審判番号 不服2021-004204
請求人 ニューラルポケット株式会社（代理人 弁理士2名）
特願２０２０－１７７８２１「情報処理システム、情報処理装置、サーバ装置、プログラム、又は方法」拒絶査定不服審判事件〔令和４年１月１８日出願公開、特開２０２２－１３５６１、請求項の数（１７）〕について、次のとおり審決する。
結 論
原査定を取り消す。
本願の発明は、特許すべきものとする。
理 由
第１ 手続の経緯
本願は，２０２０年（令和２年）７月１日を国際出願日とする特願２０２０－５３６９０３号の一部を令和２年１０月２３日に新たな特許出願としたものであって，その手続の経緯は，概略，以下のとおりである。
令和２年１０月２３日 ：上申書，手続補正書の提出
令和２年１１月１３日付け：拒絶理由通知
令和２年１２月１５日 ：意見書，手続補正書の提出
令和２年１２月２５日付け：拒絶査定（以下「原査定」という。）
令和３年４月１日 ：拒絶査定不服審判の請求，手続補正書の提出
令和４年２月１日付け：拒絶理由（以下「当審拒絶理由」という。）
通知
令和４年４月６日 ：意見書，手続補正書の提出
第２ 原査定の概要
原査定の概要は，次のとおりである。
この出願の請求項１～３，５～１７に係る発明は，以下の引用文献１および３に記載された発明に基づいて，その発明の属する技術の分野における通常の知識を有する者（以下，「当業者」という。）が容易に発明をすることができたものであり，この出願の請求項４に係る発明は，以下の引用文献１～３に記載された発明に基づいて，当業者が容易に発明できたものであるから，特許法第２９条第２項の規定により特許を受けることができない。
引用文献１： 特開２０１９－１０１５６６号公報
引用文献２： 特開２００６－３２３７０２号公報
引用文献３： 特開２０２０－０６０８４１号公報
第３ 本願発明
本願請求項１～１７に係る発明（以下，それぞれ「本願発明１」～「本願発明１７」という。）は，令和４年４月６日に提出された手続補正書により補正された特許請求の範囲の請求項１～１７に記載された事項により特定される，次のとおりの発明である。
「【請求項１】
第１利用者に係る第１端末装置に対し，前記第１端末装置のＷＥＢブラウザ上で実行可能な機械学習済み機能を有するプログラムを，送信可能な第１送信部と，
前記第１端末装置に係る撮像装置によって撮像された画像が使用されて，前記ＷＥＢブラウザ上で実行された前記プログラム内の前記機械学習済み機能が生成した，前記第１端末装置に係る利用者属性情報を含む情報を，取得可能な取得部と，
前記利用者属性情報に基づく情報を，前記第１端末装置とは異なる第２端末装置に送信可能な第２送信部と，
を備えるシステムであって，
前記機械学習済み機能は，少なくとも，画像と画像内の人の健康情報を示す情報との関係，を機械学習済みであり，
前記利用者属性情報は，人の健康情報を示す情報，を含み，
前記人の健康情報を示す情報は，人の姿勢，及び／又は，人と撮像装置との距離を含み，
前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む，
システム。
【請求項２】
前記利用者属性情報を用いて，統計処理を行う統計処理部を有する，
請求項１に記載のシステム。
【請求項３】
前記統計処理部は，時間帯と，前記第１利用者の健康の程度を示す情報，の相関関係を統計処理する，
請求項２に記載のシステム。
【請求項４】
前記機械学習済み機能は，更に，画像と画像内の人の集中程度を示す情報との関係，を機械学習済みであり，
前記プログラムは，前記人の集中程度を示す情報が，所定以上の集中の程度を示す場合，集中モード，に切り替える，
請求項１乃至３のいずれか１項に記載のシステム。
【請求項５】
前記取得部は，前記撮像装置によって撮像された画像を取得しない，
請求項１乃至４のいずれか１項に記載のシステム。
【請求項６】
前記プログラムは，予め第１利用者に係る顔に係る情報を，前記第１端末装置内の前記プログラムがアクセス可能なキャッシュ内に格納し，
前記プログラムは，前記画像内の顔が，前記顔に係る情報と異なる場合にアラートを生成する，
請求項１乃至５のいずれか１項に記載のシステム。
【請求項７】
前記システムは，メモリを備える，
請求項１乃至６のいずれか１項に記載のシステム。
【請求項８】
システムを，
第１利用者に係る第１端末装置に対し，前記第１端末装置のＷＥＢブラウザ上で実行可能な機械学習済み機能を有するプログラムを，送信可能な第１送信手段，
前記第１端末装置に係る撮像装置によって撮像された画像が使用されて，前記ＷＥＢブラウザ上で実行された前記プログラム内の前記機械学習済み機能が生成した，前記第１端末装置に係る利用者属性情報を含む情報を，取得可能な取得手段，
前記利用者属性情報に基づく情報を，前記第１端末装置とは異なる第２端末装置に送信可能な第２送信手段，
として動作させるためのプログラムであって，
前記機械学習済み機能は，少なくとも，画像と画像内の人の健康情報を示す情報との関係，を機械学習済みであり，
前記利用者属性情報は，人の健康情報を示す情報，を含み，
前記人の健康情報を示す情報は，人の姿勢，及び／又は，人と撮像装置との距離を含み，
前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む，
プログラム。
【請求項９】
前記システム内の演算装置が実行する，請求項８に記載のプログラム。
【請求項１０】
システムが，
第１利用者に係る第１端末装置に対し，前記第１端末装置のＷＥＢブラウザ上で実行可能な機械学習済み機能を有するプログラムを，送信する第１送信ステップ，
前記第１端末装置に係る撮像装置によって撮像された画像が使用されて，前記ＷＥＢブラウザ上で実行された前記プログラム内の前記機械学習済み機能が生成した，前記第１端末装置に係る利用者属性情報を含む情報を，取得する取得ステップ，
前記利用者属性情報に基づく情報を，前記第１端末装置とは異なる第２端末装置に送信する第２送信ステップ，
を実行する方法であって，
前記機械学習済み機能は，少なくとも，画像と画像内の人の健康情報を示す情報との関係，を機械学習済みであり，
前記利用者属性情報は，人の健康情報を示す情報，を含み，
前記人の健康情報を示す情報は，人の姿勢，及び／又は，人と撮像装置との距離を含み，
前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む，
方法。
【請求項１１】
前記システム内の演算装置が実行する，請求項１０に記載の方法。
【請求項１２】
第１端末装置のＷＥＢブラウザ上で実行可能な機械学習済み機能を有するプログラムを，取得可能な第１取得部，
前記第１端末装置に係る撮像装置によって撮像された画像が使用されて，前記ＷＥＢブラウザ上で実行された前記プログラム内の前記機械学習済み機能が生成した，前記第１端末装置に係る利用者属性情報を含む情報を，送信可能な送信部，
前記第１端末装置とは異なる第２端末装置に係る利用者属性情報に基づく情報を，取得可能な取得部，
を備える第１端末装置であって，
前記機械学習済み機能は，少なくとも，画像と画像内の人の健康情報を示す情報との関係，を機械学習済みであり，
前記利用者属性情報は，人の健康情報を示す情報，を含み，
前記人の健康情報を示す情報は，人の姿勢，及び／又は，人と撮像装置との距離を含み，
前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む，
第１端末装置。
【請求項１３】
前記第１端末装置内の演算装置が実行する，請求項１２に記載の第１端末装置。
【請求項１４】
第１端末装置を，
前記第１端末装置に係る撮像装置によって撮像された画像を取得する取得手段，
前記画像に対して，機械学習済み機能を適用して生成した，前記第１端末装置に係る利用者属性情報を含む情報を，管理装置に対して，送信する送信手段，
前記第１端末装置とは異なる第２端末装置に係る利用者属性情報に基づく情報を，取得する取得手段，
として動作させるための，前記第１端末装置のＷＥＢブラウザ上で実行可能で，前記機械学習済み機能を有する，プログラムであって，
前記機械学習済み機能は，少なくとも，画像と画像内の人の健康情報を示す情報との関係，を機械学習済みであり，
前記利用者属性情報は，人の健康情報を示す情報，を含み，
前記人の健康情報を示す情報は，人の姿勢，及び／又は，人と撮像装置との距離を含み，
前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む，
プログラム。
【請求項１５】
前記第１端末装置内の演算装置が実行する，請求項１４に記載のプログラム。
【請求項１６】
機械学習済み機能を有し，ＷＥＢブラウザ上で実行可能な機械学習済み機能を有するプログラムを実行する，第１端末装置が，
前記第１端末装置に係る撮像装置によって撮像された画像を取得する取得ステップ，
前記画像に対して，前記機械学習済み機能を適用して生成した，前記第１端末装置に係る利用者属性情報を含む情報を，管理装置に対して，送信する送信ステップ，
前記第１端末装置とは異なる第２端末装置に係る利用者属性情報に基づく情報を，取得する取得ステップ，
を実行する方法であって，
前記機械学習済み機能は，少なくとも，画像と画像内の人の健康情報を示す情報との関係，を機械学習済みであり，
前記利用者属性情報は，人の健康情報を示す情報，を含み，
前記人の健康情報を示す情報は，人の姿勢，及び／又は，人と撮像装置との距離を含み，
前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む，
方法。
【請求項１７】
前記第１端末装置内の演算装置が実行する，請求項１６に記載の方法。」
第４ 引用文献の記載，引用発明等
１ 引用文献１
（１）原査定の拒絶の理由にて引用された引用文献１には，図面とともに，次の記載がある（下線は当審による。以下同様。）。
ア 「【技術分野】
【０００１】
本発明は，ユーザの在席状況を管理する情報処理システム，情報処理方法，情報処理プログラム，および情報処理装置に関する。
【背景技術】
【０００２】
従来より，不在者の情報を提示するシステムがある。例えば，特許文献１に記載の情報処理システムでは，座席を訪問した人がスマートデバイスを用いてＡＲマーカを撮像し，ＡＲマーカに紐づいた座席位置をデータベースから読み取り，座席位置に対応する人物が在席しているか不在かを判定する。そして，不在と判定された人物を特定し，特定された人物のプレゼンス情報を提示する。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】 特開２０１６－１９２７４６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，上記従来の技術では，ユーザは，座席位置に対応する人物が在席しているか否かを，その座席位置まで移動して確認する必要があった。
【０００５】
それ故，本発明の目的は，ユーザの在席状況をその座席位置まで移動することなく確認することができるシステムを提供することである。」
イ 図１
〔図省略〕
ウ 「【００２９】
図１に示されるように，在席情報管理システム１は，サーバ１０と，複数のユーザ端末２０とを含む。サーバ１０と，複数のユーザ端末２０とは有線又は無線でネットワーク（例えば，社内ＬＡＮ，ＷＡＮ，インターネット等）に接続されている。
【００３０】
ユーザ端末２０は，各ユーザによって使用される端末であり，例えば各ユーザのデスクに設置される。ユーザ端末２０は，例えば，据置型のパーソナルコンピュータ，ノートパソコン，タブレット端末等であってもよい。ユーザ端末２０には，文書作成・編集ソフト，表計算ソフト，ウェブブラウザソフト，電子メールソフト等のユーザが通常の業務に使用するアプリケーションプログラムがインストールされている。また，ユーザ端末２０には，これらのプログラムの他に，ユーザが在席しているか否かを判定するためのプログラムがインストールされている。
【００３１】
なお，以下では，例えばユーザＡが使用するユーザ端末２０を「ユーザ端末２０ａ」，ユーザＢが使用するユーザ端末２０を「ユーザ端末２０ｂ」と表記する。あるユーザに対応するユーザ端末２０を表す場合には，「ユーザ端末２０」にアルファベットの小文字を付して表記する。複数のユーザ端末をまとめて表す場合には，「ユーザ端末２０」と表記する。
【００３２】
ユーザ端末２０は，その端末を使用するユーザが在席しているか否か（座席に座っているか否か）を判定し，その判定結果に応じた在席情報をサーバ１０に送信する。具体的には，ユーザの座席の周辺にはカメラ２２が設置されている。カメラ２２は，例えば，ユーザ端末２０の表示部の画面の上に設置されてもよい。カメラ２２は，ユーザ端末２０に内蔵されたものでもよいし，ユーザ端末２０に外付けされたものでもよい。ユーザ端末２０は，カメラ２２によって撮像されたリアルタイムの画像を取得し，当該画像に基づいてユーザの顔を検出し，その検出結果に基づいて，ユーザが在席しているか否かを判定する。そして，ユーザ端末２０は，ユーザが在席しているか否かを示す在席情報を，ネットワークを介してサーバ１０に送信する。
【００３３】
サーバ１０は，ユーザ端末２０から送信された在席情報を受信し，その在席情報を時間情報とともにデータベースに記憶する。サーバ１０には，各ユーザ端末２０から送信された各ユーザの在席情報（各ユーザが座席にいるか否かの情報）が，時間情報とともに記憶される。
【００３４】
各ユーザは，例えば，自身が使用するユーザ端末２０のウェブブラウザを用いてサーバ１０にアクセスし，他のユーザの在席情報を確認することができる。例えば，ユーザＡの座席とユーザＢの座席とが物理的に離れている場合，ユーザＡは，ユーザＢが現在，在席しているかどうかを目視で確認することはできない。このような場合，ユーザＡは，サーバ１０にアクセスすることにより，ユーザＢが在席しているか否かを確認することができる。」
エ 図２
〔図省略〕
オ 「【００３８】
図２に示されるように，ユーザ端末２０は，情報処理部２１と，カメラ２２と，入力部２３と，記憶部２４と，通信部２５と，表示部２６とを備える。
【００３９】
情報処理部２１は，ＣＰＵとメモリとを有する。情報処理部２１は，カメラ２２からの画像を取得し，情報処理プログラム（後述する画像処理プログラム）を実行することにより画像処理を行う。情報処理部２１は，画像認識プログラムを実行することにより，後述する顔検出部２７，在席判定部２８（図３参照）として機能する。
（中略）
【００４３】
記憶部２４は，本実施形態の画像処理プログラムやデータを記憶する記憶装置であり，例えば，ハードディスクや不揮発性のメモリであってもよい。また，記憶部２４は，ユーザが在席しているか否かの在席判定を行うためのデータを記憶する。また，記憶部２４は，画像処理プログラムの他にも，ユーザが通常の業務で用いるアプリケーションプログラム等を記憶する。
（中略）
【００５１】
また，別の実施例では，在席判定部２８は，カメラ２２からの入力画像に含まれる顔画像と予め記憶された各ユーザの顔の特徴を示す顔データとに基づいて顔認証を行い，人物を特定してもよい。具体的には，在席判定部２８は，入力画像から目，鼻，口，耳等を検出し，これらの形や大きさ，位置関係等に基づく特徴と，予め記憶された顔データとに基づいて，ユーザを特定する。この場合，在席判定部２８は，例えば，ユーザＡの座席にユーザＡが着席している場合にのみ，ユーザＡが在席していると判定する。
（中略）
【００５３】
在席判定部２８は，在席判定の結果に基づいて，在席情報（在席しているか否かを示す情報。後述する在席フラグ）を，通信部２５を介してサーバ１０に送信する。具体的には，在席判定部２８は，ユーザの在席状態が変化した場合，すなわち，在席している状態から離席している状態に変化した場合，又は，離席している状態から在席している状態に変化した場合，在席情報を時間情報とともにサーバ１０に送信する。
【００５４】
なお，上記顔検出部２７によるユーザの顔の検出，および，在席判定部２８によるユーザの在席判定は，開発者が検出や判定のためのルールを予め定めてプログラムすることにより実現されてもよいし，コンピュータに大量のデータを読み込ませて機械学習（深層学習を含む）させることにより実現されてもよい。」
カ 図４
〔図省略〕
キ 「【００５７】
図４に示されるように，サーバ１０は，在席情報取得部１１と，在席状況管理部１２と，データベース１３と，出力部１４とを含む。
【００５８】
在席情報取得部１１は，各ユーザ端末２０から送信された在席情報と時間情報とを取得し，これら取得した情報を在席状況管理部１２に出力する。
【００５９】
在席状況管理部１２は，在席情報取得部１１が取得した在席情報と時間情報とをデータベース１３に記憶する。なお，在席情報取得部１１によってユーザ端末２０から在席情報が取得された場合，在席状況管理部１２は，その在席情報が取得された時点におけるサーバ１０上の計時手段（ＲＴＣ）によって計時される時間情報を，取得された在席情報とともにデータベース１３に記憶してもよい。
【００６０】
また，在席状況管理部１２は，データベース１３に記憶された在席情報を読み取り，読み取った在席情報に応じた情報を出力部１４に出力する。例えば，ユーザ端末２０から特定のユーザの在席情報の取得要求があった場合，在席状況管理部１２は，データベース１３にアクセスして特定のユーザの在席情報と時間情報とを取得し，出力部１４に出力する。
【００６１】
出力部１４は，在席状況管理部１２からの情報を外部（例えばユーザ端末２０や外部の他の装置）に出力する。例えば，出力部１４は，特定のユーザの在席情報をユーザ端末２０にネットワーク経由で送信してもよいし，複数のユーザの在席情報をユーザ端末２０に送信してもよい。
【００６２】
また，出力部１４は，例えばユーザ端末２０からの要求に応じて，所定期間（例えば，１日間，１ヶ月間，半年間，１年間等）における１又は複数のユーザの在席情報の統計データをレポートとして出力してもよい。この場合，出力部１４は，所定期間における統計データを画像として出力してもよいし，テキストとして出力してもよい。例えば，出力部は，所定期間におけるユーザの在席時間の合計，および，離席時間の合計を棒グラフ，円グラフ等のグラフとして出力してもよい。例えば，あるユーザについて，１ヶ月間の在席時間，および，離席時間を出力してもよい。また，出力部１４は，所定期間における１又は複数のユーザの在席時間および離席時間の割合を出力してもよい。」
ク 図５
〔図省略〕
ケ 「【００６４】
なお，他の実施例では，ユーザ端末２０は，ユーザが在席しているか否かの在席判定に加えて，ユーザの他の状態を判定してもよい。例えば，ユーザ端末２０は，ユーザが居眠りしている状態か否かの居眠り判定を行ってもよい。
【００６５】
図５は，第２実施例に係るユーザ端末２０の論理構成の一例を示す図である。図５に示されるように，ユーザ端末２０は，顔検出部２７，在席判定部２８に加えて，居眠り検知部２９を含む。また，ユーザ端末２０は，物体検知部３０を含む。記憶部２４に記憶された画像認識プログラムは，上記情報処理部２１を，顔検出部２７，在席判定部２８，居眠り検知部２９，および，物体検知部３０として機能させる。
【００６６】
居眠り検知部２９は，在席判定部２８によってユーザが在席していると判定された場合，カメラ２２からの入力画像に含まれる顔画像に基づいて，ユーザが居眠りをしているか否かの居眠り判定を行う。例えば，居眠り検知部２９は，顔画像からユーザの目を検出し，目が開いているか否か，目が閉じている時間，瞬きの時間間隔，これらのパターン等に基づいて，ユーザの居眠り判定を行う。また，居眠り検知部２９は，目の開閉状態，目の動きに加えて，頭の動きや傾き，手の位置や動き，ユーザの姿勢等，ユーザの行動を総合的に判断することにより，居眠り判定を行ってもよい。例えば，ユーザが居眠りしている様子をカメラ２２で撮像し，ユーザ端末２０に学習させることにより，居眠り検知部２９は，ユーザが居眠りしているか否かを判定することができる。また，居眠り検知部２９は，顔検出部２７によってユーザの顔が検出されなくなった後でも，ユーザが居眠りしていると判定することがある。例えば，ユーザが顔を伏せて居眠りする場合には，顔検出部２７によってユーザの顔が検出されないことがある。このような場合でも，在席判定部２８はユーザが引き続き在席していると判定し，居眠り検知部２９は，ユーザが居眠りしているか否かを判定する。例えば，居眠り検知部２９は，ユーザの頭を検出し，頭の傾きに基づいて，ユーザが居眠りしているか否かを判定してもよい。
【００６７】
居眠り検知部２９は，居眠り判定の結果に基づいて，ユーザが居眠りしているか否かを示す居眠り情報（後述する居眠りフラグ）を，通信部２５を介してサーバ１０に送信する。具体的には，居眠り検知部２９は，ユーザの居眠り状態が変化した場合（居眠りしていない状態から居眠りしている状態に変化した場合，又は，居眠りしている状態から居眠りしていない状態に変化した場合），居眠り情報を時間情報とともにサーバ１０に送信する。」
コ 「【００８３】
なお，ユーザ端末２０は，ユーザが居眠りしている場合，カメラ２２によって撮像された画像を保存してもよい。具体的には，居眠り検知部２９によってユーザの居眠りが検知されていないときには，ユーザ端末２０は，カメラ２２からの入力画像をユーザ端末２０に保存することなく，当該入力画像に基づいて，上記在席判定や居眠り判定を行う。居眠り検知部２９によってユーザの居眠りが検知されたときには，ユーザ端末２０は，カメラ２２からの入力画像をユーザ端末２０に保存してもよい。また，居眠り検知部２９によってユーザの居眠りが検知されたときには，ユーザ端末２０は，カメラ２２からの入力画像をネットワーク上の他の装置（例えば画像記憶用の記憶装置やサーバ１０等）に送信し，当該他の装置が当該入力画像を保存してもよい。
（中略）
【００８５】
このように，居眠り検知部２９によってユーザの居眠りを検知し，居眠りしていることを示す情報をデータベース１３に記憶することで，管理者（各ユーザの上司や人事担当者）が各ユーザの勤務態度を評価する際に，これらの情報を参考にすることができる。」
（２）上記（１）より，特に，下線部に着目すると，引用文献１には，以下の発明（以下，「引用発明」という。）が記載されていると認められる。
「ユーザの在席状況を管理する情報処理システムであって，
在席情報管理システム１は，サーバ１０と，複数のユーザ端末２０とを含んでおり，
ユーザ端末２０は，各ユーザによって使用される端末であり，ユーザが在席しているか否かを判定するためのプログラムがインストールされており，
例えばユーザＡが使用するユーザ端末２０を「ユーザ端末２０ａ」，ユーザＢが使用するユーザ端末２０を「ユーザ端末２０ｂ」と表記でき，
ユーザ端末２０は，カメラ２２によって撮像されたリアルタイムの画像を取得し，当該画像に基づいてユーザの顔を検出し，その検出結果に基づいて，ユーザが在席しているか否かを判定し，ユーザが在席しているか否かを示す在席情報を，ネットワークを介してサーバ１０に送信しており，
サーバ１０は，ユーザ端末２０から送信された在席情報を受信し，その在席情報を時間情報とともにデータベースに記憶しており，
各ユーザは，例えば，自身が使用するユーザ端末２０のウェブブラウザを用いてサーバ１０にアクセスし，他のユーザの在席情報を確認することができ，
ユーザ端末２０は，情報処理部２１と，カメラ２２と，入力部２３と，記憶部２４と，通信部２５と，表示部２６とを備えており，
情報処理部２１は，ＣＰＵとメモリとを有し，カメラ２２からの画像を取得し，情報処理プログラム（画像処理プログラム）を実行することにより画像処理を行い，顔検出部２７，在席判定部２８として機能しており，
記憶部２４は，画像処理プログラムやデータを記憶する記憶装置であり，ユーザが在席しているか否かの在席判定を行うためのデータを記憶しており，
在席判定部２８は，カメラ２２からの入力画像に含まれる顔画像と予め記憶された各ユーザの顔の特徴を示す顔データとに基づいて顔認証を行い，人物を特定しており，
在席判定部２８は，在席判定の結果に基づいて，在席情報を，通信部２５を介してサーバ１０に送信しており，
在席判定部２８によるユーザの在席判定は，コンピュータに大量のデータを読み込ませて機械学習（深層学習を含む）させることにより実現されてもよく，
サーバ１０は，在席情報取得部１１と，在席状況管理部１２と，データベース１３と，出力部１４とを含んでおり，
出力部１４は，例えばユーザ端末２０からの要求に応じて，所定期間（例えば，１日間，１ヶ月間，半年間，１年間等）における１又は複数のユーザの在席情報の統計データをレポートとして出力してもよく，
ユーザ端末２０は，ユーザが在席しているか否かの在席判定に加えて，ユーザの他の状態を判定してもよく，例えば，ユーザが居眠りしている状態か否かの居眠り判定を行ってもよく，
ユーザ端末２０は，顔検出部２７，在席判定部２８に加えて，居眠り検知部２９を含んでおり，記憶部２４に記憶された画像認識プログラムは，上記情報処理部２１を，顔検出部２７，在席判定部２８，居眠り検知部２９，および，物体検知部３０として機能しており，
居眠り検知部２９は，在席判定部２８によってユーザが在席していると判定された場合，カメラ２２からの入力画像に含まれる顔画像に基づいて，ユーザが居眠りをしているか否かの居眠り判定を行っており，目の開閉状態，目の動きに加えて，頭の動きや傾き，手の位置や動き，ユーザの姿勢等，ユーザの行動を総合的に判断することにより，居眠り判定を行っており，ユーザが居眠りしている様子をカメラ２２で撮像し，ユーザ端末２０に学習させることにより，ユーザが居眠りしているか否かを判定しており，
例えば，ユーザが顔を伏せて居眠りする場合には，顔検出部２７によってユーザの顔が検出されないことがあるが，このような場合でも，在席判定部２８はユーザが引き続き在席していると判定し，居眠り検知部２９は，ユーザが居眠りしているか否かを判定しており，
居眠り検知部２９は，居眠り判定の結果に基づいて，ユーザが居眠りしているか否かを示す居眠り情報を，通信部２５を介してサーバ１０に送信しており，
居眠り検知部２９によってユーザの居眠りが検知されていないときには，ユーザ端末２０は，カメラ２２からの入力画像をユーザ端末２０に保存することなく，当該入力画像に基づいて，上記在席判定や居眠り判定を行い，
居眠り検知部２９によってユーザの居眠りを検知し，居眠りしていることを示す情報をデータベース１３に記憶することで，管理者（各ユーザの上司や人事担当者）が各ユーザの勤務態度を評価する際に，これらの情報を参考にすることができる
ユーザの在席状況を管理する情報処理システム。」
２ 引用文献２
原査定の拒絶の理由にて引用された引用文献２には，図面とともに，次の記載がある。
ア 「【技術分野】
【０００１】
本発明は，情報処理装置，情報処理方法及びプログラムに関する。
【背景技術】
【０００２】
近年，業務量増大により業務をより効率よく処理することが求められている。以前から，業務実施工程の見直しやマニュアル化，ＩＴ技術の活用などにより，業務の効率化が進んでいる。そのような中で，人間が個別に判断して処理しなければならない非定型業務の効率化は十分に行われていない。しかし，近年のオフィスにおける業務では，複数の業務を平行して実行する必然性が増加している。たとえば，ある処理を他の担当者や処理機器に実行させ，その作業を待っている間に別な処理を進め，作業が終了した時点で現在の仕事を中断または終了し，先の業務に戻るということが日常的に行われている。一方では，会議などの時間の制約を受ける業務の増加により，スケジュール調整などの問題による業務の遅延や作業者への過負荷などが問題となっている。
【０００３】
複数の業務を平行して行う技術としては，一般的にはＭＳ－ＷＩＮＤＯＷＳ（登録商標）やＸ－ＷＩＮＤＯＷに代表されるマルチウインドウシステムによる業務実行環境がよく知られている。利用者は，複数の業務を複数のウインドウを利用することで行い，ウインドウを順次切り替えることで複数の業務の実行を平行して行うことができる。
【０００４】
たとえば特許文献１は，個人がＰＣ（Personal Computer）を使用してある業務を実行中に，他の業務の実行が割り込むことで前者の業務を中断した場合，割り込んだ業務の処理状況をアプリケーションの実行状態を認識して管理することで，中断した業務の再開が可能となった時に利用者へ通知する装置について開示している。
【０００５】
また，特許文献２は，ワークステーション等の情報処理装置において，ページに栞（しおり）を付与する際，そのページ内容を容易に思い出すことが出来る記憶喚起用符合物(そのページの特徴的部分/そのページに対応させて創出したイメージ/そのページに対応させて選定した色またはシェード)を栞に施すことで，後で参照したいページに付ける栞を，ページ内容を容易に思い出せるものにする栞制御方式について開示している。
【０００６】
また，特許文献３は，利用者が指定した抽出レベルにマッチする所定単位の文書を抽出することで，テーマやキーワードを指定すること無く，文書の必要な部分のみの概要を抽
出できるようにする装置について開示している。
【０００７】
【特許文献１】 特開平７－５６７４８号公報
【特許文献２】 特開平５－１８１９１０号公報
【特許文献３】 特開２００２－９２００７号公報
【発明の開示】
【発明が解決しようとする課題】
【０００８】
しかし，特許文献１に記載の装置では，ある休止していたタスクを再開する際に，それまでどのような作業を行っていたかは利用者が把握しておく必要がある。また，特許文献２に記載の方式では，いつ作業を中断するか作業者らないものに対して，常に栞などのマーキングを施すのは手間がかかる。特許文献３に記載の装置では，適当な抽出レベルが選択できなければ，必要な情報を抽出することができない。また，文書のどの位置から抽出するかも利用者に依存する。
【０００９】
以上のように，従来の技術では，何らかのタスクＡを行っていたが，その作業の途中で他のタスクＢへの作業移行が生じ，さらに元のタスクＡに復帰した際に，元のタスクＡで何をしていたのか，あるいはどんなプロセスまで進んでいたか忘れてしまい，既に行われていた作業を重複して行ってしまうなどの，無駄が生じてしまう問題があった。
【００１０】
また，従来技術では，複数作業を効率よく処理するために，各タスクの開始・終了を明示するものや，どんな作業を行っていたかあらかじめ印付けしておくもの，作業者が指定した情報を抽出するものなどの解決手段をとっていた。しかしながら，各タスクの開始・終了を明示しただけでは作業の内容自体を想起させることにならない。また，あらかじめ印付けをしておく場合もどの時点で他の作業に移行するか把握できていなければ印付けの作業に大変な手間がかかる。更には，作業者が指定した情報を抽出する場合には，そもそも作業者がどんな作業をしていたか把握できていなければ抽出するＫＷ（キーワード）などを想起することができない。
【００１１】
また，従来技術では，ＰＣ等の計算機上での作業状態の復元等による支援を主としていた。一方で，それら計算機上で復元された状態を提示されたとしても，その状態を受け入れる作業者自身が，そのタスクの状態を受け入れることができなければ効果が得られない。つまり，作業者に対して，復元されたタスクの状態を作業者に受け入れさせることを支援しなければならない。例えば，その作業に対するモチベーション等，タスクに対する作業者の心理状態を含めた前作業時の状態を復元する必要がある。
【００１２】
そこで，本発明は，上記問題点に鑑みてなされたもので，元のタスクへの復帰を容易にさせ，効率的なタスク切り替えを可能にする情報処理装置，情報処理方法およびプログラムを提供することを目的とする。」
イ 図３（ｂ）
〔図省略〕
ウ 「【００４７】
図３の（ｂ）は，作業者１ＭのタスクＡの処理中の映像と，そのときの心的状態を示した例示図である。生成部４で生成したタスクＡの処理中の作業者１Ｍの心的状態が，集中状態にあった場合には，生成部４は，例えば図３の（ｂ）の上図を生成する。生成部４は，作業者１ＭのタスクＡの処理中の映像３０ａの左上にタスクＡの処理中の作業者１Ｍの心的状態である「集中状態」３１ａと表示する。また，生成部４は，作業者１ＭのタスクＡの処理中の映像を加工して，作業者１Ｍの頭部に色付けした映像３０ａを生成する。これにより，表示部５で作業者１ＭのタスクＡの処理中の映像３０ａを表示する場合に，作業者１Ｍは，容易にタスクの処理中の作業者１Ｍの心的状態を把握することができる。
【００４８】
また，生成部４で生成したタスクＡの処理中の作業者１Ｍの心的状態が，注意散漫状態であった場合には，図３の（ｂ）の下図にあるような映像３０ｂを生成する。即ち，生成部４は，左上にタスクＡの処理中の作業者１Ｍの心的状態である「注意散漫状態」３１ｂと表示し，作業者１ＭのタスクＡの処理中の映像を加工して，作業者１Ｍが視線を頻繁に切り替える映像３０ｂを生成する。」
３ 引用文献３
原査定の拒絶の理由にて引用された引用文献３には，図面とともに，次の記載がある。
ア 「【技術分野】
【０００１】
本発明は，情報処理方法，及び，情報処理システムに関する。
【背景技術】
【０００２】
無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）又は携帯電話回線等の無線通信を利用して，運転手が搭乗しない車両又は運転手が操作せず，自律的な走行が可能な車両を，遠隔地にいるオペレータが間接的に操作する遠隔操作システムがある。
【０００３】
このような遠隔操作システムは，車両に搭載されたミリ波レーダ，レーザーレーダ，カメラなど様々なセンサから車両周辺を観測して得られるセンシング結果を，車両（以降，被操作車両と記載）から通信手段を介してオペレータに伝える。オペレータは，伝えられたセンシング結果に基づいて，被操作車両の状態，及び，被操作車両の周辺の状態を把握し，被操作車両をどのように制御するかを判断し，車両の制御の方法を検討する。そして，オペレータは，車両の走行に関する制御信号を被操作車両に伝えることで，遠隔から被操作車両を制御する。
【０００４】
例えば，特許文献１は，被操作車両が特定エリアへ侵入した場合に，被操作車両を遠隔操作する遠隔操作装置を決定し遠隔操作する技術を開示している。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】 特開２０１７－１４７６２６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
特許文献１のような従来技術では，オペレータによる被操作車両の操作に先立って，オペレータ又はオペレータとは別の操作を行わない監視者（以下，まとめて監視者とも記載）による被操作車両の監視が行われる。以下，監視される車両を被監視車両と記載する。監視者は，いつ，どこで事故等の危険な状況が発生するかわからないため，できる限り全てのシーンを監視することが要求され，監視負担が大きい。そのため，監視者の監視負担を低減することが望まれる。しかし，特許文献１には，車両を遠隔操作するオペレータの負担を低減する発明は開示されているが，車両を遠隔監視する監視者の監視負担を低減する方法は開示されていない。
【０００７】
そこで，本発明は，監視者の監視負担を低減することができる情報処理方法を提供する。」
イ 「【００８８】
状態取得部２０は，監視者の状態を示す状態情報を取得する処理部である。状態情報は，車両の監視が割り当てられている監視者の状態を示す状態情報であり，具体的には，疲労状態，健康状態，監視作業への注力状態，監視作業の割り当て状態，監視作業に対する習熟度の少なくとも１つを示す情報を含む。なお，疲労状態は，言い換えれば疲労の度合いである。
【００８９】
状態取得部２０は，例えば監視者の顔又は身体をカメラによって撮影した画像に対する画像解析処理を行うことで，顔又は身体の動き，顔の色又は形状の変化を解析し，疲労状態，健康状態，又は監視作業への注力状態を得る。また，状態取得部２０は，タスク管理部１９が保有する監視者テーブル１９Ａを参照することで，監視者の監視作業の割り当て状態を得る。また，状態取得部２０は，タスク管理部１９が保有する習熟度テーブル１９Ｃを参照することで，監視者の監視作業に対する習熟度を得る。状態取得部２０は，取得した状態情報を監視制御部１７に提供する。」
第５ 対比・判断
１ 本願発明１について
（１）対比
本願の請求項１に係る発明（以下，「本願発明１」という。）と，引用発明とを対比する。
ア 引用発明は，「ユーザＡが使用するユーザ端末２０を「ユーザ端末２０ａ」，ユーザＢが使用するユーザ端末２０を「ユーザ端末２０ｂ」と表記でき，」「ユーザ端末２０は，情報処理部２１と，カメラ２２と，入力部２３と，記憶部２４と，通信部２５と，表示部２６とを備えており，」「ユーザ端末２０は，カメラ２２によって撮像されたリアルタイムの画像を取得し，当該画像に基づいてユーザの顔を検出し，その検出結果に基づいて，ユーザが在席しているか否かを判定し，ユーザが在席しているか否かを示す在席情報を，ネットワークを介してサーバ１０に送信しており，」「在席判定部２８は，在席判定の結果に基づいて，在席情報を，通信部２５を介してサーバ１０に送信しており，在席判定部２８によるユーザの在席判定は，コンピュータに大量のデータを読み込ませて機械学習（深層学習を含む）させることにより実現されてもよく，」「ユーザ端末２０は，顔検出部２７，在席判定部２８に加えて，居眠り検知部２９を含んでおり，記憶部２４に記憶された画像認識プログラムは，上記情報処理部２１を，顔検出部２７，在席判定部２８，居眠り検知部２９，および，物体検知部３０として機能しており，」「居眠り検知部２９は，在席判定部２８によってユーザが在席していると判定された場合，カメラ２２からの入力画像に含まれる顔画像に基づいて，ユーザが居眠りをしているか否かの居眠り判定を行っており，目の開閉状態，目の動きに加えて，頭の動きや傾き，手の位置や動き，ユーザの姿勢等，ユーザの行動を総合的に判断することにより，居眠り判定を行っており，ユーザが居眠りしている様子をカメラ２２で撮像し，ユーザ端末２０に学習させることにより，ユーザが居眠りしているか否かを判定しており，」「居眠り検知部２９は，居眠り判定の結果に基づいて，ユーザが居眠りしているか否かを示す居眠り情報を，通信部２５を介してサーバ１０に送信しており，」「サーバ１０は，在席情報取得部１１と，在席状況管理部１２と，データベース１３と，出力部１４とを含んでおり，」「居眠り検知部２９によってユーザの居眠りを検知し，居眠りしていることを示す情報をデータベース１３に記憶することで，管理者（各ユーザの上司や人事担当者）が各ユーザの勤務態度を評価する際に，これらの情報を参考にすることができる」とされている。
ここで、引用文献１の図１から，「在席情報」が「ユーザ端末２０ａ」から「サーバ１０」に送信されることが見て取れるから，引用発明の「ユーザＡが使用するユーザ端末２０」である「ユーザ端末２０ａ」が，「ユーザの在席判定」の対象であり得るといえる。
そうすると，引用発明の「ユーザＡが使用するユーザ端末２０」である「ユーザ端末２０ａ」，「ユーザ端末２０」の一つである「ユーザ端末２０ａ」が「備え」る「カメラ２２」，「在席判定部２８，居眠り検知部２９」「として機能しており」「コンピュータに大量のデータを読み込ませて機械学習（深層学習を含む）させることにより実現され」た「画像認識プログラム」の「在席判定部２８，居眠り検知部２９」「機能」は，それぞれ，本願発明１の「第１端末装置」，「第１端末装置に係る撮像装置」，「機械学習済み機能」を備えた「プログラム内の」「機械学習済み機能」に相当する。
また，引用発明の「ユーザＡ使用するユーザ端末２０」である「ユーザ端末２０ａ」で判定した「ユーザの在席判定」に基づく「在席情報」および「ユーザが居眠りしているか否かを示す居眠り情報」は，いずれも，「ユーザ端末２０ａ」の利用者である「ユーザＡ」に関する情報、すなわち、「ユーザＡ」の属性を示す情報であるから，それらの情報の全体は、本願発明１の「第１端末装置に係る利用者属性情報を含む情報」に対応するといえる。
さらに，引用発明の「サーバ１０」は，「ユーザの在席判定」に基づく「在席情報」および「ユーザが居眠りしているか否かを示す居眠り情報」を「データベース１３に記憶」しているから，本願発明１の「取得部」に対応する構成を当然に備えているといえる。
したがって，引用発明と，本願発明１とは，「第１端末装置に係る撮像装置によって撮像された画像が使用されて，」「プログラム内の」「機械学習済み機能が生成した，前記第１端末装置に係る利用者属性情報を含む情報を，取得可能な取得部」「を備えるシステム」である点で共通しているといえる。
しかし，本願発明１の「プログラム」は，「第１端末装置のＷＥＢブラウザ上で実行可能な」ものであり，「システム」が「プログラムを，第１端末装置に対し」て「送信可能な第１送信部」を含んでいるのに対し，引用発明の「プログラム」は，「ＷＥＢブラウザ上で実行可能な」ものと特定されておらず，「システム」が「第１端末装置に対し」て「送信」するものでない点で相違している。
イ 引用発明において，「サーバ１０は，在席情報取得部１１と，在席状況管理部１２と，データベース１３と，出力部１４とを含んでおり，出力部１４は，例えばユーザ端末２０からの要求に応じて，所定期間（例えば，１日間，１ヶ月間，半年間，１年間等）における１又は複数のユーザの在席情報の統計データをレポートとして出力してもよく，」「居眠りしていることを示す情報をデータベース１３に記憶することで，管理者（各ユーザの上司や人事担当者）が各ユーザの勤務態度を評価する際に，これらの情報を参考にすることができる」とされている。
ここで，引用発明の「ユーザＡ使用するユーザ端末２０」である「ユーザ端末２０ａ」で判定した「ユーザの在席判定」に基づく「在席情報」および「ユーザが居眠りしているか否かを示す居眠り情報」（「居眠りしていることを示す情報」）は，上記（ア）で述べたように，「ユーザＡ」の属性を示す情報であるから，「１又は複数のユーザの在席情報の統計データ」及び「居眠りしていることを示す情報」は，いずれも，本願発明１の「第１端末装置に係る利用者属性情報」「に基づく情報」に対応するといえる。
また，引用発明の「管理者（各ユーザの上司や人事担当者）」が利用する「ユーザ端末２０」，「出力部１４」は，それぞれ，本願発明１の「第１端末装置とは異なる第２端末装置」，「第２送信部」に相当する。
したがって，本願発明１と引用発明とは，「前記利用者属性情報に基づく情報を，前記第１端末装置とは異なる第２端末装置に送信可能な第２送信部」「を備えるシステム」である点で共通しているといえる。
しかし，本願発明１の「機械学習済み機能」は，「少なくとも，画像と画像内の人の健康情報を示す情報との関係」および「人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，」「利用者属性情報」は，「人の健康情報を示す情報，を含み，前記人の健康情報を示す情報は，人の姿勢，及び／又は，人と撮像装置との距離を含み，」さらに，「前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含」むのに対して，引用発明の「機械学習済み機能」は，「入力画像に基づいて，上記在席判定や居眠り判定を行」うものであり，「利用者属性情報」は，「人の健康情報を示す情報」や「人の悩みの情報」を含むものと特定されていない点で相違している。
（２）一致点・相違点
本願発明１と，引用発明とは，以下アの点で一致し，以下イの点で相違する。
ア 一致点
「第１端末装置に係る撮像装置によって撮像された画像が使用されて，プログラム内の機械学習済み機能が生成した，前記第１端末装置に係る利用者属性情報を含む情報を，取得可能な取得部と，
前記利用者属性情報に基づく情報を，前記第１端末装置とは異なる第２端末装置に送信可能な第２送信部と，
を備えるシステム。」
イ 相違点
（ア） 相違点１
本願発明１の「システム」が「第１利用者に係る第１端末装置に対し，前記第１端末装置のＷＥＢブラウザ上で実行可能な機械学習済み機能を有するプログラムを，送信可能な第１送信部」を含んでいるのに対し，引用発明の「プログラム」は，「ＷＥＢブラウザ上で実行可能な」ものと特定されておらず，「システム」が「第１端末装置に対し」て「送信」するものでない点。
（イ） 相違点２
本願発明１の「機械学習済み機能」は，「少なくとも，画像と画像内の人の健康情報を示す情報との関係」および「人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，」「利用者属性情報」は，「人の健康情報を示す情報，を含み，前記人の健康情報を示す情報は，人の姿勢，及び／又は，人と撮像装置との距離を含み，」さらに，「前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含」むのに対して，引用発明の「機械学習済み機能」は，「入力画像に基づいて，上記在席判定や居眠り判定を行」うものであり，「利用者属性情報」は，「人の健康情報を示す情報」や「人の悩みの情報」を含むものと特定されていない点。
（３）相違点についての判断
事案に鑑みて，まず，相違点２について検討する。
本願発明１の相違点２に係る構成の，特に，「機械学習済み機能」は，「人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，」「利用者属性情報」は，「前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含」むという構成について，引用文献１ないし３には，記載も示唆も無く，当該構成が周知であったとも認められない。
したがって，引用発明および引用文献２ならびに引用文献３に基づいて，当業者は本願発明１の相違点２に係る構成を容易に想到することができない。
エ 小括
したがって，上記相違点１について判断するまでもなく，本願発明１は，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
２ 本願発明２ないし本願発明７について
本願発明２ないし本願発明７は，いずれも，本願発明１を減縮したものであって，本願発明１と同一の構成を備えるものであるから，本願発明１と同じ理由により，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
３ 本願発明８および本願発明９について
本願発明８は，概ね，本願発明１の発明のカテゴリを，単に，システムの発明からプログラムの発明へと変更したものであり，上記相違点２に係る構成と同様の以下の構成を備えているから，本願発明１と同様に，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
「前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む」
さらに，本願発明９は，本願発明８を減縮したものであって，本願発明８と同一の構成を備えるものであるから，本願発明８と同じ理由により，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
４ 本願発明１０および本願発明１１について
本願発明１０は，概ね，本願発明１の発明のカテゴリを，単に，システムの発明から方法の発明へと変更したものであり，上記相違点２に係る構成と同様の以下の構成を備えているから，本願発明１と同様に，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
「前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む」
さらに，本願発明１１は，本願発明１０を減縮したものであって，本願発明１０と同一の構成を備えるものであるから，本願発明１０と同じ理由により，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
５ 本願発明１２および本願発明１３について
本願発明１２は，概ね，本願発明１の発明のカテゴリを，単に，システムの発明から第１端末装置の発明へと変更したものであり，上記相違点２に係る構成と同様の以下の構成を備えているから，本願発明１と同様に，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
「前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む」
さらに，本願発明１３は，本願発明１２を減縮したものであって，本願発明１２と同一の構成を備えるものであるから，本願発明１２と同じ理由により，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
６ 本願発明１４および本願発明１５について
本願発明１４は，概ね，本願発明１の発明のカテゴリを，単に，システムの発明から，第１端末装置のＷＥＢブラウザ上で実行可能なプログラムの発明へと変更したものであり，上記相違点２に係る構成と同様の以下の構成を備えているから，本願発明１と同様に，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
「前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む」
さらに，本願発明１５は，本願発明１４を減縮したものであって，本願発明１４と同一の構成を備えるものであるから，本願発明１４と同じ理由により，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
７ 本願発明１６および本願発明１７について
本願発明１６は，概ね，本願発明１の発明のカテゴリを，単に，システムの発明から，第１端末装置のＷＥＢブラウザ上で実行可能なプログラムを第１端末装置が実行する方法の発明へと変更したものであり，上記相違点２に係る構成と同様の以下の構成を備えているから，本願発明１と同様に，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
「前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，
前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む」
さらに，本願発明１７は，本願発明１６を減縮したものであって，本願発明１６と同一の構成を備えるものであるから，本願発明１６と同じ理由により，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
第６ 原査定についての判断
令和４年４月６日提出の手続補正書による補正の結果，本願発明１～１７はそれぞれ，相違点１および２に係る発明特定事項又はそれらに対応する発明特定事項を有するものとなっており，上記第５のとおり，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえない。
したがって，原査定を維持することはできない。
第７ 当審拒絶理由について
１ 当審拒絶理由の概要
当審が令和４年２月１日付けで通知した当審拒絶理由の概要は次のとおりである。
（１）理由１（明確性）
この出願は，特許請求の範囲の記載が以下の点で，特許法第３６条第６項第１号に規定する要件を満たしていない。
令和３年４月１日提出の手続補正書による補正（以下「本件補正」という。）により，本願の特許請求の範囲の請求項１において，発明を特定する事項である「人の健康情報を示す情報」について，「前記人の健康情報を示す情報は、人の姿勢、及び／又は、人と撮像装置との距離を含む」との限定が付加された。
ここで，「人の姿勢」および「人と撮像装置との距離」は，いずれも，必ずしもその人の現在の健康状態を示すとはいえないため，当該限定により，人の現在の健康状態に起因して，「人の姿勢」が悪くなっていたり，「人と撮像装置との距離」が不自然（近すぎたり，遠すぎたり）であったりする場合と，「人の姿勢」が不適切であったり，「人と撮像装置との距離」が不適切（近すぎたり，遠すぎたり）することによって，人の将来の健康状態が悪化する（背中や腰を痛めたり，視力が悪化したり）場合との両方の場合が含まれ得るといえる。
よって，本件補正前の請求項１では，「撮像装置によって撮像された」「画像と画像内の人の健康情報を示す情報との関係、を機械学習済み」と特定され，「人の健康情報を示す情報」について特段限定されていなかったことから，「撮像装置によって撮像された」「画像」から把握されうる「人の現在の健康状態」を「利用者属性情報に基づく情報」の一部として「前記第１端末装置とは異なる第２端末装置に送信」しているといえる一方，本件補正後の請求項１では，不適切な「人の姿勢」や「人と撮像装置との距離」に起因する「人の将来の健康状態」（背中や腰を痛めたり，視力が悪化したり）も「利用者属性情報に基づく情報」の一部として「前記第１端末装置とは異なる第２端末装置に送信」し得るものとして解釈可能となったといえる。
したがって，本件補正における「前記人の健康情報を示す情報は、人の姿勢、及び／又は、人と撮像装置との距離を含む」との限定により，「人の健康情報を示す情報」に，「人の現在の健康状態」のみが含まれるのか，あるいは，「人の将来の健康状態」も含まれるのか曖昧であるから，本件補正後の請求項１は，権利範囲が不明瞭な記載となっている。
なお，本件補正により，「人の健康情報を示す情報」に，「人の現在の健康状態」だけでなく，「人の将来の健康状態」も含まれることになった場合には，本件補正の目的は，限定的減縮であるとはいえない。
請求項１を引用する請求項２－７についても同じことが指摘される。
発明のカテゴリーが異なる請求項１０－１７についても同様の記載があり、同じことが指摘される。
（２）理由２（進歩性）
この出願の請求項１～３，８～１７に係る発明は，以下の引用文献１に記載された発明に基づいて，その発明の属する技術の分野における通常の知識を有する者（以下，「当業者」という。）が容易に発明をすることができたものであり，この出願の請求項４～７に係る発明は，以下の引用文献１および２に記載された発明に基づいて，当業者が容易に発明できたものであるから，特許法第２９条第２項の規定により特許を受けることができない。
引用文献１： 特開２０１９－１０１５６６号公報
引用文献２： 特開２００６－３２３７０２号公報
２ 検討
（１）理由１（明確性）
これに対し，令和４年４月６日に提出された意見書において，請求人は，「新請求項１に係る発明（以下、「本願発明」と言います。）及び新請求項２乃至１７に係る発明における「人の健康情報を示す情報」は、現在の健康状態のみを含むものであり、「人の将来の健康状態」は含まないものです。」と述べて，「人の健康情報を示す情報」には，「人の現在の健康状態」だけを含み，「人の将来の健康状態」を含まないことが明確となったから，当審拒絶理由の理由１は解消した。
（２）理由２（進歩性）
これに対し，令和４年４月６日に提出された手続補正書により補正された特許請求の範囲の請求項１ないし１７では，上記第５で述べたように，「前記機械学習済み機能は，人の動作，及び／又は，人の表情，を含む画像と，かかる画像内の人が感じる悩みの程度と，の関係を機械学習済みであり，前記利用者属性情報は，前記第１端末装置に係る撮像装置によって撮像された画像に対して，前記機械学習済み機能が適用されて生成される，人の悩みの情報，を含む」という相違点２に係る構成が付加されており，いずれも，引用発明および引用文献２ならびに引用文献３に基づいて，当業者が容易に発明できたものであるとはいえなくなったから，当審拒絶理由の理由２は解消した。
第８ むすび
以上のとおり，原査定の理由によって，本願を拒絶することはできない。
また，他に本願を拒絶すべき理由を発見しない。
よって，結論のとおり審決する。
令和４年９月１３日
審判長 特許庁審判官 稲葉 和生
特許庁審判官 野崎 大進
特許庁審判官 富澤 哲生
出典：特許庁「審決公報」（令和4年10月28日発行・号数2022-010、公報発行サイト https://www.gazette.jpo.go.jp/scciidl010 ）を加工して作成（加工：TaiLexi AI）
本文は公表資料（PDF 等）から機械的に抽出・整形したもので、改行や記号に誤りを含むことがあります。正確な文言は原本でご確認ください。