JPWO2017002219A1 - 異常検出方法、異常検出プログラム、および情報処理装置 - Google Patents

異常検出方法、異常検出プログラム、および情報処理装置 Download PDF

Info

Publication number
JPWO2017002219A1
JPWO2017002219A1 JP2017525736A JP2017525736A JPWO2017002219A1 JP WO2017002219 A1 JPWO2017002219 A1 JP WO2017002219A1 JP 2017525736 A JP2017525736 A JP 2017525736A JP 2017525736 A JP2017525736 A JP 2017525736A JP WO2017002219 A1 JPWO2017002219 A1 JP WO2017002219A1
Authority
JP
Japan
Prior art keywords
posture
monitoring target
time
predetermined
monitored person
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.)
Granted
Application number
JP2017525736A
Other languages
English (en)
Other versions
JP6544428B2 (ja
Inventor
健太 松岡
健太 松岡
笠間　晃一朗
晃一朗 笠間
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JPWO2017002219A1 publication Critical patent/JPWO2017002219A1/ja
Application granted granted Critical
Publication of JP6544428B2 publication Critical patent/JP6544428B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/08—Elderly
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0204—Acoustic sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0223—Magnetic field sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Psychology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Cardiology (AREA)
  • Dentistry (AREA)
  • Databases & Information Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)
  • Electric Clocks (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

情報処理装置（１００）は、監視対象に対応するセンサからの出力値により監視対象が所定の姿勢をとったことを検知した際の時刻を示すデータを取得する。情報処理装置（１００）は、記憶部（１１０）を参照して、取得したデータが示す時刻が、所定の姿勢をとる時間帯に含まれるか否かを判断する。情報処理装置（１００）は、取得したデータが示す時刻が、所定の姿勢をとる時間帯に含まれない場合に、監視対象の異常を検出する。一方、情報処理装置（１００）は、取得したデータが示す時刻が、所定の姿勢をとる時間帯に含まれる場合には、監視対象の異常を検出しない。

Description

本発明は、異常検出方法、異常検出プログラム、および情報処理装置に関する。
従来、高齢者等の見守り活動の一環として、利用者が身につけるペンダント等に内蔵されたセンサにより利用者の転倒を検知して、サポートセンタに通報するサービスがある。
関連する先行技術としては、例えば、被観察者の行動データ、被観察者の行動を評価するために用いる基準データ、および、人の存在する領域を検知した結果を記憶した領域データに基づいて、被観察者の行動が異常か否かを判定する技術がある。
特開２００５−３２７１３４号公報
しかしながら、従来技術では、高齢者の転倒などの異常を誤検出してしまう場合がある。例えば、就寝時などに、利用者が、転倒を検知するセンサが内蔵されたペンダント等を身につけたまま横になると、転倒していないにもかかわらず、転倒したと誤検出されることがある。
一つの側面では、本発明は、監視対象の異常の誤検出を防ぐ異常検出方法、異常検出プログラム、および情報処理装置を提供することを目的とする。
本発明の一側面によれば、監視対象に対応するセンサからの出力値により前記監視対象が所定の姿勢をとったことを検知した際の時刻を示すデータを取得し、前記監視対象について、前記所定の姿勢をとる時間帯を特定する情報を記憶する記憶部を参照して、取得した前記データが示す時刻が前記時間帯に含まれない場合に、前記監視対象の異常を検出する異常検出方法、異常検出プログラム、および情報処理装置が提案される。
本発明の一態様によれば、監視対象の異常の誤検出を防ぐことができる。
図１は、実施の形態にかかる異常検出方法の一実施例を示す説明図である。 図２は、異常検出システム２００のシステム構成例を示す説明図である。 図３は、サーバ２０１のハードウェア構成例を示すブロック図である。 図４は、ウェアラブル端末２０２のハードウェア構成例を示すブロック図である。 図５は、監視対象ＤＢ２２０の記憶内容の一例を示す説明図である。 図６は、行動状態データの具体例を示す説明図である。 図７は、生活行動パターン別発生率ＤＢ２４０の記憶内容の一例を示す説明図である。 図８は、ウェアラブル端末２０２の機能的構成例を示すブロック図である。 図９は、サーバ２０１の機能的構成例を示すブロック図である。 図１０は、異常通知情報の具体例を示す説明図である。 図１１は、ウェアラブル端末２０２のアップロード処理手順の一例を示すフローチャートである。 図１２は、姿勢判定処理の具体的処理手順の一例を示すフローチャートである。 図１３Ａは、移動手段判定処理の具体的処理手順の一例を示すフローチャート（その１）である。 図１３Ｂは、移動手段判定処理の具体的処理手順の一例を示すフローチャート（その２）である。 図１４は、バイタルサイン解析処理の具体的処理手順の一例を示すフローチャートである。 図１５は、周辺環境推定処理の具体的処理手順の一例を示すフローチャートである。 図１６は、位置推定処理の具体的処理手順の一例を示すフローチャートである。 図１７は、音声解析処理の具体的処理手順の一例を示すフローチャートである。 図１８は、サーバ２０１の異常検出処理手順の一例を示すフローチャートである。 図１９は、転倒判定処理の具体的処理手順の一例を示すフローチャートである。
以下に図面を参照して、本発明にかかる異常検出方法、異常検出プログラム、および情報処理装置の実施の形態を詳細に説明する。
（異常検出方法の一実施例）
図１は、実施の形態にかかる異常検出方法の一実施例を示す説明図である。図１において、情報処理装置１００は、監視対象の異常を検出するコンピュータである。監視対象は、監視対象となる人（被監視者）または物（被監視物）である。被監視者は、例えば、高齢者や子供、厳しい環境下で働く作業員などである。被監視物は、例えば、店先に置かれる看板や、建設現場などに置かれる資材、機材などである。
情報処理装置１００は、例えば、監視対象に取り付けられて監視対象の姿勢を検知する端末機器と通信可能なサーバに適用されることにしてもよい。また、情報処理装置１００は、例えば、監視対象に取り付けられて監視対象の姿勢を検知する端末機器に適用されることにしてもよい。
ここで、高齢者などが転倒した場合、怪我をしたり気を失ったりして動けなくなっていることがあるため、家族などができるだけ早く気付いて対処することが重要である。また、夏場や足場の悪い現場で作業員が転倒した場合には、熱中症にかかったり怪我をしたりして動けなくなっていることがあるため、現場監督などができるだけ早く気付いて対処することが重要である。
また、宣伝広告のために店先に置かれた看板は、強風や通行人との接触により倒れてしまうことがある。看板が転倒した場合には、宣伝広告の役割を果たすことができず、ひいては店のイメージ低下にもつながるため、従業員などができるだけ早く気付いて対処することが重要である。
また、建設現場などに置かれた資材や機材は、強風により倒れてしまうことがある。資材や機材が転倒した場合には、偶然居合わせた人が怪我をして動けなくなっていたり、さらなる事故を引き起こす恐れがあるため、作業員などができるだけ早く気付いて対処することが重要である。
このようなことから、例えば、転倒などの異常を検出するためのセンサが内蔵された端末機器を監視対象に取り付けて、異常が検出された場合に、監視者に通知することが考えられる。ところが、監視対象によって、転倒動作などの異常時の動作と類似した動作が行われると、正常な状態であっても、異常な状態として誤検出されることがある。
例えば、高齢者が就寝時などに横になる、あるいは、作業員が休憩時間などに横になるといった、転倒動作と類似した動作が行われると、転倒していないにもかかわらず、転倒したと誤検出されることがある。また、店先に置かれた看板を片付ける際に倒した場合、意図的に倒したにもかかわらず、転倒したと誤検出されることがある。また、建設現場に置かれた資材や機材を使用する際に倒した場合、意図的に倒したにもかかわらず、転倒したと誤検出されることがある。
ここで、高齢者が就寝時などに横になる、あるいは、作業員が休憩時間などに横になるといった動作は、ある程度決まった時間帯に習慣的に行われることが多い。また、店先に置かれた看板を片付けるために倒す、あるいは、建設現場に置かれた機材を使用するために倒すといった動作は、ある程度決まった時間帯に習慣的に行われることが多い。
そこで、実施の形態では、転倒などの異常時の動作と類似した動作は、ある程度決まった時間帯に習慣的に行われることが多いことを利用して、監視対象の異常の誤検出を防ぐ異常検出方法について説明する。以下、情報処理装置１００の処理例について説明する。
（１）情報処理装置１００は、監視対象に対応するセンサからの出力値により監視対象が所定の姿勢をとったことを検知した際の時刻を示すデータを取得する。監視対象に対応するセンサは、監視対象の姿勢を検知可能であればいかなるセンサであってもよく、例えば、加速度センサ、ジャイロセンサ、気圧センサなどである。また、監視対象に対応するセンサは、例えば、監視対象に取り付けられた端末機器が有することにしてもよく、監視対象に直接取り付けられていてもよい。
また、所定の姿勢は、監視対象のどのような異常を検出するのかに応じて設定される姿勢であり、例えば、異常時の動作と類似した動作をとったときの姿勢が設定される。例えば、監視対象の転倒を検出する場合には、所定の姿勢として、転倒動作と類似した動作をとったときの姿勢が設定される。
図１の例では、監視対象を「高齢者Ｍ」とし、監視対象の「転倒」を検出する場合を例に挙げて説明する。また、所定の姿勢として、高齢者Ｍが横になるといった転倒動作と類似した動作をとったときの姿勢である「臥位」が設定されている場合を例に挙げて説明する。
（２）情報処理装置１００は、記憶部１１０を参照して、取得したデータが示す時刻が、所定の姿勢をとる時間帯に含まれるか否かを判断する。ここで、記憶部１１０は、監視対象について、所定の姿勢をとる時間帯を特定する情報を記憶する記憶装置である。
所定の姿勢をとる時間帯は、例えば、監視対象の過去の行動パターンを考慮して人手により設定されてもよい。また、情報処理装置１００が、監視対象の姿勢と、当該姿勢が検知された際の時刻とを示すデータを蓄積し、蓄積したデータから統計的に行動パターンを分析して、所定の姿勢をとる時間帯を特定することにしてもよい。
図１の例では、高齢者Ｍが「臥位」の姿勢をとる時間帯として、０時〜６時の時間帯１２１と、１３時〜１４時の時間帯１２２と、２１時〜２３時の時間帯１２３とが設定されている。時間帯１２１，１２３は、高齢者Ｍが就寝のため横になる時間帯である。時間帯１２２は、高齢者Ｍが昼寝のため横になる時間帯である。
（３）情報処理装置１００は、取得したデータが示す時刻が、所定の姿勢をとる時間帯に含まれない場合に、監視対象の異常を検出する。一方、情報処理装置１００は、取得したデータが示す時刻が、所定の姿勢をとる時間帯に含まれる場合には、監視対象の異常を検出しない。
図１の例では、情報処理装置１００は、取得したデータが示す時刻が、時間帯１２１〜１２３のいずれにも含まれない場合に、高齢者Ｍの「転倒」を検出する。例えば、取得したデータが示す時刻が「１８時００分」の場合、当該時刻が時間帯１２１〜１２３のいずれにも含まれないため、高齢者Ｍの「転倒」が検出される。
一方、情報処理装置１００は、取得したデータが示す時刻が、時間帯１２１〜１２３のいずれかに含まれる場合には、高齢者Ｍの「転倒」を検出しない。例えば、取得したデータが示す時刻が「１３時００分」の場合、当該時刻が時間帯１２２に含まれるため、高齢者Ｍの「転倒」は検出されない。
このように、情報処理装置１００によれば、高齢者Ｍに対応するセンサの出力値により高齢者Ｍが「臥位」の姿勢をとったことを検知した時刻が、時間帯１２１〜１２３のいずれにも含まれない場合に、高齢者Ｍの「転倒」を検出することができる。
これにより、高齢者Ｍが「臥位」の姿勢をとったことを検知した時刻が、高齢者Ｍが習慣的に「臥位」の姿勢をとる時刻に合致しない場合に、高齢者Ｍの「転倒」を検出でき、高齢者Ｍが就寝等で横になったことを「転倒」と誤検出することを防ぐことができる。この結果、家族などの監視者に対する過剰なアラームを抑制して、監視者の負荷を軽減させることができる。
なお、図１の例では、監視対象として「高齢者Ｍ」を例に挙げて説明したが、看板などの被監視物の「転倒」を検出することもできる。例えば、看板が「横になる」姿勢をとったことを検知した時刻が、看板が習慣的に横になる姿勢をとる時刻に合致しない場合に、看板の「転倒」を検出でき、片付けなどで看板が倒されたことを「転倒」と誤検出することを防ぐことができる。
また、図１の例では、監視対象の異常として、「転倒」を検出する場合を例に挙げて説明したが、これに限らない。例えば、認知症を患う高齢者Ｍなどは、普段はほぼ寝たきりの状態であっても、突然徘徊して行方不明になる場合がある。このような高齢者Ｍの「徘徊」を検出する場合には、所定の姿勢として、例えば、徘徊動作と類似した動作（例えば、歩行）をとったときの姿勢である「立位」を設定することにしてもよい。また、監視対象が「立位」の姿勢をとる時間帯として、例えば、介護士に連れられて風呂場や散歩に出かける時間帯を設定する。この場合、情報処理装置１００は、例えば、高齢者Ｍが「立位」の姿勢をとったことを検知した時刻が、設定した時間帯に含まれない場合に、高齢者Ｍの「徘徊」を検出する。
これにより、高齢者Ｍが「立位」の姿勢をとったことを検知した時刻が、高齢者Ｍが習慣的に「立位」の姿勢をとる時刻に合致しない場合に、高齢者Ｍの「徘徊」を検出でき、高齢者Ｍが散歩等で立ち上がったことを「徘徊」と誤検出することを防ぐことができる。
（異常検出システム２００のシステム構成例）
つぎに、実施の形態にかかる異常検出システム２００のシステム構成例について説明する。以下の説明では、図１に示した情報処理装置１００を、異常検出システム２００のサーバ２０１に適用した場合を例に挙げて説明する。また、監視対象として「高齢者」を例に挙げて説明する。
図２は、異常検出システム２００のシステム構成例を示す説明図である。図２において、異常検出システム２００は、サーバ２０１と、ウェアラブル端末２０２と、クライアント装置２０３と、を含む構成である。異常検出システム２００において、サーバ２０１、ウェアラブル端末２０２およびクライアント装置２０３は、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、インターネット、移動体通信網、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などである。
ここで、サーバ２０１は、監視対象ＤＢ（データベース）２２０、行動状態データＤＢ２３０および生活行動パターン別発生率ＤＢ２４０を有し、監視対象の異常を検出するコンピュータである。監視対象ＤＢ２２０および生活行動パターン別発生率ＤＢ２４０の記憶内容については、図５および図７を用いて後述する。また、行動状態データＤＢ２３０に蓄積される行動状態データの具体例については、図６を用いて後述する。
ウェアラブル端末２０２は、被監視者に取り付けられるコンピュータであり、例えば、リストバンド型、ペンダント型、バッチ型などの端末機器である。クライアント装置２０３は、監視者が使用するコンピュータであり、例えば、スマートフォン、ＰＣ（パーソナル・コンピュータ）、タブレット端末などである。監視者は、例えば、被監視者の家族や介護スタッフなどである。
なお、図２では、ウェアラブル端末２０２およびクライアント装置２０３をそれぞれ１台のみ表記したが、これに限らない。例えば、ウェアラブル端末２０２は被監視者ごとに設けられ、クライアント装置２０３は監視者ごとに設けられる。
（サーバ２０１のハードウェア構成例）
図３は、サーバ２０１のハードウェア構成例を示すブロック図である。図３において、サーバ２０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、ディスクドライブ３０４と、ディスク３０５と、を有する。また、各構成部は、バス３００によってそれぞれ接続される。
ここで、ＣＰＵ３０１は、サーバ２０１の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。
Ｉ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して外部のコンピュータ（例えば、図２に示したウェアラブル端末２０２、クライアント装置２０３）に接続される。そして、Ｉ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、外部のコンピュータからのデータの入出力を制御する。Ｉ／Ｆ３０３には、例えば、モデムやＬＡＮアダプタなどを採用することができる。
ディスクドライブ３０４は、ＣＰＵ３０１の制御に従ってディスク３０５に対するデータのリード／ライトを制御する。ディスク３０５は、ディスクドライブ３０４の制御で書き込まれたデータを記憶する。ディスク３０５としては、例えば、磁気ディスク、光ディスクなどが挙げられる。
なお、サーバ２０１は、上述した構成部のほか、例えば、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、キーボード、マウス、ディスプレイ等を有することにしてもよい。また、図２に示したクライアント装置２０３についても、サーバ２０１と同様のハードウェア構成により実現することができる。
（ウェアラブル端末２０２のハードウェア構成例）
図４は、ウェアラブル端末２０２のハードウェア構成例を示すブロック図である。図４において、ウェアラブル端末２０２は、ＣＰＵ４０１と、メモリ４０２と、マイクロフォン４０３と、音声ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）４０４と、公衆網Ｉ／Ｆ４０５と、近距離無線Ｉ／Ｆ４０６と、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）ユニット４０７と、加速度センサ４０８と、ジャイロセンサ４０９と、地磁気センサ４１０と、気圧センサ４１１と、温湿度センサ４１２と、脈拍センサ４１３と、を有する。また、各構成部はバス４００によってそれぞれ接続される。
ここで、ＣＰＵ４０１は、ウェアラブル端末２０２の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。
マイクロフォン４０３は、音声を電気信号に変換する。音声ＤＳＰ４０４は、マイクロフォン４０３に接続され、ディジタル信号処理を行うための演算処理装置である。
公衆網Ｉ／Ｆ４０５は、無線通信回路とアンテナを有し、例えば、移動体通信網の基地局を介してネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータ（例えば、サーバ２０１）に接続される。そして、公衆網Ｉ／Ｆ４０５は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。
近距離無線Ｉ／Ｆ４０６は、無線通信回路とアンテナを有し、無線ネットワークに接続され、無線ネットワークを介して他のコンピュータに接続される。そして、近距離無線Ｉ／Ｆ４０６は、無線ネットワークと内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。近距離無線通信の一例としては、例えば、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）などを利用した通信が挙げられる。
ＧＰＳユニット４０７は、ＧＰＳ衛星からの電波を受信し、自端末の位置情報を出力する。自端末の位置情報は、例えば、緯度、経度、高度などの地球上の１点を特定する情報である。また、ウェアラブル端末２０２は、ＤＧＰＳ（Ｄｉｆｆｅｒｅｎｔｉａｌ ＧＰＳ）により、ＧＰＳユニット４０７から出力される位置情報を補正することにしてもよい。
加速度センサ４０８は、加速度を検出するセンサである。ジャイロセンサ４０９は、角速度を検出するセンサである。地磁気センサ４１０は、複数の軸に沿った地球磁場を検出するセンサである。気圧センサ４１１は、高度を検出するセンサである。温湿度センサ４１２は、温度と湿度を検出するセンサである。脈拍センサ４１３は、脈拍値を検出するセンサである。
なお、ウェアラブル端末２０２は、上述した構成部のほか、例えば、入力装置、ディスプレイ等を有することにしてもよい。
（監視対象ＤＢ２２０の記憶内容）
つぎに、サーバ２０１が有する監視対象ＤＢ２２０の記憶内容について説明する。監視対象ＤＢ２２０は、例えば、図３に示したメモリ３０２、ディスク３０５などの記憶装置により実現される。
図５は、監視対象ＤＢ２２０の記憶内容の一例を示す説明図である。図５において、監視対象ＤＢ２２０は、被監視者ＩＤ、氏名、年齢、性別、住所および通知先のフィールドを有し、各フィールドに情報を設定することで、監視対象情報（例えば、監視対象情報５００−１，５００−２）をレコードとして記憶する。
ここで、被監視者ＩＤは、被監視者を識別する識別子である。氏名は、被監視者の氏名である。年齢は、被監視者の年齢である。性別は、被監視者の性別である。住所は、被監視者の住所である。通知先は、被監視者の異常を知らせる通知先の氏名、アドレスである。通知先としては、例えば、監視者である家族や介護スタッフの氏名、アドレスが設定される。
（行動状態データの具体例）
つぎに、サーバ２０１が有する行動状態データＤＢ２３０に蓄積される行動状態データの具体例について説明する。行動状態データＤＢ２３０は、例えば、図３に示したメモリ３０２、ディスク３０５などの記憶装置により実現される。
図６は、行動状態データの具体例を示す説明図である。図６において、行動状態データ６００は、被監視者がいつどのような状態でどのような姿勢をとっているのかを示す情報の一例であり、ウェアラブル端末２０２において収集されてサーバ２０１にアップロードされる。
具体的には、行動状態データ６００は、被監視者ＩＤと対応付けて、ウェアラブル端末２０２において検知される姿勢、移動手段、場所、脈拍数、温度、湿度、気圧、熱中症危険度および音圧のそれぞれの項目についての値を示す。また、各項目に対応する時刻（例えば、時刻ｔ１〜ｔ９）は、各項目の値が検知された際の時刻を示す。ただし、各項目の値はほぼ同じタイミングで検知され、時刻間の時間差は無視できる程度に小さいものとする。
姿勢は、被監視者の身体姿勢を示す。姿勢としては、例えば、立位、座位および臥位のいずれかが設定される。移動手段は、被監視者の姿勢が検知された際の移動手段を示す。移動手段としては、例えば、歩行、走行、静止、乗り物に乗車中、エレベータやエスカレータを利用中などが設定される。なお、走行は、被監視者が走っている状態を示す。
場所は、被監視者の姿勢が検知された際の場所を示す。場所としては、例えば、被監視者の自宅、病院、公園などのランドマークが設定される。脈拍数は、被監視者の姿勢が検知された際の脈拍数（単位：回／分）を示す。温度は、被監視者の姿勢が検知された際の周囲の温度（単位：℃）を示す。湿度は、被監視者の姿勢が検知された際の湿度（単位：％）を示す。
気圧は、被監視者の姿勢が検知された際の気圧（単位：ｈＰａ）を示す。熱中症危険度は、被監視者の姿勢が検知された際の熱中症危険度を示す。熱中症危険度としては、例えば、レベル１〜レベル４のいずれかのレベルが設定される。熱中症危険度は、レベルが高いほど熱中症の危険度が高いことを示す。
音圧は、被監視者の姿勢が検知された際の音の音圧（単位：ｄＢ）を示す。音圧は、計測値が所定の音圧以上（例えば、３０ｄＢ以上）の場合に設定される。計測値が所定の音圧未満の場合には、例えば、「−（Ｎｕｌｌ）」が設定される。音圧は、被監視者の姿勢が検知された際に周囲で大きな音が発生したか否かの判断に用いられる。
（生活行動パターン別発生率ＤＢ２４０の記憶内容）
サーバ２０１が有する生活行動パターン別発生率ＤＢ２４０の記憶内容について説明する。生活行動パターン別発生率ＤＢ２４０は、例えば、図３に示したメモリ３０２、ディスク３０５などの記憶装置により実現される。
図７は、生活行動パターン別発生率ＤＢ２４０の記憶内容の一例を示す説明図である。図７において、生活行動パターン別発生率ＤＢ２４０は、被監視者ＩＤと対応付けて、生活行動パターンごとに、被監視者が所定の姿勢をとる確度を示す発生率を記憶する。
生活行動パターンは、被監視者がいつどのような状態で所定の姿勢をとるのかを示すものであり、例えば、複数の項目により特定される。図７の例では、複数の項目は、「曜日」、「時間帯」、「姿勢」、「移動手段」、「脈拍数」、「場所」、「温度」、「湿度」、「熱中症危険度」および「大きな音」である。
「曜日」には、月曜日〜日曜日のいずれかが設定される。「時間帯」には、０時〜５時の時間帯（０−５）、６時〜１１時の時間帯（６−１１）、１２時〜１７時の時間帯（１２−１７）および１８時〜２３時の時間帯（１８−２３）のいずれかが設定される。
「姿勢」には、被監視者のどのような異常を検出するのかに応じて、例えば、立位、座位および臥位のいずれかが設定される。例えば、被監視者の「転倒」を検出する場合には、図７に示すように、「臥位」が設定される。「移動手段」には、歩行、走行、静止、乗り物に乗車中、エレベータやエスカレータを利用中などが設定される。
「脈拍数」には、６０未満、６０以上８０未満および８０以上のいずれかが設定される（単位：回／分）。「場所」には、自宅、病院、公園などのランドマークや屋内、屋外などが設定される。「温度」には、１６未満、１６以上２５未満および２５以上のいずれかが設定される（単位：℃）。
「湿度」には、４０未満、４０以上６０未満および６０以上のいずれかが設定される（単位：％）。「熱中症危険度」には、レベル１〜レベル４の何れかが設定される。「大きな音」には、あり、または、なしが設定される。ありは、大きな音（例えば、音圧が３０ｄＢ以上の音）が発生したことを示す。なしは、大きな音が発生していないことを示す。
図７では、被監視者ＩＤ「Ｍ１」の被監視者Ｍ１を例に挙げて示している。例えば、曜日「月」、時間帯「０−５」、移動手段「静止」、脈拍数「６０以上８０未満」、場所「自宅」、温度「１６以上２５未満」、湿度「４０未満」、熱中症危険度「１」および大きな音「あり」のときに、被監視者Ｍ１が「臥位」の姿勢をとる発生率は「５％」である。
なお、被監視者が「臥位」の姿勢をとる確度を示す生活行動パターンごとの発生率は、全ての生活行動パターンについて足し合わせると１００％になるように正規化されている。また、生活行動パターン別発生率ＤＢ２４０には、初期状態では、一般的な高齢者の生活行動パターンに基づく発生率が記憶されていてもよい。
（ウェアラブル端末２０２の機能的構成例）
つぎに、ウェアラブル端末２０２の機能的構成例について説明する。
図８は、ウェアラブル端末２０２の機能的構成例を示すブロック図である。図８において、ウェアラブル端末２０２は、姿勢判定部８０１と、移動手段判定部８０２と、バイタルサイン解析部８０３と、周囲環境推定部８０４と、位置推定部８０５と、音声解析部８０６と、送信部８０７と、を含む構成である。姿勢判定部８０１〜送信部８０７は制御部となる機能であり、具体的には、例えば、図４に示したメモリ４０２に記憶されたプログラムをＣＰＵ４０１に実行させることにより、または、公衆網Ｉ／Ｆ４０５、近距離無線Ｉ／Ｆ４０６により、その機能を実現する。各機能部の処理結果は、例えば、メモリ４０２に記憶される。
姿勢判定部８０１は、各種センサ４０８〜４１３（あるいは、ＧＰＳユニット４０７）の出力値に基づいて、被監視者の姿勢を判定する。具体的には、例えば、姿勢判定部８０１は、気圧センサ４１１からの出力値を取得する。つぎに、姿勢判定部８０１は、取得した気圧センサ４１１の出力値から高さ（標高）を求め、立位高さからの変化量を算出する。
ここで、立位高さとは、被監視者が立った状態の高さを示す。より詳細に説明すると、立位高さは、例えば、被監視者が立った状態でのウェアラブル端末２０２の取り付け位置の高さ（高度）を示す。立位高さは人手により設定されてもよく、また、姿勢判定部８０１が、例えば、加速度センサ４０８の出力値から被監視者の歩行を検出し、歩行中の気圧センサ４１１の出力値から得られる高さを立位高さに設定することにしてもよい。
そして、姿勢判定部８０１は、例えば、算出した立位高さからの変化量が第１閾値未満の場合に、被監視者の姿勢が「立位」であると判定する。また、姿勢判定部８０１は、例えば、算出した立位高さからの変化量が第１閾値以上第２閾値未満の場合に、被監視者の姿勢が「座位」であると判定する。また、姿勢判定部８０１は、例えば、算出した立位高さからの変化量が第２閾値以上の場合に、被監視者の姿勢が「臥位」であると判定する。
これにより、被監視者の姿勢を検知することができる。なお、第１閾値および第２閾値は、任意に設定可能であり、例えば、被監視者の身長やウェアラブル端末２０２の取り付け位置などを考慮して設定される。一例を挙げると、第１閾値は３０ｃｍ程度の値に設定され、第２閾値は９０ｃｍ程度の値に設定される。
また、姿勢判定部８０１は、判定した判定結果に時刻情報を付与してメモリ４０２に記録する。時刻情報は、例えば、現在日時を示す情報であり、ＯＳ等から取得することができる。具体的には、例えば、姿勢判定部８０１は、判定した被監視者の姿勢と時刻情報を、行動状態データ（例えば、図６参照）に設定する。
移動手段判定部８０２は、各種センサ４０８〜４１３（あるいは、ＧＰＳユニット４０７）からの出力値に基づいて、被監視者の移動手段を判定する。具体的には、例えば、移動手段判定部８０２は、加速度センサ４０８、ジャイロセンサ４０９、地磁気センサ４１０および気圧センサ４１１の出力値を取得する。
そして、移動手段判定部８０２は、取得した各種センサ４０８〜４１１の出力値から、被監視者の歩行、走行または静止のいずれかを検出する。また、移動手段判定部８０２は、各種センサ４０８〜４１１の出力値から、乗り物に乗車中であることを検出することにしてもよい。乗り物は、例えば、車、バス、電車などである。また、移動手段判定部８０２は、各種センサ４０８〜４１１の出力値から、エスカレータまたはエレベータを利用中であることを検出することにしてもよい。
また、移動手段判定部８０２は、判定した判定結果に時刻情報を付与してメモリ４０２に記録する。具体的には、例えば、移動手段判定部８０２は、判定した被監視者の移動手段と時刻情報を、行動状態データ（例えば、図６参照）に設定する。
バイタルサイン解析部８０３は、温湿度センサ４１２、脈拍センサ４１３の出力値に基づいて、被監視者のバイタルサインを解析する。バイタルサインは、例えば、脈拍数（回／分）、体温（度）などである。具体的には、例えば、バイタルサイン解析部８０３は、脈拍センサ４１３の出力値から被監視者の脈拍数（回／分）を算出する。
また、バイタルサイン解析部８０３は、解析した解析結果に時刻情報を付与してメモリ４０２に記録する。具体的には、例えば、バイタルサイン解析部８０３は、解析した被監視者の脈拍数（回／分）と時刻情報を、行動状態データ（例えば、図６参照）に設定する。
周囲環境推定部８０４は、気圧センサ４１１、温湿度センサ４１２の出力値に基づいて、被監視者の周囲環境を推定する。周囲環境は、例えば、被監視者の周囲の温度、湿度、気圧、暑さ指数の少なくともいずれかにより特定される。具体的には、例えば、周囲環境推定部８０４は、気圧センサ４１１の出力値を、被監視者の周囲の気圧として検知する。
また、例えば、周囲環境推定部８０４は、温湿度センサ４１２の出力値（温度、湿度）を、被監視者の周囲の温度、湿度として検知する。ただし、温湿度センサ４１２により測定される温度は、例えば、ウェアラブル端末２０２の発熱等により実際の周囲温度よりも高くなっていることがある。このため、周囲環境推定部８０４は、例えば、温湿度センサ４１２の出力値（温度）から所定値を減算することにより、温湿度センサ４１２の出力値（温度）を周囲温度に補正することにしてもよい。
また、例えば、周囲環境推定部８０４は、温湿度センサ４１２の出力値から暑さ指数を算出し、熱中症危険度を特定することにしてもよい。ここで、暑さ指数（ＷＢＧＴ：Ｗｅｔ−Ｂｕｌｂ Ｇｌｏｂｅ Ｔｅｍｐｅｒａｔｕｒｅ）は、人体の熱収支に大きく影響する湿度・輻射熱・気温から得られる指標であり、暑熱環境下でのリスク評価などに用いられる（単位：℃）。
より具体的には、例えば、周囲環境推定部８０４は、黒球温度、湿球温度および乾球温度に基づいて、暑さ指数を算出する。そして、周囲環境推定部８０４は、暑さ指数と熱中症危険度との対応関係を示す情報を参照して、算出した暑さ指数に対応する熱中症危険度を特定する。
例えば、暑さ指数が２５℃未満の場合は熱中症危険度がレベル１と特定され、暑さ指数が２５℃以上２８℃未満の場合は熱中症危険度がレベル２と特定される。また、暑さ指数が２８℃以上３１℃未満の場合は熱中症危険度がレベル３と特定され、暑さ指数が３１℃以上の場合は熱中症危険度がレベル４と特定される。
なお、黒球温度、湿球温度、乾球温度は、例えば、気象情報などを提供する外部のコンピュータにアクセスして取得することにしてもよい。また、暑さ指数は、屋内あるいは屋外のいずれかに応じて算出式が異なる。このため、周囲環境推定部８０４は、例えば、ＧＰＳユニット４０７等の出力値から屋内または屋外を特定し、暑さ指数を求めることにしてもよい。ただし、周囲環境推定部８０４は、例えば、屋内または屋外のいずれかにいることを前提として、暑さ指数を求めることにしてもよい。
また、周囲環境推定部８０４は、推定した推定結果に時刻情報を付与してメモリ４０２に記録する。具体的には、例えば、周囲環境推定部８０４は、推定した被監視者の周囲環境（例えば、温度、湿度、気圧、熱中症危険度）と時刻情報を、行動状態データ（例えば、図６参照）に設定する。
位置推定部８０５は、ＧＰＳユニット４０７または各種センサ４０８〜４１１の出力値に基づいて、被監視者の現在位置を推定する。具体的には、例えば、位置推定部８０５は、ＧＰＳユニット４０７の出力値や自律航法等を用いて、自端末の位置情報（例えば、緯度、経度、高度）を取得する。
つぎに、位置推定部８０５は、予め登録されたランドマークの位置情報を参照して、取得した自端末の位置情報が示す地点の近傍のランドマークを特定する。また、位置推定部８０５は、近傍のランドマークを特定できない場合には、少なくとも屋内または屋外を特定することにしてもよい。
なお、位置推定部８０５は、近距離無線Ｉ／Ｆ４０６により、無線ＬＡＮ等のアクセスポイントと通信することにより、自端末の現在位置を推定することにしてもよい。
また、位置推定部８０５は、推定した推定結果に時刻情報を付与してメモリ４０２に記録する。具体的には、例えば、位置推定部８０５は、推定した現在位置（例えば、ランドマーク、屋内、屋外）と時刻情報を、行動状態データ（例えば、図６参照）に設定する。
音声解析部８０６は、マイクロフォン４０３に入力された音声の音声情報を解析する。具体的には、例えば、音声解析部８０６は、マイクロフォン４０３に入力された音声の音声情報を取得する。つぎに、音声解析部８０６は、音声ＤＳＰ４０４を起動して、取得した音声情報を入力することにより音圧を計測する。そして、音声解析部８０６は、計測した音圧が所定の音圧以上であるか否かを判断する。所定の音圧は、任意に設定可能であり、例えば、所定の音圧以上の音が発生したら、被監視者の周囲で大きな音が発生したと判断できる値（例えば、３０ｄＢ）に設定される。
また、音声解析部８０６は、解析した解析結果に時刻情報を付与してメモリ４０２に記録する。具体的には、例えば、音声解析部８０６は、計測した音圧が所定値以上の場合に、計測した音圧と時刻情報を、行動状態データ（例えば、図６参照）に設定する。
送信部８０７は、被監視者の姿勢と、当該姿勢が検知された際の時刻とを示すデータをサーバ２０１に送信する。具体的には、例えば、送信部８０７は、姿勢判定部８０１によって判定された判定結果を、当該判定結果に付与された時刻情報とともにサーバ２０１に送信する。
また、送信部８０７は、被監視者の移動手段と、当該移動手段が判定された際の時刻とを示すデータをサーバ２０１に送信する。具体的には、例えば、送信部８０７は、移動手段判定部８０２によって判定された判定結果を、当該判定結果に付与された時刻情報とともにサーバ２０１に送信する。
また、送信部８０７は、被監視者のバイタルサインと、当該バイタルサインが解析された際の時刻とを示すデータをサーバ２０１に送信する。具体的には、例えば、送信部８０７は、バイタルサイン解析部８０３によって解析された解析結果を、当該解析結果に付与された時刻情報とともにサーバ２０１に送信する。
また、送信部８０７は、被監視者の周囲環境と、当該周囲環境が検知された際の時刻とを示すデータをサーバ２０１に送信する。具体的には、例えば、送信部８０７は、周囲環境推定部８０４によって推定された推定結果を、当該推定結果に付与された時刻情報とともにサーバ２０１に送信する。
また、送信部８０７は、被監視者の現在位置と、当該現在位置が推定された際の時刻とを示すデータをサーバ２０１に送信する。具体的には、例えば、送信部８０７は、位置推定部８０５によって推定された推定結果を、当該推定結果に付与された時刻情報とともにサーバ２０１に送信する。
また、送信部８０７は、マイクロフォン４０３に入力された音声の音圧と、当該音圧が計測された際の時刻とを示すデータをサーバ２０１に送信する。具体的には、例えば、送信部８０７は、音声解析部８０６によって解析された解析結果を、当該解析結果に付与された時刻情報とともにサーバ２０１に送信する。
より具体的には、例えば、送信部８０７は、図６に示したような行動状態データ６００をサーバ２０１に送信することにしてもよい。これにより、例えば、ほぼ同じタイミングで得られた各種データを一括してサーバ２０１にアップロードすることができる。
なお、ウェアラブル端末２０２は、例えば、既存の技術を利用して、各種センサ４０８〜４１１の出力値に基づいて、転倒動作が発生したか否かを推定することにしてもよい。そして、ウェアラブル端末２０２は、例えば、転倒動作が発生したか否かの推定結果を行動状態データに付与してサーバ２０１に送信することにしてもよい。
（サーバ２０１の機能的構成例）
つぎに、サーバ２０１の機能的構成例について説明する。
図９は、サーバ２０１の機能的構成例を示すブロック図である。図９において、サーバ２０１は、取得部９０１と、算出部９０２と、検出部９０３と、出力部９０４と、を含む構成である。取得部９０１〜出力部９０４は制御部となる機能であり、具体的には、例えば、図３に示したメモリ３０２、ディスク３０５等の記憶装置に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、Ｉ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、メモリ３０２、ディスク３０５等の記憶装置に記憶される。
取得部９０１は、被監視者の姿勢と、当該姿勢が検知された際の時刻とを示すデータをウェアラブル端末２０２から取得する。また、取得部９０１は、被監視者の移動手段と、当該移動手段が判定された際の時刻とを示すデータをウェアラブル端末２０２から取得する。
また、取得部９０１は、被監視者のバイタルサインと、当該バイタルサインが解析された際の時刻とを示すデータをウェアラブル端末２０２から取得する。また、取得部９０１は、被監視者の周囲環境と、当該周囲環境が推定された際の時刻とを示すデータをウェアラブル端末２０２から取得する。
また、取得部９０１は、被監視者の現在位置と、当該現在位置が推定された際の時刻とを示すデータをウェアラブル端末２０２から取得する。また、取得部９０１は、ウェアラブル端末２０２が有するマイクロフォン４０３に入力された音声の音圧と、当該音圧が計測された際の時刻とを示すデータをウェアラブル端末２０２から取得する。
具体的には、例えば、取得部９０１は、ウェアラブル端末２０２から行動状態データ（例えば、図６に示した行動状態データ６００）を取得することにしてもよい。これにより、例えば、ほぼ同じタイミングで得られた各種データを一括してウェアラブル端末２０２から取得することができる。
取得された各種データは、メモリ３０２、ディスク３０５等の記憶装置に蓄積される。例えば、取得された行動状態データは、例えば、行動状態データＤＢ２３０（図２参照）に蓄積される。なお、ウェアラブル端末２０２から各種データを個別に取得した場合には、サーバ２０１は、例えば、それぞれのデータが示す時刻がほぼ同時刻（例えば、時間差が１秒以内）のデータを組合せたものを行動状態データとして行動状態データＤＢ２３０に蓄積することにしてもよい。
算出部９０２は、取得部９０１によって取得された各種データに基づいて、生活行動パターンごとに、被監視者が所定の姿勢をとる確度を算出する。ここで、生活行動パターンは、被監視者がいつどのような状態で所定の姿勢をとるのかを示すものである。
所定の姿勢は、被監視者のどのような異常を検出するのかに応じて設定される姿勢である。例えば、被監視者の「転倒」を検出する場合には、転倒動作と類似した動作をとったときの姿勢である「臥位」が所定の姿勢として設定される。所定の姿勢をとる確度は、被監視者が所定の姿勢をとる確かさの度合いを示す。
具体的には、例えば、算出部９０２は、被監視者の姿勢と当該姿勢が検知された際の時刻とを示すデータに基づいて、単純ベイズ分類器等を用いて、第１の確度を算出することにしてもよい。第１の確度は、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる確度である。
所定の時間帯は、例えば、１日を一定の時間幅で区切って分割した複数の時間帯である。例えば、１日を６時間ごとに区切った場合、所定の時間帯は、０時〜５時の時間帯と、６時〜１１時の時間帯と、１２時〜１７時の時間帯と、１８時〜２３時の時間帯となる。
ここで、被監視者の「転倒」を検出する場合を例に挙げて、被監視者が「臥位」の姿勢をとる第１の確度の算出例について説明する。ここでは、所定の時間帯を、０時〜５時の時間帯Ｔ１、６時〜１１時の時間帯Ｔ２、１２時〜１７時の時間帯Ｔ３および１８時〜２３時の時間帯Ｔ４とする。また、簡単のため、被監視者の姿勢として「立位」または「臥位」のいずれかが検知される場合を想定する。
まず、算出部９０２は、例えば、行動状態データＤＢ２３０に蓄積された被監視者ごとの行動状態データに基づいて、時間帯Ｔ１〜Ｔ４のそれぞれについて、回数ＣR１〜ＣR４と回数ＣG１〜ＣG４をカウントする。回数ＣR１〜ＣR４は、時間帯Ｔ１〜Ｔ４のそれぞれにおける被監視者が「立位」の姿勢をとった回数である。回数ＣG１〜ＣG４は、時間帯Ｔ１〜Ｔ４のそれぞれにおける被監視者が「臥位」の姿勢をとった回数である。
例えば、被監視者の姿勢「臥位」が検知された際の時刻「２０１５年５月１１日０時１５分２３秒」を示す行動状態データがあれば、時間帯Ｔ１における被監視者が「臥位」の姿勢をとった回数ＣG１がインクリメントされる。
この結果、例えば、全時間帯Ｔ１〜Ｔ４における、被監視者が「立位」の姿勢をとった回数ＣR（＝ＣR１＋ＣR２＋ＣR３＋ＣR４）が「８５」となり、被監視者が「臥位」の姿勢をとった回数ＣG（＝ＣG１＋ＣG２＋ＣG３＋ＣG４）が「６３」となったとする。また、例えば、時間帯Ｔ１における被監視者が「臥位」の姿勢をとった回数ＣG１が「２５」となったとする。
この場合、算出部９０２は、全数Ｃ（＝ＣR＋ＣG＝１４８）に対する回数ＣGの割合と、回数ＣGに対する回数ＣG１の割合とを掛け合わせることにより、時間帯Ｔ１において「臥位」の姿勢をとる確率を算出することができる。ここでは、時間帯Ｔ１において「臥位」の姿勢をとる確率は、「０．１６８９（≒６３／１４８×２５／６３）」となる。
つぎに、算出部９０２は、例えば、各時間帯Ｔ１〜Ｔ４において被監視者が「臥位」の姿勢をとる確率を正規化することにより、各時間帯Ｔ１〜Ｔ４において被監視者が「臥位」の姿勢をとる第１の確度を示す発生率を算出する。具体的には、例えば、算出部９０２は、各時間帯Ｔ１〜Ｔ４において被監視者が「臥位」の姿勢をとる第１の確度を示す発生率の和が１００％となるように正規化を行う。
これにより、所定の時間帯（例えば、時間帯Ｔ１〜Ｔ４）のそれぞれにおいて被監視者が所定の姿勢（例えば、臥位）をとる第１の確度を示す情報（例えば、発生率）を算出することができる。
また、算出部９０２は、例えば、被監視者の姿勢と当該姿勢が検知された際の時刻と場所とを示すデータに基づいて、単純ベイズ分類器等を用いて、第２の確度を算出することにしてもよい。第２の確度は、所定の場所のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる確度である。所定の場所は、被監視者が存在し得る場所であり、例えば、自宅、公園、病院などのランドマークであったり、屋内、屋外などであってもよい。
ここで、被監視者の「転倒」を検出する場合を例に挙げて、被監視者が「臥位」の姿勢をとる第２の確度の算出例について説明する。ここでは、所定の時間帯を、上述した時間帯Ｔ１〜Ｔ４とし、所定の場所を、自宅を示す場所Ｐ１、公園を示す場所Ｐ２および病院を示す場所Ｐ３とする。また、簡単のため、被監視者の姿勢として「立位」または「臥位」のいずれかが検知される場合を想定する。
まず、算出部９０２は、例えば、蓄積された被監視者ごとの行動状態データに基づいて、場所Ｐ１〜Ｐ３のそれぞれについて、回数Ｃ’R１〜Ｃ’R３と回数Ｃ’G１〜Ｃ’G３をカウントする。回数Ｃ’R１〜Ｃ’R３は、場所Ｐ１〜Ｐ３のそれぞれにおいて、被監視者が「立位」の姿勢をとった回数である。回数Ｃ’G１〜Ｃ’G３は、場所Ｐ１〜Ｐ３のそれぞれにおいて、被監視者が「臥位」の姿勢をとった回数である。
例えば、被監視者の姿勢「臥位」が検知された際の場所Ｐ１を示す行動状態データがあれば、場所Ｐ１において被監視者が「臥位」の姿勢をとった回数Ｃ’G１がインクリメントされる。
この結果、例えば、全場所Ｐ１〜Ｐ３において、被監視者が「立位」の姿勢をとった回数Ｃ’R（＝Ｃ’R１＋Ｃ’R２＋Ｃ’R３）が「８５」となり、被監視者が「臥位」の姿勢をとった回数Ｃ’G（＝Ｃ’G１＋Ｃ’G２＋Ｃ’G３）が「６３」となったとする。また、例えば、場所Ｐ１において被監視者が「臥位」の姿勢をとった回数Ｃ’G１が「６」となったとする。
この場合、算出部９０２は、全数Ｃ（＝Ｃ’R＋Ｃ’G＝１４８）に対する回数Ｃ’Gの割合と、回数Ｃ’Gに対する回数Ｃ’G１の割合とを掛け合わせることにより、場所Ｐ１において「臥位」の姿勢をとる確率を算出することができる。ここでは、場所Ｐ１において「臥位」の姿勢をとる確率は、「０．０４０５（≒６３／１４８×６／６３）」となる。
つぎに、算出部９０２は、算出した場所Ｐ１において「臥位」の姿勢をとる確率と、時間帯Ｔ１において被監視者が「臥位」の姿勢をとる確率とを掛け合わせることにより、場所Ｐ１における時間帯Ｔ１において被監視者が「臥位」の姿勢をとる第２の確率を算出する。ここで、時間帯Ｔ１において被監視者が「臥位」の姿勢をとる確率として「０．１６８９」が算出されているとする。
この場合、場所Ｐ１における時間帯Ｔ１において被監視者が「臥位」の姿勢をとる確率は、「０．００６８４（≒０．０４０５×０．１６８９）」となる。なお、場所と時間帯との他の組合せについても同様にして、被監視者が「臥位」の姿勢をとる確率を求めることができる。
そして、算出部９０２は、例えば、各場所Ｐ１〜Ｐ３における各時間帯Ｔ１〜Ｔ４において被監視者が「臥位」の姿勢をとる確率を正規化することにより、各場所Ｐ１〜Ｐ３における各時間帯Ｔ１〜Ｔ４において被監視者が「臥位」の姿勢をとる第２の確度を示す発生率を算出する。
これにより、所定の場所（例えば、場所Ｐ１〜Ｐ３）のそれぞれにおける、所定の時間帯（例えば、時間帯Ｔ１〜Ｔ４）のそれぞれにおいて被監視者が所定の姿勢（例えば、臥位）の姿勢をとる第２の確度を示す情報（例えば、発生率）を算出することができる。
また、算出部９０２は、例えば、被監視者の姿勢と当該姿勢が検知された際の時刻と所定の音圧以上の音の有無とを示すデータに基づいて、第３の確度を算出することにしてもよい。第３の確度は、所定の音圧以上の音の有無のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる確度である。所定の音圧以上の音は、被監視者が驚いて転倒するきっかけとなる程度に大きな音であり、例えば、音圧が３０ｄＢ以上の音である。
具体的には、例えば、算出部９０２は、行動状態データＤＢ２３０に蓄積された被監視者ごとの行動状態データに基づいて、単純ベイズ分類器等を用いて、第３の確度を算出する。なお、第３の確度の算出例については、上述した第２の確度の算出例と同様のため説明を省略する。
これにより、所定の音圧以上の音の有無のそれぞれにおける、所定の時間帯（例えば、時間帯Ｔ１〜Ｔ４）のそれぞれにおいて被監視者が所定の姿勢（例えば、臥位）の姿勢をとる第３の確度を示す情報（例えば、発生率）を算出することができる。
また、算出部９０２は、例えば、被監視者の姿勢と当該姿勢が検知された際の時刻と周囲環境とを示すデータに基づいて、第４の確度を算出することにしてもよい。第４の確度は、所定の周囲環境のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる確度である。周囲環境は、例えば、被監視者の周囲の温度、湿度、気圧および暑さ指数（熱中症危険度）の少なくともいずれかにより特定される。
ここで、周囲環境が、温度、湿度および熱中症危険度により特定される場合を想定する。また、温度を、「１６未満」、「１６以上２５未満」および「２５以上」の３つのカテゴリに区分けしたとする（単位：℃）。また、湿度を、「４０未満」、「４０以上６０未満」および「６０以上」の３つのカテゴリに区分けしたとする（単位：％）。また、熱中症危険度を、「レベル１」、「レベル２」、「レベル３」および「レベル４」の４つのカテゴリに区分けしたとする。この場合、所定の周囲環境のそれぞれは、温度、湿度および熱中症危険度のそれぞれのカテゴリの組合せによって特定される。
具体的には、例えば、算出部９０２は、行動状態データＤＢ２３０に蓄積された被監視者ごとの行動状態データに基づいて、単純ベイズ分類器等を用いて、第４の確度を算出する。なお、第４の確度の算出例については、上述した第２の確度の算出例と同様のため説明を省略する。
これにより、所定の周囲環境のそれぞれにおける、所定の時間帯（例えば、時間帯Ｔ１〜Ｔ４）のそれぞれにおいて被監視者が所定の姿勢（例えば、臥位）の姿勢をとる第４の確度を示す情報（例えば、発生率）を算出することができる。
また、算出部９０２は、被監視者の姿勢と当該姿勢が検知された際の時刻と移動手段とを示すデータに基づいて、第５の確度を算出することにしてもよい。第５の確度は、所定の移動手段のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる確度である。移動手段としては、例えば、歩行、走行、静止、乗り物（例えば、車、バスなど）に乗車中、エレベータやエスカレータを利用中などがある。
具体的には、例えば、算出部９０２は、行動状態データＤＢ２３０に蓄積された被監視者ごとの行動状態データに基づいて、単純ベイズ分類器等を用いて、第５の確度を算出する。なお、第５の確度の算出例については、上述した第２の確度の算出例と同様のため説明を省略する。
これにより、所定の移動手段のそれぞれにおける、所定の時間帯（例えば、時間帯Ｔ１〜Ｔ４）のそれぞれにおいて被監視者が所定の姿勢（例えば、臥位）の姿勢をとる第５の確度を示す情報（例えば、発生率）を算出することができる。
また、算出部９０２は、被監視者の姿勢と当該姿勢が検知された際の時刻（日時）を示すデータに基づいて、第６の確度を算出することにしてもよい。第６の確度は、所定の曜日区分のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる確度である。所定の曜日区分は、任意に設定可能である。例えば、所定の曜日区分は、月曜日から日曜日までの各曜日であってもよく、また、「月曜日から金曜日の組（平日）」と「土曜日と日曜日との組（休日）」などであってもよい。
具体的には、例えば、算出部９０２は、行動状態データＤＢ２３０に蓄積された被監視者ごとの行動状態データに基づいて、単純ベイズ分類器等を用いて、第６の確度を算出する。なお、第６の確度の算出例については、上述した第２の確度の算出例と同様のため説明を省略する。
これにより、所定の曜日区分のそれぞれにおける、所定の時間帯（例えば、時間帯Ｔ１〜Ｔ４）のそれぞれにおいて被監視者が所定の姿勢（例えば、臥位）の姿勢をとる第６の確度を示す情報（例えば、発生率）を算出することができる。
また、算出部９０２は、被監視者の姿勢と当該姿勢が検知された際の時刻と脈拍数とを示すデータに基づいて、第７の確度を算出することにしてもよい。第７の確度は、所定の脈拍数範囲のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる確度である。所定の脈拍数範囲は、任意に設定可能である。例えば、所定の脈拍数範囲は、「６０未満」、「６０以上８０未満」および「８０以上」などに設定される（単位：回／分）。
具体的には、例えば、算出部９０２は、行動状態データＤＢ２３０に蓄積された被監視者ごとの行動状態データに基づいて、単純ベイズ分類器等を用いて、第７の確度を算出する。なお、第７の確度の算出例については、上述した第２の確度の算出例と同様のため説明を省略する。
これにより、所定の脈拍数範囲のそれぞれにおける、所定の時間帯（例えば、時間帯Ｔ１〜Ｔ４）のそれぞれにおいて被監視者が所定の姿勢（例えば、臥位）の姿勢をとる第７の確度を示す情報（例えば、発生率）を算出することができる。
また、算出部９０２は、例えば、「場所」、「所定の音圧以上の音の有無」、「周囲環境」、「移動手段」、「曜日区分」および「脈拍数範囲」のうちの２以上の項目を考慮して、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる第８の確度を算出することにしてもよい。
図７に示した発生率は、「場所」、「所定の音圧以上の音の有無」、「周囲環境」、「移動手段」、「曜日区分」および「脈拍数範囲」の全ての項目を考慮して算出された、時間帯Ｔ１〜Ｔ４のそれぞれにおいて被監視者が「臥位」の姿勢をとる第８の確度を示している。
例えば、図７の一番上に示した、被監視者Ｍ１が「臥位」の姿勢をとる発生率「５％」は、以下の確率ｐ１〜ｐ９を掛け合わせて正規化することにより求めることができる。確率ｐ１〜ｐ９は、例えば、行動状態データＤＢ２３０に蓄積された被監視者Ｍ１の行動状態データに基づいて算出される。
ｐ１＝月曜日において、被監視者Ｍ１が「臥位」の姿勢をとる確率
ｐ２＝０時〜５時の時間帯において、被監視者Ｍ１が「臥位」の姿勢をとる確率
ｐ３＝移動手段「静止」において、被監視者Ｍ１が「臥位」の姿勢をとる確率
ｐ４＝脈拍数（回／分）が６０以上８０未満において、被監視者Ｍ１が「臥位」の姿勢をとる確率
ｐ５＝場所「自宅」において、被監視者Ｍ１が「臥位」の姿勢をとる確率
ｐ６＝温度（℃）が１６以上２５未満において、被監視者Ｍ１が「臥位」の姿勢をとる確率
ｐ７＝湿度（％）が４０未満において、被監視者Ｍ１が「臥位」の姿勢をとる確率
ｐ８＝熱中症危険度がレベル１において、被監視者Ｍ１が「臥位」の姿勢をとる確率
ｐ９＝大きな音（所定の音圧以上の音）が発生していない状況において、被監視者Ｍ１が「臥位」の姿勢をとる確率
なお、算出部９０２は、例えば、行動状態データＤＢ２３０に行動状態データが蓄積される度に、生活行動パターンごとの発生率を算出し直して、生活行動パターン別発生率ＤＢ２４０の記憶内容を更新することにしてもよい。また、算出部９０２は、一定期間（例えば、１週間）ごとに、生活行動パターンごとの発生率を算出し直して、生活行動パターン別発生率ＤＢ２４０の記憶内容を更新することにしてもよい。
検出部９０３は、算出部９０２によって算出された生活行動パターンごとの被監視者が所定の姿勢をとる確度を参照して、取得部９０１によって取得されたデータに基づいて、被監視者の異常を検出する。具体的には、例えば、検出部９０３は、算出部９０２によって算出された第１の確度を参照して、被監視者の姿勢と当該姿勢が検知された際の時刻とを示すデータに基づいて、被監視者の異常を検出することにしてもよい。
ここで、図６に示した行動状態データ６００を例に挙げて、第１の確度から被監視者の「転倒」を検出する場合の検出例について説明する。まず、検出部９０３は、行動状態データ６００が示す姿勢が「臥位」であるか否かを判断する。図６の例では、姿勢が「臥位」であると判断される。つぎに、検出部９０３は、例えば、時間帯Ｔ１〜Ｔ４のうち、被監視者Ｍ１の姿勢「臥位」が検知された時刻ｔ１を含む時間帯Ｔを特定する。
そして、検出部９０３は、特定した時間帯Ｔについて、算出部９０２によって算出された第１の確度を示す発生率に基づいて、被監視者Ｍ１の転倒を検出する。具体的には、例えば、検出部９０３は、時間帯Ｔにおいて姿勢「臥位」の発生率が、予め記録された閾値Ｔｈ以下の場合に、被監視者Ｍ１の転倒を検出する。閾値Ｔｈは、任意に設定可能であり、例えば、発生率が閾値Ｔｈ以下であれば、被監視者が「臥位」の姿勢をとらない可能性が高いと判断できる値に設定される。
これにより、通常は被監視者Ｍ１が「臥位」の姿勢をとらない可能性が高いといえる時間帯に、被監視者Ｍ１が「臥位」の姿勢をとった場合に、被監視者Ｍ１の転倒を検出することができる。
また、検出部９０３は、例えば、算出部９０２によって算出された第２の確度を参照して、被監視者の姿勢と当該姿勢が検知された際の時刻と場所とを示すデータに基づいて、被監視者の異常を検出することにしてもよい。ここで、行動状態データ６００を例に挙げて、第２の確度から被監視者の「転倒」を検出する場合の検出例について説明する。
まず、検出部９０３は、行動状態データ６００が示す姿勢が「臥位」であるか否かを判断する。図６の例では、姿勢が「臥位」であると判断される。つぎに、検出部９０３は、例えば、被監視者Ｍ１の姿勢「臥位」が検知された時刻ｔ１を含む時間帯Ｔと場所「自宅」とを特定する。
そして、検出部９０３は、特定した時間帯Ｔと場所「自宅」との組合せについて、算出部９０２によって算出された第２の確度を示す発生率に基づいて、被監視者Ｍ１の転倒を検出する。具体的には、例えば、検出部９０３は、場所「自宅」における時間帯Ｔにおいて姿勢「臥位」の発生率が閾値Ｔｈ以下の場合に、被監視者Ｍ１の転倒を検出する。
これにより、被監視者Ｍ１が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と場所との組合せ）において、被監視者Ｍ１が「臥位」の姿勢をとった場合に、被監視者Ｍ１の転倒を検出することができる。
また、検出部９０３は、例えば、算出部９０２によって算出された第３の確度を参照して、被監視者の姿勢と当該姿勢が検知された際の時刻と所定の音圧以上の音の有無とを示すデータに基づいて、被監視者の異常を検出することにしてもよい。ここで、行動状態データ６００を例に挙げて、第３の確度から被監視者の「転倒」を検出する場合の検出例について説明する。
まず、検出部９０３は、行動状態データ６００が示す姿勢が「臥位」であるか否かを判断する。図６の例では、姿勢が「臥位」であると判断される。つぎに、検出部９０３は、例えば、被監視者Ｍ１の姿勢「臥位」が検知された時刻ｔ１を含む時間帯Ｔと、所定の音圧以上の音の有無とを特定する。図６の例では、音圧「３５」が設定されているため、所定の音圧以上の音ありと特定される。
そして、検出部９０３は、特定した時間帯と所定の音圧以上の音ありとの組合せについて、算出部９０２によって算出された第３の確度を示す発生率に基づいて、被監視者Ｍ１の転倒を検出する。具体的には、例えば、検出部９０３は、所定の音圧以上の音ありにおける時間帯Ｔの姿勢「臥位」の発生率が閾値Ｔｈ以下の場合に、被監視者Ｍ１の転倒を検出する。
これにより、被監視者Ｍ１が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と大きな音の有無との組合せ）において、被監視者Ｍ１が「臥位」の姿勢をとった場合に、被監視者Ｍ１の転倒を検出することができる。
また、検出部９０３は、例えば、算出部９０２によって算出された第４の確度を参照して、被監視者の姿勢と当該姿勢が検知された際の時刻と周囲環境とを示すデータに基づいて、被監視者の異常を検出することにしてもよい。ここで、行動状態データ６００を例に挙げて、第４の確度から被監視者の「転倒」を検出する場合の検出例について説明する。
まず、検出部９０３は、行動状態データ６００が示す姿勢が「臥位」であるか否かを判断する。図６の例では、姿勢が「臥位」であると判断される。つぎに、検出部９０３は、例えば、被監視者Ｍ１の姿勢「臥位」が検知された時刻ｔ１を含む時間帯Ｔと周囲環境（例えば、温度、湿度、気圧、熱中症危険度）とを特定する。
そして、検出部９０３は、特定した時間帯と周囲環境との組合せについて、算出部９０２によって算出された第４の確度を示す発生率に基づいて、被監視者Ｍ１の転倒を検出する。具体的には、例えば、検出部９０３は、特定した周囲環境における時間帯Ｔの姿勢「臥位」の発生率が閾値Ｔｈ以下の場合に、被監視者Ｍ１の転倒を検出する。
これにより、被監視者Ｍ１が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と周囲環境との組合せ）において、被監視者Ｍ１が「臥位」の姿勢をとった場合に、被監視者Ｍ１の転倒を検出することができる。
また、検出部９０３は、例えば、算出部９０２によって算出された第５の確度を参照して、被監視者の姿勢と当該姿勢が検知された際の時刻と移動手段とを示すデータに基づいて、被監視者の異常を検出することにしてもよい。ここで、行動状態データ６００を例に挙げて、第５の確度から被監視者の「転倒」を検出する場合の検出例について説明する。
まず、検出部９０３は、行動状態データ６００が示す姿勢が「臥位」であるか否かを判断する。図６の例では、姿勢が「臥位」であると判断される。つぎに、検出部９０３は、例えば、被監視者Ｍ１の姿勢「臥位」が検知された時刻ｔ１を含む時間帯Ｔと移動手段とを特定する。図６の例では、移動手段は「静止」と特定される。
そして、検出部９０３は、特定した時間帯と移動手段「静止」との組合せについて、算出部９０２によって算出された第５の確度を示す発生率に基づいて、被監視者Ｍ１の転倒を検出する。具体的には、例えば、検出部９０３は、移動手段「静止」における時間帯Ｔの姿勢「臥位」の発生率が閾値Ｔｈ以下の場合に、被監視者Ｍ１の転倒を検出する。
これにより、被監視者Ｍ１が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と移動手段との組合せ）において、被監視者Ｍ１が「臥位」の姿勢をとった場合に、被監視者Ｍ１の転倒を検出することができる。
また、検出部９０３は、例えば、算出部９０２によって算出された第６の確度を参照して、被監視者の姿勢と当該姿勢が検知された際の時刻とを示すデータに基づいて、被監視者の異常を検出することにしてもよい。ここで、行動状態データ６００を例に挙げて、第６の確度から被監視者の「転倒」を検出する場合の検出例について説明する。
まず、検出部９０３は、行動状態データ６００が示す姿勢が「臥位」であるか否かを判断する。図６の例では、姿勢が「臥位」であると判断される。つぎに、検出部９０３は、例えば、被監視者Ｍ１の姿勢「臥位」が検知された時刻ｔ１を含む時間帯Ｔと曜日区分とを特定する。ここでは、曜日区分として、「月曜日」が特定されたとする。
そして、検出部９０３は、特定した時間帯Ｔと曜日区分「月曜日」との組合せについて、算出部９０２によって算出された第６の確度を示す発生率に基づいて、被監視者Ｍ１の転倒を検出する。具体的には、例えば、検出部９０３は、曜日区分「月曜日」における時間帯Ｔの姿勢「臥位」の発生率が閾値Ｔｈ以下の場合に、被監視者Ｍ１の転倒を検出する。
これにより、被監視者Ｍ１が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と曜日区分との組合せ）において、被監視者Ｍ１が「臥位」の姿勢をとった場合に、被監視者Ｍ１の転倒を検出することができる。
また、検出部９０３は、例えば、算出部９０２によって算出された第７の確度を参照して、被監視者の姿勢と当該姿勢が検知された際の時刻と脈拍数とを示すデータに基づいて、被監視者の異常を検出することにしてもよい。ここで、行動状態データ６００を例に挙げて、第７の確度から被監視者の「転倒」を検出する場合の検出例について説明する。
まず、検出部９０３は、行動状態データ６００が示す姿勢が「臥位」であるか否かを判断する。図６の例では、姿勢が「臥位」であると判断される。つぎに、検出部９０３は、例えば、被監視者Ｍ１の姿勢「臥位」が検知された時刻ｔ１を含む時間帯Ｔと脈拍数範囲とを特定する。ここでは、脈拍数範囲として、脈拍数「７０」を含む「６０以上８０未満」が特定されたとする。
そして、検出部９０３は、特定した時間帯Ｔと脈拍数範囲「６０以上８０未満」との組合せについて、算出部９０２によって算出された第７の確度を示す発生率に基づいて、被監視者Ｍ１の転倒を検出する。具体的には、例えば、検出部９０３は、脈拍数範囲「６０以上８０未満」における時間帯Ｔの姿勢「臥位」の発生率が閾値Ｔｈ以下の場合に、被監視者Ｍ１の転倒を検出する。
これにより、被監視者Ｍ１が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と脈拍数範囲との組合せ）において、被監視者Ｍ１が「臥位」の姿勢をとった場合に、被監視者Ｍ１の転倒を検出することができる。
また、検出部９０３は、例えば、算出部９０２によって算出された第８の確度を参照して、行動状態データに基づいて、被監視者の異常を検出することにしてもよい。ここで、行動状態データ６００を例に挙げて、第８の確度から被監視者の「転倒」を検出する場合の検出例について説明する。
まず、検出部９０３は、行動状態データ６００が示す姿勢が「臥位」であるか否かを判断する。図６の例では、姿勢が「臥位」であると判断される。つぎに、検出部９０３は、例えば、生活行動パターン別発生率ＤＢ２４０を参照して、行動状態データ６００が示す生活行動パターンと類似する生活行動パターンの発生率を特定する。
図６の例では、行動状態データ６００が示す生活行動パターンと、図７の一番上に示した生活行動パターンとが類似する。このため、生活行動パターン別発生率ＤＢ２４０から被監視者Ｍ１が「臥位」の姿勢をとる発生率「５％」が特定される。そして、検出部９０３は、特定した発生率「５％」が閾値Ｔｈ以下の場合に、被監視者Ｍ１の転倒を検出する。
これにより、被監視者Ｍ１が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯、場所、大きな音の有無、周囲環境、移動手段、曜日区分および脈拍数範囲の組合せ）において、被監視者Ｍ１が「臥位」の姿勢をとった場合に、被監視者Ｍ１の転倒を検出することができる。
なお、検出部９０３は、例えば、特定した発生率「５％」が、被監視者Ｍ１の生活行動パターンごとの発生率のうちの大きいほうから上位ｎ個以内に入っていない場合に、被監視者Ｍ１の転倒を検出することにしてもよい。ｎは、任意に設定可能である。これにより、特定した発生率「５％」が、被監視者Ｍ１の生活行動パターンごとの発生率の中で相対的に低い場合に、被監視者Ｍ１の転倒を検出することができる。
出力部９０４は、検出部９０３によって被監視者の異常が検出された場合、被監視者の異常が検出されたことを示す情報を出力する。出力形式としては、例えば、公衆網Ｉ／Ｆ４０５による外部のコンピュータ（例えば、クライアント装置２０３）への送信、不図示のスピーカからの音声出力などがある。
具体的には、例えば、出力部９０４は、被監視者の異常が検出された場合、被監視者に対応する通知先に、被監視者の異常を通知する異常通知情報を送信することにしてもよい。例えば、被監視者Ｍ１の転倒が検出されたとする。この場合、出力部９０４は、例えば、図５に示した監視対象ＤＢ２２０を参照して、被監視者Ｍ１に対応する通知先（氏名、アドレス）を特定する。
そして、出力部９０４は、特定した通知先のアドレス宛に、被監視者Ｍ１の異常を通知する異常通知情報を送信する。この結果、例えば、通知先である監視者のクライアント装置２０３に、被監視者Ｍ１の異常を通知する異常通知情報が表示される。ここで、異常通知情報の具体例について説明する。
図１０は、異常通知情報の具体例を示す説明図である。図１０において、異常通知情報１０００は、被監視者Ｍ１の異常を通知する情報である。異常通知情報１０００によれば、監視者（氏名：○○一郎）は、被監視者Ｍ１（氏名：○○太郎）が自宅で転倒した可能性があることを知ることができ、安否確認等を行うことができる。
（ウェアラブル端末２０２のアップロード処理手順）
つぎに、ウェアラブル端末２０２のアップロード処理手順について説明する。
図１１は、ウェアラブル端末２０２のアップロード処理手順の一例を示すフローチャートである。図１１のフローチャートにおいて、まず、ウェアラブル端末２０２は、各種センサ４０８〜４１３を起動する（ステップＳ１１０１）。
つぎに、ウェアラブル端末２０２は、各種センサ４０８〜４１３の停止要求を受け付けたか否かを判断する（ステップＳ１１０２）。なお、各種センサ４０８〜４１３の停止要求は、例えば、ウェアラブル端末２０２の入力装置（不図示）を用いたユーザの操作入力により行われる。
ここで、各種センサ４０８〜４１３の停止要求を受け付けていない場合（ステップＳ１１０２：Ｎｏ）、ウェアラブル端末２０２は、被監視者の姿勢を判定する姿勢判定処理を実行する（ステップＳ１１０３）。姿勢判定処理の具体的な処理手順については、図１２を用いて後述する。
つぎに、ウェアラブル端末２０２は、被監視者の移動手段を判定する移動手段判定処理を実行する（ステップＳ１１０４）。移動手段判定処理の具体的な処理手順については、図１３Ａおよび図１３Ｂを用いて後述する。
つぎに、ウェアラブル端末２０２は、被監視者のバイタルサインを解析するバイタルサイン解析処理を実行する（ステップＳ１１０５）。バイタルサイン解析処理の具体的な処理手順については、図１４を用いて後述する。
つぎに、ウェアラブル端末２０２は、被監視者の周辺環境を推定する周辺環境推定処理を実行する（ステップＳ１１０６）。周辺環境推定処理の具体的な処理手順については、図１５を用いて後述する。
つぎに、ウェアラブル端末２０２は、被監視者の現在位置を推定する位置推定処理を実行する（ステップＳ１１０７）。位置推定処理の具体的な処理手順については、図１６を用いて後述する。
つぎに、ウェアラブル端末２０２は、マイクロフォン４０３に入力された音声の音声情報を解析する音声解析処理を実行する（ステップＳ１１０８）。音声解析処理の具体的な処理手順については、図１７を用いて後述する。
そして、ウェアラブル端末２０２は、行動状態データをサーバ２０１に送信する（ステップＳ１１０９）。つぎに、ウェアラブル端末２０２は、一定時間待機して（ステップＳ１１１０）、ステップＳ１１０２に戻る。この待機時間は、任意に設定可能であり、例えば、１分〜１０分程度の時間が設定される。
また、ステップＳ１１０２において、各種センサ４０８〜４１３の停止要求を受け付けた場合（ステップＳ１１０２：Ｙｅｓ）、ウェアラブル端末２０２は、各種センサ４０８〜４１３を停止して（ステップＳ１１１１）、本フローチャートによる一連の処理を終了する。
これにより、被監視者がいつどのような状態でどのような姿勢をとっているのかを示す行動状態データを、定期的にサーバ２０１にアップロードすることができる。
＜姿勢判定処理手順＞
つぎに、図１２を用いて、図１１に示したステップＳ１１０３の姿勢判定処理の具体的な処理手順について説明する。
図１２は、姿勢判定処理の具体的処理手順の一例を示すフローチャートである。図１２のフローチャートにおいて、まず、ウェアラブル端末２０２は、姿勢判定処理の停止要求があるか否かを判断する（ステップＳ１２０１）。なお、姿勢判定処理の停止要求は、例えば、ウェアラブル端末２０２の入力装置（不図示）を用いたユーザの操作入力により設定される。
ここで、姿勢判定処理の停止要求がない場合（ステップＳ１２０１：Ｎｏ）、ウェアラブル端末２０２は、気圧センサ４１１の出力値を取得する（ステップＳ１２０２）。つぎに、ウェアラブル端末２０２は、取得した気圧センサ４１１の出力値から高さ（標高）を求め、立位高さからの変化量を算出する（ステップＳ１２０３）。
そして、ウェアラブル端末２０２は、算出した立位高さからの変化量が３０ｃｍ未満であるか否かを判断する（ステップＳ１２０４）。ここで、立位高さからの変化量が３０ｃｍ未満の場合（ステップＳ１２０４：Ｙｅｓ）、ウェアラブル端末２０２は、被監視者の姿勢を「立位」と判定して（ステップＳ１２０５）、ステップＳ１２０９に移行する。
一方、立位高さからの変化量が３０ｃｍ未満ではない場合（ステップＳ１２０４：Ｎｏ）、ウェアラブル端末２０２は、立位高さからの変化量が３０ｃｍ以上９０ｃｍ未満であるか否かを判断する（ステップＳ１２０６）。ここで、立位高さからの変化量が３０ｃｍ以上９０ｃｍ未満である場合（ステップＳ１２０６：Ｙｅｓ）、ウェアラブル端末２０２は、被監視者の姿勢を「座位」と判定して（ステップＳ１２０７）、ステップＳ１２０９に移行する。
一方、立位高さからの変化量が３０ｃｍ以上９０ｃｍ未満ではない場合（ステップＳ１２０６：Ｎｏ）、ウェアラブル端末２０２は、被監視者の姿勢を「臥位」と判定する（ステップＳ１２０８）。そして、ウェアラブル端末２０２は、判定した姿勢と時刻情報とを行動状態データに設定して（ステップＳ１２０９）、姿勢判定処理を呼び出したステップに戻る。これにより、被監視者の姿勢を検知することができる。
また、ステップＳ１２０１において、姿勢判定処理の停止要求がある場合（ステップＳ１２０１：Ｙｅｓ）、ウェアラブル端末２０２は、姿勢判定処理を呼び出したステップに戻る。これにより、被監視者の姿勢の検知が不要な場合に、姿勢判定処理を停止させることができる。
＜移動手段判定処理手順＞
つぎに、図１３Ａおよび図１３Ｂを用いて、図１１に示したステップＳ１１０４の移動手段判定処理の具体的な処理手順について説明する。
図１３Ａおよび図１３Ｂは、移動手段判定処理の具体的処理手順の一例を示すフローチャートである。図１３Ａのフローチャートにおいて、まず、ウェアラブル端末２０２は、移動手段判定処理の停止要求があるか否かを判断する（ステップＳ１３０１）。なお、移動手段判定処理の停止要求は、例えば、ウェアラブル端末２０２の入力装置（不図示）を用いたユーザの操作入力により設定される。
ここで、移動手段判定処理の停止要求がない場合（ステップＳ１３０１：Ｎｏ）、ウェアラブル端末２０２は、加速度センサ４０８、ジャイロセンサ４０９、地磁気センサ４１０および気圧センサ４１１の出力値を取得する（ステップＳ１３０２）。そして、ウェアラブル端末２０２は、取得した各種センサ４０８〜４１１の出力値から、被監視者の歩行、走行または静止のいずれかを検出する（ステップＳ１３０３）。
つぎに、ウェアラブル端末２０２は、被監視者の歩行、走行または静止を検出したか否かを判断する（ステップＳ１３０４）。ここで、被監視者の歩行、走行または静止が検出された場合（ステップＳ１３０４：Ｙｅｓ）、ウェアラブル端末２０２は、被監視者の移動手段を歩行、走行または静止と判定する（ステップＳ１３０５）。
そして、ウェアラブル端末２０２は、判定した移動手段と時刻情報とを行動状態データに設定して（ステップＳ１３０６）、移動手段判定処理を呼び出したステップに戻る。
また、ステップＳ１３０１において、移動手段判定処理の停止要求がある場合（ステップＳ１３０１：Ｙｅｓ）、ウェアラブル端末２０２は、移動手段判定処理を呼び出したステップに戻る。これにより、被監視者の移動手段の検知が不要な場合に、移動手段判定処理を停止させることができる。
また、ステップＳ１３０４において、被監視者の歩行、走行または静止が検出されなかった場合（ステップＳ１３０４：Ｎｏ）、ウェアラブル端末２０２は、図１３Ｂに示すステップＳ１３０７に移行する。
図１３Ｂのフローチャートにおいて、まず、ウェアラブル端末２０２は、各種センサ４０８〜４１１の出力値から、乗り物に乗車中であることを検出する（ステップＳ１３０７）。そして、ウェアラブル端末２０２は、乗り物に乗車中であることが検出されたか否かを判断する（ステップＳ１３０８）。
ここで、乗り物に乗車中であることが検出された場合（ステップＳ１３０８：Ｙｅｓ）、ウェアラブル端末２０２は、被監視者の移動手段を乗り物に乗車中と判定して（ステップＳ１３０９）、図１３Ａに示したステップＳ１３０６に移行する。
一方、乗り物に乗車中であることが検出されなかった場合（ステップＳ１３０８：Ｎｏ）、ウェアラブル端末２０２は、各種センサ４０８〜４１１の出力値から、エスカレータまたはエレベータを利用中であることを検出する（ステップＳ１３１０）。そして、ウェアラブル端末２０２は、エスカレータまたはエレベータを利用中であることが検出されたか否かを判断する（ステップＳ１３１１）。
ここで、エスカレータまたはエレベータを利用中であることが検出された場合（ステップＳ１３１１：Ｙｅｓ）、ウェアラブル端末２０２は、被監視者の移動手段をエスカレータまたはエレベータを利用中と判定して（ステップＳ１３１２）、図１３Ａに示したステップＳ１３０６に移行する。
一方、エスカレータまたはエレベータを利用中であることが検出されなかった場合（ステップＳ１３１１：Ｎｏ）、ウェアラブル端末２０２は、被監視者の移動手段が不明と判定して（ステップＳ１３１３）、図１３Ａに示したステップＳ１３０６に移行する。これにより、被監視者の移動手段を検知することができる。
＜バイタルサイン解析処理手順＞
つぎに、図１４を用いて、図１１に示したステップＳ１１０５のバイタルサイン解析処理の具体的な処理手順について説明する。
図１４は、バイタルサイン解析処理の具体的処理手順の一例を示すフローチャートである。図１４のフローチャートにおいて、まず、ウェアラブル端末２０２は、バイタルサイン解析処理の停止要求があるか否かを判断する（ステップＳ１４０１）。なお、バイタルサイン解析処理の停止要求は、例えば、ウェアラブル端末２０２の入力装置（不図示）を用いたユーザの操作入力により設定される。
ここで、バイタルサイン解析処理の停止要求がない場合（ステップＳ１４０１：Ｎｏ）、ウェアラブル端末２０２は、脈拍センサ４１３の出力値を取得する（ステップＳ１４０２）。つぎに、ウェアラブル端末２０２は、取得した脈拍センサ４１３の出力値から被監視者の脈拍数を算出する（ステップＳ１４０３）。
そして、ウェアラブル端末２０２は、算出した脈拍数と時刻情報とを行動状態データに設定して（ステップＳ１４０４）、バイタルサイン解析処理を呼び出したステップに戻る。これにより、被監視者の脈拍数（回／分）を検知することができる。
また、ステップＳ１４０１において、バイタルサイン解析処理の停止要求がある場合（ステップＳ１４０１：Ｙｅｓ）、ウェアラブル端末２０２は、バイタルサイン解析処理を呼び出したステップに戻る。これにより、被監視者の脈拍数の検知が不要な場合に、バイタルサイン解析処理を停止させることができる。
＜周辺環境推定処理手順＞
つぎに、図１５を用いて、図１１に示したステップＳ１１０６の周辺環境推定処理の具体的な処理手順について説明する。
図１５は、周辺環境推定処理の具体的処理手順の一例を示すフローチャートである。図１５のフローチャートにおいて、まず、ウェアラブル端末２０２は、周辺環境推定処理の停止要求があるか否かを判断する（ステップＳ１５０１）。なお、周辺環境推定処理の停止要求は、例えば、ウェアラブル端末２０２の入力装置（不図示）を用いたユーザの操作入力により設定される。
ここで、周辺環境推定処理の停止要求がない場合（ステップＳ１５０１：Ｎｏ）、ウェアラブル端末２０２は、気圧センサ４１１、温湿度センサ４１２の出力値を取得する（ステップＳ１５０２）。そして、ウェアラブル端末２０２は、気圧センサ４１１の出力値（気圧）と時刻情報とを行動状態データに設定する（ステップＳ１５０３）。つぎに、ウェアラブル端末２０２は、温湿度センサ４１２の出力値（湿度）と時刻情報とを行動状態データに設定する（ステップＳ１５０４）。
つぎに、ウェアラブル端末２０２は、温湿度センサ４１２の出力値（温度）を周囲温度に補正する（ステップＳ１５０５）。そして、ウェアラブル端末２０２は、補正した周囲温度と時刻情報とを行動状態データに設定する（ステップＳ１５０６）。
つぎに、ウェアラブル端末２０２は、温湿度センサ４１２の出力値から暑さ指数を算出することにより熱中症危険度を特定する（ステップＳ１５０７）。そして、ウェアラブル端末２０２は、特定した熱中症危険度と時刻情報とを行動状態データに設定して（ステップＳ１５０８）、周辺環境推定処理を呼び出したステップに戻る。これにより、被監視者の周囲環境を検知することができる。
また、ステップＳ１５０１において、周囲環境推定処理の停止要求がある場合（ステップＳ１５０１：Ｙｅｓ）、ウェアラブル端末２０２は、周囲環境推定処理を呼び出したステップに戻る。これにより、被監視者の周囲環境の検知が不要な場合に、周囲環境推定処理を停止させることができる。
＜位置推定処理手順＞
つぎに、図１６を用いて、図１１に示したステップＳ１１０７の位置推定処理の具体的な処理手順について説明する。
図１６は、位置推定処理の具体的処理手順の一例を示すフローチャートである。図１６のフローチャートにおいて、まず、ウェアラブル端末２０２は、位置推定処理の停止要求があるか否かを判断する（ステップＳ１６０１）。なお、位置推定処理の停止要求は、例えば、ウェアラブル端末２０２の入力装置（不図示）を用いたユーザの操作入力により設定される。
ここで、位置推定処理の停止要求がない場合（ステップＳ１６０１：Ｎｏ）、ウェアラブル端末２０２は、ＧＰＳユニット４０７の出力値を取得する（ステップＳ１６０２）。つぎに、ウェアラブル端末２０２は、取得したＧＰＳユニット４０７の出力値から被監視者の現在位置を推定する（ステップＳ１６０３）。
そして、ウェアラブル端末２０２は、推定した被監視者の現在位置と時刻情報とを行動状態データに設定して（ステップＳ１６０４）、位置推定処理を呼び出したステップに戻る。これにより、被監視者の現在位置を検知することができる。
また、ステップＳ１６０１において、位置推定処理の停止要求がある場合（ステップＳ１６０１：Ｙｅｓ）、ウェアラブル端末２０２は、位置推定処理を呼び出したステップに戻る。これにより、被監視者の現在位置の検知が不要な場合に、位置推定処理を停止させることができる。
＜音声解析処理手順＞
つぎに、図１７を用いて、図１１に示したステップＳ１１０８の音声解析処理の具体的な処理手順について説明する。
図１７は、音声解析処理の具体的処理手順の一例を示すフローチャートである。図１７のフローチャートにおいて、まず、ウェアラブル端末２０２は、音声解析処理の停止要求があるか否かを判断する（ステップＳ１７０１）。なお、音声解析処理の停止要求は、例えば、ウェアラブル端末２０２の入力装置（不図示）を用いたユーザの操作入力により設定される。
ここで、音声解析処理の停止要求がない場合（ステップＳ１７０１：Ｎｏ）、ウェアラブル端末２０２は、マイクロフォン４０３に入力された音声の音声情報を取得する（ステップＳ１７０２）。つぎに、ウェアラブル端末２０２は、音声ＤＳＰ４０４を起動して、取得した音声情報を入力することにより音圧を計測する（ステップＳ１７０３）。
そして、ウェアラブル端末２０２は、計測した音圧が３０ｄＢ以上であるか否かを判断する（ステップＳ１７０４）。ここで、計測した音圧が３０ｄＢ未満の場合（ステップＳ１７０４：Ｎｏ）、ウェアラブル端末２０２は、音声解析処理を呼び出したステップに戻る。
一方、計測した音圧が３０ｄＢ以上の場合（ステップＳ１７０４：Ｙｅｓ）、ウェアラブル端末２０２は、計測した音圧と時刻情報とを行動状態データに設定して（ステップＳ１７０５）、音声解析処理を呼び出したステップに戻る。これにより、被監視者の周囲で発生した大きな音を検知することができる。
また、ステップＳ１７０１において、音声解析処理の停止要求がある場合（ステップＳ１７０１：Ｙｅｓ）、ウェアラブル端末２０２は、音声解析処理を呼び出したステップに戻る。これにより、被監視者の周囲の音の検知が不要な場合に、音声解析処理を停止させることができる。
（サーバ２０１の異常検出処理手順）
つぎに、サーバ２０１の異常検出処理手順について説明する。
図１８は、サーバ２０１の異常検出処理手順の一例を示すフローチャートである。図１８のフローチャートにおいて、まず、サーバ２０１は、異常検出処理の停止要求を受け付けたか否かを判断する（ステップＳ１８０１）。なお、異常検出処理の停止要求は、例えば、外部のコンピュータから入力される。
ここで、異常検出処理の停止要求を受け付けていない場合（ステップＳ１８０１：Ｎｏ）、サーバ２０１は、ウェアラブル端末２０２から行動状態データを取得したか否かを判断する（ステップＳ１８０２）。ここで、行動状態データを取得していない場合（ステップＳ１８０２：Ｎｏ）、サーバ２０１は、ステップＳ１８０１に戻る。
一方、行動状態データを取得した場合（ステップＳ１８０２：Ｙｅｓ）、サーバ２０１は、取得した行動状態データを行動状態データＤＢ２３０に記録する（ステップＳ１８０３）。つぎに、サーバ２０１は、取得した行動状態データが示す姿勢が「臥位」であるか否かを判断する（ステップＳ１８０４）。
ここで、行動状態データが示す姿勢が「臥位」ではない場合（ステップＳ１８０４：Ｎｏ）、サーバ２０１は、ステップＳ１８０６に移行する。一方、行動状態データが示す姿勢が「臥位」の場合（ステップＳ１８０４：Ｙｅｓ）、サーバ２０１は、転倒判定処理を実行する（ステップＳ１８０５）。転倒判定処理の具体的な処理手順については、図１９を用いて後述する。
つぎに、サーバ２０１は、行動状態データＤＢ２３０に蓄積された行動状態データに基づいて、生活行動パターンごとに、被監視者が「臥位」の姿勢をとる確度を示す発生率を算出する（ステップＳ１８０６）。
そして、サーバ２０１は、算出した生活行動パターンごとの発生率を生活行動パターン別発生率ＤＢ２４０に記録して（ステップＳ１８０７）、本フローチャートによる一連の処理を終了する。これにより、被監視者の生活スタイルに合わせて、生活行動パターン別発生率ＤＢ２４０の記憶内容を更新することができる。
また、ステップＳ１８０１において、異常検出処理の停止要求を受け付けた場合（ステップＳ１８０１：Ｙｅｓ）、サーバ２０１は、本フローチャートによる一連の処理を終了する。これにより、任意のタイミングでサーバ２０１による異常検出処理を停止させることができる。
＜転倒判定処理手順＞
つぎに、図１９を用いて、図１８に示したステップＳ１８０５の転倒判定処理の具体的な処理手順について説明する。
図１９は、転倒判定処理の具体的処理手順の一例を示すフローチャートである。図１９のフローチャートにおいて、まず、サーバ２０１は、生活行動パターン別発生率ＤＢ２４０を参照して、図１８に示したステップＳ１８０２において取得した行動状態データが示す生活行動パターンと類似する生活行動パターンを検索する（ステップＳ１９０１）。
つぎに、サーバ２０１は、生活行動パターン別発生率ＤＢ２４０を参照して、検索した生活行動パターンの発生率が閾値Ｔｈ以下であるか否かを判断する（ステップＳ１９０２）。ここで、生活行動パターンの発生率が閾値Ｔｈより大きい場合（ステップＳ１９０２：Ｎｏ）、サーバ２０１は、転倒判定処理を呼び出したステップに戻る。
一方、生活行動パターンの発生率が閾値Ｔｈ以下の場合（ステップＳ１９０２：Ｙｅｓ）、被監視者の転倒を検出する（ステップＳ１９０３）。つぎに、サーバ２０１は、監視対象ＤＢ２２０を参照して、被監視者Ｍ１に対応する通知先を特定する（ステップＳ１９０４）。
そして、サーバ２０１は、特定した通知先に、被監視者の異常を通知する異常通知情報を送信して（ステップＳ１９０５）、転倒判定処理を呼び出したステップに戻る。これにより、被監視者の転倒が検出されたことを監視者に通知することができる。
以上説明したように、実施の形態にかかるサーバ２０１によれば、ウェアラブル端末２０２から行動状態データを取得することができる。これにより、被監視者の姿勢が検知された際の時刻、移動手段、場所、バイタルサイン、周囲環境および所定の音圧以上の音の有無を特定することができる。
また、サーバ２０１によれば、取得した行動状態データを行動状態データＤＢ２３０に蓄積し、蓄積した行動状態データに基づいて、生活行動パターンごとに、被監視者が所定の姿勢をとる確度を算出することができる。
例えば、サーバ２０１は、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢をとる第１の確度を算出することができる。これにより、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢をとる確度を判断できるようになる。
例えば、サーバ２０１は、所定の場所のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が所定の姿勢をとる第２の確度を算出することができる。これにより、所定の場所のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢の姿勢をとる確度を判断できるようになる。
例えば、サーバ２０１は、所定の音圧以上の音の有無のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢をとる第３の確度を算出することができる。これにより、周囲で大きな音が発生したときは驚いて転倒しやすくなるという、大きな音の有無に応じて変化する転倒しやすさを考慮して、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢の姿勢をとる確度を示す情報を求めることができる。
例えば、サーバ２０１は、所定の周囲環境のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢をとる第４の確度を算出することができる。これにより、例えば、熱中症危険度が高いときは熱中症にかかって倒れることがあるといった、周囲環境に応じて変化する転倒しやすさを考慮して、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢の姿勢をとる確度を示す情報を求めることができる。
例えば、サーバ２０１は、所定の移動手段のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢をとる第５の確度を算出することができる。これにより、例えば、歩行中は静止中に比べて転倒しやすくなるといった、移動手段に応じて変化する転倒しやすさを考慮して、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢の姿勢をとる確度を示す情報を求めることができる。
例えば、サーバ２０１は、所定の曜日区分のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢をとる第６の確度を算出することができる。これにより、所定の曜日区分のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢の姿勢をとる確度を示す情報を求めることができる。
例えば、サーバ２０１は、所定の脈拍数範囲のそれぞれにおける、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢をとる第７の確度を算出することができる。これにより、例えば、脈拍数が著しく高い、あるいは、低いときは被監視者の健康状態が悪く転倒しやすくなるといった、脈拍数に応じて変化する転倒しやすさを考慮して、所定の時間帯のそれぞれにおいて被監視者が「臥位」の姿勢の姿勢をとる確度を示す情報を求めることができる。
また、サーバ２０１によれば、算出した生活行動パターンごとの被監視者が所定の姿勢をとる確度を参照して、取得した行動状態データに基づいて、被監視者の異常を検出することができる。これにより、転倒などの異常時と類似した動作が検知されても、被監視者により習慣的に行われる動作であると判断できるときは異常として検出しないようにして、被監視者の異常の誤検出を防ぐことができる。
例えば、サーバ２０１は、被監視者の「臥位」の姿勢が検知された時刻を含む時間帯について、算出した第１の確度を示す発生率に基づいて、被監視者の「転倒」を検出することができる。これにより、通常は被監視者が「臥位」の姿勢をとらない可能性が高いといえる時間帯に、被監視者が「臥位」の姿勢をとった場合に、被監視者の「転倒」を検出することができ、被監視者が就寝等で横になったことを「転倒」と誤検出することを防ぐことができる。
例えば、サーバ２０１は、被監視者の「臥位」の姿勢が検知された時刻を含む時間帯と場所との組合せについて、算出した第２の確度を示す発生率に基づいて、被監視者の「転倒」を検出することができる。これにより、被監視者が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と場所との組合せ）において、被監視者が「臥位」の姿勢をとった場合に、被監視者の「転倒」を検出することができ、異常検出精度を向上させることができる。
例えば、サーバ２０１は、被監視者の「臥位」の姿勢が検知された時刻を含む時間帯と所定の音圧以上の音の有無との組合せについて、算出した第３の確度を示す発生率に基づいて、被監視者の「転倒」を検出することができる。これにより、被監視者が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と大きな音の有無との組合せ）において、被監視者が「臥位」の姿勢をとった場合に、被監視者の「転倒」を検出することができ、異常検出精度を向上させることができる。
例えば、サーバ２０１は、被監視者の「臥位」の姿勢が検知された時刻を含む時間帯と周囲環境との組合せについて、算出した第４の確度を示す発生率に基づいて、被監視者の「転倒」を検出することができる。これにより、被監視者が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と周囲環境との組合せ）において、被監視者が「臥位」の姿勢をとった場合に、被監視者の「転倒」を検出することができ、異常検出精度を向上させることができる。
例えば、サーバ２０１は、被監視者の「臥位」の姿勢が検知された時刻を含む時間帯と移動手段との組合せについて、算出した第５の確度を示す発生率に基づいて、被監視者の「転倒」を検出することができる。これにより、被監視者が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と移動手段との組合せ）において、被監視者が「臥位」の姿勢をとった場合に、被監視者の「転倒」を検出することができ、異常検出精度を向上させることができる。
例えば、サーバ２０１は、被監視者の「臥位」の姿勢が検知された時刻を含む時間帯と曜日区分との組合せについて、算出した第６の確度を示す発生率に基づいて、被監視者の「転倒」を検出することができる。これにより、被監視者が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と曜日区分との組合せ）において、被監視者が「臥位」の姿勢をとった場合に、被監視者の「転倒」を検出することができ、異常検出精度を向上させることができる。
例えば、サーバ２０１は、被監視者の「臥位」の姿勢が検知された時刻を含む時間帯と脈拍数範囲との組合せについて、算出した第７の確度を示す発生率に基づいて、被監視者の「転倒」を検出することができる。これにより、被監視者が通常「臥位」の姿勢をとらない可能性が高いといえる生活行動パターン（時間帯と脈拍数範囲との組合せ）において、被監視者が「臥位」の姿勢をとった場合に、被監視者の「転倒」を検出することができ、異常検出精度を向上させることができる。
また、サーバ２０１によれば、被監視者の異常を検出したことに応じて、被監視者に対応する通知先に、被監視者の異常を通知することができる。これにより、被監視者の異常が検出された際に、家族などの監視者に対して、被監視者の安否確認等を早期に行うよう促すことができる。また、被監視者の異常の誤検出を防ぐことで、監視者に対する過剰なアラームを抑制して、監視者の負荷を軽減させることができる。
なお、本実施の形態で説明した異常検出方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本異常検出プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本異常検出プログラムは、インターネット等のネットワークを介して配布してもよい。
１００ 情報処理装置
１１０ 記憶部
２００ 異常検出システム
２０１ サーバ
２０２ ウェアラブル端末
２０３ クライアント装置
２２０ 監視対象ＤＢ
２３０ 行動状態データＤＢ
２４０ 生活行動パターン別発生率ＤＢ
６００ 行動状態データ
８０１ 姿勢判定部
８０２ 移動手段判定部
８０３ バイタルサイン解析部
８０４ 周囲環境推定部
８０５ 位置推定部
８０６ 音声解析部
８０７ 送信部
９０１ 取得部
９０２ 算出部
９０３ 検出部
９０４ 出力部
１０００ 異常通知情報

Claims (14)

  1. コンピュータが、
    監視対象に対応するセンサからの出力値により前記監視対象が所定の姿勢をとったことを検知した際の時刻を示すデータを取得し、
    前記監視対象について、前記所定の姿勢をとる時間帯を特定する情報を記憶する記憶部を参照して、取得した前記データが示す時刻が前記時間帯に含まれない場合に、前記監視対象の異常を検出する、
    処理を実行することを特徴とする異常検出方法。
  2. 前記コンピュータが、
    前記監視対象の異常を検出したことに応じて、前記監視対象に対応する通知先に、前記監視対象の異常を通知する、処理を実行することを特徴とする請求項１に記載の異常検出方法。
  3. 前記記憶部は、所定の時間帯のそれぞれにおいて前記監視対象が前記所定の姿勢をとる確度を示す情報を記憶しており、
    前記検出する処理は、
    前記記憶部を参照して、前記データが示す時刻を含む時間帯において前記監視対象が前記所定の姿勢をとる確度に基づいて、前記監視対象の異常を検出する、ことを特徴とする請求項２に記載の異常検出方法。
  4. 前記記憶部は、所定の場所のそれぞれにおける、前記所定の時間帯のそれぞれにおいて前記監視対象が前記所定の姿勢をとる確度を示す情報を記憶しており、
    前記取得する処理は、前記センサからの出力値により前記監視対象が前記所定の姿勢をとったことを検知した際の時刻と場所とを示すデータを取得し、
    前記検出する処理は、前記記憶部を参照して、前記データが示す場所における、前記時刻を含む時間帯において前記監視対象が前記所定の姿勢をとる確度に基づいて、前記監視対象の異常を検出する、ことを特徴とする請求項３に記載の異常検出方法。
  5. 前記記憶部は、所定の音圧以上の音の有無のそれぞれにおける、前記所定の時間帯のそれぞれにおいて前記監視対象が前記所定の姿勢をとる確度を示す情報を記憶しており、
    前記取得する処理は、前記センサからの出力値により前記監視対象が前記所定の姿勢をとったことを検知した際の時刻と前記所定の音圧以上の音の有無とを示すデータを取得し、
    前記検出する処理は、前記記憶部を参照して、前記データが示す前記音の有無における、前記時刻を含む時間帯において前記監視対象が前記所定の姿勢をとる確度に基づいて、前記監視対象の異常を検出する、ことを特徴とする請求項４に記載の異常検出方法。
  6. 前記記憶部は、所定の移動手段のそれぞれにおける、前記所定の時間帯のそれぞれにおいて前記監視対象が前記所定の姿勢をとる確度を示す情報を記憶しており、
    前記取得する処理は、前記センサからの出力値により前記監視対象が前記所定の姿勢をとったことを検知した際の時刻と移動手段とを示すデータを取得し、
    前記検出する処理は、前記記憶部を参照して、前記データが示す移動手段における、前記時刻を含む時間帯において前記監視対象が前記所定の姿勢をとる確度に基づいて、前記監視対象の異常を検出する、ことを特徴とする請求項５に記載の異常検出方法。
  7. 前記記憶部は、所定の周囲環境のそれぞれにおける、前記所定の時間帯のそれぞれにおいて前記監視対象が前記所定の姿勢をとる確度を示す情報を記憶しており、
    前記取得する処理は、前記センサからの出力値により前記監視対象が前記所定の姿勢をとったことを検知した際の時刻と周囲環境とを示すデータを取得し、
    前記検出する処理は、前記記憶部を参照して、前記データが示す周囲環境における、前記時刻を含む時間帯において前記監視対象が前記所定の姿勢をとる確度に基づいて、前記監視対象の異常を検出する、ことを特徴とする請求項６に記載の異常検出方法。
  8. 前記周囲環境は、前記センサからの出力値により検知される温度、湿度、気圧および暑さ指数の少なくともいずれかにより特定されることを特徴とする請求項７に記載の異常検出方法。
  9. 前記コンピュータが、
    前記センサからの出力値により検知された前記監視対象の姿勢と、当該姿勢が検知された際の時刻とを示すデータを蓄積し、
    蓄積した前記データに基づいて、前記所定の時間帯のそれぞれにおいて前記監視対象が前記所定の姿勢をとる確度を算出して前記記憶部に記録する、処理を実行することを特徴とする請求項８に記載の異常検出方法。
  10. 前記データは、さらに、前記センサからの出力値により前記監視対象の姿勢が検知された際の場所、前記所定の音圧以上の音の有無、移動手段および周辺環境の少なくともいずれかを示すことを特徴とする請求項９に記載の異常検出方法。
  11. 前記記憶部は、所定の曜日区分のそれぞれにおける、前記所定の時間帯のそれぞれにおいて前記監視対象が前記所定の姿勢をとる確度を示す情報を記憶しており、
    前記検出する処理は、前記記憶部を参照して、前記時刻を含む曜日区分における、前記時刻を含む時間帯において前記監視対象が前記所定の姿勢をとる確度に基づいて、前記監視対象の異常を検出する、ことを特徴とする請求項１０に記載の異常検出方法。
  12. 前記記憶部は、所定の脈拍数範囲のそれぞれにおける、前記所定の時間帯のそれぞれにおいて前記監視対象が前記所定の姿勢をとる確度を示す情報を記憶しており、
    前記取得する処理は、前記センサからの出力値により前記監視対象が前記所定の姿勢をとったことを検知した際の時刻と脈拍数とを示すデータを取得し、
    前記検出する処理は、前記記憶部を参照して、前記データが示す脈拍数を含む脈拍数範囲における、前記時刻を含む時間帯において前記監視対象が前記所定の姿勢をとる確度に基づいて、前記監視対象の異常を検出する、ことを特徴とする請求項１１に記載の異常検出方法。
  13. コンピュータに、
    監視対象に対応するセンサからの出力値により前記監視対象が所定の姿勢をとったことを検知した際の時刻を示すデータを取得し、
    前記監視対象について、前記所定の姿勢をとる時間帯を特定する情報を記憶する記憶部を参照して、取得した前記データが示す時刻が前記時間帯に含まれない場合に、前記監視対象の異常を検出する、
    処理を実行させることを特徴とする異常検出プログラム。
  14. 監視対象に対応するセンサからの出力値により前記監視対象が所定の姿勢をとったことを検知した際の時刻を示すデータを取得し、
    前記監視対象について、前記所定の姿勢をとる時間帯を特定する情報を記憶する記憶部を参照して、取得した前記データが示す時刻が前記時間帯に含まれない場合に、前記監視対象の異常を検出する、
    制御部を有することを特徴とする情報処理装置。
JP2017525736A 2015-06-30 2015-06-30 異常検出方法、異常検出プログラム、および情報処理装置 Expired - Fee Related JP6544428B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/068910 WO2017002219A1 (ja) 2015-06-30 2015-06-30 異常検出方法、異常検出プログラム、および情報処理装置

Publications (2)

Publication Number Publication Date
JPWO2017002219A1 true JPWO2017002219A1 (ja) 2018-04-26
JP6544428B2 JP6544428B2 (ja) 2019-07-17

Family

ID=57608134

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017525736A Expired - Fee Related JP6544428B2 (ja) 2015-06-30 2015-06-30 異常検出方法、異常検出プログラム、および情報処理装置

Country Status (4)

Country Link
US (1) US20180137735A1 (ja)
EP (1) EP3319058A4 (ja)
JP (1) JP6544428B2 (ja)
WO (1) WO2017002219A1 (ja)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE541712C2 (en) * 2017-02-22 2019-12-03 Next Step Dynamics Ab Method and apparatus for health prediction
JP6860813B2 (ja) * 2017-02-22 2021-04-21 日本電気株式会社 情報処理システム、携帯端末、サーバ装置、情報処理方法およびプログラム
JP6892309B2 (ja) * 2017-04-03 2021-06-23 アイフォーコムホールディングス株式会社 安全管理システム
WO2019030879A1 (ja) * 2017-08-09 2019-02-14 エイアイビューライフ株式会社 監視システム、監視方法、監視プログラムおよびその記録媒体
JP6810977B2 (ja) * 2017-08-09 2021-01-13 エイアイビューライフ株式会社 監視システム、監視方法、監視プログラムおよびその記録媒体
AU2018345296B2 (en) * 2017-10-06 2023-09-28 Tellus You Care, Inc. Non-contact activity sensing network for elderly care
JP2019074806A (ja) * 2017-10-12 2019-05-16 株式会社日立エルジーデータストレージ 生活リズム測定システム及び生活リズム測定方法
CN108510710A (zh) 2018-04-03 2018-09-07 广州市燧烽电子有限公司 室内看护求助方法及系统
JP7064730B2 (ja) * 2018-04-12 2022-05-11 株式会社Mtl 管理システム
JP2020064354A (ja) * 2018-10-15 2020-04-23 株式会社平和テクノシステム 居宅状態集中管理装置
CN111868800A (zh) * 2019-02-21 2020-10-30 Lg电子株式会社 用于记录停车位置的方法以及设备
EP3951735A4 (en) * 2019-04-01 2022-11-09 Bsize Inc. MONITORING SYSTEM AND METHOD, AND ASSOCIATED PROGRAM
CN111803769A (zh) * 2020-06-19 2020-10-23 周建 病人体位异常管理系统以及相应终端
WO2022054407A1 (ja) * 2020-09-08 2022-03-17 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 行動推定装置、行動推定方法、及び、プログラム
JP2022181477A (ja) * 2021-05-26 2022-12-08 Ｂｉｐｒｏｇｙ株式会社 暑さ指数予測システム及び暑さ指数予測プログラム
JP7414924B1 (ja) 2022-10-04 2024-01-16 日鉄ソリューションズ株式会社 情報処理装置、情報処理方法及びプログラム
CN117855107B (zh) * 2024-03-06 2024-06-11 上海朋熙半导体有限公司 水系统监测处理方法、系统及可读介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002342855A (ja) * 2001-05-11 2002-11-29 Sekisui Chem Co Ltd 行動能力監視装置
JP2005327134A (ja) * 2004-05-14 2005-11-24 Matsushita Electric Ind Co Ltd 異常検知装置及び異常検知方法
JP2008112267A (ja) * 2006-10-30 2008-05-15 Hitachi Ltd 電力使用量による生活見守り方法およびシステム
JP2010286971A (ja) * 2009-06-10 2010-12-24 Nippon Telegr & Teleph Corp <Ntt> 警報装置
JP2012168911A (ja) * 2011-02-15 2012-09-06 Person Corp 人感センサを用いた在宅監視と防犯監視を切り替え可能なメールによる監視システム
EP2672472A1 (de) * 2012-06-07 2013-12-11 Yazid Shammout Verfahren und Vorrichtung zur Überwachung der momentanen Mobilität von Personen in privaten oder öffentlichen Räumen
JP2013250861A (ja) * 2012-06-01 2013-12-12 Sony Corp 情報処理装置、情報処理方法、及びプログラム
JP2015103042A (ja) * 2013-11-26 2015-06-04 国立大学法人鳥取大学 転落危険度算出システム及び通報システム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001344675A (ja) * 2000-05-31 2001-12-14 Icom Inc 緊急報知装置
FR2906629B1 (fr) * 2006-09-29 2010-01-08 Vigilio Procede et systeme pour la detection de situations anormales d'une personne dans un lieu de vie
GB0620620D0 (en) * 2006-10-17 2006-11-29 Imp Innovations Ltd Pervasive sensing
JP2012003595A (ja) * 2010-06-18 2012-01-05 Secom Co Ltd 通報装置
US9710761B2 (en) * 2013-03-15 2017-07-18 Nordic Technology Group, Inc. Method and apparatus for detection and prediction of events based on changes in behavior

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002342855A (ja) * 2001-05-11 2002-11-29 Sekisui Chem Co Ltd 行動能力監視装置
JP2005327134A (ja) * 2004-05-14 2005-11-24 Matsushita Electric Ind Co Ltd 異常検知装置及び異常検知方法
JP2008112267A (ja) * 2006-10-30 2008-05-15 Hitachi Ltd 電力使用量による生活見守り方法およびシステム
JP2010286971A (ja) * 2009-06-10 2010-12-24 Nippon Telegr & Teleph Corp <Ntt> 警報装置
JP2012168911A (ja) * 2011-02-15 2012-09-06 Person Corp 人感センサを用いた在宅監視と防犯監視を切り替え可能なメールによる監視システム
JP2013250861A (ja) * 2012-06-01 2013-12-12 Sony Corp 情報処理装置、情報処理方法、及びプログラム
EP2672472A1 (de) * 2012-06-07 2013-12-11 Yazid Shammout Verfahren und Vorrichtung zur Überwachung der momentanen Mobilität von Personen in privaten oder öffentlichen Räumen
JP2015103042A (ja) * 2013-11-26 2015-06-04 国立大学法人鳥取大学 転落危険度算出システム及び通報システム

Also Published As

Publication number Publication date
JP6544428B2 (ja) 2019-07-17
EP3319058A4 (en) 2018-06-27
EP3319058A1 (en) 2018-05-09
US20180137735A1 (en) 2018-05-17
WO2017002219A1 (ja) 2017-01-05

Similar Documents

Publication Publication Date Title
WO2017002219A1 (ja) 異常検出方法、異常検出プログラム、および情報処理装置
US10942032B2 (en) Personal monitoring apparatus and method
US10667725B2 (en) Method for detecting and responding to falls by residents within a facility
US8531302B2 (en) Method and system for remotely monitoring a user
US20170005958A1 (en) Method of monitoring well-being of semi-independent persons and system thereof
US12011258B2 (en) Method and apparatus for determining a fall risk
JP2018084911A (ja) 作業員情報検知システム、端末装置、作業員情報検知方法、プログラム
US20110022443A1 (en) Employment inference from mobile device data
CN113397520B (zh) 室内对象的信息检测方法及装置、存储介质和处理器
US10805767B2 (en) Method for tracking the location of a resident within a facility
JP6983866B2 (ja) 転倒検出に関するデバイス、システム、及び方法
JP2014524023A (ja) 移動装置の位置推定
US20230413014A1 (en) Personal monitoring apparatus and methods
US20200375505A1 (en) Method and apparatus for health prediction by analyzing body behaviour pattern
US20120154146A1 (en) System and method for tracking people
JP2018085079A (ja) 緊急連絡装置、及びこれを用いた緊急連絡システム
US11775780B2 (en) Personal monitoring apparatus and methods
WO2023283834A1 (zh) 室内对象的信息检测方法及装置、存储介质和处理器
JP6206932B1 (ja) 登山情報中継システム
JP2018181341A (ja) 災害対策情報提供システム
US20230033199A1 (en) Personal monitoring apparatus and method
US20240119826A1 (en) Personal monitoring apparatus and method
Hassan Wandering Behavior Management Systems for Individuals with Dementia

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171226

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181016

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181217

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: 20190521

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190603

R150 Certificate of patent or registration of utility model

Ref document number: 6544428

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees