JP2016150034A - 姿勢推定装置、姿勢推定システム、姿勢推定方法及びプログラム - Google Patents

Abstract

【課題】姿勢状態をより簡単に推定することが可能な、新規かつ改良された姿勢推定装置、姿勢推定システム、姿勢推定方法及びプログラムを提供すること。【解決手段】生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定する推定部を備える、姿勢推定装置が提供される。【選択図】図１

Description

本発明は、姿勢推定装置、姿勢推定システム、姿勢推定方法及びプログラムに関する。

近年、高血圧症や糖尿病等の生活習慣病の患者が増加傾向にある。それに応じて、生活習慣病を起因とする死亡者数の増加や医療費負担の増大が問題となっている。そのため、生活習慣病を予防し健康状態を管理することが重要である。

健康状態を管理するには、日常的な身体活動情報を把握することが必要であり、その要求に応じて当該身体活動情報を取得するための技術の開発が進められている。例えば、下記特許文献１では、生体に装着された加速度センサにより取得される生体の運動量に基づき、生体の行動や姿勢を推定し、当該推定結果および当該運動量から算出される消費エネルギーを取得する技術が開示されている。

特開平８−１３１４２５号公報

上記特許文献１に開示されている技術は、生体の行動や姿勢を推定するために、生体に加速度センサを装着することを必要としている。しかし、例えば「立つ」「座る」などの上下方向に変化する姿勢状態を正しく推定するためには、加速度センサを決まった位置や方向に装着しなければならないという問題があった。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、姿勢状態をより簡単に推定することが可能な、新規かつ改良された姿勢推定装置、姿勢推定システム、姿勢推定方法及びプログラムを提供することにある。

上記課題を解決するために、本発明のある観点によれば、生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定する推定部を備える、姿勢推定装置が提供される。

前記推定部は、第１の時点および第２の時点における高度データ、および前記第１の時点における前記生体の姿勢に基づいて、前記第２の時点における前記生体の姿勢を推定してもよい。

前記姿勢推定装置は、前記高度データを時系列に取得する高度データ取得部と、前記取得された時系列高度データを分割する分割部と、をさらに備え、前記推定部は、前記分割部により得られた複数の分割高度データに基づいて、前記各分割高度データが取得された各時間区間における前記生体の姿勢を推定してもよい。

前記分割部は、前記時系列高度データの変化に基づいて前記時系列高度データを分割してもよい。

前記分割部は、前記時系列高度データを二階微分した値に基づいて、前記時系列高度データを分割してもよい。

前記推定部は、第１の分割高度データを含む前記複数の分割高度データ、および前記第１の分割高度データが取得された第１の時間区間における前記生体の姿勢に基づいて、他の時間区間における前記生体の姿勢を推定してもよい。

前記姿勢推定装置は、前記第１の分割高度データが示す高度の変化が所定の条件を満たす場合に前記第１の時間区間における前記生体の姿勢が立位であると識別する識別部をさらに備え、前記推定部は、識別された前記第１の時間区間における前記生体の姿勢に基づいて、前記他の時間区間における前記生体の姿勢を推定してもよい。

前記姿勢推定装置は、前記第１の時間区間および第２の分割高度データが取得された第２の時間区間を始終点とする時間区間帯における前記生体の姿勢の変化の確からしさを、前記時間区間帯に含まれる各時間区間における分割高度データに基づいて算出される特徴量を用いて評価する評価部をさらに備え、前記推定部は、前記第１の時間区間における前記生体の姿勢、および前記評価部による評価結果に基づいて、前記第１の時間区間を除く前記時間区間帯に含まれる前記各時間区間における前記生体の姿勢を推定してもよい。

前記評価部は、前記時間区間帯における前記生体の姿勢の変化の確からしさを示す評価値を、前記特徴量を用いて前記時間区間帯において前記生体が取り得る姿勢の組み合わせごとに算出し、前記推定部は、前記生体が取り得る姿勢の組み合わせごとに算出された評価値に基づいて、前記第１の時間区間を除く前記時間区間帯に含まれる前記各時間区間における前記生体の姿勢を推定してもよい。

前記推定部は、前記第１の時間区間および前記第２の時間区間における前記生体の姿勢、並びに前記評価部による評価結果に基づいて、前記第１の時間区間および前記第２の時間区間を除く前記時間区間帯に含まれる前記各時間区間における前記生体の姿勢を推定してもよい。

前記特徴量は、前記各時間区間における前記識別部による前記生体の姿勢の識別結果、前記各時間区間における前記生体の姿勢または運動に応じた運動強度、および前記各分割高度データが取得された時刻の少なくとも１の情報に基づいて算出されてもよい。

前記生体の運動および前記運動強度の少なくとも１つは、前記生体に装着された第２のセンサにより取得される加速度データに基づいて算出されてもよい。

前記推定部は、前記高度データおよび前記生体の身長データに基づいて、前記生体の姿勢を推定してもよい。

前記第１のセンサは気圧センサであってもよい。

また、上記課題を解決するために、本発明の別の観点によれば、生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定する推定部を備える、姿勢推定システムが提供される。

また、上記課題を解決するために、本発明の別の観点によれば、生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定するステップを含む、姿勢推定方法が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、コンピュータを、生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定する推定部として機能させるための、プログラムが提供される。

以上説明したように本発明によれば、姿勢状態をより簡単に推定することが可能である。

本発明の実施形態に係る姿勢推定装置の概要を示した図である。 本発明の実施形態に係る姿勢推定装置により推定される姿勢の具体例を示した図である。 本発明の実施形態に係る姿勢推定装置の構成を示したブロック図である。 本発明の実施形態に係る姿勢推定装置により取得される時系列データの具体例を示した図である。 本発明の実施形態に係る姿勢推定装置により取得される時系列データの具体例を示した図である。 ユーザの姿勢遷移のグラフの一例を示した図である。 ユーザの姿勢遷移のグラフの一例を示した図である。 ユーザの姿勢遷移のグラフの一例を示した図である。 ユーザの姿勢遷移のグラフの一例を示した図である。 本発明の実施形態に係る姿勢推定装置により取得される時系列データの具体例を示した図である。 本発明の実施形態に係る姿勢推定装置により分析された結果を表示した画面の具体例を示した図である。 本発明の実施形態に係る姿勢推定装置の姿勢推定処理および運動記録処理等に係る動作例を示したフローチャートである。 本発明の実施形態に係る姿勢推定装置の活動状況分析処理および分析結果出力処理等に係る動作例を示したフローチャートである。 本発明の実施形態に係る姿勢推定装置のハードウェア構成を示したブロック図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

＜１．概要＞
本発明の実施形態に係る姿勢推定装置１０は、当該姿勢推定装置１０の高度データをセンサから取得し、得られた高度データを処理することにより、当該姿勢推定装置１０の装着者（以下ユーザ１と記載）の姿勢を推定するものである。また当該姿勢推定装置１０は、他のセンサ等を組み合わせることにより、ユーザ１の姿勢のみならず、ユーザ１の運動を推定し、ユーザ１の消費エネルギーなどの運動情報を分析し、ユーザ１に当該運動情報を提示する。以下では、まず、図１を参照して、本発明の実施形態に係る姿勢推定装置１０の概要について説明する。

図１は、本発明の実施形態に係る姿勢推定装置１０の概要を示した図である。図１で示したように、本発明の実施形態に係る姿勢推定装置１０は、例えば、ユーザ１の上腕部等の上半身に装着される。姿勢推定装置１０をユーザ１の上半身に装着することにより、詳細は後述するが、ユーザ１の姿勢の変化に伴う姿勢推定装置１０の高度の変化の感度を向上させることができる。なお、本発明の実施形態に係る姿勢推定装置１０が推定するユーザ１の姿勢とは、例えば、立位、座位、および臥位である。

図２は、本発明の実施形態に係る姿勢推定装置１０により推定される姿勢の具体例を示した図である。本発明の実施形態に係る姿勢推定装置１０は、ユーザ１の立位、座位、および臥位を推定する。例えば、図２で示されるように、立位における姿勢推定装置１０Ａの床位置からの高度Ｈ_Ａと、座位における姿勢推定装置１０Ｂの床位置からの高度Ｈ_Ｂと、臥位における姿勢推定装置１０Ｃの床位置からの高度Ｈ_Ｃは、それぞれ異なる。姿勢推定装置１０は、ユーザ１の各姿勢における高度の変化に基づき、ユーザ１の姿勢を推定する。なお、高度データからユーザ１の各姿勢を推定できるように、上述したように、姿勢推定装置１０は、ユーザ１の上半身に装着されることが望ましい。

＜２．姿勢推定装置の構成＞
以上、本発明の実施形態に係る姿勢推定装置１０の概要について説明した。続いて、本発明の実施形態に係る姿勢推定装置１０の構成について詳細に説明する。

図３は、本発明の実施形態に係る姿勢推定装置１０の構成を示したブロック図である。図３に示されているように、姿勢推定装置１０は、記憶部１００、通信部１１０、制御部１２０、入力部１３０、および出力部１４０を有する。また、姿勢推定装置１０は、気圧センサ３００、および加速度センサ４００を有してもよい。

［記憶部］
記憶部１００は、姿勢推定装置１０が備える記憶手段であり、例えば気圧センサ３００や加速度センサ４００により取得されたデータや、ユーザ１により入力されたデータ、および姿勢推定装置１０の有する各機能部により得られたデータ等を記憶する。例えば、運動記録部２７０により記録されたデータは、記憶部１００の有する運動記録データベース等に格納されてもよい。

［通信部］
通信部１１０は、姿勢推定装置１０が備える通信手段であり、ネットワークＮＷ１等を介して、あるいは直接的に、サーバ装置などの外部装置と、無線または有線で通信を行う。また、通信部１１０は、例えば制御部１２０により通信が制御される。

［制御部］
制御部１２０は、姿勢推定装置１０の動作全般を制御する。また、制御部１２０は、高度データ取得部２００、分割部２１０、加速度データ取得部２２０、運動情報生成部２３０、特徴量算出部２４０、姿勢推定部２５０、生体情報登録部２６０、運動記録部２７０、運動分析出力部２８０を備え、本発明の実施形態に係る姿勢推定装置１０の動作を主導的に行う。以下に、制御部１２０に備えられる各機能部の有する機能について説明する。

（高度データ取得部）
高度データ取得部２００は、気圧センサ３００により得られた姿勢推定装置１０の高度データを取得する。なお、高度データとは、気圧センサ３００により計測された気圧データに基づいて変換された、絶対的な高度を示すデータである。そのため、高度データ取得部２００は、ユーザ１に装着された姿勢推定装置１０の床や地面からの高度を計測することは困難であるが、ユーザ１の姿勢や運動等に伴う高度データの相対的な変化を取得することが可能である。

また、高度データ取得部２００は、当該高度データを時系列に取得する。取得された時系列高度データは、記憶部１００に記憶されてもよい。また、高度データ取得部２００が取得した時系列高度データは、周波数ノイズ等のノイズを含む可能性が高い。そのため、高度データ取得部２００は、取得した時系列高度データに平滑化フィルタ等のフィルタをかけることにより、当該時系列高度データを修正してもよい。

図４は、本発明の実施形態に係る姿勢推定装置１０により取得されるデータに基づくグラフの具体例を示した図である。図４に示されるグラフの横軸方向は、時間軸となっている。まず、行動５０１は、後述する分割部２１０により生成される分割高度データが取得された時間区間におけるユーザ１のとる行動を示している。なお、ここに示されている情報はあくまでもユーザ１による実際の行動を示すものであり、姿勢推定装置１０による推定結果ではない。高度データ５０２は、高度データ取得部２００が時系列に取得した時系列高度データのグラフを示している。なお高度データ５０２は、記憶部１００に記憶された時系列高度データでもよいし、高度データ取得部２００が逐次的に取得する高度データによりリアルタイムに更新される時系列高度データでもよい。

（分割部）
分割部２１０は、高度データ取得部２００により取得された時系列高度データを分割する。より具体的には、分割部２１０は、時系列高度データを分割することにより、分割高度データを取得する。

例えば、ユーザ１の姿勢の変化に伴い高度データは大きく変化するので、分割部２１０は、時系列高度データの変化に基づいて当該時系列高度データを分割してもよい。より具体的には、分割部２１０は、時系列高度データの二階微分値に基づいて当該時系列高度データを分割してもよい。時系列高度データの二階微分値は、時系列高度データが変化する際の、単位時間あたりの変化量の変化の割合を示す値である。つまり、当該二階微分値は、時系列高度データの時間変化傾向の変化を表現する値である。例えば、時系列高度データの時間変化傾向がほぼ一様な場合（例えば、高度が一定であるか、または、斜面のように高度が一定の割合で上昇もしくは下降する場合）は、二階微分値は０に近い値となるが、一方、時系列高度データが短時間で急に変化した場合（例えば、斜面や階段等に差し掛かった場合や、斜面や階段等における昇降が終了した場合）は、二階微分値は正または負の大きな値を示す。時系列高度データの二階微分値により、時系列高度データの変化傾向の変化点を定量的に特定することが可能となる。

図４に示されている高度の二階微分データ５０３は、高度データ５０２の示す時系列高度データを時間で二階微分したデータのグラフを示している。分割部２１０は、高度の二階微分データ５０３が示す各ピーク位置を、時系列高度データの分割位置とする。例えば、分割部２１０は、５０３Ａ、５０３Ｂ、５０３Ｃ、および５０３Ｄのピーク位置を、時系列高度データの分割位置としてもよい。また、例えば、時系列高度データが急峻に変化するような場合は、５０３Ａおよび５０３Ｂのように正と負のピーク位置が連続的に発生する。この場合、分割部２１０は、連続するピーク位置の中間地点を時系列高度データの分割位置としてもよい。

分割部２１０は、時系列高度データの二階微分値等に基づいて時系列高度データを分割し、分割高度データを取得する。例えば、図４に示されているように、分割部２１０により分割された時系列高度データの分割位置に基づいて、時間区間Ａ、時間区間Ｂ、…、および時間区間Ｌの各時間区間の分割高度データが取得される。

そして分割部２１０は、分割高度データが取得された各時間区間の時刻データ、傾斜データ、および始終点高度データを、当該分割高度データに基づき生成する。図４に示されている時刻データ５０４、傾斜データ５０５、および始終点高度データ５０６の各項目は、各時間区間の時刻データ、傾斜データ、および始終点高度データを時系列的に示している。

時刻データは、分割高度データが取得された各時間区間の始点時刻および終点時刻を含むデータである。例えば、時間区間Ａにおける時刻データ５０４は、始点時刻ｔｓＡ、および終点時刻ｔｅＡを示している。

傾斜データは、時間区間における当該分割高度データの平均傾斜量、および傾斜変動量を含むデータである。例えば、時間区間Ａにおける傾斜データ５０５は、平均傾斜量ａＡ、および傾斜変動量ｄＡを示している。なお、平均傾斜量、および傾斜変動量は、例えば最小二乗法を用いて算出されてもよい。その場合、まず分割部２１０は、ある時間区間における分割高度データを一次関数に近似し、得られた一次関数の近似直線の傾きを平均傾斜量としてもよい。また、分割部２１０は、分割高度データ、および当該近似直線から得られる平均二乗誤差を傾斜変動量としてもよい。平均傾斜量および傾斜変動量を算出することにより、ユーザ１の存在する地点の地形を識別することが可能となる。例えば、平均傾斜量の値が正であれば、ユーザ１は上りの傾斜に存在すると識別される。また、傾斜変動量が大きい値であれば、ユーザ１は、凹凸の大きい地形、例えば階段などに存在すると識別される。

始終点高度データは、分割高度データが取得された時間区間における当該分割高度データの始点および終点における高度データを含むデータである。例えば、時間区間Ａにおける始終点高度データ５０６は、始点高度データｈｓＡ、および終点高度データｈｅＡを示している。

以上まとめると、分割部２１０は、時系列高度データをある特定の時間帯において分割し、さらに、時系列高度データの分割により得られた分割高度データが取得された各時間区間における時刻データ、傾斜データおよび始終点高度データを生成する。分割部２１０により生成された各時間区間における時刻データ、傾斜データ、および始終点高度データは、特徴量算出部２４０に出力される。また、各時間区間における時刻データ、および傾斜データに含まれる平均傾斜量は、運動情報生成部２３０にも出力される。

（加速度データ取得部）
加速度データ取得部２２０は、加速度センサ４００により得られた姿勢推定装置１０の加速度データを取得する。なお、加速度データとは、加速度センサ４００により得られた３軸方向の加速度データであってもよい。また、加速度データ取得部２２０は、当該加速度データを時系列に取得する。取得された時系列加速度データは、記憶部１００に記憶されてもよい。また、加速度データ取得部２２０が取得した加速度データは、周波数ノイズ等のノイズを含む可能性が高い。そのため、加速度データ取得部２２０は、高度データ取得部２００と同様に、取得した時系列加速度データに平滑化フィルタ等のフィルタをかけることにより、当該時系列加速度データを修正してもよい。

（運動情報生成部）
運動情報生成部２３０は、加速度データ取得部２２０により取得された時系列加速度データ、および分割部２１０から出力された時刻データに基づいて、各時間区間における運動強度データ、歩数データ、および運動状態データを算出する。算出された運動強度データ、歩数データおよび運動状態データは、運動記録部２７０に出力される。また運動強度データは、特徴量算出部２４０にも出力される。まず、運動情報生成部２３０は、時系列加速度データを、上記時刻データに基づいて、分割高度データが取得された時間区間ごとに分割する。そして、運動情報生成部２３０は、時間区間ごとに分割された時系列加速度データを、対応する時間区間における分割高度データごとに関連づける。これにより、各時間区間における加速度データを活用することができる。

運動強度データは、例えば、ＭＥＴｓ（Ｍｅｔａｂｏｌｉｃ ｅｑｕｉｖａｌｅｎｔｓ）値と呼ばれる安静時の何倍の代謝が行われているかを示すデータであってもよい。なお、ＭＥＴｓ値は、生活行動や運動ごとに目安となる値が定められている。具体的には、安静時のＭＥＴｓ値は１．０、また、歩行時のＭＥＴｓ値は２．５であるとされている。運動情報生成部２３０は、時系列加速度データの変動パタンに基づいて、当該ＭＥＴｓ値を時系列に算出する。例えば、時系列加速度データが０に近い場合は、姿勢推定装置１０を装着しているユーザ１は安静していると考えられるため、ＭＥＴｓ値は１．０と算出されてもよい。なお、ＭＥＴｓ値の算出規則は、例えば、生活行動や運動に対する時系列加速度データの変動パタンを計測し、当該計測結果に基づき両者の相関を解析することによって実験的に定められてもよい。運動強度データの生成により、例えば、ユーザ１の静止、歩行、または走行等の状態を識別することが可能となる。運動情報生成部２３０は、上記のＭＥＴｓ値を運動強度データとして時系列に算出する。

また、運動情報生成部２３０は、分割部２１０から出力された平均傾斜量に基づいてＭＥＴｓ値を算出してもよい。それにより、例えば、ユーザ１が上り坂を歩行している場合に、通常の歩行におけるＭＥＴｓ値よりも高い値が算出されることが可能となる。

さらに、運動情報生成部２３０は、歩数データおよび運動状態データを生成してもよい。歩数データとは、ユーザ１の歩数を示すデータであり、例えば、時系列加速度データの変動パタンの周期性に基づいて、ユーザ１の歩数データが算出されてもよい。また、運動状態データとは、ユーザ１の静止、歩行または走行等の運動状態を示すデータであり、例えば、時系列加速度データの変動パタンの振幅等に基づいてユーザ１の運動状態が推定されてもよい。

（特徴量算出部）
特徴量算出部２４０は、分割部２１０から出力された時刻データ、傾斜データ、および始終点高度データに基づいて、各時間区間の特徴量を算出する。算出された特徴量は、姿勢推定部２５０に出力される。また、特徴量算出部２４０は、運動情報生成部２３０から出力された運動強度データに基づいて、各時間区間の特徴量を算出してもよい。ここで特徴量とは、例えば、各時間区間の地形データ、平均運動強度データ、時刻データ、および高度変化量等を含むデータである。

地形データは、ある時間区間における傾斜データに含まれる平均傾斜量、および傾斜変動量に基づいて判定される地形を示すデータである。地形とは、例えば、平地、軽い傾斜、傾斜、階段、エスカレータ、エレベータ等が挙げられる。これらの地形は、平均傾斜量、および傾斜変動量が、ある所定の基準を満たすか否かにより判定されてもよい。

例えば、平均傾斜量に係る所定の閾値をＴＨ_１、ＴＨ_２、ＴＨ_３、およびＴＨ_４とし、また、傾斜変動量に係る所定の閾値をＴＨ_５として、以下のように各時間区間における地形が判定されてもよい。なお、ＴＨ_１からＴＨ_５までの値は地形の種類等に応じて自由に設定される。まず、ある時間区間における平均傾斜量の絶対値が０以上でありＴＨ_１より小さい場合は、当該時間区間における地形は平地であると判定される。また、当該時間区間における平均傾斜量の絶対値がＴＨ_１以上でありＴＨ_２より小さく、かつ、傾斜変動量がＴＨ_５より小さい場合は、当該時間区間における地形は軽い傾斜であると判定される。また、当該時間区間における平均傾斜量の絶対値がＴＨ_２以上でありＴＨ_３より小さく、かつ、傾斜変動量がＴＨ_５より小さい場合は、当該時間区間における地形は傾斜であると判定される。また、当該時間区間における平均傾斜量の絶対値がＴＨ_３以上でありＴＨ_４より小さく、かつ、傾斜変動量がＴＨ_５以上である場合は、当該時間区間における地形は階段であると判定される。また、当該時間区間における平均傾斜量の絶対値がＴＨ_３以上でありＴＨ_４より小さく、かつ、傾斜変動量がＴＨ_５より小さい場合は、当該時間区間における地形はエスカレータであると判定される。また、当該時間区間における平均傾斜量がＴＨ_４以上である場合は、当該時間区間における地形はエレベータであると判定される。

図５は、本発明の実施形態に係る姿勢推定装置１０により取得される時系列データの具体例を示した図である。行動５１１は、各時間区間におけるユーザ１のとる行動を示している。高度データ５１２は、時系列高度データのグラフを示している。地形データ５１７は、平均傾斜量、および傾斜変動量により判定された各時間区間における地形を示している。

平均運動強度データは、ある時間区間内に存在するＭＥＴｓ値の平均値を示すデータである。図５に示されている運動強度データ５１８は、時系列に算出されたＭＥＴｓ値のデータのグラフを示している。そして、５１８Ａおよび５１８Ｂが示す数値は、時間区間Ａおよび時間区間ＢにおけるＭＥＴｓ値の平均値であり、すなわち上述した平均運動強度データである。特徴量算出部２４０は、対象の時間区間内におけるＭＥＴｓ値から当該時間区間の平均運動強度を求めることにより、当該時間区間におけるユーザ１の姿勢についてより高い精度で推定することが可能となる。

時刻データは、ある時間区間の始点時刻および終点時刻を含むデータであり、分割部２１０から特徴量算出部２４０へ出力された時刻データが、そのまま特徴量算出部２４０から出力される。また、高度変動量は、ある時間区間の始点高度データと当該時間区間の前の時間区間の終点高度データの変動量を示す。例えば、図４の時間区間Ｂにおける高度変動量Δｈ_Ｂの値はｈｓＢ−ｈｅＡである。

（姿勢推定部）
姿勢推定部２５０は、特徴量算出部２４０により算出された特徴量に基づき、各時間区間のユーザ１の姿勢を推定する。また、姿勢推定部２５０により推定された姿勢データ、およびユーザ１の姿勢の推定に用いられた地形データは、運動記録部２７０に出力される。より具体的には、姿勢推定部２５０は、識別部２５１、区間帯設定部２５２、評価部２５３、および推定部２５４を備え、姿勢推定部２５０の動作を主導的に行うことにより、各時間区間のユーザ１の姿勢を推定する。以下に、姿勢推定部２５０に備えられる各機能部の有する機能について説明する。

・識別部
識別部２５１は、特徴量に含まれる地形データに基づいて、特定の地形データを含む時間区間におけるユーザ１の姿勢を識別する。例えば、ある時間区間における地形データが傾斜、階段、エスカレータ、およびエレベータ等の傾斜がある地形を示す場合は、識別部２５１は、当該時間区間においてユーザ１は立位であるとみなす。上記の地形においては、時系列に高度が変化するため、ユーザ１が立って行動しているものと考えられるからである。

図５に示されている例においては、時間区間Ｅの地形データが階段であるため、識別部２５１は、時間区間Ｅにおけるユーザ１の姿勢を立位と識別する。また時間区間Ｇや時間区間Ｋにおいても、地形データに基づきユーザ１の姿勢が立位であると識別される。識別部２５１は、地形データによりユーザ１が立位であると識別した時間区間を確定し、次の区間帯設定部２５２に出力する。

なお、ユーザ１が階段やエスカレータを利用し、または傾斜を歩行する場合、ユーザ１はこれらの行動の前後においては立位である可能性が高いと考えられる。よって、識別部２５１は、ユーザ１の姿勢が立位であると識別される根拠となる地形データを有する時間区間と隣接する時間区間におけるユーザ１の姿勢も立位であると識別してもよい。

・区間帯設定部
区間帯設定部２５２は、当該ユーザ１の姿勢を判定する処理を行うための時間区間帯を設定する。例えば、区間帯設定部２５２は、識別部２５１によりユーザ１の姿勢が立位であると識別された時間区間を始点または終点とする時間区間帯を設定してもよい。

図５に示されている例においては、時間区間Ｅにおけるユーザ１の姿勢が立位であると識別されている。よって、区間帯設定部２５２は、時間区間Ｅを当該時間区間帯の終点とし、時間区間Ａ〜Ｄをユーザ１の姿勢推定のための処理単位として設定する。また、区間帯設定部２５２は、時間区間Ｅおよび時間区間Ｇを始終点とする区間帯に存在する時間区間Ｆを、ユーザ１の姿勢推定のための処理単位として設定してもよい。

なお、区間帯設定部２５２は、識別部２５１によりユーザ１の姿勢が立位であると識別された時間区間か否かに関わらず、所定の基準により時間区間帯の始終点を設定してもよい。例えば、一定時間ごとに時間区間帯の終点を設定してもよい。この場合、時間区間帯の終点におけるユーザ１の姿勢は識別部２５１により識別されていない可能性が高いが、後述する評価部２５３による評価結果に基づいて、後述する推定部２５４は、終点時間区間におけるユーザ１の姿勢を推定することが可能である。また、区間帯設定部２５２は、上記評価結果に基づいて推定された終点時間区間における姿勢を、次の時間区間帯の始点時間区間におけるユーザ１の姿勢として用いることが可能である。これにより、ユーザ１の姿勢を推定するために必要な時間区間帯を短くすることが可能となり、さらに、後述する運動分析出力部２８０による分析結果の更新周期を短くすることができる。

・評価部
評価部２５３は、区間帯設定部２５２により設定された時間区間帯に含まれる各時間区間におけるユーザ１の姿勢の変化の確からしさを、特徴量算出部２４０により算出された特徴量、後述する生体情報登録部２６０により登録されたユーザ１の身長データ、および識別部２５１により識別された時間区間帯の始点時間区間および終点時間区間の少なくともいずれかにおけるユーザ１の姿勢に基づいて評価する。各時間区間におけるユーザ１の姿勢の変化の確からしさとは、例えば、対象の時間区間におけるユーザ１の姿勢を立位と仮定し、かつ、当該時間区間の前の時間区間におけるユーザ１の姿勢を座位と仮定したときに、ユーザ１の立位から座位への姿勢の変化が実際起こり得たかどうかを意味する。

図６Ａは、ユーザ１の姿勢遷移のグラフ６００の一例を示した図である。グラフ６００には、各時間区間に対応したノード、およびノード間を接続するリンクが含まれている。まず、グラフ６００に含まれる各ノードは、事象ｘの状態を示している。ここで事象ｘとは、ある時間区間におけるユーザ１の取り得る姿勢を意味し、ｘは“ｐｑ”の形式で表現されてもよい。ｐは、時間区間帯に含まれる各時間区間を識別する識別子（例えば、ｚ、ａ、ｂ、ｃ、ｄ、ｅ）であり、ｑは、当該時間区間における姿勢の識別子（例えば、立位の場合は０、座位の場合は１、および臥位の場合は２）であってもよい。各ノードの上部に記載されているアルファベットは、例えば図５における時間区間Ａ、時間区間Ｂ等に対応する時間区間を示している。また、ノード６０１の上部に記載されているＺは、姿勢推定装置１０が動作を開始した直後において仮想的に設定される時間区間Ｚを示し、時間区間Ｚにおけるユーザ１の姿勢は、例えば、立位と仮定されてもよい。時間区間Ｚおよび時間区間Ｅにおけるノード６０１およびノード６０２の事象は、立位のみを示している。一方で、時間区間Ａ〜Ｄにおいては、それぞれ立位、座位、および臥位の３通りの姿勢を示すノードが存在する。そして隣接する時間区間のノードを接続するリンクは、隣接する時間区間におけるユーザ１の取り得る姿勢の変化を示している。評価部２５３は、グラフ６００に含まれる各ノードを接続するリンクに係る評価値を算出する。

図６Ｂは、ユーザ１の姿勢遷移のグラフの一例を示した図である。図６Ｂに示されているように、時間区間Ｚにおいては立位のノード６１１のみ存在し、時間区間Ａには立位のノード６１２、座位のノード６１３、および臥位のノード６１４が存在する。そして、ノード６１１とノード６１２はリンクＬ１１により、ノード６１１とノード６１３はリンクＬ１２により、およびノード６１１とノード６１４はリンクＬ１３により接続されている。

評価部２５３は、各リンクに係る評価値を算出する。当該評価値は、例えば、以下の数式１のように表現される式を用いて算出されてもよい。

ｅ（ｘ｜ｙ）は評価値、Ｐ０（ｘ｜ｙ）は事象ｙから事象ｘに変化する際の高度変化量に基づき決定される重み、Ｐ１（ｘ）は事象ｘにおける平均運動強度データに基づき決定される重み、Ｐ２（ｘ｜ｙ）は事象ｙから事象ｘに変化する際の地形データに基づき決定される重み、およびＰ３（ｘ）は事象ｘにおける時刻データに基づき決定される重みである。そして、上記各重みの値が大きければ大きいほど、上記数式１により表現される評価値ｅ（ｘ｜ｙ）の値は小さくなる。これは、上記各重みの値が大きくなるほど事象ｙから事象ｘへの変化の確からしさが増すということを示している。つまり、評価値ｅ（ｘ｜ｙ）の値が最も小さくなるときの事象の変化が実際にユーザ１の取った姿勢の変化であるということが考えられる。以下に、各重みの持つ意味について説明する。

Ｐ０（ｘ｜ｙ）は、事象ｙから事象ｘに変化する際の高度変化量に基づき推定される姿勢の変化の確からしさを示す重みである。例えば、時間区間Ａにおいて姿勢が立位から座位に変化すると仮定すると、図２に示す姿勢推定装置１０の高度に基づいて、高度変化量Δｈ_Ａ’＝Ｈ_Ａ−Ｈ_Ｂになると考えられる。一方、実際の高度変化量は、特徴量算出部２４０によって算出された高度変化量Δｈ_Ａである。そして、Ｐ０（ｘ｜ｙ）の重みは、実際の高度変化量と、姿勢の変化により推定される高度変化量との差｜Δｈ_Ａ−Δｈ_Ａ’｜に基づいて設定される。なお、Ｐ０（ｘ｜ｙ）の重みは、上記差が所定の基準を満たすか否かによって増減されてもよく、また、上記差を変数とする関数により表現される値であってもよい。例えば、上記差が、ユーザ１の身長の１０％以下であればＰ０（ｘ｜ｙ）は０．７５と設定され、１０％よりも大きく２０％以下であれば０．５と設定され、２０％よりも大きく３０％以下であれば０．２５と設定され、３０％以上であれば０と設定されてもよい。

Ｐ１（ｘ）は、事象ｘにおける平均運動強度データに基づき推定される姿勢の変化の確からしさを示す重みである。例えば、平均ＭＥＴｓ値が大きければ立位であり、平均ＭＥＴｓ値が小さければ座位または臥位である可能性が高いと考えられる。つまり、Ｐ１（ｘ）の重みは平均ＭＥＴｓ値の大小によって設定される。なお、Ｐ１（ｘ）の重みは、上記平均ＭＥＴｓ値が所定の基準を満たすか否かによって増減されてもよく、また、上記平均ＭＥＴｓ値を変数とする関数により表現される値であってもよい。例えば、上記平均ＭＥＴｓ値が２．５以上であれば、Ｐ１（ｘ）は、立位の場合は０．７５、および座位または臥位の場合は０．２５と設定され、上記平均ＭＥＴｓ値が２．０未満であれば、Ｐ１（ｘ）は立位の場合は０．２５、および座位または臥位の場合は０．７５と設定され、上記平均ＭＥＴｓ値がそれ以外の値である場合は、Ｐ１（ｘ）はすべての姿勢において０．５と設定されてもよい。

Ｐ２（ｘ｜ｙ）は、事象ｙから事象ｘに変化する際の地形データに基づき推定される姿勢の変化の確からしさを示す重みである。例えば、事象ｘまたは事象ｙのいずれかの時間区間において識別部２５１によりユーザ１の姿勢が立位であると識別される根拠となる地形データを含む場合は、立位から立位への変化が確実であると考えられる。つまり、Ｐ２（ｘ｜ｙ）の重みは立位と識別される地形データによって設定される。例えば、事象ｘまたは事象ｙの時間区間における地形データが、傾斜、階段、エスカレータ、およびエレベータであった場合は、Ｐ２（ｘ｜ｙ）は、立位から立位への変化の場合は１と設定され、その他の場合は０と設定されてもよい。事象ｘおよび事象ｙの時間区間における地形データが上記地形とは異なる場合は、Ｐ２（ｘ｜ｙ）は、いずれの姿勢の変化においても０．５と設定されてもよい。

Ｐ３（ｘ）は、事象ｘにおける時刻データに基づき推定される姿勢の変化の確からしさを示す重みである。例えば、時間区間Ａにおける時刻データが深夜の時間帯に含まれている場合、当該時間区間においてユーザ１は就寝していると考えられる。つまり、Ｐ３（ｘ）の重みは、上記時刻データが特定の時間帯に含まれているか否かによって設定される。当該特定の時間帯は、例えば、就寝中等ユーザ１が特定の姿勢を持続するか否かに基づき、自由に設定されてもよい。より具体的には、事象ｘの時間区間がユーザ１の通常の就寝時刻および起床時刻を始終点とする時間帯に所定時間以上含まれる場合は、Ｐ３（ｘ）は、臥位の場合は０．７５、および立位または座位の場合は０．２５と設定され、事象ｘの時間区間が上記条件を満たさない場合は、すべての姿勢において０．５と設定されてもよい。

このように、評価値ｅ（ｘ｜ｙ）は、事象ｙから事象ｘへの変化の確からしさを、高度変化量、平均運動強度データ、地形データ、および時刻データに基づいて定量的に評価した値となる。なお、評価値ｅ（ｘ｜ｙ）は、Ｐ０（ｘ｜ｙ）、Ｐ１（ｘ｜ｙ）、Ｐ２（ｘ｜ｙ）およびＰ３（ｘ｜ｙ）の少なくとも一つ以上を含む式により算出されてもよい。例えば、評価値ｅ（ｘ｜ｙ）はＰ０（ｘ｜ｙ）のみを用いて算出されてもよい。またこれらの重みの値や、重みを決定する所定の基準は、姿勢推定部２５０による推定結果に応じて動的に変化してもよい。例えば、評価部２５３は、後述する評価値ｅ（ｘ｜ｙ）の累積値の大小と推定結果との相関を学習し、適宜重みにフィードバックを与えてもよい。

図６Ｂに戻ると、評価部２５３は、全てのリンクについて評価値ｅ（ｘ｜ｙ）を算出する。例えば、図６Ｂに示されている例においては、評価部２５３は、リンクＬ１１に係る評価値ｅ（ａ_０｜ｚ_０）、リンクＬ１２に係る評価値ｅ（ａ_１｜ｚ_０）、およびリンクＬ１３に係る評価値ｅ（ａ_２｜ｚ_０）を算出する。このように評価部２５３は、区間帯設定部２５２において設定された時間区間帯に含まれる各時間区間における姿勢の変化の確からしさを示す評価値ｅ（ｘ｜ｙ）を、すべての事象に係るリンクについて算出する。算出されたすべての評価値ｅ（ｘ｜ｙ）は、推定部２５４に出力される。

・推定部
推定部２５４は、評価部２５３において算出された全ての評価値ｅ（ｘ｜ｙ）に基づいて、上記時間区間帯に含まれる各時間区間におけるユーザ１が取り得る姿勢を推定する。より具体的には、上記時間区間帯においてユーザ１が取り得る姿勢の組み合わせごとに評価値ｅ（ｘ｜ｙ）の累積値を算出し、その累積値に基づいて上記時間区間帯におけるユーザ１が取り得る姿勢を推定する。以下の説明では、評価値ｅ（ｘ｜ｙ）は、上記数式１により表現される値であるとする。

図６Ｃは、ユーザ１の姿勢遷移のグラフの一例を示した図である。ここでは、上記時間区間帯は、時間区間Ｚから時間区間Ｂまでの時間区間により構成されると仮定する。各ノード６２１〜６２７には、Ｓ（ｘ）およびｒ（ｘ）という値が含まれている。Ｓ（ｘ）は、時間区間帯における始点から事象ｘまでに経由した各リンクに係る評価値ｅ（ｘ｜ｙ）の累積値を示す。また、ｒ（ｘ）は、事象ｘを選択した場合の、直前の時間区間における姿勢の識別子を示す。例えば、ノード６２１からノード６２４への事象の変化を仮定した場合、Ｓ（ａ_２）の値は数式２のように、Ｓ（ｚ_０）の値に、ノード６２１とノード６２４を接続するリンクに係る評価値ｅ（ａ_２｜ｚ_０）を加算したものである。

そしてｒ（ａ_２）には、直前の時間区間においてユーザ１が取り得る姿勢の識別子が入力される。例えば、時間区間Ａの直前の時間区間である時間区間Ｚにおけるユーザ１の姿勢は立位であるので、ｒ（ａ_２）＝０となる。

また、推定部２５４は、評価部２５３により評価された時間区間Ａと時間区間Ｂの事象の変化の確からしさに基づき、時間区間Ｚと時間区間Ｂとに含まれる各時間区間におけるユーザ１の姿勢を推定する。例えば、ノード６２５には時間区間Ａにおけるノード６２２、ノード６２３、およびノード６２４から合計３本のリンクが接続されている。まず、評価部２５３は全てのリンクに係る評価値をすべて算出する。そして、推定部２５４は、時間区間Ａの各事象における累積値Ｓ（ａ_０）〜Ｓ（ａ_２）、および時間区間Ａと時間区間Ｂとを接続する全てのリンクに係る評価値に基づいて、ユーザ１の取り得る姿勢の全ての組み合わせにかかる評価値の累積値の各々を算出し、各累積値に基づいて各時間区間におけるユーザ１の姿勢を推定する。

例えば、時間区間Ｂにおけるユーザ１の姿勢が立位であると仮定する。このとき、ノード６２５に含まれるＳ（ｂ_０）の値は、ノード６２２を経由した値であるＳ（ａ_０）＋ｅ（ｂ_０｜ａ_０）と、ノード６２３を経由した値であるＳ（ａ_１）＋ｅ（ｂ_０｜ａ_１）と、ノード６２４を経由した値であるＳ（ａ_２）＋ｅ（ｂ_０｜ａ_２）の３通りが考えられる。なお、Ｓ（ａ_０）〜Ｓ（ａ_２）については、上記数式２により算出されたものとする。推定部２５４は、３通りに算出されたＳ（ｂ_０）のうち、最小値となる値を採用する。つまり、推定部２５４は以下の数式３に従ってＳ（ｂ_０）を算出する。

ここで、ｍｉｎ（Ｓ）は、集合Ｓに含まれる数値の最小値を示す記号である。

上記数式３によるＳ（ｂ_０）の算出の結果、ノード６２４を経由した値Ｓ（ａ_２）＋ｅ（ｂ_０｜ａ_２）がＳ（ｂ_０）となる場合、ｒ（ｂ_０）＝２となる。つまり、推定部２５４は、時間区間Ｂにおけるユーザ１の姿勢が立位であると仮定された場合、時間区間Ａにおいてユーザ１の取り得る姿勢は臥位である可能性が一番高いとＳ（ｂ_０）から判定し、時間区間Ａにおけるユーザ１の姿勢は臥位であるとｒ（ｂ_０）から推定する。なお、時間区間Ｂにおけるユーザ１の姿勢が識別されていない場合は、推定部２５４はＳ（ｂ_１）およびＳ（ｂ_２）の値を上記数式３に従い算出し、得られたＳ（ｂ_１）およびＳ（ｂ_２）の値からｒ（ｂ_１）およびｒ（ｂ_２）を確定させる。そして、推定部２５４は、Ｓ（ｂ_０）、Ｓ（ｂ_１）、およびＳ（ｂ_２）のうち最小値となる事象を選択し、その事象に対応する姿勢を時間区間Ｂにおけるユーザ１の姿勢と推定してもよい。また、推定部２５４は、時間区間Ｂにおけるユーザ１の姿勢の推定結果に基づいて、時間区間Ａにおけるユーザ１の姿勢を推定することも可能である。

図６Ｄは、ユーザ１の姿勢遷移のグラフの一例を示した図である。推定部２５４は、図６Ｃに示された例と同様の手順に従うことにより、時間区間Ｚから時間区間Ｅまでの時間区間帯におけるユーザ１の姿勢を推定するが可能である。ここで、図６Ｄに示された例においては、ノード６３１およびノード６３６に示されているように、時間区間Ｚおよび時間区間Ｅにおけるユーザ１の姿勢は立位であると識別されているとする。

評価部２５３は、時間区間Ｚから時間区間Ｅまでの各事象間のノードを接続するリンクに係る評価値ｅ（ｘ｜ｙ）を算出し、推定部２５４は、時間区間Ｚから時間区間Ｅまでのユーザ１が取り得る姿勢の組み合わせごとに算出される累積値Ｓ（ｅ_０）の最小値を算出する。ここで、図６Ｄに示されている例においては、累積値Ｓ（ｅ_０）の最小値が、ノード６３２、ノード６３３、ノード６３４、およびノード６３５における事象を経由して得られた値であるとする。推定部２５４は、累積値Ｓ（ｅ_０）の最小値を算出した後、終点であるノード６３６に含まれるｒ（ｅ_０）を参照する。図６Ｄに示されている例においては、ｒ（ｅ_０）＝０であるとすると、時間区間Ｄにおけるユーザ１の姿勢は立位であると推定される。次に、時間区間Ｄにおけるユーザ１の姿勢が立位であることを示すノード６３５において、Ｓ（ｄ_０）が最小となるときのｒ（ｄ_０）の値を参照する。ここで、ｒ（ｄ_０）＝１であるとすると、時間区間Ｃにおけるユーザ１の姿勢は座位であると推定される。同様に、ｒ（ｃ_１）＝０であるとすると、時間区間Ｂにおけるユーザ１の姿勢は立位であると推定される。そして、ｒ（ｂ_０）＝２であるとすると、時間区間Ａにおけるユーザ１の姿勢は臥位であると推定される。このように、各ノードに含まれるｒ（ｘ）の値を終点から順に参照していくことにより、推定部２５４は、時間区間帯における各時間区間の姿勢を推定することが可能である。

以上まとめると、まず推定部２５４は、まず評価部２５３により得られる各事象間におけるユーザ１の姿勢の変化の確からしさに係る評価値をもとに、区間帯設定部２５２により設定された時間区間帯におけるユーザ１の姿勢の変化の組み合わせごとの累積値を各時間区間順に算出する。そして推定部２５４は、当該時間区間における累積値が最も小さくなる場合の事象の変化（経路）を記憶して、次の時間区間における累積値をさらに算出する、という処理を繰り返す。そして、推定部２５４は最終的に、時間区間帯の終点時間区間における累積値が最も小さくなる経路に基づいて、時間区間帯に含まれる各時間区間におけるユーザ１の姿勢を推定する。

なお、上記の例においては、時間区間帯の終点区間における累積値が最も小さくなる経路に基づいて上記時間区間帯の各時間区間におけるユーザ１の姿勢が推定されるが、推定部２５４は、評価部２５３において得られた評価値をそのまま用いて各時間区間における姿勢を推定してもよい。例えば、推定部２５４は、時間区間Ｚと時間区間Ａの各事象間のノードを接続するリンクに係る評価値ｅ（ｘ｜ｙ）を算出し、評価値ｅ（ｘ｜ｙ）が最も小さくなるリンクにより接続されている時間区間Ａにおけるノードに係る姿勢を、時間区間Ａにおけるユーザ１の姿勢と推定する。次に、推定部２５４は、時間区間Ａにおけるユーザ１の姿勢を示す事象と時間区間Ｂの各事象間のノードを接続するリンクに係る評価値ｅ（ｘ｜ｙ）を算出し、評価値ｅ（ｘ｜ｙ）が最も小さくなるリンクにより接続されている時間区間Ｂにおけるノードに係る姿勢を、時間区間Ｂにおけるユーザ１の姿勢と推定する、という処理を繰り返し実施してもよい。これにより、推定部２５４によるユーザ１の姿勢の推定精度が低下する可能性はあるものの、全てのリンクの組み合わせによる累積値の算出に係る計算時間が大幅に短縮されるため、例えば、後述する運動分析出力部２８０による分析結果の出力サイクルを短縮することが可能となる。

図７は、本発明の実施形態に係る姿勢推定装置１０により取得される時系列データの具体例を示した図である。なお、行動５２１、高度データ５２２、地形データ５２７、および運動強度データ５２８は、図５に示されている行動５１１、高度データ５１２、地形データ５１７、および運動強度データ５１８に相当する。姿勢データ５２９の示すユーザ１の姿勢データが、姿勢推定部２５０による推定結果に基づき、時間区間ごとに示されている。なお、姿勢推定部２５０は、上記時間区間帯におけるユーザ１の姿勢の推定が終了すると、引き続き、前後の時間区間帯におけるユーザ１の姿勢の推定を実施してもよい。そして姿勢推定部２５０により得られたユーザ１の姿勢の推定結果は、運動記録部２７０に姿勢データとして出力される。

（生体情報登録部）
生体情報登録部２６０は、例えば、ユーザ１の身長や体重などの生体データを登録する。具体的には、生体情報登録部２６０は、入力部１３０を介したユーザ１の入力により、または通信部１１０を介したユーザ１に係る生体データの取得により、ユーザ１の身長や体重などの生体データを登録する。また、例えば、生体情報登録部２６０は、出力部１４０等にユーザ１の身長および体重を入力させる画面を表示させることにより、ユーザ１に身長や体重を入力させる。

生体情報登録部２６０により登録されたユーザ１の身長データは、姿勢推定部２５０に出力されてもよい。また、生体情報登録部２６０により登録されたユーザ１の体重データは、運動分析出力部２８０に出力されてもよい。

（運動記録部）
運動記録部２７０は、運動情報生成部２３０から取得した運動強度データ、歩数データ、および運動状態データ、並びに姿勢推定部２５０から取得した姿勢データ、および地形データを記録する。具体的には、運動記録部２７０は、上記各データを例えば時間区間ごとに記録してもよい。このとき、時間区間ごとに記録された上記各データは、記憶部１００の有する運動記録データベースに時系列に格納されてもよい。記録された上記各データは、運動分析出力部２８０へ出力される。

なお、運動記録部２７０は、姿勢推定部２５０から取得した姿勢データに基づいて、運動情報生成部２３０から取得した運動強度データを補正してもよい。例えば、運動記録部２７０は、ある時間区間における姿勢データが立位の場合、当該時間区間における運動強度データの示す値が大きくなるように補正してもよい。これにより、ユーザ１の実際の姿勢により則した運動強度データを得ることができる。

（運動分析出力部）
運動分析出力部２８０は、運動記録部２７０により記録された上記の各データ、および生体情報登録部２６０により登録されたユーザ１の体重データ等に基づいて、ユーザ１の姿勢や運動に関する活動状況の分析を行う。具体的には、運動分析出力部２８０は、活動状況を分析したいある対象の期間におけるデータを運動記録データベースに照会し、得られたデータに基づいて、ユーザ１の姿勢や運動について分析を行う。例えば、運動分析出力部２８０は、ユーザ１の行った運動時間や、ユーザ１が取った姿勢の総時間等を、上記各データに基づいて分析する。さらに運動分析出力部２８０は、分析結果を出力部１４０によりユーザ１に対して提示する。

図８は、本発明の実施形態に係る姿勢推定装置１０により分析された結果を表示した画面７００の具体例を示した図である。以下、運動分析出力部２８０の有する機能について、図８に示されている図に沿って説明する。

図８に示されている画面７００は、ユーザ１の活動状況の表示対象期間７０１、活動状況表示テーブル７０２、表示対象期間変更ボタン７０３Ａおよび７０３Ｂ、および表示対象期間単位変更ボタン７０４Ａおよび７０４Ｂを含む。

表示対象期間７０１は、例えば、活動状況表示テーブル７０２に表示される活動状況の対象期間を示す。例えば、図８に示されている例においては、表示対象期間７０１は、活動状況表示テーブル７０２には２月１６日の活動状況に係る情報が表示されていることを示している。

活動状況表示テーブル７０２は、例えば「消費」、「中強度活動」、「歩行」、「走行」、「立位」、「座位」、「臥位」、および「階段利用」等の、ユーザ１の姿勢や運動等の活動状況に関する記録を項目別に表示するテーブルである。「消費」は、消費カロリーを示しており、当該消費カロリーは運動強度データとユーザ１の体重データに基づいて算出される。「中強度活動」は、中強度の活動をした時間の長さを示しており、当該時間は運動強度データに基づいて算出される。「歩行」、および「走行」は、ユーザ１の歩行時間および走行時間を示しており、各時間は運動状態データに基づいて算出される。「立位」、「座位」、および「臥位」は、ユーザ１の立位、座位、および臥位の姿勢を取っていた時間を示しており、各時間は姿勢データに基づいて算出される。また、「階段利用」は、階段を利用した際の歩数を示しており、当該歩数は地形データおよび歩数データに基づいて算出される。

表示対象期間変更ボタン７０３Ａおよび７０３Ｂは、活動状況表示テーブル７０２に表示される活動状況の対象期間を変更するためのボタンである。例えば、ユーザ１により表示対象期間変更ボタン７０３Ａが押下されると、活動状況表示テーブル７０２には２月１５日の活動状況が表示されてもよい。同時に、表示対象期間７０１は、「２月１５日の活動状況」という表示に変更されてもよい。逆に、ユーザ１により表示対象期間変更ボタン７０３Ｂが押下されると、活動状況表示テーブル７０２には２月１７日の活動状況が表示されてもよい。これにより、他の対象期間におけるユーザ１の活動状況を知ることが可能となる。

表示対象期間単位変更ボタン７０４Ａおよび７０４Ｂは、活動状況表示テーブル７０２に表示される活動状況の対象期間の単位を変更するためのボタンである。例えば、図８に示されている例では、表示対象期間単位変更ボタン７０４Ｂの枠が太く表示されており、活動状況表示テーブル７０２に表示されている活動状況の対象期間の単位が１日であることが示されている。ここで、表示対象期間単位変更ボタン７０４Ａがユーザ１により押下されると、活動状況表示テーブル７０２に表示される活動状況の対象期間の単位が１月に変更される。同時に、表示対象期間７０１は、例えば「２月の活動状況」という表示に変更されてもよい。これにより、月単位もしくは日単位でのユーザ１の活動状況を知ることが可能となる。

なお、図８に示されている画面７００の構成はかかる例に限定されない。例えば、運動分析出力部２８０は、活動状況表示テーブル７０２に表示される活動状況の対象期間の単位を１時間単位に設定することも可能である。これにより、より短い周期においてユーザ１の活動状況を把握することが可能となる。また、活動状況表示テーブル７０２において表示される活動状況の項目は、上記で説明した項目に限られず、運動記録部２７０より取得した各データの組み合わせにより得られる情報に関する項目であってもよい。

［入力部］
図３に戻って本発明の実施形態に係る姿勢推定装置１０の構成の説明を続ける。入力部１３０は、タッチパネル、およびボタン等ユーザ１が情報を入力するための入力手段と、ユーザ１による入力に基づいて入力信号を生成し、制御部１２０へ入力信号を出力する入力制御回路等を有する。ユーザ１は、入力部１３０を操作することにより、画面の操作等を行うことができる。

［出力部］
出力部１４０は、制御部１２０から得られたデータ等を出力する。例えば、出力部１４０は、制御部１２０から得られた画像信号を出力する表示機能を備えてもよく、具体的には、出力部１４０は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ−Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）またはＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）などにより構成される表示モジュールであってもよい。また、例えば、出力部１４０は、制御部１２０から得られた音声信号を出力する音声出力機能を備えてもよく、具体的には、出力部１４０は、増幅器（アンプ）やスピーカなどから構成される音声出力デバイスであってもよい。

［気圧センサ］
気圧センサ３００は、大気中の気圧を測定し、気圧の測定結果を高度データに変換するセンサである。気圧センサ３００は、例えば、ピエゾ素子によるピエゾ抵抗効果を利用した半導体気圧センサなど、ユーザ１の姿勢の変化により生じる高度の変化を計測することが可能である気圧センサであってもよい。また、気圧センサ３００は、変換した高度データの有するノイズを除去するフィルタリング機能を有していてもよい。なお、本発明の実施形態における気圧センサ３００は、第１のセンサの一例である。

［加速度センサ］
加速度センサ４００は、加速度センサ４００が組み込まれている物体の加速度を測定し、加速度の測定結果を加速度データとして出力するセンサである。加速度センサ４００は、例えば、ピエゾ素子によるピエゾ抵抗効果を利用した半導体加速度センサなど、ユーザ１の姿勢の変化や運動により生じる３軸の加速度を計測することが可能である加速度センサであってもよい。また、加速度センサ４００は、測定して得られた加速度データの有するノイズを除去するフィルタリング機能を有していてもよい。なお、本発明の実施形態における加速度センサ４００は、第２のセンサの一例である。

＜３．姿勢推定装置の動作＞
以上、本発明の実施形態に係る姿勢推定装置１０の構成について説明した。次に、本発明の実施形態に係る姿勢推定装置１０の動作について説明する。

図９Ａおよび図９Ｂは、本発明の実施形態に係る姿勢推定装置１０の動作例を示したフローチャートである。図９Ａに示されているフローチャートは、姿勢推定装置１０の姿勢推定処理および運動記録処理等に係る動作例を示している。また、図９Ｂに示されているフローチャートは、姿勢推定装置１０の活動状況分析処理および分析結果出力処理等に係る動作例を示している。

まず、図９Ａに示されているフローチャートに従って、本発明の実施形態に係る姿勢推定装置１０の姿勢推定処理および運動記録処理等に係る動作例について説明する。なお、高度データ取得部２００による高度データの取得処理、および加速度データ取得部２２０による加速度データの取得処理が姿勢推定装置１０の起動中に逐次的に実施され、もしくは、既に完了しており、取得された各々のデータは、例えば、記憶部１００に記憶されているものとする。

［姿勢推定処理］
まず分割部２１０は、高度データ取得部２００により取得された高度データが時系列に記憶されている記憶部１００から時系列高度データを取得する（Ｓ８０１）。次に、分割部２１０は、上記時系列高度データを分割する（Ｓ８０２）。分割部２１０は、分割高度データが取得された各時間区間の時刻データ、傾斜データ、および始終点高度データを生成する。

次に、運動情報生成部２３０は、加速度データ取得部２２０により取得された加速度データが時系列に記憶されている記憶部１００から、時系列加速度データを取得する（Ｓ８０３）。また、運動情報生成部２３０は、時系列加速度データを、上記分割部２１０から取得した時刻データに基づいて、分割高度データが取得された時間区間ごとに分割する。そして、運動情報生成部２３０は、各時間区間の加速度データおよび傾斜データに含まれる平均傾斜量に基づいて運動強度データ、歩数データおよび運動状態データ等を算出する（Ｓ８０４）。その後、特徴量算出部２４０は、各時間区間の時刻データ、傾斜データ、始終点高度データ、および運動強度データ等に基づいて、地形データなどの特徴量を算出する（Ｓ８０５）。

次に、識別部２５１は、特徴量に含まれる地形データに基づいて、各時間区間におけるユーザ１の姿勢を識別する（Ｓ８０６）。その後、区間帯設定部２５２は、識別部２５１によりユーザ１の姿勢が例えば立位であると識別された時間区間を始点または終点とする時間区間帯を設定する（Ｓ８０７）。そして、評価部２５３は、区間帯設定部２５２において設定された時間区間帯に含まれる各時間区間におけるユーザ１の姿勢の変化の確からしさを、特徴量算出部２４０により算出された特徴量、生体情報登録部２６０により登録されたユーザ１の身長データ、および時間区間帯の始終点の時間区間におけるユーザ１の姿勢に基づいて評価する（Ｓ８０８）。その後、推定部２５４は、評価部２５３において算出された評価値に基づいて、上記時間区間帯に含まれる各時間区間におけるユーザ１の姿勢を推定する（Ｓ８０９）。

［運動記録処理］
次に、運動記録部２７０は、運動情報生成部２３０から取得した運動強度データ、歩数データ、および運動状態データ、並びに姿勢推定部２５０から取得した姿勢データ、および地形データを運動記録データベース等に記録する（Ｓ８１０）。その後、姿勢推定処理および運動記録処理が継続される場合は（Ｓ８１１／ＮＯ）、姿勢推定装置１０は、ステップＳ８０１およびステップＳ８０３の処理を再度実施する。

以上、図９Ａに示されているフローチャートに従って、本発明の実施形態に係る姿勢推定装置１０の姿勢推定処理および運動記録処理等に係る動作例について説明した。続いて、図９Ｂに示されているフローチャートに従って、本発明の実施形態に係る姿勢推定装置１０の活動状況分析処理および分析結果出力処理等に係る動作例について説明する。

［活動状況分析処理］
まず、姿勢推定装置１０は、ユーザ１の入力等により、ユーザ１の姿勢や運動に関する活動状況の分析の対象となる期間の設定を行う（Ｓ８５１）。次に、姿勢推定装置１０は、運動記録データベースから、上記対象期間における姿勢データ等のデータを取得する（Ｓ８５２）。そして、運動分析出力部２８０は、運動記録部２７０により記録された上記の各データ、および生体情報登録部２６０により登録されたユーザ１の体重データ等に基づいて、ユーザ１の指定する期間におけるユーザ１の活動状況について分析を行う（Ｓ８５３）。

［分析結果出力処理］
そして運動分析出力部２８０は、当該期間におけるユーザ１の活動状況の分析結果を出力部１４０によりユーザ１に対して出力する（Ｓ８５４）。その後、ユーザ１が分析を終了する場合は（Ｓ８５５／ＹＥＳ）、姿勢推定装置１０の動作は終了する。一方、例えば、ユーザ１が異なる期間における活動状況の分析を実施したい場合は（Ｓ８５５／ＮＯ）、再びステップＳ８５１の処理が実施される。

＜４．姿勢推定装置のハードウェア構成＞
以上、本発明の実施形態に係る姿勢推定装置１０の動作例について説明した。上述した姿勢推定装置１０の情報処理は、ソフトウェアと、姿勢推定装置１０との協働により実現される。以下では、姿勢推定装置１０のハードウェア構成を説明する。

図１０は、姿勢推定装置１０のハードウェア構成を示したブロック図である。姿勢推定装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３と、ホストバス９０４と、を備える。また、姿勢推定装置１０は、ブリッジ９０５と、外部バス９０６と、インタフェース９０７と、入力装置９０８と、出力装置９０９と、ストレージ装置９１０と、ドライブ９１１と、ネットワークインタフェース９１２と、を備える。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、各種プログラムに従って姿勢推定装置１０内の動作全般を制御する。また、ＣＰＵ９０１は、マイクロプロセッサであってもよい。なお、ＣＰＵ９０１は、制御部１２０の機能を実現する。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバスなどから構成されるホストバス９０４により相互に接続されている。

ホストバス９０４は、ブリッジ９０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス９０６に接続されている。なお、必ずしもホストバス９０４、ブリッジ９０５および外部バス９０６を分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。

入力装置９０８は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチおよびレバーなどユーザ１が情報を入力するための入力手段と、ユーザ１による入力に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路などから構成されている。なお、入力装置９０８は、入力部１３０の機能を実現する。

出力装置９０９は、例えば、ＣＲＴディスプレイ装置、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ装置およびランプなどの表示装置を含む。さらに、出力装置９０９は、スピーカ及びヘッドホンなどの音声出力装置を含む。出力装置９０９は、例えば、再生されたコンテンツを出力する。具体的には、表示装置は再生された映像データ等の各種情報をテキストまたはイメージで表示する。一方、音声出力装置は、再生された音声データや表示装置に表示されたテキストデータ等を音声に変換して出力する。なお、出力装置９０９は、出力部１４０の機能を実現する。

ストレージ装置９１０は、本発明の実施形態に係る姿勢推定装置１０におけるデータ格納用の装置である。ストレージ装置９１０は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読み出し装置および記憶媒体に記憶されたデータを削除する削除装置などを含んでも良い。ストレージ装置は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）で構成される。このストレージ装置９１０は、ＣＰＵ９０１が実行するプログラムや各種データを格納する。なお、ストレージ装置９１０は、記憶部１００の機能を実現する。

ドライブ９１１は、記憶媒体用リーダライタであり、姿勢推定装置１０に内蔵、あるいは外付けされる。ドライブ９１１は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記憶媒体９６に記録されている情報を読みだして、ＲＡＭ９０３に出力する。また、ドライブ９１１は、リムーバブル記憶媒体９６に情報を書き込むこともできる。

ネットワークインタフェース９１２は、例えば、他の装置に接続するための通信デバイス等で構成された通信インタフェースである。また、ネットワークインタフェース９１２は、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）対応通信装置、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）対応通信装置、またはブルートゥース通信装置であってもよい。また、ネットワークインタフェース９１２は、有線による通信を行うワイヤー通信装置であってもよい。なお、ネットワークインタフェース９１２は、通信部１１０の機能を実現する。

＜５．まとめ＞
ここまで、図１〜図１０を用いて、本発明の実施形態について詳細に説明した。本発明の実施形態に係る姿勢推定装置１０は、姿勢推定装置１０が気圧センサ３００から取得した高度データに基づいて、姿勢推定装置１０を装着したユーザ１の姿勢を推定することが可能である。気圧センサ３００から得られる高度データは指向性を有さないので、ユーザ１は姿勢推定装置１０の装着方向の変化等に注意する必要がない。これにより、ユーザ１の姿勢状態をより簡単に推定することが可能となる。

また、本発明の実施形態によれば、姿勢推定装置１０は、時系列に取得された高度データの示す高度の変化に基づいて分割された高度データの分割位置に基づく各時間区間のユーザ１の姿勢を推定することが可能である。これにより、ユーザ１の姿勢の変化をより精度高く推定することが可能となる。

また、本発明の実施形態によれば、姿勢推定装置１０は、ある時間区間の地形データにより識別されたユーザ１の姿勢に基づいて、他の時間区間のユーザ１の姿勢を推定することが可能である。これにより、ユーザ１の姿勢をより精度高く推定することが可能となる。

また、本発明の実施形態によれば、姿勢推定装置１０は、複数の時間区間におけるユーザ１の姿勢の変化の確からしさに基づいて、当該複数の時間区間におけるユーザ１の姿勢を推定することが可能である。これにより、ユーザ１の姿勢をより精度高く推定することが可能となる。

また、本発明の実施形態によれば、姿勢推定装置１０が取得する高度データと加速度データとの組み合わせにより、姿勢推定装置１０はユーザ１の姿勢のみならず、ユーザ１の運動を推定することが可能である。これにより、ユーザ１の姿勢と運動に起因する様々な運動情報を分析することが可能となる。

以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

例えば、上記実施形態では、姿勢推定装置１０は高度データおよび加速度データを利用してユーザ１の姿勢を推定するが、本発明はかかる例に限定されない。例えば、姿勢推定装置１０は、加速度データを用いずにユーザ１の姿勢を推定してもよい。それにより、姿勢推定装置１０の構成をより簡素化することが可能となる。さらに、姿勢推定装置１０が標高の変化しない場所において用いられる場合、姿勢推定装置１０は、現在の高度データの示す高度のみに基づいて、ユーザ１の姿勢を推定することも可能となる。それにより、例えば、姿勢推定部２５０は、分割された時系列高度データだけではなく、リアルタイムで取得される高度データに基づいてユーザ１の姿勢を推定することが可能となる。したがって、姿勢推定装置１０は、ユーザ１の活動状況をリアルタイムで分析することが可能となる。

また、上記実施形態では、姿勢推定装置１０は高度データ等に基づいてユーザ１の姿勢を推定するが、本発明はかかる例に限定されない。例えば、姿勢推定装置１０は、ユーザ１の入力により、任意の時点におけるユーザ１の姿勢を設定する機能を有してもよい。これにより、設定されたユーザ１の姿勢、および当該姿勢に対応する高度データに基づいて、当該高度データの変化に伴い変化するユーザ１の他の姿勢を推定することが可能となる。例えば、姿勢推定装置１０は、初期設定として測定開始時のユーザ１の姿勢をユーザ１に入力させる。そして姿勢推定装置１０は、測定開始時におけるユーザ１の姿勢、および当該測定開始時における姿勢推定装置１０の高度データに基づいて、ユーザ１の姿勢を推定することが可能となる。

また、上記実施形態では、運動強度データは、加速度データに基づき算出されたＭＥＴｓ値としたが、当該ＭＥＴｓ値は、ユーザ１の姿勢および運動状態に基づいて設定されてもよい。また、運動強度を示すＭＥＴｓ値以外の別の指標が、ユーザ１の運動強度を示す運動強度データとして、加速度データ等に基づいて算出されてもよい。

また、上記実施形態では、姿勢推定装置１０は、ユーザ１の上腕部等の上半身に装着されるとしたが、本発明はかかる例に限定されない。例えば、姿勢推定装置１０は、ユーザ１の首から吊り下げるネックレスの形態や、ユーザ１の耳に装着されるイヤリングやイヤカフスの形態であってもよい。また、姿勢推定装置１０は、ユーザ１の使用するゴーグルや眼鏡、時計等と一体となる構成であってもよく、ユーザ１の使用するベルト等と一体となる構成であってもよい。また、例えば、姿勢推定装置１０は、スマートフォンやタブレット等の情報処理端末の形態であってもよい。その場合、姿勢推定装置１０の各構成と同等の機能を発揮するためのアプリケーションが、当該情報処理端末にインストールされてもよい。

また、上記実施形態では、運動分析出力部２８０は、例えば、図８に示されるような画面７００を、出力部１４０を介してユーザ１に対して表示するとしたが、本発明はかかる例に限定されない。例えば、上記分析結果は、音声により出力されてもよいし、電子メールやソーシャルネットワークサービス等を介して他の端末上に出力されてもよい。

また、上記実施形態では、姿勢推定装置１０単体の構成について説明したが、本発明はかかる例に限定されない。例えば、姿勢推定装置１０は、情報処理端末および外部サーバによる構成としてもよい。具体的には、情報処理端末は、入力部１３０、出力部１４０、高度データ取得部２００、および加速度データ取得部２２０等の機能、並びに気圧センサ３００、および加速度センサ４００を有し、外部サーバは、分割部２１０、運動情報生成部２３０、特徴量算出部２４０、姿勢推定部２５０、生体情報登録部２６０、運動記録部２７０および運動分析出力部２８０等の機能、並びに記憶部１００に記憶されているデータを有してもよい。それにより、インタフェースとして情報を入出力する情報処理端末と、かかる情報処理を行う外部サーバと、を備える姿勢推定システムを実現することが可能となる。

また、本明細書の処理における各ステップは、必ずしもフローチャートとして記載された順序に沿って時系列に処理する必要はない。例えば、姿勢推定装置１０が実行する処理における各ステップは、フローチャートとして記載した順序と異なる順序で処理されても、並列的に処理されてもよい。

また、姿勢推定装置１０に内蔵されるＣＰＵ９０１、ＲＯＭ９０２およびＲＡＭ９０３などのハードウェアを、上述した姿勢推定装置１０の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムを記憶させた記憶媒体も提供される。

１０ 姿勢推定装置
１００ 記憶部
１１０ 通信部
１２０ 制御部
１３０ 入力部
１４０ 出力部
２００ 高度データ取得部
２１０ 分割部
２２０ 加速度データ取得部
２３０ 運動情報生成部
２４０ 特徴量計算部
２５０ 姿勢推定部
２５１ 識別部
２５２ 区間帯設定部
２５３ 評価部
２５４ 推定部
２６０ 生体情報登録部
２７０ 運動記録部
２８０ 運動分析出力部
３００ 気圧センサ
４００ 加速度センサ

Claims (17)

1. 生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定する推定部を備える、姿勢推定装置。
2. 前記推定部は、第１の時点および第２の時点における高度データ、および前記第１の時点における前記生体の姿勢に基づいて、前記第２の時点における前記生体の姿勢を推定する、請求項１に記載の姿勢推定装置。
3. 前記姿勢推定装置は、前記高度データを時系列に取得する高度データ取得部と、
   前記取得された時系列高度データを分割する分割部と、
   をさらに備え、
   前記推定部は、前記分割部により得られた複数の分割高度データに基づいて、前記各分割高度データが取得された各時間区間における前記生体の姿勢を推定する、請求項１または２に記載の姿勢推定装置。
4. 前記分割部は、前記時系列高度データの変化に基づいて前記時系列高度データを分割する、請求項３に記載の姿勢推定装置。
5. 前記分割部は、前記時系列高度データを二階微分した値に基づいて、前記時系列高度データを分割する、請求項４に記載の姿勢推定装置。
6. 前記推定部は、第１の分割高度データを含む前記複数の分割高度データ、および前記第１の分割高度データが取得された第１の時間区間における前記生体の姿勢に基づいて、他の時間区間における前記生体の姿勢を推定する、請求項３〜５のいずれか１項に記載の姿勢推定装置。
7. 前記姿勢推定装置は、前記第１の分割高度データが示す高度の変化が所定の条件を満たす場合に前記第１の時間区間における前記生体の姿勢が立位であると識別する識別部をさらに備え、
   前記推定部は、識別された前記第１の時間区間における前記生体の姿勢に基づいて、前記他の時間区間における前記生体の姿勢を推定する、請求項６に記載の姿勢推定装置。
8. 前記姿勢推定装置は、前記第１の時間区間および第２の分割高度データが取得された第２の時間区間を始終点とする時間区間帯における前記生体の姿勢の変化の確からしさを、前記時間区間帯に含まれる各時間区間における分割高度データに基づいて算出される特徴量を用いて評価する評価部をさらに備え、
   前記推定部は、前記第１の時間区間における前記生体の姿勢、および前記評価部による評価結果に基づいて、前記第１の時間区間を除く前記時間区間帯に含まれる前記各時間区間における前記生体の姿勢を推定する、請求項７に記載の姿勢推定装置。
9. 前記評価部は、前記時間区間帯における前記生体の姿勢の変化の確からしさを示す評価値を、前記特徴量を用いて前記時間区間帯において前記生体が取り得る姿勢の組み合わせごとに算出し、
   前記推定部は、前記生体が取り得る姿勢の組み合わせごとに算出された評価値に基づいて、前記第１の時間区間を除く前記時間区間帯に含まれる前記各時間区間における前記生体の姿勢を推定する、請求項８に記載の姿勢推定装置。
10. 前記推定部は、前記第１の時間区間および前記第２の時間区間における前記生体の姿勢、並びに前記評価部による評価結果に基づいて、前記第１の時間区間および前記第２の時間区間を除く前記時間区間帯に含まれる前記各時間区間における前記生体の姿勢を推定する、請求項８または９に記載の姿勢推定装置。
11. 前記特徴量は、前記各時間区間における前記識別部による前記生体の姿勢の識別結果、前記各時間区間における前記生体の姿勢または運動に応じた運動強度、および前記各分割高度データが取得された時刻の少なくとも１の情報に基づいて算出される、請求項８〜１０のいずれか１項に記載の姿勢推定装置。
12. 前記生体の運動および前記運動強度の少なくとも１つは、前記生体に装着された第２のセンサにより取得される加速度データに基づいて算出される、請求項１１に記載の姿勢推定装置。
13. 前記推定部は、前記高度データおよび前記生体の身長データに基づいて、前記生体の姿勢を推定する、請求項１〜１２のいずれか１項に記載の姿勢推定装置。
14. 前記第１のセンサは気圧センサである、請求項１〜１３のいずれか１項に記載の姿勢推定装置。
15. 生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定する推定部を備える、姿勢推定システム。
16. 生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定するステップを含む、姿勢推定方法。
17. コンピュータを、
    生体に装着された第１のセンサにより取得される高度データに基づいて前記生体の姿勢を推定する推定部として機能させるための、プログラム。
    

Images