JP6554421B2 - 情報処理装置、情報処理方法、及び、プログラム - Google Patents

Description

本発明の実施形態は、ユーザの心理状態の変化を推定する情報処理装置、情報処理方法、及び、プログラムに関する。

従来、コンテンツの鑑賞又はデスクワークなどの種々の行為によって生じるユーザの心理状態の変化を推定する技術がある。そのような技術には、行為前と行為後とにそれぞれユーザの心理状態を推定し、行為前後の差分を行為によって生じた心理変化とするものがある。たとえば、そのような技術は、行為前と行為後とにユーザにアンケートを実施したり、行為前と行為後とにユーザの血圧又は心拍などの生体情報を取得する。

Takahashi,K,Kawase,M.,Yamashita,K,Tatsumoto,Y,Ue,H.,Kuratsune,H.,Shimizu,A.,Takeda,M.:The elevation of natural killer cell activity induced by laughter in a crossover designed study, Int’l MoIMed8, pp.645-650, 2001. Sakuragi S.,Sugiyama Y., Takeuchi K., Effects of Laughing and Weeping on Mood and Heart Rate Variability, Journal of PHYSIOLOGICAL ANTHROPOLOGY and Applied Human Science, Vol. 21 (2002) No. 3, pp.159-165, 2002.

しかしながら、上記の技術は、行為の前後で所定の時間を割いてアンケートの実施又は生体情報の取得を行う必要がある。そのため、多数のユーザを対象に心理状態の変化を推定することは困難であるという課題がある。

上記の課題を解決するために、効果的にユーザの心理状態の変化を推定することができる情報処理装置、情報処理方法、及び、プログラムを提供する。

実施形態によれば、ユーザの心理状態の変化を推定する情報処理装置は、特徴量算出部と、心理変化推定部と、を備える。特徴量算出部は、前記ユーザの心拍の特徴量と呼吸の特徴量とを算出する。心理変化推定部は、前記心拍の特徴量と前記呼吸の特徴量との類似度に基づいて、前記ユーザの心理状態の変化を推定する。前記心理変化推定部は、前記ユーザの心理状態の変化として、ＰＯＭＳの指標の変化量を算出する。

実施形態によれば、情報処理装置は、心拍及び呼吸の変化を計測することにより、行為によって生じるユーザの心理状態の変化を推定することができる。その結果、情報処理装置は、行為前後でユーザの心理状態を推定することなく、行為から生じる心理変化を推定することができる。したがって、情報処理装置は、効果的にユーザの心理状態の変化を推定することができる。

図１は、第１実施形態に係る情報処理装置の構成例を示すブロック図である。 図２は、第１実施形態に係る特徴量算出部の動作例を説明するためのフローチャートである。 図３は、第１実施形態に係る心理変化推定部の動作例を説明するためのフローチャートである。 図４は、第２実施形態に係る心理変化推定部の動作例を説明するためのフローチャートである。 図５は、第３実施形態に係る情報処理装置の構成例を示すブロック図である。 図６は、第３実施形態に係る学習データの構成例を示す図である。 図７は、第３実施形態に係る心理変化推定部の動作例を説明するためのフローチャートである。 図８は、第４実施形態に係る特徴量算出部の動作例を説明するためのフローチャートである。 図９は、第４実施形態に係る心理変化推定部の動作例を説明するためのフローチャートである。

以下、実施形態について、図面を参照して説明する。
（第１実施形態）
実施形態に係る情報処理装置は、ユーザの心拍数及び呼吸数からユーザの心理状態を推定する。情報処理装置は、ユーザの所定の部位に取り付けられたセンサなどを用いてユーザの心拍数及び呼吸数を所定の期間継続して計測する。情報処理装置は、継続して測定された複数個の心拍数及び呼吸数に基づいてユーザの心理状態を推定する。たとえば、情報処理装置は、ユーザが所定の行為を行っている間の心理状態を推定する。たとえば、所定の行為は、所定のコンテンツの鑑賞又はデスクワークなどである。なお、情報処理装置が心理状態の変化を推定するユーザの行為は、特定の行為に限定されるものではない。

ここでは、情報処理装置は、心理状態として、ＰＯＭＳ（Ｐｒｏｆｉｌｅ Ｏｆ Ｍｏｏｄ Ｓｔａｔｅ）における指標を推定する。情報処理装置は、頭の混乱度合いであるＣ（Ｃｏｎｆｕｓｉｎｇ）の変化量ΔＣを推定するものとする。

図１は、第１実施形態に係る情報処理装置１００の構成例を示すブロック図である。
図１が示すように、情報処理装置１００は、データ入力部１０１、処理部１０２、設定入力部１０３及び結果出力部１０４などを備える。

データ入力部１０１は、ユーザの心拍数及び呼吸数を取得する。たとえば、データ入力部１０１は、ユーザの心拍数及び呼吸数を測定するセンサに接続し、センサからユーザの心拍数及び呼吸数を取得する。データ入力部１０１は、時系列で心拍数及び呼吸数を取得する。たとえば、データ入力部１０１は、数秒ごとに心拍数及び呼吸数を取得する。

データ入力部１０１は、時系列での複数の心拍数（心拍数ベクトルＨｒ）及び時系列での複数の呼吸数（呼吸数ベクトルＲｓ）を処理部１０２に出力する。

なお、データ入力部１０１は、ユーザの心拍数及び呼吸数を測定するセンサを含む構成であってもよい。また、データ入力部１０１は、不揮発性メモリなどから心拍数及び呼吸数を取得してもよい。

設定入力部１０３は、処理部１０２が心理状態の変化を推定するために必要なパラメータを取得する。たとえば、設定入力部１０３は、オペレータが手動で入力するパラメータを取得する。たとえば、設定入力部１０３は、操作を入力する操作部と接続し、操作部からパラメータの入力を受け付けてもよい。また、設定入力部１０３は、操作部を備える構成であってもよい。また、設定入力部１０３は、ＰＣ又はスマートフォンのアプリケーションなどであってもよい。

設定入力部１０３は、処理部１０２の特徴量算出部１１１及び心理変化推定部１１２にパラメータを供給する。

処理部１０２は、データ入力部１０からの心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓに基づいてユーザの心理状態の変化を推定する。

たとえば、処理部１０２は、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＮＶＭ及びインターフェースなどから構成される。

たとえば、処理部１０２が実現する機能は、ＣＰＵがプログラムを実行することで実現される。即ち、プログラムは、情報処理装置１００の少なくとも一部分として動作するコンピュータに用いられる。

処理部１０２は、特徴量算出部１１１及び心理変化推定部１１２などを備える。
特徴量算出部１１１は、データ入力部１０１が取得した心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓのそれぞれの特徴量を算出する。即ち、特徴量算出部１１１は、心拍数ベクトルＨｒの心拍特徴量ベクトルＦｈｒと、呼吸数ベクトルＲｓの呼吸特徴量ベクトルＦｒｓとを算出する。ここでは、心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとは、それぞれ複数の特徴量を備えるベクトルである。

たとえば、特徴量算出部１１１は、以下のように心拍数ベクトルＨｒの心拍特徴量ベクトルＦｈｒを算出する。
まず、特徴量算出部１１１は、心拍数ベクトルＨｒを正規化する。たとえば、特徴量算出部１１１は、Ｚ−Ｓｃｏｒｅへの変換又は移動平均法などによって、心拍数ベクトルＨｒを正規化する。なお、特徴量算出部１１１が心拍数ベクトルＨｒを正規化する方法は、特定の方法に限定されるものではない。

たとえば、情報処理装置１００は、ＰＣ、ノートＰＣ又はタブレットなどであってもよい。

次に、特徴量算出部１１１は、正規化された心拍数ベクトルＨｒから心拍特徴量ベクトルＦｈｒを算出する。たとえば、特徴量算出部１１１は、正規化された心拍数ベクトルＨｒの移動平均値を心拍特徴量ベクトルＦｈｒとして算出する。即ち、特徴量算出部１１１は、特徴量として、所定の期間（たとえば、５分間）の要素を正規化された心拍数ベクトルＨｒから抽出し平均した値を算出する。特徴量算出部１１１は、要素を取得する期間をずらしながら（たとえば、３０秒ごとにずらしながら）、特徴量を算出する。特徴量算出部１１１は、算出した各特徴量から構成されるベクトルを心拍特徴量ベクトルＦｈｒとして取得する。

特徴量算出部１１１が呼吸数ベクトルＲｓの呼吸特徴量ベクトルＦｒｓを算出する方法は、上記の方法と同様であるため省略する。

特徴量算出部１１１は、算出された心拍特徴量ベクトルＦｈｓと呼吸特徴量ベクトルＦｒｓとを心理変化推定部１１２へ出力する。

心理変化推定部１１２は、心拍特徴量ベクトルＦｈｓと呼吸特徴量ベクトルＦｒｓとに基づいてユーザの心理状態の変化として変化量ΔＣを推定する。
たとえば、心理変化推定部１１２は、以下のように変化量ΔＣを推定する。

心理変化推定部１１２は、設定入力部１０３から閾値Ｔｃ（第１の閾値）を取得する。
心理変化推定部１１２は、心拍特徴量ベクトルＦｈｓと呼吸特徴量ベクトルＦｒｓとの類似度として、心拍特徴量ベクトルＦｈｓと呼吸特徴量ベクトルＦｒｓとの相関係数Ｒを算出する。即ち、心理変化推定部１１２は、心拍特徴量ベクトルＦｈｓの各要素と呼吸特徴量ベクトルＦｒｓの各要素との相関係数Ｒを算出する。

心理変化推定部１１２は、算出された相関係数Ｒと閾値Ｔｃとを比較する。心理変化推定部１１２は、相関係数Ｒが閾値Ｔｃよりも大きければ、変化量ΔＣを１とする。また、心理変化推定部１１２は、相関係数Ｒが閾値Ｔｃ以下であれば、変化量ΔＣを０とする。

心理変化推定部１１２は、推定された変化量ΔＣを結果出力部１０４へ出力する。

結果出力部１０４は、処理部１０２の推定結果（たとえば、変化量ΔＣ）を出力する。たとえば、結果出力部１０４は、表示部などと接続し、表示部に推定結果を表示させる。また、結果出力部１０４は、不揮発性メモリなどと接続し、不揮発性メモリに推定結果を格納する。なお、結果出力部１０４は、表示部又は不揮発性メモリを備える構成であってもよい。

また、結果出力部１０４は、変化量ΔＣに基づいてＣを算出し、Ｃを出力してもよい。たとえば、結果出力部１０４は、変化量ΔＣを加算して、Ｃを算出してもよい。

次に、処理部１０２の動作例について説明する。
まず、処理部１０２の特徴量算出部１１１の動作例について説明する。
図２は、特徴量算出部１１１の動作例について説明するためのフローチャートである。

まず、特徴量算出部１１１は、データ入力部１０１から心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓを取得する（Ｓ１１）。心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓを取得すると、特徴量算出部１１１は、取得された心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓを正規化する（Ｓ１２）。

心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓを正規化すると、特徴量算出部１１１は、正規化された心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓに基づいて、心拍特徴量ベクトルＦｈｒ及び呼吸特徴量ベクトルＦｒｓを算出する（Ｓ１３）。

心拍特徴量ベクトルＦｈｒ及び呼吸特徴量ベクトルＦｒｓを算出すると、特徴量算出部１１１は、算出された心拍特徴量ベクトルＦｈｒ及び呼吸特徴量ベクトルＦｒｓを心理変化推定部１１２へ出力する（Ｓ１４）。

心拍特徴量ベクトルＦｈｒ及び呼吸特徴量ベクトルＦｒｓを心理変化推定部１１２へ出力すると、特徴量算出部１１１は、動作を終了する。

次に、処理部１０２の心理変化推定部１１２の動作例について説明する。
図２は、心理変化推定部１１２の動作例について説明するためのフローチャートである。

まず、心理変化推定部１１２は、特徴量算出部１１１から心拍特徴量ベクトルＦｈｒ及び呼吸特徴量ベクトルＦｒｓを取得し、設定入力部１０３から閾値Ｔｃを取得する（Ｓ２１）。心拍特徴量ベクトルＦｈｒ、呼吸特徴量ベクトルＦｒｓ及び閾値Ｔｃを取得すると、心理変化推定部１１２は、心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとの相関係数Ｒを算出する（Ｓ２２）。

相関係数Ｒを算出すると、心理変化推定部１１２は、相関係数Ｒが閾値Ｔｃよりも大きいか判定する（Ｓ２３）。

相関係数Ｒが閾値Ｔｃよりも大きいと判定すると（Ｓ２３、ＹＥＳ）、心理変化推定部１１２は、変化量ΔＣを１とする（Ｓ２４）。相関係数Ｒが閾値Ｔｃよりも大きくないと判定すると（Ｓ２３、ＮＯ）、心理変化推定部１１２は、変化量ΔＣを０とする（Ｓ２５）。

変化量ΔＣを１とした場合（Ｓ２４）、又は、変化量ΔＣを０とした場合（Ｓ２５）、心理変化推定部１１２は、変化量ΔＣを結果出力部１０４に出力する（Ｓ２６）。

変化量ΔＣを結果出力部１０４に出力すると、心理変化推定部１１２は、動作を終了する。

結果出力部１０４は、変化量ΔＣを心理変化推定部１１２から取得する。結果出力部１０４は、所定の方法で変化量ΔＣを出力する。

以上のように構成された情報処理装置は、心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとの相関係数が大きい場合に、変化量ΔＣを正の値に推定する。即ち、情報処理装置は、心拍数と呼吸数との間に正の相関関係がある場合に、Ｃが上昇すると推定することができる。

ＰＯＭＳのＣは、実験により、心拍数と呼吸数とに正の相関がある場合には、上昇し、負の相関がある場合には、減少することが知られている。

したがって、情報処理装置は、心拍数と呼吸数との間に正の相関があるかを判定することで、Ｃの変化量を推定することができる。その結果、情報処理装置は、行為前の心理状態を推定することなく、行為から生じる心理変化を推定することができる。
（第２実施形態）
次に、第２実施形態について説明する。
第２実施形態に係る情報処理装置は、さらにＰＯＭＳにおける緊張−不安の度合いであるＴ−Ａ（Ｔｅｎｓｉｏｎ−Ａｎｘｉｅｔｙ）の変化量ΔＴＡを推定する点で第１実施形態に係る情報処理装置と異なる。従って、その他の構成については、同一の符号を付して詳細な説明を省略する。

図１は、第２実施形態に係る情報処理装置２００の構成例を示すブロック図である。
図１が示すように、情報処理装置２００は、データ入力部１０１、処理部２０２、設定入力部１０３及び結果出力部１０４などを備える。

処理部２０２は、特徴量算出部１１１と心理変化推定部２１２とを備える。
データ入力部１０１、設定入力部１０３、結果出力部１０４及び特徴量算出部１１１は、第１実施形態のそれらと同様であるので説明を省略する。

心理変化推定部２１２は、心理変化推定部１１２の機能に加えて、心拍特徴量ベクトルＦｈｓと呼吸特徴量ベクトルＦｒｓとに基づいてユーザの心理状態の変化として変化量ΔＴＡを推定する。

たとえば、心理変化推定部２１２は、以下のように変化量ΔＴＡを推定する。

心理変化推定部２１２は、設定入力部１０３から閾値Ｔｔａ（第２の閾値）を取得する。
心理変化推定部２１２は、心拍特徴量ベクトルＦｈｓと呼吸特徴量ベクトルＦｒｓとの相関係数Ｒと閾値Ｔｔａとを比較する。心理変化推定部２１２は、相関係数Ｒが閾値Ｔｔａよりも大きければ、変化量ΔＴＡを１とする。また、心理変化推定部２１２は、相関係数Ｒが閾値Ｔｔａ以下であれば、変化量ΔＴＡを０とする。

心理変化推定部２１２は、変化量ΔＣに加えて変化量ＴＡを結果出力部１０４へ出力する。

結果出力部１０４は、推定結果として変化量ΔＴＡを出力する。また、結果出力部１０４は、変化量ΔＴＡに基づいてＴＡを算出し、ＴＡを出力してもよい。たとえば、結果出力部１０４は、変化量ΔＴＡを加算して、ＴＡを算出してもよい。

次に、処理部２０２の心理変化推定部２１２の動作例について説明する。
図４は、心理変化推定部２１２の動作例について説明するためのフローチャートである。

まず、心理変化推定部２１２は、特徴量算出部１１１から心拍特徴量ベクトルＦｈｒ及び呼吸特徴量ベクトルＦｒｓを取得し、設定入力部１０３から閾値Ｔｃ及び閾値Ｔｔａを取得する（Ｓ３１）。心拍特徴量ベクトルＦｈｒ、呼吸特徴量ベクトルＦｒｓ、閾値Ｔｃ及び閾値Ｔｔａを取得すると、心理変化推定部２１２は、心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとの相関係数Ｒを算出する（Ｓ３２）。

相関係数Ｒを算出すると、心理変化推定部２１２は、相関係数Ｒが閾値Ｔｃよりも大きいか判定する（Ｓ３３）。

相関係数Ｒが閾値Ｔｃよりも大きいと判定すると（Ｓ３３、ＹＥＳ）、心理変化推定部２１２は、変化量ΔＣを１とする（Ｓ３４）。相関係数Ｒが閾値Ｔｃよりも大きくないと判定すると（Ｓ３３、ＮＯ）、心理変化推定部２１２は、変化量ΔＣを０とする（Ｓ３５）。

変化量ΔＣを１とした場合（Ｓ３４）、又は、変化量ΔＣを０とした場合（Ｓ３５）、心理変化推定部２１２は、相関係数Ｒが閾値Ｔｔａよりも大きいか判定する（Ｓ３６）。

相関係数Ｒが閾値Ｔｔａよりも大きいと判定すると（Ｓ３６、ＹＥＳ）、心理変化推定部２１２は、変化量ΔＴＡを１とする（Ｓ３７）。相関係数Ｒが閾値Ｔｔａよりも大きくないと判定すると（Ｓ３７、ＮＯ）、心理変化推定部２１２は、変化量ΔＴＡを０とする（Ｓ３８）。

変化量ΔＴＡを１とした場合（Ｓ３７）、又は、変化量ΔＴＡを０とした場合（Ｓ３８）、心理変化推定部２１２は、変化量ΔＣ及び変化量ΔＴＡを結果出力部１０４に出力する。変化量ΔＣ及び変化量ΔＴＡを結果出力部１０４に出力すると、心理変化推定部２１２は、動作を終了する。

結果出力部１０４は、変化量ΔＣ及び変化量ΔＴＡを心理変化推定部１１２から取得する。結果出力部１０４は、所定の方法で変化量ΔＣ及び変化量ΔＴＡを出力する。

以上のように構成された情報処理装置は、心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとの相関係数が大きい場合に、変化量ΔＴＡを正の値に推定する。即ち、情報処理装置は、心拍数と呼吸数との間に正の相関関係がある場合に、ＴＡが上昇すると推定することができる。

ＰＯＭＳのＴＡは、実験により、心拍数と呼吸数とに正の相関がある場合には、上昇し、負の相関がある場合には、減少することが知られている。

したがって、情報処理装置は、心拍数と呼吸数との間に正の相関があるかを判定することで、ＴＡの変化量を推定することができる。その結果、情報処理装置は、行為前の心理状態を推定することなく、行為から生じる心理変化を推定することができる。
（第３実施形態）
次に、第３実施形態について説明する。
第３実施形態に係る情報処理装置は、学習データに基づいて変化量ΔＣ及び変化量ΔＴＡを推定する点で第２実施形態に係る情報処理装置と異なる。従って、その他の構成については、同一の符号を付して詳細な説明を省略する。

図３は、第３実施形態に係る情報処理装置３００の構成例を示すブロック図である。
図３が示すように、情報処理装置３００は、データ入力部１０１、処理部３０２、設定入力部１０３及び結果出力部１０４などを備える。

処理部３０２は、特徴量算出部１１１、心理変化推定部３１２及び学習データ保持部３１３などを備える。
データ入力部１０１、設定入力部１０３、結果出力部１０４及び特徴量算出部１１１は、第１実施形態のそれらと同様であるので説明を省略する。

学習データ保持部３１３（格納部）は、学習データとして、ユーザごとの相関係数と心理状態の変化量とを格納する。
図６は、学習データ保持部３１３が保持する学習データの構成例を示す。
図６が示すように、学習データ保持部３１３は、ユーザごとに、ユーザＩＤ、性別、年齢、変化量ΔＣ’、変化量ΔＴＡ’及び相関係数Ｒ’を対応付けた学習データを複数格納する。

ユーザＩＤは、ユーザを示す識別子である。
性別は、ユーザの性別を示す。
年齢は、ユーザの年齢を示す。
変化量ΔＣ’は、ユーザが所定の行為を行った場合におけるＰＯＭＳのＣの変化量を示す。

変化量ΔＴＡ’は、ユーザが所定の行為を行った場合におけるＰＯＭＳのＴ−Ａの変化量を示す。

相関係数Ｒ’は、ユーザが所定の行為を行った場合において、心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとの相関係数を示す。

変化量ΔＣ’及び変化量ΔＴＡ’は、種々の方法で測定される。たとえば、変化量ΔＣ’及び変化量ΔＴＡ’は、行為前後におけるアンケート又は生体情報の変化などに基づいて測定されてもよい。

学習データ保持部３１３は、予め学習データを格納する。なお、学習データ保持部３１３は、適宜学習データを更新してもよい。たとえば、学習データ保持部３１３は、適宜、新たな学習データを加え、又は、不要な学習データを削除してもよい。

心理変化推定部３１２は、ユーザの心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとの相関係数Ｒを算出する機能に加えて、複数の学習データに基づいて変化量ΔＣ及び変化量ΔＴＡを算出する。
まず、心理変化推定部３１２は、複数の学習データに基づいて、相関係数Ｒ’と変化量ΔＣ’との回帰モデル（第１の回帰モデル）を算出する。たとえば、心理変化推定部３１２は、複数の学習データから、複数の相関係数Ｒ’と変化量ΔＣ’と取得する。心理変化推定部３１２は、第１の回帰モデルとして、相関係数Ｒ’と変化量ΔＣ’との回帰直線を算出する。即ち、心理変化推定部３１２は、第１の回帰モデルとして、以下の式（１）の係数ａ及びｂを算出する。

ΔＣ’＝ａ×Ｒ’＋ｂ （１）
心理変化推定部３１２は、以下の式（２）に従って、相関係数Ｒを用いて変化量ΔＣを算出する。即ち、心理変化推定部３１２は、式（２）に相関係数Ｒを代入して、変化量ΔＣを算出する。

ΔＣ＝ａ×Ｒ＋ｂ （２）
また、心理変化推定部３１２は、複数の学習データに基づいて、相関係数Ｒ’と変化量ΔＴＡ’との回帰モデル（第２の回帰モデル）を算出する。たとえば、心理変化推定部３１２は、複数の学習データから、複数の相関係数Ｒ’と変化量ΔＴＡ’と取得する。心理変化推定部３１２は、第２の回帰モデルとして、相関係数Ｒ’と変化量ΔＴＡ’との回帰直線を算出する。即ち、心理変化推定部３１２は、第２の回帰モデルとして、以下の式（３）の係数ｃ及びｄを算出する。

ΔＣ’＝ｃ×Ｒ’＋ｄ （３）
心理変化推定部３１２は、以下の式（４）に従って、相関係数Ｒを用いて変化量ΔＴＡを算出する。即ち、心理変化推定部３１２は、式（４）に相関係数Ｒを代入して、変化量ΔＴＡを算出する。

ΔＴＡ＝ｃ×Ｒ＋ｄ （４）
なお、心理変化推定部３１２は、係数ａ、ｂ、ｃ及びｄを算出してから、変化量ΔＣと変化量ΔＴＡとを算出してもよい。

次に、処理部３０２の心理変化推定部３１２の動作例について説明する。
図７は、心理変化推定部３１２の動作例について説明するためのフローチャートである。

まず、心理変化推定部３１２は、特徴量算出部１１１から心拍特徴量ベクトルＦｈｒ及び呼吸特徴量ベクトルＦｒｓを取得する（Ｓ４１）。心拍特徴量ベクトルＦｈｒ及び呼吸特徴量ベクトルＦｒｓを取得すると、心理変化推定部３１２は、心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとの相関係数Ｒを算出する（Ｓ４２）。

相関係数Ｒを算出すると、心理変化推定部３１２は、学習データ保持部３１３から複数の学習データを取得する（Ｓ４３）。複数の学習データを取得すると、心理変化推定部３１２は、複数の学習データに基づいて、第１の回帰モデルの係数ａ並びにｂ、及び、第２の回帰モデルの係数ｃ並びにｄを算出する（Ｓ４４）。

係数ａ、ｂ、ｃ及びｄを算出すると、心理変化推定部３１２は、変化量ΔＣ及び変化量ΔＴＡを算出する（Ｓ４５）。変化量ΔＣ及び変化量ΔＴＡを算出すると、心理変化推定部３１２は、算出された変化量ΔＣ及び変化量ΔＴＡを結果出力部１０４に出力する（Ｓ４６）。

変化量ΔＣ及び変化量ΔＴＡを結果出力部１０４に出力すると、心理変化推定部３１２は、動作を終了する。

なお、心理変化推定部３１２は、学習データ保持部３１３から所定の条件を満たす学習データを抽出し、抽出された学習データに基づいて第１及び第２の回帰モデルを算出してもよい。たとえば、心理変化推定部３１２は、設定入力部１０３などからユーザの性別又は年齢などを取得する。心理変化推定部３１２は、ユーザと同一の性別の学習データ、又は、ユーザと同一の年齢若しくは近い年齢（±５歳など）の学習データを抽出し、第１及び第２の回帰モデルを算出してもよい。

また、心理変化推定部３１２は、第１及び第２の回帰モデルとして、回帰直線を算出しなくともよい。たとえば、心理変化推定部３１２は、第１及び第２の回帰モデルとして、ｎ次式の回帰モデルを算出してもよい。心理変化推定部３１２が用いる回帰モデルは、所定の構成に限定されるものではない。

以上のように構成された情報処理装置は、複数の学習データに基づいて相関係数Ｒと変化量ΔＣ及び変化量ΔＴＡとの回帰モデルを生成する。情報処理装置は、回帰モデルに従って、ユーザの相関係数Ｒから変化量ΔＣ及び変化量ΔＴＡを算出する。従って、情報処理装置は、相関係数Ｒから、変化量ΔＣ及び変化量ΔＴＡを連続値で算出することができる。よって、情報処理装置は、ユーザの心理状態の変化を詳細に推定することができる。
（第４実施形態）
次に、第４実施形態について説明する。
第４実施形態に係る情報処理装置は、心拍特徴量ベクトルＦｈｒと呼吸特徴量ベクトルＦｒｓとの変化トレンドに基づいて変化量ΔＣを推定する点で第１実施形態に係る情報処理装置と異なる。従って、その他の構成については、同一の符号を付して詳細な説明を省略する。

図１は、第４実施形態に係る情報処理装置４００の構成例を示すブロック図である。
図１が示すように、情報処理装置４００は、データ入力部１０１、処理部４０２、設定入力部１０３及び結果出力部１０４などを備える。

処理部４０２は、特徴量算出部４１１と心理変化推定部４１２とを備える。
データ入力部１０１、設定入力部１０３、及び、結果出力部１０４は、第１実施形態のそれらと同様であるので説明を省略する。

特徴量算出部４１１は、心拍数ベクトルＨｒを一次関数に近似した際の傾き（心拍数の傾き）を心拍特徴量Ｇｈｒとして算出し、呼吸数ベクトルＲｓを一次関数に近似した際の傾き（呼吸数の傾き）を心拍特徴量Ｇｒｓとして算出する。

たとえば、特徴量算出部４１１は、心拍数ベクトルＨｒの各要素と各要素の時刻との回帰直線の傾きを心拍特徴量Ｇｈｒとして算出する。同様に、特徴量算出部４１１は、呼吸数ベクトルＲｓの各要素と各要素の時刻との回帰直線の傾きを呼吸特徴量Ｇｒｓとして算出する。

特徴量算出部４１１は、心拍特徴量Ｇｈｒ及び呼吸特徴量Ｇｒｓを心理変化推定部４１２に出力する。

なお、特徴量算出部４１１は、心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓを正規化した後に、心拍特徴量Ｇｈｒ及び呼吸特徴量Ｇｒｓを算出してもよい。

心理変化推定部４１２は、心拍特徴量Ｇｈｒ及び呼吸特徴量ベクトルＧｒｓに基づいて変化量ΔＣを推定する。
たとえば、心理変化推定部４１２は、以下の様に、変化量ΔＣを推定する。

心理変化推定部４１２は、心拍特徴量Ｇｈｒと呼吸特徴量ベクトルＧｒｓとを積算して特徴量Ｆを算出する。心理変化推定部４１２は、算出された特徴量Ｆが０より大きいか判定する。心理変化推定部４１２は、特徴量Ｆが０よりも大きければ、変化量ΔＣを１とする。また、心理変化推定部４１２は、特徴量Ｆが０以下であれば、変化量ΔＣを０とする。
心理変化推定部４１２は、推定された変化量ΔＣを結果出力部１０４へ出力する。

次に、処理部４０２の動作例について説明する。
まず、処理部４０２の特徴量算出部４１１の動作例について説明する。
図８は、特徴量算出部４１１の動作例について説明するためのフローチャートである。

まず、特徴量算出部４１１は、データ入力部１０１から心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓを取得する（Ｓ５１）。心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓを取得すると、特徴量算出部４１１は、心拍数ベクトルＨｒ及び呼吸数ベクトルＲｓに基づいて、心拍特徴量Ｇｈｒ及び呼吸特徴量Ｇｒｓを算出する（Ｓ５２）。

心拍特徴量Ｇｈｒ及び呼吸特徴量Ｇｒｓを算出すると、特徴量算出部４１１は、算出された心拍特徴量Ｇｈｒ及び呼吸特徴量Ｇｒｓを心理変化推定部４１２へ出力する（Ｓ５３）。

心拍特徴量Ｇｈｒ及び呼吸特徴量Ｇｒｓ心理変化推定部４１２へ出力すると、特徴量算出部４１１は、動作を終了する。

次に、心理変化推定部４１２の動作例について説明する。
図９は、心理変化推定部４１２の動作例について説明するためのフローチャートである。

まず、心理変化推定部４１２は、特徴量算出部４１１から心拍特徴量Ｇｈｒ及び呼吸特徴量Ｇｒｓを取得する（Ｓ６１）。心拍特徴量Ｇｈｒ及び呼吸特徴量Ｇｒｓを取得すると、心理変化推定部４１２は、心拍特徴量Ｇｈｒと呼吸特徴量Ｇｒｓを積算して特徴量Ｆを算出する（Ｓ６２）。

特徴量Ｆを算出すると、心理変化推定部４１２は、特徴量Ｆが０よりも大きいか判定する（Ｓ６３）。

特徴量Ｆが０よりも大きいと判定すると（Ｓ６３、ＹＥＳ）、心理変化推定部４１２は、変化量ΔＣを１とする（Ｓ５４）。特徴量Ｆが０よりも大きくないと判定すると（Ｓ６３、ＮＯ）、心理変化推定部４１２は、変化量ΔＣを０とする（Ｓ６５）。

変化量ΔＣを１とした場合（Ｓ６４）、又は、変化量ΔＣを０とした場合（Ｓ６５）、心理変化推定部４１２は、変化量ΔＣを結果出力部１０４に出力する（Ｓ６６）。

変化量ΔＣを結果出力部１０４に出力すると、心理変化推定部４１２は、動作を終了する。

以上のように構成された情報処理装置は、心拍数ベクトルＨｒの変化トレンド（心拍特徴量Ｇｈｒ）と、呼吸数ベクトルＲｓの変化トレンド（呼吸特徴量Ｇｒｓ）とを算出する。両者の変化トレンドが一致している場合（即ち、両者とも増加又は両者とも減少である場合）、心拍特徴量Ｇｈｒと呼吸特徴量Ｇｒｓとの積である特徴量Ｆは、正の値となる。他方、両者の変化トレンドが一致していない場合（一方が増加すると他方が減少する場合）、特徴量Ｆは、負の値となる。

従って、情報処理装置は、特徴量Ｆが０より大きいかを判定することで、変化量ΔＣを推定することができる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

また、各実施形態に記載した手法は、計算機（コンピュータ）に実行させることができるプログラム（ソフトウエア手段）として、例えば磁気ディスク（フロッピー（登録商標）ディスク、ハードディスク等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤ、ＭＯ等）、半導体メモリ（ＲＯＭ、ＲＡＭ、フラッシュメモリ等）等の記録媒体に格納し、また通信媒体により伝送して頒布することもできる。なお、媒体側に格納されるプログラムには、計算機に実行させるソフトウエア手段（実行プログラムのみならずテーブルやデータ構造も含む）を計算機内に構成させる設定プログラムをも含む。本装置を実現する計算機は、記録媒体に記録されたプログラムを読み込み、また場合により設定プログラムによりソフトウエア手段を構築し、このソフトウエア手段によって動作が制御されることにより上述した処理を実行する。なお、本明細書でいう記録媒体は、頒布用に限らず、計算機内部あるいはネットワークを介して接続される機器に設けられた磁気ディスクや半導体メモリ等の記憶媒体を含むものである。

１００、２００、３００及び４００…情報処理装置、１０１…データ入力部、１０２、２０２、３０２及び４０２…処理部、１１１…特徴量算出部、１１２、２１２、３１２及び４１２…心理変化推定部、１０３…設定入力部、１０４…結果出力部、３１３…学習データ保持部。

Claims (8)

1. ユーザの心理状態の変化を推定する情報処理装置であって、
   前記ユーザの心拍の特徴量と呼吸の特徴量とを算出する特徴量算出部と、
   前記心拍の特徴量と前記呼吸の特徴量との類似度に基づいて、前記ユーザの心理状態の変化を推定する心理変化推定部と、
   を備え、
   前記心理変化推定部は、前記ユーザの心理状態の変化として、ＰＯＭＳの指標の変化量を算出する、
   情報処理装置。
2. 前記特徴量算出部は、前記ユーザの心拍数に基づいて前記心拍の特徴量を算出し、前記ユーザの呼吸数に基づいて前記呼吸の特徴量を算出する、
   前記請求項１に記載の情報処理装置。
3. 前記心理変化推定部は、前記心拍の特徴量と前記呼吸の特徴量との類似度として前記心拍の特徴量と前記呼吸の特徴量との相関係数を算出し、前記相関係数が第１の閾値よりも大きい場合にＰＯＭＳの混乱の変化量として正の値を出力する、
   前記請求項１又は２に記載の情報処理装置。
4. 前記心理変化推定部は、前記相関係数が第２の閾値よりも大きい場合にＰＯＭＳの緊張−不安の変化量として正の値を出力する、
   前記請求項３に記載の情報処理装置。
5. 相関係数と混乱の変化量と緊張−不安の変化量とを対応付けた学習データを複数格納する格納部を備え、
   前記心理変化推定部は、前記心拍の特徴量と前記呼吸の特徴量との類似度として前記心拍の特徴量と前記呼吸の特徴量との相関係数を算出し、複数の前記学習データに基づいて相関係数と混乱の変化量との第１の回帰モデルを算出し、複数の前記学習データに基づいて相関係数と緊張−不安の変化量との第２の回帰モデルを算出し、前記第１の回帰モデルに従って算出された前記相関係数から混乱の変化量を算出し、前記第２の回帰モデルに従って前記相関係数から緊張−不安の変化量を算出する、
   前記請求項１に記載の情報処理装置。
6. 前記特徴量算出部は、前記心拍の特徴量として心拍数の傾きを算出し、前記呼吸の特徴量として呼吸数の傾きを算出し、
   前記心理変化推定部は、前記心拍数の傾きと前記呼吸数の傾きとの積を算出し、前記積が０よりも大きい場合にＰＯＭＳの混乱の変化量として正の値を出力する、
   前記請求項１に記載の情報処理装置。
7. ユーザの心理状態の変化を推定する情報処理方法であって、
   前記ユーザの心拍の特徴量と呼吸の特徴量とを算出し、
   前記心拍の特徴量と前記呼吸の特徴量との類似度に基づいて、前記ユーザの心理状態の変化を推定し、
   前記推定することは、前記ユーザの心理状態の変化として、ＰＯＭＳの指標の変化量を算出する、
   情報処理方法。
8. 請求項１乃至６の何れか１項に記載の情報処理装置の一部分として動作するコンピュータに用いられるプログラムであって、
   前記コンピュータを、
   特徴量算出部と、心理変化推定部と、
   として機能させるためのプログラム。