CN106572816A - 步行解析系统和步行解析程序 - Google Patents

步行解析系统和步行解析程序 Download PDF

Info

Publication number
CN106572816A
CN106572816A CN201580043895.XA CN201580043895A CN106572816A CN 106572816 A CN106572816 A CN 106572816A CN 201580043895 A CN201580043895 A CN 201580043895A CN 106572816 A CN106572816 A CN 106572816A
Authority
CN
China
Prior art keywords
walking
abnormal
exception
image
measured
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201580043895.XA
Other languages
English (en)
Other versions
CN106572816B (zh
Inventor
松村吉浩
中原智治
藤田智彦
小田邦彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN106572816A publication Critical patent/CN106572816A/zh
Application granted granted Critical
Publication of CN106572816B publication Critical patent/CN106572816B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

判定结果图像(X)包含有指示图像(I)和多个人形图像(H)。多个人形图像(H)是显示于显示部(2)的多个静止图像，分别对应于被测量者(100)的步行运动的多个阶段。指示图像(I)是在多个人形图像(H)中的与由异常阶段判定部(33)判定为进行了异常的运动的阶段对应的人形图像中指示由异常部位判定部(32)判定为进行了异常的运动的身体部位。

Description

步行解析系统和步行解析程序
技术领域
本发明涉及为了对被测量者的步行运动进行解析而使用的步行解析系统和步行解析程序。
背景技术
以往进行了用于对被测量者的步行运动进行解析的系统的开发。在以往的步行运动的解析中，如以下的专利文献1和2所公开的那样，为了综合地判断步行运动而观察身体的重心附近的运动即腰部的中心的运动。
专利文献1：日本特开2011-177278号公报
专利文献2：日本特开2006-177749号公报
发明内容
发明要解决的问题
根据专利文献1和2所公开的技术，步行运动的解析的结果以加速度等的数值的形式被显示于显示部。因此，即使根据显示部所显示的加速度等的数值而被指出步行运动的异常，被测量者也无法直观地掌握自己的步行运动是什么样的异常。
本发明是鉴于上述的问题而完成的，其目的在于提供一种能够直观地掌握步行运动是什么样的异常的步行解析系统和步行解析程序。
用于解决问题的方案
本发明的第一方式的步行解析系统具备：传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；控制部，其根据由所述传感器部获取到的所述物理信息来判定所述步行运动中的步行异常的有无；以及显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，所述控制部具备：数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据；异常部位判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此按多个身体部位的每一个身体部位分别判定所述身体部位是否进行了异常的运动；异常阶段判定部，其根据由所述异常部位判定部判定为所述身体部位进行了异常的运动的定时是所述利萨如曲线数据的哪个定时，来判定在所述步行运动的多个阶段的哪个阶段中所述身体部位进行了异常的运动；以及显示控制部，其使所述显示部显示所述判定结果图像，所述判定结果图像是将由所述异常部位判定部判定为进行了异常的运动的所述身体部位与由所述异常阶段判定部判定为进行了异常的运动的所述阶段相关联而得到的，所述判定结果图像包含：多个人形图像，所述多个人形图像是显示于所述显示部的多个静止图像，分别对应于所述被测量者的步行运动的所述多个阶段；以及指示图像，其在所述多个人形图像中的与由所述异常阶段判定部判定为进行了异常的运动的所述阶段对应的人形图像中，指示由所述异常部位判定部判定为进行了异常的运动的所述身体部位。
本发明的第二方式的步行解析系统具备：传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；控制部，其根据由所述传感器部获取到的所述物理信息来判定所述步行运动中的步行异常的有无；显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无；以及运动图像拍摄部，其对所述被测量者的步行运动进行拍摄，所述控制部具备：数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，并根据所述位置的变化的轨迹的时间序列数据来生成至少一个平面上的利萨如曲线数据；异常种类判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此判定在所述被测量者的步行运动中是否存在多个种类的步行异常的各个异常；异常程度判定部，其按由所述异常种类判定部判定为存在所述步行异常的所述步行异常的每个种类，根据所述被判定要素的值与所述异常有无的判定基准值的差来判定所述步行异常的程度；以及显示控制部，其使所述显示部显示所述判定结果图像，所述判定结果图像是将由所述异常种类判定部判定出的所述步行异常的种类与由所述异常程度判定部判定出的所述步行异常的程度相关联而得到的，所述判定结果图像包含：多个种类的文字图像，所述多个种类的文字图像分别表示所述多个种类的步行异常；以及图表图像，其表示由所述多个种类的文字图像分别表示的所述步行异常的程度。
本发明的第三方式的步行解析系统具备：传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；控制部，其根据由所述传感器部获取到的所述物理信息来判定所述步行运动中的步行异常的有无；显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无；以及运动图像拍摄部，其对所述被测量者的步行运动进行拍摄，所述控制部包括：数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据；运动图像存储部，其存储由所述运动图像拍摄部拍摄得到的所述被测量者的步行运动的连续图像；异常姿势判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个实际的曲率半径的值分别与曲率半径的判定基准值进行比较，由此通过所述实际的曲率半径的值是否比所述曲率半径的判定基准值小，来判定所述被测量者是否做了异常的姿势；异常姿势抽出部，其根据由所述异常姿势判定部判定为比所述判定基准值小的所述实际的曲率半径的定时是所述利萨如曲线数据的哪个定时来获取异常姿势定时的数据，由此从由所述运动图像存储部存储的所述被测量者的步行运动的连续图像中抽出与所述异常姿势定时的数据对应的异常姿势的静止图像；以及显示控制部，其使所述显示部显示由所述异常姿势抽出部抽出的所述异常姿势的静止图像来作为所述判定结果图像。
本发明的第四方式的步行解析系统具备：传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；控制部，其根据由所述传感器部获取到的所述物理信息来判定所述步行运动中的步行异常的有无；以及显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，所述控制部具备：数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据；异常有无判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此判定所述步行运动中的异常的有无；以及显示控制部，其在由所述异常有无判定部判定为所述被测量者进行了异常的步行运动的情况下，使所述显示部显示表示所述异常的步行运动的判定结果图像，其中，所述数据生成部生成所述被测量者的冠状面、水平面以及矢状面的各个所述利萨如曲线数据，所述多个种类的异常有无的判定基准值分别对应于从所述冠状面、所述水平面以及所述矢状面的各个所述利萨如曲线数据中抽出的所述多个种类的被判定要素，所述判定结果图像包含表示与所述多个种类的被判定要素分别对应的步行异常的图像。
本发明的第一方式的步行解析程序使用于步行解析系统，该步行解析系统具备：传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；控制部，其根据由所述传感器部获取到的所述物理信息判定所述步行运动中的步行异常的有无；以及显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，该步行解析程序使作为所述控制部的计算机作为以下部件发挥功能：数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据来生成至少一个平面上的利萨如曲线数据；异常部位判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此按多个身体部位的每一个身体部位分别判定所述身体部位是否进行了异常的运动；异常阶段判定部，其根据由所述异常部位判定部判定为所述身体部位进行了异常的运动的定时是所述利萨如曲线数据的哪个定时，来判定在所述步行运动的多个阶段的哪个阶段中所述身体部位进行了异常的运动；以及显示控制部，其使所述显示部显示所述判定结果图像，所述判定结果图像是将由所述异常部位判定部判定为进行了异常的运动的所述身体部位与由所述异常阶段判定部判定为进行了异常的运动的所述阶段相关联而得到的，所述判定结果图像包含：多个人形图像，所述多个人形图像是显示于所述显示部的多个静止图像，分别对应于所述被测量者的步行运动的所述多个阶段；以及指示图像，其在所述多个人形图像中的与由所述异常阶段判定部判定为进行了异常的运动的所述阶段对应的人形图像中，指示由所述异常部位判定部判定为进行了异常的运动的所述身体部位。
本发明的第二方式的步行解析程序使用于步行解析系统，该步行解析系统具备：传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；控制部，其根据由所述传感器部获取到的所述物理信息判定所述步行运动中的步行异常的有无；以及显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，该步行解析程序使作为所述控制部的计算机作为以下部件发挥功能：数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据；异常种类判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此判定在所述被测量者的步行运动中是否存在多个种类的步行异常的各个异常；异常程度判定部，其按由所述异常种类判定部判定为存在所述步行异常的所述步行异常的每个种类，根据所述被判定要素的值与所述异常有无的判定基准值的差来判定所述步行异常的程度；以及显示控制部，其使所述显示部显示所述判定结果图像，所述判定结果图像是将由所述异常种类判定部判定出的所述步行异常的种类与由所述异常程度判定部判定出的所述步行异常的程度相关联而得到的，所述判定结果图像包含：多个种类的文字图像，所述多个种类的文字图像分别表示所述多个种类的步行异常；以及图表图像，其表示由所述多个种类的文字图像分别表示的所述步行异常的程度。
本发明的第三方式的步行解析程序使用于步行解析系统，该步行解析系统具备：传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；控制部，其根据由所述传感器部获取到的所述物理信息判定所述步行运动中的步行异常的有无；显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无；以及运动图像拍摄部，其对所述被测量者的步行运动进行拍摄，该步行解析程序使作为所述控制部的计算机作为以下部件发挥功能：数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据来生成至少一个平面上的利萨如曲线数据；运动图像存储部，其存储由所述运动图像拍摄部拍摄得到的所述被测量者的步行运动的连续图像；异常姿势判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个实际的曲率半径的值分别与曲率半径的判定基准值进行比较，由此通过所述实际的曲率半径的值是否比所述曲率半径的判定基准值小，来判定所述被测量者是否做了异常的姿势；异常姿势抽出部，其根据由所述异常姿势判定部判定为比所述判定基准值小的所述实际的曲率半径的定时是所述利萨如曲线数据的哪个定时来获取异常姿势定时的数据，由此从由所述运动图像存储部存储的所述被测量者的步行运动的连续图像中抽出与所述异常姿势定时的数据对应的异常姿势的静止图像；以及显示控制部，其使所述显示部显示由所述异常姿势抽出部抽出的所述异常姿势的静止图像来作为所述判定结果图像。
本发明的第四方式的步行解析程序使用于步行解析系统，该步行解析系统具备：传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；控制部，其根据由所述传感器部获取到的所述物理信息判定所述步行运动中的步行异常的有无；以及显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，该步行解析程序使作为所述控制部的计算机作为以下部件发挥功能：数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据来生成至少一个平面上的利萨如曲线数据；异常有无判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此判定所述步行运动中的异常的有无；以及显示控制部，其在由所述异常有无判定部判定为所述被测量者进行了异常的步行运动的情况下，使所述显示部显示表示所述异常的步行运动的判定结果图像，其中，所述数据生成部生成所述被测量者的冠状面、水平面以及矢状面的各个所述利萨如曲线数据，所述多个种类的异常有无的判定基准值分别对应于从所述冠状面、所述水平面以及所述矢状面的各个所述利萨如曲线数据中抽出的所述多个种类的被判定要素，所述判定结果图像包含表示与所述多个种类的被判定要素分别对应的步行异常的图像。
发明的效果
根据本发明，能够直观地掌握步行运动是什么样的异常。
附图说明
图1是用于说明本发明的实施方式的步行解析系统的使用状态的图。
图2是用于说明本发明的实施方式的步行解析系统的各部的功能的框图。
图3是表示在本发明的实施方式的步行解析系统中成为比较的基准的正常的步行运动的冠状面的利萨如曲线数据的一例的图。
图4是表示在本发明的实施方式的步行解析系统中成为比较的基准的正常的步行运动的水平面的利萨如曲线数据的一例的图。
图5是表示在本发明的实施方式的步行解析系统中成为比较的基准的正常的步行运动的矢状面的利萨如曲线数据的一例的图。
图6是表示在本发明的实施方式的步行解析系统中获取到的被测量者的步行运动的冠状面的利萨如曲线数据的一例的图。
图7是表示在本发明的实施方式的步行解析系统中获取到的被测量者的步行运动的水平面的利萨如曲线数据的一例的图。
图8是表示在本发明的实施方式的步行解析系统中获取到的被测量者的步行运动的矢状面的利萨如曲线数据的一例的图。
图9是用于说明使用本发明的实施方式的步行解析系统中的步行运动的冠状面的利萨如曲线数据的情况下的异常步行的判定方法的图。
图10是用于说明使用本发明的实施方式的步行解析系统中的步行运动的水平面的利萨如曲线数据的情况下的异常步行的判定方法的图。
图11是用于说明使用本发明的实施方式的步行解析系统中的步行运动的矢状面的利萨如曲线数据的情况下的异常步行的判定方法的图。
图12是用于说明通过本发明的实施方式的步行解析系统获得的步行运动的异常的有无的判定结果的显示方式的第一图。
图13是用于说明通过本发明的实施方式的步行解析系统获得的步行运动的异常的有无的判定结果的显示方式的第二图。
图14A是用于说明通过本发明的实施方式的步行解析系统获得的步行运动的异常的有无的第一次的判定结果的显示方式的第三图。
图14B是用于说明通过本发明的实施方式的步行解析系统获得的步行运动的异常的有无的第二次的判定结果的显示方式的第三图。
具体实施方式
以下，参照附图说明本发明的实施方式的步行解析系统和步行解析程序。
(步行解析系统的整体结构)
如图1所示，本实施方式的步行解析系统90(参照图2)具备传感器部1和平板终端机10。平板终端机10具备显示部2和控制部3。因而，步行解析系统90具备传感器部1、显示部2以及控制部3。
传感器部1具有天线部以及从天线部发送无线信息的无线信息发送部。平板终端机10具备作为移动电话的通信功能。因此，平板终端机10具备：天线部，其接收从传感器部1发送过来的无线信息；以及无线信息抽出部，其能够从由天线部接收到的无线信息中抽出传感器部1获取到的物理信息。另外，平板终端机10也可以是一种个人计算机。因而，能够对无线信息进行运算处理。
显示部2设为由液晶显示部构成，但是如果是能够根据来自控制部3的控制指令显示步行解析的判定结果图像，则也可以是其它任何的显示部。控制部3为了实现作为个人计算机的功能而具备CPU(Central Processing Unit：中央处理单元)、ROM(Read OnlyMemory：只读存储器)以及RAM(Random Access Memory：随机存取存储器)。
传感器部1被佩戴于进行步行运动的被测量者100，用于获取物理信息，该物理信息用于导出被测量者100的位置的变化的轨迹。在本实施方式中，传感器部1是三轴加速度传感器。因而，传感器部1被安装于被测量者100，与被测量者100一起移动，由此来检测被测量者100在正交的三轴方向上各自的加速度。
与基于由摄像机录像得到的步行运动进行异常解析的情况相比，加速度传感器无需被测量者100注意摄像机的视角(视场)，即使步行长距离，也能够测量其步行运动。由加速度传感器检测出的三轴方向上各自的加速度的信息作为无线信息而从加速度传感器向平板终端机10发送。
其中，传感器部1如果是获取进行步行运动的被测量者100的位置的变化的时间序列数据，则可以是任意的。换言之，传感器部1如果是后述的控制部3的数据生成部31能够根据位置的变化的时间序列数据生成至少一个平面上的利萨如曲线数据，则可以是任意的。
在本说明书中，利萨如曲线数据是三维的位移历史记录数据投影到二维平面上得到的数据。利用投影到平面上的位移历史记录数据绘制的图形与数学中使用的利萨如图形相似。因此，在本说明书中，设为将三维的位移历史记录的数据投影到平面上得到的二维的位移历史记录数据称为利萨如曲线数据。
如图1所示，在本实施方式中，作为传感器部1的三轴加速度传感器被佩戴在被测量者100的重心的位置附近即腰部的后面侧。
加速度传感器会受到具有步行频率的一半以下的低频率的重力加速度的影响。因此，通过FFT(Fast Fourier Transform：快速傅立叶变换)去除由加速度传感器获得的加速度中的低频率的成分。
另外，为了仅获取步行运动中的位置的位移，由加速度传感器获得的加速度中的在行进方向上的加速度成分也被去除。其结果，在正常的步行中，冠状面、矢状面、水平面的位移的轨迹绘制为与数学意义上的利萨如图形相似的图形。
传感器部1随着被测量者100的步行运动而移动，将其三轴各自的加速度的信息作为无线信息发送到平板终端机10。另外，平板终端机10具备能够接收从传感器部10发送过来的无线信息的天线部(未图示)。
其中，传感器部1如果是能够根据用于导出因被测量者100的步行运动而产生的位置的变化的轨迹的物理信息生成利萨如曲线数据，则可以是任意的。传感器部1如果是能够获取被测量者100的位移的信息，并由此基于该位移的信息生成利萨如曲线数据，则也可以是平板终端机10中所具备的传感器。例如，平板终端机10中具备的运动图像拍摄部4等也可以发挥传感器部的功能。
另外，运动图像拍摄部4例如具有两个透镜系统以及两个摄像元件，控制部3也可以基于由两个摄像元件拍摄到的图像来计算附加于被测量者100的标记的位置的变化的轨迹。也就是说，也可以根据由运动图像拍摄部4拍摄得到的两个视点的连续图像来计算被测量者100的位移信息。在该情况下，也根据计算出的位移信息来生成利萨如曲线数据。
显示部2为触摸面板式的输入部。通过点击触摸面板式的显示部2上显示的步行解析系统用的图标来启动步行解析程序，构成步行解析系统。另外，步行解析的开始和结束也通过点击显示部2所显示的开始图标和结束来进行。并且，通过点击判定结果表示用的图标，来将判定结果显示于显示部2。这些平板终端机10的显示部2的功能与通常的具有移动电话的功能的平板终端机的功能相同，因此省略其详细的说明。
如图2所示，本实施方式的显示部2分别显示表示由控制部3判定出的步行异常的有无的判定结果图像X、判定结果图像Y以及判定结果图像Z。判定结果图像X、判定结果图像Y以及判定结果图像Z设为分别同时显示于显示区域21、显示区域22以及显示区域23。在后面记述判定结果图像X、判定结果图像Y以及判定结果图像Z的详细内容。
控制部3当由无线信息接收部接收到从传感器部1发送过来的无线信息时，向后述的数据生成部31发送。平板终端机10的无线信息的接收功能与通常的具有移动电话功能的平板终端机的功能相同，因此省略其详细的说明。控制部3根据由传感器部1获取到的物理信息来判定步行运动过程中有无步行异常。
(运动图像拍摄)
如图1所示，本实施方式的步行解析系统90还具备运动图像拍摄部4，该运动图像拍摄部4具有从与平板终端机10的显示部2相反侧的面朝向外侧的光学系统。运动图像拍摄部4能够对存在于显示部2的背侧的对象物进行拍摄。由运动图像拍摄部4拍摄得到的影像被实时地显示于显示部2。
因而，测量者200能够一边观察显示于显示部2的被测量者100的步行运动一边对被测量者100的步行运动进行拍摄。也就是说，平板终端机10是具有运动图像拍摄用的摄像机功能的计算机。运动图像拍摄部4用以对被测量者100的步行运动进行拍摄。
但是，平板终端机10也可以不具有运动图像拍摄部4。在平板终端机10不具有运动图像拍摄部4的情况下，也可以代替从被测量者100的实际的步行运动的连续图像中抽出的步行运动的姿势的图像，而使用存储在角色存储部38中的角色图像。关于其详细内容，在后面记述。
在使用运动图像拍摄部4的情况下，不需要将运动图像拍摄部4内置于平板终端机10。运动图像拍摄部4也可以是与平板终端机10相独立的摄像机，将拍摄得到的被测量者100的步行运动的运动图像作为无线信息或有线信息发送到平板终端机10。
(步行解析程序)
如图2所示，记录介质50记录了能够由计算机读取的步行解析程序。步行解析程序用于使步行解析系统90进行动作。记录在记录介质50中的步行解析程序从记录介质50被读入到平板终端机10内的作为RAM的程序存储部5。记录在记录介质50中的步行解析程序也能够被其它的平板终端机或个人计算机等读入。
记录介质50是包含通过步行解析程序进行的命令的计算机程序产品的一例。记录介质50也可以是CD-ROM(Compact Disc-Read Only Memory：只读光盘存储器)、记忆棒、光盘、或者因特网上的服务器等任何介质。也就是说，记录介质50如果是以计算机可读取的方式记录步行解析程序，则也可以是任意的。
在云计算的情况下，因特网上的服务器的存储部是计算机能够读取步行解析程序的记录介质，服务器的计算机读取并执行步行解析程序。在云计算的情况下，传感器部1和显示部2存在于平板终端机10中，但是控制部3的一部分存在于因特网上的服务器，控制部3的另外一部分存在于平板终端机10中。
作为步行解析系统90的控制部30的计算机读入记录介质50中所记录的步行解析程序并存储到程序存储部5。程序存储部5存储的步行解析程序使作为控制部30的计算机作为步行解析系统的各部发挥功能。
在本实施方式中，步行解析程序使作为控制部3的计算机在步行解析系统90中作为数据生成部31、异常部位判定部32、异常阶段判定部33以及显示控制部39发挥功能。另外，步行解析程序被使用于步行解析系统90中，使作为控制部3的计算机作为数据生成部31、异常种类判定部34、异常程度判定部35以及显示控制部39发挥功能。步行解析程序使作为控制部3的计算机作为数据生成部31、运动图像存储部36、异常姿势判定部301、异常姿势抽出部302以及显示控制部39发挥功能。
另外，步行解析程序使用于具备传感器部1、控制部3以及显示部2的步行解析系统90中。步行解析程序使作为控制部3的计算机作为数据生成部31、异常有无判定部300以及显示控制部39发挥功能。异常有无判定部300包括异常部位判定部32、异常阶段判定部33、异常种类判定部34、异常程度判定部35、异常姿势判定部301以及异常姿势抽出部302。在后面记述它们的具体的功能。
(利萨如曲线数据的生成)
如图2所示，数据生成部31根据由传感器部1获取到的物理信息来获取被测量者100的步行运动中的位置的变化的轨迹的时间序列数据。在本实施方式中，数据生成部31通过对从三轴加速度传感器发送过来的三轴各自的加速度的数据进行二次积分，来计算位置的变化的轨迹的时间序列数据。数据生成部31根据位置的变化的轨迹的时间序列数据生成三个平面上的利萨如曲线数据。具体地说，通过将三维的位置的变化的轨迹的时间序列数据投影到二维的三个平面(x-y平面、y-z平面、z-x平面)的各个平面来生成利萨如曲线数据。
如图3～图5所示，预先生成了成为步行运动的异常的有无的判定的基准的利萨如曲线数据。成为该基准的利萨如曲线数据是根据进行了正常步行运动的被测量者的利萨如曲线数据而预先生成的。从成为该基准的正常的利萨如曲线数据预先抽出了异常有无的判定基准值。该抽出的异常有无的判定基准值被嵌入于步行解析程序中。能够从由程序存储部5存储的步行解析程序中抽出异常有无的判定基准值，用于异常有无的判定。
如图6～图8所示，利萨如曲线数据实际上能够作为多个周期的步行运动的位置的变化的轨迹的时间序列数据而获得。图6～图8所示的利萨如曲线数据是进行了正常步行运动的被测量者100的利萨如曲线数据。因此，与图3～图5所示的成为判定的基准的利萨如曲线数据相差不大。实际的进行了异常步行运动的被测量者100的利萨如曲线数据与图3～图5所示的利萨如曲线数据差异大。
(三种利萨如曲线数据)
在步行解析系统90中，数据生成部31生成冠状面、水平面以及矢状面的各个利萨如曲线数据。因而，预先决定的多个种类的异常有无的判定基准值分别对应于从冠状面、水平面以及矢状面的各个利萨如曲线数据中抽出的多个被判定要素。
根据上述的结构，在包含冠状面、水平面以及矢状面的三个面中，使用关于被测量者100的步行运动的利萨如曲线数据来检测步行异常，因此能够从各个方面来检测步行运动中的异常。
(异常的判定基准)
使用图9～图11说明在实施方式的步行解析系统中执行的异常的判定的基准。
在步行运动中有异常的情况下，在冠状面、水平面以及矢状面的各个面中，利萨如曲线数据具有特征性的形状。通过是否检测出该特征性的形状来进行异常部位的有无的判定。在本实施方式中，使用图9～图11所记载的判定方法。
基于图9～图11所示的方法进行的判定的结果作为图12、图13、图14A以及图14B所示的判定结果图像X、Y、Z显示于显示部2。
在本实施方式中，如从图12、图14A以及图14B可知，以能够通过指示图像I和多个人形图像H直观地掌握的方式，使异常的部位和异常的阶段显示于显示部2。
另外，以能够通过雷达图等图表图像G直观地掌握的方式，使异常的种类和异常的程度显示于显示部2。另外，以能够通过异常姿势的静止图像K直观地掌握的方式，使被测量者100的异常步行中的在进行了异常运动的定时的姿势显示于显示部2。
并且，如从图13可知，指导者所需要的信息也被显示于显示部2。图12所示的图像和图13所示的图像设为通过平板终端机10的使用者对显示部2的画面切换图标的触摸操作来切换显示于显示部2。
另外，如图14A和图14B所示，多次的测量中的冠状面、水平面以及矢状面的各个利萨如曲线数据也可以显示于显示部2。由此，测量者200等的指导者能够一边展示显示于显示部2的利萨如曲线数据一边说明关于被测量者100的步行异常的改善的有无等的评价。在该情况下，判定结果图像X、Y、Z也可以显示于显示部2。但是，利萨如曲线数据向显示部2的显示不是必须的。
以下，说明本实施方式的步行解析系统中的步行异常的判定方法。其中，异常的判定方法不限定于以下说明的，如果是能够使用从利萨如曲线数据中抽出的被判定要素来判定步行异常的有无，则也可以使用其它的判定方法。冠状面被规定为x-y平面，水平面被规定为x-z平面，矢状面被规定为y-z平面。设为X轴是沿被测量者100的身体的左右方向延伸的轴，Y轴是沿被测量者100的身体的上下方向延伸的轴，Z轴是沿被测量者100的身体的前后方向延伸的轴。
(A：使用冠状面的利萨如曲线进行的异常有无的判定)
如图9所示，在使用冠状面的利萨如曲线数据的情况下，能够判定以下的三种异常的有无。
三种异常为1)身体的左部分与右部分的抖动的平衡的异常、2)身体的左部分与右部分的负荷平衡的异常以及3)髋关节的可动区域的异常和膝关节的可动区域的异常。
1)身体的左部分与右部分的抖动的平衡的异常是身体取得左右平衡的功能的异常。向被判定为存在该异常的被测量者100推荐平衡功能训练。
2)身体的左部分与右部分的负荷平衡的异常是不平衡负荷的异常。被判定为存在该异常的被测量者100由于对左右脚施加的负荷存在不平衡，因此被推荐单侧负荷训练和下肢肌肉力量训练。
3)髋关节的可动区域的异常和膝关节的可动区域的异常分别是髋关节的伸展功能下降的异常以及膝关节成为过度弯曲的状态的异常。
在图9中，将从Y轴到左上侧的拐点IIIL的距离设为XL，将从Y轴到右上侧的拐点IIIR的距离设为XR。在图9中，Xf＝XL+XR。另外，在图9中，将左上侧的拐点IIIL与左下侧的拐点IL之间的与Y轴平行的方向上的距离设为YL，将右上侧的拐点IIIR与右上侧的拐点IR之间的与Y轴平行的方向上的距离设为YR。并且，在图9中，将由利萨如曲线数据的交点IILR、拐点IIIL以及拐点IL包围的区域的面积设为SL，将由利萨如曲线数据的交点IILR、拐点IIIR以及拐点IR包围的区域的面积设为SR。
<1)身体的左部分与右部分的抖动的平衡的异常>
a)在图9中，在max(YR,YL)/Xf>0.5的情况下，如果Xf＝XL+XR<4.5cm，则被测量者100被判定为进行了正常的步行运动。max(YR,YL)意味着距离YR和距离YL中较大一方的值。另一方面，在max(YR,YL)/Xf>0.5的情况下，如果Xf＝XL+XR≥4.5cm，则被测量者100被判定为进行了存在身体的左部分与右部分的抖动的平衡的异常的步行运动。max(YR,YL)/Xf和Xf＝XL+XR分别是被判定要素，0.5、4.5cm以及7cm分别是异常有无的判定基准值。
该“身体的左部分与右部分的抖动的平衡的异常”的用语被显示为表示步行异常的文字图像A。文字图像A被显示在使用图12在后面记述的判定结果图像Y的雷达图的多个轴的一个轴的外侧的显示区域22(参照图2)内。
另外，根据Xf＝XL+XR的值比作为基准值的一例的4.5cm大多少，来判定被测量者100的身体的左部分与右部分的抖动的平衡的异常的程度是多少。作为判定结果的身体的左部分与右部分的抖动的平衡的异常的程度通过在雷达图的左右的由“身体的左部分与右部分的抖动的平衡的异常”的用语表示的轴上标绘的点(或交叉线)的位置来表示。该雷达图和标绘在雷达图上的点(或线)是表示异常的程度的图表图像G。
b)在图9中，在max(YR,YL)/Xf≤0.5的情况下，被测量者100被判定为进行了阔步步行。但是，一般而言，很多老年人进行被称为阔步步行的步行。因此，在被测量者100进行了7cm≥Xf＝XL+XR≥4.5cm的阔步步行的情况下，不判定为进行异常的步行运动。
在阔步步行中，在7cm≥Xf＝XL+XR≥4.5cm的情况下，如果(XL-XR)/2(XL+XR)×100％为正的值，则与身体的右侧的动作相比，身体的左侧的动作大。另一方面，如果(XL-XR)/2(XL+XR)×100％为负的值，则与身体的左侧的动作相比，身体的右侧的动作大。在该情况下，max(YR,YL)/Xf、Xf＝XL+XR以及(XL-XR)/2(XL+XR)×100％分别是被判定要素的值，0.5、4.5cm、7cm分别是异常有无的判定基准值。
在该情况下，将作为被判定要素的(XL-XR)/2(XL+XR)×100％的值和与其对应的异常有无的判定基准值进行比较。在其比较的结果为(XL-XR)/2(XL+XR)×100％>基准值的情况下，判定是否存在身体的左部分与右部分的抖动的平衡的异常。另外，根据其比较结果，身体的左部分与右部分的抖动的平衡的异常的程度被分类到多个等级中的某个等级。
该身体的左部分与右部分的抖动的平衡的异常的种类和该异常的程度分别通过图2和图12所示的作为判定结果图像Y的雷达图来表示。
<2)身体的左部分与右部分的负荷平衡的异常>
在图9中，如果作为被判定要素的面积SL与面积SR的差大于作为异常有无的判定基准值的面积SL与面积SR的和的10％，则判定为存在身体的左部分与右部分的负荷平衡的异常。也就是说，判定为对左脚和右脚施加体重的方式存在不平衡。另外，根据面积SL与面积SR的差是多少，来将身体的左部分与右部分的负荷平衡的异常的程度分类到多个等级中的某个等级。
此外，面积SL和面积SR可以通过积分来严格地计算，但是也可以通过正交的特征长度的积这样简单化的方法来计算。
该身体的左部分与右部分的负荷平衡的异常的种类和身体的左部分与右部分的负荷平衡的异常的程度也通过作为判定结果图像Y的雷达图来表示。但是，为了图示的简单化，在图2和图12中没有记载“身体的左部分与右部分的负荷平衡的异常”的文字图像。在雷达图中，“身体的左部分与右部分的负荷平衡的异常”的文字图像被显示为表示步行异常的文字图像。该雷达图和在雷达图上标绘的点(或线)是表示异常的程度的图表图像G。
<3)髋关节的可动区域的异常和膝关节的可动区域的异常>
在图9中，将作为被判定要素的值的左侧的身体的可动距离YL和右侧的身体的可动距离YR分别与作为异常有无的判定基准值的标准可动距离Ystd＝3cm进行比较。由此，如果可动距离YL和可动距离YR分别大于标准可动距离Ystd＝3cm，则判定为它们是正常的可动距离。根据被测量者100的可动距离YL和可动距离YR各自与基准距离Ystd的差，来将髋关节的可动区域的异常的程度分类到多个等级中的某个等级。
另外，如果可动距离YL与可动距离YR的差的值大于可动距离YL与可动距离YR的和的值的10％，则判定为左右髋关节的可动区域和左右膝关节的可动区域的平衡差。
如果左右髋关节的可动区域和左右膝关节的可动区域的平衡差，则存在左下侧的拐点IL和右下侧的拐点IR中的某一个的位置在Y轴方向上处于上侧的情况。在该情况下，判定为存在于处于上侧的拐点对应的腿的髋关节的伸展下降的异常。也就是说，将从X轴到左下侧的拐点IL到的距离与从X轴到右下侧的拐点IR的距离进行比较，由此，判定为存在于离X轴的距离较小的拐点对应的腿的髋关节的伸展下降的异常。
如果左右髋关节的可动区域和左右膝关节的可动区域的平衡差，则存在左上侧的拐点IIIL和右上侧的拐点IIIR中的某一个的位置在Y轴方向上处于下侧的情况。在该情况下，判定为与处于下侧的拐点对应的腿的膝关节存在过度弯曲的异常。也就是说，将从X轴到左上侧的拐点IIIL的距离与从X轴到右上侧的拐点IIIR的距离进行比较，由此判定为存在与离X轴的距离较小的拐点对应的腿的膝关节的过度弯曲的异常。
髋关节的可动区域的异常和膝关节的可动区域的异常分别被表示为图2和图12所示的判定结果图像Y的雷达图的一个轴的项目。另外，髋关节的可动区域的异常的程度和膝关节的可动区域的异常的程度通过在雷达图上标绘的点(或线)的位置来表示。在雷达图中，“髋关节的可动区域的异常”的文字图像和“膝关节的可动区域的异常”的文字图像分别被显示为表示步行异常的文字图像B和文字图像D。另外，该雷达图和在雷达图上标绘的点(或线)是表示异常的程度的图表图像G。
另外，关于髋关节的可动区域的异常和膝关节的可动区域的异常，分别在判定结果图像X中通过指示图像I来指示作为存在步行异常的身体部位的大腿和膝。另外，在多个人形图像H中的哪个人形图像中显示指示图像I根据获取到与可动距离YL和可动距离YR分别对应的期间中的利萨如曲线数据的定时来决定。因此，在图2所示的显示于显示区域21的多个人形图像H中的某一个中通过指示图像I指示髋关节和膝关节中的存在异常的部位。由此，被测量者100能够容易地理解在步行运动的哪个阶段中哪个部位存在异常。
(B：使用水平面的利萨如曲线进行的异常有无的判定)
如图10所示，在使用水平面的利萨如曲线数据的情况下，能够判定4)足关节的异常的有无。另外，在使用水平面的利萨如曲线数据的情况下，能够判定5)腰的转动异常和足关节(踝关节)的跖屈力的异常的有无。在使用水平面的利萨如曲线数据的情况下，还能够判定6)触地侧的脚整体的异常的有无。
在图10中，将左侧的三个拐点分别设为IVL、VIL、VIIL，将右侧的三个拐点分别设为IVR、VIR、VIIR。在图10中，将利萨如曲线数据的交点设为VLR。根据左侧的拐点IVR和右侧的拐点VIL各自在Z轴方向上的位置，能够判定足关节弯曲的可动区域的异常的有无。另外，在图10中，将具有表示水平面的利萨如曲线数据的x-z坐标轴的曲线图的坐标(x,z)处的曲率半径设为r。
<4)足(踝)关节的背屈可动区的异常>
在左侧的拐点IVL或右侧的拐点IVR的z坐标>0的情况下，左侧的拐点IVR或右侧的拐点IVL处于交点VLR的前侧。在该情况下，如果拐点IVR的x坐标>3mm，则判定为存在左足关节的背屈可动区的异常，如果拐点IVL的x坐标<-3mm，则判定为存在右足关节的背屈可动区的异常。左侧的拐点IVL的z坐标、右侧的拐点IVR的z坐标、左侧的拐点IVR的x坐标以及拐点IVL的x坐标分别是被判定要素的值，0、3mm以及-3mm分别是异常有无的判定基准值。
左足关节的背屈可动区的异常和右足关节的背屈可动区的异常分别被表示为图2和图12所示的判定结果图像Y的雷达图的一个轴的项目。另外，根据前述的被判定要素与作为异常有无的判定基准值的3mm或-3mm的差，来将左足关节的背屈可动区的异常的程度和右足关节的背屈可动区的异常的程度分类到多个等级中的某个等级。左足关节的背屈异常的程度和右足关节的背屈异常的程度分别通过在雷达图上标绘的点(或线)的位置来表示。
在雷达图中，“左足关节的背屈可动区的异常”的文字图像以及“右足关节的背屈可动区的异常”的文字图像分别被显示为表示步行异常的文字图像A、B、C、D以及E中的任一个。但是，在图2和图12中，为了图的简单化，没有记载“左足关节的背屈可动区的异常”的文字图像以及“右足关节的背屈可动区的异常”的文字图像。另外，该雷达图和在雷达图上标绘的点(或线)是表示异常的程度的图表图像G。
<5)腰的转动的异常和足(踝)关节的跖屈力的异常>
在图10中，将左侧的拐点IVL与交点VLR连结的线段IVL-VLR和X轴所形成的角度设为θL。另外，在图10中，将右侧的拐点IVR与交点VLR连结的线段IVR-交点VLR和X轴所形成的角度设为θR。判定图10中的左侧的腰的转动的角度θL和右侧的腰的转动的角度θR的各个是否过大。
在左侧的腰的转动的角度θL>0的情况下、也就是说拐点IVL在沿着Z轴的方向上处于交点VLR的前侧的情况下，如果角度θL>10度，则判定为左侧的腰的转动不充分。在该情况下，判定为需要锻炼右侧的中腰肌。在右侧的腰的转动的角度θR>0的情况下、也就是说，拐点IVR在沿着Z轴的方向上处于交点VLR的前侧的情况下，如果角度θR>10度，则判定为右侧的腰的转动不充分。在该情况下，判定为需要锻炼左侧的中腰肌。
在左侧的腰的转动的角度θL<0的情况下、也就是说拐点IVL在沿着Z轴的方向上处于交点VLR的后侧的情况下，如果左侧的腰的转动的角度θL<-10度，则判定为右侧的足关节的跖屈力不充分。在该情况下，判定为需要锻炼右侧的小腿肌。在右侧的腰的转动的角度θR<0的情况下、也就是说拐点IVR在沿着Z轴的方向上处于交点VLR的后侧的情况下，如果角度θR<-10度，则判定为左侧的足关节的跖屈力不充分。在该情况下，判定为需要锻炼左侧的小腿肌。
在上述的情况下，角度θL和角度θR分别是被判定要素的值，10度和-10度分别是异常有无的判定基准值。
腰的转动的异常和足(踝)关节的跖屈力的异常分别被表示为图2和图12所示的判定结果图像Y的雷达图的一个轴的项目。另外，根据角度θL(或角度θR)与作为异常有无的判定基准值的10度(或-10度)的差，来将腰的转动的异常的程度(或足关节的跖屈力的异常的程度)分类到多个等级中的某个等级。
腰的转动的异常的程度和足关节的跖屈力的异常的程度分别通过在雷达图上标绘的点的位置来表示。在雷达图中，“腰的转动的异常”的文字图像以及“足关节的跖屈力的异常”的文字图像分别被显示为表示步行异常的文字图像。例如，在图12中，显示了“足关节的跖屈力的异常”的文字图像C。另外，该雷达图和在雷达图上标绘的线(或线和点)是表示异常的程度的图表图像G。
另外，关于腰的转动的异常和足关节的跖屈力的异常，在判定结果图像X中通过指示图像I来指示作为存在步行异常的身体部位的腰和脚(踝)。另外，在多个人形画H中的哪个人形图像中显示指示图像I是基于获取到角度θL和角度θR各自的数据的在利萨如曲线数据上的定时来决定。在该情况下，在图2和图12所示的人形图像H中的某一个中通过指示图像I指示腰、左脚以及右脚中的存在异常的身体部位。由此，被测量者100能够容易地理解异常的身体部位。
<6)触地的脚整体的异常>
在图10中，在曲率半径r<1mm的情况下，判定为存在触地的脚整体的异常动作。触地的脚整体是与悬在空中的脚整体相反侧的脚整体。根据该曲率半径r的坐标掌握产生了该异常的定时，从由运动图像拍摄部4拍摄得到的连续图像中抽出与该定时对应的异常的姿势的静止图像K。异常的姿势的静止图像K作为判定结果图像Z被显示于显示部2的显示区域23。在该情况下，曲率半径r的值是被判定要素，1mm是异常有无的判定基准值。
由此，例如在左侧的拐点IVL处的曲率半径r<1且左侧的拐点IVL的x坐标的值接近x坐标可取的最大值的情况下，判定为在左脚站立中期、左脚接触地面的期间的大致中央时点存在步行异常。
(C：使用矢状面的利萨如曲线进行的异常有无的判定)
如图11所示，在使用矢状面的利萨如曲线数据的情况下，能够判定7)踢腿的异常的有无。一般地，在一个步行周期中在矢状面(y-z平面)上绘制的利萨如曲线数据是能够近似于两个椭圆的图形。图11所示的用实线绘制的椭圆是其长轴与曲线图的Y轴所形成的角度为φR的椭圆，右侧的脚着地时的利萨如曲线数据近似于椭圆。图11中的用一点划线绘制的椭圆是其长轴与曲线图的Y轴重叠的椭圆(φL＝0)，左侧的脚着地时的利萨如曲线数据近似于椭圆。根据图11所示的两个近似于椭圆的图形，由于角度为φR>异常有无的判定基准值，因此判定为在右侧的脚着地时产生了步行异常。
<7)踢腿的异常>
基于矢状面的利萨如曲线数据生成近似椭圆，使用该近似椭圆的长轴与Y轴所形成的角度φ的大小，判定踢腿的异常的有无。例如，由于角度φ>5度，而判定为在获取到角度φ的定时与接触地面的脚相反的脚的踢腿弱。也就是说，如果左脚接触地面时的左侧的角度φL和右脚接触地面时的右侧的角度φR中的左侧的角度φL>5度，则判定为右脚的踢腿弱，如果右侧的角度φR>5度，则判定为左脚的踢腿弱。在该情况下，左侧的角度φL和右侧的角度φR分别是被判定要素的值，5度是异常有无的判定基准值。
踢腿的异常被表示为图2和图12所示的判定结果图像Y的雷达图的一个轴的项目。另外，踢腿的异常的程度就根据角度φ与作为基准值的5度的差来决定，通过在雷达图上标绘的点(或线)的位置来表示。在雷达图中，“右脚的踢腿的异常”的文字图像和“左脚的踢腿的异常”的文字图像被显示为表示步行异常的文字图像。在图12中，例如记载了“右脚的踢腿的异常”的文字图像E。另外，该雷达图和在雷达图上标绘的线(或点)是表示异常的程度的图表图像G。
<8)触地的脚整体的异常>
在图11中，也与图10同样地，在利萨如曲线的曲率半径r<1mm的情况下，判定为存在触地的脚整体的异常动作。在该情况下，曲率半径r的值是被判定要素，1mm是异常有无的判定基准值。从该曲率半径r的坐标掌握产生该异常的定时，从由运动图像拍摄部4拍摄得到的连续图像中抽出与该定时对应的异常的姿势的静止图像K。异常的姿势的静止图像K作为判定结果图像Z显示于显示部2的显示区域23。
(用于异常判定的结构)
实施方式的步行解析系统具有如图2所示的结构来作为用于使用如上述那样的异常判定的方法的结构。
(用于异常部位的判定和异常阶段的判定的结构)
如图2所示，控制部3包括数据生成部31、异常部位判定部32、异常阶段判定部33以及显示控制部39以进行异常部位的判定和异常阶段的判定。
异常部位判定部32将从由数据生成部31生成的利萨如曲线数据中抽出的多个种类的被判定要素的值与预先决定的多个种类的异常有无的判定基准值分别进行比较。由此，异常部位判定部32按预先决定的多个身体部位的每一个身体部位分别判定身体部位是否进行了异常的运动。在本实施方式中，身体部位是腰、脚(踝)、膝以及大腿，但是也可以判定除此以外的身体部位的异常的有无。
前述的被判定要素的一例是在上述的<3)髋关节的可动区域的异常和膝关节的可动区域的异常>的项目中所说明的左身体部分的可动距离YL和右身体部分的可动距离YR。另外，前述的被判定要素的另一例是在上述的<5)腰的转动的异常和足关节的跖屈力的异常>的项目中所说明的左侧的角度θL和右侧的角度θR。
异常阶段判定部33判定由异常部位判定部32判定为进行了异常的运动的身体部位在步行运动的预先决定的多个阶段的哪个阶段进行了异常的运动。该判定根据由异常部位判定部32判定为身体部位进行了异常的运动的定时是利萨如曲线数据的哪个定时来进行。由异常部位判定部32判定为身体部位进行了异常的运动的定时意味着身体部位实际进行了异常的运动的定时。利萨如曲线数据的定时是指获取到用于生成利萨如曲线数据的位置的变化的轨迹的时间序列数据的定时。
显示控制部39使显示部2显示判定结果图像X，该判定结果图像X是将由异常部位判定部32判定为进行了异常的运动的身体部位与由异常阶段判定部33判定为进行了异常的运动的阶段相关联而得到的。
(判定结果图像X)
如图2所示，在显示部2的显示区域21显示判定结果图像X。判定结果图像X包含指示图像I和多个人形图像H。具体地说，显示如图12所示那样的图像。
多个人形图像H是同时显示于显示部2的多个静止图像，分别对应于被测量者100的步行运动的多个阶段。但是，多个人形图像H可以同时显示于显示部2，也可以通过画面切换来以放映幻灯片的方式按照步行的顺序依次显示。还可以按使用者对平板终端机10的显示部2的每个触摸操作来按照步行的顺序依次显示。
指示图像I在多个人形图像H中的与由异常阶段判定部33判定为进行了异常的运动的阶段对应的人形图像中指示由异常部位判定部32判定为进行了异常的运动的身体部位。指示图像I不限定于图12所示那样的圆形记号，也可以是箭头符号等其它记号或食指型的图像等。另外，指示图像I也可以由与多个人形图像的主要部分的颜色不同的颜色的身体部位的图像构成。例如，也可以通过只有空白的人形图像H的异常的部位的颜色变为红色，来指示异常的部位。
当由异常部位判定部32判定为任何的身体部位都未进行异常的步行运动时，在显示部2只显示多个人形图像H，不显示指示图像I。由此，被测量者100能够确认自己的任何身体部位都未进行异常的步行运动。
根据上述的结构，能够可视地显示在哪个阶段哪个部位进行了异常的运动。因此，被测量者100能够直观地理解自己的步行运动是什么样的异常。
(使用被测量者的实际步行运动的运动图像的情况下的判定结果图像X)
本实施方式的步行解析系统90具备运动图像拍摄部4、运动图像存储部36以及图像抽出部37。运动图像拍摄部4对被测量者100的步行运动进行拍摄。运动图像存储部36存储由运动图像拍摄部4拍摄得到的被测量者100的步行运动的连续图像。图像抽出部37从由运动图像存储部36存储的被测量者100的步行运动的连续图像中抽出与多个阶段分别对应的被测量者100的多种姿势的静止图像。在该情况下，多个人形图像H分别是由图像抽出部37抽出的被测量者100的多种姿势的静止图像。
在本实施方式中，多个阶段设为包含六个阶段。也就是说，一个步行周期被划分为六个阶段，抽出六个阶段各自的被测量者100的姿势的静止图像。但是，多个阶段的数量如果是被测量者100能够理解步行异常即可，多少都可以。
为了指示异常的身体部位，存在使用前述的可动距离YL和可动距离YR的情况。在该情况下，在与由可动距离YL和可动距离YR表示的利萨如曲线数据的定时对应的阶段中的被测量者100的姿势的静止图像中，大腿或膝被指示为异常的身体部位。另外，为了指示异常的身体部位，存在使用前述的角度θL和角度θR以指示异常部位的情况。在该情况下，在与由角度θL和角度θR表示的利萨如曲线数据的定时对应的阶段中的被测量者100的姿势的静止图像中，腰或脚背指示为异常的身体部位。此外，利萨如曲线数据的定时是指获取到用于生成利萨如曲线数据的位置的变化的轨迹的时间序列数据的定时。
根据上述的结构，被测量者100通过观察自己的步行运动中的多个阶段的姿势，能够直观地认识到在哪个阶段哪个部位进行了异常的运动。因此，被测量者100更容易地改正自己的异常的姿势。
(使用角色图像的情况下的判定结果图像X)
本实施方式的步行解析系统90也可以不具备运动图像拍摄部4、运动图像存储部36以及图像抽出部37。在该情况下，步行解析系统90具备存储与多个阶段分别对应的角色的多种姿势的静止图像的角色存储部38。在该情况下，多个人形图像H分别是从角色存储部38读出的角色的多种姿势的静止图像。
在本说明书中，角色包含被测量者100以外的实际存在的人物、通过动漫风格或绘画风格的画法描绘的人物以及表示人物的轮廓的线图等。在本说明书中，角色意味着能够识别为形成了人的步行运动中的姿势的全部角色。在本说明书中，角色如果是能够表示被测量者100的步行运动中的异常阶段和异常部位，则可以是任意的。
在本实施方式中，多个阶段包含六个阶段，因此抽出六个阶段各自的角色的姿势的静止图像。但是，角色的姿势图像如果是被测量者100能够理解步行异常即可，使用多少都可以。
为了指示异常的身体部位，存在使用前述的可动距离YL和可动距离YR的情况。在该情况下，在与由可动距离YL和可动距离YR表示的利萨如曲线数据的定时对应的阶段中的角色的姿势的静止图像中，大腿或膝被指示为异常的身体部位。另外，为了指示异常的身体部位，存在使用前述的角度θL和角度θR以指示异常部位的情况。在该情况下，在与由角度θL和角度θR表示的利萨如曲线数据的定时对应的阶段中的角色的姿势的静止图像中，腰或脚背指示为异常的身体部位。此外，利萨如曲线数据的定时是指获取到用于生成利萨如曲线数据的位置的变化的轨迹的时间序列数据的定时。
根据该结构，被测量者100通过观察多个角色的图像，能够直观地认识到在哪个阶段哪个部位进行了异常的运动。在步行解析系统90不具有运动图像拍摄部4的情况下，也能够进行步行解析。
(异常种类的判定和异常程度的判定)
如图2所示，控制部3具备数据生成部31、异常种类判定部34以及异常程度判定部35。
异常种类判定部34将从由数据生成部31生成的利萨如曲线数据中抽出的多个种类的被判定要素的值与预先决定的多个种类的异常有无的判定基准值分别进行比较。由此，异常种类判定部34判定在被测量者100的步行运动中是否存在预先决定的多个种类的步行异常的各个异常。
第一被判定要素在<1)身体的左部分与右部分的抖动的平衡的异常>的情况下是距离YR、距离YL、距离Xf＝XL+XR以及值(XL-XR)/2(XL+XR)×100％。第二被判定要素在<2)身体的左部分与右部分的负荷平衡的异常>的情况下是面积SL和面积SR。第三被判定要素在<3)髋关节的可动区域的异常和膝关节的可动区域的异常>的情况下是距离YR和距离YL。
第四被判定要素在<4)足关节的背屈可动区的异常>的情况下是拐点IVL或IVR的z坐标和x坐标。第五被判定要素在<5)腰的转动的异常和足关节的跖屈力的异常>的情况下是关于左侧的拐点VIL的左侧的角度θL和关于右侧的拐点IVR的右侧的角度θR。第六判定要素在<7)踢腿的异常>的情况下是利萨如曲线数据的近似椭圆的长轴与Y轴所形成的左侧的角度φL和角度φR。
但是，被判定要素和异常的种类不限定于前述的内容。如果使用从利萨如曲线数据中抽出的被判定要素能够判定步行异常的有无，则也可以使用其它的判定要素，判定其它的种类的异常的有无。
异常程度判定部35按由异常种类判定部34判定为存在步行异常的步行异常的每个种类，根据被判定要素的值与异常有无的判定基准值的差来判定步行异常的程度。可以按异常的每个种类来基于事前的实验结果决定如果被判定要素的值与异常有无的判定基准值的差的值为多少则将异常的程度设为什么样的程度。由此，用于判定异常的程度的判定基准值按异常的每个种类被写入到步行解析程序中。
显示控制部39使显示部2显示判定结果图像Y，该判定结果图像Y是将由异常种类判定部34判定出的步行异常的种类与由异常程度判定部35判定出的步行异常的程度相关联而得到的。
(判定结果图像Y)
如图2所示，在显示部2的显示区域22显示判定结果图像Y。具体地说，显示如图12所示那样的判定结果图像。
判定结果图像Y包含分别表示多个种类的步行异常的多个种类的文字图像A、B、C、D、E以及示出由多个种类的文字图像A、B、C、D、E分别表示的步行异常的程度的图表图像G。
关于，分别表示多个种类的步行异常的多个种类的文字图像A、B、C、D、E，在本实施方式中，能够想到前述的以下七个项目。
1)身体的左部分与右部分的抖动的平衡的异常
2)身体的左部分与右部分的负荷平衡的异常
3)髋关节的可动区域的异常和膝关节的可动区域的异常
4)足关节的背屈可动区的异常
5)腰的转动的异常和足关节的跖屈力的异常
7)踢腿的异常
在本实施方式中，作为多个种类的步行异常，例示了上述的七个步行异常，但是也可以判定其它种类的步行异常的有无。
在图12中，为了易于看图，仅记载了分别表示多个种类的步行异常的多个种类的文字图像A、B、C、D、E，但是在实施的显示部2的显示区域22显示前述的步行异常的全部。因而，雷达图的轴的数量不限定于五个。雷达图具有被判定有无异常的数量的轴。当将七个项目记载于雷达图时，雷达图需要具有七角形的形状。然而，从易于看图的观点出发，图2和图12的雷达图具有正五角形的形状。该雷达图的形状如果能够表示多个种类的步行异常，则不限定于任何的形状。另外，如果是表示步行异常的文字图像即可，任何的项目都可以显示在雷达图上。
在本实施方式中，图表图像G是具有多个轴的雷达图，多个轴分别对应于多个种类的步行异常。但是，如果能够识别步行异常的种类和步行异常的程度，则图表图像G也可以是表示异常的种类和异常的程度的直方图表或折线图表。在本说明书中，图表图像包含用数字、颜色或记号表示步行异常的各个种类的步行异常的程度的表。异常的程度也可以通过数字、颜色或记号来表示。例如，图表图像G也可以在构成·BR>A表的框内记载异常的种类和表示异常的程度的数值或颜色。
当由异常种类判定部34判定为在步行运动中没有任何种类的步行异常时，在显示部2中显示雷达图来作为图表图像G，在雷达图的中心点只标绘一个点。由此，被测量者100能够确认自己的步行运动中没有任何种类的步行异常。
(异常姿势的抽出)
异常姿势判定部301将从由数据生成部31生成的利萨如曲线数据中抽出的多个实际的曲率半径的值r分别与曲率半径的判定基准值进行比较。由此，异常姿势判定部301通过实际的曲率半径r的值是否比曲率半径的判定基准值小，来判定被测量者是否做了异常的姿势。
在本实施方式中，如图10和图11所示，在水平面和矢状面的各个利萨如曲线数据的曲率半径小于1mm的情况下，判定为被测量者100在步行运动中做了异常的姿势。
根据上述的结构，能够只在根据曲率半径的值判定步行异常有效的面，使用曲率半径的值来判定步行异常。
异常姿势抽出部302根据由异常姿势判定部301判定为比判定基准值小的实际的曲率半径的定时是利萨如曲线数据的哪个定时来获取异常姿势定时的数据。该情况下的实际的曲率半径的定时是指获取到用于绘制具有比判定基准值小的曲率半径的利萨如曲线数据的曲线部分的成为基础的位置的变化的时间序列数据的定时。比判定基准值小的曲率半径的定时对应实际的被测量者100进行异常姿势的定时。异常姿势抽出部302从由运动图像存储部36存储的被测量者100的步行运动的连续图像中抽出与异常姿势定时的数据对应的异常姿势的静止图像K。显示控制部39将由异常姿势抽出部302抽出的异常姿势的静止图像K作为判定结果图像Z显示于显示部2的显示区域23。
(判定结果图像Z)
如图2和图12所示，在显示部2的显示区域23显示异常姿势的静止图像K来作为判定结果图像Z。由此，被测量者100能够观看在做了异常姿势的定时的自己的姿势的静止图像。因此，被测量者100能够非常直观地掌握自己的步行异常的状态。根据上述的结构，能够根据步行运动状态的极端变化的有无来判定步行运动状态的异常。因此，能够提高异常的有无的判定的准确性。
如果由异常姿势判定部301判定为被测量者100在任何的定时都没有做异常姿势，则在显示部2不显示任何的异常姿势的图像。由此，被测量者100能够确认在步行运动的任何的定时都没有做异常姿势。
(异常有无的判定)
异常有无判定部300包括异常部位判定部32、异常阶段判定部33、异常种类判定部34、异常程度判定部35、异常姿势判定部301以及异常姿势抽出部302。异常有无判定部300将从由数据生成部31生成的利萨如曲线数据中抽出的多个种类的被判定要素的值与预先决定的多个种类的异常有无的判定基准值分别进行比较。由此，异常有无判定部300判定步行运动中的异常的有无。显示控制部39在由异常有无判定部300判定为被测量者100进行了异常的步行运动的情况下，使显示部2显示表示异常的运动的判定结果图像X、Y。
在本实施方式中，如前述的那样，数据生成部31生成被测量者100的冠状面、水平面以及矢状面的各个利萨如曲线数据。另外，如从前述的判定方向的说明中可知，预先决定的多个种类的异常有无的判定基准值分别对应从冠状面、水平面以及矢状面的各个利萨如曲线数据中抽出的多个种类的被判定要素。
根据上述的结构，在包含冠状面、水平面以及矢状面的三个面中，对关于被测量者100的步行运动的利萨如曲线数据进行分析，因此能够从各种角度检测步行运动中的异常。因此，被测量者100易于从各种角度直观地理解自己的步行运动是什么样的异常。
例如，根据如上述那样的步行解析系统90，显示部2能够显示判定结果图像X和Y。该判定结果图像X和Y均是表示与多个种类的被判定要素分别对应的步行异常的图像。判定结果图像X和Y分别是表示哪个身体部位在哪个阶段形成了步行异常的图像以及表示哪个种类的步行异常是什么样的程度的图像的一例。在步行解析系统90中，也可以在显示部2仅显示判定结果图像X和Y中的某一个。能够显示这样的判定结果图像X和Y是因为通过在冠状面、水平面以及矢状面三个面生成利萨如曲线数据，由此能够从各种角度判定步行异常。
(特征性结构和效果)
以下说明实施方式的步行解析系统和步行解析程序的特征性结构和由此起到的效果。
(1)步行解析系统90具备传感器部1、控制部3以及显示部2。传感器部1获取物理信息，该物理信息用于导出因被测量者100的步行运动而产生的位置的变化的轨迹。控制部3根据由传感器部1获取到的物理信息来判定步行运动中的步行异常的有无。显示部2显示判定结果图像X，该判定结果图像X示出由控制部3判定出的步行异常的有无。
控制部3包括数据生成部31、异常部位判定部32、异常阶段判定部33以及显示控制部39。数据生成部31根据物理信息获取被测量者100的步行运动中的位置的变化的轨迹的时间序列数据。数据生成部31根据位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据。异常部位判定部32将从由数据生成部31生成的利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较。由此，异常部位判定部32按多个身体部位的每一个身体部位分别判定身体部位是否进行了异常的运动。
异常阶段判定部33判定在步行运动的多个阶段的哪个阶段中身体部位进行了异常的运动。该判定基于由异常部位判定部32判定为身体部位进行了异常的运动的定时是利萨如曲线数据的哪个定时。显示控制部39使显示部2显示判定结果图像X，该判定结果图像X是将由异常部位判定部32判定为进行了异常的运动的身体部位与由异常阶段判定部33判定为进行了异常的运动的阶段相关联而得到的。
判定结果图像X包含指示图像I和多个人形图像H。多个人形图像H是显示于显示部2的多个静止图像，分别对应于被测量者100的步行运动的多个阶段。指示图像I在多个人形图像H中的与由异常阶段判定部33判定为进行了异常的运动的阶段对应的人形图像中，指示由异常部位判定部32判定为进行了异常的运动的身体部位。
根据上述的结构，能够可视地显示进行了什么样的异常的步行运动。因此，被测量者100能够直观地理解自己的步行运动是什么样的异常。
(2)优选的是，步行解析系统90还具备运动图像拍摄部4，控制部3包括运动图像存储部36和图像抽出部37。运动图像拍摄部4对被测量者100的步行运动进行拍摄。运动图像存储部36存储由运动图像拍摄部4拍摄得到的被测量者100的步行运动的连续图像。图像抽出部37从由运动图像存储部36存储的被测量者100的步行运动的连续图像中抽出与多个阶段分别对应的被测量者100的多种姿势的静止图像。在该情况下，优选的是，多个人形图像H分别是由图像抽出部37抽出的被测量者100的多种姿势的静止图像。
根据上述的结构，被测量者100通过观察自己的步行运动中的多个阶段的姿势，能够直观地认识到在哪个阶段哪个部位进行了异常的运动。因此，被测量者100更容易地改正自己的异常的姿势。
(3)步行解析系统90也可以具备存储与多个阶段分别对应的角色的多种姿势的静止图像的角色存储部38。多个人形图像H也可以分别是从角色存储部38读出的角色的多种姿势的静止图像。
根据上述的结构，被测量者100通过观察多个角色的图像，能够直观地识别在哪个阶段哪个部位进行了异常的运动。即使在步行解析系统90不具有运动图像拍摄部4的情况下，也能够进行步行解析。
(4)步行解析系统90具备传感器部1、控制部3以及显示部2。传感器部1获取物理信息，该物理信息用于导出因被测量者100的步行运动而产生的位置的变化的轨迹。控制部3根据由传感器部1获取到的物理信息来判定步行运动中的步行异常的有无。显示部2显示判定结果图像Y，该判定结果图像Y示出由控制部3判定出的步行异常的有无。
控制部3具备数据生成部31、异常种类判定部34以及异常程度判定部35。数据生成部31根据物理信息获取被测量者100的步行运动中的位置的变化的轨迹的时间序列数据。数据生成部31根据位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据。
异常种类判定部34将从由数据生成部31生成的利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较。由此，异常种类判定部34判定在被测量者100的步行运动中是否存在多个种类的步行异常的各个异常。
异常程度判定部35按由异常种类判定部34判定为存在步行异常的步行异常的每个种类，根据被判定要素的值与异常有无的判定基准值的差来判定步行异常的程度。
显示控制部39使显示部2显示判定结果图像Y，该判定结果图像Y是将由异常种类判定部34判定出的步行异常的种类与由异常程度判定部35判定出的步行异常的程度相关联而得到的。
判定结果图像Y包含分别表示多个种类的步行异常的多个种类的文字图像A、B、C、D、E。另外，判定结果图像Y包含图表图像G，该图表图像G示出由多个种类的文字图像A、B、C、D、E分别表示的步行异常的程度。
通过上述的结构，也能够可视地显示进行了什么样的异常的步行运动。因此，被测量者100能够直观地理解自己的步行运动是什么样的异常。
(5)图表图像G是具有多个轴的雷达图，多个轴也可以分别对应于多个种类的步行异常。另外，图表图像也可以是直方图表或折线图表。在本说明书中，图表图像包含用数字或颜色表示步行异常的各个种类的步行异常的程度的表。
(6)步行解析系统90具备传感器部1、控制部3、显示部2以及运动图像拍摄部4。传感器部1获取物理信息，该物理信息用于导出因被测量者100的步行运动而产生的位置的变化的轨迹。控制部3根据由传感器部1获取到的物理信息来判定步行运动中的步行异常的有无。显示部2显示判定结果图像Z，该判定结果图像Z示出由控制部3判定出的步行异常的有无。运动图像拍摄部4对被测量者100的步行运动进行拍摄。
控制部3具备数据生成部31、运动图像存储部36、异常姿势判定部301、异常姿势抽出部302以及显示控制部39。
数据生成部31根据物理信息获取被测量者100的步行运动中的位置的变化的轨迹的时间序列数据。数据生成部31根据位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据。运动图像存储部36存储由运动图像拍摄部4拍摄得到的被测量者100的步行运动的连续图像。
异常姿势判定部301将从由数据生成部31生成的利萨如曲线数据中抽出的多个实际的曲率半径的值分别与曲率半径的判定基准值进行比较。由此，异常姿势判定部301通过实际的曲率半径的值是否比曲率半径的判定基准值小，来判定被测量者是否进行了异常的姿势。
异常姿势抽出部302根据由异常姿势判定部301判定为比判定基准值小的实际的曲率半径的定时是利萨如曲线数据的哪个定时来获取异常姿势定时的数据。由此，异常姿势抽出部302从由运动图像存储部36存储的被测量者100的步行运动的连续图像中抽出与异常姿势定时的数据对应的异常姿势的静止图像K。显示控制部39将由异常姿势抽出部302抽出的异常姿势的静止图像K作为判定结果图像Z显示于显示部2。
通过上述的结构，也能够可视地显示进行了什么样的异常的步行运动。因此，被测量者100能够直观地理解自己的步行运动是什么样的异常。
(7)优选的是，数据生成部31生成水平面和矢状面中的至少一方的利萨如曲线数据。在该情况下，优选的是，水平面和矢状面中的至少一方的利萨如曲线数据中抽出从多个实际的曲率半径。
一般而言，冠状面的利萨如曲线数据本来具有曲率半径小的部分，因此不适于将冠状面的利萨如曲线数据的曲率半径设为被判定要素。另一方面，水平面和矢状面的利萨如曲线数据本来不具有曲率半径小的部分，因此能够将水平面和矢状面的利萨如曲线数据的曲率半径设为被判定要素。因而，根据上述的结构，能够仅关于根据曲率半径的值来判定步行异常有效的面的利萨如曲线数据，使用曲率半径的值来判定步行异常的有无。
(8)步行解析系统90具备传感器部1、控制部3以及显示部2。传感器部1获取物理信息，该物理信息用于导出因被测量者100的步行运动而产生的位置的变化的轨迹。控制部3根据由传感器部1获取到的物理信息判定步行运动中的步行异常的有无。显示部2显示判定结果图像X、Y、Z，判定结果图像X、Y、Z示出由控制部3判定出的步行异常的有无。
控制部3包括数据生成部31、异常有无判定部300(32、33、34、35、301、302)以及显示控制部39。数据生成部31根据物理信息获取被测量者100的步行运动中的位置的变化的轨迹的时间序列数据。数据生成部31根据位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据。
异常有无判定部300将从由数据生成部31生成的利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较。由此，异常有无判定部300判定步行运动中的异常的有无。
显示控制部39在由异常有无判定部300判定为被测量者100进行了异常的步行运动的情况下，使显示部2显示表示异常的运动的判定结果图像X和Z。
数据生成部31生成被测量者100的冠状面、水平面以及矢状面的各个利萨如曲线数据。在该情况下，多个种类的异常有无的判定基准值分别对应于从冠状面、水平面以及矢状面的各个利萨如曲线数据中抽出的多个种类的被判定要素。判定结果图像X和Y包含表示与多个种类的被判定要素分别对应的步行异常的图像。
根据上述的结构，在包含冠状面、水平面以及矢状面的三个面中，对关于被测量者100的步行运动的利萨如曲线数据进行分析，因此能够从各种角度检测步行运动中的异常。因此，被测量者100易于从各种角度直观地理解自己的步行运动是什么样的异常。
(9)优选的是，判定结果图像X和Y包含表示哪个身体部位在哪个阶段成为步行异常的图像以及表示哪个种类的步行异常是什么样的程度的图像中的至少一方。
由此，被测量者100能够直观地理解自己的步行运动是什么样的异常。
(10)步行解析程序使用于具备传感器部1、控制部3以及显示部2的步行解析系统90。步行解析程序使作为控制部3的计算机作为数据生成部31、异常部位判定部32、异常阶段判定部33以及显示控制部39发挥功能。
(11)步行解析程序使用于具备传感器部1、控制部3以及显示部2的步行解析系统90。步行解析程序使作为控制部3的计算机作为数据生成部31、异常种类判定部34、异常程度判定部35以及显示控制部39发挥功能。
(12)步行解析程序使用于具备传感器部1、控制部3、显示部2以及运动图像拍摄部4的步行解析系统90。步行解析程序使作为控制部3的计算机根据物理信息来作为数据生成部31、运动图像存储部36、异常姿势判定部301、异常姿势抽出部302以及显示控制部39发挥功能。
(13)步行解析程序使用于具备传感器部1、控制部3以及显示部2的步行解析系统90。步行解析程序使作为控制部3的计算机作为数据生成部31、异常有无判定部300(32、33、34、35、301、302、39)以及显示控制部39发挥功能。
另外，本申请基于2014年11月27日申请的日本申请的特愿2014-240007号主张优先权，以参照的形式引用该日本申请中所记载的全部记载内容。
附图标记说明
1：传感器部；2：显示部；3：控制部；4：运动图像拍摄部；31：数据生成部；32：异常部位判定部；33：异常阶段判定部；34：异常种类判定部；35：异常程度判定部；36：运动图像存储部；37：图像抽出部；38：角色存储部；39：显示控制部；50：记录介质；90：步行解析系统；100：被测量者；300：异常有无判定部；301：异常姿势判定部；302：异常姿势抽出部；A、B、C、D、E：文字图像；X：判定结果图像；Y：判定结果图像；H：人形图像；I：指示图像；G：图表图像。

Claims (13)

1.一种步行解析系统，具备：
传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；
控制部，其根据由所述传感器部获取到的所述物理信息来判定所述步行运动中的步行异常的有无；以及
显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，
所述控制部具备：
数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据；
异常部位判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此按多个身体部位的每一个身体部位分别判定所述身体部位是否进行了异常的运动；
异常阶段判定部，其根据由所述异常部位判定部判定为所述身体部位进行了异常的运动的定时是所述利萨如曲线数据的哪个定时，来判定在所述步行运动的多个阶段的哪个阶段中所述身体部位进行了异常的运动；以及
显示控制部，其使所述显示部显示所述判定结果图像，所述判定结果图像是将由所述异常部位判定部判定为进行了异常的运动的所述身体部位与由所述异常阶段判定部判定为进行了异常的运动的所述阶段相关联而得到的，
所述判定结果图像包含：
多个人形图像，所述多个人形图像是显示于所述显示部的多个静止图像，分别对应于所述被测量者的步行运动的所述多个阶段；以及
指示图像，其在所述多个人形图像中的与由所述异常阶段判定部判定为进行了异常的运动的所述阶段对应的人形图像中，指示由所述异常部位判定部判定为进行了异常的运动的所述身体部位。
2.根据权利要求1所述的步行解析系统，其特征在于，
还具备运动图像拍摄部，该运动图像拍摄部对所述被测量者的步行运动进行拍摄，
所述控制部包括：
运动图像存储部，其存储由所述运动图像拍摄部拍摄得到的所述被测量者的步行运动的连续图像；以及
图像抽出部，其从由所述运动图像存储部存储的所述被测量者的步行运动的连续图像中抽出与所述多个阶段分别对应的所述被测量者的多种姿势的静止图像，
其中，所述多个人形图像分别是由所述图像抽出部抽出的所述被测量者的多种姿势的静止图像。
3.根据权利要求1所述的步行解析系统，其特征在于，
还具备角色存储部，该角色存储部存储与所述多个阶段分别对应的角色的多种姿势的静止图像，
所述多个人形图像分别是从所述角色存储部读出的所述角色的多种姿势的静止图像。
4.一种步行解析系统，具备：
传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；
控制部，其根据由所述传感器部获取到的所述物理信息来判定所述步行运动中的步行异常的有无；
显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无；以及
运动图像拍摄部，其对所述被测量者的步行运动进行拍摄，
所述控制部具备：
数据生成部，其根据所述物理信息来获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据来生成至少一个平面上的利萨如曲线数据；
异常种类判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此判定在所述被测量者的步行运动中是否存在多个种类的步行异常的各个异常；
异常程度判定部，其按由所述异常种类判定部判定为存在所述步行异常的所述步行异常的每个种类，根据所述被判定要素的值与所述异常有无的判定基准值的差来判定所述步行异常的程度；以及
显示控制部，其使所述显示部显示所述判定结果图像，所述判定结果图像是将由所述异常种类判定部判定出的所述步行异常的种类与由所述异常程度判定部判定出的所述步行异常的程度相关联而得到的，
所述判定结果图像包含：
多个种类的文字图像，所述多个种类的文字图像分别表示所述多个种类的步行异常；以及
图表图像，其表示由所述多个种类的文字图像分别表示的所述步行异常的程度。
5.根据权利要求4所述的步行解析系统，其特征在于，
所述图表图像是具有多个轴的雷达图，
所述多个轴分别对应于所述多个种类的步行异常。
6.一种步行解析系统，具备：
传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；
控制部，其根据由所述传感器部获取到的所述物理信息来判定所述步行运动中的步行异常的有无；
显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无；以及
运动图像拍摄部，其对所述被测量者的步行运动进行拍摄，
所述控制部包括：
数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据；
运动图像存储部，其存储由所述运动图像拍摄部拍摄得到的所述被测量者的步行运动的连续图像；
异常姿势判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个实际的曲率半径的值分别与曲率半径的判定基准值进行比较，由此通过所述实际的曲率半径的值是否比所述曲率半径的判定基准值小，来判定所述被测量者是否做了异常的姿势；
异常姿势抽出部，其根据由所述异常姿势判定部判定为比所述判定基准值小的所述实际的曲率半径的定时是所述利萨如曲线数据的哪个定时来获取异常姿势定时的数据，由此从由所述运动图像存储部存储的所述被测量者的步行运动的连续图像中抽出与所述异常姿势定时的数据对应的异常姿势的静止图像；以及
显示控制部，其使所述显示部显示由所述异常姿势抽出部抽出的所述异常姿势的静止图像来作为所述判定结果图像。
7.根据权利要求6所述的步行解析系统，其特征在于，
所述数据生成部生成水平面和矢状面中的至少一方的所述利萨如曲线数据，
所述多个实际的曲率半径是从所述水平面和所述矢状面中的至少一方的所述利萨如曲线数据中抽出的。
8.一种步行解析系统，具备：
传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；
控制部，其根据由所述传感器部获取到的所述物理信息来判定所述步行运动中的步行异常的有无；以及
显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，
所述控制部具备：
数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据；
异常有无判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此判定所述步行运动中的异常的有无；以及
显示控制部，其在由所述异常有无判定部判定为所述被测量者进行了异常的步行运动的情况下，使所述显示部显示判定结果图像，该判定结果图像表示所述异常的步行运动，
其中，所述数据生成部生成所述被测量者的冠状面、水平面以及矢状面的各个所述利萨如曲线数据，
所述多个种类的异常有无的判定基准值分别对应于从所述冠状面、所述水平面以及所述矢状面的各个所述利萨如曲线数据中抽出的所述多个种类的被判定要素，
所述判定结果图像包含表示与所述多个种类的被判定要素分别对应的步行异常的图像。
9.根据权利要求8所述的步行解析系统，其特征在于，
所述判定结果图像包含表示哪个身体部位在哪个阶段成为步行异常的图像以及表示哪个种类的步行异常是怎样的程度的图像中的至少一个图像。
10.一种步行解析程序，使用于步行解析系统，该步行解析系统具备：
传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；
控制部，其根据由所述传感器部获取到的所述物理信息判定所述步行运动中的步行异常的有无；以及
显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，
该步行解析程序使作为所述控制部的计算机作为以下部件发挥功能：
数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据来生成至少一个平面上的利萨如曲线数据；
异常部位判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此按多个身体部位的每一个身体部位分别判定所述身体部位是否进行了异常的运动；
异常阶段判定部，其根据由所述异常部位判定部判定为所述身体部位进行了异常的运动的定时是所述利萨如曲线数据的哪个定时，来判定在所述步行运动的多个阶段的哪个阶段中所述身体部位进行了异常的运动；以及
显示控制部，其使所述显示部显示所述判定结果图像，所述判定结果图像是将由所述异常部位判定部判定为进行了异常的运动的所述身体部位与由所述异常阶段判定部判定为进行了异常的运动的所述阶段相关联而得到的，
所述判定结果图像包含：
多个人形图像，所述多个人形图像是显示于所述显示部的多个静止图像，分别对应于所述被测量者的步行运动的所述多个阶段；以及
指示图像，其在所述多个人形图像中的与由所述异常阶段判定部判定为进行了异常的运动的所述阶段对应的人形图像中，指示由所述异常部位判定部判定为进行了异常的运动的所述身体部位。
11.一种步行解析程序，其使用于步行解析系统，该步行解析系统具备：
传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；
控制部，其根据由所述传感器部获取到的所述物理信息判定所述步行运动中的步行异常的有无；以及
显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，
该步行解析程序使作为所述控制部的计算机作为以下部件发挥功能：
数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据生成至少一个平面上的利萨如曲线数据；
异常种类判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此判定在所述被测量者的步行运动中是否存在多个种类的步行异常的各个异常；
异常程度判定部，其按由所述异常种类判定部判定为存在所述步行异常的所述步行异常的每个种类，根据所述被判定要素的值与所述异常有无的判定基准值的差来判定所述步行异常的程度；以及
显示控制部，其使所述显示部显示所述判定结果图像，所述判定结果图像是将由所述异常种类判定部判定出的所述步行异常的种类与由所述异常程度判定部判定出的所述步行异常的程度相关联而得到的，
所述判定结果图像包含：
多个种类的文字图像，所述多个种类的文字图像分别表示所述多个种类的步行异常；以及
图表图像，其表示由所述多个种类的文字图像分别表示的所述步行异常的程度。
12.一种步行解析程序，使用于步行解析系统，该步行解析系统具备：
传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；
控制部，其根据由所述传感器部获取到的所述物理信息判定所述步行运动中的步行异常的有无；
显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无；以及
运动图像拍摄部，其对所述被测量者的步行运动进行拍摄，
该步行解析程序使作为所述控制部的计算机作为以下部件发挥功能：
数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据来生成至少一个平面上的利萨如曲线数据；
运动图像存储部，其存储由所述运动图像拍摄部拍摄得到的所述被测量者的步行运动的连续图像；
异常姿势判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个实际的曲率半径的值分别与曲率半径的判定基准值进行比较，由此通过所述实际的曲率半径的值是否比所述曲率半径的判定基准值小，来判定所述被测量者是否做了异常的姿势；
异常姿势抽出部，其根据由所述异常姿势判定部判定为比所述判定基准值小的所述实际的曲率半径的定时是所述利萨如曲线数据的哪个定时来获取异常姿势定时的数据，由此从由所述运动图像存储部存储的所述被测量者的步行运动的连续图像中抽出与所述异常姿势定时的数据对应的异常姿势的静止图像；以及
显示控制部，其使所述显示部显示由所述异常姿势抽出部抽出的所述异常姿势的静止图像来作为所述判定结果图像。
13.一种步行解析程序，使用于步行解析系统，该步行解析系统具备：
传感器部，其获取物理信息，该物理信息用于导出因被测量者的步行运动而产生的位置的变化的轨迹；
控制部，其根据由所述传感器部获取到的所述物理信息判定所述步行运动中的步行异常的有无；以及
显示部，其显示判定结果图像，该判定结果图像表示由所述控制部判定出的所述步行异常的有无，
该步行解析程序使作为所述控制部的计算机作为以下部件发挥功能：
数据生成部，其根据所述物理信息获取所述被测量者的步行运动中的位置的变化的轨迹的时间序列数据，根据所述位置的变化的轨迹的时间序列数据来生成至少一个平面上的利萨如曲线数据；
异常有无判定部，其将从由所述数据生成部生成的所述利萨如曲线数据中抽出的多个种类的被判定要素的值与多个种类的异常有无的判定基准值分别进行比较，由此判定所述步行运动中的异常的有无；以及
显示控制部，其在由所述异常有无判定部判定为所述被测量者进行了异常的步行运动的情况下，使所述显示部显示判定结果图像，该判定结果图像表示所述异常的步行运动，
其中，所述数据生成部生成所述被测量者的冠状面、水平面以及矢状面的各个所述利萨如曲线数据，
所述多个种类的异常有无的判定基准值分别对应于从所述冠状面、所述水平面以及所述矢状面的各个所述利萨如曲线数据中抽出的所述多个种类的被判定要素，
所述判定结果图像包含表示与所述多个种类的被判定要素分别对应的步行异常的图像。
CN201580043895.XA 2014-11-27 2015-09-08 步行解析系统和记录有步行解析程序的记录介质 Active CN106572816B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014240007A JP6369811B2 (ja) 2014-11-27 2014-11-27 歩行解析システムおよび歩行解析プログラム
JP2014-240007 2014-11-27
PCT/JP2015/004557 WO2016084285A1 (ja) 2014-11-27 2015-09-08 歩行解析システムおよび歩行解析プログラム

Publications (2)

Publication Number Publication Date
CN106572816A true CN106572816A (zh) 2017-04-19
CN106572816B CN106572816B (zh) 2019-06-18

Family

ID=56073885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580043895.XA Active CN106572816B (zh) 2014-11-27 2015-09-08 步行解析系统和记录有步行解析程序的记录介质

Country Status (4)

Country Link
JP (1) JP6369811B2 (zh)
KR (1) KR101930652B1 (zh)
CN (1) CN106572816B (zh)
WO (1) WO2016084285A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108452480A (zh) * 2018-04-11 2018-08-28 杭州启望科技有限公司 一种跑步机及跑步机上跑步姿势的检测方法和装置
CN109793644A (zh) * 2017-11-17 2019-05-24 丰田自动车株式会社 步态评估装置、步态训练系统和步态评估方法
CN112043557A (zh) * 2019-06-07 2020-12-08 丰田自动车株式会社 步行训练系统、显示方法及计算机可读写存储介质
CN112044023A (zh) * 2019-06-07 2020-12-08 丰田自动车株式会社 步行训练系统、存储步行训练系统的控制程序的存储介质以及步行训练系统的控制方法
CN112957034A (zh) * 2021-03-17 2021-06-15 中山大学 一种基于多参数的步态评价方法及系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101775480B1 (ko) * 2016-08-12 2017-09-06 선문대학교 산학협력단 보행주기를 기반으로 하는 모션 캡쳐 장치 및 그 방법
JP6942958B2 (ja) * 2016-11-21 2021-09-29 カシオ計算機株式会社 運動解析装置、運動解析方法及びプログラム
JP6829988B2 (ja) * 2016-12-20 2021-02-17 株式会社竹中工務店 運動量推定装置、運動量推定プログラム、及び運動量推定システム
WO2020021873A1 (ja) * 2018-07-24 2020-01-30 日本電気株式会社 処理装置、処理方法及びプログラム
JP7097030B2 (ja) * 2019-04-05 2022-07-07 本田技研工業株式会社 対象者の運動状態観測システム
JP7115423B2 (ja) * 2019-06-07 2022-08-09 トヨタ自動車株式会社 歩行訓練システム、表示方法、および表示プログラム
CN113133761B (zh) * 2020-01-17 2024-05-28 宝成工业股份有限公司 左右步态的判断方法及其分析装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012024275A (ja) * 2010-07-22 2012-02-09 Omron Healthcare Co Ltd 歩行姿勢判定装置
JP4971808B2 (ja) * 2007-01-17 2012-07-11 パナソニック株式会社 歩行動作分析装置
CN103976739A (zh) * 2014-05-04 2014-08-13 宁波麦思电子科技有限公司 穿戴式摔倒动态实时检测方法和装置
CN104091177A (zh) * 2014-06-30 2014-10-08 华南理工大学 一种基于确定学习理论的异常步态检测方法
JP2014217691A (ja) * 2013-05-10 2014-11-20 オムロンヘルスケア株式会社 歩行姿勢計およびプログラム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4915263B2 (ja) * 2007-03-23 2012-04-11 アイシン精機株式会社 歩行能力からの運動機能向上メニュー提案システム及び歩行能力からの運動機能向上メニュー提案方法
JP5504810B2 (ja) * 2009-10-06 2014-05-28 オムロンヘルスケア株式会社 歩行姿勢判定装置、制御プログラム、および制御方法
JP5724237B2 (ja) * 2010-07-27 2015-05-27 オムロンヘルスケア株式会社 歩行変化判定装置
JP5612627B2 (ja) * 2011-03-30 2014-10-22 株式会社デンソーアイティーラボラトリ 身体能力判定装置及びデータ処理方法
GB201108952D0 (en) * 2011-05-27 2011-07-13 Univ Oxford Brookes Gait asymmetry measurement
JP6111837B2 (ja) * 2013-05-10 2017-04-12 オムロンヘルスケア株式会社 歩行姿勢計およびプログラム
KR20160147475A (ko) * 2015-06-15 2016-12-23 현대자동차주식회사 캔형 열교환기

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4971808B2 (ja) * 2007-01-17 2012-07-11 パナソニック株式会社 歩行動作分析装置
JP2012024275A (ja) * 2010-07-22 2012-02-09 Omron Healthcare Co Ltd 歩行姿勢判定装置
JP2014217691A (ja) * 2013-05-10 2014-11-20 オムロンヘルスケア株式会社 歩行姿勢計およびプログラム
CN103976739A (zh) * 2014-05-04 2014-08-13 宁波麦思电子科技有限公司 穿戴式摔倒动态实时检测方法和装置
CN104091177A (zh) * 2014-06-30 2014-10-08 华南理工大学 一种基于确定学习理论的异常步态检测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109793644A (zh) * 2017-11-17 2019-05-24 丰田自动车株式会社 步态评估装置、步态训练系统和步态评估方法
CN109793644B (zh) * 2017-11-17 2022-01-04 丰田自动车株式会社 步态评估装置、步态训练系统和步态评估方法
US11690534B2 (en) 2017-11-17 2023-07-04 Toyota Jidosha Kabushiki Kaisha Gait evaluation apparatus, gait training system, and gait evaluation method
CN108452480A (zh) * 2018-04-11 2018-08-28 杭州启望科技有限公司 一种跑步机及跑步机上跑步姿势的检测方法和装置
CN112043557A (zh) * 2019-06-07 2020-12-08 丰田自动车株式会社 步行训练系统、显示方法及计算机可读写存储介质
CN112044023A (zh) * 2019-06-07 2020-12-08 丰田自动车株式会社 步行训练系统、存储步行训练系统的控制程序的存储介质以及步行训练系统的控制方法
CN112044023B (zh) * 2019-06-07 2022-04-08 丰田自动车株式会社 步行训练系统、存储步行训练系统的控制程序的存储介质以及步行训练系统的控制方法
CN112957034A (zh) * 2021-03-17 2021-06-15 中山大学 一种基于多参数的步态评价方法及系统

Also Published As

Publication number Publication date
KR20170030633A (ko) 2017-03-17
JP6369811B2 (ja) 2018-08-08
CN106572816B (zh) 2019-06-18
WO2016084285A1 (ja) 2016-06-02
JP2016101229A (ja) 2016-06-02
KR101930652B1 (ko) 2018-12-18

Similar Documents

Publication Publication Date Title
CN106572816B (zh) 步行解析系统和记录有步行解析程序的记录介质
Chen et al. A survey of depth and inertial sensor fusion for human action recognition
Chen et al. A real-time human action recognition system using depth and inertial sensor fusion
US11763603B2 (en) Physical activity quantification and monitoring
CN106110627B (zh) 体育和武术运动动作校正设备和方法
CA2834833C (en) Running form diagnostic system and method for scoring running form
JP6943294B2 (ja) 技認識プログラム、技認識方法および技認識システム
CN105229666A (zh) 3d图像中的运动分析
CN107930048B (zh) 一种太空体感识别运动分析系统及运动分析方法
Nagalakshmi Vallabhaneni The analysis of the impact of yoga on healthcare and conventional strategies for human pose recognition
KR20220028654A (ko) 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법
Echeverria et al. Toward modeling psychomotor performance in karate combats using computer vision pose estimation
Haggag et al. Body parts segmentation with attached props using rgb-d imaging
CN114514559A (zh) 运动识别方法、运动识别程序及信息处理装置
US20220222975A1 (en) Motion recognition method, non-transitory computer-readable recording medium and information processing apparatus
Hwang et al. Motion data acquisition method for motion analysis in golf
JP7453490B2 (ja) ユーザ属性推定装置およびユーザ属性推定方法
CN114053679A (zh) 运动训练方法及其系统
WO2022208859A1 (ja) 技認識方法、技認識装置および体操採点支援システム
JP6465419B2 (ja) 測定装置及び測定方法
JP2021099666A (ja) 学習モデルの生成方法
Muttena et al. Mapping gestures to speech using the kinect
JP7072369B2 (ja) 動作の類似度を求める方法、システム、端末及びプログラム
Hashimoto et al. Skill level evaluation of Taijiquan based on 3D body motion analysis—Via logalithm distribution diagram and phase analysis
Khaksar A Framework for Gamification of Human Joint Remote Rehabilitation, Incorporating Non-Invasive Sensors

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant