血压测量装置、模式设定装置以及血压测量方法

技术领域

本公开的一形态基于生物的脉搏测量该生物的血压的血压测量装置。本申请于2019年1月9日向日本申请的对特愿2019-1951主张优选权，其内容援用于该本申请。

背景技术

近年以来，提案了用于测量生物体(对象生物)的生物信息的各种技术。作为一个例子，专利文献1公开了如下技术；基于拍摄有对象生物的脸的图像(照相图像)，用于高精度地测量该对象生物的规定的种类的生物信息(例如：脉搏率)。具体来说，专利文献1的技术的一个目的在于即使对象生物的脸发生移动的情况，也高精度地测量脉搏率。

现有技术文献

专利文献

专利文献1：特开2017-93760号公报

发明内容

本发明所要解决的技术问题

但是，在专利文献1中，没有特别说明关于用于高精度地测量生物体的血压(生物体信息的另一个例子)的具体方法。本公开的一形态的目的在于比现在高精度地测量生物体的血压。

解决问题的手段

为了解决上述问题，本公开的一形态所涉及的血压测量装置基于生物体的脉搏,测量该生物体的第一血压，所述血压测量装置的特征在于：具备；脉搏取得部，在上述生物体的体表中的规定的区域中取得脉搏；体动检测部，检测上述规定的区域的移动方向；体动分类部，分类上述移动方向；以及脉搏参数计算部，基于上述脉搏，计算多个脉搏参数，上述血压测量装置能够通信地连接于模式保管部，在上述模式保管部预先保管有如下模式与结果；(i)用于根据上述移动方向的分类结果推定上述第一血压的多个血压推定模式，(ii)根据上述移动方向的分类结果的上述多个血压推定模式的每一个的评价结果，上述血压测量装置还具备；模式选择部，基于上述多个血压推定模式的每一个的上述评价结果，从该多个血压推定模式中，选择用于计算上述第一血压的测量模式；以及第一血压测量部，使用上述测量模式，基于上述多个脉搏参数，计算上述第一血压。

为了解决上述问题，本公开的一形态所涉及的模式设定装置与血压测量装置能够通信地连接，所述血压测量装置基于生物体的脉搏，测量上述生物体的第一血压，所述模式设定装置的特征在于：具备；第二血压测量部，测量上述生物体的第二血压；脉搏取得部，在上述生物体的体表中的规定的区域中取得脉搏；体动检测部，检测上述规定的区域的移动方向；体动分类部，分类上述移动方向；以及脉搏参数计算部，基于上述脉搏，计算多个脉搏参数，上述模式设定装置能够通信地连接于模式保管部，上述模式设定装置还具备；模式作成部，根据上述移动方向的分类结果，基于上述多个脉搏参数与上述第二血压，作成用于推定上述第一血压的多个血压推定模式，且将该多个血压推定模式保管于上述模式保管部；以及模式评价部，根据上述移动方向的分类结果，评价保管于上述模式保管部的上述多个血压推定模式的每一个，将该评价结果保管于该模式保管部。

为了解决上述问题，本公开的一形态所涉及的血压测量方法是基于生物体的脉搏测量该生物体的第一血压，所述血压测量方法的特征在于：包含；脉搏取得工序，在上述生物体的体表中的规定的区域中取得脉搏；体动检测工序，检测上述规定的区域的移动方向；体动分类工序，分类上述移动方向；以及脉搏参数计算工序，基于上述脉搏，计算多个脉搏参数，上述血压测量装置能够通信地连接于模式保管部，在上述模式保管部预先保管有如下模式与结果；(i)用于根据上述移动方向的分类结果推定上述第一血压的多个血压推定模式，(ii)根据上述移动方向的分类结果的上述多个血压推定模式的每一个的评价结果，上述血压测量方法还包含；模式选择工序，基于该多个血压推定模式的每一个的上述评价结果，从上述多个血压推定模式中，选择用于计算上述第一血压的测量模式；以及第一血压测量工序，使用上述测量模式，基于上述多个脉搏参数，计算上述第一血压。

发明效果

根据本公开的一形态所涉及的血压测量装置，比现在能够高精度的测量生物的血压。本公开的一形态所涉及的血压测量方法也起到相同的效果。另外，本公开的一形态所涉及的模式设定装置也起到同样的效果。

附图说明

图1是示出实施方式一的血压测量装置的主要部分的构成的功能模块图。

图2是用于说明脸图像分隔部的处理的一例的图。

图3是用于说明脸图像分隔部的处理的另一个例的图。

图4是用于说明抽出测量模式后部的处理的一例的图。

图5是示出脸方向模板的一例的图。

图6是示出图1的血压测量装置中的测量模式作成方法的处理的流程的一例的图。

图7是示出图1的血压测量装置中的血压测量方法的处理的流程的一例的图。

具体实施方式

〔实施方式一〕

以下说明实施方式一的血压测量装置1。为了便于说明，对具有与在实施方式1中说明的构件相同的功能的构件，在以后的各实施方式中赋予相同的附图标记，并省略其说明。与公知技术相同的事项也适当地省略说明。此外，为了便于说明，示出于各图的装置构成仅仅是一个例子。另外，在说明书中以下所述的各数值也仅仅是一个例子。

(血压测量装置1的概要)

图1是示出血压测量装置1的主要部分的构成的功能模块图。血压测量装置1基于对象生物H(生物体)的脉搏，测量该对象生物H的血压(以下，只称为血压)。具体来说，血压测量装置1使用以下所述的模式设定装置100中设定的血压测量模式(以下，也只称为“测量模式”)测量血压。此外，在本实施方式中将后述的血压推定模式也只称为“推定模式”。另外，有时测量模式以及推定模式统称地也只称为“模式”的情况。

在以下说明中，描述作为非接触式的血压测量装置(不与对象生物H接触，可测量血压的测量装置)的血压测量装置1。在实施方式一中，例示对象生物H是人的情况。血压测量装置1通过将对象生物H的体表中的规定区域作为ROI(Region of In terest，关心区域)处理而测量血压。在以下的说明中，例示RO I是脸的情况。此外，在本说明中，也将对象生物H的脸也简称为“脸”。其他的表记也是同样的。

血压测量装置1具备模式设定装置100、模式选择部60、血压测量部160(第一血压测量部)以及血压测量结果输出部170。模式设定装置100具备血压取得部2(第二血压测量部)、脉搏取得部10、脉搏参数计算部20、体动检测部21、体动分类部22、模式作成部30、模式评价部40以及模式保管部50。

在图1的例子中，模式设定装置100设置于血压测量装置1的内部。但是，也能够将模式设定装置100设置于血压测量装置1的外部(参照后述的实施方式二)。

血压取得部2测量对象生物H的血压。血压取得部2是接触式的血压计(例：袖带(Cuff)血压计)。通过血压取得部2来测量的血压(以下，BPm)作为模式设定装置100中的测试用数据(训练用数据)使用。也就是说，BPm在模式选择部60中用于设定测量模式。另外，BPm在模式作成部30中也用于设定多个推定模式。

血压取得部2向模式作成部30以及模式评价部40(更具体来说，在以下描述的模式评价指数计算部42)输出BPm。此外，也将血压测量装置1中的最终的血压测量结果(后述的P)称为第一血压。另外，为了与该第一血压区别，也将BPm称为第二血压。如在后述那样，P通过血压测量部160来测量(计算)。由此，也可以BPm表现为通过血压测量装置1来测量P的训练用数据。

(脉搏取得部10)

脉搏取得部10取得ROI(例：脸)中的脉搏。脉搏取得部10具备摄像部11、光源12、光源调节部13、脸图像取得部14、脸图像分隔部15、肌肤区域抽出部16以及脉搏计算部17。

摄像部11是包含图像传感器以及透镜的照相机。作为该图像传感器，例如也可以使用CMOS(Complementary Metal-Ox ide Semiconductor)型或CCD(Charge-CoupledDevice)型的图像传感器。摄像部11通过规定的帧率(即每个规定时间间隔)摄像对象生物H几次，向脸图像取得部14输出已摄像的对象生物H的图像(以下，对象生物图像)。作为一例，上述帧率是300fps(frames per second)。

也可以摄像部11包含公知的彩色滤光片。该彩色滤光片优选具有光学特性，所述光学特性是适当于用于观察血液量的增减。作为适当的彩色滤光片的例子，能够列举(i)RGBCy(Re d，Blue，Green，Cyan：红色、蓝色、绿色、青色)，(ii)或RGBIR(Red，Blue，Green，Infrared：红色、蓝色、绿色、红外)彩色滤光片。另外，摄像部11可以是RGB照相机，或也可以是IR照相机。

光源12在摄像部11摄像对象生物H的情况下，向该对象生物照射光。光源调节部13调节光源12。作为一例，光源调节部13优选调节光源，以精度好的计算被模式选择部60选择的测量模式中所使用的区域之间的脉搏传播时间(脉搏参数的一列)。

具体来说，光源调节部13以能够检测在对应的区域中具有固定的信号品质的脉搏的方式调节光源12。“具有固定的信号品质的脉搏”是指例如“SNR(Signal-to-NoiseRatio，信号对噪声比)高的脉搏”。更具体来说，光源调节部13在(i)光源12的光量、(ii)光源12的光谱、以及(iii)对象生物H的对于肌肤的照射角度中的至少一个。

此外，不一定在脉搏取得部10设置光源12以及光源调节部13。在不设置光源12以及光源调节部13的情况下，也可以摄像部11只使用周围环境光摄像对象生物H。

脸图像取得部14从被摄像部11摄像的对象生物图像抽出对象生物H的脸区域。脸图像取得部14将抽出脸区域之后的图像作为脸图像(映照对象生物H的脸的图像)取得。作为一例，也可以通过脸图像取得部14对于映照对象生物的动图像(由多个对象生物图像构成的动图像)，进行面部追踪(face tracking)，在每个该动图像的规定的帧间隔，抽出脸区域。

但是，脸图像取得部14，不一定需要进行面部追踪，也能够抽出脸区域。例如，也可以(i)使对象生物H将脸进入于预先设定的框中，且(ii)在固定该脸与摄像部11的状态下，通过摄像部11摄像对象生物图像。在这样的情况下，由于能够抑制对象生物图像中的脸的动摇，从而不需要面部追踪。

脸图像分隔部15将被脸图像取得部14抽出的脸图像分隔成多个区域(部分区域)。在以下的说明中，为了便于说明，也将脸图像称为“IMG”。图2是用于说明脸图像分割部15的处理的一例的图。图2示出由脸图像分割部15的分割之后的IMG的一例。图2的IMG是映照朝向正面的脸的脸图像的一例。

在图2的例子中，脸图像分割部15将IMG分割成在纵向以及横向分别10分割(例：分别10等分)。也就是说，脸图像分割部15将IMG分割成100个的部分区域(部分区域1至100)。但是，由脸图像分割部15的IMG的分割方法不限于图2的例子。例如，各部分区域的尺寸不一定需要相同。

在脉搏取得部10的其他部分的说明前，描述体动检测部21的动作。体动检测部21检测对象生物H的体动。具体来说，体动检测部21检测ROI(例：脸)的动作。更具体来说，体动检测部21检测ROI的移动方向。作为一例，体动检测部21使用由脸图像取得部14的面部追踪的结果，检测在动图像内中的脸的各特征点(例：眼睛、鼻子、嘴巴或轮廓)的移动量。

具体来说，体动检测部21在每个规定的帧间隔，检测各特征点的位置变化量(移动量)。也就是说，体动检测部21在每个规定的帧间隔，检测“各特征点朝哪个方向移动了多少”。体动检测部21基于上述移动量，进一步检测脸的移动方向。另外，体动检测部21基于上述移动量，进一步检测时刻中的脸的朝向。

如后述那样，模式设定装置100中，关于ROI的移动方向(例：脸的朝向)，预先设定多个种类的规定的图案。如以下详细描述那样，体动分类部22特定被体动检测部21检测的脸的朝向属于(对应)在上述规定图案中的哪个图案。

图3是用于说明脸图像分割部15的处理的另一个例子的图。脸图像分割部15进一步基于由体动分类部22的图案分类的结果，能够分割IMG。图3的IMGA是映照朝向正面的脸的脸图像的另一个例子。体动分类部22判断IMGA中的脸的朝向对应后述的图5的“图案1”。

在图3的例子中，对于IMGA的分割手法与图2的例子同样的。但是为了便于说明，在图3的例子中，IMGA分割成25个(部分区域A1至A25)。在图3中，为了图示的简便化，对于只A1至A25中的一部分附图标记而显示。对于这点，以下描述的部分区域B1至B25(IMGB的部分区域)也是同样的。

图3中的IMGB是映照朝向右下面的脸图像的一例。以下分别将摄像有IMGA的时刻称为时刻A，将摄像有IMGB的时刻称为时刻B。在本例中，时刻B是比时刻A之后的时刻。体动分类部22判断IMG2中的脸的朝向对应于图5的“图案7”。

脸图像分割部15基于对于某个图案的脸图像(例：图案1的脸图像即IMGA)的分割结果，分割另一个图案的脸图像(例：图案7的脸图像即IMGB)。具体来说，脸图像分割部15分割IMGB，使得将IMGB的各部分区域(B1至B25)对应于IMGA的各部分区域(A1至A25)。在图3的例子中，B1以及B25分别对应于A1以及A25。

通过这样分割脸图像，以(i)时刻A(对象生物H的体动发生前)的某个部分区域、和(ii)时刻B(对象生物H的体动发生之后)中的对应于该某个部分区域的部分区域，能够显示大概相同的部位。在图3的例子中，A12以及B12分别是映照对象生物H的一只眼(例：左眼)的部分区域。另外，A18以及B18分别是映照对象生物H的口的部分区域。

肌肤领域抽出部16从各部分区域抽出肌肤区域(映照肌肤的至少一部分)。肌肤区域也能够表现为通过覆盖物(例：头发)不完全覆盖肌肤的区域。图2的例子中，肌肤区域在各部分区域中，作为没有网纹的区域而显示。在图2的例子中，肌肤区域抽出部16从100个部分区域抽出52个(52位置)的肌肤区域。

脉搏计算部17对于被肌肤区域抽出部16抽出的肌肤区域的每一个，计算脉搏(更严格来说，脉搏信号)。作为脉搏计算部17中的脉搏的计算方法，也可以适用公知的方法(例：利用独立成分分析的方法)。脉搏计算部17将已计算的脉搏供给至脉搏参数计算部20。

脉搏参数计算部20基于从脉搏计算部17取得的各肌肤区域的脉搏，计算脉搏参数。在本说明书中，“脉搏参数”是指总称地意味着说明变量(也称为独立变量)，所述说明变量在基于测量模式的血压的测量(计算)中所使用。

在实施方式一中，例示各肌肤区域之间中的脉搏传播时间(Pulse Transit Time，PTT)作为脉搏参数而使用的情况。在此情况下，脉搏参数计算部20使用公知的手法，基于各肌肤区域的脉搏计算PTT。此外，将区域A(任意的一个肌肤区域)与区域B(与区域B另一个肌肤区域)之间的PTT也表现为PTT(A-B)。例如，图2的区域23、24之间的PTT作为PTT(23-24)表现。

在图2的例子的情况下，脉搏参数计算部20从52个肌肤区域选择任意的两个肌肤区域的组合。也就是说，脉搏参数计算部20选择总数

(模式作成部30)

模式作成部30作成血压推定模式(推定模式)。推定模式是指用于推定对象生物H的血压(P)的计算模式。具体来说，模式作成部30是通过将(i)在脉搏参数计算部20中计算的脉搏参数(PTT)与(ii)在血压取得部2中取得的对象生物H的血压(BPm)作为测试用数据而使用，作成推定模式。

此外，如图1所示，模式作成部30具有第一模式作成部300-1、第二模式作成部300-2、…、以及第N模式作成部300-N。N是示出对脸的朝向预先设定的分类图案数。N是2以上的任意的整数。第k模式作成部300-k作成根据图案k的推定模式。k是满足1≦k≦N的整数。这样，模式作成部30能够作成根据脸的朝向的各图案的推定模式。

在本说明书中，为了方便，将第一模式作成部300-1至第N模式作成部300-N总称为模式作成部30。关于模式作成部30的说明，适合于任意的第k模式作成部300-k。通过同样的要旨，在本说明书中，将后述的第一模式评价用预测血压计算部410-1至第N模式评价用预测血压计算部410-N总称为评价用预测血压计算部41。另外，将后述的第一模式评价指数计算部420-1至第N模式评价指数计算部420-N总称为模式评价指数计算部42。另外，将后述的第一模式选择部600-1至第N模式选择部600-N总称为模式选择部60。

(推定模式的作成方法的一例)

脉搏传播血管内的速度v是通过Moens-Korteg的公式即如下公式表示。

[数1]

在公式(1)中，E是血管的弹性模量，a是血管壁压，R是血管径，ρ是血液密度。

已知血管的弹性模量E是对于血压P指数函数地变化。因此，在将P＝O中的血管的弹性模量E设为EO的情况下，E是表示为如下公式。

[数2]

E＝E0eγP…(2)

γ是依赖于血管的定数。

另外，血管通路的长度L是表示为如下公式。

[数3]

L＝vT…(3)

T是脉搏传播时间(PTT)，L是血管通路的长度。

因此，从公式(1)至(3)导出

[数4]

上述公式(数4)。

如公式(4)所示，在L是固定的情况下，T具有与P相关关系。因此，模式作成部30使用在脉搏参数计算部20中计算的PTT，多个作成P的推定模式。

首先，模式作成部30作成复杂度1的推定模式M1。本说明书的“复杂度”是意味着推定模式中的说明变量的数量(例：推定模式中所使用的PTT的数量)。在以下的例子中，在推定模式M1中，一个PTT作为说明变量而使用。

在以下的说明中，将在脉搏参数计算部20中计算的一个PTT作为PTT1而显示。PTT1是任意的两个肌肤区域之间中的PTT。模式作成部30对于PTT1与BPm，进行使用最小二乘法的回归分析。模式作成部30作为回归分析的结果，作成推定模式M1。在脉搏参数计算部20中所计算的各PTT以及在血压取得部2中所取得的BPm都是测试用数据的一例。

作为一例，考虑推定模式M1通过

BP1＝α1×PTT1+α2…(5)

来表示的线形模式(通过线形函数来表现的计算模式)的情况。在公式(5)中，BP1是预测血压，α1以及α2分别是定数。在此情况下，模式作成部30通过进行回归分析，来计算α1以及α2(即，作成推定模式M1)。

以下，为了方便，将图2的例子中的1329种的PTT的每一个称为PTT1-1至PTT1-1326。模式作成部30使用PTT1-1至PTT1-1326，作成该PTT与相同数量的推定模式M1。为了方便，将这些的推定模式M1的每一个称为M1-1至M1-1326。

接下来，脉搏参数计算部20作成复杂度2的推定模式M2。在推定模式M2中，作为说明变量使用两个PTT。在以下的说明中，将在脉搏参数计算部20中计算的互相不同的两个PTT作为PTT1以及PTT2而显示。

模式作成部30对于(i)PTT1以及PTT2、(ii)BPm，进行使用最小二乘法的回归分析。模式作成部30作为回归分析的结果，作成推定模式M2。

作为一例，考虑推定模式M2通过

BP2＝β1×PTT1+β2×PTT2+β3…(6)

来表示的线形模式的情况。在公式(6)中，BP2是预测血压，β1至β3分别是定数。在此情况下，模式作成部30通过进行回归分析，来计算β1至β3。

在图2的例子中，模式作成部30使用PTT1-1至PTT1-1326，作成比该PTT多个推定模式M2。在本例中，PTT1与PTT2的组合是878475种(即，

以下同样地进行，模式作成部30作成复杂度3的推定模式M3、复杂度4的推定模式M4、…、复杂度z的推定模式Mz。z示出复杂度的上限值。z根据后述的图6的流程图的各处理中的运算结果，可以不同。模式作成部30将已作成的各推定模式向模式评价部40(更具体来说，评价用预测血压计算部41)供给。

如以上说明，第一模式作成部300-1作成根据图案1的推定模式(以下，第一模式)。第二模式作成部300-2至第N模式作成部300-N也是同样的。也就是说，第k模式作成部300-k作成根据图案k的推定模式(以下，第k模式)。

这样，模式作成部30作成第一模式至第N模式。以下，将第一模式至第N模式总称为模式群。在图1的例子中，模式作成部30将已作成的模式群向模式评价部40以及模式保管部50分别供给。

(模式评价部40)

模式评价部40评价在模式作成部30中作成的各推定模式，输出该评价结果。具体来说，模式评价部40将以下描述的PI作为评价结果而输出。在图1的例子中，模式评价部40从模式作成部30直接取得模式群。但是，模式评价部40通过模式作成部30作成，且也可以取得预先保管于模式保管部50的模式群。

模式评价部40具有评价用预测血压计算部41以及模式评价指数计算部42。评价用预测血压计算部41具有第一模式评价用预测血压计算部410-1、第二模式评价用预测血压计算部410-2、…、以及第N模式评价用预测血压计算部410-N。另外，模式评价指数计算部42具有第一模式评价指数计算部420-1、第二模式评价指数计算部420-2、…、以及第N模式评价指数计算部420-N。

第k模式评价用预测血压计算部410-k以及第k模式评价指数计算部420-k分别是与第k模式对应的功能部。将第k模式评价用预测血压计算部410-k和第k模式评价指数计算部420-k总称为“第k模式评价部”。

评价用预测血压计算部41计算在模式作成部30中作成的推定模式中的预测血压(以下，BPe)。具体来说，评价用预测血压计算部41对于该推定模式，适用(具体来说是代入)PTT来计算BPe，所述PTT是作为测试用数据通过脉搏参数计算部来计算。

模式评价指数计算部42计算上述推定模式的评价指数(以下，PI)。模式评价指数计算部42基于BPe、BPm，也可以计算PI。作为一例，模式评价指数计算部42将BPe与BPm的均方误差(Mean Square error,MSE)作为PI计算。模式评价指数计算部42从复杂度小的推定模式依次计算各推定模式的PI。然后，模式评价指数计算部42将已计算的PI向模式保管部50供给。

如以上说明所示，第一模式评价用预测血压计算部410-1计算第一模式中的预测血压(第一模式用预测血压)。第二模式评价用预测血压计算部410-2至第N模式评价用预测血压计算部410-N也是同样的。也就是说，第k模式评价用预测血压计算部410-k计算第k模式用预测血压(以下，BPek)。这样，评价用预测血压计算部41计算BPe1至BPeN。以下将BPe1至BPe N总称为预测血压群。评价用预测血压计算部41将已计算的预测血压群向模式评价指数计算部42供给。

接下来，第一模式评价指数计算部420-1计算第一模式中的各PI(第一模式评价指数组)。第二模式评价指数计算部420-2至第N模式评价指数计算部420-N也是同样的。也就是说，第k模式评价指数计算部420-k计算第k模式评价指数组(以下，PIk)。以下，将PI1至Pik总称为评价指数组群。模式评价指数计算部42将已计算的评价指数组群与模式群关联对应，向模式保管部50供给。

(模式保管部50)

在模式保管部50保管(保存)被模式作成部30作成的模式群。另外，在模式保管部50保管通过模式评价指数计算部42来计算的评价指数组群。也可以模式保管部50是公知的存储装置。

(模式选择部60)

模式选择部60具有第一模式选择部600-1、第二模式选择部600-2、…、以及第N模式选择部600-N。第k模式选择部600-k是与第k模式对应的功能部。如后述的图7所示，模式选择部60在由模式设定装置100的处理的结束之后，为了在血压测量部160中测量(计算)血压(P)而动作。

模式选择部60基于由模式评价部40(更详细而言，模式评价指数计算部42)的评价结果(即，在模式保管部50保管的各PI)，从在模式保管部50所保管的多个推定模式中，选择至少一个测量模式。测量模式是指在血压测量部160中，用于测量血压(P)的计算模式。

首先，模式选择部60从多个推定模式中，选择至少一个的测量模式的候补(模式候补)。作为一例，模式选择部60从多个推定模式中将“PI(例：MSE)变成规定的阈值以下的推定模式”作为测量模式候补抽出。然后，模式选择部60从测量模式候补中选择至少一个的测量模式。

作为一例，考虑通过选择部60选择一个测量模式的情况。在此情况下，也可以模式选择部60在测量模式候补中，将PI变成最小的推定模式作为测量模式选择。或者，也可以模式选择部60在测量模式候补中，将复杂度最小的推定模式作为测量模式选择。

另外，也可以模式选择部60选择多个测量模式。例如，也可以模式选择部60在多个测量模式候补中，将“在测量模式候补中所使用的整个部分区域中的SNR是规定值以上的测量模式候补”作为测量模式选择。

图4是用于说明抽出测量模式候补的处理的一例的图。在图4的例子中，推定模式的误差的标准偏差作为PI使用(也参照后述的变形例)。在此情况下，模式评价指数计算部42将BP e(预测血压)与BPm(测试用数据)之间的误差的标准偏差作为PI计算。图4的图表示出通过模式评价指数计算部42来计算的PI(误差的标准偏差)的分布。

在图4的例子中，规定的阈值被设定为“8mmHg”这样的数值(血压阈值)。该数值基于非观血式血压计的规格设定。在此情况下，模式选择部60将PI是8mmgHg以下的推定模式作为测量模式候补抽出。在图4的例子中，模式选择部60从推定模式M1至M4(复杂度1至4)中，将M2至M4作为测量模式候补抽出。

如以上的说明所示，第一模式选择部600-1从第一模式选择至少一个测量模式候补(第一模式内测量模式候补)。然后，第一模式选择部600-1从第一模式内测量模式候补选择至少一个测量模式候补(第一模式内测量模式候补)。第二模式选择部600-2至第N模式选择部600-N也是同样的。

也就是说，第k模式选择部600-k从第k模式选择至少一个第k模式内测量模式候补。然后，第k模式选择部600-k从第k模式内测量模式候补特定至少一个第k模式内测量模式。第k模式内测量模式是指在图案k的情况下，在血压测量部160中用于测量血压(P)的计算模式。

然而，考虑从一部分的肌肤区域不能取得具有固定的信号品质的脉搏(高精度的脉搏)的情况。作为这样的肌肤区域的例子，能够列举(i)通过覆盖物来覆盖该一部分的肌肤区域，或者(ii)有影子的肌肤区域。因此，从血压测量精度的提升的观点而言，优选考虑这样的肌肤区域的存在。

因此，脉搏计算部17首先计算各肌肤区域中脉搏。然后，脉搏计算部17可以将各肌肤区域分类成(i)能够取得具有固定的信号品质的脉搏的区域(以下，品质适合区域)与(ii)其他的区域(以下，品质不适合区域)。品质不适合区域也能够表现为不能够取得具有固定的信号品质的脉搏的区域。例如，也可以基于各脉搏的SNR(信号品质的一例)，进行该分类。或者也可以基于各肌肤区域的像素值，进行该分类。

然后，也可以模式选择部60从多个推定模式中，只将只使用品质适合区域的模式作为测量模式候补抽出。由此，能够更有效地防止测量结果(后述的血压P)的精度降低。

(体动分类部22的处理的一例)

在体动分类部22中，关于对象生物H的脸的朝向(方向)，预先设定N种类的规定的图案。以下，将数据组称为脸方向模板，所述数据组是示出该N种类的规定的图案。体动分类部22使用脸方向模板，分类通过体动检测部21检测的脸的方向。也就是说，体动分类部22特定通过体动检测部21检测的脸方向(以下，检测方向)该当脸方向模板内的哪个图案。

图5是示出脸方向模板的一例。在图5的例子中，是N＝9。在图5的例子中，作为

·图案1：正面；

·图案2：右；

·图案3：右上；

·图案4：上；

·图案5：左上；

·图案6：左；

·图案7：左下；

·图案8：下；

·图案9：右下；

规定9种的不同的脸的朝向。在此情况下，体动分类部22能够将检测方向分类成从图案1至图案9的9种。此外，也可以将“图案k”称为“第k图案”。体动分类部22将本身特定的分类号码(图案号码)每个规定时间输出。

上述的例子的分类号码为了示出在规定的两个时刻之间(例：时刻A、B之间)的脸的朝向的跃迁(变化)而标记。作为一例，在时刻A中的脸的朝向是图案1。在此情况下，图案1至9也能够表现为时刻A、B之间的脸的移动方向的图案。此外，也时刻B中，是图案1的情况下，意味着脸的朝向没有变化。这样，脸的朝向的图案也可以说成脸的移动方向的图案。

作为一例，考虑时刻A中的检测方向是正面(图案1)的情况。作为第一个例子，时刻B中的检测方向是左(图案6)。在此情况下，体动分类部22将分类号码变更成“图案1→6”(图5的箭头的例子)。

另外，作为第二的例子，考虑时刻C(比时刻B之后的时刻)中的检测方向是正面(图案1)，时刻D(比时刻C之后的时刻)中的检测方向是右上(图案3)的情况。在此情况下，体动分类部22将分类号码变更成“图案1→6→1→3”。

此外，体动分类部22能够将规定的两个时刻之间中的图案跃迁设为分类对象。若是上述的第二的例子的情况，则首先图案跃迁的分类从“图案1→6”变更成“图案6→1”。接下来，图案跃迁的分类从“图案6→1”变更成“图案1→3”。

此外，基于通过体动检测部21来计算的移动量，体动分类部22能够进行图案分类。作为一例，也可以基于比较该移动量与规定的阈值的结果，体动分类部22进行图案分类。另外，为了图案分类的判断处理中，代替移动量，也可以使用移动量的时间平均值(以下，移动量平均值)。也可以该移动量的时间平均值是例如为了模式作成的各测量数据的测量时间中的移动量的平均值。

(血压测量部160以及血压测量结果输出部170)

血压测量部160使用被模式选择部60选择的测量模式，测量血压(P)。具体来说，血压测量部160通过将被脉搏参数计算部20计算的脉搏参数(例：PTT)适用于该测量模式来计算P。这样，血压测量部160通过使用测量模式，基于脉搏参数，计算第一血压(P)。

如上述所示，模式选择部60选择与图案k对应的测量模式(第k模式内测量模式)。由此，在血压测量部160中，使用适合于对象生物H的脸的朝向的测量模式来计算P。

血压测量结果输出部170取得通过血压测量部160来测量的P。然后，血压测量结果输出部170将该P作为血压测量结果输出。也可以血压测量结果输出部170将P通过任意的通知形态来提示。作为一例，也可以血压测量结果输出部170是显示器。在情况下，血压测量结果输出部170通过表示示出P的数值，能够将血压测量结果视觉地提示于对象生物H。

(测量模式作成方法)

图6是示出血压测量装置1的处理的流程的一例的流程图。在图6中，通过血压测量装置1(更具体来说，模式设定装置100)来作成(设定)测量模式的方法的一例。也可以该方法称为测量模式作成方法(或者测量模式设定方法)。

首先，摄像部11摄像对象生物图像(S1)。脸图像取得部14从对象生物图像取得脸图像(IMG)(S2)。脸图像取得部14进行对于IMG的面部追踪。

接下来，体动检测部21使用S3中的面部追踪的结果检测脸的朝向(脸移动方向)(S4，体动检测工序)。体动分类部22分类在S4中检测的脸的朝向(S5，体动分类工序)。例如，体动分类部22将该脸的朝向分类成上述的图案1至9中的任一个的图案(图案k)。

接下来，脸图像分割部15根据S5中分类的图案，将IMG分割成多个部分区域(S6)。肌肤区域抽出部16从该多个部分区域抽出肌肤区域(S7)。脉搏计算部17对于肌肤区域的每一个计算脉搏(脉搏信号)(S8，脉搏取得工序)。接下来，脉搏参数计算部20使用该脉搏，计算各肌肤区域之间中的PTT(脉搏传播时间)(S9，脉搏参数计算工序)。

以下所述的各处理每个在S5中分类的图案(图案k)进行。在S9之后，模式设定装置100确认对于现在要测量血压的对象生物H的图案k的推定模式(第k模式)是否已存在(S10)。也就是说，模式设定装置100确认是否存在根据脸的朝向的推定模式。在上述推定模式在现在的时刻不存在的情况下(在S10为否)，血压取得部2取得对象生物H的血压(BPm)(S11，第二血压测量工序)。

接下来，模式作成部30(更具体来说，第k模式作成部300-k)使用测试用数据，作成图案k中的多个推定模式(第k模式)。具体来说，模式作成部30使用PTT与BPm作成规定的复杂度的多个推定模式(S12，模式作成工序)。在第一次进行S12的情况下(第一次的循环处理)，模式作成部30作成复杂度1的多个推定模式(多个M1)。如上述所述，模式作成部30将本身作成的各推定模式(例：各M1)保管于模式保管部50。

此外，在S12中所使用的BPm是与对象生物图像的摄像(S1)同时，通过血压取得部2测量的血压。也就是说，第二血压测量工序在S11之前，与S1同时预先执行一次。

接下来，评价用预测血压计算部41(更具体来说，第k模式评价用预测血压计算部410-k)使用测试用数据，计算在S12中作成的各M1中的预测血压(BPe，更具体来说BPek)。更具体来说，评价用预测血压计算部41通过对于各M1适用PTT，来计算BPe(S13)。

接下来，模式评价指数计算部42(更具体来说，第k模式评价指数计算部420-k)计算推定模式的评价指数(PI，更具体来说是PIk)。具体来说，模式评价指数计算部42将BPe与BP em的均方误差(MSE)作为PI计算(S14)。如上述所述，模式评价指数计算部42将本身计算的各PI保管于模式保管部50。S13以及S14总称为模式评价工序。此外，在S13的开始之前，也可以模式评价部40从模式保管部50读出各推定模式(第k模式)。

接下来，当各复杂度中的PI(例：MSE)作图最小的推定模式彼此时，模式评价部40判断是否获得MSE的极小值(S15)。换言之，模式评价部40判断在之前的S14计算的复杂度中的最小的MSE是否比前一个的循环处理中的S14所计算的复杂度中的最小的MSE大。

此外，在第一次进行S16的情况下(第一次的循环处理)，不存在该前一个的循环处理中的S14所计算的复杂度中的最小MSE(即，与在之前的步骤S14中计算的复杂度中的最小的MS E的比较)。由此，在第一次进行S15的情况下，在该S15中判断为否。

在不能获得MSE的极小值的情况下(换言之，在之前的S14中计算的复杂度中的最小的MSE小于该前一个的循环处理中的S14所计算的复杂度中的最小的MSE的情况下)(在S15为否)，模式作成部30将推定模式的复杂度升到1(S16)。在上述的例子的情况下，模式作成部30将复杂度从1加法计数到2。然后，回到S12。以后，在S15直到变成“是”，重复进行S1至S15的各处理。这样，上述的z(复杂度的上限值)与S12至S15的处理的重复次数一致。

另一方面，在获得了MSE的极小值的情况下(换言之，在之前的S14计算的复杂度中的最小的MSE大于该前一个的S14所计算的复杂度中的最小的MSE的情况)(在S15为是)，模式评价部40判断该MSE的极小值是否大于规定的阈值(S17)。

在MSE的极小值大于阈值的情况下(在S17为是的情况下)，结束作成第k模式的处理。是因为考虑在此情况下，以后即使使复杂度提升，也缺乏能够作成推定模式的余地，所述推定模式能够获得比现状好的PI(例：MSE)。另一方面，在MSE的极小值是阈值以下的情况下(在S17为否的情况下)，回到S16。是因为考虑在这样的情况下，通过使复杂度提升，有能够作成推定模式的余地，所述推定模式能够获得比现状好的PI。

此外，在S10为“是”的情况下(在已存在第k模式的情况下)，直接结束处理(即，不进行S11至S17)。是因为在这样的情况下，不需要作成第k模式。

对于图案1至N(例：图案1至9)的每一个执行图6的处理，通过模式设定装置100能够，作成第一模式至第N模式(模式群)。

(血压测量方法)

图7是示出血压测量装置1的处理的流程的另一各例的流程图。在图7中，示出通过血压测量装置1来测量血压的方法(血压测量方法)的一例。图7的各处理在图6的整个处理完成之后进行。也就是说，在图7的各处理的开始之前，(i)通过模式设定装置100来作成的模式群以及(ii)通过模式设定装置100计算的评价指数组群预先保管于模式保管部50。

图7的S21至S32中，S21至S29分别是与图6的S1至S9相同的处理。因此，在以下中，只说明S30至S32以及关联的处理。此外，S30以后的处理每个在S25中分类的图案(图案k)进行。另外，在图7的例子中，第二血压测量工序与S21同时执行。

在S29之后，模式选择部60(更具体来说，第k模式选择部600-k)从模式保管部50读出各推定模式(第k模式)。另外，模式选择部60从模式保管部50读出各PI。如上述所述，模式选择部60基于各PI，从多个第k模式中选择规定的测量模式(第k模式内测量模式)。这样，模式选择部60从根据脸的朝向的多个推定模式中，选择规定的测量模式(S30，模式选择工序)。

接下来，血压测量部160使用在S30中选择的测量模式，计算血压(P)(S31，第一血压测量工序)。最后，血压测量结果输出部170将该P作为血压测量结果输出(S32)。随着完成S32，结束由血压测量装置1的血压测量。

(效果)

如上述所述，专利文献1的测量装置构成为即便在产生对象生物H的体动的情况(更具体来说，产生对象生物H的脸有动的情况下)，也能够高精度地测量脉搏率。然而，在专利文献1没有特别说明用于高精度地测量血压(P)，以处理对象生物H的体动的具体的方法。这样，在现有技术中，不能高精度地测量P。

相对于此，在血压测量装置1中，通过模式设定装置100预先设定与脸的朝向(即与体动对应的)对应的多个种类的推定模式。然后，血压测量装置1使用在模式保管部50保管的该推定模式，能够测量(计算)血压(P)。也就是说，能够考虑对象生物H的体动测量P。由此，也当有用户的体动的情况下，比原先能够高精度地测量。

〔实施方式二〕

(1)对象生物H不限于人，对象生物H是可适用本公开的一形态所涉及的血压测量方法的对象即可。例如，也可以对象生物H是狗或描等的动物。

(2)ROI不限于脸。ROI是可以取得脉搏的生物的体表即可。作为ROI的另一个例子，能够列举脖子、胸、以及掌等。

但是，ROI优选为脸。使用IMG(脸图像)的情况下，能够减小对血压的测量时中的对象生物H的负担。也就是说，容易测量自然的状态(放松的状态)中的对象生物H的血压。

(3)体动检测部21不一定基于图像解析(例：面部追踪结果)检测体动。例如，也可以体动检测部21是可检测体动的接触型的传感器。该传感器构成为尽量向对象生物H不给束缚感即可。这样，也可以血压测量装置1是接触式的血压测量装置。

另外，也可以体动检测部21进一步检测在体动的大小(变位量)的基础上，(i)体动的速度以及(ii)体动的加速度中的至少任一个。在此情况下，也可以体动分类部22在体动的大小的基础上，进一步基于(i)体动的速度以及(ii)体动的加速度中的至少一个，分类体动的图案。在此情况下，模式作成部30中，作成根据该分类的推定模式。

(4)脉搏参数不限于PTT。例如，脉搏参数计算部20将各肌肤区域中的脉搏的波形特征量作为波形参数计算。作为该波形特征量的例子，能够列举(i)脉搏的振幅以及(ii)各脉搏脉冲之间的时间差。另外，也可以脉搏参数计算部20使PTT和波形特征量组合，设定脉搏参数。

(5)推定模式不限于线形模式。也可以模式作成部30通过进行回归分析，作成非线形模式(通过非线形函数来表现的计算模式)。

(6)推定模式的评价指数(PI)不限于BPe和BPm的均方误差。例如，能够将(i)BPe和BPm的均方误差，或者(ii)BPe和BPm的均方误差的标准偏差作为PI使用。进一步，PI是基于BPe和BPm计算的参数即可，不限于与误差关联的参数。例如，将(i)完成自由度调整决定指数以及(ii)AIC(Akaike’s information Criteria)作为PI使用。

(7)模式保管部50可通信地连接于血压测量装置1即可。例如，模式保管部50也可以是设置于血压测量装置1的外部的服务器装置。这样，模式保管部50不一定需要设置于血压测量装置1的内部。同样的，模式保管部50不一定需要设置于模式设定装置100的内部。

另外，也可以省略模式保管部50。在此情况下，模式选择部60从模式作成部30直接取得各测量模式即可。同样的，模式选择部60从模式评价部40直接取得各PI即可。但是，为了高速化由血压测量装置1的P的测量，优选设置模式保管部50。

(8)也可以在模式设定装置100进一步设置有测量数据分类部。测量数据分类部是指功能部，所述功能部(i)从在脉搏取得部10中取得的脉搏，每个多个数据测量时间抽出脉搏，且(ii)分类已抽出的各脉搏。作为一例，也可以在模式作成部30赋予测量数据分类部的功能。

作为一例，多个数据测量时间是“5秒”、“10秒”、“20秒”以及“30秒”的四种的时间。脉搏参数计算部20使用通过测量数据分类部来分类的各脉搏，计算多个脉搏参数。也就是说，脉搏参数计算部20(i)每个体动分类部22的图案分类，且(ii)每个测量数据分类部的脉搏分类，计算多个脉搏参数。

在本例的情况下，脉搏参数计算20在图案k中，计算“数据测量时间是5秒的情况的脉搏参数”、“数据测量时间是10秒的情况的脉搏参数”、“数据测量时间是20秒的情况的脉搏参数”、以及“数据测量时间是30秒的情况的脉搏参数”的4种的脉搏参数。

然后，模式作成部30使用通过脉搏参数计算部20计算的各脉搏参数，作成各推定模式。根据该构成，在每个多个种类的数据测量时间，能够作成推定模式。因此，血压测量装置1进一步考虑发生体动的时间的长度，能够选择适合于血压测量的测量模式。由此，能够进一部提升血压测量的精度。

(9)模式设定装置100可通信地连接于血压测量装置1即可。例如，也可以模式设定装置100设置于血压测量装置1的外部的服务器装置。这样，模式设定装置100不一定需要设置于血压测量装置1的内部。

〔实施方式三〕

血压测量装置1的控制块(尤其是，脉搏取得部10、脉搏参数计算部20、体动检测部21、体动分类部22、模式作成部30、模式评价部40、模式选择部60以及血压测量部160)可以通过形成于集成电路(IC芯片)等的逻辑电路(硬件)实现，也可以通过软件实现。

在后者的情况下，血压测量装置1具备实现各功能的软件即执行程序的命令的计算机。该计算机具备例如至少一个处理器(控制装置)，并且具备记录上述程序的计算机可读取的至少一个记录介质。然后，在上述计算机中，通过上述处理器从上述记录介质读取上述程序而执行，达成本公开的一形态的目的。作为上述处理器，例如能够使用CPU(Centralprocessing Unit)。作为上述记录介质，能够使用“非临时性的有形的介质”例如，ROM(ReadOnly Memory)等之外，带、盘、卡、半导体存储器、可编程的逻辑电路等。另外，还能够具备展开程序的RAM(Rand om Access Memory)等。另外，也可以上述程序经由能传输该程序的任意的传输介质(通信网络、广播波等)供应到上述计算机。也可以血压测量装置1通过公知的信息处理装置(例：智能电话、平板笔记本、或个人电脑)来实现。此外，本公开的一形态能以通过电子传输将上述程序具体化的嵌入于载波的数据信号的方式实现。

〔附加事项〕

本公开的一形态不限于上述的各实施方式，在权利要求所示的范围中能够进行各种变更，将分别公开在不同的实施方式中的技术方案适当组合而得到的实施方式也包含在本公开一形态的技术范围中。而且，通过将各实施方式中分别公开的技术手段组合能够形成新的技术特征。