sensing）は、データ圧縮およびデータ再構成を容易にする。圧縮センシングの理論によれば、多数のゼロ値またはゼロに近い値と、少数の非ゼロ値とによって原信号を表現できる場合、その信号は「疎」または「スパース」（sparse）であると言われる。多くの自然信号は、スパースまたは圧縮可能であり、よってこれらの信号は、適切な基底で表現されると簡潔な表現を有するが、圧縮センシングは、このことを利用するものである。「スパース」基底に対し「インコヒーレント」な基底においてナイキスト周波数未満のレートでサンプリングをすることで、すべての関連データの収集が促進され、原信号を再構成することができる。よって、圧縮センシングは、１つ以上のセンサーによってサンプリングされる行動データ量の削減を促進し、それによって、１つ以上のセンサーでの計算要求を削減する。１つ以上のセンサーによって生成されるサンプル・データを、以下、サンプル・データと呼ぶこともある。よって、「サンプル・データ」および「圧縮サンプル・データ」という用語は、本記載全体にわたって置き換え可能なように使用され得る。

実施形態において、１つ以上のセンサーによって生成されたサンプル・データは、デバイス１０８へ送信されてもよい。実施形態において、サンプル・データは、リンク１１０などの無線リンクを介してデバイス１０８へ送信されてもよい。デバイス１０８は、１つ以上のセンサーから受信されたサンプル・データに基づき、ユーザの「行動」を分類し、行動にラベルを割り当てる。実施形態において、行動という用語には、例えば走る、歩く、階段を上るもしくは下りる、ジョギングする、料理する、冷蔵庫を開けるなどの様々な例が含まれ得る。一般に、ユーザによるアクションおよび／または運動を表す任意の状態を行動と呼ぶことができる。したがって、言及した例は、本開示に対する限定として解釈されてはならない。

実施形態において、サンプル・データは、分類を実行するために直接、サンプル・データの復元を実行せずに利用されてもよい。分類の前にサンプル・データを復元する必要性がないということは、デバイス１０８の計算処理および電力要件を低減させるのに有利である。さらに、データは、１つ以上のセンサーにて圧縮サンプリングされるため、効率的に伝送されてデバイス上に記憶されることが可能である。

実施形態において、行動に関連する情報は、行動に依存するユーザ体験を提供するために使用されてもよい。例えば、ユーザが走っていると見なされれば、デバイス１０８のユーザ・インターフェースは、ユーザが容易にアクセスできる形式に調節されてもよい。例示の実施形態では、選択された１つ以上のセンサーのみが、ユーザの行動に関連するそれぞれの行動データをサンプリングして、それぞれのサンプル・データをデバイス１０８へ送信してもよい。他の例示の実施形態では、デバイス１０８と接続された複数のセンサーが、それぞれの行動データをサンプリングして、それぞれのサンプル・データをデバイス１０８へ送信してもよい。当然のことながら、本願明細書において、１つ以上のセンサー（または複数のセンサー）は、種々の物理量を感知するよう構成された個別の様々なセンサーを指す。実施形態において、関連するサンプル・データをデバイス１０８へ送信するよう構成された１つ以上のセンサーは、同期して動作してもよい。例えば、複数のセンサーがデータの感知および収集のために動作している場合、複数のセンサーのタイミングが同期されてもよい。

図２は、例示の実施形態によるデバイス２００を示す。実施形態において、デバイス２００は、デバイス１０８（図１参照）の例とされてもよい。なお、当然のことながら、図示および後述されるデバイス２００は、様々な実施形態から利益を受け得る１つのタイプのデバイスの例示にすぎず、したがって、実施形態の範囲を限定するものと見なされてはならない。よって、当然のことながら、デバイス２００に関連して後述されるコンポーネントの少なくとも一部は、任意選択である場合もあり、したがって、例示の実施形態は、図２の例示の実施形態に関連して記載されるものに比べて多い、少ない、または異なるコンポーネントを備えてもよい。デバイス２００は、例えば、携帯情報端末（ＰＤＡ）、ページャ、モバイルテレビ、ゲーム用デバイス、セルラー電話、あらゆるタイプのコンピュータ（例えばラップトップ、モバイル・コンピュータ、またはデスクトップ）、カメラ、オーディオ／ビデオ・プレーヤ、ラジオ、全地球測位システム（ＧＰＳ：ｇｌｏｂａｌ ｐｏｓｉｔｉｏｎｉｎｇ ｓｙｓｔｅｍ）デバイス、メディア・プレーヤ、電話機能付き携帯情報端末、または前述のものの任意の組み合わせなど、いくつかのタイプのモバイル電子デバイス、および他のタイプの通信デバイスのうちのいずれかとすることができるであろう。

デバイス２００は、送信機２０４および受信機２０６と動作可能に通信する１つのアンテナ２０２（または複数のアンテナ）を備えてもよい。デバイス２００は、送信機２０４に信号を供給し、受信機２０６から信号を受信する、コントローラ２０８またはその他の処理デバイスなどの装置をさらに備えてもよい。信号は、適切なセルラー・システムの無線インターフェース標準に従った信号情報を含んでもよく、さらに／またはユーザ音声に対応するデータ、受信データ、および／またはユーザ生成データも含んでもよい。この点に関して、デバイス２００は、１つ以上の無線インターフェース標準、通信プロトコル、変調方式、およびアクセス方式で動作できてもよい。例示として、デバイス２００は、いくつかの第１、第２、第３、および／または第４世代通信プロトコルなどのうちのいずれかに従って動作できてもよい。例えば、デバイス２００は、ＩＳ−１３６（時分割多重接続（ＴＤＭＡ：ｔｉｍｅ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ））、ＧＳＭ（登録商標）、およびＩＳ−９５（符号分割多重接続（ＣＤＭＡ：ｃｏｄｅ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ））などの第２世代（２Ｇ：ｓｅｃｏｎｄ−ｇｅｎｅｒａｔｉｏｎ）無線通信プロトコル、またはユニバーサル・モバイル通信システム（ＵＭＴＳ：Ｕｎｉｖｅｒｓａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍ）、ＣＤＭＡ２０００、ＷＣＤＭＡ（登録商標）、および時分割同期ＣＤＭＡ（ＴＤ−ＳＣＤＭＡ：ｔｉｍｅ ｄｉｖｉｓｉｏｎ−ｓｙｎｃｈｒｏｎｏｕｓ ＣＤＭＡ）などの第３世代（３Ｇ：ｔｈｉｒｄ−ｇｅｎｅｒａｔｉｏｎ）無線通信プロトコル、進化型ユニバーサル地上無線アクセス・ネットワーク（Ｅ−ＵＴＲＡＮ：ｅｖｏｌｖｅｄ−ｕｎｉｖｅｒｓａｌ ｔｅｒｒｅｓｔｒｉａｌ ｒａｄｉｏ ａｃｃｅｓｓ ｎｅｔｗｏｒｋ）などの３．９Ｇ無線通信プロトコル、第４世代（４Ｇ：ｆｏｕｒｔｈ−ｇｅｎｅｒａｔｉｏｎ）無線通信プロトコルなどに従って動作できてもよい。別の選択肢として（またはさらに）、デバイス２００は、非セルラー通信メカニズムに従って動作できてもよい。例えば、インターネット、ローカル・エリア・ネットワーク、広域ネットワークなどのコンピュータ・ネットワーク、Ｂｌｕｅｔｏｏｔｈ（登録商標）ネットワーク、Ｚｉｇｂｅｅ（登録商標）ネットワーク、米国電気電子学会（ＩＥＥＥ：Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｉｃ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｓ）８０２．１１ｘネットワークなどの短距離無線通信ネットワーク、公衆交換電話網（ＰＳＴＮ：ｐｕｂｌｉｃ ｓｗｉｔｃｈｅｄ ｔｅｌｅｐｈｏｎｅ ｎｅｔｗｏｒｋ）などの有線通信ネットワークなどである。

コントローラ２０８は、特にデバイス２００のオーディオ機能および論理機能を実装する回路を備えてもよい。例えば、コントローラ２０８は、１つ以上のデジタル信号プロセッサ・デバイス、１つ以上のマイクロプロセッサ・デバイス、付属のデジタル信号プロセッサ（単数または複数）を備えた１つ以上のプロセッサ（単数または複数）、付属のデジタル信号プロセッサ（単数または複数）なしの１つ以上のプロセッサ（単数または複数）、１つ以上の専用コンピュータ・チップ、１つ以上のフィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ：ｆｉｅｌｄ−ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、１つ以上のコントローラ、１つ以上の特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ−ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、１つ以上のコンピュータ（単数または複数）、様々なアナログ−デジタル変換器、デジタル−アナログ変換器、および／またはその他サポート回路を備えてもよいが、これらに限定はされない。これらのデバイス間に、デバイスのそれぞれの能力に従って、デバイス２００の制御および信号処理機能が割り当てられる。したがって、コントローラ２０８は、変調および伝送の前にメッセージおよびデータを畳み込み符号化およびインターリーブする機能性も備えてもよい。コントローラ２０８はさらに、内蔵音声符号器を備えもよく、内蔵データ・モデムを備えてもよい。さらに、コントローラ２０８は、メモリに記憶され得る１つ以上のソフトウェア・プログラムを動作させる機能性を備えてもよい。例えば、コントローラ２０８は、従来のウェブ・ブラウザなどの接続プログラムを動作させることができてもよい。その場合、接続プログラムは、デバイス２００が、無線アプリケーション・プロトコル（ＷＡＰ：Ｗｉｒｅｌｅｓｓ Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｔｏｃｏｌ）、ハイパーテキスト転送プロトコル（ＨＴＴＰ：Ｈｙｐｅｒｔｅｘｔ Ｔｒａｎｓｆｅｒ Ｐｒｏｔｏｃｏｌ）、および／または同様のものなどに従って、ロケーション・ベース・コンテンツおよび／またはその他ウェブ・ページ・コンテンツなどのウェブ・コンテンツを送受信できるようにしてもよい。例示の実施形態において、コントローラ２０８は、デュアルコアまたはクアッドコアプロセッサなどのマルチコア・プロセッサとして具現化されてもよい。なお、任意数のプロセッサがコントローラ２０８に含まれ得る。

デバイス２００はさらに、リンガー２１０、イヤホン、またはスピーカ２１２などの出力デバイス、マイクロホン２１４、ディスプレイ２１６、およびユーザ入力インターフェースを含むユーザ・インターフェースを有してもよく、これらはコントローラ２０８に接続されてもよい。デバイス２００がデータを受領できるようにするユーザ入力インターフェースには、キーパッド２１８、タッチ・ディスプレイ、マイクロホン、またはその他の入力デバイスなど、デバイス２００がデータを受領できるようにするいくつかのデバイスのうちのいずれかが含まれ得る。キーパッド２１８を含む実施形態では、キーパッド２１８は、数字（０〜９）および関連キー（＃、＊）、ならびにデバイス２００を動作させるために使用される他のハードキーおよびソフトキーを備えてもよい。あるいは、またはさらに、キーパッド２１８は、従来のＱＷＥＲＴＹキーパッド配列を有してもよい。キーパッド２１８はさらに、関連する機能を伴う様々なソフトキーを有してもよい。さらに、または代わりに、デバイス２００は、ジョイスティックまたはその他のユーザ入力インターフェースなどのインターフェース・デバイスを備えてもよい。デバイス２００は、デバイス２００を動作させるために使用される様々な回路に電力を供給し、さらに任意選択で、検出可能な出力として機械的振動をもたらす、振動電池パックなどの電池２２０をさらに備える。

例示の実施形態では、デバイス２００は、カメラ、ビデオ、および／またはオーディオ・モジュールなど、コントローラ２０８と通信しているメディア捕捉要素を備える。メディア捕捉要素は、記憶、表示、または伝送される画像、ビデオ、および／またはオーディオを捕捉する任意の手段とされ得る。例示の実施形態では、メディア捕捉要素は、カメラ・モジュール２２２であり、カメラ・モジュール２２２は、捕捉された画像からデジタル画像ファイルを構成することができるデジタル・カメラを含んでもよい。よって、カメラ・モジュール２２２は、レンズまたはその他の光学コンポーネント（単数または複数）などのすべてのハードウェア、および捕捉された画像からデジタル画像ファイルを作成するソフトウェアを含む。あるいは、またはさらに、カメラ・モジュール２２２は、画像を閲覧するために必要なハードウェアを備えてもよく、一方、デバイス２００のメモリ・デバイスは、捕捉された画像からデジタル画像ファイルを作成するためにコントローラ２０８によって実行される、ソフトウェアの形態の命令を記憶する。例示の実施形態では、カメラ・モジュール２２２は、コントローラ２０８が画像データを処理する支援をするコプロセッサなどの処理要素、および画像データを圧縮および／または復元するエンコーダおよび／またはデコーダをさらに備えてもよい。エンコーダおよび／またはデコーダは、ＪＰＥＧ標準形式または別の類似形式に従って符号化および／または復号を行ってもよい。ビデオの場合、エンコーダおよび／またはデコーダは、例えばＨ．２６１、Ｈ．２６２／ＭＰＥＧ−２、Ｈ．２６３、Ｈ．２６４、Ｈ．２６４／ＭＰＥＧ−４、ＭＰＥＧ−４などに関連する標準などの複数の標準形式のうちのいずれかを採用し得る。場合によっては、カメラ・モジュール２２２は、ライブ画像データをディスプレイ２１６に供給してもよい。例示の実施形態では、ディスプレイ２１６がデバイス２００の片側に位置して、カメラ・モジュール２２２がディスプレイ２１６に対してデバイス２００の反対側に配置されたレンズを備えることで、カメラ・モジュール２２２は、デバイス２００の片側で画像を捕捉して、当該画像のビューをデバイス２００の反対側に位置するユーザに対して提示することができてもよい。

デバイス２００は、ユーザ識別モジュール（ＵＩＭ：ｕｓｅｒ ｉｄｅｎｔｉｔｙ ｍｏｄｕｌｅ）２２４をさらに備えてもよい。ＵＩＭ２２４は、プロセッサが組み込まれたメモリ・デバイスであってもよい。ＵＩＭ２２４には、例えば、加入者識別モジュール（ＳＩＭ：ｓｕｂｓｃｒｉｂｅｒ ｉｄｅｎｔｉｔｙ ｍｏｄｕｌｅ）、汎用集積回路カード（ＵＩＣＣ：ｕｎｉｖｅｒｓａｌ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ ｃａｒｄ）、汎用加入者識別モジュール（ＵＳＩＭ：ｕｎｉｖｅｒｓａｌ ｓｕｂｓｃｒｉｂｅｒ ｉｄｅｎｔｉｔｙ ｍｏｄｕｌｅ）、リムーバブル・ユーザ識別モジュール（Ｒ−ＵＩＭ：ｒｅｍｏｖａｂｌｅ ｕｓｅｒ ｉｄｅｎｔｉｔｙ ｍｏｄｕｌｅ）、またはその他任意のスマートカードが含まれ得る。典型的には、ＵＩＭ２２４は、モバイル加入者に関する情報要素を記憶する。デバイス２００は、ＵＩＭ２２４に加えて、メモリを備えてもよい。例えばデバイス２００は、データの一時記憶のためのキャッシュ領域を備える、揮発性のランダム・アクセス・メモリ（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などの揮発性メモリ２２６を備えてもよい。デバイス２００はさらに、組み込み式および／またはリムーバブルとされ得る、他の不揮発性メモリ２２８を備えてもよい。さらに、または代わりに、不揮発性メモリ２２８は、電気的消去可能プログラム可能読み取り専用メモリ（ＥＥＰＲＯＭ：ｅｌｅｃｔｒｉｃａｌｌｙ ｅｒａｓａｂｌｅ ｐｒｏｇｒａｍｍａｂｌｅ ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、フラッシュ・メモリ、ハード・ドライブなどを有してもよい。メモリは、デバイス２００の機能を実装するためにデバイス２００によって使用される、任意数の情報、およびデータを記憶してもよい。

図３は、例示の実施形態による、行動認識のための装置３００を示す。行動認識のための装置３００は、例えば、図２のデバイス２００において利用されてもよい。なお、装置３００はそのほか、モバイルおよび固定両方の様々なデバイスにおいても利用されてもよく、したがって、実施形態は、図２のデバイス２００などのデバイスに対する応用に限定されてはならないということに留意すべきである。あるいは、実施形態は、例えば先に挙げたものなどを含むデバイスの組み合わせにおいて利用されてもよい。様々な実施形態が、単一のデバイス（例えばデバイス２００）にて完全に具現化され得る。なお、下記のデバイスまたは構成要素の一部は、必須ではないこともある。したがって、特定の実施形態では、一部が省略されてもよい。

実施形態では、装置３００は、少なくとも１つのプロセッサ３０２および少なくとも１つのメモリ３０４を備えるか、または別の形でそれらと通信している。少なくとも１つのメモリ３０４の例として、揮発性および／または不揮発性メモリが挙げられるが、これに限定はされない。揮発性メモリのいくつかの例として、ランダム・アクセス・メモリ、ダイナミック・ランダム・アクセス・メモリ、スタティック・ランダム・アクセス・メモリなどが挙げられるが、これらに限定はされない。不揮発性メモリのいくつかの例として、ハードディスク、磁気テープ、光学ディスク、プログラム可能読み取り専用メモリ、消去可能プログラム可能読み取り専用メモリ、電気的消去可能プログラム可能読み取り専用メモリ、フラッシュ・メモリなどが挙げられるが、これらに限定はされない。メモリ３０４は、様々な例示の実施形態に従った様々な機能を装置３００が実行できるようにするための、情報、データ、アプリケーション、命令などを記憶するよう構成されてもよい。例えば、メモリ３０４は、プロセッサ３０２によって処理される基底情報および選択情報を含むサンプリング情報をバッファリングするよう構成されてもよい。さらに、または代わりに、メモリ３０４は、プロセッサ３０２により実行される命令を記憶するよう構成されてもよい。

プロセッサ３０２の例として、コントローラ２０８を挙げることができる。プロセッサ３０２は、いくつかの異なる形で具現化され得る。プロセッサ３０２は、マルチコア・プロセッサ、シングルコア・プロセッサ、またはマルチコア・プロセッサとシングルコア・プロセッサとの組み合わせとして具現化されてもよい。例えば、プロセッサ３０２は、コプロセッサ、マイクロプロセッサ、コントローラ、デジタル信号プロセッサ（ＤＳＰ：ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、付属のＤＳＰを備えた、もしくは備えない処理回路、またはその他、例えば特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲートアレイ（ＦＰＧＡ）、マイクロコントローラ・ユニット（ＭＣＵ：ｍｉｃｒｏｃｏｎｔｒｏｌｌｅｒ ｕｎｉｔ）、ハードウェア・アクセラレータ、専用コンピュータ・チップなどの集積回路を含む様々な処理デバイスなど、様々な処理手段のうちの１つ以上として具現化され得る。例示の実施形態では、マルチコア・プロセッサは、メモリ３０４に記憶されている、またはその他の形でプロセッサ３０２がアクセスできる命令を実行するよう構成されてもよい。あるいは、またはさらに、プロセッサ３０２は、ハードコードされた機能性を実行するよう構成されてもよい。よって、プロセッサ３０２は、ハードウェア手法により構成されるか、ソフトウェア手法により構成されるか、またはその組み合わせにより構成されるかにかかわらず、適宜構成されている間、様々な実施形態による動作を実行できる、例えば回路に物理的に具現化されたエンティティを表現し得る。例えば、プロセッサ３０２がＡＳＩＣ、ＦＰＧＡなどのうちの２つ以上として具現化される場合、プロセッサ３０２は、本願明細書に記載の動作を実行するよう特に構成されたハードウェアであってもよい。あるいは、別の例として、プロセッサ３０２がソフトウェア命令の実行器として具現化される場合、命令は、命令が実行されると、本願明細書に記載のアルゴリズムおよび／または動作を実行するようプロセッサ３０２を特に構成してもよい。なお、場合によっては、プロセッサ３０２は、本願明細書に記載されたアルゴリズムおよび／または動作を実行するための命令によるプロセッサ３０２のさらなる構成によって実施形態を用いるようになっている、例えばモバイル端末またはネットワーク・デバイスなどの特定のデバイスのプロセッサであってもよい。プロセッサ３０２は、特に、プロセッサ３０２の動作をサポートするよう構成されたクロック、算術論理演算ユニット（ＡＬＵ：ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、および論理ゲートを備えてもよい。

ユーザ・インターフェース３０６が、プロセッサ３０２と通信していてもよい。ユーザ・インターフェース３０６の例として、入力インターフェースおよび／または出力ユーザ・インターフェースが挙げられるが、これらに限定はされない。入力インターフェースは、ユーザ入力の指示を受領するよう構成される。出力ユーザ・インターフェースは、可聴、可視、機械的、またはその他の出力および／またはフィードバックをユーザに提供する。入力インターフェースの例として、キーボード、マウス、ジョイスティック、キーパッド、タッチスクリーン、ソフトキーなどを挙げることができるが、これらに限定はされない。出力インターフェースの例として、例えば発光ダイオード・ディスプレイ、薄膜トランジスタ（ＴＦＴ：ｔｈｉｎ−ｆｉｌｍ ｔｒａｎｓｉｓｔｏｒ）ディスプレイ、液晶ディスプレイ、アクティブマトリックス式有機発光ダイオード（ＡＭＯＬＥＤ：ａｃｔｉｖｅ−ｍａｔｒｉｘ ｏｒｇａｎｉｃ ｌｉｇｈｔ−ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ）ディスプレイなどのディスプレイ、マイクロホン、スピーカ、リンガー、バイブレータを挙げることができるが、これらに限定はされない。例示の実施形態では、ユーザ・インターフェース３０６は、様々なデバイスまたは構成要素の中でも特に、スピーカ、マイクロホン、ディスプレイ、およびキーパッド、タッチスクリーンなどのうちのいずれかまたはすべてを含んでもよい。この点に関して、例えばプロセッサ３０２は、例えばスピーカ、リンガー、マイクロホン、ディスプレイ、および／または同様のものなどのユーザ・インターフェース３０６の１つ以上の構成要素の、少なくとも一部の機能を制御するよう構成されたユーザ・インターフェース回路を有してもよい。プロセッサ３０２および／またはプロセッサ３０２を構成するユーザ・インターフェース回路は、プロセッサ３０２がアクセスできる、例えば少なくとも１つのメモリ３０４および／または同様のものなどのメモリ上に記憶された、例えばソフトウェアおよび／またはファームウェアなどのコンピュータ・プログラム命令を用いて、ユーザ・インターフェース３０６の１つ以上の構成要素の１つ以上の機能を制御するよう構成されてもよい。

例示の実施形態では、装置３００は、電子デバイスを備えてもよい。電子デバイスのいくつかの例としては、通信デバイス、メディア捕捉デバイス、通信能力を有するメディア捕捉デバイス、コンピューティング・デバイスなどが挙げられる。通信デバイスのいくつかの例としては、携帯電話、携帯情報端末（ＰＤＡ）などを挙げることができる。コンピューティング・デバイスのいくつかの例としては、ラップトップ、パーソナル・コンピュータなどを挙げることができる。例示の実施形態では、電子デバイスは、ユーザがディスプレイを使用して電子デバイスの少なくとも１つの機能を制御することを促進するよう構成され、さらに、ユーザ入力に応答するよう構成されている、ユーザ・インターフェース回路およびユーザ・インターフェース・ソフトウェアを有する、例えばＵＩ３０６などのユーザ・インターフェースを備えてもよい。例示の実施形態では、電子デバイスは、電子デバイスのユーザ・インターフェースの少なくとも一部を表示するよう構成されたディスプレイ回路を備えてもよい。ディスプレイおよびディスプレイ回路は、ユーザが電子デバイスの少なくとも１つの機能を制御することを促進するよう構成されてもよい。

例示の実施形態では、電子デバイスは、送受信機を備えるものとして具現化されてもよい。送受信機は、ソフトウェアに従って動作する任意のデバイスまたは回路であってもよく、またはその他の形でハードウェアもしくはハードウェアとソフトウェアとの組み合わせにおいて具現化されてもよい。その結果、例えば、ソフトウェア制御のもとで動作するプロセッサ３０２、または本願明細書に記載の動作を実行するよう特に構成されたＡＳＩＣもしくはＦＰＧＡとして具現化されたプロセッサ３０２、またはその組み合わせが、送受信機の機能を実行するよう装置または回路を構成する。送受信機は、１つ以上のセンサーからサンプル・データを受信するよう構成されてもよい。

これらのコンポーネント（３０２〜３０６）は、集中型回路システム３０８を介して相互通信してもよい。集中型回路システム３０８は、特に、装置３００のコンポーネント（３０２〜３０６）間の通信を提供するか、または可能にするよう構成されてもよい。特定の実施形態では、集中型回路システム３０８は、マザーボード、メインボード、システムボード、またはロジックボードなど、中央プリント回路基板（ＰＣＢ：ｐｒｉｎｔｅｄ ｃｉｒｃｕｉｔ ｂｏａｒｄ）とされてもよい。集中型回路システム３０８は、さらに、または代わりに、他のプリント回路組立品（ＰＣＡ：ｐｒｉｎｔｅｄ ｃｉｒｃｕｉｔ ａｓｓｅｍｂｌｙ）または通信チャネル媒体を備えてもよい。

例示の実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、行動に関する行動認識を実行させるよう構成される。例示の実施形態では、行動は、人間の行動であってもよい。例えば、行動は、歩く、ジョギングする、走る、上る、下りるなどであってもよい。本開示の範囲を限定することなく、他の様々な実世界行動が装置３００によって認識され得る。

例示の実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、空間に関連する基底行列を生成させるよう構成される。実施形態では、基底行列は、完備な（ｃｏｍｐｌｅｔｅ）基底行列であってもよい。完備な基底行列は、空間全体にわたるよう構成されてもよく、その結果、空間上の任意のベクトルを、基底のｎベクトルの線形結合として表すことができる。実施形態では、完備な基底行列のサイズは、調整可能であってもよい。実施形態では、基底行列は、間隔［−１，１］で一様分布した乱数を生じる乱数発生器によって生成されてもよい。ｎベクトルの集合を完備な基底にするために、ランダムに生成されたベクトルが正規直交化されてもよい。例示の実施形態では、正規直交ランダム行列は、行列が直交行列（Ｑ）と上三角行列（Ｒ）との積に分解される、ＱＲ分解法に基づき生成されてもよい。例示の実施形態では、ランダムに生成されたベクトルは、グラムシュミット・アルゴリズムに基づいて正規直交化されてもよい。この基底は、正規直交正方行列に対応する。実施形態では、完備な基底の行列を生成するよう処理手段が構成されてもよい。処理手段の例として、プロセッサ３０２を挙げることができ、これは、コントローラ２０８の例とすることができる。

例示の実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、１つ以上のセンサーがサンプル・データを生成するのを促進するために、サンプリング情報を１つ以上のセンサーへ送信させるよう構成される。実施形態では、サンプリング情報は、基底行列と、基底行列の部分集合を選択するための選択情報とを含む。基底行列の部分集合は、サンプル・データを生成するために１つ以上のセンサーによって利用され得る基底ベクトルの集合を含んでもよい。実施形態では、処理手段は、サンプリング情報を１つ以上のセンサーへ送信するよう構成されてもよい。処理手段の例として、プロセッサ３０２を挙げることができ、これは、コントローラ２０８の例とすることができる。実施形態では、サンプリング情報は、無線リンク上で１つ以上のセンサーへ送信されてもよい。

実施形態では、１つ以上のセンサーが、基底行列を受信し、基底行列および選択情報に基づいて行動データを処理するよう構成されてもよい。１つ以上のセンサーは、行動データの処理に基づいてサンプル・データを生成するよう構成されてもよい。実施形態では、サンプル・データは、行動データの圧縮サンプリングに基づいて生成されてもよい。サンプル・データを生成する１つ以上のセンサーについての解説および機能性は、図４および５を参照してさらに説明する。

例示の実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、行動に関連するサンプル・データを１つ以上のセンサーから受信させるよう構成される。実施形態では、装置３００は、１フレームのサンプル・データが受信されるまでサンプル・データを受信するよう構成される。実施形態では、フレームのサイズは、約０．１ｓ〜１０ｓであってもよい。実施形態では、複数のセンサーがそれぞれのサンプル・データを装置３００へ送信する場合、複数のセンサーから受信されるサンプル・データは、装置３００にてそれぞれが受信された順に配列されてもよい。１つ以上のセンサーから受信されるサンプル・データの配列については、図６を参照してさらに詳細に説明される。

実施形態では、装置３００は、１つ以上のセンサーによって送信されるサンプル・データに基づいて行動を分類するよう構成される。実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、サンプル・データに対して分類ルールを適用させるよう構成される。実施形態では、教師あり学習の分類ルール／モデルが、ラベル付き行動データを利用して訓練されてもよい。実施形態では、ラベル付き行動データは、実行するランダム射影において利用されるサンプリング情報に基づいて生成されてもよい。実施形態では、ラベルあり訓練セットは、１つ以上のセンサーにて行動データのサンプリングに利用される基底において表現されてもよい。実施形態では、分類ルールは、二次判別法、サポートベクターマシン、決定木、ニューラルネット、およびボルツマンマシンの手法のうちの１つを、行動データのラベル付けに利用してもよい。

別の実施形態では、例えばラベルが行動データの圧縮サンプリングに利用されるなど、任意の不完備な（ｕｎｄｅｒｃｏｍｐｌｅｔｅ）基底において訓練セットを簡便に計算できるよう、訓練セット内のラベルが初めに（例えば「出荷時設定」のように）基底において提供されてもよい。別の実施形態では、訓練セットに関連するラベルは、他のデータから推測されてもよい。例えば、行動データが完備な基底においてサンプリングされる場合、ラベルは、一部分の行動データに関して利用可能であってもよい。ラベルは、追加のセンサーが含まれた状態で不完備な（射影された）データの訓練セットを生成するために使用されてもよい。さらに別の実施形態では、ラベルは、教師なし学習に基づいて得られてもよい。例えば、様々なクラスタ（例えばｋ平均アルゴリズムにより特定される）が生成されてもよく、ユーザに情報を「求める」ことによってラベルが得られてもよい。例えば、移動行動の検出に応答して、「走っていましたか？」などの質問がされてもよい。

実施形態では、処理手段は、サンプル・データおよび分類ルールに基づいて行動を分類するよう構成されてもよい。処理手段の例として、プロセッサ３０２を挙げることができ、これは、コントローラ２０８の例とすることができる。行動データの分類は、出力として行動クラス（例えば走る、座る、歩くなど）を提供してもよい。この点において、当然のことながら、サンプル・データを復元せずに、サンプル・データが分類のために直接利用されてもよい。サンプル・データを直接（復元せずに）利用することの利点は、データの復元に関わる計算能力が節減されるということである。

例示の実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、行動が分類された第１のラベルを記憶させるよう構成される。実施形態では、メモリ手段が、第１のラベルを記憶するよう構成されてもよい。メモリ手段の例として、メモリ手段３０４を挙げることができ、これは、不揮発性メモリ２２８の例とすることができる。

実施形態では、１つ以上のセンサーによって行動データが獲得されるときに、行動データの測定値にノイズが存在することが原因で、分類の出力は誤りを含むかもしれない。実施形態では、サンプル・データにおける誤りにより、行動が間違ったラベルに分類されることもある。実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、行動データの分類に関連する誤りを判断させるよう構成される。実施形態では、ユーザの実行する行動が、非常に短い時間スケール（例えば秒）で大幅な変動を起こすことはないので、分類出力の出力における変化が、分類における任意の誤りを検出するために利用されてもよい。実施形態では、処理手段は、サンプル・データに関連する誤りを判断するよう構成されてもよい。処理手段の例として、プロセッサ３０２を挙げることができ、これは、コントローラ２０８の例とすることができる。

実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、分類の出力に対して誤り訂正を適用させるよう構成される。例示の実施形態では、誤り訂正メカニズムは、多数決を含んでもよい。当然のことながら、このほか特定の複素相関も、誤り訂正を分類出力に適用するために利用され得る。実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、サンプル・データにおける誤りと閾値誤りとを比較させるよう構成される。実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、誤りと閾値誤りとの比較に基づいて、サンプリング情報を更新または保持させるよう構成される。実施形態では、閾値誤りは、装置３００において事前設定されてもよい。

実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、誤りが閾値誤りよりも低いと判断すると、選択情報に関連する基底ベクトルの数および基底のサイズの値を保持することによって、サンプリング情報を保持させるよう構成される。

実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、誤りが閾値誤りを超過していると判断すると、完備な基底行列の部分集合に関連する基底ベクトルの数を増大させることによって、サンプリング情報を更新させるよう構成される。

実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、基底のサイズの更新回数が閾値以下である間に、誤りが閾値誤り以上であると判断すると、装置３００に、完備な基底行列の部分集合に関連する基底のサイズを増大させることによって、サンプリング情報を更新させるよう構成される。実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、誤りが閾値誤りより少ないと判断すると、選択情報に関連する基底ベクトルの数および基底のサイズの値を削減することによって、サンプリング情報を更新させるよう構成される。

例示の実施形態では、プロセッサ３０２は、メモリ３０４のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置３００に、誤りが閾値誤り以上であると判断すると、行動を再分類させるよう構成される。実施形態では、行動は、更新されたサンプリング情報を利用して再分類されてもよい。例示の実施形態では、処理手段は、誤りと、閾値誤りとの比較に基づいて、サンプリング情報を更新または保持するよう構成されてもよい。処理手段の例として、プロセッサ３０２を挙げることができ、これは、コントローラ２０８の例とすることができる。

図４は、例示の実施形態による、行動認識のための装置４００を示す。この行動認識のための装置４００は、ユーザの行動を感知するよう構成されるデバイスにおいて利用されてもよい。例えば、装置４００は、様々なセンサーにおいて利用されてもよい。例示の実施形態では、装置４００は、例えば動き、位置、温度、心電図（ＥＣＧ：ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ）などの目的の属性を測定するためにユーザの身体に取り付けることができる、ウェアラブルセンサーにおいて利用されてもよい。様々な実施形態が、単一のデバイスにて完全に具現化されてもよく、デバイスの組み合わせにて具現化されてもよい。なお、下記のデバイスまたは構成要素の一部は、必須ではないこともある。したがって、特定の実施形態では、一部が省略されてもよい。

実施形態では、装置４００は、少なくとも１つのプロセッサ４０４および少なくとも１つのメモリ４０６を備えるか、または別の形でそれらと通信している。少なくとも１つのメモリ４０６の例として、揮発性および／または不揮発性メモリが挙げられるが、これに限定はされない。揮発性メモリのいくつかの例として、ランダム・アクセス・メモリ、ダイナミック・ランダム・アクセス・メモリ、スタティック・ランダム・アクセス・メモリなどが挙げられるが、これらに限定はされない。不揮発性メモリのいくつかの例として、ハードディスク、磁気テープ、光学ディスク、プログラム可能読み取り専用メモリ、消去可能プログラム可能読み取り専用メモリ、電気的消去可能プログラム可能読み取り専用メモリ、フラッシュ・メモリなどが挙げられるが、これらに限定はされない。メモリ４０６は、様々な例示の実施形態に従った様々な機能を装置４００が実行できるようにするための、情報、データ、アプリケーション、命令などを記憶するよう構成されてもよい。例えば、メモリ４０６は、プロセッサ４０４によって処理されるサンプリング情報を含む入力データをバッファリングするよう構成されてもよい。さらに、または代わりに、メモリ４０６は、プロセッサ４０４により実行される命令を記憶するよう構成されてもよい。

プロセッサ４０４は、いくつかの異なる形で具現化され得る。プロセッサ４０４は、マルチコア・プロセッサ、シングルコア・プロセッサ、またはマルチコア・プロセッサとシングルコア・プロセッサとの組み合わせとして具現化されてもよい。例えば、プロセッサ４０４は、コプロセッサ、マイクロプロセッサ、コントローラ、デジタル信号プロセッサ（ＤＳＰ）、付属のＤＳＰを備えた、もしくは備えない処理回路、またはその他、例えば特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲートアレイ（ＦＰＧＡ）、マイクロコントローラ・ユニット（ＭＣＵ）、ハードウェア・アクセラレータ、専用コンピュータ・チップなどの集積回路を含む様々な処理デバイスなど、様々な処理手段のうちの１つ以上として具現化され得る。例示の実施形態では、マルチコア・プロセッサは、メモリ４０６に記憶されている、またはその他の形でプロセッサ４０４がアクセスできる命令を実行するよう構成されてもよい。あるいは、またはさらに、プロセッサ４０４は、ハードコードされた機能性を実行するよう構成されてもよい。よって、プロセッサ４０４は、ハードウェア手法により構成されるか、ソフトウェア手法により構成されるか、またはその組み合わせにより構成されるかにかかわらず、適宜構成されている間、様々な実施形態による動作を実行できる、例えば回路に物理的に具現化されたエンティティを表現し得る。例えば、プロセッサ４０４がＡＳＩＣ、ＦＰＧＡなどのうちの２つ以上として具現化される場合、プロセッサ４０４は、本願明細書に記載の動作を実行するよう特に構成されたハードウェアであってもよい。あるいは、別の例として、プロセッサ４０４がソフトウェア命令の実行器として具現化される場合、命令は、命令が実行されると、本願明細書に記載のアルゴリズムおよび／または動作を実行するようプロセッサ４０４を特に構成してもよい。なお、場合によっては、プロセッサ４０４は、本願明細書に記載されたアルゴリズムおよび／または動作を実行するための命令によるプロセッサ４０４のさらなる構成によって実施形態を用いるようになっている、例えばモバイル端末またはネットワーク・デバイスなどの特定のデバイスのプロセッサであってもよい。プロセッサ４０４は、特に、プロセッサ４０４の動作をサポートするよう構成されたクロック、算術論理演算ユニット（ＡＬＵ）、および論理ゲートを備えてもよい。

実施形態では、装置４００を利用する１つ以上のセンサーが、人間の行動を感知するよう構成されてもよい。実施形態では、装置４００は、プロセッサ４０４およびメモリ４０６に加えて、感知要素４０２、無線リンク・モジュール４１４、および行動クラス・モジュール４１６を備えてもよい。実施形態では、プロセッサは、アナログ−デジタル変換器４１０、乱数発生器４０８、および射影サンプリング・モジュール４１２をさらに備えてもよい。実施形態では、感知要素４０２は、行動を感知するよう構成される。実施形態では、Ａ／Ｄ変換器４１０は、感知要素４０２と接続され、感知要素４０２によって感知された行動データのアナログ−デジタル変換を実行するよう構成される。実施形態では、Ａ／Ｄ変換器４１０の出力は、行動データのサンプリングを実行するために利用されてもよい。実施形態では、Ａ／Ｄ変換器の出力は、例えば装置４００のメモリ４０６など、メモリに記憶されてもよい。実施形態では、Ａ／Ｄ変換器４１０の出力は、長さＮの、行動データに関連するデータ・ベクトルが得られるまで、メモリ４０６に記憶されてもよい。

上記のように、行動データは、ランダム・サンプリングを実行するために、アナログ領域からデジタル領域に変換されてもよい。あるいは、ランダム・サンプリングは、例えばプログラム可能増幅器および積分回路を使用することで、アナログ領域において実行されてもよい。

実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、例えば（図２を参照して説明した）デバイス２００などのデバイスによって送信されるサンプリング情報に基づいて行動データのランダム・サンプリングを実行させるよう構成される。実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に装置３００からサンプリング情報を受信させるよう構成される。実施形態では、サンプリング情報は、基底行列と、基底行列の少なくとも部分集合を選択するための選択情報とを含む。実施形態では、基底行列の部分集合は、ランダムに選択された基底ベクトルの集合を含んでもよく、それに沿って行動データがサンプリングされてサンプル・データが生成されてもよい。実施形態では、基底行列は、基底ベクトルが所定の部分空間の部分空間ではなく所定の空間全体にわたることができる、完備な基底行列であってもよい。実施形態では、サンプリング情報に関連する完備な基底行列は、Ｎ×Ｎ行列であってもよい。実施形態では、処理手段は、装置３００からサンプリング情報を受信するよう構成されてもよい。処理手段の例として、プロセッサ４０４を挙げることができる。

実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、装置３００から受信されたサンプリング情報を記憶させるようさらに構成される。実施形態では、メモリ手段が、装置３００から受信されたサンプリング情報を記憶するよう構成されてもよい。メモリ手段の例として、メモリ４０６を挙げることができる。

実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、行動に関連するサンプル・データを生成するために、サンプリング情報およびサンプリング基準に少なくとも基づいて、行動に関連する行動データの圧縮サンプリングを実行させるよう構成される。実施形態では、サンプリング基準は、行動データの圧縮サンプリングを実行するためのインコヒーレントな基底の選択を含む。

実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、選択情報に基づいて基底行列の部分集合を選択させるよう構成される。例えば、Ｍの基底ベクトルの部分集合が、（サイズＮ×Ｎの）基底行列からランダムに選択されて、Ｍ×Ｎのサンプリング行列が形成されてもよい。Ｍ×Ｎのサンプリング行列は、「Ａ」で示されてもよい。例示の実施形態では、処理手段は、サンプリング情報に基づいて、基底ベクトルの集合をランダムに選択するよう構成されてもよい。処理手段の例として、例えば乱数発生器４０８などの処理手段を挙げることができる。

実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、ランダムに選択された基底ベクトルの集合に沿って行動データを圧縮サンプリングさせ、それに応じてサンプル・データを生成させるよう構成される。例示の実施形態では、基底ベクトルの集合に沿って行動データをサンプリングするために、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、データ・ベクトル（ｘ）にサンプリング行列Ａを乗じて、長さＭのサンプル・ベクトル（ｙ）を得させるよう構成される。実施形態では、処理手段が、データ・ベクトルにサンプリング行列Ａを乗じて、長さＭのサンプル・ベクトルを得るよう構成されてもよい。処理手段の例として、射影サンプリング・モジュール４１２を挙げることができる。サンプル・データは、次式に基づき生成されてもよい：

ｙ＝Ａ^Ｔｘ

式中、ＡはＮ×Ｍのサンプリング行列を示し、その列は（直交）基底ベクトルであり、ｘは、Ｎ次元の圧縮されていないデータ・ベクトルを示す

実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、行動のラベル付けを促進するためにサンプル・データを装置（例えば装置３００）へ送信させるよう構成される。実施形態では、装置４００は、１フレームのサンプル・データを装置３００へ送信できるまで、サンプル・データを装置３００へ送信してもよい。例示の実施形態では、フレームのサイズは、約０．１ｓ〜１０ｓであってもよい。実施形態では、サンプル・データは、無線リンク・モジュール４１４を介して装置３００へ送信されてもよい。

実施形態では、装置４００は、サンプル・データを装置３００へ送信してもよい。サンプル・データのみを送信するよう装置が構成される装置４００の動作モードは、「ラベルなしモード」と呼ばれてもよい。別の実施形態では、装置４００は、ユーザ選択されたラベルを装置３００へ送信してもよい。実施形態では、装置４００は、ラベルに関連するユーザ入力をユーザから受領するためのユーザ・インターフェースを備えてもよい。例えば、ユーザは、行動クラス・モジュール４１６を利用してラベルを入力してもよい。行動クラス・モジュール４１６は、ユーザによって提供された行動クラスの装置２００への送信を促進するために、無線リンク・モジュール４１４と接続されてもよい。本願明細書で開示されるように、装置がサンプル・データとともにラベルをデバイス３００へ送信するよう構成される装置４００の動作モードは、「ラベル付きモード」と呼ばれてもよい。

図３を参照して既に述べたように、装置３００は、行動に割り当てられるラベルを分類するためにサンプル・データを利用してもよい。さらに装置３００は、サンプル・データにおける誤りを判断してもよい。実施形態では、サンプル・データにおける誤りが閾値誤りを超過すると判断されると、装置３００は、選択情報を更新して、更新された選択情報を装置４００へ再送するよう構成される。

実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、更新されたサンプリング情報を装置３００から受信させるよう構成される。実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、更新されたサンプル・データを生成するために、更新された選択情報に少なくとも基づいて行動データの圧縮サンプリングを実行させるよう構成される。実施形態では、更新されたサンプル・データは、サンプル・データの生成と同様の形で生成されてもよい。実施形態では、プロセッサ４０４は、メモリ４０６のコンテンツを用いて、さらに本願明細書に記載の他のコンポーネントを任意選択で用いて、装置４００に、行動のラベル変更を促進するために、更新されたサンプル・データを装置３００へ送信させるよう構成される。実施形態では、無線リンク・モジュール４１４が、更新されたサンプル・データを装置３００へ送信するよう構成されてもよい。

既に述べたように、実施形態では、装置４００は、感知要素４０２、プロセッサ４０４、メモリ４０６、無線リンク・モジュール４１４、および行動クラス・モジュール４１６を備えてもよい。実施形態では、プロセッサ４０４は、Ａ／Ｄ変換器４１０、乱数発生器４０８、および射影サンプリング・モジュール４１２を備えてもよい。他の実施形態では、装置４００は、上記の別々のモジュールの代わりに、Ａ／Ｄ変換器、感知要素、乱数発生器、および射影サンプリング・モジュールの各モジュールを実装する統合ハードウェア・ソリューションを備え、その結果、別々のモジュールは必要なくてもよい。例えば、装置４００は、アナログまたは混合信号回路がセンサー読み出し電子回路と組み合わされる、スマート・センサーを備えてもよい。

図５は、例示の実施形態による、行動認識のための行動データの圧縮サンプリングの例を示す。例示の実施形態では、圧縮サンプリングを実行するために、行動データ５０２のアナログ−デジタル変換が実行され、行動データ５０２に関連するデータ・ベクトル５０４が生成される。実施形態では、データ・ベクトル５０４は、ランダムに選択された基底ベクトルに沿ってサンプリングされてもよい。

実施形態では、（例えば時間領域において）長さＮのデータ・ベクトル５０４などのデータ・ベクトルが、基底ベクトル（例えば基底ベクトル５０６、５０８）の集合に沿って射影されてもよい。実施形態では、基底ベクトルの集合は、装置３００から受信されたサンプリング情報に基づいてランダムに選択されてもよい。別の実施形態では、基底ベクトルの集合は、ランダムに選択されて正規直交化されてもよい。例示の実施形態では、基底ベクトルの集合は、グラムシュミット法に基づいて正規直交化されてもよい。

図５に示されている例示の実施形態では、サンプリング行列に関連するランダムに選択された基底ベクトル５０６、５０８の集合にデータ・ベクトル５０４を乗じて、サンプル５１０、５１２などのサンプルを得てもよい。ｘがＮ次元の圧縮されていないデータ・ベクトルを示すとし、ＡがＮ行Ｍ列のサンプリング行列を示すとし、その列が（直交）基底ベクトルであるとする。その結果、以下のように、サンプル・データは、Ｍ次元ベクトルｙである。

ｙ＝Ａ^Ｔｘ

例示の実施形態では、基底ベクトル５０６、５０８などの基底ベクトルは、様々な非ゼロの実数値の要素を含んでもよい。そのようなシナリオでは、サンプルは、各成分を合計することによって得られてもよい。例示の実施形態では、列ベクトルがサンプリング・ベクトルとして利用されてもよい。

図６は、実施形態による、サンプリングされたデータの伝送の順序を示す。上述のように、サンプル・データ６１０（ｙで表現される）は、学習および行動認識を促進するために、装置３００へ伝送または送信されてもよい。実施形態では、行動認識は、種々の量を種々のサンプリング・レートで感知するよう構成されてもよい複数のセンサーから受信されるサンプル・データに基づいて実行されてもよい。例えば、加速度計およびコンパスにおいて利用される各センサーが、それぞれ加速度計データおよびコンパス方位データの感知を促進してもよい。加速度計データおよびコンパス方位データは、感知され、続いて他のセンサーによりサンプリングされてもよい。実施形態では、複数のベクトルｙ_ｉ（例えば６１２、６１４、６１６、６１８）から得られる行動データが、

｛ｙ_ｉ，ｉ＝１，…，Ｍ｝

のように表現できるデータセットを生成してもよい。

実施形態では、複数のセンサーから受信される行動データは、ランダム射影を実行する前にベクトルに配列されてもよい。例えば、データセット６１０に関連するデータは、行動データのランダム射影を実行する前に、ベクトル６２０に配列されてもよい。例えば、図６に示されているように、ベクトル６１２、６１４、６１６からデータが得られて、それぞれベクトル６２０の位置６２２、６２４、６２６に格納されてもよい。実施形態では、データは、逐次的方法で、すなわち装置３００にて個々のセンサーからデータが受信される順にベクトル６２０に配列されてもよい。

図７は、例示の実施形態による、行動認識のための例示の方法７００を示すフローチャートである。フローチャートに示されている方法７００は、例えば、図３の装置３００によって実行されてもよい。実施形態では、本方法は、１つ以上のセンサーに通信可能に接続され得るデバイスによって実行されてもよい。実施形態では、デバイスは、携帯電話、ＰＤＡ、ラップトップなどであってもよい。

実施形態では、装置３００は、１つ以上のセンサーから受信されたサンプル・データに基づいて、ユーザが実行している「行動」を認識するよう構成されてもよい。実施形態では、行動は、歩く、ジョギングする、走る、およびユーザが実行している他の任意の動きまたは運動現象を含んでもよい。実施形態では、行動は、１つ以上のセンサーによって感知されてもよい。例えば、１つ以上のセンサーは、行動に関連する行動データを捕捉し、行動データを処理して、サンプル・データを生成してもよい。実施形態では、サンプル・データは、装置３００により１つ以上のセンサーへ送信されてもよいサンプリング情報に基づいて、１つ以上のセンサーによって生成されてもよい。実施形態では、サンプリング情報は、基底行列と、基底行列の少なくとも部分集合を選択するための選択情報とを含む。実施形態では、基底行列は、基底ベクトルが所定の部分空間の部分空間ではなく所定の空間全体にわたることができる、完備な基底行列であってもよい。

ブロック７０２にて方法７００は、装置３００にて行動に関連するサンプル・データを１つ以上のセンサーから受信することを含む。実施形態では、サンプル・データは、（図４において説明した）装置４００を具現化する１つ以上のデバイスによって装置３００へ送信されてもよい。実施形態では、装置４００を具現化するデバイスの例として、例えば加速度計、気圧計、コンパスなどのセンサーを挙げることができる。ブロック７０４にて、サンプル・データに少なくとも基づいて、行動が分類されてもよい。実施形態では、行動を分類することは、行動にラベルを割り当てることを含んでもよい。実施形態では、行動は、分類ルールまたはモデルに基づいて分類されてもよい。例えば、サンプル・データは、二次判別分析に基づき分類されてもよい。別の実施形態では、サンプル・データは、分類ルールならびにユーザ入力に基づき分類されてもよい。実施形態では、ユーザ入力は、１つ以上のセンサーによって送信されてもよい。

実施形態では、デバイスにて受信されるサンプル・データは、１つ以上のセンサーに関連するノイズに起因する誤りを含んでもよい。実施形態では、サンプル・データにおける誤りにより、行動が誤って分類されることもある。ブロック７０６にて、行動の分類における誤りが判断されてもよい。実施形態では、行動の分類の出力における変化が、誤りを判断するための基準として利用されてもよい。これは、ユーザの行動は、非常に短い時間スケール（秒）では実質的に同じままである（すなわち変動しない）と考えられるためである。したがって、この短い時間間隔の間の種々の時間インスタンスにて、サンプル・データが、閾値回数計算されて、サンプル・データにラベルを割り当てることによって分類されてもよい。この分類の間に、行動の分類の変化が検出された場合、その行動の分類は間違っていると見なされてもよい。

実施形態では、分類における誤りが計算されて、閾値誤りと比較されてもよい。実施形態では、閾値誤りは、装置３００において事前設定されてもよい。実施形態では、ブロック７０８にて、誤りと閾値誤りとの比較に基づいて、サンプリング情報が更新されても、または保持されてもよい。例えば、分類にいかなる誤りもないことが検出されると、サンプリング情報に関連するベクトルの数は、保持または削減されてもよい。実施形態では、サンプリング行列のサイズは、その中のベクトルの数を削減することによって削減されてもよい。他の実施形態では、サンプリング行列のサイズが、既に最小許容サイズであると判断されれば、サンプリング行列のサイズは、そのまま保持されてもよい。実施形態では、行列の最小許容サイズは、装置３００において事前設定されてもよい。

実施形態では、誤りが閾値以上であることが判断されると、サンプル・データに誤り訂正が適用されてもよい。誤り訂正法の例として、多数決などが挙げられるが、これに限定はされない。例示の実施形態では、誤りが閾値誤り以上であることが判断されると、サンプリング情報が更新されてもよい。例えば、判断された誤りが閾値誤りを超過することに基づき、基底ベクトルの数が増大されてもよい。さらに、または任意選択で、過去所定回数の間に実行された分類における誤りが、閾値誤りを超過すると判断されれば、サンプリング情報に関連する完備な基底行列のサイズが増大されてもよい。例えば、直近１０回の分類の間の誤りが、閾値誤り以上であると判断されれば、完備な基底行列のサイズが増大されてもよい。

例示の実施形態では、処理手段は、次のうちの一部またはすべてを実行するよう構成されてもよい：デバイスにて、行動に関連するサンプル・データを、デバイスに無線接続された１つ以上のセンサーから受信すること、ただし、サンプル・データは、行動に関連する行動データの圧縮サンプリングに基づいて１つ以上のセンサーにて生成され、圧縮サンプリングは、サンプリング情報に基づき実行される、該受信すること；サンプル・データに少なくとも基づいて行動を分類すること；行動の分類に関連する誤りを判断すること；および誤りと閾値誤りとの比較に基づきサンプリング情報を更新すること。処理手段の例として、プロセッサ３０２を挙げることができ、これは、コントローラ２０８の例とすることができる。

図８は、例示の実施形態による、行動認識のための例示の方法８００を示すフローチャートである。フローチャートに示されている方法８００は、例えば、図４の装置４００によって実行されてもよい。例えば本方法は、装置４００を有するウェアラブルセンサーによって実行されてもよい。センサーは、ユーザの行動に関連する行動データを測定するためにユーザの身体に取り付けられてもよい。実施形態では、行動データは、例えば動き、位置、温度、ＥＣＧなどの属性を含んでもよい。実施形態では、装置４００を具現化するデバイスの例として、例えば加速度計、気圧計、コンパスなどのセンサーを挙げることができる。

ブロック８０２にて、本方法は、装置（例えば図４において説明した装置４００）にて、サンプリング情報を、装置４００に無線接続された別の装置（例えば図３において説明した装置３００）から受信することを含む。これを考慮すると、装置４００はセンサー内に具現化されてもよい。したがって、方法８００の記載は、装置４００をセンサーと呼ぶことで説明することもでき、逆もまた同じである。実施形態では、サンプリング情報は、基底行列と、基底行列の少なくとも部分集合を選択するための選択情報とを含む。実施形態では、基底行列は、基底ベクトルが所定の部分空間の部分空間ではなく所定の空間全体にわたることができる、完備な基底行列であってもよい。実施形態では、サンプリング情報に関連する完備な基底行列は、Ｎ×Ｎ行列であってもよい。

ブロック８０４にて、サンプリング情報およびサンプリング基準に少なくとも基づき、行動データの圧縮サンプリングが実行されてもよい。実施形態では、圧縮センシングが、行動に関連するサンプル・データを生成するために実行されてもよい。実施形態では、サンプリング基準は、圧縮サンプリングを実行するためのインコヒーレントな基底の選択を含んでもよい。実施形態では、完備な基底行列の部分集合が、選択情報に基づいて選択されてもよい。例えば、Ｍの基底ベクトルの集合が、完備な基底行列から選択されて、Ｍ×Ｎのサンプリング行列が形成されてもよい。Ｍ×Ｎのサンプリング行列は、「Ａ」で示されてもよい。実施形態では、サンプル・データは、サンプリング情報に基づいてランダムに選択されてもよい基底ベクトルの集合とともに行動データの圧縮サンプリングを実行することによって生成されてもよい。例として、（例えば時間領域において）長さＮのデータ・ベクトル（ｘ）が、基底ベクトルの集合に沿って射影されてもよい。サンプル・データは、次式に基づき生成されてもよい：

ｙ＝Ａ^Ｔｘ、

式中、ＡはＮ×Ｍのサンプリング行列を示し、その列は（直交）基底ベクトルであり、ｘは、Ｎ次元の圧縮されていないデータ・ベクトルを示す

ブロック８０６にて、行動のラベル付けを促進するために、サンプル・データが装置（例えば装置３００）へ送信されてもよい。実施形態では、サンプル・データは、１フレームのサンプル・データを装置にて受信できるまで、装置へ送信されてもよい。例示の実施形態では、フレームのサイズは、約０．１ｓ〜１０ｓであってもよい。実施形態では、サンプル・データは、無線リンク上で装置３００へ送信されてもよい。

図９は、例示の実施形態による、行動認識のための例示の方法９００を示すフローチャートである。フローチャートに示されている方法９００は、例えば、図３および４の、それぞれ装置３００および４００によって実行されてもよい。当然のことながら、フローチャートの動作、フローチャート内の動作の組み合わせは、ハードウェア、ファームウェア、プロセッサ、回路、および／またはその他、１つ以上のコンピュータ・プログラム命令を含むソフトウェアの実行に関連するデバイスなどの様々な手段によって実装され得る。例えば、様々な実施形態において記載された手順のうちの１つ以上が、コンピュータ・プログラム命令によって具現化されてもよい。例示の実施形態では、様々な実施形態において記載された手順を具現化するコンピュータ・プログラム命令が、装置の少なくとも１つのメモリ・デバイスによって記憶され、装置内の少なくとも１つのプロセッサによって実行されてもよい。そのようなコンピュータ・プログラム命令の任意のものが、機械をもたらすよう、コンピュータまたはその他のプログラム可能装置（例えばハードウェア）上にロードされて、結果として生じるコンピュータまたはその他のプログラム可能装置が、フローチャートにおいて指定された動作を実装する手段を具現化するようにすることもできる。さらに、特定の形で機能するようコンピュータまたはその他のプログラム可能装置に指示することができる当該コンピュータ・プログラム命令は、（搬送波または電磁信号などの伝送媒体ではなく）コンピュータ可読ストレージ・メモリに記憶されて、コンピュータ可読メモリに記憶されたこの命令が、製品をもたらし、この製品の実行が、フローチャートにおいて指定された動作を実装するようにすることもできる。さらに、コンピュータ・プログラム命令は、コンピュータまたはその他のプログラム可能装置にロードされて、コンピュータまたはその他のプログラム可能装置上で一連の動作が実行されるようにしてコンピュータに実装されるプロセスをもたらし、コンピュータまたはその他のプログラム可能装置上で実行される命令が、フローチャートの動作を実装するための動作を提供するようにすることもできる。図３および４の、それぞれ装置３００および４００を用いて、方法９００の動作について記載する。なお、本方法の動作は、他の任意の装置を使用して記載および／または実施することができる。

方法９００は、コンテキスト・アウェアネスに基づくアプリケーションにおける行動認識のステップを提供する。行動認識に利用され得る行動の例として、歩く、ジョギングする、走るなどを挙げることができる。実施形態では、１つ以上のセンサーが、ユーザの行動に関連するデータを獲得および処理してもよい。実施形態では、行動認識に関連する様々な属性を測定することにより行動データを獲得するように、１つ以上のセンサーが、ユーザの身体に取り付けることができる１つ以上のウェアラブルデバイスにおいて具現化されてもよい。例えば、１つ以上のセンサーは、動き、位置、温度、湿度、オーディオ・レベル、およびその他、行動認識に必要な同様の属性を測定するよう構成されてもよい。実施形態では、１つ以上のセンサーは、獲得されたデータを処理して、処理された行動データを装置３００へ送信してもよい。実施形態では、装置３００は、例えば（図２を参照して説明した）デバイス２００などのデバイスにおいて具現化されてもよい。デバイス２００は、処理された行動データを利用して、ユーザの「行動」を分類してもよい。ユーザの行動に関する情報は、行動に依存するユーザ体験を提供するために利用されてもよい。

方法９００のブロック９０２にて、サンプリング情報に関連する基底行列が、例えばデバイス２００などのデバイスにて計算されてもよい。実施形態では、サンプリング情報は、基底行列と、基底行列の少なくとも部分集合を選択するための選択情報とを含んでもよい。実施形態では、サンプリング情報は、例えば装置３００のメモリ内に記憶されてもよい。ブロック９０４にて、サンプリング情報は、例えば（図４を参照して説明した）装置４００などの１つ以上の装置へ送信されてもよい。実施形態では、１つ以上の装置３００が、１つ以上のセンサーを備えてもよい。実施形態では、１つ以上の装置３００は、デバイス２００と通信可能に接続されてもよい。実施形態では、１つ以上のセンサーは、無線リンクを介して装置３００と接続されてもよい。

ブロック９０６にて、１つ以上のセンサーは、基底行列を受信してもよい。ブロック９０８にて、１つ以上のセンサーは、基底行列を記憶してもよい。実施形態では、１つ以上のセンサーは、基底行列を、例えばメモリ４０６（図４参照）などのメモリに記憶してもよい。

ブロック９１０にて、デバイス２００は、基底行列の部分集合を選択するための選択情報を１つ以上のセンサーへ送信してもよい。実施形態では、選択情報は、完備な基底行列の部分集合を選択する命令を含む。実施形態では、命令は、完備な基底行列から選択されてもよい１つ以上の基底ベクトルおよび基底のサイズを含んでもよい。

ブロック９１２にて、ユーザの行動に関連する行動データのサンプリングが実行される。実施形態では、行動データのサンプリングは、１つ以上のセンサーにて実行される。実施形態では、行動データのサンプリングは、デバイス２００から受信された完備な基底行列および選択情報に少なくとも基づいて実行される。実施形態では、サンプリングは、インコヒーレントな基底を利用することにより圧縮サンプリングに基づき実行されてもよい。

実施形態では、行動データは、サンプリング情報に基づいてランダムに選択されてもよい基底ベクトルの集合とともにサンプリングされてもよい。（例えば時間領域において）長さＮのデータ・ベクトル（ｘで示される）が、基底ベクトルの集合に沿って射影されてもよい。データ・ベクトルの、ランダムに選択された基底ベクトルの集合に沿った射影については、図５を参照して説明している。サンプリングに基づいて、次式のとおり、サンプル・データが生成されてもよい。

ｙ＝Ａ^Ｔｘ

式中、Ａは、Ｎ×Ｍのサンプリング行列を示し、その列は（直交）基底ベクトルであり、ｘは、行動データに関連するＮ次元の圧縮されていないデータ・ベクトルを示す。

ブロック９１４にて、サンプル・データは、１つ以上のセンサーによってデバイスへ送信されてもよい。実施形態では、サンプル・データは、デバイスでの行動のラベル付けを促進してもよい。ブロック９１６にて、１つ以上のセンサーによって送信されたサンプル・データが、デバイスにて受信されてもよい。ブロック９１８にて、サンプル・データおよび分類ルールに少なくとも基づいて、行動が分類されてもよい。実施形態では、行動の分類は、行動にラベルを割り当てることを含んでもよい。実施形態では、分類ルールは、ラベル付きサンプルの訓練セットを含むモデルを含んでもよい。例示の実施形態では、ラベルあり訓練セットは、１つ以上のセンサーにて行動データのサンプリングに利用される基底において表現されてもよい。別の実施形態では、訓練セット内のラベルが初めに（例えば「出荷時設定」のように）完備な基底において提供されてもよく、それから、行動データの圧縮サンプリングに使用されるものなどの任意の不完備な基底における集合の計算を行うことは、容易である。別の実施形態では、訓練セットに関連するラベルは、他の感知データから推測されてもよい。さらに別の例示の実施形態では、ラベルは、教師なし学習に基づいて得られてもよい。例えば、様々なクラスタ（例えばｋ平均アルゴリズムにより特定される）が生成されてもよく、ユーザに情報を「求める」ことによってラベルが得られてもよい。

実施形態では、１つ以上のセンサーから出力されるサンプル・データは、１つ以上のセンサーによって観測される行動データにおけるノイズまたは瞬間的摂動（ｍｉｎｕｔｅ ｐｅｒｔｕｒｂａｔｉｏｎ）に起因する誤りを含むこともある。ユーザの実行する行動が、非常に短い時間スケール（例えば秒）で大幅な変動を起こすことはないので、分類出力の出力における変化が、分類における任意の誤りを検出するために利用されてもよい。ブロック９２０にて、サンプル・データにおける誤りが判断されてもよい。例示の実施形態では、分類の出力に誤り訂正が適用されてもよい。例示の実施形態では、誤り訂正メカニズムは、多数決を含んでもよい。当然のことながら、このほか特定の複素相関も、誤り訂正を分類出力に適用するために利用され得る。

ブロック９２２では、行動の分類における誤りが閾値誤りを超過するかどうかが判断されてもよい。実施形態では、閾値誤りは、行動データのサンプリングを実行する前に決定されてもよい。実施形態では、分類にいかなる誤りもないことが検出されると、サンプリング情報に関連するベクトルの数は、保持または削減されてもよい。実施形態では、サンプリング行列のサイズは、その中のベクトルの数を削減することによって削減されてもよい。他の実施形態では、サンプリング行列のサイズが、既に最小許容サイズであると判断されれば、ブロック９２４にて、サンプリング行列のサイズは、そのまま保持されてもよい。実施形態では、行列の最小許容サイズは、デバイスにおいて事前設定されてもよい。

実施形態では、誤りが閾値誤り以上であることが判断されると、ブロック９２６にて、圧縮サンプリング・メトリクスが更新されてもよい。例えば、判断された誤りの数が閾値誤りを超過することに基づき、ベクトルの数が増大されてもよい。さらに、または任意選択で、過去所定回数に関連する誤りが閾値誤りを超過すると判断されれば、サンプリング情報に関連する基底行列のサイズが増大されてもよい。

ブロック９２８にて、サンプリング情報の少なくとも一部を選択するための更新された選択情報が、１つ以上のセンサーへ送信されてもよい。実施形態では、更新された選択情報に基づいて選択されるサンプリング情報の少なくとも一部は、サンプル・データを生成するために前に利用されたサンプリング情報の部分集合と異なる。実施形態では、更新された選択情報に基づいて選択されたサンプリング情報の少なくとも一部は、行動を再分類するために利用されてもよい。

図７、８、および９の方法７００、８００、および／または９００の説明を容易にするために、本願明細書では、特定の動作が、特定の順序で実行される異なるステップを構成するものとして記載されている。そのような実装は例示的なものであり、限定的なものではない。特定の動作が、ともにグループ化されて単一の動作で実行されてもよいし、特定の動作を、本願明細書に記載された例において用いられた順序とは異なる順序で実行することもできる。さらに、方法７００、８００、および／または９００の特定の動作は、自動化方式で実行される。これらの動作は、ユーザとのインタラクションを、実質的に全く含まない。方法７００、８００、および／または９００の他の動作は、手動方式または半自動方式で実行されてもよい。これらの動作は、１つ以上のユーザ・インターフェース表示を介したユーザとのインタラクションを伴う。

添付の特許請求に記載の範囲の、範囲、解釈、または用途を少しも限定するものではないが、本願明細書で開示された例示の実施形態のうちの１つ以上の技術的効果は、行動認識を実行することである。図１〜９に説明されているとおり、本願明細書で開示された実施形態は、行動認識を実行する方法およびデバイスを提供する。様々な実施形態において、分散センサーなどのデバイスが、データを獲得し、獲得したデータを処理するよう構成されてもよい。獲得されたデータは、圧縮サンプリングに基づいて処理されてもよい。処理されたデータ（すなわちサンプル・データ）は、デバイス（例えばスマートフォン）へ無線送信されてもよい。デバイスは、ユーザの「行動」を分類するために、サンプル・データを直接利用する。実施形態において、行動についての情報は、次に、行動に依存するユーザ体験を提供するために使用できる。サンプル・データは、行動認識の実行に直接利用でき、それによって、復元の必要性がなくなることから、開示された方法およびデバイスは有利である。さらに、サンプル・データは、行動認識に直接利用できることから、開示された方法およびデバイスは、狭帯域幅要求および消費電力削減を促進する。さらに、データは、無線デバイスにて圧縮サンプリングされるため、効率的に伝送されて中央デバイス上に記憶されることが可能である。さらに、サンプリング基底を知らずにデータからすべてを推測するのは容易でないと思われるので、「ランダム」サンプリングを使用することで、ある程度のプライバシーがもたらされる。使用される基底についての情報は、ユーザのデバイスまたはその他セキュアなストレージにのみ記憶されてもよい。実施形態では、分類は、復元閾値未満でも実行されてもよい。さらに、行動データは、分類／機械学習に有益な次元削減ステップを自動的に経る。

上述の様々な実施形態は、ソフトウェア、ハードウェア、アプリケーション論理、またはソフトウェア、ハードウェア、およびアプリケーション論理の組み合わせにおいて実装されてもよい。ソフトウェア、アプリケーション論理、および／またはハードウェアは、少なくとも１つのメモリ、少なくとも１つのプロセッサ、装置、またはコンピュータ・プログラム製品上に存在してもよい。例示の実施形態では、アプリケーション論理、ソフトウェア、または命令セットは、従来の様々なコンピュータ可読媒体のうちの任意のものにおいて維持される。本文書の文脈では、「コンピュータ可読媒体」は、コンピュータなどの命令実行システム、装置、またはデバイスによって、またはそれに関連して使用される命令を含むこと、記憶すること、伝達すること、伝播させること、または搬送することができる任意の媒体または手段であってもよく、装置の一例が、図３および／または４において記載され、示された。コンピュータ可読媒体は、コンピュータなど、命令実行システム、装置、またはデバイスによって、またはそれに関連して使用される命令を含むこと、または記憶することができる任意の媒体または手段とされてもよい、コンピュータ可読ストレージ媒体を含んでもよい。例示の一実施形態では、コンピュータ可読媒体は、非一時的であってもよい。

本願明細書で説明された種々の機能は、必要に応じて、異なる順序で実行されてもよく、さらに／または互いに同時に実行されてもよい。さらに、必要に応じて、上記の機能のうちの１つ以上は、任意選択とすることも、組み合わされることもできる。

実施形態の様々な側面が独立クレームに記載されているが、他の側面は、特許請求の範囲に明示的に記載された組み合わせのみではなく、その他、記載された実施形態および／または従属クレームからの特徴と、独立クレームの特徴との組み合わせを含む。

さらに、この点において、上記の事項は本発明の例示の実施形態について記載しているが、これらの記載は、限定的な意味に捉えられてはならないということを指摘しておく。それどころか、添付の特許請求の範囲において定義される本開示の範囲から逸脱することなく加えることができる種々の変化および変更がある。

Claims (42)

1. 装置にて、行動に関連するサンプル・データを、前記装置に無線接続された１つ以上のセンサーから受信すること、ただし、前記サンプル・データは、前記行動に関連する行動データの圧縮サンプリングに基づいて前記１つ以上のセンサーにて生成され、前記圧縮サンプリングは、サンプリング情報に基づき実行される、前記受信することと；
   前記サンプル・データに少なくとも基づいて前記行動を分類することと；
   前記行動の前記分類に関連する誤りを判断することと；
   前記誤りと閾値誤りとの比較に基づき前記サンプリング情報を更新または保持することと；
   を含む方法。
2. 前記１つ以上のセンサーが前記サンプル・データを生成するのを促進するために、前記サンプリング情報を前記１つ以上のセンサーへ送信することをさらに含む、請求項１に記載の方法。
3. 前記サンプリング情報は、基底行列と、前記基底行列から基底のサイズおよび基底ベクトルの集合を選択するための選択情報とを含む、請求項１または２に記載の方法。
4. 前記誤りが前記閾値誤り以上であると判断すると、前記更新されたサンプリング情報に基づいて前記行動を再分類することをさらに含む、請求項１または２または３に記載の方法。
5. 前記サンプリング情報を更新することは、前記誤りが前記閾値誤り以上であると判断すると、前記基底ベクトルの集合に関連する基底ベクトルの数を増大させることを含む、請求項３に記載の方法。
6. 前記サンプリング情報を更新することは、前記基底のサイズの更新回数が閾値以下である間に、前記誤りが前記閾値誤り以上であると判断すると、前記基底ベクトルの集合に関連する前記基底のサイズを増大させることを含む、請求項３に記載の方法。
7. 前記サンプリング情報を更新することは、前記誤りが前記閾値誤りより少ないと判断すると、前記選択情報に関連する、前記基底ベクトルの集合の基底ベクトルの数と、前記基底のサイズとのうちの少なくとも一方を削減することを含む、請求項３に記載の方法。
8. 前記サンプリング情報を保持することは、前記誤りが前記閾値誤りより少ないと判断すると、前記選択情報に関連する、前記基底ベクトルの集合の基底ベクトルの数と、前記基底のサイズとを保持することを含む、請求項３に記載の方法。
9. 前記行動を分類することは、分類ルールに基づいて分類を実行することを含む、請求項１に記載の方法。
10. 前記行動を分類することは、ユーザ入力に少なくとも基づいて分類を実行することを含む、請求項１に記載の方法。
11. 装置にて、サンプリング情報を、前記装置に無線接続された別の装置から受信することと；
    行動に関連するサンプル・データを生成するために、前記サンプリング情報およびサンプリング基準に少なくとも基づいて、前記行動に関連する行動データの圧縮サンプリングを実行することと；
    前記行動の分類を促進するために、前記サンプル・データを前記別の装置へ送信することと；
    を含む方法。
12. 前記サンプリング情報を記憶することをさらに含む、請求項１１に記載の方法。
13. 前記サンプリング情報は、基底行列と、前記基底行列から基底のサイズおよび基底ベクトルの集合を選択するための選択情報とを含む、請求項１１に記載の方法。
14. 前記サンプリング基準は、圧縮サンプリングを実行するためのインコヒーレントな基底の選択を含む、請求項１１に記載の方法。
15. 前記圧縮サンプリングを実行することは、前記基底ベクトルの集合に沿って前記行動データをサンプリングすることを含み、前記基底ベクトルの集合は、前記選択情報に基づいて前記基底行列からランダムに選択される、請求項１３に記載の方法。
16. 前記行動の前記分類における誤りが判断されると、更新された選択情報を受信することと；
    更新されたサンプル・データを生成するために、前記更新された選択情報および前記サンプリング基準に少なくとも基づいて、前記行動データの圧縮サンプリングを実行することと；
    前記更新されたサンプル・データを、前記行動の再分類を促進するために送信することと；
    をさらに含む、請求項１３または１５に記載の方法。
17. 少なくとも１つのプロセッサと；
    コンピュータ・プログラム・コードを含む少なくとも１つのメモリと；
    を有する装置であって、前記コンピュータ・プログラム・コードは、前記少なくとも１つのプロセッサに実行されると、前記装置に少なくとも、請求項１から１０のいずれかに記載の方法を遂行させるように構成される、装置。
18. 電子デバイスとして構成される、請求項１７に記載の装置であって、
    ユーザがディスプレイを使用して前記電子デバイスの少なくとも１つの機能を制御することを可能にするよう構成され、さらに、ユーザ入力に応答するよう構成されている、ユーザ・インターフェース回路およびユーザ・インターフェース・ソフトウェアと；
    前記電子デバイスのユーザ・インターフェースの少なくとも一部を表示するよう構成されているディスプレイ回路であって、前記ディスプレイおよびディスプレイ回路は、前記ユーザが前記電子デバイスの少なくとも１つの機能を制御することを可能にするよう構成されている、前記ディスプレイ回路と；
    を有する、装置。
19. 携帯電話として構成される、請求項１８に記載の装置。
20. 少なくとも１つのプロセッサと；
    コンピュータ・プログラム・コードを含む少なくとも１つのメモリと；
    を有する装置であって、前記コンピュータ・プログラム・コードは、前記少なくとも１つのプロセッサに実行されると、前記装置に少なくとも、請求項１１から１６のいずれかに記載の方法を遂行させるように構成される、装置。
21. 前記プロセッサと接続された無線リンク・モジュールをさらに有し、前記無線リンク・モジュールは、前記装置と前記別の装置との間の無線結合を可能にするよう構成されている、請求項２０に記載の装置。
22. 前記無線リンク・モジュールと接続された行動クラス・モジュールをさらに有し、前記行動クラス・モジュールは、前記行動に関連するユーザ入力を受け取ることを可能にし、かつ前記無線リンク・モジュールを介して前記別の装置へ前記入力を送信するよう構成されている、請求項２１に記載の装置。
23. センサーとして構成される、請求項２０から２２のいずれかに記載の装置。
24. 前記別の装置は電子デバイスである、請求項２２または２３に記載の装置。
25. 装置の処理手段に実行されることにより、前記装置に請求項１から１０のいずれかに記載の方法を遂行させるように構成されるプログラム命令を備える、コンピュータプログラム。
26. 装置の処理手段に実行されることにより、前記装置に請求項１１から１６のいずれかに記載の方法を遂行させるように構成されるプログラム命令を備える、コンピュータプログラム。
27. 装置であって、
    前記装置にて、行動に関連するサンプル・データを、前記装置に無線接続された１つ以上のセンサーから受信する手段であって、前記サンプル・データは、前記行動に関連する行動データの圧縮サンプリングに基づいて前記１つ以上のセンサーにて生成され、前記圧縮サンプリングは、サンプリング情報に基づき実行される、前記手段と；
    前記サンプル・データに少なくとも基づいて前記行動を分類する手段と；
    前記行動の第１のラベルへの前記分類に関連する誤りを判断する手段と；
    前記誤りと閾値誤りとの比較に基づき前記サンプリング情報を更新または保持する手段と；
    を有する装置。
28. 前記１つ以上のセンサーが前記サンプル・データを生成するのを促進するために、前記サンプリング情報を前記１つ以上のセンサーへ送信する手段をさらに有する、請求項２７に記載の装置。
29. 前記サンプリング情報は、基底行列と、前記基底行列から基底のサイズおよび基底ベクトルの集合を選択するための選択情報とを含む、請求項２７または２８に記載の装置。
30. 前記誤りが前記閾値誤り以上であると判断すると、前記更新されたサンプリング情報に基づいて前記行動を再分類する手段をさらに有する、請求項２７または２８または２９に記載の装置。
31. 前記誤りが前記閾値誤り以上であると判断すると、前記基底ベクトルの集合に関連する基底ベクトルの数を増大させることにより前記サンプリング情報を更新する手段をさらに有する、請求項２９に記載の装置。
32. 前記基底のサイズの更新回数が閾値以下である間に、前記誤りが前記閾値誤り以上であると判断すると、前記基底ベクトルの集合に関連する前記基底のサイズを増大させることにより前記サンプリング情報を更新する手段をさらに有する、請求項２９に記載の装置。
33. 前記誤りが前記閾値誤りより少ないと判断すると、前記選択情報に関連する、前記基底ベクトルの集合の基底ベクトルの数と、前記基底のサイズとのうちの少なくとも一方を削減することにより前記サンプリング情報を更新する手段をさらに有する、請求項２９に記載の装置。
34. 前記誤りが前記閾値誤りより少ないと判断すると、前記選択情報に関連する、前記基底ベクトルの集合の基底ベクトルの数と、前記基底のサイズとを保持することにより前記サンプリング情報を保持する手段をさらに有する、請求項２９に記載の装置。
35. 分類ルールに基づいて分類を実行することにより前記行動を分類する手段をさらに有する、請求項２７に記載の装置。
36. ユーザ入力に少なくとも基づいて分類を実行することにより前記行動を分類する手段をさらに有する、請求項２７に記載の装置。
37. 装置であって、
    前記装置にて、サンプリング情報を、前記装置に無線接続された別の装置から受信する手段と；
    行動に関連するサンプル・データを生成するために、前記サンプリング情報およびサンプリング基準に少なくとも基づいて、前記行動に関連する行動データの圧縮サンプリングを実行する手段と；
    前記行動の分類を促進するために、前記サンプル・データを前記別の装置へ送信する手段と；
    を有する装置。
38. 前記サンプリング情報を記憶する手段をさらに有する、請求項３７に記載の装置。
39. 前記サンプリング情報は、基底行列と、前記基底行列から基底のサイズおよび基底ベクトルの集合を選択するための選択情報とを含む、請求項３７または３８に記載の装置。
40. 前記サンプリング基準は、圧縮サンプリングを実行するためのインコヒーレントな基底の選択を含む、請求項３７に記載の装置。
41. 基底ベクトルの集合に沿って前記行動データをサンプリングすることにより圧縮サンプリングを実行する手段をさらに有し、前記基底ベクトルの集合は、前記選択情報に基づいて前記基底行列からランダムに選択される、請求項３９に記載の装置。
    
    
42. 前記行動の前記分類における誤りが判断されると、更新された選択情報を受信する手段と；
    更新されたサンプル・データを生成するために、前記更新された選択情報および前記サンプリング基準に少なくとも基づいて、前記行動データの圧縮サンプリングを実行する手段と；
    前記更新されたサンプル・データを、前記行動の分類を促進するために送信する手段と；
    をさらに有する、請求項３７または３９に記載の装置。

Images