JP2017215848A - 歩数学習方法、歩数学習プログラムおよび情報処理装置 - Google Patents

Abstract

【課題】歩数計測の精度を向上することを課題とする。【解決手段】移動体端末は、ユーザの一歩毎の着地または離地するタイミングを取得する。移動体端末は、時系列な変化を示す加速度データを取得する。移動体端末は、取得した着地または離地するタイミングを用いて、取得した加速度データからユーザの一歩の期間に対応する加速度データを抽出する。移動体端末は、抽出した加速度データから、ユーザの歩数をカウントするための判定基準となる一次元の理想波形を設定する。【選択図】図３

Description

本発明は、歩数学習方法、歩数学習プログラムおよび情報処理装置に関する。

スマートフォンなどの移動体端末に搭載されて、ユーザの歩数を計測する歩数計測システムが利用されている。例えば、歩数計測システムは、スマートフォンに搭載される３軸の加速度センサから３軸の加速度データを取得し、３軸の加速度データから１次元の波形を生成し、生成した１次元の波形を用いて歩数をカウントする。

特開２００３−３０２２９６号公報 特開２００９−２２３７４４号公報 特開２００８−１７１３４７号公報 特開２０１５−１３５６６２号公報

しかしながら、上記技術では、内蔵のアルゴリズムのパラメータ調整を製品の出荷前に行うので、どのようなユーザに対しても同一のパラメータを用いた歩数計測が行われる。このため、計測される歩数の精度が高いとは言い難い。また、個人の歩容が異なることから、製品の出荷後にパラメータ調整を行うことは難しい。

一つの側面では、歩数計測の精度を向上することができる歩数学習方法、歩数学習プログラムおよび情報処理装置を提供することを目的とする。

第１の案では、コンピュータが、ユーザの一歩毎の着地または離地するタイミングを取得する処理と、時系列な変化を示す加速度データを取得する処理とを実行する。コンピュータが、取得した前記着地または前記離地するタイミングを用いて、取得した前記加速度データから前記ユーザの一歩の期間に対応する加速度データを抽出する処理を実行する。コンピュータが、抽出した前記加速度データから、前記ユーザの歩数をカウントするための判定基準となる一次元の理想波形を設定する処理を実行する。

一実施形態によれば、歩数計測の精度を向上することができる。

図１は、実施例１にかかる移動体端末を説明する図である。 図２は、実施例１にかかる移動体端末のハードウェア構成例を示す図である。 図３は、実施例１にかかる移動体端末の機能構成を示す機能ブロック図である。 図４は、歩幅時間の計測を説明する図である。 図５は、出力理想波形のサンプリングおよびフィッティングを説明する図である。 図６は、入力離散ベクトルデータを説明する図である。 図７は、入力離散ベクトルデータのフィッティングを説明する図である。 図８は、入力から出力の関係を説明する図である。 図９は、歩数計測時の処理を説明する図である。 図１０は、歩数計測を説明する図である。 図１１は、処理の流れを示すフローチャートである。

以下に、本願の開示する歩数学習方法、歩数学習プログラムおよび情報処理装置の実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

［移動体端末１０の説明］
図１は、実施例１にかかる移動体端末１０を説明する図である。移動体端末１０は、スマートフォンなどの情報処理装置である。この移動体端末１０は、歩数計測システムを搭載し、３軸の加速度データを用いて、ユーザの歩数を計測する。

図１に示すように、歩数計測システムは、歩数計測の前に、ユーザの歩容に合わせたパラメータを学習し、学習したパラメータを用いて、いわゆるゼロクロス点をカウントしてユーザの歩数を計測する。例えば、歩数計測システムは、３軸の加速度データを入力し、歩数を表す理想波形（たとえばcos波形）を出力して、歩数を計数する。

より詳細には、歩数計測システムは、３軸の加速度データと歩数を表す理想波形を教師ありデータとして、教師あり学習を行い、学習歩数計システムの各パラメータを学習させる。学習後は、歩数計測システムは、３軸の加速度データが入力されると、学習結果を用いて出力した波形にしたがって歩数をカウントする。

したがって、歩数計測システムを搭載する移動体端末１０の製品出荷後であっても、ユーザの歩容に応じたパラメータ調整を行った上で、ユーザの歩数を計測することができるので、歩数計測の精度を向上することができる。

［移動体端末１０のハードウェア構成］
次に、歩数計測システムを搭載する移動体端末１０のハードウェア構成について説明する。図２は、実施例１にかかる移動体端末１０のハードウェア構成例を示す図である。図２に示すように、移動体端末１０は、無線部１、加速度センサ２、オーディオ入出力部３、記憶装置４、表示装置５を有する。なお、ここで図示したハードウェアは一例であり、例えばＧＰＳ（Global Positioning System）受信器など他のハードウェアを有していてもよい。

無線部１は、アンテナ１ａを介して、他の端末とデータの送受信を実行する。加速度センサ２は、移動体端末１０の加速度を測定してプロセッサ６に出力するセンサであり、ｘｙｚ軸の３方向の加速度を測定する３軸の加速度センサである。

オーディオ入出力部３は、マイクを介して音声を集音し、スピーカを介して音声を出力する。記憶装置４は、プログラムやデータを記憶する記憶装置であり、例えばメモリやハードディスクなどである。表示装置５は、各種情報を表示するディスプレイやタッチパネルなどである。

プロセッサ６は、ＣＰＵ（Central Processing Unit）などであり、後述する各種処理の内容が規定されるプログラムを記憶装置４から読み出して実行し、歩数計数に関する各種処理、すなわち歩数計数システムを実行する。

［機能構成］
図３は、実施例１にかかる移動体端末１０の機能構成を示す機能ブロック図である。例えば、移動体端末１０は、図３に示す各処理部を実行することで、歩数計測システムを実行する。なお、図３で説明する各機能部は、プロセッサ６が有する電子回路の一例やプロセッサ６が実行するプロセスの一例である。

図３に示すように、移動体端末１０は、加速度取得部１１、計算部１２、データ長決定部１３、理想波形決定部１４、サンプリング部１５、データ分割部１６、調整部１７、学習部１８、モデル生成部１９、計測部２０を有する。

加速度取得部１１は、３軸の加速度センサ２から加速度データを取得する処理部である。例えば、加速度取得部１１は、パラメータ学習時や歩数計測時に、加速度データを取得し、データ分割部１６や計算部１２に出力する。

計算部１２は、歩幅時間を計算する処理部である。具体的には、計算部１２は、加速度取得部１１から加速度データを取得する一方で、ユーザが歩行を開始してから２歩ごとに足が着地または離地したタイミングを取得する。着地または離地したタイミングの取得方法としては、ユーザがスイッチを把持し、着地または離地したタイミングでスイッチを操作することもでき、ユーザの足や靴にセンサを装着し、当該センサによって取得することもできる。

図４は、歩幅時間の計測を説明する図である。図４に示すように、計算部１２は、ｘ軸、ｙ軸、ｚ軸それぞれの加速度データを取得する一方で、ユーザがスイッチを押したタイミング（スイッチオン）を取得する。そして、計算部１２は、スイッチが押されたタイミングから歩幅時間（ｍ_ｊ＋１−ｍ_ｊ）を算出して、データ長決定部１３に出力する。ここで、ｊは１、２、・・・、ｒとする。

データ長決定部１３は、計算部１２によって算出された歩幅時間を用いてデータ長（２ｎ＋１）を決定する処理部である。例えば、データ長決定部１３は、データ長（２ｎ＋１）を、ｍａｘ（ｍ_ｊ＋１−ｍ_ｊ；ｊ＝１、２、・・・、ｒ）以上の最初の奇数と定義する。そして、データ長決定部１３は、決定したデータ長（２ｎ＋１）を理想波形決定部１４に出力する。

理想波形決定部１４は、３軸の加速データを入力データとした際に出力される理想的な波形である出力理想波形を決定する処理部である。例えば、理想波形決定部１４は、データ長決定部１３によって決定されたデータ長（２ｎ＋１）や計算部１２によって計算された歩幅時間（ｍ_ｊ＋１−ｍ_ｊ）を用いて、式（１）に示す出力理想波形ｐ_ｊ（ｔ）を決定する。この出力理想波形ｐ_ｊ（ｔ）は、歩幅時間で２周期の波形になる特徴を有し、ｒ個作成される。なお、式（１）における「Ａ」は正の定数であり、「ｔ」は時間である。

サンプリング部１５は、出力理想波形ｐ_ｊ（ｔ）に関して、カーブフィッティング技術を用いて、フィッティング曲線を生成する処理部である。図５は、出力理想波形のサンプリングおよびフィッティングを説明する図である。例えば、サンプリング部１５は、出力理想波形ｐ_ｊ（ｔ）をデータ長に合わせるため、図５に示されたようにサンプリングして離散ベクトルデータを得る。そして、サンプリング部１５は、離散フーリエ変換（ＤＦＴ）を用いたカーブフィッティングによって、離散ベクトルデータのフィッティング曲線ｓ_ｊ（ｔ）を作成して、学習部１８に出力する。このフィッティング曲線ｓ_ｊ（ｔ）も合計ｒ個作成される。なお、カーブフィッティング技術は、特開２０１５−１３５６６２号公報に記載される技術を採用することができる。

データ分割部１６は、加速度取得部１１によって取得された３次元の加速度データを分割する処理部である。図６は、入力離散ベクトルデータを説明する図である。図６に示すように、データ分割部１６は、加速度取得部１１によって取得された３次元の加速度データを「２ｎ＋１」のデータ長で分割して、ｘ軸、ｙ軸、ｚ軸の入力離散ベクトルデータを作成する。ここで、ｘ軸、ｙ軸、ｚ軸の入力離散ベクトルデータは、それぞれ合計ｒ個作成される。

調整部１７は、２歩歩行した際の加速度データと基準サンプル数を使って、入力離散ベクトルデータを作成し、カーブフィッティング技術を使って、入力離散ベクトルデータのフィッティング曲線を作成する処理部である。図７は、入力離散ベクトルデータのフィッティングを説明する図である。図７に示すように、調整部１７は、データ分割部１６によって得られた入力離散ベクトルデータ（図６参照）について、離散フーリエ変換（ＤＦＴ）を用いたカーブフィッティングを行って、入力離散ベクトルのフィッティング曲線を作成して、学習部１８に出力する。このフィッティング曲線ｘ_ｊ（ｔ）、ｙ_ｊ（ｔ）、ｚ_ｊ（ｔ）それぞれもｒ個ずつ作成される。

学習部１８は、出力理想波形を得るためのパラメータを学習する処理部である。図８は、入力から出力の関係を説明する図である。図８に示すように、学習部１８は、調整部１７によって生成されたｒ個のフィッティング曲線ｘ_ｊ（ｔ）、ｙ_ｊ（ｔ）、ｚ_ｊ（ｔ）を入力として、サンプリング部１５によって生成されたｒ個のフィッティング曲線ｓ_ｊ（ｔ）を得るためのパラメータを学習する。

例えば、学習部１８は、フィッティング曲線ｘ_ｊ（ｔ）、ｙ_ｊ（ｔ）、ｚ_ｊ（ｔ）、ｓ_ｊ（ｔ）はすべて有限のフーリエ級数であることから、図８に示した関係を有する数理モデルは入力と出力のフーリエ級数を比較する式（２）で表すことができる。数理モデル（式（２））の右辺のａは、内積を表しており、フーリエ級数の足し算や掛け算はまたフーリエ級数になるという性質から導かれている。数理モデル（式（２））の右辺のＤ_ｖ，ｖ’が未知数であることから、学習部１８は、教師データとしてｒ個のｘ_ｊ（ｔ）、ｙ_ｊ（ｔ）、ｚ_ｊ（ｔ）、ｓ_ｊ（ｔ）を使ってＤ_ｖ，ｖ’の係数を学習し決定する。

例えば、学習部１８は、式（２）を式（３）のように書き直す。式（３）は、数理モデル（式（２））の同じ指数部分を抽出した式であり、Ｄ_ｖ，ｖ’を未知数とする連立方程式となっている。よって、最小二乗法などの線形回帰を用いて、この連立方程式のＤ_ｖ，ｖ’の解を一意に決定することができる。そして、学習部１８は、一意に決定したＤ_ｖ，ｖ’の解をパラメータとしてモデル生成部１９に出力する。

なお、ｘ_ｊ（ｔ）、ｙ_ｊ（ｔ）、ｚ_ｊ（ｔ）、ｓ_ｊ（ｔ）はフーリエ級数のため、式（２）の関数を含む方程式から、式（３）のような簡単な連立方程式に変換できるが、フーリエ級数でなかったらこのような変換は容易ではなく、解を求める計算量も増加してしまうので、好ましい手法ではない。

モデル生成部１９は、加速度データと学習部１８による学習結果とを用いて、歩数計測に用いる波形を出力する処理部である。図９は、歩数計測時の処理を説明する図である。図９に示すように、モデル生成部１９は、３軸の加速度センサ２から出力される３軸の加速度データを、ウインドウ幅「２ｎ＋１」のウインドウをスライドすることによって、データ長「２ｎ＋１」の部分加速度データを逐次作成する。

そして、モデル生成部１９は、作成された部分加速度データに、上記カーブフィッティングを実施しフィッティング曲線ｘ_ｊ（ｔ）、ｙ_ｊ（ｔ）、ｚ_ｊ（ｔ）を作成する。次に、モデル生成部１９は、得られたフィッティング曲線ｘ_ｊ（ｔ）、ｙ_ｊ（ｔ）、ｚ_ｊ（ｔ）を入力として、曲線ｕ_ｊ（ｔ）を出力する計算モデルを考える。すると、ｘ_ｊ（ｔ）、ｙ_ｊ（ｔ）、ｚ_ｊ（ｔ）と学習によって得られたＤ_ｖ，ｖ’と用いることにより、曲線ｕ_ｊ（ｔ）は式（４）で表すことができる。そして、モデル生成部１９は、式（４）で表される波形を計測部２０に出力する。

計測部２０は、モデル生成部１９によって生成された波形に基づいて、ユーザの歩数を計測する処理部である。具体的には、計測部２０は、いわゆるゼロクロスをカウントすることで、歩数を計測する。

図１０は、歩数計測を説明する図である。図１０のグラフの横軸は時間であり、縦軸は波長（ｕ_ｊ（ｔ））である。計測部２０は、モデル生成部１９から出力された波形が図１０に示す波形の場合、波形の値がおおよそ０となる黒点をカウントする。そして、計測部２０は、ｕ_ｊ（ｔ）≒０となる地点で０．５歩歩いたとカウントする。つまり、計測部２０は、黒点と黒点の間を０．５歩として、ユーザの歩数を計測する。

なお、計測部２０は、出力されたｕ_ｊ（ｔ）の波形が、出力理想波形から程遠い形をしている場合や類似していない場合、出力理想波形のような周期波形に近い波形でも振幅が小さいとき（例えば、所定値以下の時）は、歩行状態ではないと判定する。つまり、計測部２０は、ｕ_ｊ（ｔ）の波形が出力理想波形に近い波形のとき、歩行状態であると判定し、ｕ_ｊ（ｔ）≒０となるｔの地点で、０．５歩歩いたとカウントする。

［処理の流れ］
図１１は、処理の流れを示すフローチャートである。歩数計測に関する処理は、学習処理のフェーズと歩数計測の実行処理のフェーズとを含む。

図１１に示すように、加速度取得部１１は、加速度データを取得し（Ｓ１０１）、計算部１２は、ユーザが歩行を開始してから２歩ごとに足が着地または離地したタイミングを取得して、ユーザの歩幅時間を計算する（Ｓ１０２）。

続いて、データ長決定部１３は、算出された歩幅時間を用いてデータ長（２ｎ＋１）を決定し（Ｓ１０３）、理想波形決定部１４は、３軸の加速データを入力データとした際に出力される理想的な波形である出力理想波形を決定する（Ｓ１０４）。

その後、サンプリング部１５は、出力理想波形をサンプリングして離散ベクトルデータを取得し（Ｓ１０５）、離散フーリエ変換（ＤＦＴ）を用いたカーブフィッティングによって、離散ベクトルデータのフィッティング曲線を作成（抽出）する（Ｓ１０６）。

続いて、データ分割部１６は、加速度取得部１１によって取得された３次元の加速度データを「２ｎ＋１」のデータ長で分割する（Ｓ１０７）。また、調整部１７は、２歩歩行した際の加速度データと基準サンプル数を使って、入力離散ベクトルデータを作成し、カーブフィッティングを行い（Ｓ１０８）、入力離散ベクトルデータのフィッティング曲線を作成する（Ｓ１０９）。

そして、学習部１８は、３軸の加速度データから生成されたフィッティング曲線から、出力理想波形を用いて生成されたフィッティング曲線ｓ_ｊ（ｔ）を得るための数理モデルのパラメータを学習する（Ｓ１１０）。

学習が終了した後に加速度データが測定されると（Ｓ１１１：Ｙｅｓ）、モデル生成部１９は、加速度データを分割し（Ｓ１１２）、カーブフィッティングを実行し（Ｓ１１３）、フィッティング曲線を抽出する（Ｓ１１４）。そして、モデル生成部１９は、抽出したフィッティング曲線と学習結果とを用いて出力曲線を生成する（Ｓ１１５）。その後、計測部２０は、出力曲線の波形にしたがって歩数をカウントする（Ｓ１１６）。

［効果］
上述したように、移動体端末１０は、製品出荷後に歩数計測システムの各パラメータを調整することができ、個人毎にカスタマイズされた歩数計システムを作ることが可能になる。したがって、移動体端末１０は、ユーザの歩容に応じたパラメータ調整を行った上で、ユーザの歩数を計測することができるので、歩数計測の精度を向上することができる。

また、移動体端末１０は、ユーザの歩容に合わせて正確にパラメータの調整を行うことができるので、出力波形が２周期の波形から程遠い形をしている場合や２周期に近い波形でも振幅が小さいときは、歩行状態ではないと判定することができる。この結果、移動体端末１０は、歩行状態と非歩行状態とを正確に判定することができる。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。

［適用対象］
上記実施例では、移動体端末１０を例にして説明したが、これに限定されるものではなく、図３に示した各機能（歩行計測システム）をユビキタスウェアなどの製品の中に組み込んで使用することができる。

［カーブフィッティング］
上記実施例では、特開２０１５−１３５６６２号公報に記載される技術を採用する例を説明したが、これに限定されるものではない。例えば、ｘ_ｊ（ｔ）を例にすると、ｘ_１（ｔ）、ｘ_２（ｔ）、・・・ｘ_ｒ（ｔ）を、横軸を時間ｔかつ縦軸をｘ_ｊ（ｔ）としてプロットした時に、各点を通る曲線を生成するような技術であれば、どのような技術も採用することができる。

［システム］
また、図３に示した各装置の各構成は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、任意の単位で分散または統合して構成することができる。例えば、モデル生成部１９と計測部２０とを統合することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともできる。あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

１０ 移動体端末
１１ 加速度取得部
１２ 計算部
１３ データ長決定部
１４ 理想波形決定部
１５ サンプリング部
１６ データ分割部
１７ 調整部
１８ 学習部
１９ モデル生成部
２０ 計測部

Claims (7)

1. コンピュータが、
   ユーザの一歩毎の着地または離地するタイミングを取得し、
   時系列な変化を示す加速度データを取得し、
   取得した前記着地または前記離地するタイミングを用いて、取得した前記加速度データから前記ユーザの一歩の期間に対応する加速度データを抽出し、
   抽出した前記加速度データから、前記ユーザの歩数をカウントするための判定基準となる一次元の理想波形を設定する
   処理を実行することを特徴とする歩数学習方法。
2. 前記設定する処理は、前記ユーザが二歩歩行した際の加速度データと歩幅時間とを取得し、前記歩幅時間にしたがって入力対象の前記加速度データのデータ長を決定し、決定した前記データ長を用いて、前記理想波形を設定することを特徴とする請求項１に記載の歩数学習方法。
3. 前記理想波形から離散ベクトルデータを生成し、前記離散ベクトルデータにカーブフィッティングを行って第１のフィッティング曲線を算出する処理と
   前記二歩歩行した際の加速度データを用いて入力離散ベクトルデータを生成し、前記入力離散ベクトルデータにカーブフィッティングを行って第２のフィッティング曲線を算出する処理と、
   前記第２のフィッティング曲線を入力して前記第１のフィッティング曲線が出力される数値モデルを満たすパラメータを学習する処理とを前記コンピュータがさらに特徴とする請求項２に記載の歩数学習方法。
4. 前記パラメータを学習した後に、前記加速度データを取得した場合、取得された前記加速度データを前記データ長で分割した分割加速度データを生成し、前記分割加速度データと前記パラメータとを用いて、出力波形を生成する処理と、
   前記出力波形に基づいて前記歩数をカウントする処理とを前記コンピュータが実行することを特徴とする請求項３に記載の歩数学習方法。
5. 前記カウントする処理は、前記出力波形が所定の振幅より小さい振幅を有する場合や前記理想波形と非類似である場合に、歩行状態ではないと判定し、前記歩数のカウントを抑制することを特徴とする請求項４に記載の歩数学習方法。
6. コンピュータに、
   ユーザの一歩毎の着地または離地するタイミングを取得し、
   時系列な変化を示す加速度データを取得し、
   取得した前記着地または前記離地するタイミングを用いて、取得した前記加速度データから前記ユーザの一歩の期間に対応する加速度データを抽出し、
   抽出した前記加速度データから、前記ユーザの歩数をカウントするための判定基準となる一次元の理想波形を設定する
   処理を実行させることを特徴とする歩数学習プログラム。
7. ユーザの一歩毎の着地または離地するタイミングを取得する取得部と、
   時系列な変化を示す加速度データを取得する取得部と、
   取得した前記着地または前記離地するタイミングを用いて、取得した前記加速度データから前記ユーザの一歩の期間に対応する加速度データを抽出する抽出部と、
   抽出した前記加速度データから、前記ユーザの歩数をカウントするための判定基準となる一次元の理想波形を設定する設定部と
   を有することを特徴とする情報処理装置。

Images