WO2012169003A1 - 情報処理システム及び情報処理方法 - Google Patents
情報処理システム及び情報処理方法 Download PDFInfo
- Publication number
- WO2012169003A1 WO2012169003A1 PCT/JP2011/063003 JP2011063003W WO2012169003A1 WO 2012169003 A1 WO2012169003 A1 WO 2012169003A1 JP 2011063003 W JP2011063003 W JP 2011063003W WO 2012169003 A1 WO2012169003 A1 WO 2012169003A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- value
- zero
- duration
- distribution
- Prior art date
Links
Images
Classifications
-
- 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
-
- 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
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
Definitions
- the present invention relates to an information processing system and an information processing method, and more particularly, to an information processing system and an information processing method for collecting, counting, and displaying information on human movement using a sensor device.
- Non-Patent Document 1 aims to manage health care such as fatigue recovery and dieting and health promotion by measuring the daily activity amount and the number of steps of a person. As the amount of activity, an index called zero cross frequency is used. This is an index for indicating what frequency the wearer is performing from the information obtained by the accelerometer. For example, when walking, it is typically about 2 Hz and seems to be almost stationary such as web browsing.
- a frequency of about 0.5 Hz can be seen.
- Arithmetically for example, it is obtained by squaring and adding the measured values of the X-axis, Y-axis, and Z-axis of the accelerometer and taking the square root.
- This index can be calculated every unit time, such as every minute, and can be used as a measure of the amount of activity in that minute.
- this definition will be described as an example of an activity amount.
- an index that represents the magnitude of an activity such as the absolute value of acceleration or the number of steps, and correlates to this definition to some extent can be handled in the same way. it can.
- the first is a data volume problem.
- a storage capacity for storing it is required. For example, by simply acquiring the triaxial acceleration at 50 Hz, a storage capacity of nearly 20 megabytes per day is required.
- a capacity several times this is required. In order to acquire as long as possible, it is necessary to reduce the amount of data to be stored.
- Data acquired by the sensing device is collected by a data server by wireless or wired communication.
- the amount of data for one person can be reduced, it is possible to reduce the number of disks required for the data server that stores data for a plurality of persons.
- the reduction of the data amount is not only an efficient use of the hard disk device, but also the data transfer speed between the devices and data centers and between the base stations and relay stations in between (improves the transfer time). Thereby, the effect of low power consumption can be expected.
- the second problem is a display problem when a data user such as a wearer views acquired data.
- a data user such as a wearer views acquired data.
- a set period such as one month every 24 hours
- Particularly problematic is when the device for browsing is small when browsing the data. For example, consider that a person's behavior is acquired by a wristwatch-type sensing device and the result is displayed on the wristwatch itself. In the case of a wristwatch, the displayable area is very narrow. It is necessary to display data in a display area of about 3 cm * 3 cm at most.
- an average value or standard deviation is used as a basic index.
- these indicators have challenges.
- the average value it is possible to know the average value of the activity amount over the entire period.
- a typical index for seeing the breadth of the distribution is the standard deviation. This is an index that indicates how much the event has occurred from the average value when the event has occurred.
- the first is that the amount of human activity is not necessarily a normal distribution, as will be shown later. Simply put, the state where the amount of activity is low is greater than the state where the amount of activity is high. Such a distribution is not well expressed by the standard deviation index.
- the second problem is that the occurrence of a characteristic phenomenon that is infrequent is not visible.
- One method for solving these problems is to store the frequency of occurrence of the activity amount in a certain value range, that is, to store it as a so-called histogram. For example, when the amount of activity can be distributed from 0 Hz to 5 Hz, the width is defined in increments of 0.5 Hz, and the range in which the actual action has occurred is stored. For example, the frequency of occurrence in each width is recorded in the same manner, for example, 0 times to less than 0.5 Hz 10 times, 0.5 Hz to less than 1 Hz 12 times, 1 Hz to less than 1.5 Hz 3 times. This also applies to other indicators such as the number of steps.
- the number of steps taken per unit time can be counted and expressed as a histogram.
- the histogram has the advantage that the smaller the width, the easier it is to reproduce the original state, regardless of the distribution of activity.
- the finer the width the greater the amount of data for storing that much information. Simply, if the width is reduced and the number becomes 10 times, the capacity for storing the entire appearance frequency is required 10 times.
- Another object of the present invention is to solve problems such as an increase in data amount, an increase in network load, and display on a small device.
- An information processing system is, for example, A sensor, a base station and a server
- the sensor takes acceleration data and sends the data to the server via the base station
- the server calculates and records the number of zero crossings from the acceleration data
- the server calculates and records the frequency distribution of the number of zero crossings
- the server uses the slope of the approximate straight line of the distribution, the linearity of the distribution, the inflection point, the slope of the approximate straight line in the range of zero cross values lower than the inflection point, the slope of the approximate straight line in the range of zero cross values higher than the inflection point, Find and record one or more values of the linearity of the distribution of the zero-cross value range lower than the inflection point and the linearity of the distribution of the zero-cross value range higher than the inflection point,
- the value is output to a display device connected to the information system.
- the information processing system described above Has a questionnaire interface to hear people's stress
- the server calculates and records the weight of each feature so that the error with the questionnaire results is small
- the server estimates and records the stress from the feature amount and the feature weight
- the value is output to a display device connected to the information system.
- a sensor that measures human acceleration due to human movement over a predetermined period of time;
- a processing unit for obtaining characteristic data relating to the speed of human movement based on the measured acceleration data;
- a storage unit for storing the obtained feature data;
- the processor is From the acceleration data measured by the sensor, determine the speed of movement per predetermined unit time, For each of a plurality of reference values for the speed of movement, among the speeds of movement obtained per unit time, those whose speed of movement is equal to or greater than the reference value are counted, and the speed of the movement is counted.
- the cumulative frequency with respect to the reference value There is provided an information processing system that obtains statistical data based on a distribution of a reference value of the speed of movement and a logarithmic value of a cumulative frequency with respect to the reference value as characteristic data of human behavior and stores it in the storage unit.
- the speed of movement is the number of zero crosses indicating the number of times the acceleration data has become zero or crosses zero
- the processor is From the acceleration data measured by the sensor, determine the number of zero crosses per unit time predetermined as the speed of movement, For each of the plurality of reference values of the number of zero crosses, among the obtained number of zero crosses per unit time, count the number of zero crosses that are greater than or equal to the reference value, and the cumulative frequency with respect to the reference value of the number of zero crosses, Statistical data based on the distribution of the reference value of the number of zero crosses and the logarithmic value of the cumulative frequency with respect to the reference value is obtained as characteristic data of the human behavior and stored in the storage unit.
- the processing unit obtains, as the feature data, an index indicating, for example, the slope or linearity of one or more approximate straight lines with respect to the distribution.
- the processing unit is, for example, First feature data that is an inflection point when a distribution of a reference value of the number of zero crossings and a logarithmic value of cumulative frequency with respect to the reference value is approximated by a curve or a plurality of straight lines; Second feature data that is the slope of the first approximate straight line in the range of the zero crossing number lower than the inflection point; Third feature data that is the slope of the second approximate straight line in the range of the zero crossing number higher than the inflection point; The feature data including one or more of the fourth feature data that is an index representing the linearity of the distribution of the zero crossing number range lower than the inflection point is obtained and stored in the storage unit.
- the feature data can include all of the first to fourth feature data.
- the feature data further includes an inclination of an approximate straight line of the entire distribution, a linearity of the entire distribution, and a linearity of a distribution in a range of zero cross numbers higher than the inflection point.
- the processing unit includes: The average number of zero crossings, The slope of the third approximate straight line in the range of zero cross numbers lower than the average value of the zero cross numbers; The slope of the fourth approximate straight line in the range of the number of zero crosses higher than the average value of the number of zero crosses; The difference between the slope of the third approximate line and the slope of the fourth approximate line; The feature data including one or more of the slopes of the approximate straight lines of the entire distribution may be obtained and stored in the storage unit.
- the processing unit can output the obtained feature data to a display device.
- the information processing system described above A sensor node having the sensor and a transmitter for transmitting the measured acceleration data;
- the server may include a receiving unit that receives acceleration data from the sensor node, the processing unit, and the storage unit.
- the information processing system described above may be configured by a sensor node having the sensor, the processing unit, and the storage unit.
- the above-described information processing system includes a plurality of the sensors, and the plurality of sensors measure the acceleration of each measurement target person,
- the processor is First to fourth characteristic data is obtained for each person to be measured, Input the stress value of the person to be measured that has been indexed in advance, For each person to be measured, an error between the obtained first to fourth feature data and the estimated stress value obtained based on the weighting factor for each of the first to fourth feature data and the input stress value Find each weighting factor so that the sum is small, Each obtained weight coefficient can be stored in the storage unit.
- the processing unit obtains a stress estimation value obtained based on the obtained first to fourth feature data and a weighting factor for each of the first to fourth feature data, and stores the memory Can be stored in the department.
- a sensor that measures human acceleration due to human movement over a predetermined period of time;
- a processing unit for obtaining characteristic data relating to the speed of human movement based on the measured acceleration data;
- a storage unit for storing the obtained feature data;
- the processor is From the acceleration data measured by the sensor, determine the speed of movement per predetermined unit time, According to whether or not the speed of movement per unit time exceeds a predetermined threshold, it is determined whether it is in an active state or an inactive state at the time, Find the duration of the active state and / or the duration of the inactive state in chronological order, For each of the plurality of reference values of the duration, count the duration of the obtained active state and / or the duration of the inactive state that is longer than the reference value.
- the cumulative frequency with respect to the reference value There is provided an information processing system that obtains statistical data based on a distribution of a reference value of duration and a logarithmic value of cumulative frequency with respect to the reference value as characteristic data of human behavior and stores it in the storage unit.
- the speed of movement is, for example, the number of zero crosses indicating the number of times acceleration data has become zero or crosses zero.
- the processing unit obtains, as the feature data, an index indicating, for example, the slope or linearity of one or more approximate straight lines with respect to the distribution.
- the processing unit is, for example, First characteristic data that is an inflection point when a distribution of a reference value of duration and a logarithmic value of cumulative frequency with respect to the reference value is approximated by a curve or a plurality of straight lines; Second feature data that is the slope of the first approximate line in the range of duration lower than the inflection point; Third feature data that is the slope of the second approximate line in the range of duration higher than the inflection point; 4th characteristic data which is a parameter
- the feature data further includes one or more of a difference between the slope
- the processing unit obtains the speed of movement per predetermined unit time from acceleration data measured by a sensor that measures human acceleration due to human movement over a predetermined period, The processing unit counts, for each of the plurality of reference values of the speed of movement, the speed of movement per unit time that is obtained and the speed of movement is equal to or greater than the reference value.
- the cumulative frequency with respect to the reference value of the speed of An information processing method is provided in which a processing unit obtains statistical data based on a distribution of a reference value of speed of motion and a logarithmic value of cumulative frequency with respect to the reference value as characteristic data of human behavior and stores it in a storage unit.
- the processing unit obtains the speed of movement per predetermined unit time from acceleration data measured by a sensor that measures human acceleration due to human movement over a predetermined period, The processing unit determines whether it is in an active state or an inactive state according to whether or not the speed of movement per unit time exceeds a predetermined threshold, The processing unit obtains the duration of the active state and / or the duration of the inactive state in chronological order, For each of the plurality of reference values of the duration, the processing unit counts the duration of the obtained active state and / or the duration of the inactive state that is longer than the reference value, The cumulative frequency with respect to the reference value of the duration, There is provided an information processing method in which a processing unit obtains statistical data based on a distribution of a reference value of duration and a logarithmic value of a cumulative frequency with respect to the reference value as characteristic data of human behavior and stores it in a storage unit.
- the present invention it is possible to compress information related to human behavior obtained by sensing into information with a small amount of information indicating characteristics of human behavior. As a result, current problems such as an increase in the amount of data, an increase in network load, and display on a small device can be solved.
- Example 1 is an example of a configuration of the entire system according to a first embodiment. It is an example of a structure of the table which stores the sensing data of Example 1. It is an example of the personal information table of Example 1. 3 is an example of an activity list according to the first embodiment. It is an example of the action analysis data table of Example 1. It is an example of the flow which calculates the operator's activity of Example 1. It is an example of the zero cross value of the worker of Example 1. It is an example of the cumulative frequency distribution of the zero cross value of the worker of Example 1. It is an example of the cumulative distribution of the zero cross value for every hour of the worker of Example 1. It is an example of the cumulative distribution of the zero cross value every 3 hours of the worker of Example 1, and 1 day.
- FIG. 1 shows the system configuration of the first embodiment.
- the information processing system includes, for example, a sensor node SN0, a base station BS1, and a management server SV1. Further, the position specifying device POS1, the display device DISP1, and the cradle CRDL1 may be further provided.
- the worker (user, wearer of sensor node) W1 holds the sensor node SN0 on which various sensors are mounted. A plurality of sensor nodes may be held.
- the sensor node SN0 includes a processor CPU0, a radio circuit RF0 having an antenna ANT0, a sensor SNS0 such as various sensors for measuring sound, acceleration, temperature, humidity, illuminance, infrared, color, RFID, and human sensors, It has a memory MEM0 for storing a sensing program and a data processing program, an input device IN0 such as a button, and an output device OUT0 such as an LCD / LED / buzzer.
- the sensor node SN0 acquires sensing data from various sensors at a predetermined sampling period (for example, 0.05 seconds) by the processor CPU executing a sensing program.
- the sensor node SN0 can be realized in various shapes.
- the pulse rate can be determined by irradiating infrared rays toward the inside of the body and sensing the reflection. This utilizes the property that blood flow can be estimated from reflection because blood absorbs infrared rays.
- the name tag when it is configured to be worn outside of clothing, such as a name tag type sensor node, the name tag can be provided by providing a function of irradiating infrared rays to the outside and a function of receiving infrared rays from the outside. It is known that it is possible to detect the face-to-face of the people who wear them. That is, when both the worker W1 and another worker W2 wear the name tag type sensor node SN0 and face each other, their identifiers are transmitted and received by infrared communication.
- the details of the sensor node control can be the same as in Non-Patent Document 1 and Non-Patent Document 2.
- Information sensed by the sensor node SN0 is sent to the base station device BS1 directly by wireless communication or via a relay station.
- the data may be collected by wired communication with the cradle CRDL1 having a function as a data collection charger and transferred to the base station BS3.
- Information received by the base station BS is stored in the sensor database SD1 of the management server SV1 via the wired network LAN1.
- the base station device BS1 includes a processor CPU1, a radio circuit RF1, a memory MEM1 that stores a data transmission / reception program and a sensor node management program, and input / output devices IO0 such as buttons, LCDs, LEDs, buzzers, displays, mice, and keyboards. And an input / output IF 1 with an external network such as the Internet. Further, a sensor SNS1 such as sound, acceleration, temperature, humidity, illuminance, infrared ray, color, human sensor, RFID may be provided.
- the configurations of the base stations BS2 and BS3 are the same.
- the base station BS3 has an interface with the cradle CRDL1, a communication circuit, etc. instead of or along with the radio line RF1.
- the base station device BS1 receives sensing data from the sensor node SN0 wirelessly or by wire, and attaches its own identifier to the management server SV1 via the wired network LAN1.
- the position specifying device POS1 is hardware for detecting that the worker is in the space. For example, it is a device that transmits infrared rays including its own identifier at regular intervals. When the worker W1 wearing the name tag type sensor node SN0 works in front of the device, the infrared rays can be detected by the sensor node SN0.
- the management server SV1 can know the work location of each worker by associating the received identifier with the location information of the location specifying device. In addition to infrared rays, it is also possible to limit the location range by wireless transmission / reception and positioning technology, or to specify the location using an RFID reader. Further, the display device DISP1 used by the data viewer is connected to the LAN 1 by a wired or wireless LAN.
- the management server SV1 includes a network interface IF2, a processor (processing unit) CPU2, a memory MEM2, a sensor database SD1, and a recording device (storage unit) DB1.
- the network interface IF2 is an interface for connecting to the wired network LAN1.
- the sensor database SD1 stores sensing data acquired by various sensors.
- the recording device DB1 records various programs and various data tables described later.
- the sensor database SD1 and the recording device DB1 are, for example, a hard disk drive, a CD-ROM drive, a flash memory, or the like.
- the sensor database SD1 and the recording device DB1 can be configured by a single recording device.
- the processor CPU2 implements various functions by reading various programs stored in the recording device DB1 into the memory MEM2 and executing them.
- FIG. 2 is a diagram illustrating an example of sensing data stored in the sensor database SD1 of the management server SV1 when the management server receives the sensing data transmitted by the sensor node SN0.
- the table TIR1 is a table that stores temperature data, illuminance data, and infrared detection data.
- the column RMACID stores the network address of the device. In the column RUPTM, the time when the data is stored in the table SD1 is recorded.
- the column RGWAD stores an identifier of a base station device (for example, BS1) that has received data wirelessly.
- the column RAPHD stores the sensor node type.
- the column RDATY stores the type of data stored in the wireless packet. For example, 1 is stored in infrared detection data, 2 is stored in acceleration data, 3 is stored in audio data, and the like.
- the column RSENU is a periodic counter that is assigned from 0000 to FFFF in the order of frame transmission at the sensor node, and is reset to 0000 next to FFFF. When the divided frames are combined, the sequence number of the first frame is stored. In the column RSAID, the same sampling identifier is assigned to divided frames including data sampled in the same sensing period.
- the column ROBPE stores the current sensing interval (for example, 10 seconds / time) of the sensor node.
- the column RSEPE stores the current wireless transmission interval of the sensor node. It may be a numerical value representing the interval or a value that is several times the sensing interval.
- RSARA stores a sensor data acquisition cycle (for example, 50 Hz) in the sensor node.
- the column RSANU stores the current sampling count of the sensor node.
- the column RUSID stores the identification ID of the user who uses this node. In the column RFRNU, when the frame of data transmitted by the sensor node is divided into a plurality of frames, the total number of divided frames is n, n ⁇ 1, n ⁇ 2,.
- the column RFRSI stores the total number of a series of frames transmitted in division.
- the column RIST stores the time of the sensor node when this data is acquired by the sensor.
- the column RTEMP stores the temperature data acquired by the sensor node.
- the illuminance data acquired by the sensor node is stored.
- a column RBALE stores a value indicating the remaining battery level of the sensor node, for example, a power supply voltage.
- the column RLQI stores a value indicating the wireless communication quality between the sensor node and the base station, for example, LQI (LINK QUALITY INDICATOR).
- the column RIRDS stores the number of detected infrared data stored in this data.
- the column RIR stores the infrared data acquired by the sensor node.
- infrared data an identification ID of another worker and an identification ID of a position specifying device are stored.
- the column RHD stores data acquired by the human sensor of the sensor node.
- the column RCOL stores information acquired by the color sensor of the sensor node.
- the column RHUM stores information acquired by the sensor node humidity sensor.
- the table TACC1 stores acceleration sensor data instead of data such as infrared rays in the table TIR. The same contents as the table TIR1 are stored between the column RMACID and the column RIST.
- the column RACDS stores the number of detected acceleration data stored in this data.
- the column RACC stores acceleration data acquired by the sensor node.
- the table TVO1 stores audio data instead of data such as infrared rays in the table TIR.
- the same contents as the table TIR1 are stored between the column RMACID and the column RIST.
- the column RVODS stores the number of detected audio data stored in this data.
- audio data acquired by the sensor node is stored.
- Each table in the present embodiment is not limited to a table, but may be a storage area of an appropriate format.
- FIG. 3 shows the personal information table TEAMINFO stored in the recording apparatus DB1 of FIG.
- the personal information table TEAMINFO stores worker information such as each worker's affiliation, position, and seating location in association with the identification ID of each worker.
- This worker information is input and stored in advance by a data viewer or the like using an appropriate input unit with reference to an input instruction, an input area, or the like displayed on the display device DISP1.
- the column USERID stores the identification ID of the worker who uses the sensor node.
- the name of the worker is stored in the column UNNAME.
- the column GROUPID stores an ID for identifying the group to which the worker belongs. In this example, there are one or more teams in the group.
- a flag representing the leader of the group is stored. For example, 1 is stored in the leader of the group, and 0 is stored in other cases.
- the column TEAMID stores an ID for identifying the team to which the worker belongs.
- a column TLEDER stores a flag representing a team leader. For example, 1 is stored in the reader, and 0 is stored in other cases.
- the column POSID stores information representing the position. For example, 1 is stored in the manager, 2 is stored in the supervisor, and 3 is stored in the newcomer.
- ROOMID is stored identification information of a room (such as a living room) formally registered as the location of each employee.
- the column FLOORID stores information for identifying the floor on which the room designated in the column ROOMID is located.
- the column BLDID stores information for identifying a building or area having a floor specified by the column FLOORID.
- FIG. 4 shows a configuration example of the behavior analysis data table AEDATA stored in the recording device DB1 of the management server SV1.
- the management server SV1 executes the behavior analysis program AR1 with respect to the sensing data at a predetermined timing, interprets the behavior of each worker, and stores it in the behavior analysis data table AEDATA.
- the configuration of the behavior analysis data table AEDATA shown in FIG. 5 will be described.
- the column RUSID stores an ID for identifying the worker. It is obtained by referring to the value of RUSID in each table shown in FIG.
- the column RSMIN stores the time when the sensor node measured the data stored in the row. Here, it is assumed that each row stores one minute of data.
- the zero cross value and the worker activity level are calculated from the acceleration data detection number RACDS and acceleration data RACC values in the table TACC1 storing acceleration information by the following method, and stored in the columns ZC and ACTV. To do.
- a method for determining whether or not each worker is in an active state will be described.
- the present inventors conducted an experiment on the relationship between the user's behavior and the movement rhythm. From the results of video observation and the like, the time zone in which the active work is performed is compared with the other time zones. It turns out that the frequency of acceleration is high. For example, when talking, the frequency component from 2 Hz to 3 Hz is increased. Therefore, here, a time zone in which the frequency of acceleration exceeds a predetermined threshold value is set as an active state. Typically, the acceleration frequency is 2 Hz or more.
- this value varies depending on the type of person or business, and can be changed according to the situation. Actual data may be measured, and the distribution of each movement rhythm may be totaled, for example, an average value or a value of the top 25% may be obtained and set as a threshold value.
- the activity degree calculation process AR1 will be described with reference to FIGS. Each process in FIG. 6 and other flowcharts in this specification is executed by the CPU 2.
- the first acceleration frequency calculation (BMAA) is a process for obtaining a frequency from acceleration data (TACC1) arranged in time series.
- the frequency is defined as the frequency of the wave per second, that is, an index representing the intensity of vibration.
- the frequency may be calculated by Fourier transform, in this embodiment, in order to simplify the calculation, a zero cross value (number of zero crosses) is used as one corresponding to the frequency.
- the processing load on the server is reduced, which is also effective for an increase in the calculation amount of the server due to an increase in the number of sensor nodes.
- the zero-cross value is the number of times the time-series data value becomes zero within a certain period (unit time), more precisely, the time-series data is changed from a positive value to a negative value or from a negative value.
- the number of times of change to a positive value is counted. For example, when the period from when the acceleration value changes from positive to negative until the value changes again from positive to negative is regarded as one cycle, the vibration per second is calculated from the counted number of zero crossings. A number can be calculated. The vibration frequency per second calculated in this way can be used as an approximate frequency of acceleration.
- the sensor node SN0 of the present embodiment includes a triaxial acceleration sensor, one zero cross value is calculated by summing the zero cross values in the same triaxial direction. Thereby, in particular, a fine pendulum motion in the left-right and front-back directions can be detected and used as an index representing the intensity of vibration.
- a “certain period” for counting the zero-cross value a value larger than a continuous data interval (that is, the original sensing interval) is set. For example, the zero cross value per second and the zero cross value per minute are obtained.
- the acceleration frequency calculation BMAA
- the zero cross value at each time and the vibration frequency in seconds calculated therefrom are generated on the memory or as a file as the acceleration list (BMA1).
- an activity determination is performed on this list (BMA1). As described above, it is determined here whether or not it is active based on whether or not the acceleration exceeds a certain threshold value.
- the list (BMA1) is scanned in order. For example, a row where the frequency (obtained from the zero cross value as described above) exceeds the threshold value is “1” as the active state, and a row where the frequency is lower is inactive. As “0” is inserted.
- an activity list (BMC 2) obtained in units of seconds as to whether or not it is active in each time zone is generated.
- noise removal is performed on this list (BMC2).
- the role of noise removal is to generate a series such as “0000000111111111” in which the instantaneous change is removed by adding the context to the time series change of the activity obtained above, for example, “0001000111111001111”. It is.
- the process of removing noise can be performed by removing high-frequency components using a low-pass filter.
- a majority method may be used, which will be described below. In this method, the determination is made one by one from the beginning to the end in time series. Assume that the current i-th time zone is the object of determination.
- the number of active states and the number of inactive states are counted for a total of 2n + 1 time zones from the i ⁇ n-th time zone to the i + n-th time zone.
- This activity list is data in units of seconds.
- a period totaling process BMCD for calculating the activity in a longer time unit can be performed.
- an example of calculating the activity in minutes from the activity in seconds is shown.
- One method is to count the number of seconds that have been active in one minute, and if that is greater than or equal to a threshold value, that one minute is considered to be active. For example, if it exceeds 50%, it is regarded as an active state.
- the worker activity level calculated in this way is stored in the column ACTV. If it is an active state, that is, if it is an active action, “1” is stored, and if it is an inactive action, “0” is stored.
- face-to-face determination processing BMCE it is determined whether or not the person has been faced at the corresponding time and stored in the column COMM. For example, “1” is stored when meeting and “0” is stored when not meeting. This information is obtained by referring to the column RIR of the table TIR1 of the sensor database SD1 and checking whether or not the identification ID of another worker has been detected. The number of seconds that have been in a face-to-face state during the corresponding one minute is totaled, and if it is equal to or greater than a threshold value, that one minute is regarded as a face-to-face state. For example, if it exceeds 50%, it is considered as a face-to-face state.
- the inventors paid attention to the frequency distribution of the zero cross values stored in the BMA 1 as described above. In other words, it is how many zero-cross values are generated when a plurality of zero-cross values are obtained by continuing measurement, and whether a characteristic tendency can be seen in the zero-cross values. If there is a common feature among different people regarding the distribution of zero-cross values, it is possible to represent the feature of human behavior with a small amount of data by indexing the feature.
- FIG. 7 shows the characteristics of human behavior seen from actual data.
- FIG. 7 is a diagram showing how the zero-cross value per minute acquired from a wristwatch-type sensor changes in three days (72 hours). Since the trend is not understood only by this, FIG. 8 shows how many zero cross values are obtained for typical activities. It is the figure which took the zero cross value per 10 minutes acquired from the sensor on the horizontal axis, and took cumulative occurrence frequency on the vertical axis. For example, the number of times that the zero cross value is 120 or more is displayed at the horizontal axis 120. 120 is equivalent to 1 Hz in terms of frequency.
- shaft of the figure has taken the logarithm. Moreover, the value of the horizontal axis of a figure shows the value converted per minute.
- FIG. 9 shows a distribution of zero cross values for each hour of a certain worker on a certain day. Compared with the time zone, for example, the zero cross value is high at 8 o'clock when traveling by commuting or 12:00 when having lunch, and the state of the worker appears. In this way, if attention is paid to a certain action or a certain hour of continuous action, the appearing zero-cross values vary and there is no common tendency at first glance. This is not limited to this worker. From this, it can be considered that a person with a lot of concentrated work has many low zero-cross values reflecting it, and conversely, a person with many conversations and business trips is likely to generate a high zero-cross value.
- FIG. 10 The upper diagram in FIG. 10 is a graph totaled every three hours, and the lower diagram is a graph totaling one day.
- the upper diagram of FIG. 11 is a graph summed up for three days, and the lower diagram is a graph summed up for two weeks. Looking at these figures, it can be seen that the graph descends linearly from the upper left to the lower right from the point of summing up the day and descends at a steep angle from the middle. If you look at the totals for 3 days and the totals for 2 weeks, the linearity of the graph becomes quite remarkable. This is not the tendency seen by a single person.
- the upper diagram of FIG. 11 is a graph summed up for three days
- the lower diagram is a graph summed up for two weeks. Looking at these figures, it can be seen that the graph descends linearly from the upper left to the lower
- FIG. 9 shows the overall common tendency as shown in FIG. 9 and the like, when a graph for every hour or a graph for each activity is written, it is biased to a certain zero cross value reflecting the activity. As the time it takes to aggregate is increased, the overall common tendency becomes apparent.
- FIG. 13 shows the total result for 5 minutes and the total result for 20 minutes in addition to the total result for 10 minutes. As shown in the figure, the same tendency as in 10 minutes can be seen at 5 minutes or 20 minutes.
- the first is the degree of inclination of the portion that linearly descends from the upper left to the lower right, and is called feature A (second feature data).
- the second is the amount of activity (zero cross value) when the slope changes greatly, and is called feature B (first feature data).
- the third is the slope over the amount of activity indicated by feature B, and is called feature C (third feature data).
- the fourth is the linearity of the line segment at the slope A portion, and is called feature D (fourth feature data).
- Non-Reference Document 2 shows that a person's health condition is related to behavior duration. Specifically, it has been discovered that the duration of behavior is statistically different for depressed patients and healthy individuals. After mounting the sensor in the same manner as shown in the present invention and obtaining the zero cross value per minute, with a certain zero cross value as a boundary, the active state is set when it is above the boundary, and Inactive state. Next, we quantify how continuously each state occurs.
- Non-Patent Document 2 paying attention to the frequency distribution of the continuous time, the result of graphing is shown.
- the logarithm of the continuous time in the inactive state is taken on the horizontal axis and the logarithm of the ratio of the cumulative frequency is taken on the vertical axis, the tendency of the power distribution that becomes a straight line on the graph is shown.
- depression patients have a gentler slope of the straight line and a higher ratio of the inactive state lasting longer than healthy individuals.
- FIG. 14 shows a flow for obtaining the features A to D. As described above, each process of this flow is also executed by the CPU 2.
- the zero cross value calculated every minute in FIG. 6 is used as an input.
- data may be read from the AEDATA column ZC.
- AEDATA column ZC a case where each one-minute zero-cross value appears as 12, 9, 5, 21, 61, 45, 16, 50, 2, 28, 42, and 35 will be described. This is a very small 12 minute sample, but the basic process is the same whether it is for one day or two weeks.
- the histogram creation ADCALC01 the system sequentially scans zero-cross values every minute and updates the corresponding part of the histogram information ADCALC01A according to the size.
- the width of the first class of the histogram information ADCALC01A is set to a zero cross value of 20, for example.
- the range of 0 to 20 is 5 times
- the range of 20 to 40 is 3 times
- the range of 40 to 60 is 3 times
- the range of 60 to 80 is 1 time
- the range is 0 times.
- cumulative frequency calculation ADCALC02 the cumulative frequency of each range is calculated.
- the cumulative frequency at a certain zero cross value (reference value) X is the frequency at which the zero cross value becomes X or more in the samples of all zero cross values.
- zero or more zero cross values are 12 times, 20 or more zero cross values are 7 times, 40 or more are 4 times, 60 or more are 1 time, and more are 0 times.
- the range in which the cumulative frequency is 0 is not subject to calculation thereafter.
- the range of each class and the cumulative frequency of the range are stored in the cumulative frequency information ADCALC02A of the recording apparatus DB1.
- the above-described reference value corresponds to, for example, a class of histogram information.
- the cumulative frequency with respect to the reference values of a plurality of zero cross values may be obtained by an appropriate method.
- ADCALC03 a logarithmic value related to each cumulative frequency of ADCALC02A is calculated.
- LN (12) 2.48.
- the logarithm of the cumulative frequency of zero or more zero cross values is 2.48, 1.95 at 20 or more, 1.39 at 40 or more, and 0 at 60 or more.
- ADCALC03A the logarithm of the cumulative frequency of zero or more zero cross values.
- an inflection point is obtained by approximating a distribution of a reference value of the number of zero crossings and a logarithmic value of cumulative frequency with respect to the reference value (hereinafter also referred to as cumulative frequency distribution) by a curve or a plurality of straight lines. To do. On this graph, a value of about 40 zero crossings is a desired value. As a method of obtaining this, several methods can be considered arithmetically. For example, when an approximate line is drawn on the graph based on a value from 0 to a certain range, and the deviation from the approximate line exceeds a certain threshold value, the zero cross value at that time may be used as the inflection point.
- FIG. 16 shows a calculation flow.
- ACALC01 in the cumulative frequency graph (see FIG. 17), the straight line connecting the cumulative frequency logarithmic value (YMAX) when the zero cross value is 0 and the point where the zero frequency is the maximum (XMAX) and the cumulative frequency logarithmic value is zero.
- the straight line count is stored in ACALC01A of the recording apparatus DB1.
- it is a straight line passing through (0, YMAX) and (XMAX, 0).
- YMAX * x + XMAX * y ⁇ YMAX * XMAX 0.
- a is the value of YMAX
- b is the value of XMAX
- c is -YMAX *.
- the value is XMAX.
- This straight line is illustrated by ACALC01B in FIG.
- attention is paid to the fact that the point at which the gentle slope changes to a steep slope is generally the portion farthest from the reference straight line.
- the distance between each point and the reference line is obtained, and the zero cross value at the longest time is defined as the feature B. Since the gentle slope changes to a steep slope, the graph becomes a bumpy top. Occasionally there are parts where the actual value falls below the reference line due to noise or the like, but this is not subject to distance calculation.
- the distance calculation ACALC02 the distance between the above-mentioned reference straight line and each point on the graph is calculated, and the number of zero crosses of the point having the largest distance is stored in the ACALC02A of the recording apparatus DB1 which is the feature B.
- the distance between the reference line and a certain point (X0, Y0) can be expressed as ABS (YMAX * X0 + XMAX * Y0-YMAX * XMAX) / SQRT (YMAX * YMAX + XMAX * XMAX).
- ABS means a function that takes an absolute value
- SQRT means a function that calculates a square root.
- the zero cross value is 0, the 20 point is 0.29, the 40 point is 0.56, and the 60 point is 0.
- the point having the maximum distance is specified.
- the feature B is obtained as the zero cross value 40 and stored.
- ADCALC05 the slope of the straight line portion (first approximate line) in the above-described feature A, that is, the portion with a low zero-cross number in the cumulative frequency distribution is calculated, and the result is stored in ADCALC05A of the recording apparatus DB1. This corresponds to the inclination of the range of ACALC01D in FIG.
- the value of the feature B obtained according to the flow shown in FIG. 16 can be used.
- an approximate straight line in a range where the zero cross value is the value of the feature B may be obtained from the zero cross value 0.
- processing of linearity calculation ADCALC06 will be shown.
- the above-mentioned feature D that is, the linearity in the portion where the number of zero crosses is low in the cumulative frequency distribution is calculated, and the result is stored in ACALC06A of the recording apparatus DB1.
- ACALC06A of the recording apparatus DB1.
- how straight the portion of ACALC01D in FIG. 17 is is calculated.
- the distribution of this portion is a complete straight line, the value is high, and the value is lowered as the distribution fluctuates up and down and away from the straight line.
- the zero cross value from 0 to the range of the value of the feature B It is to obtain a correlation coefficient between a set of x coordinates and a set of y coordinates. Since the slope of the straight line is negative, the correlation coefficient multiplied by -1 will be described as feature D. When there is perfect linearity, the correlation coefficient is ⁇ 1 and the feature D is 1. The feature D is 0 when there is no linearity. More specifically, the points (0, YMAX), (X1, Y1), (X2, Y2), (feature B, feature B) are included in the corresponding range where the zero cross value is 0 to the value of feature B.
- the cumulative frequency of the x coordinate set (0, X1, X2,..., Feature B) and the y coordinate set (YMAX, Y1, Y2,. (Logarithmic value) correlation is calculated and stored.
- the feature D 0.99994.
- inclination calculation processing ADCALC07 is shown.
- the slope of the straight line portion (second approximate straight line) in the above-described feature C that is, the portion where the zero cross number is high in the cumulative frequency distribution is calculated, and the result is stored in ADCALC07A of the recording apparatus DB1.
- the value of the feature B obtained according to the flow shown in FIG. 16 can be used.
- an approximate straight line in the range of the maximum value actually detected from the value of the feature B of the zero cross value may be obtained.
- a straight line having the highest approximation is obtained with respect to all coordinates of (the logarithmic value of cumulative frequency at the time of feature B and feature B) (X1, Y1) (X2, Y2), (XMAX, 0). .
- a standard least square method can be used to obtain a minimum sum of squares of Y coordinate prediction errors.
- a straight line passing only two points of (feature B, logarithmic value of cumulative frequency when feature B) and (XMAX, 0) are used. It can be substituted for the inclination.
- feature C (logarithm of cumulative frequency when ⁇ 1 * feature B) / (XMAX ⁇ feature B).
- other indices are also obtained as indices that characterize the cumulative distribution graph.
- the linearity of the straight line portion in the portion where the number of zero crosses is high can be obtained in the same manner as the feature D.
- the slope of the entire approximate line can be obtained in the same manner as the feature A by combining the high part and the low part.
- linearity can be obtained in the same manner as the feature D for the whole.
- FIG. 14 shows an example in which the inflection point calculation ADCALC04 is executed when the distribution feature amount is obtained, and the slope and linearity are obtained by dividing the first half portion having a lower zero cross value and the second half portion having a higher zero cross value than that point. .
- an average zero cross value or the like can be used as a method of dividing the first half and the second half.
- the overall inclination instead of the features A to D, the overall inclination, the inclination of the approximate straight line within the range below the average (third approximate straight line), the inclination of the approximate straight line within the range above the average (fourth approximate straight line), the average below
- the feature of the difference between the slope and the slope above average can be created.
- FIG. 18 shows the result of analyzing whether or not there is a statistical difference between the two groups when the above-described feature amount is calculated.
- the feature amount D is less linear in the high stress group than in the low stress group. This means that there is a large amount of bias, with a lot of activities or few activities.
- the typical distribution of the amount of activity of human behavior is expressed by very few feature quantities, and it has been clarified in the experimental range that it represents an internal state such as human stress.
- the program SEST for estimating the stress level of a person can be executed according to the flow of FIGS.
- the stress value for example, CES-D value
- the questionnaire can be conducted on a web site on the Internet or can be collected by e-mail or the like.
- the questionnaires are aggregated by the method determined by the questionnaires conducted. In the case of the above-mentioned CES-D questionnaire, the user answers each question in four stages from 0 to 3.
- a subjective stress value can be calculated by summing up the results.
- the stress value obtained in advance may be read from the recording medium, may be input by an input unit or the like, or may be received from another device via a communication line.
- the calculation result SEST02A is stored.
- the calculation target period is data for a certain period including the questionnaire response date stored in the subjective data SEST01A.
- the length of the period is set in advance by the calculation parameter SEST02B, for example, to perform the process of SEST02.
- the calculation target period is stored here in units of days.
- the index is calculated using all the data from the data 10 days before the calculation start time to the calculation date. This number can be set in advance by the system developer, or can be changed by the system user taking into account the attributes of his / her work.
- parameters for estimating a subjective stress value stored in the SEST01A using the information of the features A to D of the SEST02A are used as parameters for the known features AD and the known stress. Calculate from the value and store the result in the estimated parameter SEST03A.
- estimated stress data obtained based on the weighting factors J, K, L, and M for each of the obtained feature data A to D and feature data A to D, and the input stress value
- J to M the value of J to M is assumed to be common to all users, and is stored in SEST03A.
- a predetermined user's stress estimation process SEST04 can be performed without obtaining a questionnaire.
- This processing flow is shown in FIG.
- SEST04 the features A to D (SEST02A) of the target user are calculated, and using the estimated parameter (JM) SEST03A calculated in FIG. 19, the estimated stress value SEST04A of the target user is calculated.
- JM estimated parameter
- an estimated stress value may be obtained for each user.
- SEST01 to SEST03 are executed.
- the questionnaire information SEST01 can be acquired at any time, and the estimation parameter SEST03A can be estimated each time it is acquired.
- the flow for calculating the common feature weight SEST03A is described even when there are a plurality of users.
- the feature weight can be calculated for each user. Thereby, it can be expected that the estimation accuracy is further improved.
- the feature weight SEST03A can be recorded for the number of people and stored in association with the user ID information.
- the estimated stress value SEST04A can be calculated by referring to the corresponding portion of the feature weight SEST03A based on the ID information of the corresponding user.
- the estimation method based on the subjective questionnaire regarding the degree of stress called CES-D has been described above.
- the present invention is not limited to this specific questionnaire, but is a questionnaire for confirming the internal state that appears in human behavior. If there is, it can be used widely. Among them, in particular, questionnaires on stress, depression, mental illness, fatigue, etc. that have a correlation with CES-D, or happiness, fulfillment, work satisfaction, teamwork, etc. that have a negative correlation The affinity with the questionnaire is high.
- data such as business productivity and business results that reflect the internal state can be used.
- FIG. 21 shows a typical display example.
- An example of a device to be displayed is shown in Device FBA.
- One of the screen examples FB1 to FB3 is displayed on the device. Any one of FB1 to FB3 can be always displayed, and FB1 to FB3 can be sequentially displayed by a button or the like mounted on the FBA.
- the latest stress estimation value for a certain period is displayed as FB1A.
- the period to be calculated is determined with reference to the parameter SEST02B as described above.
- the stress value is estimated for the data for 10 days until the previous day of display. By looking at this value, the user can determine whether his / her stress state is high or low, and if the stress is high, the user can take a rest or perform exercise or entertainment to relieve stress.
- an increase or decrease in the estimated stress value can be displayed by a numerical value or a figure. For example, when the stress value is increased by 1 from the previous target period, it can be displayed as FB1B.
- the increase / decrease is obtained by calculating the amount of change in the estimated stress value by comparing the currently displayed target period with the past period. For example, it is possible to calculate the current estimated value with the action information for 10 days until the day before display, and the past estimated value with the action information for 10 days from 11 days to 20 days before the display date.
- the screen FB2 is an example in which, in addition to the estimated stress value, the values of the characteristics A to D that are the basis of the numerical value and the increase / decrease thereof are displayed.
- Features A to D can be displayed as FB2B to FB2E, and the increase / decrease can be displayed as FB2G to FB2J.
- the screen FB3 is an example in which the display is performed with a figure instead of a numerical value. As shown in FIG. 15, the distribution of zero cross values is calculated and the curve is displayed. By performing feedback according to the figure, although the user does not know the exact number, it may be easy to intuitively grasp the overall trend and characteristics. In addition to the latest period curve, it is also possible to display a past period curve together. It is also possible to change the color and thickness of the line to improve visibility.
- the device SN0 performs processing until the data is acquired and the result is transmitted to the server SV1, and then data processing and stress estimation are performed on the server SV1 having high calculation capability to generate feedback information. Then, the system provided to the user is described by sending the result to the device SN0 or by means such as e-mail or the Internet. Data processing and display are not necessarily performed on the above-described device, and can be performed on other hardware. For example, if the calculation capability of the device SN0 is high, data processing and stress estimation can be performed on the SN0, and only the result can be transmitted to the server SV1. The configuration of this system is shown in FIG.
- the manager of that department is responsible for the average stress level of their department or the estimated stress. Knowing high people makes it possible to perform appropriate management.
- the ID of the wearing device is stored in association with the contact information of the person who receives the information and the information of the browsing device.
- the system estimates the stress level of all users in the department, averages it, and then provides feedback to the manager via email or a web browser.
- information on the average stress value of the department can be transmitted to the device and displayed. As a result, the manager can reduce the amount of work for the entire department or a specific individual, and can plan activities for relieving stress.
- Example 2 In the first embodiment, an example is shown in which indices of features A to D are calculated from the distribution of zero cross values, and a stress value is estimated based on the calculated indexes.
- the present embodiment is not limited to the distribution of zero-cross values and the features A to D, but also has a distribution tendency common to different people, and the feature of the distribution is a straight line slope or linearity. Applicable.
- an example of measuring the characteristics of the behavior duration distribution will be shown below. In the above-mentioned non-patent document 2, it is discovered that when a patient with depression is compared with a healthy person, the duration of behavior is statistically compared.
- a certain zero cross value is set as a boundary, and when it is above the boundary, it is in an active state, and when it is below the boundary value, it is in an inactive state.
- the result of quantifying how continuously each state occurs and graphing the frequency distribution of the continuous time is shown.
- the logarithm of the continuous time in the inactive state is taken on the horizontal axis and the logarithm of the cumulative frequency ratio is taken on the vertical axis, it becomes a straight line on the graph.
- the depression patients have a gentler slope of the straight line and a higher ratio of the inactive state lasting longer than the healthy individuals.
- the continuous time of the active state is not a straight line on the graph, and the slope of the straight line cannot be quantified, and there is no mention of a great difference between a depressed patient and a healthy person.
- the inventors paid attention to the possibility that it can be used for stress estimation by calculating the characteristics of the graph in the same manner as described above with respect to the continuous time of the active state.
- the estimation accuracy could be improved by subdividing the activities and calculating the continuous time of each activity, instead of simply equating all activities and calculating the continuous time.
- communication activities is one of the major factors of stress.
- Non-Patent Document 2 it is difficult to determine whether the activity is a communication activity or an individual activity with a sensor equipped with only an acceleration sensor.
- a name tag type device equipped with infrared communication as described above can be used for determination. In the above-described system, one value is used to determine the active state and the inactive state. In contrast, the inventors focused on the possibility of more accurate estimation by providing some criteria for determining whether or not an active state is present.
- FIG. 23 is a diagram illustrating the configuration of the present system.
- the sensor SNS0 includes at least an acceleration sensor and an infrared sensor that detects a facing state.
- the sensor node SN0 has an infrared output unit.
- FIG. 24 shows the overall flow of processing on the server.
- the server SV1 executes this processing periodically such as on a daily basis, or at appropriate times in response to a user request.
- the following processes are executed by the CPU 2.
- the data analysis processing AR2 is performed from the sensor data, and the behavior analysis data AEDATA2 for every minute is calculated.
- FIG. 25 shows a detailed example. First, the above-described AR1 (FIG.
- the activation determination threshold value determination process KCALC01 one determination threshold value is acquired from the threshold value list KCALC01B and stored in KCALC01A. This is a process necessary to select a criterion for determining whether or not an active state is selected from a plurality of items in order, calculate continuity characteristics for all, and select the one with the highest estimated stress value.
- the threshold value for determination can be predetermined and stored in a threshold value list.
- the activation determination BMCB, the noise removal BMCC, and the period totaling process BMCD are performed to determine whether or not the activation state is set at each time.
- these processes are performed for all candidates included in the threshold value list KCALC01B, and all results are stored in AEDATA2.
- the activity at each time is specified by the face-to-face determination BMCE as in the method described above. Specifically, it is determined whether the activity is a communication activity or an individual activity.
- the duration calculation process AR3 the duration of the active state and the duration of the inactive state are obtained, and the results are stored in the duration list AR3A.
- the data is manipulated in time series with respect to the behavior analysis data AEDATA2, and the active state and the inactive state are totaled. For example, suppose that the active state is 1 and the inactive state is 0, and the active state of a worker is 0, 0, 1, 1, 1, 0, 1, 1 in chronological order. In this case, the length in which the same state continues at 0 or 1 is calculated.
- inactivity lasts for 2 minutes
- activity lasts for 3 minutes
- inactivity lasts for 1 minute
- activity lasts for 2 minutes.
- the histogram calculation ADCALC01 the durations obtained above are totaled to create histogram information.
- the subsequent processing may be the same as the processing described with reference to FIG. With respect to the duration distribution, features A to D can be calculated.
- stress estimation can be performed as shown in FIGS. 19 and 20, and the result can be displayed as shown in FIG.
- FIG. 24 shows an example in which features A2, B2, C2, E, and F are obtained instead of features A to D as shown below.
- FIG. 26 shows an example in which stress estimation using the continuity feature is performed.
- the difference between A2 and C2 is calculated as a feature E, and the linearity of the entire distribution is calculated as a feature F (ADCALC08, ADCALC062).
- the feature F can be regarded as linearity by calculating a correlation coefficient with a straight line.
- 150 indices are calculated as 2 * 5 * 5 * 3.
- a multiple regression analysis was performed using these 150 indices as explanatory variables and the stress values obtained from the questionnaire as objective variables. While the indicators with low contribution were sequentially deleted, the following three remained as indicators with high contribution (t value of 1 or more).
- the first is a feature V relating to the continuous time distribution of the active state of 0.25 Hz or higher without distinguishing between the face-to-face state and the personal work state. A person with high stress means less activity lasts longer.
- the second is a feature W related to the continuous time distribution of the active state of 0.25 Hz or more when only the individual work state is targeted. For people with high stress, the slope changes suddenly. This also means that activities do not last long.
- the third is a feature X related to the distribution of continuous time in an active state of greater than 0 Hz when personal work is targeted. People with high stress have low linearity. Generally, this also means that the activity is unlikely to continue for a long time, like the former two. Through the three indicators, people with high stress are common in that the active state does not last long.
- the relationship with stress can be seen, and it is possible to distinguish between the individual work state and the face-to-face state as in the present invention. The effectiveness was shown. The figure is a sample of those with high and low stress among the 510 people measured. It can be seen that those with low stress have a long duration and high linearity of distribution. On the other hand, a person with high stress has a long duration and has a steep slope in a long duration range.
- the stress value was estimated using the method shown in FIGS.
- the features A2, B2, C2, E, and F were used instead of the features A to D.
- verification of the estimation result was performed by the following approach.
- a CES-D questionnaire was conducted for a total of 510 people, and 16 or more people were assigned to the high stress group, and the others were assigned to the low stress group.
- a total of 510 people were randomly divided into two groups, and the processing of FIG. 19 was performed by 205 people in one group, and feature weight calculation SEST03 was performed to calculate feature weights.
- the estimated value ESTi of a certain user's stress can be calculated from the features A2, B2, C2, E, and F and their respective weights.
- each weight is calculated.
- stress values were estimated for 205 people in the other group. Based on the estimated stress value, it was decided that 16 or more people were regarded as high stress persons and other persons were regarded as low stress persons.
- One of the verification criteria is whether or not a person who is determined to be highly stressed by the CES-D questionnaire is determined to be highly stressed even by an estimated value. Called the true positive rate. As a result of the calculation, it was possible to estimate that 95 people, 83% of the 114 people judged to be high stress by the CES-D questionnaire, were high stress. On the other hand, 26 out of 91 people were able to correctly estimate low-stress people as low-stress people, about 29%. It is not yet accurate enough, but it can be used as a guide.
- Configuration Example 1 There are sensors, base stations and servers, The sensor takes acceleration data and sends the data to the server via the base station, The server calculates and records the number of zero crossings from the acceleration data, The server calculates and records the frequency distribution of the number of zero crossings, The server uses the slope of the approximate straight line of the distribution, the linearity of the distribution, the inflection point, the slope of the approximate straight line in the range of zero cross values lower than the inflection point, the slope of the approximate straight line in the range of zero cross values higher than the inflection point, Find and record one or more values of the linearity of the distribution of the zero-cross value range lower than the inflection point and the linearity of the distribution of the zero-cross value range higher than the inflection point, An information processing system for outputting the value to a display device connected to the information system.
- the information system has a questionnaire interface that listens to human stress, The server calculates and records the weight of each feature so that the error with the questionnaire results is small, The server estimates and records the stress from the feature amount and the feature weight, An information processing system for outputting the value to a display device connected to the information system.
- the sensor has a function of taking acceleration data, taking face-to-face data with infrared rays, and transmitting it to the server via the base station,
- the server calculates and records the number of zero crossings from the acceleration data,
- the server has threshold information for the number of zero crossings,
- the server determines and stores whether the wearer is in an active state or an inactive state in each unit time based on the number of zero crosses and the threshold value,
- the server determines and stores whether the wearer is in a face-to-face or personal work state at each unit time based on infrared information,
- the server calculates and stores the length of each state based on the activity determination result and the state determination result,
- the server determines and records the frequency distribution of the duration, Server approximates slope of distribution, linearity of distribution, average duration, slope of approximate straight line of distribution in range of duration shorter than average duration, linearity of distribution, duration of longer than average duration The slope of the approximate straight line of the distribution in the range, the linearity of the
- the information system has a questionnaire interface that listens to human stress, The server calculates and records the weight of each feature so that the error with the questionnaire results is small, The server estimates and records the stress from the feature amount and the feature weight, An information processing system for outputting the value to a display device connected to the information system.
- the present invention can be used, for example, in a system that collects and stores information indicating characteristics of human movement using a sensor device.
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Dentistry (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
活動量としては、ゼロクロス周波数という指標が用いられる。これは、加速度計で得られる情報から、装着者が何Hzの行動を行っているかを表すための指標であり、例えば歩行時には典型的には2Hz程度、web閲覧などのほとんど静止しているような状態でも0.5Hz程度の周波数が見られる。算術的には、例えば加速度計のX軸、Y軸、Z軸の各軸の測定値を二乗して足し合わせ、その平方根を取ることにより得られる。この指標を、1分毎など、単位時間ごとに算出し、その1分における活動量の目安とすることができる。本明細書では以下、本定義を活動量の例として説明するが、例えば加速度の絶対値や、歩数など、活動の大きさを表し、本定義とある程度相関するような指標は同様に扱うことができる。
またデータ量の削減は、単にハードディスクデバイスの効率的な利用だけではなく、デバイスやデータセンタ間、およびその間にある基地局や中継局のデータ転送速度も向上(転送時間を短縮)させる。これにより、低電力化の効果が期待できる。
従来から、分布の特徴を算術的に縮小する方法はいくつか存在する。たとえば、平均値や標準偏差が基本的な指標として用いられる。しかしこれらの指標には課題がある。
例えば平均値では、全期間における、活動量の平均値を知ることができる。しかしこれでは、期間の中での行動の分布を知ることはできない。たとえば、あるストレスや疲労を抱えた人の活動量が、1日の中で変化していたとしても、平均値にしてしまうと、それが見えなくなってしまう。一方、分布の広さを見るための指標として代表的なものは、標準偏差である。こちらは、ある事象が発生している時に、それが平均値からどれほどの広がりを持って発生しているかを表す指標である。これには別な課題がある。まずひとつは、人間の活動量が、後に示すように、必ずしも正規分布でないことである。単純に言えば、活動量が少ない状態が、活動量が高い状態よりも多い。このような分布は、標準偏差の指標では、うまく表現されない。また2つめの課題は、頻度が少ない特徴的な現象が発生していることが、見えなくなってしまうことである。
ヒストグラムは、幅を細かく取れば取るほど、どのような分布で活動が発生しても、元の状態が再現されやすいという長所を持っている。しかしながら、幅を細かく取るほど、その分の情報を記憶するためのデータ量は増大する。単純には、幅を細かくして数が10倍になれば、全体の出現頻度を記憶する容量が10倍必要になる。
本発明は、以上の点に鑑み、センシングして取得した人の行動に関する情報を、人の行動の特徴を示す少ない情報量の情報に圧縮することを目的のひとつとする。また、本発明は、データ量の増大や、ネットワーク負荷の増大、小型デバイスへの表示などの、課題を解消することを目的のひとつとする。
情報処理システムは、例えば、
センサと基地局とサーバを備え、
センサは加速度データをとってデータを基地局を介してサーバに送信し、
サーバは加速度データからゼロクロス数を求めて記録し、
サーバはゼロクロス数の頻度分布を求めて記録し、
サーバは分布の近似直線の傾き、分布の直線性、変曲点、変曲点よりも低いゼロクロス値の範囲の近似直線の傾き、変曲点よりも高いゼロクロス値の範囲の近似直線の傾き、変曲点よりも低いゼロクロス値の範囲の分布の直線性、変曲点よりも高いゼロクロス値の範囲の分布の直線性のうちの1つ以上の値を求めて記録し、
その値を上記情報システムに接続される表示装置に出力する。
また、上述の情報処理システムは、
人のストレスを聞くアンケートインタフェースを持ち、
サーバは、アンケート結果との誤差が小さくなるように、各特徴量の重みを計算して記録し、
サーバは、上記特徴量と、特徴量の重みから、ストレスを推定して記録し、
その値を上記情報システムに接続される表示装置に出力する。
本発明の第1の解決手段によると、
人の動きによる人の加速度を所定期間にわたり測定するセンサと、
測定された加速度データに基づき、人の動きの速さに関する特徴データを求める処理部と、
求められた特徴データを格納する記憶部と
を備え、
前記処理部は、
前記センサにより測定された加速度データから、予め定められた単位時間毎の動きの速さを求め、
動きの速さの複数の基準値のそれぞれについて、求められた単位時間毎の動きの速さのうち、動きの速さが該基準値以上であるものをカウントして、該動きの速さの基準値に対する累積頻度とし、
動きの速さの基準値と該基準値に対する累積頻度の対数値との分布に基づく統計データを、人の行動の特徴データとして求めて前記記憶部に格納する情報処理システムが提供される。
上述の情報処理システムにおいて、例えば、
前記動きの速さは、加速度データがゼロになった又はゼロをまたいだ回数を示すゼロクロス数であり、
前記処理部は、
前記センサにより測定された加速度データから、前記動きの速さとして予め定められた単位時間毎のゼロクロス数を求め、
ゼロクロス数の複数の基準値のそれぞれについて、求められた単位時間毎のゼロクロス数のうち、ゼロクロス数が該基準値以上であるものをカウントして、該ゼロクロス数の基準値に対する前記累積頻度とし、
ゼロクロス数の基準値と該基準値に対する前記累積頻度の対数値との分布に基づく統計データを、前記人の行動の特徴データとして求めて前記記憶部に格納する。
上述の情報処理システムにおいて、前記処理部は、例えば前記分布に対するひとつ又は複数の近似直線の傾き又は直線性を示す指標を前記特徴データとして求める。
上述の情報処理システムにおいて、前記処理部は、例えば、
ゼロクロス数の基準値と該基準値に対する累積頻度の対数値との分布を曲線又は複数の直線で近似した際の変曲点である第1特徴データと、
該変曲点よりも低いゼロクロス数の範囲の第1近似直線の傾きである第2特徴データと、
変曲点よりも高いゼロクロス数の範囲の第2近似直線の傾きである第3特徴データと、
変曲点よりも低いゼロクロス数の範囲の分布の直線性を表す指標である第4特徴データと
のうちのひとつ以上を含む前記特徴データを求めて前記記憶部に格納する。
上述の情報処理システムにおいて、前記特徴データは、前記第1乃至第4特徴データのすべてを含むことができる。
上述の情報処理システムにおいて、前記特徴データは、さらに、前記分布全体の近似直線の傾き、該分布全体の直線性、及び、前記変曲点よりも高いゼロクロス数の範囲の分布の直線性のうちのひとつ以上を含むことができる。
上述の情報処理システムにおいて、前記処理部は、
ゼロクロス数の平均値と、
該ゼロクロス数の平均値よりも低いゼロクロス数の範囲の第3近似直線の傾きと、
該ゼロクロス数の平均値よりも高いゼロクロス数の範囲の第4近似直線の傾きと、
該第3近似直線の傾きと第4近似直線の傾きの差と、
分布全体の近似直線の傾きと
のうちのひとつ以上を含む前記特徴データを求めて前記記憶部に格納してもよい。
上述の情報処理システムにおいて、前記処理部は、求められた前記特徴データを表示装置に出力することができる。
上述の情報処理システムは、
前記センサと、測定された加速度データを送信する送信部とを有するセンサノードと、
前記センサノードからの加速度データを受信する受信部と、前記処理部と、前記記憶部とを有するサーバと
で構成されることができる。
また、上述の情報処理システムは、前記センサと、前記処理部と、前記記憶部とを有するセンサノードで構成されてもよい。
上述の情報処理システムは、前記センサを複数備え、複数の前記センサは、各々の測定対象の人の加速度を測定し、
前記処理部は、
測定対象の人ごとに第1乃至第4特徴データを求め、
予め指標化された前記測定対象の人のストレス値をそれぞれ入力し、
測定対象の人それぞれについての、求められた第1乃至第4特徴データ及び該第1乃至第4特徴データのそれぞれに対する重み係数に基づき得られるストレス推定値と、入力されたストレス値との誤差の総和が小さくなるように、各重み係数を求め、
求められた各重み係数を前記記憶部に格納することができる。
上述の情報処理システムにおいて、前記処理部は、求められた第1乃至第4特徴データと、該第1乃至第4特徴データのそれぞれに対する重み係数とに基づき得られるストレス推定値を求め、前記記憶部に格納することができる。
人の動きによる人の加速度を所定期間にわたり測定するセンサと、
測定された加速度データに基づき、人の動きの速さに関する特徴データを求める処理部と、
求められた特徴データを格納する記憶部と
を備え、
前記処理部は、
前記センサにより測定された加速度データから、予め定められた単位時間毎の動きの速さを求め、
単位時間毎の動きの速さが、予め定められた閾値を超えているか否かにより、該時間において活性状態か非活性状態かをそれぞれ判定し、
活性状態の継続時間及び/又は非活性状態の継続時間を時系列順に求め、
継続時間の複数の基準値のそれぞれについて、求められた活性状態の継続時間及び/又は非活性状態の継続時間のうち、継続時間が該基準値以上であるものをカウントして、該継続時間の基準値に対する累積頻度とし、
継続時間の基準値と該基準値に対する累積頻度の対数値との分布に基づく統計データを、人の行動の特徴データとして求めて前記記憶部に格納する情報処理システムが提供される。
上述の情報処理システムにおいて、前記動きの速さは、例えば加速度データがゼロになった又はゼロをまたいだ回数を示すゼロクロス数である。
上述の情報処理システムにおいて、前記処理部は、例えば前記分布に対するひとつ又は複数の近似直線の傾き又は直線性を示す指標を前記特徴データとして求める。
上述の情報処理システムにおいて、前記処理部は、例えば、
継続時間の基準値と該基準値に対する累積頻度の対数値との分布を曲線又は複数の直線で近似した際の変曲点である第1特徴データと、
該変曲点よりも低い継続時間の範囲の第1近似直線の傾きである第2特徴データと、
変曲点よりも高い継続時間の範囲の第2近似直線の傾きである第3特徴データと、
変曲点よりも低い継続時間の範囲の分布の直線性を表す指標である第4特徴データと、
継続時間の平均値である第5特徴データと、
該継続時間の平均値よりも低い継続時間の範囲の第3近似直線の傾きである第6特徴データと、
該継続時間の平均値よりも高い継続時間の範囲の第4近似直線の傾きである第7特徴データと
のうちのひとつ以上を含む前記特徴データを求めて前記記憶部に格納する。
上述の情報処理システムにおいて、前記特徴データは、さらに、第3近似直線の傾きと第4近似直線の傾きの差、及び、前記分布の全体の直線性を表す指標のうちのひとつ以上を含むことができる。
処理部が、人の動きによる人の加速度を所定期間にわたり測定するセンサにより測定された加速度データから、予め定められた単位時間毎の動きの速さを求め、
処理部が、動きの速さの複数の基準値のそれぞれについて、求められた単位時間毎の動きの速さのうち、動きの速さが該基準値以上であるものをカウントして、該動きの速さの基準値に対する累積頻度とし、
処理部が、動きの速さの基準値と該基準値に対する累積頻度の対数値との分布に基づく統計データを、人の行動の特徴データとして求めて記憶部に格納する情報処理方法が提供される。
処理部が、人の動きによる人の加速度を所定期間にわたり測定するセンサにより測定された加速度データから、予め定められた単位時間毎の動きの速さを求め、
処理部が、単位時間毎の動きの速さが、予め定められた閾値を超えているか否かにより、該時間において活性状態か非活性状態かをそれぞれ判定し、
処理部が、活性状態の継続時間及び/又は非活性状態の継続時間を時系列順に求め、
処理部が、継続時間の複数の基準値のそれぞれについて、求められた活性状態の継続時間及び/又は非活性状態の継続時間のうち、継続時間が該基準値以上であるものをカウントして、該継続時間の基準値に対する累積頻度とし、
処理部が、継続時間の基準値と該基準値に対する累積頻度の対数値との分布に基づく統計データを、人の行動の特徴データとして求めて記憶部に格納する情報処理方法が提供される。
1.実施例1
図1に、第1の実施例のシステム構成を示す。
本情報処理システムは、例えば、センサノードSN0と、基地局BS1と、管理サーバSV1とを備える。また、位置特定デバイスPOS1、表示装置DISP1、クレードルCRDL1をさらに備えてもよい。
作業者(ユーザ、センサノードの装着者)W1は、各種センサが搭載されたセンサノードSN0を保持する。複数のセンサノードを保持しても良い。センサノードSN0は、プロセッサCPU0と、アンテナANT0を備えた無線回路RF0と、音・加速度・温度・湿度・照度・赤外線・色・RFIDなどを測定する各種センサや人感センサなどのセンサSNS0と、センシングプログラムやデータ処理プログラムを格納するメモリMEM0と、ボタンなどの入力装置IN0、LCD・LED・ブザーなどの出力装置OUT0とを有する。
センサノードSN0は、プロセッサCPUがセンシングプログラムを実行することにより、所定のサンプリング周期(例えば0.05秒等)で、各種センサからセンシングデータを取得する。そして、取得したセンシングデータにセンサノードを特定する識別子とタイムスタンプ等を付与して基地局デバイスへ送信する。
センサノードSN0は様々な形状で実現可能である。特に腕輪など体に直接装着させる形状にした場合、赤外線を体の内部に向かって照射し、その反射をセンシングすることによって、脈拍数がわかることが知られている。これは、血液が赤外線を吸収するため、反射から血流量の変化が推測できる性質を利用している。また、名札型センサノードのように、衣服よりも外に装着する形状にした場合、赤外線を外部に向かって照射する機能と、外部からの赤外線を受信する機能を持たせることによって、その名札を付けている人同士の対面を検出することができることが知られている。つまり、作業者W1と別な作業者W2が二人とも名札型のセンサノードSN0を装着して対面した場合、赤外線通信により、互いの識別子を送受信する。なお、センサノードの制御の詳細は、非特許文献1や非特許文献2と同様にすることができる。
センサノードSN0でセンシングした情報は無線通信によって直接、もしくは、中継機を介して、基地局デバイスBS1に送られる。もしくは、データ収集用の充電器としての機能を有するクレードルCRDL1によって有線通信で収集し、基地局BS3に転送してもよい。基地局BSが受け取った情報は、有線ネットワークLAN1を介して、管理サーバSV1のセンサデータベースSD1に格納される。
基地局デバイスBS1は、プロセッサCPU1が、データ送受信プログラムを実行することにより、センサノードSN0からセンシングデータを無線又は有線にて受信し、有線ネットワークLAN1を介して管理サーバSV1へ、自身の識別子を付してデータ送信を行う。
位置特定デバイスPOS1は、作業者が当該空間にいることを検出するハードウェアである。例えば自身の識別子を含む赤外線を一定間隔で発信する装置であり、その正面で名札型のセンサノードSN0を装着した作業者W1が作業をすると、センサノードSN0により赤外線を検出できる。その情報を、無線通信により送信することで、受信した識別子と位置特定デバイスの設置場所の情報との対応づけにより、管理サーバSV1は各作業者の作業場所を知ることが可能になる。赤外線以外にも、無線の送受信や測位技術によって所在の範囲を限定したり、もしくはRFIDリーダを用いて場所を特定することも可能である。
また、LAN1には、データ閲覧者が利用する表示装置DISP1が有線もしくは無線LANにて接続される。
管理サーバSV1は、ネットワークインタフェースIF2と、プロセッサ(処理部)CPU2と、メモリMEM2と、センサデータベースSD1と、記録装置(記憶部)DB1を備える。ネットワークインタフェースIF2は、有線ネットワークLAN1に接続するためのインタフェースである。センサデータベースSD1は、各種センサが取得したセンシングデータを格納するものである。記録装置DB1は、後述する各種プログラム、各種データテーブルを記録するものである。センサデータベースSD1、記録装置DB1は、例えば、ハードディスクドライブやCD-ROMドライブ、フラッシュメモリなどである。なお、センサデータベースSD1と記録装置DB1をひとつの記録装置で構成することも可能である。
プロセッサCPU2は、記録装置DB1に格納されている各種プログラムをメモリMEM2に読み出して実行することにより各種機能を実現する。
テーブルTIR1は、温度データ、照度データ、および赤外線の検出データを格納するテーブルである。列RMACIDには、デバイスのネットワークアドレスを格納する。列RUPTMには、データをテーブルSD1に格納した時刻を記録する。列RGWADには、無線でデータを受信した基地局デバイス(たとえばBS1)の識別子を格納する。列RAPHDには、センサノードの種別を格納する。たとえば腕輪型センサノードでは1、名札型センサノードでは2などを格納する。列RDATYには、無線パケットに格納したデータの種類を格納する。たとえば赤外線の検出データには1、加速度データには2、音声データには3などを格納する。列RSENUには、センサノードでフレームの送信順に0000からFFFFまで付与し、FFFFの次は0000にリセットする周期的カウンタである。分割フレームが結合した場合は、最初のフレームのシーケンス番号を格納する。列RSAIDには、同一センシング周期にサンプリングしたデータを含む分割フレームには、同一のサンプリング識別子を付与する。列ROBPEには、センサノードの現在のセンシング間隔(例えば、10秒/回)を格納する。列RSEPEには、センサノードの現在の無線送信間隔を格納する。間隔を表す数値でも良いし、センシング間隔の何倍かという値でも良い。RSARAには、センサノードにおけるセンサデータの取得周期(例えば50Hz)を格納する。列RSANUには、センサノードの現在のサンプリング回数を格納する。
列RUSIDには、本ノードを利用する利用者の識別IDを格納する。列RFRNUには、センサノードが送信するデータのフレームが複数に分割された場合、合計n分割フレームなら、n、n-1、n-2、…3、2、1と降順にふる。1の場合は最終分割フレームを表し、0は256番目を表すとする。列RFRSIには、分割で送信される一連のフレームの合計個数を格納する。列RTISTには、本データをセンサで取得した時のセンサノードの時刻を格納する。列RTEMPには、センサノードで取得した温度データを格納する。列RLUXには、センサノードで取得した照度データを格納する。列RBALEには、センサノードのバッテリ残量を示す値、たとえば電源電圧を格納する。列RLQIには、センサノードと基地局間の無線通信品質を示す値、たとえばLQI(LINK QUALITY INDICATOR)を格納する。列RIRDSには、本データに格納する赤外線データの検出数を格納する。列RIRには、センサノードで取得した赤外線データを格納する。赤外線データとして、他の作業者の識別IDや位置特定デバイスの識別IDが格納される。列RHDには、センサノードの人感センサで取得したデータを格納する。列RCOLには、センサノードのカラーセンサで取得した情報を格納する。列RHUMには、センサノードの湿度センサで取得した情報を格納する。
テーブルTACC1は、テーブルTIRの赤外線などのデータの替わりに、加速度センサのデータを格納する。列RMACIDから列RTISTまでの間は、テーブルTIR1と同様の内容を格納する。列RACDSには、本データに格納する加速度データの検出数を格納する。列RACCには、センサノードで取得した加速度データを格納する。
テーブルTVO1は、テーブルTIRの赤外線などのデータの替わりに、音声のデータを格納する。列RMACIDから列RTISTまでの間は、テーブルTIR1と同様の内容を格納する。列RVODSには、本データに格納する音声データの検出数を格納する。列RVODAには、センサノードで取得した音声データを格納する。
なお、本実施の形態における各テーブルは、テーブルに限らず適宜の形式の記憶領域でもよい。
図4に、管理サーバSV1の記録装置DB1に格納される、行動解析データテーブルAEDATAの構成例を示す。管理サーバSV1は、センシングデータに対して行動解析プログラムAR1を所定のタイミングで実行し、各作業者の行動を解釈し、行動解析データテーブルAEDATAに格納する。
プログラムAR1では、加速度情報を格納したテーブルTACC1における加速度データの検出数RACDS、加速度データRACCの値から、下記の方法でゼロクロス値および作業者の活性度合いを計算して、列ZCおよび列ACTVに格納する。
ここで、各作業者が活性状態であるか否かについて判定する手法について説明する。業務中に積極的な行動をすることで、内部/外部からの情報を集めることや白熱した議論をすることでアイデアを練ることを促進させることができる。その場合に想定される行動として、「言葉だけでなく身振り(ジェスチャ)を含めた対面」や「相手がいる場所まで出向いて対面」などが挙げられる。本発明者らは、このようなユーザの行動と動作リズムの関係について実験を行ったところ、ビデオ観察などの結果から、活性的な作業をしている時間帯は、それ以外の時間帯に比べて加速度の周波数が高いことがわかった。たとえば会話を行っている時には、2Hzから3Hzの周波数成分が大きくなる。そこでここでは、加速度の周波数が予め定められたある閾値を上回っている時間帯を、活性的な状態とする。典型的には、加速度の周波数が2Hz以上などである。もちろんこの値は人や業務の種類によって異なるため、状況に応じて設定変更可能である。実際のデータを測定して、各自の動作リズムの分布を集計して、例えば平均値や上位25%の値などを求めて、それをしきい値として設定してもよい。
ゼロクロス値とは、一定の期間内(単位時間内)における時系列データの値がゼロとなった回数、より正確には、時系列データが正の値から負の値へ、又は負の値から正の値へと変化した回数を計数したものである。例えば、加速度の値が正から負に変化してから、次にその値が再び正から負に変化するまでの期間を1周期とみなすと、計数されたゼロクロスの回数から、1秒間当たりの振動数を算出することができる。このようにして算出された一秒間当たりの振動数を、加速度の近似的な周波数として使用することができる。
ゼロクロス値を計数する「一定の期間」として、連続したデータの間隔(つまり元のセンシング間隔)よりも大きな値が設定される。たとえば1秒毎のゼロクロス値や1分毎のゼロクロス値を求めることとなる。
加速度周波数計算(BMAA)の結果、各時間におけるゼロクロス値、およびそこから算出された秒単位の振動数が、加速度リスト(BMA1)としてメモリ上に、もしくはファイルとして生成される。またこの値を、AEDATAの列ZCに格納する。
次にこのリスト(BMA1)を対象に、活性判定(BMCB)を実施する。上述したように、ここでは活性か否かを、加速度がある閾値を上回っているか否かで判定する。リスト(BMA1)を順に走査し、例えば振動数(上述のようにゼロクロス値から得られる)が閾値を上回っている行には活性状態として判定値に”1”、下回った行には非活性状態として”0”を挿入する。この結果、各時間帯において活性か否か秒単位で求められた活性リスト(BMC2)が生成される。
ここで、ある瞬間的にみると閾値以下であっても、前後の時間は閾値以上で活性的な状態、逆にある瞬間では閾値以上であったが、前後の時間は閾値以下で実は非活性的なこともありうる。このような瞬間的なノイズを除去する機構が必要な場合もある。
そこで、次にこのリスト(BMC2)を対象に、ノイズ除去(BMCC)を実施する。ノイズ除去の役割は、上記で求めた活性度の時系列変化、たとえば”0001000111111001111”といった系列に対し、前後関係を加味して瞬間的な変化を取り除いた、たとえば”0000000111111111111”という系列を生成することである。このようなノイズ除去処理を行うことにより、その前後の時間帯を考慮して活性度を算出することができ、より実際の状況を反映した活性度を把握することが可能となる。ノイズを除去する処理はローパスフィルタにより高周波の成分を除去することによっても可能であるが、ここではより単純な方法として、多数決的な方法を用いてもよく、以下説明する。本方法では、時系列順に最初から最後までひとつずつ判定の対象とする。現在i番目の時間帯が判定の対象であるとする。ここで、i-n番目の時間帯から、i+n番目の時間帯までの合計2n+1個の時間帯に関し、活性状態の個数と、非活性状態の個数を数える。ここでもし活性している個数のほうが多く、かつ、i番目の時間帯が活性でないという状態になっている場合、i番目の状態を活性状態に変更する。逆に活性的でない個数の方が多ければ、i番目の状態を非活性状態に変更する。たとえば”0001000111111001111”という系列に、n=2でこの方法を適用すると、”0000000111111111111”という系列が生成される。nが小さければ前後短時間のみ反映したノイズが除去され、nが大きければより長時間を反映したノイズが除去される。nをどの程度にするかは人や業務の種類によるが、最初に小さいnで細かいノイズを除去したあと、再度大きいnで少し長めのノイズを除去することなども可能である。このように多数決的な方法を実行することにより、サーバの計算量を減らし、処理負荷を低減することができる。この結果、各時間帯において活性か否か秒単位で求められた活性リスト(BMC3)が生成される(図5)。
次に、対面判定処理BMCEによって、該当時刻で人と対面していたかどうかを判定し、列COMMに格納する。例えば対面時は“1”、非対面時は“0”を格納する。この情報は、センサデータベースSD1のテーブルTIR1の列RIRを参照し、他の作業者の識別IDを検出していたか否かを調べることで得られる。該当する1分間の間で、対面状態であった秒数を集計して、それがしきい値以上であれば、その1分は対面状態と見なす。例えば50%を超えたら対面状態とみなす。
本発明者らは、上記のようにしてBMA1に格納されたゼロクロス値の、頻度分布に着目した。つまり、計測を続けてゼロクロス値が複数求められた時に、どのようなゼロクロス値が何度生じているかであり、また、それに特徴的な傾向が見られるかということである。もし、ゼロクロス値の分布に関して、異なる人の間に共通的な特徴があれば、その特徴を指標化することによって、少ないデータ量で人の行動の特徴を表せる可能性がある。図7から、実際のデータから見える人の行動の特徴を示す。
これだけでは傾向が分からないので、代表的な活動に対して、どれほどのゼロクロス値となるかを、図8で示す。横軸にセンサから取得した10分間あたりのゼロクロス値、縦軸に累積発生頻度を取った図である。たとえば、横軸120のところには、ゼロクロス値が120以上であった回数が表示される。120は、周波数に換算すれば1Hz相当である。なお、図の縦軸は対数を取っている。また、図の横軸の値は、1分当たりに換算した値を示す。このグラフには、ある同一の作業者が、4種類の行動を取ったときに、それがどの程度のゼロクロス値となっているかが表示されている。4種類とは、走行、歩行、講義、会議である。行動ごとに比べると、走行や歩行が、主に着席していて動きの小さい講義や会議よりもゼロクロス値が大きいのがわかる。
また、図9は、ある一人の作業者の、ある一日における、1時間ごとのゼロクロス値の分布を示したものである。時間帯で比べると、例えば通勤で移動していた8時や、昼食を取っていた12時などのゼロクロス値が高く、作業者の状態が表れている。
このように、ある行動、もしくは連続した行動が続くある1時間などに着目すれば、出現するゼロクロス値はばらつき、一見共通の傾向はない。これはこの作業者に限ったことではない。これを見ると、集中作業が多い人は、それを反映した低めのゼロクロス値が多く生じ、逆に会話や出張が多い人には、高めのゼロクロス値が集中的に発生しそうに考えられる。
これはある一人に見られた傾向ではない。図12は、s1からs12の12人の異なる作業者から、同様にゼロクロス値を取得し、表示したものである。これらを比べると、人によって多少傾きやグラフの直線性に差があるものの、共通して、左上の点から右下がりで直線的に下降したのち、ある活動量を境にしてさらに急な傾きで下降する、という共通的な特徴が見られた。この共通性は一見何気ないようで、驚くべき結果である。なぜならば、被験者群は、様々な年齢、性別、職種を含む集団である。普段の業務は、出張の多い人、会話の多い人、デスクワークの多い人などバラエティがある。また、業務時間後や休日の過ごし方はまったく各自の意思で決定される。すなわち、個人ごとに、ある活動量が特別多かったり、少なかったりしても良いはずである。事実、図9などで示した通り、1時間ごとのグラフや活動ごとのグラフを書くと、その活動を反映して、あるゼロクロス値に偏って生じている。それが集計する時間を長くしていくと、全体の共通傾向が見えてくる。
以上は、10分ごとのゼロクロス値を求めて分布を記した例であるが、これは10分だけに限定されるものではない。図13には、10分間の集計結果に加えて、5分間の集計結果と、20分の集計結果を示す。図の通り、5分でも20分でも、10分と同様の傾向が見られる。
1つめは一番左上から右下に直線的に下降する部分の傾きの度合いであり、特徴A(第2特徴データ)と呼ぶ。
2つめは、傾きが大きく変化するときの活動量(ゼロクロス値)であり、特徴B(第1特徴データ)と呼ぶ。
3つめは、特徴Bで示す活動量以上での傾きであり、特徴C(第3特徴データ)と呼ぶ。
4つめは、傾きAの部分における線分の直線性であり、特徴D(第4特徴データ)と呼ぶ。この4種類の特徴を指標化することによって、ある作業者と他の作業者の違いや、同じ作業者のある期間と別な期間の状態の違いを把握することができる。
このような共通的な分布になる原因として考えられることは、人のエネルギーには限度があり、ゼロクロス値が高い行動だけを長い時間行うことは難しいことが考えられる。他の要因が影響している可能性もある。たとえば非参考文献2では、人の健康状態が、行動の継続時間と何らか関係していることが示されている。具体的には、うつ病の患者と、健常者に関し、行動の継続時間を統計的に比べると、異なることが発見されている。本発明で示したのと同じようにセンサを装着し、1分間ごとのゼロクロス値を求めたのちに、あるゼロクロス値を境界にして、境界以上のときを活性状態とし、境界値未満の時を非活性状態としている。次に、各状態が、どれほど連続的に生じるかを定量化する。たとえばある時は活性状態が10分続き、次に非活性状態が6分続き、次に活性状態が2分つづく、といったように状態が変化する。非特許文献2では、この連続時間の頻度分布に着目し、同様にグラフ化した結果が示されている。非活性状態の連続時間の対数を横軸、累積頻度の比率の対数を縦軸に取ったとき、グラフ上で直線となる、べき分布の傾向を示す。特に注目すべき結果は、うつ病患者は、健常者に比べて、直線の傾きがなだらかであり、非活性状態が長く続く比率が高いという知見が得られている。一方で活性状態の連続時間に関しては、うつ病患者と健常者の大きな違いは言及されていない。
本実施例の特徴AからDは、上記の非特許文献2のように、人の健康状態を表す指標として有効に活用できることを示す。
ヒストグラム作成ADCALC01では、システムは1分毎のゼロクロス値を順に走査して、その大きさに応じて、ヒストグラム情報ADCALC01Aの該当する部分を更新する。ヒストグラム情報ADCALC01Aの1階級の幅は、たとえばゼロクロス値20と設定する。上記の出現例の場合、0以上20未満の範囲は5回、20以上40未満の範囲は3回、40以上60未満の範囲は3回、60以上80未満の範囲は1回、それ以上の範囲は0回となる。
次に累積頻度計算ADCALC02では、各範囲の累積頻度を算出する。あるゼロクロス値(基準値)Xにおける累積頻度とは、全ゼロクロス値のサンプルにおいて、ゼロクロス値がX以上となる頻度である。上記のヒストグラム情報ADCALC01Aを対象とする場合、0以上のゼロクロス値が12回、20以上のゼロクロス値が7回、40以上が4回、60以上が1回、それ以上は0回となる。累積頻度が0となる範囲に関しては、以後は計算対象としない。各階級の範囲と、その範囲の累積頻度を、記録装置DB1の累積頻度情報ADCALC02Aに格納する。なお、上述の基準値は、例えばヒストグラム情報の階級に対応する。ヒストグラム情報を作成してから累積頻度を求める以外にも、複数のゼロクロス値の基準値に対する累積頻度を適宜の手法で求めてもよい。
次に累積頻度対数値計算ADCALC03では、ADCALC02Aの各累積頻度に関する、対数値を計算する。eと底とする対数を計算すると、例えば12回のときは、LN(12)=2.48となる。上記のヒストグラムに関して求めると、0以上のゼロクロス値の累積頻度の対数は2.48、20以上では1.95、40以上では1.39、60以上では0となる。これがADCALC03Aに格納される。この結果をグラフにプロットすると、図15のようになる。
次に変曲点計算ADCALC04では、前述の特徴B、すなわち、図15のグラフ上で線が極度に曲がるゼロクロス数を求め、記録装置DB1のADCALC04Aに格納する。例えば、ゼロクロス数の基準値と該基準値に対する累積頻度の対数値との分布(以下、累積頻度分布と称する場合もある)を曲線又は複数の直線で近似した際の変曲点を求めて格納する。
このグラフ上では、およそゼロクロス数40程度が求めたい値である。これを求める方法は、算術的にいくつかの方法が考えられる。たとえば、当該グラフ上で0から一定範囲までの値に基づいて近似直線を引き、その近似直線とのかい離があるしきい値を超えた場合、そのときのゼロクロス値を変曲点とすることができる。具体的には、図12の通り、この分布にはゼロクロス数200程度まで直線性があるため、例えば0から200の範囲の値を使って近似直線を引き、近似曲線から求められる値と実際の値とのかい離が、いずれかの値の10%程度になるときのゼロクロス値を特徴Bとできる。また別な方法としては、グラフにおいて、二階微分を行うことにより、傾きが大きく変わる点を求めることでも代用できる。ただしこの方法は、ノイズが多いデータに適用する場合には、移動平均などによって事前に平滑化する必要がある。ここでは別な方法として、基準直線からの距離に基づく計算方法を示す。
距離計算ACALC02では、上記の基準直線と、グラフ上の各点の距離を計算し、距離が最も大きい点のゼロクロス数を、特徴Bである記録装置DB1のACALC02Aに格納する。直線と点の距離計算の一般的な公式を用いると、基準線とある点(X0、Y0)との距離は、ABS(YMAX*X0+XMAX*Y0-YMAX*XMAX)/SQRT(YMAX*YMAX+XMAX*XMAX)により求められる。ここでABSは、絶対値を取る関数、SQRTは平方根を求める関数を意味する。実際には距離の大小関係が求められれば良いので、共通部分である分母部分や、YMAX*XMAXの計算は割愛してもよい。
図17上の各点に関して、基準直線からの距離を求めると、ゼロクロス値0のときが0、20の点が0.29、40の点が0.56、60の点が0となる。最長距離計算ACALC03において、距離が最大の点を特定する。これにより、特徴Bがゼロクロス値40と求められ、格納される。
次に直線性計算ADCALC06の処理を示す。この処理では、前述の特徴D、すなわち、累積頻度分布においてゼロクロス数が低い部分における直線性を計算し、結果を記録装置DB1のACALC06Aに格納する。たとえば図17における、ACALC01Dの部分が、どの程度直線的かを計算する。この部分の分布が完全な直線である場合には高い値とし、分布が上下に変動して直線と離れるほど低い値とする。この指標としていくつか考えられるが、最も単純なのは、図14に示すフローに従い求めた特徴Bの値を活用し、累積頻度グラフにおいて、ゼロクロス値0から、ゼロクロス値が特徴Bの値の範囲における、x座標の組と、y座標の組の相関係数を求めることである。直線の傾きが負のため、相関係数に-1を乗じたものを特徴Dとして説明する。完全な直線性がある場合には、相関係数が-1であり、特徴Dは1となる。直線性がない場合には特徴Dは0となる。具体的には、ゼロクロス値が0から特徴Bの値までの該当範囲に、点(0、YMAX)、(X1、Y1)、(X2、Y2)、、、(特徴B、特徴Bのときの累積頻度の対数値)があったとき、x座標の組(0、X1、X2、、、特徴B)と、y座標の組(YMAX,Y1,Y2,,,特徴Bのときの累積頻度の対数値)の相関を計算し、格納する。図15(図17)の例の場合には、特徴D=0.99994となる。
以上により、特徴AからDを求める処理の例を示した。また、累積分布グラフを特徴づける指標として、他の指標も求められる。たとえばゼロクロス数が高い部分における直線部分の直線性を、特徴Dと同様に求めることもできる。高い部分と低い部分を合わせて、全体の近似直線の傾きを、特徴Aと同じように求めることもできる。同様に全体に関し、直線性を特徴Dと同様に求めることもできる。また、ゼロクロスが低い部分と高い部分の傾きの差を、例えば特徴Aと特徴Cの差として求めることができる。
図14では、分布の特徴量を求める際に、変曲点計算ADCALC04を実行し、その点よりゼロクロス値が低い前半部分と、高い後半部分に分けて、傾きや直線性を求める例を示した。前半と後半の分け方としては、変曲点を求める以外にも、平均のゼロクロス値などを用いることも可能である。この場合、特徴AからDの代わりに、全体の傾き、平均以下の範囲の近似直線(第3近似直線)の傾き、平均以上の範囲の近似直線(第4近似直線)の傾き、平均以下の傾きと平均以上の傾きの差という特徴が作成できる。
次に、上述のようにして求めた特徴AからDのような指標を使って、人の健康状態を推定するシステムの実施の形態を示す。
システムの詳細を説明する前にまず、上述のような特徴A~Dと、人の健康状態の関係の分析結果を示す。発明者らが行った実験では、75人の被験者に対して名札型のセンサで1カ月の計測を行いながら、ストレス度を計測するアンケートを実施した。ストレスアンケートは、CES-Dと呼ばれる標準的なものである。CES-Dではストレスの大きさ、言いかえればメンタルヘルス疾患のリスクを60段階で評価し、26以上を高ストレス、それ以外を低ストレスとみなすのが一般的である。アンケートの結果、75人中、48人が高ストレス群、27人が低ストレス群と判定された。この2群に対して、上記の特徴量を計算したときに、統計的に差があるかどうかを分析した結果が図18である。分散分析の結果、例えば特徴Aの違いは、統計的な有意度p値は0.07程度であり、有意と見なされる水準p=0.05には若干及ばないが、若干の差として表れている。特徴量BおよびDは、統計的に有意な水準で差が見られた(p=0.04, 0.01)。特徴量Bは、高ストレス群のほうが、低ストレス群よりも小さい。すなわち、ストレスが高いと、ある活動量以上の発生頻度が急に落ちる。特徴量Dは、高ストレス群のほうが、低ストレス群よりも、直線性が低い。ある活動が多かったり、少なかったりと、偏りが大きいことを表している。以上、人の行動の活動量の典型的な分布が高々4つとごく少ない特徴量であらわされ、それが人のストレスなどの内面状態を表していることが実験範囲において明らかになった。
次に特徴量計算処理SEST02では、前述の方法によって、特徴AからDまでの値を計算し、計算結果SEST02Aを格納する。計算対象期間は、前述の主観データSEST01Aに格納されたアンケート回答日を含む、一定期間のデータとなる。期間の長さは、例えば、計算パラメータSEST02Bによって、本SEST02の処理を行う事前に設定する。例えばここには計算対象期間が日単位で格納される。10と格納されている場合には、計算開始のタイミングから10日前のデータから、計算日までの全データを利用して、指標を計算する。この数字はシステムの開発者があらかじめ設定しておくこともできるし、システムの利用者が自分の業務の属性を加味して変更することも可能である。
次に特徴重み計算処理SEST03では、SEST02Aの特徴AからDの情報を用いて、SEST01Aに格納したような主観的なストレス値を推定するためのパラメータを、既知の特徴A~D及び既知のストレス値から計算し、結果を推定パラメータSEST03Aに格納する。複数の変数を用いて、1つの変数を推定する統計的な方法は様々存在し、これらを用いることもできる。例えば、測定対象の人それぞれについての、求められた特徴データA~D及び特徴データA~Dのそれぞれに対する重み係数J、K、L、Mに基づき得られるストレス推定値と、入力されたストレス値との誤差の総和が小さくなるように、各重み係数を求めることもできる。単純には、重回帰分析によって、特徴AからDの重みを計算することができる。つまり、ある利用者iの主観ストレスの推定値ESTiを、ESTi=J*Ai+K*Bi+L*Ci+M*Diというように、その利用者iの特徴AからDの値(AiからDi)と、それに対する重み(JからM)で計算できるとする。JからMの値を各利用者ごとに計算することもできるが、本実施例ではJからMの値は全利用者共通であるとし、それをSEST03Aに格納する。たとえば上述のように特徴Bと特徴Cがストレスと関係しており、特徴AとDがあまり関係していない利用者群の場合には、J=1、K=2、L=2、M=0.5のように、KとLの値が他のJやMよりも高い結果が求められる。
精度の高い推定を行うためには、ある程度の利用者数の情報を集めて、上述のSEST01からSEST03の処理を実行しておくことが望ましい。たとえば30人程度のデータを測定したのちに、SEST01からSEST03を実行する。図19および20の例では、一度JからMを推定した後は、その変更を行わず、あとは利用者のリクエストに応じて、もしくはシステムが定期的にストレス推定処理SEST04を行うフローを記載している。別な実施例としては、アンケート情報SEST01を随時取得し、それが取得されるごとに、推定パラメータSEST03Aを推定することもできる。こちらは、更新のための計算時間を必要とするが、より精度の高い推定値を計算できる可能性が高まる。
また、図19、20では、利用者が複数人いる場合でも、全員共通の特徴重みSEST03Aを算出するフローを記述した。一方で、同一の利用者が長期にわたって行動の計測を行い、アンケートに何度も繰り返し回答できる場合には、その利用者ごとに特徴重みを計算することもできる。これにより、推定精度がより向上することが期待できる。この場合、特徴重みSEST03Aを人数分記録し、利用者のID情報と対応付けて格納することができる。ストレス推定処理SEST04のときには、該当する利用者のID情報によって、特徴重みSEST03Aの該当する部分を参照し、推定ストレス値SEST04Aを計算することができる。
また以上は、CES-Dというストレス度に関する主観アンケートを基にした推定方法を説明したが、本発明はこの特定のアンケートに限ったものではなく、人の行動に表れる内面状態を確認するアンケートであれば広く活用できる。その中でも特に、CES-Dと相関があるような、ストレス度、うつ傾向、精神疾患、疲労などのアンケートや、もしくは負の相関があるような幸せ度、充実度、業務満足度、チームワークなどのアンケートとの親和性は高い。また、内面のアンケートの代わりに、それらの内面状態が反映されるような、業務生産性や営業成績などのデータを活用することもできる。
画面FB2は、推定ストレス値に加えて、その数値の根拠となる、特徴AからDの値や、その増減を合わせて表示する例である。特徴AからDをFB2BからFB2Eのように表示し、その増減をFB2GからFB2Jのように表示できる。特徴AからDの意味を理解している利用者に対しては、この情報を表示することにより、より適切な行動を促すことが可能になる。たとえば特徴Bが低くなっている場合には、利用者は高いゼロクロス数の行動が少なくなっていることが理解でき、積極的にゼロクロス値の高いスポーツなどの活動を行うことができる。また、ゼロクロス値の高い活動ができない理由を考えて、例えば業務の負荷を下げるように業務分担を変えることなどが可能になる。
画面FB3は、数値ではなく、図によって表示を行う例である。図15のように、ゼロクロス値の分布を計算し、その曲線を表示する。図によるフィードバックを行うことにより、利用者は、正確な数字はわからないものの、直観的に全体の傾向や、特徴をとらえることが容易になる場合がある。また、最新の期間の曲線に加えて、過去の期間の曲線を合わせて表示することも可能である。見やすさの向上のために、線の色や太さを変えることも可能である。
以上の説明は、デバイスSN0はデータを取得してその結果をサーバSV1に送信するところまで行い、その後、計算能力が高いサーバSV1上でデータ処理やストレスの推定を行って、フィードバックの情報を生成して、デバイスSN0に結果を送信したり、電子メールやインターネットなどの手段により、利用者に提供するシステムを記述した。データ処理や、表示はかならずしも上記のデバイス上で行う必要はなく、他のハードウェア上で行うことも可能である。例えば、デバイスSN0の計算能力が高ければ、SN0上でデータ処理やストレスの推定を行って、結果のみをサーバSV1に送信することもできる。このシステムの構成を図22に示す。
また以上の説明は、デバイスSN0を装着している利用者本人に対して、フィードバックを提供する例を説明したが、適宜の表示装置に出力してもよい。本人以外にデータを提供したり、複数人のデータを合わせたデータを提供することも可能である。本人以外にデータを提供する例としては、たとえば、病人や高齢者がデバイスを装着した場合、その結果を医師や家族が見ることによって、治療や介護を容易にできる可能性がある。このためには、装着デバイスのIDと、情報を受け取る人の連絡先や閲覧機器の情報を対応づけて格納することにより、システムが自動的に、電子メールやウェブブラウザを介して適切な人に情報提供を行うことができる。
複数人のデータを合わせたデータを提供する例としては、例えば、企業のある部署で複数の社員がデバイスを装着した場合に、その部署のマネジャが自分の部署の平均ストレス度や、推定ストレスの高い人を知ることにより、適切なマネジメントを行うことが可能になる。これも上記と同様に、装着デバイスのIDと、情報を受け取る人の連絡先や閲覧機器の情報を対応づけて格納する。システムは、部署の全利用者のストレス度を推定し、平均したのちに、マネジャに対して電子メールやウェブブラウザを介してフィードバックを行う。また、マネジャ自身がデバイスを装着している場合には、そのデバイスに部署の平均ストレス値の情報を送信し、表示することも可能である。この結果、マネジャは、部署全体もしくは特定個人の業務量を減らしたり、ストレス解消のためのアクティビティを計画することが可能になる。
実施例1では、ゼロクロス値の分布から特徴AからDの指標を計算し、それをもとにストレス値を推定する例を示した。本実施の形態は、ゼロクロス値の分布、および、その特徴AからDに限らず、異なる人の間に共通する分布傾向があり、その分布の特徴が直線の傾きや直線性にあるものにも適用可能である。その一実施例として、以下に、行動継続時間の分布の特徴を計測する例を示す。
前述の非特許文献2では、うつ病の患者と、健常者に関し、行動の継続時間を統計的に比べると、異なることが発見されている。あるゼロクロス値を境界にして、境界以上のときを活性状態とし、境界値未満の時を非活性状態とする。次に、各状態が、どれほど連続的に生じるかを定量化し、その連続時間の頻度分布をグラフ化した結果が示されている。非活性状態の連続時間の対数を横軸、累積頻度の比率の対数を縦軸に取ったとき、グラフ上で直線となる。特にうつ病患者は、健常者に比べて、直線の傾きがなだらかであり、非活性状態が長く続く比率が高いという知見が得られている。一方で活性状態の連続時間に関しては、グラフ上では直線ではなく、直線の傾きなどを定量化できず、うつ病患者と健常者の大きな違いは言及されていない。
それに対して発明者らは、活性状態の連続時間に関して、前述と同じようにグラフの特徴を計算することにより、ストレスの推定に活用できる可能性に着目した。また、単純にすべての活動を同一視して連続時間を計算するのではなく、活動をより細分化して、各活動の連続時間を計算することにより、推定精度が高められる可能性に気付いた。細分化の方法はいくつかあるが、発明者らが注目したのは、コミュニケーション活動である。コミュニケーションは、ストレスの大きな要因のひとつである。また、コミュニケーションには、個人活動よりも大きなエネルギーを要するため、ストレスがある場合には変化が生じやすいという可能性に着目した。逆の見方もできる。コミュニケーションの際には、コミュニケーション相手の目が気になるため、体調が悪いにもかかわらず無理に活発にふるまう可能性がある。しかし、個人作業で他者の目がなくなると、自然な状態でふるまう可能性がある。このような人の場合、コミュニケーション活動のデータを含むと、それがノイズとなり、ストレスがうまく推定できなくなる可能性がある。非特許文献2のように、加速度センサのみを搭載したセンサでは、コミュニケーション活動か個人活動かを判別することは難しい。それに対して、前述のような赤外線通信を搭載した名札型のデバイスを使えば、判定が可能になる。また、上述のシステムでは、活性状態と非活性状態の判定に、1つの値を使っている。発明者らはそれに対し、活性状態か否かの判定に、いくつかの基準を設けることにより、より精度の高い推定ができる可能性に着眼した。
図24にサーバ上での処理の全体フローを示す。サーバSV1は本処理を、1日単位などの定期に実行したり、利用者の要求に応じて適時実行する。以下の各処理は、CPU2により実行される。
まずセンサデータから、データ解析処理AR2を行い、1分毎の行動解析データAEDATA2を計算する。図25に詳細な例を示す。
まず上述したAR1(図6)を実施し、加速度データTACC1から、各時刻(単位時間)におけるゼロクロス値を計算し、記録装置DB1のBMA1に格納する。なお、ここでは上述のAR1のうち、加速度周波数計算BMAAのみを実行してもよい。
次に、活性判定しきい値決定処理KCALC01では、しきい値リストKCALC01Bの中から、判定のしきい値を1つ取得しKCALC01Aに格納する。活性状態か否かの判定基準を、複数の中から順に選び、すべてに関して継続度の特徴を計算して、最もストレスの推定値が高いものを選ぶために必要な処理である。判定のしきい値は予め定められ、しきい値リストに記憶されることができる。
次に、前述の方法と同じように、活性判定BMCB、ノイズ除去BMCC、期間集計処理BMCDを行い、各時刻において活性状態か否かを判定する。ただしこれら処理は、しきい値リストKCALC01Bに含まれるすべての候補に対して行われ、すべての結果がAEDATA2に格納される。
図24に戻り、次に、継続時間計算処理AR3で、活性状態の継続時間、および、非活性状態の継続時間を求め、結果を継続時間リストAR3Aに格納する。AR3では、行動解析データAEDATA2に対し、データを時系列順に操作し、活性状態、非活性状態が、どれほど連続しているかを集計する。例えば、活性状態を1、非活性状態を0として、ある作業者の活性状態が、時系列順に0、0、1、1、1、0、1、1となっていたとする。この場合、0もしくは1で同じ状態が続いている長さを計算する。具体的には、非活性が2分、活性が3分、非活性が1分、活性が2分つづいていると判定される。
次に、ヒストグラム計算ADCALC01では、上記で求めた継続時間を集計し、ヒストグラム情報を作成する。以降の処理は、前述図14で説明した処理と同様でもよい。継続時間の分布に関して、特徴AからDを計算することができる。また、この後は図19や20のようにストレス推定を行ったり、結果を図21のように表示することができる。なお、図24は、以下に示すように特徴AからDの代わりに、特徴A2、B2、C2、E、Fを求める例を示す。
継続性の特徴を用いたストレス推定を実施した例を、図26に示す。9つの企業の合計510人を対象に、名札型センサによる行動データ計測と、CES-Dアンケートによる主観的ストレス値の取得を行った。図24に示した手順により、特徴を計算した。ただしここでは特徴AからDの代わりに、図14のところで補足説明した別な方法によって、分布の特徴を求める。まず、変曲点を表す特徴Bの代わりに、継続時間の平均値を簡易的に求めて、特徴B2とする(ADCALC042)。その特徴B2未満の部分での傾きを特徴A2、B2以上の部分での傾きを特徴C2とする(ADCALC05、ADCALC07)。また、変曲の度合いを表す別な指標として、A2とC2の差を特徴E、および、全体の分布の直線性を特徴Fとして算出する(ADCALC08、ADCALC062)。特徴Fは、特徴AやCと同様に、直線との相関係数を計算し、それを直線性とみなすことができる。これらの5つの特徴を、活性状態の継続時間の分布、および、非活性状態の継続時間の分布に対して、それぞれ計算した。活性状態と非活性状態を判定するしきい値は、0Hz、0.25Hz、0.6hz、1Hz、2Hの5種を用いた。また、活動の種類としては、個人作業状態、対面状態、および、その両者を区別しない状態の3種類を用いた。その結果、2*5*5*3で、150の指標が計算される。これらの150の指標を説明変数とし、アンケートで求めたストレス値を目的変数として、重回帰分析を行った。
寄与度の低い指標を順次削除しながら、寄与度が高い指標(t値が1以上)として、最終的に下記の3つが残った。1つめは、対面状態と個人作業状態を区別せずに、0.25Hz以上の活性状態の連続時間の分布に関する、特徴Vである。ストレスが高い人は、活動が長く継続することが少ないことを意味する。2つめは、個人作業状態だけを対象にしたときの、0.25Hz以上の活性状態の連続時間の分布に関する、特徴Wである。ストレスが高い人は、傾きが急に変化する。すなわち、これも活動が長く継続することが少ないことを意味する。また、3つめは、個人作業を対象にした時の、0Hzより大きい活性状態の連続時間の分布に関する、特徴Xである。ストレスが高い人は、直線性が低い。一般的には、これも前者2つと同様に、活動が長く継続することが少ないことを意味している。3つの指標を通して、ストレスが高い人は、活性状態が長く続かない点で共通している。また、2つめと3つめのように、個人作業だけを分析対象とした場合に、ストレスとの関係が見えることが明らかになり、本発明のように個人作業状態と対面状態を区別することの有効性が示された。図は、測定した510人の中の、ストレスが高い人、低い人のサンプルである。低ストレス者は、長い継続時間があり、分布の直線性が高いことがわかる。一方、高ストレス者は、長い継続時間が少なく、継続時間が長い範囲において、傾きが急になる。
[構成例1]
センサと基地局とサーバがあって、
センサは加速度データをとってデータを基地局を介してサーバに送信し、
サーバは加速度データからゼロクロス数を求めて記録し、
サーバはゼロクロス数の頻度分布を求めて記録し、
サーバは分布の近似直線の傾き、分布の直線性、変曲点、変曲点よりも低いゼロクロス値の範囲の近似直線の傾き、変曲点よりも高いゼロクロス値の範囲の近似直線の傾き、変曲点よりも低いゼロクロス値の範囲の分布の直線性、変曲点よりも高いゼロクロス値の範囲の分布の直線性のうちの1つ以上の値を求めて記録し、
その値を上記情報システムに接続される表示装置に出力する情報処理システム。
[構成例2]
上述の構成例1のシステムで、
情報システムは、人のストレスを聞くアンケートインタフェースを持ち、
サーバは、アンケート結果との誤差が小さくなるように、各特徴量の重みを計算して記録し、
サーバは、上記特徴量と、特徴量の重みから、ストレスを推定して記録し、
その値を上記情報システムに接続される表示装置に出力する情報処理システム。
[構成例3]
センサと基地局とサーバがあって、
センサは加速度データをとって、赤外線で対面データを取って、基地局を介してサーバに送信する機能を有し、
サーバは加速度データからゼロクロス数を求めて記録し、
サーバは、ゼロクロス数のしきい値の情報を持ち、
サーバは、上記ゼロクロス数と上記しきい値に基づいて、各単位時間において装着者が活性状態か非活性状態かを判定して格納し、
サーバは、赤外線の情報に基づいて、各単位時間に置いて装着者が対面状態か個人作業状態かを判定して格納し、
サーバは、上記活性判定結果と、状態判定結果をもとに、各状態が継続している長さを計算して格納し、
サーバは、継続時間の頻度分布を求めて記録し、
サーバは分布の近似直線の傾き、分布の直線性、平均継続時間、平均継続時間よりも短い継続時間の範囲における分布の近似直線の傾き、分布の直線性、平均継続時間よりも長い継続時間の範囲における分布の近似直線の傾き、分布の直線性、平均継続時間よりも短い継続時間の範囲における分布の近似直線の傾きと平均継続時間よりも長い継続時間の範囲における分布の近似直線の傾きの差、のいずれか1つ以上を計算して格納し、
その値を上記情報システムに接続される表示装置に出力する情報処理システム。
[構成例4]
上述の構成例3のシステムで、
情報システムは、人のストレスを聞くアンケートインタフェースを持ち、
サーバは、アンケート結果との誤差が小さくなるように、各特徴量の重みを計算して記録し、
サーバは、上記特徴量と、特徴量の重みから、ストレスを推定して記録し、
その値を上記情報システムに接続される表示装置に出力する情報処理システム。
Claims (19)
- 人の動きによる人の加速度を所定期間にわたり測定するセンサと、
測定された加速度データに基づき、人の動きの速さに関する特徴データを求める処理部と、
求められた特徴データを格納する記憶部と
を備え、
前記処理部は、
前記センサにより測定された加速度データから、予め定められた単位時間毎の動きの速さを求め、
動きの速さの複数の基準値のそれぞれについて、求められた単位時間毎の動きの速さのうち、動きの速さが該基準値以上であるものをカウントして、該動きの速さの基準値に対する累積頻度とし、
動きの速さの基準値と該基準値に対する累積頻度の対数値との分布に基づく統計データを、人の行動の特徴データとして求めて前記記憶部に格納する情報処理システム。 - 前記動きの速さは、加速度データがゼロになった又はゼロをまたいだ回数を示すゼロクロス数であり、
前記処理部は、
前記センサにより測定された加速度データから、前記動きの速さとして予め定められた単位時間毎のゼロクロス数を求め、
ゼロクロス数の複数の基準値のそれぞれについて、求められた単位時間毎のゼロクロス数のうち、ゼロクロス数が該基準値以上であるものをカウントして、該ゼロクロス数の基準値に対する前記累積頻度とし、
ゼロクロス数の基準値と該基準値に対する前記累積頻度の対数値との分布に基づく統計データを、前記人の行動の特徴データとして求めて前記記憶部に格納する請求項1に記載の情報処理システム。 - 前記処理部は、
前記分布に対するひとつ又は複数の近似直線の傾き又は直線性を示す指標を前記特徴データとして求める請求項1に記載の情報処理システム。 - 前記処理部は、
ゼロクロス数の基準値と該基準値に対する累積頻度の対数値との分布を曲線又は複数の直線で近似した際の変曲点である第1特徴データと、
該変曲点よりも低いゼロクロス数の範囲の第1近似直線の傾きである第2特徴データと、
変曲点よりも高いゼロクロス数の範囲の第2近似直線の傾きである第3特徴データと、
変曲点よりも低いゼロクロス数の範囲の分布の直線性を表す指標である第4特徴データと
のうちのひとつ以上を含む前記特徴データを求めて前記記憶部に格納する請求項2に記載の情報処理システム。 - 前記特徴データは、前記第1乃至第4特徴データのすべてを含む請求項4に記載の情報処理システム。
- 前記特徴データは、さらに、
前記分布全体の近似直線の傾き、該分布全体の直線性、及び、前記変曲点よりも高いゼロクロス数の範囲の分布の直線性のうちのひとつ以上を含む請求項4に記載の情報処理システム。 - 前記処理部は、
ゼロクロス数の平均値と、
該ゼロクロス数の平均値よりも低いゼロクロス数の範囲の第3近似直線の傾きと、
該ゼロクロス数の平均値よりも高いゼロクロス数の範囲の第4近似直線の傾きと、
該第3近似直線の傾きと第4近似直線の傾きの差と、
分布全体の近似直線の傾きと
のうちのひとつ以上を含む前記特徴データを求めて前記記憶部に格納する請求項2に記載の情報処理システム。 - 前記処理部は、求められた前記特徴データを表示装置に出力する請求項1に記載の情報処理システム。
- 前記センサと、測定された加速度データを送信する送信部とを有するセンサノードと、
前記センサノードからの加速度データを受信する受信部と、前記処理部と、前記記憶部とを有するサーバと
を備える請求項1に記載の情報処理システム。 - 前記センサと、前記処理部と、前記記憶部とを有するセンサノード
を備える請求項1に記載の情報処理システム。 - 前記センサを複数備え、
複数の前記センサは、各々の測定対象の人の加速度を測定し、
前記処理部は、
測定対象の人ごとに第1乃至第4特徴データを求め、
予め指標化された前記測定対象の人のストレス値をそれぞれ入力し、
測定対象の人それぞれについての、求められた第1乃至第4特徴データ及び該第1乃至第4特徴データのそれぞれに対する重み係数に基づき得られるストレス推定値と、入力されたストレス値との誤差の総和が小さくなるように、各重み係数を求め、
求められた各重み係数を前記記憶部に格納する請求項4に記載の情報処理システム。 - 前記処理部は、
求められた第1乃至第4特徴データと、該第1乃至第4特徴データのそれぞれに対する重み係数とに基づき得られるストレス推定値を求め、前記記憶部に格納する請求項11に記載の情報処理システム。 - 人の動きによる人の加速度を所定期間にわたり測定するセンサと、
測定された加速度データに基づき、人の動きの速さに関する特徴データを求める処理部と、
求められた特徴データを格納する記憶部と
を備え、
前記処理部は、
前記センサにより測定された加速度データから、予め定められた単位時間毎の動きの速さを求め、
単位時間毎の動きの速さが、予め定められた閾値を超えているか否かにより、該時間において活性状態か非活性状態かをそれぞれ判定し、
活性状態の継続時間及び/又は非活性状態の継続時間を時系列順に求め、
継続時間の複数の基準値のそれぞれについて、求められた活性状態の継続時間及び/又は非活性状態の継続時間のうち、継続時間が該基準値以上であるものをカウントして、該継続時間の基準値に対する累積頻度とし、
継続時間の基準値と該基準値に対する累積頻度の対数値との分布に基づく統計データを、人の行動の特徴データとして求めて前記記憶部に格納する情報処理システム。 - 前記動きの速さは、加速度データがゼロになった又はゼロをまたいだ回数を示すゼロクロス数である請求項13に記載の情報処理システム。
- 前記処理部は、
前記分布に対するひとつ又は複数の近似直線の傾き又は直線性を示す指標を前記特徴データとして求める請求項13に記載の情報処理システム。 - 前記処理部は、
継続時間の基準値と該基準値に対する累積頻度の対数値との分布を曲線又は複数の直線で近似した際の変曲点である第1特徴データと、
該変曲点よりも低い継続時間の範囲の第1近似直線の傾きである第2特徴データと、
変曲点よりも高い継続時間の範囲の第2近似直線の傾きである第3特徴データと、
変曲点よりも低い継続時間の範囲の分布の直線性を表す指標である第4特徴データと、
継続時間の平均値である第5特徴データと、
該継続時間の平均値よりも低い継続時間の範囲の第3近似直線の傾きである第6特徴データと、
該継続時間の平均値よりも高い継続時間の範囲の第4近似直線の傾きである第7特徴データと
のうちのひとつ以上を含む前記特徴データを求めて前記記憶部に格納する請求項13に記載の情報処理システム。 - 前記特徴データは、さらに、
第3近似直線の傾きと第4近似直線の傾きの差、及び、前記分布の全体の直線性を表す指標のうちのひとつ以上を含む請求項16に記載の情報処理システム。 - 処理部が、人の動きによる人の加速度を所定期間にわたり測定するセンサにより測定された加速度データから、予め定められた単位時間毎の動きの速さを求め、
処理部が、動きの速さの複数の基準値のそれぞれについて、求められた単位時間毎の動きの速さのうち、動きの速さが該基準値以上であるものをカウントして、該動きの速さの基準値に対する累積頻度とし、
処理部が、動きの速さの基準値と該基準値に対する累積頻度の対数値との分布に基づく統計データを、人の行動の特徴データとして求めて記憶部に格納する情報処理方法。 - 処理部が、人の動きによる人の加速度を所定期間にわたり測定するセンサにより測定された加速度データから、予め定められた単位時間毎の動きの速さを求め、
処理部が、単位時間毎の動きの速さが、予め定められた閾値を超えているか否かにより、該時間において活性状態か非活性状態かをそれぞれ判定し、
処理部が、活性状態の継続時間及び/又は非活性状態の継続時間を時系列順に求め、
処理部が、継続時間の複数の基準値のそれぞれについて、求められた活性状態の継続時間及び/又は非活性状態の継続時間のうち、継続時間が該基準値以上であるものをカウントして、該継続時間の基準値に対する累積頻度とし、
処理部が、継続時間の基準値と該基準値に対する累積頻度の対数値との分布に基づく統計データを、人の行動の特徴データとして求めて記憶部に格納する情報処理方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2011/063003 WO2012169003A1 (ja) | 2011-06-07 | 2011-06-07 | 情報処理システム及び情報処理方法 |
US14/124,067 US9486161B2 (en) | 2011-06-07 | 2011-06-07 | Information processing system and method |
JP2013519254A JP5588563B2 (ja) | 2011-06-07 | 2011-06-07 | 情報処理システム及び情報処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2011/063003 WO2012169003A1 (ja) | 2011-06-07 | 2011-06-07 | 情報処理システム及び情報処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2012169003A1 true WO2012169003A1 (ja) | 2012-12-13 |
Family
ID=47295610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2011/063003 WO2012169003A1 (ja) | 2011-06-07 | 2011-06-07 | 情報処理システム及び情報処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9486161B2 (ja) |
JP (1) | JP5588563B2 (ja) |
WO (1) | WO2012169003A1 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016513494A (ja) * | 2013-03-05 | 2016-05-16 | マイクロソフト テクノロジー ライセンシング,エルエルシー | 自動的な運動の区分と認識 |
WO2016125260A1 (ja) * | 2015-02-04 | 2016-08-11 | 株式会社日立製作所 | 心理状態計測システム |
JP2019055196A (ja) * | 2018-10-17 | 2019-04-11 | 株式会社日立製作所 | 心理状態計測システム |
JPWO2018131311A1 (ja) * | 2017-01-10 | 2019-11-07 | 日本電気株式会社 | センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム |
JP2020500049A (ja) * | 2016-10-20 | 2020-01-09 | ヘルスアップ エスピー.ゼット オー.オー.Healthup Sp. Z O.O. | 携帯型肺活量計 |
JP6913803B1 (ja) * | 2020-08-25 | 2021-08-04 | 株式会社オプティム | プログラム、方法、及びシステム |
WO2023013475A1 (ja) * | 2021-08-03 | 2023-02-09 | 株式会社Nttドコモ | 行動変容促進装置 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10080146B2 (en) * | 2014-03-12 | 2018-09-18 | Telefonaktiebolaget Lm Ericsson (Publ) | Antenna beam control |
US10083233B2 (en) * | 2014-09-09 | 2018-09-25 | Microsoft Technology Licensing, Llc | Video processing for motor task analysis |
US10147290B2 (en) * | 2015-05-05 | 2018-12-04 | Andre Green | Tent alarm system |
TWI620908B (zh) * | 2017-10-16 | 2018-04-11 | 臺泥資訊股份有限公司 | 監控設備之方法及系統 |
JP6701160B2 (ja) | 2017-12-28 | 2020-05-27 | 株式会社日立製作所 | プロジェクト支援システム及び方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000093409A (ja) * | 1999-10-05 | 2000-04-04 | Suzuken Co Ltd | 運動レベル経時記憶装置 |
JP2004512061A (ja) * | 2000-06-16 | 2004-04-22 | ボディーメディア インコーポレイテッド | 健康及び壮健状態をモニターするシステム |
JP2004538066A (ja) * | 2000-06-16 | 2004-12-24 | ボディーメディア インコーポレイテッド | 健康及び壮健状態をモニターする装置 |
JP2008210363A (ja) * | 2007-01-31 | 2008-09-11 | Hitachi Ltd | ビジネス顕微鏡システム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6266623B1 (en) * | 1994-11-21 | 2001-07-24 | Phatrat Technology, Inc. | Sport monitoring apparatus for determining loft time, speed, power absorbed and other factors such as height |
US7387611B2 (en) * | 2003-04-10 | 2008-06-17 | Matsushita Electric Industrial Co., Ltd. | Physical movement analyzer and physical movement analyzing method |
US8949070B1 (en) * | 2007-02-08 | 2015-02-03 | Dp Technologies, Inc. | Human activity monitoring device with activity identification |
EP2263532A1 (en) * | 2009-06-05 | 2010-12-22 | Koninklijke Philips Electronics N.V. | Motion determination apparatus |
-
2011
- 2011-06-07 US US14/124,067 patent/US9486161B2/en active Active
- 2011-06-07 WO PCT/JP2011/063003 patent/WO2012169003A1/ja active Application Filing
- 2011-06-07 JP JP2013519254A patent/JP5588563B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000093409A (ja) * | 1999-10-05 | 2000-04-04 | Suzuken Co Ltd | 運動レベル経時記憶装置 |
JP2004512061A (ja) * | 2000-06-16 | 2004-04-22 | ボディーメディア インコーポレイテッド | 健康及び壮健状態をモニターするシステム |
JP2004538066A (ja) * | 2000-06-16 | 2004-12-24 | ボディーメディア インコーポレイテッド | 健康及び壮健状態をモニターする装置 |
JP2008210363A (ja) * | 2007-01-31 | 2008-09-11 | Hitachi Ltd | ビジネス顕微鏡システム |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016513494A (ja) * | 2013-03-05 | 2016-05-16 | マイクロソフト テクノロジー ライセンシング,エルエルシー | 自動的な運動の区分と認識 |
WO2016125260A1 (ja) * | 2015-02-04 | 2016-08-11 | 株式会社日立製作所 | 心理状態計測システム |
JPWO2016125260A1 (ja) * | 2015-02-04 | 2017-08-03 | 株式会社日立製作所 | 心理状態計測システム |
EP3574832A1 (en) | 2015-02-04 | 2019-12-04 | Hitachi, Ltd. | Mental state measurement system |
US11172854B2 (en) | 2015-02-04 | 2021-11-16 | Happiness Planet, Ltd. | System that measures different states of a subject |
JP2020500049A (ja) * | 2016-10-20 | 2020-01-09 | ヘルスアップ エスピー.ゼット オー.オー.Healthup Sp. Z O.O. | 携帯型肺活量計 |
US11540726B2 (en) | 2016-10-20 | 2023-01-03 | Healthup Spólka Akcyjna | Portable spirometer |
US11514277B2 (en) | 2017-01-10 | 2022-11-29 | Nec Corporation | Sensing system, sensor node device, sensor measurement value processing method, and program |
JPWO2018131311A1 (ja) * | 2017-01-10 | 2019-11-07 | 日本電気株式会社 | センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム |
JP7206915B2 (ja) | 2017-01-10 | 2023-01-18 | 日本電気株式会社 | センシングシステム、センサノード装置、センサ測定値処理方法及びプログラム |
JP2019055196A (ja) * | 2018-10-17 | 2019-04-11 | 株式会社日立製作所 | 心理状態計測システム |
JP2022037828A (ja) * | 2020-08-25 | 2022-03-09 | 株式会社オプティム | プログラム、方法、及びシステム |
JP6913803B1 (ja) * | 2020-08-25 | 2021-08-04 | 株式会社オプティム | プログラム、方法、及びシステム |
WO2023013475A1 (ja) * | 2021-08-03 | 2023-02-09 | 株式会社Nttドコモ | 行動変容促進装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2012169003A1 (ja) | 2015-02-23 |
US20140379292A1 (en) | 2014-12-25 |
JP5588563B2 (ja) | 2014-09-10 |
US9486161B2 (en) | 2016-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5588563B2 (ja) | 情報処理システム及び情報処理方法 | |
Muaremi et al. | Towards measuring stress with smartphones and wearable devices during workday and sleep | |
Coorevits et al. | The rise and fall of wearable fitness trackers | |
Yang et al. | Lifelogging data validation model for internet of things enabled personalized healthcare | |
US20220222687A1 (en) | Systems and Methods for Assessing the Marketability of a Product | |
US20190117143A1 (en) | Methods and Apparatus for Assessing Depression | |
Bao et al. | Quantifying repetitive hand activityfor epidemiological research on musculoskeletal disorders–part I: individual exposure assessment | |
JP2017521756A (ja) | 色に基づく健康状態テーマを伴うオペレーティング・システム | |
Kusserow et al. | Modeling arousal phases in daily living using wearable sensors | |
Dinesh et al. | A longitudinal wearable sensor study in Huntington’s disease | |
Pustiek et al. | Challenges in wearable devices based pervasive wellbeing monitoring | |
US20240008785A1 (en) | Information processing system, information processing device, information processing method, and information processing program | |
Gopalakrishnan et al. | Mobile phone enabled mental health monitoring to enhance diagnosis for severity assessment of behaviours: a review | |
US11062807B1 (en) | Systems and methods for determining biometric parameters using non-invasive techniques | |
JP2024020631A (ja) | 心理状態計測システム及び心理状態計測方法 | |
JP2018509270A (ja) | 精神的苦痛モニタリングシステム | |
Bowen et al. | Evaluating low-cost activity trackers for use in large-scale data gathering of forestry workers | |
JP2021122580A (ja) | 体調評価方法、および、体調評価システム | |
JP2013089035A (ja) | 情報公開システム、クライアント装置、サーバ、および情報公開方法 | |
WO2020202958A1 (ja) | 分類装置および分類プログラム | |
JP7257381B2 (ja) | 判定システムおよび判定方法 | |
WO2024106309A1 (ja) | エンゲージメント推定方法、プログラム及びエンゲージメント推定システム | |
JP2020181313A (ja) | 健康管理システムおよびプログラム | |
Tsiourti et al. | Towards smartphone-based assessment of burnout | |
Oliveira et al. | Smartphone as data collector in health monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 11867286 Country of ref document: EP Kind code of ref document: A1 |
|
ENP | Entry into the national phase |
Ref document number: 2013519254 Country of ref document: JP Kind code of ref document: A |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
WWE | Wipo information: entry into national phase |
Ref document number: 14124067 Country of ref document: US |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 11867286 Country of ref document: EP Kind code of ref document: A1 |