JP6853159B2 - 状態推定装置 - Google Patents
状態推定装置 Download PDFInfo
- Publication number
- JP6853159B2 JP6853159B2 JP2017210798A JP2017210798A JP6853159B2 JP 6853159 B2 JP6853159 B2 JP 6853159B2 JP 2017210798 A JP2017210798 A JP 2017210798A JP 2017210798 A JP2017210798 A JP 2017210798A JP 6853159 B2 JP6853159 B2 JP 6853159B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- state
- user
- learning
- driver
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 206010041349 Somnolence Diseases 0.000 claims description 77
- 238000000034 method Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 24
- 230000006399 behavior Effects 0.000 claims description 23
- 230000003542 behavioural effect Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 description 25
- 238000001514 detection method Methods 0.000 description 23
- 238000005457 optimization Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 239000000284 extract Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000000979 dip-pen nanolithography Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Description
はじめに、図1を参照しながら、本実施形態の状態推定装置1の構成について説明する。図1は、本実施形態の状態推定装置1の構成を示すブロック図である。
続いて、状態推定装置1の動作について説明する。上述したように、状態推定装置1は、ドライバの眠気度を推定するための推定動作及び係数パラメータαを最適化するための学習動作を行う。従って、以下では、推定動作及び学習動作について順に説明する。
はじめに、図2を参照しながら、推定動作について説明する。図2は、推定動作の流れを示すフローチャートである。
続いて、学習動作について説明する。本実施形態では、状態推定装置1は、状態推定装置1が推定動作を開始する前に学習動作を行う。更に、状態推定装置1は、状態推定装置1が推定動作を開始した後にも学習動作を行う。従って、以下では、状態推定装置1が推定動作を開始する前に行われる学習動作(以下、“初期学習動作”と称する)及び状態推定装置1が推定動作を開始した後に行われる学習動作(以下、“継続学習動作”と称する)について順に説明する。
状態推定装置1は、状態推定装置1がドライバによって入手される前(言い換えれば、状態推定装置1が市場に出荷される前に)、初期学習動作を行う。言い換えれば、状態推定装置1は、状態推定装置1がドライバの眠気度を推定し始める前、初期学習動作を行う。この段階では、状態推定装置1は、状態推定装置1による眠気度の推定の対象となるドライバの心電位の検出結果を用いて初期学習動作を行うことは困難である。このため、状態推定装置1は、ドライバとは異なる被験者の心電位の検出結果を用いて初期学習動作を行う。
状態推定装置1は、状態推定装置1がドライバによって入手された後に(言い換えれば、状態推定装置1が市場に出荷された後に)、継続学習動作を行う。言い換えれば、状態推定装置1は、状態推定装置1がドライバの眠気度を推定し始めた後に、継続学習動作を行う。この段階では、ドライバが車両を運転することから、状態推定装置1は、状態推定装置1による眠気度の推定の対象となるドライバの心電位の検出結果を用いて継続学習動作を行うことができる。更には、記憶装置13には、初期学習動作で用いられた、ドライバとは異なる被験者の心電位の検出結果に関するPNデータDPNが記憶されているため、状態推定装置1は、PNデータDPNも用いて継続学習動作を行うことができる。以下、このような継続学習動作について、図5を参照しながら説明する。図5は、継続学習動作の流れを示すフローチャートである。尚、継続学習動作は、典型的には、上述した推定動作と並行して行われるが、推定動作が行われていない期間中に行われてもよい。
以上説明した状態推定装置1によれば、状態推定装置1がドライバの眠気度を推定するための推定動作を開始する前に、ドライバとは異なる被験者の心電位の検出結果に関するPNデータDPNを用いて、推定動作の内容(つまり、係数パラメータα)が最適化される。このため、ドライバの心電位の検出結果を用いた学習動作が行われていない状態で状態推定装置1が推定動作を開始したとしても、状態推定装置1は、ドライバの眠気度を相対的に高い精度で推定することができる。更には、状態推定装置1が推定動作を開始する前に、状態推定装置1が眠気度を推定する対象となるドライバの心電位を実際に検出しなくてもよいため、ドライバの負担も軽減される。
上述した説明では、PUデータDPU及びPNデータDPNを用いた係数パラメータαの最適化を開始するために成立するべき更新基準は、前回係数パラメータαが最適化されてから新たに生成されたPUデータDPUのデータ量に関する条件を含んでいる。しかしながら、更新基準は、PUデータDPUのデータ量に関する条件に加えて又は代えて、その他の条件を含んでいてもよい。例えば、更新基準は、ドライバが車両に乗車した回数に関する条件(例えば、前回係数パラメータαが最適化されてからドライバが車両に乗車した回数が所定回数以上であるという条件)を含んでいてもよい。例えば、更新基準は、ドライバが車両に乗車していた時間に関する条件(例えば、前回係数パラメータαが最適化されてからドライバが車両に乗車していた時間が所定時間以上であるという条件)を含んでいてもよい。例えば、更新基準は、ドライバからの要求に関する条件(例えば、ドライバが係数パラメータαの最適化を要求しているという条件)を含んでいてもよい。或いは、状態推定部123は、更新基準を用いることなく、PUデータDPUを取得する都度、係数パラメータαを最適化してもよい。つまり、状態推定部123は、PNデータDPN及びPUデータDPUを用いたオンライン学習を行ってもよい。
以上説明した実施形態に関して、更に以下の付記を開示する。
付記1に記載された状態推定装置は、第1ユーザの生体情報及び行動情報の少なくとも一方に関する第1入力データを取得する取得手段と、前記第1入力データに基づいて、前記第1ユーザの状態を推定する推定動作を行う推定手段とを備え、前記推定手段は、(i)前記第1ユーザの生体情報及び行動情報の少なくとも一方に関する第2入力データと、前記第2入力データに対応する前記第1ユーザの状態を示す第1正解データとを関連付けて含む第1学習データ、(ii)前記第1ユーザの生体情報及び行動情報の少なくとも一方に関する第3入力データを、前記第3入力データに対応する前記第1ユーザの状態を示す第2正解データと関連付けることなく含む第2学習データ、及び、(iii)前記第1ユーザとは異なる第2ユーザの生体情報及び行動情報の少なくとも一方に関する第4入力データと、前記第4入力データに対応する前記第2ユーザの状態を示す第3正解データとを関連付けて含む第3学習データを用いて前記推定動作の内容を最適化するための学習動作を行うことを特徴とする状態推定装置である。
付記2に記載された状態推定装置は、前記学習動作は、前記第1及び第2学習データを用いて前記推定動作の内容を最適化するための第1処理タスクと、前記第3学習データを用いて前記推定動作の内容を最適化するための第2処理タスクとを、マルチタスク学習法に基づいて行うマルチタスク学習動作を含むことを特徴とする付記1に記載の状態推定装置である。
付記3に記載された状態推定装置は、前記第1処理タスクは、PU(Positive Unlabeled)学習法に基づく処理タスクであり、前記第2処理タスクは、教師あり学習法に基づく処理タスクであることを特徴とする付記2に記載の状態推定装置である。
付記4に記載された状態推定装置は、前記推定手段は、前記第1ユーザの状態が、2種類の状態のいずれかであると推定可能であり、前記第1学習データは、前記第1ユーザの状態が前記少なくとも2種類の状態のうちの一の状態である場合に検出される生体情報及び行動情報の少なくとも一方に関する前記第2入力データと、前記第1ユーザの状態が前記一の状態であることを示す前記第1正解データとを関連付けて含むことを特徴とする付記1から3のいずれか一項に記載の状態推定装置である。
付記5に記載された状態推定装置は、前記推定手段は、複数の前記第2ユーザに夫々対応する複数の前記第3学習データを用いて前記学習動作を行うことを特徴とする付記1から4のいずれか一項に記載の状態推定装置である。
付記6に記載された状態推定装置は、前記第1ユーザは、車両の運転者であり、前記第1ユーザの状態は、前記第1ユーザの眠気度合いであることを特徴とする付記1から5のいずれか一項に記載の状態推定装置である。
付記7に記載された状態推定装置は、前記第2入力データは、前記第1ユーザが前記車両の運転を開始してから所定時間が経過するまでの間に検出される生体情報及び行動情報の少なくとも一方に関するデータであり、前記第1正解データは、前記第1ユーザが眠気なしの状態にあることを示すデータであることを特徴とする付記6に記載の状態推定装置である。
付記8に記載された状態推定装置は、前記第3入力データは、前記第1ユーザが前記車両の運転を開始してから所定時間が経過した後に検出される生体情報及び行動情報の少なくとも一方に関するデータであることを特徴とする付記6又は7に記載の状態推定装置である。
12 演算装置
120 入力インタフェース部
121 フィルタ部
122 特徴抽出部
123 状態推定部
124 学習データ生成部
125 運転判定部
13 記憶装置
14 表示装置
15 通信装置
16 操作装置
α 係数パラメータ
DP 学習データ
DPN PNデータ
DPU PUデータ
Claims (8)
- 第1ユーザの生体情報及び行動情報の少なくとも一方に関する第1入力データを取得する取得手段と、
前記第1入力データに基づいて、前記第1ユーザの状態を推定する推定動作を行う推定手段と
を備え、
前記推定手段は、(i)前記第1ユーザの生体情報及び行動情報の少なくとも一方に関する第2入力データと、前記第2入力データに対応する前記第1ユーザの状態を示す第1正解データとを関連付けて含む第1学習データ、(ii)前記第1ユーザの生体情報及び行動情報の少なくとも一方に関する第3入力データを、前記第3入力データに対応する前記第1ユーザの状態を示す第2正解データと関連付けることなく含む第2学習データ、及び、(iii)前記第1ユーザとは異なる第2ユーザの生体情報及び行動情報の少なくとも一方に関する第4入力データと、前記第4入力データに対応する前記第2ユーザの状態を示す第3正解データとを関連付けて含む第3学習データを用いて前記推定動作の内容を最適化するための学習動作を行う
ことを特徴とする状態推定装置。 - 前記学習動作は、前記第1及び第2学習データを用いて前記推定動作の内容を最適化するための第1処理タスクと、前記第3学習データを用いて前記推定動作の内容を最適化するための第2処理タスクとを、マルチタスク学習法に基づいて行うマルチタスク学習動作を含む
ことを特徴とする請求項1に記載の状態推定装置。 - 前記第1処理タスクは、PU(Positive Unlabeled)学習法に基づく処理タスクであり、
前記第2処理タスクは、教師あり学習法に基づく処理タスクである
ことを特徴とする請求項2に記載の状態推定装置。 - 前記推定手段は、前記第1ユーザの状態が、2種類の状態のいずれかであると推定可能であり、
前記第1学習データは、前記第1ユーザの状態が前記少なくとも2種類の状態のうちの一の状態である場合に検出される生体情報及び行動情報の少なくとも一方に関する前記第2入力データと、前記第1ユーザの状態が前記一の状態であることを示す前記第1正解データとを関連付けて含む
ことを特徴とする請求項1から3のいずれか一項に記載の状態推定装置。 - 前記推定手段は、複数の前記第2ユーザに夫々対応する複数の前記第3学習データを用いて前記学習動作を行う
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状態推定装置。 - 前記第1ユーザは、車両の運転者であり、
前記第1ユーザの状態は、前記第1ユーザの眠気度合いである
ことを特徴とする請求項1から5のいずれか一項に記載の状態推定装置。 - 前記第2入力データは、前記第1ユーザが前記車両の運転を開始してから所定時間が経過するまでの間に検出される生体情報及び行動情報の少なくとも一方に関するデータであり、
前記第1正解データは、前記第1ユーザが眠気なしの状態にあることを示すデータである
ことを特徴とする請求項6に記載の状態推定装置。 - 前記第3入力データは、前記第1ユーザが前記車両の運転を開始してから所定時間が経過した後に検出される生体情報及び行動情報の少なくとも一方に関するデータである
ことを特徴とする請求項6又は7に記載の状態推定装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017210798A JP6853159B2 (ja) | 2017-10-31 | 2017-10-31 | 状態推定装置 |
US16/162,813 US10556595B2 (en) | 2017-10-31 | 2018-10-17 | State estimation system |
CN201811274620.9A CN109717879B (zh) | 2017-10-31 | 2018-10-30 | 状态推定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017210798A JP6853159B2 (ja) | 2017-10-31 | 2017-10-31 | 状態推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019080809A JP2019080809A (ja) | 2019-05-30 |
JP6853159B2 true JP6853159B2 (ja) | 2021-03-31 |
Family
ID=66245191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017210798A Active JP6853159B2 (ja) | 2017-10-31 | 2017-10-31 | 状態推定装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10556595B2 (ja) |
JP (1) | JP6853159B2 (ja) |
CN (1) | CN109717879B (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7458170B2 (ja) * | 2019-11-18 | 2024-03-29 | 株式会社東海理化電機製作所 | 学習装置、学習方法、および測定装置 |
WO2023136122A1 (ja) * | 2022-01-12 | 2023-07-20 | 国立研究開発法人理化学研究所 | 動作支援装置および動作支援方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0554300A (ja) * | 1991-08-22 | 1993-03-05 | Omron Corp | 覚醒度検知装置 |
WO2009021198A1 (en) * | 2007-08-08 | 2009-02-12 | Baynote, Inc. | Method and apparatus for context-based content recommendation |
WO2007148477A1 (ja) * | 2006-06-21 | 2007-12-27 | Panasonic Corporation | ユーザの操作意図を推定する装置および当該装置を備えた電子機器 |
JP4727688B2 (ja) * | 2008-04-23 | 2011-07-20 | トヨタ自動車株式会社 | 覚醒度推定装置 |
JP2010108235A (ja) * | 2008-10-30 | 2010-05-13 | Equos Research Co Ltd | 覚醒支援システム |
JP5208711B2 (ja) * | 2008-12-17 | 2013-06-12 | アイシン精機株式会社 | 眼開閉判別装置及びプログラム |
US9039419B2 (en) * | 2009-11-06 | 2015-05-26 | International Business Machines Corporation | Method and system for controlling skill acquisition interfaces |
JP5917932B2 (ja) * | 2012-02-10 | 2016-05-18 | アイシン精機株式会社 | 状態推定装置、状態推定方法及びプログラム |
JP5899472B2 (ja) * | 2012-05-23 | 2016-04-06 | パナソニックIpマネジメント株式会社 | 人物属性推定システム、及び学習用データ生成装置 |
JP6188400B2 (ja) * | 2013-04-26 | 2017-08-30 | オリンパス株式会社 | 画像処理装置、プログラム及び画像処理方法 |
KR101659027B1 (ko) * | 2014-05-15 | 2016-09-23 | 엘지전자 주식회사 | 이동 단말기 및 차량 제어 장치 |
JP6375496B2 (ja) | 2014-06-02 | 2018-08-22 | エイケン工業株式会社 | 眠気検出方法及び眠気検出装置 |
CN104866969A (zh) * | 2015-05-25 | 2015-08-26 | 百度在线网络技术(北京)有限公司 | 个人信用数据处理方法和装置 |
US20170112388A1 (en) * | 2015-10-22 | 2017-04-27 | Welch Allyn, Inc. | Method and apparatus for performing biological measurements |
CN106570014B (zh) * | 2015-10-09 | 2020-09-25 | 阿里巴巴集团控股有限公司 | 用于确定用户的家庭属性信息的方法与设备 |
JP6555696B2 (ja) * | 2017-10-06 | 2019-08-07 | 株式会社ニューロスペース | 睡眠状態判定装置、睡眠状態判定方法、睡眠状態判定システムおよび睡眠状態判定プログラム |
-
2017
- 2017-10-31 JP JP2017210798A patent/JP6853159B2/ja active Active
-
2018
- 2018-10-17 US US16/162,813 patent/US10556595B2/en active Active
- 2018-10-30 CN CN201811274620.9A patent/CN109717879B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019080809A (ja) | 2019-05-30 |
CN109717879A (zh) | 2019-05-07 |
CN109717879B (zh) | 2021-09-24 |
US10556595B2 (en) | 2020-02-11 |
US20190126931A1 (en) | 2019-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zepf et al. | Driver emotion recognition for intelligent vehicles: A survey | |
US9946942B2 (en) | Method, apparatus and system for biometric identification | |
Alotaiby et al. | A review of channel selection algorithms for EEG signal processing | |
Wang et al. | Deep Gaussian mixture-hidden Markov model for classification of EEG signals | |
US10467548B2 (en) | Method, apparatus and system for biometric identification | |
Tadesse et al. | Driver drowsiness detection through HMM based dynamic modeling | |
US10877444B1 (en) | System and method for biofeedback including relevance assessment | |
Van Esbroeck et al. | Multi-task seizure detection: addressing intra-patient variation in seizure morphologies | |
Talukdar et al. | Adaptation of Common Spatial Patterns based on mental fatigue for motor-imagery BCI | |
JP6853159B2 (ja) | 状態推定装置 | |
Tayibnapis et al. | A novel driver fatigue monitoring using optical imaging of face on safe driving system | |
Wang et al. | A review of feature extraction and classification algorithms for image RSVP based BCI | |
Zhu et al. | Stress detection through wrist-based electrodermal activity monitoring and machine learning | |
CN110384478B (zh) | 状态预测装置以及状态预测方法 | |
EA | Smart Affect Recognition System for Real-Time Biometric Surveillance Using Hybrid Features and Multilayered Binary Structured Support Vector Machine | |
Kamti et al. | Evolution of driver fatigue detection techniques—A review from 2007 to 2021 | |
Khanam et al. | Electroencephalogram-based cognitive load level classification using wavelet decomposition and support vector machine | |
JP5189893B2 (ja) | 瞬目種別識別装置、瞬目種別識別方法、及び瞬目種別識別プログラム | |
Chavan et al. | A review on BCI emotions classification for EEG signals using deep learning | |
JP7211441B2 (ja) | 覚醒度推定装置、覚醒度推定方法、及びプログラム | |
Audiffren | Quantifying human perception with multi-armed bandits | |
Gullapalli et al. | In the blink of an eye: Quantitative blink dynamics predict deceptive personality traits in forensic interviews | |
Virk et al. | An intelligent framework for detection of fatigue induced by sleep-deprivation | |
van Vugt et al. | Tracking perceptual and memory decisions by decoding brain activity | |
Dange et al. | A review method on drowsiness detection system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200218 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201209 |
|
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: 20210216 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210311 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6853159 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |