JP5509153B2 - 歩容解析方法、歩容解析装置及びそのプログラム - Google Patents

Description

この発明は、歩容解析方法、歩容解析装置及びそのプログラムに関する。

ユーザの歩行時に計測された加速度データに対する自己相関関数において、奇数ピークは右左それぞれの脚で歩いた時点を示し、偶数ピークは右脚同士または左脚同士の対象性を比較するものである。そのため、歩容解析における研究においては、図６に示す第１ピーク及び第２ピークが歩容パラメータとして活用されている。

しかしながら、ユーザの歩行位置における地理的要因やユーザの健康状態などに応じて歩行時における加速度の時系列変化はシーンに応じて大きく異なる。そのため、加速度データに付加されるノイズもシーンに応じて異なる。したがって、加速度データを用いて算出される自己相関関数における自己相関ピークを検出する場合、シーンに応じて変動するこれらノイズの影響を考慮する必要がある。

非特許文献１には、音信号におけるピーク検出を行うために、移動平均法を用いた平滑化を行った音声信号に対し、３点比較を行うことでピークを検出する技術が開示されている。
また、非特許文献２には、平滑化微分を用いて符号が正から負になる位置を抽出し、抽出された位置の中から閾値以上の位置をピークとして抽出する技術が開示されている。

琴坂信哉，Stefan Schaal，"神経振動子を用いたロボットのリズミックな運動生成"，日本ロボット学会誌，Vol.19，No.1，pp.116-123，2001 後藤真孝，"リアルタイム音楽情景記述システム：サビ区間検出手法"，情報処理学会音楽情報科学研究会研究報告，Vol.2002，No.100，pp.27-34，2002

図６は、一例として、リハビリ患者の歩行時における加速度の自己相関関数を示したものである。図７に、上記図６の自己相関関数に平滑化処理を加えた結果を示す。なお、図７において、３点比較により検出されたピークを丸印で示している。
非特許文献１の技術は、平滑化処理された信号波形からピークを算出する方式であるため、図７に示すように歩容解析に重要となる歩行周期近傍における自己相関ピーク以外の箇所がピークとして抽出されてしまう。

また、非特許文献２の技術では、閾値処理を加えることで不要なピークの削除を図っているが、ユーザの歩行シーンに応じてピークの大きさが異なる場合があるため、適切な閾値の設定が困難となる。

この発明は上記事情に着目してなされたもので、その目的とするところは、ユーザの歩容を精度良く解析できるようにする歩容解析方法、歩容解析装置及びそのプログラムを提供することにある。

上記目的を達成するために本発明の第１の態様は、ユーザの歩容を解析する歩容解析方法、歩容解析装置及びそのプログラムであって、前記ユーザの歩行時に計測された第１加速度データを時系列で受信し、前記第１加速度データに対して平滑化処理を行い、前記平滑化処理後の第２加速度データ及び前記第１加速度データのそれぞれに対して周波数解析を行い、前記第２加速度データのパワースペクトラムからピーク周波数の候補を抽出し、前記第１加速度データのパワースペクトラムから前記候補の近傍のピーク周波数を検出し、当該ピーク周波数により前記ユーザの歩行周期Ｔを算出し、前記第１加速度データの自己相関関数を算出し、前記歩行周期Ｔに基づいて前記自己相関関数におけるピークを検出するものである。

上記第１の態様によれば、計測された加速度データに含まれる高周波数成分のノイズが自己相関関数のピーク検出に与える影響を低減することができる。これにより、ローパスフィルタなどの平滑化処理や閾値処理のみではピーク検出を行うことが困難な歩行時における加速度データについても、歩容解析に有用な自己相関関数におけるピークを精度良く検出することが可能となる。

本発明の第２の態様は、前記第１の態様において、前記ピークの検出は、前記自己相関関数において前記歩行周期Ｔ近傍の遅れ時間における最大の自己相関係数を自己相関第１ピークとして検出するものである。
上記第２の態様によれば、計測された加速データに含まれるノイズに起因するパワースペクトラムの高周波数成分をピークとして誤検出するのを防ぎ、歩容解析に有用な自己相関関数における第１ピークを精度良く検出することが可能となる。

また、本発明の第３の態様は、前記第２の態様において、前記ピークの検出は、前記自己相関関数における自己相関第ｎピーク（ｎは自然数）を検出する場合に、前記自己相関関数において前記歩行周期Ｔ×ｎ近傍の遅れ時間における最大の自己相関係数を自己相関第ｎピークとして検出するものである。
上記第３の態様によれば、歩容解析における研究において歩容パラメータとして活用される第ｎピークを精度良くかつ容易に求めることができる。

すなわちこの発明によれば、ユーザの歩容を精度良く解析できるようにする歩容解析方法、歩容解析装置及びそのプログラムを提供することができる。

本発明の一実施形態に係る歩容解析装置の構成を示す図。 図１の歩容解析装置の機能構成を示すブロック図。 図１の歩容解析装置の動作を示すフローチャート。 加速度データのパワースペクトラムの一例を示す図。 加速度データの自己相関関数の算出結果を示す図。 一般的な加速度データの自己相関関数の算出結果を示す図。 図６の自己相関関数の平滑化処理結果を示す図。

以下、図面を参照して、本発明の一実施形態に係る歩容解析方法、歩容解析装置及びそのプログラムを説明する。
図１は、本発明の一実施形態に係る歩容解析装置の構成を示す図である。
歩容解析装置１は、ＣＰＵ（Central Processing Unit）及びメモリ等を有するコンピュータにより構成され、ユーザが携帯する加速度センサ２によって得られた加速度データを受信する。実施形態としては、加速度センサ２が有線又は無線を問わずに加速度データを歩容解析装置１に送信する方式でもよいし、加速度センサ２と一体型となった計算処理端末として歩容解析装置１を構成する方式でもよいものとする。

図２は、歩容解析装置１の機能構成を示すブロック図である。歩容解析装置１は、加速度情報受信部１０１、平滑化処理部１０２、歩行周期算出部１０３、自己相関算出部１０４、及びピーク検出部１０５を備える。なお、これらの各部は、歩容解析装置１のＣＰＵとメモリ上で実行される制御プログラムにより実現する。

加速度情報受信部１０１は、通信インタフェース等で構成され、ユーザの歩行時に加速度センサ２によって計測された加速度データを有線又は無線により時系列で受信する。また、加速度情報受信部１０１は、メモリカード等の記録媒体に格納されている加速度データを読み込むように構成してもよい。

平滑化処理部１０２は、加速度情報受信部１０１で受信された加速度データの平滑化処理を行う。
歩行周期算出部１０３は、加速度情報受信部１０１で受信された加速度データ（第１加速度データ）、及び平滑化処理部１０２から出力される平滑化処理後の加速度データ（第２加速度データ）をそれぞれ周波数解析して得られるパワースペクトラムから、後述する手法によりユーザの歩行周期を算出する。

自己相関算出部１０４は、加速度情報受信部１０１で受信された加速度データの自己相関関数を算出する。
ピーク検出部１０５は、歩行周期算出部１０３で算出された歩行周期に基づいて、自己相関算出部１０４で算出された自己相関関数におけるピークを検出する。

次に、このように構成される歩容解析装置の動作について詳しく説明する。
加速度情報受信部１０１は、加速度センサ２から予め定められた時間長の加速度データを予め定めた時間間隔で受信する。あるいは、予め定めたルールに基づいたイベントが発生するごとに加速度データを受信する。以降では、受信した時刻ｔ１から時刻ｔｎまでにおける加速度データの時系列データをａ_{ｔ１：ｔｎ}とする。加速度情報受信部１０１は、受信した加速度データａ_{ｔ１：ｔｎ}を、平滑化処理部１０２及び歩行周期算出部１０３に送信する。

平滑化処理部１０２は、加速度情報受信部１０１から受信した加速度データａ_{ｔ１：ｔｎ}の平滑化処理を行う。これにより、加速度データａ_{ｔ１：ｔｎ}の高周波数成分のノイズが自己相関関数のピーク検出に与える影響を低減することができる。平滑化手法の例としては、ローパスフィルタを用いた平滑化処理がある。これは、加速度データａ_{ｔ１：ｔｎ}に下記の式（１）に示す一次遅れの伝達関数Ｇ（ｓ）を乗じることで実現できる。

ただし、式（１）において、Ｋ，ω_ｃ，ｓはそれぞれ、ローパスフィルタの通過域での利得、遮断周波数、ラプラス変換の変数とする。これ以下、平滑化された加速度データを平滑化データａ´_{ｔ１：ｔｎ}と呼ぶ。平滑化処理部１０２は、平滑化データａ´_{ｔ１：ｔｎ}を歩行周期算出部１０３に送信する。

歩行周期算出部１０３は、加速度情報受信部１０１から受信した加速度データａ_{ｔ１：ｔｎ}及び平滑化処理部１０２から受信した平滑化データａ´_{ｔ１：ｔｎ}のそれぞれに対してＦＦＴなどを用いて周波数解析を行うことで、ユーザの歩行周期を算出する。以下、図３のフローチャートを参照して、歩行周期算出処理の詳細について説明する。

図３のステップＳ１において、歩行周期算出部１０３は、加速度情報受信部１０１から加速度データａ_{ｔ１：ｔｎ}を受信し、平滑化処理部１０２から平滑化データａ´_{ｔ１：ｔｎ}を受信する。
ステップＳ２において、歩行周期算出部１０３は、上記受信された加速度データａ_{ｔ１：ｔｎ}及び平滑化データａ´_{ｔ１：ｔｎ}のそれぞれに対してＦＦＴなどを用いて離散フーリエ変換を行うことで周波数空間におけるパワースペクトラム成分を算出する。図４（ａ）に加速度データａ_{ｔ１：ｔｎ}に対して離散フーリエ変換処理した結果の例、図４（ｂ）に平滑化データａ´_{ｔ１：ｔｎ}に対して離散フーリエ変換処理した結果の例を示す。

ステップＳ３において、歩行周期算出部１０３は、上記ステップＳ２で算出した周波数空間における平滑化データａ´_{ｔ１：ｔｎ}のパワースペクトラム成分ｆ´_{ｔ１：ｔｎ}のうち、最大のパワースペクトラムを有する周波数の検出を行う。検出方法としては、例えば、直流成分を除いた最も小さな周波数から昇順にパワースペクトラムの前後３点比較を行うことで局所的なピークを順次探索し、ついで探索されたピーク群の中から最大のパワースペクトラムを有するピークをピーク周波数候補ｆ´_ｐとして検出する。

ステップＳ４において、歩行周期算出部１０３は、上記ステップＳ３で検出したピーク周波数候補ｆ´_ｐを用いて、上記ステップＳ１で受信した加速度データａ_{ｔ１：ｔｎ}のパワースペクトラム成分の情報ｆ_{ｔ１：ｔｎ}の中からピーク周波数ｆ_ｐを検出する。具体的には、加速度データａ_{ｔ１：ｔｎ}のパワースペクトラム成分ｆ_{ｔ１：ｔｎ}に対して、ピーク周波数候補ｆ´_ｐ近傍の周波数において最大のパワースペクトラムのピークを有するピーク周波数ｆ_ｐを検出する。ピークの検出方法としては、ピーク周波数候補ｆ´_ｐ近傍において周波数軸に対するパワースペクトラムの前後３点比較を行う。図４（ｂ）からわかるように、このようにピーク周波数ｆ_ｐを検出することで、加速データａ_{ｔ１：ｔｎ}に含まれるノイズに起因するパワースペクトラムの高周波数成分をピークとして誤検出するのを防ぐことができると期待できる。

ステップＳ５において、歩行周期算出部１０３は、上記ステップＳ４で検出したピーク周波数ｆ_ｐからユーザの歩行周期Ｔを下記の式（２）により算出する。

ステップＳ６において、歩行周期算出部１０３は、上記ステップＳ５で算出したユーザの歩行周期Ｔを自己相関算出部１０４及びピーク検出部１０５に送信し、歩行周期算出処理を終了する。

自己相関算出部１０４は、加速度データａ_{ｔ１：ｔｎ}の自己相関関数を算出する。自己相関関数は、縦軸を自己相関係数Ｒ（ｋ）、横軸を遅れ時間ｋとする各遅れ時間における自己相関係数の時系列変化を表す。自己相関関数の算出結果の一例を図５に示す。また、自己相関算出部１０４は、算出した自己相関関数をピーク検出部１０５に送信する。例えば、加速度データａ_{ｔ１：ｔｎ}の自己相関係数Ｒ（ｋ）は下記の式（３）により算出される。

なお、式（３）において、ａ（ｔ）は、時刻ｔにおける加速度データを表す。また、ｋは、ｋサンプル分の遅れ時間を表し、ｎは、歩容解析に用いる加速度データの総サンプル数を表す。

ピーク検出部１０５は、歩行周期算出部１０３から受信したユーザの歩行周期Ｔを用いて、自己相関算出部１０４から受信した自己相関関数におけるピーク（自己相関ピーク）を検出する。具体的には、歩行周期Ｔ近傍の遅れ時間において最大の値を有する自己相関係数を探索し、このときの値を自己相関第１ピークＲ_ｐ１とする。

探索方法としては、歩行周期Ｔ近傍において、自己相関関数に対する前後３点比較を行うことで自己相関係数の最大値を探索する。また、同様にして、自己相関第ｎピーク（ｎは自然数）を検出する場合は、歩行周期ｎ×Ｔ近傍の遅れ時間において最大の値を有する自己相関係数を検出し、このときの値を自己相関第ｎピークＲ_ｐｎとする。図５では、第１ピークから第４ピークまでの検出例を示している。

以上述べたように、本実施形態によれば、自己相関ピークにおける遅れ時間が歩行周期を表すことに着目し、自己相関関数において、周波数解析により抽出されるユーザの歩行周期近傍の遅れ時間における最大の自己相関係数を自己相関ピークとする。このように、歩行の特性を加味することで、図６のように波形が乱れた自己相関関数に対しても、歩容解析において有用となる歩行周期近傍の自己相関ピークを精度よく検出することが可能となる。

なお、この発明は、上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合せにより種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態に亘る構成要素を適宜組み合せてもよい。

１…歩容解析装置、２…加速度センサ、１０１…加速度情報受信部、１０２…平滑化処理部、１０３…歩行周期算出部、１０４…自己相関算出部、１０５…ピーク検出部。

Claims (7)

1. コンピュータによって、ユーザの歩容を解析する方法であって、
   前記ユーザの歩行時に計測された第１加速度データを時系列で受信する受信ステップと、
   前記第１加速度データに対して平滑化処理を行う平滑化ステップと、
   前記平滑化処理後の第２加速度データ及び前記第１加速度データのそれぞれに対して周波数解析を行い、前記第２加速度データのパワースペクトラムからピーク周波数の候補を抽出し、前記第１加速度データのパワースペクトラムから前記候補の近傍のピーク周波数を検出し、当該ピーク周波数により前記ユーザの歩行周期Ｔを算出する歩行周期算出ステップと、
   前記第１加速度データの自己相関関数を算出する自己相関算出ステップと、
   前記歩行周期Ｔに基づいて前記自己相関関数におけるピークを検出するピーク検出ステップと
   を有することを特徴とする歩容解析方法。
2. 前記ピーク検出ステップは、前記自己相関関数において前記歩行周期Ｔ近傍の遅れ時間における最大の自己相関係数を自己相関第１ピークとして検出することを特徴とする請求項１に記載の歩容解析方法。
3. 前記ピーク検出ステップは、前記自己相関関数における自己相関第ｎピーク（ｎは自然数）を検出する場合に、前記自己相関関数において前記歩行周期Ｔ×ｎ近傍の遅れ時間における最大の自己相関係数を自己相関第ｎピークとして検出することを特徴とする請求項２に記載の歩容解析方法。
4. ユーザの歩容を解析する装置であって、
   前記ユーザの歩行時に計測された第１加速度データを時系列で受信する受信手段と、
   前記第１加速度データに対して平滑化処理を行う平滑化手段と、
   前記平滑化処理後の第２加速度データ及び前記第１加速度データのそれぞれに対して周波数解析を行い、前記第２加速度データのパワースペクトラムからピーク周波数の候補を抽出し、前記第１加速度データのパワースペクトラムから前記候補の近傍のピーク周波数を検出し、当該ピーク周波数により前記ユーザの歩行周期Ｔを算出する歩行周期算出手段と、
   前記第１加速度データの自己相関関数を算出する自己相関算出手段と、
   前記歩行周期Ｔに基づいて前記自己相関関数におけるピークを検出するピーク検出手段と
   を具備することを特徴とする歩容解析装置。
5. 前記ピーク検出手段は、前記自己相関関数において前記歩行周期Ｔ近傍の遅れ時間における最大の自己相関係数を自己相関第１ピークとして検出することを特徴とする請求項４に記載の歩容解析装置。
6. 前記ピーク検出手段は、前記自己相関関数における自己相関第ｎピーク（ｎは自然数）を検出する場合に、前記自己相関関数において前記歩行周期Ｔ×ｎ近傍の遅れ時間における最大の自己相関係数を自己相関第ｎピークとして検出することを特徴とする請求項５に記載の歩容解析装置。
7. 請求項４乃至６のいずれか１項に記載の歩容解析装置を構成する各手段としてコンピュータを機能させる歩容解析プログラム。

Images