JP2019051243A - 歩幅推定装置および歩幅推定プログラム - Google Patents

Abstract

【課題】スマートフォン等の携帯端末により被験者の歩幅をより精度よく推定することを可能にする歩幅推定装置を提供する。【解決手段】本発明の歩幅推定装置は、被験者の脚部に取り付けられ、歩行中の被験者の脚部に作用する加速度を検出する加速度センサと、被験者の脚部に取り付けられ、歩行中の被験者の腰部に作用する水平方向の角速度を検出する腰部角速度センサと、加速度センサにより検出された加速度に基づいて、被験者の脚部の移動量Ｌ２，Ｌ３を算出する第１演算部と、腰部角速度センサにより検出された角速度に基づいて、被験者の腰部の移動量Ｌ１を算出する第２演算部と、脚部の移動量Ｌ２，Ｌ３と腰部の移動量Ｌ１とから、被験者の歩幅Ｌ５を算出する第３演算部と、を有する。【選択図】図４

Description

本発明は、歩幅推定装置および歩幅推定プログラムに関する。

歩幅は、人の動作解析において重要なパラメータであり、測位等に関する研究のみならず、運動器症候群（ロコモティブシンドローム）の評価に関する研究にも用いられる。

これに関連して、下記の非特許文献１，２には、スマートフォンを利用して、被験者の歩幅を推定する技術が提案されている。非特許文献１の技術は、ズボンのポケットに収納したスマートフォンのジャイロセンサにより、歩行中の被験者の大腿部に作用する角速度を検出して、被験者の歩幅を推定する。この技術によれば、専用機器を用いて被験者の歩幅を計測するモーションキャプチャ等の技術に比べて、被験者の歩幅を簡単に推定することが可能になる。

また、非特許文献２の技術は、被験者の大腿部の正面にスマートフォンを取り付け、被験者の大腿部に作用する角速度を検出して、被験者の歩幅を推定する。この技術によれば、非特許文献１の技術に比べて、歩幅の推定精度が向上する。

新島有信、外２名、「ズボンのポケットに収納したスマートフォンによる歩容解析方法に関する検討」、電子情報通信学会研究報告、電子情報通信学会、２０１４年７月２１日、第１１４巻、第１５７号、ｐ．７７−８４ 田村宏樹、古川慶喜、「スマートフォンを用いたロコモティブシンドローム推定に関する研究」、生体医工学シンポジウム２０１６、２０１６年９月１７日−１８日

しかしながら、歩幅の推定精度については、非特許文献２の技術でも、モーションキャプチャ等の技術と同等の信頼性が得られるまでには至っておらず、歩幅の推定精度のさらなる向上が望まれている。

本発明は、上述した課題に鑑みてなされたものである。したがって、本発明の目的は、スマートフォン等の携帯端末により被験者の歩幅をより精度よく推定することを可能にする歩幅推定装置および歩幅推定プログラムを提供することである。

本発明の上記目的は、下記の手段によって達成される。

本発明の歩幅推定装置は、加速度センサ、腰部角速度センサ、および第１〜第３演算部を有する。前記加速度センサは、被験者の脚部に取り付けられ、歩行中の前記被験者の前記脚部に作用する加速度を検出する。前記腰部角速度センサは、前記被験者の前記脚部に取り付けられ、歩行中の前記被験者の腰部に作用する水平方向の角速度を検出する。前記第１演算部は、前記加速度センサにより検出された加速度に基づいて、前記被験者の前記脚部の移動量を算出する。前記第２演算部は、前記腰部角速度センサにより検出された角速度に基づいて、前記被験者の前記腰部の移動量を算出する。前記第３演算部は、前記脚部の移動量と前記腰部の移動量とから、前記被験者の歩幅を算出する。

本発明の歩幅推定プログラムは、手順（ａ）〜手順（ｃ）をコンピュータに実行させる。前記手順（ａ）では、被験者の脚部に取り付けられた加速度センサにより検出される、歩行中の前記被験者の前記脚部に作用する加速度に基づいて、前記被験者の前記脚部の移動量が算出される。前記手順（ｂ）では、前記被験者の前記脚部に取り付けられた腰部角速度センサにより検出される、歩行中の前記被験者の腰部に作用する水平方向の角速度に基づいて、前記被験者の前記腰部の移動量が算出される。前記手順（ｃ）では、前記脚部の移動量と前記腰部の移動量とから、前記被験者の歩幅が算出される。

本発明によれば、被験者の脚部の動作に加え、腰部の水平方向の動作を考慮して歩幅が算出されるため、被験者の歩幅をより精度よく推定することが可能になる。

本発明の一実施形態に係る歩幅推定装置が適用された携帯端末の使用状態を示す図である。 携帯端末の軸構成を示す斜視図である。 携帯端末の概略構成を示すブロック図である。 歩幅推定処理の手順を示すフローチャートである。 腰部の回旋モデルを示す図である。 歩幅の第１計算モデルを示す図である。 歩幅の第２計算モデルを示す図である。 歩行中の被験者の脚部の傾斜角度の変化を模式的に示す図である。 被験者の矢状面上の歩行動作を説明するための図である。 被験者の横断面上の歩行動作を説明するための図である。 歩幅の第３計算モデルを示す図である。 実施例および比較例により算出された歩幅の誤差率を示す図である。 腰部の移動量と歩幅との関係を示す図である。 腰部の移動量と歩幅との関係を示す図である。 閾値と歩幅推定の誤差率との関係を示す図である。

以下、図面を参照して、本発明の実施形態を詳細に説明する。

図１は、本発明の一実施形態に係る歩幅推定装置が適用された携帯端末の使用状態を示す図であり、図２は、携帯端末の軸構成を示す斜視図である。

本実施形態の携帯端末１０は、スマートフォンやタブレット端末等のモバイル装置である。携帯端末１０は、表示面１４ａに直交する向きにＺ軸が設定されており、表示面１４ａに平行な向きにＸ軸およびＹ軸が設定されている。Ｘ軸は、矩形状の表示面１４ａの短辺に平行な向きに設定されており、Ｙ軸は、表示面１４ａの長辺に平行な向きに設定されている。携帯端末１０は、表示面１４ａが正面（進行方向）を向くように被験者１の大腿部に取り付けられ、被験者１の歩幅を算出する。

図３は、携帯端末の概略構成を示すブロック図である。携帯端末１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２、ストレージ１３、操作表示部１４、加速度センサ１５、ジャイロセンサ１６、および通信部１７を備えており、これらは信号をやり取りするためのバス１８を介して相互に接続されている。

ＣＰＵ１１は、ストレージ１３に記録されているプログラムにしたがって、上記各部の制御や各種の演算処理を行う。

ＲＡＭ１２は、作業領域として一時的にプログラムやデータを記憶する。

ストレージ１３は、たとえば、フラッシュメモリであり、オペレーティングシステムを含む各種プログラムや各種データを格納する。ストレージ１３には、被験者の歩幅を推定するための歩幅推定プログラムが記憶されている。また、ストレージ１３には、人間の身長、年齢、および性別と、脚長Ｌ_ｌｅｇおよび腰幅（骨盤の幅）Ｗとを互いに関連付けた変換テーブルが記憶されている。

操作表示部１４は、たとえば、タッチパネル式のディスプレイであり、各種情報を表示するとともに、ユーザーからの各種入力を受け付ける。

加速度センサ１５は、３軸の加速度センサであり、携帯端末１０のＸ軸、Ｙ軸、およびＺ軸方向の加速度をそれぞれ検出する。

ジャイロセンサ１６は、３軸のジャイロセンサであり、携帯端末１０のＸ軸、Ｙ軸、およびＺ軸周りの角速度をそれぞれ検出する。

通信部１７は、他の機器と通信するためのインターフェースであり、たとえば、携帯電話通信用の４Ｇ（４ｔｈ Ｇｅｎｅｒａｔｉｏｎ）等の規格や、Ｗｉ−Ｆｉ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）等の規格が用いられる。

携帯端末１０のＣＰＵ１１は、対応するプログラムを実行することによって、第１〜第４演算部および出力制御部として機能する。ここで、第１演算部は、加速度センサ１５により検出された加速度情報に基づいて、被験者１の脚部の移動量を算出する。第２演算部は、ジャイロセンサ１６により検出された角速度情報に基づいて、被験者１の腰部の移動量を算出する。第３演算部は、脚部の移動量と腰部の移動量とから被験者１の歩幅を算出する。第４演算部は、ジャイロセンサ１６により検出された角速度情報に基づいて、被験者１の歩幅を算出する。出力制御部は、腰部の移動量が所定の閾値を超える場合、第３演算部により算出された歩幅を出力する一方で、腰部の移動量が閾値以下の場合、第４演算部により算出された歩幅を出力する。各部の具体的な処理内容については後述する。

なお、携帯端末１０は、上述した構成要素以外の構成要素を含んでいてもよく、あるいは、上述した構成要素のうちの一部が含まれていなくてもよい。

以上のとおり構成される携帯端末１０は、被験者１の大腿部に取り付けられ、被験者１の歩幅を算出する。以下、図４〜図１０を参照して、被験者１の歩幅を算出する携帯端末１０の動作について説明する。なお、以下では、直立状態の被験者が左脚および右脚の順番で前方に脚を１歩ずつ踏み出したときの２歩分の歩幅を算出する場合を例に挙げて説明する。

図４は、携帯端末により実行される歩幅推定処理の手順を示すフローチャートである。なお、図４のフローチャートにより示されるアルゴリズムは、携帯端末１０のストレージ１３にプログラムとして記憶されており、ＣＰＵ１１によって実行される。

まず、携帯端末１０は、被験者情報を取得する（ステップＳ１０１）。本実施形態では、被験者が、携帯端末１０の操作表示部１４を操作して、自身の身長、年齢、および性別を入力する。携帯端末１０のＣＰＵ１１は、操作表示部１４を介して入力された身長、年齢、および性別を被験者情報として取得する。

次に、携帯端末１０は、被験者情報から、被験者の脚長Ｌ_ｌｅｇおよび腰幅Ｗを決定する（ステップＳ１０２）。より具体的には、携帯端末１０のＣＰＵ１１は、ストレージ１３に記憶されている変換テーブルを参照して、被験者の身長、年齢、および性別から、被験者の脚長Ｌ_ｌｅｇおよび腰幅Ｗを決定する。

次に、携帯端末１０は、被験者１の歩行データを取得する（ステップＳ１０３）。本実施形態では、表示面１４ａが正面を向くように携帯端末１０が被験者１の大腿部に取り付けられた後、被験者１が所定時間だけ歩行する。携帯端末１０のＣＰＵ１１は、その間の加速度センサ１５およびジャイロセンサ１６の値を取得して、被験者の歩行データとしてストレージ１３に記憶させる。

以上のとおり、図４のステップＳ１０１〜Ｓ１０３に示す処理によれば、被験者の情報が携帯端末１０に入力された後、被験者の大腿部に携帯端末１０が取り付けられる。そして、被験者が歩行している間の加速度センサ１５およびジャイロセンサ１６の値が、被験者の歩行データとして記録される。

次に、携帯端末１０は、被験者の歩行データを解析して、被験者１が２歩進むときの被験者１の腰部の水平方向の回転角度θ_１を算出する（ステップＳ１０４）。本実施形態では、携帯端末１０のＣＰＵ１１は、まず、歩行データに含まれるＹ軸およびＺ軸方向の加速度データを解析して、被験者の右脚が最も後ろに引かれている第１時点ｔ_１（左脚が着地した時点に相当）と、右脚が最も前に出ている第２時点ｔ_２（右脚が着地した時点に相当）を算出する。続いて、ＣＰＵ１１は、歩行データの中から、Ｙ軸周りの角速度データを抽出する。そして、ＣＰＵ１１は、下記の数式（１）に示すとおり、Ｙ軸周りの角速度ｇ_ｙの絶対値を第１時点ｔ_１から第２時点ｔ_２まで積分して、被験者の腰部の水平方向の回転角度θ_１を算出する。なお、Ｙ軸およびＺ軸方向の加速度データを解析して、第１および第２時点ｔ_１，ｔ_２を算出する処理の詳細については後述する。

次に、携帯端末１０は、腰部の水平方向の回転角度θ_１から、被験者１が２歩進むときの被験者１の腰部の移動量Ｌ_１を算出する（ステップＳ１０５）。具体的には、携帯端末１０のＣＰＵ１１は、図５に示すような被験者の腰部１ａの回旋モデル２０に基づいて、下記の数式（２）に示す幾何学的な計算を行い、腰部１ａの水平方向の回転に伴う腰部１ａの移動量（移動距離）Ｌ_１を算出する。

以上のとおり、図４のステップＳ１０４〜Ｓ１０５に示す処理によれば、被験者の歩行データが解析され、被験者１が２歩進むときの被験者１の腰部１ａの移動量Ｌ_１が算出される。

次に、携帯端末１０は、被験者１の腰部の移動量Ｌ_１が所定の閾値Ｌ_ｔｈ以下であるか否かを判断する（ステップＳ１０６）。ここで、閾値Ｌ_ｔｈは、歩幅を算出するための計算モデルを切り替える際の基準となる値であり、腰部の移動量の一般的な値等を考慮して設定される。閾値Ｌ_ｔｈは、たとえば、１２ｃｍに設定される。

腰部の移動量Ｌ_１が閾値Ｌ_ｔｈ以下であると判断する場合（ステップＳ１０６：ＹＥＳ）、携帯端末１０は、ステップＳ１１０の処理に移る。

一方、腰部の移動量Ｌ_１が閾値Ｌ_ｔｈ以下でないと判断する場合（ステップ１０６：ＮＯ）、携帯端末１０は、被験者の歩行データを解析して、被験者１が２歩進むときの被験者１の大腿部の傾斜角度θ_２，θ_３を算出する（ステップＳ１０７）。より具体的には、携帯端末１０のＣＰＵ１１は、まず、歩行データの中から、Ｙ軸およびＺ軸方向の加速度データを抽出する。そして、ＣＰＵ１１は、図６に示すような第１計算モデル３０に基づいて、下記の数式（３）に示すとおり、Ｙ軸およびＺ軸方向の加速度データの重力加速度成分から、被験者１の大腿部の傾斜角度θ_２，θ_３を算出する。

ここで、ｇｒａｖｉｔｙＹは、被験者の大腿部に作用するＹ軸方向の重力加速度を示し、ｇｒａｖｉｔｙＺは、被験者の大腿部に作用するＺ軸方向の重力加速度を示す。そして、傾斜角度θ_２は、右脚が最も後ろに引かれている第１時点ｔ_１における大腿部の傾斜角度であり、傾斜角度θ_３は、右脚が最も前に出ている第２時点ｔ_２における大腿部の傾斜角度である。

次に、携帯端末１０は、大腿部の傾斜角度θ_２，θ_３から、被験者１が２歩進むときの被験者１の脚部の移動量Ｌ_４（＝Ｌ_２＋Ｌ_３）を算出する（ステップＳ１０８）。具体的には、携帯端末１０のＣＰＵ１１は、第１計算モデル３０に基づいて、下記の数式（４）に示す幾何学的な計算を行い、被験者の脚部の移動量Ｌ_４（＝Ｌ_２＋Ｌ_３）を算出する。

次に、携帯端末１０は、腰部の移動量Ｌ_１と脚部の移動量Ｌ_４とを合算して、被験者の歩幅Ｌ_５を算出する（ステップＳ１０９）。より具体的には、携帯端末１０のＣＰＵ１１は、第１計算モデル３０に基づいて、下記の数式（５）に示すとおり、腰部の移動量Ｌ_１と脚部の移動量Ｌ_４（＝Ｌ_２＋Ｌ_３）とを足し合わせて、被験者の２歩分の歩幅Ｌ_５を算出する。

以上のとおり、図４のステップＳ１０６〜Ｓ１０９に示す処理によれば、被験者１が２歩進むときの腰部の移動量Ｌ_１が所定の閾値Ｌ_ｔｈを超える場合、脚部の加速度情報に基づいて、被験者１の脚部の移動量Ｌ_４（＝Ｌ_２＋Ｌ_３）が算出される。そして、腰部の移動量Ｌ_１と脚部の移動量Ｌ_４とが合算されて、被験者の２歩分の歩幅Ｌ_５が算出される。

一方、ステップＳ１０６に示す処理において、被験者１の腰部の移動量Ｌ_１が閾値Ｌ_ｔｈ以下であると判断する場合（ステップＳ１０６：ＹＥＳ）、携帯端末１０は、被験者の歩行データを解析して、被験者１が２歩進むときの被験者１の股関節の最大回動角度θ_ｍａｘを算出する（ステップＳ１１０）。具体的には、携帯端末１０のＣＰＵ１１は、まず、歩行データの中から、Ｘ軸周りの角速度データを抽出する。そして、ＣＰＵ１１は、図７に示すような第２計算モデル４０に基づいて、下記の数式（６）に示すとおり、Ｘ軸周りの角速度ｇ_ｘを第１時点ｔ_１から第２時点ｔ_２まで積分して、その絶対値を被験者の股関節の最大回動角度θ_ｍａｘとして算出する。

次に、携帯端末１０は、被験者の歩幅Ｌ_６を算出する（ステップＳ１１１）。具体的には、携帯端末１０のＣＰＵ１１は、第２計算モデル４０に基づいて、下記の数式（７）に示す幾何学的な計算を行い、被験者の２歩分の歩幅Ｌ_６を算出する。

以上のとおり、図４のステップＳ１１０〜Ｓ１１１に示す処理によれば、被験者１が２歩進むときの腰部の移動量Ｌ_１が閾値Ｌ_ｔｈ以下の場合、脚部の角速度情報に基づいて、被験者の２歩分の歩幅Ｌ_６が算出される。なお、図４のステップＳ１１０〜Ｓ１１１に示す処理と同様の処理は、上記の非特許文献２により公知である。

そして、携帯端末１０は、被験者の歩幅を表示面１４ａに表示し（ステップＳ１１２）、処理を終了する。具体的には、被験者の腰部の移動量Ｌ_１が閾値Ｌ_ｔｈを超える場合、携帯端末１０のＣＰＵ１１は、ステップＳ１０９に示す処理で算出した歩幅Ｌ_５を表示面１４ａに表示させる。一方、被験者の腰部の移動量Ｌ_１が閾値Ｌ_ｔｈ以下の場合、ＣＰＵ１１は、ステップＳ１１１に示す処理で算出した歩幅Ｌ_６を表示面１４ａに表示させる。

以上のとおり、図４に示すフローチャートの処理によれば、被験者１が２歩進むときの腰部の移動量Ｌ_１が算出され、腰部の移動量Ｌ_１が所定の閾値Ｌ_ｔｈを超える場合、脚部の加速度情報に基づいて脚部の移動量Ｌ_４（＝Ｌ_２＋Ｌ_３）が算出される。そして、腰部の移動量Ｌ_１と脚部の移動量Ｌ_４とを合算した値が被験者の２歩分の歩幅Ｌ_５として出力される。一方、腰部の移動量Ｌ_１が閾値Ｌ_ｔｈ以下の場合、脚部の角速度情報に基づいて被験者の２歩分の歩幅Ｌ_６が算出されて出力される。

このような構成によれば、歩行時の腰部の移動量（回旋量）が大きい被験者については、腰部の移動量Ｌ_１を考慮して歩幅が算出されるため、被験者の歩幅を精度よく推定できる。一方、歩行時の腰部の移動量が小さい被験者については、脚部の角速度情報に基づいて歩幅が算出されるため、脚部の膝下部分の歩行時の動きが反映され、被験者の歩幅を精度よく推定できる。なお、歩行時の腰部の移動量は小さいものの正常な歩幅を有する被験者は、膝関節よりも下の関節の動きが大きく、ジャイロセンサ１６によりＸ軸周りの角速度を検出した場合、膝関節よりも下の関節の動きも角速度として検出される。

次に、図８を参照して、被験者の歩行データから、被験者の脚部が最も後ろに引かれている第１時点ｔ_１と最も前に出ている第２時点ｔ_２とを算出する処理について説明する。

図８は、歩行中の被験者の脚部の傾斜角度の変化を模式的に示す図である。図８の縦軸は、重力方向を基準とする大腿部の傾斜角度を示し、横軸は時間を示す。

上記の数式（３）に示すとおり、本実施形態では、Ｙ軸方向の重力加速度とＺ軸方向の重力加速度とに基づいて、重力方向に対する脚部の傾斜角度θが求められる。そして、図８に示すとおり、傾斜角度θは、被験者の歩行動作に対応して周期的に変動する。

被験者が２歩進む場合、傾斜角度の曲線の傾きが０であり、かつ、傾斜角度θが極小値をとる状態が、右脚が最も後ろに引かれている状態に相当する。したがって、この状態の傾斜角度が傾斜角度θ_２に相当し、この状態の時点が第１時点ｔ_１に相当する。一方、傾斜角度の曲線の傾きが０であり、かつ、傾斜角度θが極大値をとる状態が、右脚が最も前に出ている状態に相当する。したがって、この状態の傾斜角度が傾斜角度θ_３に相当し、この状態の時点が第２時点ｔ_２に相当する。本実施形態では、Ｙ軸方向およびＺ軸方向の重力加速度を解析して算出される第１および第２時点ｔ_１，ｔ_２を用いて、被験者の歩幅が算出される。

次に、図９および図１０を参照して、本実施形態の歩幅推定処理についてより具体的に説明する。

図９は、被験者の矢状面上の歩行動作を説明するための図であり、図１０は、被験者の横断面上の歩行動作を説明するための図である。

図９に示すとおり、一般的な歩幅推定処理では、被験者１の矢状面５０上の歩行動作のみが着目され、矢印５１に示すとおり、被験者の歩行動作が進行方向の横から観察される。したがって、一般的な歩幅推定処理では、被験者１の大腿部の変化のみに基づいて歩幅が推定されるため、被験者１の腰部回旋動作が考慮されず、とりわけ、歩行時の腰部回旋量が大きい被験者について、十分な歩幅の推定精度が得られない。

一方、図１０に示すとおり、本実施形態の歩幅推定処理では、被験者１の矢状面５０上の歩行動作に加え、横断面６０上の歩行動作が着目され、矢印６１に示すとおり、被験者１の歩行動作が上からも観察される。したがって、本実施形態の歩幅推定処理では、被験者１の大腿部の変化と腰部の水平方向の変化とに基づいて歩幅が推定されるため、とりわけ、歩行時の腰部回旋量が大きい被験者について、歩幅の推定精度が向上する。

以上のとおり、説明した本実施形態は、以下の効果を奏する。

（ａ）被験者の脚部の動作に加えて、被験者の腰部の水平方向の動作を考慮して歩幅が算出されるため、被験者の歩幅をより精度よく推定することが可能になる。

（ｂ）歩行時の腰部の移動量が小さい被験者については、脚部に作用する角速度に基づいて歩幅が算出されるため、脚部の膝下部分の歩行時の動きが反映され、歩幅を精度よく推定できる。また、歩行時の腰部の移動量により計算モデルが切り替えられるため、歩行動作の個人差に応じた歩幅の推定が可能になる。その結果、歩幅推定処理の汎用性が向上するとともに、歩幅の推定精度がより一層向上する。

以上のとおり、説明した実施形態において、本発明の歩幅推定装置および歩幅推定プログラムを説明した。しかしながら、本発明は、その技術思想の範囲内において当業者が適宜に追加、変形、および省略できることはいうまでもない。

たとえば、上述した実施形態では、図４のステップＳ１０５に示す処理において腰部の移動量Ｌ_１が算出された後、ステップＳ１０６に示す処理において腰部の移動量Ｌ_１が所定の閾値Ｌ_ｔｈと比較された。そして、腰部の移動量Ｌ_１が閾値Ｌ_ｔｈ以下の場合、脚部の角速度情報に基づいて、被験者の歩幅Ｌ_６が算出された（ステップＳ１１０〜Ｓ１１１）。しかしながら、図４のステップＳ１０６、Ｓ１１０、およびＳ１１１に示す処理は省略されてもよい。この場合、ステップＳ１０５に示す処理において腰部の移動量Ｌ_１が算出された後、脚部の加速度情報に基づいて脚部の移動量Ｌ_４が直ちに算出される（ステップＳ１０７〜Ｓ１０８）。そして、脚部の移動量Ｌ_４と腰部の移動量Ｌ_１とを合算して被験者の歩幅Ｌ_５が算出され（ステップＳ１０９）、携帯端末１０の表示面１４ａに歩幅Ｌ_５が表示される（ステップＳ１１２）。

また、上述した実施形態では、被験者の歩幅が算出された後、算出された歩幅の値が携帯端末１０の表示面１４ａに表示された。しかしながら、歩幅の値は、携帯端末１０の表示面１４ａに必ずしも表示される必要はなく、たとえば、電気信号として外部に出力されてもよい。

また、上述した実施形態では、携帯端末１０の表示面１４ａが正面を向くように、携帯端末１０が被験者の大腿部に取り付けられる場合を例に挙げて説明した。しかしながら、携帯端末１０は、必ずしも表示面１４ａが正面を向くように大腿部に取り付けられなくてもよい。この場合、携帯端末１０の傾きを補正するための演算が追加的に行われる。

また、上述した実施形態では、本発明の歩幅推定装置をスマートフォン等のモバイル装置に適用する場合を例に挙げて説明した。しかしながら、本発明の歩幅推定装置は、必ずしもモバイル装置に適用される必要はなく、専用の装置であってもよい。

上述した実施形態に係る歩幅推定装置における各種処理を行う手段および方法は、専用のハードウエア回路、またはプログラムされたコンピュータのいずれによっても実現することが可能である。上記プログラムは、たとえば、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等のコンピュータ読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピュータ読み取り可能な記録媒体に記録されたプログラムは、通常、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等を介して、ストレージ等の記憶部に転送され記憶される。また、上記プログラムは、単独のアプリケーションソフトとして提供されてもよいし、歩幅推定装置の一機能としてその装置のソフトウエアに組み込まれてもよい。

以下、実施例を用いて本発明の実施形態をより詳細に説明する。しかしながら、本発明は、本実施例によって何ら限定されるものではない。

（実施例１）
２０代〜６０代の５４名（男性１２名、女性４２名）の被験者について、携帯端末をサポータにより大腿部に取り付け、各被験者の歩行データを取得した。そして、計算モデルを切り替える際の基準となる腰部の移動量の閾値Ｌ_ｔｈを１２ｃｍに設定して、本実施形態の歩幅推定処理と同様の処理を行い、各被験者の２歩分の歩幅を算出した。

（実施例２）
５４名分の歩行データについて、各被験者の腰部の移動量を算出した後、腰部の移動量により計算モデルを切り替えることなく、上記の第１計算モデル３０に基づいて、脚部の加速度情報から脚部の移動量Ｌ_４を算出した。そして、腰部の移動量と脚部の移動量とを合算して、各被験者の２歩分の歩幅Ｌ_５を算出した。

（比較例１）
５４名分の歩行データについて、各被験者の腰部の移動量を算出することなく、上記の第２計算モデル４０に基づいて、脚部の角速度情報から各被験者の２歩分の歩幅Ｌ_６を算出した。

（比較例２）
５４名の被験者について、各被験者のズボンのポケットに収納した携帯端末により歩行データを取得した。そして、５４名分の歩行データについて、上記の非特許文献１と同様の処理を行って、各被験者の２歩分の歩幅を算出した。具体的には、図１１に示すような第３計算モデル７０に基づいて、被験者の直立時の重力加速度が最大になる１軸（たとえば、Ｙ軸）を決定し、１軸の重力加速度が最大値をとる第１時点ｔ_０と最小値をとる第２時点ｔ_１を算出した。そして、下記の数式（８）に示すとおり、残りの２軸（たとえば、Ｘ軸、Ｚ軸）の軸周りの角速度の和ｇ_ｋ（＝ｇ_ｘ＋ｇ_ｚ）を第１時点ｔ_０から第２時点ｔ_１まで積分して、重力方向に対する大腿部の最大傾斜角度θ_ｍａｘを算出した。

そして、第３計算モデル７０に基づいて、下記の数式（９）に示す幾何学的な計算を行い、各被験者の２歩分の歩幅Ｌ_７を算出した。

（誤差率の評価）
５４名の被験者について、マイクロソフト社製のモーションセンサであるＫｉｎｅｃｔセンサを用いて２歩分の歩幅を直接的に計測した。そして、Ｋｉｎｅｃｔセンサにより直接的に計測された歩幅を基準（真値）として、実施例１，２および比較例１，２によりそれぞれ算出された歩幅の真値からの誤差（平均誤差および最大誤差）を算出して、歩幅の推定精度を評価した。評価結果を図１２に示す。

図１２に示すとおり、実施例１，２および比較例１，２の中では、実施例１が最も小さい誤差率を示し、実施例２がその次に小さい誤差率を示す。したがって、本実施形態の歩幅推定処理によれば、歩幅の推定精度が向上することが分かる。また、腰部の移動量により計算モデルを切り替えることなく、腰部の移動量と脚部の移動量とを合算して歩幅を算出するだけでも、歩幅の推定精度が向上することが分かる。

（腰部の移動量と歩幅との相関性の評価）
本実施形態に係る歩幅推定処理の有効性を確認するために、実施例１により算出された各被験者の歩幅と腰部の移動量との相関性を調べた。被験者の歩幅と腰部の移動量との関係を図１３に示す。また、参考として、Ｋｉｎｅｃｔセンサにより直接的に計測された歩幅と実施例１により算出された腰部の移動量との関係を図１４に示す。なお、図１３および図１４の横軸は、被験者の２歩分の歩幅（ストライド）を示している。

図１３および図１４に示すとおり、腰部の移動量と２歩分の歩幅とは、閾値１２ｃｍを境として、異なる相関を示す。具体的には、閾値１２ｃｍを超える場合、図１３および図１４の両方において、腰部の移動量と歩幅とは比例関係を示す。また、閾値１２ｃｍ以下の場合、図１３および図１４のいずれにおいても、腰部の移動量と歩幅とは比例関係を示さない。したがって、本実施形態に係る歩幅推定処理により推定される歩幅は、Ｋｉｎｅｃｔセンサより計測される歩幅と同様の傾向を有し、閾値Ｌ_ｔｈを１２ｃｍに設定したことが妥当であることが分かる。

（閾値の評価）
５４人分の歩行データについて、計算モデルを切り替える際の基準となる閾値Ｌ_ｔｈを０．５ｃｍ単位で変更しつつ、本実施形態に係る歩幅推定処理と同様の処理を行い、被験者の２歩分の歩幅をそれぞれ算出した。そして、Ｋｉｎｅｃｔセンサにより計測された歩幅との最大誤差、その次に大きい誤差（第２最大誤差）、および平均誤差を算出して、閾値Ｌ_ｔｈを評価した。評価結果を図１５に示す。

図１５に示すとおり、閾値Ｌ_ｔｈが１２〜１４ｃｍの範囲では、最大誤差、第２最大誤差、および平均誤差のすべてが最小値をとる。したがって、計算モデルを切り替える際の閾値Ｌ_ｔｈが１２〜１４ｃｍの間に設定されるべきことが分かる。

１０ 携帯端末、
１１ ＣＰＵ（第１〜第４演算部、出力制御部）、
１２ ＲＡＭ、
１３ ストレージ、
１４ 操作表示部、
１４ａ 表示面、
１５ 加速度センサ、
１６ ジャイロセンサ（腰部角速度センサ、脚部角速度センサ）、
１７ 通信部、
１８ バス、
２０ 回旋モデル、
３０，４０，７０ 計算モデル、
５０ 矢状面、
６０ 横断面。

Claims (4)

1. 被験者の脚部に取り付けられ、歩行中の前記被験者の前記脚部に作用する加速度を検出する加速度センサと、
   前記被験者の前記脚部に取り付けられ、歩行中の前記被験者の腰部に作用する水平方向の角速度を検出する腰部角速度センサと、
   前記加速度センサにより検出された加速度に基づいて、前記被験者の前記脚部の移動量を算出する第１演算部と、
   前記腰部角速度センサにより検出された角速度に基づいて、前記被験者の前記腰部の移動量を算出する第２演算部と、
   前記脚部の移動量と前記腰部の移動量とから、前記被験者の歩幅を算出する第３演算部と、
   を有する歩幅推定装置。
2. 前記被験者の前記脚部に取り付けられ、歩行中の前記被験者の前記脚部に作用する角速度を検出する脚部角速度センサと、
   前記脚部角速度センサにより検出された角速度に基づいて、前記被験者の歩幅を算出する第４演算部と、
   前記腰部の移動量が所定の閾値を超える場合、前記第３演算部により算出された歩幅を出力する一方で、前記腰部の移動量が前記閾値以下の場合、前記第４演算部により算出された歩幅を出力する出力制御部と、をさらに有する、請求項１に記載の歩幅推定装置。
3. 被験者の脚部に取り付けられた加速度センサにより検出される、歩行中の前記被験者の前記脚部に作用する加速度に基づいて、前記被験者の前記脚部の移動量を算出する手順（ａ）と、
   前記被験者の前記脚部に取り付けられた腰部角速度センサにより検出される、歩行中の前記被験者の腰部に作用する水平方向の角速度に基づいて、前記被験者の前記腰部の移動量を算出する手順（ｂ）と、
   前記脚部の移動量と前記腰部の移動量とから、前記被験者の歩幅を算出する手順（ｃ）と、
   をコンピュータに実行させる歩幅推定プログラム。
4. 前記被験者の前記脚部に取り付けられた脚部角速度センサにより検出される、歩行中の前記被験者の前記脚部に作用する角速度に基づいて、前記被験者の歩幅を算出する手順（ｄ）と、
   前記腰部の移動量が所定の閾値を超える場合、前記手順（ｃ）において算出された歩幅を出力する一方で、前記腰部の移動量が前記閾値以下の場合、前記手順（ｄ）において算出された歩幅を出力する手順（ｅ）と、をさらにコンピュータに実行させる、請求項３に記載の歩幅推定プログラム。