JP6183839B2 - Action prediction system, action prediction device, action prediction method, action prediction program, and recording medium recording action prediction program - Google Patents
Action prediction system, action prediction device, action prediction method, action prediction program, and recording medium recording action prediction program Download PDFInfo
- Publication number
- JP6183839B2 JP6183839B2 JP2013177870A JP2013177870A JP6183839B2 JP 6183839 B2 JP6183839 B2 JP 6183839B2 JP 2013177870 A JP2013177870 A JP 2013177870A JP 2013177870 A JP2013177870 A JP 2013177870A JP 6183839 B2 JP6183839 B2 JP 6183839B2
- Authority
- JP
- Japan
- Prior art keywords
- class
- signal
- magnitude
- procedure
- ratio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 106
- 230000009471 action Effects 0.000 title claims description 30
- 230000008859 change Effects 0.000 claims description 107
- 238000012544 monitoring process Methods 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 230000008054 signal transmission Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 81
- 238000003860 storage Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 6
- 230000000630 rising effect Effects 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 4
- 206010022437 insomnia Diseases 0.000 description 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010013647 Drowning Diseases 0.000 description 1
- 206010040007 Sense of oppression Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002485 urinary effect Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、被験者の行動を予測するためのシステム、装置、方法、プログラム及び当該プログラムを記録した記録媒体に関するものである。 The present invention relates to a system, an apparatus, a method, a program for predicting the behavior of a subject, and a recording medium on which the program is recorded.
高齢化社会を迎えつつある現在において、高齢者等の被験者の介護における見守りや監視を行うために、種々のシステムが考案され、あるいは使用されている。 At present, in an aging society, various systems have been devised or used for monitoring and monitoring in the care of subjects such as elderly people.
例えば、ベッドに寝ている被験者が夜間に起き出し、徘徊や転倒事故を起こすことを防止するため、監視カメラやマイクを用いたシステムが提案されており、当該ベッドの脇に圧電素子を組み込んだセンサマットを設置して当該被験者がベッドから出る際に足を置くことでアラームが鳴るようなシステムが老人ホーム等で使用されている。 For example, a system using a surveillance camera or microphone has been proposed in order to prevent subjects sleeping in a bed from waking up at night and causing drowning and falling accidents, and a sensor incorporating a piezoelectric element beside the bed. A system in which an alarm is sounded when a mat is installed and a subject puts his / her foot when getting out of bed is used in nursing homes.
しかし、監視カメラやマイクを用いたシステムは、プライバシーの問題からトイレ等に設置することは容易ではなく、かかるプライバシーの問題が生じない場所においても、被験者に対してカメラ等が常に自分に向けられているという不安感や圧迫感を与えるものであった。 However, systems using surveillance cameras and microphones are not easy to install in toilets due to privacy issues, and the cameras are always directed at the subject even in places where such privacy issues do not occur. It gave a sense of anxiety and oppression.
また、上記のようなセンサマットを用いたシステムは、上記アラームが鳴って介護者が駆けつけてもベッド脇で既に転倒事故が生じているような場合には、効果的な役割を果たすことができなかった。なお、被験者が当該マットの上に足を置いた後に再度ベッドに横になるような場合には、必ずしも介護が必要とはいえないため、本システムは介護者にとっては一種の誤作動も少なくないものと評価されている。 In addition, the system using the sensor mat as described above can play an effective role in the case where a fall accident has already occurred beside the bed even if the above-mentioned alarm sounds and the caregiver rushes. There wasn't. In addition, when the subject lies on the bed again after placing his feet on the mat, care is not necessarily required, so this system has many types of malfunctions for caregivers. It is evaluated as a thing.
このような状況から、非特許文献1から4に示されるように、RFID(Radiofrequency Identification)タグから発信される電波の強度変化をモニタリングすることにより、被験者の就寝状態を把握するシステム(以下、「RFIDタグシステム」という。)が考案されている。
From such a situation, as shown in
一方、特許文献1には、計測された時系列データを平均値や標準偏差を利用して処理することにより、監視対象の異常を予測する装置やシステム等が開示されている。
On the other hand,
上記RFIDタグシステムでは、被験者をモニタリングするという性質から長時間に渡ってデータを取得し続けるが、その結果、夜間、転倒事故を起こした人物が、ベッドから起き上がる動作を行う以前の段階において、起き上がりではない小さな動作を数時間に渡って継続している事が明らかになった。この起き上がりではない小さな動作は、センサの出力値としては通常の寝返り動作とほぼ同じであるために、従来の起き上がり動作の検出方法では、通常の寝返り動作との区別をつける事ができないという問題があった。 In the RFID tag system described above, data is continuously acquired for a long time because of the property of monitoring the subject. As a result, at the stage before the person who caused the fall accident gets up from the bed at night. It became clear that the small operation which is not continued for several hours. This small motion that is not rising is almost the same as the normal rolling operation as the output value of the sensor, so the conventional method of detecting the rising motion cannot be distinguished from the normal rolling operation. there were.
本発明は、上記問題を解決するためになされたもので、簡易な構成により被験者の行動を早期かつ的確に予測することのできるシステム、装置、方法、プログラム及び当該プログラムを記録した記録媒体を提供することを目的とする。 The present invention has been made to solve the above problems, and provides a system, an apparatus, a method, a program, and a recording medium on which the program can be recorded, which can predict a subject's behavior quickly and accurately with a simple configuration. The purpose is to do.
上記課題を解決するために、被験者の行動を予測する手段であって、受信された信号の大きさ又は受信された信号の強度変化の大きさが予め定められた第一のしきい値を超える頻度を計測し、計測された上記頻度が予め定められた第二のしきい値以上となったことを通知する手段を提供する。 In order to solve the above-mentioned problem, it is means for predicting the behavior of a subject, and the magnitude of the received signal or the magnitude of the intensity change of the received signal exceeds a predetermined first threshold value. Means for measuring the frequency and notifying that the measured frequency is equal to or higher than a predetermined second threshold value are provided.
また、上記課題を解決するための他の手段として、被験者の行動を予測する手段であって、予めモニタリングされた信号の大きさ又は信号の強度変化の大きさに応じて強度変化についての第一のしきい値を決定し、予め定められた第一の時間に受信された信号の大きさ又は受信された信号の強度変化の大きさが第一のしきい値を超える回数を計数して、過去において第一の時間に計数された回数の最小値との比が予め定められた第二のしきい値以上となった時に、信号の大きさ又は強度変化の大きさを計測する時間を第一の時間よりも短い予め定められた第二の時間に限定し、第二の時間に計測された信号の大きさ又は強度変化の大きさが第一のしきい値を超える回数と第二の時間における全計測回数との比が予め定められた第三のしきい値以上となったことを通知する手段を提供する。 Further, as another means for solving the above-mentioned problem, it is a means for predicting the behavior of the subject, and the first of the intensity change according to the magnitude of the signal monitored in advance or the magnitude of the intensity change of the signal. And determining the number of times that the magnitude of the signal received at a predetermined first time or the magnitude of the intensity change of the received signal exceeds the first threshold, When the ratio of the number of times counted in the first time in the past is equal to or greater than a predetermined second threshold, the time for measuring the magnitude of the signal or the magnitude of the intensity change is Limited to a predetermined second time shorter than one time, the number of times the magnitude of the signal or intensity change measured at the second time exceeds the first threshold and the second time A third threshold with a predetermined ratio to the total number of measurements in time To provide a means for notifying that it has become a top.
また、上記課題を解決するための他の手段として、被験者の行動を予測する手段であって、予め定められた時間内においてモニタリングされた信号の大きさ又は信号の強度変化の大きさを複数の階級に分類し、上記モニタリングにおいて発生した度数を上記階級毎に集計して、過去の上記時間内において集計された上記階級毎の度数の最小値との比が、前記比の最大値に応じて定められた第一のしきい値を超える階級を特定し、特定された階級毎に上記比の最大値より大きな値を第二のしきい値として設定し、上記時間内にモニタリングされた信号の大きさ又は信号の強度変化の大きさを上記階級毎に集計することにより特定された階級毎に算出された最小値との比が、特定された上記階級のうち少なくとも一つの階級において第二のしきい値を超えたことを通知する手段を提供する。 Further, as another means for solving the above-mentioned problem, it is a means for predicting the behavior of the subject, and the magnitude of the signal or the intensity change of the signal monitored within a predetermined time is set to a plurality of Classify into classes, count the frequency generated in the monitoring for each class, and the ratio with the minimum frequency for each class aggregated in the past time depends on the maximum value of the ratio Identify a class that exceeds the defined first threshold, set a value greater than the maximum value of the ratio for each class specified as the second threshold, and The ratio with the minimum value calculated for each class specified by aggregating the magnitude or magnitude of the signal strength change for each class is the second value in at least one of the specified classes. Threshold To provide a means for notifying that it has exceeded.
また、上記課題を解決するための他の手段として、被験者の行動を予測する手段であって、予め定められた時間内においてモニタリングされた信号の大きさ又は信号の強度変化の大きさを複数の階級に分類し、上記モニタリングにおいて発生した度数を上記階級毎に集計して、過去の上記時間内において集計された階級毎の度数の最小値との比が、前記比の最大値に応じて定められた第一のしきい値を超える階級を特定し、特定された階級毎における上記比の最大値の和を第二のしきい値として設定し、上記時間内にモニタリングされた信号の大きさ又は信号の強度変化の大きさを上記階級毎に集計することにより特定された上記階級毎に算出された最小値との比の和が第二のしきい値を超えたことを通知する手段を提供する。 Further, as another means for solving the above-mentioned problem, it is a means for predicting the behavior of the subject, and the magnitude of the signal or the intensity change of the signal monitored within a predetermined time is set to a plurality of Classify into classes, count the frequencies generated in the monitoring for each class, and determine the ratio with the minimum frequency for each class aggregated in the past time according to the maximum value of the ratio The class exceeding the specified first threshold is specified, the sum of the maximum values of the ratios for each specified class is set as the second threshold, and the magnitude of the signal monitored within the above time Or means for notifying that the sum of the ratio with the minimum value calculated for each class specified by counting the magnitude of the signal intensity change for each class exceeds the second threshold value. provide.
また、上記課題を解決するための他の手段として、被験者の行動を予測する手段であって、予め定められた時間内においてモニタリングされた信号の大きさ又は信号の強度変化の大きさを複数の階級に分類し、上記モニタリングにおいて発生した度数を階級毎に集計して、過去の上記時間内において集計された上記階級毎の上記度数の最小値との比が、上記比の最大値に応じて定められた第一のしきい値を超える階級を特定し、特定された階級毎における上記比の和と全ての階級毎における上記比の和との比をモニタリングする手段を提供する。 Further, as another means for solving the above-mentioned problem, it is a means for predicting the behavior of the subject, and the magnitude of the signal or the intensity change of the signal monitored within a predetermined time is set to a plurality of Classify into classes, count the frequencies generated in the monitoring for each class, and the ratio with the minimum value of the frequency for each class that was aggregated in the past time depends on the maximum value of the ratio A class that exceeds a predetermined first threshold value is specified, and means for monitoring the ratio of the sum of the ratios for each specified class and the sum of the ratios for all the classes is provided.
本発明によれば、被験者の行動に応じた信号の強度変化のうち、着目すべき変化を迅速かつ的確に抽出することができるため、簡易な構成により当該被験者の行動を従来より早期かつ的確に予測することができる。 According to the present invention, it is possible to quickly and accurately extract a change to be noticed from changes in the intensity of a signal corresponding to the behavior of the subject. Can be predicted.
以下において、本発明の実施の形態を図面を参照して詳しく説明する。なお、図中同一符号は同一又は相等部分を示す。
上記のように、夜間、転倒事故を起こした人物が、ベッドから起き上がる動作を行う以前の段階において、起き上がりではない小さな動作を数時間に渡って継続しており、具体的には、必ずしも連続的ではないが一定時間でみると多数回の動作を行っていることが明らかになった。この起き上がりではない小さな動作は、センサの出力値としては通常の寝返り動作とほぼ同じであるために、従来の起き上がり動作の検出方法では、通常の寝返り動作との区別をつける事ができない。
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. In the drawings, the same reference numerals indicate the same or equivalent parts.
As mentioned above, at the stage before the person who had a fall accident got up from the bed at night, a small action that did not get up continued for several hours, and it was not necessarily continuous. However, it was revealed that the operation was performed many times in a certain time. This small operation that is not rising is almost the same as the normal turning operation as an output value of the sensor. Therefore, the conventional method for detecting the rising operation cannot be distinguished from the normal turning operation.
このような場合において、被験者の安全性を優先させるために起き上がり動作を起こす前の段階の小さな動作を検出した時点で呼び出しを行うと、介護士が呼び出される回数が起き上がり検知の回数に比べて飛躍的に増加する(介護士の負担増)。 In such a case, if a call is made when a small motion is detected at a stage before the rising motion is performed in order to prioritize the safety of the subject, the number of times that the caregiver is called will jump compared to the number of detections of the rising motion. (Increase in caregiver burden).
また、通常の寝返り動作と区別をつけるために、被験者に対して何らかの手段(黙視、声掛け)で確認する事は、安眠を妨害する結果を招くという副作用を生じさせてしまう。 In addition, in order to distinguish from a normal roll-over operation, confirming the subject by some means (silently, speaking) causes a side effect of causing a result of disturbing sleep.
このようなことから、単発的にみると通常の寝返り動作と区別がつかない動作であっても、それが一定の時間内に離散的ではあるが多数回発生する事がその後の事故の前兆となっている場合に、どのタイミングで発報すれば良いのかを機械的に抽出する方法や現在の就寝状態を客観的な数値として表現する方法を見出す事が求められている。 For this reason, even if it is an operation that is indistinguishable from a normal roll-over operation on a one-time basis, the occurrence of it in a discrete but many times within a certain time is a precursor to the subsequent accident. Therefore, there is a need to find out a method for mechanically extracting when to issue a report and a method for expressing the current sleeping state as an objective numerical value.
そこで、以下において、このような課題を解決するための本発明の実施の形態に係る行動予測システム、行動予測装置、行動予測方法、行動予測プログラム及び当該プログラムを記録した記録媒体について詳しく説明する。 Therefore, in the following, a behavior prediction system, a behavior prediction device, a behavior prediction method, a behavior prediction program, and a recording medium that records the program according to an embodiment of the present invention for solving such a problem will be described in detail.
図1は、本発明の実施の形態に係る行動予測システムの構成を示す図である。図1に示されるように、本発明の実施の形態に係る行動予測システムは、部屋10に置かれたベッド1の裏側に設置され、定期的に、例えば1秒毎に、破線で示される微弱な電波を発信するRFID(Radiofrequency Identification)タグ2と、部屋10の天井付近等の定点に設置され、RFIDタグ2から発信された電波を受信するアンテナ4を有する受信機3と、受信機3と有線ケーブル5で接続された行動予測装置20とを備える。なお、受信機3と行動予測装置20は、無線通信により接続してもよい。
FIG. 1 is a diagram showing a configuration of an action prediction system according to an embodiment of the present invention. As shown in FIG. 1, the behavior prediction system according to the embodiment of the present invention is installed on the back side of a
また、行動予測装置20は、CPU6とメモリ7と表示部8とを含むコンピュータであり、CPU6とメモリ7と表示部8は有線ケーブル5に接続された共通のバス9に接続されている。
The
なお、上記行動予測システムでは、一つのRFIDタグ2がベッド1の裏側に設置されるが、RFIDタグ2は被験者の動静により受信機3で受信される電波の強度が明確に変化するような位置に設置されればよく、例えばベッド脇の壁面等に設置してもよい。
In the behavior prediction system, one
また、行動予測システムを構成するRFIDタグ2は一つである必要はなく、複数であってもよい。この場合には、複数のRFIDタグ2から発信された電波の各強度を一組の情報(後述する強度データ)として扱うことになる。
Moreover, the
さらに、上記行動予測システムは、RFIDタグ2から発信された電波が被験者により撹乱されることによりその強度が変化することを利用して、当該強度変化を計測することにより被験者の行動を予測するものであるが、かかる電波の強度変化の替わりに、容量性センサ、ドップラレーダ、荷重センサなど、被験者の動きに応じて出力が変化するセンサの出力、あるいは被験者に装着した加速度センサ等の動体センサの出力を計測してもよい。
Further, the behavior prediction system predicts the behavior of the subject by measuring the intensity change by utilizing the fact that the strength changes when the radio wave transmitted from the
なお、上記容量性センサ、ドップラレーダ、荷重センサ等のセンサにおいては、出力の差分を取らなければ動きの大きさが求められないタイプに加えて、RFIDタグ2を使用した行動予測システムにおける信号の強度変化の大きさに相当する信号が出力されるタイプの物があるため、これらのセンサを使用した行動予測システムにおいては、当該センサからの出力の差分又は出力の大きさを計測することによって、RFIDタグ2を使用した行動予測システムと同じ機能を実現することができる。
The sensors such as capacitive sensors, Doppler radars, load sensors, etc., in addition to the types in which the magnitude of movement is not required unless the difference in output is taken, the signals in the behavior prediction system using the
これらのシステムでは、被験者の行動に応じた上記強度変化を示す信号という1次元データがデータ処理の対象とされるため、センサの種別を問わず、単体でも、複数の組み合わせでも、同じアルゴリズムで被験者の行動を予測することができる。 In these systems, one-dimensional data called a signal indicating the intensity change in accordance with the behavior of the subject is subjected to data processing. Therefore, regardless of the type of sensor, the subject can be used with the same algorithm regardless of the type of sensor. Can be predicted.
図1に示された行動予測システムにおいて、人体は所定の誘電率を有していることから、RFIDタグ2とアンテナ4の間に人間が介在するか否か、あるいは介在するとしてもその態様により、アンテナ4で受信される上記電波の強度は変化する。
In the behavior prediction system shown in FIG. 1, since the human body has a predetermined dielectric constant, whether or not a human is interposed between the
例えば、図1に示されるように、ベッド1の上に被験者が仰向けに横たわり、RFIDタグ2から発信された電波がアンテナ4に届くまでの経路上に被験者が介在している場合には、発信された上記電波は被験者により撹乱されるため、アンテナ4で受信される電波の強度は、被験者が上記経路上に介在しない場合から変化する。
For example, as shown in FIG. 1, when a subject lies on his / her back on the
また、被験者がベッド1の上に横たわっている状態でも、仰向けの姿勢で寝ているか、あるいは横向きの姿勢で寝ているかによって上記撹乱の度合いが異なるため、アンテナ4で受信される上記電波の強度は異なる。具体的には、被験者がベッド1に仰向けの姿勢で寝ている場合には、横向きの姿勢で寝ている場合よりも上記撹乱の度合いが大きいため、アンテナ4で受信される上記電波の強度は被験者が横向きの姿勢で寝ている場合よりも小さくなる。
以下において、上記行動予測システムにより実現される行動予測方法に係る実施の形態を説明する。
Even when the subject is lying on the
In the following, an embodiment according to a behavior prediction method realized by the behavior prediction system will be described.
[実施の形態1]
図2は、図1に示された行動予測システムで実現される行動予測方法の第一の実施の形態を説明するためのフローチャートである。以下において、図2を用いて実施の形態1に係る当該行動予測方法を詳しく説明する。
[Embodiment 1]
FIG. 2 is a flowchart for explaining a first embodiment of a behavior prediction method realized by the behavior prediction system shown in FIG. Hereinafter, the behavior prediction method according to the first embodiment will be described in detail with reference to FIG.
まずステップS1において、行動予測装置20は、RFIDタグ2から発信され受信機3のアンテナ4で受信される電波の強度を1秒毎に計測し、本計測により1秒毎に得られる強度を示すデータ(以下、「強度データ」という)をメモリ7に格納する。
First, in step S1, the
次に、ステップS2において、CPU6はメモリ7に格納された連続する強度データの差を取ることにより、リアルタイムに上記電波の1秒間における強度変化の大きさ(変化量)を算出する。
Next, in step S2, the
ステップS3において、CPU6は、被験者が部屋10の中で通常の生活をした状態、例えばベッド1の上で横になる、寝返りをうつ、起き上がるなどの日頃行う行動をしている状態で算出された上記変化量を予めモニタリングして、その変化量が発生した頻度との関係を示す度数分布図(以下、「基準ヒストグラム」という)を作成する。
In step S <b> 3, the
なお、被験者が上記のように通常の生活をした状態では、ほとんど眠っているか、無人であるので当該変化量は小さな値の度数が多くなる傾向になり、特に無人の場合には当該変化量がゼロになることが望ましいが、部屋10の温度や湿度等の環境変動による測定誤差によりゼロにならない場合もある。
It should be noted that when the subject has a normal life as described above, the amount of change tends to increase with a small value because the subject is almost asleep or unmanned. Although it is desirable to be zero, there may be cases where it does not become zero due to a measurement error due to environmental fluctuations such as the temperature and humidity of the
そして、ステップS4において、CPU6は基準ヒストグラムから、被験者の特異な動きを検知あるいは認定するための基準となる上記変化量のしきい値を決定する。
In step S4, the
図3は、本しきい値を決定する方法を説明するための第一の図である。ここで、図3のドットで示されたグラフは基準ヒストグラムの一例を示すものであるが、横軸は強度変化の大きさ(上記変化量)、縦軸はステップS3において得られた頻度(出現回数)を示す。図3に示されるように、実測値による基準ヒストグラムは直線近似できる変化量の小さな領域と小さな出現回数しかない変化量の大きな領域の二領域からなる。 FIG. 3 is a first diagram for explaining a method of determining the threshold value. Here, the graph shown by the dots in FIG. 3 shows an example of the reference histogram. The horizontal axis is the magnitude of the intensity change (the above change amount), and the vertical axis is the frequency (appearance) obtained in step S3. Number of times). As shown in FIG. 3, the reference histogram based on the actual measurement values is composed of two regions: a region with a small change amount that can be linearly approximated and a region with a large change amount that has only a small number of appearances.
そして、上記しきい値は、基準ヒストグラムの変化量の小さな領域が図3に示されるグラフGP1のような直線的な形をなす場合には、一点鎖線で示されるようにグラフGP1を直線的に外挿したときの横軸との交点の変化量C1と決定することができる。 Then, when the region where the amount of change in the reference histogram is small has a linear shape like the graph GP1 shown in FIG. 3, the threshold value is linearly displayed on the graph GP1 as indicated by a one-dot chain line. The amount of change C1 at the intersection with the horizontal axis when extrapolated can be determined.
また、図4は、本しきい値を決定する方法を説明するための第二の図である。ここで、図4に示された横軸は強度変化の大きさ(上記変化量)を示し、縦軸は頻度(出現回数)の対数を示す。このとき、基準ヒストグラムの変化量の小さな領域が指数関数的な形をなす場合には、各変化量の出現回数に1を加算した上で対数をとり変化量との関係を図示すると、図4に示された座標系においては直線状のグラフGP2を得ることができる。
そこで、グラフGP2と出現回数が0(縦軸の値が1)を示す横軸との交点の変化量C2を上記のしきい値と決定する事もできる。
FIG. 4 is a second diagram for explaining a method of determining the threshold value. Here, the horizontal axis shown in FIG. 4 indicates the magnitude of the intensity change (the above change amount), and the vertical axis indicates the logarithm of the frequency (number of appearances). At this time, when a region with a small amount of change in the reference histogram has an exponential shape, 1 is added to the number of occurrences of each amount of change and a logarithm is used to illustrate the relationship with the amount of change. In the coordinate system shown in (1), a linear graph GP2 can be obtained.
Therefore, the change amount C2 at the intersection of the graph GP2 and the horizontal axis where the number of appearances is 0 (the value on the vertical axis is 1) can also be determined as the threshold value.
次に、ステップS5において、CPU6はステップS4で決定されたしきい値を超える上記変化量につき、変化量毎の計測頻度(出現回数)を集計した度数分布図(以下、「動きヒストグラム」という)をリアルタイムに作成する。
Next, in step S5, the
すなわち、CPU6はステップS2で説明された方法で算出された上記変化量をその都度(1秒毎に)新たな集計対象とすると同時に、当該集計対象とされている変化量のうち時間的に最も早く対象とされた値を上記の新たな集計対象から除外する。このようにして、CPU6は、予め定められた時間、例えば1時間における最新の動きヒストグラムを絶えず生成し、メモリ7に格納する。
That is, the
そして、ステップS6において、CPU6は動きヒストグラムをモニタリングし、そのヒストグラムの階級値毎の度数の少なくとも一つが要注意レベルとして予め定めたしきい値以上となったときに、被験者に異変が生じている可能性があることを予測して、その旨を表示部8に表示することによって、本システムのユーザに通知する。なお、本通知は、上記のような表示部8による表示の他、行動予測装置20に含まれるスピーカ(図示していない)から注意を促す音を鳴らす方法によってもよい。
Then, in step S6, the
ここで、動きヒストグラムの階級値毎の度数をモニタリングするのは、被験者の行動に応じて上記変化量が異なり、例えば注目したい不眠状態を示す被験者によるベッド1での寝返り等の行動は、ベッド1からの昇降等よりも小さい動きであるため、着目すべき上記変化量は必ずしも大きな値でないからである。また、小さな動きは大きな動きの前兆の動作であり(小さな動きの方が時間的に先行して起こる)、小さな動きは大きな動きより長い時間継続する(小さな動きの方が観測してから終了までに発報する時間的な余裕が大きい)という特徴を持つからである。
Here, the frequency for each class value of the motion histogram is monitored because the amount of change differs depending on the behavior of the subject. For example, the behavior such as turning over in the
また、上記要注意レベルとしては、例えば、不眠状態に起因して被験者が転倒事故を起こした事例で計測されメモリ7に記憶された動きヒストグラムの記録に基づいて、経験的に当該事故が生じる可能性が高いと思われる値が予め設定される。なお、上記要注意レベルとしては、通常の生活状態で得られた動きヒストグラムの階級毎に求めた最大値の3倍以上の値を予め設定することも考えられる。
In addition, as the level of caution, for example, the accident may occur empirically based on a motion histogram record measured in a case where the subject caused a fall accident due to insomnia and stored in the
上記のような本発明の実施の形態1に係る行動予測方法によれば、被験者の就寝状態を監視して着目すべき動作を行う頻度をリアルタイムに計測することができるため、例えば起き上がる直前の動作を検出する事なく、ベッドから抜け出す兆候を事前に予測する事ができる。 According to the behavior prediction method according to the first embodiment of the present invention as described above, since the frequency of performing an action to be observed by monitoring the sleeping state of the subject can be measured in real time, for example, the action immediately before getting up It is possible to predict in advance signs of getting out of the bed without detecting the above.
このことから、被験者が例えば高齢者であって介護が必要とされるような場合には、介護者は時間的余裕を持って介助に駆けつけることができるようになる。 From this, for example, when the subject is an elderly person and needs care, the caregiver can rush to help with time.
また、上記の実施の形態1に係る行動予測方法は、例えば図5に示される行動予測装置によって実現できる。
図5に示される行動予測装置30は、強度変化算出部31と、計測部32と、記憶部33と、通知部34とを備える。
Moreover, the behavior prediction method according to the first embodiment can be realized by, for example, the behavior prediction device shown in FIG.
The
ここで、強度変化算出部31は受信された信号の強度変化を算出する。また、記憶部33には予め定められた第一及び第二のしきい値が記憶される。
そして、計測部32は、強度変化算出部31で算出された信号強度の大きさと記憶部33に記憶された第一のしきい値とを比較して、上記信号強度の大きさが第一のしきい値を超える頻度を計測する。
このとき、通知部34は、計測部32で計測された上記頻度が記憶部33に記憶された第二のしきい値以上となった時に、通知信号を出力する。
Here, the intensity
Then, the
At this time, the
なお、計測部32は、予めモニタリングされた信号の強度変化の大きさに応じて上記第一のしきい値を決定し、決定された第一のしきい値を記憶部33に記憶するようにしてもよい。
The measuring
[実施の形態2]
図6は、図1に示された行動予測システムで実現される行動予測方法の第二の実施の形態を説明するためのフローチャートである。以下において、図6を用いて実施の形態2に係る当該行動予測方法を詳しく説明する。
[Embodiment 2]
FIG. 6 is a flowchart for explaining a second embodiment of the behavior prediction method realized by the behavior prediction system shown in FIG. Hereinafter, the behavior prediction method according to the second embodiment will be described in detail with reference to FIG.
ここで、図6に示されたステップS1からステップS4については、上記実施の形態1に係る行動予測方法の図2に示されたステップS1からステップS4とそれぞれ同じであるため、説明を省略する。 Here, step S1 to step S4 shown in FIG. 6 are the same as step S1 to step S4 shown in FIG. 2 of the behavior prediction method according to the first embodiment, and the description thereof will be omitted. .
図6に示されたステップS5において、CPU6は、一日(24時間)を単位として上記変化量をモニタリングし、一日毎に上記しきい値を超える上記変化量の度数(以下、「動き度数」という)を集計する。
In step S5 shown in FIG. 6, the
次に、ステップS6では、CPU6は、ステップS5で集計された度数と、過去の一定期間、例えば一週間の各日に集計された動き度数の最小値との比を計算する。
そして、ステップS7では、CPU6はステップS6で計算された上記比が要注意レベルとして予め定められたしきい値以上となったときに、被験者をモニタリングする時間をそれまでの24時間から、それよりも短い予め定めた範囲、例えば被験者の就寝時間である21時から翌日の6時までの9時間に限定する。
Next, in step S6, the
In step S7, when the ratio calculated in step S6 is equal to or higher than a predetermined threshold as the level of caution, the
このように被験者をモニタリングする時間を限定するのは、一般に被験者の行動は所定の時間に限られることが多いため、モニタリング時間を限定することにより、着目すべき動き度数の全度数に対する比率を高め、動き度数の検知感度を高めることができるためである。 Limiting the time for monitoring the subject in this way is generally that the subject's behavior is often limited to a predetermined time. Therefore, by limiting the monitoring time, the ratio of the motion frequency to be noticed to the total frequency is increased. This is because the detection sensitivity of the movement frequency can be increased.
次に、ステップS8では、CPU6は、ステップS7で限定された範囲において、動き度数を集計する。
そして、ステップS9では、CPU6は、ステップS8で集計された動き度数の上記9時間に集計された全度数に対する比率を計算する。
Next, in step S8, the
In step S9, the
このようにして、ステップS10では、CPU6は、ステップS9で計算された上記比率が危険レベルとして予め定められたしきい値以上となったときに、被験者に異変が生じている可能性、例えば不眠状態であることを予測し、その旨を表示部8に表示することによって、本システムのユーザに通知する。
In this manner, in step S10, the
なお、本通知は、上記のような表示部8による表示の他、行動予測装置20に含まれるスピーカ(図示していない)から注意を促す音を鳴らす方法によってもよいことは、上記実施の形態1に係る行動予測方法と同様である。
In addition to the display by the
上記のような本発明の実施の形態2に係る行動予測方法によれば、過去において計測されたデータと比較することにより被験者に異変が生じている可能性があると判定された場合には、被験者をモニタリングする時間を限定することとするため、着目すべき動き度数の検知感度が相対的に高められるため、従来より迅速かつ的確に被験者の行動を予測することができる。 According to the behavior prediction method according to the second embodiment of the present invention as described above, when it is determined that there is a possibility that the subject has changed due to comparison with data measured in the past, Since the time for monitoring the subject is limited, the detection sensitivity of the motion frequency to which attention should be paid is relatively increased, so that the behavior of the subject can be predicted more quickly and accurately than before.
なお、上記実施の形態2に係る行動予測方法は、例えば図7に示される行動予測装置40によって実現できる。
Note that the behavior prediction method according to the second embodiment can be realized by, for example, the
図7に示される行動予測装置40は、強度変化算出部41と、演算部42と、記憶部43と、計測時間限定部44と、通知部45とを備える。
7 includes an intensity
ここで、強度変化算出部41は受信された信号の強度変化を算出する。また、記憶部43には予め第一から第三のしきい値が記憶される。
そして、演算部42は、予め定められた第一の時間に受信された信号について強度変化算出部41により算出された強度変化の大きさが、記憶部43に記憶された第一のしきい値を超える回数と、過去において上記第一の時間に計数された回数の最小値との比を算出する。なお、演算部42は、過去において上記第一の時間に計数された回数の最小値を記憶しているものとする。
Here, the intensity
Then, the
また、計測時間限定部44は、演算部42で算出された上記比が記憶部43に記憶された第二のしきい値以上となった時に、強度変化算出部41が強度変化の大きさを計測する時間を上記第一の時間よりも短い予め定められた第二の時間に限定する。
In addition, the measurement
そして、第二の時間に強度変化算出部41により算出された強度変化の大きさが第一のしきい値を超える回数と第二の時間における全計測回数との比の値が演算部42により算出され、算出された当該値が通知部45へ供給される。このとき、通知部45は、演算部42から供給された上記値が記憶部43に記憶された第三のしきい値以上になった時に通知信号を出力する。
Then, the value of the ratio between the number of times the intensity change calculated by the intensity
[実施の形態3]
図8は、図1に示された行動予測システムで実現される行動予測方法の第三の実施の形態を説明するためのフローチャートである。以下において、図8を用いて実施の形態3に係る当該行動予測方法を詳しく説明する。
[Embodiment 3]
FIG. 8 is a flowchart for explaining a third embodiment of the behavior prediction method realized by the behavior prediction system shown in FIG. Below, the said action prediction method which concerns on Embodiment 3 is demonstrated in detail using FIG.
ここで、図8に示されたステップS1からステップS3については、上記実施の形態1に係る行動予測方法の図2に示されたステップS1からステップS3とそれぞれ同じであるため、説明を省略する。 Here, steps S1 to S3 shown in FIG. 8 are the same as steps S1 to S3 shown in FIG. 2 of the behavior prediction method according to the first embodiment, respectively, and thus description thereof is omitted. .
図8に示されたステップS4において、CPU6は、予め定められた第一の時間、例えば一晩(9時間)を単位として上記変化量をモニタリングし、一晩毎に上記変化量の度数を変化量毎に集計する。
In step S4 shown in FIG. 8, the
具体的には、受信された信号の強度変化の大きさを複数の階級に分類し、階級値毎に上記度数を計数する。そして、階級値毎の計数値の最小値を記録しておく(最小値の学習)。 Specifically, the magnitude of the intensity change of the received signal is classified into a plurality of classes, and the frequency is counted for each class value. And the minimum value of the count value for every class value is recorded (learning of the minimum value).
次に、ステップS5において、CPU6は、最小値の学習に用いた全ての晩毎について、階級値毎の計数値に1を加算した値を上記階級値毎の最小値に1を加算した値で除した計数比を算出することにより規格化する(規格化ヒストグラムの作成)。
Next, in step S5, the
ここで、階級値と計数値の関係が指数関数的である場合には、比較的低い階級値の計数値が減少して、その減少分だけ高い範囲の階級値の計数値が増加すると、前述の階級値毎の計数比は、高い範囲の階級値で大きな変化を生ずる。 Here, when the relationship between the class value and the count value is exponential, when the count value of the relatively low class value decreases and the count value of the high range value increases by the decrease, The count ratio for each class value varies greatly in a high range of class values.
具体的には、図9に示されるように、環境由来の度数は階級値の低い部分にほぼ集中しており、人の動き由来の度数は環境由来のそれより階級値の高い部分にまで分布する。 Specifically, as shown in FIG. 9, the frequencies derived from the environment are mostly concentrated in the lower class values, and the frequencies derived from human movement are distributed to the higher class values than those derived from the environment. To do.
このとき、各晩の規格化ヒストグラムを参照すると、図10に示されるように、上述の人の動きに由来する規格化度数(計数比)は山型となる。 At this time, referring to the normalized histogram of each night, as shown in FIG. 10, the normalized frequency (count ratio) derived from the above-described human movement is a mountain shape.
それゆえ、当該ヒストグラムのピーク値を基に自動的に算出される値よりも大きい階級値の範囲(以下、「第一の範囲」という)のデータは、上記実施の形態1に係る動きヒストグラムを算出する際に使用する第一のしきい値の決定が困難な場合に代替的役割を果たすため、ステップS6において、CPU6は、第一の範囲を特定する(動きヒストグラムの範囲の自動学習)。
Therefore, data of a class value range (hereinafter referred to as “first range”) larger than a value automatically calculated based on the peak value of the histogram is represented by the motion histogram according to the first embodiment. In order to play an alternative role when it is difficult to determine the first threshold value used in the calculation, in step S6, the
ここで、上記の「自動的に算出される値」とは、図10に示されるように、例えばピーク値Rtの50%(Rt/2)の大きさとされる。また、ピーク値のexp(-1)としてもよい。なお、「第一の範囲」をどのような範囲とするかは検出感度に影響を与え、一般に「自動的に算出される値」をピーク値に近い値にすればするほど検出感度は低くなり、逆にピーク値から遠い値にすればするほどノイズを拾いやすくなるという性質を持つ。 Here, the “automatically calculated value” is, for example, 50% (Rt / 2) of the peak value Rt, as shown in FIG. Alternatively, the peak value exp (-1) may be used. Note that the range of the “first range” affects the detection sensitivity. In general, the closer the “automatically calculated value” is to a peak value, the lower the detection sensitivity. On the other hand, it has the property that noise becomes easier to pick up as the value is farther from the peak value.
そして、ステップS7において、CPU6は、各晩のデータの第一の範囲における上記計数比の最大値を階級値毎に記録する(最大値群の学習)。
In step S7, the
次に、ステップS8において、CPU6は、ステップS7において記録された計数比の最大値より大きな値、例えば図11の黒丸で示された値のように、最大値の2倍の値を階級値毎のしきい値として設定する。この最大値への乗数は大きいほど感度は鈍くなり、小さいほどノイズが増える傾向にある。
Next, in step S8, the
以上の学習過程を経て、ステップS9において、CPU6は改めて9時間毎に上記第一の範囲において階級毎の計数比を算出し、算出された少なくとも一つの計数比がステップS8において設定されたしきい値を超えた時、被験者に異常事態が迫っていると判定する。なお、このとき、CPU6はその旨を表示部8に表示することによって、本システムのユーザに通知する。
Through the above learning process, in step S9, the
ここで、本通知は、上記のような表示部8による表示の他、行動予測装置20に含まれるスピーカ(図示していない)から注意を促す音を鳴らす方法によってもよいことは、上記実施の形態1に係る行動予測方法と同様である。
Here, in addition to the display by the
さらに、上記第一の範囲のデータに着目することにより、被験者の状態に応じて上記第一の時間を短くすれば、着目すべき動き度数の全度数に対する比率を高め、動き度数の検知感度を高めることができる。 Furthermore, if the first time is shortened according to the condition of the subject by focusing on the data in the first range, the ratio of the motion frequency to be focused on the total frequency is increased, and the detection sensitivity of the motion frequency is increased. Can be increased.
上記のような本発明の実施の形態3に係る行動予測方法によれば、動きヒストグラムの範囲を自動学習することができるため、かかる方法によっても上記実施の形態2に係る行動予測方法と同様に、従来より迅速かつ的確に被験者の行動を予測することができる。 According to the behavior prediction method according to the third embodiment of the present invention as described above, since the range of the motion histogram can be automatically learned, the method is the same as the behavior prediction method according to the second embodiment. The behavior of the subject can be predicted more quickly and accurately than in the past.
なお、上記実施の形態3に係る行動予測方法は、例えば図12に示される行動予測装置50によって実現できる。
図12に示される行動予測装置50は、強度変化算出部51と、記憶部52と、着目範囲特定部53と、通知部54とを備える。
Note that the behavior prediction method according to the third embodiment can be realized by, for example, the
The
ここで、強度変化算出部51は受信された信号の強度変化を算出する。記憶部52は、予め定められた時間内においてモニタリングされた信号の強度変化の大きさを複数の階級に分類し、集計された階級毎の度数の最小値を記憶する。
そして、着目範囲特定部53は、上記時間内におけるモニタリングにおいて得られた度数を階級毎に集計して、記憶部52に記憶された上記最小値との比を算出し、上記比の最大値に応じて定めた第一のしきい値を超える階級を特定する。
Here, the
Then, the range-of-
このとき、通知部54は、着目範囲特定部53で特定された階級毎に、階級毎における上記比の最大値より大きな値を第二のしきい値として設定し、上記時間内においてモニタリングされた信号の強度変化の大きさを階級毎に集計することにより算出された上記比が、着目範囲特定部53で特定された階級のうち少なくとも一つの階級において第二のしきい値を超えた時に、通知信号を出力する。
At this time, the
また、ステップS8において設定されるしきい値は、同ステップで求められた複数のしきい値を加算したスカラ値としてもよく、この場合には規格化ヒストグラムの第一の範囲内の計数比を加算したスカラ値が本しきい値を上回った時に、被験者に異常が迫っていると判定することにより、上記実施の形態3に係る行動予測方法と同様な効果を得ることができる。 The threshold value set in step S8 may be a scalar value obtained by adding a plurality of threshold values obtained in the same step. In this case, the count ratio within the first range of the normalized histogram is set. When the added scalar value exceeds the threshold value, it is possible to obtain the same effect as the behavior prediction method according to the third embodiment by determining that the subject is approaching an abnormality.
なお、本実施の形態に係る行動予測方法も、例えば図12に示される行動予測装置50により実現できる。
すなわち、図12に示された通知部54が、着目範囲特定部53で特定された階級毎における上記比の最大値の和を第二のしきい値として自ら保持、あるいは記憶部52に記憶させ、上記時間内においてモニタリングされた信号の強度変化の大きさを階級毎に集計することにより着目範囲特定部53で特定された階級毎に算出された上記最小値との比の和が第二のしきい値を超えた時に通知信号を出力するようにすればよい。
The behavior prediction method according to the present embodiment can also be realized by the
That is, the
また、上記第一の範囲におけるスカラ値の合計値を全範囲におけるスカラ値の合計値で除した値(比)は睡眠度を表す指数ということができ、0は睡眠を示し、1に近づくほど覚醒を示す。そして、この指数を時系列的にモニタリングする事により、被験者が眠りに入る傾向にあるのか、覚醒に向かう傾向にあるのかを把握する事もできる。 In addition, a value (ratio) obtained by dividing the total value of the scalar values in the first range by the total value of the scalar values in the entire range can be referred to as an index representing the degree of sleep. Shows awakening. By monitoring this index in time series, it is possible to grasp whether the subject tends to fall asleep or to awaken.
なお、本実施の形態に係る行動予測方法は、例えば図13に示される行動予測装置60によって実現できる。
図13に示される行動予測装置60は、強度変化算出部61と、記憶部62と、着目範囲特定部63と、監視部64とを備える。
Note that the behavior prediction method according to the present embodiment can be realized by the
The
ここで、強度変化算出部61は受信された信号の強度変化を算出する。記憶部62は、予め定められた時間内においてモニタリングされた信号の強度変化の大きさを複数の階級に分類し、集計された階級毎の度数の最小値を記憶する。
Here, the intensity
そして、着目範囲特定部63は、上記時間内におけるモニタリングにおいて得られた度数を階級毎に集計して、記憶部62に記憶された上記最小値との比を算出し、上記比の最大値に応じて定めた第一のしきい値を超える階級を特定する。
このとき、監視部64は、着目範囲特定部63で特定された階級毎における上記比の和と全ての階級毎における上記比の和との比をモニタリングする。
Then, the range-of-
At this time, the
ところで、上記実施の形態1〜3に係る行動予測方法は、いずれも、当該手順を記述したプログラムを光ディスクなどのコンピュータ読み取り可能な記録媒体に記録して、当該記録媒体をコンピュータである行動予測装置20のドライブ(図示していない)に装着し、上記プログラムを行動予測装置20に含まれたCPU6に実行させることによって容易に実現することができる。
By the way, in each of the behavior prediction methods according to the first to third embodiments, a program describing the procedure is recorded on a computer-readable recording medium such as an optical disk, and the recording medium is a behavior prediction apparatus that is a computer. It can be easily realized by attaching it to 20 drives (not shown) and causing the
以上より、本発明の実施の形態に係る行動予測システム、行動予測装置、行動予測方法、行動予測プログラム及び当該プログラムを記録した記録媒体によれば、RFIDタグ2から発信され受信機3で受信される電波について、被験者の行動に起因した着目すべき強度変化を迅速かつ的確に抽出することができるため、簡易な構成によって被験者の行動を従来より早期かつ的確に予測することができる。
As described above, according to the behavior prediction system, the behavior prediction device, the behavior prediction method, the behavior prediction program, and the recording medium that records the program according to the embodiment of the present invention, it is transmitted from the
2 RFID(Radiofrequency Identification)タグ
3 受信機
6 CPU
7 メモリ
8 表示部
20,30,40,50,60 行動予測装置
31,41,51,61 強度変化算出部
32 計測部
34,45,54 通知部
42 演算部
44 計測時間限定部
53,63 着目範囲特定部
64 監視部
2 RFID (Radiofrequency Identification) tag 3
7
Claims (19)
被験者の行動に応じて変化する信号を受信する信号受信手段と、
予め定められた第一の時間に前記信号受信手段で受信された前記信号の大きさ又は前記信号の強度変化の大きさが予め定められた第一のしきい値を超える回数と過去において前記第一の時間に計数された前記回数の最小値との比が予め定められた第二のしきい値以上となった時に、前記信号の大きさ又は前記強度変化の大きさを計測する時間を前記第一の時間よりも短い予め定められた第二の時間に限定し、前記第二の時間に前記信号受信手段 により受信された前記信号の大きさ又は前記信号の前記強度変化の大きさが前記第一のしきい値を超える回数と前記第二の時間における全計測回数との比が予め定められた第三のしきい値以上になったことを通知する行動予測手段とを備えた行動予測システム。 A behavior prediction system for predicting a subject's behavior,
Signal receiving means for receiving a signal that changes according to the behavior of the subject;
The number of times that the magnitude of the signal received by the signal receiving means or the magnitude of the intensity change of the signal exceeds a predetermined first threshold in the past and the first time in the past. A time for measuring the magnitude of the signal or the magnitude of the intensity change when the ratio with the minimum value of the number of times counted in one time is equal to or greater than a predetermined second threshold value; It is limited to a predetermined second time shorter than the first time, and the magnitude of the signal received by the signal receiving means at the second time or the magnitude of the intensity change of the signal is Action prediction provided with action prediction means for notifying that the ratio of the number of times exceeding the first threshold and the total number of measurements in the second time is equal to or greater than a predetermined third threshold system.
被験者の行動に応じて変化する信号を受信する信号受信手段と、
前記信号受信手段を用いて予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計して、過去において前記時間内に集計された前記階級毎の前記度数の最小値との比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定し、特定された前記階級毎に前記比の最大値より大きな値を第二のしきい値として設定し、前記信号受信手段により受信された前記信号の大きさ又は前記信号の強度変化の大きさを前記階級毎に集計することにより、前記特定された前記階級毎に算出 された前記最小値との比が、前記特定された前記階級のうち少なくとも一つの階級において前記第二のしきい値を超えたことを通知する行動予測手段とを備えた行動予測システム。 A behavior prediction system for predicting a subject's behavior,
Signal receiving means for receiving a signal that changes according to the behavior of the subject;
The magnitude of the signal monitored within the predetermined time using the signal receiving means or the magnitude of the intensity change of the signal is classified into a plurality of classes, and the frequency generated in the monitoring is aggregated for each class. Then, in the past, the class that has a ratio with the minimum value of the frequency for each class aggregated in the time in the past exceeds the first threshold value determined according to the maximum value of the ratio is specified. For each specified class, a value larger than the maximum value of the ratio is set as the second threshold value, and the magnitude of the signal received by the signal receiving means or the magnitude of the intensity change of the signal is set. By summing up for each of the classes, the ratio with the minimum value calculated for each of the identified classes exceeds the second threshold value in at least one of the identified classes. The The behavior prediction system provided with the behavior prediction means which notifies that.
被験者の行動に応じて変化する信号を受信する信号受信手段と、
前記信号受信手段を用いて予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計して、過去において前記時間内に集計された前記階級毎の前記度数の最小値との比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定し、特定された前記階級毎における前記比の最大値の和を第二のしきい値として設定し、前記信号受信手段で受信された前記信号の大きさ又は前記信号の強度変化の大きさを前記階級毎に集計することにより、前記特定された前記階級毎に算出された 前記最小値との比の和が前記第二のしきい値を超えたことを通知する行動予測手段とを備えた行動予測システム。 A behavior prediction system for predicting a subject's behavior,
Signal receiving means for receiving a signal that changes according to the behavior of the subject;
The magnitude of the signal monitored within the predetermined time using the signal receiving means or the magnitude of the intensity change of the signal is classified into a plurality of classes, and the frequency generated in the monitoring is aggregated for each class. Then, in the past, the class that has a ratio with the minimum value of the frequency for each class aggregated in the time in the past exceeds the first threshold value determined according to the maximum value of the ratio is specified. The sum of the maximum values of the ratios for each of the specified classes is set as a second threshold value, and the magnitude of the signal received by the signal receiving means or the magnitude of the intensity change of the signal is set as the second threshold. Action provided with action predicting means for notifying that the sum of the ratio with the minimum value calculated for each of the specified classes exceeds the second threshold by counting for each class Prediction system.
被験者の行動に応じて変化する信号を受信する信号受信手段と、
前記信号受信手段を用いて予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計して、過去において前記時間内に集計された前記階級毎の前記度数の最小値との比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定し、特定された前記階級毎における前記比の和と全ての前記階級毎における前記比の和との比を前記信号受信手段を用いてモニタリングする行動予測手段とを備えた行動予測システム。 A behavior prediction system for predicting a subject's behavior,
Signal receiving means for receiving a signal that changes according to the behavior of the subject;
The magnitude of the signal monitored within the predetermined time using the signal receiving means or the magnitude of the intensity change of the signal is classified into a plurality of classes, and the frequency generated in the monitoring is aggregated for each class. Then, in the past, the class that has a ratio with the minimum value of the frequency for each class aggregated in the time in the past exceeds the first threshold value determined according to the maximum value of the ratio is specified. An action prediction system comprising: an action prediction unit that monitors, using the signal receiving unit, a ratio of the sum of the ratios for each specified class and the sum of the ratios for all the classes.
前記信号受信手段は、被験者の行動に応じて変化する前記電波信号を受信する請求項1から4のいずれかに記載の行動予測システム。 It further comprises signal transmission means for transmitting a radio signal,
It said signal receiving means, behavior prediction system according to any of claims 1 4 for receiving the radio wave signal changes according to the behavior of the subject.
予め定められた第一の時間に受信された信号の大きさ又は前記信号の強度変化の大きさが予め定められた第一のしきい値を超える回数と、過去において前記第一の時間に計数された前記回数の最小値との比を算出する演算手段と、
前記演算手段で算出された前記比が予め定められた第二のしきい値以上となった時に、前記信号の大きさ又は前記強度変化の大きさを計測する時間を前記第一の時間よりも短い予め定められた第二の時間に限定する計測時間限定手段と、
前記計測時間限定手段により設定された前記第二の時間に計測された前記信号の大きさ又は前記強度変化の大きさが前記第一のしきい値を超える回数と前記第二の時間における全計測回数との比が予め定められた第三のしきい値以上になったことを通知する通知手段とを備えた行動予測装置。 A behavior prediction device for predicting a subject's behavior,
Counts the number of times the magnitude of the signal received at a predetermined first time or the magnitude of the intensity change of the signal exceeds a predetermined first threshold, and counts at the first time in the past Calculating means for calculating a ratio with the minimum value of the number of times performed,
When the ratio calculated by the calculation means is equal to or greater than a predetermined second threshold value, the time for measuring the magnitude of the signal or the magnitude of the intensity change is set to be longer than the first time. Measuring time limiting means for limiting to a short predetermined second time;
The number of times the magnitude of the signal or intensity change measured at the second time set by the measurement time limiting means exceeds the first threshold value and all measurements at the second time A behavior prediction apparatus comprising: a notification unit that notifies that a ratio with the number of times is equal to or greater than a predetermined third threshold value.
前記受信された信号は、定点において受信された前記電波信号である請求項6に記載の行動予測装置。 The behavior prediction device is a device that predicts a subject's behavior using disturbance of a radio signal by the subject,
The received signal, behavior prediction apparatus according to claim 6, wherein the radio signal received at the fixed point.
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計して、過去の前記時間内において集計された前記階級毎の前記度数の最小値との比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する着目範囲特定手段と、
前記着目範囲特定手段で特定された前記階級毎に、前記階級毎における前記比の最大値より大きな値を第二のしきい値として設定し、前記時間内においてモニタリングされた前記信号の大きさ又は前記信号の強度変化の大きさを前記階級毎に集計することにより算出された前記比が、前記着目範囲特定手段で特定された前記階級のうち少なくとも一つの階級において前記第二のしきい値を超えたことを通知する通知手段とを備えた行動予測装置。 A behavior prediction device for predicting a subject's behavior,
The magnitude of the signal monitored within the predetermined time or the magnitude of the intensity change of the signal is classified into a plurality of classes, and the frequency generated in the monitoring is totaled for each class, and the past time A range of interest specifying means for specifying the class in which a ratio with the minimum value of the frequency for each class aggregated within exceeds a first threshold value determined according to the maximum value of the ratio;
For each class specified by the range-of-interest specifying means, a value larger than the maximum value of the ratio for each class is set as a second threshold value, and the magnitude of the signal monitored within the time or The ratio calculated by aggregating the magnitude of the intensity change of the signal for each class is the second threshold value in at least one of the classes specified by the range-of-interest specifying means. An action prediction apparatus comprising notification means for notifying that the number has been exceeded.
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計して、過去の前記時間内において集計された前記階級毎の前記度数の最小値との比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する着目範囲特定手段と、
前記着目範囲特定手段で特定された前記階級毎における前記比の最大値の和を第二のしきい値として設定し、前記時間内においてモニタリングされた前記信号の大きさ又は前記信号の強度変化の大きさを前記階級毎に集計することにより前記着目範囲特定手段で特定された前記階級毎に算出された前記最小値との比の和が前記第二のしきい値を超えたことを通知する通知手段とを備えた行動予測装置。 A behavior prediction device for predicting a subject's behavior,
The magnitude of the signal monitored within the predetermined time or the magnitude of the intensity change of the signal is classified into a plurality of classes, and the frequency generated in the monitoring is totaled for each class, and the past time A range of interest specifying means for specifying the class in which a ratio with the minimum value of the frequency for each class aggregated within exceeds a first threshold value determined according to the maximum value of the ratio;
The sum of the maximum values of the ratios for each class specified by the range-of-interest specifying means is set as a second threshold value, and the magnitude of the signal or the change in the intensity of the signal monitored within the time is set. By summing up the size for each class, it is notified that the sum of the ratio with the minimum value calculated for each class specified by the target range specifying means has exceeded the second threshold value. An action prediction apparatus comprising a notification means.
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計して、過去の前記時間内において集計された前記階級毎の前記度数の最小値との比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する着目範囲特定手段と、
前記着目範囲特定手段で特定された前記階級毎における前記比の和と全ての前記階級毎における前記比の和との比をモニタリングする手段とを備えた行動予測装置。 A behavior prediction device for predicting a subject's behavior,
The magnitude of the signal monitored within the predetermined time or the magnitude of the intensity change of the signal is classified into a plurality of classes, and the frequency generated in the monitoring is totaled for each class, and the past time A range of interest specifying means for specifying the class in which a ratio with the minimum value of the frequency for each class aggregated within exceeds a first threshold value determined according to the maximum value of the ratio;
A behavior prediction apparatus comprising: means for monitoring a ratio between the sum of the ratios for each class specified by the range-of-interest specifying means and the sum of the ratios for all the classes.
前記モニタリングされた信号は、定点においてモニタリングされた前記電波信号である請求項8から10のいずれかに記載の行動予測装置。 The behavior prediction device is a device that predicts a subject's behavior using disturbance of a radio signal by the subject,
The monitored signals are behavior prediction apparatus according to claim 8 which is the radio signal that is monitored in a fixed point 10.
前記コンピュータに、
予めモニタリングされた信号の大きさ又は前記信号の強度変化の大きさに応じて、前記信号の大きさ又は前記強度変化についての第一のしきい値を決定する第一の手順と、
予め定められた第一の時間に受信された前記信号の大きさ又は前記信号の強度変化の大きさが前記第一のしきい値を超える回数を計数する第二の手順と、
前記第二の手順で計数された前記回数と、過去において前記第一の時間に計数された前記回数の最小値との比が予め定められた第二のしきい値以上となった時に、前記信号の大きさ又は前記強度変化の大きさを計測する時間を前記第一の時間よりも短い予め定められた第二の時間に限定する第三の手順と、
前記第二の時間に計測された前記信号の大きさ又は前記強度変化の大きさが前記第一のしきい値を超える回数を計数する第四の手順と、
前記第四の手順で計数された回数と前記第二の時間における全計測回数との比が予め定められた第三のしきい値以上となったことを通知する第五の手順とを実行させる行動予測プログラム。 A behavior prediction program that makes a computer predict a subject's behavior,
In the computer,
A first procedure for determining a first threshold for the signal magnitude or the intensity change in response to a pre-monitored signal magnitude or magnitude of the signal intensity change;
A second procedure for counting the number of times the magnitude of the signal received at a first predetermined time or the magnitude of the change in intensity of the signal exceeds the first threshold;
When the ratio between the number of times counted in the second procedure and the minimum value of the number of times counted in the first time in the past is equal to or greater than a predetermined second threshold value, A third procedure for limiting the time for measuring the magnitude of the signal or the magnitude of the intensity change to a predetermined second time shorter than the first time;
A fourth procedure for counting the number of times that the magnitude of the signal or the magnitude of the intensity change measured at the second time exceeds the first threshold;
And a fifth procedure for notifying that the ratio of the number of times counted in the fourth procedure and the total number of measurements in the second time is equal to or greater than a predetermined third threshold value. Behavior prediction program.
前記コンピュータに、
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計する第一の手順と、
過去の前記時間内において集計された前記階級毎の前記度数の最小値と前記第一の手順で集計された前記階級毎の前記度数との前記階級毎の比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する第二の手順と、
前記第二の手順で特定された前記階級において、前記比の最大値を階級毎に記憶する第三の手順と、
前記第二の手順で特定された前記階級毎に前記最大値より大きな値を第二のしきい値として設定する第四の手順と、
前記時間内にモニタリングされた前記信号の大きさ又は前記信号の強度変化の大きさを前記階級毎に集計し、前記最小値との比が少なくとも一つの前記階級において前記第二のしきい値を超えたことを通知する第五の手順とを実行させる行動予測プログラム。 A behavior prediction program that makes a computer predict a subject's behavior,
In the computer,
A first procedure for classifying the magnitude of the signal monitored within a predetermined time or the magnitude of the intensity change of the signal into a plurality of classes, and counting the frequencies generated in the monitoring for each class;
The ratio for each class between the minimum value of the frequency for each class aggregated in the past time and the frequency for each class aggregated in the first procedure depends on the maximum value of the ratio. A second procedure for identifying the class that exceeds a first threshold defined in
In the class specified in the second procedure, a third procedure for storing the maximum value of the ratio for each class;
A fourth procedure for setting a value greater than the maximum value as the second threshold value for each of the classes specified in the second procedure;
The magnitude of the signal monitored within the time or the magnitude of the change in the intensity of the signal is aggregated for each class, and the ratio of the minimum value to the minimum value is the second threshold value in the class. A behavior prediction program that executes a fifth procedure for notifying that it has been exceeded.
前記コンピュータに、
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計する第一の手順と、
過去の前記時間内において集計された前記階級毎の前記度数の最小値と前記第一の手順で集計された前記階級毎の前記度数との前記階級毎の比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する第二の手順と、
前記第二の手順で特定された前記階級において、前記比の最大値を階級毎に記憶する第三の手順と、
前記第三の手順で記憶された前記最大値の和を第二のしきい値として設定する第四の手順と、
前記時間内にモニタリングされた前記信号の大きさ又は前記信号の強度変化の大きさを前記階級毎に集計し、前記階級毎に算出された前記最小値との比の和が前記第二のしきい値を超えた時点で、被験者に異変が生じている可能性があると判断する第五の手順とを実行させる行動予測プログラム。 A behavior prediction program that makes a computer predict a subject's behavior,
In the computer,
A first procedure for classifying the magnitude of the signal monitored within a predetermined time or the magnitude of the intensity change of the signal into a plurality of classes, and counting the frequencies generated in the monitoring for each class;
The ratio for each class between the minimum value of the frequency for each class aggregated in the past time and the frequency for each class aggregated in the first procedure depends on the maximum value of the ratio. A second procedure for identifying the class that exceeds a first threshold defined in
In the class specified in the second procedure, a third procedure for storing the maximum value of the ratio for each class;
A fourth procedure for setting the sum of the maximum values stored in the third procedure as a second threshold;
The magnitude of the signal monitored during the time or the magnitude of the intensity change of the signal is aggregated for each class, and the sum of the ratio with the minimum value calculated for each class is the second value. A behavior prediction program for executing a fifth procedure for determining that there is a possibility that an abnormality has occurred in the subject when the threshold value is exceeded.
前記コンピュータに、
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計する第一の手順と、
過去の前記時間内において集計された前記階級毎の前記度数の最小値と前記第一の手順で集計された前記階級毎の前記度数との前記階級毎の比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する第二の手順と、
前記第二の手順で特定された前記階級における前記比の和と全ての前記階級における前記比の和との比をモニタリングする第三の手順とを実行させる行動予測プログラム。 A behavior prediction program that makes a computer predict a subject's behavior,
In the computer,
A first procedure for classifying the magnitude of the signal monitored within a predetermined time or the magnitude of the intensity change of the signal into a plurality of classes, and counting the frequencies generated in the monitoring for each class;
The ratio for each class between the minimum value of the frequency for each class aggregated in the past time and the frequency for each class aggregated in the first procedure depends on the maximum value of the ratio. A second procedure for identifying the class that exceeds a first threshold defined in
A behavior prediction program for executing a third procedure for monitoring a ratio between the sum of the ratios in the class specified in the second procedure and the sum of the ratios in all the classes.
前記コンピュータに、
予めモニタリングされた信号の大きさ又は前記信号の強度変化の大きさに応じて、前記信号の大きさ又は前記強度変化についての第一のしきい値を決定する第一の手順と、
予め定められた第一の時間に受信された前記信号の大きさ又は前記信号の強度変化の大きさが前記第一のしきい値を超える回数を計数する第二の手順と、
前記第二の手順で計数された前記回数と、過去において前記第一の時間に計数された前記回数の最小値との比が予め定められた第二のしきい値以上となった時に、前記信号の大きさ又は前記強度変化の大きさを計測する時間を前記第一の時間よりも短い予め定められた第二の時間に限定する第三の手順と、
前記第二の時間に計測された前記信号の大きさ又は前記強度変化の大きさが前記第一のしきい値を超える回数を計数する第四の手順と、
前記第四の手順で計数された回数と前記第二の時間における全計測回数との比が予め定められた第三のしきい値以上となったことを通知する第五の手順とを実行させる行動予測プログラムを記録したコンピュータ読み取り可能な記録媒体。 A computer-readable recording medium recording a behavior prediction program for predicting the behavior of a subject with respect to a computer,
In the computer,
A first procedure for determining a first threshold for the signal magnitude or the intensity change in response to a pre-monitored signal magnitude or magnitude of the signal intensity change;
A second procedure for counting the number of times the magnitude of the signal received at a first predetermined time or the magnitude of the change in intensity of the signal exceeds the first threshold;
When the ratio between the number of times counted in the second procedure and the minimum value of the number of times counted in the first time in the past is equal to or greater than a predetermined second threshold value, A third procedure for limiting the time for measuring the magnitude of the signal or the magnitude of the intensity change to a predetermined second time shorter than the first time;
A fourth procedure for counting the number of times that the magnitude of the signal or the magnitude of the intensity change measured at the second time exceeds the first threshold;
And a fifth procedure for notifying that the ratio of the number of times counted in the fourth procedure and the total number of measurements in the second time is equal to or greater than a predetermined third threshold value. A computer-readable recording medium on which an action prediction program is recorded.
前記コンピュータに、
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計する第一の手順と、
過去の前記時間内において集計された前記階級毎の前記度数の最小値と前記第一の手順で集計された前記階級毎の前記度数との前記階級毎の比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する第二の手順と、
前記第二の手順で特定された前記階級において、前記比の最大値を階級毎に記憶する第三の手順と、
前記第二の手順で特定された前記階級毎において前記最大値より大きな値を第二のしきい値として設定する第四の手順と、
前記時間内にモニタリングされた前記信号の大きさ又は前記信号の強度変化の大きさを前記階級毎に集計し、前記最小値との比が少なくとも一つの前記階級において前記第二の しきい値を超えたことを通知する第五の手順とを実行させる行動予測プログラムを記録したコンピュータ読み取り可能な記録媒体。 A computer-readable recording medium recording a behavior prediction program for predicting the behavior of a subject with respect to a computer,
In the computer,
A first procedure for classifying the magnitude of the signal monitored within a predetermined time or the magnitude of the intensity change of the signal into a plurality of classes, and counting the frequencies generated in the monitoring for each class;
The ratio for each class between the minimum value of the frequency for each class aggregated in the past time and the frequency for each class aggregated in the first procedure depends on the maximum value of the ratio. A second procedure for identifying the class that exceeds a first threshold defined in
In the class specified in the second procedure, a third procedure for storing the maximum value of the ratio for each class;
A fourth procedure for setting, as the second threshold value, a value greater than the maximum value for each class specified in the second procedure;
The magnitude of the signal monitored during the time or the magnitude of the change in the intensity of the signal is aggregated for each class, and the ratio of the minimum value to the minimum value is the second threshold value in the class. A computer-readable recording medium recording an action prediction program for executing a fifth procedure for notifying that the number has been exceeded.
前記コンピュータに、
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計する第一の手順と、
過去の前記時間内において集計された前記階級毎の前記度数の最小値と前記第一の手順で集計された前記階級毎の前記度数との前記階級毎の比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する第二の手順と、
前記第二の手順で特定された前記階級において、前記比の最大値を階級毎に記憶する第三の手順と、
前記第三の手順で記憶された前記最大値の和を第二のしきい値として設定する第四の手順と、
前記時間内にモニタリングされた前記信号の大きさ又は前記信号の強度変化の大きさを前記階級毎に集計し、前記階級毎に算出された前記最小値との比の和が前記第二のしきい値を超えた時点で、被験者に異変が生じている可能性があると判断する第五の手順とを実行させる行動予測プログラムを記録したコンピュータ読み取り可能な記録媒体。 A computer-readable recording medium recording a behavior prediction program for predicting the behavior of a subject with respect to a computer,
In the computer,
A first procedure for classifying the magnitude of the signal monitored within a predetermined time or the magnitude of the intensity change of the signal into a plurality of classes, and counting the frequencies generated in the monitoring for each class;
The ratio for each class between the minimum value of the frequency for each class aggregated in the past time and the frequency for each class aggregated in the first procedure depends on the maximum value of the ratio. A second procedure for identifying the class that exceeds a first threshold defined in
In the class specified in the second procedure, a third procedure for storing the maximum value of the ratio for each class;
A fourth procedure for setting the sum of the maximum values stored in the third procedure as a second threshold;
The magnitude of the signal monitored during the time or the magnitude of the intensity change of the signal is aggregated for each class, and the sum of the ratio with the minimum value calculated for each class is the second value. A computer-readable recording medium recording a behavior prediction program for executing a fifth procedure for determining that a subject may have changed when a threshold value is exceeded.
前記コンピュータに、
予め定められた時間内においてモニタリングされた信号の大きさ又は前記信号の強度変化の大きさを複数の階級に分類し、前記モニタリングにおいて発生した度数を前記階級毎に集計する第一の手順と、
過去の前記時間内において集計された前記階級毎の前記度数の最小値と前記第一の手順で集計された前記階級毎の前記度数との前記階級毎の比が、前記比の最大値に応じて定められた第一のしきい値を超える前記階級を特定する第二の手順と、
前記第二の手順で特定された前記階級における前記比の和と全ての前記階級における前記比の和との比をモニタリングする第三の手順とを実行させる行動予測プログラムを記録したコンピュータ読み取り可能な記録媒体。 A computer-readable recording medium recording a behavior prediction program for predicting the behavior of a subject with respect to a computer,
In the computer,
A first procedure for classifying the magnitude of the signal monitored within a predetermined time or the magnitude of the intensity change of the signal into a plurality of classes, and counting the frequencies generated in the monitoring for each class;
The ratio for each class between the minimum value of the frequency for each class aggregated in the past time and the frequency for each class aggregated in the first procedure depends on the maximum value of the ratio. A second procedure for identifying the class that exceeds a first threshold defined in
A computer-readable recording of a behavior prediction program for executing a third procedure for monitoring a ratio of the sum of the ratios in the class specified in the second procedure and the sum of the ratios in all the classes. recoding media.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013177870A JP6183839B2 (en) | 2013-08-29 | 2013-08-29 | Action prediction system, action prediction device, action prediction method, action prediction program, and recording medium recording action prediction program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013177870A JP6183839B2 (en) | 2013-08-29 | 2013-08-29 | Action prediction system, action prediction device, action prediction method, action prediction program, and recording medium recording action prediction program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015046093A JP2015046093A (en) | 2015-03-12 |
JP6183839B2 true JP6183839B2 (en) | 2017-08-23 |
Family
ID=52671522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013177870A Active JP6183839B2 (en) | 2013-08-29 | 2013-08-29 | Action prediction system, action prediction device, action prediction method, action prediction program, and recording medium recording action prediction program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6183839B2 (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6493940B1 (en) * | 2018-06-19 | 2019-04-03 | 藤田 純平 | Health support system |
JP6570049B1 (en) * | 2019-01-30 | 2019-09-04 | 藤田 純平 | Health support system |
JP7440056B2 (en) * | 2019-11-26 | 2024-02-28 | 国立大学法人電気通信大学 | Information processing system, information processing method, and program |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5902250A (en) * | 1997-03-31 | 1999-05-11 | President And Fellows Of Harvard College | Home-based system and method for monitoring sleep state and assessing cardiorespiratory risk |
JP4329690B2 (en) * | 2004-12-28 | 2009-09-09 | ダイキン工業株式会社 | Body movement measuring device |
WO2007143535A2 (en) * | 2006-06-01 | 2007-12-13 | Biancamed Ltd. | Apparatus, system, and method for monitoring physiological signs |
JP2011133262A (en) * | 2009-12-22 | 2011-07-07 | Kyushu Hitachi Maxell Ltd | Seat leaving detection system |
-
2013
- 2013-08-29 JP JP2013177870A patent/JP6183839B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015046093A (en) | 2015-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5682504B2 (en) | Safety monitoring device | |
JP7065459B2 (en) | Communication device, error notification system, and error notification method | |
US20180055384A1 (en) | System and method for non-invasive health monitoring | |
US11051768B1 (en) | Determining when to emit an alarm | |
JPWO2017061371A1 (en) | Action detection system, action detection device, action detection method, and action detection program | |
JP6361394B2 (en) | Status determination device and program | |
CN113397520A (en) | Information detection method and device for indoor object, storage medium and processor | |
JP7316038B2 (en) | Event prediction system, sensor signal processing system and program | |
US10573155B2 (en) | Closed loop alarm management | |
JP6708980B2 (en) | Image processing system, image processing device, image processing method, and image processing program | |
JP7065460B2 (en) | Incident notification system and incident notification method | |
US20200178903A1 (en) | Patient monitoring system and method having severity prediction and visualization for a medical condition | |
JP6183839B2 (en) | Action prediction system, action prediction device, action prediction method, action prediction program, and recording medium recording action prediction program | |
Nwakanma et al. | Iot-based vibration sensor data collection and emergency detection classification using long short term memory (lstm) | |
WO2020176759A1 (en) | System and methods for tracking behavior and detecting abnormalities | |
CN112674755A (en) | Sleep detection system, method and storage medium | |
JP7081606B2 (en) | Methods, systems, and computer programs to determine a subject's fall response | |
CN113384247A (en) | Nursing system and automatic nursing method | |
CN113671489B (en) | State reminding method and device, electronic equipment and computer readable storage medium | |
EP3357420A1 (en) | Monitoring activity of a person | |
US20160174893A1 (en) | Apparatus and method for nighttime distress event monitoring | |
CN105595973A (en) | Sleeping abnormity warning device | |
US11457875B2 (en) | Event prediction system, sensor signal processing system, event prediction method, and non-transitory storage medium | |
US20210338173A1 (en) | System and method for predicting exertional heat stroke with a worn sensor | |
JP2008242687A (en) | Method for identifying sleep and sleep observation system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160328 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170125 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170310 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170718 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170719 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6183839 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |