JP2020536616A - パーソナルケア装置のユーザを特徴付ける方法及びシステム - Google Patents

Abstract

センサ２８、コントローラ３０及びデータベース３４を有するパーソナルケア装置１０のユーザの特性を識別するための方法であって、該方法は、トレーニングデータを用いて前記パーソナルケア装置をトレーニングするステップ３２０を有し、該ステップは、（ｉ）少なくとも２人の異なるユーザのそれぞれについて、少なくとも１つのパーソナルケアセッションについてのセンサデータを取得するステップ３２２と、（ii）抽出モジュールを介して、前記パーソナルケアセッションのそれぞれから複数の特徴を抽出するステップ３２４と、（iii）該抽出された特徴を用いて、該装置の少なくとも２人のユーザのそれぞれの特性を識別するための分類部をトレーニングするステップ３２８と、を有し、該方法は更に、新たなパーソナルケアセッションの少なくとも一部についてのセンサデータを取得するステップ３３０と、該新たなパーソナルケアセッションについての前記センサデータから複数の特徴を抽出するステップ３４０と、該トレーニングされた分類部を用いて、該装置のユーザの特性を識別するステップ３６０と、を有する方法。

Description

本発明は一般的に、パーソナルケア装置のユーザを識別する又は特徴付けるための方法及びシステムに関する。

パーソナルケア装置の適切な利用及び動作を促進するため、幾つかの装置は、ユーザの動作特性及び挙動についての関連情報を測定し、それを用いてユーザにフィードバックを提供する、１つ以上のセンサを含む。該フィードバックは、リアルタイムに、又は動作セッションの終了の後に、ユーザに提供され得る。しかしながら、幾つかの機器については、複数のユーザが１つの装置を共有し、ユーザの身体に接触する構成要素を交換することが一般的である。この状況においては、システムは、適切なユーザにパーソナライズされたフィードバックを提供するために、特定のユーザプロファイルに、各利用セッションを合致させることが可能である必要がある。リアルタイムのフィードバックの場合には、ユーザは動作セッションの間にスマートフォンにアクセスし、全てのユーザが典型的には個別のユーザアカウントを持つため、アプリによって識別されることができる。セッション後のフィードバックのような幾つかの使用状況については、システムはユーザを識別するための外部装置に依存することができず、ユーザが誰であるかを知ることができない場合がある。実際に、現在は、ユーザにより提供される外部情報がなければ、装置のユーザを識別することができない。その結果、適切なユーザにパーソナライズされた使用セッションフィードバックを提供することが不可能となり得る。

従って、本分野においては、ユーザの外部識別子を必要とすることなく、パーソナルケア装置のユーザ及び／又はユーザの特性を正確に識別する方法及びシステムに対する、継続的なニーズが存在する。

本発明は、パーソナルケア装置のユーザを識別する又は特徴付けるための方法及びシステムに関する。例えば、パーソナルケア装置に適用される場合、本発明の方法及びシステムは、ユーザの識別を可能とし、従って識別されたユーザに対してパーソナライズされたフィードバックを実現する。該システムは、パーソナルケア装置の２人以上のユーザについて複数のパーソナルケアセッションについてのセンサデータを取得し、該装置の２人以上のユーザのそれぞれの１つ以上の特性を識別するため分類部をトレーニングするため、該パーソナルケアセッションのそれぞれから特徴を抽出する。装置がトレーニングされると、該システムは、新たなパーソナルケアセッションについてセンサデータを取得し、該新たなパーソナルケアセッションから特徴を抽出し、該分類部を用いてユーザ又はユーザの特性を識別する。ユーザが識別されると該装置は、数あるなかでも、該情報を用いて該パーソナルケア装置のパラメータを変更し、ユーザにフィードバックを提供し、又は該装置のトレーニングを継続する。

一般的には、一態様において、センサ、コントローラ及びデータベースを有するパーソナルケア装置のユーザの特性を識別するための方法が提供される。前記方法は、（ｉ）トレーニングデータを用いて前記パーソナルケア装置をトレーニングするステップを含み、該ステップは、前記センサを介して、前記パーソナルケア装置の少なくとも２人の異なるユーザのそれぞれについて、少なくとも１つのパーソナルケアセッションについてのセンサデータを取得するステップと、プロセッサの抽出モジュールを介して、前記パーソナルケアセッションのそれぞれから複数の特徴を抽出するステップと、前記抽出された複数の特徴を用いて、前記パーソナルケア装置の少なくとも２人のユーザのそれぞれの特性を識別するための分類部をトレーニングするステップと、を有し、前記方法は更に、（ii）前記センサを介して、前記パーソナルケア装置の少なくとも２人のユーザの１人により開始された新たなパーソナルケアセッションの少なくとも一部についてのセンサデータを取得するステップと、（iii）前記新たなパーソナルケアセッションについての前記センサデータから複数の特徴を抽出するステップと、（iv）前記トレーニングされた分類部を用いて、前記パーソナルケア装置のユーザの特性を識別するステップと、を含む。

一実施例によれば、該方法は更に、次元削減処理を用いて、前記トレーニングするステップに先立ち、前記パーソナルケアセッションの１つ以上から抽出される複数の特徴の数を削減するステップを含む。

一実施例によれば、該方法は更に、次元削減処理を用いて、前記トレーニングするステップに先立ち、前記新たなパーソナルケアセッションから抽出される複数の特徴の数を削減するステップを含む。

一実施例によれば、該方法は更に、前記識別された特性に基づいて、前記ユーザ又は第三者にフィードバックを提供するステップを含む。

一実施例によれば、該方法は更に、前記識別された特性に基づいて、前記パーソナルケア装置のパラメータを変更するステップを含む。

一実施例によれば、前記ユーザの前記識別された特性は、ユーザの識別（identification）である。一実施例によれば、前記ユーザの前記識別された特性は、ユーザの動作パラメータ又は使用パラメータである。

一実施例によれば、前記分類部は、予測モデルを有する。

一実施例によれば、前記センサは、慣性測定ユニットである。

一態様によれば、ユーザの特性を識別するよう構成されたパーソナルケア装置が提供される。前記パーソナルケア装置は、複数のパーソナルケアセッションについてセンサデータを取得するよう構成された、センサと、トレーニングモジュール及び分類部を有し、前記トレーニングモジュールは、前記センサから、前記パーソナルケア装置の少なくとも２人の異なるユーザのそれぞれについて、少なくとも１つのパーソナルケアセッションについてのセンサデータを取得し、プロセッサの抽出モジュールを介して、前記パーソナルケアセッションのそれぞれから複数の特徴を抽出し、前記抽出された複数の特徴を用いて、前記パーソナルケア装置の少なくとも２人のユーザのそれぞれの特性を識別するための分類部をトレーニングするよう構成された、コントローラと、を含み、前記コントローラは更に、前記センサから、前記パーソナルケア装置の少なくとも２人のユーザの１人により開始された新たなパーソナルケアセッションの少なくとも一部についてのセンサデータを受信し、前記新たなパーソナルケアセッションについての前記センサデータから複数の特徴を抽出するよう構成され、前記分類部は、前記新たなパーソナルケアセッションからの前記抽出された複数の特徴を用いて、前記パーソナルケア装置のユーザの特性を識別するよう構成される。

一実施例によれば、前記コントローラは更に、前記識別するステップに先立ち、前記パーソナルケアセッションの１つ以上から抽出される複数の特徴の数を削減するよう構成され、及び／又は、前記識別するステップに先立ち、前記新たなパーソナルケアセッションから抽出される特徴の数を削減するよう構成された、次元削減モジュールを有する。

一実施例によれば、前記コントローラは更に、前記識別された特性に基づいて、前記ユーザにフィードバックを提供するよう構成される。一実施例によれば、前記コントローラは更に、前記識別された特性に基づいて、前記パーソナルケア装置のパラメータを変更するよう構成される。

本開示の目的のため、ここで用いられる「コントローラ」なる語は、口腔ケア装置、システム又は方法の動作に関連する種々の装置を一般的に記述するために用いられる。コントローラは、ここで議論される種々の機能を実行するよう種々の態様で実装され得る（例えば専用のハードウェアを用いて）。「プロセッサ」は、ここで議論される種々の機能を実行するようソフトウェア（例えばマイクロコード）を用いてプログラムされたものであっても良い１つ以上のマイクロプロセッサを利用するコントローラの一例である。コントローラは、プロセッサを利用して実装されても良いし、又はプロセッサを利用せずに実装されても良く、幾つかの機能を実行するための専用のハードウェアと他の機能を実行するためのプロセッサ（例えば１つ以上のプログラムされたマイクロプロセッサ及び関連する回路）との組み合わせとして実装されても良い。本開示の種々の実施例において利用され得るコントローラ要素の例は、限定するものではないが、従来のマイクロプロセッサ、特定用途向け集積回路（ＡＳＩＣ）及びフィールドプログラマブルゲートアレイ（ＦＰＧＡ）を含む。

種々の実装例において、プロセッサ又はコントローラは、１つ以上の記憶媒体（ここでは、例えば揮発性又は不揮発性のコンピュータメモリのように、一般的に「メモリ」と呼ばれる）と関連しても良い。幾つかの実装例においては、該記憶媒体は、１つ以上のプロセッサ及び／又はコントローラ上で実行されるときに、ここで議論される機能の少なくとも幾つかを実行する、１つ以上のプログラムを伴ってエンコードされていても良い。種々の記憶媒体が、プロセッサ又はコントローラ内に固定されていても良いし、又は、保存された１つ以上のプログラムがプロセッサ又はコントローラにロードされ、ここで議論される本開示の種々の態様を実装するように輸送可能であっても良い。「プログラム」又は「コンピュータプログラム」なる語はここでは、１つ以上のプロセッサ又はコントローラをプログラムするために利用され得るいずれのタイプのコンピュータコード（例えばソフトウェア又はマイクロコード）を一般的な意味で示すために用いられる。

ここで用いられる「ユーザインタフェース」なる語は、人間のユーザ又は操作者と、ユーザと装置との間の通信を可能とする１つ以上の装置と、の間のインタフェースを示す。本開示の種々の実施例において利用され得るユーザインタフェースの例は、限定するものではないが、スイッチ、電位差計、ボタン、ダイアル、スライダ、トラックボール、表示画面、種々のタイプのグラフィカルユーザインタフェース（ＧＵＩ）、タッチスクリーン、マイクロフォン、及びその他のタイプの何らかの形の人間により生成された刺激を受けてそれに応じて信号を生成し得るセンサを含む。

更に詳細に以下に議論される以上の概念及び更なる概念の全ての組み合わせは（斯かる概念は相互に矛盾しないものとする）、ここで開示される本発明の主題の一部として考えられることは、理解されるべきである。特に、本開示の末尾にある請求される主題の全ての組み合わせは、ここで開示される本発明の主題の一部として考えられる。

本発明のこれらの及び他の態様は、以下に説明される実施例を参照しながら説明され明らかとなるであろう。

図面において、同様の参照文字は一般的に、異なる図を通して同じ部分を示す。また、図面は必ずしも定縮尺で描かれたものではなく、一般的に本発明の原理の説明に強調が施されている。

一実施例によるパーソナルケア装置の図である。 一実施例によるパーソナルケアシステムの模式的な図である。 一実施例によるパーソナルケア装置のユーザを特徴付けるための方法のフロー図である。 一実施例による重力に対するパーソナルケア装置の向きを表す角度の模式的な図である。

本開示は、フィードバックを提供するために装置のユーザを識別するためセンサデータを利用する方法及びシステムの種々の実施例を記載する。更に一般的には、本出願人は、パーソナルケア装置のユーザを識別又は特徴付けるシステムを提供することが有益となり得ることを認識した。従って、ここで記載される又は想到される方法及びシステムは、パーソナルケア装置の２人以上のユーザについて複数のパーソナルケアセッションについてセンサデータを取得するよう構成されたパーソナルケア装置を提供し、ここでパーソナルケアセッションはブラッシングセッション、シェービングセッション、洗浄セッション又はその他のいずれかのパーソナルケアセッションである。該装置は、該装置の２人以上のユーザのそれぞれの１つ以上の特性を識別するよう分類部をトレーニングするため、パーソナルケアセッションのそれぞれから特徴を抽出する。該装置がトレーニングされると、該システムは新たなパーソナルケアセッションについてセンサデータを取得し、該新たなパーソナルケアセッションから特徴を抽出し、分類部を用いてユーザ又はユーザの特性を識別する。一実施例によれば、該装置は、該情報を用いて、数あるなかでも、パーソナルケア装置のパラメータを変更するか、ユーザにフィードバックを提供するか、又は該装置を継続してトレーニングする。

ここで開示される又は想到される実施例及び実装例は、いずれのパーソナルケア装置とともにも利用されることができる。適切なパーソナルケア装置の例は、電動歯ブラシ、電動フロッシング装置、口腔洗浄器、舌洗浄器、シェーバ、皮膚ケア装置、又はその他のパーソナルケア装置を含む。しかしながら、本開示はこれら列記された装置に限定されるものではなく、従ってここで記載される開示及び実施例はいずれのパーソナルケア装置をも包含し得る。

図１を参照すると、一実施例において、ハンドル部又は本体部１２と、典型的には人間の身体に対して動作する部分であるヘッド部材１４と、を含むパーソナルケア装置１０が提供される。該ヘッド部材又はその一部は、例えば異なる動作のために、摩耗したときに交換するために、又は異なるユーザがパーソナライズされた構成要素を装着できるように、取り外し可能であっても良い。

本体部１２は典型的には、該パーソナルケア装置の構成要素を収容するための、少なくとも一部が中空である筐体を有する。本体部１２は、動きを生成するためのモータ２２と、生成された動きをヘッド部材１４に伝達するための伝達要素又は駆動系シャフト２４と、を備えた駆動系アセンブリを有しても良い。該パーソナルケア装置は、例えば使用されていないときに該パーソナルケア装置１０が置かれる充電ホルダにおいて充電されることができる１つ以上の再充電可能なバッテリ（図示されていない）を有しても良い、電源（図示されていない）を持っても良い。本体部１２は更に、該駆動系を起動及び停止するためのユーザ入力部２６を備える。ユーザ入力部２６は、ユーザがパーソナルケア装置１０を操作すること、例えば該装置をスイッチオン及びオフすることを可能とする。ユーザ入力部２６は例えば、ボタン、タッチスクリーン又はスイッチであっても良い。

パーソナルケア装置１０は、センサデータを取得するよう構成された１つ以上のセンサ２８を含む。センサ２８は、図１において本体部１２内に示されているが、例えばヘッド部材１４内又は該装置内若しくは該装置上の他のどこかを含む、該装置内のいずれに配置されても良い。一実施例によれば、センサ２８は、例えば３軸ジャイロスコープ及び３軸加速度計を用いて、６軸の相対運動（３軸の並進及び３軸の回転）の計測値を提供するよう構成される。他の例としては、センサ２８は、例えば３軸ジャイロスコープ、３軸加速度計及び３軸の磁気計を用いて、９軸の相対運動の計測値を提供するよう構成される。単独で又はこれらのセンサと組み合わせて、限定するものではないがジャイロスコープ、容量センサ、カメラ、フォトセル及びその他のタイプのセンサを含む、他のセンサが利用されても良い。ここで記載されるように又は想到され得るように、多くの異なるタイプのセンサが利用され得る。一実施例によれば、センサ２８は、パーソナルケア装置１０の加速度及び角度方向を示す情報を生成するよう構成される。該センサは、あわせて６軸又は９軸空間センサシステムとして機能する２つ以上のセンサ２８を有しても良い。

センサ２８により生成されたセンサデータは、コントローラ３０に供給される。一実施例によれば、センサ２８は、コントローラ３０と一体化されている。コントローラ３０は、１つ又は複数のモジュールの形をとっても良く、ユーザ入力部２６を介して得られた入力のような入力に応答して、パーソナルケア装置１０を動作させるよう構成される。コントローラ３０は例えば、プロセッサ３２及びメモリ又はデータベース３４を有しても良い。プロセッサ３２は、限定するものではないが、マイクロコントローラ、複数のマイクロコントローラ、回路、単一のプロセッサ又は複数のプロセッサを含む、いずれの適切な形態をとっても良い。メモリ又はデータベース３４は、不揮発性メモリ及び／又はＲＡＭを含む、いずれの適切な形態をとっても良い。不揮発性メモリは、読み取り専用メモリ（ＲＯＭ）、ハードディスクドライブ（ＨＤＤ）又は固体ドライブ（ＳＳＤ）を含んでも良い。該メモリは、数ある中でも、オペレーティングシステムを保存しても良い。該ＲＡＭは、データの一時的な記憶のため、プロセッサにより用いられる。一実施例によれば、オペレーティングシステムは、コントローラ３０により実行されたときに、パーソナルケア装置１０のハードウェア要素の動作を制御するコードを含んでも良い。一実施例によれば、接続モジュール３８が集められたセンサデータを送信し、該モジュールは、限定するものではないが、Ｗｉ−Ｆｉ（登録商標）、Bluetooth（登録商標）、近接場通信及び／又はセルラーモジュールを含む、有線又は無線信号を送信することが可能な、いずれのモジュール、装置又は手段であっても良い。

図２を参照すると、一実施例において、ユーザ特徴付けシステム２００が示されている。ユーザ特徴付けシステム２００は、パーソナルケア装置１０の一実施例であり、ここで開示される又は想到されるいずれのパーソナルケア装置の実施例であっても良い。他の実施例によれば、ユーザ特徴付けシステム２００は、２つ以上の装置において実装されても良い。例えば、ユーザ特徴付けモジュール２００のモジュール又は構成要素の１つ以上が、スマートフォン、タブレット、装着可能装置、コンピュータ又はその他のコンピュータのようなリモートの装置に実装されても良い。

該ユーザ特徴付けシステムは、プロセッサ３２及びメモリ３４を有するコントローラ３０を含む。該ユーザ特徴付けシステムはまた、装置又はユーザの角度、動き又はその他のパラメータについての情報を取得するよう構成されたセンサ２８を有する。該ユーザ特徴付けシステムはまた、トレーニングモジュール２１０、抽出モジュール２２０、次元モジュール２３０及び分類部２４０を含む。該抽出モジュール、分類部及び次元モジュールは、該トレーニングモジュールの構成要素又は要素であっても良いし、そうでなくても良い。該ユーザ特徴付けシステムは任意に、ユーザに情報を提供するユーザインタフェース４６を含む。ユーザインタフェース４６は、触覚的信号、聴覚的信号、視覚的信号及び／又はその他のいずれかのタイプの信号を介して、ユーザにフィードバックを提供するフィードバックモジュールであっても良いし、又は斯かるフィードバックモジュールを有しても良い。

一実施例によれば、センサ２８は、加速度計、ジャイロスコープ又はその他のいずれかのタイプの、該装置の位置、動き又はその他の物理的なパラメータについてのセンサデータを取得するのに適した、又は斯かるセンサデータを取得するように構成された、センサである。一実施例によれば、センサ２８は、パーソナルケア装置１０の加速度及び角度方向を示す情報を生成するよう構成される。センサ２８により生成されたセンサデータは、コントローラ３０、又はその他の、外部装置又はアプリケーションを含む、該装置又はシステムの構成要素に供給されても良い。

一実施例によれば、抽出モジュール２２０は、該装置の構成要素、及び／又はコントローラ３０又はトレーニングモジュール２１０のモジュール又は要素である。該抽出モジュールは、信号処理を用いてセンサデータからの特徴ベクトルから１つ以上の特徴を抽出するよう構成、設計又はプログラムされる。これらの特徴は、ユーザごとに異なる情報を提供し、それ故識別のために用いられることができる。

一実施例によれば、次元モジュール２３０は該装置の構成要素であり、及び／又はコントローラ３０又はトレーニングモジュール２１０のモジュール又は要素である。該任意の次元モジュールは、抽出モジュール２２０により抽出される特徴の数を削減するよう構成、設計又はプログラムされる。特徴抽出ステップにおいて抽出される特徴の数は非常に多くても良いが、このことは予測モデルの低い性能に導き得る。それ故、一実施例によれば、該次元モジュールは、予測モデルをトレーニングするために用いられる特徴の総数を削減するために用いられ得る次元削減行列を推定しても良い。

一実施例によれば、分類部２４０は、該装置の構成要素であり、及び／又はコントローラ３０又はトレーニングモジュール２１０のモジュール又は要素である。該分類部２４０は、該パーソナルケア装置のユーザ、及び／又は該装置のユーザの特性を識別するよう、抽出モジュール及び／又は次元モジュールからのデータを用いてトレーニングされる。該分類部がトレーニングされると、該分類部は、新たなセンサデータを利用して、利用セッションがどのユーザに属するかを決定するよう構成、設計又はプログラムされる。

一実施例によれば、トレーニングモジュール２１０は、該装置の構成要素であり、及び／又はコントローラ３０又はトレーニングモジュール２１０のモジュール又は要素である。該トレーニングモジュールは、ここで説明されるように又は想到されるように、センサにより取得され、抽出モジュール及び／又は次元モジュールにより処理されたトレーニングデータを用いて、分類部をトレーニングするよう構成される。

図３を参照すると、一実施例において、パーソナルケア装置のユーザを識別する又は特徴付けるための方法３００のフロー図が示される。該方法は、全てのユーザが一意の操作パターン又は技術を持つという事実を利用する。例えば、典型的な装置の向き及び動きのパターンのような、ユーザの操作技術の幾つかの態様が、該装置に存在する１つ以上のセンサを用いて測定されることができ、当該情報が、家族のような人間の群内のユーザを識別するために用いられることができる。

一実施例によれば、本方法は２つのフェーズ、即ちトレーニングフェーズ及び展開フェーズを有する。トレーニングフェーズにおいては、予測モデルを生成するため、同じパーソナルケア装置を使用する全てのユーザから、幾つかの利用セッションからのデータが集められる。当該フェーズの間、ユーザは、ユーザのアイデンティティが集められたデータと関連付けられ得るよう、該ユーザ自身を特定する。例えば、ユーザは、外部装置若しくはソフトウェアアプリケーション、又はその他のいずれかの特定方法を用いて、該ユーザ自身を特定する。展開フェーズにおいては、該トレーニングフェーズにおいて予測モデルが生成されていれば、該モデルがユーザを自動的に識別するために利用される。他の実施例によれば、ユーザの識別は、例えばユーザが装置をアプリに接続することを要求することによって、又は例えば存在する場合にはヘッドにおけるＲＦＩＤタグを用いて関連するヘッドを識別することによって、得られても良い。

一実施例によれば、トレーニングフェーズ及び展開フェーズの両方における全てのステップは、該パーソナルケア装置により実行される。代替の実施例においては、該方法のステップは、該パーソナルケア装置と、スマートフォン、コンピュータ、サーバ又はその他の装置のような、該パーソナルケア装置と通信する第２の装置と、に分散される。

該方法のステップ３１０において、パーソナルケア装置１０が備えられる。パーソナルケア装置１０は、ここで記載される又は想到され得るいずれの装置であっても良い。例えば、パーソナルケア装置１０は、本体ハンドル部又は本体部１２、ヘッド部材１４、モータ２２、ユーザ入力部２６、及びプロセッサ３２を備えたコントローラ３０を有しても良い。該パーソナルケア装置はまた、加速度計及び／又はジャイロスコープのようなセンサ２８を含む。

該方法のステップ３２０において、該パーソナルケア装置は、ここで説明されるように又は想到されるように、トレーニングセンサデータを用いてトレーニングされる。一実施例によれば、ユーザ又はユーザの特性を識別するために該パーソナルケア装置をトレーニングすることは、展開フェーズの間を含み多数回反復されても良い１つ以上のステップ３２２乃至３２８を有する。

該方法のステップ３２２において、該パーソナルケア装置は、該装置のユーザのそれぞれについて、少なくとも１つのパーソナルケアセッションについてのセンサデータを取得する。典型的には、該パーソナルケア装置は、各ユーザについて複数のパーソナルケアセッションについてのセンサデータを取得する。一実施例によれば、解析されるトレーニングセッションが多いほど、分類部をトレーニングするために多くのトレーニングデータを用いられ、より好適に分類部がユーザを特定できるようになる。必要とされるトレーニングセッションの数は、該装置のユーザの数に少なくとも部分的に依存し得る。

一実施例によれば、該パーソナルケア装置又はコントローラ及び／又はトレーニングモジュールのような該装置の構成要素は、展開段階の間に該装置のユーザを信頼性高く識別するのに必要なパーソナルケアセッションの数を決定する。一実施例によれば、分類部をトレーニングするのに必要なパーソナルケアセッションの数は、該装置のユーザの数に基づいて決定されても良い。従って、ユーザが、該装置のユーザの予測される数を示す情報を該装置又はシステムに入力しても良く、該装置が、該提供された情報に基づいて各ユーザについての所定の数のパーソナルケアセッションについてトレーニングデータを取得するようプログラムされるか又は構成されても良い。他の実施例によれば、分類部をトレーニングするのに必要なパーソナルケアセッションの数は、該装置による精度の自己決定に基づいて決定されても良い。例えば、該装置は、精度の初期推定を実行するか、又は分類部によって実行された分類における信頼性を決定しても良い。単なる一例としては、該装置は、予測又は分類を、トレーニング又は展開段階の間に提供されたユーザの実際の識別と比較し、相互検証に基づいて、更なるトレーニングセッションが必要であるか又は分類部が展開段階のために十分に準備されているかを決定しても良い。

本方法のステップ３２４において、該抽出モジュールは、パーソナルケアセッションのそれぞれから複数の特徴を抽出する。一実施例によれば、該装置により記録された全ての利用セッションについて、センサデータから判別特徴が抽出される。特徴の選択は、該装置に存在するセンサに依存する。例えば、該装置は、加速度及び／又はジャイロスコープ及び／又は磁気計から成るものであっても良い少なくとも１つの慣性測定ユニットを含み得る。

一実施例によれば、幾つかの特徴がセンサから抽出されても良い。例えば、センサから取得され得るユーザ認識のための高度に判別的な特徴は、利用セッションの間の重力に対するパーソナルケア装置１０の向きの分布である。図４を参照すると、一実施例において、重力に対する該装置の向きが２つの角（θ及びφ）により表され、点Ｇは該センサにより提供される該装置の局所的な座標系における重力ベクトルの測定を表す。

利用セッション全体について方向角θ及びφが計算されると、例えば正規化された２Ｄヒストグラムを用いて、結合確率分布が推定されることができる。例えば、第１のユーザについての角度分布は、第２のユーザについての分布とは大きく異なり得、このことはユーザを識別するために利用され得ることを示唆する。ヒストグラムにおける各ビンにおける値は、分類のための特徴としてみなされ得る。

一実施例によれば、動きのパターンに関連する特徴もまた、センサデータから抽出されても良い。例えば、異なるユーザの利用セッションについての角速度を有するジャイロスコープ測定値が、ユーザ識別のために利用されても良い。判別特徴の例は、限定するものではないが、（ｉ）利用セッションの間のジャイロスコープ測定値の標準偏差又は分散、（ii）信号に存在するピークの数、（iii）信号におけるピークの平均高さ及び幅、及び／又は（iv）フーリエ変換又はその他の解析を適用した後に測定される特定の周波数に存在するエネルギー、を含む。

一実施例によれば、装置に他のセンサが存在する場合、他の判別特徴が抽出されても良い。これら特徴は、数あるなかでも、例えば（ｉ）力センサが存在する場合、利用セッションの間に該装置にかけられた平均力、（ii）該装置が時刻を決定することが可能なクロックを持つ場合、利用セッションの時間、（iii）該装置が容量センサ又は光学的センサのような近接センサを持つ場合、利用セッションの間の近接パターン、（iv）該装置がカメラを含む場合、顔認識のために一般的に用いられる顔特徴、及び／又は（ｖ）利用セッションの継続時間、である。

本方法の任意のステップ３２５において、抽出された特徴が、メモリ３４のようなデータベースに保存される。代替としては、抽出された特徴が、リモートのサーバ、データベース又はその他の記憶ユニットにおいて、該装置からはリモートに保存される。一実施例によれば、該システムは、ダウンストリームステップに進む前に複数の利用セッションについてのデータを保存しても良いし、又は完了の際に単一の利用セッションからのデータを解析しても良いし、及び／又はリアルタイムにデータを解析しても良い。

本方法の任意のステップ３２６において、次元モジュールが、１つ以上のパーソナルケアセッションから抽出される特徴の数を削減する。一実施例によれば、取得されたセンサデータから抽出される特徴の数が、潜在的に非常に大きくなり得る。例えば、２次元向きヒストグラムは、選択される角度解像度に依存して、数千の特徴を表し得る。しかしながら、限られた数のトレーニングサンプルを用いて、高次元の特徴空間からの予測モデルを、多数の特徴を用いてトレーニングすることは、低い予測性能をもたらし得る。従って、次元モジュールを利用して抽出される特徴の数を削減することは、プロセッサ及び本方法の速度及び機能を改善する。

一実施例によれば、分類に先立ち特徴の総数を削減するために、該次元削減ステップが任意に実行される。次元削減のためには、主成分分析（ＰＣＡ）、線形判別分析（ＬＤＡ）及び／又はIsomapのような多くの手法が原則として用いられ得るが、他の多くの次元削減方法もとり得る。一実施例によれば、用いられる小さなサンプルサイズのため、何らかの形の正則化が必要となり得る。

一実施例によれば、次元モジュール２３０は、ＬＤＡの正則化されたバージョン又はＬＤＡにより後続されるＰＣＡを利用する。ＰＣＡ又はＬＤＡのような線形手法を利用する場合、次元削減ステップは、式：

による行列の乗算であり、ここでｘは次元Ｐ×ｌを持つ元の特徴ベクトルであり、Ｐは元の特徴の数であり、Ｗは次元Ｒ×Ｐを持つ次元削減行列であり、Ｒ＜＜Ｐであり、

は次元Ｒ×ｌを持つ削減された特徴ベクトルであり、Ｒは削減された特徴の数である。

一実施例によれば、トレーニングフェーズの間、幾つかの基準に従って、トレーニングデータベースから行列Ｗが推定される。展開フェーズの間、式１に従って特徴の次元を削減するため該行列が用いられる。

本方法のステップ３２８において、抽出された複数の特徴と用いて、該パーソナルケア装置の少なくとも２人の異なるユーザのそれぞれの特徴を識別するようトレーニングされる。一実施例によれば、トレーニングデータベースが生成されると、数あるとり得る機械学習アルゴリズムのなかでも、サポートベクトルマシン、ｋ近傍法、ロジスティック回帰及び／又は決定木のような機械学習アルゴリズムを用いて、予測モデルがトレーニングされても良い。トレーニングフェーズの間、各ユーザに関連するべき特徴空間の領域を識別するため、該予測モデルが用いられても良い。これらの領域が識別されると、展開フェーズの間に、匿名のデータが特定のユーザに属するものとして分類され得る。

一実施例によれば、トレーニングフェーズの間に多くのデータが集められるほど、分類部の性能が良くなる。しかしながら、ユーザはトレーニングフェーズの間に識別情報を提供する必要があり得るため、ユーザに対する負荷を減らすため、トレーニングフェーズを可能な限り短くすることが有利となる。それ故、幾つかの実施例においては、性能とユーザに対する利便性との間にトレードオフがあり得る。従って、トレーニングフェーズは、望ましいレベルの性能を達成しつつ、トレーニングセッションを最小化するよう設計されても良い。一実施例によれば、同じ装置を多くのユーザが共有する場合には特定の性能レベルを実現するためにより多くのデータが必要とされるため、同じ装置を共有するユーザの数に依存して、トレーニングセッションの数が選択されても良い。

この段階において、該パーソナルケア装置若しくは又は該パーソナルケア装置と通信するシステム若しくは装置は、後続するパーソナルケアセッションの間に該装置のユーザの特性を識別するよう構成された分類部を有する。例えば、該装置又はシステムの該分類部は、複数のユーザのうち誰が該装置を用いているかを識別するよう構成されても良い。該装置又はシステムの該分類部は、数ある特性のなかでも、ユーザが強く押すか弱く押すかを含む、ユーザの操作特性を識別するよう構成されても良い。

本方法のステップ３３０において、展開フェーズにおいて、該パーソナルケア装置は、現在未知である該装置のユーザによる新たなパーソナルケアセッションについて、センサ２８からセンサデータを取得する。しかしながら、現在未知のユーザは、トレーニングフェーズの間にパーソナルケアセッションデータを提供したユーザの１人である。該センサは、該取得されたセンサデータを、コントローラ及び／又は抽出モジュールに通信しても良い。該センサデータは即座に用いられても良いし、後の解析のために保存又はキューに入力されても良い。

本方法のステップ３４０において、抽出モジュールが、ここで説明された又は想到される方法又は処理のいずれかにより、該新たなパーソナルケアセッションから複数の特徴を抽出する。例えば、該抽出モジュールは、例えば該装置に存在するセンサに依存して、センサデータから１つ以上の特徴を抽出しても良い。

本方法の任意のステップ３５０において、次元モジュールが、ここで説明された又は想到される方法又は処理のいずれかにより、新たなパーソナルケアセッションから抽出される特徴の数を削減する。例えば、該次元モジュールは、主成分分析（ＰＣＡ）、線形判別分析（ＬＤＡ）及び／又はIsomapのような手法を用いて、抽出される特徴の数を削減しても良いが、他の多くの次元削減方法も可能である。任意のステップ３５０において、該次元モジュールは、ステップ３２６におけるトレーニングフェーズの間に導出された同じ変形を新たなデータに適用することにより、新たな洗浄セッションから抽出される特徴の数を削減する。

本方法のステップ３６０において、トレーニングされた分類部が、抽出された特徴を利用して、該パーソナルケア装置の以前に識別されていないユーザの１つ以上の特性を識別する。該特性は、ユーザのアイデンティティであっても良いし、又はユーザ及び／又はパーソナルケアセッションの利用パラメータであっても良い。例えば、該特性は、数あるなかでも、どれくらい強くユーザが押しているかについての情報であっても良い。一実施例によれば、該分類部は、１つ以上の抽出された特徴を、トレーニングフェーズの間に生成された特徴空間と比較し、新たなパーソナルケアセッションデータが、どのユーザデータに最も良く合致するかを識別する。

本方法の任意のステップ３７０において、該システムは、該識別された１つ以上の特性を利用して、パーソナルケアセッションの間に取得されたセンサデータを、識別されたユーザに関連付ける。このことは例えば、ユーザのパーソナルケアセッションの１つ以上のパラメータを評価するために利用され得る。代替としては、このことは、該分類部の更なるトレーニングを実行するために利用され得る。

本方法の任意のステップ３８０において、該システムは、識別された１つ以上の特性を利用して、ユーザ又は第三者にフィードバックを提供する。例えば、該システムは、異なるユーザに関連するヘッド部材を該パーソナルケア装置が装着されたことを、ユーザに通知しても良い。他の例としては、該システムは、ユーザが通常よりも強く又は弱く押していることをユーザに通知しても良い。一実施例によれば、ユーザの識別は、他のユーザと装置を共有するユーザについてのリスクプロファイルを評価するため、及び／又は、実際に他のユーザであった場合にパーソナルケアセッションを実行したことをユーザが不適切に主張することを防止するために、利用され得る。このことは例えば、歯科保険の提供者により用いられても良い。他の多くの例も可能である。

本方法の任意のステップ３０９において、該システムは、識別された１つ以上の特性を利用して、該装置の１つ以上のパラメータ又は設定を変更しても良い。例えば、該装置は、パーソナルケアセッションの間に特定の設定をユーザが好むことを示すプログラミングを有しても良く、ユーザの識別を利用して当該設定を自動的に起動しても良い。他の例としては、該装置は、ユーザの識別及びヘッド部材からの信号に基づいて、新たなヘッド部材が当該ユーザのために装着されたことを認識しても良い。このことは、タイマ又は当該ヘッド部材に関連するユーザのカウントを起動しても良い。該装置の他の多くの変更又は設定が可能である。

ここで定義され使用される全ての定義は、辞書の定義、参照により本明細に組み込まれた文献における定義、及び／又は定義された語の通常の意味に対して優先されるものと理解されるべきである。

本明細及び請求項において用いられる不定冠詞「１つの（a及びan）」は、明示されない限り、「少なくとも１つ」を意味するものとして理解されるべきである。

本明細及び請求項において用いられる「及び／又は（and/or）」なる句は、斯様に併記された要素の「いずれか又は両方」、幾つかの場合においては結合して存在し、別の場合においては離隔されて存在する要素を意味するものとして理解されるべきである。「及び／又は」により列記された複数の要素は、同様に解釈されるべきであり、即ち斯様に併記された要素の「１つ以上」として解釈されるべきである。「及び／又は」節により明示的に特定される要素の以外の要素が、明示的に特定されたこれら要素に関連するものであっても関連しないものであっても、任意に存在しても良い。

本明細及び請求項において用いられる「又は（or）」は、以上に定義された「及び／又は」と同じ意味を持つと理解されるべきである。例えば、リスト中のアイテムを分離するとき、「又は」又は「及び／又は」は包含的なものとして解釈されるべきであり、即ち、要素の数又はリストの少なくとも１つ、更には１つよりも多く、任意には列記されていない更なるアイテムを含むことも包含するものとして解釈されるべきである。「１つのみ」若しくは「ちょうど１つ」又は請求項において用いられる場合には「から成る（consisting of）」といった、その反対を明示的に示す語のみが、要素の数又はリストの１つの要素のみの包含を示す。一般的に、ここで用いられる語「又は」は、「いずれか」、「１つ」、「１つのみ」又は「ちょうど１つ」といった排他的な語を伴う場合に、排他的な代替を示すものとして解釈されるべきである。

１つ以上の要素のリストに関して、本明細及び請求項において用いられる「少なくとも１つ（at least one）」なる句は、該要素のリストにおける要素のいずれか１つ以上から選択された少なくとも１つの要素を意味するものとして理解されるべきであるが、該要素のリスト内に明示的に列記された全ての要素の少なくとも１つを必ずしも含まず、該要素のリストにおける要素のいずれかの組み合わせを除外するものではない。この定義は、「少なくとも１つ」なる句が参照する要素のリスト内に明示的に特定された要素以外の要素が、明示的に特定されたこれら要素に関連するものであっても関連しないものであっても、任意に存在し得ることを許容する。

明示的に示されない限り、１つより多いステップ又は動作を含む、請求項に記載されるいずれの方法においても、該方法のこれらステップ及び動作の順序は、必ずしも該方法のステップ及び動作が列記された順序に限定されるものではないことも、理解されるべきである。

請求項、及び以上の明細書において、「有する（comprising）」、「含む（including）」、「担持する（carrying）」、「持つ（having）」、「包含する（containing）」、「伴う（involving）」、「保持する（holding）」、「から構成される（composed of）」等のような全ての遷移句は、非制限的なものとして理解されるべきであり、即ち含むが限定するものではないことを意味するものと理解されるべきである。「から成る（consisting of）」及び「から基本的に成る（consisting essentially of）」なる遷移句のみが、制限的又は半制限的な遷移句であるべきである。

幾つかの本発明の実施例がここで説明され例示されたが、当業者は、機能を実行するため及び／又はここで説明された結果及び／又は利点の１つ以上を得るため、多様な他の手段及び／又は構造を容易に想到するであろう。斯かる変形及び／又は変更のそれぞれは、ここで説明された本発明の実施例の範囲内であるとみなされる。更に一般的に、当業者は、ここで説明された全てのパラメータ、寸法、材料及び構成は、例であることが意図されたものであり、実際のパラメータ、寸法、材料及び／又は構成は、本発明の教示が利用される特定の用途に依存することを、容易に理解するであろう。当業者は、単なる一般的な実験を用いて、ここで説明された特定の本発明の実施例に対する多くの同等物を認識し、又は確認することが可能である。それ故、以上の実施例は、単に例として提示されたものであり、添付される請求項及びその等価物の範囲内において、本発明の実施例は、明示的に記載されて請求されるものとは異なって実行され得る。本開示の本発明の実施例は、ここで説明されたそれぞれの個々の特徴、システム、物品、材料、キット及び／又は方法に向けたものである。更に、斯かる特徴、システム、物品、材料、キット及び／又は方法の２つ以上のいずれかの組み合わせもが、斯かる特徴、システム、物品、材料、キット及び／又は方法が相互に矛盾しない場合には、本開示の本発明の範囲内に含まれる。

Claims (15)

1. センサ、コントローラ及びデータベースを有するパーソナルケア装置のユーザの特性を識別するための方法であって、前記方法は、
   トレーニングデータを用いて前記パーソナルケア装置をトレーニングするステップを有し、該ステップは、前記センサを介して、前記パーソナルケア装置の少なくとも２人の異なるユーザのそれぞれについて、少なくとも１つのパーソナルケアセッションについてのセンサデータを取得するステップと、プロセッサの抽出モジュールを介して、前記パーソナルケアセッションのそれぞれから複数の特徴を抽出するステップと、前記抽出された複数の特徴を用いて、前記パーソナルケア装置の少なくとも２人のユーザのそれぞれの特性を識別するための分類部をトレーニングするステップと、を有し、前記方法は更に、
   前記センサを介して、前記パーソナルケア装置の少なくとも２人のユーザの１人により開始された新たなパーソナルケアセッションの少なくとも一部についてのセンサデータを取得するステップと、
   前記新たなパーソナルケアセッションについての前記センサデータから複数の特徴を抽出するステップと、
   前記トレーニングされた分類部を用いて、前記パーソナルケア装置のユーザの特性を識別するステップと、
   を有する方法。
2. 次元削減処理を用いて、前記トレーニングするステップに先立ち、前記パーソナルケアセッションの１つ以上から抽出される複数の特徴の数を削減するステップを更に有する、請求項１に記載の方法。
3. 前記新たなパーソナルケアセッションの間に取得されたセンサデータの少なくとも幾つかを、前記ユーザの識別された特性と関連付けるステップを更に有する、請求項１に記載の方法。
4. 前記識別された特性に基づいて、前記ユーザ又は第三者にフィードバックを提供するステップを更に有する、請求項１に記載の方法。
5. 前記識別された特性に基づいて、前記パーソナルケア装置のパラメータを変更するステップを更に有する、請求項１に記載の方法。
6. 前記ユーザの前記識別された特性は、ユーザの識別である、請求項１に記載の方法。
7. 前記ユーザの前記識別された特性は、ユーザの動作パラメータである、請求項１に記載の方法。
8. 前記分類部は、予測モデルを有する、請求項１に記載の方法。
9. 前記センサは、慣性測定ユニットである、請求項１に記載の方法。
10. ユーザの特性を識別するよう構成されたパーソナルケア装置であって、前記パーソナルケア装置は、
    複数のパーソナルケアセッションについてセンサデータを取得するよう構成された、センサと、
    トレーニングモジュール及び分類部を有し、前記トレーニングモジュールは、前記センサから、前記パーソナルケア装置の少なくとも２人の異なるユーザのそれぞれについて、少なくとも１つのパーソナルケアセッションについてのセンサデータを取得し、プロセッサの抽出モジュールを介して、前記パーソナルケアセッションのそれぞれから複数の特徴を抽出し、前記抽出された複数の特徴を用いて、前記パーソナルケア装置の少なくとも２人のユーザのそれぞれの特性を識別するための分類部をトレーニングするよう構成された、コントローラと、
    を有し、
    前記コントローラは更に、前記センサから、前記パーソナルケア装置の少なくとも２人のユーザの１人により開始された新たなパーソナルケアセッションの少なくとも一部についてのセンサデータを受信し、前記新たなパーソナルケアセッションについての前記センサデータから複数の特徴を抽出するよう構成され、
    前記分類部は、前記新たなパーソナルケアセッションからの前記抽出された複数の特徴を用いて、前記パーソナルケア装置のユーザの特性を識別するよう構成された、
    パーソナルケア装置。
11. 前記コントローラは更に、前記識別するステップに先立ち、前記パーソナルケアセッションの１つ以上から抽出される複数の特徴の数を削減するよう構成され、前記識別するステップに先立ち、前記新たなパーソナルケアセッションから抽出される特徴の数を削減するよう構成された、次元削減モジュールを有する、請求項１０に記載のパーソナルケア装置。
12. 前記コントローラは更に、前記識別された特性に基づいて、前記ユーザにフィードバックを提供するよう構成された、請求項１０に記載のパーソナルケア装置。
13. 前記コントローラは更に、前記識別された特性に基づいて、前記パーソナルケア装置のパラメータを変更するよう構成された、請求項１０に記載のパーソナルケア装置。
14. 前記ユーザの前記識別された特性は、前記ユーザの識別及び／又は前記ユーザの動作パラメータである、請求項１０に記載のパーソナルケア装置。
15. 前記分類部は、予測モデルを有する、請求項１０に記載のパーソナルケア装置。

Images