JP2010263953A - 運動分析装置、プログラム及び方法、並びに、運動分析システム - Google Patents

Abstract

【課題】 人や物などの物体の運動に係る分析において、少ない処理量で精度の高い分析を行う。
【解決手段】 本発明は、所定の運動を繰り返し行う物体に係る運動量を測定するセンサ装置と、センサ装置の測定結果に基づいて物体における所定の運動に係る分析を行う運動分析装置とを備える運動分析システムに関する。そして、運動分析装置は、センサ装置が測定した運動量の時系列データを保持する手段と、保持した時系列データが示す波形について、所定の関数を用い、周波数ごとに時系列ごとののスペクトル強度分析をするものであって、周波数ごとに異なるパラメータを上記関数に適用して分析する手段と、周波数ごとのスペクトル強度分析結果について、異なる周波数間で比較し、その比較結果に基づいて、物体における所定の運動に係る所定の物理量を分析する手段とを有することを特徴とする。
【選択図】 図１

Description

本発明は、運動分析装置、プログラム及び方法、並びに、運動分析システムに関し、例えば、所定の運動を繰り返し行う人や物などの物体の運動のペースなどを分析するシステムに適用することができる。

健康状態の管理やリハビリテーションなど人の状態を認識して利用するために、人体に運動センサを装着し運動のペースや運動量を検出する方法は、従来広く考案されている。

特許文献１〜４では腰部や脚部、腕部といった箇所に加速度センサを取り付け、歩行動作時に得られる加速度の時間的変化による波形をフーリエ変換により周波数成分に変換し、スペクトル強度がピークとなる点の周波数を１回の運動周期（歩行の場合、腰部にセンサを装着すれば２歩が１周期、脚部にセンサを装着すれば１歩が１周期となる）、その点のスペクトル強度を運動の大きさとして扱い、運動のペースなどを算出している。

また特許文献５、６及び特許文献７においては、運動一周期ごとの波形の形状に着目し、ピーク値間隔やゼロクロス点を使った方法を用いて運動一周期の長さについてペースを示す指標として取得する技術について記載されている。

特開２００６−１１８９０９号公報 特開２００５−２３３７７１号公報 特開２００５−３４２２５４号公報 特開２００４−１２１５３９号公報 特開２００５−４９２０２号公報 特開２００８−１５４７３３号公報 特開２００６−１０１９７３号公報

しかしながら、上述の特許文献１〜７はいずれも運動の対象として１回の運動周期が１Ｈｚ〜３．５Ｈｚ程度の歩行を扱っており、例えばスポーツジムにおいてダンベルを持ち上げたりウェイトマシンを使ってトレーニングしたり、または日常生活で物を持ち上げたり機器を操作したりするといった、歩行動作よりも運動一周期の長い運動や、一周期の加速度波形の形状が複雑な運動については適用が難しい。健康状態管理やリハビリテーション、工員の作業内容など人の状態を管理することを目的とした場合、歩行動作以外の運動も広く扱う必要がある。

特許文献１〜４の記載技術をはじめフーリエ変換を基にした方法において、得られるペースの周波数の範囲は、センサがデータを取得するサンプリングレートの１／２（ナイキスト周波数）までで、分解能はセンサがデータを取得するサンプリングレートとフーリエ変換を適用する時間窓に依存する。ペースの分解能を高くするためにはセンサのサンプリングレートを低くするかフーリエ変換の時間窓を長くする必要がある。

一般に、歩行のペースはセンサのサンプリングレートと比較して相対的に低すぎることはなく、フーリエ変換による方法を使った分解能で充分に歩行ペースの違いを識別することができる。しかし歩行よりも遅い運動のペースを高分解能で識別するためには、センサのサンプリングレートを低くするか、一つの運動を長時間繰り返す必要がある。サンプリングレートを低くすることは運動の情報を切り捨てることとなり、同じ運動を長時間繰り返すことは現実的な解決とはなりえない。

また、歩行動作よりも速度が遅い運動と一概にいっても動作の種類は多岐に亘り、それぞれの運動におけるセンサによって得られる波形は振幅や周期、形状に大きな違いがある。

特許文献５〜７のようなセンサから得られた波形の形状を利用した方法では、運動一周期分の波形を正確に見極める必要があり、ローパスフィルタを使ったノイズ成分の低減など運動を表す波形の形状を際立たせるための前処理が重要な役割を担うが、複雑な波形から前処理なしでは適切なピーク値やゼロクロス点の取得することは容易ではない。したがって、多様な運動を一括りにしてペースを取得することは容易ではない。

そのため、人や物などの物体の運動に係る分析において、少ない処理量で精度の高い分析を行うことができる運動分析装置、プログラム及び方法、並びに、運動分析システムが望まれている。

第１の運動分析装置は、（１）本発明の所定の運動を繰り返し行う物体の運動に係る運動量を測定するセンサ装置と、上記センサ装置の測定結果に基づいて、上記物体における上記所定の運動に係る分析を行う運動分析装置とを備える運動分析システムを構成する上記運動分析装置において、（２）上記センサ装置が測定した運動量の時系列データを保持する時系列データ保持手段と、（３）上記時系列データが示す波形に対して所定の関数を適用して、周波数ごとにスペクトル強度の分析をするものであって、周波数ごとに異なるパラメータを上記関数に適用して分析する波形分析手段と、（４）上記波形分析手段が分析した、周波数ごとのスペクトル強度分析結果について、異なる周波数間で比較し、その比較結果に基づいて、上記物体における上記所定の運動に係る所定の物理量を分析する運動分析手段とを有することを特徴とする。

第２の本発明の運動分析プログラムは、（１）所定の運動を繰り返し行う物体の運動に係る運動量を測定するセンサ装置と、上記センサ装置の測定結果に基づいて、上記物体における上記所定の運動に係る分析を行う運動分析装置とを備える運動分析システムを構成する上記運動分析装置に搭載されたコンピュータを、（２）上記センサ装置が測定した運動量の時系列データを保持する時系列データ保持手段と、（３）上記時系列データが示す波形に対して所定の関数を適用して、周波数ごとにスペクトル強度の分析をするものであって、周波数ごとに異なるパラメータを上記関数に適用して分析する波形分析手段と、（４）上記波形分析手段が分析した、周波数ごとのスペクトル強度分析結果について、異なる周波数間で比較し、その比較結果に基づいて、上記物体における上記所定の運動に係る所定の物理量を分析する運動分析手段として機能させることを特徴とする。

第３の本発明の運動分析方法は、（１）所定の運動を繰り返し行う物体の運動に係る運動量を測定するセンサ装置の測定結果に基づいて、上記物体における上記所定の運動に係る分析を行う運動分析方法において、（２）時系列データ保持手段、波形分析手段、運動分析手段を有し、（３）上記時系列データ保持手段は、上記センサ装置が測定した運動量の時系列データを保持する時系列データ保持手段と、（４）上記波形分析手段は、上記時系列データが示す波形に対して所定の関数を適用して、周波数ごとにスペクトル強度の分析をするものであって、周波数ごとに異なるパラメータを上記関数に適用して分析し、（５）上記運動分析手段は、上記波形分析手段が分析した、周波数ごとのスペクトル強度分析結果について、異なる周波数間で比較し、その比較結果に基づいて、上記物体における上記所定の運動に係る所定の物理量を分析することを特徴とする。

第４の本発明の運動分析システムは、（１）所定の運動を繰り返し行う物体の運動に係る運動量を測定するセンサ装置と、上記センサ装置の測定結果に基づいて、上記物体における上記所定の運動に係る分析を行う運動分析装置とを備える運動分析システムにおいて、（２）上記運動分析装置として、第１の本発明の運動分析装置を適用したことを特徴とする。

本発明によれば、人や物などの物体の運動に係る分析において、少ない処理量で精度の高い分析を行うことができる。

第１の実施形態に係る運動分析システムの全体構成を示すブロック図である。 第１の実施形態に係る範囲情報記憶部に記憶される情報の例について示した説明図である。 第１の実施形態に係る運動分析装置における分析に係る動作について示したフローチャートである。 第１の実施形態に係るセンシング装置において測定された運動量の時系列データが示す波形の例について示したグラフである。 第１の実施形態に係る演算部におけるウェーブレット変換の結果について示したグラフである。 第１の実施形態に係る演算部において算出されたウェーブレット変換の結果から、さらにデータの切り出しが行われる様子について示した説明図である。 第１の実施形態に係る演算部において算出されたスペクトル強度の累積値を示したグラフである。 第１の実施形態に係る演算部において、運動ユーザによる運動ペースを分析する様子について示した説明図である 第２の実施形態に係る運動分析システムの全体構成を示すブロック図である。 第２の実施形態に係る運動量対応記憶部に記憶される情報の例について示した説明図である。 第２の実施形態に係る運動量変換部において、運動ペーススペクトルとウェイトマシンの負荷量の関係を分析する様子について示した説明図である。 第２の実施形態に係る運動分析装置における分析に係る動作について示したフローチャートである。 第３の実施形態に係る運動分析システムの全体構成を示すブロック図である。 第３の実施形態に係る運動分析システムにおいて、センシング装置により測定中に異常動作が発生してしまった場合の時系列運動データに基づいたウェーブレット変換の結果について示したグラフである。 第３の実施形態に係る演算部において、異常動作が発生した区間を含む時間窓について、周波数ごとのスペクトル強度の累積値を算出した場合のグラフである。 第３の実施形態に係る演算部において、異常動作が発生した区間を含まない時間窓について、周波数ごとのスペクトル強度の累積値を算出した場合のグラフである。 第３の実施形態に係る異常動作検出部において、異常動作の有無を検出する様子について示した説明図である。 第３の実施形態に係る運動分析装置における分析に係る動作について示したフローチャートである。

（Ａ）第１の実施形態
以下、本発明による運動分析装置、プログラム及び方法、並びに、運動分析システムの第１の実施形態を、図面を参照しながら詳述する。

（Ａ−１）第１の実施形態の構成
図１は、第１の実施形態の運動分析システム１の全体構成を示すブロック図である。

運動分析システム１は、センシング装置１０及び運動分析装置２０を有している。

センシング装置１０は、所定の運動を行うユーザ（以下、「運動ユーザ」という）の運動に係る量（以下、「運動量」という）を測定するための装置で、運動量を測定するセンシング部１１と、運動分析装置２０に測定結果を送信する通信制御部１２を有している。なお、第１の実施形態においては、運動分析システム１において分析対象となる運動は、人間である運動ユーザの運動であるが、センシング装置１０を、人間以外の動物や物（例えば、自動車などの乗り物や、工作機械など）など、他の物体に付けて、その物体の運動について分析するようにしても良く、運動分析システム１において分析対象となる物体は限定されないものである。また、運動分析システム１において、分析対象となる運動は、ウェイトマシン（を用いた運動）、歩行など、ある程度反復して繰り返し行われる運動であればその種類は限定されないものである。

センシング装置１０は、例えば、上腕や手首、腰部など、運動ユーザの運動のカテゴリに応じて、動きの変動が大きい部位に付けることが望ましいが、その付ける位置は特に限定されないものである。また、センシング装置１０は、テープやベルトで運動ユーザに固定するようにしても良いし、運動ユーザのポケットに入れるようにしても良く、運動ユーザに付ける方法は限定されないものである。そして、運動ユーザにセンシング装置１０が付けられている状態で、運動ユーザが所定の運動を行うと、センシング装置１０自体も運動ユーザの運動にともなって運動することになるため、センシング装置１０自体の運動量を運動ユーザの運動量とみなすことができる。以下の説明では、センシング装置１０では自己の加速度を運動量として測定するものとするが、単位時間あたりの移動量や移動速度など他の物理量を適用するようにしても良い。

センシング部１１は、運動ユーザの運動量の測定を行い、その測定結果のデータ（以下、「運動データ」という）を通信制御部１２を介して運動分析装置２０に送信する機能を担っている。センシング部１１は、既存の加速度センサなどを用いて、運動ユーザの運動に伴う加速度を所定の周期（以下、「サンプリング周期」という）ごとに計測するものとする。なお、センシング部１１はサンプリング周期に関係なく加速度を測定して、運動分析装置２０側で、時系列ごとに運動データ抽出して時系列データ（以下、「時系列運動データ」という）を形成するようにしても良い。以下の説明では、センシング部１１は、３軸加速度センサを適用するものとして説明するが、運動によって時間的変化を観察することのできるセンサ、例えば角速度センサや筋電位センサ、傾きセンサ、ドップラーレーダー、映像からのモーションキャプチャ、または１軸、２軸加速度センサを使用してもよく、さらに複数個所にセンサを装着し、各センサの値を統合して分析したり特徴が大きい値を選択したりして使用してもよい。

通信制御部１２は、運動分析装置２０と通信するためのインタフェースの機能を担っており、センシング部１１から与えられた運動データを運動分析装置２０に送信する。

運動分析装置２０は、センシング装置１０から運動データを取得し、運動データを分析して、運動ユーザがおこなった運動に係る分析を行うものであり、通信制御部２１、データ蓄積部２２、範囲情報記憶部２３、演算部２４、出力部２５を有している。

運動分析装置２０は、パソコンなどの情報処理装置（１台に限定されず、複数台を分散処理し得るようにしたものであっても良い。）上に、実施形態の運動分析プログラム（固定データを含む）をインストールすることにより、構築されるものであるが、機能的には図１のように表すことができる。

通信制御部２１は、センシング装置１０と通信するためのインタフェースの機能を担っており、センシング装置１０から取得した運動データをデータ蓄積部２２に与える。なお、センシング装置１０と運動分析装置２０との間の通信は、有線でも無線でも良く、その方法は限定されないものである。また、センシング装置１０から運動分析装置２０への運動データの移動は、必ずしも通信によりオンラインで行う必要はなく、ＣＤ−ＲＯＭやハードディスク等の媒体を用いてオフラインで移動させるようにしても良く、その方法は限定されないものである。また、図１では、運動データは運動分析装置２０側のデータ蓄積部２２に蓄積するようにしているが、センシング装置１０側で別途蓄積手段を備えて運動データを蓄積した後に、オンライン又はオンラインで運動分析装置２０側に移動するようにしても良い。

データ蓄積部２２は、センシング装置１０から取得した運動データを蓄積して記憶することにより、運動データに基づいた時系列運動データを保持する手段である。データ蓄積部２２では、センシング装置１０からの取得時刻又はセンシング装置１０における測定時刻に対応付けて運動データを記憶するようにしても良いし、時系列順に運動データを記憶するようにしても良い。

範囲情報記憶部２３は、運動分析装置２０において分析対象の運動に係る情報を記憶する記憶手段であり、具体的には、分析対象の運動をカテゴリごとに分けてその運動カテゴリのペースの最小値と最大値を格納する。

図２は、範囲情報記憶部２３に記憶される情報の例について示した説明図である。

範囲情報記憶部２３には、図２のように運動カテゴリごとのペースの最小値と最大値が予め格納されているものとする。ペースの最小値と最大値の算出方法としては、対象となる運動カテゴリの運動を可能な限り遅く、早く動作することを一定時間繰り返し、時間当たりの運動回数の逆数を目測によって求めるなどの方法を用いて算出して、予め登録しておくようにしても良い。図４のカテゴリは一例であり、他の運動カテゴリを用意してもよいし、「歩行」を「早歩き」「徘徊」などに分けるなど、カテゴリを細分化したり階層化したりするようにしても良く、その表現方法は限定されないものである。

図２では、例えば、「走行」のペースは２．０〜３．５Ｈｚ、「ウェイトマシン」のペースは、０．１〜０．５Ｈｚとしている。

なお、図２では、運動カテゴリごとに、ペースの最小値と最大値を用いて、範囲を示しているが、最小値だけを範囲の下限として登録し、最大値の登録を省略するようにしても良い。

演算部２４は、範囲情報記憶部２３に記憶されたデータを利用して、データ蓄積部２２に記憶された時系列運動データを分析し、その分析結果を、出力部２５に与えて出力する。

以下の説明において、演算部２４では、例えば、運動ユーザが、センシング装置１０を付けてウェイトマシンを用いた運動を行った場合には、範囲情報記憶部２３に記憶されている「ウェイトマシン」のペース「０．１〜０．５Ｈｚ」を利用して、データ蓄積部２２に記憶された時系列データを分析し、運動ユーザがどの程度のペース（以下、「運動ペース」という）でウェイトマシンを用いた運動を行っているかを分析するものとして説明する。

演算部２４が分析対象とする時系列運動データは、リアルタイムにセンシング装置１０から送られる運動データとしても良いし、予めデータ蓄積部２２に蓄積された時系列運動データを用いて非リアルタイムに分析を行うようにしても良い。

演算部２４が、リアルタイムにセンシング装置１０から送られる運動データの分析を行う場合には、例えば、現在時点から所定時間前までの間にセンシング装置１０から与えられた運動データを分析するようにしても良い。このように、演算部２４が分析対象とする運動データの範囲や、分析を行うタイミングは限定されないものである。

また、演算部２４において、分析対象となる運動カテゴリは、予め運動分析装置２０を操作するユーザなどにより設定するようにしても良いし、センシング装置１０に別途ボタン等の入力部を設け、運動ユーザに運動を開始する前に、これから行う運動カテゴリに係る情報を入力させるようにしても良い。このように、演算部２４において、分析対象となる運動カテゴリの指定方法は限定されないものである。

なお、演算部２４における運動データの分析内容の詳細は後述する動作説明において詳述する。

出力部２５は、運動分析システム１における処理結果を出力する出力手段であり、図１においては、演算部２４による処理結果を出力する。出力部２５は、ディスプレイ等の表示装置に表示出力させたり、ディスク装置等の記憶装置に記憶させたり、プリンタ等の印刷装置に印刷出力させたりする構成としてもよく、その出力方法は問われないものである。

（Ａ−２）第１の実施形態の動作
次に、以上のような構成を有する第１の実施形態の運動分析システム１の動作（実施形態の運動分析方法）を説明する。

図３は、運動分析装置２０における運動データの分析に係る動作について示したフローチャートである。

なお、範囲情報記憶部２３には、図２に示す内容が格納されているものとする。

また、ここでは、運動ユーザは、腕を動かす運動を行うウェイトマシンを行うものとし、さらにセンシング装置１０は運動ユーザの二の腕に付けられているものとして説明する。また、演算部２４において、分析対象となる運動カテゴリは、ウェイトマシンであることが予め、運動分析装置２０を操作するユーザなどにより設定されているものとして説明する。

まず、運動ユーザがセンシング装置１０を付けてウェイトマシンを用いた運動を行ったものとすると、その運動データが、センシング装置１０から運動分析装置２０に送信され、データ蓄積部２２に運動時系列データとして蓄積される（Ｓ１０１）。

次に、演算部２４では、分析前の前処理として、データ蓄積部２２に蓄積された運動データ（加速度量の時系列データ）の波形の切り出しが行われる（Ｓ１０２）。なお、はじめからデータ蓄積部２２に蓄積された時系列運動データが、分析対象となる運動カテゴリ（ここではウェイトマシン）に係る運動データのみで構成されていると分かっている場合には、ステップＳ１０２の工程は省略するようにしても良い。

図４は、ステップＳ１０２において、演算部２４により切り出された波形の例について示したグラフである。

以下の説明においては、演算部２４は、図４に示す時系列運動データが切り出され、分析されるものとして説明する。また、図４においては、時系列運動データにおけるサンプリング周期は、２０ｍｓｅｃであるものとする。なお、サンプリング周期は、運動ユーザが行う運動カテゴリに応じて変更するようにしても良く、限定されないものである。

ステップＳ１０２における波形の切り出し方法は、分析対象とする運動カテゴリの波形が他の運動の波形との差異を明確にすることができれば一つの運動の始点と終点で切り出すことが望ましいが、他の運動との差異があいまいである場合は任意の時間間隔で切り出してもよく、限定されないものである。例えば、予め、運動ユーザが分析対象となる運動カテゴリの運動を開始した時間タイミングや終了したタイミングが分かっている場合には、上述のステップＳ１０２の波形の切り出しは、運動ユーザが分析対象となる運動を行っている時間帯の中で任意の時間の波形の切り出しを行うようにしても良い。運動分析装置２０において、運動ユーザが分析対象となる運動カテゴリの運動を開始した時間タイミングや終了したタイミングを取得する方法としては、例えば、予め運動分析装置２０を操作するユーザなどにより設定するようにしても良いし、センシング装置１０に別途ボタン等の入力部を設け、運動ユーザに運動を開始するタイミングと終了するタイミングを入力させるようにしても良く、その方法は限定されないものである。また、上述のステップＳ１０２において、波形の差異を明確にするための２軸、３軸の波形合成やローパスフィルタの適用などの前処理は、この段階で必要に応じて実行するようにしても良い。

次に、演算部２４では、上述のステップＳ１０２において切り出された、図４に示す波形に対して、複数の周波数を用いた相関演算によるデータ変換が行われる（Ｓ１０３）。

ステップＳ１０３では、具体的には、以下の（１）式を用いたウェーブレット変換が行われる。以下の（１）式において、ψはマザーウェーブレット関数、ｆ（ｔ）は図４に示す波形を表し、ａは適用するウェーブレットを伸縮する倍率を表すスケール、ｂは時間軸方向へのウェーブレットの移動量を表す。なお、演算部２４において、使用するマザーウェーブレット関数の種類及びそのパラメータは限定されないものである。なお、ここでの例では、以下の（１）式においては、ａは０〜１、ｂは０〜３０（ｓｅｃ）の間を取ることになる。

さらに、Δをサンプリング周期、Ｆ_Ｃをマザーウェーブレットの中心周波数とすると、以下の（２）式によりスケールａに対応する周波数Ｆ_ａを算出することができる。

さらに、以下の（３）式を適用することで、ウェーブレットの強度に相当するｐ（スカログラム）が算出できる。なお、ウェーブレットの強度に相当するｐは、当該ウェーブレットに係る周波数における「スペクトル強度」にも相当するため、以下の説明において、ｐを「スペクトル強度」ともいうものとする。

図５は、上述の図４に示す波形に基づいてウェーブレット変換の結果について示したグラフである。

図５のグラフでは、横軸を時間（ｔ）、縦軸を周波数（Ｆ_ａ）、色調（点描の密度）をスペクトル強度（ｐ）として表現したグラフ（スカログラム）である。なお、図５においては、色調が濃い（点描の密度が高い）ほどスペクトル強度が強いことを示している。

ステップＳ１０３におけるデータ変換が終了すると、演算部２４では、さらに、その変換データからデータの切り出しが行われ、切り出されたデータが取得される（Ｓ１０４）。

図５に示すグラフの左右両端に着目すると、周波数が低くなるにつれて周囲より相対的にスペクトル強度が強い領域がＵ字状に広がっている様子が見られる。これは周波数が低い、すなわちウェーブレット変換においてマザーウェーブレットの伸張が大きいほど適用する時間長が大きくなるため、運動データが存在しない領域（時間）にまで変換の対象が広がってしまうためである。分析対象となる運動データが十分長い時間のものである場合には、この影響は少ないが、ウェイトマシンの運動のような短時間のデータを扱う場合には無視することができない場合がある。

そこで、ステップＳ１０４においては、ウェイトマシンの運動ペースが最低限保証される範囲のみ時間軸方向のデータを切り出す処理を行う。具体的には、ステップＳ１０４において、演算部２４では、範囲情報記憶部２３の範囲情報記憶部に記憶されているカテゴリごとのペースの最小値を利用して両端の情報を切捨てるものとする。なお、上述のステップＳ１０４の処理は、演算部２４における分析結果の精度を向上させるための工程であるため、要求される精度によっては必須の工程ではなく、省略するようにしても良い。

次に、上述のステップＳ１０４における変換データの切り出し処理の詳細について説明する。

図６は、ステップＳ１０４において行われる変換データの切り出しについて示した説明図である。

センシング装置１０におけるサンプリング周期をΔ（＝２０ｍｓｅｃ）、マザーウェーブレットの中心周波数をＦ_Ｃ、分析対象となる運動カテゴリの最小周波数をｆ_ｍｉｎ、それに対応するスケールをａ_ｍｉｎとすると、以下の（４）式で与えられる長さの時間を確保すれば以上の周波数領域の分析が保証されるが、以下の（４）式に示す通り、結果として（切り捨てる時間長）は「１／（ｆ_ｍｉｎ・Δ）」で求められることがわかる。なお、ここでは、上述の通り、演算部２４において、分析対象となる運動カテゴリは、ウェイトマシンであることが予め設定されているため、ｆ_ｍｉｎは、図２に示すようにウェイトマシンの最小周波数である０．１Ｈｚが該当する。

したがって、ステップＳ１０４では、図６に示すように、図５に示すグラフに対して、左右両端（時間軸方向）を「１／（ｆ_ｍｉｎ・Δ）」の分切り捨てたものを有効領域として切り出して取得するものとする。

上述のステップＳ１０４におけるデータの切り出し処理が終了すると、演算部２４では、上述のステップＳ１０４において切り出した有効領域における周波数ごとのスペクトル強度の累積値を算出する（Ｓ１０５）。

図７は、上述のステップＳ１０４において演算部２４により算出されたスペクトル強度の累積値を示したグラフ（スカログラム）である。

図７では、縦軸をスペクトル強度の累積値、横軸を周波数として表現している。図７では、図６の色調で表現されていたスペクトル強度のピークがグラフの縦軸に表され、対象とする運動の時間内で総合的にみた周波数成分の大小が観察することができる。なお、ここではスペクトル強度の累積値から周波数成分の大小を評価する方法を述べたが、有効領域の各周波数のそれぞれにおけるスペクトル強度の最大値を算出する方法を用いてもよい。

ステップＳ１０５において、演算部２４では、上述の図７に示すスペクトル強度の累積値を算出すると、次に、運動ユーザによる運動ペースに係る周波数の基底関数選択、すなわち、運動ユーザによる運動ペースの分析が行われる（Ｓ１０６）。図７のように、低域の周波数成分におけるスペクトル強度の極大値は複数表れる。

図８は、演算部２４において、運動ユーザによる運動ペースを分析する様子について示した説明図である。

このうち運動のペースに対応する周波数を抽出するために再び図４の範囲情報記憶部を参照し、運動のカテゴリごとのペースの最小値ｆ_ｍｉｎと最大値ｆ_ｍａｘを利用する。つまり図８のように、スペクトル強度の累積値のグラフにおいてｆ_ｍｉｎ以上、ｆ_ｍａｘ以下の範囲に絞って極大値の探索を行う。なお、ここでは、上述の通り、演算部２４において、分析対象となる運動カテゴリは、ウェイトマシンであることが予め設定されているため、図２の内容に基づいて、ｆ_ｍｉｎは０．１Ｈｚ、ｆ_ｍａｘは、０．５Ｈｚが該当する。

すなわち、ウェイトマシンを用いた運動について、ここでは、ペースの最小値をｆ_ｍｉｎ（０．１Ｈｚ）、ペースの最大値をｆ_ｍａｘ（０．５Ｈｚ）としているので、スペクトル強度の累積値の中で、０．１Ｈｚ〜０．５Ｈｚの範囲内に、運動ユーザの運動ペースに係る成分が含まれており、その中でもスペクトル強度の累積値が極大となる周波数が、運動ユーザがおこなった運動ペースであると推定することができる。なお、以下の説明において、運動ペースにおけるスペクトル強度、又は、スペクトル強度の累積値を「運動ペーススペクトル」と呼ぶ。

そして、ステップＳ１０６において抽出された極大値を取る周波数が運動のペースとして出力される（Ｓ１０７）。

（Ａ−３）第１の実施形態の効果
第１の実施形態によれば、以下のような効果を奏することができる。

図４のウェイトマシンの運動に係る波形を見ても前処理なしでは適切なピーク値やゼロクロス点の取得が難しいことが分かるため、従来の特許文献１〜７の記載技術では、多様な運動を一括りにしてペースを取得することは難しい。一方、第１の実施形態の運動分析システム１のように、ウェーブレット変換を用いた波形の分析は、基本的には、マザーウェーブレットを拡大縮小、平行移動して足し合わせることで、与えられた入力の波形を表現しようとする手法であり、周波数に合わせてマザーウェーブレットの幅が変化するので、単純にフーリエ変換を用いてスペクトル分析するよりも周波数解像度が格段に良くなる。

演算部２４では、ウェーブレット変換のようなマルチスケール分析を用いて時系列運動データに係る波形の分析を行っているため、変換を適用する時間長と分析対象の周波数が反比例の関係になり、低域の周波数ほど、高分解能で分析ができる。具体的には、演算部２４では、時系列運動データが示す波形に対して適用する、マザーウェーブレット（上記の（１）式参照）について、分析対象となる周波数Ｆ_ａに応じたパラメータ（スケールａ）を上記の（２）式に基づいて適用することにより、低域の周波数ほど、高分解能で分析ができるマルチスケール分析を実現している。これにより、運動分析システム１では、ウェイトマシンの運動のような低域周波数のペースの運動を含む多様なペースの運動について、波形の形状を意識した処理の必要がなく、同じ分析方法で精度の高い運動ペースなどの分析を行うことができる。そして、運動分析システム１では、多様なペースの運動について、前処理無しで、同じ分析方法で精度の高い分析を行うことができるので、分析に必要とする処理量やリソースを低減することもできる。

（Ｂ）第２の実施形態
以下、本発明による運動分析装置、プログラム及び方法、並びに、運動分析システムの第２の実施形態を、図面を参照しながら詳述する。

（Ｂ−１）第２の実施形態の構成
第１の実施形態においては、運動データに基づいて、運動のペースを検出する方法について説明したが、第２の実施形態では、運動ユーザによる運動に伴う負荷に係る物理量の分析を行う方法について説明する。運動ユーザによる運動に伴う負荷に係る物理量とは、例えば、分析対象の運動カテゴリがウェイトマシンであれば、そのウェイトマシンの負荷量や、運動ユーザの消費カロリなどが該当する。

図９は、この実施形態の運動分析システム１Ａの全体構成を示すブロック図である。

運動分析システム１Ａは、センシング装置１０及び運動分析装置２０Ａを有しているが、センシング装置１０については、第１の実施形態と同様のものであるので詳しい説明は省略する。

運動分析装置２０Ａは、運動量変換部２６及び運動量対応記憶部２７を有する点で第１の実施形態と異なるが、その他の構成については第１の実施形態と同様のものであるので詳しい説明は省略する。

図１０は、運動量対応記憶部２７に記憶される情報の例について示した説明図である。

運動量対応記憶部２７には、図１０に示すように、運動カテゴリの種類に対応する、説明変数（運動ペース、運動ペーススペクトル）及び目的変数（マシンの負荷、消費カロリ）の情報を登録している。なお、図１０において、説明変数と目的変数は、最低限それぞれ一つの情報を登録しておけばよく、例えば、運動カテゴリが「ウェイトマシン」については、説明変数として運動ペースの項目を省略するようにしても良いし、目的変数として消費カロリの項目を省略するようにしても良い。また、図１０において、運動カテゴリが徘徊、早歩きについては、説明変数としてスペクトル強度を省略するようにしても良い。なお、図１０において、運動カテゴリが徘徊、早歩きについては、目的変数としてマシンの負荷という概念はないので空欄となっている。 図１０に示す運動量対応記憶部２７に記憶される情報としては、予め登録しておくようにしても良い。

例えば、図１０において運動カテゴリが「ウェイトマシン」についてはペース「０．３９Ｈｚ」、スペクトル強度の累積値「３．５２ｄｂ」、マシンの負荷「１５．５」、消費カロリ「３．７８ｃａｌ／ｓｅｃ」となっている。これは、予め運動ユーザが、センシング装置１０を付けた状態で、マシンの負荷「１５．５」で「ウェイトマシン」を用いた運動を行ったときに、演算部２４において算出された運動ペース及び運動ペーススペクトル（上述の図８参照）を保持しておき、その値を登録するようにしても良い。消費カロリについては、一般的にマシンの負荷「１５．５」で「ウェイトマシン」を用いた運動を行った場合の消費カロリを登録しておいても良いし、運動ペースにおけるスペクトル強度の累積値を取得した際に既存の測定装置を運動ユーザに付けて測定した値を記憶するようにしても良く、消費カロリを求める方法は限定されないものである。

なお、図１０においては、運動カテゴリが「ウェイトマシン」の情報が５つ登録されているが、最低限２つの情報があれば後述する運動量変換部２６における分析は可能である一方、情報の数は多い方が分析精度の向上には望ましい。

次に、運動量変換部２６において、運動に伴う負荷に係る物理量を分析処理する構成について説明する。

運動量変換部２６において、分析対象となる運動カテゴリは、演算部２４と同じものを適用するため、その設定方法に関する説明は省略する。以下の説明においては、例として、運動量変換部２６には、分析対象となる運動カテゴリは「ウェイトマシン」であるものとして説明する。

図１１は、運動ペーススペクトルとウェイトマシンの負荷量の関係を示した説明図である。

図１１では、運動ペーススペクトルを説明変数とし、運動に伴う負荷に係る物理量としてウェイトマシンの負荷量を目的変数とした線形単回帰分析を行う様子を示している。

運動量変換部２６において、分析する際に説明変数と目的変数の組み合わせについては、限定されないものであり、複数の組み合わせについて分析するようにしても良いが、ここでは図１１に示す組み合わせを例として説明する。

図１１では、運動量対応記憶部２７内にあるデータを用いて、スペクトル強度とウェイトマシンの負荷量の関係を示している。そして、運動量変換部２６では、図１１に示す関係より、以下の（５）式に示すような回帰式が得られる。そして、運動量変換部２６では、最新に取得した運動データを用いて、演算部２４において推定された運動ユーザの運動ペースにおけるスペクトル強度の累積値（上述の図８参照）に、以下の（５）式を適用することにより、運動ユーザがウェイトマシンを用いた運動をした際の「マシン負荷」を推定することができる。運動量変換部２６では、目的変数を消費カロリに変更して同様の演算を行えば、運動ユーザがウェイトマシンを用いた運動をした際の「消費カロリ」も推定することができる。

（ウェイトマシンの負荷量）＝６６．７×（スペクトル強度の累積値）−２１３．３…（５）
なお、運動量変換部２６において、分析する際に説明変数と目的変数の組み合わせを決定する方法としては、あらかじめ運動カテゴリごとに組み合わせを設定しておくようにしても良いし、運動量対応記憶部２７に情報を登録する際に、説明変数と目的変数を最初から一つずつだけ登録するようにしても良く、組み合わせの決定方法は限定されないものである。例えば、運動カテゴリがウェイトマシンについては、説明変数として運動ペーススペクトルだけを入力し、目的変数としてマシンの負荷だけを入力しておくようにしても良いし、予め組み合わせを設定しておくようにしても良い。

そして、運動分析装置２０Ａでは、出力部２５は、運動量変換部２６による推定結果を出力する。なお、出力部２５は、運動量変換部２６の推定結果と共に演算部２４の推定結果を出力するようにしても良い。

（Ｂ−２）第２の実施形態の動作
次に、以上のような構成を有する第２の実施形態の運動分析システム１Ａの動作（実施形態の運動分析方法）を説明する。

図１２は、運動分析装置２０Ａにおける運動データの分析に係る動作について示したフローチャートである。

なお、範囲情報記憶部２３には、図２に示す内容が格納されているものとし、運動量対応記憶部２７には、図１０に示す内容が格納されているものとする。

また、ここでは、運動ユーザは、腕を動かす運動を行うウェイトマシンを行うものとし、さらにセンシング装置１０は運動ユーザの二の腕に付けられているものとして説明する。また、演算部２４及び運動量変換部２６において、分析対象となる運動カテゴリは、ウェイトマシンであることが予め、運動分析装置２０を操作するユーザなどにより設定されているものとして説明する。また、運動量変換部２６には、分析の際に用いる説明変数は運動ペーススペクトルであり、目的変数はマシンの負荷と設定されているものとして説明する。ウェイトマシンを用いた運動では、マシンの負荷は、運動ペーススペクトルとの関連が強いためである。

なお、図１２においてステップＳ２０１〜Ｓ２０５の処理は、上述の図３におけるステップＳ１０１〜Ｓ１０５と同様であるので説明を省略する。

そして、ステップＳ２０１〜Ｓ２０５の処理により、演算部２４では、上述の図８に示す周波数ごとのスペクトル強度の累積値を示すグラフにおいて、ｆ_ｍｉｎ以上、ｆ_ｍａｘ以下の範囲に絞ってスペクトル強度の累積値の極大値（運動ペーススペクトル）を探索するところまでは、上述の図３に示すステップＳ１０６と同様であるが、第２の実施形態では、運動量変換部２６により、演算部２４が探索した上述の運動ペーススペクトルが取得される（Ｓ２０６）。

なお、ステップＳ２０６において、運動量変換部２６は、分析に用いる説明変数に対応するものだけを取得するようにしても良い。ここでは、上述の通り、運動量変換部２６において、分析に用いるに説明変数は、運動ペーススペクトルだけであるので、Ｓ２０６では、運動量変換部２６は、運動ペーススペクトルだけを取得しているが、運動ペースも目的変数として設定されている場合には、運動ペースの値も取得するようにしても良い。

そして、運動量変換部２６は、上述のステップＳ２０６において運動ペーススペクトルを取得すると、取得した運動ペーススペクトルと、運動量対応記憶部２７の情報とを用いて、運動ユーザがウェイトマシンを用いた運動をした際の「マシン負荷」を分析し、その結果を出力部２５に与える（Ｓ２０７）。

そして、ステップＳ２０７における、運動量変換部２６による分析結果が、出力部２５により出力される（Ｓ１０７）。

（Ｂ−３）第２の実施形態の効果
第２の実施形態によれば、第１の実施形態の効果に加えて以下のような効果を奏することができる。

運動分析システム１Ａでは、歩行よりもペースが遅い運動において、ウェイトマシンの負荷量や消費カロリといった、対象とする運動の運動量を推定することができる。また、第１の実施形態のように、運動のペースと、運動に伴う負荷に係る物理量とを同時に検出することができ、健康状態管理やリハビリテーションにおいて人の状態をより詳細に把握することができるようになる。

（Ｃ）第３の実施形態
以下、本発明による運動分析装置、プログラム及び方法、並びに、運動分析システムの第３の実施形態を、図面を参照しながら詳述する。

（Ｃ−１）第３の実施形態の構成
第１の実施形態においては、運動データに基づいて、運動のペースを検出する方法について説明したが、第３の実施形態では、運動中の異常動作の検出について説明する。ここで異常動作とは、ペースや運動量を検出する対象となる、一定の動作を繰り返す運動に対して、局所時間に行われる対象運動よりも速度が速い動作のことをいう。例えば、ウェイトマシンで負荷（重り）がかかったハンドルを持ち上げる運動などを行う際に、運動ユーザが、ハンドルにかかった負荷を支えきれずに、ハンドルを急に落としてしまったり、ハンドルを放してしまったりした場合などが、異常動作に該当する。

図１３は、この実施形態の運動分析システム１Ｂの全体構成を示すブロック図である。

運動分析システム１Ｂは、センシング装置１０及び運動分析装置２０Ｂを有しているが、センシング装置１０については、第１の実施形態と同様のものであるので詳しい説明は省略する。

運動分析装置２０Ｂは、第１の実施形態の運動分析装置２０について、演算部２４が演算部２４Ｂに置き換わり、さらに、異常動作検出部２８が追加されただけで、その他の構成は同様であるので、以下の説明においては第１の実施形態との差異のみを説明する。

演算部２４Ｂは、データ蓄積部２２に蓄積された運動データに基づいて、上述の図５に示すグラフ（スカログラム）の内容を求めるところまでは、第１の実施形態の演算部２４と同様である。

そして、第１の実施形態の演算部２４では、上述の図５、図６に示すスカログラムに基づいて、有効領域の全ての区間（時間）について、周波数ごとのスペクトル強度の累積値を求めていたが、第３の実施形態の演算部２４Ｂでは、有効領域を一定区間長（例えば、「２ｓｅｃ」等）の時間窓で分割し、その区間での周波数ごとのスペクトル強度の累積値を算出する点で異なっている。なお、運動分析装置２０Ｂでは、第１の実施形態と同様に、スペクトル強度の累積値ではなく、有効領域の各周波数のそれぞれにおけるスペクトル強度の最大値を算出する方法を用いてもよい。

図１４は、運動ユーザがセンシング装置１０を付けて、ウェイトマシンを用いた運動を行った際に、異常動作が発生してしまった場合の運動データに基づいて作成したグラフ（スカログラム）である。図１４では、時間軸上でいうと区間Ｔ１で異常動作が発生した様子について示している。

異常動作検出部２８は、演算部２４Ｂの算出結果及び範囲情報記憶部２３に記憶された情報に基づいて、データ蓄積部２２に蓄積された運動データにおいて異常動作が含まれるか否かを判定する。

以下、異常動作検出部２８における異常動作の検出方法について説明する。

図１５は、異常動作が発生した区間Ｔ１を含む時間窓について、周波数ごとのスペクトル強度の累積値を算出した場合のグラフである。

図１６は、異常動作が発生した区間Ｔ１を含まない時間窓について、周波数ごとのスペクトル強度の累積値を算出した場合のグラフである。

図１７は、上述の図１５に示す異常動作が発生した区間Ｔ１を含む時間窓に係るグラフについて、異常動作の有無を検出する様子について示した説明図である。

上述の通り、演算部２４Ｂでは、有効領域を一定区間長の時間窓で分割し、その区間での周波数ごとのスペクトル強度の累積値を算出するが、図１５には、図１６にはない比較的周波数が高い領域にピークが現れていることが確認できる。

異常動作検出部２８では、上述の図１５に示すような比較的周波数が高い領域にピークが現れているか否かに応じて、異常動作の有無を判定する。

以下、異常動作の有無について具体的な判定方法の例について説明する。例えば、範囲情報記憶部２３を参照し、ペースや運動量を検出する対象となる運動のカテゴリ別ペースの最小値ｆ_ｍｉｎと最大値ｆ_ｍａｘを取得し、ｆ_ｍｉｎ以上ｆ_ｍａｘ以下の範囲（図１７の領域Ａ）の極大値を探索し、運動ペーススペクトルを取得する。次にｆ_ｍａｘより大きい範囲（図１７の領域Ｂ）の極大値を探索し、そのスペクトル強度（以下、「異常動作スペクトル」と呼ぶ）を取得する。そして、２つのスペクトル強度を比較し、異常動作スペクトルが運動ペーススペクトルよりも大きければ異常動作ありと判定し、そうでなければ異常動作なしと判定するようにしても良い。なお、異常動作検出部２８の異常動作検出において、異常動作判定の閾値を調整するために、いずれかのスペクトル強度に適当な係数をかけて比較するようにしても良い。

上述の通り、出力部２５における出力方法は限定されないものであるが、運動分析システム１Ｂにおける分析及び分析結果の出力は、リアルタイム、非リアルタイムのいずれに対応可能するようにしてもよい。例えば、リアルタイムに分析及び分析結果の出力を行う場合には、異常動作ありの分析結果について、スポーツジムなどにおいて、係員（インストラクタ）へ通知（ランプ、ブザー、メールなど通知方法は限定されない）するようにしても良い。

（Ｃ−２）第３の実施形態の動作
次に、以上のような構成を有する第３の実施形態の運動分析システム１Ｂの動作（実施形態の運動分析方法）を説明する。

図１８は、運動分析装置２０Ｂにおける運動データの分析に係る動作について示したフローチャートである。

なお、範囲情報記憶部２３には、図２に示す内容が格納されているものとする。

また、ここでは、運動ユーザは、腕を動かす運動を行うウェイトマシンを行うものとし、さらにセンシング装置１０は運動ユーザの二の腕に付けられているものとして説明する。また、演算部２４及び異常動作検出部２８において、分析対象となる運動カテゴリは、ウェイトマシンであることが予め、運動分析装置２０を操作するユーザなどにより設定されているものとして説明する。

なお、図１８においてステップＳ３０１〜Ｓ３０４の処理は、上述の図３におけるステップＳ１０１〜Ｓ１０４と同様であるので説明を省略する。

そして、第１の実施形態では上述のステップＳ１０５（累積強度算出）として、有効領域「全体」における周波数ごとのスペクトル強度の累積値を算出したが、第３の実施形態では上述の通り、有効領域を一定区間長の時間窓で分割し、その区間での周波数ごとのスペクトル強度の累積値を算出する（Ｓ３０５）。

演算部２４Ｂの算出結果及び範囲情報記憶部２３に記憶された情報に基づいて、データ蓄積部２２に蓄積された運動データにおいて異常動作が含まれるか否かを判定する（Ｓ３０６）。具体的には、異常動作検出部２８では、上述のステップＳ３０５において算出された結果を用いて、時間窓ごとに異常動作が含まれるか否かを上述の方法により判定する。上述のＳ３０５において、異常動作検出部２８は、少なくとも一つの時間窓について異常動作が含まれると判定した場合に、最終判定結果を異常動作有りと判定しても良いし、所定の閾値以上の時間窓で異常動作が含まれると判定した場合にのみ異常動作有りと判定するようにしても良い。

そして、上述のステップＳ３０６において異常動作が有ると検出された場合、結果表示として判定結果が出力され、上述のステップＳ３０６において、異常動作が検出されなかった場合、センシング装置１０からデータ蓄積部２２へデータが蓄積されている限り、上述のステップＳ３０１へ戻って処理が継続される（Ｓ３０７〜Ｓ３０９）。

なお、上述のステップＳ３０７〜Ｓ３０９では、ステップＳ３０６における判定結果に応じて判定結果を出力するか否かを判断しているが、異常動作無しの場合でも一律にステップＳ３０６における判定結果を出力するようにしても良い。

（Ｃ−３）第３の実施形態の効果
第３の実施形態によれば、第１の実施形態の効果に加えて、以下のような効果を奏することができる。

運動分析システム１Ｂでは、一定の動作を繰り返す運動に対して、局所時間に行われる対象運動よりも速度が速い異常動作を検出することができる。なお、本実施例はリアルタイム、非リアルタイムの両方に対応可能であり、前者はスポーツジムなどにおいて、危険な動作を検出したらインストラクタが注意を促すことに応用でき、後者は運動分析の分野において、正しい動きとそうでない動きの違いを発見することに利用できる。

また、運動分析装置２０Ｂにおいて分析結果を、スポーツジムなどにおいて、リアルタイムに係員（インストラクタ）へ通知することにより、異常動作を起こした運動ユーザへ係員（インストラクタ）が注意を促すなど、運動ユーザの安全を守ることができる。特に、ウェイトマシンなど、運動ユーザに高い負荷がかかる運動において、異常動作は、運動ユーザの安全を害することがあるため、異常動作を検出することは重要になる。また、運動分析装置２０Ｂにおいて分析結果を、非リアルタイムに出力する場合には、運動分析の分野において、正しい動きとそうでない動きの違いを発見することに利用できる。

（Ｄ）他の実施形態
本発明は、上記の各実施形態に限定されるものではなく、以下に例示するような変形実施形態も挙げることができる。

（Ｄ−１）上記の各実施形態では、演算部においてデータ変換に用いる関数についてウェーブレット変換を用いる例について説明したが、複数の周波数を用いて相関演算を行うことができればウェーブレット変換に限らず、フーリエ変換、アダマール変換、コサイン変換、ヒルベルト変換を用いてもよい。なお、ヒルベルト変換を用いた方法については、「最新ウェーブレット実践講座 入門と応用 信号処理の基礎から最新理論まで」（戸田浩、章忠、川畑洋昭著、２００５年９月ソフトバンククリエイティブ出版）に詳述されている。

（Ｄ−２）第１の実施形態の説明ではウェーブレット変換に基づく説明のため、図２に示す範囲情報記憶部２３では運動カテゴリにおける周波数の範囲のみ保持しておき、切り捨てる時間長を、上記の（４）式を用いて周波数から一意に算出していたが、ウェーブレット変換以外を用いる場合などにおいては、範囲情報記憶部に切り捨てる時間長を定めておき、有効領域を決定してもよい。

（Ｄ−３）上記の各実施形態では、範囲情報記憶部２３に記憶されている運動の周波数の範囲を参照して取得したセンサデータのペースを抽出する方法について説明したが、逆にデータ蓄積部２２に蓄積した時系列運動データの波形から、その運動が属する運動カテゴリを、範囲情報記憶部２３に記憶されている運動の周波数と比較することにより推定するといった、行動認識の手法として利用するようにしても良い。

（Ｄ−４）第２の実施形態における運動量の推定に用いる手法としては、上記で説明した線形単回帰分析に限らず、非線形回帰分析に拡張したり、対象動作の種類やペースを説明変数と加えた重回帰分析を使ったりしてもよいし、多クラスサポートベクタマシン、ニューラルネットワーク、ｋ最近隣法などといった判別分析を使い、結果を離散値にした推定も有効である。説明変数として対象動作の種類を使う場合は、加速度波形からその動作が何であるか推定するようにしても良い。

（Ｄ−５）第２の実施形態において、分析対象となる運動ユーザによる運動に伴う負荷に係る物理量は、上記で言及したウェイトマシンの負荷量や消費カロリの他に、ウオーキングマシンの傾度や呼気中の二酸化炭素濃度、乳酸値などを用いてもよいし、スペクトル強度と相関をもつ運動量という評価指標を新たに定義してもよい。

（Ｄ−６）第３の実施形態において、図１７に示すように領域Ｂ内（ｆ_ｍａｘより大きい範囲）に存在するスペクトル強度の累積値の極大値のみを異常動作有無の判定に用いているが、領域Ａ内（ｆ_ｍｉｎ以上ｆ_ｍａｘ以下の範囲）であっても、運動ペースよりも所定以上高い周波数帯のスペクトル強度の累積値の極大値も異常動作有無の判定に用いるようにしても良い。

例えば、領域Ａ内（ｆ_ｍｉｎ以上ｆ_ｍａｘ以下の範囲）であっても、運動ペースの１．５倍の周波数帯（例えば、運動ペースが１Ｈｚであれば１．５Ｈｚ以上帯）に存在するスペクトル強度の累積値の極大値も異常動作有無の判定に用いるようにしても良い。

１…運動分析システム、１０…センシング装置、１１…センシング部、１２…通信制御部、２０…運動分析装置、２１…通信制御部、２２…データ蓄積部、２３…範囲情報記憶部、２４…演算部、２５…出力部。

Claims (9)

1. 所定の運動を繰り返し行う物体の運動に係る運動量を測定するセンサ装置と、上記センサ装置の測定結果に基づいて、上記物体における上記所定の運動に係る分析を行う運動分析装置とを備える運動分析システムを構成する上記運動分析装置において、
   上記センサ装置が測定した運動量の時系列データを保持する時系列データ保持手段と、
   上記時系列データが示す波形に対して所定の関数を適用して、周波数ごとにスペクトル強度の分析をするものであって、周波数ごとに異なるパラメータを上記関数に適用して分析する波形分析手段と、
   上記波形分析手段が分析した、周波数ごとのスペクトル強度分析結果について、異なる周波数間で比較し、その比較結果に基づいて、上記物体における上記所定の運動に係る所定の物理量を分析する運動分析手段と
   を有することを特徴とする運動分析装置。
2. 上記物体における上記所定の運動について取りえる運動周波数の範囲を保持する運動周波数範囲保持手段をさらに有し、
   上記波形分析手段は、上記運動周波数範囲保持手段が保持している運動周波数の範囲の情報も用いて、上記所定の物理量の分析を行う
   ことを特徴とする請求項１又は２に記載の運動分析装置。
3. 上記運動分析手段は、上記波形分析手段が分析した、周波数ごとのスペクトル強度分析結果のうち、上記運動周波数の範囲内のスペクトル強度分析結果を比較対象とし、その比較結果に基づいて、上記物体における上記所定の運動が行われた運動ペースを分析することを特徴とする請求項３に記載の運動分析装置。
4. 上記運動分析手段は、上記運動ペースに該当する周波数のスペクトル強度分析結果を用いて、上記物体において、上記所定の運動に伴う負荷に係る物理量を分析することを特徴とする請求項４に記載の運動分析装置。
5. 上記運動分析手段は、少なくとも、上記波形分析手段が分析した周波数ごとのスペクトル強度分析結果を用いて、上記物体の上記所定の運動において、所定よりも速度の速い異常動作が発生したか否かを判定することを特徴とする請求項２又は３に記載の運動分析装置。
6. 上記波形分析手段が適用する、上記所定の関数は、ウェーブレット変換におけるマザーウェーブレットの関数であり、上記マザーウェーブレットの関数に、周波数に応じたスケールに係るパラメータを適用することを特徴とする請求項１〜５のいずれかに記載の運動分析装置。
7. 所定の運動を繰り返し行う物体の運動に係る運動量を測定するセンサ装置と、上記センサ装置の測定結果に基づいて、上記物体における上記所定の運動に係る分析を行う運動分析装置とを備える運動分析システムを構成する上記運動分析装置に搭載されたコンピュータを、
   上記センサ装置が測定した運動量の時系列データを保持する時系列データ保持手段と、
   上記時系列データが示す波形に対して所定の関数を適用して、周波数ごとにスペクトル強度の分析をするものであって、周波数ごとに異なるパラメータを上記関数に適用して分析する波形分析手段と、
   上記波形分析手段が分析した、周波数ごとのスペクトル強度分析結果について、異なる周波数間で比較し、その比較結果に基づいて、上記物体における上記所定の運動に係る所定の物理量を分析する運動分析手段と
   して機能させることを特徴とする運動分析プログラム。
8. 所定の運動を繰り返し行う物体の運動に係る運動量を測定するセンサ装置の測定結果に基づいて、上記物体における上記所定の運動に係る分析を行う運動分析方法において、
   時系列データ保持手段、波形分析手段、運動分析手段を有し、
   上記時系列データ保持手段は、上記センサ装置が測定した運動量の時系列データを保持する時系列データ保持手段と、
   上記波形分析手段は、上記時系列データが示す波形に対して所定の関数を適用して、周波数ごとにスペクトル強度の分析をするものであって、周波数ごとに異なるパラメータを上記関数に適用して分析し、
   上記運動分析手段は、上記波形分析手段が分析した、周波数ごとのスペクトル強度分析結果について、異なる周波数間で比較し、その比較結果に基づいて、上記物体における上記所定の運動に係る所定の物理量を分析する
   ことを特徴とする運動分析方法。
9. 所定の運動を繰り返し行う物体の運動に係る運動量を測定するセンサ装置と、上記センサ装置の測定結果に基づいて、上記物体における上記所定の運動に係る分析を行う運動分析装置とを備える運動分析システムにおいて、
   上記運動分析装置として、請求項１〜６のいずれかに記載の運動分析装置を適用したこと
   を特徴とする運動分析システム。

Images