JP6351860B2 - 行動識別装置、空気調和機およびロボット制御装置 - Google Patents

Description

本発明は、対象の行動を識別する行動識別装置、行動識別装置を用いた空気調和機、及び行動識別装置を用いたロボット制御装置に関する。

従来の行動識別装置は、装着型端末あるいは携帯型端末に搭載された各種センサによって計測されたセンサ値を用いて、対象の行動を識別する。センサとしては、例えば加速度センサ、角速度センサ、心拍センサなどが使用される。従来、行動を構成する成分行動を設計者が予め定義し、センサ値を用いて成分行動を識別することによって、行動を識別する、行動識別装置が提案されている。

例えば、特許文献１に記載の行動識別装置は、予め成分行動毎に構築されている識別器を用いて、成分行動を識別し、成分行動の識別結果を並べたシーケンスを用いて、行動を識別する。また、特許文献２に記載の行動識別装置は、予め成分行動毎に構築されている識別器を効率よく利用するため、装置の性能、リソースなどに応じて選択された成分行動を識別し、成分行動の識別結果である評価値の組合せを用いて、行動を識別する。このように、特許文献１及び特許文献２に記載の行動識別装置は、行動を単一で識別するのではなく、成分行動の識別結果を並べたシーケンス、あるいは評価値の組合せを用いて、行動を構成する成分行動の組合せとして識別する。

特開２０１０−２１３７８２号公報 特開２０１１−１５６１３２号公報

従来の行動識別装置は、行動を構成する成分行動を設計者が予め具体的に定義し、成分行動毎に識別器を構築する必要があった。すなわち、従来の行動識別装置では、識別対象となる行動は、行動を構成する成分として成分行動を事前に定義可能なものに制限されていた。しかし、例えば、人の日常生活における行動は、成分行動が複雑に組み合わさっていると考えられ、このような行動を構成する成分行動を予め具体的に定義することは困難である。

本発明は上記の問題を解決するためになされたものであって、行動を構成する成分を設計者が予め具体的に定義することなく、多様な行動を識別可能な行動識別装置を得ることを目的とする。

この発明における行動識別装置は、対象者の行動に対してセンサによって計測されたセンサ値を用いて、対象者の行動を識別する行動識別装置であって、センサ値を取得して所定時間内に計測されたセンサ値の分布であるセンサ値分布を求めるセンサ値取得部と、センサ値分布を構成する基本的な成分となる分布である基本分布の集合を記憶する成分データベースと、センサ値分布に含まれる基本分布のそれぞれの割合である第１の成分割合を算出する割合算出部と、識別したい行動に対応付けて決定された第２の成分割合を記憶する成分割合データベースと、第１の成分割合と第２の成分割合とを比較して行動を識別する識別部とを備え、基本分布は、複数種類の行動のそれぞれに対して予め取得されたセンサ値分布の集合に基づいて、センサ値分布のそれぞれをベクトルと捉えた場合の基底となるセンサ値の分布として求められるものである。

この発明における行動識別装置によれば、成分データベースに記憶される基本分布は、複数種類の行動のそれぞれに対して予め取得されたセンサ値分布の集合に基づいて、センサ値分布のそれぞれをベクトルと捉えた場合の基底となるセンサ値の分布として求められるので、行動を構成する成分を、設計者が予め具体的に定義する必要がない。また、設計者が具体的に定義できないような行動についても識別することが可能となる。

本発明の実施の形態１による行動識別装置の構成の一例を示す図である。 本発明の実施の形態１によるセンサによって計測されるセンサ値の一例を示す図である。 本発明の実施の形態１による行動識別装置においてセンサ値取得部の動作を説明するための図である。 本発明の実施の形態１による行動識別装置においてセンサ値分布データベースのデータ構造を説明する図である。 本発明の実施の形態１による行動識別装置において分析部で仮定される生成過程をグラフィカルモデルで表す図である。 本発明の実施の形態１による行動識別装置において評価部の動作を説明する図である。 本発明の実施の形態１による行動識別装置において成分データベースのデータ構造を説明する図である。 本発明の実施の形態１による行動識別装置において成分割合データベースのデータ構造を説明する図である。 本発明の実施の形態１による行動識別装置において識別部の動作を説明する図である。 本発明の実施の形態１による行動識別装置の生成フェーズにおける動作を示すフローチャートである。 本発明の実施の形態１による行動識別装置の識別フェーズにおける動作を示すフローチャートである。 本発明の実施の形態１による行動識別装置のハードウェア構成の一例を示す図である。 本発明の実施の形態１による行動識別装置のハードウェア構成の別の例を示す図である。 本発明の実施の形態２による行動識別装置の構成の一例を示す図である。 本発明の実施の形態２による行動識別装置においてセンサ値分布データベースのデータ構造を説明する図である。 本発明の実施の形態２による行動識別装置において基本分布生成部で求められる基本分布の例を示す図である。 本発明の実施の形態２による行動識別装置において成分統合部で求められる類似度の一例を示す図である。 本発明の実施の形態２による行動識別装置において成分統合部の動作を説明する図である。 本発明の実施の形態２による行動識別装置においてモード対応データベースのデータ構造を説明する図である。 本発明の実施の形態２による行動識別装置において成分データベースのデータ構造を説明する図である。 本発明の実施の形態２による行動識別装置において成分割合データベースのデータ構造を説明する図である。 本発明の実施の形態２による行動識別装置の生成フェーズにおける動作を示すフローチャートである。 本発明の実施の形態２による行動識別装置の識別フェーズにおける動作を示すフローチャートである。 本発明の実施の形態３による行動識別装置の構成の一例を示す図である。 本発明の実施の形態３による行動識別装置において動作識別部の構成の一例を示す図である。 本発明の実施の形態３による行動識別装置において合成ルールデータベースのデータ構造を説明する図である。 本発明の実施の形態４による空気調和機の構成の一例を示す図である。 本発明の実施の形態４による空気調和機の使用例を説明する図である。 本発明の実施の形態４による空気調和機において成分割合データベースのデータ構造を説明する図である。 本発明の実施の形態４による空気調和機において制御ルールデータベースのデータ構造を説明する図である。 本発明の実施の形態５によるロボット制御装置の構成の一例を示す図である。 本発明の実施の形態５によるロボット制御装置の使用例を説明する図である。 本発明の実施の形態５によるロボット制御装置において成分割合データベースのデータ構造を説明する図である。 本発明の実施の形態５によるロボット制御装置において制御ルールデータベースのデータ構造を説明する図である。

実施の形態１．
図１は、本発明の実施の形態１における行動識別装置１の構成の一例を示す図である。行動識別装置１は、対象者の行動を識別する。例えば、行動識別装置１は、センサ２、表示部３、入力部４とともに、装着型端末又は携帯型端末に搭載され、対象者に装着又は携帯される。ここで、「行動」とは、人の行動・動作・姿勢等を総称したものであり、例えば「静止している」「歩いている」、「走っている」等が挙げられる。

図１を用いて、行動識別装置１の全体構成について述べる。行動識別装置１は、センサ値取得部１０と、割合算出部２１と、識別部２２と、基本分布生成部３０と、センサ値分布データベース４１と、成分データベース４２と、成分割合データベース４３とを備える。また、基本分布生成部３０は、分析部３１と、評価部３２とを備える。さらに、行動識別装置１には、センサ２と、表示部３と、入力部４とが接続される。行動識別装置１は、センサ２によって計測されたセンサ値を用いて行動を識別し、識別結果を表示部３に表示する。

ここで、行動識別装置１の動作について述べる前に、センサ２について説明する。本実施の形態において、センサ２は３軸加速度センサであり、例えば対象者の腰に装着されて、対象者の行動に対して３軸加速度値ａｘ、ａｙ、ａｚを計測する。さらに、センサ２は、式（１）によって３軸加速度値ａｘ、ａｙ、ａｚのノルム｜ａ｜を算出し、センサ値として５０ミリ秒毎に出力する。

図２は、本実施の形態におけるセンサ２によって計測されるセンサ値の一例を示す図である。図２において、縦軸はセンサ値である加速度ノルム、横軸はセンサ値の取得時刻である。なお、本実施の形態１においては、センサ２として３軸加速度センサを使用し、対象者の腰に装着した場合について説明するが、これに限定されるものではなく、対象の行動に対応したセンサ値を計測できるセンサであればよい。３軸加速度センサ以外であれば、例えば、角速度センサ、位置センサ、気圧センサ、心拍センサなどを挙げることができる。

次に、行動識別装置１の動作について述べる。行動識別装置１は、生成フェーズと識別フェーズとの、２つのフェーズで動作する。図１において、点線の矢印は、生成フェーズにおける各ブロックの関連を表し、実線の矢印は、識別フェーズにおける各ブロックの関連を表す。まず、生成フェーズにおける行動識別装置１の動作について述べる。生成フェーズにおいて、センサ値取得部１０は、センサ２からセンサ値を取得し、所定時間内にセンサ２によって計測されたセンサ値の分布であるセンサ値分布ｈ_ｄを求める。ここで、ｄは、複数のセンサ値分布のそれぞれを識別するためのデータ番号である。

図３は、本実施の形態の行動識別装置１において、センサ値取得部１０の動作を説明するための図である。図３（ａ）は、センサ２によって出力されるセンサ値を所定時間毎に区切った図である。図３（ａ）において、縦軸はセンサ値である加速度ノルム、横軸はセンサ値の取得時刻である。本実施の形態では、所定時間を５秒と定義している。センサ値取得部１０は、センサ２から出力されたセンサ値である３軸加速度値のノルムを、０．０４ｇから２．００ｇまで０．０４ｇ刻みで量子化し、所定時間内におけるセンサ値のヒストグラム（発生頻度分布）を求める。生成されたヒストグラムがセンサ値分布となる。すなわち、センサ値分布ｈ_ｄのそれぞれは、量子化されたセンサ値を階級（ビン）とするヒストグラムとなる。

なお、本実施の形態では、センサ２は５０ミリ秒毎にセンサ値を取得するので、所定時間である５秒の間に取得されるセンサ値は１００個である。図３（ｂ）は、取得されたセンサ値分布の一例を示す図である。図３（ｂ）において、横軸はセンサ値、縦軸はセンサ値の発生頻度（計測頻度）である。図３（ｂ）において、左側の図は時刻０秒から５秒の間に取得されたセンサ値分布であり、右側の図は時刻５秒から１０秒の間に取得されたセンサ値分布である。

次に、センサ値分布データベース４１について述べる。センサ値分布データベース４１は、センサ値取得部１０によって生成されたセンサ値分布ｈ_ｄの集合を記憶する。図４は、本実施の形態の行動識別装置１において、センサ値分布データベース４１のデータ構造を説明する図である。図において、センサ値分布データベース４１はＤ個のセンサ値分布を記憶している。上述の通り、それぞれのセンサ値分布には、データ番号ｄが付けられている。ここで、センサ値分布はヒストグラムであるので、各センサ値の発生頻度（計測頻度）の集合として表される。すなわち、ｈ_ｄ＝｛ｈ_ｄ（１），ｈ_ｄ（２），ｈ_ｄ（３），・・・，ｈ_ｄ（Ｖ）｝である。ｈ_ｄ（ｖ）は、ｄ番目のセンサ値分布におけるｖ番目の階級に対応するセンサ値の発生頻度（計測頻度）である。また、Ｖは、ヒストグラムの階級（ビン）の数である。０．０４ｇから２．００ｇまで０．０４ｇ刻みで量子化する場合、Ｖ＝５０となる。

次に、基本分布生成部３０について述べる。基本分布生成部３０は、分析部３１と、評価部３２とを備える。まず、分析部３１について述べる。分析部３１は、センサ値分布データベース４１に記憶されたセンサ値分布の集合に基づき、基本分布と成分割合とを推定する。ここで、基本分布は、センサ値分布を構成する基本的な成分となる分布である。また、成分割合は、センサ値分布に含まれる基本分布のそれぞれの割合である。

本実施の形態１では、分析部３１は、潜在的ディリクレ配分法（ＬＤＡ： Ｌａｔｅｎｔ Ｄｉｒｉｃｈｌｅｔ Ａｌｌｏｃａｔｉｏｎ）を用いることで、センサ値分布を構成する基本分布φ_jと、センサ値分布に含まれる基本分布のそれぞれの割合である成分割合θ_d,jとを推定する。ここで、ｊは、基本分布の番号であり、１からＴまでの整数である。Ｔは、センサ値分布を構成する基本分布の数である。また、ｄは、上述の通り、センサ値分布データベース４１に記憶されるセンサ値分布のデータ番号であり、１からＤまでの整数である。上述の通り、Ｄはセンサ値分布データベース４１に記憶されるセンサ値分布の数である。すなわち、成分割合θ_d,jは、ｄ番目のセンサ値分布に含まれるｊ番目の基本分布の割合を表す。なお、ｄ番目のセンサ値分布における成分割合の集合をθ_dと表す。すなわち、θ_d＝｛θ_d,1，θ_d,2，・・・，θ_d,T｝である。

本実施の形態において、分析部３１は、モデル化された所定の生成過程に従ってセンサ値が生成されるものと仮定して処理を行う。分析部３１は、基本分布φ_jを、センサ値が生成される際の確率分布とみなし、計測されたセンサ値の集合が生成されるための基本分布φ_jを推定する。本実施の形態において、センサ値の集合が生成されるための生成過程は、Ｄｉｒをディリクレ分布、Ｍｕｌｔを多項分布として、式（２）から式（５）によって仮定される。なお、基本分布φ_jは、各センサ値の生成頻度の集合として表される。すなわち、φ_j＝｛φ_j（１），φ_j（２），φ_j（３），・・・，φ_j（Ｖ）｝である。φ_j（ｖ）は、ｊ番目の基本分布におけるｖ番目の階級に対応するセンサ値の生成頻度である。また、Ｖは、ヒストグラムの階級（ビン）の数である。

式（２）において、αは、成分割合の集合θ_dを生成するディリクレ分布のパラメータである。また、式（３）において、βは、基本分布φ_jを生成するディリクレ分布のパラメータである。式（４）、式（５）において、ｉは、各センサ値分布に含まれるセンサ値の番号であり、１からＮまでの整数である。Ｎはセンサ値分布を求めた所定時間内に計測されたセンサ値の個数であり、本実施の形態ではＮ＝１００である。センサ値分布のそれぞれは、Ｎ個のセンサ値の分布を表している。ｉは、Ｎ個のセンサ値のうちの何番目のセンサ値であるかを表す。なお、センサ値の番号ｉは、行動に対してセンサ値を計測した時系列の順序と異なってもよい。例えば、センサ値が小さいものから順番に付けられた番号であってもよい。

式（５）において、ｗ_d,iは、センサ値分布データベース４１に記憶されるｄ番目のセンサ値分布ｈ_ｄに含まれるｉ番目のセンサ値である。式（４）において、ｚ_d,iは、ｗ_d,iがどの基本分布によって生成されたかを示す値である。本実施の形態１では、基本分布の数Ｔ、パラメータα、βは、予め行動識別装置１の設計者によって決定される所定の推定条件とする。図５は、本実施の形態の行動識別装置１において、分析部３１で仮定される生成過程をグラフィカルモデルで表す図である。図５において、矢印はどのデータに基づいてどのデータが生成されるかを表しており、Ｔ、Ｎ、Ｄの表記は、データが生成される回数を表している。

センサ値分布のそれぞれの形状は、分析部３１によって推定されるＴ個の基本分布φ_jの混合分布の形状によって近似でき、ｄ番目のセンサ値分布において、基本分布φ_jの混合割合は成分割合θ_d,jとなる。したがって、センサ値分布ｈ_ｄは、理想的には下記の式（６）で表すことができる。異なる見方をすれば、センサ値分布ｈ_ｄを各センサ値の発生頻度を要素とするベクトルと捉えた場合、Ｔ個の基本分布φ_jは基底ベクトルであり、成分割合θ_d,jを係数としたＴ個の基本分布φ_jの線形和に比例係数を乗じることによって、センサ値分布を近似できる。なお、比例係数は、センサ値分布ｈ_ｄを構成するセンサ値の数Ｎである。すなわち、分析部３１によって推定されるＴ個の基本分布φ_jは、センサ値分布データベース４１に記憶されるセンサ値分布ｈ_ｄを構成する成分となっており、また、分析部３１によって推定される成分割合θ_d,jは、その構成割合（混合割合）を表している。なお、センサ値分布ｈ_ｄ及び基本分布φ_jをベクトルと捉えた場合、ヒストグラムの階級（ビン）の数であるＶは、ベクトルの次元数となる。

「静止している」、「歩いている」、「走っている」等の行動において、行動を構成する成分である成分行動は、身体の各部位の動作であると考えられる。しかし、予め身体の各部位の動作を成分行動として具体的に定義し、成分行動毎に識別器を構築することは困難である。これに対して、本実施の形態の行動識別装置１においては、さまざまな行動のそれぞれに対してセンサ値の分布を予め取得し、取得したセンサ値の分布の集合に対する基底を演算することで、行動を構成する成分を、設計者が定義することなく求めることが可能である。

基本分布φ_jと成分割合θ_d,jとは、ＬＤＡの生成過程に基づき、変分ベイズ、ギブスサンプリング等の繰返し処理（例えば、David M. Blei, Andrew Y. Ng, and Michael I. Jordan, “Latent Dirichlet allocation”, Journal of Machine Learning Research, vol.3, pp.993-1022, 2003、及び、Thomas L. Griffiths and Mark Steyvers, “Finding scientific topics”, in Proceedings of the National Academy of Sciences of the United States of America, vol.101, pp.5228-5235, 2004）を用いて推定できる。これらの処理の詳細については、説明を省略する。

なお、パラメータα、βは、Minkaの不動点反復法（Thomas P. Minka, “Estimating a Dirichlet distribution”, Technical report, Massachusetts Institute of Technology, vol.2000, pp.1-13, 2000.）を利用することで、自動的に推定することができる。分析部３１は、以上の通り動作する。

次に、評価部３２について述べる。評価部３２は、分析部３１によって推定された基本分布と成分割合とを評価する。評価結果が所定の評価基準を満たさなかった場合、分析部３１は、所定の推定条件を変更して、再び基本分布と成分割合とを推定する。本実施の形態では、評価部３２は、センサ値分布データベース４１に記憶されるセンサ値分布の集合に対して、成分割合θ_d,jの平均を基本分布φ_jごとに求め、求められた平均を評価基準とする。図６は、本実施の形態の行動識別装置１において、評価部３２の動作を説明する図である。図６において、横軸は基本分布の番号ｊであり、縦軸は成分割合である。図６（ａ）は、センサ値分布のそれぞれに対して、分析部３１によって推定された成分割合の集合θ_dの例である。成分割合の集合θ_dは、各センサ値分布におけるそれぞれの基本分布の成分割合θ_d,jによって構成される。評価部３２は、まず、下記の式（７）によって、成分割合θ_d,jの基本分布ごとの平均である平均成分割合θa_jを算出する。

図６（ｂ）は、算出された平均成分割合θａ_jの集合であるθａの例である。平均成分割合は、センサ値分布データベース４１に記憶されるセンサ値分布の集合に対して、基本分布のそれぞれが平均してどのような割合で含まれているかを表している。平均成分割合が極端に小さい基本分布は、センサ値分布データベース４１に記憶されるセンサ値分布にほとんど含まれていないことになる。すなわち、予め設定した基本分布の数Ｔが大きすぎる可能性がある。この評価のために、評価部３２は、平均成分割合θａ_jのそれぞれの値と、所定の閾値ｔｈとの比較を行う。

平均成分割合θａ_jのそれぞれの値が、全て閾値ｔｈ以上となった場合、評価部３２は、基本分布を成分データベース４２に記憶し、また、成分割合を成分割合データベース４３に記憶する。一方、平均成分割合θａ_jのそれぞれの値のうち、一つでも閾値ｔｈ未満となった場合、評価部３２は、予め決定していた基本分布の数Ｔの値を１だけ減じる。分析部３１は、更新された基本分布の数Ｔを新しい条件として、センサ値分布データベース４１に記憶されたセンサ値分布の集合に基づき、基本分布と成分割合とを再び推定する。図６（ｂ）に示す例では、平均成分割合の集合θａにおいて、４番目の基本分布の割合θａ₄が閾値ｔｈ未満となっている。したがって、分析部３１は、基本分布の数Ｔを１だけ減じた条件で、基本分布と成分割合とを再び推定する。

なお、評価部３２における評価基準は、これに限らず、分析部３１で推定された基本分布と成分割合とを用いてセンサ値分布を再現し、再現したセンサ値分布と、センサ値分布データベース４１に記憶されたセンサ値分布とを比較した差異を評価基準とすることもできる。評価部３２は、以上のように動作する。次に、成分データベース４２について述べる。成分データベース４２は、基本分布生成部３０によって求められた基本分布φ_jを記憶する。図７は、本実施の形態の行動識別装置１において、成分データベース４２のデータ構造を説明する図である。成分データベース４２は、基本分布φ_jを基本分布の番号ｊと対応付けて記憶する。

次に、成分割合データベース４３及び入力部４について述べる。成分割合データベース４３は、センサ値分布のそれぞれに対して、基本分布生成部３０によって求められた成分割合の集合θ_dを記憶する。さらに、成分割合データベース４３は、センサ値分布のそれぞれを計測した際の対象者の行動のラベルを成分割合と対応づけて記憶する。図８は、本実施の形態の行動識別装置１において、成分割合データベース４３のデータ構造を説明する図である。成分割合データベース４３は、成分割合の集合θ_dと行動のラベルとをセンサ値分布のデータ番号ｄと対応付けて記憶する。また、成分割合の集合θ_dを構成する成分割合θ_d,jのそれぞれは、基本分布の番号ｊとも対応付けて記憶される。

図８において、成分割合データベース４３は、例えば、センサ値分布データベース４１の１番目に記憶されるセンサ値分布について、センサ値分布に含まれる成分割合の集合θ₁と共に、行動のラベルとして「静止している」を記憶している。行動のラベルは、入力部４によって入力される。入力部４は、キーボードやタッチパネル、メモリカード読み取り装置等、外部から情報を入力できる装置で構成される。なお、本実施の形態の行動識別装置１は、生成フェーズにおいて、対象者の行動に対して求められたセンサ値分布に基づいて、基本分布φ_jと、成分割合の集合θ_dとを生成した。しかし、行動識別装置１の動作はこれに限定されるものではない。例えば、予め対象者と異なる人物の行動に対して求められたセンサ値分布に基づいて、基本分布φ_jと、成分割合の集合θ_dとを生成してもよい。生成フェーズにおいて、本実施の形態の行動識別装置１は、以上のように動作する。

次に、識別フェーズにおける行動識別装置１の動作について述べる。まず、センサ値取得部１０について述べる。センサ値取得部１０は、生成フェーズにおける動作と同様に、センサ２からセンサ値を取得し、センサ値分布ｈ２を求める。ここで、センサ値分布ｈ２はヒストグラムであるので、各センサ値の計測頻度の集合として表される。すなわち、ｈ２＝｛ｈ２（１），ｈ２（２），ｈ２（３），・・・，ｈ２（Ｖ）｝である。ｈ２（ｖ）は、センサ値分布ｈ２におけるｖ番目の階級に対応するセンサ値の計測頻度である。
次に、割合算出部２１について述べる。割合算出部２１は、成分データベース４２に記憶された基本分布φ_jを用いて、識別フェーズで求められたセンサ値分布ｈ２に対して、センサ値分布ｈ２に含まれる基本分布のそれぞれの割合である成分割合θ２_jを算出する。上述の通り、ｊは、基本分布の番号である。すなわち、成分割合θ２_jは、センサ値分布ｈ２に含まれるｊ番目の基本分布の割合を表す。なお、センサ値分布ｈ２における成分割合の集合をθ２と表す。すなわち、θ２＝｛θ２₁，θ２₂，・・・，θ２_T｝である。具体的には、割合算出部２１は、例えばＥＭアルゴリズムを用いることで、センサ値分布ｈ２に含まれる基本分布φ_jの成分割合の集合θ２を算出する。なお、ＥＭアルゴリズムは、最尤法に基づいて、確率モデルのパラメータを推定する手法である。

ここで、センサ値取得部１０で求められたセンサ値分布ｈ２を構成するセンサ値をｗ２_ｉとする。上述の通り、ｉは、センサ値分布ｈ２に含まれるセンサ値の番号であり、１からＮまでの整数である。割合算出部２１は、ＥＭアルゴリズムに基づいて、下記の手順１を実行した後に、手順２と手順３とを所定の回数だけ交互に繰り返す。手順１として、割合算出部２１は、センサ値分布に含まれる成分割合θ２_jの初期値を定める。次に、手順２として、割合算出部２１は、ｊ番目の基本分布φ_jによって、センサ値分布ｈ２に含まれるｉ番目のセンサ値ｗ２_ｉが生成された確率ψ_i,jを下記の式（８）を用いて算出する。式（８）において、ｖ２_ｉは、ｉ番目のセンサ値ｗ２_ｉがヒストグラムにおける何番目の階級になるかを表す。次に、手順３として、割合算出部２１は、成分割合θ２_jを、下記の式（９）を用いて算出する。手順２はＭ−ｓｔｅｐと呼ばれ、手順３はＥ−ｓｔｅｐと呼ばれる。割合算出部２１は、以上のように動作する。

次に、識別部２２について述べる。識別部２２は、割合算出部２１によって算出された成分割合の集合θ２と、成分割合データベース４３に記憶されたセンサ値分布ごとの成分割合の集合θ_dとの類似度を算出する。次に、識別部２２は、成分割合データベース４３に記憶された成分割合の集合θ_dのうち、最も高い類似度を示した成分割合の集合に対応する行動のラベルを識別結果として得る。図９は、本実施の形態の行動識別装置１において、識別部２２の動作を説明する図である。図９を用いて、識別部２２の動作を具体的に述べる。図９（ａ）は、割合算出部２１によって算出された成分割合の集合θ２の一例を示している。また、図９（ｂ）は、成分割合データベース４３に記憶された成分割合の集合θ_dの一例を示している。

まず、識別部２２は、割合算出部２１によって算出された成分割合の集合θ２と、成分割合データベース４３に記憶されたセンサ値分布ごとの成分割合の集合θ_dとの類似度を算出する。識別部２２は、Ｈｉｓｔｏｇｒａｍ Ｉｎｔｅｒｓｅｃｔｉｏｎを用いて成分割合の類似度を算出する。Ｈｉｓｔｏｇｒａｍ Ｉｎｔｅｒｓｅｃｔｉｏｎは、２つのヒストグラムの類似度を示す指標であり、類似度が高いほど大きな値を示し、最大値は１であり、最小値は０である。識別部２２は、式（１０）を用いて、Ｄ個の類似度ＨＩ_ｄを算出する。式（１０）において、ｍｉｎ（Ａ１，Ａ２）は、Ａ１とＡ２との最小値を算出することを意味する。図９（ｃ）は、算出された類似度ＨＩ_ｄの一例を示している。

上述の通り、成分割合データベース４３は、成分割合の集合θ_dと行動のラベルとをセンサ値分布のデータ番号ｄと対応付けて記憶している。識別部２２は、成分割合データベース４３に記憶されたＤ個の成分割合の集合θ_dのうち、成分割合の集合θ２との類似度ＨＩ_ｄが最大となった成分割合を見つける。さらに、識別部２２は、見つけられた成分割合の集合に対応付けられた行動のラベルを識別結果として出力する。図９（ｃ）に示した例では、成分割合データベース４３に記憶された２番目の成分割合の集合θ₂との類似度が０．９５９であり、最大であるので、識別部２２は、対応する行動のラベル「歩いている」を識別する。識別部２２は、行動識別装置１の外部に備える表示部３へと識別結果を出力する。表示部３は、識別結果を表示する液晶表示装置等の画像装置である。表示部３の代わりに、識別結果を記憶する記憶装置や、識別結果を送信する通信装置を備えてもよい。本実施の形態の行動識別装置１は、以上のように動作する。

さらに、本実施の形態の行動識別装置１の動作について、フローチャートを用いて説明する。行動識別装置１は、予め生成フェーズで動作した後に、識別フェーズで動作する。なお、行動識別装置１は、生成フェーズで動作した後であれば、連続して識別フェーズで動作してもよい。まず、行動識別装置１の生成フェーズにおける動作について述べる。図１０は、本実施の形態の行動識別装置１の生成フェーズにおける動作を示すフローチャートである。生成フェーズにおいて、まず、センサ値取得部１０が、センサ２からセンサ値を取得し、センサ値分布を求める（ステップＳ１０１）。次に、センサ値分布データベース４１が、ステップＳ１０１で求められたセンサ値分布を記憶する（ステップＳ１０２）。

次に、分析部３１が、センサ値分布を構成する成分となる基本分布と、センサ値分布に含まれる基本分布のそれぞれの割合である成分割合とを推定する（ステップＳ１０３）。ステップＳ１０３において、分析部３１は、ステップＳ１０２で記憶されたセンサ値分布に基づいて、基本分布と成分割合とを推定する。次に、評価部３２が、ステップＳ１０３で推定された基本分布と成分割合とを評価する（ステップＳ１０４）。ステップＳ１０４において、評価部３２は、基本分布に対応して求められた成分割合が、所定の評価基準を満たすか否かを判定することで、基本分布と成分割合とを評価する。成分割合が評価基準を満たさなかった場合、行動識別装置１の動作はステップＳ１０５へと移行する。ステップＳ１０５では、評価部３２は、ステップＳ１０３で用いる推定条件を変更する。ステップＳ１０５が終了すると、行動識別装置１の動作はステップＳ１０３に戻る。

一方、成分割合が評価基準を満たした場合、行動識別装置１の動作はステップＳ１０６へと移行する。ステップＳ１０６では、成分データベース４２は、基本分布の番号と対応付けて基本分布を記憶し、成分割合データベース４３は、センサ値分布のデータ番号と対応付けて成分割合を記憶する。ステップＳ１０６では、成分データベース４２は、基本分布を記憶し、成分割合データベース４３は、成分割合を記憶する。次に、成分割合データベース４３は、センサ値分布のデータ番号と対応付けて、センサ値分布を求めた際の対象者の行動のラベルを記憶する（ステップＳ１０７）。この結果、成分割合データベース４３は、成分割合と行動のラベルとを対応付けて記憶することになる。ただし、行動識別装置１は、ステップＳ１０７の動作をステップＳ１０２以降のいずれの段階で実行してもよい。ステップＳ１０７の動作が終了すると、生成フェーズにおける行動識別装置１の動作は終了する。

次に、行動識別装置１の識別フェーズにおける動作について述べる。図１１は、本実施の形態の行動識別装置１の識別フェーズにおける動作を示すフローチャートである。識別フェーズにおいて、まず、センサ値取得部１０が、センサ２からセンサ値を取得し、センサ値分布を求める（ステップＳ２０１）。次に、割合算出部２１は、成分データベース４２に記憶された基本分布を用いて、ステップＳ２０１で求められたセンサ値分布における成分割合を算出する（ステップＳ２０２）。ステップＳ２０２で算出される成分割合は、センサ値分布に含まれる基本分布のそれぞれの割合である。

次に、識別部２２は、ステップＳ２０２で算出された成分割合の集合と、生成フェーズのステップＳ１０６で記憶された成分割合の集合のそれぞれとの類似度を算出する（ステップＳ２０３）。次に、識別部２２は、生成フェーズのステップＳ１０６で記憶された成分割合の集合のうち、類似度が最大となる成分割合の集合を選択する（ステップＳ２０４）。次に、識別部２２は、ステップＳ２０４で選択された成分割合の集合に対応する行動のラベルを識別結果として出力する（ステップＳ２０５）。ステップＳ２０５の動作が終了すると、識別フェーズにおける行動識別装置１の動作は終了する。行動識別装置１は、以上のように動作する。

次に、本実施の形態の行動識別装置１を実現するハードウェア構成について述べる。行動識別装置１におけるセンサ値取得部１０、割合算出部２１、識別部２２、基本分布生成部３０の各機能は、処理回路により実現される。処理回路は、専用のハードウェアであっても、メモリに格納されるプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、ＤＳＰともいう）であってもよい。また、センサ値分布データベース４１、成分データベース４２、成分割合データベース４３の各機能は、メモリにより実現される。

処理回路が専用のハードウェアである場合、処理回路は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡ、またはこれらを組み合わせたものが該当する。センサ値取得部１０、割合算出部２１、識別部２２、基本分布生成部３０の各部の機能それぞれを処理回路で実現してもよいし、各部の機能をまとめて処理回路で実現してもよい。

処理回路がＣＰＵの場合、センサ値取得部１０、割合算出部２１、識別部２２、基本分布生成部３０の各機能は、ソフトウェア、ファームウェア、またはソフトウェアとファームウェアとの組み合わせにより実現される。ソフトウェアやファームウェアはプログラムとして記述され、メモリに格納される。処理回路は、メモリに記憶されたプログラムを読み出して実行することにより、各部の機能を実現する。これらのプログラムは、センサ値取得部１０、割合算出部２１、識別部２２、基本分布生成部３０の動作の手順や方法をコンピュータに実行させるものであるともいえる。ここで、メモリとは、例えば、ＲＡＭ、ＲＯＭ、フラッシュメモリー、ＥＰＲＯＭ、ＥＥＰＲＯＭ等の、不揮発性または揮発性の半導体メモリや、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ等が該当する。

なお、センサ値取得部１０、割合算出部２１、識別部２２、基本分布生成部３０の各機能について、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現するようにしてもよい。例えば、センサ値取得部１０については専用のハードウェアとしての処理回路でその機能を実現し、 割合算出部２１、識別部２２及び基本分布生成部３０については処理回路がメモリに格納されたプログラムを読み出して実行することによってその機能を実現することが可能である。

図１２は、本実施の形態の行動識別装置１のハードウェア構成の一例を示す図である。図１２は、処理回路１００１が専用のハードウェアである場合の例を示している。図１２の例では、センサ値取得部１０、割合算出部２１、識別部２２、基本分布生成部３０の各機能は、処理回路１００１で実現される。また、センサ値分布データベース４１、成分データベース４２、成分割合データベース４３の各機能は、メモリ１００２により実現される。処理回路１００１は、メモリ１００２と、データバス１００３を介して接続される。

また、図１３は、本実施の形態の行動識別装置１のハードウェア構成の別の例を示す図である。図１３は、処理回路がＣＰＵである場合のハードウェア構成の例を示している。図１３の例では、センサ値取得部１０、割合算出部２１、識別部２２、基本分布生成部３０の各機能は、メモリ１００５に格納されるプログラムをプロセッサ１００４が実行することで実現される。また、センサ値分布データベース４１、成分データベース４２、成分割合データベース４３の各機能は、メモリ１００２により実現される。プロセッサ１００４は、メモリ１００２及びメモリ１００５と、データバス１００３を介して接続される。なお、以降の実施の形態における行動識別装置においても、本実施の形態の行動識別装置１と同様のハードウェア構成で実現することができる。

以上のように、本実施の形態の行動識別装置１によれば、例えば「静止している」、「歩いている」、「走っている」等の行動に対して取得したセンサ値分布に基づいて、センサ値分布を構成する基本分布を求めることができる。したがって、行動を構成する成分を設計者が定義することなく、行動について、行動を構成する成分の組合せとして、より柔軟に識別することが可能となる。

また、本実施の形態の行動識別装置１によれば、設計者が具体的に定義できない行動についても、その行動を構成する成分の組合せとして、より柔軟に識別することが可能となる。例えば、「なんとなく慌てていそうな行動」等、設計者が漠然としか定義できない行動は、行動を構成する成分を設計者が定義することは困難である。漠然としか定義できない行動は、概念的にしか定義できない行動と言い換えることもできる。しかし、本実施の形態１における行動識別装置によれば、成分割合データベース４３に記憶される行動のラベルが、前述の漠然としか定義できない行動に紐付けられていれば、そのような行動も識別することが可能となる。

なお、本実施の形態において、「行動」とは、対象者の行動・動作・姿勢等を総称したものとしたが、必ずしもこれに限定されるものではない。本発明は、人以外の対象の動作（例えば、動物の動作または制御内容が不明な機械の動作）に対しても適用することができる。人以外の対象の動作に対しては、行動識別装置の設計者にとって、行動を構成する成分の定義が困難な場合が多いと考えられ、本発明の適用が効果的となる。

実施の形態２．
対象者の日々の生活における行動には、いくつかのモードがある。モードとは、対象者の行動に影響を与える場面や生理的状態等を総称したものである。モードとは、対象者の行動に影響を与える条件と言うこともできる。したがって、モードは対象者の行動を識別する上での手掛かりとなる。例えば「家にいる」、「工場にいる」、「公園にいる」、「体調良好」、「体調不良」等がモードとして挙げられる。対象者の行動のモードが異なるとき、センサ値分布を構成する基本分布の集合が異なると考えられる。例えば、「家にいる」モードと「工場にいる」モードとでは、同じ「歩く」行動であっても、センサ値分布を構成する基本分布の集合が異なると考えられる。

図１４は、本発明の実施の形態２における行動識別装置１ｂの構成の一例を示す図である。本実施の形態の行動識別装置１ｂは、上記の対象者のモードを検知することで、モードのそれぞれに対して適切な基本分布の集合を求める点で、実施の形態１における行動識別装置１と異なる。この結果、本実施の形態の行動識別装置１ｂは、より精度の高い行動識別を実現することができる。以下、実施の形態１における行動識別装置１との差異を中心に説明する。

なお、図１と同様に、図１４において、点線の矢印は、生成フェーズにおける各ブロックの関連を表し、実線の矢印は、識別フェーズにおける各ブロックの関連を表す。本実施の形態の行動識別装置１ｂは、実施の形態１の行動識別装置１と比較して、モード対応データベース４４、成分統合部６１、成分選択部６２、割合選択部６３を新たに備える。また、本実施の形態の行動識別装置１ｂは、実施の形態１の行動識別装置１と比較して、基本分布生成部３０ｂの動作の一部が異なる。また、本実施の形態の行動識別装置１ｂは、実施の形態１の行動識別装置１と比較して、センサ値分布データベース４１ｂ、成分割合データベース４３ｂのデータ構造が異なる。また、行動識別装置１ｂには、モード検知部５が接続される。

まず、モード検知部５について述べる。本実施の形態においては、モード検知部５は、対象者のモードを検知する。モード検知部５は、モードとして「家にいる」、「工場にいる」など、対象者がいる場所を検知する。モード検知部５は、例えばＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）に代表される地球上の絶対位置を検知できる装置、発信機の電波を複数の受信機で受信し、電波の到達時間や電界強度等を利用して位置を検知する位置測位システム、もしくは発信機により発信される電波を受信して発信機からの距離を推定する測距システム等で構成される。他の例としては、モード検知部５は、心拍、体温、脳波、血中酸素飽和度等の生理的な情報を取得し、対象者のモードとして、「体調良好」「体調不良」を検知してもよい。さらに別の例としては、モード検知部５は、センサ２によって計測された鉛直方向の加速度値を入力として、「寝転んでいる」、「立っている」といった対象者の姿勢をモードとして検知してもよい。

次に、本実施の形態の行動識別装置１ｂについて述べる。まず、センサ値分布データベース４１ｂについて述べる。センサ値分布データベース４１ｂは、モード検知部５によって検知された対象者のモード毎に、生成フェーズにおいてセンサ値取得部１０によって求められたセンサ値分布の集合を記憶する。図１５は、本実施の形態の行動識別装置１ｂにおいて、センサ値分布データベース４１ｂのデータ構造を説明する図である。本実施の形態の行動識別装置１ｂにおいて、モードＡは「家にいる」モードを表し、モードＢは「工場にいる」モードを表す。図１５の例では、センサ値分布データベース４１ｂは、モードＡに対してＤａ個のセンサ値分布ｈ_ｄの集合を記憶し、モードＢに対してＤｂ個のセンサ値分布ｈ_ｄの集合を記憶している。

次に、基本分布生成部３０ｂについて述べる。基本分布生成部３０ｂは、モード毎に記憶されたセンサ値分布の集合に基づき、基本分布と成分割合とをモード毎に求める。基本分布と成分割合とをモード毎に求める以外は、基本分布生成部３０ｂは、実施の形態１の行動識別装置１におけるものと同様に動作する。次に、成分統合部６１について述べる。成分統合部６１は、異なるモードにおいて求められた基本分布について、各モードから１つずつ基本分布を順次選択して組合せを生成する。さらに、成分統合部６１は、全ての組合せについて、組み合わせた基本分布を比較して、所定の比較条件を満たした基本分布を同一であるとみなして統合する。以下では、図面を用いて、成分統合部６１の動作をより具体的に説明する。

図１６は、本実施の形態の行動識別装置１ｂにおいて、基本分布生成部３０ｂで求められる基本分布の例を示す図である。基本分布生成部３０ｂは、モードＡにおいて５つの基本分布φａ₁、φａ₂、φａ₃、φａ₄、φａ₅を求め、モードＢにおいて５つの基本分布φｂ₁、φｂ₂、φｂ₃、φｂ₄、φｂ₅を求める。なお、図１６の例では、モードＡにおいて求められた基本分布の数と、モードＢにおいて求められた基本分布の数とは同じとなっているが、必ずしも同じである必要はない。成分統合部６１は、モードＡにおいて求められた基本分布のうちの１つと、モードＢにおいて求められた基本分布のうちの１つとを順次組み合わせる。さらに、成分統合部６１は、全ての組合せについて、組み合わせた基本分布を比較する。成分統合部６１は、Ｈｉｓｔｏｇｒａｍ Ｉｎｔｅｒｓｅｃｔｉｏｎによる類似度を指標として、基本分布を比較する。

図１７は、本実施の形態の行動識別装置１ｂにおいて、成分統合部６１で求められる類似度の一例を示す図である。図１７は、図１６に示した基本分布に対して、成分統合部６１で求められる類似度を示している。さらに、成分統合部６１は、算出された類似度が０．７を超えた場合に、組み合わせた基本分布が同一であるとみなして統合する。図１８は、本実施の形態の行動識別装置１ｂにおいて、成分統合部６１の動作を説明する図である。図１７では、類似度が０．７を超えている基本分布の対はφａ₁とφｂ₂、φａ₂とφｂ₃、φａ₄とφｂ₄であるため、成分統合部６１はこれらを統合し、新たな基本分布φｃ₁、φｃ₂、φｃ₃を得る。

成分統合部６１は、同一の階級における頻度を平均することによって基本分布を統合する。基本分布をベクトルとみなすと、成分統合部６１はベクトルの各要素を平均化することで、基本分布を統合する。成分統合部６１が組み合わせた基本分布をφｐ、φｑとすると、統合された基本分布φｒは下記の式（１１）で表される。ここで、φｐ（ｖ）は、基本分布φｐにおけるｖ番目の階級に対応するセンサ値の頻度である。また、φｑ（ｖ）は、基本分布φｑにおけるｖ番目の階級に対応するセンサ値の頻度である。また、φｒ（ｖ）は、基本分布φｒにおけるｖ番目の階級に対応するセンサ値の頻度である。

次に、モード対応データベース４４について述べる。モード対応データベース４４は、モード毎に対応する基本分布がいずれであるかを記憶する。図１９は、本実施の形態の行動識別装置１ｂにおいて、モード対応データベース４４のデータ構造を説明する図である。モード対応データベース４４は、モード毎に使用する基本分布の番号ｊと、成分データベース４２に記憶される基本分布の中で、基本分布の番号ｊに対応する基本分布を特定するための情報とをモード毎に記憶している。モード対応データベース４４は、基本分布を特定するための情報として、例えば分布名称を使用する。成分データベース４２は、成分統合部６１によって統合されなかった基本分布と、統合により求められた基本分布とを記憶する。図２０は、本実施の形態の行動識別装置１ｂにおいて、成分データベース４２のデータ構造を説明する図である。成分データベース４２は、分布名称と対応付けて基本分布を記憶する。

次に、成分割合データベース４３ｂについて述べる。成分割合データベース４３ｂは、基本分布生成部３０ｂによってモード毎に求められた成分割合の集合θ_dを記憶する。さらに、成分割合データベース４３ｂは、センサ値分布データベース４１ｂに記憶されるセンサ値分布を求めた際の対象者の行動のラベルを、成分割合の集合と対応づけて記憶する。図２１は、本実施の形態の行動識別装置１ｂにおいて、成分割合データベース４３ｂのデータ構造を説明する図である。成分割合データベース４３ｂは、成分割合の集合θ_dと行動のラベルとをセンサ値分布のデータ番号ｄと対応付けて、モード毎に記憶する。また、成分割合の集合θ_dを構成する成分割合θ_d,jのそれぞれは、基本分布の番号ｊとも対応付けて記憶される。

次に、成分選択部６２および割合選択部６３について述べる。成分選択部６２は、モード対応データベース４４を参照して、モード検知部５によって検知された対象者のモードに対応する基本分布を成分データベース４２から選択し、割合算出部２１へと出力する。例えば、モード検知部５によって対象者のモードＢが検知された場合、選択部６２はモード対応データベース４４を参照して、基本分布φｂ₁、φｃ₁、φｃ₂、φｃ₃、φｂ₅を成分データベース４２から選択し、割合算出部２１へと出力する。また、割合選択部６３は、対象者のモードに対応する成分割合を成分割合データベース４３ｂから選択し、識別部２２へと出力する。

さらに、本実施の形態の行動識別装置１ｂの動作について、フローチャートを用いて説明する。行動識別装置１ｂは、予め生成フェーズで動作した後に、識別フェーズで動作する。まず、行動識別装置１ｂの生成フェーズにおける動作について述べる。図２２は、本実施の形態の行動識別装置１ｂの生成フェーズにおける動作を示すフローチャートである。生成フェーズにおいて、行動識別装置１ｂは、モード検知部５で検知されたモード毎に、ステップＳ３０１からステップＳ３０５までの処理を行う。まず、センサ値取得部１０が、センサ２からセンサ値を取得し、センサ値分布を求める（ステップＳ３０１）。次に、センサ値分布データベース４１ｂが、ステップＳ３０１で求められたセンサ値分布をモード毎に記憶する（ステップＳ３０２）。

次に、基本分布生成部３０ｂが、基本分布と成分割合とを推定する（ステップＳ３０３）。次に、基本分布生成部３０ｂが、ステップＳ３０３で推定された基本分布と成分割合とを評価する（ステップＳ３０４）。ステップＳ３０４において、基本分布生成部３０ｂは、成分割合が所定の評価基準を満たすか否かを判定することで、基本分布と成分割合とを評価する。成分割合が評価基準を満たさなかった場合、行動識別装置１ｂの動作はステップＳ３０５へと移行する。ステップＳ３０５では、基本分布生成部３０ｂは、ステップＳ３０３で用いる推定条件を変更する。ステップＳ３０５が終了すると、行動識別装置１ｂの動作はステップＳ３０３に戻る。行動識別装置１ｂは、ステップＳ３０１からステップＳ３０５までの処理をモード毎に行う。

一方、成分割合が評価基準を満たした場合、行動識別装置１ｂの動作はステップＳ３０６へと移行する。ステップＳ３０６では、成分統合部６１は、異なるモードで求められた基本分布を比較し、類似する基本分布を同一であるとみなして統合する。次に、ステップＳ３０７において、成分データベース４２が、基本分布の番号と対応付けて基本分布を記憶し、モード対応データベース４４が、各モードで使用される基本分布の情報を記憶する。この結果、成分データベース４２が、モード毎に基本分布を記憶するのと同等となるとともに、必要な記憶容量の削減も可能となる。また、ステップＳ３０７において、成分割合データベース４３ｂが、成分割合をセンサ値分布のデータ番号と対応付けて、モード毎に記憶する。次に、ステップＳ３０８において、成分割合データベース４３ｂは、センサ値分布のデータ番号と対応付けて、センサ値分布を求めた際の対象者の行動のラベルを記憶する。ステップＳ３０８の動作が終了すると、生成フェーズにおける行動識別装置１の動作は終了する。

次に、行動識別装置１ｂの識別フェーズにおける動作について述べる。図２３は、本実施の形態の行動識別装置１ｂの識別フェーズにおける動作を示すフローチャートである。識別フェーズにおいて、まず、センサ値取得部１０が、センサ２からセンサ値を取得し、センサ値分布を求める（ステップＳ４０１）。次に、成分選択部６２及び割合選択部６３は、モード検知部５で検知されたモードに対応する基本分布及び成分割合を選択する（ステップＳ４０２）。次に、割合算出部２１は、ステップＳ４０２で選択された基本分布を用いて、ステップＳ４０１で求められたセンサ値分布における成分割合を算出する（ステップＳ４０３）。

次に、識別部２２は、ステップＳ４０３で算出された成分割合の集合と、生成フェーズのステップＳ３０７で記憶された成分割合の集合のそれぞれとの類似度を算出する（ステップＳ４０４）。次に、識別部２２は、生成フェーズのステップＳ３０７で記憶された成分割合の集合のうち、類似度が最大となる成分割合の集合を選択する（ステップＳ４０５）。次に、識別部２２は、ステップＳ４０５で選択された成分割合に対応する行動のラベルを識別結果として出力する（ステップＳ４０６）。ステップＳ４０６が終了すると、識別フェーズにおける行動識別装置１ｂの動作は終了する。行動識別装置１ｂは、以上のように動作する。

本実施の形態の行動識別装置１ｂにおいては、対象者の行動に影響を与える「家にいる」「工場にいる」等のモードを検知し、モードのそれぞれに対して適切な基本分布の集合を選択して用いる。したがって、本実施の形態の行動識別装置１ｂにおいては、より精度の高い行動識別を実現することができる。また、対象者の行動のモードが異なる場合には、行動識別装置が識別すべき行動が異なる場合が多い。例えば、「家にいる」モードでは、対象者は「寝転ぶ」「テレビを見ている」などの行動をする可能性がある。一方、「工場にいる」モードでは、対象者が上記の行動をする可能性は低い。

本実施の形態の行動識別装置１ｂは、対象者のモード毎に、適切な行動のラベルのみを識別の候補とするので、より精度の高い行動識別を実現することができる。さらに、本実施の形態の行動識別装置１ｂは、異なるモードに対して求められた基本分布を比較し、類似する基本分布を統合するので、メモリを過剰に利用することを防ぐこともできる。また、本実施の形態の行動識別装置１ｂは、実施の形態１における行動識別装置１と同様の効果も有する。

実施の形態３．
実施の形態１における行動識別装置１は、１つのセンサで計測されたセンサ値を用いて、対象者の行動を識別する。センサとしては、例えば、対象者の腰に装着された３軸加速度センサが考えられる。この場合、センサは、対象者の体幹の動作に関わるセンサ値を計測することができる。行動識別装置１は、計測されたセンサ値を用いて、対象者の行動（例えば「静止している」、「歩いている」、「走っている」等）を識別する。しかしながら、例えば「階段を上っている」行動と「はしごを上っている」行動とでは、腰に装着した３軸加速度センサによって計測されるセンサ値には大きな違いが表れず、行動識別装置１における行動の識別精度が劣化する可能性が考えられる。

本実施の形態における行動識別装置は、例えば、対象者の腰に装着されたセンサに加えて、対象者の手首に装着されたセンサを用いて計測されたセンサ値に基づき、より精度の高い行動識別を実現するものである。すなわち、本実施の形態における行動識別装置は、複数のセンサで計測されるセンサ値を使用するものである。以下、実施の形態１における行動識別装置１との差異を中心に説明する。図２４は、本発明の実施の形態３における行動識別装置１ｃの構成の一例を示す図である。本実施の形態の行動識別装置１ｃは、動作識別部１００ａおよび１００ｂと、識別結果合成部７０と、合成ルールデータベース４５とを備える。なお、図１と同様に、図２４において、点線の矢印は、生成フェーズにおける各ブロックの関連を表し、実線の矢印は、識別フェーズにおける各ブロックの関連を表す。

図２５は、本実施の形態の行動識別装置１ｃにおいて、動作識別部１００ａおよび１００ｂの構成の一例を示す図である。動作識別部１００ａおよび１００ｂは、図１に示す実施の形態１における行動識別装置１とそれぞれ同様の構成となる。図１と同様に、図２５において、点線の矢印は、生成フェーズにおける各ブロックの関連を表し、実線の矢印は、識別フェーズにおける各ブロックの関連を表す。なお、動作識別部１００ａおよび１００ｂは、図１４に示す実施の形態２における行動識別装置１ｂと同様の構成とすることもできる。

図２４に示す通り、動作識別部１００ａは、センサ２ａに接続され、動作識別部１００ｂは、センサ２ｂに接続される。行動識別装置１ｃは、センサ２ａおよびセンサ２ｂによって計測されたセンサ値を用いて、対象者の行動を識別する。センサ２ａは、対象者の腰に装着されており、センサ２ｂは、対象者の手首に装着されている。また、センサ２ａ、センサ２ｂは、いずれも３軸加速度センサであり、３軸加速度値のノルムであるセンサ値を５０ミリ秒毎に出力する。センサ２ａは、対象者の体幹の行動に関する識別結果（例えば「上っている」、「下りている」等）に関わるセンサ値を計測できる。センサ２ｂは、対象者の手の行動（例えば「手を上げている」、「手を下している」、「手を振っている」等）に関わるセンサ値を計測できる。

動作識別部１００ａは、生成フェーズにおいて、センサ２ａによって計測されたセンサ値に対して、実施の形態１における行動識別装置１と同様の処理を実行する。この結果、動作識別部１００ａには、対象者の体幹の動作に対する基本分布が記憶される。次に、動作識別部１００ａは、識別フェーズにおいて、センサ２ａによって計測されたセンサ値に対して、実施の形態１における行動識別装置１と同様の処理を実行する。この結果、動作識別部１００ａは、対象者の体幹の動作に関する識別結果を出力する。

一方、動作識別部１００ｂは、生成フェーズにおいて、センサ２ｂによって計測されたセンサ値に対して、実施の形態１における行動識別装置１と同様の処理を実行する。この結果、動作識別部１００ｂには、対象者の手の動作に対する基本分布が記憶される。次に、動作識別部１００ｂは、識別フェーズにおいて、センサ２ｂによって計測されたセンサ値に対して、実施の形態１における行動識別装置１と同様の処理を実行する。この結果、動作識別部１００ｂは、対象者の手の動作に関する識別結果を出力する。

識別フェーズにおいて、識別結果合成部７０は、動作識別部１００ａから出力された体幹の動作に関する識別結果と、動作識別部１００ｂから出力された手の動作に関する識別結果とを合成して、対象者の行動を識別し、識別結果を出力する。また、合成ルールデータベース４５は、体幹の動作に関する識別結果と、手の動作に関する識別結果とを合成するためのルールを記憶している。図２６は、本実施の形態の行動識別装置１ｃにおいて、合成ルールデータベース４５のデータ構造を説明する図である。図２６に示すように、合成ルールデータベース４５に記憶されるデータは、行列形式で表現されている。識別結果合成部７０は、合成ルールデータベース４５を参照して、体幹の動作に関する識別結果と、手の動作に関する識別結果との組合せによって、対象者の全身の行動を識別する。

本実施の形態の行動識別装置１ｃは、以上のように動作する。本実施の形態の行動識別装置１ｃによれば、対象者の体幹の動作に関する識別結果と、対象者の手の動作に関する識別結果とを合成することで、対象者の全身の行動をより高い精度で識別することが可能となる。

実施の形態４．
本発明の実施の形態４は、加速度センサ、角速度センサ、心拍センサ等のセンサを用いて、人の行動に対応する生体指標を識別し、室内機または室外機の動作を制御することで、より快適性の高い制御を実現する空気調和機に関するものである。ここで、生体指標としては、運動強度指標、ストレス指標などがある。図２７は、本発明の実施の形態４における空気調和機２００の構成の一例を示す図である。図２７に示すように、空気調和機２００は、行動識別装置１ｄと、室内機７と、室外機８と、制御ルールデータベース４６ａと、制御情報出力部８０とを備える。また、空気調和機２００には、センサ２と、入力部４とが接続される。

なお、行動識別装置１ｄは、図１に示す実施の形態１における行動識別装置１とほぼ同一であり、成分割合データベース４３ｃのデータ構造のみが異なる。実施の形態１における行動識別装置１においては、成分割合データベース４３は、センサ値分布のそれぞれを計測した際の対象者の行動のラベルを成分割合と対応づけて記憶する。一方、本実施の形態における行動識別装置１ｄにおいては、成分割合データベース４３ｃは、センサ値分布のそれぞれを計測した際の対象者の生体指標を成分割合と対応づけて記憶する。詳細については後述する。

図２８は、本実施の形態における空気調和機２００の使用例を説明する図である。センサ２は、対象者に装着され、計測したセンサ値を無線で行動識別装置１ｄへと伝送する。行動識別装置１ｄは、室内機７に内蔵または搭載される。なお、制御ルールデータベース４６ａおよび制御情報出力部８０は、図２８に図示されていないが、制御ルールデータベース４６ａおよび制御情報出力部８０の搭載場所は、適宜選択することができる。例えば、制御ルールデータベース４６ａおよび制御情報出力部８０は、行動識別装置１ｄに内蔵されてもよいし、室内機７に内蔵されてもよい。

センサ２は、３軸加速度センサである。図２８に示すように、センサ２は、対象者４００の腰に装着され、対象者４００の行動に対して３軸加速度値ａｘ、ａｙ、ａｚを計測する。さらに、センサ２は、上記の式（１）によって３軸加速度値ａｘ、ａｙ、ａｚのノルム｜ａ｜を算出し、５０ミリ秒毎に出力する。なお、本実施の形態においては、センサ２として３軸加速度センサを対象者４００の腰に装着した場合について説明するが、これに限定されるものではない。センサ２は、対象の行動に対して発生する何らかの変化量をセンサ値として計測できるセンサであればよい。３軸加速度センサ以外であれば、センサ２としては、例えば、角速度センサ、位置センサ、気圧センサ、心拍センサ等を挙げることができる。

次に、実施の形態１における行動識別装置１との差異を中心に、本実施の形態における行動識別装置１ｄについて説明する。上述の通り、本実施の形態の行動識別装置１ｄにおいて、成分割合データベース４３ｃは、生成フェーズにおいてセンサ値分布を求めた際の対象者４００の行動に対応する生体指標を記憶する。図２９は、本実施の形態の空気調和機２００において、成分割合データベース４３ｃのデータ構造を説明する図である。成分割合データベース４３ｃは、成分割合の集合θ_dと生体指標とをセンサ値分布のデータ番号ｄと対応付けて記憶する。本実施の形態の空気調和機２００において、成分割合データベース４３ｃは、行動のラベルとして生体指標を使用している。

図２９に示す例では、成分割合データベース４３ｃは生体指標として、運動強度指標であるＭＥＴｓ（Ｍｅｔａｂｏｌｉｃ ｅｑｕｉｖａｌｅｎｔｓ）の値を記憶している。ＭＥＴｓは安静時（横になったり座って楽にしている状態）を基準の１．０ＭＥＴｓとして、何倍の代謝（エネルギー消費）であるかによって、運動強度を示したものである。例えば、散歩しているときの運動強度は約２．５ＭＥＴｓであるが、これは安静時の２．５倍の代謝（エネルギー消費）をしていることを示す。このほか、毎時８．０キロメートルでランニングしているときの運動強度は約８．０ＭＥＴｓ、ラジオ体操第1の運動強度は４．０ＭＥＴｓ等、様々な行動に対するＭＥＴｓの値が知られている。識別部２２は、割合算出部２１によって算出された成分割合の集合と、成分割合データベース４３ｃに記憶されたそれぞれの成分割合の集合との類似度を算出する。また、識別部２２は、成分割合データベース４３ｃに記憶された成分割合の集合のうち、最も高い類似度を示した成分割合の集合に対応する生体指標を識別結果として出力する。以上が、実施の形態１における行動識別装置１と、本実施の形態における行動識別装置１ｄとの差異である。

次に、制御ルールデータベース４６ａについて述べる。制御ルールデータベース４６ａは、行動識別装置１ｄから出力される生体指標に対応して、室内機７または室外機８を制御するためのルールを記憶する。図３０は、本実施の形態の空気調和機２００において、制御ルールデータベース４６ａのデータ構造を説明する図である。ここで、運動強度１．０ＭＥＴｓ未満の行動とは、例えば、安静時の横になって寝ている等の状態に相当する。この場合、対象者４００は寝ている可能性が高い。このため、制御ルールデータベース４６ａは、運動強度１．０ＭＥＴｓ未満に対応する制御ルールとして「風を直接当てない」を記憶する。また、運動強度８．０ＭＥＴｓ以上の行動とは、例えば、毎時８．０キロメートルでのランニング等の激しい運動に相当する。この場合、対象者４００は激しい運動をしている可能性が高い。このため、制御ルールデータベース４６ａは、運動強度８．０ＭＥＴｓ以上に対応する制御ルールとして「風を直接当てる」を記憶する。また、制御ルールデータベース４６ａは、運動強度１．０ＭＥＴｓ以上８．０ＭＥＴｓ未満に対応する制御ルールとして「通常と同様」を記憶する。

次に、制御情報出力部８０について述べる。制御情報出力部８０は、識別部２２から出力された生体指標を入力として、制御ルールデータベース４６ａを参照して、制御ルールを決定し、制御情報として室内機７または室外機８に出力する。例えば、図３０に示す制御ルールの例では、識別部２２によって運動強度３．０ＭＥＴｓと識別された場合、制御情報出力部８０は、制御ルールデータベース４６ａを参照して、制御ルール「通常と同様」を出力する。また、識別部２２によって運動強度９．０ＭＥＴｓと識別された場合、制御情報出力部８０は、制御ルールデータベース４６ａを参照して、制御ルール「風を直接当てる」を出力する。室内機７または室外機８は、制御情報出力部８０から出力された制御情報に従って動作する。本実施の形態の空気調和機２００は、以上のように動作する。

本実施の形態の空気調和機２００は、人の行動を識別し、識別した行動に対応する生体指標を出力する。したがって、例えば、激しい運動をしている人に対して風が直接当たるよう送風したり、寝ている人に対して風を直接当てないようにしたりする等、より快適性の高い空気調和機制御システムが実現できる。

なお、本実施の形態においては、一例として３軸加速度センサを腰に装着し、生体指標として運動強度指標であるＭＥＴｓを用いる場合について説明したが、本発明はこれに限定されるものではない。例えば、心拍／脈拍センサを胸部あるいは手首に装着したり、生体指標としてストレス指標であるＬＦ／ＨＦを用いたりすることによって、より快適性の高い空気調和機を実現することもできる。ＬＦ／ＨＦとは、心拍変動におけるＬｏｗ Ｆｒｅｑｕｅｎｃｙ（ＬＦ）成分とＨｉｇｈ Ｆｒｅｑｕｅｎｃｙ（ＨＦ）成分による自律神経機能のバランスを計測するストレス指標である。ＬＦ／ＨＦは、人がリラックス状態にあるとき小さくなり、人がストレス状態にあるとき大きくなる。このため、例えば、ＬＦ／ＨＦが大きいとき、空気調和機はゆらぎを加えた送風を行ったり、リラックス効果のある芳香剤を放ったりすることで、より快適性の高い制御を実現できる。

実施の形態５．
本発明の実施の形態５は、加速度センサ、角速度センサ、心拍センサ等のセンサを用いて、工場内のロボット周辺で作業する作業者の行動を識別し、識別結果に基づいてロボットの動作を制御するロボット制御装置に関するものである。本実施の形態のロボット制御装置は、対象者の行動として予め規定された安全行動と、予め規定された危険行動と、予め規定されない逸脱行動とを識別してロボットの動作を制御する。したがって、本実施の形態のロボット制御装置によれば、作業者の安全性がより高く、かつ、ロボットの不要な停止を回避できるロボットシステムを構築できる。

図３１は、本発明の実施の形態５におけるロボット制御装置３００の構成の一例を示す図である。図３１に示すように、ロボット制御装置３００は、行動識別装置１ｅと、制御ルールデータベース４６ｂと、制御情報出力部８０とを備える。また、ロボット制御装置３００には、センサ２と、入力部４と、ロボット９と、確認装置９０とが接続される。ロボット制御装置３００と、センサ２と、入力部４と、ロボット９と、確認装置９０とによって、ロボットシステムが構成される。なお、行動識別装置１ｅは、図１に示す実施の形態１における行動識別装置１とほぼ同一であり、確認装置９０が成分割合データベース４３ｄのデータを更新可能となっている点のみが異なる。詳細については後述する。

図３２は、本実施の形態におけるロボット制御装置３００の使用例を説明する図である。センサ２は、作業者４０１に装着され、計測したセンサ値を無線で行動識別装置１ｅへと伝送する。行動識別装置１ｅは、ロボット９に内蔵または搭載される。また、カメラ９１と、表示装置９２とによって、確認装置９０が構成される。カメラ９１は、ロボット９の周辺を撮影する。表示装置９２は、液晶表示装置等を備え、カメラ９１によって撮影された映像をリアルタイムで表示する。第三者４０２は、表示装置９２を用いて、ロボット９と作業者４０１とを確認できる。また、表示装置９２は、第三者４０２の操作によって、成分割合データベース４３ｄのデータを更新する機能も備える。なお、制御ルールデータベース４６ｂおよび制御情報出力部８０は、図３２に図示されていないが、制御ルールデータベース４６ｂおよび制御情報出力部８０の搭載場所は、適宜選択することができる。

本実施の形態において、センサ２は３軸加速度センサである。図３２に示すように、センサ２は、作業者４０１の腰に装着され、作業者４０１の行動に対して３軸加速度値ａｘ、ａｙ、ａｚを計測する。さらに、センサ２は、上記の式（１）によって３軸加速度値ａｘ、ａｙ、ａｚのノルム｜ａ｜を算出し、５０ミリ秒毎に出力する。なお、本実施の形態においては、センサ２として３軸加速度センサを作業者４０１の腰に装着した場合について説明するが、これに限定されるものではない。センサ２は、対象の行動に対して発生する何らかの変化量をセンサ値として計測できるセンサであればよい。３軸加速度センサ以外であれば、センサ２としては、例えば、角速度センサ、位置センサ、気圧センサ、心拍センサ等を挙げることができる。

次に、実施の形態１における行動識別装置１との差異を中心に、本実施の形態における行動識別装置１ｅについて説明する。センサ値分布データベース４１は、作業者４０１が安全行動を行った場合に計測されるセンサ値分布と、作業者４０１が危険行動を行った場合に計測されるセンサ値分布とを記憶する。ここで、安全行動とは、ロボット９の周辺において、作業者４０１が通常の工程作業として実施する行動を指す。また、危険行動とは、ロボット９の周辺において作業者４０１が実施した場合に、作業者４０１に対して明らかに危険が生じると予め確認された行動を指す。成分割合データベース４３ｄは、センサ値分布を計測した際の作業者４０１の行動のラベルとして「安全行動」あるいは「危険行動」を記憶する。図３３は、本実施の形態のロボット制御装置３００において、成分割合データベース４３ｄのデータ構造を説明する図である。

識別部２２は、割合算出部２１によって算出された成分割合の集合と、成分割合データベース４３ｄに記憶されたそれぞれの成分割合の集合との類似度を算出する。また、識別部２２は、成分割合データベース４３ｄに記憶された成分割合の集合のうち、最も高い類似度を示した成分割合の集合に対応する行動のラベルを識別結果として出力する。ただし、算出された最も高い類似度が予め定義された閾値未満だった場合には、識別部２２は、識別結果として「逸脱行動」を出力する。したがって、識別部２２は、識別結果として「安全行動」、「危険行動」、「逸脱行動」のいずれかを出力する。行動識別装置１ｅは、以上のように動作する。

次に、制御ルールデータベース４６ｂについて述べる。制御ルールデータベース４６ｂは、行動識別装置１ｅから出力される識別結果に対応して、ロボット９を制御するためのルールを記憶する。図３４は、本実施の形態のロボット制御装置において、制御ルールデータベース４６ｂのデータ構造を説明する図である。上述の通り、安全行動は、ロボット９の周辺において作業者４０１が通常の工程作業として実施する行動である。したがって、識別結果が「安全行動」の場合には、ロボット９の動作によって作業者４０１に危険が及ぶ可能性は低い。このため、制御ルールデータベース４６ｂは、「安全行動」に対応する制御ルールとして「通常動作」を記憶する。

一方、危険行動は、ロボット９の周辺において作業者４０１が実施した場合に、作業者４０１に対して明らかに危険が生じると予め確認された行動である。このため、制御ルールデータベース４６ｂは、「危険行動」に対応する制御ルールとして「緊急停止」を記憶する。また、識別結果が「逸脱行動」の場合には、安全行動または危険行動として予め分類されていない行動が行われた可能性が高い。この場合の作業者４０１の行動は、通常の工程作業として実施される行動とは異なり、作業者４０１に対して明らかに危険が生じると予め確認された行動でもない。このため、制御ルールデータベース４６ｂは、「逸脱行動に」対応する制御ルールとして「動作速度低下」および「確認を要請」を記憶する。

次に、制御情報出力部８０について述べる。制御情報出力部８０は、識別部２２によって識別された行動のラベルを入力として、制御ルールデータベース４６ｂを参照して、制御ルールを制御情報としてロボット９へと出力する。例えば、識別部２２によって「逸脱行動」が識別された場合、制御情報出力部８０は、制御ルール「運転速度低下」および「確認を要請」を出力する。ロボット９は、入力された制御情報に従って動作する。ロボット９は、制御情報として「確認を要請」が入力されると、無線あるいは有線による通信手段によって、作業者４０１およびロボット９の状況確認を要請する信号を確認装置９０に出力する。

次に、確認装置９０について述べる。確認装置９０は、カメラ９１と、表示装置９２とを備える。確認装置９０は、ロボット９より状況確認を要請する信号が入力されると、カメラ９１によってロボット９の周辺の映像を撮影し、表示装置９２にリアルタイムで表示する。これにより、ロボット９の周辺における作業者４０１の逸脱行動を第三者４０２が確認することができ、必要に応じて第三者４０２が対処できる。作業者４０１の逸脱行動が、作業者４０１に対して明らかに危険であると第三者４０２が確認した場合には、第三者４０２は、ロボット９を緊急停止することができる。あるいは、作業者４０１の逸脱行動が、作業者４０１に対して危険ではないと第三者４０２が確認した場合には、第三者４０２は、動作速度を低下して動作中のロボット９を通常動作に復帰させることができる。

さらに、作業者４０１の逸脱行動が、作業者４０１に対して明らかに危険であると第三者４０２が確認した場合には、確認装置９０は、割合算出部２１によって算出された成分割合の集合を「危険行動」のラベルと対応付けて、成分割合データベース４３ｄに追加する。また、作業者４０１の逸脱行動として識別された行動が、作業者４０１が通常の工程作業として実施する行動の誤検知であると第三者４０２が確認した場合には、確認装置９０は、割合算出部２１によって算出された成分割合の集合を「安全行動」のラベルと対応付けて、成分割合データベース４３ｄに追加する。

なお、本実施の形態においては、一例として３軸加速度センサを腰に装着する場合について説明したが、本発明はこれに限定されるものではない。心拍／脈拍センサを胸部あるいは手首に装着し、作業者４０１の生理的な異常を直接的に識別することで、より安全性の高いロボットシステムを実現することも可能となる。本実施の形態のロボット制御装置３００は、工場内のロボット９の周辺で作業をする作業者４０１の行動を識別し、識別結果に基づいてロボットの動作を制御するので、作業者の安全性を向上することが可能となる。例えば、作業者４０１の危険行動を識別した場合には、ロボット９を緊急停止することで、作業者４０１に危険が及ぶ可能性を低下させることが可能となる。また、作業者４０１の逸脱行動を識別した場合には、作業者４０１の危険性を第三者４０２が確認して対処することで、ロボットの不要な停止を回避するとともに、作業者４０１の安全性を向上することが可能となる。さらに、作業者４０１の逸脱行動を識別した場合には、識別結果と実際の作業者４０１の行動を確認し、データベースに追加記憶することで、識別性能を向上することが可能となる。

１、１ｂ、１ｃ、１ｄ、１ｅ 行動識別装置、２、２ａ、２ｂ センサ、３ 表示部、４ 入力部、５ モード検知部、７ 室内機、８ 室外機、９ ロボット、１０ センサ値取得部、２１ 割合算出部、２２ 識別部、３０、３０ｂ 基本分布生成部、３１ 分析部、３２ 評価部、４１、４１ｂ センサ値分布データベース、４２ 成分データベース、４３、４３ｂ、４３ｃ、４３ｄ 成分割合データベース、４４ モード対応データベース、４５ 合成ルールデータベース、４６ａ、４６ｂ 制御ルールデータベース、６１ 成分統合部、６２ 成分選択部、６３ 割合選択部、７０ 識別結果合成部、８０ 制御情報出力部、９０ 確認装置、９１ カメラ、９２ 表示装置、１００ａ、１００ｂ 動作識別部、２００ 空気調和機、３００ ロボット制御装置、４００ 対象者、４０１ 作業者、４０２ 第三者、１００１ 処理回路、１００２、１００５ メモリ、１００３ データバス、１００４ プロセッサ。

Claims (10)

1. 対象者の行動に対してセンサによって計測されたセンサ値を用いて、前記対象者の行動を識別する行動識別装置であって、
   前記センサ値を取得して所定時間内に計測された前記センサ値の分布であるセンサ値分布を求めるセンサ値取得部と、
   前記センサ値分布を構成する基本的な成分となる分布である基本分布の集合を記憶する成分データベースと、
   前記センサ値分布に含まれる前記基本分布のそれぞれの割合である第１の成分割合を算出する割合算出部と、
   識別したい行動に対応付けて決定された前記割合である第２の成分割合を記憶する成分割合データベースと、
   前記第１の成分割合と前記第２の成分割合とを比較して前記行動を識別する識別部と
   を備え、
   前記基本分布は、複数種類の前記行動のそれぞれに対して予め取得された前記センサ値分布の集合に基づいて、前記センサ値分布のそれぞれをベクトルと捉えた場合の基底となるセンサ値の分布として求められる
   ことを特徴とする行動識別装置。
2. 前記基本分布を求めて前記成分データベースに記憶する基本分布生成部を備えることを特徴とする請求項１に記載の行動識別装置。
3. 前記基本分布生成部は、予め取得された前記センサ値分布に含まれる前記基本分布のそれぞれの割合を求め、前記センサ値を取得した際の前記行動と対応付けて前記成分割合データベースに記憶することを特徴とする請求項２に記載の行動識別装置。
4. 前記基本分布生成部は、
   前記基本分布と、予め取得された前記センサ値分布に含まれる前記基本分布のそれぞれの割合とを推定する分析部と、
   前記分析部で推定された前記基本分布と前記割合とを評価し、所定の評価基準を満たす場合のみ前記基本分布を前記成分データベースに記憶する評価部と
   を備えることを特徴とする請求項２または請求項３に記載の行動識別装置。
5. 前記評価部は、予め取得された前記センサ値分布に含まれる前記基本分布の割合の平均値を前記基本分布毎に求め、求められた全ての前記平均値が所定の割合を越える場合に前記評価基準を満たすと判断することを特徴とする請求項４に記載の行動識別装置。
6. 対象者の行動のモードを検知するモード検知部を備え、
   前記基本分布生成部は、前記対象者の前記モード毎に取得された前記センサ値分布に基づき、前記モードのそれぞれに対する前記基本分布を求める
   ことを特徴とする請求項２から請求項５のいずれか１項に記載の行動識別装置。
7. 異なる前記モードにおいて求められた前記基本分布を比較し、類似する複数の前記基本分布を統合する成分統合部を備える
   ことを特徴とする請求項６に記載の行動識別装置。
8. 前記センサ値取得部と、前記成分データベースと、前記割合算出部と、前記成分割合データベースと、前記識別部とを有し、それぞれ異なる前記センサから前記センサ値を取得する複数の動作識別部を備え、
   前記複数の動作識別部でそれぞれ求められた複数の識別結果に基づいて行動を識別する識別結果合成部を備える
   ことを特徴とする請求項１から請求項７のいずれか１項に記載の行動識別装置。
9. 請求項１から請求項８のいずれか１項に記載の行動識別装置を備え、
   前記対象者の行動に対応する生体指標を識別して室外機または室内機の動作を制御する
   ことを特徴とする空気調和機。
10. 請求項１から請求項８のいずれか１項に記載の行動識別装置を備え、
    前記対象者の行動として予め規定された安全行動と、予め規定された危険行動と、予め規定されない逸脱行動とを識別し、識別結果に基づいてロボットの動作を制御する
    ことを特徴とするロボット制御装置。

Images