JP6557952B2 - 対象者特定装置、対象者特定プログラム及び対象者特定方法 - Google Patents

対象者特定装置、対象者特定プログラム及び対象者特定方法 Download PDF

Info

Publication number
JP6557952B2
JP6557952B2 JP2014179040A JP2014179040A JP6557952B2 JP 6557952 B2 JP6557952 B2 JP 6557952B2 JP 2014179040 A JP2014179040 A JP 2014179040A JP 2014179040 A JP2014179040 A JP 2014179040A JP 6557952 B2 JP6557952 B2 JP 6557952B2
Authority
JP
Japan
Prior art keywords
heart rate
period
meal
time
peak
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.)
Expired - Fee Related
Application number
JP2014179040A
Other languages
English (en)
Other versions
JP2016053801A (ja
Inventor
真路 堀田
真路 堀田
明大 猪又
明大 猪又
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2014179040A priority Critical patent/JP6557952B2/ja
Priority to EP15183037.9A priority patent/EP2992816B1/en
Priority to US14/840,800 priority patent/US9839377B2/en
Publication of JP2016053801A publication Critical patent/JP2016053801A/ja
Application granted granted Critical
Publication of JP6557952B2 publication Critical patent/JP6557952B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0475—Special features of memory means, e.g. removable memory cards
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Obesity (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

本発明は、対象者特定装置、対象者特定プログラム及び対象者特定方法に関する。
高齢者の増加に伴い、各種医療機関に通う患者数が増加する傾向にある。一方、増加する患者数に対し、各種医療機関に従事する医療従事者数が不足する事態が想定される。医療従事者数の不足に対応するため、例えば、医療行為の対象となる患者の心拍数等の生体情報を取得し、各患者の健康状態を継続的に把握することで、医療従事者の負担を軽減することが考えられる。継続的に生体情報を取得することにより、安静時の健康状態の把握が可能となる。そして、例えば、安静時の生体情報に対して、患者から取得した生体情報に異常値が検出されたときに、医療従事者等に通知することで、異常値に対処した治療を速やかに行うことが可能となる。
患者の生体情報を継続的に取得する方法として、例えば、患者の腕部、胸部等に装着し、バイタル情報（体温、脈拍、呼吸、血圧等）等の生体情報を取得可能なウェアラブルセンサの使用が想定される。ウェアラブルセンサでは、患者の身体に接触させた各種センサ等により、バイタル情報等の生体情報が取得できる。但し、ウェアラブルセンサによる継続的な生体情報の取得方法では、ウェアラブルセンサを装着する患者間でウェアラブルセンサの取り違え等が生ずる虞がある。ウェアラブルセンサの取り違え等が生じた場合には、例えば、ウェアラブルセンサを介して取得される生体情報から、ウェアラブルセンサの装着者が真の装着者であることを確認できることが望ましい。
例えば、取得した生体情報から個人を特定する手法として、心電波形等の短時間の生体特徴を用いる手法、安静時の心拍数、最大血圧、最小血圧等の長時間にわたる生体特徴を用いる手法等が提案されている。また、センサ等で取得したデータから継続的に使用者を特定する方法として、例えば、携帯端末等に搭載された加速度センサから検知した歩幅、姿勢、手の振り方などの使用者の動作特徴、位置履歴といった使用者の行動パターンを用いる方法が提案されている。
なお、本明細書で説明する技術に関連する技術が記載されている先行技術文献としては、以下の特許文献が存在している。
笠原 弘樹、他５名、"携帯端末の加速度センサを用いた個人認証に関する検討"、［online］、２０１２年８月、電子情報通信学会、第１回バイオメトリクス研究会、［平成２６年５月３０日検索］、インターネット ＜URL: https://www.ieice.org/~biox/limited/2012/001-kenkyukai/pdf/BioX2012-09.pdf＞
国際公開第２００４／０９６０４５号公報 特開２００４−３１０２０７号公報 特開２００７−２１３１９６号公報 特開平１１−１９７１３６号公報 特開平６−１４２０６５号公報
上述の、生体特徴を用いる手法でウェアラブルセンサの装着者を特定しようとする場合、心電波形のような短時間の生体特徴は、例えば、装着位置のズレやセンサの接触状態に影響されてしまう傾向にある。このため、例えば、センサを装着し直した場合や階段の昇降等の運動を行った場合では誤認証が起こり得る。また、安静時の心拍数等のバイタル情報を用いる場合では装着位置のズレ等は問題にならないが、装着者とは異なる他者が類似するバイタル情報を持つ場合が存在するため、真の装着者であることを特定するには至らない場合がある。この結果、例えば、ウェアラブルセンサの取り違え等が生じた場合には、真の装着者であるとして誤って認証通過されてしまう虞がある。
また、歩行特徴といった動作からウェアラブルセンサの真の装着者を特定する場合では、例えば、歩行特徴を意識的に真似ることにより、真の装着者になりすますことが可能となる。また、位置履歴といった行動パターンからウェアラブルセンサの真の装着者を特定する場合では、例えば、行動パターンのバリエーションが少ない場合（病院等の医療施設内の行動）、個人差が出難い傾向となる。このため、真の装着者であることを特定するには至らない場合がある。
１つの側面では、本発明は、心拍数に基づいて個人を特定する精度を向上する技術を提供する。
上記技術は、次の対象者特定装置の構成によって例示できる。すなわち、対象者特定装置は、個人を特定する処理の対象である対象者の心拍数データから、対象者の食事に伴う心拍数変化の特徴量を取得する手段と、複数の候補者のそれぞれに対応付けられた特徴量の履歴値の分布範囲を算出する手段と、対象者から取得した特徴量と、特徴量の履歴値の分布範囲との関係に基づいて複数の候補者の中から対象者に該当する候補者を抽出する手段と、を備える。
上記の対象者特定装置によれば、心拍数に基づいて個人を特定する精度を向上できる。
食事に伴う心拍の特徴を説明する図である。 消化活動等に伴う心拍数変化を説明する図である。 消化活動等に伴う心拍数変化を説明する図である。 消化活動等に伴う心拍数変化を説明する図である。 食事に伴う心拍の特徴量を説明する図である。 食事に伴う心拍の特徴量を説明する図である。 第１ピーク領域と第２ピーク領域の面積比を説明する図である。 第１ピークと第２ピークの振幅を説明する図である。 第１ピークの上昇応答速度を説明する図である。 第１ピークの回復応答速度を説明する図である。 第２ピークの上昇応答速度を説明する図である。 第２ピークの回復応答速度を説明する図である。 第１ピークの上昇応答時間、回復応答時間を説明する図である。 第２ピークの上昇応答時間、回復応答時間を説明する図である。 食事に伴う心拍の特徴量を格納したテーブルを説明する図である。 食事に伴う心拍の特徴量を用いた対象者の絞り込みを説明する図である。 食事に伴う心拍の特徴量を用いた対象者の絞り込みを説明する図である。 本実施形態の情報処理システムを例示する図である。 情報処理装置のハードウェア構成例を説明する図である。 本実施形態の情報処理システムの機能構成を説明する図である。 運動時に検出される加速度の変化を説明する図である。 食事時に検出される加速度の変化を説明する図である。 運動による心拍数の上昇変化を説明する図である。 心拍数の除去期間を説明する図である。 食事に伴う心拍の特徴量を格納したテーブルを説明する図である。 対象者特定処理の全体フローチャートの例示である。。 図７Ａの、Ｓ３の食事特徴量の算出処理のフローチャートの例示である。 図７Ｂの、Ｓ１２の面積特徴量の算出処理のフローチャートの例示である。 図７Ｂの、Ｓ１３の振幅特徴量の算出処理のフローチャートの例示である。 図７Ｂの、Ｓ１４の速度特徴量の算出処理のフローチャートの例示である。 図７Ｂの、Ｓ１５の時間特徴量の算出処理のフローチャートの例示である。 図７Ａの、Ｓ１０の対象者絞り込み処理のフローチャートの例示である。 変形例１の処理のフローチャートの例示である。 ベースライン心拍数を説明する図である。 第１ピーク領域と第２ピーク領域との面積比を説明する図である。 第１ピークの振幅特徴量の算出を説明する図である。 第２ピークの振幅特徴量の算出を説明する図である。 第１ピークの上昇応答速度の算出を説明する図である。 第１ピークの回復応答速度の算出を説明する図である。 第２ピークの上昇応答速度の算出を説明する図である。 第２ピークの回復応答速度の算出を説明する図である。 第１ピークの回復応答時間の算出を説明する図である。 第２ピークの回復応答時間の算出を説明する図である。 近似誤差を説明する図である。 近似関数のパラメータα、βの導出処理のフローチャートの例示である。 実験により取得された心拍数データの一例を示す図である。 実験値に基づいて生成された固有範囲リストの一例を示す図である。 ２個の食事特徴量を用いたプロット例を示す図である。 ２個の食事特徴量を用いたプロット例を示す図である。 ２個の食事特徴量を用いたプロット例を示す図である。 ２個の食事特徴量を用いたプロット例を示す図である。 実験例における絞り込み結果のテーブル例を示す図である。 変形例２の情報処理システムを例示する図である。 変形例２の情報処理システムの機能構成を説明する図である。 変形例３の情報処理システムを例示する図である。 変形例３の情報処理システムの機能構成を説明する図である。
以下、図面を参照して、一実施形態に係る対象者特定装置について説明する。以下の実施形態の構成は例示であり、対象者特定装置は実施形態の構成には限定されない。
以下、図１から図１１の図面に基づいて、対象者特定装置を説明する。
＜実施例１＞
本願の発明者は、食事に伴う心拍の特徴が、食事の量や食事で取得する食物の消化のし
易さ等に拘らず、一定の範囲に収まる傾向にあり、且つ、食事に伴う心拍の特徴に個人差がみられることを見出した。そして、本願の発明者は、複数の対象者から取得した、食事に伴う心拍の特徴を比較することで、対象者の体格（身長・体重）、年齢、性別、人種等の情報、月・年単位の２４時間のサーカディアンリズムデータ等の情報を用いることなく、個人の特定に役立つことを見出した。
以下、図１Ａ−１Ｄに例示の図面を参照し、本実施形態の生体特徴としての食事に伴う心拍の特徴について説明する。図１Ａに、食事開始後に出現する心拍数変化の説明図を例示する。図１Ａは、食事開始後の心拍数の変化をグラフ化したものであり、縦軸は単位時間当たりの心拍数を表し、横軸は食事開始直前からの経過時刻（時間）を表す。
図１Ａに例示のように、対象者の食事行為に伴い、食事開始後の心拍数の変化には、時間経過に伴って心拍数が上昇（増加）して下降（減少）に転ずる２つのピークが存在する。なお、食事開始時（Ｔｓ）から、時間経過に伴って先行する心拍数のピークを“第１ピーク”、後行する心拍数のピークを“第２ピーク”とする。また、“第１ピーク”を含む所定の領域を“第１ピーク領域Ａ１”とし、“第２ピーク”を含む所定の領域を“第２ピーク領域Ａ２”とする。なお、所定の領域については、図２Ａで後述する。
図１Ａに例示の、食事開始後に出現する心拍数の２つのピークについて、第１ピークは、食事行為に伴う心拍上昇であり、例えば、食道の蠕動運動に起因する心拍数上昇と推定される。また、第２ピークは、例えば、食事行為により取得した取得物（食物等）に対する消化器官（胃腸等）内の消化活動に起因する心拍数上昇と推定される。このため、食事行為や蠕動運動、及び、消化活動には、以下の（ａ）−（ｃ）について個人差が生ずる傾向にある。
以下では、心拍数の変化とその個人差を説明する上で、この推定に基づいて例示する。
（ａ）消化の速度
図１Ｂに、消化活動等に伴う心拍数変化の説明図を例示する。図１Ｂの説明図は、図１Ａに例示の説明図と同様に、縦軸を単位時間当たりの心拍数、横軸を食事開始直前からの経過時刻（時間）として、食事開始後の心拍数の変化をグラフ化したものである。なお、図１Ｃ、１Ｄの説明図についても同様である。
図１Ｂに例示の説明図において、曲線Ｃ１は消化の速度が速い対象者の心拍数の変化を表し、曲線Ｃ２は消化の速度が遅い対象者の心拍数の変化を表している。また、横軸と平行する破線ＢＬ１は、心拍数のベースラインを表す。ここで、ベースラインとなる心拍数値は、例えば、対象者の食事開始前の１０分間、１時間等の所定期間の心拍数の平均値を例示できる。また、例えば、ベースラインとなる心拍数値は、対象者の食事開始時の心拍数、第１ピークと第２ピークとの間で最小となる心拍数が例示できる。心拍数のベースラインの設定については、複数の対象者について共通する設定方法であればよい。
曲線Ｃ１と曲線Ｃ２との心拍数の変化を比較すると、曲線Ｃ１では、相対的に第２ピークに至るまでの期間が短く、第２ピーク後のベースラインＢＬ１として設定された心拍数値に至るまでの期間が短い傾向にある。言い換えれば、曲線Ｃ１では、心拍数の第２ピークに到達するまでの上昇する速度（上昇速度）が速く（急な傾斜）であり、第２ピークからベースラインＢＬ１に到達する速度（回復速度）が速い（急な傾斜）傾向にある。
また、曲線Ｃ１では、第２ピークの心拍数に至るまでの変化幅が相対的に大きい傾向にある。さらに、食事開始時刻（Ｔｓ）から第２ピークとなる心拍数に到達するまでの期間Ｔ１が短く、食事開始時刻（Ｔｓ）から第２ピーク後のベースラインＢＬ１に到達する期間Ｔ２が短い傾向にある。
上記傾向が生じるのは、消化の速度が速い対象者では、例えば、胃腸内における消化液等が大量に分泌されると共に、胃腸等への血流量が急上昇し、後に急下降するためと推定される。このため、消化の速度が速い対象者では、消化の速度が遅い対象者と比較して、消化活動中の間に短期間で消化に係る多大なエネルギーが消費されることとなる。消化の速度が速い対象者の場合では、エネルギー消費に追従して、短期的な心拍数の変化が起こりやすい傾向となる。
（ｂ）消化に係るエネルギー
図１Ｃに、消化活動等に伴う、心拍数変化の説明図を例示する。図１Ｃに例示の説明図において、曲線Ｃ３は消化に係るエネルギー（消化エネルギー）が高い対象者の心拍数の変化を表し、曲線Ｃ４は消化に係るエネルギーが低い対象者の心拍数の変化を表している。
曲線Ｃ３と曲線Ｃ４との心拍数の変化を比較すると、曲線Ｃ３では相対的に第２ピークの心拍数が高く、心拍数の変化として上昇しやすい傾向にある。また、曲線Ｃ３では、第２ピーク領域Ａ２の心拍数の総面積が相対的に大きく、第２ピークに至るまでの最大変化幅が相対的に大きくなる傾向にある。
上記傾向が生じるのは、消化に係るエネルギーが高い対象者では、例えば、消化時に分泌される消化液の総量が大きく、胃腸等への血流量が消化活動の期間全体を通して高いためと推定される。このため、消化に係るエネルギーが高い対象者では、消化に係るエネルギーが低い対象者と比較して、消化活動の期間全体を通して消費される総エネルギー量が大きくなる。消化に係るエネルギーが高い対象者の場合では、消化活動期間中に変化した心拍数の総和が高くなる傾向となる。
（ｃ）蠕動運動と消化活動の活動負荷比
図１Ｄに、消化活動等に伴う、心拍数変化の説明図を例示する。図１Ｄに例示の説明図において、曲線Ｃ５は消化活動の活動負荷比が高い対象者の心拍数の変化を表し、曲線Ｃ６は消化活動の活動負荷比が低い対象者の心拍数の変化を表している。ここで、活動負荷比とは、対象者の蠕動運動に係る総エネルギーと消化活動に係る総エネルギーとの比を表す。
曲線Ｃ５と曲線Ｃ６との心拍数の変化を比較すると、曲線Ｃ５では、消化時の総エネルギー（第２ピーク領域Ａ２の面積）が高く、蠕動運動時の総エネルギー（第１ピーク領域Ａ１の面積）が低い傾向にある。また、曲線Ｃ５では、第1ピーク領域Ａ１の面積に対す
る、第２ピーク領域Ａ２の面積の面積比が相対的に高い傾向にある。消化活動の活動負荷比が高い対象者の場合では、消化のための総エネルギーが高く、蠕動運動のための総エネルギーが低くなる傾向となる。なお、第１ピーク領域Ａ１、第２ピーク領域Ａ２の面積については、図２Ａで説明する。
（ａ）−（ｃ）で説明したように、食事開始後に出現する２つの心拍数変化のピークには、対象者の蠕動運動、及び、消化活動等に起因する特徴的な傾向が表れる。このため、例えば、食事開始後に出現する２つの心拍数変化のピークに対する特徴量を用いることにより、複数の候補者の中から個人を特定するための候補者の絞り込みが可能となる。以下、複数の候補者から絞り込まれる個人（正解）を対象者と呼ぶ。
（ａ）−（ｃ）で説明した、食事開始後に出現する２つの心拍数変化のピークについて、例えば、次の（１）−（４）の特徴量が定義できる。図１Ｅ、１Ｆに、本実施形態で定義する、食事開始後に出現する２つの心拍数変化のピークについての特徴量（１）−（４
）の説明図を例示する。なお、図１Ｅ、１Ｆは、昼食時の食事開始後の心拍数の変化をグラフ化したものであり、縦軸は単位時間当たりの心拍数を表し、横軸は食事開始直前からの経過時刻（時間）を表す。
図１Ｅに例示の説明図は、昼食時の食事開始後に出現する２つの心拍数変化のピークについての特徴量（１）、（２）についての説明図である。（ａ）−（ｃ）で説明したように、対象者毎に蠕動運動と消化活動の活動負荷比が異なるため、例えば、図１Ｅに例示のように、食事開始後の第１ピーク領域Ａ１と第２ピーク領域Ａ２の面積比を特徴量（特徴量（１））とすることができる。なお、第１ピーク領域Ａ１、第２ピーク領域Ａ２の面積については、図２Ａで説明する。
また、対象者毎に蠕動運動、消化活動の特徴が異なるため、例えば、図１Ｅに例示のように、第１ピークと第２ピークについて、それぞれのピーク時の最大心拍数値Ｐ１、Ｐ２を特徴量（特徴量（２））とすることができる。なお、第１ピークと第２ピークについて、それぞれのピーク時の最大心拍数値を“振幅”とも称す。
図１Ｆに例示の説明図は、昼食時の食事開始後に出現する２つの心拍数変化のピークについての特徴量（３）、（４）についての説明図である。（ａ）−（ｃ）で説明したように、対象者毎に蠕動運動、消化活動の特徴が異なるため、例えば、図１Ｆに例示のように、第１ピークと第２ピークのそれぞれについて、最大心拍数値Ｐ１、Ｐ２に至る心拍数の上昇速度を特徴量（特徴量（３））とすることができる。
また、同様にして、例えば、図１Ｆに例示のように、第１ピークと第２ピークのそれぞれについて、最大心拍数値Ｐ１、Ｐ２からの心拍数が回復する回復速度を特徴量（特徴量（３））とすることができる。なお、第１ピークと第２ピークについて、それぞれの上昇速度、回復速度を包括した特徴量として“応答速度”とも称す。また、第１ピークと第２ピークについて、それぞれの上昇速度を“上昇応答速度”、回復速度を“回復応答速度”とも称す。なお、第１ピークと第２ピークのそれぞれについての各種応答速度の詳細については、図２Ｃ−２Ｆで説明する。
また、図１Ｆに例示のように、第１ピークと第２ピークのそれぞれについて、対象者毎に蠕動運動、消化活動の特徴が異なるため、例えば、食事開始時（Ｔｓ）からの各種応答時間を特徴量（特徴量（４））とすることができる。第１ピークの各種応答時間として、例えば、食事開始時（Ｔｓ）から最大心拍数値Ｐ１に到達するまでの経過時間（ｔ１）、食事開始時（Ｔｓ）から、最大心拍数値Ｐ１に到達した心拍数が回復するまでの経過時間（ｔ２）とすることができる。また、第２ピークの各種応答時間として、例えば、食事開始時（Ｔｓ）から最大心拍数値Ｐ２に到達するまでの経過時間（ｔ３）、食事開始時（Ｔｓ）から、最大心拍数値Ｐ２に到達した心拍数が回復するまでの経過時間（ｔ４）とすることができる。
なお、各種応答時間についての食事開始時（Ｔｓ）からの大小関係は、ｔ１＜ｔ２＜ｔ３＜ｔ４の関係となる。ここで、各ピークについて、食事開始時（Ｔｓ）から最大心拍数値に到達するまでの経過時間を“上昇応答時間”、食事開始時（Ｔｓ）から最大心拍数値Ｐ１に到達した心拍数が回復するまでの経過時間を“回復応答時間”とも称す。なお、第１ピークと第２ピークのそれぞれについての各種応答速度の詳細については、図２Ｇ−２Ｈで説明する。
本実施形態では、例えば、食事開始後の第１ピーク領域Ａ１、第２ピーク領域Ａ２について定義される特徴量（１）を検出することで、複数の候補者の心拍に係る生体特徴を絞り込むことが可能となる。また、同様に、食事開始後の第１ピーク、第２ピークのそれぞ
れについて定義される特徴量（２）−（４）の少なくとも一つの特徴量を検出することで、複数の候補者の心拍に係る生体特徴を絞り込むことが可能となる。例えば、特徴量（１）−（４）の中の少なくとも１つの特徴量を複数の候補者の中から対象者を絞り込むためのパラメータとして用いることができる。次に、特徴量（１）−（４）の検出等について説明する。
［特徴量（１）の検出］
図２Ａに、食事開始後の第１ピーク領域Ａ１と第２ピーク領域Ａ２の面積比である特徴量（１）の検出についての説明図を例示する。図２Ａに例示の説明図は、縦軸を単位時間当たりの心拍数、横軸を食事開始直前からの経過時刻（時間）として、食事開始後の心拍数の変化をグラフ化したものである。
図２Ａに例示の説明図において、第１ピーク領域Ａ１の面積（Ｓ１）は、例えば、食事期間（Ｔａ１）における心拍数の上昇幅の合計とすることができる。ここで、食事期間（Ｔａ１）とは、例えば、破線で示すように、食事開始時（Ｔｓ）から、上昇した心拍数が第１ピークを過ぎ、ベースライン心拍数（ＢＬ１）まで回復する期間を例示できる。なお、ベースライン心拍数（ＢＬ１）については、例えば、対象者の食事開始時の心拍数、または、食事開始前の１０分間、１時間等の所定期間の心拍数の平均値とすることができる。ベースライン心拍数の設定については、第１ピーク領域Ａ１の面積（Ｓ１）を算出するための、複数の対象者について共通する設定方法であればよい。
なお、第１ピーク領域Ａ１は、対象者の蠕動運動に影響されるため、食事開始後から上昇した心拍数が第１ピークを過ぎてベースライン心拍数（ＢＬ１）まで回復しないケースが想定される。このため、食事期間（Ｔａ１）として、例えば、食事開始時（Ｔｓ）から変化した心拍数が、第１ピークと第２ピークとの間で最小となる心拍数となるまでの期間としてもよい。また、食事期間（Ｔａ１）は、対象者の蠕動運動に影響されるため、食事開始時（Ｔｓ）からの経過時間として、食事終了時刻に蠕動運動に費やされる一定期間（例えば、１０−２０分）を加えた期間としてもよい。食事期間（Ｔａ１）の設定についても、ベースライン心拍数の設定と同様に、第１ピーク領域Ａ１の面積（Ｓ１）を算出するための、複数の対象者について共通する設定方法であればよい。
第２ピーク領域Ａ２の面積（Ｓ２）は、例えば、食後期間（Ｔａ２）における心拍数の上昇幅の合計とすることができる。ここで、食後期間（Ｔａ２）とは、例えば、第１ピーク領域Ａ１の食事期間（Ｔａ１）の終了時刻から、上昇した心拍数が第２ピークを過ぎ、ベースライン心拍数（ＢＬ１）まで回復する期間を例示できる。
なお、第２ピーク領域Ａ２は、対象者の消化活動に影響されるため、食事開始後から上昇した心拍数が第２ピークを過ぎてベースライン心拍数（ＢＬ１）まで回復しないケースが想定される。このため、食後期間（Ｔａ２）として、例えば、消化活動に費やされる一定期間（例えば、４時間前後）を区切りとしてもよい。例えば、第１ピーク領域Ａ１の食事期間（Ｔａ１）の終了時刻から、消化活動に費やされる一定期間を食後期間（Ｔａ２）とすることができる。食後期間（Ｔａ２）の設定についても、食事期間（Ｔａ１）の設定と同様に、第２ピーク領域Ａ２の面積（Ｓ２）を算出するための、複数の対象者について共通する設定方法であればよい。
特徴量（１）は、第１ピーク領域Ａ１で算出された面積（Ｓ１）と第２ピーク領域Ａ２で算出された面積（Ｓ２）から、“Ｓ１／Ｓ２”により検出することができる。
［特徴量（２）の検出］
図２Ｂに、第１ピークと第２ピークについての各振幅である特徴量（２）の検出につい
ての説明図を例示する。図２Ｂに例示の説明図は、縦軸を単位時間当たりの心拍数、横軸を食事開始直前からの経過時刻（時間）として、食事開始後の心拍数の変化をグラフ化したものである。
図２Ｂに例示の説明図において、第１ピークの振幅は、例えば、食事期間（Ｔａ１）における最大心拍数値（Ｐ１）として検出することができる。また、同様に、第２ピークの振幅は、例えば、食後期間（Ｔａ２）における最大心拍数値（Ｐ２）として検出することができる。
なお、第１ピークの振幅は、例えば、食事期間（Ｔａ１）における、図２Ａに例示の、ベースライン心拍数（ＢＬ１）からの心拍数上昇幅の最大値を検出するとしてもよい。また、同様にして、第２ピークの振幅は、例えば、食後期間（Ｔａ２）における、図２Ａに例示の、ベースライン心拍数（ＢＬ１）からの心拍数上昇幅の最大値を検出するとしてもよい。
なお、第２ピークは対象者の消化活動に影響されるため、例えば、食後期間（Ｔａ２）における最大心拍数値（Ｐ２）を検出する時間帯を、消化活動が最も活発となると想定される時間帯に限定するとしてもよい。消化活動が最も活発になるであろう時間帯は、例えば、食事開始時（Ｔｓ）から３０−８０分後の期間が例示できる。
［特徴量（３）の検出］
図２Ｃ−２Ｆに、第１ピークと第２ピークについての各種応答速度である特徴量（３）の検出についての説明図を例示する。図２Ｃ−２Ｆに例示の説明図は、縦軸を単位時間当たりの心拍数、横軸を食事開始直前からの経過時刻（時間）として、食事開始後の心拍数の変化をグラフ化したものである。
図２Ｃは第１ピークの上昇応答速度の検出の説明図であり、図２Ｄは第１ピークの回復応答速度の検出の説明図である。図２Ｃ、２Ｄの破線丸囲み内には、第１ピークの振幅である最大心拍数Ｐ１が存在する。また、図２Ｃ、２Ｄの破線で示される矩形領域は、食事期間（Ｔａ１）を表す。同様に、図２Ｅは第２ピークの上昇応答速度の検出の説明図であり、図２Ｆは第２ピークの回復応答速度の検出の説明図である。図２Ｅ、２Ｆの破線丸囲み内には、第２ピークの振幅である最大心拍数Ｐ２が存在する。また、図２Ｅ、２Ｆの破線で示される矩形領域は、食後期間（Ｔａ２）を表す。
図２Ｃに例示の説明図において、第１ピークの上昇応答速度は、例えば、食事期間（Ｔａ１）における最大心拍数（Ｐ１）に到達した時刻を基準として、食事開始時（Ｔｓ）からの心拍数の上昇変化の速度として検出できる。例えば、食事開始時刻（Ｔｓ）から最大心拍数（Ｐ１）に到達した時刻までの期間を“近似対象期間（Ｔｓ_Ｐ１）”とする（図
２Ｃの一点鎖線で囲まれる領域）。そして、近似対象期間（Ｔｓ_Ｐ１）における心拍数
の推移を抽出し、抽出した心拍数の推移に対して、例えば、一次関数等による関数近似を行う。そして、例えば、近似対象期間（Ｔｓ_Ｐ１）の心拍数の推移に近似された関数の
傾きを求め、該傾きを第１ピークの上昇応答速度として検出することができる。
同様にして、第１ピークの回復応答速度を検出することができる。図２Ｄに例示の説明図において、例えば、第１ピークの回復応答速度は、食事期間（Ｔａ１）の最大心拍数（Ｐ１）に到達した時刻から、食事終了後の一定期間を経過するまでの心拍数の回復変化の速度として検出できる。例えば、最大心拍数（Ｐ１）の到達した時刻から、食事終了後の一定期間を経過するまでの期間を“近似対象期間（Ｔａ１_Ｐ１）”とする（図２Ｄの一
点鎖線で囲まれる領域）。ここで、食事終了後の一定期間とは、例えば、５分間といった分単位の期間が例示できる。
そして、近似対象期間（Ｔａ１_Ｐ１）における心拍数の推移を抽出し、抽出した心拍
数の推移に対して、例えば、一次関数等による関数近似を行う。そして、例えば、近似対象期間（Ｔｓ_Ｐ１）の心拍数の推移に近似された関数の傾きを求め、該傾きを第１ピー
クの回復応答速度として検出することができる。
次に、図２Ｅ、２Ｆの説明図を参照し、第２ピークについての上昇応答速度、回復応答速度の検出を説明する。第２ピークの上昇応答速度、及び、回復応答速度は、例えば、食後期間における最大心拍数（Ｐ２）に到達した時刻を基準として検出することができる。
図２Ｅに例示の説明図において、第２ピークの上昇応答速度は、例えば、食後期間（Ｔａ２）における最大心拍数（Ｐ２）に到達した時刻を基準として、食後期間（Ｔａ２）の開始時刻（食事期間の終了時刻）からの心拍数の上昇変化の速度として検出できる。例えば、食後期間（Ｔａ２）の開始時刻から最大心拍数（Ｐ１）に到達した時刻までの期間を“近似対象期間（Ｔａ２_Ｐ２）”とする（図２Ｅの一点鎖線で囲まれる領域）。そして
、近似対象期間（Ｔａ２_Ｐ２）における心拍数の推移を抽出し、抽出した心拍数の推移
に対して、例えば、一次関数等による関数近似を行う。そして、例えば、近似対象期間（Ｔａ２_Ｐ２）の心拍数の推移に近似された関数の傾きを求め、該傾きを第２ピークの上
昇応答速度として検出することができる。
また、図２Ｆに例示の説明図において、例えば、第２ピークの回復応答速度は、食後期間（Ｔａ２）で最大心拍数（Ｐ２）に到達した時刻から、消化終了時刻までの心拍数の回復変化の速度として検出できる。消化終了時刻は、例えば、食後期間（Ｔａ２）の終了時刻とすることができる。例えば、食後期間（Ｔａ２）で最大心拍数（Ｐ２）の到達した時刻から、食後期間の終了時刻までの期間を“近似対象期間（ＴＰ２_ａ２）”とする（図
２Ｆの一点鎖線で囲まれる領域）。そして、近似対象期間（ＴＰ２_ａ２）における心拍
数の推移を抽出し、抽出した心拍数の推移に対して、例えば、一次関数等による関数近似を行う。そして、例えば、近似対象期間（ＴＰ２_ａ２）の心拍数の推移に近似された関
数の傾きを求め、該傾きを第２ピークの回復応答速度として検出することができる。
［特徴量（４）の検出］
図２Ｇ−２Ｈに、第１ピークと第２ピークについての各種応答時間である特徴量（４）の検出についての説明図を例示する。図２Ｇ−２Ｆに例示の説明図は、縦軸を単位時間当たりの心拍数、横軸を食事開始直前からの経過時刻（時間）として、食事開始後の心拍数の変化をグラフ化したものである。図２Ｇは第１ピークの上昇応答時間、回復応答時間の検出の説明図であり、図２Ｈは第２ピークの上昇応答時間、回復応答時間の検出の説明図である。
図２Ｇの説明図において、短破線で囲まれた領域は食事期間（Ｔａ１）を表し、短破線で囲まれた領域での破線丸囲みには、第１ピークの振幅である最大心拍数Ｐ１が存在する。第１ピークの上昇応答時間は、例えば、食事期間（Ｔａ１）の開始時刻（食事開始時刻（Ｔｓ））から、食事期間（Ｔａ１）における最大心拍数（Ｐ１）に到達した時刻までの時間として検出できる。
また、第１ピークの回復応答時間は、例えば、食事期間（Ｔａ１）における最大心拍数Ｐ１に到達した時刻から、心拍数がベースライン心拍数（ＢＬ１）に回復するまでの時間として検出できる。なお、第１ピークは、対象者の蠕動運動に影響されるため、第２ピークに到達するまでの間にベースライン心拍数（ＢＬ１）まで回復しないケースが想定される。このため、例えば、図２Ｄで説明した特徴量（３）の、第１ピークの回復応答速度を使用し、第１ピークの回復応答時間を求めるとしてもよい。
図２Ｄで説明した第１ピークの回復応答速度は、例えば、第１ピーク後の回復する心拍数の推移から近似された近似関数の傾きとして検出される。つまり、図２Ｇに例示するように、第１ピークの心拍数（最大心拍数Ｐ１）から近似関数の傾きで推移する心拍数の時間変化が、ベースライン心拍数（ＢＬ１）に到達するまでの経過時間を第１ピークの回復応答時間として検出すればよい。
図２Ｇの説明図では、最大心拍数Ｐ１と交差した心拍数の回復変化を表す近似関数の、ベースライン心拍数（ＢＬ１）に到達するまでの経過時間が、“回復応答時間”として例示されている。なお、一点鎖線の丸囲みは、最大心拍数Ｐ１と交差した回復変化を表す近似関数とベースライン心拍数（ＢＬ１）との交差点を表す。第１ピークの回復応答時間は、例えば、食事期間（Ｔａ１）での最大心拍数Ｐ１とベースライン心拍数（ＢＬ１）との差分心拍数を求め、該差分心拍数を第１ピークの回復応答速度である近似関数の傾きで除算することで検出できる。
同様にして、第２ピークの上昇応答時間、回復応答時間を検出することができる。図２Ｈの説明図において、短破線で囲まれた領域は食事期間（Ｔａ１）、食後期間（Ｔａ２）を表し、食後期間（Ｔａ２）の破線丸囲みには、第２ピークの振幅である最大心拍数Ｐ２が含まれる。第２ピークの上昇応答時間は、例えば、食事期間（Ｔａ１）の開始時刻（食事開始時刻（Ｔｓ））から、食後期間（Ｔａ２）における最大心拍数（Ｐ２）に到達した時刻までの時間として検出できる。
また、第２ピークの回復応答時間は、例えば、食後期間（Ｔａ２）における最大心拍数Ｐ２に到達した時刻から、心拍数がベースライン心拍数（ＢＬ１）に回復するまでの時間として検出できる。ここで、第２ピークは、対象者の消化活動に影響されるため、第２ピーク以降にベースライン心拍数（ＢＬ１）まで回復しないケースが想定される。このため、例えば、図２Ｆで説明した特徴量（３）の、第２ピークの回復応答速度を使用し、第２ピークの回復応答時間を求めるとしてもよい。
図２Ｆで説明した第２ピークの回復応答速度は、例えば、第２ピーク後の回復する心拍数の推移から近似された近似関数の傾きとして検出される。つまり、図２Ｈに例示するように、第２ピークの心拍数（最大心拍数Ｐ２）から近似関数の傾きで推移する心拍数の時間変化が、ベースライン心拍数（ＢＬ１）に到達するまでの経過時間を第２ピークの回復応答時間として検出すればよい。
図２Ｈの説明図では、最大心拍数Ｐ２に交差した心拍数の回復変化を表す近似関数の、ベースライン心拍数（ＢＬ１）に到達するまでの経過時間が、“回復応答時間”として例示されている。なお、一点鎖線の丸囲みは、最大心拍数Ｐ２と交差した回復変化を表す近似関数とベースライン心拍数（ＢＬ１）との交差点を表す。第２ピークの回復応答時間は、例えば、食後期間（Ｔａ２）での最大心拍数Ｐ２とベースライン心拍数（ＢＬ１）との差分心拍数を求め、該差分心拍数を第２ピークの回復応答速度である近似関数の傾きで除算することで検出できる。
以上で説明した、対象者の食事開始後の第１ピーク、第２ピークに対し検出される特徴量（１）−（４）について、対象者を絞り込むためのパラメータとして纏めたテーブル例を図２Ｊに例示する。
図２Ｊに例示のテーブル例では、「心拍特徴量」カラムには、対象者の食事開始後の第１ピーク、第２ピークに対し検出される特徴量（１）−（４）が格納されている。「心拍特徴量」カラムに格納された“面積比”は、特徴量（１）の第１ピーク領域Ａ１の面積（
Ｓ１）と第２ピーク領域Ａ２の面積（Ｓ２）の面積比に対応する。同様に、“振幅”は、特徴量（２）の、第１ピークの最大心拍数Ｐ１、及び、第２ピークの最大心拍数Ｐ２に対応する。
また、図２Ｊのテーブル例では、「心拍特徴量」カラムに格納された“応答速度”は、特徴量（３）の、第１ピーク、第２ピークのそれぞれについての各種応答速度に対応する。すなわち、第１ピークについては、第１ピークの上昇応答速度、回復応答速度が対応し、第２ピークについては、第１ピークの上昇応答速度、回復応答速度が対応する。「心拍特徴量」カラムに格納された“応答時間”は、特徴量（４）の、第１ピーク、第２ピークのそれぞれについての各種応答時間に対応する。すなわち、第１ピークについては、第１ピークの上昇応答時間、回復応答時間が対応し、第２ピークについては、第１ピークの上昇応答時間、回復応答時間が対応する。
図２Ｊに例示の４種１１個の特徴量を、例えば、候補者毎の心拍の特徴を表すパラメータとして取得し、取得した候補者に対応付けてデータベース（DB：data base）として管
理する。そして、対象者の絞り込み等が生じた場合には、データベースに格納された、対象者が含まれる各候補者から取得した４種１１個の特徴量のパラメータと、対象者から取得した４種１１個の中の何れか一つのパラメータとの照合を行う。対象者から取得した心拍の特徴を表す特徴量とデータベースに格納された該特徴量との照合を行うことにより、複数の候補者の中から、対象者として見做し得る候補者を絞り込むことが可能となる。
なお、食事に伴う心拍数の変化は、例えば、食事の時間帯や人体の２４時間のサーカディアンリズムの影響を受けると推定される。このため、例えば、図２Ｊに例示の特徴量を、複数の時間帯に対応付けて管理するとしてもよい。そして、対象者の絞り込みを行う場合には、時間帯毎の特徴量との照合を行うとしてもよい。時間帯毎の特徴量を用いることで、対象者の生活習慣に対応した絞り込みを行うことが可能となる。
特徴量を取得する時間帯の区切りとして、例えば、朝食、昼食、夕食、夜食の４種の時間帯に切り分けることが例示できる。４種の時間帯に区切る場合、例えば、５：００−１１：００の時間帯を朝食、１１：００−１７：００の時間帯を昼食、１７：００−２４：００の時間帯を夕食、２４：００−５：００の時間帯を夜食のそれぞれに対応する時間帯とすることができる。
［対象の絞り込み］
次に、図２Ｋの図面を参照し、対象者の食事開始後の第１ピーク、第２ピークについて検出された心拍の特徴量（１）−（４）を表す、４種１１個のパラメータを用いた、対象者の絞り込みについて説明する。図２Ｋは、４種１１個のパラメータの中で、第２ピークの回復速度と第１ピークの振幅を用いて各特徴量を対応付けたプロット例である。図２Ｋの縦軸は第２ピークの回復速度を表し、横軸は第１ピークの振幅を表す。特徴量の取得対象者数は４名であり、特徴量を取得したサンプル数は８サンプルであり、特徴量の取得対象となった時間帯は昼食時間帯（１１：００−１７：００）である。
図２Ｋに例示の説明図において、矩形領域Ｚ１は候補者Ａについて検出された各特徴量（第２ピークの回復速度、第１ピークの振幅範囲）のサンプルの検出範囲を表す。同様にして、矩形領域Ｚ２は候補者Ｂ、矩形領域Ｚ３は候補者Ｃ，矩形領域Ｚ４は候補者Ｄについて検出された各特徴量のサンプルの検出範囲を表す。
図２Ｋに例示のように、各候補者から検出された特徴量のサンプルは、所定の検出範囲にバラつくため、例えば、検出された各サンプルの最大値、最小値で対応付けられる範囲領域（矩形領域Ｚ１−Ｚ４）を有することとなる。そして、サンプルがバラつく範囲領域
から特定される矩形領域は、候補者毎に固有の領域となることが判る。
例えば、図２Ｋの例では、候補者Ａの特徴量の検出範囲である矩形領域Ｚ１は相対的に広い範囲領域であり、候補者Ｃの特徴量の検出範囲である矩形領域Ｚ３は相対的に狭い範囲領域である。候補者Ａの、第２ピークの回復速度と第１ピークの振幅範囲との関係では、検出値が広範囲にわたりグルーピングされる傾向があり、一方、候補者Ｃの、同関係では、検出値が狭い範囲に纏まってグルーピングされる傾向にあることが判る。
また、例えば、図２Ｋの例では、候補者Ａの矩形領域Ｚ１、候補者Ｃの矩形領域Ｚ３、候補者Ｄの矩形領域Ｚ４は、重複する領域範囲を有するが、候補者Ｂの矩形領域Ｚ３は、他者の矩形領域Ｚ１，Ｚ２、Ｚ４の何れとも重複することはない。候補者Ｂの矩形領域Ｚ３は、他者の特徴量の検出範囲から相対的に外れていることが判る。このため、候補者Ａ、Ｃ、Ｄは、第２ピークの回復速度と第１ピークの振幅範囲との関係において、検出された特徴量によっては他者との絞り込みが困難となる場合があることが判る。一方、候補者Ｂは、少なくとも第２ピークの回復速度と第１ピークの振幅範囲との関係において、検出された特徴量に対し、相対的に高い合致度で候補者Ｂとの絞り込みを行うことが可能となる。
例えば、図２Ｋの“×”印で示される特徴量が検出された場合では、複数の候補者Ａ−Ｄの中で、検出された特徴量の対象者は、相対的に高い合致度で候補者Ｂに対応付けることが可能となる。
このように、複数の候補者の中から絞り込みを行う場合、例えば、予め取得した心拍の特徴量（１）−（４）を表す、４種１１個の各パラメータについて検出された特徴量の最大値、最小値で対応付けられる範囲領域を候補者毎に特定する。そして、特定された４種１１個の各パラメータの領域範囲と、対象者から検出した特徴量との照合を行う。対象者から検出した特徴量が、例えば、候補者毎に特定された固有の領域範囲内に検出された場合には、該当する候補者を対象者と見做し得る候補者として抽出できる。
以上、図２Ｋの説明図では、可視化される表現の都合により、４種１１個の中の２つの特徴量（パラメータ）を使用して、候補者毎に検出される特徴量の範囲が固有であることを説明した。候補者毎に検出された、４種１１個の各特徴量の範囲領域をさらに複数に組合せることで（最大１１パラメータの組合せ）、候補者毎の特有な範囲領域を明確化することが可能となる。例えば、図２Ｋの説明例で、重複する範囲領域を有する候補者Ａ、Ｃ、Ｄの各特徴量をさらに明確化することが可能となり、検出された特徴量について候補者Ａ、Ｃ、Ｄ間の絞り込みを行うことが可能となる。
図２Ｌに、パラメータ数を増やした場合の特徴量の領域範囲の説明図を例示する。図２Ｌ（１）は、図２Ｋに例示の候補者Ｃ、Ｄについて、面積比及び第２ピークの回復速度の特徴量を用いた場合の範囲領域の説明図である。図２Ｌ（１）の縦軸は面積比、横軸は第２ピークの回復速度を表し、特徴量のサンプル数は、昼食時間帯を対象とした８サンプルである。図２Ｌ（２）は、候補者Ｃ、Ｄについて、さらに第１ピーク振幅の特徴量を追加した場合の範囲領域の説明図である。図２Ｌ（２）の説明図では、第１ピーク振幅を表す基準軸が追加され、面積比、第２ピークの回復速度、第１ピーク振幅による３軸の特徴量空間が形成されている。
図２Ｌ（１）に例示のように、検出された各特徴量（面積、第２ピークの回復速度）のサンプルの最大値、最小値から、候補者Ｃでは矩形領域Ｚ５の範囲領域が形成され、候補者Ｄでは矩形領域Ｚ６の範囲領域が形成される。候補者Ｃの矩形領域Ｚ５と候補者Ｄの矩形領域Ｚ６とは、例えば、面積比が“０．０４”となる近傍で重複する領域を有すること
が判る。そして、候補者Ｃの矩形領域Ｚ５の大半は、面積比が粗“０．０４”以下の範囲であるのに対し、候補者Ｄの矩形領域Ｚ６の大半は、面積比が粗“０．０４”以上の範囲であることが判る。
例えば、矩形領域Ｚ５、Ｚ６の重複する領域について、以下の数式（Ａ）、（Ｂ）により重複率（％）、検出された特徴量についての判定不能率（％）を求めるとする。
重複率（％）：（２×（重複している領域））／（（矩形領域Ｚ５）＋（矩形領域Ｚ６））・・・数式（Ａ）
判定不能率（％）：（重複している領域で検出されたサンプル数）／（候補者Ｃのサンプル数＋候補者Ｄのサンプル数）・・・数式（Ｂ）
ここで、各矩形領域は、候補者毎の、サンプルデータの存在範囲を含む最小の矩形（左上点、左下点）として例示できる。なお、数式（Ａ）における“領域”とは、例えば、使用する特徴量が１つであれば、該特徴量のバラつき（分布）の範囲幅（最大値−最小値）となる。また、使用する特徴量が２つであれば、例えば、各特徴量のバラつきの範囲幅を掛合せた（組合せた）２次元の面積量として表現され、使用する特徴量が３つであれば、各特徴量のバラつきの範囲幅を掛合せた３次元の体積量として表現される。
図２Ｌ（１）の候補者Ｃ，Ｄについて検出された特徴量に、数式（Ａ）、（Ｂ）による重複率（％）、判定不能率（％）を適用すると、例えば、重複率：１７．０（％）となり、判定不能率：１７．６（％）となる。
次に、図２Ｌ（１）について、第１ピーク振幅を特徴量として追加した場合では、候補者に特有な特徴量の領域は、図２Ｌ（２）に例示のように、面積比、第２ピークの回復速度、第１ピーク振幅による３軸の特徴量空間で表現されることとなる。図２Ｌ（２）に例示のように、検出された各特徴量（面積、第２ピークの回復速度、第１ピーク振幅）のサンプルの最大値、最小値から、候補者Ｃでは領域Ｚ７が形成され、候補者Ｄでは領域Ｚ８が形成される。
図２Ｌ（２）の候補者Ｃ，Ｄについて検出された特徴量に、数式（Ａ）、（Ｂ）による重複率（％）、判定不能率（％）を適用した場合、重複率：１０．０（％）、判定不能率：１１．８（％）となる。候補者毎に検出された４種１１個の特徴量について、各人に固有の特徴量範囲を特定するために使用する特徴量の数を“２”→“３”に増加した場合、重複率、判定不能率が改善（数値の低下）されることが判る。
このように、候補者毎に検出された、４種１１個の各特徴量の範囲領域をさらに複数に組合せることで（最大１１パラメータの組合せ）、候補者間で重複する領域をさらに減少させることが可能となり、重複率、判定不能率の改善が可能となる。つまり、複数の候補者の中から対象者として見做し得る候補者の抽出精度を向上させることが可能となる。
なお、絞り込みを行う際に使用する各パラメータの範囲領域は、例えば、目的に応じて照合範囲を設定することが可能である。例えば、図２Ｋに例示の説明図では、候補者Ａについての矩形領域Ｚ１では、候補者Ｃ，Ｄと重複しない領域が存在し、候補者Ｄについての矩形領域Ｚ４では、候補者Ｃと重複しない領域が存在する。例えば、図２Ｋに例示の、第２ピークの回復速度について照合する領域範囲を“−４”−“−７”の範囲、第１ピークの振幅を“８０”−“１００”の範囲に設定することにより、対象者の絞り込みに用いる照合データの切り分けを行うことが可能となる。
＜実施例２＞
図３に、本実施形態の情報処理システムの一例を例示する。図３に例示の情報処理シス
テム１は、例えば、複数の患者（候補者）から食事に伴う心拍の特徴を検出する。そして、情報処理システム１は、検出された心拍の特徴から、例えば、予め取得した患者毎の食事に伴う心拍の特徴を参照し、検出された心拍の特徴の対象者として見做し得る候補者の絞り込みを行う機能を有する。情報処理システム１では、検出された心拍の特徴から、候補者の絞り込みを行うことで、例えば、各患者の健康状態を継続的に把握するために患者毎に装着されたセンサ端末１１の真の装着者を確認することが可能となる。
図３に例示の情報処理システム１は、例えば、ネットワークＮに接続された情報処理装置１０、複数のセンサ端末１１を有する。ネットワークＮには、例えば、インターネット（Internet）等の公衆ネットワーク、携帯電話網等の無線ネットワーク、ＬＡＮ（Local Area Network）等のネットワークが含まれる。
図３の情報処理システム１において、情報処理装置１０は、例えば、サーバ、パーソナルコンピュータ（ＰＣ、Personal Computer）等のコンピュータである。情報処理装置１
０は、ネットワークＮを介して接続されたセンサ端末１１で検出した、食事に伴う心拍の特徴を受け付ける。情報処理装置１０は、例えば、図２Ｊ等に例示の、４種１１個の食事に伴う心拍の特徴量を受け付ける。情報処理装置１０は、例えば、予めデータベース等に格納された患者毎の食事に伴う特徴量を参照し、受け付けた心拍の特徴量との照合を行う。
情報処理装置１０は、例えば、センサ端末１１から受け付けた食事に伴う心拍の特徴量が、データベース等に格納された特徴量の最大値、最小値で特定される所定の領域に含まれることを判定し、センサ端末１１の装着者と見做し得る候補者の絞り込みを行う。情報処理装置１０は、例えば、センサ端末１１に付与された識別番号と心拍の特徴量から絞り込まれた候補者とが相違する場合には、アラーム等の警告を行うと共にセンサ端末１１の装着者と見做し得る候補者のリストを出力する。この結果、情報処理装置１０では、例えば、患者毎に装着されるセンサ端末１１の取り違え等による誤装着が生じても真の装着者を確認することが可能となる。
センサ端末１１は、例えば、装着者の食事に伴う心拍の特徴を検出するセンサを入力部に備える情報処理装置である。センサ端末１１には、予め装着者を一意に識別するための識別番号等が付与される。図３の例では、例えば、患者Ａに装着されるセンサ端末１１には識別番号“Ａ”が付与されている。患者Ｂ、Ｃ、Ｄについても同様に、識別番号“Ｂ”、“Ｃ”、“Ｄ”が付与されている。以下の説明では、患者Ａに装着されたセンサ端末１１を“センサ端末１１Ａ”とも称する。患者Ｂ−Ｄについても同様に、それぞれ“センサ端末１１Ｂ”、“センサ端末１１Ｃ”、“センサ端末１１Ｄ”とも称する。
なお、図３の例では、患者Ａに装着されるセンサ端末１１Ａが患者Ｂに装着され、患者Ｂに装着されるセンサ端末１１Ｂが患者Ａに装着されるといった取り違えが生じた状態を例示している。
センサ端末１１は、例えば、装着者の単位時間当たりの心拍数を検出する心拍センサ、食事行為に伴う装着者の上下左右前後の振動（加速度変化）を検出する加速度センサ等を備える。センサ端末１１は、例えば、心拍センサにより検出した単位時間当たりの心拍数の、時系列の変化を検出する。また、センサ端末１１では、例えば、加速センサにより検出した上下左右前後の振動等から、食事開始時間等を特定する。また、センサ端末１１では、加速度センサで検出した上下左右前後の振動等から、例えば、患者の歩行、階段の昇降等の運動活動を特定する。
センサ端末１１は、例えば、検出された心拍数、上下左右前後の加速度の変化等のセン
サ情報から、図２Ｊ等に例示の４種１１個の特徴量を検出する。センサ端末１１は、検出した４種１１個の特徴量を、例えば、センサ端末１１に付与された識別番号と対応付けてネットワークＮに出力する。ネットワークＮに出力された４種１１個の特徴量は、例えば、情報処理装置１０に受け付けられる。
なお、センサ端末１１が装着される装着者の心拍数の検出は、装着者に接触して心拍数を検出する接触型のセンサに限定されない。例えば、心拍数の検出は、１／２０秒といった時間間隔で取得されたセンサ端末１１の装着者の撮像画像の時系列の変化から特定するとしてもよい。また、心拍数の検出は、例えば、ＲＦ（Radio Frequency）等を使用した
拍動に伴うドップラー周波数の検出により特定するとしてもよい。対象者の食事開始後の心拍数の変化を特定できればよい。但し、センサ端末１１は、心拍数、加速度の変化等の検出値を情報処理装置１０に通知し、情報処理装置１０が、各検出値に基づく物理量を算出するようにしてもよい。
〔装置構成〕
図４に、情報処理装置９０のハードウェア構成を例示する。図４に例示する情報処理装置９０は、いわゆる一般的なコンピュータの構成を有している。図３に例示する、情報処理装置１０、センサ端末１１は、例えば、図４に例示する情報処理装置９０によって実現される。
図４に例示の、情報処理装置９０は、接続バスＢ１によって相互に接続されたＣＰＵ（Central Processing Unit）９１、主記憶部９２、補助記憶部９３、入力部９４、出力部
９５、通信部９６を有する。主記憶部９２及び補助記憶部９３は、情報処理装置９０が読み取り可能な記録媒体である。
情報処理装置９０は、ＣＰＵ９１が補助記憶部９３に記憶されたプログラムを主記憶部９２の作業領域に実行可能に展開し、プログラムの実行を通じて周辺機器の制御を行う。これにより、情報処理装置９０は、所定の目的に合致した機能を実現することができる。
図４に例示の情報処理装置９０では、ＣＰＵ９１は、情報処理装置９０全体の制御を行う中央処理演算装置である。ＣＰＵ９１は、補助記憶部９３に格納されたプログラムに従って処理を行う。主記憶部９２は、ＣＰＵ９１がプログラムやデータをキャッシュしたり、作業領域を展開したりする記憶媒体である。主記憶部９２は、例えば、ＲＡＭ（Random
Access Memory）やＲＯＭ（Read Only Memory）を含む。
補助記憶部９３は、各種のプログラム及び各種のデータを読み書き自在に記録媒体に格納する。補助記憶部９３は、外部記憶装置とも呼ばれる。補助記憶部９３には、オペレーティングシステム（Operating System :ＯＳ）、各種プログラム、各種テーブル等が格納される。ＯＳは、通信部９６を介して接続される外部装置等とのデータの受け渡しを行う通信インターフェースプログラムを含む。外部装置等には、例えば、接続されたネットワークＮ上の、他のサーバ等の情報処理装置、外部記憶装置、通信機能を有する装置等が含まれる。
補助記憶部９３は、例えば、ＥＰＲＯＭ（Erasable Programmable ROM）、ソリッドス
テートドライブ装置、ハードディスクドライブ（ＨＤＤ、Hard Disk Drive）装置等であ
る。また、補助記憶部９３としては、例えば、ＣＤドライブ装置、ＤＶＤドライブ装置、ＢＤ（Blu-ray（登録商標） Disc）ドライブ装置等が提示できる。記録媒体としては、例えば、不揮発性半導体メモリ（フラッシュメモリ）を含むシリコンディスク、ハードディスク、ＣＤ、ＤＶＤ、ＢＤ、ＵＳＢ（Universal Serial Bus）メモリ、メモリカード等がある。
入力部９４は、ユーザ等からの操作指示等を受け付ける。入力部９４は、入力ボタン、キーボード、ポインティングデバイス、ワイヤレスリモコン、マイクロフォン、カメラ等の入力デバイスである。また、入力部９４には、装着者の心拍数を検出する心拍センサ、上下左右前後方向の加速度を検出する加速度センサの各種センサが含まれる。入力部９４から入力された情報は、接続バスＢ１を介してＣＰＵ９１に通知される。
出力部９５は、ＣＰＵ９１で処理されるデータや主記憶部９２に記憶されるデータを出力する。出力部９５は、ＣＲＴ（Cathode Ray Tube）ディスプレイ、ＬＣＤ（Liquid Crystal Display）、ＰＤＰ（Plasma Display Panel）、ＥＬ（Electroluminescence）パネ
ル、有機ＥＬパネル、プリンタ、スピーカ等の出力デバイスである。通信部９６は、例えば、ネットワークＮ等とのインターフェースである。
情報処理装置１０は、例えば、ＣＰＵ９１が補助記憶部９３に記憶されているＯＳ、各種プログラムや各種データを主記憶部９２に読み出して実行することにより、対象プログラムの実行と共に、図５に例示の各処理手段を実現する。情報処理装置１０は、対象プログラムの実行と共に、図５に例示のデータ受信部１０１、ＤＢ情報取得部１０２、候補者固有範囲作成部１０３、対象者絞り込み部１０４、結果表示部１０５を実現する。但し、図５に例示の各処理手段のいずれか、あるいは、これらの一部がハードウェア回路によって動作するものであってもよい。
なお、各処理手段のうち、いずれかが、他の情報処理装置等に含まれてもよい。例えば、データ受信部１０１を含む情報処理装置と、ＤＢ情報取得部１０２を含む情報処理装置と、候補者固有範囲作成部１０３を含む情報処理装置と、結果表示部１０５を含む情報処理装置とがネットワークＮ等を介して接続する。そして、ネットワークＮに対象者絞り込み部１０４を含む情報処理装置と、外部記憶装置に格納された食事特徴量ＤＢ２０１とが接続し、情報処理装置１０として機能するとしてもよい。情報処理装置１０は、例えば、ネットワークＮ上のコンピュータ群であるクラウドとして実現できるため、各処理手段の処理負荷を軽減できる。
センサ端末１１は、例えば、ＣＰＵ９１が補助記憶部９３に記憶されているＯＳ、各種プログラムや各種データを主記憶部９２に読み出して実行することにより、対象プログラムの実行と共に、図５に例示の各処理手段を実現する。センサ端末１１は、対象プログラムの実行と共に、図５に例示のセンサ装着判定部１１１、心拍数データ取得部１１２、加速度データ取得部１１３、運動期間判定部１１４、食事期間判定部１１５、ノイズ心拍数除去部１１６を実現する。また、センサ端末１１は、対象プログラムの実行と共に、図５に例示の面積特徴量算出部１１７、振幅特徴量算出部１１８、速度特徴量算出部１１９、時間特徴量算出部１２０、データ送信部１２１を実現する。但し、センサ端末１１は、ＯＳを搭載しないで、制御シーケンスや処理演算を実行する制御プログラム、ファームウェア等で、図５の各処理手段を提供してもよい。
なお、センサ端末１１の各処理手段のうち、センサ装着判定部１１１、心拍数データ取得部１１２、加速度データ取得部１１３、データ送信部１２１以外の他の処理手段は、例えば、情報処理装置１０に含まれるとしてもよい。
また、情報処理装置１０のＤＢ情報取得部１０２、候補者固有範囲作成部１０３、対象者絞り込み部１０４、結果表示部１０５の各処理手段がセンサ端末手段に含まれるとしてもよい。そして、上述の情報処理装置１０の各処理手段を含むセンサ端末１１が、ネットワークＮ等に接続された食事特徴量ＤＢ２０１に接続し、センサ端末１１の装着者に誤装着による通報を行うとしてもよい。
〔処理ブロック構成〕
図５に、本実施形態の情報処理システム１における、処理ブロックの説明図を例示する。図５に例示の説明図において、情報処理装置１０は、データ受信部１０１、ＤＢ情報取得部１０２、候補者固有範囲作成部１０３、対象者絞り込み部１０４、結果表示部１０５の各処理手段を有する。また、情報処理装置１０は、以上の各処理手段が参照し、或いは、管理するデータの格納先として、例えば、食事特徴量ＤＢ２０１を補助記憶部１３に備える。食事特徴量ＤＢ２０１には、例えば、候補者毎の食事特徴量の履歴値が格納される。
図５に例示の説明図において、センサ端末１１は、センサ装着判定部１１１、心拍数データ取得部１１２、加速度データ取得部１１３、運動期間判定部１１４、食事期間判定部１１５、ノイズ心拍数除去部１１６の各処理手段を有する。また、センサ端末１１は、面積特徴量算出部１１７、振幅特徴量算出部１１８、速度特徴量算出部１１９、時間特徴量算出部１２０、データ送信部１２１の各処理手段を有する。センサ端末１１には、センサ端末１１の装着者を一意に識別する識別番号等が付与される。
［センサ端末］
図５に例示の、センサ装着判定部１１１は、例えば、単位時間（例えば、１０秒）で検出した心電波形のピーク間隔に基づいて、センサ端末１１の装着状態を判定する。例えば、センサ端末１１は、センサ端末１１の装着者に付与された識別番号等に該当する安静時の心拍数を予め取得し、補助記憶部１３に格納する。そして、センサ端末１１は、補助記憶部１３に格納された安静時の心拍数を参照し、単位時間で検出した心電波形のピーク間隔に基づいてセンサ端末１１の装着状態が正常であることを判定すればよい。
また、センサ装着判定部１１１は、加速度センサについても、例えば、１０秒間、１分間といった所定期間のセンサ出力が得られることでセンサ端末１１の装着状態を判定すればよい。センサ装着判定部１１１は、例えば、加速度センサの出力値として“０”近傍の値を出力する期間が所定期間にわたって継続しなければ、加速度センサの装着状態が正常であることを判定すればよい。センサ装着判定部１１１は、例えば、センサ端末１１の装着状態が正常でない場合には、例えば、出力部９５を介して、アラーム音の鳴動、ＬＥＤ等の明滅等により装着者に通報するとしてもよい。
心拍数データ取得部１１２は、例えば、単位時間で検出された心拍数を取得し、取得した心拍数に時刻情報を対応付けて主記憶部９２の所定の領域に一時的に記憶する。時刻情報には、例えば、年月日時分等の暦が含まれる。なお、単位時間で検出された心拍数は、例えば、ｂｐｍ（beats per minute）等で表すことができる。加速度データ取得部１１３は、例えば、単位時間で検出された上下左右前後方向の加速度を取得し、取得した加速度値に時刻情報を対応付けて主記憶部９２の所定の領域に一時的に記憶する。時刻情報には、例えば、年月日時分秒等の暦が含まれる。
運動期間判定部１１４は、例えば、加速度データ取得部１１３で取得した上下左右前後方向の加速度の時系列から、歩行、ランニング、階段昇降等の運動期間を特定する。運動期間判定部１１４は、例えば、特定した運動期間に係る開始時刻、終了時刻情報を主記憶部９２の所定の領域に一時的に記憶する。
図６Ａに、運動時に検出される上下方向（重力方向）の加速度の変化の説明図を例示する。図６Ａに例示の説明図は、縦軸を重力方向の加速度、横軸を運動時の経過時刻（時間）として、重力方向の加速度の変化をグラフ化したものである。なお、上下方向の加速度を検出するセンサを含む、センサ端末１１の装着位置は対象者の胸部である。
図６Ａの説明図において、破線で囲まれた矩形領域に示すように、歩行、ランニング、階段昇降等では、脚部の蹴り出し時、着地時に地面等から反力を受けるため、上下方向の加速度値に急速な上昇・下降変化が検出される。そして、図６Ａに例示のように、運動期間における、加速度値の急速な上昇・下降変化を伴う上下方向の加速度変化は、周期的に検出される。
運動期間判定部１１４は、例えば、検出した上下方向の加速度値について、加速度値の急速な上昇・下降変化のパターンを検出し、該パターンが加速度の時系列として所定期間の間隔で検出された場合に、装着者の運動活動を特定する。ここで、所定期間は、例えば、予めセンサ端末１１を装着した状態で装着者が運動活動を行い、運動活動に伴う加速度値の急速な上昇・下降変化を伴う上下方向の加速度変化の周期を実験的に取得するとすればよい。そして、実験的に取得した運動活動に伴う加速度値の急速な上昇・下降変化を伴う上下方向の加速度変化の周期から、所定期間を設定すればよい。設定された所定期間は、例えば、装着者の識別情報と対応付けて補助記憶部９３に格納するとすればよい。運動期間判定部１１４は、例えば、補助記憶部９３に格納された所定期間の設定値を参照し、装着者の運動活動を特定するとすればよい。
運動期間判定部１１４は、装着者の運動活動が特定された場合には、例えば、加速度値に対応付けられた時刻情報から、運動開始時刻、運動終了時刻を特定するとすればよい。運動期間判定部１１４は、運動開始時刻、運動終了時刻に基づいて運動期間を特定することができる。
図５に例示の説明図に戻り、食事期間判定部１１５は、例えば、加速度データ取得部１１３で取得した上下左右前後方向の加速度の時系列から、装着者の食事に伴う食事行為期間を特定する。食事時間判定部１１５は、例えば、特定した食事行為期間に、図２Ａで説明した蠕動活動に費やされる一定期間を追加し、食事期間を求める。食事期間判定部１１５は、例えば、求めた食事期間から食事期間に係る開始時刻、終了時刻情報を主記憶部９２の所定の領域に一時的に記憶する。
図６Ｂに、食事行為時に検出される前後方向の加速度の変化の説明図を例示する。図６Ｂに例示の説明図は、縦軸を前後方向の加速度、横軸を食事行為時の経過時刻（時間）として、前後方向の加速度の変化をグラフ化したものである。なお、前後方向の加速度を検出するセンサを含む、センサ端末１１の装着位置は対象者の胸部である。
図６Ｂの説明図において、破線で囲まれた矩形領域に示すように、食事行為では、取得物を口唇部に運ぶための動作を繰り返すため、前後方向の加速度値に下降後に上昇し、上昇後の加速度値を一定期間継続し、再び下降するといったパターンが繰り返し検出される。
食事期間判定部１１４は、例えば、検出した前後方向の加速度値について、加速度値の下降・上昇変化のパターンを検出し、該パターンが加速度の時系列として一定時間内に所定回数以上に検出された場合に、装着者の食事行為を特定する。ここで、一定時間とは食事に費やされる期間であり、例えば、１０−３０分といった期間が例示できる。また、所定回数とは、例えば、予めセンサ端末１１を装着した状態で装着者が食事行為を行い、食事行為に伴う下降・上昇変化のパターンが繰り返される検出回数を実験的に取得するとすればよい。そして、実験的に取得した検出回数から所定回数を設定すればよい。設定された所定回数は、例えば、装着者の識別情報と対応付けて補助記憶部９３に格納するとすればよい。食事期間判定部１１４は、例えば、補助記憶部９３に格納された所定回数の設定値を参照し、装着者の食事行為を特定するとすればよい。
食事期間判定部１１４は、装着者の食事行為が特定された場合には、例えば、加速度値に対応付けられた時刻情報から、食事行為開始時刻、食事行為終了時刻を特定するとすればよい。食事期間判定部１１４は、食事行為開始時刻、食事行為終了時刻、蠕動活動に費やされる一定期間に基づいて食事期間を特定することができる。
図５に例示の説明図に戻り、ノイズ心拍数除去部１１６は、例えば、検出された心拍数の時系列の変化に影響を与える、運動活動による心拍数の上昇変化、食事期間や食後期間中に不特定に発生する心拍数のノイズ変化等を特定する。ノイズ心拍数除去部１１６は、心拍数データ取得部１１２で取得した心拍数の時系列から、特定した運動活動による心拍数の上昇変化、食事期間や食後期間中に不特定に発生する心拍数のノイズ変化等で検出された心拍数データを取り除く。
図６Ｃ（１）−（３）に、運動による心拍数の上昇変化の説明図を例示する。図６Ｃ（１）−（３）に例示の説明図は、縦軸を単位時間当たりの心拍数、横軸を食事期間、食後期間を含む経過時刻（時間）として、心拍数の変化をグラフ化したものである。
図６Ｃ（１）の右上がり斜線の矩形領域に示すように、時系列に取得する心拍数の推移では、運動期間中は心拍数の上昇変化、及び、上昇した心拍数の時間経過による回復変化が検出される。このため、例えば、食後期間等の消化活動に伴う長期的な心拍数の推移に対しては、該心拍数の推移に重畳して運動による心拍数の上昇・回復変化が検出されることとなる。食事に伴う心拍の特徴量は、長期間にわたって取得された心拍数の推移変化を検出するため、例えば、運動に伴う心拍数変化が重畳された場合には、食事に伴う心拍数変化の特徴を捉えられないことが想定される。
図６Ｃ（２）に例示の説明図において、矢印付き破線で示す心拍数の推移変化は、運動による心拍数の上昇・回復変化を伴わない場合の推移を表す。例えば、運動による心拍数の上昇・回復変化を伴う場合では、矢印付き破線で示す心拍数の推移変化に対して運動による上昇・回復分の心拍数を重畳した心拍数が検出されることとなる。このため、例えば、第２ピークについての振幅、応答速度（上昇応答速度、回復応答速度）、応答時間（上昇応答時間、回復応答時間）といった特徴量が誤検出されてしまう虞が生ずる。
例えば、図６Ｃ（２）では、Ｐｘの心拍数値を第２ピークについての振幅（最大心拍数）として検出することが想定される。また、矢印付き実線で示されるように、運動による心拍数の上昇・回復変化を重畳させた心拍数の推移変化に基付き、第２ピークについての応答速度（上昇応答速度、回復応答速度）、応答時間（上昇応答時間、回復応答時間）が検出されることが想定される。
運動による心拍数の上昇・回復変化の重畳を防止するため、ノイズ心拍数除去部１１６は、例えば、運動期間を特定し、該運動期間の時刻情報に対応する心拍数データの除去を行う。ノイズ心拍数除去部１１６は、例えば、運動期間判定部１１４で特定された、運動開始時刻、運動終了時刻に基づいて運動期間を特定する。そして、ノイズ心拍数除去部１１６は、例えば、運動終了時刻から運動により上昇した心拍数が回復するまでの一定期間を運動終了時刻に加え、運動に伴う除去期間を算出する。ここで、運動終了時刻から運動により上昇した心拍数が回復するまでの一定期間は、例えば、実験的に取得した時間が例示できる。また、例えば、食事に伴う心拍数を取得する全ての対象者に共通の、５分、１０分といった分単位の時間を設定するとしてもよい。
ノイズ心拍数除去部１１６は、例えば、心拍数データ取得部１１２で取得された、食事に伴う心拍数のデータから、除去期間に該当する時刻情報に基づいて、心拍数データの除
去を行う。図６Ｃ（３）は、図６Ｃ（１）に例示の心拍数のデータから、除去期間に該当する心拍数を除去したグラフ例である。図６Ｃ（３）の破線で囲まれた矩形領域は、除去期間を表す。図６Ｃ（３）のグラフ例では、除去期間で取得された、食事に伴う心拍数の推移に重畳して検出される運動による心拍数の上昇・回復変化は含まれない。このため、例えば、運動による心拍数の上昇・回復変化の影響を受けずに食事に伴う心拍数変化の特徴量を検出することが可能となる。ノイズ心拍数除去部１１６は、例えば、除去期間に該当する心拍数データが除去された心拍数のデータを、主記憶部９２の所定の領域に一時的に記憶する。
なお、図６Ｃ（２）の、矢印付き破線で例示するように、食事に伴う心拍数の時系列上の変化は、検出された心拍数の相対的な下限に沿って推移する傾向にある。このため、例えば、時系列上に前後する心拍数値の比較を行い、前後間の心拍数値の差分値が所定の閾値以上、または、所定の閾値以下となる変化点を捉え、該変化点により特定される区間を除去期間とするとしてもよい。
図６Ｄ（１）−（２）に、変化点による除去期間の説明図を例示する。図６Ｄ（１）−（２）に例示の説明図は、縦軸を単位時間当たりの心拍数、横軸を心拍数の推移時間として、心拍数の変化をグラフ化したものである。図６Ｄ（１）の説明図において、実線で丸囲みされた領域内には、時系列上で推移する心拍数が急速に上昇・下降する変化点が例示されている。
ノイズ心拍数除去部１１６は、例えば、時系列上に前後する心拍数値の比較を行い、前後間の心拍数値の差分値が所定の閾値以上、または、所定の閾値以下となる変化点を特定する。ノイズ心拍数除去部１１６は、例えば、特定した変化点に対して、変化点を一意に識別する識別番号を付与する。ノイズ心拍数除去部１１６は、例えば、時系列上の前後間の心拍数値が所定値以上となる場合では、時系列上で先行する心拍数値と心拍数値を検出した時刻情報とを、変化点に付与された識別番号に対応付けて主記憶部９２の所定の領域に一時的に記憶する。また、ノイズ心拍数除去部１１６は、例えば、時系列上の前後間の心拍数値が所定値以下となる場合では、時系列上で後行する心拍数値と心拍数値を検出した時刻情報とを、変化点に付与された識別番号に対応付けて主記憶部９２の所定の領域に一時的に記憶する。
ノイズ心拍数除去部１１６は、例えば、前後間の心拍数値の差分値が所定の閾値以上となった変化点に対応付けられた時刻情報と、前後間の心拍数値の差分値が所定の閾値以化となった変化点に対応付けられた時刻情報から除去期間を特定する。なお、心拍数値の差分値が所定の閾値以上となる変化点が、時系列上に連続して検出されるケースが想定される。時系列上で、心拍数値の差分値が所定の閾値以上となる変化点が連続するケースでは、例えば、時系列上で先行する、或いは、変化点に対応付けた心拍数値が低い（小さい）変化点を除去期間の開始時刻とすればよい。同様にして、心拍数値の差分値が所定の閾値以下となる変化点が、時系列上に連続して検出されるケースでは、例えば、時系列上で後行する、或いは、変化点に対応付けた心拍数値が低い（小さい）変化点を除去期間の終了時刻とすればよい。
図６Ｄ（２）は、図６Ｄ（１）に例示の心拍数のデータから、除去期間に該当する心拍数を除去したグラフ例である。図６Ｄ（２）の破線で囲まれた矩形領域は、除去期間を表す。図６Ｄ（２）のグラフ例では、除去期間で取得された心拍数値は含まれない。このため、例えば、除去期間の心拍数の上昇・回復変化の影響を受けずに食事に伴う心拍数変化の特徴量を検出することが可能となる。例えば、食事期間や食後期間中に不特定に発生する心拍数の上昇・回復変化といったノイズのような心拍数データを取り除くことが可能となる。
図５に例示の説明図に戻り、面積特徴量算出部１１７は、例えば、食事に伴う心拍の特徴量（１）である、第１ピーク領域と第２ピーク領域との面積比を算出する。面積特徴量算出部１１７は、例えば、ノイズ心拍数除去部１１６により、心拍数データ取得部１１２で取得した心拍数データから、運動期間等に対する心拍数の変動分が除去された心拍数データを対象として特徴量（１）の算出を行う。なお、食事に伴う心拍の特徴量（１）である、第１ピーク領域と第２ピーク領域との面積比の算出については、図２Ａで説明した。
面積特徴量算出部１１７は、例えば、算出した第１ピーク領域と第２ピーク領域との面積比を、食事の時間帯に対応付けて、主記憶部９２の所定の領域に一時的に記憶する。食事の時間帯は、例えば、朝食（５：００−１１：００）、昼食（１１：００−１７：００）、夕食（１７：００−２４：００）、夜食（２４：００−５：００）の４種の各時間帯を例示できる。
振幅特徴量算出部１１８は、例えば、食事に伴う心拍の特徴量（２）である、第１ピーク振幅（最大心拍数Ｐ１）、第２ピーク振幅（最大心拍数Ｐ２）を算出する。振幅特徴量算出部１１８は、例えば、ノイズ心拍数除去部１１６により、心拍数データ取得部１１２で取得した心拍数データから、運動期間等に対する心拍数の変動分が除去された心拍数データを対象として特徴量（２）の算出を行う。なお、食事に伴う心拍の特徴量（２）である、第１ピーク振幅、第２ピーク振幅の算出については、図２Ｂで説明した。振幅特徴量算出部１１８は、例えば、算出した第１ピーク振幅、第２ピーク振幅を、食事の時間帯に対応付けて、主記憶部９２の所定の領域に一時的に記憶する。
速度特徴量算出部１１９は、例えば、食事に伴う心拍の特徴量（３）である、第１ピークの応答速度（上昇応答速度、回復応答速度）、第２ピークの応答速度（上昇応答速度、回復応答速度）を算出する。速度特徴量算出部１１９は、例えば、ノイズ心拍数除去部１１６により、心拍数データ取得部１１２で取得した心拍数データから、運動期間等に対する心拍数の変動分が除去された心拍数データを対象として特徴量（３）の算出を行う。なお、食事に伴う心拍の特徴量（３）である、第１ピークの応答速度、第２ピークの応答速度の算出については、図２Ｃ−２Ｆで説明した。速度特徴量算出部１１９は、例えば、算出した第１ピークの応答速度、第２ピークの応答速度を、食事の時間帯に対応付けて、主記憶部９２の所定の領域に一時的に記憶する。
時間特徴量算出部１２０は、例えば、食事に伴う心拍の特徴量（４）である、第１ピークの応答時間（上昇応答時間、回復応答時間）、第２ピークの応答時間（上昇応答時間、回復応答時間）を算出する。時間特徴量算出部１２０は、例えば、ノイズ心拍数除去部１１６により、心拍数データ取得部１１２で取得した心拍数データから、運動期間等に対する心拍数の変動分が除去された心拍数データを対象として特徴量（４）の算出を行う。なお、食事に伴う心拍の特徴量（４）である、第１ピークの応答時間、第２ピークの応答時間の算出については、図２Ｇ−２Ｈで説明した。時間特徴量算出部１２０は、例えば、算出した第１ピークの応答時間、第２ピークの応答時間を、食事の時間帯に対応付けて、主記憶部９２の所定の領域に一時的に記憶する。
データ送信部１２１は、例えば、面積特徴量算出部１１７、振幅特徴量算出部１１８、速度特徴量算出部１１９、時間特徴量算出部１２０で算出された各特徴量（１）−（４）を、ネットワークＮに出力する。算出された各特徴量（１）−（４）は、例えば、センサ端末１１の装着者に付与された識別番号、食事の時間帯に対応付けて、ネットワークＮに出力される。
なお、データ送信部１２１は、算出された各特徴量（１）−（４）である４種１１個の
特徴量を、例えば、図２Ｊに例示のテーブルの各特徴量に対応するレコードに格納し、ネットワークＮに出力するとしてもよい。
図６Ｅに、食事に伴う４種１１個の特徴量が格納された食事特徴量テーブル例を例示する。データ送信部１２１は、例えば、算出された４種１１個の特徴量を、それぞれの特徴量に対応するレコードの「算出結果」カラムに格納し、食事特徴量テーブルを生成する。なお、図６Ｅに例示の食事特徴量テーブルは、予めセンサ端末１１の装着者と対応付けられた識別番号を含むとしてもよい。また、図６Ｅに例示の食事特徴量テーブルは、食事の時間帯に応じたカラムを有するとしてもよい。データ送信部１２１は、例えば、生成した食事特徴量テーブルにセンサ端末１１の識別番号、食事の時間帯を格納しネットワークに出力する。
［情報処理装置］
図５に例示の、データ受信部１０１は、例えば、センサ端末１１からネットワークＮに出力された、図６Ｅに例示の食事特徴量テーブルを受け付ける。受け付けた食事特徴量テーブルには、例えば、センサ端末１１の装着者に対応付けられた識別番号、各特徴量を取得した食事の時間帯等が含まれる。データ受信部１０１は、受け付けた食事特徴量テーブルを、例えば、主記憶部９２の所定の領域に一時的に記憶する。
ＤＢ情報取得部１０２は、例えば、食事特徴量ＤＢ２０１を参照し、予め登録された候補者毎の食事に伴う特徴量の取得を行う。食事特徴量ＤＢ２０１には、例えば、候補者毎に取得された、実績としての食事の時間帯毎の特徴量テーブル（図２Ｊ等）が格納されている。ＤＢ情報取得部１０２は、例えば、データ受信部１０１で受け付けた食事特徴量テーブルに対応付けられた食事の時間帯に基づいて、食事特徴量ＤＢ２０１を検索し、該食事の時間帯に合致する候補者毎の特徴量を取得する。ＤＢ情報取得部１０２は、例えば、食事特徴量ＤＢ２０１から取得した食事の時間帯に合致する候補者毎の特徴量を主記憶部９２の所定の領域に一時的に記憶する。
また、ＤＢ情報取得部１０２は、例えば、データ受信部１０１で受け付けた食事特徴量テーブルが、センサ端末１１の真の装着者である場合には、該食事特徴量テーブルを真の装着者に対応付けて食事特徴量ＤＢ２０１に格納する。ＤＢ情報取得部１０２は、例えば、センサ端末の識別番号、食事の時間帯に基づいて、食事特徴量ＤＢ２０１を更新する。
候補者固有範囲作成部１０３は、例えば、食事特徴量ＤＢ２０１から取得した、候補者毎の食事に伴う各特徴量のデータに基づいて、それぞれの候補者についての各特徴量の固有範囲を生成する。特徴量の固有範囲は、例えば、特徴量の最大値、及び、最小値を求めることにより生成される。但し、最大値、最小値に代えて、分布確率が標準偏差の期間、例えば、標準偏差（σ）に対して３σの範囲等を用いてもよい。候補者毎に検出された各特徴量の固有範囲の算出の際に、例えば、不規則な異常値（例えば、センサ端末１１の装着ずれ等に起因する検出値）を除くことができる。
候補者固有範囲作成部１０３は、例えば、候補者毎の４種１１個の各特徴量について、特徴量毎に、取得されたデータの大小比較を行い、対象となる特徴量の最大値、及び、最小値を特定する。候補者固有範囲作成部１０３は、特定した特徴量毎の最大値、及び、最小値を、データを取得した候補者に対応付けて、例えば、主記憶部９３の所定の領域に一時的に記憶する。
対象者絞り込み部１０４は、例えば、候補者固有範囲作成部１０３で生成された候補者毎の、４種１１個の各特徴量の固有範囲に基づいて、センサ端末１１の装着者の絞り込みを行う。対象者絞り込み部１０４は、例えば、センサ端末から受け付けた４種１１個の各
特徴量について、特徴量毎に、各候補者の固有範囲に含まれるか否かを判断する。センサ端末１１から受け付けた特徴量の、各候補者の固有範囲に含まれるか否かの判断は、候補者毎に行われる。また、候補者の固有範囲に含まれるか否かの判断は、例えば、固有範囲の最大値、及び、最小値と、センサ端末１１から受け付けた特徴量データの大小関係により判断される。
対象者絞り込み部１０４は、例えば、各候補者についての特徴量の固有範囲内に、センサ端末１１から受け付けた特徴量が含まれる場合には、該当する候補者をセンサ端末１１の装着者（対象者）と見做し得る候補者として全て抽出する。対象者絞り込み部１０４は、抽出した全ての候補者を、例えば、センサ端末１１の識別番号に対応付けて主記憶部９２の所定の領域に一時的に格納する。
結果表示部１０５は、例えば、対象者絞り込み部１０４で抽出された候補者をセンサ端末１１の識別番号等に対応付けて、情報処理装置１０の出力部９５に出力する。例えば、結果表示部１０５は、ＣＲＴ等の表示画面に、対象者絞り込み部１０４で抽出された候補者をセンサ端末１１の識別番号等に対応付けて表示する。
なお、抽出された候補者の表示形態は任意である。例えば、処理対象の候補者の候補者名とセンサ端末１１の識別番号を対応付けたテーブル形式による表示形態が例示できる。また、予めテンプレートとして用意されたメッセージに、抽出された候補者名とセンサ端末１１の識別番号を格納し、該メッセージをＣＲＴ等の表示画面に表示させ、センサ端末１１の誤装着を通報するとしてもよい。
例えば、情報処理システム１の管理者等は、情報処理装置１０のＣＲＴ等の表示画面に表示された情報に基づいて、取り違えが生じた患者間のセンサ端末１１の装着状態の確認を行うことができる。また、例えば、管理者等は、情報処理装置１０のＣＲＴ等の表示画面に表示された情報に基づいて、センサ端末１１が装着された対象者が真の装着者であったと判断した場合には、取得した特徴量テーブルを更新情報として蓄積することができる。例えば、情報処理装置１０は、キーボード等の入力部９４を介して受け付けた操作入力に沿って、取得した特徴量テーブルを真の装着者の更新情報として、食事特徴量ＤＢ２０１に格納することができる。特徴量テーブルの食事特徴量ＤＢ２０１への格納は、例えば、ＤＢ情報取得部１０２を介して行われる。
〔処理フロー〕
（全体処理）
以下、図７Ａ−７Ｈ、８Ａ−８Ｈ、８Ｊ、８Ｋ、９Ａ、９Ｂに例示の図面を参照し、本実施形態における情報処理システム１の対象者特定処理を説明する。図７Ａは、対象者特定処理の処理全体に係るフローチャートの例示である。図７Ａに例示のフローチャートにおいて、例えば、Ｓ１−Ｓ７の処理は、図３に例示のセンサ端末１１で実行され、Ｓ８−Ｓ１０の処理は、情報処理装置１０で実行される。
なお、図７Ａに例示の対象者特定処理は、実施の形態に限定されない。例えば、各センサ端末１１と食事特徴量ＤＢ２０１とがネットワークＮを介して接続し、それぞれのセンサ端末１１で、Ｓ１−Ｓ１０の対象者特定処理を実行するとしてもよい。センサ端末１１と食事特徴量ＤＢ２０１とがネットワークＮを介して接続し、対象者特定処理を実行する場合には、例えば、図７Ａに例示のＳ７の処理がスキップできる。また、センサ端末１１が食事特徴量ＤＢ２０１を含むよう一体的に構成されるとしてもよい。センサ端末１１が食事特徴量ＤＢ２０１を含む場合には、例えば、Ｓ７の処理をスキップすることに加え、接続された食事特徴量ＤＢ２０１の状態によらず、センサ端末１１内で対象者特定処理の開始・終了を行うことができる。
図７Ａに例示のフローチャートにおいて、対象者特定処理の開始は、例えば、センサ端末１１の装着後の食事の時間帯に応じた心拍数の検出のときが例示できる。センサ端末１１は、例えば、装着者の単位時間（例えば、１０秒）で検出した心電波形のピーク間隔に基づいて、センサ端末１１の装着状態を判定する。また、センサ端末１１は、例えば、１０秒間、１分間といった所定期間内での加速度値が、“０”近傍の値を継続しないことでセンサ端末１１の装着状態を判定する（Ｓ１）。なお、センサ装着の判定については、図５で説明した。
センサ端末１１は、例えば、単位時間で検出された心拍数、及び、単位時間で検出された上下左右前後方向の加速度を取得する（Ｓ２）。そして、センサ端末１１は、取得した心拍数、上下左右前後方向の加速度を、例えば、時刻情報に対応付けて主記憶部９２の所定の領域に一時的に記憶する。時刻情報には、例えば、年月日時分秒等の暦が含まれる。主記憶部９２には、取得した心拍数、上下左右前後方向の加速度が時系列に蓄積される。なお、心拍数の取得、上下左右前後方向の加速度の取得については、図５で説明した。
センサ端末１１は、例えば、Ｓ２の処理で取得した前後方向の加速度、上下方向の加速度等から装着者の食事期間、運動期間を特定する（Ｓ３）。そして、センサ端末１１は、例えば、特定した食事期間に係る開始時刻、終了時刻情報を主記憶部９２の所定の領域に一時的に記憶する。また、同様に、センサ端末１１は、特定した運動期間に係る開始時刻、終了時刻情報を主記憶部９２の所定の領域に一時的に記憶する。なお、食事期間、運動期間の特定については、図６Ａ、６Ｂで説明した。
Ｓ４の処理では、センサ端末１１は、例えば、Ｓ２の処理で取得した心拍数データの時系列に、Ｓ３の処理で特定した食事期間が含まれるか否かを判定する。例えば、朝食を取得する時間帯（５：００−１１：００）であっても、装着者の習慣、或いは、食欲が無い等の理由により、食事を取得しないケースが想定される。食事を取得しない場合では、蠕動運動、消化活動に起因する心拍数のピークが出現しないため、食事に伴う４種１１個の心拍数の特徴量の検出が困難となるためである。
センサ端末１１は、例えば、Ｓ２の処理で取得した心拍数データの時系列に、Ｓ３の処理で特定した食事期間が含まれない場合には（Ｓ４，ｎｏ）、処理中の対象者特定処理を終了する。一方、センサ端末１１は、例えば、Ｓ２の処理で取得した心拍数データの時系列に、Ｓ３の処理で特定した食事期間が含まれる場合には（Ｓ４，ｙｅｓ）、Ｓ５に移行し、処理中の対象者特定処理を継続する。
Ｓ５の処理では、センサ端末１１は、例えば、Ｓ２の処理で取得した心拍数データの時系列から、食事に伴う心拍数の推移に重畳する、急速な心拍数の上昇・回復変化の除去を行う。センサ端末１１は、例えば、Ｓ２の処理で取得した心拍数データの時系列から、食事に伴う心拍数の推移に重畳する、急速な心拍数の上昇・回復変化を除去した心拍数データを、主記憶部９２の所定の領域に一時的に記憶する。なお、ノイズ心拍数の除去については、図６Ｃ（１）−（３）、６Ｄ（１）−（２）で説明した。
Ｓ６の処理では、センサ端末１１は、例えば、食事に伴う心拍数についての４種１１個の特徴量（食事特徴量）の算出を行う。センサ端末１１は、例えば、Ｓ５の処理により、食事に伴う心拍数の推移に重畳する、急速な心拍数の上昇・回復変化が除去された心拍数データに基づき、４種１１個の食事特徴量を算出する。センサ端末１１は、例えば、算出された４種１１個の食事特徴量を、食事の時間帯、センサ端末１１の識別情報と対応付けて、主記憶部９２の所定の領域に一時的に記憶する。なお、Ｓ６の食事特徴量の算出処理は、図７Ｂ−７Ｆで説明する。
センサ端末１１は、例えば、Ｓ６の処理で算出された、食事に伴う心拍数についての４種１１個の食事特徴量をネットワークＮに出力する（Ｓ７）。ネットワークＮに出力された４種１１個の食事特徴量は、情報処理装置１０により受け付けられる。なお、Ｓ７の処理は、図６Ｅで説明した。
Ｓ８の処理では、例えば、情報処理装置１０は、ネットワークＮに出力されたセンサ端末１１からの、装着者の食事に伴う４種１１個の食事特徴量を受け付ける。食事特徴量には、例えば、食事の時間帯、センサ端末１１の識別情報が含まれる。情報処理装置１０は、受け付けた装着者の食事に伴う４種１１個の食事特徴量を、例えば、食事の時間帯、センサ端末１１の識別情報と対応付けて、主記憶部９２の所定の領域に一時的に記憶する。
また、情報処理装置１０は、例えば、センサ端末１１から出力された４種１１個の食事特徴量の受け付けを契機として、食事特徴量ＤＢ２０１を参照し、予め登録された候補者毎の食事に伴う食事特徴量を取得する。情報処理装置１０は、例えば、受け付けた食事特徴量の、食事の時間帯に基づいて食事特徴量ＤＢ２０１を検索し、該食事の時間帯に合致する候補者毎の食事特徴量を取得する。情報処理装置１０は、例えば、食事特徴量ＤＢ２０１から取得した、食事の時間帯に合致する候補者毎の特徴量を主記憶部９２の所定の領域に一時的に記憶する。
Ｓ９の処理では、例えば、情報処理装置１０は、Ｓ８の処理で取得した候補者毎の４種１１個の各特徴量について、特徴量毎に、取得したデータの大小比較を行い対象となる特徴量の最大値、及び、最小値を固有範囲として特定する。情報処理装置１０は、特定した特徴量毎の固有範囲（最大値、及び、最小値）を、例えば、食事特徴量を取得した候補者に対応付けて、例えば、主記憶部９３の所定の領域に一時的に記憶する。
Ｓ１０の処理では、例えば、情報処理装置１０は、Ｓ９の処理で特定した候補者毎の食事特徴量の固有範囲に基づいて、Ｓ８の処理で受け付けたセンサ端末１１の装着者（対象者）の絞り込みを行う。なお、Ｓ１０対象者絞り込み処理は、図７Ｇで説明する。
情報処理装置１０は、例えば、各候補者についての食事特徴量の固有範囲内に、センサ端末１１から受け付けた食事特徴量が含まれる場合には、該当する候補者をセンサ端末１１の装着者（対象者）と見做し得る候補者として全て抽出する。情報処理装置１０は、抽出した全ての候補者を、例えば、センサ端末１１の識別番号に対応付けて主記憶部９２の所定の領域に一時的に格納する。
情報処理装置１０は、例えば、Ｓ１０の処理で抽出された全ての候補者をセンサ端末１１の識別番号等に対応付けて、情報処理装置１０の出力部９５のＣＲＴ等の表示画面等に表示する。
ここで、情報処理装置１０、或いは、センサ端末１１で実行されるＳ１−Ｓ６の処理は、個人を特定する処理の対象である対象者の心拍数データから、対象者の食事に伴う心拍数変化の特徴量を取得するステップの一例である。また、情報処理装置１０、或いは、センサ端末１１のＣＰＵ１１等は、個人を特定する処理の対象である対象者の心拍数データから、対象者の食事に伴う心拍数変化の特徴量を取得する手段の一例としてＳ１−Ｓ６の処理を実行する。
情報処理装置１０、或いは、センサ端末１１で実行されるＳ８−Ｓ９の処理は、複数の候補者のそれぞれに対応付けられた特徴量の履歴値の分布範囲を算出するステップの一例である。また、情報処理装置１０、或いは、センサ端末１１のＣＰＵ１１等は、複数の候
補者のそれぞれに対応付けられた特徴量の履歴値の分布範囲を算出する手段の一例としてＳ８−Ｓ９の処理を実行する。
情報処理装置１０、或いは、センサ端末１１で実行されるＳ１０の処理は、対象者から取得した特徴量と、特徴量の履歴値の分布範囲との関係に基づいて複数の候補者の中から対象者に該当する候補者を抽出するステップの一例である。また、情報処理装置１０、或いは、センサ端末１１のＣＰＵ１１等は、対象者から取得した特徴量と、特徴量の履歴値の分布範囲との関係に基づいて複数の候補者の中から対象者に該当する候補者を抽出する手段の一例としてＳ１０の処理を実行する。
（食事特徴量の算出処理）
図７Ｂ−７Ｆに例示のフローチャートを参照し、図７Ａに例示のＳ３の食事特徴量の算出処理を説明する。図７Ｂ−７Ｆに例示の食事特徴量の算出処理では、センサ端末１１の装着者の食事に伴う心拍数についての４種１１個の食事特徴量が算出される。
図７Ｂに例示のフローチャートにおいて、Ｓ１１の処理では、センサ端末１１は、例えば、４種１１個の食事特徴量の内、処理される食事特徴量の種別を決定する。例えば、センサ端末１１は、補助記憶部９３等に予め設定された食事特徴量の種別に従って、処理対象の食事特徴量を決定する。予め設定される食事特徴量は、例えば、４種１１個の食事特徴量の中の何れか一つの食事特徴量を設定するとしてもよく、４種１１個の食事特徴量の中の複数の食事特徴量（最大１１個）を組合せて設定するとしてもよい。
センサ端末１１は、例えば、Ｓ１１の処理で決定された食事特徴量の種別に従って、Ｓ１２−Ｓ１４の処理を選択し実行する。なお、Ｓ１２の処理では、例えば、食事に伴う心拍の特徴量（１）である、第１ピーク領域と第２ピーク領域との面積比が算出される。Ｓ１３の処理では、例えば、食事に伴う心拍の特徴量（２）である、第１ピーク振幅（最大心拍数Ｐ１）、第２ピーク振幅（最大心拍数Ｐ２）が算出される。Ｓ１４の処理では、例えば、食事に伴う心拍の特徴量（３）である、第１ピークの応答速度（上昇応答速度、回復応答速度）、第２ピークの応答速度（上昇応答速度、回復応答速度）が算出される。Ｓ１５の処理では、例えば、食事に伴う心拍の特徴量（４）である、第１ピークの応答時間（上昇応答時間、回復応答時間）、第２ピークの応答時間（上昇応答時間、回復応答時間）が算出される。
例えば、処理される食事特徴量の種別として、第１ピーク領域と第２ピーク領域との面積比、及び、第２ピークの回復応答速度、第２ピークの回復応答時間が設定されている場合では、Ｓ１２、Ｓ１４、Ｓ１５の処理が選択される。例えば、センサ端末１１は、設定された食事特徴量の種別に従って、Ｓ１２、Ｓ１４、Ｓ１５の各処理を実行し、３個の食事特徴量を算出すればよい。なお、Ｓ１２の処理は図７Ｃ、Ｓ１３の処理は図７Ｄ、Ｓ１４の処理は図７Ｅ、Ｓ１５の処理は図７Ｆに例示の各フローチャートを参照し、説明する。
（面積特徴量の算出）
図７Ｃに例示のフローチャートにおいて、Ｓ２１の処理では、センサ端末１１は、例えば、図７ＡのＳ２処理で特定された食事期間を取得する。センサ端末１１は、例えば、Ｓ２の処理で取得した食事期間に基づいて、ベースライン心拍数を算出する（Ｓ２２）。センサ端末１１は、Ｓ２２の処理で算出されたベースライン心拍数を、例えば、食事の時間帯、センサ端末の識別番号に対応付けて、主記憶部９２に所定の領域に一時的に記憶する。
図８Ａ（１）−（３）に、ベースライン心拍数の説明図を例示する。図８Ａ（１）に例
示の説明図は、図７ＡのＳ５の処理により、食事に伴う心拍数の推移に重畳する、急速な心拍数の上昇・回復変化が除去された心拍数データ例を表す。図８Ａ（１）の心拍数データ例では、検出された単位時間当たりの心拍数が該心拍数を検出した時刻情報に対応付けられて格納されている。なお、図８Ａ（１）の時刻情報は、“月歴−日歴 時暦：分歴：秒歴”との形式で表されている。また、単位時間当たりの心拍数は、それぞれに“０”、“１”の２値の状態で表される食事期間に対応付けられている。図８Ａ（１）では、“１”は食事期間を表し、“０”は食事期間以外の期間を表す。
センサ端末１１は、例えば、食事期間の食事開始時刻前の所定期間（例えば、０−３０分）を食事前期間と特定する。センサ端末１１は、心拍数データから、例えば、図８Ａ（１）の太線で囲まれた矩形領域に例示のように食事前期間の心拍数データを抽出する。そして、センサ端末１１は、例えば、抽出された心拍数データの相互比較を行い、最低心拍数をベースライン心拍数に設定する。図８Ａ（１）の太線で囲まれた矩形領域における最低心拍数をベースライン心拍数に設定した場合の例を、図８Ａ（２）に例示する。図８Ａ（２）に例示のように、図８Ａ（１）の太線で囲まれた矩形領域の最低心拍数は“５９．０”となり、該最低心拍数がベースライン心拍数として設定されている。
図８Ａ（３）に、食事前期間、食事期間、ベースライン心拍数の相対関係を例示する。図８Ａ（３）は、縦軸を単位時間当たりの心拍数、横軸を経過時刻（時間）として、心拍数の推移をグラフ化したものである。図８Ａ（３）の太線で囲まれた矩形領域は食事前期間を表し、太破線で囲まれた矩形領域は食事期間を表し、横軸に平行な長破線はベースライン心拍数を表す。なお、細線で囲まれた矩形領域は、Ｓ５のノイズ除去処理の対象となった除去期間である。
図８Ａ（１）−（３）では、ベースライン心拍数を食事前期間における最低心拍数に設定した例である。ベースライン心拍数は、例えば、図１Ｂで説明したように、食事開始時刻の心拍数でもよく、食事前期間で取得された心拍数の平均値としてもよい。ベースライン心拍数の設定については、複数の対象者について共通する設定方法であればよい。
図７Ｃのフローチャートに戻り、センサ端末１１は、例えば、Ｓ２２の処理で算出されたベースライン心拍数に基づいて、第１ピーク領域の面積を算出する（Ｓ２３）。第１ピーク領域の面積は、例えば、食事期間における心拍数の、ベースライン心拍数からの上昇幅の合計値として表すことができる。センサ端末１１は、例えば、図７ＡのＳ２の処理で取得した食事期間における心拍数を、心拍数データから抽出する。そして、例えば、センサ端末１１は、抽出した食事期間における心拍数とベースライン心拍数との差分を求め、該心拍数の差分を食事期間で合計する。センサ端末１１は、例えば、食事期間における心拍数と心拍数とベースライン心拍数との差分の合計を、第１ピーク領域の面積として主記憶部９２の所定の領域に一時的に記憶する。
なお、食事に伴う心拍数の特徴量（１）は、第１ピーク領域の面積と第２ピーク領域の面積との面積比である。ここで、第１ピーク領域の面積、第２ピーク領域の面積は、それぞれに、ベースライン心拍数からの上昇幅の期間合計として求めることができる。このため、それぞれの面積に代えて、例えば、ベースライン心拍数からの上昇幅の期間合計を各期間で平均した期間平均を求めるとしてもよい。
例えば、センサ端末１１は、食事期間における心拍数と心拍数とベースライン心拍数との差分の合計を該食事期間で除算し、上昇幅の期間平均を算出する。センサ端末１１は、算出された上昇幅の期間平均を、食事に伴う心拍数の特徴量（１）を検出するための、第１ピーク領域の面積に代えることができる。
センサ端末１１は、例えば、第２ピーク領域についても、Ｓ２１の処理と同様にして、Ｓ２２の処理で算出されたベースライン心拍数に基づいて面積を算出する（Ｓ２４）。第２ピーク領域の面積は、例えば、食後期間における心拍数の、ベースライン心拍数からの上昇幅の合計値として表すことができる。食後期間は、例えば、食事期間の終了時刻から一定期間（例えば、４時間前後）として説明する。なお、食後期間については、図２Ａで説明した。
センサ端末１１は、例えば、図７ＡのＳ２の処理で取得した食後期間における心拍数を、心拍数データから抽出する。そして、例えば、センサ端末１１は、抽出した食後期間における心拍数とベースライン心拍数との差分を求め、該心拍数の差分を食後期間で合計する。センサ端末１１は、例えば、食後期間における心拍数と心拍数とベースライン心拍数との差分の合計を、第２ピーク領域の面積として主記憶部９２の所定の領域に一時的に記憶する。
なお、第２ピーク領域の面積についても第１ピーク領域の面積と同様に、食後期間における心拍数のベースライン心拍数からの上昇幅の期間平均とすることができる。センサ端末１１は、例えば、予め設定された条件に従って、第１ピーク領域の面積、第２ピーク領域の面積について、上昇幅の期間合計、上昇幅の期間平均を算出すればよい。
センサ端末１１は、例えば、Ｓ２２−Ｓ２３の処理で算出された、第１ピーク領域の面積、及び、第２ピーク領域の面積から、第１ピーク領域と第２ピーク領域との面積比を算出する（Ｓ２５）。センサ端末１１は、Ｓ２５の処理で算出された面積比を、例えば、例えば、食事の時間帯、センサ端末の識別番号に対応付けて、主記憶部９２に所定の領域に一時的に記憶する。
図８Ｂ（１）、（２）に、第１ピーク領域と第２ピーク領域との面積比についての説明図を例示する。図８Ｂ（１）は、図７ＡのＳ５の処理により、食事に伴う心拍数の推移に重畳する、急速な心拍数の上昇・回復変化が除去された心拍数データ例を表す。図８Ｂ（１）の心拍数データ例では、検出された単位時間当たりの心拍数が該心拍数を検出した時刻情報に対応付けられて格納されている。また、単位時間当たりの心拍数は、それぞれに食時期間に対応付けられている。
図８Ｂ（１）の例では、取得された心拍数について、ベースライン心拍数からの差分が、“上昇幅”として各心拍数に対応付けられている。また、細破線で囲まれた矩形領域は食事期間を表し、太破線で囲まれた矩形領域は食後期間を表す。第１ピーク領域の面積は、例えば、細破線で囲まれた矩形領域の上昇幅の合計として算出される。また、第２ピーク領域の面積は、例えば、太破線で囲まれた矩形領域の上昇幅の合計として算出される。
図８Ｂ（１）の例では、第１ピーク領域の面積を“Ｓ１”、第２ピーク領域の面積を“Ｓ２”とすると、食事に伴う心拍数の特徴量（１）である、第１ピーク領域の面積と第２ピーク領域の面積との面積比“Ｓ１／Ｓ２＝０．８２”と算出される。
図８Ｂ（２）に、食事期間、食後期間、ベースライン心拍数の相対関係を例示する。図８Ｂ（２）は、縦軸を単位時間当たりの心拍数、横軸を経過時刻（時間）として、心拍数の推移をグラフ化したものである。図８Ｂ（２）の細破線で囲まれた矩形領域は食事期間を表し、太破線で囲まれた矩形領域は食後期間を表し、横軸に平行な長破線はベースライン心拍数を表す。なお、細線で囲まれた矩形領域は、Ｓ５のノイズ除去処理の対象となった除去期間である。
図８Ｂ（２）の食後期間に例示のように、第２ピーク領域の面積の算出にあたり、心拍
数データに運動期間等を起因とする除去期間が含まれるケースが想定される。第２ピーク領域の面積の算出において、食後期間に除去期間が含まれる場合には、心拍数の上昇幅は、除去期間の開始時刻の心拍数から終了時刻の心拍数まで、一定の傾斜で回復すると近似できる。
センサ端末１１は、例えば、除去期間の開始時刻の心拍数データ、終了時刻の心拍数データを抽出し、両心拍数データの差分を算出する。そして、センサ端末１１は、例えば、算出した差分を除去期間で除算し、近似する回復傾斜を算出する。そして、センサ端末１１は、例えば、近似した回復傾斜を用いて除去期間の心拍数データの上昇幅を求めればよい。例えば、図８Ｂ（２）の例では、（（（（（除去期間の開始時刻時の上昇幅）−（除去期間の終了時刻時の上昇幅））×（除去期間））／２）＋（（除去期間の終了時刻時の上昇幅）×（除去期間）））で算出される値が、除去期間の心拍数の上昇幅の合計値となる。
（振幅特徴量の算出）
以下、図７Ｄに例示のフローチャート、図８Ｃ、８Ｄの図面を参照し、振幅特徴量の算出を説明する。図８Ｃ（１）、図８Ｄ（１）は、図７ＡのＳ５の処理により、食事に伴う心拍数の推移に重畳する、急速な心拍数の上昇・回復変化が除去された心拍数データ例を表す。図８Ｃ（１）、図８Ｄ（１）の心拍数データ例では、検出された単位時間当たりの心拍数が該心拍数を検出した時刻情報に対応付けられて格納されている。また、単位時間当たりの心拍数は、それぞれに食時期間に対応付けられている。
図８Ｃ（１）の太破線で囲まれた矩形領域は食事期間を表し、太線で囲まれた領域の心拍数は食事期間における最大心拍数（Ｐ１）を表す。同様に、図８Ｄ（１）の太破線で囲まれた矩形領域は食後期間を表し、太線で囲まれた領域の心拍数は食後期間における最大心拍数（Ｐ２）を表す。また、図８Ｃ（２）、図８Ｄ（２）は、縦軸を単位時間当たりの心拍数、横軸を経過時刻（時間）として、心拍数の推移をグラフ化したものである。
図７Ｄに例示のフローチャートにおいて、Ｓ３１の処理では、センサ端末１１は、例えば、図７ＡのＳ２処理で特定された食事期間を取得する。センサ端末１１は、例えば、Ｓ３１の処理で取得した食事期間の時刻情報に基づいて、該時刻情報に対応する心拍数データを抽出する。そして、例えば、センサ端末１１は、抽出した心拍数データ間の大小比較を行うことで食事期間における最大心拍数（Ｐ１）を算出し、算出された最大心拍数（Ｐ１）を第１ピークの振幅として特定する（Ｓ３２）。
センサ端末１１は、例えば、Ｓ３２の処理で特定された第１ピークの振幅を、食事の時間帯、センサ端末１１の識別情報に対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図８Ｃ（１）の例では、食事期間における最大心拍数（Ｐ１）は、“８５．２”として算出される。図８Ｃ（２）に、食事期間、第１ピークの最大心拍数（Ｐ１）の相対関係を例示する。図８Ｃ（２）の太破線で囲まれた矩形領域は食事期間を表し、太線で丸囲みされた領域には最大心拍数（Ｐ１）の心拍数データが存在する。なお、細線で囲まれた矩形領域は、Ｓ５のノイズ除去処理の対象となった除去期間である。
図７Ｄに例示のフローチャートに戻り、Ｓ３３の処理では、センサ端末１１は、例えば、Ｓ３１の処理と同様にして、食後期間における第２ピークの振幅を特定する。例えば、センサ端末１１は、Ｓ３１の処理で取得した食事期間の時刻情報に基づいて、食後期間を特定し、該食後期間に対応する心拍数データを抽出する。そして、例えば、センサ端末１１は、抽出した心拍数データ間の大小比較を行うことで食後期間における最大心拍数（Ｐ
２）を算出し、算出された最大心拍数（Ｐ２）を第２ピークの振幅として特定する。
図８Ｄ（１）の例では、食後期間における最大心拍数（Ｐ２）は、“８３．７”として算出される。図８Ｄ（２）に、食後期間、第２ピークの最大心拍数（Ｐ２）の相対関係を例示する。図８Ｄ（２）の太破線で囲まれた矩形領域は食後期間を表し、太線で丸囲みされた領域には最大心拍数（Ｐ２）の心拍数データが存在する。なお、細線で囲まれた矩形領域は、Ｓ５のノイズ除去処理の対象となった除去期間である。
センサ端末１１は、例えば、Ｓ３３の処理で特定された第２ピークの振幅を、食事の時間帯、センサ端末１１の識別情報に対応付けて主記憶部９２の所定の領域に一時的に記憶する。
（速度特徴量の算出）
以下、図７Ｅ、９Ｂに例示のフローチャート、図８Ｅ−Ｈ、９Ａの図面を参照し、速度特徴量の算出を説明する。図８Ｅ−Ｈの（１）は、図７ＡのＳ５の処理により、食事に伴う心拍数の推移に重畳する、急速な心拍数の上昇・回復変化が除去された心拍数データ例を表す。図８Ｅ−Ｈの（１）の心拍数データ例では、検出された単位時間当たりの心拍数が該心拍数を検出した時刻情報に対応付けられて格納されている。また、単位時間当たりの心拍数は、それぞれに食時期間に対応付けられている。また、図８Ｅ−Ｈの（２）は、縦軸を単位時間当たりの心拍数、横軸を経過時刻（時間）として、心拍数の推移をグラフ化したものである。
図７Ｅに例示のフローチャートにおいて、Ｓ４１の処理では、センサ端末１１は、例えば、図７ＡのＳ２処理で特定された食事期間を取得する。センサ端末１１は、例えば、Ｓ４１の処理で取得した食事期間の時刻情報に基づいて、該時刻情報に対応する心拍数データを抽出する。そして、例えば、センサ端末１１は、抽出した心拍数データ間の大小比較を行うことで食事期間における最大心拍数（Ｐ１）を算出し、算出された最大心拍数（Ｐ１）の時刻（到達時刻）を取得する（Ｓ４２）。
センサ端末１１は、例えば、Ｓ４２の処理で取得した最大心拍数（Ｐ１）の到達時刻より、第１ピークの上昇応答速度を算出するための心拍数データを特定する。センサ端末１１は、例えば、特定された、食事期間の開始時刻−最大心拍数の到達時刻間の心拍数データについて、関数近似を行うことにより、第１ピークの上昇応答速度を算出する（Ｓ４３）。
Ｓ４３の処理で行われる関数近似として、例えば、“ｆ（ｔ）＝αｔ＋β”等の一次線形関数を用いた関数近似が例示できる。一次線形関数を用いた関数近似では、近似対象となるデータの各時刻における近似誤差（２乗誤差）が最小となるようなパラメータ（α、β）の組合せを求めることにより、近似対象となるデータに適した関数近似を行うことができる。
図９Ａに、近似誤差についての説明図を例示する。図９Ａに例示の説明図において、縦軸は単位時間当たりの心拍数、横軸は経過時刻（時間）を表す。近似対象のデータを、食事開始時刻から最大心拍数（Ｐ１）の到達時刻までの心拍数データと想定する。各心拍数データは、黒塗りの“●”により表される。図９Ａの時刻：ｔ１は、例えば、食事開始時刻を表し、時刻：ｔＮは、最大心拍数（Ｐ１）の到達時刻を表す。時刻毎の各心拍数データは、“ｙｉ（ｉ＝１−Ｎ）”として表すことができる。
また、図９Ａに例示の説明図において、太線は、食事開始時刻から最大心拍数（Ｐ１）の到達時刻までの心拍数データの推移に近似する、一次線形関数：ｆ（ｔ）＝αｔ＋βを
表す。時刻：ｔｉにおける心拍数データ：ｙｉと、一次線形関数：ｆ（ｔ）＝αｔ＋βとの間の近似誤差は、｛ｙｉ−（αｔｉ＋β）｝の２乗として表すことができる。
近似対象となる、食事開始時刻から最大心拍数（Ｐ１）の到達時刻までの心拍数データの推移に適した近似関数を求めるためには、心拍数毎の近似誤差：｛ｙｉ−（αｔｉ＋β）｝の２乗の和を最小とするとなるような（α、β）の組合せを求めればよい。数１に、近似関数：ｆ（ｔ）＝αｔ＋βについての誤差関数：Ｅ（α、β）を例示する。
Figure 0006557952
 数１において、“α”は近似関数の傾きパラメータを表し、“β”は近似関数の切片パラメータを表す。また、“ｙi”はｉ番目データ（心拍数）を表し、“ｔi”はｉ番目データの時刻を表す。なお、数１における“Ｎ”は、近似対象となるデータ数を表す。
数１を最小とする（α、β）の組合せを求めるには、数１をα、βのそれぞれで偏微分した場合の値が、両者共に“０”となるような、α、βの組合せを求めればよい。数１について、右辺をαで偏微分した時の関数形を数２、βで偏微分した時の関数形を数３に例示する。
Figure 0006557952
Figure 0006557952
 数２、３における、“ｔi2”、“ｔi”、“ｙiｔi”、“ｙi”についての総和を、数４に示すように、それぞれＣ１−Ｃ４で置き換えると、数２は数５、数３は数６に示すように変形される。
Figure 0006557952
Figure 0006557952
Figure 0006557952
 数６を変形し、“β”を数７で表す。
Figure 0006557952
 変形した数７を、数５に代入し、“α”を求めることができる。さらに、求めた“α”を数７に代入し“β”を求めることができる。この結果、数８に例示の、数１を最小とする（α、β）の組合せを求めることができる。
Figure 0006557952
 図９Ｂに、近似関数：ｆ（ｔ）＝αｔ＋βについて、パラメータα、βの最適解、つまり、数８を満たすパラメータα、βの導出処理のフローチャートを例示する。なお、数４に例示の係数Ｃ１−Ｃ４に係る総和式、数８に例示のパラメータα、βを導出する数式は、例えば、予め補助記憶部９３の所定の領域に記憶すればよい。センサ端末１１は、例えば、図７Ｅに例示のＳ４３の処理時に、補助記憶部９３に格納された数４、数８の関係を参照し、Ｓ６１−Ｓ６３の導出処理を行うとすればよい。
図９Ｂに例示のフローチャートにおいて、Ｓ６１の処理では、センサ端末１１は、例え
ば、近似対象となる期間の心拍数データを対応付けられた時刻情報と共に全て取得する。そして、センサ端末１１は、例えば、Ｓ６１の処理で取得した心拍数データに基づいて、数４に例示の、係数Ｃ１−Ｃ４を算出する（Ｓ６２）。センサ端末１１は、例えば、算出された係数Ｃ１−Ｃ４を、近似対象となる期間と対応付けて主記憶部９２の所定の領域に一時的に記憶する。
Ｓ６３の処理では、センサ端末１１は、例えば、Ｓ６２の処理で算出された係数Ｃ１−Ｃ４に基づいて、近似関数のパラメータα、βの最適値を算出する。センサ端末１１は、例えば、補助記憶部９３に格納された、α、βについての数８の関係を参照し、数８を満たすα、βの最適値を算出する。センサ端末１１は、例えば、算出されたα、βを、近似対象となる期間と対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図８Ｅ（１）の説明例では、Ｓ４３の処理対象である、食事期間の開始時刻−最大心拍数の到達時刻間の心拍数データについての近似関数のパラメータα（傾きパラメータ）は、“７５．３（bpm/hour）”と算出される。また、同様に、近似関数のパラメータ（切片パラメータ）βは、“６３．２（bpm）”と算出される。
図８Ｅ（２）に、食事期間、近似対象期間、近似関数の関係を例示する。図８Ｅ（２）の細破線で囲まれた矩形領域は食事期間を表し、太破線で囲まれた矩形領域は近似対象期間を表し、太線は近似対象期間の心拍数の推移についての近似関数を表す。なお、細線で囲まれた矩形領域は、Ｓ５のノイズ除去処理の対象となった除去期間である。
図７Ｅに例示のフローチャートに戻り、Ｓ４４の処理では、例えば、センサ端末１１は、第１ピークの回復応答速度を関数近似により算出する。センサ端末１１は、例えば、Ｓ４１の処理で取得した食事期間の時刻情報に基づいて、第１ピークの回復応答速度を算出するための近似対象期間を特定する。
第１ピークの回復応答速度を算出するための近似対象期間は、例えば、図８Ｆ（１）の太破線で囲まれた領域に例示するように、最大心拍数に到達した時刻から、食事終了時刻に一定期間を加えた期間を設定することができる。図８Ｆ（１）は、食事終了時刻に“５分間”の期間を加え、「最大心拍数に到達した時刻」−「食事終了時刻＋５分間」を近似対象期間として設定した例である。
センサ端末１１は、例えば、予め設定された“一定期間”を補助記憶部９３の所定の領域に格納すればよい。そして、センサ端末１１は、例えば、Ｓ４４の処理の実行を契機として補助記憶部９３に格納された“一定期間”を参照し、Ｓ４１の処理で取得した食事期間の食事終了時刻に基づいて近似対象期間を特定すればよい。
センサ端末１１は、例えば、特定した近似対象期間である、「最大心拍数に到達した時刻」−「食事終了時刻＋５分間」の心拍数データを抽出する。そして、センサ端末１１は、例えば、抽出した近似対象期間の心拍数データを処理対象として、一次線形関数：ｆ（ｔ）＝αｔ＋βによる関数近似を行う。なお、Ｓ４４の処理における、一次線形関数：ｆ（ｔ）＝αｔ＋βによる関数近似は、Ｓ４３の処理と同様の処理が行われる。
一次線形関数：ｆ（ｔ）＝αｔ＋βによる関数近似では、センサ端末１１は、例えば、抽出した近似対象期間の心拍数データを処理対象として、図９Ｂに例示の、Ｓ６１−６３の処理を行う。センサ端末１１は、例えば、抽出した近似対象期間の心拍数データに対して、Ｓ６１−Ｓ６３のα、βの導出処理を行うことにより、関数近似による近似誤差を最小とするα、βの最適値を算出する。この結果、センサ端末１１では、例えば、近似対象期間で抽出した心拍数データの推移に基づく、第１ピークの回復応答速度が算出できる。
センサ端末１１は、例えば、第１ピークの回復応答速度について算出された近似関数のパラメータα、βを、近似対象となる期間と対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図８Ｆ（１）の説明例では、Ｓ４４の処理対象である、「最大心拍数に到達した時刻」−「食事終了時刻＋５分間」の心拍数データについての近似関数のパラメータα（傾きパラメータ）は、“−３４．４（bpm/hour）”と算出される。また、同様に、近似関数のパラメータ（切片パラメータ）βは、“８５．２（bpm）”と算出される。
また、図８Ｆ（２）に、食事開始時刻−食事終了時刻までの期間、近似対象期間、近似関数の関係を例示する。図８Ｆ（２）の細破線で囲まれた矩形領域は食事開始時刻−食事終了時刻までの期間を表し、太破線で囲まれた矩形領域は近似対象期間を表し、太線は近似対象期間の心拍数の推移についての近似関数を表す。なお、細線で囲まれた矩形領域は、Ｓ５のノイズ除去処理の対象となった除去期間である。
図７Ｅに例示のフローチャートに戻り、Ｓ４５−４７の処理では、センサ端末１１は、例えば、Ｓ４３−Ｓ４４と同様に、心拍数データの推移変化について関数近似を行い、第２ピークの応答速度（上昇応答速度、回復応答速度）を算出する。
Ｓ４５の処理では、センサ端末１１は、例えば、第２ピークの応答速度を算出するための、対象となる心拍数データを特定するために、第２ピークの最大心拍数（Ｐ２）の到達時刻を算出する。
センサ端末１１は、例えば、図７ＡのＳ２処理で特定された食事期間を取得する。センサ端末１１は、例えば、取得した食事期間の終了時刻を食後期間の開始時刻とし、食後期間における心拍数データを抽出する。食後期間は、例えば、食事期間の終了時刻から一定期間（例えば、４時間前後）である。なお、食後期間については、図２Ａで説明した。
センサ端末１１は、例えば、抽出した食後期間の心拍数データ間の大小比較を行うことで食後期間における最大心拍数（Ｐ２）を算出し、算出された最大心拍数（Ｐ２）の時刻（到達時刻）を取得する。
なお、センサ端末１１は、最大心拍数（Ｐ２）の到達時刻の算出にあたり、例えば、消化活動が活発となる期間（例えば、食事開始時刻から３０−８０分経過するまでの期間）を特定し、心拍数データの抽出を行うとしてもよい。
Ｓ４６の処理では、センサ端末１１は、例えば、Ｓ４５の処理で算出した第２ピークの最大心拍数（Ｐ２）の到達時刻に基づいて、第２ピークの上昇応答速度を関数近似により算出する。センサ端末１１は、例えば、Ｓ４５の処理で取得した食後期間の最大心拍数（Ｐ２）の到達時刻より、第２ピークの上昇応答速度を算出するための心拍数データの抽出期間（近似対象期間）を特定する。センサ端末１１は、例えば、食後期間の開始時刻（食事期間の終了時刻）、及び、食後期間の最大心拍数（Ｐ２）の到達時刻に基づいて、第２ピークの上昇応答速度を算出するための近似対象期間を特定する。そして、センサ端末１１は、例えば、特定された近似期間（食後期間の開始時刻−最大心拍数（Ｐ２）の到達時刻までの期間）の心拍数データを抽出する。
図８Ｇ（１）の例では、細破線で囲まれた領域は食事終了時刻を開始時刻とする食後期間を表し、太破線で囲まれた領域は、食後期間の開始時刻（食事終了時刻）から食後期間の最大心拍数（Ｐ２）の到達時刻までの近似対象期間を表す。センサ端末１１は、例えば
、太破線で囲まれた領域の心拍数データを抽出する。
センサ端末１１は、例えば、抽出した近似対象期間（食後期間の開始時刻−最大心拍数（Ｐ２）の到達時刻）の心拍数データを処理対象として関数近似を行い、第２ピークの上昇応答速度を算出する。なお、Ｓ４６の処理における関数近似は、例えば、Ｓ４３の処理と同様に、一次線形関数：ｆ（ｔ）＝αｔ＋βにより行われる。
一次線形関数：ｆ（ｔ）＝αｔ＋βによる関数近似では、センサ端末１１は、例えば、抽出した近似対象期間の心拍数データを処理対象として、図９Ｂに例示の、Ｓ６１−６３のα、βの導出処理を行う。図９Ｂに例示の、Ｓ６１−６３の導出処理により、センサ端末１１では、一次線形関数：ｆ（ｔ）＝αｔ＋βによる近似誤差を最小とするα、βの最適値が算出される。この結果、センサ端末１１では、例えば、近似対象期間（食後期間の開始時刻−最大心拍数（Ｐ２）の到達時刻）で抽出した心拍数データの推移に基づく、第２ピークの上昇応答速度が算出できる。
センサ端末１１は、例えば、第２ピークの上昇応答速度について算出された一次線形関数：ｆ（ｔ）＝αｔ＋βのパラメータα、βを、近似対象期間と対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図８Ｇ（１）の説明例では、Ｓ４６の処理対象である、「食後期間の開始時刻」−「最大心拍数（Ｐ２）の到達時刻」の心拍数データについての一次線形関数のパラメータα（傾きパラメータ）は、“１７．１（bpm/hour）”と算出される。また、同様に、一次線形関数のパラメータ（切片パラメータ）βは、“６６．９（bpm）”と算出される。
また、図８Ｇ（２）に、食後期間、近似対象期間、近似関数の関係を例示する。図８Ｇ（２）の細破線で囲まれた矩形領域は食後期間を表し、太破線で囲まれた矩形領域は近似対象期間を表し、太線は近似対象期間の心拍数の推移についての近似関数を表す。なお、細線で囲まれた矩形領域は、Ｓ５のノイズ除去処理の対象となった除去期間である。
図７Ｅに例示のフローチャートに戻り、Ｓ４７の処理では、センサ端末１１は、例えば、Ｓ４５の処理で算出した第２ピークの最大心拍数（Ｐ２）の到達時刻に基づいて、第２ピークの回復応答速度を関数近似により算出する。センサ端末１１は、例えば、Ｓ４５の処理で取得した食後期間の最大心拍数（Ｐ２）の到達時刻より、第２ピークの回復応答速度を算出するための心拍数データの抽出期間（近似対象期間）を特定する。センサ端末１１は、例えば、食後期間の最大心拍数（Ｐ２）の到達時刻、及び、食後期間の終了時刻に基づいて、第２ピークの回復応答速度を算出するための近似対象期間を特定する。そして、センサ端末１１は、例えば、特定された近似期間（食後期間の最大心拍数（Ｐ２）の到達時刻−食後期間の終了時刻までの期間）の心拍数データを抽出する。
図８Ｈ（１）の例では、細破線で囲まれた領域は食後期間を表し、太破線で囲まれた領域は、最大心拍数（Ｐ２）の到達時刻から食後期間の終了時刻までの近似対象期間を表す。センサ端末１１は、例えば、太破線で囲まれた領域の心拍数データを抽出する。
センサ端末１１は、例えば、抽出した近似対象期間（最大心拍数（Ｐ２）の到達時刻−食後期間の終了時刻）の心拍数データを処理対象として関数近似を行い、第２ピークの回復応答速度を算出する。なお、Ｓ４７の処理における関数近似は、例えば、Ｓ４３の処理と同様に、一次線形関数：ｆ（ｔ）＝αｔ＋βにより行われる。
一次線形関数：ｆ（ｔ）＝αｔ＋βによる関数近似では、センサ端末１１は、例えば、抽出した近似対象期間の心拍数データを処理対象として、図９Ｂに例示の、Ｓ６１−６３
のα、βの導出処理を行う。図９Ｂに例示の、Ｓ６１−６３の導出処理により、センサ端末１１では、一次線形関数：ｆ（ｔ）＝αｔ＋βによる近似誤差を最小とするα、βの最適値が算出される。この結果、センサ端末１１では、例えば、近似対象期間（最大心拍数（Ｐ２）の到達時刻−食後期間の終了時刻）で抽出した心拍数データの推移に基づく、第２ピークの回復応答速度が算出できる。
センサ端末１１は、例えば、第２ピークの回復応答速度について算出された一次線形関数：ｆ（ｔ）＝αｔ＋βのパラメータα、βを、近似対象期間と対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図８Ｈ（１）の説明例では、Ｓ４７の処理対象である、「最大心拍数（Ｐ２）の到達時刻」−「食後期間の終了時刻」の心拍数データについての一次線形関数のパラメータα（傾きパラメータ）は、“−６．４（bpm/hour）”と算出される。また、同様に、一次線形関数のパラメータ（切片パラメータ）βは、“８３．９（bpm）”と算出される。
また、図８Ｈ（２）に、食後期間、近似対象期間、近似関数の関係を例示する。図８Ｈ（２）の細破線で囲まれた矩形領域は食後期間を表し、太破線で囲まれた矩形領域は近似対象期間を表し、太線は近似対象期間の心拍数の推移についての近似関数を表す。なお、細線で囲まれた矩形領域は、Ｓ５のノイズ除去処理の対象となった除去期間である。
（時間特徴量の算出）
以下、図７Ｆ、９Ｂに例示のフローチャート、図８Ｃ−Ｄ、Ｊ−Ｋの図面を参照し、時間特徴量の算出を説明する。図８Ｊ−Ｋに例示のグラフは、縦軸を単位時間当たりの心拍数、横軸を経過時刻（時間）として、心拍数の推移をグラフ化したものである。
図７Ｆに例示のフローチャートでは、センサ端末１１は、第１ピークの上昇応答時間、回復応答時間を算出するために、食事期間における第１ピークの最大心拍数（Ｐ１）に到達する時刻を特定する。そして、センサ端末１１は、特定した第１ピークの最大心拍数（Ｐ１）の到達時刻に基づいて、第１ピークの上昇応答時間、回復応答時間を算出する。なお、第１ピークの回復応答時間は、例えば、図７Ｅに例示のＳ４４の処理で説明した近似関数の傾きパラメータα、第１ピークの最大心拍数（Ｐ１）、ベースライン心拍数により算出される。
また、第２ピークについても同様に、センサ端末１１は、第２ピークの上昇応答時間、回復応答時間を算出するために、食後期間における第２ピークの最大心拍数（Ｐ２）に到達する時刻を特定する。そして、センサ端末１１は、特定した第２ピークの最大心拍数（Ｐ２）の到達時刻に基づいて、第２ピークの上昇応答時間、回復応答時間を算出する。なお、第２ピークの回復応答時間は、例えば、図７Ｅに例示のＳ４７の処理で説明した近似関数の傾きパラメータα、第２ピークの最大心拍数（Ｐ１）、ベースライン心拍数により算出される。
図７Ｆに例示のフローチャートにおいて、Ｓ５１の処理では、センサ端末１１は、例えば、図７ＡのＳ２処理で特定された食事期間を取得する。センサ端末１１は、例えば、Ｓ５１の処理で取得した食事期間の時刻情報に基づいて、該時刻情報に対応する心拍数データを抽出する。そして、例えば、センサ端末１１は、抽出した心拍数データ間の大小比較を行い、食事期間における最大心拍数（Ｐ１）を算出し、最大心拍数（Ｐ１）の心拍数データの時刻（到達時刻）を取得する（Ｓ５２）。
センサ端末１１は、例えば、Ｓ５１の処理で取得した食事期間の開始時刻、Ｓ５２の処理で取得した最大心拍数（Ｐ１）の到達時刻から、第１ピークの上昇応答時間を算出する
（Ｓ５３）。センサ端末１１は、Ｓ５３の処理で算出した、第１ピークの上昇応答時間を、例えば、食事の時間帯、センサ端末１１の識別情報に対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図８Ｃ（１）に例示の説明図では、食事期間の開始時刻から最大心拍数（Ｐ１）の到達時刻までの、第１ピークの上昇応答時間は、“７（分）”として算出される。
図７Ｆに例示のフローチャートに戻り、Ｓ５４の処理では、センサ端末１１は、第１ピークの回復応答時間を算出するため、例えば、第１ピークの回復応答速度を関数近似により算出する。なお、Ｓ５４の処理は、図７Ｅに例示のＳ４４の処理と同様であるため、説明を省略する。センサ端末１１は、例えば、図７Ｅに例示のＳ４４の処理を行うことにより、近似関数（一次線形関数：ｆ（ｔ）＝αｔ＋β）についての傾きパラメータαを算出する。
Ｓ５５の処理では、センサ端末１１は、例えば、Ｓ５４の処理で算出された近似関数の傾きパラメータαに基づいて、第１ピークの回復応答時間を算出する。第１ピークの回復応答時間は、例えば、図２Ｇで説明したように、第１ピークの最大心拍数（Ｐ１）から時間の経過に伴い回復する心拍数が、ベースライン心拍数（ＢＬ１）に到達するまでの期間として検出できる。
ベースライン心拍数（ＢＬ１）は、図８Ａ等で説明したように、食事開始時刻前の所定期間（例えば、０−３０分）の最低心拍数に設定されている。なお、ベースライン心拍数（ＢＬ１）は、例えば、図１Ｂで説明したように、食事開始時刻の心拍数でもよく、食事前期間で取得された心拍数の平均値としてもよい。ベースライン心拍数（ＢＬ１）の設定については、複数の対象者について共通する設定方法であればよい。
図８Ｊに、第１ピークの最大心拍数（Ｐ１）、ベースライン心拍数（ＢＬ１）、一次線形関数により関数近似された第１ピークの回復応答速度の関係を例示する。図８Ｊの縦軸に平行する破線Ｌ１は、第１ピークの最大心拍数（Ｐ１）の到達時刻を表し、破線Ｌ２は、第１ピークの回復応答速度の一次線形関数がベースライン心拍数（ＢＬ１）と交差する時刻を表す。また、縦軸に平行する両端矢印付きの実線は、ベースライン心拍数（ＢＬ１）と第１ピークの最大心拍数（Ｐ１）との心拍数差を表し、横軸に平行する両端矢印付きの実線は、第１ピークの回復応答時間を表す。
図８Ｊに例示するように、第１ピークの回復応答時間は、ベースライン心拍数（ＢＬ１）と第１ピークの最大心拍数（Ｐ１）との心拍数差を近似関数（一次線形関数）の傾きパラメータαで除算して得られた値（時間）として算出される。
センサ端末１１は、例えば、図７ＣのＳ２２の処理で説明したように、ベースライン心拍数（ＢＬ１）を算出する。そして、センサ端末１１は、例えば、Ｓ５２の処理で算出された第１ピークの最大心拍数（Ｐ１）とベースライン心拍数（ＢＬ１）との心拍数差を算出する。センサ端末１１は、例えば、算出された心拍数差を、Ｓ５４の処理で算出された傾きパラメータαで除算し、第１ピークの回復応答時間を算出する。
図８Ｊの例では、第１ピークの最大心拍数（Ｐ１）は“８５．２（bpm）”、ベースラ
イン心拍数（ＢＬ１）は“５９．０（bpm）”であり、心拍数差は“２６．２（bpm）”となる。また、第１ピークの回復応答速度を近似する一次線形関数の傾きパラメータαは“−３４．４（bpm/hour）”であり、第１ピークの回復応答時間は、（心拍数差）／（傾きパラメータα）より、“４５．７（分）”と算出される。
センサ端末１１は、Ｓ５５の処理で算出した、第１ピークの回復応答時間を、例えば、食事の時間帯、センサ端末１１の識別情報に対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図７Ｆに例示のフローチャートに戻り、Ｓ５６−Ｓ５９の処理では、センサ端末１１は、第２ピークについて、Ｓ５２−Ｓ５５と同様の処理を行い、第２ピークの上昇応答時間、回復応答時間を算出する。Ｓ５６の処理では、センサ端末１１は、例えば、第２ピークの上昇応答時間、回復応答時間を算出するために、第２ピークの最大心拍数（Ｐ２）の到達時刻を算出する。
センサ端末１１は、例えば、図７ＡのＳ２処理で特定された食事期間を取得する。センサ端末１１は、例えば、取得した食事期間の終了時刻を食後期間の開始時刻とし、食後期間における心拍数データを抽出する。食後期間は、例えば、食事期間の終了時刻から一定期間（例えば、４時間前後）である。なお、食後期間については、図２Ａで説明した。
センサ端末１１は、例えば、抽出した食後期間の心拍数データ間の大小比較を行うことで食後期間における最大心拍数（Ｐ２）を算出し、算出された最大心拍数（Ｐ２）の時刻（到達時刻）を取得する。
なお、センサ端末１１は、最大心拍数（Ｐ２）の到達時刻の算出にあたり、例えば、消化活動が活発となる期間（例えば、食事開始時刻から３０−８０分経過するまでの期間）を特定し、心拍数データの抽出を行うとしてもよい。
センサ端末１１は、例えば、Ｓ５１の処理で取得した食事期間の終了時刻、Ｓ５６の処理で取得した最大心拍数（Ｐ２）の到達時刻から、第２ピークの上昇応答時間を算出する（Ｓ５７）。センサ端末１１は、Ｓ５７の処理で算出した、第２ピークの上昇応答時間を、例えば、食事の時間帯、センサ端末１１の識別情報に対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図８Ｄ（１）に例示の説明図では、食後期間の開始時刻から最大心拍数（Ｐ２）の到達時刻までの、第２ピークの上昇応答時間は、“２７（分）”として算出される。
図７Ｆに例示のフローチャートに戻り、Ｓ５８の処理では、センサ端末１１は、第２ピークの回復応答時間を算出するため、例えば、第２ピークの回復応答速度を関数近似により算出する。なお、Ｓ５８の処理は、図７Ｅに例示のＳ４６の処理と同様であるため、説明を省略する。センサ端末１１は、例えば、図７Ｅに例示のＳ４６の処理を行うことにより、近似関数（一次線形関数：ｆ（ｔ）＝αｔ＋β）についての傾きパラメータαを算出する。
Ｓ５９の処理では、センサ端末１１は、例えば、Ｓ５８の処理で算出された近似関数の傾きパラメータαに基づいて、第２ピークの回復応答時間を算出する。第２ピークの回復応答時間は、例えば、図２Ｈで説明したように、第２ピークの最大心拍数（Ｐ２）から時間の経過に伴い回復する心拍数が、ベースライン心拍数（ＢＬ１）に到達するまでの期間として検出できる。ベースライン心拍数（ＢＬ１）については、Ｓ５５の処理で説明した。
図８Ｋに、第２ピークの最大心拍数（Ｐ２）、ベースライン心拍数（ＢＬ１）、一次線形関数により関数近似された第２ピークの回復応答速度の関係を例示する。図８Ｋの縦軸に平行する破線Ｌ３は、第１ピークの最大心拍数（Ｐ２）の到達時刻を表し、破線Ｌ４は、第２ピークの回復応答速度の一次線形関数がベースライン心拍数（ＢＬ１）と交差する
時刻を表す。また、縦軸に平行する両端矢印付きの実線は、ベースライン心拍数（ＢＬ１）と第２ピークの最大心拍数（Ｐ２）との心拍数差を表し、横軸に平行する両端矢印付きの実線は、第２ピークの回復応答時間を表す。
図８Ｋに例示するように、第２ピークの回復応答時間は、ベースライン心拍数（ＢＬ１）と第２ピークの最大心拍数（Ｐ２）との心拍数差を近似関数（一次線形関数）の傾きパラメータαで除算して得られた値（時間）として算出される。
センサ端末１１は、例えば、図７ＣのＳ２２の処理で説明したように、ベースライン心拍数（ＢＬ１）を算出する。そして、センサ端末１１は、例えば、Ｓ５６の処理で算出された第２ピークの最大心拍数（Ｐ２）とベースライン心拍数（ＢＬ１）との心拍数差を算出する。センサ端末１１は、例えば、算出された心拍数差を、Ｓ５８の処理で算出された傾きパラメータαで除算し、第２ピークの回復応答時間を算出する。
図８Ｋの例では、第２ピークの最大心拍数（Ｐ２）は“８３．７（bpm）”、ベースラ
イン心拍数（ＢＬ１）は“５９．０（bpm）”であり、心拍数差は“２４．７（bpm）”となる。また、第２ピークの回復応答速度を近似する一次線形関数の傾きパラメータαは“−６．４（bpm/hour）”であり、第２ピークの回復応答時間は、（心拍数差）／（傾きパラメータα）より、“２３１．５（分）”と算出される。
センサ端末１１は、Ｓ５９の処理で算出した、第２ピークの回復応答時間を、例えば、食事の時間帯、センサ端末１１の識別情報に対応付けて主記憶部９２の所定の領域に一時的に記憶する。
図７Ｂ−７Ｆの処理で算出された、４種１１個の食事特徴量は、例えば、図６Ｅに例示の食事特徴量テーブルとしてネットワークＮに出力される。図６Ｅに例示の食事特徴量テーブルでは、算出された４種１１個の食事特徴量が各食事特徴量の種別に対応付けられて格納されている。
図６Ｅの食事特徴量テーブルでは、例えば、図７ＣのＳ２１−Ｓ２５の処理で算出された“０．８２”が「面積比」のレコードに格納されている。同様に、図７ＤのＳ３２の処理で算出された“８５．２”が「第１ピーク振幅」、Ｓ３３の処理で算出された“８３．７”が「第２ピーク振幅」のレコードに格納されている。
同様に、図７ＥのＳ４３の処理で算出された“７５．３”が「第１ピーク上昇応答速度」、Ｓ４４の処理で算出された“−３４．４”が「第１ピーク回復応答速度」のレコードに格納されている。また、同図のＳ４６の処理で算出された“１７．１”が「第２ピーク上昇応答速度」、Ｓ４７の処理で算出された“−６．４”が「第２ピーク回復応答速度」のレコードに格納されている。
同様に、図７ＦのＳ５３の処理で算出された“７”が「第１ピーク上昇応答時間」、Ｓ５５の処理で算出された“４５．７”が「第１ピーク回復応答時間」のレコードに格納されている。また、同図のＳ５７の処理で算出された“２７”が「第２ピーク上昇応答時間」、Ｓ５９の処理で算出された“２３１．５”が「第２ピーク回復応答時間」のレコードに格納されている。
なお、図７Ｂで説明したように、センサ端末１１で算出される食事特徴量の種別は、予めセンサ端末１１毎に設定される。このため、センサ端末１１で処理が行われなかった食事特徴量については、例えば、該当する食事特徴量のレコードの格納領域が空欄状態でネットワークＮに出力される。
（対象者絞り込み処理）
以下、図７Ｇに例示のフローチャートを参照し、図７Ａに例示のＳ１０の対象者絞り込み処理を説明する。図７Ｇに例示の対象者絞り込み処理では、例えば、情報処理装置１０は、センサ端末１１から出力された食事特徴量と、予め食事特徴量ＤＢ２０１に登録された複数の候補者の食事特徴量との照合を行う。例えば、情報処理装置１０は、センサ端末１１から出力された食事特徴量の値が、食事特徴量ＤＢ２０１に登録された各候補者の食事特徴量の固有範囲内であるかを判定する。センサ端末１１から出力された食事特徴量の値が、食事特徴量ＤＢ２０１に登録された各候補者の食事特徴量の固有範囲内であるかの判定は、特徴量毎に行われる。情報処理装置１０は、予め食事特徴量ＤＢ２０１に登録された全ての候補者について、各食事特徴量の固有範囲との照合の結果により、複数の候補者の中から、センサ端末１１で検出した食事特徴量の対象者として見做し得る候補者の絞り込みを行う。なお、以下の説明では、センサ端末１１から出力された食事特徴量を“観測特徴量”とも称する。
図７Ｇに例示のフローチャートにおいて、Ｓ７１の処理では、情報処理装置１０は、例えば、図７ＡのＳ７の処理でセンサ端末１１から出力された食事特徴量（観測特徴量）を取得する。観測特徴量には、食事の時間帯、センサ端末１１の識別番号が含まれる。なお、Ｓ７１の処理で取得する観測特徴量の種別の数は最大１１種別（次元）であり、観測特徴量の種別の数は、センサ端末１１により設定される。Ｓ７１の処理で取得した観測特徴量の数量を“Ｍ（１−１１）”とする。情報処理装置１０は、例えば、取得した観測特徴量を主記憶部９２の所定の領域に一時的に記憶する。
Ｓ７２の処理では、情報処理装置１０は、例えば、図７Ａに例示のＳ９の処理で食事特徴量の固有範囲が特定された各候補者について、絞り込み処理を行うための識別番号の設定（ｊ＝１・・・Ｎ、Ｎは候補者数）を行う。Ｓ７３の処理では、情報処理装置１０は、例えば、食事特徴量の各種別について、絞り込みを行うための識別番号の設定（ｉ＝１−Ｍ≦１１）を行う。情報処理装置１０は、例えば、Ｓ７４−Ｓ７９の処理を、候補者毎、特徴量毎に繰り返し、複数の候補者の中から観測特徴量の対象者と見做し得る候補者の絞り込みを行う。
Ｓ７４の処理では、情報処理装置１０は、例えば、Ｓ７１の処理で取得したＭ次元の中の次元ｉの観測特徴量：Ｘ（ｉ）について、図７ＡのＳ９の処理で食事特徴量の固有範囲が決定された候補者ｊの固有範囲を取得する。例えば、次元ｉに対応する、食事特徴量の固有範囲の最大値を“Ｆ_ｍａｘ（ｉ）”とし、最小値を“Ｆ_ｍｉｎ（ｉ）”とする。情報処理装置１０は、候補者ｊの次元ｉの食事特徴量について、最大値Ｆ_ｍａｘ（ｉ）、
最小値Ｆ_ｍｉｎ（ｉ）を取得する。
Ｓ７５の処理では、情報処理装置１０は、候補者ｊの次元ｉの食事特徴量のＦ_ｍａｘ
（ｉ）、Ｆ_ｍｉｎ（ｉ）と、次元ｉの観測特徴量：Ｘ（ｉ）との大小比較を行い、“Ｆ_ｍｉｎ（ｉ）＜Ｘ（ｉ）＜Ｆ_ｍａｘ（ｉ）”の関係を満たすかを判定する。
情報処理装置１０は、例えば、観測特徴量Ｘ（ｉ）と候補者ｊの次元ｉの食事特徴量との大小関係が、“Ｆ_ｍｉｎ（ｉ）＜Ｘ（ｉ）＜Ｆ_ｍａｘ（ｉ）”の関係を満たす場合には（Ｓ７５，ｙｅｓ）、Ｓ７６の処理に移行する。一方、例えば、情報処理装置１０は、観測特徴量Ｘ（ｉ）と候補者ｊの次元ｉの食事特徴量との大小関係が、“Ｆ_ｍｉｎ（ｉ
）＜Ｘ（ｉ）＜Ｆ_ｍａｘ（ｉ）”の関係を満たさない場合には（Ｓ７５，ｎｏ）、Ｓ７
８の処理に移行する。Ｓ７８の処理では、情報処理装置１０は、例えば、候補者ｊは「対象者ではない」と判定し、Ｓ７６−Ｓ７７の処理をスキップし、Ｓ７９の処理に移行する。
Ｓ７６の処理では、情報処理装置１０は、例えば、処理対象の食事特徴量の次元ｉが最後であるかを判定する。情報処理装置１０は、例えば、処理対象の食事特徴量の次元ｉが最後でない場合には（Ｓ７６、ｎｏ）、処理対象の食事特徴量の次元ｉを“１”インクリメントし、Ｓ７４の処理に移行する。一方、情報処理装置１０は、例えば、処理対象の食事特徴量の次元ｉが最後の場合には（Ｓ７６、ｙｅｓ）、Ｓ７７の処理に移行し、候補者ｊは「対象者である」と判定し、Ｓ７９の処理に移行する。
Ｓ７９の処理では、情報処理装置１０は、例えば、処理対象の候補者ｊが最後であるかを判定する。情報処理装置１０は、例えば、処理対象の候補者ｊが最後でない場合には（Ｓ７９、ｎｏ）、処理対象の候補者の識別子ｊを“１”インクリメントし、Ｓ７４の処理に移行する。一方、情報処理装置１０は、例えば、処理対象の候補者ｊが最後の場合には（Ｓ７９、ｙｅｓ）、例えば、「対象者である」と判定された候補者ｊを主記憶部９２の所定の領域に一時的に記憶し、当対象者絞り込み処理を終了する。
情報処理装置１０は、例えば、図７Ｇに例示の対象者絞り込み処理の終了を契機として、「対象者である」と判定された全ての候補者を、例えば、センサ端末１１の識別番号等に対応付けて、情報処理装置１０の出力部９５に出力する。
以上、説明したように、本実施形態のセンサ端末１１は、食事に伴う心拍数の特徴を４種１１個の食事特徴量として算出することにより、食事に伴う心拍数の変化の推移を特定することができる。
本実施形態のセンサ端末１１は、第1ピーク領域の面積と第２ピーク領域の面積比を求
めることにより、候補者に固有の食事に伴う蠕動運動と消化活動の活動負荷比を数値化することができる。また、本実施形態のセンサ端末１１は、第1ピークの最大心拍数、第２
ピークの最大心拍数を求めることにより、候補者に固有の食事に伴う心拍数の変化幅を特定し数値化することができる。
本実施形態のセンサ端末１１は、第1ピークの上昇応答速度を求めることにより、候補
者に固有の食事に伴う蠕動活動による心拍数の上昇変化を特定し数値化することができる。また、本実施形態のセンサ端末１１は、第1ピークの回復応答速度を求めることにより
、候補者に固有の食事に伴う蠕動活動による心拍数の回復変化を特定し数値化することができる。
本実施形態のセンサ端末１１は、第２ピークの上昇応答速度を求めることにより、候補者に固有の食事に伴う消化活動による心拍数の上昇変化を特定し数値化することができる。また、本実施形態のセンサ端末１１は、第２ピークの回復応答速度を求めることにより、候補者に固有の食事に伴う消化活動による心拍数の回復変化を特定し数値化することができる。
本実施形態のセンサ端末１１は、第1ピークの上昇応答時間を求めることにより、候補
者に固有の食事に伴う蠕動活動による心拍数の上昇変化の推移時間を特定し数値化することができる。また、本実施形態のセンサ端末１１は、第1ピークの回復応答速度を求める
ことにより、候補者に固有の食事に伴う蠕動活動による心拍数の回復変化推移時間を特定し数値化することができる。
本実施形態のセンサ端末１１は、第２ピークの上昇応答時間を求めることにより、候補者に固有の食事に伴う消化活動による心拍数の上昇変化の推移時間を特定し数値化することができる。また、本実施形態のセンサ端末１１は、第２ピークの回復応答時間を求める
ことにより、候補者に固有の食事に伴う消化活動による心拍数の回復変化の推移時間を特定し数値化することができる。
本実施形態のセンサ端末１１は、４種１１個の食事特徴量を数値化することにより、候補者に固有の食事に伴う心拍数の変化の推移を定量的に処理することができる。例えば、本実施形態の情報処理装置１０は、数値化された４種１１個の食事特徴量の継時的な変化幅を、各食事特徴量の最大値、及び、最小値と対応付けて候補者毎の固有範囲として特定することができる。本実施形態の情報処理装置１０は、候補者毎に特定された各食事特徴量の固有範囲と、センサ端末１１で検出された観測特徴量との照合を行うことにより、複数の候補者の中から観測特徴量の対象者と見做し得る候補者の絞り込みを行うことができる。この結果、本実施形態では、複数の候補者の中から対象者として見做し得る候補者の抽出精度を向上する技術が提供できる。
＜変形例１＞
本実施形態の、食事に伴う心拍の特徴を用いた対象者の絞り込みは、他の生体特徴を使用した対象者の特定方法と組合せることが可能である。例えば、安静時の心拍数を用いて対象者を特定する方法、心電波形を用いて対象者を特定する方法、歩行特徴や位置履歴といった動作特徴を用いて対象者を特定する方法との組合せが可能である。
図７Ｈに変形例１における対象者特定処理のフローチャートを例示する。図７Ｈは、他の生体特徴を使用した対象者の特定方法として、安静時の心拍数を用いて対象者を特定する方法、心電波形を用いて対象者を特定する方法、歩行特徴や位置履歴といった動作特徴を用いて対象者を特定する方法を組合せた例である。図７ＨのＳ８４の処理では、例えば、図７Ａ−図７Ｇに例示の対象者特定処理が、対象者の食事に伴う心拍の特徴量に応じて適宜実行される。
変形例１の対象者絞り込みでは、例えば、情報処理装置１０は、複数の候補者について、安静時の心拍数を用いて候補者の絞り込みを行う（Ｓ８１）。そして、情報処理装置１０は、例えば、本実施形態の、食事に伴う心拍の特徴を用いた対象者の絞り込みを行う（Ｓ８４）。同様に、例えば、情報処理装置１０は、心電波形を用いて候補者の絞りこみを行い（Ｓ８２）、或いは、動作特徴を用いた候補者の絞り込みを行う（Ｓ８３）。そして、情報処理装置１０は、例えば、本実施形態の、食事に伴う心拍の特徴を用いた対象者の絞り込みを行う。
変形例１の対象者絞り込み処理では、他の生体特徴を用いることにより、性質の異なる特徴量が増えることで、候補者の絞り込みの精度を向上することが期待できる。また、他の生体特徴を用いることにより、複数の生体特徴が組合せられるため、例えば、候補者の意図的な成り済ましを抑制することが期待できる。
＜変形例２＞
図５に例示の、情報処理装置１０の、候補者固有範囲作成部１０３および対象者絞り込み部１０４の処理機能を、例えば、センサ端末１１の処理機能として含ませることにより、センサ端末１１での対象者特定処理が可能となる。
図１１Ａ，Ｂに、センサ端末側に、候補者固有範囲作成部１０３および対象者絞り込み部１０４の処理機能を含む変形例２の実施形態を例示する。図１１Ａに例示の変形例２の情報処理システム１ａでは、例えば、複数の患者等に装着されるセンサ端末２１（21A,21B,…,21X）とサーバ等の情報処理装置１０ａとがネットワークＮを介して接続される。情報処理装置１０ａには、例えば、図５に例示のＤＢ情報取得部１０２、食事特徴量ＤＢ２１０が含まれる。なお、センサ端末２１には、センサ端末２１の装着者を一意に識別する
識別番号（番号A,B,…,X）等が付与される。
図１１Ｂに、情報処理システム１ａの情報処理装置１０ａ、センサ端末２１の処理ブロックの説明図を例示する。図１１Ｂの例では、情報処理装置１０ａは、例えば、データ送受信部１０１ａ、ＤＢ情報取得部１０２の各処理手段を有し、食事特徴量ＤＢ２０１を補助記憶部１３に備える。食事特徴量ＤＢ２０１には、例えば、患者毎の食事特徴量の履歴値が格納される。
図１１Ｂに例示のデータ送受信部１０１ａは、例えば、センサ端末２１側で絞り込みが行われた患者等の各種特徴量を確定したデータとして受信すると共に、ＤＢ情報取得部１０２で取得された患者毎の各種特徴量の履歴を定期的にセンサ端末１２に送信する。なお、患者毎の各種特徴量の履歴の送信は、例えば、食事の時間帯毎に行われる。
また、図１１Ｂの例では、センサ端末２１は、例えば、心拍数取得部２１１、特徴量算出部２１２、対象者絞り込み部２１３、候補者固有範囲作成部２１４、データ送受信部１２１ａの各処理手段を有する。
図１１Ｂの心拍数取得部２１１は、例えば、図５に例示のセンサ端末１１の、センサ装着判定部１１１、心拍数データ取得部１１２、加速度データ取得部１１３、運動期間判定部１１４、食事期間判定部１１５、ノイズ心拍数除去部１１６等に相当する。また、特徴量算出部２１２は、例えば、図５に例示のセンサ端末１１の、面積特徴量算出部１１７、振幅特徴量算出部１１８、速度特徴量算出部１１９、時間特徴量算出部１２０に相当する。
また、図１１Ｂの対象者絞り込み部２１３は、例えば、図５に例示の情報処理装置１０の備える対象者絞り込み部１０４に相当し、候補者固有範囲作成部２１４は、同様に、図５に例示の情報処理装置１０の備える候補者固有範囲作成部１０３に相当する。なお、データ送受信部１２１ａは、例えば、絞り込みが行われた患者等の各種特徴量を確定したデータとして情報処理装置１０ａに送信すると共に、情報処理装置１０ａから送信された患者毎の各種特徴量の履歴を定期的に受信する。受信された患者毎の各種特徴量の履歴は、例えば主記憶部９２の所定の領域に一時的に記憶される。
センサ端末２１の候補者固有範囲作成部２１４では、例えば、情報処理装置１０ａから定期的に送信された患者毎の各種特徴量の履歴に基づいて、特徴量毎の固有範囲が作成される。また、センサ端末２１では、例えば、心拍数取得部２１１、特徴量算出部２１２の処理により、食事に伴う心拍数の４種１１個のセンサ端末２１を装着する患者に固有の特徴量が特定される。
センサ端末２１は、例えば、装着者に固有の特徴量と、患者毎の各種特徴量の履歴に基づいて作成された特徴量毎の固有範囲と照合を行い、センサ端末２１の装着者が真の装着者であるかを判定する。なお、センサ端末２１は、例えば、センサ端末２１の装着者が真の装着者である場合には、例えば、食事に時間帯に対応付けて特定された食事に伴う心拍数の４種１１個の特徴量を情報処理装置１０ａに送信する。情報処理装置１０ａでは、センサ端末２１から送信された４種１１個の特徴量に基づいて、例えば、食事特徴量ＤＢ２０１のデータが更新される。
以上、図１１Ａ，Ｂに例示の変形例２のセンサ端末２１では、センサ端末２１側で対象者特定処理が可能となり、センサ端末２１の装着者が真の装着者であるかを判定することができる。
＜変形例３＞
食事に伴う心拍数の４種１１個の特徴量に基づいて対象者特定処理が行われる情報処理システムの形態として、例えば、図１１Ｃ、１１Ｄに例示の、スマートフォン等の情報処理端末４１を含む形態が可能である。ここで、情報処理端末４１として、例えば、スマートフォン以外に、タブレットＰＣ（ＰＣ：Personal Computer）、ＰＤＡ（Personal Data
Assistance）、ノートＰＣ等が例示できる。
例えば、患者等に装着したセンサ端末で取得した食事に伴う心拍数の特徴量を、患者等が使用するベッド等に設けられた情報処理端末で管理するといった形態が想定される。図１１Ｃ，Ｄ等に例示の情報処理システム１ｂは、上述のように、患者に装着されるセンサ端末，ベッド等に設けられた情報処理端末（スマート端末）、患者毎の食事に伴う特徴量を履歴として管理する情報処理装置１０ｂを含む変形例３の実施形態の例示である。
図１１Ｃに例示の変形例３の情報処理システム１ｂでは、例えば、センサ端末３１と情報処理端末４１とが通信機能を介して１対１で接続する。センサ端末３１、情報処理端末４１には、センサ端末３１の装着者を一意に識別する識別番号（番号A,B,…,X）等が付与される。複数の情報処理端末４１（41A,…,41X）とサーバ等の情報処理装置１０ｂとはネットワークNを介して接続される。情報処理端末４１は、例えば、図５に例示の情報処理
装置１０の、候補者固有範囲作成部１０３および対象者絞り込み部１０４の処理機能を含むことにより、センサ端末３１を装着する患者等の対象者特定処理を行うことができる。
図１１Ｄに、情報処理システム１ｂの情報処理装置１０ｂ、センサ端末３１、情報処理端末４１の処理ブロックの説明図を例示する。図１１Ｄの例では、情報処理装置１０ａは、例えば、データ送受信部１０１ａ、ＤＢ情報取得部１０２の各処理手段を有し、食事特徴量ＤＢ２０１を補助記憶部１３に備える。食事特徴量ＤＢ２０１には、例えば、患者毎の食事特徴量の履歴値が格納される。
図１１Ｄに例示のデータ送受信部１０１ａは、例えば、情報処理端末４１側で絞り込みが行われた患者等の各種特徴量を確定したデータとして受信すると共に、ＤＢ情報取得部１０２で取得された患者毎の各種特徴量の履歴を定期的に情報処理端末４１に送信する。患者毎の各種特徴量の履歴の送信は、例えば、食事の時間帯毎に行われる。
また、図１１Ｄの説明図において、センサ端末３１は、例えば、図１１Ｂに例示の心拍数取得部２１１、特徴量算出部２１２、図５に例示のデータ送信部１２１を備える。センサ端末３１は、例えば、心拍数取得部２１１、特徴量算出部２１２の処理により、食事に伴う心拍数の４種１１個のセンサ端末２１を装着する患者に固有の特徴量を特定し、特定した特徴量を情報処理端末４１に送信する。
情報処理端末４１は、例えば、候補者固有範囲作成部４１１、対象者絞り込み部４１２、図１１Ｂに例示のデータ送受信部１２１ａの各処理手段を備える。データ送受信部１２１ａは、例えば、絞り込みが行われた患者等の各種特徴量を確定したデータとして情報処理装置１０ｂに送信すると共に、情報処理装置１０ｂから送信された患者毎の各種特徴量の履歴を定期的に受信する。受信された患者毎の各種特徴量の履歴は、例えば主記憶部９２の所定の領域に一時的に記憶される。なお、データ送受信部１２１ａは、例えば、通信機能を介し接続されたセンサ端末３１から送信された患者に固有の特徴量を受信し、受信した特徴量を主記憶部９２の所定の領域に一時的に記憶する。
また、候補者固有範囲作成部４１１は、例えば、図５に例示の情報処理装置１０の備える候補者固有範囲作成部１０３に相当し、同様に、対象者絞り込み部４１２は、図５に例示の情報処理装置１０の備える対象者絞り込み部１０４に相当する。情報処理端末４１の
候補者固有範囲作成部４１１では、例えば、情報処理装置１０ｂから定期的に送信された患者毎の各種特徴量の履歴に基づいて、特徴量毎の固有範囲が作成される。
情報処理端末４１は、例えば、センサ端末３１から受信した患者に固有の特徴量と、情報処理装置１０ｂから受信した患者毎の各種特徴量の履歴に基づいて作成された特徴量毎の固有範囲と照合を行う。そして、情報処理端末４１は、センサ端末３１の装着者が真の装着者であるかを判定する。なお、情報処理端末４１は、センサ端末３１の装着者が真の装着者である場合には、例えば、食事に時間帯に対応付けて特定された食事に伴う心拍数の４種１１個の特徴量を情報処理装置１０ｂに送信する。情報処理装置１０ｂでは、情報処理端末４１から送信された４種１１個の特徴量に基づいて、例えば、食事特徴量ＤＢ２０１のデータが更新される。
以上、図１１Ｃ，Ｄに例示の変形例３の情報処理端末４１では、センサ端末３１から送信された４種１１個の特徴量に基づいて対象者特定処理が可能となり、センサ端末３１の装着者が真の装着者であるかを判定することが可能となる。
＜実験例＞
以下、図１０Ａ−１０Ｇを参照し、４人の候補者について取得された、食事に伴う心拍数の４種１１個の食事特徴量を使用しての、対象者絞り込みの実験例を説明する。候補者の性別は全て男性であり、各候補者の年齢はそれぞれ、候補者Ａ（３０代前半）、候補者Ｂ（５０代）、候補者Ｃ（４０代）、候補者Ｄ（３０代後半）である。食事の時間帯は昼食の時間帯（１１：００−１７：００）とし、摂食の速度、食事内容（消化負担の軽重）、食事量といった摂食の条件を変更し、候補者毎の約１２日分の食事に伴う心拍数データを取得した。
図１０Ａに、候補者Ａ−Ｄについて取得された心拍数データ例を例示する。図１０Ａに例示のグラフは、縦軸を単位時間当たりの心拍数（bpm）、横軸を経過時刻（時間）とし
て、昼食の時間帯における心拍数の推移をグラフ化したものである。図１０Ａに例示の心拍数データは、一例である。なお、縦軸に平行する破線で挟まれた期間は、食事期間を表す。
図１０Ａに例示のように、破線で挟まれた食事期間には、候補者毎に心拍数のピーク（第１ピーク）が表れている。また、図１０Ａに例示の、各候補者の心拍数の推移を俯瞰した場合、該心拍数の推移に固有差があることが判る。例えば、候補者Ｃ、Ｄでは、心拍数の推移は、相対的に高め（例えば、７０（bpm）以上）で推移するのに対し、候補者Ｂの
心拍数の推移では、相対的に低め（例えば、７０（bpm）以下）で推移することが判る。
また、候補者Ａの心拍数の推移では、他者の心拍数の推移に対しメリハリがあることが判る。
なお、候補者Ｂのグラフ例では、破線で示される食事期間の前後に心拍数のピークＰｂ１、Ｐｂ２が表れている。候補者Ｂのグラフ例における心拍数のピークＰｂ１、Ｐｂ２の発生は、食事前後に行われた歩行運動のためである。また、候補者Ｂのグラフ例において、食後期間の１３：００−１４：００の期間では、ピーク値が９０（bpm）近傍の心拍数
のピークＰｂ３が表れている。心拍数のピークＰｂ３の発生は、候補者Ｂが会議出席のため、他の階の会議室へ移動する際に階段昇降を行ったためである。
図１０Ａの候補者Ｂの心拍数データに表れる、運動活動を起因とした心拍数の上昇・回復の影響を除くため、本実施形態のセンサ端末１１は、例えば、図７Ａに例示の対象者特定処理では、Ｓ５のノイズ心拍数の除去処理を実行する。そして、本実施形態のセンサ端末１１は、例えば、運動活動を起因とした心拍数の上昇・回復の影響が除去された心拍数
データを対象として、４種１１個の食事特徴量を算出するため、食事に伴う心拍の特徴量を抽出することができる。
本実施形態の対象者特定処理では、候補者毎に取得された４種１１個の食事特徴量について、食事特徴量毎に最大値、及び、最小値に基づく固有範囲を特定する。図１０Ｂに、図１０Ａの候補者について取得した４種１１個の食事特徴量から算出された固有範囲（特徴量範囲）リストを例示する。本実施形態の情報処理装置１０では、例えば、図７Ａに例示のＳ９の処理を行うことにより、図１０Ｂに例示の、食事特徴量の固有範囲リストが生成される。
図１０Ｂに例示の固有範囲リストでは、実験例の候補者（人物）Ａ、Ｂについて算出された固有範囲が、４種１１個の食事特徴量毎に格納されている。なお、図１０Ｂの例において、各食事特徴量の固有範囲は、該当する食事特徴量の最大値を“ａ”、最小値を“ｂ”として“［ａ，ｂ］”で表されている。なお、固有範囲算出の対象期間は、食事特徴量を取得した期間（１２日）である。
図１０Ｂに例示の固有範囲リストに示すように、候補者Ａの食事特徴量の面積比は［0.62,1.00］、第１ピーク振幅（bpm）は［71.3,92.1］、第１ピーク上昇応答時間（分）は
［4,9.5］、第１ピーク上昇応答速度（bpm/hour）は［58.9,86.3］、第１ピーク回復応答時間（分）は［31,50］と算出される。また、第１ピーク回復応答速度（bpm/hour）は［-43.7,-34.0］、第２ピーク振幅（bpm）は［83.7,91.1］、第２ピーク上昇応答時間（分）は［27,40］、第２ピーク上昇応答速度（bpm/hour）は［11.2,17.1］と算出される。また、第２ピーク回復応答時間（分）は［156.5,231.5］、第２ピーク回復応答速度（bpm/hour）は［-10.7,-3.4］と算出される。
候補者Ｂでは、食事特徴量の面積比は［1.32,1.60］、第１ピーク振幅（bpm）は［62.1,70.0］、第１ピーク上昇応答時間（分）は［3,9.5］、第１ピーク上昇応答速度（bpm/hour）は［50.3,90.3］、第１ピーク回復応答時間（分）は［32,38］と算出される。また、第１ピーク回復応答速度（bpm/hour）は［-43.2,-29.5］、第２ピーク振幅（bpm）は［57.1,65.8］、第２ピーク上昇応答時間（分）は［36,50］、第２ピーク上昇応答速度（bpm/hour）は［2.3,5.6］と算出される。また、第２ピーク回復応答時間（分）は［128.5,421］、第２ピーク回復応答速度（bpm/hour）は［-3.7,-0.7］と算出される。
図１０Ｃに、第１ピーク振幅と第２ピーク振幅を用いた候補者Ａ−Ｄについての食事特徴量のプロット例を例示する。図１０Ｃのプロット例では、縦軸を第１ピーク振幅（bpm
）、横軸を第２ピーク振幅（bpm）として、各候補者の最大値、及び、最小値を含むサン
プルをプロットした例である。図１０Ｃの、候補者Ａのサンプルは“△”、候補者Ｂのサンプルは“◎”、候補者Ｃのサンプルは“□”、候補者Ｄのサンプルは“●”で表される。
図１０Ｃの例では、候補者Ｂで検出されたサンプルは、第１ピーク振幅が“７０（bpm
）”近傍以下、第２ピーク振幅が“８０（bpm）”近傍以下にグルーピングされているこ
とが判る。また、候補者Ｂで検出された第１ピーク振幅の固有範囲（最大値−最小値）、第２ピーク振幅の固有範囲（最大値−最小値）を組合せた領域Ｚ５には、他の候補者の食事特徴量が含まれないことが判る。
第１ピーク振幅と第２ピーク振幅の食事特徴量の組合せでは、候補者Ｂで検出された食事特徴量の固有範囲を組合せた領域Ｚ５は、候補者Ｂについての固有領域となる。言い換えれば、検出された第１ピーク振幅、第２ピーク振幅の食事特徴量について、各候補者の第１ピーク振幅の固有範囲と第２ピーク振幅の固有範囲を使用することで、各候補者の中
から候補者Ｂを絞り込むことが可能となる。
図１０Ｄに、第２ピーク上昇応答速度と面積比を用いた候補者Ａ−Ｄについての食事特徴量のプロット例を例示する。図１０Ｄのプロット例では、縦軸を第２ピーク上昇応答速度（bpm/hour）、横軸を面積比として、各候補者の最大値、及び、最小値を含むサンプルをプロットした例である。図１０Ｄの、各候補者のサンプルを表す記号は、図１０Ｃと同様である。
図１０Ｄの例では、候補者Ａで検出されたサンプルは、第２ピーク上昇応答速度が“５（bpm/hour）”近傍以上、面積比が“０．０２近傍−０．０６未満”の範囲にグルーピングされていることが判る。候補者Ａで検出された第２ピーク上昇応答速度の固有範囲（最大値−最小値）、面積比（最大値−最小値）を組合せた領域Ｚ６では、第２ピーク上昇応答速度が“５（bpm/hour）”近傍で他の候補者の食事特徴量と重複する領域が含まれる。領域Ｚ６に重複する他の候補者は、候補者Ｂ、Ｄである。候補者Ｂ、Ｄとの重複する領域は領域Ｚ６の端部であるため、第２ピーク上昇応答速度と面積比の食事特徴量の組合せでは、候補者Ｂで検出された食事特徴量の固有範囲を組合せた領域Ｚ６は、候補者Ｂについての固有領域といえる。検出された第２ピーク上昇応答速度、面積比の食事特徴量について、各候補者の第２ピーク上昇応答速度の固有範囲と面積比の固有範囲を使用することで、各候補者の中から候補者Ａを絞り込むことが可能となる。
図１０Ｅに、第２ピーク回復応答速度と第１ピーク振幅を用いた候補者Ａ−Ｄについての食事特徴量のプロット例を例示する。図１０Ｅのプロット例では、縦軸を第２ピーク回復応答速度（bpm/hour）、横軸を第１ピーク振幅（bpm）として、各候補者の最大値、及
び、最小値を含むサンプルをプロットした例である。図１０Ｅの、各候補者のサンプルを表す記号は、図１０Ｃと同様である。
図１０Ｅの例では、候補者Ｃで検出されたサンプルは、第２ピーク回復応答速度が“−３（bpm/hour）”近傍以上、第１ピーク振幅が“８０（bpm）近傍−９０（bpm）近傍”の範囲にグルーピングされていることが判る。候補者Ｃで検出された第２ピーク回復応答速度の固有範囲（最大値−最小値）、第１ピーク振幅（最大値−最小値）を組合せた領域Ｚ７では、第２ピーク回復応答速度が“−２（bpm/hour）”近傍以上で候補者Ｄと重複する領域が含まれる。第２ピーク回復応答速度と第１ピーク振幅の食事特徴量の組合せでは、領域Ｚ７の領域範囲は相対的に小さいため、候補者Ｃで検出された食事特徴量の固有範囲を組合せた領域Ｚ７は、候補者Ｃについての固有領域といえる。検出された第２ピーク回復応答速度、第１ピーク振幅の食事特徴量について、各候補者の第２ピーク回復応答速度の固有範囲と第１ピーク振幅の固有範囲を使用することで、各候補者の中から候補者Ｃを絞り込むことが可能となる。
図１０Ｆに、面積比と第１ピーク振幅を用いた候補者Ａ−Ｄについての食事特徴量のプロット例を例示する。図１０Ｆのプロット例では、縦軸を面積比、横軸を第１ピーク振幅（bpm）として、各候補者の最大値、及び、最小値を含むサンプルをプロットした例であ
る。図１０Ｆの、各候補者のサンプルを表す記号は、図１０Ｃと同様である。
図１０Ｆの例では、候補者Ｄで検出されたサンプルは、面積比が“０．０３近傍−０．１０近傍”の範囲、第１ピーク振幅が“８０（bpm）近傍−９０（bpm）近傍”の範囲にグルーピングされていることが判る。候補者Ｄで検出された面積比の固有範囲（最大値−最小値）、第１ピーク振幅（最大値−最小値）を組合せた領域Ｚ８では、面積比が“０．０３近傍−０．０６未満”の範囲で候補者Ａ、Ｃと重複する領域が含まれる。
候補者Ｄの領域Ｚ８では、サンプルＺｄ１を除く他のサンプルは面積比“０・０５近傍
”以上にグルーピングされている。このため、面積比と第１ピーク振幅の食事特徴量の組合せでは、候補者Ｄで検出された食事特徴量の固有範囲を組合せた領域Ｚ８は、候補者Ｄについての固有領域といえる。検出された面積比、第１ピーク振幅の食事特徴量について、各候補者の面積比の固有範囲と第１ピーク振幅の固有範囲を使用することで、各候補者の中から候補者Ｄを絞り込むことが可能となる。
図１０Ｆの面積比と第１ピーク振幅に、例えば、図１０Ｄに例示の第２ピーク上昇応答速度の食事特徴量の固有範囲を加えることにより、候補者Ｃと候補者Ｄの絞り込み精度を向上させることが可能となる。また、図１０Ｆの面積比と第１ピーク振幅に、例えば、図１０Ｃに例示の第２振幅の食事特徴量の固有範囲を加えることにより、候補者Ａと候補者Ｄの絞り込み精度を向上させることが可能となる。図１０Ｆの面積比と第１ピーク振幅に、第２ピーク上昇応答速度、第２振幅の食事特徴量の固有範囲を加えることにより、候補者Ａ、Ｃと候補者Ｄの絞り込み精度を向上させることが期待できる。図１０Ｃ−１０Ｆのプロット例で説明したように、候補者毎に特定された食事特徴量の固有範囲を複数に組合せる（最大１１個）ことにより、複数の候補者の中から対象者として見做し得る候補者の抽出精度を向上させることが可能となる。
例えば、図３に例示の、患者Ａに装着されるセンサ端末１１Ａが患者Ｂに装着され、患者Ｂに装着されるセンサ端末１１Ｂが患者Ａに装着されるといった取り違えが生じたケースを想定する。センサ端末１１Ｂからは、図６Ｅに例示の食事特徴量（観測特徴量）がネットワークＮに出力されたと想定する。情報処理装置１０は、図６Ｅに例示の観測特徴量と候補者Ａ−Ｄのそれぞれから取得した各食事特徴量の固有範囲との大小関係を判定することで観測特徴量の対象者を絞り込む。
図１０Ｇに、図１０Ｂに例示の各候補者の特徴量範囲リストに図６Ｅの観測特徴量を加えたテーブルを例示する。図１０Ｇのテーブル例において、図６に例示の観測特徴量は、「観測特徴量」カラムに格納されている。また、図１０Ｂに例示の候補者Ａの特徴量範囲は「候補者Ａ固有の特徴量範囲」カラムに格納され、候補者Ｂの特徴量範囲は「候補者Ｂ固有の特徴量範囲」カラムに格納されている。また、候補者Ａの食事特徴量範囲と観測特徴量との大小関係の判定結果は「候補者Ａの判定結果」カラムに格納され、候補者Ｂの食事特徴量範囲と観測特徴量との大小関係の判定結果は「候補者Ｂの判定結果」カラムに格納されている。
図１０Ｇのテーブル例において、例えば、観測特徴量の面積比は“０．８２”であり、候補者Ａ固有の特徴量範囲は“［０．６２，１．００］”である。観測特徴量の面積比は、例えば、図７ＧのＳ７５の処理の判定条件である“０．６２＜０．８２＜１．００”の関係を満たす。このため、情報処理装置１０では、例えば、観測特徴量の面積比は、「候補者Ａである」と判定され、図１０Ｇの「候補者Ａの判定結果」カラムに“○”が格納される。
一方、候補者Ｂ固有の特徴量範囲は“［１．３２，１．６０］”であり、観測特徴量の面積比は、“０．８２＜１．３２”となり、図７ＧのＳ７５の処理の判定条件の関係を満たさない。このため、例えば、情報処理装置１０では、観測特徴量の面積比は、「候補者Ｂでない」と判定され、図１０Ｇの「候補者Ｂの判定結果」カラムに“×”が格納される。
例えば、情報処理装置１０は上述の処理を食事特徴量毎に実行し、判定結果をそれぞれの「候補者Ａの判定結果」カラム、「候補者Ｂの判定結果」カラムに格納する。この結果、図１０Ｇに例示のように、各食事特徴量に対応する「候補者Ａの判定結果」カラムには“○”が格納される。また、各食事特徴量に対応する「候補者Ａの判定結果」カラムでは
、面積比、第１ピーク振幅、第１ピーク回復応答時間、第２ピーク振幅、第２ピーク上昇応答速度、第２ピーク回復応答速度について“×”が格納される。
例えば、情報処理装置１０で実行される絞り込み処理では、センサ端末１１で観測された全ての特徴量（最大１１個）について、処理中の候補者の特徴量範囲に含まれる場合に、センサ端末１１の装着者（対象者）と判定することができる。図１０Ｇの例では、例えば、情報処理装置１０は、図６Ｅに例示の観測特徴量の、センサ端末１１の装着者は“候補者Ａ”と判定することができる。
《コンピュータが読み取り可能な記録媒体》
コンピュータその他の機械、装置（以下、コンピュータ等）に上記いずれかの機能を実現させるプログラムをコンピュータ等が読み取り可能な記録媒体に記録することができる。そして、コンピュータ等に、この記録媒体のプログラムを読み込ませて実行させることにより、その機能を提供させることができる。
ここで、コンピュータ等が読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータ等から読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータ等から取り外し可能なものとしては、例えばフレキシブルディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ／Ｗ、ＤＶＤ、ブルーレイディスク、ＤＡＴ、８ｍｍテープ、フラッシュメモリなどのメモリカード等がある。また、コンピュータ等に固定された記録媒体としてハードディスクやＲＯＭ等がある。
《その他》
以上の実施形態は、さらに以下の付記と呼ぶ態様を含む。以下の各付記に含まれる構成要素は、他の付記に含まれる構成と組み合わせることができる。
（付記１）
個人を特定する処理の対象である対象者の心拍数データから、前記対象者の食事に伴う心拍数変化の特徴量を取得する手段と、
複数の候補者のそれぞれに対応付けられた前記特徴量の履歴値の分布範囲を算出する手段と、
前記対象者から取得した前記特徴量と、前記特徴量の履歴値の分布範囲との関係に基づいて前記複数の候補者の中から前記対象者に該当する候補者を抽出する手段と、
を備える対象者特定装置。
（付記２）
前記特徴量は、食事の時間帯を含む第１期間に得られる心拍数データから算出される、付記１に記載の対象者特定装置。
（付記３）
前記第１期間は、食事の開始時刻から、前記開始時刻の後に心拍数が上昇後に下降し終わる時刻までの所定期間を含む、付記２に記載の対象者特定装置。
（付記４）
前記特徴量は、食事の時間帯の直後の期間を含む第２期間に得られる心拍数データから算出される、付記１から３の何れか一の付記に記載の対象者特定装置。
（付記５）
前記第２期間は、前記第１期間の終了時刻から、前記終了時刻の後に心拍数が上昇後に下降し終わる時刻までの所定期間を含む、付記４に記載の対象者特定装置。
（付記６）
前記特徴量は、前記対象者の前記第１期間の心拍数の合計と前記対象者の前記第２期間の心拍数の合計との合計比を含む、付記４または５に記載の対象者特定装置。
（付記７）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数を含む、付記２から６の何れか一の付記に記載の対象者特定装置。
（付記８）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数を含む、付記４から７の何れか一の付記に記載の対象者特定装置。
（付記９）
前記特徴量は、前記対象者の前記第１期間の開始の時から、前記第１期間の第１最大心拍数に到達するまでの速度を含む、付記２から８の何れか一の付記に記載の対象者特定装置。
（付記１０）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数に到達の時から前記第１期間の終了の時に到達するまでの速度を含む、付記２から９の何れか一の付記に記載の対象者特定装置。
（付記１１）
前記特徴量は、前記対象者の前記第２期間の開始の時から、前記第２期間の第２最大心拍数に到達するまでの速度を含む、付記４から１０の何れか一の付記に記載の対象者特定装置。
（付記１２）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数に到達の時から前記第２期間の終了の時に到達するまでの速度を含む、付記４から１１の何れか一の付記に記載の対象者特定装置。
（付記１３）
前記特徴量は、前記対象者の前記第１期間の開始の時から、前記第１期間の第１最大心拍数に到達するまでの期間を含む、付記２から１２の何れか一の付記に記載の対象者特定装置。
（付記１４）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数に到達の時から、前記第１最大心拍数が前記第１期間の終了の時に到達するまでの速度で所定心拍数に回復するまでの期間を含む、付記２から１３の何れか一の付記に記載の対象者特定装置。
（付記１５）
前記特徴量は、前記対象者の前記第２期間の開始の時から、前記第２期間の第２最大心拍数に到達するまでの期間を含む、付記４から１４の何れか一の付記に記載の対象者特定装置。
（付記１６）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数に到達の時から、前記第２最大心拍数が前記第２期間の終了の時に到達するまでの速度で所定心拍数に回復するまでの期間を含む、付記４から１５の何れか一の付記に記載の対象者特定装置。
（付記１７）
コンピュータに、
個人を特定する処理の対象である対象者の心拍数データから、前記対象者の食事に伴う心拍数変化の特徴量を取得するステップと、
複数の候補者のそれぞれに対応付けられた前記特徴量の履歴値の分布範囲を算出するステップと、
前記対象者から取得した前記特徴量と、前記特徴量の履歴値の分布範囲との関係に基づいて前記複数の候補者の中から前記対象者に該当する候補者を抽出するステップと、
を実行させるための対象者特定プログラム。
（付記１８）
前記特徴量は、食事の時間帯を含む第１期間に得られる心拍数データから算出される、付記１７に記載の対象者特定プログラム。
（付記１９）
前記第１期間は、食事の開始時刻から、前記開始時刻の後に心拍数が上昇後に下降し終わる時刻までの所定期間を含む、付記１８に記載の対象者特定プログラム。
（付記２０）
前記特徴量は、食事の時間帯の直後の期間を含む第２期間に得られる心拍数データから算出される、付記１７から１９の何れか一の付記に記載の対象者特定プログラム。
（付記２１）
前記第２期間は、前記第１期間の終了時刻から、前記終了時刻の後に心拍数が上昇後に下降し終わる時刻までの所定期間を含む、付記２０に記載の対象者特定プログラム。
（付記２２）
前記特徴量は、前記対象者の前記第１期間の心拍数の合計と前記対象者の前記第２期間の心拍数の合計との合計比を含む、付記２０または２１に記載の対象者特定プログラム。（付記２３）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数を含む、付記１８から２２の何れか一の付記に記載の対象者特定プログラム。
（付記２４）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数を含む、付記２０から２３の何れか一の付記に記載の対象者特定プログラム。
（付記２５）
前記特徴量は、前記対象者の前記第１期間の開始の時から、前記第１期間の第１最大心拍数に到達するまでの速度を含む、付記１８から２４の何れか一の付記に記載の対象者特定プログラム。
（付記２６）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数に到達の時から前記第１期間の終了の時に到達するまでの速度を含む、付記１８から２５の何れか一の付記に記載の対象者特定プログラム。
（付記２７）
前記特徴量は、前記対象者の前記第２期間の開始の時から、前記第２期間の第２最大心拍数に到達するまでの速度を含む、付記２０から２６の何れか一の付記に記載の対象者特定プログラム。
（付記２８）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数に到達の時から前記第２期間の終了の時に到達するまでの速度を含む、付記２０から２７の何れか一の付記に記載の対象者特定プログラム。
（付記２９）
前記特徴量は、前記対象者の前記第１期間の開始の時から、前記第１期間の第１最大心拍数に到達するまでの期間を含む、付記１８から２８の何れか一の付記に記載の対象者特定プログラム。
（付記３０）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数に到達の時から、前記第１最大心拍数が前記第１期間の終了の時に到達するまでの速度で所定心拍数に回復するまでの期間を含む、付記１８から２９の何れか一の付記に記載の対象者特定プログラム。
（付記３１）
前記特徴量は、前記対象者の前記第２期間の開始の時から、前記第２期間の第２最大心拍数に到達するまでの期間を含む、付記２０から３０の何れか一の付記に記載の対象者特定プログラム。
（付記３２）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数に到達の時から、前記第２最大心拍数が前記第２期間の終了の時に到達するまでの速度で所定心拍数に回復するまでの期間を含む、付記２０から３１の何れか一の付記に記載の対象者特定プログラム。
（付記３３）
コンピュータが、
個人を特定する処理の対象である対象者の心拍数データから、前記対象者の食事に伴う心拍数変化の特徴量を取得するステップと、
複数の候補者のそれぞれに対応付けられた前記特徴量の履歴値の分布範囲を算出するステップと、
前記対象者から取得した前記特徴量と、前記特徴量の履歴値の分布範囲との関係に基づいて前記複数の候補者の中から前記対象者に該当する候補者を抽出するステップと、
を実行する作業対象確定方法。
（付記３４）
前記特徴量は、食事の時間帯を含む第１期間に得られる心拍数データから算出される、付記３３に記載の対象者特定方法。
（付記３５）
前記第１期間は、食事の開始時刻から、前記開始時刻の後に心拍数が上昇後に下降し終わる時刻までの所定期間を含む、付記３４に記載の対象者特定方法。
（付記３６）
前記特徴量は、食事の時間帯の直後の期間を含む第２期間に得られる心拍数データから算出される、付記３３から３５の何れか一の付記に記載の対象者特定方法。
（付記３７）
前記第２期間は、前記第１期間の終了時刻から、前記終了時刻の後に心拍数が上昇後に下降し終わる時刻までの所定期間を含む、付記３６に記載の対象者特定方法。
（付記３８）
前記特徴量は、前記対象者の前記第１期間の心拍数の合計と前記対象者の前記第２期間の心拍数の合計との合計比を含む、付記３６または３７に記載の対象者特定方法。
（付記３９）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数を含む、付記３４から３８の何れか一の付記に記載の対象者特定方法。
（付記４０）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数を含む、付記３６から３９の何れか一の付記に記載の対象者特定方法。
（付記４１）
前記特徴量は、前記対象者の前記第１期間の開始の時から、前記第１期間の第１最大心拍数に到達するまでの速度を含む、付記３４から４０の何れか一の付記に記載の対象者特定方法。
（付記４２）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数に到達の時から前記第１期間の終了の時に到達するまでの速度を含む、付記３４から４１の何れか一の付記に記載の対象者特定方法。
（付記４３）
前記特徴量は、前記対象者の前記第２期間の開始の時から、前記第２期間の第２最大心拍数に到達するまでの速度を含む、付記３６から４２の何れか一の付記に記載の対象者特定方法。
（付記４４）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数に到達の時から前記第２期間の終了の時に到達するまでの速度を含む、付記３６から４３の何れか一の付記に記載の対象者特定方法。
（付記４５）
前記特徴量は、前記対象者の前記第１期間の開始の時から、前記第１期間の第１最大心拍数に到達するまでの期間を含む、付記３４から４４の何れか一の付記に記載の対象者特
定方法。
（付記４６）
前記特徴量は、前記対象者の前記第１期間の第１最大心拍数に到達の時から、前記第１最大心拍数が前記第１期間の終了の時に到達するまでの速度で所定心拍数に回復するまでの期間を含む、付記３４から４５の何れか一の付記に記載の対象者特定方法。
（付記４７）
前記特徴量は、前記対象者の前記第２期間の開始の時から、前記第２期間の第２最大心拍数に到達するまでの期間を含む、付記３６から４６の何れか一の付記に記載の対象者特定方法。
（付記４８）
前記特徴量は、前記対象者の前記第２期間の第２最大心拍数に到達の時から、前記第２最大心拍数が前記第２期間の終了の時に到達するまでの速度で所定心拍数に回復するまでの期間を含む、付記３６から４７の何れか一の付記に記載の対象者特定方法。
１、１ａ、１ｂ 情報処理システム
１０、１０ａ、１０ｂ、９０ 情報処理装置
１１、１１Ａ、１１Ｂ、１１Ｃ、１１Ｄ、２１、３１ センサ端末
４１ 情報処理端末（スマート端末）
９１ ＣＰＵ
９２ 主記憶部
９３ 補助記憶部
９４ 入力部
９５ 出力部
９６ 通信部
１０１ データ受信部
１０１ａ データ送受信部
１０２ ＤＢ情報取得部
１０３、２１４、４１１ 候補者固有範囲作成部
１０４、２１３、４１２ 対象者絞り込み部
１０５ 結果表示部
１１１ センサ装着判定部
１１２ 心拍数データ取得部
１１３ 加速度データ取得部
１１４ 運動期間判定部
１１５ 食事期間判定部
１１６ ノイズ心拍数除去部
１１７ 面積特徴量算出部
１１８ 振幅特徴量算出部
１１９ 時間特徴量算出部
１２０ 速度特徴量算出部
１２１ データ送信部
１２１ａ データ送受信部
２０１ 食事特徴量ＤＢ
２１１ 心拍数取得部
２１２ 特徴量算出部

Claims (16)

  1. 対象者から心拍数の推移を示す心拍数データを取得して、前記対象者の食事開始後の時間経過に伴う心拍数の推移から、心拍数の時系列変化に伴う特徴を示す複数種類の特徴量を取得する手段と、
    複数の候補者のそれぞれ毎に複数の心拍数データを予め取得しておき、前記複数の候補者のそれぞれ毎の複数の心拍数データについて食事開始後の時間経過に伴う心拍数の推移に基づき複数種類の特徴量を取得して、前記複数の候補者についての前記複数種類それぞれの前記特徴量の分布範囲を算出する手段と、
    前記複数種類それぞれの前記特徴量の分布範囲のうち、前記複数の候補者相互に重複のない固有の分布範囲に、前記対象者から取得した前記特徴量が含まれる場合に当該固有の分布範囲に対応付けされる候補者を前記対象者に該当する候補者として抽出する手段と、
    を備える対象者特定装置。
  2. 前記特徴量は、食事の開始時刻から、前記開始時刻の後に心拍数が上昇後に下降し終わる時刻までの所定期間を含み、前記複数の候補者について共通する設定方法で設定される第１期間に得られる心拍数データから算出される、請求項１に記載の対象者特定装置。
  3. 前記特徴量は、前記第１期間の終了時刻から、前記終了時刻の後に心拍数が上昇後に下降し終わる時刻までの所定期間を含み、前記複数の候補者について共通する設定方法で設定される第２期間に得られる心拍数データから算出される、請求項２に記載の対象者特定装置。
  4. 前記特徴量は、前記対象者の前記第１期間の心拍数の合計と前記対象者の前記第２期間の心拍数の合計との合計比を含む、請求項３に記載の対象者特定装置。
  5. 前記特徴量は、前記対象者の前記第１期間の第１最大心拍数を含む、請求項２から４の何れか一項に記載の対象者特定装置。
  6. 前記特徴量は、前記対象者の前記第２期間の第２最大心拍数を含む、請求項３または４に記載の対象者特定装置。
  7. 前記特徴量は、前記対象者の前記第１期間の開始の時から、前記第１期間の第１最大心拍数に到達するまでの速度を含む、請求項２から６の何れか一項に記載の対象者特定装置。
  8. 前記特徴量は、前記対象者の前記第１期間の第１最大心拍数に到達の時から前記第１期間の終了の時に到達するまでの速度を含む、請求項２から７の何れか一項に記載の対象者特定装置。
  9. 前記特徴量は、前記対象者の前記第２期間の開始の時から、前記第２期間の第２最大心拍数に到達するまでの速度を含む、請求項３、４および６の何れか一項に記載の対象者特定装置。
  10. 前記特徴量は、前記対象者の前記第２期間の第２最大心拍数に到達の時から前記第２期間の終了の時に到達するまでの速度を含む、請求項３、４、６および９の何れか一項に記載の対象者特定装置。
  11. 前記特徴量は、前記対象者の前記第１期間の開始の時から、前記第１期間の第１最大心拍数に到達するまでの期間を含む、請求項２から１０の何れか一項に記載の対象者特定装置。
  12. 前記特徴量は、前記対象者の前記第１期間の第１最大心拍数に到達の時から、前記第１最大心拍数が前記第１期間の終了の時に到達するまでの速度で所定心拍数に回復するまでの期間を含む、請求項２から１１の何れか一項に記載の対象者特定装置。
  13. 前記特徴量は、前記対象者の前記第２期間の開始の時から、前記第２期間の第２最大心拍数に到達するまでの期間を含む、請求項３、４、６、９および１０の何れか一項に記載の対象者特定装置。
  14. 前記特徴量は、前記対象者の前記第２期間の第２最大心拍数に到達の時から、前記第２最大心拍数が前記第２期間の終了の時に到達するまでの速度で所定心拍数に回復するまでの期間を含む、請求項３、４、６、９、１０および１３の何れか一項に記載の対象者特定装置。
  15. コンピュータに、
    対象者から心拍数の推移を示す心拍数データを取得して、前記対象者の食事開始後の時間経過に伴う心拍数の推移から、心拍数の時系列変化に伴う特徴を示す複数種類の特徴量を取得するステップと、
    複数の候補者のそれぞれ毎に複数の心拍数データを予め取得しておき、前記複数の候補者のそれぞれ毎の複数の心拍数データについて食事開始後の時間経過に伴う心拍数の推移に基づき複数種類の特徴量を取得して、前記複数の候補者についての前記複数種類それぞれの前記特徴量の分布範囲を算出するステップと、
    前記複数種類それぞれの前記特徴量の分布範囲のうち、前記複数の候補者相互に重複のない固有の分布範囲に、前記対象者から取得した前記特徴量が含まれる場合に当該固有の分布範囲に対応付けされる候補者を前記対象者に該当する候補者として抽出するステップと、
    を実行させるための対象者特定プログラム。
  16. コンピュータが、
    対象者から心拍数の推移を示す心拍数データを取得して、前記対象者の食事開始後の
    時間経過に伴う心拍数の推移から、心拍数の時系列変化に伴う特徴を示す複数種類の特徴量を取得するステップと、
    複数の候補者のそれぞれ毎に複数の心拍数データを予め取得しておき、前記複数の候補者のそれぞれ毎の複数の心拍数データについて食事開始後の時間経過に伴う心拍数の推移に基づき複数種類の特徴量を取得して、前記複数の候補者についての前記複数種類それぞれの前記特徴量の分布範囲を算出するステップと、
    前記複数種類それぞれの前記特徴量の分布範囲のうち、前記複数の候補者相互に重複のない固有の分布範囲に、前記対象者から取得した前記特徴量が含まれる場合に当該固有の分布範囲に対応付けされる候補者を前記対象者に該当する候補者として抽出するステップと、
    を実行する作業対象確定方法。
JP2014179040A 2014-09-03 2014-09-03 対象者特定装置、対象者特定プログラム及び対象者特定方法 Expired - Fee Related JP6557952B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2014179040A JP6557952B2 (ja) 2014-09-03 2014-09-03 対象者特定装置、対象者特定プログラム及び対象者特定方法
EP15183037.9A EP2992816B1 (en) 2014-09-03 2015-08-28 Subject person specifying apparatus, subject person specifying program, and subject person specifying method
US14/840,800 US9839377B2 (en) 2014-09-03 2015-08-31 Subject person specifying apparatus and subject person specifying method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014179040A JP6557952B2 (ja) 2014-09-03 2014-09-03 対象者特定装置、対象者特定プログラム及び対象者特定方法

Publications (2)

Publication Number Publication Date
JP2016053801A JP2016053801A (ja) 2016-04-14
JP6557952B2 true JP6557952B2 (ja) 2019-08-14

Family

ID=54012128

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014179040A Expired - Fee Related JP6557952B2 (ja) 2014-09-03 2014-09-03 対象者特定装置、対象者特定プログラム及び対象者特定方法

Country Status (3)

Country Link
US (1) US9839377B2 (ja)
EP (1) EP2992816B1 (ja)
JP (1) JP6557952B2 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016092707A1 (ja) * 2014-12-12 2016-06-16 富士通株式会社 食事推定プログラム、食事推定方法及び食事推定装置
TWI644187B (zh) * 2016-05-06 2018-12-11 泰博科技股份有限公司 生理數據校時方法、系統、非暫態電腦可讀取媒體及電腦程式產品
JP6787399B2 (ja) * 2016-07-22 2020-11-18 富士通株式会社 情報処理装置、消化率推定方法、情報処理システムおよび消化率推定プログラム
JP6953831B2 (ja) 2017-06-23 2021-10-27 富士通株式会社 食事検知プログラム、食事検知方法及び食事検知システム
JP6881082B2 (ja) * 2017-06-23 2021-06-02 富士通株式会社 食事検知プログラム、食事検知方法及び食事検知システム
US11331019B2 (en) 2017-08-07 2022-05-17 The Research Foundation For The State University Of New York Nanoparticle sensor having a nanofibrous membrane scaffold
JP6984467B2 (ja) * 2018-02-08 2021-12-22 富士通株式会社 食事推定プログラム、食事推定方法及び食事推定装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0197136A (ja) 1987-10-06 1989-04-14 Matsushita Electric Ind Co Ltd 消費電力低減装置
JPH06142065A (ja) 1992-11-09 1994-05-24 Omron Corp 生体情報測定装置
JP3843576B2 (ja) 1998-01-16 2006-11-08 富士ゼロックス株式会社 データ入力装置およびそれを用いた情報機器保護方法
FI115290B (fi) * 1999-10-13 2005-04-15 Polar Electro Oy Menetelmä ja järjestely kuntosuorituksen tekijän varmentamiseksi
JP4432181B2 (ja) 2000-01-18 2010-03-17 ソニー株式会社 認証装置および認証方法、データ処理装置およびデータ処理方法、並びに記録媒体
JP4272459B2 (ja) 2003-04-02 2009-06-03 日本電信電話株式会社 個人認証装置、個人認証方法及び個人認証プログラム
WO2004096045A1 (ja) 2003-05-02 2004-11-11 Seijiro Tomita 個体判別方法及びその装置
JP2006218033A (ja) 2005-02-09 2006-08-24 Univ Of Electro-Communications 生体識別方法及び生体識別装置
JP2006346221A (ja) * 2005-06-16 2006-12-28 Heart Metrics Kk 個人認証方法及び装置
US8762733B2 (en) * 2006-01-30 2014-06-24 Adidas Ag System and method for identity confirmation using physiologic biometrics to determine a physiologic fingerprint
JP2007213196A (ja) 2006-02-08 2007-08-23 Olympus Corp 個人認証方法、個人認証システムおよび生体情報測定システム
US9974468B2 (en) * 2013-03-15 2018-05-22 Covidien Lp Systems and methods for identifying a medically monitored patient

Also Published As

Publication number Publication date
US9839377B2 (en) 2017-12-12
US20160058328A1 (en) 2016-03-03
EP2992816B1 (en) 2021-08-11
EP2992816A1 (en) 2016-03-09
JP2016053801A (ja) 2016-04-14

Similar Documents

Publication Publication Date Title
JP6557952B2 (ja) 対象者特定装置、対象者特定プログラム及び対象者特定方法
Bharadwaj et al. A review on the role of machine learning in enabling IoT based healthcare applications
US11457822B2 (en) Methods and systems for arrhythmia tracking and scoring
EP3410928B1 (en) Aparatus and method for assessing heart failure
Yang et al. Lifelogging data validation model for internet of things enabled personalized healthcare
Sufi et al. Diagnosis of cardiovascular abnormalities from compressed ECG: a data mining-based approach
CN103596493B (zh) 压力测量设备和方法
WO2017127246A1 (en) Adaptive model-based system to automatically quantify fall risk
CN108135527A (zh) 用于生物识别的方法、装置及系统
Hemmatpour et al. A review on fall prediction and prevention system for personal devices: evaluation and experimental results
Castaldo et al. Fall prediction in hypertensive patients via short-term HRV analysis
KR102176001B1 (ko) 생체 정보 측정장치 및 측정방법
EP4193371A1 (en) Systems and methods for generating health risk assessments
US9672339B2 (en) Electro-biometric authentication
JP2018195164A (ja) 解析装置、解析プログラム及び解析方法
JP6373641B2 (ja) 医療情報処理システム、医療情報処理方法、および医療情報処理プログラム
Khalid et al. A two-class approach to the detection of physiological deterioration in patient vital signs, with clinical label refinement
CN108697363A (zh) 用于检测心脏变时功能不全的装置和方法
Ho et al. A telesurveillance system with automatic electrocardiogram interpretation based on support vector machine and rule-based processing
Rhee et al. Electromyogram-based hand gesture recognition robust to various arm postures
Mohan et al. Artificial Intelligence and IoT in Elderly Fall Prevention: A Review
Ramachandran et al. Machine learning-based fall detection in geriatric healthcare systems
Reiss et al. An integrated mobile system for long-term aerobic activity monitoring and support in daily life
Xu et al. Total health: Toward continuous personal monitoring
US20230290506A1 (en) Systems and methods for rapidly screening for signs and symptoms of disorders

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170605

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180420

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180508

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181204

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190201

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: 20190618

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190701

R150 Certificate of patent or registration of utility model

Ref document number: 6557952

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees