JP2016536050A - アスレチック運動属性からのペースとエネルギー消費量の計算 - Google Patents

アスレチック運動属性からのペースとエネルギー消費量の計算 Download PDF

Info

Publication number
JP2016536050A
JP2016536050A JP2016521672A JP2016521672A JP2016536050A JP 2016536050 A JP2016536050 A JP 2016536050A JP 2016521672 A JP2016521672 A JP 2016521672A JP 2016521672 A JP2016521672 A JP 2016521672A JP 2016536050 A JP2016536050 A JP 2016536050A
Authority
JP
Japan
Prior art keywords
data
axis
attributes
accelerometer
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2016521672A
Other languages
English (en)
Inventor
バラクリッシュナン，サントシュクーマー
ゴエル，マナン
ウイルキンズ，ブラッド
ハイゲルンド，コレイ ドウ
ハイゲルンド，コレイ ドウ
ハゼル，ジェフ
シュミット，ジョン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nike Innovate CV USA
Original Assignee
Nike Innovate CV USA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nike Innovate CV USA filed Critical Nike Innovate CV USA
Publication of JP2016536050A publication Critical patent/JP2016536050A/ja
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P13/00—Indicating or recording presence, absence, or direction, of movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0247—Pressure sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/083—Measuring rate of metabolism by using breath test, e.g. measuring rate of oxygen consumption
    • A61B5/0833—Measuring rate of oxygen consumption
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
    • A63B2024/0012—Comparing movements or motion sequences with a registered reference
    • A63B2024/0015—Comparing movements or motion sequences with computerised simulations of movements or motion sequences, e.g. for generating an ideal template as reference to be achieved by the user
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A63B2024/0068—Comparison to target or threshold, previous performance or not real time comparison to other individuals
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
    • A63B2230/06—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/14—Classification; Matching by matching peak patterns
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Pulmonology (AREA)
  • Software Systems (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Obesity (AREA)
  • General Business, Economics & Management (AREA)

Abstract

ユーザと関連付けられた動きデータを処理するように構成されたシステム及び方法。システムと方法は、センサから動きデータを受け取り、データから動き属性を計算し、１つ以上の数学的モデルを使用して動きデータを分類するように構成される。属性は、動きデータを活動タイプ（ウォーキング、ランニング、水泳、又は任意の特定又は一般的な活動）に分類せずに計算されてもよい。属性は、ユーザを含まないことがある数人の個人からの動きデータを含む活動モデルと比較されてもよい。モデル内の動きデータとユーザの属性がどの活動タイプにも依存しなくてもよい。属性は、１つ以上のエネルギー消費モデルから１つのエネルギー消費モデルを選択するために比較されてもよく、この１つのエネルギー消費モデルは、１つ以上の動き属性に対するベストマッチとして選択されてもよい。ユーザの動きと関連付けられたエネルギー消費が計算されてもよい。

Description

関連出願の相互参照
本出願は、２０１３年１０月１４日に出願され「CALCULATING ENERGY EXPENDITURE FROM ATHLETIC MOVEMENTS」と題する米国特許出願第６１／８９０，７４８号、及び２０１３年１１月５日に出願され「CALCULATING PACE AND ENERGY EXPENDITURE FROM ATHLETIC MOVEMENT ATTRIBUTES」と題する米国仮特許出願第６１／９００，２０３号に対する優先権を請求し、これらの出願は、あらゆる非限定的な目的のために参照により全体が本明細書に明示的に組み込まれる。
ほとんどの人は、フィジカルフィットネスの重要性を理解しているが、多くの人は、通常の運動プログラムを維持するのに必要な動機を見つけるのに苦労している。一部の人は、ランニング、ウォーキング、サイクリングなどの連続反復運動を伴う運動養生法を維持することが特に難しいことが分っている。
更に、個人は、ワークアウトを作業又は雑用と見なしており、したがって、ワークアウトを毎日の暮らしの楽しみと切り離すことがある。多くの場合、アスレチック活動と他の活動のそのような明確な分離は、個人がワークアウトを行おうとする動機付けを小さくする。更に、アスレチック活動に参加する個人を励ますためのアスレチック活動サービス及びシステムは、１つ以上の特定の活動に焦点を絞り込み過ぎており、個人の興味が無視されことがある。更に、これにより、アスレチック活動への参加やアスレチック活動サービス及びシステムの使用に対するユーザの関心が低下することがある。
多くの既存のサービス及び装置は、身体活動中のカロリー消費などのユーザのエネルギー消費量を正確に評価しかねる。したがって、ユーザは、しばしば「ワークアウト」と見なされない日課を含むことがある特定の活動が自分の健康によいという利点に気づかない。ユーザが自分のエネルギー消費を監視可能な既存の装置は、着用しにくい収集システム、許容可能なしきい値を超える不正確な測定、値の報告の許容不可能な待ち時間、検出されたユーザの動きに基づく活動の間違った分類、様々なユーザ間の偏差の考慮の失敗、特定の活動（例えば、ランニング及び／又はウォーキング）として分類される繰り返し挙動を不適切に含むこと、比較的高い消費電力、及び／又は以上その他の欠陥の組み合わせを含む１つ以上の欠陥を受けることが多い。
したがって、当該技術分野におけるこれらの欠点の少なくとも１つ以上に取り組む改善されたシステム及び方法が望ましい。
以下では、本発明の幾つかの態様の基本的な理解を提供するために本開示の概要を示す。この要約は、本発明の広範囲な概要ではない。本発明の重要又は不可欠な要素を示すものでもなく本発明の範囲を規定するものでもない。以下の要約は、本発明の幾つかの概念を、後で示されるより詳しい説明の前置きとし簡略化された形で提案するに過ぎない。
態様は、ユーザと関連付けられた動きデータを処理するように構成されたシステム及び方法に関する。動きデータは、データから動き属性を計算するために利用され（例えば、変換され）てもよい。センサは、特定の実施形態ではユーザによって装着されてもよい。特定の実施態様では、ユーザの外肢に装着されてもよい。更に別の実施形態では、少なくとも１つのセンサが、ユーザと物理的に接触しない。
データセットからの１つ以上の動き属性は、動きデータを活動タイプ（ウォーキング、ランニング、スイミング、又は任意の特定又は一般的な活動など）に分類することなく計算されてもよい。１つ以上の動き属性は、複数の個人からの動きデータを含む１つ以上の活動モデルと比較されてもよい。複数の個人は、ユーザを含まなくてもよい。特定の実施形態では、モデル内の動きデータとユーザの動き属性は両方とも、いかなる活動タイプにも依存しない。種々のモデルを使用して様々な値を計算してもよい。例えば、特定の実施形態では、属性は、１つ以上の動き属性に対するベストマッチとして選択されてもよい１つ以上のエネルギー消費モデルから１つのエネルギー消費モデルを選択するために比較されてもよい。次に、選択されたエネルギー消費モデルは、ユーザの動きと関連付けられたエネルギー消費を計算するために使用されてもよい。
特定の実施形態では、プロセス全体は、ユーザによって装着されることがある単一装置で行なわれる。ユーザの動きによって生成されたデータポイントが、第１の活動タイプの運動中に生成されてもよいが、活動モデルの少なくとも１つには、個人の第１の活動タイプの実行中に収集された動きデータがない。１つ以上の動き属性は、（ａ）ｘ軸、ｙ軸及びｚ軸それぞれの値を含むセンサデータからの全方向性属性、又は（ｂ）ｘ、ｙ軸又はｚ軸のうちの１つの軸の値を含むセンサデータからの単方向性属性として計算される。他の実施形態では、１つ以上の動き属性が、センサからの動きデータポイント出力間の変化を表わす１つ以上のデータポイントから計算される。一実施形態では、第１のセンサが、加速度計を含んでもよく、心拍数データが、センサによって検出されたユーザの動きの運動中にユーザから取得されてもよい。１つのそのような実施形態では、ユーザが身体活動を少なくとも第１の時間フレームでしきい値より低下させたことを示すデータを提供する加速度計に基づいて、心拍数データが正確にもかかわらずその利用を停止するように決定されてもよい。
特定の実施形態では、加速度計又は複数軸を有する他のセンサからの使用データが使用されてもよい。加速度計を有する例を参照すると、第１の時間期間に最大加速度量を有する第１の軸からの動きデータが決定されてもよく、第１の時間期間に２番目に大きい加速度量を有する第２の軸が決定されてもよい。第１の加速度計軸の識別に基づいて、第１の軸に沿った動きデータの第１の属性が計算されてもよく、第２の加速度計軸の識別に基づいて、第２の軸に沿った動きデータの第２の属性が計算されてもよい。特定の実施形態では、第２の属性は、第１の属性と異なる。少なくとも第１と第２の加速度計軸から収集された累積動きデータから累積属性が決定されてもよい。１つ以上のエネルギー消費モデルから１つのエネルギー消費モデルを選択するためにデータの活動タイプを考慮することなく、属性は、複数の人からの動きデータを含む１つ以上の活動モデルの属性と比較されてもよい。選択されたエネルギー消費モデルを使用することにより、ユーザの動きと関連付けられたエネルギー消費が計算されうる。
例示的な実施形態による個人トレーニングを提供しかつ／又はユーザの身体運動からデータを取得するように構成されうる例示的システムを示す図である。 図１のシステムの一部分でもよくそのシステムと通信してもよい例示的コンピュータ装置を示す図である。 例示的実施形態によりユーザが装着可能な例示的センサ組立体を示す図である。 例示的実施形態によりユーザが装着可能な別の例示的センサ組立体を示す図である。 ユーザの衣類上／内に配置された物理センサを含みかつ／又はユーザの２つの動く身体部分の間の関係の識別に基づく、知覚入力のための説明的位置を示す図である。 エネルギー消費量と速度を含むメトリックに対して実施されうる例示的なフローチャートである。 一実施形態による受け取ったセンサデータを検証するために実施されうるフローチャートである。 一実施形態による受け取ったセンサデータを変換するために実施されうるフローチャートである。 一実施形態による受け取ったセンサデータを変換するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による周波数を推定し周波数探索範囲を設定できる例示的フローチャートである。 特定の実施形態による動きデータの例示的探索範囲を示すグラフである。 サンプルＦＦＴ出力を示すグラフである。具体的には、図１２Ａは、腕振り範囲内のデータとバウンス範囲内のデータとを含む周波数データに対するＦＦＴ電力のグラフを示し、図１２Ｂは、一実施態様によるバウンス範囲内のピークが基準を満たすかどうかを判定するために利用されるしきい値を有する同じグラフを示す。 サンプルＦＦＴ出力を示すグラフである。具体的には、図１２Ａは、腕振り範囲内のデータとバウンス範囲内のデータとを含む周波数データに対するＦＦＴ電力のグラフを示し、図１２Ｂは、一実施態様によるバウンス範囲内のピークが基準を満たすかどうかを判定するために利用されるしきい値を有する同じグラフを示す。 一実施形態による腕振り周波数、バウンス周波数及び／又は他の周波数を利用するかどうかの判定で実施されうる例示的フローチャートである。 一実施形態による腕振り周波数、バウンス周波数及び／又は他の周波数を利用するかどうかの判定で実施されうる例示的フローチャートである。 計算された属性を、ユーザが行なっている活動と関連付けられた１つ以上の出力値を予測するために使用されるエキスパートモデルと比較するために実施されうるフローチャートである。 一実施形態によるスポーツ選手の活動を分類するために実施されうるフローチャートである。 一実施形態によるスポーツ選手の活動を分類するために実施されうるフローチャートである。 一実施形態によるスポーツ選手の活動を分類するために実施されうるフローチャートである。 一実施形態による特定の活動をウォーキングとランニングのいずれかとして分類するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。 一実施形態による変換されたセンサデータから属性を計算するために実施されうるフローチャートである。
この開示の態様は、スポーツ選手の身体運動に関するアスレチックデータを取得し、記憶しかつ／又は処理することを含む。アスレチックデータは、能動的又は受動的に１つ以上の非一時的記憶媒体に検出されかつ／又は記憶されてもよい。更に他の態様は、アスレチックデータを使用して、例えば計算されたアスレチック属性やフィードバック信号などの出力を生成して、ガイダンス及び／又は他の情報を提供することに関連する。以上その他の態様は、個人用トレーニングシステムの以下の例示の文脈で検討される。
様々な実施形態の以下の記述において、添付図面を参照し、添付図面は、本明細書の一部を構成し、開示が実施されうる説明的な様々な実施形態によって示される。本開示の範囲と趣旨から逸脱することなく他の実施形態を利用できまた構造的及び機能的な修正を行えることを理解されたい。更に、この開示内の見出しは、開示の限定的態様と見なされるべきでなく、例示的な実施形態は、例示的な見出しに限定されない。
Ｉ．例示的な個人用トレーニングシステム
Ａ．説明的ネットワーク
この開示の態様は、複数のネットワークに亘って利用されることがあるシステム及び方法に関する。この点で、特定の実施形態は、動的ネットワーク環境に適応するように構成されてもよい。更に他の実施形態は、異なる別個のネットワーク環境で動作可能でもよい。図１は、例示的な実施形態による個人用トレーニングシステム１００の例を示す。例示的なシステム１００は、説明的なボディエリアネットワーク（ＢＡＮ）１０２、ローカルエリアネットワーク（ＬＡＮ）１０４、広域ネットワーク（ＷＡＮ）１０６などの１つ以上の相互接続されたネットワークを含みうる。図１に示され（本開示全体にわたって述べられ）たように、１つ以上のネットワーク（例えば、ＢＡＮ１０２、ＬＡＮ１０４、及び／又はＷＡＮ１０６）が、重複してもよく他の形で互いを含んでもよい。説明的なネットワーク１０２〜１０６が、１つ以上の異なる通信プロトコル及び／又はネットワークアーキテクチャをそれぞれ含むことがあり、更に互い又は他のネットワークに対するゲートウェイを有するように構成されることがある論理的ネットワークであることを当業者は理解されよう。例えば、ＢＡＮ １０２、ＬＡＮ １０４及び／又はＷＡＮ １０６はそれぞれ、セルラネットワークアーキテクチャ１０８及び／又はＷＡＮアーキテクチャ１１０などの同じ物理ネットワークアーキテクチャに機能的に接続されてもよい。例えば、ＢＡＮ １０２とＬＡＮ １０４両方の構成要素と考えられる携帯電子装置１１２は、アーキテクチャ１０８及び／又は１１０の１つ以上を介して、伝送制御プロトコル（ＴＣＰ）、インターネットプロトコル（ＩＰ）、ユーザデータグラムプロトコル（ＵＤＰ）などの１つ以上の通信プロトコルにしたがってデータ及び制御信号をネットワークメッセージに変換しその逆に変換するように構成されたネットワークアダプタ又はネットワークインタフェースカード（ＮＩＣ）を含でもよい。これらのプロトコルは、当該技術分野で周知であり、ここではより詳細に検討されない。
ネットワークアーキテクチャ１０８及び１１０は、例えばケーブル、ファイバ、衛星、電話、セルラ、ワイヤレスなどの、任意のタイプ又はトポロジの１つ以上の情報分配ネットワークを単独又は組み合わせで含んでもよく、したがって、１つ以上の有線又は無線通信チャネル（ＷｉＦｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、近距離無線通信（ＮＦＣ）及び／又はＡＮＴ技術を含むがこれらに限定されない）を有するように様々に構成されてもよい。したがって、図１のネットワーク内の任意の装置（携帯電子装置１１２や本明細書に記載された他の装置など）は、様々な論理ネットワーク１０２〜１０６の１つ以上に含まれると見なされてもよい。以上のことを念頭におき、説明的なＢＡＮ及びＬＡＮ（ＷＡＮ １０６に結合されることがある）の例示的な構成要素について述べる。
１．例示的なローカルエリアネットワーク
ＬＡＮ １０４は、例えばコンピュータ装置１１４などの１つ以上の電子装置を含んでもよい。コンピュータ装置１１４又はシステム１００の他の構成要素は、電話、音楽プレーヤ、タブレット、ネットブック又は任意の携帯装置などの移動端末を含みうる。他の実施形態では、コンピュータ装置１１４は、メディアプレイヤ又はレコーダ、デスクトップコンピュータ、サーバ、ゲームコンソール（例えば、Ｍｉｃｒｏｓｏｆｔ（登録商標）Ｘｂｏｘ、ＳＯＮＹ（登録商標）Ｐｌａｙｓｔａｉｏｎ、及び／又はＮｉｎｔｅｎｄｏ（登録商標）Ｗｉｉゲームコンソールなど）を含みうる。以上が記述のための例示的装置にすぎず、本開示が、任意のコンソール又はコンピューティング装置に限定されないことを当業者は理解されよう。
コンピュータ装置１１４の設計と構造が、その意図された目的などの幾つかの因子によって異なることがあることを当業者は理解されよう。コンピュータ装置１１４の１つの例示的実施態様は図２に提供され、図２は、コンピューティング装置２００のブロック図を示す。図２の開示が、本明細書に開示された任意の装置に適用可能なことを当業者は理解されよう。装置２００は、プロセッサ２０２−１や２０２−２（本明細書では一般に「プロセッサ２０２」又は「プロセッサ２０２」と呼ばれる）などの１つ以上のプロセッサを含んでもよい。プロセッサ２０２は、相互接続ネットワーク又はバス２０４を介して、互い又は他の構成要素と通信できる。プロセッサ２０２は、コア２０６−１や２０６−２（本明細書では「コア２０６」又はより一般に「コア２０６」と呼ばれる）などの１つ以上の処理コアを含んでもよく、処理コアは、単一集積回路（ＩＣ）チップ上に実装されてもよい。
コア２０６は、共有キャッシュ２０８及び／又は専用キャッシュ（例えば、それぞれキャッシュ２１０−１及び２１０−２）を含んでもよい。１つ以上のキャッシュ２０８／２１０は、プロセッサ２０２の構成要素による高速アクセスのために、メモリ２１２などのシステムメモリに記憶されたデータをローカルにキャッシュしてもよい。メモリ２１２は、チップセット２１６を介してプロセッサ２０２と通信してもよい。特定の実施形態では、キャッシュ２０８は、システムメモリ２１２の一部でもよい。メモリ２１２は、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）を限定ではなく含んでもよく、またソリッドステートメモリ、光学若しくは磁気記憶装置、及び／又は電子情報を記憶するために使用できる他の媒体を１つ以上含みうる。更に他の実施形態は、システムメモリ２１２を省略してもよい。
システム２００は、１つ以上の入出力装置（例えば、入出力装置２１４−１〜２１４−３。それぞれ一般に入出力装置２１４と呼ばれる）を含んでもよい。１つ以上の入出力装置２１４からの入出力データは、１つ以上のキャッシュ２０８，２１０及び／又はシステムメモリ２１２に記憶されてもよい。入出力装置２１４はそれぞれ、任意の物理的又は無線通信プロトコルを使用して、システム１００の構成要素と機能的に通信するように永久的又は一時的に構成されてもよい。
図１に戻ると、４つの例示的な入出力装置（要素１１６〜１２２として示された）が、コンピュータ装置１１４と通信するように示されている。当業者は、装置１１６〜１２２の１つ以上が、独立型装置でもよく、コンピュータ装置１１４だけでなく別の装置と関連付けられてもよいことを理解するであろう。例えば、１つ以上の入出力装置は、ＢＡＮ１０２及び／又はＷＡＮ１０６の構成要素と関連付けられるか対話してもよい。入出力装置１１６〜１２２は、例えばセンサなどのアスレチックデータ取得ユニットを含んでもよいがこれに限定されない。１つ以上の入出力装置は、ユーザ１２４などのユーザからアスレチックパラメータを感知し、検出しかつ／又は測定するように構成されてもよい。例には、加速度計、ジャイロスコープ、位置決定装置（例えば、ＧＰＳ）、光（非可視光を含む）センサ、温度センサ（周囲温度及び／又は体温を含む）、睡眠パターンセンサ、心拍数モニタ、画像キャプチャセンサ、水分センサ、力センサ、コンパス、角速度センサ、及び／又はこれらの組み合わせが挙げられるが、これらに限定されない。
更に他の実施形態では、入出力装置１１６〜１２２は、出力（例えば、聴覚、視覚、触覚キュー）を提供しかつ／又はスポーツ選手１２４からユーザ入力などの入力を受け取るために使用されてもよい。これらの説明的な入出力装置の例示的な使用を後述するが、当業者は、そのような考察が、単にこの開示の範囲内の多くの選択肢のうちの幾つかの描写であることを理解するであろう。更に、任意のデータ収集ユニット、入出力装置又はセンサの参照が、本明細書に開示されかつ／又は当該技術分野で既知の１つ以上の入出力装置、データ収集ユニット及び／又はセンサを（個別又は組み合わせで）有することがある実施形態を開示すると解釈されるべきである。
（１つ以上のネットワークに亘る）１つ以上の装置からの情報を使用して、様々な異なるパラメータ、メトリック又は生理特性を提供してもよく（又はこれらの情報で利用されてもよく）、そのようなパラメータ、メトリック又は生理特性には、速度、加速度、距離、歩数、方向、特定の身体部分若しくは対象の他のものに対する相対運動などの動きパラメータ、又は角速度、直線速度若しくはそれらの組み合わせとして表されることがある他の動きパラメータ、カロリー、心拍数、汗検出、労力、酸素消費量、酸素反応速度及び１つ以上のカテゴリ（圧力、衝撃力など）内にあることがある他のメトリックなどの生理的パラメータ、スポーツ選手に関する情報（身長、体重、年齢、人口学的情報及びこれらの組み合わせ）が含まれるが、これらに限定されない。
システム１００は、システム１００内で収集されるか又は他の方法でシステム１００に提供されるパラメータ、メトリック又は生理特性を含むアスレチックデータを送信しかつ／又は受信するように構成されてもよい。一例として、ＷＡＮ１０６は、サーバ１１１を含んでもよい。サーバ１１１は、図２のシステム２００の１つ以上の構成要素を有してもよい。一実施形態では、サーバ１１１は、少なくともプロセッサとメモリ（プロセッサ２０６とメモリ２１２など）を含む。サーバ１１１は、非一時的コンピュータ可読媒体上にコンピュータ実行命令を記憶するように構成されてもよい。命令は、システム１００内で収集された未処理データや処理済みデータなどのアスレチックデータを含んでもよい。システム１００は、エネルギー消費ポイントなどのデータを、ソシアルネットワークウェブサイト又はそのようなサイトのホストに送信するように構成されてもよい。サーバ１１１は、１人以上のユーザがアスレチックデータにアクセスしかつ／又は比較できるよう利用されてもよい。したがって、サーバ１１１は、アスレチックデータや他の情報に基づいて通知を送受信するように構成されてもよい。
ＬＡＮ１０４に戻ると、コンピュータ装置１１４は、例示的な実施形態に関して後述される表示装置１１６、画像キャプチャ装置１１８、センサ１２０及びエクササイズ装置１２２と機能的に通信するように示されている。一実施形態では、表示装置１１６は、特定のアスレチック運動を行なうようにスポーツ選手１２４に視聴覚キューを提供してもよい。視聴覚キューは、ＢＡＮ１０２及び／又はＷＡＮの装置を含む、コンピュータ装置１１４や他の装置上で実行されるコンピュータ実行命令に応じて提供されてもよい。表示装置１１６は、タッチスクリーン装置でもよく、ユーザ入力を受け取るように他の方法で構成されてもよい。
一実施形態では、データは、画像キャプチャ装置１１８及び／又は他のセンサ（センサ１２０など）から取得されてもよく、これらの装置は、アスレチックパラメータを検出（及び／又は測定）するために、単独で使用されてもよく、他の装置又は記憶情報との組み合わせで使用されてもよい。画像キャプチャ装置１１８及び／又はセンサ１２０は、トランシーバ装置を含んでもよい。一実施形態では、センサ１２８は、赤外線（ＩＲ）、電磁気（ＥＭ）又は音響トランシーバを含んでもよい。例えば、画像キャプチャ装置１１８及び／又はセンサ１２０は、波形を、スポーツ選手１２４の方向を含む環境に送信し、「反射」を受信するかそのような放出された波形の変化を他の方法で検出してもよい。当業者は、様々な実施形態により、多数の異なるデータスペクトルに対応する信号が利用されうることを容易に理解するであろう。これに関して、装置１１８及び／又は１２０は、外部ソース（例えば、システム１００ではない）から放射された波形を検出してもよい。例えば、装置１１８及び／又は１２０は、ユーザ１２４及び／又は周囲環境から放射されている熱を検出してもよい。したがって、画像キャプチャ装置１２６及び／又はセンサ１２８は、１つ以上のサーマルイメージング装置を含んでもよい。一実施形態では、画像キャプチャ装置１２６及び／又はセンサ１２８は、レンジフェノメノロジーを実行するように構成された赤外線装置を含みうる。
一実施形態では、エクササイズ装置１２２は、スポーツ選手１２４が身体運動を行なうことを可能にするか容易にするように構成可能な任意の装置（例えば、トレッドミル、ステップマシンなど）でよい。装置が固定されていなくてもよい。この点において、無線技術によって携帯型装置の利用が可能になり、したがって、特定の実施形態により自転車や他の移動訓練装置を利用してもよい。当業者は、装置１２２は、コンピュータ装置１１４からリモートで実行されるアスレチックデータを含む電子装置を受け取るためのインタフェースでもよく、そのようなインタフェースを含んでもよい。例えば、ユーザは、スポーツ用装置（ＢＡＮ １０２に関して後述される）を使用し、家又は機器１２２の場所に戻った後で、アスレチックデータを要素１２２又はシステム１００の他の装置にダウンロードしてもよい。本明細書に開示された任意の入出力装置が、活動データを受信するように構成されてもよい。
２．ボディエリアネットワーク
ＢＡＮ １０２は、アスレチックデータを受信し、送信し、又はアスレチックデータの収集を他の方法で容易にするように構成された２つ以上の装置（受動装置を含む）を含んでもよい。例示的な装置には、入出力装置１１６〜１２２が含むがこれに限定されない当該技術分野で知られているか本明細書に開示された１つ以上のデータ収集ユニット、センサ又は装置が挙げられる。ＢＡＮ １０２の２つ以上の構成要素は、直接通信してもよく、更に他の実施形態では、通信は、ＢＡＮ １０２、ＬＡＮ１０４及び／又はＷＡＮ １０６の一部でもよい第３の装置を介して行われてもよい。ＬＡＮ １０４又はＷＡＮ １０６の１つ以上の構成要素は、ＢＡＮ １０２の一部を構成してもよい。特定の実施態様では、携帯装置１１２などの装置が、ＢＡＮ１０２、ＬＡＮ１０４及び／又はＷＡＮ１０６の一部であるかどうかは、モバイルセルラーネットワークアーキテクチャ１０８及び／又はＷＡＮアーキテクチャ１１０との通信を可能にするスポーツ選手のアクセスポイントまでの近さに依存する。また、ユーザの活動及び／又は好みが、１つ以上の構成要素がＢＡＮ１０２の一部として利用されるかどうかに影響を及ぼすことがある。例示的な実施形態は後述される。
ユーザ１２４は、情報を収集するために使用される物理装置又は位置を含むことがある、携帯装置１１２、靴取付型装置１２６、手首装着型装置１２８などの任意数の装置、及び／又は検出位置１３０などの検出位置と関連付けられてもよい（例えば、所有し、携帯し、装着しかつ／又は対話してもよい）。１つ以上の装置１１２、１２６、１２８及び／又は１３０は、特にフィットネス又はアスレチック用に設計されていなくてもよい。実際には、この開示の態様は、複数の装置からのデータを利用してアスレチックデータを収集、検出及び／又は測定することに関し、それらの装置の幾つかは、フィットネス装置ではない。特定の実施形態では、ＢＡＮ １０２（又は、他のネットワーク）の１つ以上の装置は、特定のスポーツ用に特別に設計されたフィットネス又はスポーツ用装置を含んでもよい。本明細書で使用されるとき、用語「スポーツ用装置」は、特定のスポーツ又はフィットネス活動中に使用されるか関係されることがある任意の対象物を含む。例示的なスポーツ用装置には、ゴルフボール、バスケットボール、野球ボール、サッカーボール、フットボール、パワーボール、ホッケー用パック、ウェイト、バット、クラブ、スティック、パドル、マット及びこれらの組み合わせが挙げられるが、これらに限定されない。更に他の実施形態では、例示的なフィットネス装置には、ゴールネット、フープ、バックボードなどの環境自体、中線、外部境界マーカ、ベースなどのフィールドの一部分及びこれらの組み合わせを含む、特定のスポーツが行われるスポーツ環境内の物体が含まれうる。
この点に関して、当業者は、１つ以上のスポーツ用装置は、構造の一部でもよく（又は、構造を構成してもよく）その逆でもよく、構造が、１つ以上のスポーツ用装置を含んでもよく、スポーツ用装置と対話するように構成されてもよいことを理解するであろう。例えば、第１の構造は、取り外し可能で、ゴールポストと置き換え可能なバスケットボールゴールとバックボードを含んでもよい。この点に関して、１つ以上のスポーツ用装置は、図１〜図３に関して前述されたセンサのうちの１つ以上などの１つ以上のセンサを含んでもよく、そのようなセンサは、単独で又は１つ以上の構造と関連付けられた１つ以上のセンサなどの他のセンサと関連して利用される情報を提供してもよい。例えば、バックボードが、バックボード上のバスケットボールによる力と力の方向とを測定するように構成された第１のセンサを含んでもよく、ゴールが、力を検出する第２のセンサを含んでもよい。同様に、ゴルフクラブは、シャフト上のグリップ属性を検出するように構成された第１のセンサと、ゴルフボールによる衝撃を測定するように構成された第２のセンサとを含んでもよい。
説明的な携帯装置１１２を見ると、この装置は、多目的電子装置でよく、例えば、カリフォルニア州クパチーノのＡｐｐｌｅ，Ｉｎｃ．から入手可能なＩＰＯＤ（登録商標）、ＩＰＡＤ（登録商標）又はｉＰｈｏｎｅ（登録商標）商標装置を含む電話又はデジタル音楽プレーヤ、ワシントン州レッドモンドのＭｉｃｒｏｓｏｆｔから入手可能なＺｕｎｅ（登録商標）又はＭｉｃｒｏｓｏｆｔ（登録商標）Ｗｉｎｄｏｗｓ装置が挙げられる。当該技術分野で知られているように、デジタルメディアプレーヤは、コンピュータ用の出力装置、入力装置及び／又は記憶装置として働きうる。装置１１２は、ＢＡＮ １０２、ＬＡＮ １０４又はＷＡＮ １０６において１つ以上の装置から収集された未処理又は処理済みデータを受け取るための入力装置として構成されてもよい。１つ以上の実施形態では、携帯装置１１２は、コンピュータ装置１１４の１つ以上の構成要素を含んでもよい。例えば、携帯装置１１２には、前述の入出力装置１１６〜１２２のいずれかなど、ディスプレイ１１６、画像キャプチャ装置１１８、及び／又は１つ以上のデータ収集装置が挙げられ、移動端末を構成するために追加の構成要素があってもなくてもよい。
ａ．説明的な衣服／アクセサリセンサ
特定の実施形態では、入出力装置は、時計、アームバンド、リストバンド、ネックレス、シャツ、靴などを含む、ユーザ１２４の衣服又はアクセサリ内に構成されるか又は他の方法で関連付けられてもよい。これらの装置は、ユーザのアスレチック運動を監視するように構成されてもよい。これらの装置が、ユーザ１２４がコンピュータ装置１１４と対話している間にアスレチック運動を検出しかつ／又はコンピュータ装置１１４（又は、本明細書で開示された他の装置）と無関係に動作してもよいことを理解されたい。例えば、ＢＡＮ １０２における１つ以上の装置は、ユーザの接近又はコンピュータ装置１１４との対話に関係なく活動を測定する終日活動モニタとして機能するように構成されてもよい。更に、図３に示された知覚システム３０２と図４に示された装置組立体４００が（それぞれ以下の段落で説明される）、単に説明的な例であることを理解されたい。
ｉ．靴取付型装置
特定の実施形態では、図１に示された装置１２６は、本明細書に開示されかつ／又は当該技術分野で知られているものを含むがこれに限定されない１つ以上のセンサを含みうる履物を含んでもよい。図３は、１つ以上のセンサ組立体３０４を提供するセンサシステム３０２の１つの例示的実施形態を示す。組立体３０４は、例えば、加速度計、ジャイロスコープ、位置決定構成要素、力センサ、及び／又は本明細書に開示されているか当該技術分野で知られている他のセンサなどの１つ以上のセンサを含みうる。示された実施形態では、組立体３０４は、複数のセンサを内蔵し、このセンサは、力感応抵抗器（ＦＳＲ）センサ３０６を含んでもよいが、他のセンサが利用されてもよい。ポート３０８は、靴の靴底構造３０９内に位置決めされてもよいが、一般に１つ以上の電子装置と通信するように構成される。ポート３０８は、必要に応じて、電子モジュール３１０と通信するように提供されてよく、靴底構造３０９は、必要に応じて、モジュール３１０を収容するハウジング３１１や他の構造を含んでもよい。また、センサシステム３０２は、ＦＳＲセンサ３０６をポート３０８に接続して、ポート３０８を介したモジュール３１０及び／又は別の電子装置との通信を可能にする複数のリード線３１２を含んでもよい。モジュール３１０は、靴の靴底構造内の窪み又は空所に収容されてもよく、ハウジング３１１は、窪み又は空所内に位置決めされてもよい。一実施形態では、少なくとも１つのジャイロスコープと少なくとも１つの加速度計は、モジュール３１０やハウジング３１１などの単一ハウジング内に提供される。少なくとも更に他の実施形態では、動作するときに、方向情報と角速度データを提供するように構成された１つ以上のセンサが提供される。ポート３０８とモジュール３１０は、接続と通信のための相補的インタフェース３１４，３１６を含む。
特定の実施形態において、図３に示された少なくとも１つの力感応抵抗器３０６は、第１と第２の電極又は電気接点３１８，３２０と、電極３１８，３２０間に配置されて電極３１８，３２０を電気的に接続する力感応抵抗材料３２２とを含んでもよい。力感応材料３２２に圧力が加わったとき、力感応材料３２２の固有抵抗及び／又は導電率が変化し、これにより電極３１８，３２０の間の電位が変化する。センサシステム３０２が、抵抗値の変化を検出して、センサ３１６に加わる力を検出できる。力感応抵抗材料３２２は、その抵抗値を圧力下で様々に変化させてもよい。例えば、力感応材料３２２は、材料が圧縮されたとき減少する内部抵抗を有してもよい。更に他の実施形態は、「体積抵抗」を利用してもよく、「体積抵抗」は、「スマート材料」によって実現されうる。別の例として、材料３２２は、２つの力感光材料３２２の間や力感光材料３２２と一方又は両方の電極３１８，３２０との間など、面接触度を変化させることによって抵抗を変化させてもよい。幾つかの状況では、このタイプの力感応抵抗挙動は、「接触ベース抵抗」と示されることがある。
ｉｉ．手首装着型装置
図４に示されたように、装置４００（図１に示された知覚装置１２８と類似してもよく含んでもよい）は、手首、腕、足首、首のまわりなど、ユーザ１２４によって装着されるように構成されうる。装置４００は、装置４００の動作中に使用されるように構成された押下式入力ボタン４０２などの入力機構を含んでもよい。入力ボタン４０２は、図１に示されたコンピュータ１１４に関して述べた要素のうちの１つ以上などのコントローラ４０４及び／又は他の電子構成要素に機能的に接続されうる。コントローラ４０４は、ハウジング４０６に埋め込まれてもよく、あるいはその一部でもよい。ハウジング４０６は、エラストマ構成要素を含む１つ以上の材料から構成されてもよく、ディスプレイ４０８などの１つ以上のディスプレイを含んでもよい。ディスプレイは、装置４００の照明部分と見なされうる。表示装置４０８は、ＬＥＤランプ４１０などの一連の個別照明要素又はランプ部材を含んでもよい。ランプは、アレイで構成され、コントローラ４０４に機能的に接続されてもよい。装置４００は、インジケータシステム４１２を含んでもよく、インジケータシステム４１２は、また、ディスプレイ４０８全体の一部又は構成要素と見なされうる。インジケータシステム４１２は、ディスプレイ４０８（複数の画素要素４１４を有することがある）と関連して動作し点灯してもよく、ディスプレイ４０８と完全に別個でもよい。また、インジケータシステム４１２は、複数の追加照明要素又はランプ部材を含んでもよいが、例示的実施形態では、ＬＥＤランプの形をとってもよい。特定の実施形態では、インジケータシステムは、１つ以上の目標の実現を表わすために、インジケータシステム４１２の照明部材の一部分を照明することなどによって、目標の可視指示を提供できる。装置４００は、ディスプレイ４０８及び／又はインジケータシステム４１２によって、ユーザの活動に基づいてユーザが獲得した活動ポイント又は通貨によって表されたデータを表示するように構成されてもよい。
締結機構４１６が外されてもよく、そこで装置４００が、ユーザ１２４の手首又は一部分のまわりに位置決めされてもよく、次に締結機構４１６が、係合位置にされてもよい。一実施形態では、締結機構４１６は、コンピュータ装置１１４（装置１２０及び／又は１１２など）と対話するために、ＵＳＢポートを含むがこれに限定されないインタフェースを含んでもよい。特定の実施形態では、締結部材は、１つ以上の磁石を含んでもよい。一実施形態では、締結部材は、可動部がなく、全く磁力に依存してもよい。
特定の実施形態では、装置４００は、センサ組立体（図４に示されていない）を含みうる。センサ組立体は、本明細書に開示されかつ／又は当該技術分野で既知のものを含む複数の異なるセンサを含んでもよい。例示的実施形態では、センサ組立体は、本明細書に開示されるか当該技術分野で既知のセンサに対する機能接続を含むか機能接続を可能にしてもよい。装置４００及び／又はそのセンサ組立体は、１つ以上の外部センサから得られたデータを受け取るように構成されてもよい。
ｉｉｉ．衣服及び／又は身体位置検出
図１の要素１３０は、センサ、データ収集ユニット、他の装置などの物理装置と関連付けられることがある例示的な知覚位置を示す。更に他の実施形態では、画像キャプチャ装置（例えば、画像キャプチャ装置１１８）などによって、本体部分又は領域の特定位置が監視されてもよい。特定の実施形態では、要素１３０は、センサを含んでもよく、その結果、要素１３０ａ及び１３０ｂは、運動服などの衣服に組み込まれたセンサでよい。そのようなセンサは、ユーザ１２４の身体の任意の所望の位置に配置されてもよい。センサ１３０ａ／ｂは、ＢＡＮ１０２、ＬＡＮ１０４及び／又はＷＡＮ１０６の１つ以上の装置（他のセンサを含む）と（例えば、無線で）通信してもよい。特定の実施形態では、受動的検出面が、画像キャプチャ装置１１８及び／又はセンサ１２０によって放射された赤外線などの波形を反射してもよい。一実施形態では、ユーザ１２４の衣服に配置された受動的センサは、波形を反射可能なガラス又は他の透明若しくは半透明面で作成されたほぼ球状の構造物を含みうる。様々な種類の衣服を利用可能であり、所定の種類の衣服は、適切に装着されたときにユーザ１２４の身体の特定部分の近くに配置されるように構成された特定のセンサを有する。例えば、ゴルフ用衣服は、第１の構成で衣服上に位置決めされた１つ以上のセンサを含みうるが、サッカー用衣服は、第２の構成で衣服上に位置決めされた１つ以上のセンサを含んでもよい。
図５は、知覚入力の説明的位置（例えば知覚位置１３０ａ〜１３０ｏを参照）を示す。この点について、センサは、ユーザの衣服上／内に配置された物理センサでよく、更に他の実施形態では、センサ位置１３０ａ〜１３０ｏは、２つの動く身体部分の間の関係の識別に基づいてもよい。例えば、センサ位置１３０ａは、画像キャプチャ装置１１８などの画像キャプチャ装置によってユーザ１２４の動きを識別することによって決定されてもよい。したがって、特定の実施形態では、センサは、特定の位置（センサ位置１３０ａ〜１３０ｏなど）に物理的に配置されなくてもよく、他の位置から収集された画像キャプチャ装置１１８や他のセンサデータなどによって、その位置の特性を検出するように構成されてもよい。この点に関して、ユーザの身体の全体形状又は一部分が、特定の身体部分の識別を可能にすることがある。画像キャプチャ装置が利用されるか、ユーザ１２４上に配置された物理センサが利用されるか、他の装置（知覚システム３０２など）からのデータが使用されるか、装置組立体４００及び／又は本明細書に開示されたか当該技術分野で既知の他の装置又はセンサが利用されるかに関係なく、センサは、身体部分の現在位置を検出しかつ／又は身体部分の動きを追跡可能である。一実施形態では、位置１３０ｍに関する知覚データは、ユーザの重心（質量中心とも呼ばれる）の決定に利用されることがある。例えば、位置１３０ｍ〜１３０ｏのうちの１つ以上に対する位置１３０ａと位置１３０ｆ／１３０ｌとの関係を利用して、ユーザの重心が垂直軸方向に持ち上げられたか（ジャンプの際など）、ユーザが膝を曲げ縮めることによってジャンプの「ふり」をしようとしているかを判定できる。一実施形態では、センサ位置１３０６ｎは、ユーザ１２４の胸骨のまわりに配置されてもよい。同様に、センサ位置１３０ｏは、ユーザ１２４の臍（naval）の近くに配置されてもよい。特定の実施態様では、センサ位置１３０ｍ〜１３０ｏからのデータを（単独又は他のデータと組合せで）利用して、ユーザ１２４の重心を決定してもよい。更に他の実施形態では、ユーザ１２４の向き及び／又はユーザ１２４の胴体のねじれなどの回動力を決定する際に、センサ１３０ｍ〜１３０ｏなどの複数のセンサ位置の関係が利用されてもよい。更に、位置などの１つ以上の位置が、モーメント中心位置として利用されてもよく、その近くにあってもよい。例えば、一実施形態では、位置１３０ｍ〜１３０ｏのうちの１つ以上が、ユーザ１２４のモーメント中心位置の点として働いてもよい。別の実施形態では、１つ以上の位置が、特定の身体部分又は領域のモーメント中心として働いてもよい。
例示的なメトリック計算
この開示の態様は、エネルギー消費量、速度、距離、ペース、体力などを含むがこれに限定されない、スポーツ選手の１つ以上の活動メトリックを計算するために利用されうるシステム及び方法に関する。計算は、ユーザが１つ以上の活動中に実時間フィードバックを得ることができるように実時間で行なわれてもよい。特定の実施形態では、複数のメトリックの計算は全て、同じ組の属性、又は共通グループの属性からのサブセットの属性などを使用して評価される。一実施形態では、エネルギー消費量の計算は、第１組の属性に基づいて、ウォーキング、ランニング、特定のスポーツの競技、又は特定の活動の指導などのスポーツ選手が行っている活動の分類なしに行われてもよい。一実施形態では、エネルギー消費量の決定は、活動タイプのテンプレートなしに行われ、その結果、エネルギー消費量が、活動タイプの分類なしに、センサデータ及び／又はその派生物から計算されることがある。例えば、エネルギー消費量は、スポーツ選手が、例えばウォーキング又はサッカーなどの第１の活動又は第２の活動を行なっているかどうかにかかわらず、同じ組の属性を使用して特定の実施形態により計算されてもよい。
特定の実施態様では、計算されたエネルギー消費の計算は、第１組の属性と別のメトリックを使用して行われてもよく、例えば、速度は、同じ組の属性又は同じ属性のサブセットから決定されてもよい。一実施形態では、複数のメトリックの決定は、コア属性の選択を使用して行われてもよい。１つの例では、この属性計算は、ユーザのウォーキング及び／又はランニングのエネルギー消費量及び／又は速度を推定するために使用されることがある。１つの例では、ウォーキング及び／又はランニングのエネルギー消費量及び／又は速度は、同じ組の属性、共通グループの属性からの属性のサブセットなどを使用して推定されてもよい。
本明細書に述べるシステム及び方法は、活動データ（実時間活動データなど）から計算された属性を１つ以上のモデルと比較し、１つ以上のモデルは、スポーツ選手が行なった活動タイプに関して取得されたデータを含まないことがある（また、エネルギー消費量計算などのために分類されないことがある）。このように、１つ以上のモデルは、ユーザが行なっている特定の活動に対して寛容なことがある。例えば、活動装置は、バスケットボール活動を行なっているユーザから情報を受け取ることがあり、少なくとも１つのモデルが、バスケットボール活動からのデータを含まないことがある。
複数のメトリックを計算する例として、システム及び方法は、データの１つ以上の時間窓の速度を計算するかどうかを決定するために実施されてもよい。この開示の特定の態様は、アスレチックデータの分類を含む速度又は距離の決定に関する。しかしながら、前述のように、他の態様は、アスレチックデータを活動タイプ（ウォーキング、ランニング、バスケットボール、疾走、サッカー、フットボールなど）に分類せずにエネルギー費用値を計算することに関するが、エネルギー消費量を計算して、例えば速度や距離などの他のメトリックを計算するために利用される同じデータの少なくとも一部分を分類することは、この開示の範囲内にある。１つの実施態様では、速度（又は、別のメトリック）は、エネルギー消費値の決定から導出されたデータの少なくとも一部分から決定されてもよい。特定の実施形態によれば、属性は、本明細書に開示されたか当該技術分野で既知の装置など、単一装置で計算される。一実施形態では、メトリックの属性と計算は、単一装置で計算される。そのような１つの例では、ユーザの外肢に装着されるように構成された装置は、センサデータを受け取り、属性とその属性から複数のメトリックを計算するように構成されてもよい。一実施形態では、単一装置は、少なくとも１つの属性を計算するために利用されるデータを取得するように構成された少なくとも１つのセンサを含む。特定の実施形態によれば、属性は、単一装置上にある１つ以上のセンサから計算される。
例示的なエネルギー消費計算
本明細書で述べるシステム及び方法の１つ以上は、図６の構成要素の少なくとも１つを実施するエネルギー消費量の推定値を計算することがある。１つの構成では、装置１１２、１２６、１２８、１３０及び／又は４００などの装置は、ユーザが行なっている１つ以上の活動と関連付けられたデータを取得してもよく、加速度計、ジャイロスコープ、位置決定装置（例えば、ＧＰＳ）、光センサ、温度センサ（周囲温度及び／又は体温を含む）、心拍数モニタ、画像キャプチャセンサ、水分センサ及び／又はこれらの組み合わせを含むがこれらに限定されない１つ以上のセンサを含んでもよい。この取得された活動データは、ユーザと関連付けられた１つ以上のエネルギー消費値を計算するために使用されてもよい。
１つの実施態様では、人が消費している酸素量の推定値が、前記人による有効代謝当量又はエネルギー消費推定値の計算に使用されてもよい。例えば、一実施形態では、人が消費している１リットルの酸素は、約５キロカロリー（５ｋｃａｌ）のエネルギー消費と関連付けられることがある。追加又は代替として、当業者は、人による酸素消費量に基づくエネルギー消費の計算に利用するための様々な代替方法があることを理解するであろう。
一実施形態では、人による酸素消費量は、１キログラム（ＶＯ２／ｋｇ）当たりなどの単位質量当たりの酸素量として測定されてもよい。１つの実施態様では、本明細書に述べたシステム及び方法は、特定の活動と関連付けられた実際及び／又は推定された酸素消費量に関連した、１つ以上の非一時的コンピュータ可読媒体上にコンピュータ実行命令として記憶されるような値を利用してもよい。特定の実施形態では、値は、実際のデータでよく、又は１つ以上の特定の活動を行なっている１人以上の個人から収集され、トレーニングデータとも呼ばれるデータでよい。例えば、本明細書に記載されたシステム及び方法は、例えば、バスケットボール競技、サッカー競技、テニス競技、ウォーキング、ジョギング、ランニング、疾走、着座、スクワット、及び／又はこれらの組み合わせを含む活動を行う１人以上の個人による酸素消費量に関連付けられたトレーニングデータを利用してもよい。当業者は、個人が１つ以上の規定された活動を行なっている間の酸素消費量を監視するために利用されうる様々な試験手順を理解するであろう。更に、当業者は、活動中に複数の酸素消費量データポイントが収集されうることを容易に理解するであろう。更に、前記収集されたデータポイントに対して、例えば、特定の活動中に、記録された質量（例えば、キログラムなどで測定された）及び／又は個人若しくはクラス固有の情報（例えば、性別、体重、身長、年齢、体脂肪率など）に基づいて平均酸素消費量を計算する、１つ以上のデータ操作プロセスが行われてもよい。
１つの実施態様では、１つ以上の特定の活動を行っている１人以上の個人のトレーニングデータが記録されてもよく、前記トレーニングデータは、１つ以上の特定の活動中に１つ以上の時点で消費された酸素の量に関連した情報と、個人又はクラス固有の情報に関連した情報（例えば、特定の活動を行なっている個人の質量）を含む。更に、トレーニングデータは、装置１１２、１２６、１２８、１３０及び／又は４００などの装置からのセンサデータを含んでもよい。このように、トレーニングデータは、１つ以上の活動中に消費された酸素の１つ以上の体積に関連した情報に加えて、１つ以上のセンサ出力に関連した情報を記憶してもよい。１つの実施態様では、酸素消費量データの他に記憶されたセンサデータには、加速度計、ジャイロスコープ、位置決定装置（例えば、ＧＰＳ）、光センサ、温度センサ（周囲温度及び／又は体温を含む）、心拍数モニタ、画像キャプチャセンサ、水分センサ及び／又はこれらの組み合わせの１つ以上からのデータが挙げられる。例えば、トレーニングデータは、活動（例えば、サッカー競技）中に消費された酸素の量と関連した情報の他に、加速度計センサからの記憶データを含む。
したがって、本明細書で述べるシステム及び方法は、活動と関連付けられた１つ以上の計算された属性を含むトレーニングデータを含むことがある。更に、活動と関連付けられた１つ以上の属性は、前記活動中の１つ以上の時点で人の単位質量当たりに消費された１つ以上の酸素量、及び／又は前記活動中のユーザの１つ以上の動きを監視する装置と関連付けられたセンサからの１つ以上の出力に基づく１つ以上の計算値を含んでもよい。例えば、１つの実施態様では、加速度計センサの出力は、３つの軸（ｘ軸、ｙ軸及びｚ軸）それぞれの加速度値を含んでもよい。したがって、１つの実施態様では、加速度計センサが反応するそれぞれの軸（ｘ軸、ｙ軸及びｚ軸）と関連付けられた複数の加速度値が、単一加速度データポイントとしてグループ化されてもよい。別の実施態様では、加速度値は、１つ以上の属性を計算する装置１１２、１２６、１２８、１３０及び／又は４００などの装置と関連付けられた、プロセッサ２０２などのプロセッサによって処理されてもよい。
１つの例では、ユーザの１つ以上の動きを表わすデータセットに集約されたセンサから受け取った１つ以上のデータポイント。したがって、１つ以上のデータポイントは、１つ以上の傾向及び／又はメトリックをデータから抽出可能な方法でデータを表わすように処理されてもよい。１つの例では、加速度計から出力された加速度データは、法線ベクトルを計算するために処理（変換）されてもよい。１つの例では、法線ベクトルの標準偏差、法線ベクトルの偏差及び／又は法線ベクトルの高速フーリエ変換（ＦＦＴ）を計算するために、追加又は代替の変換が使用されてもよい。当業者は、特定の変換が、２つ以上のセンサからのセンサデータを、個人データ（例えば、身長、年齢、体重など）などの他のデータと組み合わせてもよいことを理解するであろう。他の実施形態では、変換は、複数のセンサからのセンサデータが混合されないように、単一センサからのデータだけを利用してもよい。受け取った動きデータポイントに関連した変換について、更に、図８ａと図８Ｂに関連して詳細に説明される。
１つの例では、受け取ったデータから１つ以上の属性が計算されてもよく、属性は、ユーザの１つ以上の動きを表わすデータセットに対して行われる１つ以上の変換処理の後で計算されてもよい。この点に関して、複数のユーザからのデータセットは、データセット内にない活動をしているユーザに対する比較として使用されてもよい。これは、ユーザの活動を活動タイプ（例えば、ウォーキング、ランニング、特定のスポーツ競技）に分類することなく行われてもよく、特定の実施形態では、ユーザは、モデルの属性値を得るために使用されたデータ内のトレーニングデータを収集する一部分として行われなかった活動を実行してもよい。属性計算の例は、図９Ａ〜図９Ｅに関して更に詳細に説明される。
別の例では、本明細書で述べるシステム及び方法は、センサデータから１つ以上のメトリックを推定するように実施されてもよい。これらのメトリックは、例えば、エネルギー消費量の推定、ユーザがランニング、ウォーキング又は他の活動を行っているかどかに関する推定、及び／又はユーザが移動している速度と距離（ペース）の推定などを含むことがある。例えば、図６からのフローチャート６００のブロック６０１は、１つ以上の属性からエネルギー消費量を計算する例示的実施形態を示す。これと別個に、ブロック６０３は、速度を計算するための例示的実施形態を対象とし、速度は、同じセンサから、同じデータから、及び／又はエネルギー消費メトリックと同じ属性から導出されることがある１つ以上の計算された属性を使用して決定されてもよい。
したがって、本明細書で述べるシステム及び方法は、例えば、加速度計、心拍数センサ、ジャイロスコープ、位置決定装置（例えばＧＰＳ）、光（非可視光を含む）センサ、温度センサ（周囲温度及び／又は体温を含む）、睡眠パターンセンサ、画像キャプチャセンサ、湿度センサ、力センサ、コンパス、角速度センサ、及び／又はこれらの組み合わせを含む１つ以上の様々なセンサタイプから受け取ったデータを利用してもよい。
更に、加速度計センサから出力された加速度データと関連付けられた属性の例について述べたが、当業者は、この開示の範囲から逸脱することなく、他のセンサが、単独又は他のセンサ及び装置との組み合わせで使用されてもよいことを理解するであろう。例えば、心拍数モニタが使用されてもよく、心拍数モニタから出力されたデータは、心拍数を１分当たりの心拍の単位（ＢＰＭ）又は同等物で表わすデータを出力してもよい。したがって、出力された心拍数データに対して、心拍数データポイント間の心拍数信号を補間して、特定のポイントでの信号落ちを許容する１つ以上の変換が行なわれてもよい。更に、心拍数モニタ又は他のセンサと関連付けられたセンサデータのために計算された属性が、加速度計データに関して前述したものと同じでもよく異なってもよい。
別の実施態様では、本明細書で述べたシステム及び方法は、センサの組み合わせからセンサデータを分析してもよい。例えば、装置は、ユーザの１つ以上の外肢の動きに関連した情報に加えて、心拍数モニタからのユーザの心拍数と関連した情報を受け取ってもよい（１つ以上の加速度計などから）。１つの例では、装置は、ユーザの心拍数が活発な運動を示すことを決定することがあるが、加速度計データは、前記ユーザがある時間期間に休憩中だったことを示すことがある。したがって、装置は、ユーザの心拍数が、活動期間後に高いままであるが、現在は、前記活動後に休憩していることを決定してもよい。
一実施態様では、トレーニングデータを使用して、例えば、ユーザの性別、体重及び／又は身長などの１つ以上の個人固有の特徴に（少なくとも部分的に）基づいて酸素消費量を予測するために、１つ以上のモデル（エキスパート、又はエキスパートモデルとも呼ばれる）を構成してもよい。したがって、装置１１２、１２６、１２８、１３０及び／又は４００などの装置と関連付けられた１つ以上のセンサからの情報を使用して、１つ以上の属性を計算してもよい。更には、計算された属性が、１つ以上の構成されたモデルと関連付けられた属性と比較され、それにより、計算された属性に対応する動き信号（センサ出力値）を出力しながらユーザによって消費されている酸素量を予測するために使用されてもよい。例えば、ユーザは、外肢にセンサ装置を装着している間に、サッカー競技などの活動を行なってもよい。センサ装置は、次に、１つ以上の属性を計算するために処理されることがあるセンサ値を出力してもよい。次に、１つ以上の計算された属性が、１つ以上のモデルと関連付けられた１つ以上の属性と比較されてもよく、サッカー競技中にユーザによって消費される酸素の量の推定が行われてもよい。更に、前記消費されている酸素量の推定値を使用して、サッカーをしているユーザによるエネルギー消費値を評価してもよい。このプロセスは、図６に関連して更に詳細に述べられる。特定の実施形態では、センサデータは全て単一装置から来る。１つの例では、単体装置は、外肢装着型装置である。特定の構成では、外肢装着型装置は、加速度計、位置決定センサ（例えばＧＰＳ）及び心拍数モニタのうちの少なくとも１つを含む。別の例では、単体装置は、靴などの運動服上又は運動服内に配置されるように構成されたセンサを含む。更に別の例では、データを収集するために、少なくとも２つの異なる装置からのセンサが利用される。少なくとも１つの実施形態では、データを取得するために利用されるセンサを含む装置は、エネルギー消費の出力を提供するように構成される。一実施形態では、装置は、エネルギー消費に関連する出力を表示するように構成された表示装置を含む。更に他の実施形態では、装置は、エネルギー消費に関する情報をリモート装置に送信するように構成された通信要素を含んでもよい。
別の実施態様では、１つ以上の属性が、受け取ったセンサデータから計算され、例えばユーザの速度／ペースを予測するために１つ以上のウォーキング及び／又はランニングモデルへの入力として使用されてもよい。そのような実施態様の更なる詳細は、フローチャート６００のブロック６０３に関して述べられる。
図６は、属性計算の例示的実施態様を示すフローチャートである。１つの例では、この属性計算は、ユーザが行なっている活動と関連付けられた１つ以上のメトリックを評価するために使用されてもよく、前記評価は、エネルギー消費速度及び／又は１つ以上の他のメトリックを含んでもよい。１つの例では、ウォーキング及び／又はランニングのエネルギー消費量及び／又は速度は、同じ組の属性、共通グループの属性からのサブセットの属性などを使用して推定されてもよい。
ユーザの運動に関係する情報は、ユーザを監視する１つ以上のセンサ装置と関連付けられた１つ以上のセンサから、１つ以上のデータ信号として出力されてもよい。１つの実施態様では、図６は、プロセッサユニット２０２などの少なくとも１つのプロセッサによって実行される１つ以上のプロセスを表わし、このプロセッサは、例えば、装置１１２、１２６、１２８、１３０及び／又は４００などのセンサ装置と関連付けられてもよい。したがって、装置は、活動中にユーザによって消費されている酸素の量を直接監視しなくてもよい。１つの実施態様では、１つ以上のセンサ装置は、ユーザによって行なわれている１つ以上の活動と関連付けられた１つ以上の動きを監視してもよい。更に、１つの構成では、受け取った活動データは、特定の属性を示すことがある活動に関して観察された酸素消費値と相互に関連付けられ、また１つ以上の酸素消費量モデルと関連付けられてもよい。
１つ以上の実施形態は、１つ以上のセンサからセンサデータを受け取る（例えばブロック６０２を参照）。特定の実施形態では、センサデータは、ユーザによって装着された装置と関連付けられてもよい。１つの例では、前述のように、前記装置は、例えば、装置１１２、１２６、１２８、１３０及び／又は４００でもよい。したがって、センサデータは、図２からのプロセッサ２０２などのプロセッサによって受け取られてもよく、また本明細書に記載されかつ／又は当該技術分野で既知の１つ以上のセンサから受け取られてもよい。１つの実施態様では、センサデータは、ブロック６０２で、例えば２５Ｈｚの周波数で加速度計から受け取られてもよい。追加又は代替として、センサデータは、５．０〜５．５秒のウィンドウ内で加速度計などのセンサから受け取られてもよい。一実施形態では、ウィンドウ（又は時間枠）は、長さ約５．１２秒でもよい。ウィンドウは、ユーザが行なっている１つ以上の活動と関連付けられたユーザの１つ以上の動きに関するセンサデータが記録される時間期間でよい。１つの実施態様では、サンプルウィンドウは、センサデータの１２８のサンプル（データポイント）を含んでもよく、センサデータのサンプルは、加速度計の３つの直交軸（ｘ軸、ｙ軸及びｚ軸）のそれぞれの値及び／又は法線ベクトル値を含んでもよい。更に別の実施態様では、１つの実施態様で加速度計から受け取ったセンサデータは、重複しないウィンドウ内で受け取られてもよい（例えば、長さ５．１２秒のセンサデータ群はそれぞれ、１２８個のサンプルを含み、同時にではなく単独でかつ／又は互いに別個に受け取ってもよい）。しかしながら、代替実施形態では、当業者は、本明細書に記載されたシステム及び方法が、加速度計の任意の動作周波数で、任意の時間長を測定するウィンドウ長で、所定のウィンドウ内からの任意数のセンサデータサンプルを使用して、使用されてもよいことを容易に理解するであろう。データは、例えばブロック６０４で受け取られたときに検証されてもよい。データ検証は、例えば、１つ以上のしきい値に対する受け取ったセンサデータの１つ以上の値の人などを含んでもよい。例示的なデータ検証の実施の様々な例については、図７に関連して更に詳細に述べられる。
この開示の更に他の態様は、データからの１つ以上の属性の計算に関する（例えばブロック６０６を参照）。１つ以上の属性の計算は、図７に関するものを含む本明細書で述べた検証プロトコルの後で行われてもよい。１つの実施態様では、サンプルウィンドウ（例えば、前述の１２８サンプルウィンドウ）内の受け取ったサンプルの１つ以上に関して１つ以上の属性が計算されてもよい。属性計算は、データが収集されるときに実時間で行われてもよい。１つ以上の属性を計算するために実施されるうる種々の例示的な実施形態は、図９Ａ〜図９Ｅに関連して更に詳しく述べられる。
更に他の実施形態は、１つ以上のセンサから受け取ったデータと関連付けられユーザが行っている１つ以上の活動を示す１つ以上の計算した属性を、１つ以上のモデルと関連付けられた１つ以上の属性と比較してもよい。１つの例では、１つ以上の属性は、１つ以上のモデルと比較されてもよい（参照、例えばブロック６０８）。例えば、エネルギー消費を計算するために、１つ以上の属性が、酸素消費モデルと比較されてもよい。別の例では、属性は、例えば、ステップ（ウォーキング中）、ストライド（ランニング中）又はユーザによる他の動きの数を推定するためのモデル及びユーザの速度と距離（ペース）を推定するためのモデルのうちの１つの以上に対する入力として使用されてもよい（例えば、図１５Ａ〜図１５Ｃ及び／又は図１６のフローチャート６００のブロック６０３）。更に、図６から明らかなように、１つ以上の計算された属性は、１つ以上のモデルへの入力として使用されてもよく、その結果、１つの例では、エネルギー消費量を推定するためのモデルが、ステップレート、ウォーキング速度及び／又はランニング速度などを計算するためのモデルとは別に実行されてもよい。前述のように、１つ以上のモデルは、メモリ（メモリ２１２など）に記憶され、センサ装置を含む装置と関連付けられてもよい。
１つの実施態様では、モデルは、１つ以上の活動を行う１人以上のユーザの動作中に収集された情報（例えば、トレーニングデータ）及び例では予想酸素消費量を含んでもよい。モデルは、スポーツ選手が行なっている活動とは異なるにもかかわらず、属性間に類似の関係を有することがある活動からのトレーニングデータを含んでもよい。したがって、モデルは、酸素消費量の正確な予測値の役割をすることがある。したがって、モデルは、１つ以上の様々な活動と関連付けられたトレーニングデータを含んでもよい。例えば、モデルは、例えばサッカーをすること及びバスケットボールをすることと関連付けられた１つ又は監視プロセスから受け取ったトレーニングデータを含んでもよい。このように、サッカー及びバスケットボール活動データの特定の動きと関連付けられた酸素消費データは類似してもよい（活動中の異なる期間の１つ以上の所定の数値範囲内で）。
別の実施態様では、第１の酸素消費量モデルは、第２の酸素消費量モデルで使用された１人以上のユーザのデータと同じ１人以上のユーザからのデータを含んでもよい。別の構成では、第１のモデルと第２のモデルは、同じ１人以上のユーザのデータを使用してもよい。更に別の構成では、モデルと関連付けられたデータは、例えば、単一データ収集期間中に同じ１人以上のユーザから、又は同じか又は違う日の複数の収集期間から取得されたものでもよい。１つの実施態様では、第１のモデルは、第１群の１つ以上のセンサからのデータと関連付けられてもよく、第２のモデルは、第２群の１つ以上のセンサと関連付けられてもよく、第１群は、１つ以上の同じセンサタイプを共有してもよく何も共有しなくてもよい。１つの実施態様では、本明細書に記載されたシステム及び方法は、活動データから計算された属性（実時間活動データなど）を１つ以上のモデルと比較してもよく、その１つ以上のモデルは、その活動タイプに関して取得されたデータを含まなくてもよい。このように、１つ以上のモデルは、ユーザが行なっている特定の活動に対して寛容でもよい。例えば、活動装置は、バスケットボール活動を行なっているユーザから情報を受け取ってもよい。これに応じて、装置は、受け取ったバスケットボール活動データを処理して（例えば、フローチャート６００のブロック６０６など）、計算された属性を１つ以上のモデルと比較してもよい（例えばブロック６０８など）。１つの実施態様では、１つ以上のモデルは、バスケットボールに関連したデータを含んでも含まなくてもよい。このように、受け取ったセンサデータの計算された１つ以上の属性は、１つ以上のモデルに対応してもよく、モデルは、ユーザが行っている特定の活動と関連したトレーニングデータを含まなくてもよい。
１つの構成では、複数のモデルを利用してもよく、各モデルは、他のモデルの属性と重複することがあるそれ自体の属性を有する。１つの例実施態様では、各モデルは、２０個の属性と関連付けられてもよい。別の構成では、本明細書に記載されたシステム及び方法は、各モデルの５、１０、１５又は２１個の属性を記憶してもよい。しかしながら、本明細書に記載されたシステム及び方法が、各モデルと関連付けられた任意数の属性を記憶してもよく、特定の実施形態では、第１のモデルと関連して記憶された第１の数の属性が、第２のモデルと関連して記憶された第２の数の属性と異なってもよい。更に、モデルと関連して記憶された１つ以上の属性が、代わりに重量と呼ばれてもよく、装置から受け取ったセンサデータから計算された属性とモデルを比較するために使用されることがある関連した重量値を計算するために使用されてもよい。したがって、１つの実施態様では、ユーザの運動データを収集する１つのセンサ装置（又は複数のセンサ装置）から受け取ったデータから計算された属性の数は、１つ以上の記憶された酸素消費量モデルと関連付けられた属性の数、あるいは重量の数に等しいことがある。
１つ以上の態様は、記憶された１つ以上のモデルの総数から最も正確な酸素消費推定値を第１のモデルが、提供する確率を計算しうる。例えば、１群のモデル（例えば１６）からの特定のモデルが最も正確な酸素消費出力を提供する可能性が最も高い確率が計算される。この計算は、例えばブロック６０８の一部として行なわれ、ユーザが行なっている活動を示す受け取ったセンサデータから計算された１つ以上の属性に基づいてもよい。１つの実施態様では、受け取ったセンサデータから計算された属性と、記憶された酸素消費量モデルの１つ以上と関連付けられた属性あるいは重みとの近さのレベルが、例えばブロック６０８の一部として計算されてもよい。１つの実施態様では、本明細書に記載されたシステム及び方法は、入力属性を記憶されたモデル（専門家）と関連付けられた対応する体重と比較するために、１つ以上のプロセスを実行してもよい。一例では、ブロック６０８は、記憶されたモデルごとに確率を計算してもよい。したがって、前記確率は、計算された１つ以上の属性が所定のモデルに最適な可能性を表わすことがある。例えば、確率は、１６の記憶されたモデルのそれぞれについて計算されてもよい。１６の計算された確率からの最も高い確率値は、例えば、計算された属性に最適なモデルを示す。記憶されたモデルに対する計算された属性の比較と、その後の計算された属性の最適モデルの選択は、図１４と関連して説明される。
一例では、ブロック６１０は、ブロック６０８から計算された属性に対してベストマッチ又は最適のモデルを選択する１つ以上のプロセスを表わす。前述したように、前記最適モデルは、ユーザの活動を監視するセンサ装置から受け取ったデータに最も近い記憶されたトレーニングデータを表わす。１つの実施態様では、最適モデルは、１．０の値に最も近い計算された確率値に対応するモデルでもよい。別の実施態様では、ブロック６１０は、２つ以上モデルを選択してもよい。例えば、所定の偏差、変動及び／又はしきい値の範囲内のモデルフィッティングが、選択されてもよい（ハイブリッドモデルストラテジと呼ばれる）。
説明的ブロック６１２によって示されたように、１つ以上の実施形態は、選択されたモデル（エキスパート）からの出力値を推定してもよい。１つの例では、出力は、ユーザが行なっている１つ以上の活動の結果として、酸素消費量の推定値でもよい。したがって、１つの例では、ブロック６１２は、ユーザが行なっている活動を推定酸素消費値と、センサデータから計算された属性値と最も近い選択されたモデル（例えば、最適モデル）に基づいて関連付けてもよい。１つの実施態様では、モデルは、１つ以上の酸素消費推定値を記憶してもよく、酸素消費量の１つ以上の評価が、ユーザの性別、体重及び／又は身長などの少なくとも１つの個別特定値に基づいて記憶されてもよい。したがって、センサ装置から受け取ったセンサデータと関連付けられた１つ以上の属性に基づいて、ブロック６１２は、ユーザが行っている活動に基づくユーザによる酸素消費量の推定値を返してもよい。
ブロック６１４は、モデル出力値と関連付けられた動きメトリックを推定するために実施されることがある。１つの例では、動きメトリックは、酸素消費値を使用して推定されることがあるエネルギー消費値でもよい。前述のように、酸素消費量値からエネルギー消費を計算する１つ以上の方法が利用されてもよい。１つの例では、５ｋｃａｌの推定エネルギー消費量が、ユーザによる１Ｌの酸素消費量と関連付けられる。しかしながら、当業者は、エネルギー消費量を、酸素消費値に基づいて１人以上の人に固有の値（例えば、ユーザの身長と体重）を使用して計算するための様々な他の式を理解するであろう。
別の実施態様では、計算された１つ以上の属性（例えば、ブロック６０６での計算を含む）は、ユーザが行なっているウォーキング、ランニング又は別の活動のどれをセンサデータが示すか、追加又は代替としてユーザがウォーキングやランニングなどをしている速度の決定に使用されてもよい。したがって、ブロック６０６で計算された１つ以上の属性は、ブロック６０３への入力として使用されてもよい。詳細には、１つ以上の属性は、ブロック６０６から判定ブロック６１６に伝達されてもよい。ブロック６１６で、１つ以上のプロセスは、ユーザがランニング、ウォーキング又は別の活動のどれを行なっているかどうか決定するために実行されてもよい。これらの１つ以上のプロセスと関連した更なる詳細は、図１５Ａ〜図１５Ｃに関連して述べられる。ユーザがランニングやウォーキング以外に活動を行なっていると決定した場合、フローチャートは、ブロック６１６から６１８に進む。したがって、ユーザがランニングやウォーキング以外の活動を行っている場合、ユーザが移動している速度などを定義するプロセスは実行されない。判定６１６で、ユーザがランニング又はウォーキングしていると判定された場合、判定６２０は、活動がウォーキングかランニングかを判定するために実施されてもよい。ランニングやウォーキングなどの活動を選択する例示的な実施形態が本明細書で提供され、１つの実施形態では、ユーザがランニングしていると判定した場合に、例えば速度を決定するために１つ以上の属性がランニングモデルに伝達されることを含む（例えば、ブロック６２２を参照）。しかしながら、ユーザがウォーキングしていると判定された場合、特定の実施形態は、例えば速度を決定するために、１つ以上の属性をウォーキングモデルに伝達してもよい（例えば、ブロック６２４）。
図７は、１つ以上のセンサから受け取ったデータの検証で利用されることがある例示的実施形態を示すフローチャート７００を示す。１つの例では、フローチャート７００は、全体か部分かにかかわらず、図６からのブロック６０４の検証実施態様を実行する部分として実施されてもよい。ブロック７０２は、１つ以上のセンサからデータを受け取る１つ以上のプロセスを表わすことがある。前述のように、データは、加速度計、心拍数モニタ、ジャイロスコープ、位置決定装置（例えばＧＰＳ）、光（非可視光を含む）センサ、温度センサ（周囲温度及び／又は体温を含む）、睡眠パターンセンサ、画像キャプチャセンサ、水分センサ、力センサ、コンパス、角速度センサ及び／又はこれらの組み合わせを含むがこれらに限定されない様々なタイプのセンサから受け取ってもよい。データは、ブロック７０２で、１つ以上のデータポイント又はサンプルとして受け取られてもよい。更に、データは、連続的又は断続的なデータストリームの一部として受け取られてもよい。更に、当業者に容易に理解されるように、ブロック７０２で受け取るデータは、単一のセンサ又は複数のセンサからのものでよく、直列入力又は並列入力（同時に）として受け取られてもよい。ブロック７０２は、ブロック６０２の一部を特定の実施形態で含んでもよい。
ブロック７０４は、受け取ったデータのソースを識別する１つ以上のプロセスを含んでもよい。したがって、ブロック７０４は、データを受け取ったセンサタイプを識別してもよい。１つの実施態様では、データポイント（サンプル）に含まれる情報は、データが生成され通信されたセンサのセンサタイプ、サブタイプ、モデル及び／又は特定のインスタスの識別を含んでもよい。例えば、ブロック７０４は、加速度計などから受け取ったデータを識別してもよい。別の例では、フローチャート７００のブロック７０６は、受け取ったデータを１つ以上のセンサからのものとして識別してもよい。別個のセンサから１つ以上の受信データポイントを受け取った場合、データストリームが解析されてもよい（例えば、ブロック７０８）。１つの例では、ブロック７０８が、データを受け取ったセンサタイプに基づいて受け取ったデータポイントを分離するために実施されることがある。
受け取ったデータポイントの値は、１つ以上のしきい値と比較されてもよい（例えば７１０）。したがって、ブロック７１０は、受け取ったデータポイントを検証してもよい。このように、データポイントは、例えば、ユーザの動きを表わすように識別され、ノイズを表わす１つ以上の値と区別されてもよい。例えば、加速度計データポイントに関して、しきい値は、例えば、加速度計センサから最大出力値の１０％のものでもよい。したがって、加速度計から受け取ったデータポイントが、加速度計センサからの最大出力値の１０％未満の数値（１つの例では、絶対数値など）を有する場合、データポイントは、ノイズとして識別され無視されてもよい。これに応じて、加速度計から受け取ったデータポイントが、加速度計センサからの最大出力値の１０％を超える数値を有する場合、データポイントは、有効加速度として識別される。当業者は、しきい値が、任意の数値をとってもよく、その数値が、他の状況では、特定のセンサタイプに適し、例えば特定のセンサタイプからの数値の出力範囲に基づくことを理解するであろう。更に、加速度計と関連付けられた例示的な１０％しきい値は、追加又は代替として、５％しきい値、１５％しきい値、２０％しきい値若しくは２５％しきい値、又は他の任意の数値でよい。更に、特定のセンサタイプと関連付けられた複数のしきい値があってもよい。例えば、センサは、データ出力と関連付けられた２つ以上のしきい値を有してもよい。第１のしきい値は、ノイズと真の加速度データとを区別してもよく、例えば１０％しきい値でもよい。例えば、第２のしきい値は、真の加速度データと飽和データとを区別してもよく、例えば９５％しきい値などでよい。
複数のセンサ又は入力からのデータは、ブロック７１０などで検証されてもよい。１つの例として、心拍数センサからの１つ以上のデータポイント、心拍数センサデータポイントは、１つ以上のしきい値と比較されてもよい。１つの例では、受け取った心拍数が２０〜２２０ ｂｐｍの場合、心拍数データポイントは適切と見なされ、その後データバッファ（ブロック７１２に関して述べたバッファなど）に伝達されてもよい。別の例では、心拍数センサデータの検証は、心拍数データポイントの数が１つ以上の所定の心拍数しきい値の範囲内にあることを確認し同時に加速度データがバッファに格納される１つ以上のプロセスを実行してもよい。
１つ以上のデータポイントは、例えばブロック７１０などで、有効データを表わすことが検証されてもよく、有効データは、ユーザが行っている１つ以上の活動又は行動を表してもよい。したがって、１つ以上のデータポイントの検証後に、検証済みデータポイントが、バッファに記憶されてもよい（一時的又は他の形で）（ブロック７１２を参照）。当業者は、この開示の範囲から逸脱せずに様々なタイプのバッファが使用されうることを理解するであろう。したがって、１つの例では、バッファは、デジタル情報を記憶するように構成された要素を含む専用ハードウェアチップでもよい。バッファは、ハードディスクドライブ（ＨＤＤ）、ソリッドステートドライブ（ＳＤＤ）、光ディスクなどの持続性メモリの形で実現されてもよい。追加又は代替として、バッファは、例えばランダムアクセスメモリ（ＲＡＭ）などの揮発性メモリの形で実現されてもよい。
特定の実施形態は、１つ以上のデータポイントをバッファに追加するように構成されてもよく、前記バッファは、１つの例では、バッファの内容を変換モジュールに伝達する前に１２８個のデータポイント（サンプル）を記憶してもよい。当業者は、１つの例では、１２８個未満のデータポイントがバッファに記憶されてもよいことを理解するであろう。例えば、バッファは、６４個のサンプル、３２個のサンプル、１６個のサンプルなどを記憶する。同様に、当業者は、別の例では、１２８を超えるデータポイントが、バッファに、本明細書に記載された開示の範囲から逸脱することなく、記憶されうることを理解するであろう。追加又は代替として、バッファに記憶されたサンプル及び／又はデータポイントの数は、データを受け取るセンサタイプに依存してもよい。例えば、加速度計から受け取ったデータは、心拍数モニタなどから受け取ったデータより多くの収納スペースを占有することがある。更に、１つの例では、変換モジュールは、受け取ったデータの特徴を処理しかつ／又は識別する１つ以上のプロセスを含んでもよい。
１つの実施態様では、タイムスタンプが、バッファに追加されるようにデータポイントと関連付けられてもよい。別の実施態様では、タイムスタンプが、例えば、バッファと関係なく、検証済みデータポイントと関連付けられてもよい。
特定の実施形態は、データポイントのしきい値数が、バッファ、又は一連のバッファ内にあるかどうかを確認してもよい（例えばブロック７１４を参照）。このように、ブロック７１４は、記憶されたデータポイントとバッファの数を識別し、この記憶されたデータポイントの数をデータポイントのしきい値数と比較する１つ以上のプロセスを表わし、その後で、フローチャート７００はブロック７１６に進む。例えば、ブロック７１４は、バッファに記憶されたデータポイントの数を確認し、この記憶されたデータポイントの数を１２８個のデータポイントのしきい値数と比較してもよい。１つの例では、ブロック７１４が、バッファに記憶された１２８個のサンプルを識別した後、フローチャート７００は、ブロック７１６に進み、１２８個のサンプルが、データ変換モジュールに伝達される。しかしながら、ブロック７１４が、バッファに記憶されたサンプルの数が、しきい値数、例えば１２８個のサンプルより少ないと判定した場合、フローチャート７００は、例えば、追加データポイントを処理するブロック７０２に進む。当業者は、ブロック７１４が、この開示の範囲から逸脱することなく、フローチャート７００から省略されてもよく、また１つ以上のデータポイントが、しきい値数のデータポイントを受け取ることなく、変換モジュールに連続的に伝達されてもよいことを理解するであろう。
１つの実施形態によれば、１２８個のデータポイントのしきい値は、データのウィンドウを表わしてもよく、データのウィンドウは、２５Ｈｚの周波数で収集された場合に、約５．１２秒の時間長となる。したがって、サンプルウィンドウは、例えば、任意の所定の周波数で任意の時間長にわたってサンプリングされた１２８個以外のサンプル数を含んでもよい。更に、変換モジュールは、１つ以上のセンサから受け取られたデータに実行するように構成された１つ以上のプロセスでもよい。１つ以上の変換プロセスは、データをデータセットに集めてもよく、データセットは、例えば、ユーザの動き及び／又は活動を表わす１群のデータポイントでもよい。したがって、データ変換プロセスは、図８Ａと図８Ｂに関連して更に詳しく説明される。
図８Ａは、受け取ったセンサデータを変換するための１つ以上の例示的なプロセスを含むフローチャート８００である。１つの例では、実証済みデータ（図７で示された１つ以上の教示にしたがって検証されてもよい）を受け取ってもよい（例えば、ブロック８０２）。１つの構成では、フローチャート８００は、加速度計センサから受け取ったデータを変換する１つ以上のプロセスを表わしてもよい。したがって、加速度計から出力されたデータポイントは、例えば、３つの直交軸（ｘ軸、ｙ軸、ｚ軸）のうちの１つ以上と関連付けられたデータ値を含んでもよい。１つの特定の実施態様では、加速度計が、単一軸（ｘ軸、ｙ軸又はｚ軸の１つ以上から選択された単一軸）の方向の加速度を、０から１０２４のスケールで表わす数値を出力してもよい。当業者は、様々な会社によって製造された加速度計、又は実際には様々なタイプのセンサが、本明細書に記載されたものと異なる数値を出力することを理解するであろう。この特定の例では、１から５１２の出力値が、軸に沿った負方向の加速度を表わしてもよい。これに応じて、５１３〜１０２４の出力値は、前記同じ軸に沿った正方向の加速度を表わしてもよい。フローチャート８００のブロック８０４は、例えば、加速度計から出力された１つ以上のデータポイントをゼロセンタリングする１つ以上のプロセスを実行してもよい。１つの実施態様では、データのゼロセンタリングは、加速度計上の１つ以上のデータポイントと関連付けられたデータ値を変換し、例えば０ｍ／ｓ２のその加速度がゼロの数値で出力されるようにするために使用されることがある。１つの例では、データをゼロセンタリングする１つ以上のプロセスは、加速度計からの出力値から５１２を減算することを含む。したがって、例えば、軸の負方向の加速度は、−１〜−５１２の負の値によって表わされてもよく、軸の正方向の加速度は、＋１〜＋５１２の正の値によって表わされてもよい。
１つの例では、加速度計と関連付けられたデータポイントは、加速度計が加速度の影響を受けやすい１つ以上の軸を表わす１つ以上の数の値を含んでもよい。例えば、加速度計は３つの直交軸（ｘ軸、ｙ軸及びｚ軸）のそれぞれと関連付けられた３つの数値を出力してもよい。１つの例では、装置１１２、１２６、１２８、１３０及び／又は４００などの装置内の加速度計回路及び／又はチップの物理的向きは、加速度計からの出力値を制御することがある。例えば、装置内に第１の向きで位置決めされた加速度計は、第１の活動中に主にｘ軸方向の加速度値を出力することがある。しかしながら、装置内に第２の向きで位置決めされた同じ加速度計は、例えば、前記同じ第１の活動中に主にｙ軸方向の加速度値を出力することがある。したがって、１つ以上のプロセスは、装置内の加速度計センサの物理的向きに依存することがあり、和加速度計センサの向きは、２つの装置で異なることがある。しかしながら、１つの実施態様では、ブロック８０６は、例えば、出力値のマグニチュードに基づいて加速度計センサから出力されたデータを参照する１つ以上のプロセスを実行してもよい。例えば、加速度計から受け取ったデータポイントごとに、１つの実施態様では、最高加速度値を有する１群の３つの軸（ｘ軸、ｙ軸及びｚ軸）から軸を識別する１つ以上のプロセスが実行されてもよい。１つの実施態様では、最高加速度値は、絶対値などでよい。したがって、最大加速度値に対応する軸は、ｘ軸として再表示／再配列されてもよい。更に、２番目に大きい加速度値に対応する軸は、ｙ軸として再表示／再配列されてもよい。更に、３番目に大きい加速度値に対応する軸は、例えば、ｚ軸として再表示／再配列されてもよい。この方法では、軸をマグニチュードで再配列することによって、１つ以上の順次データ操作プロセスが、装置１１２、１２６、１２８、１３０及び／又は４００などの装置内の加速度計センサの物理的向きに対して寛容になる。
１つの例では、ブロック８０８は、受け取ったデータの法線ベクトルを計算することによって、加速度計センサから受け取った１つ以上のデータポイントを変換してもよい。当業者は、加速度計が影響を受けやすい３つの直交軸のそれぞれを表わす３つの値を含むデータポイントの法線ベクトルを計算する１つ以上のプロセスを理解するであろう。１つの例では、法線ベクトルは、下の式１にしたがって、二乗和の平方根として計算されてもよい。
法線ベクトル＝ＳＱＲＴ（ｘ＿ｉ）２＋（ｙ＿ｉ）２＋（ｚ＿ｉ）２） （式１）
上記の式１の場合、当業者は、x_iがｘ軸方向の加速度値であり、y_iがy軸方向の加速度値であり、z_iがｚ軸方向の加速度値であることを理解するであろう。
更に他の変換は、センサから受け取ったデータに対して実行されてもよく、前記データは、加速度計センサから受け取られ、変換前に検証されてもよい。１つの例では、ブロック８１０は、法線ベクトルの微分を計算する変換を表わす。したがって、当業者は、法線ベクトルの微分などの微分を計算するために様々なシステム及び方法を理解するであろう。別の例では、ブロック８１２は、法線ベクトルの高速フーリエ変換（ＦＦＴ）を計算する変換を表わす。同様に、当業者は、周波数領域内のデータなどを表わすデータのＦＦＴを計算するための様々なシステム及び方法を理解するであろう。
フローチャート８００のブロック８１４は、変換データを属性計算モジュールに伝達するための１つ以上のプロセスを表わす。変換データは、例えば、マグニチュード、法線ベクトルデータ、法線ベクトルデータの微分及び／又は法線ベクトルデータのＦＦＴ表現などによってソートされたゼロセンタリングデータの１つ以上のものとして表わされてもよい。更に、属性計算モジュールは、データセットから情報を抽出するための１つ以上のプロセスを含んでもよく、前記抽出された情報は、ユーザが行っている１つ以上の運動及び／又は活動を特徴付けてもよい。１つの例では、前記抽出された情報は、データの１つ以上の属性などと呼ばれることがある。
図８Ｂは、フローチャート８２０を示し、フローチャート８２０は、受け取ったデータなどを変換するための１つ以上のプロセスを含んでもよい。フローチャート８２０のブロック８２２は、１つの例では、検証済みデータの受け取りを表わすことがある。データは、例えば図７に関連した教示を含む、本明細書の１つ以上の教示にしたがって検証されてもよい。１つの例では、受け取った検証済みデータが、心拍数モニタなどから受け取った１つ以上の心拍数データポイントを表してもよい。
１つの例では、ブロック８２４は、受け取った心拍数データポイント間で補間する１つ以上のプロセスを表わしてもよい。例えば、ユーザの心拍数を表わすデータポイントが受け取られレートは、例えば、１Ｈｚでよい。１つの実施態様では、単位時間（毎秒など）少なくとも１つ以上の心拍数データポイントを受け取ることが望ましいことがある。したがって、１つの実施態様では、受け取った心拍数データポイント間の補間は、１Ｈｚを超えるレートなどに対応するデータポイントを生成するように使用されてもよい。次に、ブロック８２６によって表わされるように、１つ以上のプロセスは、補間済み心拍数データポイントを属性計算モジュールに伝達するように実行されてもよい。
図９Ａは、受け取ったセンサデータから１つ以上の属性を計算するための１つ以上のプロセスを含むことがある例示的なフローチャート９００を示す。１つの例では、１つ以上のセンサから受け取ったデータは、検証され、ブロック９０２によって受け取られる前に変換されてもよい。しかしながら、別の例では、１つ以上のデータポイントは、検証や変換などを行わずにブロック９０２に直接伝達されてもよい。
１つの例では、図９Ａは、１つ以上の受け取った加速度計データポイントから１つ以上の属性を計算するための１つ以上のプロセスを表わしてもよい。例えば、フローチャート９００のブロック９０４は、最大加速度量を示す加速度計軸を識別する１つ以上のプロセスを実行してもよい。１つの例では、フローチャート８００のブロック８０６で実行された１つ以上のソートプロセスの結果、最大加速度量に対応する軸は、ｘ軸などになる。したがって、ブロック９０４は、ｘ軸と関連付けられたデータ値を識別してもよい。しかしながら、当業者は、最高加速度と関連付けられた加速度値が、１つ以上の代替方法を使用して順序変更されてもよく、その結果、最高加速度を表わす軸が、データポイント間で異なってもよく、ｙ軸又はｚ軸などになるように順序変更されてもよいことを理解するであろう。
前述のように、属性は、一般に、ユーザの１つ以上の動き又はその一部分を表わす計算値でもよく、この計算値は、モデルからの出力を後で予測するために使用されてもよい。更に、モデルは、例えば、活動中のユーザによる酸素消費量を予測するために使用されてもよい。複数の様々な属性は、センサから受け取った単一データポイント、又はデータセットとも呼ばれる１群のデータポイント／１群のサンプルなどから計算されてもよい。１つの例では、例えばユーザによる酸素消費量を推定するために使用される１組の属性は、図８Ａに関して述べたように、加速度データポイントの法線ベクトル、加速度データポイントの法線ベクトルの微分、及び／又は加速度データポイントの法線ベクトルの高速フーリエ変換を含んでもよい。
別の例では、更に別の特定の属性が、加速度計から受け取ったデータから計算されてもよい。例えば、属性は、ユーザの１つ以上の動きを表わす値として計算されてもよく、最大加速度量を示す加速度計軸からの加速信号と関連付けられてもよい。１つの例では、ブロック９０６で計算された属性は、平均値などの最大加速度を示す軸から受け取ったデータポイントに関連付けられた統計値を含んでもよい。
ブロック９２０は、エキスパート選択モジュールに対する１つ以上の属性を計算する１つ以上のプロセスを表わす。したがって、エキスパート選択モジュールは、１つ以上の計算された属性を１つ以上のエキスパートモデルと比較する１つ以上のプロセスを含んでもよく、エキスパートモデルは、ユーザが行なっている活動と関連付けられた出力を予測／推定するために使用されてもよい。１つの例では、そのような出力は、ユーザなどによる酸素消費量でもよい。
図９Ｂは、フローチャート９３０を含み、フローチャート９３０は、受け取ったセンサデータから１つ以上の属性を計算する１つ以上のプロセスを含んでもよい。図９Ａと同様に、フローチャート９３０のブロック９３２は、変換されたセンサデータを受け取る１つ以上のプロセスを表わす。したがって、データ変換は、図８Ａと図８Ｂと関連して更に詳しく述べられる。
フローチャート９３０のブロック９３４は、２番目に大きい加速度量を示す加速度計軸を識別してもよい。１つの例では、１つ以上の順序変更プロセスを含む１つ以上の変換の後で、２番目に大きい加速度量を示す軸が、ｙ軸などでよい。
ブロック９３８は、受け取ったセンサデータから属性を計算する１つ以上のプロセスを表わしてもよい。１つの例では、計算された属性は、統計値でよい。更に、属性の特定の例は、図１７Ｂに関連して述べられ、図９Ｂなどに関連して実行されることがあるプロセスと類似してもよい。次に、計算された属性は、ブロック９４２に関連して述べたように、エキスパート選択モジュールに伝達されてもよい。
図９Ｃは、受け取ったデータの１つ以上の属性を計算する１つ以上のプロセスを含むことがあるフローチャート９５０を示し、受け取ったデータは、加速度計などからの１つ以上のデータポイントでよい。したがって、ブロック９５２は、変換データを受け取る１つ以上のプロセスを表わし、データ変換は、図８Ａと図８Ｂに関して述べられる。あるいは、当業者は、受け取ったデータが変換されなくてもよく、その結果、ブロック９５２で受け取ったデータが、代替として、１つ以上のセンサから受け取った生データでもよいことを理解するであろう。
ブロック９５４は、３番目に大きい加速度量を示す加速度計の軸と関連付けられたデータを識別する１つ以上のプロセスを表わしてもよい。１つの例では、図８Ａのブロック８０６に関して述べたように、３番目に大きい加速度と関連付けられた軸はｚ軸でよい。
フローチャート９５０のブロック９５６は、受け取ったセンサデータから属性を計算する１つ以上のプロセスを表わす。図９Ａ及び図９Ｂと同じように、計算された属性は、受け取ったデータの平均値などの統計値でよい。１つ以上の属性の母集団に関連した追加の詳細は、図９Ｃに関して述べた特徴と類似の特徴を含む図１７Ｃに関して提供される。
ブロック９６８は、１つ以上の計算された属性をエキスパート選択モジュールに伝達する１つ以上のプロセスを実行してもよく、前記エキスパート選択モジュールは、図１４に関して述べられる。
図９Ｄは、受け取ったセンサデータと関連付けられた１つ以上の属性を計算する１つ以上のプロセスを表わすフローチャート９７０である。例えば、ブロック９７２は、加速度計から変換済みセンサデータを受け取ってもよい。したがって、ブロック９７４は、それらのデータポイントを加速度計と関連付けられた全ての軸からグループ化してもよい。１つの例では、加速度計は、１つ、２つ又は３つの直交軸（ｘ軸、ｙ軸、及び／又はｚ軸）と関連したデータを出力してもよい。ブロック９７８は、受け取ったセンサデータから属性を計算する１つ以上のプロセスを表わしてもよい。したがって、計算された属性は、受け取ったセンサデータの平均値などの統計値でよい。属性計算と関連した更なる詳細は、図９Ｄに関して述べたものと類似の要素を含む図１７Ｄに関して示される。
１つ以上の属性を計算した後で、フローチャート９７０のブロック９８２によって表わされるように、１つ以上の属性が、エキスパート選択モジュールに伝達されてもよい。エキスパート選択モジュールは、計算された属性と関連付けられた最適モデルの選択と関連付けられ、図１４に関して更に詳しく述べられる１つ以上のプロセスでもよい。
図９Ｅは、受け取ったセンサデータと関連付けられた属性を計算する１つ以上のプロセスを表わすフローチャートである。１つの例では、フローチャート９８６は、加速度計などから受け取ったデータと関連付けられた１つ以上の属性計算プロセスを表わす。したがって、ブロック９８８は、変換された加速度計データを受け取る１つ以上のプロセスを表わす。１つの実施態様では、図８Ａに関して述べたように、加速度計データは、前記データなどの法線ベクトルの計算によって変換されてもよい。１つの例では、ブロック９９０は、加速度計データの計算された法線ベクトルを識別する。前記計算された法線ベクトルデータから、１つ以上の属性が識別されてもよい。
１つの例では、フローチャート９８６のブロック９９２は、受け取ったセンサデータと、詳細には法線ベクトルデータとから属性を計算する１つ以上のプロセスを表わす。１つの例では、計算された属性は、例えば、法線ベクトルデータの平均値などでよい。法線ベクトルデータと関連した属性の追加の例は、図１７Ｅに関して述べられる。
次に、ブロック９９９は、エキスパート選択モジュールにデータを伝達してもよい。例示的なエキスパート選択モジュールは、図１４に関して、本明細書でより詳しく述べられる。
この開示の態様は、ユーザが活動（ランニングやウォーキングなど）を行っているかどうかの決定なしにエネルギー消費を計算するように構成されたシステム及び方法に関するが、特定の実施形態は、１つ以上の属性を計算するために（直接又は間接に）使用されることがある歩数を決定してもよい。特定の実施形態によれば、システム及び方法は、周波数推定を行い、ピークを見つける周波数サーチ範囲をセットアップするために実施されてもよい。１つの実施形態では、ピークを見つけるシステム及び方法は、解析バッファなどのバッファ内のデータに利用されてもよい。更に他の実施形態では、他のデータが、単独で利用されてもよく、解析バッファ内のデータと組み合わせて利用されてもよい。図１０は、周波数を推定する１つのプロセス例を示すフローチャート１０００を提供する。当業者は、図１０は、様々な実施態様により利用されることがある多くの実施形態のうちの１つに過ぎないことを理解するであろう。１つ以上のシステム及び方法は、ステップ定量化の決定に利用するために周波数データ内の１つのサブグループ（又は、複数のサブグループ）のピークを識別するように実施されてもよい。一実施形態では、ＦＦＴが行なわれ、ＦＦＴスペクトル内のピークは、ピークの近くのしきい値及び／又は微分などと共に、識別されてもよい。ＦＦＴの実行が、図１０に関して述べた１つ以上のプロセスなどの周波数推定プロセスを開始する前、その最中、又はその後で行われてもよい。更に他の実施形態では、ＦＦＴは、フローチャート１０００の１つ以上の構成要素から得られた１つ以上のしきい値と微分を利用してもよい。
１つの実施形態では、データ（例えば、バッファ内に得られたデータ及び／又は時間フレーム中に得られたデータ）内の特定の１つのピーク（又は複数のピーク）が利用されてもよい。一実施形態では、「バウンスピーク」、「腕振りピーク」及び／又は他のピークが、識別されてもよい。例えば、多くのユーザが、走っているとき脚を着地する際に「跳ねる」。この跳ね返りは、データ内の周波数ピークを提供することがある。他のピーク（及び／又は谷）が、センサデータ内にあってもよい。例えば、多くのユーザが、ランニング及び／又はウォーキング中に腕を予測可能に振って「腕振りピーク」を提供することが多い。例えば、腕は、通常、前方／後方軸に沿って（例えば、前から後ろに）揺れる。この周波数は、「バウンスピーク」の周波数の約半分でもよい。しかしながら、これらのピークはそれぞれ、例えば個人、動きのタイプ、地形及び／又はこれらの組み合わせに基づいて、独立に変化することがある。
特定の実施形態では、周波数を検出する機能のしきい値が、決定又は取得されてもよい（例えば、ブロック１００２）。ピークを探す識別基準を決定するための１つ以上のシステム又は方法が、データポイントの周波数を推定してもよい。例えば、平均（例えば、平均値など）及び／又は標準偏差（又は分散）が得られてもよい。そのようなデータは、定量化されうる「ピーク」と「谷」（例えば、データ内の高い値と低い値）を決定するために利用されてもよい。そのようなデータは、ピーク近くの動的しきい値及び／又は微分の決定に使用されてもよい。一実施形態では、バッファ内のデータの１つ又は２パス加重移動平均などの加重平均が、任意の決定で利用されてもよい。更に他の実施形態では、生センサデータ（例えば、加速度計信号）が、単独で、又はデータの微分などの他の属性との組み合わせで使用されてもよい。
一実施形態では、１パス加重移動平均、２パス加重平均及び生データがそれぞれ使用される。別の実施形態では、２パス加重移動平均だけが使用されてもよい。１つの実施形態では、微分の平均と標準偏差が計算され、しきい値レベルとして使用されてもよい。一実施形態では、しきい値を得る１つ以上のプロセスが利用されてもよい。例えば、固定範囲内のピークを見つけるために第１の方法が利用されてもよい。更に特定の実施形態では、第２の方法が、ピークを探すための識別基準を決定するために利用されてもよい。特定の実施態様では、第１、第２又は追加の方法が、バッテリ寿命に少なくとも部分的に基づいて実施されてもよい。例えば、第２の方法は、追加の処理能力を必要とすることがあり、したがって、バッテリ寿命が設定値より低下したかつ／又はしきい値を超えるレートで下降していることの指示を受け取ったときは利用されなくてもよい。
ブロック１００４では、ステップ周波数は、特定のバッファ（又は、バッファ群）に関して決定されてもよい。特定の実施形態では、バッファの平均加速度は、別個の狭い探索範囲のデータ（例えば周波数）を作成するために使用されてもよい。例えば、図１１は、ｘ軸１１０２方向の平均加速度（平方秒当たりのメートル数「ｍ／ｓ２」で表された）と、ｙ軸１１０４方向のデュアルフットステップ周波数のヘルツ（Ｈｚ）で表した周波数を示すグラフ１１００を示す。領域０６は、境界線１１０８ａ〜１１０８ｄで定められることがある検出域を示す。境界線１１０８の１つ以上は、ブロック１００２で計算されたしきい値に少なくとも部分的に基づいてもよい。したがって、加速によって、加速度計が予測する周波数範囲以外（例えば、境界線１１０８ａ〜１１０８ｄ以外）の周波数が生成される場合、特定のシステム及び方法が、このデータの少なくとも一部分を利用しないことがある。これは、データがランダムノイズと見なされること（例えば、データが異なる周波数成分だが類似の加速度を有すること）を保証するために利用されてもよい。一実施形態では、中心周波数は、近似されてもよい。一実施形態では、１つ以上の軸に沿って測定されたセンサデータの中心周波数が計算されてもよい。例えば、１つ以上の加速度計から収集されたセンサデータは、ｘ、ｙ及びｚ軸の１つ以上の方向の平均周波数を決定するために使用されてもよい。例えば、アームスイングデータは、３つの軸のそれぞれの方向の成分を含み、したがって測定されてもよい。一実施形態では、複数の軸の平均周波数は、データのピーク及び／又は谷の数を調べることによって近似されてもよい。
特定の実施形態によれば、センサデータは、ステップカウントがウォーキング及び／又はランニングに応答しているかどうかに関係なく、ステップカウントを決定するために利用されてもよい。この点において、非ウォーキング及び／又は非ウォーキングデータを含むセンサデータを保持することは有利なことがあり、より正確に言うと、ウォーキング及び／又はランニングの決定が、属性から決定されてもよい。しかしながら、例示的なセンサ読み出し値を検討するために、図１１は、０．５〜２．４Ｈｚの範囲（ｙ軸１１０４方向にある）内の信号を示すために提供され、この範囲は、他の分類技術を使用するとウォーキングを示すものとして見なされてもよい（例えば、１１１０で示されたサンプル）。別の実施形態では、２．４〜５Ｈｚの範囲内の信号は、他の分類技術ではランニングを示すものとして見なされてもよい。例えば、データポイント１１１２は、スポーツ選手が、８分マイルで走っていることを示すことがあり、データポイント１１１４は、スポーツ選手が５．５分マイルで走っていることを示すことがある。更に、特定の実施形態では、腕振りデータを利用して、デュアルフットステップ周波数を決定してもよい（軸１１０４を参照）。例えば、手首装着型装置が、腕振りを測定するように構成された場合、そのようなデータは、シングルフット周波数として解釈されてもよい。この点において、要素１１１６によって示されるシングルフット周波数データポイントは、データポイント１１１０に対して半分の値（ｙ軸１１０４に対して）に対応してもよい。したがって、一実施形態では、シングルフット周波数の値は、デュアルフットステップ周波数値に達するように２倍にされてもよい。当業者は、グラフ１１００が、生成又は表示されなくてもよいが、この開示の態様を示すために本明細書に示されていることを理解するであろう。
判定１００６は、推定ステップ周波数を調整するかどうか判定するために実施されてもよい。一実施形態では、判定１００６は、先行する非重複バッファなどの前のバッファでステップがカウントされたかどうか（又は、ステップの周波数）を検討してもよい。例えば、判定１００６は、成功したＦＦＴが前のデータにステップを入れたかどうかを判定してもよい。当該技術分野で理解されるように、データ（例えば、周波数）が変化する状況があってもよいが、ユーザは、異なるレート又はペースであろうとも、同じ活動を行ってもよい。例えば、ユーザが１０ｍｐｈで走っており５ｍｐｈに減速する場合、彼／彼女は、もっと遅いペースでだが、更に走ってもよい。しかしながら、この状況では、検出される周波数は変更される。
一実施形態では、ステップ定量化は、例えば前述のようにピークを識別することによって、一次結合なしに決定されてもよい。データ内のバウンスピーク及び／又は腕振りピークの探索範囲を確立するために、推定（ブロック１００８によって調整されたことがある）が使用されてもよい（例えばブロック１０１２を参照）。
ブロック１０１４は、ステップ定量化の決定に利用するために周波数データ内の１つのサブグループ（又は、複数のサブグループ）のピークを識別するように実施されてもよい。一実施形態では、ＦＦＴが行なわれ、ＦＦＴスペクトル内のピークは、ピークの近くのしきい値及び／又は微分などと共に、識別されてもよい。ＦＦＴの実行が、図１０に関して述べた１つ以上のプロセスなどの周波数推定プロセスを開始する前、その最中、又はその後で行われてもよい。更に他の実施形態では、ＦＦＴは、フローチャート１０００の１つ以上のプロセスから得られた１つ以上のしきい値と微分を利用してもよい。１つの実施形態では、データ（例えば、第１のバッファ内で得られたデータ及び／又は第１の時間フレーム中に得られたデータ）内の特定の１つのピーク（又は複数のピーク）が利用されてもよい。これは、一次結合を使用できないことの決定に基づいて行われてもよい。一実施形態では、「バウンスピーク」、「腕振りピーク」及び／又は他のピークが、識別されてもよい。例えば、多くのユーザが、走っているとき脚を着地する際に「跳ねる」。この跳ね返りは、データ内の周波数ピークを提供することがある。他のピーク（及び／又は谷）が、センサデータ内にあってもよい。例えば、多くのユーザが、ランニング及び／又はウォーキング中に腕を予測可能に振って「腕振りピーク」を提供することが多い。例えば、腕は、通常、前方／後方軸に沿って（例えば、前から後ろに）揺れる。この周波数は、「バウンスピーク」の周波数の約半分でもよい。しかしながら、これらのピークはそれぞれ、例えば個人、動きのタイプ、地形及び／又はこれらの組み合わせに基づいて、独立に変化することがある。
図１２Ａは、多軸加速度計データなどのセンサデータの例示的ＦＦＴ出力のグラフ１２００を示す。グラフ１２００は、ｘ軸１２０２方向のヘルツ（Ｈｚ）で表した周波数と、ｙ軸１２０４方向のＦＦＴ出力とを示す。線１２０６は、周波数（ｘ軸１２０２方向）と出力（ｙ軸１２０８方向）の関係をグラフ化しており、ｙ軸１２０４方向のマグニチュード又は最大高さは、ピークの最大ＦＦＴ出力を提供する。ピークマグニチュードは、周波数の相対強度を示し、人がステップを踏んでいるかどうかのインジケータとして使用されてもよい。当業者は、グラフ１２００が、生成又は表示されなくてもよいが、この開示の態様を示すために本明細書に示されていることを理解するであろう。
更に図１２Ａで分かるように、腕振り範囲１２０８は、ｘ軸１２０２方向の約０〜２Ｈｚの間で示され、腕振りピーク１２１０を含む。バウンスピーク範囲は、ｘ軸１２０２方向の約２〜４Ｈｚで示され、バウンスピーク１２１４を含む。したがって、示された例では、バウンスピーク範囲内のバウンスピーク１２０８の周波数は、一般に、腕振りピークの周波数の２倍である。したがって、システム及び方法は、確立されたしきい値に基づいてピーク（及び／又は谷）を識別してもよい。この点において、１つ以上の非一時的コンピュータ可読媒体のコンピュータ実行命令は、ピークのしきい値量が範囲内にある（固定されているか動的に決定される）かどうかを決定するために実行されてもよい。範囲内のピークがない場合、そのバッファは空にされてもよい（あるいは、そのデータを歩数決定に利用しなくてもよい）。この点において、ピークは、最大オカレンス量及び／又は最高絶対値を有するものによって測定された周波数を指すことがある。
特定の実施形態は、ピーク（例えば、腕振りピーク、バウンスピーク、及び／又は他のピーク）がしきい値を満たすかどうか決定してもよい。一実施形態では、制限された調査範囲内の周波数出力のしきい値は、周波数が単なるノイズではなく、活動（例えば、ウォーキング又はランニングなどの）と見なすのに十分な大きさであることを保証してもよい。更に別の実施形態では、重複ウィンドウ手順が利用されてもよい。例えば、ＦＦＴウィンドウは、短期間ステップが確実にカウントされるように重複式に分析されてもよい。図１２Ｂは、実質的に図１２Ａに示されたようなグラフ１２００を示すが、更に、腕振りしきい値１２１６とバウンスしきい値１２１８を含む。図示されたように、腕振り範囲１２０８（０〜２Ｈｚ）内のピークは、マグニチュードがＦＦＴ出力のしきい値（例えば、しきい値１２１６は、ｙ軸１２０４に示されたように約５００におけるものである）を満たす場合だけカウントされてもよい。
同様に、特定の実施形態では、バウンスピーク範囲（２〜４Ｈｚ）内のピークは、そのマグニチュードがしきい値（ｙ軸１２０４上に示されたように約２５００におけるバウンスしきい値１２１８など）を満たす場合だけカウントされてもよい。特定の実施形態では、しきい値を満たすか超えるピークは、ステップとしてカウントされてもよい（ブロック１０１６を参照）。ステップは、ＦＦＴ解析ウィンドウの持続時間などの設定時間の間に増分されてもよい。特定の実施形態は、重複ウィンドウで増分し続けてもよい。一実施形態では、ステップは、各サンプルバッファ又は解析バッファの特定部分（例えば、２５％）に関して定量化されてもよく、しきい値を満たす場合、ステップは、特定のサンプルバッファ又は活動バッファの一部分に関してカウントされてもよい。しかしながら、そのサンプルバッファ又は部分のしきい値が満たされない場合、活動バッファの残りの部分（又は、特定の周囲のサンプル）のステップが、ステップ周波数に基づいて決定される。例えば、解析バッファが、４つのサンプルバッファを含み、最初の３つだけがステップを有する場合、その解析バッファの４分の３のステッププカウントは、事前に選択されたステップ周波数に基づいてもよい。
更に他の態様は、ピークがある場合のそのどのピークを利用するかの選択に関連する。一実施形態によれば、システム及び方法は、見つけたピークが有効と見なされるかしきい値を満たすという事実にもかかわらず、ステップを定量化する際に利用されるピークを選択可能である。前述したように、足接触によるバウンスデータは、状況によっては、より信頼性の高い腕振りデータのことがある。同様に、他の実施形態では、腕振りデータが、より正確な結果を提供することがある。更に他の例では、両方のピーク（及び／又は他のもの）を一緒に使用してデータ範囲を導くことによって、最良の結果が提供されうる。本明細書に開示された実施形態は、外肢（腕や脚など）に装着されて、活動データを収集しステップ（及び場合によっては、更に他の実施形態では、活動タイプ及び／又はエネルギー消費）を定量化する際に利用するピークを決定するように構成された携帯装置上で使用されるシステム及び方法に関する。この点において、様々なピークの組み合わせを使用してスポーツ選手の特定の活動を決定してもよい。特定の実施形態では、システム及び方法は、例えばピーク１２１４や、ピーク１２１０などの腕振りピークなどのバウンスピークを使用するかどうか動的に決定するように構成されてもよい。決定は、実質的に実時間（０．５秒、１秒、２秒、４秒ごとなど）で、活動データに基づいて更新されてもよい。
図１３は、一実施形態により腕振り周波数又はバウンス周波数を利用するかどうかを決定するために実施されることがある例示的フローチャートを示す。図１３に示されたように、システム及び方法は、どのデータが最も正確な結果を提供するか（例えば、加速度計データのＦＦＴ解析によるどの周波数を利用すべきか）を決定するために説明的ＦＦＴ出力から適切な周波数ピークを選択するために実施されてもよい。特定の実施形態では、ステップ周波数は、ＦＦＴスペクトルによって表わされた時間期間のステップカウントの生成に使用されてもよい。
一実施形態では、「適切な」ピークは、腕振りピークとバウンスピークを含んでもよい。ブロック１３０１は、対応する探索範囲内の識別ピークの数を定量化するために実施されることがある。したがって、バウンス範囲（「ＢＲ」）（例えば、図１２Ａの０〜２Ｈｚの周波数を含む範囲１２０８を参照）の周波数推定値にあるバウンスピークが定量化されてもよく、腕振り範囲（「ＡＳＲ」）（例えば、図１２Ａの２〜４Ｈｚの周波数を含む範囲１２１２）の周波数推定値にある腕振りピークが定量化されてもよい。特定の実施形態では、識別されたピークの量（及び／又は識別された特定のピークの量）を利用して、推定ステップ周波数のどれ（例えば、ＡＳＲ、ＢＲ又は他の範囲内のピークによって決定される）を利用できるかを決定してもよい。例えば、判定１３０２は、ＢＲに少なくとも１つのピークがあるか又はＡＳＲに少なくとも１つのピークがあるかを決定してもよい。そうでない場合、ブロック１３０４は、指定された範囲内にステップが行われなかったことを登録するように実施されてもよい。しかしながら、判定１３０２で少なくとも１つのＢＲか少なくとも１つのＡＳＲピークがあった場合、判定１３０６は、ＢＲピークが１つだけ（及び、ゼロ個のＡＳＲピーク）あるか、あるいはＡＳＲピークが１つだけ（及び、ゼロ個のＢＲピーク）あるかを決定するように実施されてもよい。１つだけＡＳＲピークがあることが決定された場合、ブロック１３０８は、ステップ周波数を２＊ＡＳＲ周波数でマークするように実施されてもよい。あるいは、１つのＢＲピークがあると決定された場合、ブロック１３１０は、ステップ周波数をＢＲ周波数に対応するものとしてマークするように実施されてもよい。第３の代替として、互いに欠けていて２つ以上のＡＳＲか１つのＢＲしかない場合は、判定１３１２が実施されてもよい。判定１３１２を検討する前に、読者は、図１３（及び本明細書に示された他のフローチャート）が、例えば判定１３０２、１３０６、１３１２及び１３１４などの幾つかの判定を含むことに注目されたい。この開示の利益を有する当業者は、１つ以上の判定が、単一判定にグループ化されかつ／又は、判定１３０２内の抱合的判定１３０４のように異なる順序で配置されてもよいことを容易に理解するであろう。したがって、複数の判定をこの順序で使用することは、単に説明のためである。
１つ以上のプロセスが、ちょうど１つのＢＲピークと１つのＡＳＲピークがあるかを判定してもよい（例えば判定１３１２を参照）。そうでない場合、ブロック１３２４（後述される）が実施されてもよい。しかしながら、そのような場合、ＡＳＲピークがＢＲピークの設定範囲内にあるかどうか決定するために判定１３１４が実施されてもよい。一実施形態では、判定１３１４が、ＡＳＲピークが、１／２＊ＢＲピークの±１５％内にあるかどうかを決定してもよい。そのような場合、ステップ周波数が、ＢＲピークと２ｘＡＳＲ周波数の平均であることを決定するブロック１３１６が実施されてもよい。
しかしながら、ＡＳＲピークとＢＲピークが、識別された範囲しきい値内にない場合、ブロック１３１８が、各ピークの推定周波数から距離を計算するために実施されてもよい。この場合、１つ以上のプロセスが、ピークの少なくとも１つのマグニチュードがしきい値より大きいかどうかを決定してもよい。例えば、両方のピークのマグニチュードがしきい値より大きいかどうかを決定する判定１３２０が実施されてもよい。判定１３２０のしきい値が満たされない場合、ブロック１３２１が、２つのピークの大きい方の周波数とマグニチュードを選択するように実施されてもよい。しかしながら、ピークのマグニチュードがしきい値より大きい場合は、ステップ周波数とピークマグニチュードが、推定されたステップ周波数に近いピークから選択されてもよい（例えば、ブロック１３２２）。
フローチャート１３２３を示す図１３Ｂを見ると、システムと方法は、探索範囲内に２つ以上のＢＲピークと２つ以上のＡＳＲピークがあるときにステップ周波数を決定するように構成されてもよい。一実施形態では、データに１つのＢＲピークと１つのＡＳＲよりも多くあるときに、ブロック１３２４が、ステップ周波数を決定する。ブロック１３２４は、図１３Ａの判定１３１２で必ずしも１つのＢＲピークと１つのＡＳＲピークがあるわけではないという決定に基づいて実施されてもよく、更に他の実施形態では、ブロック１３２４は、判定１３１２及び／又は図１３Ａに依存しない。ブロック１３２４は、周波数推定法則によって推定された周波数などの推定周波数に対するピークの近さを決定してもよい（例えばブロック１００２とフローチャート１０００を参照）。一実施形態では、推定周波数に最も近いＢＲピークとＡＳＲピークが決定される。判定１３２６は、少なくとも１つの識別されたＡＳＲピークがＢＲピークの設定範囲内にあるかどうか及び／又は少なくとも１つの識別されたＢＲピークがＡＳＲピークの設定範囲内にあるかどうかを決定するために実施されてもよい。一実施形態では、判定１３２６は、ＡＳＲピークが１／２＊ＢＲピークの±１５％以内にあるかどうか、又はＢＲピークが、１／２＊ＡＳＲピークの±１５％以内にあるかどうかを決定してもよい。
判定１３２６で、設定されたしきい値範囲を満たさないことが決定された場合、ブロック１３２８が、デフォルトで単一ピークを有する探索範囲になりかつ複数ピーク領域内の最大ピークを見つけるために開始されることがある。あるいは、判定１３２６で示された基準を満たす場合は、ブロック１３３０が実施されてもよい。一実施形態では、単一ピーク範囲の判定１３２６で示された設定範囲（例えば、１５％）内に複数のピークがある場合、最大ピークの周波数とピークマグニチュードを選択するブロック１３３０が実施されてもよい。識別されたピークのどれが大きいかを決定する判定１３３２が実施されてもよい。例えば、判定１３３２は、ＢＲピークがＡＳＲピークよりも大きいか（又はその逆）どうかを決定してもよい。判定１３３２は、ＢＲピークとＡＳＲピークのどちらが大きいかだけを決定してもよい。一実施形態では、２つのピークの大きい方が、ステップ周波数として選択されてもよい（例えば、ブロック１３３４及び１３３６を参照）。
図１４は、受け取ったセンサデータからの１つ以上の計算属性を１つ以上のエキスパートモデルと比較する１つ以上のプロセスを表わすフローチャート１４００を示す。したがって、図１４は、エキスパート選択モジュールと記述されることがある。当業者は、エキスパート混合として示された統計解析法を容易に理解するであろう。したがって、１つの実施態様では、エキスパートは、出力値を推定するために使用されることがあるモデルでよい。１つの例では、出力値は、ユーザが行っている１つ以上の活動と関連付けられた酸素消費量の推定値でもよい。
図６に関して簡単に述べたように、１つの例では、１６個のエキスパート（モデル）が、装置１１２、１２６、１２８、１３０及び／又は４００などの装置に記憶されてもよい。更に、各エキスパートと関連して記憶された幾つかの属性（重みとも呼ばれる）があってもよい。１つの例では、２０個の属性が、各エキスパートモデルと関連付けられた２０個の重みと比較されてもよく、前記属性は、図９Ａ〜図９Ｅと図１７Ａ〜図１７Ｅなどに関して述べられたプロセスによって計算される。
計算された属性をブロック１４０２で受け取ったとき、記憶された各エキスパートモデルと関連付けられた重みが選択されてもよい（ブロック１４０４）。各エキスパートモデルに関して、前記エキスパートモデルが受け取った属性のベストマッチである確率が計算されてもよく、ベストマッチは、計算済み属性が入力された場合に、モデルの出力を最高精度で予測するモデルを表わす。１つの例では、ブロック１４０６は、エキスパートが受け取った属性のベストマッチである確率を、例えば、Ｓｏｆｔｍａｘ回帰関数を使用し、「エキスパート混合」手法にしたがって計算する１つ以上のプロセスを表わしてもよい。
したがって、１つの例で、加速度計から受け取り、ユーザが行なっている活動を示すセンサデータから２０個の入力属性が計算された場合、それらの２０個の属性は、エネルギー消費システムに記憶されたモデルのそれぞれと関連付けられた等しい数の重量と比較されてもよい。計算されたＳｏｆｔｍａｘ回帰は、それぞれの記憶されたモデルと関連付けられた確率値を返してもよく、各確率値は、関連付けられたモデルが、一例ではユーザによって消費されている酸素の量の入手できる最良の推定を提供する可能性を表わす。例えば、エネルギー推定システムは、４つのモデル（エキスパート）を記憶してもよい。したがって、受け取った加速度センサデータから計算された属性を使用して、４つのモデルのそれぞれのＳｏｆｔｍａｘ回帰が計算されてもよい。１つの例では、このＳｏｆｔｍａｘ回帰は、４つのモデルのそれぞれの確率を計算してもよい。したがって、計算された最高確率に対応するモデルは、ユーザが消費している酸素の量の入手できる最良の推定値を提供するために使用されるモデルである。１つの実施態様では、Ｓｏｆｔｍａｘ回帰は、次の式を使用して計算されてもよい。
（Ｓｏｆｔｍａｘ回帰式）
上のＳｏｆｔｍａｘ回帰式に示されたように、ｐｉは、モデルｉが酸素消費量を予測するために使用するｋ個の異なるモデルのうちの最良モデルである確率を表わし、この場合、ベクトルｘによって記号化された入力属性のベクトルは、センサ入力値から計算される。更に、ｍｉは、モデルｍｉと関連付けられた重みのベクトルである。
ブロック１４０６は、関連付けられたエキスパートモデルが、計算された属性値の最良適合を表わす１つ以上の確率を表わす１つ以上の出力を作成してもよい。ブロック１４０８は、ブロック１４０６の出力から最高確率を持つエキスパートを選択してもよい。したがって、ブロック１４０８は、選択されたエキスパートを使用して出力を推定してもよく、出力は、ユーザによる酸素消費の推定量でよく、ユーザが行なっている１つ以上の活動などに基づいてもよい。
更に他の態様は、スポーツ選手の速度、距離、及び他の１つ以上のパラメータなどの、１つ以上の他のメトリックを計算するシステム及び方法に関する。計算される属性が速度である一実施形態では、速度計算モジュールが提供されてもよい。対象ウィンドウの適切な属性が提供された場合、システム及び方法は、データの１つ以上のウィンドウの速度を計算するかどうかを決定するために実施されてもよい。１つの実施態様では、データウィンドウが、ウォーキング又はランニングデータを含むように決定された場合、適切な属性は、速度と距離を計算するために、例えば速度及び距離モジュールに送られることによって利用されてもよい。したがって、以上のことから、この開示の特定の態様が、アスレチックデータの分類を含む速度又は距離の決定に関連することが分かる。前述のように、特定の態様は、アスレチックデータを活動タイプ（ウォーキング、ランニング、バスケットボール、疾走、サッカー、フットボールなど）に分類しないエネルギー費用値の計算に関するが、例えば速度や距離などの他のメトリックを計算するために、エネルギー消費量を計算するために利用される同じデータの少なくとも一部分を分類することは、この開示の範囲内にある。速度（又は、アスレチックデータの分類から決定された別のパラメータ）が、エネルギー消費値の決定に利用される同じ属性から計算されてもよい。この点において、全く同じ組の属性が使用されてもよいが、更に別の実施形態では、同じ属性のサブセットが使用されてもよく、更に追加の実施形態では、２つの異なるメトリック（例えば、速度及び／又はエネルギー消費など）の決定に利用されるのが単一の共通属性値だけでもよい。１つの実施態様では、速度（又は、別のメトリック）は、エネルギー消費値の決定から導出されたデータの少なくとも一部分から決定されてもよい。
図１５と図１６は、エネルギー消費値の計算で利用される属性の少なくとも一部分に基づいてスポーツ選手の活動を（例えば「ウォーキング」、「ランニング」、又は「その他」のカテゴリに）分類する際に利用されうる例示的プロセスを示すフローチャートである。本明細書に記載された例示的実施形態は、カテゴリ「ウォーキング」「ランニング」及び／又は「その他」を利用するが、当業者は、これが説明のためであり、他のカテゴリがこの開示の範囲内にあることを理解するであろう。更に、図１５と図１６のカテゴリが、速度及び／又は距離を決定する例示的文脈で示されるが、これは要件ではない。この点において、活動データの分類は、速度及び／又は距離のいかなる決定とも無関係に行なわれてもよい。
最初に図１５を見ると、最初に、データが、第１のサブグループ（例えば、ウォーキングとランニングを含む）内で検討されるかあるいは第２のサブグループ（例えば、ウォーキング又はランニング以外）内で検討されるかを決定する１つ以上のプロセスが利用されてもよい。１つの例では、データが直線移動サブグループ内で検討されるか、あるいは直線運動サブグループで検討されるかを決定する１つ以上のプロセスが利用されてもよい。この直線移動サブグループは、一例では、ウォーキング及び／又はランニングに対応してもよい。更に、当業者は、直線移動サブグループが、実質的に、ウォーキング又はランニングと関連したものなど、及びバスケットボール、サッカー、アイスホッケーなどのチームスポーツに参加している人の比較的ランダムな動きに対立するものとして、実質的な直線運動を含むことを理解するであろう。したがって、ランニングとウォーキングは、チームスポーツなどの他のアスレチック活動に参加している間のユーザの動きの停止始動／比較的間欠的な性質と比較して、「直線移動」と呼ばれ分類されることがある。しかしながら、別の例では、ランニング又はウォーキングの直線移動は、トラックのまわりのランニング及び／又はウォーキングを含むことがあり、ランニング及び／又はウォーキングの特定期間は、円運動などと見なされることがある。
属性の値（本明細書で開示されかつ／又は当該技術分野で既知の属性の１つ以上など）を受け取ってもよい（例えば、ブロック１５０２を参照）。一実施形態では、２５Ｈｚにおける加速度データの１２８サンプルウィンドウが利用されることがある。一実施形態では、データを取得するために手首取付型加速度計（多軸加速度計でもよい）が利用されてもよい。
ステップレートは、活動データを分類するために利用される基準であってよい。ステップレートは、エネルギー消費量の決定に利用され、属性から導出されかつ／又は分類のために個別に導出された属性でよい。特定の実施形態では、ステップレートは、１つ以上のしきい値と比較されてもよい（例えば図１５Ａのブロック１５０４を参照）。本明細書で使用されるとき、第２、第３又は任意の後続のしきい値（又は、他の値）の列挙は、単に前述したしきい値を区別するためのものであり、特定の順序及び／又は量のしきい値又は範囲に限定されない。特定の属性と属性の順序は、ステップレートが指定しきい値を満たすかどうかに基づいてもよい。例えば、ステップレートが、第１のしきい値を超えない場合（例えばブロック１５０４を参照）、最高加速度値を有する軸からの加速度計データの積分が第１のしきい値より大きいかどうかが決定されてもよく（例えばブロック１５０６を参照）、ステップレートが、ステップレートの第１のしきい値を超える場合は、最高加速度値を有する軸からの加速度計データの積分が、同じ属性に関して設定された第２のしきい値（第１のしきい値と対照的）より大きいかどうかが決定されてもよい（例えば、図１５Ｂの判定ブロック５２４を参照）。
図１５Ａの残りの部分は、ステップレートが第１のしきい値を満たすことを決定した分脈で説明され、図１５Ｂは、第１のしきい値を満たさないステップレートの文脈で説明されるが、当業者は、そのような実施態様が単に１つの例であることを容易に理解するであろう。特定の状況では、信頼性の高い決定のために分析しなければならないデータの量を制限するために、最大マグニチュードを有する軸など（例えば、判定１５０４及び１５２４）の単一軸からのデータを利用することが有益なことがある。
最高の加速度マグニチュードを有する軸からの加速度計データの積分が、その属性に関して設定された第１のしきい値より大きい場合は、活動の分類を決定するためにデータの変形が検討されてもよい。一例として、データの標準偏差の平均が検討されてもよい（例えば、ブロック１５０８を参照）。一実施形態では、標準偏差の平均がしきい値を超える場合、データは、一貫性がなさすぎて「ウォーキング」又は「ランニング」と分類されないことがある。これは、ユーザの活動がウォーキングやランニングを含まないと提案しているわけではなく、例えば、ユーザが、バスケットボールゲーム中にディフェンス作戦を行っていることがあるが、その活動を「ウォーキング」又は「ランニング」として分類することが、最も正確なカテゴリでないことがある。一例として、ディフェンスのバスケットボールの動きを単に「ウォーキング」として分類し、比較的小さいサイドステップからの距離を決定しようとすることは、特定の実施態様では好ましくないことがある。一実施形態では、標準偏差の平均がしきい値を超える場合、データは、非ウォーキング及び／又は非ランニングカテゴリとして分類されてもよい。例えば、「その他」として分類されてもよい（ブロック１５１０を参照）。あるいは、標準偏差の平均がしきい値を超えない場合は、「ランニング」及び／又は「ウォーキング」を含むように分類されてもよい（例えばブロック１５１２を参照）。図１６に関して後でより詳しく説明されるように、データを「ランニング」と「ウォーキング」のいずれかとして指定するために更なる解析が行なわれてもよい。
例示的ブロック１５０６に戻ると、最高加速度値を有する軸からの加速度計データの積分は、その属性に関して設定された第１のしきい値より大きくなくてもよく、したがって、積分が第２のしきい値を超えるかどうかが決定されてもよい（ブロック１５１４を参照）。特定の実施形態では、第２のしきい値は、第１のしきい値より実質的に低くてもよい（例えば、小さい方の値。一例では、ユーザによる低い方の加速度量を示す）。積分が第２のしきい値を満たさない場合、データは、ランニング又はウォーキングデータではないとして分類されてもよい（ブロック１５１０を参照）。しかしながら、第２の積分しきい値が満たされる場合は、ステップ周波数出力を利用して活動データを分類してもよい。例えば、ステップ周波数出力が第１のしきい値を超える場合、「その他」として分類されてもよい（例えば、判定１５１６からブロック１５１０に進む）。第１のしきい値を超えない場合は、第２のしきい値と比較されてもよい（例えば判定１５１８）。判定１５１８で否定されると、データがウォーキングデータでもランニングデータでもないとして分類されることがあり、それに対して、肯定されると更なる解析が行われる（例えば判定１５２０を参照）。一実施形態では、一連のセンサデータ（ｘ、ｙ及びｚ軸などの複数の軸と関連付けられた加速度計データなど）が、しきい値と比較されてもよい（例えば、ブロック１５２０）。一実施形態では、範囲しきい値が満たされない場合、データは、ランニングやウォーキングとして分類されてもよく、しきい値が満たれる場合、データは、ウォーキング又はランニングとして分類されないことがある。
図１５Ｂは、第１のしきい値を満たさないステップレートの文脈で説明されるが（例えば、図１５Ａの判定１５０４を参照）、当業者は、ブロック１５０４の第１のしきい値の利用を含む図１５Ａの１つ以上の態様が、１つ以上のプロセスから省略されてもよいことを理解するであろう。一実施形態では、図１５のフローチャート１５００の全体が、省略されることがある。１つのそのような実施形態では、図１５Ｂが、分類機能の初期段階を示すことがある。
前述のように、特定の実施形態が、最高マグニチュードを有する軸からのデータを利用してもよい。１つの例として、最高加速度マグニチュード値を有する軸からの加速度計データの積分が、その属性に関して設定されたしきい値より大きいかどうかが判定されてもよい（例えば判定１５２４を参照）。一実施形態では、判定１５２４の「第３のしきい値」は、第１及び／又は第２のしきい値によって設定された運動よりも小さいそれぞれの軸方向の運動を示してもよい。しきい値を超えない場合、ステップ周波数出力（例えば、判定１５２６のステップ周波数出力の第３のしきい値）が利用されてもよい。活動を分類するプロセス全体でステップ周波数出力の少なくとも３つのしきい値が利用される１つの実施形態では、第３のしきい値（例えば、判定１５２６で利用されるしきい値）が、数値的に第１と第２のしきい値の「中間」の値でよい。一実施形態では、第１のしきい値は、第３のしきい値より大きくてもよく、一方、第２のしきい値は、第３の値より小さくてもよい。しかし、他の実施形態では、しきい値は、この属性に関する１つ以上の他のしきい値より大きくても小さくてもよい。
一実施形態では、複数の軸（例えば、ｘ、ｙ及びｚ軸）と関連付けられた一連のセンサデータ（加速度計データなど）が、判定１５２６のしきい値を満たすかどうかに基づいて、１つ以上のしきい値（例えば、判定１５２８及び１５３０）と比較されてもよい。一実施形態では、第２のしきい値（判定１５２０の第１のしきい値と異なるものでよい）が、この属性に関する第３のしきい値の約半分でよい。一実施形態では、しきい値のうちの１つが、別のしきい値の±１０％以内でよい。一実施形態では、判定１５３０のしきい値は、その属性の最も高いしきい値である。判定１５２８又は１５３０のしきい値が満たされる場合、データは、ランニングとしてもウォーキングとして分類されないことがある。（判定１５２８及び１５３０が「その他」と示されたブロック１５１０に進む）。第３のしきい値を満たさないという判定（例えば、判定１５３０）の結果、データがランニング又はウォーキングとして分類されてもよく、それに対して、第２のしきい値の場合（判定１５２８を参照）は、しきい値を満たさない場合に、更なる解析が行なわれてもよい。一実施形態では、判定１５２８のしきい値が満たされない場合、ステップ周波数出力（例えば、判定１５３２のステップ周波数出力の第４のしきい値）が利用されてもよい。ブロック１５３２のしきい値は、利用された他のステップ周波数出力しきい値の１０％、５％又はそれ以下でよい。ブロック１５３２のしきい値が満たされる場合、データは、ウォーキング又はランニングとして分類されることがあり、更にしきい値が満たされない場合は、データは、ウォーキングとしてもランニングとしても分類されないことがある。
図１５Ｃは、図１５Ａと図１５Ｂの文脈で表示されることがあり、図１５Ａと図１５Ｂでは、第１のステップカウントしきい値が満たされず（例えば、図１５Ａの判定１５０４を参照）及び／又は最高の大きさを有する軸からのセンサデータの積分が満たされる（例えば、図１５Ｂの判定１５２４）が、当業者は、特定のしきい値の利用を含む図１５Ａ及び／又は図１５Ｂの１つ以上の態様が、図１５Ｃに関して行なわれる１つ以上のプロセスから省略されてもよいことを理解するであろう。一実施形態では、図１５のフローチャート１５００及び／又は図１５Ｂのフローチャート１５２２の全体が省略されてもよい。１つのそのような実施形態では、フローチャート１５３４の任意の部分を含む図１５Ｃは、分類機能の初期段階を示すことがある。
１つの実施態様では、ステップ周波数出力しきい値が満たされるかどうかの決定が行われてもよい（例えば、判定１５３６）。一実施形態では、しきい値が、図１５Ａと図１５Ｂに関して述べた以前の４つのステップ周波数出力しきい値と異なる。否定判定の結果、データの中央値の絶対値が、第１のしきい値より大きいかどうか判定され（例えば、判定１５３８）、一方、肯定判定の結果、データの中央値の絶対値が第２のしきい値を満たすかどうか判定される（例えば、判定１５４０）。
最初に判定１５３８を見ると、絶対値しきい値が満たされると判定されたとき、データは、ランニング又はウォーキングとして分類されることがあり、一方、しきい値が満たされない場合、データは、ウォーキングとしてもランニングとしても分類されないことがある（例えば、「その他」分類に入れられるような）。しかしながら、ブロック１５４０で、適切な絶対値しきい値が満たされる場合、データは、ランニングとしてもウォーキングとしても分類されず、一方、否定判定の結果、更なる解析が行われることがある。
一実施形態では、判定１５４０のしきい値が満たされない場合、複数の軸（例えば、ｘ、ｙ及びｚ軸）と関連付けられた一連のセンサデータ（加速度計データなど）が、１つ以上のしきい値と比較されてもよい（例えば判定１５４４を参照）。一実施形態では、これは、他のしきい値と異なる第４の範囲しきい値でもよい（判定１５２８及び１５３０の必須でないしきい値など）。一実施形態では、ブロック１５４４のしきい値が満たされない場合、データは、ランニング又はウォーキングとして分類されてもよい。（ブロック１５１２に進む判定１５４４を参照）。判定１５４４のしきい値が満たされた場合は、最高マグニチュードを有する軸などからの積分しきい値が利用されてもよく（例えば判定１５４８を参照）、しきい値が満たされた場合は、データがウォーキング又はランニングデータとして分類され、しきい値が満たされない場合は、更なる解析が行われることがある。
１つの実施態様によれば、データのメジアンの絶対値が、しきい値（例えば、判定１５５０）より大きいかどうかが判定されてもよい。しきい値は、判定１５３８及び／又は１５４０で利用されるしきい値など、１つ以上の他の絶対値しきい値より小さくてもよい。判定１５５０で肯定判定の結果、データは、ランニング又はウォーキングとして分類されることがある。否定判定の結果、複数の軸にわたるデータの範囲が検討されてもよい。一実施形態では、複数の軸（例えば、ｘ、ｙ及びｚ軸）と関連付けられた一連のセンサデータ（加速度計データなど）がしきい値を満たかどうか判定されてもよい（例えば、判定１５５２）。以前の第１の範囲しきい値（例えば、判定１５４４などの）を使用する一実施形態では、判定１５５２は、第１の範囲しきい値より大きい第２の範囲しきい値を使用してもよい。１つの実施態様によれば、判定１５５２のしきい値が満たされた場合、データは、ランニング又はウォーキングとして分類されてもよく、一方、しきい値が満たされない場合、データは、ウォーキングとしてもランニングとしても分類されないことがある。
図１６は、センサデータをウォーキング又はランニングのいずれかとして（例えば、両方を含む単一カテゴリと対照的に）分類する例示的実施形態を示すフローチャートである。最初に図１６のフローチャート１６００を見ると、データが「ウォーキング」と「ランニング」のどちらとして分類されるべきかを決定するために１つ以上のプロセスが利用されてもよい。他の実施形態では、追加オプションが利用可能でよい。ブロック１６０２で、属性値などのデータが受け取られてもよい。ブロック１５０２で受け取った属性値は、ブロック１５０２で受け取った同じ属性値でよく、かつ／又はエネルギー消費量や心拍数などの他のメトリックを計算するために利用されてもよい。この点において、ブロック１６０２で利用された属性は、本明細書に開示されかつ／又は当該技術分野で既知の属性の１つ以上を含んでもよい。一実施形態によれば、ウォーキング又はランニングデータを含むように事前にプレスクリーニングされるか他の方法で考えられたデータの属性値が利用されてもよい。例えば、図１５Ａ〜図１５Ｃで説明された１つ以上のプロセスは、受け取ったデータの少なくとも一部分を、ランニング又はウォーキングデータを含まないことと対照的に、ウォーキング又はランニングデータを含むように分類するために使用されてもよい。
特定の実施形態によれば、データは、全体的に属性値のうちの１つ又は２つに基づいて、ウォーキングとランニングのいずれかとして分類されてもよい。一実施形態では、属性は、ベクトル標準（又はその微分）のトリム平均でもよい。別の実施形態では、属性は、複数の軸（ｘ、ｙ、及び／又はｚ軸など）から収集されたデータの平均値に関連してもよい。１つのそのような実施形態では、属性は、複数の軸と関連付けられた中央加速度値でもよい。
図１６に示された例では、法線ベクトルのトリム平均の微分は、データをウォーキングとランニングのいずれかとして分類するために利用されてもよい（例えば、判定１６０４、１６０６、１６１６、１６２４を参照）。一実施形態では、トリム平均の微分は、ウォーキングとランニングを区別する初期決定として使用されてもよい。特定の実施形態では、トリム平均の微分は単独で、ウォーキング内又はランニング内で分類を決定してもよい。例えば、トリム平均の微分が、最低範囲内にある場合は、データが、ウォーキングとして分類されてもよい（例えば、判定１６０６は、判定１６０４のしきい値を満たさないことに由来する）。
トリム平均の微分が、最低範囲を超える第２の範囲内にある場合は、更なる解析が行なわれてもよい。一実施形態では、トリム平均（トリム平均の微分と対照的に）が利用されてもよく、それに対して、しきい値より低いデータはランニングとして分類され、しきい値を満たすデータはウォーキングとして分類されてもよい（例えば、判定１６１２を参照）。更に他の実施形態は、トリム平均の微分の更なる範囲を使用してもよい。例えば、ブロック１６０４は、しきい値を超えるものをプレスクリーニングし、第１及び／又は第２の範囲を超える範囲を作成するために利用されてもよい。例えば、２つの範囲（例えば、第３と第４の範囲でもよい）を実質的に作成するために、判定１６０４及び１６１６の組み合わせが利用されてもよい。データが、判定１６１６のトリム範囲の微分しきい値を満たさない場合は、そのデータをウォーキングとランニングのいずれかとして分類するために、１つ以上の属性の更なる解析が行なわれてもよい。一実施形態では、全ての軸と関連付けられた加速度データの中央値が第１のしきい値より大きいと判定された結果、データがウォーキングデータとして分類され、更に否定判定の結果、データがウォーキングデータとして分類されることがある（例えば、判定い１６１８）。
判定１６１６を再び見ると、肯定判定の結果、トリム平均の微分の追加範囲が作成されてもよい（例えば判定１６２４を参照。判定１６２４は、第４の範囲を等しくない下側と上側に分割するために利用されることがある）。上側内のデータはランニングデータとして分類されてもよく、下側内のデータは、第３の範囲内のデータと同じ属性で分類されてもよい。一実施形態では、第４の範囲の下側内のデータは、複数の軸に沿った１つ以上のセンサと関連付けられた中央センサデータに基づいて分類されてもよい。一実施形態では、全ての３つの軸と関連付けられたデータの中央加速度値がしきい値を超える場合、データはウォーキングと見なされることがあり、しきい値を満たさないデータは、ランニングと見なされることがある。
図１７Ａ〜図１７Ｅは、図９Ａ〜図９Ｅに示されたものに類似の要素を含み、受け取ったセンサデータから計算された１つ以上の属性と関連した更なる詳細を含む。１つの例では、図１７Ａは、受け取ったセンサデータから１つ以上の属性を計算するための１つ以上のプロセスを含むことがある例示的なフローチャート１７００を示す。１つの例では、１つ以上のセンサから受け取ったデータは、検証され、ブロック１７０２によって受け取った前に変換されてもよい。しかしながら、別の例では、１つ以上のデータポイントは、検証や変換などを行わずにブロック１７０２に直接伝達されてもよい。
１つの例では、図１７Ａは、１つ以上の受け取った加速度計データポイントからの１つ以上の属性を計算するための１つ以上のプロセスを表わしてもよい。例えば、フローチャート１７００のブロック１７０４は、最大加速度量を示す加速度計軸を識別する１つ以上のプロセスを実行してもよい。１つの例では、フローチャート８００のブロック８０６で実行された１つ以上のソートプロセスの結果、最大加速度量に対応する軸は、ｘ軸などになる。したがって、ブロック１７０４は、ｘ軸と関連付けられたデータ値を特定してもよい。しかしながら、当業者は、最高加速度と関連付けられた加速度値が、１つ以上の代替方法を使用して順序変更されてもよく、その結果、最高加速度量を表わす軸が、データポイント間で異なってもよく、ｙ軸又はｚ軸などになるように順序変更されてもよいことを理解するであろう。
前述のように、属性は、一般に、ユーザの１つ以上の動き又はその一部分を表わす計算値でもよく、この計算値は、モデルからの出力を後で予測するために使用されてもよい。更に、モデルは、例えば、活動中のユーザによる酸素消費量を予測するために使用されてもよい。複数の様々な属性は、センサから受け取った単一データポイント、又はデータセットとも呼ばれる１群のデータポイント／１群のサンプルなどから計算されてもよい。１つの例では、例えばユーザによる酸素消費量を推定するために使用される１組の属性は、図８Ａに関して述べたように、加速度データポイントの法線ベクトル、加速度データポイントの法線ベクトルの微分、及び／又は加速度データポイントの法線ベクトルの高速フーリエ変換を含んでもよい。別の例では、属性は全方向属性として計算されてもよく、全方向属性は、三次元で反応するセンサなどを使用して取得されたユーザの動きを表わす。１つの例では、全方向属性は、ｘ軸、ｙ軸及びｚ軸方向の加速度などに反応する加速度計を使用して計算されてもよい。更に別の例では、属性は、一方向属性として計算されてもよい。したがって、一方向属性は、単一次元及び／又は単一変数に反応するセンサから出力されたデータから計算されてもよい。１つの例では、そのようなセンサは、ユーザの心拍数などに反応する心拍数センサでもよい。１つの構成では、１つ以上の属性が、センサデータの変動を表わす前記属性に基づいてグループ化されてもよい。更に別の構成では、属性は、センサデータとユーザの個人情報との組み合わせに基づいて計算され分類されてもよい。個人情報は、例えば、ユーザの性別、体重及び／又は身長などを含むことがある。
別の例では、更に別の特定の属性が、加速度計から受け取ったデータから計算されてもよい。例えば、１つの属性は、例示的なブロック１７０６に関して概説されたように、加速度計からの最大加速度量を示す軸と関連付けられた中央データポイントの計算絶対値でよい。別の例では、属性は、ブロック１７０８に関して述べたように、加速度計からの最大加速度量を示す軸と関連付けられたデータの中央絶対偏差の計算を含んでもよい。更に他の例では、ブロック１７１０は、加速度計からの最大加速度量を示す軸と関連付けられた一連の値の例示的属性計算である。ブロック１７１２は、加速度計からの最大加速度量を示す軸から受け取ったデータからトリム平均属性を計算する。ブロック１７１４は、加速度計からの最大加速度量を示す軸と関連付けられたデータ値の積分の属性計算の例である。ブロック１７１６は、加速度計からの最大加速度量を示す前記軸から受け取ったデータからの四分位数間領域属性を計算する例示的なプロセスを示す。ブロック１７１８は、最大加速度量を示す軸と関連付けられたデータ値の標準偏差属性を計算する。
ブロック１７２０は、エキスパート選択モジュールに対する１つ以上の属性を伝達する１つ以上のプロセスを表わす。したがって、エキスパート選択モジュールは、１つ以上の計算された属性を１つ以上のエキスパートモデルと比較する１つ以上のプロセスを含んでもよく、エキスパートモデルは、ユーザが行なっている活動と関連付けられた出力を予測／推定するために使用されてもよい。１つの例では、そのような出力は、ユーザなどによる酸素消費量でもよい。
図１７Ｂは、フローチャート１７３０を含み、フローチャート１７３０は、受け取ったセンサデータから１つ以上の属性を計算する１つ以上のプロセスを含んでもよい。図１７Ａと同様に、フローチャート１７３０のブロック１７３２は、変換形されたセンサデータを受け取る１つ以上のプロセスを表わす。データ変換は、図８Ａと図８Ｂに関連して更に詳しく述べられる。
フローチャート１７３０のブロック１７３４は、２番目に大きい加速度量を示す加速度計軸を識別してもよい。１つの例では、１つ以上の軸順序変更プロセスを含む１つ以上の変換処理の後で、２番目に大きい加速度量を示す軸が、ｙ軸などでよい。
ブロック１７３６は、移動平均フィルタを使用して受け取ったデータをフィルタリングする１つ以上のプロセスを表わしてもよい。したがって、移動平均フィルタは、データポイントを、１群のデータポイント内の近傍データポイントの平均と置き換えることによってデータを平滑化してもよい。１つの例では、移動平均フィルタは、低域フィルタなどと等価でよい。当業者は、この例示的実施態様で利用されうる移動平均フィルタの幾つかの実施態様を理解するであろう。例えば、１つ以上の移動平均フィルタが、数値計算処理環境などの範囲内で実施されてもよい。
更に、ブロック１７３８に関して述べたように、１つ以上のプロセスは、受け取ったデータを平滑化するために実行されてもよい。１つの実施態様では、受け取ったデータを平滑化する１つ以上のプロセスは、移動平均フィルタを利用してもよい。したがって、平滑化は、数値計算処理環境と関連した１つ以上の関数を使用して達成されてもよい。
１つの実施態様では、ブロック１７４０は、受け取ったデータの属性を、２番目に大きい加速度量などを示す加速度計の軸と関連付けられたデータポイントの積分として計算してもよい。次に、計算された属性は、ブロック１４２に関連して述べたように、エキスパート選択モジュールに伝達されてもよい。
図１７Ｃは、受け取ったデータの１つ以上の属性を計算する１つ以上のプロセスを含むことがあるフローチャート１７５０を示し、受け取ったデータは、加速度計などからの１つ以上のデータポイントでよい。したがって、ブロック１７５２は、変換データを受け取る１つ以上のプロセスを表わし、データ変換は、図８Ａと図８Ｂに関して述べられる。あるいは、当業者は、受け取ったデータが変換されなくてもよく、その結果、ブロック１７５２で受け取ったデータが、代替として、１つ以上のセンサから受け取った生データでもよいことを理解するであろう。
ブロック１７５４は、３番目に大きい加速度量を示す加速度計の軸と関連付けられたデータを識別する１つ以上のプロセスを表わしてもよい。１つの例では、図８Ａのブロック８０６に関して述べたように、３番目に大きい加速度と関連付けられた軸はｚ軸でよい。
フローチャート１７５０のブロック１７５６は、移動平均フィルタを使用して受け取ったデータをフィルタリングする１つ以上のプロセスを表わす。当業者は、受け取ったデータを、例えば数値計算処理環境などを使用してフィルタリングするために、様々な移動平均フィルタプロセスが使用されうることを理解するであろう。ブロック１７６４は、受け取ったデータを平滑化する１つ以上のプロセスを表わしてもよい。例えば、数値計算処理環境は、１つ以上の平滑化関数及び／又はプロセスを含むことがあり、前記平滑化関数は、当業者に容易に理解されよう。更に、移動平均フィルタと平滑化プロセスは、図１７からのブロック１７３６及び１７３８に関して述べられる。ブロック１７６６は、受け取ったデータの積分と関連付けられた属性を計算する。
フローチャート１７５０のブロック１７５８は、加速度計からの３番目に大きい加速度量を示す軸と関連付けられた一連のデータ値を表わす属性を計算する１つ以上のプロセスを表わしてもよい。追加又は代替として、ブロック１７６０は、加速度計からの３番目に大きい加速度量を示すデータポイントと関連付けられた最小値属性を計算する１つ以上のプロセスを実行してもよい。ブロック１７６２は、加速度計などと関連付けられた３番目に大きい加速度量を示す軸と関連付けられたデータの四分位数間範囲を計算する１つ以上のプロセスを表わす。
ブロック１７６８は、１つ以上の属性をエキスパート選択モジュールに伝達し、前記エキスパート選択モジュールは、図１４に関して述べられる。
図１７Ｄは、受け取ったセンサデータと関連付けられた１つ以上の属性を計算する１つ以上のプロセスを表わすフローチャート１７７０である。例えば、ブロック１７７２は、加速度計から変換済みセンサデータを受け取ってもよい。したがって、ブロック１７７４は、それらのデータポイントを、加速度計と関連付けられた全ての軸からグループ化してもよい。１つの例では、加速度計は、１つ、２つ又は３つの直交軸（ｘ軸、ｙ軸、及び／又はｚ軸）と関連したデータを出力してもよい。ブロック１７７６は、全ての利用可能な軸と関連付けられたデータの四分位数間範囲属性を計算する１つ以上のプロセスを表わす。更に、ブロック１７７８は、全ての利用可能な軸と関連付けられたデータの中央値絶対偏差の和を計算するプロセスを表わす。更に、ブロック１７８０は、加速度計からの全ての利用可能な軸からデータポイントと関連付けられた中央値データ属性の和を計算する。
１つ以上の属性を計算した後で、フローチャート１７７０のブロック１７８２によって表わされたように、１つ以上の属性が、エキスパート選択モジュールに伝達されてもよい。エキスパート選択モジュールは、計算された属性と関連付けられた最適モデルの選択と関連付けられ、図１４に関して更に詳しく述べられる１つ以上のプロセスでもよい。
図１７Ｅは、受け取ったセンサデータと関連付けられた属性を計算する１つ以上のプロセスを表わすフローチャートである。１つの例では、フローチャート１７８６は、加速度計などから受け取ったデータと関連付けられた１つ以上の属性計算プロセスを表わす。したがって、ブロック１７８８は、変換された加速度計データを受け取る１つ以上のプロセスを表わす。１つの実施態様では、図８Ａに関して述べたように、加速度計データは、前記データなどの法線ベクトルの計算によって変換されてもよい。１つの例では、ブロック１７９０は、加速度計データの計算された法線ベクトルを識別する。前記計算された法線ベクトルデータから、１つ以上の属性が識別されてもよい。
１つの例では、ブロック１７５１は、移動平均フィルタを使用する法線ベクトルデータを処理する。前述のように、当業者は、以下の開示で利用されることがある移動平均フィルタの様々な実施態様を理解するであろう。次に、ブロック１７５３に関して述べるように、フィルタリングされたデータは、周波数推定法則を使用して処理されてもよい。同様に、当業者は、ブロック１７５３に関して利用されることがある様々な周波数推定法則関数／プロセスを理解するであろう。ブロック１７５５は、時間領域周波数を使用して、受け取った加速度計データから、ステップレート属性を計算する１つ以上のプロセスを表わす。
ブロック１７５７は、受け取った法線ベクトルデータを平均化する１つ以上のプロセスを表わす。次に、ブロック１７５９に関して述べるように、平均化されたデータが、高速フーリエ変換を使用して変換されてもよい。当業者は、この場合も、高速フーリエ変換を実行する１つ以上のプロセスを理解するであろう。ブロック１７６１は、高速フーリエ変換から見つかった周波数領域情報を使用してステップレートを計算する１つ以上のプロセスを表わす。次に、ブロック１７６３は、ピークステップ周波数出力属性を計算する。
ブロック１７６５は、受け取った法線ベクトルデータをダウンサンプリングするために実行されてもよい。当業者は、ブロック１７６５に関して利用されることがある様々なダウンサンプリングプロセスを理解するであろう。次に、ブロック１７６７が、ダウンサンプリングされたデータの微分を計算するために実行されてもよい。更に、ブロック１７６７からのデータの計算された微分を使用して、例えば、ブロック１７７１で、最小及び微分属性が計算されてもよく、ブロック１７７３で、微分属性の絶対トリム平均が計算されてもよく、かつ／又はブロック１７７５でデータの標準偏差が計算されてもよい。
ブロック１７７７は、データのサブウィンドウを処理する１つ以上のプロセスを表わす。前述したように、データのウィンドウは、例えば、長さが５．１２秒で２５Ｈｚのレートでデータをサンプリングする持続時間であり、それにより１２８個の加速度計サンプルが作成される。データのサブウィンドウは、例えば、ウィンドウ全体のほんの一部分でよい。例えば、サブウィンドウは、ウィンドウ全体の４分１でもよい。したがって、サブウィンドウは、例えば、１２８／４＝３２個のデータサンプルを含むことがある。フローチャート１７８６のブロック１７７９は、ブロック１７７７からデータの値を計算する１つ以上のプロセスを表わし、前記計算は、例えば、受け取った法線ベクトルデータの属性を表わす。
ブロック１７９２は、受け取った法線ベクトルデータの１つ以上のゼロ交差を計算する。当業者は、ゼロ交差などを識別しかつ／又は計算する１つ以上のプロセスを理解するであろう。したがって、ブロック１７９２における１つ以上のゼロ交差の計算は、受け取ったデータの属性を表わす。
ブロック１７９４は、受け取った法線ベクトルデータの標準偏差を計算するために使用されうる１つ以上のプロセスを表わし、前記標準偏差は、受け取ったデータの別の属性を表わす。同様に、ブロック１７９５は、受け取ったデータのトリム平均などを計算する１つ以上のプロセスを実行することによる受け取ったデータの属性の計算を表わす。前述のそのような１つ以上の属性と同じように、トリム平均は、当業者に容易に理解され、１つの実施態様では、トリム平均は、データセットから外れ値を除外する手段である。
ブロック１７９６は、受け取った法線ベクトルデータのスキュー属性を計算する１つ以上のプロセスを実行してもよい。スキューは、統計の知識を有する熟練者によって容易に理解され、スキューが、確率分布が偏る程度の大きさなどでよい。
ブロック１７９７は、受け取った法線ベクトルデータの四分位数間範囲属性を計算する１つ以上のプロセスを表わしてもよい。したがって、当業者は、データなどの統計解析と関連付けられた四分位数間範囲を計算する１つ以上のプロセスを理解するであろう。
１つの例では、３つの互いに直交する軸（ｘ軸、ｙ軸及びｚ軸）と関連付けられたデータを有する加速度計データに関して、これらの属性計算は、図１７Ａ〜図１７Ｅに関して述べたものに加えて、例えば、ｘ軸値の範囲（ｘ＿ｒａｎｇｅ）、腕振り周波数（１つの実施態様では、ユーザの外肢の動きと関連付けられた）（Ｌ＿ｐｅａｋ＿ｆｒｅｑＡ）、ｘ軸値のトリム平均（Ｘ＿ｔｒｉｍｍｅｄ＿ｍｅａｎ）、ｚ軸値の四分位数間範囲（Ｚ＿ｉｑＲａｎｇｅ）、腕振り出力（１つの実施態様では、ユーザの外肢の動きと関連付けられた）（Ｌ＿ｐｅａｋ＿ｐｏｗＡ）、平均より上又は下でスキュー（Ｓｋｅｗ）とも呼ばれる法線ベクトル値の数の差、ｘ軸値の積分（Ｘ＿ｉｎｔｅｇｒａｌ）、法線ベクトルから決定され、高速フーリエ変換（ＴｉｍｅＤｏｍａｉｎＦｒｅｑｕｅｎｃｙ）を使用しないステップ周波数、４分割ウィンドウの最大値の合計（ウィンドウは、センサデータがセンサ装置から出力される時間期間でもよい）（Ｓｕｍ＿ｍａｘ）、微分の標準偏差（Ｄｅｒ＿ｓｔｄ）、ｘ、ｙ及びｚ軸値の標準偏差の和（ＡＳ＿ｓｕｍ＿ｓｔｄ）、法線ベクトルの積分（Ｉｎｔｅｇｒａｌ）、ステップ周波数出力（Ｈ＿ｐｅａｋ＿ｐｏｗＡ）、４分割ウィンドウの標準偏差値の平均（Ｍｅａｎ＿ｓｔｄ）、法線ベクトルの最大値（Ｍａｘ）、法線ベクトルの微分の中央絶対偏差（Ｄｅｒ＿ｍｅｄ＿ａｂｓ＿ｄｅｖ）、ｘ軸値の四分位数間範囲（Ｘ＿ｉｑＲａｎｇｅ）、法線ベクトルのトリム平均（Ｔｒｉｍｍｅｄ＿ｍｅａｎ）、及び／又はｘ軸値の標準偏差（Ｘ＿ｓｔｄｄｅｖ）を含みうる。
結論
本明細書で述べた特徴の１つ又は複数を有する活動環境を提供することにより、アスレチック活動と関わりそのフィットネスを改善するようにユーザを激励し動機付ける経験がユーザに提供されうる。ユーザは、更に、ソーシャルコミュニティを介して通信し、互い競争してポイントチャレンジに参加してもよい。
実施形態の態様をその実例となる実施形態の点から述べた。この開示の検討から、当業者には、添付の条項の意図と趣旨の範囲内にある多数の他の実施形態、修正及び変形が明らかであろう。例えば、当業者は、説明的な図に示されたステップが、詳述された順序以外の順序で実行されてもよく、示された１つ又は複数のステップが、実施形態の態様によれば任意選択でよいことを理解されよう。
１０２ ＢＡＮ
１０４ ＬＡＮ
１０６ ＷＡＮ
１０８ セルラネットワークアーキテクチャ
１１０ ＷＡＮアーキテクチャ
１１１ サーバ
１１２、１２６、１２８、１３０ 装置
１１４ コンピュータ装置
１１６ 表示装置
１２２ エクササイズ機器
１２４ ユーザ

Claims (20)

  1. コンピュータ実行命令を含むコンピュータ可読媒体であって、前記コンピュータ実行命令が、プロセッサによって実行されたときに、少なくとも、
    ユーザの動きの結果として加速度計の少なくとも３つの軸に沿った１つ以上のデータポイントを含むデータストリームを受け取るステップと、
    前記動きデータを活動タイプに分類することなしに、前記動きデータから、前記第１の期間に最大加速度量を有する第１の加速度計軸と、前記第１の期間に２番目に大きい加速度量を有する第２の軸とを識別するステップと、
    前記第１の加速度計軸の前記識別に基づいて、前記第１の軸に沿った前記動きデータの第１の属性を計算することを決定するステップと、
    前記第２の加速度計軸の識別に基づいて、前記第２の軸に沿った前記動きデータの第２の属性を計算することを決定するステップであって、前記第２の属性が前記第１の属性と異なるステップと、
    少なくとも前記第１と第２の加速度計軸から収集された累積動きデータから累積属性を計算するステップと、
    前記１つ以上のエネルギー消費モデルから１つのエネルギー消費モデルを選択するために前記データの活動タイプを考慮することなく、前記第１、第２及び第３の属性を、複数の人からの動きデータを含む１つ以上の活動モデルと比較するステップと、
    前記選択されたエネルギー消費モデルを使用して、前記ユーザの前記動きと関連したエネルギー消費を計算するステップとを含むコンピュータ可読媒体。
  2. 前記エネルギー消費モデルの前記選択が、前記選択されたモデルの同じ属性に関する前記動きデータに対する前記ユーザの動きデータの前記１つ以上の属性のベストマッチに基づく、請求項１のコンピュータ可読媒体。
  3. 前記媒体は、更に、プロセッサによって実行されたとき、少なくとも、
    前記動きデータから、前記第１の期間に３番目に大きい加速度量を有する第３の加速度計軸を識別するステップと、
    前記第３の加速度計軸の識別に基づいて、前記第３の軸に沿った前記動きデータの第３の属性を計算することを決定するステップであって、前記第３の属性が、少なくとも前記第１の属性又は前記第２の属性と異なるステップとを実行するコンピュータ実行命令を含む、請求項１に記載のコンピュータ可読媒体。
  4. 前記第１の軸、前記第２の軸及び前記第３の軸がそれぞれ、ｘ軸、ｙ軸及びｚ軸のうちの１つであり、前記第１の属性、前記第２の属性及び前記第３の属性が、ｘ軸、ｙ軸及びｚ軸値の平方和の平方根として計算された法線ベクトルと、ｘ軸値の範囲と、腕振り周波数と、ｘ軸値のトリム平均と、ｚ軸値の四分位数間範囲と、腕振り出力と、スキューと、ｘ軸値の積分と、時間領域周波数を使用して法線ベクトルから決定されたステップ周波数と、四分割ウィンドウの最大の和と、微分の標準偏差と、ｘ軸、ｙ軸及びｚ軸値の標準偏差の和と、法線ベクトルの積分と、ステップ周波数出力と、四分割ウィンドウの標準偏差値の平均と、法線ベクトルの最大値と、法線ベクトルの微分の中心絶対偏差と、ｘ軸値の四分位数間範囲と、法線ベクトルのトリム平均と、ｘ軸データの中心データポイントの絶対値と、ｘ軸と関連付けられたデータの中心絶対偏差と、ｘ軸データの標準偏差と、ｙ軸値の積分と、ｚ軸データの積分と、ｚ軸データの範囲と、ｚ軸データの最小値と、ｘ軸、ｙ軸及びｚ軸からのデータの四分位数間範囲と、前記ｘ軸、ｙ前記軸及び前記ｚ軸からのデータの中心絶対偏差の和と、ｘ軸、ｙ軸及びｚ軸からのデータの中央値の和と、法線ベクトルの最大微分と、法線ベクトルの最小微分と、法線ベクトルの微分の絶対トリム平均と、法線ベクトルの標準偏差と、法線ベクトルデータの１つ以上のゼロ交差と、法線ベクトルデータのスキューと、法線ベクトルデータの四分位数間範囲と、ｘ軸値の標準偏差とからなる群から選択される、請求項３に記載のコンピュータ可読媒体。
  5. 前記媒体が、更に、プロセッサによって実行されたとき、少なくとも、
    １つ以上のしきい値との比較によって前記データポイントの少なくとも一部分を検証するステップを実行するコンピュータ実行命令を含む、請求項１に記載のコンピュータ可読媒体。
  6. 前記１つ以上の動き属性が、前記加速度計から取得された１つ以上のデータポイントと、前記ユーザと関連付けられた個人データとの組み合わせから計算される、請求項５に記載のコンピュータ可読媒体。
  7. 前記個人データが、少なくとも前記ユーザの性別、体重及び身長に関連するデータを含む、請求項５に記載のコンピュータ可読媒体。
  8. 前記加速度計から取得するステップが、前記ユーザの外肢に装着されている間に行なわれる、請求項１に記載のコンピュータ可読媒体。
  9. 方法であって、
    ユーザの動きの結果として加速度計の少なくとも３つの軸に沿った１つ以上のデータポイントを含むデータストリームを受け取るステップと、
    前記動きデータを活動タイプに分類することなしに、前記動きデータから、前記第１の期間に最大加速度量を有する第１の加速度計軸と、前記第１の期間に２番目に大きい加速度量を有する第２の軸とを識別するステップと、
    前記第１の加速度計軸の識別に基づいて、前記第１の軸に沿った前記動きデータの第１の属性を計算することを決定するステップと、
    前記第２の加速度計軸の識別に基づいて、前記第２の軸に沿った前記動きデータの第２の属性を計算することを決定するステップであって、前記第２の属性が前記第１の属性と異なるステップと、
    少なくとも前記第１と第２の加速度計軸から収集された累積動きデータから累積属性を計算するステップと、
    １つ以上のエネルギー消費モデルから１つのエネルギー消費モデルを選択するために前記データの活動タイプを考慮することなく、前記第１、第２及び第３の属性を、複数の人からの動きデータを含む１つ以上の活動モデルと比較するステップと、
    前記選択されたエネルギー消費モデルを使用して、前記ユーザの前記動きと関連付けられたエネルギー消費を計算するステップとを含む方法。
  10. 前記エネルギー消費モデルの前記選択が、前記選択されたモデルの同じ属性の前記動きデータに対する、前記ユーザの動きデータの前記１つ以上の属性のベストマッチに基づく、請求項９に記載の方法。
  11. 前記動きデータから、第１の期間に３番目に大きい加速度量を有する第３の加速度計軸を識別するステップと、
    前記第３の加速度計軸の識別に基づいて、前記第３の軸に沿った前記動きデータの第３の属性を計算することを決定するステップであって、前記第３の属性が、少なくとも前記第１の属性又は前記第２の属性と異なるステップとを含む、請求項９に記載の方法。
  12. 前記第１の軸、前記第２の軸及び前記第１の軸がそれぞれ、ｘ軸、ｙ軸及びｚ軸のうちの１つであり、前記第１の属性、前記第２の属性及び前記第３の属性が、ｘ軸、ｙ軸及びｚ軸値の平方和の平方根として計算された法線ベクトルと、ｘ軸値の範囲と、腕振り周波数と、ｘ軸値のトリム平均と、ｚ軸値の四分位数間範囲と、腕振り出力と、スキューと、ｘ軸値の積分と、時間領域周波数を使用して法線ベクトルから決定されたステップ周波数と、四分割ウィンドウの最大の和と、微分の標準偏差と、ｘ軸、ｙ軸及びｚ軸値の標準偏差の和と、法線ベクトルの積分と、ステップ周波数出力と、四分割ウィンドウの標準偏差値の平均と、法線ベクトルの最大値と、法線ベクトルの微分の中心絶対偏差と、ｘ軸値の四分位数間範囲と、法線ベクトルのトリム平均と、ｘ軸データの中心データポイントの絶対値と、ｘ軸と関連付けられたデータの中心絶対偏差と、ｚ軸データの標準偏差と、ｙ軸値の積分と、ｚ軸データの積分と、ｚ軸データの範囲と、ｚ軸データの最小値と、前記ｘ軸、ｙ軸及びｚ軸からのデータの四分位数間範囲と、前記ｘ軸、ｙ軸及びｚ軸からのデータの中心絶対偏差の和と、ｘ軸、ｙ軸及びｚ軸からのデータの中央値の和と、法線ベクトルの最大微分と、法線ベクトルの最小微分と、法線ベクトルの微分の絶対トリム平均と、法線ベクトルの標準偏差と、法線ベクトルデータの１つ以上のゼロ交差と、法線ベクトルデータのスキューと、法線ベクトルデータの四分位数間範囲と、ｘ軸値の標準偏差とからなる群から選択される、請求項９に記載の方法。
  13. １つ以上のしきい値との比較によって前記データポイントの少なくとも一部分を検証するステップを更に含む、請求項９に記載の方法。
  14. 前記１つ以上の動き属性が、前記加速度計から取得された１つ以上のデータポイントと、前記ユーザと関連付けられた個人データとの組み合わせから計算される、請求項９に記載の方法。
  15. 前記個人データが、少なくとも前記ユーザの性別、体重及び身長に関連するデータを含む、請求項１４に記載の方法。
  16. 前記センサから取得するステップが、前記ユーザの外肢に装着されている間に行なわれる、請求項９に記載の方法。
  17. ユーザの動きの結果として加速度計の少なくとも２つの軸に沿った１つ以上のデータポイントを含むデータストリームを受け取るステップと、
    前記動きデータを活動タイプに分類することなしに、前記動きデータから、前記第１の期間に最大加速度量を有する第１の加速度計軸と、前記第１の期間に２番目に大きい加速度量を有する第２の軸とを識別するステップと、
    前記第１の加速度計軸の識別に基づいて、前記第１の軸に沿った前記動きデータの第１の属性を計算するように決定するステップと、
    前記第２の加速度計軸の識別に基づいて、前記第２の軸に沿った前記動きデータの第２の属性を計算することを決定するステップであって、前記第２の属性が前記第１の属性と異なるステップと、
    １つ以上のエネルギー消費モデルから１つのエネルギー消費モデルを選択するために前記データの活動タイプを考慮することなく、前記第１、第２及び第３の属性を、複数の人からの動きデータを含む１つ以上の活動モデルと比較するステップと、
    前記選択されたエネルギー消費モデルを使用して、前記ユーザの前記動きと関連付けられたエネルギー消費を計算するステップと、
    少なくとも前記第１と第２の加速度計軸から収集された累積動きデータから累積属性を計算するステップとを含む方法。
  18. 前記加速度計によって検出された前記動きの前記ユーザの実行中に前記ユーザから得られる心拍数データを受け取るステップと、
    前記ユーザが、身体活動を少なくとも第１の時間フレームにしきい値より低下させたことを示すデータを提供する加速度計に基づいて、心拍数データが正確であってもその利用を停止することを決定するステップを更に含む、請求項１７に記載の方法。
  19. 前記加速度計から取得するステップが、前記ユーザの外肢に装着されている間に行なわれる、請求項１７に記載の方法。
  20. 前記加速度計から取得するステップが、ユーザの腰部の近くに装着されている間に行なわれる、請求項１７に記載の方法。
JP2016521672A 2013-10-14 2014-10-14 アスレチック運動属性からのペースとエネルギー消費量の計算 Pending JP2016536050A (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361890748P 2013-10-14 2013-10-14
US61/890,748 2013-10-14
US201361900203P 2013-11-05 2013-11-05
US61/900,203 2013-11-05
PCT/US2014/060452 WO2015057684A1 (en) 2013-10-14 2014-10-14 Calculating pace and energy expenditure from athletic movement attributes

Publications (1)

Publication Number Publication Date
JP2016536050A true JP2016536050A (ja) 2016-11-24

Family

ID=51868308

Family Applications (5)

Application Number Title Priority Date Filing Date
JP2016521672A Pending JP2016536050A (ja) 2013-10-14 2014-10-14 アスレチック運動属性からのペースとエネルギー消費量の計算
JP2016547992A Active JP6794259B2 (ja) 2013-10-14 2014-10-14 アスレチック運動属性からのペースとエネルギー消費量の計算
JP2016521940A Pending JP2016539673A (ja) 2013-10-14 2014-10-14 アスレチック運動属性からのペースとエネルギー消費量の計算
JP2016547997A Pending JP2017502792A (ja) 2013-10-14 2014-10-14 アスレチック運動属性からのペースとエネルギー消費の計算
JP2018133518A Pending JP2019000653A (ja) 2013-10-14 2018-07-13 アスレチック運動属性からのペースとエネルギー消費の計算

Family Applications After (4)

Application Number Title Priority Date Filing Date
JP2016547992A Active JP6794259B2 (ja) 2013-10-14 2014-10-14 アスレチック運動属性からのペースとエネルギー消費量の計算
JP2016521940A Pending JP2016539673A (ja) 2013-10-14 2014-10-14 アスレチック運動属性からのペースとエネルギー消費量の計算
JP2016547997A Pending JP2017502792A (ja) 2013-10-14 2014-10-14 アスレチック運動属性からのペースとエネルギー消費の計算
JP2018133518A Pending JP2019000653A (ja) 2013-10-14 2018-07-13 アスレチック運動属性からのペースとエネルギー消費の計算

Country Status (6)

Country Link
US (4) US10900992B2 (ja)
EP (4) EP3058440B1 (ja)
JP (5) JP2016536050A (ja)
KR (4) KR101839258B1 (ja)
CN (4) CN105848565B (ja)
WO (4) WO2015057679A1 (ja)

Families Citing this family (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140198034A1 (en) 2013-01-14 2014-07-17 Thalmic Labs Inc. Muscle interface device and method for interacting with content displayed on wearable head mounted displays
US10318708B2 (en) * 2013-03-14 2019-06-11 Nike, Inc. System and method for monitoring athletic activity from multiple body locations
US10152082B2 (en) 2013-05-13 2018-12-11 North Inc. Systems, articles and methods for wearable electronic devices that accommodate different user forms
US11921471B2 (en) 2013-08-16 2024-03-05 Meta Platforms Technologies, Llc Systems, articles, and methods for wearable devices having secondary power sources in links of a band for providing secondary power in addition to a primary power source
US11426123B2 (en) * 2013-08-16 2022-08-30 Meta Platforms Technologies, Llc Systems, articles and methods for signal routing in wearable electronic devices that detect muscle activity of a user using a set of discrete and separately enclosed pod structures
US10042422B2 (en) 2013-11-12 2018-08-07 Thalmic Labs Inc. Systems, articles, and methods for capacitive electromyography sensors
US10188309B2 (en) 2013-11-27 2019-01-29 North Inc. Systems, articles, and methods for electromyography sensors
US20150124566A1 (en) 2013-10-04 2015-05-07 Thalmic Labs Inc. Systems, articles and methods for wearable electronic devices employing contact sensors
US9788789B2 (en) 2013-08-30 2017-10-17 Thalmic Labs Inc. Systems, articles, and methods for stretchable printed circuit boards
KR101839258B1 (ko) 2013-10-14 2018-03-15 나이키 이노베이트 씨.브이. 운동 움직임 속성으로부터의 페이스 및 에너지 지출의 계산
US10199008B2 (en) 2014-03-27 2019-02-05 North Inc. Systems, devices, and methods for wearable electronic devices as state machines
US10441197B2 (en) * 2014-05-30 2019-10-15 Nitto Denko Corporation Device and method for classifying the activity and/or counting steps of a user
US9880632B2 (en) * 2014-06-19 2018-01-30 Thalmic Labs Inc. Systems, devices, and methods for gesture identification
RU2622880C2 (ru) * 2014-08-22 2017-06-20 Нокиа Текнолоджиз Ой Обработка информации датчика
US20160081620A1 (en) * 2014-09-19 2016-03-24 Samsung Electronics Co., Ltd. Method and apparatus for health care
US9952675B2 (en) 2014-09-23 2018-04-24 Fitbit, Inc. Methods, systems, and apparatuses to display visibility changes responsive to user gestures
US9807221B2 (en) 2014-11-28 2017-10-31 Thalmic Labs Inc. Systems, devices, and methods effected in response to establishing and/or terminating a physical communications link
US10197416B2 (en) * 2015-01-21 2019-02-05 Quicklogic Corporation Multiple axis wrist worn pedometer
EP3283990B1 (en) 2015-04-15 2023-10-25 NIKE Innovate C.V. Activity monitoring device with assessment of exercise intensity
US10078435B2 (en) 2015-04-24 2018-09-18 Thalmic Labs Inc. Systems, methods, and computer program products for interacting with electronically displayed presentation materials
EP3302247B1 (en) 2015-05-29 2023-07-19 Nike Innovate C.V. Activity monitoring device with assessment of exercise intensity for calculating the anaerobic capacity of a user
WO2017074060A1 (ko) * 2015-10-28 2017-05-04 (주)그린콤 웨어러블 디바이스와 연동하는 이동단말 제어방법 및 장치
KR102459677B1 (ko) * 2015-11-05 2022-10-28 삼성전자주식회사 알고리즘 학습 방법 및 장치
US20200260962A1 (en) * 2015-11-09 2020-08-20 Magniware Ltd. System and methods for acquisition and analysis of health data
BR112018009408A8 (pt) 2015-11-12 2019-02-26 Koninklijke Philips Nv dispositivo móvel de monitoramento de pacientes, e mídia de armazenamento não transitório
US10293207B1 (en) * 2015-12-31 2019-05-21 Mayfonk Athletic Llc Athletic performance estimation techniques
CN106937121B (zh) 2015-12-31 2021-12-10 中兴通讯股份有限公司 图像解码和编码方法、解码和编码装置、解码器及编码器
US9985609B2 (en) 2016-01-07 2018-05-29 Craig S. Montgomery Customizable data aggregating, data sorting, and data transformation system
US10433113B2 (en) 2016-03-09 2019-10-01 Isolynx, Llc System and method for determining split-times in a relay race
WO2017181196A1 (en) 2016-04-15 2017-10-19 U.S. Government As Represented By The Secretary Of The Army Pacing templates for performance optimization
US20180001139A1 (en) * 2016-06-29 2018-01-04 Stephanie Moyerman Accelerated pattern recognition in action sports
US11341776B2 (en) * 2016-07-15 2022-05-24 Htc Corporation Method, electronic apparatus and recording medium for automatically configuring sensors
EP3273428B1 (en) * 2016-07-18 2019-08-28 Avansce Ltd. Method and apparatus for evaluating the quality of characteristics of motion of an animal-human-dyad
US11210583B2 (en) 2016-07-20 2021-12-28 Apple Inc. Using proxies to enable on-device machine learning
WO2020112986A1 (en) 2018-11-27 2020-06-04 Facebook Technologies, Inc. Methods and apparatus for autocalibration of a wearable electrode sensor system
US11216069B2 (en) 2018-05-08 2022-01-04 Facebook Technologies, Llc Systems and methods for improved speech recognition using neuromuscular information
WO2018022602A1 (en) 2016-07-25 2018-02-01 Ctrl-Labs Corporation Methods and apparatus for predicting musculo-skeletal position information using wearable autonomous sensors
US11517203B2 (en) 2016-08-25 2022-12-06 The Government Of The United States, As Represented By The Secretary Of The Army Real-time estimation of human core body temperature based on non-invasive physiological measurements
US9953507B1 (en) * 2016-12-28 2018-04-24 Nortek Security & Control Llc Monitoring a wearing of a wearable device
US11406288B2 (en) * 2017-01-06 2022-08-09 Philips Healthcare Informatics, Inc. Activity monitoring via accelerometer threshold interrupt method
CN106897562B (zh) * 2017-02-28 2022-04-29 镇江市高等专科学校 一种旅游随身健康终端的工作方法
CN107015017B (zh) * 2017-03-02 2020-08-11 惠州Tcl移动通信有限公司 一种基于速度计算的速度提示方法及系统
JP7024780B2 (ja) * 2017-03-21 2022-02-24 ソニーグループ株式会社 情報処理装置、情報処理方法及びプログラム
AU2018322732A1 (en) * 2017-08-28 2020-03-19 Institut National Du Sport De L'expertise Et De La Performance Method for assessing the mechanical load of an individual
WO2019079757A1 (en) 2017-10-19 2019-04-25 Ctrl-Labs Corporation SYSTEMS AND METHODS FOR IDENTIFYING BIOLOGICAL STRUCTURES ASSOCIATED WITH NEUROMUSCULAR SOURCE SIGNALS
US10937414B2 (en) 2018-05-08 2021-03-02 Facebook Technologies, Llc Systems and methods for text input using neuromuscular information
US11961494B1 (en) 2019-03-29 2024-04-16 Meta Platforms Technologies, Llc Electromagnetic interference reduction in extended reality environments
US11907423B2 (en) 2019-11-25 2024-02-20 Meta Platforms Technologies, Llc Systems and methods for contextualized interactions with an environment
US11493993B2 (en) 2019-09-04 2022-11-08 Meta Platforms Technologies, Llc Systems, methods, and interfaces for performing inputs based on neuromuscular control
US11150730B1 (en) 2019-04-30 2021-10-19 Facebook Technologies, Llc Devices, systems, and methods for controlling computing devices via neuromuscular signals of users
US11481030B2 (en) 2019-03-29 2022-10-25 Meta Platforms Technologies, Llc Methods and apparatus for gesture detection and classification
IT201800002109A1 (it) * 2018-01-29 2019-07-29 St Microelectronics Srl Dispositivo per monitorare l'attivita' respiratoria, sistema e procedimento corrispondenti
TWI681798B (zh) 2018-02-12 2020-01-11 莊龍飛 運動課程評分方法與系統、電腦程式產品
CN110148072B (zh) * 2018-02-12 2023-05-02 庄龙飞 运动课程评分方法与系统
US10592001B2 (en) 2018-05-08 2020-03-17 Facebook Technologies, Llc Systems and methods for improved speech recognition using neuromuscular information
IT201800005903A1 (it) * 2018-05-31 2019-12-01 Sistema di monitoraggio e valutazione delle prestazioni atletiche
CN109222939A (zh) * 2018-06-19 2019-01-18 江苏峰汇智联科技有限公司 一种基于多源数据信息融合的穿戴设备
FR3082722B1 (fr) * 2018-06-21 2020-09-25 Sysnav Procede d'analyse de foulee d'un pieton en marche
EP3588472B1 (en) * 2018-06-28 2023-04-26 West & Berg Holding AB Improved real time sports motion training aid
CN109059979A (zh) * 2018-08-08 2018-12-21 加动健康科技（芜湖）有限公司 用于个体能耗测量装置的固定壳
WO2020047429A1 (en) 2018-08-31 2020-03-05 Ctrl-Labs Corporation Camera-guided interpretation of neuromuscular signals
EP3853698A4 (en) 2018-09-20 2021-11-17 Facebook Technologies, LLC NEUROMUSCULAR TEXT ENTRY, WRITING AND DRAWING IN SYSTEMS WITH EXTENDED REALITY
US11350853B2 (en) 2018-10-02 2022-06-07 Under Armour, Inc. Gait coaching in fitness tracking systems
DE102018220853A1 (de) * 2018-12-03 2020-06-04 Golex AG Belastungserfassende Orthese
US11451568B2 (en) 2019-05-13 2022-09-20 Feedzai—Consultadoria e Inovação Tecnólogica, S.A. Automatic model monitoring for data streams
JP2022544064A (ja) * 2019-07-31 2022-10-17 ペロトン インタラクティブ インコーポレイテッド 運動器具のリーダーボードシステム及びそれに関連する方法
NO20191153A1 (en) * 2019-09-25 2021-03-26 Airseg As Hockey puck
CN110680338A (zh) * 2019-11-14 2020-01-14 广州校角文化传播有限公司 用户活跃度监测判定方法及其装置
US20220071513A1 (en) * 2020-09-08 2022-03-10 Medtronic, Inc. Detection of changes in patient health based on peak and non-peak patient activity data
US11868531B1 (en) 2021-04-08 2024-01-09 Meta Platforms Technologies, Llc Wearable device providing for thumb-to-finger-based input gestures detected based on neuromuscular signals, and systems and methods of use thereof
EP4423680A1 (en) * 2021-10-29 2024-09-04 Autoliv Development AB Computer-implemented method for training of a machine learning model in fall assessment

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005034364A (ja) * 2003-07-14 2005-02-10 Hosiden Corp 体動検出装置
JP2006192276A (ja) * 2005-01-14 2006-07-27 Samsung Electronics Co Ltd 活動パターンの監視方法及びその装置
WO2010096691A2 (en) * 2009-02-20 2010-08-26 The Regents Of The University Of Colorado, A Body Corporate Footwear-based body weight monitor and postural allocation, physical activity classification, and energy expenditure calculator
WO2012119126A2 (en) * 2011-03-02 2012-09-07 The Regents Of The University Of California Apparatus, system, and method for automatic identification of sensor placement
WO2013109780A2 (en) * 2012-01-19 2013-07-25 Nike International Ltd. Energy expenditure

Family Cites Families (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08503142A (ja) 1992-07-21 1996-04-09 ヘイル ブレインパワー ピーティワイ リミテッド 運動監視システム
DE19709456A1 (de) 1997-03-07 1998-09-10 Maximilian Klein Vorrichtung und Verfahren zum Erfassen bestimmter Bewegungszustände eines Benutzers
JP2002263086A (ja) 2001-03-06 2002-09-17 Microstone Corp 運動測定装置
US6635015B2 (en) * 2001-04-20 2003-10-21 The Procter & Gamble Company Body weight management system
FI115605B (fi) * 2001-12-21 2005-06-15 Newtest Oy Anturiyksikkö, laitejärjestely ja laitejärjestelyä hyödyntävä menetelmä kehoon kohdistuvien voimien mittaamiseksi ja arvioimiseksi
MXPA04012119A (es) 2002-06-03 2005-04-19 Contentguard Holdings Inc Sistema y metodo para proveer y administrar expresiones de derechos.
US20060112754A1 (en) 2003-04-11 2006-06-01 Hiroshi Yamamoto Method and device for correcting acceleration sensor axis information
US7278966B2 (en) * 2004-01-31 2007-10-09 Nokia Corporation System, method and computer program product for managing physiological information relating to a terminal user
FI6796U1 (fi) * 2004-06-16 2005-09-26 Firstbeat Technologies Oy Järjestelmä fysiologisen tilan seuraamiseksi ja ennakoimiseksi fyysisen rasituksen alaisuudessa
US8185201B2 (en) 2004-07-16 2012-05-22 Cardiac Pacemakers, Inc. Apparatus and methods for calculating caloric expenditure using posture
US20080167580A1 (en) 2005-04-05 2008-07-10 Andante Medical Devices Ltd. Rehabilitation System
US7818131B2 (en) * 2005-06-17 2010-10-19 Venture Gain, L.L.C. Non-parametric modeling apparatus and method for classification, especially of activity state
US7733224B2 (en) 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
EP1962670A2 (en) * 2005-12-15 2008-09-03 Koninklijke Philips Electronics N.V. Detection and compensation method for monitoring the place of activity on the body
US20100201512A1 (en) 2006-01-09 2010-08-12 Harold Dan Stirling Apparatus, systems, and methods for evaluating body movements
JP4064426B2 (ja) 2006-03-23 2008-03-19 株式会社タニタ 運動消費エネルギー推定装置
US10152124B2 (en) 2006-04-06 2018-12-11 Immersion Corporation Systems and methods for enhanced haptic effects
US20070255154A1 (en) 2006-04-28 2007-11-01 Medtronic, Inc. Activity level feedback for managing obesity
JP5119612B2 (ja) * 2006-06-02 2013-01-16 株式会社日立製作所 代謝量モニタリング装置及び代謝量モニタリングシステム
US8626472B2 (en) 2006-07-21 2014-01-07 James C. Solinsky System and method for measuring balance and track motion in mammals
EP2062116A2 (en) 2006-09-13 2009-05-27 Immersion Corporation Systems and methods for casino gaming haptics
US7653508B1 (en) 2006-12-22 2010-01-26 Dp Technologies, Inc. Human activity monitoring device
GB0708457D0 (en) * 2007-05-01 2007-06-06 Unilever Plc Monitor device and use thereof
US8206323B2 (en) * 2007-12-21 2012-06-26 Intel-Ge Care Innovations Llc Method and apparatus to detect ambulation
US8152745B2 (en) 2008-02-25 2012-04-10 Shriners Hospitals For Children Activity monitoring
JP5199822B2 (ja) 2008-10-20 2013-05-15 小島プレス工業株式会社 アンテナ検査装置
KR101026486B1 (ko) 2008-10-22 2011-04-01 주식회사 하이닉스반도체 반도체 소자 및 그의 제조방법
US20110288784A1 (en) * 2009-02-23 2011-11-24 Wellcore Corporation Monitoring Energy Expended by an Individual
US8152694B2 (en) * 2009-03-16 2012-04-10 Robert Bosch Gmbh Activity monitoring device and method
JP4739440B2 (ja) * 2009-04-02 2011-08-03 株式会社タニタ 体動検出装置及び体動検出方法
US8303500B2 (en) * 2009-08-21 2012-11-06 Fazal Raheman Prescription zero: a non-pharmaceutical prescription device for prescribing, administering, monitoring, measuring and motivating a therapeutic lifestyle regimen for prevention and treatment of chronic diseases
FI20096365A0 (fi) * 2009-12-18 2009-12-18 Polar Electro Oy Järjestelmä harjoitukseen liittyvän tiedon käsittelemiseksi
EP2539837A4 (en) * 2010-02-24 2016-05-25 Jonathan Edward Bell Ackland CLASSIFICATION SYSTEM AND METHOD
US20120116177A1 (en) 2010-11-08 2012-05-10 Lho Hyung-Suk Apparatus and method for calculating calorie consumption using 3-axial accelerometer
DE102011051487B4 (de) 2010-11-12 2017-01-12 Hyundai Motor Co. Elektrohydraulische Ventilsteuerung
JP5283720B2 (ja) * 2011-02-16 2013-09-04 株式会社タニタ 活動量計、活動目標算出方法およびプログラム
JP5779921B2 (ja) 2011-03-14 2015-09-16 オムロンヘルスケア株式会社 活動量計
US8930300B2 (en) * 2011-03-31 2015-01-06 Qualcomm Incorporated Systems, methods, and apparatuses for classifying user activity using temporal combining in a mobile device
US9195309B2 (en) * 2011-05-27 2015-11-24 Qualcomm Incorporated Method and apparatus for classifying multiple device states
US20120316456A1 (en) 2011-06-10 2012-12-13 Aliphcom Sensory user interface
US20120316455A1 (en) 2011-06-10 2012-12-13 Aliphcom Wearable device and platform for sensory input
FI124367B (fi) 2011-11-11 2014-07-31 Firstbeat Technologies Oy Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi
US20130158686A1 (en) * 2011-12-02 2013-06-20 Fitlinxx, Inc. Intelligent activity monitor
US9474472B2 (en) 2011-12-30 2016-10-25 Intel Corporation Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities
JP5953487B2 (ja) 2012-08-09 2016-07-20 株式会社タニタ 消費エネルギー推定装置
US8892481B2 (en) 2013-01-17 2014-11-18 Kinetic Stone, Llc Health and fitness management system
US9298882B2 (en) * 2013-03-04 2016-03-29 Hello Inc. Methods using patient monitoring devices with unique patient IDs and a telemetry system
US9529385B2 (en) * 2013-05-23 2016-12-27 Medibotics Llc Smart watch and human-to-computer interface for monitoring food consumption
US9554747B2 (en) * 2013-08-26 2017-01-31 EveryFit, Inc. Power efficient system and method for measuring physical activity in resource constrained devices
WO2014207294A1 (en) 2013-09-13 2014-12-31 Polar Electro Oy System for monitoring physical activity
KR101839258B1 (ko) * 2013-10-14 2018-03-15 나이키 이노베이트 씨.브이. 운동 움직임 속성으로부터의 페이스 및 에너지 지출의 계산
EP3242595B1 (en) * 2015-01-05 2022-03-23 NIKE Innovate C.V. Energy expenditure calculation using data from multiple devices
CN107249456B (zh) * 2015-01-05 2020-11-13 耐克创新有限合伙公司 使用来自多个装置的数据进行能量消耗计算
EP3302247B1 (en) 2015-05-29 2023-07-19 Nike Innovate C.V. Activity monitoring device with assessment of exercise intensity for calculating the anaerobic capacity of a user

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005034364A (ja) * 2003-07-14 2005-02-10 Hosiden Corp 体動検出装置
JP2006192276A (ja) * 2005-01-14 2006-07-27 Samsung Electronics Co Ltd 活動パターンの監視方法及びその装置
WO2010096691A2 (en) * 2009-02-20 2010-08-26 The Regents Of The University Of Colorado, A Body Corporate Footwear-based body weight monitor and postural allocation, physical activity classification, and energy expenditure calculator
WO2012119126A2 (en) * 2011-03-02 2012-09-07 The Regents Of The University Of California Apparatus, system, and method for automatic identification of sensor placement
WO2013109780A2 (en) * 2012-01-19 2013-07-25 Nike International Ltd. Energy expenditure

Also Published As

Publication number Publication date
CN106170746A (zh) 2016-11-30
CN105849671A (zh) 2016-08-10
EP3058440B1 (en) 2021-04-14
EP3058442B1 (en) 2021-04-14
KR101839257B1 (ko) 2018-03-15
KR20160068947A (ko) 2016-06-15
JP2017502792A (ja) 2017-01-26
CN105849672B (zh) 2020-08-25
KR101839258B1 (ko) 2018-03-15
KR20160070131A (ko) 2016-06-17
US10802038B2 (en) 2020-10-13
KR101860654B1 (ko) 2018-05-23
US10900992B2 (en) 2021-01-26
EP3058440A1 (en) 2016-08-24
WO2015057679A1 (en) 2015-04-23
WO2015057684A1 (en) 2015-04-23
JP2016539673A (ja) 2016-12-22
EP3058442A1 (en) 2016-08-24
EP3058441A1 (en) 2016-08-24
US20160045159A1 (en) 2016-02-18
CN105849671B (zh) 2020-04-14
WO2015057675A1 (en) 2015-04-23
KR101839259B1 (ko) 2018-03-15
CN105848565B (zh) 2021-10-26
JP6794259B2 (ja) 2020-12-02
US20160213974A1 (en) 2016-07-28
KR20160070132A (ko) 2016-06-17
US20150106052A1 (en) 2015-04-16
EP3058443A1 (en) 2016-08-24
US20160223580A1 (en) 2016-08-04
JP2019000653A (ja) 2019-01-10
EP3058443B1 (en) 2022-04-20
JP2016536104A (ja) 2016-11-24
US10900991B2 (en) 2021-01-26
US10422810B2 (en) 2019-09-24
EP3058441B1 (en) 2023-01-04
CN105849672A (zh) 2016-08-10
WO2015057701A1 (en) 2015-04-23
KR20160070130A (ko) 2016-06-17
CN105848565A (zh) 2016-08-10

Similar Documents

Publication Publication Date Title
JP6794259B2 (ja) アスレチック運動属性からのペースとエネルギー消費量の計算
EP3242595B1 (en) Energy expenditure calculation using data from multiple devices
EP3242594B1 (en) Energy expenditure calculation using data from multiple devices

Legal Events

Date Code Title Description
A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170905

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171204

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180109

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180409

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20180911