JP7281177B2 - 見守り対象者の心身状態を推定する学習モデルの教師データを生成する方法及びシステム - Google Patents

Description

本発明は、教師データを生成する方法に関し、より詳細には、見守り対象者の心身状態を推定する学習モデルを生成するために必要な教師データを生成する方法に関する。

超高齢社会に突入した日本では、核家族化が進む中、一人暮らしの高齢者の割合が年々増加している。このような社会情勢を受けて、近年、高齢者を見守るための見守りシステムが種々提案されている。

従来の見守りシステムの多くは、高齢者の生活空間に設置された人感センサの出力や家電の使用状況などを所定のルールに照らして異常を検知しようとするものだが（例えば、特許文献１、２）、実際には、実用に足るルールを作成することは非常に困難であり、誤検知や見逃しが多いなど、満足のいく結果が得られていないのが現状である。

一方、高齢者と離れて暮らす家族は、高齢者の心身状態を絶えず気にかけており、高齢者の心身状態の変化にできるだけ早く気付きたいと願っている。

しかしながら、従来のルールベースによるアプローチでは、「トイレの中で倒れている」とか「外出したまま帰ってこない」といった明らかな異常状態を検知することはできても、高齢者の心身状態の変化を検知することはできなかった。

特開２０１７－１１６９９４号公報 特開２０１４－２２２４９８号公報

本発明者は、上記の問題に鑑みて、高齢者の心身状態を推定する見守りシステムを機械学習のアプローチで構築するという着想を得たが、この着想を具体化する過程で、学習モデルを生成するために必要な教師データをいかにして生成するのかという問題に行き当たった。本発明は、この問題を解決するべくなされたものであり、一人暮らしの高齢者に代表される見守り対象者の心身状態を推定する学習モデルの教師データを生成する方法を提供することを目的とする。

見守り対象者の心身状態を推定する学習モデルの教師データを生成するにあたり、第１に、何を入力データとするのかが問題となり、第２に、入力データに対して誰がどのような方法でラベル付け（異常／正常）を行うのかが問題となる。

第１の問題に関して、本発明者は、生活者の生活の質向上を長年研究する中で得た、生活者の心身状態がその人の生活行動パターンに反映するという知見から、見守り対象者の生活行動パターンの特徴量を入力データとするという着想を得た。

第２の問題に関して、本発明者は、光の変化を高感度に感じ取る人間の優れた視覚能力に着目し、見守り対象者の生活行動パターンの特徴量を光で表現し、それを見守り対象者に愛着を持つ見守り者に提示して、見守り対象者の心身状態を判定させるという着想を得た。

本発明者は、上述した着想に基づいて鋭意検討した結果、以下の構成に想到し、本発明に至ったのである。

すなわち、本発明によれば、見守り対象者の心身状態を推定する学習モデルの教師データを生成する方法であって、見守り対象者の生活空間に設置された複数のＩｏＴ機器から動作ログを取得するステップと、取得した前記動作ログから複数の特徴量を抽出するステップと、抽出された複数の特徴量を要素とする特徴テンソルを生成するステップと、複数の特徴量のそれぞれに対応付けられている複数の発光素子によって構成される発光表示装置の発光を制御するステップであって、前記動作ログから抽出された特徴量の値に基づいて対応する発光素子の発光態様を制御するステップと、発光が制御される前記発光表示装置を観察した見守り者による判定に基づいて、前記特徴テンソルに対して異常または正常のラベル付けを行うステップと、を含む方法が提供される。

上述したように、本発明によれば、見守り対象者の心身状態を推定する学習モデルの教師データを生成する方法が提供される。

本実施形態の見守りシステムの構成を示す図。 本実施形態の発光表示装置を示す図。 本実施形態の発光表示装置を説明するための概念図。 本実施形態の見守りシステムの機能構成を示す図。 本実施形態の見守りシステムが実行する処理のシーケンス図。 本実施形態の見守りシステムが用いるテーブルを示す図。 本実施形態の見守りシステムが用いるテーブルを示す図。 本実施形態の見守りシステムが実行する処理のシーケンス図。 見守り者のＰＣに表示されるＵＩ画面を示す図。 発光素子と特徴量の対応付けを説明するための概念図。

以下、本発明を図面に示した実施の形態をもって説明するが、本発明は、図面に示した実施の形態に限定されるものではない。なお、以下に参照する各図においては、共通する要素について同じ符号を用い、適宜、その説明を省略するものとする。

図１は、本発明の実施形態である見守りシステム１０００のシステム構成を示す。本実施形態の見守りシステム１０００は、システム全体を管理する集中管理サーバ１００と、複数のＩｏＴ機器４０と、パーソナル・コンピュータ２００と、発光表示装置３００とを含む。

複数のＩｏＴ機器４０は、見守り対象者（例えば、独居の高齢者）の生活空間４００に設置される電子機器であり、各ＩｏＴ機器４０は、無線アクセスポイント４２およびネットワーク５０を介して集中管理サーバ１００と相互通信可能となっている。

本実施形態において、「ＩｏＴ機器」とは、インターネットなどのネットワークを介してデータ通信を行うことが可能なネットワーク対応の電子機器全般を意味する。ここで、ＩｏＴ機器４０としては、いわゆる“スマート家電”や各種の状態センサを例示することができ、スマート家電としては、例えば、冷蔵庫、テレビ、エアコン、洗濯機、室内照明器具、電子レンジ、ＨＩクッキングヒーター、炊飯器、電気ポットなどを例示することができ、状態センサとしては、扉や窓に設置される開閉センサや、各部屋に設置される人感センサ、照度センサ、温湿度センサ、匂いセンサなどを例示することができる。

発光表示装置３００は、見守り対象者の生活行動パターンを光で表現する装置である。図２に拡大して示すように、発光表示装置３００は、正方形状の支持台３２と、４つの支持枠３４ａ，３４ｂ，３４ｃ，３４ｄと、８０個の発光素子３０と、立方体状の透明カバー３６とからなり、それぞれに２０個の発光素子３０が２次元マトリックス状に配設された４つの支持枠３４ａ，３４ｂ，３４ｃ，３４ｄが支持台３２の上に等間隔に並んで立設されることで、８０個の発光素子３０が３次元マトリックス状に配設された構造となっている。なお、本実施形態では、発光素子３０として、発光強度および発光色を制御可能なフルカラーＬＥＤが採用しており、以下では、発光素子３０のことをＬＥＤ素子３０という。

本実施形態では、発光表示装置３００を構成する８０個のＬＥＤ素子３０のそれぞれに対して固有のアドレスが割り当てられている。具体的には、図３に示すように、支持枠３４ａに配設される２０個のＬＥＤ素子３０に対してアドレスａ１～ａ２０が割り当てられ、支持枠３４ｂに配設される２０個のＬＥＤ素子３０に対してアドレスｂ１～ｂ２０が割り当てられ、支持枠３４ｃに配設される２０個のＬＥＤ素子３０に対してアドレスｃ１～ｃ２０が割り当てられ、支持枠３４ｄに配設される２０個のＬＥＤ素子３０に対してアドレスｄ１～ｄ２０が割り当てられており、各ＬＥＤ素子３０のアドレスを指定して、その発光強度、発光色および発光タイミングを個別に制御できるようになっている。

パーソナル・コンピュータ２００（以下、ユーザＰＣ２００という）は、見守り対象者を見守る見守り者（例えば、独居の高齢者と離れて暮らす家族）が使用するコンピュータであり、ネットワーク５０を介して集中管理サーバ１００と相互通信可能となっている。本実施形態において、ユーザＰＣ２００は、有線または無線を介して発光表示装置３００に接続されており、発光表示装置３００の発光を制御するとともに、見守り者による見守り対象者の心身状態の判定結果の入力を受け付ける役割を担う。なお、図１では、ユーザＰＣ２００として、ノート型ＰＣを例示しているが、ユーザＰＣ２００は、これに限定されず、デスクトップＰＣやタブレット型ＰＣであってよく、スマートフォンであってもよい。

以上、本実施形態の見守りシステム１０００のシステム構成を説明してきたが、続いて、図４に示す機能ブロック図に基づいて、ユーザＰＣ２００および集中管理サーバ１００の機能構成を説明する。

本実施形態では、本システムを利用するための専用アプリケーションがユーザＰＣ２００に予めインストールされており、ユーザＰＣ２００は、当該専用アプリケーションを実行することにより、ＵＩ部２０２および発光制御部２０３として機能する。

ＵＩ部２０２は、所定のＵＩ画面をユーザＰＣ２００のディスプレイに表示し、当該ＵＩ画面を介して、見守り者からの操作入力を受け付ける手段である。

発光制御部２０３は、集中管理サーバ１００から取得した発光制御情報（後述する）に基づいて発光表示装置３００の発光を制御する手段である。

一方、集中管理サーバ１００は、動作ログ収集部１０１と、特徴量抽出部１０２と、特徴ベクトル生成部１０３と、発光制御情報生成部１０４と、発光制御情報提供部１０５と、教師データ生成部１０６と、機械学習部１０７と、見守り実行部１０８とを含んで構成される。

動作ログ収集部１０１は、見守り対象者の生活空間４００に設置される複数のＩｏＴ機器４０から定期的に動作ログを収集する手段である。

特徴量抽出部１０２は、動作ログ収集部１０１が収集した各機器の動作ログから複数の特徴量を抽出する手段である。特徴量抽出部１０２は、適切な推論エンジンを備えており、記憶領域１０９に保存される知識ベースを用いて、動作ログから所定の特徴量を抽出する。

特徴ベクトル生成部１０３は、特徴量抽出部１０２が抽出した複数の特徴量を要素とする特徴ベクトルを生成する手段である。

発光制御情報生成部１０４は、発光表示装置３００の発光を制御するために必要な発光制御情報を生成する手段である。

発光制御情報提供部１０５は、ユーザＰＣ２００からの求めに応じて、発光制御情報生成部１０４が生成した発光制御情報を提供する手段である。

教師データ生成部１０６は、特徴ベクトル生成部１０３が生成した特徴ベクトルに対してラベル付けを行うことにより、見守り対象者の心身状態を推定する学習モデルの教師データを生成する手段である。

機械学習部１０７は、教師データ生成部１０６が生成した教師データを用いて見守り対象者の心身状態を推定する学習モデルを生成する手段である。

見守り実行部１０８は、機械学習部１０７が生成した学習モデルを用いて見守り対象者の心身状態を推定し、見守り者に必要な通知を行う手段である。

なお、本実施形態では、集中管理サーバ１００を構成するコンピュータが、所定のプログラムを実行することにより、上述した各手段として機能する。

以上、ユーザＰＣ２００および集中管理サーバ１００の機能構成について説明してきたが、続いて、見守りシステム１０００が「教師データ生成モード」で実行する処理の内容を説明する。なお、以下では、見守り対象者の生活空間４００に２０台のＩｏＴ機器４０が設置されている場合を例にとって説明を行う。

まず最初に、本実施形態の見守りシステム１０００が日々継続的に実行する処理の内容を図５に示すシーケンス図に基づいて説明する。

本実施形態では、動作ログ収集部１０１が、所定のタイミングで、見守り対象者の生活空間４００に設置される２０台のＩｏＴ機器４０から動作ログを収集する（Ｓ１）。例えば、動作ログ収集部１０１は、一日が終わるタイミング（２４時００分）で、各ＩｏＴ機器４０から一日分の動作ログを収集し、収集した２０個の動作ログを記憶領域１０９に保存する。ここでいう動作ログとしては、例えば、スマート冷蔵庫の扉の開閉時刻、スマートテレビの電源のオン／オフ時刻、トイレの照明のオン／オフ時刻、玄関ドアの開閉時刻、各種状態センサの検出値などを例示することができる。

２０台のＩｏＴ機器４０の動作ログを収集し終わると、特徴量抽出部１０２が、所定のアルゴリズムに基づいて、収集した２０個の動作ログから複数の特徴量を抽出する（Ｓ２）。ここで、動作ログからどのような特徴量を抽出するかについては、任意に設計することができ、本発明は、特徴量の内容を限定するものではないが、ここでは、説明の便宜上、以下に述べるような特徴量を抽出するものとして説明を行う。

すなわち、本実施形態では、１日を６時間毎の４つの時間帯（０－６、６－１２、１２－１８、１８－２４）に分け、スマート冷蔵庫の各時間帯の動作ログ（扉の開閉時刻）から各時間帯の冷蔵庫の利用回数を特徴量として抽出し、スマートテレビの各時間帯の動作ログ（電源のオン／オフ時刻）から各時間帯のテレビの視聴時間の利用回数を特徴量として抽出し、玄関ドアに設けられたセンサの各時間帯の動作ログ（ドアの開閉時刻）から各時間帯の玄関ドアの開閉回数を特徴量として抽出する、といった具合に、各ＩｏＴ機器４０の動作ログから時間帯に対応する１つの特徴量を抽出する。この場合、２０台のＩｏＴ機器４０の１日分の動作ログから合計で８０個の特徴量が抽出されることになる。

特徴量抽出部１０２は、Ｓ２で抽出した特徴量の値を記憶領域１０９に保存されるテーブル５００に格納する。図６は、テーブル５００を示す。図６に示すように、テーブル５００は、特徴量抽出部１０２が１日分の動作ログから抽出する８０個の特徴量と、発光表示装置３００を構成する８０個のＬＥＤ素子３０を一対一で対応付けるテーブルであり、特徴量のＩＤを格納するカラム５０１と、特徴量の内容を格納するカラム５０２と、特徴量の値を格納するためのカラム５０３と、特徴量に対応付けられるＬＥＤ素子３０のアドレスを格納するカラム５０４と、ＬＥＤ素子３０の発光色を格納するカラム５０５と、ＬＥＤ素子３０の発光強度を格納するためのカラム５０６とを有している。特徴量抽出部１０２は、Ｓ２で抽出した８０個の特徴量の値を、カラム５０３の該当するフィールドに格納する。

ここで、本実施形態では、発光表示装置３００を構成する各ＬＥＤ素子３０に対して予め固有の発光色が割り当てられており、カラム５０５の各フィールドには、各ＬＥＤ素子３０の発光色を指定するためのＲＧＢ情報が予め格納されている。また、本実施形態では、ＬＥＤ素子３０の発光強度が４段階のレベルで制御可能となっており、カラム５０６の各フィールドには、各ＬＥＤ素子３０の発光強度のレベルを指定するためのレベル情報（０，１，２，３）が格納されるようになっている。

再び図５に戻って説明を続ける。

特徴量の抽出が終わると、続いて、特徴ベクトル生成部１０３が、抽出した特徴量を要素とする特徴ベクトルを生成する（Ｓ３）。具体的には、テーブル５００のカラム５０３に格納された８０個の特徴量を読み出し、これらを要素とする８０次元のベクトル（Ｘ_１，Ｘ_２，Ｘ_３，…Ｘ_８０）を生成する。

ここで、見守り対象者の生活空間４００に設置されるＩｏＴ機器４０の動作ログから抽出される特徴量を要素とする特徴ベクトル（Ｘ_１，Ｘ_２，Ｘ_３，…Ｘ_８０）は、見守り対象者の生活行動パターンの特徴を表していると見ることができ、これを、生活者の心身状態がその人の生活行動パターンに反映するという知見に照らせば、つまるところ、Ｓ３で生成される特徴ベクトルは、見守り対象者の心身状態の特徴を表していると見ることができる。

特徴ベクトル生成部１０３は、Ｓ３で生成した特徴ベクトルを記憶領域１０９に保存されるテーブル６００に格納する。図７は、テーブル６００を示す。図７に示すように、テーブル６００は、動作ログを抽出した日付を格納するためのカラム６０１と、生成した特徴ベクトルを格納するためのカラム６０２と、発光制御情報を格納するためのカラム６０３とを備えており、特徴ベクトル生成部１０３は、Ｓ３で生成した特徴ベクトル（Ｘ_１，Ｘ_２，Ｘ_３，…Ｘ_８０）を、その元となった動作ログを収集した日付に対応するカラム６０２のフィールドに格納する。

特徴ベクトルの生成が終わると、続いて、発光制御情報生成部１０４が、Ｓ２で抽出された特徴量に基づいて発光制御情報を生成する（Ｓ４）。ここで、「発光制御情報」とは、発光表示装置３００を構成する各ＬＥＤ素子３０の発光態様を指定するためのデータセットを意味し、発光制御情報生成部１０４は、以下の手順で、発光制御情報を生成する。

まず最初に、Ｓ２で抽出した各特徴量の値に基づき、所定の規則に従って、ＬＥＤ素子３０の発光強度のレベルを決定し、決定したレベルを指定するレベル情報（０，１，２，３）を、テーブル５００の注目する特徴量に対応するカラム５０６のフィールドに格納する。本発明は、発光強度のレベルを決定する規則を特に限定するものではないが、ここでは、特徴量の値が大きくなるにつれ、段階的に発光強度のレベルを大きくするという規則に基づいて発光強度のレベルを決定するものとする。

テーブル５００のカラム５０６に８０個のレベル情報が格納されたことを受けて、発光制御情報生成部１０４は、テーブル５００の各レコードから、ＬＥＤ素子３０のアドレス、発光色（ＲＧＢ情報）および発光強度（レベル情報）という３つの情報を抽出し、これら３つの情報を一組とする８０組のデータセットを発光制御情報として生成する。

最後に、Ｓ４で生成した発光制御情報（あるいは、その保存先パス）を、テーブル６００の、Ｓ１で動作ログを収集した日付に対応するカラム６０３のフィールドに格納する。これにより、動作ログを収集した日付と、当該動作ログから抽出した特徴量を要素とする特徴ベクトルと、当該動作ログから抽出した特徴量に基づいて生成された発光制御情報とが対応付けて保存される（Ｓ５）。

本実施形態では、上述した一連の処理が毎日実行され、その度に、テーブル６００が更新される。

続いて、本実施形態の見守りシステム１０００が教師データを生成する際に実行する処理の内容を図８に示すシーケンス図に基づいて説明する。

見守り者が自身のユーザＰＣ２００を操作して、本システムを利用するための専用アプリケーションを起動すると（Ｓ１）、これに応答して、ＵＩ部２０２が、図９（ａ）に示す観察日指定画面７００をディスプレイに表示する（Ｓ２）。このとき、観察日指定画面７００には、日付を指定するためのカレンダーが表示され、見守り者は、表示されたカレンダー上で観察したい日付を指定して、ＯＫボタンをクリックする（Ｓ３）。

ＯＫボタンがクリックされたことに応答して、ＵＩ部２０２が、集中管理サーバ１００に対して、見守り者が指定した日付に対応する発光制御情報を要求する（Ｓ４）。これを受けて、集中管理サーバ１００の発光制御情報提供部１０５は、テーブル６００から見守り者が指定した日付に紐付いた発光制御情報を読み出し（Ｓ５）、読み出した発光制御情報をユーザＰＣ２００に送信する（Ｓ６）。

これを受けて、ユーザＰＣ２００の発光制御部２０３は、集中管理サーバ１００から受信した発光制御情報に基づいて発光表示装置３００を構成する８０個のＬＥＤ素子３０の発光態様を制御する（Ｓ７）。具体的には、受信した発光制御情報から、各ＬＥＤ素子３０のアドレスに対応付けられたＲＧＢ情報およびレベル情報を読み出し、読み出したＲＧＢ情報およびレベル情報に基づいて、当該アドレスのＬＥＤ素子３０の発光色および発光強度を個別的に制御する。

このとき発光表示装置３００が提示する光の固まりは、見守り者が指定した日の見守り対象者の心身状態を可視化しており、見守り者は、この光の固まりを観察し、そこから受ける印象に基づいて、見守り対象者の心身状態を判定する。

発光制御部２０３が発光表示装置３００の発光制御を終えると、ＵＩ部２０２は、図９（ｂ）に示す判定結果入力画面８００をディスプレイに表示する（Ｓ８）。このとき、判定結果入力画面８００には、「何か異常を感じましたか？」というメッセージとともに、回答ボタン（はい／いいえ）が表示される。見守り者は、発光表示装置３００が提示する光の固まりから、何かしらの異常を感じ取った場合は「はい」ボタンをクリックし、特に何も感じなかった場合は「いいえ」ボタンをクリックすることで、判定結果を入力する（Ｓ９）。

このとき期待されるのが、見守り対象者に愛着を持つ見守り者の直感力である。一般に、愛ある人間が、愛する人のなにげない表情やしぐさなどから、赤の他人であれば到底気付くことのできないような潜在的な変化を直感的に感じ取れることが経験的に知られているが、本発明者は、見守り対象者の心身状態を表現する光の固まりを観察する見守り者においても、これと同様の直感力が発揮されるものと考える。

判定結果入力画面８００の回答ボタンがクリックされたことに応答して、ＵＩ部２０２は、見守り者が入力した判定結果を集中管理サーバ１００に送信する（Ｓ１０）。具体的には、「はい」ボタンがクリックされた場合には、見守り者が指定した観察日の日付と「異常」フラグを含む判定結果を集中管理サーバ１００に送信し、「いいえ」ボタンがクリックされた場合には、見守り者が指定した観察日の日付と「正常」フラグを含む判定結果を集中管理サーバ１００に送信する。

ユーザＰＣ２００から判定結果を受信したことを受けて、集中管理サーバ１００の教師データ生成部１０６は、図７に示すテーブル６００から、受信した判定結果に含まれる観察日の日付に紐付いた特徴ベクトルを読み出し、読み出した特徴ベクトルに対してラベル付けを行う。具体的には、受信した判定結果に「異常」フラグが含まれていた場合には、読み出した特徴ベクトルに対して「異常」のラベル付けを行い（Ｓ１１）、受信した判定結果に「正常」フラグが含まれていた場合には、読み出した特徴ベクトルに対して「正常」のラベル付けを行う（Ｓ１２）。

教師データ生成部１０６は、上述した手順で得られた特徴ベクトルとラベルのペアを、見守り対象者の心身状態を推定する学習モデルの教師データとして、記憶領域１０９に保存する（Ｓ１３）。

本実施形態では、見守り者の要求に応じて上述した一連の処理が実行され、その度に、１つの新しい教師データが記憶領域１０９に蓄積される。

以上、本実施形態の見守りシステム１０００の「教師データ生成モード」について説明してきたが、続いて、見守りシステム１０００の「学習モード」および「見守り実行モード」について説明する。

「学習モード」では、集中管理サーバ１００の機械学習部１０７が、上述した手順を経て記憶領域１０９に蓄積された複数の教師データを用いて教師あり学習を行うことにより見守り対象者の心身状態を推定する学習モデルを生成し、生成した学習モデルを記憶領域１０９に保存する。

一方、「見守り実行モード」では、集中管理サーバ１００は、まず最初に、図５で説明したＳ１～Ｓ３の処理を実行する。すなわち、動作ログ収集部１０１が、所定のタイミングで、見守り対象者の生活空間４００に設置される２０台のＩｏＴ機器４０から各機器の動作ログを収集し（Ｓ１）、特徴量抽出部１０２が、収集した２０個の動作ログから８０個の特徴量を抽出し（Ｓ２）、特徴ベクトル生成部１０３が、抽出した８０個の特徴量を要素とする８０次元の特徴ベクトルを生成する（Ｓ３）

続いて、見守り実行部１０８が、記憶領域１０９に保存される学習モデルを用いて見守り対象者の心身状態を推定する。具体的には、当該学習モデルに対して、特徴ベクトル生成部１０３が生成した８０次元の特徴ベクトルを入力として与え、見守り対象者の心身状態（異常／正常）を出力として得る。その結果、見守り対象者の心身状態の「異常」が推定された場合には、見守り実行部１０８は、その旨を電子メール等の適切な方法でユーザＰＣ２００に通知する。

以上、説明したように、本実施形態によれば、見守り対象者の心身状態を推定する学習モデルを生成するために必要な教師データを生成することができ、当該教師データを学習した学習モデルを用いて、見守り対象者の心身状態を推定することが可能となる。

同居の高齢者の場合は、その表情やしぐさ、言葉づかいなどから、何となく元気がないとか、体調を崩しかけているといった小さな変化を家族が直感的に感じ取ることができるので、優しい言葉をかけて慰めたり、病院に連れて行くなどの適切な処置を取ることができるのに対し、遠く離れて暮らす高齢者の場合は、どうしても変化に気付くのが遅れ、気付いたときには手遅れということになりかねない。この点、本実施形態によれば、離れて暮らす高齢者の心身状態の小さな変化をその家族が遠隔で検知することができるので、大事に至る前に適切な処置を取ることが可能になる。

以上、本発明について説明してきたが、本発明は上述した実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲で種々の変更が可能である。以下、このことを具体的に説明する。

本発明では、特徴量を任意の発光素子に割り当てることができる。例えば、上述した実施形態では、図１０（ａ）に示すように、４つの時間帯（０－６、６－１２、１２－１８、１８－２４）の動作ログから抽出された特徴量が割り当てられた発光素子が時系列順にＺ方向に並ぶ態様を示したが、別の実施形態では、図１０（ｂ）に示すように、４つの時間帯（０－６、６－１２、１２－１８、１８－２４）の動作ログから抽出された特徴量が割り当てられた発光素子が時系列順にＸ方向に並び、且つ、４つの部屋（居間、台所、客間、寝室）の動作ログから抽出された特徴量が割り当てられた発光素子が部屋ごとに纏まってＺ方向に並ぶように割り当てることもできる。特徴量の割り当て方には、この他にも、種々のバリエーションが可能であることはいうまでもない。

上述した実施形態では、１つの発光素子に対して１つの特徴量を割り当てる構成を示したが、別の実施形態では、２以上の発光素子に対して１つの特徴量を割り当てるようにしてもよいし、１つの発光素子に対して２以上の特徴量を割り当てるようにしてもよい。１つの発光素子に対して２以上の特徴量を割り当てるケースとしては、１つの発光素子に対して４つの時間帯（０－６、６－１２、１２－１８、１８－２４）の動作ログから抽出された４個の特徴量を割り当てるケースを例示することができる。このケースでは、所定の発光期間（例えば、１分間）を４分割した各期間（例えば、１５秒間）を各時間帯の特徴量に割り当てる必要があり、その場合、上述した発光制御情報には、各発光素子の発光色や発光強度に加えて、各発光素子の発光タイミングを指定する情報が含まれることになる。

上述した実施形態では、複数の発光素子を３次元マトリックス状に配設してなる発光表示装置を示したが、発光表示装置の構造はこれに限定されず、複数の発光素子を任意の態様（２次元的あるいは３次元的）で配設したものであればよい。

上述した実施形態では、発光表示装置を構成する発光素子としてフルカラーＬＥＤを採用する例を示したが、発光表示装置を構成する発光素子はこれに限定されず、発光強度および発光色の少なくとも一方を制御できる発光素子であればよい。

上述した実施形態では、特徴量の値の大きさに応じて、対応する発光素子の発光強度を変化させる例を示したが、別の実施形態では、特徴量の値の大きさに応じて、対応する発光素子の発光色を変化させるようにしてもよい。

別の実施形態では、上述した発光表示装置を任意のディスプレイ装置で代替することができ、その場合は、ディスプレイ装置の表示画面上に定義した複数の画素領域の一つ一つが上述した発光素子として機能するように構成すればよい。また、その場合、見守り者のＰＣのディスプレイを発光表示装置として機能させるようにすれば、追加的に発光表示装置を用意する必要がなくなる。

上述した実施形態では、発光制御情報の生成に用いる特徴量と同じ特徴量を用いて特徴ベクトルを生成する例を示したが、別の実施形態では、１日分の動作ログから抽出したＮ個の第１特徴量に基づいて発光制御情報を生成する一方で、同じ動作ログから抽出されるＭ個の第２特徴量（第１特徴量とは異なる特徴量）を用いてＭ次元の特徴ベクトルを生成するようにしてもよい。この場合、Ｍ＜Ｎとなるように第２特徴量を設計すれば、学習するデータの次元数が小さくなるので、学習の効率化が期待できる。そのような例としては、１日分の動作ログから上述した８０個の特徴量を第１特徴量として抽出する一方で、同じ動作ログから５つの部屋（居間、客間、寝室、台所、風呂、トイレ）の滞在時間を推定し、５個の推定値を第２特徴量として抽出する、といった態様を挙げることができる。

上述した実施形態では、見守り対象者の生活行動パターンの特徴をベクトル（１階のテンソル）で表現する例を示したが、別の実施形態では、見守り対象者の生活行動パターンの特徴をＮ階（Ｎは２以上の整数）のテンソルで表現するようにしてもよい。この場合、上述した実施形態の説明は、「特徴ベクトル」を「特徴テンソル」と読み替えて理解されたい。

なお、上述した実施形態では、見守り対象者として、専ら独居の高齢者を想定して説明を行ったが、本発明は、見守り対象者の属性を特に限定するものではなく、本発明が想定する見守り対象者には、例えば、家で留守番する幼い子供や、部屋で放し飼いにされているペット（犬猫）なども含まれる。

上述した他にも、当業者が推考しうる実施態様の範囲内において、本発明の作用・効果を奏する限り、本発明の範囲に含まれるものである。

３０…発光素子（ＬＥＤ素子）、３２…支持台、３４ａ…支持枠、３４…支持枠、３６…透明カバー、４０…ＩｏＴ機器、４２…無線アクセスポイント、５０…ネットワーク、１００…集中管理サーバ、１０１…動作ログ収集部、１０２…特徴量抽出部
１０３…特徴ベクトル生成部、１０４…発光制御情報生成部、１０５…発光制御情報提供部、１０６…教師データ生成部、１０７…機械学習部、１０８…見守り実行部、１０９…記憶領域、２００…ユーザＰＣ（パーソナル・コンピュータ）、２０２…ＵＩ部、２０３…発光制御部、３００…発光表示装置、４００…生活空間、５００…テーブル、５０１，５０２，５０３，５０４，５０５，５０６…カラム、６００…テーブル、６０１，６０２，６０３…カラム、７００…観察日指定画面、８００…判定結果入力画面、１０００…システム

Claims (6)

1. 見守り対象者の心身状態を推定する学習モデルの教師データを生成する方法であって、
   見守り対象者の生活空間に設置された複数の電子機器から動作ログを取得するステップと、
   取得した前記動作ログから複数の特徴量を抽出するステップと、
   抽出された複数の特徴量を要素とする特徴テンソルを生成するステップと、
   複数の特徴量のそれぞれに対応付けられている複数の発光素子によって構成される発光表示装置の発光を制御するステップであって、前記動作ログから抽出された特徴量の値に基づいて対応する発光素子の発光態様を制御するステップと、
   発光が制御される前記発光表示装置を観察した見守り者による判定に基づいて、前記特徴テンソルに対して異常または正常のラベル付けを行うステップと
   を含む方法。
2. 前記複数の特徴量を抽出するステップは、
   取得した前記動作ログから複数の第１特徴量を抽出するステップと、該動作ログから第１特徴量の数よりも少ない数の複数の第２特徴量を抽出するステップとを含み、
   前記特徴テンソルを生成するステップは、
   抽出された複数の前記第２特徴量を要素とする特徴テンソルを生成するステップであり、
   前記発光態様を制御するステップは、
   抽出された前記第１特徴量の値に基づいて対応する発光素子の発光態様を制御するステップである、
   請求項１に記載の方法。
3. 前記発光態様を制御するステップは、
   前記発光素子の発光強度および発光色の少なくとも一方を制御するステップを含む、
   請求項１または２に記載の方法。
4. 前記発光態様を制御するステップは、
   前記発光素子の発光タイミングを制御するステップを含む、
   請求項３に記載の方法。
5. 前記発光表示装置を構成する前記複数の発光素子が３次元的に配設されていることを特徴とする、
   請求項１～４のいずれか一項に記載の方法。
6. 見守り対象者の心身状態を推定する学習モデルの教師データを生成するシステムであって、
   見守り対象者の生活空間に設置された複数の電子機器から動作ログを取得する手段と、
   取得した前記動作ログから複数の特徴量を抽出する手段と、
   抽出された複数の特徴量を要素とする特徴テンソルを生成する手段と、
   複数の特徴量のそれぞれに対応付けられている複数の発光素子によって構成される発光表示装置の発光を制御する手段であって、前記動作ログから抽出された特徴量の値に基づいて対応する発光素子の発光態様を制御する手段と、
   発光が制御される前記発光表示装置を観察した見守り者による判定に基づいて、前記特徴テンソルに対して異常または正常のラベル付けを行う手段と
   を含むシステム。

Images