JP6828619B2 - 心拍数補正プログラム、心拍数補正方法及び心拍数補正システム - Google Patents

Description

本発明は、心拍数補正プログラム、心拍数補正方法及び心拍数補正システムに関する。

ヘルスケアのサポートには、日常生活の様々な行動、例えば食事や排尿、排便などの記録が活用される。これらの行動は、一例として、ウェアラブル端末に搭載されるセンサが計測する心拍数の変化から検知される。

このように心拍数の変化から行動を検知する技術の一例として、生活管理端末装置が提案されている。例えば、生活管理端末装置は、所定時間以上、脈拍が上昇し、かつＧＳＲ（Galvanic Skin Reflex；皮膚電気反射）に急激な上昇がないとき、あるいは、所定時間以上、脈拍が上昇し、かつ皮膚温度が下降しないとき、ユーザは食事中であると判断する。

特開２００３−１７３３７５号公報 国際公開第２０１６／０６２７０７号 特開２０１６−３００８６号公報 特開２０１３−２０５９６５号公報

しかしながら、上記の技術では、運動による心拍の影響が阻害要因となって、特定の行動が検知できない場合がある。

例えば、食事を例に挙げれば、食堂等への移動後に食事が行われることがある。この場合、移動時に歩行や階段の昇降などの運動が行われる影響により心拍数が上昇した状態で食事が行われる。このとき、食事の作用により心拍が上昇する速度よりも運動後に安静時の心拍に回復する速度が上回る場合、食事という行動の結果として、心拍の低下という事象が観測されることになる。このように食事による心拍の立ち上がりが運動による心拍の影響に埋もれる場合、上記の生活管理端末装置では、食事中と判断することはできない。

１つの側面では、本発明は、運動による心拍の影響が対象者による特定の行動検知を阻害することを、抑制できる心拍数補正プログラム、心拍数補正方法及び心拍数補正システムを提供することを目的とする。

一態様では、対象者の心拍を計測する第一のセンサから心拍の状態に関する心拍データを取得し、前記対象者の運動を計測する第二のセンサから運動データを取得し、前記運動データから計測区間における運動区間を特定し、前記運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定し、前記心拍データに基づき、前記補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を特定し、前記補正対象区間の心拍データについては、特定した心拍数に補正した補正データへ置換し、前記補正対象区間の前記補正データと、前記計測区間における前記補正対象区間以外の区間の心拍データとに基づき、前記対象者による特定の行動を検知する、処理をコンピュータに実行させる。

一つの態様によれば、運動による心拍の影響が対象者による特定の行動検知を阻害することを抑制できる。

図１は、実施例１に係るヘルスケア支援システムに含まれる各装置の機能的構成の一例を示す図である。 図２は、心拍波形の一例を示す図である。 図３は、心拍波形の一例を示す図である。 図４は、ベース心拍数の特定方法の一例を示す図である。 図５は、心拍波形の一例を示す図である。 図６は、心拍波形の一例を示す図である。 図７は、心拍波形の一例を示す図である。 図８は、心拍波形の一例を示す図である。 図９は、実施例１に係る心拍数補正処理の手順を示すフローチャートである。 図１０は、実施例２に係るヘルスケア支援システムに含まれる各装置の機能的構成の一例を示す図である。 図１１は、心拍波形の一例を示す図である。 図１２は、正規化に用いるパラメータの一例を示す図である。 図１３は、運動後における心拍数の立ち下がりモデルの生成方法の一例を示す図である。 図１４は、心拍波形の一例を示す図である。 図１５は、実施例２に係る心拍数補正処理の手順を示すフローチャートである。 図１６は、実施例３に係るヘルスケア支援システムに含まれる各装置の機能的構成の一例を示す図である。 図１７は、モデルの生成方法の一例を示す図である。 図１８は、心拍波形の一例を示す図である。 図１９は、実施例３に係る心拍数補正処理の手順を示すフローチャートである。 図２０は、実施例１〜実施例４に係る心拍数補正プログラムを実行するコンピュータのハードウェア構成例を示す図である。

以下に添付図面を参照して本願に係る心拍数補正プログラム、心拍数補正方法及び心拍数補正システムについて説明する。なお、この実施例は開示の技術を限定するものではない。そして、各実施例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

［システム構成］
図１は、実施例１に係るヘルスケア支援システムに含まれる各装置の機能的構成の一例を示す図である。図１に示すヘルスケア支援システム１は、各種のヘルスケア支援サービスを提供するものである。例えば、ヘルスケア支援サービスの一例として、ウェアラブル端末１０により取得される心拍数データを用いて対象者の日常生活の行動、例えば食事や排尿、排便、飲酒、睡眠等を記録するサービス、さらには、その記録を活用する派生のサービスなどが挙げられる。

図１に示すように、ヘルスケア支援システム１には、ウェアラブル端末１０と、ＩｏＴ（Internet of Things）デバイス２０と、サーバ装置３０とが含まれる。なお、図１には、ＩｏＴデバイス２０が１つのウェアラブル端末１０を収容する場合を図示したが、ＩｏＴデバイス２０は複数のウェアラブル端末１０を収容することとしてもかまわない。また、図１には、サーバ装置３０が１つのＩｏＴデバイス２０を収容する場合を例示したが、サーバ装置３０には、複数のＩｏＴデバイス２０が収容されることとしてもかまわない。

これらのうち、ウェアラブル端末１０及びＩｏＴデバイス２０の間では、一例として、ＢＬＥ（Bluetooth（登録商標） Low Energy）などの近距離無線通信を介してデータが授受される。これはあくまで一例であり、ウェアラブル端末１０及びＩｏＴデバイス２０が有線により接続されることとしてもかまわない。また、ＩｏＴデバイス２０及びサーバ装置３０の間は、有線または無線を問わず、任意のネットワークを介して接続することができる。このようなネットワークの一例として、３Ｇ（Generation）、ＬＴＥ（Long Term Evolution）、４Ｇや５Ｇなどに対応するモバイルネットワークの他、ＬＡＮ（Local Area Network）やＶＰＮ（Virtual Private Network）などの構内通信網を始め、インターネット（Internet）などが挙げられる。

ウェアラブル端末１０は、ヘルスケア支援サービスの提供を受ける対象者が装着することにより利用されるコンピュータである。例えば、ウェアラブル端末１０は、腕輪型、リストバンド型、あるいは指輪型のガジェットであってもよいし、頭部に装着されるヘッドマウントディスプレイやスマートグラスであってもよいし、また、胸部や腰部などの胴体の他、足首に装着されるタイプのデバイスであってもよい。

例えば、ウェアラブル端末１０には、対象者の心拍を計測する第一のセンサ１１が搭載される。ここで言う「心拍数」とは、血液を送り出す心臓の拍動回数を指す。例えば、第一のセンサ１１に心拍数の変化に対応する血流量の変化を測定する光電脈波センサを採用することにより、単位時間あたりの心拍数を計測できる。このとき、単位時間を１分間とする場合、心拍数はｂｐｍ（beats per minute）等で表現される。また、単位時間を１秒間とする場合、心拍数はＨｚで表現される。この他、第一のセンサ１１には、心臓の電気的活動を計測する心電センサを採用することもできる。この場合、心電波形におけるＲ波とＲ波の間隔（ｍｓｅｃ）を心拍数の代わりに用いることができる。このように第一のセンサ１１により計測される心拍数の時系列データは、ＩｏＴデバイス２０へ出力される。以下では、第一のセンサ１１により計測される心拍数の時系列データのことを「心拍数データ」と記載する場合がある。なお、心拍数データは、心拍の状態に関する心拍データの一例である。

なお、ここでは、第一のセンサ１１がウェアラブル端末１０に搭載される場合を例示したが、必ずしもウェアラブル端末１０に搭載されずともよく、対象者が生活する環境側に設置される環境センサであってもかまわない。例えば、対象者の生体の一部が所定のサンプリング周波数で撮像される画像に関する輝度の時系列変化から心拍数を検出したり、ＲＦ（Radio Frequency）モーションセンサを用いて拍動に伴うドップラ周波数を検出したりすることにより、心拍数の検出を対象者の生体部位に非接触の状態で実現することとしてもかまわない。

このような第一のセンサ１１の他、ウェアラブル端末１０には、対象者の運動を計測する第二のセンサ１２が搭載される。ここで言う「運動」とは、目的とする行動以外の体動を伴う活動全般を指し、例えば、歩行や走行、階段の昇降などが含まれる。例えば、第二のセンサ１２には、一例として、３軸の加速度センサを採用することができる。このように第二のセンサ１２により計測される加速度の時系列データが運動データの一例としてＩｏＴデバイス２０へ出力される。なお、ここでは、第二のセンサ１２の一例として、加速度センサを用いる場合を例示したが、加速度センサと共に角速度センサを併用することもできるし、加速度センサの代わりに角速度センサを単独で用いることもできる。

ＩｏＴデバイス２０は、ウェアラブル端末１０をネットワークに接続する機能を一側面として有するデバイスである。このＩｏＴデバイス２０には、一例として、対象者が使用するスマートフォンや携帯電話機、ＰＨＳ（Personal Handyphone System）などを始め、スレート端末やタブレット端末などの携帯端末装置が対応する。例えば、ＩｏＴデバイス２０は、ウェアラブル端末１０からＢＬＥ通信等を介して通知された心拍数データおよび運動データをネットワークを介してサーバ装置３０に転送する。

このようにウェアラブル端末１０からＩｏＴデバイス２０を介してサーバ装置３０へ転送される心拍数データ及び運動データなどのセンサイベントは、一例として、ＭＱＴＴ（Message Queuing Telemetry Transport）メッセージとして転送できる。このとき、心拍数データ及び運動データは、心拍数や加速度が計測される度にリアルタイムで伝送されることとしてもよいし、所定期間、例えば１２時間、１日間、１週間や１ヶ月などにわたって蓄積してから伝送することとしてもかまわない。

サーバ装置３０は、上記のヘルスケア支援サービスを提供するコンピュータである。例えば、サーバ装置３０は、パッケージソフトウェア又はオンラインソフトウェアとして、上記のヘルスケア支援サービスに対応する機能を実現するヘルスケア支援プログラムを所望のコンピュータにインストールさせることによって実装できる。例えば、サーバ装置３０は、上記のヘルスケア支援サービスを提供するＷｅｂサーバとして実装することとしてもよいし、アウトソーシングによって上記のヘルスケア支援サービスを提供するクラウドとして実装することとしてもかまわない。

ここで、本実施例に係るサーバ装置３０には、心拍数データの計測区間のうち運動中と運動後からの所定区間とを補正対象区間に設定し、補正対象区間の始まりと終わりの心拍数のうちより低い心拍数に値が補正された補正データに置き換える心拍数補正機能が実装される。このように、ヘルスケア支援システム１は、心拍数補正システムの一例に対応する。以下では、補正値として用いる心拍数のことを「ベース心拍数」と記載する場合がある。

このように心拍数補正機能を実装するのは、一側面として、食事による心拍の立ち上がりや立ち下がりなどの行動を検知する上で手がかりとなる特徴が運動による心拍の影響に埋もれる場合があるからである。図２及び図３は、心拍波形の一例を示す図である。図２には、計測時に運動が行われていない心拍数データの波形が示されている。一方、図３には、計測時に運動が行われた心拍数データの波形が示されている。これら図２及び図３では、行動検知の一例として、食事の検知が行われる場合を示す。図２及び図３の食事区間Ｌ１は、濃いグラデーションのハッチングで示される一方で、４つの運動区間Ｍ１〜Ｍ４は、食事区間Ｌ１よりも薄いグラデーションのハッチングで示されている。なお、図２及び図３に示すグラフの縦軸は、心拍数［ｂｐｍ］を指し、横軸は、時刻［ＨＨ：ＭＭ］を指す。

図２に示す心拍数データの波形Ｗ１には、食事の作用として心拍の立ち上がりが明瞭に現れているので、食事区間Ｌ１を検知できる可能性が高い。一方、図３に示す心拍数データの波形Ｗ２には、４つの運動区間Ｍ１〜Ｍ４が含まれることにより、食事区間Ｌ１の検知漏れが発生するばかりか、誤検知まで発生するおそれがある。すなわち、図３に示すように、心拍数データの波形Ｗ２には、運動区間Ｍ１の直後に食事区間Ｌ１が存在する。これは、運動が行われた直後に食事が行われたことを意味する。このため、食事区間Ｌ１では、心拍数が上昇した状態で食事が行われるので、食事の作用により心拍が上昇する速度よりも運動区間Ｍ１の運動後に安静時の心拍に回復する速度が上回る。この結果、食事区間Ｌ１では、食事という現象に、心拍数が低下するという結果が現れる。このように食事による心拍の立ち上がりが運動による心拍の影響に埋もれる場合、運動による心拍の影響が検知漏れの一因となることがある。さらに、運動区間Ｍ２〜運動区間Ｍ４では、各々の運動による影響で心拍数が上昇している。これら運動区間Ｍ２〜運動区間Ｍ４における心拍数の上昇は、目的とする食事以外の運動による心拍の上昇が食事と誤検知される阻害要因となることがある。

これらの行動検知の阻害要因となりうる運動による心拍への影響を抑制するために、サーバ装置３０には、上記の心拍数補正機能が実装される。この心拍数補正機能では、補正対象区間の設定と共に補正対象区間で計測された心拍数の代わりに置き換える補正値、すなわちベース心拍数の特定が実施される。

図４は、ベース心拍数の特定方法の一例を示す図である。図４の運動区間Ｍ５は、濃いグラデーションのハッチングで示される一方で、運動区間Ｍ５後の所定区間は、運動区間Ｍ５よりも薄いグラデーションのハッチングで示されている。なお、図４に示すグラフにおいても、縦軸は、心拍数［ｂｐｍ］を指し、横軸は、時刻［ＨＨ：ＭＭ］を指す。

図４に示すように、心拍数データの波形Ｗ３の計測区間のうち運動区間Ｍ５に所定区間Ｋ１が付加された補正対象区間Ｃ１、例えば「運動区間Ｍ５＋所定区間Ｋ１」が設定される。そして、補正対象区間Ｃ１の始まりＡ１と終わりＢ１の心拍数のうちより低い方の心拍数ｍｉｎ（Ａ１，Ｂ１）がベース心拍数ｂ１として特定される。このように補正対象区間の始まりＡ１と終わりＢ１の心拍数のうち低い方の心拍数をベース心拍数ｂ１として用いるのは、補正値を安静時の心拍数に近付けるためである。さらに、低い方を取ることで安静時の心拍数に近付いたと言えるのは、目的とする行動以外の運動は心拍に上昇する作用を与えるためである。このため、より低い心拍の計測値を用いて補正した方が目的とする行動以外の運動の影響を除去できている可能性が高いからである。ここではベース心拍数としてｍｉｎ（Ａ１，Ｂ１）を用いたが、これに限らない。例えば、ｍｉｎ（Ａ１，Ｂ１）にＡ１とＢ１の差の絶対値の１０％を足したものでも良い。また、心拍数Ａ１とＢ１は補正区間前後の所定区間の代表値であっても良い。たとえば、補正区間前の５分間の区間の心拍数の平均値をＡ１の心拍数としても良い。

ｍｉｎ（Ａ１，Ｂ１）によりベース心拍数ｂ１が特定された後、補正対象区間Ｃ１の心拍数データがベース心拍数ｂ１に値が補正された補正データに置換される。この補正データへの置換により、運動による心拍への影響を抑制することができる。

図５〜図８は、心拍波形の一例を示す図である。これら図５〜図８にも、行動検知の一例として、食事の検知が行われる場合を示す。図５〜図８の食事区間Ｌ２〜食事区間Ｌ５は、濃いグラデーションのハッチングで示される一方で、運動区間Ｍ６〜運動区間Ｍ１３は、食事区間Ｌ１よりも薄いグラデーションのハッチングで示されている。さらに、運動後に付加される所定区間Ｋ２〜Ｋ９は、運動区間Ｍ６〜運動区間Ｍ１３よりもさらに薄いグラデーションのハッチングで示されている。なお、図５〜図８に示すグラフにおいても、縦軸は、心拍数［ｂｐｍ］を指し、横軸は、時刻［ＨＨ：ＭＭ］を指す。

図５に示す心拍数データの波形Ｗ４からは、第二のセンサ１２から取得される運動データを用いて運動区間Ｍ６および運動区間Ｍ７が特定される。これらのうち、運動区間Ｍ６には、所定区間Ｋ２が加算されることにより補正対象区間Ｃ２が設定されると共に、運動区間Ｍ７には、所定区間Ｋ３が加算されることにより補正対象区間Ｃ３が設定される。さらに、補正対象区間Ｃ２の開始時点における心拍数Ａ２及び終了時点における心拍数Ｂ２が比較されることにより、低い方の心拍数Ａ２がベース心拍数ｂ２として特定される。また、補正対象区間Ｃ３の開始時点における心拍数Ａ３及び終了時点における心拍数Ｂ３が比較されることにより、低い方の心拍数Ａ３がベース心拍数ｂ３として特定される。その上で、補正対象区間Ｃ２の心拍数データは、ベース心拍数ｂ２に値が補正された補正データに置換されると共に、補正対象区間Ｃ３の心拍数データは、ベース心拍数ｂ３に値が補正された補正データに置換される。

この結果、第一のセンサ１１から取得された心拍数データの波形Ｗ４からは、図５に太線により示された補正対象区間Ｃ２及びＣ３の補正データと、図５に一点鎖線により示された計測区間における補正対象区間Ｃ２及びＣ３以外の区間の心拍データとを含む波形が得られる。このようにして得られた補正後の心拍数データの波形からは、運動区間Ｍ６及び運動区間Ｍ７による運動の影響が除去される。それ故、実際の食事区間Ｌ２で食事行動が検知されることが期待できる上、補正対象区間Ｃ２及び補正対象区間Ｃ３で食事行動が誤検知されるのを抑制できる。

また、図６には、運動後すぐに食事が行われた状況で第一のセンサ１１により計測された心拍数データの波形Ｗ５が示されている。図６に示す心拍数データの波形Ｗ５では、運動区間Ｍ８における運動で上昇した心拍数が安静時の心拍数へ回復する影響が食事区間Ｌ３における食事により心拍数が上昇する作用よりも強く、食事区間Ｌ３における食事で心拍数の立ち上がりが観測されない。

図６に示す心拍数データの波形Ｗ５においても、図５に示す心拍数データの波形Ｗ４と同様の処理が実行される。すなわち、図６に示す心拍数データの波形Ｗ５からは、運動区間Ｍ８および運動区間Ｍ９が特定された後、運動区間Ｍ８に所定区間Ｋ４が加算された補正対象区間Ｃ４が設定されると共に、運動区間Ｍ９に所定区間Ｋ５が加算された補正対象区間Ｃ５が設定される。さらに、補正対象区間Ｃ４からは、心拍数Ａ４及び心拍数Ｂ４のうち低い方の心拍数Ａ４がベース心拍数ｂ４として特定されると共に、補正対象区間Ｃ５からは、心拍数Ａ５及び心拍数Ｂ５のうち低い方の心拍数Ａ５がベース心拍数ｂ５として特定される。その上で、補正対象区間Ｃ４の心拍数データは、ベース心拍数ｂ４に値が補正された補正データに置換されると共に、補正対象区間Ｃ５の心拍数データは、ベース心拍数ｂ５に値が補正された補正データに置換される。

この結果、図６に示す心拍数データの波形Ｗ５からは、図６に太線により示された補正対象区間Ｃ４及びＣ５の補正データと、図６に一点鎖線により示された計測区間における補正対象区間Ｃ４及びＣ５以外の区間の心拍数データとを含む波形が得られる。

このようにして得られた補正後の心拍数データの波形からは、運動区間Ｍ８及び運動区間Ｍ９による運動の影響が除去される。それ故、図６に示す補正後の心拍数データの波形からは、運動区間Ｍ８における運動の影響で埋もれていた食事区間Ｌ３における食事で心拍数の立ち上がりが現れるので、食事区間Ｌ３における食事行動の検知漏れが発生するのを抑制できる。さらに、図６に示す補正後の心拍数データからは、補正対象区間Ｃ５で食事行動が誤検知されるのも抑制できる。

さらに、図７には、食後すぐに運動が行われた状況で第一のセンサ１１により計測された心拍数データの波形Ｗ６が示されている。図７に示す心拍数データの波形Ｗ６では、食事区間Ｌ４における食事による心拍の立ち上がりは観測される。その一方で、食事区間Ｌ４における食事により上昇した心拍数が安静時の心拍数へ回復する心拍数の立ち下がりの特徴が運動区間Ｍ１１における運動による心拍の上昇の影響に埋もれて観測されない。

図７に示す心拍数データの波形Ｗ６においても、図５に示す心拍数データの波形Ｗ４と同様の処理が実行される。すなわち、図７に示す心拍数データの波形Ｗ６からは、運動区間Ｍ１０および運動区間Ｍ１１が特定された後、運動区間Ｍ１０に所定区間Ｋ６が加算された補正対象区間Ｃ６が設定されると共に、運動区間Ｍ１１に所定区間Ｋ７が加算された補正対象区間Ｃ７が設定される。さらに、補正対象区間Ｃ６からは、心拍数Ａ６及び心拍数Ｂ６のうち低い方の心拍数Ａ６がベース心拍数ｂ６として特定されると共に、補正対象区間Ｃ７からは、心拍数Ａ７及び心拍数Ｂ７のうち低い方の心拍数Ｂ７がベース心拍数ｂ７として特定される。その上で、補正対象区間Ｃ６の心拍数データは、ベース心拍数ｂ６に値が補正された補正データに置換されると共に、補正対象区間Ｃ７の心拍数データは、ベース心拍数ｂ７に値が補正された補正データに置換される。

この結果、図７に示す心拍数データの波形Ｗ６からは、図７に太線により示された補正対象区間Ｃ６及びＣ７の補正データと、図７に一点鎖線により示された計測区間における補正対象区間Ｃ６及びＣ７以外の区間の心拍数データとを含む波形が得られる。

このようにして得られた補正後の心拍数データの波形からは、運動区間Ｍ１０及び運動区間Ｍ１１による運動の影響が除去される。それ故、図７に示す補正後の心拍数データの波形からは、運動区間Ｍ１１における運動の影響で埋もれていた食事区間Ｌ４における食事後の心拍数の立ち下がりが現れるので、食事区間Ｌ４における食事行動の検知漏れが発生するのを抑制できる。さらに、図７に示す補正後の心拍数データの波形からは、補正対象区間Ｃ６で食事行動が誤検知されるのも抑制できる。

さらに、図８には、運動後すぐに食事をして食後にすぐ運動が行われた状況で第一のセンサ１１により計測された心拍数データの波形Ｗ７が示されている。図８に示す心拍数データの波形Ｗ７では、運動区間Ｍ１２における運動で上昇した心拍数が安静時の心拍数へ回復する影響が食事区間Ｌ５における食事により心拍数が上昇する作用よりも強く、食事区間Ｌ５における食事で心拍数の立ち上がりが観測されない。加えて、図８に示す心拍数データの波形Ｗ７では、食事区間Ｌ５における食事により上昇した心拍数が安静時の心拍数へ回復する心拍数の立ち下がりの特徴が運動区間Ｍ１３における運動による心拍の上昇の影響に埋もれて観測されない。

図８に示す心拍数データの波形Ｗ７においても、図５に示す心拍数データの波形Ｗ４と同様の処理が実行される。すなわち、図８に示す心拍数データの波形Ｗ７からは、運動区間Ｍ１２および運動区間Ｍ１３が特定された後、運動区間Ｍ１２に所定区間Ｋ８が加算された補正対象区間Ｃ８が設定されると共に、運動区間Ｍ１３に所定区間Ｋ９が加算された補正対象区間Ｃ９が設定される。さらに、補正対象区間Ｃ８からは、心拍数Ａ８及び心拍数Ｂ８のうち低い方の心拍数Ａ８がベース心拍数ｂ８として特定されると共に、補正対象区間Ｃ９からは、心拍数Ａ９及び心拍数Ｂ９のうち低い方の心拍数Ｂ９がベース心拍数ｂ９として特定される。その上で、補正対象区間Ｃ８の心拍数データは、ベース心拍数ｂ８に値が補正された補正データに置換されると共に、補正対象区間Ｃ９の心拍数データは、ベース心拍数ｂ９に値が補正された補正データに置換される。

この結果、図８に示す心拍数データの波形Ｗ７からは、図８に太線により示された補正対象区間Ｃ８及びＣ９の補正データと、図８に一点鎖線により示された計測区間における補正対象区間Ｃ８及びＣ９以外の区間の心拍数データとを含む波形が得られる。

このようにして得られた補正後の心拍数データの波形からは、運動区間Ｍ１２及び運動区間Ｍ１３による運動の影響が除去される。それ故、図８に示す補正後の心拍数データの波形からは、運動区間Ｍ１２における運動の影響で埋もれていた食事区間Ｌ５における食事で心拍数の立ち上がりが現れる。さらに、図８に示す補正後の心拍数データの波形からは、運動区間Ｍ１３における運動の影響で埋もれていた食事区間Ｌ５における食事後の心拍数の立ち下がりが現れる。したがって、食事区間Ｌ５における食事行動の検知漏れが発生するのを抑制すると共に、補正対象区間Ｃ８や補正対処区間Ｃ９で食事行動が誤検知されるのも抑制できる。

図５〜図８を用いて説明した通り、本実施例に係るサーバ装置３０では、食事による心拍の立ち上がりや立ち下がりなどの行動を検知する上で手がかりとなる特徴が運動による心拍の影響に埋もれるのを抑制できる。したがって、本実施例に係るサーバ装置３０によれば、運動による心拍の影響が対象者による特定の行動検知を阻害することを抑制することが可能になる。

このような心拍数データの補正が実行された後、サーバ装置３０は、補正対象区間の補正データと、計測区間における補正対象区間以外の区間の心拍数データとに基づいて、日常生活に関する行動、例えば食事や排尿、排便を検知する。

これによって、サーバ装置３０は、日常生活に関する行動が行われた行動時間を記録することができる他、それまでに記録された行動時間に基づいてヘルスケアに関する各種のレコメンドを出力することができる。例えば、食事行動が検知される場合、サーバ装置３０は、食事時間を記録したり、所定期間、例えば１週間などにわたる食事時間帯の一覧表を生成した上で出力したり、それまでに記録された食事時間から食習慣またはダイエットに関する分析を行った上で各種のレコメンドを出力したりすることもできる。このようなレコメンドは、一例として、対象者により使用されるＩｏＴデバイス２０に出力させることができる他、対象者の関係者、例えば親族、産業医などの医療担当者または介護担当者などにより使用される端末装置に出力することもできる。これによって、上記のヘルスケア支援サービスが実現される。

なお、ここでは、一例として、サーバ装置３０が心拍数データ及び運動データを取得してから心拍数補正、行動検知、行動蓄積及びレコメンド出力を含む一連のヘルスケア支援サービスを実行する場合を例示したが、必ずしも全てがサーバ装置３０により実行されずともよい。例えば、サーバ装置３０上で上記の心拍数補正機能が抜粋された心拍数補正プログラムを動作させることにより、心拍数データ及び運動データを取得してから補正後の心拍数データが出力されるまでのフロントエンドの部分に絞ってサーバ装置３０に実行させることもできる。この場合、サーバ装置３０は、行動検知や行動蓄積、レコメンドの出力などの機能をバックエンドで実行するサービスやアプリケーション、ＡＩ（Artificial Intelligence）、データセンタ外の他のサーバ装置等に委ねることもできる。

［サーバ装置３０の機能的構成］
次に、本実施例に係るサーバ装置３０の機能的構成について説明する。図１に示すように、サーバ装置３０は、第一の取得部３１と、第二の取得部３２と、第一の特定部３３と、設定部３４と、第二の特定部３５と、置換部３６と、検知部３７とを有する。なお、サーバ装置３０は、図１に示す機能部以外にも既知のコンピュータが有する各種の機能部、例えば他の装置との間で通信制御を行う通信インタフェースなどを有することとしてもかまわない。

図１に示す第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６及び検知部３７などの機能部は、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）などのハードウェアプロセッサにより仮想的に実現される。すなわち、プロセッサは、図示しない記憶装置、例えばＨＤＤ（Hard Disk Drive）、光ディスクやＳＳＤ（Solid State Drive）などの記憶装置からＯＳ（Operating System）の他、ヘルスケア支援プログラムまたは心拍数補正プログラムなどのプログラムを読み出す。その上で、プロセッサは、ヘルスケア支援プログラムや心拍数補正プログラムを実行することにより、ＲＡＭ（Random Access Memory）等のメモリ上に上記の機能部に対応するプロセスを展開する。この結果、上記の機能部がプロセスとして仮想的に実現される。ここでは、プロセッサの一例として、ＣＰＵやＭＰＵを例示したが、汎用型および特化型を問わず、任意のプロセッサにより上記の機能部が実現されることとしてもかまわない。この他、上記の機能部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などのハードワイヤードロジックによって実現されることとしてもかまわない。

第一の取得部３１は、第一のセンサ１１から心拍数データを取得する処理部である。また、第二の取得部３２は、第二のセンサ１２から運動データを取得する処理部である。これら第一の取得部３１及び第二の取得部３２により取得された心拍数データ及び運動データは、第一の特定部３３へ出力される。このようにウェアラブル端末１０から心拍数データ及び運動データなどのセンサイベントを取得する第一の取得部３１及び第二の取得部３２の機能は、一例として、ＭＱＴＴサーバ用のプログラムを実行させることにより実装できる。

第一の特定部３３は、運動データから計測区間における運動区間を特定する処理部である。ここで言う「運動区間」とは、歩行、走行や階段の昇降などの運動が行われた期間を指し、例えば、運動区間の判定に第二の取得部３２により運動データとして取得された加速度データが用いられる。

一実施形態として、第一の特定部３３は、上記の運動区間の特定に、上記の加速度データに含まれる加速度のうち少なくとも上下方向、すなわち重力方向の加速度を用いる。このように重力方向の加速度を用いるのは、歩行、走行や階段の昇降などの運動が行われる場合、加速度が特定のパターンで変化すると共に当該パターンが周期的に現れるからである。すなわち、歩行、走行や階段の昇降などの運動時には、脚部の蹴り出し時および着地時に地面等から反力を受けるので、重力方向の加速度に上昇及び下降の変化が短期間で現れる。さらに、重力方向の加速度に関する上昇及び下降の変化は、地面から荷重が除かれて足が地面に接地する度に周期的に現れる。

このことから、第一の特定部３３は、一例として、重力方向の加速度から上記の上昇および下降のパターンを歩行動作として検出する。そして、第一の特定部３３は、歩行動作が現れる間隔が所定期間内であるか否かを判定する。このとき、歩行動作が現れる間隔が所定期間以内である場合、当該歩行動作が所定期間内に繰り返して現れる区間を運動区間と特定する。ここで、上記の運動区間の特定には、一例として、ウェアラブル端末１０が装着された状態で対象者が運動活動を行い、運動活動に伴う加速度変化を実験的に採取することにより、上記のパターンを形成する上昇および下降の程度から歩行動作を弁別する閾値、例えば２Ｈｚ±０．５Ｈｚを設定することができる。さらに、歩行動作が現れる間隔についても実験的に現れる値から上記の所定期間を定めることもできる。なお、上記の運動区間は、運動期間の開始時刻とその継続時間により表現することもできるし、運動開始時刻及び運動終了時刻として表現することもできる。また、心拍数変化に影響する腕や脚、上半身、下半身、姿勢変化などの動作が現れる動作期間も上記の運動区間とすることができる。

なお、ここでは、運動区間を特定する例を説明したが、運動区間に含まれる歩行動作の数をカウントすることにより歩数をさらに検出することもできる。

設定部３４は、第一の特定部３３により特定された運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定する処理部である。

一実施形態として、設定部３４は、第一の特定部３３により特定された運動区間ごとに、当該運動区間に所定区間を付加することにより、心拍数データに補正対象区間（＝運動区間＋所定区間）を設定する。このように運動区間に所定区間を付加することとしたのは、運動直後には運動による心拍の影響が残るからである。それ故、運動区間には、一例として、運動後に安静時の心拍数まで心拍が回復すると期待できる程度の期間、例えば１分間が所定区間として付加される。

第二の特定部３５は、補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を特定する処理部である。

一実施形態として、第二の特定部３５は、設定部３４により設定された補正対象区間ごとに、当該補正対象区間の始まりに第一のセンサ１１により計測された心拍数Ａおよび補正対象区間の終わりに第一のセンサ１１により計測された心拍数Ｂを比較する。その上で、第二の特定部３５は、上記の心拍数Ａおよび上記の心拍数Ｂのうち低い方の心拍数、すなわちｍｉｎ（Ａ，Ｂ）をベース心拍数として特定する。

置換部３６は、補正対象区間の心拍数データについては、特定した心拍数に補正した補正データへ置換する処理部である。

一実施形態として、置換部３６は、設定部３４により設定された補正対象区間ごとに、当該補正対象区間に対応する心拍数データを第二の特定部３５により特定されたベース心拍数に値が補正された補正データに置換する。

検知部３７は、補正対象区間の補正データと、計測区間における補正対象区間以外の区間の心拍数データとに基づき、行動を検知する処理部である。

一実施形態として、検知部３７は、置換部３６により補正対象区間の心拍データが補正データに置換された補正対象区間の補正データと、第一の取得部３１により取得された心拍データの計測区間のうち補正データへの置換が行われていない補正対象区間以外の区間の心拍数データとを含む補正後の心拍数データが行動検知に用いられる。ここでは、あくまで行動の一例として、食事が検知される場合を例示するが、食事以外の排尿や排便を検知することとしてもよいし、心拍変動から検知可能な状態、例えば飲酒や睡眠、摂取カロリー量、消化状態、精神的負荷の上昇を検知することとしてもかまわない。

すなわち、検知部３７は、補正後の心拍数データに所定の時間長、例えば２１０分間を持つ窓を設定する。続いて、検知部３７は、窓が設定された区間に対応する部分データを切り出す。その後、検知部３７は、前回に設定された窓を所定のずらし幅、例えば５分間にわたってシフトさせる。その上で、検知部３７は、シフト後の窓に対応する部分データを切り出す。以下、心拍数データのうち窓に対応する部分が切り出された部分データのことを「窓データ」と記載する場合がある。

このように切り出された窓データごとに、検知部３７は、当該窓データの開始時刻から所定の期間、例えば６０分間までの期間を食事前とし、窓データの開始時刻から所定の時間後を「食事開始時刻」として、特徴量の算出を実行する。

ここで、特徴量の一例について説明する。例えば、食事に伴って食事開始後に発生する心拍数の変化には、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。すなわち、食事開始時刻から時間経過に伴って、食事開始後に先行して出現する心拍数変化のピークである「第１ピーク」と、第１ピークに後続して出現する心拍数変化のピークである「第２ピーク」とが出現する。なお、以下では、第１ピークの部分の波形を含む所定の領域のことを「第１ピーク領域」と記載し、第２ピークの部分の波形を含む所定の領域のことを「第２ピーク領域」と記載する場合がある。

このうち、「第１ピーク」は、食事行為に伴う心拍上昇であり、例えば、咀嚼や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、食事行為により摂取された摂取物、すなわち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。このことから、食事後には、第１ピークが現れた後に第２ピークが現れ、かつ第１ピークよりも第２ピークの方が長期間にわたる傾向にあるという知見を得ることができる。

これら第１ピークおよび第２ピークの傾向から、検知部３７は、上記の補正後の心拍数データから、下記の特徴量を算出することができる。例えば、第１ピーク領域ａ１の面積、及び、第２ピーク領域ａ２の面積などを特徴量として算出できる。また、第１ピークへ至るまでの心拍数の上昇速度、第２ピークへ至るまでの心拍数の上昇速度、第１ピークからの心拍数の回復速度、及び、第２ピークからの心拍数の回復速度なども特徴量として算出できる。また、第１ピークを形成する波形のうち心拍数が最大の値をとる最大心拍数Ｐ１、及び、第２ピークを形成する波形のうち心拍数が最大の値をとる最大心拍数Ｐ２を特徴量として算出できる。また、食事開始時刻を始点としたとき、最大心拍数Ｐ１が計測される時刻を終点とする経過時間ｔ１、最大心拍数Ｐ１を経た心拍数が所定値まで回復する時刻を終点とする経過時間ｔ２、最大心拍数Ｐ２が計測される時刻を終点とする経過時間ｔ３、及び、最大心拍数Ｐ２を経た心拍数が所定値まで回復する時刻を終点とする経過時間ｔ４などを特徴量として算出することもできる。この他、食事開始時刻以前に計測される心拍数のうち最低の値をとる食事前心拍数と、食事開始時刻以前の区間で食事前心拍数から食事開始時刻の心拍数までの心拍数の上昇幅により形成される領域の面積とを特徴量として算出することもできる。

このような特徴量が算出された後、検知部３７は、上記の特徴量がベクトル化された特徴量ベクトルを入力として食事らしさを表す尤度を出力する食事推定モデルを用いて、窓データの食事の有無を検知する。例えば、食事推定モデルが−１から＋１までの値を出力する場合、検知部３７は、窓データから算出された特徴量ベクトルを上記の食事推定モデルに入力する。この結果、食事推定モデルからの出力値が所定値、例えば「０」以上である場合、検知部３７は、当該窓データを食事に分類する。一方、食事推定モデルからの出力値が所定値、例えば「０」未満である場合、検知部３７は、当該窓データを非食事に分類する。なお、上記の食事推定モデルは、サポートベクタマシン、ブースティングやニューラルネットワークなどの任意のアルゴリズムにしたがって、部分データにクラス「食事」またはクラス「非食事」の正解のラベルが付与された教師データに機械学習を実行することにより得ることができる。

その後、検知部３７は、部分データごとに分類された食事または非食事の分類結果を行動蓄積やレコメンドの出力などの機能をバックエンドで実行するサービスやアプリケーション、ＡＩ、サーバ装置３０外部のコンピュータへ出力する。これによって、上述のヘルスケア支援サービスが実現される。

［処理の流れ］
図９は、実施例１に係る心拍数補正処理の手順を示すフローチャートである。この処理は、一例として、第一のセンサ１１及び第二のセンサ１２から送信される心拍数データ及び運動データを待機する状態から開始される。

図９に示すように、第一の取得部３１は、第一のセンサ１１から心拍数データを取得する（ステップＳ１０１）。また、第二の取得部３２は、第二のセンサ１２から運動データを取得する（ステップＳ１０２）。これらステップＳ１０１及びステップＳ１０２は、同時に実行されることとしてもよいし、順不同で実行されることとしてもかまわない。

そして、第一の特定部３３は、ステップＳ１０２で取得された運動データからステップＳ１０１で取得された心拍数データの計測区間における運動区間を特定する（ステップＳ１０３）。続いて、設定部３４は、ステップＳ１０３で特定された運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定する（ステップＳ１０４）。

その後、第二の特定部３５は、ステップＳ１０４で設定された補正対象区間ごとに、当該補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数をベース心拍数として特定する（ステップＳ１０５）。

続いて、置換部３６は、ステップＳ１０４で設定された補正対象区間ごとに、当該補正対象区間に対応する心拍数データをステップＳ１０５で特定されたベース心拍数に値が補正された補正データに置換する（ステップＳ１０６）。

そして、検知部３７は、ステップＳ１０６で置換された補正対象区間の補正データと、ステップＳ１０１で取得された心拍数データの計測区間のうちステップＳ１０６で置換されていない補正対象区間以外の区間の心拍数データとに基づき、行動を検知し（ステップＳ１０７）、処理を終了する。

［効果の一側面］
上述してきたように、本実施例に係るサーバ装置３０は、心拍数データの計測区間のうち運動中と運動後からの所定区間とを補正対象区間に設定し、補正対象区間の始まりと終わりの心拍数のうちより低い心拍数に値が補正された補正データに置き換える。これにより、食事による心拍の立ち上がりや立ち下がりなどの行動を検知する上で手がかりとなる特徴が運動による心拍の影響に埋もれるのを抑制できる。したがって、本実施例に係るサーバ装置３０によれば、運動による心拍の影響が対象者による特定の行動検知を阻害することを抑制することが可能になる。

さて、上記の実施例１では、補正対象区間に対応する心拍数データをベース心拍数に値が補正された補正データに置換する例を説明したが、運動区間後の所定区間と実際に食事が行われた食事区間とが重複する場合、行動検知に用いる特徴量のうち一部の特徴量に対応する心拍変動の特徴が上記の補正データへの置換により劣化することがある。

そこで、本実施例では、運動区間後の所定区間と食事区間とが重複する場合でも、行動検知に用いる特徴量のうち一部の特徴量に対応する心拍変動の特徴が劣化するのを抑制できる補正データを生成する例について説明する。

図１０は、実施例２に係るヘルスケア支援システムに含まれる各装置の機能的構成の一例を示す図である。なお、図１０には、図１に示すヘルスケア支援システム１と同一の機能を発揮する機能部には同一の符号を付し、その説明を省略することとする。

ここで、図６及び図１１を用いて、行動検知に用いる特徴量のうち一部の特徴量に対応する心拍変動の特徴が劣化する事例について説明する。

例えば、図６に示す心拍数データの波形Ｗ５からは、図６に太線で示された補正対象区間Ｃ４及びＣ５の補正データと、図６に一点鎖線で示された補正対象区間Ｃ４及びＣ５以外の区間の心拍データとを含む波形が補正後の心拍数データとして得られる。

図６に示す心拍数データの波形Ｗ５では、運動区間Ｍ８における運動が行われた後に食事区間Ｌ３で実際の食事が行われた状況で第一のセンサ１１により心拍数が計測されているが、補正後の心拍数データでも、食事行動の検知に用いる特徴量の一部が劣化している。すなわち、補正後の心拍数データでは、補正対象区間Ｃ４と、実際に食事が行われた食事区間Ｌ３とが隣接する。それ故、補正対象区間Ｃ４及び食事区間Ｌ３との境界で、補正対象区間Ｃ４が持つベース心拍数ｂ４、すなわち補正値Ａ４から補正対象区間Ｃ４の終わりの心拍数Ｂ４へ不連続に変化する。このように、図６に示す補正後の心拍数データでは、補正対象区間Ｃ４及び食事区間Ｌ３の境界が直角になるので、食事検知に用いる特徴量のうち心拍数の立ち上がりの特徴、すなわち第１ピークへ至るまでの心拍数の上昇速度が劣化する。

図１１は、心拍波形の一例を示す図である。図１１にも、行動検知の一例として、食事の検知が行われる場合を示す。図１１には、運動区間Ｍ１４に付加される所定区間Ｋ１０と食事区間Ｌ６とが重複する例が示されている。図１１の運動区間Ｍ１４及び運動区間Ｍ１５は、２番目に濃いグラデーションのハッチングで示されている。さらに、図１１における所定区間Ｋ１０及び食事区間Ｌ６の重複部分は、最も濃いグラデーションのハッチングで示されている。さらに、運動区間Ｍ１５に付加される所定区間Ｋ１１は、最も薄いグラデーションのハッチングで示されている。なお、図１１に示すグラフにおいても、縦軸は、心拍数［ｂｐｍ］を指し、横軸は、時刻［ＨＨ：ＭＭ］を指す。

図１１に示す心拍数データの波形Ｗ８からは、図１１に太線で示された補正対象区間Ｃ１０及びＣ１１の補正データと、図１１に一点鎖線で示された補正対象区間Ｃ１０及びＣ１１以外の区間の心拍データとを含む波形が補正後の心拍数データとして得られる。

図１１に示す心拍数データの波形Ｗ８では、運動区間Ｍ１４における運動が行われた後に食事区間Ｌ６で短い食事が行われた状況で第一のセンサ１１により心拍数が計測されているが、補正後の心拍数データでも、食事行動の検知に用いる特徴量の一部が劣化している。すなわち、補正後の心拍数データでは、運動区間Ｍ１４と、実際に食事が行われた食事区間Ｌ６とが隣接する。これにより、運動区間Ｍ１４に付加される所定区間Ｋ１０と、食事区間Ｌ６が重複する。この結果、補正対象区間Ｃ１０及び補正対象区間Ｃ１１との境界で、補正対象区間Ｃ１０のベース心拍数ｂ１０から補正対象区間Ｃ１１のベース心拍数ｂ１１へ不連続に変化する。このように、図１１に示す補正後の心拍数データでは、食事区間Ｌ６で第一のセンサ１１により計測される心拍数が補正対象区間Ｃ１０のベース心拍数ｂ１０に補正されることにより、補正データからは、食事検知に用いる特徴量が失われる。

これら図６及び図１１に示す通り、補正対象区間と実際に食事が行われた区間とに時間差がない場合、行動検知に用いる特徴量のうち一部の特徴量に対応する心拍変動の特徴が上記の補正データへの置換により劣化する。

そこで、本実施例に係るサーバ装置５０は、補正対象区間のうち運動区間に付加される所定区間の心拍数データに置き換える補正値をベース心拍数とする代わりに次のように算出する。すなわち、本実施例に係るサーバ装置５０は、運動区間の心拍数データの統計値と、運動後における心拍数の立ち下がりがモデル化されたモデルとから、運動区間後の所定区間における心拍数の立ち下がりの波形を推定する。その上で、本実施例に係るサーバ装置５０は、補正対象区間のうち運動区間に付加される所定区間の心拍数データに置き換える補正データとして、推定された所定区間における心拍数の立ち下がりの波形と、所定区間の心拍数データの波形との差分波形を算出する。

図１０の説明に戻り、図１０に示すヘルスケア支援システム２は、図１に示すヘルスケア支援システム１に比べて、サーバ装置５０が有する機能部の一部が異なる。すなわち、図１０に示すサーバ装置５０は、図１に示すサーバ装置３０に比べて、生成部５１と、推定部５２と、算出部５３とを有する点が異なる。

生成部５１は、運動後における心拍数の立ち下がりモデルを生成する処理部である。

一実施形態として、生成部５１は、第一の取得部３１により取得される心拍数データの計測区間のうち、第一の特定部３３により特定された運動区間後の所定区間の心拍数データを取得する。このとき、生成部５１は、一例として、当該運動区間の次の運動区間までの間隔が所定の期間、例えば３０分間以上であることを条件に、運動区間後の所定区間の心拍数データを取得することができる。これにより、運動後に運動で上昇した心拍数が安静時の心拍数へ回復する現象が後続して行われる運動の影響によって阻害されない状況に絞って運動区間後の所定区間の心拍数データを取得することができる。その後、運動区間後の所定区間の心拍数データが所定のサンプル数にわたって図示しない内部メモリに蓄積されるまで、所定区間の心拍数データの蓄積が繰り返される。

例えば、運動区間後の所定区間の心拍数データが所定のサンプル数にわたって図示しない内部メモリに蓄積されると、生成部５１は、運動区間後の所定区間の心拍数データを正規化する。一例として、生成部５１は、運動区間後の所定区間の心拍数データに含まれる心拍数を下記の式（１）に代入して正規化心拍数を算出することにより、所定区間の心拍数データを「０」から「１」までの値に正規化できる。

正規化心拍数＝（心拍数−ベース心拍数）／振幅・・・（１）

図１２は、正規化に用いるパラメータの一例を示す図である。図１２の運動区間Ｍ１５は、濃いグラデーションのハッチングで示される一方で、運動区間Ｍ１５後の所定区間Ｋ１２は、運動区間Ｍ１５よりも薄いグラデーションのハッチングで示されている。なお、図１２に示すグラフにおいても、縦軸は、心拍数［ｂｐｍ］を指し、横軸は、時刻［ＨＨ：ＭＭ］を指す。上記の式（１）における「心拍数」は、所定区間Ｋ１２の心拍数データに含まれる心拍数を指す。また、「ベース心拍数」は、補正対象区間Ｃ１２の始まりＡ１２および終わりＢ１２のうち低い方の心拍数を指す。また、「振幅」は、運動区間Ｍ１５に含まれる心拍数データに含まれる心拍数の統計値を指す。例えば、振幅には、運動区間Ｍ１５で計測される心拍数の平均値からベース心拍数を減算した値を用いることができる。なお、ここでは、振幅の一例として、平均値を用いる場合を例示したが、運動区間Ｍ１５で計測される心拍数の中央値や最頻値を振幅に用いることもできる。

図１３は、運動後における心拍数の立ち下がりモデルの生成方法の一例を示す図である。図１３の左側には、正規化心拍数の波形を示すグラフが示されている。図１３の左側に示すグラフには、同一人物から計測された心拍数データから算出された、運動後の所定区間における正規化心拍数の波形が、所定のサンプル数にわたってプロットされている。このうち、運動区間後の所定区間に対応する部分が矩形６１により囲って示されている。また、図１３の右側のグラフには、立ち下がりモデルの一例が示されている。なお、図１３の左側及び右側に示すグラフの縦軸は、正規化心拍数を指し、横軸は、運動区間の終了時点の時刻を原点とする経過時間を指す。

図１３の左側のグラフに示す矩形６１の通り、同一人物に関する正規化心拍数の波形であれば、運動後に運動で上昇した心拍数が安静時の心拍数へ回復する立ち下がりの波形は、サンプル間で大差が生じにくい。それ故、生成部５１は、図１３の左側のグラフに矩形６１として示された運動区間後の所定区間における正規化心拍数の波形を複数のサンプルの間で平均することにより、図１３の右側のグラフに示す立ち下がりモデル６２を生成することができる。このように生成された立ち下がりモデル６２は、推定部５２が参照する図示しない内部メモリのワークエリアに保存される。

推定部５２は、上記の立ち下がりモデルにしたがって運動区間後の所定区間における心拍数の立ち下がりの波形を推定する処理部である。

一実施形態として、推定部５２は、第一の特定部３３により特定された運動区間ごとに、当該運動区間の心拍数データの統計値、すなわち上記の振幅を算出する。そして、推定部５２は、当該運動区間の心拍数データから算出された振幅を、図示しない内部メモリに保存された立ち下がりモデルに乗算することにより、運動区間後の所定区間における心拍数の立ち下がりの波形を推定する。

算出部５３は、補正対象区間のうち運動区間に付加される所定区間の心拍数データに置き換える補正データを算出する処理部である。以下では、運動区間の補正データと区別する観点から、運動区間後の所定区間の補正データのことを「運動後補正データ」と記載する場合がある。

一実施形態として、算出部５３は、第一の特定部３３により特定された運動区間ごとに、当該運動区間後の所定区間の心拍数データの波形と、推定部５２により推定された所定区間における心拍数の立ち下がりの波形との差分波形を運動後補正データとして算出する。

図１４は、心拍波形の一例を示す図である。図１４にも、行動検知の一例として、食事の検知が行われる場合を示す。図１４には、運動区間Ｍ１６に付加される所定区間Ｋ１３と食事区間Ｌ７とが重複する例が示されている。図１４の運動区間Ｍ１６及び運動区間Ｍ１７は、２番目に濃いグラデーションのハッチングで示されている。さらに、図１４における所定区間Ｋ１３及び食事区間Ｌ７の重複部分は、最も濃いグラデーションのハッチングで示されている。さらに、図１４の所定区間Ｋ１３及び食事区間Ｌ７の非重複部分と所定区間Ｋ１４は、最も薄いグラデーションのハッチングで示されている。なお、図１４に示すグラフにおいても、縦軸は、心拍数［ｂｐｍ］を指し、横軸は、時刻［ＨＨ：ＭＭ］を指す。

図１４に示す心拍数データの波形Ｗ１０でも、図１１に示す心拍数データの波形Ｗ８と同様、運動区間Ｍ１６に付加される所定区間Ｋ１３と、食事区間Ｌ７とが重複するが、所定区間Ｋ１３の心拍数データは、ベース心拍数の値に補正された補正データの代わりに、運動後補正データに置換される。

すなわち、図１４の上段のグラフに示すように、運動区間Ｍ１６の心拍数データから算出された振幅を立ち下がりモデル６２に乗算することにより、運動区間後の所定区間Ｋ１３における心拍数の立ち下がりの波形６３が推定部５２により推定される。さらに、運動区間Ｍ１７の心拍数データから算出された振幅を立ち下がりモデル６２に乗算することにより、運動区間後の所定区間Ｋ１４における心拍数の立ち下がりの波形６４が推定部５２により推定される。その後、所定区間Ｋ１３における心拍数データから、所定区間Ｋ１３における心拍数の立ち下がりの波形６３を減算することにより、所定区間Ｋ１３に置き換える運動後補正データが算出される。さらに、所定区間Ｋ１４における心拍数データから、所定区間Ｋ１４における心拍数の立ち下がりの波形６４を減算することにより、所定区間Ｋ１４に置き換える運動後補正データが算出される。

この結果、図１４の下段のグラフに示すように、補正対象区間Ｃ１３のうち運動区間Ｍ１６の心拍数データがベース心拍数ｂ１３に値が補正された補正データに置換される一方で、所定区間Ｋ１３の心拍数データが運動後補正データに置換される。さらに、補正対象区間Ｃ１４のうち運動区間Ｍ１７の心拍数データがベース心拍数ｂ１４に値が補正された補正データに置換される一方で、所定区間Ｋ１４の心拍数データが運動後補正データに置換される。

ここで、所定区間Ｋ１３で第一のセンサ１１により計測される心拍数データには、運動区間Ｍ１６における運動で上昇した心拍数が安静時の心拍数に回復する立ち下がりの成分と、食事区間Ｌ７における食事により現れる心拍数の立ち上がりの成分とが混在する。しかしながら、所定区間Ｋ１３の心拍数データが置換される運動後補正データからは、運動区間Ｍ１６における運動で上昇した心拍数が安静時の心拍数に回復する立ち下がりの成分を除去できる。その一方で、所定区間Ｋ１３の心拍数データが置換される運動後補正データには、食事区間Ｌ７における食事により現れる心拍数の立ち上がりの成分が残すことができる。したがって、運動区間Ｍ１６後の所定区間Ｋ１３と、食事区間Ｌ７とが重複する場合でも、食事検知に用いる特徴量のうち心拍数の立ち上がりの特徴、すなわち第１ピークへ至るまでの心拍数の上昇速度が劣化するのを抑制できる。ここでは、運動区間後の所定区間内の補正方法について述べたが、補正する区間はこれに限らない。例えば、運動開始直後の所定区間において、運動開始後における心拍数の立ち上がりがモデル化されたモデルを同様の方法で作成し、モデルから推定した補正値を運動開始直後の所定区間において、心拍数データから減算した値を補正値とし、置換することで、心拍数の立下りの特徴の劣化を抑制することもできる。

［処理の流れ］
図１５は、実施例２に係る心拍数補正処理の手順を示すフローチャートである。この処理は、一例として、第一のセンサ１１及び第二のセンサ１２から送信される心拍数データ及び運動データを待機する状態から開始される。

図１５に示すように、第一の取得部３１は、第一のセンサ１１から心拍数データを取得する（ステップＳ２０１）。また、第二の取得部３２は、第二のセンサ１２から運動データを取得する（ステップＳ２０２）。これらステップＳ２０１及びステップＳ２０２は、同時に実行されることとしてもよいし、順不同で実行されることとしてもかまわない。

そして、第一の特定部３３は、ステップＳ２０２で取得された運動データからステップＳ２０１で取得された心拍数データの計測区間における運動区間を特定する（ステップＳ２０３）。続いて、設定部３４は、ステップＳ２０３で特定された運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定する（ステップＳ２０４）。

その後、第二の特定部３５は、ステップＳ２０４で設定された補正対象区間ごとに、当該補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数をベース心拍数として特定する（ステップＳ２０５）。

続いて、置換部３６は、ステップＳ２０４で設定された補正対象区間ごとに、当該補正対象区間のうち運動区間に対応する心拍数データをステップＳ２０５で特定されたベース心拍数に値が補正された補正データに置換する（ステップＳ２０６）。

そして、推定部５２は、ステップＳ２０３で特定された運動区間ごとに、当該運動区間の心拍数データの統計値、すなわち上記の振幅を算出する（ステップＳ２０７）。続いて、推定部５２は、ステップＳ２０７で算出された振幅を、図示しない内部メモリに保存された立ち下がりモデルに乗算することにより、運動区間後の所定区間における心拍数の立ち下がりの波形を推定する（ステップＳ２０８）。

その後、算出部５３は、ステップＳ２０３で特定された運動区間ごとに、当該運動区間後の所定区間の心拍数データの波形と、ステップＳ２０８で推定された所定区間における心拍数の立ち下がりの波形との差分波形を運動後補正データとして算出する（ステップＳ２０９）。

そして、置換部３６は、ステップＳ２０４で設定された補正対象区間ごとに、当該補正対象区間のうち運動区間後の所定区間に対応する心拍数データをステップＳ２０９で特定された運動後補正データに置換する（ステップＳ２１０）。

そして、検知部３７は、ステップＳ２０６及びステップＳ２１０で置換された補正対象区間の補正データ及び運動後補正データと、ステップＳ２０１で取得された心拍数データの計測区間のうちステップＳ２０６及びステップＳ２１０で置換されていない補正対象区間以外の区間の心拍数データとに基づき、行動を検知し（ステップＳ２１１）、処理を終了する。

［効果の一側面］
上述してきたように、本実施例に係るサーバ装置５０においても、上記の実施例１に係るサーバ装置３０と同様、運動による心拍の影響が対象者による特定の行動検知を阻害することを抑制することが可能になる。

さらに、本実施例に係るサーバ装置５０は、運動区間の心拍数データの統計値と、運動後における心拍数の立ち下がりがモデル化されたモデルとから、運動区間後の所定区間における心拍数の立ち下がりの波形を推定する。その上で、本実施例に係るサーバ装置５０は、補正対象区間のうち運動区間に付加される所定区間の心拍数データに置き換える補正データとして、推定された所定区間における心拍数の立ち下がりの波形と、所定区間の心拍数データの波形との差分波形を算出する。したがって、本実施例に係るサーバ装置５０によれば、運動区間後の所定区間と、食事区間とが重複する場合でも、食事検知に用いる特徴量のうち心拍数の立ち上がりの特徴、例えば第１ピークへ至るまでの心拍数の上昇速度が劣化するのを抑制できる。

さて、本実施例では、心拍数データの運動区間の前および後で運動以外の要因により心拍数が上昇する成分が含まれる場合でも、補正対象区間の心拍数データから運動による心拍数の影響を正確に除去できる例について説明する。

図１６は、実施例３に係るヘルスケア支援システムに含まれる各装置の機能的構成の一例を示す図である。なお、図１６においても、図１に示すヘルスケア支援システム１と同一の機能を発揮する機能部には同一の符号を付し、その説明を省略することとする。

図１６に示すヘルスケア支援システム３は、図１に示すヘルスケア支援システム１に比べて、サーバ装置７０が有する機能部の一部が異なる。すなわち、図１６に示すサーバ装置７０は、図１に示すサーバ装置３０に比べて、生成部７１と、算出部７２とを有する点が異なる。

生成部７１は、運動の強度と心拍数の上昇幅との関係がモデル化されたモデルを生成する処理部である。

一実施形態として、生成部７１は、第一の取得部３１により取得される心拍数データの計測区間のうち、第一の特定部３３により特定された運動区間の心拍数データを取得する。その上で、生成部７１は、運動区間で計測された運動データから当該運動区間における運動の強度を算出する。例えば、運動データが加速度データである場合、生成部７１は、運動区間に含まれる歩行動作の数をカウントすることにより歩数を運動の強度の一例として算出することができる。また、単位時間当たりの歩数やＭＥＴｓを歩数の代わりに用いても良い。さらに、生成部７１は、当該運動区間における心拍数の上昇幅をさらに算出する。例えば、上昇幅には、当該運動区間で計測される心拍数の平均値からベース心拍数を減算した値を用いることができる。他にも、運動区間で計測される心拍数データのうち最大値から最小値を減算することにより、運動区間における心拍数の上昇幅を算出できる。これら歩数および心拍数の上昇幅の組が所定のサンプル数にわたって図示しない内部メモリに蓄積されるまで、歩数および心拍数の上昇幅の組の蓄積が繰り返される。

その後、歩数および心拍数の上昇幅の組が所定のサンプル数にわたって図示しない内部メモリに蓄積されると、生成部７１は、次のような処理を実行する。すなわち、生成部７１は、内部メモリに蓄積された歩数および心拍数の上昇幅の組のうち、歩数が所定数ごとに区分された帯域ごとに当該帯域に含まれる心拍数の上昇幅のうち最低の心拍数の上昇幅を抽出する。その上で、生成部７１は、歩数の帯域ごとに抽出された最低の心拍数の上昇幅をつなぎ合わせることにより、歩数と、その歩数の運動が行われた場合に最低でも心拍が上昇する幅との対応関係をモデル化することができる。以下では、歩数に対応して最低でも心拍が上昇する幅のことを「最低心拍上昇幅」と記載する場合がある。

図１７は、モデルの生成方法の一例を示す図である。図１７の上段及び下段のグラフに示す縦軸は、心拍数の上昇幅を指し、横軸は、歩数を指す。図１７の上段のグラフには、同一人物から計測された心拍数データ及び運動データから抽出された歩数および心拍数の上昇幅の組が所定のサンプル数にわたってプロットされている。例えば、生成部７１は、図１７の上段のグラフにおいて、歩数が３０歩ごとに区分された帯域ごとに、当該帯域に含まれるプロットの中で心拍数の上昇幅が最下位からＮ（自然数）番目、例えば３番目のプロットに対応する心拍数の上昇幅を抽出する。これにより、図１７の下段のグラフに示すように、歩数と最低心拍上昇幅との関係がモデル化されたモデル８１が得られる。ここで、最下位から３番目のプロットに対応する心拍数の上昇幅を抽出するのは、計測異常値等が抽出されることにより、運動による最低心拍上昇幅を推定する精度が低下するのを抑制するためである。このように生成されたモデル８１は、算出部７２が参照する図示しない内部メモリのワークエリアに保存される。

算出部７２は、運動区間における運動の強度に対応する最低心拍上昇幅を用いて、ベース心拍数を算出する処理部である。以下では、第二の特定部３５により特定されるベース心拍数と区別する観点から、第二の特定部３５により特定されるベース心拍数を「第１のベース心拍数」と記載し、算出部７２が算出するベース心拍数を「第２のベース心拍数」と記載する場合がある。

一実施形態として、算出部７２は、第一の特定部３３により特定された運動区間ごとに、当該運動区間の運動データから当該運動区間における運動の強度を算出する。続いて、算出部７２は、図示しない内部メモリに保存されたモデルに含まれる最低心拍上昇幅のうち、運動区間における運動の強度に対応する最低心拍上昇幅を抽出する。その上で、算出部７２は、運動区間の心拍数データの統計値から、最低心拍上昇幅を減算することにより、第２のベース心拍数を算出する。

図１８は、心拍波形の一例を示す図である。図１８にも、行動検知の一例として、食事の検知が行われる場合を示す。図１８の運動区間Ｍ１８は、２番目に濃いグラデーションのハッチングで示されている。さらに、図１８の食事区間Ｌ８は、最も濃いグラデーションのハッチングで示されている。さらに、図１８の所定区間Ｋ１５は、最も薄いグラデーションのハッチングで示されている。なお、図１８に示すグラフにおいても、縦軸は、心拍数［ｂｐｍ］を指し、横軸は、時刻［ＨＨ：ＭＭ］を指す。

図１８には、運動区間Ｍ１８の前および後で運動以外の要因、例えば精神的緊張により心拍数が上昇する成分が含まれる心拍数データの波形Ｗ１１が示されている。図１８の上段に示すように、心拍数データの波形Ｗ１１からは、補正対象区間Ｃ１５の始まりの心拍数Ａ１５及び終わりの心拍数Ｂ１５のうち低い方の心拍数が第１のベース心拍数ｂ１５−１として特定される。このような第１のベース心拍数ｂ１５−１に補正対象区間Ｃ１５の心拍数データを置換したとしても、運動による心拍数の影響を除去しきれない。なぜなら、補正対象区間Ｃ１５の始まりの心拍数Ａ１５及び終わりの心拍数Ｂ１５は、いずれも運動以外の要因、例えば精神的緊張が一因となって安静時の心拍数よりも上昇しているからである。この結果、運動による心拍数の上昇の影響が実際よりも低く見積もられることになる。

このように運動による心拍数の上昇の影響が実際よりも低く見積もられるのを抑制するために、図１８の下段のグラフに示すように、モデル８１に含まれる最低心拍上昇幅のうち、運動区間Ｍ１８における運動の強度に対応する最低心拍上昇幅８２が算出部７２により抽出される。その上で、運動区間Ｍ１８の心拍数データに含まれる心拍数のうち最大の心拍数ｍ１から、最低心拍上昇幅８２を減算することにより、第２のベース心拍数ｂ１５−２が算出部７２により算出される。これら第１のベース心拍数ｂ１５−１及び第２のベース心拍数ｂ１５−２のうち、低い方のベース心拍数に値が補正された補正データに、補正対象区間Ｃ１５の心拍数データが置換される。これにより、運動区間Ｍ１８の前および後で運動以外の要因、例えば精神的緊張により心拍数が上昇する成分が含まれる場合でも、運動による心拍数の上昇の影響が実際よりも低く見積もられるのを抑制できる。

［処理の流れ］
図１９は、実施例３に係る心拍数補正処理の手順を示すフローチャートである。この処理は、一例として、第一のセンサ１１及び第二のセンサ１２から送信される心拍数データ及び運動データを待機する状態から開始される。

図１９に示すように、第一の取得部３１は、第一のセンサ１１から心拍数データを取得する（ステップＳ３０１）。また、第二の取得部３２は、第二のセンサ１２から運動データを取得する（ステップＳ３０２）。これらステップＳ３０１及びステップＳ３０２は、同時に実行されることとしてもよいし、順不同で実行されることとしてもかまわない。

そして、第一の特定部３３は、ステップＳ３０２で取得された運動データからステップＳ３０１で取得された心拍数データの計測区間における運動区間を特定する（ステップＳ３０３）。続いて、設定部３４は、ステップＳ３０３で特定された運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定する（ステップＳ３０４）。

その後、第二の特定部３５は、ステップＳ３０４で設定された補正対象区間ごとに、当該補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を第１のベース心拍数として特定する（ステップＳ３０５）。

そして、算出部７２は、運動の強度と最低心拍上昇幅との関係がモデル化されたモデルから、ステップＳ３０３で特定された運動区間における運動の強度に対応する最低心拍上昇幅を抽出する（ステップＳ３０６）。その上で、算出部７２は、ステップＳ３０３で特定された運動区間の心拍数データの心拍数のうち最大の心拍数から、ステップＳ３０６で抽出された最低心拍上昇幅を減算することにより、第２のベース心拍数を算出する（ステップＳ３０７）。

その後、置換部３６は、ステップＳ３０４で設定された補正対象区間ごとに、ステップＳ３０５で特定された第１のベース心拍数ｂ１５−１及びステップＳ３０７で算出された第２のベース心拍数ｂ１５−２のうち、低い方のベース心拍数に値が補正された補正データに、補正対象区間の心拍数データを置換する（ステップＳ３０８）。

そして、検知部３７は、ステップＳ３０８で置換された補正対象区間の補正データと、ステップＳ３０１で取得された心拍数データの計測区間のうちステップＳ３０８で置換されていない補正対象区間以外の区間の心拍数データとに基づき、行動を検知し（ステップＳ３０９）、処理を終了する。

［効果の一側面］
上述してきたように、本実施例に係るサーバ装置７０においても、上記の実施例１に係るサーバ装置３０と同様、運動による心拍の影響が対象者による特定の行動検知を阻害することを抑制することが可能になる。

さらに、本実施例に係るサーバ装置７０は、運動の強度と最低心拍上昇幅との関係がモデル化されたモデルに含まれる最低心拍上昇幅のうち運動区間における運動の強度に対応する最低心拍上昇幅を、運動区間の心拍数データの統計値から減算することにより、第２のベース心拍数を算出する。その上で、本実施例に係るサーバ装置７０は、第１のベース心拍数及び第２のベース心拍数のうち、低い方のベース心拍数に値が補正された補正データに、補正対象区間の心拍数データを置換する。したがって、本実施例に係るサーバ装置７０によれば、運動区間の前および後で運動以外の要因、例えば精神的緊張により心拍数が上昇する成分が含まれる場合でも、運動による心拍数の上昇の影響が実際よりも低く見積もられるのを抑制できる。

さて、これまで開示の装置に関する実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下では、本発明に含まれる他の実施例を説明する。

［スタンドアローン］
上記の実施例１〜実施例３では、上記のヘルスケア支援システム１〜３をクライアントサーバシステムとして構築される場合を例示したが、必ずしもクライアントサーバシステムとして構築されずともよい。例えば、サーバ装置３０、５０または７０が有する機能部により実行される図９、図１５または図１９に示す心拍数補正処理は、ウェアラブル端末１０に接続されたＩｏＴデバイス２０によりスタンドアローンで実行されることとしてもかまわない。さらに、ウェアラブル端末１０及びＩｏＴデバイス２０は、必ずしも別個の装置として構成されずともよい。すなわち、第一のセンサ１１及び第二のセンサを搭載するコンピュータにより、サーバ装置３０、５０または７０が有する機能部により実行される図９、図１５または図１９に示す心拍数補正処理がスタンドアローンで実行されることとしてもかまわない。

［分散および統合］
また、図示した各装置の各構成要素は、必ずしも物理的に図示の如く構成されておらずともよい。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６又は検知部３７をサーバ装置３０の外部装置としてネットワーク経由で接続するようにしてもよい。また、第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６、検知部３７、生成部５１、推定部５２又は算出部５３をサーバ装置５０の外部装置としてネットワーク経由で接続するようにしてもよい。さらに、第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６、検知部３７、生成部７１または算出部７２をサーバ装置７０の外部装置としてネットワーク経由で接続するようにしてもよい。

また、第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６又は検知部３７を別の装置がそれぞれ有し、ネットワーク接続されて協働することで、上記のサーバ装置３０の機能を実現するようにしてもよい。また、第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６、検知部３７、生成部５１、推定部５２又は算出部５３を別の装置がそれぞれ有し、ネットワーク接続されて協働することで、上記のサーバ装置５０の機能を実現するようにしてもよい。また、第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６、検知部３７、生成部７１または算出部７２を別の装置がそれぞれ有し、ネットワーク接続されて協働することで、上記のサーバ装置７０の機能を実現するようにしてもよい。

［心拍数補正プログラム］
また、上記の実施例で説明した各種の処理は、予め用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、図２０を用いて、上記の実施例と同様の機能を有する心拍数補正プログラムを実行するコンピュータの一例について説明する。

図２０は、実施例１〜実施例４に係る心拍数補正プログラムを実行するコンピュータのハードウェア構成例を示す図である。図２０に示すように、コンピュータ１００は、操作部１１０ａと、スピーカ１１０ｂと、カメラ１１０ｃと、ディスプレイ１２０と、通信部１３０とを有する。さらに、このコンピュータ１００は、ＣＰＵ１５０と、ＲＯＭ１６０と、ＨＤＤ１７０と、ＲＡＭ１８０とを有する。これら１１０〜１８０の各部はバス１４０を介して接続される。

ＨＤＤ１７０には、上記の実施例１で示した第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６及び検知部３７と同様の機能を発揮する心拍数補正プログラム１７０ａが記憶される。また、ＨＤＤ１７０には、第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６、検知部３７、生成部５１、推定部５２及び算出部５３と同様の機能を発揮する心拍数補正プログラム１７０ａが記憶されることとしてもかまわない。また、ＨＤＤ１７０には、第一の取得部３１、第二の取得部３２、第一の特定部３３、設定部３４、第二の特定部３５、置換部３６、検知部３７、生成部７１及び算出部７２と同様の機能を発揮する心拍数補正プログラム１７０ａが記憶されることとしてもかまわない。この心拍数補正プログラム１７０ａは、図１、図１０または図１６に示した構成要素と同様、統合又は分離してもかまわない。すなわち、ＨＤＤ１７０には、必ずしも上記の実施例１、２又は３で示した全てのデータが格納されずともよく、処理に用いるデータがＨＤＤ１７０に格納されればよい。

このような環境の下、ＣＰＵ１５０は、ＨＤＤ１７０から心拍数補正プログラム１７０ａを読み出した上でＲＡＭ１８０へ展開する。この結果、心拍数補正プログラム１７０ａは、図２０に示すように、心拍数補正プロセス１８０ａとして機能する。この心拍数補正プロセス１８０ａは、ＲＡＭ１８０が有する記憶領域のうち心拍数補正プロセス１８０ａに割り当てられた領域にＨＤＤ１７０から読み出した各種データを展開し、この展開した各種データを用いて各種の処理を実行する。例えば、心拍数補正プロセス１８０ａが実行する処理の一例として、図９、図１５または図１９に示す処理などが含まれる。なお、ＣＰＵ１５０では、必ずしも上記の実施例１で示した全ての処理部が動作せずともよく、実行対象とする処理に対応する処理部が仮想的に実現されればよい。

なお、上記の心拍数補正プログラム１７０ａは、必ずしも最初からＨＤＤ１７０やＲＯＭ１６０に記憶されておらずともかまわない。例えば、コンピュータ１００に挿入されるフレキシブルディスク、いわゆるＦＤ、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に心拍数補正プログラム１７０ａを記憶させる。そして、コンピュータ１００がこれらの可搬用の物理媒体から心拍数補正プログラム１７０ａを取得して実行するようにしてもよい。また、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１００に接続される他のコンピュータまたはサーバ装置などに心拍数補正プログラム１７０ａを記憶させておき、コンピュータ１００がこれらから心拍数補正プログラム１７０ａを取得して実行するようにしてもよい。

以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）対象者の心拍を計測する第一のセンサから心拍の状態に関する心拍データを取得し、
前記対象者の運動を計測する第二のセンサから運動データを取得し、
前記運動データから計測区間における運動区間を特定し、
前記運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定し、
前記心拍データに基づき、前記補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を特定し、
前記補正対象区間の心拍データについては、特定した心拍数に補正した補正データへ置換し、
前記補正対象区間の前記補正データと、前記計測区間における前記補正対象区間以外の区間の心拍データとに基づき、前記対象者による特定の行動を検知する、
処理をコンピュータに実行させる心拍数補正プログラム。

（付記２）前記運動区間の心拍データの統計値と、運動後における心拍数の立ち下がりがモデル化されたモデルとから、前記運動区間後の所定区間における心拍数の立ち下がりの波形を推定し、推定された前記所定区間における心拍数の立ち下がりの波形と、該所定区間の心拍データの波形との差分波形を算出する処理を前記コンピュータにさらに実行させ、
前記置換する処理は、前記補正対象区間のうち前記所定区間の心拍データを、前記差分波形に補正した補正データへ置換する付記１に記載の心拍数補正プログラム。

（付記３）前記運動区間の心拍データの統計値と、運動区間開始直後における心拍数の立ち上がりがモデル化されたモデルとから、前記運動区間開始直後の所定区間における心拍数の立ち上がりの波形を推定し、推定された前記所定区間における心拍数の立ち上がりの波形と、該所定区間の心拍データの波形との差分波形を算出する処理を前記コンピュータにさらに実行させ、
前記置換する処理は、前記補正対象区間のうち前記所定区間の心拍データを、前記差分波形に補正した補正データへ置換する付記１又は２に記載の心拍数補正プログラム。

（付記４）運動の強度と心拍の上昇幅との関係がモデル化されたモデルに含まれる心拍の上昇幅のうち、前記運動区間における運動の強度に対応する心拍の上昇幅を、該運動区間の心拍データの統計値から減算する処理を前記コンピュータにさらに実行させ、
前記置換する処理は、特定した心拍数、および、減算後の心拍数のうち、より低い方の心拍数に補正した補正データへ置換する付記１から３のいずれか一つに記載の心拍数補正プログラム。

（付記５）前記特定の行動は、前記対象者による食事行動であることを特徴とする付記１から４のいずれか一つに記載の心拍数補正プログラム。

（付記６）対象者の心拍を計測する第一のセンサから心拍の状態に関する心拍データを取得し、
前記対象者の運動を計測する第二のセンサから運動データを取得し、
前記運動データから計測区間における運動区間を特定し、
前記運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定し、
前記心拍データに基づき、前記補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を特定し、
前記補正対象区間の心拍データについては、特定した心拍数に補正した補正データへ置換し、
前記補正対象区間の前記補正データと、前記計測区間における前記補正対象区間以外の区間の心拍データとに基づき、前記対象者による特定の行動を検知する、
処理をコンピュータが実行する心拍数補正方法。

（付記７）前記運動区間の心拍データの統計値と、運動後における心拍数の立ち下がりがモデル化されたモデルとから、前記運動区間後の所定区間における心拍数の立ち下がりの波形を推定し、推定された前記所定区間における心拍数の立ち下がりの波形と、該所定区間の心拍データの波形との差分波形を算出する処理を前記コンピュータがさらに実行し、
前記置換する処理は、前記補正対象区間のうち前記所定区間の心拍データを、前記差分波形に補正した補正データへ置換する付記６に記載の心拍数補正方法。

（付記８）前記運動区間の心拍データの統計値と、運動区間開始直後における心拍数の立ち上がりがモデル化されたモデルとから、前記運動区間開始直後の所定区間における心拍数の立ち上がりの波形を推定し、推定された前記所定区間における心拍数の立ち上がりの波形と、該所定区間の心拍データの波形との差分波形を算出する処理を前記コンピュータがさらに実行し、
前記置換する処理は、前記補正対象区間のうち前記所定区間の心拍データを、前記差分波形に補正した補正データへ置換する付記６又は７に記載の心拍数補正方法。

（付記９）運動の強度と心拍の上昇幅との関係がモデル化されたモデルに含まれる心拍の上昇幅のうち、前記運動区間における運動の強度に対応する心拍の上昇幅を、該運動区間の心拍データの統計値から減算する処理を前記コンピュータがさらに実行し、
前記置換する処理は、特定した心拍数、および、減算後の心拍数のうち、より低い方の心拍数に補正した補正データへ置換する付記６から８のいずれか一つに記載の心拍数補正方法。

（付記１０）前記特定の行動は、前記対象者による食事行動であることを特徴とする付記６から９のいずれか一つに記載の心拍数補正方法。

（付記１１）対象者の心拍を計測する第一のセンサと、
前記対象者の運動を計測する第二のセンサと、
前記第一のセンサから心拍の状態に関する心拍データを取得する第一の取得部と、
前記第二のセンサから運動データを取得する第二の取得部と、
前記運動データから計測区間における運動区間を特定する第一の特定部と、
前記運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定する設定部と、
前記心拍データに基づき、前記補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を特定する第二の特定部と、
前記補正対象区間の心拍データについては、特定した心拍数に補正した補正データへ置換する置換部と、
前記補正対象区間の前記補正データと、前記計測区間における前記補正対象区間以外の区間の心拍データとに基づき、前記対象者による特定の行動を検知する検知部と、
を有する心拍数補正システム。

（付記１２）前記運動区間の心拍データの統計値と、運動後における心拍数の立ち下がりがモデル化されたモデルとから、前記運動区間後の所定区間における心拍数の立ち下がりの波形を推定する推定部と、
推定された前記所定区間における心拍数の立ち下がりの波形と、該所定区間の心拍データの波形との差分波形を算出する算出部とをさらに有し、
前記置換部は、前記補正対象区間のうち前記所定区間の心拍データを、前記差分波形に補正した補正データへ置換する付記１１に記載の心拍数補正システム。

（付記１３）前記運動区間の心拍データの統計値と、運動区間開始直後における心拍数の立ち上がりがモデル化されたモデルとから、前記運動区間開始直後の所定区間における心拍数の立ち上がりの波形を推定する推定部と、
推定された前記所定区間における心拍数の立ち上がりの波形と、該所定区間の心拍データの波形との差分波形を算出する算出部とをさらに有し、
前記置換部は、前記補正対象区間のうち前記所定区間の心拍データを、前記差分波形に補正した補正データへ置換する付記１１又は１２に記載の心拍数補正システム。

（付記１４）運動の強度と心拍の上昇幅との関係がモデル化されたモデルに含まれる心拍の上昇幅のうち、前記運動区間における運動の強度に対応する心拍の上昇幅を、該運動区間の心拍データの統計値から減算する算出部をさらに有し、
前記置換部は、特定した心拍数、および、減算後の心拍数のうち、より低い方の心拍数に補正した補正データへ置換する付記１１から１３のいずれか一つに記載の心拍数補正システム。

（付記１５）前記特定の行動は、前記対象者による食事行動であることを特徴とする付記１１から１４のいずれか一つに記載の心拍数補正システム。

１ ヘルスケア支援システム
１０ ウェアラブル端末
１１ 第一のセンサ
１２ 第二のセンサ
２０ ＩｏＴデバイス
３０ サーバ装置
３１ 第一の取得部
３２ 第二の取得部
３３ 第一の特定部
３４ 設定部
３５ 第二の特定部
３６ 置換部
３７ 検知部

Claims (7)

1. 対象者の心拍を計測する第一のセンサから心拍の状態に関する心拍データを取得し、
   前記対象者の運動を計測する第二のセンサから運動データを取得し、
   前記運動データから計測区間における運動区間を特定し、
   前記運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定し、
   前記心拍データに基づき、前記補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を特定し、
   前記補正対象区間の心拍データについては、特定した心拍数に補正した補正データへ置換し、
   前記補正対象区間の前記補正データと、前記計測区間における前記補正対象区間以外の区間の心拍データとに基づき、前記対象者による特定の行動を検知する、
   処理をコンピュータに実行させる心拍数補正プログラム。
2. 前記運動区間の心拍データの統計値と、運動後における心拍数の立ち下がりがモデル化されたモデルとから、前記運動区間後の所定区間における心拍数の立ち下がりの波形を推定し、推定された前記所定区間における心拍数の立ち下がりの波形と、該所定区間の心拍データの波形との差分波形を算出する処理を前記コンピュータにさらに実行させ、
   前記置換する処理は、前記補正対象区間のうち前記所定区間の心拍データを、前記差分波形に補正した補正データへ置換する請求項１に記載の心拍数補正プログラム。
3. 前記運動区間の心拍データの統計値と、運動区間開始直後における心拍数の立ち上がりがモデル化されたモデルとから、前記運動区間開始直後の所定区間における心拍数の立ち上がりの波形を推定し、推定された前記所定区間における心拍数の立ち上がりの波形と、該所定区間の心拍データの波形との差分波形を算出する処理を前記コンピュータにさらに実行させ、
   前記置換する処理は、前記補正対象区間のうち前記所定区間の心拍データを、前記差分波形に補正した補正データへ置換する請求項１又は２に記載の心拍数補正プログラム。
4. 運動の強度と心拍の上昇幅との関係がモデル化されたモデルに含まれる心拍の上昇幅のうち、前記運動区間における運動の強度に対応する心拍の上昇幅を、該運動区間の心拍データの統計値から減算する処理を前記コンピュータにさらに実行させ、
   前記置換する処理は、特定した心拍数、および、減算後の心拍数のうち、より低い方の心拍数に補正した補正データへ置換する請求項１から３のいずれか一項に記載の心拍数補正プログラム。
5. 前記特定の行動は、前記対象者による食事行動であることを特徴とする請求項１から４のいずれか一項に記載の心拍数補正プログラム。
6. 対象者の心拍を計測する第一のセンサから心拍の状態に関する心拍データを取得し、
   前記対象者の運動を計測する第二のセンサから運動データを取得し、
   前記運動データから計測区間における運動区間を特定し、
   前記運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定し、
   前記心拍データに基づき、前記補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を特定し、
   前記補正対象区間の心拍データについては、特定した心拍数に補正した補正データへ置換し、
   前記補正対象区間の前記補正データと、前記計測区間における前記補正対象区間以外の区間の心拍データとに基づき、前記対象者による特定の行動を検知する、
   処理をコンピュータが実行する心拍数補正方法。
7. 対象者の心拍を計測する第一のセンサと、
   前記対象者の運動を計測する第二のセンサと、
   前記第一のセンサから心拍の状態に関する心拍データを取得する第一の取得部と、
   前記第二のセンサから運動データを取得する第二の取得部と、
   前記運動データから計測区間における運動区間を特定する第一の特定部と、
   前記運動区間と、該運動区間後の所定区間とを含む、補正対象区間を設定する設定部と、
   前記心拍データに基づき、前記補正対象区間の始まりと終わりの心拍数のうち、より低い心拍数を特定する第二の特定部と、
   前記補正対象区間の心拍データについては、特定した心拍数に補正した補正データへ置換する置換部と、
   前記補正対象区間の前記補正データと、前記計測区間における前記補正対象区間以外の区間の心拍データとに基づき、前記対象者による特定の行動を検知する検知部と、
   を有する心拍数補正システム。

Images