JP2018075357A - 着座姿勢判定装置、椅子、着座姿勢判定方法、プログラム - Google Patents

Abstract

【課題】簡易な構成でより精度高く椅子に着座した人の姿勢を判定することができる。【解決手段】着座姿勢判定装置１は椅子に人が着座した状態における椅子の人が接触する部材の複数箇所における傾き情報を取得する。着座姿勢判定装置１は機械学習により算出された識別関数に複数箇所における傾き情報を入力して着座姿勢を判定する。【選択図】図１Ａ

Description

本発明は、着座姿勢判定装置、椅子、着座姿勢判定方法、プログラムに関する。

オフィスワーカーは１日の約３分の１以上の時間を椅子に座って過ごすと言われている。そのため、オフィスワーカーの着座姿勢と生産性との関係を調べることで、将来のオフィス生産性向上に繋がることが期待されている。着座姿勢を計測する技術として特許文献１や特許文献２が開示されている。

特開平１０−３３５０６号公報 特開２００６−２９８０３９号公報

特許文献１や特許文献２の技術は歪みゲージや赤外線センサ等によって人の着座状態を検出しようとするものであるが、例えば歪みゲージによる着座姿勢の検出の場合には、シート全体に歪みゲージを張ることが必要となる。また赤外線センサで着座状態を検出しようとする場合には精度の高い姿勢までの判定することは難しい。したがってより簡易に精度高く椅子に着座した人の姿勢を判定する技術が求められている。

そこでこの発明は、上述の課題を解決することのできる着座姿勢判定装置、椅子、着座姿勢判定方法、プログラムを提供することを目的としている。

本発明の第１の態様によれば、着座姿勢判定装置は、椅子に人が着座した状態における前記椅子の人が接触する部材の複数箇所における傾き情報を取得する傾き情報取得部と、機械学習により算出された識別関数に前記複数箇所における傾き情報を入力して着座姿勢を判定する着座姿勢判定部と、を備える。

上述の着座姿勢判定装置によれば、前記椅子に設けられた複数の傾きセンサから傾き情報を取得する傾き情報取得部とを備えてよい。

また上述の着座姿勢判定装置によれば、前記識別関数は、人が複数の異なる着座姿勢で学習用椅子に着座した状態において当該学習用椅子の人が接触する部材の複数箇所であって、前記椅子の人が接触する部材の複数箇所それぞれに相当する各箇所における傾き情報を用いて前記機械学習により算出された関数であってよい。

また上述の着座姿勢判定装置によれば、前記識別関数は、人が前記学習用椅子に着座していない状態における前記複数箇所における傾き情報と、人が複数の異なる着座姿勢で前記学習用椅子に着座した状態において得られた前記複数箇所の傾き情報との差をそれぞれ用いて前記機械学習により算出された関数であってよい。

また上述の着座姿勢判定装置によれば、前記識別関数は、人が予め定められた姿勢で前記学習用椅子に着座した状態における前記複数箇所における傾き情報と、人が複数の異なる着座姿勢で前記学習用椅子に着座した状態における前記複数箇所の傾き情報との差を用いて前記機械学習により算出された関数であってよい。

また上述の着座姿勢判定装置によれば、前記傾き情報取得部は、前記椅子の座面に設けられた複数の傾きセンサから傾き情報を取得してよい。

また上述の着座姿勢判定装置において、前記傾き情報取得部は、人が前記椅子に着座していない状態における前記傾きセンサにおける前記椅子の幅方向の傾き検出基準軸を基準とした傾き情報を取得してよい。

また上述の着座姿勢判定装置において、前記傾き情報取得部は、少なくとも前記椅子の幅方向の中心位置における傾き情報を取得してよい。

また上述の着座姿勢判定装置において、前記椅子が背板部を備え、前記傾き情報取得部は、前記背板部の幅方向の中心位置における傾き情報を取得してよい。

また上述の着座姿勢判定装置において、前記傾きセンサが前記椅子の人が接触する部材の裏面に設けられてよい。

本発明の第２の態様によれば、椅子は、椅子に人が着座した状態における前記椅子の人が接触する部材の複数箇所における傾き情報を取得する傾き情報取得部と、機械学習により算出された識別関数に前記複数箇所における傾き情報を入力して着座姿勢を判定する着座姿勢判定部と、有する着座姿勢判定装置を備えることを特徴とする。

本発明の第３の態様によれば、着座姿勢判定方法は、椅子に人が着座した状態における前記椅子の人が接触する部材の複数箇所における傾き情報を取得し、機械学習により算出された識別関数に前記複数箇所における傾き情報を入力して着座姿勢を判定する。

本発明の第４の態様によれば、プログラムは、着座姿勢判定装置のコンピュータを、椅子に人が着座した状態における前記椅子の人が接触する部材の複数箇所における傾き情報を取得する傾き情報取得手段、機械学習により算出された識別関数に前記複数箇所における傾き情報を入力して着座姿勢を判定する着座姿勢判定手段、として機能させる。

本発明によれば、より信頼性の高い着座姿勢判定装置、椅子、着座姿勢判定方法、プログラムを提供することができる。

第一の実施形態による椅子の概観を示す第一の図である。 第一の実施形態による椅子の概観を示す第二の図である。 センサの計測基準方向を示す図である。 着座姿勢判定装置とセンサとの接続関係を示す図である。 着座姿勢判定装置のハードウェア構成図である。 識別関数の算出概要を示す第一の図である。 識別関数の算出概要を示す第二の図である。 第一の実施形態による着座姿勢判定装置の機能ブロック図である。 第一の実施形態による着座姿勢判定装置の処理フローを示す図である。 センサ傾き検出基準軸を基準とした傾き量の変化が姿勢判定へ影響を及ぼす重要度を示す図である。

（第一の実施形態）
以下、本発明の第一の実施形態による着座姿勢判定装置、椅子、着座姿勢判定方法、プログラムを図面を参照して説明する。
図１Ａは第一の実施形態による椅子の概観を示す第一の図である。
この図で示すように椅子１０には着座姿勢判定装置１と、複数のセンサ２とが設けられている。着座姿勢判定装置１と複数のセンサ２は、椅子１０の座面と背板面に設けられている。なお、複数のセンサ２は椅子１０の座面のみに設けられていてもよい。複数のセンサ２はそれぞれ、椅子１０の座面や背板面などの人が接触する部材の裏面に設けられてよい。図１Ａでは椅子１０の座面に４か所、背板面に２か所のセンサ２が取り付けられている状態を示しているが、それ以外の数の複数のセンサ２が取り付けられる態様であってよい。椅子１０の座面や背板面は例えばメッシュ生地で構成されており、当該メッシュ生地の裏にセンサ２が接着固定されてよい。

センサ２は傾きを検出することのできるセンサである。より具体的にはセンサ２は傾きを検出できる加速度センサや角速度センサであってよい。着座姿勢判定装置１はコンピュータであり、センサ２それぞれから信号を受信して、センサ２それぞれが検出した傾きを検出する。センサ２は例えば１秒に１回程度の間隔で傾きを計測して着座姿勢判定装置１へ出力してよい。

図１Ｂは第一の実施形態による椅子１０の概観を示す第二の図である。
図１Ｂで示すように椅子１０には、図１Ａで示した椅子１０とは異なる位置にセンサ２が設けられてよい。図１Ｂで示す椅子１０には図１Ａで示す椅子１０と同様に、着座姿勢判定装置１と、複数のセンサ２とが設けられている。図１Ｂに示す椅子１０は、座面の前方端部中心位置と後方端部中心位置とを結ぶ直線に直交する幅方向線の中央部（第一中央部）に２つのセンサ２が設けられた態様を示している。図１Ｂの当該第一中央部に設けられた２つのセンサ２をセンサ２ｂ、センサ２ｅと呼ぶこととする。また図１Ｂに示す椅子１０には、図１Ａに示す椅子１０と同様に背板面の上端中央部と下端中央部とを結ぶ直線に直交する幅方向の中央部（第二中央部）に２つのセンサ２が設けられた態様を示している。図１Ｂの当該第二中央部に設けられた２つのセンサ２をセンサ２ｇ、センサ２ｈと呼ぶこととする。図１Ｂの椅子１０に設けられる複数のセンサ２も、椅子１０の座面や背板面などの人が接触する部材の裏面に設けられてよい。

図１Ｃは人が着座していない状態におけるセンサの傾き検出基準軸方向を示す図である。
図１Ｃに示すように座面に設けられたセンサ２は、人が着座していない状態におけるセンサ２が取り付けられた座面上の点における接平面を構成した直交２軸方向、すなわちＸ軸方向およびＹ軸方向と、そのセンサ２が取り付けられた点における接平面の法線方向を示すＺ軸方向の、各３軸方向をそれぞれセンサ２の傾き検出基準軸方向とし、各傾き検出基準軸方向を基準とした傾きを検出する。具体的には、重力により発生する各軸方向の加速度Ａｃｃを検出することで、人が着座したことによる各傾き検出基準軸方向を基準とした傾き量を算出する。
また図１Ｃに示すように背板面に設けられたセンサ２は、人が着座していない状態におけるセンサ２が取り付けられた背板面上の点における接平面を構成した直交２軸方向、すなわちＸ軸方向およびＹ軸方向と、そのセンサ２が取り付けられた点における接平面の法線方向示すＺ軸方向の、各３軸方向をそれぞれセンサ２の傾き検出基準軸方向とし、各傾き検出基準軸方向を基準とした傾きを検出する。つまり各センサ２が取り付けられた点における接平面は異なる為、それぞれのセンサ２の傾き検出基準軸方向であるＸ軸方向、Ｙ軸方向、Ｚ軸方向は異なる。なお図１Ｃにおいては座面および背板面に取り付けられた各１つのセンサについてのＸ軸方向、Ｙ軸方向、Ｚ軸方向を示している。
ここでＸ軸方向の加速度をＡｃｃｘ、Ｙ軸方向の加速度をＡｃｃｙ、Ｚ軸方向の加速度をＡｃｃｚとするとセンサ２から得られた各加速度ＡｃｃによるＸ軸の傾き角度θ、Ｙ軸の傾き角度ψ、Ｚ軸の傾き角度φは、

の様に表すことができる。センサ２はこれらの算出式に基づいて得られた傾き角度の情報を着座姿勢判定装置１へ送信してもよいし、着座姿勢判定装置１が各センサ２から得られた加速度の値を用いて傾き角度の情報を算出してもよい。

図２は着座姿勢判定装置とセンサとの接続関係を示す図である。
図１Ａ，図１Ｂには図示していないが、着座姿勢判定装置１とセンサ２とは通信接続されている。通信接続は有線接続であってもよいし無線接続であってもよい。着座姿勢判定装置１は端末装置１００などと無線通信接続されてよい。着座姿勢判定装置１は端末装置１００に判定結果を送信する。端末装置１００はＰＣ（Personal Computer）や、タブレット端末、スマートフォン、腕時計型、眼鏡型などのウェアラブル端末などであってよい。

図３は着座姿勢判定装置のハードウェア構成図である。
着座姿勢判定装置１は、ＣＰＵ（Central Processing Unit）１１，ＲＡＭ（Random Access Memory）１２、ＲＯＭ(Read Only Memory)１３、通信モジュール１４などを備えてよい。着座姿勢判定装置１はこのような各機能を備えたコンピュータである。

人が椅子１０に着座すると、人の荷重により椅子１０の座面及び背板面は全体として凹む方向に変形する。この変形を座面及び背板面で見ると面の傾きが変化する。この傾きの変化量は着座姿勢が同じ場合はほぼ同じ値となり、着座姿勢が変わると異なる値となる。担当者の操作に基づいて着座姿勢判定装置１は傾きと着座姿勢との関係、あるいは傾きの変化量、すなわち人が椅子１０に着座していない時と着座している時との傾きの差異と着座姿勢との関係を求めることで、傾きや傾き差異から着座姿勢を判定するための識別関数を算出することができる。識別関数の算出は端末装置１００が行うようにしてもよい。

傾きや傾き差異から着座姿勢を判定するための識別関数の算出をより具体的に説明する。図１Ａや図１Ｂに示すように座面や背板面などの椅子１０の複数箇所について面の傾きを計測するセンサ２を設ける。センサ２の設置箇所については人が椅子１０に着座した場合に傾き変化が大きい場所が適切である。より好ましくは図１Ｂで示すようなセンサ２の椅子１０への取り付け態様とする。なお傾きを検出するセンサ２に代えて、椅子１０の座面や背板面の裏側から距測計で傾き変化を捉えたり、裏側から撮像して画像解析を行って形状変化を捉えたりするようにしてもよい。

担当者の操作により着座姿勢判定装置１は人が着座していない状態での表面の傾きを取得する。着座姿勢判定装置１はこの着座していない状態の基準の傾き値と、後述する人が着座した際の傾き値との差異を算出する（図４Ａで示す式（４）参照）。基準の傾きの計測は１回だけで無く、複数回の計測結果を平均化した値や中央値でもって基準の傾き値としても良い。例えばセンサ２における着座していない状態での計測を１分間、すなわち各センサ２は６０回計測を繰り返す。着座姿勢判定装置１は各センサ２からの出力値の平均値を求め、基準の傾き値を決定する。

図４Ａは識別関数の算出概要を示す第一の図である。
図１Ｂで示したセンサ２の椅子１０への取り付け態様によれば、センサ２は８個椅子１０に取り付けられる。この場合センサ２ａ〜センサ２ｈの８個のセンサ２による傾き角度はセンサ２ｂの３軸の各傾き角度をθ１，ψ１，φ１、センサ２ｅの３軸の各傾き角度をθ２，ψ２，φ２、・・・センサ２ｅの３軸の各傾き角度をθ８，ψ８，φ８とする。この場合の各姿勢における着座時と離席時の傾き角度の相対角度（上述の着座していない状態の基準の傾き値と、人が着座した際の傾き値との差異）は、図４Ａで示す式（４）により表される。なお図４Ａで示す式（４）においてθ１_ｉｎｉ，ψ１_ｉｎｉ，φ１_ｉｎｉ・・・は人が着座していない時の各センサの各３軸の初期値を示す。また図４Ａで示す式（４）においてθ１’，ψ１’，φ１’・・・は各センサの各３軸についての着座時と離席時の傾き角度の相対角度を示す。

なお上述においては、着座姿勢判定装置１は、着座していない状態の基準の傾き角度と、人が着座した際の傾き角度との差異を算出しているが（第二特徴量算出手法と呼ぶ）、着座姿勢判定装置１は、人が着座している際にセンサから得られる傾き角度のみから算出してもよい（第一特徴量算出手法と呼ぶ）。
また上述においては、着座していない状態の基準の傾き値と、人が着座した際の傾き値との差異を算出しているが、着座姿勢判定装置１は、下記の図４Ｂで示す各姿勢状態である時の傾き角度と、人が着座している際の標準姿勢時との相対角度（差異）を算出してもよい（第三特徴量算出手法と呼ぶ）。

図４Ｂは識別関数の算出概要を示す第二の図である。
着座姿勢判定装置が着座姿勢の判定に利用する識別関数を算出するために、担当者はさらに椅子１０に被験者を着座させる。担当者は被験者の背の位置を変化させた体幹の異なる姿勢状態（図４Ｂのａ１，ａ２，ａ３）における各センサ２それぞれの傾きを計測する。図４Ｂ中ａ１は被験者が背を前傾させた姿勢状態を示す。図４Ｂ中ａ２は被験者が背を直立させた状態を示す。図４Ｂ中ａ３は背を後傾させた姿勢状態を示す。

また担当者は被験者の臀部の位置を変化させた異なる姿勢状態（図４Ｂ中ｂ１，ｂ２）における各センサ２それぞれの傾きを計測する。図４Ｂ中ｂ１は被験者が臀部を座面上の背板面のある奥側に位置させた姿勢状態（奥座状態）を示す。図４Ｂ中ｂ２は被験者が臀部を座面上の前方側に位置させた姿勢状態（前座状態）を示す。

また担当者は被験者の上半身の姿勢の左右の傾きを変化させた異なる姿勢状態（図４Ｂ中ｃ１，ｃ２，ｃ３）における各センサ２それぞれの傾きを計測する。図４Ｂ中ｃ１は被験者が上半身を右に傾けた姿勢状態を示す。図４Ｂ中ｃ２は被験者が上半身を傾けない姿勢状態を示す。図４Ｂ中ｃ３は被験者が上半身を左に傾けた状態を示す。

着座姿勢判定装置１は体幹の異なる３通りの姿勢状態ａの何れか一つと、臀部の位置を変化させた異なる２通りの姿勢状態ｂの何れか一つと、姿勢の左右の傾きを変化させた異なる３通りの姿勢状態ｃの何れか一つと、を組み合わせた、３通り×２通り×３通り＝１８通りの各姿勢状態におけるセンサ情報を取得してよい。本実施形態においてはこの１８通りの各姿勢状態におけるセンサ情報を着座姿勢判定装置１が取得する。着座姿勢判定装置１はその１８通りの姿勢状態における各センサ２のセンサ情報が示す基準の傾きからの差分と、３つの姿勢状態ａ，ｂ，ｃのそれぞれがどの状態であるかを示す状態情報との対応関係を示す計測情報を記憶する。

着座姿勢判定装置１は上記１８通りの各姿勢状態におけるセンサ情報より多い組み合わせの各姿勢状態におけるセンサ情報を、複数箇所のセンサ２から取得してもよい。例えば、被験者が背を前傾させた姿勢状態を前傾の角度の大きさで２段階に分け、被験者が背を前傾させた姿勢状態を後傾の角度の大きさで２段階に分けることにより、被験者の背の位置を変化させた体幹の異なる姿勢状態が５通りとなる。この場合、５通り×２通り×３通り＝３０通りの各姿勢状態におけるセンサ情報を取得してよい。
また、着座姿勢として、体幹の異なる姿勢状態、臀部の位置、上半身の姿勢の左右の傾きの３種類の姿勢状態を求めているが、この３種類以外の姿勢状態を組合せても良い。例えば、背の左右旋回状態（左旋回、中立、右旋回）の３通りをさらに求めても良く、この場合は、３通り×２通り×３通り×３通り＝５４通りの各姿勢状態を判定する。

各姿勢状態におけるセンサの傾きの計測は、例えば担当者が端末装置１００を操作して、端末装置１００と着座姿勢判定装置１とを通信接続させる。担当者はこの状態で上記の各姿勢状態における各センサ２の傾きの情報を、着座姿勢判定装置１で受信させる。
担当者は複数の被験者について同様の各姿勢状態での各センサ２の傾きの情報を着座姿勢判定装置１で取得させてよい。担当者は異なる年代の被験者について同様の各姿勢状態での各センサ２の傾きの情報を着座姿勢判定装置１で取得させてよい。各被験者はさらに男女それぞれであることが好ましい。また、各被験者はさまざまな体格であることが好ましい。

なお、被験者がどのような着座姿勢であるかを判定する手法としては、着座する人が意識して姿勢を取り着座姿勢判定装置１にその情報を取得させる手法、観察者が着座姿勢を判定し着座姿勢判定装置１にその情報を取得させる手法、着座状態を撮像した画像から着座姿勢を着座姿勢判定装置１が自動判定する手法などを用いることができる。なお、傾きの差分は、計測結果の平均値、最頻値、中央値などであってよい。

着座姿勢判定装置１は所定の計測情報が所定のデータ量に達したかを判定する。着座姿勢判定装置１は所定のデータ量に達していない場合には所定のデータ量に達するまで計測情報を取得する。着座姿勢判定装置１は上記計測情報を例えば５００例など多数得ることにより、機械学習を用いて各センサ２で得られた傾きの基準の傾きからの差分を入力としてその入力応じた着座姿勢を出力する識別関数を算出する。着座姿勢判定装置１が行う機械学習については例えばランダムフォレスト法などの公知の技術を用いることができる。着座姿勢判定装置１は算出した識別関数に対応するプログラムを用いて、各センサ２から取得した傾き値に基づいて着座姿勢を判定する。

なお、上述のランダムフォレスト法を用いた機械学習により図７で示すように実際に算出した特徴量の重要度（ジニ係数）を比較すると、センサ２ｂ、２ｅ、２ｇ、２ｈのＸ軸（２ｂ＿ｘ，２ｅ＿ｘ，２ｇ＿ｘ，２ｈ＿ｘ）の傾き角度、すなわち水平方向の軸の傾き情報の重要度が高いことが確認された。図７のグラフは、８つの各センサのＸ軸、Ｙ軸、Ｚ軸の各傾き角度（特徴量）の重要度を、上記第一特徴量算出手法〜第三特徴量算出手法で得られた角度あるいは相対角度を用いて算出した場合についてそれぞれ示したグラフである。この結果より、着座姿勢判定装置１の傾き情報取得部１０１は、椅子１０における水平方向の軸の傾き情報が特に重要であることがわかる。また、同様に椅子１０には椅子の幅方向の中心位置に設けられたセンサ２（２ｂ、２ｅ、２ｇ、２ｈ）の傾き情報が重要であることがわかる。
着座姿勢判定装置１はそれらセンサ２ｂ、２ｅ、２ｇ、２ｈで得られた傾きの基準の傾きからの差分を入力としてその入力応じた着座姿勢を出力する識別関数を算出してもよい。そして椅子の幅方向の中心位置に設けられたセンサ２（２ｂ、２ｅ、２ｇ、２ｈ）には計測精度の高いセンサ２を用い、他のセンサにはそれらのセンサよりも精度の低い安価なセンサを用いれば、全体のコストを抑えつつ、着座姿勢判定の精度を向上させることが可能となる。なお椅子１０に背板面が設けられていない場合には、着座姿勢判定装置１は、センサ２ｂ、センサ２ｅから得た傾き情報（基準の傾きからの差分）を入力としてその入力応じた着座姿勢を出力する識別関数を算出してもよい。

着座姿勢判定装置１は被験者の属性に応じた識別関数をそれぞれ算出するようにしてもよい。例えば年齢、性別、体重別、身長別などの属性に応じた識別関数を算出するようにしてもよい。この場合、着座姿勢判定装置１は、識別関数を算出する前提として被験者の上記属性のうちの何れか一つまたは複数の情報を取得する。そして被験者の属性に応じて被験者を分類し、分類された被験者ごとの識別関数を算出するようにしてもよい。

なお識別関数を算出する着座姿勢判定装置１が備えられた椅子１０は、人の姿勢を判定する際に当該人が着座する椅子１０と同一であっても良いし、識別関数の算出の為にある学習用椅子であってもよい。つまり識別関数の算出の為にある学習用椅子と、実際に人の姿勢を判定する際に当該人が着座する椅子１０とは異なってよい。この場合、学習用椅子と実際に人の姿勢を判定する際に当該人が着座する椅子１０の構造は同一または類似した構造とし、識別関数算出に用いる傾きを測定するセンサの学習用椅子における設置箇所は、実際に人の姿勢を判定する際に当該人が着座する椅子１０におけるセンサの設置箇所に相当する箇所（すなわち、同じ箇所、あるいは近傍箇所）とする。

図５は第一の実施形態による着座姿勢判定装置の機能ブロック図である。
この図が示すように着座姿勢判定装置１は、着座姿勢判定プログラムを実行することにより、傾き情報取得部１０１と着座姿勢判定部１０２の機能を備える。
傾き情報取得部１０１は、椅子１０に人が着座した状態における椅子１０の人が接触する部材（座面や背板面）における傾き情報を取得する。着座姿勢判定部１０２は、機械学習により算出された識別関数に各センサ２の傾き情報を入力して着座姿勢を判定する。

図６は第一の実施形態による着座姿勢判定装置の処理フローを示す図である。
着座姿勢判定装置１の傾き情報取得部１０１は、人が着座した後に各センサ２が検出した傾き値を１秒間隔毎などの所定の間隔毎に取得する（ステップＳ６０１）。傾き情報取得部１０１は取得した傾き値を着座姿勢判定部１０２へ出力する。この時、傾き情報取得部１０１は各センサ２のＸ軸の傾き検出基準軸の傾き値のみを着座姿勢判定部１０２に出力して、当該Ｘ軸の傾き検出基準軸の傾き値のみを以下の処理に用いるようにしてもよい。着座姿勢判定部１０２は、１分間の間に各センサ２から取得したセンサ値を、各センサ２に対応する傾き値毎に平均などして統計値（平均値、中央値など）を算出する（ステップＳ６０２）。着座姿勢判定部１０２は各センサ２の統計値の基準の傾き値からの差分を算出する（ステップＳ６０３）。なお着座姿勢判定部１０２はステップＳ６０２の処理を行わずに、各センサ２から得た傾き値と、各センサ２についての基準の傾き値のそれぞれの差分を算出するようにしてもよい。着座姿勢判定部１０２はそれら差分の値を識別関数に入力する。着座姿勢判定部１０２は識別関数に対応するプログラムを用いて各センサ２において計測された基準の傾きからの差分に応じた姿勢情報を算出する（ステップＳ６０４）。なお各センサの差分と、その差分に応じた姿勢情報との関係は図４Ｂを用いて説明した手法に基づいて、予め着座姿勢判定装置１が記憶していてよい。着座姿勢判定部１０２は算出した姿勢情報を端末装置１００へ送信する（ステップＳ６０５）。

端末装置１００は受信した姿勢情報を出力する。または端末装置１００は受信した姿勢情報を記憶するようにしてもよい。着座姿勢判定装置１の着座姿勢判定部１０２は、算出した姿勢情報を自装置に記憶してもよい。または着座姿勢判定装置１に液晶モニタやスピーカなどの出力装置が設けられている場合には、着座姿勢判定部１０２は当該出力装置を用いて算出した姿勢情報を出力するようにしてもよい。

第一の実施形態による着座姿勢判定装置１によれば機械学習により算出された各センサ２の傾きから姿勢を識別する識別関数を用いることで、各センサ２について計測した傾きの差異による着座姿勢を判定することが可能となる。
また第一の実施形態による着座姿勢判定装置によれば、座面や背板面における広い領域にセンサを設けることなく、より精度の高い着座姿勢を判定することができる。

椅子１０には被験者の属性を取得する装置が設けられていてもよい。例えば着座姿勢判定装置１に属性を入力する入力ボタンが備わっていてもよい。または例えば椅子１０の沈み具合に応じた体重を検出する体重検出器が椅子１０に設けられており、着座姿勢判定装置１は体重検出器から取得した値によって着座する人の体重を推定してもよい。着座姿勢判定装置１は取得した人の属性に応じた識別関数を用いてセンサ２から得た情報に基づく姿勢情報を算出するようにしてもよい。

上述の説明では、着座姿勢判定装置１は、人が椅子１０に着座していない時と着座している時との傾きの差異と着座姿勢との関係を求めることで、傾き差異から着座姿勢を判定するための識別関数を算出しているが、他の手法により識別関数を算出してもよい。
より具体的に説明すると、人が椅子１０に着座していない状態を状態Ａ、人が椅子１０に着座して基本姿勢（予め定められた姿勢）である奥座・直立・中央に座っている状態を状態Ｂ、人が椅子１０に実際に自由に着座している状態を状態Ｃとする。上述の説明では状態Ａと状態Ｃとの差異により識別関数を算出している。しかし、状態Ｂと状態Ｃとの差異により識別関数を算出してもよい。

または着座姿勢判定装置１は、状態Ｃにおける各センサ２の傾き情報と姿勢との関係に基づいて、識別関数を算出するようにしてもよい。この場合、着座姿勢判定装置１は、状態Ｃにおける各センサ２の傾き情報と姿勢との複数の組み合わせに基づいて識別関数を算出する。

（第二の実施形態）
次に本発明の第二の実施形態による着座姿勢判定装置、椅子、着座姿勢判定方法、プログラムを参照して説明する。
第二の実施形態による着座姿勢判定装置や椅子１０の構成は図１Ａ，図１Ｂ，図２，図３で示した第一の実施形態の着座姿勢判定装置や椅子１０と同様である。
第二の実施形態による着座姿勢判定装置１は、計測開始時刻から計測終了時刻までの時間の人が着座している状況において、所定の時間間隔で第一の実施形態に記載の手法で求めた姿勢情報（姿勢変化）を記憶する。また着座姿勢判定装置１は測定装置等で計測された椅子１０に着座している人の集中度を取得する。例えば、着座姿勢判定装置１は脳波計、瞳孔観察装置、呼吸計測装置などの測定装置と通信接続されてよい。着座姿勢判定装置１は、これら測定装置から得た、椅子１０に着座した人の脳波、瞳孔の開度などを示す情報、単位時間当たりの呼吸回数の情報などから公知の手法にて集中度を求め、その集中度を示す情報を、計測開始時刻から計測終了時刻までの時間における所定の時間間隔で記録する。着座姿勢判定装置１は、所定の時間間隔毎の姿勢情報（姿勢変化）と、所定の時間間隔毎の集中度と用いて、姿勢変化から集中度を識別する第二の識別関数を機械学習により算出する。

着座姿勢判定装置１は集中度の代わりにストレス度合、眠気度合などの情報を用いて機械学習により上記と同様の手法を用いて第二の識別関数を同様に算出するようにしてよい。この場合着座姿勢判定装置１は、姿勢変化から、脳波計、瞳孔観察装置、呼吸計測装置から得られた情報を用いて求めたストレス度合、眠気度合を識別する第二の識別関数を算出してもよい。着座姿勢判定装置１は、椅子１０に備わるその他の装置からストレス度合や眠気度合の算出の元となる情報を取得するようにしてもよい。集中度、ストレス度合、眠気度合の算出の元となる情報を計測する装置は椅子１０とは別体に設けられてよい。
着座姿勢判定装置１が所定の時間間隔毎の姿勢情報（姿勢変化）と、集中度、ストレス度合、眠気度合の何れか一つまたは複数の情報を用いて第二の識別関数を算出することにより、所定の時間間隔毎の姿勢情報（姿勢変化）から集中度、ストレス度合、眠気度合を求めることができる。当該識別関数を用いることで、例えば姿勢に応じて、現在椅子１０に着座している人の集中度、ストレス度合、眠気度合を判定することができる。

例えば着座姿勢判定装置１は第一の実施形態と同様に着座している人の姿勢判定の結果を所定の時間間隔毎に取得する。そして着座姿勢判定装置１はその所定の時間間隔毎の姿勢情報（姿勢変化）を第二の識別関数に入力して現在までの姿勢変化に対応する着座している人の集中度、ストレス度合、眠気度合を算出する。着座姿勢判定装置１は人の集中度、ストレス度合、眠気度合などに基づいて、端末装置１００の挙動を制御するようにしてもよい。例えば着座姿勢判定装置１は椅子１０に着座している人の集中度が高い場合には、端末装置１００に対して緊急以外のメール通知を行わないなどの制御を行って良い。または着座姿勢判定装置１は高ストレス状態と判定した際にはリラックス緩和作用のある芳香を出力する指示を芳香発生装置などに送信するようにしてもよい。または着座姿勢判定装置１は眠気度合が大きいと判定した場合には休憩を促すような警告情報を出力するようにしてもよい。

また着座姿勢判定装置１は、複数のセンサ２から得た傾き情報を用いて、人の集中度、ストレス度合、あるいは眠気度合を一つの識別関数により識別するようにしてもよい。例えば集中度を識別する場合、着座姿勢判定装置１は、まず、人が着座していない状況における、各センサ２から得た傾き情報を記憶する。人が着座していない状況における傾き情報は、センサ２からいつ得てもよい。次に、着座姿勢判定装置１は、計測開始時刻から計測終了時刻までの時間の人が着座している状況において、所定の時間間隔で各センサ２から得た傾き情報を記憶する。着座姿勢判定装置１は計測開始時刻から計測終了時刻までの時間における所定の時間間隔毎に、人が着座していない場合と着座している場合の各センサ２から得た傾き情報の差異を算出する。また着座姿勢判定装置１は、計測開始時刻から計測終了時刻までの時間における所定の時間間隔毎に、測定装置等で計測された椅子１０に着座している人の集中度を取得する。例えば、着座姿勢判定装置１は脳波計、瞳孔観察装置、呼吸計測装置などの測定装置と通信接続されてよい。着座姿勢判定装置１は椅子１０に着座した人の集中度を表す脳波、瞳孔の開度などを示す情報、単位時間あたりの呼吸回数の情報などから公知の手法にて集中度を求め、計測開始時刻から計測終了時刻までの時間における所定の時間間隔で記録する。着座姿勢判定装置１は、着座していない場合と着座している場合における所定の時間間隔毎の各センサ２から得た傾き情報の差異と、所定の時間間隔毎の集中度とを用いて、各センサ２の傾き情報から集中度を識別する第三の識別関数を機械学習により算出する。

第一実施形態および第二実施形態において説明した着座姿勢判定装置１は、椅子１０に人が着座した状態における椅子１０の人が接触する部材の複数箇所の傾き情報を取得し、機械学習により算出された識別関数に傾き情報を入力して着座姿勢を判定する。着座姿勢判定装置１は、椅子１０に設けられた複数の傾きセンサから傾き情報を取得する。識別関数は人が複数の異なる着座姿勢で椅子１０に着座した状態において傾きセンサから得られた複数の傾き情報それぞれを用いて前記機械学習により算出された関数である。具体的には識別関数は人が着座していない状態における傾きセンサから得られた複数の傾き情報と、人が複数の異なる着座姿勢で椅子１０に着座した状態において傾きセンサから得られた複数の傾き情報との差をそれぞれ用いて機械学習により算出された関数である。
これにより、機械学習により算出された各センサ２の傾きと姿勢との対応関係を示す識別関数を用いることで、各センサ２について計測した傾きの差異による着座姿勢を判定することが可能となる。

第一実施形態および第二実施形態において説明した着座姿勢判定装置１は椅子１０の座面のみに設けられた複数の傾きセンサから傾き情報を取得してよい。
人が椅子１０に座るときに最も荷重がかかるのは座面であるため、座面の表面が傾き変化量が最も大きくなる。変化量の大きい箇所のデータ用いることができるため、精度の高い識別関数を算出でき、結果、精度の高い姿勢の判定を行うことが可能となる。
また背板面は、椅子１０に座った人が前傾姿勢から後傾姿勢に変わった場合に座面よりも大きく表面の傾きが変化する。変化の大きい箇所のデータを用いることができるため、椅子１０に座った人の後方向の動きを顕著に捉えることが可能となり、特に後傾姿勢の判定精度が向上する。
なお、センサが取り付けられる箇所自体には着座する人が接触する必要は無く、着座による傾き変化量が大きい箇所であればどこでも良い。

なお上述の第一実施形態や第二実施形態における椅子１０は、図１Ａ，図１Ｂで示すような椅子１０以外にも、自動車のシート、鉄道や飛行機の乗員用シート、乗客用シート、あるいは映画館・劇場の観客用シートなどであってもよい。

第一実施形態および第二実施形態において説明した着座姿勢判定装置１や端末装置１００は内部に、コンピュータシステムを有している。そして、上述した各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。

また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

１・・・着座姿勢判定装置，２・・・センサ，１０・・・椅子，１１・・・ＣＰＵ，１２・・・ＲＡＭ，１３・・・ＲＯＭ，１４・・・通信モジュール，１００・・・端末装置，１０１・・・傾き情報取得部，１０２・・・着座姿勢判定部

Claims (13)

1. 椅子に人が着座した状態における前記椅子の人が接触する部材の複数箇所における傾き情報を取得する傾き情報取得部と、
   機械学習により算出された識別関数に前記複数箇所における傾き情報を入力して着座姿勢を判定する着座姿勢判定部と、
   を備える着座姿勢判定装置。
2. 前記椅子に設けられた複数の傾きセンサから傾き情報を取得する傾き情報取得部とを備える請求項１に記載の着座姿勢判定装置。
3. 前記識別関数は、人が複数の異なる着座姿勢で学習用椅子に着座した状態において当該学習用椅子の人が接触する部材の複数箇所であって、前記椅子の人が接触する部材の複数箇所それぞれに相当する各箇所における傾き情報を用いて前記機械学習により算出された関数である
   ことを特徴とする請求項１または請求項２に記載の着座姿勢判定装置。
4. 前記識別関数は、人が前記学習用椅子に着座していない状態における前記複数箇所における傾き情報と、人が複数の異なる着座姿勢で前記学習用椅子に着座した状態において得られた前記複数箇所の傾き情報との差をそれぞれ用いて前記機械学習により算出された関数である
   ことを特徴とする請求項３に記載の着座姿勢判定装置。
5. 前記識別関数は、人が予め定められた姿勢で前記学習用椅子に着座した状態における前記複数箇所における傾き情報と、人が複数の異なる着座姿勢で前記学習用椅子に着座した状態における前記複数箇所の傾き情報との差を用いて前記機械学習により算出された関数である
   ことを特徴とする請求項３に記載の着座姿勢判定装置。
6. 前記傾き情報取得部は、前記椅子の座面に設けられた複数の傾きセンサから傾き情報を取得する
   請求項２に記載の着座姿勢判定装置。
7. 前記傾き情報取得部は、人が前記椅子に着座していない状態における前記傾きセンサにおける前記椅子の幅方向の傾き検出基準軸を基準とした傾き情報を取得する
   請求項２に記載の着座姿勢判定装置。
8. 前記傾き情報取得部は、少なくとも前記椅子の幅方向の中心位置における傾き情報を取得する
   請求項２に記載の着座姿勢判定装置。
9. 前記椅子が背板部を備え、
   前記傾き情報取得部は、前記背板部の幅方向の中心位置における傾き情報を取得する
   請求項８に記載の着座姿勢判定装置。
10. 前記傾きセンサが前記椅子の人が接触する部材の裏面に設けられた請求項１から請求項９の何れか一項に記載の着座姿勢判定装置。
11. 椅子に人が着座した状態における前記椅子の人が接触する部材の複数箇所における傾き情報を取得する傾き情報取得部と、
    機械学習により算出された識別関数に前記複数箇所における傾き情報を入力して着座姿勢を判定する着座姿勢判定部と、有する着座姿勢判定装置
    を備えた椅子。
12. 椅子に人が着座した状態における前記椅子の人が接触する部材の複数箇所における傾き情報を取得し、
    機械学習により算出された識別関数に前記複数箇所における傾き情報を入力して着座姿勢を判定する
    着座姿勢判定方法。
13. 着座姿勢判定装置のコンピュータを、
    椅子に人が着座した状態における前記椅子の人が接触する部材の複数箇所における傾き情報を取得する傾き情報取得手段、
    機械学習により算出された識別関数に前記複数箇所における傾き情報を入力して着座姿勢を判定する着座姿勢判定手段、
    として機能させるプログラム。

Images