WO2022259464A1 - 情報処理装置、制御方法及び記憶媒体 - Google Patents

情報処理装置、制御方法及び記憶媒体 Download PDF

Info

Publication number
WO2022259464A1
WO2022259464A1 PCT/JP2021/022119 JP2021022119W WO2022259464A1 WO 2022259464 A1 WO2022259464 A1 WO 2022259464A1 JP 2021022119 W JP2021022119 W JP 2021022119W WO 2022259464 A1 WO2022259464 A1 WO 2022259464A1
Authority
WO
WIPO (PCT)
Prior art keywords
stress
behavior
relieving
subject
information
Prior art date
Application number
PCT/JP2021/022119
Other languages
English (en)
French (fr)
Inventor
旭美 梅松
佳祐 鈴木
剛範 辻川
Original Assignee
日本電気株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to PCT/JP2021/022119 priority Critical patent/WO2022259464A1/ja
Priority to JP2023526756A priority patent/JPWO2022259464A5/ja
Publication of WO2022259464A1 publication Critical patent/WO2022259464A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow

Definitions

  • the present disclosure relates to the technical field of information processing devices, control methods, and storage media that perform processing related to stress states.
  • Patent Literature 1 discloses a portable stress measuring device that determines the degree of temporary stress of a subject each day based on test data of the subject.
  • Patent Literature 2 discloses a method of calculating a momentum from acceleration information obtained by an acceleration sensor.
  • one object of the present disclosure is to provide an information processing device, a stress estimation method, and a storage medium that can appropriately notify information about the stress state of a subject.
  • One aspect of the information processing device is stress value acquiring means for acquiring a stress value representing the degree of stress of the subject; a stress-releasing action detection means for detecting a stress-releasing action, which is the action of relieving the stress, based on the stress value; a notification means for notifying a result of detection of the stress relief behavior; It is an information processing device having
  • control method is the computer Acquire a stress value representing the degree of stress of the subject, Based on the stress value, detecting a stress-releasing behavior, which is a behavior that relieves the stress, A control method for notifying a result of detection of the stress-relieving behavior.
  • the "computer” includes any electronic device (it may be a processor included in the electronic device), and may be composed of a plurality of electronic devices.
  • One aspect of the storage medium is Acquire a stress value representing the degree of stress of the subject, Based on the stress value, detecting a stress-releasing behavior, which is a behavior that relieves the stress,
  • the storage medium stores a program that causes a computer to execute a process of notifying the result of detection of the stress relief behavior.
  • FIG. 1 shows a schematic configuration of a stress release detection system according to a first embodiment
  • 1 illustrates an example of a hardware configuration of an information processing apparatus common to each embodiment
  • It is an example of functional blocks of an information processing apparatus according to the first embodiment.
  • a two-dimensional map is shown in which the vertical axis represents the activity of the sympathetic nerve and the horizontal axis represents the activity of the parasympathetic nerve.
  • a two-dimensional map is shown in which the stress value is plotted on the vertical axis and the amount of exercise is plotted on the horizontal axis.
  • FIG. 4 is a diagram schematically visualizing a stress release index, a lower threshold value, and an upper threshold value; It is an example of a stress release confirmation screen.
  • FIG. 4 is an example of a flowchart executed by the information processing apparatus in the first embodiment; 1 shows a schematic configuration of a stress relief detection system according to a second embodiment; FIG. 11 is a block diagram of an information processing apparatus according to a third embodiment; FIG. It is an example of the flowchart which an information processing apparatus performs in 3rd Embodiment.
  • FIG. 1 shows a schematic configuration of a stress release detection system 100 according to the first embodiment.
  • the stress relief detection system 100 detects a subject's behavior that promotes relief of stress (also referred to as "stress relief behavior"), and notifies about the detection result.
  • the "subject” may be an athlete or employee whose stress state is managed by an organization, or an individual user.
  • the above-mentioned "organization” may be a family.
  • the stress relief detection system 100 detects the stress relief height for each member of the family, and notifies the detection results.
  • the stress relief detection system 100 mainly includes an information processing device 1 , an input device 2 , an output device 3 , a storage device 4 and a sensor 5 .
  • the information processing device 1 detects the stress relief behavior of the subject and notifies the subject who is the user or the manager of the detection result.
  • the information processing device 1 performs data communication with the input device 2, the output device 3, and the sensor 5 via a communication network or by direct wireless or wired communication.
  • the information processing device 1 receives an input signal “S 1 ” supplied from the input device 2 , a sensor signal “S 3 ” supplied from the sensor 5 , and various information stored in the storage device 4 .
  • the input signal S1 and the sensor signal S3 are used to generate subjective or objective observation (measurement) information (also referred to as "observation information”) of the subject.
  • the information processing device 1 estimates the stress state of the subject (specifically, the stress value representing the degree of stress) and calculates the amount of exercise of the subject based on the observation information. Based on the results, stress relief behavior is detected. The information processing device 1 generates an output control signal “S2” based on the detection result of the subject's stress relief behavior, etc., and supplies the generated output control signal S2 to the output device 3 .
  • stress refers to short-term stress, which is stress in a relatively short period of time (several seconds to several days), for example.
  • the input device 2 is an interface that accepts user input (manual input) of information about each subject.
  • the user who inputs information using the input device 2 may be the subject himself/herself, or may be a person who manages the activity of the subject.
  • the input device 2 may be, for example, various user input interfaces such as a touch panel, buttons, keyboard, mouse, and voice input device.
  • the input device 2 supplies an input signal S1 generated based on user's input to the information processing device 1 .
  • the output device 3 displays and/or outputs predetermined information based on the output control signal S2 supplied from the information processing device 1 .
  • the output device 3 includes, for example, a display device such as a display, a virtual (augmented) reality terminal or a projector, and a sound output device such as a speaker.
  • the sensor 5 measures the subject's biological signal and the like, and supplies the measured biological signal and the like to the information processing apparatus 1 as a sensor signal S3.
  • the sensor signal S3 is an arbitrary biological signal such as the subject's heartbeat, brain wave, pulse wave, perspiration (electrodermal activity), hormone secretion, cerebral blood flow, blood pressure, body temperature, myoelectricity, respiration rate, acceleration, etc. It may be a signal (including vital information).
  • the sensor 5 may be a device that analyzes blood collected from a subject and outputs a sensor signal S3 indicating the analysis result.
  • the senor 5 may be a wearable terminal worn by the subject, a camera that photographs the subject, a microphone that generates an audio signal of the subject's speech, or the like.
  • a terminal such as a computer or a smartphone may be used.
  • the wearable terminal described above includes, for example, a GNSS (global navigation satellite system) receiver, an acceleration sensor, etc., and outputs the output signal of each of these sensors as the sensor signal S3.
  • the sensor 5 may supply information corresponding to the operation amount of a personal computer, a smartphone, or the like to the information processing apparatus 1 as the sensor signal S3. Further, the sensor 5 may output a sensor signal S3 representing biometric data (including sleep time) from the subject while the subject is sleeping.
  • biometric data including sleep time
  • the storage device 4 is a memory that stores various information necessary for estimating the stress state.
  • the storage device 4 may be an external storage device such as a hard disk connected to or built into the information processing device 1, or may be a storage medium such as a flash memory. Further, the storage device 4 may be a server device that performs data communication with the information processing device 1 . Also, the storage device 4 may be composed of a plurality of devices.
  • the storage device 4 has an observation information storage unit 40 , an attribute/life information storage unit 41 , and a calculation result storage unit 42 .
  • the observation information storage unit 40 stores observation information that is subjective subject information based on the input signal S1 or objective subject information based on the sensor signal S3.
  • the sensor signal S3 itself may be treated as the observation information, and the feature amount (including indices representing facial expressions, emotions, etc. analyzed from image or audio data) calculated based on the sensor signal S3 is the observation information. may be treated.
  • the observation information may also include questionnaire information based on the input signal S1 or diagnostic results such as personality based on the information. Note that the observation information is stored in the observation information storage unit 40 in association with, for example, the identification information (subject ID) of the subject to be observed, the observation date and time information, and the like.
  • the attribute/life information storage unit 41 stores at least one of attribute information about the subject's attributes and life information about the subject's life.
  • Attribute information is, for example, information about whether the subject likes or dislikes exercise (likes and dislikes), information about the subject's gender, age, personality, race, or cognitive tendency.
  • the attribute information may be generated by the information processing device 1 and stored in the storage device 4, or may be generated in advance by a device other than the information processing device 1 and stored in the storage device 4. good too.
  • the attribute information is generated, for example, based on the results of questionnaire responses (that is, subjective measurement results) by the subject.
  • the lifestyle information includes, for example, information on the amount of daily exercise, which is the average amount of exercise performed by the subject on a daily basis, information on the subject's schedule (work days, working hours, travel days, etc.), information on physical condition (such as when you have a cold). information about the subject's environment (temperature, humidity, weather, noise level, etc.).
  • the lifestyle information may be information supplied to the storage device 4 from various systems such as a management system that manages the subject's exercise amount, schedule, health, and the like.
  • the attribute/life information storage unit 41 stores, for example, attribute information and/or life information of each subject in association with identification information (subject ID) of the subject.
  • the calculation result storage unit 42 stores various calculation results calculated by the information processing device 1 .
  • the calculation result storage unit 42 stores, for example, the target person's estimated stress value calculated by the information processing apparatus 1, the amount of exercise, and an index related to stress relief described later, as the target person's identification information and date and time information representing the date and time of the target. Store in association.
  • the above-mentioned "target date and time” may be the date and time when the signal used for the calculation was generated, or the date and time when the calculation was performed.
  • the storage device 4 is not limited to the example described above, and may store various types of information necessary for processing executed by the information processing device 1 .
  • the storage device 4 may store parameters for configuring various calculation models.
  • the above-described calculation models include, for example, a stress estimation model for the information processing apparatus 1 to estimate a stress value from observation information, an exercise amount calculation model for calculating an exercise amount from observation information, and an estimated stress value ("stress estimation value”) and an index calculation model for calculating an index related to stress release, which will be described later, from the amount of exercise.
  • Such models may be arbitrary machine learning models (including statistical models) such as neural networks and support vector machines, or may be predetermined calculation formulas, lookup tables, or the like.
  • the storage device 4 stores the layer structure, the neuron structure of each layer, the number and size of filters in each layer, and the weight of each element of each filter. Information of various parameters such as is stored.
  • the configuration of the stress release detection system 100 shown in FIG. 1 is an example, and various changes may be made to the configuration.
  • the input device 2 and the output device 3 may be integrally configured.
  • the input device 2 and the output device 3 may be configured as a tablet terminal integrated with or separate from the information processing device 1 .
  • the input device 2 and the sensor 5 may be configured integrally.
  • the information processing device 1 may be composed of a plurality of devices. In this case, the plurality of devices that constitute the information processing device 1 exchange information necessary for executing previously assigned processing among the plurality of devices. In this case, the information processing device 1 functions as an information processing system.
  • FIG. 2 shows the hardware configuration of the information processing apparatus 1.
  • the information processing device 1 includes a processor 11, a memory 12, and an interface 13 as hardware.
  • Processor 11 , memory 12 and interface 13 are connected via data bus 90 .
  • the processor 11 functions as a controller (arithmetic device) that controls the entire information processing device 1 by executing programs stored in the memory 12 .
  • the processor 11 is, for example, a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), or a TPU (Tensor Processing Unit).
  • Processor 11 may be composed of a plurality of processors.
  • Processor 11 is an example of a computer.
  • the memory 12 is composed of various volatile and nonvolatile memories such as RAM (Random Access Memory), ROM (Read Only Memory), and flash memory.
  • the memory 12 stores programs for executing processes executed by the information processing apparatus 1 .
  • part of the information stored in the memory 12 may be stored in one or a plurality of external storage devices that can communicate with the information processing apparatus 1, or may be stored in a storage medium that is detachable from the information processing apparatus 1. may
  • the interface 13 is an interface for electrically connecting the information processing device 1 and other devices.
  • These interfaces may be wireless interfaces such as network adapters for wirelessly transmitting and receiving data to and from other devices, or hardware interfaces for connecting to other devices via cables or the like.
  • the hardware configuration of the information processing device 1 is not limited to the configuration shown in FIG.
  • the information processing device 1 may include at least one of the input device 2 and the output device 3 .
  • the information processing device 1 may be connected to or built in a sound output device such as a speaker.
  • the information processing device 1 calculates an index (also referred to as a “stress-relieving index SR”) for determining stress-relieving behavior based on the estimated stress value and the exercise amount of the subject, and calculates the stress-relieving index. Stress release behavior is detected based on SR. Thereby, the information processing apparatus 1 detects the subject's stress relief behavior with high accuracy, and presents the detection result.
  • an index also referred to as a “stress-relieving index SR”
  • Stress release behavior is detected based on SR.
  • the information processing apparatus 1 detects the subject's stress relief behavior with high accuracy, and presents the detection result.
  • FIG. 3 is an example of functional blocks of the information processing device 1 .
  • the processor 11 of the information processing device 1 functionally includes an observation information acquisition unit 15 , an exercise amount calculation unit 16 , a stress estimation unit 17 , a stress release behavior detection unit 18 , and a notification unit 19 .
  • the blocks that exchange data are connected by solid lines, but the combinations of blocks that exchange data are not limited to those shown in FIG. The same applies to other functional block diagrams to be described later.
  • the observation information acquisition unit 15 acquires the observation information of the subject based on the input signal S1 and the sensor signal S3, and stores the acquired observation information in the observation information storage unit 40.
  • the observation information acquisition unit 15 may acquire the sensor signal S3 as observation information, and the feature amount calculated based on the sensor signal S3 (expression, emotion, or etc.) may be acquired as observation information. Further, the observation information acquisition unit 15 may acquire, as observation information, questionnaire information based on the input signal S1 or diagnosis results such as personality based on the information.
  • the exercise amount calculation unit 16 calculates the subject's exercise amount (specifically, the exercise amount per unit time) based on the observation information stored in the observation information storage unit 40 .
  • the exercise amount calculation unit 16 uses, as observation information used to calculate the exercise amount, biological information obtained from a wearable terminal or the like worn by the subject during the exercise amount calculation target period (e.g., acceleration change amount, heartbeat increase amount, body temperature or / and the amount of increase in skin temperature) may be used, and device information obtained from a smartphone possessed by the subject (for example, the amount of change in acceleration, the amount of change in positioning position by GNSS, etc.) may be used. .
  • the exercise amount calculation unit 16 acquires the exercise amount output by the exercise amount calculation model whose parameters are stored in advance in the storage device 4, for example, by inputting the above observation information.
  • the momentum calculation model is a model that outputs the momentum when a predetermined type of observation information is input.
  • the momentum calculation model is not limited to the learned model.
  • the momentum calculation model may output an average value per unit time of the norm of the acceleration vector when an acceleration vector output by a three-axis acceleration sensor in time series is given as an input.
  • the exercise amount calculation model classifies an exercise state such as a walking state or a running state based on periodic changes in acceleration output by an acceleration sensor, and outputs an exercise amount according to the classification result. good too.
  • the exercise amount calculation unit 16 supplies the calculated exercise amount to the stress relief behavior detection unit 18 and stores it in the calculation result storage unit 42 .
  • the stress estimation unit 17 calculates an estimated stress value of the subject based on the observation information stored in the observation information storage unit 40.
  • the stress estimator 17 uses any information correlated with stress (e.g., biological information such as heartbeat, perspiration, skin temperature, facial expressions and voices recognized from images or voices) as observation information used to calculate the estimated stress value. emotion information, questionnaire results, personality diagnosis results, operation logs, etc.) may be used.
  • the stress estimating unit 17 inputs the observation information described above to a stress estimating model whose parameters are stored in advance in the storage device 4, and acquires the stress value output by the model as the stress estimated value.
  • the stress estimation model is a model that outputs a stress value when observation information is input.
  • the stress estimation model is not limited to the learned model.
  • the stress estimation model may be a formula for deriving an estimated stress value from the degree of heartbeat fluctuation per unit time, the peak number of perspiration per unit time, and the like.
  • the stress estimating unit 17 supplies the calculated estimated stress value to the stress release behavior detecting unit 18 and stores it in the calculation result storage unit 42 .
  • the stress release behavior detection unit 18 calculates a stress release index SR based on the subject's exercise amount supplied from the exercise amount calculation unit 16 and the subject's estimated stress value supplied from the stress estimation unit 17, and calculates the stress release index SR. Stress relief behavior is detected based on SR.
  • the stress release index SR is, as an example, an index whose value increases as the degree of stress release increases. Instead of this, the stress release behavior detection unit 18 may calculate an index that becomes a lower value as the degree of stress release increases.
  • the stress release behavior detection unit 18 increases the stress release index SR as the amount of exercise increases (that is, has a positive correlation with the amount of exercise), and decreases as the estimated stress value increases (that is, becomes negatively correlated with the estimated stress value). calculated as a correlated index.
  • a predetermined lower threshold also referred to as "lower-limit threshold Th1”
  • the stress-relieving behavior detection unit 18 sets an upper threshold (also referred to as "upper-limit threshold Th2") for the stress-relieving index SR in addition to the lower-limit threshold Th1. If there is and is less than the upper threshold value Th2, it may be determined that the stress relief behavior has occurred. As will be described later, when the stress release index SR is extremely high, the subject is in a state of being moved by a vehicle or the like, and the stress release index SR does not correspond to the actual state of stress release of the subject. state is likely. In consideration of the above, the stress-relieving behavior detection unit 18 does not determine that there is a stress-relieving behavior when the stress-relieving index SR is greater than or equal to the upper threshold value Th2.
  • the lower limit threshold Th1 and the upper limit threshold Th2 are set to suitable values pre-stored in the storage device 4 or the like, for example.
  • the stress relieving behavior detection unit 18 refers to at least one of the subject's attribute information or life information stored in the attribute/life information storage unit 41, and further takes these information into consideration. to determine the stress release index SR. A specific example of this will be described later.
  • the stress relief behavior detection unit 18 supplies the detection result of the stress relief behavior to the notification unit 19 .
  • the stress release behavior detection unit 18 stores the calculated stress release index SR and the like in the calculation result storage unit 42 .
  • the notification unit 19 controls the output device 3 to output information on the stress-relieving behavior based on the detection result of the stress-relieving behavior supplied from the stress-relieving behavior detection unit 18 and the information stored in the calculation result storage unit 42 .
  • An example of output control by the notification unit 19 will be specifically described in the section “(3-4) Example of notification”.
  • FPGA Field-Programmable Gate Array
  • each component may be configured by an ASSP (Application Specific Standard Produce), an ASIC (Application Specific Integrated Circuit), or a quantum processor (quantum computer control chip).
  • ASSP Application Specific Standard Produce
  • ASIC Application Specific Integrated Circuit
  • quantum processor quantum computer control chip
  • FIG. 4 shows a two-dimensional map in which the vertical axis represents the activity of the sympathetic nerve and the horizontal axis represents the activity of the parasympathetic nerve.
  • the area corresponding to the stress release state and the area corresponding to the sleep state are clearly indicated by the dashed ellipse and the solid line circle, respectively.
  • the stress release state occurs when the level of activity with the parasympathetic nerve reaches a level proportional to the level of sympathetic nerve activity.
  • a distraction type is stress relief accompanied by physical activity, and is caused by activities such as exercise, karaoke, walking at theme parks and trips, and the like.
  • the relaxing type is a release that does not involve physical activity, and is caused by activities such as listening to music, sitting meditation, meditation, forest bathing, natural bathing, aromatherapy, and deep breathing.
  • the information processing apparatus 1 detects a stress release state including these.
  • Fig. 5 shows a two-dimensional map with the stress value on the vertical axis and the amount of exercise on the horizontal axis.
  • a "stress state” in which the subject feels stress
  • a "relaxed state” in which the subject is relaxed
  • a “distraction state” in which the subject is distracted
  • a vehicle Regions corresponding respectively to the "passive states” being moved by riding on etc. are specified.
  • the “stress state” is a state when the stress value is a high stress value higher than the threshold and the exercise amount is a low exercise amount below the threshold
  • the “relaxed state” is a state when the stress value is a threshold value.
  • the stress value is a state when the stress value is as low as below and the amount of exercise is low.
  • the "distraction state” is a state when the stress value is a high stress value and the exercise amount is a high exercise amount higher than the threshold value
  • the "passive state” is a state when the stress value is a low stress value and the exercise amount is This is the state of high activity (in other words, the subject has increased activity due to passive activity).
  • the stress value is proportional to the activity of the sympathetic nerve, which is used as the vertical axis of the two-dimensional map shown in FIG.
  • the "relaxed state” and “distraction state” corresponding to the stress release state correspond to states in which both the stress value and the amount of exercise are both low or high. Therefore, in the case of the stress release index SR based on the definition of formula (1), the value range where the stress release index SR is too high (i.e., the upper limit threshold Th2 or more) and the too low value range (i.e., the lower limit threshold Th1) are excluded.
  • An intermediate value range corresponds to a stress release state.
  • the apparent value of the subject's acceleration detected by the sensor 5 increases, and the amount of exercise is calculated to be higher than the actual amount.
  • a state of high stress and low stress ie, passive state
  • This state is caused by the sensor 5 not correctly measuring the acceleration of the subject itself (that is, erroneous measurement).
  • the stress-relieving action detection unit 18 uses only the stress value in the case corresponding to such a passive state (that is, the state in which the stress-relieving index SR is equal to or greater than the upper threshold value Th2). If the stress value is equal to or less than the threshold value "Th_s", it is determined that the behavior is to relieve stress.
  • the threshold Th_s is set to a suitable value pre-stored in the storage device 4 or the like, for example. For example, if the target person is a driver in a car, the stress-relieving action detection unit 18 determines that the subject is in the passive state when the stress-relieving index SR becomes equal to or greater than the upper threshold value Th2 due to the high amount of exercise. When the subject's stress value is equal to or less than the threshold Th_s, it is determined that the stress release behavior has occurred. The same applies to the case where the target person is in the front passenger's seat or the person who is traveling by train.
  • FIG. 6 schematically visualizes the stress release index SR and the lower threshold Th1 and upper threshold Th2 based on the formula (1) on a two-dimensional map in which the vertical axis is the stress value and the horizontal axis is the amount of exercise.
  • the stress release index SR decreases as the stress value increases and the amount of exercise decreases, and increases as the stress value decreases and the amount of exercise increases. Then, in the present embodiment, the stress-relieving behavior detection unit 18 determines that the stress-relieving behavior has occurred when the stress-relieving index SR is greater than or equal to the lower threshold value Th1 and less than the upper threshold value Th2.
  • the value range determined by the lower threshold value Th1 and the upper threshold value Th2 which is recognized as stress relief behavior is the value range to which the "relaxed state” and "distraction state" shown in FIG. 5 belong. Thereby, the stress relief behavior detection unit 18 can suitably detect the stress relief behavior corresponding to the “relaxed state” or the “distraction state”.
  • the stress-relieving behavior detection unit 18 preferably detects whether or not the stress-relieving behavior such as listening to music or exercising in daily life has relieved stress. can do.
  • the stress release action detection unit 18 can also perform stress release detection in stress release methods (exercise, karaoke, etc.) that can lead to stress release accompanied by physical activity or an excited state.
  • the stress-relieving behavior detection unit 18 may determine the stress-relieving index SR based on at least one of the subject's attribute information and life information.
  • the stress relief behavior detection unit 18 regards that an increase in the amount of exercise is not very effective for stress relief, and sets the correction coefficient ⁇ to a value smaller than 1.
  • the stress release index SR is calculated by the above equation (2).
  • the stress-relieving behavior detection unit 18 detects an appropriate stress level for each attribute category (for example, a category for each age group, a category for male or female).
  • An index calculation model capable of calculating the divergence index SR is prepared, and the index calculation model is switched according to the attribute of the subject.
  • the parameters (the value of ⁇ in Equation (2)) for configuring each index calculation model are associated with each attribute category to be separated and stored in advance in the storage device 4 or the like. As a result, the stress-relieving behavior detection unit 18 can more accurately calculate the stress-relieving index SR in consideration of the subject's attributes.
  • the stress-relieving behavior detection unit 18 switches the index calculation model used for calculating the stress-relieving index SR, for example, based on the living information of the subject. For example, if the life information is schedule information indicating whether or not the person is at work, the stress relief behavior detection unit 18 recognizes whether or not the subject is at work at the date and time for which determination is made as to whether or not the stress relief behavior is being performed. , an index calculation model selected according to the recognition result is used to calculate the stress release index SR. In this case, an index calculation model used for judging the stress relief behavior while the subject is working and an index calculation model used for judging the stress relief behavior while the subject is not at work are prepared in advance.
  • an index calculation model is prepared in advance for each life pattern specified by the life information to be referred to, and the stress-relieving behavior detection unit 18 refers to the life information of the subject to specify the model.
  • An index calculation model corresponding to the subject's life pattern during the subject period is selected, and the stress release index SR is calculated.
  • noise during work also affects whether or not stress is released.
  • Information indicating the noise level in the workplace may be further referred to in calculating the stress-relieving index SR used to determine the stress-relieving behavior.
  • Such a noise level or the like may be specified by a sensor signal S3 output by a sensor 5 such as a noise sensor.
  • the stress relief behavior detection unit 18 refers to the occupational information included in the attribute information, and if the subject is engaged in a job that requires physical movement such as an athlete, the stress relief behavior is performed during working hours. , and the calculation of the stress release index SR of the subject during work may not be performed.
  • the stress-relieving behavior detection unit 18 normalizes the amount of exercise calculated by the amount-of-exercise calculating unit 16 by the amount of daily exercise.
  • the stress relieving behavior detection unit 18 calculates the exercise amount calculated by the exercise amount calculation unit 16 (calculated exercise amount ) (that is, calculated exercise amount ⁇ average exercise amount/daily exercise amount) is calculated as a normalized exercise amount.
  • the stress release behavior detection unit 18 can calculate the stress release index SR that preferably takes into consideration the difference in the amount of daily exercise of each individual. can.
  • the stress relief behavior detection unit 18 sets at least one of the lower limit threshold Th1 and the upper limit threshold Th2 to the daily exercise amount. It may be changed based on the amount of exercise. In this case, for example, the stress relief behavior detection unit 18 increases the lower limit threshold Th1 as the amount of daily exercise increases. As a result, the stress-relieving behavior detection unit 18 can accurately determine whether or not there is a stress-relieving behavior even for a person such as an athlete or a physical worker who has a high amount of daily exercise.
  • FIG. 7 is an example of a stress release confirmation screen displayed on the output device 3 by the notification unit 19 .
  • the notification unit 19 displays an index graph display area 51 representing the transition of the subject's stress relief index SR on a date designated by the user (here, today), and A text information display area 52 representing text sentences is provided on the stress release confirmation screen.
  • the notification unit 19 generates an output control signal S2 for displaying the stress relief confirmation screen, and supplies the output control signal S2 to the output device 3 via the interface 13, whereby the stress relief confirmation screen is displayed on the output device 3. is displayed.
  • the exercise amount calculation unit 16 and the stress estimation unit 17 calculate the exercise amount and the stress estimation value in time series based on the observation information generated in time series on the target day.
  • the exercise amount calculation unit 16 and the stress estimation unit 17 may sequentially calculate the exercise amount and the estimated stress value from the observation information each time the observation information acquisition unit 15 acquires the observation information. If there is a display request, the amount of exercise and the estimated stress value may be collectively calculated from the observation information of the object. Then, the stress release behavior detection unit 18 calculates a time-series stress release index SR for the target day from the calculated time-series exercise amount and the estimated stress value for the target day.
  • the notification unit 19 causes the index graph display area 51 to display a transition graph of the subject's stress release index SR on two-dimensional coordinates, with the time as the horizontal axis and the stress release index SR as the vertical axis.
  • the notification unit 19 clearly indicates the range in which stress-relieving behavior is determined on the index graph display area 51 by clearly indicating the lower limit threshold value Th1 and the upper limit threshold value Th2 in the above-described graph by dashed-dotted lines.
  • the notification unit 19 detects the time period when the stress relief behavior is detected (here, around 14:00 and 19:00) and the time period during which the behavior is a distraction ( Here, around 14:00) are recognized, and information on these time periods is displayed in the text information display area 52 .
  • the stress value and the amount of exercise differ between the distraction state and the relaxation state. Therefore, for example, when a stress relief behavior is detected and at least one of the corresponding amount of exercise and the stress estimated value is equal to or greater than a predetermined threshold, the stress relief behavior detection unit 18 or the notification unit 19 detects that the distraction behavior is performed. determined to have been
  • the above-mentioned threshold values are stored in advance in the storage device 4, for example.
  • the notification unit 19 can suitably notify the target person or the administrator of the timing of the stress relief behavior, the timing of the recreational behavior, and the like. . Then, the subject or the manager can use the notified information for the subject's stress management and maintenance of motivation to continue stress management. In addition, when the target is an employee, the manager can also use it for mental health management and task assignment of employees in the workplace.
  • the notification unit 19 may output the detection result of the subject's stress relief behavior on a weekly basis or a monthly basis (that is, in any predetermined period designated by the user).
  • the notification unit 19 may output information regarding statistical trends in time periods in which stress relief behaviors (which may be recreational behaviors; the same shall apply hereinafter) occur.
  • the notification unit 19 may output information on statistical trends regarding types of stress relief behavior (distraction type, relaxation type).
  • the notification unit 19 can preferably notify the user of what kind of divergent behavior the target person tends to take (for example, whether there are many distraction-type behaviors or relaxation-type behaviors).
  • the notification unit 19 may output in real time the detection result of the stress relief behavior corresponding to the current condition of the subject.
  • the information processing apparatus 1 uses observation information based on the sensor signal S3 obtained in real time to determine whether or not there is a stress-relieving behavior, and if the stress-relieving behavior is detected, the fact that the stress-relieving behavior has been performed is indicated.
  • the notification output is immediately performed by the output device 3 .
  • the exercise amount calculation unit 16 and the stress estimation unit 17 calculate the exercise amount and the stress estimation value for the observation information representing the current state of the subject acquired by the observation information acquisition unit 15, and the stress release behavior detection unit 18 calculates a stress release index SR and determines a stress release action based on the amount of exercise and estimated stress value.
  • the notification unit 19 can appropriately notify the subject of the occurrence of the stress-relieving action and encourage the subject to take action leading to stress relief.
  • the notification unit 19 may output the detection result of the stress-relieving behavior or the like at any time after it is determined that the stress-relieving behavior has occurred.
  • the notification unit 19 may notify the user of the presence or absence of the stress relief behavior. In this case, the notification unit 19 may notify that the stress-relieving behavior has been performed by sound (including voice), or may notify that the stress-relieving behavior has been performed by display.
  • FIG. 8 is an example of a flowchart executed by the information processing apparatus 1 in the first embodiment.
  • the information processing apparatus 1 executes the process of the flowchart shown in FIG. 8 when it is determined that the predetermined stress estimation timing has come.
  • the information processing device 1 acquires observation information based on the input signal S1 supplied from the input device 2 and/or the sensor signal S3 supplied from the sensor 5, and stores the acquired observation information in the observation information storage unit 40. Store (step S11).
  • step S12 determines whether or not it is time to detect stress relief behavior. Then, when it is time to detect stress relief behavior (step S12; Yes), the information processing apparatus 1 advances the process to step S13. On the other hand, when it is not the time to detect a stress release behavior (step S12; No), the information processing apparatus 1 returns the process to step S11.
  • step S13 the information processing device 1 calculates the amount of exercise and the estimated stress value of the subject person based on the observation information during the target period for detecting stress relief behavior (step S13). Then, the information processing apparatus 1 calculates a stress release index SR based on the amount of exercise and the estimated stress value calculated in step S13 (step S14). Then, the information processing apparatus 1 performs detection processing of the subject's stress-releasing behavior based on the calculated stress-relieving index SR (step S15). In this case, the information processing apparatus 1 determines whether or not the stress-releasing behavior is present based on the stress-relieving index SR, the lower threshold value Th1, and the upper threshold value Th2, for example. Then, the information processing apparatus 1 performs a process of notifying the detection result of the stress relief behavior in step S15 (step S16).
  • the stress-relieving behavior detection unit 18 may perform detection processing specialized for distraction-type behavior among stress-relieving behaviors.
  • the stress relief behavior detection unit 18 detects a stress relief behavior and determines that at least one of the corresponding amount of exercise and the stress estimation value is equal to or greater than a predetermined threshold value, the distraction behavior is performed. I judge that. Then, the notification unit 19 performs processing for notifying the detection result of the distraction-type behavior based on the detection result by the stress relief behavior detection unit 18 . As a result, the information processing apparatus 1 can suitably notify the target person or the administrator of the timing of the recreational behavior.
  • the stress relief behavior detection unit 18 When determining the presence or absence of a stress relief behavior, the stress relief behavior detection unit 18 further considers the stress value after a predetermined period of time has passed, in addition to the stress relief index SR and its threshold value. you can go
  • the stress release behavior detection unit 18 detects that the stress release index SR at 13:00 is greater than or equal to the lower limit threshold value Th1 and less than the upper limit threshold value Th2, and that a predetermined time (for example, several minutes or several tens of minutes) has passed since 13:00. If the estimated stress value is less than the estimated stress value at 13:00 by a predetermined value or by a predetermined rate or more, it is determined that there was a stress release behavior at 13:00.
  • the predetermined value or predetermined rate described above is, for example, stored in advance in the storage device 4 or the like.
  • the stress-relieving behavior detection unit 18 can more accurately determine whether or not there is a stress-relieving behavior by taking into consideration the actual progress of the stress value after the timing at which the stress-relieving behavior is to be determined. can.
  • the stress-relieving behavior detection unit 18 may determine that the stress-relieving behavior has occurred when the criteria regarding the stress-relieving index SR are continuously satisfied.
  • the stress-relieving behavior detection unit 18 aggregates the results of determining the presence or absence of the stress-relieving behavior based on the stress-relieving index SR calculated at each calculation timing for each period of a predetermined length of time (time window), Based on the aggregated results, the presence or absence of stress relief behavior is determined for each time window. For example, when the time window is 10 minutes and the stress-releasing index SR is calculated every 30 seconds, the stress-relieving behavior detection unit 18 detects whether each of the 20 stress-relieving indices SR calculated in the target time window is stress-relieving.
  • the stress-relieving action detection unit 18 detects the stress-relieving action in the target time window. determine that there was Note that the stress-relieving behavior detection unit 18 determines whether each of the stress-relieving indices SR calculated in the target time window satisfies the standard for stress-relieving behavior (that is, the standard using the lower threshold value Th1 and the upper threshold value Th2).
  • the stress-relieving behavior detection unit 18 determines that the stress-relieving behavior continues when the stress-relieving behavior is detected continuously for five minutes, for example.
  • the information processing device 1 can more stably detect the presence or absence of stress relief behavior.
  • the stress-relieving behavior detection unit 18 may detect the stress-relieving behavior further taking into consideration the change over time of the stress-relieving index SR.
  • the stress-relieving behavior detection unit 18 satisfies the standard regarding the magnitude of the stress-relieving index SR (that is, the standard using the lower threshold value Th1 and the upper threshold value Th2), or/and the rate of increase of the stress-relieving index SR (immediately before is equal to or greater than a predetermined rate, it is determined that the stress relief behavior has started.
  • the stress-relieving behavior detection unit 18 no longer satisfies the standard regarding the magnitude of the stress-relieving index SR (that is, the standard using the lower threshold value Th1 and the upper threshold value Th2), or/and the decreasing rate of the stress-relieving index SR ( When the rate of decrease with respect to the stress release index SR calculated immediately before) is equal to or greater than a predetermined rate, it is determined that the stress release action has ended.
  • the standard regarding the magnitude of the stress-relieving index SR that is, the standard using the lower threshold value Th1 and the upper threshold value Th2
  • the decreasing rate of the stress-relieving index SR When the rate of decrease with respect to the stress release index SR calculated immediately before) is equal to or greater than a predetermined rate, it is determined that the stress release action has ended.
  • the stress-relieving behavior detection unit 18 can accurately detect the period during which the stress-relieving behavior was performed, based on the change in the stress-relieving index SR.
  • the stress release behavior detection unit 18 performs subtraction using the estimated stress value and the amount of exercise. It may be determined based on processing. For example, the stress release behavior detection unit 18 normalizes the estimated stress value and the amount of exercise so that they each have a value range from 0 to 1, and then multiplies at least one of the estimated stress value and the amount of exercise by a predetermined weight. , after normalization and weight multiplication, a value obtained by subtracting the estimated stress value by the exercise amount is calculated as the stress release index SR. Thus, the stress release index SR may be determined by various calculation methods using the estimated stress value and the amount of exercise.
  • the information processing device 1 may detect the stress-relieving behavior without being based on the amount of exercise, and notify the subject or the administrator of the detection result.
  • the information processing device 1 releases the stress. It is determined that the behavior has occurred, and the target person or administrator is notified of the detection result of the stress relief behavior. This also allows the information processing apparatus 1 to suitably provide the subject or the manager with information that can be useful for managing the subject's stress and maintaining motivation to continue stress management.
  • FIG. 9 shows a schematic configuration of a stress relief detection system 100A according to the second embodiment.
  • a stress release detection system 100A according to the second embodiment is a server-client model system, and an information processing device 1A functioning as a server device performs the processing of the information processing device 1 according to the first embodiment.
  • symbol is attached suitably, and the description is abbreviate
  • the stress relief detection system 100A mainly includes an information processing device 1A functioning as a server, a storage device 4, and a terminal device 8 functioning as a client.
  • Information processing device 1A and terminal device 8 perform data communication via network 7 .
  • the terminal device 8 is a terminal used by a user who is a subject, has an input function, a display function, and a communication function, and functions as the input device 2 and the output device 3 shown in FIG. do.
  • the terminal device 8 may be, for example, a personal computer, a tablet terminal such as a smartphone, or a PDA (Personal Digital Assistant).
  • the terminal device 8 is electrically connected to a sensor 5 such as a wearable sensor worn by the user, and receives the subject's biosignals and the like output by the sensor 5 (that is, information corresponding to the sensor signal S3 in FIG. 1). , to the information processing apparatus 1A.
  • the terminal device 8 accepts user input regarding responses to questionnaires, and transmits information generated by the user input (information corresponding to the input signal S1 in FIG. 1) to the information processing device 1A.
  • the information processing device 1A has the same hardware configuration as the information processing device 1 shown in FIG. 2, and the processor 11 of the information processing device 1A has the functional blocks shown in FIG. Then, the information processing device 1A receives information corresponding to the input signal S1 and the sensor signal S3 in FIG. 1 from the terminal device 8 via the network 7, and executes stress estimation processing. Further, based on the output request from the terminal device 8, the information processing device 1A transmits an output signal for outputting the stress estimation result to the terminal device 8 via the network 7.
  • the second embodiment it is possible to detect the subject's stress relief behavior based on the subject's biosignals and the like received from the terminal used by the subject, and suitably notify the subject of the detection result.
  • FIG. 10 is a block diagram of an information processing device 1X according to the third embodiment.
  • the information processing device 1X mainly includes stress value acquisition means 17X, stress release behavior detection means 18X, and notification means 19X. Note that the information processing device 1X may be configured by a plurality of devices.
  • the stress value acquiring means 17X acquires a stress value representing the degree of stress of the subject.
  • the stress value acquiring means 17X may acquire the stress value by estimating the stress value from the subject's biological signal or the like, and may acquire the subject's stress value stored in a storage device or the like or calculated by another device. may be obtained.
  • the stress value acquiring means 17X can be, for example, the stress estimating section 17 in the first embodiment (including modifications; the same applies hereinafter) or the second embodiment.
  • the stress-releasing action detection means 18X detects a stress-relieving action, which is a stress-relieving action, based on the stress value.
  • the stress-relieving behavior detection means 18X can be, for example, the stress-relieving behavior detector 18 in the first embodiment or the second embodiment.
  • the notification means 19X notifies the result of detection of the stress relief behavior.
  • the notification unit 19X may notify the detection result of the stress-relieving behavior by sound (including voice), or may notify the detection result of the stress-relieving behavior by display.
  • the notification means 19X can be, for example, the notification unit 19 in the first embodiment or the second embodiment.
  • FIG. 11 is an example of a flowchart executed by the information processing device 1X in the third embodiment.
  • the stress value acquiring means 17X acquires a stress value representing the degree of stress of the subject (step S21).
  • the stress-relieving action detection means 18X detects a stress-relieving action, which is an action to release stress, based on the stress value (step S22).
  • the notification means 19X notifies the result of detection of the stress relief behavior (step S23).
  • the information processing device 1X detects stress relief behavior and notifies the user of the detection result. Accordingly, it is possible to suitably provide information that can be used for the subject's stress management and motivation maintenance for stress management continuation.
  • Non-transitory computer readable media include various types of tangible storage media.
  • Examples of non-transitory computer-readable media include magnetic storage media (e.g., floppy disks, magnetic tapes, hard disk drives), magneto-optical storage media (e.g., magneto-optical discs), CD-ROMs (Read Only Memory), CD-Rs, CD-R/W, semiconductor memory (eg mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (Random Access Memory)).
  • the program may also be delivered to the computer on various types of transitory computer readable medium.
  • Examples of transitory computer-readable media include electrical signals, optical signals, and electromagnetic waves.
  • Transitory computer-readable media can deliver the program to the computer via wired channels, such as wires and optical fibers, or wireless channels.
  • Information processing device having [Appendix 2] further comprising an exercise amount obtaining means for obtaining an exercise amount of the subject corresponding to the stress value; The information processing apparatus according to appendix 1, wherein the stress-relieving behavior detection means detects the stress-relieving behavior based on the stress value and the amount of exercise.
  • [Appendix 3] further comprising life information acquisition means for acquiring life information relating to the life of the subject; 3.
  • the information processing apparatus wherein the stress-relieving behavior detection means detects the stress-relieving behavior based on the stress value and the life information.
  • the lifestyle information indicates at least the amount of daily exercise of the subject; 3.
  • the stress relieving behavior detecting means detects the stress relieving behavior based on the stress value and the exercise amount obtained by normalizing the exercise amount of the subject corresponding to the stress value by the daily exercise amount. information processing equipment.
  • the stress relief behavior detection means is an index having a positive correlation with the stress value and a negative correlation with the exercise amount of the subject corresponding to the stress value, or an index having a negative correlation with the stress value and a positive exercise amount. 5.
  • the information processing apparatus according to any one of appendices 1 to 4, wherein the stress relief behavior is detected based on correlated indices.
  • Appendix 6 6.
  • Appendix 7 7.
  • the information processing apparatus according to appendix 5 or 6, wherein the stress-relieving behavior detection means detects the stress-relieving behavior based on the index and the stress value after a predetermined time has elapsed.
  • Appendix 8 7.
  • the information processing apparatus according to appendix 5 or 6, wherein the stress-relieving behavior detection means detects the stress-relieving behavior based on the time change of the index.
  • the stress relief behavior detection means detects the stress relief behavior based on the stress value when it is determined based on the index that the subject is in a passive state in which the amount of exercise has increased due to passive activity.
  • the information processing apparatus according to any one of appendices 5 to 8, wherein [Appendix 10] further comprising attribute information acquiring means for acquiring attribute information relating to the attributes of the subject; 10.
  • the information processing apparatus according to any one of attachments 1 to 9, wherein the stress-relieving behavior detection means detects the stress-relieving behavior based on the stress value and the attribute information.
  • the attribute information includes at least information about the subject's likes and dislikes for exercise, 11.
  • the stress-relieving behavior detection means detects a distraction-type stress-relieving behavior among the stress-relieving behaviors, 12.
  • the information processing apparatus according to any one of appendices 1 to 11, wherein the notifying means notifies a result of detection of the recreational stress-relieving behavior.
  • [Appendix 14] Acquire a stress value representing the degree of stress of the subject, Based on the stress value, detecting a stress-releasing behavior, which is a behavior that relieves the stress, A storage medium storing a program that causes a computer to execute a process of notifying a result of detection of the stress relief behavior.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Educational Technology (AREA)
  • Developmental Disabilities (AREA)
  • Social Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Hospice & Palliative Care (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

情報処理装置１Ｘは、主に、ストレス値取得手段１７Ｘと、ストレス発散行動検知手段１８Ｘと、通知手段１９Ｘとを有する。ストレス値取得手段１７Ｘは、対象者のストレスの度合いを表すストレス値を取得する。ストレス発散行動検知手段１８Ｘは、ストレス値に基づき、ストレスを発散する行動であるストレス発散行動の検知を行う。通知手段１９Ｘは、ストレス発散行動の検知の結果に関する通知を行う。

Description

情報処理装置、制御方法及び記憶媒体
　本開示は、ストレス状態に関する処理を行う情報処理装置、制御方法及び記憶媒体の技術分野に関する。
　被検者から測定したデータに基づき被検者のストレス状態を判定する装置又はシステムが知られている。例えば、特許文献１には、被検者の検査データに基づき、各日の被検者の一時的ストレス度を判定する携帯用ストレス測定装置が開示されている。また、特許文献２には、加速度センサで得られた加速度情報から運動量を算出する手法が開示されている。
特開２００７－２７５２８７号公報 特開２０１９－０３０３８９号公報
　メンタルヘルスの維持及び増進には、ストレスを溜めないこと、及び、ストレスが溜まってしまった場合へのストレスへの対処（即ちストレス発散）は必要不可欠となっている。一方、特許文献１等の技術では、現在のストレス状態を判定・通知しており、ユーザは、現在のストレス状態を通知されるだけではストレスの発散ができているかを明確に把握することが難しい。
　本開示は、上述した課題を鑑み、対象者のストレス状態に関する情報を好適に通知することが可能な情報処理装置、ストレス推定方法及び記憶媒体を提供することを目的の一つとする。
　情報処理装置の一の態様は、
　対象者のストレスの度合いを表すストレス値を取得するストレス値取得手段と、
　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行うストレス発散行動検知手段と、
　前記ストレス発散行動の検知の結果に関する通知を行う通知手段と、
を有する情報処理装置である。
　制御方法の一の態様は、
　コンピュータが、
　対象者のストレスの度合いを表すストレス値を取得し、
　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行い、
　前記ストレス発散行動の検知の結果に関する通知を行う、制御方法である。なお、「コンピュータ」は、あらゆる電子機器（電子機器に含まれるプロセッサであってもよい）を含み、かつ、複数の電子機器により構成されてもよい。
　記憶媒体の一の態様は、
　対象者のストレスの度合いを表すストレス値を取得し、
　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行い、
　前記ストレス発散行動の検知の結果に関する通知を行う処理をコンピュータに実行させるプログラムが格納された記憶媒体である。
　本開示によれば、対象者のストレス状態に関する情報を好適に通知することができる。
第１実施形態に係るストレス発散検知システムの概略構成を示す。 各実施形態に共通する情報処理装置のハードウェア構成の一例を示す。 第１実施形態に係る情報処理装置の機能ブロックの一例である。 交感神経の活性度を縦軸とし副交感神経の活性度を横軸とする２次元マップを示す。 ストレス値を縦軸とし、運動量を横軸とする２次元マップを示す。 ストレス発散指標及び下限閾値及び上限閾値を概略的に可視化した図である。 ストレス発散確認画面の一例である。 第１実施形態において情報処理装置が実行するフローチャートの一例である。 第２実施形態におけるストレス発散検知システムの概略構成を示す。 第３実施形態における情報処理装置のブロック図である。 第３実施形態において情報処理装置が実行するフローチャートの一例である。
　以下、図面を参照しながら、情報処理装置、ストレス推定方法及び記憶媒体の実施形態について説明する。
　＜第１実施形態＞
　（１）システム構成
　図１は、第１実施形態に係るストレス発散検知システム１００の概略構成を示す。ストレス発散検知システム１００は、対象者のストレスの発散を促進する行動（「ストレス発散行動」とも呼ぶ。）を検知し、検知結果に関する通知を行う。ここで、「対象者」は、組織によりストレス状態の管理が行われるスポーツ選手又は従業員であってもよく、個人のユーザであってもよい。なお、上述の「組織」は家族であってもよい。この場合、ストレス発散検知システム１００は、家族の各メンバーを対象者としてストレス発散高度を検知し、検知結果に関する通知を行う。
　ストレス発散検知システム１００は、主に、情報処理装置１と、入力装置２と、出力装置３と、記憶装置４と、センサ５とを備える。
　情報処理装置１は、対象者のストレス発散行動を検知し、検知結果をユーザである対象者又はその管理者に通知する。情報処理装置１は、通信網を介し、又は、無線若しくは有線による直接通信により、入力装置２、出力装置３、及びセンサ５とデータ通信を行う。例えば、情報処理装置１は、入力装置２から供給される入力信号「Ｓ１」、センサ５から供給されるセンサ信号「Ｓ３」、及び記憶装置４に記憶された種々の情報を受信する。入力信号Ｓ１及びセンサ信号Ｓ３は、主観的又は客観的に対象者を観測（測定）した情報（「観測情報」とも呼ぶ。）の生成に用いられる。
　本実施形態において、情報処理装置１は、観測情報に基づき、対象者のストレス状態（具体的には、ストレスの度合いを表すストレス値）の推定及び対象者の運動量の算出を行い、これらの算出結果に基づき、ストレス発散行動の検知を行う。情報処理装置１は、対象者のストレス発散行動の検知結果等に基づき出力制御信号「Ｓ２」を生成し、生成した出力制御信号Ｓ２を出力装置３に供給する。なお、本実施形態において、ストレスは、例えば、比較的短期（数秒～数日程度）におけるストレスである短期ストレスを指すものとする。
　入力装置２は、各対象者に関する情報のユーザ入力（手入力）を受け付けるインターフェースである。なお、入力装置２を用いて情報の入力を行うユーザは、対象者本人であってもよく、対象者の活動を管理する者であってもよい。入力装置２は、例えば、タッチパネル、ボタン、キーボード、マウス、音声入力装置などの種々のユーザ入力用インターフェースであってもよい。入力装置２は、ユーザの入力に基づき生成した入力信号Ｓ１を、情報処理装置１へ供給する。出力装置３は、情報処理装置１から供給される出力制御信号Ｓ２に基づき、所定の情報を表示又は／及び音出力する。出力装置３は、例えば、ディスプレイ、仮想（拡張）現実端末又はプロジェクタ等の表示装置、スピーカなどの音出力装置を含む。
　センサ５は、対象者の生体信号等を測定し、測定した生体信号等を、センサ信号Ｓ３として情報処理装置１へ供給する。この場合、センサ信号Ｓ３は、対象者の心拍、脳波、脈波、発汗量（皮膚電気活動）、ホルモン分泌量、脳血流、血圧、体温、筋電、呼吸数、加速度などの任意の生体信号（バイタル情報を含む）であってもよい。また、センサ５は、対象者から採取された血液を分析し、その分析結果を示すセンサ信号Ｓ３を出力する装置であってもよい。また、センサ５は、対象者が装着するウェアラブル端末であってもよく、対象者を撮影するカメラ又は対象者の発話の音声信号を生成するマイク等であってもよく、対象者が操作するパーソナルコンピュータやスマートフォンなどの端末であってもよい。上述のウェアラブル端末は、例えば、ＧＮＳＳ（global navigation satellite system）受信機、加速度センサ等を含んでおり、これらの各センサの出力信号をセンサ信号Ｓ３として出力する。また、センサ５は、パーソナルコンピュータやスマートフォンなどの操作量に相当する情報をセンサ信号Ｓ３として情報処理装置１に供給してもよい。また、センサ５は、対象者の睡眠中に対象者から生体データ（睡眠時間を含む）を表すセンサ信号Ｓ３を出力するものであってもよい。
　記憶装置４は、ストレス状態の推定等に必要な各種情報を記憶するメモリである。記憶装置４は、情報処理装置１に接続又は内蔵されたハードディスクなどの外部記憶装置であってもよく、フラッシュメモリなどの記憶媒体であってもよい。また、記憶装置４は、情報処理装置１とデータ通信を行うサーバ装置であってもよい。また、記憶装置４は、複数の装置から構成されてもよい。
　記憶装置４は、観測情報記憶部４０と、属性・生活情報記憶部４１と、算出結果記憶部４２とを有している。
　観測情報記憶部４０は、入力信号Ｓ１に基づく主観的な対象者の情報又はセンサ信号Ｓ３に基づく客観的な対象者の情報である観測情報を記憶する。ここで、センサ信号Ｓ３そのものが観測情報として扱われてもよく、センサ信号Ｓ３に基づき算出される特徴量（画像又は音声データから解析される表情、感情などを表す指標を含む）が観測情報として扱われてもよい。また、観測情報は、入力信号Ｓ１に基づくアンケート情報又は当該情報に基づく性格等の診断結果を含んでもよい。なお、観測情報は、例えば、観測対象となる対象者の識別情報（対象者ＩＤ）及び観測された日時情報等とが紐付けられて観測情報記憶部４０に記憶される。
　属性・生活情報記憶部４１は、対象者の属性に関する属性情報又は対象者の生活に関する生活情報の少なくとも一方を記憶する。
　属性情報は、例えば、対象者が運動を好きか嫌いか（好悪）に関する情報、対象者の性別、年齢、性格、人種、又は認知の傾向に関する情報である。属性情報は、情報処理装置１により生成されて記憶装置４に記憶されたものであってもよく、情報処理装置１以外の装置により事前に生成されて記憶装置４に記憶されたものであってもよい。属性情報は、例えば、対象者によるアンケートの回答結果（即ち主観的な測定結果）に基づき生成される。
　生活情報は、例えば、対象者が日常行う平均的な運動量である日常運動量に関する情報、対象者のスケジュールに関する情報（仕事の日、就業時間帯、旅行する日等）、体調に関する情報（風邪をひいているか否か等）、対象者が置かれる環境に関する情報（温度、湿度、天気、騒音レベル等）を含む。生活情報は、対象者の運動量、スケジュール、健康等を管理する管理システムなどの種々のシステムから記憶装置４に供給された情報であってもよい。属性・生活情報記憶部４１には、例えば、対象者毎の属性情報又は／及び生活情報が対象者の識別情報（対象者ＩＤ）と関連付けて記憶されている。
　算出結果記憶部４２は、情報処理装置１が算出する種々の算出結果を記憶する。算出結果記憶部４２は、例えば、情報処理装置１が算出する対象者のストレス推定値、運動量、及び後述するストレス発散に関する指標等を、対象者の識別情報及び対象の日時を表す日時情報等と関連付けて記憶する。上記の「対象の日時」は、算出に用いた信号の生成日時であってもよく、算出を行った日時であってもよい。
　なお、記憶装置４は、上述した例に限らず、情報処理装置１が実行する処理に必要な種々の情報を記憶してもよい。例えば、記憶装置４は、各種算出モデルを構成するためのパラメータを記憶してもよい。上述の算出モデルは、例えば、情報処理装置１が観測情報からストレス値を推定するためのストレス推定モデル、観測情報から運動量を算出するための運動量算出モデル、及び推定されたストレス値（「ストレス推定値」とも呼ぶ。）及び運動量から後述するストレス発散に関する指標を算出するための指標算出モデルなどを含む。このようなモデルは、ニューラルネットワーク、サポートベクターマシーンなどの任意の機械学習モデル（統計モデルを含む）であってもよく、予め定められた算出式又はルックアップテーブル等であってもよい。例えば、上述したモデルが畳み込みニューラルネットワークなどのニューラルネットワークに基づくモデルである場合、記憶装置４には、層構造、各層のニューロン構造、各層におけるフィルタ数及びフィルタサイズ、並びに各フィルタの各要素の重みなどの各種パラメータの情報が記憶される。
　なお、図１に示すストレス発散検知システム１００の構成は一例であり、当該構成に種々の変更が行われてもよい。例えば、入力装置２及び出力装置３は、一体となって構成されてもよい。この場合、入力装置２及び出力装置３は、情報処理装置１と一体又は別体となるタブレット型端末として構成されてもよい。また、入力装置２とセンサ５とは、一体となって構成されてもよい。また、情報処理装置１は、複数の装置から構成されてもよい。この場合、情報処理装置１を構成する複数の装置は、予め割り当てられた処理を実行するために必要な情報の授受を、これらの複数の装置間において行う。この場合、情報処理装置１は、情報処理システムとして機能する。
　（２）情報処理装置のハードウェア構成
　図２は、情報処理装置１のハードウェア構成を示す。情報処理装置１は、ハードウェアとして、プロセッサ１１と、メモリ１２と、インターフェース１３とを含む。プロセッサ１１、メモリ１２及びインターフェース１３は、データバス９０を介して接続されている。
　プロセッサ１１は、メモリ１２に記憶されているプログラムを実行することにより、情報処理装置１の全体の制御を行うコントローラ（演算装置）として機能する。プロセッサ１１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＴＰＵ（Ｔｅｎｓｏｒ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などのプロセッサである。プロセッサ１１は、複数のプロセッサから構成されてもよい。プロセッサ１１は、コンピュータの一例である。
　メモリ１２は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、フラッシュメモリなどの各種の揮発性メモリ及び不揮発性メモリにより構成される。また、メモリ１２には、情報処理装置１が実行する処理を実行するためのプログラムが記憶される。なお、メモリ１２が記憶する情報の一部は、情報処理装置１と通信可能な１又は複数の外部記憶装置により記憶されてもよく、情報処理装置１に対して着脱自在な記憶媒体により記憶されてもよい。
　インターフェース１３は、情報処理装置１と他の装置とを電気的に接続するためのインターフェースである。これらのインターフェースは、他の装置とデータの送受信を無線により行うためのネットワークアダプタなどのワイアレスインタフェースであってもよく、他の装置とケーブル等により接続するためのハードウェアインターフェースであってもよい。
　なお、情報処理装置１のハードウェア構成は、図２に示す構成に限定されない。例えば、情報処理装置１は、入力装置２又は出力装置３の少なくとも一方を含んでもよい。また、情報処理装置１は、スピーカなどの音出力装置と接続又は内蔵してもよい。
　（３）ストレス発散行動検知処理
　次に、情報処理装置１が実行するストレス発散行動検知処理について説明する。概略的には、情報処理装置１は、対象者のストレス推定値と運動量とに基づき、ストレス発散行動を判定するための指標（「ストレス発散指標ＳＲ」とも呼ぶ。）を算出し、ストレス発散指標ＳＲに基づきストレス発散行動を検知する。これにより、情報処理装置１は、対象者のストレス発散行動を高精度に検知し、その検知結果を提示する。
　（３－１）機能ブロック
　図３は、情報処理装置１の機能ブロックの一例である。情報処理装置１のプロセッサ１１は、機能的には、観測情報取得部１５と、運動量算出部１６と、ストレス推定部１７と、ストレス発散行動検知部１８と、通知部１９とを有する。なお、図３では、データの授受が行われるブロック同士を実線により結んでいるが、データの授受が行われるブロックの組合せは図３に限定されない。後述する他の機能ブロックの図においても同様である。
　観測情報取得部１５は、入力信号Ｓ１とセンサ信号Ｓ３とに基づき、対象者の観測情報を取得し、取得した観測情報を観測情報記憶部４０に記憶する。この場合、上述したように、観測情報取得部１５は、センサ信号Ｓ３を観測情報として取得してもよく、センサ信号Ｓ３に基づき算出される特徴量（画像又は音声データから解析される表情、感情などを表す指標を含む）を観測情報として取得してもよい。また、観測情報取得部１５は、入力信号Ｓ１に基づくアンケート情報又は当該情報に基づく性格等の診断結果を観測情報として取得してもよい。
　運動量算出部１６は、観測情報記憶部４０に記憶された観測情報に基づき、対象者の運動量（詳しくは単位時間当たりの運動量）を算出する。この場合、運動量算出部１６は、運動量算出に用いる観測情報として、運動量算出の対象期間において対象者が装着するウェアラブル端末等から得られる生体情報（例えば、加速度の変化量、心拍の上昇量、体温又は／及び皮膚温度の上昇量など）を用いてもよく、対象者が所持するスマートフォンなどから得られるデバイス情報（例えば、加速度の変化量、ＧＮＳＳによる測位位置の変化量など）を用いてもよい。この場合、運動量算出部１６は、例えば、予めパラメータが記憶装置４に記憶された運動量算出モデルに対し、上述の観測情報を入力することで当該モデルが出力する運動量を取得する。この場合、運動量算出モデルは、所定種類の観測情報が入力された場合に運動量を出力するモデルである。
　なお、運動量算出モデルは、学習されたモデルに限られない。例えば、運動量算出モデルは、３軸の加速度センサが時系列により出力する加速度ベクトルが入力として与えられた場合に、当該加速度ベクトルのノルムの単位時間当たりの平均値を出力するものであってもよい。他の例では、運動量算出モデルは、加速度センサが出力する加速度の周期的な変化等に基づき歩行状態、ランニング状態などの運動状態を分類し、分類結果に応じた運動量を出力するものであってもよい。運動量算出部１６は、算出した運動量を、ストレス発散行動検知部１８に供給し、かつ、算出結果記憶部４２に記憶する。
　ストレス推定部１７は、観測情報記憶部４０に記憶された観測情報に基づき、対象者のストレス推定値を算出する。この場合、ストレス推定部１７は、ストレス推定値算出に用いる観測情報として、ストレスと相関を有する任意の情報（例えば、心拍、発汗、皮膚温度などの生体情報、画像又は音声から認識された表情・感情情報、アンケート結果、性格診断結果、操作ログ等）を用いてもよい。この場合、ストレス推定部１７は、例えば、予めパラメータが記憶装置４に記憶されたストレス推定モデルに対し、上述の観測情報を入力することで当該モデルが出力するストレス値をストレス推定値として取得する。この場合、ストレス推定モデルは、観測情報が入力された場合にストレス値を出力するモデルである。
　なお、ストレス推定モデルは、学習されたモデルに限られない。例えば、ストレス推定モデルは、単位時間当たりの心拍の揺らぎの度合い、単位時間当たりの発汗量のピーク数などからストレス推定値を導出するための式であってもよい。ストレス推定部１７は、算出したストレス推定値を、ストレス発散行動検知部１８に供給し、かつ、算出結果記憶部４２に記憶する。
　ストレス発散行動検知部１８は、運動量算出部１６から供給される対象者の運動量と、ストレス推定部１７から供給される対象者のストレス推定値とに基づきストレス発散指標ＳＲを算出し、ストレス発散指標ＳＲに基づきストレス発散行動の検知を行う。以後では、説明便宜上、ストレス発散指標ＳＲは、一例として、ストレス発散度合いが高いほど高い値になる指標であるものとする。なお、これに代えて、ストレス発散行動検知部１８は、ストレス発散度合いが高いほど低い値になる指標を算出してもよい。
　ストレス発散行動検知部１８は、ストレス発散指標ＳＲを、運動量が高いほど高くなり（即ち運動量と正の相関を有し）、かつ、ストレス推定値が高いほど低くなる（即ちストレス推定値と負の相関を有する）指標として算出する。代表例として、ストレス発散行動検知部１８は、運動量を「Ｍ」、ストレス推定値を「Ｓ」とすると、ストレス発散指標ＳＲを、以下の式（１）により算出する。
　　　　　　　ＳＲ＝Ｍ／Ｓ　（１）
　そして、ストレス発散行動検知部１８は、例えば、ストレス発散指標ＳＲが所定の下限閾値（「下限閾値Ｔｈ１」とも呼ぶ。）以上の場合、ストレス発散行動があったと判定する。
　好適な例では、ストレス発散行動検知部１８は、下限閾値Ｔｈ１に加えて、ストレス発散指標ＳＲに対する上限閾値（「上限閾値Ｔｈ２」とも呼ぶ。）を設け、ストレス発散指標ＳＲが下限閾値Ｔｈ１以上であって上限閾値Ｔｈ２未満の場合に、ストレス発散行動があったと判定するとよい。後述するように、ストレス発散指標ＳＲが極めて高い場合には、対象者が乗り物等によって動かされている状態であり、対象者のストレス発散の実態に即した値にストレス発散指標ＳＲがなっていない状態である可能性が高い。以上を勘案し、ストレス発散行動検知部１８は、ストレス発散指標ＳＲが上限閾値Ｔｈ２以上となる場合、ストレス発散行動があったとは判定しない。下限閾値Ｔｈ１及び上限閾値Ｔｈ２は、例えば記憶装置４等に予め記憶された適合値に設定される。
　また、他の好適な例では、ストレス発散行動検知部１８は、属性・生活情報記憶部４１に記憶された対象者の属性情報又は生活情報の少なくとも一方を参照し、これらの情報をさらに勘案してストレス発散指標ＳＲを決定するとよい。この具体例については後述する。ストレス発散行動検知部１８は、ストレス発散行動の検知結果を、通知部１９に供給する。また、ストレス発散行動検知部１８は、算出したストレス発散指標ＳＲ等を、算出結果記憶部４２に記憶する。
　通知部１９は、ストレス発散行動検知部１８から供給されるストレス発散行動の検知結果及び算出結果記憶部４２に記憶された情報に基づき、ストレス発散行動に関する情報を出力装置３に出力させる制御を行う。通知部１９による出力制御の例については「（３－４）通知例」のセクションにて具体的に説明する。
　なお、図３において説明した観測情報取得部１５、運動量算出部１６、ストレス推定部１７、ストレス発散行動検知部１８及び通知部１９の各構成要素は、例えば、プロセッサ１１がプログラムを実行することによって実現できる。また、必要なプログラムを任意の不揮発性記憶媒体に記録しておき、必要に応じてインストールすることで、各構成要素を実現するようにしてもよい。なお、これらの各構成要素の少なくとも一部は、プログラムによるソフトウェアで実現することに限ることなく、ハードウェア、ファームウェア、及びソフトウェアのうちのいずれかの組合せ等により実現してもよい。また、これらの各構成要素の少なくとも一部は、例えばＦＰＧＡ（Field-Programmable Gate Array）又はマイクロコントローラ等の、ユーザがプログラミング可能な集積回路を用いて実現してもよい。この場合、この集積回路を用いて、上記の各構成要素から構成されるプログラムを実現してもよい。また、各構成要素の少なくとも一部は、ＡＳＳＰ（Application Specific Standard Produce）、ＡＳＩＣ（Application Specific Integrated Circuit）又は量子プロセッサ（量子コンピュータ制御チップ）により構成されてもよい。このように、各構成要素は、種々のハードウェアにより実現されてもよい。以上のことは、後述する他の実施の形態においても同様である。さらに、これらの各構成要素は、例えば、クラウドコンピューティング技術などを用いて、複数のコンピュータの協働によって実現されてもよい。
　（３－２）ストレス発散行動と指標との関係
　次に、ストレス発散行動とストレス発散指標ＳＲとの関係について補足説明する。図４は、交感神経の活性度を縦軸とし副交感神経の活性度を横軸とする２次元マップを示す。図４に示す２次元マップでは、ストレス発散状態に相当する領域及び睡眠状態に相当する領域が夫々破線楕円及び実線円により明示されている。
　図４に示すように、ストレス発散状態は、副交感神経との活性度が交感神経の活性度に比例した大きさとなるときに発生する。また、ストレス発散状態は、大まかに気晴らし型とリラックス型の２つの類型が存在する。ここで、気晴らし型は、身体活動を伴うストレス発散であり、運動、カラオケ、テーマパーク・旅行での散策等などの行動によって生じる。また、リラックス型は、身体活動を伴わない発散であり、音楽聴取、座禅、瞑想、森林浴、自然浴、アロマ、深呼吸などの行動によって生じる。そして、本実施形態では、情報処理装置１は、これらを含むストレス発散状態を検知する。
　図５は、ストレス値を縦軸とし、運動量を横軸とする２次元マップを示す。図５に示す２次元マップでは、対象者がストレスを感じている「ストレス状態」、対象者がリラックスしている「リラックス状態」、対象者が気晴らしできている「気晴らし状態」、対象者が乗り物等に乗ることにより動かされている「受動状態」に夫々対応する領域が明示されている。概略的には、「ストレス状態」は、ストレス値が閾値より高い高ストレス値であって、運動量が閾値以下となる低運動量であるときの状態であり、「リラックス状態」は、ストレス値が閾値以下となる低ストレス値であって、運動量が低運動量であるときの状態である。また、「気晴らし状態」は、ストレス値が高ストレス値であり、運動量が閾値より高い高運動量であるときの状態であり、「受動状態」は、ストレス値が低ストレス値であって、運動量が高運動量であるときの状態（言い換えると、対象者が受動的な活動に起因して運動量が上昇した状態）である。なお、ストレス値は、図４に示す２次元マップの縦軸として採用された交感神経の活性度に比例する。
　図５に示すように、ストレス発散状態に対応する「リラックス状態」及び「気晴らし状態」は、ストレス値と運動量が共に低い又は共に高い状態に対応する。従って、式（１）の定義に基づくストレス発散指標ＳＲの場合、ストレス発散指標ＳＲが高すぎる値域（即ち上限閾値Ｔｈ２以上の値域）及び低すぎる値域（即ち下限閾値Ｔｈ１未満の値域）を除いた中間の値域になる場合がストレス発散状態に対応する。
　なお、一般に、対象者の運動量が高いほど対象者の交感神経（即ちストレス値）は高くなるため、図５に示す「受動状態」は基本的には発生しない。一方、対象者が乗り物等に乗っていることで動かされているときには、センサ５が検知する対象者の加速度の見た目上の値が上昇し、運動量が実質よりも高く算出され、その結果、運動量が高くストレス値が低い状態（即ち受動状態）が発生する。この状態は、センサ５が対象者自体の加速度を正しく計測していないこと（即ち誤測定）に起因して発生する状態である。
　以上を勘案し、本実施形態に係るストレス発散行動検知部１８は、このような受動状態に相当する場合（即ちストレス発散指標ＳＲが上限閾値Ｔｈ２以上となる状態）については、ストレス値のみを用いて、ストレス値が閾値「Ｔｈ＿ｓ」以下ならストレス発散行動と判定する。閾値Ｔｈ＿ｓは、例えば記憶装置４等に予め記憶された適合値に設定される。例えば、対象者が車に乗っている運転手の場合、ストレス発散行動検知部１８は、運動量が高いことに起因してストレス発散指標ＳＲが上限閾値Ｔｈ２以上となった場合に受動状態であると判定し、かつ、対象者のストレス値が閾値Ｔｈ＿ｓ以下の場合に、ストレス発散行動があったと判定する。対象者が助手席に乗っている人である場合や電車移動を行っている人についても同様である。
　図６は、ストレス値を縦軸とし、運動量を横軸とする２次元マップにおいて式（１）に基づくストレス発散指標ＳＲ及び下限閾値Ｔｈ１及び上限閾値Ｔｈ２を概略的に可視化したものである。
　図６に示すように、ストレス発散指標ＳＲは、ストレス値が大きく、運動量が小さいほど小さくなり、ストレス値が小さく、運動量が大きいほど大きくなる。そして、本実施形態では、ストレス発散行動検知部１８は、ストレス発散指標ＳＲが下限閾値Ｔｈ１以上であって上限閾値Ｔｈ２未満の場合に、ストレス発散行動があったとみなす。この場合、下限閾値Ｔｈ１及び上限閾値Ｔｈ２により定まるストレス発散行動と認められる値域は、図５に示す「リラックス状態」及び「気晴らし状態」が属する値域となる。これにより、ストレス発散行動検知部１８は、「リラックス状態」又は「気晴らし状態」に対応するストレス発散行動を好適に検知することができる。
　以上説明したストレス発散指標ＳＲによるストレス発散行動の検知方法によれば、ストレス発散行動検知部１８は、日常生活中の音楽聴取や運動などのストレス発散行動によって、ストレスが発散できたかどうか好適に検知することができる。また、ストレス発散行動検知部１８は、身体活動を伴うストレス発散や興奮状態にもなりえるストレス発散方法（運動、カラオケ等）においても、ストレス発散検知を行うことができる。
　（３－３）属性情報・生活情報を用いた指標算出
　ストレス発散行動検知部１８は、対象者の属性情報と生活情報の少なくとも一方に基づきストレス発散指標ＳＲを決定してもよい。
　まず、属性情報を用いる場合について説明する。ストレス発散行動検知部１８は、例えば、対象者の属性情報に基づき、ストレス発散指標ＳＲの算出に用いる指標算出モデルを切り替える。例えば、属性情報に運動の好悪に関する情報が含まれている場合、ストレス発散行動検知部１８は、運動が好きである場合には運動量の増加がストレス発散に特に効果的であるとみなす。よって、この場合、ストレス発散行動検知部１８は、例えば、１より大きい補正係数αを運動量の指数係数として用いた以下の式（２）（Ｍ＝運動量、Ｓ＝ストレス推定値）により、ストレス発散指標ＳＲを算出する。
　　　　　　　ＳＲ＝Ｍα／Ｓ　（２）
　一方、ストレス発散行動検知部１８は、運動が嫌いであることを属性情報が示す場合には、運動量の増加がストレス発散にあまり効果的ではないとみなし、補正係数αを１より小さい値に設定した上述の式（２）により、ストレス発散指標ＳＲを算出する。このようにすることで、運動が好きな対象者の場合には運動量の増加がストレス発散指標ＳＲの増加に反映されやすくし、かつ、運動が嫌いな対象者の場合には運動量の増加がストレス発散指標ＳＲの増加につながりにくくすることができる。
　同様に、ストレス発散行動検知部１８は、属性情報が年齢又は性別などの他の属性を示す場合においても、属性のカテゴリ（例えば年代ごとのカテゴリ、男性か女性かのカテゴリ）ごとに適切なストレス発散指標ＳＲを算出可能な指標算出モデルを用意しておき、対象者の属性に応じて指標算出モデルを切り替える。なお、各指標算出モデルを構成するためのパラメータ（式（２）ではαの値）は、切り分けるべき属性のカテゴリごとに紐付けられて記憶装置４等に予め記憶されている。これにより、ストレス発散行動検知部１８は、対象者の属性を考慮してストレス発散指標ＳＲをより的確に算出することができる。
　次に、生活情報を用いる場合について説明する。ストレス発散行動検知部１８は、例えば、対象者の生活情報に基づき、ストレス発散指標ＳＲの算出に用いる指標算出モデルを切り替える。例えば、生活情報が仕事中か否かを示すスケジュール情報である場合、ストレス発散行動検知部１８は、ストレス発散行動の有無の判定対象の日時において対象者が仕事中であるか否かを認識し、その認識結果に応じて選択した指標算出モデルにより、ストレス発散指標ＳＲを算出する。この場合、対象者が仕事中の期間のストレス発散行動の判定に用いる指標算出モデルと、仕事中でない期間のストレス発散行動の判定に用いる指標算出モデルとが、夫々予め用意されている。同様に、他の生活情報についても、参照する生活情報により特定される生活パターンごとに指標算出モデルが予め用意されており、ストレス発散行動検知部１８は、対象者の生活情報を参照して特定した対象期間での対象者の生活パターンに対応する指標算出モデルを選択し、ストレス発散指標ＳＲの算出を行う。
　なお、対象者が仕事中である場合には、仕事中の騒音（例えば工具や重機の音等）もストレス発散の有無に影響があるため、ストレス発散行動検知部１８は、仕事中の期間のストレス発散行動の判定に用いるストレス発散指標ＳＲの算出では、仕事場での騒音レベルを示す情報をさらに参照してもよい。このような騒音レベル等は、例えば騒音センサ等のセンサ５が出力するセンサ信号Ｓ３により特定されてもよい。また、ストレス発散行動検知部１８は、属性情報に含まれる職業情報を参照し、対象者がスポーツ選手などの主に体を動かす仕事に従事している場合には、就業時間内をストレス発散行動の判定対象期間外とみなし、仕事中における対象者のストレス発散指標ＳＲの算出を行わなくともよい。
　また、対象者が日常行う平均的な運動量である日常運動量の情報がさらに生活情報に含まれている場合、ストレス発散行動検知部１８は、運動量算出部１６が算出した運動量を日常運動量により正規化してもよい。この場合、例えば、ストレス発散行動検知部１８は、一般人の平均的な運動量（平均運動量）に対する日常運動量の比（即ち、日常運動量／平均運動量）により、運動量算出部１６が算出した運動量（算出運動量）を割ることで求めた運動量（即ち、算出運動量×平均運動量／日常運動量）を、正規化した運動量として算出する。そして、ストレス発散行動検知部１８は、このように正規化した運動量を用いてストレス発散指標ＳＲを算出することで、個人の日常運動量の違いを好適に勘案したストレス発散指標ＳＲを算出することができる。
　なお、ストレス発散行動検知部１８は、日常運動量に基づき運動量算出部１６が算出する運動量を正規化する処理に加えて、又はこれに代えて、下限閾値Ｔｈ１又は上限閾値Ｔｈ２の少なくとも一方を、日常運動量に基づき変更してもよい。この場合、例えば、ストレス発散行動検知部１８は、日常運動量が大きいほど、下限閾値Ｔｈ１を大きくする。これにより、ストレス発散行動検知部１８は、スポーツ選手や肉体労働者などの日常運動量が高い者等に対してもストレス発散行動の有無の判定を的確に行うことができる。
　（３－４）通知例
　図７は、通知部１９が出力装置３に表示させるストレス発散確認画面の一例である。ここでは、一例として、通知部１９は、ユーザが指定した日付（ここでは本日）における対象者のストレス発散指標ＳＲの推移を表す指標グラフ表示領域５１と、ストレス発散行動が検知された時間帯に関するテキスト文章を表すテキスト情報表示領域５２とを、ストレス発散確認画面に設けている。通知部１９は、ストレス発散確認画面を表示するための出力制御信号Ｓ２を生成し、インターフェース１３を介して出力装置３に当該出力制御信号Ｓ２を供給することで、出力装置３にストレス発散確認画面を表示させている。
　図７の例では、運動量算出部１６及びストレス推定部１７は、対象日において時系列により生成された観測情報に基づき、時系列での運動量及びストレス推定値を算出する。なお、運動量算出部１６及びストレス推定部１７は、観測情報取得部１５が観測情報を取得する度に当該観測情報から運動量及びストレス推定値を逐次的に算出してもよく、ストレス発散確認画面の表示要求があった場合に対象の観測情報から運動量及びストレス推定値を一括して算出してもよい。そして、ストレス発散行動検知部１８は、算出された対象日の時系列の運動量及びストレス推定値から、対象日の時系列のストレス発散指標ＳＲを算出する。
　通知部１９は、時刻を横軸とし、ストレス発散指標ＳＲを縦軸とした２次元座標上での対象者のストレス発散指標ＳＲの遷移グラフを、指標グラフ表示領域５１に表示させている。また、通知部１９は、上述のグラフにおいて、下限閾値Ｔｈ１及び上限閾値Ｔｈ２を一点鎖線により明示することで、ストレス発散行動と判定される範囲を指標グラフ表示領域５１上において明示している。
　また、通知部１９は、ストレス発散行動検知部１８の検知結果に基づき、ストレス発散行動が検知された時間帯（ここでは１４時付近及び１９時付近）及びそのうち気晴らし型の行動となる時間帯（ここでは１４時付近）を夫々認識し、これらの時間帯に関する情報をテキスト情報表示領域５２に表示している。なお、図５に示すように、気晴らし状態とリラックス状態とではストレス値及び運動量の大きさが異なる。よって、ストレス発散行動検知部１８又は通知部１９は、例えば、ストレス発散行動が検知され、かつ、対応する運動量又はストレス推定値の少なくとも一方が所定の閾値以上である場合、気晴らし型の行動が行われたと判定する。上述の閾値は例えば予め記憶装置４に記憶されている。
　このように、図７の表示例によれば、通知部１９は、ストレス発散行動が行われたタイミング、気晴らし型の行動があったタイミングなどを好適に対象者又は管理者に通知することができる。そして、対象者又は管理者は、通知された情報を、対象者のストレス管理やストレス管理継続へのモチベーション維持に役立てることができる。また、対象者が従業員の場合には、管理者は、職場における従業員のメンタルヘルス管理や業務アサインなどへ利用することもできる。
　なお、ストレス発散行動の通知の態様は図７に示す表示例に限定されない。第１の例では、通知部１９は、対象者の週単位又は月単位での（即ちユーザが指定した任意の所定期間における）ストレス発散行動の検知結果を出力してもよい。この場合、例えば、通知部１９は、ストレス発散行動（気晴らし型の行動であってもよい、以下同じ。）が発生する時間帯の統計的な傾向に関する情報を出力してもよい。他の例では、通知部１９は、ストレス発散行動の種類（気晴らし型、リラックス型）に関する統計的な傾向に関する情報を出力してもよい。これにより、通知部１９は、対象者がどんな発散行動をしやすいか（例えば気晴らし型の行動が多いかリラックス型の行動が多いか）を好適にユーザに通知することができる。
　第２の例では、通知部１９は、現在の対象者の状態に対応するストレス発散行動等の検知結果をリアルタイムにより出力してもよい。この場合、情報処理装置１は、リアルタイムにより得られたセンサ信号Ｓ３に基づく観測情報を用いてストレス発散行動の有無を判定し、ストレス発散行動を検知した場合にストレス発散行動が行われた旨を通知する出力を出力装置３により即時に行う。この場合、運動量算出部１６及びストレス推定部１７は、観測情報取得部１５が取得した現在の対象者の状態を表す観測情報に対して運動量及びストレス推定値の算出を行い、ストレス発散行動検知部１８は、これらの運動量及びストレス推定値に基づきストレス発散指標ＳＲの算出及びストレス発散行動の判定を行う。第２の例によれば、通知部１９は、ストレス発散行動の発生を好適に対象者に通知し、ストレス解消につながる行動を促すことができる。
　第３の例では、通知部１９は、ストレス発散行動があったと判定された後の任意の時間に、ストレス発散行動等の検知結果を出力してもよい。第４の例では、通知部１９は、図７の例のようにストレス発散の度合いをユーザに通知する態様に代えて、ストレス発散行動の有無をユーザに通知してもよい。この場合、通知部１９は、音（音声を含む）によりストレス発散行動があったことを通知してもよく、表示によりストレス発散行動があったことを通知してもよい。
　（３－５）処理フロー
　図８は、第１実施形態において情報処理装置１が実行するフローチャートの一例である。情報処理装置１は、例えば、図８に示すフローチャートの処理を、所定のストレス推定タイミングになったと判定した場合に実行する。
　まず、情報処理装置１は、入力装置２から供給される入力信号Ｓ１又は／及びセンサ５から供給されるセンサ信号Ｓ３に基づき、観測情報を取得し、取得した観測情報を観測情報記憶部４０に記憶する（ステップＳ１１）。
　そして、情報処理装置１は、ストレス発散行動の検知タイミングであるか否か判定する（ステップＳ１２）。そして、情報処理装置１は、ストレス発散行動の検知タイミングである場合（ステップＳ１２；Ｙｅｓ）、ステップＳ１３へ処理を進める。一方、情報処理装置１は、ストレス発散行動の検知タイミングではない場合（ステップＳ１２；Ｎｏ）、ステップＳ１１へ処理を戻す。
　次に、ステップＳ１３では、情報処理装置１は、ストレス発散行動の検知の対象期間における観測情報に基づき、対象者の運動量及びストレス推定値の算出を行う（ステップＳ１３）。そして、情報処理装置１は、ステップＳ１３で算出した運動量及びストレス推定値に基づき、ストレス発散指標ＳＲの算出を行う（ステップＳ１４）。そして、情報処理装置１は、算出したストレス発散指標ＳＲに基づき、対象者のストレス発散行動の検知処理を行う（ステップＳ１５）。この場合、情報処理装置１は、例えば、ストレス発散指標ＳＲと下限閾値Ｔｈ１及び上限閾値Ｔｈ２とに基づき、ストレス発散行動の有無の判定を行う。そして、情報処理装置１は、ステップＳ１５でのストレス発散行動の検知結果を通知する処理を行う（ステップＳ１６）。
　（４）変形例
　次に、上述した実施形態の変形例について説明する。以下の変形例は任意に組み合わせて上述した実施形態に適用してもよい。
　（変形例１）
　ストレス発散行動検知部１８は、ストレス発散行動のうち気晴らし型の行動に特化した検知処理を行ってもよい。
　この場合、ストレス発散行動検知部１８は、ストレス発散行動が検知され、かつ、対応する運動量又はストレス推定値の少なくとも一方が所定の閾値以上であると判定した場合に、気晴らし型の行動が行われたと判定する。そして、通知部１９は、ストレス発散行動検知部１８による検知結果に基づき、気晴らし型の行動の検知結果を通知する処理を行う。これにより、情報処理装置１は、気晴らし型の行動があったタイミングなどを好適に対象者又は管理者に通知することができる。
　（変形例２）
　ストレス発散行動検知部１８は、ストレス発散行動の有無を判定する場合に、ストレス発散指標ＳＲ及びその閾値に加えて、所定時間経過後のストレス値をさらに勘案してストレス発散行動の有無の判定を行ってもよい。
　例えば、図７の例において、１３時におけるストレス発散行動の有無の判定を行う場合について具体的に説明する。この場合、ストレス発散行動検知部１８は、１３時におけるストレス発散指標ＳＲが下限閾値Ｔｈ１以上上限閾値Ｔｈ２未満であって、かつ、１３時より所定時間（例えば数分又は数十分）経過後のストレス推定値が、１３時におけるストレス推定値よりも所定値又は所定率以上減少している場合、１３時にストレス発散行動があったと判定する。上述の所定値又は所定率は、例えば、予め記憶装置４等に記憶されている。
　本変形例によれば、ストレス発散行動検知部１８は、ストレス発散行動の判定対象となるタイミング後での実際のストレス値の経過を勘案してより的確にストレス発散行動の有無を判定することができる。
　（変形例３）
　ストレス発散行動検知部１８は、継続的にストレス発散指標ＳＲに関する基準が満たされた場合に、ストレス発散行動があったと判定してもよい。
　この場合、例えば、ストレス発散行動検知部１８は、所定時間長の期間（時間窓）ごとに、各算出タイミングで算出したストレス発散指標ＳＲに基づくストレス発散行動の有無の判定結果の集計を行い、その集計結果に基づき、時間窓ごとにストレス発散行動の有無を判定する。例えば、時間窓が１０分であり、３０秒ごとのストレス発散指標ＳＲを算出する場合、ストレス発散行動検知部１８は、対象の時間窓において算出される２０個のストレス発散指標ＳＲの各々がストレス発散行動の基準（即ち下限閾値Ｔｈ１及び上限閾値Ｔｈ２を用いた基準）を満たすか否か判定する。そして、ストレス発散行動検知部１８は、２０個のストレス発散指標ＳＲのうち所定個数以上（例えば半数以上）のストレス発散指標ＳＲがストレス発散行動の基準を満たす場合、対象の時間窓においてストレス発散行動があったと判定する。なお、ストレス発散行動検知部１８は、対象の時間窓において算出されるストレス発散指標ＳＲの各々がストレス発散行動の基準（即ち下限閾値Ｔｈ１及び上限閾値Ｔｈ２を用いた基準）を満たすか否かを判定し、ストレス発散行動の基準を満たす継続時間長が予め定めた判定時間長を超えた場合に、ストレス発散行動が継続していると判定する。この場合、ストレス発散行動検知部１８は、例えば、５分間継続してストレス発散行動を検知したらストレス発散行動が継続していると判定する。
　本変形例によれば、情報処理装置１は、ストレス発散行動の有無をより安定的に検知することができる。
　（変形例４）
　ストレス発散行動検知部１８は、ストレス発散指標ＳＲの時間変化をさらに考慮してストレス発散行動の検知を行ってもよい。
　ストレス発散行動検知部１８は、例えば、ストレス発散指標ＳＲの大きさに関する基準（即ち下限閾値Ｔｈ１及び上限閾値Ｔｈ２を用いた基準）を満たす場合、又は／及び、ストレス発散指標ＳＲの上昇率（直前に算出したストレス発散指標ＳＲに対する増加割合）が所定率以上である場合に、ストレス発散行動が開始されたと判定する。そして、ストレス発散行動検知部１８は、ストレス発散指標ＳＲの大きさに関する基準（即ち下限閾値Ｔｈ１及び上限閾値Ｔｈ２を用いた基準）を満たさなくなった、又は／及び、ストレス発散指標ＳＲの下降率（直前に算出したストレス発散指標ＳＲに対する減少割合）が所定率以上の場合に、ストレス発散行動が終了したと判定する。
　本変形例によれば、ストレス発散行動検知部１８は、ストレス発散指標ＳＲの変化に基づいて、ストレス発散行動が行われた期間を的確に検知することができる。
　（変形例５）
　ストレス発散行動検知部１８は、ストレス発散指標ＳＲを、式（１）又は式（２）のように運動量とストレス推定値との比に基づき定める代わりに、ストレス推定値と運動量とを用いた減算処理に基づき決定してもよい。例えば、ストレス発散行動検知部１８は、ストレス推定値と運動量とを夫々０から１までの値域になるように正規化した後、当該ストレス推定値又は当該運動量の少なくとも一方に所定の重みを乗算し、正規化及び重みの乗算後において、当該ストレス推定値を当該運動量により減算した値をストレス発散指標ＳＲとして算出する。このように、ストレス発散指標ＳＲは、ストレス推定値と運動量とを用いた種々の算出方法により決定されてもよい。
　（変形例６）
　情報処理装置１は、運動量に基づくことなくストレス発散行動を検知し、その検知結果を対象者又は管理者に通知してもよい。
　この場合、情報処理装置１は、ストレス推定部１７が算出するストレス推定値が所定の閾値以下となった場合、又は、ストレス推定値の下降率が所定率以上となった場合などに、ストレス発散行動があったと判定し、ストレス発散行動の検知結果を対象者又は管理者に通知する。これによっても、情報処理装置１は、対象者のストレス管理やストレス管理継続へのモチベーション維持に役立てることが可能な情報を、対象者又は管理者に好適に提供することができる。
　＜第２実施形態＞
　図９は、第２実施形態におけるストレス発散検知システム１００Ａの概略構成を示す。第２実施形態に係るストレス発散検知システム１００Ａは、サーバクライアントモデルのシステムであり、サーバ装置として機能する情報処理装置１Ａが第１実施形態における情報処理装置１の処理を行う。以後では、第１実施形態と同一構成要素については、適宜同一符号を付し、その説明を省略する。
　図９に示すように、ストレス発散検知システム１００Ａは、主に、サーバとして機能する情報処理装置１Ａと、記憶装置４と、クライアントとして機能する端末装置８とを有する。情報処理装置１Ａと端末装置８とは、ネットワーク７を介してデータ通信を行う。
　端末装置８は、被検者となる利用者（ユーザ）が使用する端末であり、入力機能、表示機能、及び通信機能を有し、図１に示される入力装置２及び出力装置３等として機能する。端末装置８は、例えば、パーソナルコンピュータ、スマートフォンなどのタブレット型端末、ＰＤＡ（Ｐｅｒｓｏｎａｌ　Ｄｉｇｉｔａｌ　Ａｓｓｉｓｔａｎｔ）などであってもよい。端末装置８は、利用者が装着するウェアラブルセンサなどのセンサ５と電気的に接続し、センサ５が出力する被検者の生体信号等（即ち、図１におけるセンサ信号Ｓ３に相当する情報）を、情報処理装置１Ａに送信する。また、端末装置８は、アンケートの回答に関するユーザ入力などを受け付け、ユーザ入力により生成された情報（図１における入力信号Ｓ１に相当する情報）を、情報処理装置１Ａに送信する。
　情報処理装置１Ａは、図２に示す情報処理装置１のハードウェア構成と同一のハードウェア構成を有し、情報処理装置１Ａのプロセッサ１１は、図３に示される機能ブロックを有する。そして、情報処理装置１Ａは、図１における入力信号Ｓ１及びセンサ信号Ｓ３に相当する情報を、ネットワーク７を介して端末装置８から受信し、ストレス推定処理を実行する。また、情報処理装置１Ａは、端末装置８からの出力要求に基づき、ストレス推定結果を出力するための出力信号を、ネットワーク７を介して端末装置８へ送信する。
　第２実施形態によれば、対象者が使用する端末から受信する対象者の生体信号等に基づき対象者のストレス発散行動の検知を行い、対象者に検知結果を好適に通知することができる。
　＜第３実施形態＞
　図１０は、第３実施形態における情報処理装置１Ｘのブロック図である。情報処理装置１Ｘは、主に、ストレス値取得手段１７Ｘと、ストレス発散行動検知手段１８Ｘと、通知手段１９Ｘとを有する。なお、情報処理装置１Ｘは、複数の装置により構成されてもよい。
　ストレス値取得手段１７Ｘは、対象者のストレスの度合いを表すストレス値を取得する。ストレス値取得手段１７Ｘは、対象者の生体信号等からストレス値を推定することでストレス値を取得してもよく、記憶装置等に記憶された又は他の装置が算出した対象者のストレス値を取得してもよい。前者の場合、ストレス値取得手段１７Ｘは、例えば、第１実施形態（変形例を含む、以下同じ。）又は第２実施形態におけるストレス推定部１７とすることができる。
　ストレス発散行動検知手段１８Ｘは、ストレス値に基づき、ストレスを発散する行動であるストレス発散行動の検知を行う。ストレス発散行動検知手段１８Ｘは、例えば、第１実施形態又は第２実施形態におけるストレス発散行動検知部１８とすることができる。
　通知手段１９Ｘは、ストレス発散行動の検知の結果に関する通知を行う。この場合、通知手段１９Ｘは、音（音声を含む）によりストレス発散行動の検知結果を通知してもよく、表示によりストレス発散行動の検知結果を通知してもよい。通知手段１９Ｘは、例えば、第１実施形態又は第２実施形態における通知部１９とすることができる。
　図１１は、第３実施形態において情報処理装置１Ｘが実行するフローチャートの一例である。まず、ストレス値取得手段１７Ｘは、対象者のストレスの度合いを表すストレス値を取得する（ステップＳ２１）。次に、ストレス発散行動検知手段１８Ｘは、ストレス値に基づき、ストレスを発散する行動であるストレス発散行動の検知を行う（ステップＳ２２）。通知手段１９Ｘは、ストレス発散行動の検知の結果に関する通知を行う（ステップＳ２３）。
　第３実施形態によれば、情報処理装置１Ｘは、ストレス発散行動を検知し、その検知結果をユーザに通知する。これにより、対象者のストレス管理やストレス管理継続へのモチベーション維持に役立てることが可能な情報を好適に提供することができる。
　なお、上述した各実施形態において、プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータであるプロセッサ等に供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記憶媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記憶媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記憶媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
　その他、上記の各実施形態の一部又は全部は、以下の付記のようにも記載され得るが以下には限られない。
［付記１］
　対象者のストレスの度合いを表すストレス値を取得するストレス値取得手段と、
　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行うストレス発散行動検知手段と、
　前記ストレス発散行動の検知の結果に関する通知を行う通知手段と、
を有する情報処理装置。
［付記２］
　前記ストレス値に対応する前記対象者の運動量を取得する運動量取得手段をさらに有し、
　前記ストレス発散行動検知手段は、前記ストレス値と、前記運動量とに基づき、前記ストレス発散行動の検知を行う、付記１に記載の情報処理装置。
［付記３］
　前記対象者の生活に関する生活情報を取得する生活情報取得手段をさらに有し、
　前記ストレス発散行動検知手段は、前記ストレス値と、前記生活情報とに基づき、前記ストレス発散行動の検知を行う、付記１または２に記載の情報処理装置。
［付記４］
　前記生活情報は、前記対象者の日常運動量を少なくとも示し、
　前記ストレス発散行動検知手段は、前記ストレス値に対応する前記対象者の運動量を前記日常運動量により正規化した運動量と、前記ストレス値とに基づき、前記ストレス発散行動の検知を行う、付記３に記載の情報処理装置。
［付記５］
　前記ストレス発散行動検知手段は、前記ストレス値と正の相関かつ前記ストレス値に対応する前記対象者の運動量と負の相関を有する指標、又は、前記ストレス値と負の相関かつ前記運動量と正の相関を有する指標に基づき、前記ストレス発散行動の検知を行う、付記１～４のいずれか一項に記載の情報処理装置。
［付記６］
　前記ストレス発散行動検知手段は、前記指標と、前記指標に対する下限閾値及び上限閾値とに基づき、前記ストレス発散行動の検知を行う、付記５に記載の情報処理装置。
［付記７］
　前記ストレス発散行動検知手段は、前記指標と、所定時間経過後の前記ストレス値とに基づき、前記ストレス発散行動の検知を行う、付記５または６に記載の情報処理装置。
［付記８］
　前記ストレス発散行動検知手段は、前記指標の時間変化に基づき、前記ストレス発散行動の検知を行う、前記ストレス発散行動の検知を行う、付記５または６に記載の情報処理装置。
［付記９］
　前記ストレス発散行動検知手段は、前記指標に基づき前記対象者が受動的な活動に起因して前記運動量が上昇した受動状態であると判定した場合、前記ストレス値に基づき前記ストレス発散行動の検知を行う、付記５～８のいずれか一項に記載の情報処理装置。
［付記１０］
　前記対象者の属性に関する属性情報を取得する属性情報取得手段をさらに有し、
　前記ストレス発散行動検知手段は、前記ストレス値と、前記属性情報とに基づき、前記ストレス発散行動の検知を行う、付記１～９のいずれか一項に記載の情報処理装置。
［付記１１］
　前記属性情報は、前記対象者の運動の好悪に関する情報を少なくとも含み、
　前記ストレス発散行動検知手段は、前記ストレス値に対応する前記対象者の運動量と、前記好悪に関する情報と、前記ストレス値とに基づき、前記ストレス発散行動の検知を行う、付記１０に記載の情報処理装置。
［付記１２］
　前記ストレス発散行動検知手段は、前記ストレス発散行動のうち気晴らし型のストレス発散行動を検知し、
　前記通知手段は、前記気晴らし型のストレス発散行動の検知の結果に関する通知を行う、付記１～１１のいずれか一項に記載の情報処理装置。
［付記１３］
　コンピュータが、
　対象者のストレスの度合いを表すストレス値を取得し、
　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行い、
　前記ストレス発散行動の検知の結果に関する通知を行う、制御方法。
［付記１４］
　対象者のストレスの度合いを表すストレス値を取得し、
　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行い、
　前記ストレス発散行動の検知の結果に関する通知を行う処理をコンピュータに実行させるプログラムが格納された記憶媒体。
　以上、実施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。すなわち、本願発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。また、引用した上記の特許文献等の各開示は、本書に引用をもって繰り込むものとする。
　１、１Ａ、１Ｘ　情報処理装置
　２　入力装置
　３　出力装置
　４　記憶装置
　５　センサ
　８　端末装置
　１００、１００Ａ　ストレス発散検知システム

Claims (14)

  1. 　対象者のストレスの度合いを表すストレス値を取得するストレス値取得手段と、
    　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行うストレス発散行動検知手段と、
    　前記ストレス発散行動の検知の結果に関する通知を行う通知手段と、
    を有する情報処理装置。
  2. 　前記ストレス値に対応する前記対象者の運動量を取得する運動量取得手段をさらに有し、
    　前記ストレス発散行動検知手段は、前記ストレス値と、前記運動量とに基づき、前記ストレス発散行動の検知を行う、請求項１に記載の情報処理装置。
  3. 　前記対象者の生活に関する生活情報を取得する生活情報取得手段をさらに有し、
    　前記ストレス発散行動検知手段は、前記ストレス値と、前記生活情報とに基づき、前記ストレス発散行動の検知を行う、請求項１または２に記載の情報処理装置。
  4. 　前記生活情報は、前記対象者の日常運動量を少なくとも示し、
    　前記ストレス発散行動検知手段は、前記ストレス値に対応する前記対象者の運動量を前記日常運動量により正規化した運動量と、前記ストレス値とに基づき、前記ストレス発散行動の検知を行う、請求項３に記載の情報処理装置。
  5. 　前記ストレス発散行動検知手段は、前記ストレス値と正の相関かつ前記ストレス値に対応する前記対象者の運動量と負の相関を有する指標、又は、前記ストレス値と負の相関かつ前記運動量と正の相関を有する指標に基づき、前記ストレス発散行動の検知を行う、請求項１～４のいずれか一項に記載の情報処理装置。
  6. 　前記ストレス発散行動検知手段は、前記指標と、前記指標に対する下限閾値及び上限閾値とに基づき、前記ストレス発散行動の検知を行う、請求項５に記載の情報処理装置。
  7. 　前記ストレス発散行動検知手段は、前記指標と、所定時間経過後の前記ストレス値とに基づき、前記ストレス発散行動の検知を行う、請求項５または６に記載の情報処理装置。
  8. 　前記ストレス発散行動検知手段は、前記指標の時間変化に基づき、前記ストレス発散行動の検知を行う、請求項５に記載の情報処理装置。
  9. 　前記ストレス発散行動検知手段は、前記指標に基づき前記対象者が受動的な活動に起因して前記運動量が上昇した受動状態であると判定した場合、前記ストレス値に基づき前記ストレス発散行動の検知を行う、請求項５～８のいずれか一項に記載の情報処理装置。
  10. 　前記対象者の属性に関する属性情報を取得する属性情報取得手段をさらに有し、
    　前記ストレス発散行動検知手段は、前記ストレス値と、前記属性情報とに基づき、前記ストレス発散行動の検知を行う、請求項１～９のいずれか一項に記載の情報処理装置。
  11. 　前記属性情報は、前記対象者の運動の好悪に関する情報を少なくとも含み、
    　前記ストレス発散行動検知手段は、前記ストレス値に対応する前記対象者の運動量と、前記好悪に関する情報と、前記ストレス値とに基づき、前記ストレス発散行動の検知を行う、請求項１０に記載の情報処理装置。
  12. 　前記ストレス発散行動検知手段は、前記ストレス発散行動のうち気晴らし型のストレス発散行動を検知し、
    　前記通知手段は、前記気晴らし型のストレス発散行動の検知の結果に関する通知を行う、請求項１～１１のいずれか一項に記載の情報処理装置。
  13. 　コンピュータが、
    　対象者のストレスの度合いを表すストレス値を取得し、
    　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行い、
    　前記ストレス発散行動の検知の結果に関する通知を行う、制御方法。
  14. 　対象者のストレスの度合いを表すストレス値を取得し、
    　前記ストレス値に基づき、前記ストレスを発散する行動であるストレス発散行動の検知を行い、
    　前記ストレス発散行動の検知の結果に関する通知を行う処理をコンピュータに実行させるプログラムが格納された記憶媒体。
PCT/JP2021/022119 2021-06-10 2021-06-10 情報処理装置、制御方法及び記憶媒体 WO2022259464A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2021/022119 WO2022259464A1 (ja) 2021-06-10 2021-06-10 情報処理装置、制御方法及び記憶媒体
JP2023526756A JPWO2022259464A5 (ja) 2021-06-10 情報処理装置、制御方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/022119 WO2022259464A1 (ja) 2021-06-10 2021-06-10 情報処理装置、制御方法及び記憶媒体

Publications (1)

Publication Number Publication Date
WO2022259464A1 true WO2022259464A1 (ja) 2022-12-15

Family

ID=84426034

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/022119 WO2022259464A1 (ja) 2021-06-10 2021-06-10 情報処理装置、制御方法及び記憶媒体

Country Status (1)

Country Link
WO (1) WO2022259464A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016110207A (ja) * 2014-12-02 2016-06-20 アルパイン株式会社 情報提示装置および情報提示方法
JP2017213278A (ja) * 2016-06-01 2017-12-07 コニカミノルタ株式会社 メンタルヘルス評価装置、該方法および該プログラム
JP2019004924A (ja) * 2017-06-20 2019-01-17 株式会社東芝 システム及び方法
JP2019067151A (ja) * 2017-09-29 2019-04-25 コージーベース株式会社 ストレス軽減プラン提案システム、ストレス軽減プラン提案方法、およびプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016110207A (ja) * 2014-12-02 2016-06-20 アルパイン株式会社 情報提示装置および情報提示方法
JP2017213278A (ja) * 2016-06-01 2017-12-07 コニカミノルタ株式会社 メンタルヘルス評価装置、該方法および該プログラム
JP2019004924A (ja) * 2017-06-20 2019-01-17 株式会社東芝 システム及び方法
JP2019067151A (ja) * 2017-09-29 2019-04-25 コージーベース株式会社 ストレス軽減プラン提案システム、ストレス軽減プラン提案方法、およびプログラム

Also Published As

Publication number Publication date
JPWO2022259464A1 (ja) 2022-12-15

Similar Documents

Publication Publication Date Title
Hwang et al. Measuring workers’ emotional state during construction tasks using wearable EEG
CN108778097B (zh) 用于评估心力衰竭的装置和方法
JP5828111B2 (ja) 心理状態評価装置、心理状態評価システムおよびプログラム
WO2016129193A1 (ja) 健康管理補助装置及び健康管理補助方法
Aristizabal et al. The feasibility of wearable and self-report stress detection measures in a semi-controlled lab environment
JP7006597B2 (ja) 心身状態測定装置、心身状態測定方法、心身状態測定プログラムおよび記憶媒体
Reimer et al. Mobile stress recognition and relaxation support with smartcoping: user-adaptive interpretation of physiological stress parameters
Mahesh et al. Requirements for a reference dataset for multimodal human stress detection
US20240032851A1 (en) Cognitive function estimation device, cognitive function estimation method, and storage medium
JP7517431B2 (ja) 情報処理装置、制御方法及びプログラム
JP2017064364A (ja) 生体状態推定装置、生体状態推定方法及びコンピュータプログラム
WO2022259464A1 (ja) 情報処理装置、制御方法及び記憶媒体
Cipresso et al. Continuous measurement of stress levels in naturalistic settings using heart rate variability: An experience-sampling study driving a machine learning approach
EP3182892B1 (en) Method and system for eeg signal processing
US20240252084A1 (en) Stress release action detection device, stress release action detection method, and storage medium
WO2022254575A1 (ja) ストレス要因推定装置、ストレス要因推定方法及び記憶媒体
WO2017057022A1 (ja) 生体状態推定装置、生体状態推定方法及びコンピュータプログラム
WO2023199839A1 (ja) 内面状態推定装置、内面状態推定方法及び記憶媒体
Dourou et al. IoT-enabled analysis of subjective sound quality perception based on out-of-lab physiological measurements
WO2022144978A1 (ja) 情報処理装置、制御方法及び記憶媒体
US10079074B1 (en) System for monitoring disease progression
WO2022113276A1 (ja) 情報処理装置、制御方法及び記憶媒体
WO2022208873A1 (ja) ストレス推定装置、ストレス推定方法及び記憶媒体
JP6518889B2 (ja) コミュニケーション能力の評価を支援する方法及び当該能力の評価システム
WO2022249330A1 (ja) 価格決定装置、価格決定方法及び記憶媒体

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21945138

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18567136

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2023526756

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21945138

Country of ref document: EP

Kind code of ref document: A1