JP6361951B2 - 電子機器、泳法判別方法、及び泳法判別プログラム - Google Patents

Description

本発明は、電子機器、泳法判別方法、及び泳法判別プログラムに関する。

従来から、運動量や所要時間の計測、教育、訓練等を目的として、水泳中の体の動きを検出し、水泳に関する動作の解析を行うことが提案されている。ここで、加速度センサを泳者の体に装着した状態で泳いだときに取得される加速度信号に基づいて、水泳の開始、停止やターンを検出する技術がある。
例えば、特許文献１に記載の水泳距離計測装置は、泳者が方向転換したことを検出する方向転換検出部を有し、この方向転換検出部が方向転換したことを検出する毎に、泳者が往復で泳ぐ際の片道距離を累積加算した水泳距離を算出して表示する。
また、特許文献２に記載のスイムストロークカウンターは、水泳のストローク数を、泳者の体の一部が水中に出入りする回数をカウントし記録する。また、記録終了後は、総水泳距離、ラップタイム、ストローク数、１ストロークの時間を、瞬時に算定表示する。

特開２００８−２５３４７０号公報 特開２００７−２２９４１６号公報

しかしながら、水泳に関する動作の解析を行う際、泳法毎に評価の指標が異なることがある反面、実用的に泳法を判別する技術を欠いていた。そのため、取得したデータと泳法を手動で関連づける作業を要することがあった。手動で関連づける作業とは、例えば、泳法ごとに解析を行うプログラムを選択する、水泳距離や経過時間を集計する、などの作業である。よって、水泳に関する動作を効率的に解析できないという課題があった。

本発明は上記の点に鑑みてなされたものであり、泳法を判別する電子機器、泳法判別方法、及び泳法判別プログラムを提供する。

（１）本発明は上記の課題を解決するためになされたものであり、本発明の一態様は、身体の左右方向、身長方向、及び前後方向それぞれの加速度を検出する加速度検出部と、前記加速度検出部が検出した加速度の記述統計量として平均、分散及び歪度を算出し、前記記述統計量に基づいて泳法を判別する判別部と、前記加速度検出部が検出した加速度のうち１方向又は２方向の加速度に基づいてストローク頻度を算出する頻度算出部と、を備え
前記頻度算出部は、前記判別部が判別した泳法に基づいて前記１方向又は２方向の加速度を選択することを特徴とする電子機器である。

（２）本発明のその他の態様は、上述の電子機器において、機器本体と前記加速度検出部を身体に固定するための固定手段を備え、前記加速度検出部は、前記身体の左右方向、身長方向、及び前後方向の加速度を検出する方向に配置されていることを特徴とする。

（３）本発明のその他の態様は、上述の電子機器において、前記判別部は、前記加速度の記述統計量と泳法との関連を示すパターン情報を用いて泳法を判別することを特徴とする。

（４）本発明のその他の態様は、上述の電子機器において、前記判別部は、前記加速度検出部が検出した加速度のうち、スタート又はターンから所定の時間内に検出された加速度を除外することを特徴とする。

（５）本発明のその他の態様は、上述の電子機器において、受け付けた入力によって前記所定の時間を設定できることを特徴とする。

（６）本発明のその他の態様は、身体の左右方向、身長方向、及び前後方向それぞれの加速度を検出する加速度検出部を備える電子機器が検出した加速度の記述統計量として平均、分散及び歪度を前記電子機器が算出し、前記記述統計量に基づいて泳法を前記電子機器が判別する判別処理と、前記加速度検出部が検出した加速度のうち１方向又は２方向の加速度に基づいてストローク頻度を前記電子機器が算出する頻度算出処理と、を有し前記頻度算出処理において、前記判別処理において判別された泳法に基づいて前記１方向又は２方向の加速度を選択することを特徴とする泳法判別方法である。

（７）本発明のその他の態様は、コンピュータに、身体の左右方向、身長方向、及び前後方向それぞれの加速度を検出する加速度検出部を備える電子機器が検出した３方向の加速度の記述統計量として平均、分散及び歪度を算出し、前記記述統計量に基づいて泳法を判別する判別手順と、前記加速度検出部が検出した加速度のうち１方向又は２方向の加速度に基づいてストローク頻度を算出する頻度算出手順と、を実行させるための泳法判別プログラムであって、前記頻度算出手順において、前記判別手順において判別された泳法に基づいて前記１方向又は２方向の加速度を選択することを特徴とする泳法判別プログラムである。

本発明によれば、泳法を判別することができる。

本発明の実施形態に係る電子機器の外観を示す概念図である。 本実施形態に係る本体部の構成を示す概略図を示す概略ブロック図である。 本実施形態に係るＣＰＵの機能構成を示す概略図である。 加速度検出部から入力される加速度信号の例を示す図である。 Ｙ方向の加速度信号と泳状態情報の一例を示す図である。 Ｙ方向の加速度信号と泳状態情報の他の例を示す図である。 Ｙ方向の加速度信号と判定された事象の一例を示す図である。 泳法別の記述統計量の一例を示す図である。 本実施形態に係る階層型ニューラルネットワークを示す概略図である。 本実施形態に係る決定木を示す概略図である。 階層型ニューラルネットワークを用いて得られた泳法判別結果を示す表である。 決定木を用いて得られた泳法判別結果を示す表である。 加速度信号のパワースペクトルの例を示す図である。 本実施形態に係る泳法判別処理を示すフローチャートである。 本変形例に係る泳法判別システムを示す概略図である。

以下、図面を参照しながら本発明の実施形態について説明する。
図１は、本実施形態に係る電子機器１０の外観を示す概念図である。
電子機器１０は、本体部１０１、加速度検出部１０２、ベルト１２１、着脱具１２２、長さ調整具１２３、係合具１２４を含んで構成される。電子機器１０は、例えば、装着している使用者の運動に伴う加速度や心電信号等の生体情報を取得する生体情報取得装置である。図１において、Ｘ、Ｙ、Ｚ方向は、それぞれ左右方向、身長方向、前後方向を示す。

本体部１０１と加速度検出部１０２は、ベルト１２１に一体的に固定されている。ベルト１２１の長手方向の両端には着脱具１２２と係合具１２４が設けられている。ベルト１２１の長手方向の中間には長さ調整具１２３が設けられている。
着脱具１２２は、係合具１２４を連結又は離脱させることができる。着脱具１２２から係合具１２４が離脱された状態において、ベルト１２１は、使用者の胴体Ｕの一部、例えば胸部を巻きつけることができる。長さ調整具１２３の位置をベルト１２１の長手方向にずらすことによって、ベルト１２１の長手方向の長さが長く、又は短くなるように調整することができる。ベルト１２１が胸部に密着した状態で、着脱具１２２が係合具１２４に連結されると、本体部１０１が胸部の表面に固定される。ベルト１２１の素材は、例えば、スチレン・ブタジエンゴムのように、伸縮性、耐摩耗性、耐老化性に優れる素材である。これにより、電子機器１０の着脱の容易性と、胸部への密着性が両立する。
本体部１０１が胸部の表面に固定された状態では、ベルト１２１の長手方向が使用者の身長方向に垂直な方向に配置される。本明細書では、身長方向は、頭頂部と脚底部を両端とする方向である。この方向をＹ方向と呼ぶ。左右方向は、顔面が向いている方向を基準とした左側又は右側の方向である。この方向をＸ方向と呼ぶ。前後方向は、顔面が向いている方向、又はその反対方向である。この方向をＺ方向と呼ぶ。

加速度検出部１０２は、複数（例えば３個）の感度軸を有し、それぞれの感度軸方向の加速度を検出する。加速度検出部１０２は、例えば静電容量型３軸加速度センサである。感度軸方向とは、加速度に対する感度が極大となる方向である。その方向に向いた主軸が感度軸である。
加速度検出部１０２は、検出した加速度を示す加速度信号を感度軸方向毎に生成し、生成した加速度信号を本体部１０１に出力する。
ここで、本体部１０１の中心が胸部の正中線上に配置されたとき、加速度検出部１０２は正中線よりも左側又は右側に偏った位置に、感度軸のうち１つの方向がＹ方向に、他の１つの方向がＸ方向に、残りの１つの方向がＺ方向に向くように配置される。正中線とは、使用者の前面の左右中央を通る身長方向に向いた線である。これにより、加速度検出部１０２は、Ｘ、Ｙ、Ｚ方向の各方向の加速度を検出し、正中線上に回転軸を有する身体の回転運動を検出することができる。

（本体部の構成）
図２は、本実施形態に係る本体部１０１の構成を示す概略図である。
本体部１０１は、心拍検出部１０３、時刻計測部１０４、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ；中央処理装置）１０５、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１０６、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ；ランダムアクセスメモリ）１０７、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ；読出専用メモリ）１０８、及び通信部１０９を含んで構成される。

心拍検出部１０３は、一対の電極、及び信号変換部を含んで構成される。本体部１０１が使用者の胸部に装着されたとき、この電極間に生じた電位差が心電信号として検出される。信号変換部は、検出された心電信号を変換、例えば増幅及び整形し、変換した心電信号をＣＰＵ１０５に出力する。

時刻計測部１０４は、現在の時刻を計測し、計測した時刻を表す時刻情報をＣＰＵ１０５に出力する。ここで、時刻計測部１０４は、予め定めた第１の周期（例えば、３２，７６８Ｈｚ）で周期的に振幅が振動するクロック信号を生成する。時刻計測部１０４は、生成したクロック信号を第１の周期よりも長い予め定めた第２の周期（例えば、１００Ｈｚ）に分周して計測クロックを生成する。時刻計測部１０４は、計測クロックの信号値のピーク（極大値）の数を計数することによって時刻を計測する。

ＣＰＵ１０５は、ＲＯＭ１０８に予め記憶されたプログラムを読み出し、読み出したプログラムを実行して本体部１０１が備える各構成部の動作を制御する。
ＣＰＵ１０５は、加速度検出部１０２から入力された加速度信号、心拍検出部１０３から入力された心電信号を、時刻計測部１０４から入力された時刻情報と対応付けてＥＥＰＲＯＭ１０６に記憶する。ＣＰＵ１０５は、ＥＥＰＲＯＭ１０６に記憶した加速度信号に基づいて泳法判別処理を行って泳法を判別し、判別した泳法を示す泳法データをＥＥＰＲＯＭ１０６に記憶する。また、ＣＰＵ１０５は、判別した泳法に応じた感度軸方向の加速度信号に基づいてストローク頻度を算出し、算出したストローク頻度を示すストローク頻度データをＥＥＰＲＯＭ１０６に記憶する。
ＣＰＵ１０５は、通信部１０９から読み出し要求信号が入力されたとき、ＥＥＰＲＯＭ１０６から記憶されたデータ、例えば加速度信号、心電信号、泳法データ、ストローク頻度データ、等を読み出して通信部１０９に出力する。読み出し要求信号とは、電子機器１０が取得したデータを読み出すことを示す信号である。読み出し要求信号は、例えば、他の機器から入力される信号、使用者による操作入力を受け付けて生成される信号である。
ＣＰＵ１０５の構成、特に泳法判別処理に係る構成については、後述する。

ＥＥＰＲＯＭ１０６は、情報の追記が可能であって、電源の供給が断たれても記憶された情報を保持する不揮発性メモリである。
ＲＡＭ１０７は、ＣＰＵ１０５が処理を行う際に使用する情報や、処理によって生成した情報を一時的に記憶する。
ＲＯＭ１０８は、ＣＰＵ１０５が動作するためのプログラム、設定値、パターン認識情報、等が予め記憶されている。

通信部１０９は、ネットワークと接続された他機器との間でデータを送受信する。通信部１０９は、他機器から受信した受信信号をＣＰＵ１０５に出力し、ＣＰＵ１０５から入力された送信信号を他機器に送信する。

（ＣＰＵの構成）
次に、本実施形態に係るＣＰＵ１０５の機能構成について説明する。
図３は、本実施形態に係るＣＰＵ１０５の機能構成を示す概略図である。
ＣＰＵ１０５は、加速度記録部１０５１、状態判定部１０５２、事象判定部１０５３、泳時間推定部１０５４、泳局面抽出部１０５５、記述統計量算出部１０５６、泳法判別部１０５７、加速度方向選択部１０５８、及びストローク頻度算出部１０５９を含んで構成される。

加速度記録部１０５１は、加速度検出部１０２から入力された感度軸方向毎の加速度信号を予め定めた時間間隔（例えば、１／３２秒間隔）でＥＥＰＲＯＭ１０６に記録する。
状態判定（Ｓｔａｔｅ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）部１０５２は、ＥＥＰＲＯＭ１０６から感度軸方向毎の加速度信号と時刻情報を読み出し、読み出した加速度信号のうち少なくとも１個の感度軸方向の加速度信号に基づいて泳状態又は休息状態を判定し、泳状態又は休息状態を示す泳状態情報を生成する。状態判定部１０５２は、生成した泳状態情報を、読み出した加速度信号及び時刻情報と対応付けてＥＥＰＲＯＭ１０６に記録する。泳状態又は休息状態を判定する処理については、後述する。
事象判定（Ｅｖｅｎｔ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）部１０５３は、ＥＥＰＲＯＭ１０６から感度軸方向毎の加速度信号、泳状態情報、及び時刻情報を読み出し、読み出した加速度信号のうち少なくとも１個の感度軸方向の加速度信号、泳状態情報及び時刻情報に基づいて遊泳に係る事象（ｅｖｅｎｔ）を判定する。事象判定部１０５３が判定する事象は、例えば、スタート（出発）、ターン（方向転換）、タッチ（終着）がある。事象判定部１０５３は、判定した事象とその事象が発生した時刻を示す事象情報を生成し、生成した事象情報を加速度信号及び時刻情報と対応付けてＥＥＰＲＯＭ１０６に記録する。事象を判定する処理については、後述する。

泳時間推定部（Ｓｗｉｍｍｉｎｇ Ｔｉｍｅ Ｅｓｔｉｍａｔｉｏｎ）部１０５４は、ＥＥＰＲＯＭ１０６から感度軸方向毎の加速度信号、時刻情報、事象情報を読み出し、読み出した事象情報に基づいて泳時間を推定する。泳時間推定部１０５４は、泳時間として、例えば、スタートから最初のターンまでの区間に係る経過時間、１つのターンから次のターンまでの区間に係る経過時間、最後のターンからタッチまでの区間に係る経過時間、スタートからタッチまでの全区間に係る時間を算出することによって推定する。区間毎の経過時間をラップタイム（Ｌａｐ Ｔｉｍｅ）という。
泳時間推定部１０５４は、泳時間として、例えば、スタートから各ターンもしくはタッチまでの累積時間を算出してもよい。スタートからの累積時間をスプリットタイム（Ｓｐｌｉｔ Ｔｉｍｅ）という。泳時間推定部１０５４は、推定した泳時間を示す泳時間情報を生成し、生成した泳時間情報を加速度信号及び時刻情報と対応付けてＥＥＰＲＯＭ１０６に記録する。

泳局面抽出（Ｓｔｒｏｋｅ Ｐｈａｓｅ Ｅｘｔｒａｃｔｉｏｎ）部１０５５は、ＥＥＰＲＯＭ１０６から感度軸方向毎の加速度信号と事象情報とを読み出し、読み出した加速度信号から事象情報に基づいて泳局面にある区間の加速度信号を抽出する。泳局面とは、水中において上腕を動作させて進行している局面である。泳局面でない局面には、例えば、スタート又はターン直後に水泳場の壁面を蹴り、上腕を動作させずに水中を進行する局面（蹴伸び）や、水中での上腕のかき動作によって水中から水上へと浮上する途中の局面、等がある。これにより、泳局面にない区間の加速度信号を、後述する処理において無視（マスク）することができる。
泳局面抽出部１０５５は、例えば、スタート又はターンから所定のマスク時間（例えば、４秒）の経過から次のターン（該当するターンが存在しない場合にはタッチ）までの区間内の加速度信号を感度軸方向毎に抽出する。即ち、マスク時間経過から次のターン又はタッチまでの区間が、泳局面にある区間である。泳局面抽出部１０５５は、抽出した感度軸方向毎の加速度信号を記述統計量算出部１０５６及び加速度方向選択部１０５８に出力する。
なお、泳局面抽出部１０５５は、操作入力や他の機器からの入力を受け付けて、任意のマスク時間を設定できるようにしてもよい。ここで、入力された水泳場（プール）の規模、使用者の泳力に応じた値にマスク時間を設定されるようにしてもよい。例えば、水泳場の大きさが大きいほど、もしくは使用者の泳力が高いほど、マスク時間が長くなるようにしてもよい。泳局面抽出部１０５５には、例えば、操作入力の候補毎にマスク時間を対応付けたマスク時間変換情報を予め記憶させておき、受け付けた操作入力に対応するマスク時間を定める。

記述統計量算出部１０５６は、泳局面抽出部１０５５から入力された感度軸方向毎の加速度信号について記述統計量を算出する。記述統計量とは、標本となる変数の分布の特徴を代表的に表す統計量である。記述統計量は、要約統計量、基本統計量又は代表値とも呼ばれる。算出する記述統計量は、平均（Ｍｅａｎ）、分散（Ｖａｒｉａｎｃｅ）、及び歪度（Ｓｋｅｗｎｅｓｓ）である。歪度βは、変数ｘの標準化確率変数ｚ＝（ｘ−μ）／σの３次モーメントＥ（ｚ^３）である。ここで、μは変数ｘの期待値Ｅ（ｘ）、つまり平均であり、σ^２は、変数ｘの分散である。例えば、歪度βが０より大きい場合、変数ｘの分布は、正方向に歪んでいる正の歪を有する。歪度βが０より小さい場合、変数ｘの分布は、負方向に歪んでいる負の歪を有する。歪度βが０の場合とは、例えば、変数ｘの分布が０を中心として対称な場合である。標準化確率変数ｚについての正規分布は、歪度βが０となる分布の一例である。記述統計量算出部１０５６は、算出した感度軸方向毎の記述統計量を泳法判別部１０５７に出力する。

泳法判別部１０５７は、記述統計量算出部１０５６から入力された記述統計量に基づいて、既知のパターン認識処理を用いて泳法を判別する。判別される泳法は、例えば、背泳（Ｂａ、Ｂａｃｋｓｔｒｏｋｅ）、平泳（Ｂｒ、Ｂｒｅａｓｔｓｔｒｏｋｅ）、バタフライ（Ｂｕ、Ｂｕｔｔｅｒｆｌｙ Ｓｔｒｏｋｅ）、クロール（Ｆｒ、Ｆｒｅｅｓｔｙｌｅ Ｓｔｒｏｋｅ）である。本来、「Ｆｒｅｅｓｔｙｌｅ Ｓｔｒｏｋｅ」とは、背泳、平泳、バタフライ以外の泳法である「自由形」を指すが、本実施形態では、クロールを指す。
泳法判別部１０５７が用いるパターン認識処理は、例えば、決定木（ｄｅｃｉｓｉｏｎ ｔｒｅｅ）を用いたクラス分類（クラスタリング）、階層型ニューラルネットワークを用いたクラス分類、等を用いることができる。本実施形態では、判別対象となる泳法を分類対象となるクラスとしてパターン認識処理を行う。パターン認識処理において、泳法判別部１０５７は、事前学習によって得られたパターン認識情報をＲＯＭ１０８から読み出し、読み出したパターン認識情報を用いる。決定木を用いた泳法判別、階層型ニューラルネットワークを用いた泳法判別の例については、後述する。なお、本実施形態では、泳法判別部１０５７は、パターン認識処理において、決定木、階層型ニューラルネットワークに限らず、例えば、ウォード（Ｗａｒｄ）法、サポートベクターマシン（ＳＶＭ、Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）、ベイジアンネットワーク（Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ）等、他の方式を用いてもよい。
泳法判別部１０５７は、判別した泳法を示す泳法情報を生成し、生成した泳法情報を加速度方向選択部１０５８に出力し、ＥＥＰＲＯＭ１０６に記録する。

加速度方向選択部１０５８は、泳法判別部１０５７から入力された泳法情報に基づいて感度軸方向（加速度方向）を定め、泳局面抽出部１０５５から入力された加速度信号から定めた感度軸方向の加速度信号を選択する。
加速度方向選択部１０５８は、例えば、泳法情報が背泳又はクロールを示す場合、感度軸方向として、Ｘ方向もしくはＺ方向のいずれか１方向又は両方向を選択する。加速度方向選択部１０５８は、例えば、泳法情報が平泳又はバタフライを示す場合、感度軸方向として、Ｙ方向もしくはＺ方向のいずれか１方向又は両方向を選択する。
ここで、泳法情報と感度軸方向との対応関係を示す加速度方向情報を予めＲＯＭ１０８に記憶しておき、加速度方向選択部１０５８は、入力された泳法情報に対応する感度軸方向を読み出す。加速度方向選択部１０５８は、選択した感度軸方向の加速度信号をストローク頻度算出部１０５９に出力する。これにより、泳法毎に使用者の動作に伴って生じる加速度のうち主な成分の方向に係る加速度信号が選択される。

ストローク頻度算出部１０５９は、加速度方向選択部１０５８から入力された加速度信号の周期又は周波数を算出する。ストローク頻度算出部１０５９は、例えば、入力された時間領域の加速度信号について周波数領域に変換して周波数領域の複素データを算出する。ストローク頻度算出部１０５９は、周波数領域に変換する際、例えば、高速フーリエ変換（ＦＦＴ、Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）を行う。ストローク頻度算出部１０５９は、算出した複素データに基づいてパワースペクトルを算出し、算出したパワーが極大となる周波数をストローク頻度と定める。
また、ストローク頻度算出部１０５９は、入力された時間領域の加速度信号の自己相関関数を、遅延時間毎に算出し、自己相関関数が極大となる遅延時間を定めてもよい。ストローク頻度算出部１０５９は、定めた遅延時間の逆数をストローク頻度と定める。
２つの感度軸方向についての加速度信号が入力された場合には、ストローク頻度算出部１０５９は、入力された２つの感度軸方向の加速度信号を加算して生成した和信号について上述の処理を行って、ストローク頻度を算出してもよい。

ストローク頻度算出部１０５９は、算出したストローク頻度が、予め設定した範囲内であるか否かを判断する。予め設定した範囲とは、人間が水中で動作する際にストローク頻度として可能性のある範囲（例えば、０．２５−２Ｈｚ）である。ストローク頻度算出部１０５９は、予め設定した範囲内にあるストローク頻度のうちパワー又は自己相関関数が最も高くなるストローク頻度をＥＥＰＲＯＭ１０６に記録する。ストローク頻度算出部１０５９は、算出したストローク頻度のうち、可能性のある範囲にないと判断されたストローク頻度を棄却する。

（加速度信号の例）
次に、加速度検出部１０２から入力される加速度信号の例について説明する。以下に説明する加速度信号は、ある１名の使用者が本実施形態に係る電子機器１０を装着しながら遊泳し、その後、遊泳を停止して休息している区間で取得されたものである。

図４は、加速度検出部１０２から入力される加速度信号の例を示す図である。
図４（ａ）−（ｄ）において、横軸が時刻、縦軸が加速度を示す。Ａｘ、Ａｙ、Ａｚは、それぞれＸ方向、Ｙ方向、Ｚ方向の加速度信号を示す。
図４（ａ）、（ｂ）、（ｃ）、（ｄ）は、それぞれ、使用者がバタフライ、背泳、平泳、クロールで遊泳した場合を示す。これによれば、泳法によって感度軸方向毎の加速度の大きさが異なる。

例えば、図４（ａ）は、バタフライにおいて、Ｚ方向の加速度信号が−１Ｇを中心に振動し、他の方向の加速度信号は０Ｇを中心に変動していることを示す。ここで、Ｇは、重力加速度を１とする加速度の単位である。
図４（ｂ）は、背泳において、Ｚ方向の加速度信号が０．６Ｇを中心に変動し、Ｘ方向及びＹ方向の加速度信号が０Ｇを中心に変動していることを示す。また、Ｘ方向の加速度信号の振幅が、他の方向の加速度信号の振幅よりも大きいことを示す。
図４（ｃ）は、平泳において、バタフライの場合と同様に、Ｚ方向の加速度信号が−１Ｇを中心に変動し、他の方向の加速度信号は０Ｇを中心に変動していることを示す。但し、Ｙ方向及びＺ方向の加速度信号の分布が、バタフライの場合よりも正方向に偏っている。
図４（ｄ）は、クロールにおいて、Ｘ方向及びＹ方向の加速度信号がほぼ０Ｇを中心に変動し、Ｚ方向の加速度信号が−１Ｇを中心に変動していることを示す。
本実施形態では、後述するように感度軸方向による加速度信号の特性における泳法による差異を用いて泳法を判定する。

図４（ａ）、（ｂ）、（ｃ）、（ｄ）は、使用者が休息している区間において、Ｙ方向の加速度信号が１Ｇを中心に分布しているのに対し、Ｘ方向及びＺ方向の加速度信号が０Ｇを中心に変動していることを示す。本実施形態では、後述するように、このＹ方向の加速度信号の特性を利用して泳状態／休息状態を判定する。

（泳状態／休息状態の判定）
状態判定部１０５２は、ＥＥＰＲＯＭ１０６から読み出した加速度信号のうちＹ方向の加速度信号に基づいて泳状態か休息状態かを判定する。状態判定部１０５２は、Ｙ方向の加速度信号が、１Ｇを含む予め定めた範囲内（例えば、０．８Ｇ以上、かつ、１．２Ｇよりも小さい）にある状態が、予め定めた継続時間（例えば、１秒）よりも長く継続している区間について休息状態と判定する。状態判定部１０５２は、休息状態でない状態を泳状態と判定する。これは、使用者が休息している間、使用者は水泳場内外を問わず、直立することが多いことによる。使用者は、直立している場合にＹ方向の加速度信号として重力、つまり約１Ｇの加速度が観測されることによる。
状態判定部１０５２は、泳状態と判定した区間について泳状態を示し、休息状態と判定した区間について休息状態を示す泳状態情報を生成する。泳状態情報は、例えば、泳状態についての信号値が１、休息状態についての信号値が０である二値（ｂｉｎａｒｙ）情報である。
状態判定部１０５２は、読み出した加速度信号が示す加速度に、泳状態情報が示す信号値（１又は０）を乗じて、泳状態における加速度を示す泳状態加速度信号を生成してもよい。これにより、泳状態の区間（泳状態情報が示す信号値が１）における加速度信号を抽出することができる。状態判定部１０５２は、抽出した加速度信号をＥＥＰＲＯＭ１０６に記憶する。

次に、Ｙ方向の加速度信号と泳状態情報の一例について説明する。
図５は、Ｙ方向の加速度信号と泳状態情報の一例を示す図である。
図５（ａ）、（ｂ）ともに横軸は、時刻を示す。図５（ａ）の縦軸はＹ方向の加速度、（ｂ）の縦軸は、泳状態情報、つまり泳状態（１）又は休息状態（０）を示す。図５（ａ）において、Ｙ方向の加速度が１Ｇに近似する範囲にある時刻では、図５（ｂ）において、泳状態情報は休息状態を示す。図５（ａ）において、Ｙ方向の加速度が１Ｇに近似する範囲外にある時刻では、図５（ｂ）において、泳状態情報は泳状態を示す。
図６は、Ｙ方向の加速度信号と泳状態情報の他の例を示す図である。
図６における縦軸と横軸の関係は、図５と同様であるが、時刻のスケールが拡大されている。図６において、Ａｙは、Ｙ方向の加速度信号を示し、Ｂｎは、泳状態情報を示す。図６は、泳状態においてはＹ方向の加速度がゼロを中心に変動し、休息状態においてはＹ方向の加速度が１Ｇを中心に変動していることを示す。

（事象の判定）
事象判定部１０５３は、ＥＥＰＲＯＭ１０６から加速度信号及び時刻情報に基づいて遊泳に係る事象として、スタート、ターン、タッチを判定する。
まず、事象判定部１０５３が、スタートとターンを判定する処理について説明する。但し、当初はスタートとターンを区別しない。
事象判定部１０５３は、読み出したＹ方向の加速度信号から泳状態情報が泳状態を示している区間において、Ｙ方向の加速度が、予め定めたスタート／ターン判別加速度の閾値よりも大きい値に対応する時刻をスタート／ターン時刻と判定する。スタート、ターンにおいては、使用者の身長方向の加速度が急激に発生するためである。スタート／ターン判別加速度の閾値は、重力加速度１Ｇよりも有意に大きい値、より好ましくは例えば、１，９８Ｇである。
なお、事象判定部１０５３は、ＥＥＰＲＯＭ１０６から泳状態情報を読み出し、読み出した泳状態情報が泳状態を示す区間について、上述のスタート／ターン時刻を判定してもよい。

事象判定部１０５３は、判定したスタート／ターン時刻のうち、例えば、訓練開始時刻から予め定めた範囲内にあるか否かを判断する。訓練開始時刻は、例えば、訓練開始と訓練終了を繰り返す訓練方法であるインターバルトレーニングにおいて、予め定めた訓練を開始する時刻である。予め定めた範囲とは、例えば、訓練開始時刻から３０秒先行する時刻から訓練開始時刻から１分遅延した時刻までの時間、訓練開始時刻を中心とする１回の訓練時間の半分の時間、等である。
事象判定部１０５３は、例えば、開始時刻から予め定めた範囲内にあるスタート／ターン時刻を、スタート時刻と定める。事象判定部１０５３は、開始時刻から予め定めた範囲内にないスタート／ターン時刻を、ターン時刻と定める。なお、本実施形態では、時刻計測部１０４が計測した経過時間の計測開始時刻に最も近い初回のスタート／ターン時刻を、スタート時刻と定め、その他のスタート／ターン時刻を、ターン時刻と定めてもよい。

次に、事象判定部１０５３が、タッチを判定する処理について説明する。
事象判定部１０５３は、読み出した泳状態情報が泳状態から休息状態に変わる時刻を終点とする、その終点までの予め定めた長さの区間におけるＹ方向の加速度信号についてフィルタリング処理を行って平滑化する。フィルタリング処理は、例えば、移動平均、バターワースフィルタリング等、時間領域の信号を、遊泳に伴うＹ方向の加速度の変動周期よりも長い周期で平滑化することができれば、いかなる方法でもよい。
事象判定部１０５３は、平滑化した信号の信号値が、予め定めた立ち上がり判別値よりも大きくなった時刻（立ち上がり時刻）を、タッチ時刻と定める。立ち上がり判別値は、０Ｇよりも予め定めた値だけ大きく、１Ｇよりも０Ｇに近い値である。本実施形態では、タッチ時刻において、遊泳に伴うＹ方向の加速度における０Ｇの周囲の変動が停止し、使用者が直立しようとして身長方向の加速度がかかり始めることに着目している。

次に、Ｙ方向の加速度信号と判定された事象の一例について説明する。
図７は、Ｙ方向の加速度信号と判定された事象の一例を示す図である。
図７の縦軸はＹ方向の加速度を示し、横軸は時刻を示す。図７の上部に示されている符号ｓｔ１、ｓｔ２、ｔｃは、それぞれ、スタート時刻、ターン時刻、タッチ時刻を示す。図７は、スタート時刻、ターン時刻においては、Ｙ方向の加速度が鋭いピークを有することを示す。これに対して、タッチ時刻においては、Ｙ方向の加速度における０Ｇのまわりの変動が停止し、１Ｇに向かって増加し始めることを示す。

（泳法別記述統計量の例）
次に、使用者の遊泳中に観測した泳法別の記述統計量の一例について説明する。
図８は、泳法別の記述統計量の一例を示す図である。
図８（ｘ）、（ｙ）、（ｚ）はそれぞれ、Ｘ方向、Ｙ方向、Ｚ方向の加速度の記述統計量の分布を泳法別に示す。図８（ｘ）、（ｙ）、（ｚ）それぞれについて、左側から右側へ順に平均、分散、歪度を示す。感度軸方向、記述統計量毎に、４種の泳法（Ｂｕ、Ｂａ，Ｂｒ，Ｆｒ）それぞれについて、度数分布を示す。上下方向の１点破線は、度数分布において度数がゼロである基準線である。即ち、各基準線から左右に離れているほど、度数が大きいことを示す。

図８においてＺ方向の加速度の平均、Ｘ方向の加速度の分散、Ｙ方向及びＺ方向の加速度の歪度各々の分布について、泳法間で特徴的な差異がある。
Ｚ方向の加速度の平均において、背泳（Ｂａ）について、他の泳法よりも格段に大きい値を示す。これは、背泳では他の泳法とは異なり使用者の胸部が上方に向くため、主に重力加速度がＺ方向の加速度として検知されるためである。
Ｘ方向の加速度の分散において、背泳（Ｂａ）ならびにクロール（Ｆｒ）は、他の泳法よりも格段に大きい値を示す。これは、背泳ならびにクロールにおいて、使用者は左右の上腕を左右非対称に動作させることによって生ずる左右方向の加速度の変動がＸ方向の加速度の分散として観測されることによる。これに対し、平泳とバタフライにおいて、使用者は左右の上腕をほぼ左右対称に動作させるため、左右方向の加速度の変動が比較的小さい。
Ｙ方向及びＺ方向の加速度の歪度において、平泳（Ｂｒ）とバタフライ（Ｂｕ）との間で歪度の分布について有意な差があり、バタフライ（Ｂｕ）と他の泳法との間では有意な差がない。これは、平泳において、１回のストロークで使用者は左右の上腕を外側後方に動かした後で胸部に引き寄せ、その後、身長方向に急激に伸ばすことによる。そのため、身長方向及び前後方向の加速度の分布に偏りが生じ、Ｙ方向及びＺ方向の加速度の歪度として観測されることによる。これに対し、バタフライでは、使用者は左右の上腕を外側後方に動かした後で胸部に引き寄せることがないため、身長方向及び前後方向の加速度の分布において偏りが生じにくい。
従って、本実施形態において、泳法判別部１０５７は、４種類の泳法を判別する際、記述統計量としてＺ方向の加速度の平均、Ｘ方向の加速度の分散、Ｙ方向及びＺ方向の加速度の歪度を用いる。

（泳法判別法の一例）
次に、泳法判別部１０５７が行う泳法判別法の一例として、階層型ニューラルネットワーク（Ｍｕｌｔｉｌａｙｅｒｅｄ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いて泳法を判別する処理について説明する。階層型ニューラルネットワークとは、神経回路網における入出力特性を模した処理部（ニューロン）の階層を複数備えた構成を有する。
図９は、本実施形態に係る階層型ニューラルネットワークを示す概略図である。
図９に示す階層型ニューラルネットは、入力層、中間層、及び出力層を備える。入力層、中間層、出力層には、それぞれ４個の節点（ニューロン）Ｉｎ１〜Ｉｎ４、Ｍｄ１〜Ｍｄ４、Ｏｔ１〜Ｏｔ４を備える。本実施形態では、入力層における節点Ｉｎ１〜Ｉｎ４には、それぞれＸ方向の加速度の分散Ｖａｒ（Ａｘ）、Ｙ方向の加速度の歪度Ｓｋｅｗｎｅｓｓ（Ａｙ）、Ｚ方向の加速度の平均Ｍｅａｎ（Ａｚ）、Ｚ方向の加速度の歪度Ｓｋｅｗｎｅｓｓ（Ａｚ）が入力される。
節点Ｉｎ１〜Ｉｎ４は、入力された信号を中間層の節点Ｍｄ１〜Ｍｄ４にそれぞれ出力する。節点Ｍｄ１〜Ｍｄ４は、節点Ｉｎ１〜Ｉｎ４のそれぞれから入力された入力信号について後述する処理を行って出力信号を生成する。節点Ｍｄ１〜Ｍｄ４は、生成した出力信号を出力層の節点Ｏｔ１〜Ｏｔ４に出力する。節点Ｏｔ１〜Ｏｔ４は、節点Ｉｎ１〜Ｉｎ４、節点Ｍｄ１〜Ｍｄ４のそれぞれから入力された入力信号について後述する処理を行って出力信号を生成する。

節点Ｍｄ１〜Ｍｄ４、Ｏｔ１〜Ｏｔ４は、それぞれ入力信号ｘ_ｉをチャネルｉ間で重み付け加算して荷重和Σ_ｉｗ_ｉｘ_ｉを算出し、算出した荷重和から閾値θを差し引いた値ｕについての出力関数ｆ（ｕ）を用いて出力信号ｙを算出する。
出力関数ｆ（ｕ）は、例えば、シグモイド関数である。シグモイド関数は、出力値の最大値が１、最小値が０であって、入力値ｕに対して単調に増加又は減少する関数である。
節点Ｍｄ１〜Ｍｄ４、Ｏｔ１〜Ｏｔ４における結合係数ｗ_ｉ及び閾値θは、予め泳法とＶａｒ（Ａｘ）、Ｓｋｅｗｎｅｓｓ（Ａｙ）、Ｍｅａｎ（Ａｚ）、Ｓｋｅｗｎｅｓｓ（Ａｚ）との関係が既知である学習データを用いて事前学習を行って、予め設定しておく。学習においては、出力信号の誤差を最小化するように設定対象の各係数を更新する処理を再帰的に繰り返す。学習回数（学習対象の係数を更新する回数）、学習係数（１回の更新における学習対象の係数に係る更新の度合い）、モーメント（前回の更新量の寄与率）は、例えば、それぞれ５００回、０．３、０．２である。
節点Ｏｔ１〜Ｏｔ４は、それぞれ、バタフライである確率、背泳である確率、平泳である確率、クロールである確率を出力する。泳法判別部１０５７は、出力確率が最も高い泳法を、使用者が遊泳している泳法と判別する。

なお、本実施形態では、階層型ニューラルネットワークにおける階層の数は、３階層に限らず、１階層よりも多い任意の数、例えば４階層（中間層が２階層）であってもよい。また、中間層が備える節点の数は４個に限らず、１個より多い任意の数、例えば３個であってもよい。

（泳法判別法の他の例）
次に、泳法判別部１０５７が行う泳法判別法の他の例として、決定木（Ｄｅｃｉｓｉｏｎ Ｔｒｅｅ）を用いて泳法を判別する処理について説明する。決定木とは、ある事象に対する観察結果から、その事象の目標値に関する予測値を導く予測モデルの１つである。決定木は、ある変数に係る節点（親節点）とこの変数に対して取りうる値を示す他の節点（子節点）間の関係を示す枝と、ある節点とその節点に対する分類を示す端点（葉）間の関係を示す枝を有する木構造からなる予測モデルである。

図１０は、本実施形態に係る決定木を示す概略図である。
図１０において、楕円は節点（ノード）ｎ１−ｎ６を示し、四角形は端点を示す。図１０の節点のうち最上段の節点ｎ１が起点である。
節点ｎ１では、泳法判別部１０５７はＸ方向の加速度の分散が予め定めた閾値Ｖａｒ（Ａｘ１）よりも大きいか否かを判断する。Ｘ方向の加速度の分散がＶａｒ（Ａｘ１）よりも大きいと判断された場合、節点ｎ２に進む。Ｘ方向の加速度の分散がＶａｒ（Ａｘ１）と同一か小さいと判断された場合、節点ｎ３に進む。
節点ｎ２では、泳法判別部１０５７はＸ方向の加速度の平均が予め定めた閾値Ｍｅａｎ（Ａｘ２）よりも大きいか否かを判断する。Ｘ方向の加速度の平均が閾値Ｍｅａｎ（Ａｘ２）よりも大きいと判断された場合、泳法判別部１０５７は、泳法を背泳（Ｂａ）と判別する。Ｘ方向の加速度の平均がＭｅａｎ（Ａｘ２）と同一か小さいと判断された場合、泳法判別部１０５７は、泳法をクロール（Ｆｒ）と判別する。

節点ｎ３では、泳法判別部１０５７はＸ方向の加速度の歪度が予め定めた閾値Ｓｋｅｗ（Ａｘ３）よりも大きいか否かを判断する。Ｘ方向の加速度の歪度がＳｋｅｗ（Ａｘ３）よりも大きいと判断された場合、泳法判別部１０５７は、泳法を平泳（Ｂｒ）と判別する。Ｘ方向の加速度の歪度がＳｋｅｗ（Ａｘ３）と同一か小さいと判断された場合、節点ｎ４に進む。
節点ｎ４では、泳法判別部１０５７はＹ方向の加速度の歪度が予め定めたＳｋｅｗ（Ａｙ１）よりも大きいか否かを判断する。Ｙ方向の加速度の歪度がＳｋｅｗ（Ａｙ１）よりも大きいと判断された場合、節点ｎ５に進む。Ｙ方向の加速度の歪度がＳｋｅｗ（Ａｙ１）と同一か小さいと判断された場合、泳法判別部１０５７は、泳法をバタフライ（Ｂｕ）と判別する。

節点ｎ５では、泳法判別部１０５７はＺ方向の加速度の歪度が予め定めた閾値Ｓｋｅｗ（Ａｚ１）よりも大きいか否かを判断する。Ｚ方向の加速度の歪度がＳｋｅｗ（Ａｚ１）よりも大きいと判断された場合、泳法判別部１０５７は、泳法を平泳（Ｂｒ）と判別する。Ｚ方向の加速度の歪度がＳｋｅｗ（Ａｚ１）と同一か小さいと判断された場合、節点ｎ６に進む。
節点ｎ６では、泳法判別部１０５７はＸ方向の加速度の分散が予め定めた閾値Ｖａｒ（Ａｘ４）よりも大きいか否かを判断する。Ｘ方向の加速度の分散がＶａｒ（Ａｘ４）よりも大きいと判断された場合、泳法判別部１０５７は、泳法をバタフライ（Ｂｕ）と判別する。Ｘ方向の加速度の分散がＶａｒ（Ａｘ４）と同一か小さいと判断された場合、泳法判別部１０５７は、泳法を平泳（Ｂｒ）と判別する。

決定木を用いた処理では、上述のように入力となる記述統計量を節点毎に閾値との大小関係を判定することを繰り返し、最終的に泳法を判別するため、処理負荷が小さい。
なお、節点毎の閾値については、節点間の結合関係毎に、入力となる記述統計量と、出力となる泳法との関係が既知である学習データを用いて事前学習を行って、設定しておく。学習においては、出力信号の誤差を最小化するように設定対象の各係数を更新する処理を再帰的に繰り返す。学習回数、学習係数は、例えば、５００回、０．３である。

（泳法判別結果）
次に、上述の処理を行って得られた泳法判別結果について説明する。
実験では、３０名の泳者に、本実施形態に係る電子機器１０を装着させ上述の４泳法でそれぞれ各３回（各泳法につき計９０回）遊泳させて各感度軸方向の加速度信号を収集した。電子機器１０には、収集した加速度信号について階層型ニューラルネットワーク、決定木それぞれを用いて泳法を判別させるようにした。

図１１は、階層型ニューラルネットワークを用いて得られた泳法判別結果を示す表である。図１１において、各行は判別対象の泳法、各列は判別された泳法をそれぞれ示す。図１１によれば、背泳（Ｂａ）、バタフライ（Ｂｕ）、平泳（Ｂｒ）、クロール（Ｆｒ）について、正解回数は、それぞれ９０、７５、７４、８９である。判別成功率は、９１．１％である。特に、背泳、クロールの判別成功率は、１００％、９９．１％である。バタフライ、平泳の判別成功率は、背泳、クロールよりも低くなる傾向があるが、それぞれ８３．３％、８２．２％と比較的高い値を示す。また、判別誤りは、主にバタフライと平泳相互間で生じる。

図１２は、決定木を用いて得られた泳法判別結果を示す表である。
図１２において、各行、各列の関係は、図１１と同様である。図１２によれば、背泳（Ｂａ）、バタフライ（Ｂｕ）、平泳（Ｂｒ）、クロール（Ｆｒ）について、正解回数は、それぞれ９０、７７、７２、８９である。判別成功率は、９１．１％である。特に、背泳、クロールの判別成功率は、１００％、９９．１％である。バタフライ、平泳の判別成功率は、背泳、クロールよりも低くなる傾向があるが、それぞれ８５．６％、８０．０％と比較的高い値を示す。また、判別誤りは、主にバタフライと平泳相互間で生じる。これは、バタフライが、そもそも平泳から派生した泳法であって、上腕や脚部の動作における両泳法間の相関が高いことによる。そのため、従来は、この両泳法を判別することが困難であった。
このように、上述した例では、決定木を用いても、階層型ニューラルネットワークを用いても同様に、上述の４泳法を従来よりも高い確率で判別することができる。

（ストローク頻度の算出例）
次に、ストローク頻度の算出例について説明する。次に説明する算出例は、ストローク頻度算出部１０５９が、各感度軸方向の加速度信号のパワースペクトルに基づいて算出した例である。
図１３は、加速度信号のパワースペクトルの例を示す図である。
図１３において、縦軸はパワー、横軸は周波数（Ｈｚ）を示す。図１３は、ある泳者がバタフライで遊泳しているときに収集された加速度信号のパワースペクトルを示す。Ａｘ、Ａｙ、Ａｚは、それぞれＸ、Ｙ、Ｚ方向の加速度信号のパワースペクトルである。Ｙ、Ｚ方向の加速度信号のパワースペクトルにおいて、それぞれ周波数０．６９Ｈｚにパワーが極大になる。周波数０．６９Ｈｚは、人間が水中で動作する際に可能性のある範囲内であるから、ストローク頻度算出部１０５９は、この周波数０．６９Ｈｚをストローク頻度と定める。
他方、Ｘ方向の加速度信号のパワースペクトルでは、周波数０．６９Ｈｚにおいてパワーは極大にならない。しかし、加速度方向選択部１０５８が、泳法がバタフライである場合にＹ方向又はＺ方向の加速度信号を選択するため、Ｘ方向の加速度信号のパワースペクトルに基づいてストローク頻度を算出できないという問題を回避することができる。

（泳法判別処理）
次に、本実施形態に係る泳法判別処理について説明する。
図１４は、本実施形態に係る泳法判別処理を示すフローチャートである。
（ステップＳ２０１）加速度検出部１０２は、Ｘ、Ｙ、Ｚ方向の加速度を検出し、検出したＸ、Ｙ、Ｚ方向の加速度を示す加速度信号を生成する。その後、ステップＳ２０２に進む。
（ステップＳ２０２）状態判定部１０５２は、Ｙ方向の加速度信号に基づいて泳状態又は休息状態を判定し、泳状態又は休息状態を示す泳状態情報を生成する。その後、ステップＳ２０３に進む。
（ステップＳ２０３）事象判定部１０５３は、Ｙ方向の加速度信号、泳状態情報及び時刻情報に基づいて遊泳に係る事象として、スタート、ターン、タッチを判定する。事象判定部１０５３は、判定した事象とその事象が発生した時刻を示す事象情報を生成する。その後、ステップＳ２０４に進む。
（ステップＳ２０４）泳時間推定部１０５４は、事象情報に基づいて泳時間を推定し、推定した泳時間を示す泳時間情報を生成する。その後、ステップＳ２０５に進む。

（ステップＳ２０５）泳局面抽出部１０５５は、加速度信号から事象情報に基づいて泳局面にある区間の加速度信号を抽出する。これにより、スタート又はターン直後の予め定めた区間の加速度信号をマスクする。その後、ステップＳ２０６に進む。
（ステップＳ２０６）記述統計量算出部１０５６は、Ｘ、Ｙ、Ｚ方向の加速度信号について記述統計量として、平均、分散、及び歪度を算出する。その後、ステップＳ２０７に進む。
（ステップＳ２０７）泳法判別部１０５７は、算出された記述統計量に基づいて、例えば、階層型ニューラルネットワーク、判定木、等を用いたパターン認識処理を用いて泳法として、例えば、背泳、平泳、バタフライ、クロールを判別する。泳法判別部１０５７は、判別した泳法を示す泳法情報を生成する。その後、ステップＳ２０８に進む。
（ステップＳ２０８）加速度方向選択部１０５８は、泳法情報に基づいて感度軸方向を定め、泳局面抽出部１０５５から入力された加速度信号から定めた感度軸方向の加速度信号を選択する。その後、ステップＳ２０９に進む。
（ステップＳ２０９）ストローク頻度算出部１０５９は、選択された感度軸方向の加速度信号の周波数を算出し、算出した周波数をストローク頻度と定める。

本実施形態では、電子機器１０は、上述の泳法判別処理においてステップＳ２０２以降のステップのうち全部又は一部を、ステップＳ２０１において加速度信号を生成した直後に行ってもよいし、それには限られない。電子機器１０は、ステップＳ２０２以降のステップのうち全部又は一部を、加速度信号を生成した後、任意の時期に行ってもよい（オフライン処理）。例えば、電子機器１０は、ステップＳ２０１における加速度検出が終了した後、ステップＳ２０２〜Ｓ２０９を連続して行ってもよい。また、過去に生成した加速度信号についてステップＳ２０６の記述統計量の算出、ステップＳ２０７の泳法判別を、より後に生成した加速度信号についてステップＳ２０５の泳局面判定を行うようにしてもよい。これにより、一時的に各処理が集中しないように処理量の分散を行ってもよい。
また、電子機器１０は、ステップＳ２０１において生成した加速度信号を他の機器、例えば、サーバ装置、パーソナルコンピュータ等に送信してもよい。そして、これらの機器が上述の泳法判別処理を実行するようにしてもよい。

（変形例）
次に、本実施形態における一変形例について前述と同一の構成について同一の符号を付して説明する。
図１５は、本変形例に係る泳法判別システム１を示す概略図である。
泳法判別システム１は、電子機器１０、ネットワーク２０、及びサーバ装置３０を含んで構成される。
電子機器１０において通信部１０９は、サーバ装置３０からネットワーク２０を経由してデータ要求信号を受信し、ＥＥＰＲＯＭ１０６から各感度軸方向の加速度信号を読み出す。通信部１０９は、読み出した加速度信号を、ネットワーク２０を通じてサーバ装置３０に送信する。

ネットワーク２０は、電子機器１０とサーバ装置３０との間でデータを送受信するネットワークである。ネットワーク２０は、例えば、無線でデータを送受信することができる無線通信ネットワークである。また、サーバ装置３０とは、有線でデータを送受信することができる有線通信ネットワークが接続されていてもよい。

サーバ装置３０は、電子機器１０から受信した加速度信号を処理することができるコンピュータである。サーバ装置３０は、通信部３１、データ処理部３２、操作入力部３３、及び記憶部３４を含んで構成される。

通信部３１は、電子機器１０から加速度を受信し、受信した加速度信号をデータ処理部３２に出力する。また、通信部３１は、データ処理部３２から入力されたデータ要求信号を、ネットワーク２０を経由して電子機器１０に送信する。
データ処理部３２は、通信部３１から入力された加速度信号を記憶部３４に記憶する。
データ処理部３２は、図３に示すＣＰＵ１０５と同様な機能構成、即ち、状態判定部１０５２、事象判定部１０５３、泳時間推定部１０５４、泳局面抽出部１０５５、記述統計量算出部１０５６、泳法判別部１０５７、加速度方向選択部１０５８、及びストローク頻度算出部１０５９に相当する機能構成を備える。
データ処理部３２は、操作入力部３３が受け付けた操作入力に基づいて電子機器１０が生成した加速度信号を要求することを示すデータ要求信号を生成する。データ処理部３２は、生成したデータ要求信号を通信部３１に出力する。
操作入力部３３は、使用者による操作に伴う操作入力を受け付ける。操作入力部３３は、例えば、キーボード、マウス等の入力デバイスである。

これにより、データ処理部３２は、図１４に示すステップＳ２０２−Ｓ２０９と同様な処理を行うことができる。そのため、本変形例においては、電子機器１０において、状態判定部１０５２、事象判定部１０５３、泳時間推定部１０５４、泳局面抽出部１０５５、記述統計量算出部１０５６、泳法判別部１０５７、加速度方向選択部１０５８、及びストローク頻度算出部１０５９を省略することができる。複数の電子機器１０からそれぞれ受信した加速度信号に基づいて、サーバ装置３０が一括して泳法を判別することができるため経済的なシステムを構築することができる。

なお、上述の泳法判別システム１では、サーバ装置３０に限られず、パーソナルコンピュータ、携帯端末機器の処理装置であってもよいし、これらの処理装置が、図３に示すＣＰＵ１０５と同様な機能構成を備えるようにしてもよい。

上述したように、本実施形態では、３方向の加速度を検出し、検出した３方向の加速度の記述統計量に基づいて泳法を判別する。また、記述統計量として平均、分散及び歪度が算出され、この３方向として身体の左右方向、身長方向、及び前後方向の加速度を検出する。そのため、使用者の泳法を正確に判別することができる。

なお、上述した実施形態における電子機器１０、サーバ装置３０の一部、例えば、状態判定部１０５２、事象判定部１０５３、泳時間推定部１０５４、泳局面抽出部１０５５、記述統計量算出部１０５６、泳法判別部１０５７、加速度方向選択部１０５８、及びストローク頻度算出部１０５９をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、電子機器１０又はサーバ装置３０に内蔵されたコンピュータシステムであって、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
また、上述した実施形態における電子機器１０及びサーバ装置３０の一部、または全部を、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）等の集積回路として実現しても良い。電子機器１０及びサーバ装置３０の各機能ブロックは個別にプロセッサ化してもよいし、一部、または全部を集積してプロセッサ化しても良い。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いても良い。

以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。

１…泳法判別システム、
１０…電子機器、
１０１…本体部、１０２…加速度検出部、１０３…心拍検出部、１０４…時刻計測部、
１０５…ＣＰＵ、
１０５１…加速度記録部、１０５２…状態判定部、１０５３…事象判定部、
１０５４…泳時間推定部、１０５５…泳局面抽出部、１０５６…記述統計量算出部、
１０５７…泳法判別部、１０５８…加速度方向選択部、１０５９…ストローク頻度算出部
１０６…ＥＥＰＲＯＭ、１０７…ＲＡＭ、１０８…ＲＯＭ、１０９…通信部、
１２１…ベルト、１２２…着脱具、１２３…長さ調整具、１２４…係合具、
２０…ネットワーク、
３０…サーバ装置、
３１…通信部、３２…データ処理部、３３…操作入力部、３４…記憶部、

Claims (7)

1. 身体の左右方向、身長方向、及び前後方向それぞれの加速度を検出する加速度検出部と、
   前記加速度検出部が検出した加速度の記述統計量として平均、分散及び歪度を算出し、前記記述統計量に基づいて泳法を判別する判別部と、
   前記加速度検出部が検出した加速度のうち１方向又は２方向の加速度に基づいてストローク頻度を算出する頻度算出部と、を備え
   前記頻度算出部は、前記判別部が判別した泳法に基づいて前記１方向又は２方向の加速度を選択することを特徴とする電子機器。
2. 機器本体と前記加速度検出部を身体に固定するための固定手段を備え、前記加速度検出部は、前記身体の左右方向、身長方向、及び前後方向の加速度を検出する方向に配置されていることを特徴とする請求項１に記載の電子機器。
3. 前記判別部は、前記加速度の記述統計量と泳法との関連を示すパターン情報を用いて泳法を判別することを特徴とする請求項１又は請求項２に記載の電子機器。
4. 前記判別部は、前記加速度検出部が検出した加速度のうち、スタート又はターンから所定の時間内に検出された加速度を除外することを特徴とする請求項１から請求項３のいずれかに記載の電子機器。
5. 受け付けた入力によって前記所定の時間を設定できることを特徴とする請求項４に記載の電子機器。
6. 身体の左右方向、身長方向、及び前後方向それぞれの加速度を検出する加速度検出部を備える電子機器が検出した加速度の記述統計量として平均、分散及び歪度を前記電子機器が算出し、前記記述統計量に基づいて泳法を前記電子機器が判別する判別処理と、
   前記加速度検出部が検出した加速度のうち１方向又は２方向の加速度に基づいてストローク頻度を前記電子機器が算出する頻度算出処理と、を有し
   前記頻度算出処理において、前記判別処理において判別された泳法に基づいて前記１方向又は２方向の加速度を選択する
   ことを特徴とする泳法判別方法。
7. コンピュータに、
   身体の左右方向、身長方向、及び前後方向それぞれの加速度を検出する加速度検出部を備える電子機器が検出した３方向の加速度の記述統計量として平均、分散及び歪度を算出し、前記記述統計量に基づいて泳法を判別する判別手順と、
   前記加速度検出部が検出した加速度のうち１方向又は２方向の加速度に基づいてストローク頻度を算出する頻度算出手順と、を実行させるための泳法判別プログラムであって、
   前記頻度算出手順において、前記判別手順において判別された泳法に基づいて前記１方向又は２方向の加速度を選択する
   ことを特徴とする泳法判別プログラム。