信息終端裝置的控制方法、體動測定裝置以及程序與流程

文檔序號：11225611閱讀：468來源：國知局

本發(fā)明涉及具備振動傳感器的信息終端裝置的控制方法、體動測定裝置以及程序。

背景技術：

以往，公開了以掌握就寢者的健康狀態(tài)等為目的，監(jiān)視就寢者的睡眠狀態(tài)的體動測定裝置。

例如，專利文獻1所公開的體動測定裝置通過使用鋪設于寢具的傳感器，實時捕捉傳感值的最小值，將用指數函數對傳感值的最小值的變動進行了緩和而得到的值作為體動判定閾值，從而將粗動(大動作)信號和微動(微動作)信號分離，判定就寢者的睡眠狀態(tài)。示出了該體動測定裝置能夠不依據寢具的種類和狀態(tài)以及就寢者的體重，高精度地進行就寢者的睡眠判定。在這里，粗動信號是來源于就寢(上床)、下床、翻身以及其他就寢者的身體的動作等的信號，微動信號是來源于就寢者的呼吸和心律的信號。

另外，示出了：專利文獻1所公開的體動測定裝置通過設置比體動判定閾值大且為體動判定閾值的設定數倍的上限信號等級，并基于上限信號等級以下的振動數據更新體動判定閾值，由此能夠在就寢者明顯發(fā)生粗動的情況下抑制體動判定閾值的上升。

在先技術文獻

專利文獻

專利文獻1：日本專利第4329690號公報

技術實現要素：

發(fā)明要解決的問題

但是，為了以更高的精度利用體動測定裝置判定用戶的動作，需要進一步的研究。

用于解決問題的手段

為了解決上述以往的問題，本發(fā)明的信息終端裝置的控制方法是一種信息終端裝置的控制方法，所述信息終端裝置具備能夠檢測所述信息終端裝置的振動的振動傳感器、處理器以及存儲器，使所述處理器取得振動數據，所述振動數據是由所述振動傳感器檢測出的振動的時序數據，所述振動包含基于位于放置有所述信息終端裝置的寢具之上的用戶的體動的振動，將所取得的所述振動數據存儲于所述存儲器，檢測所述用戶的行動，提取存儲于所述存儲器的所述振動數據中的、以進行了被檢測出的所述行動的時刻為結束時間的預定期間所包含的振動數據，將提取出的所述振動數據表示的振動波形作為所述用戶下床時的振動模型存儲在所述存儲器中。

此外，這些總括或具體的技術方案既可以用系統(tǒng)、方法、集成電路、計算機程序或計算機可讀取的cd-rom等記錄介質來實現，也可以用系統(tǒng)、方法、集成電路、計算機程序和記錄介質的任意組合來實現。

發(fā)明的效果

根據上述技術方案，能夠實現進一步的改善。

附圖說明

圖1是表示實施方式中的信息終端裝置的使用方式的示意圖。

圖2是表示實施方式中的信息終端裝置檢測的振動的大小與用戶的行動的關系的說明圖。

圖3是表示實施方式中的信息終端裝置的硬件構成的框圖。

圖4是表示實施方式中的信息終端裝置的功能構成的框圖。

圖5是表示實施方式中的設備的日志的一例的說明圖。

圖6是表示由實施方式中的模型學習部進行的振動模型的生成方法的示意圖。

圖7是表示由實施方式中的判定部進行的振動數據的判定方法的示意圖。

圖8是表示實施方式中的信息終端裝置的體動檢測的從開始到結束的處理的流程圖。

圖9是表示由實施方式中的行動檢測部和模型學習部進行的振動模型的學習處理的流程圖。

圖10是表示由實施方式中的判定部進行的下床的判定處理的流程圖。

圖11是表示由實施方式中的模型學習部進行的上床時的振動模型的生成方法的示意圖。

圖12是表示實施方式中的信息終端裝置檢測的振動的大小和設備控制的例子的說明圖。

圖13是表示實施方式的變形例中的體動測定系統(tǒng)的功能構成的框圖。

具體實施方式

(成為本發(fā)明的基礎的見解)

近年來，在日本，由于生活習慣的變化，睡眠時間減少，對睡眠的滿意度降低。根據用戶想掌握自身的睡眠狀態(tài)這一需求，開發(fā)了專利文獻1所公開的睡眠計測裝置等。但是，為了利用專利文獻1所公開的睡眠計測裝置，需要另行購買特殊的傳感器并安裝于寢具，在費用和設置作業(yè)方面難以簡便地利用。

另外，在考慮了將專利文獻1所公開的體動測定方式應用在使用了內置于一般的信息終端裝置(例如，智能手機或便攜電話終端等)的加速度傳感器、陀螺儀傳感器等振動傳感器的體動測定裝置中的情況下，由于專利文獻1所公開的體動測定裝置的傳感器的測定精度較高，所以通過監(jiān)視表示被試驗者的微動信號的傳感器最小值的變動，能夠進行與粗動信號的分離。但是，由于取決于信息終端裝置機型的傳感器靈敏度的不同，或將信息終端裝置放置在寢具之上來測定被試驗者的體動的寢具的不同等，由信息終端裝置進行的體動測定中所取得的傳感值各不相同。由于利用信息終端裝置的振動傳感器取得的傳感值包含由上述原因導致的傳感值的各不相同，所以無法基于傳感器的最小值的變動捕捉被試驗者的微動信號。因此，在使用了上述信息終端裝置的振動傳感器的體動測定裝置中，專利文獻1所公開的體動測定方式不適合。因此，在這樣的體動測定裝置中，不得不采用基于振動數據之中振幅成為大的值的微動信號的變動來決定體動判定閾值的方式。

進而，在專利文獻1所公開的體動測定裝置中，通過設置體動判定閾值的設定數倍的上限信號等級，能夠某種程度上抑制由于就寢者的粗動而將體動判定閾值設定得高，但是由于倍數的設定，有可能無法除去想去除的信號等級的粗動信號。因此，在上述體動測定裝置中，用戶的體動或動作的判定精度有可能降低。

期望提供一種能夠解決這些問題，并且單憑用戶擁有的搭載了振動傳感器的一般的信息終端裝置就能夠簡便且高精度地判定用戶的體動或動作的體動測定裝置。以往沒有研究過用于滿足這些愿望的技術性解決對策。

為了解決這樣的問題，本發(fā)明的一個技術方案涉及的信息終端裝置的控制方法是信息終端裝置的控制方法，所述信息終端裝置具備能夠檢測所述信息終端裝置的振動的振動傳感器、處理器以及存儲器，使所述處理器執(zhí)行以下處理：取得振動數據，所述振動數據是由所述振動傳感器檢測出的振動的時序數據，所述振動包含基于放置有所述信息終端裝置的寢具之上的用戶的體動的振動，將所取得的所述振動數據存儲于所述存儲器，檢測所述用戶的行動，提取存儲于所述存儲器的所述振動數據中的、以進行了檢測出的所述行動的時刻為結束時間的預定期間所包含的振動數據，將提取的所述振動數據表示的振動波形作為所述用戶下床時的振動模型存儲在所述存儲器中。

根據上述技術方案，信息終端裝置基于用戶進行了行動的時刻以前的預定期間中的、實際由用戶使用的寢具上的用戶的體動，生成下床時的振動模型。由于按這種方式基于實際使用的寢具上的振動生成振動模型，所以能夠使用生成的該振動模型，更高精度地判定該寢具上的用戶的體動。因此，信息終端裝置能夠以更高的精度判定用戶的動作。

例如，所述信息終端裝置能夠經由網絡控制家電設備，所述控制方法中，還使所述處理器執(zhí)行以下處理：判定所取得的所述振動數據表示的振動波形是否與存儲于所述存儲器的所述振動模型相符合，在判定為所取得的所述振動數據表示的所述振動波形與所述振動模型相符合的情況下，經由所述網絡發(fā)送使所述家電設備工作的控制信號。

根據上述技術方案，信息終端裝置能夠在基于生成的振動模型判定用戶已下床的情況下控制家電設備。由此，在用戶已下床的情況下，能夠利用信息終端裝置判定用戶的下床，并能夠自動地進行家電設備的控制，提高便利性。

例如，還使所述處理器執(zhí)行以下處理：取得日志信息，所述日志信息包含所述用戶對家電設備進行了操作的時刻，在檢測所述用戶的行動時，基于所取得的所述日志信息，檢測所述用戶的行動，在將所述振動模型存儲于所述存儲器時，將所取得的所述日志信息所包含的時刻作為進行了所述行動的時刻使用，并將所述振動模型存儲在所述存儲器中。

根據上述技術方案，信息終端裝置將用戶對家電設備進行了操作的時刻作為用戶進行了行動的時刻，并生成用戶下床時的振動模型。這樣，信息終端裝置能夠以更高的精度具體地判定用戶的動作。

例如，還使所述處理器執(zhí)行以下處理：取得日志信息，所述日志信息包含所述用戶對所述信息終端裝置進行了操作的時刻，在檢測所述用戶的行動時，基于所取得的所述日志信息，檢測所述用戶的行動，在將所述振動模型存儲于所述存儲器時，將所取得的所述日志信息所包含的時刻作為進行了所述行動的時刻使用，并將所述振動模型存儲在所述存儲器中。

根據上述技術方案，信息終端裝置將用戶對信息終端裝置進行了操作的時刻作為用戶行動的時刻，并生成用戶下床時的振動模型。這樣，信息終端裝置能夠以更高的精度具體地判定用戶的動作。

例如，還使所述處理器執(zhí)行以下處理：取得人感傳感器的檢測結果，所述人感傳感器能夠檢測出所述用戶位于與所述寢具之上不同的位置這一情況，在檢測所述用戶的行動時，基于所取得的所述檢測結果，檢測所述用戶的行動，在將所述振動模型存儲于所述存儲器時，將所取得的所述檢測結果所包含的時刻作為進行了所述行動的時刻使用，并將所述振動模型存儲在所述存儲器中。

根據上述技術方案，信息終端裝置將利用人感傳感器檢測出用戶的時刻作為用戶行動的時刻，并生成用戶下床時的振動模型。這樣，信息終端裝置能夠以更高的精度具體地判定用戶的動作。

例如，在將所述振動模型存儲于所述存儲器時，將提取出的所述振動數據表示的振動波形作為訓練數據(trainingdata)，通過機器學習生成所述振動模型，并將生成的所述振動模型存儲在所述存儲器中。

根據上述技術方案，信息終端裝置通過機器學習而生成用戶下床時的振動模型。這樣，由于信息終端裝置基于實際使用的寢具上的振動，通過機器學習生成振動模型，所以能夠更高精度地判定該寢具上的用戶的體動。

例如，通過機器學習的所述振動模型生成僅在作為學習基于所述用戶的體動的振動模型的期間而確定的期間內進行。

根據上述技術方案，由于信息終端裝置在結束了振動模型的學習期間的情況下不再進行機器學習，所以具有減輕處理負荷的優(yōu)點。

另外，本發(fā)明的一個技術方案涉及的體動測定裝置具備：振動傳感器，能夠檢測所述體動測定裝置的振動；存儲器；振動數據保存部，取得振動數據并將所取得的所述振動數據存儲在所述存儲器中，所述振動數據是由所述振動傳感器檢測出的振動的時序數據，所述振動包含基于放置有所述體動測定裝置的寢具之上的用戶的體動的振動；行動檢測部，檢測所述用戶的行動；以及模型學習部，提取存儲于所述存儲器的所述振動數據中的、以進行了檢測出的所述行動的時刻為結束時間的預定期間所包含的振動數據，將提取出的所述振動數據表示的振動波形作為所述用戶下床時的振動模型存儲在所述存儲器中。

根據上述技術方案，體動測定裝置起到與上述信息終端裝置同樣的效果。

另外，本發(fā)明的一個技術方案涉及的程序是用于使計算機執(zhí)行上述記載的控制方法的程序。

根據上述技術方案，程序起到與上述信息終端裝置同樣的效果。

此外，這些總括或具體的技術方案既可以用系統(tǒng)、方法、集成電路、計算機程序或計算機可讀取的cd-rom等記錄介質來實現，也可以用系統(tǒng)、方法、集成電路、計算機程序或記錄介質的任意組合來實現。

以下，參照附圖，具體說明實施方式。

此外，以下說明的實施方式均為示出總括或具體的例子的實施方式。在以下的實施方式中所示的數值、形狀、材料、構成要素、構成要素的配置位置以及連接方式、步驟、步驟的順序等均是本發(fā)明的一個例子，并不限定本發(fā)明。另外，關于以下實施方式的構成要素中的、在表示最上位概念的獨立權利要求中沒有記載的構成要素，作為任意的構成要素進行說明。

(實施方式)

在本實施方式中，說明以更高的精度判定用戶的動作的體動測定裝置。體動測定裝置既可以是與具備振動傳感器的一般的信息終端裝置(例如智能手機或便攜電話終端等)同等的硬件構成，也可以是具備一般的振動傳感器的專用裝置(也稱為體動測定裝置)。以后，作為一例，說明利用信息終端裝置實現體動測定裝置的情況。

圖1是表示本實施方式中的信息終端裝置10的使用方式的示意圖。圖2是表示本實施方式中的信息終端裝置10檢測的振動的大小與用戶u的行動的關系的說明圖。

如圖1所示，信息終端裝置10載置在用戶u的寢具b之上。當用戶u的身體進行動作時，信息終端裝置10因伴隨著用戶u的身體的動作產生的寢具b的振動v而振動。信息終端裝置10具備振動傳感器，當信息終端裝置10因寢具b的振動v而振動時，振動傳感器檢測信息終端裝置10的振動。由此，信息終端裝置10基于信息終端裝置10的振動，檢測用戶u的身體體動的有無和體動的大小。

在這里，振動v從用戶u的身體傳遞給寢具b并到達信息終端裝置10。振動v的傳遞方式根據寢具b的類別(內容物的材質、重量、硬度等)和載置有寢具b的載置面的類別(材質、硬度等)等而不同。因此，即使用戶u的身體的動作相同，在寢具b不同的情況下或寢具b的載置場所或載置面不同的情況下，信息終端裝置10檢測出的振動的大小也不同。因此，需要信息終端裝置10根據寢具b實際的載置場所或載置面，適當地測定用戶u的體動。

用戶u的身體的動作包含：由用戶u的翻身等就寢中的身體的動作引起的比較小的動作、和由用戶u的下床或上床引起的比較大的動作。信息終端裝置10通過機器學習生成判定基準，所述判定基準用于基于檢測出的振動的大小等特征，判定用戶u處于就寢中或已下床。而且，在基于生成的判定基準判定為用戶u已下床的情況下，例如進行其他家電設備的控制。例如，在信息終端裝置10檢測出用戶u下床的情況下，能夠基于檢測結果，進行將設置有寢具b的房間的空調機的空調控制設為開啟等控制。

例如，如圖2所示，在用戶u上床到起床期間，信息終端裝置10檢測基于用戶u的身體動作的多個振動v1～v8。而且，信息終端裝置10基于振動波形，判定為這些振動v1～v8中的、暫時下床時的振動v4和起床時的振動v8是由用戶u的下床引起的振動，并進行以預定的亮度使臥室的照明點亮、以預定的音量輸出音樂或使廁所和到廁所的通路的照明點亮這樣的控制。此外，暫時下床是下床的一種，是在該下床之后且起床之前會再次上床(也稱為再上床)的情況下的下床。另外，起床是下床的一種，是結束睡眠并清醒的情況下的下床。

關于信息終端裝置10的構成和信息終端裝置10執(zhí)行的處理，以后將詳細說明。

圖3是表示本實施方式中的信息終端裝置10的硬件構成的框圖。

如圖3所示，信息終端裝置10具備處理器12、存儲器13、通信if(interface：接口)14、振動傳感器15以及輸入if16。

處理器12是執(zhí)行存儲在存儲器13等中的控制程序的處理器。信息終端裝置10執(zhí)行的各處理可通過處理器12執(zhí)行控制程序而實現。

存儲器13是存儲信息的存儲裝置，并具有易失性存儲區(qū)域和存儲控制程序和數據等的非易失性存儲區(qū)域，所述易失性存儲區(qū)域作為處理器12執(zhí)行控制程序時使用的工作區(qū)域使用。

通信if14是與網絡連接，并用于經由網絡與外部的通信裝置進行通信的通信接口。通信if14在信息終端裝置10基于用戶u的操作或自動地打電話、使用電子郵件或互聯網訪問時使用。通信if14例如通過便攜電話的通信接口(例如3.5g(第3.5代移動通信系統(tǒng))或3.9g(第3.9代移動通信系統(tǒng)))、有線lan(localareanetwork：局域網)(例如遵循ieee802.3標準的有線lan或ethernet(注冊商標))或無線lan(例如ieee802.11a、b、g、n)實現。

振動傳感器15是檢測信息終端裝置10的振動，并輸出表示檢測出的振動的大小的振動數據的振動傳感器。具體而言，振動傳感器15例如具有檢測加速度的加速度傳感器、檢測角速度的陀螺儀傳感器以及檢測與基準角度所形成的角的角度的角度傳感器中的至少一個。此外，在上述振動中，不僅包含作為以一個位置為中心的周期性運動的振動，也包含能夠用上述傳感器取得的物理量，例如位置的變化或角度的變化等。

輸入if16是受理用戶u的操作的輸入接口。輸入if16例如是觸摸面板、觸摸墊或按鈕等，更具體而言，是觸摸面板顯示器的觸摸面板部分。

圖4是表示本實施方式中的信息終端裝置10的功能構成的框圖。

如圖4所示，信息終端裝置10具備狀態(tài)管理部21、日志取得部22、行動檢測部23、振動數據保存部24、模型學習部26、判定部28以及設備控制部29。另外，作為家電設備的設備40經由網絡可通信地與信息終端裝置10連接。

此外，上述各構成要素既可以是通過處理器12執(zhí)行程序而實現的邏輯功能塊，也可以是由專用電路構成的物理功能塊。此外，圖4所示的振動傳感器15是圖3所示的振動傳感器15。

狀態(tài)管理部21是管理信息終端裝置10取預定的多個狀態(tài)中的哪一個狀態(tài)的處理部。預定的多個狀態(tài)至少包含第一狀態(tài)、第二狀態(tài)以及停止狀態(tài)。

第一狀態(tài)是指信息終端裝置10檢測用戶u的行動，且進行用戶u的下床判定的狀態(tài)。第一狀態(tài)可用于信息終端裝置10為了適當地檢測用戶u的下床而進行由用戶u的體動產生的振動波形的機器學習的期間。

第二狀態(tài)是指信息終端裝置10不檢測用戶u的行動就進行用戶u的下床判定的狀態(tài)。第二狀態(tài)可用于在第一狀態(tài)下的機器學習完成之后使用通過學習生成的振動波形來檢測用戶u的下床的期間。

停止狀態(tài)是指信息終端裝置10既不進行用戶u的行動的檢測，也不進行下床判定的狀態(tài)。停止狀態(tài)可用于不檢測用戶u的下床的期間(例如用戶u在白天清醒并進行行動時)等。

狀態(tài)管理部21基于由輸入if16受理的用戶u的操作和其他條件，決定信息終端裝置10取上述狀態(tài)中的哪一個。而且，狀態(tài)管理部21通過控制是否進行行動檢測部23和判定部28各自的工作，控制信息終端裝置10取上述三個狀態(tài)中的哪一個。具體而言，在狀態(tài)管理部21使行動檢測部23和判定部28雙方工作的情況下，信息終端裝置10取第一狀態(tài)。另外，在狀態(tài)管理部21不使行動檢測部23工作且使判定部28工作的情況下，信息終端裝置10取第二狀態(tài)。另外，在狀態(tài)管理部21使行動檢測部23和判定部28哪一方都不工作的情況下，信息終端裝置10取停止狀態(tài)。

例如，也可以是，狀態(tài)管理部21進行管理以使得信息終端裝置10在還沒有生成用戶u下床時的振動模型(pattern)時取第一狀態(tài)。另外，也可以進行管理，以使得信息終端裝置10在以第一狀態(tài)工作了一個星期或一個月左右之后取第二狀態(tài)。這樣，利用機器學習的振動模型生成可以僅在作為學習基于用戶u的體動的振動模型的期間而確定的期間內進行。

日志取得部22是取得與對設備40的操作相關的信息(日志信息，或也僅稱為日志)的處理部。日志是與對設備40的操作相關的信息，例如包含：表示是使設備40的工作開始的操作的信息、包含進行了該操作的時刻的信息以及該操作的操作內容。在設備40為照明器具的情況下，日志包含：表示進行了使該照明器具點亮的用戶u的操作的信息和點亮時刻、以及表示使該照明器具熄燈的信息和熄燈時刻等。日志取得部22由處理器12和通信if14等實現。

此外，日志取得部22可以取得用戶u對信息終端裝置10的操作的日志。

行動檢測部23是檢測用戶u的行動的處理部。行動檢測部23基于日志取得部22取得的日志，檢測是否進行了用戶u的行動。具體而言，行動檢測部23從日志取得部22取得日志，將進行了取得的日志所包含的操作檢測為用戶u的行動。另外，此時，行動檢測部23取得進行了上述操作的時刻來作為進行了用戶u的行動的時刻。

振動數據保存部24是取得振動傳感器15檢測出的振動的大小，即振動傳感器15輸出的振動數據，并將所取得的振動數據作為振動數據25保存并存儲的處理部。振動數據保存部24以預定周期(例如在一秒鐘10次的周期)重復取得上述振動數據。振動數據保存部24由處理器12和存儲器13等實現。

模型學習部26是生成用戶u的下床時的振動模型的處理部。模型學習部26提取振動數據保存部24存儲的振動數據25中的、以進行了行動檢測部23檢測出的行動的時刻為結束時間的預定期間所包含的振動數據，并將提取出的振動數據表示的振動波形作為用戶u下床時的振動模型存儲。模型學習部26基于用上述方法提取出的一個以上振動數據表示的振動波形進行機器學習，并基于機器學習的結果生成用戶u下床時的振動模型27并存儲。機器學習的處理能夠使用公知的現有技術進行，例如，可利用ibm公司的“spsmodeler”實現。

判定部28是判定由振動傳感器15取得的振動數據表示的振動波形是否與模型學習部26存儲的振動模型27相符合的處理部。判定部28以預定周期(例如在一秒鐘10次的周期)反復從振動傳感器15取得振動數據。而且，通過模型識別處理判定所取得的振動數據表示的振動波形是否與模型學習部26存儲的用戶u下床時的振動模型27相符合。

而且，判定部28根據上述振動波形是否與振動模型27相符合，控制是否使設備40工作。具體而言，例如，在判定為上述振動波形與用戶u下床時的振動模型27相符合的情況下，進行使設備40工作的控制，在判定為上述振動波形與振動模型27不符合的情況下，不進行使設備40工作的控制。

設備控制部29是經由網絡向設備40發(fā)送使設備40工作的控制信號的處理部。設備控制部29基于判定部28的控制，對設備40發(fā)送使設備40工作的控制信號。設備控制部29由處理器12和通信if14等實現。

設備40是能夠經由網絡控制的家電設備。設備40經由網絡從信息終端裝置10(設備控制部29)接收控制信號，并基于接收到的控制信號工作。另外，設備40經由網絡，將與對設備40的操作相關的信息提供給信息終端裝置10(日志取得部22)。設備40例如是照明裝置或者再現音樂或影像的再現裝置。

此外，設備40與信息終端裝置10可以直接通過通信線路連接，也可以經由中繼裝置(所謂的家庭網關等)連接，也可以經由云連接。

圖5是表示本實施方式中的設備40的日志的一例(日志50)的說明圖。圖5所示的日志50是設備40提供給日志取得部22的日志的一例。

圖5所示的日志50包含與對作為設備40的照明器具的操作相關的信息。具體而言，日志50包含：對設備40進行了操作的時刻51、設備名52以及作為操作的內容的操作內容53這樣的各種信息，所述設備名52是成為操作對象的設備40的名稱。例如，日志50所包含的第一條日志表示：在時刻“2001年1月1日的2時30分”，進行了使作為設備40的“廁所的照明”點亮的操作(開啟操作)。

圖6是表示由本實施方式中的模型學習部26進行的振動模型的生成方法的示意圖。

圖6所示的振動數據25包含振動數據25a、25b、…、以及25c。振動數據25a、25b、…、以及25c中的每一個是振動數據保存部24存儲的時序的振動數據中的預定期間內的振動數據，是模型學習部26提取出的數據。更具體而言，上述預定期間的振動數據是以進行了行動檢測部23檢測出的用戶u的行動(更具體而言是電燈的開啟操作)的時刻為結束時間的時間長度t的預定期間的振動數據。在取得了進行用戶u的行動的多個時刻的情況下，按上述方式提取的振動數據也像振動數據25a、25b以及25c那樣成為多個。

而且，模型學習部26基于振動數據25a、25b、…、以及25c各自表示的振動波形進行機器學習，并基于機器學習的結果生成用戶u下床時的振動模型27。此外，在圖6中，作為振動模型27，示出了振動波形，但只要表示振動波形的特征，振動模型27的形式可以是任意的。例如，可以是表示振動數據的時間上的變化的數值數據或數式，另外，也可以利用范圍來指定，以使得與數值數據或數式的差值在預定范圍內。

圖7是表示本實施方式中的判定部28的振動數據的判定方法的示意圖。圖7的(a)和(b)分別表示振動傳感器15取得的振動數據為由下床時的振動引起的數據的情況下和不是由下床時的振動引起的數據的情況下的判定方法。

圖7的(a)表示判定為振動傳感器15取得的振動數據是由下床時的振動引起的數據的情況。圖7的(a)所示的振動數據25x是振動傳感器15取得的振動數據之一，是由于用戶u下床時的振動而產生的振動數據的一例。判定部28從振動傳感器15取得振動數據25x，并通過模型識別處理判定所取得的振動數據25x是否與用戶u下床時的振動模型27相符合。振動數據25x判定為與振動模型27符合，即，振動數據25x表示的振動波形是由于用戶u下床時的振動而產生的。

圖7的(b)表示判定為振動傳感器15取得的振動數據不是由下床時的振動引起的數據的情況。圖7的(b)所示的振動數據25y是振動傳感器15取得的振動數據之一，是由于用戶u小的翻身的振動而產生的振動數據的一例，振動的大小比振動數據25x小。與上述同樣地，判定部28通過模型識別處理判定振動數據25y是否與振動模型27相符合。振動數據25y被判定為與振動模型27不符合，即，振動數據25y表示的振動波形不是由于用戶u下床時的振動而產生的。

以后說明按以上方式構成的信息終端裝置10的處理的流程。

首先，說明體動檢測的開始至結束的一系列處理。圖8是表示本實施方式中的信息終端裝置10的體動檢測的開始到結束的處理的流程圖。

在步驟s101中，狀態(tài)管理部21使由行動檢測部23進行的用戶u的行動的檢測、和由振動傳感器15進行的振動的檢測開始。例如，在狀態(tài)管理部21經由輸入if16受理了振動模型的學習操作的情況下，使行動的檢測和振動的檢測開始。

在步驟s102中，振動數據保存部24從振動傳感器15取得振動數據。

在步驟s103中，日志取得部22從設備40取得日志。

在步驟s104中，行動檢測部23和模型學習部26進行用戶u下床時的振動模型的學習處理。關于振動模型的學習處理，另行詳細說明。

在步驟s105中，狀態(tài)管理部21判定是否從用戶u受理了結束行動檢測的指示(結束指示)。在受理了結束指示的情況下(在步驟s105中為是)，結束圖8所示的一系列處理。在沒有受理結束指示的情況下(在步驟s105中為否)，再次執(zhí)行步驟s102。

圖9是表示由本實施方式中的行動檢測部23和模型學習部26進行的振動模型的學習處理的流程圖。圖9所示的一系列處理詳細地表示圖8中的步驟s104的處理。

在步驟s201中，行動檢測部23從日志取得部22取得設備40的日志。

在步驟s202中，行動檢測部23和模型學習部26進行控制以使得：按每個日志所包含的時間區(qū)間，進行從步驟s203到步驟s206的處理。時間區(qū)間的時間長度可以任意設定，例如能夠設為一秒鐘或0.1秒等。

在步驟s203中，行動檢測部23嘗試該時間區(qū)間中的用戶u的行動的檢測。具體而言，行動檢測部23基于在步驟s201中取得的設備40的日志，判定在該時間區(qū)間中是否有用戶u的行動。例如，在設備40的日志中包含表示在該時間區(qū)間中廁所的照明設備被開啟的信息的情況下，判定為在該時間區(qū)間中有用戶u的行動。在步驟s203中判定為在該時間區(qū)間中有行動的情況下(在步驟s203中為是)，進入步驟s204。另一方面，在判定為該時間區(qū)間中沒有行動的情況下(在步驟s203中為否)，進入步驟s206。

在步驟s204中，模型學習部26提取振動數據保存部24保有的振動數據中的、以進行了在步驟s203中檢測出的用戶u的行動的時刻為結束時間的預定時間t的振動數據。

在步驟s205中，模型學習部26基于在步驟s204中提取出的振動數據，通過機器學習生成用戶u下床時的振動模型。此外，在已經保有生成的用戶u下床時的振動模型的情況下，基于在步驟s204中提取出的振動數據，通過機器學習來更新振動模型。

在步驟s206中，行動檢測部23和模型學習部26判定是否針對日志所包含的全部時間區(qū)間完成了從步驟s203到步驟s206的處理。并且，在完成上述處理的情況下，結束圖8所示的一系列處理，在沒有完成上述處理的情況下，進行控制以針對新的時間區(qū)間進行從步驟s203到步驟s206的處理。

通過以上一系列處理，信息終端裝置10學習用戶u下床時的振動模型。

接著，說明與用戶u的下床的判定相關的處理。圖10是表示由本實施方式中的判定部28進行的下床的判定處理的流程圖。

在步驟s301中，狀態(tài)管理部21使振動傳感器15進行的振動的檢測開始。例如，在狀態(tài)管理部21經由輸入if16受理了振動的檢測的開始操作的情況下，使振動的檢測開始。

在步驟s302中，振動數據保存部24從振動傳感器15取得振動數據。

在步驟s303中，判定部28判定在步驟s302中由振動傳感器15取得的振動數據表示的振動波形是否與模型學習部26存儲的振動模型27相符合。在判定為振動波形與振動模型相符合的情況下(在步驟s303中為是)，進入步驟s304。另一方面，在判定為振動波形與振動模型不相符合的情況下(在步驟s303中為否)，進入步驟s305。

在步驟s304中，判定部28向設備控制部29發(fā)送用于控制設備40的工作的控制信號。

在步驟s305中，狀態(tài)管理部21判定是否從用戶u受理了結束行動檢測的指示(結束指示)。在受理了結束指示的情況下(在步驟s305中為是)，結束圖10所示的一系列處理。在沒有受理結束指示的情況下(在步驟s305中為否)，再次執(zhí)行步驟s302。

通過以上一系列處理，信息終端裝置10基于通過機器學習生成的用戶u下床時的振動模型，判定用戶u是否下床，并控制設備40。

此外，雖然用戶u暫時下床時的振動模型與起床時的振動模型類似，但是也有能夠將它們區(qū)別的情況。例如，這是由于：在暫時下床的情況下，假想了在存在較短時間的振動之后用戶u離開床的情況，另一方面，在起床的情況下，假想了由于寢具的整理等，在持續(xù)較長時間的振動之后用戶u離開床的情況。另外，即使在不能區(qū)別暫時下床時的振動模型與起床時的振動模型的情況下，也能夠通過將從設定了鬧鐘的起床預定時刻起預定時間(例如30分鐘)以上之前的下床判斷為暫時下床，從起床預定時刻起預定時間(例如30分鐘)以內的下床判斷為起床，由此區(qū)別暫時下床與起床的振動模型。

這樣，在能區(qū)別用戶u暫時下床時的振動模型與起床時的振動模型的情況下，判定部28也能夠判定由振動傳感器15取得的振動與上述哪一個振動模型相符合，根據與上述哪一個振動模型相符合，向設備40發(fā)送相互不同的控制信號，或向不同的設備40發(fā)送控制信號。

此外，在上述說明中，說明了通過機器學習生成用戶u下床時的振動模型，并基于生成的振動模型檢測用戶u的下床的方法。也能夠利用與上述同樣的方法，通過機器學習生成用戶u上床時的振動模型。

圖11是表示由本實施方式中的模型學習部26進行的上床時的振動模型的生成方法的示意圖。上床時的振動模型的生成方法與圖6所示的下床時的振動模型的生成方法類似，但預定期間的設定方法不同。即，行動檢測部23將由用戶u進行的照明的關閉操作檢測為用戶u的行動。而且，模型學習部26提取振動數據保存部24存儲的時序的振動數據中的、以進行了上述用戶u的行動的時刻為開始時間的時間長度s的預定期間的振動數據25d、25e、…、以及25f，并通過機器學習生成上床時的振動模型27a。

在該情況下，判定部28判定由振動傳感器15取得的振動數據表示的振動波形是否與用戶u下床時的振動模型27相符合，并且判定是否與用戶u上床時的振動模型27a相符合。而且，能夠在判定為上述振動波形與下床時的振動模型27相符合的情況下、判定為上述振動波形與上床時的振動模型27a符合的情況下或判定為上述振動波形與與上述哪一個振動模型都不符合的情況下，對設備40進行(或不進行)不同的控制。

以下，說明通過應用上述說明的下床時的振動模型的判定處理、暫時下床時的振動模型與起床時的振動模型的區(qū)別、上床時的振動模型的判定處理而成為可能的設備40的控制的例子。

圖12是表示本實施方式中的信息終端裝置10檢測出的振動的大小和設備控制的例子的說明圖。

圖12所示的照明設備40a和音樂播放器40b分別是設備40的一例。信息終端裝置10通過進行下床時的振動模型的判定處理，在用戶u暫時下床時和起床時控制設備40。另外，信息終端裝置10能夠區(qū)別暫時下床時和起床時中的每一個。通過應用該方案，例如能夠期待如下效果：在用戶u暫時下床時通過以預定的點亮模式(例如微亮)使照明設備40a點亮而抑制將清醒感提高，并通過利用音樂播放器40b再現預定的音樂或聲音(例如自然聲音)而消除由寂靜導致的不安。另外，能夠期待如下效果：在用戶u起床時，通過用與上述點亮模式不同的預定點亮模式(例如全亮)使照明設備40a點亮從而將清醒感提高，另外，通過利用音樂播放器40b再現與上述音樂或聲音不同的音樂(例如爽快的音樂)從而促使用戶u舒暢地醒來。

信息終端裝置10通過進行上床時的振動模型的判定處理，能夠進行在用戶u上床后使照明設備40a熄燈的控制。

此外，設備40也可以是以檢測用戶u的行動作為目的的設備(例如人感傳感器或紅外線相機)等。在該情況下，行動檢測部23取得人感傳感器等檢測出用戶u的時刻來作為用戶u的行動的時刻。

(實施方式的變形例)

在本變形例中，將說明以更高的精度判定用戶的動作的體動測定系統(tǒng)。本變形例中的體動測定系統(tǒng)是信息終端裝置與服務器協作地實現實施方式中的信息終端裝置的功能的系統(tǒng)。

圖13是表示本變形例中的體動測定系統(tǒng)61的功能構成的框圖。

如圖13所示，本變形例中的體動測定系統(tǒng)61具備信息終端裝置10a和服務器60。信息終端裝置10a與服務器60通過網絡62可通信地連接。網絡62例如是互聯網，可以包含lan(localareanetwork：局域網)和便攜電話線路等。

信息終端裝置10a至少具備振動傳感器15，并經由網絡62，可通信地與服務器60的振動數據保存部24和判定部28連接。振動傳感器15取得的振動數據經由網絡62提供給振動數據保存部24和判定部28。

服務器60具備狀態(tài)管理部21等信息終端裝置10具備的功能中的、除去振動傳感器15的功能塊。服務器60的設備控制部29經由網絡62向設備40發(fā)送控制信號，日志取得部22經由網絡62從設備40取得日志。服務器60可設為由所謂的云服務器實現，只要經由網絡62能夠通信地與信息終端裝置10a和設備40連接，就可以物理上或地理上配置于任何地方。

利用體動測定系統(tǒng)61實現與實施方式中的信息終端裝置10同等的功能。進而，由于行動檢測部23、振動數據保存部24、模型學習部26以及判定部28這樣的主要存儲部和處理部在服務器60上實現，所以具有能夠更安全且容易地實現數據的管理、軟件更新等優(yōu)點。

此外，一般來說，云服務器具有硬件和軟件的導入以及保養(yǎng)運用成本降低等優(yōu)點。因此，體動測定系統(tǒng)61能夠享有云服務器的優(yōu)點。

如上所述，本實施方式的信息終端裝置基于用戶行動的時刻以前的預定期間中的、實際由用戶使用的寢具上的用戶的體動，生成下床時的振動模型。由于按這種方式基于實際使用的寢具上的振動生成振動模型，所以能夠使用生成的該振動模型，更高精度地判定該寢具上的用戶的體動。因此，信息終端裝置能夠以更高的精度判定用戶的動作。

另外，信息終端裝置能夠在基于生成的振動模型判定用戶已下床的情況下控制家電設備。由此，在用戶已下床的情況下，能夠利用信息終端裝置判定用戶的下床，并自動地進行家電設備的控制，便利性提高。

信息終端裝置將用戶操作家電設備的時刻作為用戶行動的時刻，并生成用戶下床時的振動模型。這樣，信息終端裝置能夠以更高的精度具體地判定用戶的動作。

信息終端裝置將用戶操作信息終端裝置的時刻作為用戶行動的時刻，并生成用戶下床時的振動模型。這樣，信息終端裝置能夠以更高的精度具體地判定用戶的動作。

信息終端裝置將利用人感傳感器檢測出用戶的時刻作為用戶行動的時刻，并生成用戶下床時的振動模型。這樣，信息終端裝置能夠以更高的精度具體地判定用戶的動作。

信息終端裝置通過機器學習而生成用戶下床時的振動模型。這樣，由于信息終端裝置基于實際使用的寢具上的振動，通過機器學習生成振動模型，所以能夠更高精度地判定該寢具上的用戶的體動。

由于信息終端裝置在結束了振動模型的學習期間的情況下不再進行機器學習，所以具有減輕處理負荷的優(yōu)點。

此外，在上述各實施方式中，各構成要素以專用硬件構成，或者也可以通過執(zhí)行適合于各構成要素的軟件程序來實現。各構成要素也可以通過cpu或處理器等程序執(zhí)行部讀出并執(zhí)行記錄在硬盤或半導體存儲器等記錄介質中的軟件程序來實現。在這里，實現上述各實施方式的信息終端裝置等的軟件是如下程序。

即，該程序使計算機執(zhí)行信息終端裝置的控制方法，所述信息終端裝置具備能夠檢測所述信息終端裝置的振動的振動傳感器、處理器以及存儲器，所述控制方法中，使所述處理器取得振動數據，所述振動數據是由所述振動傳感器檢測出的振動的時序數據，所述振動包含基于放置有所述信息終端裝置的寢具之上的用戶的體動的振動，將所取得的所述振動數據存儲于所述存儲器，檢測所述用戶的行動，提取存儲于所述存儲器的所述振動數據中的、以進行了檢測出的所述行動的時刻為結束時間的預定期間所包含的振動數據，將提取出的所述振動數據表示的振動波形作為所述用戶下床時的振動模型存儲在所述存儲器中。

以上，基于實施方式說明了一個或多個技術方案涉及的信息終端裝置等，但本發(fā)明不限定于該實施方式。只要不脫離本發(fā)明的主旨，對本實施方式實施了本領域的技術人員能夠想到的各種變形而得到實施方式、以及組合不同的實施方式中的構成要素而構成的實施方式均包含在一個或多個技術方案的范圍內。

產業(yè)上的可利用性

本發(fā)明能夠利用于測定體動的體動測定裝置和基于體動的檢測來控制其他設備的控制裝置等。

標號說明

10、10a信息終端裝置

12處理器

13存儲器

14通信if

15振動傳感器

16輸入if

21狀態(tài)管理部

22日志取得部