特許 7431584 生体情報計測装置、生体情報計測システム、生体情報計測装置の作動方法、及び制御プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-02-06

(45)【発行日】2024-02-15

(54)【発明の名称】生体情報計測装置、生体情報計測システム、生体情報計測装置の作動方法、及び制御プログラム

(51)【国際特許分類】

   A61B 5/02 20060101AFI20240207BHJP

   A61B 5/021 20060101ALI20240207BHJP

   A61B 5/0245 20060101ALI20240207BHJP

   A61B 5/16 20060101ALI20240207BHJP

【ＦＩ】

A61B5/02 310A

A61B5/021

A61B5/0245 A

A61B5/16 110

【請求項の数】 10

(21)【出願番号】P 2020000594

(22)【出願日】2020-01-07

(65)【公開番号】P2021108752

(43)【公開日】2021-08-02

【審査請求日】2022-09-21

(73)【特許権者】

【識別番号】000005049

【氏名又は名称】シャープ株式会社

(74)【代理人】

【識別番号】100147304

【弁理士】

【氏名又は名称】井上 知哉

(72)【発明者】

【氏名】江戸 勇樹

(72)【発明者】

【氏名】足立 佳久

(72)【発明者】

【氏名】岩井 敬文

(72)【発明者】

【氏名】小川 莉絵子

(72)【発明者】

【氏名】富澤 亮太

【審査官】▲高▼ 芳徳

(56)【参考文献】

【文献】国際公開第２０１９／２１６４１７（ＷＯ，Ａ１）

【文献】特開２０１７－１２４１５３（ＪＰ，Ａ）

【文献】特開２００９－０１７３５４（ＪＰ，Ａ）

【文献】特開２０１１－０４５４５８（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／００ － ５／０３

Ａ６１Ｂ ５／０６ － ５／２２

Ａ６１Ｂ １０／００

(57)【特許請求の範囲】

【請求項1】

モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御部と、
前記モデルを用いて、生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記第１の照射光のスペクトルと、前記予測フェーズにおいて前記肌に照射された第２の照射光のスペクトルとの差を、被調整スペクトル差として算出するスペクトル差算出部と、
前記予測フェーズにおいて、前記被調整スペクトル差を所定の値域に収めるように前記肌に照射するための光を出射する光源を制御する光源制御部と、
前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測部とを備えた生体情報計測装置。

【請求項2】

前記学習用映像に含まれる色情報に基づいて、前記第１の照射光のスペクトルを推定する第１スペクトル推定部をさらに備えた、請求項１に記載の生体情報計測装置。

【請求項3】

前記予測用映像に含まれる色情報に基づいて、前記第２の照射光のスペクトルを推定する第２スペクトル推定部をさらに備えた、請求項１又は２に記載の生体情報計測装置。

【請求項4】

前記算出部は、前記光源が制御された後、前記被調整スペクトル差を再度算出し、
前記光源制御部は、前記光源を再度制御して前記再度算出された前記被調整スペクトル差を前記所定の値域に収める、請求項１～３のいずれか１項に記載の生体情報計測装置。

【請求項5】

前記学習用映像から算出される脈波と、前記生体に関連する情報との入出力関係を、前記モデルに学習させる学習部をさらに備え、
前記予測部は、前記入出力関係に基づいて、前記予測用映像から算出される脈波から前記生体情報を予測する、請求項１～４のいずれか１項に記載の生体情報計測装置。

【請求項6】

前記光源制御部は、３波長帯域以上の光源を制御する、請求項１～５のいずれか１項に記載の生体情報計測装置。

【請求項7】

前記第１の照射光のスペクトルの計測値または前記第２の照射光のスペクトルの計測値を取得する取得部をさらに備えた、請求項１～６のいずれか１項に記載の生体情報計測装置。

【請求項8】

生体情報計測装置と、
光源と、
撮影装置とを含み、
前記生体情報計測装置は、
モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御部と、
前記モデルを用いて、生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記第１の照射光のスペクトルと、前記予測フェーズにおいて前記肌に照射された第２の照射光のスペクトルとの差を、被調整スペクトル差として算出するスペクトル差算出部と、
前記予測フェーズにおいて、前記被調整スペクトル差を所定の値域に収めるように前記肌に照射するための光を出射する前記光源を制御する光源制御部と、
前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測部とを備えた
生体情報計測システム。

【請求項9】

生体情報計測装置の作動方法であって、
前記生体情報計測装置が、モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御ステップと、
前記生体情報計測装置が、前記モデルを用いて、生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記第１の照射光のスペクトルと、前記予測フェーズにおいて前記肌に照射された第２の照射光のスペクトルとの差を、被調整スペクトル差として算出するステップと、
前記生体情報計測装置が、前記予測フェーズにおいて、前記被調整スペクトル差を所定の値域に収めるように前記肌に照射するための光を出射する光源を制御する光源制御ステップと、
前記生体情報計測装置が、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測ステップとを含む生体情報計測装置の作動方法。

【請求項10】

生体情報計測装置に、
モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御機能と、
前記モデルを用いて、生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記第１の照射光のスペクトルと、前記予測フェーズにおいて前記肌に照射された第２の照射光のスペクトルとの差を、被調整スペクトル差として算出するスペクトル差算出機能と、
前記予測フェーズにおいて、前記被調整スペクトル差を所定の値域に収めるように前記肌に照射するための光を出射する光源を制御する光源制御機能と、
前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測機能とを実現させる制御プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、生体情報計測装置、生体情報計測システム、生体情報計測装置の作動方法、及び制御プログラムに関する。

【背景技術】

【0002】

特許文献１には、肌を撮影した映像から脈波を計測する脈波計測装置が記載されている。さらに、特許文献１には、計測された脈波から生体情報を算出する脈波演算装置が記載されている。ここで、特許文献１に記載された脈波演算装置は、外乱光が位置する方向と外乱光の輝度特性とに基づいて、脈波計測装置の最適な設置位置を決定する。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１８－０６８４３１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、肌への照射光の波長に応じて、体内の物質（ヘモグロビン等）の吸光度が異なる。そして、吸光度が変化することで撮影される肌の色が変化する。そのため、肌に照射される光が変化した場合、撮影される肌の色が変化する。その結果、撮影環境が変化した場合、肌を撮影した映像から計測される脈波及び生体情報は変化する。

【0005】

特許文献１に記載された技術では、外乱光が位置する方向と外乱光の輝度特性とに応じて、脈波計測装置の位置を移動する。ここで、特許文献１に記載された技術では、脈波計測装置を適切な位置に移動できない場合、撮影環境の変化により生体情報の計測精度が低下するおそれがある。

【0006】

そこで、本開示の一態様は、例えば、撮影環境の変化により生体情報の計測精度が低下することを抑制できる生体情報計測装置など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】

本開示の一態様に係る生体情報計測装置は、モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御部と、前記モデルを用いて、生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記肌に照射された第２の照射光のスペクトルと、前記第１の照射光のスペクトルとに基づいて、前記肌に光を照射する光源を制御する光源制御部と、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測部とを備える。

【0008】

本開示の一態様に係る生体情報計測システムは、生体情報計測装置と、光源と、撮影装置とを含み、前記生体情報計測装置は、モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御部と、前記モデルを用いて生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記肌に照射された第２の照射光のスペクトルと、前記第１の照射光のスペクトルとに基づいて、前記肌に光を照射する前記光源を制御する光源制御部と、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測部とを備える。

【0009】

本開示の一態様に係る生体情報計測装置の制御方法は、モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御ステップと、前記モデルを用いて生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記肌に照射された第２の照射光のスペクトルと、前記第１の照射光のスペクトルとに基づいて、前記肌に光を照射する光源を制御する光源制御ステップと、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測ステップとを含む。

【0010】

本開示の一態様に係る制御プログラムは、生体情報計測装置に、モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御機能と、前記モデルを用いて生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記肌に照射された第２の照射光のスペクトルと、前記第１の照射光のスペクトルとに基づいて、前記肌に光を照射する光源を制御する光源制御機能と、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測機能とを実現させる。

【図面の簡単な説明】

【0011】

【図1】第１の実施形態に係る生体情報計測システムの一例を示す模式図である。

【図2】撮影装置が生成する映像の一例を示す図である。

【図3】第１の実施形態に係る生体情報計測装置の機能構成の一例を示すブロック図である。

【図4】画素値と、光のスペクトル等との関係の一例を示す図である。

【図5】肌に照射された光のスペクトルを映像に基づいて推定する処理の一例を示すフローチャートである。

【図6】学習フェーズ、予測フェーズそれぞれにおける上記生体情報計測装置の動作の一例を示すフローチャートである。

【図7】予測フェーズにおける上記生体情報計測装置の動作の一例を示すフローチャートである。

【図8】被調整スペクトル差を算出した結果の一例を示すグラフである。

【図9】第１の実施形態の変形例に係る生体情報計測装置の機能構成の一例を示すブロック図である。

【発明を実施するための形態】

【0012】

［第１の実施形態］
以下、図１～図９に基づいて、第１の実施形態を説明する。なお、図面については、同一または同等の要素には同一の符号を付し、重複する説明は省略する。

【0013】

（生体情報計測システム１００の全体構成）
図１は、生体情報計測システム１００の一例を示す模式図である。

【0014】

生体情報計測システム１００は、被験者１０４の生体情報を非接触で計測するためのシステムである。ここで、生体情報計測システム１００が計測する生体情報は、例えば、血圧、心拍数、ストレスレベルなどである。生体情報計測システム１００は、例えば、光源１０１と、撮影装置１０２と、生体情報計測装置１０３とを含む。

【0015】

光源１０１は、被験者（生体）１０４の肌に光を照射する。なお、以下の説明では、被験者１０４が人間である例を説明するが、被験者１０４は動物などであってもよい。

【0016】

また、光源１０１は、３波長帯域以上の光を出射する。光源１０１は、例えば、ピークのスペクトルの波長が６００、５００、４５０ｎｍから所定の範囲内の光を出射する。換言すると、光源１０１は、赤色、緑色、青色の光を出射する。光源１０１は、例えば、ＬＥＤ（Light Emitting Diode）等を含む。

【0017】

さらに、光源１０１は、波長帯域毎に、光を出射するタイミングを変化させる機構を備える。生体情報計測装置１０３は、当該タイミングを制御し、波長帯域毎に、当該光源１０１から出射される光の強度（以下「光源１０１の強度」と称する）を変化させる。

【0018】

撮影装置１０２は、被験者１０４の肌を含む領域を撮影する装置である。撮影装置１０２は、光源から出射される光の波長帯域に感度を有する。すなわち、撮影装置１０２は、例えば、赤色、緑色、青色の光の波長帯域に感度を有するＲＧＢカメラなどであってよい。なお、肌に照射される光は、光源１０１から出射される光と外部光との合成光であるため、撮影装置１０２によって撮影された映像は、合成光の影響を受ける。

【0019】

生体情報計測装置１０３は、撮影装置１０２によって撮影された肌の色の変化から、脈波を推定する。ここで、脈波は、末梢血管の容積の変化を示す信号である。心臓の拍動に伴って末梢血管の血圧・容積が変化し、これが肌の色を変化させるため、生体情報計測装置１０３は当該変化から脈波を推定できる。生体情報計測装置１０３が脈波を推定する方法の詳細は後述する。

【0020】

生体情報計測装置１０３は、肌を撮影した学習用映像から推定される学習用脈波と、学習用生体情報との組み合わせを学習用データとしてモデルを学習させる。なお、以下の説明では、モデルを学習させる段階を「学習フェーズ」と称する。また、上記学習用映像は、学習フェーズにおいて生体情報計測装置１０３が生成した映像であり、上記学習用脈波は、当該学習用映像から推定される脈波である。さらに、上記学習用生体情報は、例えば、血圧計などの計測装置を用いて実際に計測された生体情報である。

【0021】

生体情報計測装置１０３は、モデルを学習させるとき、光源から肌に照射された光のスペクトル（以下「学習時スペクトル」と称する）を推定し、当該スペクトルを記憶させる。なお、生体情報計測装置１０３が光のスペクトルを推定する方法の詳細は、図７を参照して後述する。

【0022】

また、生体情報計測装置１０３は、肌を撮影した予測用映像から予測用脈波を推定し、学習済みのモデルに基づいて当該予測用脈波から生体情報を予測する。すなわち、生体情報計測装置１０３は、学習済みのモデルを用いた予測により、非接触で被験者１０４の生体情報を計測する。

【0023】

なお、以下の説明では、学習済みのモデルを用いて生体情報を予測する段階を「予測フェーズ」と称する。また、上記予測用映像は、予測フェーズにおいて生体情報計測装置１０３が生成した映像であり、上記予測用脈波は、当該予測用映像から推定される脈波である。

【0024】

生体情報計測装置１０３は、予測フェーズにおいても、学習フェーズと同様に、光源から肌に照射された光のスペクトル（以下「予測時スペクトル」と称する）を推定する。次に、学習時スペクトルに基づいて光源１０１の強度を制御し、外部光の影響をキャンセルするように予測時スペクトルを補正する。これにより、学習フェーズと予測フェーズとで撮影条件とを揃えることができる。

【0025】

そして、生体情報計測システム１００は、補正後の予測時スペクトルを持つ光を肌に照射し、生体情報を再度予測する。したがって、生体情報計測システム１００および生体情報計測装置１０３は、撮影環境の変化により生体情報の計測精度が低下することを抑制できる。

【0026】

（学習用映像及び予測用映像の取得方法）
図２は、撮影装置１０２が生成する映像の一例を示す図である。図２に基づいて、撮影装置１０２が生成する映像について説明する。なお、以下の説明においては、撮影装置１０２が、被験者１０４の顔を撮影する場合を例示して説明する。

【0027】

例えば、撮影装置１０２は、所定のフレームレート（例えば、３００ｆｐｓ（frames per second））で、所定の時間（例えば、３０秒～６０秒間）、被験者１０４の顔を撮影し、時系列の撮影映像を生成する。撮影映像は、複数のフレーム画像２０１を含む。

【0028】

生体情報計測装置１０３は、撮影映像に含まれるフレーム画像２０１から、肌を含む関心領域（所謂ＲＯＩ（Region Of Interest））２０２をそれぞれ抽出し、抽出した関心領域２０２の映像を生成する。例えば、フレーム画像２０１のサイズが縦６４０×横４８０画素である場合、関心領域２０２のサイズは、縦２０×横２０画素であってよい。

【0029】

なお、図２に例示するように、画像２０１が顔領域を含む場合、関心領域２０２は額部分であってよい。このとき、生体情報計測装置１０３は、額部分の肌を含む関心領域２０２を示す時系列の映像を学習用映像及び予測用映像として取得する。

【0030】

（生体情報計測装置１０３の機能構成）
図３は、生体情報計測装置１０３の機能構成の一例を示すブロック図である。生体情報計測装置１０３は、例えば、記憶部３１０、制御部３２０等を含む。

【0031】

記憶部３１０は、生体情報計測装置１０３の全体を制御するために必要な情報を記憶する。記憶部３１０は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等により実現され、その詳細は問わない。

【0032】

記憶部３１０は、モデル３１１、学習時スペクトル３１２等を記憶する。モデル３１１は、学習用脈波と生体情報との入出力関係を近似する数理モデルであってよく、例えば、線形モデル、サポートベクトルマシン、全結合型ニューラルネットワーク、畳み込みニューラルネットワークなどであってよい。

【0033】

モデル３１１が全結合型ニューラルネットワークである場合、例えば、その入力は事前に抽出した脈波の特徴量（例えば、脈波の振幅など）であってよい。また、モデル３１１が畳み込みニューラルネットワークである場合、例えば、その入力は複数のフレームにそれぞれ対応する脈波の波形であってよい。

【0034】

制御部３２０は、生体情報計測装置１０３の全体を制御する。制御部３２０は、例えば、映像取得部３２１、第１スペクトル推定部３２２、第１脈波算出部３２３、生体情報取得部３２４、学習部３２５、記憶制御部３２６、第２スペクトル推定部３２７、第２脈波算出部３２８、スペクトル差算出部（算出部）３２９、光源制御部３３０、予測部３３１等を含む。

【0035】

制御部３２０は、例えば、ＣＰＵ（Central Processing Unit）等のプロセッサにより実現される。プロセッサは、例えば、記憶部３１０に格納されたプログラムを読み出し、実行することで、制御部３２０に含まれる各部を機能させる。

【0036】

なお、第１スペクトル推定部３２２、第１脈波算出部３２３、生体情報取得部３２４、及び学習部３２５は、学習フェーズに関連する処理を実行する。第２スペクトル推定部３２７、第２脈波算出部３２８、スペクトル差算出部３２９、光源制御部３３０、及び予測部３３１は、予測フェーズに関連する処理を実行する。

【0037】

映像取得部３２１は、時系列の撮影映像を取得する。さらに、映像取得部３２１は、撮影映像に含まれる各フレーム画像２０１から関心領域２０２を抽出する。

【0038】

映像取得部３２１は、学習フェーズにおいて学習用映像を生成し、第１脈波算出部３２３に当該生成した学習用映像を出力する。さらに、映像取得部３２１は、学習フェーズにおいて、学習用映像に含まれる１つのフレーム画像を、学習用画像として第１スペクトル推定部３２２に出力する。

【0039】

また、映像取得部３２１は、予測フェーズにおいて予測用映像を生成し、第２脈波算出部３２８に当該生成した予測用映像を出力する。さらに、映像取得部３２２は、予測フェーズにおいて、予測用映像に含まれる１つのフレーム画像を、予測用画像として第２スペクトル推定部３２７に出力する。

【0040】

第１スペクトル推定部３２２は、学習用映像に含まれる色情報に基づいて、学習フェーズにおいて肌に照射された光（第１の照射光）のスペクトルを、学習時スペクトル３１２として推定する。第1スペクトル推定部３２２は、当該推定した学習時スペクトル３１２を記憶部３１０に記憶させる。学習用映像に含まれる色情報は、学習用画像に含まれる各画素の画素値である。本実施形態においては、画素値は、Ｒ（Red）、Ｇ（Green）、Ｂ（Blue）各色の濃度を含む。なお、以下の説明では、説明の便宜上、学習用映像に含まれる色情報を「学習用色情報」と称する。

【0041】

第１脈波算出部３２３は、学習用色情報に基づいて学習用脈波を算出する。第１脈波算出部３２３は、例えば、学習用映像に含まれる複数のフレームにおける、画素の画素値、輝度値等の時系列変化に基づいて、学習用脈波を算出してもよい。

【0042】

生体情報取得部３２４は、学習用フェーズにおいて、被験者１０４の生体情報を学習用生体情報として取得する。

【0043】

学習部３２５は、学習用脈波と学習用生体情報との入出力関係を、モデル３１１に学習させる。

【0044】

記憶制御部３２６は、学習フェーズにおいて、学習時スペクトル３１２を記憶させる。また、記憶制御部３２６は、学習フェーズの後、学習済みのモデル３１１を記憶部３１０に記憶させる。

【0045】

第２スペクトル推定部３２７は、予測用映像に含まれる色情報に基づいて、予測フェーズにおいて肌に照射された光（第２の照射光）のスペクトルを、予測時スペクトルとして推定する。予測用映像に含まれる色情報は、予測用画像に含まれる各画素の画素値である。以下の説明では、説明の便宜上、予測用映像に含まれる色情報を、「予測用色情報」と称する。

【0046】

第２脈波算出部３２８は、予測用映像から予測用脈波を算出する。

【0047】

スペクトル差算出部３２９は、学習用色情報に基づく値と、予測用色情報に基づく値との差を算出する。学習用色情報に基づく値は、例えば、学習用画像に含まれる複数の画素に対応する画素値の平均値を含む。また、予測用色情報に基づく値は、例えば、予測用画像に含まれる複数の画素に対応する画素値の平均値を含む。以下の説明では、説明の便宜上、スペクトル差算出部３２９が算出する上記差を、「被調整スペクトル差」と称する。被調整スペクトル差を算出する方法の詳細は後述する。

【0048】

光源制御部３３０は、予測フェーズにおいて、予測時スペクトルと学習時スペクトル３１２とに基づいて光源１０１を制御する。具体的には、光源制御部３３０は、光源１０１の強度を制御することにより、被調整スペクトル差を低減させる。例えば、光源制御部３３０は、光源１０１を制御して被調整スペクトル差を所定の値域に収める。

【0049】

予測部３３１は、予測用映像に基づく予測情報とモデル３１１とに基づいて生体情報を予測する。予測情報は、予測用映像から推定される情報であり、例えば、被制御光が照射された肌が撮影されたとき、当該予測用映像から推定される予測用脈波である。なお、被制御光は、光源制御部により制御された光源１０１から出射された光である。具体的には、被制御光は、光源制御部３３０が被調整スペクトル差を低減させた後、光源１０１から出射される光である。

【0050】

次に、生体情報計測装置１０３の動作について説明する。

【0051】

生体情報計測装置１０３の動作に関して、まずは、光のスペクトルの推定方法について詳細に説明する。

【0052】

（光のスペクトルの推定方法）
肌を撮影した映像に含まれる画素の画素値と、肌に照射された光のスペクトル等との関係について説明する。図４は、画素値と、光のスペクトル等との関係の一例を示す図である。

【0053】

Ｒ、Ｇ、Ｂ各色に対応する光の波長帯域に関して、光源１０１から出射される光のスペクトルと、外部光のスペクトルと、肌の色素に関する物質の吸収係数と、撮影装置１０２の分光感度とを乗じた値と、Ｒ、Ｇ、Ｂ毎の画素値とは相関する。

【0054】

光源１０１から出射される光のスペクトルと、光源１０１の強度とは相関する。また、外部光は、肌の撮影環境において、光源１０１から出射される光とは異なる光である。外部光は、例えば、太陽光であってもよい。また、肌の色素に関する物質は、肌の色に関連する物質である。肌の色素に関する物質は、メラニン、ヘモグロビン等を含む。肌の色素に関する物質の吸収係数は、肌に照射された光の波長帯域に応じて異なる。また、撮影装置１０２の分光感度は、Ｒ、Ｇ、Ｂ各色に対応する光の波長帯域に対する分光感度である。

【0055】

ここで、撮影装置１０２が所定の時間（例えば、３０秒～６０秒間）、肌を撮影する場合に、撮影装置１０２の分光感度は定常である場合を例示して説明する。その場合、Ｒ、Ｇ、Ｂ毎の画素値は、Ｒ、Ｇ、Ｂ各色に対応する光の波長帯域に関して、肌に照射された光のスペクトルと相関する。上記の通り、肌に照射された光は、光源１０１から出射される光と外部光との合成光である。そのため、肌に照射された光のスペクトルと、光源１０１から出射される光のスペクトルおよび外部光のスペクトルとは相関する。

【0056】

従って、学習フェーズにおいては、Ｒ、Ｇ、Ｂ各色に対応する光の波長帯域における学習時スペクトル３１２と、学習用映像におけるＲ、Ｇ、Ｂ毎の画素値とは相関する。同様に、予測フェーズにおいては、Ｒ、Ｇ、Ｂ各色に対応する光の波長帯域における予測時スペクトルと、予測用映像におけるＲ、Ｇ、Ｂ毎の画素値とは相関する。

【0057】

以上より、肌を撮影した映像に含まれる画素の画素値と、肌に照射された光のスペクトルとは相関する。そこで、生体情報計測装置１００は、肌に照射された光のスペクトルを映像に基づいて推定する。

【0058】

次に、肌に照射された光のスペクトルを映像に基づいて推定する処理の詳細について説明する。図５は、肌に照射された光のスペクトルを映像に基づいて推定する処理の一例を示すフローチャートである。具体的には、図５は、図６に示すステップＳ６０３（後述）の一例と、及び図７に示すステップＳ７０３（後述）の処理の一例とを示すフローチャートである。

【0059】

ステップＳ５０１において、生体情報計測装置１０３は、映像に含まれる複数の画素の画素値の平均値を、Ｒ、Ｇ、Ｂ毎に算出する。具体的には、学習フェーズにおいては、第１スペクトル推定部３２２は、学習用映像に含まれる複数の画素の画素値の平均値を、Ｒ、Ｇ、Ｂ毎に算出する。また、予測フェーズにおいては、第２スペクトル推定部３２７は、予測用映像に含まれる複数の画素の画素値の平均値を、Ｒ、Ｇ、Ｂ毎に算出する。

【0060】

ステップＳ５０２において、生体情報計測装置１０３は、Ｒ、Ｇ、Ｂ毎に算出された画素値の平均値を正規化する。

【0061】

ステップＳ５０３において、生体情報計測装置１０３は、Ｒ、Ｇ、Ｂ毎の画素値の正規化した平均値を、肌に照射された光のスペクトルとして推定する。学習フェーズにおいては、第１スペクトル推定部３２２は、Ｒ、Ｇ、Ｂ毎の画素値の正規化した平均値を、学習時スペクトル３１２として推定する。換言すると、第１スペクトル推定部３２２は、学習用映像に含まれる各色の画素値の平均値を正規化した値を、学習時スペクトルとして推定する。そして、記憶制御部３２６は、学習フェーズにおいて、学習時スペクトル３１２を記憶部３１０に記憶させる。また、予測フェーズにおいては、第２スペクトル推定部３２７は、Ｒ、Ｇ、Ｂ毎の画素値の正規化した平均値を、予測時スペクトルとして推定する。換言すると、第２スペクトル推定部３２７は、予測用映像に含まれる各色の画素値の平均値を正規化した値を、予測時スペクトルとして推定する。

【0062】

次に、学習フェーズ、予測フェーズそれぞれにおける生体情報計測装置１０３の動作について説明する。図６は、学習フェーズ、予測フェーズそれぞれにおける生体情報計測装置１０３の動作の一例を示すフローチャートである。図６のステップＳ６０１～Ｓ６０６は、学習フェーズにおける生体情報計測装置１０３の動作の一例を示す。図６のステップＳ６１１～Ｓ６１２は、予測フェーズにおける生体情報計測装置１０３の動作の一例を示す。

【0063】

（学習フェーズにおける生体情報計測装置１０３の動作）
まず、学習フェーズにおける生体情報計測装置１０３の動作について説明する。

【0064】

ステップＳ６０１において、光源制御部３３０は、光源１０１に光を出射させる。

【0065】

ステップＳ６０２において、映像取得部３２１は、撮影装置１０２に被験者１０４の肌を撮影させる。撮影装置１０２は、映像取得部３２１からの指示に応じて、被験者１０４の肌を撮影し、撮影映像を生成する。ここで、撮影装置１０２が被験者１０４の肌を撮影する際、光源１０１から出射される光が当該肌に照射されている。そして、映像取得部３２１は、学習用映像を取得する。具体的には、映像取得部３２１は、撮影映像から関心領域２０２の映像を、学習用映像として取得する。

【0066】

ステップＳ６０３において、第１スペクトル推定部３２２は、学習時スペクトル３１２を推定する。具体的には、映像取得部３２１は、時系列の学習用映像に含まれる１つのフレーム画像２０１を、学習用画像として抽出する。学習用画像は、時系列の学習用映像における任意のフレーム画像２０１であってよい。第１スペクトル推定部３２２は、学習用画像に基づいて、学習時スペクトル３１２を推定する。

【0067】

ステップＳ６０４において、第１脈波算出部３２３は、学習用映像に基づいて、学習用脈波を算出する。例えば、第１脈波算出部３２３は、学習用映像に含まれる各フレーム画像２０１から、特徴量を抽出する。特徴量は、学習用色情報に関連する情報であり、例えば、Ｒ、Ｇ、Ｂ毎の各画素の画素値、各画素の輝度等であってもよい。そして、第１脈波算出部３２３は、所定の時間にわたり、特徴量の時間的な変化を示す信号を算出する。第１脈波算出部３２３は、当該信号に対して独立成分分析、ローパスフィルタ等の処理を行うことで出力された信号を、学習用脈波として決定する。

【0068】

ステップＳ６０５において、生体情報取得部３２４は、学習用生体情報を取得する。具体的には、生体情報取得部３２４は、学習用脈波を取得した時点に対応する生体情報を、学習用生体情報として取得する。例えば、生体情報取得部３２４は、学習用映像を生成する時点と同期して、学習用生体情報を取得してもよい。なお、生体情報を計測する方法の詳細は問わない。例えば、生体情報を計測する装置（例えば、血圧計等）が、生体情報（例えば、血圧）を計測してもよい。そして、生体情報取得部３２４は、当該装置から生体情報を取得してもよい。

【0069】

ステップＳ６０６において、学習部３２５は、学習用脈波と学習用生体情報との入出力関係を、モデル３１１に学習させる。そして、記憶制御部３２６は、学習済みのモデル３１１を記憶部３１０に記憶させる。

【0070】

学習フェーズを終了後に、予測フェーズにおいて、生体情報計測装置１０３は、光源１０１の強度を調整する（ステップＳ６１１）。そして、生体情報計測装置１０３は、学習済みのモデル３１１に基づいて、生体情報を予測する（ステップＳ６１２）。

【0071】

（予測フェーズにおける生体情報計測装置１０３の動作）
次に、予測フェーズにおける生体情報計測装置１０３の動作について詳細に説明する。図７は、予測フェーズにおける生体情報計測装置１０３の動作の一例を示すフローチャートである。図７に示すステップＳ７０１～７０６は、図４に示すステップＳ４１１の詳細な処理である。また、図７に示すステップＳ７０７～７０８は、図６に示すステップＳ６１２の詳細な処理である。

【0072】

ステップＳ７０１において、光源制御部３３０は、光源１０１の強度の初期値を設定する。例えば、当該初期値は、学習フェーズにおける光源１０１の強度と同一であってもよい。

【0073】

そして、光源制御部３３０は、光源１０３に光を出射させる。そして、撮影装置１０２は、映像取得部３２１からの指示に応じて、被験者１０４の肌を撮影し、撮影映像を生成する。そして、映像取得部３２１は、予測用映像を取得する。具体的には、映像取得部３２１は、撮影映像から関心領域２０２の映像を、予測用映像として取得する。ここで、学習フェーズにおける撮影環境と、予測フェーズにおける撮影環境とは異なってよい。また、学習フェーズにおける光源１０１の強度と、予測フェーズにおける光源１０１の強度とは異なってよい。

【0074】

ステップＳ７０２において、光源１０１の強度の更新回数が所定の上限回数であるか否かを、光源制御部３３０は判定する。当該更新回数は、予測フェーズにおいて、光源制御部３３０が光源１０１の強度を更新する回数である。光源１０１の強度の更新回数が所定の上限回数である場合（ステップＳ７０２：Ｙｅｓ）には、制御は、ステップＳ７０３に遷移する。

【0075】

ステップＳ７０３において、第２スペクトル推定部３２７は、予測用映像に基づいて、予測時スペクトルを推定する。具体的には、第２スペクトル推定部３２７は、予測用映像を入力として、図６に示すステップＳ６０１～Ｓ６０３の処理を実行する。

【0076】

ステップＳ７０４において、スペクトル差算出部３２９は、学習時スペクトル３１２と、予測時スペクトルとの差を、被調整スペクトル差として算出する。具体的には、スペクトル差算出部３２９は、Ｒ、Ｇ、Ｂのそれぞれで、学習時スペクトル３１２と予測時スペクトルとの差を、被調整スペクトル差として算出する。

【0077】

ここで、学習時スペクトル３１２は、Ｒ、Ｇ、Ｂ毎に、学習用映像に含まれる複数の画素の画素値の正規化した平均値である。また、予測時スペクトルは、Ｒ、Ｇ、Ｂ毎に、予測用映像に含まれる複数の画素の画素値の正規化した平均値である。そのため、スペクトル差算出部３２９は、学習用映像に関して算出された正規化した平均値と、予測用映像に関して算出された正規化した平均値との差を、被調整スペクトル差として算出する。

【0078】

ステップＳ７０５において、被調整スペクトル差が所定の値域であるか否かを、スペクトル差算出部３２９は判定する。例えば、－０．１＜＝所定の値域＜＝０．１であってもよい。

【0079】

例えば、スペクトル差算出部３２９が、予測用映像に関して算出された正規化した平均値から、学習用映像に関して算出された正規化した平均値を引いた値を、被調整スペクトル差として算出したとする。その場合に、被調整スペクトル差が上記所定の値域の上限値より大きい場合、光源制御部３３０は、光源１０１の強度を高める。一方、被調整スペクトル差が上記所定の値域の下限値より小さい場合、光源制御部３３０は、光源１０１の強度を低める。

【0080】

被調整スペクトル差が所定の値域ではない場合（ステップＳ７０５：Ｎｏ）には、光源制御部３３０は、光源１０１の強度を更新する（ステップＳ７０６）。具体的には、光源制御部３３０は、被調整スペクトル差に基づいて、光源１０１の強度を制御する。例えば、光源制御部３３０は、設定されている光源１０１の強度に、被調整スペクトル差に応じた値をＲ、Ｇ、Ｂ毎に高める又は低めることにより、光源１０１の強度を更新してもよい。

【0081】

光源制御部３３０が光源の強度を更新した場合、制御は、ステップＳ７０２に戻り、処理を継続する。つまり、スペクトル差算出部３２９は、光源１０１が制御された後、被調整スペクトル差を再度算出する（ステップＳ７０３、及びステップＳ７０４）。そして、光源制御部３３０は、光源１０１を再度制御して再度算出された被調整スペクトル差を所定の値域に収める。これにより、生体情報計測装置１０３は、学習時スペクトル３１２と予測時スペクトルとの差分を小さくできる。

【0082】

被調整スペクトル差が所定の値域である場合（ステップＳ７０５：Ｙｅｓ）には、第２脈波算出部３２８は、予測用映像から予測用脈波を算出する（ステップＳ７０７）。

【0083】

具体的には、被調整スペクトル差が所定の値域である場合には、映像取得部３２１は、撮影装置１０２に、被験者１０４の肌を再撮影させる。つまり、光源１０１が被制御光を出射する状態において、撮影装置１０２は、被験者１０４の肌を再撮影し、撮影映像を生成する。そして、映像取得部３２１は、当該撮影映像に基づいて、予測用映像を生成する。そして、第２脈波算出部３２８は、生成した予測用映像から予測用脈波を算出する。つまり、第２脈波算出部３２８は、光源１０１の強度を調整後に肌を再撮影した予測用映像から予測用脈波を算出する。

【0084】

例えば、第２脈波算出部３２８は、予測用映像に含まれる各フレーム画像２０１から特徴量を抽出する。特徴量は、予測用色情報に関連する。特徴量は、例えば、Ｒ、Ｇ、Ｂ毎の画素値であってもよい。そして、第２脈波算出部３２８は、抽出した特徴量に基づく時系列信号を生成する。第２脈波算出部３２８は、例えば、生成した時系列信号に対して独立成分分析、ローパスフィルタ等の処理を行う。第２脈波算出部３２８は、当該処理を行うことで出力された信号を、予測用脈波として決定する。

【0085】

ステップＳ７０８において、予測部３３１は、学習済みのモデル３１１に基づいて、予測用脈波から生体情報を予測する。例えば、予測部３３１は、学習済みのモデル３１１に含まれる複数の学習用脈波と、予測用脈波との相関値を算出する。予測部３３１は、算出した相関値のうち、最大の相関値に対応する学習用脈波を特定する。そして、予測部３３１は、特定した学習用脈波に対応付けられた生体情報を、予測用脈波に対応する生体情報として予測してもよい。

【0086】

なお、予測フェーズにおいて、複数回、連続して生体情報を予測する場合がある。その場合、光源制御部３３０は、初回に設定された光源１０１の強度に基づいて、光源１０１を制御してもよい。あるいは、予測部３３１が生体情報を予測する前に、スペクトル差算出部３２９は、毎回、被調整スペクトル差を算出してもよい。そして、光源制御部３３０は、算出された被調整スペクトル差に基づいて、毎回、光源１０１を制御してもよい。

【0087】

（被調整スペクトル差の算出結果）
次に、被調整スペクトル差を算出した結果の一例について説明する。図８は、被調整スペクトル差を算出した結果の一例を示すグラフである。縦軸は、スペクトル差算出部３２９が算出した被調整スペクトル差を示す。横軸は、更新回数を示す。ここで、スペクトル差算出部３２９が、図８に例示する被調整スペクトル差を算出する前に、光源制御部３３０は、Ｒ、Ｇ、Ｂ各色に対応する光の強度を同等の優先順位により制御したものとする。図８に例示するように、被調整スペクトル差は、光源１０１の強度が変更されるたびに小さくなる。

【0088】

なお、ヘモグロビンの吸光度の波長依存性により、Ｒ、Ｇ、Ｂ各色に対応する光のうち、Ｇ各色に対応する波長帯域の光が、脈波の形状に最も影響が大きい。そのため、光源制御部３３０は、Ｒ、Ｂ各色に対応する光の強度より、Ｇ各色に対応する光の強度を優先して制御してもよい。これにより、生体情報計測装置１０３は、Ｒ、Ｇ、Ｂ各色に対応する光の強度を同等の優先順位により制御する場合よりも、光源１０１の強度の更新回数を低減できる。

【0089】

また、光源制御部３３０は、Ｒ、Ｂ各色に対応する被調整スペクトル差に応じた変化量より、Ｇの色に対応する被調整スペクトル差に応じた変化量を大きく設定して、光源１０１を制御してもよい。これにより、生体情報計測装置１０３は、Ｒ、Ｇ、Ｂ各色に対応する光の強度を、Ｒ、Ｇ、Ｂ各色に関して同等の変化量により制御する場合よりも、予測時スペクトルの変化量を大きくできる。

【0090】

（効果）
以上より、生体情報計測システム１００は、光源１０１の強度を調整することで、被調整スペクトル差を小さくすることができる。換言すると、生体情報計測システム１００は、光源１０１の強度を調整することで、予測時スペクトルを学習時スペクトルに近づけることができる。その結果、生体情報計測システム１００は、光源１０１の強度を調整することで、予測時の撮影環境を学習時の撮影環境に近づけることができる。これにより、生体情報計測システム１００は、肌を撮影した映像に基づく脈波から生体情報を予測する場合、撮影環境の変化により予測精度が低下することを抑制できる。その結果、生体情報計測システム１００は、学習時の撮影環境と予測時の撮影環境とが異なる場合に、生体情報の予測精度を向上させることができる。

【0091】

（変形例１）
生体情報計測装置１０３の変形例１として、生体情報計測装置９０１について説明する。図９は、生体情報計測装置９０１の機能構成の一例を示すブロック図である。生体情報計測装置９０１は、第１スペクトル推定部３２２と、第２スペクトル推定部３２７とに替えて、スペクトル取得部（取得部）９０２を含む。さらに、生体情報計測装置９０１は、スペクトル差算出部３２９に替えて、スペクトル差算出部９０３を含む。

【0092】

スペクトル取得部９０２は、肌への照射光のスペクトルの計測値を取得する。計測値は、例えば、分光器により計測された、肌への照射光のスペクトルであってもよい。具体的には、スペクトル取得部９０２は、学習フェーズにおいて、学習時スペクトルの計測値を取得する。記憶制御部３２６は、学習時スペクトル３１２の計測値を記憶部３１０に記憶させる。また、スペクトル取得部９０２は、予測フェーズにおいて、予測時スペクトルの計測値を取得する。換言すると、スペクトル取得部９０２は、学習時スペクトルの計測値または予測時スペクトルの計測値を取得する。

【0093】

スペクトル差算出部９０３は、学習時スペクトルの計測値と、予測時スペクトルの計測値との差分を被調整スペクトル差として算出する。従って、生体情報計測装置９０１は、より一層、正確に、被調整スペクトル差を算出できる。そのため、生体情報計測装置９０１は、生体情報計測装置１０３よりも、光源１０１の強度の更新回数を低減することに貢献する。

【0094】

なお、光源１０１は、３波長帯域以上の光を出射するとして、例えば、ピークのスペクトルの波長が６００、５００、４５０ｎｍから所定の範囲内の光を出射する例を述べたがこれに限らない。光源１０１は、赤色、緑色、青色に加えて、近赤外の光を出射してもよい。その場合、撮影装置１０２は、例えば、赤色、緑色、青色、近赤外の光の波長帯域に感度を有するＲＧＢ+ＩＲカメラなどであってよい。また、撮影装置１０２は、ＲＧＢカメラとＩＲカメラの２台の組合せで構成されていてもよい。

【0095】

（付記事項）
上述の実施形態は、以下の形態のように記載してもよいが、以下に限定されない。

【0096】

（形態１）モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御部と、前記モデルを用いて、生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記肌に照射された第２の照射光のスペクトルと、前記第１の照射光のスペクトルとに基づいて、前記肌に光を照射する光源を制御する光源制御部と、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測部とを備えた生体情報計測装置。

【0097】

（形態２）前記学習用映像に含まれる色情報に基づいて、前記第１の照射光のスペクトルを推定する第１スペクトル推定部をさらに備えた、形態１に記載の生体情報計測装置。

【0098】

（形態３）前記予測用映像に含まれる色情報に基づいて、前記第２の照射光のスペクトルを推定する第２スペクトル推定部をさらに備えた、形態１又は２に記載の生体情報計測装置。

【0099】

（形態４）前記学習用映像に含まれる色情報に基づく値と、前記予測用映像に含まれる色情報に基づく値との差を算出する算出部をさらに備え、前記光源制御部は、前記光源を制御して前記差を所定の値域に収める、形態１～３のいずれか一形態に記載の生体情報計測装置。

【0100】

（形態５）前記算出部は、前記光源が制御された後、前記差を再度算出し、前記光源制御部は、前記光源を再度制御して前記再度算出された前記差を前記所定の値域に収める、形態４に記載の生体情報計測装置。

【0101】

（形態６）前記学習用映像から算出される脈波と、前記生体に関連する情報との入出力関係を、前記モデルに学習させる学習部をさらに備え、前記予測部は、前記入出力関係に基づいて、前記予測用映像から算出される脈波から前記生体情報を予測する、形態１～５のいずれか一形態に記載の生体情報計測装置。

【0102】

（形態７）前記光源制御部は３波長帯域以上の光源を制御する、形態１～６のいずれか一形態に記載の生体情報計測装置。

【0103】

（形態８）前記第１の照射光のスペクトルの計測値または前記第２の照射光のスペクトルの計測値を取得する取得部をさらに備えた、形態１～７のいずれか一形態に記載の生体情報計測装置。

【0104】

（形態９）生体情報計測装置と、光源と、撮影装置とを含み、前記生体情報計測装置は、モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御部と、前記モデルを用いて生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記肌に照射された第２の照射光のスペクトルと、前記第１の照射光のスペクトルとに基づいて、前記肌に光を照射する前記光源を制御する光源制御部と、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測部とを備えた生体情報計測システム。

【0105】

（形態１０）モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御ステップと、前記モデルを用いて生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記肌に照射された第２の照射光のスペクトルと、前記第１の照射光のスペクトルとに基づいて、前記肌に光を照射する光源を制御する光源制御ステップと、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測ステップとを含む生体情報計測装置の制御方法。

【0106】

（形態１１）生体情報計測装置に、モデルを学習させるために撮影された肌の映像を学習用映像として取得する学習フェーズにおいて、前記肌に照射された第１の照射光のスペクトルを記憶させる記憶制御機能と、前記モデルを用いて生体に関連する情報を含む生体情報を予測する予測フェーズにおいて、前記肌に照射された第２の照射光のスペクトルと、前記第１の照射光のスペクトルとに基づいて、前記肌に光を照射する光源を制御する光源制御機能と、前記制御された光源から被制御光が出射され、前記被制御光が照射された前記肌を撮影した予測用映像に基づく予測情報と前記モデルとに基づいて、前記生体情報を予測する予測機能とを実現させる制御プログラム。

【0107】

本開示は、上記実施形態に限定されるものではなく、上記実施形態で示した構成と実質的に同一の構成、同一の作用効果を奏する構成又は同一の目的を達成することができる構成で置き換えてもよい。

【0108】

〔ソフトウェアによる実現例〕
生体情報計測装置１０３の制御ブロック（特に、制御部３２０）は、集積回路（ＩＣ（Integrated Circuit）チップ）等に形成された論理回路（ハードウェア）によって実現してよいし、ＣＰＵを用いてソフトウェアによって実現してよい。後者の場合、生体情報計測装置１０３は、各機能を実現するソフトウェアであるプログラムの命令を実行するＣＰＵ、上記プログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭまたは記憶装置（これらを「記録媒体」と称する）、上記プログラムを展開するＲＡＭ等を備えている。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路等を用いることができる。また、上記プログラムは、伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてよい。具体的には、本開示の実施の形態に係るプログラムは、生体情報計測装置１０３に搭載されたコンピュータに、映像取得部３２１、第１スペクトル推定部３２２、第１脈波算出部３２３、生体情報取得部３２４、学習部３２５、記憶制御部３２６、第２スペクトル推定部３２７、第２脈波算出部３２８、スペクトル差算出部３２９、光源制御部３３０、予測部３３１をそれぞれ実現させる。なお、スペクトル取得部９０２、スペクトル差算出部９０３についても同様であり、詳細な説明は省略する。

【符号の説明】

【0109】

１００ 生体情報計測システム、１０１ 光源、１０２ 撮影装置、１０３ 生体情報計測装置、１０４ 被験者、２０１ フレーム画像、２０２ 関心領域、３１０ 記憶部、３１１ モデル、３１２ 学習時スペクトル、３２０ 制御部、３２１ 映像取得部、３２２ 第１スペクトル推定部、３２３ 第１脈波算出部、３２４ 生体情報取得部、３２５ 学習部、３２６ 記憶制御部、３２７ 第２スペクトル推定部、３２８ 第２脈波推定部、３２９ スペクトル差推定部、３３０ 光源制御部、３３１ 予測部、９０１ 生体情報計測装置、９０２ スペクトル取得部、９０３ スペクトル差算出部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】