JP6126540B2 - 関係性推定装置、関係性推定方法およびプログラム - Google Patents
関係性推定装置、関係性推定方法およびプログラム Download PDFInfo
- Publication number
- JP6126540B2 JP6126540B2 JP2014021167A JP2014021167A JP6126540B2 JP 6126540 B2 JP6126540 B2 JP 6126540B2 JP 2014021167 A JP2014021167 A JP 2014021167A JP 2014021167 A JP2014021167 A JP 2014021167A JP 6126540 B2 JP6126540 B2 JP 6126540B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- relationship
- activity state
- accompanying
- person
- 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
Links
- 238000000034 method Methods 0.000 title claims description 20
- 230000000694 effects Effects 0.000 claims description 248
- 238000004364 calculation method Methods 0.000 claims description 52
- 238000012937 correction Methods 0.000 claims description 35
- 230000008451 emotion Effects 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 24
- 230000009471 action Effects 0.000 claims description 14
- 230000002349 favourable effect Effects 0.000 description 29
- 230000001133 acceleration Effects 0.000 description 13
- 230000035945 sensitivity Effects 0.000 description 13
- 238000013107 unsupervised machine learning method Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 9
- 238000013106 supervised machine learning method Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 230000008520 organization Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 235000019577 caloric intake Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
また、本発明にかかる上記関係性推定装置の一構成例は、前記関係性推定部が、前記譲歩度J12に関する過去の履歴に基づいて前記対象者X1の前記対象者X2に対する譲歩のし易さに関する傾向を認識するとともに、前記譲歩度J21に関する過去の履歴に基づいて前記対象者X2の前記対象者X1に対する譲歩のし易さに関する傾向を認識し、これら認識の結果を考慮して前記上下関係を推定するようにしたものである。
また、本発明にかかる上記関係性推定装置の一構成例は、前記関係性推定部が、前記好感度P1iに関する過去の履歴に基づいて前記対象者X1から前記対象者Xiに向けられた感情に関する傾向を認識し、前記認識の結果を考慮して前記対象者X1から前記対象者Xiに向けられた感情を推定するようにしたものである。
また、本発明にかかる上記関係性推定装置の一構成例は、前記同行状態を検出した同行前後における前記センサデータの変化に基づいて、推定された前記関係性を補正する関係性補正部をさらに備えている。
本実施の形態にかかる関係性推定装置は、関係性推定の対象者が装着している歩数計等のセンサにより得られるセンサデータを用いて特定の対象者同士が一緒に行動を共にしているという同行の有無を検出し、対象者それぞれの同行状態に応じて得られる、対象者の活動状態を表す複数の活動状態データを対象者ごとにそれぞれ取得し、対象者ごとの複数の活動状態データから算出される距離に基づいて、その対象者同士の組織上の繋がりまたは私的な繋がりを表す関係性を推定するものである。
本実施の形態における関係性推定システムの説明に入る前に、当該関係性推定システムで用いられる種々の用語の一部について説明する。
図1には、関係性推定システム100の全体構成を示す。この関係性推定システム100は、関係性推定の対象となる複数の対象者A〜Dがそれぞれ装着したセンサ(歩数計)SE1〜SE4と、当該センサSE1〜SE4からネットワークNWを介して得られるセンサデータ(歩数データ)S1〜S4に基づいて対象者A〜D同士の関係性を推定する関係性推定装置1と、センサデータ(歩数データ)S1〜S4を蓄積するデータ蓄積部2と、当該関係性推定装置1による関係性推定結果を表示する表示部3とを備えている。
図2に示すように、関係性推定装置1は歩数データS1〜S4に基づいて複数の対象者A〜Dが同行しているか否かを検出する同行検出部4、対象者A〜Dの同行時の活動状態および同行時以外の通常時の活動状態を取得する活動状態取得部5、対象者A〜D間の同行時の活動状態と通常時の活動状態との相違に基づいて第1の指標としての譲歩度を計算する譲歩度計算部6と、対象者A〜Dごとの譲歩度の大小に基づいて対象者同士の関係性を推定する関係性推定部7とにより構成される推定部9、およびその関係性を補正する関係性補正部8を備えている。
同行検出部4は、複数の対象者A〜Dのそれぞれが他の対象者と行動を共にしていたと考えられる「同行状態」であったことを検出する機能部である。
センサ情報入力部21は、対象者A〜DのセンサSE1〜SE4からアクセスポイントAPおよびネットワークNWを経由して送られてきた歩数データS1〜S4を順次受信して後述する類似情報算出部22に入力するものである。対象者A、Bに着目すると、歩数データS1、S2は対象者A、Bの例えば1分間ごとの歩数情報であるため、センサSE1、SE2から1分間隔で同じ時刻情報を持つ歩数データS1、S2がセンサ情報入力部21に入力される。なお、図4に示すように、歩数データS1、S2は、時間tに対応した対象者A、Bの1分間あたりの歩数の変化を表す波形として表現することができる。
類似情報算出部22は、センサ情報入力部21から供給された対象者A、Bの同じ時刻情報を持つ歩数データS1、S2に基づいて、お互いの行動(この場合は歩行)の類似度を示す類似情報R1を算出するものである。この類似情報R1は、例えば対象者A、Bにおける歩数データS1、S2を比較して、両者が一致する度合いが大きいほど高くなる値である。
同行判定部23は、類似情報算出部22から供給された類似情報R1が予め決められた所定の閾値を越えているか否かに基づき、類似情報R1を算出する対象となった時間区間において対象者A、B同士が同行状態にあったか否かを判定するものである。
関係強度情報算出部24は、同行判定部23に接続されており、対象者A、B間の同行判定結果T1、非同行判定結果T2に基づいて当該対象者A、B間の人間同士の繋がりの強さ表す関係強度情報K1を算出し、この関係強度情報K1を内部の記憶部に保持するとともに同行判定部23を介して後段の活動状態取得部5へ出力するものである。
活動状態取得部5(図2)は、同行検出部4の同行判定結果T1に基づいて、すなわち、各対象者が他の対象者と同行していた時間帯や同行していた相手に基づいて、任意の対象者が他の特定の対象者と同行状態にあったときの活動状態(以下、このように他の対象者と同行状態にあった状態を「同行時活動状態」という。)を表すセンサデータと、その対象者が当該他の対象者と同行状態になかったときの活動状態(以下、このように他の対象者と同行状態になかった状態を「通常時活動状態」という。)を表すセンサデータとを着目する対象者ごとに取得する機能部である。
活動状態取得部5は、まず、一方の対象者Aについて、対象者Aが他の対象者Bと同行していたという同行判定結果T1に基づいて、同行判定結果T1の時刻情報に対応した対象者Aの歩数データS1をデータ蓄積部2から取得して、後述する譲歩度計算部6に出力する。
また、活動状態取得部5は、対象者Aに関する同行判定結果(または非同行判定結果)に基づいて、対象者Aが他の対象者のいずれとも同行していなかったときの歩数データS0をデータ蓄積部2から取得して、後述する譲歩度計算部6に出力する。この対象者Aの歩数データS0は、対象者Aが一人で行動しているときの対象者Aの単位時間(1分間)当たりの歩数情報である。本実施の形態においては、対象者Aが一人で行動しているときの対象者Aの通常時活動状態を表すセンサデータ(以下、「通常時活動状態データA2」という。)として、この歩数データS0を用いるものとする。
推定部9の譲歩度計算部6は、上述した活動状態取得部5から入力された2人の対象者A、Bの活動状態を表すセンサデータから、着目する2人の対象者A、Bのそれぞれについて、両者が同行しているときの同行時活動状態と各人の通常時活動状態との間の距離(変化量)を「譲歩度」として求めるものである。
教師無し機械学習法を用いて対象者A、Bの関係における対象者A、Bの譲歩度J1、J2を求める方法の例について説明する。活動状態取得部5から入力された対象者Aの対象者Bとの同行時活動状態データA1および通常時活動状態データA2は、図7に示すように、「1分間あたりの歩数」と「時刻」とをパラメータとする2次元座標上の点として表すことができる。
一方、教師無し機械学習法に代えて教師有り機械学習法を用いて対象者A、Bの関係における対象者A、Bの譲歩度を求めることもできる。
推定部9の関係性推定部7(図2)は、譲歩度計算部6から入力された譲歩度J1、J2に基づいて、着目する対象者A、Bの間の関係性を推定し、これを関係性推定結果Q1として関係性補正部8へ出力するものである。
関係性補正部8(図2)は、推定部9の関係性推定部7により推定した対象者A、B同士の関係性推定結果Q1を必要に応じて補正することにより当該関係性推定結果Q1の精度を向上させた補正後の関係性推定補正結果Q1Sを得、これを表示部3へ出力し、最終的な表示内容として反映させるものである。
表示部3は、関係性補正部8から供給される関係性推定結果Q1または関係性推定補正結果Q1Sに基づいて対象者A、Bの関係性を視覚的かつ直感的に理解できるよう有向グラフ化した状態でモニタに表示するものである。
このような構成の関係性推定装置1の動作について図9のフローチャートを用いて説明する。関係性推定装置1は、ルーチンRT1の開始ステップから入って次のステップSP1へ移り、同行検出部4により現在着目している対象者A、B同士の歩数データS1、S2に基づいて同行検出を行い、同行の有無およびその同行期間や、対象者A、B間の関係強度情報K1を当該同行検出部4の検出結果として活動状態取得部5へ出力する。
第2の実施の形態における関係性推定システムは、関係性推定の対象者が装着している歩数計等のセンサにより得られるセンサデータ(歩数データ)を用いて例えば着目する対象者Aの他の対象者B〜Dとの同行時における当該他の対象者B〜Dに対する第2の指標としての好感度を求め、その好感度に基づいて対象者Aの対象者B〜Dに対する1対nの好意関係を推定するものである。もちろん、第2の実施の形態における関係性推定システムにおいては、対象者Aだけではなく、対象者B、C、Dの他の対象者との同行時における当該他の対象者に対する1対nの好意関係を推定することも可能である。
図2との対応部分に同一符号を付した図11に示すように、関係性推定装置110は同行検出部4、活動状態取得部5、好感度計算部112および関係性推定部7からなる推定部111を備えており、第1の実施の形態における推定部9の譲歩度計算部6に替えて好感度計算部112が設けられた構成を有する。
なお、上述した第1および第2の実施の形態においては、4名の対象者A〜D同士の関係性を推定するようにした場合について述べたが、本発明はこれに限らず、更に多くの複数の対象者同士の関係性を推定するようにしても良い。
Claims (11)
- 2以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出部と、
前記対象者のうち対象者X1が他の対象者X2と前記同行状態にある同行時における前記対象者X1の活動状態を示す活動状態データである1つ以上の同行時活動状態データY12と、前記対象者X1が他のいずれの対象者とも前記同行状態にない通常時における前記対象者X1の活動状態を示す活動状態データである1つ以上の通常時活動状態データY1とを取得する活動状態取得部と、
前記対象者X1と前記対象者X2との人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データY12と前記通常時活動状態データY1とに基づいて、前記対象者X1が前記対象者X2の行動に合わせて譲歩している度合いを示す譲歩度J12を計算する譲歩度計算部と
を備えることを特徴とする関係性推定装置。 - 請求項1に記載の関係性推定装置において、
前記対象者X1と前記対象者X2との間における前記関係性を推定する関係性推定部をさらに備え、
前記活動状態取得部は、前記対象者X2が前記対象者X1と前記同行状態にある同行時における前記対象者X2の活動状態を示す活動状態データである同行時活動状態データY21と、前記対象者X2が他のいずれの対象者とも前記同行状態にない通常時における前記対象者X2の活動状態を示す活動状態データである通常時活動状態データY2とを取得し、
前記譲歩度計算部は、前記同行時活動状態データY21と前記通常時活動状態データY2とに基づいて、前記対象者X2が前記対象者X1の行動に合わせて行動している度合いを示す譲歩度J21を計算し、
前記関係性推定部は、前記譲歩度J12と前記譲歩度J21とを比較することにより、前記関係性として前記対象者X1と前記対象者X2との上下関係を推定する
ことを特徴とする関係性推定装置。 - 請求項2に記載の関係性推定装置において、
前記活動状態データは、単位時間当たりに前記対象者が歩いた歩数からなり、
前記関係性推定部は、前記譲歩度J12と前記譲歩度J21との大小関係に基づいて、前記上下関係において前記対象者X1が前記対象者X2より下位,上位,同位に位置することを推定する
ことを特徴とする関係性推定装置。 - 請求項2または請求項3に記載の関係性推定装置において、
前記関係性推定部は、前記譲歩度J12に関する過去の履歴に基づいて前記対象者X1の前記対象者X2に対する譲歩のし易さに関する傾向を認識するとともに、前記譲歩度J21に関する過去の履歴に基づいて前記対象者X2の前記対象者X1に対する譲歩のし易さに関する傾向を認識し、これら認識の結果を考慮して前記上下関係を推定することを特徴とする関係性推定装置。 - 2以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出部と、
前記対象者のうち対象者X1が他の対象者X2〜Xn(nは2以上の整数)のそれぞれと前記同行状態にある同行時における、前記対象者X1の活動状態を示す活動状態データである同行時活動状態データY12〜Y1nを、それぞれ1つ以上取得する活動状態取得部と、
前記対象者X1と前記対象者X2〜Xnとの人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データY12〜Y1nと前記同行時活動状態データY1i(i=2〜nの整数のいずれか)とに基づいて、前記対象者X1から前記対象者Xiに向けられた感情の度合いを示す好感度P1iを計算する好感度計算部と
を備えることを特徴とする関係性推定装置。 - 請求項5に記載の関係性推定装置において、
前記活動状態データは、単位時間当たりに前記対象者が歩いた歩数からなり、
前記好感度P1iの正負に基づいて、前記対象者X1から前記対象者Xiに向けられた感情がポジティブなものかネガティブなものかを推定する関係性推定部をさらに備える
ことを特徴とする関係性推定装置。 - 請求項6に記載の関係性推定装置において、
前記関係性推定部は、前記好感度P1iに関する過去の履歴に基づいて前記対象者X1から前記対象者Xiに向けられた感情に関する傾向を認識し、前記認識の結果を考慮して前記対象者X1から前記対象者Xiに向けられた感情を推定することを特徴とする関係性推定装置。 - 請求項1〜請求項7のいずれかに記載の関係性推定装置において、
前記同行状態を検出した同行前後における前記センサデータの変化に基づいて、推定された前記関係性を補正する関係性補正部をさらに備えることを特徴とする関係性推定装置。 - 2以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出ステップと、
前記対象者のうち対象者X1が他の対象者X2と前記同行状態にある同行時における前記対象者X1の活動状態を示す活動状態データである1つ以上の同行時活動状態データY12と、前記対象者X1が他のいずれの対象者とも前記同行状態にない通常時における前記対象者X1の活動状態を示す活動状態データである1つ以上の通常時活動状態データY1とを取得する活動状態取得ステップと、
前記対象者X1と前記対象者X2との人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データY12と前記通常時活動状態データY1とに基づいて、前記対象者X1が前記対象者X2の行動に合わせて譲歩している度合いを示す譲歩度J12を計算する譲歩度計算ステップと
を備えることを特徴とする関係性推定方法。 - 2以上の対象者に装着されたセンサにより取得されたセンサデータに基づいて対象者同士が一緒に行動を共にする同行状態を検出する同行検出ステップと、
前記対象者のうち対象者X1が他の対象者X2〜Xn(nは2以上の整数)のそれぞれと前記同行状態にある同行時における、前記対象者X1の活動状態を示す活動状態データである同行時活動状態データY12〜Y1nを、それぞれ1つ以上取得する活動状態取得ステップと、
前記対象者X1と前記対象者X2〜Xnとの人間関係の繋がりに関する関係性を示す指標として、前記同行時活動状態データY12〜Y1nと前記同行時活動状態データY1i(i=2〜nの整数のいずれか)とに基づいて、前記対象者X1から前記対象者Xiに向けられた感情の度合いを示す好感度P1iを計算する好感度計算ステップと
を備えることを特徴とする関係性推定方法。 - コンピュータが、請求項1〜請求項8のいずれかに記載の関係性推定装置を構成する各部として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014021167A JP6126540B2 (ja) | 2014-02-06 | 2014-02-06 | 関係性推定装置、関係性推定方法およびプログラム |
US14/487,506 US20150220613A1 (en) | 2014-02-06 | 2014-09-16 | Relationship estimation device and relationship estimation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014021167A JP6126540B2 (ja) | 2014-02-06 | 2014-02-06 | 関係性推定装置、関係性推定方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015146893A JP2015146893A (ja) | 2015-08-20 |
JP6126540B2 true JP6126540B2 (ja) | 2017-05-10 |
Family
ID=53755020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014021167A Active JP6126540B2 (ja) | 2014-02-06 | 2014-02-06 | 関係性推定装置、関係性推定方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20150220613A1 (ja) |
JP (1) | JP6126540B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150327802A1 (en) * | 2012-12-15 | 2015-11-19 | Tokyo Institute Of Technology | Evaluation apparatus for mental state of human being |
JP6658706B2 (ja) | 2017-09-22 | 2020-03-04 | カシオ計算機株式会社 | 同行者判定装置、同行者判定システム、同行者判定方法及びプログラム |
US10847048B2 (en) * | 2018-02-23 | 2020-11-24 | Frontis Corp. | Server, method and wearable device for supporting maintenance of military apparatus based on augmented reality using correlation rule mining |
JP2021108021A (ja) * | 2019-12-27 | 2021-07-29 | パナソニックIpマネジメント株式会社 | 感情分析システムおよび感情分析方法 |
JP6993526B1 (ja) | 2021-03-25 | 2022-01-13 | 株式会社 日立産業制御ソリューションズ | 状態遷移提案装置、状態遷移提案方法及び状態遷移提案プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003319921A (ja) * | 2002-04-30 | 2003-11-11 | Mitsubishi Chemicals Corp | 集団状態における心身状態の評価方法,同評価装置,同評価システムおよびプログラムが記録されたコンピュータ読み取り可能な記録媒体 |
JP5160818B2 (ja) * | 2007-01-31 | 2013-03-13 | 株式会社日立製作所 | ビジネス顕微鏡システム |
JP2009129338A (ja) * | 2007-11-27 | 2009-06-11 | Sony Corp | 対人関係評価装置、対人関係評価方法、対人関係評価システム、端末装置 |
US20160270717A1 (en) * | 2011-06-10 | 2016-09-22 | Aliphcom | Monitoring and feedback of physiological and physical characteristics using wearable devices |
JP5691073B2 (ja) * | 2011-08-22 | 2015-04-01 | 株式会社日立製作所 | 情報処理システム、管理サーバ及び情報処理方法 |
US9275534B2 (en) * | 2011-09-02 | 2016-03-01 | Domuset Oy | Method and arrangement for evaluating activity and functional ability based on interaction and physiological signals |
-
2014
- 2014-02-06 JP JP2014021167A patent/JP6126540B2/ja active Active
- 2014-09-16 US US14/487,506 patent/US20150220613A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20150220613A1 (en) | 2015-08-06 |
JP2015146893A (ja) | 2015-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11112874B2 (en) | Methods and systems for monitoring and influencing gesture-based behaviors | |
JP6126540B2 (ja) | 関係性推定装置、関係性推定方法およびプログラム | |
US10321870B2 (en) | Method and system for behavioral monitoring | |
AU2016202364B2 (en) | User activity tracking system and device | |
JP6803299B2 (ja) | システム及び方法 | |
JP5216140B2 (ja) | 行動提案装置、及びその方法 | |
Candás et al. | An automatic data mining method to detect abnormal human behaviour using physical activity measurements | |
JP5953673B2 (ja) | 行動識別装置、行動識別方法、及びプログラム | |
US20190311014A1 (en) | Information presentation device, information presentation system, and information presentation method | |
Moschetti et al. | Daily activity recognition with inertial ring and bracelet: An unsupervised approach | |
WO2023112384A1 (ja) | 計算機システム及び情動推定方法 | |
KR102177740B1 (ko) | 인지 능력 평가 방법, 이의 시스템 및 이를 위한 웨어러블 디바이스 | |
Lee et al. | Using a smartwatch to detect stereotyped movements in children with developmental disabilities | |
JP7048709B2 (ja) | システム及び方法 | |
WO2016135589A2 (en) | Health habit management | |
JP2015005103A (ja) | 同行判断装置、同行判断方法、およびプログラム | |
Luštrek et al. | Counting bites with a smart watch | |
US20230210503A1 (en) | Systems and Methods for Generating Menstrual Cycle Cohorts and Classifying Users into a Cohort | |
KR20190102803A (ko) | 복합 생체정보 센서를 활용한 긍정적 정서 추론 장치 및 방법 | |
TROFIMOVA et al. | Unsupervised methods for activities of daily living drift modeling and recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160223 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160412 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160906 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161004 |
|
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: 20170328 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170407 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6126540 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |