特許ウォッチ

公開番号2024179055
公報種別公開特許公報(A)
公開日2024-12-26
出願番号2023097558
出願日2023-06-14
発明の名称感情推定装置、時系列外観情報生成方法、時系列長決定方法、車載システム、コンピュータプログラム、生体状態推定装置、及び物体状態推定装置
出願人株式会社デンソーテン
代理人弁理士法人佐野特許事務所
主分類A61B 5/18 20060101AFI20241219BHJP(医学または獣医学;衛生学)
要約【課題】物体の動きに係る外観情報の時系列長の個体差、環境差の影響を低減させたAIモデルを形成でき、物体の状態推定の精度向上を図る。
【解決手段】感情推定装置は、被験者の動きに係る時系列外観情報の入力に基づき前記被験者の感情を推定するAIモデルに、推定対象被験者の前記時系列外観情報を入力して前記推定対象被験者の感情を推定する感情推定装置であって、前記推定対象被験者の動きに係る前記時系列外観情報を取得し、前記AIモデルに入力する前記時系列外観情報の時系列長を、前記推定対象被験者に対して個別に設定された固有時系列長とする。
【選択図】図15
特許請求の範囲【請求項１】
被験者の動きに係る時系列外観情報の入力に基づき前記被験者の感情を推定するＡＩモデルに、推定対象被験者の前記時系列外観情報を入力して前記推定対象被験者の感情を推定する感情推定装置であって、
前記推定対象被験者の動きに係る前記時系列外観情報を取得し、
前記ＡＩモデルに入力する前記時系列外観情報の時系列長を、前記推定対象被験者に対して個別に設定された固有時系列長とする
感情推定装置。
続きを表示（約 1,900 文字）【請求項２】
前記ＡＩモデルは、
前記時系列外観情報である前記推定対象被験者の顔面動画像に基づき前記推定対象被験者の感情指標値である中枢神経系の覚醒度と自律神経の活性度を推定する感情指標値推定ＡＩモデルと、
前記感情指標値推定ＡＩモデルにより推定された覚醒度と活性度に基づき感情を推定する感情推定モデルと、
を含む請求項１に記載の感情推定装置。
【請求項３】
前記感情指標値推定ＡＩモデルは、
脳波センサにより検出された前記被験者の脳波におけるβ波とα波の比に基づき算出される算出覚醒度と、心拍センサにより検出された前記被験者の心拍における低周波成分に基づき算出される算出活性度を正解データとし、前記被験者に対する固有時系列長の前記時系列外観情報を入力データとする学習データで学習された学習済みＡＩモデルである
請求項１または請求項２に記載の感情推定装置。
【請求項４】
被験者の動きに係る時系列外観情報の入力に基づき前記被験者の感情を推定するためのＡＩモデルに入力する前記時系列外観情報の生成方法であって、
推定対象被験者の撮影により取得された動画情報を、前記推定対象被験者に対して個別に設定された固有時系列長の前記動画情報を抽出して前記ＡＩモデルに入力する前記時系列外観情報とする
時系列外観情報生成方法
【請求項５】
被験者の動きに係る時系列外観情報の入力に基づき前記被験者の感情を推定するためのＡＩモデルに入力する前記時系列外観情報の時系列長を決定する時系列長決定方法であって、
推定対象被験者に係る複数の時系列長の時系列外観情報を前記ＡＩモデルに入力して複数の時系列長毎の推定感情情報を推定し、
前記時系列外観情報に対応するタイミングにおける前記推定対象被験者の生体情報に基づき算出感情情報を算出し、
複数の時系列長毎の前記推定感情情報と、前記算出感情情報との比較結果に基づきＡＩモデルに入力する前記時系列外観情報の時系列長を決定する
時系列長決定方法。
【請求項６】
前記推定感情情報は、中枢神経系の覚醒度と自律神経の活性度であり、
前記算出感情情報は、中枢神経系の覚醒度と自律神経の活性度である
請求項５に記載の時系列長決定方法。
【請求項７】
被験者の動画情報の入力に基づき前記被験者の感情を推定するＡＩモデルに、車両搭載カメラにより撮影された車両運転者の前記動画情報を入力して前記車両運転者の感情を推定する車載システムであって、
車両搭載カメラから前記車両運転者の前記動画情報を取得し、
前記ＡＩモデルに入力する前記動画情報の時系列長を、前記車両運転者に対して個別に設定された固有時系列長とする
車載システム。
【請求項８】
被験者の動きに係る時系列外観情報の入力に基づき前記被験者の感情を推定するＡＩモデルに、推定対象被験者の前記時系列外観情報を入力して前記推定対象被験者の感情を推定する感情推定装置を実現するコンピュータプログラムであって、
前記推定対象被験者の動きに係る前記時系列外観情報を取得する処理と、
前記ＡＩモデルに入力する前記時系列外観情報の時系列長を、前記推定対象被験者に対して個別に設定された固有時系列長とする処理と、
を含むコンピュータプログラム。
【請求項９】
被験者の動きに係る時系列外観情報の入力に基づき前記被験者の生体状態を推定するＡＩモデルに、推定対象被験者の前記時系列外観情報を入力して前記推定対象被験者の生体状態を推定する生体状態推定装置であって、
前記推定対象被験者の動きに係る前記時系列外観情報を取得し、
前記ＡＩモデルに入力する前記時系列外観情報の時系列長を、前記推定対象被験者に対して個別に設定された固有時系列長とする
生体状態推定装置。
【請求項１０】
物体の動きに係る時系列外観情報の入力に基づき前記物体の物体状態を推定するＡＩモデルに、推定対象物体の前記時系列外観情報を入力して前記推定対象物体の物体状態を推定する物体状態推定装置であって、
前記推定対象物体の動きに係る前記時系列外観情報を取得し、
前記ＡＩモデルに入力する前記時系列外観情報の時系列長を、前記推定対象物体に対して個別に設定された固有時系列長とする
物体状態推定装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、感情推定装置、時系列外観情報生成方法、時系列長決定方法、車載システム、コンピュータプログラム、生体状態推定装置、及び物体状態推定装置に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
従来、ユーザの顔画像に基づき、ユーザの平静状態を含む感情を推定する感情推定装置が知られている（例えば特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０２２－３４９７号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、人工知能（ＡＩ）の高性能化、普及が進んでおり、人の感情推定を含む物体の状態推定にもＡＩの適用が考えられる。物体の状態推定に用いられるＡＩモデルの作成及び精度向上には、多くの物体の外観画像の時系列データ等（例えば、動画）といった状態推定に係る各種データのサンプリングを行う必要がある。さらに、これらサンプリングデータに基づいて教師付き学習データを作成し、学習前ＡＩモデルに学習させる必要がある。
【０００５】
しかしながら、物体の状態推定に必要な時系列データの最適な時系列長は個体差、環境差があり、これら特性差等を考慮したＡＩモデルの作成が困難であることに課題があった。つまり、同じ正解データであっても、個体差、環境差によって物体の状態が大きく異なる教師付き学習データが生成されてしまうことがあった。
【０００６】
本発明は、上記の課題に鑑み、物体の動きに係る外観情報の時系列長の個体差、環境差の影響を低減させたＡＩモデルを形成でき、その結果、物体の状態推定の精度向上を図ることが可能な技術を提供することを目的とする。
【課題を解決するための手段】
【０００７】
例示的な本発明の感情推定装置は、被験者の動きに係る時系列外観情報の入力に基づき前記被験者の感情を推定するＡＩモデルに、推定対象被験者の前記時系列外観情報を入力して前記推定対象被験者の感情状態を推定する感情推定装置であって、前記推定対象被験者の動きに係る前記時系列外観情報を取得し、前記ＡＩモデルに入力する前記時系列外観情報の時系列長を、前記推定対象被験者に対して個別に設定された固有時系列長とする。
【発明の効果】
【０００８】
本発明によれば、推定対象被験者に対して好適な時系列データの固有時系列長を設定することができ、好適な固有時系列長の時系列データを入力するようにしたＡＩモデルを用いた感情推定の精度の向上が期待できる。
【図面の簡単な説明】
【０００９】
感情推定装置による感情推定処理を示す概念的説明図
感情推定の複数次元（２次元）モデル（心理平面）の一例を示す図
車両制御システムの構成を示すブロック図
図３の感情推定装置のコントローラが実行する感情推定処理を示すフローチャート
学習装置による感情推定ＡＩの学習処理を示す概念的説明図
学習装置の構成を示すブロック図
第１被験者の感情指標値の時間変化を示す模式図
第２被験者の感情指標値の時間変化を示す模式図
タスクテーブルの一例を示す図
図６の学習装置のコントローラが実行する感情推定ＡＩの学習処理を示すフローチャート
データ処理装置の構成を示すブロック図
固有時系列長の決定方法の説明図
図１０のデータ処理装置のコントローラが実行する時系列データの固有時系列長の決定処理を示すフローチャート
図１０のデータ処理装置のコントローラが実行する時系列データの固有時系列長の決定処理を示すフローチャート
学習装置による感情推定ＡＩの学習処理を示す概念的説明図
学習装置の構成を示すブロック図
感情推定装置による感情推定処理を示す概念的説明図
車両制御システムの構成を示すブロック図
【発明を実施するための形態】
【００１０】
以下、本発明の例示的な実施形態について、図面を参照しながら詳細に説明する。なお、本発明は以下に示す実施形態の内容に限定されるものではない。
（【００１１】以降は省略されています）

関連特許