JP6244178B2 - 情報処理装置、情報処理方法及びプログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

近年、様々なセンサを用いて、人間や車その他の動体の動作を検知する装置が登場してきている。その中のひとつとして、電波型や音波型のセンサを用いて、人体の呼吸を検出する技術が開発されている。

例えば、下記非特許文献１では、電波型のセンサからの出力信号に対して３種の特徴量（信号強度、周波数領域エントロピー、信号ヒストグラム）を抽出し、機械学習手法により無人状態／有人状態（呼吸）／有人状態（移動）を識別する技術が開示されている。なお、特徴量として用いられる信号強度および周波数領域エントロピーは、フーリエ変換を用いて計算されている。また、信号ヒストグラムは時間領域での信号振幅に関する分布である。

久保 肇，森 武俊，佐藤 知正，"マイクロ波ドップラーセンサによる移動・呼吸信号検出，" 日本生体医工学会誌，Ｖｏｌ． ４８， Ｎｏ．６， ｐｐ．５９５−６０３， ２０１０．

上記非特許文献に開示された技術において識別のために用いられる特徴量は、いずれも出力信号の時間に関する統計量であるため、識別対象である動体の速度の大きさや動きの複雑度を表現できるに留まっていた。このため、例えば有人状態（呼吸）であると識別することはできても、動体がどのような呼吸を行っているか、といった動体の任意な動き成分を評価することはできないという問題があった。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、センサによる観測結果に基づいて動体の任意な動き成分を評価することが可能な、新規かつ改良された情報処理装置、情報処理方法及びプログラムを提供することにある。

上記課題を解決するために、本発明のある観点によれば、動体から観測された第１の振動情報を入力する入力部と、前記動体の周期運動をモデル化した１つ以上のパラメータを含む周期関数に基づいて第２の振動情報を生成する生成部と、前記入力部により入力された前記第１の振動情報と前記生成部により生成された前記第２の振動情報との比較結果に基づいて前記パラメータを推定する推定部と、を備え、前記推定部は、推定した前記パラメータを用いて前記生成部により再度生成された前記第２の振動情報と前記第１の振動情報との比較結果に基づく前記パラメータの推定を繰り返し、前記動体は生体であり、前記周期運動は呼吸運動であり、前記周期関数が含む前記パラメータの一部は、吸気動作に対応する第１のパラメータと呼気動作に対応する第２のパラメータとで周期的に切り替えられ、前記第１のパラメータと前記第２のパラメータとは異なる、情報処理装置が提供される。

前記第１の振動情報は、前記動体の前記周期運動の位相変動を示す情報であり、前記周期関数は、前記動体の位置変動を示すモデルであり、前記生成部は、前記周期関数により出力される位置変動を示す情報を位相変動を示す情報に変換することで前記第２の振動情報を生成してもよい。

前記第１の振動情報は、音波もしくは電波による送信波と振動体である前記動体による反射波との合成により得られるビート信号であってもよい。

前記第１の振動情報は、前記動体の位置変動を示す情報であり、前記周期関数は、前記動体の位置変動を示すモデルであり、前記生成部は、前記周期関数から出力される位置変動を示す情報を前記第２の振動情報としてもよい。

前記第１の振動情報は、前記動体の加速度を示す情報であり、前記周期関数は、前記動体の位置変動を示すモデルであり、前記生成部は、前記周期関数から出力される位置変動を示す情報を加速度を示す情報に変換することで前記第２の振動情報を生成してもよい。

前記推定部は、前記第１の振動情報および前記第２の振動情報を標準化した波形を比較してもよい。

前記入力部に入力される前記第１の振動情報は、前記動体を観測するセンサからの出力にＩＩＲ（Ｉｎｆｉｎｉｔｅ ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ）フィルタを適用した情報であり、前記生成部は、疑似的なＩＩＲフィルタを適用して前記第２の振動情報を生成してもよい。

前記情報処理装置は、前記第１の振動情報と前記第２の振動情報との一致度に基づいて前記動体の状態を推定する状態推定部をさらに備えてもよい。

前記推定部は、前記パラメータをパーティクルとしたパーティクルフィルタ、カルマンフィルタ、または複数のカルマンフィルタのアンサンブルにより、前記パラメータを逐次的に推定してもよい。

前記推定部は、複数の前記パーティクルに含まれる前記パラメータの平均値、中央値、または最頻値の少なくともいずれかを代表値としてもよい。
前記第１のパラメータと前記第２のパラメータとの切り替え時の前記周期関数の出力値は所定値であってもよい。

また、上記課題を解決するために、本発明の別の観点によれば、動体から観測された第１の振動情報を入力するステップと、前記動体の周期運動をモデル化した１つ以上のパラメータを含む周期関数に基づいて第２の振動情報を生成するステップと、入力された前記第１の振動情報と生成された前記第２の振動情報との比較結果に基づいて前記パラメータを推定するステップと、推定した前記パラメータを用いて再度生成された前記第２の振動情報と前記第１の振動情報との比較結果に基づく前記パラメータの推定を繰り返すステップと、を備え、前記動体は生体であり、前記周期運動は呼吸運動であり、前記周期関数が含む前記パラメータの一部は、吸気動作に対応する第１のパラメータと呼気動作に対応する第２のパラメータとで周期的に切り替えられ、前記第１のパラメータと前記第２のパラメータとは異なる、情報処理方法が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、動体から観測された第１の振動情報を入力する入力部と、前記動体の周期運動をモデル化した１つ以上のパラメータを含む周期関数に基づいて第２の振動情報を生成する生成部と、前記入力部により入力された前記第１の振動情報と前記生成部により生成された前記第２の振動情報との比較結果に基づいて前記パラメータを推定する推定部と、を備え、前記推定部は、推定した前記パラメータを用いて前記生成部により再度生成された前記第２の振動情報と前記第１の振動情報との比較結果に基づく前記パラメータの推定を繰り返し、前記動体は生体であり、前記周期運動は呼吸運動であり、前記周期関数が含む前記パラメータの一部は、吸気動作に対応する第１のパラメータと呼気動作に対応する第２のパラメータとで周期的に切り替えられ、前記第１のパラメータと前記第２のパラメータとは異なる、情報処理装置として機能させるためのプログラムが提供される。

以上説明したように本発明によれば、センサによる観測結果に基づいて動体の任意な動き成分を評価することが可能である。

第１の実施形態に係る情報処理装置の構成を示すブロック図である。 第１の実施形態に係る変位モデルを説明するための図である。 第１の実施形態に係る情報処理装置の動作を示すフローチャートである。 第１の実施形態に係る情報処理装置の実験環境を説明するための図である。 第１の実施形態に係る情報処理装置の実験結果を示す図である。 第１の実施形態に係る情報処理装置の実験結果を示す図である。 第１の実施形態に係る情報処理装置の実験結果を示す図である。 第１の実施形態に係る情報処理装置の実験結果を示す図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

＜１．本発明の一実施形態に係る情報処理装置の概要＞
本発明の一実施形態に係る情報処理装置は、センサによる観測結果に基づいて動体の任意な動き成分を評価する。詳しくは、情報処理装置は、周期運動を行う動体の変位を記述する任意の周期関数モデル、およびセンサの出力信号波形についてパーティクルフィルタの枠組みを適用することで、周期関数モデルに含まれるパラメータを直接推定する。情報処理装置は、推定したパラメータにより、動体の任意の動き成分を評価することができる。また、情報処理装置は、推定したパラメータを適用した周期関数モデルの出力信号波形への当てはまりの良さに基づき、周期関数モデルが対象とした動きの有無を推定することができる。

また、情報処理装置は、パーティクルフィルタによりパラメータを逐次推定するため、例えば呼吸などの動きにゆらぎや変化が生じる生体を対象として、変化に追随して周期関数モデルを更新することができる。このため、情報処理装置は、逐次的にパラメータを特定して動体の動きの特徴を随時抽出することや、周期関数モデルの対象とした動きの有無を随時推定することができる。

以上、本発明の一実施形態に係る情報処理装置の概要を説明した。以下、実施形態について詳細に説明する。

＜２．第１の実施形態＞
本実施形態に係る情報処理装置は、周期運動を行う動体から観測された振動情報に基づいて、その動体の状態を推定することが可能である。本明細書では、情報処理装置１は、動体の一例として人を対象とし、周期運動の一例として人の呼吸運動を対象とし、呼吸運動の状態を推定するものとする。

［２−１．構成］
まず、図１を参照して、第１の実施形態に係る情報処理装置の内部構成を説明する。

図１は、第１の実施形態に係る情報処理装置１の構成を示すブロック図である。図１に示すように、情報処理装置１は、生成部１０、推定部２０、状態推定部３０、および標準化部４０を有する。また、情報処理装置１は、ビート信号生成部３が人４を観測した観測結果を、ＩＩＲ（Ｉｎｆｉｎｉｔｅ ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ）フィルタ２を介して入力される。

（人４）
人４は、ビート信号生成部３から照射される電波を反射する物体である。また、人４は、呼吸運動という周期運動を行う動体である。呼吸運動は、吸気動作と呼気動作とに分けられるが、それぞれ速度変化が異なることが一般的である。

（ビート信号生成部３）
ビート信号生成部３は、電波を人４に向けて送信し、人４により反射された電波を受信するセンサであり、送信波と受信波との差分の周波数の信号であるビート信号（第１の振動情報）を出力する。ビート信号は、人４の呼吸運動という周期運動の位相変動を示す情報である。電波の他にも、ビート信号生成部３は、音波や光等を送受信してビート信号を出力してもよい。ここで、ビート信号生成部３は、連続波型かつ直交検波方式であるものとし、正弦波および余弦波の２波を出力信号として出力するが、連続波型ではなく一定区間の周波数範囲内で周波数が変化するスイープ型や、一定区間で周波数が切替える周波数切替え型へも応用が可能である。これら出力信号を複素数表現としてまとめ、次式で表現する。

ここで、Ａ（ｔ）を振幅項［Ｖ］、ｊを虚数、λを搬送波の波長［ｍ］、ｘ（ｔ）を照射対象の変位［ｍ］，ｄ_０を初距離［ｍ］、φ_０を初期位相［ｒａｄ］とする。ここで、振幅項Ａ（ｔ）には直流成分とノイズ成分が含まれている。

（ＩＩＲフィルタ２）
ＩＩＲフィルタ２は、アナログ回路内に構成された無限インパルス応答フィルタであり、人４を観測するビート信号生成部３からの出力に対してＩＩＲフィルタを適用する。本明細書では、ＩＩＲフィルタ２は、１次のＩＩＲハイパスフィルタであるものとする。上述したように、ビート信号には直流成分が含まれているが、直流成分の存在は対象の変位を記述する位相部分の抽出を行う場合の障害や、信号飽和の原因となる。このため、情報処理装置１は、ＩＩＲフィルタ２を用いてこの直流成分を除去する。ビート信号生成部のオフセット電圧が正しく補正もしくは除去されるような場合では、本フィルタのない構成も適用可能であるが、擬似的なビート信号を推定するために計算可能な手法をとることが重要である。ＩＩＲフィルタ２は、入力信号の周波数に応じて振幅と位相を非線形に変調させるが、直流成分を除去可能である。ＩＩＲフィルタ２は、上記数式１で示したビート信号から直流成分を除去して、次式で示す信号を出力する。

ここで、アナログ回路上の実装によるＩＩＲハイパスフィルタによる振幅への影響項をｆ_ｒ（ｔ）、位相への影響項をｆ_φ（ｔ）とする。

ＩＩＲフィルタ２は、信号処理したビート信号を情報処理装置１に出力する。

（標準化部４０）
標準化部４０は、ＩＩＲフィルタ２から出力されたビート信号を標準化する機能を有する。具体的には、標準化部４０は、ビート信号を平均０、標準偏差１に標準化するものとする。なお、標準化部４０を、ビート信号を入力する入力部として捉えることもできる。

（生成部１０）
生成部１０は、人４の周期運動をモデル化した１つ以上のパラメータを含む周期関数に基づいて、モデル化した人４の周期運動をビート信号生成部３が観測した場合に出力されると想定されるビート信号を、疑似的に生成する機能を有する。生成部１０が生成する疑似的なビート信号を、疑似ビート信号（第２の振動情報）とも称する。生成部１０は、変位モデル１１、ビート信号モデル１２、ＩＩＲフィルタ１３、および標準化部１４として機能する。

・変位モデル１１
変位モデル１１は、人４の周期運動をモデル化した１つ以上のパラメータを含む周期関数である。具体的には、変位モデル１１は、人４の呼吸による胸壁の変位変化（位置変動を示す情報）をモデル化した周期関数であり、後述する数式４で示すｒ（ｔ）である。以下、本実施形態に係る胸壁の変位モデルの説明の前に、まず、胸壁の変位モデルについての比較例を説明する。

胸壁の変位をモデル化した周期関数の比較例（Ｙ． Ｓｅｐｐｅｎｗｏｏｌｄｅ， Ｈ． Ｓｈｉｒａｔｏ， Ｋ． Ｋｉｔａｍｕｒａ， Ｓ． Ｓｈｉｍｉｚｕ， Ｍ． ｖａｎ Ｈｅｒｋ， Ｊ． Ｖ． Ｌｅｂｅｓｑｕｅ， ａｎｄ Ｋ． Ｍｉｙａｓａｋａ， “Ｐｒｅｃｉｓｅ ａｎｄ ｒｅａｌ−ｔｉｍｅ ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ３ｄ ｔｕｍｏｒ ｍｏｔｉｏｎ ｉｎ ｌｕｎｇ ｄｕｅ ｔｏ ｂｒｅａｔｈｉｎｇ ａｎｄ ｈｅａｒｔｂｅａｔ， ｍｅａｓｕｒｅｄ ｄｕｒｉｎｇ ｒａｄｉｏｔｈｅｒａｐｙ，” Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｒａｄｉａｔｉｏｎ Ｏｎｃｏｌｏｇｙ＊ Ｂｉｏｌｏｇｙ＊ Ｐｈｙｓｉｃｓ， ｖｏｌ． ５３， ｎｏ． ４， ｐｐ． ８２２−８３４， ２００２．）として、次式で示すモデルｓ（ｔ）がある。

ここで、Ｖ（≧０）は最大変位量［ｍ］、ｆ（≧０）は呼吸周波数［Ｈｚ］、θ，（０≦θ＜２π）は呼吸初期位相［ｒａｄ］、ｎ（≧１）は形状変化パラメータ（非負整数）である。ｓ（ｔ）が増加する場合を吸気動作、減少する場合を呼気動作とする。図２Ａに、パラメータｎ以外のパラメータを固定（Ｖ＝１．００，ｆ＝０．２５，θ＝−π／２）した場合の形状変化例を示す。なお、図２は、第１の実施形態に係る変位モデルを説明するための図である。符号１０１は、ｎ＝１とした場合のｓ（ｔ）であり、符号１０２は、ｎ＝２とした場合のｓ（ｔ）である。図２Ａに示すように、ｎの増加に伴い、速度の変化量が大きくなっている。

この比較例には、２つの制約が存在している。第１の制約は、呼吸動作における吸気と呼気の速度変化が同一という点である。上述したように、一般に吸気と呼気の速度変化は個人差によって異なる可能性があるが、比較例はこの点について考慮がなされていない。第２の制約は、速度変動を制御する形状変化パラメータｎが整数という点である。比較例は、ｎとして整数のみ採用するため、速度変化の細かな制御を行うことが困難である。しかしながら、人の呼吸などの生体のバイタル的活動としての周期的振動は、個人毎に波形の微少な歪みが多く、振動の往路と復路で対称な動きをすることは希である。

そこで、本実施形態では、比較例に係る上記制約を緩和し、振動の往路と復路で対称でない動きをパラメータで定義できる、次式で示す胸壁の変位モデルｒ（ｔ）を提案する。

比較例ｓ（ｔ）と同様に、ｒ（ｔ）が増加する場合を吸気動作、減少する場合を呼気動作とする。即ち、α（＞０）の場合は吸気の速度変化を表現し、β（＞０）の場合は呼気の速度変化を表現している。以下では、ｒ（ｔ）を、呼吸変位モデルとも称する。

呼吸変位モデルｒ（ｔ）は、独立したパラメータαおよびβを有することにより、吸気と呼気の速度変化が同一でない場合の速度変化を表現することができる。呼吸変位モデルｒ（ｔ）は、ηについての場合分けが設定されているが、それぞれの場合において節点ｒ（ｔ）＝０および節点ｒ（ｔ）＝Ｖを必ず通るように設計されているため、区分的に連続な周期関数と捉えることができる。

ここで、図２Ｂに、パラメータα、β以外のパラメータを固定（Ｖ＝１．００，ｆ＝０．２５，θ＝０．００）した場合の形状変化例を示す。符号２０１は、形状変化パラメータが（α＝０．１０，β＝０．１０）の場合の呼吸変位モデルｒ（ｔ）である。この場合の呼吸変位モデルｒ（ｔ）は、比較例ｓ（ｔ）と同様に、吸気と呼気の速度変化が同一であることが仮定される。一方で、符号２０２は、形状変化パラメータが（α＝０．７５，β＝３．２５）の場合の呼吸変位モデルｒ（ｔ）である。この場合の呼吸変位モデルｒ（ｔ）は、吸気と比較して呼気の速度変化が大きい場合を表現している。

このように、呼吸変位モデルｒ（ｔ）は、吸気と呼気の速度変化が異なる場合を表現することができる。さらに、呼吸変位モデルｒ（ｔ）は、形状変化パラメータαおよびβが整数以外の正の実数をとりえるので、比較例ｓ（ｔ）と比較して呼吸変位の表現能力が高いと言える。

変位モデル１１は、胸壁の変位変化をビート信号モデル１２に出力する。

・ビート信号モデル１２
ビート信号モデル１２は、変位モデル１１から出力された胸壁の変位変化（位置変動を示す情報）を、ビート信号表現（位相変動を示す情報）に変形する処理を行う。即ち、ビート信号モデル１２は、変位モデル１１により表現された疑似的な人間の胸壁の変化を、ビート信号生成部３が観測した場合に出力されると想定される疑似ビート信号に変換する機能を有する。具体的には、ビート信号モデル１２は、呼吸変位モデルｒ（ｔ）を入力とするビート信号モデルＲ（ｔ）として次式で定義される。

上記数式５では、モデルを制御するパラメータに対して新たにφ，（０≦φ＜２π）が加わったことを明示するため、Ｒ（ｔ｜・）、ｒ（ｔ｜・）という表記を与えた。φは、上記数式１よりθ∝−（４πｄ_０／λ＋φ_０）で与えられる、初距離ｄ_０と比例関係にある位相パラメータである。また、上記数式５は、振幅項を考慮していない。これは、ＩＩＲフィルタ１３による処理の影響にほとんど寄与しないためである。

ビート信号モデル１２は、生成した疑似ビート信号をＩＩＲフィルタ１３に出力する。

・ＩＩＲフィルタ１３
ＩＩＲフィルタ１３は、ディジタルフィルタとして構成された無限インパルス応答フィルタであり、ビート信号モデル１２から出力された疑似ビート信号に対して疑似的なＩＩＲフィルタを適用する。本明細書では、ＩＩＲフィルタ１３はＩＩＲバタワース・ハイパスフィルタであるものとする。ＩＩＲフィルタ１３は、ＩＩＲフィルタ２の性質を模擬した疑似的なディジタルフィルタである。ビート信号生成部３から出力されたビート信号は、アナログ回路で実装されたＩＩＲフィルタ２により信号処理される。これと同様に、ビート信号モデル１２から出力された疑似ビート信号は、ＩＩＲフィルタ２の性質を模擬したＩＩＲフィルタ１３により信号処理される。ＩＩＲフィルタ１３により信号処理された後の疑似ビート信号を、次式で定義する。

ここで、ＩＩＲバタワース・ハイパスディジタルフィルタによる振幅への影響項をｆ′ｒ（ｔ）、位相への影響項をｆ′φ（ｔ）とする。この疑似ビート信号Ｒ_ｆ（ｔ）を、以下では呼吸モデルとも称する。

・標準化部１４
標準化部１４は、ＩＩＲフィルタ１３から出力された疑似ビート信号を標準化する機能を有する。具体的には、標準化部１４は、標準化部４０と同様に、疑似ビート信号を平均０、標準偏差１に標準化するものとする。

（推定部２０）
推定部２０は、標準化部４０から出力されたビート信号と生成部１０により生成された疑似ビート信号との比較結果に基づいて、生成部１０で用いたモデルのパラメータを推定する機能を有する。推定部２０は、逐次的にパラメータを推定する。生体の動きのミクロな非対称性等の歪みはモデルで吸収し、長期的な動きの変動による歪みは、逐次的な推定により動的に追随し吸収する。詳しくは、推定部２０は、推定したパラメータを用いて生成部１０により再度生成された疑似ビート信号と、標準化部４０から出力されたビート信号との比較結果に基づいて、パラメータ推定を繰り返す。

具体的には、推定部２０は、パラメータが高次元かつ微分不可の場合でも適用可能なパーティクルフィルタを用いて、６つのパラメータ（Ｖ，α，β，ｆ，θ，φ）の分布の逐次抽出を行う。上述したように、ＩＩＲフィルタは、入力信号の周波数に応じて振幅と位相を非線形に変調させるが、パーティクルフィルタは状態方程式が非線形であっても解くことが可能である。パーティクルフィルタは、現時刻ｔまでの観測値がＹ_ｔ＝｛ｙ_０，・・・，ｙ_ｔ｝、状態変数がｘ_ｔであるとき、事後分布ｐ（ｘ_ｔ｜Ｙ_ｔ）を以下の数式７および数式８で示す漸化式によって、逐次推定する手法である。

なお、ｘ_ｔの密度分布をモンテカルロ近似によって離散的な粒子の集合で表現する場合、数式７および数式８は近似的に計算可能となる。

ここで、推定部２０は、生成部１０において用いるパラメータをひとつの粒子（パーティクル）として、パーティクルフィルタの状態空間モデルを構成する。まず、粒子数を、ｉ，（ｉ＝１，・・・，ｍ）として、情報処理装置１に入力されるビート信号Ｄ_ｆ（ｔ）から長さＮの時間窓で切り出されたｋ，（ｋ＝１，・・・，Ｋ）番目の複素観測ベクトルをｙ_ｋとする。また、呼吸モデルＲ_ｆ（ｔ｜ｘ_ｋ ^（ｉ））から生成された長さＮの複素モデルベクトルをｍ_ｋ ^（ｉ）とする。

ここで、ｙ_ｋは標準化部４０により、ｍ_ｋ ^（ｉ）は標準化部１４により、それぞれ平均０、標準偏差１に標準化されている。このため、生成部１０は、ｙ_ｋとｍ_ｋ ^（ｉ）とを標準化した波形により比較することが可能となる。即ち、生成部１０は、振幅に因らず、位相変化という相対的な変化を比較することが可能となるため、パラメータの推定精度がビート信号生成部３と人４との距離に依存せず、長距離であっても推定可能となる。

次に、状態ベクトルをｘ_ｋ＝［Ｖ_ｋ，α_ｋ，β_ｋ，ｆ_ｋ，θ_ｋ，φ_ｋ］^Ｔ、システムノイズｖ_ｋをｖ_ｋ〜［Ｎ（０，σ_Ｖ），Ｎ（０，σ_α），Ｎ（０，σ_β），Ｎ（σ_ｆ），ｖＭ（０，σ_θ），ｖＭ（０，σ_φ）］^Ｔと定義する。Ｎ（・）は正規分布を示し、ｖＭ（・）はフォンミーゼス分布を示す。フォンミーゼス分布は、円周上に定義された分布であり、位相を表現するのに適当であると言える。なお、逐次推定のための他の手法としてカルマンフィルタが考えられるが、カルマンフィルタでは正規分布を前提としているため、フォンミーゼス分布を採用することは困難である。一方、本実施形態に係る推定部２０は、パーティクルフィルタにより推定するため、フォンミーゼス分布を採用することが可能となる。

ここで、推定部２０は、尤度算出部２１、リサンプリング部２２、および粒子更新部２３として機能する。尤度算出部２１、リサンプリング部２２、および粒子更新部２３は、状態ベクトルｘ_ｋを粒子とするパーティクルフィルタにより、パラメータ推定を行う。

・粒子更新部２３
粒子更新部２３は、パーティクルフィルタの粒子を更新する機能を有する。粒子更新部２３により更新される粒子を、次式で定義する。

粒子更新部２３は、ひとつ前の時刻において、後述するリサンプリング部２２によりリサンプリングされたｘ_ｋ−１ ^（ｉ）を用いて現時刻の粒子ｘ_ｋ ^（ｉ）に更新する。なお、数式９をパーティクルフィルタのシステムモデルとして捉えることもできる。

粒子更新部２３は、更新した粒子が含むパラメータを変位モデル１１に入力する。生成部１０は、入力されたパラメータに基づいて疑似ビート信号を生成し、生成した疑似ビート信号を尤度算出部２１に出力する。

・尤度算出部２１
尤度算出部２１は、粒子更新部２３により更新された粒子ｘ_ｋ ^（ｉ）の尤度を算出する機能を有する。詳しくは、尤度算出部２１は、ビート信号と疑似ビート信号とを同一の条件で、即ちＩＩＲフィルタが適用され且つ標準化された形状同士で比較することで、尤度を算出する。尤度算出部２１が算出する尤度の観測モデルを次式で定義する。

ここで、σ_ｏを観測ノイズの分散，Ｈを共役転置記号とする。尤度算出部２１は、算出した尤度をリサンプリング部２２および状態推定部３０に出力する。

・リサンプリング部２２
リサンプリング部２２は、尤度算出部２１により算出された尤度に基づいて、粒子をリサンプリングする機能を有する。粒子更新部２３により更新された粒子のうち、リサンプリング部２２が各粒子を得る確率は、数式１０で示した観測モデルと数式８で示したモンテカルロ近似表現から次式で定義される。

（状態推定部３０）
状態推定部３０は、ビート信号と疑似ビート信号との一致度に基づいて、人４の状態を推定する機能を有する。具体的には、状態推定部３０は、尤度算出部２１により出力された尤度に基づいて、人４の状態を推定する。例えば、状態推定部３０は、尤度が高い場合は呼吸動作を行う人４がビート信号生成部３の照射範囲に存在する推定し、低い場合は存在しないと推定する。これは、呼吸モデルが呼吸による動きに基づく場合に最も精度良く疑似ビート信号を生成するが、ランダム的な雑音など、呼吸でない場合の信号には追随できず、疑似ビート信号と実際のビート信号の差異が拡大するためである。他にも、状態推定部３０は、リサンプリング部２２により出力されたパラメータ推定値に基づいて、人４の状態を推定してもよい。例えば、吸気の速度変化を規定するα、呼気の速度変化を規定するβにより、人４の呼気および吸気の際の動き成分を別々に評価することができる。情報処理装置１は、数式４で示した呼吸変位モデルｒ（ｔ）のように、動体の周期運動をパラメータを含むモデルにより表現し、そのパラメータを推定することで、ビート信号生成部３の照射範囲内の任意の動き成分を評価することが可能となる。また、状態推定部３０は、αおよびβの時系列変化や値の大小等に応じて、人４の状態に異常が発生したか否か等を判定することも可能である。

以上、本実施形態に係る情報処理装置１の構成を説明した。続いて、図３を参照して、本実施形態に係る情報処理装置１の動作を説明する。

［２−２．動作処理］
図３は、第１の実施形態に係る情報処理装置１の動作を示すフローチャートである。図３に示すように、まず、ステップＳ１０２で、情報処理装置１は、粒子を初期化する。詳しくは、粒子更新部２３は、状態ベクトルｘ_ｋの初期値ｘ_０、およびシステムノイズｖ_ｋの初期値ｖ_０を与える。

次いで、ステップＳ１０４で、情報処理装置１は、粒子の状態を更新する。詳しくは、粒子更新部２３は、上記数式９により、粒子を更新する。

次に、ステップＳ１０６で、情報処理装置１は、疑似ビート信号を生成する。詳しくは、まず、変位モデル１１は、粒子更新部２３により更新されたパラメータに基づいて、数式４により呼吸変位モデルｒ（ｔ）を定義する。そして、ビート信号モデル１２は、数式５により疑似ビート信号を生成し、ＩＩＲフィルタ１３はＩＩＲフィルタを適用し、標準化部１４は標準化を行う。

次いで、ステップＳ１０８で、情報処理装置１は、尤度を算出する。詳しくは、尤度算出部２１は、ビート信号生成部３により出力され、ＩＩＲフィルタ２によりＩＩＲフィルタが適用され、標準化部４０により標準化されたビート信号と、生成部１０から出力された疑似ビート信号との比較により、数式１０で示す尤度を算出する。

次に、ステップＳ１１０で、情報処理装置１は、粒子をリサンプリングする。詳しくは、リサンプリング部２２は、尤度算出部２１により算出された尤度に基づいて、数式１１により粒子をリサンプリングする。

次いで、ステップＳ１１２で、情報処理装置１は、処理を終了するか否かを判定する。終了しない場合（Ｓ１１２／ＮＯ）、情報処理装置１は、再度ステップＳ１０４〜Ｓ１１０を繰り返してパラメータを逐次推定する。終了する場合（Ｓ１１２／ＹＥＳ）、情報処理装置１は、処理を終了する。

なお、図３には記載していないが、情報処理装置１は、適宜人４の状態を推定してもよい。詳しくは、状態推定部３０は、上記ステップＳ１１０において尤度算出部２１により出力された尤度や、リサンプリング部２２により出力されたパラメータ推定値に基づいて、人４の状態を逐次推定してもよい。

以上、本実施形態に係る情報処理装置１の動作を説明した。

［２−３．変形例］
上記では、情報処理装置１は、ビート信号生成部３による観測結果に基づいて人４の状態を推定するとしたが、本発明はかかる例に限定されない。例えば、情報処理装置１は、距離を計測するセンサや加速度センサ等の他のセンサによる観測結果に基づいて、人４の状態を推定してもよい。

具体的には、情報処理装置１は、変位モデル１１から出力される動体の位置変動を示す情報を、センサから出力される情報の種別に応じて変換することで、モデルからの出力値とセンサからの出力値とを比較する。例えば、上記実施形態では、ビート信号生成部３からの出力は位相変動を示す情報であるため、情報処理装置１は、変位モデル１１から出力される動体の位置変動を示す情報をビート信号モデル１２により位相変動を示す情報に変換して、これらを比較した。以下、ビート信号生成部３以外のセンサを用いる例として、距離を計測するセンサおよび加速度センサを用いた場合の、変換方法を説明する。

まず、距離計測センサを用いた場合について説明する。距離計測センサは、動体との距離を計測するセンサであり、距離の変動、即ち動体の位置変動を示す情報（第１の振動情報）を出力する。この場合、変位モデル１１からの出力も位置変動を示す情報であるため、生成部１０は、なんら変換することなく、上記数式４で示した呼吸変位モデルｒ（ｔ）を比較対象（第２の振動信号）として出力する。情報処理装置１は、パーティクルフィルタ等を用いて距離計測センサからの出力と呼吸変位モデルｒ（ｔ）とを比較することで、パラメータを推定し、人４の状態を推定することができる。

続いて、加速度センサを用いた場合について説明する。加速度センサは、動体の加速度を計測するセンサであり、計測した動体の加速度を示す情報（第１の振動情報）を出力する。この場合、生成部１０は、上記数式４で示した呼吸変位モデルｒ（ｔ）を時刻ｔに関して２階微分することで加速度を示す情報に変換した信号を、比較対象（第２の振動信号）として出力する。情報処理装置１は、パーティクルフィルタ等を用いて加速度センサからの出力と呼吸変位モデルｒ（ｔ）を２階微分した信号とを比較することで、パラメータを推定し、人４の状態を推定することができる。他にも、情報処理装置１は、加速度センサから出力された加速度を示す情報を時刻ｔに関して２階積分して変位信号に変換することで、呼吸変位モデルｒ（ｔ）が出力する変位を示す情報と比較してもよい。

以上、本実施形態に係る情報処理装置１の変形例について説明した。

＜３．実験結果＞
続いて、図４〜図８を参照して、本実施形態に係る情報処理装置１の有効性を検証するために行った実験結果の一例を説明する。

［３−１．実験環境］
図４は、第１の実施形態に係る情報処理装置１の実験環境を説明するための図である。図４に示すように、ビート信号生成部３は壁に設置され、人４を観測している。実験には、ビート信号生成部３として、沖電気工業株式会社製の２４ＧＨｚ連続波型マイクロ波ドップラーレーダ（ＤＳＵ ｖ１．０）を用いた。図４に示すように、ビート信号生成部３は高さ２．００ｍの位置に俯角を３０度として配置されており、人４の胸部からビート信号生成部３のアンテナ直下までの距離は約２．８１ｍとなる。図４に示すように、ビート信号生成部３と人４との間の距離は約３．２５ｍであり、本実験環境は、ビート信号生成部３と人４との間の距離が長い状況（＞３．０ｍ）についての有効性を検証可能である。また、人４は、仰臥位をとっている。本実験環境は、ビート信号生成部３が人４を見下ろす形で設計されているが、これは実際の見守り環境を想定しているためである。

さらに、本実験環境では、高さ０．５ｍから人４の胸部に向くよう変位センサ５が配置される。実験には、変位センサ５として、オプテックスＦＡ株式会社製のレーザ変位センサ（ＣＤ−５）を用いた。変位センサ５は、レーザ光を用いて直径１ｍｍの円の範囲の変位を高精度（μオーダー）に計測可能である。実験では、ビート信号生成部３による計測と共に変位センサ５による計測を行い、変位センサ５による計測結果に基づいて、情報処理装置１の有効性の評価を行った。

実験は、無人状態（Ｏ）と、健康な成人男性６名の被験者（Ａ，Ｂ，Ｃ，Ｄ，Ｅ，Ｆ） に対して行われた。計測時間は１０分間であり、計測機器はいずれも５００Ｈｚでサンプリングされた。情報処理装置１に係る所与のパラメータとして、Ｎ＝４０００、ｍ＝５００、σ_Ｖ＝０．０００１、σ_α＝０．５、σ_β＝０．５、σ_ｆ＝０．０５、σ_θ＝５．０、σ_φ＝８．０、σ_ｏ＝５．０を与えた。また、時間窓の移動幅は２５０サンプルとした（Ｋ＝１１８４）。

［３−２．評価方法］
本実験では、以下の２つの評価基準で実験結果を評価した。

（最大対数尤度：Ｍａｘｉｍｕｍ Ｌｏｇ−Ｌｉｋｅｌｉｈｏｏｄｓ）
第１に、本実験では、次式で示す最大対数尤度Ｌ_ｋを用いて実験結果を評価した。

Ｌ_ｋは、時刻ｋにおいて最も当てはまりの良い粒子の対数尤度を表している。この値によって、ビート信号生成部３の出力に基づく呼吸の存在性が評価可能となる。

この値によって、推定部２０により推定された各パラメータが、真の呼吸変位を表現できているか否かが評価可能となる。

［３−３．実験結果］
続いて、図５〜図８を参照して、上記説明した実験環境における実験結果を説明する。図５〜図８は、第１の実施形態に係る情報処理装置１の実験結果を示す図である。

続いて、下記表１に、推定された各パラメータの平均値および標準偏差の集計結果を示す。ただし、θ及びφは、位相パラメータであるため表記していない。被験者項目（Ｓｕｂｊｅｃｔ）の「Ｏ」は無人状態を示し、「Ａ」〜「Ｆ」は有人状態であって、各被験者「Ａ」〜「Ｆ」から得られた結果を示している。表１に示すように、無人状態「Ｏ」のパラメータは、有人状態「Ａ」〜「Ｆ」のものと比較して大きな値が得られた。

図６では、被験者ごとの最大対数尤度Ｌ_ｋの分布のばらつきを表したボックスプロットを示した。図６における横軸は各被験者を示し、縦軸は最大対数尤度Ｌ_ｋの値を示している。ここで、無人状態「Ｏ」と各有人状態「Ａ」〜「Ｆ」の間で等分散性を考慮せずに平均値の差を検定可能なＷｅｌｃｈの２標本ｔ検定（Ｈ_０：μ_１＝μ_２，Ｈ_１：μ_１≠μ_２）を行った結果、全ての組み合わせにおいてｐ＜０．０００１で有意となった。また、図６に示すように、各被験者の中で、最大対数尤度Ｌ_ｋの中央値が−１００以上の値を持つ分布は被験者「Ａ」「Ｄ」「Ｆ」のみであった。

図７では、被験者ごとの相関値Ｃ_ｋの分布を表現するヒストグラムを示した。即ち、図７Ａは被験者「Ａ」のヒストグラムであり、図７Ｂ〜図７Ｆについても同様である。図７における縦軸は度数を示し、横軸は相関値Ｃ_ｋの値を示している。図７に示すように、度数が１００以上のピークを持つ分布は被験者「Ａ」「Ｄ」「Ｆ」のみであった。

続いて、下記表２に、図７に示した分布の特徴を示す。図７Ａ、図７Ｄでは裾を引く形の分布が観察され、また、図７Ｆではべき分布が観察されるので、代表値として中央値を採用した。また、中央値と共に、分布の対称性を測る尺度である歪度を表２に示した。表２に示すように、被験者「Ａ」「Ｄ」「Ｅ」「Ｆ」について、高い相関値（Ｃ_ｋ＞０．７０）が得られた。しかし、被験者「Ｅ」は歪度の値から非対称性の傾向が弱く、裾が厚いため、図７に示すように他の被験者よりも頻度は低い。

図８では、被験者「Ａ」〜「Ｆ」についての最大対数尤度Ｌ_ｋと相関値Ｃ_ｋとの関係を表現する散布図を示した。図８における横軸は相関値Ｃ_ｋの値を示し、縦軸は最大対数尤度Ｌ_ｋの値を示している。図８中に示した直線（Ｌ_ｋ＝−１７９．２９５＋８６．４２１Ｃ_ｋ）は、最小二乗法によって求められた回帰直線である。また、２変数間の相関係数はρ＝０．４８であった。

［３−４．効果の確認］
表１に示すように、被験者「Ｃ」「Ｅ」「Ｆ」についての、吸気に関するパラメータαおよび呼気に関するパラメータβは、一致していない上に、一方の平均値が他方の平均値の約２倍となっている。この結果は、個人によって吸気速度と呼気速度のバランスが異なっていることを示唆している。

図６に示すように、無人状態「Ｏ」と有人状態「Ａ」〜「Ｆ」との間で、最大対数尤度Ｌ_ｋの分布のばらつきには大きな差が観察される。その差は、Ｗｅｌｃｈのｔ検定による検定結果からも０．０１％有意で認められた。この結果から、無人状態「Ｏ」のデータに対する呼吸モデルの尤度は、有人状態「Ａ」〜「Ｆ」の尤度に対して明らかに異なっていると言える。つまり、本実施形態に係る情報処理装置１は、人４の状態、即ち呼吸の存在性を評価可能である。

また、被験者「Ａ」「Ｄ」「Ｆ」の実験結果は、図７に示すように相関値が０．７以上かつ１００以上の度数の相関分布を示し、さらに図６に示すように被験者「Ｂ」「Ｃ」「Ｅ」と比較して高い中央値（＞−１００）を示す。この関係性について検証するために、図８に示すように２変数についての回帰直線と相関係数を求めた結果、正の相関が認められた（ρ＝０．４８）。この事実から、最大対数尤度Ｌ_ｋの値が高いほど、真の呼吸変位を良く表現できているということが言える。つまり、本実施形態に係る情報処理装置１は、最大対数尤度Ｌ_ｋの値が高いパラメータにより、人４の状態、即ち人４の呼吸変位の任意の動き成分を評価することが可能である。

＜４．まとめ＞
以上説明したように、本発明の一実施形態に係る情報処理装置１は、センサによる観測結果に基づいて動体の任意な動き成分を評価することが可能である。詳しくは、情報処理装置１は、周期運動を行う動体の変位を記述する任意の周期関数モデル、およびセンサからの出力波形についてパーティクルフィルタの枠組みを適用することで、周期関数モデルに含まれるパラメータを直接推定する。情報処理装置１は、推定したパラメータにより、動体の任意の動き成分を評価することができ、推定したパラメータを適用した周期関数モデルの尤度に基づき、周期関数モデルの対象とした動きの有無を推定することができる。また、情報処理装置は、パーティクルフィルタによりパラメータを逐次推定するため、動体の任意の動き成分、および周期関数モデルが対象とした動きの有無を随時推定することができる。

また、呼吸検知が困難な長距離（３．２５ｍ）で行われた６人の被験者に対する実験結果では、無人状態と有人状態の尤度に明らかな差が存在した。この事実から、呼吸検知問題に対する本実施形態に係る情報処理装置１の有効性が示された。さらに、結果の相関解析によって、呼吸モデルの尤度と変位センサ５から得られた真の呼吸変位との類似度は、正の相関関係にあることが示された。つまり、情報処理装置１により推定されたパラメータ推定値は、真の呼吸変位をよく表現できていることが確認された。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

例えば、上記実施形態では、周期運動を行う動体の一例として、呼吸運動を行う人４を対象として説明したが、本発明はかかる例に限定されない。例えば、人４が歩く際の腕の振りを周期運動として捉えてもよいし、他の動物を対象としてもよい。他にも、橋やビルの振動を対象として本発明を適用してもよい。

また、上記実施形態では、ビート信号生成部３からの出力に対しアナログ回路内に構成されたＩＩＲフィルタ２を適用するものとしたが、本発明はかかる例に限定されない。情報処理装置１は、ビート信号生成部３からの出力に対し、バンドパスフィルタやローパスフィルタ等の他のフィルタが適用された信号を受け付けてもよい。この場合、情報処理装置１は、ＩＩＲフィルタ１３に代えて、ビート信号生成部３からの出力に対して適用されたアナログフィルタの性質を模擬した、疑似的なディジタルフィルタを適用すればよい。

また、上記実施形態では、情報処理装置１がパーティクルフィルタによりパラメータを逐次的に推定すると説明したが、本発明はかかる例に限定されない。例えば、推定部２０は、逐次的なパラメータの推定手法として、カルマンフィルタ等を用いて解析的に推定したり、複数のカルマンフィルタのアンサンブルなどの手法を用いたりしてもよい。

また、情報処理装置に内蔵されるＣＰＵ、ＲＯＭ及びＲＡＭ等のハードウェアに、上記情報処理装置１の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムを記録した記録媒体も提供される。

１ 情報処理装置
１０ 生成部
１１ 変位モデル
１２ ビート信号モデル
１３ ＩＩＲフィルタ
１４ 標準化部
２０ 推定部
２１ 尤度算出部
２２ リサンプリング部
２３ 粒子更新部
３０ 状態推定部
４０ 標準化部
２ ＩＩＲフィルタ
３ ビート信号生成部
４ 人
５ 変位センサ

Claims (13)

1. 動体から観測された第１の振動情報を入力する入力部と、
   前記動体の周期運動をモデル化した１つ以上のパラメータを含む周期関数に基づいて第２の振動情報を生成する生成部と、
   前記入力部により入力された前記第１の振動情報と前記生成部により生成された前記第２の振動情報との比較結果に基づいて前記パラメータを推定する推定部と、
   を備え、
   前記推定部は、推定した前記パラメータを用いて前記生成部により再度生成された前記第２の振動情報と前記第１の振動情報との比較結果に基づく前記パラメータの推定を繰り返し、
   前記動体は生体であり、前記周期運動は呼吸運動であり、前記周期関数が含む前記パラメータの一部は、吸気動作に対応する第１のパラメータと呼気動作に対応する第２のパラメータとで周期的に切り替えられ、前記第１のパラメータと前記第２のパラメータとは異なる、情報処理装置。
2. 前記第１の振動情報は、前記動体の前記周期運動の位相変動を示す情報であり、
   前記周期関数は、前記動体の位置変動を示すモデルであり、
   前記生成部は、前記周期関数により出力される位置変動を示す情報を位相変動を示す情報に変換することで前記第２の振動情報を生成する、請求項１に記載の情報処理装置。
3. 前記第１の振動情報は、音波もしくは電波による送信波と振動体である前記動体による反射波との合成により得られるビート信号である、請求項２に記載の情報処理装置。
4. 前記第１の振動情報は、前記動体の位置変動を示す情報であり、
   前記周期関数は、前記動体の位置変動を示すモデルであり、
   前記生成部は、前記周期関数から出力される位置変動を示す情報を前記第２の振動情報とする、請求項１に記載の情報処理装置。
5. 前記第１の振動情報は、前記動体の加速度を示す情報であり、
   前記周期関数は、前記動体の位置変動を示すモデルであり、
   前記生成部は、前記周期関数から出力される位置変動を示す情報を加速度を示す情報に変換することで前記第２の振動情報を生成する、請求項１に記載の情報処理装置。
6. 前記推定部は、前記第１の振動情報および前記第２の振動情報を標準化した波形を比較する、請求項１〜５のいずれか一項に記載の情報処理装置。
7. 前記入力部に入力される前記第１の振動情報は、前記動体を観測するセンサからの出力にＩＩＲ（Ｉｎｆｉｎｉｔｅ ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ）フィルタを適用した情報であり、
   前記生成部は、疑似的なＩＩＲフィルタを適用して前記第２の振動情報を生成する、請求項１〜６のいずれか一項に記載の情報処理装置。
8. 前記情報処理装置は、前記第１の振動情報と前記第２の振動情報との一致度に基づいて前記動体の状態を推定する状態推定部をさらに備える、請求項１〜７のいずれか一項に記載の情報処理装置。
9. 前記推定部は、前記パラメータをパーティクルとしたパーティクルフィルタ、カルマンフィルタ、または複数のカルマンフィルタのアンサンブルにより、前記パラメータを逐次的に推定する、請求項１〜８のいずれか一項に記載の情報処理装置。
10. 前記推定部は、複数の前記パーティクルに含まれる前記パラメータの平均値、中央値、または最頻値の少なくともいずれかを代表値とする、請求項９に記載の情報処理装置。
11. 前記第１のパラメータと前記第２のパラメータとの切り替え時の前記周期関数の出力値は所定値である、請求項１〜１０のいずれか一項に記載の情報処理装置。
12. 動体から観測された第１の振動情報を入力するステップと、
    前記動体の周期運動をモデル化した１つ以上のパラメータを含む周期関数に基づいて第２の振動情報を生成するステップと、
    入力された前記第１の振動情報と生成された前記第２の振動情報との比較結果に基づいて前記パラメータを推定するステップと、
    推定した前記パラメータを用いて再度生成された前記第２の振動情報と前記第１の振動情報との比較結果に基づく前記パラメータの推定を繰り返すステップと、
    を備え、
    前記動体は生体であり、前記周期運動は呼吸運動であり、前記周期関数が含む前記パラメータの一部は、吸気動作に対応する第１のパラメータと呼気動作に対応する第２のパラメータとで周期的に切り替えられ、前記第１のパラメータと前記第２のパラメータとは異なる、情報処理方法。
13. コンピュータを、
    動体から観測された第１の振動情報を入力する入力部と、
    前記動体の周期運動をモデル化した１つ以上のパラメータを含む周期関数に基づいて第２の振動情報を生成する生成部と、
    前記入力部により入力された前記第１の振動情報と前記生成部により生成された前記第２の振動情報との比較結果に基づいて前記パラメータを推定する推定部と、
    を備え、
    前記推定部は、推定した前記パラメータを用いて前記生成部により再度生成された前記第２の振動情報と前記第１の振動情報との比較結果に基づく前記パラメータの推定を繰り返し、
    前記動体は生体であり、前記周期運動は呼吸運動であり、前記周期関数が含む前記パラメータの一部は、吸気動作に対応する第１のパラメータと呼気動作に対応する第２のパラメータとで周期的に切り替えられ、前記第１のパラメータと前記第２のパラメータとは異なる、情報処理装置として機能させるためのプログラム。
    

Images