JP2021126289A - Estimation method - Google Patents
Estimation method Download PDFInfo
- Publication number
- JP2021126289A JP2021126289A JP2020022449A JP2020022449A JP2021126289A JP 2021126289 A JP2021126289 A JP 2021126289A JP 2020022449 A JP2020022449 A JP 2020022449A JP 2020022449 A JP2020022449 A JP 2020022449A JP 2021126289 A JP2021126289 A JP 2021126289A
- Authority
- JP
- Japan
- Prior art keywords
- acceleration
- acceleration sensor
- sitting
- living body
- data group
- 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.)
- Pending
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
本発明は、センサの装着方向を推定する推定方法の技術分野に関する。 The present invention relates to the technical field of an estimation method for estimating the mounting direction of a sensor.
この種の方法に関連する技術として、例えば、加速度センサの出力に基づいて生体の姿勢の角度や体動量を検出する技術が提案されている（特許文献１参照）。 As a technique related to this type of method, for example, a technique for detecting the posture angle and the amount of body movement of a living body based on the output of an acceleration sensor has been proposed (see Patent Document 1).
装着時の加速度センサの生体に対する方向（以降、適宜“装着方向”と称する）が、加速度センサの検出結果に影響を及ぼすことがある。加速度センサの装着方向が考慮されていない特許文献１に記載の技術では、生体の姿勢を正しく検出できない可能性があるという問題点がある。 The direction of the accelerometer with respect to the living body at the time of wearing (hereinafter, appropriately referred to as "wearing direction") may affect the detection result of the accelerometer. The technique described in Patent Document 1 in which the mounting direction of the acceleration sensor is not taken into consideration has a problem that the posture of the living body may not be detected correctly.
本発明は、上記問題点に鑑みてなされたものであり、センサの装着方向を推定することができる推定方法を提供することを課題とする。 The present invention has been made in view of the above problems, and an object of the present invention is to provide an estimation method capable of estimating the mounting direction of a sensor.
本発明の一態様に係る推定方法は、生体の体幹に装着された加速度センサの装着方向を推定する推定方法であって、前記加速度センサから逐次出力された加速度データ群から、前記ユーザが座っている期間である座位区間に前記加速度センサから出力された加速度データである座位データ群を抽出する抽出工程と、前記座位データ群に含まれる加速度データが２次元座標上にプロットされたときに現れる分布パターンから基準ベクトルを特定する特定工程と、前記特定された基準ベクトルの前記２次元座標上での傾きに基づいて、前記装着方向を推定する推定工程と、を含むというものである。 The estimation method according to one aspect of the present invention is an estimation method for estimating the mounting direction of an acceleration sensor mounted on the trunk of a living body, and the user sits down from a group of acceleration data sequentially output from the acceleration sensor. It appears when the extraction step of extracting the sitting position data group, which is the acceleration data output from the acceleration sensor, and the acceleration data included in the sitting position data group are plotted on the two-dimensional coordinates in the sitting position section during the period. It includes a specific step of specifying a reference vector from a distribution pattern and an estimation step of estimating the mounting direction based on the inclination of the specified reference vector on the two-dimensional coordinates.
推定方法に係る実施形態について説明する。実施形態に係る推定方法は、例えば人間等の生体の体幹に装着された加速度センサの装着方向を推定する推定方法である。体幹（即ち、胴体部分）における加速度センサの具体的な装着位置としては、例えば腰、胸等が挙げられる。 An embodiment related to the estimation method will be described. The estimation method according to the embodiment is an estimation method for estimating the mounting direction of an acceleration sensor mounted on the trunk of a living body such as a human being. Specific mounting positions of the acceleration sensor on the trunk (that is, the body portion) include, for example, the waist and chest.
加速度センサから出力される一の加速度データは、３軸（例えばｘ軸、ｙ軸、ｚ軸）の加速度を含んでいる。ここで、加速度センサは、所謂３軸加速度センサであってもよいし、互いに異なる３軸のうち１軸に沿った加速度を夫々検出する３つの加速度センサを含んで構成されていてもよい。尚、以降の説明では、生体の高さ方向を“ｘ軸”、生体の左右方向を“ｙ軸”、生体の前後方向を“ｚ軸”とする。 One acceleration data output from the acceleration sensor includes accelerations of three axes (for example, x-axis, y-axis, and z-axis). Here, the acceleration sensor may be a so-called three-axis acceleration sensor, or may be configured to include three acceleration sensors that detect acceleration along one of the three different axes. In the following description, the height direction of the living body is referred to as "x-axis", the left-right direction of the living body is referred to as "y-axis", and the anteroposterior direction of the living body is referred to as "z-axis".
加速度センサから逐次出力された時系列の加速度データは、加速度データ群として蓄積される。当該推定方法は、上記加速度データ群から、生体が座っている期間である座位区間に、加速度センサから出力された加速度データである座位データ群を抽出する抽出工程を含む。この抽出工程では、例えば機械学習や、加速度に係る閾値等を用いた既存の技術により、生体が座っている期間である座位区間が特定されてよい。そして、抽出工程では、時系列の加速度データ（即ち、加速度データ群）から、座位区間に該当する時系列の加速度データが、座位データ群として抽出される。 The time-series acceleration data sequentially output from the acceleration sensor is accumulated as an acceleration data group. The estimation method includes an extraction step of extracting a sitting position data group which is acceleration data output from an acceleration sensor in a sitting position section which is a period in which a living body is sitting from the acceleration data group. In this extraction step, a sitting section, which is a period in which the living body is sitting, may be specified by, for example, machine learning or an existing technique using a threshold value related to acceleration. Then, in the extraction step, the time-series acceleration data corresponding to the sitting section is extracted as the sitting data group from the time-series acceleration data (that is, the acceleration data group).
当該推定方法は、上記抽出された座位データ群に含まれる加速度データが２次元座標上にプロットされたときに現れる分布パターンから基準ベクトルを特定する特定工程を含む。ここで、本願発明者は、座位データ群に含まれる複数の加速度データが２次元座標上にプロットされると、ある方向に延びる直線のまわりに分布することを見出した。加えて、本願発明者は、該直線が延びる方向が、加速度センサの装着方向に応じて変化することも見出した。特定工程では、上記直線が延びる方向に沿うベクトルが、基準ベクトルとして特定される。 The estimation method includes a specific step of specifying a reference vector from a distribution pattern that appears when the acceleration data included in the extracted sitting data group is plotted on two-dimensional coordinates. Here, the inventor of the present application has found that when a plurality of acceleration data included in a sitting position data group are plotted on two-dimensional coordinates, they are distributed around a straight line extending in a certain direction. In addition, the inventor of the present application has also found that the direction in which the straight line extends changes depending on the mounting direction of the acceleration sensor. In the specific step, a vector along the direction in which the straight line extends is specified as a reference vector.
当該推定方法は、上記特定された基準ベクトルの２次元座標上での傾きに基づいて、装着方向を推定する推定工程を含む。基準ベクトルの向きは、上述の如く、加速度センサの装着方向に応じて変化する。このため、基準ベクトルの２次元座標上での傾き（言い換えれば、基準ベクトルの向き）から、装着方向を推定することができる。従って、当該推定方法によれば、加速度センサの装着方向を推定することができる。 The estimation method includes an estimation step of estimating the mounting direction based on the inclination of the specified reference vector on the two-dimensional coordinates. As described above, the orientation of the reference vector changes according to the mounting direction of the acceleration sensor. Therefore, the mounting direction can be estimated from the inclination of the reference vector on the two-dimensional coordinates (in other words, the direction of the reference vector). Therefore, according to the estimation method, the mounting direction of the acceleration sensor can be estimated.
実施形態に係る推定方法について、図１のフローチャートを参照して説明を加える。図１において、先ず、加速度センサから逐次出力された加速度データが逐次取得される（ステップＳ１０１）。この結果、上述した加速度データ群（即ち、時系列の加速度データ）が得られる。尚、ステップＳ１０１の処理は、後述するステップＳ１０２以降の処理と並行して常時行われていてよい。 The estimation method according to the embodiment will be described with reference to the flowchart of FIG. In FIG. 1, first, the acceleration data sequentially output from the acceleration sensor is sequentially acquired (step S101). As a result, the above-mentioned acceleration data group (that is, time-series acceleration data) is obtained. The process of step S101 may be performed at all times in parallel with the processes of steps S102 and subsequent steps described later.
次に、加速度データ群に基づいて、生体が座っている期間である座位区間が検出される（ステップＳ１０２）。このステップＳ１０２の処理の結果を参照して、加速度データ群から座位データ群が抽出される。 Next, based on the acceleration data group, the sitting section, which is the period during which the living body is sitting, is detected (step S102). The sitting data group is extracted from the acceleration data group with reference to the result of the process in step S102.
ここで、座位データ群について図２及び図３を参照して具体的に説明する。図２において、楕円は、生体（ここでは、人間）の横断面を表している。図２（ａ）では、加速度センサが、生体の中央に装着されている（例えば、正中線にセンサが重なるように装着されている）。図２（ｂ）では、加速度センサが、生体の中央より左側に装着されている。図２（ｃ）では、加速度センサが、生体の中央より右側に装着されている。尚、図２のｙ軸は、生体の左右方向に対応しており、ｚ軸は、生体の前後方向に対応している。 Here, the sitting position data group will be specifically described with reference to FIGS. 2 and 3. In FIG. 2, the ellipse represents a cross section of a living body (here, a human). In FIG. 2A, the accelerometer is mounted in the center of the living body (for example, the sensor is mounted so as to overlap the midline). In FIG. 2B, the acceleration sensor is mounted on the left side of the center of the living body. In FIG. 2C, the acceleration sensor is mounted on the right side of the center of the living body. The y-axis of FIG. 2 corresponds to the left-right direction of the living body, and the z-axis corresponds to the front-back direction of the living body.
座位データ群に含まれる複数の加速度データが、ｙ−ｚ平面上にプロットされると、例えば図３に示されるような分布パターンが現れる。尚、図３における複数の黒丸が、夫々、座位データ群に含まれる複数の加速度データに対応している。 When a plurality of acceleration data included in the sitting data group are plotted on the yz plane, a distribution pattern as shown in FIG. 3, for example, appears. The plurality of black circles in FIG. 3 correspond to the plurality of acceleration data included in the sitting position data group, respectively.
図２（ａ）に示すように、加速度センサが生体の中央に装着されている場合の座位データ群に含まれる複数の加速度データは、ｚ軸まわりに分布する。図２（ｂ）に示すように、加速度センサが生体の中央より左側に装着されている場合の座位データ群に含まれる複数の加速度データは、ｙ軸とｚ軸との間を左斜め方向に延びるように分布する。図２（ｃ）に示すように、加速度センサが生体の中央より右側に装着されている場合の座位データ群に含まれる複数の加速度データは、ｙ軸とｚ軸との間を右斜め方向に延びるように分布する。 As shown in FIG. 2A, a plurality of acceleration data included in the sitting position data group when the acceleration sensor is mounted in the center of the living body are distributed around the z-axis. As shown in FIG. 2B, when the acceleration sensor is mounted on the left side of the center of the living body, the plurality of acceleration data included in the sitting position data group are obliquely left between the y-axis and the z-axis. It is distributed so as to extend. As shown in FIG. 2C, when the acceleration sensor is mounted on the right side of the center of the living body, the plurality of acceleration data included in the sitting position data group are obliquely to the right between the y-axis and the z-axis. It is distributed so as to extend.
図２（ｂ）及び（ｃ）に示すように、加速度センサが生体の中央より左側又は右側に装着されている場合、生体表面の丸みに起因して、加速度センサが、例えばｚ軸に対して傾く。このため、生体が座っている状態で、例えば前後方向に（即ち、ｚ軸方向に）揺れると、加速度センサにより検出されるｚ軸方向の加速度は、加速度センサが生体の中央に装着されている場合に比べて小さくなる一方、加速度センサにより検出されるｙ軸方向の加速度は、加速度センサが生体の中央に装着されている場合に比べて大きくなる。この結果、例えば図３に示すような分布パターンが現れるのである。 As shown in FIGS. 2 (b) and 2 (c), when the accelerometer is mounted on the left side or the right side of the center of the living body, the accelerometer may be attached to the z-axis, for example, due to the roundness of the surface of the living body. Tilt. Therefore, when the living body is sitting and sways in the front-back direction (that is, in the z-axis direction), the acceleration in the z-axis direction detected by the acceleration sensor is obtained by mounting the acceleration sensor in the center of the living body. On the other hand, the acceleration in the y-axis direction detected by the acceleration sensor is larger than that in the case where the acceleration sensor is mounted in the center of the living body. As a result, for example, the distribution pattern shown in FIG. 3 appears.
図１に戻り、例えば図３に示すような分布パターンから、基準ベクトルが算出（特定）される（ステップＳ１０３）。ここで、基準ベクトルは、例えば座位データ群に含まれる複数の加速度データに基づいて主成分分析を行い、その第１主成分を特定することにより求められてよい。ステップＳ１０３の処理の結果、例えば図４に示すような、ベクトルａ１、ａ２又はａ３が算出される。 Returning to FIG. 1, the reference vector is calculated (specified) from the distribution pattern as shown in FIG. 3, for example (step S103). Here, the reference vector may be obtained, for example, by performing principal component analysis based on a plurality of acceleration data included in the sitting data group and specifying the first principal component thereof. As a result of the processing in step S103, for example, the vectors a 1 , a 2 or a 3 as shown in FIG. 4 are calculated.
ベクトルａ１は、加速度センサが生体の中央に装着されている場合の基準ベクトルの一例である。ベクトルａ２は、加速度センサが生体の中央より左側に装着されている場合の基準ベクトルの一例である。ベクトルａ３は、加速度センサが生体の中央より右側に装着されている場合の基準ベクトルの一例である。 Vector a 1 is an example of a reference vector when the acceleration sensor is mounted in the center of the living body. The vector a 2 is an example of a reference vector when the acceleration sensor is mounted on the left side of the center of the living body. Vector a 3 is an example of a reference vector when the acceleration sensor is mounted on the right side from the center of the living body.
次に、基準ベクトルの傾き（例えばｚ軸に対する傾き）から、加速度センサの装着方向が推定される（ステップＳ１０４）。ここで、基準ベクトルの傾きと、加速度センサの具体的な装着方向との関係は、実験やシミュレーションによって求められてよい。そして、該求められた関係に基づいて、基準ベクトルの傾きから、装着方向が推定されてよい。 Next, the mounting direction of the acceleration sensor is estimated from the inclination of the reference vector (for example, the inclination with respect to the z-axis) (step S104). Here, the relationship between the inclination of the reference vector and the specific mounting direction of the acceleration sensor may be obtained by experiments or simulations. Then, based on the obtained relationship, the mounting direction may be estimated from the inclination of the reference vector.
（技術的効果）
当該推定方法では、座位データ群に含まれる複数の加速度データが２次元座標上にプロットされたときに現れる分布パターンが、装着方向に応じて変化することに着目し、該分布パターンから基準ベクトルが特定される。そして、当該推定方法では、該特定された基準ベクトルの傾きから、加速度センサの装着方向が推定される。従って、当該推定方法によれば、センサの装着方向を推定することができる。
(Technical effect)
In the estimation method, attention is paid to the fact that the distribution pattern that appears when a plurality of acceleration data included in the sitting data group is plotted on the two-dimensional coordinates changes according to the mounting direction, and the reference vector is obtained from the distribution pattern. Be identified. Then, in the estimation method, the mounting direction of the acceleration sensor is estimated from the inclination of the specified reference vector. Therefore, according to the estimation method, the mounting direction of the sensor can be estimated.
＜応用例１＞
上述した推定方法の応用例について説明する。ここでは、加速度センサを用いたユーザの寝姿勢判定に上述した推定方法を適用する例について説明する。ユーザの寝姿勢の判定は、例えば加速度センサの前後方向軸とユーザに加わる重力加速度の向きとのなす角を加速度センサの出力から特定することにより行われる。尚、「寝姿勢」とは、ユーザが寝ているときの体の向き（例えば仰向け、うつ伏せ、横向き等）を意味する。
<Application example 1>
An application example of the above-mentioned estimation method will be described. Here, an example of applying the above-mentioned estimation method to the determination of the sleeping posture of the user using the acceleration sensor will be described. The determination of the user's sleeping posture is performed, for example, by specifying the angle formed by the anteroposterior axis of the acceleration sensor and the direction of the gravitational acceleration applied to the user from the output of the acceleration sensor. The "sleeping posture" means the orientation of the body when the user is sleeping (for example, lying on his back, prone, sideways, etc.).
例えば図５（ａ）に示すように、加速度センサがユーザの中央より左側に装着されていると、ユーザが仰向けに寝ていたとしても、重力加速度の向き（即ち、鉛直方向）（図５（ａ）の符号ｇ参照）は、加速度センサの前後方向軸（図５（ａ）の点線参照）とは異なってしまう。ここで、鉛直方向（即ち、ｚ軸）と加速度センサの前後方向軸とがなす角を“θｌｉｅ”とする。 For example, as shown in FIG. 5A, when the accelerometer is mounted on the left side of the center of the user, the direction of gravitational acceleration (that is, the vertical direction) even if the user is lying on his back (FIG. 5 (a). The reference numeral g in a) is different from the anteroposterior axis of the acceleration sensor (see the dotted line in FIG. 5A). Here, the angle formed by the vertical direction (that is, the z-axis) and the front-back direction axis of the acceleration sensor is defined as “θ lie ”.
他方で、例えば図５（ｂ）に示すように、加速度センサがユーザの中央に装着されていると、ユーザが仰向けに寝ている場合、鉛直方向と加速度センサの前後方向軸とは一致する（即ち、“θｌｉｅ＝０”）。このように、重力加速度の向きに基づいてユーザの寝姿勢が判定される場合、加速度センサの装着方向に起因して寝姿勢を正しく判定できない可能性がある。 On the other hand, when the accelerometer is mounted in the center of the user, for example, as shown in FIG. 5B, the vertical axis coincides with the anteroposterior axis of the accelerometer when the user lies on his back ( That is, “θ lie = 0”). In this way, when the sleeping posture of the user is determined based on the direction of the gravitational acceleration, the sleeping posture may not be correctly determined due to the mounting direction of the acceleration sensor.
そこで、上述した推定方法を用いて特定された基準ベクトルに基づいて上記“θｌｉｅ”を補正すれば（言い換えれば、加速度センサの検出結果に対する装着位置の影響を補正すれば）、ユーザの寝姿勢を適切に判定することができる。 Therefore, if the above "θ lie " is corrected based on the reference vector specified by using the above estimation method (in other words, if the influence of the mounting position on the detection result of the acceleration sensor is corrected), the sleeping posture of the user is corrected. Can be appropriately determined.
ここでは、時間的に連続する加速度データが加速度センサから出力されるものとして、具体的な説明を行う。先ず、座位区間（即ち、ユーザが座っている期間）の時間的に連続する加速度データが「エポック」という単位に分割される。「エポック」は、平均加速度を求める際の単位である。 Here, a specific description will be given assuming that time-continuous acceleration data is output from the acceleration sensor. First, the time-continuous acceleration data of the sitting section (that is, the period during which the user is sitting) is divided into units called "epochs". "Epoch" is a unit for calculating the average acceleration.
例えば４秒を１エポックとすると、４秒間（即ち、１エポック）に出力された時間的に連続する加速度データから、その期間の平均加速度が求められる。時間的に連続する加速度データの平均加速度が、例えば２秒毎に算出されるとすると、図６に示すように、一のエポックと、それに続く他のエポックとが重複する期間が生じる。 For example, assuming that 4 seconds is 1 epoch, the average acceleration during that period can be obtained from the time-continuous acceleration data output for 4 seconds (that is, 1 epoch). Assuming that the average acceleration of the acceleration data that is continuous in time is calculated every 2 seconds, for example, as shown in FIG. 6, there is a period in which one epoch overlaps with the other epochs that follow.
エポック毎に、例えばｙ軸及びｚ軸各々の平均加速度が算出された後、該算出された平均加速度に基づいて（即ち、ｙ−ｚ平面上の平均加速度の分布パターンに基づいて）主成分分析が行われる。そして、主成分分析の結果から第１主成分を特定して基準ベクトルが求められる。ここで、座位区間の基準ベクトルを“ｐｃ＝（ｐｃｙ，ｐｃｚ）Ｔ”とする。 For each epoch, for example, after the average acceleration of each of the y-axis and z-axis is calculated, principal component analysis is performed based on the calculated average acceleration (that is, based on the distribution pattern of the average acceleration on the yz plane). Is done. Then, the reference vector is obtained by specifying the first principal component from the result of the principal component analysis. Here, the reference vector of the sitting section is set to "pc = (pc y , pc z ) T ".
同様にして、臥位区間（即ち、ユーザが寝ている期間）の時間的に連続する加速度データがエポックという単位に分割される。尚、臥位区間も、座位区間と同様に、例えば機械学習や、加速度に係る閾値等を用いた既存の技術により特定されてよい。 Similarly, the time-continuous acceleration data of the recumbent position section (that is, the period during which the user is sleeping) is divided into units called epochs. The lying position section may also be specified by, for example, machine learning or an existing technique using a threshold value related to acceleration, as in the sitting position section.
そして、臥位区間についてエポック毎に、例えばｙ軸及びｚ軸各々の平均加速度が算出される。ここで、臥位区間の一のエポックについての平均加速度を（ｌｉｅｙ，ｌｉｅｚ）とする。 Then, for each epoch in the recumbent position section, for example, the average acceleration of each of the y-axis and the z-axis is calculated. Here, let the average acceleration for one epoch in the recumbent position be (lie y , lie z ).
臥位区間の一のエポックについての平均加速度を成分とするベクトルｌｉｅ（ｌｉｅｙ，ｌｉｅｚ）とｚ軸とのなす角θｌｉｅは、“θｌｉｅ＝ｓｉｇｎ（ｌｉｅｙ）・ａｒｃｃｏｓ（ｌｉｅｚ）”という式により求められる。 The angle θ lie formed by the vector lie (lie y , lie z ) and the z-axis, which is composed of the average acceleration for one epoch in the recumbent position, is “θ lie = sign (lie y ) · arccos (lie z )). It is calculated by the formula.
同様に、座位区間の基準ベクトルｐｃとｚ軸とのなす角θｐｃは、“θｐｃ＝ｓｉｇｎ（ｐｃｙ）・ａｒｃｃｏｓ（ｐｃｚ）”という式により求められる。ここで、“θｐｃ”は、加速度センサの装着方向に対応している。 Similarly, the angle θ pc formed by the reference vector pc of the sitting interval and the z-axis is obtained by the formula “θ pc = sign (pc y ) · arccos (pc z)”. Here, “θ pc ” corresponds to the mounting direction of the acceleration sensor.
そして、θｌｉｅからθｐｃを引いた値であるθ＊ ｌｉｅに基づいて、ユーザの寝姿勢を判定すれば、ユーザの寝姿勢を正しく判定することができる。 Then, based on the θ * lie is a value obtained by subtracting the θ pc from θ lie, if it is determined the sleeping posture of the user, it is possible to determine the posture of the user correctly.
＜応用例２＞
他の応用例として、加速度センサを用いたユーザのＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ：体格指数）の推定に上述した推定方法を適用する例について説明する。
<Application example 2>
As another application example, an example in which the above-mentioned estimation method is applied to the estimation of the user's BMI (Body Mass Index) using the acceleration sensor will be described.
ＢＭＩは、腹部の傾きと相関があることが本願発明者の研究により判明している。このため、ユーザの腹部に装着された加速度センサから出力される３軸の加速度データから腹部の傾きを特定することで、ユーザのＢＭＩを推定することができる。尚、加速度センサを用いたユーザのＢＭＩの推定方法の詳細については、例えば特願２０１９−０３８７４７を参照されたい。 BMI has been found to correlate with abdominal tilt in a study by the inventor of the present application. Therefore, the user's BMI can be estimated by specifying the inclination of the abdomen from the three-axis acceleration data output from the acceleration sensor mounted on the user's abdomen. For details of the method of estimating the user's BMI using the acceleration sensor, refer to, for example, Japanese Patent Application No. 2019-038747.
ところで、腹部の傾きは、正面と、わき腹（即ち、側腹部）とで異なる可能性がある。例えばＢＭＩと、体の正面の腹部の傾きとの相関関係と、加速度センサの出力から特定された腹部の傾きとからＢＭＩが推定される場合に、加速度センサが、ユーザの中央（正面）より左又は右側に装着されていると、ＢＭＩが正しく推定されない可能性がある。 By the way, the inclination of the abdomen may be different between the front side and the flank (that is, the flank). For example, when BMI is estimated from the correlation between BMI and the inclination of the abdomen in front of the body and the inclination of the abdomen identified from the output of the accelerometer, the accelerometer is to the left of the center (front) of the user. Or if it is mounted on the right side, BMI may not be estimated correctly.
そこで、例えばＢＭＩと正面の腹部の傾きとの相関関係、ＢＭＩとわき腹の傾きとの相関関係、等、ＢＭＩと、加速度センサが装着される可能性のある部位との相関関係を規定する複数のテーブル又は回帰式を予め用意する。そして、上述した推定方法により推定された加速度センサの装着方向に基づいて、例えば上記複数のテーブルから一のテーブルを選択し、加速度センサの出力から特定された腹部の傾きと、該選択された一のテーブルとからＢＭＩを推定すれば、ＢＭＩを正しく推定することができる。 Therefore, for example, the correlation between the BMI and the inclination of the front abdomen, the correlation between the BMI and the inclination of the flank, etc. Prepare a table or regression equation in advance. Then, based on the mounting direction of the acceleration sensor estimated by the above-mentioned estimation method, for example, one table is selected from the plurality of tables, the inclination of the abdomen specified from the output of the acceleration sensor, and the selected one. If the BMI is estimated from the table of, the BMI can be estimated correctly.
以上に説明した実施形態から導き出される発明の各種態様を以下に説明する。 Various aspects of the invention derived from the embodiments described above will be described below.
発明の一態様に係る推定方法は、生体の体幹に装着された加速度センサの装着方向を推定する推定方法であって、前記加速度センサから逐次出力された加速度データ群から、前記ユーザが座っている期間である座位区間に前記加速度センサから出力された加速度データである座位データ群を抽出する抽出工程と、前記座位データ群に含まれる加速度データが２次元座標上にプロットされたときに現れる分布パターンから基準ベクトルを特定する特定工程と、前記特定された基準ベクトルの前記２次元座標上での傾きに基づいて、前記装着方向を推定する推定工程と、を含むというものである。 The estimation method according to one aspect of the invention is an estimation method for estimating the mounting direction of an acceleration sensor mounted on the trunk of a living body, in which the user sits down from a group of acceleration data sequentially output from the acceleration sensor. An extraction process that extracts a sitting data group that is acceleration data output from the acceleration sensor in the sitting section during the period, and a distribution that appears when the acceleration data included in the sitting data group is plotted on two-dimensional coordinates. It includes a specific step of specifying a reference vector from a pattern and an estimation step of estimating the mounting direction based on the inclination of the specified reference vector on the two-dimensional coordinates.
本発明は、上述した実施形態に限られるものではなく、特許請求の範囲及び明細書全体から読み取れる発明の要旨或いは思想に反しない範囲で適宜変更可能であり、そのような変更を伴う推定方法もまた本発明の技術的範囲に含まれるものである。 The present invention is not limited to the above-described embodiment, and can be appropriately modified within the scope of claims and within a range not contrary to the gist or idea of the invention that can be read from the entire specification, and an estimation method accompanied by such modification is also possible. It is also included in the technical scope of the present invention.
Claims (1)
前記加速度センサから逐次出力された加速度データ群から、前記ユーザが座っている期間である座位区間に前記加速度センサから出力された加速度データである座位データ群を抽出する抽出工程と、
前記座位データ群に含まれる加速度データが２次元座標上にプロットされたときに現れる分布パターンから基準ベクトルを特定する特定工程と、
前記特定された基準ベクトルの前記２次元座標上での傾きに基づいて、前記装着方向を推定する推定工程と、
を含むことを特徴とする推定方法。 It is an estimation method that estimates the mounting direction of the accelerometer mounted on the trunk of a living body.
An extraction step of extracting the sitting position data group, which is the acceleration data output from the acceleration sensor, in the sitting position section, which is the period in which the user is sitting, from the acceleration data group sequentially output from the acceleration sensor.
A specific step of identifying a reference vector from a distribution pattern that appears when the acceleration data included in the sitting position data group is plotted on two-dimensional coordinates, and
An estimation step of estimating the mounting direction based on the inclination of the specified reference vector on the two-dimensional coordinates, and an estimation step.
An estimation method characterized by including.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020022449A JP2021126289A (en) | 2020-02-13 | 2020-02-13 | Estimation method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020022449A JP2021126289A (en) | 2020-02-13 | 2020-02-13 | Estimation method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2021126289A true JP2021126289A (en) | 2021-09-02 |
Family
ID=77487231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020022449A Pending JP2021126289A (en) | 2020-02-13 | 2020-02-13 | Estimation method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2021126289A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023008513A1 (en) | 2021-07-30 | 2023-02-02 | 日本製鉄株式会社 | Non-oriented electrical steel sheet, iron core, iron core manufacturing method, and motor manufacturing method |
-
2020
- 2020-02-13 JP JP2020022449A patent/JP2021126289A/en active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023008513A1 (en) | 2021-07-30 | 2023-02-02 | 日本製鉄株式会社 | Non-oriented electrical steel sheet, iron core, iron core manufacturing method, and motor manufacturing method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3205269B1 (en) | System and method for analyzing gait and postural balance of a person | |
| JP5399630B2 (en) | Method and apparatus for determining human behavior | |
| US9804189B2 (en) | Upper body motion measurement system and upper body motion measurement method | |
| EP2437662B1 (en) | Motion determination apparatus | |
| JP6080078B2 (en) | Posture and walking state estimation device | |
| KR101169533B1 (en) | Face posture estimating device, face posture estimating method, and computer readable recording medium recording face posture estimating program | |
| JP2010502244A5 (en) | ||
| US20220198834A1 (en) | Skeleton recognition method, storage medium, and information processing device | |
| KR101802780B1 (en) | Method and Apparatus for detecting smoking behavior based on acceleration sensor | |
| JP2010134649A5 (en) | ||
| TWI595858B (en) | A detection and noise elimination method for contactless detection of physiological and physical activity informations | |
| JP5915112B2 (en) | Status detection device, electronic device, and program | |
| JP2021126289A (en) | Estimation method | |
| WO2017158569A1 (en) | Kinect based balance analysis using single leg stance (sls) exercise | |
| JP2020146103A (en) | Mounting posture estimation method of inertial sensor | |
| WO2018180503A1 (en) | Body direction estimation device and body direction estimation program | |
| US20180103895A1 (en) | Apnea detecting apparatus | |
| US11854214B2 (en) | Information processing apparatus specifying a relationship between a sensor and an object included in image data, and method and non-transitory computer-readable storage medium | |
| US20210343028A1 (en) | Analysis device, analysis method, non-transient computer-readable recording medium stored with program, and calibration method | |
| Gawsalyan et al. | Upper limb analysis using wearable sensors for cricket | |
| US10755597B2 (en) | Method and apparatus for calculating meal period | |
| CN106456051A (en) | Respiratory monitoring apparatus, method and device | |
| JP6700546B2 (en) | Load detection method, load detection device, and load detection program | |
| JP7216222B2 (en) | Information processing device, control method for information processing device, and program | |
| Daab et al. | Feature Space Exploration for Motion Classification Based on Multi-Modal Sensor Data for Lower Limb Exoskeletons |