JP5099152B2 - 行動状態推定装置、行動状態学習装置、行動状態推定方法、行動状態学習方法およびプログラム - Google Patents
行動状態推定装置、行動状態学習装置、行動状態推定方法、行動状態学習方法およびプログラム Download PDFInfo
- Publication number
- JP5099152B2 JP5099152B2 JP2010048182A JP2010048182A JP5099152B2 JP 5099152 B2 JP5099152 B2 JP 5099152B2 JP 2010048182 A JP2010048182 A JP 2010048182A JP 2010048182 A JP2010048182 A JP 2010048182A JP 5099152 B2 JP5099152 B2 JP 5099152B2
- Authority
- JP
- Japan
- Prior art keywords
- frequency
- frequency band
- statistic
- component
- state
- 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.)
- Expired - Fee Related
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
まず、本発明の第1実施形態について説明する。
本実施形態に係る行動状態推定装置は、筋音図を周波数変換し、周波数変換後の周波数空間上に複数の周波数バンドを定義し、周波数バンドから算出した統計量を用いる。行動状態推定装置は、さらに周波数バンド間の統計量の違いから、非線形な手法により筋力負荷や疲労を示す筋音成分の量を推定する。また、行動状態推定装置は、推定した筋音成分の量を、被験者の行動中の状態である行動状態を反映する行動状態推定量として出力する。行動状態推定装置が定義する周波数バンドは単数であってもよい。本実施形態では、行動状態の例として、被験者の行動中の筋力負荷の状態を使用することとする。
図2に示すように、本実施形態に係る行動状態推定装置100Aは、人体の微細な振動をセンシングするセンシング部110がセンシングを行った結果得られたセンシングデータを受け取るセンサデータ入力部120と、センサデータ入力部120によって入力されたセンサデータから周波数バンド毎の統計量を抽出する周波数バンド統計量演算部130と、周波数バンド統計量演算部130から得られる統計量に基づき行動状態成分量を推定する行動状態成分演算部140と、行動状態成分演算部140が推定した行動状態成分量を出力する出力部150と、を備えるものである。
図6を参照して、本発明の第1実施形態に係る行動状態推定装置100Aによって実行される処理の流れについて説明する。行動状態推定装置100Aの周波数変換部131は、加速度センサによって測定された信号を周波数変換する(ステップS101)。バンド抽出部132は、周波数変換部131によって周波数変換されて得られた周波数成分のうち、複数の周波数バンドのそれぞれから各統計量を算出する(ステップS102)。行動状態成分演算部140は、バンド抽出部132によって算出された各統計量に基づき、被験者の筋肉にかかる負荷の状態を演算する(ステップS103)。出力部150は、行動状態成分演算部140によって演算されて得られた結果である演算結果を出力する(ステップS104)。
以上説明したように、本発明の実施形態に係る行動状態推定装置100Aによれば、加速度センサから得られるデータの平均周波数や振幅RMSを行動状態成分量として算出するよりも、自由な運動環境下で筋力負荷状態をよく反映できる行動状態成分量の推定が可能になり、その結果、被験者の実際の様々な行動や運動中の筋力負荷量や疲労度を推定するなど、実環境での利用が可能になる。
続いて、本発明の第2実施形態について説明する。
[構成の説明]
本発明の第2実施形態では、学習側と認識側の2つがあり、学習側は、行動状態成分を推定するために必要な行動状態モデルを構築する際にのみ用いられる。認識側は、行動状態成分を推定する際に用いられ、学習側で求めた行動状態モデルに基づき、行動状態成分を推定出力する。
第2実施形態に係る行動状態学習装置200は、センシング部110の機能に加えて筋肉の筋電位を計測する機能を有するセンシング部210と接続され、センサデータ入力部120の機能に加えて筋電位データを受け取るセンサデータ入力部220と、筋電位データから行動状態成分へ変換する行動状態成分変換部230と、行動状態成分変換部230の出力とバンド抽出部132から、バンド抽出部132と行動状態成分の関係を学習する行動状態成分学習部240と、学習結果のモデルを出力する行動状態モデル出力部250とを備える。これら以外の構成については、第1実施形態に係る行動状態推定装置100Aと同様である。
第2実施形態に係る行動状態推定装置100Bは、行動状態モデルを記憶する行動状態モデル記憶部320と、行動状態モデルを用いて行動状態成分を推定する行動状態成分推定部310とを有する。これら以外の構成については、第1実施形態に係る行動状態推定装置100Aと同様である。
第1実施形態との差分についてのみ説明する。センシング部210は、第1実施形態におけるセンシング部110と同様に、センサデータをサンプルし、学習用ストリームデータを出力する。これに加えて、筋電位を測定する手段を備える。筋電位は、体表面になるべく直接接するように電極を粘着性のあるノリなどで貼り付けて測定する。貼り付ける箇所は、センシング部110と同様のセンサを貼り付けた筋肉近くとしても良い。その場合には、該筋肉から誘発される電位を計測する。また、加速度データを使用した場合は、腕や腰に装着した加速度センサであっても、ランニングやスクワット、重量あげといった運動では下半身や腹筋の動きの影響を受けるため、例えば、腰に加速度センサ、腹筋に筋電位の電極を装着するなど、必ずしも同じ筋肉を対象としなくても良い。また、誘発電位は、数mV程度の微弱な電圧のため、アンプにて通常1000倍程度増幅した後にAD変換を行うことが多い。AD変換時のサンプリング周波数としては、通常100〜数kHz程度が用いられる。例えば、1kHzでサンプリングした筋電位のストリームデータを、教師用ストリームデータとしてセンサデータ入力部220へ送信する。
第1実施形態との差分のみ説明する。行動状態モデルを記憶する行動状態モデル記憶部320は、学習側の行動状態モデル出力部250から得られる行動状態モデルを保持する。行動状態モデルは、学習側の行動状態成分学習部240において、学習によって決定された認識器の内部状態である。この行動状態モデルを、行動状態成分推定部310にある認識器に設定することで、行動状態成分の推定を行う。
図11を参照して、本発明の第2実施形態に係る行動状態学習装置200によって実行される処理の流れについて説明する。行動状態学習装置200の周波数変換部131は、加速度センサによって測定された信号を周波数変換する(ステップS201)。バンド抽出部132は、周波数変換部131によって周波数変換されて得られた周波数成分のうち、複数の周波数バンドのそれぞれから各統計量を算出する(ステップS202)。一方、行動状態成分変換部230は、筋電位センサによって測定された信号から行動状態成分量を推定する(ステップS203)。行動状態成分学習部240は、バンド抽出部132によって算出された各統計量に基づき、入力ベクトルを生成する(ステップS204)。次いで、行動状態成分学習部240は、行動状態成分変換部230によって推定された行動状態成分量を教師信号とし、教師信号と行動状態成分学習部240によって生成された入力ベクトルとに基づいて学習を行う(ステップS205)。行動状態モデル出力部250は、行動状態成分学習部240によって学習されて得られた結果を行動状態モデルとして出力する(ステップS206)。
筋電計は、電極を皮膚に粘着剤で貼付しなければならず、また、発汗などにも弱く、普通に行動をしている環境ではセンシングが難しいが、本実施形態では、このような弱点を克服し、加速度センサの出力のみを用いて、普通に行動している環境における筋力負荷や緊張度合を示す指標としての行動状態成分量を、筋電計に近い精度で出力することができる。
110 センシング部
120 センサデータ入力部
130 周波数バンド統計量演算部
131 周波数変換部
132 バンド抽出部
140 行動状態成分演算部
150 出力部
200 行動状態学習装置
210 センシング部
220 センサデータ入力部
230 行動状態成分変換部
240 行動状態成分学習部
250 行動状態モデル出力部
310 行動状態成分推定部
320 行動状態モデル記憶部
Claims (4)
- 被験者に装着された振動検知センサによって測定された信号から行動状態を推定する行動状態推定装置において、
前記振動検知センサによって測定された信号を周波数変換し、周波数変換して得られた周波数成分のうち所定の周波数バンドから統計量を求める周波数バンド統計量演算部と、
前記統計量に基づき前記被験者の行動状態を推定する行動状態成分演算部と、
を備え、
前記周波数バンド統計量演算部は、
複数の前記周波数バンドのそれぞれから前記周波数バンド毎に異なる周波数変換手法を用いて各統計量を求め、
前記行動状態成分演算部は、
前記複数の周波数バンドのうち、筋音成分を主成分とする周波数バンドから前記周波数バンド統計量演算部によって求められた統計量と、前記筋音成分を主成分とする周波数バンド以外の周波数バンドから前記周波数バンド統計量演算部によって求められた統計量との比に基づき、前記被験者の筋肉にかかる負荷の状態を演算することを特徴とする、行動状態推定装置。 - 前記周波数バンド統計量演算部は、
複数の異なる時刻に前記振動検知センサによって測定された複数の信号のそれぞれを周波数変換し、周波数変換して得られた複数の周波数成分のうち、所定の周波数バンドから前記統計量を求める、
ことを特徴とする、請求項1に記載の行動状態推定装置。 - 被験者に装着された振動検知センサによって測定された信号から行動状態を推定する行動状態推定装置によって実行される行動状態推定方法において、
前記振動検知センサによって測定された信号を周波数変換し、周波数変換して得られた周波数成分のうち所定の周波数バンドから統計量を求めるステップと、
前記統計量に基づき前記被験者の行動状態を推定するステップと、
を含み、
前記所定の周波数バンドから統計量を求めるステップは、
筋音成分を主成分とする周波数バンドから統計量を求めることと、前記筋音成分を主成分とする周波数バンド以外の周波数バンドから統計量を求めることとを有し、
複数の前記周波数バンドのそれぞれから前記周波数バンド毎に異なる周波数変換手法を用いて各統計量を求め、
前記被験者の行動状態を推定するステップは、
前記複数の周波数バンドのうち、前記筋音成分を主成分とする周波数バンドから求められた統計量と、前記筋音成分を主成分とする周波数バンド以外の周波数バンドから求められた統計量との比に基づき、前記被験者の筋肉にかかる負荷の状態を演算することを特徴とする、行動状態推定方法。 - コンピュータを、
被験者に装着された振動検知センサによって測定された信号から行動状態を推定する行動状態推定装置であって、
前記振動検知センサによって測定された信号を周波数変換し、周波数変換して得られた周波数成分のうち所定の周波数バンドから統計量を求める周波数バンド統計量演算部と、
前記統計量に基づき前記被験者の行動状態を推定する行動状態成分演算部と、
を備え、
前記周波数バンド統計量演算部は、
複数の前記周波数バンドのそれぞれから前記周波数バンド毎に異なる周波数変換手法を用いて各統計量を求め、
前記行動状態成分演算部は、
前記複数の周波数バンドのうち、筋音成分を主成分とする周波数バンドから前記周波数バンド統計量演算部によって求められた統計量と、前記筋音成分を主成分とする周波数バンド以外の周波数バンドから前記周波数バンド統計量演算部によって求められた統計量との比に基づき、前記被験者の筋肉にかかる負荷の状態を演算することを特徴とする、行動状態推定装置として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010048182A JP5099152B2 (ja) | 2010-03-04 | 2010-03-04 | 行動状態推定装置、行動状態学習装置、行動状態推定方法、行動状態学習方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010048182A JP5099152B2 (ja) | 2010-03-04 | 2010-03-04 | 行動状態推定装置、行動状態学習装置、行動状態推定方法、行動状態学習方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011182824A JP2011182824A (ja) | 2011-09-22 |
JP5099152B2 true JP5099152B2 (ja) | 2012-12-12 |
Family
ID=44789830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010048182A Expired - Fee Related JP5099152B2 (ja) | 2010-03-04 | 2010-03-04 | 行動状態推定装置、行動状態学習装置、行動状態推定方法、行動状態学習方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5099152B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101845323B1 (ko) * | 2016-07-12 | 2018-04-04 | 주식회사 에이치에이치에스 | 근전도 센서를 이용한 운동 관리 방법 및 시스템 |
CN110833410A (zh) * | 2019-12-24 | 2020-02-25 | 苏州海思健康科技有限公司 | 一种肌肉活动评估装置及评估方法 |
CN110833409A (zh) * | 2019-12-24 | 2020-02-25 | 苏州海思健康科技有限公司 | 一种防滑肌肉活动评估装置及评估方法 |
JP7047990B1 (ja) * | 2020-07-30 | 2022-04-05 | 株式会社村田製作所 | 行動状態推定装置、行動状態推定方法、行動状態学習装置、および、行動状態学習方法 |
WO2023100656A1 (ja) * | 2021-12-01 | 2023-06-08 | 株式会社村田製作所 | 機械学習装置および推定装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09276255A (ja) * | 1996-04-18 | 1997-10-28 | Mitsuhiko Hasegawa | 逆解析手法による多関節筋力特性の測定法 |
EP1001703A1 (en) * | 1997-08-05 | 2000-05-24 | The Research Foundation of State University of New York | Non-invasive method of physiologic vibration quantification |
WO2002094091A1 (fr) * | 2001-05-22 | 2002-11-28 | Kazuyoshi Sakamoto | Dispositif de controle de fatigue et procede d'evaluation de fatigue |
JP2004167056A (ja) * | 2002-11-21 | 2004-06-17 | Yaskawa Electric Corp | 歩行訓練装置 |
JP4739440B2 (ja) * | 2009-04-02 | 2011-08-03 | 株式会社タニタ | 体動検出装置及び体動検出方法 |
-
2010
- 2010-03-04 JP JP2010048182A patent/JP5099152B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2011182824A (ja) | 2011-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Heart sound classification based on scaled spectrogram and partial least squares regression | |
Lara et al. | Centinela: A human activity recognition system based on acceleration and vital sign data | |
US9402579B2 (en) | Real-time assessment of absolute muscle effort during open and closed chain activities | |
US20140163412A1 (en) | Myography method and system | |
JP5099152B2 (ja) | 行動状態推定装置、行動状態学習装置、行動状態推定方法、行動状態学習方法およびプログラム | |
Biagetti et al. | Human activity recognition using accelerometer and photoplethysmographic signals | |
JP6190466B2 (ja) | 生体信号測定器及び接触状態推定方法 | |
KR20170087855A (ko) | 적어도 부분적으로 펄스 파형에 기반하는 자동화 진단 | |
US20100292618A1 (en) | Motion analysis device, program and method thereof and motion analysis system | |
US11504030B2 (en) | Method and system for heterogeneous event detection | |
Biagetti et al. | Homomorphic deconvolution for MUAP estimation from surface EMG signals | |
US20150065896A1 (en) | Pulsation detecting device, electronic apparatus, and program | |
CN108245148B (zh) | 自适应生物信号特征组合设备及方法 | |
Gordienko et al. | Deep learning for fatigue estimation on the basis of multimodal human-machine interactions | |
Xi et al. | Surface electromyography-based daily activity recognition using wavelet coherence coefficient and support vector machine | |
Pereira et al. | Physiotherapy Exercises Evaluation using a Combined Approach based on sEMG and Wearable Inertial Sensors. | |
He et al. | Robust heart rate monitoring for quasi-periodic motions by wrist-type PPG signals | |
Alves et al. | Recognition of forearm muscle activity by continuous classification of multi-site mechanomyogram signals | |
JP2016112053A (ja) | 歩行状態判定方法、プログラム、及び装置 | |
Ding et al. | An individual finger gesture recognition system based on motion-intent analysis using mechanomyogram signal | |
Teague et al. | Novel approaches to measure acoustic emissions as biomarkers for joint health assessment | |
KR101831064B1 (ko) | Ppg 신호를 이용한 동잡음 제거 장치 및 그 방법 | |
Mesanza et al. | Machine learning based fall detector with a sensorized tip | |
KR101963962B1 (ko) | 비접촉 생체 신호 검출 방법 및 장치 | |
Talib et al. | Crosstalk in mechanomyographic signals from elbow flexor muscles during submaximal to maximal isometric flexion, pronation, and supination torque tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120131 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120202 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120323 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120828 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120910 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151005 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5099152 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |