JP6127873B2 - Analysis method of walking characteristics - Google Patents
Analysis method of walking characteristics Download PDFInfo
- Publication number
- JP6127873B2 JP6127873B2 JP2013202775A JP2013202775A JP6127873B2 JP 6127873 B2 JP6127873 B2 JP 6127873B2 JP 2013202775 A JP2013202775 A JP 2013202775A JP 2013202775 A JP2013202775 A JP 2013202775A JP 6127873 B2 JP6127873 B2 JP 6127873B2
- Authority
- JP
- Japan
- Prior art keywords
- walking
- principal component
- acceleration
- score
- feature
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 30
- 230000001133 acceleration Effects 0.000 claims description 161
- 230000005021 gait Effects 0.000 claims description 46
- 238000000513 principal component analysis Methods 0.000 claims description 20
- 230000014509 gene expression Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 description 29
- 238000000034 method Methods 0.000 description 16
- 230000002354 daily effect Effects 0.000 description 14
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 210000003141 lower extremity Anatomy 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 210000004705 lumbosacral region Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本発明は、加速度センサによる計測データから歩行特徴を解析する方法及びそのためのシステムに関する。 The present invention relates to a method for analyzing a walking feature from measurement data obtained by an acceleration sensor and a system therefor.
日常生活において携帯することのできる加速度センサを用いて、日常の歩き方を分析する方法が提案されている。
例えば、腰背部中央に装着した１軸加速度センサから単一軸方向の加速度を検出し、検出結果から生成される加速度波形のうち、歩行周期における左右の脚の立脚期の加速度波形を比較し、歩行動作の左右のバランスを判定する方法がある（特許文献１）。
しかしながら、この方法では、左右のバランスの良否を判定できるのみで、それ以外の歩容を解析することができない。
There has been proposed a method of analyzing daily walking using an acceleration sensor that can be carried in daily life.
For example, a single-axis acceleration sensor is detected from a uniaxial acceleration sensor attached to the center of the waist and back, and among the acceleration waveforms generated from the detection results, the acceleration waveforms in the stance phase of the left and right legs in the walking cycle are compared, and walking There is a method of determining the left / right balance of operation (Patent Document 1).
However, this method can only determine the right / left balance, and cannot analyze the other gaits.
Ｘ軸、Ｙ軸及びＺ軸の３軸方向の加速度データから歩行者の日常の歩容の情報を得る方法としては、３軸方向の加速度データを、主成分分析を利用して座標変換し、座標変換した日常の加速度データと、テンプレート加速度データを同様に座標変換した加速度データとの類似度を算出する方法がある（特許文献２）。
しかしながら、この方法ではテンプレート加速度データが任意に定められるため、個々の歩行者の歩容の特徴を十分に表すものにならない。
As a method of obtaining information on the daily gait of a pedestrian from acceleration data in the three axes directions of the X axis, Y axis, and Z axis, the coordinate data of the acceleration data in the three axes direction is converted using principal component analysis, There is a method of calculating the similarity between daily acceleration data subjected to coordinate conversion and acceleration data obtained by coordinate conversion of template acceleration data (Patent Document 2).
However, in this method, template acceleration data is arbitrarily determined, so that the gait characteristics of individual pedestrians cannot be sufficiently expressed.
また、３軸方向の加速度データから腰の軌跡の特徴因子を算出し、その特徴因子と、歩行姿勢の指標とする歩幅、歩隔などの実測値とを重回帰分析してそれらの相関関係を予め求めておき、一方、任意の被験者について３軸方向の加速度データから腰の軌跡の特徴因子を算出し、予め求めておいた相関関係から歩行姿勢の指標を算出する方法がある（特許文献３）。
しかしながら、歩行跡の何を実測して歩行姿勢の指標とするかによって、加速度データの計測から把握できる歩容が異なることから、この方法によっても歩行特徴を全体として十分に解析することができない。
In addition, the feature factor of the hip locus is calculated from the acceleration data in the three axis directions, and the correlation between the feature factor and the measured values of the stride, the step, etc. as the index of the walking posture is analyzed. On the other hand, there is a method in which a characteristic factor of a hip locus is calculated from acceleration data in three axial directions for an arbitrary subject, and a walking posture index is calculated from a correlation obtained in advance (Patent Document 3). ).
However, since the gait that can be grasped from the measurement of the acceleration data differs depending on what is actually measured and used as an index of the walking posture, this method cannot sufficiently analyze the walking feature as a whole.
上述の先行技術に対し、本発明の課題は、総合的な歩行特徴を、日常生活で携帯することのできる加速度センサを用いて解析することに関する。 In contrast to the above-described prior art, the problem of the present invention relates to analyzing an overall walking feature using an acceleration sensor that can be carried in daily life.
本発明者は、歩容に影響を及ぼす種々の歩行パラメータを主成分分析することにより得られる複数の主成分得点が典型的かつ総合的な歩行特徴の指標になることを見出した。そこで、これら主成分得点を歩行特徴スコアとし、一方、加速度センサによる加速度データを主成分分析することにより得られる主成分得点を取得し、この加速度データの特徴を示す主成分得点と歩行特徴スコアとの関係式を求めておくと、この関係式を用いて、任意の被験者について加速度センサにより計測される加速度データの主成分得点から歩行特徴を示す指標を演算できることを想到し、本発明を完成させた。 The present inventor has found that a plurality of principal component scores obtained by performing principal component analysis on various walking parameters affecting gait are typical and comprehensive indicators of walking characteristics. Therefore, these principal component scores are used as walking feature scores, and on the other hand, principal component scores obtained by performing principal component analysis on the acceleration data from the acceleration sensor are obtained, and the principal component scores and the walking feature scores indicating the characteristics of the acceleration data are obtained. By using this relational expression, it is conceived that an index indicating the walking feature can be calculated from the principal component score of the acceleration data measured by the acceleration sensor for any subject, and the present invention has been completed. It was.
即ち、本発明は、複数の被験者について、加速度センサにより歩行時の加速度を計測し、
加速度センサで計測された歩行時の所定時間の加速度データを時間分割し、時間分割した加速度データを主成分分析することにより得られる主成分（以下、この主成分を加速度主成分という）を複数抽出し、各加速度主成分の主成分得点を算出し、
複数の歩行者について、歩行跡から計測される歩行因子を含む歩行パラメータを標準化して主成分分析することにより得られる主成分（以下、この主成分を歩行主成分という）を複数抽出し、各歩行主成分の主成分得点を歩行特徴スコアとして算出し、
複数の加速度主成分の主成分得点と歩行特徴スコアとの関係式を取得し、
一方、任意の被験者の歩行時の加速度を加速度センサで計測し、加速度センサにより計測された歩行時の所定時間の加速度データから前記加速度主成分の主成分得点を算出し、その主成分得点を、前記関係式で使用することにより、歩行特徴スコアを算出する歩行特徴の解析方法を提供する。
That is, the present invention measures the acceleration during walking with an acceleration sensor for a plurality of subjects,
Extracting multiple principal components (hereinafter, this principal component is called acceleration principal component) obtained by time-division of acceleration data measured for a predetermined time during walking measured by an acceleration sensor and analyzing principal components of time-division acceleration data And calculate the principal component score of each acceleration principal component,
For multiple pedestrians, extract multiple principal components (hereinafter referred to as walking principal components) obtained by standardizing walking parameters including walking factors measured from walking traces and analyzing them as principal components. The principal component score of the walking principal component is calculated as a walking feature score,
Obtain a relational expression between the principal component score of multiple acceleration principal components and the walking feature score,
On the other hand, the acceleration during walking of an arbitrary subject is measured with an acceleration sensor, the principal component score of the acceleration principal component is calculated from the acceleration data of the predetermined time during walking measured by the acceleration sensor, the principal component score is A walking feature analysis method for calculating a walking feature score by using the relational expression is provided.
また、上述の解析方法の歩行特徴スコアを算出するシステムとして、被験者に携帯される加速度センサ、及び加速度センサにより計測された加速度データから歩行特徴スコアを算出する演算装置を有する歩行特徴の解析システムであって、
演算装置は、
前記加速度センサで計測された所定時間の加速度データを時間分割し、時間分割した加速度データを主成分分析することにより得られる加速度主成分を複数抽出し、各加速度主成分の主成分得点を算出する機能、及び、
算出した加速度主成分の主成分得点を、複数の加速度主成分の主成分得点と歩行特徴スコアとの関係式で使用することにより歩行特徴スコアを算出する機能を有し、
前記関係式の歩行特徴スコアは、複数の歩行者について、歩行跡から計測される歩行因子を含む歩行パラメータを標準化して主成分分析することにより得られる歩行主成分の主成分得点である、歩行特徴の解析システムを提供する。
Further, as a system for calculating a walking feature score of the above-described analysis method, a walking feature analysis system having an acceleration sensor carried by a subject and an arithmetic unit for calculating a walking feature score from acceleration data measured by the acceleration sensor. There,
The arithmetic unit is
The acceleration data of a predetermined time measured by the acceleration sensor is time-divided, and a plurality of acceleration principal components obtained by performing principal component analysis on the time-divided acceleration data are extracted, and a principal component score of each acceleration principal component is calculated. Function and
A function that calculates the walking feature score by using the principal component score of the calculated acceleration principal component in a relational expression between the principal component score of the plurality of acceleration principal components and the walking feature score,
The walking feature score of the relational expression is a principal component score of a walking principal component obtained by standardizing a walking parameter including a walking factor measured from a walking trace and performing principal component analysis for a plurality of pedestrians. Provide a feature analysis system.
本発明によれば、歩行跡から計測される歩行因子をはじめとして、歩容に影響を及ぼす種々の歩行パラメータを計測することで把握していた典型的かつ総合的な歩行特徴を、日常生活で携帯することのできる加速度センサのデータを用いて解析し把握することが可能となる。本発明により解析された歩行特徴は、美しい歩容、健康的な歩行姿勢、転倒などのリスク予防等を実現するための歩行アドバイスにおいて、より有用なものとなる。 According to the present invention, typical and comprehensive gait features grasped by measuring various gait parameters that affect gaits, including gait factors measured from gait marks, can be obtained in daily life. It is possible to analyze and grasp using data of an acceleration sensor that can be carried. The walking features analyzed according to the present invention are more useful in walking advice for realizing a beautiful gait, a healthy walking posture, risk prevention such as falls, and the like.
以下、図面を参照しつつ本発明を詳細に説明する。なお、各図中、同一符号は、同一又は同等の構成要素を表している。
図１は、本発明の歩行特徴の解析方法の一実施態様の工程図である。
本発明では、種々の歩行パラメータから総合的に把握される典型的な歩行特徴の指標として、複数の歩行者の種々の歩行パラメータを主成分分析することにより得られる主成分の主成分得点を使用する。これらは、従来より知られている歩行形態の特徴表現、例えば大股、小股であるとか、がに股、内股などによく合致しているので、歩行形態の特徴を示す指標という意味で歩行特徴スコアと称する。すなわち、歩行特徴スコアとは、大股、小股であるとか、がに股、内股などといった歩行形態の典型的かつ総合的な特徴が、具体的な個々人の歩行においてどの程度存在するかを示す指標である。
Hereinafter, the present invention will be described in detail with reference to the drawings. In addition, in each figure, the same code | symbol represents the same or equivalent component.
FIG. 1 is a process diagram of one embodiment of the walking feature analysis method of the present invention.
In the present invention, the principal component score of the principal component obtained by principal component analysis of various walking parameters of a plurality of pedestrians is used as a typical walking feature index comprehensively grasped from various walking parameters. To do. These are well-known expressions of walking form, such as large crotch and small crotch, and the crotch and inner crotch are well matched. Called. In other words, the walking feature score is an index that indicates how much typical and comprehensive features of walking forms such as large crotch, small crotch, crotch, inner crotch, etc. exist in a specific individual's walking. is there.
本発明は、任意の被験者について、この歩行特徴スコアを、日常生活において携帯することのできる加速度センサによる加速度データを用いて得られるようにするために、以下に説明するように、まず、加速度データを主成分分析して主成分得点を算出すると共に（工程１）、歩行パラメータを主成分分析して主成分得点（即ち、歩行特徴スコア）を算出し（工程２）、これらの関係式を取得する（工程３）。 In order to obtain this walking feature score for any subject using acceleration data from an acceleration sensor that can be carried in daily life, as described below, first, acceleration data The principal component analysis is performed to calculate the principal component score (step 1), the walking parameter is subjected to the principal component analysis to calculate the principal component score (that is, the walking feature score) (step 2), and these relational expressions are obtained. (Step 3).
（１）工程１：加速度主成分の主成分得点の算出
工程１では、複数の被験者について、加速度センサにより歩行時の加速度を計測し、計測された歩行時の所定時間の加速度データを時間分割し、時間分割した加速度データを主成分分析して主成分を複数抽出し、抽出した主成分の主成分得点（即ち、加速度の特徴スコア）を算出する。本発明では、こうして加速度データから得られる主成分を加速度主成分という。
(1) Step 1: Calculation of principal component scores of principal components of acceleration In Step 1, the acceleration during walking is measured by an acceleration sensor for a plurality of subjects, and the acceleration data measured for a predetermined time during walking is time-divided. The time-division acceleration data is subjected to principal component analysis to extract a plurality of principal components, and the principal component score (that is, acceleration feature score) of the extracted principal components is calculated. In the present invention, the principal component thus obtained from the acceleration data is referred to as an acceleration principal component.
ここで、加速度センサとしては、日常生活で携帯することができ、Ｘ軸、Ｙ軸、Ｚ軸の３軸の加速度を計測することのできるものが好ましい。例えば、３軸の加速度波形を抽出することのできる携帯端末などを使用することができる。 Here, as the acceleration sensor, a sensor that can be carried in daily life and can measure accelerations in three axes of the X axis, the Y axis, and the Z axis is preferable. For example, a portable terminal that can extract a triaxial acceleration waveform can be used.
加速度センサで計測する歩行は、工程２と同時に計測することが好ましいが、日常生活における歩行としてもよく、例えば、起床から就寝までの歩行を計測する。
The walk measured by the acceleration sensor is preferably measured at the same time as
また、加速度データの時間分割では、例えば、まず、加速度データにおいて歩行周期を切り出して平均化した１歩行周期の加速度データを得、次に、これを時間分割する。時間分割する間隔が長すぎると加速度データから歩行特徴スコアを推定する精度が低く、短かすぎると計算量が増大して本システムの実使用が困難となるので、５ｍ秒以上１５ｍ秒以下の所定間隔で分割することが好ましい。これにより、加速度データと歩行特徴スコアとの関係式として回帰式を使用した場合に、その説明精度（決定係数）を５０％以上、好ましくは７０％以上にすることができる。なお、工程１の計測と工程２の計測を同時に行った場合は、工程２のケーデンスをそのまま工程１の歩行周期の切り出しに用いることができる。
In the time division of the acceleration data, for example, first, acceleration data of one walking cycle obtained by cutting out and averaging the walking cycle in the acceleration data is obtained, and then the time division is performed. If the time division interval is too long, the accuracy of estimating the walking feature score from the acceleration data is low, and if it is too short, the amount of calculation increases and it becomes difficult to actually use the system. It is preferable to divide at intervals. Thereby, when a regression equation is used as the relational expression between the acceleration data and the walking feature score, the explanation accuracy (determination coefficient) can be 50% or more, preferably 70% or more. In addition, when the measurement of the process 1 and the measurement of the
時間分割した加速度データの主成分分析では、Ｘ軸、Ｙ軸、Ｚ軸ごとに、複数の加速度主成分、好ましくは１軸あたり１個以上１６個以下の、それぞれが独立した歩行情報を有する加速度成分を抽出し、それぞれの主成分得点を算出する。 In the principal component analysis of time-division acceleration data, a plurality of acceleration principal components for each of the X-axis, Y-axis, and Z-axis, preferably 1 to 16 per axis, each having independent walking information The components are extracted and the respective principal component scores are calculated.
本発明では、加速度データと歩行特徴スコアとを関連づけるにあたり、上述のように時間分割した加速度データの主成分得点を使用するので、加速度データを周波数分析して得られるパラメータ、あるいは加速度データから得られる腰などの特定部位の軌跡の特徴量を歩行特徴スコアと関連づける場合に比して、加速度データと歩行特徴スコアとの関連づけに必要な計算量を低減することができる。これにより、日常生活において長期間にわたって計測した加速度データを歩行特徴スコアと関連づけることができるので、日常生活における歩容を正確に把握する上で非常に有利となる。また、左右方向には歩行時のふらつきを示す加速度主成分、前後方向には足の着地地点や蹴りだしの力を示す加速度主成分、上下方向には足の振上げや歩行のテンポを示す加速度主成分が含まれ、これらの加速度主成分を後述するように各歩行特徴スコアに関連づけることも歩容の正確な推定に寄与している。 In the present invention, when the acceleration data and the walking feature score are associated with each other, the principal component score of the time-division acceleration data is used as described above. Therefore, the acceleration data can be obtained from parameters obtained by frequency analysis of the acceleration data or acceleration data. The amount of calculation required for associating the acceleration data with the walking feature score can be reduced as compared with the case where the feature amount of the locus of the specific part such as the waist is associated with the walking feature score. Accordingly, acceleration data measured over a long period of time in daily life can be associated with the walking feature score, which is very advantageous for accurately grasping the gait in daily life. In addition, the main component of acceleration that indicates wobbling during walking in the left and right direction, the main component of acceleration that indicates the landing point and kicking force in the front and rear direction, and the acceleration that indicates the tempo of foot swing and walking in the vertical direction The principal components are included, and associating these acceleration principal components with each walking feature score as described later also contributes to accurate estimation of the gait.
（２）工程２：歩行特徴スコアの算出
工程２では、複数の被験者から歩行パラメータを取得し、歩行特徴スコアを算出する。この被験者は、工程１で加速度を計測した被験者とすることが好ましい。
(2) Step 2: Calculation of walking feature score In
歩行特徴スコアは、歩容に影響を及ぼす種々の歩行パラメータから把握される総合的な歩行の特徴とするため、歩行パラメータには、歩行跡から計測される歩行因子と、それ以外のパラメータ（例えば、年齢、ＢＭＩ、性別等）を含めることが好ましい。 Since the gait feature score is a comprehensive gait feature grasped from various gait parameters affecting the gait, the gait parameter includes the gait factor measured from the gait and other parameters (for example, , Age, BMI, gender, etc.).
歩行跡から計測される歩行因子としては、歩行跡の所定部分の距離もしくは角度の計測データ、所定区間の歩行に要した時間の計測データ、又はこれらの計測データから算出されるものをあげることができる。より具体的には、シート式圧力センサで計測することのできる歩幅、歩隔、歩行速度、ストライド長、ストライド時間、ケーデンス、つま先角、歩行角度、立脚期割合、遊脚期割合、両脚支持期割合、左右差立脚期割合、左右差歩行角度、左右差つま先角、左右差歩隔、歩行比等をあげることができる。 Examples of walking factors measured from a walking trace include measurement data of distance or angle of a predetermined portion of the walking trace, measurement data of time required for walking in a predetermined section, or those calculated from these measurement data. it can. More specifically, stride, step, walking speed, stride length, stride time, cadence, toe angle, walking angle, stance ratio, swing leg ratio, both leg support period that can be measured with a seat type pressure sensor The ratio, the left / right difference stance ratio, the left / right difference walking angle, the left / right difference toe angle, the left / right difference step distance, the walking ratio, and the like can be given.
ここで、シート式圧力センサとしては、歩行により歩行面が受ける足圧の分布画像や、足圧の２次元データを出力することのできるものを使用することができ、例えば、アニマ株式会社製シート式下肢加重計シリーズウォークＷａｙ、ＡＭＴＩ社製床反発力計等をあげることができる。 Here, as the seat-type pressure sensor, a foot pressure distribution image received on the walking surface by walking or one capable of outputting two-dimensional foot pressure data can be used. For example, a seat manufactured by Anima Co., Ltd. For example, the lower limb weight meter series walk way, the floor reaction force meter manufactured by AMTI, and the like.
本発明では歩行因子をモーションキャプチャシステムで計測してもよい。具体的には、複数のビデオカメラを使用する３次元動作解析システム（ＶＩＣＯＮ社製ＶＩＣＯＮ ＭＸシステム、ＶＩＣＯＮ ＮＥＸＳＵＳ）等を使用することができる。この他、足の裏にインクをつけて歩行することで形成された足跡の距離や角度を測定することにより歩行因子を計測してもよい。 In the present invention, the walking factor may be measured by a motion capture system. Specifically, a three-dimensional motion analysis system using a plurality of video cameras (VICON MX system, VICON NEXSUS manufactured by VICON) or the like can be used. In addition, the walking factor may be measured by measuring the distance and angle of the footprint formed by walking with ink on the sole of the foot.
なお、上述の歩行因子のうち、歩幅は、図２に示すように、左右一方の踵接地から、もう一方の側の踵が再び接地するまでの距離である。軸足になっている足の左右で歩幅の左右を定める。また、歩幅は、身長で除して基準化した値を用いることが好ましい。 Of the walking factors described above, the stride is the distance from the right and left heel-contact to the other-side heel contact again as shown in FIG. The left and right of the stride are determined by the left and right of the foot that is the axis foot. In addition, it is preferable to use a standard value obtained by dividing the stride by the height.
歩隔は、図２に示すように、左右一方の踵接地から、左右他方の踵接地までの水平方向の距離であり、軸足になっている足の左右で歩隔の左右を定める。
左右差歩隔は、左右一方の足を軸足として他方の足を踏み出したときの歩隔と、軸足が左右逆の場合の歩隔との差であり、左右差歩隔は、身長で除することにより基準化したものを使用することが好ましい。
As shown in FIG. 2, the step is a horizontal distance from one heel contact to the left and the other heel contact, and determines the left and right of the step on the left and right of the foot that is the shaft foot.
The left-right difference step is the difference between the step distance when the left and right foot is used as an axis foot and the other foot is stepped on, and the step distance when the axial foot is reversed left and right. It is preferable to use what is standardized by dividing.
ストライド長は、左右一方の踵接地から、その一方の踵が再び接地するまでの距離であり、ストライド時間は、左右一方の踵接地から、その一方の踵が再び接地するまでの時間である。ストライド長は、身長で除することにより基準化したものを使用することが好ましい。 The stride length is the distance from the right and left saddle grounding to the grounding of one saddle again, and the stride time is the time from the right and left saddle grounding to the grounding of one saddle again. It is preferable to use a stride length that is standardized by dividing by the height.
歩行角度は、図２に示すように、左右一方の踵から他方の踵を結んだ直線が進行方向となす角度（°）である。なお、軸足として地面に着いている足の左右で歩行角度の左右を定めるものとする。例えば、軸足を右足として、左足を踏み出して接地した場合、地面についたままの右足の踵と接地したときの左足の踵とを結んだ直線と進行方向とがなす角度を右歩行角度とする。
左右差歩行角度は、左右の歩行角度の差である。
As shown in FIG. 2, the walking angle is an angle (°) formed by a straight line connecting one heel to the other heel with the traveling direction. In addition, the right and left of the walking angle shall be determined by the left and right of the foot that is on the ground as an axis foot. For example, when the left foot is stepped on with the right foot and the right foot is grounded, the angle between the straight line connecting the right foot heel while touching the ground and the left foot heel when in contact with the traveling direction is the right walking angle. .
The left / right difference walking angle is the difference between the left and right walking angles.
ケーデンスは、左右一方の踵接地から左右同じ側の踵が再び接地するまでの時間から算出した１分間当たりの歩数である。 The cadence is the number of steps per minute calculated from the time from when the right and left saddles touch down to the right and left saddles touch again.
つま先角は、図２に示すように、踵とつま先を結ぶ直線が、進行方向となす角度（°）であり、外側がプラスで内側がマイナスである。
左右差つま先角は左右のつま先角の差である。
As shown in FIG. 2, the toe angle is an angle (°) formed by a straight line connecting the heel and the toe with the traveling direction, the outer side is positive, and the inner side is negative.
The left-right difference toe angle is the difference between the left and right toe angles.
立脚期割合は、立脚期時間の１歩行周期に対する割合であり、立脚期時間は、左右一方の踵接地から、その一方の足が地面から離れるまでの時間である。
左右差立脚期割合は、左右の立脚期割合の差である。
The stance period ratio is a ratio of the stance period time to one walking cycle, and the stance period time is the time from the right and left heel contact to the time when one leg leaves the ground.
The left-right stance ratio is the difference between the left and right stance ratios.
遊脚期割合は、遊脚期の１歩行周期に対する割合であり、遊脚期は、左右一方の足が地面から離れてから、その一方の足の踵が接地するまでの時間である。 The free leg period ratio is a ratio to one walking cycle of the free leg period, and the free leg period is a time from when one of the left and right feet leaves the ground until the heel of the one foot contacts the ground.
両脚支持期割合は、左右両方の足が地面に接地している両脚支持期時間の１歩行周期に対する割合である。したがって、走行行為ではゼロとなる。両脚支持期割合は、通常の歩行行為では約２０％となるが、加齢に応じて長くなる。したがって、歩行年齢を評価する上で重要なパラメータとなる。 The both-leg support period ratio is the ratio of the both-leg support period time in which both the left and right feet are in contact with the ground to one walking cycle. Therefore, the driving action is zero. The ratio of both-leg support period is about 20% in a normal walking action, but becomes longer with aging. Therefore, it is an important parameter for evaluating walking age.
歩行比は、歩幅（ｍ）をケーデンス（歩数／分）で除した値である。歩行比は歩行の効率を示し、成人の場合0.006に近づき、幼児や高齢者は低い値となる。 The walking ratio is a value obtained by dividing the step length (m) by the cadence (steps / minute). The walking ratio indicates walking efficiency, approaching 0.006 for adults and lower for infants and the elderly.
一方、上述の歩行因子以外の歩行パラメータとして、歩容に影響を及ぼす種々のパラメータを使用することができる。このようなパラメータとしては、例えば、年齢、ＢＭＩ、性別等をあげることができる。 On the other hand, various parameters that affect the gait can be used as walking parameters other than the above-described walking factors. Examples of such parameters include age, BMI, sex, and the like.
本発明では、歩行特徴スコアの算出のために、複数の被験者から収集した歩行パラメータを主成分分析するに際しては、予め、歩行パラメータごとにデータを標準化する。 In the present invention, when the principal component analysis is performed on the walking parameters collected from a plurality of subjects in order to calculate the walking feature score, the data is standardized in advance for each walking parameter.
次に、標準化した歩行パラメータを主成分分析することにより、複数の主成分を抽出し、それぞれの主成分得点（即ち、歩行特徴スコア）を算出する。ここで、抽出する主成分の数は、当然に１個以上であるが、６個以下とすることが好ましい。６個以下にすることで、抽出したいずれの主成分についても、歩行特徴スコアと加速度データとの説明精度（決定係数）を５０％以上にすることができる。 Next, by performing principal component analysis on the standardized walking parameters, a plurality of principal components are extracted, and respective principal component scores (that is, walking feature scores) are calculated. Here, the number of principal components to be extracted is naturally one or more, but is preferably six or less. By setting the number to 6 or less, the description accuracy (determination coefficient) of the walking feature score and the acceleration data can be 50% or more for any of the extracted principal components.
なお、複数の被験者を２０歳から９０歳の自力歩行が可能で歩行時に痛みがない男女とし、第４主成分までを抽出した場合、それぞれの主成分得点係数から、第１主成分の主成分得点（歩行特徴１のスコア）が、小股で歩行速度が遅いという歩容の指標となり、第２主成分の主成分得点（歩行特徴２のスコア）が、歩隔が広いという歩容の指標となり、第３主成分の主成分得点（歩行特徴３のスコア）が、ケーデンスが小さいという歩容の指標となり、第４主成分の主成分得点（歩行特徴４のスコア）が、がに股の指標となる。これらはいずれも、老齢者の典型的な歩容といわれている。 If a plurality of subjects are men and women who can walk on their own from 20 to 90 years old and have no pain when walking, and extract up to the fourth principal component, the principal component of the first principal component is extracted from the respective principal component score coefficients. The score (score of walking feature 1) is an indicator of gait that the walking speed is slow with small crotch, and the principal component score of the second principal component (score of walking feature 2) is an indicator of gait that the step is wide. The principal component score of the third principal component (score of walking feature 3) is an indicator of gait that the cadence is small, and the principal component score of the fourth principal component (score of walking feature 4) is the indicator of crotch. Become. These are all said to be typical gaits of elderly people.
（３）工程３：歩行特徴スコア算出式の取得
工程３では、工程２で取得した複数の歩行特徴スコアと、工程１で取得した加速主成分の主成分得点との関係式を算出する。例えば、それぞれの歩行特徴スコアごとに、歩行特徴スコアを目的変数とし、加速度主成分を説明変数とした重回帰分析を行い、回帰式を取得する。
(3) Step 3: Acquisition of walking feature score calculation formula In
こうして取得した加速主成分の主成分得点と歩行特徴との関係式は、任意の被験者、すなわちこの関係式を求めるのに用いたデータの提供者とは異なる被験者、の加速度データから歩行特徴スコアを算出するために使用することができる歩行特徴スコア算出式となる。 The relational expression between the principal component score of the acceleration principal component thus obtained and the walking feature is obtained by calculating the walking feature score from the acceleration data of an arbitrary subject, that is, a subject different from the data provider used to obtain this relational expression. This is a walking feature score calculation formula that can be used to calculate.
（４）工程４：任意の被験者の加速度の計測
工程４では、任意の被験者の歩行時の加速度を、加速度センサで計測する。加速度を計測する歩行は、日常生活における歩行であることが好ましい。
加速度センサとしては、日常生活で携帯することができ、Ｘ軸、Ｙ軸、Ｚ軸の３軸の加速度を計測することのできるものが好ましく、工程１であげたものを使用することができる。
(4) Step 4: Measurement of Acceleration of Arbitrary Subject In
As the acceleration sensor, one that can be carried in daily life and that can measure the acceleration of the three axes of the X-axis, the Y-axis, and the Z-axis is preferable, and the one mentioned in Step 1 can be used.
（５）工程５：任意の被験者の加速度データから加速度主成分の主成分得点の算出
工程５では、工程４で得た加速度データを、工程１と同様に、時間分割して主成分分析する。そして、工程３で得た歩行特徴スコア算出式のパラメータとなっている、加速度主成分の主成分得点（即ち、加速度の特徴スコア）を算出する。
(5) Step 5: Calculation of principal component score of acceleration principal component from acceleration data of arbitrary subject In
（６）工程６：任意の被験者の歩行特徴スコアを算出
工程６では、工程３で得た歩行特徴スコア算出式で、工程５で得た加速度主成分の主成分得点を使用することにより、被験者の歩行特徴スコアを算出する。
こうして算出された歩行特徴スコアに基づき、日常携帯可能な加速度計のデータを用いて被験者の歩容を推定することができる。また、こうして算出された歩行特徴スコアは、歩容を美しくしたり、健康的な歩行姿勢にしたり、転倒などのリスク予防を図る上で有用となる。
(6) Step 6: Calculate the walking feature score of an arbitrary subject In
Based on the walking characteristic score thus calculated, the gait of the subject can be estimated using accelerometer data that can be carried everyday. In addition, the walking feature score calculated in this way is useful for making a gait beautiful, making a healthy walking posture, and preventing risks such as falls.
本発明の歩行特徴の解析システムは、上述の工程４，５、６を行い、被験者の歩行特徴スコアの算出および算出結果の表示を可能とするものである。そのため、この解析システムは、被験者に携帯される加速度センサと、加速度センサで計測された加速度データから歩行特徴スコアを算出する演算装置を有し、好ましくは、これら加速度センサと演算装置と共に、演算装置で算出した歩行特徴スコアを表示する表示装置を有する。なお、ここで表示とは、ディスプレイなどによる一時的な表示のみならず紙媒体への印刷など媒体への可視的あるいは可読的固定も含む。また、本発明の歩行特徴の解析システムが表示装置を備えない場合、演算装置は外部の表示装置に歩行特徴スコアの算出結果を出力する機能を有する。
The walking feature analysis system of the present invention performs the above-described
本発明の歩行特徴の解析システムが歩行特徴スコアの表示手段を有する場合、歩行特徴を表示する手段と加速度センサとが一体で、携帯可能な大きさであることが好ましい。具体的には、加速度センサを、携帯電話や、携帯用の運動強度計測装置等のディスプレイを備えた装置に組み込んだものを用いることが好ましい。そして、携帯電話等に加速度センサを組み込んだものを用いる場合、これらとは別個に演算装置を有することが好ましい。例えば、加速度センサで計測された加速度データが公衆電気通信回線を通じて演算装置へ転送され、演算装置で算出された歩行特徴スコアが公衆電気通信回線を通じて携帯電話等へ転送され、携帯電話等の例えば操作画面に表示される構成とすることができる。このように構成することで、後述するように歩行特徴スコア算出式の精度が高められたときにも直ちに歩行特徴の演算表示に反映され、また、携帯電話における計算量も軽減される。 When the walking feature analysis system of the present invention has a walking feature score display means, the walking feature display means and the acceleration sensor are preferably integrated and portable. Specifically, it is preferable to use an acceleration sensor incorporated in a device equipped with a display such as a mobile phone or a portable exercise intensity measuring device. And when using what incorporated the acceleration sensor in the mobile telephone etc., it is preferable to have a calculating device separately from these. For example, acceleration data measured by an acceleration sensor is transferred to a computing device through a public telecommunications line, and a walking feature score calculated by the computing device is transferred to a mobile phone or the like through a public telecommunications line. It can be configured to be displayed on the screen. With this configuration, when the accuracy of the walking feature score calculation formula is increased as will be described later, it is immediately reflected in the calculation display of the walking feature, and the calculation amount in the mobile phone is reduced.
また、本発明の歩行特徴の解析システムでは、加速度センサのみを携帯可能な構成とし、加速度センサと別個に演算装置および表示装置を備えることもできる。このとき、加速度データは、加速度センサに付属するデータメモリに記憶され、適時に有線あるいは無線の通信手段を介して演算装置へ転送され、歩行特徴スコアが算出され、出力される。 In the walking feature analysis system of the present invention, only the acceleration sensor can be carried, and an arithmetic device and a display device can be provided separately from the acceleration sensor. At this time, the acceleration data is stored in a data memory attached to the acceleration sensor, transferred to the arithmetic device via a wired or wireless communication means at an appropriate time, and a walking feature score is calculated and output.
被験者からの加速度データや歩行パラメータのデータが追加された場合には、工程１から工程３までの工程を繰り返し、歩行特徴スコア算出式を更新することで、歩行特徴スコア算出式の精度を高めることができる。そして、このような歩行特徴スコア算出式の更新は、演算装置を、携帯する加速度センサとは別個のパーソナルコンピュータ等で構成することで、精度を高めた歩行特徴スコア算出式を直ちに使用することができる。また、演算装置に多数の被験者の加速度データが送られた場合の種々の統計的処理も容易になる。 When acceleration data or walking parameter data from a subject is added, the steps from step 1 to step 3 are repeated, and the walking feature score calculation formula is updated to improve the accuracy of the walking feature score calculation formula. Can do. Then, the update of the walking feature score calculation formula can immediately use the walking feature score calculation formula with improved accuracy by configuring the computing device with a personal computer or the like separate from the portable acceleration sensor. it can. In addition, various statistical processes are facilitated when acceleration data of a large number of subjects are sent to the arithmetic unit.
一方、この解析システムの加速度センサとしては、好ましくは、Ｘ軸、Ｙ軸、Ｚ軸の３軸方向の加速度を計測するものを使用する。携帯可能で３軸方向の加速度を計測する加速度センサとしては、例えば、３軸の加速度波形を抽出することのできる携帯端末等を使用することができる。 On the other hand, as the acceleration sensor of this analysis system, a sensor that measures acceleration in the three-axis directions of the X axis, the Y axis, and the Z axis is preferably used. As an acceleration sensor that is portable and that measures acceleration in the three-axis direction, for example, a portable terminal that can extract a three-axis acceleration waveform can be used.
演算装置は、工程３で求める歩行特徴スコア算出式を導出する機能、又は別途求めた工程３の歩行特徴スコアの算出式を記憶する機能、又は別途求めた工程３の歩行特徴スコアの算出式を参照する機能を有する。さらに、工程１と同様の、加速度の計測データを時間分割し、主成分分析し、歩行特徴スコア算出式で使用する加速度主成分の主成分得点を算出する機能を有する。また、算出した加速度主成分の主成分得点を回帰式で使用することにより、歩行特徴スコアを算出し、算出結果をディスプレイ、プリンタ等に出力する機能を有する。
The computing device has a function of deriving a walking feature score calculation formula obtained in
歩行特徴スコアの算出結果の表示は、数値で表示してもよいが、歩行特徴スコアの算出結果を例えば、２段階から５段階のイメージで示すものであってもよい。図３は、本発明の一実施例の解析システム１に設けたディスプレイ２の平面図である。同図はディスプレイ２が、歩行特徴スコアを２段階で表示する態様を示している。即ち、この歩行特徴スコアの表示画面では、左から２列目で２段に表された人型表示３ａが、被験者の歩行の第１主成分の主成分得点（歩行特徴１のスコア）が大股と小股のいずれの範疇に属するかを表示し、その右側の２段の足跡表示３ｂが、第２主成分の主成分得点（歩行特徴２のスコア）が、歩隔が大と歩隔が小のいずれの範疇に属するかを表示し、その右側の２段の脚表示３ｃが、第３主成分の主成分得点（歩行特徴３のスコア）が、ケーデンスが大きい又は小さい（あるいはストライド長が長い又は短い）のいずれの範疇に属するかを表示し、右端の２段の足裏表示３ｄが、第４の主成分の主成分得点（歩行特徴４のスコア）が、がに股と内股のいずれの範疇に属するかを表示する。図示した表示画面では、２段階の足跡表示３ｂのうち、歩隔大の表示が点灯し、２段階の足裏表示３ｄのうち、がに股の表示が点灯していることから、被験者が、歩隔が大きく、がに股であるとの歩行特徴を示している。
The display of the calculation result of the walking feature score may be displayed as a numerical value, but the calculation result of the walking feature score may be displayed as, for example, an image of two to five levels. FIG. 3 is a plan view of the
このように簡単なイメージで解析結果を表示すると、日常生活において、結果表示を一目見るだけで簡単に歩容を知ることができるので、歩容を随時自らチェックし、美しい歩容や健康的な歩容を目指す意識を高めることができる。 By displaying the analysis results in such a simple image, you can easily know the gait by simply looking at the result display in daily life. Increase awareness of gait.
以下、実施例により、本発明を具体的に説明する。
［参考例：歩行パラメータの主成分得点と歩容］
（１）歩行パラメータの取得
歩行時に痛みがない自力で歩行可能な２０歳から８９歳の男女３５７名（男性８５名、女性２７２名）を被験者とした。被験者には、前日の過度な運動と飲酒を控えるように指示した。
Hereinafter, the present invention will be described specifically by way of examples.
[Reference Example: Principal score and gait of walking parameters]
(1) Acquisition of walking parameters 357 men and women (85 men and 272 women) aged 20 to 89 who can walk on their own without pain during walking were subjects. Subjects were instructed to refrain from excessive exercise and drinking the previous day.
シート式の下肢圧力センサ（ウォークWay、アニマ株式会社製）を使用し、下肢の歩行因子として、歩幅、歩隔、歩行速度、ストライド長、ストライド時間、ケーデンス、つま先角、歩行角度、立脚期割合、遊脚期割合、両脚支持期割合を計測し、さらに歩行比（歩幅をケーデンスで割った値）、歩行角度の左右差、つま先角の左右差、歩幅の左右差、歩隔の左右差を算出した。また、歩幅、歩隔、ストライド長などの距離情報は身長で基準化した。
また、問診により、各被験者から性別、年齢及びＢＭＩの情報を得た。
Using a seat-type lower limb pressure sensor (Walk Way, manufactured by Anima Co., Ltd.), as walking factors of the lower limbs, stride, step, walking speed, stride length, stride time, cadence, toe angle, walking angle, stance ratio , Measure the ratio of swing leg period, the ratio of both legs support period, and further determine the walking ratio (step length divided by cadence), left-right difference of walking angle, left-right difference of toe angle, left-right difference of stride, left-right difference of step Calculated. In addition, distance information such as stride length, step length, and stride length was standardized by height.
In addition, information on sex, age, and BMI was obtained from each subject through an interview.
（２）歩行パラメータの主成分分析
（１）で得た歩行因子、性別、年齢及びＢＭＩを、それぞれ標準化し、これらを主成分分析し、以下に示すように、第１主成分から第４主成分までの各歩行パラメータの相関係数（主成分得点係数）を算出した。結果を表１に示す。
(2) Principal component analysis of walking parameters The walking factor, gender, age and BMI obtained in (1) were standardized and principal component analysis was performed. As shown below, the first principal component to the fourth principal component were analyzed. The correlation coefficient (principal component score coefficient) of each walking parameter up to the component was calculated. The results are shown in Table 1.
(2-1)第１主成分（歩行特徴１）
(2-1a)歩行特徴１と正の相関が強い因子（相関係数が0.3以上）：
平均立脚期割合、平均両脚支持期割合、平均歩行角度、右立脚期割合、左立脚期割合、右歩行角度、左歩行角度、平均歩隔、右歩隔、左歩隔、性別（男性）
(2-1b)歩行特徴１と負の相関が強い因子（相関係数が−0.3以下）：
平均歩幅、平均ストライド長、右歩幅、左歩幅、歩行速度、歩行比
(2-1) First principal component (walking feature 1)
(2-1a) Factors having a strong positive correlation with walking feature 1 (correlation coefficient is 0.3 or more):
Average stance ratio, average both-leg support period ratio, average gait angle, right stance period ratio, left stance period ratio, right gait angle, left gait angle, average step, right step, left step, gender (male)
(2-1b) Factors with strong negative correlation with walking feature 1 (correlation coefficient is -0.3 or less):
Average stride, average stride length, right stride, left stride, walking speed, walking ratio
第１主成分では、立脚期と両脚支持期といった足が地面に着床している時間が長いために足を前方に出す時間が短くなり、その結果、歩幅、ストライドといった前方距離因子が低下、歩行速度もそれに伴って低下している。したがって、第１主成分の値が大きい場合は、小股で歩行速度が遅い歩容を示す。 In the first principal component, the time that the foot is put forward on the ground such as the stance phase and the both-leg support phase is long, so that the time to put the foot forward is shortened. As a result, the forward distance factors such as stride and stride are reduced. The walking speed is also decreasing accordingly. Therefore, when the value of the first principal component is large, it indicates a gait with a small crotch and a slow walking speed.
(2-2)第２主成分（歩行特徴２）
(2-2a)歩行特徴２と正の相関が強い因子（相関係数が0.3以上）：
平均歩行角度、右歩行角度、左歩行角度、平均歩隔、右歩隔、左歩隔
(2-2b)歩行特徴２と負の相関が強い因子（相関係数が−0.3以下）：
平均立脚期割合、平均両脚支持期割合、右立脚期割合、左立脚期割合、平均つま先角、右つま先角、左つま先角
(2-2) Second principal component (walking feature 2)
(2-2a) Factor with strong positive correlation with walking feature 2 (correlation coefficient is 0.3 or more):
Average walking angle, right walking angle, left walking angle, average step, right step, left step
(2-2b) Factors with strong negative correlation with walking feature 2 (correlation coefficient is -0.3 or less):
Average stance ratio, average bilateral support period ratio, right stance ratio, left stance ratio, average toe angle, right toe angle, left toe angle
第２主成分は歩隔との相関が非常に高く（平均歩隔の相関係数：0.805）、歩隔の大きさが第２主成分の値に大きく影響する。一方、つま先角は低下するため、第２主成分の値が大きい場合は２直線上を歩行するような歩容を示す。 The second principal component has a very high correlation with the step (average step correlation coefficient: 0.805), and the size of the step greatly affects the value of the second principal component. On the other hand, since the toe angle decreases, the gait of walking on two straight lines is shown when the value of the second principal component is large.
(2-3)第３主成分（歩行特徴３）
(2-3a)歩行特徴３と正の相関が強い因子（相関係数が0.3以上）：
歩行比、平均ストライド時間、左右差歩行角度、歩隔左右差、左つま先角
(2-4a)歩行特徴３と負の相関が強い因子（相関係数が−0.3以下）：
ケーデンス、性別（男性）、左右差立脚期割合
(2-3) Third principal component (walking feature 3)
(2-3a) Factors having a strong positive correlation with walking feature 3 (correlation coefficient is 0.3 or more):
Walking ratio, average stride time, left / right difference walking angle, step difference left / right difference, left toe angle
(2-4a) Factors with strong negative correlation with walking feature 3 (correlation coefficient is -0.3 or less):
Cadence, gender (male), left / right stance ratio
第３主成分はケーデンスと負の相関が強く、歩行比（歩行効率）が高い歩行特徴を示す。性別との相関が強いため、男性らしさ、女性らしさを示す歩容であるともいえる。 The third principal component has a strong negative correlation with cadence and shows a walking feature having a high walking ratio (walking efficiency). Since it has a strong correlation with gender, it can be said to be a gait that shows masculinity and femininity.
(2-4)第４主成分（歩行特徴４）
(2-4a)歩行特徴４と正の相関が強い因子（相関係数が0.3以上）：
ケーデンス、平均つま先角、右つま先角、左つま先角
(2-b)歩行特徴４と負の相関が強い因子（相関係数が−0.3以下）：
平均ストライド時間
(2-4) Fourth principal component (walking feature 4)
(2-4a) Factors with strong positive correlation with walking feature 4 (correlation coefficient is 0.3 or more):
Cadence, average toe angle, right toe angle, left toe angle
(2-b) Factor having strong negative correlation with walking feature 4 (correlation coefficient is -0.3 or less):
Average stride time
第４主成分は、つま先角との相関（平均つま先角の相関係数：0.664）が強いことから、がに股の傾向が高い歩容を示している。 Since the fourth principal component has a strong correlation with the toe angle (correlation coefficient of average toe angle: 0.664), it indicates a gait with a high tendency to crotch.
以上の主成分分析により、第１主成分の主成分得点（歩行特徴１のスコア）が、小股で歩行速度が遅いという歩容の指標となり、第２主成分の主成分得点（歩行特徴２のスコア）が、歩隔が広いという歩容の指標となり、第３主成分の主成分得点（歩行特徴３のスコア）が、ケーデンスが小さいという歩容の指標となり、第４主成分の主成分得点（歩行特徴４のスコア）が、がに股の指標となることがわかる。
As a result of the above principal component analysis, the principal component score of the first principal component (score of walking feature 1) becomes an index of the gait that the walking speed is small and the walking speed is slow, and the principal component score of the second principal component (walking
［実施例１］
（１）加速度主成分得点の算出
歩行時に痛みがない自力で歩行可能な１４歳から７３歳の男女１１３名（男性５９名、女性５４名）を被験者とした。被験者には、前日の過度な運動と飲酒を控えるように指示した。
[Example 1]
(1) Calculation of principal component of acceleration The subjects were 113 men and women (59 men and 54 women) aged 14 to 73 who can walk on their own without pain during walking. Subjects were instructed to refrain from excessive exercise and drinking the previous day.
３軸方向の加速度を計測するために、腰部の上前腸骨棘上に反射マーカーを取り付け、その位置をモーションキャプチャシステム（ＶＩＣＯＮ社製のＶＩＣＯＮ ＭＸシステム， ＶＩＣＯＮ ＮＥＸＳＵＳ）で計測し、反射マーカーの位置情報を２回微分することで加速度データを取得し、右足着床時から次の右足が着床するまでの加速度データを抽出した。今回計測を行った１１３名の平均加速度を図４に示す。 In order to measure the acceleration in the triaxial direction, a reflective marker is attached on the upper anterior iliac spine of the lumbar region, and the position is measured with a motion capture system (VICON MX system, VICON NEXSUS manufactured by VICON). The acceleration data was acquired by differentiating the position information twice, and the acceleration data from the time when the right foot was landed until the next right foot was landed was extracted. FIG. 4 shows the average acceleration of the 113 persons who measured this time.
計測した１歩行周期における加速度を、ＸＹＺの各軸について１０１等分（約１０ｍ秒間隔）に分割することで合計３０３の加速度成分を得た。３軸方向の加速度成分について多変量解析手法の一つである分散共分散行列を用いた主成分分析を行うことで、それぞれ左右方向、前後方向、上下方向へと圧縮し、左右方向１６主成分、前後方向１４主成分、上下方向１２主成分の合計４２主成分を抽出し、加速度主成分とした。加速度主成分ごとに、加速度の数値と主成分得点係数を掛け合わせ、それらの和をとることにより加速度主成分の主成分得点（加速度特徴）を算出した。 A total of 303 acceleration components were obtained by dividing the measured acceleration in one walking cycle into 101 equal parts (about 10 msec intervals) for each axis of XYZ. By performing principal component analysis using the variance-covariance matrix, which is one of the multivariate analysis methods, for the acceleration component in the three-axis direction, compression is performed in the horizontal direction, the front-rear direction, and the vertical direction, respectively. A total of 42 main components of 14 main components in the front-rear direction and 12 main components in the vertical direction were extracted and used as acceleration main components. For each acceleration principal component, the principal component score (acceleration feature) of the acceleration principal component was calculated by multiplying the acceleration value by the principal component score coefficient and taking the sum of them.
（２）歩行パラメータの取得
脚部にマーカーを取り付け、同様のモーションキャプチャシステム（ＶＩＣＯＮ社製のＶＩＣＯＮ ＭＸシステム， ＶＩＣＯＮ ＮＥＸＳＵＳ）を用いて、下肢の歩行因子として歩幅、歩隔、歩行速度、ストライド長、ストライド時間、ケーデンス、つま先角、歩行角度、立脚期割合、遊脚期割合、両脚支持期割合を計測した。また、これらの項目より歩行比、歩行角度の左右差、つま先角左右差、歩幅左右差、歩隔左右差を算出した。尚、距離情報は身長で基準化した。
また、問診により、各被験者から性別、年齢及びＢＭＩの情報を得た。
(2) Acquisition of walking parameters Markers are attached to the legs, and using the same motion capture system (VICON MX system, VICON NEXSUS made by VICON), the stride, step, walking speed, stride length as walking factors of the lower limbs Stride time, cadence, toe angle, walking angle, stance ratio, swing period ratio, and both leg support period ratio were measured. In addition, the walking ratio, the left / right difference of the walking angle, the toe angle left / right difference, the stride left / right difference, and the step left / right difference were calculated from these items. The distance information was standardized by height.
In addition, information on sex, age, and BMI was obtained from each subject through an interview.
モーションキャプチャシステムを用いて計測した下肢歩行因子と、問診により得た性別、年齢及びＢＭＩの情報を含む歩行パラメータのそれぞれについて、平均０、分散１となるよう値を標準化した後（[各歩行パラメータ]−[全被験者１１３名における各歩行パラメータ平均値]／[全被験者１１３名における各歩行パラメータの標準偏差]）、歩行パラメータについて主成分分析を行うことによって主成分得点係数を得、主成分ごとに、標準化した歩行パラメータの数値と主成分得点係数を掛け合わせ、それらの和をとることによって、各歩行パラメータの主成分得点（歩行特徴スコア）を算出した。 After standardizing the values of the lower limb walking factors measured using the motion capture system and the walking parameters including information on gender, age and BMI obtained through the interview to average 0 and variance 1 ([each walking parameter ]-[Average value of each walking parameter for all 113 subjects] / [standard deviation of each walking parameter for all 113 subjects]), the principal component score coefficient is obtained by performing principal component analysis on the walking parameters, and for each principal component The main component score (walking feature score) of each walking parameter was calculated by multiplying the standardized walking parameter value and the principal component score coefficient and summing them.
（３）歩行特徴スコア算出式の取得
（２）で得た歩行特徴スコアを目的変数とし、（１）で得た加速度主成分の主成分得点を説明変数として多重回帰分析を行い、以下の回帰式（歩行特徴スコア算出式）を得た。式中、[ ]内は各主成分の主成分得点を表し、文字は加速度センサの軸を（X:左右方向、Y:前後方向、Z:上下方向）、数字は各軸の加速度主成分の番号をそれぞれ表す。
(3) Acquisition of walking feature score calculation formula Multiple regression analysis is performed using the walking feature score obtained in (2) as an objective variable and the principal component score of the acceleration principal component obtained in (1) as an explanatory variable. The formula (walking feature score calculation formula) was obtained. In the formula, [] represents the principal component score of each principal component, the letters are the acceleration sensor axes (X: left-right direction, Y: front-rear direction, Z: vertical direction), and the numbers are the acceleration principal components of each axis Represent each number.
また、各回帰式で推定した歩行特徴スコアと、歩行パラメータの実測値から算出した歩行特徴スコアとの関係を図５に示す。回帰式の説明精度（自由度調整済みＲ2）を算出したところ、以下に示すように、全ての歩行特徴において説明精度は５０％以上であり、本発明の技術を利用することで、加速度センサを用いた歩行特徴の推定が可能であることが示された。 Further, FIG. 5 shows the relationship between the walking feature score estimated by each regression equation and the walking feature score calculated from the actually measured values of the walking parameters. When the explanation accuracy of the regression equation (R 2 with adjusted degrees of freedom) is calculated, as shown below, the explanation accuracy is 50% or more for all walking features. By using the technique of the present invention, the acceleration sensor is used. It was shown that it is possible to estimate walking features using.
(1)歩行特徴1のスコア（説明精度：79.6%）
−0.39[Y1]＋ 0.24[X10]＋ 0.14[X11] −0.16[Z7] ＋0.16[X16] - 0.14[X13] −0.11[Y13]＋0.13[Y3] ＋ 0.12[X3]＋0.10[Y14]−0.03
(2)歩行特徴2のスコア（説明精度：50.2%）
0.30[X11]− 0.34[Z7]＋ 0.29[X16] −0.37[Z1] ＋0.31[X10] - 0.28[X13] −0.23[Z12] ＋1.5
(3)歩行特徴3のスコア（説明精度：59.8%）
−0.30[Y1]＋ 0.24[X11]＋ 0.17[Y7] ＋0.10[Z2] ＋0.14[X15] ＋ 0.13[Y5] −0.19[Z4]＋0.13[Z1]＋0.10[Y14] ＋1.1
(4)歩行特徴4のスコア（説明精度：52.2%）
0.29[X9]＋ 0.38[Y2]− 0.24[X7] ＋0.24[X4] ＋0.23[X8] ＋ 0.18[X11] ＋0.28[X1] −0.31[Y1] ＋0.22[X10] −0.28[Z1] −0.19[X13] ＋1.6
(1) Score of walking feature 1 (explanation accuracy: 79.6%)
−0.39 [Y1] + 0.24 [X10] + 0.14 [X11] −0.16 [Z7] +0.16 [X16]-0.14 [X13] −0.11 [Y13] +0.13 [Y3] + 0.12 [X3] +0.10 [Y14] −0.03
(2) Score of walking feature 2 (explanation accuracy: 50.2%)
0.30 [X11] − 0.34 [Z7] + 0.29 [X16] −0.37 [Z1] +0.31 [X10]-0.28 [X13] −0.23 [Z12] +1.5
(3) Score of walking feature 3 (explanation accuracy: 59.8%)
−0.30 [Y1] + 0.24 [X11] + 0.17 [Y7] + 0.10 [Z2] + 0.14 [X15] + 0.13 [Y5] -0.19 [Z4] + 0.13 [Z1] + 0.10 [Y14] +1 .1
(4) Score of walking feature 4 (explanation accuracy: 52.2%)
0.29 [X9] + 0.38 [Y2]-0.24 [X7] + 0.24 [X4] + 0.23 [X8] + 0.18 [X11] + 0.28 [X1] -0.31 [Y1] + 0.22 [X10] -0.28 [Z1] −0.19 [X13] +1.6
１ 歩行特徴の解析システム
２ ディスプレイ
1 Analysis system for walking
Claims (10)
加速度センサで計測された歩行時の所定時間の加速度データを時間分割し、時間分割した加速度データを主成分分析することにより得られる主成分（以下、この主成分を加速度主成分という）を複数抽出し、各加速度主成分の主成分得点を算出し、
複数の歩行者について、歩行跡から計測される歩行因子を含む歩行パラメータを標準化して主成分分析することにより得られる主成分（以下、この主成分を歩行主成分という）を複数抽出し、各歩行主成分の主成分得点を歩行特徴スコアとして算出し、
複数の加速度主成分の主成分得点と歩行特徴スコアとの関係式を取得し、
一方、任意の被験者の歩行時の加速度を加速度センサで計測し、加速度センサにより計測された歩行時の所定時間の加速度データから前記加速度主成分の主成分得点を算出し、その主成分得点を、前記関係式で使用することにより、歩行特徴スコアを算出する歩行特徴の解析方法。 For multiple subjects, measure acceleration during walking with an acceleration sensor,
Extracting multiple principal components (hereinafter, this principal component is called acceleration principal component) obtained by time-division of acceleration data measured for a predetermined time during walking measured by an acceleration sensor and analyzing principal components of time-division acceleration data And calculate the principal component score of each acceleration principal component,
For multiple pedestrians, extract multiple principal components (hereinafter referred to as walking principal components) obtained by standardizing walking parameters including walking factors measured from walking traces and analyzing them as principal components. The principal component score of the walking principal component is calculated as a walking feature score,
Obtain a relational expression between the principal component score of multiple acceleration principal components and the walking feature score,
On the other hand, the acceleration during walking of an arbitrary subject is measured with an acceleration sensor, the principal component score of the acceleration principal component is calculated from the acceleration data of the predetermined time during walking measured by the acceleration sensor, the principal component score is A walking feature analysis method for calculating a walking feature score by using the relational expression.
演算装置は、
加速度センサで計測された所定時間の加速度データを時間分割し、時間分割した加速度データを主成分分析することにより得られる加速度主成分を複数抽出し、各加速度主成分の主成分得点を算出する機能、及び
算出した加速度主成分の主成分得点を、複数の加速度主成分の主成分得点と歩行特徴スコアとの関係式で使用することにより歩行特徴スコアを算出する機能を有し、
前記関係式の歩行特徴スコアは、複数の歩行者について、歩行跡から計測される歩行因子を含む歩行パラメータを標準化して主成分分析することにより得られる歩行主成分の主成分得点である、歩行特徴の解析システム。 A walking feature analysis system having an acceleration sensor carried by a subject, and a computing device that calculates a walking feature score from acceleration data measured by the acceleration sensor,
The arithmetic unit is
Function to calculate the principal component score of each acceleration principal component by extracting multiple acceleration principal components obtained by dividing the acceleration data measured by the acceleration sensor for a predetermined period of time and analyzing the principal components of the time-division acceleration data And a function for calculating a walking feature score by using the principal component score of the calculated acceleration principal component in a relational expression between a principal component score of a plurality of acceleration principal components and a walking feature score,
The walking feature score of the relational expression is a principal component score of a walking principal component obtained by standardizing a walking parameter including a walking factor measured from a walking trace and performing principal component analysis for a plurality of pedestrians. Feature analysis system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013202775A JP6127873B2 (en) | 2013-09-27 | 2013-09-27 | Analysis method of walking characteristics |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013202775A JP6127873B2 (en) | 2013-09-27 | 2013-09-27 | Analysis method of walking characteristics |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015066155A JP2015066155A (en) | 2015-04-13 |
| JP6127873B2 true JP6127873B2 (en) | 2017-05-17 |
Family
ID=52833570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013202775A Active JP6127873B2 (en) | 2013-09-27 | 2013-09-27 | Analysis method of walking characteristics |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6127873B2 (en) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101785521B1 (en) | 2015-11-30 | 2017-10-17 | 아주대학교 산학협력단 | Method and apparatus for joint angle estimating using an acceleration sensor |
| JP2019528105A (en) * | 2016-08-09 | 2019-10-10 | ビフレクス インコーポレイテッド | Motion recognition method and apparatus |
| MY197393A (en) | 2016-10-07 | 2023-06-15 | Panasonic Ip Man Co Ltd | Cognitive function evaluation device, cognitive function evaluation system, cognitive function evaluation method, and program |
| JP6771162B2 (en) | 2016-10-07 | 2020-10-21 | パナソニックＩｐマネジメント株式会社 | Cognitive function evaluation device, cognitive function evaluation method and program |
| JP6649323B2 (en) * | 2016-10-27 | 2020-02-19 | 株式会社アシックス | Gait analysis system and method |
| JP6844284B2 (en) * | 2017-02-01 | 2021-03-17 | 花王株式会社 | Gait evaluation method |
| WO2019111521A1 (en) * | 2017-12-06 | 2019-06-13 | 株式会社 資生堂 | Information processing device and program |
| US20210321906A1 (en) * | 2018-08-27 | 2021-10-21 | Kunihiro Shiina | Walk evaluation system, walk evaluation method, and program, storage medium, portable terminal, and server therefor |
| WO2023067694A1 (en) * | 2021-10-19 | 2023-04-27 | 日本電気株式会社 | Data generation device, learning system, estimation device, data generation method, and recording medium |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5071822B2 (en) * | 2004-11-29 | 2012-11-14 | 独立行政法人産業技術総合研究所 | Physical state detection device, detection method thereof, and detection program |
| JP4992043B2 (en) * | 2007-08-13 | 2012-08-08 | 株式会社国際電気通信基礎技術研究所 | Action identification device, action identification system, and action identification method |
| JP5459636B2 (en) * | 2009-08-24 | 2014-04-02 | 株式会社センス・イット・スマート | Support system and support method |
| JP5740285B2 (en) * | 2011-10-31 | 2015-06-24 | 株式会社東芝 | Gait analyzer and gait analysis program |
-
2013
- 2013-09-27 JP JP2013202775A patent/JP6127873B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015066155A (en) | 2015-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6127873B2 (en) | Analysis method of walking characteristics | |
| JP6183906B2 (en) | Gait estimation device and program, fall risk calculation device and program | |
| KR102107379B1 (en) | Method for Prediction Frailty Using Triple Axis Motion Meter, Prediction Frailty System using Triple Axis Motion Meter and Wearable Prediction Frailty Device | |
| Soltani et al. | Real-world gait speed estimation using wrist sensor: A personalized approach | |
| TWI393579B (en) | The state of the muscle movement state analysis system, methods and computer program products | |
| JP5314224B1 (en) | Running form diagnostic system and method for scoring running form | |
| US9524424B2 (en) | Calculation of minimum ground clearance using body worn sensors | |
| JP6127455B2 (en) | Walking age evaluation method | |
| JP6881451B2 (en) | Walking state judgment device, walking state judgment system, walking state judgment method and program | |
| Wagenaar et al. | Continuous monitoring of functional activities using wearable, wireless gyroscope and accelerometer technology | |
| JP6844284B2 (en) | Gait evaluation method | |
| JP6649323B2 (en) | Gait analysis system and method | |
| JP2019154489A (en) | Athletic ability evaluation system | |
| JP2012161402A (en) | Exercise characteristics evaluation system and exercise characteristics evaluation method | |
| JP6299147B2 (en) | How to display walking features | |
| JP6127454B2 (en) | Walking age display system | |
| JP5888582B2 (en) | Energy consumption presentation device and method of operating energy consumption presentation device | |
| JP5915990B2 (en) | Stumbling risk assessment device, Stumbling risk assessment system | |
| JP6303746B2 (en) | Setting the walking target | |
| KR20170098022A (en) | System and Method for improving measurement accuracy of the momentum in a health care system | |
| JP6586173B2 (en) | Walking state detection device and walking state detection program | |
| JP4719768B2 (en) | Method for measuring oxygen intake and apparatus using this method | |
| JP2017148287A (en) | Evaluation method of stumbling risk | |
| Guimarães et al. | Phone based fall risk prediction | |
| JP6552875B2 (en) | Moving motion analysis apparatus, method and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160602 |
|
| 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: 20170314 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170317 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170327 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6127873 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |