JP2012524579A - 人の姿勢を決定するシステムおよび方法 - Google Patents
人の姿勢を決定するシステムおよび方法 Download PDFInfo
- Publication number
- JP2012524579A JP2012524579A JP2012506530A JP2012506530A JP2012524579A JP 2012524579 A JP2012524579 A JP 2012524579A JP 2012506530 A JP2012506530 A JP 2012506530A JP 2012506530 A JP2012506530 A JP 2012506530A JP 2012524579 A JP2012524579 A JP 2012524579A
- Authority
- JP
- Japan
- Prior art keywords
- posture
- frequency component
- state
- probability density
- motion sensor
- 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.)
- Pending
Links
Images
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
-
- 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
- A61B5/1116—Determining posture transitions
-
- 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
- A61B5/1118—Determining activity level
-
- 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
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
−各々の姿勢について定義されている確率密度である、前記低周波および高周波成分の同時確率密度、および
−2個の連続する姿勢間の遷移確率
を組み合わせた解析手段(AN)
を含む、人の姿勢を決定するシステム。
Description
−運動センサの各測定軸について、第1の閾値を上回る高周波、および前記第1の閾値以下である第2の閾値を下回る低周波を選択するフィルタと、
−運動センサに備えられた測定軸の前記高周波の2乗の和に等しい1次元高周波成分、および運動センサに備えられた測定軸の数に次元が等しい低周波成分を決定する手段と、
−前記高周波成分の確率密度を、運動センサに備えられた測定軸の数に自由度が等しいカイ2乗分布により定義し、且つ前記低周波成分の確率密度をガウス分布により定義して、前記高周波成分の確率密度および前記低周波成分の確率密度を計算する手段と、
−ユーザーの姿勢決定に適している解析手段であって、
−各々の姿勢について定義されている確率密度である、前記低周波および高周波成分の同時確率密度、および
−2個の連続する姿勢間の遷移確率を組み合わせた解析手段と
を含んでいる。
x(n)は、1次元の信号であって、指標サンプルnを有する低周波成分を表し、
μx,iは、関連する隠れマルコフモデルの状態iを表す同次元のベクトルを低周波成分として表し、
σx,iは、関連する隠れマルコフモデルの状態iを表す低周波成分xの分散の2乗根を表し、
y(n)は、指標サンプルnを有する高周波成分を表し、
kは運動センサに備えられた測定軸の数を表し、
σy,iは、状態iにおける変数y(n)の時間平均に比例する量であり、例えば、σy,iは変数y(n)をkで除算した値の時間平均であり、および
Γは
で定義されている。
−起立または着座姿勢、歩行姿勢、傾斜姿勢、および横臥姿勢から4値を仮定する、状態と表記される観測されない離散的過程。この変数または状態は、次数1のマルコフ連鎖であり、従ってある状態から別の状態への遷移確率により特徴付けられる。
−隠れマルコフモデルの観測された過程は多次元信号(x(n),y(n))であり、その確率密度は所与の時刻における状態(隠れた過程)に依存する。この確率密度は、以下の式:
−起立または着座姿勢の場合、μx∈[0.7;1.3]、σx∈[0.05;0.4]、σy∈[1.10−3;5.10−1]であり、
−歩行姿勢の場合、μx∈[0.7;1.3]、σx∈[0.05;0.4]、σy∈[1.10−2;1]であり、
−傾斜姿勢の場合、μx∈[0.7;1.3]、σx∈[0.05;0.4]、σy∈[1.10−3;5.10−1]であり、
−横臥姿勢の場合、μx∈[−0.3;0.3]、σx∈[0.05;0.4]、σy∈[1.10−3;5.10−1]である。
−p(θ(0)|E(0))は時刻E(0)におけるデータθ(0)の観測確率を表す。これはE(n)=iの場合の確率Pi(x(n=0),y(n=0))に対応する。
−p(E(n)|E(n−1))は時刻n−1における状態E(n−1)にある時刻で状態E(n)にある確率を表す。
−p(θ(n)|E(n))は状態E(n)にある場合に量θ(n)を観測する確率を表す。これは、E(n)=iを有する確率Pi(x(n),y(n))に対応する。
Σx,iは、モデルの状態iの信号x(n)の共分散行列を記述する2次元の対角行列であり、
μx,iは、モデルの状態iを表す2成分列ベクトルを表す)
により定義される。
−起立姿勢(状態1)の場合、確率密度のパラメータは
高周波成分y(n)の場合、そのパラメータはσy,1=3e−2である。
−着座姿勢(状態2)の場合、確率密度のパラメータは
高周波成分y(n)の場合、そのパラメータはσy,2=3e−2である。
−横臥姿勢(状態3)の場合、確率密度のパラメータは
高周波成分y(n)の場合、そのパラメータはσy,3=3e−2である。
−歩行姿勢(状態4)の場合、確率密度のパラメータは
高周波成分y(n)の場合、そのパラメータはσy,4=1.2e−1である。
−運動センサの各測定軸について、第1の閾値を上回る高周波、および前記第1の閾値以下である第2の閾値を下回る低周波を選択すべくフィルタリングを実行する。
−運動センサに備えられた測定軸の前記高周波の2乗の和に等しい1次元高周波成分、および運動センサに備えられた測定軸の数に次元が等しい低周波成分を決定する。
−前記高周波成分が、運動センサに備えられた測定軸の数に等しい自由度を有するカイ2乗分布により定義され、前記低周波成分が、ガウス分布により定義されている状態で、前記高周波成分の確率密度および前記低周波成分の確率密度を計算する。
−各々N個の姿勢に対応するN個の状態を有する隠れマルコフモデルを用いて、ユーザーの姿勢を時間の関数として決定し、この決定は以下を組み合わせることにより行われる。
−各々の姿勢について定義されている前記低周波および高周波成分の同時確率密度、および
−2個の連続する姿勢間の遷移確率。
第1の閾値S1を上回る高周波、および第1の閾値S1以下である第2の閾値S2を下回る低周波を選択すべくフィルタFILTを含んでいる。本システムはまた、運動センサCMに備えられた測定軸の前記高周波の2乗の和に等しい1次元高周波成分HF、および運動センサCMに備えられた測定軸の測定値の1次結合に等しい1次元低周波成分BFを決定する決定モジュールDETを含んでいる。
x(n)は、指標サンプルnを有する低周波成分を表し、
μx,iは、関連する隠れマルコフモデルの状態iを表す同次元のベクトルを低周波成分として表し、
σx,iは、関連する隠れマルコフモデルの状態を表す低周波成分xの分散の2乗根を表し、
y(n)は、指標サンプルnを有する高周波成分を表し、
kは、運動センサに備えられた測定軸の数を表し、
σy,iは状態iにおける変数y(n)の時間平均に比例する量であり、例えば、σy,iは変数y(n)をkで除算した値の時間平均であり、および
Γは
により定義される。
−起立または着座姿勢(状態1):μx,1=1、σx,1=0.2、σy=3e−2
−歩行姿勢(状態2):μx=1、σx,2=0.2、σy=1.2e−1
−傾斜姿勢(状態3):μx=0.5、σx,3=0.2、σy=3e−2
−横臥姿勢(状態4):μx=0、σx,4=0.2、σy=3e−2
Pi(x(n),y(n))は、x(n)およびy(n)の時刻nにおける状態iに関連付けられた確率密度を表す。これは以前に定義した確率密度Px,i(x(n))とPy,i(y(n))の積に対応している。観測データx(n)およびy(n)を結合して量θ(n)を考慮したならば、Pi(x(n),y(n))=Pi(θ(n)|E(n)=i)と書くことができ、ここにE(n)は時刻nにおける状態を表す。
−p(θ(0)|E(0))は時刻E(0)におけるデータθ(0)の観測確率を表す。これは、確率Pi(x(n=0),y(n=0))に対応し、E(n)=iである。
−p(E(n)|E(n−1))は時刻n−1で状態E(n−1)が優勢であるときに状態E(n)にある確率を表す。
−p(θ(n)|E(n))は状態E(n)にあるときに量θ(n)を観測する確率を表す。これは確率Pi(x(n),y(n))に対応し、E(n)=iである。
従って、
1)各状態E(n)について、
−状態E(n)における量θ(n)の観測確率(p(θ(n)|E(n))と表記)
−状態E(n−1)から状態E(n)への遷移確率(p(E(n)|E(n−1))と表記)を求めることにより、
2)各状態E(0)に関連付けられた確率を求めることにより、
3)n=0からn=Nの間の各時刻nにおいて観測された値θ(n)を得ることにより、状態E(0)....E(N)の最も起こり得る列を得ることができる。
Σx,iは、モデルの状態iの信号x(n)の共分散行列を記述する次元2の対角行列であり、
μx,iは、モデルの状態iを表す2成分列ベクトルを表す)
により定義される。
−起立姿勢(状態1)の場合、確率密度のパラメータは
高周波成分y(n)の場合、そのパラメータはσy,1=3e−2である。
−着座姿勢(状態2)の場合、確率密度のパラメータは
高周波成分y(n)の場合、そのパラメータはσy,2=3e−2である。
−横臥姿勢(状態3)の場合、確率密度のパラメータは
高周波成分y(n)の場合、そのパラメータはσy,3=3e−2である。
−歩行姿勢(状態4)の場合、確率密度のパラメータは
高周波成分y(n)の場合、そのパラメータはσy,4=1.2e−1である。
Claims (13)
- 少なくとも1個の測定軸を備えた少なくとも1個の運動センサ(CM)を含み、前記運動センサ(CM)をユーザーに堅牢に接続するための固定手段(MF)を備えた、人の姿勢を決定するシステムであって、
−前記運動センサ(CM)の各測定軸について、第1の閾値(S1)を上回る高周波、および前記第1の閾値(S1)以下である第2の閾値(S2)を下回る低周波を選択するフィルタ(FILT)と、
−前記運動センサ(CM)に備えられた前記測定軸(k)の前記高周波の2乗の和に等しい1次元高周波成分(HF)、および前記運動センサ(CM)に備えられた前記測定軸(k)の数にサイズが等しい低周波成分(BF)を決定する手段(DET)と、
−前記高周波成分(HF)の確率密度を、前記運動センサに備えられた前記測定軸(k)の数に自由度が等しいカイ2乗分布により定義し、且つ前記低周波成分(BF)の確率密度をガウス分布により定義して、前記高周波成分(HF)の確率密度(Py)および前記低周波成分(BF)の確率密度(Px)を計算する手段(CALC)と、
−前記ユーザーの姿勢決定に適している解析手段(AN)であって、
−各々の姿勢について定義されている確率密度である、前記低周波および高周波成分の同時確率密度、および
−2個の連続する姿勢間の遷移確率
を組み合わせた解析手段(AN)と
を含むことを特徴とするシステム。 - 前記決定手段(DET)が、前記運動センサ(CM)に備えられた前記測定軸による測定値の1次結合に等しい1次元低周波成分(BF)の決定に適していて、前記高周波成分は、自由度を有するカイ2乗分布により定義されている、請求項1に記載のシステム。
- 前記低周波成分(BF)および前記高周波成分(HF)の値の対(x(n),y(n))の確率密度(P(x(n),y(n)))が、前記低周波成分(BF)の値(x(n))が得られる確率密度(Px)と、前記高周波成分(HF)の値(y(n))が得られる確率密度(Py)の積を含んでいて、前記確率密度(Px,Py)は各状態iについて次式:
x(n)は、1次元の信号であって、指標サンプルnを有する低周波成分を表し、
μx,iは、関連する隠れマルコフモデルの状態iを表す同次元のベクトルを低周波成分として表し、
σx,iは、関連する隠れマルコフモデルの状態iを表す低周波成分xの分散の2乗根を表し、
y(n)は、指標サンプルnを有する高周波成分を表し、
kは、運動センサに備えられた測定軸の数を表し、
σy,iは、状態iにおける変数y(n)の時間平均に比例する量であり、例えば、σy,iは変数y(n)をkで除算した値の時間平均であり、および
Γは、
で定義されている、請求項1または2に記載のシステム。 - 表示手段(AFF)を含んでいる、請求項1〜3のいずれか1項に記載のシステム。
- 前記運動センサ(CM)が加速度計および/または磁力計および/またはジャイロメーターを含んでいる、請求項1〜4のいずれか1項に記載のシステム。
- 第1の加速度計であって、測定軸、および前記ユーザーが直立しているときに前記測定軸が体の垂直軸VTと一致するように前記第1の加速度計を前記ユーザーの胴体に固定するのに適した固定手段を備えた第1の加速度計を含んでいる、請求項1〜5のいずれか1項に記載のシステム。
- 前記解析手段(AN)が、起立または着座姿勢、歩行姿勢、傾斜姿勢、および横臥姿勢から最大4個の状態を有する隠れマルコフモデルを用いて、ユーザーの姿勢を時間の関数として決定するのに適している、請求項6に記載のシステム。
- −起立または着座姿勢の場合、μx∈[0.7;1.3]、σx∈[0.05;0.4]、σy∈[1.10−3;5.10−1]であり、
−歩行姿勢の場合、μx∈[0.7;1.3]、σx∈[0.05;0.4]、σy∈[1.10−2;1]であり、
−傾斜姿勢の場合、μx∈[0.7;1.3]、σx∈[0.05;0.4]、σy∈[1.10−3;5.10−1]であり、
−横臥姿勢の場合、μx∈[−0.3;0.3]、σx∈[0.05;0.4]、σy∈[1.10−3;5.10−1]である、請求項7に記載のシステム。 - 第2の加速度計であって、測定軸、および前記ユーザーが直立しているときに前記測定軸が体の垂直軸VTに一致するように前記第2の加速度計を前記ユーザーの大腿に固定するのに適した固定手段を有する第2の加速度計を更に含んでいる、請求項6に記載のシステム。
- 前記解析手段(AN)が、起立姿勢、着座姿勢、横臥姿勢、および歩行姿勢から最大4個の状態を有する隠れマルコフモデルを用いて前記ユーザーの姿勢を時間の関数として決定するのに適している、請求項9に記載のシステム。
- 人の姿勢を決定する方法であって、
−運動センサ(CM)の各測定軸について、第1の閾値(S1)を上回る高周波、および前記第1の閾値(S1)以下である第2の閾値(S2)を下回る低周波を選択すべくフィルタリング(FILT)を実行するステップと、
−前記運動センサ(CM)に備えられた測定軸(k)の前記高周波の和に等しい1次元高周波成分(HF)、および前記運動センサ(CM)に備えられた測定軸の数に次元が等しい低周波成分(BF)を決定する(DET)ステップと、
−前記高周波成分(HF)が、前記運動センサ(CM)に備えられた測定軸(k)の数に等しい自由度を有するカイ2乗分布により定義され、前記低周波成分(BF)が、ガウス分布により定義されている状態で、前記高周波成分(HF)の確率密度(Py)および前記低周波成分(BF)の確率密度(Px)を計算する(CALC)ステップと、
−各々N個の姿勢に対応するN個の状態を有する隠れマルコフモデルを用いて、ユーザーの姿勢を時間の関数として、
−各々の姿勢について定義されている確率密度である、前記低周波および高周波成分の同時確率密度、および
−2個の連続する姿勢間の遷移確率
を組み合わせることにより決定するステップと
を含むことを特徴とする方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR0952694 | 2009-04-24 | ||
FR0952694 | 2009-04-24 | ||
PCT/EP2010/055562 WO2010122174A1 (fr) | 2009-04-24 | 2010-04-26 | Systeme et procede de determination de la posture d'une personne |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012524579A true JP2012524579A (ja) | 2012-10-18 |
JP2012524579A5 JP2012524579A5 (ja) | 2014-07-17 |
Family
ID=41200528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012506530A Pending JP2012524579A (ja) | 2009-04-24 | 2010-04-26 | 人の姿勢を決定するシステムおよび方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9445752B2 (ja) |
EP (1) | EP2421436A1 (ja) |
JP (1) | JP2012524579A (ja) |
KR (1) | KR20120027229A (ja) |
CN (1) | CN102438521A (ja) |
WO (1) | WO2010122174A1 (ja) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010122173A1 (fr) * | 2009-04-24 | 2010-10-28 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Systeme et procede de determination de l'activite d'une personne allongee |
US9072461B2 (en) | 2011-02-25 | 2015-07-07 | Embraer S.A. | Posture observer for ergonomic observation, posture analysis and reconstruction |
FR2981561B1 (fr) | 2011-10-21 | 2015-03-20 | Commissariat Energie Atomique | Procede de detection d'activite a capteur de mouvements, dispositif et programme d'ordinateur correspondants |
CN102488522A (zh) * | 2011-11-22 | 2012-06-13 | 哈尔滨工业大学 | 基于Zigbee加速度传感网络的人体坐姿检测系统及检测方法 |
CN103957777B (zh) * | 2011-12-07 | 2018-01-09 | 捷通国际有限公司 | 行为跟踪和修正系统 |
US8965599B2 (en) | 2013-05-01 | 2015-02-24 | Delphi Technologies, Inc. | Passive entry and passive start system with operator walking detection |
EP2835769A1 (en) | 2013-08-05 | 2015-02-11 | Movea | Method, device and system for annotated capture of sensor data and crowd modelling of activities |
US20160019360A1 (en) | 2013-12-04 | 2016-01-21 | Apple Inc. | Wellness aggregator |
AU2015312215B2 (en) * | 2014-09-02 | 2017-10-19 | Apple Inc. | Physical activity and workout monitor |
CN107921317B (zh) | 2015-08-20 | 2021-07-06 | 苹果公司 | 基于运动的表盘和复杂功能块 |
US10264996B2 (en) * | 2015-10-19 | 2019-04-23 | Sayfe Kiaei | Method and apparatus for wirelessly monitoring repetitive bodily movements |
AU2017100667A4 (en) | 2016-06-11 | 2017-07-06 | Apple Inc. | Activity and workout updates |
CN108261585B (zh) * | 2016-12-30 | 2022-06-07 | 上海移宇科技股份有限公司 | 一种人工胰腺闭环控制的系统和方法 |
CN107582061B (zh) * | 2017-07-21 | 2020-03-27 | 青岛海信移动通信技术股份有限公司 | 一种识别人体运动状态的方法及智能移动设备 |
US11317833B2 (en) | 2018-05-07 | 2022-05-03 | Apple Inc. | Displaying user interfaces associated with physical activities |
DK201970532A1 (en) | 2019-05-06 | 2021-05-03 | Apple Inc | Activity trends and workouts |
US11277485B2 (en) | 2019-06-01 | 2022-03-15 | Apple Inc. | Multi-modal activity tracking user interface |
DK202070616A1 (en) | 2020-02-14 | 2022-01-14 | Apple Inc | User interfaces for workout content |
US11938376B2 (en) | 2021-05-15 | 2024-03-26 | Apple Inc. | User interfaces for group workouts |
CN114252073B (zh) * | 2021-11-25 | 2023-09-15 | 江苏集萃智能制造技术研究所有限公司 | 一种机器人姿态数据融合方法 |
US11896871B2 (en) | 2022-06-05 | 2024-02-13 | Apple Inc. | User interfaces for physical activity information |
US11977729B2 (en) | 2022-06-05 | 2024-05-07 | Apple Inc. | Physical activity information user interfaces |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0678902A (ja) * | 1992-09-04 | 1994-03-22 | Res:Kk | 移動手段判別法 |
US20080275349A1 (en) * | 2007-05-02 | 2008-11-06 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
JP2010207488A (ja) * | 2009-03-12 | 2010-09-24 | Gifu Univ | 行動解析装置及びプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678413B1 (en) * | 2000-11-24 | 2004-01-13 | Yiqing Liang | System and method for object identification and behavior characterization using video analysis |
JP5028751B2 (ja) * | 2005-06-09 | 2012-09-19 | ソニー株式会社 | 行動認識装置 |
CN100487618C (zh) * | 2007-06-08 | 2009-05-13 | 北京航空航天大学 | 一种基于遗传最优request和gupf的组合定姿方法 |
US8152694B2 (en) * | 2009-03-16 | 2012-04-10 | Robert Bosch Gmbh | Activity monitoring device and method |
-
2010
- 2010-04-26 US US13/264,965 patent/US9445752B2/en active Active
- 2010-04-26 CN CN2010800224939A patent/CN102438521A/zh active Pending
- 2010-04-26 WO PCT/EP2010/055562 patent/WO2010122174A1/fr active Application Filing
- 2010-04-26 EP EP10715545A patent/EP2421436A1/fr not_active Withdrawn
- 2010-04-26 KR KR1020117026765A patent/KR20120027229A/ko not_active Application Discontinuation
- 2010-04-26 JP JP2012506530A patent/JP2012524579A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0678902A (ja) * | 1992-09-04 | 1994-03-22 | Res:Kk | 移動手段判別法 |
US20080275349A1 (en) * | 2007-05-02 | 2008-11-06 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
JP2010207488A (ja) * | 2009-03-12 | 2010-09-24 | Gifu Univ | 行動解析装置及びプログラム |
Non-Patent Citations (1)
Title |
---|
JEFF A. BILMES: "A GENTLE TUTORIAL OF THE EM ALGORITHM AND ITS APPLICATION TO PARAMETER ESTIMATION FOR GAUSSIAN MIXTU", INTERNATIONAL COMPUTER SCIENCE INSTITUTE [ONLINE], JPN5012015279, April 1998 (1998-04-01), ISSN: 0002831029 * |
Also Published As
Publication number | Publication date |
---|---|
WO2010122174A1 (fr) | 2010-10-28 |
KR20120027229A (ko) | 2012-03-21 |
EP2421436A1 (fr) | 2012-02-29 |
US9445752B2 (en) | 2016-09-20 |
CN102438521A (zh) | 2012-05-02 |
US20120143094A1 (en) | 2012-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2012524579A (ja) | 人の姿勢を決定するシステムおよび方法 | |
JP2012524579A5 (ja) | ||
JP2012524578A (ja) | 可動要素の活動を決定するためのシステム及び方法 | |
US20110012759A1 (en) | Activity monitoring system insensitive to accelerations induced by external motion factors | |
Kozina et al. | Three-layer activity recognition combining domain knowledge and meta-classification | |
US20120232430A1 (en) | Universal actigraphic device and method of use therefor | |
JP6546661B2 (ja) | 生理学的測定におけるアーティファクトを除去するデバイス及び方法 | |
JP2014504932A (ja) | 哺乳動物の体の向きを分類するための装置および方法 | |
Azmi et al. | Accelerator-based human activity recognition using voting technique with NBTree and MLP classifiers | |
Ruffaldi et al. | Sensor fusion for complex articulated body tracking applied in rowing | |
KR102363879B1 (ko) | 환자의 상지 동작에 의해 도출되는 특징값을 이용한 임상평가척도 예측 방법 | |
Grecheneva et al. | Estimation of human biomechanics during registration with a wearable device | |
Mehmood et al. | Study of multi-classification of advanced daily life activities on shimmer sensor dataset | |
JP2009300227A (ja) | 位置追跡システム、位置追跡装置、位置追跡方法およびプログラム | |
US20220262013A1 (en) | Method for improving markerless motion analysis | |
WO2019115432A1 (en) | Determining whether a hypothesis concerning a signal is true | |
US8898041B2 (en) | System and method for determining the activity of a person lying down | |
CN114053679A (zh) | 运动训练方法及其系统 | |
CN115191933A (zh) | 认知能力评估方法、系统及存储介质 | |
Chien et al. | Non-linear complementary filter based upper limb motion tracking using wearable sensors | |
Díaz-Ramírez et al. | Time series data processing for classifying wandering patterns in people with dementia | |
Hemmatpour et al. | A baseline walking dataset exploiting accelerometer and gyroscope for fall prediction and prevention systems | |
Hegazy et al. | Multi-Sensor Fusion for Online Detection and Classification of Table Tennis Strokes. | |
Fürst-Walter et al. | Design space exploration on efficient and accurate human pose estimation from sparse imu-sensing | |
Yogesh | Instance based human physical activity (hpa) recognition using shimmer2 wearable sensor data sets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130426 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140310 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140313 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140508 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140617 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20140908 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20141017 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141106 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140929 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150108 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20150428 |