JP2014212915A - 行動判別装置、および行動判別方法 - Google Patents
行動判別装置、および行動判別方法 Download PDFInfo
- Publication number
- JP2014212915A JP2014212915A JP2013092064A JP2013092064A JP2014212915A JP 2014212915 A JP2014212915 A JP 2014212915A JP 2013092064 A JP2013092064 A JP 2013092064A JP 2013092064 A JP2013092064 A JP 2013092064A JP 2014212915 A JP2014212915 A JP 2014212915A
- Authority
- JP
- Japan
- Prior art keywords
- axis
- behavior
- subject
- main axis
- determination
- 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.)
- Withdrawn
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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
Abstract
【解決手段】被験者の手首に装着され、3軸方向の加速度を検出する加速度センサー12が時系列に検出する3軸の加速度データから、被験者の行動を判別するために主に参照する軸である主要軸を抽出する軸決定部と、主要軸の加速度データから被験者の行動を判別する指標となる判別指標を参照して被験者の行動を判別する判別部と、を備え、軸決定部は、3軸の加速度データにおける変化量に基づいて、所定期間ごとに主要軸を決定することを特徴とする行動判別装置100。この行動判別装置100によれば、所定期間ごとに被験者の行動を最も表しているセンサー軸を主要軸として選択することにより、情報量が豊富な手首の動きを精密に解析することが可能となり、正確に行動パターンを判別することができる。
【選択図】図1
Description
これらの問題を解決するために、当該装置を肢体、例えば腕(手首)に装着することが考えられる。当該装置を手首に取り付けることにより、体幹の動きに加えて、腕自体の動きも検出可能となり、動きに係る情報量が増えるため、より正確に行動パターンを判別できる可能性が高まる。
他方、近年の健康ブームの影響もあり、市場ニーズとしては、体操、ウォーキング、自転車、トレーニングマシンを利用した運動などの多様な行動パターンを判別可能な携帯型の判別装置が期待されていた。
ここで、軸決定部は、少なくとも2軸の加速度データにおける変化量に基づいて、所定期間ごとに主要軸を決定している。好適には、変化量が最も大きい軸を主要軸とし、これを一定時間ごとに見直している。つまり、一定時間ごとに、被験者の行動を最も検出して(表して)いるセンサー軸を選択して主要軸としている。
よって、主要軸が固定されており、手首などの肢体に装着したとしても被験者の行動を正確に検出することが困難であった従来の装置と異なり、本適用例の行動判別装置によれば、一定時間ごとに、被験者の行動を最も表しているセンサー軸を主要軸として選択することにより、情報量が豊富な手首の動きを精密に解析することが可能となり、正確に行動パターンを判別することができる。
従って、体操、ウォーキング、自転車、トレーニングマシンを利用した運動などの多様な行動パターンを判別可能な行動判別装置を提供することができる。
従って、体操、ウォーキング、自転車、トレーニングマシンを利用した運動などの多様な行動パターンを判別可能な行動判別方法を提供することができる。
図1は、実施形態1に係る行動判別装置としての端末装置の概要を表す説明図である。まず、本実施形態に係る端末装置100の概要について説明する。
端末装置100は、人体の手首1に装着され、被験者の動作をセンシングする加速度センサー12を内蔵し、日々の生活における行動パターンを判別することが可能な腕時計型の生体データ測定装置である。端末装置100には、表示パネル56が備えられており、運動時間や、脈拍数など、被験者の行動に係るデータが表示される。表示パネル56は略長方形をなしており、手首1に装着された状態で、腕の長さ方向が表示パネル56の長辺方向となっている。
加速度センサー12は、略直交する3軸(X軸、Y軸、Z軸)方向の加速度を検出可能な3軸の加速度センサーである。なお、好適例として、X軸が表示パネル56の長辺方向、Y軸がX軸に直交する表示パネル56の短辺方向、Z軸が端末装置100の厚み方向となるように、配置されている。
ここで、端末装置100では、加速度センサー12が検出した加速度情報としての3軸の加速度データにおける変化量に基づいて、所定期間ごとに主要軸を決定するという特徴ある方法(機能)を採用することにより、被験者の多様な行動パターンを判別することを実現している。
このような機能(方法)を実現するための端末装置100の構成について、以下詳細に説明する。
図2は、端末装置の概略構成を示すブロック図である。
端末装置100は、センサー部10、第1記憶部20、第2記憶部30、制御部51、計時部52、操作部53、表示駆動部55、通信部57などから構成されている。これらの構成部は、バス6を介して接続されている。
センサー部10は、運動センサー部11と、生体センサー部13とから構成されている。運動センサー部11には、前述した加速度センサー12が搭載されている。加速度センサー12は、X軸、Y軸、Z軸方向ごとの加速度を検出する3つの加速度センサーを有するセンサーユニットである。
加速度センサー12は、各軸の加速度変化をサンプリング間隔ごとに計測する。好適例としてサンプリング間隔は、16Hz以上に設定されている。加速度センサー12は、被験者の動きを検出し、検出した加速度信号を増幅回路、波形整形回路、A/D変換回路(いずれも図示せず)において増幅、整形、A/D変換され加速度データとして出力する。3軸分の加速度データは、第2記憶部30(後述する)に加速度データ列31として格納(記憶)される。
なお、加速度センサー12は、3軸の加速度センサーを有するセンサーユニットとしているが、少なくとも2軸の加速度センサーを有したセンサーユニットであれば良い。略直交する2軸の加速度センサーを備えていても良いし、立体的に交差する4軸以上の加速度センサーを備えていても良い。
軸決定部21は、3軸の中から主要軸を決定するための軸決定プログラムが格納されている部位(記憶領域)である。換言すれば、当該プログラムが実行されることにより実現する機能を構成部位とみなした仮定部位である。軸決定部21では、加速度データ列31が分析され、所定期間ごとに主要軸が決定される。主要軸が決定される過程で、階差データ列32が生成され第2記憶部30に格納される。
判別部22は、主要軸の加速度データなどから行動判別を行うための行動判別プログラムが格納されている部位(記憶領域)である。換言すれば、当該プログラムが実行されることにより実現する機能を構成部位とみなした仮定部位である。判別部22では、所定期間ごとに軸決定部21において決定された主要軸の加速度データが入力され、判別指標としての指標管理テーブル40が参照されることで、行動パターンが判別される。行動パターンが判別される過程で、主要軸ピッチ41および主要軸パワースペクトル42が生成され、第2記憶部30に格納される。
制御プログラム23は、制御部51により実行されるプログラムであり、軸決定部21と判別部22を所定期間ごとに呼び出す。なお、軸決定部21、判別部22、および制御プログラム23の詳細については後述する。
制御部51は、CPU(Central Processing Unit)であり、端末装置100を構成するセンサー部10、第1記憶部20、第2記憶部30、および以下に説明する操作部53、計時部52、通信部57、表示駆動部55などの各部を制御する。
計時部52は、リアルタイムクロックであり、加速度検出用のサンプリング時間の発生、カレンダー機能、時計機能、ストップウォッチ機能などの計時機能を有している。計時部52が計時している日時、時間などの計時データは、制御部51により読み出される。
表示駆動部55は、表示パネル駆動回路(ドライバー)であり、表示パネル56を設定された画面遷移に従って表示駆動する。
図3は、制御プログラムの処理の流れを表すフローチャート図である。以降、図3を中心に、適宜、各図を交えて説明する。なお、以下のフローは、第1記憶部20の制御プログラム23に基づいて制御部51がセンサー部10、軸決定部21、判別部22を含む各部を制御することにより実行される。制御プログラム23が実行されると、所定期間ごとに、行動判別に最適な主要軸が決定され、主要軸に基づいて被験者の行動パターンが判別される。
ステップS2では、3軸加速度センサー12が、駆動される。詳しくは、加速度信号の増幅回路、波形整形回路、A/D変換回路などが初期化され、駆動される。
ステップS4では、主要軸を決めるためのサブルーチンプログラムが実行され、主要軸が選択(決定)される。なお、当該サブルーチンプログラムは軸決定部21に格納されている軸決定プログラムである。軸決定プログラムの詳細については後述する。
なお、計測終了直前のt秒間までの行動判別の結果は、ステップS5において、第2記憶部30(図2)に行動判別結果43(図2)として格納されている。
図4は、主要軸決定の流れを表すフローチャート図である。以降、図4を中心に、適宜、各図を交えて説明する。なお、以下のフローは、第1記憶部20の軸決定部21(図2)に基づいて制御部51(図2)が第2記憶部30を含む各部を制御することにより実行される。
上述した通り、軸決定部21は、制御プログラム23のステップS4(図3)から呼び出されるサブルーチンプログラムであり、主要軸を決定した後、制御プログラム23に制御が戻される。
時系列に並べられた加速度データを{a1,a2,・・・,an,an+1,・・・}(nは自然数)とすると、階差bnは、数式(1)で表される。
bn=an+1−an ・・・ 数式(1)
数式(1)により計算された階差が階差データ列32(図2)に順次格納される。階差データ列32は、サンプリング間隔ごとに時系列に並べられた数列として格納されている。この処理は、X軸、Y軸、Z軸の軸ごとに、1回ずつ行われる。
次に、図5〜図8を用いて、主要軸が決定されるまでの流れについて、生成されたデータ列の例を示しながら説明する。
図5(a)は、事例1における3軸の加速度データを示すグラフ、(b)は事例2における3軸の加速度データを示すグラフである。
事例1および事例2は、端末装置100を装着した2人の被験者が、略同じ場所で略同じ行動を行った際に、生成されたデータ事例である。
図5(a)および(b)のグラフは、加速度データ列31(図2)のX軸(実線)、Y軸(太い実線)、Z軸(破線)の加速度データをプロットしたグラフである。グラフの横軸は、経過時間であり、縦軸は加速度の大きさである。事例1では、Y軸(太い実線)の加速度データが加速度の大きさ約500〜800の範囲を大きく変動しているのに対し、事例2によるY軸(太い実線)の加速度データは約300〜500の範囲と事例1より少なく、X軸とZ軸と比べても変動量が少ない。事例2では、3軸の中でZ軸(破線)の加速度データが最も大きな変動を示している。他の軸の加速度データに関しても事例1と事例2では同様に異なる変化を示している。なお、この事例では、加速度データのサンプリングタイムを約62msecで検出している。
一方で、参照する軸を変えることで類似の行動に対して類似の特徴を捉えることができることが推察できる。換言すれば、最も加速度の変化量が大きい軸を主要軸とすれば、類似行動の判別が可能となると推測される。
階差データ列32から直近の4秒分の階差データを、所定の閾値としての閾値D1と比較して、閾値D1以上となった回数がカウントされる。
なお、上述の所定期間は例として4秒をあげたが、それよりも短くても長くても良く、3軸の加速度の階差データが比較され、その中から最も大きな動きの変化を含む軸が抽出されるための十分なデータ量があれば良い。また、所定期間は、被験者の行動によっては、加速度計測中に動的に変更されても良い。例えば、速い動きが継続されている時は、所定期間を短くして主要軸を決定し、ゆっくりした動きに変わった時は、所定期間を長くして主要軸を決定する。これにより、所定期間内の主要軸に係る加速度データの特徴をさらに詳細に捉えることができる。
さらに、主要軸を決定するために参照する加速度データは、上述の例では所定期間と同じ期間のデータを参照していたが、所定期間よりも長い期間のデータを参照しても良い。例えば、所定期間が4秒で、参照する加速度データはさらに過去の16秒分のデータを参照しても良い。
また、主要軸の決定における演算処理は差分演算のみであり、3軸の加速度データを合成演算するような複雑な演算を利用していない。従って、当該主要軸の決定方法では、制御部51にかかる負荷を抑えることができており、高速演算および消費電力の抑制を実現している。高速演算により、速い軸決定が可能となり、細かい動きの行動に対応できる主要軸の決定が可能となる。また、消費電力を抑えることで、バッテリー駆動式の端末装置100を長時間利用することも可能としている。
次に、決定された主要軸のデータを用いて、被験者の行動を判別する流れについて説明する。
図9、図10、および図11は、行動判別の流れを表すフローチャート図である。図12は指標管理テーブルを示す図である。
以降、図9〜図12を中心に、適宜、各図を交えて説明する。なお、図9〜図11に示すフローは、第1記憶部20の判別部22の機能を実現するプログラムに基づいて制御部51が第2記憶部30を含む各部を制御することにより実行される。図12に示す判別指標としての指標管理テーブル40は、第2記憶部30(図2)に格納されており、行動を判別するための指標を管理するテーブルである。指標管理テーブル40の「指標No」は指標の番号、「指標」は行動を判別するための指標の内容、「判断値」は指標を判断するための値、「判断値の例」は判断値の具体例、および「行動パターン」は判断値により識別された結果として導出される行動パターンをそれぞれ表している。である。なお、図9〜図11のフローにおける判断部分に記載の記号(D2,C2など)については、図12の「判断値」において一覧を示している。
また、判別部22の機能は、制御部51(図2)により実行される制御プログラム23のステップS4(図3)において主要軸が決定された後に、ステップS5(図3)のサブルーチンプログラムにより実現される。判別部22により所定期間ごとの行動パターンが判別されると、制御プログラム23に戻り、ステップS6(図3)に処理が移される。
なお、判別部22は、制御プログラム23からサブルーチンプログラムとして呼び出されるときに、軸決定部21により決定された主要軸における加速度データ列31、階差データ列32が参照可能となる。
このようにして、主要軸の加速度データ列31をFFT変換処理することにより、周期性の有無を求めている。なお、周期性の有無の判断は、発明者等が収集した複数の実験データを統計処理、および解析して導出された出現傾向データに基づいている。
また、周期性の有無の算出に利用する加速度データ列31はt秒間に限らず、t秒間よりも長い期間、例えば、t秒の4倍の期間のデータに基づいて算出されても良い。
ステップS8は、ステップS53(図9)において(No)と判断され、安静、生活動作、および筋力トレーニングの行動パターンが候補として分岐されたステップである。
ステップS82では、階差の合計が判断値M1と比較される。なお、比較対象となる行動パターンは、筋力トレーニング、生活動作、安静である。詳しくは、階差の合計と指標管理テーブル40における指標6の判断値M1とを比較し、階差の合計が判断値M1以上であれば(Yes)、ステップS84に進む。判断値M1未満であれば(No)、ステップS83に進む。階差が合計された値は、大きければ(判断値M1以上)動きのある状態であり、小さければ(判断値M1未満)動きが少ないと判断される。そのため、動きのある行動パターンとしては、生活動作、あるいは筋力トレーニングが該当し、ステップS84に進む。動きの少ない行動パターンとして、ステップS83において安静が特定される。
また、周期性有無の算出に利用する加速度データ列31はt秒間に限らず、t秒間よりも長い期間のデータに基づいて算出されても良い。
ステップS9は、ステップS55(図9)において(No)と判断され、自転車、体操、その他の運動の行動パターンを候補として分岐されたステップである。
ステップS91では、主要軸の階差が判断値D3以上である出現回数がカウントされる。詳しくは、t秒間の階差データ列32から主要軸のデータを順次、指標管理テーブル40(図12)における指標7の判断値D3と比較する。そして、判断値D3以上となった回数をカウントする。t秒間のデータが全て比較され、カウントされた結果を階差の出現回数とする。なお、この算出方法はステップS52(図9)と同じ方法である。また、判断値D3は、判断値D2とは異なる数値であり、判断値D2より大きい値である。
図13は、加速度のパワースペクトルを示すグラフである。
ステップS94では、パワースペクトルのパワーが判断値W1以上である出現数がカウントされる。詳しくは、t秒間の主要軸の加速度データ列31に基づいて高速フーリエ変換(FFT)処理が行われ、加速度データのFFT処理の結果から周波数成分が求められる。周波数成分ごとに周波数成分が有するパワーを算出し、パワースペクトルが生成される。パワースペクトルは、t秒間における加速度データが保有する加速度変位量の総和(パワー)に対する周波数成分の寄与度を表している。図13は、t秒間の加速度データ列31から生成された各周波数成分のパワーの分布の示すパワースペクトルであり、パワーを周波数ごとにプロットしたグラフの一部が示されている。横軸は周波数であり、縦軸は周波数ごとのパワーである。パワースペクトルにおいて、周波数ごとに最も大きなパワーを有する値であるパワーの最大値60を求める。パワーの最大値60を100%として指標管理テーブル40における指標9の判断値W1%と比較し、判断値W1以上の大きさのパワーを持つ周波数成分の数をカウントする。
ステップS97では、行動パターンとして自転車が特定される。詳しくは、所定期間としてのt秒間の被験者の行動パターンは自転車と決定され、第2記憶部30(図2)の行動判別結果43に格納される。
端末装置100によれば、運動態様に関する情報量が多い肢体、例えば手首に3軸の加速度センサー12が装着されており、軸決定部21は、当該センサーが検出した3軸の加速度データから、被験者の行動を判別するために参照する主要軸を抽出する。主要軸は、3軸の中で、被験者の行動内容を最も感知している軸である。
ここで、軸決定部21は、3軸の加速度データにおける変化量に基づいて、所定期間ごとに主要軸を決定している。変化量が最も大きい軸を主要軸とし、これを一定時間ごとに見直している。つまり、一定時間ごとに、被験者の行動を最も検出して(表して)いるセンサー軸を選択して主要軸としている。
よって、主要軸が固定されており、手首に装着したとしても被験者の行動を従来と比較して正確に検出することが困難であった従来の装置と異なり、端末装置100によれば、一定時間ごとに、被験者の行動を最も表しているセンサー軸を主要軸として選択することにより、情報量が豊富な手首の動きを精密に解析することが可能となり、正確に行動パターンを判別することができる。
従って、体操、ウォーキング、自転車、トレーニングマシンを利用した運動などの多様な行動パターンを判別可能な行動判別装置を提供することができる。
本実施形態の行動判別方法によれば、最も加速度の変化量が大きい軸を主要軸とすることにより、個体差があっても、従来と比較して正確に行動パターンを判別することができる。
従って、体操、ウォーキング、自転車、トレーニングマシンを利用した運動などの多様な行動パターンを判別可能な行動判別方法を提供することができる。
さらに、端末装置100を手首に装着する構成としたことにより、被験者の生体情報の収集を効率的に行うことができる。詳しくは、腕(皮膚)と密着する端末装置100の裏面に、脈波センサー14を配置することにより、被験者の運動状況の指標となる脈拍を簡便に収集することができる。
次に、実施形態2について、図1、図2および図14を中心に、適宜、各図を交えて説明する。
本実施形態では、端末装置100に備えられた脈波センサー14が検出した脈拍データを用いてさらに詳細な行動パターンの判別を実現している。
図14は、バリエーションテーブルを示す図である。
図2に示す生体センサー部13は、好適例として脈波センサー14である。脈波センサー14は、例えばLEDなどの発光素子から人体の手首1に向けて照射され手首1の血管で反射された光を集光しフォトダイオードなどの受光素子で受光する光電式脈波センサーである。この際脈波センサー14は、血管の拡張時と収縮時とで光の反射率が異なる現象を利用して被験者の脈波を検出する。検出された脈波のデータは、制御部51によりFFT処理され、体動成分等のノイズが除去され脈拍成分が抽出される。脈拍成分より脈拍数(拍数/分)が算出される。脈拍数は、主要軸が決定される所定期間(t秒)ごとに生成される。つまり、脈拍数は、t秒ごとに行動を判別する判別部22の処理までには算出されており、行動判別の処理で行動を判別するために利用可能である。なお、生体センサー部13としては、上述の方式以外にも圧力センサーを用いたものや超音波を用いたものなどを採用しても良い。
図14は、行動パターンのバリエーションテーブル44のランニングおよびウォーキングの行動パターンにおいての一例である。バリエーションテーブル44は第2記憶部30(図2)に格納されるテーブルである(図示しない)。なお、以降に説明する処理は判別部22に基づいて制御部51により実行される処理である。
バリエーションテーブル44は、「行動パターン」「脈拍数条件」「細分化行動パターン」「運動強度係数」の各項目からなり、脈拍数データは「脈拍数条件」の条件により比較される。「細分化行動パターン」は、行動パターンのバリエーションを示している。「運動強度係数」は、行動パターンごとに決められている運動強度(メッツ)に対して乗算する係数である。
このようにして、脈波センサー14を備え、測定された脈拍データを利用することで行動パターンにバリエーションが増え、より緻密に行動を判別することができた。
なお、「脈拍数条件」では、比較対象に脈拍数の固定値を例として挙げたが、この例に限らず、被験者の安静時脈拍数や運動負荷時の脈拍数から動的に演算された値を用いても良い。これにより、さらに被験者の体力状態や身体状態に適した細分化行動パターンが決定される。
被験者の脈拍データを含む生体データを行動パターンの判別に用いることで行動パターンをさら細分化することが可能になる。また、細分化された行動パターンに基づいて運動強度を補正し、より正確な消費カロリーを算出することも可能となる。
図2を用いて説明する。
上述の実施形態では、表示駆動部55および表示パネル56を含む構成であったが、表示駆動部55および表示パネル56を含まない構成であっても良い。このような表示機能を備えない構成では、制御部51が、通信部57を制御して、通信先のPCやサーバーなどに行動判別結果43のデータなどを所定期間ごとに送信する機能などを備えていれば良い。その構成においては、当該PCやサーバーが、行動判別結果43のデータなどを所定期間ごとに受信し、当該PCやサーバーに備えられた表示装置に表示することができる。
また、腕の長さ方向(表示パネル56の長辺方向)をX軸とするものとして説明したが、この構成に限定するものではなく、軸はどの方向であっても良い。詳しくは、被験者の肢体に固定されて軸がぶれなければ良く、またX軸、Y軸、Z軸の3軸が略直交しており、加速度センサーが異なる方向の加速度情報を検出していれば良い。
さらに、略直交する3軸の加速度センサー12を備えた構成であったが、略直交する2軸の加速度センサーを備えている構成、または立体的に交差する4軸以上の加速度センサーを備えている構成であっても良い。詳しくは、2軸または4軸以上の加速度センサーが検出する加速度情報から、変化量の大きい軸を主要軸とする。主要軸は一定時間ごとに選択(決定)され、被験者の動きの特徴を捉えている方の軸から行動パターンを判別することができる。
このような表示パネル56を含まなく、あるいは2軸の加速度センサーによる構成であっても、上述の実施形態と同様な作用効果を得ることができる。さらに、装置をより小型化、薄型化にすることができるため、被験者の様々な行動(運動)中において、携帯性と耐久性に優れた行動判別装置を提供することができる。
図3を用いて説明する。
上述の実施形態および変形例では、主要軸を所定期間(時間)ごとに選択し決定していたが、その選択基準は時間軸に限定するものではなく、選択基準を蓄積量、または所定の条件としても良い。
詳しくは、選択基準を蓄積量とする場合は、加速度データの蓄積量が所定のデータ数に達したタイミングで主要軸の選択が行われる。例えば、図3のステップS3の「t秒間データ蓄積」を「所定のデータ数64個蓄積」に変える。これにより、3軸の加速度データが各軸に64個蓄積されたタイミングで、次のステップS4に進む。ステップS4では、各軸に64個蓄積された加速度データ列31(図2)を分析し主要軸を決定する。このように、加速度データの蓄積量が所定のデータ数に達したタイミングで主要軸を決定することにより、加速度センサー12のサンプリング周期を変えた場合(例えば、1秒間に16回から32回に変更するなど)であっても、一定のデータ量に基づいた分析が行われるため、被験者の動きを的確に捉えることができ、適切な軸を主要軸と決定することができる。
また、選択基準を所定の条件とする場合は、所定の条件を設定し、条件に合ったタイミングで主要軸の選択が行われる。例えば、ステップS3の「t秒間データ蓄積」を「加速度データの階差が閾値D1を20回越えた?」という条件に変える。この条件にすることで、加速度データの階差が閾値D1を20回越えた軸が出現したタイミングで、主要軸が決定されるステップS4に進む。上述の例による一定の時間や蓄積量に達するまで待たずに主要軸を決定することができ、短い時間内に頻繁に動く様な動作においては主要軸の選択が頻繁に行われるため、特に動きを的確に捉えた軸を主要軸とすることができる。また、被験者の速い動き、遅い動きが取り混ぜられているような行動をしているケースでは、速い動きの時は頻繁に主要軸を変えることができ、遅い動きの時には十分に加速度データを蓄積した上で主要軸を変えることができる。これにより、決定された主要軸に係る加速度データの特徴をさらに詳細に捉えることができ、次のステップS5における行動判別に置いてより正確に被験者の行動を判別することができる。
なお、上述の例においては、ステップS3において加速度データの階差が閾値D1を20回越えた軸を主要軸として決定して、ステップS4を省略し、ステップS5に進むフローであっても良い。
上述の実施形態および変形例の構成に限定されるものではなく、3軸ジャイロセンサー、およびGPS(Global Positioning System)センサー、その他環境情報を検出するセンサー(いずれも図示せず)を含んで構成されたセンサーユニットを備えても良い。詳しくは、3軸ジャイロセンサーは、3軸加速度センサー12における各X、Y、Z軸に対して角速度を単位時間ごとに計測する。
GPSセンサーは、GPS受信機能および位置情報演算回路を備えており、単位時間ごとに位置情報(緯度、経度、高度)データを計測する。
環境情報を検出するセンサーは、好適例として、温度センサー、圧力センサーを含んで構成され、温度センサーは、外気温を単位時間ごとに計測し、圧力センサーは、気圧を単位時間ごとに計測する。
これらのセンサーユニットから検出されたデータに基づいて、さらに行動パターンのバリエーションを増やすことが可能である。例えば、行動パターンによりウォーキングと判別され、さらに細分化行動パターンより速歩となった場合、GPS位置情報において山岳地帯の移動をしていることが確認でき、圧力センサーにより移動時の高低差が確認できた場合は、さらに行動パターンを登山と特定しても良い。
このように、加速度センサーを含む運動センサーや脈波センサーを含む生体センサーなどの被験者の身体状態を検出するセンサーではない、外部環境を検出するセンサーのデータを解析することで、被験者の行動パターンをさらに緻密に正確に判別することができる。
Claims (7)
- 被験者の手首を含む肢体に装着され、直交する少なくとも2軸の加速度情報を検出する加速度センサーと、
前記加速度情報に基づいて、前記被験者の行動を判別するために参照する軸である主要軸を決定する軸決定部と、
前記被験者の行動を判別する指標となる判別指標を記憶する記憶部と、
前記主要軸の加速度情報と前記判別指標とに基づいて前記被験者の行動を判別する判別部と、を備え、
前記軸決定部は、前記加速度情報における変化量に基づいて、前記主要軸を決定することを特徴とする行動判別装置。 - 前記主要軸は、所定期間内において、前記変化量が所定の閾値を超えた回数が最大となる軸であることを特徴とする請求項1に記載の行動判別装置。
- 前記変化量は、前記直交する少なくとも2軸の加速度情報において時系列に隣り合う2つの前記加速度情報の階差であり、前記階差と前記所定の閾値とを比較することで前記直交する少なくとも2軸から前記主要軸を決定することを特徴とする請求項2に記載の行動判別装置。
- 前記判別部は、前記主要軸の加速度情報に基づいて、少なくとも周期性、および複数の周波数におけるパワースペクトルを解析し、
前記判別指標は、前記周期性に応じた行動態様、および前記パワースペクトルの分布に応じた行動態様を含むテーブルであることを特徴とする請求項1〜3のいずれか一項に記載の行動判別装置。 - 前記被験者の脈拍を検出する脈波センサーをさらに備え、
前記判別部は、前記脈波センサーが検出した脈拍情報の解析結果を加味して、前記被験者の行動を判別することを特徴とする請求項1〜4のいずれか一項に記載の行動判別装置。 - 位置情報を検出するGPSセンサー、気圧を含む周辺圧力情報を検出する圧力センサー、または外気温を含む周辺温度情報を検出する温度センサーのうち少なくとも1つのセンサーをさらに備え、
前記判別部は、前記位置情報、前記周辺圧力情報または前記周辺温度情報のうち少なくとも1つの解析結果を加味して、前記被験者の行動を判別することを特徴とする請求項1〜5のいずれか一項に記載の行動判別装置。 - 被験者の手首を含む肢体に装着され、直交する少なくとも2軸の加速度情報を検出する加速度センサーを備えた行動判別装置が実行する行動判別方法であって、
時系列に前記加速度情報を検出する検出工程と、
前記直交する少なくとも2軸から主に参照する軸である主要軸を決定する軸決定工程と、
前記主要軸の加速度情報から、前記被験者の行動を判別する指標となる判別指標を参照して前記行動を判別する判別工程と、を含み、
前記軸決定工程では、前記加速度情報における変化量に基づいて、前記主要軸を決定することを特徴とする行動判別方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013092064A JP2014212915A (ja) | 2013-04-25 | 2013-04-25 | 行動判別装置、および行動判別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013092064A JP2014212915A (ja) | 2013-04-25 | 2013-04-25 | 行動判別装置、および行動判別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014212915A true JP2014212915A (ja) | 2014-11-17 |
JP2014212915A5 JP2014212915A5 (ja) | 2016-06-16 |
Family
ID=51939264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013092064A Withdrawn JP2014212915A (ja) | 2013-04-25 | 2013-04-25 | 行動判別装置、および行動判別方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014212915A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106231008A (zh) * | 2015-06-02 | 2016-12-14 | Lg电子株式会社 | 手表式终端及其控制方法 |
JP2016211984A (ja) * | 2015-05-11 | 2016-12-15 | 国立研究開発法人理化学研究所 | 行動解析方法 |
JP2017012277A (ja) * | 2015-06-29 | 2017-01-19 | カシオ計算機株式会社 | 携帯型電子装置、センサ制御システム、センサ制御方法及びセンサ制御プログラム |
CN106492439A (zh) * | 2016-10-08 | 2017-03-15 | 武汉新英赛健康科技有限公司 | 一种工间操评分方法 |
JP2017522149A (ja) * | 2014-05-30 | 2017-08-10 | 日東電工株式会社 | ユーザーの活動を分類し及び/又はユーザーの歩数をカウントするデバイス及び方法 |
JP2017536946A (ja) * | 2014-12-12 | 2017-12-14 | ノキア テクノロジーズ オサケユイチア | 意識状態を決定するデバイスおよび方法 |
JPWO2017175720A1 (ja) * | 2016-04-08 | 2018-12-20 | シャープ株式会社 | 行動判定装置および行動判定方法 |
US10768591B2 (en) | 2015-09-03 | 2020-09-08 | Mitsubishi Electric Corporation | Behavior identification device, air conditioner, and robot control device |
US10820815B2 (en) | 2015-12-11 | 2020-11-03 | Seiko Epson Corporation | Biological information detecting device and control method for biological information detecting device |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003323502A (ja) * | 2002-05-07 | 2003-11-14 | Casio Comput Co Ltd | 行動記録装置及び行動記録プログラム |
JP2004141669A (ja) * | 2000-10-16 | 2004-05-20 | Omron Healthcare Co Ltd | 体動検出装置 |
JP2006180899A (ja) * | 2004-12-24 | 2006-07-13 | Sharp Corp | 生活活動解析装置、生活活動解析方法、プログラム、および記録媒体 |
JP2009187068A (ja) * | 2008-02-01 | 2009-08-20 | Citizen Systems Japan Co Ltd | 体動検出装置 |
JP2011044135A (ja) * | 2009-07-09 | 2011-03-03 | Seiko Instruments Inc | 歩数計 |
US20120259577A1 (en) * | 2011-04-11 | 2012-10-11 | Transrex Ag | Fall Detection Methods and Devices |
-
2013
- 2013-04-25 JP JP2013092064A patent/JP2014212915A/ja not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004141669A (ja) * | 2000-10-16 | 2004-05-20 | Omron Healthcare Co Ltd | 体動検出装置 |
JP2003323502A (ja) * | 2002-05-07 | 2003-11-14 | Casio Comput Co Ltd | 行動記録装置及び行動記録プログラム |
JP2006180899A (ja) * | 2004-12-24 | 2006-07-13 | Sharp Corp | 生活活動解析装置、生活活動解析方法、プログラム、および記録媒体 |
JP2009187068A (ja) * | 2008-02-01 | 2009-08-20 | Citizen Systems Japan Co Ltd | 体動検出装置 |
JP2011044135A (ja) * | 2009-07-09 | 2011-03-03 | Seiko Instruments Inc | 歩数計 |
US20120259577A1 (en) * | 2011-04-11 | 2012-10-11 | Transrex Ag | Fall Detection Methods and Devices |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017522149A (ja) * | 2014-05-30 | 2017-08-10 | 日東電工株式会社 | ユーザーの活動を分類し及び/又はユーザーの歩数をカウントするデバイス及び方法 |
JP2017536946A (ja) * | 2014-12-12 | 2017-12-14 | ノキア テクノロジーズ オサケユイチア | 意識状態を決定するデバイスおよび方法 |
JP2016211984A (ja) * | 2015-05-11 | 2016-12-15 | 国立研究開発法人理化学研究所 | 行動解析方法 |
CN106231008A (zh) * | 2015-06-02 | 2016-12-14 | Lg电子株式会社 | 手表式终端及其控制方法 |
JP2017012277A (ja) * | 2015-06-29 | 2017-01-19 | カシオ計算機株式会社 | 携帯型電子装置、センサ制御システム、センサ制御方法及びセンサ制御プログラム |
US10203672B2 (en) | 2015-06-29 | 2019-02-12 | Casio Computer Co., Ltd. | Portable electronic device equipped with sensor unit, sensor control system, and sensor control method |
US10768591B2 (en) | 2015-09-03 | 2020-09-08 | Mitsubishi Electric Corporation | Behavior identification device, air conditioner, and robot control device |
US10820815B2 (en) | 2015-12-11 | 2020-11-03 | Seiko Epson Corporation | Biological information detecting device and control method for biological information detecting device |
JPWO2017175720A1 (ja) * | 2016-04-08 | 2018-12-20 | シャープ株式会社 | 行動判定装置および行動判定方法 |
CN106492439A (zh) * | 2016-10-08 | 2017-03-15 | 武汉新英赛健康科技有限公司 | 一种工间操评分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2014212915A (ja) | 行動判別装置、および行動判別方法 | |
US11883195B2 (en) | Multimode sensor devices | |
US20180249908A1 (en) | Multi-state performance monitoring system | |
US10900991B2 (en) | Calculating pace and energy expenditure from athletic movement attributes | |
JP6130914B2 (ja) | 運動負荷時の生体情報算出システム、生体情報算出方法、及び、携帯情報端末 | |
US20180264320A1 (en) | System and method for automatic location detection for wearable sensors | |
US11540761B2 (en) | Systems and methods for facilitating exercise monitoring with real-time heart rate monitoring and motion analysis | |
JP2015058096A (ja) | 運動支援装置及び運動支援方法、運動支援プログラム | |
Dong et al. | Real-time physical activity monitoring by data fusion in body sensor networks | |
JP2022075457A (ja) | 情報処理システム、サーバ、情報処理方法及びプログラム | |
KR20100023388A (ko) | 복합 센서를 이용한 생활 패턴 측정 장치 및 방법 | |
Awais | Physical Activity Classification Meeting Daily Life Conditions for Older Subjects | |
Hellbruck et al. | Effective Movement Classification for Context Awareness in Medical Applications Networking | |
Chinrungrueng et al. | My Act: an automatic daily caloric estimation based on physical activity data using smartphones |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20150113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160425 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160425 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20160614 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20160624 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170324 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170411 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20170526 |