JP6509406B1 - 歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置 - Google Patents

歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置 Download PDF

Info

Publication number
JP6509406B1
JP6509406B1 JP2018084952A JP2018084952A JP6509406B1 JP 6509406 B1 JP6509406 B1 JP 6509406B1 JP 2018084952 A JP2018084952 A JP 2018084952A JP 2018084952 A JP2018084952 A JP 2018084952A JP 6509406 B1 JP6509406 B1 JP 6509406B1
Authority
JP
Japan
Prior art keywords
data
measurement
pedestrian
walking
walking mode
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
Application number
JP2018084952A
Other languages
English (en)
Other versions
JP2019187878A (ja
Inventor
大輔 福井
大輔 福井
恵木　正史
正史 恵木
弘充 中川
弘充 中川
田中　毅
毅 田中
賢稔 三宅
賢稔 三宅
貴司 小野
貴司 小野
伸也 堀越
伸也 堀越
野口　稔
稔 野口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi High Tech Corp
Original Assignee
Hitachi High Technologies Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi High Technologies Corp filed Critical Hitachi High Technologies Corp
Priority to JP2018084952A priority Critical patent/JP6509406B1/ja
Priority to US17/049,357 priority patent/US20210244317A1/en
Priority to CN201980025909.3A priority patent/CN111989040A/zh
Priority to EP19792057.2A priority patent/EP3785629A4/en
Priority to PCT/JP2019/016215 priority patent/WO2019208312A1/ja
Application granted granted Critical
Publication of JP6509406B1 publication Critical patent/JP6509406B1/ja
Publication of JP2019187878A publication Critical patent/JP2019187878A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7425—Displaying combinations of multiple images regardless of image source, e.g. displaying a reference anatomical image with a live image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7435—Displaying user selection data, e.g. icons in a graphical user interface
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/744—Displaying an avatar, e.g. an animated cartoon character
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—3D [Three Dimensional] animation
    • G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/08—Elderly
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Abstract

【課題】利用者の歩行態様を分析とともに分かりやすく表示可能とする歩行態様表示方法、歩行態様表示システム、歩行態様分析装置を提供する。【解決手段】歩行者の計測と歩行者と比較対照する参照歩行者の計測とを選択し、歩行者の１歩行分の歩行をアニメーションとして表示する第１の歩行モデル６０４を表示し、参照歩行者の１歩行分の歩行をアニメーションとして表示する第２の歩行モデル６０３を表示し、歩行者の計測に係る所定の特徴量データの大きさと参照歩行者の計測に係る所定の特徴量データの大きさとを比較可能に表示する（６０７）。【選択図】図６Ａ

Description

本発明は、歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置に関する。
人が自分の身体を自由に動かすには、骨、関節、筋肉や神経で構成される運動器が正常に機能する必要がある。ロコモティブシンドローム（運動器症候群、「ロコモ」）は運動器のいずれかあるいは複数に障害が起こり、立つ、歩く、走る、座るといった移動機能が低下している状態をいう。このような移動機能の低下が進行すると日常生活にも支障が生じるようになる。入院治療が必要になるような運動器障害は50歳以降に多発しているといわれており、高齢での運動器障害は支援や介護が必要になるリスクにつながる。運動器障害は徐々に進行するため、ロコモの予防、早期の発見、適切な対処の必要性が認識されている。
特許文献１は、歩行者の歩行状態を把握可能な歩行状態表示システムについて開示する。本システムでは対象者に歩行動作計測装置を取り付けて歩行させ、対象者の歩行状態を示す指標を求めて表示する。指標としては、歩行状態を示す歩幅、歩行周期、重心の変動状態、足部高さ、ひざ高さなどが例示されている。
特開２０１２−６５７２３号公報
人の移動機能の低下は歩行障害として表れる。このため、ロコモの早期発見、改善を進める人の歩行状態を把握し、対象者に分かりやすく伝えることが有効と考えられる。特許文献１では、求めた指標を歩行動作パターンとして、現状の対象者の歩行動作パターンと予め規定された最適な歩行動作パターンとを比較表示したり、指標を時系列的にグラフ表示したりすることが記載されているが、具体的にどのように表示するかについては記載されていない。
本発明の目的は、歩行者の歩行態様を分析とともに分かりやすく表示可能とし、さらに改善方法を提示可能にすることにより、ロコモの予防、早期の発見、適切な対処につなげることである。
本発明の一実施態様である、歩行者の歩行態様を表示する歩行態様表示方法は、複数の被計測者の歩行について、計測ごとに、被計測者の計測点の３次元空間の軌跡を示す骨格データと、骨格データにおける被計測者の１歩行を定義するピッチデータと、被計測者の１歩行分の骨格データから算出される特徴量データとをあらかじめ記憶し、複数の被計測者のうち、表示画面に表示させる歩行者の計測と歩行者と比較対照する参照歩行者の計測とを選択し、歩行者の計測に係る骨格データ及びピッチデータに基づき、歩行者の１歩行分の歩行をアニメーションとして表示する第１の歩行モデルを表示し、参照歩行者の計測に係る骨格データ及びピッチデータに基づき、参照歩行者の１歩行分の歩行をアニメーションとして表示する第２の歩行モデルを表示し、歩行者の計測に係る所定の特徴量データの大きさと参照歩行者の計測に係る所定の特徴量データの大きさとを比較可能に表示する。
その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。
歩行者の歩行態様を分析とともに分かりやすく表示可能とする。
歩行態様表示システムのハードウェア構成である。 歩行態様表示システムのソフトウェア構成である。 歩行の計測及び歩行態様分析モデルの作成、更新フローを示す図である。 ドメイン知識の登録フローを示す図である。 利用者の歩行態様を表示するフローである。 歩行態様の表示画面の例である。 歩行態様の表示画面の例である。 表示画面を表示させる全体フローである。 歩行モデルの表示フローである。 特徴量の表示フローである。 歩行態様度の表示フローである。 ドメイン知識の表示フローである。 ドメイン知識データのデータ構造である。 計測メタデータのデータ構造である。 骨格データのデータ構造である。 ピッチデータのデータ構造である。 特徴量データのデータ構造である。 特徴量の例示である。 特徴量説明データのデータ構造である。 分析モデルのデータ構造である。
図１に歩行態様表示システム１のハードウェア構成を示す。歩行態様表示システム１は、被計測者に対する歩行の計測とその計測結果より歩行態様分析モデルの作成を行う歩行態様分析システム１１０と、利用者の歩行態様を歩行態様分析装置による分析とともに表示する歩行態様表示端末１２０とを有し、歩行態様分析システム１１０の歩行態様分析装置１００と歩行態様表示端末１２０とはネットワーク１３０により接続されている。
歩行態様分析装置１００は、ＣＰＵ（Central Processing Unit）１０１、入力Ｉ／Ｆ（Interface）１０２、出力Ｉ／Ｆ１０３、メモリ１０４、ストレージ１０５、通信Ｉ／Ｆ１０６、Ｉ／Ｏポート１０７を備え、それらは内部バス１０８により結合され、汎用計算機として実現可能なものである。入力Ｉ／Ｆ１０２は、キーボードやマウス等の入力装置に接続され、また出力Ｉ／Ｆ１０３は、ディスプレイやプリンタに接続され、オペレータに対するＧＵＩ（Graphical User Interface）を実現する。通信Ｉ／Ｆ１０６はネットワーク１３０と接続するためのインタフェースである。ストレージ１０５は通常、ＨＤＤやＲＯＭ、フラッシュメモリなどの不揮発性メモリで構成され、歩行態様表示システム１が実行するプログラムやプログラムが処理対象とするデータ等を記憶する。メモリ１０４はＲＡＭ（Random Access Memory）で構成され、ＣＰＵ１０１の命令により、プログラムやプログラムの実行に必要なデータ等を一時的に記憶する。ＣＰＵ１０１は、ストレージ１０５からメモリ１０４にロードしたプログラムを実行する。
歩行態様分析装置１００はＩ／Ｏポート１０７を介してセンサ１１１と接続され、歩行態様分析システム１１０を構成する。歩行態様分析装置１００は、センサ１１１に対してセンシングデータの収集命令を出し、センサ１１１はこれに応じて被計測者の歩行についてセンシングを行い、計測結果を歩行態様分析装置１００に送信する。本実施例では、センサ１１１としてＴＯＦ（Time of Flight）方式による距離センサを用いる例を説明する。センサ１１１は、被計測者の歩行態様を捉えるため、被計測者の歩行中における身体の計測点（関節等）の３次元空間における動き（軌跡）を計測する。距離センサは、３次元空間における計測点の座標を直接的に求めることができる利点を有している。なお、センサ１１１は距離センサに限定されるものではない。例えば、センサ１１１をビデオカメラとし、ビデオカメラにより歩行中の計測者を撮影した映像から画像解析を行ってもよいし、加速度センサ、角度センサ、ジャイロセンサのようなセンサを用いてもよい。複数種類のセンサを用いることも可能である。センサ１１１自体が計測点の３次元空間の軌跡を出力するものであってもよく、センサ１１１の計測結果あるいは撮影結果から歩行態様分析装置１００が計測点の３次元空間の軌跡を算出するように構成してもよい。
歩行態様表示端末１２０は、利用者の歩行態様を歩行態様分析装置１００による分析とともに表示する。歩行態様表示端末１２０は、ＣＰＵ１２１、メモリ１２２、通信Ｉ／Ｆ１２３、入力Ｉ／Ｆ１２４、出力Ｉ／Ｆ１２５を備え、それらは内部バス１２６により結合され、タブレットやスマートフォンとして実現可能なものである。歩行態様表示端末１２０の各構成要素は歩行態様分析装置１００の相当する構成要素と同等である。
図２は歩行態様表示システム１のソフトウェア構成であり、システム１において実行されるプログラムとその関係を示している。オペレータプログラム２１０は、歩行を計測し、その計測結果より歩行態様分析モデルの作成、更新を行うためのＧＵＩを実現する機能を有する。データ可視化プログラム２２０は、利用者の歩行態様を分かりやすく表示する機能を有する。骨格データ抽出プログラム２３０は、オペレータプログラム２１０の骨格データ抽出呼出部２１２により起動され、センサ１１１からのセンシングデータより骨格データを抽出する機能を有する。特徴量算出プログラム２４０は、オペレータプログラム２１０の特徴量算出呼出部２１３により起動され、骨格データから被計測者の歩行態様を分析するための特徴量を算出する機能を有する。データ分析プログラム２５０は、特徴量から利用者の歩行態様を分析する歩行態様分析モデルの作成、更新を行う機能、計測データや分析モデルをデータベースに格納させる機能、データ可視化プログラム２２０により分析データを表示する際に、歩行態様の表示に必要なデータ取得や歩行態様分析モデルに基づく利用者の歩行態様の評価を行う機能を有する。データベースプログラム２６０は、歩行態様表示システム１に必要な計測データや分析モデルを、ストレージ１０５に格納し、管理する機能を有する。なお、オペレータプログラム２１０、骨格データ抽出プログラム２３０、特徴量算出プログラム２４０、データ分析プログラム２５０、データベースプログラム２６０は歩行態様分析装置１００にて実行されるプログラムであり、データ可視化プログラム２２０は歩行態様表示端末１２０で実行されるプログラムである。
図３を用いて、歩行態様分析装置１００が実行する、歩行の計測及びその計測結果より歩行態様分析モデルを作成、更新するフローについて説明する。被計測者３１０はオペレータ３２０に計測を依頼し（Ｓ０１）、オペレータ３２０は、被計測者３１０の計測メタデータをシステムに入力し、計測を開始するよう、オペレータプログラム２１０のユーザ入出力処理部２１１に対して指示する（Ｓ０２）。計測メタデータのデータ構造を図１３に示す。
計測メタデータ３３５は計測ごとに作成される（Ｓ１０）。計測メタデータは、データを一意に特定するための計測ＩＤ１３０１、センサ１１１による計測結果を格納する計測ファイル名１３０２、被計測者３１０に関する基礎データ１３０３〜１３０５を含む。基礎データは、歩行態様分析モデルの学習を行う際の学習データの母集団の決定、または歩行態様分析モデルの変数の一部として用いられる。基礎データとしては例えば、年齢１３０３、性別１３０４、歩行態様１３０５といった項目が挙げられる。
骨格データ抽出呼出部２１２（オペレータプログラム２１０）が、骨格データ抽出プログラム２３０を起動し、計測が開始される（Ｓ０３）。骨格データ抽出処理部２３１は、被計測者の歩行を計測し（Ｓ０４）、骨格データ３３１を出力する（Ｓ０５）。本実施例では、骨格データ抽出プログラム２３０がオンラインでセンサ１１１からセンシングデータを取得することを想定しているが、センサ１１１で取得したセンシングデータをオフラインで装置に入力することも可能である。骨格データ３３１のデータ構造を図１４に示す。
骨格データ３３１は、被計測者の計測点の３次元空間の軌跡であり、縦軸に時間（タイムスタンプ）１４０１、横軸に各計測点の（Ｘ，Ｙ，Ｚ）座標１４０２が格納されている。計測点には、歩行態様に影響する関節等が設定される。骨格データ３３１は、後述するように、被計測者の歩行に関する特徴量の抽出に用いられる。このため、被計測者個々の体格に依存する相違を捨象するため、例えば、歩行中を通じて振れの少ない身体中の計測点を、歩行中常に原点として相対化した相対座標として格納することが望ましい。
骨格データ抽出プログラム２３０は、骨格データ３３１を抽出すると、計測が終了した旨をオペレータプログラム２１０に返す。これを受けて、特徴量算出呼出部２１３（オペレータプログラム２１０）が、特徴量算出プログラム２４０を起動する（Ｓ０６）。まず、骨格データ取得部２４１は、骨格データ３３１を取得する（Ｓ０７）。次に、ピッチデータ抽出処理部２４２は、骨格データ３３１よりピッチデータを抽出する（Ｓ０８）。ピッチデータ３３２のデータ構造を図１５に示す。
ピッチデータ３３２は、骨格データ３３１における被計測者の１歩行を定義する。図１５の例では、計測ＩＤ１３０１により指定される骨格データは、ピッチ開始１５０１に規定される時間からピッチ終了１５０２に規定される時間までが１歩行であることを意味している。１歩行は例えば、歩行者が歩行中に右足のかかとを地面につけてから、再び右足のかかとが地面から離れるまでとして定義することができ、センシングデータより「右足のかかとが着地した時間」、「右足のかかとが地面から離れた時間」を検出し、それぞれをピッチ開始時刻、ピッチ終了時刻として、ピッチデータ３３２に登録する。
続いて、特徴量算出処理部２４３は、１歩行分の骨格データ３３１から特徴量データを算出する（Ｓ０８）。算出する特徴量は、図１６Ｂに示すように、あらかじめシステムにおいて定められている。特徴量は、歩行中における被計測者の関節や軸の動き、相関であって、骨格データ３３１から算出される。特徴量データ３３３のデータ構造を図１６Ａに示す。計測ＩＤ１３０１毎に、算出した特徴量１６０１が格納される。なお、後述するように計測した歩行態様を表示する際、特徴量の内容を被計測者にも理解できるように表示する。このため、システムで算出する特徴量を定義するのにあわせて、利用者に特徴量の内容を説明するために特徴量説明データ３３４を格納している。特徴量説明データ３３４のデータ構造を図１７に示す。特徴量説明データ３３４は、特徴量を一意に特定する特徴量ＩＤ１７０１、特徴量ＩＤで特定される特徴量の名称である特徴量名称１７０２、特徴量の内容を説明する特徴量説明１７０３を含む。
１回の計測により得られる、計測メタデータ３３５、骨格データ３３１、ピッチデータ３３２、特徴量データ３３３は、オペレータプログラム２１０のデータ永続化呼出部２１４よりデータ分析プログラム２５０に対して、データベースに格納するよう依頼される（Ｓ１１）。
データ分析プログラム２５０のデータ分析処理部２５６は、データベースに蓄積された被計測者の歩行データを学習データとして用い、歩行態様分析モデルの学習を行い（Ｓ１２）、分析モデル３３６を作成または更新する（Ｓ１３）。分析モデル３３６のデータ構造を図１８に示す。分析モデル３３６は、モデルを一意に特定するモデルＩＤ１８０１、モデルの分析タイプ１８０２、目的変数１８０３、モデルデータ１８０４を含む。例えば、本例のモデルＩＤ「１」の歩行態様分析モデルは、歩行態様「健常歩行」に該当する程度（「歩行態様度」という）を算出するロジスティック回帰分析モデルであって、その判定プログラムが「Binary Data 1」であることを意味している。なお、ここでは分析モデルとして教師有り学習モデルを使用するが、特定のモデルに限定されるものではない。
データ分析プログラムのデータ永続化処理部２５１は、オペレータプログラム２１０より依頼された計測メタデータ３３５、骨格データ３３１、ピッチデータ３３２、特徴量データ３３３、及びデータ分析処理部２５６が作成または更新した分析モデル３３６をデータベースプログラム２６０に保存、管理するよう依頼し（Ｓ１４）、データベースプログラム２６０がそれを実行する。
このように、歩行態様分析装置１００は分析モデル３３６を有し、これを用いてシステムの利用者の歩行態様の分析を行う。本実施例のシステムでは、分析した歩行態様を分かりやすく表示し、あるいは歩行態様を改善するためのアドバイスを行う。
図４を用いて、利用者の歩行態様に対してアドバイスを行うため、システムにドメイン知識を登録するフローについて説明する。データベースへの登録フローは歩行態様分析モデルの作成、更新フローの場合と同様であるため、詳細な説明は省略する。なお、上述した特徴量説明データ３３４の登録フローも図４と同じフローでシステムに登録される。
ドメイン知識とは、利用者の歩行態様を特徴づける特徴量に関する専門知識である。ドメイン知識データ４０１のデータ構造を図１２に示す。ドメイン知識データ４０１は、ドメイン知識を一意に特定する知識ＩＤ１２０１、知識分野１２０２、特徴量ＩＤ１７０１、条件１２０３、知識１２０４を含む。知識分野１２０２は、ドメイン知識が何の専門分野に関わる知識であるかを示す。特徴量ＩＤ１７０１はドメイン知識がどの特徴量についての専門知識であるかを示し、当該特徴量が条件１２０３に示される条件である場合における専門知識１２０４が登録されている。例えば、知識ＩＤ「２」では、フィットネス分野の知識であって、左手首の左右方向の動きの速さが10以上20未満の場合はトレーニングＡを受けることを勧める、ことが登録されている。知識ＩＤ「３」では、医療分野の知識であって、左手首の上下方向の動きの速さが20以上の場合は検査を受けることを勧める、ことが登録されている。知識１２０４の内容は、特徴量データが所定の条件にあるときに、利用者へ伝達することが望ましい注意、警告、アドバイス等であり、その内容は特に限定されない。
図５を用いて、利用者の歩行をセンシングして、利用者の歩行態様を歩行態様分析装置１００により分析し、利用者の歩行態様を表示するフローについて説明する。まずは、利用者３１５の歩行を歩行態様分析システム１１０により計測する。図３に関して説明したフローと同様に利用者３１５の歩行についての特徴量データ３３３を算出する。なお、この場合は利用者３１５の歩行態様は未知であるので、計測メタデータ３３５に歩行態様の情報はない。図５は利用者３１５の特徴量データが算出され、データベースに登録された後に、利用者の歩行態様を表示するフローを示している。この例では、オペレータ３２０が歩行態様表示端末１２０を操作する例を示しているが、利用者３１５が直接操作するようにしてもよい。
オペレータ３２０は歩行態様表示端末１２０に対して、利用者３１５の歩行態様を表示装置に表示させるため、データ可視化プログラム２２０を起動させる（Ｓ３１）。プログラムの起動や表示させる内容についての指示入力、端末（ディスプレイ）への表示はユーザ入出力処理部２２１（図２参照）によって実行される。データ可視化プログラム２２０は利用者の歩行態様を表示するために歩行態様分析装置１００に対して、表示用データを要求する（Ｓ３２）。表示用データの要求を受けて、データ分析プログラム２５０はデータベースプログラム２６０を通じて可視化に必要なデータを取得する（Ｓ３３）。なお、必要なデータは既にデータベースに格納されている。すなわち、利用者３１５に関する計測メタデータ３３５、骨格データ３３１、特徴量データ３３３、ピッチデータ３３２及び、歩行形態を分析する分析モデル３３６、特徴量説明データ３３４、ドメイン知識データ４０１である。その後、データ分析プログラム２５０は、取得したデータを表示するために必要な加工及び分析モデルを用いた歩行態様度データの算出等を実行する（Ｓ３４）。データ分析プログラム２５０はこれら表示に必要なデータを歩行態様表示端末１２０に送信する（Ｓ３５）。歩行態様表示端末１２０は受信した表示用データを用いて利用者３１５の歩行態様を表示する。オペレータ３２０はその結果を利用者３１５にフィードバックする（Ｓ３６）。
図６Ａ、図６Ｂは、歩行態様表示端末１２０により表示される利用者の歩行態様の表示画面の例である。表示画面６００は２名の歩行者の歩行態様を表示するようにされている。複数の歩行態様を一目で比較可能にすることで、利用者に自己の歩行態様の課題を理解しやすくするためである。比較対象とする歩行者（参照歩行者という）は、歩行態様の異なる他者であってもよいし、自己の過去の歩行態様であってもよい。
表示画面６００の構成について説明する。歩行者データ１が参照歩行者、歩行者データ２が利用者に係るものとする。第１選択欄６０１、第２選択欄６０２においてそれぞれ参照歩行者の計測ＩＤ、利用者の計測ＩＤを選択することにより、参照歩行者及び利用者の歩行態様を表示させる。
歩行モデル６０３、６０４は、歩行者の歩行をアニメーションとして表示するものである。歩行者を示すスケルトンモデルによる１歩行の動きを繰り返し表示する。本例のスケルトンモデルでは、歩行者の身体を模したスケルトンモデルに計測点が丸で示されている。歩行モデル６０３、歩行モデル６０４はそれぞれ参照歩行者、利用者の歩行を表す。
歩行態様度６０５、６０６は、歩行態様分析モデルを用いて歩行者の歩行を分析した歩行態様度を表示するものである。歩行態様度６０５は参照歩行者の歩行態様度である。この値は、図１８に示す分析モデルにおけるモデルＩＤ１を用いて分析することにより得ることができる。歩行態様度６０６は利用者の歩行態様度である。同様にモデルＩＤ１による分析に加えて、老人歩きを分析する分析モデルを用いて分析することで歩行態様度６０６を表示することができる。
表示画面６００の下部には特徴量表示欄６０７と特徴量説明欄６０８が設けられている。特徴量表示欄６０７は算出された特徴量のうち、利用者の歩行態様を特徴づける特徴量が表示される。本例では、参照歩行者と利用者の歩行態様に係る特徴量を比較しやすいように、棒グラフにより表されている。特徴量説明欄６０８には、特徴量表示欄６０７に表示されている内容の説明が表示される。図６Ａの場合は、利用者の歩行態様を特徴づける特徴量として、参照歩行者と利用者との間で差の割合が大きな特徴量を示しているので、その説明が表示されている。例えば、差の割合が大きな特徴量から順に所定数選択する。また、特徴量表示欄６０７に表示されている特徴量の名称またはグラフをクリック、あるいはタッチすることにより、オペレータが特定の特徴量について選択することができるようになっている。
図６Ｂは、図６Ａの画面表示において、オペレータが２番目の特徴量「首のＺ軸と背骨のＺ軸の速度の相互相関関数のピーク強度」を選択した場合の表示画面を示している。このとき、以下のように表示が変化する。
（１）特徴量表示欄６０７では選択した特徴量６１１が他の特徴量とは視覚的に識別可能に表示される。
（２）選択した特徴量６１１についての特徴量説明が、特徴量説明欄６０８に表示される。
（３）歩行モデル６０３、６０４のそれぞれに、選択した特徴量６１１を算出するのに使用される計測点６１２，６１３が識別可能に表示される。
（４）選択した特徴量６１１についてドメイン知識が存在する場合には、対応するドメイン知識６１４が表示される。
図７〜図１１を用いて、表示画面６００を表示させるフローについて説明する。図７は表示画面を表示する全体フローである。オペレータ３２０は、ブラウザ（データ可視化プログラム）２２０に対して、結果表示要求を行う（Ｓ４１）。結果表示要求には、端末１２０のＵＲＬや、表示画面に表示させる参照歩行者、利用者の計測ＩＤの選択等を含む。ピッチ抽出済骨格データ取得要求（Ｓ４２）は歩行モデル６０３、６０４の表示に関する。特徴量データ取得要求（Ｓ４４）は特徴量表示欄６０７、特徴量説明欄６０８の表示に関する。歩行態様度データ取得要求（Ｓ４６）は歩行態様度６０５、６０６の表示に関する。ドメイン知識データ取得要求（Ｓ４８）は、選択した特徴量６１１に関するドメイン知識６１４の表示に関する。
図８を用いて、表示画面６００への歩行モデルの表示フローについて説明する。骨格データ表示処理部２２２（データ可視化プログラム２２０、図２参照）は骨格データ取得処理部２５２（データ分析プログラム）にピッチ抽出済骨格データ取得要求を出す（Ｓ４２）。骨格データ取得処理部２５２はデータベースプログラム２６０を介して、選択された計測ＩＤに係る骨格データ（図１４参照）及びピッチデータ（図１５参照）を取得する（Ｓ５１，Ｓ５２）。取得した骨格データ、ピッチデータから、１歩行分の骨格データ（ピッチ抽出済骨格データ）を抽出する（Ｓ５３）。ピッチ抽出済骨格データは、骨格データ取得処理部２５２から骨格データ表示処理部２２２に送信され、骨格データ表示処理部２２２は当該データに基づき、アニメーション化して歩行モデルとして表示する（Ｓ４３）。
図９を用いて、表示画面６００への特徴量の表示フローについて説明する。特徴量データ表示処理部２２３は特徴量データ取得処理部２５３に特徴量データ取得要求を出す（Ｓ４４）。特徴量データ取得処理部２５３はデータベースプログラム２６０を介して、選択された計測ＩＤに係る特徴量データ（図１６Ａ参照）を取得する（Ｓ６１）。特徴量は、歩行者の歩行態様を正確に分析することを意図しているため膨大な種類を有する。このため、歩行者の歩行態様の特徴に密接にかかわる特徴量を選択して表示する必要がある。図６Ａの例では、選択した２つの計測ＩＤにおける差の割合の大きさを基準に表示する特徴量を選択するようにしている。このように、特徴量データ取得処理部２５３は、表示対象とする特徴量をあらかじめ定めた所定の基準で抽出する（Ｓ６２）。また、特徴量データ取得処理部２５３はデータベースプログラム２６０を介して、特徴量説明データ（図１７参照）を取得し（Ｓ６３）、表示対象として抽出した特徴量データに対応する特徴量データ説明を抽出する（Ｓ６４）。表示対象として抽出された特徴量データと特徴量説明データは、特徴量データ取得処理部２５３から特徴量データ表示処理部２２３に送信され、特徴量データ表示処理部２２３は当該データに基づき、棒グラフ等を作成して表示する（Ｓ４５）。
図１０を用いて、表示画面６００への歩行態様度の表示フローについて説明する。歩行態様度表示処理部２２５は歩行態様定量化処理部２５５に歩行態様度データ取得要求を出す（Ｓ４６）。歩行態様定量化処理部２５５はデータベースプログラム２６０を介して、歩行態様分析モデル（図１８参照）、及び選択された計測ＩＤに係る特徴量データを取得する（Ｓ７１）。取得した特徴量データを各分析モデルに適用し、各分析モデルに基づく歩行態様度データを算出する（Ｓ７３）。歩行態様度データは、歩行態様定量化処理部２５５から歩行態様度表示処理部２２５に送信され、歩行態様度表示処理部２２５は当該データに基づき、歩行態様度データを表示する（Ｓ４７）。表示方法は特に限定されないが、歩行態様が健常歩行でなく、何らかの異常が見られる場合には、図６Ａに示すように歩行態様度に高い値が算出された分析モデルの目的変数である歩行態様（図６Ａの場合は「老人歩き」）をあわせて表示することが望ましい。例えば、取得した特徴量データを分析モデル３３６に格納されている全ての分析モデルに適用し、このとき最も大きな値となる歩行態様度を表示するようにすればよい。
図１１を用いて、表示画面６００へのドメイン知識の表示フローについて説明する。ドメイン知識表示処理部２２４はドメイン知識取得処理部２５４にドメイン知識データ取得要求を出す（Ｓ４８）。ドメイン知識取得処理部２５４はデータベースプログラム２６０を介して、ドメイン知識データ（図１２参照）を取得する（Ｓ８１）。取得したドメイン知識データは、ドメイン知識取得処理部２５４からドメイン知識表示処理部２２４に送信され、ドメイン知識表示処理部２２４は当該データに基づき、ドメイン知識を表示する（Ｓ４９）。ドメイン知識取得処理部２５４が送付するドメイン知識は歩行態様分析装置１００に格納されているドメイン知識をすべて送付してもよいし、表示対象とする特徴量に関係するドメイン知識を抽出して送付するようにしてもよい。
以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、これに限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能なものである。例えば、表示画面６００が表示する特徴量として、歩行態様度に高い値が算出された分析モデルにおいて、高い重み付けがなされている特徴量を選択して表示するようにしてもよい。その場合、オペレータ３２０のブラウザ２２０への指示入力をインタラクティブに実行可能として、表示する特徴量を切り換えられるようにしてもよい。例えば、表示画面６００に対して特徴量の選択欄を設け、選択肢として「参照歩行者との差の割合の大きな特徴量」、「歩行態様度分析に寄与の大きな特徴量」等を選択可能にすることで、利用者３１５は複数の観点から自己の歩行態様を認識することが可能になる。
１：歩行態様表示システム、１００：歩行態様分析装置、１０１：ＣＰＵ、１０２：入力Ｉ／Ｆ、１０３：出力Ｉ／Ｆ、１０４：メモリ、１０５：ストレージ、１０６：通信Ｉ／Ｆ、１０７：Ｉ／Ｏポート、１０８：内部バス、１１０：歩行態様分析システム、１１１：センサ、１２０：歩行態様表示端末、１２１：ＣＰＵ、１２２：メモリ、１２３：通信Ｉ／Ｆ、１２４：入力Ｉ／Ｆ、１２５：出力Ｉ／Ｆ、１２６：内部バス、１３０：ネットワーク、２１０：オペレータプログラム、２２０：データ可視化プログラム、２３０：骨格データ抽出プログラム、２４０：特徴量算出プログラム、２５０：データ分析プログラム。

Claims (16)

  1. 歩行者の歩行態様を表示する歩行態様表示方法であって、
    複数の被計測者の歩行について、計測ごとに、被計測者の計測点の３次元空間の軌跡を示す骨格データと、骨格データにおける被計測者の１歩行を定義するピッチデータと、被計測者の１歩行分の骨格データから算出される特徴量データとをあらかじめ記憶し、
    前記複数の被計測者のうち、表示画面に表示させる歩行者の計測と前記歩行者と比較対照する参照歩行者の計測とを選択し、
    前記歩行者の計測に係る骨格データ及びピッチデータに基づき、前記歩行者の１歩行分の歩行をアニメーションとして表示する第１の歩行モデルを表示し、
    前記参照歩行者の計測に係る骨格データ及びピッチデータに基づき、前記参照歩行者の１歩行分の歩行をアニメーションとして表示する第２の歩行モデルを表示し、
    前記歩行者の計測に係る所定の特徴量データの大きさと前記参照歩行者の計測に係る所定の特徴量データの大きさとを比較可能に表示する歩行態様表示方法。
  2. 請求項１において、
    前記表示画面に表示される所定の特徴量データは、前記歩行者の計測に係る特徴量データの大きさと前記参照歩行者の計測に係る特徴量データの大きさとの差の割合が大きな特徴量データから選択される歩行態様表示方法。
  3. 請求項１において、
    被計測者の１歩行分の骨格データから算出される特徴量データの内容を説明する特徴量説明データをあらかじめ記憶し、
    前記表示画面に表示される所定の特徴量データのいずれかが選択されると、前記特徴量説明データより、前記選択された特徴量データの説明を表示し、前記選択された特徴量データの算出に用いられる計測点を前記第１の歩行モデル及び前記第２の歩行モデルに表示する歩行態様表示方法。
  4. 請求項３において、
    被計測者の１歩行分の骨格データから算出される特徴量データに関する専門知識であるドメイン知識データをあらかじめ記憶し、
    前記ドメイン知識データに前記選択された特徴量データに関する専門知識が存在する場合には、当該専門知識を前記表示画面に表示する歩行態様表示方法。
  5. 請求項１において、
    特徴量データから所定の歩行態様に該当する程度を示す歩行態様度を算出する歩行態様分析モデルをあらかじめ記憶し、
    歩行態様分析モデルに前記歩行者の計測に係る特徴量データを適用して前記歩行者の計測に係る第１の歩行態様度を算出し、
    歩行態様分析モデルに前記参照歩行者の計測に係る特徴量データを適用して前記参照歩行者の計測に係る第２の歩行態様度を算出し、
    前記第１の歩行態様度及び前記第２の歩行態様度を前記表示画面に表示する歩行態様表示方法。
  6. 請求項５において、
    複数の歩行態様分析モデルに前記歩行者の計測に係る特徴量データを適用して算出された最も大きな歩行態様度を、前記第１の歩行態様度として表示する歩行態様表示方法。
  7. 請求項６において、
    前記表示画面に表示される所定の特徴量データは、前記第１の歩行態様度の算出に係る歩行態様分析モデルにおいて寄与の大きな特徴量データから選択される歩行態様表示方法。
  8. 請求項５において、
    前記歩行態様分析モデルは、前記複数の被計測者の計測に係る特徴量データを学習データとして作成または更新される教師有り学習モデルである歩行態様表示方法。
  9. 歩行態様分析装置と、前記歩行態様分析装置とネットワークを介して接続される歩行態様表示端末とを有する歩行態様表示システムであって、
    前記歩行態様分析装置は、第１のプロセッサと、第１のメモリと、ストレージと、前記第１のメモリに読み込まれ、前記第１のプロセッサにより実行されるデータ分析プログラムとを有し、
    前記歩行態様表示端末は、第２のプロセッサと、第２のメモリと、前記第２のメモリに読み込まれ、前記第２のプロセッサにより実行されるデータ可視化プログラムとを有し、
    前記歩行態様分析装置の前記ストレージは、複数の被計測者の歩行について、計測ごとに、被計測者の計測点の３次元空間の軌跡を示す骨格データと、骨格データにおける被計測者の１歩行を定義するピッチデータと、被計測者の１歩行分の骨格データから算出される特徴量データとをあらかじめ記憶し、
    前記歩行態様表示端末の前記データ可視化プログラムは、
    前記複数の被計測者のうち、表示画面に表示させる歩行者の計測と前記歩行者と比較対照する参照歩行者の計測との選択を受ける入出力処理部と、
    前記歩行者及び前記参照歩行者の１歩行分の歩行をアニメーションとして表示する歩行モデルを表示する骨格データ表示処理部と、
    前記歩行者の計測に係る所定の特徴量データの大きさと前記参照歩行者の計測に係る所定の特徴量データの大きさとを比較可能に表示する特徴量データ表示処理部とを有しており、
    前記歩行態様分析装置の前記データ分析プログラムは、
    前記ストレージより前記歩行者の計測及び前記参照歩行者の計測に係る１歩行分の骨格データを抽出して、前記骨格データ表示処理部に送信する骨格データ取得処理部と、
    前記ストレージより前記歩行者の計測及び前記参照歩行者の計測に係る前記所定の特徴量データを抽出して、前記特徴量データ表示処理部に送信する特徴量データ取得処理部とを有する歩行態様表示システム。
  10. 請求項９において、
    前記特徴量データ取得処理部は、前記歩行者の計測に係る特徴量データの大きさと前記参照歩行者の計測に係る特徴量データの大きさとの差の割合が大きな特徴量データから選択する歩行態様表示システム。
  11. 請求項９において、
    前記歩行態様分析装置の前記ストレージは、特徴量データから所定の歩行態様に該当する程度を示す歩行態様度を算出する歩行態様分析モデルをあらかじめ記憶し、
    前記歩行態様表示端末の前記データ可視化プログラムは、前記歩行者の計測及び前記参照歩行者の計測に係る歩行態様度を表示する歩行態様度表示処理部を有し、
    前記歩行態様分析装置の前記データ分析プログラムは、前記ストレージより抽出した前記歩行者の計測及び前記参照歩行者の計測に係る特徴量データを歩行態様分析モデルに適用して前記歩行者の計測及び前記参照歩行者の計測に係る歩行態様度を算出し、前記歩行態様度表示処理部に送信する歩行態様定量化処理部を有する歩行態様表示システム。
  12. 請求項１１において、
    前記歩行態様定量化処理部は、複数の歩行態様分析モデルに前記歩行者の計測に係る特徴量データを適用して算出された最も大きな歩行態様度を、前記歩行者の計測に係る歩行態様度として前記歩行態様度表示処理部に送信する歩行態様表示システム。
  13. 歩行態様表示端末とネットワークを介して接続される歩行態様分析装置であって、
    プロセッサと、
    メモリと、
    ストレージと、
    前記メモリに読み込まれ、前記プロセッサにより実行されるデータ分析プログラムとを有し、
    前記ストレージは、複数の被計測者の歩行について、計測ごとに、被計測者の計測点の３次元空間の軌跡を示す骨格データと、骨格データにおける被計測者の１歩行を定義するピッチデータと、被計測者の１歩行分の骨格データから算出される特徴量データとをあらかじめ記憶し、
    前記データ分析プログラムは、
    前記歩行態様表示端末に歩行者及び前記歩行者と比較対照する参照歩行者の１歩行分の歩行をアニメーションとして表示させるため、前記ストレージより前記歩行者の計測及び前記参照歩行者の計測に係る１歩行分の骨格データを抽出する骨格データ取得処理部と、
    前記歩行態様表示端末に前記歩行者の計測に係る所定の特徴量データの大きさと前記参照歩行者の計測に係る所定の特徴量データの大きさとを比較可能に表示させるため、前記ストレージより前記歩行者の計測及び前記参照歩行者の計測に係る前記所定の特徴量データを抽出する特徴量データ取得処理部とを有する歩行態様分析装置。
  14. 請求項１３において、
    前記特徴量データ取得処理部は、前記歩行者の計測に係る特徴量データの大きさと前記参照歩行者の計測に係る特徴量データの大きさとの差の割合が大きな特徴量データから選択する歩行態様分析装置。
  15. 請求項１３において、
    前記ストレージは、特徴量データから所定の歩行態様に該当する程度を示す歩行態様度を算出する歩行態様分析モデルをあらかじめ記憶し、
    前記データ分析プログラムは、前記歩行態様表示端末に前記歩行者の計測及び前記参照歩行者の計測に係る歩行態様度を表示させるため、前記ストレージより抽出した前記歩行者の計測及び前記参照歩行者の計測に係る特徴量データを歩行態様分析モデルに適用して前記歩行者の計測及び前記参照歩行者の計測に係る歩行態様度を算出する歩行態様定量化処理部を有する歩行態様分析装置。
  16. 請求項１５において、
    前記歩行態様定量化処理部は、複数の歩行態様分析モデルに前記歩行者の計測に係る特徴量データを適用して算出された最も大きな歩行態様度を、前記歩行者の計測に係る歩行態様度とする歩行態様分析装置。
JP2018084952A 2018-04-26 2018-04-26 歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置 Active JP6509406B1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2018084952A JP6509406B1 (ja) 2018-04-26 2018-04-26 歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置
US17/049,357 US20210244317A1 (en) 2018-04-26 2019-04-15 Walking mode display method, walking mode display system and walking mode analyzer
CN201980025909.3A CN111989040A (zh) 2018-04-26 2019-04-15 行走形态显示方法、行走形态显示系统以及行走形态分析装置
EP19792057.2A EP3785629A4 (en) 2018-04-26 2019-04-15 WALKWAY INDICATION METHOD, WALKWAY INDICATION SYSTEM AND WALKWAY ANALYSIS DEVICE
PCT/JP2019/016215 WO2019208312A1 (ja) 2018-04-26 2019-04-15 歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018084952A JP6509406B1 (ja) 2018-04-26 2018-04-26 歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置

Publications (2)

Publication Number Publication Date
JP6509406B1 true JP6509406B1 (ja) 2019-05-08
JP2019187878A JP2019187878A (ja) 2019-10-31

Family

ID=66429926

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018084952A Active JP6509406B1 (ja) 2018-04-26 2018-04-26 歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置

Country Status (5)

Country Link
US (1) US20210244317A1 (ja)
EP (1) EP3785629A4 (ja)
JP (1) JP6509406B1 (ja)
CN (1) CN111989040A (ja)
WO (1) WO2019208312A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021003489A (ja) * 2019-06-27 2021-01-14 トヨタ自動車株式会社 リハビリ支援システム、推定装置、学習装置、方法、プログラム、及び学習済みモデル

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7344096B2 (ja) 2019-11-19 2023-09-13 日本放送協会 触覚メタデータ生成装置、映像触覚連動システム、及びプログラム
WO2024069911A1 (ja) * 2022-09-30 2024-04-04 三菱電機株式会社 姿態改善支援システム、処理装置、姿態改善支援方法、及び処理方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3570163B2 (ja) * 1996-07-03 2004-09-29 株式会社日立製作所 動作及び行動の認識方法及び装置及びシステム
US7366645B2 (en) * 2002-05-06 2008-04-29 Jezekiel Ben-Arie Method of recognition of human motion, vector sequences and speech
KR100786703B1 (ko) * 2004-07-24 2007-12-21 삼성전자주식회사 가속도 센서를 이용한 운동량 측정장치 및 방법
JP5628560B2 (ja) * 2010-06-02 2014-11-19 富士通株式会社 携帯電子機器、歩行軌跡算出プログラム及び歩行姿勢診断方法
JP5586050B2 (ja) * 2010-06-18 2014-09-10 国立大学法人東北大学 歩行解析システム
JP5644312B2 (ja) * 2010-09-21 2014-12-24 大日本印刷株式会社 歩行状態表示システム
JP2013188294A (ja) * 2012-03-13 2013-09-26 Casio Computer Co Ltd 運動情報生成システム、運動情報生成プログラムおよび運動情報生成方法
CN102824177B (zh) * 2012-07-25 2014-11-26 王哲龙 一种三维人体步态定量分析系统和方法
JP5811360B2 (ja) * 2012-12-27 2015-11-11 カシオ計算機株式会社 運動情報表示システムおよび運動情報表示方法、運動情報表示プログラム
JP2015011480A (ja) * 2013-06-27 2015-01-19 カシオ計算機株式会社 画像生成装置、画像生成方法及びプログラム
JP2015061579A (ja) * 2013-07-01 2015-04-02 株式会社東芝 動作情報処理装置
JP2015058096A (ja) * 2013-09-18 2015-03-30 カシオ計算機株式会社 運動支援装置及び運動支援方法、運動支援プログラム
CN103519822B (zh) * 2013-10-15 2017-02-15 广州市章和电气设备有限公司 一种三维步态分析仪
JP5888309B2 (ja) * 2013-10-31 2016-03-22 カシオ計算機株式会社 トレーニング支援装置およびシステム、フォーム解析装置および方法、ならびにプログラム
JP2015112392A (ja) * 2013-12-13 2015-06-22 カシオ計算機株式会社 運動情報表示システムおよび運動情報表示方法、運動情報表示プログラム
JP2015116288A (ja) * 2013-12-18 2015-06-25 カシオ計算機株式会社 運動情報表示システムおよび運動情報表示方法、運動情報表示プログラム
JP6583605B2 (ja) * 2014-12-12 2019-10-02 カシオ計算機株式会社 運動情報生成装置及び運動情報生成方法、運動情報生成プログラム
JP6565369B2 (ja) * 2015-06-22 2019-08-28 カシオ計算機株式会社 運動支援装置及び運動支援方法、運動支援プログラム
JP2017080199A (ja) * 2015-10-29 2017-05-18 キヤノンマーケティングジャパン株式会社 情報処理装置、情報処理方法、プログラム
US20180247644A1 (en) * 2017-02-27 2018-08-30 Intel Corporation Queueing spoken dialogue output

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021003489A (ja) * 2019-06-27 2021-01-14 トヨタ自動車株式会社 リハビリ支援システム、推定装置、学習装置、方法、プログラム、及び学習済みモデル
JP7255392B2 (ja) 2019-06-27 2023-04-11 トヨタ自動車株式会社 リハビリ支援システム、推定装置、学習装置、方法、プログラム、及び学習済みモデル

Also Published As

Publication number Publication date
JP2019187878A (ja) 2019-10-31
US20210244317A1 (en) 2021-08-12
EP3785629A1 (en) 2021-03-03
WO2019208312A1 (ja) 2019-10-31
CN111989040A (zh) 2020-11-24
EP3785629A4 (en) 2022-03-30

Similar Documents

Publication Publication Date Title
JP6509406B1 (ja) 歩行態様表示方法、歩行態様表示システム及び歩行態様分析装置
CN112970074A (zh) 身体活动量化和监测
US20180184947A1 (en) Integrated Goniometry System and Method for Use of Same
US11547324B2 (en) System and method for human motion detection and tracking
KR102128267B1 (ko) 제자리 걸음 특성 정보를 이용한 보행 능력 예측 방법 및 시스템
US20150133823A1 (en) Motion analysis method
CN113728394A (zh) 身体活动执行和训练的评分度量
WO2022059228A1 (ja) 運動評価装置および運動評価システム
KR102128268B1 (ko) 발 특성 정보를 이용한 보행 능력 예측 방법 및 시스템
CN110603550A (zh) 利用导航任务识别生物标志物和利用导航任务进行治疗的平台
Pandit et al. Abnormal gait detection by classifying inertial sensor data using transfer learning
Soltaninejad et al. Body movement monitoring for Parkinson’s disease patients using a smart sensor based non-invasive technique
CN117392746A (zh) 康复训练评估辅助方法、装置、计算机设备和存储介质
US11497962B2 (en) System and method for human motion detection and tracking
KR101963624B1 (ko) 무릎의 운동 능력 평가 시스템 및 방법
Gruić et al. Construction and validation of protocol for digital measurement of human body
JP2022065241A (ja) 運動可視化システムおよび運動可視化方法
JP6486200B2 (ja) 移動運動解析装置及びシステム並びにプログラム
Budzyńska et al. Verification of Selected Gait Parameters Derived from Inertial Sensors Using Simple Smartphone Based Optical System
CN112753056B (zh) 用于身体部位的体育训练的系统和方法
EP4053793A1 (en) System and method for human motion detection and tracking
JP7180496B2 (ja) 患者検索支援プログラム、患者検索支援システム、及び、患者検索支援方法
JP6869417B1 (ja) プログラム、方法、情報処理装置、システム
WO2023163104A1 (ja) 関節角度学習推測システム、関節角度学習システム、関節角度推測装置、関節角度学習方法、およびコンピュータプログラム
WO2022038664A1 (ja) 計算装置、歩容計測システム、計算方法、およびプログラム記録媒体

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181220

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20181220

TRDD Decision of grant or rejection written
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20190222

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190305

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190402

R150 Certificate of patent or registration of utility model

Ref document number: 6509406

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350