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

Description

本発明は、一般に、ユーザーの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に関し、より具体的には、加速度センサーを有するセンシングデバイスを用いて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、プロセッサー実施方法、および体型判別システムに関する。

スリムな体型を維持し、健康を維持しようという健康志向が近年高まっている。体型維持やダイエットの際には、体重計を用いて自身の体重を把握することにより、自身のモチベーションの維持または向上を図ることがよく行われている。特に、体重の変化は、客観的な数値として記録に残るので、体型維持やダイエットの成果を把握しやすく、モチベーションの向上や維持に大いに役立つ。

また、スマートフォンのカメラを用いて鏡に映った自身の体型を撮影し、記録を残すことも、モチベーションの向上や維持に役立つ。しかしながら、この場合、自身の体型の変化は、自身の主観的判断に依存しており、客観的に判別されるものではない。また、鏡に映った自身の体型を撮影したとしても、撮影した画像から視認できるのは体の一部分（例えば、体の前面）のみである。もし、全身の体型変化を写真として記録に残したいのであれば、他人に様々な角度から自身を撮影してもらうよう依頼するか、特許文献１に記載のような大規模な全方位撮影システムや３次元スキャンのような大規模なシステムを利用しなければならない。

このように、自身の体型を把握するために、一人で自身の全身の写真を撮影するのは困難かつ面倒である。また、体の様々な部位のデータを収集するために、全方位撮影システムや３次元スキャンのような大規模なシステムを利用すると、多大な労力とコストが発生してしまう。そのため、自身の体型を継続的かつ日常的に記録することは困難である。また、全身の写真撮影や３次元スキャンによって取得されるデータはデータ量が多いため、そのようなデータを処理するためには長い処理時間を必要とする。また、処理すべきデータ量が多いため、スマートフォンのような携帯型電子デバイスでは、体型を判別するための処理を実行することが困難である。さらに、データを外部サーバーに転送し、処理する場合であっても、データ転送時間が長くなり、さらに、セキュリティ対策が必要となる。このように、体型維持やダイエットのモチベーションの向上や維持のために、自身の体型を簡易かつ低コストでセンシングおよび判別したいというニーズが存在しているが、従来技術はこのようなニーズに十分に対応できていない。

特開２００２－３７４４５４号公報

本発明は、上記従来の問題点を鑑みたものであり、その目的は、ユーザーの体型を簡易かつ低コストで判別可能な演算デバイス、プロセッサー実施方法、および体型判別システムを提供することにある。

このような目的は、以下の（１）～（９）の本発明により達成される。
（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。

（２）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上記（１）に記載の演算デバイス。

（３）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上記（１）または（２）に記載の演算デバイス。

（４）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上記（１）ないし（３）のいずれかに記載の演算デバイス。

（５）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上記（１）ないし（４）のいずれかに記載の演算デバイス。

（６）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上記（５）に記載の演算デバイス。

（７）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上記（１）ないし（６）のいずれかに記載の演算デバイス。

（８）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。

（９）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。

本発明によれば、加速度センサーを有するセンシングデバイスを用いてユーザーの体を１度なぞるだけでユーザーの体型を判別することができるので、簡易かつ低コストでユーザーの体型を判別することが可能となる。

本発明の実施形態に係る体型判別システムを概略的に示す図である。 図１に示すセンシングデバイスのブロック図である。 図１に示すセンシングデバイスの斜視図である。 図１に示す演算デバイスのブロック図である。 センシングデータに対する前処理を説明するためのグラフである。 図１に示すセンシングデバイスによって取得されたセンシングデータからの複数の特徴量の抽出を説明するためのグラフである。 図４に示す判別モジュールが用いる決定木構造を説明するための概略図である。 本発明の実施形態に係るプロセッサー実施方法を概略的に示す図である。

最初に、図１～図７を参照して、本発明の実施形態に係る体型判別システムおよび演算デバイスを詳述する。図１は、本発明の実施形態に係る体型判別システムを概略的に示す図である。図２は、図１に示すセンシングデバイスのブロック図である。図３は、図１に示すセンシングデバイスの斜視図である。図４は、図１に示す演算デバイスのブロック図である。図５は、センシングデータに対する前処理を説明するためのグラフである。図６は、図１に示すセンシングデバイスによって取得されたセンシングデータからの複数の特徴量の抽出を説明するためのグラフである。図７は、図４に示す判別モジュールが用いる決定木構造を説明するための概略図である。

＜体型判別システム１＞
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。

ユーザーが、センシングデバイス１０を用いてユーザーの体を、所定の測定時間の間に１度なぞると、センシングデバイス１０によってセンシングデータが取得され、演算デバイス１００に無線送信される。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よう構成されており、判別されたユーザーの体型を含むレポートをユーザーに提供することができる。このようなセンシングデバイス１０および演算デバイス１００を含む体型判別システム１を用いることにより、ユーザーは、センシングデバイス１０を用いてユーザーの体を１度なぞるだけで、ユーザーの体型を判別することができる。そのため、ユーザーは、簡易かつ低コストでユーザーの体型を判別することが可能となる。以下、体型判別システム１を構成するセンシングデバイス１０および演算デバイス１００について詳述する。

＜センシングデバイス１０＞
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。

また、センシング操作の開始箇所は、ユーザーの胸中央であることが好ましい。すなわち、センシング動作において、ユーザーは、センシングデバイス１０で自身の胸中央から下腹部までをなぞることが好ましい。ここでいう「胸中央」とは、胸の左右方向に対しての中央付近（体の中心付近）、かつ、胸の上下方向に対しての中央付近のことを指す。センシングデバイス１０でユーザーの胸中央から下腹部までをなぞることにより、ユーザーの体型を判別するためにより有用なセンシングデータを取得することができる。

なお、センシング動作が実行される所定の測定時間は、ユーザーが自身の胸（例えば、胸中央）から下腹部までをなぞるのに十分な時間であれば特に限定されず、好適には、３秒である。また、センシングデバイス１０は、センシング操作が実行されている間、演算デバイス１００がユーザーの体型を判別するのに十分なサンプリングレートで、センシングデータを取得し、演算デバイス１００に送信するよう構成されている。例えば、センシングデバイスは、センシング操作が実行されている間、１００ｍｓｅｃ毎に、センシングデータを取得し、演算デバイス１００に送信するよう構成されている。

図２に示されているように、センシングデバイス１０は、箱状のハウジング１１と、シャフトを介してハウジング１１の下面に装着された４つの車輪１２と、センシングデバイス１０の制御を実行するための制御ユニット１３と、ユーザーがセンシング操作を実行した際に、ユーザーの体のプロファイル（外形）に対応するＺ軸方向（センシングデバイス１０の高さ方向）の加速度であるセンシングデータを測定するための加速度センサー１４と、センシング操作の最中に押下される操作ボタン１５と、加速度センサー１４によって取得されたセンシングデータを演算デバイス１００に無線通信するための無線通信ユニット１６と、センシングデバイス１０の各ユニットに電力を供給するためのバッテリー１７と、を備えている。制御ユニット１３、加速度センサー１４、操作ボタン１５、無線通信ユニット１６、およびバッテリー１７は、ハウジング１１内に収納されている。また、ユーザーがセンシングデバイス１０のハウジング１１を片手で把持した状態で操作ボタン１５を操作可能となるように、操作ボタン１５がハウジング１１から外部に露出している。

図３に示されているように、センシングデバイス１０は、箱状のハウジング１１と、４つの車輪１２と、を備えた車のような全体形状を有している。ユーザーは、ハウジング１１を片手で上側から把持し、４つの車輪１２を自身の胸に押し付けた状態で操作ボタン１５を押下し、自身の体型のセンシング操作を開始する。その後、ユーザーは、操作ボタン１５を押下し続けたまま、所定の測定時間内（例えば、３秒以内）に、自身の胸から下腹部へ向かって、自身の体をなぞるようにセンシングデバイス１０を移動させる。センシングデバイス１０がユーザーの下腹部にまで到達した後、ユーザーは、操作ボタン１５に対する押下を解除し、センシング操作を終了させる。

ハウジング１１は、センシングデバイス１０の制御ユニット１３、加速度センサー１４、操作ボタン１５、および無線通信ユニット１６を内部に収納する機能を有している。なお、図示の形態では、ハウジング１１は、箱状の全体形状を有しているが、ユーザーがセンシング操作を実行する際に、ユーザーがハウジング１１を把持しやすければ、ハウジング１１の全体形状はこれに限られず、例えば、棒型、楕円形、マウス型等であってもよい。また、ハウジング１１は、ユーザーが片手で把持した際に変形や壊れたりすることがないよう、十分な強度を持った硬質の樹脂材料または金属材料によって構成されている。

４つの車輪１２は、ユーザーが自身の体にセンシングデバイス１０を押し付けた状態でセンシングデバイス１０を移動させるセンシング操作を容易にするために設けられている。図示の形態では、車輪１２の数は４つであるが、本発明はこれに限られない。たとえば、ハウジング１１の下面に、シャフトを介して、またはシャフトを介さず直接に、１、２、３、または５つ以上の車輪１２が設けられているような態様も本発明の実施形態である。また、車輪１２の代わりに、ユーザーの体上でセンシングデバイス１０をスムーズに移動させるための任意の手段が設けられているような様態も、本発明の範囲内である。

図２に戻り、制御ユニット１３は、１つ以上のマイクロプロセッサー、マイクロコンピューター、マイクロコントローラー、デジタル信号プロセッサー（ＤＳＰ）、中央演算処理装置（ＣＰＵ）、メモリーコントロールユニット（ＭＣＵ）、画像処理用演算処理装置（ＧＰＵ）、状態機械、論理回路、特定用途向け集積回路（ＡＳＩＣ）、またはこれらの組み合わせ等のコンピューター可読命令に基づいて信号操作等の演算処理を実行する演算ユニットである。制御ユニット１３は、操作ボタン１５に対する押下操作に応じて加速度センサー１４を起動し、さらに、加速度センサー１４からリアルタイムで送信されるセンシングデータを、無線通信ユニット１６を用いて、演算デバイス１００に無線送信する。

加速度センサー１４は、センシングデバイス１０が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する機能を有している。センシング操作の間に加速度センサー１４によって取得されるセンシングデータは、Ｚ軸方向の加速度であり、ユーザーの体の胸から下腹部までのプロファイル（外形）に対応している。

このような加速度センサー１４としては、Ｚ軸方向の加速度のみを測定可能な１軸センサー、３軸方向の加速度を測定可能な３軸センサー、または３軸方向の加速度および３方向の回転成分を検出可能な６軸センサー（加速度センサーおよびジャイロセンサーの組み合わせ）を用いることができる。センシングデータは、所定のサンプリングレートで取得され、制御ユニット１３にリアルタイムで送信される。その後、センシングデータは、無線通信ユニット１６によって、リアルタイムで、演算デバイス１００に無線送信される。

操作ボタン１５は、ユーザーがセンシング操作を実行している間に押下される任意の操作部である。図３に示されているように、操作ボタン１５は、ユーザーがハウジング１１を片手で把持している際に押下可能となるように、ハウジング１１内から外部に向かって露出している。上述のように、ユーザーは、操作ボタン１５を押下し続けたまま、所定の測定時間内（例えば、３秒以内）に、自身の胸から下腹部へ向かって、自身の体をなぞるようにセンシングデバイス１０を移動させる。センシングデバイス１０がユーザーの下腹部にまで到達した後、ユーザーは、操作ボタン１５に対する押下を解除し、センシング操作を終了させる。操作ボタン１５に対する押下操作は、制御ユニット１３によって検知される。これにより、制御ユニット１３は、ユーザーによるセンシング操作の開始と終了を検知することができる。

図２に戻り、無線通信ユニット１６は、加速度センサー１４によって取得されたセンシングデータを無線通信により演算デバイス１００に送信する機能を有している。無線通信ユニット１６は、アンテナ、送受信回路、変復調回路等の無線通信を実行するために必要なコンポーネントを備えており、制御ユニット１３からのコマンド入力に応じて、演算デバイス１００との間の無線通信を実行する。無線通信ユニット１６は、例えば、ＺｉｇＢｅｅ（登録商標）やＢＬＥ（ブルートゥース（登録商標）・ロー・エナジー）通信等の無線通信分野において既知の任意の近距離無線通信技術を用いて、センシングデータを演算デバイス１００にリアルタイムで無線送信する。

＜演算デバイス１００＞
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。

図４に示されているように、演算デバイス１００は、演算デバイス１００の制御を実行するための１つ以上のプロセッサー１１０と、演算デバイス１００への入力および演算デバイス１００からの出力を実行するためのＩ／Ｏ（インプット／アウトプット）インターフェース１２０と、センシングデバイス１０との間の無線通信を実行するための無線通信ユニット１３０と、演算デバイス１００の処理を実行するために用いられるデータ１５０およびモジュール１６０を保存している１つ以上のメモリー１４０と、を備えている。

１つ以上のプロセッサー１１０は、１つ以上のマイクロプロセッサー、マイクロコンピューター、マイクロコントローラー、デジタル信号プロセッサー（ＤＳＰ）、中央演算処理装置（ＣＰＵ）、メモリーコントロールユニット（ＭＣＵ）、画像処理用演算処理装置（ＧＰＵ）、状態機械、論理回路、特定用途向け集積回路（ＡＳＩＣ）、またはこれらの組み合わせ等のコンピューター可読命令に基づいて信号操作等の演算処理を実行する演算ユニットである。特に、プロセッサー１１０は、メモリー１４０内に保存されているコンピューター可読命令（例えば、データ、プログラム、モジュール等）をフェッチし、演算、信号操作および制御を実行するよう構成されている。

Ｉ／Ｏインターフェース１２０は、ウェブインターフェース、グラフィカルユーザーインターフェース（ＧＵＩ）等の様々なソフトウェアインターフェースおよびハードウェアインターフェースを含む。例えば、Ｉ／Ｏインターフェース１２０は、キーボード、マウス、タッチパネルディスプレイ、外部メモリー、プリンター、ディスプレイのような周辺デバイスのためのインターフェースである。Ｉ／Ｏインターフェース１２０は、キーボード、マウス、タッチパネルディスプレイのような入力デバイスを用いた演算デバイス１００への入力およびディスプレイ、プリンター、外部メモリーへの演算デバイス１００からの出力を可能とする。また、Ｉ／Ｏインターフェース１２０は、演算デバイス１００が、インターネット等のネットワークを介して、外部に設けられたウェブサーバーやデータサーバーのような任意の外部デバイスと通信を行うことを可能としてもよい。

無線通信ユニット１３０は、センシングデバイス１０との間の無線通信を実行するために用いられるユニットである。無線通信ユニット１３０は、アンテナ、送受信回路、変復調回路等の無線通信を実行するために必要なコンポーネントを備えており、プロセッサー１１０からのコマンド入力に応じて、センシングデバイス１０との間の無線通信を実行する。センシングデバイス１０の無線通信ユニット１６に対する説明において述べたが、演算デバイス１００の無線通信ユニット１３０とセンシングデバイス１０の無線通信ユニット１６との間の無線通信は、ＮＦＣ通信やＢＬＥ通信等の無線通信分野において既知の任意の無線通信技術を用いて実行される。演算デバイス１００は、無線通信ユニット１３０を用いて、センシングデバイス１０からセンシングデータをリアルタイムで受信する。

メモリー１４０は、揮発性記憶媒体（例えば、ＲＡＭ、ＳＲＡＭ、ＤＲＡＭ）、不揮発性記憶媒体（例えば、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリー、ハードディスク、ソリッドステートドライブ、光ディスク、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）、ブルーレイディスク、磁気カセット、磁気テープ、磁気ディスク）、またはこれらの組み合わせを含むコンピューター可読媒体である。

メモリー１４０は、プロセッサー１１０と通信可能に接続され、プロセッサー１１０により実行可能な複数のモジュール１６０、および、複数のモジュール１６０による処理に必要なデータ１５０を保存している。また、メモリー１４０は、複数のモジュール１６０の１つ以上によって受信、処理、生成されたデータや、複数のモジュール１６０による処理を実行するために必要なデータを一時保存する機能を備えている。

データ１５０は、体型判別システム１を利用するユーザーのユーザーデータ１５１と、ユーザーの体型のログデータである体型ログデータ１５２と、演算デバイス１００の処理を実行するために必要な任意の数のその他データ１５３と、を含んでいる。

ユーザーデータ１５１は、少なくとも、体型判別システム１を利用するユーザーの氏名、身長、体重、年齢、性別、メールアドレスを含む。ユーザーデータ１５１のうち、ユーザーの性別は、ユーザーの体型判別のために用いられ、ユーザーの氏名、身長、体重、年齢、メールアドレスは、判別されたユーザーの体型を含むレポートの作成や、ユーザーに商品やサービスの情報を提供するために用いられる。ユーザーデータ１５１は、ユーザーがセンシングデバイス１０および演算デバイス１００を用いたセンシングを開始する前または開始する際に、演算デバイス１００のＩ／Ｏインターフェース１２０を用いて、演算デバイス１００に入力され、メモリー１４０内に保存される。

体型ログデータ１５２は、判別されたユーザーの体型のログデータである。演算デバイス１００によってユーザーの体型が判別されると、判別されたユーザーの体型がメモリー１４０内に自動的に保存され、体型ログデータ１５２として蓄積される。ユーザーは、体型ログデータ１５２を参照することにより、自身の体型の経時変化を確認することができる。これにより、ユーザーは、体型を維持することができているか否か、ダイエットの成果が出ているか否か等を確認することができ、自身の体型維持やダイエットに対するモチベーションを維持または向上させることができる。

モジュール１６０は、ルーティーン、アプリケーション、プログラム、アルゴリズム、ライブラリー、オブジェクト、コンポーネント、データ構造、またはこれらの組み合わせ等のプロセッサー１１０により実行可能なコンピューター可読命令である。

モジュール１６０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対して前処理を施す前処理モジュール１６１と、前処理モジュール１６１によって前処理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１６２と、特徴量抽出モジュール１６２によって抽出された複数の特徴量に基づいてユーザーの体型を判別するための判別モジュール１６３と、判別モジュール１６３によって判別されたユーザーの体型を含むレポートをユーザーに提供するためのレポート提供モジュール１６４と、判別モジュール１６３によって判別されたユーザーの体型に基づいて、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１６５と、演算デバイス１００が提供する機能を補うための任意の数のその他モジュール１６６と、を含んでいる。

プロセッサー１１０は、メモリー１４０内に保存されている各種モジュールを用いることにより、所望の機能を提供することができる。例えば、プロセッサー１１０は、判別モジュール１６３を用いることにより、特徴量抽出モジュール１６２によって抽出された複数の特徴量に基づいてユーザーの体型を判別するための処理を実行することができる。

前処理モジュール１６１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対して、ノイズを除去するための前処理を施す機能を有している。前処理モジュール１６１がセンシングデータに対して施す前処理としては、例えば、センシングデータに対する３点移動平均による平滑化処理が挙げられる。図５に示されているように、前処理モジュール１６１による前処理によってセンシングデータの生データが平滑化され、センシングデータに含まれるノイズが低減される。前処理モジュール１６１によって処理されたセンシングデータは、特徴量抽出モジュール１６２に送信される。

図４に戻り、特徴量抽出モジュール１６２は、前処理モジュール１６１によって前処理されたセンシングデータから複数の特徴量を抽出する機能を有している。特徴量抽出モジュール１６２は、前処理モジュール１６１から前処理されたセンシングデータを受信すると、前処理されたセンシングデータの複数の所定の区間を、第１の区間、第２の区間、第３の区間、第１の傾き区間、第２の傾き区間、第３の傾き区間の合計６つの区間としてそれぞれ特定する。図６には、この６つの区間の例が示されている。

第１の区間、第２の区間、第３の区間、第１の傾き区間、第２の傾き区間、第３の傾き区間のそれぞれは、センシングデータの始点から終端点までの間において、事前に設定された開始点と終了点によって規定される区間である。第１の区間は、ユーザーの胸に対応する区間である。第２の区間は、ユーザーのみぞおちからへそに対応する区間である。第３の区間は、ユーザーの下腹部に対応する区間である。第１の傾き区間は、ユーザーの腹部のプロファイル（外形）変化がセンシングデータの傾きに反映される区間である。第２の傾き区間は、ユーザーのへそ回りのプロファイル変化がセンシングデータの傾きに反映される区間である。第３の傾き区間は、ユーザーの下腹部のプロファイル変化がセンシングデータの傾きに反映される区間である。

第１の区間の開始点および終了点は、センシングデータのどの区間が、ユーザーの胸に対応するかを実験的または統計的に事前調査することにより、事前に設定されている。同様に、第２の区間の開始点および終了点は、センシングデータのどの区間が、ユーザーのみぞおちからへそに対応するかを実験的または統計的に事前調査することにより、事前に設定されており、第３の区間の開始点および終了点は、センシングデータのどの区間が、ユーザーの下腹部に対応するかを実験的または統計的に事前調査することにより、事前に設定されている。

第１の傾き区間の開始点および終了点は、ユーザーの腹部のプロファイル変化が、センシングデータのどの区間の傾きに反映されるかを実験的または統計的に事前調査することにより、事前に設定されている。同様に、第２の傾き区間の開始点および終了点は、ユーザーのへそ回りのプロファイル変化が、変化センシングデータのどの区間の傾きに反映されるかを実験的または統計的に事前調査することにより、事前に設定されており、第３の傾き区間の開始点および終了点は、ユーザーの下腹部のプロファイル変化が、センシングデータのどの区間の傾きに反映されるかを実験的または統計的に事前調査することにより、事前に設定されている。

第１の区間、第２の区間、第３の区間、第１の傾き区間、第２の傾き区間、および第３の傾き区間のそれぞれの開始点および終了点は、特徴量抽出モジュール１６２のパラメーターとして事前に設定されており、特徴量抽出モジュール１６２は、事前設定されている第１の区間、第２の区間、第３の区間、第１の傾き区間、第２の傾き区間、第３の傾き区間のそれぞれの開始点および終了点を参照することにより、前処理されたセンシングデータの複数の所定の区間を、第１の区間、第２の区間、第３の区間、第１の傾き区間、第２の傾き区間、第３の傾き区間の合計６つの区間としてそれぞれ特定することができる。

特徴量抽出モジュール１６２は、前処理されたセンシングデータの複数の所定の区間を、前述の６つの区間としてそれぞれ特定した後、センシングデータ全体、第１の区間、第２の区間、および第３の区間のそれぞれにおける最大値、最小値、分散値、および平均値の合計１６の値を、複数の特徴量として抽出する。さらに、特徴量抽出モジュール１６２は、第１の区間、第２の区間、および第３の区間のそれぞれの傾きの最大値、最小値、および平均値の合計９個の値を、複数の特徴量として抽出する。さらに、特徴量抽出モジュール１６２は、センシングデータの終端の値および第２の区間から第３の区間に渡って現れるセンシングデータ内の最大の山のピーク値の合計２つの値を、複数の特徴量として抽出する。したがって、特徴量抽出モジュール１６２によって抽出される特徴量の数は、合計２７個となる。

本発明の発明者らは、人間の体型は、胸部から下腹部に渡る全体のプロファイル、胸部、みぞおちからへそまでの領域、および下腹部のプロファイルと、腹部、へそ回り、および下腹部のプロファイル変化と、センシングデータの第２の区間から第３の区間に渡って現れる最大の山のピーク値、およびセンシングデータの終端の値を特徴量として用いたときに、正確に判別（分類）することができることを見出し、このような知見に基づいて、特徴量抽出モジュール１６２を構成した。

例えば、図６には、様々な体型を有する複数のユーザー（ユーザー１～５）のセンシングデータの例と、センシングデータの第１の区間、第２の区間、第３の区間、第１の傾き区間、第２の傾き区間、および第３の傾き区間の６つの区間の例が示されている。図６に示されたセンシングデータの例から分かるように、それぞれの体型ごとに、センシングデータの６つの区間において様々な特徴が表れていることがわかる。例えば、やせ体型のユーザー１や標準体型のユーザー２のセンシングデータと比較して、肥満体型のユーザー４および５のセンシングデータでは、第１の傾き区間、第２の傾き区間、および第３の傾き区間における傾きが大きく、さらに、第２の区間に存在する山のピーク値も大きい。上述の２７個の特徴量を用いることにより、このようなセンシングデータにおける特徴を体型判別のために効率よく利用することができる。

このように、特徴量抽出モジュール１６２は、前処理されたセンシングデータの複数の所定の区間を、前述の６つの区間としてそれぞれ特定した後、前述の２７個の特徴量を抽出するよう構成されている。本発明の演算デバイス１００は、このような特徴量を利用するので、正確にユーザーの体型を判別することができる。特徴量抽出モジュール１６２によって抽出された複数の特徴量は、判別モジュール１６３に送信される。

図４に戻り、判別モジュール１６３は、特徴量抽出モジュール１６２によって抽出された複数の特徴量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。判別モジュール１６３は、図７に示すような、しきい値パラメーターによって段階的にデータを判別する決定木（分類木ともいう）構造を利用して、特徴量抽出モジュール１６２によって抽出された複数の特徴量と、メモリー１４０内にユーザーデータ１５１として保存されているユーザーの性別と、に基づいてユーザーの体型を判別する。

図７に示されているように決定木構造は、複数のノードと複数のリーフとから構成される多層構造である。複数のノードのそれぞれは、入力された１つ以上の特徴量またはユーザーの性別に対するしきい値パラメーターを用いて、真（Ｔｒｕｅ）か偽（Ｆａｌｓｅ）かを判別し、判別結果に応じて処理を次のノードまたはリーフにシフトさせる。一方、複数のリーフのそれぞれは、処理が各リーフにたどり着いたときに、ユーザーの体型を、所定のカテゴリーの１つ（例えば、やせ体型、標準体型、やや肥満体型、肥満体型）に分類する。そのため、決定木構造の最上位のノードからリーフに至る経路によって、ユーザーの体型が判別される。決定木構造は、しきい値パラメーターを用いた単純な分岐の繰り返しによってデータを分類することができるので、処理速度が速く、また、処理負荷が軽い。このような決定木構造を用いることにより、ユーザーに対して迅速に体型の判別結果を提供することができる。

判別モジュール１６３が、特徴量抽出モジュール１６２によって抽出された複数の特徴量（本実施形態では、２７個の特徴量）を受信すると、入力された複数の特徴量と、メモリー１４０内にユーザーデータ１５１として保存されているユーザーの性別と、が決定木構造の最上位のノード（根）に入力される。その後、決定木構造の各ノードのそれぞれのしきい値パラメーターに基づいて、入力された１つ以上の特徴量またはユーザーの性別に対する各ノードの判別が実行される。最終的に、決定木構造のいずれかのリーフに処理が到達し、該リーフにおいて、ユーザーの体型が分類される。判別モジュール１６３は、このような決定木構造を利用することにより、特徴量抽出モジュール１６２によって抽出された複数の特徴量に基づいてユーザーの体型を判別することができる。判別モジュール１６３によるユーザーの体型の判別結果は、レポート提供モジュール１６４および情報提供モジュール１６５に送信される。また、判別モジュール１６３によって判別されたユーザーの体型は、メモリー１４０内に体型ログデータに追加される。

なお、判別モジュール１６３が利用する決定木構造の各ノードの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事前に決定されている。決定木構造の各ノードのしきい値パラメーターは、機械学習の分野において既知のアルゴリズム、例えば、ＩＤ３によって決定される。判別モジュール１６３が利用する決定木構造の各ノードのしきい値パラメーターを決定するトレーニングにおいて用いられる教師付きトレーニングデータは、事前に用意された多数のユーザーのそれぞれのセンシングデータから、特徴量抽出モジュール１６２によって抽出された複数の特徴量に、ラベル（正解）を付すことにより得られる。判別モジュール１６３のトレーニング（機械学習）は、体型判別システム１の稼働前に実行され、ユーザーが体型判別システム１を利用する際には、判別モジュール１６３が利用する決定木構造の各ノードのしきい値パラメーターは、既に最適化および決定されている。

図４に戻り、レポート提供モジュール１６４は、判別モジュール１６３によって判別されたユーザーの体型を含むレポートをユーザーに提供する機能を有している。レポート提供モジュール１６４は、判別モジュール１６３からユーザーの体型を受信すると、メモリー１４０内に保存されているユーザーデータ１５１および体型ログデータ１５２を参照し、判別モジュール１６３によって判別されたユーザーの体型を含むレポートを作成し、Ｉ／Ｏインターフェース１２０を介して、ユーザーにレポートを提供する。例えば、レポート提供モジュール１６４は、演算デバイス１００のディスプレイ上にレポートを表示することにより、ユーザーにレポートを提供してもよいし、ユーザーのメールアドレスにレポートを送信することによりユーザーにレポートを提供してもよい。

レポート提供モジュール１６４によって作成されるレポートは、判別モジュール１６３によって判別されたユーザーの体型に加え、ユーザーの氏名、身長、体重、性別、前回の測定からの体型の変化等を含んでいてもよい。ユーザーは、レポート提供モジュール１６４によって作成されるレポートを参照することにより、自身の体型を客観的に認識することができ、自身の体型維持やダイエットのためのモチベーションの維持や向上を図ることができる。

情報提供モジュール１６５は、判別モジュール１６３によって判別されたユーザーの体型に基づいて、ユーザーに商品やサービスの情報を提供する機能を有している。例えば、情報提供モジュール１６５は、ユーザーの体型に応じた商品（例えば、食品やトレーニング器具）やサービス（例えば、フィットネスクラブ、痩身マッサージ、エステ）の情報を提供する。情報提供モジュール１６５は、Ｉ／Ｏインターフェース１２０を介して、インターネット等のネットワーク上に存在するサーバーにアクセスし、ユーザーの体型に応じた商品またはサービスの情報を取得する。情報提供モジュール１６５によって提供される情報は、演算デバイス１００のディスプレイに表示されてもよいし、ユーザーのメールアドレスに送信されてもよい。

また、情報提供モジュール１６５は、判別モジュール１６３によって判別されたユーザーの体型に加え、メモリー１４０内に保存されているユーザーデータ１５１や体型ログデータ１５２を参照してもよい。例えば、情報提供モジュール１６５は、ユーザーの体型に加え、ユーザーデータ１５１中のユーザーの性別や年齢を参照して、商品やサービスの情報を提供してもよい。また、情報提供モジュール１６５は、ユーザーの体型に加え、体型ログデータ１５２を参照し、ユーザーの体型に変化がある場合には、その変化に応じた商品やサービスの情報を提供してもよい。

これにより、ユーザーに対して体型の判別結果や体型の変化に応じた食事の提案や、体型維持またはダイエットのためのトレーニングのサポート、体型に応じた広告の送信等、ユーザーの体型維持またはダイエットに有益な情報を提供することができる。情報提供モジュール１６５による情報の提供は、ユーザーが体型判別システム１を用いた際に実行されてもよいし、定期的または不定期に実行されてもよい。

なお、上述の説明は、演算デバイス１００の機能の全てが１つの演算デバイス１００によって提供されるものとして提供されたが、本発明はこれに限られず、複数の演算デバイス１００によって演算デバイス１００の機能が提供されてもよい。例えば、２つの演算デバイス１００が用いられ、一方の演算デバイス１００がスマートフォン等のユーザーデバイスであり、他方の演算デバイス１００がインターネット等の任意のネットワークを介して、一方の演算デバイス１００と通信するサーバーであるような態様も本発明の範囲内である。この場合、ユーザーデバイスである一方の演算デバイス１００がセンシングデバイス１０からのセンシングデータの受信からユーザーの体型の判別までを実行し、サーバーである他方の演算デバイス１００がレポートの作成および提供、並びに、サービス情報の提供を実行してもよい。

＜プロセッサー実施方法Ｓ１００＞
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。

方法Ｓ１００は、ユーザーがセンシングデバイス１０を用いてセンシング操作を実行することにより開始される。なお、方法Ｓ１００が開始される段階において、演算デバイス１００の判別モジュール１６３に対するトレーニング（機械学習）は既に完了しており、判別モジュール１６３が利用する決定木構造の各ノードのしきい値パラメーターは既に最適化および決定されている。

工程Ｓ１１０において、ユーザーは、センシングデバイス１０を用いてセンシング操作を実行する。この際、センシングデバイス１０によってセンシングデータが取得され、演算デバイス１００に無線送信される。その後、工程Ｓ１２０において、前処理モジュール１６１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を前処理する。その後、前処理モジュール１６１によって前処理されたセンシングデータが、特徴量抽出モジュール１６２に送信される。

工程Ｓ１３０において、演算デバイス１００のプロセッサー１１０は、特徴量抽出モジュール１６２を用いて、前処理モジュール１６１によって前処理されたセンシングデータから上述の２７個の特徴量を抽出する。特徴量抽出モジュール１６２によって抽出された複数の特徴量は、判別モジュール１６３に送信される。工程Ｓ１４０において、判別モジュール１６３は、特徴量抽出モジュール１６２によって抽出された特徴量およびユーザーの性別に基づいて、ユーザーの体型を判別する。判別モジュール１６３によって判別されたユーザーの体型は、レポート提供モジュール１６４および情報提供モジュール１６５に送信されるとともに、メモリー１４０内の体型ログデータ１５２に追加される。

工程Ｓ１５０において、レポート提供モジュール１６４は、判別モジュール１６３によって判別されたユーザーの体型を含むレポートを作成し、ユーザーに提供する。その後、工程Ｓ１６０において、情報提供モジュール１６５は、判別モジュール１６３によって判別されたユーザーの体型に基づいて、ユーザーに商品やサービスの情報を提供する。

このように、本発明の体型判別システム１、演算デバイス１００、および方法Ｓ１００によれば、加速度センサー１４を有するセンシングデバイス１０を用いてユーザーの体を１度なぞるだけでユーザーの体型を判別することができるので、簡易かつ低コストでユーザーの体型を判別することが可能となる。特に、本発明の演算デバイス１００では、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の複数の所定の区間が、第１の区間、第２の区間、第３の区間、第１の傾き区間、第２の傾き区間、および第３の傾き区間としてそれぞれ特定され、上述のような２７個の特徴量が抽出され、ユーザーの体型の判別のために用いられる。そのため、ユーザーの体型を正確に判別することができる。また、本発明の演算デバイス１００の判別モジュール１６３は、決定木構造を利用してユーザーの体型を判別するので、ユーザーの体型を判別するために要する処理時間が短い。そのため、ユーザーに対して体型判別結果を迅速に提供することができる。

以上、本発明の体型判別システム、演算デバイス、およびプロセッサー実施方法を図示の実施形態に基づいて説明したが、本発明は、これに限定されるものではない。本発明の各コンポーネントの構成は、同様の機能を発揮し得る任意のものと置換することができ、あるいは、本発明の構成に任意の構成のものを付加することができる。

本発明の属する分野および技術における当業者であれば、本発明の原理、考え方、および範囲から有意に逸脱することなく、記述された本発明の方法および通信システムの構成の変更を実行可能であろうし、変更された構成を有する方法および通信システムもまた、本発明の範囲内である。

例えば、図２～図３に示されたセンシングデバイスおよび図４～図７に示された演算デバイスのコンポーネントの数や種類は、説明のための例示にすぎず、本発明は必ずしもこれに限られない。本発明の原理および意図から逸脱しない範囲において、任意のコンポーネントが追加若しくは組み合わされ、または任意のコンポーネントが削除された態様も、本発明の範囲内である。また、センシングデバイスおよび演算デバイスの各コンポーネントは、ハードウェア的に実現されていてもよいし、ソフトウェア的に実現されていてもよいし、これらの組み合わせによって実現されていてもよい。

また、図８に示されたプロセッサー実施方法の工程の数や種類は、説明のための例示にすぎず、本発明は必ずしもこれに限られない。本発明の原理および意図から逸脱しない範囲において、任意の工程が、任意の目的で追加若しくは組み合わされ、または、任意の工程が削除される態様も、本発明の範囲内である。

１…体型判別システム １０…センシングデバイス １１…ハウジング １２…車輪 １３…制御ユニット １４…加速度センサー １５…操作ボタン １６…無線通信ユニット １７…バッテリー １００…演算デバイス １１０…プロセッサー １２０…Ｉ／Ｏインターフェース １３０…無線通信ユニット １４０…メモリー １５０…データ １５１…ユーザーデータ １５２…体型ログデータ １５３…その他データ １６０…モジュール １６１…前処理モジュール １６２…特徴量抽出モジュール １６３…判別モジュール １６４…レポート提供モジュール １６５…情報提供モジュール １６６…その他モジュール Ｓ１００…プロセッサー実施方法 Ｓ１１０、Ｓ１２０、Ｓ１３０、Ｓ１４０、Ｓ１５０、Ｓ１６０…工程

Claims (9)

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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。

Images