JP7147954B2 - 属性推定装置、属性推定方法、及びプログラム - Google Patents

Description

本発明は、属性を推定する属性推定装置、属性推定方法に関し、更には、これらを実現するためのプログラムに関する。

個人の属性を推定する技術を用いて、犯罪捜査、マーケティングなどを円滑に行う装置が知られている。例えば、個人の属性を推定する技術は、犯罪捜査において、犯行現場に残されていた証拠と個人の属性とをマッチングさせ、マッチングの結果に基づいて、被疑者を絞り込むために用いられている。

また、個人の属性を推定する技術は、マーケティングにおいて、商品と購入者の属性とをマッチングさせ、マッチングの結果に基づいて、顧客がどのような条件においてどんな商品を購入するのかを推定するためのモデル作成、効率的な商品開発、販売戦略を立案するために用いられる。

また、関連する技術として、特許文献１には、音声及び映像に基づいて、個人の属性（性別、年齢）を推定する装置が開示されている。その装置によれば、音声情報及び映像情報から抽出した特徴値を用いて性別、年齢を推定する。

特開２０１０－１５２８６６号公報

しかしながら、上述した特許文献１に開示された装置では、マイクロホンを用いて利用者の音声が入力されるため、環境音などノイズの影響を音声が受けやすい。そのため、個人の属性を推定する精度が低下する。

また、特許文献１に開示された装置では、利用者の音声に、利用者の表情が撮像された画像を組み合わせて個人の属性を推定しているが、画像は照明の影響などを受けやすいため、やはり個人の属性を推定する精度が低下する。

本発明の目的の一例は、反響音信号を用いて対象者の属性を推定する、属性推定装置、属性推定方法、及びプログラムを提供することにある。

上記目的を達成するため、本発明の一側面における属性推定装置は、
外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、生成部と、
前記音響特性情報を用いて属性を推定する、推定部と、
を有することを特徴とする。

また、上記目的を達成するため、本発明の一側面における属性推定方法は、
（ａ）外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、ステップと、
（ｂ）前記音響特性情報を用いて属性を推定する、ステップと、
を有することを特徴とする。

更に、上記目的を達成するため、本発明の一側面におけるプログラムは、
コンピュータに、
（ａ）外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、ステップと、
（ｂ）前記音響特性情報を用いて属性を推定する、ステップと、
を実行させることを特徴とする。

以上のように本発明によれば、反響音信号を用いて対象者の属性を推定できる。

図１は、属性推定装置の一例を示す図である。 図２は、属性推定装置を有するシステムの一例を示す図である。 図３は、共鳴周波数の一例を示す図である。 図４は、共鳴周波数情報のデータ構造の一例を示す図である。 図５は、学習モデルの説明をするための図である。 図６は、変形例における共鳴周波数情報のデータ構造の一例を示す図である。 図７は、変形例における学習モデルの説明をするための図である。 図８は、属性推定装置の動作の一例を示す図である。 図９は、属性推定装置を実現するコンピュータの一例を示す図である。

（実施の形態）
以下、本発明の実施の形態について、図１から図９を参照しながら説明する。

［装置構成］
最初に、図１を用いて、本実施の形態における属性推定装置１の構成について説明する。図１は、属性推定装置の一例を示す図である。

図１に示す属性推定装置１は、反響音信号を用いて対象者の属性を推定できる装置である。また、図１に示すように、属性推定装置１は、生成部２と、推定部３とを有する。

このうち、生成部２は、外耳道に出力された音響信号（第一の音響信号）と、当該音響信号が体内で反響した反響音信号（第二の音響信号）とを用いて、音響特性を表す音響特性情報を生成する。推定部３は、音響特性情報を用いて属性を推定する。

このように、本実施の形態においては、対象となる利用者の外耳道に出力された音響信号ｘ（ｔ）と、体内の器官の状態が反映された反響音信号ｙ（ｔ）とを用いて、インパルス応答ｈ（ｔ）又は伝達関数Ｈ（ω）又はＨ（ｚ）などの音響特性情報を用いて生成する。そのため、音響特性情報から体内の器官の状態を推定できるので、対象者の性別、年齢、身長、体重、体格（体型、骨格の形状、骨格の寸法）などの属性を精度よく推定することができる。

［システム構成］
続いて、図２を用いて、本実施の形態における属性推定装置１の構成をより具体的に説明する。図２は、属性推定装置を有するシステムの一例を示す図である。

図２に示すように、本実施の形態におけるシステムは、属性推定装置１に加え、耳装着装置２０、出力装置３０を有する。また、属性推定装置１は、生成部２と、推定部３に加え、検査電気信号生成部１１、反響電気信号取得部１２、出力情報生成部１３を有する。更に、推定部３は、算出部１４、属性推定部１５を有する。耳装着装置２０は、検査音信号再生部２１、反響音信号録音部２２を有する。

耳装着装置２０は、外耳道に音響信号を出力するための検査音信号再生部２１と、外耳道において反響音信号を入力（計測）する反響音信号録音部２２とを有している。具体的には、耳装着装置２０は、図２の外耳の断面図（耳介、外耳道、鼓膜を示す図）に示すように、外耳道に装着して用いる装置である。耳装着装置２０としては、例えば、マイクロホン付のイヤホンなどが考えられる。

なお、耳装着装置２０の構成は、図２に示した構成に限定されるものではなく、音響信号に対する反響音信号を計測できる構成であればよい。

検査音信号再生部２１（音響信号出力部）は、検査電気信号生成部１１で生成された音響信号に対応する電気信号を受信すると、受信した電気信号に基づいて音響信号を生成し、生成した音響信号を外耳道に出力する。なお、検査音信号再生部２１は、例えば、スピーカなどが考えられる。

反響音信号録音部２２（音響信号入力部）は、検査電気信号生成部１１から出力された音響信号に対する反響音信号を入力すると、反響音信号を、電気信号に変換して反響電気信号取得部１２へ送信する。なお、反響音信号録音部２２は、例えば、マイクロホンなどが考えられる。

出力装置３０は、出力情報生成部１３により、出力可能な形式に変換された、後述する出力情報を取得し、その出力情報に基づいて、生成した画像及び音声などを出力する。出力装置３０は、例えば、液晶、有機ＥＬ（Electro Luminescence）、ＣＲＴ（Cathode Ray Tube）を用いた画像表示装置などである。更に、画像表示装置は、スピーカなどの音声出力装置などを備えていてもよい。なお、出力装置３０は、プリンタなどの印刷装置でもよい。

検査電気信号生成部１１は、音響信号を出力するために用いる電気信号を生成し、検査音信号再生部２１へ送信する。具体的には、検査電気信号生成部１１は、音響信号に対応する電気信号として、Ｍ系列信号（Maximal Length Sequence）、ＴＳＰ（Time Stretched Pulse）信号、Ｌｏｇ－ＴＳＰ信号などを生成する。また、検査電気信号生成部１１は、音響信号に対応する電気信号を生成部２へ送信する。

なお、音響信号には、スイープ信号、音楽、ガイド音声などを含めてもよい。また、音響信号で用いる周波数は、対象とする器官に応じて設定する。例えば、声道・気道などを対象とする場合には、音響信号の周波数帯は１００［Ｈｚ］から４ｋ［Ｈｚ］とすることが望ましい。ただし、この周波数帯に限定されるものではない。

ここで、声道（構音器官）とは、例えば、声の通る道で、声帯より発せられた音が、体外に放出されるまでの間に通過してくる、体内の空洞である。気道（発生器官）は、例えば、呼吸音の通る道で、外呼吸に関与し、上気道（鼻腔、咽頭、喉頭など）と下気道（気管、主気管支、肺など）から構成される

反響電気信号取得部１２は、反響音信号に対応する電気信号を反響音信号録音部２２から受信し、受信した電気信号を調整して、生成部２へ送信する。具体的には、反響電気信号取得部１２は、受信した電気信号をフィルタ、増幅器などを有する回路を用いて調整をし、調整した電気信号を生成部２へ送信する。

生成部２は、音響信号ｘ（ｔ）に対応する電気信号と、反響音信号ｙ（ｔ）に対応する電気信号とを用いて、音響特性を表す音響特性情報を生成する。音響特性としては、例えば、インパルス応答ｈ（ｔ）、又はインパルス応答をフーリエ変換又はラプラス変換した伝達関数Ｈ（ω）又はＨ（ｚ）などを用いる。

具体的には、生成部２は、まず、検査電気信号生成部１１から音響信号ｘ（ｔ）に対応する電気信号を受信する。また、生成部２は、反響電気信号取得部１２から反響音信号ｙ（ｔ）に対応する電気信号を受信する。続いて、生成部２は、受信した音響信号ｘ（ｔ）と反響音信号ｙ（ｔ）とに対応する電気信号それぞれに基づいて、音響特性情報（インパルス応答ｈ（ｔ）又は伝達関数Ｈ（ω）又はＨ（ｚ）など）を生成する。

続いて、生成部２は、音響特性情報を不図示の記憶部に記憶する。なお、記憶部は、属性推定装置１の内部に設けてもよいし、外部に設けてもよい。

反響音信号ｙ（ｔ）には、対象者の器官の状態に応じた変化（反射率・減衰率などの変化）が反映されているので、インパルス応答ｈ（ｔ）又は伝達関数Ｈ（ω）又はＨ（ｚ）などの音響特性情報を生成することで、体内の器官の状態に関連する情報を抽出できる。なお、反射率は、入力に対して反射した割合であり、減衰率は、単位時間もしくは単位周期に減衰する割合である。

なお、反響音信号には、例えば、頭部から肺にかけての空間（外耳道及び声道・気道）から戻ってきた音響信号が含まれる。

推定部３は、音響特性情報を用いて、外耳道の形状、声道の形状、気道の形状を推定し、推定した外耳道の形状、声道の形状、気道の形状を用いて属性を推定する。属性は、例えば、性別、年齢、身長、体重、体格などである。

具体的には、推定部３は、音響特性情報を用いて、外耳道、声道、気道それぞれについて共鳴周波数を表す共鳴周波数情報を算出し、算出した共鳴周波数情報を用いて、外耳道の形状、声道の形状、気道の形状を推定する。

更に、推定部３は、共鳴周波数情報それぞれについて減衰係数を算出し、共鳴周波数情報と減衰係数とを用いて、外耳道の形状、声道の形状、気道の形状を推定してもよい。

推定部３（算出部１４、属性推定部１５）について具体的に説明する。
算出部１４は、音響特性情報を用いて、器官の種類ごとに、共鳴周波数（周波数特性におけるピーク値をとる周波数）を表す情報を有する共鳴周波数情報を算出する。

図３は、共鳴周波数の一例を示す図である。図３は、共鳴周波数情報に含まれる共鳴周波数ｆ１、ｆ２、ｆ３を示している。

共鳴周波数の算出について説明する。
算出部１４は、まず、生成部２から音響特性情報を取得する。続いて、算出部１４は、音響特性を用いて、外耳道、声道、気道に関する共鳴周波数を算出する。算出部１４は、例えば、線形予測符号化（ＬＰＣ：Linear Predictive Coding）などを採用して、共鳴周波数を算出する。その後、算出部１４は、共鳴周波数を表す共鳴周波数情報を生成して、生成した共鳴周波数情報を記憶部に記憶する。なお、共鳴周波数の算出方法は、線形予測符号化に限定されず、共鳴周波数が算出できる方法であればよい。

図４は、共鳴周波数情報のデータ構造の一例を示す図である。図４の共鳴周波数情報４１は、算出部１４が算出した、外耳道に対応する共鳴周波数ｆ１、声道に対応する共鳴周波数ｆ２、気道に対応する共鳴周波数ｆ３を有する。

例えば、外耳道の長さが約２．８［ｃｍ］、声道の長さが約８．５［ｃｍ］、気道の長さが約１７．０［ｃｍ］、音速を３４０［ｍ／ｓｅｃ］である場合、共鳴周波数ｆ１は６ｋ［Ｈｚ］付近に現れ、共鳴周波数ｆ２は１ｋ［Ｈｚ］付近に現れ、共鳴周波数ｆ３は５００［Ｈｚ］付近に現れる。

その理由は、気柱管共鳴モデルにおいて、共鳴周波数は、短い管ほど高い周波数となり、長い間ほど低い周波数となるからである。

属性推定部１５は、算出した共鳴周波数情報を用いて、属性を推定する。具体的には、属性推定部１５は、まず、生成した共鳴周波数情報を取得する。続いて、属性推定部１５は、取得した共鳴周波数情報（器官ごとの共鳴周波数ｆ１からｆ３）を入力とし、属性を推定する学習モデルを用いて、例えば、性別、年齢、身長、体重、体格などの属性を推定する。その後、属性推定部１５は、推定した属性を表す情報を出力情報生成部１３に送信する。

図５は、学習モデルの説明をするための図である。図５に示すように、属性推定部１５に、外耳道に対応する共鳴周波数ｆ１、声道に対応する共鳴周波数ｆ２、気道に対応する共鳴周波数ｆ３を学習モデルに入力して、推定結果である属性を得る。

学習モデルは、例えば、識別問題として属性を推定する場合には、ＳＶＭ（Support Vector Machine）を用い、回帰問題として属性を推定する場合には、ＳＶＲ（Support Vector Regression）を用いることが考えられる。

更に、ＳＶＭを用いた学習モデルは、性別（男女）、年代（１０代未満、１０代、２０代など）などの判定に好適である。また、ＳＶＲを用いた学習モデルは、年齢、身長、体重、体格などの判定に好適である。ただし、学習モデルは、ＳＶＭ、ＳＶＲに限定されるものではない。

なお、学習モデルは、学習フェーズにおいて、教師ありデータを用いて、あらかじめ学習をして生成する。

出力情報生成部１３は、属性推定部１５から属性を表す情報を取得すると、当該情報に基づいて出力情報を生成して、出力情報を出力装置３０へ送信する。出力装置３０は、出力情報に基づいて、対象者の属性を出力する。

［変形例］
変形例について説明する。変形例では、共鳴周波数と、共鳴周波数に対応する減衰係数とを用いて属性を推定する。そうすることで、更に、推定できる属性を増やすことができる。

例えば、減衰係数が大きい場合には、対象者は痩せている可能性が高いことが知られている。その理由は、減衰係数が大きい場合、減衰は遅くなるので、音響信号が硬い面で反射していると推定される。すなわち、対象者は脂肪、筋肉に比べ骨の割合が多いということになるので、痩せている可能性が高いと推定できる。

変形例における算出部１４について説明する。
算出部１４は、音響特性情報を用いて、器官の種類ごとに、共鳴周波数と減衰係数とを含む共鳴周波数情報を算出する。具体的には、算出部１４は、共鳴周波数と、共鳴周波数それぞれに対応する減衰係数とを算出する。減衰係数としては、例えば、減衰比（ダンピングファクタ）、対数減衰率、損失係数、Ｑ値などを算出して用いることが考えられる。

図６は、変形例における共鳴周波数情報のデータ構造の一例を示す図である。図６の共鳴周波数情報には、共鳴周波数ｆ１、ｆ２、ｆ３それぞれに、減衰係数を表す情報Ｄ１、Ｄ２、Ｄ３が関連付けられている。

変形例における属性推定部１５について説明する。
属性推定部１５は、算出した減衰係数を有する共鳴周波数情報を用いて、属性を推定する。具体的には、属性推定部１５は、まず、生成した減衰係数を有する共鳴周波数情報を取得する。

続いて、属性推定部１５は、図６に示すような共鳴周波数情報を入力とし、属性を推定する学習モデルを用いて、例えば、性別、年齢、身長、体重、体格などの属性を推定する。その後、属性推定部１５は、推定した属性を表す情報を出力情報生成部１３に送信する。

図７は、学習モデルの説明をするための図である。図７に示すように、属性推定部１５に、外耳道に対応する共鳴周波数ｆ１、減衰係数Ｄ１と、声道に対応する共鳴周波数ｆ２、減衰係数Ｄ２と、気道に対応する共鳴周波数ｆ３、減衰係数Ｄ３とを学習モデルに入力して、推定結果である属性を得る。

［装置動作］
次に、本発明の実施の形態における属性推定装置の動作について図８を用いて説明する。図８は、属性推定装置の動作の一例を示す図である。以下の説明においては、適宜図２から図７を参照する。また、本実施の形態では、属性推定装置を動作させることによって、属性推定方法が実施される。よって、本実施の形態における属性推定方法の説明は、以下の属性推定装置の動作説明に代える。

図８に示すように、最初に、検査音信号再生部２１は、検査電気信号生成部１１で生成された音響信号に対応する電気信号を受信すると、受信した電気信号に基づいて音響信号を生成し、生成した音響信号を外耳道に出力する（ステップＡ１）。

続いて、反響音信号録音部２２は、検査電気信号生成部１１から出力された音響信号に対する反響音信号を入力（計測）する（ステップＡ２）。その後、反響音信号録音部２２は、受信した反響音信号を、電気信号に変換して反響電気信号取得部１２へ送信する。

続いて、生成部２は、音響信号ｘ（ｔ）に対応する電気信号と、反響音信号ｙ（ｔ）に対応する電気信号とを用いて、音響特性を表す音響特性情報を生成する（ステップＡ３）。音響特性としては、例えば、インパルス応答ｈ（ｔ）、又はインパルス応答をフーリエ変換又はラプラス変換した伝達関数Ｈ（ω）又はＨ（ｚ）などを用いる。

具体的には、ステップＡ３において、生成部２は、まず、検査電気信号生成部１１から音響信号ｘ（ｔ）に対応する電気信号を受信する。また、生成部２は、反響電気信号取得部１２から反響音信号ｙ（ｔ）に対応する電気信号を受信する。

続いて、ステップＡ３において、生成部２は、受信した音響信号ｘ（ｔ）と反響音信号ｙ（ｔ）とに対応する電気信号それぞれに基づいて、音響特性情報（インパルス応答ｈ（ｔ）又は伝達関数Ｈ（ω）又はＨ（ｚ）など）を生成する。そして、ステップＡ３において、生成部２は、音響特性情報を不図示の記憶部に記憶する。

続いて、算出部１４は、音響特性情報を用いて、器官の種類ごとに、共鳴周波数を表す共鳴周波数情報を算出する（ステップＡ４）。

ステップＡ４における共鳴周波数の算出について説明する。
ステップＡ４において、算出部１４は、まず、生成部２から音響特性情報を取得する。続いて、算出部１４は、音響特性を用いてスペクトル分析をして、対象者に関する共鳴周波数を算出する。算出部１４は、例えば、線形予測符号化（ＬＰＣ：Linear Predictive Coding）などを採用して、共鳴周波数を算出する。その後、ステップＡ４において、算出部１４は、共鳴周波数を表す共鳴周波数情報を生成して、生成した共鳴周波数情報を記憶部に記憶する。なお、共鳴周波数の算出方法は、線形予測符号化に限定されず、共鳴周波数が算出できる方法であればよい。

続いて、属性推定部１５は、算出した共鳴周波数情報を用いて、属性を推定する（ステップＡ５）。具体的には、ステップＡ５において、属性推定部１５は、まず、生成した共鳴周波数情報を取得する。

続いて、ステップＡ５において、属性推定部１５は、取得した共鳴周波数情報（器官ごとの共鳴周波数ｆ１からｆ３）を入力とし、属性を識別する学習モデルを用いて、例えば、性別、年齢、身長、体重、体格などの属性を推定する。

その後、ステップＡ５において、属性推定部１５は、推定した属性を表す情報を出力情報生成部１３に送信する。

続いて、出力情報生成部１３は、属性推定部１５から属性を表す情報を取得すると、当該情報に基づいて出力情報を生成する（ステップＡ６）。そして、出力情報生成部１３は、出力情報を出力装置３０へ送信する。続いて、出力装置３０は、出力情報に基づいて、対象者の属性を出力する（ステップＡ７）。

［変形例］
変形例の動作について説明する。変形例では、共鳴周波数と、共鳴周波数に対応する減衰係数とを用いて属性を推定する。そうすることで、更に、推定できる属性を増やすことができる。

変形例における算出部１４について説明する。
ステップＡ４において、算出部１４は、音響特性情報を用いて、器官の種類ごとに、共鳴周波数と減衰係数とを含む共鳴周波数情報を算出する。具体的には、ステップＡ４において、算出部１４は、共鳴周波数と、共鳴周波数それぞれに対応する減衰係数とを算出する。減衰係数としては、例えば、減衰比（ダンピングファクタ）、対数減衰率、損失係数、Ｑ値などを算出して用いることが考えられる。

変形例における属性推定部１５について説明する。
ステップＡ５において、属性推定部１５は、算出した減衰係数を有する共鳴周波数情報を用いて、属性を推定する。具体的には、ステップＡ５において、属性推定部１５は、まず、生成した減衰係数を有する共鳴周波数情報を取得する。

続いて、ステップＡ５において、属性推定部１５は、図６に示すような共鳴周波数情報を入力とし、属性を識別する学習モデルを用いて、例えば、性別、年齢、身長、体重、体格などの属性を推定する。その後、ステップＡ５において、属性推定部１５は、推定した属性を表す情報を出力情報生成部１３に送信する。

［本実施の形態の効果］
以上のように本実施の形態によれば、対象となる利用者の外耳道に出力された音響信号ｘ（ｔ）と、体内の器官の状態が反映された反響音信号ｙ（ｔ）とを用いて、インパルス応答ｈ（ｔ）又は伝達関数Ｈ（ｚ）などの音響特性情報を用いて生成する。そのため、音響特性情報から体内の器官の状態を推定できるので、対象者の性別、年齢、身長、体重、体格などの属性を推定できる。

また、本実施の形態を用いることにより対象者の属性が推定できるため、犯罪捜査、マーケティングなどの分野において有用である。

［プログラム］
本発明の実施の形態におけるプログラムは、コンピュータに、図８に示すステップＡ１からＡ８を実行させるプログラムであればよい。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属性推定装置と属性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、生成部２、推定部３（算出部１４、属性推定部１５）、出力情報生成部１３として機能し、処理を行なう。

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よい。この場合は、例えば、各コンピュータが、それぞれ、生成部２、推定部３（算出部１４、属性推定部１５）、出力情報生成部１３のいずれかとして機能してもよい。

［物理構成］
ここで、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、属性推定装置を実現するコンピュータについて図９を用いて説明する。図９は、本発明の実施の形態における属性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。

図９に示すように、コンピュータ１１０は、ＣＰＵ１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。なお、コンピュータ１１０は、ＣＰＵ１１１に加えて、又はＣＰＵ１１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えていてもよい。

ＣＰＵ１１１は、記憶装置１１３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１１２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１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）など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１２０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１１７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よい。

また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリなどの半導体記憶装置があげられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。

データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。

また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）など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）などの磁気記録媒体、又はＣＤ－ＲＯＭ（Compact Disk Read Only Memory）などの光学記録媒体があげられる。

なお、本実施の形態における属性推定装置１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、属性推定装置１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。

［付記］
以上の実施の形態に関し、更に以下の付記を開示する。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）から（付記１６）により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。

（付記１）
外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、生成部と、
前記音響特性情報を用いて属性を推定する、推定部と、
を有することを特徴とする属性推定装置。

（付記２）
付記１に記載の属性推定装置であって、
前記推定部は、前記音響特性情報を用いて、前記外耳道の形状、声道の形状、気道の形状を推定し、推定した前記外耳道の形状、前記声道の形状、前記気道の形状を用いて前記属性を推定する
ことを特徴とする属性推定装置。

（付記３）
付記２に記載の属性推定装置であって、
前記推定部は、前記音響特性情報を用いて、前記外耳道、前記声道、前記気道それぞれについて共鳴周波数を表す共鳴周波数情報を算出し、算出した前記共鳴周波数情報を用いて、前記外耳道の形状、前記声道の形状、前記気道の形状を推定する
ることを特徴とする属性推定装置。

（付記４）
付記３に記載の属性推定装置であって、
前記推定部は、前記共鳴周波数情報それぞれについて減衰係数を算出し、前記共鳴周波数情報と前記減衰係数とを用いて、前記外耳道の形状、前記声道の形状、前記気道の形状を推定する
ことを特徴とする属性推定装置。

（付記５）
付記１から４のいずれか一つに記載の属性推定装置であって、
前記属性は、少なくとも性別、年齢、身長、体重、体格のいずれか一つ以上である
ことを特徴とする属性推定装置。

（付記６）
付記１から５のいずれか一つに記載の属性推定装置であって、
前記外耳道に前記第一の音響信号を出力する、音響信号出力部と、
前記第二の音響信号を入力する、音響信号入力部と、
を有することを特徴とする属性推定装置。

（付記７）
（ａ）外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、ステップと、
（ｂ）前記音響特性情報を用いて属性を推定する、ステップと、
を有することを特徴とする属性推定方法。

（付記８）
付記７に記載の属性推定方法であって、
前記（ｂ）のステップにおいて、前記音響特性情報を用いて、前記外耳道の形状、声道の形状、気道の形状を推定し、推定した前記外耳道の形状、前記声道の形状、前記気道の形状を用いて前記属性を推定する
ことを特徴とする属性推定方法。

（付記９）
付記８に記載の属性推定方法であって、
前記（ｂ）のステップにおいて、前記音響特性情報を用いて、前記外耳道、前記声道、前記気道それぞれについて共鳴周波数を表す共鳴周波数情報を算出し、算出した前記共鳴周波数情報を用いて、前記外耳道の形状、前記声道の形状、前記気道の形状を推定する
ることを特徴とする属性推定方法。

（付記１０）
付記９に記載の属性推定方法であって、
前記（ｂ）のステップにおいて、前記共鳴周波数情報それぞれについて減衰係数を算出し、前記共鳴周波数情報と前記減衰係数とを用いて、前記外耳道の形状、前記声道の形状、前記気道の形状を推定する
ことを特徴とする属性推定方法。

（付記１１）
付記７から１０のいずれか一つに記載の属性推定方法であって、
前記属性は、少なくとも性別、年齢、身長、体重、体格のいずれか一つ以上である
ことを特徴とする属性推定方法。

（付記１２）
コンピュータに、
（ａ）外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、ステップと、
（ｂ）前記音響特性情報を用いて属性を推定する、ステップと、
を実行させる命令を含むプログラム。

（付記１３）
付記１２に記載のプログラムであって、
前記（ｂ）のステップにおいて、前記音響特性情報を用いて、前記外耳道の形状、声道の形状、気道の形状を推定し、推定した前記外耳道の形状、前記声道の形状、前記気道の形状を用いて前記属性を推定する
ことを特徴とするプログラム。

（付記１４）
付記１３に記載のプログラムであって、
前記（ｂ）のステップにおいて、前記音響特性情報を用いて、前記外耳道、前記声道、前記気道それぞれについて共鳴周波数を表す共鳴周波数情報を算出し、算出した前記共鳴周波数情報を用いて、前記外耳道の形状、前記声道の形状、前記気道の形状を推定する
ことを特徴とするプログラム。

（付記１５）
付記１４に記載のプログラムであって、
前記（ｂ）のステップにおいて、前記共鳴周波数情報それぞれについて減衰係数を算出し、前記共鳴周波数情報と前記減衰係数とを用いて、前記外耳道の形状、前記声道の形状、前記気道の形状を推定する
ことを特徴とするプログラム。

（付記１６）
付記１２から１５のいずれか一つに記載のプログラムであって、
前記属性は、少なくとも性別、年齢、身長、体重、体格のいずれか一つ以上である
ことを特徴とするプログラム。

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。

以上のように本発明によれば、反響音信号を用いて対象者の属性を推定できる。本発明は、犯罪捜査、マーケティングなどの分野において有用である。

１ 属性推定装置
２ 生成部
３ 推定部
１１ 検査電気信号生成部
１２ 反響電気信号取得部
１３ 出力情報生成部
１４ 算出部
１５ 属性推定部
２０ 耳装着装置
２１ 検査音信号再生部
２２ 反響音信号録音部
３０ 出力装置
４１、６１ 共鳴周波数情報
１１０ コンピュータ
１１１ ＣＰＵ
１１２ メインメモリ
１１３ 記憶装置
１１４ 入力インターフェイス
１１５ 表示コントローラ
１１６ データリーダ／ライタ
１１７ 通信インターフェイス
１１８ 入力機器
１１９ ディスプレイ装置
１２０ 記録媒体
１２１ バス

Claims (7)

1. 外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、生成手段と、
   前記音響特性情報を用いて、前記外耳道の形状、声道の形状、気道の形状を推定し、推定した前記外耳道の形状、前記声道の形状、前記気道の形状を用いて属性を推定する、属性を推定する、推定手段と、
   を有することを特徴とする属性推定装置。
2. 請求項１に記載の属性推定装置であって、
   前記推定手段は、前記音響特性情報を用いて、前記外耳道、前記声道、前記気道それぞれについて共鳴周波数を表す共鳴周波数情報を算出し、算出した前記共鳴周波数情報を用いて、前記外耳道の形状、前記声道の形状、前記気道の形状を推定する
   ことを特徴とする属性推定装置。
3. 請求項２に記載の属性推定装置であって、
   前記推定手段は、前記共鳴周波数情報それぞれについて減衰係数を算出し、前記共鳴周波数情報と前記減衰係数とを用いて、前記外耳道の形状、前記声道の形状、前記気道の形状を推定する
   ことを特徴とする属性推定装置。
4. 請求項１に記載の属性推定装置であって、
   前記属性は、少なくとも性別、年齢、身長、体重、体格のいずれか一つ以上である ことを特徴とする属性推定装置。
5. 請求項１に記載の属性推定装置であって、
   前記外耳道に前記第一の音響信号を出力する、音響信号出力手段と、
   前記第二の音響信号を入力する、音響信号入力手段と、
   を有することを特徴とする属性推定装置。
6. （ａ）外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、ステップと、
   （ｂ）前記音響特性情報を用いて、前記外耳道の形状、声道の形状、気道の形状を推定し、推定した前記外耳道の形状、前記声道の形状、前記気道の形状を用いて属性を推定する、ステップと、
   を有することを特徴とする属性推定方法。
7. コンピュータに、
   （ａ）外耳道に出力された第一の音響信号と、前記第一の音響信号が体内で反響した第二の音響信号とを用いて、音響特性を表す音響特性情報を生成する、ステップと、
   （ｂ）前記音響特性情報を用いて、前記外耳道の形状、声道の形状、気道の形状を推定し、推定した前記外耳道の形状、前記声道の形状、前記気道の形状を用いて属性を推定する、ステップと、
   を実行させる命令を含むプログラム。
   

Images