[发明专利]统计模型的生成方法、状态估计方法及状态估计系统

说明书

提供一种考虑个体差异而估计对象人的状态的方法。该方法包括：通过使用第一数据估计参数的统计模型从第二数据估计对象人的状态的步骤，其中第一数据包含具有多个人物的瞳孔面积的变化速度和多个人物的状态的数据的多个数据组，第二数据包含对象人的瞳孔面积的变化速度；以及输出对象人的状态的估计结果的步骤。注意，统计模型是使用有序逻辑回归的分层贝叶斯模型，其中线性预测器是截距、偏回归系数与解释变量之积以及表示个体差异的参数之总和。

技术领域

本发明的一个方式涉及一种统计模型的生成方法。另外，本发明的一个方式涉及一种估计对象人的状态的方法。另外，本发明的一个方式涉及一种状态估计系统。

背景技术

适当地管理健康状态是重要的课题。疲劳的积累引起健康状态的恶化。疲劳可以分为身体疲劳、精神疲劳及神经疲劳。因身体疲劳的积累而发生的症状较容易自知。另一方面，因精神疲劳或神经疲劳的积累而发生的症状在很多情况下不容易自知。若可以使精神疲劳或神经疲劳数值化，则可以客观地判断对象人的状态。就是说，若可以估计对象人的疲劳度、压力状态等，则可以适当地管理对象人的健康状态。

近年来，使用机器学习等估计压力状态的方法受到注目。专利文献1公开了从对象人的信息估计压力度的压力判定装置。此外，专利文献2公开了一种压力度评价装置，其中根据与相对于虹膜直径的瞳孔直径的比率有关的值取得与压力度有关的值。

[先行技术文献]

[专利文献]

[专利文献1]日本专利申请公开第2018-11720号公报

[专利文献2]日本专利申请公开第2008-259609号公报

发明内容

发明所要解决的技术问题

专利文献1所公开的压力判定装置使用机器学习。另外，专利文献2所公开的压力度评价装置使用基于统计的权重值。它们不考虑个体差异，在对象人不同时，判定结果或评价结果有可能发生差异。

于是，本发明的一个方式的目的之一是考虑个体差异而估计对象人的状态。另外，本发明的一个方式的目的之一是提供一种考虑个体差异的状态估计系统。

注意，这些目的的记载并不妨碍其他目的的存在。注意，本发明的一个方式并不需要实现所有上述目的。上述目的以外的目的可以显而易见地从说明书、附图、权利要求书等的描述中看出，并且可以从该描述中抽取上述目的以外的目的。

解决技术问题的手段

本发明的一个方式是一种用来估计对象人的状态的统计模型的生成方法，统计模型是使用有序逻辑回归的分层贝叶斯模型，其中概率变量是伯努利分布，链接函数是logit链接函数，线性预测器(linear predictor)是截距、偏回归系数与解释变量之积以及表示个体差异的参数之总和。统计模型的生成方法包括：输入数据集的工序，数据集包含具有多个人物的瞳孔面积的变化速度和多个人物的状态的数据的多个数据组；将截距的先验分布及偏回归系数的先验分布设定为无信息先验分布且将表示个体差异的参数的先验分布设定为分层先验分布的工序；以及利用马尔科夫链蒙特卡洛法估计截距的后验分布、偏回归系数的后验分布及表示个体差异的参数的后验分布的工序。

本发明的另一个方式是一种对象人的状态估计方法，包括：通过使用第一数据估计参数的统计模型从第二数据估计对象人的状态的第一步骤；以及输出对象人的状态的估计结果的第二步骤。统计模型是使用有序逻辑回归的分层贝叶斯模型，第一数据包含具有多个人物的瞳孔面积的变化速度和多个人物的状态的数据的多个数据组，第二数据包含对象人的瞳孔面积的变化速度，瞳孔面积的变化速度为统计模型的解释变量，状态的数据为统计模型的反应变量。

在上述方法的有序逻辑回归中，优选的是，概率变量是伯努利分布，链接函数是logit链接函数，线性预测器是截距、偏回归系数与解释变量之积以及表示个体差异的参数之总和。