JP6597797B2 - 情報処理システム、情報処理プログラムおよび情報処理方法 - Google Patents

Description

本発明は、情報処理システム等に関する。

従来では、両脚のセンサを使って、歩行開始と歩行終了とを検出する技術が知られている。例えば、腰および膝の角度から歩行開始の前兆を検出したうえで、靴底の足圧から爪先離れを検出することで歩行開始を検出する技術がある（例えば、非特許文献１参照）。

また、携帯端末を手に所持した歩行者が方向転換した際に、携帯端末がその方向転換を検出する技術がある（例えば、特許文献１参照）。かかる技術では、地磁気センサ、加速度センサおよびＧＰＳ部を有する携帯端末が、以下の条件の場合に、歩行者が方向転換したと判定する。すなわち、条件は、第１の時点の第１の進行方向と第３の時点の第３の進行方向との間の第１の方位差が角度閾値以上であって、第２の時点の第２の進行方向と第４の時点の第４の進行方向との間の第２の方位差が角度閾値以上であることである。

特開２００９−７５０３６号公報 特開平１０−１１３３４３号公報 特開２００８−０２７４２９号公報 特開２００９−１５０７１１号公報 特開２０１０−２２３８２９号公報

"Automated detection of gait initiation and termination using wearable sensors Medical Engineering & Physics, Vol.35, Issue 12, pp1713-1720"

しかしながら、従来の技術では、両脚のセンサのみを使って、方向転換動作の特徴量を高精度に抽出できないという問題がある。

例えば、携帯端末が方向転換を検出する技術では、携帯端末が、手に所持した位置でセンサを使って方位差の変化から方向転換の区間を検出できるが、個々の方向転換動作の特徴量を高精度に抽出できない。なぜなら、非常に小さい歩幅で方向転換する場合、手に所持した位置でのセンサでは、個々のステップ動作を検出できないからである。

仮に、両脚のセンサが歩行開始を検出する技術と携帯端末が方向転換を検出する技術とを組み合わせれば、方向転換動作の特徴量を抽出可能であるが、両脚だけでなく、上半身にもセンサを装着する必要がある。

１つの側面では、両脚のセンサのみを使って、方向転換動作の特徴量を高精度に抽出することを目的とする。

本願の開示する情報処理システムは、左脚に用いられる第１のモーションセンサと、右脚に用いられる第２のモーションセンサと、前記センサで取得したデータを処理する情報処理部と、を有する。前記情報処理部は、前記センサで取得したデータにおいて、重力方向を軸とした下肢回転の動作が発生した箇所を方向転換の動作候補として抽出する動作候補抽出部と、前記動作候補抽出部によって抽出された複数の動作候補について、前記回転の方向が同じであり、左脚の動作候補と右脚の動作候補とが交互に現れ、時間的に連続する場合に、方向転換動作と判定する方向転換動作判定部と、前記センサで取得したデータを用いて、前記方向転換動作判定部によって判定された方向転換動作の特徴を抽出する特徴抽出部と、を有する。

１つの態様によれば、両脚のセンサのみを使って、方向転換動作の特徴量を高精度に抽出することができる。

図１は、実施例に係る情報処理システムの構成を示す機能ブロック図である。 図２Ａは、センサデバイスの軸方向について説明する図である。 図２Ｂは、センサデバイスの装着の一例を示す図である。 図３は、実施例に係る方向転換区間判定を説明する図である。 図４は、ピーク検出の一例を示す図である。 図５は、実施例に係る歩行区間判定を説明する図である。 図６は、実施例に係る情報処理の全体のフローチャートを示す図である。 図７Ａは、実施例に係る方向転換区間抽出処理のフローチャートを示す図である。 図７Ｂは、実施例に係る方向転換区間抽出処理のフローチャートを示す図である。 図７Ｃは、実施例に係る方向転換区間抽出処理のフローチャートを示す図である。 図８は、実施例に係る方向転換特徴抽出処理のフローチャートを示す図である。 図９Ａは、実施例に係る過渡歩行区間抽出処理のフローチャートを示す図である。 図９Ｂは、実施例に係る過渡歩行区間抽出処理のフローチャートを示す図である。 図９Ｃは、実施例に係る過渡歩行区間抽出処理のフローチャートを示す図である。 図１０は、実施例に係る過渡歩行特徴抽出処理のフローチャートを示す図である。 図１１Ａは、実施例に係る動作候補抽出処理の具体例を示す図である。 図１１Ｂは、実施例に係る動作候補抽出処理の具体例を示す図である。 図１１Ｃは、実施例に係る動作候補抽出処理の具体例を示す図である。 図１１Ｄは、実施例に係る動作候補抽出処理の具体例を示す図である。 図１１Ｅは、実施例に係る動作候補抽出処理の具体例を示す図である。 図１２Ａは、実施例に係る方向転換区間判定処理の具体例を示す図である。 図１２Ｂは、実施例に係る方向転換区間判定処理の具体例を示す図である。 図１２Ｃは、実施例に係る方向転換区間判定処理の具体例を示す図である。 図１２Ｄは、実施例に係る方向転換区間判定処理の具体例を示す図である。 図１３Ａは、実施例に係る方向転換特徴抽出処理の具体例を示す図である。 図１３Ｂは、実施例に係る方向転換特徴抽出処理の具体例を示す図である。 図１３Ｃは、実施例に係る方向転換特徴抽出処理の具体例を示す図である。 図１４Ａは、実施例に係る歩行区間特定処理の具体例を示す図である。 図１４Ｂは、実施例に係る歩行区間特定処理の具体例を示す図である。 図１４Ｃは、実施例に係る歩行区間特定処理の具体例を示す図である。 図１４Ｄは、実施例に係る歩行区間特定処理の具体例を示す図である。 図１５は、実施例に係る歩行特徴抽出処理の具体例を示す図である。 図１６は、実施例に係る歩行特徴抽出処理の別の具体例を示す図である。 図１７は、実施例に係る特徴量保存処理の具体例を示す図である。 図１８は、実施例に係る特徴量可視化処理の具体例を示す図である。 図１９は、情報処理プログラムを実行するコンピュータの一例を示す図である。

以下に、本願の開示する情報処理システム、情報処理プログラムおよび情報処理方法の実施例を図面に基づいて詳細に説明する。なお、実施例によりこの発明が限定されるものではない。

［情報処理システムの構成］
図１は、実施例に係る情報処理システムの構成を示す機能ブロック図である。図１に示すように、情報処理システム９は、情報処理装置１と、センサデバイス２，３とを有する。情報処理装置１は、センサデバイス２およびセンサデバイス３とそれぞれ接続する。

センサデバイス２は、互いに直交する３軸周りの回転角速度を検出する角速度センサ（ジャイロセンサ）であり、例えば被験者の左脚に装着される。ここで、センサデバイス２の軸方向について、図２Ａを参照して説明する。

図２Ａは、センサデバイスの軸方向について説明する図である。図２Ａの頭上から見た場合に示すように、Ｚ軸周りの角速度は、被験者の歩行において、横（左右）方向の回転に伴う変位値となる。すなわち、所定時点のセンサデバイス２の装着姿勢を基準とした左右方向の回転量であり、例えば、右方向の回転量がプラス（正方向）となり、左方向の回転量がマイナスとなる。図２Ａの右から見た場合に示すように、Ｘ軸周りの角速度は、被験者の歩行において、前後方向の回転に伴う変位値となる。すなわち、所定時点のセンサデバイス２の装着姿勢を基準とした前後方向の回転量であり、後方向（起き上がり方向）の回転量がプラス（正方向）となり、前方向（前傾方向）の回転量がマイナスとなる。Ｙ軸周りの角速度は、被験者の歩行において体幹方向の回転に伴う変位値となる。すなわち、所定時点のセンサデバイス２の装着姿勢を基準とした左右方向の回転量であり、右方向の回転量がプラスとなり、左方向の回転量がマイナスとなる。なお、センサデバイス２は、互いに直交する３軸方向の加速度を検出する加速度センサであっても良い。また、センサデバイス２は、ジャイロセンサおよび加速度センサを有しても良い。以降では、センサデバイス２は、ジャイロセンサであるとして説明する。

センサデバイス２は、データ取得部２１およびデータ送信部２２を有する。データ取得部２１は、ジャイロデータを取得する。データ送信部２２は、データ取得部２１によって取得されたジャイロデータを情報処理装置１へ送信する。

センサデバイス３は、センサデバイス２と同じデバイスであり、例えば被験者の右脚に装着されるが、センサデバイス２と同じ機能であるので、その説明を省略する。

ここで、センサデバイス２，３の装着の一例を、図２Ｂを参照して説明する。図２Ｂは、センサデバイスの装着の一例を示す図である。図２Ｂに示すように、被験者の両脚にそれぞれセンサデバイス２，３が装着される。すなわち、被験者の左脚にセンサデバイス２が装着され、被験者の右脚にセンサデバイス３が装着される。センサデバイス２，３は、情報処理装置１と通信し、被験者の方向転換動作および歩行動作に応じて各種データを情報処理装置１に送信する。

図１に戻って、情報処理装置１は、被験者の両脚に装着されるセンサデバイス２，３のデータのみを使って、被験者の方向転換動作および歩行動作の特徴量を抽出する。情報処理装置１は、データ取得部１１、動作候補抽出部１２、左右対称性抽出部１３、時間特徴抽出部１４、位相特徴抽出部１５、方向転換区間判定部１６および方向転換特徴抽出部１７を有する。加えて、情報処理装置１は、前後区間特定部１８、歩行区間判定部１９、歩行特徴抽出部２０、特徴量保存部２１、特徴量可視化部２２およびデータ記憶部２３を有する。なお、センサデバイス２，３は、それぞれ第１のモーションセンサ，第２のモーションセンサの一例である。情報処理装置１は、情報処理部の一例である。

データ取得部１１は、センサデバイス２，３からそれぞれ送信される各種データを受信し、受信した各種データをデータ記憶部２３に蓄積する。例えば、データ取得部１１は、各種データを１秒間に６０サンプルずつ受信し、受信した各種データを蓄積する。なお、各種データには、横（左右）方向の回転量、前後方向の回転量および体幹の回転量が含まれる。そして、１時点毎、各種データが、データ記憶部２３に蓄積される。

データ取得部１１は、方向転換の特徴を抽出する旨の開始指示を取得すると、取得した指示に基づいて、データ記憶部２３から該当する被験者の各種データを読み出す。データ取得部１１は、読み出した各種データを動作候補抽出部１２に出力する。

動作候補抽出部１２は、横方向への回転量が第１閾値より大きい箇所を方向転換の動作候補として抽出する。例えば、動作候補抽出部１２は、データ取得部１１から出力される各種データのうち横方向への角速度からピークを検出する。ピーク検出は、一例として、バターワースフィルタ等のローパスフィルタを角速度データに適用した上で、実行する。動作候補抽出部１２は、ピーク前後での横方向への回転量が第１閾値より大きい場合に、このピーク前後を一纏まりとした箇所を方向転換の動作候補として抽出する。なお、動作候補抽出部１２は、所定時間内に、同じ側の脚で横方向への回転が同じ方向となるピークが連続した場合には、これらのピークをグループ化して１つのピークとして検出しても良い。人が１ステップ歩く場合、横方向への回転は、前方向への進行と比べて、動作が複雑なため、ピークが連続しやすいからである。これにより、動作候補抽出部１２は、１歩当たりの方向転換の動作候補を１つ抽出できる。

左右対称性抽出部１３は、動作候補抽出部１２によって抽出された動作候補について、直前の動作候補と比べて、左脚の動作候補と右脚の動作候補が交互に出現しているか否かを抽出する。

時間特徴抽出部１４は、動作候補抽出部１２によって抽出された動作候補について、直前の動作候補との間の時間間隔を抽出する。

位相特徴抽出部１５は、動作候補抽出部１２によって抽出される動作候補について、直前の動作候補と横方向の回転がいずれも同方向（同位相）であるか否かを抽出する。

方向転換区間判定部１６は、時間特徴抽出部１４によって抽出された特徴、左右対称性抽出部１３によって抽出された特徴、且つ、位相特徴抽出部１５によって抽出された特徴が所定条件を満たした区間であれば、方向転換区間と判定する。すなわち、方向転換区間判定部１６は、動作候補抽出部１２によって抽出された複数の動作候補の中で、横方向への回転方向が同じであり、左脚と右脚とが交互に回転し、時間的に連続する動作候補の区間を方向転換動作と判定する。

なお、方向転換区間判定部１６によって方向転換区間を判定する方法は、上記の条件判定による方法に限定されない。方向転換区間判定部１６は、隠れマルコフモデル（ＨＭＭ）等を用いて方向転換区間を確率的に判定しても良い。隠れマルコフモデル（ＨＭＭ）を用いて方向転換区間を判定する方法は、後述する。

ここで、実施例に係る方向転換区間判定を、図３を参照して説明する。図３は、実施例に係る方向転換区間判定を説明する図である。図３上下図の実線で示すように、時間毎に、センサデバイス２から送信された左脚の横方向の角速度およびセンサデバイス３から送信された右脚の横方向の角速度が時系列にグラフで表わされている。なお、グラフ中の点線は、前方向の角速度を表している。

動作候補抽出部１２は、横方向への回転量にローパスフィルタをかけてからピークを検出し、ピーク開始からピーク終了までの横方向への回転量が第１閾値より大きい場合に、このピーク前後を一纏まりとした箇所を方向転換の動作候補として抽出する。ここでは、ピークｐ１〜ｐ７のそれぞれの横方向への回転量が第１閾値より大きい。そこで、動作候補抽出部１２は、ピークｐ１〜ｐ７を、それぞれ方向転換の動作候補として抽出する。

時間特徴抽出部１４は、動作候補抽出部１２によって抽出された動作候補について、直前の動作候補との間の時間間隔を抽出する。ここでは、一例として、動作候補のピークｐ１とｐ２との間の時間間隔がｔ１と抽出される。同様に、動作候補のピークｐ２とｐ３との間の時間間隔が抽出される。動作候補のピークｐ３とｐ４との間の時間間隔が抽出される。動作候補のピークｐ４とｐ５との間の時間間隔が抽出される。動作候補のピークｐ５とｐ６との間の時間間隔が抽出される。

左右対称性抽出部１３は、動作候補抽出部１２によって抽出された動作候補について、直前の動作候補と比べて、左脚の動作候補と右脚の動作候補が交互に出現しているか否かを抽出する。ここでは、ピークｐ２は左脚の動作候補であり、直前の動作候補であるピークｐ１は右脚の動作候補であるので、交互に出現していることが抽出される。同様に、ピークｐ３は右脚の動作候補であり、直前の動作候補であるピークｐ２は左脚の動作候補であるので、交互に出現していることが抽出される。ピークｐ４は左脚の動作候補であり、直前の動作候補であるピークｐ３は右脚の動作候補であるので、交互に出現していることが抽出される。ピークｐ５は右脚の動作候補であり、直前の動作候補であるピークｐ４は左脚の動作候補であるので、交互に出現していることが抽出される。ピークｐ６は左脚の動作候補であり、直前の動作候補であるピークｐ５は右脚の動作候補であるので、交互に出現していることが抽出される。ピークｐ７は左脚の動作候補であり、直前の動作候補であるピークｐ６は右脚の動作候補であるので、交互に出現していることが抽出される。

位相特徴抽出部１５は、動作候補抽出部１２によって抽出される動作候補について、直前の動作候補と横方向の回転がいずれも同方向（同位相）であるか否かを抽出する。ここでは、ピークｐ１〜ｐ７は、回転量の符号がいずれも正であることから、いずれも右方向への回転であることが抽出される。したがって、ピークｐ１〜ｐ７は、いずれも同方向（同位相）であることが抽出される。

方向転換区間判定部１６は、時間特徴抽出部１４によって抽出された特徴、左右対称性抽出部１３によって抽出された特徴、且つ、位相特徴抽出部１５によって抽出された特徴が所定条件を満たした区間であれば、方向転換区間と判定する。すなわち、方向転換区間判定部１６は、動作候補抽出部１２によって抽出された複数の動作候補の中で、横方向への回転方向が同じであり、左脚と右脚とが交互に回転し、時間的に連続する動作候補の区間を方向転換動作と判定する。ここでは、時間特徴抽出部１４によって抽出された特徴により、ピークｐ１〜ｐ７が時間的に連続する動作候補である。左右対称抽出部１３によって抽出された特徴により、ピークｐ１〜ｐ７が左脚と右脚とが交互に回転する動作候補である（ｊ２）。位相特徴抽出部１５によって抽出された特徴により、ピークｐ１〜ｐ７がそれぞれ同位相である動作候補である（ｊ３）。したがって、動作候補のピークｐ１〜ｐ７の区間が、方向転換区間と判定される。

また、動作候補抽出部１２によって検出されるピークの検出方法を、図４を参照して説明する。図４は、ピーク検出の一例を示す図である。図４に示すように、片足を１歩だけ進める場合に、前方向へ進行するより横方向へ回転する方が、動作が複雑になることが多い。横方向へ回転する場合に動作が複雑になると、ジャイロ波形では、複数のピークが連続して発生する。複数のピークが連続して発生する一例として、横方向へ回転するときに、離脚前から着脚後までの着地直前に脚が回転するような場合である。離脚前とは、脚が離れる前のことをいう。着脚後とは、脚が着いた後のことをいう。ここでは、片足を１歩だけ横方向へ回転したときに、複数のピークｐ１１、ｐ１２が連続して発生したとする。

このような場合に、動作候補抽出部１２は、所定時間内に、同じ側の脚で横方向への回転が同じ方向となるピークが連続する場合には、これらのピークをグループ化する。ここでは、所定時間は１００ｍｓであるとする。すると、ピークｐ１１およびピークｐ１２は、同じ側の脚であり、同じ方向の横方向への回転であり、連続する。そして、ピークｐ１１およびピークｐ１２の間は１００ｍｓより小さい。したがって、動作候補抽出部１２は、ピークｐ１１およびピークｐ１２をピークｐ１０としてグループ化する。これにより、動作候補抽出部１２は、１歩当たりの方向転換の動作候補を１つ抽出することができる。なお、所定時間内に連続して出現する複数のピークのことを「多重ピーク」というものとし、多重ピークをグループ化することを「チャンキング処理」というものとする。

図１に戻って、方向転換特徴抽出部１７は、データ記憶部２３に記憶されたデータを用いて、方向転換区間判定部１６によって判定された方向転換動作の特徴を抽出する。例えば、方向転換特徴抽出部１７は、（Ａ）どれだけ速く方向転換できたか、（Ｂ）どれだけ大きく回転できたか、（Ｃ）最初から大きく回転できたか、（Ｄ）安定して方向転換できたか、（Ｅ）方向転換中に静止がなかったか、（Ｆ）左脚と右脚でどれだけ非対称か、に関する特徴を抽出する。（Ａ）の例として、＜１＞方向転換中の、方向転換動作の回数が抽出される。＜２＞方向転換中の、方向転換動作の最大所要時間が抽出される。＜３＞方向転換中の、方向転換動作の平均所要時間が抽出される。（Ｂ）の例として、＜４＞方向転換中の、方向転換動作の最大回転量が抽出される。＜５＞方向転換中の、方向転換動作の平均回転量が抽出される。（Ｃ）の例として、＜６＞方向転換中の、最初の方向転換動作の回転量が抽出される。（Ｄ）の例として、＜７＞方向転換中の、隣り合う方向転換動作の間隔が抽出される。＜８＞方向転換中の、着脚直後の横方向のふらつきが抽出される。（Ｅ）の例として、＜９＞方向転換中の、静止の有無、または静止が有る場合の静止時間が抽出される。なお、方向転換区間特徴部１７が抽出する方向転換動作の特徴は、一例であって、これらに限定されない。

前後区間特定部１８は、方向転換区間判定部１６によって判定された方向転換区間の直後（または直前）に発生するピークのうち、横方向への回転量が第１閾値以下、第２閾値以上のピークを特定する。第２閾値は、第１閾値より小さい閾値である。つまり、方向転換動作が判定された直後（または直前）では、歩きながら方向転換する場合もあるので、前後区間特定部１８は、歩きながら方向転換している場合のピークを特定する。このような、方向転換前後に発生する方向転換を「弱方向転換」と呼ぶこととする。これにより、前後区間特定部１８は、特定される弱方向転換が継続される区間の長さを特徴量として抽出することで、方向転換の困難度合いを判定できる。また、前後区間特定部１８は、弱方向転換の横方向の向きが直前の方向転換と逆向きであるかないかを特徴量として抽出することで、方向転換後のふらつきを判定できる。

歩行区間判定部１９は、２つの方向転換区間の間において、歩行区間の候補を特定する。例えば、歩行区間判定部１９は、２つの方向転換区間の間において、前方向への角速度からピークを検出し、検出したピークのうち前方向への回転量が閾値Ｒ１以上となるピークを特定する。歩行区間判定部１９は、特定したピークが短時間内に連続して発生している区間を歩行区間候補として特定する。そして、歩行区間判定部１９は、歩行区間候補の前後において、前方向への回転量が閾値Ｒ１より小さく、且つ閾値Ｒ２以上のピークを特定する。閾値Ｒ２は、閾値Ｒ１より小さい閾値である。このような、歩行区間候補の前後に特定されるピークの区間を「過渡歩行区間」と呼ぶこととする。言い換えれば、「過渡歩行区間」は、歩行が安定するまでの不安定な歩行の区間のことをいう。そして、歩行区間判定部１９は、過渡歩行区間の中で最初のピークを「最初の１歩」と判定し、最後のピークを「最後の１歩」と判定する。かかる過渡歩行区間と歩行区間候補とを含む区間を、便宜上、「歩行区間」と呼ぶこととする。

なお、「歩行区間」を判定する方法は、これに限定されない。歩行区間判定部１９は、隠れマルコフモデル（ＨＭＭ）を用いて歩行区間を判定しても良い。隠れマルコフモデル（ＨＭＭ）を用いて「歩行区間」を判定する方法は、後述する。また、「過渡歩行区間」は、歩行側の観点からみる不安定な区間であり、弱方向転換が示す区間は、方向転換側の観点からみる不安定な区間であるので、両区間は、重複して判定される場合がある。また、過渡歩行区間を判定する方法は、これに限定されない。別の一例として、歩行区間判定部１９は、歩行区間と判定された区間において、第１歩目から最初の数歩（例えば４歩）が完了するまでの区間を過渡歩行区間と判定しても良い。別の一例として、歩行区間判定部１９は、現ピークから所定数歩のピークの時間間隔の分散が所定閾値以下になるまでの区間を過渡歩行区間と判定しても良い。ピークの時間間隔の分散を用いて過渡歩行区間を判定する方法は、後述する。

歩行特徴抽出部２０は、データ記憶部２３に記憶されたデータを用いて、歩行区間判定部１９によって特定された過渡歩行区間の特徴を抽出する。例えば、歩行特徴抽出部２０は、（ａ）どれだけ速く安定歩行に入れたか、（ｂ）どれだけふらつかずに安定歩行に入れたか、に関する特徴を抽出する。（ａ）の例として、安定歩行に入るまでの時間および歩行ステップ数が抽出される。（ｂ）の例として、安定歩行に入るまでの横方向への回転量が抽出される。

特徴量保存部２１は、方向転換区間および過渡歩行区間における特徴量を時系列にデータ記憶部２３に保存する。例えば、特徴量保存部２１は、方向転換特徴抽出部１７によって抽出された方向転換区間の各種特徴量および歩行特徴抽出部２０によって抽出された過渡歩行区間の各種特徴量を発生順にデータ記憶部２３に格納する。

特徴量可視化部２２は、データ記憶部２３に記憶された各種特徴量を時系列に可視化する。例えば、特徴量可視化部２２は、被験者が患者である場合には、治療経過を観察するために、患者に治療を行った日を基準に、その日の前後の区間に対して、１か月毎の各種特徴量の統計値を時系列に可視化する。特徴量の一例として、方向転換中の方向転換動作の回数が挙げられる。

ここで、実施例に係る歩行区間判定を、図５を参照して説明する。図５は、実施例に係る歩行区間判定を説明する図である。図５上下図に示すように、時間毎に、センサデバイス２から送信された左脚の前方向への角速度およびセンサデバイス３から送信された右脚の前方向への角速度が時系列にグラフで表わされている。

歩行区間判定部１９は、２つの方向転換区間の間において、前方向への回転量にローパスフィルタをかけた上でピークを検出し、検出したピークのうち前方向への回転量が閾値Ｒ１以上となるピークを特定する。ここでは、ピークｐ２１〜ｐ２７のそれぞれの前方向への回転量が閾値Ｒ１以上である。そこで、歩行区間判定部１９は、ピークｐ２１〜ｐ２７が短時間に連続発生している区間を歩行区間候補として特定する。

歩行区間判定部１９は、歩行区間候補の前後のピークを特定し、特定したピークのうち、前方向への回転量が閾値Ｒ１より小さく、且つ閾値Ｒ２以上のピークを特定する。ここでは、ピークｐ２０、ｐ３０の前方向への回転量が閾値Ｒ１より小さく、且つ閾値Ｒ２以上である。そこで、歩行区間判定部１９は、歩行区間候補の前のピークｐ２０を最初の１歩と判定する。歩行区間判定部１９は、歩行区間候補の後のピークｐ３０を最後の１歩と判定する。

［情報処理の全体のフローチャート］
次に、実施例に係る情報処理の全体のフローチャートを、図６を参照して説明する。図６は、実施例に係る情報処理の全体のフローチャートを示す図である。なお、データ取得部１１は、特定の被験者に対する、方向転換の特徴を抽出する旨の開始指示を受け付けたものとする。特定の被験者に装着されたセンサデバイス２，３からのジャイロセンサデータがデータ記憶部２３に記憶されているものとする。

まず、データ取得部１１は、特定の被験者に対応するジャイロセンサデータをデータ記憶部２３から取得する（ステップＳ１１）。方向転換区間判定部１６は、方向転換区間を抽出する（ステップＳ１２）。なお、詳細のフローチャートは、後述する。

方向転換特徴抽出部１７は、方向転換の特徴量を抽出する（ステップＳ１３）。なお、詳細のフローチャートは、後述する。

前後区間特定部１８は、方向転換区間の前後区間を特定する（ステップ１４）。例えば、前後区間特定部１８は、方向転換区間の直前に発生するピークのうち、横方向への回転量が第１閾値以下、第２閾値以上のピークを特定する。前後区間特定部１８は、方向転換区間の直後に発生するピークのうち、横方向への回転量が第１閾値以下、第２閾値以上のピークを特定する。すなわち、前後区間特定部１８は、方向転換区間の前後に発生する弱い方向転換（弱方向転換）の区間を特定する。

歩行区間判定部１９は、過渡歩行区間を抽出する（ステップＳ１５）。なお、詳細のフローチャートは、後述する。

歩行特徴抽出部２０は、過渡歩行区間から過渡歩行の特徴量を抽出する（ステップＳ１６）。なお、詳細のフローチャートは、後述する。

特徴量保存部２１は、方向転換および過渡歩行の特徴量をＤＢ（database）に保存する（ステップＳ１７）。特徴量保存部２１は、方向転換特徴抽出部１７によって抽出された方向転換区間の各種特徴量および歩行特徴抽出部２０によって抽出された過渡歩行区間の各種特徴量を発生順にデータ記憶部２３に格納する。

特徴量可視化部２２は、特徴量を可視化する（ステップＳ１８）。例えば、特徴量可視化部２２は、データ記憶部２１に記憶された各種特徴量を時系列に可視化する。

［方向転換区間抽出処理のフローチャート］
次に、実施例に係る方向転換区間抽出処理のフローチャートを、図７Ａ〜図７Ｃを参照して説明する。図７Ａ〜図７Ｃは、実施例に係る方向転換区間抽出処理のフローチャートを示す図である。

図７Ａに示すように、動作候補抽出部１２は、左脚の横方向ジャイロデータから動作候補点を抽出する（ステップＳ２１）。例えば、動作候補抽出部１２は、データ記憶部２３に記憶されたデータのうち左脚の横方向への回転量からピークを検出する。

動作候補抽出部１２は、右脚の横方向ジャイロデータから動作候補点を抽出する（ステップＳ２２）。例えば、動作候補抽出部１２は、データ記憶部２３に記憶されたデータのうち右脚の横方向への回転量からピークを検出する。

動作候補抽出部１２は、多重ピークのチャンキング処理を行う（ステップＳ２３）。すなわち、動作候補抽出部１２は、所定時間（例えば１００ｍｓ）内に、同じ側の脚で横方向への回転が同じ方向となるピークが連続した場合には、これらのピークをグループ化し、一纏まりのピークとする。

動作候補抽出部１２は、インデックスｉに初期値１を設定する（ステップＳ２４）。動作候補抽出部１２は、ｉ番目の動作候補点の横方向への回転量を算出する（ステップＳ２５）。動作候補抽出部１２は、算出された横方向への回転量が閾値以下であれば、動作候補点から除外する（ステップＳ２６）。ここでいう閾値は、例えば、前述した第１閾値である。

動作候補抽出部１２は、インデックスｉが動作候補点の総数Ｎより小さいか否かを判定する（ステップＳ２７）。インデックスｉが動作候補点の総数Ｎより小さい場合には（ステップＳ２７；Ｙｅｓ）、動作候補抽出部１２は、インデックスｉに１を加算し（ステップＳ２８）、次のインデックスｉの処理をすべく、ステップＳ２５に移行する。

一方、インデックスｉが動作候補点の総数Ｎ以上である場合には（ステップＳ２７；Ｎｏ）、方向転換区間判定部１６は、インデックスｉに初期値１を設定する（ステップＳ２９）。方向転換区間判定部１６は、ｉ番目とｉ＋１番目の動作候補点の時刻情報および所属する脚側の情報を取得する（ステップＳ３０）。

左右対称性抽出部１３は、２つの動作候補点の左右対称性を抽出する（ステップＳ３１）。すなわち、左右対称性抽出部１３は、動作候補点の所属する脚がどちらか側かという情報（以降では、脚側とよぶ）を用いて、連続する２つの動作候補点について、左脚と右脚とが交互に現れたかという特徴を抽出する。

時間特徴抽出部１４は、２つの動作候補点の時間特徴を抽出する（ステップＳ３２）。すなわち、時間特徴抽出部１４は、時刻情報を用いて、連続する２つの動作特徴点について、時間間隔を抽出する。

位相特徴抽出部１５は、２つの動作候補点の位相特徴を抽出する（ステップＳ３３）。すなわち、位相特徴抽出部１５は、連続する２つの動作候補点について、横方向への回転が同一方向であるか否かの位相特徴を抽出する。

方向転換区間判定部１６は、インデックスｉが動作候補点の総数Ｍより小さいか否かを判定する（ステップＳ３４）。インデックスｉが動作候補点の総数Ｍより小さい場合には（ステップＳ３４；Ｙｅｓ）、方向転換区間判定部１６は、インデックスｉに１を加算し（ステップＳ３５）、次のインデックスｉの処理をすべく、ステップＳ３０に移行する。

一方、インデックスｉが動作候補点の総数Ｍ以上である場合には（ステップＳ３４；Ｎｏ）、方向転換区間判定部１６は、判定パラメータを取得する（ステップＳ３６）。

方向転換区間判定部１６は、判定パラメータを用いて、左脚と右脚の動作候補点が「交互に」「連続して」「同位相で」発生している区間を方向転換区間と判定する（ステップＳ３７）。そして、方向転換区間判定部１６は、方向転換区間抽出処理を終了する。

［方向転換特徴抽出処理のフローチャート］
次に、実施例に係る方向転換特徴抽出処理のフローチャートを、図８を参照して説明する。図８は、実施例に係る方向転換特徴抽出処理のフローチャートを示す図である。

図８に示すように、方向転換特徴抽出部１７は、インデックスｊに初期値１を設定する（ステップＳ４１）。ｊは、方向転換区間を示すインデックスである。方向転換特徴抽出部１７は、インデックスｉに初期値１を設定する（ステップＳ４２）。ｉは、動作候補点を示すインデックスである。

方向転換特徴抽出部１７は、データ記憶部２３に記憶された各種データから、ｊ番目の方向転換区間におけるｉ番目の対象動作点の時刻情報を取得する（ステップＳ４３）。（ａ）対象動作点の回転量を抽出する（ステップＳ４４）。例えば、対象動作点の回転量は、一例として、対象動作点の開始時刻から終了時刻までの横方向のジャイロの積分値を算出することによって得られる。方向転換特徴抽出部１７は、（ｂ）対象動作点の回転速度を抽出する（ステップＳ４５）。例えば、対象動作点の回転速度は、対象動作点の開始時刻から終了時刻までの横方向のジャイロの最大値を抽出することによって得られる。方向転換特徴抽出部１７は、（ｃ）対象動作点の回転時間幅を抽出する（ステップＳ４６）。例えば、対象動作点の回転時間幅は、対象動作点の開始時刻から終了時刻までの区間幅を算出することによって得られる。方向転換特徴抽出部１７は、（ｄ）対象動作点の前進量を抽出する（ステップＳ４７）。例えば、対象動作点の前進量は、対象動作点の開始時刻から終了時刻までの前後方向のジャイロの積分値を抽出することによって得られる。

方向転換特徴抽出部１７は、インデックスｉが動作候補点の総数Ｍより小さいか否かを判定する（ステップＳ４８）。インデックスｉが動作候補点の総数Ｍより小さい場合には（ステップＳ４８；Ｙｅｓ）、方向転換特徴抽出部１７は、インデックスｉに１を加算し（ステップＳ４９）、次のインデックスｉの処理をすべく、ステップＳ４３に移行する。

一方、インデックスｉが動作候補点の総数Ｍ以上である場合には（ステップＳ４８；Ｎｏ）、方向転換特徴抽出部１７は、以下のように、方向転換区間ｊの統計量を算出する。方向転換特徴抽出部１７は、特徴量（ａ）〜（ｄ）それぞれの平均、最大、最小、分散、左右比率を算出する（ステップＳ５０）。方向転換特徴抽出部１７は、転換開始動作および転換終了動作の特徴量（ａ）〜（ｄ）を抽出する（ステップＳ５１）。転換開始動作とは、１番目の動作候補点の動作のことをいう。転換終了動作とは、Ｍ番目の動作候補点の動作のことをいう。

加えて、方向転換特徴抽出部１７は、合計動作点数、区間幅、合計回転量、合計前進量、回転量／前進量の比率、静止区間の有無を算出する（ステップＳ５２）。

方向転換特徴抽出部１７は、インデックスｊが方向転換区間の総数Ｌより小さいか否かを判定する（ステップＳ５３）。インデックスｊが方向転換区間の総数Ｌより小さい場合には（ステップＳ５３；Ｙｅｓ）、方向転換特徴抽出部１７は、インデックスｊに１を加算し（ステップＳ５４）、次のインデックスｊの処理をすべく、ステップＳ４２に移行する。

一方、インデックスｊが方向転換区間の総数Ｌ以上である場合には（ステップＳ５３；Ｎｏ）、方向転換特徴抽出部１７は、方向転換特徴抽出処理を終了する。

［過渡歩行区間抽出処理のフローチャート］
次に、実施例に係る過渡歩行区間抽出処理のフローチャートを、図９Ａ〜図９Ｃを参照して説明する。図９Ａ〜図９Ｃは、実施例に係る過渡歩行区間抽出処理のフローチャートを示す図である。

図９Ａに示すように、歩行区間判定部１９は、左脚の前後方向ジャイロデータから動作候補点を抽出する（ステップＳ６１）。例えば、歩行区間判定部１９は、データ記憶部２３に記憶されたデータのうち左脚の前方向への回転量からピークを検出する。

歩行区間判定部１９は、右脚の前後方向ジャイロデータから動作候補点を抽出する（ステップＳ６２）。例えば、歩行区間判定部１９は、データ記憶部２３に記憶されたデータのうち右脚の前方向への回転量からピークを検出する。

歩行区間判定部１９は、インデックスｐに初期値１を設定する（ステップＳ６３）。歩行区間判定部１９は、ｐ番目の動作候補点の前方向への回転量（歩行速度量）を算出する（ステップＳ６４）。歩行区間判定部１９は、歩行速度量が閾値以下であれば、動作候補点から除外する（ステップＳ６５）。ここでいう閾値とは、例えば、前述した閾値Ｒ２である。

歩行区間判定部１９は、インデックスｐが動作候補点の総数Ｐより小さいか否かを判定する（ステップＳ６６）。インデックスｐが動作候補点の総数Ｐより小さい場合には（ステップＳ６６；Ｙｅｓ）、歩行区間判定部１９は、インデックスｐに１を加算し（ステップＳ６７）、次のインデックスｐの処理をすべく、ステップＳ６４に移行する。

一方、インデックスｐが動作候補点の総数Ｐ以上である場合には（ステップＳ６６；Ｎｏ）、歩行区間判定部１９は、インデックスｑに初期値１を設定する（ステップＳ６８）。歩行区間判定部１９は、ｑ番目とｑ＋１番目の動作候補点の時刻情報および所属する脚側の情報を取得する（ステップＳ６９）。

歩行区間判定部１９は、２つの動作候補点の左右対称性を抽出する（ステップＳ７０）。すなわち、歩行区間判定部１９は、動作候補点の所属する脚側の情報を用いて、連続する２つの動作候補点について、左脚と右脚とが交互に出現していたか否かという特徴を抽出する。

歩行区間判定部１９は、２つの動作候補点の時間特徴を抽出する（ステップＳ７１）。すなわち、歩行区間判定部１９は、時刻情報を用いて、連続する２つの動作特徴点について、時間間隔を抽出する。

歩行区間判定部１９は、インデックスｑが動作候補点の総数Ｑより小さいか否かを判定する（ステップＳ７２）。インデックスｑが動作候補点の総数Ｑより小さい場合には（ステップＳ７２；Ｙｅｓ）、歩行区間判定部１９は、インデックスｑに１を加算し（ステップＳ７３）、次のインデックスｑの処理をすべく、ステップＳ６９に移行する。

一方、インデックスｑが動作候補点の総数Ｑ以上である場合には（ステップＳ７２；Ｎｏ）、歩行区間判定部１９は、判定パラメータを取得する（ステップＳ７４）。

歩行区間判定部１９は、判定パラメータを用いて、左脚と右脚の動作候補点が「交互に」「連続して」発生している区間を歩行区間と判定する（ステップＳ７５）。歩行区間判定部１９は、判定された歩行区間内の動作候補点を動作点とする。そして、歩行区間判定部１９は、判定された歩行区間において動作点の間の時間間隔を抽出する（ステップＳ７６）。

続いて、歩行区間判定部１９は、インデックスｉに初期値１を設定する（ステップＳ７７）。歩行区間判定部１９は、ｉ番目から（ｉ＋ｎ−１）番目までの隣接する動作点の時間間隔を取得する（ステップＳ７８）。ここでいうｎは、過渡歩行であるか否かを判定するために用いられる動作点の数である。ｎは、例えば４であるが、これに限定されない。

歩行区間判定部１９は、ｎ個の動作点の時間間隔の分散を算出する（ステップＳ７９）。歩行区間判定部１９は、分散が閾値未満であるか否かを判定する（ステップＳ８０）。分散が閾値以上である場合には（ステップＳ８０；Ｎｏ）、歩行区間判定部１９は、インデックスｉに１を加算し（ステップＳ８１）、次の分散を算出する。分散が収束していないからである。

一方、分散が閾値未満である場合には（ステップＳ８０；Ｙｅｓ）、歩行区間判定部１９は、１番目の歩行ステップが開始する時刻から（ｉ−１）番目までの歩行ステップが終了する時刻までの区間を過渡歩行区間と特定する（ステップＳ８２）。分散が収束したからである。そして、歩行区間判定部１９は、歩行区間特定処理を終了する。

［過渡歩行特徴抽出処理のフローチャート］
次に、実施例に係る過渡歩行特徴抽出処理のフローチャートを、図１０を参照して説明する。図１０は、実施例に係る過渡歩行特徴抽出処理のフローチャートを示す図である。

図１０に示すように、歩行特徴抽出部２０は、インデックスｒに初期値１を設定する（ステップＳ９１）。ｒは、歩行区間を示すインデックスである。歩行特徴抽出部２０は、インデックスｑに初期値１を設定する（ステップＳ９２）。ｑは、動作点を示すインデックスである。

歩行特徴抽出部２０は、データ記憶部２３に記憶された各種データから、ｒ番目の過渡歩行区間におけるｑ番目の対象動作点の時刻情報を取得する（ステップＳ９３）。歩行特徴抽出部２０は、（ｖ）対象動作点の歩幅を抽出する（ステップＳ９４）。例えば、対象動作点の歩幅は、対象動作点の開始時刻から終了時刻までの前後方向のジャイロの積分値を算出し、所定係数を乗算することによって得られる。歩行特徴抽出部２０は、（ｗ）対象動作点の歩行速度を抽出する（ステップＳ９５）。例えば、対象動作点の歩行速度は、対象動作点の開始時刻から終了時刻までの前後方向ジャイロの最大値を抽出することによって得られる。歩行特徴抽出部２０は、（ｘ）対象動作点の遊脚期の時間幅を抽出する（ステップＳ９６）。なお、遊脚期とは、歩行中に脚が浮いている期間のことをいう。例えば、対象動作点の遊脚時間幅は、対象動作点の開始時刻から終了時刻までの区間幅を算出することによって得られる。歩行特徴抽出部２０は、（ｙ）対象動作点の脚上げ量を抽出する（ステップＳ９７）。例えば、対象動作点の脚上げ量は、対象動作点の開始時刻から終了時刻までの上下方向ジャイロの積分値を算出することによって得られる。歩行特徴抽出部２０は、（ｚ）対象動作点の左右移動量を抽出する（ステップＳ９８）。例えば、対象動作点の左右移動量は、対象動作点の開始時刻から終了時刻までの左右方向ジャイロの積分値を算出することによって得られる。

歩行特徴抽出部２０は、インデックスｑが動作候補点の総数Ｑより小さいか否かを判定する（ステップＳ９９）。インデックスｑが動作候補点の総数Ｑより小さい場合には（ステップＳ９９；Ｙｅｓ）、歩行特徴抽出部２０は、インデックスｑに１を加算し（ステップＳ１００）、次のインデックスｑの処理をすべく、ステップＳ９３に移行する。

一方、インデックスｑが動作候補点の総数Ｑ以上である場合には（ステップＳ９９；Ｎｏ）、歩行特徴抽出部２０は、以下のように、歩行区間ｒの統計量を算出する。歩行特徴抽出部２０は、特徴量（ｖ）〜（ｚ）それぞれの平均、最大、最小、分散、左右比率を算出する（ステップＳ１０１）。歩行特徴抽出部２０は、第１歩目、第２歩目の特徴量（ｖ）〜（ｚ）を抽出する（ステップＳ１０２）。

加えて、歩行特徴抽出部２０は、方向転換終了から過渡歩行開始までの区間において時間間隔および各脚の脚動量を抽出する（ステップＳ１０３）。

歩行特徴抽出部２０は、インデックスｒが歩行区間の総数Ｒより小さいか否かを判定する（ステップＳ１０４）。インデックスｒが歩行区間の総数Ｒより小さい場合には（ステップＳ１０４；Ｙｅｓ）、歩行特徴抽出部２０は、インデックスｒに１を加算し（ステップＳ１０５）、次のインデックスｒの処理をすべく、ステップＳ９２に移行する。

一方、インデックスｒが歩行区間の総数Ｒ以上である場合には（ステップＳ１０４；Ｎｏ）、歩行特徴抽出部２０は、歩行特徴抽出処理を終了する。

［動作候補抽出処理の具体例］
次に、実施例に係る動作候補抽出処理の具体例を、図１１Ａ〜図１１Ｅを参照して説明する。図１１Ａ〜図１１Ｅは、実施例に係る動作候補抽出処理の具体例を示す図である。

図１１Ａに示すように、動作候補抽出部１２は、右脚の横方向ジャイロ（横方向の角速度）を時刻毎にデータ記憶部２３から取り出す。ここでは、「２１：０６：５１．８００」での横方向ジャイロの値が「０．０」（ｄｅｇ/ｓ）である。「２１：０６：５１．８２０」での横方向ジャイロの値が「０．３」（ｄｅｇ/ｓ）である。「２１：０７：１４．４００」での横方向ジャイロの値が「０．８」（ｄｅｇ/ｓ）である。

図１１Ｂに示すように、動作候補抽出部１２は、横方向への回転量からピークを検出する。ここでは、一例として、ピーク番号「１」のピークは、発生時刻として「２１：０６：５５．６４０」に検出されている。ピーク番号「２」のピークは、発生時刻として「２１：０６：５６．８４０」に検出されている。

図１１Ｃに示すように、動作候補抽出部１２は、多重ピークが検出された場合には、チャンキング処理を行う。すなわち、動作候補抽出部１２は、所定時間内に連続して同じ側の脚で横方向への回転が同じ方向となるピークが連続する場合には、これらのピークをグループ化する。ここでは、ピーク番号「３」のピークとピーク番号「４」のピークが所定時間内に連続して出現する。そこで、動作候補抽出部１２は、ピーク番号「３」のピークとピーク番号「４」のピークをグループ化してピーク番号「３」の一纏まりのピークにする。

図１１Ｄ左図に示すように、動作候補抽出部１２は、各ピークの開始位置と終了位置を特定する。例えば、動作候補抽出部１２は、ピーク前を遡り、微小時間幅でのジャイロ変化が閾値を下回れば、この時刻を開始位置として特定する。動作候補抽出部１２は、ピーク後を追い、微小時間幅でのジャイロ変化が閾値を下回れば、この時刻を終了位置として特定する。ここでは、符号ｐ３０で示されるピークの場合に、ピーク前を遡り、微小時間幅でのジャイロ変化が閾値を下回る時刻Ｔｓが開始位置として特定される。ピーク後を追い、微小時間幅でのジャイロ変化が閾値を下回る時刻Ｔｅが終了位置として特定される。

そして、動作候補抽出部１２は、各ピークについて、開始位置から終了位置までの横方向のジャイロ積分値を横方向への回転量として算出する。横方向への回転量は、以下の式（１）で算出される。なお、ｉは、ピーク番号である。Ｔｓ（ｉ）は、ｉ番目の動作候補点のピーク開始位置である。Ｔｅ（ｉ）は、ｉ番目の動作候補点のピーク終了位置である。ｒ（ｉ）は、ｉ番目の動作候補点の横方向への回転量である。

図１１Ｄ右図に示すように、動作候補抽出部１２は、各ピークについて、横方向への回転量が第１閾値より大きいか否かを判定する。動作候補抽出部１２は、横方向への回転量が第１閾値より大きい場合に、回転運動を伴うとして、これらのピークを動作候補点として抽出する。ここでは、動作候補抽出部１２は、右脚について、ｐ３１、ｐ３２、ｐ３３、ｐ３４のピークを動作候補点として抽出する。

図１１Ｅに示すように、動作候補抽出部１２は、左脚について、図１１Ａ〜図１１Ｄで示した同様の処理を行い、動作候補点を抽出する。ここでは、左図に、右脚の動作候補点、左脚の動作候補点がグラフに示されている。グラフに示される動作候補点上に示される数字は、候補点番号である。右図に、右脚の動作候補点、左脚の動作候補点が一覧表に示されている。一覧表は、発生時刻、開始位置、終了位置および脚側を候補点番号に対応付けて設定されている。一例として、候補点番号が「１」である場合に、発生時刻として「２１：０６：５５．６４０」、開始位置として「２１：０６：５５．４４０」、終了位置として「２１：０６：５５．９４０」、脚側として「右」と設定されている。候補点番号が「２」である場合に、発生時刻として「２１：０６：５５．９８０」、開始位置として「２１：０６：５５．９２０」、終了位置として「２１：０６：５６．１８０」、脚側として「左」と設定されている。

［方向転換区間判定処理の具体例］
次に、実施例に係る方向転換区間判定処理の具体例を、図１２Ａ〜図１２Ｄを参照して説明する。図１２Ａ〜図１２Ｄは、実施例に係る方向転換区間判定処理の具体例を示す図である。

図１２Ａに示すように、左右対称性抽出部１３は、動作候補点毎に、次に発生する動作候補点と属する脚が同じであるか否かを０／１で抽出する。一例として、「０」は、属する脚が同じでない、すなわち交互であることを示す。「１」は、属する脚が同じであることを示す。すなわち、左右対称性抽出部１３は、動作候補点毎に、左脚が右脚と交互に発生することを表す特徴量Ｃ１を抽出する。時間特徴抽出部１４は、動作候補点毎に、次に発生する動作候補点までの発生時間間隔を抽出する。すなわち、時間特徴抽出部１４は、動作候補点毎に、所定時間内に連続して発生することを表す特徴量Ｃ２を抽出する。方向転換区間判定部１６は、動作候補点毎に、次に発生する動作候補点と、回転方向が同じであるか否かを０／１で抽出する。「１」は、回転方向が同じであることを示す。「０」は、回転方向が同じでないことを示す。すなわち、方向転換区間判定部１６は、動作候補点毎に、同位相で発生することを表す特徴量Ｃ３を抽出する。

ここでは、特徴量Ｃ１に関して、一覧表に、動作候補点番号１〜６は、それぞれ次の動作候補点番号と交互であることを示す「０」が設定されている。なお、動作候補点番号７は、次の動作候補点番号と交互でないことを示す「１」が設定されている。特徴量Ｃ３に関して、一覧表に、動作候補点番号１〜７は、それぞれ次の動作候補点番号と回転方向が同じであることを示す「１」が設定されている。

方向転換区間判定部１６は、方向転換区間を判定するために、隠れマルコフモデル（ＨＭＭ）を用いる場合を説明する。図１２Ｂ左図に示すように、隠れ状態として次の４状態を仮定する。状態１は、回転（方向転換）開始の動作である。状態２は、方向転換中の動作である。状態３は、回転（方向転換）終了の動作である。状態４は、他の動作（非方向転換の動作）である。状態１、状態２、状態３は、方向転換動作に相当する。そして、状態遷移モデルおよび観測モデルが、予め定義される。ここでは、状態遷移モデルは、方向転換では、回転開始の動作があった後、複数の回転動作が続き、最後に回転終了の動作が続く、という動作の状態遷移を仮定する場合に、状態毎に次にどの状態が現れやすいかを表す確率モデルである。観測モデルは、状態毎にどのような特徴量が観測されるかを表す確率モデルである。なお、モデルを定義する際に、ヒューリスティックに決めてもよいし、学習データを用いて決めても良い。後者に関しては、被験者が方向転換を行った時のデータを収集し、このデータに基づいてモデルパラメータを学習する。例えば、このパラメータ学習にあたってはBaum-Welchアルゴリズムを適用する。

図１２Ｂ右図に示すように、方向転換区間判定部１６は、状態遷移モデルおよび観測モデルを用いて、各動作候補点に対して、最も確からしい状態を割り当てる。ここでは、一覧表に、割り当てられた状態Ｓ０が設定されている。状態１、状態２、状態３は、方向転換動作の状態であるので、方向転換区間判定部１６は、割り当てられた状態を用いて、動作候補点番号毎に、方向転換動作を判定できる。

ここで、方向転換区間判定部１６が、候補点に対して状態を割り当てる手順を、以下に説明する。方向転換区間判定部１６は、各候補点の特徴量Ｘ^（１），Ｘ^（２），・・・，Ｘ^（Ｎ）を取得し、各候補点状態Ｓ＝｛Ｓ^（１），Ｓ^（２），・・・，Ｓ^（Ｎ）｝を、ＨＭＭを用いて求める。なお、方向転換区間判定部１６によって用いられるＨＭＭでは、各候補点の特徴量が、その時点の候補点の状態にのみ依存して観測される。状態を推定するために、状態毎の状態遷移モデルｐ（Ｓ^{（ｉ＋１）}｜Ｓ^（ｉ））および観測モデルｐ（Ｘ^（ｉ）｜Ｓ^（ｉ））が、予め定義される。

例えば、状態遷移モデルｐ（Ｓ^{（ｉ＋１）}｜Ｓ^（ｉ））として、図１２Ｃに示す遷移確率表が定義される。遷移確率表は、現候補点の状態Ｓ^（ｉ）と次の候補点の状態Ｓ^{（ｉ＋１）}との状態遷移毎に確率で表わした表である。一例として、符号ｄ１で表わされる、現候補点が状態３（転換終了動作）であって次候補点が状態４（非方向転換）になる確率が、０．５であることを表す。すなわち、ｐ（Ｓ^{（ｉ＋１）}＝状態４｜Ｓ^（ｉ）＝状態３）が、０．５であることを表す。

また、観測モデルｐ（Ｘ^（ｉ）｜Ｓ^（ｉ））は式（２）で定義される。ｐ（Ｘ^（ｉ）｜Ｓ^（ｉ））は、特徴量Ｘを観測したときの状態Ｓの確率を表す。なお、ここでは、特徴量の種類は、図１２Ｂの特徴量Ｃ１，Ｃ２，Ｃ３で３種類あるとし、Ｊ＝３である。すると、Ｘ^（ｉ）は、｛ｘ_１ ^（ｉ），ｘ_２ ^（ｉ），ｘ_３ ^（ｉ）｝で表わされる。ｘ_１ ^（ｉ），ｘ_２ ^（ｉ），ｘ_３ ^（ｉ）は、それぞれｉ番目の候補点における特徴量Ｃ１，Ｃ２，Ｃ３である。Ｓ^（ｉ）は、ｉ番目の候補点における状態を表す（状態数が４なので、ｉは１〜４の自然数である）。

上記の確率モデルとして、単一ガウシアンモデルまたは混合ガウシアンモデルを用いる。以下では、単純に、単一ガウシアンモデルを用いる場合について説明する。式（３）の１番目のＮの式は、状態Ｓにおける特徴量Ｃ１のガウシアンモデルを表す。２番目のＮの式は、状態Ｓにおける特徴量Ｃ２のガウシアンモデルを表す。３番目のＮの式は、状態Ｓにおける特徴量Ｃ３のガウシアンモデルを表す。

例えば、状態Ｓが転換中動作である場合の特徴量Ｃ１，Ｃ２，Ｃ３のガウシアンモデルを、図１２Ｄに示す。図１２Ｄ左図に示すように、特徴量Ｃ１のガウシアンモデルでは、方向転換中、次の動作では、逆側の脚が動くという前提の下、特徴量Ｃ１は、属する脚が交互であることを示す「０」になる確率が非常に高い。また、図１２Ｄ中図に示すように、特徴量Ｃ２のガウシアンモデルでは、方向転換中、次の動作との時間間隔が短いという前提の下、特徴量Ｃ２は、時間間隔が小さくなる確率が高い。また、図１２Ｄ右図に示すように、特徴量Ｃ３のガウシアンモデルでは、方向転換中、次の動作と回転方向は一致するという前提の下、特徴量Ｃ３は、回転方向が同じであることを示す「１」になる確率が高い。すなわち、方向転換中の動作では、次の動作が逆脚、次の動作までの間隔が短い、次の動作と回転方向が一致するという確率が非常に高いことを、ガウシアンモデルで表わす。

方向転換区間判定部１６は、観測した特徴量Ｘ^（１），Ｘ^（２），・・・，Ｘ^（Ｎ）を状態遷移モデルと観測モデルにあてはめ、最も確からしい状態系列Ｓ＝｛Ｓ^（１），Ｓ^（２），・・・，Ｓ^（Ｎ）｝を推定する。なお、方向転換区間判定部１６は、ビタビアルゴリズムを適用すると、この推定を効率よく行うことができる。

［方向転換特徴抽出処理の具体例］
次に、実施例に係る方向転換特徴抽出処理の具体例を、図１３Ａ〜図１３Ｃを参照して説明する。図１３Ａ〜図１３Ｃは、実施例に係る方向転換特徴抽出処理の具体例を示す図である。

図１３Ａに示すように、方向転換特徴抽出部１７は、方向転換区間判定部１６によって判定された方向転換動作の区間を特定する。すなわち、方向転換特徴抽出部１７は、方向転換動作の区間の動作点の時刻情報を取得する。

図１３Ｂに示すように、方向転換特徴抽出部１７は、方向転換動作の区間内の動作点毎に、（ａ）回転量、（ｂ）回転速度、（ｃ）回転時間、（ｄ）前進速度および（ｅ）時間間隔を抽出する。

例えば、図１３Ｂ上図に示すように、動作点番号が「４」の動作点の特徴抽出について説明する。（ａ）回転量は、動作点の開始時刻から終了時刻までの横方向のジャイロの積分値を算出することによって得られる。（ｂ）回転速度は、動作点の開始時刻から終了時刻までの横方向のジャイロの最大値を抽出することによって得られる。（ｃ）回転時間は、動作点の開始時刻から終了時刻までの区間幅を算出することによって得られる。（ｄ）前進速度は、動作点の開始時刻から終了時刻までの前後方向のジャイロの最大値を抽出することによって得られる。（ｅ）時間間隔は、現動作点の回転動作が終了した後、次の回転動作が開始するまでの時間間隔を算出することによって得られる。

図１３Ｂ下図には、動作点番号「１」〜「６」に対する（ａ）回転量、（ｂ）回転速度、（ｃ）回転時間、（ｄ）前進速度および（ｅ）時間間隔の抽出結果が表わされる。

図１３Ｃに示すように、方向転換特徴抽出部１７は、動作点毎の特徴量を用いて、統計量を算出する。

例えば、図１３Ｃ上図に示すように、方向転換特徴抽出部１７は、特徴量（ａ）〜（ｅ）それぞれの平均、最大、最小、分散、左右比率を算出する。方向転換特徴抽出部１７は、転換開始動作および転換終了動作の特徴量（ａ）〜（ｅ）を抽出する。転換開始動作とは、動作点番号が「１」の動作点の動作のことをいう。転換終了動作とは、動作点番号が「６」の動作点の動作のことをいう。

加えて、図１３Ｃ下図に示すように、方向転換特徴抽出部１７は、方向転換動作の区間について、動作点数、区間幅、合計回転量、合計前進量、回転量／前進量の比率、静止区間の有無を算出する。

［歩行区間特定処理の具体例］
次に、実施例に係る歩行区間特定処理の具体例を、図１４Ａ〜図１４Ｃを参照して説明する。図１４Ａ〜図１４Ｃは、実施例に係る歩行区間特定処理の具体例を示す図である。

図１４Ａ左図に示すように、歩行区間判定部１９は、方向転換区間の前後の区間を特定する。そして、図１４Ａ右図に示すように、歩行区間判定部１９は、特定した区間において、両脚の前方向のジャイロデータを取得し、ピークを検出する。検出されたピークは、歩行動作の候補点である。

図１４Ｂに示すように、歩行区間判定部１９は、各候補点が遊脚運動を伴うか否かを判定する。ここでは、歩行区間判定部１９は、各候補点の最大歩行速度（ピークの高さ）が所定閾値（例えば閾値Ｒ２）を超えると、遊脚運動を伴うとして候補点とみなす。ここでは、いずれの候補点の最大歩行速度も所定閾値を超えているので、候補点とみなす。

図１４Ｃに示すように、歩行区間判定部１９は、各候補点が「左右交互に」「連続して」発生している区間を歩行区間として特定する。まず、歩行区間判定部１９は、候補点毎に特徴量Ｃ１およびＣ２を抽出する。すなわち、「左右交互に」発生することを示す特徴量として特徴量Ｃ１を抽出する。特徴量Ｃ１は、左脚が右脚と交互に発生することを表す特徴量である。「連続して」発生することを示す特徴量として特徴量Ｃ２を抽出する。特徴量Ｃ２は、所定時間内に連続して発生することを表す特徴量である。

そして、歩行区間判定部１９は、歩行区間を特定するために、隠れマルコフモデル（ＨＭＭ）を用いる場合を説明する。隠れ状態として次の４状態を仮定する。状態１は、歩行開始の動作である。状態２は、歩行中の動作である。状態３は、歩行終了の動作である。状態４は、他の動作（非方向転換の動作）である。状態１、状態２および状態３は、歩行動作に相当する。そして、状態遷移モデルおよび観測モデルが、予めヒューリスティックに、または、学習データを用いて定義される。歩行区間判定部１９は、状態遷移モデルおよび観測モデルを用いて、各候補点に対して、最も確からしい状態を割り当てる。ここでは、一覧表に、割り当てられた状態Ｓ１が設定されている。状態１、状態２、状態３は、歩行動作の状態であるので、歩行区間判定部１９は、割り当てられた状態を用いて、候補点番号毎に、歩行動作を判定できる。なお、詳細な適用過程は、方向転換動作を判定した場合と同様であるので、その説明を省略する。

図１４Ｄに示すように、歩行区間判定部１９は、過渡歩行区間を特定する。過渡歩行区間とは、歩行区間と特定された区間において、歩行の特徴量が安定するまでの区間とする。歩行特徴量には、例えば、時間間隔や歩行速度が挙げられる。ここでは、歩行特徴量として時間間隔を用いる場合を説明する。歩行区間判定部１９は、現動作点から４歩分の時間間隔を算出し、算出した４歩分の時間間隔の分散を算出する。歩行区間判定部１９は、分散が所定閾値未満であれば、歩行が安定したとみなし、歩行区間と特定された区間の第１歩目の動作点から現動作点より前の動作点までの区間を過渡歩行区間と特定する。ここでは、現動作点が、動作点番号「１」を示す動作点であるとすると、現動作点から４歩分の時間間隔の分散はばらついている（Ｄ１）。したがって、現動作点に対応する安定項目は、安定でないことを示す「×」となる（Ｄ１１）。一方、現動作点が動作点番号「３」を示す動作点であるとすると、現動作点から４歩分の時間間隔の分散はばらついていない（Ｄ２）。したがって、現動作点に対応する安定項目は、安定であることを示す「○」である（Ｄ２１）。これにより、歩行区間判定部１９は、動作点番号「１」から動作点番号「２」までの区間を過渡歩行区間（Ｄ３１）と特定する。

［歩行特徴抽出処理の具体例］
次に、実施例に係る歩行特徴抽出処理の具体例を、図１５を参照して説明する。図１５は、実施例に係る歩行特徴抽出処理の具体例を示す図である。

図１５に示すように、歩行特徴抽出部２０は、歩行区間判定部１９によって特定された過渡歩行区間の動作点の特徴量を抽出する。歩行特徴抽出部２０は、過渡歩行区間内の動作点毎に、（ｖ）歩幅、（ｗ）歩行速度、（ｘ）遊脚時間、（ｙ）脚上げ量、（ｚ）左右移動量を抽出する。（ｖ）歩幅は、動作点の開始時刻から終了時刻までの前方向のジャイロの積分値を算出することによって得られる。（ｗ）歩行速度は、動作点の開始時刻から終了時刻までの前方向の最大値を抽出することによって得られる。（ｘ）遊脚時間は、動作点の開始時刻から終了時刻までの区間幅を算出することによって得られる。（ｙ）脚上げ量は、動作点の開始時刻から終了時刻までの上限方向のジャイロの積分値を算出することによって得られる。（ｚ）左右移動量は、動作点の開始時刻から終了時刻までの左右方向のジャイロの積分値を算出することによって得られる。

図１５には、動作点番号「１」「２」に対する、（ｖ）歩幅、（ｗ）歩行速度、（ｘ）遊脚時間、（ｙ）脚上げ量、（ｚ）左右移動量の抽出結果が表わされる。なお、歩行特徴抽出部２０は、動作点毎の特徴量を用いて、統計量を算出しても良い。例えば、歩行特徴抽出部２０は、特徴量（ｖ）〜（ｚ）それぞれの平均、最大、最小、分散、左右比率を算出しても良い。歩行特徴抽出部２０は、第１歩目、第２歩目の特徴量（ｖ）〜（ｚ）を抽出しても良い。歩行特徴抽出部２０は、過渡歩行区間の区間幅および過渡歩行区間での合計歩行ステップ数（過渡歩行ステップ数）を算出しても良い。

なお、歩行特徴抽出部２０は、方向転換から過渡歩行に至るまでの特徴量を抽出しても良い。図１６は、実施例に係る歩行特徴抽出処理の別の具体例を示す図である。図１６に示すように、歩行特徴抽出部２０は、方向転換から過渡歩行に至るまでの特徴量を抽出する。例えば、歩行特徴抽出部２０は、方向転換が終了してから過渡歩行が開始するまでの時間間隔Ｔを抽出する。歩行特徴抽出部２０は、方向転換が終了してから過渡歩行が開始するまでの各脚の脚動量Ｐを抽出する。脚動量Ｐは、一例として、時間間隔Ｔにおける、各脚の３軸ジャイロの分散値を用いる。

［特徴量保存処理の具体例］
次に、実施例に係る特徴量保存処理の具体例を、図１７を参照して説明する。図１７は、実施例に係る特徴量保存処理の具体例を示す図である。

図１７に示すように、特徴量保存部２１は、方向転換区間毎に、方向転換区間の特徴量および過渡歩行区間の特徴量をデータ記憶部２３に保存する。ここでは、方向転換区間番号が「３４」である場合の、方向転換区間の特徴量および過渡歩行区間の特徴量をデータ記憶部２３に保存した結果である。方向転換区間の特徴量は、図１３Ｃ下図で示した統計量である。過渡歩行区間の特徴量は、図１５で示した全動作点の特徴量の統計量である。

［特徴量可視化処理の具体例］
次に、実施例に係る特徴量可視化処理の具体例を、図１８を参照して説明する。図１８は、実施例に係る特徴量可視化処理の具体例を示す図である。

図１８に示すように、特徴量可視化部２２は、所定の日を基準に、その前後の区間に対して、１か月毎の各種特徴量を時系列に可視化する。ここでは、可視化する特徴量を、方向転換を行うのに要した動作回数とする。患者の治療経過を観察するため、所定の日を、治療を行った日とする。すると、特徴量可視化部２２は、治療を行った日を受け取って、この日を基準に、その前後の区間に対して、１か月毎の方向転換を行うのに要した動作回数を可視化する。可視化する１か月毎の動作回数は、各１か月の中で予め定められた日時の動作回数であっても良いし、各１か月の動作回数の平均であっても良い。これにより、特徴量可視化部２２は、例えば、治療を行った日後６月では、方向転換を行うのに要した動作回数が危険水準を超えているので、運動機能（特にバランス機能）が落ちている疑いがあることを検知させることができる。

［実施例の効果］
このようにして、情報処理装置１は、左脚に用いられるセンサデバイス２および右脚に用いられるセンサデバイス３それぞれのデータにおいて、重力方向を軸とした下肢回転の動作が発生した箇所を方向転換の動作候補として抽出する。情報処理装置１は、抽出された複数の動作候補について、前記回転の方向が同じであり、左脚の動作候補と右脚の動作候補とが交互に現れ、時間的に連続する場合に、方向転換動作と判定する。そして、情報処理装置１は、センサで取得したデータを用いて、方向転換動作の特徴を抽出する。かかる構成によれば、情報処理装置１は、両脚に用いられるそれぞれのセンサデバイス２，３のみを使って、方向転換動作の特徴量を高精度に抽出することが可能となる。

また、情報処理装置１は、センサデバイス２，３で取得した少なくとも１軸のデータを用いて、片脚が地面から離れた時刻から着地する時刻までの、脚の回転量が第１閾値より大きい箇所を検出し、検出した箇所を方向転換の動作候補として抽出する。かかる構成によれば、情報処理装置１は、両脚に用いられるそれぞれのセンサデバイス２，３のみを使って、方向転換動作の特徴量を抽出するために用いられる方向転換の動作候補を抽出できる。

また、情報処理装置１は、動作候補として抽出された箇所において、同側の脚で所定時間内に連続する箇所がある場合に、連続する箇所を１つの箇所としてグループ化し、グループ化した箇所を１つの方向転換の動作候補として抽出する。かかる構成によれば、情報処理装置１は、同側の脚がふらつく場合であっても、同側の脚を方向転換した時の１歩分の動作候補を抽出できる。

また、情報処理装置１は、方向転換動作の箇所について、横方向への回転量、回転速度、回転時間幅および前方向への前進量のうち、いずれか１つ以上を含む情報を方向転換動作の特徴量として抽出する。かかる構成によれば、情報処理装置１は、方向転換動作の特徴量を高精度に抽出できる。

また、情報処理装置１は、判定された方向転換動作の直後に発生する箇所のうち、横方向への回転量が第１閾値より小さく、第１閾値より小さい第２閾値より大きい箇所を弱い方向転換動作と判定する。情報処理装置１は、センサデバイス２，３それぞれのデータを用いて、判定された弱い方向転換動作の特徴量を抽出する。かかる構成によれば、情報処理装置１は、方向転換しながら歩いていると推定される弱い方向転換動作を判定することで、弱い方向転換動作の特徴量を高精度に抽出することが可能となる。

また、情報処理装置１は、方向転換動作が終了してから次の方向転換動作が開始するまでの区間において、前方向への回転量が閾値Ｒ１以上となる箇所を歩行の動作候補として抽出する。情報処理装置１は、抽出した歩行の動作候補の前後において、閾値Ｒ１より小さい閾値Ｒ２以上となる箇所を歩行区間の開始および終了と判定する。かかる構成によれば、情報処理装置１は、歩行区間の開始および終了を判定することで、歩行区間を正確に判定できる。

また、情報処理装置１は、歩行区間において、連続する所定数の箇所の時間間隔の分散が閾値以下になるまでの区間を不安定な歩行区間であることを示す過渡歩行区間と判定する。かかる構成によれば、情報処理装置１は、歩行が安定する安定歩行に至るまでの過渡歩行区間を正確に判定できる。

また、情報処理装置１は、センサデバイス２，３それぞれのデータを用いて、過渡歩行区間の特徴量を抽出する。かかる構成によれば、情報処理装置１は、過渡歩行区間の特徴量を高精度に抽出できる。

［その他］
なお、情報処理装置１が、被験者の両脚に装着されるセンサデバイス２，３のデータを使って、被験者の方向転換動作および歩行動作の特徴量を抽出すると説明した。しかしながら、被験者の方向転換動作および歩行動作の特徴量を抽出する処理は、被験者の両脚に装着されるセンサデバイス２またはセンサデバイス３で実施されても良い。例えば、センサデバイス２が、自己が取得したデータおよびセンサデバイス３で取得されたデータを使って、被験者の方向転換動作および歩行動作の特徴量を抽出すれば良い。

また、上記実施例では、図示した装置の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、装置の分散・統合の具体的態様は図示のものに限られず、その全部または一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。例えば、歩行区間判定部１９を、安定歩行区間を判定する判定部と、過渡歩行区間を判定する判定部とに分散しても良い。前後区間特定部１８を、前後区間を判定する判定部と、前後区間の特徴を抽出する抽出部とに分散しても良い。また、左右対称性抽出部１３と、時間特徴抽出部１４と、位相特徴抽出部１５とを統合しても良い。また、データ記憶部２３を情報処理装置１の外部装置としてネットワーク経由で接続するようにしても良い。

また、上記実施例で説明した各種の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーション等のコンピュータで実行することによって実現することができる。そこで、以下では、図１に示した情報処理装置１と同様の機能を実現する情報処理プログラムを実行するコンピュータの一例を説明する。図１９は、情報処理プログラムを実行するコンピュータの一例を示す図である。

図１９に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０３と、ユーザからのデータの入力を受け付ける入力装置２１５と、表示装置２０９を制御する表示制御部２０７とを有する。また、コンピュータ２００は、記憶媒体からプログラム等を読取るドライブ装置２１３と、ネットワークを介して他のコンピュータとの間でデータの授受を行う通信制御部２１７とを有する。また、コンピュータ２００は、各種情報を一時記憶するメモリ２０１と、ＨＤＤ２０５を有する。そして、メモリ２０１、ＣＰＵ２０３、ＨＤＤ２０５、表示制御部２０７、ドライブ装置２１３、入力装置２１５、通信制御部２１７は、バス２１９で接続されている。

ドライブ装置２１３は、例えばリムーバブルディスク２１１用の装置である。ＨＤＤ２０５は、情報処理プログラム２０５ａおよび情報処理関連情報２０５ｂを記憶する。

ＣＰＵ２０３は、情報処理プログラム２０５ａを読み出して、メモリ２０１に展開し、プロセスとして実行する。かかるプロセスは、情報処理装置１の各機能部に対応する。情報処理関連情報２０５ｂは、データ記憶部２３に対応する。そして、例えばリムーバブルディスク２１１が、情報処理プログラム２０５ａ等の各情報を記憶する。

なお、情報処理プログラム２０５ａについては、必ずしも最初からＨＤＤ２０５に記憶させておかなくても良い。例えば、コンピュータ２００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカード等の「可搬用の物理媒体」に当該プログラムを記憶させておく。そして、コンピュータ２００がこれらから情報処理プログラム２０５ａを読み出して実行するようにしても良い。

１ 情報処理装置
２，３ センサデバイス
９ 情報処理システム
１１ データ取得部
１２ 動作候補抽出部
１３ 左右対称性抽出部
１４ 時間特徴抽出部
１５ 位相特徴抽出部
１６ 方向転換区間判定部
１７ 方向転換特徴抽出部
１８ 前後区間特定部
１９ 歩行区間判定部
２０ 歩行特徴抽出部
２１ 特徴量保存部
２２ 特徴量可視化部
２３ データ記憶部

Claims (15)

1. 左脚に用いられる第１のモーションセンサと、
   右脚に用いられる第２のモーションセンサと、
   前記第１のモーションセンサと前記第２のモーションセンサでそれぞれで取得したデータを処理する情報処理部と、を有し、
   前記情報処理部は、
   前記第１のモーションセンサと前記第２のモーションセンサそれぞれで取得したデータにおいて、
   重力方向を軸とした下肢回転の動作が発生した箇所を方向転換の動作候補として抽出する動作候補抽出部と、
   抽出した前記方向転換の動作候補の区間内で、前記下肢回転の動作と同方向に下肢が回転しているか否かを判断する手段と、前記左脚と前記右脚とが交互に回転しているか否かを判断する手段と、前記方向転換の動作候補の区間内で時間的に連続する動作が発生するか否かを判断する手段と、を有する方向転換区間判定部と、
   前記方向転換区間判定部により判定された方向転換の動作の特徴を抽出する方向転換特徴抽出部と、
   を有することを特徴とする情報処理システム。
2. 前記動作候補抽出部は、前記第１のモーションセンサおよび前記第２のモーションセンサそれぞれで取得した少なくとも１軸のデータを用いて、片脚が地面から離れた時刻から着地する時刻までの、前記片脚の回転量が第１閾値より大きい箇所を検出し、検出した箇所を方向転換の動作候補として抽出する
   ことを特徴とする請求項１に記載の情報処理システム。
3. 前記動作候補抽出部は、前記動作候補として抽出された箇所において、同側の脚で所定時間内に連続する箇所がある場合に、前記連続する箇所を１つの箇所としてグループ化し、グループ化した箇所を１つの方向転換の動作候補として抽出する
   ことを特徴とする請求項１に記載の情報処理システム。
4. 前記方向転換区間判定部は、
   前記下肢回転の動作が同方向に前記下肢が回転している際に第１の特徴量を抽出する手段と、
   前記左脚と前記右脚とが交互に回転している際に第２の特徴量を抽出する手段と
   前記方向転換の動作候補の区間内で時間的に連続する動作が発生する際に第３の特徴量を抽出する手段と、を有し、
   前記第１の特徴量及び第２の特徴量、第３の特徴量が所定のモデルにあてはまる際に、方向転換の区間であると判定する
   ことを特徴とする請求項１に記載の情報処理システム。
5. 前記方向転換特徴抽出部は
   方向転換の動作の特徴として
   角速度の速さ、回転角度の大きさ、動作の安定性、のいずれかの内容を抽出する、
   ことを特徴とする請求項１に記載の情報処理システム。
6. 前記方向転換特徴抽出部は、前記方向転換の動作の箇所について、横方向への回転量、回転速度、回転時間幅および前方向への前進量のうち、いずれか１つ以上を含む情報を前記方向転換の動作の特徴量として抽出する
   ことを特徴とする請求項１に記載の情報処理システム。
7. 前記方向転換区間判定部により判定された方向転換の動作の直後に発生する箇所のうち、横方向への回転量が第１閾値より小さく、前記第１閾値より小さい第２閾値より大きい箇所を弱い方向転換の動作と判定する弱方向転換動作判定部を有し、
   前記方向転換特徴抽出部は、前記第１のモーションセンサおよび前記第２のモーションセンサそれぞれのデータを用いて、前記弱方向転換動作判定部により判定された弱い方向転換の動作の特徴量を抽出する
   ことを特徴とする請求項１に記載の情報処理システム。
8. 前記方向転換の動作が終了してから次の方向転換の動作が開始するまでの区間において、前方向への回転量が第１閾値以上となる箇所を歩行の動作候補として抽出し、抽出した歩行の動作候補の前後において、前記第１閾値より小さい第２閾値以上となる箇所を歩行区間の開始または終了と判定する歩行区間判定部
   を有することを特徴とする請求項１に記載の情報処理システム。
9. 前記歩行区間判定部は、前記歩行区間において、連続する所定数の箇所の時間間隔の分散が閾値以下になるまでの区間を不安定な歩行区間であることを示す過渡歩行区間と判定する
   ことを特徴とする請求項８に記載の情報処理システム。
10. 前記方向転換特徴抽出部は、前記第１のモーションセンサおよび前記第２のモーションセンサそれぞれのデータを用いて、前記過渡歩行区間の特徴量を抽出する
    ことを特徴とする請求項９に記載の情報処理システム。
11. 前記第１のモーションセンサおよび前記第２のモーションセンサは、少なくとも１軸以上の角速度、または、少なくとも１軸以上の加速度を計測可能なセンサである
    ことを特徴とする請求項１に記載の情報処理システム。
12. 前記情報処理部は、前記第１のモーションセンサまたは前記第２のモーションセンサによって処理される
    ことを特徴とする請求項１に記載の情報処理システム。
13. 前記情報処理部は、前記第１のモーションセンサおよび前記第２のモーションセンサと通信可能な情報処理装置によって処理される
    ことを特徴とする請求項１に記載の情報処理システム。
14. コンピュータに、
    左脚に用いられる第１のモーションセンサおよび右脚に用いられる第２のモーションセンサそれぞれで取得されたデータにおいて、重力方向を軸とした下肢回転の動作が発生した箇所を方向転換の動作候補として抽出し、
    抽出した前記方向転換の動作候補の区間内で、前記下肢回転の動作と同方向に下肢が回転しているか否かを判断し、前記左脚と前記右脚とが交互に回転しているか否かを判断し、前記方向転換の動作候補の区間内で時間的に連続する動作が発生するか否かを判断することにより方向変換の区間を判定し、
    判定した方向変換の区間の動作の特徴を抽出する
    処理を実行させることを特徴とする情報処理プログラム。
15. コンピュータが、
    左脚に用いられる第１のモーションセンサおよび右脚に用いられる第２のモーションセンサそれぞれで取得されたデータにおいて、重力方向を軸とした下肢回転の動作が発生した箇所を方向転換の動作候補として抽出し、
    抽出した前記方向転換の動作候補の区間内で、前記下肢回転の動作と同方向に下肢が回転しているか否かを判断し、前記左脚と前記右脚とが交互に回転しているか否かを判断し、前記方向転換の動作候補の区間内で時間的に連続する動作が発生するか否かを判断することにより方向変換の区間を判定し、
    判定した方向変換の区間の動作の特徴を抽出する
    各処理を実行することを特徴とする情報処理方法。

Images