JP2021137416A - コンピュータプログラム、筋機能パラメータ算出装置、筋機能パラメータ算出システム、筋機能パラメータ算出方法 - Google Patents

Abstract

【課題】ユーザの筋機能を示す筋機能パラメータを算出する筋機能パラメータ算出装置を提供する。【解決手段】筋機能パラメータ算出装置２は、ユーザＡの体に装着され、複数方向の加速度を検出する加速度センサ１１を有するウェアラブルデバイス１からセンサデータを取得する取得部と、加速度センサ１１によって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する算出部とを備える。【選択図】図１

Description

本発明は、コンピュータプログラム、筋機能パラメータ算出装置、筋機能パラメータ算出システム、筋機能パラメータ算出方法に関する。

ユーザの運動時の生体情報を計測し、計測結果に基づいて、ユーザの運動能力を推定する方法が開示されている（例えば、特許文献１）。
ユーザのボクシング運動の動きの情報を計測し、計測結果に基づいて、ユーザのパンチ種の解析方法が開示されている。
これは、１つ１つの動き（パンチ種：ストレート、フック、アッパー）について解析し、ベンチマークとなるプロボクサーと比べ比較することより、正確な各種パンチの動きを解析できる。しかし、Ｘ軸、Ｙ軸、Ｚ軸の加速データを解析する必要があり、測定データ数が多くなり、解析手法も複雑になってしまう。本発明は、これを簡易的にできる方法を提供することにある。

特開２０１６−３２５２５号公報

本発明の目的は、ユーザの筋機能を示す筋機能パラメータを算出するコンピュータプログラム、筋機能パラメータ算出装置、筋機能パラメータ算出システム、筋機能パラメータ算出方法を提供することにある。

本態様に係るコンピュータプログラムは、ユーザの体に装着された、複数方向の加速度を検出する加速度センサを有するウェアラブルデバイスからセンサデータを取得し、前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する処理をコンピュータに実行させる。

本態様に係る筋機能パラメータ算出装置は、ユーザの体に装着された、複数方向の加速度を検出する加速度センサを有するウェアラブルデバイスからセンサデータを取得する取得部と、前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する算出部とを備える。

本態様に係る筋機能パラメータ算出システムは、複数方向の加速度を検出する加速度センサを有するウェアラブルデバイスと、ユーザの体に装着された前記ウェアラブルデバイスからセンサデータを取得する取得部と、前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する算出部とを有する筋機能パラメータ算出装置とを備える。

本態様に係る筋機能パラメータ算出方法は、ユーザの体に装着された、複数方向の加速度を検出する加速度センサを有するウェアラブルデバイスからセンサデータを取得し、前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する。

上記によれば、ユーザの筋機能を示す筋機能パラメータを算出するコンピュータプログラム、筋機能パラメータ算出装置、筋機能パラメータ算出システム、筋機能パラメータ算出方法を提供することができる。

実施形態１に係る筋機能パラメータ算出システムの構成例を説明する模式図である。 実施形態１に係るウェアラブルデバイスの構成例を示すブロック図である。 各軸の加速度波形を示すグラフである。 ストレート動作のスカラー加速度波形を示すグラフである。 フック動作のスカラー加速度波形を示すグラフである。 アッパー動作のスカラー加速度波形を示すグラフである。 実施形態１に係る筋機能パラメータ算出装置の構成例を示すブロック図である。 制御部の処理手順を示すフローチャートである。 制御部の処理手順を示すフローチャートである。 通常動作の筋機能パラメータの算出方法を示す説明図である。 俊敏動作の筋機能パラメータの算出方法を示す説明図である。 動作量の度数分布を示すグラフである。 動作強度の度数分布を示すグラフである。 ピーク値の度数分布を示すグラフである。 ピーク強度の度数分布を示すグラフである。 筋機能パラメータの表示例を示す模式図である。 加速度波形の表示例を示す模式図である。 所定動作、例えばシャドウボクシングのような伸ばし止め動作を行うユーザＡの動きを加速度センサ１１で測定して得た加速度を示すグラフである。 複数種類の動作について得られた加速度の一例を示すグラフである。 変形例に係るウェアラブルデバイスを示すブロック図である。 サンプリング周期と、検出される加速度のピーク値との関係を示す図表である。 実施形態２に係る筋機能パラメータ算出装置の機能ブロック図である。

本発明の実施形態に係るコンピュータプログラム、筋機能パラメータ算出装置、筋機能パラメータ算出システム、筋機能パラメータ算出方法の具体例を、以下に図面を参照しつつ説明する。なお、本発明はこれらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

以下、本発明をその実施形態を示す図面に基づいて具体的に説明する。
（実施形態１）
〈筋機能パラメータ算出システム〉
図１は実施形態１に係る筋機能パラメータ算出システムの構成例を説明する模式図である。実施形態１に係る筋機能パラメータ算出システムは、ウェアラブルデバイス１と、筋機能パラメータ算出装置２とを備える。筋機能パラメータ算出装置２は、通信網Ｎを介してサーバ３と通信を行うことができる。

図２は実施形態１に係るウェアラブルデバイス１の構成例を示すブロック図である。ウェアラブルデバイス１は、演算プロセッサ１０と、加速度センサ１１と、送信部１２とを備える。

加速度センサ１１は、例えば３軸加速度センサであり、Ｘ軸加速度センサ１１ａ、Ｙ軸加速度センサ１１ｂ及びＺ軸加速度センサ１１ｃを備える。加速度センサ１１は、ウェアラブルデバイス１を装着したユーザＡの動きに応じたＸ軸、Ｙ軸及びＺ軸方向の加速度を検出する。Ｘ軸加速度センサ１１ａ、Ｙ軸加速度センサ１１ｂ及びＺ軸加速度センサ１１ｃは、検出可能な加速度の範囲が±２０Ｇ以上、±４０Ｇ以下である。言い換えると、Ｘ軸加速度センサ１１ａ、Ｙ軸加速度センサ１１ｂ及びＺ軸加速度センサ１１ｃの検出可能な加速度の範囲は、±２０［Ｇ］より広く、±４０［Ｇ］より狭い。この検出可能な加速度の範囲には、±２０［Ｇ］及び±４０［Ｇ］が含まれる。
本実施形態１ではウェアラブルデバイス１が腕に装着されるものとして説明する。ウェアラブルデバイス１がユーザＡの腕に装着されている場合、加速度センサ１１は腕の動きに応じた加速度を検出する。加速度センサ１１による加速度の測定周期は、例えば５０ｍ秒以下であることが望ましい。

図３は各軸の加速度波形を示すグラフである。グラフの横軸は時間を示す。図３Ａの縦軸は、Ｘ軸加速度センサ１１ａにて検出された加速度、図３Ｂの縦軸は、Ｙ軸加速度センサ１１ｂにて検出された加速度、図３Ｃは、Ｚ軸加速度センサ１１ｃにて検出された加速度を示している。図３Ａ〜図３Ｃに示す加速度は、ユーザＡがボクシングのストレート動作を行ったときに得られる各軸の加速度である。

演算プロセッサ１０は、加速度センサ１１が検出した加速度のデータ加工を行う。当該データ加工はデータ変換処理である。なお、筋機能パラメータの算出は筋機能パラメータ算出装置２が行う。つまり、ユーザＡが有用な情報として認識できる筋機能パラメータは、筋機能パラメータ算出装置２側で算出される。演算プロセッサ１０は、筋機能パラメータ算出装置２が筋機能パラメータを効率的に処理できるよう、加速度データを加工する前処理を実行している。
例えば、演算プロセッサ１０は、検出されたベクトル量の加速度に基づいて、スカラー量の加速度を算出する。スカラー量の加速度は、例えば２乗平均値であり、下記式（１）で表される。
√（Ｘ^２＋Ｙ^２＋Ｚ^２）…（１）
ただし、Ｘ軸加速度センサ１１ａによって検出されるＸ軸方向の加速度をＸ、Ｙ軸加速度センサ１１ｂによって検出されるＹ軸方向の加速度をＹ、Ｚ軸加速度センサ１１ｃによって検出されるＺ軸方向の加速度をＺとする。当該構成により、記憶及び無線送信する情報量を削減することができる。

また、演算プロセッサ１０は、全ての加速度データを送信部１２へ出力するのではなく、所定の閾値以上の加速度データを送信部１２へ出力する。

図４はストレート動作のスカラー加速度波形を示すグラフである。図４は、図３に示すベクトル量の加速度に基づいて算出されたスカラー量の加速度の時間変化を示したものである。
図５はフック動作のスカラー加速度波形を示すグラフ、図６はアッパー動作のスカラー加速度波形を示すグラフである。図５及び図６は、フック動作及びアッパー動作に係るスカラー量の加速度の時間変化を示している。

送信部１２は、メモリ１２ａ及び無線通信部１２ｂを備える。メモリ１２ａは加速度センサ１１にて検出された加速度及び計測時点を示す情報を蓄積ないし記憶する。
メモリ１２ａは、加速度センサ１１により各軸の加速度が検出された場合、当該加速度ではなく、上記式（１）で加速度及び計測時点を示す情報を記憶する構成が好ましい。言い換えると、演算プロセッサ１０は、加速度センサ１１により各軸の加速度が検出された場合、上記式（１）で表される加速度を算出し、当該加速度及び計測時点を示す情報をメモリ１２ａに記憶させる構成が好ましい。当該構成により、記憶及び無線送信する情報量を１／３にすることができる。

無線通信部１２ｂは、メモリ１２ａに蓄積された加速度及び計測時点を示す情報を含むセンサデータを筋機能パラメータ算出装置２へ無線送信する。無線通信部１２ｂは、加速度のモニタリング終了後、メモリ１２ａが記憶するセンサデータを無線送信すれば良い。無線通信部１２ｂは、例えばＩＥＥＥ８０２．１５．１、すなわちBluetooth（登録商標）に準拠した無線通信にて、センサデータを無線送信する。

なお、上記説明では、上記式（１）で算出された加速度をメモリ１２ａに記憶し、無線送信する例を説明したが、各軸方向の加速度データをそのままメモリ１２ａに記憶し、無線送信しても良い。また、加速度データをリアルタイムで無線送信するように構成しても良い。

〈筋機能パラメータ算出装置２〉
図７は実施形態１に係る筋機能パラメータ算出装置２の構成例を示すブロック図である。筋機能パラメータ算出装置２は、例えばユーザＡが所有するスマートフォン、携帯電話、タブレット端末、ＰＤＡ（Personal Digital Assistant）等の可搬型の装置である。以下、筋機能パラメータ算出装置２が電話機能を有する無線通信装置であるものとして説明する。筋機能パラメータ算出装置２は、自機の各構成部の動作を制御する制御部２０を備えたコンピュータである。

制御部２０は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、時計部、入出力インタフェース等を有するマイクロコンピュータである。制御部２０の入出力インタフェースには、記憶部２１、無線通信部２２、近距離通信部２３、振動機２４、表示部２５、操作部２６、スピーカ２７及びマイク２８等が接続されている。ＲＯＭはコンピュータの初期動作に必要な初期動作プログラムを記憶している。ＲＡＭは、ＤＲＡＭ（Dynamic RAM）、ＳＲＡＭ（Static RAM）等のメモリであり、制御部２０の演算処理を実行する際に記憶部２１から読み出された後述のコンピュータプログラム２１ａ、又は制御部２０の演算処理によって生ずる各種データを一時記憶する。ＣＰＵはコンピュータプログラム２１ａを実行することにより、各構成部の動作を制御し、ユーザＡの筋機能パラメータを算出する処理を実行する。

記憶部２１は、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）、フラッシュメモリ等の不揮発性メモリである。記憶部２１は、ウェアラブルデバイス１から無線送信されるセンサデータに基づいて筋機能パラメータを算出する処理に必要なコンピュータプログラム２１ａを記憶している。

本実施形態に係るコンピュータプログラム２１ａは、記録媒体にコンピュータ読み取り可能に記録されている態様でも良い。記憶部２１は、図示しない読出装置によって記録媒体から読み出されたコンピュータプログラム２１ａを記憶する。記録媒体はフラッシュメモリ等の半導体メモリである。また、記録媒体はＣＤ（Compact Disc）−ＲＯＭ、ＤＶＤ（Digital Versatile Disc）−ＲＯＭ、ＢＤ（Blu-ray（登録商標） Disc）等の光ディスクでも良い。更に、記録媒体は、フレキシブルディスク、ハードディスク等の磁気ディスク、磁気光ディスク等であっても良い。更にまた、通信網Ｎに接続されている外部コンピュータ、例えばサーバ３から本実施形態に係るコンピュータプログラム２１ａをダウンロードし、記憶部２１に記憶させても良い。

無線通信部２２は、基地局を介して他の無線通信装置、通信網Ｎに接続されたサーバ３等との間で各種情報を送受信するための通信機である。無線通信部２２は、例えば、３Ｇ（Generation）回線、４Ｇ回線、５Ｇ回線、ＬＴＥ（Long Term Evolution）回線、ＬＰＷＡ（Low Power Wide Area）回線等を用いて、通話音声及び各種データの送受信を行う。

近距離通信部２３は、ウェアラブルデバイス１との間で無線通信を行う通信機である。近距離通信部２３は、例えば所定の規格、ＩＥＥＥ８０２．１５．１に準拠した無線通信を行う。

振動機２４は、振動モータ等を備え、制御部２０の制御に従って筋機能パラメータ算出装置２を振動させる。例えば、制御部２０は、電話着信時、アラームの設定時刻になった場合等に振動機２４を間欠的に動作させる。

表示部２５は、液晶パネル、有機ＥＬディスプレイ、電子ペーパ、プラズマディスプレイ等である。表示部２５は、制御部２０から与えられた映像データに応じた各種情報を表示する。

操作部２６は、例えば表示部２５の表面又は内部に設けられたタッチセンサ、機械式操作ボタン等である。タッチセンサは、ユーザＡの指が表示部２５に触れたこと、指が触れた位置等を検出することにより、ユーザＡの操作を受け付け、受け付けた操作情報を制御部２０に与える。つまり、制御部２０は操作部２６にてユーザＡの操作を受け付けることができる。

スピーカ２７は、制御部２０から与えられた音声データを音波に変換して出力する。
マイク２８は、音波を音声データに変換し、変換した音声データを制御部２０に与える。

〈筋機能パラメータ算出処理方法〉
図８及び図９は制御部２０の処理手順を示すフローチャートである。以下の処理は、ウェアラブルデバイス１がユーザＡの体、具体的には腕に装着されており、ウェアラブルデバイス１がセンサデータを定期的に無線送信しているものとして説明する。

制御部２０は、ウェアラブルデバイス１から送信されるセンサデータを、近距離通信部２３にて受信する（ステップＳ１１）。センサデータは、例えばユーザＡの腕の動きに応じた加速度データ及び計測時点情報を含む。この加速度データはスカラー量の加速度を示すデータであるものとする。なお、センサデータがベクトル量の加速度を含む場合、制御部２０は、センサデータに含まれるベクトル量の加速度に基づいて、スカラー量の加速度データを算出する。以下、特に断らない限り、センサデータにはスカラー量の加速度が含まれているものとする。
なお、ステップＳ１１の処理を実行する制御部２０は、ユーザＡの体に装着されたウェアラブルデバイス１からセンサデータを取得する取得部として機能する。

次いで、制御部２０は、センサデータからノイズを除去する（ステップＳ１２）。ユーザＡは、運動中であっても、各自の意思によって休憩したりする。休憩中に測定される加速度のセンサデータは、ユーザＡの筋機能パラメータを算出するデータとしては利用できないノイズである。制御部２０はかかるノイズを除去する。例えば、ユーザＡの腕の筋機能パラメータを検出する場合、制御部２０は、かかる検出対象によって予め定められている所定値以下の加速度データ、非パルス波形等をノイズとして除去する。

次いで、制御部２０は、取得したセンサデータに基づいてユーザＡの動作の種類を判別する（ステップＳ１３）。ユーザＡの動作の種類として、例えば、ボクシングのストレート動作、フック動作、アッパー動作等がある。

図１０は通常動作の筋機能パラメータの算出方法を示す説明図である。横軸は時間、縦軸は加速度を示している。動作時間は、加速度が上昇し始める時点からゼロに戻るまでの時間を示している。より詳細には、加速度がパルス検出用の所定値以上である時間を示している。
制御部２０は、加速度の波形に含まれるパルスの時間積分値を、ユーザＡの筋機能パラメータの一つである動作量として算出する（ステップＳ１４）。また、制御部２０は、加速度の波形に含まれるパルスの時間積分値を動作時間で除算して得られる値を、ユーザＡの筋機能パラメータの一つである動作強度として算出する（ステップＳ１５）。更に、制御部２０は、加速度の波形に含まれるパルスの最大値を、ユーザＡの筋機能パラメータの一つであるピーク値として算出する（ステップＳ１６）。更にまた、制御部２０は、加速度の波形に含まれるピーク値（最大値）を、パルスの半値幅で除算して得られる値を、ユーザＡの筋機能パラメータの一つであるピーク強度として算出する（ステップＳ１７）。

動作量、動作強度、ピーク強度は、例えば下記式（２）、（３）及び（４）で表される。
動作量＝Σ（パルス山部分の加速度）…（２）
動作強度＝動作量／動作時間…（３）
ピーク強度＝ピーク値／ピーク半値幅…（４）

上記式のΣ（パルス山部分の加速度）は、動作時間の始点から終点までの加速度の累積値である。当該累積値及び動作量は、図１０中、パルスの山部分の面積に相当する値である。

なお、制御部２０は上記式（２）〜（４）で算出された値の小数点以下は切り捨て又は四捨五入等するとよい。

図１１は俊敏動作の筋機能パラメータの算出方法を示す説明図である。横軸は時間、縦軸は加速度を示している。俊敏動作時間は、上記動作時間に含まれるパルス波形のうち、特に急峻なパルス部分が表れる動作時間を示している。
制御部２０は、急峻なパルスの時間積分値を、ユーザＡの筋機能パラメータの一つである俊敏動作時の動作量として算出する（ステップＳ１８）。また、制御部２０は、加速度の波形に含まれるパルスの時間積分値を俊敏動作時間で除算して得られる値を、ユーザＡの筋機能パラメータの一つである俊敏動作時の動作強度として算出する（ステップＳ１９）。更に、制御部２０は、加速度の波形に含まれるパルスの最大値を、ユーザＡの筋機能パラメータの一つである俊敏動作時のピーク値として算出する（ステップＳ２０）。更にまた、制御部２０は、加速度の波形に含まれるピーク値（最大値）を、パルスの半値幅で除算して得られる値を、ユーザＡの筋機能パラメータの一つである俊敏動作時のピーク強度として算出する（ステップＳ２１）。

なお、ステップＳ１４〜ステップＳ２１の処理を実行する制御部２０は、取得したセンサデータに基づいて、ユーザＡの筋機能を示す筋機能パラメータを算出する算出部として機能する。

筋機能パラメータの算出を終えた制御部２０は、算出した筋機能パラメータと、時計部が計時する日時情報とを記憶部２１に記憶する（ステップＳ２２）。また、制御部２０はセンサデータを合わせて記憶しても良い。

制御部２０は、複数の筋機能パラメータに基づいて、当該筋機能パラメータの統計値を算出する（ステップＳ２３）。

図１２は動作量の度数分布を示すグラフ、図１３は動作強度の度数分布を示すグラフ、図１４はピーク値の度数分布を示すグラフ、図１５はピーク強度の度数分布を示すグラフである。図１２〜図１５の横軸はそれぞれ動作量の階級、動作強度の階級、ピーク値の階級、ピーク強度の階級を示している。縦軸は各階級に属する筋機能パラメータの度数を示す。白抜きのバーは、ストレート動作における筋機能パラメータの度数を示している。粗いハッチングが付されたバーは、アッパー動作における筋機能パラメータの度数を示している。密なハッチングが付されたバーは、フック動作における筋機能パラメータの度数を示している。

ステップＳ２３の処理において制御部２０は、例えば、筋機能パラメータの最大値、最小値、平均値、最頻値等の統計値を算出する。例えば、一連の動作に係る複数の筋機能パラメータは記憶部２１が記憶している。筋機能パラメータの統計値は、ユーザＡの運動の種類毎に算出するとよい。

図１６は、筋機能パラメータの表示例を示す模式図である。制御部２０は、図１６に示すように、今回算出した筋機能パラメータ又は統計値を表示部２５に表示させる（ステップＳ２４）。また、制御部２０は、過去に算出した一又は複数の筋機能パラメータ又は統計値を、今回算出された筋機能パラメータ又は統計値と共に表示部２５に表示させる（ステップＳ２５）。つまり、制御部２０は、筋機能パラメータ又は統計値の時間変化を表示する。例えば、制御部２０は、動作量、動作強度、ピーク値、ピーク強度等を図１６に示すように折れ線グラフで表示すると良い。時間変化は、日単位、月単位、年単位で表示すれば良い。
図１６の例では、動作量、動作強度、ピーク値等を例示したが、動作の種類毎に、筋機能パラメータを表示してもよい。表示部２５に表示する各筋機能パラメータは、例えば一連動作の平均値、最大値あるいは、特定の条件より抽出した統計値である。
時間変化は、各筋機能パラメータの現在の値と、１か月前又は１年前の値との対比であってもよい。制御部２０は、例えば各筋機能パラメータの現在の値と、１か月前又は１年前の値とをそれぞれ表す棒グラフを並べて表示しても良い。各筋機能パラメータの現在の値と、過去の値との比較表示方法は特に限定されるものでは無い。

更に、制御部２０は、図１６に示すように、算出された筋機能パラメータの統計値と、所定筋機能パラメータ統計値との比較結果を表示部２５に表示させる（ステップＳ２６）。所定筋機能パラメータ統計値は、目標とする人物、例えばユーザＡの熟練者（インストラクタ）が所定動作を行ったときに得られる筋機能パラメータの統計値である。比較する筋機能パラメータは、動作量、動作強度、ピーク値、ピーク強度等の統計値である。また、動作量、動作強度、ピーク値、ピーク強度の度数分布を比較するように構成してもよい。

筋機能パラメータを比較する際、動作数が異なると、正確な比較ができないおそれがある。特に筋機能パラメータの度数分布を比較する場合、比較対象の度数（総数）を揃えることが望ましい。そこで、第１の比較対象から、その値が大きい筋機能パラメータから所定数抽出し、同様に第２の比較対象から、その値が大きい筋機能パラメータを所定数抽出し、抽出された筋機能パラメータの度数分布を比較するとよい。また、第１の比較対象から抽出された所定数の筋機能パラメータから算出される統計値と、第２の比較対象から抽出された所定数の筋機能パラメータから算出される統計値とを比較するとよい。比較対象が３つ以上ある場合も同様である。

なお、比較結果の態様は特に限定されるものではなく、筋機能パラメータの統計値と所定筋機能パラメータ統計値の差分であっても良いし、所定筋機能パラメータ統計値を基準としたユーザＡの得点（１００点満点中の点数等）であっても良いし、評価度合い（４段階評価での評価ランク等）であっても良い。

図１７は加速度波形の表示例を示す模式図である。制御部２０は、図１７に示すように、ステップＳ１１の処理で受信したセンサデータが示す波形と、所定データが示す波形との比較結果を表示部２５に表示させる（ステップＳ２７）。所定データは、目標とする人物、例えばユーザＡの熟練者（インストラクタ）が所定動作を行ったときに得られるセンサデータである。
なお、受信したセンサデータが示す波形と、所定データに係る波形とを比較する際、センサデータが示す波形中、所定データとの類似性が高い部分を抽出し、当該抽出されたセンサデータが示す波形と、所定データが示す波形とを比較すると良い。つまり、ユーザＡと、熟練者（インストラクタ）とが同様の動作を行ったときの波形を比較すると良い。
また、筋機能パラメータ算出装置２は、波形を比較する際、ピーク値の大きさ及びパルス幅は比較対象とせず、パルス状の波形が表れるタイミングを比較し、当該比較結果を表示ないし出力するようにしても良い。

〈加速度センサ１１の検出レンジ１〉
衝撃を伴わない運動を行うユーザＡの動きを検出し、筋機能を評価する場合、加速度センサ１１の検出レンジは±２０［Ｇ］が好ましい。

加速度センサ１１が加速度を測定することができる検出レンジが広い程、大きな加速度も検出することができるようになるが、測定精度が低下する。従って、ユーザＡの動きに応じた検出レンジを設定する必要がある。衝撃を伴わないユーザＡの動き、つまりユーザＡが物体に接触しないで行う動作であって、高い加速度が生ずる運動の一例はシャドウボクシングである。シャドウボクシングによって生じ得る最大加速度が検出レンジの最大値に設定すれば、人間のほとんど全ての動きを測定できると考えられる。

図１８は、所定動作、例えばシャドウボクシングのような伸ばし止め動作を行うユーザＡの動きを加速度センサ１１で測定して得た加速度を示すグラフである。図１８Ａに示すグラフの縦軸は、Ｘ軸加速度センサ１１ａを用いて得られた加速度［単位：Ｇ］を示し、図１８Ｂに示すグラフの縦軸は、Ｙ軸加速度センサ１１ｂを用いて得られた加速度［単位：Ｇ］を示し、図１８Ｃに示すグラフ縦軸は、Ｚ軸加速度センサ１１ｃを用いて得られた加速度［単位：Ｇ］を示す。図１８Ａ、図１８Ｂ、図１８Ｃに示すグラフの横軸は時間である。

図１８に示すグラフから分かるように、加速度センサ１１にて検出される加速度は±２０Ｇ未満である。実験結果より、衝撃を伴わないユーザＡの運動をモニタリングする場合、加速度センサ１１の検出レンジを±２０［Ｇ］に設定することが好ましいことが分かる。

〈加速度センサ１１の検出レンジ２〉
衝撃を伴う運動を行うユーザＡの動きを検出し、筋機能を評価する場合、加速度センサ１１の検出レンジは±４０［Ｇ］が好ましい（図１９Ｃ参照）。
なお、ウェアラブルデバイス１が備える加速度センサ１１の検出レンジを、±２０［Ｇ］又は±４０［Ｇ］に切り替えできるように構成しても良い。

図１９は、複数種類の動作について得られた加速度の一例を示すグラフである。図１９Ａに示すグラフの縦軸は、動作強度が低いダンスのような伸縮動作を行うユーザＡのＸ軸加速度センサ１１ａから得られた加速度［単位：Ｇ］を示し、図１９Ｂに示すグラフの縦軸は、動作強度が高いシャドウボクシングのような伸縮動作を行うユーザＡのＸ軸加速度センサ１１ａから得られた加速度［単位：Ｇ］を示し、図１９Ｃに示すグラフ縦軸は、サンドバック打ちのような衝撃動作を行うユーザＡのＸ軸加速度センサ１１ａから得られた加速度［単位：Ｇ］を示す。図１９Ａ、図１９Ｂ、図１９Ｃに示すグラフの横軸は時間である。ウェアラブルデバイス１はユーザＡの腕に装着されている。Ｘ軸はユーザＡの動作に対して一番大きな加速度がかかる方向である。
伸ばし止め動作は衝撃を伴わない運動であり、サンドバック打ちは衝撃を伴う運動である。図１９Ａ、図１９Ｂ、図１９Ｃの順で加速度が高いことが分かる。また、運動の種類によって、山波形の鋭さ、すなわちパルス幅が異なることが分かる。パルス幅は、図１９Ｃ、図１９Ｂ、図１９Ａの順で長くなることが分かる。

〈重力加速度の除去〉
図２０は変形例に係るウェアラブルデバイス１を示すブロック図である。変形例に係るウェアラブルデバイス１は、傾きセンサ１３を備える。
演算プロセッサ１０は、傾きセンサ１３の検出結果から、加速度センサ１１の水平面又は鉛直線に対する各軸の傾きを把握することができる。演算プロセッサ１０は、傾きセンサ１３の検出結果に基づいて、重力加速度１［Ｇ］を、加速度センサ１１のＸ軸成分、Ｙ軸成分、Ｚ軸成分に分解し、Ｘ軸加速度センサ１１ａ、Ｙ軸加速度センサ１１ｂ及びＺ軸加速度センサ１１ｃから得られる加速度から、重力加速度成分を減算する。

このように構成することによって、加速度センサ１１が検出する加速度から重力成分を除去することができ、より正確にユーザＡの動きを検出することができる。

〈加速度のサンプリング周期〉
加速度センサ１１による加速度のサンプリング周期は、１０ｍ秒以上２５ｍ秒以下が好ましい。最適なサンプリング周期は２５ｍ秒である。サンプリング周期が短いと、データ数が多くなり、電池の持ちが短くなり、各種演算処理に要する時間が長くなる。逆にサンプリング周期が長いと、加速度データの数が少なくなり、筋機能の解析精度が低下したり解析が不能になる。

図２１はサンプリング周期と、検出される加速度のピーク値との関係を示す図表である。各列の「Ｎｏ．１」〜「Ｎｏ．１１」は、加速度センサ１１から得られた加速度の複数のパルスそれぞれを示す番号である。各行の「１ｍ秒」〜「４０ｍ秒」はサンプリング周期を示す。各行は２行に分かれている。上の行は、パルスのピーク値を示している。下の行は、サンプリング周期が１ｍ秒ときに得られるパルスのピーク値を基準にして、サンプリング周期を変化させたときの同パルスのピーク値の割合を示している。以下、当該割合をピーク値割合と呼ぶ。
右側列の「最小値」は、Ｎｏ．１〜Ｎｏ．１１の各パルスのピーク値割合のうち、最少のピーク値割合を示している。「平均値」は、Ｎｏ．１〜Ｎｏ．１１の各パルスに係るピーク値割合の平均値を示している。データ数は、サンプリング周波数が１ｍ秒のときに得られる加速度データ数の数を基準にして、サンプリング周期を変化させたときに得られる加速度データ数の割合を示している。

図２１の表から分かるように、基本的にサンプリング周期が長くなる程、本来のピーク値を検出することができず、ピーク値が低くなる傾向にある。また、言うまでも無く、サンプリング周期が長くなる程、加速度データの数が減少することが分かる。
加速度パルスのピーク値がおおよそ８０％程度で、加速度のデータ数を１／１０程度まで減少させることを考えると、加速度のサンプリング周期は、１０ｍ秒以上２５ｍ秒以下が適切であることが分かる。

〈筋機能パラメータ算出システムに適した運動の種類〉
本実施形態に係る筋機能パラメータ算出システムの実用上の目的の一つは、健康増進への意識、つまり運動しようとする意識を喚起させることにある。例えば、健康を重視するアクティブシニアは、筋機能パラメータ算出システムを利用することによって、運動による自身の筋機能の向上をモニタリングできる。
筋機能を評価する運動としては、スポーツジムで行われるエクササイズが適切である。適切な運動は以下の通りである。

トレッドミル、バイク、エリプティカルトレーナー、ステップマシンのマシンを用い、心拍数をあげて体脂肪燃焼を目的としたカーディオ系の運動は、稼働部位（腕、足等）が活発な動きをするため、筋機能の測定に適している。

ズンバ、エアロビックス等のダンス系の運動は、音楽があわせて、体全体を動かすトレーニングのため、筋機能の測定に適している。

キックボクシング、テコンドー、空手、ムエタイ、ボクシング等の格闘技系の運動は、稼働部位（腕、足等）を瞬発的に動かす動作があるので、筋機能の測定に適している。

１００ｍダッシュ等の走行運転は、筋力を最大限に使用する瞬発性を有する運動であるため、筋機能の測定に適している。

ランニング又は歩行も、筋機能の測定になり得る。ランニング又は歩行は、熟練者（インストラクタ）又は過去の自身との相対値評価により、筋能力を評価し得る。
なお、ランニング又は歩行の場合、ユーザＡは強く走ったり、弱く走ったり、休憩したりするため、検出される加速度には、筋機能の測定に不適な加速度データも含まれる。この場合、ＡＩ（学習モデル）を用いて、筋機能の測定ないし評価に適した加速度データのみを抽出するとよい。

各種陸上競技、水泳、体操、自転車競技、武道・格闘技、ダーツ等の射的スポーツ、球技、スキー、スノーボード、スケート、陸上スポーツ、サーフィン等のウォータースポーツ、雪合戦等の雪上スポーツ、ローラースケート等の陸上滑走スポーツ
対戦スポーツ、その他、瞬発的な動きがある任意の運動について、本実施形態を適用することができる。

また、複数種類の運動について筋機能パラメータ、俊敏力パラメータ等を算出し、総合的にユーザＡの筋機能を評価するように構成しても良い。例えば、ユーザＡが、ジムのキックボクシングレッスン、ダンス系レッスン、ランニングを行っていたとすると、この複数を総合的に判断、評価する。

〈他のセンサの併用〉
呼吸、脈拍、血圧等の他のセンサから得られる身体センシングデータと、本実施形態に係る筋機能パラメータ算出システムにて得られる筋機能パラメータとを用いて、より付加価値が高い情報を得ることができる。例えば、同様な筋力パーフォマンスをもつ運動をしても、心拍数や呼吸数があがっていない場合、心拍、呼吸器機能の能力が改善している等の評価が可能となる。比較対象は、ユーザＡ以外の第三者であっても良いし、過去のユーザＡであっても良い。

〈ウェアラブルデバイスの装着個数と装着部位〉
また、本実施形態１では、一つのウェアラブルデバイス１を用いる例を説明したが、複数のウェアラブルデバイス１を用いても良い。この場合、複数のウェアラブルデバイス１の時間を同期させると良い。
複数のウェアラブルデバイス１を用いることにより、ユーザＡの体全体の筋機能を測定ないし評価することができる。ユーザＡは例えば、両手、両腕、両足にウェアラブルデバイス１を装着するとよい。左右の手、腕、足の動きを比較することによって、左右の筋機能のバランスを把握することができる。
またユーザＡは、腰、背中にウェアラブルデバイス１を装着してもよい。体幹ないし体全体の筋機能を把握することができる。
なお、相対値比較を行う場合、比較対象となるユーザＡ又は熟練者（インストラクタ）は、同じ部位にウェアラブルデバイス１を装着する必要がある。

このように構成された実施形態１に係るコンピュータプログラム２１ａ、筋機能パラメータ算出装置２、筋機能パラメータ算出システム、筋機能パラメータ算出方法によれば、ウェアラブルデバイス１から取得した加速度を示すセンサデータに基づいて、ユーザＡの筋機能を示す筋機能パラメータを算出することができる。

人体の状況をモニタリングするシステムは多数開発されている。例えば、呼吸、脈拍、血圧等をモニタリングすることで、活動量や消費カロリーを測定して、どれくらいの運動をおこなったか等々の運動促進への意識付けを行っている。一方、身体各部の角度，角速度や速度，加速度を測定することでスポーツにおける姿勢計測をおこない、理想の姿勢に近づける取り組みを行っている。
前者は、日々の運動に対して、どれだけ運動をしたかの定量化の手段でしかなく、自分の筋力の能力がどれくらいあるかという指標ではない。また後者は、姿勢状態を定量化して改善することで、各種競技に対する能力アップにつながるものの、そもそも潜在的に持っている能力をモニタリングしているわけではない。
本実施形態に係る筋機能パラメータ算出システムは、上記方法ではモニタリングすることが難しい潜在的な筋機能をモニタリングすることができる。ユーザＡは、他人と比べて自身の筋機能がどの程度のレベルなのかを把握することができる。ユーザＡは、継続的な運動実施の前後において、筋機能がどの程度向上したのかを把握することができる。

筋機能パラメータ算出装置２等によれば、算出された動作量、動作強度、ピーク値、ピーク強度等の筋機能パラメータを表示ないし出力することができる。ユーザＡは、表示された筋機能パラメータを確認し、健康管理を行うことができる。

筋機能パラメータ算出装置２等によれば、ユーザＡの俊敏性に関する俊敏力強度、俊敏性及び俊敏力等の筋機能パラメータを算出することができる。

筋機能パラメータ算出装置２等によれば、運動するユーザＡの一連動作に係る加速度の波形に含まれる複数のパルスに基づいて算出した筋機能パラメータの統計値を算出し、筋機能パラメータの統計値を表示部２５に表示することができる。

筋機能パラメータ算出装置２等によれば、ユーザＡの動作の種類を分類し、分類された動作の種類に応じて筋機能パラメータを算出することができる。

筋機能パラメータ算出装置２等によれば、算出された筋機能パラメータを記憶部２１に記憶することができる。

筋機能パラメータ算出装置２等によれば、ユーザＡの筋機能パラメータの時間的変化を表示ないし出力することができる。筋機能パラメータの変化を表示することにより、健康管理のモチベーションをユーザＡに付与することができる。また、ユーザＡは、筋力アップ、筋力ダウン、体力増加、低下等を把握することができる。

筋機能パラメータ算出装置２等によれば、ユーザＡの筋機能パラメータと、熟練者（インストラクタ）の筋機能パラメータとの比較結果を表示ないし出力することができる。熟練者（インストラクタ）の筋機能パラメータとの比較結果を表示することにより、ユーザＡは、自身の上達度を確認することができ、健康管理のモチベーションをユーザＡに付与することができる。

筋機能パラメータ算出装置２等によれば、ユーザＡに係るセンサデータの波形と、熟練者（インストラクタ）に係るセンサデータの波形との比較結果を表示ないし出力することができる。熟練者（インストラクタ）のセンサデータ波形との比較結果を表示することにより、自身の上達度を確認することができ、健康管理のモチベーションをユーザＡに付与することができる。

加速度センサ１１の検出レンジを±２０［Ｇ］に設定することによって、ウェアラブルデバイス１は、測定精度の低下を抑え、かつ衝撃を伴わない運動を行うユーザＡの動きを検出することができる。

加速度センサ１１の検出レンジを±４０［Ｇ］に設定することによって、ウェアラブルデバイス１は、測定精度の低下を抑え、かつ衝撃を伴う運動を行うユーザＡの動きを検出することができる。

ウェアラブルデバイス１は、加速度のスカラー値を算出し、筋機能パラメータ算出装置２へ無線送信する構成であるため、無線送信するデータ量、筋機能パラメータ算出装置２の演算処理負荷を低減させることができる。ウェアラブルデバイス１の電池の消費量を抑えることができる。

ウェアラブルデバイス１は、閾値未満の加速度に係るセンサデータを除去し、閾値以上の加速度に係るセンサデータを、筋機能パラメータ算出装置２へ無線送信する構成であり、無駄なデータ送信を避けることができる。ウェアラブルデバイス１の電池の消費量を抑えることができる。

ウェアラブルデバイス１は、加速度センサ１１が検出する加速度から重力成分を除去することによって、ユーザＡの運動によって生じた加速度を示すセンサデータを、筋機能パラメータ算出装置２へ送信することができる。よって、より正確に筋機能パラメータを算出することができる。

ウェアラブルデバイス１は、サンプリング周期１０秒以上２５ｍ秒以下で加速度を検出する構成であり、加速度の情報の正確性を担保しつつ、送信及び処理するデータ量を削減することができる。

なお、実施形態１では、ウェアラブルデバイス１は常時、定期的にセンサデータを筋機能パラメータ算出装置２へ無線送信する例を説明したが、検出されたセンサデータを一定量蓄積し、蓄積されたセンサデータをまとめて無線送信するように構成しても良い。
また、ウェアラブルデバイス１はメモリカードを着脱可能に備え、センサデータを当該メモリカードに記憶させるように構成しても良い。筋機能パラメータ算出装置２もメモリカードを着脱可能に備えることが可能であり、筋機能パラメータ算出装置２は装着したメモリカードからセンサデータを読み出し、読み出したセンサデータに基づいて、実施形態１で説明したように筋機能パラメータを算出すれば良い。
更に、ウェアラブルデバイス１はＮＦＣ（Near field communication）にて蓄積したセンサデータを筋機能パラメータ算出装置２へ送信しても良い。
更に、ウェアラブルデバイス１がセンサデータを蓄積し、筋機能パラメータ算出装置２がセンサデータをまとめてウェアラブルデバイス１から取得する構成においては、ウェアラブルデバイス１は、所定の閾値を超える加速度を検出した場合だけ、センサデータを筋機能パラメータ算出装置２へ無線送信するように構成しても良い。ウェアラブルデバイス１及び筋機能パラメータ算出装置２の消費電力を抑えることができる。

更に、本実施形態１では、無線通信装置である筋機能パラメータ算出装置２がユーザＡの筋機能パラメータを算出する例を説明したが、サーバ３が筋機能パラメータを算出しても良い。筋機能パラメータ算出装置２と同様のハードウェア構成を有する無線通信装置は、ウェアラブルデバイス１から加速度データを取得し、取得した加速データをサーバ３へ無線送信する。サーバ３は本実施形態１に係るコンピュータプログラム２１ａを実行することによって、筋機能パラメータを算出し、算出した筋機能パラメータを無線通信装置へ送信する。無線通信装置は、サーバ３で算出された筋機能パラメータを取得し、表示部２５に表示する。その他、実施形態１で説明した各種機能を適宜サーバ３で実行させ、実行結果を無線通信端末に表示させるように構成しても良い。

更にまた、本実施形態１では、加速度のスカラー量に基づいて、筋機能パラメータを算出する例を説明したが、制御部２０は、加速度に基づいて、速度のスカラー量を算出し、当該速度に基づいて、筋機能パラメータを算出するように構成してもよい。速度のスカラー量に基づく筋機能パラメータの算出方法は、加速度のスカラー量に基づく筋機能パラメータの算出方法と同様である。

（実施形態２）
実施形態２に係るコンピュータプログラム２１ａ、筋機能パラメータ算出装置２、筋機能パラメータ算出システム、筋機能パラメータ算出方法は、筋機能パラメータの算出方法のみが実施形態１と異なるため、以下では主に上記相違点を説明する。その他の構成及び作用効果は実施形態１と同様であるため、対応する箇所には同様の符号を付して詳細な説明を省略する。

図２２は実施形態２に係る筋機能パラメータ算出装置２の機能ブロック図である。実施形態２に係る筋機能パラメータ算出装置２は、センサデータ取得部２０ａと、学習モデル２０ｂとを備える。実施形態２に係る筋機能パラメータ算出装置２の制御部２０は、機械学習処理を実行する場合、ＧＰＵ（Graphics Processing Unit）、ＧＰＧＰＵ（General-purpose computing on graphics processing units）、ＴＰＵ（Tensor Processing Unit）等を有する構成が好ましい。

センサデータ取得部２０ａは、ウェアラブルデバイス１からセンサデータを取得し、取得したセンサデータを学習モデルへ出力する。

学習モデル２０ｂは、衝撃動作に係るセンサデータが入力される入力層と、中間層と、動作量、動作強度、ピーク値、ピーク強度等の筋機能パラメータを出力する出力層とを有するニューラルネットワークである。学習モデル２０ｂは、例えば、再帰型ニューラルネットワーク（RNN: Recurrent Neural Network）を備え、時系列のセンサデータが入力された場合、ユーザＡの動作量、動作強度、ピーク値、ピーク強度を出力するようにＲＮＮを学習させると良い。また、学習モデル２０ｂは、センサデータが示す波形を画像として処理するように構成しても良い。かかる学習モデル２０ｂは、センサデータが示す波形の画像データを処理するための図示しない畳み込み層及びプーリング層を有する。
学習モデル２０ｂの作成方法は以下の通りである。まず、複数のセンサデータ、即ち加速度データと、各センサデータに対する評価である動作量、動作強度、ピーク値、ピーク強度等の筋機能パラメータとを有する学習用データを用意する。そして学習前のニューラルネットワークにセンサデータを入力させ、出力された筋機能パラメータと、学習用データの筋機能パラメータとの誤差が小さくなるように、勾配降下法、誤差逆伝播法等を用いて各種パラメータの最適化し、ニューラルネットワークを機械学習させる。かかる機械学習を繰り返すことによって、学習モデル２０ｂを生成することができる。

実施形態２に係るコンピュータプログラム２１ａ、筋機能パラメータ算出装置２、筋機能パラメータ算出システム、筋機能パラメータ算出方法においても実施形態１と同様の効果を奏する。

なお、学習モデル２０ｂの中間層の層数、各層のニューロン数等、その構造は特に限定されるものでは無く、ニューラルネットワークの種類も特に限定されるものでは無い。
また本実施形態２では、各種筋機能パラメータを算出する機械学習器の例として、ニューラルネットワークを示したが、ＳＶＭ（Support Vector Machine）、ベイジアンネットワーク、又は、回帰木等、公知の学習済モデルを用いて、センサデータと、筋機能パラメータとの関係を学習させても良い。

本実施形態２では、無線通信装置である筋機能パラメータ算出装置２が学習モデルを用いて、各種筋機能パラメータを算出する例を説明したが、サーバ３側で筋機能パラメータを算出するように構成しても良い。
ニューラルネットワークの学習も、無線通信装置が実行しても良いし、サーバ３が実行しても良い。

また、本実施形態１及び２ではダンス、シャドウボクシング等の所定動作時のセンサデータに基づいて、筋機能パラメータを算出する例を説明したが、筋機能パラメータ算出装置２は、歩行等の基本動作時のセンサデータに基づいて、ユーザＡの筋機能を評価するように構成しても良い。筋機能パラメータ算出装置２は、ユーザＡの歩行動作を検知し、歩行動作が検知された際、所定時間のセンサデータに基づいて、ユーザＡの筋機能を評価し、評価値を表示ないし出力すると良い。ユーザＡは、表示された評価値を確認し、健康管理を行うことができる。

更に、基本的に１回の動作のセンサデータに基づいて筋機能パラメータを算出する例を説明したが、一定時間の間に取得したセンサデータに基づいて、筋機能パラメータ、その他の評価値を算出するように構成しても良い。
例えば、筋機能パラメータ算出装置２は、一定時間の加速度データに基づいて、ユーザＡの頑張りを評価し、評価値を表示ないし出力しても良い。
また、筋機能パラメータ算出装置２は、一定時間の加速度データに基づいて、ユーザＡの潜在的な筋機能を推定し、推定結果を表示ないし出力しても良い。
更に、筋機能パラメータ算出装置２は、一定時間の加速度データに基づいて、ユーザＡの最大の筋機能を算出し、算出結果を表示ないし出力しても良い。

１ ウェアラブルデバイス
２ 筋機能パラメータ算出装置
３ サーバ
１１ 加速度センサ
１２ 送信部
１３ 傾きセンサ
２０ 制御部
２０ａ センサデータ取得部
２０ｂ 学習モデル
２１ 記憶部
２１ａ コンピュータプログラム
２２ 無線通信部
２３ 近距離通信部
２４ 振動機
２５ 表示部
２６ 操作部
２７ スピーカ
２８ マイク
Ａ ユーザ
Ｎ 通信網

Claims (20)

1. ユーザの体に装着された、複数方向の加速度を検出する加速度センサを有するウェアラブルデバイスからセンサデータを取得し、
   前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する
   処理をコンピュータに実行させるためのコンピュータプログラム。
2. 前記センサデータは、前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度を含み、
   取得した前記センサデータに含まれる前記加速度又は前記速度に基づいて、少なくともユーザの筋機能の高低を示す前記筋機能パラメータを算出する
   処理をコンピュータに実行させるための請求項１に記載のコンピュータプログラム。
3. 前記センサデータは、前記加速度センサによって検出されたベクトル量の加速度を含み、
   取得した前記センサデータに含まれる前記加速度に基づいて、スカラー量の加速度又は速度を算出し、
   算出されたスカラー量の前記加速度又は前記速度に基づいて、少なくともユーザの筋機能の高低を示す前記筋機能パラメータを算出する
   処理をコンピュータに実行させるための請求項１に記載のコンピュータプログラム。
4. 算出した前記筋機能パラメータを表示部に表示させる
   処理をコンピュータに実行させるための請求項１から請求項３のいずれか１項に記載のコンピュータプログラム。
5. 所定動作時の前記加速度又は前記速度の波形に含まれるパルスの時間積分値を、前記筋機能パラメータとして算出する
   処理をコンピュータに実行させるための請求項１から請求項４のいずれか１項に記載のコンピュータプログラム。
6. 所定動作時の前記加速度又は前記速度の波形に含まれるパルスの時間積分値を動作時間で除算した値を、前記筋機能パラメータとして算出する
   処理をコンピュータに実行させるための請求項１から請求項５のいずれか１項に記載のコンピュータプログラム。
7. 所定動作時の前記加速度又は前記速度の波形に含まれるパルスのピーク値を、前記筋機能パラメータとして算出する
   処理をコンピュータに実行させるための請求項１から請求項６のいずれか１項に記載のコンピュータプログラム。
8. 所定動作時の前記加速度又は前記速度の波形に含まれるパルスのピーク値をパルス幅で除算した値を、前記筋機能パラメータとして算出する
   処理をコンピュータに実行させるための請求項１から請求項７のいずれか１項に記載のコンピュータプログラム。
9. 前記パルスの波形のうち、最も急峻なパルス部分の波形に基づいて、前記筋機能パラメータを算出する
   請求項５から請求項８のいずれか１項に記載のコンピュータプログラム。
10. 前記加速度又は前記速度の波形に含まれる複数のパルスに基づいて、複数の前記筋機能パラメータを算出し、
    算出された複数の前記筋機能パラメータの統計値を算出する
    請求項１から請求項９のいずれか１項に記載のコンピュータプログラム。
11. 加速度又は速度に基づいて、動作の種類を分類する
    処理をコンピュータに実行させるための請求項１から請求項１０のいずれか１項に記載のコンピュータプログラム。
12. 算出された前記筋機能パラメータを記憶部に記憶させる
    処理をコンピュータに実行させるための請求項１から請求項１１のいずれか１項に記載のコンピュータプログラム。
13. 前記記憶部が記憶する前記筋機能パラメータの時間的変化を出力させる
    処理をコンピュータに実行させるための請求項１２に記載のコンピュータプログラム。
14. 算出された前記筋機能パラメータと、所定筋機能パラメータとの比較結果を出力させる
    処理をコンピュータに実行させるための請求項１から請求項１３のいずれか１項に記載のコンピュータプログラム。
15. 前記センサデータに係る前記加速度又は速度の波形と、所定データが示す波形との比較結果を出力させる
    処理をコンピュータに実行させるための請求項１から請求項１４のいずれか１項に記載のコンピュータプログラム。
16. 前記センサデータに含まれる非パルス波形をノイズとして除去する
    処理をコンピュータに実行させるための請求項１から請求項１５のいずれか１項に記載のコンピュータプログラム。
17. 前記加速度又は速度が入力された場合、前記筋機能パラメータが出力されるように学習させた学習モデルを備え、
    前記学習モデルに、算出された前記加速度又は前記速度を入力させ、前記学習モデルから前記筋機能パラメータを出力させる
    処理をコンピュータに実行させるための請求項１から請求項１６のいずれか１項に記載のコンピュータプログラム。
18. ユーザの体に装着された、複数方向の加速度を検出する加速度センサを有するウェアラブルデバイスからセンサデータを取得する取得部と、
    前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する算出部と
    を備える筋機能パラメータ算出装置。
19. 複数方向の加速度を検出する加速度センサを有するウェアラブルデバイスと、
    ユーザの体に装着された前記ウェアラブルデバイスからセンサデータを取得する取得部と、前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する算出部とを有する筋機能パラメータ算出装置と
    を備える筋機能パラメータ算出システム。
20. ユーザの体に装着された、複数方向の加速度を検出する加速度センサを有するウェアラブルデバイスからセンサデータを取得し、
    前記加速度センサによって検出されたベクトル量の加速度から算出されるスカラー量の加速度又は速度に基づいて、少なくともユーザの筋機能の高低を示す筋機能パラメータを算出する
    筋機能パラメータ算出方法。

Images