JP4739439B2 - 体動検出装置及び体動検出方法 - Google Patents

Description

本発明は、使用者の体動を検出し、その体動による消費エネルギーを算出する体動検出装置及び体動検出方法に関する。

従来より、体動検出装置の一つとして歩数計があり、特に消費エネルギーの算出機能が付加されているものが広く普及している。このような歩数計は、使用者の歩行（走行を含む。以下同じ。）による歩数（ステップ）をカウントし、この歩数に応じた消費エネルギーを算出するようになっている。また、その他の体動検出装置としては、例えば、特許文献１に示すようなものが提案されている。このような従来の歩数計を含む体動検出装置では、誰が使用するかにかかわらず、予め設定されている条件を満たす体動を検出し又は検出しない処理が行われるものであった。

特開２００２−１９１５８０号公報

しかしながら、体動検出装置の使用者は、例えば学生、社会人、主婦などのように、それぞれ異なる生活を営んでいる。そのため、従来の体動検出装置のように、総ての使用者に対して常に一定条件で体動の検出の処理を行うものでは、使用者個人の体動の特性に鑑みた検出処理を行うことができないものであった。一方、使用者個人の普段の生活の仕方（活動パターン）を考慮して、使用者個人に適した検出条件により体動の検出の処理を行う方が、使用者個人の消費エネルギーをより正確に算出することができる。

本発明は、上記の点に鑑みてなされたものであり、使用者個人の活動パターン（生活パターン、行動パターン）を考慮した、使用者個人の活動パターンに適した検出条件に基づいて体動の検出の処理を行うことにより、検出された体動に応じた消費エネルギーをより正確に算出することを目的とする。別言すれば、本発明は、使用者個人の行動に関するデータを継続的に蓄積し、蓄積されたデータに基づいて体動検出の条件を変更し、これにより検出された体動に応じた消費エネルギーを算出することができる体動検出装置を提供する。

上記課題を解決するために、本発明の体動検出装置は、使用者の体動を検出して前記体動に関する体動情報を取得する体動情報取得手段と、前記体動情報に基づく消費エネルギーを算出する演算手段と、を有する体動検出装置であって、前記体動情報を取得したときの曜日及び時刻を含む時間情報を取得する時間情報取得手段と、前記体動情報を、前記曜日及び時刻に対応させて蓄積可能なデータ蓄積手段と、前記データ蓄積手段において蓄積された前記体動情報と前記曜日及び時刻とに基づいて、各曜日及び各時刻において前記使用者が取る活動の種類及び頻度を含む活動パターン情報を取得する活動パターン情報取得手段と、前記体動を検出する検出条件を、前記活動パターン情報に基づいて変更可能な検出条件変更手段と、を有することを特徴とする。

また、本発明の体動検出装置において、前記検出条件は、体動強度に関する閾値であり、前記検出条件変更手段が前記検出条件を変更することにより、前記閾値に満たない体動強度の体動を検出しないことが可能であることを特徴とする。

また、本発明の体動検出装置において、前記検出条件は、使用者が歩行又は走行をしているか否かの判別に関する閾値であり、前記検出条件変更手段が前記検出条件を変更することにより、変更前よりも前記使用者が歩行又は走行をしていると判別されやすくなることを特徴とする。

また、本発明の体動検出装置において、前記検出条件変更手段が前記検出条件を変更することにより、省電力モードへの変更が可能であることを特徴とする。

また、本発明の体動検出装置において、前記体動情報取得手段は、前記体動情報の取得を所定単位時間ごとに行い、前記検出条件変更手段は、前記所定単位時間ごとに前記検出条件を変更可能であることを特徴とする。

また、本発明の体動検出方法は、使用者の体動を検出して前記体動に関する体動情報を取得する体動情報取得ステップと、前記体動情報に基づく消費エネルギーを算出するエネルギー演算ステップと、を有する体動検出方法であって、前記体動情報を取得したときの曜日及び時刻を含む時間情報を取得する時間情報取得ステップと、前記体動情報を、前記曜日及び時刻に対応させて蓄積可能なデータ蓄積ステップと、前記データ蓄積ステップにおいて蓄積された前記体動情報と前記曜日及び時刻とに基づいて、各曜日及び各時刻において前記使用者が取る活動の種類及び頻度を含む活動パターン情報を取得する活動パターン情報取得ステップと、前記体動を検出する検出条件を、前記活動パターン情報に基づいて変更可能な検出条件変更ステップと、を有することを特徴とする。

本発明によれば、使用者個人の活動パターンを考慮した、使用者個人に適した体動の検出の条件の設定を自動的に行うことができ、これにより検出された体動に応じたより正確な消費エネルギーを算出することができる。

本発明に係る体動検出装置の構成を示すブロック図である。 本発明に係る体動検出装置の動作の流れの一例を示すフローチャートである。 本発明に係る体動検出装置のデータ蓄積処理を示すフローチャートである。 本発明の体動検出装置の使用者の平日の活動パターンの例を示す図である。 本発明の体動検出装置の使用者の休日の活動パターンの例を示す図である。

以下、本発明の一実施形態としての体動検出装置について、図面を参照しつつ説明する。図１は、体動検出装置１０の構成を示すブロック図である。図１に示すように、体動検出装置１０は、操作部２１、表示部２２、電源部２３、加速度センサ３１、演算部３２、記憶部３３、計時部３４、Ａ／Ｄ変換器３５、及び、制御部４０を備える。以下に、各部の詳細な構成について説明する。

まず、本発明において、体動情報とは、使用者の体動に関する情報であり、より具体的には、使用者の体動（例えば、歩行、走行、これら以外の活動（日常生活動作））を反映する情報であり、体動の強弱に関する体動情報（体動強度）や、体動の反復性・連続性、同じ体動が繰り返されているときの体動のピッチ（体動ピッチ）や回数（例えば歩数（ステップの回数））などが挙げられ、後述の蓄積済み体動情報、活動パターン情報を含む。体動強度としては、使用者の体動の加速度値に関するデータを用いるのが特に好適である。また、加速度値に関するデータとしては、体動ごとの上限ピーク値から下限ピーク値を差し引いた値、体動ごとの加速度値自体、一定時間当たりの加速度値の積算値（「加速度値の大きさ」）など、適宜採択可能である。
また、体動とは、使用者の体の動作全般を指し、歩行、走行のほか、これら以外の活動（例えば、反復性・連続性のない又は極端に少ないステップ動作、上半身のみの動作などを含む。主として日常生活動作。）が含まれる。

操作部２１（生体情報取得手段）は、主として、使用者の生体情報の入力や、体動検出装置１０の設定事項を入力するためのデータ入力手段として機能する。操作部２１の個数・形状・操作方法は特に限定されるものではなく、ボタン式、タッチセンサ式、ダイヤル式など適宜採択可能である。ここで、操作部２１によって入力される生体情報としては、一例として、体重、身長、年齢、性別、除脂肪量などをあげることができるが、後述のように使用者の体動による消費エネルギーを求めるために必要な生体情報であれば特に限定されるものではない。また、設定事項とは、使用者が体動検出装置１０を使用する上での設定事項であり、例えば、体動検出装置１０の初期設定、現在の曜日・時刻、表示部２２における表示内容の切り替えなどが挙げられる。このように入力された生体情報や設定事項は、制御部４０の制御により、記憶部３３（例えばＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））に記憶され、表示部２２に表示されるようになっている。

表示部２２は、制御部４０から送られてくるデータを表示するためのデータ表示手段であって、主として使用者の生体情報や設定事項の表示、操作の案内表示、現在時刻・日付・曜日の表示、その使用日における通算の消費エネルギーや歩数・歩行距離・歩行以外の活動時間・安静時間、これらの過去数日分のデータの表示などを行う。表示内容は記憶部３３に記憶されており、制御部４０は、記憶部３３にあらかじめ記憶されたプログラムにしたがい、体動検出装置１０の使用状況に応じて、記憶部３３からデータを読み出して、表示部２２に表示させるようになっている。表示部２２は、一例として、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）などの液晶を用いたものを採用すればよいが、表示部２２と操作部２１とを、例えばタッチパネル機能を備えた液晶表示パネルとして一体的に構成してもよい。

電源部２３は、電池（バッテリー）などの電力供給源によって構成される電力供給手段であり、体動検出装置１０の各構成部材には、制御部４０を介して電力が供給されるようになっている。

体動検出装置１０は、内部機構として、加速度センサ３１、演算部３２、記憶部３３、計時部３４、Ａ／Ｄ変換器３５、及び制御部４０を備える。演算部３２及び制御部４０は、それぞれ集積回路により、一体的に構成することが好ましい。

記憶部３３は、揮発性メモリ（図示せず）、不揮発性メモリ（図示せず）などによって構成される記憶手段である。揮発性メモリは、制御部４０による処理等のための各種データを一時的に記憶できるようになっている。また、演算部３２の演算処理時の記憶領域としても機能する。不揮発性メモリは、長期保存すべきデータの記憶に使用される。例えば、後述のような過去の体動情報（判定値を含む）の曜日及び時刻ごとの記憶、使用者により入力された生体情報の記憶、消費エネルギー算出式の記憶、各種プログラムの記憶などに用いることができるようになっている。

計時部３４は、所定時間の経過の計測や、所定時間が経過しているか否かの判断を行い、例えば、使用者が体動検出装置１０の使用を開始した時点からの経過時間の計測や、使用者の体動ピッチ（例えば、一歩当たりに要した時間）を判断することが可能である。なお、本実施形態では、計時部３４は独立の構成要素としているが、計時回路として制御部４０に一体化された構成とし、制御部４０自身により所定時間を経過しているか否かの判断を行うようにしてもよい。また、計時部３４は、時間情報取得手段として、制御部４０による制御のもと、使用者の体動情報を取得したときの時間情報を取得する。取得された時間情報は、対応する体動情報とともに、記憶部３３の所定領域に記憶される。ここで、時間情報としては、例えば、曜日、日付、時刻、時間帯が含まれる。時間情報は、使用者の活動パターンの時間軸（基準時間）として用いることができる。

加速度センサ３１は、使用者の体動に関する体動情報を取得する体動情報取得手段であり、使用者の体動によって生じる加速度値に応じ、出力値が変化するセンサである。より具体的には、加速度センサ３１は、互いに直交する３軸（Ｘ軸、Ｙ軸、Ｚ軸）方向の体動をそれぞれ検出することができるように、Ｘ軸センサ３１ａ、Ｙ軸センサ３１ｂ、Ｚ軸センサ３１ｃを有し（図１参照）、Ｘ軸センサ３１ａ、Ｙ軸センサ３１ｂ、Ｚ軸センサ３１ｃの各出力値を合成した値を加速度値として取得することができるようになっている。本実施形態においては、体動情報取得手段として加速度センサ３１を用いるため、使用者の体動強度は加速度値に関するデータとなっており、加速度値が高ければ体動強度が強く、加速度値が低ければ体動強度が弱いものとして、体動情報を取得することができる。

加速度センサ３１により取得される出力は、制御部４０や演算部３２等による処理のために、Ａ／Ｄ変換器３５によりアナログ−デジタル変換される。より具体的には、Ｘ軸センサ３１ａ、Ｙ軸センサ３１ｂ、Ｚ軸センサ３１ｃによって取得されたアナログデータとしての各出力値は、それぞれＡ／Ｄ変換器３５ａ、Ａ／Ｄ変換器３５ｂ、Ａ／Ｄ変換器３５ｃによってデジタルデータに変換されるとともに、計時部３４と連動して、取得日の曜日や現在時刻（時間帯）、取得開始からの経過時間等の時間情報に対応させて記憶部３３に記憶されるようになっている。また、演算部３２により、Ｘ軸センサ３１ａ、Ｙ軸センサ３１ｂ、Ｚ軸センサ３１ｃの各出力値のＡ／Ｄ変換値を合成することにより、デジタルデータとしての加速度値（加速度値のＡ／Ｄ変換値）を計算により求め、計時部３４と連動して、時間情報に対応させて記憶部３３に記憶されるようになっている。このように、時間情報に対応させて加速度値を取得すれば、取得された順に時系列的に加速度値を観察することで、体動強度のみならず、体動の反復性・連続性の有無、同じ体動が繰り返されているときのピッチ（体動ピッチ）や回数（例えば歩数（ステップの回数））を、体動情報として同時に取得することが可能となる。なお、この加速度センサ３１によって使用者のあらゆる体動による加速度値をより正確に取得するために、体動検出装置１０の使用者への装着は、使用者の身体に可能な限り密着していることが好ましく、特に上半身の体動をも検知することができるよう、例えば、使用者が腰部に巻いているベルトなどに装着した状態や、使用者の着衣の胸ポケットなどに収める状態を推奨するとよい。このように取得された体動情報は、制御部４０の制御により、記憶部３３に記憶させ、その一部（例えば歩数）が表示部２２に表示される。

図１に示すように、制御部４０は、操作部２１、表示部２２、電源部２３、加速度センサ３１、演算部３２、記憶部３３、計時部３４、及び、Ａ／Ｄ変換器３５と電気的に接続されており、制御部４０によって各動作が制御されるようになっている。

また、制御部４０は、時間情報とともに既に蓄積されている体動情報に基づいて、体動の検出条件（閾値）を変更する検出条件変更手段として機能する。変更される検出条件としては、例えば、使用者が活動しているか否かの判別に関する閾値（加速度値（体動強度）の所定閾値）、使用者が歩行しているか否かの判別に関する閾値（変動係数の所定閾値）を挙げることができる。

また、制御部４０は、記憶部３３とともに、体動情報を時間情報（曜日及び時刻（時間帯））に対応させて継続的に蓄積可能なデータ蓄積手段として機能する。これにより、体動検出装置１０の使用開始以降、これを使用する使用者個人の活動パターン情報を取得することができ、制御部４０は、活動パターン情報取得手段としても機能する。

より具体的には、所定単位時間ごとに加速度センサ３１によって取得された体動情報（直前に取得された体動情報）が、歩行しているものか、安静時のものか、これら以外のもの（日常生活動作）か、を判断した上で、曜日ごと、さらに時間ごと（時刻、時間帯）に蓄積していく。このような体動情報を時間情報とともに継続的に蓄積することにより、使用者個人の活動パターンに関する情報、即ち、活動パターン情報を取得することが可能となる。活動パターン情報は、体動情報及び時間情報に基づく情報である。特に、使用者個人が取ることの多い活動を時間情報に対応させてパターン化した情報であり、例えば、月曜日の午前８時は歩行をしている頻度が高い、また日曜日の午前８時は安静にしている頻度が高い、月曜日から金曜日と土曜日及び日曜日とで生活リズムが顕著に異なる、といった活動パターン情報を挙げることができる。詳細については、後述する。

さらに、加速度センサ３１によって直前に取得された体動情報が、既に蓄積されている使用者の過去の体動情報（蓄積済み体動情報）に該当しているかを比較する比較手段として機能する。より具体的には、所定単位時間ごとに個々に取得されていく体動情報の判定値を、蓄積済み体動情報の判定値と比較する。ここで、判定値は、体動情報の特徴を反映可能な値であれば特に限定されるものではなく、その詳細な具体例については後述する。

さらに、制御部４０は、歩数カウント手段としても機能する。なお、制御部４０による歩数カウント方法についての一例を以下に簡単に説明する。制御部４０は、加速度センサ３１によって取得された加速度値を、Ａ／Ｄ変換器３５によってＡ／Ｄ変換させ、取得された順に時系列的に記憶部３３に記憶させるとともに、例えば、横軸に経過時間（単位：秒）、縦軸に加速度値のＡ／Ｄ変換値（単位：カウント）をとり、順次取得される総ての加速度値のＡ／Ｄ変換値をプロットして波形を取得し、加速度値の推移をみて次のように処理する。加速度値の波形の振幅が歩行としての一歩と判断でき（第１閾値Ｘを超え、かつ、一定時間ｔ１以内に取得された場合）、このような波が所定時間内に所定個数以上みられるか（一定時間ｔ２内における加速度値の波形の波の数が、第２閾値Ｙを超えているか否か）を判断し、所定の波の数以上である場合は、連続的な歩行であると判別し、そのピーク値ごとに１歩としてカウントしていく。

演算部３２は、制御部４０の制御のもと種々の演算処理を行うことが可能な演算手段であり、例えば、記憶部３３に記憶された使用者の生体情報や体動情報に基づいて、使用者の体動による消費エネルギーを算出する。この消費エネルギーの算出は、所定単位時間（例えば２０秒）ごとの体動情報（直前の体動情報）の消費エネルギーを累積的に合算することによって行われる。

消費エネルギーの算出に関する具体的な方法は、特に限定されるものではないが、本実施形態においては、次のように行うようにする。体動判別手段としての制御部４０により、所定単位時間ごとの体動情報が、歩行と判別された場合には、演算部３２は、体動ピッチや歩数などをパラメータとする「歩行時用の消費エネルギー算出式」に基づいて消費エネルギーを算出する。一方、制御部４０により、所定単位時間ごとの体動情報が、歩行以外の活動と判別された場合には、演算部３２は、体動強度をパラメータとする「歩行以外の活動時用の消費エネルギー算出式」に基づいて消費エネルギーを算出する。このように算出した所定単位時間における消費エネルギーを累積して合算していくことにより、例えば、その使用日の通算の消費エネルギーを算出することができるようにする。

なお、歩行時用の消費エネルギー算出式は、例えば、「使用者の体重×歩数×係数」とする。係数は、体動ピッチに応じて定まる定数と体動強度に応じて定まる係数を乗じたものとして任意に設定することができる。体動ピッチに応じて定まる定数としては、例えば、一歩当たりに要した時間（体動ピッチ）が、２５０ｍｓ以上３００ｍｓ未満の範囲にあれば係数ｃ１、３００ｍｓ以上３５０ｍｓ未満の範囲にあれば係数ｃ２、以下同様にして、時間５０ｍｓごとに順次大きくなるような係数（例えば、ｃ１＜ｃ２＜・・・・）を設定すればよい。一方、体動強度に応じて定まる係数は、例えば測定された加速度値に関するデータに応じて定まる係数とし、「加速度値の大きさ」を任意の段階に分類し、「加速度値の大きさ」が小さい段階から大きい段階に向かって、順次大きくなるような係数（例えば、ａ１＜ａ２＜・・・）を設定すればよい。

一方、歩行以外の活動時の消費エネルギーを算出する算出式は、例えば、「使用者の体重×加速度値の大きさ×第１係数＋第２係数」とする。ここで、第１係数及び第２係数は任意に設定することができるが、それぞれ性別（生体情報）に応じて異なる値を設定しておくことが好ましい。使用者の生体情報として、性別の他に更に身長及び除脂肪量を用いることができる場合は、これらを含む項を導入することで、より正確な消費エネルギーを算出することができる。この場合の算出式は、性別によって算出式を別個に用意することが好ましい。

次に、図２乃至図５を参照しつつ、体動検出装置１０を用いた体動検出方法について説明する。図２は、本発明に係る体動検出装置の動作の流れの一例を示すフローチャート、図３は、本発明に係る体動検出装置のデータ蓄積処理を示すフローチャート、図４は、本発明の体動検出装置の使用者の平日の活動パターン例を示す図、図５は、本発明の体動検出装置の使用者の休日の活動パターン例を示す図である。

体動検出装置１０を起動させた後、使用者により操作部２１を操作させて、主として消費エネルギーの算出に必要な生体情報（例えば体重、性別、身長、除脂肪量など）を入力させ、現在の曜日・時刻を合わせるなどの初期設定を行い、入力された生体情報・設定事項を、記憶部３３の所定領域に記憶させる（ステップＳ１０）。この初期設定が終了した後、体動検出装置１０は使用者の着衣等所定の場所に装着される。

その後、体動検出装置１０により、使用者の体動情報及び時間情報を取得し、記憶部３３へ記憶していく（ステップＳ１１。体動情報取得ステップ、時間情報取得ステップ。）。より具体的には、加速度センサ３１によって使用者の体動による加速度値を取得し、Ａ／Ｄ変換器３５は、加速度センサ３１のＸ軸センサ３１ａ、Ｙ軸センサ３１ｂ、Ｚ軸センサ３１ｃによって取得されたアナログデータとしての各出力値を、それぞれＡ／Ｄ変換する。制御部４０は、計時部３４によって、取得が開始された時点からの経過時間、現在の曜日及び現在時刻等の時間情報を同時に取得し、各出力値のＡ／Ｄ変換値を、時間情報に対応させて記憶部３３に記憶していく（体動情報取得ステップ、時間情報取得ステップ）。

次に、制御部４０は、現在の曜日と同一の曜日であって、現在時刻に対応する時刻における蓄積済み体動情報の数が一定数以上か否かを判定する（ステップＳ１２）。例えば、ステップＳ１１において体動情報の取得を開始した日時が、月曜日の午前７時００分である場合、過去の月曜日の午前７時００分から所定単位時間（ステップＳ１４参照）取得して蓄積された蓄積済み体動情報が、一定数以上存在するか否かを判断する（ステップＳ１２）。したがって、使用開始から少なくとも１週間が経過する前は、蓄積済み体動情報の数は０であるため、ステップＳ１２はＮｏとなる。なお、ステップＳ１２においてＹｅｓに進むための、蓄積済み体動情報の数は任意であり、使用者の活動パターンを把握するのに適した数とすればよい。

体動検出装置１０を使い始めて初期の間は、蓄積済み体動情報の数が一定数に満たないため（ステップＳ１２でＮｏ）、使用者の活動パターンは未だ把握できない。従って、体動の検出条件（閾値）についてはデフォルトの設定のまま（ステップＳ１３は通らない）、体動情報の取得・記憶を継続する。体動情報の取得開始から所定単位時間（例えば、２０秒間）が経過したか否かを計時部３４により計測し（ステップＳ１４）、未経過の場合は（ステップＳ１４でＮｏ）、そのまま体動情報の取得・記憶を継続して、所定単位時間の経過の監視を継続する。

一方、体動検出装置１０を使い始めて数週間以上が経ち、蓄積済み体動情報の数が一定数以上となっている場合には（ステップＳ１２でＹｅｓ）、使用者の活動パターンを把握できるようになる。従って、現に使用している使用者個人に適した検出条件により体動の検出の処理を行うために、制御部４０は、蓄積済み体動情報に基づいて体動の検出条件（所定閾値）を変更する検出条件変更処理を行う（ステップＳ１３。検出条件変更ステップ。）。この検出条件の変更は、所定単位時間（本実施形態においては２０秒）ごとに行うことができるようになっており、これにより、使用者の体動の検出条件を、こまめに変更することができる。検出条件変更処理について更に以下詳細に説明する。

まず、検出条件変更処理の前提として、データ蓄積処理から説明する。上記の通り、体動検出装置１０による体動情報の取得は、所定単位時間（図２ステップＳ１４参照）ごとに行われる。従って、この所定単位時間ごとに取得される体動情報（本実施形態では加速度値）を、１日（２４時間）分つなげることにより、使用者の１日の活動パターンを観察することが可能となる（図４及び図５参照）。ここで、ある使用者の１日の活動パターンと、それによる加速度値の変動について、図４及び図５に簡略化して表した。図４は、使用者がデスクワーク中心の会社員である場合の平日の活動パターンの例である。
・時間帯（１）［０時００分から０時３０分］：就寝準備。洗面等の行動により、不規則な加速度値が取得される。
・時間帯（２）［０時３０分から７時００分］：睡眠。体動検出装置１０は、傍に置かれているため、加速度値は検出されない。
・時間帯（３）［７時００分から８時００分］：起床、洗面、食事等の各行動により、不規則な加速度値が検出される。
・時間帯（４）［８時００分から９時３０分］：通勤。自宅から駅までの歩行により規則的で大きい加速度値が検出された後、電車乗車中の細かい振動による不規則で小さい加速度値が検出され、さらに駅から会社までの歩行により規則的で大きい加速度値が検出される。
・時間帯（５）［９時３０分から１２時００分］：デスクワーク。座ったり、立ったり、自席近くを歩く等の行動により、不規則な加速度値が検出される。
・時間帯（６）［１２時００分から１３時００分］：昼休み。食事等の行動により、不規則な加速度値が検出される。
・時間帯（７）［１３時００分から１８時００分］：デスクワーク。座ったり、立ったり、自席近くを歩く等の行動により、不規則な加速度値が検出される。
・時間帯（８）［１８時００分から１９時３０分］：退社から帰宅まで。時間帯（４）と概ね同様。
・時間帯（９）［１９時３０分から２１時００分］：食事、風呂等の各行動により、不規則な加速度値が検出される。
・時間帯（１０）［２１時００分から２４時００分］：テレビ観賞等、居間などで過ごす行動により、不規則な加速度値が検出される。

図４に示した平日の活動パターンは一例に過ぎないが、使用者がデスクワーク中心の会社員である場合には、平日（例えば月曜日から金曜日）については、前記のような内容の生活スタイルで１日を過ごしていることが比較的多いといえる。特に、所定の時間に起床して、所定の時間に家を出て、所定の時間発の電車に乗る等、出社までの時間帯（３）及び時間帯（４）については、毎日同じように行動していることが多い。会社員に限らず、使用者が学生や主婦などの場合も、平日（例えば月曜日から金曜日）は同じような生活スタイルで１日を過ごしていることが比較的多いといえる。

一方、図５は、使用者が図４の使用者の休日の活動パターンの例である。
・時間帯（１）［０時００分から１時３０分］：テレビ観賞等、居間などで過ごす行動により、不規則な加速度値が検出される。
・時間帯（２）［１時３０分から２時００分］：就寝準備。洗面等の行動により、不規則な加速度値が取得される。
・時間帯（３）［２時００分から１１時００分］：睡眠。体動検出装置１０は、傍に置かれているため、加速度値は検出されない。
・時間帯（４）［１１時００分から１２時００分］：起床、洗面、食事等の各行動により、不規則な加速度値が検出される。
・時間帯（５）［１２時００分から１３時００分］：例えば掃除や洗車のような家事により、不規則な加速度値が検出される。
・時間帯（６）［１３時００分から１５時００分］：テレビ観賞等、居間などで過ごす行動により、不規則な加速度値が検出される。
・時間帯（７）［１５時００分から１６時００分］：スポーツ。例えばジョギングの場合には、規則的で大きい加速度値が検出される。
・時間帯（８）［１６時００分から１８時００分］：例えば洗濯のような家事により、不規則な加速度値が検出される。
・時間帯（９）［１８時００分から１９時００分］：食事、風呂等の各行動により、不規則な加速度値が検出される。
・時間帯（１０）［１９時００分から２４時００分］：テレビ観賞等、居間などで過ごす行動により、不規則な加速度値が検出される。

図５に示した休日の活動パターンも、図４同様に一例に過ぎないが、平日（例えば月曜日から金曜日）について取得された１日の加速度値の推移（図４参照）とは全く異なる加速度値の推移が得られていることが判断できる。土曜日、日曜日などの休日の活動パターンは、１日を自宅で過ごして終える日もあれば、朝から外出してレジャーを楽しむ日などもあるため、前記平日の場合よりも、活動に関するデータのばらつきが大きいといえる。

このように使用者の体動情報を、体動検出装置１０によって数週間以上継続的に取得し、現在の曜日及び時刻に対応させて蓄積をしていく。制御部４０は、このようにして蓄積されていく蓄積済み体動情報を考慮して、各曜日、各時刻において、使用者が取る活動の種類とその頻度などの活動パターン情報を取得することができる。例えば、月曜日の９時に体動情報を取得したとき、この使用者は、月曜日の９時に関する蓄積済み体動情報のうちの最も頻度の多いものと同じ行動（「電車に乗車」）をしているであろうという推定が可能となる。また、例えば、毎週土曜日及び日曜日における１日の加速度値の推移は、毎週月曜日から金曜日までの１日の加速度の推移（図４参照）とは全く異なるため、この使用者は土曜日及び日曜日が休日であろうという推定が可能となる。このように、使用者の活動パターン情報を取得することができる。このため、体動検出装置１０は、使用者による操作を受けることなく自動的に、使用者個人に合わせた体動の検出条件を変更したり、平日モードと休日モードとを変更したりすることができるようになる。

次に、図２のステップＳ１３における検出条件変更処理の内容について説明する。まず、使用者の体動を検出するための検出条件としては、一例として、（１）加速度値がいかなる値以上であるときに使用者が活動していると判断するのか（後述する図３のステップＳ１００参照）、という加速度値（体動強度）に関する閾値、（２）変動係数がいかなる値よりも小さいときに使用者が歩行をしていると判断するのか（後述する図３のステップＳ１０１）、という変動係数に関する閾値、を挙げることができる。

直前に取得された体動情報（加速度値）が、前記（１）の閾値以上である場合は、使用者は何かの活動をしているものとして、消費エネルギーが算出されることになる。しかしながら、この閾値は、所定の場合には引き上げる変更を行うことにより、使用者が活動していないものとして処理するのが好適な場合もある。
例えば、使用者が電車、バス、車などに乗っている状態においては、電車等の走行時の機械的振動を、体動検出装置１０の加速度センサ３１が検出する。その結果、体動検出装置１０は、その振動が使用者自身の活動として、これに応じた消費エネルギーを算出してしまう。しかしながら、実際には使用者自身は立っているだけ、又は座っているだけ、という状態なのであるから、前記振動を考慮した消費エネルギーは、ノイズとなってしまうものである。
そこで、このような場合には、加速度値に関する閾値を引き上げる変更をして、電車等の走行時の機械的振動による加速度値は、使用者自身の活動としては判断しないようにするのがよい。ただし、使用者の普段の行動からみて、ノイズであろうと推定できる場合に限って、加速度値に関する閾値を変更するようにする。

一方、使用者が歩行をしているとき、その加速度値の推移をみると、１ステップごとにピッチを刻んで振幅を確認することができる。そのため、デフォルトの設定においては、直前に取得された体動情報が、例えば、所定のピッチで所定の振幅を有するステップが所定時間以内に確認できる場合、即ち、変動係数が所定閾値よりも小さくなるような、ばらつきがなく安定的・規則的な場合に、歩行をしていると判断し、歩数のカウント等を行うようになっている。なお、変動係数とは、標準偏差を平均で割った値である。
しかしながら、例えば、デスクワーク時に自席付近を少しだけ歩いて戻ってくるような、継続的ではなくばらつきのある歩行をする場合があるが、前記のようなデフォルトの設定のままでは、このような場合は変動係数が閾値以上となって、歩行とは判断されず、歩数のカウント等もなされないことになってしまう。
そこで、歩いた分の歩数や、それに基づく歩行距離などを可能な限り正確な数字として得るために、変動係数に関する閾値を引き上げる変更をして、デフォルトの設定よりも歩行と判断されやすくするのがよい。ただし、歩行と判断してよい場合に限って、変動係数に関する閾値を変更するのがよい。

いかなる場合に、前記のような体動検出条件（閾値）を変更するか（図２のステップＳ１３）については、時間情報とともに蓄積されている体動情報に基づいて、使用者ごとに個別具体的に実施する。より具体的には、時間情報とともに蓄積されている体動情報に基づいて、現に使用している使用者個人の活動パターン情報を予め取得しておき、これを考慮すればよい。

活動パターン情報の取得について説明すると、例えば、蓄積済み体動情報の分析の結果、月曜日から金曜日が平日、土曜日・日曜日が休日と判断でき、また、平日の９時（及び／又はこの時間帯）は、所定の小さい不規則な加速度値を検出する頻度が最も多い場合には、それは使用者が通勤時に利用する交通機関（電車等）による振動であろうという予測が可能となる（図４の時間帯（４）参照）。従って、使用者は、平日の９時は交通機関（電車等）を利用する活動パターンである頻度が高い、という活動パターン情報を取得することができる。同様に、月曜日から金曜日までの１３時から１７時までという時間帯は、所定の加速度値を検出する場合には、それは使用者が勤務先におけるデスクワークによるものであろうという予測が可能となる（図４の時間帯（７）参照）。従って、使用者は、平日の１４時は勤務先におけるデスクワークという活動パターンである頻度が高い、という活動パターン情報を取得することができる。

このように、各曜日・各時刻における蓄積済み体動情報が一定数以上蓄積されて以降、制御部４０は、演算部３２とともに、上記同様の分析を継続的に行って、現に使用している使用者についての各曜日・各時刻における活動パターン情報を取得又は更新して、記憶部３３に記憶させておく。なお、同一曜日・同一時刻における活動パターン情報は、１つに限定されるものではなく、活動パターンの頻度に応じて複数取得しておいてもよい。

このようにして取得された活動パターン情報を考慮して、体動の検出条件（閾値）を変更する。すなわち、体動検出装置１０は、例えば月曜日の９時に体動情報を取得開始したとき（ステップＳ１１）、使用者が月曜日の９時に関する最も頻度の高い活動パターン情報に係る活動（前記例では交通機関の利用）をしているであろう、と判断し、今回の体動情報の取得に際しては、加速度値に関する閾値を引き上げる変更を行う（ステップＳ１３）。なお、月曜日は、この使用者にとって月曜日は平日である頻度が高いという活動パターン情報を考慮して、平日モードとして、前記のような変更を行うようにしてもよい。反対に、現在の曜日が土曜日や日曜日の場合に、この使用者にとって土曜日や日曜日は休日である頻度が高いという活動パターン情報を考慮し、休日モードとして、前記のような変更を行わないようにしてもよい。

また、体動検出装置１０は、例えば月曜日の１４時に体動情報を取得開始したとき（ステップＳ１１）、使用者が月曜日の１４時に関する最も頻度の高い活動パターン情報に係る活動（前記例ではデスクワーク）をしているであろう、と判断し、今回の体動情報の取得に際しては、変動係数に関する閾値を引き上げる変更を行う（ステップＳ１３）。

体動検出条件を変更する別の例としては、次のようなものが挙げられる。図４の時間帯（２）や、図５の時間帯（３）のように、使用者の体動を検出できないことの多い一定の時間帯については、それは使用者が睡眠中であろうという予測が可能となる。従って、使用者は、図４の時間帯（２）や、図５の時間帯（３）は睡眠という活動パターンである頻度が高い、という活動パターン情報を取得することができる。そして、体動検出装置１０の制御部４０は、図４の時間帯（２）や、図５の時間帯（３）に応じて、省電力モードに切り替える、というようにしてもよい。その時間帯についても、平日モードの場合と休日モードの場合とで自動的に変更できるようにするのが好適である。なお、前記省電力モードは、表示部２２の通電状態の解除や、加速度センサ３１の検出条件の変更など、体動検出装置１０が全体として消費する電力を低減させる内容であれば特に限定されるものではない。これによって、特に電源部２３として電池を用いている場合は、消費電力が抑えられる結果、電池の使用可能期間を長くすることができる。

引き続き、図２及び図３を参照して、体動検出装置１０による体動検出方法について説明する。体動情報の取得開始から所定単位時間が経過した場合には（ステップＳ１４でＹｅｓ）、この所定単位時間の間に取得した体動情報（直前に取得した体動情報）を、蓄積済み体動情報として蓄積するデータ蓄積処理を行う（ステップＳ１５）。このデータ蓄積処理では、所定単位時間ごとに順次取得されていく最新の体動情報を、その内容（歩行か、歩行以外の活動かなど）ごと、現在の曜日及び時刻ごとに蓄積する処理を行うものであり、図３を参照して説明する。図２のＡからＢまでのステップは、図３のＡからＢまでのステップを実行する。

制御部４０は、直前に取得した体動情報の加速度値が、所定閾値以上であるか否かを判断する（ステップＳ１００）。前述のように、この所定閾値は、加速度値がいかなる値以上であるときに使用者が活動していると判断するのか、という加速度値に関する閾値であり、デフォルトでは任意の値を設定しておく。なお、前述のステップＳ１３において、閾値が変更された場合は、変更後の閾値をもって判断するようにする。直前に取得した体動情報の加速度値が、所定閾値に満たない場合は（ステップＳ１００でＮｏ）、制御部４０は、使用者は動いていないものと判断し、現在の曜日・時刻と共に、体動が検出されなかったことを蓄積済み体動情報として、記憶部３３に記憶する（ステップＳ１０９）。従って、図４の時間帯（２）や図５の時間帯（３）の睡眠時のように、体動検出装置１０が、傍に置かれているような場合がこれに該当する。

一方、直前に取得した体動情報の加速度値が、所定閾値以上である場合は（ステップＳ１００でＹｅｓ）、制御部４０は、直前に取得した体動情報の変動係数が、所定閾値以上であるか否かを判断する（ステップＳ１０１）。前述のように、この所定閾値は、変動係数がいかなる値以下であるときに使用者が歩行（走行を含む）をしていると判断するのか、という変動係数に関する閾値であり、デフォルトでは任意の値を設定しておく。なお、前述のステップＳ１３において、閾値が変更された場合は、変更後の閾値をもって判断するようにする。直前に取得した体動情報の変動係数が、所定閾値に満たない場合は（ステップＳ１０１でＮｏ）、制御部４０は、使用者は歩行をしているものと判断し、現在の曜日・時刻と共に、加速度値の大きさや歩数を蓄積済み体動情報として、記憶部３３に記憶する（ステップＳ１０８）。従って、主として、図４の時間帯（４）、時間帯（８）、図５の時間帯（７）の歩行時・ジョギング時のような場合がこれに該当する。

一方、直前に取得した体動情報の変動係数が、所定閾値以上である場合は（ステップＳ１０１でＹｅｓ）、制御部４０は、直前に取得した体動情報の判定値を算出し、記憶部３３に記憶する（ステップＳ１０２）。判定値としては、一例として次のように算出する。制御部４０は、使用者の体動に対応して加速度センサ３１により取得した加速度値を、Ａ／Ｄ変換器３５によりＡ／Ｄ変換させ、取得した順に時系列的に記憶部３３に記憶させるとともに、横軸に経過時間（単位：秒）、縦軸に加速度値のＡ／Ｄ変換値（単位：カウント）をとり、順次取得される総ての加速度値のＡ／Ｄ変換値をプロットして波形を取得する。この取得した波形について、周波数解析を行い、特徴的又は代表的な（例えば２つの）周波数帯を選択し、これらの周波数帯におけるピークトゥピーク値（Ｐ−Ｐ値）、平均値、最大値、最小値のそれぞれを算出して、これらの１以上を判定値とする。

次に、制御部４０は、現在の曜日及び時刻に対応する、過去の同一の曜日及び時刻の蓄積済み体動情報が存在するか否かを判断する（ステップＳ１０３）。従って、使用開始から少なくとも１週間が経過する前は、１週間分の各曜日の蓄積済み体動情報が存在しないため、ステップＳ１０３はＮｏとなる。体動検出装置１０を使い始めて初期の間は、現在の曜日及び時刻に対応する蓄積済み体動情報が存在しない場合（ステップＳ１２でＮｏ）が多く、直前に取得した体動情報の判定値を蓄積済み体動情報として、現在の曜日・時刻（時間情報）と共に、記憶部３３に記憶する（ステップＳ１０７）。

一方、体動検出装置１０を使い始めて数週間以上が経ち、現在の曜日及び時刻に対応する、過去の同一の曜日及び時刻の蓄積済み体動情報が存在する場合には（ステップＳ１０３でＹｅｓ）、制御部４０は、直前に取得した体動情報の判定値と、蓄積済み体動情報の判定値とを比較する（ステップＳ１０４）。この比較処理は、過去の同一の曜日及び時刻に蓄積されている総ての蓄積済み体動情報について順次行う。その結果、制御部４０は、直前に取得した体動情報の判定値と蓄積済み体動情報の判定値とが一致するもの、又は、直前に取得した体動情報の判定値と蓄積済み体動情報の判定値との誤差が所定範囲内のものが存在するか否かを判定する（ステップＳ１０５）。制御部４０は、存在しないと判定した場合には（ステップＳ１０５でＮｏ）、過去の同一の曜日及び時刻の蓄積済み体動情報とは異なる行動が行われたものとして、現在の曜日及び時間と共に、直前に取得した体動情報の判定値を新たな蓄積済み体動情報として記憶部３３に記憶する（ステップＳ１０７）。一方、制御部４０は、存在すると判定した場合には（ステップＳ１０５でＹｅｓ）、一致する蓄積済み体動情報との一致回数を１回加えて、その一致回数を記憶部３３に記憶する（ステップＳ１０６）。このような一致回数を記憶させていくことにより、使用者の各活動の頻度を蓄積済み体動情報の一つとして取得することができる。

以上のようなデータ蓄積処理（ステップＳ１５）が行われた後、図２に示すように、制御部４０は、直前に取得した体動情報が、安静時のものか否かを判断する（ステップＳ１６）。直前に取得した体動情報が、図３のステップＳ１００でＮｏと判断されたものである場合は、そのまま安静時のものと判断すればよい（ステップＳ１６でＹｅｓ）。この場合、制御部４０は、演算部３２に、直前に取得した体動情報により、安静時代謝のエネルギーが消費されているものとして、安静時用の計算式による消費エネルギーを計算させ、記憶部３３に記憶させる（ステップＳ２０）（エネルギー演算ステップ）。なお、安静時の計算式としては、例えば、「使用者の体重×所定単位時間×係数」とすればよい。

制御部４０は、直前に取得した体動情報が、安静時のものではないと判断した場合（ステップＳ１６でＮｏ）、直前に取得した体動情報が、歩行か否かを判断する（ステップＳ１７）。直前に取得した体動情報が、図３のステップＳ１０１でＮｏと判断されたものである場合は、そのまま歩行と判断すればよい（ステップＳ１７でＹｅｓ）。この場合、制御部４０は、演算部３２に、直前に取得した体動情報に基づいて、歩行時用の計算式による消費エネルギーを計算させ、記憶部３３に記憶させる（ステップＳ１９）（エネルギー演算ステップ）。

制御部４０は、直前に取得した体動情報が、歩行ではないと判断した場合（ステップＳ１７でＮｏ）、直前に取得した体動情報は、歩行以外の活動として判断し、演算部３２に、直前に取得した体動情報に基づいて、歩行以外の活動時用の計算式による消費エネルギーを計算させ、記憶部３３に記憶させる（ステップＳ１８）（エネルギー演算ステップ）。

ステップＳ１８、ステップＳ１９、又はステップＳ２０のようにして計算された所定単位時間における消費エネルギーを、所定単位時間ごとに累積し、その合算した値を結果表示として、表示部２２に更新していく（ステップＳ２１）。すなわち、上記のように計算された１番目の所定単位時間における消費エネルギーは、表示部２２にそのまま結果表示として表示し、その後、ステップＳ１１へ戻り、２番目の所定単位時間における消費エネルギーが計算されると、１番目の所定単位時間における消費エネルギーと２番目の所定単位時間における消費エネルギーとを合算し、その合算した値を結果表示として、表示部２２の表示を更新する。なお、３番目の所定単位時間における消費エネルギーも同様に計算し、結果表示を更新する。結果表示は、消費エネルギーを表示するのみならず、制御部４０にてカウントをしていた歩数の合計数、歩行距離、歩行以外の活動時間、安静時間、これらの過去数日分のデータの表示などを表示してもよい。

上述の実施形態に係る体動検出装置及び体動検出方法によれば、使用者個人の活動パターンを考慮した、使用者個人に適した体動の検出の条件の設定を自動的に行うことができ、これにより検出された体動に応じたより正確な消費エネルギーを算出することができる。

本発明について上記実施形態を参照しつつ説明したが、本発明は上記実施形態に限定されるものではなく、改良の目的または本発明の思想の範囲内において改良または変更が可能である。

以上のように、本発明に係る体動検出装置及び体動検出方法は、使用者個人の活動パターンに応じた正確な消費エネルギーを把握することが必要な場合に有用である。

１０ 体動検出装置
２１ 操作部（生体情報取得手段）
２２ 表示部（表示手段）
３１ 加速度センサ（体動情報取得手段）
３１ａ Ｘ軸センサ
３１ｂ Ｙ軸センサ
３１ｃ Ｚ軸センサ
３２ 演算部（演算手段）
３３ 記憶部（データ蓄積手段）
３４ 計時部（時間情報取得手段）
３５ Ａ／Ｄ変換器
３５ａ Ａ／Ｄ変換器
３５ｂ Ａ／Ｄ変換器
３５ｃ Ａ／Ｄ変換器
４０ 制御部（検出条件変更手段、データ蓄積手段、活動パターン情報取得手段）

Claims (6)

1. 使用者の体動を検出して前記体動に関する体動情報を取得する体動情報取得手段と、前記体動情報に基づく消費エネルギーを算出する演算手段と、を有する体動検出装置であって、
   前記体動情報を取得したときの曜日及び時刻を含む時間情報を取得する時間情報取得手段と、
   前記体動情報を、前記曜日及び時刻に対応させて蓄積可能なデータ蓄積手段と、
   前記データ蓄積手段において蓄積された前記体動情報と前記曜日及び時刻とに基づいて、各曜日及び各時刻において前記使用者が取る活動の種類及び頻度を含む活動パターン情報を取得する活動パターン情報取得手段と、
   前記体動を検出する検出条件を、前記活動パターン情報に基づいて変更可能な検出条件変更手段と、を有すること
   を特徴とする体動検出装置。
2. 前記検出条件は、体動強度に関する閾値であり、前記検出条件変更手段が前記検出条件を変更することにより、前記閾値に満たない体動強度の体動を検出しないことが可能であることを特徴とする請求項１に記載の体動検出装置。
3. 前記検出条件は、使用者が歩行又は走行をしているか否かの判別に関する閾値であり、前記検出条件変更手段が前記検出条件を変更することにより、変更前よりも前記使用者が歩行又は走行をしていると判別されやすくなることを特徴とする請求項１又は請求項２に記載の体動検出装置。
4. 前記検出条件変更手段が前記検出条件を変更することにより、省電力モードへの変更が可能であることを特徴とする請求項１乃至請求項３のうち、いずれか１に記載の体動検出装置。
5. 前記体動情報取得手段は、前記体動情報の取得を所定単位時間ごとに行い、前記検出条件変更手段は、前記所定単位時間ごとに前記検出条件を変更可能であることを特徴とする請求項１乃至請求項４のうち、いずれか１に記載の体動検出装置。
6. 使用者の体動を検出して前記体動に関する体動情報を取得する体動情報取得ステップと、前記体動情報に基づく消費エネルギーを算出するエネルギー演算ステップと、を有する体動検出方法であって、
   前記体動情報を取得したときの曜日及び時刻を含む時間情報を取得する時間情報取得ステップと、
   前記体動情報を、前記曜日及び時刻に対応させて蓄積可能なデータ蓄積ステップと、
   前記データ蓄積ステップにおいて蓄積された前記体動情報と前記曜日及び時刻とに基づいて、各曜日及び各時刻において前記使用者が取る活動の種類及び頻度を含む活動パターン情報を取得する活動パターン情報取得ステップと、
   前記体動を検出する検出条件を、前記活動パターン情報に基づいて変更可能な検出条件変更ステップと、を有すること
   を特徴とする体動検出方法。

Images