JP7122943B2 - 学習データ生成装置および学習データ生成方法 - Google Patents

Description

本発明は、学習データ生成装置および学習データ生成方法に関する。

従来より、カメラで撮像して得られた撮像データを用いて画像認識を行い、得られたデータから学習済みモデルを生成する技術が知られている（特許文献１参照）。また、着席した対象人物の姿勢を推定するための技術として、高性能なコンピュータを用いて上記のような画像認識により得られたデータから学習済みモデルを生成し、専用アルゴリズムに基づき対象人物の姿勢を推定する技術が知られている。

特開２０１４－１７８９５７号公報

上記の画像認識ベースの手法とは別に、例えば対象人物が着席している座面に設けられた専用センサ（例えば複数の座布団センサ）によって検出された座面の圧力分布を表すセンサデータから学習済みモデルを生成し、専用アルゴリズムに基づき対象人物の姿勢を推定する技術が検討されつつある。

しかし、上記のような専用センサから姿勢を推定するための学習済みモデルは未だ存在せず、このような新たなセンサデータを用いた機械学習の学習データを、高い精度を維持しながら自動的に生成することは容易なことではなかった。

そこで、本発明は、画像認識ベースの手法とセンサデータを用いる手法とを効果的に併用して、姿勢推定を行うための機械学習の学習データを、高い精度を維持しながら自動的に生成することを目的とする。

本発明の一形態に係る学習データ生成装置は、着席した対象者の姿勢に関する学習データを生成する学習データ生成装置であって、前記対象者の着席座面における圧力分布を検出するためのセンサにより所定時間にわたり継続的に検出して得られた時系列に沿ったセンサデータであって、所定の時間間隔ごとの複数の区間センサデータから成るセンサデータを取得し、前記複数の区間センサデータの各々について検出値が時系列に沿って所定基準よりも大きく変化しているか否かを判定し、少なくとも、検出値が所定基準よりも大きく変化している区間センサデータを、前記学習データの生成のために採用しないと判定するセンサデータ採用可否判定部と、着席した対象者をカメラにより所定時間にわたり継続的に撮像して得られた時系列に沿った撮像データであって、所定の時間間隔ごとの複数の区間撮像データから成る撮像データを取得し、各区間について前記区間撮像データに基づき前記対象者の姿勢を判定する姿勢判定部と、前記姿勢判定部による判定で得られた各区間の姿勢を対象として、ある対象の区間の姿勢が直前の区間の姿勢から変化しているか否かを判定し、少なくとも、姿勢が変化している対象の区間の区間撮像データを、前記学習データの生成のために採用しないと判定する撮像データ採用可否判定部と、前記センサデータ採用可否判定部による前記区間センサデータについての判定結果と、前記撮像データ採用可否判定部による前記区間撮像データについての判定結果とに基づいて、採用しないと判定されなかった区間センサデータと、採用しないと判定されなかった区間撮像データとを紐づけて学習データを生成し格納する学習データ生成格納部と、を備える。

上記の一形態によれば、学習データ生成装置では、センサデータ採用可否判定部が、対象者の着席座面における圧力分布を検出するためのセンサによる検出で得られた所定の時間間隔ごとの複数の区間センサデータから成るセンサデータを取得し、各区間センサデータについて検出値が時系列に沿って所定基準よりも大きく変化しているか否かを判定し、少なくとも、検出値が所定基準よりも大きく変化している区間センサデータを、採用しないと判定するとともに、姿勢判定部が、着席した対象者をカメラによる撮像で得られた所定の時間間隔ごとの複数の区間撮像データから成る撮像データを取得し、各区間について区間撮像データに基づき対象者の姿勢を判定する。そして、撮像データ採用可否判定部が、上記判定で得られた各区間の姿勢を対象として、ある対象の区間の姿勢が直前の区間の姿勢から変化しているか否かを判定し、少なくとも、姿勢が変化している対象の区間の区間撮像データを、採用しないと判定する。さらに、学習データ生成格納部が、区間センサデータについての判定結果と区間撮像データについての判定結果とに基づいて、採用しないと判定されなかった区間センサデータと、採用しないと判定されなかった区間撮像データとを紐づけて学習データを生成し格納する。このように、検出値が所定基準よりも大きく変化している区間センサデータを採用しないと判定し、姿勢が直前の区間から変化している区間の区間撮像データを採用しないと判定したうえで、採用しないと判定されなかった区間センサデータと、採用しないと判定されなかった区間撮像データとを紐づけて学習データを生成し格納するため、画像認識ベースの手法とセンサデータを用いる手法とを効果的に併用して、姿勢推定を行うための機械学習の学習データを、高い精度を維持しながら自動的に生成することができる。

本発明の一形態によれば、画像認識ベースの手法とセンサデータを用いる手法とを効果的に併用して、姿勢推定を行うための機械学習の学習データを、高い精度を維持しながら自動的に生成することができる。

本発明の実施形態に係る学習データ生成装置の構成図である。 着席座面における圧力分布を検出するためのセンサの一例を示す図である。 複数の姿勢パターンを例示した図である。 センサデータ採用可否判定に係る処理を示すフロー図である。 不採用の判定を補足説明するための図である。 不採用区間の追加を補足説明するための図である。 姿勢判定および撮像データ採用可否判定に係る処理を示すフロー図である。 不採用の判定を補足説明するための図である。 修正判定に係る処理を示すフロー図である。 修正判定を補足説明するための図である。 学習データ生成・格納に係る処理を示すフロー図である。 学習データ生成を補足説明するための図であり、（ａ）は採用された区間センサデータの例を示し、（ｂ）は採用された区間撮像データ（姿勢判定結果を含む区間撮像データ）の例を示し、（ｃ）は紐づけにより得られた学習データの例を示す。 学習データ生成装置のハードウェア構成例を示す図である。

以下、図面を参照しながら、本発明に係る一実施形態について説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。

図１に示すように一実施形態に係る学習データ生成装置１０は、着席した対象者の姿勢に関する学習データを生成する装置であり、センサデータ採用可否判定部１１と、姿勢判定部１２と、撮像データ採用可否判定部１３と、修正判定部１４と、学習データ生成格納部１５とを備える。以下、各部の機能について説明する。

センサデータ採用可否判定部１１は、採用可否判定部１１Ａと不採用区間追加判定部１１Ｂとを含む。このうち、採用可否判定部１１Ａは、対象者の着席座面における圧力分布を検出するための座布団センサ２０と通信可能とされ、座布団センサ２０により所定時間にわたり継続的に検出して得られた時系列に沿ったセンサデータであって、所定の時間間隔ごとの複数の区間センサデータから成るセンサデータを取得し、複数の区間センサデータの各々について検出値が時系列に沿って所定基準よりも大きく変化しているか否かを判定し、少なくとも、検出値が所定基準よりも大きく変化している区間センサデータを、学習データの生成のために採用しない（不採用）と判定する。また、採用可否判定部１１Ａは、不採用と判定された区間センサデータを基準にして、時系列に沿って前後の所定数（例えば２つ）の区間センサデータについても不採用と判定する。

なお、座布団センサ２０は、一例として、図２に示すように、対象者の着席座面に配置され圧力を検出する複数のセンサｚ１～ｚ６により構成することができ、これらのセンサｚ１～ｚ６により検出された圧力の値（検出値）から、着席座面における圧力分布を検出することができる。図２の例は、着席座面の前方左側のセンサｚ１、前方右側のセンサｚ２および中央左側のセンサｚ３の検出値が高く、中央右側のセンサｚ４および後方左側のセンサｚ５の検出値が中程度で、後方右側のセンサｚ６の検出値が低いことを示しており、これにより、着席座面の前方左寄りに相対的に大きな圧力がかかっている状況の圧力分布を検出することができる。

一方、不採用区間追加判定部１１Ｂは、不採用と判定された複数の区間センサデータに係る複数の区間同士の時間間隔が所定の間隔以下である場合に、当該複数の区間に挟まれた区間に係る区間センサデータについても不採用と判定する。

姿勢判定部１２は、着席した対象者を撮像するカメラ３０と通信可能とされ、カメラ３０により所定時間にわたり継続的に撮像して得られた時系列に沿った撮像データであって、所定の時間間隔ごとの複数の区間撮像データから成る撮像データを取得し、各区間について区間撮像データに基づき対象者の姿勢を判定する。ここでは、対象者の姿勢が、例えば図３に示す予め定められた複数の姿勢パターン（例えば、正常姿勢（姿勢１）、前傾姿勢（姿勢２）、後傾姿勢（姿勢３）、脚組姿勢（姿勢４）など）のうち何れに該当するかが判定される。この姿勢判定の具体的な手法は従来の手法を採用してもよい。

撮像データ採用可否判定部１３は、姿勢判定部１２による判定で得られた各区間の姿勢を対象として、ある対象の区間の姿勢が直前の区間の姿勢から変化しているか否かを判定し、少なくとも、姿勢が変化している対象の区間の区間撮像データを不採用と判定する。また、撮像データ採用可否判定部１３は、姿勢判定部１２により姿勢の判定結果が得られなかった区間の区間撮像データについても不採用と判定する。さらに、撮像データ採用可否判定部１３は、不採用と判定された区間撮像データを基準にして、時系列に沿って前後の所定数（例えば２つ）の区間撮像データについても不採用と判定する。

修正判定部１４は、撮像データ採用可否判定部１３により不採用と判定された区間撮像データに係る区間に対応する区間センサデータについて、センサデータ採用可否判定部１１が不採用と判定していない場合に、当該「不採用」と判定された区間撮像データについて「採用」とするよう撮像データ採用可否判定部１３による判定結果を修正する。

学習データ生成格納部１５は、学習データを格納するための学習データＤＢ１５Ａを内蔵し、上記区間センサデータについての判定結果と上記区間撮像データについての判定結果とに基づいて、不採用と判定されなかった区間センサデータと不採用と判定されなかった区間撮像データとを紐づけて学習データを生成し、学習データＤＢ１５Ａに格納する。

（学習データ生成装置１０において実行される処理について）
以下、学習データ生成装置１０において実行される処理について説明する。学習データ生成装置１０において実行される処理としては、(1)センサデータ採用可否判定部１１により実行されるセンサデータ採用可否判定処理（図４）、(2)姿勢判定部１２および撮像データ採用可否判定部１３により実行される姿勢判定および撮像データ採用可否判定処理（図７）、(3)修正判定部１４により実行される修正判定処理（図９）、(4)学習データ生成格納部１５により実行される学習データ生成・格納処理（図１１）が挙げられ、以下、順に説明する。処理の実行順序は、まず、上記(1)および(2)の処理が実行され、その後、これらの処理結果に基づいて上記(3)の処理が実行され、最後に、上記(4)の処理が実行される。なお、上記(1)および(2)の処理は同時並行で実行してもよいし、何れか一方を先行してシリアルに実行してもよい。

（(1)センサデータ採用可否判定処理（図４）について）
図４には、センサデータ採用可否判定処理のフロー図を示す。まず、採用可否判定部１１Ａは、センサデータを受信し（ステップＳ１）、各区間センサデータについて検出値が基準より大きく変化しているか否かを判定する（ステップＳ２）。ここで、該当区間が１つも無ければ、不採用区間が無いと判断できるため、図４の処理を終了し、一方、該当区間が１つ以上有る場合は、大きく変化している区間センサデータについて不採用フラグ付けを行い（ステップＳ３）、さらに、該当区間の前後の所定数（例えば２つ）の区間センサデータについても不採用フラグ付けを行う（ステップＳ４）。これにより、図５に示すように、大きく変化している区間センサデータ（不採用Ａと示すデータ）について不採用フラグ付けが行われ、その前後の所定数の区間センサデータ（不採用Ｂと示すデータ）にも不採用フラグ付けが行われる。なお、不採用フラグ付けは、不採用を示す予め定められた１ビットのフラグ（例えば「１」）を該当の区間センサデータに付すことにより実行され、実行後の不採用フラグ付きの区間センサデータは、後続の処理のため、採用可否判定部１１Ａから不採用区間追加判定部１１Ｂへ渡される。このように本実施形態では、不採用と判定された区間センサデータに不採用フラグ付けを行い、不採用と判定されなかった（即ち、採用と判定された）区間センサデータには特に処理を行わない例を説明するが、採用と判定された区間センサデータに対し採用を示す予め定められた１ビットのフラグ（例えば「０」）を付す処理を行ってもよい。

次に、不採用区間追加判定部１１Ｂは、不採用区間同士の時間間隔が基準以下の箇所が有るか否かを判定し（ステップＳ５）、そのような箇所が有る場合は、狭間の区間に係る区間センサデータについても不採用フラグ付けを行う（ステップＳ６）。これにより、図６に示すように、狭間の区間に係る区間センサデータ（不採用Ｃと示すデータ）についても不採用フラグ付けが行われる。

（(2)姿勢判定および撮像データ採用可否判定処理（図７）について）
図７には、姿勢判定および撮像データ採用可否判定処理のフロー図を示す。まず、姿勢判定部１２は、所定の時間間隔ごとの複数の区間撮像データから成る撮像データを取得し（ステップＳ１１）、各区間について区間撮像データに基づき対象者の姿勢を判定する（ステップＳ１２）。ここでは例えば、対象者の姿勢が、図３に例示する複数の姿勢パターン（例えば、正常姿勢（姿勢１）、前傾姿勢（姿勢２）、後傾姿勢（姿勢３）、脚組姿勢（姿勢４）など）のうち何れに該当するかが判定され、判定結果（姿勢１～４の何れかを示す情報、又は、判定結果が得られなかった旨を示す情報）が区間撮像データのそれぞれに付され、ステップＳ１３以降の処理に用いられる。

次に、撮像データ採用可否判定部１３は、各区間の姿勢について、当該姿勢が直前の区間の姿勢から変化しているか否かを判定する（ステップＳ１３）。ここで、該当区間が１つも無ければ、後述のステップＳ１６へ進み、一方、該当区間が１つ以上有る場合は、姿勢が変化している区間撮像データについて不採用フラグ付けを行い（ステップＳ１４）、さらに、該当区間の前後の所定数（例えば２つ）の区間撮像データについても不採用フラグ付けを行う（ステップＳ１５）。

なお、不採用フラグ付けは、不採用を示す予め定められた１ビットのフラグ（例えば「１」）を該当の区間撮像データに付すことにより実行され、実行後の不採用フラグ付きの区間撮像データは、後続の処理に用いられる。このように本実施形態では、不採用と判定された区間撮像データに不採用フラグ付けを行い、不採用と判定されなかった（即ち、採用と判定された）区間撮像データには特に処理を行わない例を説明するが、採用と判定された区間撮像データに対し採用を示す予め定められた１ビットのフラグ（例えば「０」）を付す処理を行ってもよい。

次に、撮像データ採用可否判定部１３は、姿勢の判定結果が得られなかった区間が有るか否かを判定し（ステップＳ１６）、ここで、該当区間が１つも無ければ、図７の処理を終了し、一方、該当区間が１つ以上有る場合は、判定結果が得られなかった区間の区間撮像データについて不採用フラグ付けを行い（ステップＳ１７）、さらに、該当区間の前後の所定数（例えば２つ）の区間撮像データについても不採用フラグ付けを行う（ステップＳ１８）。これにより、図８に示すように、姿勢（姿勢判定結果）が変化した区間撮像データ（不採用Ｄと示すデータ）について不採用フラグ付けが行われ、その前後の所定数（例えば２つ）の区間センサデータ（不採用Ｅと示すデータ）にも不採用フラグ付けが行われる。また、姿勢の判定結果が得られなかった区間の区間撮像データ（不採用Ｆと示すデータ）について不採用フラグ付けが行われ、その前後の所定数（例えば２つ）の区間センサデータ（不採用Ｇと示すデータ）にも不採用フラグ付けが行われる。

（(3)修正判定処理（図９）について）
図９には、修正判定処理のフロー図を示す。まず、修正判定部１４は、フラグ付き区間センサデータおよびフラグ付き区間撮像データの取得し（ステップＳ２１）、不採用フラグ付き区間撮像データに対応する区間センサデータにおいて、不採用フラグ付きでないものが有るか否かを判定し（ステップＳ２２）、ここで、該当区間が１つも無ければ、図９の処理を終了し、一方、該当区間が１つ以上有る場合は、該当する不採用フラグ付き区間撮像データから不採用フラグを除去することで採用フラグに修正する（ステップＳ２３）。これにより、図１０に示すように、例えば、不採用フラグ付き区間撮像データとして、不採用Ｘ、Ｙ、Ｚが得られ、このうち不採用Ｘ、Ｚに時系列上で対応する区間センサデータが不採用フラグ付きである（即ち、安定的に取得できていない）場合は、不採用フラグの無い区間撮像データへの修正（採用への修正）は行わない。一方、不採用Ｙに時系列上で対応する区間センサデータが不採用フラグ付きでない（即ち、安定的に取得できている）場合は、同一姿勢であったと推定できるため、不採用フラグ付き区間撮像データから不採用フラグを除去することで、不採用フラグの無い区間撮像データへの修正（採用への修正）を行う。

（(4)学習データ生成・格納処理（図１１）について）
図１１には、学習データ生成・格納処理のフロー図を示す。まず、学習データ生成格納部１５は、フラグ付き区間センサデータおよび修正後のフラグ付き区間撮像データを取得し（ステップＳ３１）、採用となった区間のみ採用して、区間センサデータと区間撮像データとを紐づけて学習データを生成し、学習データＤＢ１５Ａに格納する（ステップＳ３２）。これにより、図１２（ａ）に例示する区間センサデータと図１２（ｂ）に例示する姿勢判定結果を含む区間撮像データとが紐づけられて、図１２（ｃ）に例示する学習データが自動的に生成され、該学習データは学習データＤＢ１５Ａに格納される。

以上説明した発明の実施形態によれば、検出値が所定基準よりも大きく変化している区間センサデータを採用しないと判定し、姿勢が直前の区間から変化している区間の区間撮像データを採用しないと判定したうえで、採用しないと判定されなかった区間センサデータと、採用しないと判定されなかった区間撮像データとを紐づけて学習データを生成し格納するため、画像認識ベースの手法とセンサデータを用いる手法とを効果的に併用して、姿勢推定を行うための機械学習の学習データを、高い精度を維持しながら自動的に生成することができる。

また、上記実施形態では、以下の処理において追加的に不採用との判定を行うことで、不適切なデータが学習データ生成に用いられてしまう可能性をより低くし、高い精度の維持に寄与している。即ち、図７のステップＳ１６、Ｓ１７で姿勢の判定結果が得られなかった区間の区間撮像データについても不採用とし、図４のステップＳ４、図７のステップＳ１５およびＳ１８で、不採用と判定されたデータの前後の所定数のデータについても不採用とし、さらに、図４のステップＳ５、Ｓ６で、不採用の区間センサデータ同士の時間間隔が基準以下であれば、その狭間の区間の区間センサデータについても不採用とした。

なお、上述したように、図４のステップＳ５、Ｓ６で、不採用の区間センサデータ同士の時間間隔が基準以下であれば、その狭間の区間の区間センサデータについても不採用とする例を示したが、このような処理は、区間撮像データについて適用してもよい。即ち、図７の処理により不採用とされた区間撮像データ同士の時間間隔が基準以下の場合に、その狭間の区間の区間撮像データについても不採用としてもよい。また、不採用の区間センサデータと不採用の区間撮像データの両方を含めて観察し、時系列上で何れか２つの時間間隔が基準以下の場合に、その狭間の区間に対応するデータについても不採用としてもよい。

また、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）、送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

例えば、本開示の一実施の形態における学習データ生成装置１０などは、本開示の方法の処理を行うコンピュータとして機能してもよい。図１３は、本開示の一実施の形態に係る学習データ生成装置１０のハードウェア構成の一例を示す図である。上述の学習データ生成装置１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。学習データ生成装置１０のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

学習データ生成装置１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。例えば、上述の学習データ生成装置１０における各機能は、プロセッサ１００１によって実現されてもよい。

また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、学習データ生成装置１０における各機能は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。

通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の学習データ生成装置１０における各機能は、通信装置１００４によって実現されてもよい。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。

また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。

また、学習データ生成装置１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。

情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink Control Information）、ＵＣＩ（Uplink Control Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio Resource Control）シグナリング、ＭＡＣ（Medium Access Control）シグナリング、報知情報（ＭＩＢ（Master Information Block）、ＳＩＢ（System Information Block）））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC Connection Setup）メッセージ、ＲＲＣ接続再構成（RRC Connection Reconfiguration）メッセージなどであってもよい。

本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。

本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。

本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。

ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。

また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。

本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。

なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。例えば、チャネル及びシンボルの少なくとも一方は信号（シグナリング）であってもよい。また、信号はメッセージであってもよい。また、コンポーネントキャリア（ＣＣ：Component Carrier）は、キャリア周波数、セル、周波数キャリアなどと呼ばれてもよい。

本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。

また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。

上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。様々なチャネル（例えば、ＰＵＣＣＨ、ＰＤＣＣＨなど）及び情報要素は、あらゆる好適な名称によって識別できるので、これらの様々なチャネル及び情報要素に割り当てている様々な名称は、いかなる点においても限定的な名称ではない。

本開示においては、「移動局（ＭＳ：Mobile Station）」、「ユーザ端末（user terminal）」、「ユーザ装置（ＵＥ：User Equipment）」、「端末」などの用語は、互換的に使用され得る。

移動局は、当業者によって、加入者局、モバイルユニット、加入者ユニット、ワイヤレスユニット、リモートユニット、モバイルデバイス、ワイヤレスデバイス、ワイヤレス通信デバイス、リモートデバイス、モバイル加入者局、アクセス端末、モバイル端末、ワイヤレス端末、リモート端末、ハンドセット、ユーザエージェント、モバイルクライアント、クライアント、又はいくつかの他の適切な用語で呼ばれる場合もある。

移動局は、送信装置、受信装置、通信装置などと呼ばれてもよい。なお、移動局は、移動体に搭載されたデバイス、移動体自体などであってもよい。当該移動体は、乗り物（例えば、車、飛行機など）であってもよいし、無人で動く移動体（例えば、ドローン、自動運転車など）であってもよいし、ロボット（有人型又は無人型）であってもよい。なお、移動局は、必ずしも通信動作時に移動しない装置も含む。例えば、移動局は、センサなどのＩｏＴ（Internet of Things）機器であってもよい。

本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking up、search、inquiry)（例えば、テーブル、データベース又は別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。

「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。

本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

本開示において、例えば、英語でのa、an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

１０…学習データ生成装置、１１…センサデータ採用可否判定部、１１Ａ…採用可否判定部、１１Ｂ…不採用区間追加判定部、１２…姿勢判定部、１３…撮像データ採用可否判定部、１４…修正判定部、１５…学習データ生成格納部、１５Ａ…学習データＤＢ、２０…座布団センサ、３０…カメラ、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス。

Claims (7)

1. 着席した対象者の姿勢に関する学習データを生成する学習データ生成装置であって、
   前記対象者の着席座面における圧力分布を検出するためのセンサにより所定時間にわたり継続的に検出して得られた時系列に沿ったセンサデータであって、所定の時間間隔ごとの複数の区間センサデータから成るセンサデータを取得し、前記複数の区間センサデータの各々について検出値が時系列に沿って所定基準よりも大きく変化しているか否かを判定し、少なくとも、検出値が所定基準よりも大きく変化している区間センサデータを、前記学習データの生成のために採用しないと判定するセンサデータ採用可否判定部と、
   着席した対象者をカメラにより所定時間にわたり継続的に撮像して得られた時系列に沿った撮像データであって、所定の時間間隔ごとの複数の区間撮像データから成る撮像データを取得し、各区間について前記区間撮像データに基づき前記対象者の姿勢を判定する姿勢判定部と、
   前記姿勢判定部による判定で得られた各区間の姿勢を対象として、ある対象の区間の姿勢が直前の区間の姿勢から変化しているか否かを判定し、少なくとも、姿勢が変化している対象の区間の区間撮像データを、前記学習データの生成のために採用しないと判定する撮像データ採用可否判定部と、
   前記センサデータ採用可否判定部による前記区間センサデータについての判定結果と、前記撮像データ採用可否判定部による前記区間撮像データについての判定結果とに基づいて、採用しないと判定されなかった区間センサデータと、採用しないと判定されなかった区間撮像データとを紐づけて学習データを生成し格納する学習データ生成格納部と、
   を備える学習データ生成装置。
2. 前記センサデータ採用可否判定部は、採用しないと判定された区間センサデータを基準にして、時系列に沿って前後の所定数の区間センサデータについても採用しないと判定する、
   請求項１に記載の学習データ生成装置。
3. 前記センサデータ採用可否判定部は、採用しないと判定された複数の区間センサデータに係る複数の区間同士の時間間隔が所定の間隔以下である場合、当該複数の区間に挟まれた区間に係る区間センサデータについても採用しないと判定する、
   請求項２に記載の学習データ生成装置。
4. 前記撮像データ採用可否判定部は、前記姿勢判定部により姿勢の判定結果が得られなかった区間の区間撮像データについても採用しないと判定する、
   請求項１～３の何れか一項に記載の学習データ生成装置。
5. 前記撮像データ採用可否判定部は、採用しないと判定された区間撮像データを基準にして、時系列に沿って前後の所定数の区間撮像データについても採用しないと判定する、
   請求項１～４の何れか一項に記載の学習データ生成装置。
6. 前記撮像データ採用可否判定部により採用しないと判定された区間撮像データに係る区間に対応する区間センサデータについて、前記センサデータ採用可否判定部が採用しないと判定していない場合に、採用しないと判定された区間撮像データについて採用とするよう前記撮像データ採用可否判定部による判定結果を修正する修正判定部、
   をさらに備える請求項１～５の何れか一項に記載の学習データ生成装置。
7. 着席した対象者の姿勢に関する学習データを生成する学習データ生成装置、によって実行される学習データ生成方法であって、
   前記対象者の着席座面における圧力分布を検出するためのセンサにより所定時間にわたり継続的に検出して得られた時系列に沿ったセンサデータであって、所定の時間間隔ごとの複数の区間センサデータから成るセンサデータを取得し、前記複数の区間センサデータの各々について検出値が時系列に沿って所定基準よりも大きく変化しているか否かを判定し、少なくとも、検出値が所定基準よりも大きく変化している区間センサデータを、前記学習データの生成のために採用しないと判定するセンサデータ採用可否判定ステップと、
   着席した対象者をカメラにより所定時間にわたり継続的に撮像して得られた時系列に沿った撮像データであって、所定の時間間隔ごとの複数の区間撮像データから成る撮像データを取得し、各区間について前記区間撮像データに基づき前記対象者の姿勢を判定する姿勢判定ステップと、
   前記姿勢判定ステップによる判定で得られた各区間の姿勢を対象として、ある対象の区間の姿勢が直前の区間の姿勢から変化しているか否かを判定し、少なくとも、姿勢が変化している対象の区間の区間撮像データを、前記学習データの生成のために採用しないと判定する撮像データ採用可否判定ステップと、
   前記センサデータ採用可否判定ステップによる前記区間センサデータについての判定結果と、前記撮像データ採用可否判定ステップによる前記区間撮像データについての判定結果とに基づいて、採用しないと判定されなかった区間センサデータと、採用しないと判定されなかった区間撮像データとを紐づけて学習データを生成し格納する学習データ生成格納ステップと、
   を備える学習データ生成方法。
   

Images