特徵量抽取裝置、特徵量抽取方法
2023-06-13 02:03:56 1
特徵量抽取裝置、特徵量抽取方法
【專利摘要】一種特徵量抽取裝置，其特徵在於，該特徵量抽取裝置具有：代碼信息列取得部，針對連續的輸入數據的列，按照每個規定間隔，取得所述輸入數據的值的代碼信息的列；代碼信息列模式頻數累計部，按照由所述代碼信息列取得部得到的代碼信息的列的每種模式累計頻數；以及特徵量輸出部，將由所述代碼信息列模式頻數累計部累計得到的所述每種模式的頻數值，作為對應於所述輸入數據的特徵量進行輸出。
【專利說明】特徵量抽取裝置、特徵量抽取方法
[0001]對相關申請的交叉引用
[0002]本申請以在2013年7月11日提出申請的日本專利申請第2013 — 145122號為基礎申請並對其主張優先權，該基礎申請的內容被全部弓I用於本申請中。
【技術領域】
[0003]本發明涉及抽取對應於輸入數據的特徵量的裝置及其抽取方法。
【背景技術】
[0004]已經公知有這樣的技術，人將內置了加速度傳感器等的設備佩戴在身上，根據來自傳感器的信號數據估計此人的行動狀態。
[0005]在將這種技術應用於例如將步數計拓展得到的活動量計的情況下，如果得知將該活動量計佩戴在身上的人的行動狀態，則能夠更準確地測定人的身體活動的量(代謝當量/時間)。並且，能夠根據該活動量和個人信息(身高、體重等)計算出消耗卡路裡。
[0006]關於估計行動狀態的具體技術，通常採用如下的方式。例如，按照在進行某個行動時得到的信號數據的某個時間區間，對每個該時間區間分別計算各種特徵量，預先對行動狀態已知的多人取得這種特徵量，作為指導學習數據。並且，在得到未知的行動時的傳感器的輸出數據後，計算同樣的特徵量並與指導學習數據對照，由此估計是哪種行動狀態。更具體地講，對於指導學習數據的特徵量，使用Adaboost或支持向量機(SVM)等廣為熟知的識別方法來生成識別器，並搭載於活動量計。在使用活動量計時，根據未知的行動時的傳感器輸出計算特徵量，將該特徵量輸入識別器，由此得到行動狀態的識別結果。
[0007]關於估計行動狀態的現有技術公知有如下所述的技術(例如，參照日本特開平10 - 113343號公報)。一種信號處理裝置，安裝了用於測定隨著被檢者的動作或行動而形成的狀態變化的測定器，由特徵量抽取部從測定信號中抽取當前被檢者進行的動作或行動的特徵量，從而識別動作或者行動，該信號處理裝置獲取預先存儲的動作或行動的特徵量資料庫中包含的參照數據、與所抽取的特徵量的相關性，將相關性最高的特徵量所表示的動作或行動作為識別結果進行輸出。
[0008]在這樣的現有技術中，關於根據傳感器輸出而計算出的特徵量，通常採用例如通過傅立葉變換或微波(wavelet)變換等時間一頻率變換運算處理而得到的頻數特徵量。
[0009]在此，例如活動量計是佩戴於人的手臂等的小型且低價的裝置。因此，為了根據傳感器輸出計算特徵量，如果搭載能夠執行例如上述的時間一頻率變換運算處理的高性能的運算處理裝置，則存在導致裝置的大型化和高價化的問題。
[0010]這種問題不限於活動量計，在包含根據各種輸入數據計算特徵量的處理的所有裝置中都存在，其中的該各種輸入數據包括傳感器輸出。
【發明內容】
[0011]本發明的目的在於，能夠根據輸入數據以較少量的運算處理量計算出合適的特徵量。
[0012]本發明提供一種特徵量抽取裝置，其特徵在於，該特徵量抽取裝置具有:代碼信息列取得部，針對連續的輸入數據的列，按照每個規定間隔，取得所述輸入數據的值的代碼信息的列；代碼信息列模式頻數累計部，按照由所述代碼信息列取得部得到的代碼信息的列的每種模式累計頻數；以及特徵量輸出部，將由所述代碼信息列模式頻數累計部累計得到的所述每種模式的頻數值，作為對應於所述輸入數據的特徵量進行輸出。
【專利附圖】
【附圖說明】
[0013]圖1是表示以本發明的實施方式為前提的系統的結構例的圖。
[0014]圖2是表示本發明的實施方式的硬體結構例的圖。
[0015]圖3是表示本發明的實施方式的特徵量抽取處理的流程圖。
[0016]圖4是本發明的實施方式的特徵量抽取處理的動作說明圖。
【具體實施方式】
[0017]下面，參照附圖詳細說明用於實施本發明的方式。
[0018]圖1是表示以本發明的實施方式為前提的系統的結構例的圖。
[0019]該系統由識別器生成裝置101和行動估計裝置102構成。
[0020]行動估計裝置102例如是活動量計，由人佩戴在身體上使用。識別器生成裝置101例如是計算機裝置，關於詳情在後面敘述，例如將由不同於識別器生成裝置101的傳感器數據記錄裝置記錄的加速度數據作為學習用數據輸入識別器生成裝置101，生成行動估計裝置102搭載的識別器105。識別器生成裝置101例如在製造行動估計裝置102的製造商中是與行動估計裝置102分開使用的。
[0021]首先，想要識別的每個行動類別的加速度傳感器的數據作為學習用的加速度數據108 (#1?棚)被輸入識別器生成裝置101。
[0022]然後，搭載於識別器生成裝置101的特徵量抽取部103從各加速度數據108抽取特徵量。作為特徵量，除加速度數據108的平均值和方差值外，還計算在本實施方式中提出的代碼信息列模式頻數。
[0023]另外，搭載於識別器生成裝置101的識別器生成部104使用Adaboost或支持向量機(SVM)等廣為熟知的識別方法，以特徵量抽取部103抽取的特徵量數據為輸入來生成識別器105。
[0024]這樣由識別器生成裝置101生成的識別器105，例如從識別器生成裝置101內的存儲裝置通過可移動記錄介質或通信線路被搭載於行動估計裝置102內的存儲裝置中。
[0025]行動估計裝置102按照以下所述方式估計佩戴了該行動估計裝置102的人的行動狀態。
[0026]首先，行動估計裝置102搭載的加速度傳感器輸出行動狀態未知的加速度數據109。
[0027]然後，搭載於行動估計裝置102的特徵量抽取部106從加速度數據109中抽取特徵量。作為特徵量，與識別器生成裝置101的特徵量抽取部103抽取的特徵量相同地，除加速度數據109的平均值和方差值外，還計算在本實施方式中提出的代碼信息列模式頻數。
[0028]另外，搭載於行動估計裝置102的識別部107，使用識別器105將與加速度數據109對應的行動狀態的識別類別作為類別判定結果110進行輸出。
[0029]根據這樣輸出的類別判定結果110計算例如活動量(代謝當量/時間)，再根據該活動量和個人信息(身高、體重等)計算消耗卡路裡。
[0030]圖2是表示本發明的實施方式的硬體結構例的圖。
[0031]在該硬體結構被應用於識別器生成裝置101的情況下，該硬體結構例如是設置於製造商中的計算機。在該情況下，圖2示例的計算機除CPU201、存儲器202外，還具有硬碟等外部存儲裝置205、用於插入存儲卡等可移動記錄介質209的可移動記錄介質驅動裝置206、以及與公司內部LAN(區域網)或網際網路連接的通信接口 207，該計算機具有通過總線208將這些構成要素相互連接的結構。圖2示例的結構是能夠實現識別器生成裝置101的計算機的一例，這樣的計算機不限於該結構。
[0032]在圖2示例的硬體結構被應用於行動估計裝置102的情況下，該硬體例如是由製造商製造的被佩戴於人的身體上的小型且便攜的活動量計。在這種情況下，圖2示例的計算機除存儲器202 (RAM(隨機存取存儲器)、存儲程序和圖1的識別器105等的ROM(只讀存儲器))外，還具有加速度傳感器210、操作指示按鈕等輸入裝置203、小型的液晶顯示器等輸出裝置204，該計算機具有通過總線208將這些構成要素相互連接的結構。另外，也可以不搭載外部存儲裝置205、可移動記錄介質驅動裝置206及通信接口 207等。圖2示例的結構是能夠實現行動估計裝置102的計算機的一例，這樣的計算機不限於該結構。
[0033]CPU201進行該計算機整體的控制。存儲器202是在執行程序、更新數據等時暫時存儲控制程序或者數據的RAM。另外，在圖2的硬體被實現為行動估計裝置102的情況下，存儲器202是存儲控制程序和圖1的識別器105的ROM。
[0034]CPU201在存儲器202中讀出用於實現圖1的識別器生成裝置101和行動估計裝置102的各種功能的程序並執行該程序，由此進行整體的控制。尤其是，本實施方式的識別器生成裝置101或者行動估計裝置102通過由CPU201執行按照圖3的流程圖等實現的程序，實現特徵量抽取處理，在該程序中搭載了圖1的識別器生成裝置101的特徵量抽取部103或者行動估計裝置102中的特徵量抽取部106的功能。該程序例如可以記錄在外部存儲裝置205或可移動記錄介質209中進行分發，或者也可以通過通信接口 207從網絡取得。另夕卜，也可以由製造商以構成存儲器202的一部分的ROM的形式提供。
[0035]圖3是表示在圖1的識別器生成裝置101的特徵量抽取部103或者行動估計裝置102的特徵量抽取部106中執行的特徵量抽取處理的流程圖。
[0036]首先，針對從圖2的加速度傳感器210輸入CPU201的連續的時間序列的輸入數據即加速度數據的列，按照每個規定期間，取得輸入數據的值的代碼信息的列(代碼信息列取得部的功能)(步驟S301)。
[0037]然後，按照在步驟S301得到的代碼信息的列的每種模式累計頻數(代碼信息列模式頻數累計部的功能)(步驟S302)。
[0038]並且，在步驟S302累計得到的每種模式的頻數值被作為對應於加速度數據的特徵量進行輸出(特徵量輸出部的功能)(步驟S303)。
[0039]以下是在圖3的流程圖中示例的特徵量抽取處理的具體動作說明。
[0040]在圖3的步驟S301的代碼信息列取得處理中執行以下的動作。
[0041]首先，取得如按照圖4的上部圖形(graph)所示的、加速度傳感器210的x成分的某個時間區間內的時間序列數據A(n個:A(I)?A(n))。此時的時間區間的長度例如是數秒左右。
[0042]然後，按照下式計算時間序列數據A的差分數據D。
[0043]D (k) =A (k+Ι)?A (k) (I < k < η — I)
[0044]並且，對於計算出的差分數據D，對正的值賦予代碼+，對負的值賦予代碼一。
[0045]將這樣計算出的差分數據D之中從第一個起連續的P個數據的代碼依次排列。例如，在設P = 5時，
[0046]D(I) ,D(2)、D(3)、D(4)、D(5) = ++++ —
[0047]然後，使數據在時間方向上錯開地同樣排列代碼。
[0048]D ⑵、D (3)、D (4)、D (5)、D (6) = +++ ——
[0049]對所存在的數據D執行以上的處理。
[0050]在圖3的步驟S302的代碼信息列模式頻數累計處理中執行以下的動作。
[0051]代碼的排列方法有m = 2的P次方種方法，在P = 5時有m = 2的5次方=32種，因而按照通過上述處理而產生的排列的每種模式，如圖4中從上部圖形朝向下部圖形的各箭頭示出的那樣，以直方圖方式對所產生的每種模式進行累計。
[0052]例如，如圖4的下部圖形所示，每當產生代碼信息列模式「++++ —」時，對直方圖的直條值(頻數值)bin (2)的值設定+1，每當產生代碼信息列模式「+++—一」時，對直方圖的直條值bin(3)的值設定+1，每當產生代碼信息列模式「++---」時，對直方圖的直條
ft bin (4)的值設定+1。
[0053]在圖3的步驟S303的特徵量輸出處理中，按照以上所述計算出的2的P次方個直條值bin (I)?bin (m)，被作為對應於加速度數據A的特徵量進行輸出。
[0054]通過將以上的特徵量抽取處理應用於圖1的識別器生成裝置101內的特徵量抽取部103和行動估計裝置102內的特徵量抽取部106的一部分,不需執行如時間一頻率變換那樣複雜的運算處理，通過較少量的差分運算處理和直方圖累計處理，即可計算出與加速度數據的波形信息對應的合適的特徵量。
[0055]在上述實施方式中，以P = 5為例，當然也可以是除此以外的值。
[0056]另外，在上述實施方式中單純地將差分數據D的各代碼排列，但也可以根據加速度數據A的振幅的絕對值的大小，將「 + 」分類為「1+」、「2+」這兩種，同樣將「一」分類為「I 一」、「2 —」這兩種，合計分類為四種進行排列。在這種情況下，存在256( = 4的5次方)種的排列方法，得到256個特徵量。當然，不限於兩種、四種，也可以取各式各樣的值。
[0057]另外，作為本發明的對象的輸入數據不限於加速度傳感器、時間序列數據，也可以應用於任意一維的連續的輸入數據的列。
[0058]另外，在上述實施方式中將按照時間序列連續的代碼進行排列，但也可以是間隔一個、間隔兩個等進行排列，可以任意設計將哪個數據如何排列。
【權利要求】
1.一種特徵量抽取裝置，其特徵在於，該特徵量抽取裝置具有: 代碼信息列取得部，針對連續的輸入數據的列，按照每個規定間隔，取得所述輸入數據的值的代碼信息的列； 代碼信息列模式頻數累計部，按照由所述代碼信息列取得部得到的代碼信息的列的每種模式累計頻數；以及 特徵量輸出部，將由所述代碼信息列模式頻數累計部累計得到的所述每種模式的頻數值，作為對應於所述輸入數據的特徵量進行輸出。
2.根據權利要求1所述的特徵量抽取裝置，其特徵在於，所述輸入數據是從傳感器輸出的規定的時間區間內的時間序列數據。
3.根據權利要求2所述的特徵量抽取裝置，其特徵在於，所述代碼信息是對從所述傳感器輸出的時間序列數據中在時間上不同的數據的差分值的正負賦予了不同的代碼的信肩、O
4.根據權利要求3所述的特徵量抽取裝置，其特徵在於，所述代碼信息的列是從規定的時間將按照時間序列變化的所述代碼信息排列規定的數量而得到的列。
5.根據權利要求4所述的特徵量抽取裝置，其特徵在於，所述代碼信息列取得部在時間上錯開地取得所述代碼信息的列。
6.根據權利要求1所述的特徵量抽取裝置，其特徵在於，所述特徵量是為了生成識別器而從如下輸入數據計算出的，所述識別器使用識別類別已知的學習量的所述輸入數據來識別該輸入數據的識別類別。
7.根據權利要求6所述的特徵量抽取裝置，其特徵在於，所述特徵量是為了使用所述識別器識別如下輸入數據的識別類別而從該輸入數據計算出的，該輸入數據是被輸入的類別未知的輸入數據。
8.一種特徵量抽取方法，其特徵在於，該特徵量抽取方法執行以下步驟: 針對連續的輸入數據的列，按照每個規定間隔，取得所述輸入數據的值的代碼信息的列， 按照所述代碼信息的列的每種模式累計頻數， 將累計出的所述每種模式的頻數值，作為對應於所述輸入數據的特徵量進行輸出。
【文檔編號】G06F17/30GK104281640SQ201410330654
【公開日】2015年1月14日 申請日期:2014年7月11日 優先權日:2013年7月11日
【發明者】八幡尚, 菅家孝夫 申請人:卡西歐計算機株式會社