JP2015109915A - 姿勢推定装置、方法及びプログラム - Google Patents

Abstract

【課題】姿勢推定装置、方法及びプログラムにおいて、対象者の姿勢、特に起立状態と着座状態を高精度に推定する装置を提供する。【解決手段】３軸加速度センサの出力に含まれる直流信号成分に基づいて対象者の静止状態を検出する静止状態検出部と、３軸加速度センサの出力に含まれる交流信号成分に基づいて対象者の運動状態を検出する運動検出部と、運動検出部が記憶した前回の運動状態に関するパラメータと、前回の運動状態の前後に相当する、静止状態検出部が記憶した前回及び今回の静止状態に関するパラメータとに基づいて、対象者の状態遷移を検出する状態遷移検出部とを備え、運動検出部が検出する運動状態の終了時までの一定期間内の、第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、変位が第１の値未満であれば起立状態への遷移を推定し、第１の値より大きい第２の値を超えていれば着座状態への遷移を推定するように構成する。【選択図】図３

Description

本発明は、姿勢推定装置、方法及びプログラムに関する。

高齢者、リハビリ中の患者など（以下、「対象者」とも言う）の自立生活を支援する１つの方法として、対象者の日常の行動パターンを検知する方法がある。行動パターンには、例えば起立、着座、横臥、歩行、転倒するなどの姿勢が含まれる。対象者の行動パターンにおける姿勢、或いは、歩行から転倒するといった姿勢の遷移を検知することで、対象者の健康状態に関係のある情報を抽出することができる。

対象者の姿勢は、例えば複数の加速度センサを対象者に装着することで検知可能である。しかし、対象者の体の複数箇所に加速度センサを装着したのでは、姿勢を検知する装置の構成が複雑化し、対象者への負荷が増加してしまうので、日常生活に支障が生じる可能性がある。一方、加速度センサの数を減らすと、加速度センサの出力から各姿勢を識別することが難しくなるので、対象者の姿勢推定精度が低下する可能性がある。

また、加速度センサの出力から例えば座るから立つへの遷移を検知するのに用いる閾値は、対象者の身長などに応じて異なるため、対象者毎に閾値を設定しないと姿勢の誤検知 が生じる可能性がある（例えば、特許文献１，２及び非特許文献１）。

一方、姿勢推定用の学習モデルを作成しておき、加速度センサの出力を学習モデルに当てはめることで対象者の姿勢を推定する方法が提案されている（例えば、非特許文献２）。しかし、１つの学習モデルを全ての対象者に適用したのでは、姿勢推定精度が低下する可能性がある。また、各対象者毎に専用の学習モデルを作成するのでは、学習モデルの作成に時間がかかると共に、コストが増大してしまう。さらに、学習モデルを用いた姿勢推定では、リアルタイムで対象者の姿勢を推定することは難しい。

特開２００５−２４５７０９号公報 特開２０１０−１２５２３９号公報

倉沢 央 他、「センサー装着場所を考慮した３軸加速度センサを用いた姿勢推定手法」、情報処理学会研究報告２００６（５４），１５−２２，２００６年５月 橋田 尚幸 他、「加速度センサを用いた日常行動識別における個人適応技術の識別精度への貢献」、電子情報通信学会技術研究報告１０８（１３８），６９−７４，２００８年７月

従来の姿勢推定方法では、対象者の姿勢、特に起立状態と着座状態を高精度に推定することは難しい。

そこで、本発明は、対象者の姿勢、特に起立状態と着座状態を高精度に推定することができる姿勢推定装置、方法及びプログラムを提供することを目的とする。

本発明の一観点によれば、対象者の上半身の加速度を検出する３軸加速度センサを、前記３軸加速度センサの第１の軸と第２の軸の方向が夫々起立状態の前記対象者の前後方向と上下方向と一致するように装着した前記対象者の姿勢を推定する姿勢推定装置であって、前記３軸加速度センサの出力に含まれる直流信号成分に基づいて前記対象者の静止状態を検出し、前記静止状態に関するパラメータを記憶する静止状態検出手段と、前記３軸加速度センサの出力に含まれる交流信号成分に基づいて前記対象者の運動状態を検出し、前記運動状態に関するパラメータを記憶する運動検出手段と、前記運動検出手段が記憶した前回の運動状態に関するパラメータと、前記前回の運動状態の前後に相当する、前記静止状態検出手段が記憶した前回及び今回の静止状態に関するパラメータとに基づいて、前記対象者の状態遷移を検出する状態遷移検出手段とを備え、前記状態遷移検出手段は、前記運動検出手段が前記対象者の運動状態を検出する前後に前記静止状態検出手段が検出する静止状態が前記対象者の着座状態及び起立状態を含む直立状態であると、前記運動検出手段が検出する前記対象者の運動状態の終了時までの一定期間内の、前記第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、前記変位が第１の値未満であれば起立状態への遷移を推定し、前記第１の値より大きい第２の値を超えていれば着座状態への遷移を推定する姿勢推定装置が提供される。

開示の姿勢推定装置、方法及びプログラムによれば、対象者の姿勢、特に起立状態と着座状態を高精度に推定することができる。

一実施例における姿勢推定システムの一例を示すブロック図である。 姿勢推定装置の対象者への装着の一例を説明する図である。 一実施例における姿勢推定装置の一例を示すブロック図である。 姿勢推定装置の動作の一例を説明するフローチャートである。 分離処理の一例を説明するフローチャートである。 装着及び運動検出処理の一例を説明するフローチャートである。 静止状態検出処理の一例を説明するフローチャートである。 姿勢推定装置の傾き角度と座標軸の関係を説明する図である。 着座及び起立判定処理の一例を説明するフローチャートである。 転倒検出処理の一例を説明するフローチャートである。 歩行検出処理の一例を説明するフローチャートである。 周期性判定処理の一例を説明するフローチャートである。 状態遷移検出処理の一例を説明するフローチャートである。 状態遷移判定処理の一例を説明するフローチャートである。 状態遷移判定処理の一例を説明するフローチャートである。 実験結果の一例を示す図である。 実験結果の一例を示す図である。 実験結果の一例を示す図である。 実験結果の一例を示す図である。 実験結果の一例を示す図である。 実験結果の一例を示す図である。 実験結果の一例を示す図である。 実験結果の一例を示す図である。

開示の姿勢推定装置、方法及びプログラムは、対象者の上半身の加速度を検出する３軸加速度センサの第１と第２の軸の方向が夫々起立状態の対象者の前後方向と上下方向と一致するように装着された対象者の姿勢を推定する。姿勢推定装置は、３軸加速度センサの出力に含まれる直流信号成分に基づいて対象者の静止状態を検出する静止状態検出部と、３軸加速度センサの出力に含まれる交流信号成分に基づいて対象者の運動状態を検出する運動検出部と、運動検出部が記憶した前回の運動状態に関するパラメータと、前回の運動状態の前後に相当する、静止状態検出部が記憶した前回及び今回の静止状態に関するパラメータとに基づいて、対象者の状態遷移を検出する状態遷移検出部とを備える。状態遷移検出部は、運動検出部が運動状態を検出する前後に静止状態検出部が検出する静止状態が着座状態及び起立状態を含む直立状態であると、運動検出部が検出する運動状態の終了時までの一定期間内の、第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、前記変位が第１の値未満であれば起立状態への遷移を推定し、第１の値より大きい第２の値を超えていれば着座状態への遷移を推定する。

以下に、開示の姿勢推定装置、方法及びプログラムの各実施例を図面と共に説明する。

図１は、一実施例における姿勢推定システムの一例を示すブロック図である。図１に示す姿勢推定システムは、姿勢推定装置１及びサーバ１１を含む。姿勢推定装置１は、プロセッサの一例であるＣＰＵ（Central Processing Unit）２、記憶部３、センサ部４及び通信部５がバス６を介して接続された構成を有する。ＣＰＵ２は、姿勢推定装置１全体の動作を制御する。記憶部３は、ＣＰＵ２が実行するプログラム及び各種データを格納する。各種データには、ＣＰＵ２が実行する演算の中間結果、演算で用いるパラメータ（または、データ）、後述する姿勢推定処理中に算出される傾斜角度φなどのパラメータを含む対象者の静止状態または運動状態に関するパラメータなどが含まれる。記憶部３は、プログラムを格納したコンピュータ読取可能な記憶媒体の一例を形成可能である。センサ部４は、３軸加速度センサを有し、３軸加速度センサのアナログ出力をデジタル出力に変換するアナログ／デジタル変換器（ＡＤＣ：Analog-to-Digital Converter）を有しても良い。３軸加速度センサは、例えばｘｙｚ座標系のｘ軸、ｙ軸及びｚ軸に沿った加速度を検知して対応するｘ軸信号、ｙ軸信号及びｚ軸信号（即ち、ｘ，ｙ，ｚ軸に沿った加速度信号）を出力可能な周知の構成を有する。この例では、３軸加速度センサを含む姿勢推定装置１の前後方向をｘ軸方向、指定推定装置１の左右方向（または、横方向）をｙ軸方向、姿勢推定装置１の上下方向をｚ軸方向と定義する。通信部５は、姿勢推定装置１と外部のサーバ１１との間で無線通信を行う周知の構成を有する。サーバ１１は、姿勢推定装置１と無線通信を行う周知の構成を有する汎用コンピュータで形成可能であり、例えばセンサ部４を省略した姿勢推定装置１と同様の構成を有しても良い。

なお、図１に示す例では、ＣＰＵ２、記憶部３、センサ部４及び通信部５がバス６を介して接続されているが、ＣＰＵ２と姿勢推定装置１内の各部との接続はバス６による接続に限定されるものではない。また、姿勢推定装置１は、例えばスマートホンなどで形成しても良い。姿勢推定装置１がスマートホンで形成されている場合、スマートホンにインストールされたアプリケーションソフトウェアを実行することで、スマートホンは姿勢推定装置１の各手段（または、各機能）を実現できる。

図２は、姿勢推定装置の対象者への装着の一例を説明する図である。姿勢推定装置１は、装着部１Ａにより姿勢推定の対象となるユーザ（以下、「対象者」と言う）２１の上半身の加速度を検出できる位置に装着されている。対象者２１の上半身とは、例えば対象者２１の腰を含む部位から上の身体の部位を言う。図２に示す例では、姿勢推定装置１は対象者２１の腹部に、姿勢推定装置１の前後方向、左右方向及び上下方向が夫々起立状態にある対象者２１の前後方向、左右方向及び上下方向（または、重力方向）と一致するように装着されている。従って、姿勢推定装置１を装着した起立状態にある対象者２１の前後方向、左右方向（または、横方向）及び上下方向（または、重力方向）は、夫々ｘ軸方向、ｙ軸方向及びｚ軸方向に相当する。ここで、対象者２１が自分の前方方向へ歩行することは、図２の例では紙面と垂直に飛び出す方向に進行することに相当する。従って、この例では、姿勢推定装置１の前後方向とは、図２において紙面と垂直な方向に相当する。装着部１Ａは、姿勢推定装置１を保持する機能と、姿勢推定装置１を対象者２１へ装着する機能を有する。装着部１Ａは、例えば対象者２１に装着可能なベルト、対象者２１が既に利用しているベルトに装着可能な接続部材などで形成しても良い。

なお、姿勢推定装置１を装着する位置は、対象者２１の上半身の加速度を検出可能な位置であれば特に限定されず、例えば胸部、背部などであっても良い。

図３は、一実施例における姿勢推定装置の一例を示すブロック図である。図３に示す姿状態抽出勢推定装置１は、分離手段の一例である分離部２１、静止状態検出手段の一例である静止部２２、運動検出手段の一例である運動検出部２３及び状態遷移検出手段の一例である状態遷移検出部２４を含む。

分離部２１は、センサ部４からの３軸加速度センサ出力を所定サンプル数を含む一定期間毎に取得し、交流（ＡＣ）信号成分に相当する運動成分と、直流（ＤＣ）信号成分に相当する重力成分とに分離する。分離された運動成分は、運動検出部２３に入力され、分離された重力成分は、静止状態検出部２２に入力される。運動検出部２３は、分離部２１からの運動成分に基づいて対象者２１の運動状態を検出し、運動状態に関するパラメータを記憶する。静止状態検出部２２は、分離部２１からの重力成分と、運動検出部２３が記憶した前回の運動状態に関するパラメータとに基づいて、対象者２１の静止状態を検出し、静止状態に関するパラメータを記憶する。状態遷移検出部２４は、静止状態検出部２２が記憶した前回の静止状態に関するパラメータ及び今回の静止状態に関するパラメータと、運動検出部２３が記憶した前回の運動状態に関するパラメータとに基づいて、状態遷移を検出する。

運動検出部２３が対象者２１の運動状態を検出する前後に静止状態検出部２２が対象者２１の直立状態を検出すると、状態遷移検出部２４は、運動検出部２３が検出する対象者２１の運動状態の終了時までの一定期間内の姿勢推定装置１の傾き角度の変位を算出し、この変位が第１の値（例えば、−２０°）未満であり少なければ起立状態への遷移を推定し、第１の値より大きい第２の値（例えば、２０°）を超えており多ければ着座状態への遷移を推定する。姿勢推定装置１の傾き角度は、姿勢推定装置１の前後方向と重力方向とがなす角度である。なお、対象者２１の直立状態とは、対象者２１の上半身の軸（ｚ軸に相当）が重力方向と平行、或いは、略平行である静止状態を言い、着座状態及び起立状態を含む。

例えば、対象者２１が椅子に着座する場合、着座する重力方向への運動が終了してからのある期間内に対象者２１が椅子の背もたれによりかかるなどして対象者２１の前後方向への動きがある。つまり、対象者２１が着座後に、ある程度の後方向への動きがある。これに対し、椅子に着座している対象者２１が起立する場合、起立する重力方向とは反対方向への運動が終了してからのある期間内の対象者２１の前後方向への動き、特に、後方向への動きは、着座する場合と比較すると少ない。そこで、対象者２１の運動状態を検出する前後に直立状態を検出した後、運動状態の終了時までの一定期間内の対象者２１の前後方向への動きに応じて、状態遷移検出部２４において着座−起立遷移（即ち、着座状態から起立状態への遷移）であるか、或いは、起立−着座遷移（即ち、起立状態から着座状態への遷移）であるかを正確に判定できる。具体的には、対象者２１の運動状態を検出する前後に直立状態を検出した後、運動状態の終了までの一定期間内の対象者２１の前後方向への動きが第１の値未満であり少なければ、状態遷移検出部２４が起立状態への遷移を推定し、第１の値より大きな第２の値を超えており多ければ、状態遷移検出部２４が着座状態への遷移を推定することができる。

図４は、姿勢推定装置の動作の一例を説明するフローチャートである。図４に示す処理は、例えばＣＰＵ２が実行可能である。図４に示す処理は、分離処理ＳＴ１、装着及び運動検出処理ＳＴ２、静止状態検出処理ＳＴ３、転倒検出処理ＳＴ４、歩行検出処理ＳＴ５、状態遷移検出処理ＳＴ６、他の運動パラメータ抽出処理ＳＴ７を含む。

分離処理ＳＴ１は、ＣＰＵ２がプログラムを実行することで実現する分離手段（または、分離機能）により実行可能であり、図３の分離部２１により実行しても良い。ステップＳ１−１では、ＣＰＵ２がセンサ部４からの３軸加速度センサ出力を例えば所定サンプル数を含む一定期間のウィンドウ毎に取得する。ステップＳ１−２では、ＣＰＵ２がセンサ出力の交流（ＡＣ）信号成分から運動成分を抽出する。また、ステップＳ１−３では、ＣＰＵ２がセンサ出力の直流（ＤＣ）信号成分から重力成分を抽出する。これにより、センサ出力は一定期間のウィンドウ毎にＡＣ信号成分とＤＣ信号成分に分離される。

装着及び運動検出処理ＳＴ２は、ＣＰＵ２がプログラムを実行することで実現する装着及び運動検出手段（または、装着及び運動検出機能）により実行可能であり、運動検出処理は図３の運動検出部２３により実行しても良い。ステップＳ２−１では、ＣＰＵ２がステップＳ１−２で抽出されたＡＣ信号成分に基づいて、姿勢推定装置１が対象者２１に装着されているか否かを判定し、判定結果がＮｏであると処理はステップＳ１−２へ戻る。ステップＳ２−１の判定結果がＹｅｓになると、ステップＳ２−２では、ＣＰＵ２がＡＣ信号成分に基づいて対象者２１が運動状態であるか否かを判定し、判定結果がＮｏであると処理は静止状態検出処理ＳＴ３へ進み、判定結果がＹｅｓであるとＣＰＵ２が運動状態を検出して処理はステップＳ２−３へ進む。ステップＳ２−３では、ＣＰＵ２がステップＳ２−２で検出された運動状態に関するパラメータを抽出して記憶部３に記憶し、処理は転倒検出処理ＳＴ４へ進む。運動状態は、対象者２１の転倒、歩行、状態遷移などの状態を含む。なお、ステップＳ２−１は省略可能である。

ステップＳ２−２の判定結果がＮｏとなる時が、今回の静止状態の開始が検出された時、即ち、今回の運動状態の終了が検出された時に相当する。今回の静止状態が検出される前にステップＳ２−２の判定結果がＹｅｓとなった時が、前回の運動状態の開始が検出された時に相当する。また、前回の運動状態が検出される前にステップＳ２−２の判定結果がＮｏとなった時が、前回の静止状態の開始が検出された時に相当する。つまり、前回の静止状態の終了から今回の静止状態の開始までの期間が、前回の運動状態の開始から終了までの期間に相当する。

静止状態検出処理ＳＴ３は、ＣＰＵ２がプログラムを実行することで実現する静止状態検出手段（または、静止状態検出機能）により実行可能であり、図３の静止状態検出部２２により実行しても良い。ステップＳ３−１では、ＣＰＵ２がステップＳ２−２におけるＮｏの判定結果及びステップＳ１−３で抽出されたＤＣ信号成分に基づいて、対象者２１の静止状態を検出する。静止状態は、対象者２１の着座状態、起立状態などを含む。ステップＳ３−２では、ＣＰＵ２がステップＳ３−１で検出された静止状態に関するパラメータを抽出して記憶部３に記憶し、処理は後述する状態遷移検出処理ＳＴ６へ進む。

転倒検出処理ＳＴ４は、ＣＰＵ２がプログラムを実行することで実現する転倒検出手段（または、転倒検出機能）により実行可能である。ステップＳ４−１では、ＣＰＵ２がステップＳ１−２で抽出されたＡＣ信号成分に基づいて、対象者２１が転倒状態であるか否かを判定する。ステップＳ４−１の判定結果がＹｅｓであると、ステップＳ４−２では、ＣＰＵ２がステップＳ４−１で検出された転倒状態に関するパラメータを抽出して記憶部３に記憶すると共に、警告を出力する。一方、ステップＳ４−１の判定結果がＮｏであると、処理は歩行検出処理ＳＴ５へ進む。

歩行検出処理ＳＴ５は、ＣＰＵ２がプログラムを実行することで実現する歩行検出手段（または、歩行検出機能）により実行可能である。ステップＳ５−１では、ＣＰＵ２がステップＳ１−２で抽出されたＡＣ信号成分に基づいて、対象者２１が歩行状態であるか否かを判定する。ステップＳ５−１の判定結果がＹｅｓであると、ステップＳ５−２では、ＣＰＵ２がステップＳ５−１で検出された歩行状態に関するパラメータを抽出して記憶部３に記憶する。一方、ステップＳ５−１の判定結果がＮｏであるとＣＰＵ２が処理を終了する。

状態遷移検出処理ＳＴ６は、ＣＰＵ２がプログラムを実行することで実現する状態遷移検出手段（または、状態遷移検出機能）により実行可能であり、図３の状態遷移検出部２４により実行しても良い。ステップＳ６−０ａでは、ＣＰＵ２が処理するべきセンサ出力（例えば、後述するような、次に処理するべきセンサ出力のセグメント）が有るか否かを判定し、判定結果がＹｅｓであると処理は分離処理ＳＴ１のステップＳ１−１へ戻り次のセンサ出力（例えば、センサ出力の次のセグメント）を取得する。ステップＳ６−０ａの判定結果がＮｏであると、ステップＳ６−０ｂでは、ＣＰＵ２が前回の運動状態が有るか否か、即ち、前回の運動状態に関するパラメータが記憶部３に記憶されているか否かを判定し、判定結果がＮｏであるとＣＰＵ２が処理を終了する。一方、ステップＳ６−０ｂの判定結果がＹｅｓであると、処理はステップＳ６−１へ進む。ステップＳ６−１では、ＣＰＵ２が装着及び運動検出処理ＳＴ２（または、転倒検出処理ＳＴ４、または、歩行検出処理ＳＴ５）により抽出され記憶部３に記憶された前回の運動状態に関するパラメータと、静止状態検出処理ＳＴ３により抽出され記憶部３に記憶された前回及び今回の静止状態に関するパラメータとに基づいて、対象者２１の状態遷移であるか否かを判定する。ステップＳ６−１の判定結果がＹｅｓであると、ステップＳ６−２では、ＣＰＵ２がステップＳ６−１で検出された状態遷移に関するパラメータを抽出して記憶部３に記憶し、処理は静止状態検出処理ＳＴ３のステップＳ３−２へ戻る。一方、ステップＳ６−１の判定結果がＮｏであると、処理は他の運動パラメータ抽出処理ＳＴ７へ進む。

他の運動パラメータ抽出処理ＳＴ７は、ＣＰＵ２が対象者２１の他の運動に関するパラメータを抽出して記憶部３に記憶する。

転倒検出処理ＳＴ４のステップＳ４−２、歩行検出処理ＳＴ５のステップＳ５−２、または他の運動パラメータ抽出処理ＳＴ７の後、ステップＳ８では、ＣＰＵ２が処理するべきセンサ出力（例えば、次に処理するべきセンサ出力のセグメント）が有るか否かを判定する。ステップＳ８の判定結果がＹｅｓであると、処理は分離処理ＳＴ１のステップＳ１−１へ戻り次に処理するべきセンサ出力（例えば、次に処理するべきセンサ出力のセグメント）を取得する。一方、ステップＳ８の判定結果がＮｏであると、ＣＰＵ２が処理を終了する。

なお、図３に示す姿勢推定装置１の姿勢推定処理を実行する場合、図４に示す装着及び運動検出処理ＳＴ２のステップＳ２−１、転倒検出処理ＳＴ４及び歩行検出処理ＳＴ５は省略可能である。

図５は、分離処理ＳＴ１の一例を説明するフローチャートである。図５において、ステップＳ１−１でＣＰＵ２がセンサ部４からの３軸加速度センサ出力を取得すると、ＣＰＵ２がステップＳ１−２ａ〜Ｓ１−２ｄを含むステップＳ１−２の処理と、ステップＳ１−３ａ〜Ｓ１−３ｄを含むステップＳ１−３の処理を並行に実行する。ステップＳ１−２ａでは、ＣＰＵ２がセンサ出力に例えば中心周波数ｆｃ＝０．２５Ｈｚのハイパスフィルタ処理を施す。ステップＳ１−２ｂでは、ＣＰＵ２がハイパスフィルタ処理を施されたセンサ出力に例えばウィンドウサイズｎ＝３のメディアンフィルタ処理を施してスパイクノイズを除去する。ステップＳ１−２ｃでは、ＣＰＵ２がメディアンフィルタ処理を施されたセンサ出力を例えばサンプル数ｓのウィンドウサイズ（例えば、１秒の一定期間）のＡＣ信号成分のセグメントに分割する。ステップＳ１−２ｄでは、ＣＰＵ２がセグメントされたＡＣ信号成分を対象者２１の運動を表す運動成分として、ＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ＣＰＵ２が管理する時間情報には、例えば時刻を含む日時情報、ＣＰＵ２が処理を実行中にＣＰＵ２の内部タイマにより計測される時間などが含まれる。

一方、ステップＳ１−３ａでは、ＣＰＵ２がセンサ出力に例えば中心周波数ｆｃ＝０．２５Ｈｚのローパスフィルタ処理を施す。ステップＳ１−３ｂでは、ＣＰＵ２がローパスフィルタ処理を施されたセンサ出力に例えばウィンドウサイズｎ＝３のメディアンフィルタ処理を施してスパイクノイズを除去する。ステップＳ１−３ｃでは、ＣＰＵ２がメディアンフィルタ処理を施されたセンサ出力を例えばサンプル数ｓのウィンドウサイズ（例えば、１秒の一定期間）のＤＣ信号成分のセグメントに分割する。ステップＳ１−３ｄでは、ＣＰＵ２がセグメントされたＤＣ信号成分を対象者２１に加わる重力成分として、ＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

図６は、装着及び運動検出処理ＳＴ２の一例を説明するフローチャートである。図６において、ステップＳ２−１ａでは、ＣＰＵ２が振幅ベクトルρ_ｉをｘｙｚ座標系を用いて

で表すと、ＡＣ信号成分に基づいて、振幅ベクトルρ_ｉの平均二乗の平方根（ＲＭＳ：Root Mean Square）ρ_ｒｍｓを

から算出して、ＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ステップＳ２−１ｂでは、ＣＰＵ２がρ_ｉ＞ρ_{ｓｔａｔｉｃ}であるか否かを判定する。ρ_{ｓｔａｔｉｃ}は、姿勢推定装置１が対象者２１に装着されておらず、例えばテーブル上に置かれた状態での振幅ベクトルを表す。ステップＳ２−１ｂの判定結果がＮｏであると、ステップＳ２−１ｃでは、ＣＰＵ２が姿勢推定装置１が対象者２１に装着されていない未装着状態であることを検出し、未装着状態に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。一方、ステップＳ２−１ｂの判定結果がＹｅｓであると、ステップＳ２−２ａでは、ＣＰＵ２が次式で表される、ｘ，ｙ，ｚ軸信号が正規化された信号振幅エリア（ＳＭＡ：Signal Magnitude Area）をあるウィンドウｗについて算出し、ＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

ステップＳ２−２ｂでは、ＳＭＡの閾値をＴｈ１で表すと、ＣＰＵ２がＳＭＡ＞Ｔｈ１であるか否かを判定する。ステップＳ２−２ｂの判定結果がＹｅｓであると、ステップＳ２−２ｃでは、ＣＰＵ２が対象者２１が運動状態であることを検出し、運動状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。一方、ステップＳ２−２ｂの判定結果がＮｏであると、ステップＳ２−２ｄでは、ＣＰＵ２が対象者２１の運動が終了して静止状態になったと判定し、処理は静止状態検出処理ＳＴ３へ進む。なお、図４のステップＳ２−１を省略する場合には、図６のステップＳ２−１ａ，Ｓ２−１ｂは省略可能であることは言うまでもない。

図７は、静止状態検出処理ＳＴ３の一例を説明するフローチャートである。図７において、ステップＳ３−１ａでは、ＣＰＵ２がステップＳ２−２におけるＮｏの判定結果及びＤＣ信号成分に基づいて、次式で表される傾き角度φを算出し、ＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。上記の如く、傾き角度φは、姿勢推定装置１の前後方向と重力方向とがなす角度である。この例では、ｘｙｚ座標系を用いて、対象者２１の上半身の軸と平行な方向がｚ軸、対象者２１の上半身から見た対象者２１の前後方向がｘ軸、対象者２１の上半身から見た対象者２１の左右方向（または、横方向）がｙ軸である。例えば、対象者２１が起立状態であると、重力方向はｚ軸と平行であるため傾き角度φ＝９０°であり、対象者２１が例えばベッドの上で完全な横臥状態であると、重力方向はｘ軸と平行であるため傾き角度φ＝０°である。

ここで、重力加速度成分φ_ｉは次式で表される。

図８は、姿勢推定装置１の傾き角度φとｘｙｚ座標軸の関係を説明する図である。図８において、（ａ）は例えばφ＝９０°であり姿勢推定装置１を装着した対象者２１が起立状態である場合、（ｂ）は例えば６０°＜φ＜９０°であり対象者２１が横臥状態である場合、（ｃ）は例えばφ≦６０°であり対象者２１が着座状態である場合、（ｄ）は例えばφ＝０°であり対象者２１が完全な横臥状態である場合を示す。このように、傾き角度φに応じて対象者２１の起立状態、着座状態及び横臥状態を検出することができる。

ステップＳ３−１ｂでは、ＣＰＵ２が傾き角度φがφ＞６０°であるか否かを判定し、判定結果がＹｅｓであると、ステップＳ３−２ａでは、ＣＰＵ２が対象者２１が図８の（ｂ）に示す横臥状態であることを検出し、横臥状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。なお、ステップＳ３−１ｂでは、ＣＰＵ２が傾き角度φがφ＝０°であるか否かを判定し、判定結果がＹｅｓであると、ステップＳ３−２ａでは、ＣＰＵ２が対象者２１が図８の（ｄ）に示す完全な横臥状態であることを検出し、完全な横臥状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶するようにしても良い。また、ステップＳ３−１ｂに加えて、ＣＰＵ２が傾き角度φがφ＝０°であるか否かを判定するステップを設けても良い。

一方、ステップＳ３−１ｂの判定結果がＮｏであると、ステップＳ３−１ｃでは、ＣＰＵ２が傾き角度φの対象者２１が直立状態である時の参照傾き角度φｒに対する角度変位Ｔ、静止状態の維持時間ｄ、前回検出された運動状態などに基づいて、対象者２１が着座状態であるか否かを判定する。ステップＳ３−１ｃの判定結果がＹｅｓであると、ステップＳ３−２ｂでは、ＣＰＵ２が対象者２１が図８の（ｃ）に示す着座状態であることを検出し、着座状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。一方、ステップＳ３−１ｃの判定結果がＮｏであると、ステップＳ３−２ｃでは、ＣＰＵ２が対象者２１が図８の（ａ）に示す起立状態であることを検出し、起立状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

図９は、図７中破線で囲まれたステップＳ３−１ｃ，Ｓ３−２ｂ，Ｓ３−２ｃで実行される着座及び起立判定処理の一例を説明するフローチャートである。図９において、ステップＳ３１では、ＣＰＵ２が、傾き角度φがφ＞２０°であるか否かを判定する。ステップＳ３１の判定結果がＹｅｓであると、ステップＳ３−２ｂでは、ＣＰＵ２が着座状態を検出し、着座状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

一方、ステップＳ３１の判定結果がＮｏであると、処理はステップＳ３２，Ｓ３４，Ｓ３６へ進む。ステップＳ３２，Ｓ３３、ステップＳ３４，Ｓ３５、及びステップＳ３６，Ｓ３７の処理は、ＣＰＵ２が並行に実行する。

ステップＳ３２では、ＣＰＵ２が現時点の傾き角度φから参照傾き角度φｒを減算することで、角度変位Ｔ（°）＝φ−φｒを算出してＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。参照傾き角度φｒは、対象者２１が直立状態にあるときの傾き角度φであり、例えば予め個々の対象者２１について測定しておくことができる。ステップＳ３３では、ＣＰＵ２が角度変位Ｔに基づいて、次式に基づいて対象者２１が着座状態である確率Ｐ_１（Sit）と、対象者２１が起立状態である確率Ｐ_１（Stand）を算出してＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。着座状態である確率Ｐ_１（Sit）は、角度変位Ｔが大きい程高い。

ステップＳ３４では、ＣＰＵ２が傾き角度φが持続される持続時間、対象者２１の安静状態が持続される時間などの、対象者２１の状態が持続される期間ｄ（秒）を、例えばＣＰＵ２の内部タイマにより計測した時間に基づき算出してＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。安静状態とは、対象者２１が大きな運動を行わず、例えばセンサ部４からのセンサ出力（ＤＣ信号成分）がｘ，ｙ，ｚの各軸について一定振幅以下の状態、或いは、上記ＳＭＡがある値以下の状態を言う。ステップＳ３５では、ＣＰＵ２が期間ｄに基づいて、次式に基づいて対象者２１が着座状態である確率Ｐ_２（Sit）と、対象者２１が起立状態である確率Ｐ_２（Stand）を算出して記憶部３に記憶する。着座状態である確率Ｐ_２（Sit）は、期間ｄが長い程高い。

ステップＳ３６では、ＣＰＵ２が対象者２１の前回の運動状態Ｍに関するパラメータを例えば記憶部３から読み出す。ステップＳ３７では、ＣＰＵ２が前回の運動状態Ｍに関するパラメータに基づいて、次式に基づいて対象者２１が着座状態である確率Ｐ_３（Sit）と、対象者２１が起立状態である確率Ｐ_３（Stand）を算出する。着座状態である確率Ｐ_３（Sit）は、前回の運動状態Ｍが着座−起立状態であると０．２、起立−着座状態であると０．０、歩行状態であると０．３、その他の状態（otherwise）であると０．５である。

ステップＳ３８では、ＣＰＵ２がステップＳ３３，Ｓ３５，Ｓ３７で求めた着座状態である確率Ｐ_１（Sit），Ｐ_２（Sit），Ｐ_３（Sit）の加重平均から次式に基づいて対象者２１が着座状態である確率Ｐ（SIT）を算出すると共に、ステップＳ３３，Ｓ３５，Ｓ３７で求めた起立状態である確率Ｐ_１（Std），Ｐ_２（Std），Ｐ_３（Std）の加重平均から次式に基づいて対象者２１が起立状態である確率Ｐ（STD）を算出する。次式中、ω_１，ω_２，ω_３は、ω_１＋ω_２＋ω_３＝１を満たす重み付け係数である。

ステップＳ３９では、ＣＰＵ２がＰ（SIT）＞Ｐ（STD）であるか否かを判定し、判定結果がＹｅｓであると、ステップＳ３−２ｂでは、ＣＰＵ２が着座状態を検出し、着座状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。一方、ステップＳ３９の判定結果がＮｏであると、ステップＳ３−２ｃでは、ＣＰＵ２が起立状態を検出し、起立状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

このように、傾き角度φが第１の角度より大きいと（例えば、φ＞６０°であると）ＣＰＵ２が対象者２１の横臥状態を検出し、第１の角度以下であると（例えば、φ＞６０°以外であると）対象者２１が着座状態であるか、或いは、起立状態であるかを判定する。そして、ＣＰＵ２が傾き角度φが第１の角度以下であり、且つ、第１の角度より小さい第２の角度より大きいと（例えば、φ＞２０°であると）着座状態を検出し、第２の角度以下であると（例えば、φ＞２０°以外であると）着座状態であるか、或いは、起立状態であるかの判定を継続する。さらに、傾き角度φが第２の角度以下であると、ＣＰＵ２が角度変位Ｔ（°）＝φ−φ_ｒと、傾き角度φが持続される持続時間、対象者２１の安静状態が持続される時間などの期間ｄ（秒）と、記憶部３に記憶された対象者２１の前回の運動状態Ｍに関するパラメータに基づき、対象者２１が起立状態である確率Ｐ（STD）及び対象者が着座状態である確率Ｐ（SIT）を算出して、Ｐ（SIT）＞Ｐ（STD）であると着座状態を検出し、Ｐ（SIT）＞Ｐ（STD）以外であると起立状態を検出する。

このように、傾き角度φの変化が一定値より大きく、傾き角度φが持続される期間ｄが一定値より長く、前回の運動状態Ｍが着座状態であると、今回は着座状態である可能性が高いので、ＣＰＵ２が対象者２１は着座状態であると推定する。

なお、ＣＰＵ２が複数種類の着座状態、または、複数種類の起立状態を推定するようにしても良い。例えば、直立した着座状態ではφ＜５°、前傾した着座状態ではφ＞２０°、後傾した着座状態ではφ＞２０°、直立した起立状態ではφ＜５°、前傾した起立状態では２０°＞φ＞１０°であると定義して、ＣＰＵ２が直立した着座状態、前傾した着座状態、後傾した着座状態、直立した起立状態、及び前傾した起立状態を推定するようにしても良い。

図１０は、転倒検出処理ＳＴ４の一例を説明するフローチャートである。図１０において、ステップＳ４−１ａでは、ＣＰＵ２がＡＣ信号成分に基づいて、次式で表される現時点の加速度と過去ｔ_ｘ秒間における平均加速度との差Ｄを算出する。

ステップＳ４−１ｂでは、ＣＰＵ２が差Ｄの閾値をＴｈ２で表すと、次のｍ秒間の差Ｄ_ｋ（ｋ＝１，...、ｍ）が、全てのｋについてＤ_ｋ＞Ｔｈ２であるか否かを判定し、判定結果がＮｏであると処理はステップＳ４−１ａに戻る。差Ｄ_ｋが少なくとも次のｍ秒間だけ閾値Ｔｈ２より大きくステップＳ４−１ｂの判定結果がＹｅｓであると、ステップＳ４−１ｃでは、ＣＰＵ２がφ＞６０°であるか否かを判定し、判定結果がＮｏであると対象者２１は横臥状態であると判断して処理はステップＳ４−１ａに戻る。ステップＳ４−１ｃの判定結果がＹｅｓであると、ステップＳ４−２ａでは、ＣＰＵ２が対象者２１の転倒状態を検出し、転倒状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ステップＳ４−２ｂでは、ＣＰＵ２が例えば次の６０秒間のＳＭＡを算出し、図６のステップＳ２−２ｂと同様に運動状態を検出する。ステップＳ４−２ｃでは、ＣＰＵ２がφ＜６０°であるか否かを判定し、判定結果がＮｏであると、ステップＳ４−２ｄでは、ＣＰＵ２が警告を出力して警告に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。一方、ステップＳ４−２ｃの判定結果がＹｅｓであると、ステップＳ４−２ｅでは、ＣＰＵ２が対象者２１の転倒状態から直立状態への遷移を検出し、起立状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

このように、差Ｄ_ｋが少なくとも次のｍ秒間だけ閾値Ｔｈ２より大きく、且つ、傾き角度φが第１の角度より大きいと（例えば、φ＞６０°であると）、ＣＰＵ２が転倒状態を検出する。また、ＣＰＵ２が転倒状態を検出した後の例えば次の一定時間（例えば、６０秒間）のＳＭＡから運動状態を検出し、傾き角度φが第１の角度より大きいと（例えば、φ＞６０°であると）警告を出力し、第１の角度より小さいと（例えば、φ＜６０°であると）対象者２１の転倒状態から起立状態への遷移を検出する。

図１１は、歩行検出処理ＳＴ５の一例を説明するフローチャートである。図１１において、ステップＳ５−１ａでは、ＣＰＵ２がＡＣ信号成分に基づいて、直立状態であり過去の一定運動期間（例えば、数秒間）における傾き角度φの平均が３５°未満であるか否かを判定する。ステップＳ５−１ａの判定結果がＹｅｓであると、ステップＳ５−１ｂでは、ＣＰＵ２が運動期間が例えば５秒より長いか否かを判定する。ステップＳ５−１ｂの判定結果がＹｅｓであると、ステップＳ５−１ｃでは、ＣＰＵ２が図１２と共に後述する周期性判定処理により周期性の運動であるか否かを判定する。ステップＳ５−１ａ，Ｓ５−１ｂ，Ｓ５−１ｃのいずれかの判定結果がＮｏであると、ステップＳ５−２ｂでは、ＣＰＵ２が対象者２１が歩行状態ではない状態であることを検出し、歩行状態ではない状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ステップＳ５−１ｃの判定結果がＹｅｓであると、ステップＳ５−１ｄでは、ＣＰＵ２が運動期間中のＳＭＡが歩行状態以外の運動期間中の平均ＳＭＡより大きいか否かを判定する。ステップＳ５−１ｄの判定結果がＹｅｓであると、ステップＳ５−２ａでは、ＣＰＵ２が対象者２１が歩行状態であることを検出し、歩行状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。一方、ステップＳ５−１ｄの判定結果がＮｏであると、ステップＳ５−２ｃでは、ＣＰＵ２が対象者２１がおそらく歩行状態であること、即ち、対象者２１が歩行状態である可能性が十分高いことを検出し、この状態に関するパラメータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

図１２は、図１１中破線で囲まれたステップＳ５−１ｃにおける周期性判定処理の一例を説明するフローチャートである。図１２において、ステップＳ５１では、ＣＰＵ２がＡＣ信号成分中のｚ軸信号にフーリエ変換を施してピーク値を検出すると共に、ｚ軸信号のピーク値をランダムに選択する。ステップＳ５２では、ＣＰＵ２が選択したピーク値を中心として例えば１秒間のサンプル信号Ｓ_ｒｅｆを取得する。ステップＳ５３では、ＣＰＵ２がサンプル信号Ｓ_ｉ後の例えば１０秒期間に１秒のウィンドウを順次適用する。ステップＳ５４では、ＣＰＵ２がサンプル信号Ｓ_ｒｅｆと、サンプル信号Ｓ_ｒｅｆ後の１０個のサンプル信号Ｓ_ｉとの間の相関係数γ_ｉを算出する。ステップＳ５５では、ＣＰＵ２がｉをｉ＝１に設定すると共に、ｊをｊ＝１に設定する。ステップＳ５６では、ＣＰＵ２が相関係数γ_ｉの閾値をＴｈ３で表すと、γ_ｉ＞Ｔｈ３であるか否かを判定する。閾値Ｔｈ３は、例えば０．８５である。

ステップＳ５６の判定結果がＮｏであると、ステップＳ５７では、ＣＰＵ２がｉ＞１０であるか否かを判定し、判定結果がＮｏであると、ステップＳ５８では、ＣＰＵ２がｉをｉ＝ｉ＋１にインクリメントして処理はステップＳ５６へ戻る。一方、ステップＳ５７の判定結果がＹｅｓであると、ステップＳ５９では、ＣＰＵ２が対象者２１の運動が周期性でない運動であることを判定し、周期性でない運動であることに関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

ステップＳ５６の判定結果がＹｅｓであると、ステップＳ６０では、ＣＰＵ２がサンプル信号Ｓ_ｉを歩行テンプレートＴ_ｊの候補として記憶部３に記録する。ステップＳ６１では、ＣＰＵ２がｊをｊ＝ｊ＋１にインクリメントし、ステップＳ６２では、ＣＰＵ２がｊ＞３であるか否かを判定する。ステップＳ６２の判定結果がＮｏであると、処理はステップＳ５７へ戻る。一方、ステップＳ６２の判定結果がＹｅｓであると、ステップＳ６３では、ＣＰＵ２が対象者２１の運動が周期性の運動であることを判定し、周期性の運動であることに関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。この例では、歩行テンプレートＴ_ｊの候補が例えば３個取得されるまで上記の如き処理が繰り返し実行される。

このように、傾き角度φが第３の角度より小さく（例えば、φ＜３５°であり）、且つ、運動期間が一定時間（例えば、５秒）より長いと、歩行状態である可能性が高い。第３の角度は、第１の角度より小さく、且つ、第２の角度より大きい。そこで、さらに運動に周期性があり、且つ、運動期間中のＳＭＡが歩行状態以外の運動期間中の平均ＳＭＡより大きいと、ＣＰＵ２が歩行状態を検出する。傾き角度φが第３の角度以上であるか、或いは、運動期間が一定時間未満であるか、或いは、運動に周期性がないと、ＣＰＵ２が歩行状態ではないと判定する。また、運動期間中のＳＭＡが歩行状態以外の運動期間中の平均ＳＭＡ以下であると、ＣＰＵ２がおそらく歩行状態であると判定する。なお、運動に周期性があるか否かの判定は、図１２と共に説明した如き歩行テンプレートが一定数（例えば、３個）取得されるか否かにより判定可能であり、一定数取得されると運動に周期性があると判定する。

図１３は、状態遷移検出処理ＳＴ６の一例を説明するフローチャートである。図１３において、ステップＳ６−１ａでは、ＣＰＵ２が静止状態検出処理ＳＴ３により検出され記憶部３に記憶された前回の静止状態に関するパラメータに基づいて、前回の静止状態が横臥状態であるか否かを判定する。ステップＳ６−１ａの判定結果がＹｅｓであると、ステップＳ６−１ｂでは、ＣＰＵ２が静止状態検出処理ＳＴ３により検出され記憶部２に記憶された今回の静止状態に関するパラメータに基づいて、今回の静止状態が横臥状態であるか否かを判定する。前回または今回の静止状態が横臥状態であるか否かは、例えば図７のステップＳ３−１ｂのように前回または今回の傾き角度φが第１の角度より大きい（φ＞６０°）か否かに基づいて判定可能である。ステップＳ６−１ｂの判定結果がＹｅｓであると、ステップＳ６−２ａでは、ＣＰＵ２が対象者２１の横臥−横臥遷移を判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ステップＳ６−１ｂの判定結果がＮｏであると、ステップＳ６−２ｂでは、ＣＰＵ２が対象者２１の横臥−直立遷移を判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

一方、ステップＳ６−１ａの判定結果がＮｏであると、ステップＳ６−１ｃでは、ＣＰＵ２が静止状態検出処理ＳＴ３により検出され記憶部３に記憶された今回の静止状態に関するパラメータに基づいて、今回の静止状態が直立状態であるか否かを判定する。今回の静止状態が直立状態であるか否かは、例えば今回の傾き角度φがφ＝９０°（起立状態に相当）またはφ＜６０°（着座状態に相当）を満足するかに基づいて判定可能である。ステップＳ６−１ｃの判定結果がＹｅｓであると、ステップＳ６−１ｄでは、ＣＰＵ２が例えば前回傾き角度φと今回の傾き角度φとの間の変位に基づいて、着座−起立遷移または起立−着座遷移であるか否かを判定する。ステップＳ６−１ｄの判定結果がＹｅｓであると、ステップＳ６−１ｅでは、ＣＰＵ２が例えば前回と今回の傾き角度φの変位に基づいて、着座−起立遷移であるか否かを判定する。ステップＳ６−１ｅの判定結果がＹｅｓであると、ステップＳ６−２ｃでは、ＣＰＵ２が着座−起立遷移を判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ステップＳ６−１ｅの判定結果がＮｏであると、ステップＳ６−２ｄでは、ＣＰＵ２が起立−着座遷移を判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ステップＳ６−１ｄの判定結果がＮｏであると、ステップＳ６−２ｅでは、ＣＰＵ２が他の運動状態を判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。また、ステップＳ６−１ｃの判定結果がＮｏであると、ステップＳ６−２ｆでは、ＣＰＵ２が直立−横臥遷移を判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。

図１４及び図１５は、図１３中破線で囲まれたステップＳ６−１ｄ，Ｓ６−１ｅ，Ｓ６−２ｃ〜Ｓ６−２ｅで実行される状態遷移判定処理の一例を説明するフローチャートである。図１４において、ステップＳ６０１では、ＣＰＵ２がＡＣ信号成分に基づいて、ｘ軸信号を例えばスプライン曲線を用いてモデル化する。ステップＳ６０２では、ＣＰＵ２がモデル化されたｘ軸信号のピーク数を算出する。モデル化されたｘ軸信号のピーク数は、起立状態の対象者２１の場合であれば、対象者２１の前後方向の加速度のピーク数を表す。ステップＳ６０３では、ＣＰＵ２がモデル化されたｘ軸信号のピーク数が閾値より小さいか否かを判定し、判定結果がＹｅｓであると処理はステップＳ６０４へ進み、判定結果がＮｏであると処理はステップＳ６０６へ進む。ステップＳ６０４では、ＣＰＵ２が前回の運動状態の開始時（または、前回の静止状態の終了時）の傾き角度φ_１から前回の運動状態の終了時（または、今回の静止状態の開始時）の傾き角度φ_２への変位Δφ＝φ_２−φ_１を算出する。

ステップＳ６０５では、ＣＰＵ２がパラメータｔを次式の如く定義すると共に、ｘをｘ＝１に設定し、処理は後述するステップ６０７へ進む。この例では、Δφの値が正の値であるということは、対象者２１が着座後または起立後に対象者２１が後方へ傾いたことを表す。また、ｔ＝１であると対象者２１の起立状態、ｔ＝２であると着座状態、ｔ＝０であると直立状態以外であるその他（otherwise）の状態を表す。

また、ステップＳ６０３の判定結果がＮｏであると、ＣＰＵ２がモデル化されたｘ軸信号のピーク数が着座と起立と間の遷移とみなすには多すぎると判断し、ステップＳ６０６では、ＣＰＵ２がｔ，ｘをｔ＝０，ｘ＝０に設定し、処理は後述するステップＳ６０７へ進む。ステップＳ６０３を設けることで、モデル化されたｘ軸信号のピーク数が多く閾値以上であると、対象者２１の前後方向の動きが着座動作または起立動作の場合と比較すると多く、ＣＰＵ２が着座−起立間の状態遷移ではないと判定できる。

ステップＳ６０７では、ＣＰＵ２がＡＣ信号成分に基づいて、ｙ軸信号を例えばスプライン曲線を用いてモデル化すると共に、ｚ軸信号を例えばスプライン曲線を用いてモデル化する。ステップＳ６０８では、ＣＰＵ２がモデル化されたｙ軸信号とピーク数とｚ軸信号のピーク数を算出する。モデル化されたｙ軸信号のピーク数は、起立状態の対象者２１の場合であれば、対象者２１の前後方向に対して左右方向（または、横方向）の加速度のピーク数を表す。モデル化されたｚ軸信号のピーク数は、起立状態の対象者２１の場合であれば、重力方向及び重力方向とは反対方向の加速度のピーク数を表す。なお、ステップＳ６０７，６０８を省略し、ステップＳ６０１，Ｓ６０２においてさらに、ｙ，ｚ軸信号のモデル化及びｙ，ｚ軸信号のピーク数の算出を行うようにしても良い。
ステップＳ６０９では、ＣＰＵ２がｚ軸信号のピーク数が閾値より小さいか否かを判定し、判定結果がＹｅｓであると処理はステップＳ６１０へ進む。ステップＳ６１０では、ＣＰＵ２がモデル化されたｚ軸信号の波形の山の最大値、山の形状、谷の最大値、谷の形状、及び山の時刻を検出する。モデル化されたｚ軸信号の波形の山の最大値（または、ピーク）は、例えば起立状態の対象者２１の重力方向の最大加速度に相当し、山の形状は、例えば起立状態の対象者２１の重力方向の加速度の変化に相当する。また、モデル化されたｚ軸信号の波形の谷の最大値（または、ピーク）は、例えば起立状態の対象者２１の重力方向とは反対方向の最大加速度に相当し、谷の形状は、例えば起立状態の対象者２１の重力方向とは反対方向の加速度の変化に相当する。ｚ軸信号の波形の山の時刻は、起立状態の対象者２１が重力方向への運動（即ち、着座動作）を行い椅子などに座り重力方向への運動が終了して（例えば、ＳＭＡ≦Ｔｈ１となり図６のステップＳ２−２ｂの判定結果がＮｏになり）ｚ軸方向上のピーク（この例では山）が得られた時の時刻に相当する。ステップＳ６１０の後、処理はステップＳ６１１及びステップＳ６１４へ進む。一方、ステップＳ６０９の判定結果がＮｏであると、ＣＰＵ２がモデル化されたｚ軸信号のピーク数が着座と起立と間の遷移とみなすには多すぎると判断し、ステップＳ６１２では、ＣＰＵ２がｚ，ｙをｚ＝０，ｙ＝０に設定し、処理は後述する図１５のステップＳ６２１へ進む。

ステップＳ６１１では、ＣＰＵ２がｚを次式の如く定義する。

ステップＳ６１１において、着座−起立遷移であるとｚ＝１であり、この場合、モデル化されたｚ軸信号の波形に１つの山と１つの谷があり、対象者２１が起立する際は上方向の加速度が先に発生するため、山が谷より先行する。また、起立−着座遷移であるとｚ＝２であり、この場合、モデル化されたｚ軸信号の波形に１つの谷と１つの山があり、対象者２１が着座する際は下方向の加速度が先に発生するため、谷が山より先行する。さらに、その他（otherwise）の状態であるとｚ＝０であり、この場合、着座−起立遷移及び起立−着座遷移の場合とは異なり、モデル化されたｚ軸信号の波形に例えば谷−山−谷があったり、或いは、山−谷−山があったりする。

ステップＳ６１３では、ＣＰＵ２がｙ軸信号のピーク数が閾値より小さいか否かを判定し、判定結果がＹｅｓであると処理は後述するステップＳ６１４へ進む。一方、ステップＳ６１３の判定結果がＮｏであると、ＣＰＵ２がモデル化されたｙ軸信号のピーク数が着座と起立と間の遷移とみなすには多すぎると判断し、ステップＳ６１７では、ＣＰＵ２がｙをｙ＝０に設定し、処理は後述する図１５のステップＳ６２１へ進む。
ステップＳ６１４では、ＣＰＵ２が対象者２１の運動状態の終了時までの一定期間内の傾斜角度φの変位Δφを表す変位Δφｗを算出する。対象者２１の運動状態の終了時までの一定期間は、例えばＣＰＵ２が対象者２１の運動状態の終了時までに処理するセンサ出力の最後のセグメント（または、ウィンドウｗ）に相当する時間（例えば、１秒）であっても良い。対象者２１の運動状態の終了時は、図４のステップ２−２の判定結果がＮｏになることからわかる。また、ＣＰＵ２が処理するセンサ出力の最後のセグメントであることは、図４のステップＳ６−０ａの判定結果がＮｏになることからわかる。ステップＳ６１５では、ＣＰＵ２が変位Δφｗが例えば２０°より大きく、且つ、ステップＳ６１０で検出したｚ軸信号の波形の山の時刻からある閾値時間以内に運動が終了する（即ち、図４のステップＳ２−２の判定結果がＮｏになる）か否かを判定する。ステップＳ６１５の判定結果がＮｏであると、処理は後述する図１５のステップＳ６２１へ進む。ステップＳ６１５の判定結果がＹｅｓであると、ステップＳ６１６では、ＣＰＵ２がｙを次式に基づいてｙ＝２と定義し、処理は後述する図１５のステップＳ６２１へ進む。閾値時間は、例えば上記一定期間（例えば、１秒）のウィンドウｗに相当する時間であっても良いが、特に限定されない。

ステップＳ６１５では、ＣＰＵ２がステップＳ６１０で検出したｚ軸信号の波形の山の時刻からある閾値時間以内に対象者２１の運動が終了するか否かを判定するので、対象者２１が着座動作の終了部分で後傾する場合と、対象者が起立動作の終了部分で後傾する場合とを区別することができる。つまり、対象者２１が着座動作の終了部分で後傾する場合、椅子の背もたれに接触するなどして閾値時間以内に対象者２１の後傾が停止する。これに対し、対象者が起立動作の終了部分で後傾する場合、閾値時間以内に対象者２１の後傾を停止する要素は特に無い。従って、ＣＰＵ２がステップＳ６１０で検出したｚ軸信号の波形の山の時刻からある閾値時間以内に対象者２１の運動が終了すれば、対象者２１の起立状態から着座状態への遷移であり、ある閾値時間以内に対象者２１の運動が終了しなければ、対象者２１の起立状態から着座状態への遷移ではないことが判別可能である。

図１５において、ステップＳ６２１では、ＣＰＵ２が遷移transition、起立状態std及び着座状態stdを次式の如く定義する。

ここで、sgn(z)及びsgn(t)は、次式の如き符号関数である。

ステップＳ６２２では、ＣＰＵ２がtransition＞０であるか否かを判定し、判定結果がＹｅｓであると、ステップＳ６２３では、ＣＰＵ２がsit＞stdであるか否かを判定する。ステップＳ６２３の判定結果がＹｅｓであると、ステップＳ６−２ｄでは、ＣＰＵ２が起立−着座遷移を判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ステップＳ６２３の判定結果がＮｏであると、ステップＳ６２４では、ＣＰＵ２がsit＜stdであるか否かを判定する。ステップＳ６２４の判定結果がＹｅｓであると、ステップＳ６−２ｃでは、ＣＰＵ２が着座−起立遷移を判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。ステップＳ６２４の判定結果がＮｏであると、ステップＳ６−２ｇでは、ＣＰＵ２が遷移の途中の中間的な状態であると判定し、この判定結果に関するデータをＣＰＵ２が管理する時間情報と共に記憶部３に記憶する。一方、ステップＳ６２２の判定結果がＮｏであると、ステップＳ６−２ｅでは、ＣＰＵ２が他の運動状態を判定し、この判定結果に関するデータを記憶部３に記憶する。

このように、ＣＰＵ２が前回と今回の静止状態から横臥状態、起立状態、着座状態間の遷移を判定する。そして、前回と今回の静止状態が共に直立状態であると、ＣＰＵ２が着座−起立遷移状態であるか、或いは、起立−着座遷移状態であるかを判定する。また、ｘ軸信号については、状態遷移の開始時の傾き角度φ_１と終了時の傾き角度φ_２への変位Δφ＝φ_２−φ_１が第１の値（例えば、−２０°）より小さいと、ＣＰＵ２が着座−起立遷移であると判定し、変位Δφ＝φ_２−φ_１が第１の値より大きな第２の値（例えば、２０°）より大きいと、ＣＰＵ２が起立−着座遷移であると判定する。一方、ｚ軸信号については、モデル化されたｚ軸信号の波形の山と、谷と、山及び谷の形状に基づいて、ＣＰＵ２が着座−起立遷移であるか、或いは、起立−着座遷移であるかを判定する。ｘ軸信号についての状態遷移の判定結果と、ｚ軸信号についての状態遷移の判定結果は、ＣＰＵ２が図１５に示す如き規則で合成し、最終的な状態遷移の判定結果を得る。

つまり、運動検出処理ＳＴ２が対象者２１の運動状態を検出する前後に静止状態検出処理ＳＴ３が対象者２１の着座状態及び起立状態を含む対象者２１の直立状態を検出すると、状態遷移検出処理ＳＴ６は、対象者２１の運動の終了までの一定期間内の傾き角度φの変位Δφｗを算出し、この変位Δφｗが第１の値（例えば、−２０°）未満であれば対象者２１の起立状態への遷移を推定し、第１の値より大きい第２の値（例えば、２０°）を超えていれば対象者２１の着座状態への遷移を推定する。

例えば、対象者２１が椅子に着座する場合、着座する方向への運動が終了してからのある期間内に対象者２１が椅子の背もたれによりかかるなどして対象者２１の前後方向への動きがある。つまり、対象者２１が着座後に、ある程度の後方向への動きがある。これに対し、椅子に着座している対象者２１が起立する場合、起立する方向への運動が終了してからのある期間内に対象者２１の前後方向への動き、特に、後方向への動きは、着座する場合と比較すると少ない。そこで、対象者２１の運動状態を検出する前後に直立状態を検出した後、対象者２１の運動の終了時までの一定期間内の対象者２１の前後方向への動きに応じて、ＣＰＵ２が着座−起立遷移であるか、或いは、起立−着座遷移であるかを正確に判定できる。つまり、対象者２１の運動状態を検出する前後に直立状態を検出した後、対象者２１の運動の終了時までの一定期間内の対象者２１の前後方向への動きが第１の値未満であり少なければ、ＣＰＵ２が起立状態への遷移を推定し、第１の値より大きな第２の値を超えており多ければ、ＣＰＵ２が着座状態への遷移を推定することができる。
また、対象者２１が着座動作の終了部分で後傾する場合、椅子の背もたれに接触するなどして閾値時間以内に対象者２１の後傾が止められる。これに対し、対象者が起立動作の終了部分で後傾する場合、閾値時間以内に対象者２１の後傾を止める要素は特に無い。従って、ＣＰＵ２がステップＳ６１０で検出したｚ軸信号の波形の山の時刻からある閾値時間以内に対象者２１の運動が終了すれば、対象者２１の起立状態から着座状態への遷移であり、ある閾値時間以内に対象者２１の運動が終了しなければ、対象者２１の起立状態から着座状態への遷移ではないことが判別可能である。
上記の例では、対象者２１のｘ軸方向への動きは、傾き角度φを比較することで比較しているが、これに限定されるものではない。また、上記の例では、対象者２１のｚ軸方向に沿った運動の終了時からの閾値時間は固定値であるが、閾値時間は例えば対象者２１毎に適宜設定可能である。

上記実施例によれば、ＣＰＵ２が上記の処理ＳＴ１〜ＳＴ７において検出した状態または状態遷移に関するデータを時間情報と共に記憶部３に記憶するため、対象者２１の日常生活中の静止状態及び運動状態に関する履歴を、例えば半日単位、１日単位、１週間単位、１月単位などのある時間単位で記憶部３内に記憶することができる。このような履歴は、通信部５を介して定期的または任意のタイミングでサーバ１１へ送信することで、サーバ１１内で対象者２１の健康状態などを履歴に基づいて解析しても良い。また、推定した各静止状態、各運動状態、及び各状態遷移を時間情報と共に記憶部３に記憶する場合、記憶部３内で履歴を記憶するのに要するデータ記憶領域を詳細な履歴情報を記憶する場合と比べて削減できる。

また、ＣＰＵ２が装着及び運動検出処理ＳＴ２において検出した装着または運動状態に関するパラメータを時間情報と共に記憶部３に記憶するため、対象者２１が姿勢推定装置１を装着した時刻、回数、期間などの情報、及び、対象者２１が運動状態であった時刻、回数、期間などの情報を履歴をある時間単位で記憶部３内に記憶することができる。履歴から、対象者２１が運動状態であった期間の一定期間に対する割合などの情報をＣＰＵ２或いはサーバ１１で求めても良い。対象者２１が運動状態であった期間の一定期間に対する割合などの情報をＣＰＵ２で求める場合には、求めた情報を記憶部３内の履歴に含めても良い。

さらに、ＣＰＵ２が静止状態検出処理ＳＴ３において検出した静止状態に関するパラメータを時間情報と共に記憶部３に記憶するため、対象者２１が静止状態であった時刻、回数、期間、着座状態における傾き角度φなどの履歴をある時間単位で記憶部３内に記憶することができる。従って、履歴から、対象者２１が起立状態、着座状態、横臥状態などの静止状態であった期間の平均、最大値、一定期間に対する割合などの情報をＣＰＵ２或いはサーバ１１で求めても良い。対象者２１が起立状態、着座状態、横臥状態などの静止状態であった期間の平均、最大値、一定期間に対する割合などの情報をＣＰＵ２で求める場合には、求めた情報を記憶部３内の履歴に含めても良い。

また、ＣＰＵ２が転倒検出処理ＳＴ４において検出された転倒状態に関するパラメータを時間情報と共に記憶部３に記憶するため、対象者２１が転倒状態であった時刻、回数、期間、警告が出力された回数などの情報を上記のある時間単位で記憶部３内に記憶することができる。また、履歴から、対象者２１が転倒状態であった期間の平均、最大値、一定期間に対する割合などの情報をＣＰＵ２或いはサーバ１１で求めても良い。対象者２１が転倒状態であった期間の平均、最大値、一定期間に対する割合などの情報をＣＰＵ２で求める場合には、求めた情報を記憶部３内の履歴に含めても良い。さらに、転倒状態であった時刻、回数、期間、警告が出力された回数などの情報に応じて、ＣＰＵ２が履歴に含める警告のレベルを決定しても良い。例えば、転倒回数が閾値を超えた場合、転倒状態であった期間が閾値を超えた場合、或いは、警告が出力された回数が閾値を超えた場合に、ＣＰＵ２が警告のレベルを１レベル高く決定しても良い。

さらに、ＣＰＵ２が歩行検出処理ＳＴ５において検出した歩行状態に関するパラメータを時間情報と共に記憶部３に記憶するため、対象者２１が歩行状態であった時刻、回数、期間などの情報を上記のある時間単位で記憶部３内に記憶することができる。対象者２１が歩行状態であった期間は、ＣＰＵ２が歩行状態が持続された各期間を記憶しても、一定時間内で歩行状態である期間の合計を記憶しても良い。また、履歴から、対象者２１が歩行状態であった期間の平均、最大値、一定期間に対する割合などの情報をＣＰＵ２或いはサーバ１１で求めても良い。対象者２１が歩行状態であった期間の平均、最大値、一定期間に対する割合などの情報をＣＰＵ２で求める場合には、求めた情報を記憶部３内の履歴に含めても良い。なお、ＣＰＵ２がセンサ部４からの３軸加速度センサ出力に基づき周知の方法で算出した歩数、歩行速度などの情報を履歴に含めても良い。

また、ＣＰＵ２が状態遷移検出処理ＳＴ６において検出された状態遷移に関するデータを時間情報と共に記憶部３に記憶するため、対象者２１が状態遷移を行った時刻、回数、期間などの情報を上記のある時間単位で記憶部３内に記憶することができる。また、履歴から、対象者２１が状態遷移を行った期間の平均、最大値、一定期間に対する割合などの情報をＣＰＵ２或いはサーバ１１で求めても良い。対象者２１が状態遷移を行った期間の平均、最大値、一定期間に対する割合などの情報をＣＰＵ２で求める場合には、求めた情報を記憶部３内の履歴に含めても良い。

次に、装着及び運動検出処理ＳＴ２、静止状態検出処理ＳＴ３、及び状態遷移検出処理ＳＴ６の検出結果の一例を、図１６〜図２３と共に説明する。

図１６は、上記実施例における装着及び運動検出処理ＳＴ２及び静止状態検出処理ＳＴ３の実験結果の一例を示す図である。図１６に示す実験結果は、姿勢推定装置１がテーブル上に置かれた状態で静止状態でのＲＭＳ値、標準偏差及び最小値と、対象者２１が姿勢推定装置１を装着し、起立状態を３０秒間維持し、次に着座状態を３０秒間維持し、次に横臥状態を３０秒間維持した場合のＲＭＳ値、標準偏差及び最小値とを示す。図１６は、ｘ軸、ｙ軸、ｚ軸、振幅ベクトルρ_ｉ及びＳＭＡに対して、静止状態、起立状態、着座状態及び横臥状態でのＲＭＳ値、標準偏差及び最小値を示す。図１６中、太い実線Ｅ１で囲んで示されているＳＭＡのＲＭＳ値は、静止状態、起立状態、着座状態及び横臥状態を示す値が互いに識別可能な程度の異なる値にはならず、特に静止状態、着座状態及び横臥状態を識別することは難しい。これに対し、図１６中、太い実線Ｅ２で囲んで示されている振幅ベクトルρ_ｉのＲＭＳ値は、太い実線の楕円で示す起立状態を示す値が、静止状態、着座状態及び横臥状態を示す値と比べて大きく異なり、且つ、静止状態、起立状態、着座状態及び横臥状態を示す値が互いに識別可能な程度の異なる値となることが確認され、同様の結果が複数の実験においても確認された。従って、上記実施例によれば、対象者２１の静止状態、起立状態、着座状態及び横臥状態を高精度に推定可能であることが確認された。

図１７は、上記実施例における静止状態検出処理ＳＴ３の実験結果の一例を示す図である。図１７に示す実験結果は、対象者２１が姿勢推定装置１を装着し、うつぶせでベッドに横たわる横臥状態、あお向けでベッドに横たわる横臥状態、右向きでベッドに横たわる横臥状態、左向きでベッドに横たわる横臥状態、ラウンジチェアでの着座状態、椅子への着座状態、前傾した着座状態、及び起立状態を夫々１分間維持し、同じ動作を３回繰り返した場合を示す。図１７において、縦軸はｚ軸方向の加速度（ｇ）を示し、破線はｚ＝０．５、即ち、φ＝６０°の境界Ｂを示す。この境界Ｂよりｚ軸方向の加速度が低い領域では対象者２１は横臥状態にあり、この境界よりｚ軸方向の加速度が高い領域では対象者２１が着座状態にあることが確認され、同様の結果が複数の実験においても確認された。従って、上記実施例によれば、対象者２１の着座状態及び横臥状態を識別できると共に、着座状態及び横臥状態を高精度に推定可能であることが確認された。

図１８は、上記実施例における静止状態検出処理ＳＴ３の実験結果の一例を示す図である。図１８に示す実験結果は、対象者２１が着座状態と起立状態を夫々１分間維持し、同じ動作を２０回繰り返した場合を示す。図１８は、３つのケースについて、着座、起立、及び着座と起立の合計の正解率、不正解率及び正解とも不正解とも言えないその他の確率を示す。第１のケースでは、角度変位Δφのみを用いて対象者２１の静止状態を推定して実際の静止状態と比較し、第２のケースでは、前回の運動のみを用いて対象者２１の静止状態を推定して実際の静止状態と比較した。これに対し、第３のケースでは、上記実施例の如く、角度変位Δφ、静止状態が維持された期間及び前回の運動に基づき対象者２１の静止状態を推定して実際の静止状態と比較した。比較の結果、上記実施例によれば、着座、起立、及び着座と起立の合計の正解率、不正解率及び正解とも不正解とも言えないその他の確率が第１及び第２のケースと比べて向上することが確認された。従って、上記実施例によれば、対象者２１の着座状態及び起立状態を識別できると共に、着座状態及び起立状態を高精度に推定可能であることが確認された。

図１９は、上記実施例における静止状態検出処理ＳＴ３の実験結果の一例を示す図である。図１９に示す実験結果は、対象者２１が直立した着座状態、前傾した着座状態、後傾した着座状態、直立した起立状態及び前傾した起立状態を夫々１分間維持し、同じ動作を１０回繰り返した場合を示す。直立した着座状態ではφ＜５°、前傾した着座状態ではφ＞２０°、後傾した着座状態ではφ＞２０°、直立した起立状態ではφ＜５°、及び前傾した起立状態では２０°＞φ＞１０°である。図１９では、直立した着座状態、前傾した着座状態、後傾した着座状態、直立した起立状態及び前傾した起立状態の正解率を１．００を最大値（即ち、正解率が１００％）として、上記特許文献１と類似した方法により静止状態を検出した場合に相当する比較例１、上記特許文献２と類似した方法により静止状態を検出した場合に相当する比較例２、及び上記実施例に相当する実施例１について示す。実施例１によれば、対象者２１の直立した着座状態、前傾した着座状態、後傾した着座状態、直立した起立状態及び前傾した起立状態の全ての正解率が比較例１，２に比べて向上することが確認された。従って、上記実施例によれば、対象者２１の直立した着座状態、前傾した着座状態、後傾した着座状態、直立した起立状態及び前傾した起立状態を識別できると共に、直立した着座状態、前傾した着座状態、後傾した着座状態、直立した起立状態及び前傾した起立状態を高精度に推定可能であることが確認された。

図２０は、上記実施例における状態遷移検出処理ＳＴ６の実験結果の一例を示す図である。図２０は、対象者２１が起立状態を５秒間維持し、起立−着座遷移を経て着座状態を５秒間維持し、着座−起立遷移を経て起立状態を５秒間維持する動作を３０回繰り返した場合の実験結果の一部を示す。また、起立−着座遷移及び着座−起立遷移の各遷移の時間は、１秒〜５秒の範囲で変えると共に、前傾をランダムに合計１０回挿入した。図２０は、縦軸はｘ軸方向の加速度ｘ（ｇ）、ｙ軸方向の加速度ｙ（ｇ）及びｚ軸方向の加速度ｚ（ｇ）を示し、横軸は時間（サンプル数）を示す。図２０において、Ｑ１はｚ軸信号に１つの谷と１つの山があり、谷が山より先行する起立−着座遷移である場合を示し、Ｑ２はｚ軸信号に１つの山と１つの谷があり、山が谷より先行する着座−起立遷移である場合を示す。また、図２０に示す縦方向に延びる破線のうち、波形の山及び谷を含む区間を示す隣り合う２本の破線は夫々、例えば運動状態が検出される前後、即ち、この運動状態が検出される前の静止状態の終了時点とこの運動状態が検出された後の静止状態の開始時点に相当する。

図２１は、上記実施例に相当する実施例１における状態遷移検出処理ＳＴ６の実験結果の一例を示す図である。図２１は、図２０の如き遷移に対して得られる結果を示し、３０回の起立−着座遷移のうち、２５回の起立−着座遷移が正しく推定され、３０回の着座−起立遷移のうち２７回の着座−起立遷移が正しく推定され、１０回の前傾のうち６回の前傾が誤って起立−着座遷移として推定された。図２１及び後述する図２２及び図２３では、状態遷移の正解率を１．００を最大値（即ち、正解率が１００％）として示す。

図２２は、上記特許文献１と類似した方法により状態遷移を検出した場合に相当する比較例１おいて図２０の如き遷移に対して得られる実験結果の一例を示す図である。また、図２３は、上記特許文献２と類似した方法により状態遷移を検出した場合に相当する比較例２おいて図２０の如き遷移に対して得られる実験結果の一例を示す図である。

図２１と図２２及び図２３との比較からも明らかなように、実施例１によれば、対象者２１の起立−着座遷移及び着座−起立遷移の正解率が比較例１，２に比べて向上することが確認された。従って、上記実施例によれば、対象者２１の起立−着座遷移及び着座−起立遷移を識別できると共に、起立−着座遷移及び着座−起立遷移を高精度に推定可能であることが確認された。

ところで、上記実施例では、姿勢推定処理は姿勢推定装置１のＣＰＵ２が実行するが、姿勢推定処理は、姿勢推定装置１のＣＰＵ２及びサーバ１１による分散処理により実行しても良い。

姿勢推定処理を全て、或いは、姿勢推定処理の大部分を姿勢推定装置１のＣＰＵ２が実行する場合、リアルタイムで姿勢を推定できる。また、推定した各静止状態、各運動状態、及び各状態遷移を時間情報と共に記憶部３に記憶する場合、記憶部３内で履歴を記憶するのに要するデータ記憶領域を詳細な履歴情報を記憶する場合と比べて削減できる。

一方、姿勢推定処理を全て、或いは、姿勢推定処理の大部分をサーバ１１が実行する場合、姿勢推定装置１側のＣＰＵ２の負荷を軽減することができる。

なお、上記実施例において、傾き角度φを比較対象と比較する場合、比較対象に対して一定の許容範囲を設けて、例えば許容範囲内での一致の検出を比較対象との一致の検出として許容するようにしても良いことは言うまでもない。

開示の姿勢推定装置、方法及びプログラムによれば、対象者２１の姿勢、特に起立状態と着座状態、及び、起立状態と着座状態間の遷移状態を高精度に推定することができる。また、対象者２１の姿勢は、単一の３軸加速度センサを用いた、対象者２１への装着により日常生活に支障が生じない程度の比較的簡単な構成で、リアルタイムで推定することができる。

以上の実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記１）
対象者の上半身の加速度を検出する３軸加速度センサを、前記３軸加速度センサの第１の軸と第２の軸の方向が夫々起立状態の前記対象者の前後方向と上下方向と一致するように装着した前記対象者の姿勢を推定する姿勢推定装置であって、
前記３軸加速度センサの出力に含まれる直流信号成分に基づいて前記対象者の静止状態を検出し、前記静止状態に関するパラメータを記憶する静止状態検出手段と、
前記３軸加速度センサの出力に含まれる交流信号成分に基づいて前記対象者の運動状態を検出し、前記運動状態に関するパラメータを記憶する運動検出手段と、
前記運動検出手段が記憶した前回の運動状態に関するパラメータと、前記前回の運動状態の前後に相当する、前記静止状態検出手段が記憶した前回及び今回の静止状態に関するパラメータとに基づいて、前記対象者の状態遷移を検出する状態遷移検出手段とを備え、
前記状態遷移検出手段は、前記運動検出手段が前記対象者の運動状態を検出する前後に前記静止状態検出手段が検出する静止状態が前記対象者の着座状態及び起立状態を含む直立状態であると、前記運動検出手段が検出する前記対象者の運動状態の終了時までの一定期間内の、前記第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、前記変位が第１の値未満であれば起立状態への遷移を推定し、前記第１の値より大きい第２の値を超えていれば着座状態への遷移を推定する
ことを特徴とする、姿勢推定装置。
（付記２）
前記状態遷移検出手段は、前記運動検出手段が前記３軸加速度センサの出力をモデル化した前記第２の軸の方向に沿った加速度信号のピークが得られる時刻からある閾値時間以内に前記対象者の運動の終了を検出すると、前記起立状態から前記着座状態への遷移を検出することを特徴とする、付記１記載の姿勢推定装置。
（付記３）
前記第１の値は−２０°であり、前記第２の値は２０°であることを特徴とする、付記１または２記載の姿勢推定装置。
（付記４）
前記状態遷移検出手段は、前回の静止状態が横臥状態ではなく、且つ、今回の静止状態が直立状態であると判定すると、着座−起立遷移であるか、或いは、起立−着座遷移であるかを判定し、判定結果に関するデータを時間情報と共に記憶することを特徴とする、付記１乃至３のいずれか１項記載の姿勢推定装置。
（付記５）
前記状態遷移検出手段は、前記３軸加速度センサの出力をモデル化した前記第１の軸の方向に沿った加速度信号または前記第２の軸の方向に沿った加速度信号のピーク数が閾値以上であると、着座−起立間の状態遷移ではないと判定することを特徴とする、付記１乃至４のいずれか１項記載の姿勢推定装置。
（付記６）
前記静止状態検出手段は、前記傾き角度が前記第１の値より大きくないと、前記傾き角度と前記対象者が前記直立状態にあるときの参照傾き角度との差で表される角度変位と、前記傾き角度を含む前記対象者の状態が持続される期間と、前記対象者の前回の運動状態に関するデータに基づき、前記対象者が起立状態である確率Ｐ（STD）及び前記対象者が着座状態である確率Ｐ（SIT）を算出して、Ｐ（SIT）＞Ｐ（STD）であると着座状態を検出し、Ｐ（SIT）＞Ｐ（STD）以外であると起立状態を検出することを特徴とする、付記１乃至５のいずれか１項記載の姿勢推定装置。
（付記７）
対象者の上半身の加速度を検出する３軸加速度センサを、前記３軸加速度センサの第１の軸と第２の軸の方向が夫々起立状態の前記対象者の前後方向と上下方向と一致するように装着した前記対象者の姿勢を推定する姿勢推定方法であって、
プロセッサが、前記３軸加速度センサの出力に含まれる直流信号成分に基づいて前記対象者の静止状態を検出して前記静止状態に関するパラメータを記憶し、
前記プロセッサが、前記３軸加速度センサの出力に含まれる交流信号成分に基づいて前記対象者の運動状態を検出して前記運動状態に関するパラメータを記憶し、
前記プロセッサが、記憶した前回の運動状態に関するパラメータと、前記前回の運動状態の前後に相当する、記憶した前回及び今回の静止状態に関するパラメータとに基づいて、前記対象者の状態遷移を検出し、
前記状態遷移の検出は、前記運動の検出が前記対象者の運動状態を検出する前後に前記静止状態の検出が検出する静止状態が前記対象者の着座状態及び起立状態を含む直立状態であると、前記運動の検出が検出する前記対象者の運動状態の終了時までの一定期間内の、前記第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、前記変位が第１の値未満であれば起立状態への遷移を推定し、前記第１の値より大きい第２の値を超えていれば着座状態への遷移を推定する
ことを特徴とする、姿勢推定方法。
（付記８）
前記状態遷移の検出は、前記運動の検出が前記３軸加速度センサの出力をモデル化した前記第２の軸の方向に沿った加速度信号のピークが得られる時刻からある閾値時間以内に前記対象者の運動の終了を検出すると、前記起立状態から前記着座状態への遷移を検出することを特徴とする、付記７記載の姿勢推定方法。
（付記９）
前記第１の値は−２０°であり、前記第２の値は２０°であることを特徴とする、付記７または８記載の姿勢推定方法。
（付記１０）
前記状態遷移の検出は、前回の静止状態が横臥状態ではなく、且つ、今回の静止状態が直立状態であると判定すると、着座−起立遷移であるか、或いは、起立−着座遷移であるかを判定し、判定結果に関するデータを時間情報と共に記憶することを特徴とする、付記７乃至９のいずれか１項記載の姿勢推定方法。
（付記１１）
前記状態遷移の検出は、前記３軸加速度センサの出力をモデル化した前記第１の軸の方向に沿った加速度信号または前記第２の軸の方向に沿った加速度信号のピーク数が閾値以上であると、着座−起立間の状態遷移ではないと判定することを特徴とする、付記７乃至１０のいずれか１項記載の姿勢推定方法。
（付記１２）
前記静止状態の検出は、前記傾き角度が前記第１の値より大きくないと、前記傾き角度と前記対象者が前記直立状態にあるときの参照傾き角度との差で表される角度変位と、前記傾き角度を含む前記対象者の状態が持続される期間と、前記対象者の前回の運動状態に関するデータに基づき、前記対象者が起立状態である確率Ｐ（STD）及び前記対象者が着座状態である確率Ｐ（SIT）を算出して、Ｐ（SIT）＞Ｐ（STD）であると着座状態を検出し、Ｐ（SIT）＞Ｐ（STD）以外であると起立状態を検出することを特徴とする、付記７乃至１１のいずれか１項記載の姿勢推定方法。
（付記１３）
コンピュータに、対象者の上半身の加速度を検出する３軸加速度センサを、前記３軸加速度センサの第１の軸と第２の軸の方向が夫々起立状態の前記対象者の前後方向と上下方向と一致するように装着した前記対象者の姿勢を推定させるプログラムであって、
前記３軸加速度センサの出力に含まれる直流信号成分に基づいて前記対象者の静止状態を検出して前記静止状態に関するパラメータを記憶部に記憶する静止状態検出手順と、
前記３軸加速度センサの出力に含まれる交流信号成分に基づいて前記対象者の運動状態を検出して前記運動状態に関するパラメータを前記記憶部に記憶する運動検出手順と、
前記運動検出手順が記憶した前回の運動状態に関するパラメータと、前記前回の運動状態の前後に相当する、前記静止状態検出手順が記憶した前回及び今回の静止状態に関するパラメータとに基づいて、前記対象者の状態遷移を検出する状態遷移検出手順段と
を前記コンピュータに実行させ、
前記状態遷移検出手順は、前記運動検出手順が前記対象者の運動状態を検出する前後に前記静止状態検出手順が検出する静止状態が前記対象者の着座状態及び起立状態を含む直立状態であると、前記運動検出手順が検出する前記対象者の運動状態の終了時までの一定期間内の、前記第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、前記変位が第１の値未満であれば起立状態への遷移を推定し、前記第１の値より大きい第２の値を超えていれば着座状態への遷移を推定する
ことを特徴とする、プログラム。
（付記１４）
前記状態遷移検出手順は、前記運動検出手順が前記３軸加速度センサの出力をモデル化した前記第２の軸の方向に沿った加速度信号のピークが得られる時刻からある閾値時間以内に前記対象者の運動の終了を検出すると、前記起立状態から前記着座状態への遷移を検出することを特徴とする、付記１３記載のプログラム。
（付記１５）
前記第１の値は−２０°であり、前記第２の値は２０°であることを特徴とする、付記１３または１４記載のプログラム。
（付記１６）
前記状態遷移検出手順は、前回の静止状態が横臥状態ではなく、且つ、今回の静止状態が直立状態であると判定すると、着座−起立遷移であるか、或いは、起立−着座遷移であるかを判定し、判定結果に関するデータを時間情報と共に記憶することを特徴とする、付記１３乃至１５のいずれか１項記載のプログラム。
（付記１７）
前記状態遷移検出手順は、前記３軸加速度センサの出力をモデル化した前記第１の軸の方向に沿った加速度信号または前記第２の軸の方向に沿った加速度信号のピーク数が閾値以上であると、着座−起立間の状態遷移ではないと判定することを特徴とする、付記１３乃至１６のいずれか１項記載のプログラム。
（付記１８）
前記静止状態検出手順は、前記傾き角度が前記第１の値より大きくないと、前記傾き角度と前記対象者が前記直立状態にあるときの参照傾き角度との差で表される角度変位と、前記傾き角度を含む前記対象者の状態が持続される期間と、前記対象者の前回の運動状態に関するデータに基づき、前記対象者が起立状態である確率Ｐ（STD）及び前記対象者が着座状態である確率Ｐ（SIT）を算出して、Ｐ（SIT）＞Ｐ（STD）であると着座状態を検出し、Ｐ（SIT）＞Ｐ（STD）以外であると起立状態を検出することを特徴とする、付記１３乃至１７のいずれか１項記載のプログラム。

以上、開示の姿勢推定装置、方法及びプログラムを実施例により説明したが、本発明は上記実施例に限定されるものではなく、本発明の範囲内で種々の変形及び改良が可能であることは言うまでもない。

１ 姿勢推定装置
１Ａ 装着部
２ ＣＰＵ
３ 記憶部
４ センサ部
５ 通信部
６ バス
１１ サーバ
２１ 分離部
２２ 静止状態検出部
２３ 運動検出部
２４ 状態遷移検出部

Claims (5)

1. 対象者の上半身の加速度を検出する３軸加速度センサを、前記３軸加速度センサの第１の軸と第２の軸の方向が夫々起立状態の前記対象者の前後方向と上下方向と一致するように装着した前記対象者の姿勢を推定する姿勢推定装置であって、
   前記３軸加速度センサの出力に含まれる直流信号成分に基づいて前記対象者の静止状態を検出し、前記静止状態に関するパラメータを記憶する静止状態検出手段と、
   前記３軸加速度センサの出力に含まれる交流信号成分に基づいて前記対象者の運動状態を検出し、前記運動状態に関するパラメータを記憶する運動検出手段と、
   前記運動検出手段が記憶した前回の運動状態に関するパラメータと、前記前回の運動状態の前後に相当する、前記静止状態検出手段が記憶した前回及び今回の静止状態に関するパラメータとに基づいて、前記対象者の状態遷移を検出する状態遷移検出手段とを備え、
   前記状態遷移検出手段は、前記運動検出手段が前記対象者の運動状態を検出する前後に前記静止状態検出手段が検出する静止状態が前記対象者の着座状態及び起立状態を含む直立状態であると、前記運動検出手段が検出する前記対象者の運動状態の終了時までの一定期間内の、前記第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、前記変位が第１の値未満であれば起立状態への遷移を推定し、前記第１の値より大きい第２の値を超えていれば着座状態への遷移を推定する
   ことを特徴とする、姿勢推定装置。
2. 前記状態遷移検出手段は、前記運動検出手段が前記３軸加速度センサの出力をモデル化した前記第２の軸の方向に沿った加速度信号のピークが得られる時刻からある閾値時間以内に前記対象者の運動の終了を検出すると、前記起立状態から前記着座状態への遷移を検出することを特徴とする、請求項１記載の姿勢推定装置。
3. 前記第１の値は−２０°であり、前記第２の値は２０°であることを特徴とする、請求項１または２記載の姿勢推定装置。
4. 対象者の上半身の加速度を検出する３軸加速度センサを、前記３軸加速度センサの第１の軸と第２の軸の方向が夫々起立状態の前記対象者の前後方向と上下方向と一致するように装着した前記対象者の姿勢を推定する姿勢推定方法であって、
   プロセッサが、前記３軸加速度センサの出力に含まれる直流信号成分に基づいて前記対象者の静止状態を検出して前記静止状態に関するパラメータを記憶し、
   前記プロセッサが、前記３軸加速度センサの出力に含まれる交流信号成分に基づいて前記対象者の運動状態を検出して前記運動状態に関するパラメータを記憶し、
   前記プロセッサが、記憶した前回の運動状態に関するパラメータと、前記前回の運動状態の前後に相当する、記憶した前回及び今回の静止状態に関するパラメータとに基づいて、前記対象者の状態遷移を検出し、
   前記状態遷移の検出は、前記運動の検出が前記対象者の運動状態を検出する前後に前記静止状態の検出が検出する静止状態が前記対象者の着座状態及び起立状態を含む直立状態であると、前記運動の検出が検出する前記対象者の運動状態の終了時までの一定期間内の、前記第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、前記変位が第１の値未満であれば起立状態への遷移を推定し、前記第１の値より大きい第２の値を超えていれば着座状態への遷移を推定する
   ことを特徴とする、姿勢推定方法。
5. コンピュータに、対象者の上半身の加速度を検出する３軸加速度センサを、前記３軸加速度センサの第１の軸と第２の軸の方向が夫々起立状態の前記対象者の前後方向と上下方向と一致するように装着した前記対象者の姿勢を推定させるプログラムであって、
   前記３軸加速度センサの出力に含まれる直流信号成分に基づいて前記対象者の静止状態を検出して前記静止状態に関するパラメータを記憶部に記憶する静止状態検出手順と、
   前記３軸加速度センサの出力に含まれる交流信号成分に基づいて前記対象者の運動状態を検出して前記運動状態に関するパラメータを前記記憶部に記憶する運動検出手順と、
   前記運動検出手順が記憶した前回の運動状態に関するパラメータと、前記前回の運動状態の前後に相当する、前記静止状態検出手順が記憶した前回及び今回の静止状態に関するパラメータとに基づいて、前記対象者の状態遷移を検出する状態遷移検出手順段と
   を前記コンピュータに実行させ、
   前記状態遷移検出手順は、前記運動検出手順が前記対象者の運動状態を検出する前後に前記静止状態検出手順が検出する静止状態が前記対象者の着座状態及び起立状態を含む直立状態であると、前記運動検出手順が検出する前記対象者の運動状態の終了時までの一定期間内の、前記第１の軸の方向と重力方向とがなす傾き角度の変位を算出し、前記変位が第１の値未満であれば起立状態への遷移を推定し、前記第１の値より大きい第２の値を超えていれば着座状態への遷移を推定する
   ことを特徴とする、プログラム。