JP2010017447A - 歩行動作分析装置、歩行動作分析方法、歩行動作分析プログラムおよびその記録媒体 - Google Patents

Abstract

【課題】 撮像装置をもって多方向から撮影した画像を用いて、歩行者の自然な歩行動作を全身にわたって分析する。
【解決手段】 歩行動作分析装置１には複数の撮像装置をもって歩行者を撮影した画像が時系列に入力されている。この歩行動作分析装置１の歩行者領域抽出部１２は、入力画像に映っている歩行者の位置の画素と、背景画像の前記歩行者に対応する位置の画素とで値の差分からシルエット画像を作成する。人物モデル構築部１３は、前記シルエット画像を用いて３次元人物モデルを構築し、各関節の角度と関節間の長さと関節の移動距離をパラメータとして取得する。歩行周期切り出し部１５は、前記パラメータから歩行周期を算出する。歩行分析部１７は、歩行周期毎に切り出されたパラメータ列と、事前に作成した歩行時の動作を示す辞書データとを比較して歩行状態を分析し、分析結果を出力する。
【選択図】 図２

Description

本発明は、撮像装置（例えばカメラ，ビデオカメラなど）で撮影された映像から、画像処理により歩行者の歩行状態を分析する技術に関する。

周知のように、人間が正常な平衡感覚をもって二足直立姿勢で歩行することは、全身の骨格、筋肉、感覚器および脳の精密な連絡によって実現されている。これらの一部または複数の部位が損傷や疾病により異常を生じた場合には部位に応じた影響が姿勢や歩行の状態に現れる。

医療分野の診察などでは、歩行状態を測定・分析することで疾病部位や病因を鑑別し、また疾患の治療程度や経過を観察している。この歩行状態の分析技術としては、特許文献１〜３の手法が知られている。

特許文献１記載の歩行分析方法では、歩行時の足圧分布を圧力センサにより計測し、該計測結果を分析することで歩き方の良さをパラメータとして出力している。

特許文献２記載の姿勢計測方法では、歩行時の足の接地状態を圧力センサにより識別し、この圧力センサと同期して撮影した映像を用いて足の姿勢を推定している。

特許文献３記載の動作分析装置では、被験者に加速度センサ等を取り付けて姿勢角度と移動距離を測定し、動作分析を行っている。
特開平１１−１１３８８４号公報 特許第３５６０４５８号公報 特開２００６−５５５３２号公報 Ｚ．Ｚｈａｎｇ，"Ａ ｆｌｅｘｉｂｌｅ ｎｅｗ ｔｅｃｈｎｉｑｕｅ ｆｏｒ ｃａｍｅｒａ ｃａｌｉｂｒａｔｉｏｎ"．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２２（１１）：１３３０−１３３４，２０００． Ｍ．Ｍｉｔｃｈｅｌｌ，"Ａｎ Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ"，ＭＩＴ Ｐｒｅｓｓ．１９９６．

歩行状態の診察は、怪我や病気などによって異常をきたしたときには被験者の部分的な分析のみならず、全身の状態から患者の状態を分析すれば治療の状況や経過を効果的に観察することができる。

しかしながら、特許文献１記載の分析方法では、歩行者の足圧分布のみから歩き方を分析していることから、歩行時の全身の状態を詳細に分析することが難しい。

また、特許文献２記載の計測方法では、姿勢を計測できる部分が足の部分に限られてしまうため、やはり全身の状態を詳細に分析することが困難である。

さらに、特許文献３記載の分析方法では、センサを被験者の体に直接取り付けるために、自然な動きの計測が難しくなるおそれがある。さらに、計測はセンサを取り付けた部位毎になるため、全身の状態を同時に計測することが難しい。

そこで、本発明は、このような問題に鑑み、撮像装置をもって多方向から撮影した画像を用いて、歩行者の自然な歩行動作を全身にわたって分析することを解決課題としている。

本発明は、前記課題を解決するために創作された技術的思想であって、複数の撮像画像から３次元人物モデルを構築したうえで歩行者の歩行動作をデータ化し、これを健常な人物の歩行動作を示すデータと比較して、歩行者の歩行状態を全身にわたって分析している。

具体的には、請求項１記載の発明は、複数の撮像装置をもって歩行者を撮影した画像から、歩行者の歩行状態を分析する歩行動作分析装置であって、前記各撮像装置から順次入力された撮像画像をベースに分析対象の歩行者領域を抽出したシルエット画像を生成する歩行者領域抽出手段と、前記シルエット画像を用いて３次元人物モデルを構築し、該人物モデルの可動領域に関するパラメータを取得する人物モデル構築手段と、前記パラメータから歩行周期を算出し、該歩行周期毎に前記パラメータの列を抽出する歩行周期切り出し手段と、前記歩行周期毎のパラメータ列と健常者の歩行動作を示す辞書データとを比較して歩行状態を分析し、該分析結果を出力する歩行分析手段とを備えることを特徴としている。

また、請求項２記載の発明は、前記辞書データを健常者の身長・体重・年齢・性別毎に保存した記憶手段をさらに備えたことを特徴としている。

また、請求項３記載の発明は、前記歩行分析手段が分析対象の歩行者と健常者との動きの違いを数値化した前記分析結果を出力することを特徴としている。

また、請求項４記載の発明は、前記分析結果を分析対象の歩行者の部位毎に表示する分析結果表示手段をさらに備えたことを特徴としている。

また、請求項５記載の発明は、複数の撮像装置をもって歩行者を撮影した画像から、歩行者の歩行状態を分析する歩行動作分析方法であって、歩行者領域抽出手段が、前記各撮像装置から順次入力された撮像画像をベースに分析対象の歩行者領域を抽出したシルエット画像を生成する第１ステップと、人物モデル構築手段が、前記シルエット画像を用いて３次元人物モデルを構築し、該人物モデルの可動領域に関するパラメータを取得する第２ステップと、歩行周期切り出し手段が、前記パラメータから歩行周期を算出し、該歩行周期毎に前記パラメータの列を抽出する第３ステップと、歩行分析手段が、前記歩行周期毎のパラメータ列と健常者の歩行動作を示す辞書データとを比較して歩行状態を分析し、該分析結果を出力する第４ステップとを有することを特徴としている。

また、請求項６記載の発明は、前記辞書データを健常者の身長・体重・年齢・性別毎に記憶手段に保存するステップをさらに有することを特徴としている。

また、請求項７記載の発明は、前記第４ステップで分析対象の歩行者と健常者との動きの違いを数値化した前記分析結果を出力することを特徴としている。

また、請求項８記載の発明は、前記分析結果を分析対象の歩行者の部位毎に分析結果表示手段に表示するステップをさらに有することを特徴としている。

また、請求項９記載の発明は、歩行動作分析プログラムであり、請求項１〜４のいずれか１項に記載の歩行動作分析装置を構成する各手段としてコンピュータを機能させることを特徴としている。

また、請求項１０記載の発明は、コンピュータの読み取り可能な記録媒体であり、請求項９記載の歩行動作分析プログラムを記録したことを特徴としている。

請求項１〜１０記載の発明によれば、撮像装置の撮像画像をベースに歩行状態を分析していることから、歩行者の全身の状態が分析可能になるばかりか、センサなどが不要となるため、歩行者の自然な動きを妨げることなく歩行状態を分析することができる。

特に、請求項２．６記載の発明によれば、歩行者の身長・体重などの人物属性と近似した辞書データとの比較ができ、この点で分析結果の信頼性が向上する。

また、請求項３．７記載の発明によれば、歩行者（被験者）と健常者の歩行動作の差異が数値化されることから、これを診断の指標とすることができる。

さらに、請求項４．８記載の発明によれば、歩行者と健常者の歩行動作の差異を部位毎に確認することができる。

本発明は、所定位置に固定された複数台の撮像装置を使用して、それぞれ撮像装置の内部パラメータおよび外部パラメータを撮像装置間で同じ座標系を用いて求めている。これは例えば非特許文献１のような手法によって取得可能である。

このとき各撮像装置は、歩行者を中心に配置され（例えば水平面の円状に配置するなど）、各撮像装置間は同じ撮影間隔で同期されているものとする。ここでは前記撮像装置で撮影された画像（フレーム画像）が歩行動作分析装置に時系列的に入力される状況（静止画系列や映像ストリームなど）を想定して説明する。

また、本実施形態では、前記歩行動作分析装置がパーソナルコンピュータ（ＰＣ）により構成された例を説明する。もっとも、歩行動作分析装置はこれに限定されるものではなく、例えば歩行動作分析の処理ロジックを実装したＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）チップを備えた計算機などであれば足りる。

（１）第１実施形態
図１は、本発明の第１実施形態に係る歩行動作の分析装置１を示し、この分析装置１には、複数台のカメラ２で撮影された画像データがネットワークを介して時系列に入力されている。ここでは撮像装置としてのカメラ２にデジタルカメラあるいはデジタルビデオカメラが使用されているものとする。

前記分析装置１は、図１に示すように、キーボードやマウスなどの入力部３と、固定データなどを記憶する読み取り専用メモリ（ＲＯＭ）４と、各部の制御や計算処理などを行う処理部（ＣＰＵ：Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｏｒ Ｕｎｉｔ）５と、処理データなどを一時記憶する書き換え可能なメモリ（ＲＡＭ）６と、前記各カメラ２とネットワーク接続する通信インタフェース部（Ｉ／Ｆ）７と、ハードディスクドライブ装置などの外部記憶部８と、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭなどの記録媒体１０を読み込む記録媒体駆動部９と、処理データを表示するディスプレイなどの表示装置１１とを備えている。

前記各構成要素３〜９は、図２に示すように、歩行者領域抽出部１２、人物モデル構築部１３、人物モデルパラメータ記憶部１４、歩行周期切り出し部１５、辞書パラメータ記憶部１６Ａ、歩行分析部１７、分析結果表示部１８として機能している。この機能ブロック１２〜１８は、前記処理部（ＣＰＵ）５が前記ハードディスクドライブ装置に格納された歩行動作分析プログラムを読み込んで実現されている。このうち前記各記憶部１４．１６Ａは、前記ハードディスクドライブ装置にデータベースとして構築されている。

具体的には、前記歩行者領域抽出部１２には、図３に示すように、異なるアングルで撮影された各カメラ２の画像データが順次入力されている。この画像データから歩行動作の分析対象である歩行者領域を抽出して歩行者領域の画像データ群を前記人物モデル構築部１３に出力する。

前記人物モデル構築部１３は、入力された前記歩行者領域の画像データ群を用いて３次元人物モデルを当てはめ、該人物モデルの可動領域に関するパラメータを前記人物モデルパラメータ記憶部１４に出力する。

前記人物モデルパラメータ記憶部１４は、入力された前記パラメータを時系列に記憶し、該パラメータ列を前記歩行周期切り出し部１５に出力する。

前記歩行周期切り出し部１５は、入力された複数フレーム分の前記パラメータ列から歩行周期を抽出して、該歩行周期毎に切り出された前記パラメータ列を前記歩行分析部１７に出力する。

前記歩行分析部１７は、前記辞書パラメータ記憶部１６Ａから入力された辞書データ（健康な人物の平均的なパラメータ列）と、前記歩行周期切り出し部１５から入力された前記歩行周期毎のパラメータ列とを比較して歩行状態を分析する。また、分析結果として歩行者（被験者）と健常な人物との歩行動作の差異を部位毎に数値化し、数値データを前記分析結果表示部１８に出力している。

前記分析結果表示部１８は、前記表示装置１１をもって実現され、入力された差異の数値データを部位毎に映し出している。なお、前記各機能ブロック１２〜１８の入出力データの詳細を表１に示しておく。

以下、前記各機能ブロック１２〜１８の実行する処理ステップを、図４のフローチャートに基づき説明する。図４中のＳ０１〜Ｓ０７は表１の入出力データに基づいて処理されている。

Ｓ０１：まず、歩行者領域抽出部１２は、各カメラ２で撮影された歩行者の映っている現時点の入力画像データと、あらかじめ各カメラ２で撮影された歩行者の映っていない背景画像の画像データとを対比する。この背景画像の画像データは、前記ハードディスクドライブ装置などに格納されているものとする。

具体的には、歩行者領域抽出部１２は、現時点の画像データに映っている歩行者の位置の画素と、背景画像の画像データの前記歩行者に対応する位置の画素とで値の差分を計算する。この差分値の絶対値が設定された閾値以上である画素を歩行者領域の画素とし、歩行者のシルエット画像を作成する。

このシルエット画像は２値のデータとなっており、例えば、歩行者領域が１、それ以外は０となっている。ここで、歩行者領域の画像データの一部が背景の画素値と近い値を持つ場合には、差分が小さくなり、部分的に歩行者領域が欠損してしまうケースが発生する。このような部分的な欠損を抑制する処理として、画像データ間の画素値の差分を検出した後、その差分値の画像データにおいてモルフォロジフィルタを施すことにより、部分的な欠損を抑制することができる。このモルフォロジフィルタの例としては、膨張処理と収縮処理をセットで行うｃｌｏｓｉｎｇ処理などが挙げられる。

また、前記の歩行者領域を検出する処理は、背景画像と現時点での画像との画素値の差分を取る代わりに、画素値の比を算出し、その比が所定範囲から外れる部分を歩行者領域として算出する方法を用いてもよい。

なお、作成されたシルエット画像のデータは、前記メモリ（ＲＡＭ）６に一時記憶してもよく、また前記外部記憶部８に保存してもよい。

Ｓ０２：人物モデル構築部１３は、Ｓ０１で生成されたシルエット画像、すなわち異なるアングルからの複数のシルエット画像を用いて、図５の３次元人物モデルＭを構築する。すなわち、前記各シルエット画像の中心を通るように前記３次元人物モデルＭを当てはめる。

この３次元人物モデルＭでは、関節Ｋに数字で示す角度の自由度（全身で１６関節２０自由度）と、各関節Ｋ間の長さＬの自由度（全身で１５自由度）があるが、これは一例であり、人物の各部位の角度を出せるモデルであれば、その形態は問わないこととする。

前記３次元人物モデルＭの当てはめは、ランダムに各関節の長さ・角度を変えて生成した複数の骨格のうち、どれが最も各カメラからのシルエット画像の中心を通っているかを評価して、行う。

具体的には、たとえば、それぞれの関節間の部位において、骨とそれと直交する方向でのシルエットの輪郭との間の距離を計算し、それができるだけ直交する方向でのシルエットの幅を半分に分割する（シルエットの中央を通る）ように、全身として評価することで、複数の骨格から最適な一つを選ぶ。

これにより最適な３次元人物モデルＭが決定され、該人物モデルＭの可動領域に関するパラメータ（各関節Ｋの角度・各関節Ｋ間の長さＬ）が取得される。このとき、各関節Ｋの現フレーム〜次フレーム間における移動距離が前記パラメータとして併せて取得される。

連続するフレームにおいては、次のフレームにおいて現フレームの人物モデルを考慮し、非特許文献２のような手法を用いて、新たに生成された人物モデルを用い、最適化計算をすることで人物モデルの構築を行ってもよい。このとき、各関節間の長さは連続するフレームで変わらないものとする。

なお、構築された３次元人物モデルＭは、前記メモリ（ＲＡＭ）６などに一時記憶してもよく、また前記外部記憶部８に保存してもよい。

Ｓ０３．Ｓ０４：つぎに人物モデル構築部１３は、Ｓ０２で得られた３次元人物モデルＭの前記パラメータを、前記人物モデルパラメータ記憶部１４に保存する（Ｓ０３）。

そして、Ｓ０３の保存後にパラメータ取得処理の終了条件を満たしたかを確認する（Ｓ０４）。すなわち、実行時に指定された指定時刻や指定処理フレーム枚数などの終了条件を満たした場合には、次のＳ０５の処理を行い、そうでない場合にはＳ０１へ戻り、終了条件を満たすまでＳ０１〜Ｓ０３の処理を繰り返す。

Ｓ０５：Ｓ０１〜Ｓ０３を前記終了条件まで繰り返したときには、前記人物モデルパラメータ記憶部１４には、３次元人物モデルＭの前記パラメータが時系列で蓄積されている。この蓄積されたパラメータ群を３次元人物モデルＭのパラメータ列と呼ぶ。このパラメータ列から前記歩行周期切り出し部１５が歩行者の歩行周期を検出する。

すなわち、前記パラメータ列を前記人物モデルパラメータ記憶部１４から読み出し、周期的に角度が変化する部分に着目して、これを周期の検出ポイントとする。

例えば、足の膝部分の角度であれば、時系列で、ある極小値が表れてから次に極小値が表れるまでが半周期、その次の極小値が表れるまでが一周期となる。この周期の検出ポイントは、これに限定されるものではなく、周期的に角度が変化する部分であればその部分は問わないものとする。

これにより前記歩行周期毎に前記パラメータ列が切り出され、一周期分の前記パラメータ列が取得される。このパラメータ列は、前記メモリ（ＲＡＭ）６に一時記憶してもよく、また前記外部記憶部８に保存してもよい。

Ｓ０６：前記歩行分析部１７は、前記辞書パラメータ記憶部１６Ａに格納された辞書データと、Ｓ０５で得られた歩行周期毎のパラメータ列とを比較して歩行者の歩行状態を分析する。この辞書データは、複数人分の健康な人物のパラメータ列（１周期分）をある一定の時間幅に正視化し平均して求められている。ここでは前記辞書データは、一例として健常な人物の歩行状態を撮影したサンプル画像をベースに事前にＳ０１〜Ｓ０５の処理を施して、前記辞書パラメータ記憶部１６Ａに格納されているものとする。

具体的には、前記歩行分析部１７は、前記辞書パラメータ記憶部１６Ａから前記辞書データを読み出して、同じくある一定の時間幅に正規化したＳ０５の前記歩行周期毎のパラメータ列と部位毎に比較する。

比較方法の一例としては、それぞれのパラメータ列について波形（グラフなど）を生成し、両波形のユークリッド距離を算出して比較する方法が用いられる。その他の前記両波形の離れ具合を示す指標であれば、ここではそれを問わない。

このようにして、健常な人物の平均的な歩行動作を示す辞書データを用いて分析を行えば、歩行者（被験者）と健常者の歩行動作の差異を部位毎に数値化でき、診断の指標とすることができる。

算出した差異の数値データは、前記メモリ（ＲＡＭ）６などに一時記憶してもよく、また前記外部記憶部８に保存してもよい。なお、ここで各関節の角度や移動距離といったパラメータを加工し、各関節の速度や加速度、角度の変化量、角速度・角加速度などを用いて比較してもよい。

Ｓ０７：前記分析結果表示部１８は、Ｓ０６で算出した差異の数値データを部位毎に表示する。

すなわち、図６に示す３次元人物モデルＭの全身像とともに、差異の数値データが各部位毎に前記表示装置１１に表示される。ここでは図６中の領域Ｓに歩行者（被験者）の左膝の動きと健常者の平均的な左膝の動きとの離れ具合「２５」が示されている。したがって、歩行者（被験者）と健常者とで歩行時の差異の程度が数値化されて映し出され、この点で両者の差異を容易に把握することができる。

なお、３次元人物モデルＭの全身像を表示する代わりに撮影された歩行者（被験者）の一周期分の映像を前記表示装置１１に表示させてもよい。また、図６中の領域Ｒに示すように、比較に用いたパラメータ（移動距離、角度など）を適宜に表示させてもよい。

以上のように、本実施形態に係る歩行動作の分析装置１によれば、カメラ２の撮像画像から歩行者の歩行状態が分析されることから、特許文献３のようにセンサなどを身に付ける必要がなくなり、歩行者の自然な動きを妨げることなく歩行状態を分析することができる。

また、３次元人物モデルＭを構築していることから、歩行者の全身の状態を同時に計測ができ、特許文献１．２のように計測箇所が限定されることがなく、より的確な歩行状態の診断が実現できる。

（２）第２実施形態
図７は、本発明の第２実施形態に係る歩行動作の分析装置１９を示し，該分析装置１９には、前記辞書パラメータ記憶部１６Ａに代わって属性別辞書パラメータ記憶部１６Ｂが設けられている。

前記属性別辞書パラメータ記憶部１６Ｂには、複数人分の健常な人物のパラメータ列が身長・体重・年齢・性別などの人物属性毎に辞書データとして保存されている。この辞書データは人物属性の全てを使用して平均的なパラメータ列として分類してもよく、任意の属性を選択的に使用して分類してもよい。このとき人物属性は診断の目的に合わせて適宜に変更・追加してもよい。

この分析装置１９によれば、図８に示すように、前記歩行周期切り出し部１５から入力された前記歩行周期毎のパラメータ列と、前記属性別辞書パラメータ記憶部１６Ｂから入力された前記辞書データ（人物属性毎のパラメータ列）とを比較して歩行状態が分析される。

この分析結果は、歩行者（被験者）と健常者との歩行動作の差異を部位毎に数値化されて前記分析結果表示部１８に出力される。なお、本実施形態における前記各機能ブロック１２〜１８の入出力データの詳細を表２に示しておく。

以下、本実施形態における前記各機能ブロック１２〜１８の実行する処理ステップを、図９のフローチャートに基づき説明する。図９中のＳ１１〜Ｓ１７は表２の入出力データに基づいて処理されている。

Ｓ１１〜Ｓ１５：Ｓ０１〜Ｓ０５と同様に、複数のカメラ２からの画像データからシルエット画像を生成する。この各シルエット画像から３次元人物モデルＭを生成するとともに、該人物モデルＭの歩行周期を切り出し、歩行周期毎のパラメータ列を抽出する。

Ｓ１６：前記歩行分析部１７は、前記属性別辞書パラメータ記憶部１６Ｂに保存された前記辞書データ（人物属性毎のパラメータ列）と、Ｓ１５で得られた前記歩行周期毎のパラメータ列とを比較して、歩行者（被験者）の歩行状態を分析する。このときＳ０６と同様に両パラメータ列を部位毎に比較して差異を数値化する。

Ｓ１７：前記分析結果表示部１８は、Ｓ０７と同様にＳ１６で算出した差異の数値データを部位毎に前記表示装置１１に表示する。

このように分析装置１９によれば、分析の基準となる辞書データが身長・体重・年齢・性別などの人物属性毎に分類されていることから、歩行者の人物属性により近いものと比較をでき、より信頼性の高い診断結果を得ることができる。

なお、本発明は、上記実施形態に限定されるものではなく、例えばコンピュータを前記分析装置１の各機能ブロック１２〜１８として機能させる歩行動作分析プログラムとしても提供することができる。このプログラムは、第１．２実施形態の全ての処理ステップをコンピュータに実行させるものでもよく、あるいは一部の処理ステップを実行させるものであってもよい。

このプログラムは、Ｗｅｂサイトなどからのダウンロードによってコンピュータに提供される。また、前記プログラムは、ＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ，ＣＤ−Ｒ，ＣＤ−ＲＷ，ＤＶＤ−Ｒ，ＤＶＤ−ＲＷ，ＭＯ，ＨＤＤ，Ｂｌｕ−ｒａｙ Ｄｉｓｋ（登録商標）などの記録媒体１０に格納してコンピュータに提供してもよい。この記録媒体１０から読み出されたプログラムコードが、第１．２実施形態の各処理ステップをコンピュータに実行させるので、該記録媒体１０も本発明を構成する。

本発明の実施形態に係る歩行動作分析装置の構成図。 第１実施形態に係る歩行動作分析装置の主要機能ブロックの概略図。 同 入出力データ図。 同 処理フロー図。 同 ３次元人物モデルの構築例。 同 分析結果の表示例。 第２実施形態に係る歩行動作分析装置の主要機能ブロックの概略図。 同 入出力データ図。 同 処理フロー図。

符号の説明

１，１９…歩行動作分析装置
２…カメラ（撮像装置）
３…入力部
４…読み取り専用メモリ（ＲＯＭ）
５…処理部（ＣＰＵ）
６…書き換え可能メモリ（ＲＡＭ）
７…通信インタフェース部
８…外部記憶部
９…記録媒体駆動部
１０…記録媒体
１１…表示装置
１２…歩行者領域抽出部
１３…人物モデル構築部
１４…人物モデルパラメータ記憶部
１５…歩行周期切り出し部
１６Ａ…辞書パラメータ記憶部
１６Ｂ…属性別辞書パラメータ記憶部
１７…歩行分析部
１８…分析結果表示部
Ｍ…３次元人物モデル
Ｋ…関節部
Ｌ…関節間の長さ
Ｒ…比較に用いたパラメータを示す領域
Ｓ…数値データを示す領域

Claims (10)

1. 複数の撮像装置をもって歩行者を撮影した画像から、歩行者の歩行状態を分析する歩行動作分析装置であって、
   前記各撮像装置から順次入力された撮像画像をベースに分析対象の歩行者領域を抽出したシルエット画像を生成する歩行者領域抽出手段と、
   前記シルエット画像を用いて３次元人物モデルを構築し、該人物モデルの可動領域に関するパラメータを取得する人物モデル構築手段と、
   前記パラメータから歩行周期を算出し、該歩行周期毎に前記パラメータの列を抽出する歩行周期切り出し手段と、
   前記歩行周期毎のパラメータ列と健常者の歩行動作を示す辞書データとを比較して歩行状態を分析し、該分析結果を出力する歩行分析手段と、
   を備えることを特徴とする歩行動作分析装置。
2. 前記辞書データを、健常者の身長・体重・年齢・性別毎に保存した記憶手段をさらに備えた
   ことを特徴とする請求項１記載の歩行動作分析装置。
3. 前記歩行分析手段が、分析対象の歩行者と健常者との動きの違いを数値化した前記分析結果を出力する
   ことを特徴とする請求項１または２のいずれか１項に記載の歩行動作分析装置。
4. 前記分析結果を、分析対象の歩行者の部位毎に表示する分析結果表示手段をさらに備えた
   ことを特徴とする請求項１〜３のいずれか１項に記載の歩行動作分析装置。
5. 複数の撮像装置をもって歩行者を撮影した画像から、歩行者の歩行状態を分析する歩行動作分析方法であって、
   歩行者領域抽出手段が、前記各撮像装置から順次入力された撮像画像をベースに分析対象の歩行者領域を抽出したシルエット画像を生成する第１ステップと、
   人物モデル構築手段が、前記シルエット画像を用いて３次元人物モデルを構築し、該人物モデルの可動領域に関するパラメータを取得する第２ステップと、
   歩行周期切り出し手段が、前記パラメータから歩行周期を算出し、該歩行周期毎に前記パラメータの列を抽出する第３ステップと、
   歩行分析手段が、前記歩行周期毎のパラメータ列と健常者の歩行動作を示す辞書データとを比較して歩行状態を分析し、該分析結果を出力する第４ステップと、
   を有することを特徴とする歩行動作分析方法。
6. 前記辞書データを、健常者の身長・体重・年齢・性別毎に記憶手段に保存するステップをさらに有する
   ことを特徴とする請求項５記載の歩行動作分析方法。
7. 前記第４ステップは、分析対象の歩行者と健常者との動きの違いを数値化した前記分析結果を出力する
   ことを特徴とする請求項５または６のいずれか１項に記載の歩行動作分析方法。
8. 前記分析結果を、分析対象の歩行者の部位毎に分析結果表示手段に表示するステップをさらに有する
   ことを特徴とする請求項５〜７のいずれか１項に記載の歩行動作分析方法。
9. 請求項１〜４のいずれか１項に記載の歩行動作分析装置を構成する各手段としてコンピュータを機能させることを特徴とする歩行動作分析プログラム。
10. 請求項９記載の歩行動作分析プログラムを記録したことを特徴とするコンピュータの読み取り可能な記録媒体。

Images