CN106575331B - 信息处理装置、信息处理方法和信息处理系统 - Google Patents

Abstract

[对象]提出确保安全性且使得能够经由简单的过程取消限制的信息处理装置、信息处理方法和信息处理系统。[解决方案]一种信息处理装置，设置有：获取单元，其获取直接或间接地指示先前链接的多个不同装置中的每一个装置的壳体的位置和朝向中的至少一个随时间的变化的特征量向量；以及控制器，其基于所获取的与所述多个装置中的每一个装置对应的特征量向量来取消预先放置的预定限制。

Description

信息处理装置、信息处理方法和信息处理系统

技术领域

本公开涉及信息处理装置、信息处理方法和信息处理系统。

背景技术

近来，已经普及了向用户提供各种功能的信息处理装置，诸如个人计算机(PC)和蜂窝电话(智能手机)。这种信息处理装置可以具有用于部分地限制功能的锁定功能。另外，已经提出了各种方法作为用于取消这种限制的方法，并且基于这些方法的用于限制取消的功能包括当限制被取消时通过要求认证来确保安全性。

引文列表

专利文献

专利文献1：JP 2008-311726A

发明内容

技术问题

同时，需要一种能够通过简单的过程来确保安全性和取消限制的方案，作为用于取消通过上述锁定功能的限制的功能。

因此，本公开提出了能够通过简单的过程确保安全性和取消限制的信息处理装置、信息处理方法和信息处理系统。

解决问题的技术手段

根据本公开，提供了一种信息处理装置，包括：获取单元，其获取特征量向量，所述特征量向量直接或间接地指示先前关联的多个不同装置中的每一个装置的壳体的位置和朝向中的至少一个沿时间序列的变化；以及控制器，其基于所获取的与所述多个装置中的每一个装置对应的特征量向量来取消预先设置的预定限制。

根据本公开，提供了一种信息处理方法，包括：获取直接或间接地表示先前关联的多个不同装置中的每一个的壳体的位置和朝向中的至少一个沿时间序列的变化的特征量向量；以及通过处理器来基于所获取的与所述多个装置分别对应的特征量向量之间的比较，取消预先设置的预定限制。

根据本公开，提供了一种信息处理系统，包括：多个装置，每个装置包括检测单元，其检测壳体的位置和朝向中的至少一个沿时间序列的变化；获取单元，其针对所述多个装置中的每一个装置，获取直接或间接地指示所检测到的沿时间序列的变化的特征量向量；以及控制器，其基于所获取的与所述多个装置分别对应的特征量向量之间的比较来取消预先设置的预定限制。

发明的有益效果

根据如上所述的本公开，提供了能够通过简单的过程确保安全性和取消限制的信息处理装置、信息处理方法和信息处理系统。

注意，上述效果不一定是限制性的。使用或代替上述效果，可以实现本说明书中描述的效果中的任何一个或者可以从本说明书掌握的其它效果。

附图说明

[图1]图1是根据本公开的实施例的信息处理系统的近似配置的示例的说明图。

[图2]图2是根据比较示例1的限制取消功能的示例的说明图。

[图3]图3是根据比较示例2的限制取消功能的示例的说明图。

[图4]图4是根据比较示例4的限制取消功能的示例的说明图。

[图5]图5是根据实施例的信息处理系统的限制取消功能的说明图。

[图6]图6是示出根据实施例的信息处理系统的功能配置的示例的框图。

[图7]图7是用于以时间序列移位多个不同的位移数据块(pieces ofdisplacement data)中的至少一个的方法的示例的说明图。

[图8]图8是用于以时间序列移位多个不同的位移数据块中的至少一个的方法的示例的说明图。

[图9]图9是示出根据实施例的信息处理系统的一系列处理的流程的示例的流程图。

[图10]图10是根据修改示例1的信息处理系统的概观的说明图。

[图11]图11是修改示例2的信息处理系统的概观的说明图。

[图12]图12是示出根据实施例的信息处理装置的硬件配置的示例的图。

[图13]图13是示出母小波的示例的图。

[图14]图14是示出母小波的示例的图。

[图15]图15是根据根据修改示例3的信息处理系统中的限制取消的近似控制的示例的说明图。

具体实施方式

在下文中，将参照附图详细描述本公开的优选实施例(一个或多个)。在本说明书和附图中，用相同的附图标记表示具有基本相同的功能和结构的结构元件，并且省略对这些结构元件的重复说明。

将以以下顺序给出描述。

1.概观

2.功能配置

3.处理

4.修改示例

4.1.修改示例1：使用模式的示例

4.2.修改示例2：系统配置的示例

4.3.修改示例3：根据限制取消的控制示例

4.4.修改示例4：信息呈现的示例

5.硬件配置

6.结论

<1.概观>

首先，将描述根据本公开的实施例的信息处理系统的概观。例如，图1是根据本实施例的信息处理系统的近似配置的示例的说明图。

如图1所示，根据本实施例的信息处理系统包括信息处理装置10和可穿戴终端30。例如，信息处理装置10可以被配置为所谓的便携式信息处理装置，诸如智能电话。此外，可穿戴终端30被配置为能够通过基于诸如蓝牙(注册商标)或Wi-Fi(注册商标)的通信标准的网络与信息处理装置10通信。同时，本公开例示了可穿戴终端30被配置为所谓的手表式信息处理终端的情况，如图1所示，以便于理解根据本实施例的信息处理系统的特征。然而，可穿戴终端30的配置不一定限于手表式信息处理终端。

根据本实施例的信息处理系统提供用于使得能够通过将信息处理装置10和通过网络连接的可穿戴终端30相关联来取消通过所谓的锁定功能设置的预定限制的方案。因此，将通过描述用于取消通过锁定功能的限制的方案的示例作为比较示例来布置信息处理系统的任务，以便于理解根据本实施例的信息处理系统的特征。

首先，将参考图2描述用于取消通过锁定功能的限制的功能(下文中称为“限制取消功能”)的示例作为比较示例1。图2是根据比较示例1的限制取消功能的示例的说明图。此外，当根据比较示例1的信息处理装置10与根据本实施例的信息处理装置10区分时，根据比较示例1的信息处理装置10可以在下文中被称为“信息处理装置10a”。

在图2所示的示例中，信息处理装置10a在具有被配置为触摸面板的显示表面的显示单元153上显示用于解锁的滑块v11，并且基于应用到滑块v11的用户操作来取消限制。具体地，当感测到滑块v11通过擦动(swiping)操作等在预定方向上滑动时，信息处理装置10a取消通过锁定功能设置的预定限制。

也就是说，用户可以通过应用根据图2所示的比较示例1的限制取消功能，基于作为相对简单的操作的擦动操作来取消限制。同时，当应用根据比较示例1的限制取消功能时，当取消限制时不执行认证处理，因此任何人都可以取消限制，并且没有确保安全性。

相反，图3示出了当取消通过锁定功能的限制时，通过认证处理确保安全性的情况的示例。此外，将在下文中描述图3所示的示例作为比较示例2。也就是说，图3是根据比较示例2的限制取消功能的示例的说明图。另外，当根据比较示例2的信息处理装置10与根据本实施例的信息处理装置10相区分时，根据比较示例2的信息处理装置10可以被称为“信息处理装置10b”。

在图3的示例中，信息处理装置10b将由用户输入的操作模式与预先注册的操作模式进行比较，并且取决于输入的操作模式是否与先前注册的操作模式一致来取消限制。具体地，信息处理装置10b在具有被配置为触摸面板的显示表面的显示单元153上显示其上指示了多个点的操作模式的输入屏幕v13。另外，信息处理装置10b基于用户操作将输入以连接输入屏幕v13上的多个任意点的操作模式与预先注册的操作模式进行比较，并且当输入的操作模式与先前注册的操作模式一致时取消限制。

根据该配置，只有知道先前注册的信息(例如，操作模式等)的用户才可以使用根据比较示例2的限制取消功能来取消限制，并且从而确保安全性。同时，作为用于仅使知道先前注册的信息的用户取消限制的方法，存在接收诸如个人识别号(PIN)码的密码作为用户输入的方法。

同时，在将由用户输入的信息使用到显示在显示单元153上的输入屏幕以用于认证的方法中，相似于根据图3所示的比较示例2的限制取消功能，用于认证的信息可以根据所谓的肩部黑客(shoulder hacking)暴露给其他人。也就是说，恶意人员可以在没有许可的情况下查看由信息处理装置10b的用户输入到输入屏幕v13的用于认证的信息(例如，操作模式)，并非法地获取用于取消信息处理装置10b的限制的信息。

另外，作为另一示例，近年来提供了用于通过使用用户的生物信息来进一步增强安全级别的限制取消功能。在下文中，将描述使用用户的生物信息的限制取消功能的示例作为比较示例3。同时，当根据比较示例3的信息处理装置10与根据本实施例的信息处理装置10相区别时，根据比较示例3的信息处理装置10在下文中可以被称为“信息处理装置10c”。

作为根据比较示例3的限制取消功能的示例，可以考虑使用面部识别技术的方法。在这种情况下，信息处理装置10c通过成像单元拍摄用户的面部图像，从面部图像提取诸如眼睛、鼻子、颊骨或下巴的形状的特征部分，将所提取的特征与先前注册的面部图像的特征相比较，并且当所提取的特征与先前注册的特征一致时，取消该限制。

当以这种方式使用脸部识别技术时，用户不需要向输入屏幕输入任何用于认证的信息。因此，当使用面部识别技术时，可以防止由于肩部黑客导致的用于限制取消的信息(例如，认证信息)的暴露。

同时，由于面部认证使用通过用于认证的成像单元捕获的用户的面部图像，因此认证精度可以取决于诸如周围亮度的面部图像拍摄环境而降低。此外，恶意用户可以通过非法使用作为认证对象的用户的静止图像或运动图像来假装是作为认证对象的用户。

另外，可以将使用指纹认证技术的方法视为根据比较示例3的限制取消功能的示例。在这种情况下，信息处理装置10c从通过专用装置检测到的用户的指纹中提取特征部分，将所提取的特征与先前注册的指纹的特征进行比较，并且当所提取的特征与先前注册的特征一致时，取消该限制。

当以这种方式使用指纹认证技术时，用户不需要向输入屏幕输入任何用于认证的信息。因此，当使用指纹认证技术时，可以防止由于肩部黑客导致的人类信息的暴露。

同时，指纹认证的精度可以取决于用于认证的手指的状态(诸如湿的手指或干的手指)而降低。当用户戴着手套等时，当然，由于难以通过手套输入指纹，因此用户在进行认证之前必须脱下他或她所戴着的手套等，这是不方便的。此外，当使用指纹认证时，信息处理装置10c需要配备有用于检测指纹的专用装置。

当如根据比较示例3的限制取消功能中那样使用生物信息来取消限制时，虽然可以确保相对高的安全级别，但是认证精度可以取决于认证期间的环境或状态而降低，并且不方便使用。此外，当使用生物信息取消限制时，需要以某些方法安装专用装置，并且装置的安装可能导致制造成本和壳体尺寸的增加。

接下来，将参考图4描述使用短距离无线电通信的限制取消功能的示例作为比较示例4。图4是根据比较示例4的限制取消功能的示例的说明图。同时，当根据本实施例4的信息处理装置10与根据本实施例的信息处理装置10相区分时，根据比较示例4的信息处理装置10可以在下面被称为“信息处理装置10d”。

例如，如图4所示，根据比较示例4的信息处理装置10d被配置为通过基于诸如蓝牙(注册商标)的通信标准的无线网络n1与作为用于限制取消的认证介质的令牌(token)80通信。此外，图4示意性地示出了信息处理装置10d可以与外部装置(例如，令牌80)通信的网络n1的通信覆盖范围(以下称为“信息处理装置10d的通信覆盖范围”)。也就是说，当令牌80位于信息处理装置10d的通信覆盖范围内时，令牌80可以通过网络n1向/从信息处理装置10d发送/接收信息。

根据比较示例4的信息处理装置10d基于上述配置在令牌80进入其通信覆盖范围时通过执行与令牌80的预定通信序列来执行用于限制取消的认证处理。

具体地，当令牌80进入信息处理装置10d的通信覆盖范围时，信息处理装置10d请求令牌80对认证信息的通知。令牌80从信息处理装置10d接收请求，并通知信息处理装置10d预先存储在其存储单元中的认证信息。以这种方式，信息处理装置10d从位于信息处理装置10d的覆盖范围内的令牌80获取存储在令牌80的存储单元中的认证信息。

另外，信息处理装置10d比较从令牌80获取的认证信息与先前注册的认证信息，并且当所获取的认证信息与先前注册的认证信息一致时取消该限制。

另外，当令牌80离开信息处理装置10d的通信覆盖范围时，信息处理装置10d感测到令牌80从通信覆盖范围离开，并等待来自离开的令牌80的连接请求。此时，当信息处理装置10d在预定义时间内没有接收到来自令牌80的连接请求时，信息处理装置10d可以再次限制对当令牌80进入信息处理装置10d的通信覆盖范围时所取消的限制功能的使用。

顺便提及，信息处理装置10d和令牌80中的至少一个可以通过检查是否存在来自另一个的响应来感测令牌80进入和离开信息处理装置10d的通信覆盖范围。

根据该配置，用户可以通过在携带存储用户的认证信息的令牌80的同时进入信息处理装置10d的通信覆盖范围来取消该限制，而无需复杂的操作。相似地，用户可以通过在携带令牌80的同时离开信息处理装置10d的通信覆盖范围来再次限制对预定功能的使用，而无需复杂的操作。

另一方面，参照图4描述的根据比较示例4的限制取消功能，当令牌80进入信息处理装置10d的通信覆盖范围时，自动取消限制，而与用户的意图无关。因此，当使用根据比较示例4的限制取消功能时，可能在用户不期望的定时取消限制，并且当信息处理装置10d的通信覆盖范围的区域没有被充分限制时，操作不一定被有效地执行以确保安全性。

同时，由于无线通信标准包括根据通信期间的信号的无线电波强度来测量装置之间的距离的标准，因此存在限制使信息处理装置10d作为原点的范围(即，与信息处理装置10d的距离)的方法，其中限制取消功能通过使用该功能来操作。

然而，使用信号的无线电波强度测量装置之间的距离的精度不一定高，并且当存在屏蔽等时，精度可能进一步降低。因此，取决于使用环境，执行限制取消功能的范围变得不稳定。在极端的示例中，限制被在用户不期望的定时取消，以及没有检测到令牌80到信息处理装置10d的接近，因此不执行限制取消功能。

因此，提出了一种能够在用户期望的定时通过更简单的过程确保安全性和取消限制的系统，作为根据本实施例的信息处理系统。

例如，图5是根据本实施例的信息处理系统的限制取消功能的说明图。如图5所示，在根据本实施例的信息处理系统中，用户在取消限制时通过诸如摇动信息处理装置10和可穿戴终端30的操作来摇动他或她携带的信息处理装置10和可穿戴终端30两者。在图5所示的示例中，用户在手腕上戴着手表式可穿戴终端30，并且在用他或她戴着可穿戴终端30的手抓握信息处理装置10的同时，摇动信息处理装置10和可穿戴终端30两者。

信息处理装置10获取基于摇动直接或间接地指示信息处理装置10和可穿戴终端30中的每一个的壳体的位置和朝向中的至少一个沿时间序列的变化的特征量向量(例如，位移数据)。信息处理装置10基于为信息处理装置10和可穿戴终端30中的每一个获取的特征量向量，取消由锁定功能设置的预定限制。具体地，信息处理装置10基于信息处理装置10和可穿戴终端30的特征量向量执行信息处理装置10和可穿戴终端30是否被摇动的确定以及特征量向量之间的相似度的确定中的一个或两者。然后，信息处理装置10基于所执行的确定结果，取消由锁定功能设置的预定限制。

例如，在图5所示的示例中，信息处理装置10和可穿戴终端30两者都由相同的手(手臂)持有。因此，当用户摇动持有信息处理装置10和可穿戴终端30的手(手臂)时，信息处理装置10和可穿戴终端30的壳体的位置和朝向沿时间序列的变化(即特征量向量)是相似的。另外，当用户有意地摇动信息处理装置10和可穿戴终端30时，相应的特征量向量变成具有与用户不是有意地摇动每个装置的情况下的那些不同的唯一特征(例如，唯一的频谱)的波形。

此外，例如，基于先前关联(诸如基于蓝牙(注册商标)标准的配对)来建立可穿戴终端30和信息处理装置10之间的通信。鉴于此，可穿戴终端30可以被视为具有用于取消在信息处理装置10中设置的限制的确保的可靠性的装置，相似于比较示例4中所示的令牌80。

以这种方式，在根据本实施例的信息处理系统中，信息处理装置10获取与先前关联的可穿戴终端30对应的特征量向量(例如，位移数据)，并且基于所获取的特征量向量及其自身的特征量向量来取消由锁定功能设置的预定限制。这里，信息处理装置10将其自身的特征量向量与可穿戴终端30的特征量向量进行比较，并且当特征量向量相似时，可以取消由锁定功能设置的预定限制。此外，作为另一示例，当信息处理装置10的特征量向量和可穿戴终端30的特征量向量都具有预定特征时，信息处理装置10取消由锁定功能设置的预定限制。

根据这样的配置，每当取消限制时就生成不同的数据，作为根据本实施例的信息处理系统中所获取的特征量向量(例如，位移数据)。因此，依据根据本实施例的信息处理系统，可以防止由于偷瞥(诸如所谓的肩部黑客)导致的用于限制取消的信息的暴露而导致的恶意用户非法地取消限制的情况。

另外，在根据本实施例的信息处理系统中，恶意用户难以单独通过信息处理装置10取消信息处理装置10的限制。也就是说，当恶意用户想要取消信息处理装置10的限制时，恶意用户需要获得信息处理装置10和可穿戴终端30两者。此外，信息处理装置10和可穿戴终端30的所有者同时丢失信息处理装置10和可穿戴终端30两者的情况发生的概率低于所有者仅丢失信息处理装置10和可穿戴终端30中的一个的情况发生的概率。因此，从操作的角度，根据本实施例的信息处理系统可以确保相对高的安全性。

此外，在根据本实施例的信息处理系统中，当取消限制时，用户需要有意地摇动信息处理装置10和可穿戴终端30两者。因此，可以防止如在上述作为比较示例4(参照图4)的示例中那样在用户不期望的定时取消限制的情况。

顺便提及，如果可以直接或间接地指示基于摇动的壳体的位置和朝向中的至少一个沿时间序列的变化，则作为特征量向量获取的数据的内容不受特别限制，这将在下面详细描述。此外，本公开中的特征量向量可以包括表示一维向量(即，标量值)的数据。

已经参照图5描述了根据本实施例的信息处理系统的概观。在下文中，将更详细地描述根据本实施例的信息处理系统。

<2.功能配置>

将参考图6描述根据本实施例的信息处理系统的功能配置的示例。图6是示出根据本实施例的信息处理系统的功能配置的示例的框图。

如图6所示，信息处理装置10包括控制器11、传感器单元13、UI 15和通信单元17。此外，可穿戴终端30包括控制器31、传感器单元33、UI 35和通信单元37。

通信单元37是通过其建立可穿戴终端30和信息处理装置10之间通过网络n1的通信的组件，并且可穿戴终端30中的每个组件通过网络n1发送和接收数据。通信单元37可以被配置为用于实现无线通信(诸如基于IEEE 802.15标准(诸如蓝牙(注册商标)标准)的通信或基于IEEE 802.11标准(诸如Wi-Fi(注册商标))的通信)的通信装置。

在下文中，当可穿戴终端30中的每个组件经由网络n1向/从信息处理装置10发送/接收数据时，即使没有具体描述，也假设通过通信单元37进行数据的发送和接收。

传感器单元33检测可穿戴终端30的壳体的位置和朝向中的至少一个的变化，并且向控制器31顺序地输出指示检测到的变化的信息。传感器单元33可以实现为可以检测预定壳体的位置和朝向的变化各种传感器，诸如加速度传感器和角速度传感器。

此外，可以基于控制器31的控制暂时停止传感器单元33的操作，并且可以基于控制器31的控制重新开始停止的操作。

UI 35是用户通过其操作可穿戴终端30的用户接口。例如，UI 35可以包括操作单元351和显示单元353。

作为操作单元351的具体示例，可以考虑用户通过其操作可穿戴终端30的输入装置，诸如按钮或触摸面板。另外，作为显示单元353的具体示例，可以考虑可穿戴终端30通过其将信息显示给用户的输出装置，诸如显示器。

控制器31通过网络n1将从传感器单元33输出的指示可穿戴终端30的壳体的位置和朝向中的至少一个沿时间序列的变化的信息作为位移数据发送到信息处理装置10。此外，控制器31可以通过网络n1基于来自信息处理装置10的指令将位移数据发送到信息处理装置10。作为另一示例，控制器31可以基于通过UI 35来自用户的指令将位移数据发送到信息处理装置10。

另外，控制器31可以基于通过UI 35来自用户的指令来控制传感器单元33的操作。作为具体示例，控制器31可以基于通过UI35来自用户的指令来暂时停止传感器单元33的操作。此外，控制器31可以基于通过UI 35来自用户的指令来恢复传感器单元33的操作。

通信单元17是通过其建立信息处理装置10和可穿戴终端30之间通过网络n1的通信的组件，并且信息处理装置10中的每个组件通过网络n1发送和接收数据。通信单元17可以被配置为用于实现无线通信(诸如基于IEEE 802.15标准(诸如蓝牙(注册商标)标准)的通信或基于IEEE 802.11标准(诸如Wi-Fi(注册商标))的通信)的通信装置。

在下文中，当信息处理装置10中的每个组件经由网络n1向/从可穿戴终端30发送/接收数据时，即使没有具体描述，也假设通过通信单元17进行数据的发送和接收。

传感器单元13检测信息处理装置10的壳体的位置和朝向中的至少一个的变化，并且向控制器11顺序地输出指示检测到的变化的信息。传感器单元13可以实现为可以检测预定壳体的位置和朝向的变化的各种传感器，诸如加速度传感器和角速度传感器。

此外，可以基于来自控制器11的控制暂时停止传感器单元13的操作，并且可以基于来自控制器11的控制重新开始停止的操作。

UI 15是用户通过其来操作信息处理装置10的用户接口。例如，UI 15可以包括操作单元151和显示单元153。

作为操作单元151的具体示例，可以考虑用户通过其来操作可穿戴终端30的输入装置，诸如按钮或触摸面板。另外，作为显示单元153的具体示例，可以考虑信息处理装置10通过其来向用户显示信息的输出装置，诸如显示器。

控制器11包括位移数据获取单元111、数据插值单元113、特征提取单元115和确定单元117。

(位移数据获取单元111)

位移数据获取单元111基于通过UI 15(即，操作单元151)来自用户的指令获取指示从传感器单元13输出的指示信息处理装置10的壳体的位置和朝向中的至少一个沿时间序列的变化的信息，作为位移数据。

另外，位移数据获取单元111通过网络n1从可穿戴终端30获取指示可穿戴终端30的壳体的位置和朝向中的至少一个沿时间序列的变化的位移数据。这里，位移数据获取单元111可以指示可穿戴终端30发送位移数据。另外，在另一示例中，位移数据获取单元111可以被动地等待来自可穿戴终端30的位移数据的发送。

此外，位移数据获取单元111可以通过被预定处理的执行(或根据处理的执行而生成的事件)触发而开始位移数据的获取。作为具体示例，当显示单元153显示用于限制取消的屏幕时，位移数据获取单元111可以通过被根据屏幕的显示的处理的执行触发而开始位移数据的获取。

另外，可以明确地指定位移数据获取单元111终止位移数据的获取的定时。作为具体示例，当取消通过锁定功能设置的预定限制时，位移数据获取单元111可以通过被限制的取消触发来终止位移数据的获取。

作为另一示例，当可穿戴终端30终止用于发送位移数据的处理时(例如，当完成应用时)，位移数据获取单元111可以通过被处理的终止触发来终止位移数据的获取。

如上所述，例如，可以防止恒定地执行根据位移数据的获取和位移数据的发送的处理的情况，并且可以通过明确地指定位移数据获取单元111终止位移数据的获取的定时来减少功耗。

当然，上述示例仅仅是示例，并且只要可以控制位移数据获取单元111开始位移数据的获取的定时和位移数据获取单元111终止位移数据的获取的定时，用于实现控制的配置和方法就不受特别限制。

以上述方式，位移数据获取单元111获取对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据。另外，位移数据获取单元111将所获取的分别对应于信息处理装置10和可穿戴终端30的位移数据输出到数据插值单元113。

(数据插值单元113)

数据插值单元113从位移数据获取单元111获取对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据。数据插值单元113是用于基于包括在位移数据中的检测结果(其以下可以称为“样本数据”)插值位移数据的新的样本数据的组件，使得对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据可以与彼此比较。

具体地，不是必须同步地获取包括在对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据中的样本数据，并且样本数据块数(其以下可以被称为“样品数”)不一定相等。换句话说，分别对应于信息处理装置10和对应于可穿戴终端30的位移数据不一定具有相同的采样率。

作为具体示例，信息处理装置10的传感器单元13的性能不一定与可穿戴终端30的传感器单元33的性能一致。因此，由传感器单元13和33之一在一秒内获取的样本数可以比由另一个在一秒内获取的样本数小。

另外，构成传感器单元13和33的各种传感器不一定顺序地检测壳体的位置和朝向的变化，并且例如，当壳体的位置和朝向改变时，各种传感器可以被配置为检测改变。因此，不一定在固定的定时获取样本数据作为位移数据，并且可以在0.1秒内获取10个样本数据块或者可以不获取样本数据。

在这种情况下，可能难以比较对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据。因此，数据插值单元113基于包括在位移数据中的样本数据插值用于位移数据的新的样本数据。

作为具体示例，例如，数据插值单元113可以对具有较低采样率的位移数据执行上采样处理，以将位移数据的采样率调整为具有较高采样率的位移数据。

同时，使用由拉格朗日多项式插值等表示的多项式插值的方法可以被认为是对用于现有位移数据的新的样本数据进行插值的方法的示例。在这种情况下，例如，数据插值单元113基于样本数据获得通过其导出包括在位移数据中的样本数据的波形(函数)，并且基于所述波形在包括在位移数据中的样本数据之间插值新的样本数据。

此外，作为另一示例，数据插值单元113可以对每个位移数据块进行建模，并且基于建模的位移数据在建模之前对用于位移数据的不同样本数据进行插值。

作为建模的具体示例，可以考虑使用基于多项式或三角多项式的线性回归，使用核模型的线性回归，使用神经网络的非线性回归等的方法。在这种情况下，例如，数据插值单元113基于包括在位移数据中的样本数据获得近似线，并且基于近似线在包括在位移数据中的样本数据之间插值新的样本数据。

此外，数据插值单元113可以基于上述方法对每个位移数据块进行建模，并获取建模的位移数据作为新的位移数据(即，样本数据插值位移数据)。在这种情况下，例如，数据插值单元113基于包括在位移数据中的样本数据获得近似线，并且基于所述近似线在包括在位移数据中的样本数据之间插值新的样本数据。

另外，数据插值单元113可以基于上述方法对每个位移数据块进行建模，并获取建模后的位移数据作为新的位移数据(即，样本数据插值的位移数据)。在这种情况下，例如，数据插值单元113基于包括在位移数据中的样本数据获得近似线，并获取关于所述近似线的数据作为新的样本数据。另外，数据插值单元113可以基于所获取的新的样本数据定义新的位移数据。

顺便提及，上述示例仅仅是示例，并且只要可以对于对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据中的至少一个插值新的样本数据，插值方法就不必限于上述示例。

以这种方式，数据插值单元113执行上述用于对所获取的位移数据块中的一个或两者插值样本数据的处理，并将处理后的位移数据输出到特征提取单元115。

(特征提取单元115)

特征提取单元115从数据插值单元113获取对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据。特征提取单元115是用于从所获取的位移数据提取指示包括在位移数据中的样本数据的特征的特征值，并且基于提取的特征值生成特征量向量的组件。

具体地，事实上可能难以将所获取的对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据彼此进行比较。在具体示例中，传感器单元13在其上检测信息处理装置10的位置和朝向的变化的坐标系统不一定与传感器单元33在其上指示可穿戴终端33的位置和朝向的变化的坐标系统一致。另外，即使在绝对坐标系中，信息处理装置10被摇动的方向也不一定与可穿戴终端30被摇动的方向一致。此外，在信息处理装置10和可穿戴终端30中，摇动期间的摇动宽度和摇动方向可以不同，换句话说，壳体的位置和朝向的变化量和变化方向可以不同。

另外，即使用户每次都有意地相同地摇动信息处理装置10和可穿戴终端30，相应的操作也不一定彼此完全一致，并且在基于操作获取的位移数据中没有再现性。此外，当用户摇动诸如信息处理装置10和可穿戴终端30的装置时，如果用户持有装置的方向彼此不同，则装置被摇动的方向彼此不同。此外，诸如信息处理装置10和可穿戴终端30的装置被摇动的方式可以依据装置被持有的状态而改变。在具体示例中，当可穿戴终端30没有牢固地持有在用户的手腕上时，例如，如果用户通过摇动他或她的手臂来摇动可穿戴终端30，则可穿戴终端30相对于手腕的相对位置(例如，可穿戴终端30相对于手腕被持有的位置或方向)可以响应于摇动而改变。因此，可穿戴终端30的摇动变得更加复杂，因为诸如可穿戴终端30相对于手腕的相对位置的变化的随机因素被添加到手臂的摇动方向上的摇动。

在这种情况下，当对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据简单地彼此比较时，可能难以确定位移数据块是否相似。此外，当将位移数据应用于通过机器学习算法生成的识别函数时，通常已知的是，如果应用变换为适当地表示位移数据的特征的特征量向量的位移数据，则提高了识别性能。因此，特征提取单元115可以从对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据提取特征值，并且基于特征值将获取的位移数据变换为特征量向量。这里，特征提取单元115可以以将在下面描述的由确定单元117容易处理的形式(换句话说，可以提高确定单元117的识别精度的形式)将位移数据变换为特征量向量。例如，当包括在位移数据中的每个维度(例如，x方向和y方向)中的变化量的方差(variance)存在偏差时，特征提取单元115可以通过将每个维度中的变化量归一化来以由确定单元117容易处理的形式将位移数据变换为特征量向量以减轻方差中的偏差。

在更具体的示例中，特征提取单元115可以从对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据提取极值，作为特征值，并且按时间序列排列极值以生成特征量向量。以这种方式，可以通过基于提取的极值生成特征量向量来取决于检测与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据中的各个极值的定时是否彼此一致来确定对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据是否相似。

另外，在另一示例中，特征提取单元115可以将当摇动信息处理装置10和可穿戴终端30时的位移数据作为波形数据，并使用波形数据的波形的谱信息生成特征量向量作为特征值。在具体示例中，特征提取单元115可以通过根据傅立叶变换或基于三角多项式的回归从由位移数据表示的波形中提取谱。例如，下面示出的(公式1)表示当基于傅里叶变换将沿时间序列的位移数据f(t)变换为频率函数F(w)(即，变换为谱信息)时的计算公式的示例。

[数学式1]

在另一示例中，特征提取单元115可以提取由每个位移数据块中的每个样本数据块指示的变化量作为特征值。在具体示例中，特征提取单元115可以提取沿着所谓的正交坐标系(例如，由X轴、Y轴和Z轴限定的坐标系)的每个轴的变化量作为特征值。在这种情况下，特征提取单元115可以提取每个轴的预定参考点的变化量作为特征值。在另一示例中，特征提取单元115可以提取沿时间序列相邻的样本数据块之间的变化量作为特征值。

另外，当提取变化量作为特征值时，坐标系不必限于正交坐标系。在具体示例中，特征提取单元115可以基于所谓的极坐标系(例如，由半径向量r和偏差角θ和φ定义的球面坐标系)提取变化作为特征值。

在另一示例中，例如，特征提取单元115可以提取预定坐标系中的角度变化，而不是提取距离变化作为特征值。例如，特征提取单元115可以基于包括在位移数据中的样本数据在预定坐标系中定义向量，并提取在向量与坐标系的每个轴之间形成的角度作为特征值。

此外，特征提取单元115可以变换位移数据以提取特征值。例如，当在预定坐标系中定义包括在位移数据中的样本数据时，特征提取单元115可以将样本数据变换为不同坐标系的数据。在特定示例中，特征提取单元115可以通过极坐标变换将在正交坐标系中定义的每个样本数据块变换为极坐标系的样本数据。当然，特征提取单元115可以将在极坐标系中定义的每个样本数据块变换为正交坐标系的样本数据。

另外，特征提取单元115可以基于主分量分析(PCA)来基于包括在位移数据中的每个样本数据块的主分量将位移数据变换为新的位移数据。根据这种变换，特征提取单元115可以基于正交坐标系将指示沿着x轴、y轴和z轴(即，3个轴)的变化量的样本数据变换为指示沿着表示主分量的轴(例如，1个轴)的变化量的特征量向量。因此，可以根据通过下面将描述的确定单元117对位移数据之间的相似度的确定来减少处理负荷。

在另一示例中，特征提取单元115可以基于典型相关分析(CCA)将对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据变换为新的不同位移数据。在这种情况下，例如，特征提取单元115针对各个位移数据，导出在对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据中包括的样本数据之间的变化量具有高相关性的分量。然后，特征提取单元115可以基于针对位移数据导出的分量将各个位移数据变换为特征量向量。

以这种方式，可以通过基于PCA或CCA变换位移数据，使用具有更大变化的方向作为信息处理装置10和可穿戴终端30的轴来获取特征量向量。因此，例如，即使当用户摇动信息处理装置10和可穿戴终端30的方向每次都改变时，摇动方向的轴也可以被调整到在信息处理装置10和可穿戴终端30之间具有大变化的方向。也就是说，针对信息处理装置10和可穿戴终端30被用户持有的朝向之间的差异以及装置被摇动的方向之间的差异的鲁棒性可以通过基于PCA或CCA变换位移数据来实现。

在另一示例中，特征提取单元115可以基于机器学习累积当信息处理装置10和可穿戴终端30被摇动时的位移数据作为教师数据，并且定义用于基于所述教师数据提取特征值的函数。

在特定示例中，特征提取单元115从先前作为教师数据累积的位移数据分析信息处理装置10和可穿戴终端30的摇动趋势，并且基于分析结果提取特征数据。另外，特征提取单元115基于作为教师数据累积的位移数据和提取的特征数据，导出用于从位移数据提取特征数据的函数。

特征提取单元115可以通过将基于教师数据导出的函数应用到位移数据，来将从数据插值单元113获取的与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据变换为特征量向量。

同时，上述示例仅仅是示例，并且从位移数据提取为特征值的数据的类型，提取特征值的方法和变换位移数据的方法不必限于上述示例。

以这种方式，特征提取单元115从位移数据中提取表示包括在所获取的对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据中的样本数据的特征的特征值，并基于提取的特征值生成特征量向量。当以这种方式将所获取的位移数据变换为特征量向量时，即使由于人类运动的再现性、随机因素(例如，由装置持有状态引起的摇动)等而在位移数据中生成偏差，也可以实现针对偏差的鲁棒性。

另外，特征提取单元115将与信息处理装置10和可穿戴终端30对应的特征量向量输出到确定单元117。

(确定单元117)

确定单元117从特征提取单元115获取与信息处理装置10和可穿戴终端30对应的特征量向量。然后，确定单元117执行所获取的特征量向量在摇动期间是否具有独特特征的特征以及特征量向量之间的相似度的确定中的一个或两者。

例如，当确定单元117获取谱信息作为信息处理装置10和可穿戴终端30的特征量向量时，确定单元117可以确定谱信息(即，摇动的频率)是否包括在预定义频带中。

在具体示例中，除非用户有意地摇动他或她戴着可穿戴终端30的身体(例如，手臂)的一部分，否则用户很少在日常生活中以超过2Hz来摇动可穿戴终端30。此外，在许多情况下，用户难以以超过3Hz来摇动他或她戴着可穿戴终端30的身体部分。因此，例如，确定单元117可以确定信息处理装置10和可穿戴终端30的谱信息是否包括在2Hz至3Hz的带中。

此外，只要可以确定与信息处理装置10和可穿戴终端30对应的特征量向量之间的相似度，确定相似度的方法就不受特别限制。例如，确定单元117可以基于特征量向量之间的统计指标来确定相似度。统计距离、相关系数、互信息量等可以被认为是统计指标。

在具体示例中，当使用统计距离时，确定单元117通过将特征量向量中包括的对应元素相互比较并累积相关样本数据内的差来计算统计距离。然后，确定单元117取决于计算出的统计距离是否超过阈值来确定相似度。在这种情况下，当统计距离等于或小于阈值时，两个位移数据块可以被认为是相似的，即，可以认为信息处理装置10的摇动和可穿戴终端30的摇动是相似的。当统计距离超过阈值时，当然，所述两个位移数据块可以被认为是不相似的，即，信息处理装置10的摇动和可穿戴终端30的摇动可以被认为是不相似的。

此外，当使用相关函数时，作为另一示例，确定单元117通过将包括在特征量向量中的对应元素相互比较来计算指示特征量之间的相关性的相关系数。然后，确定单元117可以取决于计算出的相关系数是否超过阈值来确定相似度。

此外，当使用互信息量时，确定单元117基于包括在各个特征量向量中的元素的值，导出包括在各个特征量向量中的元素的值的联合分布函数(simultaneousdistribution function)和边缘概率分布函数。然后，确定单元117可以基于所导出的联合分布函数和边缘概率分布函数来计算指示各个特征量向量的元素之间的相互依赖性的指标的互信息量，并且取决于互信息量是否超过阈值来确定相似度。

在另一示例中，确定单元117可以确定位移数据之间的相似度，并且使用通过机器学习算法生成的识别函数来确定信息处理装置10和可穿戴终端30是否正在摇动。在这种情况下，确定单元117预先获取并累积用于确定与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据之间的相似度，以及确定信息处理装置10和可穿戴终端30是否被摇动的数据作为教师数据。

例如，用于确定相似度的识别函数的教师数据包括指示当信息处理装置10的摇动和可穿戴终端30的摇动相似时的典型示例的位移数据和指示当信息处理装置10的摇动和可穿戴终端30的摇动不相似的典型示例的位移数据，这是先前已经获得的。

具体地，教师数据是通过映射与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据是否相似的确定的正确结果的标签(即，指示位移数据是否相似的信息)而生成的。当然，指示信息处理装置10的摇动和可穿戴终端30的摇动相似的一组位移数据序列可以被映射到指示位移数据相似的标签。相似地，指示信息处理装置10的摇动和可穿戴终端30的摇动不相似的一组位移数据序列可以被映射到指示对应的位移数据序列不相似的标签。

此外，例如，用于确定信息处理装置10和可穿戴终端30的振动是否被摇动的识别函数的教师数据包括先前获取的指示当信息处理装置10和可穿戴终端30被摇动时的典型示例的位移数据和指示当信息处理装置10和可穿戴终端30没有被摇动时的典型示例的位移数据。

具体地，通过映射与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据是否是当信息处理装置10和可穿戴装置被摇动时的数据的确定的正确结果的标签(即，指示信息处理装置10和可穿戴终端30是否被摇动的信息)来生成教师数据。当然，指示信息处理装置10和可穿戴终端30被摇动的位移数据序列可以被映射到指示位移数据序列被摇动的标签。相似地，指示信息处理装置10和可穿戴终端30没有被摇动的位移数据序列可以被映射到指示位移数据序列不被摇动的标签。

另外，确定单元117可以实现确定从特征提取单元115获取的对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据之间的相似度，以及确定信息处理装置10和可穿戴终端30是否通过与先前累积的教师数据进行比较而摇动。

同时，只要确定单元117可以基于先前累积的教师数据来确定位移数据块之间的相似度，则确定方法就不受特别限制。作为学习算法的具体示例，确定单元117可以基于先前累积的教师数据来确定位移数据块之间的相似度，并且取决于使用诸如线性支持向量机(SVM)、内核(Kernel)SVM或逻辑回归的技术生成的识别函数来确定信息处理装置10和可穿戴终端30是否被摇动。作为使用这样的识别函数的相似度确定的示例，可以根据从信息处理装置10和可穿戴终端30提取的特征量向量的连接以及它们之间的差来导出一个特征量向量，并且导出的特征量向量可以被输入到识别函数。此外，可以通过两个位移数据序列之间的差或其和来将两个位移数据序列制成一个位移数据序列，并且然后可以提取一个特征量向量并应用于识别函数。

例如，确定单元117基于称为线性SVM的技术导出用于将与信息处理装置10和可穿戴终端30对应的特征量向量分类为指示特征量向量是否相似的类别的边界面(所谓的超平面)。然后，确定单元117确定导出边界的哪一侧对应于与信息处理装置10和可穿戴终端30对应的特征量向量，以将特征量向量分类到任何类别中。确定单元117可以依据一系列相关样本数据集的分类结果来确定对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据是否相似。尽管这里已经描述了特征量向量是否相似的确定，但是同样适用于信息处理装置10和可穿戴终端30是否被摇动的确定。

此外，确定单元177可以使用称为内核SVM的技术导出用于对从对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据沿时间序列提取的特征量向量进行分类的边界面作为复杂曲面。也就是说，确定单元177可以使用称为内核SVM的技术以更高精度将从对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据沿时间序列提取的特征量向量分类为上述类别。

另外，确定单元117可以基于称为逻辑回归的技术学习从对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据沿时间序列提取的特征量向量所分配到的类的后验概率。在这种情况下，确定单元117可以将提取的特征量向量分类为具有最大后验概率的类。

此外，对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据不一定彼此同步地获取，并且一个可以相对于另一个延迟。因此，确定单元117可以按时间序列移位(例如，延迟)与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据中的一个，并且然后确定位移数据块之间的相似度。在这种情况下，成为相似度确定的对象的位移数据(即，位移数据块中的一个之后的位移数据已经按时间序列移位)对应于特征量向量。

作为以这种方式按时间序列移位对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据中的至少一个的方法，可以考虑称为动态时间扭曲的方法。因此，下面将描述称为动态时间扭曲的方法的概观作为按时间序列移位与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据中的至少一个的方法的示例。图7和图8是移位多个不同的位移数据块中的至少一个的方法的示例的说明图和被称为动态时间扭曲的方法的概观。此外，图7和图8示出了对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据的示例，即，表示各个装置的壳体的位置和朝向中的至少一个沿时间序列的变化的数据。

在图7和图8中，水平轴表示时间作为相对值，并且垂直轴表示每个装置的壳体的位移(即，位置和朝向中的至少一个的变化)作为相对值。此外，在图7和图8中，表示为系列1的样本数据指示包括在对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据中的任一个中的样本数据的示例。表示为系列2的样本数据表示包括在与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据的另一方(与系列1不同的一侧的位移数据)中的样本数据的示例。

当使用称为动态时间扭曲的方法时，确定单元117通过按时间序列将系列1的样本数据和系列2的样本数据之间的差D_i相加来计算系列1和系列2之间的统计距离，如图7所示。

随后，确定单元117将与序列1和序列2中的至少一个对应的样本数据沿时间序列移位预定时间宽度T_j，如图8所示。然后，确定单元117重新计算移位之后的系列1和系列2之间的统计距离。

以这种方式，确定单元117在沿时间序列移位对应于系列1和系列2中的至少一个的样本数据时，顺序地计算系列1和系列2之间的统计距离。另外，确定单元117比较计算出的统计距离，指定与最小统计距离对应的时间宽度T，并且当移位时间宽度T时确定由系列1表示的位移数据和由系列2表示的位移数据(即，特征量向量)之间的相似度。

另外，当沿时间序列移位(例如，延迟)对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据中的至少一个时，可以设置移位量(例如，延迟量)的最大值(换句话说，移位量限制)。在具体示例中，当移位量的最大值被设置为10秒时，确定单元117在时间宽度等于或小于10秒的范围内，沿时间序列移位位移数据。

根据通过确定单元117进行的特征量向量之间的相似度的确定的上述处理仅仅是示例，并且因此只要与信息处理装置10和可穿戴终端30对应的特征量向量之间的相似度可以定量地确定，确定方法就不受特别限制。

如上所述，确定单元117确定所获取的与信息处理装置10和可穿戴终端30对应的特征量向量之间的相似度。然后，当确定对应的位移数据相似时，确定单元117取消由所谓的锁定功能设置的预定限制。

以这种方式，控制器11获取与信息处理装置10和可穿戴终端30对应的特征量向量(例如，位移数据)。然后，控制器11基于获取的特征量向量之间的相似度的比较结果与信息处理装置10和可穿戴终端30是否被摇动的确定结果中的一个或两者来取消由锁定功能设置的预定限制。具体地，当与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据相似时，控制器11取消由锁定功能设置的预定限制。当然，当与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据不相似时，控制器11不取消限制。

此外，当确定位移数据不相似时，控制器11可以再次获取对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据，并再次确定位移数据块之间的相似度。同时，控制器11再次获取位移数据并且确定位移数据块之间的相似度的条件可以依据操作适当地设置。在具体示例中，如果位移数据不相似的确定的数量等于或小于阈值，控制器11可以再次获取位移数据，并确定位移数据块之间的相似度。尽管这里已经描述了特征量向量是否相似的确定，但是同样适用于信息处理装置10和可穿戴终端30是否被摇动的确定。

此外，数据插值单元113和特征提取单元115的处理顺序不必限于上述示例。在特定示例中，数据插值单元113可以为由特征提取单元115基于指示包括在位移数据中的样本数据的特征的特征值生成的新的位移数据插值新的样本数据。

此外，可以不操作数据插值单元113和特征提取单元115中的一个或两者。在具体示例中，仅执行由数据插值单元113针对所获取的位移数据的插值新的样本数据，而不执行由特征提取单元115基于特征值的生成新的位移数据。相似地，仅执行由特征提取单元115基于所获取的位移数据的提取特征值和基于特征值生成新的位移数据，并且可以不执行由数据插值单元113针对位移数据的插值新的样本数据。根据上述使用三角多项式的回归的谱提取对应于该具体示例。当然，获取的位移数据也可以被认为是特征值，并且直接与位移数据比较以确定位移数据的相似度，而不用操作数据插值单元113和特征提取单元115二者。换句话说，位移数据可以与特征量向量的示例对应。

已经参照图6描述了根据本实施例的信息处理系统的功能配置的示例。

同时，参考图6描述的信息处理系统的功能配置仅仅是示例，并且本实施例不必限于图6所示的示例。

作为具体示例，尽管信息处理装置10在上述示例中执行用于取消通过锁定功能的限制的各种处理(即，与控制器11的各个组件对应的处理)，但是处理的主题不一定限于信息处理装置10。在具体示例中，可穿戴终端30可以执行用于取消通过锁定功能的限制的各种处理。在这种情况下，例如，可以在可穿戴终端30中设置与信息处理装置10的控制器11对应的组件。

这里，取消通过锁定功能的限制的对象不受限制。例如，可穿戴终端30可以基于信息处理装置10和可穿戴终端30的特征量向量来取消在信息处理装置10中设置的限制。相似地，信息处理装置10可以基于信息处理装置10和可穿戴终端30的特征量向量，取消在可穿戴终端30中设置的限制。

此外，指示取消通过锁定功能的限制的主题不受特别限制。作为具体示例，可以由可穿戴终端30指示信息处理装置10执行用于取消通过锁定功能的限制的各种处理。相似地，可以由信息处理装置10指示可穿戴终端30执行用于取消通过锁定功能的限制的各种处理。

此外，当已经取消了通过锁定功能的限制时，信息处理装置10的控制器11可以向可穿戴终端30通知取消。在这种情况下，可穿戴终端30可以从控制器11接收通知，并通知用户由锁定功能为信息处理装置10设置的限制已经被取消。根据这样的配置，当信息处理装置10的限制被第三人非法取消时，信息处理装置10的用户(所有者)可以感测到非法取消。

同时，基于来自控制器11的通知由可穿戴终端30通知信息的方法不受特别限制。例如，可穿戴终端30可以通过振动其中设置的致动器来通知用户信息。作为另一示例，可穿戴终端30可以通过使设置在其中的LED以预定形式发光(例如，发射图案或发射颜色)来通知信息。当然，可穿戴终端30可以通过UI 35(具体地，显示单元353)通知信息。

此外，通过控制器11基于信息处理装置10和可穿戴终端30的特征量向量的上述限制取消操作(以下可以称为“基于特征量向量的限制取消操作”)可以暂时停止，并且可以恢复停止的操作。

在具体示例中，控制器11可以基于通过信息处理装置10的UI15或可穿戴终端30的UI 35的用户的指令暂时停止基于特征量向量的限制取消操作。当然，控制器11可以基于用户通过信息处理装置10的UI 15或可穿戴终端30的UI 35的指令来恢复停止的操作。

另外，作为另一示例，当信息处理装置10和可穿戴终端30中的至少一个的摇动的变化量相等或低于阈值的状态(例如，装置被卸下)持续预定时间或更长时间时，控制器11可以暂时停止基于特征量向量的限制取消操作。在这种情况下，例如，当目标装置的特征量向量(例如，位移数据)中预定时间内的变化量的平均值等于或低于预定阈值时，控制器11可以暂时停止基于特征量向量的限制取消操作。

在另一示例中，控制器11可以执行基于特征量向量的限制取消操作，直到从通过锁定功能设置限制开始经过预定时间，并且在经过预定时间之后暂时停止基于特征量向量的限制取消操作。根据这样的配置，例如，即使当在用户使用信息处理装置10时根据电力降低的设置自动执行锁定功能以设置对信息处理装置10的限制时，用户也可以通过简单的过程再次取消限制。

<3.处理>

接下来，将参照图9描述根据本实施例的信息处理系统的一系列处理，具体地，信息处理装置10的处理的流程的示例。图9是示出根据本实施例的信息处理系统的一系列处理的流程的示例的流程图。

(步骤S101)

首先，当未建立通过网络n1与可穿戴终端30的通信时，信息处理装置10的通信单元17通过执行预定通信序列，通过网络n1建立与可穿戴终端30的通信。

此时，当可穿戴终端30未被注册为通信伙伴时，通信单元17可以通过执行诸如与可穿戴终端30的密钥交换的预定过程来将可穿戴终端30注册为通信伙伴。

例如，作为通过通信单元17将可穿戴终端30注册为通信伙伴的过程，可以考虑基于蓝牙(注册商标)标准的配对、基于Wi-Fi(注册商标)标准的Wi-Fi保护设置等。此外，通信单元17可以通过经由使用诸如高级加密标准(AES)的公共密钥的认证方法或使用诸如RSA、MQ等的公开密钥的认证方法与可穿戴终端30进行相互认证，来将可穿戴终端30注册为通信伙伴。当然，通过通信单元17将可穿戴终端30注册为通信伙伴的过程不一定必须通过网络n1来执行。在具体示例中，通信单元17可以执行用于经由与网络n1不同的网络(诸如因特网)将可穿戴终端30注册为通信伙伴的过程。

(步骤S103和S105)

当通过UI 15接收到来自用户的指令时(步骤S103)，位移数据获取单元111获取从传感器单元13输出的指示信息处理装置10的壳体的位置和朝向中的至少一个沿时间序列的变化的信息，作为位移数据(步骤S105)。

另外，位移数据获取单元111通过网络n1从可穿戴终端30获取指示可穿戴终端30的壳体的位置和朝向中的至少一个沿时间序列的变化的位移数据(步骤S105)。此时，位移数据获取单元111可以指示可穿戴终端30发送位移数据。作为另一示例，位移数据获取单元111可以被动地等待从可穿戴终端30的位移数据的发送。

如上所述，位移数据获取单元111获取对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据。另外，位移数据获取单元111将所获取的对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据输出到数据插值单元113。

(步骤S107)

数据插值单元113从位移数据获取单元111获取对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据。数据插值单元113基于包括在位移数据中的样本数据为位移数据插值新的样本数据，使得可以将与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据彼此进行比较。顺便提及，上面已经描述了为位移数据插值新的样本数据的方法，因此这里省略详细描述。

然后，数据插值单元113将已经对其执行了插值样本数据的处理的对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据输出到特征提取单元115。

特征提取单元115从数据插值单元113获取对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据。特征提取单元115从所获取的位移数据提取指示包括在位移数据中的样本数据的特征的特征值，并且基于提取的特征值生成特征量向量。顺便提及，上面已经描述了基于指示包括在位移数据中的样本数据的特征的特征值生成特征量向量的方法，因此这里省略了详细描述。

然后，特征提取单元115将对应于信息处理装置10和可穿戴终端30的特征量向量输出到确定单元117。

(步骤S109)

确定单元117从特征提取单元115获取与信息处理装置10和可穿戴终端30对应的特征量向量，并且将所获取的特征量向量彼此进行比较，以确定它们之间的相似度。另外，确定单元117可以基于所获取的特征量向量来确定信息处理装置10和可穿戴终端30两者是否都被摇动。当然，确定单元117可以执行所获取的特征量向量之间的相似度的确定以及信息处理装置10和可穿戴终端30是否被摇动的确定两者。顺便提及，上面已经描述了确定所获取的特征量向量之间的相似度的方法和确定信息处理装置10和可穿戴终端30是否被摇动的方法，因此这里省略了详细描述。

(步骤S113)

当基于对应于信息处理装置10和可穿戴终端30的特征量向量之间的相似度的比较结果确定对应的位移数据相似时(步骤S111，是)，确定单元117取消通过所谓的锁定功能设置的预定限制。相似地，当确定信息处理装置10和可穿戴终端30都被摇动时，确定单元117取消通过所谓的锁定功能设置的预定限制(步骤S111，是)。以这种方式，当执行的确定的结果为真时，确定单元117取消通过锁定功能设置的预定限制。

(步骤S115)

当然，当与信息处理装置10和可穿戴终端30对应的特征量向量不相似时(步骤S111，否)，控制器11可以不取消限制。相似地，当确定信息处理装置10和可穿戴终端30都未被摇动时(步骤S111，否)，控制器11可以不取消限制。以这种方式，当执行的确定的结果为假时，确定单元117取消通过锁定功能设置的预定限制。

同时，当满足预定义的重新确定条件时(步骤S115，是)，控制器11可以获取与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据，并重新确定位移数据块之间的相似度。这在确定信息处理装置10和可穿戴终端30是否被摇动时也是如此。当然，当不满足重新确定条件时(步骤S115，否)，控制器11可以根据限制取消终止一系列处理。

已经参考图9描述了根据本实施例的信息处理系统的一系列处理，具体地，信息处理装置10的处理的流程的示例。

<4.修改示例>

接下来，将描述根据本公开的信息处理系统的修改示例。

[4.1.修改示例1：使用模式的示例]

首先，将描述根据本实施例的信息处理系统的使用模式的示例作为修改示例1。在上述实施例中，已经描述了用户在用他或她戴着可穿戴终端30的手抓握信息处理装置10的同时，通过摇动信息处理装置10和可穿戴终端30两者来取消在信息处理装置10中设置的预定限制的情况。

另一方面，当取消在信息处理装置10中设置的限制时，不同的用户可以持有信息处理装置10和可穿戴终端30，并通过摇动他们持有的装置来取消限制。

例如，图10是根据修改示例1的信息处理系统的概观的说明图。在图10所示的示例中，用户Ua持有信息处理装置10，并且用户Ub持有可穿戴终端30。这里，用户Ua可以根据用户Ub摇动可穿戴终端30的操作来通过摇动他或她持有的信息处理装置10来取消在信息处理装置10中设置的预定限制。

此外，由于在图10所示的示例中信息处理装置10和可穿戴终端30被不同的用户摇动，因此信息处理装置10的摇动与可穿戴终端30的摇动不完全一致，并且一侧的摇动可以相对于另一侧的摇动延迟，如上面参照图5所述的实施例。尽管这样的效果可能出现在一个用户用不同的手摇动信息处理装置10和可穿戴终端30的情况下，但是当装置被不同的用户摇动时，该效果趋于变得明显，如图10所示。

因此，在根据修改示例1的信息处理系统中，当确定对应于信息处理装置10的位移数据与对应于可穿戴终端30的位移数据之间的相似度时，信息处理装置10可以将阈值设置为低于上述实施例(图5所示的示例)。根据这样的配置，信息处理装置10可以允许当信息处理装置10和可穿戴终端30被不同的用户摇动时生成的摇动之间的误差，并且取消预定限制。

当以这种方式将用于确定位移数据之间的相似度的阈值设置得更低时，针对位移数据块之间的误差(即，信息处理装置10的摇动和可穿戴终端30的摇动之间的误差)的鲁棒性提高。

另一方面，当阈值被设置为更低时，因为进一步允许位移数据之间的误差，所以在用户不期望的定时限制取消的概率随着阈值被设置为更低而增加。因此，期望根据考虑的使用模式，基于先前的实验结果等适当地设置用于确定位移数据之间的相似度的阈值。

相似地，在根据修改示例1的信息处理系统中的位移数据之间的相似度的确定中，当至少一个位移数据块按时间序列移位时，移位量的最大值就可以被设置为高于上述实施例(在图5中示出的示例)中的移位量的最大值。根据这样的配置，即使信息处理装置10和可穿戴终端30被不同的用户摇动，并且因此一个装置的摇动相对于另一装置的摇动被延迟，信息处理装置10也可以允许延迟和取消预定限制。

当以这种方式将按时间序列移位位移数据时的移位量的最大值设置为更高时，针对由于一个装置的摇动相对于另一个装置的摇动的延迟而生成的位移数据之间的误差的鲁棒性提高。因此，例如，即使在诸如当在信息处理装置10和可穿戴终端30之间的通信中生成延迟的情况下，信息处理装置10也可以允许通信中涉及的延迟，并通过将移位量的最大值设置得更高来取消限制。

此外，当移位量的最大值被设定为更高时，进一步允许位移数据块之间的误差，并且因此在用户不期望的定时限制取消的概率随着移位量的最大值被设置得更高而增加。因此，根据考虑的用户模式，可以基于先前实验结果来适当地设置当按时间序列移位位移数据时的移位量的最大值。

以这种方式，可以根据信息处理系统的使用模式来适当地调整用于确定位移数据之间的相似度的阈值和当按时间序列移位位移数据时的移位量。因此，例如，用户Ua可以根据用户Ub摇动可穿戴终端30的操作来通过摇动他或她持有的信息处理装置10来取消信息处理装置10的限制，如图10所示的示例中。

[4.2.修改示例2：系统配置示例]

接下来，将参考图11描述根据本实施例的信息处理系统的系统配置的示例作为修改示例2。图11是根据修改示例2的信息处理系统的概观的说明图。

在上述实施例中，信息处理装置10将基于信息处理装置10的摇动的位移数据与基于可穿戴终端30的摇动的位移数据一一对比，以确定位移数据块之间的相似度，并且响应于确定结果取消预定限制。相比之下，修改示例2描述了当取消限制时摇动的装置的数量增加到大于2的数量的示例。

如图11所示，根据修改示例2的信息处理系统包括服务器90和信息处理终端30a至30d。此外，在图11所示的示例中，信息处理终端30a至30d由不同的用户Ua至Ud持有。此外，在图11所示的示例中，服务器90被设置为取消预定限制的主体，并且控制安全门91的限制取消(即，锁定取消)。

具体地，当用户Ua至Ud摇动他们持有的信息处理终端30a至30d时，信息处理终端30a至30d顺序地感测其壳体的位置和朝向中的至少一个。然后，信息处理终端30a至30d将指示壳体的位置和朝向中的至少一个沿时间序列的变化的信息发送到服务器90作为位移数据。

当服务器90从信息处理终端30a至30d获取位移数据时，服务器90执行通过比较位移数据来确定所获取的位移数据(换句话说，特征量向量)之间的相似度以及所获取的位移数据是否具有指示摇动的特征的确定中的一个或两者。此时，服务器90可以像根据上述实施例的信息处理装置10那样为所获取的位移数据插值新的样本数据。此外，像根据上述实施例的信息处理装置10那样，服务器90可以提取指示包括在所获取的位移数据中的样本数据的特征的特征值，并且基于所提取的特征值生成新的位移数据。

然后，当确定从信息处理终端30a至30d获取的位移数据相似时，服务器90取消安全门91的限制(例如，锁定)。

只要当取消预定限制时用户摇动的装置(即，感测壳体的摇动并输出位移数据的装置)(诸如图11所示的信息处理终端30a至30d)的数量等于或大于2，装置的数量就不受特别限制。

同时，随着用户摇动的装置(例如，信息处理终端30a至30d)的数量增加，装置具有完全相同的摇动的概率趋于减小，并且装置的摇动模式之间的误差趋于增加。因此，例如，可以响应于用户摇动的装置的数量，基于先前的实验结果等适当地设置用于服务器90确定与装置对应的特征量向量(例如，位移数据)之间的相似度的阈值。

另外，服务器90可以响应于用户摇动的装置的数量，动态地改变用于确定与装置对应的特征量向量之间的相似度的阈值。在这种情况下，例如，期望服务器90改变阈值，使得鲁棒性随着用户摇动的装置的数量增加而提高(例如，阈值降低)。

相似地，装置的摇动的精确同步的概率随着用户摇动的装置的数量增加而降低。因此，期望响应于用户摇动的装置的数量，基于先前的实验结果等适当地设置当服务器90按时间序列移位位移数据时的移位量的最大值。

另外，服务器90可以响应于用户摇动的装置的数量，动态地改变当服务器90按时间序列移位位移数据时的移动量的最大值。在这种情况下，例如，期望服务器90改变最大值，使得鲁棒性随着用户摇动的装置的数量增加而提高(例如，移位量的最大值进一步增加)。

此外，如在图11所示的服务器90和信息处理终端30a至30d之间的关系那样，确定多个特征量向量之间的相似度以取消限制的装置和用户摇动的装置(即，感测壳体的摇动并输出位移数据的装置)可以被配置为不同的装置。当然，用户摇动的装置中的任一装置可以被配置为确定多个特征量向量之间的相似度以取消限制，如在根据上述实施例的信息处理系统(例如，图5和图6)中那样。

同时，期望在图11所示的示例的情况下，服务器90经由网络连接到信息处理终端30a至30d，并且信息处理终端30a至30d可以不必通过网络连接。在这种情况下，各个信息处理终端30a至30d被注册为服务器90的通信伙伴。也就是说，服务器90将各个信息处理终端30a至30d识别为通信伙伴，并且因此信息处理终端30a至30d间接相关联。

此外，如在图11所示的服务器90和安全门91之间的关系中那样，取消预定限制的主体和取消限制的对象可以被配置为不同的装置。当然，如在根据上述实施例的信息处理系统(例如，图5和图6)中那样，可以在相同的装置中设置取消预定限制的主体和取消限制的对象。

作为修改示例2，已经参考图11描述了其中当取消限制时摇动的装置的数量增加到大于2的数量的示例，作为根据本实施例的信息处理系统的系统配置的示例。

[4.3.修改示例3：根据限制取消的控制示例]

接下来，将描述根据本实施例的信息处理系统中根据限制取消的控制的示例作为修改示例3。

在根据上述实施例的信息处理系统中，当信息处理装置10和可穿戴终端30被摇动时的位移数据被认为是波形数据，并且使用波形数据的波形的谱信息来生成特征量向量作为特征值。具体地，例如，在根据上述实施例的信息处理系统中，通过傅立叶变换或基于三角多项式的回归从由从信息处理装置10和可穿戴终端30检测到的位移数据表示的波形中提取谱。以这种方式，根据上述实施例的信息处理系统执行对于从信息处理装置10和可穿戴终端30检测到的用户的周期性运动(换句话说，具有小的频率时间变化的运动)的检测结果的限制取消的确定。

相比之下，修改示例3描述了当对用户的瞬时运动(换句话说，具有大的频率时间变化的运动)的检测结果执行限制取消的确定时，根据根据本实施例的信息处理系统中的限制取消的控制的示例。在本公开中，描述了与根据上述实施例的信息处理系统不同的部分，特别是特征提取单元115和确定单元117的操作，并且省略了对其它部件的详细描述。

(特征提取单元115)

在根据修改示例3的信息处理系统中，特征提取单元115从所获取的与信息处理装置10对应的位移数据和与可穿戴终端30对应的位移数据检测预定时间内的位置和朝向的大的瞬时变化(其可以被称为“瞬时运动”)。此时，当仅从信息处理装置10和可穿戴终端30之一检测到瞬时运动时(即，当没有从另一个检测到瞬时运动时)，不进行以下处理，并且不实施限制取消。

当从对应于信息处理装置10的位移数据和对应于可穿戴终端30的位移数据检测到瞬时运动时，特征提取单元115提取对应于预定时间宽度的数据，所述预定时间宽度包括从对应的位移数据检测到运动的定时。在具体示例中，特征提取单元115提取与在从对应的位移数据检测到瞬时运动的定时之前和之后的预定秒数对应的数据。

随后，特征提取单元115对从位移数据提取的与预定时间宽度对应的数据执行小波分析(即，对数据进行小波变换)，以从与预定时间宽度对应的数据提取特征量作为小波分析的结果。以下，可以将基于小波分析提取的特征量称为“小波特征”。

这里，将描述小波分析的概观。小波分析对应于按时间序列从位移数据f(t)(即，提取的对应于预定宽度的数据)移位母小波ψ(t)以提取在时间方向上延伸了a的分量作为针对(a,b)的小波特征W(a,b)。作为具体示例，基于以下所示的(公式2)计算小波特征W(a，b)。

[数学式2]

同时，用作母小波ψ(t)的数据不受特别限制。例如，图13和图14是示出母小波ψ(t)的示例的图。图13是称为“Shannon小波”的母小波ψ(t)的示例，并且图14是被称为“墨西哥帽(Mexican hat)”的母小波ψ(t)的示例。此外，可以将“Daubechies小波”、“Meyer小波”、“Gabor小波”等视为母小波ψ(t)的其它示例。

以上述方式，特征提取单元115从信息处理装置10和可穿戴终端30的位移数据提取小波特征W(a，b)，并使用提取的小波特征W(a，b)生成特征量向量作为特征值。然后，特征提取单元115将为信息处理装置10和可穿戴终端30生成的特征量向量输出到确定单元117。

虽然上述示例描述了信息处理装置10的特征提取单元115从信息处理装置10和可穿戴终端30的位移数据提取小波特征W(a，b)，并生成特征量向量的情况，但是该配置不必限于此。在具体示例中，信息处理装置10和可穿戴终端30可以各从位移数据中提取小波特征W(a，b)。在这种情况下，当从位移数据提取小波特征W(a，b)时(即，当检测到瞬时运动时)，可穿戴终端30可以基于提取的小波特征W(a，b)生成特征量向量，并将特征量向量发送到信息处理装置10。

(确定单元117)

确定单元117从特征提取单元115获取为信息处理装置10和可穿戴终端30生成的特征量向量(即，使用小波特征W(a，b)生成的特征量向量作为特征值)。然后，确定单元117基于为信息处理装置10和可穿戴终端30获取的特征量向量，确定是否取消通过所谓的锁定功能设置的预定限制。

此时，确定单元117可以基于与信息处理装置10和可穿戴终端30对应的特征量向量之间的相似度来确定是否取消预定限制，如在根据上述实施例的信息处理系统的情况中那样。

在另一示例中，确定单元117可以通过对信息处理装置10和可穿戴终端30的特征量向量执行预定的识别处理并比较识别处理的结果来确定是否取消预定限制。

例如，图15是根据根据修改示例3的信息处理系统中的限制取消的近似控制的示例的说明图。

在图15所示的示例中，确定单元117将基于与信息处理装置10对应的位移数据Da生成的特征量向量(x_a1、x_a2、...、x_an)输入到识别器A。识别器A基于使用诸如SMV、增强(boosting)、逻辑回归等技术生成的识别函数f_a(x_a1、xa2、...、x_an)识别输入的特征量向量是否是指示预定运动的特征的特征量向量，并输出识别结果Ra。作为预定运动的具体示例，可以考虑当用户扭动持有信息处理装置10的手时信息处理装置10的运动。当然，运动仅仅是示例，且并不限于此。

相似地，确定单元117将基于与可穿戴终端30对应的位移数据Db生成的特征量向量(x_b1、x_b2、...、x_bm)输入到识别器B。识别器B基于使用诸如SMV、增强、逻辑回归等技术生成的识别函数f_b(x_b1、x_b2、...、x_bm)识别输入的特征量向量是否是指示预定运动的特征的特征量向量，并且输出识别结果Rb。

这里，作为用于识别输入的特征量向量是否是指示预定运动的特征的特征量向量的识别函数的示例，线性识别函数、内核识别函数和非线性识别函数的示例如下所示。例如，下面所示的(公式3)表示线性识别函数的示例。在下文中，指示变量x作为向量(即，向量值x)的值表示公式中的特征量向量。

[数学式3]

此外，在上面所示的(公式3)的右侧的sigma后的第二项中指示的函数对应于基函数。作为基函数的示例，可以考虑下面表示为(公式4)至(公式6)的基函数。例如，下面所示的(公式4)表示基于多项式的基函数的示例。

[数学式4]

另外，以下所示的(公式5)表示基于高斯的基函数的示例。

[数学式5]

此外，下面所示的(公式6)表示基于三角多项式的基函数的示例。

[数学式6]

此外，下面所示的(公式7)表示内核识别函数的示例。

[数学式7]

同时，在上面所示的(公式7)的右侧的sigma后的第二项中指示的函数对应于基函数。另外，在基函数中表示为x_i的向量值的变量表示特征量向量。例如，下面所示的(公式8)表示基于高斯内核的基函数的示例。

[数学式8]

另外，以下所示的(公式9)表示非线性识别函数的示例。

[数学式9]

同时，在上面所示的(公式9)的右侧的sigma后的第二项中指示的函数对应于基函数。作为基函数的示例，可以考虑下面表示为(公式10)和(公式11)的基函数。例如，下面所示的(公式10)表示被定义为sigmoid函数的基函数的示例。

[数学式10]

另外，下面所示的(公式11)表示被定义为高斯函数的基函数的示例。

[数学式11]

同时，期望设置上述(公式2)至(公式11)中的系数(例如，向量值θ_i、α_i和β_i)，使得当对应于识别对象的特征量向量是指示预定运动的特征的数据，并且当特征量向量是指示与预定运动不同的运动的数据时，识别结果彼此进一步偏离。作为具体示例，期望使用大量的样本数据(换句话说，基于机器学习而累积的教师数据)来确定系数，使得以尽可能小的误差识别与识别对象对应的特征量向量是否是指示预定运动的数据。

根据这样的配置，确定单元117可以根据特征量向量的识别处理结果是否等于或高于预定义阈值来识别特征量向量是否是指示预定运动的特征的数据。

以这种方式，确定单元117对信息处理装置10和可穿戴终端30的特征量向量执行识别处理，以获取识别结果Ra和Rb。然后，确定单元117基于为信息处理装置10和可穿戴终端30获取的识别结果(即，识别结果Ra和Rb)来确定是否取消预定限制。

在具体示例中，确定单元117可以将获取的识别结果Ra和Rb彼此进行比较，并且当基于比较结果确定识别结果Ra和Rb相似时，取消预定限制。

在另一示例中，当获取的识别结果Ra和Rb两者都指示对应的特征量向量(即，与信息处理装置10和可穿戴终端30对应的特征量向量)表示指示预定动作的特征的数据时，确定单元117可以取消预定限制。

同时，对信息处理装置10和可穿戴终端30的特征量向量执行的上述识别处理(即，图15所示的函数f_a和f_b)可以不必是相同的识别处理，只要识别处理可以识别特征量向量是否是指示预定运动(换句话说，信息处理装置10和可穿戴终端30之间的公共运动)的特征的数据。

此外，尽管上述示例描述了信息处理装置10的确定单元117对信息处理装置10和可穿戴终端30的特征量向量执行识别处理(即，图15所示的函数f_a和f_b)的情况，但是该配置不限于此。在具体示例中，信息处理装置10和可穿戴终端30可以对与其对应的特征量向量执行识别处理。在这种情况下，例如，可穿戴终端30可以对与其对应的特征量向量执行识别处理(即，图15所示的函数f_b)，并且将识别处理的结果(即，图15所示的识别结果R_b)发送到信息处理装置10。

参照图15描述的确定单元117的操作不限于根据修改示例3的信息处理系统，并且可以应用为例如根据上述实施例的信息处理系统中的确定单元117的操作。

已经参照图13至15描述了根据根据修改示例3的信息处理系统中的限制取消的控制的示例。

如上所述，当检测到瞬时运动(即，大的瞬时位置或朝向变化)时，根据修改示例3的特征提取单元115使用检测到运动的定时作为起点来从检测到的位移数据提取与处理对象对应的数据。因此，根据修改示例3的信息处理系统，可以在没有应用到按钮或触摸面板的用户操作(即，除了用于取消限制的预定运动之外的用于数据获取的操作)的情况下，根据预定限制的取消来获取用于确定的数据。

此外，由于根据修改示例3的信息处理系统使用检测到瞬时运动的定时作为起点提取与处理对象对应的数据，如上所述，因此信息处理装置10和可穿戴终端30可以不必在时间上彼此同步。特别地，在其操作被控制以降低功耗的终端(诸如可穿戴终端30)中，关于时间的信息的精度可能降低(即，在时间上生成误差)。即使在这种情况下，根据修改示例3的信息处理系统也可以基于检测到瞬时运动的定时来执行信息处理装置10的数据(例如，位移数据)和可穿戴终端30的数据之间的时间同步。

特别地，根据根据修改示例3的信息处理系统，对用户的瞬时运动(换句话说，信息处理装置10和可穿戴终端30的瞬时运动)的检测结果执行根据限制取消的确定。在该配置中，根据修改示例3的信息处理系统可以更清楚地从由用户无意地执行的运动中识别由用户针对信息处理装置10和可穿戴终端30有意地执行的运动。也就是说，根据根据修改示例3的信息处理系统，可以防止根据用户无意地执行的动作的识别来取消限制的情况。

[4.4.修改示例4：信息呈现的示例]

接下来，将描述当在根据本实施例的信息处理系统中取消预定限制时用于用户的信息呈现的示例作为修改示例4。

在根据本实施例的信息处理系统中，如上所述，用户可以通过操作(例如，摇动)信息处理装置10和可穿戴终端30两者来取消预定限制。特别地，在根据修改示例3的信息处理系统中，用户可以在期望的定时瞬时操作信息处理装置10和可穿戴终端30两者，以便取消预定限制。因此，除了瞬时操作之外，信息处理系统不一定需要用于信息处理装置10或可穿戴终端30的显式操作。由于该配置，当在根据本实施例的信息处理系统中取消预定限制时，可以不向用户呈现用于取消预定限制的专用操作屏幕。

因此，根据修改示例4的信息处理系统可以通过信息处理装置10或可穿戴终端30的显示单元来显示基于先前的限制取消功能的操作屏幕作为操作屏幕。例如，作为先前的限制取消功能，可以考虑参照图2描述的根据比较示例1的限制取消功能(即，依据滑块操作的限制取消功能)，参照图3描述的根据比较示例2的限制取消功能(即，根据操作模式的输入的限制取消功能)等。

在这种情况下，当用户针对所显示的操作屏幕执行关于限制取消的操作时，根据修改示例4的信息处理系统可以基于先前的限制取消功能来确定是否取消预定限制。

根据该配置，当取消预定限制时，用户可以选择性地执行根据前述实施例和修改示例的用于限制取消的功能以及用于信息处理系统的先前的限制取消功能。

作为另一示例，当执行根据前述实施例和修改示例的用于限制取消的功能时，根据修改示例4的信息处理系统可以向用户呈现基于功能的执行结果的信息。

例如，当没有基于信息处理装置10和可穿戴终端30两者的操作取消预定限制时，根据修改示例4的信息处理系统可以将作为“限制未被取消”的确定的原因呈现给用户。

在具体示例中，当未从可穿戴终端30获取位移数据时，信息处理系统可以将位移数据获取失败呈现给用户。此时，信息处理系统可以将导致从可穿戴终端30获取位移数据失败的原因呈现给用户。例如，作为导致从可穿戴终端30获取位移数据失败的原因，可以考虑信息处理装置10和可穿戴终端30之间的通信失败的情况，可穿戴终端30断电的情况等。

此外，信息处理系统可以被配置为使得可以通过用户操作来切换根据上述实施例和修改示例的用于限制取消的功能的开启和关闭。在这样的配置中，当用于限制取消的功能关闭时，根据修改示例4的信息处理系统可以在用户通过该功能执行用于限制取消的操作时向用户呈现该功能关闭。

在另一示例中，根据修改示例4的信息处理系统可以向用户呈现基于与信息处理装置10和可穿戴终端30对应的特征量向量的确定结果。作为具体示例，信息处理系统可以向用户呈现信息处理装置10和可穿戴终端30的特征量向量之间的相似度的确定结果作为数值。因此，当基于预定操作(例如，摇动信息处理装置10和可穿戴终端30的操作或者扭动持有装置的手的操作)不执行限制取消时，用户可以视觉地识别信息处理装置10和可穿戴终端30的多少运动彼此不同。

以这种方式，根据修改示例4的信息处理系统可以通过呈现基于根据上述实施例和修改示例的用于限制取消的功能的执行结果的信息来向用户直接或间接地显示用户接下来应该执行的行为。

<5.硬件配置>

接下来，将参照图12描述根据本公开的每个实施例的信息处理装置10的硬件配置的示例。图12是示出根据本公开的实施例的信息处理装置10的硬件配置的示例的图。

如图12所示，根据本实施例的信息处理装置10包括处理器901、存储器903、储存器905、操作装置907、显示装置909、通信装置911、检测装置913和总线915。

处理器901可以是例如中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)或片上系统(SoC)，并且执行信息处理装置10的各种处理。例如，处理器901可以被配置为用于执行各种算术处理的电子电路。此外，上述控制器11的配置可以由处理器901实现。

存储器903包括随机存取存储器(RAM)和只读存储器(ROM)，并且存储由处理器901执行的程序和数据。储存器905可以包括诸如半导体存储器或硬盘的存储介质。

操作装置907具有生成用于执行用户的期望操作的输入信号的功能。例如，操作装置907可以被配置为触摸面板。作为另一示例，操作装置907可以包括：用户通过其输入信息的输入单元(例如按钮、开关等)、基于来自用户的输入生成输入信号并将输入信号提供给处理器901的输入控制电路等。同时，上述操作单元151可以由操作装置907实现。

显示装置909是输出装置的示例，并且可以是诸如液晶显示器(LCD)装置或有机发光二极管(OLED)显示器的装置。在这种情况下，显示装置909可以通过显示屏幕来向用户呈现预定信息。另外，上述显示单元153可以由显示装置909实现。

通信装置911是包括在信息处理装置10中的通信装置，并且通过网络与外部装置通信。通信装置911是有线或无线通信接口。当通信装置911被配置为无线通信接口时，通信装置911可以包括通信天线、射频(RF)电路、基带处理器等。

通信装置911具有对来自外部装置的信号执行各种信号处理的功能，并且可以将从接收的模拟信号生成的数字信号提供给处理器901。另外，上述通信单元17可以由通信装置911实现。

检测装置913是用于检测信息处理装置10的壳体的位置和朝向的变化的装置。例如，检测装置913可以由诸如加速度传感器、角速度传感器等的各种传感器构成。另外，上述传感器单元13可以由检测装置913实现。

总线915将处理器901、存储器903、储存器905、操作装置907、显示装置909、通信装置911和检测装置913彼此连接。总线915可以包括多种类型的总线。

此外，可以创建用于使包括在计算机中的硬件(诸如处理器、存储器和储存器)执行与上述信息处理装置10的组件相同的功能的程序。此外，可以提供存储该程序的计算机可读记录介质。

<6.结论>

如上所述，在根据本实施例的信息处理系统中，信息处理装置10获取基于摇动直接或间接指示信息处理装置10和可穿戴终端30中的每一个的壳体的位置和朝向中的至少一个沿时间序列的变化的特征量向量(例如，位移数据)。然后，信息处理装置10基于为信息处理装置10和可穿戴终端30获取的特征量向量，取消由锁定功能设置的预定限制。具体地，信息处理装置10基于信息处理装置10和可穿戴终端30的特征量向量执行信息处理装置10和可穿戴终端30是否被摇动的确定，以及信息处理装置10和可穿戴终端30的特征量向量之间的相似度的确定中的一个或两者。然后，信息处理装置10基于执行确定的结果来取消由锁定功能设置的预定限制。

根据该配置，在根据本实施例的信息处理系统中，每当取消限制时生成不同的数据，作为获取的特征量向量。因此，根据本实施例的信息处理系统可以抑制由于如在肩部黑客中那样恶意用户未经许可察看用于限制取消的信息并非法取消限制而使得用于限制取消的信息泄漏的情况发生。

另外，在根据本实施例的信息处理系统中，恶意用户难以仅通过信息处理装置10取消信息处理装置10的限制。也就是说，恶意用户将需要获取信息处理装置10和可穿戴终端30以取消信息处理装置10的限制。此外，信息处理装置10和可穿戴终端30的所有者丢失信息处理装置10和可穿戴终端30两者的概率比仅丢失信息处理装置10和可穿戴终端30之一的概率低。因此，从操作的角度，根据本实施例的信息处理系统可以确保相对高的安全性。

另外，在根据本实施例的信息处理系统中，当取消限制时，用户需要有意地摇动信息处理装置10和可穿戴终端30。因此，可以防止如在上述作为比较示例4(参照图4)的示例中那样在用户不期望的定时取消限制的情况。

此外，在根据本实施例的信息处理系统中，用户仅需要摇动信息处理装置10和可穿戴终端30两者以取消限制，而不需要用于取消限制的复杂的过程。

此外，只要信息处理装置10和可穿戴终端30包括用于向/从彼此发送/接收数据的通信装置和用于检测壳体的摇动的传感器(例如，加速度传感器)，就可以实现根据本实施例的信息处理系统。这样的装置是通常安装在诸如近年来所谓的智能手机的便携式信息处理装置中的装置。因此，可以在不安装特殊装置的情况下，通过使用用于信息处理装置10和可穿戴终端30的旧装置来实现根据本实施例的上述信息处理系统。

以上已经参照附图描述了本公开的优选实施例(一个或多个)，而本公开不限于上述示例。本领域技术人员可以在随附权利要求的范围内找到各种改变和修改，并且应当理解，它们将自然地落入本公开的技术范围内。

此外，本说明书中描述的效果仅仅是说明性或示例性的效果，而不是限制性的。也就是说，利用或代替上述效果，根据本公开的技术可以实现基于本说明书的描述对本领域技术人员清楚的其它效果。

另外，本技术还可以被配置如下。

(1)

一种信息处理装置，包括：

获取单元，其获取特征量向量，所述特征量向量直接或间接地指示先前关联的多个不同装置中的每一个装置的壳体的位置和朝向中的至少一个沿时间序列的变化；以及

控制器，其基于所获取的与所述多个装置中的每一个对应的特征量向量来取消预先设置的预定限制。

(2)

根据(1)所述的信息处理装置，其中，所述获取单元被安装在所述多个装置中的一个装置的壳体中，并且从通过网络链接到所述一个装置的另一装置获取与所述另一装置对应的特征量向量。

(3)

根据(1)所述的信息处理装置，其中，所述控制器基于与所述多个装置分别对应的特征量向量之间的比较来确定该特征量向量之间的相似度，并且基于确定结果取消预定限制。

(4)

根据(3)所述的信息处理装置，其中，所述控制器基于与所述多个装置分别对应的特征量向量之间的统计距离来确定所述相似度。

(5)

根据(3)所述的信息处理装置，其中，所述控制器基于与所述多个装置分别对应的特征量向量之间沿时间序列的相关性来确定所述相似度。

(6)

根据(3)所述的信息处理装置，其中，所述控制器基于与所述多个装置分别对应的特征量向量之间的互信息量来确定所述相似度。

(7)

根据(3)所述的信息处理装置，其中，所述控制器基于教师数据确定所获取的与所述多个装置分别对应的特征量向量之间的相似度，所述教师数据是基于机器学习预先累积的，并通过将与所述多个装置分别对应的特征量向量与所提取的特征量向量之间的相似度的确定结果关联来获得的。

(8)

根据(3)-(7)中任一项所述的信息处理装置，其中，所述控制器沿时间序列移位与所述多个装置分别对应的特征量向量中的至少一个，并且基于移位后的该特征量向量来确定所述相似度。

(9)

根据(8)所述的信息处理装置，其中，所述控制器沿所述时间序列移位与所述多个装置分别对应的特征量向量中的至少一个，使得所述特征量向量之间的统计距离变得更小。

(10)

根据(8)或(9)所述的信息处理装置，其中，所述控制器在不超过预定时间宽度的范围内，沿时间序列移位与所述多个装置分别对应的特征量向量中的至少一个。

(11)

根据(1)所述的信息处理装置，其中，所述控制器针对所述特征量向量中的每一个执行识别处理，并且基于针对特征量向量中的每一个的识别处理的结果，取消预先设置的预定限制，其中所述识别处理用于识别与所述多个装置中的每一个对应的特征量向量是否指示相应装置的壳体的位置和朝向中的至少一个沿时间序列的预定变化的特征。

(12)

根据(1)至(11)中任一项所述的信息处理装置，包括：

特征提取单元，其从与所述多个装置分别对应的特征量向量中提取指示所述特征量向量中的样本数据的特征的特征值，并且基于所提取的特征值生成新的特征量向量，

其中，所述控制器基于与所述多个装置分别对应的所述新的特征量向量之间的比较来取消所述限制。

(13)

根据(12)所述的信息处理装置，其中，所述特征提取单元基于针对所述特征量向量的主分量分析，提取包括在所述特征量向量中的各样本数据沿时间序列在主分量方向上的位移作为所述特征值。

(14)

根据(12)所述的信息处理装置，其中，所述特征提取单元基于针对与所述多个装置分别对应的特征量向量的典型相关分析，分别指定在所述特征量向量之间沿时间序列具有高的位移相关性的方向，并且提取分别包括在特征量向量中的各样本数据沿时间序列在指定方向上的位移作为特征值。

(15)

根据(1)至(14)中任一项所述的信息处理装置，包括：

数据插值单元，其基于分别指示沿时间序列的变化并且包括在特征量向量中的样本数据，针对特征量向量插值新的样本数据，

其中，所述控制器基于与已被插值所述新的样本数据的所述多个装置分别对应的特征量向量之间的比较来取消所述限制。

(16)

根据(15)所述的信息处理装置，其中，所述数据插值单元基于多项式插值来针对所述特征量向量插值新的样本数据。

(17)

根据(15)所述的信息处理装置，其中，所述数据插值单元基于线性回归配置指示包括在所述特征量向量中的样本数据的模型，并且基于所述模型插值所述新的样本数据。

(18)

根据(1)至(17)中任一项所述的信息处理装置，其中，所述多个装置中的至少一个装置是当在使用时能够穿戴在人的身体上的可穿戴装置。

(19)

一种信息处理方法，包括：

获取直接或间接地指示先前关联的多个不同装置中的每一个装置的壳体的位置和朝向中的至少一个沿时间序列的变化的特征量向量；以及

通过处理器来基于所获取的与所述多个装置分别对应的特征量向量之间的比较，取消预先设置的预定限制。

(20)

一种信息处理系统，包括：

多个装置，每个装置包括检测单元，所述检测单元检测壳体的位置和朝向中的至少一个沿时间序列的变化；

获取单元，针对所述多个装置中的每一个装置，获取直接或间接地指示所检测到的沿时间序列的变化的特征量向量；以及

控制器，所述控制器基于所获取的与所述多个装置分别对应的特征量向量之间的比较来取消预先设置的预定限制。

附图标记列表

10 信息处理装置

11 控制器

111 位移数据获取单元

113 数据插值单元

115 特征提取单元

117 确定单元

13 传感器单元

15 UI

151 操作单元

153 显示单元

17 通信单元

30 可穿戴终端

31 控制器

33 传感器单元

35 UI

351 操作单元

353 显示单元

37 通信单元

Claims (18)

1.一种信息处理装置，包括：

获取单元，其获取特征量向量，所述特征量向量直接或间接地指示先前通过网络彼此关联的多个不同装置中的每一个装置的壳体的位置和朝向中的至少一个沿时间序列的变化；以及

控制器，其基于所获取的与所述多个装置中的每一个对应的特征量向量之间的比较来取消预先设置的预定限制，

其中，预定限制由应用到所述多个装置中的至少一个装置的锁定功能来设置，以及

其中，所述控制器基于根据机器学习累积的教师数据来确定所获取的与所述多个装置分别对应的特征量向量之间的相似度，并且基于相似度的确定结果取消预定限制。

2.根据权利要求1所述的信息处理装置，其中，所述获取单元被安装在所述多个装置中的一个装置的壳体中，并且从通过网络链接到所述一个装置的另一装置获取与所述另一装置对应的特征量向量。

3.根据权利要求1所述的信息处理装置，其中，所述控制器基于与所述多个装置分别对应的特征量向量之间的统计距离来确定所述相似度。

4.根据权利要求1所述的信息处理装置，其中，所述控制器基于与所述多个装置分别对应的特征量向量之间沿时间序列的相关性来确定所述相似度。

5.根据权利要求1所述的信息处理装置，其中，所述控制器基于与所述多个装置分别对应的特征量向量之间的互信息量来确定所述相似度。

6.根据权利要求1所述的信息处理装置，其中，所述控制器沿时间序列移位与所述多个装置分别对应的特征量向量中的至少一个，并且基于移位后的该特征量向量来确定所述相似度。

7.根据权利要求6所述的信息处理装置，其中，所述控制器沿所述时间序列移位与所述多个装置分别对应的特征量向量中的至少一个，使得所述特征量向量之间的统计距离变得更小。

8.根据权利要求6所述的信息处理装置，其中，所述控制器在不超过预定时间宽度的范围内，沿时间序列移位与所述多个装置分别对应的特征量向量中的至少一个。

9.根据权利要求1所述的信息处理装置，其中，所述控制器针对所述特征量向量中的每一个执行识别处理，并且基于针对特征量向量中的每一个的识别处理的结果，取消预先设置的预定限制，其中所述识别处理用于识别与所述多个装置中的每一个对应的特征量向量是否指示相应装置的壳体的位置和朝向中的至少一个沿时间序列的预定变化的特征。

10.根据权利要求1所述的信息处理装置，包括：

特征提取单元，其从与所述多个装置分别对应的特征量向量中提取指示所述特征量向量中的样本数据的特征的特征值，并且基于所提取的特征值生成新的特征量向量，

其中，所述控制器基于与所述多个装置分别对应的所述新的特征量向量之间的比较来取消所述限制。

11.根据权利要求10所述的信息处理装置，其中，所述特征提取单元基于针对所述特征量向量的主分量分析，提取包括在所述特征量向量中的各样本数据沿时间序列在主分量方向上的位移作为所述特征值。

12.根据权利要求10所述的信息处理装置，其中，所述特征提取单元基于针对与所述多个装置分别对应的特征量向量的典型相关分析，分别指定在所述特征量向量之间沿时间序列具有高的位移相关性的方向，并且提取分别包括在特征量向量中的各样本数据沿时间序列在指定方向上的位移作为特征值。

13.根据权利要求1所述的信息处理装置，包括：

数据插值单元，其基于分别指示沿时间序列的变化并且包括在特征量向量中的样本数据，针对特征量向量插值新的样本数据，

其中，所述控制器基于与已被插值所述新的样本数据的所述多个装置分别对应的特征量向量之间的比较来取消所述限制。

14.根据权利要求13所述的信息处理装置，其中，所述数据插值单元基于多项式插值来针对所述特征量向量插值新的样本数据。

15.根据权利要求13所述的信息处理装置，其中，所述数据插值单元基于线性回归配置指示包括在所述特征量向量中的样本数据的模型，并且基于所述模型插值所述新的样本数据。

16.根据权利要求1所述的信息处理装置，其中，所述多个装置中的至少一个装置是当在使用时能够穿戴在人的身体上的可穿戴装置。

17.一种信息处理方法，包括：

获取直接或间接地指示先前通过网络彼此关联的多个不同装置中的每一个装置的壳体的位置和朝向中的至少一个沿时间序列的变化的特征量向量；以及

通过处理器来基于所获取的与所述多个装置分别对应的特征量向量之间的比较，取消预先设置的预定限制，

其中，预定限制由应用到所述多个装置中的至少一个装置的锁定功能来设置，以及

基于根据机器学习累积的教师数据来确定所获取的与所述多个装置分别对应的特征量向量之间的相似度，并且基于相似度的确定结果取消预定限制。

18.一种信息处理系统，包括：

多个装置，每个装置包括检测单元，所述检测单元检测先前通过网络彼此关联的多个不同装置中的每一个装置的壳体的位置和朝向中的至少一个沿时间序列的变化；

获取单元，针对所述多个装置中的每一个装置，获取直接或间接地指示所检测到的沿时间序列的变化的特征量向量；以及

控制器，所述控制器基于所获取的与所述多个装置分别对应的特征量向量之间的比较来取消预先设置的预定限制，

其中，预定限制由应用到所述多个装置中的至少一个装置的锁定功能来设置，以及

其中，所述控制器基于根据机器学习累积的教师数据来确定所获取的与所述多个装置分别对应的特征量向量之间的相似度，并且基于相似度的确定结果取消预定限制。

Images