JP7428874B2 - 体型を判別するための演算デバイス、プロセッサー実施方法、および体型判別システム - Google Patents
体型を判別するための演算デバイス、プロセッサー実施方法、および体型判別システム Download PDFInfo
- Publication number
- JP7428874B2 JP7428874B2 JP2019212675A JP2019212675A JP7428874B2 JP 7428874 B2 JP7428874 B2 JP 7428874B2 JP 2019212675 A JP2019212675 A JP 2019212675A JP 2019212675 A JP2019212675 A JP 2019212675A JP 7428874 B2 JP7428874 B2 JP 7428874B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- sensing data
- section
- module
- feature
- 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
- 238000000034 method Methods 0.000 title claims description 28
- 230000037237 body shape Effects 0.000 claims description 70
- 238000000605 extraction Methods 0.000 claims description 50
- 210000001015 abdomen Anatomy 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 33
- 238000007781 pre-processing Methods 0.000 claims description 26
- 230000001133 acceleration Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 23
- 238000003066 decision tree Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 35
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 7
- 230000008450 motivation Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 4
- 230000037213 diet Effects 0.000 description 4
- 235000001916 dieting Nutrition 0.000 description 4
- 230000037228 dieting effect Effects 0.000 description 4
- 210000003451 celiac plexus Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
(1)ユーザーの体型を判別するための演算デバイスであって、
プロセッサーと、
前記プロセッサーに通信可能に接続されたメモリーと、を含み、
前記メモリーは、
加速度センサーを備えるセンシングデバイスを用いて前記ユーザーの体をなぞることにより取得されたセンシングデータから、複数の特徴量を抽出するための特徴量抽出モジュールと、
前記特徴量抽出モジュールによって抽出された前記複数の特徴量に基づいて前記ユーザーの前記体型を判別するための判別モジュールと、を保存しており、
前記センシングデータは、前記センシングデバイスを用いて前記ユーザーの胸から下腹部までを1度だけなぞることにより取得され、
前記特徴量抽出モジュールは、前記センシングデータの複数の所定の区間を、前記ユーザーの前記胸に対応する第1の区間、前記ユーザーのみぞおちからへそに対応する第2の区間、および前記ユーザーの前記下腹部に対応する第3の区間としてそれぞれ特定し、
前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記センシングデータ全体、前記第1の区間、前記第2の区間、および前記第3の区間のそれぞれの最大値、最小値、分散値、および平均値を含むことを特徴とする演算デバイス。
前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記第1の傾き区間、前記第2の傾き区間、および前記第3の傾き区間のそれぞれの傾きの最大値、最小値、および平均値をさらに含む上記(1)に記載の演算デバイス。
前記判別モジュールの前記決定木構造における前記複数の特徴量のそれぞれに対する前記しきい値パラメーターは、教師付きトレーニングデータを用いた機械学習により決定されている上記(1)ないし(3)のいずれかに記載の演算デバイス。
前記特徴量抽出モジュールは、前記前処理モジュールによって前処理された前記センシングデータから前記複数の特徴量を抽出するよう構成されている上記(1)ないし(4)のいずれかに記載の演算デバイス。
前記判別モジュールによって判別された前記ユーザーの前記体型に基づいて、前記ユーザーに商品やサービスの情報を提供する情報提供モジュールと、をさらに保存している上記(1)ないし(6)のいずれかに記載の演算デバイス。
特徴量抽出モジュールを用いて、加速度センサーを備えるセンシングデバイスを用いて前記ユーザーの体をなぞることにより取得されたセンシングデータから、複数の特徴量を抽出する工程と、
判別モジュールを用いて、抽出された前記複数の特徴量に基づいて前記ユーザーの前記体型を判別する工程と、を含み、
前記センシングデータは、前記センシングデバイスを用いて前記ユーザーの胸から下腹部までを1度だけなぞることにより取得され、
前記特徴量抽出モジュールは、前記センシングデータの複数の所定の区間を、前記ユーザーの前記胸に対応する第1の区間、前記ユーザーのみぞおちからへそに対応する第2の区間、および前記ユーザーの前記下腹部に対応する第3の区間としてそれぞれ特定し、
前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記センシングデータ全体、前記第1の区間、前記第2の区間、および前記第3の区間のそれぞれの最大値、最小値、分散値、および平均値を含むことを特徴とするプロセッサー実施方法。
前記センシングデバイスによって取得された前記センシングデータに基づいて前記ユーザーの体型を判別するための演算デバイスと、を含み、
前記演算デバイスは、
プロセッサーと、
前記プロセッサーに通信可能に接続されたメモリーと、を含み、
前記メモリーは、
前記センシングデータから、複数の特徴量を抽出するための特徴量抽出モジュールと、
前記特徴量抽出モジュールによって抽出された前記複数の特徴量に基づいて前記ユーザーの前記体型を判別するための判別モジュールと、を保存しており、
前記センシングデータは、前記センシングデバイスを用いて前記ユーザーの胸から下腹部までを1度だけなぞることにより取得され、
前記特徴量抽出モジュールは、前記センシングデータの複数の所定の区間を、前記ユーザーの前記胸に対応する第1の区間、前記ユーザーのみぞおちからへそに対応する第2の区間、および前記ユーザーの前記下腹部に対応する第3の区間としてそれぞれ特定し、
前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記センシングデータ全体、前記第1の区間、前記第2の区間、および前記第3の区間のそれぞれの最大値、最小値、分散値、および平均値を含むことを特徴とする体型判別システム。
図1には、本発明の体型判別システム1が示されている。体型判別システム1は、ユーザーの体をなぞることによりセンシングデータを取得するよう構成されたセンシングデバイス10と、センシングデバイス10によって取得されたセンシングデータに基づいてユーザーの体型を判別するための演算デバイス100と、を含む。
センシングデバイス10は、ユーザーによって把持された状態で、ユーザーの体をなぞるように操作された際に、センシングデータを取得し、演算デバイス100に取得したセンシングデータを無線送信する機能を有している。ユーザーは、センシングデバイス10を片手で把持した状態で、所定の測定時間内に、センシングデバイス10で自身の胸から下腹部までをなぞるセンシング操作を実行する。この際に、センシングデバイス10は、センシングデータを取得し、演算デバイス100に送信する。なお、以下の説明において、ユーザーがセンシングデバイス10を片手で把持した状態で、所定の測定時間内に、センシングデバイス10で自身の胸から下腹部までをなぞる操作を、「センシング操作」という。
演算デバイス100は、センシングデバイス10から受信したセンシングデータに基づいてユーザーの体型を判別する機能を有している。演算デバイス100は、単体のデバイスとして実施されていてもよいし、デスクトップコンピューター、ラップトップコンピューター、ノートパソコン、ワークステーション、タブレット型コンピューター、携帯電話、スマートフォン、PDA、ウェアラブル端末、サーバー等の任意の演算デバイス内において実施されていてもよい。
上述した演算デバイス100を用いて本発明のプロセッサー実施方法S100が実行される。以下、図8を参照して、本発明のプロセッサー実施方法S100を詳述する。図8は、本発明の実施形態に係るプロセッサー実施方法(以下、単に方法S100という)を概略的に示す図である。方法S100の工程S110は、ユーザーがセンシングデバイス10を用いることにより実行される。一方、方法S100の工程S120~S160は、演算デバイス100のプロセッサー110が、メモリー140内の各モジュールを含む演算デバイス100の各コンポーネントを用いることにより実行される。
Claims (9)
- ユーザーの体型を判別するための演算デバイスであって、
プロセッサーと、
前記プロセッサーに通信可能に接続されたメモリーと、を含み、
前記メモリーは、
加速度センサーを備えるセンシングデバイスを用いて前記ユーザーの体をなぞることにより取得されたセンシングデータから、複数の特徴量を抽出するための特徴量抽出モジュールと、
前記特徴量抽出モジュールによって抽出された前記複数の特徴量に基づいて前記ユーザーの前記体型を判別するための判別モジュールと、を保存しており、
前記センシングデータは、前記センシングデバイスを用いて前記ユーザーの胸から下腹部までを1度だけなぞることにより取得され、
前記特徴量抽出モジュールは、前記センシングデータの複数の所定の区間を、前記ユーザーの前記胸に対応する第1の区間、前記ユーザーのみぞおちからへそに対応する第2の区間、および前記ユーザーの前記下腹部に対応する第3の区間としてそれぞれ特定し、
前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記センシングデータ全体、前記第1の区間、前記第2の区間、および前記第3の区間のそれぞれの最大値、最小値、分散値、および平均値を含むことを特徴とする演算デバイス。 - 前記特徴量抽出モジュールは、さらに、前記センシングデータの別の複数の所定の区間を、前記ユーザーの腹部のプロファイル変化が前記センシングデータの傾きに反映される第1の傾き区間と、前記ユーザーのへそ回りのプロファイル変化が前記センシングデータの前記傾きに反映される第2の傾き区間と、前記ユーザーの前記下腹部のプロファイル変化が前記センシングデータの前記傾きに反映される第3の傾き区間としてそれぞれ特定し、
前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記第1の傾き区間、前記第2の傾き区間、および前記第3の傾き区間のそれぞれの傾きの最大値、最小値、および平均値をさらに含む請求項1に記載の演算デバイス。 - 前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記センシングデータの終端値および前記センシングデータ中に現れる最大の山のピーク値をさらに含む請求項1または2に記載の演算デバイス。
- 前記判別モジュールは、前記複数の特徴量のそれぞれに対するしきい値パラメーターを用いて段階的に前記ユーザーの前記体型を判別する決定木構造を利用して、前記ユーザーの前記体型を判別し、
前記判別モジュールの前記決定木構造における前記複数の特徴量のそれぞれに対する前記しきい値パラメーターは、教師付きトレーニングデータを用いた機械学習により決定されている請求項1ないし3のいずれかに記載の演算デバイス。 - 前記メモリーは、前記センシングデータを前処理するための前処理モジュールをさらに保存しており、
前記特徴量抽出モジュールは、前記前処理モジュールによって前処理された前記センシングデータから前記複数の特徴量を抽出するよう構成されている請求項1ないし4のいずれかに記載の演算デバイス。 - 前記前処理モジュールは、前記センシングデータに対して平滑化処理を施すよう構成されている請求項5に記載の演算デバイス。
- 前記メモリーは、前記判別モジュールによって判別された前記ユーザーの前記体型を含むレポートを前記ユーザーに提供するためのレポート提供モジュールと、
前記判別モジュールによって判別された前記ユーザーの前記体型に基づいて、前記ユーザーに商品やサービスの情報を提供する情報提供モジュールと、をさらに保存している請求項1ないし6のいずれかに記載の演算デバイス。 - ユーザーの体型を判別するためのプロセッサー実施方法であって、
特徴量抽出モジュールを用いて、加速度センサーを備えるセンシングデバイスを用いて前記ユーザーの体をなぞることにより取得されたセンシングデータから、複数の特徴量を抽出する工程と、
判別モジュールを用いて、抽出された前記複数の特徴量に基づいて前記ユーザーの前記体型を判別する工程と、を含み、
前記センシングデータは、前記センシングデバイスを用いて前記ユーザーの胸から下腹部までを1度だけなぞることにより取得され、
前記特徴量抽出モジュールは、前記センシングデータの複数の所定の区間を、前記ユーザーの前記胸に対応する第1の区間、前記ユーザーのみぞおちからへそに対応する第2の区間、および前記ユーザーの前記下腹部に対応する第3の区間としてそれぞれ特定し、
前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記センシングデータ全体、前記第1の区間、前記第2の区間、および前記第3の区間のそれぞれの最大値、最小値、分散値、および平均値を含むことを特徴とするプロセッサー実施方法。 - 加速度センサーを備え、ユーザーの体をなぞることによりセンシングデータを取得可能に構成されたセンシングデバイスと、
前記センシングデバイスによって取得された前記センシングデータに基づいて前記ユーザーの体型を判別するための演算デバイスと、を含み、
前記演算デバイスは、
プロセッサーと、
前記プロセッサーに通信可能に接続されたメモリーと、を含み、
前記メモリーは、
前記センシングデータから、複数の特徴量を抽出するための特徴量抽出モジュールと、
前記特徴量抽出モジュールによって抽出された前記複数の特徴量に基づいて前記ユーザーの前記体型を判別するための判別モジュールと、を保存しており、
前記センシングデータは、前記センシングデバイスを用いて前記ユーザーの胸から下腹部までを1度だけなぞることにより取得され、
前記特徴量抽出モジュールは、前記センシングデータの複数の所定の区間を、前記ユーザーの前記胸に対応する第1の区間、前記ユーザーのみぞおちからへそに対応する第2の区間、および前記ユーザーの前記下腹部に対応する第3の区間としてそれぞれ特定し、
前記特徴量抽出モジュールによって抽出される前記複数の特徴量は、前記センシングデータ全体、前記第1の区間、前記第2の区間、および前記第3の区間のそれぞれの最大値、最小値、分散値、および平均値を含むことを特徴とする体型判別システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019212675A JP7428874B2 (ja) | 2019-11-25 | 2019-11-25 | 体型を判別するための演算デバイス、プロセッサー実施方法、および体型判別システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019212675A JP7428874B2 (ja) | 2019-11-25 | 2019-11-25 | 体型を判別するための演算デバイス、プロセッサー実施方法、および体型判別システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021083497A JP2021083497A (ja) | 2021-06-03 |
JP7428874B2 true JP7428874B2 (ja) | 2024-02-07 |
Family
ID=76086114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019212675A Active JP7428874B2 (ja) | 2019-11-25 | 2019-11-25 | 体型を判別するための演算デバイス、プロセッサー実施方法、および体型判別システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7428874B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002528734A (ja) | 1998-11-04 | 2002-09-03 | イディアグ | 体の表面ラインを検出する測定構造体 |
JP2006081847A (ja) | 2004-09-17 | 2006-03-30 | Inforward Inc | 肌解析ネットワークシステム |
JP2008178605A (ja) | 2007-01-25 | 2008-08-07 | Matsushita Electric Works Ltd | 背面形状分類判定方法及び背面形状分類判定装置 |
JP2018183372A (ja) | 2017-04-25 | 2018-11-22 | 京セラ株式会社 | 電子機器、生成方法及び生成システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01243181A (ja) * | 1988-03-24 | 1989-09-27 | Fujitsu Ltd | 決定木構成装置 |
-
2019
- 2019-11-25 JP JP2019212675A patent/JP7428874B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002528734A (ja) | 1998-11-04 | 2002-09-03 | イディアグ | 体の表面ラインを検出する測定構造体 |
JP2006081847A (ja) | 2004-09-17 | 2006-03-30 | Inforward Inc | 肌解析ネットワークシステム |
JP2008178605A (ja) | 2007-01-25 | 2008-08-07 | Matsushita Electric Works Ltd | 背面形状分類判定方法及び背面形状分類判定装置 |
JP2018183372A (ja) | 2017-04-25 | 2018-11-22 | 京セラ株式会社 | 電子機器、生成方法及び生成システム |
Also Published As
Publication number | Publication date |
---|---|
JP2021083497A (ja) | 2021-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11948401B2 (en) | AI-based physical function assessment system | |
US10827967B2 (en) | Emotional/behavioural/psychological state estimation system | |
US9551608B2 (en) | Wearable device and method for controlling the same | |
JP6125670B2 (ja) | 収集された生物物理的信号の時間的パターンおよび空間的パターンに基づく脳‐コンピューターインターフェース(bci)システム | |
He et al. | Physical activity recognition utilizing the built-in kinematic sensors of a smartphone | |
JP4481682B2 (ja) | 情報処理装置及びその制御方法 | |
CN114502061A (zh) | 使用深度学习的基于图像的自动皮肤诊断 | |
US20190323895A1 (en) | System and method for human temperature regression using multiple structures | |
KR20170001490A (ko) | 전자 장치 및 생체 센서를 이용한 전자 장치의 기능 제어 방법 | |
US20210319585A1 (en) | Method and system for gaze estimation | |
US9241664B2 (en) | Using physical sensory input to determine human response to multimedia content displayed on a mobile device | |
Martínez-Villaseñor et al. | Deep learning for multimodal fall detection | |
US11596764B2 (en) | Electronic device and method for providing information for stress relief by same | |
JP2018005512A (ja) | プログラム、電子機器、情報処理装置及びシステム | |
US20200402641A1 (en) | Systems and methods for capturing and presenting life moment information for subjects with cognitive impairment | |
KR20210060246A (ko) | 생체 데이터를 획득하는 장치 및 그 방법 | |
Sridhar et al. | E-Bot: A facial recognition based human-robot emotion detection system | |
JP7428874B2 (ja) | 体型を判別するための演算デバイス、プロセッサー実施方法、および体型判別システム | |
US20200175255A1 (en) | Device for determining features of a person | |
CN106997428A (zh) | 目诊系统 | |
TW201329877A (zh) | 執行虛擬人物的執行方法及應用該方法的可攜式電子裝置 | |
Duncan et al. | Camera-based short physical performance battery and timed up and go assessment for older adults with cancer | |
Chmielińska et al. | Multimodal data acquisition set for objective assessment of Parkinson’s disease | |
Adibuzzaman et al. | In situ affect detection in mobile devices: a multimodal approach for advertisement using social network | |
WO2021102417A1 (en) | Smart mirror system for collecting and visualizing physical appearance information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221125 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231026 |
|
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: 20231226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7428874 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |