特許 7517113 血圧計、血圧計における個人認証方法、およびプログラム

(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】2024-07-08

(45)【発行日】2024-07-17

(54)【発明の名称】血圧計、血圧計における個人認証方法、およびプログラム

(51)【国際特許分類】

   A61B 5/022 20060101AFI20240709BHJP

   A61B 5/117 20160101ALI20240709BHJP

【ＦＩ】

A61B5/022 A

A61B5/117 200

【請求項の数】 10

(21)【出願番号】P 2020198364

(22)【出願日】2020-11-30

(65)【公開番号】P2022086396

(43)【公開日】2022-06-09

【審査請求日】2023-09-27

(73)【特許権者】

【識別番号】503246015

【氏名又は名称】オムロンヘルスケア株式会社

(74)【代理人】

【識別番号】100101454

【弁理士】

【氏名又は名称】山田 卓二

(74)【代理人】

【識別番号】100189555

【弁理士】

【氏名又は名称】徳山 英浩

(74)【代理人】

【識別番号】100122286

【弁理士】

【氏名又は名称】仲倉 幸典

(72)【発明者】

【氏名】寺澤 翔

【審査官】佐々木 創太郎

(56)【参考文献】

【文献】特開２０１９－１１５６１８（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／０２４５７６９（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ ５／０２２

Ａ６１Ｂ ５／１１７

(57)【特許請求の範囲】

【請求項1】

被験者の被測定部位を圧迫するためのカフを備え、上記カフの圧力を観測して血圧を測定する血圧計であって、
上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する制御を行う圧力制御部と、
上記カフの圧力を検出する圧力検出部と、
上記圧力検出部の出力に基づいて血圧を算出する血圧算出部と、
認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴うカフの圧力変化パターンについての特徴情報を取得する特徴取得部と、
上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う認証部と
を備えたことを特徴とする血圧計。

【請求項2】

請求項１に記載の血圧計において、
上記認証部は、
上記圧力変化パターンについての上記特徴情報に含まれた互いに異なる特徴量をそれぞれ座標軸とする特徴量空間を作成し、
上記特徴量空間で、上記予め登録されているユーザについて上記登録特徴情報に対応する点を算出するとともに、上記登録特徴情報に対応する点の周りに、上記被験者が上記予め登録されているユーザであると認められるべき許容範囲を設定し、
上記特徴量空間で、上記被験者について上記取得された特徴情報に対応する点が上記許容範囲内に入るとき、上記被験者が上記予め登録されているユーザであると判定する一方、上記被験者について上記取得された特徴情報に対応する点が上記許容範囲内に入らないとき、上記被験者が上記予め登録されているユーザではないと判定する
ことを特徴とする血圧計。

【請求項3】

請求項１または２に記載の血圧計において、
上記カフの加圧過程で、上記カフの圧力から直流成分を抽出して、直流圧力変化パターンを検出する第１圧力検出部と、
上記カフの加圧過程又はこの加圧過程に続く減圧過程で、上記カフの圧力から上記被測定部位が示す脈波による圧力変動成分を抽出して、一拍毎の波形パターンを検出する第２圧力検出部と
を備え、
上記特徴取得部は、上記特徴情報として、上記直流圧力変化パターンについての直流特徴量に加えて、上記一拍毎の波形パターンについての一拍特徴量を取得し、
上記認証部は、上記取得された直流特徴量を予め登録されている直流特徴量と比較するのに加えて、上記取得された一拍特徴量を予め登録されている一拍特徴量と比較して、上記被験者について個人認証を行う
ことを特徴とする血圧計。

【請求項4】

請求項３に記載の血圧計において、
上記認証部は、予め定められた第１条件下では、上記被験者についての個人認証のために、上記一拍特徴量を用いず、上記直流特徴量のみを用いることを特徴とする血圧計。

【請求項5】

請求項１から４までのいずれか一つに記載の血圧計において、
記憶部と、
上記個人認証を行う前の段階で予め、上記カフの加圧過程で、上記被験者の上記圧力変化パターンについての特徴情報を取得し、上記取得された特徴情報を、上記被験者と対応付けて上記登録特徴情報として上記記憶部に記憶させる制御を行う特徴登録部と
を備えたことを特徴とする血圧計。

【請求項6】

請求項１から４までのいずれか一つに記載の血圧計において、
記憶部と、
それぞれ複数のノードを含む入力層、複数の中間層、および出力層を有するニューラルネットワークとを備え、
上記ニューラルネットワークは、上記入力層に、複数の教師ユーザの上記圧力変化パターンについての特徴情報を表す特徴ベクトルのいずれかが入力されたとき、上記複数の中間層を介して、上記出力層に、入力された特徴情報に対応する教師ユーザを表す出力情報を出力するように、上記ノード間の重み付けがなされて学習済みになっており、
上記個人認証を行う前の段階で予め、上記カフの加圧過程で、上記複数の教師ユーザおよび／または上記教師ユーザ以外のユーザを含むユーザグループについて、それぞれのユーザ毎に、そのユーザの上記圧力変化パターンについての特徴情報を取得し、上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち或る中間層に現れた情報を、上記ユーザと対応付けて上記登録特徴情報として上記記憶部に記憶させる制御を行う特徴登録部を備え、
上記個人認証を行う段階で、上記特徴取得部は、上記カフの加圧過程で、上記認証対象である被験者の上記圧力変化パターンについての特徴情報を取得し、
上記認証部は、上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち上記或る中間層に現れた情報を、上記記憶部に登録されている上記ユーザグループのそれぞれのユーザの上記登録特徴情報と比較して、上記被験者が上記ユーザグループに含まれたユーザであるか否かを判定する
ことを特徴とする血圧計。

【請求項7】

請求項５または６に記載の血圧計において、
上記被験者が予め登録されたユーザであると判定されたとき、上記被験者について取得された上記特徴情報を用いて、予め定められた第２条件下で、上記ユーザの上記登録特徴情報を更新する更新部
を備えたことを特徴とする血圧計。

【請求項8】

請求項１から７までのいずれか一つに記載の血圧計において、
上記認証部は、予め定められた第３条件下では上記個人認証を中止する
ことを特徴とする血圧計。

【請求項9】

被験者の被測定部位を圧迫するためのカフを備え、上記カフの圧力を観測して血圧を測定する血圧計における個人認証方法であって、
上記血圧計は、
上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する制御を行う圧力制御部と、
上記カフの圧力を検出する圧力検出部と、
上記圧力検出部の出力に基づいて血圧を算出する血圧算出部と
を備え、
上記個人認証方法は、
認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴うカフの圧力変化パターンについての特徴情報を取得し、
上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う
ことを特徴とする、血圧計における個人認証方法。

【請求項10】

請求項９に記載の血圧計における個人認証方法をコンピュータに実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

この発明は血圧計に関し、より詳しくは、個人認証機能を有する血圧計に関する。また、この発明は、血圧計における個人認証方法に関する。また、この発明は、そのような血圧計における個人認証方法をコンピュータに実行させるためのプログラムに関する。

【背景技術】

【0002】

被験者が血圧計を用いて血圧を測定するに際して、被験者と測定される血圧値とを対応付けるため、被験者に対して個人認証（登録されたユーザ本人であることの確認）を行うことが望まれる場合がある。従来、血圧計によって個人認証を行う方法として、例えば特許文献１（特開２０１０－１１０３８０号公報）、特許文献２（特開平６－１４２０６５号公報）に開示されているように、コロトコフ音のレベル変化のパターンを用いる方法が知られている。また、特許文献３（特開２００３－２９９６２４号公報）に開示されているように、ユーザがサーバに送信した心電信号から特徴パラメータを抽出し、ニューラルネット分類手法等を用いて個人認証した上で診断を行う遠隔診断支援システムが知られている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１０－１１０３８０号公報

【文献】特開平６－１４２０６５号公報

【文献】特開２００３－２９９６２４号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、コロトコフ音や心電信号は測定毎のばらつきが大きいため、正確な認証を行うことが難しいという問題がある。また、最近では、血圧計として、カフの圧力（内圧）を観測して、例えばオシロメトリック法により血圧を測定するものが普及している。このようなカフの圧力を観測して血圧を測定するタイプの血圧計で、コロトコフ音や心電信号によって個人認証を行うものとすると、圧力観測には用いない余分な構成要素（例えば、マイクロフォンなどの音検出用デバイス、心電用電極など）を設けなければならない、という問題がある。

【0005】

そこで、この発明の課題は、カフの圧力を観測して血圧を測定する血圧計であって、簡単な構成で精度良く個人認証を行えるものを提供することにある。また、この発明の課題は、そのような血圧計における個人認証方法を提供することにある。また、そのような個人認証方法をコンピュータに実行させるためのプログラムを提供することにある。

【課題を解決するための手段】

【0006】

上記課題を解決するため、この開示の血圧計は、
被験者の被測定部位を圧迫するためのカフを備え、上記カフの圧力を観測して血圧を測定する血圧計であって、
上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する制御を行う圧力制御部と、
上記カフの圧力を検出する圧力検出部と、
上記圧力検出部の出力に基づいて血圧を算出する血圧算出部と、
認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴うカフの圧力変化パターンについての特徴情報を取得する特徴取得部と、
上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う認証部と
を備えたことを特徴とする。

【0007】

本明細書で、「カフの圧力」とは、カフ（典型的には、カフに内包された流体袋）内の圧力を意味する。以下では、「カフの圧力」を適宜「カフ圧」と略称する。

【0008】

「圧力変化パターン」は、上記カフの加圧過程で、加圧開始からの時間経過に伴って上記カフの圧力が変化するパターンを意味する。上記カフの圧力には、滑らかに単調増加する成分（直流成分）に加えて、上記被測定部位が示す脈波による圧力変動成分が重畳されている。

【0009】

「個人認証を行う」とは、認証対象である被験者が予め登録されているユーザ（本人）であるか否かを判定することを意味する。本明細書では、上記被験者の圧力変化パターンについての特徴情報が、予め登録されているユーザについての登録特徴情報と一致しているか否かに応じて、上記被験者が予め登録されているユーザであるか否かを判定する。なお、「予め登録されているユーザ」は、単数であってよいし、複数であってもよい。

【0010】

「登録特徴情報」とは、典型的には、上記個人認証が行われる前に予め、上記特徴取得部によって取得され、記憶部に記憶された特徴情報である。

【0011】

この開示の血圧計では、血圧測定は次のようにして行われる。被測定部位にカフが装着された状態で、圧力制御部は、上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する。その加圧による加圧過程又はそれに続く減圧過程で、圧力検出部は、上記カフの圧力を検出する。血圧算出部は、上記圧力検出部の出力に基づいて血圧を算出する。このようにして、血圧測定が行われる。

【0012】

また、被験者についての個人認証は次のようにして行われる。特徴取得部は、認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる圧力変化パターンについての特徴情報を取得する。認証部は、上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う。ここで、上記圧力変化パターン（特に、上記カフの圧力の直流成分に応じた直流圧力変化パターン）は、被測定部位の周囲長（太腕または細腕）、体組成（筋肉質または脂肪質）などの被験者の身体的特徴に依存して定まることが経験的に分かっている。例えば、被測定部位の周囲長が大きい場合（つまり、太腕の場合）は、周囲長が小さい場合（つまり、細腕の場合）に比して、カフ（流体袋）の内部容量が増えるため、上記カフの加圧過程で上記カフに流体を単位時間当たり一定流量で供給するとき、カフ圧の上昇率（勾配）が小さくなる傾向がある。また、被測定部位が脂肪質である場合は、筋肉質である場合に比して、高圧域で被測定部位が潰れ易くなることから、高圧域でカフ圧の上昇率（勾配）が小さくなる傾向がある。そして、被験者毎の被測定部位の周囲長、体組成などの組み合わせに応じて、それらの傾向が組み合わされて現れる。これらの身体的特徴は被験者個人における短期間での変化量が小さい。言い換えれば、これらの身体的特徴は、コロトコフ音や心電信号とは異なり、測定毎のばらつきが小さい。したがって、この血圧計では、被験者の身体的特徴に依存して定まる上記圧力変化パターンについての特徴情報を用いて個人認証を行うことによって、上記被験者について精度良く個人認証を行うことができる。また、このようにして上記被験者についての個人認証が行われる場合、圧力観測には用いない余分な構成要素（例えば、マイクロフォンなどの音検出用デバイス、心電用電極など）を設ける必要が無い。したがって、この血圧計は、簡単な構成で低コストに構成され得る。

【0013】

一実施形態の血圧計では、
上記認証部は、
上記圧力変化パターンについての上記特徴情報に含まれた互いに異なる特徴量をそれぞれ座標軸とする特徴量空間を作成し、
上記特徴量空間で、上記予め登録されているユーザについて上記登録特徴情報に対応する点を算出するとともに、上記登録特徴情報に対応する点の周りに、上記被験者が上記予め登録されているユーザであると認められるべき許容範囲を設定し、
上記特徴量空間で、上記被験者について上記取得された特徴情報に対応する点が上記許容範囲内に入るとき、上記被験者が上記予め登録されているユーザであると判定する一方、上記被験者について上記取得された特徴情報に対応する点が上記許容範囲内に入らないとき、上記被験者が上記予め登録されているユーザではないと判定する
ことを特徴とする。

【0014】

この一実施形態の血圧計では、上記許容範囲を適切に設定することによって、上記被験者（認証対象である被験者）が上記予め登録されているユーザであるか否かを、さらに精度良く判定できる。

【0015】

一実施形態の血圧計では、
上記カフの加圧過程で、上記カフの圧力から直流成分を抽出して、直流圧力変化パターンを検出する第１圧力検出部と、
上記カフの加圧過程又はこの加圧過程に続く減圧過程で、上記カフの圧力から上記被測定部位が示す脈波による圧力変動成分を抽出して、一拍毎の波形パターンを検出する第２圧力検出部と
を備え、
上記特徴取得部は、上記特徴情報として、上記直流圧力変化パターンについての直流特徴量に加えて、上記一拍毎の波形パターンについての一拍特徴量を取得し、
上記認証部は、上記取得された直流特徴量を予め登録されている直流特徴量と比較するのに加えて、上記取得された一拍特徴量を予め登録されている一拍特徴量と比較して、上記被験者について個人認証を行う
ことを特徴とする。

【0016】

「直流特徴量」とは、直流圧力変化パターンについての特徴量を意味する。また、「一拍特徴量」とは、直流圧力変化パターンではなく、一拍毎の波形パターンについての特徴量を意味する。

【0017】

この一実施形態の血圧計では、第１圧力検出部は、上記カフの加圧過程で、上記カフの圧力から直流成分を抽出して、直流圧力変化パターンを検出する。一方、第２圧力検出部は、上記カフの加圧過程又はこの加圧過程に続く減圧過程で、上記カフの圧力から上記被測定部位が示す脈波による圧力変動成分を抽出して、一拍毎の波形パターンを検出する。上記特徴取得部は、上記特徴情報として、上記直流圧力変化パターンについての直流特徴量に加えて、上記一拍毎の波形パターンについての一拍特徴量を取得する。上記認証部は、上記取得された直流特徴量を予め登録されている直流特徴量と比較するのに加えて、上記取得された一拍特徴量を予め登録されている一拍特徴量と比較して、上記被験者について個人認証を行う。このように、上記直流特徴量に加えて、上記一拍特徴量を判断材料として用いることによって、上記被験者についてさらに精度良く個人認証を行うことができる。

【0018】

一実施形態の血圧計では、
上記認証部は、予め定められた第１条件下では、上記被験者についての個人認証のために、上記一拍特徴量を用いず、上記直流特徴量のみを用いることを特徴とする。

【0019】

ここで、「予め定められた第１条件」としては、例えば、個人認証を行う際の脈拍数が、上記登録特徴情報を登録した際の脈拍数に比して、著しく高いか又は低いことなどの、上記一拍特徴量の信頼性が低い条件が挙げられる。

【0020】

この一実施形態の血圧計では、上記認証部は、予め定められた第１条件下では、上記被験者についての個人認証のために、上記一拍特徴量を用いず、上記直流特徴量のみを用いる。ここで、上記第１条件としては、例えば、個人認証を行う際の脈拍数が、上記登録特徴情報を登録した際の脈拍数に比して、著しく高いか又は低いことが定められているものとする。この一実施形態の血圧計によれば、そのような上記一拍特徴量の信頼性が低い場合（つまり、上記一拍特徴量の使用を排除すべき場合）に、上記直流特徴量のみを用いることができる。この結果、上記個人認証の精度が低下するのを防止できる。

【0021】

一実施形態の血圧計では、
記憶部と、
上記個人認証を行う前の段階で予め、上記カフの加圧過程で、上記被験者の上記圧力変化パターンについての特徴情報を取得し、上記取得された特徴情報を、上記被験者と対応付けて上記登録特徴情報として上記記憶部に記憶させる制御を行う特徴登録部と
を備えたことを特徴とする。

【0022】

この一実施形態の血圧計では、上記特徴登録部は、上記個人認証を行う前の段階で予め、次のような制御を行う。まず、上記カフの加圧過程で、上記被験者の上記圧力変化パターンについての特徴情報を取得する。次に、上記取得された特徴情報を、上記被験者と対応付けて上記登録特徴情報として上記記憶部に記憶させる。この結果、上記個人認証を行う段階で、上記認証部は、上記記憶部に登録されている上記登録特徴情報を比較の基準として用いて、上記被験者について個人認証を行うことができる。

【0023】

一実施形態の血圧計では、
記憶部と、
それぞれ複数のノードを含む入力層、複数の中間層、および出力層を有するニューラルネットワークとを備え、
上記ニューラルネットワークは、上記入力層に、複数の教師ユーザの上記圧力変化パターンについての特徴情報を表す特徴ベクトルのいずれかが入力されたとき、上記複数の中間層を介して、上記出力層に、入力された特徴情報に対応する教師ユーザを表す出力情報を出力するように、上記ノード間の重み付けがなされて学習済みになっており、
上記個人認証を行う前の段階で予め、上記カフの加圧過程で、上記複数の教師ユーザおよび／または上記教師ユーザ以外のユーザを含むユーザグループについて、それぞれのユーザ毎に、そのユーザの上記圧力変化パターンについての特徴情報を取得し、上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち或る中間層に現れた情報を、上記ユーザと対応付けて上記登録特徴情報として上記記憶部に記憶させる制御を行う特徴登録部を備え、
上記個人認証を行う段階で、上記特徴取得部は、上記カフの加圧過程で、上記認証対象である被験者の上記圧力変化パターンについての特徴情報を取得し、
上記認証部は、上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち上記或る中間層に現れた情報を、上記記憶部に登録されている上記ユーザグループのそれぞれのユーザの上記登録特徴情報と比較して、上記被験者が上記ユーザグループに含まれたユーザであるか否かを判定する
ことを特徴とする。

【0024】

「教師ユーザ」とは、上記ニューラルネットワークの学習のために、上記圧力変化パターンについての特徴情報を提供したユーザを指す。「ユーザグループ」は、複数の教師ユーザおよび／または上記教師ユーザ以外のユーザを含む。

【0025】

この一実施形態の血圧計では、上記特徴登録部は、上記個人認証を行う前の段階で予め、次のような制御を行う。まず、上記カフの加圧過程で、上記複数の教師ユーザおよび／または上記教師ユーザ以外のユーザを含むユーザグループについて、それぞれのユーザ毎に、そのユーザの上記圧力変化パターンについての特徴情報を取得する。次に、それぞれのユーザ毎に、そのユーザの上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力して、上記複数の中間層のうち或る中間層に現れた情報を、上記ユーザと対応付けて上記登録特徴情報として記憶部に登録する。これにより、それぞれのユーザ毎に、上記記憶部に上記登録特徴情報が登録される。

【0026】

上記個人認証を行う段階で、上記特徴取得部は、上記カフの加圧過程で、上記認証対象である被験者の上記圧力変化パターンについての特徴情報を取得する。上記認証部は、上記被験者の上記取得された特徴情報を特徴ベクトルとして上記ニューラルネットワークの上記入力層に入力する。そして、上記認証部は、上記複数の中間層のうち上記或る中間層に現れた情報を、上記記憶部に登録されている上記ユーザグループのそれぞれのユーザの上記登録特徴情報と比較して、上記被験者が上記ユーザグループに含まれたユーザであるか否かを判定する。これにより、上記被験者が上記ユーザグループに含まれたユーザである場合、そのことを認証できる。

【0027】

一実施形態の血圧計では、
上記被験者が予め登録されたユーザであると判定されたとき、上記被験者について取得された上記特徴情報を用いて、予め定められた第２条件下で、上記ユーザの上記登録特徴情報を更新する更新部
を備えたことを特徴とする。

【0028】

「予め定められた第２条件」としては、例えば、上記ユーザについての登録特徴情報の登録時（または前回の更新時）から、一定期間（例えば、１年間のような、上記圧力変化パターンについての特徴情報が著しく変化してしまう可能性がある期間）が経過したことなどの、上記登録特徴情報を更新すべき条件が挙げられる。

【0029】

この一実施形態の血圧計では、更新部は、上記被験者が予め登録されたユーザであると判定されたとき、上記被験者について取得された上記特徴情報を用いて、予め定められた第２条件下で、上記ユーザの上記登録特徴情報を更新する。ここで、上記第２条件としては、例えば、上記ユーザについての上記登録特徴情報の登録時（または前回の更新時）から、一定期間（例えば、６ヶ月間のような、上記圧力変化パターンについての特徴情報が著しく変化してしまう可能性がある期間）が経過したことが定められているものとする。この一実施形態の血圧計によれば、そのような上記登録特徴情報を更新すべき場合に、上記登録特徴情報を自動的に更新して適切な状態に維持することができる。この結果、上記個人認証の精度が低下するのを防止できる。

【0030】

一実施形態の血圧計では、
上記認証部は、予め定められた第３条件下では上記個人認証を中止する
ことを特徴とする。

【0031】

「予め定められた第３条件」としては、例えば、不規則脈波が検出されたことなどの、上記圧力変化パターンについての特徴情報（上記直流特徴量および／または上記一拍特徴量）の信頼性が低いとみなされる条件が挙げられる。

【0032】

この一実施形態の血圧計では、上記認証部は、予め定められた第３条件下では上記個人認証を中止する。ここで、上記第３条件としては、例えば、不規則脈波が検出されたことが定められているものとする。この一実施形態の血圧計によれば、そのような上記圧力変化パターンについての特徴情報（上記直流特徴量および／または上記一拍特徴量）の信頼性が低い場合に、上記個人認証を中止することができる。この結果、上記個人認証の精度が低下するのを防止できる。

【0033】

別の局面では、この開示の血圧計における個人認証方法は、
被験者の被測定部位を圧迫するためのカフを備え、上記カフの圧力を観測して血圧を測定する血圧計における個人認証方法であって、
上記血圧計は、
上記カフに流体を供給して加圧し又は上記カフから流体を排出して減圧する制御を行う圧力制御部と、
上記カフの圧力を検出する圧力検出部と、
上記圧力検出部の出力に基づいて血圧を算出する血圧算出部と
を備え、
上記個人認証方法は、
認証対象である被験者について、上記カフの加圧過程で、加圧開始からの時間経過に伴うカフの圧力変化パターンについての特徴情報を取得し、
上記取得された特徴情報を、予め登録されているユーザについての登録特徴情報と比較して、上記被験者について個人認証を行う
ことを特徴とする。

【0034】

この開示の血圧計における個人認証方法によれば、簡単な構成の血圧計で、精度良く個人認証を行うことができる。

【0035】

さらに別の局面では、この開示のプログラムは、上記血圧計における個人認証方法をコンピュータに実行させるためのプログラムである。

【0036】

この開示のプログラムをコンピュータに実行させることによって、上記血圧計における個人認証方法を実施することができる。

【発明の効果】

【0037】

以上より明らかなように、この開示の血圧計によれば、簡単な構成で精度良く個人認証を行うことができる。また、この開示の血圧計における個人認証方法によれば、簡単な構成の血圧計で、精度良く個人認証を行うことができる。また、この開示のプログラムをコンピュータに実行させることによって、上記血圧計における個人認証方法を実施することができる。

【図面の簡単な説明】

【0038】

【図1】この発明の一実施形態の血圧計のブロック構成を示す図である。

【図2】上記血圧計のＣＰＵによる機能的なブロック構成を示す図である。

【図3】上記血圧計による血圧測定のフローを示す図である。

【図4】上記血圧計による登録モードの処理のフローを示す図である。

【図5】上記血圧計による測定モードの処理のフローを示す図である。

【図6】図６（Ｂ）は、加圧開始からの時間経過に伴うカフ圧の変化を示す図である。図６（Ａ）は、加圧開始からの時間経過に伴って得られるカフ圧の圧力変動成分（脈波信号）を示す図である。

【図7】図７（Ａ）は、筋肉質で太腕のユーザについての、加圧開始からの時間経過に伴う直流圧力変化パターンを示す図である。図７（Ｂ）は、筋肉質で細腕のユーザについての、加圧開始からの時間経過に伴う直流圧力変化パターンを示す図である。

【図8】図８（Ａ）は、脂肪質で太腕のユーザについての、加圧開始からの時間経過に伴う直流圧力変化パターンを示す図である。図８（Ｂ）は、脂肪質で細腕のユーザについての、加圧開始からの時間経過に伴う直流圧力変化パターンを示す図である。

【図9】特徴量空間において、認証対象である被験者が登録されているユーザであるか否かを判定するための許容範囲（本人受入範囲）を示す図である。

【図10】一拍毎の波形パターンについての特徴情報（一拍特徴量）を説明する図である。

【図11】図１１（Ｂ）は、上記血圧計を変形した変形例の血圧計が有するニューラルネットワークの構成を示す図である。図１１（Ａ）、図１１（Ｃ）は、それぞれ上記ニューラルネットワークに学習段階で与えられる入力信号（特徴ベクトル）、教師信号を示す図である。

【図12】上記ニューラルネットワークに与えられる、直流圧力変化パターンについての特徴情報（特徴ベクトル）を説明する図である。

【発明を実施するための形態】

【0039】

以下、この発明の実施の形態を、図面を参照しながら詳細に説明する。

【0040】

（血圧計の構成）
図１は、この発明の一実施形態の血圧計１の外観を示している。この血圧計１は、大別して、被験者の棒状の被測定部位（例えば、上腕）を取り巻いて装着される血圧測定用カフ２０と、血圧測定のための要素を搭載した本体１０とを備えている。

【0041】

上記カフ２０は、一般的なものであり、細長い帯状の外布２１と内布２３との間に流体袋２２を挟み、それらの外布２１、内布２３の周縁部を縫製または溶着して構成されている。

【0042】

本体１０は、プロセッサとしてのＣＰＵ（Central Processing Unit）１００と、表示器５０と、操作部５２と、記憶部としてのメモリ５１と、電源部５３と、圧力センサ３１と、第１フィルタ部３１１および第２フィルタ部３１５と、ポンプ３２と、ポンプ駆動回路３２０と、弁３３と、弁駆動回路３３０とを搭載している。この例では、圧力センサ３１に接続されたエア配管３９ａと、ポンプ３２に接続されたエア配管３９ｂと、弁３３に接続されたエア配管３９ｃとが合流して、１本のエア配管３９になって、カフ２０内の流体袋２２に流体流通可能に接続されている。以下では、上記エア配管３９ａ，３９ｂ，３９ｃを含めて、エア配管３９として総称する。

【0043】

表示器５０は、この例では、ＬＣＤ（Liquid Crystal Display；液晶ディスプレイ）からなり、ＣＰＵ１００からの制御信号に従って所定の情報を表示する。この例では、表示器５０は、収縮期血圧ＳＢＰ（Systolic Blood Pressure、単位；ｍｍＨｇ）、拡張期血圧ＤＢＰ（Diastolic Blood Pressure、単位；ｍｍＨｇ）、脈拍数（単位；拍／ｍｉｎ）、また、被験者についての個人認証の結果を表示するようになっている。なお、表示器５０は、有機ＥＬ（Electro Luminescence）ディスプレイからなっていてもよいし、ＬＥＤ（Light Emitting Diode；発光ダイオード）を含んでいてもよい。

【0044】

操作部５２は、この例では、血圧計１の電源をオンまたはオフするための電源スイッチ５２Ａと、血圧の測定モード開始の指示を受け付けるための測定スイッチ５２Ｂと、登録モード開始の指示を受け付けるための登録スイッチ５２Ｃとを含み、ユーザの指示に応じた操作信号をＣＰＵ１００に入力する。具体的には、電源スイッチ５２Ａがオンされると、血圧計１は、ユーザによる測定スイッチ５２Ｂ、登録スイッチ５２Ｃの操作を受け付け可能な電源オン状態となる。電源オン状態で測定スイッチ５２Ｂが押されると、血圧計１は、後述の測定モードの処理（血圧測定と個人認証とを含む処理）を実行する。電源オン状態で登録スイッチ５２Ｃが押されると、血圧計１は、後述の登録モードの処理（ユーザに関する登録を行う処理）を実行する。以下の説明では、血圧計１は電源オン状態にあるものとする。

【0045】

メモリ５１は、血圧計１を制御するためのプログラムのデータ、血圧計１の各種機能を設定するための設定データ、血圧値の測定結果のデータ、および、個人認証のための比較の基準となる登録特徴情報などを記憶する。また、メモリ５１は、プログラムが実行されるときのワークメモリなどとして用いられる。

【0046】

ＣＰＵ１００は、メモリ５１に記憶された血圧計１を制御するためのプログラムに従って、この血圧計１全体の動作を制御する。具体的には、ＣＰＵ１００は、図２に示すように、第１圧力検出部１３１、第２圧力検出部１３２、圧力制御部１３３、血圧算出部１３４、および表示処理部１３５として働く。さらに、ＣＰＵ１００は、認証機能ブロック２００に含まれた入力部２１０、特徴取得部２２０、特徴登録部２３０、認証部２４０、および更新部２５０として働く。各部の具体的な機能については後述する。

【0047】

図１中に示す圧力センサ３１は、この例ではピエゾ抵抗式半導体圧力センサと、発振回路とを含んでいる。上記ピエゾ抵抗式半導体圧力センサは、エア配管３９を通して、カフ２０に内包された流体袋２２内の圧力（カフ圧）Ｐｃ（図６（Ｂ）参照）をピエゾ抵抗効果による電気抵抗として出力する。上記発振回路は、上記半導体圧力センサからの電気抵抗に応じた発振周波数で発振して、その発振周波数を含む周波数信号を、カフ圧Ｐｃを表す信号として出力する。第１フィルタ部３１１は、ローパスフィルタ（ＬＰＦ）３１２と、Ａ／Ｄコンバータ３１４とを含み、カフ圧Ｐｃを表す周波数信号から、直流成分（これを「直流成分Ｐｄｃ」と呼ぶ。）を抽出し、デジタル値に変換する。第２フィルタ部３１５は、ハイパスフィルタ（ＨＰＦ）３１６と、Ａ／Ｄコンバータ３１８とを含み、カフ圧Ｐｃを表す周波数信号から、被測定部位が示す脈波による圧力変動成分（脈波信号）Ｐｍ（図６（Ａ）参照）を抽出し、デジタル値に変換する。デジタル化された直流成分Ｐｄｃ、脈波信号Ｐｍは、それぞれＣＰＵ１００に入力される。ＣＰＵ１００は第１圧力検出部１３１として働いて、入力された直流成分Ｐｄｃに応じて、直流圧力変化パターン（例えば、図７（Ａ）中に示す圧力変化パターンＰｄｃＵ１）を検出する。また、ＣＰＵ１００は第２圧力検出部１３２として働いて、入力された脈波信号Ｐｍに応じて、一拍毎の波形パターン（例えば、図６（Ａ）中に示す一拍毎の波形パターンＰｍ１）を検出する。圧力センサ３１、第１フィルタ部３１１、第２フィルタ部３１５、第１圧力検出部１３１、第２圧力検出部１３２は、全体として、カフ２０の圧力を検出する圧力検出部を構成している。

【0048】

図１中に示すポンプ３２は、ＣＰＵ１００（圧力制御部１３３として働く）から与えられる制御信号に基づいてポンプ駆動回路３２０によって駆動され、エア配管３９を通して、カフ２０に内包された流体袋２２へ空気を供給する。これにより、流体袋２２の圧力（カフ圧Ｐｃ）が加圧される。

【0049】

弁３３は、常開タイプの電磁弁からなり、ＣＰＵ１００（圧力制御部１３３として働く）から与えられる制御信号に基づいて弁駆動回路３３０によって駆動され、エア配管３９を通して流体袋２２内の空気を排出し、または封入してカフ圧を制御するために開閉される。

【0050】

電源部５３は、ＣＰＵ１００、表示器５０、メモリ５１、圧力センサ３１、ポンプ３２、弁３３、その他の本体１０内の各部に電力を供給する。

【0051】

（血圧測定）
図３は、後述の登録モードの処理（図４）、後述の測定モードの処理（図５）の中でそれぞれ実行される血圧測定のフローを示している。

【0052】

カフ２０が被測定部位に装着された装着状態で、ユーザ（被験者）が本体１０に設けられた測定スイッチ５２Ｂによって測定モードの開始を指示すると（図３のステップＳ１１）、ＣＰＵ１００は、まず初期化を行う（ステップＳ１２）。具体的には、ＣＰＵ１００は、処理用メモリ領域を初期化するとともに、ポンプ３２を停止し、弁３３を開いた状態で、圧力センサ３１の０ｍｍＨｇ調整（大気圧を０ｍｍＨｇに設定する。）を行う。

【0053】

続いて、ＣＰＵ１００は圧力制御部１３３として働いて、弁３３を閉じ（ステップＳ１３）、ポンプ３２を駆動して、カフ２０の加圧を開始する（ステップＳ１４）。すなわち、ＣＰＵ１００は、ポンプ３２からエア配管３９を通してカフ２０に内包された流体袋２２に、単位時間当たり一定流量の空気を供給する。これとともに、圧力センサ３１は、カフ２０（流体袋２２）内の圧力（カフ圧）Ｐｃを、エア配管３９を通して検出する。ここで、図６（Ａ），図６（Ｂ）に示すように、圧力センサ３１によって検出されるカフ圧Ｐｃには、滑らかに単調増加する成分（直流成分Ｐｄｃ）に加えて、脈波による圧力変動成分（脈波信号）Ｐｍが重畳されている。ＣＰＵ１００は第１圧力検出部１３１として働いて、第１フィルタ部３１１を通して入力された直流成分Ｐｄｃに応じて、加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる（すなわち、次第に傾きを大きくしながら、下向きに凸に湾曲して増加する）直流圧力変化パターン（例えば、図７（Ａ）中に示す圧力変化パターンＰｄｃＵ１）を検出する（図３のステップＳ１５）。これとともに、ＣＰＵ１００は、第１圧力検出部１３１の出力に基づいて、ポンプ３２による加圧速度を制御する。この加圧により、被測定部位を通る動脈が圧迫されて、阻血される。

【0054】

次に、ＣＰＵ１００は、第１圧力検出部１３１の出力に基づいて、カフ圧Ｐｃが予め定められた値Ｐｕ（この例では、被験者の想定される血圧値を十分上回るように、図７（Ｂ）中に示すようにＰｕ＝２００ｍｍＨｇとして定められている。）に達すると、ポンプ３２を停止する（図３のステップＳ１６）。

【0055】

続いて、ＣＰＵ１００は圧力制御部１３３として働いて、弁３３を徐々に開く。これにより、カフ圧Ｐｃを略一定速度で減圧してゆく（図３のステップＳ１７）。この減圧過程で、ＣＰＵ１００は第２圧力検出部１３２として働いて、第２フィルタ部３１５を通して入力された脈波信号Ｐｍ（一拍毎の波形パターンＰｍ１を含む）を検出する（図３のステップＳ１８）。そして、ＣＰＵ１００は血圧算出部１３４として働いて、この時点で取得されている脈波信号Ｐｍに基づいて、例えば公知のオシロメトリック法により血圧値（収縮期血圧ＳＢＰ（Systolic Blood Pressure）と拡張期血圧ＤＢＰ（Diastolic Blood Pressure））の算出を試みる（図３のステップＳ１９）。また、この例では、ＣＰＵ１００は、上記脈波信号に基づいて、脈拍数［拍／ｍｉｎ］を算出する。

【0056】

ＣＰＵ１００は、データ不足のために未だ血圧値と脈拍数を算出できない場合は（図３のステップＳ２０でＮＯ）、算出できるまでステップＳ１７～Ｓ２０の処理を繰り返す。

【0057】

このようにして血圧値と脈拍数の算出ができたら（ステップＳ２０でＹｅｓ）、ＣＰＵ１００は圧力制御部１３３として働いて、弁３３を開いて、カフ２０（流体袋２２）内の空気を急速排気する制御を行う（ステップＳ２１）。

【0058】

この後、ＣＰＵ１００は、血圧値と脈拍数をメモリ５１に保存する制御を行う（ステップＳ２２）。

【0059】

なお、上の例では、カフ２０（流体袋２２）の減圧過程で血圧値と脈拍数を算出したが、これに限られるものではなく、カフ２０（流体袋２２）の加圧過程で血圧値と脈拍数を算出してもよい。

【0060】

（登録モードの処理）
図４は、血圧計１による個人認証を行う前の段階での登録モードの処理のフローを示している。ここで、まだユーザ登録番号を登録していない新規のユーザが、被験者としてカフ２０を被測定部位としての上腕に装着した装着状態にあるものとする。この状態で、ユーザが本体１０に設けられた登録スイッチ５２Ｃによって登録モードの開始を指示すると、ＣＰＵ１００は、次のように登録モードの処理を実行する。

【0061】

まず、図４のステップＳ１０１で、ＣＰＵ１００は、表示器５０に、ユーザが新規のユーザ登録番号を選択するための画面を表示させる。例えば、表示器５０に、「新規のユーザ登録番号をＵ１としますか？」のようなユーザ登録番号の候補を表示させる。このとき、上記ユーザが、例えば登録スイッチ５２Ｃを短押し（１秒以内）すると、上記ユーザのユーザ登録番号として「Ｕ１」がメモリ５１に登録される。それに代えて、上記ユーザが、例えば登録スイッチ５２Ｃを長押し（３秒間以上）すると、ＣＰＵ１００は、表示器５０に、「新規のユーザ登録番号をＵ２としますか？」のようなユーザ登録番号の別の候補を表示させる。このとき、上記ユーザが、例えば登録スイッチ５２Ｃを短押しすると、上記ユーザのユーザ登録番号として「Ｕ２」がメモリ５１に登録される。このようにして、ＣＰＵ１００は、表示器５０にユーザ登録番号の候補Ｕ１，Ｕ２，…を順次表示させ、上記ユーザの選択に応じて、上記ユーザ固有のユーザ登録番号をメモリ５１に登録する。なお、以下では、簡単のため、各ユーザをユーザ登録番号で表すものとする。

【0062】

続いて、図４のステップＳ１０２で、ＣＰＵ１００は、図３によって説明した血圧測定の処理を実行する。既述のように、図３のステップＳ１５では、カフ２０の加圧過程で、カフ圧Ｐｃの直流成分Ｐｄｃに応じて、直流圧力変化パターンが検出される。例えば、図７（Ａ）から図８（Ｂ）は、横軸を時間ｔとし、縦軸をカフ圧Ｐｃとした時間対カフ圧（ｔ－Ｐｃ）平面上で、加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる（すなわち、次第に傾きを大きくしながら、下向きに凸に湾曲して増加する）様々な圧力変化パターンを示している。具体的には、図７（Ａ）は、筋肉質で太腕のユーザＵ１について検出される典型的な圧力変化パターンＰｄｃＵ１を示している。また、図７（Ｂ）は、筋肉質で細腕のユーザＵ２について検出される典型的な圧力変化パターンＰｄｃＵ２を示している。図８（Ａ）は、脂肪質で太腕のユーザＵ３について検出される典型的な圧力変化パターンＰｄｃＵ３を示している。図８（Ｂ）は、脂肪質で細腕のユーザＵ４について検出される典型的な圧力変化パターンＰｄｃＵ４を示している。以下では、このような直流圧力変化パターンを符号ＰｄｃＵで総称する。また、図３のステップＳ１８では、カフ２０の減圧過程で、脈波による圧力変動成分として、脈波信号Ｐｍ（一拍毎の波形パターンＰｍ１を含む）が検出される。この例では、ＣＰＵ１００は入力部２１０として働いて、取得された直流圧力変化パターンＰｄｃＵを、認証機能ブロック２００に入力する。なお、直流圧力変化パターンに加えて、一拍毎の波形パターンＰｍ１を、認証機能ブロック２００に入力してもよい（その場合については後述する。）。

【0063】

以下では、物理量（例えば、Ｐｄｃ）にユーザ（または被験者）を表す符号（例えば、Ｕ１）を付して、その物理量がそのユーザ（または被験者）について得られたものであることを表すものとする。

【0064】

ここで、圧力変化パターン（特に、直流圧力変化パターンＰｄｃＵ）は、被測定部位の周囲長（太腕または細腕）、体組成（筋肉質または脂肪質）などの被験者の身体的特徴に依存して定まることが経験的に分かっている。例えば、図７（Ａ）、図８（Ａ）に示すように太腕の場合（つまり、被測定部位の周囲長が大きい場合）は、図７（Ｂ）、図８（Ｂ）に示すように細腕の場合（つまり、周囲長が小さい場合）に比して、カフ２０（流体袋２２）の内部容量が増えるため、カフ２０の加圧過程でカフ２０に流体を単位時間当たり一定流量で供給するとき、カフ圧Ｐｃの上昇率（勾配）が小さくなる傾向がある。また、図８（Ａ）、図８（Ｂ）に示すように被測定部位が脂肪質である場合は、図７（Ａ）、図７（Ｂ）に示すように筋肉質である場合に比して、高圧域（例えば、２５ｍｍＨｇ以上）で被測定部位が潰れ易くなることから、高圧域でカフ圧の上昇率（勾配）が小さくなる傾向がある。そして、被験者（ユーザ）毎の被測定部位の周囲長、体組成などの組み合わせに応じて、それらの傾向が組み合わされて現れる。

【0065】

続いて、図４のステップＳ１０３で、ＣＰＵ１００は特徴登録部２３０として働いて、この例では直流圧力変化パターンＰｄｃＵについての特徴情報を取得する。具体的には、例えばユーザＵ１について、加圧開始（時刻ｔ＝０秒、カフ圧Ｐｃ＝０ｍｍＨｇ）から予め定められた時刻ｔ１，ｔ２（この例では、０＜ｔ１＜ｔ２＜１０秒とする。）で、図７（Ａ）に示す圧力変化パターンＰｄｃＵ１がとる値ｐ１Ｕ１，ｐ２Ｕ１を、直流特徴量として取得する。同様に、ユーザＵ２について、時刻ｔ１，ｔ２で図７（Ｂ）に示す圧力変化パターンＰｄｃＵ２がとる値ｐ１Ｕ２，ｐ２Ｕ２を、直流特徴量として取得する。また、ユーザＵ３について、時刻ｔ１，ｔ２で図８（Ａ）に示す圧力変化パターンＰｄｃＵ３がとる値ｐ１Ｕ３，ｐ２Ｕ３を、直流特徴量として取得する。また、ユーザＵ４について、時刻ｔ１，ｔ２で図８（Ｂ）に示す圧力変化パターンＰｄｃＵ４がとる値ｐ１Ｕ４，ｐ２Ｕ４を、直流特徴量として取得する。これらの圧力変化パターンＰｄｃＵについての直流特徴量（符号ｐ１，ｐ２で総称する。）は、上述のように被験者（ユーザ）の身体的特徴に依存して定まるので、個人認証の判断基準として好適に用いることができる。

【0066】

続いて、図４のステップＳ１０４で、ＣＰＵ１００は、さらに特徴登録部２３０として働いて、ユーザ登録番号に、特徴情報（この例では、直流特徴量ｐ１，ｐ２）を対応付けて、登録特徴情報としてメモリ５１に記憶（登録）させる。例えば、上記ユーザＵ１について取得された直流特徴量がｐ１Ｕ１，ｐ２Ｕ１であれば、下の表１の登録情報テーブルに示すように、メモリ５１に記憶させる。また、上記ユーザＵ１とは別のユーザＵ２について取得された直流特徴量がｐ１Ｕ２，ｐ２Ｕ２であれば、上記ユーザＵ１の登録特徴情報とは区別して、そのユーザＵ２についての登録特徴情報を記憶させる。さらに別のユーザについても同様である。
（表１）登録情報テーブル

【0067】

このようにして、個人認証を行う前の段階で予め、登録モードの処理を実行することによって、上記ユーザの個人認証のための比較の基準として、登録特徴情報を記憶（登録）することができる。

【0068】

さらに、この例では、図４のステップＳ１０２で、或るユーザについて、図３によって説明した血圧測定の処理を、安静状態で、例えば３回以上繰り返すものとする。図４のステップＳ１０３では、３回以上の血圧測定の都度、直流圧力変化パターンＰｄｃＵを検出し、図４のステップＳ１０４では、それらの直流圧力変化パターンＰｄｃＵについての特徴情報（この例では、直流特徴量ｐ１，ｐ２）をそれぞれ登録情報テーブルに登録するものとする。したがって、この例では、ユーザＵ１について、直流特徴量ｐ１Ｕ１，ｐ２Ｕ１のデータは、それぞれ３値以上登録される。ユーザＵ２についても、直流特徴量ｐ１Ｕ２，ｐ２Ｕ２のデータは、それぞれ３値以上登録される。さらに別のユーザについても同様である。

【0069】

（測定モードの処理）
図５は、血圧計１による血圧測定と個人認証とを含む測定モードの処理のフローを示している。ここで、認証対象である被験者（これを符号Ｕｘで表す。）がカフ２０を被測定部位としての上腕に装着した装着状態にあるものとする。この状態で、被験者Ｕｘが本体１０に設けられた測定スイッチ５２Ｂによって測定モードの開始を指示すると、ＣＰＵ１００は、次のように測定モードの処理を実行する。

【0070】

まず、図５のステップＳ２０１で、ＣＰＵ１００は、図３によって説明した血圧測定の処理を実行する。既述のように、図３のステップＳ１５では、被験者Ｕｘについて、カフ２０の加圧過程で、カフ圧Ｐｃの直流成分Ｐｄｃとして、直流圧力変化パターン（これを符号ＰｄｃＵｘで表す。）が検出される。また、図３のステップＳ１８では、被験者Ｕｘについて、カフ２０の減圧過程で、脈波による圧力変動成分として、脈波信号Ｐｍ（一拍毎の波形パターンＰｍ１を含む）が検出される。この例では、ＣＰＵ１００は入力部２１０として働いて、直流圧力変化パターンＰｄｃＵｘを、認証機能ブロック２００に入力する。図３のステップＳ２２では、ＣＰＵ１００は血圧値と脈拍数をメモリ５１に保存する。

【0071】

次に、図５のステップＳ２０２で、ＣＰＵ１００は特徴取得部２２０として働いて、この例では直流圧力変化パターンＰｄｃＵｘについての特徴情報を取得する。具体的には、例えば、加圧開始（時刻ｔ＝０秒、カフ圧Ｐｃ＝０ｍｍＨｇ）から予め定められた時刻ｔ１，ｔ２（この例では、０＜ｔ１＜ｔ２＜１０秒とする。）（図７（Ａ）参照）で、圧力変化パターンＰｄｃＵｘがとる値（これを符号ｐ１Ｕｘ，ｐ２Ｕｘで表す。）を直流特徴量として取得する。

【0072】

次に、図５のステップＳ２０３で、ＣＰＵ１００は認証部２４０として働いて、取得された特徴情報（この例では、直流特徴量ｐ１Ｕｘ，ｐ２Ｕｘ）を、表１の登録情報テーブル内の登録特徴情報と比較して、被験者Ｕｘに該当するユーザを探索する。

【0073】

具体的には、図９に例示するように、ＣＰＵ１００は、横軸を直流特徴量ｐ１とし、縦軸を直流特徴量ｐ２とした特徴量空間Ｑを作成する。この例では、表１の登録情報テーブルで、ユーザＵ１について、直流特徴量ｐ１Ｕ１，ｐ２Ｕ１のそれぞれ３値以上登録されたデータを用いて、特徴量空間Ｑでの重心点ＣｇＵ１を算出する。同様に、ユーザＵ２について、直流特徴量ｐ１Ｕ２，ｐ２Ｕ２のそれぞれ３値以上登録されたデータを用いて、特徴量空間Ｑでの重心点ＣｇＵ２を算出する。さらに別のユーザについても同様に、特徴量空間Ｑでの重心点を算出する。

【0074】

さらに、ＣＰＵ１００は、それらの重心点ＣｇＵ１，ＣｇＵ２，…を中心として、それぞれ一定範囲を、本人受入範囲ＡｒＵ１，ＡｒＵ２，…として設定する。ここで、「本人受入範囲」とは、認証対象である被験者Ｕｘが予め登録されたユーザＵ１，Ｕ２，…であると認められるべき許容範囲を意味している。この例では、それぞれの本人受入範囲ＡｒＵ１，ＡｒＵ２，…は、直流特徴量ｐ１についての許容幅を長径Ｌ１とし、直流特徴量ｐ２についての許容幅を短径Ｌ２とした楕円形状の範囲として設定されている。これらの本人受入範囲ＡｒＵ１，ＡｒＵ２，…のサイズは固定値であり、予め多人数で得られた実験データに基づいて、他人受入エラー（本人が他人として認定されるエラー）および個人拒否エラー（本人が本人でないとして認定されるエラー）が共に最小値となるよう調整されている。

【0075】

さらに、ＣＰＵ１００は、特徴量空間Ｑにおいて、被験者Ｕｘの直流特徴量ｐ１Ｕｘ，ｐ２Ｕｘに対応する点（これを符号ｄＵｘで表す。）が、本人受入範囲ＡｒＵ１，ＡｒＵ２，…のいずれかに入っているか否かを判断する。これにより、被験者Ｕｘに該当するユーザを探索する。この探索は、被験者Ｕｘについて取得された直流特徴量ｐ１Ｕｘ，ｐ２Ｕｘを、各ユーザＵ１，Ｕ２，…の登録特徴情報（この例では、直流特徴量）と比較しながら行われる。

【0076】

ここで、被験者Ｕｘの直流特徴量ｐ１Ｕｘ，ｐ２Ｕｘに対応する点ｄＵｘが、本人受入範囲ＡｒＵ１，ＡｒＵ２，…のいずれにも入っていない場合（図５のステップＳ２０４でＮｏ）は、ＣＰＵ１００は、の被験者Ｕｘが予め登録されたユーザＵ１，Ｕ２，…ではないと判定する。この場合、図５のステップＳ２０６に進んで、ＣＰＵ１００は表示処理部１３５として働いて、単に、血圧値と脈拍数の測定結果を表示器５０に表示させる。

【0077】

一方、被験者Ｕｘの直流特徴量ｐ１Ｕｘ，ｐ２Ｕｘに対応する点ｄＵｘが、本人受入範囲ＡｒＵ１，ＡｒＵ２，…のいずれかに入っている場合（図５のステップＳ２０４でＹｅｓ）、被験者Ｕｘが予め登録されたユーザであると判定する。この場合、図５のステップＳ２０５で、ＣＰＵ１００は、該当ユーザのユーザ登録番号に、血圧値の測定結果を対応付けてメモリ５１に保存する。図９の例では、被験者Ｕｘの直流特徴量ｐ１Ｕｘ，ｐ２Ｕｘに対応する点ｄＵｘが、ユーザＵ１の本人受入範囲ＡｒＵ１に入っていることから、ＣＰＵ１００は、図５のステップＳ２０１で得られた血圧値と脈拍数を、ユーザＵ１のユーザ登録番号Ｕ１に対応付けて、下の表２の測定結果テーブルに示すように、メモリ５１に保存する。この例では、収縮期血圧ＳＢＰは１３０［ｍｍＨｇ］、拡張期血圧ＤＢＰは８０［ｍｍＨｇ］、脈拍数は７０［拍／ｍｉｎ］であったものとする。さらに、図５のステップＳ２０６に進んで、ＣＰＵ１００は表示処理部１３５として働いて、血圧値と脈拍数の測定結果を表示器５０に表示させる。
（表２）測定結果テーブル

なお、表１の登録情報テーブルと表２の測定結果テーブルとをユーザ登録番号で対応付けて、一体のテーブルとしてもよい。

【0078】

このように、この血圧計１では、カフ２０の加圧過程で加圧開始からの時間経過に伴って上昇率を上げながら立ち上がる圧力変化パターンについての特徴情報（この例では、直流特徴量ｐ１，ｐ２）を用いて、被験者の個人認証を行っている。既述のように、この圧力変化パターン（特に、直流圧力変化パターンＰｄｃＵ）は、被測定部位の周囲長（太腕または細腕）、体組成（筋肉質または脂肪質）などの被験者の身体的特徴に依存して定まることが経験的に分かっている。これらの身体的特徴は被験者個人における短期間での変化量が小さい。言い換えれば、これらの身体的特徴は、コロトコフ音や心電信号とは異なり、測定毎のばらつきが小さい。したがって、この血圧計１では、被験者の身体的特徴に依存して定まる圧力変化パターンについての特徴情報を用いて個人認証を行うことによって、被験者について精度良く個人認証を行うことができる。また、このようにして被験者についての個人認証が行われる場合、圧力観測には用いない余分な構成要素（例えば、マイクロフォンなどの音検出用デバイス、心電用電極など）を設ける必要が無い。したがって、この血圧計１は、簡単な構成で低コストに構成され得る。

【0079】

また、この血圧計１では、上記本人受入範囲ＡｒＵ１，ＡｒＵ２，…を適切に設定することによって、認証対象である被験者Ｕｘが予め登録されたユーザＵ１，Ｕ２，…であるか否かを、さらに精度良く判定できる。

【0080】

上の例では、本人受入範囲ＡｒＵ１，ＡｒＵ２，…を楕円形状の範囲として設定したが、これに限られるものではない。例えば、横軸のｐ１、縦軸のｐ２について互いに独立に許容範囲を設定して、本人受入範囲を矩形状の範囲として設定してもよい。その他、本人受入範囲としては、ユークリッド距離、マンハッタン距離、コサイン類似度、ピアソンの積率相関係数、動的時間伸縮法などの公知の手法を使用して設定することができる。

【0081】

また、上の例では、直流特徴量として、加圧開始から予め定められた２つの時刻ｔ１，ｔ２で直流圧力変化パターンＰｄｃＵがとる値ｐ１，ｐ２を用いたが、これに限られるものではない。直流特徴量としては、例えば、加圧開始から予め定められた３つ以上の時刻ｔ１，ｔ２，ｔ３，…で直流圧力変化パターンＰｄｃＵがとる値ｐ１，ｐ２，ｐ３，…を用いてもよい。その他、直流特徴量としては、次のような様々な特徴量を用いることができる。
・予め定められた圧力ｐ１′から別の圧力ｐ２′になるまでの時間Δｔ＝ｔ２′－ｔ１′（ただし、ｔ１′，ｔ２′は、それぞれ予め定められた圧力ｐ１′、ｐ２′になる時刻である。）
・圧力の比（ｐ２／ｐ１）
・予め定められた時刻ｔ１，ｔ２間での傾きα＝（ｐ２－ｐ１）／（ｔ２－ｔ１）
・予め定められた時刻での勾配
・面積Ｓ１，Ｓ２（ただし、図７（Ａ）中に例示するように、Ｓ１は時刻０～ｔ１での面積（点描で示す）、Ｓ２は時刻ｔ１～ｔ２での面積（斜線で示す）である。）
・面積比Ｓ２／Ｓ１

【0082】

（変形例１）
上の例では、特徴情報として、直流圧力変化パターンＰｄｃＵについての直流特徴量のみを用いたが、これに限られるものではない。特徴情報としては、直流特徴量に加えて、一拍毎の波形パターンＰｍ１（図６（Ａ）参照）についての特徴量（一拍特徴量）を用いてもよい。

【0083】

その場合、血圧計１による個人認証を行う前の段階の、図４のステップＳ１０２（特に、図３のステップＳ１８）で、ＣＰＵ１００が入力部２１０として働いて、直流圧力変化パターンＰｄｃＵに加えて、一拍毎の波形パターンＰｍ１を、認証機能ブロック２００に入力する。さらに、図４のステップＳ１０３では、ＣＰＵ１００は特徴登録部２３０として働いて、特徴情報として、直流圧力変化パターンＰｄｃＵについての直流特徴量に加えて、一拍毎の波形パターンＰｍ１について一拍特徴量を取得する。

【0084】

ここで、図１０は、一拍毎の波形パターンＰｍ１を拡大して示している。詳しくは、図１０は、一拍の開始点をｔ＝０秒、圧力＝０ｍｍＨｇとし、横軸を開始点からの経過時間ｔ、縦軸を開始点からの圧力変化量Δｐとして、典型的な一拍毎の波形パターンＰｍ１を表している。この例では、一拍毎の波形パターンＰｍ１は、開始点から上向きに凸に湾曲して立ち上がり、時刻ｔ１１で第１の極大点（駆出ピーク）Ｍａｘ１を示し、時刻ｔ１２で極小点Ｍｉｎを示し、時刻ｔ１３で第２の極大点（反射ピーク）Ｍａｘ２を示し、時刻ｔ１４で圧力０ｍｍＨｇ（終了点）となって終了している。このような一拍毎の波形パターンＰｍ１についての一拍特徴量としては、図１０中に例示する次のような様々な特徴量を用いることができる。
・第１の極大点Ｍａｘ１での圧力変化量（振幅）ｐＭａｘ１、第２の極大点Ｍａｘ２での圧力変化量（振幅）ｐＭａｘ２
・第１の極大点Ｍａｘ１と第２の極大点Ｍａｘ２との間の時間間隔ΔｔＭａｘ（＝ｔ１３－ｔ１１）
・開始点から一定時間ｔ１０経過後における勾配α１０
・一拍毎の波形パターンＰｍ１と横軸ｔとの間の面積Ｓ１０
・第１の極大点Ｍａｘ１での振幅ｐＭａｘ１と第２の極大点Ｍａｘ２での振幅ｐＭａｘ２との比（ｐＭａｘ１／ｐＭａｘ２）
・面積Ｓ１０のうち時刻ｔ＝０からｔ１２までの間の面積Ｓ１１と、時刻ｔ＝ｔ１２からｔ１４までの間の面積Ｓ１２との比（Ｓ１１／Ｓ１２）

【0085】

なお、一拍毎の波形パターンＰｍ１は、図６（Ｂ）中に示す加圧過程と減圧過程とのいずれかからも抽出され得る。ただし、図６（Ａ）から分かるように、減圧過程の終盤に、一拍毎の波形が最も安定する。このため、一拍毎の波形パターンＰｍ１については、減圧過程の終盤に抽出するのが望ましい。

【0086】

続いて、図４のステップＳ１０４で、ＣＰＵ１００は、さらに特徴登録部２３０として働いて、ユーザ登録番号に、直流特徴量（例えば、ｐ１，ｐ２）に加えて一拍特徴量（例えば、ｐＭａｘ１，ｐＭａｘ２）を対応付けて、登録特徴情報としてメモリ５１に記憶（登録）させる。例えば、上記ユーザのユーザ登録番号がＵ１であり、直流特徴量ｐ１Ｕ１，ｐ２Ｕ１に加えて、一拍特徴量として、第１の極大点Ｍａｘ１での振幅ｐＭａｘ１Ｕ１、第２の極大点Ｍａｘ２での振幅ｐＭａｘ２Ｕ１が取得された場合、次の表３の登録情報テーブルに示すように、メモリ５１に記憶させる。
（表３）登録情報テーブル

【0087】

このようにして、血圧計１による個人認証を行う前の段階で、直流特徴量に加えて、一拍特徴量を、登録特徴情報としてメモリ５１に登録することができる。

【0088】

この後、血圧計１による個人認証を行う段階の、図５のステップＳ２０１（特に、図３のステップＳ１８）で、ＣＰＵ１００が入力部２１０として働いて、被験者Ｕｘについて、直流圧力変化パターンＰｄｃＵｘに加えて、一拍毎の波形パターン（これを符号Ｐｍ１Ｕｘで表す。）を、認証機能ブロック２００に入力する。続いて、図５のステップＳ２０２で、ＣＰＵ１００は特徴取得部２２０として働いて、特徴情報として、直流圧力変化パターンＰｄｃＵｘについての直流特徴量ｐ１Ｕｘ，ｐ２Ｕｘに加えて、一拍毎の波形パターンＰｍ１Ｕｘについての一拍特徴量として、この例では第１の極大点Ｍａｘ１での振幅ｐＭａｘ１（これを符号ｐＭａｘ１Ｕｘで表す。）と第２の極大点Ｍａｘ２での振幅ｐＭａｘ２（これを符号ｐＭａｘ２Ｕｘで表す。）を取得する。次に、図５のステップＳ２０３で、ＣＰＵ１００は認証部２４０として働いて、取得された特徴情報（この例では、直流特徴量ｐ１Ｕｘ，ｐ２Ｕｘと一拍特徴量ｐＭａｘ１Ｕｘ，ｐＭａｘ２Ｕｘ）を、表２の登録情報テーブル内の登録特徴情報と比較して、被験者Ｕｘに該当するユーザを探索する。例えば、ＣＰＵ１００は、ｐ１，ｐ２，ｐＭａｘ１，ｐＭａｘ２を座標軸とする４次元の特徴量空間（これを符号Ｑ１で表す。）を作成する。上記特徴量空間Ｑ１で、予め登録されているユーザＵ１，Ｕ２，…について登録特徴情報に対応する点を算出するとともに、登録特徴情報に対応する点の周りに、被験者Ｕｘが予め登録されているユーザであると認められるべき許容範囲（本人受入範囲）を設定する。そして、ＣＰＵ１００は、特徴量空間Ｑ１で、被験者Ｕｘについて取得された特徴情報に対応する点が許容範囲内に入るとき、被験者Ｕｘが予め登録されているユーザ（例えば、Ｕ１）であると判定する一方、被験者Ｕｘについて取得された特徴情報に対応する点が許容範囲内に入らないとき、被験者Ｕｘが予め登録されているユーザＵ１，Ｕ２，…ではないと判定する。このように、直流特徴量に加えて、一拍特徴量を判断材料として用いることによって、被験者についてさらに精度良く個人認証を行うことができる。

【0089】

なお、予め定められた第１条件下では、被験者についての個人認証のために、一拍特徴量を用いず、直流特徴量のみを用いるのが望ましい。ここで、「予め定められた第１条件」としては、例えば次のような一拍特徴量の信頼性が低い条件が挙げられる。
・ 個人認証を行う際の脈拍数が、上記登録特徴情報を登録した際の脈拍数に比して、著しく高いか又は低いこと
・ 個人認証を行う際の血圧値が、上記登録特徴情報を登録した際の血圧値に比して、著しく高いか又は低いこと
・ 個人認証を行う際の気温・湿度・気圧が、上記登録特徴情報を登録した際の気温・湿度・気圧に比して、著しく高いか又は低いこと（なお、この場合、血圧計１では、血圧測定の都度、気温・湿度・気圧を観測して記録するものとする。）

【0090】

このような一拍特徴量の信頼性が低い条件下では、被験者についての個人認証のために、一拍特徴量を用いず、直流特徴量のみを用いることによって、個人認証の精度が低下するのを防止できる。

【0091】

（変形例２）
上の例では、被験者についての個人認証のために、ＣＰＵ１００は、特徴量空間Ｑ（またはＱ１）を作成し、被験者Ｕｘに該当するユーザを特徴量空間Ｑ内で探索したが、これに限られるものではない。例えば、血圧計１は、図１１（Ｂ）に示すような学習済みのニューラルネットワークＮＮ１を備え、被験者Ｕｘに該当するユーザを、ニューラルネットワークＮＮ１を用いて判定するようにしてもよい。

【0092】

具体的には、図１１（Ｂ）に示すように、ニューラルネットワークＮＮ１は、入力層ＩＬ１と、３層の中間層ＭＬ１，ＭＬ２，ＭＬ３と、出力層ＯＬ１とを有している。この例では、入力層ＩＬ１、出力層ＯＬ１は、それぞれ５個のノード（ニューロン）ｎｄを含んでいる。中間層ＭＬ１，ＭＬ２，ＭＬ３は、それぞれ２０～３０個のノードｎｄを含んでいる。

【0093】

この例では、ニューラルネットワークＮＮ１は、学習段階で、入力層ＩＬ１に、５人の教師ユーザ（これを符号Ｕａ，Ｕｂ，Ｕｃ，Ｕｄ，Ｕｅで表す。）の直流圧力変化パターンＰｄｃＵについての特徴情報ｉｎＵａ，ｉｎＵｂ，ｉｎＵｃ，ｉｎＵｄ，ｉｎＵｅのいずれかが入力信号として入力されたとき、中間層ＭＬ１，ＭＬ２，ＭＬ３を介して、出力層ＯＬ１に、入力された特徴情報に対応する教師ユーザＵａ，Ｕｂ，Ｕｃ，ＵｄまたはＵｅを表す出力情報ｔｅＵａ，ｔｅＵｂ，ｔｅＵｃ，ｔｅＵｄまたはｔｅＵｅを出力するように、各ノードｎｄ，ｎｄ間の結合強度の重み付けがなされている。すなわち、ニューラルネットワークＮＮ１は、学習済みになっている。

【0094】

詳しくは、教師ユーザ（例えば、Ｕａ）の圧力変化パターンについての特徴情報ｉｎＵａは、図１２に示すように、図４のステップＳ１０２（特に、図３のステップＳ１８）で得られる直流圧力変化パターン（これを符号ＰｄｃＵａで表す。）において、加圧開始（時刻ｔ＝０秒、カフ圧Ｐｃ＝０ｍｍＨｇ）から予め定められた時刻ｔ１，ｔ２，ｔ３，ｔ４，ｔ５（この例では、０＜ｔ１＜ｔ２＜ｔ３＜ｔ４＜ｔ５とする。）で、圧力変化パターンＰｄｃＵａがとる値ｐ１Ｕａ，ｐ２Ｕａ，ｐ３Ｕａ，ｐ４Ｕａ，ｐ５Ｕａとして予め定められている。これらの５個の値（ｐ１Ｕａ，ｐ２Ｕａ，ｐ３Ｕａ，ｐ４Ｕａ，ｐ５Ｕａ）を成分とするベクトルを、特徴情報ｉｎＵａと同じ符号を用いて、特徴ベクトルｉｎＵａと呼ぶ。同様に、図１１（Ａ）に示すように、教師ユーザＵｂの直流圧力変化パターンＰｄｃＵｂについての特徴情報ｉｎＵｂは、特徴ベクトルｉｎＵｂ＝（ｐ１Ｕｂ，ｐ２Ｕｂ，ｐ３Ｕｂ，ｐ４Ｕｂ，ｐ５Ｕｂ）で表される。教師ユーザＵｃの直流圧力変化パターンＰｄｃＵｃについての特徴情報ｉｎＵｃは、特徴ベクトルｉｎＵｃ＝（ｐ１Ｕｃ，ｐ２Ｕｃ，ｐ３Ｕｃ，ｐ４Ｕｃ，ｐ５Ｕｃ）で表される。教師ユーザＵｄの直流圧力変化パターンＰｄｃＵｄについての特徴情報ｉｎＵｄは、特徴ベクトルｉｎＵｄ＝（ｐ１Ｕｄ，ｐ２Ｕｄ，ｐ３Ｕｄ，ｐ４Ｕｄ，ｐ５Ｕｄ）で表される。また、教師ユーザＵｅの直流圧力変化パターンＰｄｃＵｅについての特徴情報ｉｎＵｅは、特徴ベクトルｉｎＵｅ＝（ｐ１Ｕｅ，ｐ２Ｕｅ，ｐ３Ｕｅ，ｐ４Ｕｅ，ｐ５Ｕｅ）で表される。学習段階では、これらの特徴ベクトルｉｎＵａ，ｉｎＵｂ，ｉｎＵｃ，ｉｎＵｄ，ｉｎＵｅが、それぞれ入力層ＩＬ１に入力される。

【0095】

一方、教師ユーザ（例えば、Ｕａ）を表す出力情報ｔｅＵａは、図１１（Ｃ）に示すように、出力ベクトルｔｅＵａ＝（１，０，０，０，０）で表される。同様に、教師ユーザＵｂを表す出力情報ｔｅＵｂは、出力ベクトルｔｅＵｂ＝（０，１，０，０，０）で表される。教師ユーザＵｃを表す出力情報ｔｅＵｃは、出力ベクトルｔｅＵｃ＝（０，０，１，０，０）で表される。教師ユーザＵｄを表す出力情報ｔｅＵｄは、出力ベクトルｔｅＵｄ＝（０，０，０，１，０）で表される。教師ユーザＵｅを表す出力情報ｔｅＵｅは、出力ベクトルｔｅＵｅ＝（０，０，０，０，１）で表される。学習段階では、例えば教師ユーザＵａについての特徴ベクトルｉｎＵａが入力層ＩＬ１に入力されたとき、それに対応して、教師ユーザＵａを表す出力ベクトルｔｅＵａが、教師信号として出力層ＯＬ１に与えられる。同様に、教師ユーザＵａについての特徴ベクトルｉｎＵａが入力層ＩＬ１に入力されたとき、それに対応して、教師ユーザＵａを表す出力ベクトルｔｅＵａが、教師信号として出力層ＯＬ１に与えられる。同様に、教師ユーザＵｂについての特徴ベクトルｉｎＵｂが入力層ＩＬ１に入力されたとき、それに対応して、教師ユーザＵｂを表す出力ベクトルｔｅＵｂが、教師信号として出力層ＯＬ１に与えられる。他の教師ユーザＵｃ，Ｕｄ，Ｕｅについても、同様の処理が行われる。

【0096】

このような学習を繰り返すことによって、ニューラルネットワークＮＮ１は、入力層ＩＬ１に、５人の教師ユーザＵａ，Ｕｂ，…，Ｕｅの直流圧力変化パターンＰｄｃＵについての特徴情報ｉｎＵａ，ｉｎＵｂ，ｉｎＵｃ，ｉｎＵｄ，ｉｎＵｅのいずれかが入力信号として入力されたとき、中間層ＭＬ１，ＭＬ２，ＭＬ３を介して、出力層ＯＬ１に、入力された特徴情報に対応する教師ユーザＵａ，Ｕｂ，Ｕｃ，ＵｄまたはＵｅを表す出力情報ｔｅＵａ，ｔｅＵｂ，ｔｅＵｃ，ｔｅＵｄまたはｔｅＵｅを出力するように、各ノードｎｄ，ｎｄ間の結合強度の重み付けがなされている。

【0097】

このようなニューラルネットワークＮＮ１を備えることによって、上記５人の教師ユーザＵａ，Ｕｂ，…，Ｕｅおよび／または教師ユーザ以外のユーザを含むユーザグループを対象として、個人認証を行うことが可能となる。次に、このニューラルネットワークＮＮ１を用いた場合の登録モードの処理と測定モードの処理について述べる。

【0098】

（ニューラルネットワークを用いた場合の登録モードの処理）
この場合、ＣＰＵ１００は特徴登録部２３０として働いて、個人認証を行う前の段階で予め、次のような制御を行う。まず、カフ２０の加圧過程で、上記５人の教師ユーザＵａ，Ｕｂ，…，Ｕｅおよび／または教師ユーザ以外のユーザを含むユーザグループについて、それぞれのユーザ毎に、そのユーザ（これを符号Ｕｙで表す。）の直流圧力変化パターンＰｄｃＵについての特徴情報として、特徴ベクトルｉｎＵｙ＝（ｐ１Ｕｙ，ｐ２Ｕｙ，ｐ３Ｕｙ，ｐ４Ｕｙ，ｐ５Ｕｙ）を取得する。次に、それぞれのユーザ毎に、そのユーザＵｙについて取得された特徴ベクトルｉｎＵｙをニューラルネットワークＮＮ１の入力層ＩＬ１に入力して、複数の中間層ＭＬ１，ＭＬ２，ＭＬ３のうち或る中間層（この例では、出力層ＯＬ１の一つ手前の中間層ＭＬ３）に現れた情報ｆｅ１Ｕｙ，ｆｅ２Ｕｙ，…，ｆｅＮＵｙを得る。このＮ個（Ｎ＝２０～３０）の値を成分とするベクトルを、ユーザＵｙについての特徴ＡＩ（Artificial Intelligence）ベクトルｆｅＵｙと呼ぶ。なお、図１１（Ｂ）中には、ユーザが限定されない一般的な特徴ＡＩベクトルｆｅの成分（ｆｅ１，ｆｅ２，…，ｆｅＮ）が表されている。個々の成分ｆｅ１，ｆｅ２，…，ｆｅＮを、ＡＩ特徴量と呼ぶ。ユーザを特定するための特徴情報として特徴ＡＩベクトルｆｅ＝（ｆｅ１，ｆｅ２，…，ｆｅＮ）を使えること自体は、公知であるため、詳細な説明を省略する。ＣＰＵ１００は、ユーザＵｙについての特徴ＡＩベクトルｆｅＵｙの成分を、下の表４の登録情報テーブルに示すように、ユーザＵｙと対応付けて登録特徴情報としてメモリ５１に記憶（登録）させる。同様に、上記ユーザＵｙとは別のユーザのユーザ登録番号がＵｚであり、取得された特徴ＡＩベクトルがｉｎＵｚ＝（ｆｅ１Ｕｚ，ｆｅ２Ｕｚ，…，ｆｅＮＵｚ）であれば、上記ユーザＵｙの登録特徴情報とは区別して、そのユーザＵｚについての登録特徴情報を記憶させる。さらに別のユーザについても同様である。これにより、次の表４の登録情報テーブルに示すように、それぞれのユーザＵｙ，Ｕｚ，…毎に、メモリ５１に登録特徴情報が登録される。
（表４）登録情報テーブル

【0099】

（ニューラルネットワークを用いた場合の測定モードの処理）
個人認証を行う段階で、ＣＰＵ１００は特徴取得部２２０として働いて、カフ２０の加圧過程で、認証対象である被験者（これをＵｘとする。）の圧力変化パターンＰｄｃＵについての特徴情報（この例では、特徴ベクトルｉｎＵｘ＝（ｐ１Ｕｘ，ｐ２Ｕｘ，ｐ３Ｕｘ，ｐ４Ｕｘ，ｐ５Ｕｘ））を取得する。

【0100】

さらに、ＣＰＵ１００は認証部２４０として働いて、被験者Ｕｘについて取得された特徴ＡＩベクトルｉｎＵｘをニューラルネットワークＮＮ１の入力層ＩＬ１に入力して、中間層ＭＬ３に現れた情報を、特徴ＡＩベクトルｉｎＵｘ＝（ｆｅ１Ｕｘ，ｆｅ２Ｕｘ，…，ｆｅＮＵｘ））として取得する。そして、ＣＰＵ１００は、被験者Ｕｘについて取得された特徴ＡＩベクトルｉｎＵｘ＝（ｆｅ１Ｕｘ，ｆｅ２Ｕｘ，…，ｆｅＮＵｘ）を、表４の登録情報テーブルに登録されているそれぞれのユーザＵｙ，Ｕｚ，…の登録特徴情報と比較して、被験者Ｕｘがユーザグループに含まれたユーザであるか否かを判定する。これにより、被験者Ｕｘがユーザグループに含まれたユーザである場合、そのことを認証できる。

【0101】

（変形例３）
予め定められた第２条件下では、メモリ５１の表１、表３、表４の登録情報テーブルに登録されている登録特徴情報を更新するのが望ましい。ここで、「予め定められた第２条件」としては、例えば次のような上記登録特徴情報を更新すべき条件が挙げられる。
・ 上記登録特徴情報の登録時（または前回の更新時）から、一定期間（例えば、６ヶ月間のような、上記圧力変化パターンについての特徴情報が著しく変化してしまう可能性がある期間）が経過したこと
・ 被験者Ｕｘが予め登録されているユーザ（例えば、Ｕ１）であると判定されたが、上記被験者Ｕｘについて取得された特徴情報に対応する点ｄＵｘ（図９参照）が、本人受入範囲ＡｒＵ１内で重心点ＣｇＵ１から遠くなっていること

【0102】

そこで、この血圧計１では、ＣＰＵ１００は更新部２５０として働いて、被験者Ｕｘが予め登録されたユーザであると判定されたとき、上記被験者Ｕｘについて取得された上記特徴情報を用いて、予め定められた第２条件下で、上記ユーザの上記登録特徴情報を更新する。これにより、上記登録特徴情報を更新すべき場合に、上記登録特徴情報を自動的に更新して適切な状態に維持することができる。この結果、上記個人認証の精度が低下するのを防止できる。

【0103】

（変形例４）
予め定められた第３条件下では、個人認証を中止するのが望ましい。ここで、「予め定められた第３条件」としては、例えば次のような圧力変化パターンについての特徴情報（直流特徴量および／または一拍特徴量）の信頼性が低いとみなされる条件が挙げられる。
・ 不規則脈波が検出されたこと（この場合、血圧計１は脈拍数に基づいて不規則脈波を検出する。）
・ 体動が判定されたこと（この場合、血圧計１は加速度センサを備えて、体動を検出する。）
・ ゆる巻き（被測定部位に対するカフ２０の巻き付けがゆるい状態）が判定されたこと（この場合、血圧計１は圧力変化パターンの立ち上がりが極めて緩やかであることに基づいて、ゆる巻きを検出する。）

【0104】

そこで、この血圧計１では、ＣＰＵ１００は認証部２４０として働いて、予め定められた第３条件下では個人認証を中止する。これにより、そのような圧力変化パターンについての特徴情報（直流特徴量および／または一拍特徴量）の信頼性が低い場合に、個人認証を中止することができる。この結果、個人認証の精度が低下するのを防止できる。

【0105】

また、上述の実施形態では、被測定部位は上腕であるものとしたが、これに限られるものではない。被測定部位は、手首などの上腕以外の上肢であってもよいし、足首などの下肢であってもよい。

【0106】

以上の実施形態は例示であり、この発明の範囲から離れることなく様々な変形が可能である。上述した複数の実施の形態は、それぞれ単独で成立し得るものであるが、実施の形態同士の組みあわせも可能である。また、異なる実施の形態の中の種々の特徴も、それぞれ単独で成立し得るものであるが、異なる実施の形態の中の特徴同士の組みあわせも可能である。

【符号の説明】

【0107】

１ 血圧計
１０ 本体
２０ 血圧測定用カフ
３１ 圧力センサ
５１ メモリ
１００ ＣＰＵ
３１１ 第１フィルタ部
３１５ 第２フィルタ部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】