JP2016140591A - 動作解析評価装置、動作解析評価方法、及びプログラム - Google Patents

Abstract

【課題】身体動作の解析及び評価の対象者への負担が少なく、安価で容易に導入が可能で、身体動作に関して定量的な評価を可能にする装置を提供する。
【解決手段】データ取得部３１は、被験者の後姿の撮影した距離画像のデータと横姿を撮影した距離画像のデータとを取得する。パラメータ算出部３３は、距離画像のデータを解析して被験者の歩行動作に関する歩行パラメータを算出する。定量化演算部３４は、歩行パラメータに基づいて、被験者の歩行動作の評価情報を演算する。
【選択図】図２

Description

本発明は、歩行等の動作解析と評価を行う動作解析評価装置、動作解析評価方法、及びプログラムに関するものである。

従来、歩行機能等の回復を目的としたリハビリテーションの効果を評価するための評価システムや運動計測システムでは、患者等の歩行動作を解析するための装置として、例えば床反力計測装置やモーションセンサ、モーションキャプチャなどが用いられている。

例えば、特許文献１には、ペダルへの荷重を検出して、ペダルに荷重が及ぼされるときに、その荷重に応じた負荷を及ぼすように形成されていることで、例えば高齢者や障害者が下肢の訓練を行う際に、自らの脚力に応じて脚の伸展及び屈曲を行い得る下肢筋力評価・訓練装置が開示されている。また例えば、特許文献２には、実際の歩行と同様に立位歩行時の床反力を受けることができ、訓練者の歩行の位相に応じて股・膝・足関節を協調動作したり、歩幅を拡大、縮小したり、歩行周期を延長、短縮したりする訓練を実施可能とした歩行訓練装置が開示されている。さらに例えば、特許文献３には、歩行周期に合わせて股・膝・足関節駆動部を駆動し、両下肢を協調させて動作させるとともに、生体情報計測手段により計測された生体情報を基に訓練者の訓練状況を評価し、訓練者の歩幅と歩行周期の一方あるいは両方を変更することができる歩行訓練装置が開示されている。

特開２００８−９９７２７号公報 特開２００５−２１１０８６号公報 特開２００５−７４０６３号公報

ところで、前述のような従来の評価システムや運動計測システム、歩行訓練装置では、リハビリテーションが必要な患者に対して様々な装置を装着することによる負担が大きいという問題がある。また、リハビリテーションによる歩行機能等の改善度を正確且つ定量的に評価することは難しく、リハビリテーションを進める際に効果的なフィードバックを行うためには、正確な評価が可能な専用の評価装置や高度な知識を持った専門家が必要となる。しかしながら、専用の評価装置は高額であり、装置も大掛かりなものが必要となって、簡単に導入できるとは言い難い。

本発明はこのような問題点に鑑みてなされたものであり、身体動作の解析及び評価の対象者への負担が少なく、安価で容易に導入が可能で、身体動作に関して定量的な評価を可能とする動作解析評価装置、動作解析評価方法、及びプログラムを提供することを目的とする。

本発明の動作解析評価装置は、身体動作の解析及び評価の対象者の、前後姿の少なくとも何れか一方の姿を撮影した第１の距離画像のデータと、左右横姿の少なくとも何れか一方の姿を撮影した第２の距離画像のデータとを、取得するデータ取得手段と、前記取得された第１の距離画像のデータと第２の距離画像のデータを解析して、前記対象者の身体動作に関するパラメータを算出するパラメータ算出手段と、前記算出されたパラメータに基づいて前記対象者の身体動作の評価に関する情報を演算する演算手段とを有することを特徴とする。

本発明の動作解析評価方法は、動作解析評価装置が実行する動作解析評価方法であって、身体動作の解析及び評価の対象者の、前後姿の少なくとも何れか一方の姿を撮影した第１の距離画像のデータと、左右横姿の少なくとも何れか一方の姿を撮影した第２の距離画像のデータとを、取得するデータ取得ステップと、前記取得された第１の距離画像のデータと第２の距離画像のデータを解析して、前記対象者の身体動作に関するパラメータを算出するパラメータ算出ステップと、前記算出されたパラメータに基づいて前記対象者の身体動作の評価に関する情報を演算する演算ステップとを含むことを特徴とする。

本発明のプログラムは、コンピュータを、身体動作の解析及び評価の対象者の、前後姿の少なくとも何れか一方の姿を撮影した第１の距離画像のデータと、左右横姿の少なくとも何れか一方の姿を撮影した第２の距離画像のデータとを、取得するデータ取得手段と、前記取得された第１の距離画像のデータと第２の距離画像のデータを解析して、前記対象者の身体動作に関するパラメータを算出するパラメータ算出手段と、前記算出されたパラメータに基づいて前記対象者の身体動作の評価に関する情報を演算する演算手段として機能させる。

本発明によれば、身体動作の解析及び評価の対象者への負担が少なく、安価で容易に導入が可能で、身体動作に関して定量的な評価が可能となる。

本実施形態の動作解析評価装置の概略的なシステム構成例を示す図である。 本実施形態の情報処理装置の概略構成の説明に用いる図である。 情報処理装置の制御・演算部におけるデータ取得から評価情報の算出までの処理の流れを示すフローチャートである。 被験者（患者）の後姿と骨格認識、身体部位、重心等の説明に用いる図である。 被験者（健常者）の後姿と骨格認識、身体部位、重心等の説明に用いる図である。 身体の１４部位の説明に用いる図である。 被験者（患者）の横姿と骨格認識、重心等の説明に用いる図である。 被験者（健常者）の横姿と骨格認識、重心等の説明に用いる図である。 被験者の脚角度と脚角度の説明に用いる図である。 被験者（患者）の歩行動作における足部のｘ座標と時間との関係を示す図である。 被験者（健常者）の歩行動作における足部のｘ座標と時間との関係を示す図である。 患者と健常者における歩行動作の立脚期間と遊脚期間の割合の一例を示す図である。 被験者（健常者）の歩行動作中の重心移動と時間との関係を示す図である。 被験者である健常者と患者の歩行動作中の重心移動の比較に用いる図である。 被験者である健常者と患者の歩行動作中の重心移動推移の比較に用いる図である。 被験者である健常者と患者の歩行動作中の重心座標のヒストグラムによる評価の説明に用いる図である。 被験者である健常者と患者の歩行動作中の重心位置を分散により数値化した一例を示す図である。 被験者である健常者と患者の歩行動作中の膝角度の比較による評価の説明に用いる図である。 被験者である健常者と患者の歩行動作中の足角度の比較による評価の説明に用いる図である。 被験者（患者）の過去と現在の、膝角度のフーリエ解析結果による評価の説明に用いる図である。 被験者（患者）の過去と現在の、歩行周期外に現われる不安定特徴量の説明に用いる図である。 被験者（患者）の過去と現在の、歩行周期外に現われる不安定特徴量の割合に基づく評価の説明に用いる図である。 被験者（患者）の過去と現在の、歩行周期外に現われる不安定特徴量と割合の数値の一例を示す図である。

図１には、本発明実施形態の動作解析評価装置の概略的なシステム構成の一例を示す。図１に示すように、本実施形態に係る動作解析評価装置は、例えば二つの距離画像センサ１１，１２と、情報処理装置２０とを有して構成されている。なお、図１のシステム構成には、トレッドミル１３も含まれている。トレッドミル１３は、被験者１がコンベア上を歩行するために用意されている。

距離画像センサ１１，１２は、ＲＧＢのカラー画像を撮影するＲＧＢカメラと、所定のパターンの赤外光を投影するＩＲプロジェクタと、赤外光を撮影するＩＲカメラとを有し、ＩＲプロジェクタとＩＲカメラにより距離画像の撮影が可能となされ、またＲＧＢカメラによりカラー動画像の撮影が可能となされた、ＲＧＢ−Ｄカメラである。なお、距離画像とは、各画素値が色や濃淡の値からなる通常の画像ではなく、各画素値が距離画像センサから撮影対象物までの距離に応じた値となっている画像である。これら距離画像センサ１１，１２は、一例としてマイクロソフト社のＫｉｎｅｃｔ（商標）等を用いることができる。

また本実施形態において、距離画像センサ１１は被験者１の横姿の距離画像とカラー画像を同時に撮影するために設置されており、距離画像センサ１２は被験者１の後姿の距離画像とカラー画像を同時に撮影するために設置されている。なお、被験者１が歩行機能に関するリハビリテーションを行っている患者であり、例えば右脚側に障害があるような場合、横姿用の距離画像センサ１１は、被験者１の右側横姿を撮影可能な場所に配置されることが望ましい。距離画像センサ１１，１２により撮影された距離画像とカラー画像のデータは、信号ケーブル若しくは無線を介して情報処理装置２０へ送信される。

被験者１は、本実施形態の動作解析評価装置による身体動作の解析と評価の対象者である。本実施形態では、被験者１の身体動作の一例として歩行動作を挙げ、以下、その歩行動作の解析と評価に関して説明する。また本実施形態において、被験者１は、距離画像センサ１１により横姿が撮影される側の膝と足首にそれぞれ所定色のマーカテープ８，９を装着している。図１の例の場合、テープ８，９は、被験者の右脚の膝と足首に装着されている。このため、距離画像センサ１１は、被験者１の右側横姿を撮影するように設置されている。また、本実施形態の場合、動作解析評価装置は、テープ８，９の色を判別することにより、それらテープ８，９をマーカとして検出可能となされている。本実施形態の場合、テープ８，９の色は例えば赤色となされているが、本実施形態の動作解析評価装置が、被験者１の衣服等の色とテープ８，９の色を混同して誤検出してしまわない色であれば、赤色以外の他の色であってもよい。また本実施形態の場合、テープ８，９は、脚への巻き付けと取り外しが容易な例えば面ファスナーを備えたテープとなされている。その他にも、テープ８，９は、表面の色が前述の所定色となされているのであれば、例えばゴムバンドや他のベルトなどであってもよい。

情報処理装置２０は、一例としてディスプレイ部を備えたパーソナルコンピュータ等である。情報処理装置２０は、距離画像センサ１１，１２から供給されたデータを用いて、被験者１の歩行動作を解析する。具体的には、情報処理装置２０は、距離画像センサ１１，１２から供給された距離画像とカラー画像のデータを解析することにより、被験者１の歩行動作を表すパラメータ（以下、歩行パラメータとする。）を算出する。詳細は後述するが、歩行パラメータは、例えば、歩行速度、歩行周期、立脚期間、遊脚期間などの時間的パラメータと、関節モーメントなどの力学的パラメータと、歩幅、重心移動、関節角度、脚角度などの空間的パラメータを含んでいる。

さらに、情報処理装置２０は、被験者１の歩行動作に応じた歩行パラメータに基づいて、その被験者１の歩行動作に関する定量的な評価情報を生成して、例えばディスプレイ部への表示や印刷等による出力が可能となされている。また例えば、被験者１が歩行機能に障害を有した患者である場合、情報処理装置２０は、現在の歩行パラメータと、その患者（被験者１）について過去に解析した歩行パラメータとの比較を行うことにより、リハビリテーションの経過による歩行能力の改善度を定量的に表す評価情報を生成して出力することも可能となされている。

図２には、本実施形態の情報処理装置２０の概略的な構成例を示す。なお、図２には、本実施形態の情報処理装置２０が実行する主要な処理及び演算に対応した構成要素のみを抜き出して示しているが、もちろん、情報処理装置２０は一般的なパーソナルコンピュータが実行可能な各種様々な処理や演算も可能であり、それらの各構成要素についての図示は省略している。図２には、距離画像センサ１１，１２とディスプレイ部２５も描かれている。

図２において、情報処理装置２０は、ユーザにより操作されるキーボードやマウスなどの操作入力部２２と、本実施形態における歩行動作の解析と評価を行うためのプログラムや各種設定データを記憶したメモリ部２３と、距離画像やカラー画像のデータ、歩行パラメータや評価情報を記録するデータ記録部２４と、歩行動作の解析と評価のための各種処理及び演算と制御を行う制御・演算部２１とを有している。

制御・演算部２１は、例えばＣＰＵであり、メモリ部２３に記憶されている本実施形態に係るプログラムを実行することにより、データ取得部３１、パラメータ測定部３２、パラメータ算出部３３、定量化演算部３４を形成する。

データ取得部３１は、距離画像センサ１１，１２から距離画像データとカラー画像データを取得し、また、それら距離画像データとカラー画像データから被験者１の後述する関節点を検出する。パラメータ測定部３２は、データ取得部３１により取得された距離画像データとカラー画像データ、及び、被験者１の関節点のデータから歩行パラメータの算出に必要な値を測定する。パラメータ算出部３３は、距離画像データ及びカラー画像データとパラメータ測定部３２により測定されたデータとを用いて、歩行パラメータを算出する。定量化演算部３４は、歩行パラメータに基づいて、被験者１の歩行能力を表す評価情報を算出する。そして、情報処理装置２０は、評価情報をディスプレイ部２５へ送って画面表示させる。

図３には、制御・演算部２１が、距離画像センサ１１，１２から距離画像データとカラー画像データを取得し、それらデータを用いて歩行パラメータを算出し、さらにその歩行パラメータから評価情報を演算するまでのフローチャートを示す。

被験者１の歩行能力の解析及び評価を行う場合、先ず、図３のフローチャートのステップＳ１の処理として、制御・演算部２１は、操作入力部２２を介して入力された被験者データを取得する。なお、この際の被験者データは、一例として、被験者１の身長、頭の中央から腰の中央までの長さ、右腕の長さ、左腕の長さ、肩の中央から腰の中央までの長さ、腰の右端から右膝までの長さ、右膝から右足までの長さ、腰の左端から左膝までの長さ、左膝から左足までの長さなどを挙げることができる。これら被験者データはあくまでも一例であり、歩行パラメータとしてどのようなパラメータを算出するかにより、適宜変更や追加等することができる。ステップＳ１で被験者データの取得が完了すると、制御・演算部２１は、ステップＳ２へ処理を進める。

ステップＳ２に進むと、制御・演算部２１は、距離画像センサ１１，１２を起動させる。このステップＳ２の後、制御・演算部２１は、ステップＳ３へ処理を進める。

ステップＳ３の処理は、制御・演算部２１のデータ取得部３１が行う。データ取得部３１は、ステップＳ３の処理として、距離画像センサ１１，１２から規定フレーム数分の距離画像とカラー画像のデータを取得して、それら画像データを用いて被験者１の関節点を検出する。

ステップＳ３のデータ取得処理は、具体的にはステップＳ１１〜Ｓ１３の処理からなる。先ず、データ取得部３１は、ステップＳ１１の処理として、距離画像センサ１１，１２から距離画像とカラー画像のデータを取得する。次に、データ取得部３１は、ステップＳ１２の処理として、距離画像とカラー画像から被験者１の各関節点を検出する。

なお、データ取得部３１がステップＳ１２で取得する関節点は、人体の実際の各関節に対応した関節点でもよいが、本実施形態の場合は、頭、喉下（若しくは肩の中央）、左右の肩、左右の肘、左右の手首、左右の手、背骨の中央、腰の中央、腰の左端、腰の右端、左右の膝、左右の踵、左右の足などを、それぞれ関節点として検出する。データ取得部３１は、これら各関節点のデータを、後姿用の距離画像センサ１２の距離画像とカラー画像から取得している。さらに実施形態の場合、データ取得部３１は、横姿用の距離画像センサ１１の距離画像とカラー画像を用いて、例えば被験者１の頭、喉下、腰、膝（距離画像センサ１１が撮影している側の膝）、足（距離画像センサ１１が撮影している側の足）をも、関節点として検出する。

そして、データ取得部３１は、ステップＳ１３の処理として、予め決められた規定フレーム数分の距離画像とカラー画像についてステップＳ１２で各関節点のデータを取得したか否か判定する。データ取得部３１は、規定フレーム数分には達していないと判定した場合にはステップＳ１１へ処理を戻す。一方、ステップＳ１３において規定フレーム数分のデータを取得したと判定された場合、制御・演算部２１は、処理をステップＳ４へ進める。

ステップＳ４の処理は、制御・演算部２１のパラメータ測定部３２が行う。パラメータ測定部３２は、ステップＳ４の処理として、歩行パラメータの算出に必要な値を測定する。

ステップＳ４のパラメータ測定処理は、具体的にはステップＳ１４とＳ１５の処理からなる。パラメータ測定部３２は、ステップＳ１４の処理として、先ず、後姿用の距離画像センサ１２から得られた距離画像データ及びカラー画像データと前述のステップＳ１２で検出された各関節点のデータとを用い、被験者１の骨格を認識し、またそれら骨格と各関節点の位置合わせを行う。

なお、パラメータ測定部３２が認識する骨格は、実際の人体に対応した骨格でもよいが、本実施形態の場合、パラメータ測定部３２は、例えば頭部、喉下部（若しくは肩の中央部）、左右の上腕部、左右の前腕部、左右の手首部、左右の手部、左右の腰部、左右の膝部、左右の踵部、左右の足部などを、それぞれ骨格として認識する。

図４、図５には、本実施形態において認識される各骨格に対応したマークを、後姿用の距離画像センサ１２から得られる被験者の画像上に描画した例を示している。図４、図５の例では、頭部マーク３ｈ、喉下部マーク３ｕ（若しくは肩の中央部）、左右の上腕部マーク３ｕａ、左右の前腕部マーク３ｆａ、左右の手首部マーク３ｗａ、左右の手部マーク３ｈａ、左右の腰部マーク３ｐｊ、左右の膝部マーク３ｋ、左右の踵部マーク３ａ、左右の足部マーク３ｆなどが描画されている。なお、図４には、被験者が歩行機能に障害を持った患者である場合に、後姿用の距離画像センサ１２による後姿の患者（後姿の被験者１ｒ）の画像上に、各骨格に対応したマークとともに、後述する身体部位と重心に対応しマーク等を描画した例を示している。一方、図５には、被験者が健常者である場合に、後姿用の距離画像センサ１２による後姿の健常者（後姿の被験者１ｒ）の画像上に、各骨格に対応したマークとともに、後述する身体部位と重心に対応しマーク等を描画した例を示している。制御・演算部２１は、例えば操作入力部２２を介した利用者からの要求に応じて、これら被験者の画像と描画された各マークをディスプレイ部２５の画面上に表示する。

またステップＳ１４において、パラメータ測定部３２は、認識した骨格の情報に基づいて、被験者１の身体部位を１４部位に分ける。本実施形態の場合、パラメータ測定部３２は、身体画像を、例えば、頭部位、体幹部位、左右の上腕部位、左右の前腕部位、左右の手部位、左右の上腿部位、左右の下腿部位、左右の足部位の合計１４部位に分割する。

図４、図５、図６には、１４部位の各部位に対応したマークを画像上に描画した例を示す。図４、図５、図６の例では、頭部位マーク４ｈ、体幹部位マーク４ｂｔ、左右の上腕部位マーク４ｕａ、左右の前腕部位マーク４ｆａ、左右の手部位マーク４ｈａ、左右の上腿部位マーク４ｌｆ、左右の下腿部位マーク４ｌｓ、左右の足部位マーク４ｆなどが描画されている。制御・演算部２１は、例えば操作入力部２２を介した利用者からの要求に応じて、それら被験者の画像と描画された各マークをディスプレイ部２５の画面上に表示する。なお、ここでは身体部位を１４部位に分けた例を挙げたが、１６部位に分けるようにしてもよい。

ステップＳ１４の処理後、パラメータ測定部３２は、ステップＳ１５へ処理を進める。ステップＳ１５に進むと、パラメータ測定部３２は、横姿用の距離画像センサ１１から得られた距離画像データ及びカラー画像データと、前述のステップＳ１２で検出された各関節点のデータとに基づいて、被験者１の横姿の骨格を認識し、またそれら骨格と関節点の位置合わせを行う。

さらに、パラメータ測定部３２は、前述した所定色のテープ８，９をマーカとして検出し、それらテープ８，９によるマーカ検出データを用いて、被験者１の後姿についてステップＳ１４で認識した骨格と関節点の位置を補正する。すなわち、ステップＳ１５での位置補正は、歩行動作の際に特に動きが激しい脚について、距離画像とカラー画像だけでは、被験者１の脚の動きに対して各検出された関節点や認識された骨格の位置がずれてしまうことが多いために、そのようなずれを補正するために行われる。

図７、図８には、本実施形態において、横姿用の距離画像センサ１１のデータを基に認識された各骨格に対応したマークを、被験者の横姿の画像上に描画した例を示している。図７、図８の例では、頭部マーク２ｈ、喉下部マーク２ｕ、腰部マーク２ｐ、膝部マーク２ｋ、踵部マーク２ａなどが描画されている。なお、図７には、被験者が歩行機能に障害を持った患者である場合に、横姿用の距離画像センサ１１による横姿の患者１ｂの画像上に、各骨格に対応したマークと、後述する重心に対応しマークを描画した例を示している。特に、図７の領域ＦＰで囲うテープ９と踵部マーク２ａは、それらの移動軌跡を解析することで、後述する足振り（ＡＰ）の周期を算出する際などに用いられる。一方、図８には、被験者が健常者である場合に、横姿用の距離画像センサ１１による横姿の健常者１ｂの画像上に、各骨格に対応したマークと、後述する重心に対応しマーク等を描画した例を示している。制御・演算部２１は、例えば操作入力部２２を介した利用者からの要求に応じて、それら被験者の画像と描画された各マークをディスプレイ部２５の画面上に表示する。

ステップＳ１５の処理後、制御・演算部２１は、ステップＳ５へ処理を進める。ステップＳ５の処理は、制御・演算部２１のパラメータ算出部３３が行う。パラメータ算出部３３は、ステップＳ５の処理として、ステップＳ４にてパラメータ測定部３２が測定した各データを用いて、歩行パラメータを算出する。歩行パラメータは、前述したように、歩行速度、歩行周期、立脚期間、遊脚期間などの時間的パラメータと、関節モーメントなどの力学的パラメータと、歩幅、重心の移動、関節角度などの空間的パラメータを含んでいる。

以下、パラメータ算出部３３による各歩行パラメータの算出方法についてそれぞれ説明する。先ず、被験者１の重心のパラメータから説明する。パラメータ算出部３３は、前述のステップＳ４で測定された身体の１４部位ごとに予め設定された比重と、各部位の座標のモーメントとに基づいて、被験者１の重心を算出する。すなわち、１４部位の各比重に応じた割合をそれぞれｍ１，ｍ２，ｍ３，・・・，ｍ１４とし、各部位の三次元座標それぞれ（ｘ１，ｙ１，ｚ１），（ｘ２，ｙ２，ｚ２），（ｘ２，ｙ２，ｚ２），・・・，（ｘ１４，ｙ１４，ｚ１４）とした場合、パラメータ算出部３３は、下記の式（１）により重心を算出する。

Ｘ＝（m1・x1＋m2・x2＋…＋m14・x14）／（m1＋m2＋…＋m14） 式（１）

なお、式（１）は重心のＸ座標の算出式を示しており、パラメータ算出部３３は、重心のＹ座標についても同様の式により算出する。但し、重心のＺ座標については、距離画像センサ１１，１２から得られる距離画像の各画素間で相関を算出して座標値に変換した後に上述同様にして重心を算出する。関節モーメントは、重心算出の際に使用される各部位の座標のモーメントから算出される。また、各部位の割合としては、一例として、頭部位の割合が「７」、体幹部位の割合が「４３」、左の上腕部位と前腕部位と手部位の合計の割合が「６．５」、同様に右の上腕部位と前腕部位と手部位の合計の割合が「６．５」、左の上腿部位と下腿部位と足部位マークの合計の割合が「１８．５」、同様に右の上腿部位と下腿部位と足部位の合計の割合が「１８．５」などに設定されている。各割合の数字はパーセントである。上腕部位と前腕部位と手部位の各割合、上腿部位と下腿部位と足部位の各割合についても予め設定されている。

図４、図５、図７、図８には、前述のようにして算出された重心を表す重心マーク４ｃ，２ｃを、それぞれ後姿の被験者１ｒ、横姿の被験者１ｂの画像上に描画した例を示している。制御・演算部２１は、例えば操作入力部２２を介した利用者からの要求に応じて、それら被験者の画像と描画された各マークをディスプレイ部２５の画面上に表示する。

次に、関節角度に関するパラメータについて説明する。パラメータ算出部３３は、横姿用の距離画像センサ１１から得られたデータを用いて、関節角度を算出する。図９には、前述の図８の被験者１の横姿の画像のうち脚周辺部分を拡大して示す。この図９に示すように、パラメータ算出部３３は、認識された骨格のうち、腰部（マーク２ｐ）から膝部（マーク２ｋ）までの線分と膝部（マーク２ｋ）から踵部（マーク２ａ）までの線分とが成す角度θｋを、膝の後ろ側角度（以下、膝角度θｋとする。）として算出する。また、パラメータ算出部３３は、膝部（マーク２ｋ）から踵部（マーク２ａ）までの線分と図中一点差線で示す水平線分とが成す角度θａを、脚の後ろ側角度（以下、足角度θａとする。）として算出する。そして、本実施形態のパラメータ算出部３３は、これら膝角度θｋと足角度θａを、関節角度のパラメータとして算出する。

次に、遊脚期間と立脚期間に関するパラメータについて説明する。遊脚とは歩行動作において足が接地せずに浮いている状態であり、遊脚期間とは遊脚の状態となっている期間である。立脚とは歩行動作において足が接地している状態であり、立脚期間とは立脚の状態となっている期間である。パラメータ算出部３３は、距離画像センサ１１，１２のデータを用いて前述のように認識された骨格のうち足部のｘ座標と時間との関係を図１０、図１１に示すような波形として算出する。なお、図１０の例は、被験者が歩行機能に障害を持った患者である場合の足部のｘ座標と時間との関係を表している。一方、図１１は、被験者が健常者である場合の足部のｘ座標と時間との関係を表している。そして、パラメータ算出部３３は、図１０、図１１のような波形から、遊脚期間と立脚期間を求める。

さらにパラメータ算出部３３は、遊脚期間と立脚期間についてそれぞれ平均を求め、それら遊脚期間の平均と立脚期間の平均から、被験者の歩行動作における遊脚期間と立脚期間のそれぞれの割合を算出する。図１２には、被験者が健常者である場合の遊脚期間と立脚期間の割合の一例と、被験者が歩行機能に障害を持った患者である場合の遊脚期間と立脚期間の割合の一例を示している。本実施形態のパラメータ算出部３３は、それら遊脚期間と立脚期間及びそれぞれの割合を、遊脚期間と立脚期間に関するパラメータとして算出する。

次に、歩行周期のパラメータについて説明する。パラメータ算出部３３は、図１０で示したような波形から、被験者が歩行している際の足振りの１周期の平均を歩行周期として算出する。特に被験者が例えば片方の脚が麻痺している障害を持った患者である場合には、麻痺側の脚における平均の歩行周期を算出する。

次に、歩幅のパラメータについて説明する。パラメータ算出部３３は、図１０で示したような波形から、被験者が歩行している際の足振りにおけるｘ座標の移動量の平均を歩幅として算出する。特に被験者が例えば片方の脚が麻痺している障害を持った患者である場合には、麻痺側の脚における平均の歩幅を算出する。

次に、歩行速度のパラメータについて説明する。パラメータ算出部３３は、図１０で説明した歩行周期と、歩行動作により進行方向へ足が移動する際の単位時間内でのｘ座標の移動量から、歩行速度を算出する。

図３のフローチャートの説明に戻り、ステップＳ５にて前述のようにして各歩行パラメータが算出されると、制御・演算部２１は、ステップＳ６へ処理を進める。ステップＳ６の処理は、制御・演算部２１の定量化演算部３４が行う。定量化演算部３４は、ステップＳ６の処理として、ステップＳ５でパラメータ算出部３３により算出された各歩行パラメータに基づいて、被験者１の歩行能力を表す評価情報を算出する。そして、制御・演算部２１は、次のステップＳ７において、評価情報を例えばディスプレイ部２５へ送って画面表示等させる。

以下、定量化演算部３４により算出される評価情報についてそれぞれ説明する。先ず、重心に関する評価情報から説明する。定量化演算部３４は、ステップＳ５にてパラメータ算出部３３が算出した重心のパラメータを用い、重心のＸ，Ｙ座標と時間との関係を示した図１３や図１４のような波形データを、重心に関する評価情報の一つとして算出する。なお、図１３（Ａ）は被験者が健常者である場合における重心のＸ座標と時間との関係を示す波形であり、図１３（Ｂ）は同じく被験者が健常者である場合における重心のＹ座標と時間との関係を示す波形である。また、図１４は、被験者が健常者である場合（図１４（Ａ））と被験者が歩行機能に障害のある患者である場合（図１４（Ｂ））の重心のＸ座標と時間との関係を比較するための図である。

また、定量化演算部３４は、図１５に示すように、重心の位置が被験者１の歩行動作に伴って移動する重心位置の時間推移を、重心に関する評価情報の一つとして算出する。なお、図１５（Ａ）は、被験者が健常者である場合における重心位置推移を示しており、図１５（Ｂ）は被験者が歩行機能に障害のある患者である場合における重心位置推移を示している。

また、定量化演算部３４は、重心位置の時間推移を基に、図１６に示すような重心座標のヒストグラムを、重心に関する評価情報の一つとして算出する。さらに、定量化演算部３４は、図１７に示すように、重心位置の時間推移からデータの分散を求めて数値化することも可能である。

そして、制御・演算部２１は、例えば操作入力部２２を介した利用者からの要求に応じて、それら被験者の重心に関する各評価情報をディスプレイ部２５の画面上に表示する。すなわち例えば、図１３や図１４に示したような重心のＸ，Ｙ座標と時間との関係を表す波形データが画面上に表示された場合、例えば歩行機能に障害がある患者は、医師とともに、患者自身の波形データと健常者の波形データを比較しながら見ることにより、患者が歩行動作している際の重心移動の変化を客観的に評価することが可能となる。

同様に、例えば図１５に示したような重心位置の時間推移を表すデータが画面上に表示された場合、歩行機能に障害がある患者は、医師とともに、患者自身のデータと健常者のデータを比較しならが見ることにより、患者が歩行動作している際の重心位置の時間推移を客観的に評価することが可能となる。

また、例えば図１６に示したような重心座標のヒストグラムが画面上に表示された場合、歩行機能に障害がある患者は、医師とともに、患者自身の重心座標のヒストグラムと健常者のヒストグラムを比較しながら見ることにより、患者が歩行動作している際に体重がどちら側の脚に偏っているのかを客観的に評価することが可能となる。

さらに、図１７に示したようにデータの分散を求めて数値化した場合、歩行機能に障害がある患者は、医師とともに、患者自身の重心座標のヒストグラムと健常者のヒストグラムを比較しながら見ることにより、例えば歩行動作中の重心の動きを表す数値が少ないほど、健常者に近い歩行動作であることを、客観的に評価することが可能となる。

また、定量化演算部３４は、関節角度のパラメータである膝角度θｋと足角度θａを用いて、図１８に示すような膝角度の時間推移及び歩行周期内における膝角度の変化と、図１９に示すような足角度の時間推移及び歩行周期内における足角度の変化を、関節角度に関する評価情報として算出する。具体的には、定量化演算部３４は、歩行周期内における膝角度と足角度の変化については、例えばフーリエ解析により求めている。

また、定量化演算部３４は、フーリエ解析にて歩行周期内における膝角度と足角度の変化を算出することにより、歩行動作とは無関係な動作を抽出して数値化している。なお、図１８（Ａ）は健常者における膝角度の時間推移を示し、図１８（Ｂ）は健常者における歩行周期内の膝角度の変化を示し、図１８（Ｃ）は歩行機能に障害のある患者における膝角度の時間推移を示し、図１８（Ｄ）は歩行機能に障害のある患者における歩行周期内の膝角度の変化を示している。

また、図１９（Ａ）は健常者における足角度の時間推移を示し、図１９（Ｂ）は健常者における歩行周期内の足角度の変化を示し、図１９（Ｃ）は歩行機能に障害のある患者における足角度の時間推移を示し、図１９（Ｄ）は歩行機能に障害のある患者における歩行周期内の足角度の変化を示している。

そして、制御・演算部２１は、例えば操作入力部２２を介した利用者からの要求に応じて、それら被験者の関節角度に関する各評価情報をディスプレイ部２５の画面上に表示する。すなわち例えば、図１８、図１９に示したような膝角度、足角度の時間推移や歩行周期内の角度変化、数値化された情報が画面上に表示された場合、例えば歩行機能に障害がある患者は、医師とともに、患者自身のデータと健常者のデータを比較しながら見ることにより、患者が歩行動作している際の関節角度を客観的に評価することが可能となる。

また本実施形態において、制御・演算部２１は、リハビリテーションの経過による歩行能力の改善度を定量的に表した評価情報を、ディスプレイ部２５等へ出力することも可能となされている。すなわち、被験者１が歩行機能に障害を持つ患者であり、例えば数ヶ月前からリハビリテーションを続けているような場合において、制御・演算部２１は、データ記録部２４に記録されている、過去に解析した歩行パラメータに基づく評価情報と、定量化演算部３４が算出した現在の歩行パラメータに基づく評価情報とを比較可能な状態で表示等させる。

例えば膝角度に関する改善度を例に挙げると、図２０に示すように、例えば４ヶ月前にフーリエ解析により求めた膝角度の変化の値と、現在（４ヶ月後）のフーリエ解析による膝角度の変化の値を、例えばディスプレイ部２５の画面上に表示する。これにより、患者や医師は、リハビリテーションの経過により歩行能力がどの程度改善しているのかを容易に知ることができることになる。

また、リハビリテーションの経過による歩行能力の改善度は、例えば図２１〜図２３に示すように、歩行周期外に現われる不安定な特徴量を算出することでも評価可能である。なお、図２１、図２２は、前述の図２０に示した４ヶ月前に解析された膝角度の変化の値と現在（４ヶ月後）の膝角度の変化の値を拡大して示している。

ここで、図２１、図２２に示すように、フーリエ解析による膝角度の変化の値には、歩行周期外に現われる不安定な動き量が含まれている。歩行周期外に現われる不安定な動き量は、図２２中のエリアＥｇの面積（積分値）を求めることにより算出できる。すなわち、図２２に示すように、４ヶ月前に求めた膝角度の変化の値に含まれる不安定な動き量Ｅｇは、現在（４ヶ月後）の膝角度の変化の値に含まれる不安定な動き量Ｅｇと比較して大きいことがわかる。

そして、本実施形態の定量化演算部３４は、図２２中のエリアＥｇの面積（積分値）と、それ以外のエリアＥｒの面積（積分値）の割合（Ｅｇ／（Ｅｒ＋Ｅｇ））を算出することで、歩行周期外に現われる不安定な特徴量に応じた改善度を、定量的に評価可能としている。

なお、図２３には、４ヶ月前に解析された歩行周期外に現われる不安定な動き量の積分値及びエリアＥｇとエリアＥｒの割合と、現在（４ヵ月後）に解析された歩行周期外に現われる不安定な動き量の積分値及びエリアＥｇとエリアＥｒの割合の一例を示している。この図２３の例の場合、不安定な動作の割合が、４ヶ月前の２９．４％から現在（４ヶ月後）の１０．６％へ減少している。したがって、患者や医師は、リハビリテーションの経過により歩行能力がどの程度改善しているのかを容易に知ることができることになる。

以上説明したように、本実施形態によれば、被験者は前述したテープ８，９を除き、何らかの専用器具やマーカ等を装着する必要がないため、被験者の負担は非常に少ない。

また、本実施形態においては、安価で入手が容易な距離画像センサとパーソナルコンピュータからなる動作解析評価システムにより、関節位置，角度，重心，遊脚期間，立脚期間などといった歩行パラメータを計測可能となされ、それら歩行パラメータに基づく定量的な評価が可能となされている。すなわち、本実施形態によれば、従来の高額で複雑な専用装置や高度な知識を有した専門家を必要としないため、小規模な医療施設などにおいても安価で手軽に、被験者の歩行能力の解析と評価が可能となる。

また、本実施形態によれば、例えば歩行機能に障害を持った患者の歩行能力の評価に適用した場合、患者の歩行動作を撮影したカラー動画像とともに歩行パラメータに基づく評価情報を提示可能であるため、患者に対して非常に分かりやすい日常生活における歩行能力と対応するような評価尺度を提示することができ、また、医師による主観的評価ではなく、動作解析評価システムによる客観的な歩行能力の定量評価が可能である。

さらに、本実施形態によれば、例えば過去に解析した歩行パラメータに基づく評価情報と現在の歩行パラメータに基づく評価情報とを比較することで、例えば患者のリハビリテーションの経過による歩行能力の改善度を定量的に評価することができ、そのため、患者のリハビリテーションの際に効果的なフィードバックや助言を行うことができるようになる。

＜他の実施形態＞
前述した実施形態では、後姿用の距離画像センサ１２のデータから重心を算出し、横姿用の距離画像センサ１１のデータから関節角度や歩行周期、歩行速度、歩幅等を算出しているが、他の実施形態として、さらにもう一台横姿用の距離画像センサを用意し、被験者の左右横姿を撮影する構成であってもよい。被験者の左右横姿用の二つの距離画像センサを配置した場合、例えば片脚麻痺の患者において麻痺側脚と健常側脚の両方のパラメータを測定可能となる。そして、左右両側の横姿用の距離画像センサにより、麻痺側脚と健常側脚の両方の脚の遊脚期間と立脚期間のパラメータを取得して比較すると、歩行動作中に例えば麻痺側脚にかかる負荷状況を評価することが可能となる。また、それら両脚の遊脚、立脚期間に差が少なければ、健常者の歩行動作に近いと評価することができる。

その他にも被験者の後姿を撮影する距離画像センサに代えて、被験者の前姿を撮影する距離画像センサを設けるようにしてもよいし、被験者の後姿用と前姿用の両方を撮影するように距離画像センサを配置して、被験者の前後姿を撮影した距離画像データを用いることにより、前述した骨格認識等の精度をさらに向上させることも可能である。また、被験者の頭上側から撮影する距離画像センサを設置してもよい。

また前述の実施形態では、歩行機能のリハビリテーションを行っている患者の歩行動作について解析と評価を行う例を挙げたが、解析と評価の対象は歩行動作や脚に限定されない。例えば、本発明は、腕に関する動作の解析と評価や、様々なスポーツ選手における身体動作の解析と評価にも適用可能である。

その他、本発明は、以下の処理を実行することによっても実現される。すなわち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記録媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。このプログラム及び当該プログラムを記憶したコンピュータ読み取り可能な記録媒体は、本発明に含まれる。

なお、上述した本発明の実施形態は、何れも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

１：被験者、８，９：テープ、１１：横姿用の距離画像センサ、１２：後姿用の距離画像センサ、１３：トレッドミル、２０：情報処理装置、２１：制御・演算部、２２：操作入力部、２３：メモリ部、２４：データ記録部、２５：ディスプレイ部、３１：データ取得部、３２：パラメータ測定部、３３：パラメータ算出部、３４：定量化演算部

Claims (8)

1. 身体動作の解析及び評価の対象者の、前後姿の少なくとも何れか一方の姿を撮影した第１の距離画像のデータと、左右横姿の少なくとも何れか一方の姿を撮影した第２の距離画像のデータとを、取得するデータ取得手段と、
   前記取得された第１の距離画像のデータと第２の距離画像のデータを解析して、前記対象者の身体動作に関するパラメータを算出するパラメータ算出手段と、
   前記算出されたパラメータに基づいて前記対象者の身体動作の評価に関する情報を演算する演算手段と
   を有することを特徴とする動作解析評価装置。
2. 前記パラメータ算出手段は、前記第１の距離画像のデータと第２の距離画像のデータを解析して、前記対象者の関節と骨格に対応した情報を算出し、前記関節と骨格に対応した情報に基づいて、前記パラメータを算出することを特徴とする請求項１に記載の動作解析評価装置。
3. 前記データ取得手段は、前記第１の距離画像又は前記第２の距離画像の撮影と同時に前記対象者の姿を撮影したカラー画像を取得し、
   前記パラメータ算出手段は、前記カラー画像に基づいて、前記対象者の関節と骨格に対応した情報を、補正することを特徴とする請求項２に記載の動作解析評価装置。
4. 前記パラメータ算出手段は、前記カラー画像から検出した所定色の部分に基づいて、前記対象者の関節と骨格に対応した情報を補正することを特徴とする請求項３に記載の動作解析評価装置。
5. 前記対象者の身体動作は歩行動作であり、
   前記パラメータ算出手段は、前記対象者の歩行動作に関する歩行パラメータを算出し、
   前記演算手段は、前記歩行パラメータに基づいて前記対象者の歩行動作の評価に関する情報を演算することを特徴とする請求項１乃至４の何れか１項に記載の動作解析評価装置。
6. 前記パラメータ算出手段は、前記歩行パラメータとして、前記対象者の歩行動作の際の、身体の重心と、膝の角度と、足の角度と、遊脚期間及び立脚期間と、歩行周期と、歩幅と、歩行速度を算出し、
   前記演算手段は、前記重心と、膝の角度と、足の角度と、歩行周期との各評価に関する情報を演算することを特徴とする請求項５に記載の動作解析評価装置。
7. 動作解析評価装置が実行する動作解析評価方法であって、
   身体動作の解析及び評価の対象者の、前後姿の少なくとも何れか一方の姿を撮影した第１の距離画像のデータと、左右横姿の少なくとも何れか一方の姿を撮影した第２の距離画像のデータとを、取得するデータ取得ステップと、
   前記取得された第１の距離画像のデータと第２の距離画像のデータを解析して、前記対象者の身体動作に関するパラメータを算出するパラメータ算出ステップと、
   前記算出されたパラメータに基づいて前記対象者の身体動作の評価に関する情報を演算する演算ステップと
   を含むことを特徴とする動作解析評価方法。
8. コンピュータを、
   身体動作の解析及び評価の対象者の、前後姿の少なくとも何れか一方の姿を撮影した第１の距離画像のデータと、左右横姿の少なくとも何れか一方の姿を撮影した第２の距離画像のデータとを、取得するデータ取得手段と、
   前記取得された第１の距離画像のデータと第２の距離画像のデータを解析して、前記対象者の身体動作に関するパラメータを算出するパラメータ算出手段と、
   前記算出されたパラメータに基づいて前記対象者の身体動作の評価に関する情報を演算する演算手段として
   機能させるためのプログラム。

Images