行动解析装置、行动解析方法以及计算机可读取的记录介质与流程

文档序号:11165288阅读:609来源:国知局
行动解析装置、行动解析方法以及计算机可读取的记录介质与制造工艺

本申请要求2016年3月24日申请的日本特愿2016-060473的优先权,并将包括说明书、权利要求书、附图以及摘要的其全部内容引用于此。

本发明涉及行动解析装置、行动解析方法以及计算机可读取的记录介质。



背景技术:

以往,已知有基于各种传感器的测定结果对用户的行动进行解析的技术。

例如,在日本特开2015-188605号公报公开了如下技术,即,捕捉佩戴了传感器的用户的步行等运动而计算速度等,从而对用户的运动进行解析。

然而,在对用户的行动进行解析的现有技术中,由于对通过传感器的检测结果来表示的用户的行动进行解析,因此所解析的用户的行动的具体性和解析精度不够。



技术实现要素:

发明要解决的课题

本发明是鉴于这样的状况而完成的,其目的在于,更合适地进行用户的行动解析。

用于解决课题的技术方案

本发明提供一种行动解析装置,其特征在于,具备:特定行动获取单元,确定用户的特定行动;以及行动解析单元,对与所述特定行动对应的期间中的、与该特定行动不同的所述用户的关联行动进行解析。

本发明还提供一种由行动解析装置执行的行动解析方法,其特征在于,包括:特定行动获取步骤,确定用户的特定行动;以及行动解析步骤,对与所述特定行动对应的期间中的、与该特定行动不同的所述用户的关联行动进行解析。

本发明还提供一种计算机可读取的记录介质,其特征在于,存储有程序,所述程序使控制行动解析装置的计算机作为如下单元发挥功能:特定行动获取单元,确定用户的特定行动;以及行动解析单元,对与所述特定行动对应的期间中的、与该特定行动不同的所述用户的关联行动进行解析。

发明效果

根据本发明,能够更合适地进行用户的行动解析。

附图说明

图1是示出本发明的一个实施方式涉及的行动解析装置的硬件的结构的框图。

图2是示出图1的行动解析装置的功能结构中的、用于执行行动解析处理的功能结构的功能框图。

图3是示出根据用户的行动历史记录的数据检测出特定行动的状态的示意图。

图4是示出通过检测出特定行动来确定与特定行动对应的关联行动的样态的示意图。

图5是说明由具有图2的功能结构的图1的行动解析装置执行的行动解析处理的流程的流程图。

图6是说明在行动解析处理的步骤s18中执行的站起坐下/移动判定处理的流程的流程图。

图7是说明移动工具判定处理的流程的流程图。

具体实施方式

以下,使用附图对本发明的实施方式进行说明。

[第一实施方式]

[硬件结构]

图1是示出本发明的一个实施方式涉及的行动解析装置1的硬件的结构的框图。

行动解析装置1例如构成为智能电话或腕戴式终端等可穿戴设备,以被用户携带或佩戴的状态进行使用。

行动解析装置1具备第一cpu(centralprocessingunit:中央处理单元)11a、第二cpu11b、rom(readonlymemory:只读存储器)12、ram(randomaccessmemory:随机存取存储器)13、总线14、输入输出接口15、gps(globalpositioningsystem:全球定位系统)部16、传感器部17、摄像部18、输入部19、输出部20、存储部21、通信部22、以及驱动器23。

第一cpu11a和第二cpu11b按照记录在rom12中的程序或者从存储部21载入到ram13中的程序执行各种处理。例如,第一cpu11a和第二cpu11b按照后面说明的行动解析处理用的程序执行行动解析处理。

此外,第一cpu11a为能够以比第二cpu11b低的功耗进行动作(例如,动作时钟频率更低等)的结构。也可以由fpga(field-programmablegatearray:现场可编程门阵列)、asic(applicationspecificintegratedcircuit:专用集成电路)来实现第二cpu11b的功能。另外,在本实施方式中,如图1所示,将第一cpu11a和第二cpu11b合起来称为cpu11。

在ram13适宜地存储有第一cpu11a和第二cpu11b执行各种处理所需的数据等。

第一cpu11a和第二cpu11b、rom12和ram13经由总线14彼此连接。在该总线14还连接有输入输出接口15。在输入输出接口15连接有gps部16、传感器部17、摄像部18、输入部19、输出部20、存储部21、通信部22以及驱动器23。

gps部16包括天线,接收从多个gps卫星发送的gps信号而获取行动解析装置1的位置信息。

传感器部17具备三轴加速度传感器、陀螺传感器、磁传感器、气压传感器以及生物体传感器等各种传感器。

虽然未图示,但是摄像部18具备光学镜头部和图像传感器。

光学镜头部由为了拍摄被摄体而对光进行聚光的透镜构成,例如,由聚焦透镜、变焦透镜等构成。

聚焦透镜是使被摄体像成像在图像传感器的受光面的透镜。变焦透镜是在一定的范围使焦距自由变化的透镜。

此外,根据需要,在光学镜头部设置有对焦点、曝光、白平衡等设定参数进行调整的外围电路。

图像传感器由光电变换元件、afe(analogfrontend:模拟前端)等构成。

光电变换元件例如由cmos(complementarymetaloxidesemiconductor:互补金属氧化物半导体)型的光电变换元件等构成。被摄体像从光学镜头部入射到光电变换元件。因此,光电变换元件对被摄体像进行光电变换(摄像)并积累一定时间的图像信号,将积累的图像信号作为模拟信号依次供给到afe。

afe对该模拟的图像信号执行a/d(analog/digital:模拟/数字)变换处理等各种信号处理。通过各种信号处理,生成数字信号,并作为摄像部18的输出信号进行输出。

这样的摄像部18的输出信号适宜地供给到第一cpu11a或第二cpu11b等。

输入部19由各种按钮等构成,根据用户的指示操作输入各种信息。

输出部20由显示器、扬声器等构成,输出图像、声音。

存储部21由硬盘或dram(dynamicrandomaccessmemory:动态随机存取存储器)等构成,存储各种传感器的输出数据、各种图像的数据。

通信部22对经由包括互联网在内的网络与其它装置(未图示)之间进行的通信进行控制。此外,通信部22具备rfid(radiofrequencyidentifier:射频识别)标签或nfc(nearfieldcommunication:近场通信)标签等无线标签。

在驱动器23适当安装由磁盘、光盘、光磁盘或半导体存储器等构成的可移动介质31。由驱动器23从可移动介质31读出的程序根据需要安装到存储部21。此外,可移动介质31还能够对存储在存储部21中的各种传感器的输出数据等与存储部21同样地进行存储。

[功能结构]

图2是示出图1的行动解析装置1的功能结构中的、用于执行行动解析处理的功能结构的功能框图。

行动解析处理是指如下的一系列处理,即,检测用户的特定的行动作为成为行动解析的契机的行动,将与该特定的行动相邻的期间(时间上的前后的期间)的行动与该特定的行动建立对应而进行判定,从而对用户的行动进行解析。

在执行行动解析处理的情况下,如图2所示,在第一cpu11a中传感器信息获取部51和特定行动检测部52发挥功能,在第二cpu11b中行动解析部53发挥功能。

此外,在存储部21的一个区域设定历史记录数据存储部71、关联行动存储部72、以及解析结果存储部73。

在历史记录数据存储部71存储用户的行动历史记录的数据。例如,在历史记录数据存储部71存储有gps部16的定位数据、传感器部17的各种传感器的输出数据、邮件的发送历史记录等通信历史记录、由用户使用的应用的历史记录等行动解析装置1的各种动作的历史记录的数据。

用户的特定的行动(以下,适当地称为“特定行动”。)和与该特定行动关联的行动(以下,适当地称为“关联行动”。)建立对应而存储在关联行动存储部72。作为特定行动,定义了在给定的关联行动之前或之后,或者在之前和之后进行的可能性高的行动。

具体地,特定行动包括与给定的关联行动的开始对应的第一特定行动和与给定的关联行动的结束对应的第二特定行动,也能够定义与给定的关联行动的开始和结束对应的第一特定行动和第二特定行动的组合。

即,第一特定行动暗示对应的关联行动的开始,第二特定行动暗示对应的关联行动的结束。

例如,对于“在平日的特定的时间段走出门口”这样的第一特定行动,与“上班”这样的关联行动建立对应。

此外,例如,对于“在距自己的住宅一定距离以上的位置拍摄给定张数以上的照片”这样的第二特定行动,与“去旅行”这样的关联行动建立对应。

进而,在进行伏案工作的工作单位中,对于“坐下”这样的第一特定行动和“站起”这样的第二特定行动的组合,与“工作(伏案工作)”这样的关联行动建立对应。

另外,特定行动和关联行动除了定义为单个行动以外,还能够定义为多个行动的组合。例如,作为第一特定行动,能够定义“起床后站起,随后坐下”这样的行动的组合,作为该情况下的关联行动,能够定义“用餐”这样的行动。此外,例如,作为“上班”这样的关联行动,能够定义“步行、利用公共汽车进行移动以及利用电车进行移动”这样的3种行动的组合。

像这样,在仅根据传感器的输出对行动进行了解析的情况下,在可获取当前的行动本身的解析结果(例如,“坐下”或“坐着”等)的状况下,在本实施方式的行动解析装置1中,解析是否为与前后的行动对应地进行定义的关联行动(例如,“用餐”等)。

在解析结果存储部73存储有作为行动解析处理的结果的用户的行动。例如,在解析结果存储部73中,作为用户的某一天的行动,按时间顺序存储有起床、用餐(早餐)、上班、工作、回家、慢跑、用餐(晚餐)、就寝这样的行动。

传感器信息获取部51获取gps部16的定位数据和传感器部17的各种传感器的输出数据,并作为用户的行动历史记录的数据而存储在历史记录数据存储部71。

特定行动检测部52参照关联行动存储部72,并根据存储在历史记录数据存储部71的用户的行动历史记录的数据来检测特定行动,作为成为行动解析的契机的行动。

图3是示出根据用户的行动历史记录的数据来检测特定行动的状态的示意图。另外,在图3中,示出了如下状态,即,根据加速度传感器的输出数据,作为用户的特定行动,检测出站起动作和坐下动作。

如图3所示,在用户以各种状态观看行动解析装置1时,在用户进行了坐下动作的情况下(期间c),或者在用户进行了站起动作的情况下(期间e),能够将这些行动检测为特定行动。

在由特定行动检测部52根据存储在历史记录数据存储部71的用户的行动历史记录的数据检测出特定行动的情况下,行动解析部53参照关联行动存储部72进行如下判断,即,在用户的行动历史记录的数据中是否存在与该特定行动对应的关联行动。在用户的行动历史记录的数据中不存在与该特定行动对应的关联行动的情况下,在用户的行动历史记录的数据中,基于行动的要素(历史记录中的最小单位的行动)和行动的种类(用户的生活中的行动的种类)判定用户有可能进行了的行动。另外,作为此时判定出的行动,重视成为没有错误的判定结果,能够在根据用户的行动历史记录的数据能够明确地确定的范围内判定行动。例如,如果是“从x地点到y地点以时速z[km]进行了移动”这样的判定结果,则能够根据获取的数据明确地进行判定,因此能够成为错误的可能性低的判定结果。

另一方面,在用户的行动历史记录的数据中存在与该特定行动对应的关联行动的情况下,行动解析部53将该关联行动判定为用户的行动。

具体地,行动解析部53获取与由特定行动检测部52检测出的特定行动建立对应而存储在关联行动存储部72中的关联行动,在历史记录数据存储部71中,进行如下判定,即,与该特定行动相邻的期间的行动是否与关联行动一致。

例如,在检测出第一特定行动的情况下,行动解析部53进行如下判定,即,在第一特定行动之后的期间中是否进行了与对应于第一特定行动的关联行动一致的行动。然后,在进行了与对应于第一特定行动的关联行动一致的行动的情况下,行动解析部53将该期间的用户的行动判定为与第一特定行动对应的关联行动,并与行动的日期时间建立对应而存储到解析结果存储部73。

此外,在检测出第二特定行动的情况下,行动解析部53进行如下判定,即,在第二特定行动之前的期间中是否进行了与对应于第二特定行动的关联行动一致的行动。然后,在进行了与对应于第二特定行动的关联行动一致的行动的情况下,行动解析部53将该期间的用户的行动判定为与第二特定行动对应的关联行动,并与行动的日期时间建立对应而存储到解析结果存储部73。

进而,在由特定行动检测部52检测出第一特定行动和第二特定行动的组合的情况下,行动解析部53进行如下判定,即,在该第一特定行动与第二特定行动之间的期间中是否进行了与对应于第一特定行动以及第二特定行动的关联行动一致的行动。然后,在进行了与对应于第一特定行动以及第二特定行动的关联行动一致的行动的情况下,行动解析部53将该期间的用户的行动判定为与第一特定行动以及第二特定行动对应的关联行动,并与行动的日期时间建立对应而存储到解析结果存储部73。

图4是示出通过检测特定行动来确定与特定行动对应的关联行动的样态的示意图。另外,设图4的行动是在工作单位进行的行动。

如图4所示,通过传感器的输出(在此为加速度传感器)能够检测出坐下动作和站起动作,能够将它们作为第一特定行动和第二特定行动。

这样,作为针对这些第一特定行动和第二特定行动的组合的关联行动,与“工作(伏案工作)”这样的行动建立对应,因此行动解析部53在历史记录数据存储部71中参照第一特定行动与第二特定行动之间的期间的行动历史记录的数据,并判定该期间的用户的行动是否与“工作(伏案工作)”这样的关联行动一致。在本实施方式中,除了该期间的用户的行动是与“工作(伏案工作)”这样的关联行动明显不一致的行动的情况以外,行动解析部53判定该期间的用户的行动为“工作(伏案工作)”这样的关联行动。

即,如果在工作单位中,在从进行了坐下动作起直到进行站起动作为止,进行“工作(伏案工作)”这样的行动的可能性高,则作为行动解析部53的行动解析的结果,判定是“工作”这样的行动。另外,在同一个特定行动(或特定行动的组合)与多个关联行动建立对应的情况下,行动解析部53参照用户的行动历史记录的数据而选择可能性最高的关联行动。

像这样,在本实施方式中的行动解析部53的行动解析中,将与特定行动相邻的期间的行动与存储在关联行动存储部72的特定行动的关联行动进行对照,因此只要判定与限定的行动模式的数据的一致即可,能够进行具体且高精度的行动解析。

此外,在本实施方式中的行动解析装置1中,在能够以比第二cpu11b低的功耗进行动作的第一cpu11a中,只要传感器信息获取部51和特定行动检测部52始终或间歇性地进行动作即可,在第二cpu11b中进行动作的行动解析部53只要在由特定行动检测部52检测出特定行动的定时进行启动即可。

因此,在进行行动解析处理时,只要根据需要来启动第二cpu11b即可,因此能够实现行动解析装置1的低功耗化。

[动作]

图5是说明由具有图2的功能结构的图1的行动解析装置1执行的行动解析处理的流程的流程图。

行动解析处理通过用户对输入部19进行的行动解析处理开始的操作而开始。

在步骤s11中,传感器信息获取部51获取各种传感器的输出数据。

在步骤s12中,传感器信息获取部51将各种传感器的输出数据与获取日期时间建立对应而存储到历史记录数据存储部71。

在步骤s13中,传感器信息获取部51获取gps部16的定位数据。

在步骤s14中,传感器信息获取部51与获取日期时间建立对应而将定位数据存储到历史记录数据存储部71。

在步骤s15中,特定行动检测部52参照存储在历史记录数据存储部71的用户的行动历史记录的数据,算出用户的移动距离(位置信息的差分)和移动速度(平均值)。

在步骤s16中,特定行动检测部52进行如下判定,即,是否检测出给定距离以上或给定速度以上的移动。另外,用户的给定距离以上或给定速度以上的移动作为特定行动而存储在关联行动存储部72。

在检测出给定距离以上或给定速度以上的移动的情况下,在步骤s16中判定为“是”,处理转到步骤s17。

另一方面,在未检测出给定距离以上或给定速度以上的移动的情况下,在步骤s16中判定为“否”,处理转到步骤s18。

在步骤s17中,特定行动检测部52将检测出的给定距离以上或给定速度以上的移动作为特定行动而与日期时间建立对应并在历史记录数据存储部71中存储(建立标签)。

在步骤s18中,特定行动检测部52执行站起动作、坐下动作、移动动作的检测、判定处理(以下,称为“站起坐下/移动判定处理”。)。

在步骤s19中,特定行动检测部52进行如下判定,即,在站起坐下/移动判定处理中是否检测出站起动作、坐下动作或步行、移动动作。

在站起坐下/移动判定处理中检测出站起动作、坐下动作或步行、移动动作的情况下,在步骤s19中判定为“是”,处理转到步骤s20。

另一方面,在站起坐下/移动判定处理中未检测出站起动作、坐下动作或步行、移动动作的情况下,在步骤s19中判定为“否”,行动解析处理结束。

在步骤s20中,特定行动检测部52将站起动作、坐下动作、步行或移动动作作为特定行动,并与日期时间建立对应而在历史记录数据存储部71中存储(建立标签)。

在步骤s21中,特定行动检测部52根据存储在历史记录数据存储部71的用户的行动历史记录的数据来检测存储在关联行动存储部72的特定行动。

在步骤s22中,行动解析部53进行如下判定,即,在用户的行动历史记录的数据中是否存在与检测出的特定行动对应的关联行动。

在用户的行动历史记录的数据中存在与检测出的特定行动对应的关联行动的情况下,在步骤s22中判定为“是”,处理转到步骤s25。

另一方面,在用户的行动历史记录的数据中不存在与检测出的特定行动对应的关联行动的情况下,在步骤s22中判定为“否”,处理转到步骤s23。

在步骤s23中,行动解析部53确定与特定行动对应的期间的用户的行动要素以及行动的种类。

在步骤s24中,行动解析部53根据行动要素和行动的种类来判定用户有可能进行了的行动。

在步骤s25中,行动解析部53将与特定行动对应的期间的用户的行动(在步骤s22中判定为存在的关联行动或在步骤s24中判定出的行动)作为行动解析结果,并与日期时间建立对应而存储到时间顺序的解析结果存储部73。

在步骤s26中,行动解析部53将作为行动解析结果的用户的行动输出到给定的应用或发送到服务器。与此对应地,按照行动解析装置1的设定,从应用或服务器提供与行动的状况相应的信息、服务。

在步骤s26之后,行动解析处理结束。

图6是说明在行动解析处理的步骤s18中执行的站起坐下/移动判定处理的流程的流程图。另外,图6中的阈值th1~th4是为了进行行动的判定而预先设定的阈值。即,对于人行走、跑动以及静止这样的行动,能够利用铅垂方向上的加速度的大小、分布的不同来设定阈值th1~th4。例如,一般来说,对于“行走”而言多为0.5~0.6g,对于“跑动”而言多为0.8~0.9g附近,相对于此,在静止状态下多为0.004g以下,可以利用这样的行动解析涉及的各种加速度参数来设定阈值th1~th4。但是,这些具体的数值只是一个例子,会根据个体差异等而变动,因此也可以通过根据使用行动解析装置1的用户的行动进行校准等,从而修正为更合适的数值。

在步骤s41中,特定行动检测部52获取上下加速度ax(t)、前后加速度ay(t)的时间顺序数据。

在步骤s42中,特定行动检测部52进行如下判定,即,是否为上下加速度ax(t)的平均>阈值th1。

在上下加速度ax(t)的平均>阈值th1的情况下,在步骤s42中判定为“是”,处理转到步骤s43。

另一方面,在不是上下加速度ax(t)的平均>阈值th1的情况下,在步骤s42中判定为“否”,处理转到步骤s46。

在步骤s43中,特定行动检测部52进行如下判定,即,是否为|上下加速度ax(t)-ax(t-1)|的平均>阈值th2。

在|上下加速度ax(t)-ax(t-1)|的平均>阈值th2的情况下,在步骤s43中判定为“是”,处理转到步骤s44。

在不是|上下加速度ax(t)-ax(t-1)|的平均>阈值th2的情况下,在步骤s43中判定为“否”,处理转到步骤s45。

在步骤s44中,特定行动检测部52将用户的行动分类为“行驶”。

在步骤s44之后,处理返回到运动解析处理。

在步骤s45中,特定行动检测部52将用户的行动分类为“其它行动(伏案工作等)”。

在步骤s45之后,处理返回到运动解析处理。

在步骤s46中,特定行动检测部52进行如下判定,即,是否为|上下加速度ax(t)-ax(t-1)|的平均>阈值th3。

在|上下加速度ax(t)-ax(t-1)|的平均>阈值th3的情况下,在步骤s46中判定为“是”,处理转到步骤s48。

另一方面,在不是|上下加速度ax(t)-ax(t-1)|的平均>阈值th3的情况下,在步骤s46中判定为“否”,处理转到步骤s47。

在步骤s47中,特定行动检测部52将用户的行动分类为“止步”。

在步骤s47之后,处理返回到运动解析处理。

在步骤s48中,特定行动检测部52进行如下判定,即,是否为{(前后加速度ay(t)-ay(t-1))2+(上下加速度ax(t)-ax(t-1))2}1/2的平均>阈值th4。

在{(前后加速度ay(t)-ay(t-1))2+(上下加速度ax(t)-ax(t-1))2}1/2的平均>阈值th4的情况下,在步骤s48中判定为“是”,处理转到步骤s49。

另一方面,在不是{(前后加速度ay(t)-ay(t-1))2+(上下加速度ax(t)-ax(t-1))2}1/2的平均>阈值th4的情况下,在步骤s48中判定为“否”,处理转到步骤s50。

在步骤s49中,特定行动检测部52将用户的行动分类为“行驶”。

在步骤s49之后,处理返回到运动解析处理。

在步骤s50中,特定行动检测部52将用户的行动分类为“步行”。

在步骤s50之后,处理返回到运动解析处理。

通过这样的处理,可在用户的行动历史记录的数据中检测出特定行动,并可获取与检测出的特定行动对应的关联行动作为行动解析结果。

因此,在用户的行动中,更容易获取作为特定行动的前后的行动的可能性高的行动作为行动解析结果。

因此,能够更合适地进行用户的行动解析。

[第二实施方式]

接着,对本发明的第二实施方式进行说明。

在第一实施方式中,将存储在历史记录数据存储部71的用户的行动历史记录的数据作为对象,进行行动解析处理。

相对于此,能够将实时地输入的用户的行动历史记录的数据(传感器的输出数据等)作为对象来进行行动解析处理。

在该情况下,特定行动检测部52对由传感器信息获取部51依次获取的用户的行动历史记录的数据进行监视,在检测出第一特定行动的情况下,行动解析部53进行如下判定,即,以后获取的用户的行动历史记录的数据是否和与该第一特定行动建立对应而存储在关联行动存储部72的关联行动一致。

此时,在判定为一致的情况下,将该关联行动作为第一特定行动之后的行动。

此外,对于第二特定行动,将由传感器信息获取部51依次获取的用户的行动历史记录的数据缓冲给定时间的量,并且特定行动检测部52对由传感器信息获取部51依次获取的用户的行动历史记录的数据进行监视,在检测出第二特定行动的情况下,进行如下判定,即,所缓冲的用户的行动历史记录的数据是否和与该第二特定行动建立对应而存储在关联行动存储部72的关联行动一致。

此时,在判定为一致的情况下,将该关联行动作为第二特定行动之前的行动。

另外,在将特定行动定义为第一特定行动和第二特定行动的组合的情况下,特定行动检测部52对由传感器信息获取部51依次获取的用户的行动历史记录的数据进行监视,在检测出第一特定行动的情况下,将直到检测出第二特定行动为止的用户的行动历史记录的数据进行缓冲。然后,在检测出第二特定行动的情况下,行动解析部53进行如下判定,即,所缓冲的用户的行动历史记录的数据是否和与该第一特定行动和第二特定行动建立对应而存储在关联行动存储部72的关联行动一致。

此时,在判定为一致的情况下,将该关联行动作为第一特定行动与第二特定行动之间的行动。

像这样,对于实时地输入的用户的行动历史记录的数据(传感器的输出数据等),也能够进行行动解析处理。

因此,能够更合适地进行用户的行动解析。

[变形例1]

在上述的实施方式中,设为在行动解析处理中将站起动作、坐下动作、步行或移动动作检测为特定行动,但是作为特定行动,还能够设定利用交通工具进行的移动等。

即,通过以统计方式对加速度传感器、气压传感器以及磁传感器的输出数据进行分析,从而能够区分检测步行、行驶、上下台阶、利用电梯进行的升降、利用电车进行的移动、利用公共汽车进行的移动、利用轿车进行的移动等,因此能够将它们设定为特定行动。

以下,对将利用电车进行的移动、利用公共汽车进行的移动、利用轿车进行的移动、步行以及行驶检测为特定行动的情况下的处理(以下,称为“移动工具判定处理”。)进行说明。

图7是说明移动工具判定处理的流程的流程图。

能够在行动解析处理的步骤s18中代替站起坐下/移动判定处理或者与站起坐下/移动判定处理一同执行移动工具判定处理。另外,图7中的阈值th11~th15是为了进行移动工具的判定而预先设定的阈值。即,例如,即使是三轴合成的加速度,对于“跑动”而言广泛分布在1~1.2g的范围,但是对于“行走”而言则分布在1.03~1.05g附近。而且,对于“汽车”、“公共汽车”以及“电车”而言则多数情况下集中在大约0.98~1.01g的窄的范围。因此,能够对“行走”、“跑动”等与“汽车”、“公共汽车”等进行识别。此外,东京近郊的平时的三轴合成的磁量为大约45[μt]左右,对于“徒步”而言为40~50[μt],对于“汽车”、“公共汽车”而言则大致恒定在30[μt]的范围,对于“电车”而言则会频繁地观测到通常不会产生的100[μt]以上的磁量,因此,对于“电车”和其它移动工具一般能够容易地进行识别。此外,对于“汽车”和“公共汽车”,横向、行进方向上的加速度的能谱、铅垂方向上的加速度存在差异,因此能够通过对其进行解析而进行识别,除此之外,也可以利用使用gps得到的自身的位置信息,从而判定并识别自己是在公共汽车的路线上,还是在除此以外的道路上。也可以考虑上述的这些参数的信息来设定th11~th15。

在步骤s71中,传感器信息获取部51获取各种传感器的输出数据。

在步骤s72中,特定行动检测部52进行如下判定,即,是否为磁量的平均≥阈值th11。

在磁量的平均≥阈值th11的情况下,在步骤s72中判定为“是”,处理转到步骤s73。

另一方面,在不是磁量的平均≥阈值th11的情况下,在步骤s72中判定为“否”,处理转到步骤s74。

在步骤s73中,特定行动检测部52将用户的移动工具分类为“电车”。

在步骤s74中,特定行动检测部52进行如下判定,即,是否为上下的加速度的平均≥阈值th12。

在上下的加速度的平均≥阈值th12的情况下,在步骤s74中判定为“是”,处理转到步骤s80。

另一方面,在不是上下的加速度的平均≥阈值th12的情况下,在步骤s74中判定为“否”,处理转到步骤s75。

在步骤s75中,特定行动检测部52进行如下判定,即,是否为上下的加速度的平均<阈值th13。

在上下的加速度的平均<阈值th13的情况下,在步骤s75中判定为“是”,处理转到步骤s79。

另一方面,在不是上下的加速度的平均<阈值th13的情况下,在步骤s75中判定为“否”,处理转到步骤s76。

在步骤s76中,特定行动检测部52进行如下判定,即,是否为加速度的能谱最大值≥阈值th13。

在加速度的能谱最大值≥阈值th14的情况下,在步骤s76中判定为“是”,处理转到步骤s78。

另一方面,在不是加速度的能谱最大值≥阈值th14的情况下,在步骤s76中判定为“否”,处理转到步骤s77。

在步骤s77中,特定行动检测部52将用户的移动工具分类为“汽车(轿车)”。

在步骤s78中,特定行动检测部52将用户的移动工具分类为“公共汽车”。

在步骤s79中,特定行动检测部52将用户的移动工具分类为“静止”。

在步骤s80中,特定行动检测部52进行如下判定,即,是否为行驶速度的平均≥阈值th15或铅垂方向上的加速度≥阈值th16。

在行驶速度的平均≥阈值th15或铅垂方向上的加速度≥阈值th16的情况下,在步骤s80中判定为“是”,处理转到步骤s82。

另一方面,在不是行驶速度的平均≥阈值th15且不是铅垂方向上的加速度≥阈值th16的情况下,在步骤s80中判定为“否”,处理转到步骤s81。

在步骤s81中,特定行动检测部52将用户的移动工具分类为“步行”。

在步骤s82中,特定行动检测部52将用户的移动工具分类为“行驶”。

通过这样的处理,能够将用户的移动工具设定为特定行动,通过将多种多样的行动设定为特定行动,从而能够更合适地进行用户的行动解析。

像以上那样构成的行动解析装置1具备特定行动检测部52和行动解析部53。

特定行动检测部52检测用户的特定行动。

行动解析部53对与特定行动对应的期间中的用户的关联行动进行解析。

由此,在用户的行动中,更容易获取作为与特定行动对应的期间的行动的可能性高的行动作为行动解析结果。

因此,能够更合适地进行用户的行动解析。

此外,由于基于特定行动(在利用特定行动的基础上)来预测该特定行动的前后的行动,因此与在什么也不参照的情况下进行行动解析的情况相比,处理变得容易,能够在利用cpu功率不多的情况下进行行动解析。

特定行动检测部52检测特定行动作为成为行动解析的契机的行动。

行动解析部53对与特定行动相邻的期间中的用户的关联行动进行解析。

由此,以特定行动为契机,更容易获取作为特定行动的前后的行动的可能性高的行动作为行动解析结果。

因此,能够更合适地进行用户的行动解析。

行动解析部53将与特定行动对应的期间中的用户的关联行动与特定行动建立对应而进行解析。

由此,能够对与特定行动建立对应的关联行动进行解析,因此能够更具体且更高精度地对用户的行动进行解析。

特定行动检测部52检测与行动的开始对应的第一特定行动。

行动解析部53将检测出第一特定行动以后的期间中的用户的行动与第一特定行动建立对应而进行解析。

由此,能够更具体且更高精度地对在第一特定行动之后进行的行动进行解析。

特定行动检测部52检测与行动的结束对应的第二特定行动。

行动解析部53将检测出第二特定行动以前的期间中的用户的行动与第二特定行动建立对应而进行解析。

由此,能够更具体且更高精度地对在第二特定行动之前进行的行动进行解析。

特定行动检测部52检测与行动的开始对应的第一特定行动和与行动的结束对应的第二特定行动。

行动解析部53将从检测出第一特定行动的时间起直到检测出第二特定行动的时间为止的用户的行动与第一特定行动和第二特定行动建立对应而进行解析。

由此,能够更具体且更高精度地对在第一特定行动与第二特定行动之间进行的行动进行解析。

特定行动检测部52将用户的多个行动的组合或用户的单个行动中的至少任一个检测为特定行动。

由此,能够定义更合适的特定行动,因此能够更合适地进行用户的行动解析。

此外,行动解析装置1还具备关联行动存储部72。

关联行动存储部72将特定行动和与该特定行动的关联性高的用户的行动预先建立对应而进行存储。

在由特定行动检测部52检测出特定行动的情况下,行动解析部53参照存储在关联行动存储部72的与该特定行动的关联性高的用户的行动,对用户的行动进行解析。

由此,能够预先定义与特定行动的关联性高的行动,能够参照定义的行动更简单地对用户的行动进行解析。

特定行动检测部52由行动解析装置1具备的第一cpu11a构成。

行动解析部53由行动解析装置1具备的第二cpu11b构成。

第一cpu11a以比第二cpu11b低的功耗进行动作。

由此,能够实现行动解析装置1的低功耗化。

行动解析装置1具备历史记录数据存储部71。

历史记录数据存储部71存储与用户的行动相关联地获取的数据的历史记录。

特定行动检测部52基于存储在历史记录数据存储部71的数据来检测特定行动。

行动解析部53基于检测出的特定行动对存储在历史记录数据存储部71的数据所表示的行动进行解析。

由此,能够在行动解析装置1中将过去获取的历史记录的数据作为对象来检测特定行动并进行行动解析。

行动解析部53对与特定行动相邻的期间中的用户的行动进行解析而作为一个行动结果。

由此,作为行动结果能够获取与特定行动相邻的期间中的用户的行动整体所表示的行动的内容。

另外,本发明不限定于上述的实施方式,能够达到本发明的目的的范围内的变形、改良等也包含于本发明。

例如,虽然在上述的实施方式中设特定行动与关联行动预先建立了对应而进行了说明,但是不限于此。例如,也可以根据用户的行动历史记录、行动解析装置1的操作历史记录等依次提取与特定行动对应的关联行动。

此外,在上述的实施方式中,也可以从与行动解析装置1合作的其它装置获取定位数据或各种传感器的输出数据。

此外,在上述的实施方式中将特定行动用作用户的行动解析用的契机(触发),并在与该特定行动相邻的期间对用户的行动进行解析,但是也可以在检测出特定行动的期间中进行用户的行动解析。

此外,在上述的实施方式中,在行动解析处理的步骤s23中,行动解析部53确定与特定行动对应的期间的用户的行动要素和行动的种类,但是在该情况下,能够根据在行动解析装置1中掌握的各种信息来确定用户的行动。例如,能够对生物体信息、运动信息或环境信息进行分析,确定作业、运动等的种类、强度等。此外,能够对定位数据、地域信息、移动轨迹、移动距离、拥堵时间或时刻表等进行分析,从而判定出发地、目的地等地域、场所、事项、目的等。此外,能够对电子邮件、sns(socialnetworkingservice:社交网络服务)、摄像图像或应用、文件的使用历史记录等进行分析,对通信对方、特定的人的面部、面部识别、场景识别、消息事项、文件的种类等进行判定。进而,能够对进行了通信的无线基站、wifi基站、bt(蓝牙(注册商标))设备、检测出的rfid标签或nfc标签等的通信历史记录进行分析,对通信对方的设备、标签的id或种类、设置场所、注册的携带物品等进行判定。

此外,在上述的实施方式中,为了明确地记录特定行动或行动历史记录,也可以在工作单位(自己的办公桌等)、家或者汽车等给定对象设置rfid标签或nfc标签的读取装置,并由用户适宜地读取rfid标签等。同样地,也可以将在车站的检票口等读取了rfid标签等的情况记录为行动历史记录。

此外,在上述的实施方式中,以智能电话或腕戴式终端等可穿戴设备为例对应用本发明的行动解析装置1进行了说明,但是不特别限定于此。

例如,本发明能够普遍应用于具有行动解析处理功能的电子设备。具体地,例如,本发明能够应用于笔记本型的个人计算机、电视图像接收机、摄像机、便携型导航装置、便携电话机、手提式游戏机等。此外,作为腕戴式终端以外的可穿戴设备,例如还能够应用于眼镜型的可穿戴设备。在该情况下,能够检测用户的口部的运动,能够更准确地判定正在用餐、进行会话的情况。

上述的一系列的处理能够由硬件执行,也能够由软件执行。

换言之,图2的功能结构只不过是例示,没有特别限定。即,只要行动解析装置1具备能够作为整体来执行上述的一系列的处理的功能即可,关于为了实现该功能而使用什么样的功能模块,则不特别限定于图2的例子。

此外,一个功能模块可以由硬件单体构成,也可以由软件单体构成,还可以由它们的组合构成。

本实施方式中的功能结构由执行运算处理的处理器实现,能够用于本实施方式的处理器除了包括由单处理器、多处理器以及多核处理器等各种处理装置单体构成的处理器以外,还包括由这些各种处理装置和asic(applicationspecificintegratedcircuit:专用集成电路)、fpga(field-programmablegatearray:现场可编程门阵列)等处理电路组合而成的处理器。

在由软件来执行一系列的处理的情况下,构成该软件的程序从网络、记录介质安装到计算机等。

计算机可以是嵌入到专用的硬件的计算机。此外,计算机也可以是通过安装各种程序而能够执行各种功能的计算机,例如,可以是通用的个人计算机。

包含这样的程序的记录介质不仅由为了对用户提供程序而与装置主体独立地分发的图1的可移动介质31构成,而且由以预先组装在装置主体的状态提供给用户的记录介质等构成。可移动介质31例如由磁盘(包括软盘)、光盘、或光磁盘等构成。光盘例如由cd-rom(compactdisk-readonlymemory:光盘只读存储器)、dvd(digitalversatiledisk:数字化视频光盘)、blu-ray(注册商标)disc(蓝光光盘)等构成。光磁盘由md(mini-disk:迷你盘)等构成。此外,以预先组装在装置主体的状态提供给用户的记录介质例如由记录有程序的图1的rom12、图1的存储部21包括的硬盘等构成。

另外,在本说明书中,对记录在记录介质的程序进行记述的步骤,不仅包括依次按时间顺序进行的处理,而且不一定按时间顺序进行处理,还包括并行地或独立地执行的处理。

此外,在本说明书中,“系统”这一用语意味着由多个装置、多个单元等构成的整个装置。

以上,对本发明的几个实施方式进行了说明,但这些实施方式只不过是例示,并不限定本发明的技术范围。本发明能够采用其它的各种各样的实施方式,进而,能够在不脱离本发明的主旨的范围内进行省略、置换等各种变更。这些实施方式、其变形包含于本说明书等记载的发明的范围、主旨,并且包含于权利要求书记载的发明和与其等同的范围。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1