JP2014504932A - 哺乳動物の体の向きを分類するための装置および方法 - Google Patents

Abstract

哺乳動物の体の向きの分類を提供するための装置を開示する。同装置は、準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定する手段（１０、１１）を含み、前記測定手段は少なくとも１つのポジションセンサを含む。前記装置は、前記体位を示す第１のデータを提供する手段（１２）と、前記データを少なくとも一時的に記憶する手段（１５）と、前記データを処理して前記体の向きの分類を提供する手段（１３、１４）とを含む。哺乳動物の体の向きの分類を提供するための方法も開示する。

Description

本発明は、脊椎哺乳動物の体の向きを突き止めて分類するための装置および方法に関する。本発明は、所定の時点における人間被験者の姿勢の分類に特に適しており、本明細書ではこの文脈で本発明を説明する。しかしながら、本発明はそのような用途に限定されるものではない。人間被験者の姿勢を分類することは、その被験者が座った状態か、立った状態か、または横になった状態かを突き止めることを含む。体の向きは、まっすぐに座った状態、前かがみで座った状態、ひざをついた状態等をはじめとしたさらなる詳細レベルばかりでなく、歩行状態、走行状態等を含む動的な体の向きも包含し得る。

本発明は、国際特許出願ＰＣＴ／ＡＵ２００５／０００７４３に記載の方法および装置に関連し、同文献の開示はクロスリファレンスにより本明細書に含まれる。

本明細書において、哺乳動物の体に関連した向き、立った状態、座った状態、および横になった状態、という用語の使用は、哺乳動物の体のアラインメントまたは状態、正立姿勢、直立姿勢、座位、および／または横向き、横たわった向き、または前かがみの向き、への言及を含む。

人間または他の哺乳動物の体の動作の評価に関連する多くの用途、例えば、リハビリ、ひずみまたは荷重のモニタリング、スポーツアセスメント、および職場の設計や建設等では、人間または哺乳動物の体の大まかな向きを知ることによって、行動を評価する能力が改善し得る。これは、体の胴体またはいずれかの手足に作用する力は、概して、体の向きに大きく影響され得るためである。

例えば、ある向きから別の向きに、例えば座った状態から立った状態にまたはその逆に体を動かした場合、数多くの生理学的および生体力学的な変化が起こる。生体力学的な文脈では、この動作によって、１つ以上の基準面に対する様々な解剖学的ランドマークの角変位の変化が引き起こされ得る。従って、体の向きの特定には、準拠フレームに対する角変位の測定が必要となり得る。角変位は、重力を基準にして位置を提供する加速度計、地球の磁界を基準にして位置を提供する磁気計、ジャイロスコープ、および／または光学センサ等のポジジョンセンサを用いて測定され得る。本発明では、ポジションセンサを用いて哺乳動物の体上の１つ以上の箇所、例えば脊椎上の１つ以上の箇所の角変位を検出し、その変位を用いて体の様々な向きを特定し得る。

体に装着したセンサを使用して、体の向きまたは人が行っている現在の行為を自動的に特定する数多くの技法が文献で報告されてきた。一般に、これらの技法では、所望とする一連の姿勢に対応した一連の事前シグネチャ出力にセンサ出力を整合させることによって姿勢の確度を計算する。

しかしながら、先行技術には下記の点を含む数多くのデメリットがある。
（ａ）先行技術の技法では、脊椎に配置したポジションセンサによって体の向きを導き出すことができない。
（ｂ）先行技術の技法は計算集約的であるため、ＰＣを使用したオフライン処理が必要になり得る。
（ｃ）先行技術の技法のいくつかは、立位や座位等の異なる静的な体位を区別する精度が比較的低い。
（ｄ）先行技術の技法のいくつかは、例えば、座った状態から立った状態またはその逆等の遷移の検出に依拠するが、これは、システムが現在の姿勢を継続的に検出するリアルタイム分類にとって不利となる。遷移を逸すると、長期間に渡って分類状態が誤ったものになり得る。
（ｅ）先行技術の技法では、様々な体の向きに対応するシグネチャ値が調整され得るように、被験者毎にシステムを較正する必要がある。
（ｆ）先行技術のシステムのいくつかでは水銀を使用する。水銀を使用するシステムの欠点としては、水銀それ自体の危険性、動的な動作の間に水銀がセンサ内で飛び散り、それによって誤った測定値がもたらされることや、困難な較正処理が挙げられる。

本発明は先行技術の欠点を軽減するか、または少なくとも消費者に選択肢を提供し得る。

本発明の一態様によれば、哺乳動物の体の向きの分類を提供するための装置が提供される。同装置は、
準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定する手段であって、少なくとも１つのポジションセンサを含む手段と、
前記体位を示す第１のデータを提供する手段と、
前記データを少なくとも一時的に記憶する手段と、
前記データを処理して前記体の向きの分類を提供する手段とを備える。

本発明のさらなる態様によれば、哺乳動物の体の向きの分類を提供するための装置が提供される。同装置は、
準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定し、前記体位を示す第１のデータを提供するために配置されたポジションセンサと、
前記ポジションセンサに連結され、前記データを記憶するために配置された非一時的メモリ装置と、
前記ポジションセンサに連結され、前記データを処理して前記体の向きの分類を提供するために配置された処理装置とを備える。

本発明のさらなる態様によれば、哺乳動物の体の向きの分類を提供するための方法が提供される。同方法は、
準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定する工程であって、少なくとも１つのポジションセンサによって行われる工程と、
前記体位を示す第１のデータを提供する工程と、
前記データを少なくとも一時的に記憶する工程と、
前記データを処理して前記体の向きの分類を提供する工程とを含む。

本発明のさらなる態様によれば、哺乳動物の体の向きの分類を提供するための方法が提供される。同方法は、
少なくとも１つのポジションセンサを用いて、準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定し、前記体位を示す第１のデータを提供する工程と、
前記データを非一時的メモリ装置に記憶する工程と、
前記データを処理装置で処理して前記体の向きの分類を提供する工程とを含む。

前記体上の１つ以上の箇所は、脊椎哺乳動物の脊椎上に位置し得る。前記分類の精度および／または有用性を高めるために、前記処理をリアルタイムで行ってもよい。

前記処理手段は、体の向きを評価するアルゴリズムを実行するように適合されたデジタルプロセッサを含み得る。前記アルゴリズムは、動的分類器および静的分類器を含み得る。前記アルゴリズムは、前記分類の精度を高めるために遷移分類器を含み得る。前記アルゴリズムは、適合モジュールを含み得る。前記アルゴリズムは、立った状態、座った状態、横になった状態、および動的状態（動作中）を含む主要な体の向きへの分類シグネチャの割り当てに基づいて、体の向きを評価し得る。前記アルゴリズムは、各姿勢に関連するシグネチャまたはパターンの認識に基づいて姿勢を特定するために論理ツリーを含み得る。各姿勢に関連するシグネチャまたはパターンは、トレーニング段階または学習段階の間に取得した一連の規則によって決定され得る。前記アルゴリズムは、個人の被験者について検出した現在のデータに基づいて、先に学習した前記個人の被験者の姿勢に関連するシグネチャまたはパターンを変更するために非監視学習を含み得る。

前記少なくとも１つのポジションセンサは、哺乳動物の腰椎に適用され得る。前記少なくとも１つのポジションセンサは、加速度計、ジャイロスコープ、および磁気計のうちの少なくとも１つを含み得る。前記ポジションセンサは、３つの直交する軸に沿って角変位を測定するように適合され得る。

屈曲伸展面における変位を導き出すために、前記データが用いられ得る。あるいは、またはそれに加えて、横方向の屈曲面における変位を導き出すために前記データが用いられ得る。前記体の回転を導き出すために、前記データが用いられ得る。各測定手段は、アナログデータをデジタルドメインに変換するＡＤコンバータを少なくとも１つ含み得る。前記データを記憶する前に、前記ＡＤ変換が行われ得る。

体位を測定する手段は、横方向または左右方向の屈曲面における変位を測定し得る。体位を測定する手段は、伸展面または前後方向の屈曲面における変位も測定し得る。体位を測定する手段は、回転を測定する手段を含み得る。回転の測定値は、１つ以上の加速度計、１つ以上の磁気計、筋肉の活性、および／または１つ以上のジャイロスコープから取得され得る。

前記少なくとも１つのポジションセンサは、少なくとも１つの加速度計を含み得る。前記少なくとも１つの加速度計は、それが接続された体、または体の一部の直線加速を測定し得る。前記少なくとも１つの加速度計は、１つ、２つ、または３つの直交する軸に沿って加速を同時に測定する構造を含み得る。前記少なくとも１つの加速度計の場合、変位データは、当該技術で公知な統合処理によって導き出され得る。あるいは、またはそれに加えて、重力によって規定される方向等の基準に対する角変位または角位置を提供するために、１つ以上の加速度計からデータが導き出され得る。前記装置は、例えば、前方傾斜角および側方傾斜角を計算することによって、加速度データから角位置を導き出すための構造を含み得る。前記装置は、ジャイロスコープ等の前記体の一部の回転位置を導き出すための構造を含み得る。あるいは、またはそれに加えて、地球の磁界によって規定される方向等の基準に対する角変位または角位置を提供するために、１つ以上の磁気計からデータが導き出され得る。

加速度計のデータから位置への変換
本発明の一実施形態によれば、少なくとも１つの加速度計センサにより位置データが取得され得る。各加速度計は、ＰＣＢ板上のマイクロチップ内に取り付けられた小さなゲージの加速を測定し得る。ＰＣＢ板および加速度計はある位置から別の位置に移動するため、ゲージはその動作の開始時には加速を、そしてその動作が止まると減速を経験し得る。加速度計は、ゲージの動きを、最も生の形のデータを表す電圧信号（一般に単位はｍｖ）に変換し得る。

三次元において得られたＧ力については、３軸の三角法を用いてもよく、その場合、ｘが横軸、ｙが縦軸、ｚが「スルーページ」軸である。３Ｄピタゴラスおよび逆タンジェント式を用いて、２つの角度を導き出して加速度計に対する位置を与えてもよい。独立した１つの加速度計は、動作の一方向を与えるだけであるが、加速度計が２つあれば、それら２つの加速度計の角度の差異は、一方の加速度計に対する他方の加速度計の位置の変化（単位：度）を表し得る。これにより、前記装置は、三次元軸内における任意の時点の脊椎の角位置を計算することができるようになる。

下記の式を用いて加速度計からの角度変化を導き出してもよい。

ここで、
ｅ＝１ｇに対するミリボルト、
ｆ＝−１ｇに対するミリボルト、
ｐ＝ゲイン（乗数）、
ｏ＝（オフセット）
ｐおよびｏについて解くと、

なお、ｐおよびｏに対する値は各軸に対して計算すべきである。

上記３つの等式は、３軸に対する、ミリボルトをｇに変換するスパンおよびオフセット調整を示す。

得られたベクトルに対する大きさおよび傾斜（前方／側方）は、以下のようにして計算してもよい。

大きさ：

大きさは、得られたＧ力の三次元におけるベクトル和を表す。

前方傾斜：

前方傾斜角および側方傾斜角。θ、βは、Ｚ軸およびＸ軸それぞれに対する加速度計の回転位置を与える。

側方傾斜：

磁気計データから位置への変換
本発明の別の実施形態によれば、少なくとも１つの磁気計センサにより位置データが取得され得る。各磁気計は、シリコンウエハに堆積された薄膜の抵抗の変化によって（異方性磁気抵抗磁気計の場合）、または強磁性の鉄芯上のコイルの変化によって（磁気誘導性磁気計の場合）、地球の磁界の強度および／または方向を測定し得る。前記コイルは、１本の巻き線を含んでもよく、Ｌ/Ｒ弛張発振器におけるインダクタンス要素を形成してもよい。磁気計は、１つ、２つ、または３つの面における地球の磁界の強度および／または方向を測定し得る。地球の北を基準として用い、３軸の三角法を援用して体の向きを計算してもよい。

前記メモリは、少なくとも１つのセンサからデータを受信し得る。各センサは、ＡＤコンバータを含むかまたはそれに接続されていてもよい。あるいは、前記少なくとも１つのセンサ手段は、アナログデータを出力し得る。前記メモリは、データを記憶する前にアナログデータをデジタルドメインに変換するために、少なくとも１つのＡＤコンバータを含むか、またはそれに接続されていてもよい。前記装置は、前記データを処理するためのデジタルプロセッサを含み得る。当該プロセッサは、データをリアルタイムで処理して、モニタリングされている人にバイオフィードバックを提供し得る。デジタルプロセッサは、体の向きを分類するアルゴリズムを含み得る。デジタルプロセッサは、そのアルゴリズムを用いて計算を行い得る。

前記メモリ手段またはデータ記憶手段は、後で分析および／または報告を行うことができるようにデータをデジタル形式で記憶し得る。一態様では、前記メモリ手段またはデータ記憶手段は、メモリーカード、メモリースティック、ＳＳＤ等のデジタルデータを記憶する構造を含み得る。ＰＣまたは他のデジタル処理エンジンといった遠隔地の処理装置へのデータのダウンロードをし易くするために、前記メモリ手段は脱着可能であり得る。

本発明のシステムは、ユーザーインターフェイス手段を含み得る。同ユーザーインターフェイス手段は、ユーザーがデータ記憶手段と対話できるようにディスプレー画面およびボタン等の１つ以上の制御手段を含み得る。

ボディーオリエンテーション分類（ＢＯＣ）アルゴリズムを用いて、体に配置された１つ以上のポジションセンサの出力から認識されたＧ力、局所的地磁気成分、および変位データの組み合わせに基づき、体の向きを分類してもよい。ＢＯＣアルゴリズムは機械学習に基づき得る。ＢＯＣアルゴリズムは、ドメイン（一連の判断変数）を範囲（一連の分類）に写像するためにデータ駆動型アプローチを含み得る。各ドメイン値を範囲値に写像するための厳密な数学モデルがなくても、ＢＯＣアルゴリズムは、データにおけるパターンを特定し、その特定したパターンに基づいて必要な写像を蓋然的に行い得る。

ＢＯＣアルゴリズムは、体の向きのそれぞれが静的および動的な成分を含み、且つ体が体感した特定の範囲のＧ力、局所的地磁気成分および角変位の形で、シグネチャまたはパターンを示すという考えに基づき得る。ＢＯＣアルゴリズムは、そのようなシグネチャまたはパターンを、大きな母集団により生成されたデータから学習し得る。ＢＯＣアルゴリズムは、ポジションセンサの出力を学習したパターンにリアルタイムで写像し、それから現在の体の向きを認識し得る。以前学習した個人の被験者についての姿勢に関連するシグネチャまたはパターンに変更を加えるために、ＢＯＣアルゴリズムは、その個人の被験者について検出された現在のデータを非監視的に分類し得る。この工程から得られた分類シグネチャは、以前の分類シグネチャを継続的に改善するために、フィードバックループを形成し得る。

添付の図面を参照して、以下で本発明の好ましい実施形態を説明する。
図１は、哺乳動物の体の向きを分類するための装置の一形体を示す。 図２は、本発明の一実施形態に係るＢＯＣアルゴリズムの基本構造を示す。 図３は、ＢＯＣアルゴリズムのフローチャートを示す。 図４は、論理ツリーの一例を示す。 図５は、ＢＯＣアルゴリズムにおける非監視分類モジュールの動作を説明するための一例を示す。

図１は、人間の脊椎上に配置されたポジションセンサ１０、１１を示す。ポジションセンサ１０、１１は、ボディーオリエンテーションアルゴリズム１４を実行するように適合されたデジタルプロセッサ１３に、無線リンク１２を介して接続されている。データをデジタル形式で記憶するために、メモリ装置１５がデジタルプロセッサ１３に接続されている。

図２〜図４を参照して、ＢＯＣアルゴリズム２０は、立った状態、座った状態、および横になった状態を含む主要な体の向きに対して、分類シグネチャを割り当て得る。分類装置を装着した人がこれらの状態のうちの１つにある場合、ポジションセンサの生の値は明確なパターンを示す。これらのパターンは、矢状面、冠状面および横断面における離散的時系列Ｇ値、局所的地磁気成分、および角変位のシーケンスの形を取る。複数の被験者によるオフライン調査を行って、大きな母集団にあてはまる一連のパターンを確立してもよい。確立された一連のパターンおよび所定の被験者についての生ポジションセンサデータに基づき、ＢＯＣアルゴリズムは以下のように分類を行い得る。

第１の工程：データのフィルタリング
人の体に取り付けられたポジションセンサは、突発的な動作、振動、および時折起こる無線のドロップアウト等の数多くの環境的な要因の影響を受け易い。そのような各出来事により、パターンを特定する作業に誤りが生じ得ることから、ＢＯＣアルゴリズム２０は、受信したポジションセンサデータ２２からアウトライアーを選別して除去するためにフィルタ２１を含む。センサデータ２２中のアウトライアーは、Ｇの測定値または局所的な地磁気の量における、突発的なスパイクおよび／または欠測値の形を取り得る。データを平滑化し、補間によりそのような誤りを取り除く数多くの技法が文献公知である。

第２の工程：動的動作の特定
環境的な要因に起因する不定期的な摂動と同様に、人の動的な動作はポジションセンサのデータに大きな振幅変化を生じさせることが多い。そのような動作は磁気計の測定値に影響を与えることはないが、誤分類を防ぐために、慣性センサにおける大幅な変化を検出することが望ましい。ＢＯＣアルゴリズム２０は、監視動的分類器２３を含み、監視動的分類器２３に動的な動作を特定させる。動的な動作としては、ジョギング、ランニング、ウォーキング、階段を登る等の行動が挙げられ得る。動的分類器２３は、人が静止しているかまたは静止状態で、屈曲／伸展動作または回転動作を行っている場合、慣性センサによって報告されるＧ値は比較的滑らかなパターンを示すという特徴を利用し得る。他方、ランニング等の動的な動作では、動作の間に人の体に作用する地面の反力によって慣性センサのデータに比較的高い摂動が生じ得る。一般に、人の動的な動作は、画一的なペースをたどる。その結果、動的な動作の間に慣性センサによって報告されるＧ値における摂動は、周期的なパターンをたどり得る。動的分類器２３は、受信したデータを継続的に分析し、Ｇ値に周期的なパターンがあることを特定し次第現在の動作は動的であると分類し得る。動的な動作の間、向きを分類するという主たる作業は中断されたままとなる。

第３の工程：静的分類のためのパターンの特定
ＢＯＣアルゴリズム２０は、ポジションセンサの所定の生の値および／または角変位データに基づいて姿勢を特定するために監視静的分類器２４を含む。

ＢＯＣアルゴリズム２０は、パターンを特定するために、論理ツリーベースのアプローチを用い得る。図４は、慣性データのみに基づく論理つりーアプローチの一実施形態を示す。図４で用いられている記号Ｓ_ikは、センサｉのｋ軸に沿ったＧ値を意味し、Ａ_j、ｊ＝（１、２・・・１０）は、オフラインでのトレーニング段階でその値が確立された一連の定数を表す。

事前分類モデル２５は、トレーニング段階の間に論理ツリーモデルを用いて、基本的な分類規則を規定する。静的分類器２４は、事前分類モデル２５を用いて、受信したポジションセンサの値および角変位を、座った状態、立った状態、および横たわった状態の主要な体の向きに写像し得る。

第４の工程：反復確認
静的分類器２４の精度をさらにテストするために、ＢＯＣアルゴリズム２０は、監視遷移分類器２６を含む。遷移分類器２６は、静的分類器２４の状態が変化するたびに用いられ得る。遷移分類器２６は、新しい位置の値を分析して、これらの値が、ある状態から別の状態への遷移の明確なパターンに従ったものかどうかを突き止め得る。人間は、ある体位から別の体位に移る際に共通的な動作パターンを示すことが多い。ＢＯＣアルゴリズム２０は、この特徴を利用して、静的な体の向きの分類精度を改善させ得る。

遷移分類は、姿勢「Ａ」は、生の位置値だけではなく、一連の身体動作および被験者が姿勢「Ａ」に到達するのに先立った、対応する脊椎の湾曲形状によっても特徴付けられ得るという仮説に基づき得る。例えば、遷移分類器２６は、体位が座った状態から立った状態、またはその逆に移る際に実行され得る。オフラインでのトレーニング段階の間、一般的な座った向きから立った向き（またはその逆）への遷移挙動が観察され、位置値の統計データを用いてそれが定義され得る。遷移分類器２６は、位置値の移動窓についての統計データをリアルタイムで計算および維持し、遷移が実際に起こったかどうかを確認し得る。この判定に基づき、ＢＯＣアルゴリズム２０は、静的分類器２４が返した新たな状態を選択するか、または最後に分かっている状態を使い続け得る。

第５の工程：非監視分類に基づく分類器規則の適合
ＢＯＣアルゴリズム２０は、分類シグネチャを個々の被験者に自動的に適合させるために、非監視分類器２７を含む。非監視分類（データクラスタリングとしても知られる）は、分類シグネチャについての予備知識がない状態でデータを分類することを意図したものである。

図５は、本発明の好ましい実施形態における非監視分類プロセスの一例を示す。図５のチャートは、実際の被験者の脊椎に配置した２つの慣性センサ（１０、１１）によって取り込まれた角変位データの散乱図である。散乱図におけるポイント１および２は、トレーニング段階の間に確立された座位および立位について事前のシグネチャの位置を示す。この例では、２つのセンサからの角データの組み合わせによってシグネチャが定義されているため、図にプロットすることができる。

非監視分類プロセスは、人間が日常的な活動を行う間、好きな座位または立位で殆どの時間を過ごすという仮定に基づいている。図５に示す例の場合、座位および立位についての事前のシグネチャ値の付近に中心がある２つのクラスターの存在によって、この仮定を実証することができる。しかしながら、このシグネチャは大きな母集団を伴ったトレーニングの過程で学習されたものであり、現在の被験者に基づいたものではないため、座位および立位についてのクラスターの中心は、正確にはシグネチャ値に位置していない。本発明によれば、非監視分類モジュールは、受信したデータを処理して、それを古典的なｋ-手段クラスタリングアルゴリズムの変種を用いてクラスター化し得る。次いで、得られたクラスターを、分かっている以前の分類シグネチャに整合させ、必要に応じてシグネチャを更新し得る。このプロセスによって、個々の被験者に応じた較正を必要とすることなく、ＢＯＣアルゴリズム２０を確かに被験者に適合させ得る。

最後に、本発明の精神または範囲から逸脱することなく、先に説明した部位の構成および配置に様々な変形、変更、および／または追加が取り入れられ得る。

Claims (40)

1. 哺乳動物の体の向きの分類を提供するための装置であって、
   準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定する手段であって、少なくとも１つのポジションセンサを含む手段と、
   前記体位を示す第１のデータを提供する手段と、
   前記データを少なくとも一時的に記憶する手段と、
   前記データを処理して前記体の向きの分類を提供する手段とを備える、装置。
2. 前記１つ以上の箇所は、前記哺乳動物の脊椎上に位置している、請求項１に記載の装置。
3. 前記処理手段は、体の向きを評価するアルゴリズムを含む、請求項１または２に記載の装置。
4. 前記アルゴリズムは、動的分類器および静的分類器を含む、請求項３に記載の装置。
5. 前記アルゴリズムは、前記分類の精度を高めるために遷移分類器を含む、請求項３または４に記載の装置。
6. 前記分類の精度を高めるために、前記処理をリアルタイムで行う、先行する請求項のいずれかに記載の装置。
7. 前記アルゴリズムは、立った状態、座った状態、および横になった状態を含む主要な体の向きへの分類シグネチャの割り当てに基づいて、前記体の向きを評価するように適合されている、請求項３〜６のいずれかに記載の装置。
8. 前記アルゴリズムは、各姿勢に関連するシグネチャまたはパターンの認識に基づいて姿勢を特定するために論理ツリーを含む、請求項３〜７のいずれかに記載の装置。
9. 各姿勢に関連する前記シグネチャまたはパターンは、トレーニング段階の間に取得した一連の規則により決定されている、請求項８に記載の装置。
10. 各姿勢に関連する前記シグネチャまたはパターンは、非監視分類器によって変更される、請求項８または９に記載の装置。
11. 前記非監視分類器は、前記データをクラスター化し、前記シグネチャまたはパターンを、ｄ次元空間（但し、ｄは前記シグネチャを定義する変数の数である）における対応クラスターの中心までの距離に基づいて更新する、請求項１０に記載の装置。
12. 前記少なくとも１つのポジションセンサは、加速度計、ジャイロスコープ、および磁気計のうちの少なくとも１つを含む、先行する請求項のいずれかに記載の装置。
13. 前記ポジションセンサは、３つの直交する軸に沿って角変位を測定するように適合されている、請求項１２に記載の装置。
14. 屈曲伸展面における変位を導き出すために前記データが用いられる、先行する請求項のいずれかに記載の装置。
15. 横方向の屈曲面における変位を導き出すために前記データが用いられる、先行する請求項のいずれかに記載の装置。
16. 前記体の回転を導き出すために前記データが用いられる、先行する請求項のいずれかに記載の装置。
17. 各測定手段は、アナログデータをデジタルドメインに変換するＡＤコンバータを少なくとも１つ含む、先行する請求項のいずれかに記載の装置。
18. 前記データを記憶する前に前記ＡＤ変換が行われる、請求項１７に記載の装置。
19. 哺乳動物の体の向きの分類を提供するための方法であって、
    準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定する工程であって、少なくとも１つのポジションセンサにより行われる工程と、
    前記位置を示す第１のデータを提供する工程と、
    前記データを少なくとも一時的に記憶する工程と、
    前記データを処理して前記体の向きの分類を提供する工程とを含む、方法。
20. 前記１つ以上の箇所は、前記哺乳動物の脊椎上に位置している、請求項１９に記載の方法。
21. 体の向きを評価するアルゴリズムを介して前記処理を行う、請求項１９または２０に記載の方法。
22. 前記アルゴリズムは、動的分類器および静的分類器を含む、請求項２１に記載の方法。
23. 前記アルゴリズムは、前記分類の精度を高めるために遷移分類器を含む、請求項２１または２２に記載の方法。
24. 前記分類の精度を高めるために、前記処理をリアルタイムで行う、請求項１９〜２３のいずれかに記載の方法。
25. 前記アルゴリズムは、立った状態、座った状態、および横になった状態を含む主要な体の向きへの分類シグネチャの割り当てに基づいて、前記体の向きを評価するように適合されている、請求項２１〜２４のいずれかに記載の方法。
26. 前記アルゴリズムは、各姿勢に関連するシグネチャまたはパターンの認識に基づいて姿勢を特定するために論理ツリーを含む、請求項２１〜２５のいずれかに記載の装置。
27. 各姿勢に関連する前記シグネチャまたはパターンは、トレーニング段階の間に取得した一連の規則により決定されている、請求項２６に記載の方法。
28. 各姿勢に関連する前記シグネチャまたはパターンは、非監視分類器によって変更される、請求項２６または２７に記載の方法。
29. 前記非監視分類器は、前記データをクラスター化し、前記シグネチャまたはパターンを、ｄ次元空間（但し、ｄは前記シグネチャを定義する変数の数である）における対応クラスターの中心までの距離に基づいて更新する、請求項２８に記載の方法。
30. 前記少なくとも１つのポジションセンサは、加速度計、ジャイロスコープ、および磁気計のうちの少なくとも１つを含む、請求項１９〜２９のいずれかに記載の方法。
31. 前記ポジションセンサは、３つの直交する軸に沿って角変位を測定するように適合されている、請求項３０に記載の方法。
32. 横方向の屈曲面における変位を導き出すために前記データが用いられる、請求項１９〜３１のいずれかに記載の方法。
33. 屈曲伸展面における変位を導き出すために前記データが用いられる、請求項１９〜３２のいずれかに記載の方法。
34. 前記体の回転を導き出すために前記データが用いられる、請求項１９〜３３のいずれかに記載の方法。
35. 各測定工程は、アナログデータをデジタルドメインに変換することを含む、請求項１９〜３４のいずれかに記載の方法。
36. 前記データを記憶する前に前記データのデジタルドメインへの変換が行われる、請求項３５に記載の方法。
37. 哺乳動物の体の向きの分類を提供するための装置であって、
    準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定し、前記体位を示す第１のデータを提供するために配置されたポジションセンサと、
    前記ポジションセンサに連結され、前記データを記憶するために配置された非一時的メモリ装置と、
    前記ポジションセンサに連結され、前記データを処理して前記体の向きの分類を提供するために配置された処理装置とを備える、装置。
38. 哺乳動物の体の向きの分類を提供するための方法であって、
    少なくとも１つのポジションセンサを用いて、準拠フレームに対する前記体の体位を前記体上の１つ以上の箇所で測定し、前記体位を示す第１のデータを提供する工程と、
    前記データを非一時的記憶装置に記憶する工程と、
    前記データを処理装置で処理して前記体の向きの分類を提供する工程とを含む、方法。
39. 添付の図面を参照しながら本明細書で実質的に説明した、脊椎哺乳動物の体の向きの分類を提供するための装置。
40. 添付の図面を参照しながら本明細書で実質的に説明した、脊椎哺乳動物の体の向きの分類を提供するための方法。

Images