JP2020036715A - 検出装置、検出方法、及び、コンピュータプログラム - Google Patents

Abstract

【課題】通常の歩幅一定の通常歩行に、通常歩行と大股歩行との混在する混合パターンでの歩行が混在した場合であっても混合パターンの歩数を正確に把握できる検出装置を提供する。【解決手段】検出装置１は、歩行挙動を示す計測データＭＤから、通常の歩幅での通常歩行と、通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する演算部１０１を備える。【選択図】図１

Description

本開示は、検出装置、検出方法、及び、コンピュータプログラムに関する。

歩行時の歩幅を通常の歩幅より大きくすると歩行による運動効果が高まることが知られている。また、以下の非特許文献１には、通常の歩幅での通常歩行とそれより大きな歩幅での大股歩行とからなる混合パターンが周期的に生じる歩行モード（混合歩行モード）は、通常の歩幅の歩行が周期的に生じる歩行モード（非混合歩行モード）よりも運動効果が高いことが紹介されている。

Shimoho K et al、「Physiological and perceived exertion responses to a novel walking exercise "i-Walk"」、ISPGR World Congress、 3-M-58(2017)

混合歩行モードは非混合歩行モードと比較して難しいため、混合歩行モードで歩行しているつもりでも非混合歩行モードとなっている場合がある。また、混合歩行モードでの歩行は非混合歩行モードでの歩行と混在してしまう。また、混合歩行モードではなく非混合歩行モードのみで歩行している場合もある。

歩行での活動量を正確に把握する場合、混合歩行モードと非混合歩行モードとを区別して歩数をカウントする必要がある。ここで、仮に、歩行全体が混合歩行モードである場合には、一般的な歩数計を用いて歩数を計測することができる。しかしながら、上記のように通常歩行に混合パターンでの歩行が混在してしまうと、混合パターンの歩数を正確に把握することができない。

ある実施の形態に従うと、検出装置は、歩行挙動を示す計測データから、通常の歩幅での通常歩行と、通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する演算部を備える。

他の実施の形態に従うと、検出方法は検出装置での検出方法であって、歩行挙動を示すデータから、通常の歩幅での通常歩行と、通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する。

他の実施の形態に従うと、コンピュータプログラムは検出装置としてコンピュータを機能させるためのコンピュータプログラムであって、コンピュータを、歩行挙動を示すデータから、通常の歩幅での通常歩行と、通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する演算部として機能させる。

図１は、実施の形態に係る検出装置のブロック図である。 図２は、検出装置で検出対象とする混合パターンを説明する図である。 図３は、検出処理の流れを表した図である。 図４（Ａ）は通常歩行時の計測データから得られた周波数スペクトルであり、（Ｂ）は（Ａ）と同一人物でのＺ２Ｃ歩行時の計測データから得られた周波数スペクトルである。 図５は、歩行周期検出処理を説明するグラフである。 図６は、Ｚ２Ｃ歩行の計測データであって、加速度の時間変化を示した図である。 図７は、検出結果の表示例を示す図である。 図８は、適用処理を含む検出処理の流れを示した図である。 図９は、発明者らによる実験結果を表した図であって、（Ａ）がＺ２Ｃ歩行経験者の適応処理がない場合の通常歩行、Ｚ２Ｃ歩行の検出結果、（Ｂ）がＺ２Ｃ歩行経験者の適応処理がある場合の検出結果、（Ｃ）がＺ２Ｃ歩行未経験者の適応処理がない場合の検出結果、（Ｄ）がＺ２Ｃ歩行未経験者の適応処理がある場合の検出結果、を表した図である。 図１０は、発明者らによる、ガイドがある場合、ない場合の、検出結果から算出された歩行時間間隔を表した図であって、（Ａ）（Ｂ）は、それぞれ被験者Ａ，被験者Ｂの検出結果から算出した歩行時間間隔を表した図である。

［１．検出装置、検出方法、及び、コンピュータプログラムの概要］
（１）本実施の形態に含まれる検出装置は、歩行挙動を示す計測データから、通常の歩幅での通常歩行と、通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する演算部を備える。混合パターンを検出することによって、通常歩行に混合パターンでの歩行が混在した場合であっても混合歩行モードと非混合歩行モードとを区別して歩数をカウントすることができる。

（２）好ましくは、計測データは、歩行挙動の特徴量の時間経過を示し、演算部は、計測データから抽出された着地を示す特徴量の時間間隔から混合パターンを検出する。これにより、混合パターンを検出できる。

（３）好ましくは、演算部は、計測データから着地を示す特徴量を抽出することで着地タイミングを検出し、第１の着地タイミングから規定間隔で、次の第２の着地タイミングを示す特徴量の検出範囲を設定する。検出範囲の設定を繰り返すことで、各着地タイミングを検出できる。

（４）好ましくは、演算部は、ユーザの歩行周期に基づいてユーザについての規定間隔を設定する。これにより、固定の規定間隔と歩行周期が異なるユーザであっても計測データから着地タイミングを検出できる。そのため、精度よく混合パターンを検出できる。

（５）好ましくは、ユーザの計測データ、又は、計測データとは異なるタイミングで取得された歩行挙動を示す設定用データから歩行周期を得、歩行周期に基づいてユーザについての規定間隔を設定する。これにより、検出時にユーザについての規定間隔を設定できる。

（６）好ましくは、検出装置は、設定用データから得られた歩行周期を予め記憶する記憶部をさらに備える。これにより、検出時にユーザについての規定間隔を設定できる。

（７）好ましくは、演算部は、計測データから歩行周期を算出し、歩行周期を用いて規定間隔を補正する。歩行環境が平たんな道や坂道など変化した場合、同一のユーザであっても歩行周期が変化する場合がある。計測データから算出した歩行周期を用いて規定間隔を補正することで、歩行環境が変化した場合であってもそれに応じた規定間隔を用いて着地のタイミングを検出できる。そのため、精度よく混合パターンを検出できる。

（８）好ましくは、混合パターンは、第１の歩数の前記通常歩行と、前記第１の歩数とは異なる第２の歩数の前記大股歩行と、の組み合わせからなるパターンである。これにより、一方の足の着地のタイミングの間隔に、長い間隔と短い間隔とが周期的に表れるようになる。その結果、上記間隔の長短を利用して混合パターンを検出できる。

（９）好ましくは、計測データは、歩行挙動の特徴量の時間経過を示し、演算部は、歩行挙動を示すデータから着地を示す特徴量を抽出し、着地を示す特徴量のうちの一方の足の着地を示す特徴量の時間間隔に基づいて混合パターンを検出する。

（１０）好ましくは、混合パターンは、通常歩行、通常歩行、及び、大股歩行の組み合わせからなるパターンである。

（１１）好ましくは、検出装置は、混合パターンでの歩行をガイドするためのガイド信号を出力する出力部をさらに備える。混合パターンでの歩行はユーザによっては難しい場合があるため、ガイドによって混合パターンでの歩行をユーザに成功させることができる。

（１２）好ましくは、ガイド信号は、混合パターンにおける通常歩行及び大股歩行それぞれの歩行間隔を指示するものであって、演算部は、ユーザの歩行周期に基づいた通常歩行及び大股歩行それぞれの歩行間隔を指示するガイド信号を生成する。これにより、適切なガイドが実現される。

（１３）好ましくは、演算部は、検出された混合パターンでの歩行量に基づく値を表示装置に表示させる表示制御部をさらに備える。歩行量は、例えば、歩数や歩行時間である。歩行量に基づく値は、歩行量と、歩行量から算出される値と、を含む。これにより、ユーザは、混合パターンでの歩行による歩行量に基づく値を知ることができる。

（１４）好ましくは、表示制御部は、所定期間内の混合パターンでの歩行量に基づく値と、所定期間内の混合パターン以外での歩行による歩行量に基づく値と、の比較を示す情報を表示装置に表示させる。比較を示す情報は、例えば、差分や割合である。これにより、ユーザは、混合パターンでの歩行量に基づく値を、混合パターン以外での歩行量に基づく値と比較して把握できる。

（１５）本実施の形態に含まれる検出方法は検出装置での検出方法であって、歩行挙動を示すデータから、通常の歩幅での通常歩行と、通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する。この検出方法は、（１）〜（１４）に記載の検出装置における検出方法であるため、これら検出装置と同様の効果を奏する。

（１６）本実施の形態に含まれるコンピュータプログラムは検出装置としてコンピュータを機能させるためのコンピュータプログラムであって、コンピュータを、歩行挙動を示すデータから、通常の歩幅での通常歩行と、通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する演算部として機能させる。このコンピュータプログラムは、コンピュータを（１）〜（１４）に記載の検出装置として機能させるコンピュータプログラムであるため、これら検出装置と同様の効果を奏する。

［２．検出装置、検出方法、及び、コンピュータプログラムの例］
［第１の実施の形態］
＜システムの構成＞
本実施の形態に係る検出装置１は、スマーフォン、歩数計などの、ユーザがポケットに入れて持ち運べるサイズの小型の装置に搭載される。図１の例では、検出装置１は、一般的なスマートフォンに搭載される、プロセッサ１０と、メモリ１１と、ディスプレイ１３と、を含む、コンピュータによって構成される。プロセッサ１０は、例えば、ＣＰＵ（Central Processing Unit）である。

検出装置１は、センサ１２を有する。センサ１２は、検出装置１を携帯したユーザの歩行挙動を計測し、歩行挙動を示す計測データＭＤをプロセッサ１０に入力する。センサ１２は、本実施の形態では加速度センサとする。好ましくは、センサ１２は、ｘ方向、ｙ方向、及び、ｚ方向の加速度を検出する３軸の加速度センサを含む。この場合、計測データＭＤは、ｘ方向の加速度、ｙ方向の加速度、及び、ｚ方向の加速度からなる。なお、センサ１２は、歩行挙動を計測可能なセンサであれば加速度センサに限定されない。例えば、足音を検知することで歩行挙動を計測可能なマイク、足の着地を検知することで歩行挙動を計測可能な振動センサ、などであってもよい。

検出装置１は、出力部としてのディスプレイ１３を有する。ディスプレイ１３は、例えば、ＬＣＤ（液晶ディスプレイ：Liquid Crystal Display）やＯＥＤ（有機ＥＬディスプレイ：Organic Electro Luminescence Display）などである。また、ディスプレイ１３はタッチパネルであってもよい。なお、検出装置１は、出力部として、さらに、スピーカ１４を備えていてもよい。出力部は、その他、ライトや振動装置であってもよい。

メモリ１１は、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ、ＲＡＭ（Random Access Memory）などを含む。メモリ１１は、１又は複数のプログラムからなる演算プログラム１１１を記憶する。プロセッサ１０は、メモリ１１に記憶された演算プログラム１１１を読み出して、検出処理Ｓ１０を実行する演算部１０１として機能する。なお、図１に示された適応処理Ｓ２０及びガイド処理Ｓ３０は第１の実施の形態にかかる検出装置１の演算部１０１には含まれない。後述の第２の実施の形態及び第３の実施の形態、又は、第４の実施の形態において説明する。

演算プログラム１１１は、ＣＤ−ＲＯＭや（Compact Disc Read only memory）やＤＶＤ−ＲＯＭ（Digital Versatile Disk ROM）などの記録媒体に記録した状態で譲渡することもできるし、サーバコンピュータなどのコンピュータ装置からのダウンロードによって譲渡することもできる。演算プログラム１１１は、ウェブブラウザ上で動作するいわゆるウェブアプリケーションであってもよいし、プロセッサ１０でのみ動作するいわゆる専用アプリケーションであってもよい。

また、メモリ１１は、図示しない制御プログラムをさらに記憶する。プロセッサ１０は、メモリ１１に記憶された制御プログラムを読み出して、ディスプレイ１３での表示を制御する表示制御部１０２として機能する。表示制御部１０２は演算部１０１での検出処理Ｓ１０の結果をディスプレイ１３に表示する表示処理を実行する。

なお、図１に示された出力制御部１０３は第１の実施の形態に係る検出装置１には含まれていなくてもよい。出力制御部１０３については、後述の第４の実施の形態にいて説明する。

＜混合パターンの説明＞
図２を参照して、演算部１０１は、演算プログラム１１１に従って検出処理Ｓ１０を実行することで、センサ１２から入力された歩行挙動を示す計測データＭＤから、通常の歩幅ｄ２での通常歩行に混在する、通常の歩幅ｄ２より大きい歩幅ｄ１（ｄ１＞ｄ２）での大股歩行を区別して検出する。演算部１０１での検出の一例として、演算部１０１は、通常歩行と大股歩行との所定の組み合わせである混合パターンを検出する。以降の説明において、通常の歩幅ｄ２を第１の歩幅とし、第１の歩幅での歩行（通常歩行）をＺ歩行、通常の歩幅ｄ２より大きい歩幅ｄ１を第２の歩幅とし、第２の歩幅での歩行（大股歩行）をＣ歩行とも称する。なお、第１の歩幅は特定の歩幅に限定されるものではなく、第２の歩幅より小さい歩幅を意味する。

本実施の例での混合パターンは、Ｚ歩行、Ｚ歩行、及び、Ｃ歩行の組み合わせ（Ｚ−Ｚ−Ｃ）からなるパターンである。この歩行パターンを、以降の説明ではＺＺＣ歩行又はＺ２Ｃ歩行、あるいは、ＺＺＣ−Ｗａｌｋ又はＺ２Ｃ−Ｗａｌｋとも称する。

詳しくは、図２を参照して、Ｚ２Ｃ歩行の第ｎ周期目は、右足のＣ歩行、続いて左足、右足でそれぞれのＺ歩行からなり、続く第（ｎ＋１）周期は、左足のＣ歩行、続いて右足、左足でそれぞれのＺ歩行からなる。Ｚ２Ｃ歩行では、この第ｎ周期及び第（ｎ＋１）周期が繰り返される。

＜検出処理＞
図３を参照して、検出処理Ｓ１０は、センサ１２からの計測データＭＤに含まれるｘ方向の加速度Ａｘ、ｙ方向の加速度Ａｙ、及び、ｚ方向の加速度Ａｚの二乗平均平方根（Root Mean Square） を求めることで一軸の信号に変換する処理（ステップＳ１０１）を含む。これにより、ユーザによるセンサ１２の携帯の仕方の影響を排することができる。

検出処理Ｓ１０は、一軸の信号で示された計測データＭＤを高速フーリエ変換（ＦＦＴ：Fast Fourier Transform）する処理（ステップＳ１０３）を含む。これにより、一軸の信号で示された計測データＭＤから歩行動作特有の加速度の特徴量が検出できる。

検出処理Ｓ１０は、計測データＭＤをＦＦＴすることで得られた周波数スペクトルから、計測データＭＤが歩行を示しているか否かの歩行判定する処理（ステップＳ１０５）を含む。一例として、ステップＳ１０５の歩行判定には、判定時点から直前の１０２４サンプルを用いる。ステップＳ１０５の歩行判定は、一例として、センサ１２による歩行挙動の計測中に１秒ごとに行われる。好ましくは、２回目以降の歩行判定には、最大過去５秒分の結果を用いて平滑化を行う。

図４（Ａ）を参照して、Ｚ歩行のみの通常歩行時には２Ｈｚ付近に特徴が検出される（特徴点Ａ）。そこで、ステップＳ１０５の歩行判定では、この特徴を利用して歩行しているか否かを判定する。Ｚ２Ｃ歩行は３歩ごとにＣ歩行が挟まれることによって通常歩行とは周期の異なる波形が検出されると考えられる。しかしながら、図４（Ｂ）に示されるとおり２歩のＺ歩行による特徴（特徴点Ｂ）が大きく検出されるため、通常歩行と大きな差が得られない。そのため、ステップＳ１０５の歩行判定では、周波数特性を用いて通常歩行とＺ２Ｃ歩行とを判別することは困難である。従って、ステップＳ１０５の歩行判定では、検出装置１を携帯しているユーザが歩行しているかを判定し、判定された歩行には通常歩行とＺ２Ｃ歩行とが含まれる。

検出処理Ｓ１０は、ステップＳ１０３で歩行していると判定された計測データＭＤからＺ２Ｃ歩行を検出するＺ２Ｃ歩行を検出する処理（ステップＳ１０７）を含む。ステップＳ１０７の歩行検出では、Ｚ２Ｃ歩行のうちのＣ歩行を検知することで正しくＺ２Ｃ歩行が行われているか否かを判定する。一般的に、歩幅が大きいほど、第一歩の着地から続く第二歩の着地までの時間間隔（以下、歩行時間間隔とも称する）が大きい、つまり、Ｃ歩行とＺ歩行とでは、一般的にＣ歩行の歩行時間間隔の方が大きいためである。

ステップＳ１０７の歩行検出では、計測データＭＤから得られる加速度波形が同一の特徴を示す隣接するタイミングを歩行時間間隔とみなす。加速度波形が示す特徴は、検出装置１を携帯する位置に応じた足（例えば、入れているポケット側の足）の特徴が大きく表われる。そこで、ステップＳ１０７の歩行検出では、左右１歩ずつの２歩分の歩行時間間隔を単位計測周期Ｔとして計測データＭＤから読み取る。

ステップＳ１０７の歩行検出では、初めに初期検出処理Ｓ７１を実行し、以降、歩行周期検出処理Ｓ７２を計測データの終了まで繰り返す。その結果を用いて、判定処理Ｓ７３を実行する。

初期検出処理Ｓ７１は、検出時から直前の例えば１０２４サンプルの計測データに対して、先頭から初期検出範囲Ｒ０の中から特徴点１を抽出する処理である。特徴点は、例えば、検出範囲内で加速度が最大となる点とする。

歩行周期検出処理Ｓ７２では、特徴点１から規定間隔ＤＴで次の特徴点２を検出するための検出範囲Ｒを設定する。そして、設定された検出範囲Ｒから特徴点２を抽出する。連続する歩行周期検出処理Ｓ７２によって得られた特徴点２間の時間間隔が単位計測周期Ｔとなる。

図５を参照して、計測データの１０［ｓ］の時点Ｔ０から例えば１秒の時点Ｔ１までの初期検出範囲Ｒ０において、加速度最大の点が特徴点１として検出される。特徴点１の存在する時点ｔ１から、例えば１秒間である規定間隔ＤＴおいた時点Ｔ２付近が検出範囲Ｒと設定される。検出範囲Ｒは、時点Ｔ２から前後所定期間ｔ（例えば０．２秒）の範囲である。設定された検出範囲Ｒから、加速度最大の点が特徴点２として検出される。特徴点２の存在する時点ｔ２から規定間隔ＤＴおいた時点Ｔ３に基づいて前後所定期間（例えば０．２秒）の検出範囲Ｒを設定し、その検出範囲Ｒから次の特徴点２が検出される。この２つの特徴点２の存在する時点ｔ２，ｔ３の時間間隔が単位計測周期Ｔとされる。

単位計測周期Ｔは２歩分の周期であるため、Ｚ２Ｃ歩行では、図２に示されるとおり、Ｃ歩行とＺ歩行との組み合わせである時間間隔Ｄ１と、２歩分のＺ歩行からなる時間間隔Ｄ２（Ｄ１＞Ｄ２）と、の２種類の間時間隔が、Ｄ１，Ｄ１，Ｄ２の順に周期的に現れる。従って、判定処理Ｓ７３は常時実行されて、歩行周期検出処理Ｓ７２を連続して実行することで得られた複数の特徴点２から連続する複数の単位計測周期Ｔを算出し、単位計測周期ＴがＤ１，Ｄ１，Ｄ２（Ｄ１＞Ｄ２）の順に１回以上検出された場合に、Ｚ２Ｃ歩行と判定する。

図６を参照して、ユーザが右足近傍（例えば右側腰ポケット）に検出装置１を携帯していると、歩行周期検出処理Ｓ７２によって検出される特徴点２は、右足の着地を表す特徴量を示す。判定処理Ｓ７３では、この時間間隔を比較することで、Ｃ歩行である時間間隔Ｄ１であるかＺ歩行である時間間隔Ｄ２であるかを判定する。例えば、歩行時間間隔がＺ歩行時の歩行時間間隔より所定時間（例えば、０．１２秒）以上長い場合に、Ｃ歩行と判定できる。なお、０．１２秒は試験的に求めた値であって、４人の被験者による通常歩行の歩行時間間隔のずれの最大値である。図６では、時間間隔Ｄ２，Ｄ１，Ｄ１の順に検出されているため、ステップＳ１０７の歩行検出ではＺ２Ｃ歩行と判定する。

なお、上記した検出処理Ｓ１０での検出方法は、検出対象の混合パターンがＺ２Ｃ歩行である場合の検出方法である。混合パターンは、Ｃ歩行とＺ歩行とが混在するものであればＺ２Ｃ歩行に限定されず。例えば、Ｃ歩行、Ｃ歩行、及びＺ歩行が周期的に繰り返されるＺＣＣ歩行であってもよい。好ましくは、検出対象の混合パターンは、Ｃ歩行とＺ歩行とが異なる歩数の組み合わせからなる。これにより、検出装置１が配置された側の一方の足、つまり、２歩間の歩行時間間隔を単位計測周期Ｔとしたときに、単位計測周期Ｔの長短のパターンで混合パターンを検出できるためである。なお、混合パターンがＺＣＣ歩行である場合には、検出処理Ｓ１０において、Ｃ歩行とＺ歩行との組み合わせである時間間隔Ｄ１と、２歩分のＣ歩行からなる時間間隔Ｄ３（Ｄ３＞Ｄ１）と、の２種類の間時間隔が、Ｄ３，Ｄ３，Ｄ１の順に周期的に現れることを検出すればよい。

＜表示処理＞
検出処理Ｓ１０の結果は、表示制御部１０２での表示処理によってディスプレイ１３に表示されてもよい。検出処理Ｓ１０の結果は、例えば、所定期間（例えば１日）における各歩行モードでの歩行量である。歩行量は、例えば、歩数や歩行時間で表される。表示処理では、少なくとも、混合パターン（ＺＺＣ歩行モードやＺＣＣ歩行モード）での歩行量に基づく値を表示する。表示処理の第１の例として、各歩行モードでの歩行量に基づく値を比較して表示する。歩行量に基づく値は、歩行量と、歩行量から算出される値と、を含む。

図７（Ａ）の例では、検出処理Ｓ１０の結果は、１日に検出された総歩数９０００歩のうち、Ｚ歩行のみ連続する通常歩行モードが３０００歩、ＺＺＣ歩行モードが２０００歩、ＺＣＣ歩行モードが１５００歩、及び、その他の歩行が２５００歩、である。図７（Ａ）の上部は、各歩行モードでの歩数を同一のグラフに表示したものである。グラフは、例えば円グラフである。

図７（Ａ）の中央部は、各歩行モードでの歩行時間に基づく値を比較して表示したものである。各歩行モードでの歩行時間に基づく値は、例えば、各歩行モードでの消費カロリーである。このため、演算部１０１は、各歩行モードでの歩行時間から消費カロリーを算出するための演算式を予め記憶しておき、検出処理Ｓ１０の結果である各歩行モードの歩行時間から各歩行モードの消費カロリーを算出する。

各歩行モードでの歩行時間から消費カロリーを算出するための演算式は、例えば、下の式である。
消費カロリー（Ｋｃａｌ）＝１．０５（定数）×Ｍｅｔｓ値×体重（Ｋｇ）×運動時間（Ｈ）
上の演算式において、Ｍｅｔｓ値が歩行モードごとに異なる。例えば、通常歩行モードのＭｅｔｓ値Ｍ１、ＺＺＣ歩行モードのＭｅｔｓ値Ｍ２、及び、ＺＣＣ歩行モードのＭｅｔｓ値Ｍ３は、Ｍ１＜Ｍ２＜Ｍ３の関係を有する値である。

歩行量から算出される値は、例えば、歩行量と予め設定している歩行量の目標値との比較を示す値である。表示処理の第２の例として、各歩行モードでの歩行量と予め設定している歩行量の目標値との比較を示す値を表示する。目標値との比較を示す値は、例えば、目標値からの差分や、目標値に対する割合である。

図７（Ａ）の下部は、各歩行モードでの歩行時間と目標歩行時間との差分を表示したものである。このため、演算部１０１は、目標値を予め記憶しておき、歩行時間との差分や割合を算出する。

歩行量から算出される値は、例えば、歩行量とその歩行量が他の歩行モードでの歩行量であった場合との、歩行量から算出される値の比較である。表示処理の第３の例として、各歩行モードでの歩行量とその歩行量が他の歩行モードでの歩行量であった場合との比較を表示する。図７（Ｂ）の上部は、歩行モードごとの消費カロリーを示す棒グラフに、すべての歩行を通常歩行モードに置き換えた場合の消費カロリーを示す棒グラフ、及び、通常歩行モードでの歩行をＺ２Ｃ歩行に置き換えた場合の消費カロリーを示す棒グラフを加えたものである。

図７（Ｂ）の下部は、検出処理Ｓ１０の結果に基づいて算出された消費カロリーと、総歩数をＺＺＣ歩行に替えた場合、及び、総歩数をＺＣＣ歩行に置き換えた場合の消費カロリーとの比較を表示したものである。

＜第１の実施の形態の効果＞
検出装置１が上記の検出処理Ｓ１０を実行することで、歩行中に、通常歩行と混合パターンによる歩行とが混在している場合であっても混合パターンによる歩行を容易に検出できる。

［第２の実施の形態］
歩行動作には個人差がある。そこで、第２の実施の形態では、検出処理Ｓ１０において、ユーザに応じた歩行周期検出処理Ｓ７２を実行する。一例として、規定間隔ＤＴをユーザに応じて設定する。このため、第２の実施の形態に係る検出装置１の演算部１０１は、演算プログラム１１１を実行することで、さらに、適応処理Ｓ２０を実行する。

図１に示されるように、規定間隔ＤＴをユーザに応じて設定するために、第２の実施の形態に係る検出装置１の演算部１０１は、適応処理Ｓ２０として個人適応処理Ｓ２１を実行する。図８を参照して、個人適応処理Ｓ２１は、ユーザ情報として予め記憶している歩行挙動データである設定用データＳＤから歩行時間間隔Ｘ１を算出し、算出された歩行時間間隔Ｘ１に基づく値を規定間隔ＤＴに設定する処理Ｓ２０１を含む。なお、図８のステップＳ２０３の処理は第２の実施の形態に係る処理に含まれず、第３の実施の形態において説明する。

設定用データＳＤは、計測データＭＤとは異なるタイミング（事前）に計測され、メモリ１１に記憶されている、当該ユーザの歩行挙動を示すデータである。または、設定用データＳＤは、計測データＭＤそのものであってもよい。その場合、設定用データＳＤとしては、検出処理Ｓ１０の対象とするデータ位置、又は、そのデータ位置より前の位置のデータを用いる。

上記の歩行周期検出処理Ｓ７２では２歩分の歩行時間間隔である単位計測周期Ｔを用いるため、規定間隔ＤＴを設定する処理Ｓ２０１では、規定間隔ＤＴとして、設定用データＳＤから得られた歩行時間間隔Ｘ１から算出される２Ｘ１を設定して、メモリ１１に格納する。演算部１０１は、検出処理Ｓ１０においてメモリ１１から間隔２Ｘ１を読み出し、規定間隔ＤＴとして処理に用いる。

これにより、歩行時間間隔が、例えば１秒とした固定の規定間隔ＤＴとは異なるユーザであっても、混合パターンによる歩行を精度よく検出することができる。

［第３の実施の形態］
また、歩行動作が歩行環境の変化によって変化する場合がある。例えば、平坦な道と坂道とでは歩幅が異なる場合がある。そこで、第３の実施の形態では、検出処理Ｓ１０において、歩行状況に応じた歩行周期検出処理Ｓ７２を実行する。一例として、規定間隔ＤＴを歩行状況に応じて補正する。このため、第３の実施の形態に係る検出装置１の演算部１０１は、演算プログラム１１１を実行することで、さらに、適応処理Ｓ２０を実行する。

図１に示されるように、規定間隔ＤＴをユーザに応じて設定するために、第３の実施の形態に係る演算部１０１は、適応処理Ｓ２０として状況適応処理Ｓ２２を実行する。図８を参照して、状況適応処理Ｓ２２は、センサ１２からの計測データＭＤをＦＦＴして得られた周波数スペクトルから歩行時間間隔Ｘ２を算出し、算出された歩行時間間隔Ｘ２に基づいて、設定されている規定間隔ＤＴを補正する処理Ｓ２０３を含む。上記の歩行周期検出処理Ｓ７２では２歩分の歩行時間間隔である単位計測周期Ｔを用いるため、規定間隔ＤＴを補正する処理Ｓ２０３では、規定間隔ＤＴを歩行時間間隔Ｘ２から算出される２Ｘ２で補正する。好ましくは、状況適応処理Ｓ２２は、検出処理Ｓ１０中に繰り返し実行される。

これにより、歩行状況が、歩行時間間隔が変化するほど変化した場合であっても、ユーザが数歩歩くことで例えば１秒とした固定の規定間隔ＤＴを補正することができる。そのため、歩行状況が変化した場合であっても、混合パターンによる歩行を精度よく検出することができる。

好ましくは、状況適応処理Ｓ２２は、検出処理Ｓ１０中に繰り返し実行される。これにより、歩行状況の変化に応じてリアルタイムに規定間隔ＤＴが補正される。その結果、歩行中の歩行状況が様々に変化した場合であっても、混合パターンによる歩行を精度よく検出することができる。

なお、図８に示されたように、第２の実施の形態での個人適応処理Ｓ２１と、第３の実施の形態での状況適応処理Ｓ２２とが組み合わされてもよい。この場合、図８に示された通り、検出処理Ｓ１０の開始時に個人適応処理Ｓ２１が行われてユーザに応じて規定間隔ＤＴが設定される。その後、歩行中に、歩行状況に応じて、設定された規定間隔ＤＴが補正される。この結果、より精度よく混合パターンによる歩行を検出することができる。

発明者らは、第２の実施の形態に係る個人適応処理Ｓ２１、及び、第３の実施の形態に係る状況適応処理Ｓ２２の効果を検証するための実験を行った。実験では、２０代前半の男性８人、女性１人、の計９人の被験者に、平たんな道で通常歩行とＺ２Ｃ歩行とを、１回約３０秒として２回ずつ行わせた。計測開始時及び終了時に静止するものとした。検出装置１を用いて、それぞれの歩行からＺ２Ｃ歩行を検出した。検出処理Ｓ１０は、１秒ごとに実行した。

実験結果は、個人適応処理Ｓ２１及び状況適応処理Ｓ２２を組み合わせた適応処理Ｓ２０を行って検出処理Ｓ１０を実行したもの（（Ｂ），（Ｄ））と、適応処理Ｓ２０を行わずに検出処理Ｓ１０を行ったもの（（Ａ），（Ｃ））とに分けて示している。なお、９名の被験者のうちの男性２人はＺ２Ｃ歩行の経験がある経験者で、他の７人が未経験者であるため、経験者（（Ａ），（Ｂ））と未経験者（（Ｃ），（Ｄ））とを分けて結果を示している。また、結果中のunknownは、Ｃ歩行が検知できているがＺ−Ｃ−Ｚ歩行の１回周期が検知できていない場合を指す。異常値検出は、計測データＭＤに設定された検出範囲Ｒのうちの着地を示す特徴点２が検出できなかった箇所の数を指す。

Ｚ２Ｃ歩行経験者については図９（Ａ）と図９（Ｂ）とを比較し、Ｚ２Ｃ歩行未経験者については図９（Ｃ）と図９（Ｄ）とを比較すると、通常歩行に大きな変化はないものの、Ｚ２Ｃ歩行時におけるＺ２Ｃ歩行の検出率（成功率）が経験者、未経験者ともに適応処理Ｓ２０を行った方が大幅に向上している。なお、経験者については、適応処理Ｓ２０を行った方がunknownも異常値検出も大幅に減少している。一方、未経験者については、unknownも多少減少しているものの、適応処理Ｓ２０を行った方が異常値検出が大幅に減少している。

図９（Ａ）〜（Ｄ）に示された実験結果より、ユーザがＺ２Ｃ歩行の経験の有無に関わらず、適応処理Ｓ２０によってＺ２Ｃ歩行の検出精度が大きく向上することが検証された。なお、通常歩行の結果に適応処理Ｓ２０の有無による差が大きく見られないことは、被験者が固定値とした規定間隔ＤＴを１秒としたときに規定される検出範囲Ｒ内に歩行時間間隔が含まれていたためと考えられる。この場合、適応処理Ｓ２０を行った場合と行わなかった場合との規定間隔ＤＴの差が大きくない。一方で、ユーザがＺ２Ｃ歩行の経験の有無に関わらず、適応処理Ｓ２０によってＺ２Ｃ歩行の検出精度が改善したことは、Ｃ歩行の際の歩行時間間隔は規定間隔ＤＴを１秒としたときに規定される検出範囲Ｒ内にない場合が多かったためと考えられる。従って、このような場合に適応処理Ｓ２０によって規定間隔ＤＴを最適化することで検出範囲Ｒ内から特徴点２が検出されるようになり、その結果、Ｚ２Ｃ歩行の検出精度が向上すると考えられる。

なお、この実験において、被験者の内の４人から、異常値検出が複数回あり、また、他の被験者でも異常値検出があった。異常値が検出された際の識別結果の多くがunknownになる。そのため、経験者、未経験者ともに、適応処理Ｓ２０がない場合のunknownの検出率が高くなっている。また、経験者と未経験者との間に、Ｚ２Ｃ歩行の検出率に大きな違いが見られた。このことから未経験者がＺ２Ｃ歩行を正しくできていなかった可能性が考えられる。

［第４の実施の形態］
Ｚ２Ｃ歩行のような混合パターンで歩行することは難しい。特に、Ｚ２Ｃ歩行の未経験者にとってＺ２Ｃ歩行が難しいことが、図９に示されたとおり、発明者らの実験によっても示されている。これは、Ｃ歩行のタイミングが難しいためと考えららえる。

そこで、第４の実施の形態では、歩行中にガイド信号を出力することによってＺ２Ｃ歩行のガイドを行う。ガイド信号は、例えば、音声、光、振動、などである。ガイドを行うため、第４の実施の形態に係る検出装置１の演算部１０１は、演算プログラム１１１を実行することで、さらに、ガイド処理Ｓ３０を実行する。

また、第４の実施の形態では、プロセッサ１０は、メモリ１１に記憶された制御プログラムを読み出して、スピーカ１４などの出力部での出力を制御する出力制御部１０３として機能する。出力制御部１０３は演算部１０１でのガイド処理Ｓ３０の結果をスピーカ１４から出力する出力処理を実行する。

ガイド処理Ｓ３０は、Ｚ２Ｃ歩行中に、Ｚ歩行とＣ歩行とのうちの少なくとも一方のタイミングをユーザに提示するための情報を生成する処理である。生成された情報は出力制御部１０３に渡され、出力処理によってスピーカ１４から出力されることでＺ２Ｃ歩行をガイドする。好ましくは、Ｚ歩行とＣ歩行とのすべてのタイミングをユーザに提示する。

好ましくは、ガイド処理Ｓ３０は、適応処理Ｓ２０の個人適応処理Ｓ２１の結果に基づいて、ユーザに応じた歩行時間間隔でＺ２Ｃ歩行をガイドする。より好ましくは、ガイド処理Ｓ３０は、ガイド中に状況適応処理Ｓ２２の結果に基づいて歩行時間間隔を補正する。

発明者らは、ガイド処理Ｓ３０の効果を検証するための実験を行った。実験では、Ｚ２Ｃ歩行の経験者であって、上記の実験の被験者とは異なる２人の被験者に、下の条件ａ〜ｃで音声ガイドを行って、Ｚ２Ｃ歩行を行わせた。なお、ここでの音声ガイドは所定のブザー音である。
ａ）音声によるガイドなし（図１０中の「音無」）
ｂ）Ｚ歩行の一定リズムでの音声ガイドあり（図１０中の「一定」）
ｃ）Ｚ歩行、Ｃ歩行両タイミングに音声ガイドあり（図１０中の「混合」）

条件ｂ，ｃでのＺ歩行のガイドには、予め両被験者のＺ歩行の歩行時間間隔を計測し、その歩行時間間隔の平均値を用いた。条件ｃでのＣ歩行のガイドには、上記の平均値に０．１２秒を加えた値を用いた。

各被験者の計測データの任意のｎ歩目から検出装置１での検出処理Ｓ１０に用い、５歩分の歩行時間間隔と歩行距離とを算出した。この処理を、各被験者につき、ｎ歩の位置を変えて５回ずつ実行し、その平均値を算出して検出結果とした。なお、両被験者の計測データにおける検出処理Ｓ１０に用いる位置を同じ位置とした。図１０（Ａ），（Ｂ）において、「右大」は右足によるＣ歩行、「左大」は左足によるＣ歩行を示し、「左」「右」は、それぞれ、左足、右足によるＺ歩行（通常歩行）を示している。

図１０（Ａ），（Ｂ）ともに、条件ａ〜ｃのいずれにおいても、Ｃ歩行の歩行時間間隔がＺ歩行の歩行時間間隔よりも大きい。しかしながら、図１０（Ａ），（Ｂ）ともに、条件ｃにおいてＣ歩行の歩行時間間隔が最も大きい。また、条件ａ，ｂを比較すると、条件ａの方が歩行時間間隔がＺ歩行、Ｃ歩行共に小さい傾向が見られる。これは、特に被験者Ｂで顕著に表れている。

図１０（Ａ），（Ｂ）の結果より、いずれの被験者にも、条件ｃのＣ歩行時にＺ歩行時からタイミングを遅らせた音声ガイドを行った場合に、Ｃ歩行時に音が提示されるタイミングを少し待つ現象が生じていると考えられる。これは、Ｚ２Ｃ歩行のスムーズなガイドとはなっていない可能性がある。一方、条件ｂのＺ歩行に合わせた一定のペースの音声ガイドを行った場合に、駆け足気味になり、被験者のペースでの歩行ができていない可能性が考えられる。加えて、被験者Ｂについては、音声ガイドがない場合（条件ａ）、音声ガイドがあった場合（条件ｂ、ｃ）と比較してＣ歩行の歩行距離の平均値が２ｃｍ短くなっていた。このことから音声ガイドがある場合にはＣ歩行に意識が集中すると考えられる。

この実験より、音声ガイドがある場合にはＣ歩行に意識が集中するため、音声ガイドは有効であることが検証された。一方で、Ｚ歩行に応じた一定間隔（リズム）のガイド及びＺ歩行並びにＣ歩行についての規定された一律のタイミングでのガイドより、ガイド処理Ｓ３０において適応処理Ｓ２０の結果を利用してＣ歩行のガイドのタイミングを少なくともユーザに応じたタイミングとすることがより効果的であると言える。

［第５の実施の形態］
演算部１０１での検出の他の例として、演算部１０１は、通常の歩行モード中の、Ｃ歩行の連続する大股歩行モードでの歩行（ＣＣＣ歩行）を検出してもよい。この場合、検出処理Ｓ１０において、２歩分のＣ歩行からなる時間間隔Ｄ３が連続して現れることを検出すればよい。

また、演算部１０１での検出の他の例として、演算部１０１は、混合パターンのみならず、通常の歩行モード中の、Ｃ歩行の連続する大股歩行モードでの歩行（ＣＣＣ歩行）を検出することもできる。つまり、検出処理Ｓ１０での検出対象の歩行モードは、混在パターンと通常の歩行モード中のＣＣＣ歩行との両方であってもよい。

なお、以上の実施の形態では、一般的なスマートフォンに搭載されたプロセッサ１０が検出装置１として機能する例について説明している。しかしながら、上記したように、検出装置１を実現する装置はスマートフォンに限定されず、歩数計、ウェアラブル端末装置、などであってもよい。また、複数装置それぞれに搭載されたプロセッサが協働して検出装置１として機能してもよい。例えば、スマートフォンに搭載されたプロセッサ１０と、スマートフォンと通信可能なサーバとが協働して検出装置１として機能してもよい。

また、計測データを得る装置がスマートフォンや歩数計やウェアラブル端末であって、その装置から得られた計測データをインターネット等の通信を介して取得したサーバ等の他の装置において検出処理Ｓ１０が実行されてもよい。この場合、検出装置１はサーバ等の装置となる。そして、この場合、検出装置１の表示制御部１０２や出力制御部１０３によって、検出結果やガイドが、スマートフォンなどの他の装置で行われてもよい。

なお、この場合、スマートフォンなどの装置で表示や出力を行うためのプログラム（アプリケーション）が、記録媒体に記録した状態や、サーバコンピュータなどのコンピュータ装置からのダウンロードによって提供されてもよい。

本発明は、上記実施形態に限定されるものではなく、様々な変形が可能である。

１ ：検出装置
２ ：特徴点
１０ ：プロセッサ
１１ ：メモリ
１２ ：センサ
１３ ：ディスプレイ
１４ ：スピーカ
１０１ ：演算部
１０２ ：表示制御部
１０３ ：出力制御部
１１１ ：演算プログラム
Ａｘ ：加速度
Ａｙ ：加速度
Ａｚ ：加速度
Ｄ１ ：時間間隔
Ｄ２ ：時間間隔
ＤＴ ：規定間隔
ＭＤ ：計測データ
Ｒ ：検出範囲
Ｒ０ ：初期検出範囲
Ｓ１０ ：検出処理
Ｓ２０ ：適応処理
Ｓ２１ ：個人適応処理
Ｓ２２ ：状況適応処理
Ｓ３０ ：ガイド処理
Ｓ７１ ：初期検出処理
Ｓ７２ ：歩行周期検出処理
Ｓ７３ ：判定処理
ＳＤ ：設定用データ
Ｔ ：単位計測周期
Ｘ１ ：歩行時間間隔
Ｘ２ ：歩行時間間隔
ｄ１ ：歩幅
ｄ２ ：歩幅

Claims (16)

1. 歩行挙動を示す計測データから、通常の歩幅での通常歩行と、前記通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する演算部を備える
   検出装置。
2. 前記計測データは、前記歩行挙動の特徴量の時間経過を示し、
   前記演算部は、前記計測データから抽出された着地を示す特徴量の時間間隔から前記混合パターンを検出する
   請求項１に記載の検出装置。
3. 前記演算部は、前記計測データから着地を示す特徴量を抽出することで着地タイミングを検出し、
   第１の着地タイミングから規定間隔で、次の第２の着地タイミングを示す特徴量の検出範囲を設定する
   請求項２に記載の検出装置。
4. 前記演算部は、ユーザの歩行周期に基づいて前記ユーザについての前記規定間隔を設定する
   請求項３に記載の検出装置。
5. 前記ユーザの前記計測データ、又は、前記計測データとは異なるタイミングで取得された歩行挙動を示す設定用データから歩行周期を得、前記歩行周期に基づいて前記ユーザについての前記規定間隔を設定する
   請求項４に記載の検出装置。
6. 前記設定用データから得られた前記歩行周期を予め記憶する記憶部をさらに備える
   請求項５に記載の検出装置。
7. 前記演算部は、前記計測データから前記歩行周期を算出し、前記歩行周期を用いて前記規定間隔を補正する
   請求項４又は５に記載の検出装置。
8. 前記混合パターンは、第１の歩数の前記通常歩行と、前記第１の歩数とは異なる第２の歩数の前記大股歩行と、の組み合わせからなるパターンである
   請求項１に記載の検出装置。
9. 前記計測データは、前記歩行挙動の特徴量の時間経過を示し、
   前記演算部は、前記歩行挙動を示すデータから着地を示す特徴量を抽出し、前記着地を示す特徴量のうちの一方の足の着地を示す特徴量の時間間隔に基づいて前記混合パターンを検出する
   請求項８に記載の検出装置。
10. 前記混合パターンは、前記通常歩行、前記通常歩行、及び、前記大股歩行の組み合わせからなるパターンである
    請求項８又は９に記載の検出装置。
11. 前記混合パターンでの歩行をガイドするためのガイド信号を出力する出力部をさらに備える
    請求項１〜９のいずれか一項に記載の検出装置。
12. 前記ガイド信号は、前記混合パターンにおける前記通常歩行及び前記大股歩行それぞれの歩行間隔を指示するものであって、
    前記演算部は、ユーザの歩行周期に基づいた前記通常歩行及び前記大股歩行それぞれの歩行間隔を指示する前記ガイド信号を生成する
    請求項１１に記載の検出装置。
13. 前記演算部は、検出された前記混合パターンでの歩行量に基づく値を表示装置に表示させる表示制御部をさらに備える
    請求項１〜１２のいずれか一項に記載の検出装置。
14. 前記表示制御部は、所定期間内の前記混合パターンでの歩行量に基づく値と、前記所定期間内の前記混合パターン以外での歩行による歩行量に基づく値と、の比較を示す情報を前記表示装置に表示させる
    請求項１３に記載の検出装置。
15. 検出装置での検出方法であって、
    歩行挙動を示すデータから、通常の歩幅での通常歩行と、前記通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する
    検出方法。
16. 検出装置としてコンピュータを機能させるためのコンピュータプログラムであって、
    前記コンピュータを、
    歩行挙動を示すデータから、通常の歩幅での通常歩行と、前記通常の歩幅より大きい歩幅での大股歩行と、からなる混合パターンを検出する演算部として機能させる
    コンピュータプログラム。

Images