WO2013157332A1 - 行動識別装置、行動識別システム及び行動識別プログラム - Google Patents

行動識別装置、行動識別システム及び行動識別プログラム Download PDF

Info

Publication number
WO2013157332A1
WO2013157332A1 PCT/JP2013/056912 JP2013056912W WO2013157332A1 WO 2013157332 A1 WO2013157332 A1 WO 2013157332A1 JP 2013056912 W JP2013056912 W JP 2013056912W WO 2013157332 A1 WO2013157332 A1 WO 2013157332A1
Authority
WO
WIPO (PCT)
Prior art keywords
action
behavior
likelihood
identification
sensor data
Prior art date
Application number
PCT/JP2013/056912
Other languages
English (en)
French (fr)
Inventor
宮崎　陽司
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Publication of WO2013157332A1 publication Critical patent/WO2013157332A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
    • H04Q2209/84—Measuring functions

Definitions

  • the present invention relates to an action identification device, an action identification system, and an action identification program for identifying an action.
  • a portable terminal equipped with various sensors (acceleration sensor, angular velocity sensor, heart rate sensor, etc.), daily sensor data is collected, and various actions of the user (walking, running, driving a car, riding a train) For example).
  • sensors acceleration sensor, angular velocity sensor, heart rate sensor, etc.
  • daily sensor data is collected, and various actions of the user (walking, running, driving a car, riding a train) For example).
  • time-series data output from the sensor is cut out at a constant time interval, and a feature amount is calculated from the cut-out data. Then, by comparing the feature amount with a preset threshold value, the actual person behavior is determined as “walking”, “running”, “running a car”, or “riding on a train”. It is determined which of a plurality of target actions is applicable.
  • Patent Documents 1 and 2 describe the following inventions as examples of techniques for performing action identification processing while suppressing power consumption.
  • Patent Document 1 is an invention relating to a system for measuring biological information, and is designed to save power by switching the measurement interval of biological information according to the remaining amount of the battery. Specifically, when the remaining battery level is low, the measurement interval and the transmission interval of the measurement result to the server are increased.
  • Patent Document 2 is an invention related to a system that counts the number of steps, and power saving is achieved by executing the step count only in a specific state. Specifically, it is determined whether or not the user is in a walking state from characteristics of acceleration such as the tilt of the terminal and the frequency of acceleration change. The number of steps is counted only when it can be determined that the vehicle is in a walking state.
  • the invention can be applied only to the step count counting. And since it takes time to determine that it is in a walking state, after all, it is possible to measure the number of steps only after a certain period of time has elapsed since entering the walking state, and no measurement can be performed at other times. . Accordingly, there arises a problem that the measurement itself cannot be performed before the accuracy of action identification.
  • a case where the accuracy of action identification is lowered will be described using a specific example.
  • the time required for a certain action to be continued varies depending on the action, such as a stair climbing action being completed in a few seconds and a boarding action (boarding time) usually taking at least several minutes.
  • the identification processing interval is set uniformly, there is a case where information indicating that an action to be completed in a short time is executed cannot be acquired. For example, when the identification process interval is set to 30 seconds and the action identification process is executed every 30 seconds, the stair climbing action completed in 10 seconds may not be identified.
  • Patent Document 1 and Patent Document 2 perform behavior identification processing at uniform intervals, so even if the identification accuracy is high before and after the identification processing is executed. There is a problem that the identification result is affected by the identification accuracy when the identification process is executed.
  • the present invention provides an action identification device, an action identification system, and an action identification program that can accurately acquire what kind of action a user is currently performing while suppressing power consumption. With the goal.
  • action identifying means for determining which of the plurality of actions the user is performing, and the action identification
  • the time interval from the predetermined reference time corresponding to the current action identification process to the start time of the next action identification process is determined based on which of the plurality of actions the action requested by the means is
  • an action identification device comprising: a processing interval calculation means for calculating; and a control means for starting the next action identification process at a time when the time interval has elapsed from the reference time.
  • a behavior identification system including a first terminal and a second terminal, wherein the first terminal includes sensor data acquisition means for acquiring the sensor data,
  • the second terminal is the behavior identification device provided by the first aspect of the present invention, and the sensor data acquisition unit acquires sensor data for a predetermined time from the next processing start time, and acquires the acquired sensor data. After the sensor data is transmitted to the second terminal, the acquisition of the sensor data and the transmission of the sensor data are stopped until the next processing start time is further than the next processing start time.
  • An identification system is provided.
  • an action identifying means for determining which of a plurality of actions the user is performing based on sensor data that changes with the action of the user; The time from the predetermined reference time corresponding to the current action identification process to the start time of the next action identification process based on which of the plurality of actions the action obtained by the action identification means is A function as an action identification device comprising: a processing interval calculation means for calculating a target interval; and a control means for starting the next action identification process at a time when the time interval has elapsed from the reference time.
  • An action identification program is provided.
  • FIG. 1 is a block diagram illustrating an example of an action identification system 10001 according to the first embodiment of the present invention.
  • the behavior identification system 10001 includes a sensor data acquisition unit 100, a behavior identification unit 200, a processing interval calculation unit 300, a processing interval setting unit 400, a processing interval rule storage unit 500, and an identification result presentation unit 600.
  • “behavior” is a general term for user actions and states. Various actions and states of the user are conceivable, but “stop”, “walk”, “run”, “step up / down”, “train ride”, “car ride”, “bicycle driving”, etc. are examples. Can be mentioned. In the following description, the “stop”, “walk”, “run”, “step up / down”, “ride on the train”, “ride on the car”, and “bicycle driving” exemplified will be the actions to be identified. However, in the following, they are expressed as “stop”, “walking”, “running”, “stairs up / down”, “train”, “automobile”, and “bicycle”, respectively. Note that these are merely examples, and operations and states other than these can be used as identification targets in the present embodiment.
  • the “sensor data” is a measured value measured by a sensor worn by the user or a sensor provided in a portable terminal carried by the user.
  • a mobile phone is an example of the portable terminal, but any portable device may be used as long as it is a portable device.
  • the sensor may include a communication function such as Bluetooth (registered trademark), and the sensor may be configured to transmit the measurement value to the mobile phone using the communication function.
  • a specific example of the center data measured by the acceleration sensor provided in the mobile terminal will be described with reference to FIG. Referring to FIG. 2, as an example of the center data, a result of the acceleration sensor sequentially measuring acceleration at 100 ms intervals is shown. 2 is merely an example, and the acceleration measurement interval in the present embodiment is not limited to the 100 ms interval.
  • the “behavior identification process” is a process of acquiring sensor data and identifying which action the user has performed using the sensor data. Further, in the present embodiment, not only the behavior is identified by the behavior identification process, but also the likelihood, which is a measure representing the likelihood of the behavior of the identified behavior, is obtained together.
  • the current time or a certain time is used as a start time, and sensor data from the start time to the end time of a certain period ahead is cut out.
  • This cutout period is referred to as a “time window” in the following description.
  • sensor data is acquired during the time window, and statistical processing for obtaining variance, average, etc., and frequency analysis using Fourier transform are performed on the acquired sensor data to identify the behavior. Find the feature quantity.
  • the behavior for the feature quantity and the likelihood for the discrimination result are output.
  • the identification model is constructed using a widely known method such as a neural network, SVM (Support Vector Machine), Bayesian network, or decision tree.
  • SVM Small Vector Machine
  • Bayesian network or decision tree.
  • an identification model for each action and output the likelihood of each action.
  • an identification model with a decision tree for each action identify whether the current action is the action for each action, and output it together with the likelihood of the identification.
  • the likelihood is generated by using the distribution state of the learning data with respect to the “leaf” of the decision tree.
  • the gist of the present embodiment is to adjust the execution interval of the action identification process. That is, the implementation method of the action identification process, which is a stage before adjustment of the execution interval, is not particularly limited, and can be implemented by an arbitrary method.
  • the action identification process can be realized by using a six-type movement state identification method based on the three-axis acceleration sensor described in Non-Patent Document 1. In the method described in Non-Patent Document 1, the action identification process is realized by the following five steps. 1. Obtain time-series data of axial acceleration. 2. Normalization based on gravity direction estimation, vector length based on the gravitational component, calculation of 3D feature values of inner product / outer product with gravity component 3. Calculation of 12-dimensional feature value using the above-mentioned 3D feature value as input. 4. Classification of moving state by neural network Correction by transition probability model
  • a single action identification process that is, a series of processes from obtaining sensor data and identifying what action the current action is, to setting the next action identification process time
  • this does not limit the number of action identification processes.
  • the action identification process can be continued any number of times.
  • the sensor data acquisition unit 100 sequentially acquires sensor data within a time window necessary for action identification processing from a sensor attached to a user or a sensor included in a mobile terminal carried by the user. Then, the sensor data acquisition unit 100 stores the acquired sensor data in a buffer (not shown) using a storage medium such as a memory or a hard disk.
  • sensor data at times outside the time window is not used. Therefore, if possible, the operation of the sensor itself may be stopped during a time outside the time window. This is because the power consumption can be further reduced by stopping the sensor itself. However, even if the sensor is stopped, it takes a long time to restart, when a lot of power is consumed to restart the sensor, when other software other than this embodiment requires sensor data, or when the sensor is stopped. If the accuracy drops, the sensor may be always activated.
  • the behavior identifying unit 200 calculates the feature amount using the sensor data acquired by the sensor data acquiring unit 100. In addition, the behavior identification unit 200 outputs the identification result for the sensor data using the calculated feature amount and the identification model that is built in advance.
  • the identification result is an action and the likelihood for the action.
  • An example of the identification result output by the action identification unit 200 will be described with reference to FIG.
  • FIG. 3 an example of the behavior to be identified and the likelihood for each behavior are described.
  • an identification result example with a likelihood of 0.1 for the action “stop” and a likelihood of 0.8 for the action “walk” is shown.
  • FIG. 3 shows the likelihood for all of these seven identification target actions. However, the likelihood may be output only for some actions.
  • actions and likelihoods may be output as identification results in descending order of likelihood for the designated number.
  • the likelihood is 0.8 for the action “walking”, the likelihood 0.3 for the action “running”, and the action “step up / down”.
  • only three with a likelihood of 0.2 may be output as identification results. This is because, depending on the rule for determining the processing interval, the processing interval may not be set appropriately in consideration of actions with a very low likelihood.
  • the processing interval rule storage unit 500 is a storage device that stores a “processing interval rule” that is a rule describing a relationship between an action and a processing interval.
  • the action identification process is started at the time of starting the action identification process set by the processing interval setting unit 400 (hereinafter referred to as “behavior identification process start time”).
  • the processing interval is an interval from the current action identification process start time to the next action identification start process time. For example, if the current action identification process execution time is “01:00:00” and the processing interval is 20 seconds, the next action identification process time will be “01:00:20”.
  • a processing interval rule is shown with a processing interval of 20 seconds for the action “stop” and a processing interval of 20 seconds for the action “walk”.
  • the processing interval calculation unit 300 calculates a processing interval using the behavior obtained by the behavior identification unit 200, the likelihood of each behavior, and the processing interval rule stored in the processing interval rule storage unit 500.
  • the processing interval is obtained using a rule that employs an action having the maximum likelihood. For example, assuming that the identification result shown in FIG. 3 is obtained, the action having the maximum likelihood is “walking”. Therefore, “20 seconds” that is the processing interval for the action “walking” is set as the processing interval.
  • an example in which an action having the maximum likelihood is adopted and the processing interval is obtained in consideration of this likelihood is also conceivable.
  • the action having the maximum likelihood is “walking”, and the likelihood is “0.8”. Therefore, the value “16 seconds” obtained by multiplying the likelihood “0.8” with the processing interval “20 seconds” for “walking” having the maximum likelihood is set as the processing interval.
  • the “protrusion degree” is a degree representing how much the likelihood of the action having the maximum likelihood protrudes from the likelihood of another action in determining the processing interval. It represents that the likelihood of the action with the maximum likelihood protrudes as the protrusion degree increases.
  • the protrusion degree can be calculated by the following formula.
  • the action having the maximum likelihood is “walking”, and the likelihood is “0.8”.
  • the protrusion degree with respect to “walking” having the maximum likelihood is 0.68.
  • “10.9 seconds” obtained by multiplying the protrusion degree “0.68”, the likelihood “0.8”, and the processing interval “20 seconds” is set as the processing interval.
  • the calculation method of the processing interval mentioned above is only an example.
  • the processing interval can be calculated by an arbitrary calculation method.
  • the likelihood of action is considered as weighting, and the weighted sum of the processing intervals of each action is considered as the processing interval. That is, the processing interval of each action may be multiplied by the likelihood of each action, and the sum of all the multiplied values may be set as the processing interval.
  • the likelihood for each action after the normalization is multiplied by the processing interval for each action, and the value obtained by multiplying You may make it take the sum.
  • the action with the maximum likelihood is adopted.
  • the calculation was performed using the processing interval corresponding to this action.
  • the likelihood of “walking” may be 0.8
  • the likelihood of “running” may also be 0.8.
  • the calculation may be performed using the average of the processing intervals of the plurality of actions, or the calculation may be performed using the longest processing interval or the minimum processing interval among the processing intervals of the plurality of actions. Also good.
  • the likelihood of “walking” is 0.8 and the likelihood of “running” is also 0.8
  • the average processing interval of 15 seconds may be used, or the longest “20 seconds” may be used. “May be used, or the minimum” 10 seconds "may be used.
  • the processing interval setting unit 400 obtains the next action identification processing start time using the processing interval obtained by the processing interval calculation unit 300, and sets the action identification processing start time in the sensor data acquisition unit 100 and the action identification unit 200.
  • the current action identification process start time is “01:00:00” and the processing interval is 20 seconds
  • the next action identification process start time is “01:00:20”
  • the sensor data acquisition unit 100 Then, “01:00:20” is set as the process execution time of the action identification unit 200.
  • the sensor data acquisition unit 100 and the behavior identification unit 200 execute sensor data acquisition and behavior identification processing again when the behavior identification processing time set by the processing interval setting unit 400 is reached.
  • the sensor data acquisition unit 100 sets a time window between “01: 00: 00: 00” and “01:00:19”, and acquires sensor data within this time window.
  • the action identification part 200 performs an action identification process based on this acquired sensor data.
  • the sensor data acquisition unit 100 and the action identification unit 200 stop the operation until the next action identification process start time after executing the action identification process once.
  • the sensor data acquisition unit 100 or the behavior identification unit 200 may repeat the processing for a certain period until the next behavior identification processing start time. For example, when the current action identification process start time is “01:00:00” and the next action identification process start time is “01:00:20”, the sensor data acquisition unit up to “01:00:10” 100 and the action identification unit 200 perform the processing a plurality of times, and stop the processing from “01:00:11” to “01:00:20”. That is, a plurality of time windows are set between “01: 00: 00: 00” and “01:00:10”, and sensor data within the plurality of time windows are respectively acquired. And the action identification part 200 performs an action identification process in multiple times based on each of this acquired several sensor data. In this case, since the likelihood can be calculated based on a plurality of times of the action identification processing result, a more accurate likelihood can be calculated.
  • the sensor may be always operating.
  • the sensor data acquisition unit 100 may always receive sensor data regardless of the action identification process start time. Even in this case, at least the power consumption associated with the action identification process in the action identification unit 200 can be suppressed, and the goal of reducing the power consumption can be achieved even when the sensor data acquisition unit 100 is operating. Because.
  • the identification result presentation unit 600 presents the identification result output by the behavior identification unit 200 on a screen or records it in an external file or database.
  • the identification result may be presented, but in addition to the identification result, the current action identification process start time and the next action identification process start time may be presented together.
  • the identification result may be presented each time the action identification process is performed, but a plurality of identification results may be presented together after the action identification process is performed a plurality of times.
  • an example of a screen display will be described as an example of presentation of the identification result presentation unit 600.
  • FIG. 5 shows an example of presentation when the action identification process is executed at “01:00:00”, the identification result of FIG. 3 is obtained, and “20 seconds” is obtained as the processing interval.
  • the high-level action “walking” is output as the current action.
  • “01:00:00” and “01:00:20” are shown as the action identification process start time when the identification result of FIG. 3 is calculated and the next action identification process start time, respectively.
  • the presentation method is not limited to the example shown in FIG. 5, and other presentation methods may be adopted.
  • the identification result of the past certain period and the action identification processing start time may be indicated by only characters such as numbers, but may be displayed in a table or graph for easy understanding of the contents.
  • each unit shown in FIG. 1 is not based on a specific physical configuration.
  • this embodiment can be realized by a single device, but can also be realized by a combination of a plurality of devices. That is, each unit shown in FIG. 1 may be on the same computer, or may be individually on another portable terminal or computer and connected via a network.
  • the present embodiment can be realized as a single device by a mobile phone.
  • the mobile phone includes a sensor, and the sensor data acquisition unit 100 is realized by acquiring data from the sensor.
  • the present embodiment can be realized by a combination of an independent sensor and a mobile phone.
  • the sensor data acquisition unit 100 is realized by connecting an independent sensor and a mobile phone by wire or wireless to acquire sensor data measured by the sensor.
  • the sensor data acquisition unit 100 is realized by a mobile phone, and the sensor data acquired by the sensor data acquisition unit 100 is transmitted to a personal computer.
  • the personal computer determines the processing interval based on the transmitted sensor data, and notifies the mobile phone of the determined processing interval.
  • the present embodiment can be used for applications in which, for example, a child has a mobile phone and a parent grasps the behavior of the child in real time on a home PC by cooperating the mobile phone and the personal computer. it can.
  • the mobile phone When communication is performed with a mobile phone, the mobile phone is not required to perform arithmetic processing, but instead, power consumption associated with communication occurs.
  • the identification processing interval can be set appropriately, and the number of sensor data transmissions and computation result receptions by the mobile phone can be reduced.
  • the number of arithmetic processes performed by the personal computer can be reduced. Therefore, even if it is a case where it is set as the form which communicates in this way, this embodiment can reduce the power consumption of a mobile telephone and a personal computer.
  • identification result presentation unit 600 software that operates on a computer such as a mobile phone or a personal computer including an information display device such as a display and an intention presentation device such as a keyboard and buttons cooperates with the hardware. Can be realized.
  • the behavior identification unit 200, the processing interval calculation unit 300, and the processing interval setting unit 400 can be realized by software operating on a computer such as a mobile phone or a personal computer cooperating with hardware.
  • the processing interval rule storage unit 500 can be realized by cooperation of hardware with well-known database software that runs on a mobile phone, personal computer, or the like. Alternatively, the processing interval rule storage unit 500 can be realized by a file system that performs equivalent processing.
  • the purpose of this embodiment is to suppress the power consumption of hardware that operates based on software, no matter how it is implemented.
  • an increase in power consumption due to the operation of hardware for the action identification process is suppressed.
  • the power consumed by the arithmetic processing unit or the like that executes the action identification process is suppressed.
  • the CPU is responsible for sensor control. Therefore, even if the action identification process is paused and the OS pauses the process, the CPU continues to operate in order to control the sensor. In the present embodiment, even in such a device, the amount of calculation in the CPU can be reduced and the power consumption can be reduced. On the other hand, a device in which a microcomputer separate from the CPU is responsible for controlling the sensor is also conceivable. With such a device, the action identification process is paused according to the present embodiment, and the CPU operation can be stopped even if the sensor is operating by pausing the OS process. Therefore, further reduction of power consumption can be expected.
  • the sensor data acquisition unit 100 acquires sensor data for a certain period (time window) necessary for action identification processing from a sensor attached to a user or a portable terminal held by the user, and uses a storage medium such as a memory or a hard disk.
  • the data is stored in a buffer (not shown) (step S11).
  • the action identification unit 200 obtains a feature amount for the sensor data acquired in step S11, and obtains an identification result for the sensor data using an identification model constructed in advance (step S12).
  • processing interval calculation unit 300 obtains a processing interval using the processing interval rule stored in the processing interval rule storage unit 500 for the identification result obtained in step S12 (step S13).
  • processing interval setting unit 400 obtains the next action identification processing start time using the processing interval obtained in step S13, and sets the identification processing execution time of the sensor data acquisition unit 100 and the action identification unit 200 (step S14). ).
  • the identification result presentation unit 600 presents the current action identification process start time, the identification result obtained in step S12, the action identification process start time set in step S14, etc. on the screen, or in an external file or database. Recording (step S15).
  • step S11 is executed again.
  • the action identification process execution time set in step S14 is reached (Yes in step S16)
  • step S11 is executed again.
  • the action identification process execution time set in step S14 is reached (No in step S16)
  • the action identification process is not performed, and thus power consumption can be suppressed.
  • step S15 is performed after step S14, but step S15 may be performed again while step S11 and subsequent steps are being performed. That is, step S15 may be executed at an arbitrary timing in parallel with execution of step S16 and steps S11 to S14 again.
  • step S15 is not an essential operation, and step S15 may be omitted.
  • the behavior identification system 10001 is realized by a mobile phone including an acceleration sensor.
  • the behavior is identified using sensor data obtained by the acceleration sensor, and the identification result and the behavior identification processing start time are displayed on the screen.
  • the processing interval rule storage unit 500 operates on the database program, and stores “behavior” and “processing interval for the behavior” in association with each other as represented by the processing interval rule 51 in FIG. And
  • the action identification unit 200 prepares an identification model for each action and outputs the likelihood of each action.
  • the action identification process start time is “01: 00: 00: 00”.
  • step S11 of FIG. 6 the sensor data acquisition unit 100 acquires acceleration data for a certain time (time window) after the action identification process start time “01:00:00” as shown in FIG. 2, and stores it in the memory. Keep it.
  • acceleration data sampled at 10 ms intervals is acquired.
  • the action identification process generally assumes a specific sampling interval. If the sampling interval is dynamically changed, the identification accuracy may be lowered. Therefore, in this embodiment, the sampling interval is constant. Of course, when a feature quantity independent of the sampling interval is used for identification, the sampling interval may be dynamically changed.
  • step S12 of FIG. 6 the action identification unit 200 performs an identification process on the acceleration data acquired in step S11, and obtains the likelihood of each action.
  • FIG. 3 shows the likelihood for each of the identification target actions “stop”, “walk”, “run”, “stairs up / down”, “train”, “car”, and “bicycle”.
  • the likelihood of “stop” is 0.1
  • the likelihood of “walking” is 0.8. Note that the likelihood is output for each action in consideration of plausibility. Therefore, the total sum of the likelihood of each action is not necessarily 1.0.
  • step S13 in FIG. 6 the processing interval calculation unit 300 applies the processing interval rule stored in the processing interval rule storage unit 500 to the identification result in FIG.
  • the processing interval is a value obtained by multiplying the processing interval for the action having the maximum likelihood by the likelihood of the action.
  • step S14 of FIG. 6 the processing interval setting unit 400 sets “01:00:16”, which is obtained by adding the processing interval “16 seconds” obtained in step S13 to the behavior identification processing start time, as the next behavior identification processing start time.
  • the next action identification process start time is set in the sensor data acquisition unit 100 and the action identification unit 200.
  • step S15 of FIG. 6 the identification result presentation unit 600 gives the user the current action identification process start time, the identification result in step S12, and the next action identification process start time obtained in step S14, as shown in FIG. Present.
  • the action identification process start time can be set according to the identification performance, the action switching, etc.
  • the behavior can be estimated accurately.
  • FIG. 7 is a block diagram illustrating an example of the behavior identification system 10002 according to the second embodiment of this invention.
  • This embodiment is different from the first embodiment in that it further includes an identification result storage unit 700 and a behavior transition analysis unit 800.
  • the identification result storage unit 700 stores the identification result output by the behavior identification unit 200. Then, the behavior transition analysis unit 800 obtains the likelihood of each behavior based on the identification result for a certain period stored in the identification result storage unit 700.
  • FIG. 8 shows an identification result 55 as an example of the identification result stored in the identification result storage unit 700.
  • the identification result 55 stores the likelihood of each action from T0 to T3. Specifically, the likelihood obtained by the action identification process this time is described for each action in the row at time T3. In addition, the likelihood obtained by the action identification process performed immediately before the current action identification process is described for each action in the row of T2. Similarly, the likelihood obtained by the action identification process performed two times before the current action identification process is T1, and the likelihood obtained by the action identification process performed three times before the current action identification process is T1. It is described for each action in T0. In addition, although it is supposed that the likelihood calculated
  • the behavior transition analysis unit 800 performs calculations such as the calculation example 56 and the calculation example 57 of FIG. 8 on the identification result stored in the identification result storage unit 700 to obtain the likelihood of each behavior.
  • the average value of the likelihood at each time for each action is set as the likelihood of that action.
  • the product of the likelihood at each time for each action is set as the likelihood of the action.
  • the behavior transition analysis unit 800 may use all of the identification results stored in the identification result storage unit 700, or may use the identification results from the current time to a certain time before.
  • the processing interval calculation unit 300 obtains the processing interval using the likelihood of each behavior obtained by the behavior transition analysis unit 800.
  • the process using the identification result for one user is described, but a plurality of users may be targeted. That is, the identification result storage unit 700 may store the identification results of a plurality of users, and the behavior transition analysis unit 800 may obtain the likelihood of each behavior using the identification results of the plurality of users.
  • an identification result assumed for each user attribute may be input in advance at the time of product shipment.
  • the operation is the same as in the first embodiment, but the identification result storage unit 700 stores the identification result of the behavior identification unit 200, and the behavior transition analysis unit 800 stores the identification result stored in the identification result storage unit 700.
  • the likelihood of each action is obtained using, and the processing interval calculation unit 300 obtains the processing interval using the likelihood of each action obtained by the behavior transition analysis unit 800.
  • steps S21 and S22 are the same as steps S11 and S12, and steps S26 to S28 are the same as steps S14 to S16. Therefore, description of these steps is omitted, and only steps S23 to S25 different from the operation of the first embodiment are described.
  • the identification result storage unit 700 stores the identification result obtained in step S22 (step S23).
  • the behavior transition analysis unit 800 obtains the likelihood of each behavior using step S23 and the identification result stored in the past (step S24).
  • the processing interval calculation unit 300 obtains a processing interval using the likelihood of each action obtained in step S24 (step S25).
  • the operation of the behavior identification system of the second exemplary embodiment will be described in detail using specific examples.
  • This embodiment operates in the same manner as the first embodiment, but the identification result storage unit 700 stores the identification result of the behavior identification unit 200, and the behavior transition analysis unit 800 stores the identification result stored in the identification result storage unit 700. It differs from the first embodiment in that the likelihood of each action is obtained using the result. Furthermore, the present embodiment is different from the first embodiment in that the processing interval calculation unit 300 obtains the processing interval using the likelihood of each behavior obtained by the behavior transition analysis unit 800.
  • the action identification unit 200 outputs the identification results from T0 to T2 in FIG. 8 in the past, and the identification result storage unit 700 stores them.
  • the identification result storage unit 700 outputs the information and stores it.
  • step S102 in FIG. 9 the behavior transition analysis unit 800 performs the calculation of the calculation example 56 in FIG. 8 to obtain the likelihood of each behavior.
  • FIG. 10 is a block diagram showing an example of an action identification system 10003 according to the third embodiment of the present invention.
  • This embodiment is different from the second embodiment in that it further includes an action model construction unit 900.
  • the action transition analysis unit 800 obtains the likelihood of each action based on the identification result stored in the identification result storage unit 700.
  • the behavior model construction unit 900 constructs a behavior model based on the identification result stored in the identification result storage unit 700. Furthermore, the behavior transition analysis unit 800 obtains the likelihood of each behavior using the behavior model of the behavior model construction unit 900 and the identification result stored in the identification result storage unit 700.
  • the behavior model construction unit 900 constructs a behavior model that describes the transition probabilities between the behaviors as in the behavior model example 58 of FIG. 11 based on the identification result stored in the identification result storage unit 700.
  • the probability of performing the “walking” behavior after the “stopping” behavior is 0.5.
  • the probability that the “stop” action is continued after the “stop” action is 0.5.
  • the behavior transition analysis unit 800 selects a behavior with the highest likelihood from the latest identification results as shown in the calculation example 59 in FIG. 11, and determines the transition probability from the behavior to each behavior as the likelihood of each behavior. Get as.
  • the likelihood of each action is acquired from the latest identification result stored in the identification result storage unit 700, and the likelihood of each action and the transition probability to that action are multiplied. It is also possible to acquire the sum of values as the likelihood of each action.
  • the likelihood regarding “stop” is to be obtained.
  • the identification result of this time regarding “stop” is 0.1. Therefore, a value obtained by multiplying the likelihood 0.1 by the transition probability to the action is calculated in relation to all actions.
  • the expression expressed in calculation example 60-1 will be described. Since the transition probability from “stop” to “stop” is 0.5 when referring to the behavior model example 58, the value is multiplied by the likelihood of 0.1. 0.05 is calculated. Similarly, since the transition probability from “walking” to “stop” is 0.5 when referring to the behavior model example 58, the value is calculated by multiplying by the likelihood 0.1. Similar to “stop” and “walking”, all other behaviors are multiplied by the transition probability of “stop” and the likelihood of 0.1. The sum of the values thus calculated becomes the likelihood of “stop”. This is shown in Calculation Example 60-2.
  • a value obtained by multiplying the likelihood of a certain period for each action and further multiplying that value by the transition probability may be acquired as the likelihood of each action. Conceivable. That is, as in calculation example 57 in FIG. 8, an example is conceivable in which a value obtained by multiplying the likelihood for a certain period for each action and further multiplying that value by the transition probability is obtained as the likelihood of each action.
  • the operation is the same as in the second embodiment, but the behavior model construction unit 900 constructs a behavior model based on the identification result stored in the identification result storage unit 700, and the behavior transition analysis unit 800 It differs from the operation of the second embodiment in that the likelihood of each behavior is obtained using the behavior model of the model construction unit 900 and the identification result stored in the identification result storage unit 700.
  • Steps S31 to S33 are the same as Steps S21 to S23, and Steps S37 to S39 are the same as Steps S26 to S28. Therefore, description of these steps is omitted, and only steps S34 to S36 different from the operation of the second embodiment are described.
  • the behavior model construction unit 900 constructs a behavior model using the identification result stored in step S33 (step S34).
  • the behavior transition analysis unit 800 obtains the likelihood of each behavior using the behavior model constructed in step S34 and the identification result stored in the past (step S35).
  • the processing interval calculation unit 300 calculates the processing interval using the likelihood of each action determined in step S35 (step S36).
  • the present embodiment operates in the same manner as the second embodiment, but the behavior model construction unit 900 constructs a behavior model based on the identification result stored in the identification result storage unit 700, and the behavior transition analysis unit 800
  • the second embodiment is different from the second embodiment in that the likelihood of each behavior is obtained using the behavior model of the model construction unit 900 and the identification result stored in the identification result storage unit 700.
  • the behavior model construction unit 900 constructs the behavior model 58 shown in FIG. 11 based on the past identification results stored in the identification result storage unit 700. .
  • the behavior model construction unit 900 constructs a behavior model using a transition frequency distribution between each behavior and a hidden Markov model.
  • the number of transitions from “stop” to other actions such as “stop ⁇ stop” and “stop ⁇ walk”, and the number of transitions divided by the total number of transitions from “stop” A frequency distribution can be constructed.
  • step S35 of FIG. 12 the behavior transition analysis unit 800 obtains the likelihood of each behavior by the calculation method shown in the calculation example 59 of FIG. 11 using the behavior model constructed in step S34.
  • the action with the highest likelihood among the latest identification results stored in the identification result storage unit 700 is the stair climbing.
  • step S25 of FIG. 12 the processing interval is obtained using the likelihood of each action obtained in step S24.
  • FIG. 13 is a block diagram showing an example of an action identification system 10004 according to the fourth embodiment of the present invention.
  • This embodiment is different from the behavior identification system 10001 of the first embodiment in that a situation acquisition unit 1000 and a behavior change probability calculation unit 1100 are further included.
  • the processing interval calculation unit 300 calculates not only the processing interval rule storage unit 500 but also the behavior change probability calculated by the behavior change probability calculation unit 1100 according to the user situation acquired by the situation acquisition unit 1000.
  • the processing interval is also calculated using the difference from the other embodiments.
  • the user status acquired by the status acquisition unit 1000 may be anything.
  • the status acquisition unit 1000 acquires status such as POI (point of interest) information on the location where the user is currently located, the user's schedule, and the like.
  • the user's situation acquisition route acquired by the situation acquisition unit 1000 may also be an arbitrary route.
  • POI information it may be acquired via a network from a device having a function conforming to GPS (Global Positioning System), or the action identification system 10004 may further include a function conforming to GPS. Also good.
  • GPS Global Positioning System
  • the action identification system 10004 may further include a function conforming to GPS. Also good.
  • a situation such as a user's schedule is acquired, the user may be allowed to input a schedule in advance, or a schedule input by the user for other purposes may be used. For example, a schedule input by a user to an application used for managing his own schedule may be used.
  • the behavior change probability calculation unit 1100 obtains a behavior change probability for the situation acquired by the situation acquisition unit 1000.
  • the action change probability is a probability representing the ease of change of action. Specifically, when watching a movie in a movie theater, it is considered that “stop” continues for a certain period of time, and it is assumed that the probability of changing to an action other than “stop” is low. Therefore, the behavior change probability is set low. On the other hand, when sports are performed on the stadium, it is assumed that changes such as a change from “walking” to “running” and a change from “stop” occur frequently. Therefore, the behavior change probability is set high.
  • the behavior change probability calculation unit 1100 stores a behavior change probability table representing behavior change rates in association with various situations.
  • FIG. 14 shows an action change probability table 61 which is an example of an action change probability table.
  • the behavior change probability calculation unit 1100 outputs a behavior change probability with reference to the behavior change rate table 61 of FIG. For example, when the user situation acquired by the situation acquisition unit 1000 is “concert hall / music appreciation”, the behavior change probability calculation unit 1100 outputs 0.2 as the behavior change probability. When the user situation acquired by the situation acquisition unit 1000 is “restaurant / meal”, the behavior change probability calculation unit 1100 outputs 0.3 as the behavior change probability.
  • the processing interval calculation unit 300 not only uses the behavior and each likelihood obtained by the behavior identification unit 200 and the processing interval rule stored in the processing interval rule storage unit 500, as in the other embodiments, but in addition to these. Then, the processing interval is calculated using the behavior change probability obtained by the behavior change probability calculation unit 1100.
  • the user is in the hall from the location information in the situation of a certain user, is listening to music from the schedule, and the action is stopped.
  • processing interval rule storage unit 500 stores the processing interval rule 51 shown in FIG. 4
  • behavior change probability calculation unit 1100 stores the behavior change probability table 61 shown in FIG.
  • the processing interval calculation unit 300 acquires the behavior change probability of 0.2, “20 seconds” as the processing interval for the behavior “stop”, and sets the behavior change probability in the situation as the processing example 62 in FIG. 14.
  • a value 20 ⁇ (1 ⁇ 0.2) 16 seconds multiplied by is output as the processing interval.
  • an example of calculating the processing interval in consideration of the past actions like the calculation example 63 and the calculation example 64 in FIG. 14 is also considered. It is done.
  • the operation is the same as in the first embodiment, but the processing interval calculation unit 300 calculates not only the processing interval rule storage unit 500 but also the behavior change probability calculation according to the user situation acquired by the situation acquisition unit 1000.
  • the point which calculates a processing interval also using the action change probability which the part 1100 calculated differs from other embodiment.
  • steps S41 and S42 are the same as steps S11 and S12, and steps S46 to S48 are the same as steps S14 to S16. Therefore, description of these steps is omitted, and only Steps S43 to S45 different from the operation of the first embodiment are described.
  • the status acquisition unit 1000 acquires the status such as the POI information of the place where the user is present and the user's schedule (step S43).
  • the behavior change probability calculation unit 1100 obtains the behavior change probability for the situation acquired in step S43 (step S44).
  • the processing interval calculation unit 300 calculates the processing interval using the behavior change probability obtained in step S44 in addition to the behavior obtained in step S42, each likelihood, and the processing interval rule stored in the processing interval rule storage unit 500. (Step S45).
  • step S43 of FIG. 16 the status acquisition unit 1000 refers to the POI information 65 and the schedule 66 from the position of the user (position A) and acquires that the user is currently listening to music in the hall.
  • the action probability calculation unit 1100 outputs 0.2 as the action change probability using the action change rate table of FIG. 14.
  • the position is used as the situation, but the situation may be acquired using other information.
  • the current status may be acquired from social media such as Twitter (registered trademark) or Facebook (registered trademark), Blog, bulletin board, or e-mail.
  • social media such as Twitter (registered trademark) or Facebook (registered trademark), Blog, bulletin board, or e-mail.
  • a more detailed situation may be acquired by specifying the location of the user's workplace from GPS or the user's profile, or acquiring location information or an address registered in Twitter, Facebook, or the like.
  • the above behavior identification system can be realized by hardware, software, or a combination thereof.
  • the behavior identification method performed by the behavior identification system can also be realized by hardware, software, or a combination thereof.
  • "realized by software” means realized by a computer reading and executing a program.
  • Non-transitory computer readable media include various types of tangible storage media.
  • Examples of non-transitory computer readable media include magnetic recording media (eg, flexible disk, magnetic tape, hard disk drive), magneto-optical recording media (eg, magneto-optical disc), CD-ROM (Read Only Memory), CD- R, CD-R / W, semiconductor memory (for example, mask ROM, PROM (Programmable ROM), EPROM (Erasable ROM), flash ROM, RAM (random access memory)).
  • the program may also be supplied to the computer by various types of temporary computer readable media. Examples of transitory computer readable media include electrical signals, optical signals, and electromagnetic waves.
  • the temporary computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.
  • Action identifying means for determining which of the plurality of actions the user is performing based on sensor data that changes with the action of the user; The time from the predetermined reference time corresponding to the current action identification process to the start time of the next action identification process based on which of the plurality of actions the action obtained by the action identification means is A processing interval calculation means for calculating a target interval; Control means for starting the next action identification process at the time when the time interval has elapsed from the reference time;
  • An action identification device comprising:
  • the action identification device (Appendix 2) The action identification device according to attachment 1, wherein The behavior identifying means obtains a likelihood that the user is performing the behavior for each of a plurality of behaviors based on the sensor data,
  • the processing interval calculation means is configured to perform a next action identification process from a predetermined reference time corresponding to the current action identification process based on a part or all of the likelihood of each of the plurality of actions obtained by the action identification means.
  • a behavior identification device that calculates a time interval until a start time.
  • the behavior identification device according to attachment 1 or 2, wherein a processing interval of an arbitrary length is associated with each behavior to be identified,
  • the processing interval calculation means starts the next processing by a value obtained by multiplying the likelihood related to the action with the highest likelihood, the processing interval associated with the action, and the protrusion degree.
  • An action identification device that calculates time.
  • the behavior identification device obtains a likelihood that the user is performing the behavior for each of a plurality of behaviors based on the sensor data,
  • An identification result storage means for storing a plurality of the likelihoods obtained by the action identification means for each of a plurality of actions;
  • a transition analysis means for obtaining a likelihood for each action from a plurality of likelihoods stored in the identification result storage unit, and outputting the obtained likelihood to the action processing interval calculation means; Further comprising
  • the behavior identification apparatus characterized in that the processing interval calculation means calculates the next processing start time based on the likelihood obtained by the behavior transition analysis means instead of the likelihood output by the behavior identification means.
  • the behavior identification device obtains a likelihood that the user is performing the behavior for each of a plurality of behaviors based on the sensor data, Status acquisition means for acquiring information representing the current status of the user; Behavior change probability calculation means for obtaining a behavior change probability that is a value representing a probability that the behavior changes for each situation; And the processing interval calculation means calculates the next processing start time based on the behavior change probability in addition to the likelihood.
  • An action identification system including a first terminal and a second terminal,
  • the first terminal includes sensor data acquisition means for acquiring the sensor data
  • the second terminal is the behavior identification device according to any one of appendices 1 to 8,
  • the sensor data acquisition means acquires sensor data for a predetermined time from the next processing start time, and after transmitting the acquired sensor data to the second terminal, further next time than the next processing start time.
  • the behavior identification system characterized by stopping the acquisition of the sensor data and the transmission of the sensor data until the processing start time is reached.
  • Computer Action identifying means for determining which of the plurality of actions the user is performing based on sensor data that changes with the action of the user; The time from the predetermined reference time corresponding to the current action identification process to the start time of the next action identification process based on which of the plurality of actions the action obtained by the action identification means is A processing interval calculation means for calculating a target interval; Control means for starting the next action identification process at the time when the time interval has elapsed from the reference time; It is made to function as an action identification apparatus provided with the action identification program characterized by the above-mentioned.
  • the present invention identifies a user's action using a sensor and constructs a device using the identification result on a mobile phone, a toy, a built-in device such as a health device, etc. It is suitable for uses such as an information recommendation service.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Environmental & Geological Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Selective Calling Equipment (AREA)
  • Telephone Function (AREA)
  • Telephonic Communication Services (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

　消費電力を抑えながらも、ユーザが現在どのような行動をしているのかを精度良く取得する。ユーザの行動に伴い変化するセンサデータに基づいて、前記ユーザが複数の行動のうちの何れの行動を行っているかを求める。求めた行動が複数の行動のうちの何れの行動であるかに基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出する。前記基準の時刻から前記時間的間隔が経過した時刻に前記次回の行動識別処理を開始させる。

Description

行動識別装置、行動識別システム及び行動識別プログラム
　本発明は、行動を識別する為の、行動識別装置、行動識別システム及び行動識別プログラムに関する。
　各種センサ（加速度センサ、角速度センサ及び心拍数センサ等）を装着した携帯端末等を用いて、日常のセンサデータを収集し、ユーザの多様な行動（歩行中、ランニング中、自動車走行中、電車乗車中など）を識別する、という技術が存在する。
　このようにセンサを用いて人物行動を判定する場合、一般的には、センサから出力される時系列データを一定の時間間隔で切り出して、切り出したデータから特徴量を算出する。そして、特徴量と予め設定された閾値とを比較したりすることにより、実際の人物行動が、上記の「歩行中」、「ランニング中」、「自動車走行中」、「電車乗車中」といった判定対象となる複数の行動のうち、いずれにあたるかが判定される。このような技術を用いてユーザの行動を常時取得、蓄積することにより、日常行動分析や行動に合わせた端末制御、情報推薦などが可能になる。
　しかしながら、携帯端末はバッテリにより駆動している為、可能な限り電力消費を抑えることが望ましい。そのため、携帯端末上で、継続的に行動識別処理を実行し、常時行動を取得、蓄積していく際に、行動識別処理に関する消費電力を低く抑える技術が求められる。
　消費電力を抑えながら行動識別処理を行う技術の例として、特許文献１及び特許文献２に次のような発明が記載されている。
　特許文献１に記載の発明は、生体情報を計測するシステムに関する発明であり、バッテリの残量に応じて生体情報の計測間隔を切り替えることで省電力化を図っている。具体的には、バッテリの残量が少なくなってきた際に、計測間隔や、サーバへの計測結果の送信間隔を広げる。
　特許文献２に記載の発明は、歩数をカウントするシステムに関する発明であり、特定の状態のときにのみ歩数カウントを実行することにより、省電力化を図っている。具体的には、端末の傾きや加速度変化の周波数などの加速度の特徴から歩行状態か否かを判定する。そして、歩行状態にあると判定できるときのみ歩数をカウントする。
特開２００４－２３０１５２号公報 特開２０１０－１５４１４号公報
池谷　直紀、長　健太、岡本　雄三、瀬戸口　久雄、服部　正典、「３軸加速度センサに基づく６種移動状態識別方式」、第２回データ工学と情報マネジメントに関するフォーラム、「電子情報通信学会データ工学研究専門委員会、日本データベース学会及び情報処理学会データベースシステム研究会主催」
　上述したような、特許文献１及び特許文献２に記載の発明等を利用することにより、省電力化を図ること自体は可能となる。
　しかしながら、特許文献１に記載の発明のように行動識別処理の間隔を画一的に制御するだけでは、省電力化を図ることはできるものの、行動識別の精度が低くなってしまうという問題がある。
　また、特許文献２に記載の発明のように、歩行状態にあると判定できる時にのみ歩数をカウントすると、歩数カウントにしか発明を適用することができない。そして、歩行状態にあると判定するためにも時間を要するため、結局、歩行状態に入って一定時間経過してからのみ歩数を計測することができ、それ以外の時間には何らの計測もできない。従って、行動識別の精度以前に計測自体ができないという問題が生じてしまう。
　行動識別の精度が低くなってしまう場合について、具体例を用いて説明する。例えば、階段昇降行動は数秒で完了し、電車への乗車行動（乗車時間）は通常少なくとも数分を要する、というように、或る行動を継続する時間というものは、行動ごとに異なっている。そのため、画一的に識別処理間隔を設定した場合、短い時間で完了する行動が実行されたという情報が取得できない場合が生じる。例えば識別処理間隔を３０秒と設定して、３０秒毎に行動識別処理を実行した場合、１０秒で完了する階段昇降行動を識別できない場合が生じる。
　このように、特許文献１及び特許文献２に記載の発明等の一般的な技術では画一的な間隔で行動識別処理を行うため、識別処理実行時前後で識別精度が高い状況であっても、識別結果が識別処理実行時の識別精度に影響を受けてしまうという問題が有った。
　更には、携帯端末の持ち方を変えたり、携帯端末が叩かれたりした、といった識別精度が低くなる状況下で行動識別処理を実行した場合、誤った識別結果を取得してしまうという可能性がますます高くなるという問題が有った。
　そこで、本発明は、消費電力を抑えながらも、ユーザが現在どのような行動をしているのかを精度良く取得することが可能な、行動識別装置、行動識別システム及び行動識別プログラムを提供することを目的とする。
　本発明の第１の観点によれば、ユーザの行動に伴い変化するセンサデータに基づいて、前記ユーザが複数の行動のうちの何れの行動を行っているかを求める行動識別手段と、　前記行動識別手段が求めた行動が複数の行動のうちの何れの行動であるかに基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出する処理間隔計算手段と、前記基準の時刻から前記時間的間隔が経過した時刻に前記次回の行動識別処理を開始させる制御手段と、を備えることを特徴とする行動識別装置が提供される。
　本発明の第２の観点によれば、第１の端末と、第２の端末を含んだ行動識別システムであって、前記第１の端末は前記センサデータを取得するセンサデータ取得手段を備え、前記第２の端末は上記本発明の第１の観点により提供される行動識別装置であり、前記センサデータ取得手段は前記次回の処理開始時刻から所定時間分のセンサデータを取得し、該取得したセンサデータを前記第２の端末に送信した後は、前記次回の処理開始時刻よりも更に次回の処理開始時刻になるまで前記センサデータの取得及びセンサデータの送信を停止することを特徴とする行動識別システムが提供される。
　本発明の第３の観点によれば、コンピュータを、ユーザの行動に伴い変化するセンサデータに基づいて、前記ユーザが複数の行動のうちの何れの行動を行っているかを求める行動識別手段と、前記行動識別手段が求めた行動が複数の行動のうちの何れの行動であるかに基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出する処理間隔計算手段と、前記基準の時刻から前記時間的間隔が経過した時刻に前記次回の行動識別処理を開始させる制御手段と、を備えることを特徴とする行動識別装置として機能させることを特徴とする行動識別プログラムが提供される。
　本発明によれば、消費電力を抑えながらも、ユーザが現在どのような行動をしているのかを精度良く取得することができる。
本発明の第１の実施形態の基本的構成を表すブロック図である。 本発明の各実施形態において、センサにより取得されるデータの例を表す図である。 本発明の第１の実施形態における識別結果例を表す図である。 本発明の各実施形態において、処理間隔ルール記憶部が記憶する処理間隔ルール、及び処理間隔の計算方法の例を表す図である。 本発明の各実施形態において、識別結果提示部が提表する画面例を表す図である。 本発明の第１の実施形態の基本的動作を表すフローチャートである。 本発明の第２の実施形態の基本的構成を表すブロック図である。 本発明の第２の実施形態において、識別結果記憶部が記憶する識別結果、及び各行動の尤度の計算方法の例を表す図である。 本発明の第２の実施形態の基本的動作を表すフローチャートである。 本発明の第３の実施形態の基本的構成を表すブロック図である。 本発明の第３の実施形態において、行動モデル記憶部が記憶する行動モデル、行動モデルを用いた尤度の計算方法の例を表す図である。 本発明の第３の実施形態の基本的動作を表すフローチャートである。 本発明の第４の実施形態の基本的構成を表すブロック図である。 本発明の第４の実施形態における、行動変化確率及び各行動の尤度の計算方法の例を表す図である。 本発明の第４の実施形態の基本的動作を表すフローチャートである。 本発明の第４の実施形態における、ＰＯＩ情報及びスケジュールの例を表す図である。
　次に、本発明の実施形態について図面を参照して詳細に説明する。
　［第１の実施形態］
　図１は、本発明の第１の実施形態である行動識別システム１０００１の例を表すブロック図である。
　行動識別システム１０００１は、センサデータ取得部１００と、行動識別部２００と、処理間隔計算部３００と、処理間隔設定部４００と、処理間隔ルール記憶部５００と、識別結果提示部６００とを含む。
　続いて本実施形態の構成について詳細に説明するに先立って、本明細書で取り扱う「行動」、「センサデータ」及び「行動識別処理」の各文言について説明をする。
　ここで、「行動」とは、ユーザの動作や状態を総称したものである。ユーザの動作や状態としては種々のものが考えられるが、「停止」、「歩行」、「走行」、「階段昇降」、「電車乗車」、「自動車乗車」、「自転車運転」等が一例として挙げられる。以降の説明では、この例示した「停止」、「歩行」、「走行」、「階段昇降」、「電車乗車」、「自動車乗車」、「自転車運転」を識別対象の行動とする。但し、以下では、それぞれを「停止」、「歩行」、「走行」、「階段昇降」、「電車」、「自動車」、「自転車」と表すことにする。なお、これらは単なる例示に過ぎず、これら以外の動作や状態を本実施形態の識別対象とすることも可能である。
　次に、「センサデータ」とは、ユーザが身に付けたセンサ、あるいはユーザが携帯する携帯端末等に備え付けられたセンサが計測する計測値である。なお、本実施形態では具体的なセンサの種別、センサの装着方法等に制限はない。また、携帯端末としては携帯電話機が一例として挙げられるが、携帯可能な機器であれば任意の機器であって良い。また、センサが例えばBluetooth（登録商標）等の通信機能を含んでおり、センサがこの通信機能を用いて計測値を携帯電話機に送信するように構成しても良い。続いて、図２を参照して携帯端末に備え付けられた加速度センサが計測したセンタデータの具体的な一例について説明する。図２を参照すると、センタデータの一例として、加速度センサが１００ｍｓ間隔で加速度を逐次計測した結果が表されている。なお、図２に図示されているのはあくまで一例に過ぎず、本実施形態における加速度の計測間隔は１００ｍｓ間隔に限定されるものではない。
　更に、「行動識別処理」とは、センサデータを取得し、センサデータを用いてユーザの行った行動が、どの行動であるのかを識別する処理である。また、本実施形態では行動識別処理により行動を識別するだけではなく、識別した行動の、その行動らしさを表す尺度である尤度も併せて求める。
　具体的には、本実施形態における行動識別処理では、現在時刻又は或る時刻を開始時刻として、その開始時刻から一定期間先の終了時刻までのセンサデータを切り出す。この切り出す期間のことを、以下の説明においては「時間窓」と呼ぶ。
　そして、時間窓の間のセンサデータを取得し、この取得したセンサデータに対して分散、平均などを求める為の統計処理や、フーリエ変換を用いた周波数解析などを施し、行動を識別するための特徴量を求める。
　そして、あらかじめ構築しておいた行動と特徴量との関係を示した識別モデルを用いて、特徴量に対する行動とその識別結果に対する尤度を出力する。
　識別モデルは、ニューラルネットワークやＳＶＭ（Support Vector Machine）、ベイジアンネットワーク、決定木など広く知られた手法を用いて構築する。
　更には、行動ごとに識別モデルを用意し、各行動の尤度を出力することも考えられる。例えば、行動毎に決定木で識別モデルを用意し、各行動毎に現在の行動がその行動か否かを識別し、その識別の尤度と合わせて出力することも考えられる。この際は、決定木の“葉”に対する学習データの分布状態を用いることで、尤度を生成する。
　なお、本実施形態では、行動識別処理の実行間隔を調整することを要旨としている。すなわち、実行間隔の調整の前段階となる、行動識別処理の実装方法に関しては特に限定されず、任意の方法により実装することが可能である。一例を挙げるとすれば、非特許文献１に記載されている３軸加速度センサに基づく６種移動状態識別方式を用いることにより行動識別処理を実現できる。なお、非特許文献１に記載の方式では、以下の５つのステップにより行動識別処理を実現している。
１．３軸加速度の時系列データ取得
２．重力方向推定による正規化と，それに基づく重力成分を除去したベクトル長，重力成分との内積・外積の一部の３次元特徴量の算出
３．上記３次元特徴量を入力とした１２次元特徴量の算出
４．ニューラルネットワークによる移動状態の分類
５．遷移確率モデルによる補正
　また、本実施形態では、一度の行動識別処理、つまりセンサデータを取得し、現在の行動が何の行動であるのかを識別したのち、次回の行動識別処理時刻を設定するまでの一連の処理について説明するが、これは行動識別処理の回数について限定しているわけではない。以下で説明する一連の処理を繰り返すことにより、任意の回数だけ行動識別処理を継続することが可能である。
　続いて、本実施形態が含む各部の機能について詳細に説明をする。
　センサデータ取得部１００は、ユーザに装着したセンサ又はユーザが携帯する携帯端末に含まれるセンサから行動識別処理に必要な時間窓内のセンサデータを逐次取得する。そして、センサデータ取得部１００は、取得したセンサデータをメモリやハードディスクといった記憶媒体を用いたバッファ（図示せず。）に記憶する。
　なお、本実施形態では時間窓外の時刻におけるセンサデータは用いない。そのため、可能であれば時間窓外の時間はセンサそのものの動作を止めるようにしても良い。センサそのものを止めることにより、より一層消費電力の削減ができるからである。もっとも、センサを止めても再起動に時間が掛かる場合や、センサの再起動に電力を多く消費する場合、本実施形態以外の他のソフトウェアがセンサデータを必要とする場合、或いはセンサを止めてしまうと精度が低下してしまう場合等にはセンサを常時起動させておくようにしても良い。
　行動識別部２００は、センサデータ取得部１００が取得したセンサデータを用いて特徴量を計算する。また、行動識別部２００は、計算した特徴量と、予め構築しておいた識別モデルとを用いてセンサデータに対する識別結果を出力する。
　ここで識別結果とは行動、およびその行動に対する尤度である。
　図３を参照して行動識別部２００が出力する識別結果の例について説明する。図３では、識別対象の行動と各行動に対する尤度の一例が記載されている。例えば、行動「停止」に対して尤度０．１、行動「歩行」に対して尤度０．８とする識別結果例が表されている。
　上述したように、本実施形態では、「停止」、「歩行」、「走行」、「階段昇降」、「電車」、「自動車」、「自転車」の７つの行動を識別対象の行動としている。そして、図３ではこれら７つの識別対象行動の全てについて尤度を示している。もっとも、一部の行動についてのみ尤度を出力してもよい。
　例えば、指定された個数分、尤度の大きい順に行動と尤度を識別結果として出力するようにしても良い。今回の例で言うと、もしも指定された個数が３つであれば、行動「歩行」に対して尤度０．８、行動「走行」に対して尤度０．３及び行動「階段昇降」に対して尤度０．２の３つのみを識別結果として出力するようにしても良い。処理間隔を決定する為のルールにもよるが、尤度があまりにも低い行動を考慮すると処理間隔が適切に設定できない場合が有るためである。
　処理間隔ルール記憶部５００は、行動と、処理間隔との関係を記載したルールである「処理間隔ルール」を記憶する記憶装置である。
　後述するが、本実施形態では処理間隔設定部４００が設定した行動識別処理を開始する時刻（以下、「行動識別処理開始時刻」と呼ぶ。）に行動識別処理を開始する。また、処理間隔とは、今回の行動識別処理開始時刻から次回の行動識別開始処理時刻までの間隔である。例えば今回の行動識別処理実行時刻が「０１：００：００」であり、処理間隔が２０秒の場合、次回の行動識別処理時刻は「０１：００：２０」となる。
　続いて、図４を参照して、処理間隔ルールの一例について説明する。
　図４の処理間隔ルール５１では、行動と各行動に対応する処理間隔をテーブルとして記載している。
　例えば、行動「停止」に対しては処理間隔２０秒、行動「歩行」に対しては処理間隔２０秒とする処理間隔ルールが表されている。
　処理間隔計算部３００は、行動識別部２００が求めた行動、及び各行動についての尤度と、処理間隔ルール記憶部５００が記憶する処理間隔ルールと、を用いて、処理間隔を求める。
　例えば、図４の計算例５２に示すように、最大の尤度を持つ行動を採用するルールを用いて処理間隔を求める。例えば、図３に表される識別結果が得られた場合を想定すると、最大の尤度を持つ行動は「歩行」である。よって、行動「歩行」に対する処理間隔である「２０秒」を処理間隔とする。
　また、他の例として図４の計算例５３に示すように、最大の尤度を持つ行動を採用し、且つ、この尤度をも考慮して処理間隔を求める例も考えられる。例えば、図３に表される識別結果が得られた場合を想定すると、最大の尤度を持つ行動は「歩行」であり、その尤度は「０．８」である。よって、最大の尤度を持つ「歩行」に対する処理間隔である「２０秒」に対して、尤度「０．８」を乗じた値「１６秒」を処理間隔とする。
　更に別の例としては、図４の計算例５４に示すように、最大の尤度を持つ行動の突出度を利用する例も考えられる。ここで、「突出度」とは、処理間隔の決定をするにあたり、最大の尤度を持つ行動の尤度が、どれだけ他の行動の尤度から突出しているかを表す度合いである。突出度が大きいほど、最大の尤度を持つ行動の尤度が突出していることを表す。
　突出度は下記の式により算出できる。
Figure JPOXMLDOC01-appb-M000002
但し、
ｎ＝識別対象とする行動の数
ｘ＝最大の尤度を持つ行動の尤度
ｙ＝ｉ番目の行動の尤度
であるとする。
　例えば、図３に表される識別結果が得られた場合を想定すると、最大の尤度を持つ行動は「歩行」であり、その尤度は「０．８」である。そして、最大の尤度を持つ「歩行」に対する突出度は０．６８となる。そして、突出度「０．６８」と尤度「０．８」と処理間隔「２０秒」とを乗じた「１０．９秒」を処理間隔とする。
　なお、上述した処理間隔の計算方法は一例に過ぎない。これ以外にも任意の計算方法により処理間隔を算出することが可能である。
　例えば、行動の尤度を重み付けと考え、各行動の処理間隔の重み付け和を処理間隔とするなども考えられる。すなわち各行動の処理間隔と各行動の尤度とを乗算し、乗算した全ての値の総和を処理間隔とするようにしてもよい。或いは、各行動の尤度の和が１になるように、尤度を正規化してから、正規化後の各行動に対する尤度を各行動に対する処理間隔を乗じてから、乗じて得た値の和をとるようにしてもよい。
　なお、上述の計算式では、最大の尤度を持つ行動を採用し。この行動に対応する処理間隔を用いて計算を行った。もっとも、最大の尤度を持つ行動が複数存在する場合もあり得る。例えば「歩行」の尤度が０．８であり、「走行」の尤度も０．８であることもあり得る。
　このような場合はこの複数の行動の処理間隔の平均を用いて計算を行っても良いし、複数の行動の処理間隔の内、最長の処理間隔又は最小の処理間隔を用いて計算を行っても良い。
　例えば「歩行」の尤度が０．８であり、「走行」の尤度も０．８であるとすれば、平均の処理間隔である１５秒を用いても良いし、最長の「２０秒」を用いても良いし、最小の「１０秒」を用いても良い。
　処理間隔設定部４００は、処理間隔計算部３００が求めた処理間隔を用いて次回の行動識別処理開始時刻を求め、センサデータ取得部１００、行動識別部２００に行動識別処理開始時刻を設定する。
　例えば、現在の行動識別処理開始時刻が「０１：００：００」であり、処理間隔が２０秒の場合、次回の行動識別処理開始時刻は「０１：００：２０」となり、センサデータ取得部１００、行動識別部２００の処理実行時刻に「０１：００：２０」を設定する。
　センサデータ取得部１００と行動識別部２００は、処理間隔設定部４００が設定した行動識別処理時刻になると、再度センサデータの取得、行動識別処理を実行する。今回の例であればセンサデータ取得部１００が、「０１：００：００」～「０１：００：１９」の間に時間窓を設定して、この時間窓内のセンサデータを取得する。そして、行動識別部２００はこの取得されたセンサデータに基づいて行動識別処理を実行する。
　なお、今回の説明では、センサデータ取得部１００及び行動識別部２００は行動識別処理を１回実行した後は、次回行動識別処理開始時刻になるまでは動作を停止する。
　もっとも、次回行動識別処理開始時刻までの一定期間センサデータ取得部１００や行動識別部２００が処理を繰り返し行ってもよい。例えば、現在の行動識別処理開始時刻が「０１：００：００」であり、次回の行動識別処理開始時刻が「０１：００：２０」の場合、「０１：００：１０」までセンサデータ取得部１００や行動識別部２００が複数回の処理を行い、「０１：００：１１」から「０１：００：２０」まで処理を停止する。つまり、「０１：００：００」～「０１：００：１０」の間に複数の時間窓を設定して、この複数の時間窓内のセンサデータをそれぞれ取得する。そして、行動識別部２００はこの取得された複数のセンサデータのそれぞれに基づいて行動識別処理を複数回実行する。この場合は複数回の行動識別処理結果に基づいて尤度を算出することができるため、より精度の高い尤度が算出できることとなる。
　なお、上述したように本実施形態ではセンサが常に動作している場合もあり得る。この場合、センサデータ取得部１００が行動識別処理開始時刻と関係なく常時センサデータを受け付けるようにしても良い。このようにした場合であっても、少なくとも行動識別部２００における行動識別処理に伴う電力消費を抑えることができ、センサデータ取得部１００が動作をしていても電力消費の削減という目標は達成できるからである。
　識別結果提示部６００は、行動識別部２００が出力した識別結果を画面に提示したり、外部のファイルやデータベースなどに記録したりする。
　その際、識別結果だけを提示してもよいが、識別結果に加え、現在の行動識別処理開始時刻や次回の行動識別処理開始時刻も合わせて提示するようにしても良い。また、行動識別処理を行うたびに識別結果を提示しても良いが、複数回の行動識別処理を行った後に複数の識別結果をまとめて提示しても良い。
　図５を参照して、識別結果提示部６００の提示例として、画面表示の一例を説明する。
　図５の例では「０１：００：００」に行動識別処理を実行し、図３の識別結果を得られ、処理間隔として「２０秒」を得た場合の提示例を示しており、もっとも尤度の高い行動「歩行」を現在の行動として出力している。また図３の識別結果を計算した際の行動識別処理開始時刻、および次回の行動識別処理開始時刻としてそれぞれ「０１：００：００」「０１：００：２０」を示している。
　もっとも、提示方法は図５に示した例に限定されず、他の提示方法を採用することも考えられる。
　例えば、過去一定期間の識別結果や行動識別処理開始時刻も示すことも考えられる。この場合、単に数字等の文字のみで表しても良いが、内容の把握を容易とするために、表やグラフで表示するようにしても良い。
　次に、本実施形態の物理的な構成について説明する。本実施形態では、図１に表された各部について、特定の物理的な構成を前提としている訳ではない。また、本実施形態は、単体の装置により実現することもできるが、複数の装置の組合せにより実現することも出来る。つまり、図１に表された各部は、同じコンピュータ上にあってもよいし、個々に別の携帯端末やコンピュータ上にあり、ネットワークで接続されていても良い。
　例えば、本実施形態を携帯電話機により単体の装置として実現することが可能である。この場合は携帯電話機にセンサが含まれており、このセンサからデータを取得することによりセンサデータ取得部１００を実現する。
　一方、独立したセンサと携帯電話機の組合せにより本実施形態を実現することも可能である。この場合独立したセンサと携帯電話機を有線又は無線により接続してセンサが測定したセンサデータを取得することによりセンサデータ取得部１００を実現する。
　更には、パーソナルコンピュータ及び携帯電話機の組合せにより実現することが可能である。この場合、例えば携帯電話機によりセンサデータ取得部１００を実現し、センサデータ取得部１００が取得したセンサデータをパーソナルコンピュータに送信する。パーソナルコンピュータは送信されてきたセンサデータに基づいて処理間隔を決定し、決定した処理間隔を携帯電話機に通知する。このように、携帯電話機とパーソナルコンピュータを協働させることによって、例えば、子供に携帯電話機を持たせ、親が自宅パソコンでリアルタイムに子供の行動を把握する、といった用途に本実施形態を用いることができる。
　なお、携帯電話機で通信を行う場合、携帯電話機は演算処理を実行する必要は無くなるが、その代わりに、通信に伴う電力消費が発生することとなる。もっとも、本実施形態では識別処理間隔を適切に設定し、携帯電話機によるセンサデータの送信及び演算結果の受信の回数を削減することができる。また、パーソナルコンピュータによる演算処理の回数を削減することができる。よって、このように通信を行う形態とした場合であっても本実施形態は携帯電話機及びパーソナルコンピュータの消費電力を削減することができる。
　また、識別結果提示部６００は、ディスプレイなどの情報表示装置や、キーボード、ボタンなどの意思提示装置を含んだ、携帯電話やパーソナルコンピュータ等のコンピュータ上で動作するソフトウェアが、ハードウェアと協働することにより実現できる。
　行動識別部２００、処理間隔計算部３００及び処理間隔設定部４００は、携帯電話機やパーソナルコンピュータなどのコンピュータ上で動作するソフトウェアが、ハードウェアと協働することにより実現できる。
　処理間隔ルール記憶部５００は、携帯電話、パーソナルコンピュータなどの上で動く、広く知られたデータベースソフトウエアが、ハードウェアと協働することにより実現できる。あるいは処理間隔ルール記憶部５００は、同等の処理を行うファイルシステムで実現することが出来る。
　本実施形態をどのように実現させる場合であっても、ソフトウェアに基づいて動作するハードウェアの消費電力を抑えることを目的とする。特に本実施形態では、行動識別処理の為にハードウェアが動作することにより電力消費量が増大することを抑える。
　そして、本実施形態では行動識別処理の間隔を適切に設定することによって、行動識別処理を実行する演算処理装置等が消費する電力を抑える。また、本実施形態では、行動識別処理の間隔を適切に設定することによって、行動識別処理の精度が低下することも防止する。
　また、一般的に、センサの制御はＣＰＵが担っている。そのため、行動識別処理を休止し、且つ、ＯＳが処理を休止していてもＣＰＵはセンサを制御する為に動作を継続する。本実施形態はこのような機器であってもＣＰＵでの演算量を削減して、消費電力の削減をすることができる。一方で、ＣＰＵとは別個のマイコンがセンサの制御を担うような機器も考えられる。このような機器であれば、本実施形態により行動識別処理を休止し、且つ、ＯＳの処理を休止させることによりセンサが動作していたとしてもＣＰＵの動作を停止させることができる。そのため、より一層の消費電力の削減が期待できる。
　次に、図１のブロック図及び図６のフローチャートを参照して本実施形態の動作について説明する。
　センサデータ取得部１００は、ユーザあるいはユーザが持つ携帯端末等に装着されたセンサから行動識別処理に必要な一定期間（時間窓）のセンサデータを取得し、メモリやハードディスクなどの記憶媒体を用いたバッファ（図示せず）に記憶する（ステップＳ１１）。
　次に、行動識別部２００は、ステップＳ１１で取得したセンサデータに対して特徴量を求め、予め構築しておいた識別モデルを用いてセンサデータに対する識別結果を求める（ステップＳ１２）。
　また、処理間隔計算部３００は、ステップＳ１２で求めた識別結果に対して処理間隔ルール記憶部５００が記憶する処理間隔ルールを用いて、処理間隔を求める（ステップＳ１３）。
　更に、処理間隔設定部４００は、ステップＳ１３で求めた処理間隔を用いて次回の行動識別処理開始時刻を求め、センサデータ取得部１００、行動識別部２００の識別処理実行時刻を設定する（ステップＳ１４）。
　一方、識別結果提示部６００は、現在の行動識別処理開始時刻やステップＳ１２で求めた識別結果、ステップＳ１４で設定した行動識別処理開始時刻などを画面に提示したり、外部のファイルやデータベースなどに記録したりする（ステップＳ１５）。
　また、本実施形態では、ステップＳ１４で設定した行動識別処理実行時刻になると（ステップＳ１６においてＹｅｓ）、再度ステップＳ１１を実行する。ステップＳ１４で設定した行動識別処理実行時刻になるまでの間は（ステップＳ１６においてＮｏ）、行動識別処理を行わないことから、消費電力を抑えることが可能となる。
　なお、図示の便宜上、ステップＳ１４の後にステップＳ１５が行われているが、ステップＳ１５は再度ステップＳ１１以降を実行している途中に実行されても良い。つまり、ステップＳ１５は、ステップＳ１６及び再度のステップＳ１１～ステップＳ１４の実行と並行して任意のタイミングで実行されれば良い。
　また、ステップＳ１５は必須の動作では無く、ステップＳ１５を省略しても良い。
　［第１の実施例］
　以下、第１の実施形態の行動識別システムの動作を、具体例を用いつつ詳細に説明する。
　今回の説明においては、行動識別処理開始時刻が設定され、次回の行動識別処理開始時刻を決定するまでの一連の処理を示す。もっとも実際には、行動識別処理及び行動識別処理開始時刻の設定処理というこれら一連の処理が繰り返し行われる。
　行動識別システム１０００１は、加速度センサを含んだ携帯電話機で実現されているものとする。
　そして、加速度センサで得られるセンサデータを用いて行動を識別し、識別結果、行動識別処理開始時刻を画面に表示するものとする。
　処理間隔ルール記憶部５００は、データベースプログラム上で動作しており、図４の処理間隔ルール５１に表されるように「行動」と、「その行動に対する処理間隔」を関連付けて記憶しているものとする。
　また行動識別部２００は、行動ごとに識別モデルを用意し、各行動の尤度を出力するものとする。
　本実施例では「停止」、「歩行」、「走行」、「階段昇降」、「電車」、「自動車」、「自転車」を識別対象行動とする。
　また行動識別処理開始時刻を「０１：００：００」とする。
　図６のステップＳ１１で、センサデータ取得部１００は、図２に示すように行動識別処理開始時刻「０１：００：００」以後の一定時間（時間窓）加速度データを取得し、メモリに記憶しておく。
　本実施例では、１０ｍｓ間隔でサンプリングされている加速度データを取得する。なお、行動識別処理では一般的に特定のサンプリング間隔を想定していることが多く、動的にサンプリング間隔を変更すると識別精度が低下する可能性が有る。そのため、本実施形態ではサンプリング間隔は一定としている。もっとも、サンプリング間隔に依存しない特徴量を識別に用いるような場合にはサンプリング間隔を動的に変更するようにしても良い。
　図６のステップＳ１２で、行動識別部２００はステップＳ１１で取得した加速度データに対して識別処理を行い、各行動の尤度を求める。
　本実施例では、行動識別部２００が図３に表される識別結果を出力したとする。
　図３は識別対象行動である「停止」、「歩行」、「走行」、「階段昇降」、「電車」、「自動車」、「自転車」それぞれに対する尤度を示している。
　例えば「停止」の尤度は０．１、「歩行」の尤度は０．８である。なお、尤度は各行動毎にもっともらしさを考慮され、出力される。そのため、各行動の尤度の総和が必ずしも１．０になるわけではない。
　図６のステップＳ１３で、処理間隔計算部３００は図３の識別結果に対して処理間隔ルール記憶部５００が記憶する処理間隔ルールを適用し、処理間隔を求める。
　本実施例では、図４の計算例５３を適用し、最大の尤度を持つ行動に対する処理間隔に対して、その行動の尤度を乗じた値を処理間隔とする。
　具体的には、図３の識別結果において最大の尤度を持つ行動「歩行」に対する処理間隔「２０秒」に対して、「歩行」の尤度「０．８」を乗じた値「１６秒」を処理間隔とする。
　図６のステップＳ１４で、処理間隔設定部４００は、行動識別処理開始時刻にステップＳ１３で求めた処理間隔「１６秒」を足した「０１：００：１６」を次回の行動識別処理開始時刻とし、センサデータ取得部１００と行動識別部２００に次回の行動識別処理開始時刻を設定する。
　図６のステップＳ１５で、識別結果提示部６００は、現在の行動識別処理開始時刻とステップＳ１２での識別結果、ステップＳ１４で求めた次回の行動識別処理開始時刻を、図５のようにユーザに提示する。
　次に、本実施形態の効果について説明する。
　本実施形態では、行動ごとの処理間隔ルールと尤度を考慮した処理間隔時間を設定することにより、識別性能や行動の切り替わりなどに合わせて行動識別処理開始時刻を設定できることから、消費電力を抑えながらも、精度よく行動を推定できる、という効果を奏する。
　［第２の実施形態］
　次に、本発明の第２の発明を実施するための最良の形態について図面を参照して詳細に説明する。
　図７は、本発明の第２の実施形態の行動識別システム１０００２の例を示すブロック図である。
　本実施形態は、第１の実施形態と比較して、識別結果記憶部７００及び行動遷移解析部８００を更に含む点が異なる。
　第２の実施形態では、行動識別部２００が出力する識別結果を識別結果記憶部７００が記憶する。そして行動遷移解析部８００が識別結果記憶部７００が記憶する一定期間の識別結果をもとに、各行動の尤度を求める。
　図８には識別結果記憶部７００が記憶する識別結果の例として識別結果５５が表されている。
　識別結果５５では、Ｔ０～Ｔ３までの各行動の尤度を記憶している。具体的には、今回の行動識別処理により求められた尤度が時刻Ｔ３の行に各行動毎に記載されている。また、Ｔ２の行には今回の行動識別処理の１つ前に行った行動識別処理により求められた尤度が各行動毎に記載されている。同様に、今回の行動識別処理の２つ前に行った行動識別処理により求められた尤度がＴ１に、今回の行動識別処理の３つ前に行った行動識別処理により求められた尤度がＴ０に各行動毎に記載されている。なお、今回は４回分の行動識別処理により求められた尤度を記憶することとしているが、これはあくまで一例に過ぎない。２回分や３回分であっても良いし、５回分以上の任意の回数分であっても良い。
　行動遷移解析部８００は識別結果記憶部７００が記憶する識別結果に対し、図８の計算例５６や計算例５７のような計算を施し、各行動の尤度を求める。
　例えば計算例５６の場合、各行動について各時刻における尤度の平均値を、その行動の尤度とする。
　あるいは計算例５７の場合は、各行動について各時刻における尤度の積を、その行動の尤度とする。
　行動遷移解析部８００は、識別結果記憶部７００が記憶する識別結果の全てを用いてもよいし、現在の時刻から一定時間前までの識別結果を用いてもよい。
　処理間隔計算部３００は、行動遷移解析部８００が求めた各行動の尤度を用いて、処理間隔を求める。
　処理間隔の計算方法は、第１の実施形態と同様に種々の方法を採用することができる。
　本実施形態では、一人のユーザについての識別結果を用いた処理を記載したが、複数のユーザを対象にしてもよい。すなわち、識別結果記憶部７００が複数のユーザの識別結果を記憶し、行動遷移解析部８００が複数のユーザの識別結果を用いて各行動の尤度を求めてもよい。
　その際、ユーザの属性（男女、年齢、位置、時刻、職業など）で計算に用いるユーザを選択し、そのユーザに関する識別結果のみを用いることも考えられる。また、実測に基づいた識別結果のみを識別結果記憶部７００に格納して利用しても良いが、実測に基づかない識別結果を予めユーザの属性毎に識別結果記憶部７００に格納しておいても良い。例えば製品出荷時等に、ユーザの属性毎に想定される識別結果を予め入力しておいてもよい。
　次に、図８及び図９のフローチャートを参照して本実施形態の動作について説明する。
　本実施形態では、第１の実施形態と同様に動作するが、識別結果記憶部７００が行動識別部２００の識別結果を記憶し、行動遷移解析部８００が識別結果記憶部７００が記憶する識別結果を用いて各行動の尤度を求め、処理間隔計算部３００が行動遷移解析部８００が求めた各行動の尤度を用いて処理間隔を求める点で、第１の実施形態の動作と異なる。
　すなわち、ステップＳ２１及びＳ２２はステップＳ１１及びステップＳ１２と同様であり、ステップＳ２６～ステップＳ２８はステップＳ１４～ステップＳ１６と同様である。よってこれらのステップに関しては説明を省略し、第１の実施形態の動作と異なるステップＳ２３～ステップＳ２５について説明をする。
　識別結果記憶部７００はステップＳ２２で求めた識別結果を記憶する（ステップＳ２３）。
　行動遷移解析部８００はステップＳ２３及び過去に記憶した識別結果を用いて各行動の尤度を求める（ステップＳ２４）。
　処理間隔計算部３００は、ステップＳ２４で求めた各行動の尤度を用いて処理間隔を求める（ステップＳ２５）。
　［第２の実施例］
　以下、第２の実施形態の行動識別システムの動作を、具体例を用いつつ詳細に説明する。
　本実施例は、第１の実施例と同様に動作するが、識別結果記憶部７００が行動識別部２００の識別結果を記憶し、行動遷移解析部８００が、識別結果記憶部７００が記憶する識別結果を用いて各行動の尤度を求める点で、第１の実施例と異なる。更に本実施例は、処理間隔計算部３００が、行動遷移解析部８００が求めた各行動の尤度を用いて処理間隔を求める点で、第１の実施例と異なる。
　本実施例では、行動識別部２００が過去に図８のＴ０～Ｔ２までの識別結果を出力し、識別結果記憶部７００が記憶しており、さらに図９のステップＳ１０１で、Ｔ３の識別結果を出力し識別結果記憶部７００が記憶するものとする。
　図９のステップＳ１０２で、行動遷移解析部８００は図８の計算例５６の計算を実施し、各行動の尤度を求める。
　図９のステップＳ１０３で、処理間隔計算部３００は、図８の計算例５６での計算結果に対し、図４の処理間隔ルール５１、及び計算例５３の計算方法を用いて、最大の尤度（歩行＝０．７）から、０．７ｘ２０＝１．４秒を処理間隔として出力する。
　次に、本実施形態の効果について説明する。
　第１の実施形態の効果に加え、一定期間の行動を参照することで、一時的な誤判定の影響を軽減でき、精度よく行動を識別できる、という効果を奏する。
　［第３の実施形態］
　次に、本発明の第３の発明を実施するための最良の形態について図面を参照して詳細に説明する。
　図１０は、本発明の第３の実施形態の行動識別システム１０００３の例を表すブロック図である。
　本実施形態は、第２の実施形態と比較して行動モデル構築部９００を更に含む点が異なる。
　また、第２の実施形態では、識別結果記憶部７００が記憶する識別結果をもとに行動遷移解析部８００が各行動の尤度を求めていた。
　一方、本実施形態では、識別結果記憶部７００が記憶する識別結果をもとに行動モデル構築部９００が行動モデルを構築する。更に、行動遷移解析部８００は行動モデル構築部９００の行動モデルと識別結果記憶部７００が記憶する識別結果を用いて各行動の尤度を求める。
　行動モデル構築部９００は、識別結果記憶部７００が記憶する識別結果をもとに図１１の行動モデル例５８のように各行動間の遷移確率を記載した行動モデルを構築する。
　例えば、行動モデル例５８を参照すると、「停止」行動の後「歩行」行動を行う確率は０．５である。また、「停止」行動の後継続して「停止」行動を行う確率は０．５である。
　行動遷移解析部８００は、図１１の計算例５９に示すように、最新の識別結果のうち最も尤度の高い行動を選択し、その行動からの各行動への遷移確率を各行動の尤度として取得する。
　あるいは、図１１の計算例６０に示すように、識別結果記憶部７００が記憶する最新の識別結果から各行動の尤度を取得し、各行動の尤度とその行動への遷移確率を乗じた値の和を、各行動の尤度として取得することも考えられる。
　例えば、図１１の計算例６０の例では、「停止」に関しての尤度を求めようとしている。「停止」に関して今回の識別結果は０．１である。よって、尤度０．１とその行動への遷移確率を乗じた値を全ての行動との関係で算出する。計算例６０－１に表される式について説明すると、「停止」から「停止」への遷移確率は行動モデル例５８を参照すると、０．５であるので尤度０．１を乗じて値は０．０５を算出している。同様に、「歩行」から「停止」への遷移確率は行動モデル例５８を参照すると、０．５であるので尤度０．１を乗じて値は０．０５を算出している。「停止」及び「歩行」と同様に他の行動全てに関しても「停止」となる遷移確率と尤度０．１とを乗じて値を算出する。このように算出された値の和が「停止」の尤度となる。これを表すのが計算例６０－２である。
　他の例として、識別結果記憶部７００が記憶する識別結果において、各行動毎に一定期間の尤度を乗じ、さらにその値に遷移確率を乗じた値を各行動の尤度として取得することも考えられる。つまり図８の計算例５７のように各行動毎に一定期間の尤度を乗じ、さらにその値に遷移確率を乗じた値を各行動の尤度として取得する、という例が考えられる。
　次に、図１０のブロック図及び図１２のフローチャートを参照して本実施形態の全体の動作について説明する。
　本実施形態では、第２の実施形態と同様に動作するが、識別結果記憶部７００が記憶する識別結果をもとに行動モデル構築部９００が行動モデルを構築し、行動遷移解析部８００は行動モデル構築部９００の行動モデルと識別結果記憶部７００が記憶する識別結果を用いて各行動の尤度を求める点で、第２の実施形態の動作と異なる。
　すなわち、ステップＳ３１～ステップＳ３３はステップＳ２１～ステップＳ２３と同様であり、ステップＳ３７～ステップＳ３９はステップＳ２６～ステップＳ２８と同様である。よってこれらのステップに関しては説明を省略し、第２の実施形態の動作と異なるステップＳ３４～ステップＳ３６について説明をする。
　行動モデル構築部９００はステップＳ３３で記憶している識別結果を用いて行動モデルを構築する（ステップＳ３４）。
　行動遷移解析部８００はステップＳ３４で構築した行動モデル、および過去に記憶した識別結果を用いて各行動の尤度を求める（ステップＳ３５）。
　処理間隔計算部３００は、ステップＳ３５で求めた各行動の尤度を用いて処理間隔を求める（ステップＳ３６）。
　［第３の実施例］
　以下、第３の実施形態の行動識別システムの動作を、具体例を用いつつ詳細に説明する。
　本実施例は、第２の実施例と同様に動作するが、識別結果記憶部７００が記憶する識別結果をもとに行動モデル構築部９００が行動モデルを構築し、行動遷移解析部８００は行動モデル構築部９００の行動モデルと識別結果記憶部７００が記憶する識別結果を用いて各行動の尤度を求める点で、第２の実施例と異なる。
　本実施例では、図１２のステップＳ３４において、行動モデル構築部９００が識別結果記憶部７００が記憶する過去の識別結果をもとに、図１１に表される行動モデル５８を構築するものとする。
　行動モデル構築部９００は、各行動間の遷移頻度分布や隠れマルコフモデルを用いて行動モデルを構築する。
　例えば、「停止→停止」「停止→歩行」など「停止」から他の行動への遷移回数を求め、各遷移回数を全体の「停止」からの遷移回数で割ることで、「停止」に対する遷移頻度分布を構築できる。
　図１２のステップＳ３５において行動遷移解析部８００は、ステップＳ３４で構築した行動モデルを用いて、図１１の計算例５９に示す計算方法により各行動の尤度を求める。
　本実施例では識別結果記憶部７００が記憶する最新の識別結果のうちもっとも尤度が高い行動が階段昇降であったものする。
　そして階段昇降に関する遷移確率を用いて各行動の尤度とする。
　具体的には図１１の行動モデル５８において、階段昇降に関する遷移確率は（停止、歩行、走行、階段昇降、電車、自動車、自転車）＝（０．３、０．６、０．１、０．４、０．２、０．１、０．１）であり、これらを各行動の尤度とする。
　図１２のステップＳ２５では、ステップＳ２４で求めた各行動の尤度を用いて処理間隔を求める。
　次に、本実施形態の効果について説明する。
　第２の実施形態の効果に加え、次の行動を予測することで行動の切り替わりを的確に捉えながら、行動識別処理実行時刻を設定できることから、精度よく行動を識別できる、という効果を奏する。
　［第４の実施形態］
　次に、本発明の第４の実施形態について図面を参照して詳細に説明する。
　図１３は、本発明の第４の実施の形態である行動識別システム１０００４の例を表すブロック図である。
　本実施形態は、第１の実施の形態の行動識別システム１０００１に対して状況取得部１０００と行動変化確率計算部１１００を更に含む点が異なる。
　第４の実施の形態では，処理間隔計算部３００が、処理間隔ルール記憶部５００だけでなく、状況取得部１０００が取得したユーザの状況に応じて行動変化確率計算部１１００が計算した行動変化確率も用いて処理間隔を計算する点が他の実施の形態と異なる。
　状況取得部１０００が取得するユーザの状況はどのようなものであっても良い。例えば状況取得部１０００は、ユーザが現在いる場所のＰＯＩ（point of interest）情報や、ユーザのスケジュールなどの状況を取得する。また、状況取得部１０００が取得するユーザの状況の取得経路も任意の経路であって良い。例えば、ＰＯＩ情報を取得する場合は、ＧＰＳ（Global Positioning System）に準拠した機能を有する機器等からネットワークを介して取得しても良いし、行動識別システム１０００４がＧＰＳに準拠した機能を更に含むようにしても良い。また、ユーザのスケジュールなどの状況を取得するのであれば、ユーザに予めスケジュールを入力させるようにしても良いし、ユーザが他の用途で入力したスケジュールを流用しても良い。例えば、ユーザが自身のスケジュール管理の為に用いているアプリケーションに対して入力したスケジュールを流用するようにしても良い。
　行動変化確率計算部１１００は、状況取得部１０００が取得した状況に対する行動変化確率を求める。ここで、行動変化確率とは行動の変化しやすさを表す確率である。具体的にいうと、映画館での映画鑑賞時には一定の時間継続して「停止」が続くと考えられ、「停止」以外の他の行動に変化する確率は低いと想定される。よって、行動変化確率は低く設定される。一方、競技場でスポーツを行っている場合は、「歩行」から「走行」への変化や「停止」への変化といった変化が頻繁に発生すると想定される。よって、行動変化確率は高く設定される。
　例えば、行動変化確率計算部１１００は、種々の状況に対応づけて行動変化率を表す行動変化確率表を記憶する。
　行動変化確率表の一例である行動変化確率表６１が図１４に表されている。
　行動変化確率計算部１１００は、図１４の行動変化率表６１を参照して行動変化確率を出力する。例えば、状況取得部１０００が取得したユーザの状況が「コンサートホール・音楽鑑賞」であった場合には、行動変化確率計算部１１００は、０．２を行動変化確率として出力する。また、状況取得部１０００が取得したユーザの状況が「レストラン・食事」であった場合には、行動変化確率計算部１１００は、０．３を行動変化確率として出力する。
　処理間隔計算部３００は、他の実施形態と同様に行動識別部２００が求めた行動及び各尤度と、処理間隔ルール記憶部５００が記憶する処理間隔ルールとを用いるだけではなく、これらに加えて、行動変化確率計算部１１００が求めた行動変化確率を用いて処理間隔を計算する。
　例えば、あるユーザの状況のうち位置情報からホールにいることがわかり、スケジュールから音楽鑑賞中であり、かつ行動が停止である場合を考える。
　また処理間隔ルール記憶部５００が図４に表される処理間隔ルール５１を記憶しており、さらに行動変化確率計算部１１００が図１４に示す行動変化確率表６１を記憶するものとする。
　このとき処理間隔計算部３００は、行動変化確率は０．２、行動「停止」に対する処理間隔として「２０秒」を取得し、図１４の計算例６２のように状況に行動変化確率を処理間隔に乗じた値２０×（１－０．２）＝１６秒を処理間隔として出力する。
　他の例としては、行動識別部２００が過去の行動を記憶している場合は、図１４の計算例６３や計算例６４のように過去の行動を考慮して処理間隔を計算する例も考えられる。
　計算例６３では、過去の行動として「歩行」「階段昇降」「停止」「停止」である場合に、過去の行動の処理間隔の平均値と最後の行動変化確率から処理間隔を計算しており、具体的には（２０＋１０＋２０＋２０）／４×（１－０．２）＝１４秒を処理間隔として出力する。
　また計算例６４では、計算例６３と同様に過去の行動を利用するが、過去の行動の変化回数を用いて処理間隔を計算しており、２０×（１－０．２）×（１－０．６）＝６．４秒を処理間隔として出力する。
　次に、図１３及び図１５のフローチャートを参照して本実施の形態の全体の動作について説明する。
　本実施形態では、第１の実施形態と同様に動作するが、処理間隔計算部３００が処理間隔ルール記憶部５００だけでなく、状況取得部１０００が取得したユーザの状況に応じて行動変化確率計算部１１００が計算した行動変化確率も用いて処理間隔を計算する点が他の実施の形態と異なる。
　すなわち、ステップＳ４１及びＳ４２はステップＳ１１及びステップＳ１２と同様であり、ステップＳ４６～ステップＳ４８はステップＳ１４～ステップＳ１６と同様である。よってこれらのステップに関しては説明を省略し、第１の実施形態の動作と異なるステップＳ４３～ステップＳ４５について説明をする。
　状況取得部１０００は、現在ユーザがいる場所のＰＯＩ情報やユーザのスケジュールなどの状況を取得する（ステップＳ４３）。
　行動変化確率計算部１１００は、ステップＳ４３で取得した状況に対する行動変化確率を求める（ステップＳ４４）。
　処理間隔計算部３００は、ステップＳ４２で求めた行動、および各尤度と、処理間隔ルール記憶部５００が記憶する処理間隔ルールに加え、ステップＳ４４で求めた行動変化確率を用いて処理間隔を計算する（ステップＳ４５）。
　［第４の実施例］
　以下、第４の実施形態の行動識別システムの動作を、具体例を用いつつ詳細に説明する。
　本実施例は，第１の実施例と同様に動作するが，処理間隔計算部３００が処理間隔ルール記憶部５００だけでなく、状況取得部１０００が取得したユーザの状況に応じて行動変化確率計算部１１００が計算した行動変化確率も用いて処理間隔を計算する点が他の実施例と異なる。
　本実施例では、説明を簡単にするために、図１６の（例１）に示すように、ユーザが１１：００に位置Ａにいて、停止している場合を考える。
　図１６のステップＳ４３において、状況取得部１０００は、ユーザの位置（位置Ａ）からＰＯＩ情報６５やスケジュール６６を参照して、現在ホールにいて音楽を鑑賞していることを取得する。
　図１６のステップＳ４４において、行動確率計算部１１００は、図１４の行動変化率表を用いて行動変化確率として０．２を出力する。
　図１６のステップＳ４５において、本実施例では、処理間隔計算部３００が状況に対応した行動変化確率を実行間隔に乗じた値を処理間隔として出力するものとし、具体的には、２０×（１－０．２）＝１６秒を処理間隔として出力する。
　本実施例では、位置を状況として用いたが、他の情報を用いて状況を取得してもよい。
　例えば、Ｔｗｉｔｔｅｒ（登録商標）やＦａｃｅｂｏｏｋ（登録商標）などのソーシャルメディアや、Ｂｌｏｇや掲示板、メールなどから現在の状況を取得してもよい。
　例えばＴｗｉｔｔｅｒにおいて「今仕事中」と入力される場合は、状況として仕事中であることを取得する。
　さらにはＧＰＳやユーザのプロファイルなどからユーザの職場の位置を特定したり、ＴｗｉｔｔｅｒやＦａｃｅｂｏｏｋ等に登録される位置情報や住所などを取得したりして、さらに詳細な状況を取得してもよい。
　次に，本実施の形態の効果について説明する。
　第１の実施の形態の効果に加え、現在の状況に適した間隔で行動識別を行うことで、消費電力かつ精度低下を抑えた行動識別を行える、という効果を奏する。
　なお、上記の行動識別システムは、ハードウェア、ソフトウェア又はこれらの組合わせにより実現することができる。また、上記の行動識別システムにより行なわれる行動識別方法も、ハードウェア、ソフトウェア又はこれらの組合わせにより実現することができる。ここで、ソフトウェアによって実現されるとは、コンピュータがプログラムを読み込んで実行することにより実現されることを意味する。
　プログラムは、様々なタイプの非一時的なコンピュータ可読媒体(non-transitory computer readable medium)を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体(tangible storage medium)を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えば、フレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば、光磁気ディスク）、ＣＤ－ＲＯＭ(Read Only Memory)、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ(Programmable ROM)、ＥＰＲＯＭ(Erasable PROM)、フラッシュＲＯＭ、ＲＡＭ(random access memory)）を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体(transitory computer readable medium)によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
　また、上述した実施形態は、本発明の好適な実施形態ではあるが、上記実施形態のみに本発明の範囲を限定するものではなく、本発明の要旨を逸脱しない範囲において種々の変更を施した形態での実施が可能である。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
　（付記１）　
  ユーザの行動に伴い変化するセンサデータに基づいて、前記ユーザが複数の行動のうちの何れの行動を行っているかを求める行動識別手段と、
　前記行動識別手段が求めた行動が複数の行動のうちの何れの行動であるかに基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出する処理間隔計算手段と、
　前記基準の時刻から前記時間的間隔が経過した時刻に前記次回の行動識別処理を開始させる制御手段と、
　を備えることを特徴とする行動識別装置。
　（付記２）
　付記１に記載の行動識別装置であって、
　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
　前記処理間隔計算手段は、前記行動識別手段が求めた複数の行動のそれぞれの尤度の一部又は全部に基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出することを特徴とする行動識別装置。
　（付記３）　
  付記１又は２に記載の行動識別装置であって、識別対象とする行動毎に任意の長さの処理間隔を対応付けておき、
　前記処理間隔計算手段は行動と前記対応付けられている前記処理間隔を前記次回の処理開始時刻として算出することを特徴とする行動識別装置。
　（付記４）
　付記１又は２に記載の行動識別装置であって、識別対象とする行動毎に任意の長さの処理間隔を対応付けておき、
　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
　前記処理間隔計算手段は前記尤度が最も高かった行動に関しての前記尤度と、該行動と前記対応付けられている前記処理間隔とを乗じた値を前記次回の処理開始時刻として算出することを特徴とする行動識別装置。
　（付記５）
　付記１又は２に記載の行動識別装置であって、識別対象とする行動毎に任意の長さの処理間隔を対応付けておき、
　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
　下記の式により最大の尤度を持つ行動の尤度が全ての行動の尤度と比べてどれだけ突出しているかを表す値である突出度を求め、
（数１）
Figure JPOXMLDOC01-appb-I000003
但し、
ｎ＝識別対象とする行動の数
ｘ＝最大の尤度を持つ行動の尤度
ｙ＝ｉ番目の行動の尤度
であるとする、
　前記処理間隔計算手段は、前記尤度が最も高かった行動に関しての前記尤度と、該行動と前記対応付けられている前記処理間隔と、前記突出度とを乗じた値を前記次回の処理開始時刻として算出することを特徴とする行動識別装置。
（付記６）
　付記１乃至５の何れか１に記載の行動識別装置であって、
　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
　前記行動識別手段が求めた前記尤度を、複数の行動の各々について複数記憶する識別結果記憶手段と、
　識別結果記憶部が記憶する複数の尤度から各行動に関しての尤度を求め、該求めた尤度を前記行動処理間隔計算手段に出力する遷移解析手段と、
　を更に備え、
　前記処理間隔計算手段は前記行動識別手段の出力した尤度ではなく、前記行動遷移解析手段が求めた尤度に基づいて前記次回の処理開始時刻を算出することを特徴とする行動識別装置。
　（付記７）
　付記６に記載の行動識別装置であって、
　或る行動の次に、該或る行動又は他の行動に遷移する確率である遷移確率を行動毎に求める行動モデル構築手段を更に備え、
　前記行動遷移解析手段は、前記前記行動遷移解析手段が求めた尤度に加え前記遷移確率にも基づいて前記次回の処理開始時刻を算出することを特徴とする行動識別装置。
　（付記８）
　付記１乃至７の何れか１に記載の行動識別装置であって、
　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
　前記ユーザの現在の状況を表す情報を取得する状況取得手段と、
　前記状況毎に、行動が変化する確率を表す値である行動変化確率を求める行動変化確率計算手段と、
　を更に備え、前記処理間隔計算手段は前記尤度に加え前記行動変化確率にも基づいて前記次回の処理開始時刻を算出することを特徴とする行動識別装置。
　（付記９）
　第１の端末と、第２の端末を含んだ行動識別システムであって、
　前記第１の端末は前記センサデータを取得するセンサデータ取得手段を備え、
　前記第２の端末は付記１乃至８の何れか１に記載の行動識別装置であり、
　前記センサデータ取得手段は前記次回の処理開始時刻から所定時間分のセンサデータを取得し、該取得したセンサデータを前記第２の端末に送信した後は、前記次回の処理開始時刻よりも更に次回の処理開始時刻になるまで前記センサデータの取得及びセンサデータの送信を停止することを特徴とする行動識別システム。
　（付記１０）
　コンピュータを、
　ユーザの行動に伴い変化するセンサデータに基づいて、前記ユーザが複数の行動のうちの何れの行動を行っているかを求める行動識別手段と、
　前記行動識別手段が求めた行動が複数の行動のうちの何れの行動であるかに基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出する処理間隔計算手段と、
　前記基準の時刻から前記時間的間隔が経過した時刻に前記次回の行動識別処理を開始させる制御手段と、
　を備える行動識別装置として機能させることを特徴とする行動識別プログラム。
　この出願は、２０１２年４月１７日に出願された日本出願特願２０１２－０９４０２１を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　本発明は、センサを用いてユーザの行動を識別し、識別結果を利用する装置を、携帯電話や、玩具、健康器具などの組み込み機器などの上で構築することで、見守りサービス、健康サービス、情報推薦サービスといった用途に好適である。
１００　センサデータ取得部
２００　行動識別部
３００　処理間隔計算部
４００　処理間隔設定部
５００　処理間隔ルール記憶部
６００　識別結果提示部
７００　識別結果記憶部
８００　行動遷移解析部
９００　行動モデル構築部
１０００　状況取得部
１１００　行動変化確率計算部
１０００１、１０００２、１０００３、１０００４　行動識別システム

Claims (10)

  1. 　ユーザの行動に伴い変化するセンサデータに基づいて、前記ユーザが複数の行動のうちの何れの行動を行っているかを求める行動識別手段と、
    　前記行動識別手段が求めた行動が複数の行動のうちの何れの行動であるかに基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出する処理間隔計算手段と、
    　前記基準の時刻から前記時間的間隔が経過した時刻に前記次回の行動識別処理を開始させる制御手段と、
    　を備えることを特徴とする行動識別装置。
  2. 　請求項１に記載の行動識別装置であって、
    　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
    　前記処理間隔計算手段は、前記行動識別手段が求めた複数の行動のそれぞれの尤度の一部又は全部に基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出することを特徴とする行動識別装置。
  3. 　請求項１又は２に記載の行動識別装置であって、識別対象とする行動毎に任意の長さの処理間隔を対応付けておき、
    　前記処理間隔計算手段は行動と前記対応付けられている前記処理間隔を前記次回の処理開始時刻として算出することを特徴とする行動識別装置。
  4. 　請求項１又は２に記載の行動識別装置であって、識別対象とする行動毎に任意の長さの処理間隔を対応付けておき、
    　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
    　前記処理間隔計算手段は前記尤度が最も高かった行動に関しての前記尤度と、該行動と前記対応付けられている前記処理間隔とを乗じた値を前記次回の処理開始時刻として算出することを特徴とする行動識別装置。
  5. 　請求項１又は２に記載の行動識別装置であって、識別対象とする行動毎に任意の長さの処理間隔を対応付けておき、
    　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
    　下記の式により最大の尤度を持つ行動の尤度が全ての行動の尤度と比べてどれだけ突出しているかを表す値である突出度を求め、
    Figure JPOXMLDOC01-appb-M000001
     但し、
    ｎ＝識別対象とする行動の数
    ｘ＝最大の尤度を持つ行動の尤度
    ｙ＝ｉ番目の行動の尤度
    であるとする、
    　前記処理間隔計算手段は、前記尤度が最も高かった行動に関しての前記尤度と、該行動と前記対応付けられている前記処理間隔と、前記突出度とを乗じた値を前記次回の処理開始時刻として算出することを特徴とする行動識別装置。
  6. 　請求項１乃至５の何れか１項に記載の行動識別装置であって、
    　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
    　前記行動識別手段が求めた前記尤度を、複数の行動の各々について複数記憶する識別結果記憶手段と、
    　識別結果記憶部が記憶する複数の尤度から各行動に関しての尤度を求め、該求めた尤度を前記行動処理間隔計算手段に出力する遷移解析手段と、
    　を更に備え、
    　前記処理間隔計算手段は前記行動識別手段の出力した尤度ではなく、前記行動遷移解析手段が求めた尤度に基づいて前記次回の処理開始時刻を算出することを特徴とする行動識別装置。
  7. 　請求項６に記載の行動識別装置であって、
    　或る行動の次に、該或る行動又は他の行動に遷移する確率である遷移確率を行動毎に求める行動モデル構築手段を更に備え、
    　前記行動遷移解析手段は、前記前記行動遷移解析手段が求めた尤度に加え前記遷移確率にも基づいて前記次回の処理開始時刻を算出することを特徴とする行動識別装置。
  8. 　請求項１乃至７の何れか１項に記載の行動識別装置であって、
    　前記行動識別手段は、前記センサデータに基づいて、複数の行動のそれぞれについて、前記ユーザがその行動を行っている尤度を求め、
    　前記ユーザの現在の状況を表す情報を取得する状況取得手段と、
    　前記状況毎に、行動が変化する確率を表す値である行動変化確率を求める行動変化確率計算手段と、
    　を更に備え、前記処理間隔計算手段は前記尤度に加え前記行動変化確率にも基づいて前記次回の処理開始時刻を算出することを特徴とする行動識別装置。
  9. 　第１の端末と、第２の端末を含んだ行動識別システムであって、
    　前記第１の端末は前記センサデータを取得するセンサデータ取得手段を備え、
    　前記第２の端末は請求項１乃至８の何れか１項に記載の行動識別装置であり、
    　前記センサデータ取得手段は前記次回の処理開始時刻から所定時間分のセンサデータを取得し、該取得したセンサデータを前記第２の端末に送信した後は、前記次回の処理開始時刻よりも更に次回の処理開始時刻になるまで前記センサデータの取得及びセンサデータの送信を停止することを特徴とする行動識別システム。
  10. 　コンピュータを、
    　ユーザの行動に伴い変化するセンサデータに基づいて、前記ユーザが複数の行動のうちの何れの行動を行っているかを求める行動識別手段と、
    　前記行動識別手段が求めた行動が複数の行動のうちの何れの行動であるかに基づいて、今回の行動識別処理に対応した所定の基準時刻から次回の行動識別処理の開始の時刻までの時間的間隔を算出する処理間隔計算手段と、
    　前記基準の時刻から前記時間的間隔が経過した時刻に前記次回の行動識別処理を開始させる制御手段と、
    　を備える行動識別装置として機能させることを特徴とする行動識別プログラム。
PCT/JP2013/056912 2012-04-17 2013-03-13 行動識別装置、行動識別システム及び行動識別プログラム WO2013157332A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012094021 2012-04-17
JP2012-094021 2012-04-17

Publications (1)

Publication Number Publication Date
WO2013157332A1 true WO2013157332A1 (ja) 2013-10-24

Family

ID=49383300

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/056912 WO2013157332A1 (ja) 2012-04-17 2013-03-13 行動識別装置、行動識別システム及び行動識別プログラム

Country Status (2)

Country Link
JP (1) JPWO2013157332A1 (ja)
WO (1) WO2013157332A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015138404A (ja) * 2014-01-22 2015-07-30 株式会社Ｎｔｔドコモ 情報出力制御システムおよび情報出力制御方法
WO2015194269A1 (ja) * 2014-06-20 2015-12-23 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
JP2017084370A (ja) * 2012-07-20 2017-05-18 フェイスブック，インク． ユーザの意図および／または識別情報に基づくモバイルデバイス状態の調整のための方法、記憶媒体、及びシステム
JP2018508744A (ja) * 2015-01-07 2018-03-29 クアルコム，インコーポレイテッド スマートフォンの運動分類器
JP2018074353A (ja) * 2016-10-28 2018-05-10 富士通株式会社 端末及び通信方法
WO2018110030A1 (ja) * 2016-12-16 2018-06-21 株式会社 東芝 動作推定方法および動作推定システム
JP2018124126A (ja) * 2017-01-31 2018-08-09 株式会社アイエスピー 移動体の状態を検知するための方法、プログラム、及び装置
WO2021106216A1 (ja) * 2019-11-29 2021-06-03 国立大学法人お茶の水女子大学 行動判定装置、行動判定システム、行動判定方法及びプログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009039466A (ja) * 2007-08-13 2009-02-26 Advanced Telecommunication Research Institute International 行動識別装置、行動識別システムおよび行動識別方法
JP2009267517A (ja) * 2008-04-22 2009-11-12 Sony Ericsson Mobilecommunications Japan Inc 携帯端末装置、情報通信システム及び情報通信方法
JP2009267886A (ja) * 2008-04-26 2009-11-12 Mitsubishi Electric Corp 移動端末及び移動端末の位置情報取得制御方法及び移動端末プログラム
JP2010109582A (ja) * 2008-10-29 2010-05-13 Ntt Docomo Inc 通信端末、及び、位置情報取得調整プログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5589587B2 (ja) * 2010-06-16 2014-09-17 日産自動車株式会社 携帯端末装置、サーバー装置及び情報提供システム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009039466A (ja) * 2007-08-13 2009-02-26 Advanced Telecommunication Research Institute International 行動識別装置、行動識別システムおよび行動識別方法
JP2009267517A (ja) * 2008-04-22 2009-11-12 Sony Ericsson Mobilecommunications Japan Inc 携帯端末装置、情報通信システム及び情報通信方法
JP2009267886A (ja) * 2008-04-26 2009-11-12 Mitsubishi Electric Corp 移動端末及び移動端末の位置情報取得制御方法及び移動端末プログラム
JP2010109582A (ja) * 2008-10-29 2010-05-13 Ntt Docomo Inc 通信端末、及び、位置情報取得調整プログラム

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017084370A (ja) * 2012-07-20 2017-05-18 フェイスブック，インク． ユーザの意図および／または識別情報に基づくモバイルデバイス状態の調整のための方法、記憶媒体、及びシステム
JP2015138404A (ja) * 2014-01-22 2015-07-30 株式会社Ｎｔｔドコモ 情報出力制御システムおよび情報出力制御方法
WO2015194269A1 (ja) * 2014-06-20 2015-12-23 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
JP2018508744A (ja) * 2015-01-07 2018-03-29 クアルコム，インコーポレイテッド スマートフォンの運動分類器
US11029328B2 (en) 2015-01-07 2021-06-08 Qualcomm Incorporated Smartphone motion classifier
JP2018074353A (ja) * 2016-10-28 2018-05-10 富士通株式会社 端末及び通信方法
WO2018110030A1 (ja) * 2016-12-16 2018-06-21 株式会社 東芝 動作推定方法および動作推定システム
JP2018097781A (ja) * 2016-12-16 2018-06-21 株式会社東芝 動作推定方法および動作推定システム
JP2018124126A (ja) * 2017-01-31 2018-08-09 株式会社アイエスピー 移動体の状態を検知するための方法、プログラム、及び装置
WO2021106216A1 (ja) * 2019-11-29 2021-06-03 国立大学法人お茶の水女子大学 行動判定装置、行動判定システム、行動判定方法及びプログラム

Also Published As

Publication number Publication date
JPWO2013157332A1 (ja) 2015-12-21

Similar Documents

Publication Publication Date Title
WO2013157332A1 (ja) 行動識別装置、行動識別システム及び行動識別プログラム
AU2016202364B2 (en) User activity tracking system and device
US20180056130A1 (en) Providing insights based on health-related information
US8600918B2 (en) Action history search device
US9582755B2 (en) Aggregate context inferences using multiple context streams
US20180060500A1 (en) Smart health activity scheduling
US20150313529A1 (en) Method and system for behavioral monitoring
US10133329B2 (en) Sequential feature computation for power efficient classification
US20180107943A1 (en) Periodic stress tracking
US20130346012A1 (en) Apparatus and method for determining immersion risk of mobile terminal user
US20160335556A1 (en) Prediction device, terminal, prediction method, and non-transitory computer readable storage medium
JP6935863B2 (ja) 教師データ生成装置
US10929818B2 (en) Wearable sensor-based automatic scheduling device and method
JP7027752B2 (ja) 情報処理装置、情報処理方法、プログラム、及び情報処理システム
US20150220613A1 (en) Relationship estimation device and relationship estimation method
US20170224254A1 (en) Analyzing system and analyzing method for evaluating calorie consumption by detecting the intensity of wireless signal
KR102294573B1 (ko) 응답 데이터와 모바일 컨텍스트 데이터를 연관시켜 심리 상태를 예측하는 방법 및 이를 구현하는 장치

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: 13778398

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014511145

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13778398

Country of ref document: EP

Kind code of ref document: A1