PROBLEM TO BE SOLVED: To solve such a problem that there is an issue that a conventional method for estimating a recumbent position lacks in versatility for each person, namely, when an estimation is performed using a model learned by teacher data of a subject itself, the estimation is highly precisely performed, however, when using a learning model of another person, the precision lowers.SOLUTION: The device for estimating a recumbent position is used by being connected to a sensor to be worn on a person via a network and estimates the posture of the person during sleep. The device includes: a receiving unit for receiving sensing data acquired by the sensor a feature amount calculation unit for detecting body motion periods of the person from the sensing data and calculating feature vectors of body motions in the body motion periods a recumbent position transition probability calculating unit for calculating for each of the plurality of detected body motion periods, a transition probability that is a change from one of a plurality of predetermined recumbent positions to another one of the plurality of recumbent positions or no change, based on the feature amount and a recumbent position column calculating unit for calculating a maximum likelihood state column based on Markov model defined as a transition probability of each of the body motion periods.COPYRIGHT: (C)2013,JPO&INPIT【課題】 従来の臥位推定手法は人毎の汎用性に欠ける事という課題がある。即ち、対象者自身の教師データで学習したモデルを用いて推定を行うと精度良く推定が行えるが、他人の学習モデルを用いると精度が下がってしまう。【解決手段】 人間に装着されるセンサとネットワークを介して接続して用いられ、前記人間の睡眠時の姿勢を推定する臥位推定装置であって、前記センサが取得したセンシングデータを受信する受信部と、前記センシングデータから前記人間の体動期間を検出して、前記体動期間における体動の特徴ベクトルを算出する特徴量算出部と、前記検出された複数の体動期間の各々について、前記特徴量に基づいて、予め定めた複数の臥位の一から、前記複数の臥位の一への変化または無変化である遷移確率を算出する臥位遷移確率算出部と、前記体動期間の各々の遷移確率として定義されるマルコフモデルに基づいて最尤状態列を算出する臥位列算出部と、を備える事を特徴とする臥位推定装置。【選択図】 図17
