JP2020000854A - 走行又は歩行している個人の実時間の歩長と速度を計算する方法 - Google Patents

走行又は歩行している個人の実時間の歩長と速度を計算する方法 Download PDF

Info

Publication number
JP2020000854A
JP2020000854A JP2019105042A JP2019105042A JP2020000854A JP 2020000854 A JP2020000854 A JP 2020000854A JP 2019105042 A JP2019105042 A JP 2019105042A JP 2019105042 A JP2019105042 A JP 2019105042A JP 2020000854 A JP2020000854 A JP 2020000854A
Authority
JP
Japan
Prior art keywords
time window
acceleration
individual
instantaneous
calculated
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
Application number
JP2019105042A
Other languages
English (en)
Other versions
JP6785917B2 (ja
Inventor
アボルファズル・ソルタニ
Soltani Abolfazl
フーマン・デジナバディ
Dejnabadi Hooman
カミアル・アミニアン
Aminian Kamiar
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.)
Swatch Group Research and Development SA
Original Assignee
Swatch Group Research and Development SA
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 Swatch Group Research and Development SA filed Critical Swatch Group Research and Development SA
Publication of JP2020000854A publication Critical patent/JP2020000854A/ja
Application granted granted Critical
Publication of JP6785917B2 publication Critical patent/JP6785917B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61B5/112—Gait analysis
    • 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
    • A61B5/68—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/006—Pedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G01S19/19—Sporting applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes
    • 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
    • A61B5/103—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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

【課題】 歩行又は走行している個人の歩長を正確かつ実時間にて評価する方法を提供する。【解決手段】 本発明は、時間窓n'にてパス（４）に沿って歩行している個人（１）の速度【数１】の評価を計算する方法に関する。これは、個人の歩長【数２】を計算するステップ（３０４）と、【数３】を用いて速度【数４】を計算するステップ（３０８）とを備える。【選択図】 図８

Description

本発明は、走行又は歩行している個人の歩長と速度の実時間評価を計算する方法に関する。
歩容の速度と歩長は、個人の日々の活動を特徴づける重要なパラメーターである。例えば、スポーツの場合において、競技者を評価するために、そして、パーソナライズされたトレーニングセッションを設計するために速度を用いて、パフォーマンスを改善させ、けがのリスクを減らそうとすることがある。臨床医療の場合において、個人の健康状態を評価するために速度が用いられ、これによって、糖尿病、肥満、心臓血管系の病理のような多くの疾患を医者が診断し、予測し、予防することを支援している。
グローバルナビゲーションサテライトシステム（ＧＮＳＳ）は、個人の歩容速度を測定するために広く用いられている基本的なシステムである。ＧＮＳＳは正確であり、ＧＮＳＳトランスポンダーを埋め込まれた多くのウェアラブルデバイスが設計されており、このＧＮＳＳトランスポンダーの測定結果を、実生活の状態においても、個人の歩容速度を計算するために用いることができる。しかし、屋内、トンネル内、高層ビルの近く、狭い谷のように、衛星のカバー範囲から外れるためにＧＮＳＳ信号が弱かったりなかったりする場所がある。また、ＧＮＳＳトランスポンダーはパワー消費が非常に大きく、そのために、連続的ではなく散発的にＧＮＳＳトランスポンダーを用いることが好ましいこととなる。
日々の生活において個人の歩容速度を測定する別の方法として、慣性センサーベースのシステムがある。多くの慣性センサーは、個人の身体の下肢部（例えば、足、脚、もも）に取り付けて用いられるが、上肢部（例えば、胴、腰）に取り付けるものもある。
また、多くのセンサーを用いて個人の身体の異なる部分に取り付け、これらの部分の測定結果を組み合わせて歩容速度の評価のパフォーマンスを向上させることも知られている。
慣性センサーベースのシステムは、歩容のケイデンス（すなわち、単位時間当たりの歩数）と歩長を乗算することによって、歩容速度を評価する。このようなシステムは、通常、異なる歩容の段階の間に特定の瞬間（例えば、ヒルストライク、トーオフ、ミッドスイング）を感知することによってケイデンスを計算する。
通常の慣性センサーベースのシステムにおいては、個人の歩容を幾何学的モデリングをしたり（例えば、逆振り子運動に基づくもの）、加速度を二重積分したり、機械学習に基づく歩容の抽象的モデリングをしたりすることによって、歩長が計算される。
慣性ベースのシステムの主な利点として、日々の生活の条件において使用することができることがある。慣性システムの別の利点として、精度が許容できる範囲であることがある。しかし、主な課題として、慣性システムが各測定段階の最初にセンサーの較正を必要とし、これには身体に着用するためにユーザーによる専門的知識を必要とすることがある。別の課題として、ユーザーの身体上にセンサーを配置することが、特に複数のセンサーを必要とする場合に、不便であると思われることが多いということがある。このことによって、慣性システムが商業的に成功していないことを説明することができるかもしれない。
手首に着用される慣性センサーに基づいて個人の歩容速度を評価する方法が紹介されたのは最近になってからである。
多くの既知の方法は、抽象的モデリングを用いる。これは、生データからいくつかの特徴を抽出し、そして、回帰モデルを構築して、速度を評価する。手首ベースの速度評価のための基本的な特徴は、信号のエネルギー、ケイデンス、平均交差率、そして、加速度信号の平均、標準偏差及びメジアンのような統計的特徴である。例えば、文献、B. Fasel et al., “A wrist sensor and algorithm to determine instantaneous walking cadence and speed in daily life walking,” Med. Biol. Eng. Comput., vol. 55, pp. 1773-1785, 2017を参照されたい。また、Faselは、運動の強度も特徴として提案している。これは、手首の加速度の平均と標準偏差との積である。また、Faselは、速度の評価のための特徴として、（気圧センサーに基づく）パスの傾きも提案している。
しかし、（Faselの方法を含む）最良の方法においても、手と身体の運動の物理量から有用な情報を少ししか利用していない。また、既存の方法は、個人を多数の人間の平均に標準化する試みによって作られる一般速度モデルに依存している。年齢、性別、身長及び体重のパラメーターを用いて一般速度モデルをある程度適合させる試みがなされているが、奮闘しているときに自身の歩容速度を管理するように各個人が利用するであろう戦略については利用せず、モデルは標準的なものにとどまる。
本発明は、歩行又は走行している個人の歩長を正確かつ実時間にて評価する方法を提案することを目的とする。
本発明は、個人の歩容を学習し、その個人の活動のふるまいに自動的に適合することができるパーソナライズされた方法を提案することを別の目的とする。
本発明は、手首に着用可能なデバイス内にて実装することができ、身体活動の長期間モニタリングのための容易に使用できる測定を提供する方法を提案することを別の目的とする。
本発明は、手首に着用可能なデバイスの自律性を向上させるパワー消費が低い計算方法を提案することを別の目的とする。
このような状況で、第１の態様において、請求項１に記載の時間窓における個人の歩長の評価を計算する方法を提案する。
第２の態様において、請求項１０に記載の時間窓における個人の速度の評価を計算する方法を提案する。
第３の態様において、計算ユニットに接続する読み取り可能なメモリーにて実装されるコンピュータープログラムを提案する。このコンピュータープログラムは、前記の歩長を計算する方法及び／又は速度を計算する方法を実行する命令を含む。
第４の態様において、読み取り可能なメモリーと、それに接続された計算ユニットを有する手首に着用可能なデバイスであって、前記読み取り可能なメモリーに前記コンピュータープログラムが実装されるものを提案する。
図面を参照しながら好ましい実施形態についての詳細な説明を読むことで、本発明の前記の特徴や利点や他の特徴や利点が明確になるであろう。
手首に着用可能なデバイスが手首に取り付けられた個人の斜視図である。 歩行（又は走行）セッションの間に個人がたどるパスについての概略的な斜視図である。 傾きがないパス上を走行している個人を側方から見た概略図である。 正の傾きのパス上を走行している個人を側方から見た概略図である。 負の傾きのパス上を走行している個人を側方から見た概略図である。 歩行又は走行している個人の歩長と速度の実時間評価を計算するシステムが埋め込まれた手首に着用可能なデバイスである。 動いている個人の腕を示している斜視図であり、図６の手首に着用可能なデバイスがその腕に取り付けられている。 歩行又は走行している個人の歩長と速度の実時間評価を計算する方法の異なる段階とステップをまとめた図である。 ２つの対の重なり合った曲線を示しているグラフである。左側のグラフは、走行している個人の重なり合った速度曲線の対であり、ＧＮＳＳ構築された基準曲線、及び本発明の方法によって計算された予測曲線を含んでいる。右側のグラフは、歩行している個人についての同様なグラフである。
図１に、立っている個人１を概略的に示している。この個人１は、健康であるはずであり、脚や腕を含む自身の要素をすべてを有しており、腕には手首２がある。個人１は、（個人１の全体的な対称面である）鉛直方向の矢状平面Ｐ１と、この矢状平面Ｐ１に垂直な鉛直方向の正面平面Ｐ２を定めている。図１に示しているように、手首に着用可能なデバイスないし「スマートウォッチ」３が、個人の手首の少なくとも一方、ここでは、右の手首２、に取り付けられている。
スマートウォッチ３は、個人１がパス４上を立って動いているとき（すなわち、走行しているか歩行しているとき）に、個人１の活動をモニタリングし、様々なパラメーターを推量するように構成している。図２において、このパス４の高度の変化を意図的に誇張している。
実際に、（図３に示すように）パス４の一部が平坦であるが、他の部分は傾いており傾きＡを有している。この傾きＡは、個人１から見て、正であったり（図４）、負であったりする（図５）。
個人１は、
− 歩容速度V（単位ｍ・ｓ-1で表される）で、
− ケイデンスｃａｄ（単位ｓ-1又はＨｚで表される）で、
− 歩長SL（単位ｍで表される）で、
動いている。
スマートウォッチ３は、
− 計算ユニット５、
− 計算ユニット５に接続された読み取り可能なメモリー６、
− すべて計算ユニット５に接続された加速度計７、気圧計８及びＧＮＳＳトランスポンダー９
を備える。
計算ユニット５、読み取り可能なメモリー６、加速度計７、気圧計８及びＧＮＳＳトランスポンダー９は、ストラップないし腕輪１１によって手首２に取り付けられたケーシング１０内に埋め込まれている。
読み取り可能なメモリー６は、パス４に沿った個人１の時間窓nにおける少なくとも歩長の評価（
Figure 2020000854
と表す）、そして、好ましくは、時間窓nにおけるその個人の歩容速度の評価（
Figure 2020000854
と表す）を計算する方法を実行する命令を含むコンピュータープログラムによって実装される。
計算された歩長
Figure 2020000854
と計算された速度
Figure 2020000854
は互いに、以下の式によってリンクしている。
Figure 2020000854
ここで、
Figure 2020000854
は、時間窓nにおける個人１の評価されたケイデンスである。
なお、nは、整数であり、ここで、n∈[1,...,N]であり、Nは、１よりも大きい整数である。[1,...,N]は、計算の最初に対応する第１の時間窓n＝１から始まり計算の最後に対応する最後の時間窓n＝Nまでの時間範囲を表す。好ましい実施形態において、時間窓は、長さが７秒間であり、６秒間重なり合っている。
当該方法は、加速度計７によって与えられる瞬時加速度測定量と気圧計８によって与えられる瞬時気圧測定量を用いる。
加速度計７は、以下の３つの互いに垂直な軸に沿って加速度測定量を与えるように構成している。
− 個人１の腕の長手方向に垂直でありその個人１の矢状平面Ｐ１に平行であるＸ軸に沿った第１の加速度
− 個人１の腕の長手方向に平行でありその個人１の矢状平面Ｐ１に平行であるＹ軸に沿った第２の加速度
− 個人１の腕の長手方向に垂直でありその個人１の正面平面Ｐ２に平行であるＺ軸に沿った第３の加速度
以下のように、軸Ｘ、Ｙ、Ｚのそれぞれに対して、窓当たりｚ個の加速度のサンプルがとられ、ここで、ｚは１よりも大きい整数である。
− Sx i[n]は、時間窓nに沿って加速度計７によって与えられるＸ軸に沿ったｉ番目の加速度サンプルである。
− Sy i[n]は、時間窓nに沿って加速度計７によって与えられるＹ軸に沿ったｉ番目の加速度サンプルである。
− Sz i[n]は、時間窓nに沿って加速度計７によって与えられるＺ軸に沿ったｉ番目の加速度サンプルである。
便宜上、残りの説明においては、以下の記述法を用いる。
Figure 2020000854
同様に、気圧計８は、窓当たりｚ個の気圧サンプルを与えるように構成している。
− Pi[n]は、時間窓n内にて気圧計8によって与えられるｉ番目の気圧サンプルであり、
−
Figure 2020000854
は、時間窓n内の平均気圧である。
便宜上、残りの説明においては、以下の記述法を用いる。
Figure 2020000854
提案している方法は、歩長
Figure 2020000854
をＭ個のセットの歩容の特徴F1, F2,..., FM（Ｍは整数）の関数（ｇと表す）を用いて計算することができるという仮説に基づく機械学習のアプローチに依存している。
Figure 2020000854
ここで、６個の歩容の特徴（Ｍ＝６）が考慮される。そのうちの５個が加速度計７によって与えられる加速度測定量Sx, Sy, Szから計算され、１個が気圧計８によって与えられる気圧測定量Ｐから計算される。
F1[n]は、時間窓nにおける個人１の評価された歩容のケイデンスである。
Figure 2020000854
１つの好ましい実施形態において、特徴
Figure 2020000854
は、Faselによって提案されている既知のアルゴリズム（前記文献の．１７７５〜１７７８ページ）によって評価される。正確には、時間窓nにおける特徴F1[n]が以下のステップによって計算される。
− 加速度計７によって与えられる加速度測定量
Figure 2020000854
のノルムを計算するステップ
− このように計算された加速度のノルムに高速フーリエ変換を適用するステップ
− このような高速フーリエ変換にコームフィルターを適用して、ケイデンス尤度関数とするステップ
− ２Ｈｚよりも低い周波数の範囲にある尤度関数の最大値を
Figure 2020000854
であるとするステップ
F2[n]は、パス４の推定傾きＡである。歩長SLが上り勾配のときに（図４に示しているように傾きＡが正である場合）減り、下り勾配のときに（図５に示しているように傾きＡが負である場合）増加すると仮定する。１つの好ましい実施形態において、時間窓nにおける特徴F2[n]は、気圧計８によって与えられる気圧測定量P[n]から計算される。正確には、最小自乗法を用いて線が−P[n]にフィットされ、この線の傾きが特徴F2[n]の傾きとして抽出される。すなわち、F2[n]＝Ａ≡−P[n]である。ここで、記号≡は、Ａと、−P[n]のバリエーションにフィットする回帰線の線形係数との間の符合を表している。これは、以下の式によって反映される。
Figure 2020000854
ここで、ｉは、以下のように計算される。
Figure 2020000854
F3[n]は、時間窓nにおけるＹ軸に沿った加速度測定量Syの推定エネルギーである。歩容時に腕の運動と足の運動の間に神経系の連結があるものと考えられる。実際に、個人がその歩長を増加させると腕の運動の範囲が大きくなり、このことは、Ｙ軸（腕が向いている方向の軸）に沿った加速度測定量Syのエネルギーを増加させる。１つの好ましい実施形態において、特徴F3[n]は、時間窓nにおける加速度Syの標準偏差として計算される。
Figure 2020000854
F4[n]は、時間窓nにおける手首の加速度の推定された平均絶対ジャークである。いくつかの歩容の期間の間に、特に、走行しているときに、加速度のバリエーションによって手首２にて規則的な衝撃が体感され、このような衝撃の周波数は歩行の周波数と同じである。ジャーク（すなわち、加速度の差分）の平均絶対値は、このような衝撃のエネルギーについての情報を与える。１つの好ましい実施形態において、特徴F4[n]は、Ｙ軸に沿った加速度測定量Syの差分の平均として計算される。
Figure 2020000854
F5[n]は、時間窓nにおける手首の振りの推定エネルギーである。これは、Ｘ軸に沿った加速度測定量SxとＺ軸に沿った加速度測定量Szの推定エネルギーである。歩行しているときに歩長が大きくなると、手首の振りが大きくなり、これによって、そのエネルギーが大きくなる。手首の振りの特徴F5[n]は、Ｘ軸に沿った加速度ノルムSxの標準偏差とＺ軸に沿った加速度ノルムSzを与える以下の式によって計算される。
Figure 2020000854
F6[n]は、時間窓nにおける加速度ノルムの推定平均である。歩行していて身体が前進しているときに、手首２は胴のまわりに振動する。身体運動の度合いを表す特徴F6[n]は、以下のように計算される。
Figure 2020000854
歩行しているときと走行しているときの手首２の運動の性質が異なることが、考慮に入れられている。例えば、歩行しているときには、手首２は、走行しているときには発生しない、振り子の振り運動にしたがう。
歩容のタイプにモデルを良好にフィットさせるために、特徴F1, F2,..., F6の異なる組み合わせがそれぞれ、走行しているときと歩行しているときにおいて当該方法を実装するために用いられる。
正確には、走行している状況における関数ｇを計算するためにF1, F2, F3, F4が用いられるが、歩行している状況における前記関数を計算するためにF1, F2, F4, F5, F6が用いられる。
歩長
Figure 2020000854
を計算する方法は、
−
○ ＧＮＳＳデータに基づき、パス４の最初にて１回のみ実行されるオフライントレーニング段階１００
○ オフライントレーニング段階１００によって与えられる結果を通して開始されパス４に沿って繰り返されるオンライントレーニング段階２００
を含むパーソナライズされた手順と、
− 評価手順３００と
の２つの手順を含む。
パーソナライズ手順
パーソナライズ手順の下で、ＧＮＳＳトランスポンダー９はオンであり、スマートウォッチ３の瞬時速度を与える。
＜オフライントレーニング段階＞
オフライントレーニング段階１００は、走行しているセッション又は歩行しているセッションの開始時を表さずその数秒後を表す初期の時間窓０にて実行される。オフライントレーニング段階１００は、個人の歩長と速度を評価するように初期のモデルを構築することを目的としており、以下のステップを備える。
（ｉ）初期の時間窓０にてＧＮＳＳトランスポンダー９によって初期の速度V[0]を測定するステップ１０２
（ｉｉ）初期の時間窓０にて加速度計７によって与えられる加速度測定量Sx[0], Sy[0], Sz[0]から初期の歩ケイデンス
Figure 2020000854
を計算するステップ１０４
初期の歩ケイデンス
Figure 2020000854
は、特徴F1[n]を計算するためのいくつかのステップを用いて計算される。ここで、n＝０である。
Figure 2020000854
（ｉｉｉ）初期の速度V[0]と初期の歩ケイデンス
Figure 2020000854
から初期の歩長SL[0]を計算するステップ１０６
初期の歩長SL[0]は、以下の式にしたがって初期の速度V[0]と初期の歩ケイデンス
Figure 2020000854
から推量される。
Figure 2020000854
（ｉｖ）初期の時間窓０における加速度測定量Sx[0], Sy[0], Sz[0]と気圧P[0]から初期の特徴ベクトルX[0]を計算するステップ１０８
この初期の特徴ベクトルX[0]は、以下のように計算される。
− 走行しているとき：
X[0]＝[1 F1[0] F2[0] F3[0] F4[0] F2 2[0]]
− 歩行しているとき：
X[0]＝[1 F1[0] F2[0] F4[0] F5[0] F6[0]]
F1[0]、F2[0]、F3[0]、F4[0]、F5[0]及びF6[0]は、F1[n]、F2[n]、F3[n]、F4[n]、F5[n]及びF6[n]を計算するいくつかのステップを用いて計算される。ここで、n＝０である。
（ｖ）最小自乗法にしたがって、初期の特徴ベクトルX[0]と初期の歩長SL[0]から初期の係数ベクトルβ[0]を計算するステップ１１０
以下のように、初期の特徴ベクトルX[0]と初期の歩長SL[0]から初期の係数ベクトルβ[0]を計算する。
β[0]＝(X[0]TX[0])-1X[0]TSL[0]
ここで、(X[0]TX[0])-1は、呼び出された初期の共分散行列であり、簡易的に記載される場合にはD[0]とも表記される。
したがって、前の式を以下のように書くことができる。
β[0]＝D[0]X[0]TSL[0]
β[0]、X[0]、D[0]、SL[0]、V[0]及び
Figure 2020000854
は、初期のパラメーターと呼ぶ。
＜オンライントレーニング段階＞
オフライントレーニング段階１００が終わった後にオンライントレーニング段階２００が実行される。オンライントレーニング段階２００は、オフライントレーニング段階１００の間に構築された初期のモデルをパーソナライズすることを目的とし、いくつかの時間窓nの間に散発的に繰り返される以下のいくつかのステップを備える。
（ｉ）時間窓nにてＧＮＳＳトランスポンダー９によって瞬時速度V[n]を測定するステップ２０２
（ｉｉ）時間窓nにて加速度計７によって与えられる加速度測定量Sx[n], Sy[n], Sz[n]から瞬時ケイデンス
Figure 2020000854
を計算するステップ２０４
瞬時歩ケイデンス
Figure 2020000854
は、特徴F1を計算するためのいくつかのステップを用いて計算される。念のために、
Figure 2020000854
である。
（ｉｉｉ）初期の速度V[n]と初期の歩ケイデンス
Figure 2020000854
から瞬時歩長SL[n]を計算するステップ２０６
Figure 2020000854
（ｉｖ）初期の時間窓nにて加速度計７によって与えられる加速度測定量Sx[n], Sy[n], Sz[n]と気圧計８によって与えられる気圧測定量P[n]から瞬時特徴ベクトルX[n]を計算するステップ２０８
この初期の特徴ベクトルX[n]は、以下のように計算される。
− 走行しているとき：
X[n]＝[1 F1[n] F2[n] F3[n] F4[n] F2[n]2]
− 歩行しているとき：
X[n]＝[1 F1[n] F2[n] F4[n] F5[n] F6[n]]
（ｖ）再帰的最小自乗法にしたがって前の係数ベクトルβ[n-1]から瞬時係数ベクトルβ[n]を計算するステップ２１０
瞬時係数ベクトルβ[n]は、以下のように計算される。
β[n]＝β[n-1]＋D[n]X[n](SL[n]−X[n]Tβ[n-1])
ここで、D[n]は、D[n]＝(X[n]TX[n])-1によって定められる共分散行列である。しかし、計算を単純化してメモリーのスペースを抑えるために、この共分散行列D[n]は、以下の再帰的な式にしたがって計算される。
D[n]＝D[n-1](I−X[n](I＋X[n]TD[n-1]X[n])-1X[n]TD[n-1])
ここで、Iは、恒等行列を表す。
β[n]を計算するための式の再帰的な計算は、以下のようにβ[1]から開始する。
β[1]＝β[0]＋D[1]X[1](SL[1]−X[1]Tβ[0])
ここで、D[1]は、D[n]を計算するための式を用いて計算され、ここでは、以下のように初期の共分散行列D[0]＝(X[0]TX[0])-1が挿入される。
D[1]＝D[0](I−X[1](I＋X[1]TD[0]X[1])-1X[1]TD[0])
評価手順
評価手順３００の下で、ＧＮＳＳトランスポンダー９がオフである。この評価手順は、慣性センサーのみを用いて個人の速度、ケイデンス及び歩長を評価することを目的としている。
この評価手順３００は、任意の時間窓n',n'∈[1,...,N]に対して、以下のいくつかのステップを含む。
（ｉ）初期の時間窓n'にて加速度計７によって与えられる加速度測定量Sx[n'], Sy[n'], Sz[n']と気圧計８によって与えられる気圧測定量P[n']から瞬時特徴ベクトルX[n']を計算するステップ３０２
（ｉｉ）以下の式を用いて、瞬時特徴ベクトルX[n']と最新に更新された係数ベクトルβ[n]から瞬時歩長
Figure 2020000854
を計算するステップ３０４
Figure 2020000854
（ｉｉｉ）時間窓n'にて加速度計７によって与えられる加速度測定量Sx[n'], Sy[n'], Sz[n']から瞬時ケイデンス
Figure 2020000854
を計算するステップ３０６
（ｉｖ）以下の式を用いて、瞬時歩長
Figure 2020000854
と瞬時ケイデンス
Figure 2020000854
から瞬時速度
Figure 2020000854
を計算するステップ３０８
Figure 2020000854
この方法は、許容可能なメモリー消費コストを与え、時間窓n'における歩長
Figure 2020000854
と速度
Figure 2020000854
の実時間の計算を提供することができる。開示している係数ベクトルを計算する再帰的最小自乗法を用いることによって、すべての前に計算されたデータを必要とせずに良好な結果を得ることができる。
実際に、この方法を３０人の健康的で活動的なボランティアに対して試した。これらのボランティアは、平坦な道、上り勾配の道及び下り勾配の道を含む様々な地形条件のパス上の９０分の屋外の徒歩と走行に参加した。
図９は、どのような歩容（左に走行、右に徒歩）であるかにかかわらず、計算された速度（太線）が実際の速度（ＧＮＳＳで測定、細線）と近いことを示している。
この方法は、生来的にユーザー依存性のものであり、したがって、各個人にパーソナライズされる。この方法は、再帰的最小自乗法を用いて歩長と速度が瞬時入力と前の計算から推量されるオンライン学習プロセスを提供する。
ボランティアに対して行った試験は、パスを進むにしたがって誤差が徐々に小さくなることを示している。これは、パワー消費が低いこと、精度が高いこと、実用性があること（この方法は手首に着用可能なデバイスにて実装される）、そして、エルゴノミクスが良好であること（センサーを較正する必要はない）を証明している。この方法は、長期間の日々の使用に適している。
１ 個人
２ 手首
３ 手首に着用可能なデバイス
４ パス
５ 計算ユニット
６ 読み取り可能なメモリー
７ 加速度計
８ 気圧計
９ ＧＮＳＳトランスポンダー
１０ ケーシング
１１ ストラップないし腕輪

Claims (12)

  1. 時間窓n'におけるパス（４）に沿って走行している個人（１）の歩長
    Figure 2020000854
     の評価を計算する方法であって、
    n'は、１以上の整数であり、
    前記個人（１）は、手首に着用可能なデバイス（３）を装備しており、この手首に着用可能なデバイス（３）は、
    計算ユニット（５）と、
    前記デバイス（３）の瞬時速度を与えるように構成しているＧＮＳＳトランスポンダー（９）と、
    瞬時気圧測定量を与えるように構成している気圧計（８）と、
    個人（１）の腕の長手方向に垂直であり矢状平面（Ｐ１）に平行であるＸ軸に沿った第１の加速度Sxと、
    個人（１）の腕の長手方向に平行であり矢状平面（Ｐ１）に平行であるＹ軸に沿った第２の加速度Syと、
    個人（１）の腕の長手方向に垂直であり正面平面（Ｐ２）に平行であるＺ軸に沿った第３の加速度Szと
    の３つの互いに垂直な軸に沿った加速度測定量を与えるように構成している加速度計（７）とを備え、
    当該方法は、
    X[n]＝[1 F1[n] F2[n] F3[n] F4[n] F2 2[n]]
    にしたがって時間窓nにおける特徴ベクトルX[n]を計算するステップであって、nは、１以上の整数であり、
    特徴F1[n]が、時間窓nにて前記加速度計（７）によって与えられる瞬時加速度測定量のノルムSx[n],Sy[n],Sz[n]から計算された、時間窓nにおける個人（１）の瞬時ケイデンス
    Figure 2020000854
     であり、
    特徴F2[n]が、時間窓nにて前記気圧計（８）によって与えられる瞬時気圧測定量（P[n]）から計算されたパスの瞬時傾きであり、
    特徴F3[n]が、時間窓nにて前記加速度計（７）によって与えられる第２の加速度測定量Sy[n]の瞬時エネルギーであり、
    特徴F4[n]が、時間窓nにて前記加速度計（７）によって与えられる第２の加速度測定量Sy[n]の瞬時平均絶対ジャークである、ステップ（２０８）と、
    β[n]＝β[n-1]＋D[n]X[n](SL[n]−X[n]Tβ[n-1])
    にしたがって時間窓nにおける係数ベクトルβ[n]を計算するステップであって、
    D[n]が、瞬時特徴ベクトルX[n]の共分散行列であり、
    Figure 2020000854
     であり、
    V[n]が、時間窓nにて前記ＧＮＳＳトランスポンダー（９）によって測定される前記手首に着用可能なデバイス（３）の速度Ｖであり、
    β[0]が初期のパラメーターである、ステップ（２１０）と、
    X[n']＝[1 F1[n'] F2[n'] F3[n'] F4[n'] F2 2[n']]
    にしたがって時間窓n'における特徴ベクトルX[n']を計算するステップ（３０２）と、
    Figure 2020000854
     にしたがって前記歩長
    Figure 2020000854
     を計算するステップ（３０４）と
    を前記計算ユニットによって実行する方法。
  2. 時間窓n'におけるパス（４）に沿って歩行している個人（１）の歩長
    Figure 2020000854
     の評価を計算する方法であって、
    n'は、１以上の整数であり、
    前記個人（１）は、手首に着用可能なデバイス（３）を装備しており、この手首に着用可能なデバイス（３）は、
    計算ユニット（５）と、
    前記デバイス（３）の瞬時速度を与えるように構成しているＧＮＳＳトランスポンダー（９）と、
    瞬時気圧測定量を与えるように構成している気圧計（８）と、
    個人（１）の腕の長手方向に垂直であり矢状平面（Ｐ１）に平行であるＸ軸に沿った第１の加速度Sxと、
    個人（１）の腕の長手方向に平行であり矢状平面（Ｐ１）に平行であるＹ軸に沿った第２の加速度Syと、
    個人（１）の腕の長手方向に垂直であり正面平面（Ｐ２）に平行であるＺ軸に沿った第３の加速度Szと
    の３つの互いに垂直な軸に沿った加速度測定量を与えるように構成している加速度計（７）とを備え、
    当該方法は、
    X[n]＝[1 F1[n] F2[n] F3[n] F4[n] F2 2[n]]
    にしたがって時間窓nにおける特徴ベクトルX[n]を計算するステップであって、nは、１以上の整数であり、
    X[n]＝[1 F1[n] F2[n] F4[n] F5[n] F6[n]]であり、
    特徴F1[n]が、時間窓nにて前記加速度計（７）によって与えられる瞬時加速度測定量のノルムSx[n],Sy[n],Sz[n]から計算された、時間窓nにおける個人（１）の瞬時ケイデンス
    Figure 2020000854
     であり、
    特徴F2[n]が、時間窓nにて前記気圧計（８）によって与えられる瞬時気圧測定量（P[n]）から計算されたパスの瞬時傾きであり、
    特徴F3[n]が、時間窓nにて前記加速度計（７）によって与えられる第２の加速度測定量Sy[n]の瞬時エネルギーであり、
    特徴F4[n]が、時間窓nにて前記加速度計（７）によって与えられる第２の加速度測定量Sy[n]の瞬時平均絶対ジャークである、ステップ（２０８）と、
    β[n]＝β[n-1]＋D[n]X[n](SL[n]−X[n]Tβ[n-1])
    にしたがって時間窓nにおける係数ベクトルβ[n]を計算するステップであって、
    D[n]が、瞬時特徴ベクトルX[n]の共分散行列であり、
    Figure 2020000854
     であり、
    V[n]が、時間窓nにて前記ＧＮＳＳトランスポンダー（９）によって測定される前記手首に着用可能なデバイス（３）の速度Ｖであり、
    β[0]が初期のパラメーターである、ステップ（２１０）と、
    X[n']＝[1 F1[n'] F2[n'] F3[n'] F4[n'] F2 2[n']]
    にしたがって時間窓n'における特徴ベクトルX[n']を計算するステップ（３０２）と、
    Figure 2020000854
     にしたがって前記歩長
    Figure 2020000854
     を計算するステップ（３０４）と
    を前記計算ユニットによって実行する方法。
  3. 前記加速度計（７）によって与えられる加速度測定量
    Figure 2020000854
     のノルムを計算するステップと、
    計算された加速度のノルムに高速フーリエ変換を適用するステップと、
    前記高速フーリエ変換にコームフィルターを適用して、ケイデンス尤度関数とするステップと、
    ２Ｈｚよりも低い周波数の範囲にある前記尤度関数の最大値をF1[n]であるとするステップと
    によって特徴F1[n]が計算される
    請求項１又は２に記載の方法。
  4. Figure 2020000854
     にしたがって、特徴F2[n]が計算され、
    Pi[n]が、時間窓k内にて前記気圧計（８）によって与えられるｉ番目の気圧サンプルであり、
    Figure 2020000854
     が、時間窓n内の平均気圧であり、
    Figure 2020000854
     にしたがってｉが計算され、
    zが、時間窓n内のサンプルの数である
    請求項１〜３のいずれかに記載の方法。
  5. 特徴F3[k]は、
    F3[n]＝std(Sy[n])
    にしたがって、第２の加速度測定量Sy[n]の標準偏差として計算される
    請求項１、３又は４に記載の方法。
  6. Figure 2020000854
     にしたがって、特徴F4[n]が計算され、
    Sy i[n]は、時間窓n内にて前記加速度計（７）によって与えられるＹ軸に沿ったｉ番目の加速度サンプルである
    請求項１〜５のいずれかに記載の方法。
  7. Figure 2020000854
     にしたがって、特徴F5[n]が計算される
    請求項２〜６のいずれかに記載の方法。
  8. Figure 2020000854
     にしたがって、加速度のノルムの瞬時平均F6[n]が計算される
    請求項２〜７のいずれかに記載の方法。
  9. D[n]＝D[n-1](I−X[n](I＋X[n]TD[n-1]X[n])-1X[n]TD[n-1])
    にしたがってD[n]が計算され、
    D[0]＝(X[0]TX[0])-1であり、
    X[0]は、初期のパラメーターである
    請求項１〜８のいずれかに記載の方法。
  10. 時間窓n'にてパス（４）に沿って歩行している個人（１）の速度
    Figure 2020000854
     の評価を計算する方法であって、
    請求項１〜９のいずれかに記載の方法にしたがって個人の歩長
    Figure 2020000854
     を計算するステップと、
    Figure 2020000854
     を用いて前記速度
    Figure 2020000854
     を計算するステップ（３０８）と
    を備える方法。
  11. 計算ユニットに接続された読み取り可能なメモリーにて実装されるコンピュータープログラムであって、
    請求項１〜１０のいずれかに記載の方法を実行するための命令を含んでいる
    コンピュータープログラム。
  12. 読み取り可能なメモリー及びこの読み取り可能なメモリーに接続された計算ユニットを有する手首に着用可能なデバイスであって、
    前記読み取り可能なメモリーに請求項１１に記載のコンピュータープログラムが実装される
    手首に着用可能なデバイス。
JP2019105042A 2018-06-27 2019-06-05 走行又は歩行している個人の実時間の歩長と速度を計算する方法 Active JP6785917B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18180129.1A EP3586742B1 (en) 2018-06-27 2018-06-27 Methods for computing a real-time step length and speed of a running or walking individual
EP18180129.1 2018-06-27

Publications (2)

Publication Number Publication Date
JP2020000854A true JP2020000854A (ja) 2020-01-09
JP6785917B2 JP6785917B2 (ja) 2020-11-18

Family

ID=62980984

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019105042A Active JP6785917B2 (ja) 2018-06-27 2019-06-05 走行又は歩行している個人の実時間の歩長と速度を計算する方法

Country Status (4)

Country Link
US (1) US11412956B2 (ja)
EP (1) EP3586742B1 (ja)
JP (1) JP6785917B2 (ja)
CN (1) CN110638456B (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022076679A (ja) * 2020-11-10 2022-05-20 株式会社アコーズ 活動量計及び歩行・走行速度算出方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2585861B (en) * 2019-07-17 2023-09-13 Waymap Ltd Apparatus and associated methods for step length estimation
JP7143872B2 (ja) * 2020-08-14 2022-09-29 カシオ計算機株式会社 情報処理装置、ランニング指標導出方法及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013143996A (ja) * 2012-01-13 2013-07-25 Microstone Corp 運動計測装置
JP2014124448A (ja) * 2012-12-27 2014-07-07 Casio Comput Co Ltd 運動情報表示システムおよび運動情報表示方法、運動情報表示プログラム
US20160166156A1 (en) * 2010-09-30 2016-06-16 Fitbit, Inc. Portable monitoring devices and methods of operating same

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6826477B2 (en) 2001-04-23 2004-11-30 Ecole Polytechnique Federale De Lausanne (Epfl) Pedestrian navigation method and apparatus operative in a dead reckoning mode
US6813582B2 (en) 2002-07-31 2004-11-02 Point Research Corporation Navigation device for personnel on foot
US20050033200A1 (en) 2003-08-05 2005-02-10 Soehren Wayne A. Human motion identification and measurement system and method
JP2007093433A (ja) 2005-09-29 2007-04-12 Hitachi Ltd 歩行者の動態検知装置
US8250921B2 (en) * 2007-07-06 2012-08-28 Invensense, Inc. Integrated motion processing unit (MPU) with MEMS inertial sensing and embedded digital electronics
TW201215906A (en) 2010-10-04 2012-04-16 Tomtom Asia Inc GPS-calibrated pedometer
CN202904027U (zh) 2012-04-11 2013-04-24 四川中软科技有限公司 一种自主室内定位系统
KR102197911B1 (ko) 2013-01-08 2021-01-04 삼성전자주식회사 사용자의 운동 정보 확인방법 및 장치
CN105122006A (zh) 2013-02-01 2015-12-02 可信定位股份有限公司 用于使用非线性系统表示来进行可变步长估计的方法和系统
US20140309964A1 (en) * 2013-04-11 2014-10-16 Microsoft Corporation Internal Sensor Based Personalized Pedestrian Location
CN104729524A (zh) 2013-12-18 2015-06-24 中国移动通信集团公司 一种步长估计方法、计步器及计步系统
WO2016043081A1 (ja) 2014-09-18 2016-03-24 一博 椎名 レコーディング装置、携帯端末、解析装置、プログラム及び記憶媒体
JP6573104B2 (ja) * 2015-06-05 2019-09-11 ローム株式会社 指標導出装置、ウェアラブル機器及び携帯機器
JP2017169732A (ja) * 2016-03-23 2017-09-28 セイコーエプソン株式会社 情報処理装置、情報処理方法及びプログラム
US10171946B2 (en) 2016-05-26 2019-01-01 Apple Inc. Assisted GNSS velocity estimation
US10564288B2 (en) * 2016-12-06 2020-02-18 Google Llc Real-time estimation of speed and gait characteristics using a custom estimator

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160166156A1 (en) * 2010-09-30 2016-06-16 Fitbit, Inc. Portable monitoring devices and methods of operating same
JP2013143996A (ja) * 2012-01-13 2013-07-25 Microstone Corp 運動計測装置
JP2014124448A (ja) * 2012-12-27 2014-07-07 Casio Comput Co Ltd 運動情報表示システムおよび運動情報表示方法、運動情報表示プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FASEL BENEDIKT ET AL: ""A wrist sensor and algorithm to determine instantaneous walking cadence and speed in daily life wal", MEDICAL AND BIOLOGICAL ENGINEERING AND COMPUTING, vol. 55, no. 10, JPN6020022016, 2017, pages 1773 - 1785, XP036322985, ISSN: 0004291104, DOI: 10.1007/s11517-017-1621-2 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022076679A (ja) * 2020-11-10 2022-05-20 株式会社アコーズ 活動量計及び歩行・走行速度算出方法

Also Published As

Publication number Publication date
EP3586742A1 (en) 2020-01-01
CN110638456B (zh) 2022-07-26
CN110638456A (zh) 2020-01-03
JP6785917B2 (ja) 2020-11-18
EP3586742B1 (en) 2021-08-04
US11412956B2 (en) 2022-08-16
US20200000374A1 (en) 2020-01-02

Similar Documents

Publication Publication Date Title
Soltani et al. Real-world gait speed estimation using wrist sensor: A personalized approach
US11318350B2 (en) Systems and methods for real-time data quantification, acquisition, analysis, and feedback
JP6183906B2 (ja) 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム
Liu et al. A wearable human motion tracking device using micro flow sensor incorporating a micro accelerometer
US20140330171A1 (en) Method and device for monitoring postural and movement balance for fall prevention
JP6785917B2 (ja) 走行又は歩行している個人の実時間の歩長と速度を計算する方法
JP2012513227A (ja) 歩行モニタ
US10892055B2 (en) Motor function estimation information generation apparatus, motor function estimation system, motor function estimation information generation method, motor function estimation method and storage medium
US20160058373A1 (en) Running Energy Efficiency
US10773123B1 (en) Systems and methods for wearable devices that determine balance indices
Panagiota et al. Assessment of human gait speed and energy expenditure using a single triaxial accelerometer
US20160030806A1 (en) Exercise ability evaluation method, exercise ability evaluation apparatus, exercise ability calculation method, and exercise ability calculation apparatus
Sundaravadivel et al. Smart-walk: An intelligent physiological monitoring system for smart families
US10542933B2 (en) Exercise test evaluation system, exercise test evaluation apparatus, exercise test evaluation method, and non-transitory computer readable recording medium
Alahakone et al. Smart wearable device for real time gait event detection during running
Bertschi et al. Accurate walking and running speed estimation using wrist inertial data
Zhang et al. Motion velocity, acceleration and energy expenditure estimation using micro flow sensor
Sun et al. An artificial neural network framework for lower limb motion signal estimation with foot-mounted inertial sensors
US20240152666A1 (en) Simulation of accelerometer data
Hendry et al. Development of a machine learning model for the estimation of hip and lumbar angles in ballet dancers
JP6999748B2 (ja) スポーツ又は健康活動を管理するための携帯計器
Tan et al. Joint angle analysis with imu sensors for gait
EP3649939B1 (en) Information processing device, information processing system, and information processing method
CN114224325A (zh) 利用惯性传感器计算关节力矩和角度的步态分析系统及方法
JP6870733B2 (ja) 情報処理装置、情報処理システム、および情報処理方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190605

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200522

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200630

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200930

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: 20201020

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201027

R150 Certificate of patent or registration of utility model

Ref document number: 6785917

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250