JP6911998B2 - 生体情報推定装置、生体情報推定方法、及び生体情報推定プログラム - Google Patents

Description

本発明は、生体情報推定装置、生体情報推定方法、及び生体情報推定プログラムに関する。

医療機関などにおいて、測定対象者の呼吸や心拍などの生体情報を推定する生体情報推定装置が開発されている。特許文献１は、美容分野において、測定対象者の肌診断を行うための皮脂量推定方法を開示している。ここで、測定対象者の毛穴の視覚的特徴量及び年齢と、皮脂量との相関関係を示す式又はモデルを用いて、推定皮脂量を算出している。特許文献２は、測定対象者のバイタルデータ（生体情報）を測定するバイタルデータ測定装置及びバイタルデータ処理方法を開示している。特許文献３は、測定対象者の呼吸数や心拍数などの生体情報を測定し、測定対象者の状態や測定データのバラツキに応じて信頼性を判定し、信頼性の高い生体情報を出力する生体情報出力装置及び生体情報出力方法を開示している。

図３は、従来の生体情報推定装置の構成を示す。生体情報推定装置は、バイタルデータ計測器１００１、カメラ１００２、呼吸・心拍認識部１００３、動作認識部１００４、及び呼吸・心拍表示部１００５を具備している。この生体情報推定装置の動作は、下記の通りである。

バイタルデータ計測器１００１は、例えば、ドップラーセンサなどの非接触計測器であり、測定対象者の呼吸や心拍などのバイタルデータを計測する。動作認識部１００４は、カメラ１００２で撮影した測定対象者の映像から測定対象者の動きの量を示す動き情報を認識する。呼吸・心拍認識部１００３は、バイタルデータと動き情報を入力し、測定対象者の動きの量が閾値以下であるか判定する。測定対象者の動きの量が閾値以下の場合に、バイタルデータの信頼性が高いと判定して、呼吸・心拍表示部１００５で表示する。

生体情報推定技術に関連して、映像データから人物の特徴算出方法として、非特許文献１、非特許文献２、非特許文献３が挙げられる。また、映像データから測定対象者の心拍や呼吸を推定する技術として、非特許文献４及び非特許文献５が挙げられる。さらに、人間のストレス状態における心拍変動の算出方法として、非特許文献６が挙げられる。

国際公開第２０１３／０９４４４２号 特開２０１５−１２３１６０号公報 特開２０１７−４７２１１号公報

Navneet Dalal and Bill Triggs, "Histograms of Oriented Gradients for Human Detection", Proceedings IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2005 Vahid Kazemi and Josephine Sullivan, "One Millisecond Face Alignment with an Ensemble of Regression Trees", IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2014 Davis E. King, Dlib-ml: A Machine Learning Toolkit, Journal of Machine Learning Research 10, pp. 1755-1758, 2009 Ming-Zher Poh, Daniel J. McDuff, and Rosalind W. Picard, "Non-Contact, automated cardiac pulse measurements using video imaging and blind source separation", OPTICS EXPRESS, Vol. 18, No. 10, May 2010, pp. 10762-10774 F. Braun, A. Lemkaddem, V. Moser, S. Dasen, O. Grossenbacher, and M. Bertschi, "Contactless Respiration Monitoring in Real-Time via a Video Camera", Springer Nature Singapore Pte Ltd. 2018, H. eskola et al. (eds.), EMBEC & NBC 2017, IFMBE Proceedings 65 S. Boonnithi and S. Phongsuphap, "Comparison of Heart Rate Variability Measures for Mental Stress Detection", Proceedings of the Computing in Cardiology (CinC’11) pp. 85-88, 2011

特許文献１は、測定対象者の外部の視覚的特徴量に応じて皮脂量を推定するものであり、測定対象者の内部の生体情報を推定するものではない。特許文献２は、心電計等の接触型計測器やドップラーセンサ等の非接触型計測器を用いてバイタルデータを測定しているものの、測定対象者の動きによるノイズを低減するため、測定対象者をカメラで撮影した映像データにより、動きの多い時刻において取得されたバイタルデータを用いないことによりバイタルデータの信頼性を向上させるものであり、測定対象者の動きに依拠して信頼性の低いバイタルデータを除外するという単純な処理を実施しているだけである。特許文献３は、医療や介護の現場において、ベッドとマットレスとの間に設置した検出装置により検出された測定対象者の体動（振動）を検出して、生体情報（呼吸数や心拍数）を算出するものであり、生体情報の異常値を示すアラームの信頼性を高めるため、測定対象者の状態（臥床・離床状態）や測定データのバラツキなどに基づく信頼性評価を行っているが、実験などによる信頼性評価手法を採用しており、処理過程が複雑である。

上述の生体情報推定装置において、バイタルデータの信頼性は、測定対象者の動きの量と閾値との比較で判定するというルールに基づいているため、そのルール設計が困難である。また、測定対象者の身体の動きについても、身体全体が動くのか、身体の一部（例えば、頭部や顔）が動くのかに応じた複数の要因が存在する。何れの要因でも生体情報の推定値の信頼性を低下させ得るが、それぞれが生体情報の推定値にどの程度影響するのか不明である。また、複数の要因が組み合わさった場合、測定対象者の動き判定のルール設計をすることが容易ではない。

本発明は、上記の課題を解決するものであり、生体情報の信頼度判定のルールを設計することなく自動的に信頼度の判定を行ない、高い信頼度で生体情報を推定することができる生体情報推定装置、生体情報推定方法、及び生体情報推定プログラムを提供することを目的とする。

本発明の第一の態様は、測定対象者の映像を解析して測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析部と、映像解析情報から測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定部と、測定対象者から直接計測した参照生体情報と、映像解析情報から推定された生体情報との誤差に相当する教師信号を算出する教師信号算出部と、推定された生体情報と、映像解析情報とに基づいて、教師信号が出力されるように信頼度モデルの学習を行う信頼度モデル学習部と、映像解析情報と、生体情報と、測定対象者の生体情報の誤差に基づく信頼度を算出する信頼度モデルとを用いて、生体情報の信頼度を算出する信頼度算出部と、を具備し、生体情報を信頼度と対応付けて出力するようにした生体情報推定装置である。

本発明の第二の態様は、測定対象者の映像データを入力する映像入力部と、映像データを解析して測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析部と、映像解析情報から測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定部と、測定対象者の生体情報の誤差に基づく信頼度を算出する信頼度モデルを記憶した信頼度モデル記憶部と、測定対象者から直接計測した参照生体情報を入力する参照生体情報入力部と、参照生体情報と、映像解析情報から推定された生体情報との誤差に相当する教師信号を算出する教師信号算出部と、推定された生体情報と、映像解析情報とに基づいて、教師信号が出力されるように信頼度モデルの学習を行う信頼度モデル学習部と、映像解析情報と、生体情報と、信頼度モデルとを用いて、生体情報の信頼度を算出する信頼度算出部と、生体情報を信頼度と対応付けて出力する出力部と、を具備した生体情報推定装置である。

本発明の第三の態様は、測定対象者の映像を解析して測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析工程と、映像解析情報から測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定工程と、測定対象者から直接計測した参照生体情報と、映像解析情報から推定された生体情報との誤差に相当する教師信号を算出する教師信号算出工程と、推定された生体情報と、映像解析情報とに基づいて、教師信号が出力されるように信頼度モデルの学習を行う信頼度モデル学習工程と、映像解析情報と、生体情報と、測定対象者の生体情報の誤差に基づく信頼度を算出する信頼度モデルとを用いて、生体情報の信頼度を算出する信頼度算出工程と、を具備し、生体情報を信頼度と対応付けて出力するようにした生体情報推定方法である。

本発明の第四の態様は、測定対象者の映像データを入力する映像入力工程と、映像データを解析して測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析工程と、映像解析情報から測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定工程と、測定対象者の生体情報の誤差に基づく信頼度を算出する信頼度モデルを記憶する信頼度モデル記憶工程と、測定対象者から直接計測した参照生体情報と、映像解析情報から推定された生体情報との誤差に相当する教師信号を算出する教師信号算出工程と、推定された生体情報と、像解析情報とに基づいて、教師信号が出力されるように信頼度モデルの学習を行う信頼度モデル学習工程と、映像解析情報と、推定された生体情報と、信頼度モデルとを用いて、生体情報の信頼度を算出する信頼度算出工程と、生体情報を信頼度と対応付けて出力する出力工程と、を具備した生体情報推定方法である。

本発明の第五の態様は、測定対象者の映像を解析して測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析工程と、映像解析情報から測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定工程と、測定対象者から直接計測した参照生体情報と、映像解析情報から推定された生体情報との誤差に相当する教師信号を算出する教師信号算出工程と、推定された生体情報と、映像解析情報とに基づいて、教師信号が出力されるように信頼度モデルの学習を行う信頼度モデル学習工程と、映像解析情報と、生体情報と、測定対象者の生体情報の誤差に基づく信頼度モデルとを用いて、生体情報の信頼度を算出する信頼度算出工程と、をコンピュータに実行させる生体情報推定プログラムである。

本発明では、測定対象者の生体情報について、信頼度判定ルールを設計することなく、信頼度モデルを用いて、生体情報の信頼度を算出するようにしたので、高い信頼度で生体情報を推定することができる。

本発明の一実施例に係る生体情報推定装置の構成を示すブロック図である。 本発明の一実施例に係る生体情報推定装置にて使用される信頼度モデルを学習する信頼度モデル学習装置の構成を示すブロック図である。 従来の生体情報推定装置の一例の構成を示すブロック図である。 生体情報推定装置の動作を説明するフローチャートである。 信頼度モデル学習装置の動作を説明するフローチャートである。 本発明に係る生体情報推定装置の最小構成を示すブロック図である。

本発明に係る生体情報推定装置及び生体情報推定方法について、図面を参照して、実施例とともに詳細に説明する。
図１は、本発明の一実施例に係る生体情報推定装置１００の構成を示す。生体情報推定装置は、映像入力部１０１、映像解析部１０２、生体情報推定部１０３、信頼度モデル記憶部１０４、信頼度算出部１０５、生体情報出力部１０６、および信頼度出力部１０７より構成される。

映像入力部１０１は、例えば、カメラ機器で撮像された映像データを入力するか、或いは、データベースなどに記憶された映像データをネットワーク経由で受信する。映像解析部１０２は、映像データを解析し、測定対象者の存在を検出するとともに、測定対象者の顔領域や身体領域を検出し、顔の向きや顔特徴点、並びに視線などを算出する。

映像データから人物を検出するとともに、顔部分の検出や、顔特徴点の算出に係る技術として、例えば、非特許文献１乃至非特許文献３が挙げられる。非特許文献１は、勾配方向ヒストグラムを用いて画像内の人物を検出する技術を開示している。非特許文献２は、回帰木の学習アルゴリズムを用いた顔整列に係る技術を開示している。非特許文献３は、Ｃ＋＋プログラム言語によるマシン学習ツールキットを開示している。これらの技術を参酌して、映像解析部１０２は、測定対象者の映像データから顔特徴点などを算出することが可能である。

生体情報推定部１０３は、映像解析部１０２で解析された映像データ（映像情報）に基づいて、測定対象者の心拍、心拍間隔（心拍の変動時系列データ、ＲＲＩ）、呼吸などの生体情報を推定する。映像データから心拍や呼吸を推定する技術として、例えば、非特許文献４、非特許文献５が挙げられる。非特許文献４は、映像撮像とブラインド信号原分離（ＢＳＳ）を用いた非接触の自動心拍測定技術を開示している。非特許文献５は、ビデオカメラによる非接触のリアルタイム呼吸監視や呼吸数（Ｒｅｓｐｉｒａｔｏｒｙ Ｒａｔｅ）推定アルゴリズムを開示している。これらの技術を参酌して、生体情報推定部１０３は、映像データから生体情報を推定する。或いは、生体情報推定部１０３は、映像データから生体情報を推定する代わりに、特許文献２に記載されたように、ドップラーセンサなどにより計測したバイタルデータの計測値を用いてもよい。また、信頼度モデル記憶部１０４は、信頼度モデルを記憶している。

図２は、信頼度モデルを学習する信頼度モデル学習装置２００の構成を示す。
信頼度モデル学習装置２００は、参照生体情報入力部２０１、生体情報推定部２０２、映像解析部２０３、教師信号算出部２０４、信頼度モデル学習部２０５、信頼度モデル記憶部２０６を具備する。

参照生体情報入力部２０１は、映像取得装置やドップラーセンサなどの非接触型のセンサに比べて、より頑健に生体情報の測定が可能な接触型センサを用いて計測した生体情報（参照生体情報）を入力する。生体情報推定部２０２は、図１の生体情報推定装置１００の生体情報推定部１０３と同様の構成及び機能を有する。また、映像解析部２０３は、図１の生体情報推定装置１００の映像解析部１０２と同様の構成及び機能を有する。

教師信号算出部２０４は、参照生体情報入力部２０１で入力した参照生体情報と、生体情報推定部２０２で推定した生体情報との誤差を教師信号として算出する。誤差の値として、参照生体情報と生体情報との差分、平均絶対誤差、平均二乗誤差、平均平方二乗誤差などを用いることができる。また、参照生体情報が正確でないと判定した場合は、規定のフラグ値を教師信号として算出する。参照生体情報が正確でないか否かは、例えば、通常起こりえない生体信号の値や変化が計測されたか否かで判定する。測定対象者の心拍間隔（ＲＲＩ）の場合、連続した観測で直前の値から２０％以上変化した場合に、異常値と判定することができる。

信頼性モデル学習部２０５は、生体情報推定部２０２で推定された生体情報と、映像解析部２０４で算出された映像解析情報（例えば、測定対象者の顔領域や身体領域の検出情報、顔向きや視線情報、顔特徴点、顔領域の映像情報など）を入力し、教師信号が出力されるように信頼度モデルの学習を行う。信頼度モデルは、ニューラルネットワークやサポートベクトル回帰などの公知の機械学習の手法を用いて構築することができる。信頼度モデル記憶部２０６は、信頼度モデル学習部２０５で学習した信頼度モデルを記憶する。

図１に示される、信頼度算出部１０５は、生体情報推定部１０３で推定された生体情報と、映像解析部１０２で算出された映像解析情報（例えば、測定対象者の顔領域や身体領域の検出情報、顔向きや視線情報、顔特徴点、顔領域の映像情報など）を入力し、信頼度モデル記憶部１０４で記憶された信頼度モデル（即ち、信頼度モデル学習装置２００の信頼度モデル記憶部２０６に記憶された信頼度モデル）を用いて、生体情報推定部１０３で推定された生体情報の信頼度を算出する。その後、生体情報出力部１０６は、生体情報推定部１０３で推定された生体情報を出力する。また、信頼度出力部１０７は、信頼度算出部１０５で算出された信頼度を出力する。

図１において、信頼度モデル記憶部１０４は、例えば、メモリなどの記憶装置として、生体情報推定装置１００に含めても良い。或いは、信頼度モデル記憶部１０４をサーバやクラウドシステムに設置し、生体情報推定装置１００はネットワークを介して信頼度モデルを取得するようにしてもよい。また、生体情報出力部１０６と信頼度出力部１０７とは別個の機能ではなく、一つにまとめてもよい。例えば、生体情報出力部１０６と信頼度出力部１０７の機能をモニタに組み込んだ場合、生体情報や信頼度を関連付けてモニタに表示してもよい。

次に、生体情報推定装置１００と信頼度モデル学習装置２００の動作について図４Ａ及び図４Ｂに示されるフローチャートを参照して説明する。
まず、図４Ｂに示されるフローチャートを参照して、信頼度モデル学習装置２００の動作を説明する。信頼度モデル学習装置２００において、映像解析部２０３は、測定対象者の映像データを解析して映像解析情報（例えば、測定対象者の顔領域や身体領域の検出情報、顔向きや視線情報、顔特徴点、顔領域の映像情報など）を生成する（ステップＳ１１）。生体情報推定部２０２は、映像解析情報に基づいて測定対象者の生体情報を推定する（ステップＳ１２）。参照生体情報入力部２０１は、接触型センサを用いて参照生体情報を取得する（ステップＳ１３）。教師信号算出部２０４は、推定された生体情報と参照生体情報との誤差に相当する教師信号を算出する（ステップＳ１４）。信頼度モデル学習部２０５は、推定された生体情報と映像解析情報を入力し、教師信号が出力されるように信頼度モデルの学習を行う（ステップＳ１５）。その後、学習の結果得られた信頼度モデルを信頼度モデル記憶部２０６に記憶する（ステップＳ１６）。

次に、図４Ａに示されるフローチャートを参照して、生体情報推定装置１００の動作を説明する。生体情報推定装置１００において、映像解析部１０２は、映像入力部１０１で入力した測定対象者の映像データを解析して、映像解析情報（例えば、測定対象者の顔領域や身体領域の検出情報、顔向きや視線情報、顔特徴点、顔領域の映像情報など）を生成する（ステップＳ１）。生体情報推定部１０３は、映像解析情報に基づいて生体情報を推定する（ステップＳ２）。信頼度算出部１０５は、映像解析部１０２から映像解析情報を入力するとともに、信頼度モデルを信頼度モデル記憶部１０４から読み出し、かつ、生体情報推定部１０３で推定された生体情報を入力する。信頼度算出部１０５は、映像解析情報と信頼度モデルを用いて、推定された生体情報の信頼度を算出する（ステップＳ３）。これにより、生体情報の推定値の信頼度低下を生じうる要因に基づいてルール設計を行うことなく、推定された生体情報の信頼度を算出することができる。その後、生体情報出力部１０６と信頼度出力部１０７は、生体情報と信頼度とを関連付けて出力する（ステップＳ４）。

次に、上述の実施例の変形例について説明する。ここでは、図１に示される生体情報推定装置１００と、図２に示される信頼度モデル学習装置２００とを用いて説明する。
生体情報推定装置１００で推定された生体情報は、人間のストレス状態の把握や病気の診断に用いられる。例えば、測定対象者の心拍値をそのまま用いるのではなく、心拍変動値（ＨＲＶ：Ｈｅａｒｔ Ｒａｔｅ Ｖａｒｉａｂｉｌｉｔｙ）を人間のストレス状態や病気の診断情報として用いるものとする。心拍変動の算出方法として、非特許文献６に開示される技術（精神的ストレス検出用の心拍変動測定技術）を適用することができる。

信頼度モデル学習装置２００において、教師信号算出部２０４は、参照生体情報入力部２０１で入力された第１の心拍情報から第１の心拍変動を算出し、生体情報推定部２０２で推定された第２の心拍情報から第２の心拍変動を算出する。また、教師信号算出部２０４は、第１の心拍変動と第２の心拍変動との誤差を教師信号として算出する。なお、上述の実施例と同様に、参照生体情報入力部２０１で入力した参照生体情報が正確でないと判定した場合、既存のフラグ値を教師信号として算出してもよい。信頼度モデル学習部２０５では、第１の心拍変動と第２の心拍変動との誤差に相当する心拍変動誤差を教師信号として用いて、信頼度モデルを学習する。

上述のように、本実施例及び変形例では、測定対象者について推定された心拍値の誤差ではなく、心拍変動値の誤差を教師信号として用いて学習した信頼度モデルにより、生体情報の信頼度を算出している。このため、測定対象者の生体情報そのものの信頼度ではなく、心拍変動により推定された生体情報の活用指標に基づいて、生体情報の信頼度を算出することができる。

次に、本発明に係る生体情報推定装置の最小構成について図５に示されるブロック図を参照して説明する。
生体情報推定装置の最小構成は、映像解析部１０２、生体情報推定部１０３、及び信頼度算出部１０５を具備する。映像解析部１０２は、測定対象者の映像データを外部から取得して、その映像データを解析して映像解析情報を生成する。生体情報推定部１０３は、映像解析情報に基づいて測定対象者の生体情報を推定する。信頼度算出部１０５は、外部の記憶装置から信頼度モデルを取得して、映像解析情報と信頼度モデルを用いて生体情報の信頼度を算出する。なお、生体情報推定部１０３は、推定した生体情報を外部に出力し、信頼度算出部１０５は、算出した信頼度を外部に出力する。

本発明に係る生体情報推定装置及び生体情報推定方法は、上述の実施例に限定されるものではなく、請求の範囲に規定される発明の趣旨を具現化する範囲における種々の変更をも包含するものである。例えば、上述の変形例では、心拍変動を例にして説明したが、呼吸数の変動などその他の生体情報（或いは、バイタルデータ）についても、本発明を適用することができる。また、本発明に係る生体情報推定方法をプログラム化して、生体情報推定プログラムを作成して、情報処理装置に搭載することも可能である。この場合、情報処理装置は、映像機器、表示部、処理部、記憶部などを具備するものとし、前述のように参照生体情報と推定生体情報との誤差に相当する教師信号に応じて学習した信頼度モデルを記憶してもよい。

本発明は、測定対象者の心拍や呼吸などの生体情報を映像データに基づいて推定するものであり、例えば、カメラなどの映像機器により測定対象者の心拍などを推定することにより、医療施設における患者の病気判定やストレス判定などの分野に適用できる。しかし、本発明はこれに限定されるものではなく、生体情報と映像情報とを組み合わせた人物検出、人物認証、人物状態分析などの人物情報処理分野にも適用することができる。

１００ 生体情報
１０１ 映像入力部
１０２ 映像解析部
１０３ 生体情報推定部
１０４ 信頼度モデル記憶部
１０５ 信頼度算出部
１０６ 生体情報出力部
１０７ 信頼度出力部
２００ 信頼度モデル学習装置
２０１ 参照生体情報入力部
２０２ 生体情報推定部
２０３ 映像解析部
２０４ 教師信号算出部
２０５ 信頼度モデル学習部
２０６ 信頼度モデル記憶部
１００１ バイタルデータ計測部
１００２ カメラ
１００３ 呼吸・心拍認識部
１００４ 動作認識部
１００５ 呼吸・心拍表示部

Claims (10)

1. 測定対象者の映像を解析して前記測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析部と、
   前記映像解析情報から前記測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定部と、
   前記測定対象者から直接計測した参照生体情報と、前記映像解析情報から推定された生体情報との誤差に相当する教師信号を算出する教師信号算出部と、
   前記推定された生体情報と、前記映像解析情報とに基づいて、前記教師信号が出力されるように信頼度モデルの学習を行う信頼度モデル学習部と、
   前記映像解析情報と、前記生体情報と、前記測定対象者の前記生体情報の誤差に基づく信頼度を算出する前記信頼度モデルとを用いて、前記生体情報の信頼度を算出する信頼度算出部と、を具備し、
   前記生体情報を前記信頼度と対応付けて出力するようにした生体情報推定装置。
2. 前記教師信号算出部は、前記生体情報が心拍変動値の場合、前記参照生体情報から第１の心拍変動を算出し、前記生体情報から第２の心拍変動を算出し、前記第１の心拍変動と前記第２の心拍変動との誤差を前記教師信号として算出し、
   前記信頼度算出部は、心拍変動値の誤差を前記教師信号として用いて学習した前記信頼度モデルにより前記生体情報の信頼度を算出する、
   請求項１に記載の生体情報推定装置。
3. 測定対象者の映像データを入力する映像入力部と、
   前記映像データを解析して前記測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析部と、
   前記映像解析情報から前記測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定部と、
   前記測定対象者の前記生体情報の誤差に基づく信頼度を算出する信頼度モデルを記憶した信頼度モデル記憶部と、
   前記測定対象者から直接計測した参照生体情報を入力する参照生体情報入力部と、
   前記参照生体情報と、前記映像解析情報から推定された前記生体情報との誤差に相当する教師信号を算出する教師信号算出部と、
   前記推定された生体情報と、前記映像解析情報とに基づいて、前記教師信号が出力されるように前記信頼度モデルの学習を行う信頼度モデル学習部と、
   前記映像解析情報と、前記生体情報と、前記信頼度モデルとを用いて、前記生体情報の信頼度を算出する信頼度算出部と、
   前記生体情報を前記信頼度と対応付けて出力する出力部と、
   を具備した生体情報推定装置。
4. 前記教師信号算出部は、前記生体情報が心拍変動値の場合、前記参照生体情報から第１の心拍変動を算出し、前記生体情報から第２の心拍変動を算出し、前記第１の心拍変動と前記第２の心拍変動との誤差を前記教師信号として算出し、
   前記信頼度算出部は、心拍変動値の誤差を前記教師信号として用いて学習した前記信頼度モデルにより前記生体情報の信頼度を算出する、
   請求項３に記載の生体情報推定装置。
5. 前記生体情報は、測定対象者の心拍間隔又は心拍変動である、請求項１又は請求項３に記載の生体情報推定装置。
6. 測定対象者の映像を解析して前記測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析工程と、
   前記映像解析情報から前記測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定工程と、
   前記測定対象者から直接計測した参照生体情報と、前記映像解析情報から推定された前記生体情報との誤差に相当する教師信号を算出する教師信号算出工程と、
   前記推定された生体情報と、前記映像解析情報とに基づいて、前記教師信号が出力されるように信頼度モデルの学習を行う信頼度モデル学習工程と、
   前記映像解析情報と、前記生体情報と、前記測定対象者の前記生体情報の誤差に基づく信頼度を算出する前記信頼度モデルとを用いて、前記生体情報の信頼度を算出する信頼度算出工程と、を具備し、
   前記生体情報を前記信頼度と対応付けて出力するようにした生体情報推定方法。
7. 測定対象者の映像データを入力する映像入力工程と、
   前記映像データを解析して前記測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析工程と、
   前記映像解析情報から前記測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定工程と、
   前記測定対象者の前記生体情報の誤差に基づく信頼度を算出する信頼度モデルを記憶する信頼度モデル記憶工程と、
   前記測定対象者から直接計測した参照生体情報と、前記映像解析情報から推定された前記生体情報との誤差に相当する教師信号を算出する教師信号算出工程と、
   前記推定された生体情報と、前記映像解析情報とに基づいて、前記教師信号が出力されるように前記信頼度モデルの学習を行う信頼度モデル学習工程と、
   前記映像解析情報と、前記推定された生体情報と、前記信頼度モデルとを用いて、前記生体情報の信頼度を算出する信頼度算出工程と、
   前記生体情報を前記信頼度と対応付けて出力する出力工程と、
   を具備した生体情報推定方法。
8. 前記教師信号算出工程は、前記生体情報が心拍変動値の場合、前記参照生体情報から第１の心拍変動を算出し、前記生体情報から第２の心拍変動を算出し、前記第１の心拍変動と前記第２の心拍変動との誤差を前記教師信号として算出し、
   前記信頼度算出工程は、心拍変動値の誤差を前記教師信号として用いて学習した前記信頼度モデルにより前記生体情報の信頼度を算出する、
   請求項６又は請求項７に記載の生体情報推定方法。
9. 測定対象者の映像を解析して前記測定対象者の顔領域又は身体領域を検出した映像解析情報を生成する映像解析工程と、
   前記映像解析情報から前記測定対象者の個別の心拍又は呼吸に係る生体情報を推定する生体情報推定工程と、
   前記測定対象者から直接計測した参照生体情報と、前記映像解析情報から推定された前記生体情報との誤差に相当する教師信号を算出する教師信号算出工程と、
   前記推定された生体情報と、前記映像解析情報とに基づいて、前記教師信号が出力されるように信頼度モデルの学習を行う信頼度モデル学習工程と、
   前記映像解析情報と、前記生体情報と、前記測定対象者の前記生体情報の誤差に基づく信頼度を算出する前記信頼度モデルとを用いて、前記生体情報の信頼度を算出する信頼度算出工程と、をコンピュータに実行させる生体情報推定プログラム。
10. 前記教師信号算出工程は、前記生体情報が心拍変動値の場合、前記参照生体情報から第１の心拍変動を算出し、前記生体情報から第２の心拍変動を算出し、前記第１の心拍変動と前記第２の心拍変動との誤差を前記教師信号として算出し、
    前記信頼度算出工程は、心拍変動値の誤差を前記教師信号として用いて学習した前記信頼度モデルにより前記生体情報の信頼度を算出する、
    請求項９に記載の生体情報推定プログラム。

Images