JPWO2018179292A1 - 情報処理装置と方法とプログラム - Google Patents

Abstract

知的能力の低下等に伴う覚醒度の推定を可能とする。情報処理装置は、測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力の試験結果とに基づき、覚醒度推定モデルを生成する覚醒度推定モデル生成手段と、推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて覚醒度を推定する覚醒度推定手段とを備える（図1）。

Description

本発明は、情報処理装置と方法とプログラムに関する。

少子高齢化により生産年齢人口が減少し、労働力不足が進む中、例えばロボットや人口知能（Artificial Intelligence：AI）で置き換え困難な知的生産性の維持、向上の必要性が叫ばれている。しかし、眠気（低覚醒状態）やストレス（高覚醒状態）により、個人が備える知的能力が十分に発揮できず、知的生産性が低下することが知られている。

企業、官公庁等の各種職場において、知的生産性の低下を防止するように環境制御等を行うためには、知的生産性の低下を伴う覚醒度の推定が必要である。

生体情報（例えば、瞬き、心拍、脳波等）から眠気（低覚醒状態）、ストレス（高覚醒状態）を推定する手法は各種提案されている。例えば、顔表情を複数人で評価して算出した眠気を正解とし、それを推定する手法が提案されている。さらに、ストループテスト（Stroop test）で段階的にストレスを付加し、ストレス状態を推定する手法も知られている。

特許文献１には、推定対象者の状態に応じ適切なモデルを選択できるようにし、これにより個人の状態を考慮した精度の高い推定を可能とする作業覚醒度推定装置が開示されている。この装置においては、事前データの測定対象となるユーザの作業中における心拍変動を示す特徴量と、当該複数のユーザの作業中における情報処理能力に関する情報とを時刻が同じもの同士で対応付けた事前データを記憶する事前データベースを備える。推定対象となるユーザの作業中における心拍変動を示す特徴量を算出し、当該算出された心拍変動を示す特徴量と、上記事前データベースに記憶された事前データとに基づいて、上記推定対象となるユーザの情報処理能力値を推定する。事前データ測定対象となるユーザの作業中における心拍変動を示す特徴量を説明変数とし、当該ユーザの同時刻における作業成績を目的変数として回帰モデルを作成し、当該回帰モデルの作成の過程で算出される回帰係数を、上記説明変数としての心拍変動を示す特徴量と対応付けて上記事前データベースに記憶させる。そして能力推定手段により、上記算出された心拍変動を示す特徴量に対応する回帰係数を上記事前データベースから読み出し、当該読み出された回帰係数と上記算出された心拍変動の特徴量とから上記推定対象となるユーザの情報処理能力値の推定値を算出する。

特開２０１６−１３７１３８号公報

以下に関連技術の分析を与える。

上記した関連技術では、知的能力の低下を伴う覚醒度の推定を所望の精度で行うことは困難である。その理由は、知的能力と覚醒度との対応関係を提供する手段を欠いているためである。

本発明は上記課題に鑑みて創案されたものであって、その目的は、例えば知的能力の低下等に伴う覚醒度の推定を可能とする装置、方法、プログラムを提供することにある。

本発明の一つの形態によれば、測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力試験結果とを用いて学習モデルを生成する第１の手段と、推定対象のユーザから取得した生体情報に対して、前記学習モデルを用いて前記覚醒度を推定する第２の手段と、を備えた情報処理装置が提供される。

本発明の別の形態によれば、コンピュータにより生体情報に基づき覚醒度を推定する方法であって、測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力試験結果とに基づき、覚醒度推定モデルを生成し、推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて前記覚醒度を推定する覚醒度推定方法が提供される。

本発明の別の形態によれば、コンピュータに、測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力試験結果とに基づき、覚醒度推定モデルを生成する第１の処理と、推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて前記覚醒度を推定する第２の処理と、を実行させるプログラムが提供される。

本発明のさらに他の形態によれば、上記形態のプログラムを記憶したコンピュータ読み出し可能な記録媒体（例えばＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、又は、ＥＥＰＲＯＭ（Electrically Erasable and Programmable ROM））等の半導体ストレージ、ＨＤＤ（Hard Disk Drive）、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）等の非一時的なコンピュータ読み出し可能な記録媒体（non-transitory computer readable recording medium）が提供される。

本発明によれば、例えば知的能力の低下等に伴う覚醒度の推定を可能としている。

本発明の例示的な第１の実施形態の構成を説明する図である。 本発明の例示的な第１の実施形態を説明する図である。 本発明の例示的な第１の実施形態の構成例を例示する図である。 本発明の例示的な第１の実施形態の構成例を例示する図である。 本発明の例示的な第１の実施形態の動作を説明する流れ図である。 本発明の例示的な第２の実施形態の構成を説明する図である。 本発明の例示的な第３の実施形態の構成を説明する図である。

本発明の例示的な実施形態について説明する。

＜実施形態１＞
図１は、本発明の例示的な第１の実施形態の構成を説明するための図である。図１を参照すると、例示的な第１の実施形態に係る情報処理装置１０は、生体情報に基づき少なくとも知的能力の低下を伴う覚醒度の推定を行うための構成として、覚醒度推定モデル生成手段（部）１１と、覚醒度推定手段（部)１２を備えている。なお、情報処理装置１０は、その機能の１部を用いて、例えば「覚醒度推定装置」と称呼してもよい。なお、図１等において、覚醒度推定モデル生成手段（部）１１の表記は、覚醒度推定モデル生成手段１１の「手段」が、ユニット、すなわち覚醒度推定モデル生成ユニットとして構成してもよいことを表している。同様に、覚醒度推定手段（部)１２は、覚醒度推定手段１２が覚醒度推定ユニットとして構成してもよいことを表している。

覚醒度推定モデル生成手段（部）１１は、測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力の試験結果と、に基づき、覚醒度推定モデル１３１を生成し、記憶装置１３に記憶する。

覚醒度推定手段(部）１２は、推定対象のユーザから取得した生体情報に対して、記憶装置１３に記憶された覚醒度推定モデル１３１を用いて覚醒度を推定する。なお、記憶装置１３は、覚醒度推定モデル生成手段（部）１１で生成した覚醒度推定モデル１３１を覚醒度推定手段(部）１２に受け渡すことができれば、覚醒度推定モデル生成手段（部）１１又は覚醒度推定手段(部）１２内に備えた構成としてもよい。覚醒度推定モデル生成手段（部）１１と覚醒度推定手段(部）１２は、例えば通信ネットワークを介して接続する別々のノード装置として実現してもよい。この場合、情報処理装置１０は、情報処理システム（あるいは「覚醒度推定システム」等）と称呼されてもよい。

図２は、本発明の例示的な第１の実施形態を説明する図であり、ユーザに装着される生体情報センサと、測定環境が模式的に示されている。

図２を参照すると、覚醒度推定モデル生成フェーズでは、測定対象のユーザ１に、脳波計２０−１を装着してもよい。すなわち、脳波計２０−１でユーザ１の脳波を測定することで、ユーザ１の覚醒状態をモニタし、ユーザ１の互いに異なる複数の覚醒状態（例えば低覚醒状態、高覚醒状態、中間の状態等）を判別してもよい。例えば低覚醒状態では、後頭部のα波の連続性が認められなくなったり、周波数が遅くなり振幅が低下する等、脳波は覚醒度を表すことが知られている。なお、図２には、脳波計２０−１として、ユーザ１の頭部にセンサーバンドを装着するだけで脳波をピックアップする構成のものが例示されているが、例えば国際１０／２０法に従って１９個の電極を配置した脳波測定用帽子電極であってもよい。脳波計２０―１は検出した脳波をデジタル信号に変換し、例えばBluetooth（登録商標）等の無線通信により、情報処理装置１０に送信する構成としてもよい。あるいは、USB（Universal Serial Bus）、RS232C、あるいは光ケーブル等の有線通信によって測定結果を情報処理装置１０に送信する構成としてもよい。なお、測定対象のユーザ１の異なる複数の覚醒状態の判別は、脳波計２０−１の代わりに、他の生体情報センサを用いてもよい。

特に制限されないが、心拍センサ２０−２は、例えば腕時計（ウォッチ）型のものが例示されているが、腕巻型であってもよい。腕時計型の心拍センサ２０−２はセンシングした心拍データをデジタルデータに変換し例えばBluetooth（登録商標）等の無線通信により情報処理装置１０に送信する。

パソコン３０のディスプレイの前面のカメラ２０−３は、ユーザ１の顔画像を撮像し、画像データを解析して瞬き等を検出するために用いられる。あるいは視線の角度やまばたきの速度などを検出できるメガネ型のセンサ２０−４を用いてもよい。カメラ２０−３で撮像した画像データは、パソコン３０からUSBやEthernet（登録商標）等の有線又は無線で情報処理装置１０に送信する構成としてもよい。メガネ型のセンサ２０−４はセンシングした瞬きデータ等、Bluetooth（登録商標）等の無線通信により情報処理装置１０に送信する。なお、カメラ２０−３は、瞬きの検出だけでなく、ユーザ１の姿勢、体動の監視に用いてもよい。

あるいは、マイクロ波生体情報センサ２０−５を、ユーザ１から離間した位置に配置し、非接触で、ユーザ１の心拍、呼吸をセンシングするようにしてもよい。あるいは、椅子に配設しその上に座っているユーザ１の心拍や呼吸、体動をセンシングするシート型の生体情報センサ２０−６を備えてもよい。センサ２０−５、２０−６はセンシングした心拍データをデジタルデータに変換し有線又は無線通信により情報処理装置１０に送信する。あるいは、イヤクリップ式の光電脈波センサ２０−７を用いて脈拍信号をセンシングして、Bluetooth（登録商標）等の無線通信により情報処理装置１０に送信するようにしてもよい。

図２において、センサ２０−２、２０―５、２０−６、２０−７や、瞬きセンサとして機能するカメラ２０−３、およびセンサ２０−４のうちいずれか一つを備えた構成としてもよい。

覚醒度推定モデル生成フェーズでは、情報処理装置１０は、例えば脳波計２０−１を用いて、パソコン３０を作業する測定対象のユーザ１の脳波を取得し、測定対象のユーザ１の覚醒状態の判別を行うようにしてもよい。また、ユーザ１の顔表情から覚醒状態を判別してもよい。また、ユーザ１の主観により覚醒状態を判別してもよい。測定対象のユーザ１の覚醒状態が、例えば低覚醒状態であることが検出されると、測定対象のユーザ１は知的能力テストを受ける。その際、知的能力テスト実行中の測定対象のユーザ１の生体情報を、例えば生体情報センサ（図２の２０−２〜２０−７の少なくとも一つ）で取得する。ここで、測定対象のユーザ１の異なる複数の覚醒状態の判別は、前述したように、脳波計２０−１の代わりに、例えばセンサ２０−２〜２０−７のいずれかでセンシングされた体動、姿勢、心拍や呼吸データ等のセンシング結果等に基づき行うようにしてもよい。

覚醒度推定フェーズでは、推定対象のユーザ１は、例えば実際に仕事をしている状態で、生体情報の取得が行われる。このため、生体情報センサとして、推定対象のユーザ１に対して負担の多い脳波計２０−１は用いられず、自然な姿勢で作業が行える腕時計型の心拍センサ２０−２や、センサ２０−４〜２０−７等の少なくとも１つが用いられる。推定対象のユーザ１は、図２の脳波計２０−１が外された状態で、実作業を行う。なお、測定対象のユーザ１と、推定対象のユーザ１は、同一人であっても、異なる人であってもよい。

なお、図２では、単に説明の簡単のため、情報処理装置１０を、パソコン３０と別の装置として配設した例が示されているが、情報処理装置１０をパソコン３０に実装するようにしてもよい。あるいは、生体情報センサとのBluetooth（登録商標）等による無線通信は、パソコン３０で行い、パソコン３０で受信した生体情報の解析等は、パソコン３０が接続するサーバ（不図示）で行うようにしてもよい。

図３は、図１の覚醒度推定モデル生成手段（部）１１の構成例を例示する図である。覚醒度推定モデル生成手段（部）１１は、覚醒状態モニタ部１１１、知的能力テスト実行制御部１１２、生体情報取得部１１３、正規化部１１４、特徴量抽出部１１５、推定モデル学習部１１６を備えている。生体情報センサ２０Ａ、２０Ｂは、それぞれ、生体情報検出部２０１Ａ、２０１Ｂと、通信制御部２０２Ａ、２０２Ｂを備えている。

通信制御部２０２Ａ、２０２Ｂは、前述したように無線通信又は有線通信インタフェースを備え、生体情報検出部２０１Ａ、２０１Ｂでセンシングされた生体情報を、覚醒度推定モデル生成手段（部）１１に送信する。通信制御部２０２Ａ、２０２Ｂは無線通信のインタフェースとして例えば不図示の無線アンテナを有する。生体情報センサ２０Ａは、図２の脳波計２０−１、あるいは他のセンサ２０−２〜２０−７のいずれか１つ又は複数であってもよい。生体情報センサ２０Ｂは、図２のセンサ２０−２〜２０−７のいずれか１つ又は複数であってもよい。生体情報センサ２０Ａと生体情報センサ２０Ｂを同一とし、図２のセンサ２０−２〜２０−７のいずれかであってもよい。

覚醒度推定モデル生成手段（部）１１の通信制御部１１０は、生体情報センサ２０Ａ、２０Ｂと無線又は有線で通信し、例えば生体情報センサ２０Ａ、２０Ｂに対するセンシングの開始／停止の指示やセンシングデータの送信を指示するコマンドの送信や、生体情報センサ２０Ａ、２０Ｂから送信されたセンシングデータ（生体情報）を受信する。通信制御部１１０は、無線通信及び／又は有線通信のインタフェースを有する。通信制御部１１０は無線通信のインタフェースとして例えば不図示の無線アンテナを有する。

覚醒状態モニタ部１１１は、覚醒度推定モデル生成時に測定対象のユーザ１（図２）に取り付けた生体情報センサ２０Ａから生体情報を取得し、生体情報に基づき、測定対象のユーザ１の覚醒状態をモニタする。

覚醒状態モニタ部１１１で、ユーザ１（図２）の覚醒状態が，低覚醒状態に変化したと判断した場合、覚醒状態モニタ部１１１からの指示を受け、知的能力テスト実行制御部１１２は、測定対象のユーザ１に、知的能力テストを実行させる。知的能力テスト実行制御部１１２は、例えば図２のパソコン３０に、知的能力テストの実行を指示するようにしてもよい。

測定対象のユーザ１は、例えば、それまでのパソコン３０（図２）での仕事を停止し、知的能力テストを行う。知的能力テスト実行制御部１１２は、パソコン３０のディスプレイの画面上に、知的能力テストの画面（ウインドウ）を自動的に開き、オンラインで知的能力テストを行うようにしてもよい。あるいは、測定対象のユーザ１が、パソコン３０を操作して知的能力テストのアプリケーションプログラムを起動するようにしてもよい。

測定対象のユーザ１は、パソコン３０の画面に表示される問題に対して、キーボード、マウス等の入力手段から答えを入力する。知的能力テスト実行制御部１１２による一連の知的能力テスト（例えば、文章理解能力、数的処理能力（計算能力）、論理的推理能力等）の開始とともに、知的能力テスト実行制御部１１２からの指示に基づき、生体情報取得部１１３は、測定対象のユーザ１（図２）が知的能力テスト実行中の生体情報（例えば心拍計からの心拍データ等）を取得する。なお、知的能力テスト実行制御部１１２は、パソコン３０を介して測定対象のユーザ１に、知的能力テストの実行を通知し、測定対象のユーザ１は予め用意されたペーパーテスト（筆記テスト）で知的能力テストを行い、採点結果（回答に要した時間）を、パソコン３０を介して知的能力テスト実行制御部１１２に通知するようにしてもよい。

正規化部１１４は、例えば、低覚醒状態、高覚醒状態（ストレス状態）、その間の状態における測定対象のユーザ１の知的能力テスト結果（得点、回答に要した時間）を、低覚醒状態と高覚醒状態以外の状態における代表点（例えば最高点、回答に要した最短時間等）で正規化するようにしてもよい。あるいは、測定対象のユーザ１の知的能力テスト結果（得点）の最高得点から何％かの得点の平均、ユーザ１の知的能力テスト結果（回答に要した時間）の回答に要した最短時間から何％かの回答時間の平均等で正規化してもよい。

例えば、測定対象のユーザＡの知的能力テストの最高得点が７０点で、低覚醒状態では４９点である場合、最高点で正規化すると、低覚醒状態は４９／７０＝０．７となる。別の測定対象のユーザＢの知的能力テストの最高得点が８０点で、低覚醒状態では４８点である場合、最高点で正規化すると、低覚醒状態は、４８／８０＝０．６となる。測定対象のユーザＡとユーザＢの低覚醒状態の知的能力テストの得点はそれぞれ４９点、４８点と同程度であるが、正規化することで、それぞれ、０．７（７０％）、０．６（６０％）となり、ユーザＢの落ち込みの程度がユーザＡよりも大きい。このように、正規化部１１４で、測定対象のユーザ毎に異なる得点の分布を正規化することで、例えば低覚醒状態での落ち込みの程度の判別を共通化することができる。

特徴量抽出部１１５は、生体情報取得部１１３で取得した生体情報(例えば心拍データ等)から特徴量を抽出する。例えば心拍センサ（図２の２０−２、２０−６、２０−７等）からの心拍データに基づいて心拍信号の振幅ピークのタイミングを検出し振幅ピークの各タイミングの間隔を検出し、心拍間隔データを周波数領域に変換し心拍間隔の変動に対するスペクトル密度を算出する等、各種手法が用いられる。あるいは、瞬きについて開眼度、閉眼継続時間の平均、分布、PERCLOS （Percent of the time eyelids are closed：目を閉じている時間割合）、瞬き回数等を特徴量としてもよい。マイクロ波非接触呼吸センサ（図２の２０−５）等の場合、呼吸周期等を周波数領域に変換し特徴量を取得してもよいし、呼吸振幅等から特徴量を抽出してもよい。なお、特徴量抽出部１１５は、生体情報取得部１１３が、測定対象のユーザ１が知的能力テスト実行中（知的能力テストは例えば５分あるいは１０分等の所定の制限時間で実行するようにしてもよい、あるいは全問回答するまでの時間を計時するようにしてもよい）に、生体情報センサから取得した生体情報の特徴量の時系列データを統計処理した値を特徴量（代表値）としてもよい。

推定モデル学習部１１６は、覚醒度推定モデル１３１を生成する。より詳しくは、推定モデル学習部１１６は、知的能力テスト結果の正規化された値と、生体情報の特徴量に基づき、覚醒度推定モデル１３１を学習し、記憶装置１３に記憶する。特に制限されないが、覚醒度推定モデル１３１として、各覚醒状態における生体情報（知的能力テスト実行中の生体情報）の特徴量を説明変数とし、知的能力テスト結果の正規化された値を目的変数（被説明変数）とする回帰分析を行ってもよい。例えば、目的変数を説明変数で１次又は多項式近似し残差を最小化する係数（パラメータ）を導出することで覚醒度推定モデル１３１を求めるようにしてもよい。なお、覚醒度推定モデル１３１は、線形回帰モデルに制限されるものでなく、非線形回帰モデルを用いてもよい。

さらに、推定モデル学習部１１６は、低覚醒状態、高覚醒状態、その間の状態において、それぞれ、個別に、覚醒度推定モデル１３１を生成するようにしてもよい。

また、推定モデル学習部１１６は、ユーザ１の仕事の内容（職種、役職等）に応じて、知的能力テスト結果を重み付けして覚醒度推定モデル１３１を生成してもよい。例えば、経理部や税務会計事務等の職務では、計算能力の知的能力テスト結果（正規化値）を、文章理解能力等の他のテストの結果（正規化値）よりも、大きな値で重み付けをしてもよい。
得点＝W1×（文章理解能力の正規化値）＋W2×(計算能力の正規化値）+W3×（論理的推理能力の正規化値）、
W1+W2+W3=1, 0≦W1,W2,W3≦１

一方、契約、渉外や特許業務等の職務では、文章理解能力の知的能力テスト結果（正規化値）を他のテストの結果（正規化値）よりも、大きな値で重み付けをしてもよい。

図４は、図１の覚醒度推定手段(部）１２の構成例を例示する図である。図４を参照すると、覚醒度推定手段(部）１２は、通信制御部１２０と、生体情報取得部１２１と、特徴量抽出部１２２と、推定部１２３と、推定結果出力部１２４を備えている。通信制御部１２０は、生体情報センサと無線又は有線で通信し、生体情報のセンシングの開始、センシングデータの送信等を指示し、センシングデータを受信する。

生体情報取得部１２１は、推定対象のユーザの生体情報センサ２０Ｂから生体情報を通信制御部１２０から受け取る。

生体情報センサ２０Ｂ、生体情報取得部１２１で取得する生体情報、特徴量抽出部１２２で抽出する特徴量は、図３の生体情報センサ２０Ｂ、覚醒度推定モデル生成手段（部）１１の生体情報取得部１１３で取得する生体情報、特徴量抽出部１１５で抽出する特徴量と同一とされる。例えば図３の覚醒度推定モデル生成手段（部）１１において、知的能力テストを実行中の測定対象のユーザ１の５分間分の生体情報を生体情報取得部１１３で取得し、特徴量抽出部１１５が該生体情報から特徴量を抽出する場合、特徴量抽出部１２２は、生体情報取得部１２１で５分間、推定対象のユーザ１から生体情報センサ２０Ｂで取得した生体情報の特徴量を抽出する。図４の生体情報取得部１２１と特徴量抽出部１２２は、図３の生体情報取得部１１３と、特徴量抽出部１１５と同一であってもよい。

推定部１２３は、特徴量抽出部１２２によって抽出された特徴量を入力として受け、記憶装置１３に記憶されている覚醒度推定モデル１３１（モデルパラメータ）を用いて覚醒度を推定する。

推定部１２３は、特徴量抽出部１２２から入力した特徴量から、覚醒度推定モデル１３１を用いて、知的能力テスト結果の正規化値を推定し、該正規化値に対応する覚醒度を推定するようにしてもよい。

推定結果出力部１２４は、覚醒度の推定結果を、表示装置等に出力する。

図５は、本発明の例示的な第１の実施形態の動作を説明する流れ図である。図５（Ａ）を参照すると、覚醒度推定モデル生成手段（部）１１は、複数の覚醒状態ｉ＝１〜Ｎ（Ｎは２以上の整数）について、測定対象のユーザ１（図２）が、知的能力テスト実行中の生体情報を取得し特徴量を抽出し、覚醒状態ｉに対応して記憶部に格納する（Ｓ１）。

覚醒度推定モデル生成手段（部）１１の知的能力テスト実行制御部１１２は、知的能力テストの試験結果を収集し、覚醒状態ｉに対応して記憶する（Ｓ２）。

覚醒状態ｉ＝１〜Ｎについて、ステップＳ１、Ｓ２を実行した結果、覚醒度推定モデル生成手段（部）１１の正規化部１１４は、例えば低覚醒状態と低覚醒状態以外の状態で取得した知的能力テストの試験結果の得点（例えば最高得点又は代表値（最高点からの第１四分位数やメジアン等の統計値））等に基づき、同一ユーザの各覚醒状態での知的能力テストの試験結果を除算して正規化する（Ｓ３）。

覚醒度推定モデル生成手段（部）１１の推定モデル学習部１１６は、特徴量抽出部１１５で抽出された特徴量と、正規化部１１４からの知的能力テストの試験結果の正規化値と、に基づき、覚醒度推定モデル１３１を学習し、記憶装置１３に記憶する（Ｓ４）。

図５（Ｂ）を参照すると、覚醒度推定手段(部）１２は、推定対象のユーザの生体情報を取得し特徴量を抽出する（Ｓ１１）。

覚醒度推定手段(部）１２の推定部１２３は、特徴量を受け、記憶装置１３に記憶された覚醒度推定モデル１３１に基づき、覚醒度を推定する（Ｓ１２）。覚醒度推定手段(部）１２の推定結果出力部１２４は、覚醒度推定結果を表示装置等に出力する（Ｓ１３）。

＜実施形態２＞
次に、本発明の例示的な第２の実施形態として、覚醒度推定結果の利用形態の一例を提示する。第２の実施形態において、覚醒度推定結果を得るための基本構成は、図１等を参照して説明した前記実施形態と同様である。

第２の実施形態では、例えば官公庁、企業、各種事務所等の職場において、図１の情報処理装置１０で得られた覚醒度推定値を、従業員にフィードバックし、従業員自身による時間管理や健康管理を支援する情報を提供する。

図６は、第２の実施形態の構成の一例を例示する図である。図６において、生体情報センサ２０、覚醒度推定手段(部）１２、覚醒度推定モデル１３１、記憶装置１３は、例えば図４の生体情報センサ２０Ｂ、覚醒度推定手段(部）１２、覚醒度推定モデル１３１に対応させることができる。なお、図６において、図１の覚醒度推定モデル生成手段（部）１１は省略されている。図６において、覚醒度推定モデル１３１は、前記第１の実施形態で説明した覚醒度推定モデル生成手段（部）１１で生成されているものとする。

管理情報提供手段（部）３１は、覚醒度推定手段(部）１２からの覚醒度推定値を受けると、例えば従業員のパソコン（例えば図２の３０）に、当該従業員の現在の覚醒度を表示する画面を提示するようにしてもよい。特に制限されないが、例えば、当該従業員が低覚醒状態にあると判断されたとき、管理情報提供手段（部）３１は、当該従業員のパソコン（例えば図２の３０）の画面上に、注意情報（例えば、その場でできる簡単なリフレッシュ体操を勧めたり、あるいは夜十分な睡眠時間を確保するように注意する等）を提示するか、近隣に迷惑を与えない範囲で音響、音声等による注意喚起を行うようにしてもよい。

また、管理情報提供手段（部）３１は、従業員の覚醒度推定値を、例えば推定時刻情報（あるいは時間帯情報）や従業員の識別情報（ＩＤ）等と関連付けて、記憶装置３２に格納される従業員データベース３２１に記録し、例えば、職場やリモート職場での従業員管理や業務管理（スケジューリング管理、業務の効率性管理等）などに利用するようにしてもよい。また管理情報提供手段（部）３１は、管理者の端末（不図示）等に通知するようにしてもよい。このように、第２の実施形態によれば、従業員の覚醒度推定値を、職場やリモート職場での従業員管理等に利用することを可能としている。なお、管理情報提供手段（部）３１は、単体装置として実装してもよいし、また、図１の情報処理装置１０と通信ネットワークを介して接続するサーバ上に実装してもよい。あるいは、管理情報提供手段（部）３１を図１の情報処理装置１０内の組み込み一体の装置構成としてもよい。

＜実施形態３＞
図７は、例示的な第３の実施形態として、図１等を参照して説明した情報処理装置１０を、コンピュータプログラムで実現する一例を説明する図である。図７を参照すると、情報処理装置１０を構成するコンピュータ装置３００は、プロセッサ（ＣＰＵ（Central Processing Unit）、データ処理装置）３０１、半導体メモリ（例えばＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、又は、ＥＥＰＲＯＭ（Electrically Erasable and Programmable ROＭ）等）、ＨＤＤ（Hard Disk Drive）、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）等の少なくともいずれかを含む記憶装置３０２と、表示装置３０３と、通信インタフェース３０４を備えている。記憶装置３０２に記憶された覚醒度推定プログラムをプロセッサ３０１で実行することで、前記した情報処理装置１０の機能を実現するようにしてもよい。なお、記憶装置３０２は、覚醒度推定モデルを記憶する記憶装置１３と同一の記憶装置としてもよい。また、記憶装置３０２は、知的能力テスト実行結果とその正規化値や、生体情報、及び生体情報から抽出した特徴量を記憶する記憶装置として用いてもよい。通信インタフェース３０４は、プロセッサ３０１とともに、生体情報センサ（図２のセンサ２０−１、２０−２、２０−４〜２０−７、カメラ２０―３）のいずれかに無線又は有線で接続し、生体情報を取得する通信制御装置（図３、図４）を構成してもよい。なお、コンピュータ装置３００の覚醒度推定プログラムを、図２のパソコン３０にインストールし、パソコン３０を情報処理装置１０として機能させる構成としてもよい。

なお、上記の特許文献１の開示を、本書に引用をもって繰り込むものとする。本発明の全開示（請求の範囲を含む）の枠内において、さらにその基本的技術思想に基づいて、実施形態ないし実施例の変更・調整が可能である。また、本発明の請求の範囲の枠内において種々の開示要素（各請求項の各要素、各実施例の各要素、各図面の各要素等を含む）の多様な組み合わせ乃至選択が可能である。すなわち、本発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。

上記実施形態において方法の特徴は例えば以下のように付記される。
（付記１）
測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力の試験結果とを用いて覚醒度推定モデルを生成する第１の手段と、
推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて前記覚醒度を推定する第２の手段と、
を備えた、ことを特徴とする情報処理装置。

（付記２）
前記第１の手段は、
前記試験中の生体情報から特徴量を抽出する特徴量抽出部と、
前記測定対象のユーザの前記知的能力の試験結果を正規化する正規化部と、
前記特徴量と前記知的能力の試験結果を正規化した値に基づき覚醒度推定モデルを生成する推定モデル生成部と、
を備えたことを特徴とする付記１記載の情報処理装置。

（付記３）
前記正規化部は、覚醒状態が予め定められた状態にあるときの前記ユーザの知的能力の試験結果を用いて、互いに異なる複数の覚醒状態での前記知的能力の試験結果を正規化する、付記２記載の情報処理装置。

（付記４）
前記推定モデル生成部は、第１の覚醒状態による知的能力の低下と、第２の覚醒状態による知的能力の低下を別々にモデル化する、付記２又は３記載の情報処理装置。

（付記５）
前記第１の手段は、前記知的能力の試験として、文章理解能力、数的処理能力、論理的推理能力のうち少なくとも一つを測定する、付記１乃至４のいずれかに記載の情報処理装置。

（付記６）
前記第１の手段は、前記測定対象のユーザの属性に応じて、前記知的能力の試験結果に重み付けする、付記１乃至４のいずれかに記載の情報処理装置。

（付記７）
前記覚醒度の推定結果に基づき、前記推定対象のユーザに関する、所定の管理情報を提供する管理情報提供手段に接続するか、前記管理情報提供手段を装置内に備えた、ことを特徴とする付記１乃至６のいずれかに記載の情報処理装置。

（付記８）
コンピュータにより生体情報に基づき覚醒度を推定する方法であって、
測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力の試験結果とを用いて覚醒度推定モデルを生成し、
推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて前記覚醒度を推定する、ことを特徴とする覚醒度推定方法。

（付記９）
前記覚醒度推定モデルの生成にあたり、
前記試験中の生体情報から特徴量を抽出し、
前記測定対象のユーザの前記知的能力の試験結果を正規化し、
前記特徴量と前記知的能力の試験結果を正規化した値に基づき前記覚醒度推定モデルを生成する、ことを特徴とする付記８記載の覚醒度推定方法。

（付記１０）
前記知的能力の試験結果を正規化するにあたり、覚醒状態が予め定められた状態にあるときの前記ユーザの知的能力の試験結果を用いて、互いに異なる複数の覚醒状態での前記知的能力の試験結果を正規化する、付記９記載の覚醒度推定方法。

（付記１１）
前記覚醒度推定モデルを生成するにあたり、第１の覚醒状態による知的能力の低下と、第２の覚醒状態による知的能力の低下を別々にモデル化する、付記８乃至１０のいずれかに記載の覚醒度推定方法。

（付記１２）
前記知的能力の試験として、文章理解能力、数的処理能力、論理的推理能力のうち少なくとも一つを測定する付記８乃至１１のいずれかに記載の覚醒度推定方法。

（付記１３）
前記測定対象のユーザの属性に応じて、前記知的能力の試験結果に重み付けする、付記８乃至１２のいずれかに記載の覚醒度推定方法。

（付記１４）
前記覚醒度の推定結果に基づき、前記推定対象のユーザに関する、所定の管理情報を提供する、ことを特徴とする付記８乃至１３のいずれかに記載の覚醒度推定方法。

（付記１５）
コンピュータに、
測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力の試験結果とを用いて覚醒度推定モデルを生成する第１の処理と、
推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて前記覚醒度を推定する第２の処理と、
を実行させるプログラム。

（付記１６）
前記第１の処理は、
前記試験中の生体情報から特徴量を抽出する特徴量抽出処理と、
前記測定対象のユーザの前記知的能力の試験結果を正規化する正規化処理と、
前記特徴量と前記知的能力の試験結果を正規化した値に基づき覚醒度推定モデルを生成するモデル生成処理と、
を実行する付記１５記載のプログラム。

（付記１７）
前記正規化処理は、覚醒状態が予め定められた状態にあるときの前記ユーザの知的能力の試験結果を用いて、互いに異なる複数の覚醒状態での前記知的能力の試験結果を正規化する、付記１６記載のプログラム。

（付記１８）
前記モデル生成処理は、第１の覚醒状態による知的能力の低下と、第２の覚醒状態による知的能力の低下を別々にモデル化する、付記１６又は１７記載のプログラム。

（付記１９）
前記第１の処理は、前記知的能力の試験として、計算能力、読解力、記憶力のうち少なくとも一つを測定する、付記１５乃至１８のいずれかに記載のプログラム。

（付記２０）
前記第１の処理は、前記測定対象のユーザの属性に応じて、前記知的能力の試験結果に重み付けする、付記１５乃至１９のいずれかに記載のプログラム。

（付記２１）
前記覚醒度の推定結果に基づき、前記推定対象のユーザに関する、所定の管理情報を提供する処理を前記コンピュータに実行させる付記１５乃至２０のいずれかに記載のプログラム。

１ ユーザ
１０ 情報処理装置
１１ 覚醒度推定モデル生成手段（部）
１２ 覚醒度推定手段（部）
１３ 記憶装置
２０、２０Ａ、２０Ｂ 生体情報センサ
２０−１ 脳波計
２０−２ 心拍センサ
２０−３ カメラ
２０−４ メガネ型のセンサ
２０−５ マイクロ波生体情報センサ
２０−６ シート型の生体情報センサ
２０−７ イヤクリップ式の光電脈波センサ
３０ パソコン
３１ 管理情報提供手段（部）
３２ 記憶装置
３２１ 従業員データベース
１１０、１２０ 通信制御部
１１１ 覚醒状態モニタ部
１１２ 知的能力テスト実行制御部
１１３ 生体情報取得部
１１４ 正規化部
１１５、１２２ 特徴量抽出部
１１６ 推定モデル学習部
１２１生体情報取得部
１２３ 推定部
１２４ 推定結果出力部
１３１ 覚醒度推定モデル
２０Ａ、２０Ｂ 生体情報センサ
２０１Ａ、２０１Ｂ 生体情報検出部
２０２Ａ、２０２Ｂ 通信制御部
３００ コンピュータ装置
３０１ プロセッサ
３０２ 記憶装置
３０３ 表示装置
３０４ インタフェース

Claims (16)

1. 測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力の試験結果とに基づき、覚醒度推定モデルを生成する第１の手段と、
   推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて覚醒度を推定する第２の手段と、
   を備えた、ことを特徴とする情報処理装置。
2. 前記第１の手段は、
   前記試験中の生体情報から特徴量を抽出する特徴量抽出部と、
   前記測定対象のユーザの前記知的能力の試験結果を正規化する正規化部と、
   前記特徴量と前記知的能力の試験結果を正規化した値に基づき覚醒度推定モデルを生成する推定モデル生成部と、
   を備えた、ことを特徴とする請求項１に記載の情報処理装置。
3. 前記正規化部は、覚醒状態が予め定められた状態にあるときの前記測定対象のユーザの知的能力の試験結果を用いて、互いに異なる複数の覚醒状態での前記知的能力の試験結果を正規化する、ことを特徴とする請求項２に記載の情報処理装置。
4. 前記推定モデル生成部は、第１の覚醒状態による知的能力の低下と、第２の覚醒状態による知的能力の低下を、別々にモデル化した覚醒度推定モデルを生成する、ことを特徴とする請求項２又は３に記載の情報処理装置。
5. 前記第１の手段は、前記知的能力の試験として、文章理解能力、数的処理能力、論理的推理能力のうち少なくとも一つを測定する、ことを特徴とする請求項１乃至４のいずれか１項に記載の情報処理装置。
6. 前記第１の手段は、前記測定対象のユーザの属性に応じて、前記知的能力の試験結果に重み付けする、ことを特徴とする請求項１乃至５のいずれか１項に記載の情報処理装置。
7. 前記覚醒度の推定結果に基づき、前記推定対象のユーザに関する、所定の管理情報を提供する管理情報提供手段に接続するか、前記管理情報提供手段を装置内に備えた、ことを特徴とする請求項１乃至６のいずれか１項に記載の情報処理装置。
8. コンピュータにより生体情報に基づき覚醒度を推定する方法であって、
   測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力の試験結果とに基づき、覚醒度推定モデルを生成し、
   推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて前記覚醒度を推定する、ことを特徴とする覚醒度推定方法。
9. 前記覚醒度推定モデルの生成にあたり、
   前記試験中の生体情報から特徴量を抽出し、
   前記測定対象のユーザの前記知的能力の試験結果を正規化し、
   前記特徴量と前記知的能力の試験結果を正規化した値に基づき前記覚醒度推定モデルを生成する、ことを特徴とする請求項８に記載の覚醒度推定方法。
10. 前記知的能力の試験結果を正規化するにあたり、覚醒状態が予め定められた状態にあるときの前記測定対象のユーザの知的能力の試験結果を用いて、互いに異なる複数の覚醒状態での前記知的能力の試験結果を正規化する、ことを特徴とする請求項９に記載の覚醒度推定方法。
11. 前記覚醒度推定モデルを生成するにあたり、第１の覚醒状態による知的能力の低下と、第２の覚醒状態による知的能力の低下を、別々にモデル化した覚醒度推定モデルを生成する、請求項８乃至１０のいずれか１項に記載の覚醒度推定方法。
12. 前記知的能力の試験として、文章理解能力、数的処理能力、論理的推理能力のうち少なくとも一つを測定する、ことを特徴とする請求項８乃至１１のいずれか１項に記載の覚醒度推定方法。
13. 前記測定対象のユーザの属性に応じて、前記知的能力の試験結果に重み付けする、ことを特徴とする請求項８乃至１２のいずれか１項に記載の覚醒度推定方法。
14. 前記覚醒度の推定結果に基づき、前記推定対象のユーザに関する、所定の管理情報を提供する、ことを特徴とする請求項８乃至１３のいずれか１項に記載の覚醒度推定方法。
15. コンピュータに、
    測定対象のユーザの互いに異なる複数の覚醒状態での知的能力の試験中の生体情報と前記知的能力の試験結果とに基づき、覚醒度推定モデルを生成する第１の処理と、
    推定対象のユーザから取得した生体情報に対して、前記覚醒度推定モデルを用いて覚醒度を推定する第２の処理と、
    を実行させるプログラム。
16. 前記第１の処理は、
    前記試験中の生体情報から特徴量を抽出する特徴量抽出処理と、
    前記測定対象のユーザの前記知的能力の試験結果を正規化する正規化処理と、
    前記特徴量と前記知的能力の試験結果を正規化した値に基づき覚醒度推定モデルを生成するモデル生成処理と、
    を実行する請求項１５記載のプログラム。

Images