行動解析裝置、行動解析方法以及計算機可讀取的記錄介質與流程

本申請要求2016年3月24日申請的日本特愿2016-060473的優先權，并將包括說明書、權利要求書、附圖以及摘要的其全部內容引用于此。

本發明涉及行動解析裝置、行動解析方法以及計算機可讀取的記錄介質。

背景技術：

以往，已知有基于各種傳感器的測定結果對用戶的行動進行解析的技術。

例如，在日本特開2015-188605號公報公開了如下技術，即，捕捉佩戴了傳感器的用戶的步行等運動而計算速度等，從而對用戶的運動進行解析。

然而，在對用戶的行動進行解析的現有技術中，由于對通過傳感器的檢測結果來表示的用戶的行動進行解析，因此所解析的用戶的行動的具體性和解析精度不夠。

技術實現要素：

發明要解決的課題

本發明是鑒于這樣的狀況而完成的，其目的在于，更合適地進行用戶的行動解析。

用于解決課題的技術方案

本發明提供一種行動解析裝置，其特征在于，具備：特定行動獲取單元，確定用戶的特定行動；以及行動解析單元，對與所述特定行動對應的期間中的、與該特定行動不同的所述用戶的關聯行動進行解析。

本發明還提供一種由行動解析裝置執行的行動解析方法，其特征在于，包括：特定行動獲取步驟，確定用戶的特定行動；以及行動解析步驟，對與所述特定行動對應的期間中的、與該特定行動不同的所述用戶的關聯行動進行解析。

本發明還提供一種計算機可讀取的記錄介質，其特征在于，存儲有程序，所述程序使控制行動解析裝置的計算機作為如下單元發揮功能：特定行動獲取單元，確定用戶的特定行動；以及行動解析單元，對與所述特定行動對應的期間中的、與該特定行動不同的所述用戶的關聯行動進行解析。

發明效果

根據本發明，能夠更合適地進行用戶的行動解析。

附圖說明

圖1是示出本發明的一個實施方式涉及的行動解析裝置的硬件的結構的框圖。

圖2是示出圖1的行動解析裝置的功能結構中的、用于執行行動解析處理的功能結構的功能框圖。

圖3是示出根據用戶的行動歷史記錄的數據檢測出特定行動的狀態的示意圖。

圖4是示出通過檢測出特定行動來確定與特定行動對應的關聯行動的樣態的示意圖。

圖5是說明由具有圖2的功能結構的圖1的行動解析裝置執行的行動解析處理的流程的流程圖。

圖6是說明在行動解析處理的步驟s18中執行的站起坐下/移動判定處理的流程的流程圖。

圖7是說明移動工具判定處理的流程的流程圖。

具體實施方式

以下，使用附圖對本發明的實施方式進行說明。

[第一實施方式]

[硬件結構]

圖1是示出本發明的一個實施方式涉及的行動解析裝置1的硬件的結構的框圖。

行動解析裝置1例如構成為智能電話或腕戴式終端等可穿戴設備，以被用戶攜帶或佩戴的狀態進行使用。

行動解析裝置1具備第一cpu(centralprocessingunit：中央處理單元)11a、第二cpu11b、rom(readonlymemory：只讀存儲器)12、ram(randomaccessmemory：隨機存取存儲器)13、總線14、輸入輸出接口15、gps(globalpositioningsystem：全球定位系統)部16、傳感器部17、攝像部18、輸入部19、輸出部20、存儲部21、通信部22、以及驅動器23。

第一cpu11a和第二cpu11b按照記錄在rom12中的程序或者從存儲部21載入到ram13中的程序執行各種處理。例如，第一cpu11a和第二cpu11b按照后面說明的行動解析處理用的程序執行行動解析處理。

此外，第一cpu11a為能夠以比第二cpu11b低的功耗進行動作(例如，動作時鐘頻率更低等)的結構。也可以由fpga(field-programmablegatearray：現場可編程門陣列)、asic(applicationspecificintegratedcircuit：專用集成電路)來實現第二cpu11b的功能。另外，在本實施方式中，如圖1所示，將第一cpu11a和第二cpu11b合起來稱為cpu11。

在ram13適宜地存儲有第一cpu11a和第二cpu11b執行各種處理所需的數據等。

第一cpu11a和第二cpu11b、rom12和ram13經由總線14彼此連接。在該總線14還連接有輸入輸出接口15。在輸入輸出接口15連接有gps部16、傳感器部17、攝像部18、輸入部19、輸出部20、存儲部21、通信部22以及驅動器23。

gps部16包括天線，接收從多個gps衛星發送的gps信號而獲取行動解析裝置1的位置信息。

傳感器部17具備三軸加速度傳感器、陀螺傳感器、磁傳感器、氣壓傳感器以及生物體傳感器等各種傳感器。

雖然未圖示，但是攝像部18具備光學鏡頭部和圖像傳感器。

光學鏡頭部由為了拍攝被攝體而對光進行聚光的透鏡構成，例如，由聚焦透鏡、變焦透鏡等構成。

聚焦透鏡是使被攝體像成像在圖像傳感器的受光面的透鏡。變焦透鏡是在一定的范圍使焦距自由變化的透鏡。

此外，根據需要，在光學鏡頭部設置有對焦點、曝光、白平衡等設定參數進行調整的外圍電路。

圖像傳感器由光電變換元件、afe(analogfrontend：模擬前端)等構成。

光電變換元件例如由cmos(complementarymetaloxidesemiconductor：互補金屬氧化物半導體)型的光電變換元件等構成。被攝體像從光學鏡頭部入射到光電變換元件。因此，光電變換元件對被攝體像進行光電變換(攝像)并積累一定時間的圖像信號，將積累的圖像信號作為模擬信號依次供給到afe。

afe對該模擬的圖像信號執行a/d(analog/digital：模擬/數字)變換處理等各種信號處理。通過各種信號處理，生成數字信號，并作為攝像部18的輸出信號進行輸出。

這樣的攝像部18的輸出信號適宜地供給到第一cpu11a或第二cpu11b等。

輸入部19由各種按鈕等構成，根據用戶的指示操作輸入各種信息。

輸出部20由顯示器、揚聲器等構成，輸出圖像、聲音。

存儲部21由硬盤或dram(dynamicrandomaccessmemory：動態隨機存取存儲器)等構成，存儲各種傳感器的輸出數據、各種圖像的數據。

通信部22對經由包括互聯網在內的網絡與其它裝置(未圖示)之間進行的通信進行控制。此外，通信部22具備rfid(radiofrequencyidentifier：射頻識別)標簽或nfc(nearfieldcommunication：近場通信)標簽等無線標簽。

在驅動器23適當安裝由磁盤、光盤、光磁盤或半導體存儲器等構成的可移動介質31。由驅動器23從可移動介質31讀出的程序根據需要安裝到存儲部21。此外，可移動介質31還能夠對存儲在存儲部21中的各種傳感器的輸出數據等與存儲部21同樣地進行存儲。

[功能結構]

圖2是示出圖1的行動解析裝置1的功能結構中的、用于執行行動解析處理的功能結構的功能框圖。

行動解析處理是指如下的一系列處理，即，檢測用戶的特定的行動作為成為行動解析的契機的行動，將與該特定的行動相鄰的期間(時間上的前后的期間)的行動與該特定的行動建立對應而進行判定，從而對用戶的行動進行解析。

在執行行動解析處理的情況下，如圖2所示，在第一cpu11a中傳感器信息獲取部51和特定行動檢測部52發揮功能，在第二cpu11b中行動解析部53發揮功能。

此外，在存儲部21的一個區域設定歷史記錄數據存儲部71、關聯行動存儲部72、以及解析結果存儲部73。

在歷史記錄數據存儲部71存儲用戶的行動歷史記錄的數據。例如，在歷史記錄數據存儲部71存儲有gps部16的定位數據、傳感器部17的各種傳感器的輸出數據、郵件的發送歷史記錄等通信歷史記錄、由用戶使用的應用的歷史記錄等行動解析裝置1的各種動作的歷史記錄的數據。

用戶的特定的行動(以下，適當地稱為“特定行動”。)和與該特定行動關聯的行動(以下，適當地稱為“關聯行動”。)建立對應而存儲在關聯行動存儲部72。作為特定行動，定義了在給定的關聯行動之前或之后，或者在之前和之后進行的可能性高的行動。

具體地，特定行動包括與給定的關聯行動的開始對應的第一特定行動和與給定的關聯行動的結束對應的第二特定行動，也能夠定義與給定的關聯行動的開始和結束對應的第一特定行動和第二特定行動的組合。

即，第一特定行動暗示對應的關聯行動的開始，第二特定行動暗示對應的關聯行動的結束。

例如，對于“在平日的特定的時間段走出門口”這樣的第一特定行動，與“上班”這樣的關聯行動建立對應。

此外，例如，對于“在距自己的住宅一定距離以上的位置拍攝給定張數以上的照片”這樣的第二特定行動，與“去旅行”這樣的關聯行動建立對應。

進而，在進行伏案工作的工作單位中，對于“坐下”這樣的第一特定行動和“站起”這樣的第二特定行動的組合，與“工作(伏案工作)”這樣的關聯行動建立對應。

另外，特定行動和關聯行動除了定義為單個行動以外，還能夠定義為多個行動的組合。例如，作為第一特定行動，能夠定義“起床后站起，隨后坐下”這樣的行動的組合，作為該情況下的關聯行動，能夠定義“用餐”這樣的行動。此外，例如，作為“上班”這樣的關聯行動，能夠定義“步行、利用公共汽車進行移動以及利用電車進行移動”這樣的3種行動的組合。

像這樣，在僅根據傳感器的輸出對行動進行了解析的情況下，在可獲取當前的行動本身的解析結果(例如，“坐下”或“坐著”等)的狀況下，在本實施方式的行動解析裝置1中，解析是否為與前后的行動對應地進行定義的關聯行動(例如，“用餐”等)。

在解析結果存儲部73存儲有作為行動解析處理的結果的用戶的行動。例如，在解析結果存儲部73中，作為用戶的某一天的行動，按時間順序存儲有起床、用餐(早餐)、上班、工作、回家、慢跑、用餐(晚餐)、就寢這樣的行動。

傳感器信息獲取部51獲取gps部16的定位數據和傳感器部17的各種傳感器的輸出數據，并作為用戶的行動歷史記錄的數據而存儲在歷史記錄數據存儲部71。

特定行動檢測部52參照關聯行動存儲部72，并根據存儲在歷史記錄數據存儲部71的用戶的行動歷史記錄的數據來檢測特定行動，作為成為行動解析的契機的行動。

圖3是示出根據用戶的行動歷史記錄的數據來檢測特定行動的狀態的示意圖。另外，在圖3中，示出了如下狀態，即，根據加速度傳感器的輸出數據，作為用戶的特定行動，檢測出站起動作和坐下動作。

如圖3所示，在用戶以各種狀態觀看行動解析裝置1時，在用戶進行了坐下動作的情況下(期間c)，或者在用戶進行了站起動作的情況下(期間e)，能夠將這些行動檢測為特定行動。

在由特定行動檢測部52根據存儲在歷史記錄數據存儲部71的用戶的行動歷史記錄的數據檢測出特定行動的情況下，行動解析部53參照關聯行動存儲部72進行如下判斷，即，在用戶的行動歷史記錄的數據中是否存在與該特定行動對應的關聯行動。在用戶的行動歷史記錄的數據中不存在與該特定行動對應的關聯行動的情況下，在用戶的行動歷史記錄的數據中，基于行動的要素(歷史記錄中的最小單位的行動)和行動的種類(用戶的生活中的行動的種類)判定用戶有可能進行了的行動。另外，作為此時判定出的行動，重視成為沒有錯誤的判定結果，能夠在根據用戶的行動歷史記錄的數據能夠明確地確定的范圍內判定行動。例如，如果是“從x地點到y地點以時速z[km]進行了移動”這樣的判定結果，則能夠根據獲取的數據明確地進行判定，因此能夠成為錯誤的可能性低的判定結果。

另一方面，在用戶的行動歷史記錄的數據中存在與該特定行動對應的關聯行動的情況下，行動解析部53將該關聯行動判定為用戶的行動。

具體地，行動解析部53獲取與由特定行動檢測部52檢測出的特定行動建立對應而存儲在關聯行動存儲部72中的關聯行動，在歷史記錄數據存儲部71中，進行如下判定，即，與該特定行動相鄰的期間的行動是否與關聯行動一致。

例如，在檢測出第一特定行動的情況下，行動解析部53進行如下判定，即，在第一特定行動之后的期間中是否進行了與對應于第一特定行動的關聯行動一致的行動。然后，在進行了與對應于第一特定行動的關聯行動一致的行動的情況下，行動解析部53將該期間的用戶的行動判定為與第一特定行動對應的關聯行動，并與行動的日期時間建立對應而存儲到解析結果存儲部73。

此外，在檢測出第二特定行動的情況下，行動解析部53進行如下判定，即，在第二特定行動之前的期間中是否進行了與對應于第二特定行動的關聯行動一致的行動。然后，在進行了與對應于第二特定行動的關聯行動一致的行動的情況下，行動解析部53將該期間的用戶的行動判定為與第二特定行動對應的關聯行動，并與行動的日期時間建立對應而存儲到解析結果存儲部73。

進而，在由特定行動檢測部52檢測出第一特定行動和第二特定行動的組合的情況下，行動解析部53進行如下判定，即，在該第一特定行動與第二特定行動之間的期間中是否進行了與對應于第一特定行動以及第二特定行動的關聯行動一致的行動。然后，在進行了與對應于第一特定行動以及第二特定行動的關聯行動一致的行動的情況下，行動解析部53將該期間的用戶的行動判定為與第一特定行動以及第二特定行動對應的關聯行動，并與行動的日期時間建立對應而存儲到解析結果存儲部73。

圖4是示出通過檢測特定行動來確定與特定行動對應的關聯行動的樣態的示意圖。另外，設圖4的行動是在工作單位進行的行動。

如圖4所示，通過傳感器的輸出(在此為加速度傳感器)能夠檢測出坐下動作和站起動作，能夠將它們作為第一特定行動和第二特定行動。

這樣，作為針對這些第一特定行動和第二特定行動的組合的關聯行動，與“工作(伏案工作)”這樣的行動建立對應，因此行動解析部53在歷史記錄數據存儲部71中參照第一特定行動與第二特定行動之間的期間的行動歷史記錄的數據，并判定該期間的用戶的行動是否與“工作(伏案工作)”這樣的關聯行動一致。在本實施方式中，除了該期間的用戶的行動是與“工作(伏案工作)”這樣的關聯行動明顯不一致的行動的情況以外，行動解析部53判定該期間的用戶的行動為“工作(伏案工作)”這樣的關聯行動。

即，如果在工作單位中，在從進行了坐下動作起直到進行站起動作為止，進行“工作(伏案工作)”這樣的行動的可能性高，則作為行動解析部53的行動解析的結果，判定是“工作”這樣的行動。另外，在同一個特定行動(或特定行動的組合)與多個關聯行動建立對應的情況下，行動解析部53參照用戶的行動歷史記錄的數據而選擇可能性最高的關聯行動。

像這樣，在本實施方式中的行動解析部53的行動解析中，將與特定行動相鄰的期間的行動與存儲在關聯行動存儲部72的特定行動的關聯行動進行對照，因此只要判定與限定的行動模式的數據的一致即可，能夠進行具體且高精度的行動解析。

此外，在本實施方式中的行動解析裝置1中，在能夠以比第二cpu11b低的功耗進行動作的第一cpu11a中，只要傳感器信息獲取部51和特定行動檢測部52始終或間歇性地進行動作即可，在第二cpu11b中進行動作的行動解析部53只要在由特定行動檢測部52檢測出特定行動的定時進行啟動即可。

因此，在進行行動解析處理時，只要根據需要來啟動第二cpu11b即可，因此能夠實現行動解析裝置1的低功耗化。

[動作]

圖5是說明由具有圖2的功能結構的圖1的行動解析裝置1執行的行動解析處理的流程的流程圖。

行動解析處理通過用戶對輸入部19進行的行動解析處理開始的操作而開始。

在步驟s11中，傳感器信息獲取部51獲取各種傳感器的輸出數據。

在步驟s12中，傳感器信息獲取部51將各種傳感器的輸出數據與獲取日期時間建立對應而存儲到歷史記錄數據存儲部71。

在步驟s13中，傳感器信息獲取部51獲取gps部16的定位數據。

在步驟s14中，傳感器信息獲取部51與獲取日期時間建立對應而將定位數據存儲到歷史記錄數據存儲部71。

在步驟s15中，特定行動檢測部52參照存儲在歷史記錄數據存儲部71的用戶的行動歷史記錄的數據，算出用戶的移動距離(位置信息的差分)和移動速度(平均值)。

在步驟s16中，特定行動檢測部52進行如下判定，即，是否檢測出給定距離以上或給定速度以上的移動。另外，用戶的給定距離以上或給定速度以上的移動作為特定行動而存儲在關聯行動存儲部72。

在檢測出給定距離以上或給定速度以上的移動的情況下，在步驟s16中判定為“是”，處理轉到步驟s17。

另一方面，在未檢測出給定距離以上或給定速度以上的移動的情況下，在步驟s16中判定為“否”，處理轉到步驟s18。

在步驟s17中，特定行動檢測部52將檢測出的給定距離以上或給定速度以上的移動作為特定行動而與日期時間建立對應并在歷史記錄數據存儲部71中存儲(建立標簽)。

在步驟s18中，特定行動檢測部52執行站起動作、坐下動作、移動動作的檢測、判定處理(以下，稱為“站起坐下/移動判定處理”。)。

在步驟s19中，特定行動檢測部52進行如下判定，即，在站起坐下/移動判定處理中是否檢測出站起動作、坐下動作或步行、移動動作。

在站起坐下/移動判定處理中檢測出站起動作、坐下動作或步行、移動動作的情況下，在步驟s19中判定為“是”，處理轉到步驟s20。

另一方面，在站起坐下/移動判定處理中未檢測出站起動作、坐下動作或步行、移動動作的情況下，在步驟s19中判定為“否”，行動解析處理結束。

在步驟s20中，特定行動檢測部52將站起動作、坐下動作、步行或移動動作作為特定行動，并與日期時間建立對應而在歷史記錄數據存儲部71中存儲(建立標簽)。

在步驟s21中，特定行動檢測部52根據存儲在歷史記錄數據存儲部71的用戶的行動歷史記錄的數據來檢測存儲在關聯行動存儲部72的特定行動。

在步驟s22中，行動解析部53進行如下判定，即，在用戶的行動歷史記錄的數據中是否存在與檢測出的特定行動對應的關聯行動。

在用戶的行動歷史記錄的數據中存在與檢測出的特定行動對應的關聯行動的情況下，在步驟s22中判定為“是”，處理轉到步驟s25。

另一方面，在用戶的行動歷史記錄的數據中不存在與檢測出的特定行動對應的關聯行動的情況下，在步驟s22中判定為“否”，處理轉到步驟s23。

在步驟s23中，行動解析部53確定與特定行動對應的期間的用戶的行動要素以及行動的種類。

在步驟s24中，行動解析部53根據行動要素和行動的種類來判定用戶有可能進行了的行動。

在步驟s25中，行動解析部53將與特定行動對應的期間的用戶的行動(在步驟s22中判定為存在的關聯行動或在步驟s24中判定出的行動)作為行動解析結果，并與日期時間建立對應而存儲到時間順序的解析結果存儲部73。

在步驟s26中，行動解析部53將作為行動解析結果的用戶的行動輸出到給定的應用或發送到服務器。與此對應地，按照行動解析裝置1的設定，從應用或服務器提供與行動的狀況相應的信息、服務。

在步驟s26之后，行動解析處理結束。

圖6是說明在行動解析處理的步驟s18中執行的站起坐下/移動判定處理的流程的流程圖。另外，圖6中的閾值th1～th4是為了進行行動的判定而預先設定的閾值。即，對于人行走、跑動以及靜止這樣的行動，能夠利用鉛垂方向上的加速度的大小、分布的不同來設定閾值th1～th4。例如，一般來說，對于“行走”而言多為0.5～0.6g，對于“跑動”而言多為0.8～0.9g附近，相對于此，在靜止狀態下多為0.004g以下，可以利用這樣的行動解析涉及的各種加速度參數來設定閾值th1～th4。但是，這些具體的數值只是一個例子，會根據個體差異等而變動，因此也可以通過根據使用行動解析裝置1的用戶的行動進行校準等，從而修正為更合適的數值。

在步驟s41中，特定行動檢測部52獲取上下加速度ax(t)、前后加速度ay(t)的時間順序數據。

在步驟s42中，特定行動檢測部52進行如下判定，即，是否為上下加速度ax(t)的平均＞閾值th1。

在上下加速度ax(t)的平均＞閾值th1的情況下，在步驟s42中判定為“是”，處理轉到步驟s43。

另一方面，在不是上下加速度ax(t)的平均＞閾值th1的情況下，在步驟s42中判定為“否”，處理轉到步驟s46。

在步驟s43中，特定行動檢測部52進行如下判定，即，是否為|上下加速度ax(t)-ax(t-1)|的平均＞閾值th2。

在|上下加速度ax(t)-ax(t-1)|的平均＞閾值th2的情況下，在步驟s43中判定為“是”，處理轉到步驟s44。

在不是|上下加速度ax(t)-ax(t-1)|的平均＞閾值th2的情況下，在步驟s43中判定為“否”，處理轉到步驟s45。

在步驟s44中，特定行動檢測部52將用戶的行動分類為“行駛”。

在步驟s44之后，處理返回到運動解析處理。

在步驟s45中，特定行動檢測部52將用戶的行動分類為“其它行動(伏案工作等)”。

在步驟s45之后，處理返回到運動解析處理。

在步驟s46中，特定行動檢測部52進行如下判定，即，是否為|上下加速度ax(t)-ax(t-1)|的平均＞閾值th3。

在|上下加速度ax(t)-ax(t-1)|的平均＞閾值th3的情況下，在步驟s46中判定為“是”，處理轉到步驟s48。

另一方面，在不是|上下加速度ax(t)-ax(t-1)|的平均＞閾值th3的情況下，在步驟s46中判定為“否”，處理轉到步驟s47。

在步驟s47中，特定行動檢測部52將用戶的行動分類為“止步”。

在步驟s47之后，處理返回到運動解析處理。

在步驟s48中，特定行動檢測部52進行如下判定，即，是否為{(前后加速度ay(t)-ay(t-1))²+(上下加速度ax(t)-ax(t-1))²}^1/2的平均＞閾值th4。

在{(前后加速度ay(t)-ay(t-1))²+(上下加速度ax(t)-ax(t-1))²}^1/2的平均＞閾值th4的情況下，在步驟s48中判定為“是”，處理轉到步驟s49。

另一方面，在不是{(前后加速度ay(t)-ay(t-1))²+(上下加速度ax(t)-ax(t-1))²}^1/2的平均＞閾值th4的情況下，在步驟s48中判定為“否”，處理轉到步驟s50。

在步驟s49中，特定行動檢測部52將用戶的行動分類為“行駛”。

在步驟s49之后，處理返回到運動解析處理。

在步驟s50中，特定行動檢測部52將用戶的行動分類為“步行”。

在步驟s50之后，處理返回到運動解析處理。

通過這樣的處理，可在用戶的行動歷史記錄的數據中檢測出特定行動，并可獲取與檢測出的特定行動對應的關聯行動作為行動解析結果。

因此，在用戶的行動中，更容易獲取作為特定行動的前后的行動的可能性高的行動作為行動解析結果。

因此，能夠更合適地進行用戶的行動解析。

[第二實施方式]

接著，對本發明的第二實施方式進行說明。

在第一實施方式中，將存儲在歷史記錄數據存儲部71的用戶的行動歷史記錄的數據作為對象，進行行動解析處理。

相對于此，能夠將實時地輸入的用戶的行動歷史記錄的數據(傳感器的輸出數據等)作為對象來進行行動解析處理。

在該情況下，特定行動檢測部52對由傳感器信息獲取部51依次獲取的用戶的行動歷史記錄的數據進行監視，在檢測出第一特定行動的情況下，行動解析部53進行如下判定，即，以后獲取的用戶的行動歷史記錄的數據是否和與該第一特定行動建立對應而存儲在關聯行動存儲部72的關聯行動一致。

此時，在判定為一致的情況下，將該關聯行動作為第一特定行動之后的行動。

此外，對于第二特定行動，將由傳感器信息獲取部51依次獲取的用戶的行動歷史記錄的數據緩沖給定時間的量，并且特定行動檢測部52對由傳感器信息獲取部51依次獲取的用戶的行動歷史記錄的數據進行監視，在檢測出第二特定行動的情況下，進行如下判定，即，所緩沖的用戶的行動歷史記錄的數據是否和與該第二特定行動建立對應而存儲在關聯行動存儲部72的關聯行動一致。

此時，在判定為一致的情況下，將該關聯行動作為第二特定行動之前的行動。

另外，在將特定行動定義為第一特定行動和第二特定行動的組合的情況下，特定行動檢測部52對由傳感器信息獲取部51依次獲取的用戶的行動歷史記錄的數據進行監視，在檢測出第一特定行動的情況下，將直到檢測出第二特定行動為止的用戶的行動歷史記錄的數據進行緩沖。然后，在檢測出第二特定行動的情況下，行動解析部53進行如下判定，即，所緩沖的用戶的行動歷史記錄的數據是否和與該第一特定行動和第二特定行動建立對應而存儲在關聯行動存儲部72的關聯行動一致。

此時，在判定為一致的情況下，將該關聯行動作為第一特定行動與第二特定行動之間的行動。

像這樣，對于實時地輸入的用戶的行動歷史記錄的數據(傳感器的輸出數據等)，也能夠進行行動解析處理。

因此，能夠更合適地進行用戶的行動解析。

[變形例1]

在上述的實施方式中，設為在行動解析處理中將站起動作、坐下動作、步行或移動動作檢測為特定行動，但是作為特定行動，還能夠設定利用交通工具進行的移動等。

即，通過以統計方式對加速度傳感器、氣壓傳感器以及磁傳感器的輸出數據進行分析，從而能夠區分檢測步行、行駛、上下臺階、利用電梯進行的升降、利用電車進行的移動、利用公共汽車進行的移動、利用轎車進行的移動等，因此能夠將它們設定為特定行動。

以下，對將利用電車進行的移動、利用公共汽車進行的移動、利用轎車進行的移動、步行以及行駛檢測為特定行動的情況下的處理(以下，稱為“移動工具判定處理”。)進行說明。

圖7是說明移動工具判定處理的流程的流程圖。

能夠在行動解析處理的步驟s18中代替站起坐下/移動判定處理或者與站起坐下/移動判定處理一同執行移動工具判定處理。另外，圖7中的閾值th11～th15是為了進行移動工具的判定而預先設定的閾值。即，例如，即使是三軸合成的加速度，對于“跑動”而言廣泛分布在1～1.2g的范圍，但是對于“行走”而言則分布在1.03～1.05g附近。而且，對于“汽車”、“公共汽車”以及“電車”而言則多數情況下集中在大約0.98～1.01g的窄的范圍。因此，能夠對“行走”、“跑動”等與“汽車”、“公共汽車”等進行識別。此外，東京近郊的平時的三軸合成的磁量為大約45[μt]左右，對于“徒步”而言為40～50[μt]，對于“汽車”、“公共汽車”而言則大致恒定在30[μt]的范圍，對于“電車”而言則會頻繁地觀測到通常不會產生的100[μt]以上的磁量，因此，對于“電車”和其它移動工具一般能夠容易地進行識別。此外，對于“汽車”和“公共汽車”，橫向、行進方向上的加速度的能譜、鉛垂方向上的加速度存在差異，因此能夠通過對其進行解析而進行識別，除此之外，也可以利用使用gps得到的自身的位置信息，從而判定并識別自己是在公共汽車的路線上，還是在除此以外的道路上。也可以考慮上述的這些參數的信息來設定th11～th15。

在步驟s71中，傳感器信息獲取部51獲取各種傳感器的輸出數據。

在步驟s72中，特定行動檢測部52進行如下判定，即，是否為磁量的平均≥閾值th11。

在磁量的平均≥閾值th11的情況下，在步驟s72中判定為“是”，處理轉到步驟s73。

另一方面，在不是磁量的平均≥閾值th11的情況下，在步驟s72中判定為“否”，處理轉到步驟s74。

在步驟s73中，特定行動檢測部52將用戶的移動工具分類為“電車”。

在步驟s74中，特定行動檢測部52進行如下判定，即，是否為上下的加速度的平均≥閾值th12。

在上下的加速度的平均≥閾值th12的情況下，在步驟s74中判定為“是”，處理轉到步驟s80。

另一方面，在不是上下的加速度的平均≥閾值th12的情況下，在步驟s74中判定為“否”，處理轉到步驟s75。

在步驟s75中，特定行動檢測部52進行如下判定，即，是否為上下的加速度的平均＜閾值th13。

在上下的加速度的平均＜閾值th13的情況下，在步驟s75中判定為“是”，處理轉到步驟s79。

另一方面，在不是上下的加速度的平均＜閾值th13的情況下，在步驟s75中判定為“否”，處理轉到步驟s76。

在步驟s76中，特定行動檢測部52進行如下判定，即，是否為加速度的能譜最大值≥閾值th13。

在加速度的能譜最大值≥閾值th14的情況下，在步驟s76中判定為“是”，處理轉到步驟s78。

另一方面，在不是加速度的能譜最大值≥閾值th14的情況下，在步驟s76中判定為“否”，處理轉到步驟s77。

在步驟s77中，特定行動檢測部52將用戶的移動工具分類為“汽車(轎車)”。

在步驟s78中，特定行動檢測部52將用戶的移動工具分類為“公共汽車”。

在步驟s79中，特定行動檢測部52將用戶的移動工具分類為“靜止”。

在步驟s80中，特定行動檢測部52進行如下判定，即，是否為行駛速度的平均≥閾值th15或鉛垂方向上的加速度≥閾值th16。

在行駛速度的平均≥閾值th15或鉛垂方向上的加速度≥閾值th16的情況下，在步驟s80中判定為“是”，處理轉到步驟s82。

另一方面，在不是行駛速度的平均≥閾值th15且不是鉛垂方向上的加速度≥閾值th16的情況下，在步驟s80中判定為“否”，處理轉到步驟s81。

在步驟s81中，特定行動檢測部52將用戶的移動工具分類為“步行”。

在步驟s82中，特定行動檢測部52將用戶的移動工具分類為“行駛”。

通過這樣的處理，能夠將用戶的移動工具設定為特定行動，通過將多種多樣的行動設定為特定行動，從而能夠更合適地進行用戶的行動解析。

像以上那樣構成的行動解析裝置1具備特定行動檢測部52和行動解析部53。

特定行動檢測部52檢測用戶的特定行動。

行動解析部53對與特定行動對應的期間中的用戶的關聯行動進行解析。

由此，在用戶的行動中，更容易獲取作為與特定行動對應的期間的行動的可能性高的行動作為行動解析結果。

因此，能夠更合適地進行用戶的行動解析。

此外，由于基于特定行動(在利用特定行動的基礎上)來預測該特定行動的前后的行動，因此與在什么也不參照的情況下進行行動解析的情況相比，處理變得容易，能夠在利用cpu功率不多的情況下進行行動解析。

特定行動檢測部52檢測特定行動作為成為行動解析的契機的行動。

行動解析部53對與特定行動相鄰的期間中的用戶的關聯行動進行解析。

由此，以特定行動為契機，更容易獲取作為特定行動的前后的行動的可能性高的行動作為行動解析結果。

因此，能夠更合適地進行用戶的行動解析。

行動解析部53將與特定行動對應的期間中的用戶的關聯行動與特定行動建立對應而進行解析。

由此，能夠對與特定行動建立對應的關聯行動進行解析，因此能夠更具體且更高精度地對用戶的行動進行解析。

特定行動檢測部52檢測與行動的開始對應的第一特定行動。

行動解析部53將檢測出第一特定行動以后的期間中的用戶的行動與第一特定行動建立對應而進行解析。

由此，能夠更具體且更高精度地對在第一特定行動之后進行的行動進行解析。

特定行動檢測部52檢測與行動的結束對應的第二特定行動。

行動解析部53將檢測出第二特定行動以前的期間中的用戶的行動與第二特定行動建立對應而進行解析。

由此，能夠更具體且更高精度地對在第二特定行動之前進行的行動進行解析。

特定行動檢測部52檢測與行動的開始對應的第一特定行動和與行動的結束對應的第二特定行動。

行動解析部53將從檢測出第一特定行動的時間起直到檢測出第二特定行動的時間為止的用戶的行動與第一特定行動和第二特定行動建立對應而進行解析。

由此，能夠更具體且更高精度地對在第一特定行動與第二特定行動之間進行的行動進行解析。

特定行動檢測部52將用戶的多個行動的組合或用戶的單個行動中的至少任一個檢測為特定行動。

由此，能夠定義更合適的特定行動，因此能夠更合適地進行用戶的行動解析。

此外，行動解析裝置1還具備關聯行動存儲部72。

關聯行動存儲部72將特定行動和與該特定行動的關聯性高的用戶的行動預先建立對應而進行存儲。

在由特定行動檢測部52檢測出特定行動的情況下，行動解析部53參照存儲在關聯行動存儲部72的與該特定行動的關聯性高的用戶的行動，對用戶的行動進行解析。

由此，能夠預先定義與特定行動的關聯性高的行動，能夠參照定義的行動更簡單地對用戶的行動進行解析。

特定行動檢測部52由行動解析裝置1具備的第一cpu11a構成。

行動解析部53由行動解析裝置1具備的第二cpu11b構成。

第一cpu11a以比第二cpu11b低的功耗進行動作。

由此，能夠實現行動解析裝置1的低功耗化。

行動解析裝置1具備歷史記錄數據存儲部71。

歷史記錄數據存儲部71存儲與用戶的行動相關聯地獲取的數據的歷史記錄。

特定行動檢測部52基于存儲在歷史記錄數據存儲部71的數據來檢測特定行動。

行動解析部53基于檢測出的特定行動對存儲在歷史記錄數據存儲部71的數據所表示的行動進行解析。

由此，能夠在行動解析裝置1中將過去獲取的歷史記錄的數據作為對象來檢測特定行動并進行行動解析。

行動解析部53對與特定行動相鄰的期間中的用戶的行動進行解析而作為一個行動結果。

由此，作為行動結果能夠獲取與特定行動相鄰的期間中的用戶的行動整體所表示的行動的內容。

另外，本發明不限定于上述的實施方式，能夠達到本發明的目的的范圍內的變形、改良等也包含于本發明。

例如，雖然在上述的實施方式中設特定行動與關聯行動預先建立了對應而進行了說明，但是不限于此。例如，也可以根據用戶的行動歷史記錄、行動解析裝置1的操作歷史記錄等依次提取與特定行動對應的關聯行動。

此外，在上述的實施方式中，也可以從與行動解析裝置1合作的其它裝置獲取定位數據或各種傳感器的輸出數據。

此外，在上述的實施方式中將特定行動用作用戶的行動解析用的契機(觸發)，并在與該特定行動相鄰的期間對用戶的行動進行解析，但是也可以在檢測出特定行動的期間中進行用戶的行動解析。

此外，在上述的實施方式中，在行動解析處理的步驟s23中，行動解析部53確定與特定行動對應的期間的用戶的行動要素和行動的種類，但是在該情況下，能夠根據在行動解析裝置1中掌握的各種信息來確定用戶的行動。例如，能夠對生物體信息、運動信息或環境信息進行分析，確定作業、運動等的種類、強度等。此外，能夠對定位數據、地域信息、移動軌跡、移動距離、擁堵時間或時刻表等進行分析，從而判定出發地、目的地等地域、場所、事項、目的等。此外，能夠對電子郵件、sns(socialnetworkingservice：社交網絡服務)、攝像圖像或應用、文件的使用歷史記錄等進行分析，對通信對方、特定的人的面部、面部識別、場景識別、消息事項、文件的種類等進行判定。進而，能夠對進行了通信的無線基站、wifi基站、bt(藍牙(注冊商標))設備、檢測出的rfid標簽或nfc標簽等的通信歷史記錄進行分析，對通信對方的設備、標簽的id或種類、設置場所、注冊的攜帶物品等進行判定。

此外，在上述的實施方式中，為了明確地記錄特定行動或行動歷史記錄，也可以在工作單位(自己的辦公桌等)、家或者汽車等給定對象設置rfid標簽或nfc標簽的讀取裝置，并由用戶適宜地讀取rfid標簽等。同樣地，也可以將在車站的檢票口等讀取了rfid標簽等的情況記錄為行動歷史記錄。

此外，在上述的實施方式中，以智能電話或腕戴式終端等可穿戴設備為例對應用本發明的行動解析裝置1進行了說明，但是不特別限定于此。

例如，本發明能夠普遍應用于具有行動解析處理功能的電子設備。具體地，例如，本發明能夠應用于筆記本型的個人計算機、電視圖像接收機、攝像機、便攜型導航裝置、便攜電話機、手提式游戲機等。此外，作為腕戴式終端以外的可穿戴設備，例如還能夠應用于眼鏡型的可穿戴設備。在該情況下，能夠檢測用戶的口部的運動，能夠更準確地判定正在用餐、進行會話的情況。

上述的一系列的處理能夠由硬件執行，也能夠由軟件執行。

換言之，圖2的功能結構只不過是例示，沒有特別限定。即，只要行動解析裝置1具備能夠作為整體來執行上述的一系列的處理的功能即可，關于為了實現該功能而使用什么樣的功能模塊，則不特別限定于圖2的例子。

此外，一個功能模塊可以由硬件單體構成，也可以由軟件單體構成，還可以由它們的組合構成。

本實施方式中的功能結構由執行運算處理的處理器實現，能夠用于本實施方式的處理器除了包括由單處理器、多處理器以及多核處理器等各種處理裝置單體構成的處理器以外，還包括由這些各種處理裝置和asic(applicationspecificintegratedcircuit：專用集成電路)、fpga(field-programmablegatearray：現場可編程門陣列)等處理電路組合而成的處理器。

在由軟件來執行一系列的處理的情況下，構成該軟件的程序從網絡、記錄介質安裝到計算機等。

計算機可以是嵌入到專用的硬件的計算機。此外，計算機也可以是通過安裝各種程序而能夠執行各種功能的計算機，例如，可以是通用的個人計算機。

包含這樣的程序的記錄介質不僅由為了對用戶提供程序而與裝置主體獨立地分發的圖1的可移動介質31構成，而且由以預先組裝在裝置主體的狀態提供給用戶的記錄介質等構成。可移動介質31例如由磁盤(包括軟盤)、光盤、或光磁盤等構成。光盤例如由cd-rom(compactdisk-readonlymemory：光盤只讀存儲器)、dvd(digitalversatiledisk：數字化視頻光盤)、blu-ray(注冊商標)disc(藍光光盤)等構成。光磁盤由md(mini-disk：迷你盤)等構成。此外，以預先組裝在裝置主體的狀態提供給用戶的記錄介質例如由記錄有程序的圖1的rom12、圖1的存儲部21包括的硬盤等構成。

另外，在本說明書中，對記錄在記錄介質的程序進行記述的步驟，不僅包括依次按時間順序進行的處理，而且不一定按時間順序進行處理，還包括并行地或獨立地執行的處理。

此外，在本說明書中，“系統”這一用語意味著由多個裝置、多個單元等構成的整個裝置。

以上，對本發明的幾個實施方式進行了說明，但這些實施方式只不過是例示，并不限定本發明的技術范圍。本發明能夠采用其它的各種各樣的實施方式，進而，能夠在不脫離本發明的主旨的范圍內進行省略、置換等各種變更。這些實施方式、其變形包含于本說明書等記載的發明的范圍、主旨，并且包含于權利要求書記載的發明和與其等同的范圍。