JP7361784B2 - 行動タスク評価システムおよび行動タスク評価方法 - Google Patents

Description

本発明は、行動タスク評価システムおよび行動タスク評価方法に関し、例えば装着型動作補助装置を装着する装着者がリハビリテーションを行う際に適用して好適なものである。

近年の少子高齢化の進展に伴い、要介護者の数が年々増加しているのに対して、それに見合う介護者の数が十分に補われることなく、介護現場における人手不足が問題となっている。その結果、環境整備が十分でない場合には、介護者の作業負担の増大した結果、疲弊やストレスの増大に起因する介護の質低下や介護業界離れにつながるおそれがある。

このような介護現場にて介護者の負担を軽減すべく、介護者の腰部に装着して介護作業のような重筋作業の動作をアシストする装着式動作補助装置が普及しつつある。しかし、実際に装着式動作補助装置を装着した場合であっても、長時間の介護作業を行えば介護者に疲労が生じることには変わらないため、労務上の立場から介護事業主は各介護者の疲労の度合いをそれぞれ客観的に把握しておく必要がある。

従来、被験者の客観的疲労度および主観的疲労度の測定結果に基づいて、双方の疲労度が疲労度評価領域にマークとして反映された疲労度評価画像を生成し、当該疲労度評価領域内のマーク位置に対応する疲労度軽減アドバイスを参照表示させるようにして、疲労度を被験者に効率よく提示することが可能な疲労度評価システムが提案されている（特許文献１参照）。

この被験者の客観的疲労度としては、自律神経機能、活動量や睡眠状況などのライフログ、血圧、血液成分、唾液成分、生理活性物質（ホルモン）の濃度、抗酸化物質の濃度、代謝物の濃度および体内中のウィルスが挙げられている。

また測定対象者に関するセンサ情報に基づいて、当該測定対象者の心身の安静状況または準安静状況に該当するか否かを所定時間毎に判定し、当該判定結果のうち該当時間に対応するセンサ情報から測定対象者の身体状態に関する状態値を算出することにより、測定対象者を安静状況にさせることなく、当該状態値を得ることができる心身状態測定装置が提案されている（特許文献２参照）。

このセンサ情報としては、カメラ、マイク、加速度センサ、圧力センサ、脈波、心拍数または心電位等のウェアラブルセンサおよび脳波計が挙げられている。また測定対象者の身体状態に関する状態値は、慢性ストレス値、急性ストレス値および集中度等を表している。

特開２０１７－０２３４７７号公報 国際公開２０１８／号０１６４５９号

ところで、上述の特許文献１の疲労度評価システムにおいては、被験者が自身の客観的疲労度、主観的疲労度およびそれらを統合した疲労度をより直感的に把握できるとともに、客観的疲労の状態と主観的疲労の状態との間にズレがあるか否かを、被験者に容易に理解させることができる利点がある。

しかし、この疲労度評価システムでは、疲労状態に基づく生活習慣の改善にとどまり、どのような行動をしているときに疲労が生じるかといった具体的なタスクとの関係で疲労原因を判断することは非常に困難である。

また、特許文献２の心身状態測定装置においては、測定対象者が安静状況または準安静状況にあるときのみ、センサ情報に基づいた状態値を取得することができ、測定対象者が特定安静状況になるまで待機する必要がなくなるといった測定対象者の負荷が軽減される利点がある。

しかし、この心身状態測定装置では、安静状況または準安静状況における時間単位での身体状態の測定にとどまるため、測定対象者の身体状態である慢性ストレス、急性ストレスおよび集中状態がどの動作に起因するかを判断することが非常に困難である。

このように特許文献１および２においては、生活習慣の改善のために所用時間単位で身体状態を把握することは可能であっても、細かい動作フェーズ単位で詳細に疲労の原因が存在するかを評価するに至っていない。

本発明は以上の点を考慮してなされたもので、疲労の原因を時系列的な動作フェーズ単位で評価することが可能な行動タスク評価システムおよび行動タスク評価方法を提案するものである。

かかる課題を解決するため本発明においては、対象者の認知系、運動系、神経系および生理系の活動状態のうち少なくとも１以上の活動状態を検知する活動状態検知部と、対象者が所定の行動タスクを実行する際に、活動状態検知部の検知結果である活動状態データに基づいて、当該行動タスクを対象者の活動状態の相関性に応じた動作フェーズ単位で時系列的に分割する行動タスク分割部と、行動タスクごとの活動状態データを、当該行動タスクを構成する動作フェーズ単位で記憶するデータ記憶部と、対象者が行動タスクを習慣的に実行した際、データ記憶部から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データを読み出して、各動作フェーズに対して類似性に基づくクラスタ分析を行って集合化するクラスタ分析部と、クラスタ分析部により集合化された別回同士の動作フェーズを比較しながら、当該各動作フェーズにおける対象者の活動状態の偏差を評価関数として算出する評価関数算出部と、評価関数算出部により算出された評価関数に基づいて、行動タスクにおける動作フェーズごとに対象者の健康状態の遷移を推定する状態遷移推定部と、状態遷移推定部により推定された対象者の健康状態の遷移に基づいて、対象者による行動タスクの実行効率が所定レベル以下となる動作フェーズを特定する懸念動作フェーズ特定部とを備えるようにした。

この結果、行動タスク評価システムでは、対象者が所定の行動タスクを実行する際に、自己の活動状態の検知結果に基づいて、当該行動タスクの習慣的な繰り返しにより得られる対象者の健康状態の遷移との関係性から、その実行効率が所定レベル以下になる動作フェーズを的確に特定することができる。

また本発明においては、活動状態検知部は、対象者が行動タスクを実行する際、動作フェーズごとに対象者の動きを慣性式モーションキャプチャとして認識する動き認識部を備え、動き認識部により認識された動きデータを対象者の運動系の活動状態として検知するようにした。

この結果、行動タスク評価システムでは、対象者の活動状態として、動作フェーズごとの自己の動きの認識を含めることにより、行動タスクの実行効率が所定レベル以下になる動作フェーズの特定精度をさらに高めることができる。

また本発明においては、対象者が行動タスクを実行する行動環境に関する環境データを取得する環境データ取得部を備え、かつ、環境データ取得部により取得された環境データを活動状態データおよび動きデータと同期させてデータ記憶部に記憶しておき、クラスタ分析部は、対象者が行動タスクを習慣的に実行した際、データ記憶部から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データ、動きデータおよび環境データを読み出して、各動作フェーズに対してクラスタ分析を行って集合化するようにした。

この結果、行動タスク評価システムでは、対象者の活動状態として、動作フェーズごとの行動環境の取得結果を含めることにより、行動タスクの実行効率が所定レベル以下になる動作フェーズの特定精度をさらに高めることができる。

さらに本発明においては、活動状態検知部は、対象者が視覚、聴覚および触覚の少なくとも１以上の知覚を利用して当該対象者の認知から動作に致るまでの反応速度を所定時間計測する認知度検知部を備え、当該認知度検知部による計測結果に応じて対象者の認知度を当該対象者の認知系の活動状態として検知するようにした。

この結果、行動タスク評価システムでは、対象者の活動状態を客観的に検知するのみならず、対象者が自らの知覚反応状態を計測した結果である認知度を認知系の活動状態（特に意欲）として加えることにより、行動タスクの実行効率が所定レベル以下になる動作フェーズの特定精度をさらに高めることができる。

さらに本発明においては、懸念動作フェーズ特定部により特定された動作フェーズについて、対象者への健康状態を害する可能性があるか否かを判断する動作妥当性判断部を備えるようにした。この結果、行動タスク評価システムでは、疲労の原因として特例された動作フェーズについて、対象者への健康状態を害する可能性がある場合には、行動タスク自体に過剰負荷の問題があると判断することができる。

さらに本発明においては、動作妥当性判断部の判断結果に応じて対象者の健康状態を改善するためのアドバイスデータを作成し、当該アドバイスデータを対象者にフィードバック通知するフィードバック通知部を備えるようにした。この結果、行動タスク評価システムでは、疲労の原因として特定された動作フェーズに基づいて、対象者に対して休憩時間やそのタイミングおよび回数などのアドバイスを与えることによって健康状態の改善に寄与することが可能となる。

さらに本発明においては、上述した行動タスク評価システムを複数の異なる対象者にそれぞれ適用し、懸念動作フェーズ特定部により特定された動作フェーズが少なくとも２名以上の各対象者に共通して存在する場合、当該動作フェーズにおける各対象者の健康状態の遷移に基づいて、当該動作フェーズの実行効率の低下原因を分析する低下原因分析部をさらに備えるようにした。

この結果、行動タスク評価システムでは、複数の対象者にとって疲労の原因となる動作フェーズが共通する場合、当該動作フェーズにおける各対象者の健康状態の遷移に基づいて実行効率の低下原因を分析することにより、当該動作フェーズに潜む問題を明確にして解決に導く可能性を見出すことができる。

さらに本発明においては、懸念動作フェーズ特定部により特定された動作フェーズが各対象者に共通して存在する比率を当該動作フェーズごとに算出する共通比率算出部と、共通比率算出部により算出された動作フェーズごとの比率が所定比率以上である場合に、当該各動作フェーズを含む行動タスク自体に問題があるか、または各動作フェーズの実行順番に問題があるかを判断する問題箇所判断部とを備え、低下原因分析部は、問題箇所判断部の判断結果を含めて、各動作フェーズの実行効率の低下原因を分析するようにした。

この結果、行動タスク評価システムでは、複数の対象者にとって疲労の原因となる動作フェーズが共通する場合、当該動作フェーズが共通して存在する比率が所定比率以上の場合には、当該動作フェーズを含む行動タスク自体に問題があるか、または各動作フェーズの実行順番に問題があるかを判断して、各動作フェーズの実行効率の低下原因を分析することにより、当該動作フェーズに潜む問題を明確にして解決に導く可能性を見出すことができる。

さらに本発明においては、対象者の認知系、運動系、神経系および生理系の活動状態のうち少なくとも１以上の活動状態を検知する第１ステップと、対象者が所定の行動タスクを実行する際に、第１ステップの検知結果である活動状態データに基づいて、当該行動タスクを対象者の活動状態の相関性に応じた動作フェーズ単位で時系列的に分割する第２ステップと、行動タスクごとの活動状態データを、当該行動タスクを構成する動作フェーズ単位でデータ記憶部に記憶する第３ステップと、対象者が行動タスクを習慣的に実行した際、データ記憶部から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データを読み出して、各動作フェーズに対して類似性に基づくクラスタ分析を行って集合化する第４ステップと、第４ステップにより集合化された別回同士の動作フェーズを比較しながら、当該各動作フェーズにおける対象者の活動状態の偏差を評価関数として算出する第５ステップと、第５ステップにより算出された評価関数に基づいて、行動タスクにおける動作フェーズごとに対象者の健康状態の遷移を推定する第６ステップと、第６ステップにより推定された対象者の健康状態の遷移に基づいて、対象者による行動タスクの実行効率が所定レベル以下となる動作フェーズを特定する第７ステップとを備えるようにした。

この結果、行動タスク評価方法では、対象者が所定の行動タスクを実行する際に、自己の活動状態の検知結果に基づいて、当該行動タスクの習慣的な繰り返しにより得られる対象者の健康状態の遷移との関係性から、その実行効率が所定レベル以下になる動作フェーズを的確に特定することができる。

以上のように本発明によれば、習慣的な行動タスクを実行する際に、疲労の原因を当該行動タスクを構成する時系列的な動作フェーズ単位で評価することが可能な行動タスク評価システムおよび行動タスク評価方法を実現できる。

本発明の実施形態に係る行動タスク評価システムの全体構成を示すブロック図である。 行動タスクの構造を時間軸に沿って表した概念図である。 図１に示すサーバ装置における制御装置の内部構成を示すブロック図である。 クライアント端末装置における活動状態検知部の構成を示すブロック図である。 フィルタ適用の前後における脈波形を示すグラフである。 近赤外線画像のＲＯＩを表す概念図である。 遠赤外線画像のＲＯＩを表す概念図である。 鼻呼吸および口呼吸の説明に供する概念図である。 鼻呼吸および口呼吸の温度状態の説明に供する概念図である。 鼻呼吸による鼻孔温度の変化状態を表すグラフである。 口呼吸による口腔温度の変化状態を表すグラフである。 鼻呼吸から口呼吸への呼吸手法変化を表すグラフである。 図１０から図１２までの状態内容を重畳したグラフである。 光を用いた酸素飽和度の非接触計測の説明に供する概念図である。 他実施形態によるサーバ装置における制御装置の内部構成を示すブロック図である。 他実施形態によるサーバ装置における制御装置の内部構成を示すブロック図である。

以下図面について、本発明の一実施の形態を詳述する。

（１）本発明による行動タスク評価システムの構成
図１は本実施の形態における行動タスク評価システム１を示し、対象者ごとに設けられたクライアント端末装置２と、当該各クライアント端末装置２とインターネット等の通信ネットワーク３を介して通信可能なサーバ装置４とから構成されている。

クライアント端末装置２は、端末装置全体を制御するＣＰＵ（Central Processing Unit）からなる制御部（行動タスク分割部）１０と、対象者の種々の活動状態を検知するセンサ群からなる活動状態検知部１１とを有する。

制御部１０は、対象者が所定の行動タスクを実行する際に、活動状態検知部１１から得られる活動状態データに基づいて、当該行動タスクを対象者の相関性に応じた動作フェーズ単位で時系列的に分割した後、動作フェーズ単位で活動情報データを通信インタフェース１２から通信ネットワーク３を介してサーバ装置４に送信する。

サーバ装置４は、装置全体を統括制御する制御装置２０と、クライアント端末装置２から通信ネットワーク３を介して通信インタフェース２１にて受信される活動状態データを読出し可能に記憶するデータ記憶部２２とを有する。

まず制御装置２０は、クライアント端末装置２から送信される行動タスクごとの活動状態データを、当該行動タスクを構成する動作フェーズ単位でデータ記憶部２２に記憶する。具体的には、図２に示すように、行動タスクは、介護現場や生産現場などの労務環境下における対象者に課された業務作業の一連のまとまりを表し、当該業務作業を構成する要素としての動作フェーズが時系列的に繋がり合わされた構造を有する。

制御装置２０は、図３に示すように、クラスタ分析部３０と、評価関数算出部３１と、状態遷移推定部３２と、懸念動作フェーズ特定部３３とを備える。

クラスタ分析部３０は、対象者が行動タスクを習慣的に実行した際、データ記憶部２２から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データを読み出して、各動作フェーズに対して類似性に基づくクラスタ分析を行って集合化する。

評価関数算出部３１は、クラスタ分析部３０により集合化された別回同士の動作フェーズを比較しながら、当該各動作フェーズにおける対象者の活動状態の偏差を評価関数として算出する。

状態遷移推定部３２は、評価関数算出部３１により算出された評価関数に基づいて、行動タスクにおける動作フェーズごとに対象者の健康状態の遷移を推定する。

懸念動作フェーズ特定部３３は、状態遷移推定部３２により推定された対象者の健康状態の遷移に基づいて、対象者による行動タスクの実行効率が所定レベル以下となる動作フェーズを特定する。

このように行動タスク評価システム１では、対象者が所定の行動タスクを実行する際に、クライアント端末装置２において取得した自己の活動状態の検知結果に基づいて、サーバ装置４は当該行動タスクの習慣的な繰り返しにより得られる対象者の健康状態の遷移との関係性から、その実行効率が所定レベル以下になる動作フェーズを的確に特定することができる。

（２）活動状態検知部（センサ群）の構成
活動状態検知部１１を構成するセンサ群は、対象者の認知系、運動系、神経系および生理系の活動状態をそれぞれ検知することが可能な各種センサから構成されている。

具体的には図４に示すように、活動状態検知部１１は、主として生理系および神経系の活動状態を検知する近赤外検出部４０および遠赤外検出部４１と、主として運動系の活動状態を検知する動き認識部４３と、主として認知系の活動状態を検知する認知度検知部４４とを有する。

（２－１）生理系の活動状態の検知方法
活動状態検知部１１は、近赤外検出部４０および遠赤外検出部４１を有し、対象者の顔を中心に赤外線を照射することにより、日常生活において対象者の脈拍数の変動と皮膚温度の変化を同時かつ非侵襲に計測する。

近赤外検出部４０は、対象者の顔の頬部を含む関心領域を中心に近赤外光を照射して、当該顔からの反射光を受光して近赤外線画像を生成する。また遠赤外検出部４１は、対象者の顔の関心領域を中心に遠赤外光を照射して当該顔の皮膚温度を検出する。

制御部１０は、近赤外検出部４０にて受光した反射光のうち関心領域における強度波形の変化周期に基づいて、対象者の脈拍数を推定する。制御部１０は、近赤外検出部４０にて生成した近赤外線画像から、対象者の顔のうち自律神経系の活動の影響を受けやすい部位および受けにくい部位をそれぞれ抽出し、遠赤外検出部４０の検出結果から各部位の皮膚温度の温度差を算出する。

（２－１－１）赤外光に基づく脈拍計測方法
生体組織において吸光性のある物質は、水と血中のヘモグロビンである。水は波長が1350〔nm〕より長い赤外線に強い吸収特性をもっており、一方のヘモグロビンは波長が650〔nm〕より短い可視光に強い吸収特性をもっている。光を用いた非侵襲生体診断では、生体透過性の高い650〔nm〕から1350〔nm〕の波長をもつ赤外から近赤外領域の光を照射し、生体情報を含む反射光や透過光を計測することが多い。

脈拍は、心拍出を成因とする血圧の仕事によって血管の容積が変化する生理現象である。血管の容積変化は血流量の変化によってもたらされる。血流量の変化により、血液中へのヘモグロビンによる光の吸収量が変化するため、生体に照射した光の透過光や反射光の変化周期から脈拍数を推定することができる。

本発明においては、対象者に計測機器の装着を求めず、昼夜を問わない計測を行うため、生体に照射した近赤外光の反射率の変化周期を近赤外線カメラで計測し、脈拍数を推定する。近赤外光は不可視であるため、夜間においても被計測者に負担なく計測が可能となる。脈拍数からストレス状態を推定するためには、自律神経系の活動によって細かに変動する脈拍数を計測する必要がある。

上述のクライアント端末装置における制御部は、近赤外検出部から得られた波形データから脈拍数算出のために必要な波形周期を抽出するアルゴリズムを実装する。

近赤外検出部４０は、照射した近赤外線が生体組織で反射した反射光の強度を計測する。この近赤外検出部４０は安静時を対象として計測するが、微小な身体の動きや呼吸による顔面の動きが、反射光の光量の変化を表すモーションアーチファクトとして、脈拍波形に重畳する。

これらのモーションアーチファクトを除去するため、まず、脈拍数の周波数帯域に対してディジタルフィルタを適用する。安静時の脈拍数の範囲を35～180〔bpm〕と設定し、計測波形に対し0.5～3.0〔Hz〕の帯域にもモーションアーチファクトが重畳する可能性があるが、脈波波形に対し重畳する波形の振幅が著しく大きい。

そのため制御部は、一定時間内の波形データの分散値がある閾値を超えた場合、対象者が動作中であると認識し、その間はデータは信頼度のないものとして除去する。バンドパスフィルタ後の波形は、動脈血流量に起因する双峰性を有している。特徴点抽出を容易にするため、移動平均フィルタを適用し、二山の波形を一山にする。

計測波形に対してバンドパスフィルタおよび移動平均フィルタを適用する前後の波形をそれぞれ図５（Ａ）および（Ｂ）に示す。脈波波形に重畳していたモーションアーチファクトが、フィルタリングにより除去されていることがわかる。

続いて、一般的に近赤外線カメラで計測した光の強度波形から脈拍数を算出する手法として大きく２つの手法が知られている。

第１の手法では、顔の頬部分を関心領域（ＲＯＩ：Region of Interest）とし、ＲＧＢカメラによる計測で得た30秒間の頬部分の反射光の強度データに対しスペクトルアナライザによって得た周波数スペクトルのうち脈波成分だと思われる周波数とパルスオキシメータの示す脈拍数から求まる周波数を比較した。しかし、脈波波形に対し、体動によるノイズは著しく大きい。このような周波数解析による脈拍数の算出を試みる場合、計測対象者の行動を大きく制限する必要がある。

一方、第２の手法では、計測された波形の時系列データから検出された波形の特徴点の周期から１回の脈拍動に要する時間を算出し、その時間で60を除することで脈拍数を算出している。ある一定時間の連続した計測データを必要とする周波数解析から脈拍数を算出する手法と比較すると、計測された特徴点の周期から脈拍数を算出する手法は、体動によるノイズで誤検出された特徴点周期を取り除くことによってモーションアーチファクトの除去が可能である。また、必要とする最低計測時間が周波数解析に比べ短く、数回の拍動から脈拍数を算出できるので、より短時間間隔における脈拍数の算出が可能である。

しかし、安静状態の脈拍数は健常者で60～80〔bpm〕であることから５秒間の計測で得られる特徴点の周期は５～７回であり、より正確な脈拍数を算出するためには得られるデータ数が少ないという問題がある。また図５（Ａ）にあるように強度変化の波形が動脈血流量と同期して二山であることにより特徴点の周期の誤検出を引き起こし、算出される脈拍数に誤差が生じる要因となる。

日常的な計測のためには、計測する生体部位は昼夜を問わず露出している必要がある。そのため本発明による活動状態検知部１１では、ＲＯＩを人の頬部分に設定する。設定したＲＯＩの場所を図６に示す。設定したＲＯＩ内の画素で計測された強度値の平均を計測値とし、計測値の時間変化を脈拍波形データとして記録した。波形データの特徴点の周期として、波形の上端間隔ｔ_tpだけではなく、下端間隔ｔ_bpも別の特徴点として加えることで、脈拍数算出のための参照データとなる特徴点を増やす。

次に、脈拍数算出に必要な特徴点周期を抽出するために、検出されたｔ_tp，ｔ_bpのうち、脈拍周期を示さない、誤検出されたｔ_tp、ｔ_bpを除去するためのアルゴリズムを、以下（ａ）～（ｆ）に示す。ここで、除去前の集合をＳ_０とする。

（ａ） ｔ_tp，ｔ_bpのそれぞれに関して、あるピーク間隔ｔ_iが直前のピーク間隔t_i-1に対し、30〔%〕以上の変動がある場合、そのピーク間隔ｔ_iを集合Ｓ_０から除去する。選択されたピーク間隔の集合Ｓ_１は、以下に示す式（１）によって表される。

……（１）

（ｂ） 集合Ｓ_０の標準偏差σ_０を算出し、２σ_０の範囲でばらついたピーク間隔ｔ_iを集合Ｓ_１から除去する。選択されたピーク間隔の集合Ｓ_２は以下に示す式（２）によって表される。

……（２）

（ｃ） 集合Ｓ_２の標準偏差σ_２を算出し、σ_２の範囲でばらついたピーク間隔ｔ_iを集合Ｓ_２から除去する。選択されたピーク間隔の集合Ｓ_３は以下に示す式（３）によって表される。

……（３）

（ｄ） 集合Ｓ_３の標準偏差σ_３を算出し、σ_３の範囲でばらついたピーク間隔ｔ_iをＳ_３から除去する。選択されたピーク間隔の集合Ｓ_４は以下に示す式（４）によって表される。

……（４）

（ｅ） 集合Ｓ_４に残るピーク間隔血を脈拍数に換算し、脈拍数５〔bpm〕刻みのヒストグラムを作成する。このとき、ヒストグラムの１区間の脈拍数の幅は等しいが、その脈拍数に対応するピーク間隔の幅は異なる。そこで、以下に示す式（５）によって重み値付きのヒストグラムを作成する。

……（５）

ここで、ｔ_30-35は脈拍数30〔bpm〕から35〔bpm〕までのピーク間隔の時間幅、ｔ_i-i+5は脈拍数ｉ〔bpm〕からｉ＋５〔bpm〕までのピーク間隔の時間幅、ｈ_i-i+5は補正前の脈拍数ｉ〔bpm〕からｉ＋５〔bpm〕までのピーク間隔の頻度、ｈ’_i-i+5は脈拍数ｉ〔bpm〕からｉ＋５〔bpm〕までのピーク間隔の頻度の補正値を表す。

（ｆ） 重み付きヒストグラムの値に関して、隣接する４区間の頻度の和が最大となるような幅20〔bpm〕の窓を設け、その範囲外にあるピーク間隔ｔ_iを除去する。

以上のアルゴリズムに従い、抽出されたピーク間隔の平均値を計測時間内のピーク幅tとし、60秒をピーク間隔tで除した値を脈拍数とする。

このように制御部１０は、近赤外検出部４０から得られる反射光の強度波形における上端および上端にそれぞれ特徴点を設定し、当該各特徴点の周期である上端同士および下端同士のピーク間隔に基づいて、脈拍数を推定する。また制御部１０は、複数のピーク間隔の標準偏差を算出し、当該標準偏差を基準として脈拍周期を示さないピーク間隔を除去する。さらに制御部１０は、除去した残りのピーク間隔に基づいて換算した脈拍数から、所定時間単位の重み付きヒストグラムを作成し、当該ヒストグラムに基づいてピーク間隔の頻度を補正する。

かくして制御部１０は、設定したＲＯＩ内の画素群に基づく比較的短時間の脈拍波形データの計測波形から正確な脈拍数を算出することができる。

（２－１－２）遠赤外検出部による皮膚温度計測
生体内部で発生した熱は、伝導と対流により体表面に運ばれる。ただし、生体組織自体による熱伝導は悪く、熱遮断として作用するため、皮膚への熱の運搬のほとんどは皮膚血流によるものとされる。皮膚血流量は、交感神経系と副交感神経系による血管の収縮・拡張作用を中心にした自律神経系の活動により変化する。

従来の先行研究では、皮膚温度の変化を計測することで、自律神経系の活動を推定する試みがなされている。しかし、顔の熱分布は被計測者の髪型や眼鏡の装着の有無の影響を大きく受けるため、本発明による活動状態検知部１１では、自律神経系の活動の推定に適切な計測部位の設定を近赤外線画像から行うようにした。

皮膚温度の変化からストレス状態を推定するために、ストレスによる温度変化が顕著に現れる顔の部位を計測するＲＯＩに設定する必要がある。顔の部位の中でも、特に鼻部には自律神経系の活動の影響を受けやすい動静脈吻合血管（ＡＶＡ：Arteriovenous anastomoses）が集中しており、ストレス状態の推定を目的とした皮膚温度の計測に適している。

また、皮膚温度は外気温の影響を受けるため、皮膚温度の変化は相対温度として記録する必要がある。この際、鼻部の皮膚温度変化の基準として計測するＲＯＩは、自律神経系の活動の影響を受けにくい部位に設定する必要がある。ＡＶＡの密集度が低く、自律神経系の活動の影響を受けにくい顔の部位に前額部が挙げられる。

以上より、本発明による制御部では、皮膚温度の変化を鼻部の関心領域ＲＯＩ_nと、前額部の関心領域ＲＯＩ_ｆｈの温度差として記録する。それぞれのＲＯＩの場所を図７に示す。また、温度変化を算出する式を式（６）に示す。

……（６）

ここで、Ｔ_nはＲＯＩ_ｎ内の全画素で計測された皮膚温度の平均値、Ｔ_fhはＲＯＩ_ｆｈ内の全画素で計測された皮膚温度の平均値、Ｔ_rは前額部と鼻部の相対温度である。それぞれのＲＯＩを設定するにあたって、近赤外線画像における鼻部と前額部の座標を遠赤外線画像上の座標に変換する。

具体的に近赤外線（ＮＩＲ）画像から遠赤外線（ＦＩＲ）画像への座標変換に際して、近赤外線カメラと遠赤外線カメラとで解像度および画角が異なることから、近赤外線画像の座標情報を遠赤外線画像の画素と対応させる。

すなわち、遠赤外線画像上のｘ座標をＸ_firは、近赤外線カメラの水平画角をθ_{nir_h}、遠赤外線カメラの水平画角をθ_{fir_h}とすると、次式（７）のように表される。

……（７）

また、遠赤外線画像上のｙ座標をＹfirは、近赤外線カメラの垂直画角をθ_{nir_v}、遠赤外線カメラの垂直画角をθ_{fir_v}とすると、次式（８）のように表される。なお、ｄは光軸の差異を表し、Ｌは物体との距離を表す。

……（８）

かくして制御部１０は、近赤外検出部４０の画像情報を用いた計測対象部位の自動検出結果に続いて、遠赤外検出部４１の画像情報に基づいて、対象者の前額部と鼻部の皮膚温度の相対温度差を正確に算出することができる。

（２－１－３）皮膚温度に基づく呼吸計測
呼吸は、自律神経系の働きや免疫と関係し、睡眠障害の診断に用いられる。呼吸には、鼻呼吸（図８（Ａ））と口呼吸（図８（Ｂ））があり、本来の呼吸は鼻呼吸が望ましい。口呼吸の場合、吸気が鼻腔の繊毛や粘膜を通過しない。また口呼吸は、睡眠時無呼吸症候群（ＳＡＳ）を始め、様々な疾患の原因になる。

図９（Ａ）および（Ｂ）に示すように、鼻孔および口腔は、呼気（35～36［℃］）によって温められて、吸気（23～28［℃］）によって冷やされる。このため対象者の鼻孔および口腔に関心領域（ＲＯＩ）を設定しておき、呼吸による鼻孔と口腔との温度変化を遠赤外検出部（遠赤外線カメラ）４１によって計測する。皮膚の表面温度は外気温の影響を受けることから、鼻孔と口腔との相対温度として計測する。

実際上、皮膚の温度分布図による計測対象部位の自動検出が困難であることから、上述したように近赤外線検出部（カメラ）の画像情報を用いた計測対象部位（鼻孔および口腔）の自動検出を行い、関心領域（ＲＯＩ）を設定する。そして、鼻呼吸における鼻孔温度が比較的高いのに対して、口呼吸における口腔温度は比較的低い。

実際に対象者による鼻呼吸および口呼吸をそれぞれ30秒間ずつ連続して計測した後、１分間の休憩を挟んで再度同様の呼吸計測を４回繰り返し実行した。その結果、図１０に示すように、鼻呼吸における吸気による鼻孔の温度の低下が確認された。また、図１１に示すように、口呼吸に合わせた口腔の温度低下も確認された。

さらに図１２に示すように、鼻呼吸から口呼吸への呼吸手法変化による口の開閉も、上唇と下唇との距離に基づいて確認された。これら図１０から図１２までのグラフを重畳表示させると図１３のように表される。

なお、吸息タイミングの抽出方法としては、まず移動平均フィルタを用いて鼻孔と口腔との相対温度の計測結果から高周波ノイズを除去した後、一次微分を実行して呼気による温度低下タイミングを抽出する。

また鼻孔温度と口腔温度とが同じタイミングで低下した場合、大気圧に対して肺胞内圧が陰圧になることよって鼻腔経路での空気の流入が発生することから、口呼吸と判別することが可能となる。

このように非接触計測手法による呼吸数の算出および呼吸方法の判別を実現することができる。鼻呼吸と口呼吸の同時計測が可能であるが、各呼吸時の温度変化の特徴を考慮したアルゴリズムを実行するとによって正確な呼吸数の算出と呼吸方法の判別を実現することができる。

（２－１－４）２種類の近赤外線波長を用いた酸素飽和度
従来から血液中のヘモグロビンによる光の吸収特性を利用した計測機器として、パルスオキシメータが挙げられる。パルスオキシメータは指先に機器を装着して血中酸素飽和度および脈拍数を計測する医療機器である。

本発明では、血中酸素飽和度が呼吸数やヘモグロビンと酸素との結合度合い、心拍出量によって変化する性質をもつことから、酸素化ヘモグロビン（HbO₂）と還元ヘモグロビン（Hb）の吸光特性の違いに着目した。

従来の計測方法では、発光素子から赤外光（波長６６０［nm］付近）と近赤外線光（波長900［nm］付近）を指先に照射し、受光素子で計測された各透過光の光量比から血中酸素飽和度を推定すると同時に、透過光の光量の周期的な変化を利用して脈拍数も推定する手法が用いられている。可視光である赤外光は、酸素化ヘモグロビン（HbO₂）と還元ヘモグロビン（Hb）の吸光率差の大きいため利用されてきた。

しかし、本発明では、不可視光である近赤外線（ＮＩＲ）光のみを用いて非接触計測を行うようにした（図１４）。この結果、波長８００（または７６０）［nm］と波長９００［nm］との２種類の近赤外線光を照射する発光素子を交互に点滅させながら、当該各発光素子の照射部位（ＲＯＩ）を１台の近赤外線カメラ（近赤外検出部４０）により撮影することにより、対象者のＲＯＩを中心とする血中酸素飽和度を非接触かつ暗闇環境下においても計測することができる。

（２－２）神経系の活動状態の検知方法
自律神経には、生体が緊張状態または活動状態にあるときに機能する交感神経と、安静状態にあるときに機能する副交感神経とがある。交感神経が優位の状態では血圧値および脈拍数が上昇する一方、副交感神経が優位の状態では血圧値および脈拍数が下降することから、自律神経機能および心機能は高い相関関係を有する。

自律神経機能の測定方法として、心拍数変動を用いた心臓の交感神経の機能を測定する方法があり、具体的には、心電図波形のＲ－Ｒ間隔を用いてその変動係数を求めて評価するＣＶＲ－Ｒ（Coefficient of Variation of R-R intervals）方法や、第２に、心拍数変動の周波数成分（高周波成分および低周波成分）の変動パワー比を交感神経活動の指標とする方法が挙げられる。

また脈波を用いた血管系の交感神経の機能を測定することにより、自律神経機能を測定する方法もある。この測定方法として、特に光電容積脈波（ＰＰＧ）波形の振幅変動の大きさを自律神経機能の評価値として算出する方法が挙げられる。

本発明では、各クラスタ端末装置２において、活動状態検知部１１を構成する近赤外検出部４０および遠赤外検出部４１を用いて検出した対象者の脈拍数と、当該対象者の前額部と鼻部の皮膚温度の相対温度差と、対象者の呼吸数および呼吸方法と、対象者の酸素飽和度とのうち、全てまたはこれらのいくつかの組合せに基づいて、対象者の自律神経機能の評価（乱れの有無等）に寄与することができる。

（２－３）運動系の活動状態の検知方法
クライアント端末装置２において、活動状態検知部１１は、対象者が行動タスクを実行する際、動作フェーズごとに当該対象者の動きを認識する動き認識部４３を備える（図４）。動き認識部４３は、人間の動作を計測する手法である慣性式モーションキャプチャを実現可能なＩＭＵ（Inertial Measurement Unit）センサを構成要素の一部として有する。

ＩＭＵセンサは、撮像カメラや光学式モーションキャプチャ、機械式モーションキャプチャ、加速度・角速度・地磁気センサが１チップに搭載されて構成され、３軸の加速度、角速度および地磁気を計測することが可能である。

慣性式モーションキャプチャは、屋内・屋外にて使用可能な計測手法であり、計測場所や撮影範囲も限定されず、位置情報の計測に必要なマーカが隠れることにより正常に計測ができなくなる現象（オクルージョン）も発生しないことから、スポーツ等の激しい動作計測手法に適していると考えられる。

本発明では、動き認識部４３として、高速動作時の加速度・角速度を高速サンプリングで計測することが可能なセンサモジュールを適用する。すなわち動き認識部４３は、ＩＭＵセンサと、３軸の加速度センサと、１軸の角速度センサとがそれぞれ直交するように配置されたセンサモジュールからなる。そしてこのセンサモジュールは、測定範囲に応じて各センサをその出力値が線型関係を保つように切り替えるようになされている。

このように活動状態検知部１１は、動き認識部４３により認識された動きデータを対象者の運動系の活動状態として検知する。

（２－４）認知系の活動状態の検知方法
クライアント端末装置２において、活動状態検知部１１は、対象者が視覚、聴覚および触覚の少なくとも１以上の知覚を利用して当該対象者の認知から動作に致るまでの反応速度を所定時間計測する認知度検知部４４（図４）を備える。

認知度検知部４４では、このような対象者の反応速度を計測する手法として、フリッカーテスト技術を採用する。フリッカーテスト技術は、光源を高速に点滅させた状態では、光のちらつき（フリッカー）を認知することは困難である一方、光点滅の速度を規定する周波数を低下させると、ある周波数からフリッカーを認知することが可能となる現象を利用するものである。

このフリッカーの認知可能になり始める周波数は、フリッカー認知の閾値とされ、その閾値が精神的疲労とともに変化することが知られている。すなわち、疲労に伴い、フリッカー認知の閾値が低下し、高い周波数における光点滅を認知することができなくなり、健常時よりも低い周波数における光点滅でなければ認知することができなくなる特性を有する。

このように活動状態検知部１１は、認知度検知部４４による計測結果（認知結果）に応じて対象者の認知度を当該対象者の認知系の活動状態として検知する。

（２－５）行動環境の情報取得方法
クライアント端末装置２において、活動状態検知部１１に加えて、温度計、湿度計、気圧計、騒音計などの対象者が行動タスクを実行する行動環境に関する環境データを取得する環境データ取得部５０を備える。

制御部１０は、活動状態検知部１１から得られる活動状態データと、環境データ取得部５０から得られる環境データとを時間同期情報と併せて通信インタフェース１２から通信ネットワーク３を介してサーバ装置４に送信する。サーバ装置４では、クライアント端末装置２から送信される環境データを活動状態データと同期させてデータ記憶部２２に記憶する。

（３）行動タスク分割部の機能
クライアント端末装置２の制御部（行動タスク分割部）１０は、対象者が所定の行動タスクを実行する際に、活動状態検知部の検知結果である活動状態データに基づいて、当該行動タスクを対象者の活動状態の相関性に応じた動作フェーズ単位で時系列的に分割する。

すなわち、対象者が所定の行動タスクを実施するために必要な基本となる動作フェーズ(空間情報と時間情報とをもつ動作パターン)を単位基準として、時間軸に沿って行動タスクを実施する。

行動タスクとして、例えば介護作業を行う場合、動作フェーズとしては、入浴介助、食事介助、排泄介助、移動介助、就寝介助、レクリエーションが挙げられる。入力介助は、被介護者の体を清潔に保つのみならず新陳代謝の向上や筋肉をほぐすなどの動作が必要とされる。食事介助は、被介護者が安全に美味しく食べられるようにサポートする動作が必要とされる。

排泄介助は、被介護者によって実施タイミングがバラバラであるため常に気を配ることが必要とされるとともに、身体的および精神的にもストレスを感じるため、お互いの信頼関係を構築する必要がある。移動介助は、起きる、立ち上がる、歩く、座るなどの移動動作を安全にサポートする動作が必要とされる。就寝介助は、ベッドメイクおよびベッドへの誘導のみならず、夜中にトイレなどで目を覚ました場合の対応などの動作が必要とされる。

（４）クラスタ分析部の機能
サーバ装置４の制御装置２０において、クラスタ分析部３０は、対象者が行動タスクを習慣的に実行した際、データ記憶部２２から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データ（および必要に応じて環境データ）を読み出して、各動作フェーズに対して類似性に基づくクラスタ分析を行って集合化する。

クラスタ分析部３０は、行動タスクを構成する複数の動作フェーズについて、類似性の高い動作フェーズ同士を集合化（クラスタリング）する。各動作フェーズは、対象者の属性や性別、年齢、熟練度などの多値により表される複数のパラメータを有する。

クラスタ分析部３０は、これらの多値のパラメータを有するディリクレ過程混合分布を用いてノンパラメトリックベイズ法によりクラスタ分析を実施する。なお、クラスタ分析手法については、予め設定した目的関数により計算したデータ間の類似性に基づき各データを複数のグループに分類する手法（ｋ－ｍｅａｎｓ法）を用いるようにしてもよい。

（５）評価関数算出部の機能
制御装置２０における評価関数算出部３１は、クラスタ分析部３０により集合化された別回同士の動作フェーズを比較しながら、当該各動作フェーズにおける対象者の活動状態の偏差を評価関数として算出する。

すなわち評価関数算出部３１は、集合化された各動作フェーズについて、基準として設定された動作パターンと当該動作フェーズに対応する動作パターンとの偏差を第１の評価関数として準備する。

これとともに評価関数算出部３１は、集合化された各動作フェーズについて、基準として設定された動作パターンに要する作業時間と当該動作フェーズに対応する動作パターンに要する作業時間との偏差を第２の評価関数として準備する。

さらに評価関数算出部３１は、集合化された各動作フェーズについて、基準として設定された生理系情報を第３の評価関数として、上述の第１および第２の評価関数と併せて準備するようにしてもよい。この生理系情報の適切性を評価するために、心拍変動から交感神経等の神経系活動の状態、および、体温や血圧、心音等を指標として第３の評価関数を設定するようにしてもよい。なお、この心拍変動は、皮膚表面からの脈波変動のみならず、脈波、心電、心拍出に伴う弾道波または、マイクロ波等により得られた心活動から算出するようにしてもよい。

さらに評価関数算出部３１は、集合化された各動作フェーズについて、基準として設定された環境情報（室温、湿度、気圧および騒音等）を第４の評価関数として、上述の第１および第２の評価関数と併せて準備するようにしてもよい。

（６）状態遷移推定部の機能
制御装置２０における状態遷移推定部３２は、評価関数算出部３１により算出された第１および第２の評価関数に基づいて、行動タスクにおける動作フェーズごとに対象者の健康状態の遷移を推定する。

状態遷移推定部３２は、第１および第２の評価関数に基づいて、集合化された各動作フェーズについて、作業中にどの個別動作に疲れが現れてきているのか、あるいは、全体的な一連の作業動作に問題が生じているのかを評価する。

なお、状態遷移推定部３２は、対象者の疲労や体調不良の状態を評価するに際して、第１および第２の評価関数のみならず、第３および第４の評価関数のいずれか一方または両方を併せることにより、より高い精度で評価することが可能となる。

状態遷移推定部３２は、実質的に、対象者の行動タスクの再現性、効率性およびエラー率を評価することによって、対象者における認知系の疲労および運動系の疲労を推定するとともに、神経系の活動状態および生理系の状態を推定するが可能となる。

（７）懸念動作フェーズ特定部の機能
制御装置２０における懸念動作フェーズ特定部３３は、状態遷移推定部３２により推定された対象者の健康状態の遷移に基づいて、対象者による行動タスクの実行効率が所定レベル以下となる動作フェーズを特定する。

すなわち懸念動作フェーズ特定部３３は、行動タスクを構成する各動作フェーズについて、対象者における認知系または運動系の疲労度が比較的高いと推定した場合や、神経系の活動状態または生理系の状態が比較的悪いと推定した場合、当該行動タスクの実行効率が所定レベル以下となる動作フェーズであると特定する。

（８）動作妥当性判断部およびフィードバック通知部の機能
図４との対応部分に同一符号を付して示す図１５において、制御装置６０は、動作妥当性判断部６１およびフィードバック通知部６２をさらに備える。

動作妥当性判断部６１は、懸念動作フェーズ特定部３３により特定された動作フェーズについて、当該動作フェーズ自体に過剰負荷などの対象者への健康状態を害する可能性があるか否かを判断する。

フィードバック通知部６２は、動作妥当性判断部６１の判断結果に応じて対象者の健康状態を改善するためのアドバイスデータを作成し、当該アドバイスデータを前記対象者にフィードバック通知する。この健康状態の改善内容としては、例えば、作業の休憩時間の短縮やその取得タイミングや回数などが挙げられる。

この結果、行動タスク評価システム１では、疲労の原因として特定された動作フェーズに基づいて、対象者に対して休憩時間やそのタイミングおよび回数などのアドバイスを与えることによって健康状態の改善に寄与することが可能となる。

このように行動タスク評価システム１では、サーバ装置４は、行動タスクごとに対象者にとって疲労や体調不良の原因となる動作フェーズを特定し、当該動作フェーズに内包される問題点を当該対象者の中長期にわたる個別データとしてデータ記憶部２２に記憶しておき、対象者自身にフィードバックするとともに、必要に応じて労務管理側にもフィードバックすれば、対象者にとって適切なタイミングでの休憩の取り方や適切な労務環境や作業環境の改善を促すことが可能となる。

特に、該当する行動タスクについて、動作フェーズの作業内容のみならず、生活環境および外部環境も併せて、対象者がどのように疲労や体調不良が変化していくかの推定結果も、当該対象者の個別データに含めることが望ましい。

このように対象者または労務管理側へのフィードバック通知を繰り返すことにより、徐々に対象者にとって最適な労務環境や作業環境への改善ループが構築されることが可能となる。

（９）他の実施の形態
なお上述の実施の形態においては、行動タスク評価システム１では、行動タスクを実行する対象者を一人ずつ個別に適用した場合について述べたが、本発明はこれに限らず、複数の異なる対象者にそれぞれ同一の行動タスクを適用するようにしてもよい。

図１５との対応部分に同一符号を付して示す図１６において、制御装置７０は、低下原因分析部７１、共通比率算出部７２および問題箇所判断部７３をさらに備える。

制御装置７０において、低下原因分析部７１は、懸念動作フェーズ特定部３３により特定された動作フェーズが少なくとも２名以上の各対象者に共通して存在する場合、当該動作フェーズにおける各対象者の健康状態の遷移に基づいて、当該動作フェーズの実行効率の低下原因を分析する。

この結果、複数の異なる対象者にとって疲労の原因となる動作フェーズが共通する場合、当該動作フェーズにおける各対象者の健康状態の遷移に基づいて実行効率の低下原因を分析することにより、当該動作フェーズに潜む問題を明確にして解決に導く可能性を見出すことができる。かくして、複数の異なる対象者に対しても上述と同様に最適な労務環境や作業環境への改善ループを構築することにより、対象者個人のみならず作業空間全体に対しても同様の改善を進めることが可能となる。

さらに制御装置７０は、疲労や体調不良の原因となる複数の動作フェーズの存在比率に応じた問題判断をするようにしてもよい。すなわち、制御装置７０において、共通比率算出部７２は、懸念動作フェーズ特定部３３により特定された動作フェーズが複数の異なる対象者に共通して存在する比率を当該動作フェーズごとに算出する。

続いて制御装置７０において、問題箇所判断部７３は、共通比率算出部７２により算出された動作フェーズごとの比率が所定比率以上である場合に、当該各動作フェーズを含む行動タスク自体に問題があるか、または各動作フェーズの実行順番に問題があるかを判断する。

かくして低下原因分析部７１は、問題箇所判断部７３の判断結果を含めて、各動作フェーズの実行効率の低下原因を分析することにより、当該動作フェーズに潜む問題を明確にして解決に導く可能性を見出すことができる。

また本実の形態においては、行動タスク評価システム１を主として介護作業に適用した場合について述べたが、本発明はこれに限らず、オフィスや工場などの生産現場における生産活動の行動タスクを実行する場合に適用してもよい。対象者の疲労や体調不良は、当該対象者が働く生産現場における生産効率にも影響することから、適切な労務環境を確保する必要があるためである。

特に疲労や体調不良の原因となる動作フェーズを特定するに際して、対象者の労働意欲や注意力の低下、および身体機能や生理的機能の低下状態などを定量的に捉えることにより、対象者にとって適切なタイミングでの休憩の取り方を促すことが可能となる。

また労務管理側にとっても、生産革命のための労務管理にも役立てることができ、適切な労務環境や作業環境の改善を促すことが可能となるとともに、対象者に長く健康で働いてもらうための手法を検討することが可能となるとともに、対象者に作業従事への寄与者としてのプロファイリングを行うことが可能となる。

１…行動タスク評価システム、２…クライアント端末装置、３…通信ネットワーク、４…サーバ装置、１０…制御部（行動タスク分割部）、１１…活動状態検知部、１２、２１…通信インタフェース、２０、６０、７０…制御装置、２２…データ記憶部、３０…クラスタ分析部、３１…評価関数算出部、３２…状態遷移推定部、３３…懸念動作フェーズ特定部、４０……近赤外検出部、４１……遠赤外検出部、４０…近赤外検出部、４１…遠赤外検出部、４３……動き認識部、４４……認知度検知部、５０……環境データ取得部、６１……動作妥当性判断部、６２……フィードバック通知部、７１……低下原因分析部、７２……共通比率算出部、７３……問題箇所判断部。

Claims (16)

1. 対象者の認知系、運動系、神経系および生理系の活動状態のうち少なくとも１以上の活動状態を検知する活動状態検知部と、
   前記対象者が所定の行動タスクを実行する際に、前記活動状態検知部の検知結果である活動状態データに基づいて、当該行動タスクを前記対象者の活動状態の相関性に応じた動作フェーズ単位で時系列的に分割する行動タスク分割部と、
   前記行動タスクごとの前記活動状態データを、当該行動タスクを構成する動作フェーズ単位で記憶するデータ記憶部と、
   前記対象者が前記行動タスクを習慣的に実行した際、前記データ記憶部から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データを読み出して、各動作フェーズに対して類似性に基づくクラスタ分析を行って集合化するクラスタ分析部と、
   前記クラスタ分析部により集合化された別回同士の動作フェーズを比較しながら、当該各動作フェーズにおける前記対象者の活動状態の偏差を評価関数として算出する評価関数算出部と、
   前記評価関数算出部により算出された評価関数に基づいて、前記行動タスクにおける動作フェーズごとに前記対象者の健康状態の遷移を推定する状態遷移推定部と、
   前記状態遷移推定部により推定された前記対象者の健康状態の遷移に基づいて、前記対象者による前記行動タスクの実行効率が所定レベル以下となる動作フェーズを特定する懸念動作フェーズ特定部と
   を備えることが特徴とする行動タスク評価システム。
2. 前記活動状態検知部は、前記対象者が前記行動タスクを実行する際、前記動作フェーズごとに前記対象者の動きを慣性式モーションキャプチャとして認識する動き認識部を備え、
   前記動き認識部により認識された動きデータを前記対象者の運動系の活動状態として検知する
   ことを特徴とする請求項１に記載の行動タスク評価システム。
3. 前記対象者が前記行動タスクを実行する行動環境に関する環境データを取得する環境データ取得部を備え、かつ、前記環境データ取得部により取得された環境データを前記活動状態データおよび前記動きデータと同期させて前記データ記憶部に記憶しておき、
   前記クラスタ分析部は、前記対象者が前記行動タスクを習慣的に実行した際、前記データ記憶部から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データ、前記動きデータおよび環境データを読み出して、各動作フェーズに対してクラスタ分析を行って集合化する
   ことを特徴とする請求項２に記載の行動タスク評価システム。
4. 前記活動状態検知部は、前記対象者が視覚、聴覚および触覚の少なくとも１以上の知覚を利用して当該対象者の認知から動作に致るまでの反応速度を所定時間計測する認知度検知部を備え、
   前記認知度検知部による計測結果に応じて前記対象者の認知度を当該対象者の認知系の活動状態として検知する
   ことを特徴とする請求項１から３までのいずれか一項に記載の行動タスク評価システム。
5. 前記懸念動作フェーズ特定部により特定された前記動作フェーズについて、前記対象者への健康状態を害する可能性があるか否かを判断する動作妥当性判断部を備える
   ことを特徴とする請求項１から４までのいずれか一項に記載の行動タスク評価システム。
6. 前記動作妥当性判断部の判断結果に応じて前記対象者の健康状態を改善するためのアドバイスデータを作成し、当該アドバイスデータを前記対象者にフィードバック通知するフィードバック通知部を備える
   ことを特徴とする請求項５に記載の行動タスク評価システム。
7. 請求項１から６までのいずれか一項に記載の行動タスク評価システムを複数の異なる対象者にそれぞれ適用し、
   前記懸念動作フェーズ特定部により特定された前記動作フェーズが少なくとも２名以上の前記各対象者に共通して存在する場合、当該動作フェーズにおける前記各対象者の健康状態の遷移に基づいて、当該動作フェーズの実行効率の低下原因を分析する低下原因分析部をさらに備える
   ことを特徴とする行動タスク評価システム。
8. 前記懸念動作フェーズ特定部により特定された前記動作フェーズが前記各対象者に共通して存在する比率を当該動作フェーズごとに算出する共通比率算出部と、
   前記共通比率算出部により算出された前記動作フェーズごとの前記比率が所定比率以上である場合に、当該各動作フェーズを含む行動タスク自体に問題があるか、または前記各動作フェーズの実行順番に問題があるかを判断する問題箇所判断部と
   を備え、前記低下原因分析部は、前記問題箇所判断部の判断結果を含めて、前記各動作フェーズの実行効率の低下原因を分析する
   ことを特徴とする請求項７に記載の行動タスク評価システム。
9. 対象者の認知系、運動系、神経系および生理系の活動状態のうち少なくとも１以上の活動状態を検知する第１ステップと、
   前記対象者が所定の行動タスクを実行する際に、前記第１ステップの検知結果である活動状態データに基づいて、当該行動タスクを前記対象者の活動状態の相関性に応じた動作フェーズ単位で時系列的に分割する第２ステップと、
   前記行動タスクごとの前記活動状態データを、当該行動タスクを構成する動作フェーズ単位でデータ記憶部に記憶する第３ステップと、
   前記対象者が前記行動タスクを習慣的に実行した際、前記データ記憶部から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データを読み出して、各動作フェーズに対して類似性に基づくクラスタ分析を行って集合化する第４ステップと、
   前記第４ステップにより集合化された別回同士の動作フェーズを比較しながら、当該各動作フェーズにおける前記対象者の活動状態の偏差を評価関数として算出する第５ステップと、
   前記第５ステップにより算出された評価関数に基づいて、前記行動タスクにおける動作フェーズごとに前記対象者の健康状態の遷移を推定する第６ステップと、
   前記第６ステップにより推定された前記対象者の健康状態の遷移に基づいて、前記対象者による前記行動タスクの実行効率が所定レベル以下となる動作フェーズを特定する第７ステップと
   を備えることが特徴とする行動タスク評価方法。
10. 前記第１ステップでは、前記対象者が前記行動タスクを実行する際、前記動作フェーズごとに前記対象者の動きを慣性式モーションキャプチャとして認識し、当該認識された動きデータを前記対象者の運動系の活動状態として検知する
    ことを特徴とする請求項９に記載の行動タスク評価方法。
11. 前記第３ステップでは、前記対象者が前記行動タスクを実行する行動環境に関する環境データを取得して得られる環境データを前記活動状態データおよび前記動きデータと同期させて前記データ記憶部に記憶しておき、
    前記第４ステップでは、前記対象者が前記行動タスクを習慣的に実行した際、前記データ記憶部から少なくとも直近のものを含む複数回分の当該行動タスクに応じた活動状態データ、前記動きデータおよび環境データを読み出して、各動作フェーズに対してクラスタ分析を行って集合化する
    ことを特徴とする請求項１０に記載の行動タスク評価方法。
12. 前記第１ステップでは、前記対象者が視覚、聴覚および触覚の少なくとも１以上の知覚を利用して当該対象者の認知から動作に致るまでの反応速度を所定時間計測し、当該計測の結果に応じて前記対象者の認知度を当該対象者の認知系の活動状態として検知する
    ことを特徴とする請求項９から１１までのいずれか一項に記載の行動タスク評価方法。
13. 前記第７ステップにより特定された前記動作フェーズについて、前記対象者への健康状態を害する可能性があるか否かを判断する第８ステップを備える
    ことを特徴とする請求項９から１２までのいずれか一項に記載の行動タスク評価方法。
14. 前記第８ステップの判断結果に応じて前記対象者の健康状態を改善するためのアドバイスデータを作成し、当該アドバイスデータを前記対象者にフィードバック通知する第９ステップを備える
    ことを特徴とする請求項１３に記載の行動タスク評価方法。
15. 請求項９から１４までのいずれか一項に記載の行動タスク評価方法を複数の異なる対象者にそれぞれ適用し、
    前記第７ステップにより特定された前記動作フェーズが少なくとも２名以上の前記各対象者に共通して存在する場合、当該動作フェーズにおける前記各対象者の健康状態の遷移に基づいて、当該動作フェーズの実行効率の低下原因を分析する第１０ステップをさらに備える
    ことを特徴とする行動タスク評価方法。
16. 前記第７ステップにより特定された前記動作フェーズが前記各対象者に共通して存在する比率を当該動作フェーズごとに算出する第１１ステップと、
    前記第１１ステップにより算出された前記動作フェーズごとの前記比率が所定比率以上である場合に、当該各動作フェーズを含む行動タスク自体に問題があるか、または前記各動作フェーズの実行順番に問題があるかを判断する第１２ステップと
    を備え、前記第１０ステップでは、前記第１２ステップの判断結果を含めて、前記各動作フェーズの実行効率の低下原因を分析する
    ことを特徴とする請求項１５に記載の行動タスク評価方法。

Images