JP2016182160A - 運動状態解析システムとその方法、装置及びプログラム - Google Patents

Abstract

【課題】ユーザの動作状態として、歩行状態ばかりでなく走行状態も推定できるようにする。
【解決手段】ユーザ３に装着されたセンサ端末２から送信される加速度データを解析端末１で受信する。その後、解析端末１の制御ユニット１２において、歩調算出部１２１でユーザ３の歩調を算出し、振幅情報抽出部１２２で、加速度の分散値を算出する。そして、算出された歩調および分散値と予め被測定者による実測より導出された非線形関数とを比較することで、ユーザ３の歩行状態、走行状態などの動作状態を推定し、外部へ情報を提供する。
【選択図】図３

Description

この発明は、ユーザに装着されたセンサにより計測される当該ユーザの生体情報をもとに、当該ユーザの運動状態を解析する運動状態解析システム、装置および方法に関する。

近年、被測定者が装着しているセンサから、被測定者の生体情報を検出する技術が提案されている。このような生体情報測定技術の１つとして、ＸＹＺ軸の３方向の加速度を検出する３軸の加速度センサにより測定した加速度データより被測定者の歩調を算出し、その歩調から被測定者の歩幅や歩行速度といった特徴量を得る技術が、例えば非特許文献１で提案されている（例えば非特許文献１を参照）。

非特許文献１で提案されている生体特徴量推定技術は、歩幅が歩調に対して線形の比例関係にあるという仮定の下、被測定者の歩行をもとにした歩幅、歩調、歩行の実測値をもとにして歩調に対する歩幅の推定式を作成し、この推定式を用いて歩行中の被測定者の特徴量のひとつである歩幅を求めている。また、歩行速度の推定においても、歩行速度の推定式は歩幅の推定式を内包するため、上記歩幅を推定する場合と同様の仮定を前提としている。

煤孫 光俊、大瀧 保明、鈴木 明宏、佐川 貢一、石原 正、猪岡 光、"移動形態と歩行速度を考慮した消費カロリーの無拘束測定"、計測自動制御学会東北支部、第202回研究集会、資料番号202-11、1-6、2002

ところが、非特許文献１で提案されている生体特徴量推定技術は、歩幅および歩行速度の推定式が歩行の実測値に基づいているため、歩行状態に対してのみ適用可能であり、走行状態に対しては著しく精度が劣化する。

この発明は上記事情に着目してなされたもので、その目的とするところは、ユーザの歩行状態ばかりでなく走行状態も推定できるようにした運動状態解析システムとその方法、装置及びプログラムを提供することにある。

上記目的を達成するためにこの発明の第１の態様は、ユーザに装着され前記ユーザの生体情報を計測して出力するセンサ端末と、前記センサ端末から出力された前記ユーザの生体情報を受信する解析端末とを具備する。前記解析端末は、前記受信した生体情報をもとに前記ユーザの歩調を算出する歩調算出手段と、前記受信した生体情報を入力として統計学的方法を用いることで前記生体情報の振幅情報を抽出する振幅情報抽出手段と、前記歩調算出手段により算出された歩調と、前記振幅情報抽出手段により抽出された振幅情報とに基づいて、前記ユーザの動作状態が歩行状態、走行状態およびそれ以外の状態のいずれかであるかを、推定する状態推定手段とを備えることを具備するようにしたものである。

この発明の第２の態様は、前記センサ端末により、前記ユーザの生体情報として、歩行状態または走行状態において前記ユーザに加わる加速度を示す情報を計測し、前記解析端末の振幅情報抽出手段により、前記振幅情報として、前記加速度を示す情報から当該加速度の一定期間における分散値を計算し、前記状態推定手段により、予め設定された非線形の閾値関数と、前記算出された歩調および前記振幅情報として算出された分散値とを比較することで、前記ユーザの動作状態が歩行状態、走行状態およびそれ以外の状態のいずれかであるかを推定するようにしたものである。

この発明の第３の態様は、前記解析端末に、前記推定された動作状態に対応する演算式を、歩行状態および走行状態のそれぞれに対し予め設定された第１及び第２の演算式から選択し、この選択された第１または第２の演算式に基づいて、前記ユーザの歩行状態または走行状態における歩幅を算出する特徴量算出手段と、前記特徴量算出手段により算出された歩幅を表す情報を、前記推定された動作状態と共に出力する出力手段とをさらに備えるようにしたものである。

この発明の第４の態様は、前記特徴量算出手段により、前記推定された動作状態と、前記算出された歩調および歩幅を表す情報に基づいて、前記歩行状態または走行状態における前記ユーザの移動速度または移動距離を算出することを特徴とするようにしたものである。

この発明の第５の態様は、前記特徴量算出手段に、前記ユーザの歩行状態または走行状態における片足の接地時間を算出する手段をさらに備え、前記接地時間を算出する手段に、前記状態推定手段により動作状態が走行状態と推定された場合には、前記ユーザの加速度と予め設定された接地判定用の閾値とを比較することで片足の接地時間を算出する手段と、前記状態推定手段により動作状態が歩行状態と推定された場合には、前記ユーザの加速度変化に基づいて算出される一歩当りの時間間隔と予め設定された一定量の補正係数とを足し合わせることで、片足の接地時間を算出する手段とを備えるようにしたものである。

この発明の第１の態様によれば、センサ端末から受信した生体情報を入力として統計学的方法を用いることで前記生体情報の振幅情報が抽出され、この抽出された振幅情報と、別途算出された歩調とを組み合わせることで、ユーザの動作状態が歩行状態、走行状態、およびそれ以外の状態のいずれかであるかを推定することが可能となる。

この発明の第２の態様によれば、歩行時または走行時にユーザに加わる加速度の一定期間における分散値が計算され、この計算された加速度の分散値と歩調を予め設定された非線形の閾値関数と比較することで、歩行、走行およびそれ以外のいずれかであるかが推定される。したがって、より実態に近い状況を考慮して、歩行状態、走行状態およびそれ以外の状態のいずれかであるかが推定される。

この発明の第３の態様によれば、歩行および走行のそれぞれに対し予め設定された第１及び第２の演算式を選択的に用いることでユーザの歩行状態または走行状態における歩幅が算出される。したがって、ユーザの歩幅を、歩行および走行それぞれの特徴を考慮して正確に求めることが可能となる。

この発明の第４の態様によれば、ユーザの歩行状態および走行状態それぞれの特徴を考慮して算出された歩幅と歩調を用いることで、ユーザの歩行状態および走行状態における移動速度または移動距離を正確に算出することが可能となる。

この発明の第５の態様によれば、ユーザの歩行と走行のそれぞれについてその動作状態の特徴を考慮した演算を行うことで、ユーザの片足の接地時間を正確に算出することが可能となる。

すなわちこの発明によれば、歩行状態と走行状態を推定できるようにした運動状態解析システムとその方法、装置及びプログラムを提供することができる。

第１乃至５の実施形態に係る運動状態解析システムの全体構成の例を示す図。 第１乃至６の実施形態におけるセンサ端末の機能構成を示すブロック図。 第１の実施形態における解析端末の機能構成を示すブロック図。 状態推定手段において、歩調および加速度の分散の関係を表す非線形関数を利用し、歩行状態と、走行状態と、その他（静止またはそれに近い状態）の状態の推定を行う例を示す図。 歩行状態と、走行状態と、その他（静止またはそれに近い状態）の状態のいずれかであるかの推定を行うプロセスを説明する図。 第２の実施形態における解析端末の機能構成を示すブロック図。 第２の実施形態において、歩幅算出方法を説明するための図。 走行状態における片足の接地時間および無接地時間を算出するための、被測定者に装着された３軸デジタル加速度センサが示す加速度の時間波形。 歩行状態における左足または右足の接地時間を算出するための、被測定者に装着された３軸デジタル加速度センサが示す加速度の時間波形。 第６の実施形態に係る運動状態解析システムの全体構成の例を示す図。 第６の実施形態における解析端末の機能構成を示すブロック図。 第６の実施形態における外部端末の機能構成を示すブロック図。

以下、図面を参照してこの発明に係わる実施形態を説明する。
［第１の実施形態］
（構成）
図１は、この発明の実施形態に係る運動状態解析システムの全体構成を示す図であり、１は解析端末、２はセンサ端末を示している。
センサ端末２は、測定対象となるユーザ３にベルトまたは粘着テープ等により装着される。装着位置としては、例えば胸の中央部分や、うなじ部分（例えばＴシャツのタグの位置）、脇腹、太ももなどが挙げられる。

センサ端末２は、図２に示すように、運動中のユーザ３の下半身の動きを３軸で計測する加速度センサ２０と、生体情報検出部２１と、生体情報記憶部２２と、生体情報送信処理部２３と、通信インタフェース２４と、アンテナ２５とから構成される。

生体情報検出部２１は、加速度センサ２０で計測されたアナログ加速度信号を所定のサンプリングレートでデジタル加速度データに変換する。
生体情報記憶部２２は、生体情報検出部２１でデジタル化された加速度データを記憶する。
生体情報送信処理部２３は、生体情報記憶部２２で記憶された加速度データを、通信インタフェース２４を通じて解析端末１へ送信する。
通信インタフェース２４としては、例えば無線ＬＡＮ（Local Area Network）やBluetooth（登録商標）等の小電力無線データ通信規格に対応したインタフェースが用いられる。

解析端末１は、例えばタブレット型端末またはスマートフォンからなり、以下のように構成される。図３はその機能構成を示すブロック図である。

すなわち、解析端末１は、インタフェースユニット１１と、制御ユニット１２と、記憶ユニット１３とを備えている。

インタフェースユニット１１は、通信インタフェース１１０と出力インタフェース１１１を有する。
通信インタフェース１１０はアンテナ１０を備え、センサ端末２から送信された加速度データを受信する。無線インタフェースとしては、先に述べたように例えば無線ＬＡＮやBluetooth（登録商標）が用いられる。
出力インタフェース１１１には、表示デバイスとしてのディスプレイ１４が接続される。

記憶ユニット１３は記憶媒体としてＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）を用いたもので、この実施形態を実施する上で必要な記憶部として、生体情報記憶部１３０と、推定データ記憶部１３１とを有している。生体情報記憶部１３０は、センサ端末２から送信された加速度データを記憶するために使用される。推定データ記憶部１３１は、後述する状態推定部１２３により推定された歩行、走行、その他（静止またはそれに近い状態）のいずれかである動作状態の推定結果や推定結果を元に算出されたユーザ３の運動時の特徴量に関する情報を保存するために使用される。

制御ユニット１２はＣＰＵ（Central Processing Unit）を備え、この実施形態を実施する上で必要な制御機能として、生体情報受信処理部１２０と、振幅情報抽出部１２２と、歩調算出部１２１と、状態推定部１２３と、推定データ出力処理部１２４とを有している。
なお、これらの処理部１２０〜１２４は何れも記憶ユニット１３内の図示しないプログラム記憶領域に格納されたアプリケーション・プログラムを上記ＣＰＵに実行させることにより実現される。

生体情報受信処理部１２０は、ユーザ３の運動中に、上記センサ端末２から送信された加速度データを通信インタフェース１１０から取り込む処理を行う。

歩調算出部１２１は、上記生体情報受信処理部１２０により取り込まれた時系列の加速度データを入力とて、ユーザ３の単位時間当りの歩数である歩調を算出する。

振幅情報抽出部１２２は、上記生体情報受信処理部１２０により取り込まれた時系列の加速度データより予め定められた間隔で加速度の分散値を算出し、分散値の集合である振幅情報を得る（例えば図４の四角の点または丸の点参照）。

状態推定部１２３は、予め取得したユーザ３の歩調、加速度データの分散値および運動状態に基づく非線形の閾値関数と、上記振幅情報抽出部１２２によって抽出された振幅情報とを比較して、ユーザ３の動作状態が歩行状態、走行状態、その他（静止またはそれに近い状態）のいずれかであるかを推定する。

推定データ出力処理部１２４は、上記推定データ記憶部１３１に格納された推定結果を表す表示データを生成する。そして、この生成された表示データを出力インタフェース１１１を介してディスプレイ１４へ出力し表示させる処理を行う。

なお、センサ端末２の生体情報記憶部２２と、解析端末１の生体情報記憶部１３０に格納されている加速度データは、同一のデータであってもよいし、どちらか一方がサンプリングレートに対する補完や間引きがなされたものであってもよい。また、利用する通信手段の方式に則った形式に変換したものであってもよい。

（動作）
次に、以上のように構成された運動状態解析システムの動作を説明する。
（１）センサ端末２における処理
ユーザ３の動作は、その加速度が加速度センサ２０より時系列的に計測される。計測される加速度は、ユーザ３の進行方向と、重力方向と、進行方向および重力方向の双方に垂直な方向の３軸に沿った加速度成分からなる。加速度の計測は、歩行または走行動作によりユーザ３のセンサ端末装着部分に生じる振動のスペクトルが１０Ｈｚ以下であると仮定し、ナイキストの定理に従い、その２倍の２０Ｈｚより大きい値、例えば２５Ｈｚでサンプリングすることにより行われる。

上記計測された３軸の加速度信号は、生体情報検出部２１により例えば所定の間隔でサンプリングされてデジタルデータに変換され、タイムスタンプが付与されて生体情報記憶部２２に記憶される。そして、上記記憶された加速度データは、生体情報送信処理部２３により一定時間ずつ読み出されて、通信インタフェース２４により解析端末１へ送信される。

（２）解析端末１における処理
上記センサ端末２から送信された加速度データは、通信インタフェース１１０を介して生体情報受信処理部１２０により受信され、記憶ユニット１３内の生体情報記憶部１３０に保存される。

（２−１）歩調の算出
歩調算出部１２１は、上記生体情報記憶部１３０から時系列の加速度データを一定時間分ごとに読み出し、この加速度データをもとにユーザ３の単位時間当りの歩数である歩調を算出する。歩調算出方法としては、例えば以下に説明するものが挙げられる。

静止中の加速度はほぼ１Ｇであるのに対し、歩行状態や走行状態における加速度時間変化は１Ｇを中心とした振動波形を示す特徴がある。このため、下限閾値と上限閾値をそれぞれ０．９Ｇ、１．１Ｇとして下限閾値を下回るタイミングまたは上限閾値を上回るタイミングを検出し、当該２回のタイミング検出を例えば１秒以内に生じた場合に歩行動作が発生したものとして１歩とカウントする。このカウントが単位時間に何回生じたか換算することで歩調を求めることができる。

なお、一般に歩調は１分を単位時間とするため、本実施形態でも１分当りの歩数をもって歩調とする。計測開始からｎ回目の歩数カウントがされてから、ｎ＋１回目の歩数カウントがされるまでの時間をＴｎ（ｓ）とすると、歩調ｆｎ（spm）は次の式で表される。
ｆｎ＝６０・１／Ｔｎ …（１）
なお、上記歩調算出方法は、参考文献１（“３軸加速度センサーアプリケーションノート、北陸電気工業株式会社、2007年”）に詳しく記載されている。

（２−２）振幅情報の抽出
振幅情報抽出部１２２は、上記生体情報記憶部１３０から時系列の加速度データを一定時間分ごとに読み出し、この読み出された時系列の加速度データより複数の分散値を算出し、複数の分散値の集合である振幅情報を得る。分散値Ｓ_ｉ ^２は、たとえば時間ｔ_ｉの加速度センサ２０より得られる加速度の値をａ_ｉ、母集団を時系列の５０点の加速度データ、平均をＡ_ｉとしたとき、以下のように表される。

なお、振幅情報抽出部１２２では、振幅情報として、加速度の分散のみに限られず、たとえば一定期間の加速度センサ値の最大値と最小値の差や、標準偏差Ｓ_ｉを算出するようにしてもよい。

また、加速度の値ａ_ｉとしては、ユーザの進行方向、重力方向およびこれらの２方向に垂直な方向にそれぞれ現れる３軸の加速度計測値をそのまま用いてよいが、これら３軸の計測値の二乗和、またはその平方根を用いてもよい。

また、上記Ａ_ｉおよびＳ_ｉ ^２を算出するにあたり、ａ_ｉをそのまま用いるのではなく、帯域制限を施したａ_ｉ’を用いてもよい。この場合、ａ_ｉ’は例えば以下の式で与えられる。
ａ_ｉ’＝ｈ・ａ_ｉ−１’＋（１−ｈ）ａ_ｉ …（４）
但し、式（４）のｈは任意のフィルタ係数であり、０から１の範囲の任意の値をとる。たとえば、ｈ＝０．８とした場合、ｈ＝０．８であるということは、１つ前の測定値の８０％が次の値に引き継がれるということを意味する。ｈ＝０．８程度の係数をとることで、前回の測定値をある程度引き継ぐことができ、加速度センサより得られる加速度の値等を示すａ_ｉの急激な変化が起こった場合を緩和することができる。

なお、このｈ＝０．８は経験的に調整されうる値であるため、被測定者の歩行時および走行時の態様や履いている靴に依存して最適値が異なる可能性があるため、他の値を個人設定として選択してもよい。

（２−３）動作状態の推定
状態推定部１２３は、予め取得した被測定者の歩調と運動状態に基づく非線形の閾値関数と、上記振幅情報抽出部１２２によって抽出された振幅情報とを比較して、ユーザ３の動作状態が歩行状態、走行状態、その他（静止またはそれに近い状態）の状態のいずれかであるかを以下のように推定する。

（２−３−１）非線形の閾値関数の導出
図４は、２０歳代から５０歳代の健常者１１名における歩行状態および走行状態それぞれの２秒間における加速度データの分散値と歩調との関係を示す図であり、図中四角の点が歩行状態、丸の点が走行状態の分散値をそれぞれ表す。全体的に見ると、走行状態の分散値が歩行状態の分散値よりも大きな値となっており、２秒程度のデータを母集団として分散を求めれば、同じ歩調であっても、歩行状態と走行状態の点の集団を分離することが分かる。

そこで、例えば歩行状態と走行状態の分散値の集合の間に閾値を設け、ユーザの歩調を考慮した上で、ユーザ３について計測された分散値が該閾値を超えるか否かにより、ユーザ３が歩行状態であるかまたは走行状態であるかを推定することが可能となる。

また、センサ端末２が偶発的に振動して歩数としてカウントされた場合、実際には歩行状態や走行状態ではないにもかかわらず、該偶発的な振動が歩調として検出されることがある。このような誤動作を防止するには、式（１）によって算出された歩調が例えば１分間に６０回未満と極端に低い場合は、歩行状態でも走行状態でもないとして、その他（静止またはそれに近い状態）の状態、とすることで、より正確な状態推定が実施できる。

以上のことから、歩行状態と走行状態を推定するための閾値関数は、例えば図４に示す折れ線のように、歩行状態と走行状態の分散値を隔てられるようなものであればよく、例えば以下のように歩調ｆの非線形関数として表すことができる。

（ａ）歩調ｆが１４０未満の場合
Ｙ＝５．２４×１０^−３ｆ−０．１２ …（５）
（ｂ）歩調ｆが１４０以上の場合
Ｙ＝５．２４×１０^−３×１４０−０．１２≒０．６２（固定値） …（６）

（２−３−２）歩行状態、走行状態、その他（静止またはそれに近い状態）の状態の推定
状態推定部１２３は、歩調ｆを領域分けし、その領域ごとに上記非線形関数に対して加速度センサ２０の計測値の分散値Ｓ^２が閾値Ｙを超えるかどうかを判定することで、ユーザの動作状態が歩行状態であるか、さらには静止またはそれに近い状態であるかを推定する。図５はその処理手順と処理内容を示すフローチャートである。

まずステップＳ１において、歩調算出部１２１により算出された歩調ｆを取得する。次にステップＳ２において、上記取得した歩調が６０以上であるか否かを判定する。

そして、この判定の結果、
ｆ＜６０の場合には、ステップＳ２１においてその他（静止またはそれに近い状態）の状態であると推定する。これに対しｆ≧６０の場合には、ステップＳ３において、歩調算出部１２１が上記歩調ｆを算出したときと同じ期間に振幅情報抽出部１２２が算出した加速度データの分散値Ｓ_ｉ ^２を取得する。そしてステップＳ４において、上記取得した分散値Ｓ_ｉ ^２が式（５）（６）で定義される閾値関数Ｙ以上であるかどうかを判定する。すなわち、Ｓ_ｉ ^２＜Ｙであれば歩行状態と推定し（ステップＳ４１）、Ｓ_ｉ ^２≧Ｙであれば走行状態と推定する（ステップＳ４２）。

（第１の実施形態の効果）
以上詳述したように第１の実施形態では、解析端末１において、予め取得したモニタ用の被測定者の歩調と運動状態の統計データに基づき非線形の閾値関数を準備する。その後、ユーザ３に装着されたセンサ端末２によって取得される加速度データを予め定められた時間間隔で取得し、この取得した加速度データをもとに歩調および分散値を算出し、歩調を領域分けしてその領域ごとに分散値を上記非線形の閾値関数と比較することでユーザ３の動作状態を推定するようにしている。したがって、ある時刻において、ユーザ３の動作状態が歩行状態なのか走行状態なのか、さらには静止またはそれに近い状態であるかを高精度に示す情報を提供することが可能となる。

なお、第１の実施形態の構成では、センサ端末と解析端末で機能を適切に分配することで、センサ端末を携帯可能なほどに小型化することができ、ウェアラブル機器として着用利用することができる。また、日常生活における広範な用途に利用することが可能となる。

［第２の実施形態］
前記第１の実施形態は、解析端末１が、ユーザ３の上記動作状態が歩行状態なのか走行状態なのか、さらには静止またはそれに近い状態であるかを推定する機能のみを備えた場合について説明した。これに対し第２の実施形態は、第１の実施形態で説明した状態推定部１２３によって推定されたユーザ３動作状態を利用して、ユーザ３の運動の特徴量の１つである歩幅を算出するようにしたものである。

（構成）
図６は、第２の実施形態に係る解析端末１Ａの構成を示すものである。なお、同図において前記図３と同一部分には同一符号を付して詳しい説明は省略する。

制御ユニット１２Ａは、生体情報受信処理部１２０、歩調算出部１２１、振幅情報抽出部１２２および状態推定部１２３に加え、特徴量算出部１２５と、推定データ出力処理部１２６を備えている。

特徴量算出部１２５は、状態推定部１２３により推定されたユーザ３の動作状態、つまり歩行状態および走行状態のそれぞれに応じて、その時の歩調に基づいてユーザの歩幅を算出し、その算出結果を推定データ記憶部１３１に記憶させる。

推定データ出力処理部１２６は、上記推定データ記憶部１３１から、ユーザ３の動作状態の推定データと、特徴量である歩幅の算出データを読み出して、これらを表す表示データを生成する。そして、この生成された表示データを出力インタフェース１１１を介してディスプレイ１４へ出力し表示させる処理を行う。

（動作）
歩幅の算出方法を図７を用いて説明する。

図７は、複数の異なる歩調で歩行または走行した場合における歩調と歩幅の関係を示す。図７中の四角の点は２０歳代から５０歳代の健常者１１名による歩行時の歩幅の測定値の平均値であり、四角の点から上下に伸びる線の上端と下端はそれぞれ最大値と最小値を示す。同様にして、丸の点は走行時の歩幅の平均値、丸の点から上下に伸びる線の上端と下端はそれぞれ最大値と最小値を示す。

非特許文献１における仮定のように、図７における歩行状態または走行状態における歩幅の平均値は、歩調に対して線形の比例関係にある。しかし、歩行状態と走行状態では歩調に対する歩幅の変化率が異なるため、近似式として得られる線形関数は異なる。例えば、歩調をｆ（spm:step per minute）、歩幅をＬ（ｍ）として線形関数を求めると、
Ｌ＝０．００１ｆ＋０．６４２ …（７）
Ｌ＝０．００９ｆ−０．１８１ …（８）
となる。式（７）および（８）よりｆの係数である歩幅の増加率が歩行状態と走行状態で大きく異なることが分かる。すなわち、同一推定式では適切に歩幅を推定することができない。

例えば、同じ歩調であっても、歩行状態と走行状態では歩調が１６０（spm）において、平均値で歩幅に４５（ｃｍ）の差があり、被測定者の走行時に誤って歩行状態の場合の推定式を用いると、４５（ｃｍ）の差を含んだ推定値を示してしまうことになるからである。さらに、人間は同じ歩調で歩くことも走ることもできるので、非特許文献１で提案されているような歩調の情報のみを用いた推定手法では、歩行状態と走行状態を判別することはできず、著しく誤った推定値を求めてしまうおそれがある。また、歩幅の推定値が劣化すると、該推定値を用いて算出する移動速度や移動距離の精度も劣化する。ゆえに、歩行状態と走行状態を判定し、それぞれの状態に対して適切な推定式を選択する必要がある。

本実施形態では、図７に示す歩行状態および走行状態に対応する線形関数を使い分けることで、歩行状態および走行状態それぞれにおけるユーザの歩幅を算出する。

たとえば、ある時刻における歩幅Ｌ（ｍ）は、歩調をｆ（spm）とすると、
（ａ）１０３≦ｆ≦１８０のとき
ユーザ３の運動状態が走行状態と推定された場合は、
Ｌ＝０．００９ｆ−０．１８１ …（８）
を選択し、
ユーザ３の運動状態が歩行状態と推定された場合は、
Ｌ＝０．００１ｆ＋０．６４２ …（７）
を選択する。
（ｂ）６０≦ｆ＜１０３のとき
式（８）より得られる値が式（７）より常に小さくなるため、走行状態、歩行状態のどちらであっても、式（７）を選択する。
（ｃ）ｆ＜６０のとき
歩行および走行は生じていないため、歩幅Ｌの算出は行わない。
（ｄ）１８０＜ｆのとき
ユーザ３の運動状態が走行状態と推定された場合は、
Ｌ＝０．００９×１８０−０．１８１＝１．４３９
を選択し、
ユーザ３の運動状態が歩行状態と推定された場合は、
Ｌ＝０．００１×１８０＋０．６４２＝０．８２２
を選択する。

（ｄ）において歩幅Lが固定値となる理由は、ｆが１８０、すなわち１秒間に３歩以上の頻度で足を動かす場合、その頻繁さゆえに大股で歩くことができず、ｆの増加につれてLも増加するという比例関係が成り立たなくなるためである。

（第２の実施形態の効果）
以上詳述したように第２の実施形態では、上記状態推定部１２３によって推定された動作状態を利用して、当該動作状態に応じた歩幅推定のための線形関数を選択し、歩幅を算出するようにしている。したがって、歩行状態と走行状態のそれぞれで歩幅を精度良く算出することができる。また、その他（静止またはそれに近い状態）の状態においては歩幅を算出しないようにすることで、より実態に近い歩幅情報を提供することが可能となる。

［第３の実施形態］
第３の実施形態は、第２の実施形態で算出された歩幅Ｌをもとに、ユーザの運動の特徴量としてさらに移動速度を算出するようにしたものである。

（構成）
本実施形態に係る解析端末は、特徴量算出部１２５に、歩幅Ｌの算出機能に加え、移動速度の算出機能をさらに備えている。この移動速度の算出は、状態推定部１２３により推定されたユーザの動作状態と、先に算出された歩幅Ｌとに基づいて行う。

（動作）
以下、移動速度の算出方法について説明する。すなわち、特徴量算出部１２５は、第１の実施形態において算出された歩調ｆ（spm）と、第２の実施形態において算出された歩幅Ｌ（ｍ）を用いて、移動速度ｖ（ｋｍ／ｈ）を以下の式により算出する。
ｖ＝０．００１×Ｌ×ｆ×６０ …（９）
なお、式（９）は歩行状態と走行状態とで共通である。その他（静止またはそれに近い状態）の状態の場合にはｖは提示されない。

（第３の実施形態の効果）
以上詳述したように第３の実施形態では、第１の実施形態において算出された歩調ｆ（spm）と、第２の実施形態において算出された歩幅Ｌ（ｍ）を用いて、移動速度ｖ（ｋｍ／ｈ）の算出するようにしている。したがって、第２の実施形態と同様に歩行状態と走行状態のそれぞれで移動速度を精度良く算出することができる。また、その他（静止またはそれに近い状態）の状態においては移動速度を算出しないようにすることで、より実態に近い移動速度情報を提供することが可能となる。

［第４の実施形態］
第４の実施形態では、第３の実施形態で算出された移動速度ｖをもとに、ユーザの運動の特徴量としてさらに移動距離を算出するようにしたものである。

（構成）
本実施形態に係る解析端末は、特徴量算出部１２５に、歩幅Ｌ、移動速度ｖの算出機能に加え、移動距離の算出機能をさらに備えている。この移動距離の算出は、状態推定部１２３により推定されたユーザの動作状態と、先に算出された移動速度ｖとに基づいて行う。

（動作）
以下移動距離の算出方法について説明する。すなわち、特徴量算出部１２５は、歩行状態若しくは走行状態の開始からの経過時間ｔ（ｈ）と、第３の実施形態において算出された移動速度ｖ（ｋｍ／ｈ）を用いると、移動距離ｄ（ｋｍ）は以下の式により算出される。
ｄ＝ｖ×ｔ …（１０）
なお、式（１０）は歩行状態と走行状態とで共通である。その他（静止またはそれに近い状態）の状態の場合にはｄは提示されない。

（第４の実施形態の効果）
以上詳述したように第４の実施形態では、歩行状態若しくは走行状態の開始からの経過時間ｔ（ｈ）と、第３の実施形態において算出された移動速度ｖ（ｋｍ／ｈ）を用いて、移動距離ｄ（ｋｍ）の算出するようにしている。したがって、歩行状態と走行状態のそれぞれにおいて移動距離を精度良く算出することができる。また、その他（静止またはそれに近い状態）の状態においては移動距離を算出しないようにすることで、より実態に近い移動距離情報を提供することが可能となる。

［第５の実施形態］
第５の実施形態では、ユーザの運動の特徴量としてさらにユーザ３の片足の接地時間を算出するようにしたものである。

（構成）
本実施形態に係る解析端末は、特徴量算出部１２５に、歩幅Ｌ、移動速度ｖ、移動距離ｄの算出機能に加え、ユーザ３の片足の接地時間の算出機能をさらに備えている。この片足の接地時間の算出は、状態推定部１２３により推定されたユーザの動作状態に基づき、ユーザの歩行状態と走行状態のそれぞれについて、その動作状態の特徴を考慮して行う。

（動作）
（１）走行状態における片足の接地時間の算出
以下、走行状態における片足の接地時間の算出方法について説明する。すなわち、特徴量算出部１２５は、ユーザ３の状態が走行状態と推定された場合、上記時系列の加速度データに対して、後述する接地を判定する閾値との比較を行うことで足の接地時間を算出する。

ここで、接地を判定するための閾値の設定方法について説明する。図８は、被測定者が走行状態である動作期間と該期間における時系列の加速度データ値（３軸の各加速度計測値の２乗和の平方根により算出）の関係を示す。走行状態では、片足が地面に接している時間と、両足とも接地していない時間とが交互に繰り返される。両足とも接地していない時間では加速度センサの計測値が０Ｇに近づくという特徴を発明者は確認した。該特徴を利用して、例えば計測値が重力加速度である１Ｇ（安定時の３軸ベクトル合計値と一致）を下回った期間を両足とも接地していない時間とみなす。すなわち、１Ｇを上回る期間を片足接地時間として扱い接地時間を算出する。なお、上記特徴は、参考文献２（“「３軸デジタル加速度センサによる人の転倒の検出」、Ning Jia著、アナログデバイセズ株式会社、http://www.analog.com/jp/content/cu_ad4307jp/fca.html”）にも記載されている。

（２）歩行状態における片足の接地時間の算出
次に、歩行状態における片足の接地時間の算出方法について、図９を用いて説明する。図９は、被測定者が歩行状態である動作期間と該期間における時系列の加速度データ値の関係を示す。すなわち、特徴量算出部１２５は、上記状態推定部１２３によってユーザ３の動作状態が歩行状態であると推定されたとき、上記Ｔｎ（ｓ）に対して予め定められた一定量の補正係数αｎ（ｓ）を加算することで接地時間を算出する。

補正係数αｎを加算する理由は、図８に示した走行状態と異なり、図９に示す歩行状態では両足が地面に接する時間が存在するため、片足の接地時間がわずかにＴｎより長くなるためである。このため、以下に示すような演算をすることで、歩行状態における接地時間を求めることが可能となる。
Ｔｎ＋αｎ …（１１）
αｎは接地時間がＴｎより大きな値になることを考慮して設定される補正係数であり、０からＴｎの範囲で任意に設定できる値である。オーダーとしてはＴｎで想定されているより１桁小さい１０ｍｓの規模であるため、たとえば５０ｍｓと設定する。

（実施形態の効果）
以上詳述したように第５の実施形態では、上記状態推定部１２３によって推定された動作状態を利用し、走行状態および歩行状態それぞれに応じた算出方法を選択することにより、足の接地時間を算出する。したがって、歩行状態と走行状態のそれぞれで高精度な足の接地時間情報の提供ができ、その他（静止またはそれに近い状態）の状態でも誤った推定をしないことで、より実態に近い足の接地時間情報を提供することが可能となる。

［第６の実施形態］
第６の実施形態では、第１乃至第５の実施形態における解析端末１、１Ａにおいて得られた上記動作状態および特徴量を外部の端末に出力し、該外部の端末においてユーザ３を支援するような機能を持たせるようにしたものである。

（構成）
図１０は、第６の実施形態に係る運動状態解析システムの全体構成を示す図であり、１Ｂは解析端末、４は外部端末を示している。
図１１は、第６の実施形態に係る解析端末１Ｂの構成を示すものである。なお、同図において前記図６と同一部分には同一符号を付して詳しい説明は省略する。

インタフェースユニット１１Ｂは、通信インタフェース１１０および出力インタフェース１１１に加え、通信インタフェース１１２を備えている。
通信インタフェース１１２はアンテナ１５を備え、推定データ送信処理部１２７で生成された送信データを外部端末４へ送信する。

制御ユニット１２Ｂは、生体情報受信処理部１２０、歩調算出部１２１、振幅情報抽出部１２２、状態推定部１２３、特徴量算出部１２５および推定データ出力処理部１２６に加え、推定データ送信処理部１２７を備えている。
推定データ送信処理部１２７は、上記推定データ記憶部１３１に格納された動作状態の推定結果および歩幅、片足の接地時間などの特徴量を表す送信データを生成する。そして、この生成された送信データを通信インタフェース１１２を介して外部端末４へ送信させる処理を行う。
図１２は、第６の実施形態の外部端末４に係る構成を示す図である。外部端末４は、アンテナ４０と、通信インタフェース４１と、推定データ受信処理部４２と、推定データ記憶部４３と、動作装置制御部４４と、動作装置４５とから構成される。

通信インタフェース４１はアンテナ４０を備え、解析端末１Ｂから送信された動作状態の推定結果および歩幅、片足の接地時間などの特徴量を示す情報を受信する。無線インタフェースとしては、先に述べたように例えば無線ＬＡＮやBluetooth（登録商標）が用いられる。
推定データ受信処理部４２は解析端末１から上記推定された動作状態および特徴量に関するデータを通信インタフェース４１を介して受信した後、推定データ記憶部４３に保存する。
推定データ記憶部４３は、推定データ受信処理部４２で受信した上記動作状態等のデータを記憶する。

動作装置制御部４４は、推定データ記憶部４３に記憶された上記動作状態または特徴量に関する情報を元に、動作装置４５にユーザ３を支援するような動作を実施させる。
動作装置４５は、映像出力装置（モニタ等）、音声出力装置（スピーカ、楽器等）、光源（LED: Light Emitting Diodeや電球）、アクチュエーター（振動子やロボットアーム、電気治療器）、温熱機器（ヒータやペルチェ素子）などである。

（動作）
外部端末４では、解析端末１から上記推定された動作状態および特徴量に関するデータに基づき、動作装置制御部４４が動作装置４５に命令して様々なユーザ３の支援サービスを実現する。以下具体例を記載する。

例えば、ランニングにおいて、ユーザ３の状態が走行状態から歩行状態に遷移した際には、再び走行するように促すための音声の発呼、疲労した筋肉の弛緩のための振動、ペルチェ素子による身体の冷却、ゴール地点までの残距離を示す映像出力などを外部端末から提示することが挙げられる。また、歩行状態と走行状態で提示する音の種類を変えるなど、異なる出力をしてもよい。

また、解析端末１Ｂの解析結果を利用するのはユーザ３に限られず、解析端末１Ｂから外部端末４に送信される過程においてインターネット等を介して、遠方における他の利用者、たとえばユーザ３のコーチや知人が利用してもよい。この場合、提示する情報は、上記コーチや知人などの他の利用者に向けた注意喚起、メッセージを出力してもよい。

また、センサ端末２から得られる生体情報を外部端末４へ直接送信し、外部端末４において、解析端末１のような動作状態の推定や上記各種特徴量を算出する機能を持たせて利用するようにしてもよい。

（実施形態の効果）
以上詳述したように第６の実施形態では、解析端末１Ｂから上記推定された動作状態および特徴量に関するデータに基づき、動作装置制御部４４が動作装置４５に命令して様々なユーザ３の支援サービスを行う。したがって、ユーザ３に対し、歩行状態と走行状態のそれぞれで高精度な支援サービスの提供ができ、その他（静止またはそれに近い状態）の状態でも誤った推定をしないことで、より実態に近い状況を踏まえた支援サービスを提供することが可能となる。

［その他の実施形態］
第１乃至第６の実施形態では、センサ端末２と解析端末１または１Ａまたは１Ｂとが分離された場合を例にとって説明したが、センサ端末２と解析端末１または１Ａまたは１Ｂとを１つの運動状態解析装置として一体化しても良い。

例えば、スマートフォンに内蔵された３軸加速度センサにより、ユーザ３の運動時にユーザ３に加わる加速度を示す情報（生体情報）を測定し、測定した加速度を示す情報からスマートフォンのプロセッサによってユーザ３の動作状態が歩行状態、走行状態およびその他（静止またはそれに近い状態）の状態のいずれかであることを推定する。そして、歩行状態または走行状態と推定されたときに、上記測定された加速度を示す情報を入力として、歩幅、移動速度、移動距離などのユーザの運動特徴量を算出し、この算出した特徴量を表す表示メッセージをスマートフォンのディスプレイに表示させたり、またはスピーカから音声メッセージを出力させる。さらには、上記算出されたユーザの運動特徴量に応じて映像や音楽を再生し、ユーザ３に提示する。

なお、スマートフォン等のようなセンサ端末と解析端末とを一体化した装置から外部端末へデータを送信するための無線インタフェースとしては、例えば３Ｇ（Third-Generation Cellular Phone）、ＧＳＭ（登録商標）（Global System for Mobile Communications）、ＬＴＥ（Long Term Evolution）、ＰＨＳ（Personal Handyphon System）等の携帯電話やガスメータ検針等に使用されている無線データ通信規格に対応したインタフェースを使用してもよい。

また、第１乃至６の各実施形態においては、加速度センサを用いて歩行状態と走行状態を推定する方法について説明をしたが、これに限定されない。例えば、靴や床に設置する圧力センサにより、圧力がかかる接地時間または接地圧力等を検出してその検出データを解析端末へ送信し、解析端末において上記検出データをもとにユーザの歩行状態と走行状態を推定するようにしてもよい。また、ジャイロセンサによるユーザの体の回転速度の変化、発汗センサによる汗の量、呼気センサによる呼吸の頻度または吐き出す二酸化炭素の量を利用してもよい。

要するにこの発明は、上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、各実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１、１Ａ、１Ｂ…解析端末、２…センサ端末、３…ユーザ、４…外部端末、１０、２５、４０…アンテナ、１１、１１Ｂ…インタフェースユニット、１２、１２Ａ、１２Ｂ…制御ユニット、１３…記憶ユニット、１４…ディスプレイ、１１０、２４、４１…通信インタフェース、１１１…出力インタフェース、１２０…生体情報受信処理部、１２１…振幅情報抽出部１２２…歩調算出部、１２３…状態推定部、１２４…推定データ出力処理部、１２５…特徴量算出部、１２６…推定データ出力処理部、１２７…推定データ送信処理部、１３０…生体情報記憶部、１３１…推定データ記憶部、２０…加速度センサ、２１…生体情報検出部、２２…生体情報記憶部、２３…生体情報送信処理部、４２…推定データ受信処理部、４３…推定データ記憶部、４４…動作装置制御部、４５…動作装置。

Claims (8)

1. ユーザに装着され前記ユーザの生体情報を計測して出力するセンサ端末と、
   前記センサ端末から出力された前記ユーザの生体情報を受信する解析端末と
   を具備し、
   前記解析端末は、
   前記受信した生体情報をもとに前記ユーザの歩調を算出する歩調算出手段と、
   前記受信した生体情報を入力として統計学的方法を用いることで前記生体情報の振幅情報を抽出する振幅情報抽出手段と、
   前記歩調算出手段により算出された歩調と、前記振幅情報抽出手段により抽出された振幅情報とに基づいて、前記ユーザの動作状態が歩行状態、走行状態およびそれ以外の状態のいずれかであるかを推定する状態推定手段と
   を備えることを特徴とする運動状態解析システム。
2. 前記センサ端末は、前記ユーザの生体情報として、歩行状態または走行状態において前記ユーザに加わる加速度を示す情報を計測し、
   前記解析端末の前記振幅情報抽出手段は、前記振幅情報として、前記加速度を示す情報から当該加速度の一定期間における分散値を計算し、
   前記状態推定手段は、予め設定された非線形の閾値関数と、前記算出された歩調および前記振幅情報として算出された分散値とを比較することで、前記ユーザの動作状態が歩行
   状態、走行状態およびそれ以外の状態のいずれかであるかを推定することを特徴とする
   請求項１に記載の運動状態解析システム。
3. 前記解析端末は、
   前記推定された動作状態に対応する演算式を、歩行状態および走行状態のそれぞれに対し予め設定された第１及び第２の演算式から選択し、この選択された第１または第２の演算式に基づいて、前記ユーザの歩行状態または走行状態における歩幅を算出する特徴量算出手段と、
   前記特徴量算出手段により算出された歩幅を表す情報を、前記推定された動作状態と共に出力する出力手段と
   をさらに備えることを特徴とする請求項１又は２に記載の運動状態解析システム。
4. 前記特徴量算出手段は、前記推定された動作状態と、前記算出された歩調および歩幅を表す情報に基づいて、前記歩行状態または前記走行状態における前記ユーザの移動速度または移動距離を算出することを特徴とする請求項３に記載の運動状態解析システム。
5. 前記特徴量算出手段は、前記ユーザの歩行状態または走行状態における片足の接地時間を算出する手段をさらに備え、
   前記接地時間を算出する手段は、
   前記状態推定手段により動作状態が走行状態と推定された場合には、前記ユーザの加速度と、予め設定された接地判定用の閾値とを比較することで前記片足の接地時間を算出する手段と、
   前記状態推定手段により動作状態が歩行状態と推定された場合には、前記ユーザの加速度変化に基づいて算出される一歩当りの時間間隔と、予め設定された一定量の補正係数とを足し合わせることで、前記片足の接地時間を算出する手段と
   を備えることを特徴とする、請求項３又は４に記載の運動状態解析システム。
6. ユーザに装着され前記ユーザの生体情報を計測して出力するセンサ端末と、前記センサ端末から出力された前記ユーザの生体情報を受信する解析端末とを具備するシステムが実行する運動状態解析方法であって、
   前記解析端末が、前記受信した生体情報をもとに前記ユーザの歩調を算出する歩調算出過程と、
   前記解析端末が、前記受信した生体情報を入力として統計学的方法を用いることで振幅情報を抽出する振幅情報抽出過程と、
   前記解析端末が、前記歩調算出過程により算出された歩調と、前記振幅情報抽出過程により抽出された振幅情報とに基づいて、前記ユーザの動作状態が歩行状態、走行状態およびそれ以外の状態のいずれかであるかを推定する状態推定過程と
   を備えることを特徴とする運動状態解析方法。
7. ユーザに装着され前記ユーザの生体情報を計測するセンサ部と、
   前記センサ部により計測された生体情報をもとに前記ユーザの歩調を算出する歩調算出手段と、
   前記センサ部により計測された生体情報を入力として統計学的方法を用いることで振幅情報を抽出する振幅情報抽出手段と、
   前記歩調算出手段により算出された歩調と、前記振幅情報抽出手段により抽出された振幅情報とに基づいて、前記ユーザの動作状態が歩行状態、走行状態およびそれ以外の状態いずれかであるかを推定する状態推定手段と
   を具備することを特徴とする運動状態解析装置。
8. 請求項１乃至５のいずれかに記載の運動状態解析システムの解析端末が具備する手段による処理を、前記解析端末が備えるコンピュータに実行させるプログラム。

Images