JP2018042672A - 推定装置、推定方法及びコンピュータプログラム - Google Patents
推定装置、推定方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2018042672A JP2018042672A JP2016178774A JP2016178774A JP2018042672A JP 2018042672 A JP2018042672 A JP 2018042672A JP 2016178774 A JP2016178774 A JP 2016178774A JP 2016178774 A JP2016178774 A JP 2016178774A JP 2018042672 A JP2018042672 A JP 2018042672A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- data
- estimation
- motion
- angular velocity
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004590 computer program Methods 0.000 title claims abstract description 6
- 230000033001 locomotion Effects 0.000 claims abstract description 201
- 230000001133 acceleration Effects 0.000 claims abstract description 67
- 238000000605 extraction Methods 0.000 claims abstract description 45
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000013135 deep learning Methods 0.000 claims description 39
- 238000001228 spectrum Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 description 39
- 230000009471 action Effects 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000010977 unit operation Methods 0.000 description 7
- 238000013136 deep learning model Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- WIZRTAUXNGEDSX-TYJIGRJHSA-N CCC(C12)[C@@]1(C)[C@@H]1C2[C@@]23C1[C@@H]2CCC3 Chemical compound CCC(C12)[C@@]1(C)[C@@H]1C2[C@@]23C1[C@@H]2CCC3 WIZRTAUXNGEDSX-TYJIGRJHSA-N 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000005358 geomagnetic field Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
実施形態における推定装置は、人物に備え付けられるセンサ又は人物が所持する端末に備えられるセンサから時系列のデータを取得し、取得したデータに基づいて人物の歩行に関する情報を推定する。ここで、センサは、例えば、加速度センサ及び角速度センサである。また、人物の歩行に関する情報とは、動作、移動方向(進行方向ともいう)及び移動距離などである。以下の説明では、人物の歩行に関する情報として、動作、移動方向及び移動距離を例に説明する。以下、具体的な構成について複数の実施形態(第1の実施形態〜第3の実施形態)を例に説明する。
図1は、第1の実施形態における推定装置100の機能構成を表す概略ブロック図である。推定装置100は、バスで接続されたCPU(Central Processing Unit)やメモリや補助記憶装置などを備え、推定プログラムを実行する。推定プログラムの実行によって、推定装置100は、取得部10、姿勢推定部20、座標変換部30、角度算出部40、フィルタ処理部50、単位動作抽出部60、推定部70を備える装置として機能する。なお、推定装置100の各機能の全て又は一部は、ASIC(Application Specific Integrated Circuit)やPLD(Programmable Logic Device)やFPGA(Field Programmable Gate Array)等のハードウェアを用いて実現されてもよい。また、推定プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ROM(Read Only Memory)、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。また、推定プログラムは、電気通信回線を介して送受信されてもよい。
姿勢推定部20は、取得部10によって取得された加速度データ及び角速度データに基づいて、各データを取得したセンサの姿勢を推定する。
座標変換部30は、姿勢推定部20によって推定されたセンサの姿勢に基づいて、加速度データ及び角速度データの座標変換を行う。
フィルタ処理部50は、座標変換後の加速度データ及び角速度データに対してフィルタ処理を行う。
単位動作抽出部60は、フィルタ処理が施された加速度データ及び角速度データと、角度算出部40によって算出された移動方向の時系列データとに基づいて、時系列データから単位動作区間毎にデータを抽出する。ここで、単位動作とは、例えば人物が行う動作を構成する最小単位の動作を表す。人物が行う動作としては、例えば三歩歩き、二回ジャンプ、二回しゃがむ等が挙げられる。人物が行う動作が三歩歩きである場合には、各一歩が単位動作である。また、人物が行う動作が二回ジャンプである場合には、各ジャンプを構成している動作それぞれが単位動作である。ジャンプを構成している動作としては、例えば、踏ん張る動作と、飛ぶ動作とがある。すなわち、二回ジャンプには、4つの単位動作(例えば、踏ん張る動作と、飛ぶ動作とが2回ずつ行われるため)が含まれる。また、人物が行う動作が二回しゃがむである場合には、単位動作としてしゃがむ動作と、立つ動作とがある。すなわち、二回しゃがむには、4つの単位動作(例えば、しゃがむ動作と、立つ動作とが2回ずつ行われるため)が含まれる。単位動作区間とは、単位動作の時間区間である。例えば、上記例の場合(人物が行う動作が三歩歩きである場合)には、単位動作区間は一歩の時間区間である。
動作DB711は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。動作DB711は、センサの向きを変化させない移動動作及び移動を伴わない動作を推定する際に利用されるテンプレートパターンを記憶する。本実施形態においてセンサの向きを変化させない移動動作とは、前歩き、後歩き、カニ歩き(左右)等の人物の歩行による体の回転を伴わない動作である。本実施形態において移動を伴わない動作とは、しゃがむ、垂直ジャンプ、足踏み、体の回転、屈伸、背伸び、腕ふり及び挙手等の人物が位置している場所で行われる動作である。
歩行方向データパターンマッチング部713は、単位動作抽出部60によって抽出された単位動作区間毎のデータと、動作DB711に記憶されているテンプレートパターンとに基づいてセンサの向きを変化させない移動動作のマッチングを行う。
動作判定部714は、歩行外動作パターンマッチング部712及び歩行方向データパターンマッチング部713のマッチング結果に基づいて動作を判定する。動作判定部714は、動作の判定結果を動作の推定結果として出力する。
変換部731は、単位動作抽出部60によって抽出された単位動作区間毎のデータを、周波数領域の情報に変換する。
歩幅モデルDB732は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。歩幅モデルDB732は、歩幅モデルを記憶する。
歩幅算出部733は、変換部731によって変換された周波数領域の情報と、歩幅モデルDB732に記憶されている歩幅モデルと、ユーザパラメータと、キャリブレーションデータとに基づいて歩幅を推定する。歩幅算出部733が推定する歩幅は一歩の移動距離である。
一方、単位動作区間が検出できた場合(ステップS107−YES)、単位動作抽出部60は単位動作区間毎に、単位動作区間内の加速度データと、角速度データと、角度データとを推定用時系列データとして抽出する(ステップS108)。単位動作抽出部60は、抽出した推定用時系列データを動作推定部71、方向推定部72及び距離推定部73に出力する。
また、推定装置100は、測位に関わる演算量を削減し、振動等のノイズに対してロバスト性が向上し、移動方向や移動距離の推定精度が向上させることができる。
図19は、第2の実施形態における推定装置100aの機能構成を表す概略ブロック図である。推定装置100aは、バスで接続されたCPUやメモリや補助記憶装置などを備え、推定プログラムを実行する。推定プログラムの実行によって、推定装置100aは、取得部10、姿勢推定部20、座標変換部30、フィルタ処理部50、単位動作抽出部60、推定部70aを備える装置として機能する。なお、推定装置100aの各機能の全て又は一部は、ASICやPLDやFPGA等のハードウェアを用いて実現されてもよい。また、推定プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。また、推定プログラムは、電気通信回線を介して送受信されてもよい。
推定部70aは、単位動作抽出部60aによって抽出された単位動作区間毎のデータに基づいて、人物の動作、移動方向及び移動距離を推定する。推定部70aは、深層学習部74、学習結果記憶部75、フォーマット変換部76及び深層学習推定部77を備える。
学習結果記憶部75は、磁気ハードディスク装置や半導体記憶装置などの記憶装置を用いて構成される。学習結果記憶部75は、深層学習部74が学習したパラメータを記憶する。
深層学習推定部77は、角速度データと加速度データとの周波数領域の情報及び外部から入力されるユーザパラメータと、学習結果記憶部75に記憶されているパラメータとに基づいて単位動作区間における人物の歩行に関する情報を推定する。
図22は、第3の実施形態における推定装置100bの機能構成を表す概略ブロック図である。推定装置100bは、バスで接続されたCPUやメモリや補助記憶装置などを備え、推定プログラムを実行する。推定プログラムの実行によって、推定装置100bは、取得部10、姿勢推定部20、座標変換部30、フィルタ処理部50、推定部70bを備える装置として機能する。なお、推定装置100bの各機能の全て又は一部は、ASICやPLDやFPGA等のハードウェアを用いて実現されてもよい。また、推定プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。また、推定プログラムは、電気通信回線を介して送受信されてもよい。
深層学習部74bは、一定時間中の角速度データ及び加速度データと、正しい動作、移動方向、移動距離とを学習用データとして外部から入力し、入力した学習用データに基づいて、深層学習推定部77bで使用するパラメータを学習する。深層学習部74bは、外部から学習開始信号が入力された際に学習を行う。
単位データ抽出部78は、フィルタ処理部50から出力されたフィルタ処理後の加速度データ及び角速度データと、環境情報とに基づいて、ある一定の時間で時系列データを抽出する。
深層学習推定部77bは、ある一定時間中の角速度データ及び加速度データと、外部から入力するユーザパラメータと、学習結果記憶部75に記憶されているパラメータとに基づいて、この時間における動作、移動方向、移動距離を推定する。
Claims (15)
- 人物の角速度データ及び加速度データの時系列データから得られる前記人物が行う動作を表す単位動作区間毎のデータを抽出する単位動作抽出部と、
前記単位動作抽出部によって抽出された前記単位動作区間毎のデータに基づいて、前記データにおける人物の歩行に関する情報を推定する推定部と、
を備える推定装置。 - 前記単位動作抽出部は、前記加速度データから合成ベクトルの大きさを表すノルムを算出し、算出した前記ノルムを基に一定の単位で前記単位動作区間毎のデータを抽出する、請求項1に記載の推定装置。
- 前記単位動作抽出部は、前記合成ベクトルの大きさが三角関数の1周期の形状となる範囲を単位動作区間として検出し、前記単位動作区間内の加速度データ及び角速度データを前記データとして抽出する、請求項2に記載の推定装置。
- 前記推定部は、センサの向きを変化させない移動動作及び移動を伴わない動作を推定する、請求項1から3のいずれか一項に記載の推定装置。
- 前記推定部は、前記移動動作を推定する際、各動作のテンプレートパターンと前記加速度データの波形とを比較し、類似度が最も高いものを推定結果とする、請求項4に記載の推定装置。
- 前記推定部は、全てのテンプレートパターンとの類似度が、ある一定値より小さい場合には移動していないと推定する、請求項5に記載の推定装置。
- 前記推定部は、前歩き、後歩き時の移動方向を推定する、請求項1から6のいずれか一項に記載の推定装置。
- 前記推定部は、対象とする一歩及びその一歩前の平均角速度を算出し、前記平均角速度に一歩の時間を乗じた角度を移動方向とする、請求項1から7のいずれか一項に記載の推定装置。
- 前記推定部は、対象とする一歩において、合成ベクトルのノルムが最小値となる時刻と、最大値となる時刻を内分する時刻に該当する角度を移動方向と推定する、請求項1から7のいずれか一項に記載の推定装置。
- 前記推定部は、前記加速度データを周波数領域へ変換することによって算出したパワースペクトルと、ユーザ情報、及び歩幅モデルパラメータとに基づいて歩幅を算出し、算出した歩幅を移動距離の推定結果とする、請求項1から9のいずれか一項に記載の推定装置。
- 前記推定部は、前記単位動作区間毎のデータを、固定長フォーマットのデータに変換し、前記固定長フォーマットのデータと、深層学習により予め学習されたパラメータとに基づいて、前記データにおける人物の歩行に関する情報を推定する、請求項1に記載の推定装置。
- 前記推定部は、前記単位動作区間毎のデータに含まれる前記角速度データと前記加速度データのそれぞれに基づく周波数情報を算出し、前記周波数情報を固定長フォーマットデータとする、請求項11に記載の推定装置。
- 人物の角速度データ及び加速度データの時系列データに対してフィルタ処理を行うフィルタ処理部と、
フィルタ処理が施された加速度データ及び角速度データに基づいて、ある一定の時間のデータを抽出する単位データ抽出部と、
一定時間中の角速度データと加速度データ及び正しい動作、移動方向、移動距離のいずれかを外部から入力し、推定に使用するパラメータを深層学習する深層学習部と、
抽出されたある一定の時間のデータと、前記深層学習部による深層学習の学習結果とに基づいて、前記ある一定の時間における人物の歩行に関する情報を推定する深層学習推定部と、
を備える推定装置。 - 人物の角速度データ及び加速度データの時系列データから得られる前記人物が行う動作を表す単位動作区間毎のデータを抽出する単位動作抽出ステップと、
前記単位動作抽出部によって抽出された前記単位動作区間毎のデータに基づいて、前記データにおける人物の歩行に関する情報を推定する推定ステップと、
を有する推定方法。 - 人物の角速度データ及び加速度データの時系列データから得られる前記人物が行う動作を表す単位動作区間毎のデータを抽出する単位動作抽出ステップと、
前記単位動作抽出部によって抽出された前記単位動作区間毎のデータに基づいて、前記データにおける人物の歩行に関する情報を推定する推定ステップと、
をコンピュータに実行させるためのコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016178774A JP6804908B2 (ja) | 2016-09-13 | 2016-09-13 | 推定装置、推定方法及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016178774A JP6804908B2 (ja) | 2016-09-13 | 2016-09-13 | 推定装置、推定方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018042672A true JP2018042672A (ja) | 2018-03-22 |
JP6804908B2 JP6804908B2 (ja) | 2020-12-23 |
Family
ID=61693916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016178774A Active JP6804908B2 (ja) | 2016-09-13 | 2016-09-13 | 推定装置、推定方法及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6804908B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190109121A (ko) * | 2018-03-16 | 2019-09-25 | 울산과학기술원 | 시계열 데이터의 분석 및 예측을 위한 통합적인 딥러닝 시스템 |
WO2020008878A1 (ja) * | 2018-07-02 | 2020-01-09 | ソニー株式会社 | 測位装置、測位方法、及びプログラム |
JP2021023689A (ja) * | 2019-08-08 | 2021-02-22 | 国立大学法人 筑波大学 | 判定装置、光照射装置、及びプログラム |
JP2022054544A (ja) * | 2020-09-28 | 2022-04-07 | カシオ計算機株式会社 | 測定装置、測定方法及びプログラム |
JP7408132B2 (ja) | 2019-12-02 | 2024-01-05 | 地方独立行政法人東京都健康長寿医療センター | 認知症判定プログラム及び認知症判定装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005114537A (ja) * | 2003-10-07 | 2005-04-28 | National Institute Of Advanced Industrial & Technology | 歩行動作検出処理装置および歩行動作検出処理方法 |
JP2011152360A (ja) * | 2010-01-28 | 2011-08-11 | Nippon Telegr & Teleph Corp <Ntt> | 歩行情報抽出装置、歩行情報抽出方法、及びコンピュータ読み取り可能な記憶媒体 |
JPWO2011068184A1 (ja) * | 2009-12-03 | 2013-04-18 | 独立行政法人産業技術総合研究所 | 移動体の測位装置 |
JP2013195143A (ja) * | 2012-03-16 | 2013-09-30 | Nikon Corp | 位置検出装置、電子機器、位置検出システム、及びプログラム |
JP2014117537A (ja) * | 2012-12-18 | 2014-06-30 | Fujitsu Ltd | 波形検出装置、波形検出方法及び波形検出プログラム |
JP2014167461A (ja) * | 2013-02-04 | 2014-09-11 | Ricoh Co Ltd | 慣性装置、方法及びプログラム |
JP2016041155A (ja) * | 2014-08-18 | 2016-03-31 | 高知県公立大学法人 | 姿勢および歩行状態推定装置 |
-
2016
- 2016-09-13 JP JP2016178774A patent/JP6804908B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005114537A (ja) * | 2003-10-07 | 2005-04-28 | National Institute Of Advanced Industrial & Technology | 歩行動作検出処理装置および歩行動作検出処理方法 |
JPWO2011068184A1 (ja) * | 2009-12-03 | 2013-04-18 | 独立行政法人産業技術総合研究所 | 移動体の測位装置 |
JP2011152360A (ja) * | 2010-01-28 | 2011-08-11 | Nippon Telegr & Teleph Corp <Ntt> | 歩行情報抽出装置、歩行情報抽出方法、及びコンピュータ読み取り可能な記憶媒体 |
JP2013195143A (ja) * | 2012-03-16 | 2013-09-30 | Nikon Corp | 位置検出装置、電子機器、位置検出システム、及びプログラム |
JP2014117537A (ja) * | 2012-12-18 | 2014-06-30 | Fujitsu Ltd | 波形検出装置、波形検出方法及び波形検出プログラム |
JP2014167461A (ja) * | 2013-02-04 | 2014-09-11 | Ricoh Co Ltd | 慣性装置、方法及びプログラム |
JP2016041155A (ja) * | 2014-08-18 | 2016-03-31 | 高知県公立大学法人 | 姿勢および歩行状態推定装置 |
Non-Patent Citations (1)
Title |
---|
小川 純平 JUMPEI OGAWA: "キャリブレーション歩行を用いた屋内測位技術に関する検討 A Study on Indoor Positioning System Using W", 電子情報通信学会技術研究報告 VOL.116 NO.216 IEICE TECHNICAL REPORT, vol. 第116巻, JPN6020023612, 7 September 2016 (2016-09-07), JP, ISSN: 0004298240 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190109121A (ko) * | 2018-03-16 | 2019-09-25 | 울산과학기술원 | 시계열 데이터의 분석 및 예측을 위한 통합적인 딥러닝 시스템 |
KR102113218B1 (ko) | 2018-03-16 | 2020-05-20 | 울산과학기술원 | 시계열 데이터의 분석 및 예측을 위한 통합적인 딥러닝 시스템 |
WO2020008878A1 (ja) * | 2018-07-02 | 2020-01-09 | ソニー株式会社 | 測位装置、測位方法、及びプログラム |
CN112334737A (zh) * | 2018-07-02 | 2021-02-05 | 索尼公司 | 定位设备、定位方法和程序 |
JPWO2020008878A1 (ja) * | 2018-07-02 | 2021-07-08 | ソニーグループ株式会社 | 測位装置、測位方法、及びプログラム |
JP7342864B2 (ja) | 2018-07-02 | 2023-09-12 | ソニーグループ株式会社 | 測位プログラム、測位方法、及び測位装置 |
JP2021023689A (ja) * | 2019-08-08 | 2021-02-22 | 国立大学法人 筑波大学 | 判定装置、光照射装置、及びプログラム |
JP7321511B2 (ja) | 2019-08-08 | 2023-08-07 | 国立大学法人 筑波大学 | 判定装置、光照射装置、及びプログラム |
JP7408132B2 (ja) | 2019-12-02 | 2024-01-05 | 地方独立行政法人東京都健康長寿医療センター | 認知症判定プログラム及び認知症判定装置 |
JP2022054544A (ja) * | 2020-09-28 | 2022-04-07 | カシオ計算機株式会社 | 測定装置、測定方法及びプログラム |
JP7222385B2 (ja) | 2020-09-28 | 2023-02-15 | カシオ計算機株式会社 | 測定装置、測定方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6804908B2 (ja) | 2020-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6804908B2 (ja) | 推定装置、推定方法及びコンピュータプログラム | |
KR102292683B1 (ko) | 보행 환경 인식 방법 및 장치 | |
CN107635204B (zh) | 一种运动行为辅助的室内融合定位方法及装置、存储介质 | |
JP5931215B2 (ja) | 姿勢を推定する方法及び装置 | |
CN107966161B (zh) | 基于fft的步行检测方法 | |
JP6436663B2 (ja) | 血圧推定装置 | |
TWI582389B (zh) | 以步態偵測方法進行慣性定位的導航系統 | |
JP5509153B2 (ja) | 歩容解析方法、歩容解析装置及びそのプログラム | |
EP2613124A2 (en) | Robust method for signal segmentation for motion classification in personal navigation | |
KR102363879B1 (ko) | 환자의 상지 동작에 의해 도출되는 특징값을 이용한 임상평가척도 예측 방법 | |
US11494702B2 (en) | Task estimation method and information processing apparatus | |
CN104457741A (zh) | 一种基于蚁群算法误差修正的人体手臂运动跟踪方法 | |
Li et al. | An indoor positioning error correction method of pedestrian multi-motions recognized by hybrid-orders fraction domain transformation | |
US20220142850A1 (en) | Method and apparatus for recognizing gait task | |
KR102018416B1 (ko) | 사용자의 자세나 자세의 변화에 기초하여 배뇨 또는 사정을 모니터링하기 위한 장치 내지 시스템, 배뇨 또는 사정을 모니터링하는 방법, 그리고 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체 | |
JP6877927B2 (ja) | 測位装置、測位方法及びコンピュータプログラム | |
CN108051001A (zh) | 一种机器人移动控制方法、系统及惯性传感控制装置 | |
JP2018089161A (ja) | 対象者認識方法、装置、システム、プログラム | |
CN116952277A (zh) | 一种基于人工智能和行为特征的潜在位置估算方法及系统 | |
KR101869304B1 (ko) | 컴퓨터를 이용한 수화어 인식시스템, 방법 및 인식프로그램 | |
CN112741617A (zh) | 一种基于csi的全方向步态检测算法 | |
CN109186594A (zh) | 利用惯性传感器和深度摄像头传感器获取运动数据的方法 | |
WO2021129487A1 (zh) | 一种用户的肢体节点的位置确定方法、装置、介质及系统 | |
CN114190886A (zh) | 噪声波形除去装置及方法、模型训练装置及方法、生成模型以及可穿戴设备 | |
CN108871331B (zh) | 跑动步长估计、跑动轨迹检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170913 Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170913 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190708 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200624 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200904 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201016 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201104 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6804908 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |