本發(fā)明涉及逐次姿勢識別裝置及植物性神經(jīng)功能信息取得裝置、方法和程序。

背景技術(shù)：

近年來，能夠佩戴于人的身體的信息處理終端所謂的穿戴式設(shè)備(以下，穿戴式設(shè)備)被廣泛地利用。穿戴式設(shè)備基于用戶能夠日常性地佩戴于身上而進行攜帶這一點，也可以利用于持續(xù)且長期地監(jiān)視用戶的健康狀態(tài)、生活習(xí)慣。并且，大規(guī)模地收集通過穿戴式設(shè)備而収集的與用戶的健康狀態(tài)、生活習(xí)慣相關(guān)的信息的技術(shù)也被普遍化。作為利用穿戴式設(shè)備而収集的用戶的健康狀態(tài)、生活習(xí)慣的信息，例如具有用戶的睡眠、運動、勞動、通勤到學(xué)校、進餐等的時間。

并且，伴隨著社會的高齡化，對正在增長的高血壓癥、糖尿病等慢性疾病的對策、對心臟發(fā)作、腦血管意外(中風(fēng))的迅速的應(yīng)對則成為社會性課題。這些疾病與運動、飲食等生活習(xí)慣密切相關(guān)，因此通過根據(jù)個人的生活習(xí)慣而進行適當(dāng)?shù)慕】倒芾?，能夠預(yù)防疾病并抑制疾病的增長。

為了掌握個人的生活習(xí)慣、行動樣式等，可利用行動估計技術(shù)。例如，通過非專利文獻1所記載的行動估計技術(shù)，將單一的3軸加速度傳感器佩戴于被驗者而取得加速度數(shù)據(jù)。并且，根據(jù)所獲得的加速度數(shù)據(jù)而估計被驗者的運動的種類。

現(xiàn)有技術(shù)文獻

非專利文獻

非專利文獻1赤崛顯光、岸本圭史、小栗宏次“利用單一的3軸加速度傳感器的行動估計”，電子信息通信學(xué)會技術(shù)研究報告，mbe，m和生物控制論，一般社団法人電子信息通信學(xué)會，2005年12月2日，105卷，456號，第49-52頁(赤堀顕光、岸本圭史、小栗宏次、「単一3軸加速度センサを用いた行動估計」、電子情報通信學(xué)會技術(shù)研究報告、mbe、meとバイオサイバネティックス、一般社団法人電子情報通信學(xué)會、2005年12月2日、105巻、456號、p.49-52)

技術(shù)實現(xiàn)要素：

發(fā)明要解決的課題

但是，在通過以往技術(shù)而進行被驗者的行動估計的情況下，難以嚴謹?shù)毓烙嬜藙荨⑦\動狀態(tài)。例如，在將加速度傳感器佩戴于臂的情況下，身體部的運動和臂部的運動未必一定相同，無法準確地檢測被驗者的姿勢。并且，僅通過利用加速度傳感器而進行被驗者的行動估計的方法，無法直接達到被驗者的健康管理、疾病預(yù)防。

所公開的實施方式是鑒于上述的問題而研發(fā)的，其目的在于提供一種通過檢測被驗者的姿勢、運動狀態(tài)而能夠進行健康管理、疾病預(yù)防的技術(shù)。

用于解決課題的手段

所公開的逐次姿勢識別裝置、方法及程序從設(shè)于穿戴式設(shè)備的加速度信息測量部及生物信號信息測量部分別接收佩戴穿戴式設(shè)備的被驗者的動作的加速度信息及被驗者的生物信號信息。并且，逐次姿勢識別裝置、方法及程序從加速度信息及生物信號信息提取與第1規(guī)定期間對應(yīng)的第1特征量及與第2規(guī)定期間對應(yīng)的第2特征量。并且，逐次姿勢識別裝置、方法及程序通過基于第1特征量的機器學(xué)習(xí)而制作用于識別被驗者正在運動還是靜止的運動及靜止識別模型。逐次姿勢識別裝置、方法及程序通過基于第1特征量的機器學(xué)習(xí)而制作用于識別多個運動樣式的運動識別模型。逐次姿勢識別裝置、方法及程序通過基于第1特征量的機器學(xué)習(xí)而制作用于識別多個靜止樣式的靜止識別模型。逐次姿勢識別裝置、方法及程序根據(jù)運動及靜止識別模型和第2特征量而確定在第2規(guī)定期間被驗者正在運動還是靜止。逐次姿勢識別裝置、方法及程序根據(jù)運動識別模型和第2特征量而確定第2規(guī)定期間中的被驗者的1個運動樣式。逐次姿勢識別裝置、方法及程序根據(jù)靜止識別模型和第2特征量而確定第2規(guī)定期間中的被驗者的1個靜止樣式。逐次姿勢識別裝置、方法及程序?qū)⑼ㄟ^第1確定部、第2確定部及第3確定部而確定的確定結(jié)果進行組合，從而對第2規(guī)定期間中的被驗者的姿勢及運動進行識別。逐次姿勢識別裝置、方法及程序生成將識別部所識別的姿勢及運動和第2規(guī)定期間的被驗者的生物信號信息對應(yīng)而成的對應(yīng)信息。

并且，所公開的植物性神經(jīng)功能信息取得裝置、方法及程序從設(shè)于穿戴式設(shè)備的加速度信息測量部及生物信號信息測量部分別接收佩戴穿戴式設(shè)備的被驗者的動作的加速度信息及被驗者的生物信號信息。植物性神經(jīng)功能信息取得裝置、方法及程序通過對第1規(guī)定期間中的加速度信息及生物信號信息執(zhí)行逐次機器學(xué)習(xí)，從而對第2規(guī)定期間中的被驗者的姿勢及運動進行識別。植物性神經(jīng)功能信息取得裝置、方法及程序提取與所識別的相同的姿勢及運動的組合對應(yīng)的生物信號信息。植物性神經(jīng)功能信息取得裝置、方法及程序由所提取的與相同的姿勢及運動的組合對應(yīng)的生物信號信息計算植物性神經(jīng)功能評價的參數(shù)。

發(fā)明效果

所公開的逐次姿勢識別裝置、逐次姿勢識別方法、逐次姿勢識別程序、植物性神經(jīng)功能信息取得裝置、植物性神經(jīng)功能信息取得方法及植物性神經(jīng)功能信息取得程序通過檢測被驗者的姿勢、運動狀態(tài)，能夠進行健康管理、疾病預(yù)防。

附圖說明

圖1是表示第1實施方式的逐次姿勢識別系統(tǒng)的結(jié)構(gòu)的一例的概略圖。

圖2是表示第1實施方式的逐次姿勢識別處理的流程的一例的流程圖。

圖3是表示被驗者在步行中通過加速度傳感器而檢測的3軸加速度及合成加速度的測量值的一例的曲線圖。

圖4是表示在旋轉(zhuǎn)傳感器的情況下的加速度與合成加速度的一例的曲線圖。

圖5是表示在通過第1實施方式的逐次姿勢識別裝置而進行的逐次姿勢識別處理之中的學(xué)習(xí)處理的流程的一例的概略圖。

圖6是表示通過第1實施方式的逐次姿勢識別裝置而進行的逐次姿勢識別處理之中的識別處理(姿勢確定處理)的流程的一例的概略圖。

圖7是概略性地表示被驗者的姿勢變化與植物性神經(jīng)功能評價的對應(yīng)情況的表。

圖8是用于對第1實施方式的逐次姿勢識別處理中的植物性神經(jīng)功能評價的手法的一例進行說明的圖。

圖9是用于對在不同的姿勢、運動狀態(tài)中，在生物信號信息中發(fā)生了相同的變化的情況進行說明的圖。

圖10是表示第2實施方式的植物性神經(jīng)功能信息取得系統(tǒng)的結(jié)構(gòu)的一例的概略圖。

圖11是表示第2實施方式的植物性神經(jīng)功能信息取得處理的流程的一例的流程圖。

圖12是用于對第2實施方式的植物性神經(jīng)功能信息取得處理中的生物信號信息(心跳數(shù)據(jù))的分類(分組)進行說明的圖。

圖13是用于對第2實施方式的植物性神經(jīng)功能信息取得處理中的數(shù)據(jù)連接處理進行說明的圖。

圖14是用于對第2實施方式的植物性神經(jīng)功能信息取得處理中的數(shù)據(jù)連接處理進行說明的另一圖。

圖15是用于對第2實施方式的植物性神經(jīng)功能信息取得處理中的數(shù)據(jù)連接處理中使用閾值的處理進行說明的圖。

圖16是用于對第2實施方式的植物性神經(jīng)功能信息取得方法中的數(shù)據(jù)連接處理中使用貝葉斯的定理的處理進行說明的圖。

圖17是用于對通過被驗者的姿勢變化而血壓下降后的心跳的過渡的反應(yīng)進行說明的圖。

圖18是用于對在第2實施方式中，將對于通過被驗者的姿勢變化而血壓下降后的心跳的過渡的反應(yīng)的數(shù)據(jù)進行同步相加的手法進行說明的圖。

圖19是用于對通過被驗者的身體活動(運動)而血壓上升后的心跳的過渡的反應(yīng)進行說明的圖。

圖20是用于對在第2實施方式中，將對于通過被驗者的身體活動(運動)而血壓上升后的心跳的過渡的反應(yīng)的數(shù)據(jù)進行同步相加的手法進行說明的圖。

圖21是表示利用計算機而具體實施通過所公開的技術(shù)的逐次姿勢識別程序及植物性神經(jīng)功能信息取得程序而進行的信息處理的情況的圖。

具體實施方式

下面，根據(jù)附圖，對所公開的逐次姿勢識別裝置、方法及程序和植物性神經(jīng)功能信息取得裝置、方法及程序的實施方式進行詳細說明。另外，本發(fā)明不限于該實施方式。并且，可將各個實施方式適當(dāng)組合。

首先，在對各個實施方式進行說明之前，對姿勢識別的意義、課題及與姿勢識別對應(yīng)的植物性神經(jīng)功能評價的意義和課題進行說明。

(姿勢識別的意義和課題)

面對超高齡化社會，為了能夠使個人維持健康并預(yù)防疾病來過著自立的生活，進行著調(diào)查與研究。其中，想必關(guān)于個人的生活習(xí)慣與疾病的因果關(guān)系的嚴謹且長期的調(diào)查，特別是，與身體活動、姿勢及運動相關(guān)的信息的調(diào)查尤為重要。

至今為止的生活習(xí)慣的調(diào)查是通過被驗者本身對調(diào)查表等問題記入答復(fù)的形式、利用活動儀表的測量等而實施的。但是，在自己報告式調(diào)查中，答復(fù)內(nèi)容、其精度不固定。并且，即便是相同的種類的生活動作、運動，根據(jù)此時的個人的姿勢、行動樣式的不同，實際上施加到身體的負荷、循環(huán)動態(tài)中存在個人差異。

因此，需要一種能夠準確地掌握日常生活中的被驗者的姿勢及運動的技術(shù)。

進一步，對身體施加的負荷是根據(jù)個人的年齡、性別、心肺功能、疾病的有無等也被影響。因此，通過測量與姿勢及運動修正的信息及心率等的生物信號，從而能夠更準確地評價施加到身體的負荷。

(植物性神經(jīng)功能的評價的意義和課題)

下面，關(guān)于高齡化社會中特別需要急速應(yīng)對的心臟循環(huán)系統(tǒng)疾病，至今為止指出了心臟循環(huán)系統(tǒng)的植物性神經(jīng)功能與心臟病患者的死亡率的關(guān)聯(lián)性。并且，植物性神經(jīng)系統(tǒng)的調(diào)制、調(diào)節(jié)功能的下降等的功能障礙與心臟循環(huán)系統(tǒng)疾病的發(fā)病相關(guān)。因此，心臟循環(huán)系統(tǒng)的疾病的預(yù)防及抑制中植物性神經(jīng)功能的監(jiān)視、評價是非常重要的。

在當(dāng)前醫(yī)院等中實施的植物性神經(jīng)檢查，例如在直立傾斜試驗中，將被驗者以仰臥位固定在檢查臺上之后，被動式地改變檢查臺的傾斜角度而測量血壓、心率等，從而檢查植物性神經(jīng)功能。固定被驗者而進行檢查是因為身體的姿勢會影響植物性神經(jīng)功能。但是，至今還未研發(fā)出在被驗者的日常生活中，在檢測姿勢變化的同時檢查植物性神經(jīng)功能的技術(shù)。

并且，作為測量心跳變動而評價植物性神經(jīng)功能的手法，具有個別地提取心率加速的部分(增加階段)和心率減速的部分(減速階段)，將各階段選擇性地定量化的手法。特別地，僅將減速階段定量化的指標作為表示副交感神經(jīng)活動的指標而成為心肌梗塞之后患者的死亡危險的預(yù)測因子。

但是，在至今為止的減速階段提取手法中，將整個減速階段定量化成一樣。即，不管是在不發(fā)生姿勢變化的情況下所產(chǎn)生的呼吸性心律失常，還是通過姿勢變化而產(chǎn)生的植物性神經(jīng)反射，同樣都被定量化成減速階段。就是說，在被定量化的數(shù)據(jù)中混合存在原因、品質(zhì)不同的數(shù)據(jù)，不能達到精確的植物性神經(jīng)功能評價。

(第1實施方式)

鑒于以上內(nèi)容，對第1實施方式的逐次姿勢識別裝置、方法及程序和植物性神經(jīng)功能信息取得裝置、方法及程序進行說明。

在第1實施方式的逐次姿勢識別處理中，由被驗者測量加速度信息及生物信號信息，利用兩者而進行逐次機器學(xué)習(xí)，從而制作用于識別被驗者的姿勢的識別模型。進一步，在第1實施方式的逐次姿勢識別處理中，利用所制作的識別模型而將被驗者的姿勢、運動狀態(tài)分類成“運動、靜止”這2個樣式，并識別是何種“運動”、何種“靜止”。并且，在第1實施方式的逐次姿勢識別處理中，通過使用逐次機器學(xué)習(xí)，從而與學(xué)習(xí)處理并行地執(zhí)行識別被驗者的姿勢及運動的識別處理。進一步，在第1實施方式的逐次姿勢識別處理中，通過將所識別的姿勢及運動和由被驗者測量的生物信號信息對應(yīng)，從而生成表示被驗者的健康狀態(tài)的信息。

這樣，在第1實施方式中，在加速度信息中加上生物信號信息而識別被驗者的姿勢及運動，從而實現(xiàn)姿勢及運動的準確的識別。并且，在第1實施方式中，除了將被驗者的姿勢及運動分類成“運動、靜止”這2個樣式之外，還分類成多個“運動”樣式、多個“靜止”樣式，并且并列執(zhí)行基于多個識別模型的姿勢及運動確定而對確定結(jié)果進行。因此，根據(jù)第1實施方式的逐次姿勢識別處理，能夠在短時間內(nèi)執(zhí)行基于細致的分類的姿勢及運動的識別。進一步，通過利用逐次機器學(xué)習(xí)，從而與為了學(xué)習(xí)而預(yù)先準備數(shù)據(jù)來一下子進行學(xué)習(xí)的處理不同地，能夠逐次地執(zhí)行學(xué)習(xí)而更新學(xué)習(xí)結(jié)果。因此，在被驗者的健康狀態(tài)、姿勢等發(fā)生基本的變化而改變了數(shù)據(jù)的基線的情況下，也能夠持續(xù)地進行學(xué)習(xí)而執(zhí)行姿勢識別處理。進一步，通過將生物信號信息和姿勢識別的結(jié)果進行對應(yīng)，例如，能夠生成將心率的變動和姿勢變動對應(yīng)而成的信息，能夠?qū)崿F(xiàn)更準確的被驗者的健康狀態(tài)評價。

(第1實施方式的逐次姿勢識別系統(tǒng)的結(jié)構(gòu)的一例)

圖1是表示第1實施方式的逐次姿勢識別系統(tǒng)1的結(jié)構(gòu)的一例的概略圖。圖1所示的逐次姿勢識別系統(tǒng)1具備穿戴式設(shè)備10和逐次姿勢識別裝置20。穿戴式設(shè)備10和逐次姿勢識別裝置20介由網(wǎng)絡(luò)可通信地連接。

關(guān)于連接穿戴式設(shè)備10和逐次姿勢識別裝置20的網(wǎng)絡(luò)的種類不作特別限定，既可以是有線網(wǎng)絡(luò)，也可以是無線網(wǎng)絡(luò)。但是，為了不妨礙佩戴穿戴式設(shè)備10的被驗者的行動，作為無線網(wǎng)絡(luò)，例如優(yōu)選利用以藍牙(bluetooth)(注冊商標)連接的智能手機等或wi-fi等。

(穿戴式設(shè)備10的結(jié)構(gòu)的一例)

穿戴式設(shè)備10是由被驗者可佩戴來攜帯的電子設(shè)備。穿戴式設(shè)備10優(yōu)選為至少一部分配置在被驗者的軀干附近的形狀，以對被驗者的軀干的運動進行測量。具體地，穿戴式設(shè)備10只要是在被驗者佩戴穿戴式設(shè)備10時通過穿戴式設(shè)備10所具備的傳感器等測量部而能夠檢測被驗者的軀干的運動的形狀即可。

在圖1的例子中，穿戴式設(shè)備10為被驗者可穿脫的襯衫形狀。但是，穿戴式設(shè)備10的形狀不限于襯衫，例如可以是腰帶形狀等，只要是能夠佩戴于被驗者的軀干，則可以是任意的形狀。并且，作為穿戴式設(shè)備10，可構(gòu)成為使用具備處理器、存儲器的穿戴式計算機，將所測量的信息適當(dāng)?shù)卮鎯τ诖┐魇皆O(shè)備10內(nèi)。

穿戴式設(shè)備10具備加速度信息測量部101、生物信號信息測量部102、收發(fā)部103、輸入部104。

加速度信息測量部101是檢測并測量被驗者的身體的運動的檢測設(shè)備。加速度信息測量部101測量被驗者的身體的加速度信息。例如，加速度信息測量部101由配置于被驗者的軀干附近的加速度傳感器例如3軸加速度傳感器而構(gòu)成。加速度信息測量部101測量沿著前后軸、左右軸、上下軸的3軸的被驗者的身體的運動的加速度。下面，在稱為前后、左右、上下時，以在被驗者佩戴穿戴式設(shè)備10而站立的情況下被驗者的身體所朝向的方向為基準。

加速度信息測量部101以在被驗者佩戴穿戴式設(shè)備10時配置于被驗者的軀干附近的方式配置于穿戴式設(shè)備10。特別地，加速度信息測量部101優(yōu)選被配置為，在被驗者佩戴穿戴式設(shè)備10時該加速度信息測量部101位于被驗者的胸部。通過這樣配置加速度信息測量部101，能夠取得準確地反映了被驗者的軀干的運動的加速度信息。

生物信號信息測量部102測量能夠從被驗者的身體取得的生物信號信息。生物信號信息測量部102例如為測量心電位的檢測設(shè)備。生物信號信息測量部102例如測量被驗者的心電位和與心跳相關(guān)的信息。具體地，生物信號信息測量部102以固定間隔測量通過單感應(yīng)而獲得的心電位。并且，生物信號信息測量部102例如測量心跳間隔即rr間隔(rrinterval)。此外，作為生物信號而測量光電脈沖波等的脈沖波、生物電阻等的體內(nèi)阻抗、生物微振動、生物圧力變動，血壓計等袖口壓力等動脈壓等。此外，也可利用生物電位、肌電、腦波、誘發(fā)電位等。

收發(fā)部103將加速度信息測量部101及生物信號信息測量部102測量的加速度信息及生物信號信息發(fā)送到穿戴式設(shè)備10的外部。并且，收發(fā)部103接收從穿戴式設(shè)備10的外部發(fā)送的信號。當(dāng)加速度信息測量部101及生物信號信息測量部102每次取得信息時，收發(fā)部103向外部發(fā)送該信息。例如，收發(fā)部103通過無線通信功能而發(fā)送信息。具體地，收發(fā)部103將加速度信息及生物信號信息發(fā)送到逐次姿勢識別裝置20。

輸入部104受理由被驗者等向穿戴式設(shè)備10輸入的信息。例如，輸入部104受理被驗者等所輸入的標簽(后述)。受理的標簽被發(fā)送到收發(fā)部103，并被發(fā)送到逐次姿勢識別裝置20。逐次姿勢識別裝置20根據(jù)預(yù)設(shè)的處理過程，使標簽和之后接收的加速度信息及生物信號信息對應(yīng)。另外，關(guān)于標簽的具體情況，將后述。并且，標簽可以從逐次姿勢識別裝置20所具備的輸入部211(后述)輸入，而不是從輸入部104輸入。并且，穿戴式設(shè)備10可以是不具備輸入部104的結(jié)構(gòu)。并且，輸入部104還用于供被驗者等選擇后述的學(xué)習(xí)模式或識別模式。

(逐次姿勢識別裝置20的結(jié)構(gòu)的一例)

逐次姿勢識別裝置20具備收發(fā)部201、特征量提取部202、第1制作部203、第2制作部204、第3制作部205、第1確定部206、第2確定部207、第3確定部208、識別部209、生成部210及輸入部211。

收發(fā)部201接收從穿戴式設(shè)備10的收發(fā)部103發(fā)送的加速度信息及生物信號信息。收發(fā)部201接收由收發(fā)部103逐次發(fā)送的加速度信息及生物信號信息而發(fā)送到特征量提取部202。

特征量提取部202從加速度信息及生物信號信息提取用于進行姿勢識別的特征量。提取的特征量被發(fā)送到第1制作部203、第2制作部204、第3制作部205，利用于取得被驗者的姿勢及運動的基線信息的學(xué)習(xí)處理中。提取的特征量又被發(fā)送到第1確定部206、第2確定部207、第3確定部208，利用于識別被驗者的姿勢及運動的識別處理中。關(guān)于特征量提取部202所執(zhí)行的特征量提取處理的具體情況將后述。另外，特征量提取部202可以不構(gòu)成為獨立的結(jié)構(gòu)部，而可以將特征量提取部202的處理分別合并到第1制作部203、第2制作部204、第3制作部205、第1確定部206、第2確定部207及第3確定部208中。

第1制作部203、第2制作部204、第3制作部205執(zhí)行利用特征量而進行逐次機器學(xué)習(xí)的學(xué)習(xí)處理。第1制作部203制作用于識別被驗者的運動狀態(tài)和靜止狀態(tài)的運動及靜止識別模型。第2制作部204制作在被驗者處于運動狀態(tài)的情況下用于識別該運動的種類的運動識別模型。第3制作部205制作在被驗者處于靜止狀態(tài)的情況下用于識別該靜止的種類的靜止識別模型。通過學(xué)習(xí)處理而制作的運動及靜止識別模型、運動識別模型及靜止識別模型成為被驗者的姿勢及運動的基線信息。學(xué)習(xí)處理是制作相關(guān)的識別模型的處理，即取得基線信息的處理。關(guān)于學(xué)習(xí)處理的具體情況，將后述。

第1確定部206、第2確定部207、第3確定部208分別利用由第1制作部203、第2制作部204、第3制作部205制作的識別模型和由特征量提取部202提取的特征量而確定被驗者的姿勢及運動。

第1確定部206利用第1制作部203制作的運動及靜止識別模型而確定被驗者是處于運動狀態(tài)還是處于靜止狀態(tài)。第2確定部207利用第2制作部204制作的運動識別模型而確定運動的種類，確定在被驗者處于運動狀態(tài)的情況下進行哪種運動。第3確定部208利用第3制作部205制作的靜止識別模型而確定靜止的種類，確定在被驗者處于靜止狀態(tài)的情況下屬于哪種靜止。關(guān)于通過第1確定部206、第2確定部207及第3確定部208進行姿勢確定處理的具體情況，將后述。

識別部209組合由第1確定部206、第2確定部207及第3確定部208進行的姿勢確定處理的結(jié)果而識別被驗者的姿勢及運動。識別部209進行識別處理的結(jié)果，獲得被驗者的姿勢及運動的識別結(jié)果。例如，獲得被驗者正在“運動”或正在“步行”等識別結(jié)果。關(guān)于識別處理的具體情況，將后述。

生成部210生成將識別部209的識別結(jié)果和從穿戴式設(shè)備10接收的生物信號信息按照時間序列對應(yīng)而成的信息。生成部210生成將基于在規(guī)定的期間中取得的加速度信息及生物信號信息而識別的被驗者的姿勢及運動和在相同的期間中取得的生物信號信息對應(yīng)而成的對應(yīng)信息。例如，生成部210將從時刻t1到t5的期間的被驗者的姿勢及運動和從時刻t1到t5的期間的該被驗者的心率對應(yīng)而生成對應(yīng)信息。關(guān)于生成部210所生成的信息的具體情況，將后述。

輸入部211受理來自逐次姿勢識別裝置20的外部的信息輸入。輸入部211例如可以是鍵盤、觸摸板等輸入設(shè)備。輸入部211與穿戴式設(shè)備10的輸入部104相同地，用于供被驗者等輸入后述的標簽。并且，輸入部211用于供被驗者等選擇學(xué)習(xí)模式或識別模式。

(逐次姿勢識別處理的概括性的流程的一例)

圖2是表示第1實施方式的逐次姿勢識別處理的流程的一例的流程圖。當(dāng)開始處理時，逐次姿勢識別裝置20受理模式的選擇(步驟s201)。具體地，受理學(xué)習(xí)模式或識別模式的選擇。在此，學(xué)習(xí)模式是指，逐次姿勢識別裝置20執(zhí)行學(xué)習(xí)處理的動作形態(tài)。并且，識別模式是指，逐次姿勢識別裝置20執(zhí)行識別處理(包括姿勢確定處理)的動作形態(tài)。另外，圖2中為了方便說明，圖示成選擇學(xué)習(xí)模式或識別模式的任一模式的結(jié)構(gòu)，但是也可以進一步設(shè)置并行地進行學(xué)習(xí)處理和識別處理的模式而執(zhí)行。

接著，逐次姿勢識別裝置20判定是否選擇學(xué)習(xí)模式(步驟s202)。在選擇了學(xué)習(xí)模式的情況下(步驟s202，是)，逐次姿勢識別裝置20接收由被驗者等輸入的標簽。標簽是指，確定被驗者的“姿勢”及“運動”的信息。例如，關(guān)于標簽，作為“姿勢”而包括“站位”“坐位”“臥位”的信息，作為“運動”而包括“運動狀態(tài)”或“靜止狀態(tài)”的信息。并且，作為“運動”，也可制作“步行”“跳躍”“踏步”“散步”等標簽。在此，“步行”是指單純的日常的步行，“散步”是指積極地作為運動而行走的情況。逐次姿勢識別裝置20作為身體的運動狀態(tài)，對于近似的運動判定運動強度，從而識別日常的“步行”和作為運動的“散步”。這樣，逐次姿勢識別裝置20對于即便是近似的運動但強度不同的各個運動賦予不同的標簽而進行識別。在學(xué)習(xí)處理時，將學(xué)習(xí)的信息為何種“姿勢、運動”的信息的情況存儲于逐次姿勢識別裝置20，因此將特征量和包括“姿勢、運動”的兩個信息的標簽對應(yīng)地進行處理。

并且，逐次姿勢識別裝置20從由穿戴式裝置10接收的加速度信息及生物信號信息提取特征量。所接收的標簽和提取的特征量被輸入到第1制作部203、第2制作部204、第3制作部205(步驟s203)。各個制作部203、204、205判定標簽是否表示“運動狀態(tài)”(步驟s204)。在判定為標簽表示“運動狀態(tài)”的情況下(步驟s204，是)，第1制作部203進行基于特征量的機器學(xué)習(xí)，制作或更新運動及靜止識別模型(步驟s205)。并且，第2制作部204進行基于特征量的機器學(xué)習(xí)，制作或更新運動識別模型(步驟s205)。在判定為標簽表示“運動狀態(tài)”的情況下(步驟s204，是)，第3制作部205不執(zhí)行機器學(xué)習(xí)。

在判定為標簽表示“靜止狀態(tài)”的情況下(步驟s204，否)，第1制作部203進行基于特征量的機器學(xué)習(xí)，制作或更新運動及靜止識別模型(步驟s206)。并且，第2制作部204不執(zhí)行機器學(xué)習(xí)。第3制作部205進行基于特征量的機器學(xué)習(xí)，制作或更新靜止識別模型(步驟s206)。通過學(xué)習(xí)模式的處理由此結(jié)束。

另一方面，假設(shè)在步驟s202中判定為未選擇學(xué)習(xí)模式即選擇了識別模式(步驟s202，否)。在該情況下，逐次姿勢識別裝置20從由穿戴式設(shè)備10接收的加速度信息及生物信號信息提取特征量(步驟s207)。并且，逐次姿勢識別裝置20將特征量發(fā)送到第1確定部206、第2確定部207及第3確定部208。第1確定部206根據(jù)特征量和已經(jīng)被制作的運動及靜止識別模型，確定被驗者處于運動狀態(tài)還是靜止狀態(tài)(步驟s208)。第2確定部207根據(jù)特征量和已經(jīng)被制作的運動識別模型，確定是哪種運動狀態(tài)(步驟s209)。第3確定部208根據(jù)特征量和已經(jīng)被制作的靜止識別模型而確定是哪種靜止狀態(tài)(步驟s210)。

第1確定部206、第2確定部207、第3確定部208的確定結(jié)果被發(fā)送到識別部209，識別部209根據(jù)確定結(jié)果而識別被驗者的姿勢、運動(步驟s211)。例如，識別部209識別在其時間點的被驗者的姿勢及運動為“站位、運動狀態(tài)”。并且，逐次姿勢識別裝置20生成將識別結(jié)果和與識別結(jié)果對應(yīng)的生物信號信息按照時間序列對應(yīng)而成的信息(步驟s212)。由此，結(jié)束識別處理。

接著，對逐次姿勢識別處理中包含的特征量提取處理、學(xué)習(xí)處理及識別處理(包括姿勢確定處理)的各個處理進一步進行說明。

(特征量提取處理的一例)

在第1實施方式的逐次姿勢識別裝置20中，特征量提取部202從穿戴式設(shè)備10接收在規(guī)定的期間測量的加速度信息及生物信號信息，將該規(guī)定的期間分成相互重疊的多個不同的長度的期間。并且，特征量提取部202對各個期間計算特征量。在學(xué)習(xí)處理及姿勢確定處理中使用這些多個特征量。另外，在第1制作部203中使用的特征量及其提取周期(下面的t1～t4)與在第1確定部206中使用的特征量及其提取周期相同。并且，在第2制作部204中使用的特征量及其提取周期與在第2制作部204中使用的特征量及其提取周期相同。并且，在第3制作部205中使用的特征量及其提取周期與在第3確定部208中使用的特征量及其提取周期相同。但是，第1制作部203所使用的特征量及其提取周期和第2制作部204所使用的特征量及其提取周期和第3制作部205所使用的特征量及其提取周期彼此不同。

(第1特征量)

作為第1特征量，特征量提取部202計算在t1秒期間內(nèi)各軸的加速度信息的時間序列集合中的基本統(tǒng)計量。例如，計算最大值、最小值、平均值及方差值中的至少一個。例如，設(shè)為t1＝0.4秒，假設(shè)在0.4秒期間內(nèi)對各軸測量10個加速度信息。在該情況下，特征量提取部202將對各軸的10個信息的基本統(tǒng)計量作為各軸的特征量而提取。

(第2特征量)

作為第2特征量，特征量提取部202計算在t2秒期間(其中，t1<t2)內(nèi)各軸的加速度信息的時間序列集合中的基本統(tǒng)計量。例如，計算最大值、最小值、平均值及方差值中的至少一個。例如，t2＝2秒。

(第3特征量)

作為第3特征量，特征量提取部202計算在t3秒期間(其中，t2<t3)內(nèi)各軸的振動頻率、全部振動頻率的平均值及方差值或從生物信號信息提取的心跳間隔的平均值及方差值中的至少一個。振動頻率是指，與被驗者的身體的振動次數(shù)對應(yīng)的特征量。關(guān)于振動頻率的檢測手法，下面進行詳細說明。

(第4的特征量)

作為第4的特征量，特征量提取部202計算在t4秒期間(其中，t3<t4)內(nèi)各軸的振動頻率、全部振動頻率的基本統(tǒng)計量或從生物信號信息提取的心跳間隔的基本統(tǒng)計量中的至少一個。作為基本統(tǒng)計量，例如可例舉最大值、最小值、平均值及方差值。

另外，由心跳間隔計算的特征量不限于心跳間隔的平均值、方差值。例如，可將心率的基本統(tǒng)計量作為特征量而進行計算。并且，作為第1、第2、第3及第4的特征量，也可以不使用上述特征量中的全部特征量，根據(jù)所識別的姿勢及運動，僅使用一部分的特征量。

(振動頻率的檢測手法)

接著，對振動頻率的檢測手法進行說明。在此，“振動頻率”是指，如果以身體的上下方向而言是歩數(shù)、跳躍次數(shù)等與身體的振動次數(shù)具備相同的意思的次數(shù)。將振動頻率作為用于進行姿勢識別的特征量進行使用，從而能夠制作考慮了被驗者的身體的傾斜度的程度、振動即振動的識別模型而實現(xiàn)詳細的姿勢及運動的識別。

在將振動頻率作為特征量而使用的情況下，加速度信息測量部101測量佩戴穿戴式設(shè)備10的被驗者的身體的振動，因此至少具備3軸加速度傳感器等加速度傳感器。例如，在使用3軸加速度傳感器的情況下，能夠測量在x軸、y軸、z軸的3軸(參照圖3)中加速度傳感器所受到的加速度。

圖3是用于對逐次姿勢識別處理中使用的特征量中的振動頻率的檢測手法進行說明的圖。當(dāng)被驗者改變姿勢或進行運動而導(dǎo)致加速度傳感器傾斜時，加速度傳感器所檢測的重力加速度發(fā)生變化。由此，能夠檢測加速度傳感器的傾斜度即被驗者的身體的傾斜度。并且，由加速度傳感器檢測的x軸、y軸、z軸各軸中的加速度的合成加速度發(fā)生變化，從而能夠檢測加速度傳感器即被驗者的身體的振動的程度。例如，圖3是表示被驗者在步行中通過加速度傳感器而檢測的3軸加速度及合成加速度的測量值的一例的曲線圖。

使用這樣通過加速度傳感器而獲得的測量值而檢測振動頻率。下面，對檢測振動頻率的手法的一例進行說明。

首先，根據(jù)以下的式(1)而計算合成加速度ar。

【數(shù)學(xué)式1】

根據(jù)在式(1)中定義的合成加速度ar，能夠?qū)⑾鄬Ω鱾€軸方向的振動檢測為相同，在發(fā)生傳感器的旋轉(zhuǎn)等運動的情況下，合成加速度幾乎不發(fā)生變化。圖4是表示旋轉(zhuǎn)傳感器的情況下的加速度和合成加速度的一例的曲線圖。在圖4的例子中，發(fā)生了z軸方向的旋轉(zhuǎn)運動，但合成加速度幾乎追隨z軸的測量值。

接著，在合成加速度ar小于規(guī)定的下限閾值θbtm時，記錄此時的合成加速度abtm。并且，在記錄小于下限閾值θbtm的合成加速度abtm之后在規(guī)定的上限時間tw內(nèi)，當(dāng)合成加速度ar大于規(guī)定的上限閾值θtop時，記錄此時的合成加速度atop。通過該處理，檢測在短時間內(nèi)合成加速度的值變大的期間。

接著，判定所記錄的abtm和atop之差是否大于規(guī)定的振動檢測閾值θamp。在差大于振動檢測閾值θamp的情況下，計數(shù)為振動頻率1。并且，重設(shè)abtm和atop。并且，在規(guī)定的上限期間tw內(nèi)未計數(shù)出振動頻率的情況下，也重設(shè)abtm及atop。

通過以上的處理，在長時間向一定方向施加較大的加速度的情況下不作為振動頻率而進行計數(shù)，而是準確地檢測出加速度的方向急劇變化的身體的振動。

另外，作為振動頻率的檢測手法，(1)旋轉(zhuǎn)、長期的變化不被檢測為振動，(2)如果加速度不改變一定的量，則不被檢測為振動，(3)在任何軸方向上也通過相同的算法進行檢測，(4)如果由所取得的加速度、角速度信息等可進行檢測，則無需特別限定，可使用任意的手法。這樣，關(guān)于振動頻率，不根據(jù)合成加速度確定的動作，在前后方向、左右方向的任何方向上也能夠無區(qū)別地進行計算。第1實施方式的特征量提取部202將t3劃分為分成多個的小框架，根據(jù)各個小框架內(nèi)的振動頻率而計算方差值、平均值。

并且，“各軸的振動頻率”是指，在檢測到振動頻率時僅數(shù)出最影響其振動的軸而獲得的數(shù)。例如，在構(gòu)成通過上述的手法而數(shù)出振動頻率時的合成加速度的成分中檢測測量出最大的加速度的軸。并且，將該軸中的振動頻率計數(shù)為1。例如，在從z軸檢測到在計數(shù)出振動頻率1時的各軸的加速度中的最大的加速度的情況下，將z軸的振動頻率計數(shù)為1。z軸的振動例如是在被驗者步行時的振動、在被驗者跳躍的情況等時檢測的。因此，能夠根據(jù)z軸的振動頻率而檢測“步行”等的運動。

另外，第1實施方式的逐次姿勢識別裝置20采用機器學(xué)習(xí)模型，因此自動進行對各特征量的加權(quán)。

(學(xué)習(xí)處理的流程的一例)

圖5是表示通過第1實施方式的逐次姿勢識別裝置20而進行的逐次姿勢識別處理中的學(xué)習(xí)處理的流程的一例的概略圖。利用圖5，對具體的學(xué)習(xí)處理的例子進行說明。

在逐次姿勢識別裝置20中最初執(zhí)行機器學(xué)習(xí)時及追加地執(zhí)行機器學(xué)習(xí)時，用戶選擇學(xué)習(xí)模式等而向逐次姿勢識別裝置20指示開始執(zhí)行學(xué)習(xí)處理(步驟s300)。并且，用戶進行姿勢的登記。即，用戶輸入標簽。就是說，用戶向逐次姿勢識別裝置20輸入識別機器學(xué)習(xí)的動作的信息(“姿勢a的名字”)、該動作的“姿勢”、表示該動作相應(yīng)于“運動狀態(tài)”和“靜止狀態(tài)”的哪一個狀態(tài)的信息(“姿勢a的登記準備”，步驟s301)。例如，在圖5的例子中，作為“姿勢a的名字”，輸入“坐下”。坐下的狀態(tài)是“靜止狀態(tài)”，因此與表示“停止”這一運動狀態(tài)的信息一并進行輸入。在圖5的例子中，由此識別“坐下”這一姿勢。進一步，識別細致的狀態(tài)的情況下，調(diào)整標簽所示的姿勢及運動狀態(tài)的分類而進行對應(yīng)。例如，可以與“坐下”這一名字對應(yīng)地，輸入“姿勢：坐位”“運動狀態(tài)：靜止”這一信息。并且，可以與“跳躍”這一名字對應(yīng)地設(shè)置“姿勢：站位”“運動狀態(tài)：上下跳動”等。關(guān)于輸入，既可以從穿戴式設(shè)備10的輸入部104輸入，也可以從輸入部211輸入。關(guān)于標簽，關(guān)于進行機器學(xué)習(xí)的各個動作而輸入，使逐次姿勢識別裝置20取得并存儲(步驟s302)。

在輸入標簽之后，用戶向逐次姿勢識別裝置20指示開始進行與所輸入的標簽對應(yīng)的動作的機器學(xué)習(xí)(“姿勢a開始”，步驟s303)。并且，用戶開始與所輸入的標簽對應(yīng)的動作。通過用戶的指示輸入，在逐次姿勢識別裝置20中起動學(xué)習(xí)模式(步驟s304)。并且，逐次姿勢識別裝置20的特征量提取部202執(zhí)行特征量提取處理(步驟s305)。關(guān)于上述的各個特征量，按照每個預(yù)設(shè)期間(t1～t4)重復(fù)進行特征量提取處理。

當(dāng)提取特征量時，向第1制作部203、第2制作部204、第3制作部205發(fā)送特征量。并且，第1制作部203根據(jù)所輸入的標簽(例如“坐下：停止”)，作為由標簽指定的“運動狀態(tài)”或“靜止狀態(tài)”的數(shù)據(jù)(例如，如果標簽為“坐下：停止”，則為“靜止狀態(tài)”)，進行所輸入的特征量的機器學(xué)習(xí)(步驟s306)。在圖5的例子中，每隔提取特征量的時間t1秒而執(zhí)行機器學(xué)習(xí)。另外，以比t1秒短的提取周期提取的特征量被滑動輸入。關(guān)于機器學(xué)習(xí)的執(zhí)行周期，與加速度信息測量部101及生物信號信息測量部102的測量周期對應(yīng)地設(shè)定即可。

與第2制作部204相同地，根據(jù)所輸入的標簽(例如，“坐下：停止”)而執(zhí)行處理。在圖5的例子中，所輸入的標簽為“坐下：停止”即“靜止狀態(tài)”，因此制作動作狀態(tài)的識別模型的結(jié)構(gòu)要素即第2制作部204不進行機器學(xué)習(xí)而等待(步驟s307)。

與第3制作部205相同地，根據(jù)所輸入的標簽(例如，“坐下：停止”)執(zhí)行處理。在圖5的例子中，所輸入的標簽為“坐下：停止”即“靜止狀態(tài)”，因此第3制作部205作為“靜止狀態(tài)”的一個種類，進行所輸入的特征量的機器學(xué)習(xí)(步驟s308)。

當(dāng)在用戶側(cè)完成了由標簽指定的動作時，向逐次姿勢識別裝置20指示該動作的機器學(xué)習(xí)的結(jié)束(“姿勢a結(jié)束”，步驟s309)。根據(jù)用戶的指示，逐次姿勢識別裝置20停止學(xué)習(xí)模式(步驟s310)。并且，用戶開始進行下一個機器學(xué)習(xí)的姿勢b的登記的準備(步驟s311)。以上是在逐次姿勢識別處理中的學(xué)習(xí)處理的一例的流程。

在學(xué)習(xí)處理中使用的標簽是表示作為識別的對象的動作的姿勢及運動狀態(tài)的標簽，例如包括“步行”“跳躍”“坐下”“站立”“俯臥”“仰臥”等和表示其為運動狀態(tài)還是靜止狀態(tài)的標簽。

(識別處理的流程的一例)

圖6是表示通過第1實施方式的逐次姿勢識別裝置20而進行的逐次姿勢識別處理中的識別處理(包括姿勢確定處理)的流程的一例的概略圖。接著，參照圖6，對姿勢確定處理及識別處理的具體的一例進行說明。另外，第1實施方式的逐次姿勢識別裝置20即便正在執(zhí)行圖6所示的姿勢確定處理及識別處理，也能夠并行地執(zhí)行圖5的學(xué)習(xí)處理，并適當(dāng)更新識別模型。

在進行識別處理時，用戶首先向逐次姿勢識別裝置20輸入開始識別處理的要旨的指示(步驟s401)。例如，用戶執(zhí)行選擇識別模式的要旨的輸入。根據(jù)用戶的輸入，逐次姿勢識別裝置20起動識別模式(步驟s402)。在起動識別模式時，將特征量提取部202提取的特征量輸入到第1確定部206、第2確定部207及第3確定部208。并且，用戶與學(xué)習(xí)模式時不同地，不進行標簽的指定輸入而直接開始任意的動作(“姿勢a開始”，步驟s403)。例如，用戶開始進行“坐下”這一動作。用戶所佩戴的穿戴式設(shè)備10測量用戶的加速度信息和生物信號信息而發(fā)送到逐次姿勢識別裝置20。并且，逐次姿勢識別裝置20根據(jù)所接收的加速度信息和生物信號信息而提取特征量(步驟s404)。如上述，關(guān)于各個特征量，在每隔預(yù)定的期間而執(zhí)行特征量提取處理。提取的特征量被輸入到第1確定部206、第2確定部207及第3確定部208。

第1確定部206根據(jù)所輸入的特征量和通過第1制作部203而已制作完成的運動及靜止識別模型而確定當(dāng)前的特征量對應(yīng)運動狀態(tài)和靜止狀態(tài)的哪一個狀態(tài)。在圖6的例子中，第1確定部206確定與所輸入的特征量對應(yīng)的狀態(tài)為“靜止狀態(tài)”(即“停止”)(步驟s405)。

第2確定部207根據(jù)所輸入的特征量和通過第2制作部204而制作完成的運動識別模型而確定當(dāng)前的特征量相應(yīng)于運動狀態(tài)中的“步行”(步驟s406)。

第3確定部208根據(jù)所輸入的特征量和通過第3制作部205而制作完成的靜止識別模型而確定當(dāng)前的特征量相應(yīng)于靜止狀態(tài)中的“坐下”(步驟s407)。在圖6的例子中，每隔t1秒重復(fù)執(zhí)行姿勢確定處理。

當(dāng)完成通過第1確定部206、第2確定部207及第3確定部208而進行的姿勢確定處理時，將各個確定結(jié)果發(fā)送到識別部209。并且，識別部209將三個確定結(jié)果進行組合而輸出最終的識別結(jié)果。具體地，識別部209首先參照通過第1確定部206而取得的確定結(jié)果(第1階段，步驟s408)。并且，通過第1確定部206而取得的確定結(jié)果為“停止”即“靜止狀態(tài)”，因此采用通過靜止識別模型而執(zhí)行確定的第3確定部208的確定結(jié)果即“坐下”(第2階段，步驟s408)，用戶識別為“停止：坐下”。

這樣，在識別處理中，識別部209作為第1階段而在確認特征量相應(yīng)于“運動狀態(tài)”和“靜止狀態(tài)”中的哪一個狀態(tài)(第1確定部206的確定結(jié)果)之后，根據(jù)第1階段的結(jié)果，作為第2階段而選擇“運動狀態(tài)”或“靜止狀態(tài)”的確定結(jié)果。

用戶在移動到別的動作時不特別地進行對逐次姿勢識別裝置20的輸入，移動到不同的動作(“姿勢a結(jié)束，姿勢b開始”，步驟s409)。根據(jù)用戶的動作變化，發(fā)送到逐次姿勢識別裝置20的加速度信息及生物信號信息發(fā)生變動，特征量發(fā)生變動。由此，逐次姿勢識別裝置20在每隔t1而執(zhí)行的識別處理(包括姿勢確定處理)的結(jié)果中反映姿勢變動。

(植物性神經(jīng)功能評價的一例)

這樣，第1實施方式的逐次姿勢識別裝置20識別被驗者的姿勢、運動狀態(tài)。進一步，逐次姿勢識別裝置20的生成部210將所識別的姿勢、運動狀態(tài)和生物信號信息的變動對應(yīng)，從而生成利用于被驗者的健康狀態(tài)的判斷的信息。接著，作為生成部210生成的信息的一例，對將姿勢變動和植物性神經(jīng)功能對應(yīng)而成的信息進行說明。

圖7是概略性地表示被驗者的姿勢變化和植物性神經(jīng)功能評價的對應(yīng)情況的表。在圖7的例子中，作為植物性神經(jīng)功能評價的指標而利用心率。作為用于由心跳變動評價植物性神經(jīng)功能的指標，一般利用與呼吸變動對應(yīng)的高頻變動成分(h成分)和與血壓變動對應(yīng)的低周波變動成分(lf成分)。在圖7的例子中，也利用心率、hf成分、lf成分而評價了植物性神經(jīng)的狀態(tài)。

例如，假設(shè)被驗者在從“站位”向“坐位”轉(zhuǎn)變姿勢時心率減少。在該情況下，想必植物性神經(jīng)的副交感神經(jīng)活動被激活。并且，假設(shè)被驗者在從“站位”向“坐位”轉(zhuǎn)變姿勢時心率增加。在該情況下，想必由靜脈環(huán)流量的增加而導(dǎo)致植物性神經(jīng)的交感神經(jīng)活動過渡地被激活。并且，在被驗者從“坐位”向“臥位”轉(zhuǎn)變的情況下，在沒有姿勢變化而處于靜止狀態(tài)的情況下也相同。

另外，假設(shè)被驗者在從“坐位”向“站位”轉(zhuǎn)變姿勢時心率減少。在該情況下，想必處于伴隨著靜脈環(huán)流量的減少等的循環(huán)動態(tài)的變動的過渡的副交感神經(jīng)活動的亢進狀態(tài)。并且，假設(shè)被驗者在從“站位”向“坐位”轉(zhuǎn)變姿勢時心率增加。在該情況下，想必處于伴隨著靜脈環(huán)流量的增加等的循環(huán)動態(tài)的變動的過渡的交感神經(jīng)活動的亢進狀態(tài)。并且，在被驗者從“臥位”轉(zhuǎn)變?yōu)椤白弧钡那闆r下、從“臥位”向“站位”轉(zhuǎn)變姿勢的情況下也是相同的。

另外，在被驗者未轉(zhuǎn)變姿勢的期間或以靜止狀態(tài)或運動狀態(tài)未發(fā)生變化的期間心率沒有發(fā)生變動的情況下，可基于hf成分、lf/hf比進行評價。例如，可基于hf成分而評價副交感神經(jīng)系統(tǒng)的活動狀態(tài)。并且，可根據(jù)lf/hf比而評價交感神經(jīng)系統(tǒng)的活動狀態(tài)。進一步，根據(jù)心率的下降階段，識別副交感神經(jīng)活動成分(根據(jù)呼吸性心律失常的心率的抑制等)。

相同地，在沒有姿勢、狀態(tài)的變化的期間，可由lf/hf比、lf成分的增加、hf成分的抑制來評價交感神經(jīng)活動。并且，根據(jù)心率的上升階段，識別交感神經(jīng)活動。另外，圖7的例子概略性地表示姿勢轉(zhuǎn)變與植物性神經(jīng)功能評價的關(guān)系。

并且，根據(jù)圖7所示的評價，生成部210生成將姿勢變化和植物性神經(jīng)的響應(yīng)量對應(yīng)地評價植物性神經(jīng)的信息。例如，圖8是用于說明植物性神經(jīng)功能評價的手法的一例的圖。在圖8所示的例子中，首先，第1確定部206根據(jù)特征量而確定被驗者處于“運動、靜止”的哪一個狀態(tài)(“姿勢估計：僅第1階段”)。接著，根據(jù)第1階段中的結(jié)果，確定第2確定部207或第3確定部208處于何種運動狀態(tài)或靜止狀態(tài)(“姿勢估計：第2階段”)。由此，識別各個時間點中的“姿勢、運動”的狀態(tài)。接著，生成部210根據(jù)識別結(jié)果而確定發(fā)生姿勢變化的時間點(“姿勢變化檢測”)。并且，生成部210由與所確定的時間點對應(yīng)的生物信號信息例如心率的信息(“植物性神經(jīng)響應(yīng)量”)，進行植物性神經(jīng)功能的評價(“植物性神經(jīng)功能評價”)。

另外，在圖7所示的植物性神經(jīng)功能評價中，將心跳變動(hrv：heartratevariability)的頻率成分的hf成分及l(fā)f成分作為在植物性神經(jīng)功能評價中使用的特征量。但是，不限于此，可在植物性神經(jīng)功能評價中使用其他的特征量。例如，可將心跳間隔的變動量等作為特征量。

(第1實施方式的效果)

這樣，第1實施方式的逐次姿勢識別裝置具備加速度信息測量部，該加速度信息測量部設(shè)于穿戴式設(shè)備，對佩戴穿戴式設(shè)備的被驗者的動作的加速度信息進行測量。并且，逐次姿勢識別裝置具備生物信號信息測量部，該生物信號信息測量部設(shè)于穿戴式設(shè)備，對被驗者的生物信號信息進行測量。并且，逐次姿勢識別裝置具備特征量提取部，該特征量提取部從加速度信息及生物信號信息提取對應(yīng)于第1規(guī)定期間的第1特征量及對應(yīng)于第2規(guī)定期間的第2特征量。并且，逐次姿勢識別裝置具備第1制作部，該第1制作部通過基于第1特征量的機器學(xué)習(xí)而制作用于識別被驗者正在運動還是靜止的運動及靜止識別模型。逐次姿勢識別裝置具備第2制作部，該第2制作部通過基于第1特征量的機器學(xué)習(xí)而制作用于識別多個運動樣式的運動識別模型。并且，逐次姿勢識別裝置具備第3制作部，該第3制作部通過基于第1特征量的機器學(xué)習(xí)而制作用于識別多個靜止樣式的靜止識別模型。逐次姿勢識別裝置具備第1確定部，該第1確定部根據(jù)運動及靜止識別模型和第2特征量而確定在第2規(guī)定期間被驗者正在運動還是靜止。逐次姿勢識別裝置具備第2確定部，該第2確定部根據(jù)運動識別模型和第2特征量，確定第2規(guī)定期間中的被驗者的1個運動樣式。逐次姿勢識別裝置具備第3確定部，該第3確定部根據(jù)靜止識別模型和第2特征量，確定第2規(guī)定期間中的被驗者的1個靜止樣式。逐次姿勢識別裝置具備識別部，該識別部通過將第1確定部、第2確定部及第3確定部的確定結(jié)果進行組合，從而對第2規(guī)定期間中的被驗者的姿勢及運動進行識別。逐次姿勢識別裝置具備生成部，該生成部生成將識別部所識別的姿勢及運動和第2規(guī)定期間的被驗者的生物信號信息對應(yīng)而成的對應(yīng)信息。

因此，第1實施方式的逐次姿勢識別裝置對依次從穿戴式設(shè)備發(fā)送的加速度信息和生物信號信息進行逐次機器學(xué)習(xí)，從而迅速地識別被驗者的姿勢及運動。并且，第1實施方式的逐次姿勢識別裝置生成將所識別的姿勢及運動和生物信號信息對應(yīng)而成的對應(yīng)信息，因此能夠進行健康管理、疾病預(yù)防。

并且，第1實施方式的逐次姿勢識別裝置分為識別“運動及靜止”的第1階段和識別出是何種運動、是何種靜止的第2階段而執(zhí)行逐次姿勢識別處理。在生物信號信息及加速度信息中，反差大的識別對象和反差小的識別對象被混合存在。例如，“站立”“坐下”等的反差小，“步行”“坐下”等的反差大。但是，在第1實施方式的逐次姿勢識別處理中，作為識別的上位層而設(shè)置“運動及靜止”這一區(qū)分而構(gòu)建學(xué)習(xí)模型，在2個階段中識別姿勢。因此，在反差小的標簽(姿勢，運動)之間的識別中，反差大的標簽的識別不會帶來影響。并且，通過進行2個階段的識別，即便增減標簽，對其他階段的識別不產(chǎn)生影響，標簽的增減變得容易。

并且，第1實施方式的逐次姿勢識別裝置將所識別的姿勢及運動和生物信號信息對應(yīng)而生成對應(yīng)信息。因此，根據(jù)第1實施方式的逐次姿勢識別裝置，在日常生活中能夠持續(xù)地檢測被驗者的姿勢、運動的變化，并檢測生物信號信息，將伴隨不同的姿勢變化而生成的心率上升階段和心率下降階段分開而進行評價。例如，根據(jù)第1實施方式的逐次姿勢識別裝置，通過識別姿勢及運動，從而能夠?qū)⑵鸫?、起立等姿勢變化和就座、臥床等姿勢變化區(qū)別開。因此，能夠?qū)殡S起床、起立等的姿勢變化的介由植物性神經(jīng)反射而反映交感神經(jīng)功能的心率上升階段和通過就座、臥床等姿勢變化而反映迷走神經(jīng)功能的心率下降階段分開而進行評價。

并且，第1實施方式的逐次姿勢識別裝置能夠制作吸收了個人的體型、姿勢的習(xí)慣等的用戶依賴性高的識別模型，能夠提高識別處理的精度。

在第1實施方式的逐次姿勢識別裝置中，第1制作部、第2制作部、第3制作部受理逐次生成的特征量的輸入而進行逐次學(xué)習(xí)。即，即便用戶在對某個姿勢開始進行機器學(xué)習(xí)之后中斷并結(jié)束該姿勢的機器學(xué)習(xí)，也能夠根據(jù)逐次姿勢識別裝置至此為止所學(xué)習(xí)的姿勢、運動狀態(tài)而執(zhí)行姿勢判斷。并且，逐次姿勢識別裝置利用機器學(xué)習(xí)模型，因此自動實現(xiàn)對各個特征量的加權(quán)。因此，在通過被驗者而對相同的標簽的姿勢、運動狀態(tài)所輸入的特征量中存在偏差，逐次姿勢識別裝置也能夠容易地構(gòu)建與個人匹配的識別模型。并且，進行逐次學(xué)習(xí)而逐次地更新識別模型，因此用戶可在自由的時機中斷或再次開始學(xué)習(xí)。

并且，與采用利用閾值、決策樹的規(guī)則庫、神經(jīng)網(wǎng)絡(luò)、svm(supportvectormachine：支持向量機)的學(xué)習(xí)規(guī)則等中的姿勢估計手法不同地，第1實施方式的逐次姿勢識別裝置逐次利用重新獲得的數(shù)據(jù)而提高學(xué)習(xí)精度，提高識別結(jié)果的精度。并且，無需獲得全部的學(xué)習(xí)中所需的數(shù)據(jù)之后開始學(xué)習(xí)，而是即便取得少量的數(shù)據(jù)，也能夠開始進行學(xué)習(xí)。

并且，第1實施方式的逐次姿勢識別裝置在加速度信息的基礎(chǔ)上利用從生物信號信息獲得的特征量而識別被驗者的姿勢及運動，因此能夠提高識別結(jié)果的精度。

并且，在第1實施方式的逐次姿勢識別裝置中，特征量提取部從第1規(guī)定期間提取相互重疊的多個不同的長度的期間，并對所提取的各個期間提取第1特征量。就是說，對不同的長度的期間分別提取特征量而利用于機器學(xué)習(xí)，因此能夠?qū)崿F(xiàn)精度高的姿勢識別。

并且，在第1實施方式的逐次姿勢識別裝置中，特征量提取部根據(jù)相互重疊的多個不同的長度的期間中的第1期間中的加速度信息的時間序列集合中的最大值、最小值、平均值及方差值中的至少一個和相互重疊的多個不同的長度的期間中的第2期間中的心跳間隔的最大值、最小值、平均值及方差值中的至少一個而提取第1特征量及第2特征量。

這樣，第1實施方式的逐次姿勢識別裝置不僅從加速度信息，而且還從生物信號信息提取特征量而用于識別姿勢及運動。因此，與僅使用加速度信息的情況不同地，能夠提高姿勢及運動的識別的精度。并且，通過使用生物信號信息，從而能夠增加可識別的姿勢及運動的種類。

并且，在第1實施方式的逐次姿勢識別裝置中，特征量提取部還根據(jù)在第2期間中測量的沿著加速度的各軸而產(chǎn)生的振動次數(shù)、振動次數(shù)的平均值及方差值中的至少一個而提取第1特征量及第2特征量。這樣，對加速度的各個軸而具體地提取特征量，從而能夠提高姿勢及運動的識別精度。

并且，在第1實施方式的逐次姿勢識別裝置中，第2期間比第1期間長。就是說，改變利用生物信號信息的特征量的提取周期和利用加速度信息的特征量的提取周期而設(shè)定為適合姿勢及運動的識別的長度。因此，能夠提高姿勢及運動的識別的精度。

并且，在第1實施方式的逐次姿勢識別裝置中，將通過第1制作部、第2制作部及第3制作部而進行的處理與通過第1確定部、第2確定部及第3確定部而進行的處理并行而執(zhí)行。因此，能夠?qū)W(xué)習(xí)處理和識別處理并行而執(zhí)行，有利于提高處理的速度。并且，也有利于迅速地檢測出被檢體的異常。

并且，在第1實施方式的逐次姿勢識別裝置中，所確定的靜止樣式至少為站位、坐位及臥位。因此，能夠?qū)㈧o止樣式即站位、坐位及臥位等和運動、靜止的2個樣式的確定匹配地確定被檢體的身體的運動方向，能夠與生物信號信息對應(yīng)地進行被檢體的健康管理、疾病預(yù)防。

并且，在第1實施方式的逐次姿勢識別裝置中，所確定的運動樣式至少為步行、跳躍及踏步。因此，能夠?qū)㈧o止樣式即站位、坐位及臥位等和運動、靜止的2個樣式的確定匹配地確定被檢體的身體的運動方向，能夠與生物信號信息對應(yīng)地進行被檢體的健康管理、疾病預(yù)防。并且，能夠?qū)⑦\動的種類具體地分類而識別，例如能夠區(qū)分僅在單純的日常生活中走路的步行和作為積極的運動的散步。

并且，第1實施方式的逐次姿勢識別裝置能夠?qū)⑷粘Ｉ钪械谋或炚叩淖藙?、運動的變化和生物信號信息的變化對應(yīng)而生成信息。特別地，第1實施方式的逐次姿勢識別裝置能夠使心跳變動等的生物信號和姿勢、動作的變動對應(yīng)。因此，例如，提取不伴隨姿勢和動作的變化的情況下的心跳變動而進行分析。在不伴隨姿勢和動作的變化的情況下，心跳變動的主要原因是呼吸性心律失常等的植物性的植物性神經(jīng)波動。因此，獨立地提取不伴隨姿勢和動作的變化的情況下的心跳變動，將心跳上升階段和下降階段分開而進行分析，從而能夠進行限于呼吸性心律失常的植物性神經(jīng)功能評價。

并且，第1實施方式的逐次姿勢識別裝置能夠利用逐次機器學(xué)習(xí)而并行地執(zhí)行學(xué)習(xí)處理和識別處理。因此，第1實施方式的逐次姿勢識別裝置能夠大致實時地在至少數(shù)秒程度的延遲時間內(nèi)進行檢測同一“姿勢，運動”條件下的心跳變動等的生物信號的異常值。

并且，第1實施方式的逐次姿勢識別裝置通過比較使用逐次機器學(xué)習(xí)而學(xué)習(xí)的數(shù)據(jù)和重新獲得的數(shù)據(jù)，從而能夠在早期檢測異常。例如，逐次姿勢識別裝置通過檢測昏厥、急劇的血壓變化等的發(fā)作預(yù)兆或在發(fā)作的早期檢測出異常，從而避免跌倒或迅速地進行服用藥物等有效的處理。

(第2實施方式)

接著，作為第2實施方式，對作為生物信號信息，為了植物性神經(jīng)功能評價而測量及監(jiān)視心跳并與所識別的姿勢等對應(yīng)的技術(shù)進行說明。另外，在第2實施方式中，逐次姿勢識別處理與第1實施方式的逐次姿勢識別裝置20同樣地執(zhí)行，因此在以下的說明中，對逐次姿勢識別處理的詳細情況省略說明。

(將心跳變動分析和姿勢對應(yīng)的意義)

首先，作為前提，對心跳分析中的課題進行說明。

心跳分析(心跳變動分析：hrv分析)作為植物性神經(jīng)功能測量法而廣泛被利用。在心跳分析中，通常使用100以上的多個數(shù)據(jù)而進行分析。但是，安靜時心率、心跳變動的個人差異比較大，在使用多個數(shù)據(jù)而進行分析的情況下，如果不是顯著的植物性神經(jīng)障礙，則難以檢測出。作為對心率及心跳變動的數(shù)據(jù)產(chǎn)生影響的波動成分，具有通過呼吸性心律失常導(dǎo)致的高頻(hf)、對血壓變動的邁耶波(mayer波)的心跳的反映等。關(guān)于這樣的波動成分，舍棄個人差異而一律地通過閾值等而進行正規(guī)化是困難的。

但是，如果為了反映個人差異而從一個人的被驗者取得大量的心跳數(shù)據(jù)之后進行分析，則對突然的發(fā)作、異常無法進行應(yīng)對，不夠現(xiàn)實。因此，需要確立一種使用從一個人的被驗者獲得的少數(shù)數(shù)據(jù)而迅速進行反映個人差異的分析的技術(shù)。

并且，心率(平均心率等)及心跳變動量根據(jù)姿勢、身體活動的有無等的條件的變化而變動。因此，優(yōu)選為，能夠?qū)⑿奶靶奶儎恿康淖儎雍妥藙菁斑\動等的條件對應(yīng)而按照各個條件進行數(shù)據(jù)分析。

作為一例，在心跳中發(fā)生各種過渡的反應(yīng)。例如，當(dāng)動脈血壓臨時下降時，發(fā)生大動脈弓、頸動脈洞的壓力感受器反射。在該情況下，在發(fā)生短暫的心率上升(初期響應(yīng))之后，心率平穩(wěn)地減少(后期響應(yīng))，然后心率變得穩(wěn)定。相反地，有時經(jīng)過心率的減少和與此相繼的緩慢的心率的增加，心率進入周期性的心跳變動。相關(guān)的過渡的反應(yīng)的原因為各種各樣。例如，因姿勢變化、運動、精神的影響等各種原因，產(chǎn)生心跳的過渡的反應(yīng)。并且，過渡的反應(yīng)的強度、響應(yīng)時間是根據(jù)原因而不同的。

并且，例如，圖9是用于對在不同的姿勢、運動狀態(tài)中，在生物信號信息發(fā)生相同的變化的情況進行說明的圖。如圖9所示，由不伴隨姿勢變化的站位時的緊張引起的心跳變動的減少和由伴隨動作變化的運動負荷引起的心跳變動的減少均作為相同的減速階段而表示。

但是，在以往，通常使用將心跳變動的數(shù)據(jù)一概平均化或相加的手法。因此，對于根據(jù)不同的原因而產(chǎn)生的過渡的反應(yīng)等的心跳變動，難以根據(jù)各個原因區(qū)別而提取各自的特征。并且，也難以考慮由相同的原因引起的心跳變動中產(chǎn)生的生物特有的波動、觀測噪音而進行準確的分析。

(第2實施方式的植物性神經(jīng)功能信息取得處理)

根據(jù)上述內(nèi)容，在第2實施方式的植物性神經(jīng)功能信息取得處理中，通過逐次姿勢識別處理而識別姿勢及運動之后，將與姿勢及運動的各個條件對應(yīng)的心跳數(shù)據(jù)分類而分組。并且，在第2實施方式的植物性神經(jīng)功能信息取得處理中，對與分組的各個條件對應(yīng)的心跳數(shù)據(jù)彼此施加去除噪音等的處理的基礎(chǔ)上進行連接。并且，在第2實施方式的植物性神經(jīng)功能信息取得處理中，根據(jù)與分組而連接的各個條件對應(yīng)的心跳數(shù)據(jù)，計算各個條件中的植物性神經(jīng)功能評價的參數(shù)。并且，在第2實施方式的植物性神經(jīng)功能信息取得處理中，對逐次取得的生物信號信息(心跳數(shù)據(jù))執(zhí)行機器學(xué)習(xí)，從而取得成為用于評價被驗者的植物性神經(jīng)功能的狀態(tài)的基線的信息。并且，在第2實施方式的植物性神經(jīng)功能信息取得處理中，基于成為基線的信息而分析重新逐次獲得的生物信號信息，從而迅速地檢測被驗者的異常。

(第2實施方式的植物性神經(jīng)功能信息取得系統(tǒng)的結(jié)構(gòu)的一例)

圖10是表示第2實施方式的植物性神經(jīng)功能信息取得系統(tǒng)2的結(jié)構(gòu)的一例的概略圖。在圖10中，穿戴式設(shè)備10及逐次姿勢識別裝置20a的結(jié)構(gòu)及功能與第1實施方式的穿戴式設(shè)備10及逐次姿勢識別裝置20的結(jié)構(gòu)及功能相同。但是，圖10所示的逐次姿勢識別裝置20a不具備圖1所示的逐次姿勢識別裝置20的生成部210。

如圖10所示，第2實施方式的植物性神經(jīng)功能信息取得系統(tǒng)2具備穿戴式設(shè)備10、植物性神經(jīng)功能信息取得裝置30。穿戴式設(shè)備10和植物性神經(jīng)功能信息取得裝置30通過網(wǎng)絡(luò)而可通信地連接。

植物性神經(jīng)功能信息取得裝置30具備逐次姿勢識別裝置20a。在圖10中，將逐次姿勢識別裝置20a作為植物性神經(jīng)功能信息取得裝置30的一部分而進行了圖示，但也可以將逐次姿勢識別裝置20a和植物性神經(jīng)功能信息取得裝置30作為獨立的裝置而構(gòu)成。在該情況下，將逐次姿勢識別裝置20a和植物性神經(jīng)功能信息取得裝置30通過網(wǎng)絡(luò)而可通信地連接即可。關(guān)于連接的形態(tài)，不作特別限定。

穿戴式設(shè)備10將加速度信息和生物信號信息發(fā)送到植物性神經(jīng)功能信息取得裝置30。穿戴式設(shè)備10的結(jié)構(gòu)及功能與第1實施方式的穿戴式設(shè)備10相同，因此省略詳細的說明。

并且，植物性神經(jīng)功能信息取得裝置30具備的逐次姿勢識別裝置20a從所接收的加速度信息和生物信號信息識別佩戴穿戴式設(shè)備10的被驗者的姿勢及運動。姿勢及運動的識別手法在第1實施方式的說明中進行了詳細的說明，因此在此省略說明。但是，只要能夠幾乎實時地識別被驗者的姿勢及運動，則可采用使用其他的手法而取得的姿勢及運動的信息。

植物性神經(jīng)功能信息取得裝置30在從穿戴式設(shè)備10發(fā)送的生物信號信息中提取心跳數(shù)據(jù)而進行分析。植物性神經(jīng)功能信息取得裝置30在心跳數(shù)據(jù)中提取對應(yīng)被驗者進行相同的姿勢及運動的時期的心跳數(shù)據(jù)。心跳數(shù)據(jù)例如為心率等的信息。心跳數(shù)據(jù)是指，根據(jù)該數(shù)據(jù)而能夠計算平均心率、心跳間隔、心跳間隔平均、心跳間隔標準偏差、心跳間隔變動系數(shù)、hf成分、lf成分等植物性神經(jīng)功能評價的指標的信息。

并且，植物性神經(jīng)功能信息取得裝置30將所提取的心跳數(shù)據(jù)彼此連接。此時，植物性神經(jīng)功能信息取得裝置30也可調(diào)整心跳數(shù)據(jù)中的噪音等。由此，植物性神經(jīng)功能信息取得裝置30取得成為被驗者進行相同的姿勢及運動時的心跳的狀態(tài)的基線的信息。并且，植物性神經(jīng)功能信息取得裝置30由成為基線的信息計算成為植物性神經(jīng)功能評價的指標的參數(shù)。所計算的參數(shù)可使用于基于相同的姿勢及運動時的心跳數(shù)據(jù)的植物性神經(jīng)功能評價。

并且，植物性神經(jīng)功能信息取得裝置30對心跳數(shù)據(jù)進行逐次機器學(xué)習(xí)，與從穿戴式設(shè)備10重新接收的心跳數(shù)據(jù)進行比較。由此，植物性神經(jīng)功能信息取得裝置30迅速地檢測重新接收的心跳數(shù)據(jù)的異常。

并且，植物性神經(jīng)功能信息取得裝置30將對應(yīng)于發(fā)生相同的姿勢及運動的連續(xù)的變化的時期的心跳數(shù)據(jù)同步相加，對發(fā)生確定的變化時的心跳的狀態(tài)進行分析。例如，植物性神經(jīng)功能信息取得裝置30可選擇性地收集與被驗者在行走中(站位、運動狀態(tài))暫時停止而靜坐(坐位、靜止狀態(tài))并重新開始行走(站位、運動狀態(tài))等一系列的姿勢變化對應(yīng)的心跳數(shù)據(jù)，并同步相加而進行分析。

(第2實施方式的植物性神經(jīng)功能信息取得裝置30的結(jié)構(gòu)的一例)

參照圖10，對植物性神經(jīng)功能信息取得裝置30的結(jié)構(gòu)的一例進行說明。植物性神經(jīng)功能信息取得裝置30具備逐次姿勢識別裝置20a。并且，植物性神經(jīng)功能信息取得裝置30具備分類提取部301、數(shù)據(jù)連接處理部302、學(xué)習(xí)部303、異常判定部304、同步加法部305、植物性神經(jīng)功能評價部306及存儲部307。

分類提取部301將從穿戴式設(shè)備10發(fā)送的生物信號信息即心跳數(shù)據(jù)和從逐次姿勢識別裝置20a發(fā)送的識別結(jié)果對應(yīng)而提取在被驗者處于相同的姿勢及運動狀態(tài)時的心跳數(shù)據(jù)。在此，分類提取部301從以時間序列取得的生物信號信息提取與規(guī)定的姿勢及運動對應(yīng)的部分。因此，在所提取的心跳數(shù)據(jù)相互之間發(fā)生不連續(xù)。并且，存在在分類提取部301所提取的心跳數(shù)據(jù)中包括異常值、噪音的情況。因此，為了調(diào)整心跳數(shù)據(jù)的不連續(xù)、噪音，將所提取的心跳數(shù)據(jù)發(fā)送到數(shù)據(jù)連接處理部302。另外，關(guān)于通過分類提取部301而進行的處理的具體情況，將后述。

數(shù)據(jù)連接處理部302取得分類提取部301所提取的心跳數(shù)據(jù)和與該心跳數(shù)據(jù)對應(yīng)的姿勢及運動的信息。并且，數(shù)據(jù)連接處理部302將與相同的姿勢及運動狀態(tài)對應(yīng)的心跳數(shù)據(jù)相互連接。此時，數(shù)據(jù)連接處理部302執(zhí)行用于調(diào)整所連接的心跳數(shù)據(jù)的值不連續(xù)的不連續(xù)部分、心跳數(shù)據(jù)中的噪音的數(shù)據(jù)連接處理。關(guān)于數(shù)據(jù)連接處理的具體情況，將后述。通過數(shù)據(jù)連接處理，與相同的姿勢及運動狀態(tài)對應(yīng)的多個心跳數(shù)據(jù)相互連接。數(shù)據(jù)連接處理后的心跳數(shù)據(jù)從數(shù)據(jù)連接處理部302被發(fā)送到學(xué)習(xí)部303。并且，數(shù)據(jù)連接處理后的心跳數(shù)據(jù)從數(shù)據(jù)連接處理部302發(fā)送至存儲部307而得到存儲。每當(dāng)生成新的心跳數(shù)據(jù)時，存儲于存儲部307的數(shù)據(jù)被更新。數(shù)據(jù)連接處理部302由數(shù)據(jù)連接處理后的心跳數(shù)據(jù)逐次計算各條件中的心跳間隔的平均值、方差值、重心等統(tǒng)計值而存儲并更新。所計算的值被用作植物性神經(jīng)功能評價的參數(shù)。

學(xué)習(xí)部303執(zhí)行從數(shù)據(jù)連接處理部302發(fā)送的心跳數(shù)據(jù)的機器學(xué)習(xí)。機器學(xué)習(xí)為在線學(xué)習(xí)等的逐次機器學(xué)習(xí)。

異常判定部304利用機器學(xué)習(xí)的結(jié)果而檢測重新取得的心跳數(shù)據(jù)的異常。

同步加法部305提取與一系列的姿勢、運動狀態(tài)的變化對應(yīng)的多個心跳數(shù)據(jù)，使規(guī)定的時間點同步而將多個心跳數(shù)據(jù)同步相加。并且，同步加法部305根據(jù)同步相加后的心跳數(shù)據(jù)而計算作為植物性神經(jīng)功能評價的參數(shù)的數(shù)值。

植物性神經(jīng)功能評價部306生成用于通知從與數(shù)據(jù)連接處理后的各個條件對應(yīng)的心跳數(shù)據(jù)獲得的心跳間隔的平均值、方差值、重心等統(tǒng)計值的植物性神經(jīng)功能評價信息。并且，植物性神經(jīng)功能評價部306生成用于通知由同步加法部305計算的植物性神經(jīng)功能評價的參數(shù)的植物性神經(jīng)功能評價信息。并且，植物性神經(jīng)功能評價部306生成在異常判定部304檢測出異常的情況下用于通知異常的植物性神經(jīng)功能評價信息。并且，植物性神經(jīng)功能評價部306與第1實施方式的逐次姿勢識別裝置20所具備的生成部210相同地，生成將姿勢及運動的狀態(tài)和生物信號信息按照時間序列而對應(yīng)而成的植物性神經(jīng)功能評價信息。

存儲部307存儲植物性神經(jīng)功能信息取得裝置30的處理中使用的信息、處理的結(jié)果所生成的信息。存儲部307例如存儲從穿戴式設(shè)備10接收的加速度信息及生物信號信息。并且，存儲部307將由分類提取部301提取的、與各個條件對應(yīng)的多個心跳數(shù)據(jù)的分段和表示測量該心跳數(shù)據(jù)的日期時間的時間戳一并進行存儲。并且，存儲部307將通過數(shù)據(jù)連接處理部302而進行數(shù)據(jù)連接處理的心跳數(shù)據(jù)和所計算的參數(shù)一起與各個條件對應(yīng)地進行存儲。并且，存儲部307將由同步加法部305同步相加的心跳數(shù)據(jù)和所計算的參數(shù)一起與各個條件對應(yīng)地進行存儲。此外，存儲部307可以將植物性神經(jīng)功能評價部306所生成的植物性神經(jīng)功能評價信息適當(dāng)存儲。

(第2實施方式的植物性神經(jīng)功能信息取得處理的流程的一例)

圖11是表示第2實施方式的植物性神經(jīng)功能信息取得處理的流程的一例的流程圖。如圖11所示，第2實施方式的植物性神經(jīng)功能信息取得裝置30首先通過逐次姿勢識別裝置20a而執(zhí)行逐次姿勢識別處理(步驟s601)。接著，分類提取部301與姿勢識別處理的結(jié)果所取得的姿勢及運動的信息對應(yīng)地，分類提取相同的姿勢及運動時的心跳數(shù)據(jù)(步驟s602)。并且，針對所提取的心跳數(shù)據(jù)的不連續(xù)、噪音，數(shù)據(jù)連接處理部302執(zhí)行數(shù)據(jù)連接處理(步驟s603)。學(xué)習(xí)部303進行數(shù)據(jù)連接處理后的心跳數(shù)據(jù)的機器學(xué)習(xí)(步驟s604)。并且，異常判定部304根據(jù)學(xué)習(xí)結(jié)果，執(zhí)行重新獲得的心跳數(shù)據(jù)的異常檢測(步驟s605)。同步加法部305使與相同的姿勢及動作的連續(xù)的變化對應(yīng)的多個心跳數(shù)據(jù)與規(guī)定時間點同步而相加，計算植物性神經(jīng)功能評價的參數(shù)(步驟s606)。植物性神經(jīng)功能評價部306例如生成用于通知由異常判定部304檢測的異常的植物性神經(jīng)功能評價信息等各種植物性神經(jīng)功能評價信息(步驟s607)。由此，結(jié)束植物性神經(jīng)功能信息取得處理的一例。

在圖11所示的例子中，將異常判定部304的判定結(jié)果作為植物性神經(jīng)功能評價信息而生成。但是，不限于此，植物性神經(jīng)功能評價部306也可以將通過同步加法部305而生成的植物性神經(jīng)功能評價的參數(shù)等作為植物性神經(jīng)功能評價信息而輸出。關(guān)于將哪一信息作為植物性神經(jīng)功能評價信息而生成并輸出，根據(jù)用戶的指示輸入而選擇即可。

并且，在圖11中，對從步驟s603依次執(zhí)行步驟s606的處理的情況進行了說明。但是，在實際的裝置中，也可以構(gòu)成為僅在發(fā)生了用戶的指示輸入時執(zhí)行任意的處理。例如，將步驟s606的同步相加僅在由用戶進行了指示輸入時執(zhí)行。并且，將成為同步相加處理的對象的姿勢、動作的連續(xù)的變化預(yù)先存儲在裝置，在每次檢測對應(yīng)的連續(xù)的變化時執(zhí)行同步相加處理而更新存儲到存儲部307的信息。

(分類提取處理)

接著，對分類提取部301所執(zhí)行的分類提取處理進行說明。圖12是用于對第2實施方式的植物性神經(jīng)功能信息取得處理中的生物信號信息(心跳數(shù)據(jù))的分類(分組)進行說明的圖。圖12中(1)表示被驗者在就寢中(即，“姿勢、運動”為“臥位、靜止”)時的心跳間隔的分布。圖12中(2)表示被驗者在站立的狀態(tài)下保持不動時(即，“姿勢、運動”為“站位、靜止”)的心跳間隔的分布。并且，圖12中(3)表示被驗者在站立而運動時(即，“姿勢、運動”為“站位、運動”)的心跳間隔的分布。另外，在圖12中，虛線表示各個時間點中所測量的心跳間隔的測量值，實線表示所測量的心跳間隔的值的分布。

如圖12的(2)，(3)所示，被驗者處于相同的“姿勢”“運動”的狀態(tài)時，心跳間隔的分布近似。在圖12的(2)中，隨著時間的經(jīng)過而發(fā)生的心跳間隔的變動在右邊的曲線圖和左邊的曲線圖中不同，但數(shù)據(jù)的分布近似。在圖12的(3)中也是相同。

分類提取部301提取處于相同的“姿勢”“運動”的狀態(tài)時的心跳數(shù)據(jù)。因此，分類提取部301對于被驗者的姿勢及運動，從逐次姿勢識別裝置20a至少提取“站位”“坐位”“臥位”的3種“姿勢”的信息和“靜止”“運動”的2種“運動”的信息。并且，分類提取部301在各個姿勢處于穩(wěn)定保持狀態(tài)(即，未發(fā)生姿勢的轉(zhuǎn)變)的期間、在發(fā)生姿勢的轉(zhuǎn)變的情況下，確定其轉(zhuǎn)變的種類、穩(wěn)定保持狀態(tài)的開始時間等。并且，分類提取部301與所確定的內(nèi)容對應(yīng)地，對姿勢及運動的時間序列的轉(zhuǎn)變進行分類。

例如，以圖12為例，分類提取部301將與“站位、靜止”對應(yīng)的心跳間隔的數(shù)據(jù)和“站位、靜止”這樣的分類對應(yīng)地進行累積。同樣地，分類提取部301將與“站位、運動”對應(yīng)的心跳間隔的數(shù)據(jù)和“站位、運動”這樣的分類對應(yīng)地進行累積。另外，在心跳間隔的數(shù)據(jù)中賦予時間戳而進行存儲，以可知該數(shù)據(jù)表示何時的被驗者的狀態(tài)。

另外，如第1實施方式中所說明，在逐次姿勢識別處理中，逐次執(zhí)行姿勢和運動的識別。并且，可迅速地執(zhí)行關(guān)于姿勢是否處于穩(wěn)定保持狀態(tài)的判定。例如，判定在被驗者在成為其姿勢之后在數(shù)秒以內(nèi)是否成為穩(wěn)定保持狀態(tài)。并且，在被驗者的姿勢發(fā)生變化的情況下，逐次姿勢識別裝置20a根據(jù)加速度信息的拐點而檢測變化，因此實際上能夠從姿勢開始變化之后在數(shù)秒以內(nèi)這樣的短時間內(nèi)識別姿勢開始變化的時間。因此，各個姿勢是否在穩(wěn)定保持狀態(tài)，所識別的“運動”“靜止”等分類、姿勢的轉(zhuǎn)變的開始時間等從實際的事件發(fā)生開始在數(shù)秒的短時間內(nèi)被確定，心跳數(shù)據(jù)被分類而積累。

分類提取部301持續(xù)地執(zhí)行如上述的分類提取處理，從而將所存儲的心跳數(shù)據(jù)隨時積累并更新。分類提取部301所提取的心跳數(shù)據(jù)逐次存儲到存儲部307。

(數(shù)據(jù)連接處理)

接著，對數(shù)據(jù)連接處理部302所執(zhí)行的數(shù)據(jù)連接處理進行說明。圖13是用于對第2實施方式的植物性神經(jīng)功能信息取得處理中的數(shù)據(jù)連接處理進行說明的圖。

(數(shù)據(jù)的非連續(xù))

圖13中，將在從時刻t-16到時刻t為止的期間在穿戴式設(shè)備10中測量的生物信號信息即心跳間隔數(shù)據(jù)作為數(shù)據(jù)連接處理的對象。另外，將時刻t中所獲得的心跳間隔數(shù)據(jù)表示為yt。在此，逐次姿勢識別裝置20a對從時刻t-16到時刻t為止的期間的被驗者的姿勢和運動進行識別，其結(jié)果假設(shè)在從時刻t-14到時刻t-13的期間發(fā)生從姿勢s1(例如，臥位)到姿勢s2(例如，站位)的轉(zhuǎn)變。并且，在從時刻t-6到時刻t-5的期間發(fā)生從姿勢s2到姿勢s1的轉(zhuǎn)變。

進一步，假設(shè)在時刻t-16的時間點被驗者處于運動狀態(tài)p(“靜止”)，在時刻t-15及時刻t-7中發(fā)生了從運動狀態(tài)p(“靜止”)到運動狀態(tài)a(“運動”)的轉(zhuǎn)變。并且，假設(shè)在時刻t-12及時刻t-3中發(fā)生從運動狀態(tài)a(“運動”)到運動狀態(tài)p(“靜止”)的轉(zhuǎn)變。

在該情況下，當(dāng)與姿勢及運動對應(yīng)地將心跳數(shù)據(jù)分類時，與“臥位、運動”(s1，a)對應(yīng)的期間為從時刻t-15到時刻t-14及從時刻t-5到時刻t-3。因此，提取從時刻t-15到時刻t-14為止的心跳間隔連續(xù)數(shù)據(jù)yt-15、yt-14和從時刻t-5到時刻t-3為止的心跳間隔連續(xù)數(shù)據(jù)yt-5、yt-4、yt-3。在要連接該兩個心跳間隔連續(xù)數(shù)據(jù)時，在兩者之間發(fā)生非連續(xù)。

(數(shù)據(jù)的缺損)

并且，可發(fā)生在相同的條件下取得的心跳間隔數(shù)據(jù)中發(fā)生缺損的情況。圖14是用于對第2實施方式的植物性神經(jīng)功能信息取得處理中的數(shù)據(jù)連接處理進行說明的其他的圖。圖14表示在相同條件即被驗者在“站位、靜止”的條件下取得的心跳間隔數(shù)據(jù)中存在缺損的情況。例如，可存在在由植物性神經(jīng)的過渡的反應(yīng)引起的不穩(wěn)定區(qū)間繼續(xù)發(fā)生數(shù)據(jù)的缺損的情況。如果在數(shù)據(jù)發(fā)生諸多缺損，則數(shù)據(jù)數(shù)不足而無法進行適當(dāng)?shù)膶W(xué)習(xí)、識別。

因此，在第2實施方式中，補償數(shù)據(jù)的非連續(xù)部分、缺損，整體上作為時間序列連續(xù)數(shù)據(jù)而使用。例如，圖15是用于對第2實施方式的植物性神經(jīng)功能信息取得處理中的數(shù)據(jù)連接處理中使用閾值的處理進行說明的圖。圖16是用于對第2實施方式的植物性神經(jīng)功能信息取得方法中的數(shù)據(jù)連接處理中使用貝葉斯的定理的處理進行說明的圖。

在圖15所示的處理中，在分類提取部301與“站位、靜止”這一分類對應(yīng)地提取的2個數(shù)據(jù)的結(jié)合部分發(fā)生數(shù)據(jù)的缺損，并發(fā)生值的偏差。在圖15所示的手法中，對“站位、靜止”時的心跳間隔數(shù)據(jù)預(yù)先設(shè)定閾值。在圖15中，由粗線的框來表示所設(shè)定的閾值的范圍。并且，在超過所設(shè)定的閾值的值出當(dāng)前結(jié)合部位的情況下，關(guān)于超過閾值的值的部分，不結(jié)合而消除。

超過所設(shè)定的閾值而脫離的值通過由測量時的噪音的混入、額外收縮等的心律失常、過渡的反應(yīng)引起的不穩(wěn)定區(qū)間而產(chǎn)生。就是說，超過所設(shè)定的閾值的值為異常值或噪音的可能性大。因此，將相關(guān)的值從用于植物性神經(jīng)功能評價的被存儲的數(shù)據(jù)消除。因為在將相關(guān)的值包括在直接用于植物性神經(jīng)功能評價的數(shù)據(jù)的情況下，無法取得適當(dāng)?shù)脑u價參數(shù)。

另外，在上述中，在數(shù)據(jù)連接處理中使用了閾值，但除了如上述地使用固定的閾值的方法之外，還可使用其他的統(tǒng)計性手法。例如，可利用近鄰算法(nearestneighbor)、假設(shè)分布的方法、重復(fù)進行檢查的方法、使用1類識別器的方法等。

在圖16所示的例子中，在分類提取部301提取的2個數(shù)據(jù)的結(jié)合部分中發(fā)生值的偏差，但所觀測的值是所設(shè)定的閾值的范圍內(nèi)的值。在該情況下，適用貝葉斯的定理而估計正確的值。就是說，從之前為止所積累的數(shù)據(jù)求出事先分配和事先概率。并且，根據(jù)重新結(jié)合的數(shù)據(jù)而求出后期分配。并且，通過所估計的值而修正觀測值而將2個數(shù)據(jù)結(jié)合。

另外，在圖16的例子中，使用了貝葉斯的定理，但估計值計算的具體的手法不限于此，可使用貝葉斯更新、卡爾曼濾波、離子濾波等利用貝葉斯的定理的各種手法。此外，可使用通過各種估計而進行的波形補充。并且，可使用多重替代法、樣條插值法等。

并且，在此對數(shù)據(jù)的結(jié)合部分執(zhí)行了使用貝葉斯的定理而估計正常值的處理，但也可以對包括在同一分類的所有時間序列數(shù)據(jù)連續(xù)地執(zhí)行估計處理。并且，也可以對逐次取得而追加的心跳間隔數(shù)據(jù)和姿勢識別結(jié)果執(zhí)行正確的值的估計處理的基礎(chǔ)上，追加所存儲的數(shù)據(jù)或更新數(shù)據(jù)。

(學(xué)習(xí)處理/異常判定處理)

通過分類提取部301及數(shù)據(jù)連接處理部302的處理而與各個條件對應(yīng)地積累心跳數(shù)據(jù)。因此，取得作為基線的心跳數(shù)據(jù)并積累，并且學(xué)習(xí)部303進行機器學(xué)習(xí)。并且，異常判定部304根據(jù)學(xué)習(xí)結(jié)果而進行與重新取得的數(shù)據(jù)之間的對比而檢測異常。例如，作為學(xué)習(xí)部303使用高速度的機器學(xué)習(xí)器(線性及非線性分類器)。例如，采用使用線性函數(shù)、非線性函數(shù)的識別機。并且，也可以使用附近探索、聚類等手法。由此，取得心跳間隔數(shù)據(jù)的同時或從取得開始在短時間內(nèi)可實現(xiàn)迅速的異常檢測。關(guān)于機器學(xué)習(xí)，可利用在第1實施方式中使用的在線學(xué)習(xí)這樣的逐次機器學(xué)習(xí)。由此，無需準備大量的數(shù)據(jù)，在一定的學(xué)習(xí)期間之后，可實現(xiàn)對相同的姿勢、運動狀態(tài)的異常判定。

(同步相加處理)

同步加法部305與數(shù)據(jù)連接處理部302、學(xué)習(xí)部303、異常判定部304的處理獨立地執(zhí)行同步相加處理。例如，同步加法部305根據(jù)逐次姿勢識別裝置20a識別的“姿勢、運動”的分類而制作姿勢及運動的連續(xù)的變化的匯總。并且，同步加法部305由身體的角度變化計算姿勢變更的開始時間，將伴隨姿勢轉(zhuǎn)變的心跳變動按照每個分類同步相加。例如，同步加法部305僅提取多個與被驗者在睡覺時翻身的結(jié)果在心跳間隔發(fā)生變動的情況對應(yīng)的數(shù)據(jù)，將相當(dāng)于翻身的時間點的時間點設(shè)定為同步的起點。并且，同步加法部305將多個數(shù)據(jù)同步相加，計算成為發(fā)生相同的姿勢變化時的植物性神經(jīng)評價的指標的參數(shù)。

例如，圖17是用于對由被驗者的姿勢變化而引起血壓下降后的心跳的過渡的反應(yīng)進行說明的圖。如圖17所示，在被驗者在就寢過程中翻身并保持其狀態(tài)而繼續(xù)睡覺的情況下，“姿勢、運動”狀態(tài)從“臥位、靜止”轉(zhuǎn)變成“臥位、運動”，之后再次轉(zhuǎn)變?yōu)椤芭P位、靜止”。如圖17所示，在該情下況由被驗者測量的心跳數(shù)據(jù)(心跳間隔)從穩(wěn)定的狀態(tài)經(jīng)過急劇的下降和增加而進行變化。通過將在相同的條件下測量的心跳數(shù)據(jù)相加，從而能夠獲得作為相同的姿勢變化的情況下的基線的心跳數(shù)據(jù)。

圖18是用于對在第2實施方式中將對于由被驗者的姿勢變化引起的血壓下降后的心跳的過渡的反應(yīng)的數(shù)據(jù)同步相加的手法進行說明的圖。首先，根據(jù)逐次姿勢識別裝置所識別的姿勢、運動的分類，提取在姿勢變化、姿勢變化的開始時、在姿勢變化的前后被識別為身體未進行運動的區(qū)間的心跳數(shù)據(jù)。并且，以動作即姿勢變化時間點為起點，將發(fā)生相同的姿勢變化時的心跳數(shù)據(jù)同步相加。即，將與多次的姿勢變化對應(yīng)的各個心跳間隔的變動數(shù)據(jù)同步相加。并且，作為植物性神經(jīng)評價的參數(shù)，計算動作前后的平均心跳間隔之差、初期響應(yīng)時的心跳間隔的最大傾斜度、后期響應(yīng)時的心跳間隔的最大傾斜度等。

在圖17及圖18的例子中，對通過姿勢變化而在生物信號信息中發(fā)生變化的例子進行說明。在圖19及圖20的例子中，對通過運動而在生物信號信息中發(fā)生變化的例子進行說明。圖19是用于對通過被驗者的身體活動(運動)而引起血壓上升后的心跳的過渡的反應(yīng)進行說明的圖。

在圖19所示的例子中，被驗者從“靜止”狀態(tài)轉(zhuǎn)變?yōu)椤斑\動”狀態(tài)，然后轉(zhuǎn)變?yōu)椤办o止”狀態(tài)。并且，被驗者通過運動狀態(tài)發(fā)生轉(zhuǎn)變的期間而保持同一姿勢。圖19所示的例子相當(dāng)于例如從“站位、靜止”的狀態(tài)轉(zhuǎn)變?yōu)椤罢疚?、運動”例如行進狀態(tài)，再恢復(fù)成“站位、靜止”的狀態(tài)的情況。在該情況下，與圖17的例子相同地，通過運動而導(dǎo)致血壓上升，在心跳間隔發(fā)生過渡反應(yīng)。

圖20是用于對在第2實施方式中將對于通過被驗者的身體活動(運動)而血壓上升后的心跳的過渡反應(yīng)的數(shù)據(jù)同步相加的手法進行說明的圖。在圖20的情況下，與圖18的情況相同地，提取多個與相同的運動狀態(tài)的轉(zhuǎn)變對應(yīng)的心跳變動數(shù)據(jù)而同步相加。即，提取對應(yīng)于姿勢未發(fā)生變化，運動狀態(tài)以“靜止”“運動”“靜止”的順序轉(zhuǎn)變的期間的心跳變動。并且，確定“運動”狀態(tài)的期間的開始時間點和結(jié)束時間點。并且，以“運動”狀態(tài)的開始時間點為起點而將多個心跳變動數(shù)據(jù)同步相加。并且，以“運動”狀態(tài)的結(jié)束時間點為起點而將多個心跳變動數(shù)據(jù)同步相加。根據(jù)這樣取得的數(shù)據(jù)，取得通過運動的植物性神經(jīng)功能評價的參數(shù)，進行植物性神經(jīng)功能評價。

在此，將開始時間點和結(jié)束時間點分別作為起點進行同步相加，是因為由于“運動”狀態(tài)的持續(xù)時間不固定，為了使上升階段和下降階段同步而執(zhí)行相加。

作為該情況下的植物性神經(jīng)功能的參數(shù)，在以開始時間點為起點的情況下，可利用上升階段的最大傾斜度、上升后的平均心率、動作前和動作中的平均心率之差或動作之前和動作過程中的平均心跳間隔之差。并且，以結(jié)束時間點為起點的情況下，可利用下降階段的最大傾斜度、下降后的平均心率、動作過程中和動作結(jié)束后的平均心率之差或動作過程中和動作結(jié)束后的平均心跳間隔之差。

(第2實施方式的效果)

這樣，第2實施方式的植物性神經(jīng)功能評價裝置具備加速度信息測量部，該加速度信息測量部設(shè)于穿戴式設(shè)備，對佩戴穿戴式設(shè)備的被驗者的動作的加速度信息進行測量。并且，第2實施方式的植物性神經(jīng)功能評價裝置具備生物信號信息測量部，該生物信號信息測量部設(shè)于穿戴式設(shè)備，對被驗者的生物信號信息進行測量。并且，第2實施方式的植物性神經(jīng)功能評價裝置具備識別部，該識別部通過對第1規(guī)定期間中的加速度信息及生物信號信息執(zhí)行逐次機器學(xué)習(xí)，從而對第2規(guī)定期間中的被驗者的姿勢及運動進行識別。并且，第2實施方式的植物性神經(jīng)功能評價裝置具備提取部，該提取部提取識別部所識別的與相同的姿勢及運動的組合對應(yīng)的生物信號信息。并且，第2實施方式的植物性神經(jīng)功能評價裝置具備計算部，該計算部由提取部所提取的與相同的姿勢及運動的組合對應(yīng)的生物信號信息計算植物性神經(jīng)功能評價的參數(shù)。

這樣，根據(jù)第2實施方式的植物性神經(jīng)功能信息取得處理，能夠在將與姿勢及運動的條件對應(yīng)的心跳數(shù)據(jù)分類的基礎(chǔ)上提取參數(shù)。因此，能夠?qū)⒂刹煌脑虍a(chǎn)生的心跳變動區(qū)別而分析。

并且，在第2實施方式的植物性神經(jīng)功能信息取得裝置中，生物信號信息測量部作為生物信號信息而測量被驗者的心跳數(shù)據(jù)，提取部提取與相同的姿勢及運動的組合對應(yīng)的心跳數(shù)據(jù)，計算部將提取部提取的心跳數(shù)據(jù)的平均值、方差值及重心中的至少一個作為參數(shù)而進行計算。

因此，能夠?qū)⒅参镄陨窠?jīng)功能的評價中通常利用的心跳的信息和姿勢及運動的狀態(tài)對應(yīng)而進行分析，并設(shè)定評價參數(shù)。因此，根據(jù)第2實施方式的植物性神經(jīng)功能信息取得處理，能夠根據(jù)反映從各個被驗者取得的個人的習(xí)慣、生理的特征的數(shù)據(jù)而評價植物性神經(jīng)功能。

并且，第2實施方式的植物性神經(jīng)功能信息取得裝置進一步包括連接部，該連接部將提取部所提取的與相同的姿勢及運動的組合對應(yīng)的心跳數(shù)據(jù)連接而作為一個匯總的數(shù)據(jù)，在所連接的心跳數(shù)據(jù)的連接部分的值的偏差小于規(guī)定的閾值的情況下，連接部統(tǒng)計性地計算修正偏差的估計值，將通過該估計值而修正后的心跳數(shù)據(jù)進行連接。

并且，第2實施方式的植物性神經(jīng)功能信息取得裝置進一步具備連接部，該連接部將提取部所提取的與相同的姿勢及運動的組合對應(yīng)的心跳數(shù)據(jù)連接而作為一個匯總的數(shù)據(jù)，在連接的心跳數(shù)據(jù)的連接部分的值的偏差為規(guī)定的閾值以上的情況下，連接部刪除超過該規(guī)定的閾值的值而連接心跳數(shù)據(jù)。

因此，根據(jù)第2實施方式的植物性神經(jīng)功能信息取得處理，即便由被驗者取得的心跳數(shù)據(jù)少的情況下，也能夠?qū)⒃谙嗤臈l件下取得的心跳數(shù)據(jù)彼此連接而進行分析。因此，能夠使用少數(shù)的數(shù)據(jù)而實現(xiàn)準確的分析。

并且，在第2實施方式的植物性神經(jīng)功能信息取得裝置中，生物信號信息測量部作為生物信號信息而測量被驗者的心跳數(shù)據(jù)，提取部提取對應(yīng)與相同的姿勢及運動的連續(xù)的變化對應(yīng)的期間的多個心跳數(shù)據(jù)，計算部在提取部所提取的多個心跳數(shù)據(jù)中，使姿勢或運動的變化的開始時間點或結(jié)束時間點同步而將多個心跳數(shù)據(jù)同步相加，由同步相加的數(shù)據(jù)計算參數(shù)。因此，根據(jù)第2實施方式的植物性神經(jīng)功能信息取得處理，能夠?qū)Π殡S姿勢及運動的變化的心跳的變動進行分析。并且，能夠?qū)⑴c確定的姿勢和運動的組合、轉(zhuǎn)變對應(yīng)的心跳數(shù)據(jù)分開而進行分析。因此，能夠?qū)崿F(xiàn)與被驗者的狀態(tài)匹配的精確的植物性神經(jīng)功能評價。

并且，在第2實施方式的植物性神經(jīng)功能信息取得裝置中，提取部提取對應(yīng)于如下期間的多個心跳數(shù)據(jù)：該期間作為與相同的姿勢及運動的連續(xù)的變化對應(yīng)的期間，是被驗者改變姿勢的期間，在該期間中在改變姿勢的時間點的前后，被驗者的身體處于靜止，計算部將改變姿勢的時間點的前后的平均心跳間隔之差、初期響應(yīng)中的心跳間隔的最大傾斜度及后期響應(yīng)中的心跳間隔的最大傾斜度中的至少一個作為參數(shù)而進行計算。因此，根據(jù)第2實施方式的植物性神經(jīng)功能信息取得處理，能夠?qū)Π殡S姿勢及運動的變化的心跳的變動進行分析。并且，能夠?qū)⑴c確定的姿勢和運動的組合、轉(zhuǎn)變對應(yīng)的心跳數(shù)據(jù)分開而進行分析。因此，能夠?qū)崿F(xiàn)與被驗者的狀態(tài)匹配的精確的植物性神經(jīng)功能評價。

并且，在第2實施方式的植物性神經(jīng)功能信息取得裝置中，提取部提取對應(yīng)于如下期間的多個心跳數(shù)據(jù)：該期間作為與相同的姿勢及運動的連續(xù)的變化對應(yīng)的期間，是被驗者從靜止狀態(tài)轉(zhuǎn)變?yōu)檫\動狀態(tài)之后重新返回到靜止狀態(tài)的期間，在該期間中被驗者的姿勢未發(fā)生變化，計算部使運動狀態(tài)的開始時間點同步而將多個心跳數(shù)據(jù)同步相加，將心跳的上升階段的最大傾斜度、上升后的平均心率及運動狀態(tài)開始前和運動狀態(tài)中的平均心率或平均心跳間隔之差中的至少一個作為參數(shù)而進行計算。因此，根據(jù)第2實施方式的植物性神經(jīng)功能信息取得處理，能夠?qū)Π殡S姿勢及運動的變化的心跳的變動進行分析。并且，能夠?qū)⑴c確定的姿勢和運動的組合、轉(zhuǎn)變對應(yīng)的心跳數(shù)據(jù)分開而進行分析。因此，能夠?qū)崿F(xiàn)與被驗者的狀態(tài)匹配的精確的植物性神經(jīng)功能評價。

并且，在第2實施方式的植物性神經(jīng)功能信息取得裝置中，提取部提取對應(yīng)于如下期間的多個心跳數(shù)據(jù)：該期間作為與相同的姿勢及運動的連續(xù)的變化對應(yīng)的期間，是被驗者從靜止狀態(tài)轉(zhuǎn)變?yōu)檫\動狀態(tài)之后重新恢復(fù)成靜止狀態(tài)的期間，在該期間中被驗者的姿勢未發(fā)生變化，計算部使運動狀態(tài)的結(jié)束時間點同步而將多個心跳數(shù)據(jù)同步相加，將心跳的下降階段的最大傾斜度、下降后的平均心率及運動狀態(tài)中和運動狀態(tài)結(jié)束后的平均心率或平均心跳間隔之差中的至少一個作為參數(shù)而進行計算。因此，根據(jù)第2實施方式的植物性神經(jīng)功能信息取得處理，能夠?qū)Π殡S姿勢及運動的變化的心跳的變動進行分析。并且，能夠?qū)⑴c確定的姿勢和運動的組合、轉(zhuǎn)變對應(yīng)的心跳數(shù)據(jù)分開而進行分析。因此，能夠?qū)崿F(xiàn)與被驗者的狀態(tài)匹配的精確的植物性神經(jīng)功能評價。

并且，第2實施方式的植物性神經(jīng)功能評價信息取得裝置還包括：學(xué)習(xí)部，其基于識別部所識別的姿勢及運動和生物信號信息的對應(yīng)而進行機器學(xué)習(xí)；異常檢測部，其基于學(xué)習(xí)部的機器學(xué)習(xí)結(jié)果，由通過加速度信息測量部及生物信號信息測量部而測量的加速度信息及生物信號信息檢測出被檢體的異常。

因此，在取得數(shù)據(jù)的同時或在短時間內(nèi)，通過與積累數(shù)據(jù)的對比而迅速地(逐次或在數(shù)秒的延遲內(nèi))檢測出異常。并且，經(jīng)過一定的學(xué)習(xí)時間，則特別對以相同的姿勢處于靜止狀態(tài)的情況實現(xiàn)精度高的異常判定。

并且，在第2實施方式的植物性神經(jīng)功能信息取得裝置中，第1規(guī)定期間和第2規(guī)定期間的至少一部分相互重疊。即，能夠并行執(zhí)行學(xué)習(xí)處理和識別處理，能夠并行地實現(xiàn)持續(xù)的被驗者的監(jiān)視和機器學(xué)習(xí)。

(程序)

圖21是表示利用計算機而具體地實現(xiàn)通過所公開的技術(shù)的逐次姿勢識別程序及植物性神經(jīng)功能信息取得程序而進行的信息處理的圖。如圖21所例示，計算機1000例如具備存儲器1010、cpu(centralprocessingunit：中央處理器)1020、硬盤驅(qū)動器1080、網(wǎng)絡(luò)接口1070。計算機1000的各部通過總線1100而連接。

如圖21所例示，存儲器1010包括rom(readonlymemory：只讀存儲器)1011及ram(randomaccessmemory：隨機存取存儲器)1012。rom1011例如存儲bios(basicinputoutputsystem：基本輸入輸出系統(tǒng))等引導(dǎo)程序。

在此，如圖21所例示，硬盤驅(qū)動器1080例如存儲os1081、應(yīng)用程序1082、程序模塊1083、程序數(shù)據(jù)1084。即，所公開的實施方式的逐次姿勢識別程序及植物性神經(jīng)功能信息取得程序作為記載有通過計算機而執(zhí)行的指令的程序模塊1083例如存儲于硬盤驅(qū)動器1080。例如，記載有執(zhí)行與制御部100的各部相同的信息處理的各個過程的程序模塊1083存儲于硬盤驅(qū)動器1080。

并且，如存儲部307中存儲的數(shù)據(jù)這樣，在通過逐次姿勢識別程序及植物性神經(jīng)功能信息取得程序而進行的信息處理中使用的數(shù)據(jù)作為程序數(shù)據(jù)1084而例如存儲于硬盤驅(qū)動器1080。并且，cpu1020根據(jù)需要而將存儲于硬盤驅(qū)動器1080的程序模塊1083、程序數(shù)據(jù)1084讀出到ram1012，執(zhí)行各種過程。

另外，逐次姿勢識別程序及植物性神經(jīng)功能信息取得程序的程序模塊1083、程序數(shù)據(jù)1084不限于存儲于硬盤驅(qū)動器1080的情況。例如，程序模塊1083、程序數(shù)據(jù)1084也可存儲于可拆裝的存儲介質(zhì)。在該情況下，cpu1020介由盤驅(qū)動器等可拆裝的存儲介質(zhì)而讀出數(shù)據(jù)。并且，同樣地，逐次姿勢識別程序及植物性神經(jīng)功能信息取得程序的程序模塊1083、程序數(shù)據(jù)1084可存儲于介由網(wǎng)絡(luò)(lan(localareanetwork：局域網(wǎng))，wan(wideareanetwork：廣域網(wǎng))等)而連接的其他的計算機。在該情況下，cpu1020介由網(wǎng)絡(luò)接口1070而訪問其他的計算機，從而讀出各種數(shù)據(jù)。

[其他]

另外，本實施方式中說明的逐次姿勢識別程序及植物性神經(jīng)功能信息取得程序可介由互聯(lián)網(wǎng)等網(wǎng)絡(luò)而配置。并且，文件監(jiān)視周期計算程序記錄于硬盤、軟盤(fd)、cd-rom、mo、dvd等由計算機可讀取的記錄介質(zhì)，并通過計算機而從記錄介質(zhì)讀出而執(zhí)行。

另外，在本實施方式中說明的各處理中，對于以自動進行的方式說明的全部或一部分處理，可以手動的方式進行，或者，對于以手動進行的方式說明的全部或一部分處理，可以公知的方法自動地進行。此外，關(guān)于在上述文中、附圖中所示的包括處理過程、控制過程、具體的名稱、各種的數(shù)據(jù)、參數(shù)的信息，除了特別記載的情況之外，可任意地進行變更。

上述的實施方式、其變形包括在本申請所公開的技術(shù)，并且包括在權(quán)利要求書中記載的發(fā)明和其均等的范圍內(nèi)。

符號的說明

1逐次姿勢識別系統(tǒng)

10穿戴式設(shè)備

101加速度信息測量部

102生物信號信息測量部

103收發(fā)部

2植物性神經(jīng)功能信息取得系統(tǒng)

20逐次姿勢識別裝置

201收發(fā)部

202特征量提取部

203第1制作部

204第2制作部

205第3制作部

206第1確定部

207第2確定部

208第3確定部

209識別部

210生成部

211輸入部

30植物性神經(jīng)功能信息取得裝置

301分類提取部

302數(shù)據(jù)連接處理部

303學(xué)習(xí)部

304異常判定部

305同步加法部

306植物性神經(jīng)功能評價部

307存儲部