Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020157988 - DISPOSITIF D'ESTIMATION D'ÉTAT, PROCÉDÉ D'ESTIMATION D'ÉTAT ET SUPPORT D'ENREGISTREMENT LISIBLE PAR ORDINATEUR

Document

明 細 書

発明の名称 状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体

技術分野

0001  

背景技術

0002   0003  

先行技術文献

非特許文献

0004  

発明の概要

発明が解決しようとする課題

0005   0006   0007   0008  

課題を解決するための手段

0009   0010   0011  

発明の効果

0012  

図面の簡単な説明

0013  

発明を実施するための形態

0014   0015   0016   0017   0018   0019   0020   0021   0022   0023   0024   0025   0026   0027   0028   0029   0030   0031   0032   0033   0034   0035   0036   0037   0038   0039   0040   0041   0042   0043   0044   0045   0046   0047   0048   0049   0050   0051   0052   0053   0054   0055   0056   0057   0058   0059  

産業上の利用可能性

0060  

符号の説明

0061  

請求の範囲

1   2   3  

図面

1   2   3   4   5  

明 細 書

発明の名称 : 状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体

技術分野

[0001]
 本発明は、人の状態を推定するための、状態推定装置、及び状態推定方法に関し、更には、これらを実現するためのコンピュータ読み取り可能な記録媒体に関する。

背景技術

[0002]
 近年のウェアラブルセンサの普及に伴い、生体情報、特に、心拍及び脈拍(どちらも心拍と呼ぶ)など心臓の動作を示す情報から、人の状態を推定する技術に関する研究開発が盛んに行われている。心拍及び脈拍の時間変動(どちらも心拍変動と呼ぶ)は、自律神経活動の指標として用いられ、睡眠状態の判別、眠気の判別、ストレスの度合い、感情判別、またメンタルワークロード、自律神経に影響を及ぼす疾患の判別、不整脈の検知など、種々の人の状態を推定することに対して有用と言われている。
[0003]
 例えば、非特許文献1は、心電図(ECG:Electrocardiogram)で計測したECG信号から算出した心拍数、または光電式容積脈波計(PPG:photoplethysmography)で計測したPPG信号から算出した心拍数から、睡眠と覚醒を判別する技術について開示している。非特許文献1に開示された技術は、学習が行われたニューラルネットワークによって、心拍変動成分を自動的に抽出して、最終的に睡眠と覚醒とを判別する、技術である。また、非特許文献1において、学習は、算出した心拍数の時系列信号を畳み込みニューラルネットワーク(CNN:Convolutional neural network)に入力し、出力である睡眠と覚醒の判別結果とが正解ラベル(睡眠もしくは覚醒)と合うように行われる。

先行技術文献

非特許文献

[0004]
非特許文献1 : John Malik, Yu-Lun Lo, and Hau-tieng Wu, ``Sleep-wake classification via quantifying heart rate variability by convolutional neural network,’’ Physiological Measurement 39, 085004, 2018.

発明の概要

発明が解決しようとする課題

[0005]
 ところで、上述したように、非特許文献1に開示された技術によれば、心拍数の時系列信号から睡眠と覚醒とを判別できるが、心拍変動成分を抽出するためには、心拍数を、高い時間分解能で、かつ高い精度で算出する必要がある。そのため、心臓の動きを検出するためのセンサ(非特許文献1ではECGセンサとPPGセンサ)を、各人の肌に隙間なく装着させる必要がある。その結果、センサを装着した人においては、拘束感があり、装着負荷が高いという問題がある。
[0006]
 一方、PPGセンサ内蔵のリストバンド型のウェアラブルセンサ、ベッド又は椅子に設置した圧力又は振動を計測するセンサ、音を計測するセンサ、マイクロ波を人の胸に放射し、反射波から胸の動きを捉えるセンサ、人の顔画像を取得する画像センサなど、様々なセンサで取得した心臓の動作を示す波(脈波)から心拍を検出する技術が知られている。このような技術を導入すれば、上記の装着負荷が高いという問題は解決できると考えられる。
[0007]
 但し、このようなセンサを利用した場合は、拘束感が少なく、人は自由に動くことが可能なため、センサと人との位置関係、周囲環境の音、振動、光などが変化してしまう。このため、これらの変化に起因したノイズが脈波に混ざるため、心拍数を、高い時間分解能で、かつ高い精度で算出することが困難になり、その結果として高精度に状態を推定できないという問題がある。
[0008]
 本発明の目的の一例は、上記問題を解消し、装着負荷を抑えつつ、人の状態を高精度に推定し得る、状態推定装置、状態推定方法、及びコンピュータ読み取り可能な記録媒体を提供することにある。

課題を解決するための手段

[0009]
 上記目的を達成するため、本発明の一側面における状態推定装置は、
 人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて、脈波データに含まれるノイズを除去するフィルタを作成する、フィルタ作成部と、
 前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ノイズ除去部と、
 ノイズが除去された後の前記脈波データに基づいて、前記人の状態を推定する、状態推定部と、
を備えている、
ことを特徴とする。
[0010]
 また、上記目的を達成するため、本発明の一側面における状態推定方法は、
(a)人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
(b)前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
(c)ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を有する、
ことを特徴とする。
[0011]
 更に、上記目的を達成するため、本発明の一側面におけるコンピュータ読み取り可能な記録媒体は、
(a)人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
(b)前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
(c)ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を実行させる命令を含む、プログラムを記録している、
ことを特徴とする。

発明の効果

[0012]
 以上のように、本発明によれば、装着負荷を抑えつつ、人の状態を高精度に推定することができる。

図面の簡単な説明

[0013]
[図1] 図1は、本発明の実施の形態における状態推定装置の構成を示すブロック図である。
[図2] 図2は、図1に示したフィルタ作成部の構成をより具体的に示すブロック図である。
[図3] 図3(a)は、図1に示したノイズ除去部に入力されるノイズ除去前の脈波の一例を示す図であり、図3(b)は、図1に示したノイズ除去部から出力されるノイズ除去後の脈波の一例を示す図である。
[図4] 図4は、本発明の実施の形態における状態推定装置の動作を示すフロー図である。
[図5] 図5は、本発明の実施の形態における状態推定装置を実現するコンピュータの一例を示すブロック図である。

発明を実施するための形態

[0014]
(実施の形態)
 以下、本発明の実施の形態における、状態推定装置、状態推定方法、及びプログラムについて、図1~図5を参照しながら説明する。
[0015]
[装置構成]
 最初に、図1を用いて、本実施の形態における状態推定装置の構成について説明する。図1は、本発明の実施の形態における状態推定装置の構成を示すブロック図である。
[0016]
 図1に示す、本実施の形態における状態推定装置10は、人30の状態を推定する装置である。図1に示すように、状態推定装置10は、フィルタ作成部11と、ノイズ除去部12と、状態推定部13とを備えている。
[0017]
 フィルタ作成部11は、人の脈波データにおける、一定時間区間内の心拍数の統計値に基づいて、脈波データ(脈波の時系列信号)に含まれるノイズを除去するフィルタを作成する。本実施の形態では、フィルタ作成部11は、例えば、人30の脈波Xの時系列信号から、脈波Xに含まれるノイズを除去することで心拍成分および心拍変動成分を強調するためのフィルタを作成する。
[0018]
 ノイズ除去部12は、作成されたフィルタを用いて、脈波データに含まれるノイズを除去する。本実施の形態では、ノイズ除去部12は、作成されたフィルタと脈波Xの時系列信号とを畳み込むことにより、脈波Xに含まれるノイズを除去し、ノイズ除去後の脈波Yを出力する。
[0019]
 状態推定部13は、ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する。状態推定部13は、本実施の形態では、このノイズ除去後の脈波Yの時系列信号に基づいて、人30の状態を推定し、推定結果として状態Zを出力する。
[0020]
 このように、本実施の形態では、脈波Xの時系列信号に含まれるノイズを除去するフィルタが作成され、そのフィルタにより脈波Xに含まれるノイズが除去される。ノイズ除去後の脈波の時系列信号Yには、もともとの脈波Xに含まれる高い時間分解能の心拍成分が含まれる。加えて、もともとの脈波Xに含まれるノイズは除去されるため、ノイズ除去後の脈波Yの時系列信号における心拍成分の純度は高く、脈波Yは、高精度な心拍変動成分を含む。本実施の形態によれば、そのノイズ除去後の脈波Yの時系列信号から人の状態が推定されるため、人の状態を高精度に推定することができる。
[0021]
 続いて、図1に加えて、図2及び図3を用いて、本実施の形態における状態推定装置10の構成及び各部の機能についてより具体的に説明する。図2は、図1に示したフィルタ作成部11の構成をより具体的に示すブロック図である。
[0022]
 図1に示すように、本実施の形態では、状態推定装置10は、脈波センサ20に接続されている。脈波センサ20は、撮像装置21と脈波算出部22とから構成されている。撮像装置21は、状態推定装置を使用する人30の顔を撮影できるように配置されている。撮像装置21は、設定時間間隔で、撮影した画像(顔を含む画像)の画像データを、脈波算出部22に出力する。撮像装置21は、デジタルカメラ、Webカメラ等である。
[0023]
 本実施の形態において、脈波算出部22では、脈波の算出は、既存の手法によって、例えば、ヘモグロビンが緑色光を吸収するという特性を利用して、顔画像における緑色成分の輝度(G値)の変化を検出することによって行われる。
[0024]
 なお、上記においては、撮像装置21と脈波算出部22とから構成される脈波センサ20について説明しているが、本実施の形態では、脈波センサ20は、これに限定されるもではない。他の脈波センサ20としては、PPGセンサ内蔵のリストバンド型のウェアラブルセンサ、ベッドや椅子に設置した圧力や振動を計測するセンサ、音を計測するセンサ、マイクロ波を人の胸に放射し、反射波から胸の動きを捉えるセンサ、など既存の脈波センサを用いることができる。
[0025]
 図2に示すように、本実施の形態では、フィルタ作成部11は、心拍数算出部111と、統計値算出部112と、フィルタ設計部113とを備えている。心拍数算出部111は、脈波Xから心拍数を算出する。統計値算出部112は、一定時間W0内の心拍数の統計値を算出する。フィルタ設計部113は、心拍数の統計値から、脈波に含まれる心拍成分のみを通過させ、ノイズ成分を除去するフィルタを設計し、設計したフィルタFを出力する。
[0026]
 具体的には、心拍数算出部111は、心拍数の統計値を算出する一定時間W0(例えば60秒)より短い時間W1(例えば4秒)の窓内の脈波Xの時系列信号に対して、高速フーリエ変換などの周波数分析を行う。心拍成分は、時間周期を持つため、心拍数算出部111は、最もパワーが大きい周波数パワースペクトルを抽出しと、その周波数を、時間W1の平均的な心拍数として算出する。また、心拍数算出部111は、周波数分析を行う窓の始点を時間W1より短い時間W2(例えば1秒)だけずらして、周波数分析を繰り返すことで、一定時間W0内に含まれる心拍数の時系列信号を得ることができる。
[0027]
 なお、脈波信号Xにノイズが含まれない場合には、時間W1を短く(例えば0.25秒)設定することで、高い時間分解能で、かつ高い精度で、心拍数を算出できる。しかし、ノイズが多いほど時間W1を長く(例えば10秒)設定しないと、心拍成分に相当する周波数パワースペクトルがノイズに埋もれてしまい、高い精度で心拍数を算出できなくなる。また、時間W2をさらに短く(例えば0.25秒)設定しても、時間W1を短く設定できない限り、殆ど同じ心拍数が得られるだけで、高い時間分解能の心拍数を得ることができない。そのため、脈波信号Xにノイズが含まれる場合には、高い時間分解能で、かつ高い精度で心拍数を算出することができない。
[0028]
 これに対して、フィルタの作成では、一定時間W0内に含まれる心拍数がどの範囲に分布するかがわかればよい。このため、心拍数算出部111は、低い時間分解能で心拍数を算出しても良い。
[0029]
 統計値算出部112は、一定時間W0内に含まれる心拍数の時系列信号から、一定時間W0内の心拍数がどの範囲に分布するかの統計値を算出する。例えば、統計値算出部112は、最大値と最小値とを算出して範囲を定める。また、心拍数の時系列信号が正規分布であると仮定して、平均値Mと標準偏差Sとを算出し、更に、範囲をM±3Sと定めれば、データの99.7%はその範囲に含まれる。なお、定めた心拍数の存在範囲の上限をU、下限をLとする。
[0030]
 フィルタ設計部113は、心拍数の存在範囲の下限Lから上限Uに相当する周波数成分を通過させるバンドパスフィルタを既存の手法で設計し、バンドパスフィルタFを出力する。バンドパスフィルタFは、一定時間W0の脈波Xに含まれる心拍成分を通過させるが、それ以外のノイズを遮断することができる。
[0031]
 心拍数は、人30の状態に応じて時々刻々と変化するが、フィルタ作成部11は、異なる時刻の一定時間W0の脈波信号Xに対して、逐次的にフィルタを作成することで、効果的に心拍成分だけを通過させ、ノイズを遮断することができる。
[0032]
 ノイズ除去部12は、図3(a)及び(b)に示すように、フィルタ作成部11で作成されたバンドパスフィルタFとノイズが含まれる脈波Xの時系列信号との畳み込み演算により、ノイズ除去後の脈波Yの時系列信号を得る。図3(a)は、図1に示したノイズ除去部に入力されるノイズ除去前の脈波の一例を示す図である。図3(b)は、図1に示したノイズ除去部12から出力されるノイズ除去後の脈波の一例を示す図である。
[0033]
 図3(a)と図3(b)との比較から分かるように、ノイズ除去後の脈波Yにおいては、ノイズ除去前の脈波Xに比べて、ノイズが減少することにより、周期性の信号である心拍成分が強調されている。なお、バンドパスフィルタにより心拍数の存在範囲の周波数は通過するため、脈波Xに含まれる心拍変動成分は高い時間分解能を維持したまま、脈波Yでは保持される。
[0034]
 状態推定部13は、ノイズ除去部12の出力である、ノイズ除去後の脈波Yの時系列信号を受けて、予め学習した状態推定モデルを参照して、状態の推定値Zを出力する。例えば、人30が起きている状態を1、寝ている状態を0とすると、推定値Zは、1または0のいずれかとなる。もちろん、眠気の有無を1(有)と0(無)で定義して、状態推定モデルを学習すれば、眠気の有無を推定(判別)できる。また、眠気やストレスの度合いを1~0の連続値で定義して学習すれば、推定値Zは、1~0の推定値となる。その他、感情の判別、例えば、苛々しているかどうか、焦っているかどうか、楽しいかどうか、嬉しいかどうかなどを1、0で定義して学習すれば、推定Zの値によって感情の判別も可能となる。メンタルワークロード(脳がどの程度働いているか)、不整脈の有無なども同様である。
[0035]
 状態推定部13で用いられる状態推定モデルとしては、例えば、非特許文献1で使用されている畳み込みニューラルネットワーク、再帰型ニューラルネットワークなど、既存のニューラルネットワークが挙げられる。状態推定モデル、すなわちニューラルネットワークの学習は、ノイズを含まない脈波の時系列信号、例えば、図3(b)に示された時系列信号とその時系列信号に対応する状態ラベル(状態の正解ラベル)とのセットを、複数準備し、脈波をニューラルネットワークに入力した際の出力が状態ラベルに合うように、誤差逆伝搬法などの学習アルゴリズムを実行することによって、行うことができる。
[0036]
[装置動作]
 次に、本発明の実施の形態における、状態推定装置10の動作について図4を用いて説明する。図4は、本発明の実施の形態における状態推定装置の動作を示すフロー図である。以下の説明においては、適宜図1から図3を参照する。また、本実施の形態では、状態推定装置10を動作させることによって、状態推定方法が実施される。よって、本実施の形態における状態推定方法の説明は、以下の状態推定装置10の動作説明に代える。
[0037]
 最初に、図4に示すように、フィルタ作成部11は、脈波センサ20が出力した脈波Xの時系列信号を受け取り、受け取った脈波Xに基づいて、フィルタFを作成する(ステップA1)。
[0038]
 次に、ノイズ除去部12は、ステップA1で作成されたフィルタFと、脈波センサ20が出力した脈波の時系列信号Xとの畳み込み演算により、ノイズ除去後の脈波Yの時系列信号を得る(ステップA2)。
[0039]
 その後、状態推定部13は、ステップA2でノイズが除去された脈波Yの時系列信号と、事前に学習された状態推定モデルとに基づいて、人30の状態Zを推定する(ステップA3)。
[0040]
 また、ステップA3の実行後、異なる時刻の脈波Xの時系列信号が、状態推定装置10に入力されると、再度、ステップA1が実行される。ステップA1~A3が繰り返し実行されることにより、状態推定装置10は、連続的に人30の状態を推定できる。
[0041]
[変形例]
 以下に、本実施の形態1における変形例について説明する。
[0042]
 本変形例では、フィルタ作成部11におけるフィルタ作成処理が事前に行われる。フィルタ作成部11は、予め用意されたノイズを含む多数の脈波X1~XNそれぞれの時系列信号から、これら脈波X1~XNそれぞれに対応した多数のフィルタF1~FNを作成する。そして、ノイズ除去部12は、作成されたフィルタF1~FNそれぞれを適用することで、多数のノイズ除去後の脈波Y1~YNそれぞれの時系列信号を得る。
[0043]
 ノイズ除去部12は、多数の脈波Xと脈波Yとの組(X1,Y1)~(XN,YN)を学習データとして用いて、Denoising Auto Encoderと呼ばれる手法を実行することにより、脈波X1~XNそれぞれを脈波Y1~YNに変換する変換関数(F1~FNをまとめたものに相当)を学習することができる。その変換関数をFとすると、ノイズ除去部12は、事前に学習した変換関数Fを、フィルタ作成部11から読み込み、新しい脈波Xの時系列信号に対して適用することで、ノイズ除去後の脈波Yの時系列信号を得ることができる。
[0044]
 このように、本変形例によれば、新しい脈波Xの時系列信号毎にフィルタを作成する必要がない。そのため、新しい脈波Xの時系列信号に対して効率的に処理ができるというメリットがある。
[0045]
[実施の形態における効果]
 以上のように、本実施の形態によれば、脈波Xの時系列信号に含まれるノイズを除去するフィルタが作成され、そのフィルタにより脈波Xに含まれるノイズが除去される。ノイズ除去後の脈波Yの時系列信号には、もともとの脈波信号Xに含まれる高い時間分解能の心拍成分が含まれる。加えて、もともとの脈波信号Xに含まれるノイズは除去されるため、ノイズ除去後の脈波の時系列信号Yにおける心拍成分の純度は高く、高精度な心拍変動成分を含む。そのノイズ除去後の脈波の時系列信号Yから人の状態を推定するため、人の状態を高精度に推定することができる。
[0046]
[プログラム]
 本実施の形態におけるプログラムは、コンピュータに、図4に示すステップA1~A3を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における状態推定装置10と状態推定方法とを実現することができる。この場合、コンピュータのプロセッサは、フィルタ作成部11、ノイズ除去部12、及び状態推定部13として機能し、処理を行なう。
[0047]
 また、本実施の形態におけるプログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、各コンピュータが、それぞれ、フィルタ作成部11、ノイズ除去部12、及び状態推定部13のいずれかとして機能しても良い。
[0048]
 ここで、本実施の形態におけるプログラムを実行することによって、状態推定装置10を実現するコンピュータについて図5を用いて説明する。図5は、本発明の実施の形態における状態推定装置を実現するコンピュータの一例を示すブロック図である。
[0049]
 図5に示すように、コンピュータ1100は、CPU(Central Processing Unit)1110と、メインメモリ1120と、記憶装置1130と、入力インターフェイス1140と、表示コントローラ1150と、データリーダ/ライタ1160と、通信インターフェイス1170とを備える。これらの各部は、バス1210を介して、互いにデータ通信可能に接続される。また、コンピュータ1100は、CPU1110に加えて、又はCPU1110に代えて、GPU(Graphics Processing Unit)、又はFPGA(Field-Programmable Gate Array)を備えていても良い。
[0050]
 CPU1110は、記憶装置1130に格納された、本実施の形態におけるプログラム(コード)をメインメモリ1120に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ1120は、典型的には、DRAM(Dynamic Random Access Memory)等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体1200に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス1170を介して接続されたインターネット上で流通するものであっても良い。
[0051]
 また、記憶装置1130の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス1140は、CPU1110と、キーボード及びマウスといった入力機器1180との間のデータ伝送を仲介する。表示コントローラ1150は、ディスプレイ装置1190と接続され、ディスプレイ装置1190での表示を制御する。
[0052]
 データリーダ/ライタ1160は、CPU1110と記録媒体1200との間のデータ伝送を仲介し、記録媒体1200からのプログラムの読み出し、及びコンピュータ1100における処理結果の記録媒体1200への書き込みを実行する。通信インターフェイス1170は、CPU1110と、他のコンピュータとの間のデータ伝送を仲介する。
[0053]
 また、記録媒体1200の具体例としては、CF(Compact Flash(登録商標))及びSD(Secure Digital)等の汎用的な半導体記憶デバイス、フレキシブルディスク(Flexible Disk)等の磁気記録媒体、又はCD-ROM(Compact Disk Read Only Memory)などの光学記録媒体が挙げられる。
[0054]
 なお、本実施の形態における状態推定装置10は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェアを用いることによっても実現可能である。更に、状態推定装置10は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。
[0055]
 上述した実施の形態の一部又は全部は、以下に記載する(付記1)~(付記3)によって表現することができるが、以下の記載に限定されるものではない。
[0056]
(付記1)
 人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて、脈波データに含まれるノイズを除去するフィルタを作成する、フィルタ作成部と、
 前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ノイズ除去部と、
 ノイズが除去された後の前記脈波データに基づいて、前記人の状態を推定する、状態推定部と、
を備えている、
ことを特徴とする状態推定装置。
[0057]
(付記2)
(a)人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
(b)前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
(c)ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を有する、
ことを特徴とする状態推定方法。
[0058]
(付記3)
 コンピュータに、
(a)人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
(b)前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
(c)ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を実行させる命令を含む、プログラムを記録している、
ことを特徴とするコンピュータ読み取り可能な記録媒体。
[0059]
 以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施の形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

産業上の利用可能性

[0060]
 以上のように、本発明によれば、装着負荷を抑えつつ、人の状態を高精度に推定することができる。本発明は、人の状態の推定が求められているシステム、例えば、車両の運転支援システム、業務用のコンピュータシステム等、様々なシステムに有用である。

符号の説明

[0061]
 10 状態推定装置
 11 フィルタ作成部
 12 ノイズ除去部
 13 状態推定部
 20 脈波センサ
 21 撮像装置
 22 脈波算出部
 30 人
 111 心拍数算出部
 112 統計値算出部
 113 フィルタ設計部
 1100 コンピュータ
 1110 CPU
 1120 メインメモリ
 1130 記憶装置
 1140 入力インターフェイス
 1150 表示コントローラ
 1160 データリーダ/ライタ
 1170 通信インターフェイス
 1180 入力機器
 1190 ディスプレイ装置
 1200 記録媒体
 1210 バス

請求の範囲

[請求項1]
 人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて、脈波データに含まれるノイズを除去するフィルタを作成する、フィルタ作成部と、
 前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ノイズ除去部と、
 ノイズが除去された後の前記脈波データに基づいて、前記人の状態を推定する、状態推定部と、
を備えている、
ことを特徴とする状態推定装置。
[請求項2]
(a)人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
(b)前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
(c)ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を有する、
ことを特徴とする状態推定方法。
[請求項3]
 コンピュータに、
(a)人の脈波データにおける一定時間区間内の心拍数の統計値に基づいて脈波データに含まれるノイズを除去するフィルタを作成する、ステップと、
(b)前記フィルタを用いて、前記脈波データに含まれるノイズを除去する、ステップと、
(c)ノイズが除去された後の前記脈波データに基づいて、人の状態を推定する、ステップと、
を実行させる命令を含む、プログラムを記録している、
ことを特徴とするコンピュータ読み取り可能な記録媒体。

図面

[ 図 1]

[ 図 2]

[ 図 3]

[ 図 4]

[ 図 5]