JP7177994B2 - 情報処理装置、歩行環境判定装置、歩行環境判定システム、情報処理方法及びプログラム - Google Patents

Description

本発明は、情報処理装置、歩行環境判定装置、歩行環境判定システム、情報処理方法及び記憶媒体に関する。

特許文献１には、膝部の三次元角度情報、圧力情報等を用いて歩行状態を計測するシステムが開示されている。

特開２０１７－１４４２３７号公報

歩行状態の計測に関連して、ユーザが歩行している場所が平地であるか否かといった歩行環境の判定が更に求められる場合がある。特許文献１に開示されているような歩行状態の計測手法において、歩行状態の判定に用いる要素によっては、歩行環境を精度良く判定できない場合がある。

本発明は、歩行環境の判定に用いられる特徴量を好適に抽出することができる情報処理装置、歩行環境判定装置、歩行環境判定システム、情報処理方法及び記憶媒体を提供することを目的とする。

本発明の一観点によれば、ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する取得部と、前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出する特徴量抽出部と、を備える情報処理装置が提供される。

本発明の他の一観点によれば、ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出するステップと、を備える情報処理方法が提供される。

本発明の他の一観点によれば、コンピュータに、ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出するステップと、を備える情報処理方法を実行させるためのプログラムが記憶された記憶媒体が提供される。

本発明によれば、歩行環境の判定に用いられる特徴量を好適に抽出することができる情報処理装置、歩行環境判定装置、歩行環境判定システム、情報処理方法及び記憶媒体を提供することができる。

第１実施形態に係る歩行環境判定システムの全体構成を示す模式図である。 第１実施形態に係る荷重計測装置の配置を示す模式図である。 第１実施形態に係る歩行環境判定装置のハードウェア構成を示すブロック図である。 第１実施形態に係る情報通信端末のハードウェア構成を示すブロック図である。 第１実施形態に係る歩行環境判定装置の機能ブロック図である。 第１実施形態に係る歩行環境判定装置により行われる歩行環境判定処理の一例を示すフローチャートである。 歩行周期について説明するための概念図である。 荷重の時系列データの一例を示すグラフである。 荷重の時系列データの一例を示すグラフである。 第１実施形態に係るサーバにより行われる学習処理の一例を示すフローチャートである。 学習処理により得られる特徴量ベクトルと歩行状態ラベルとの対応関係を模式的に示す表である。 交差検証の結果を示す表である。 第２実施形態に係る歩行環境判定装置の機能ブロック図である。 第２実施形態に係る歩行環境判定装置により行われる歩行環境判定処理の一例を示すフローチャートである。 荷重の時系列データの一例を示すグラフである。 学習処理により得られる特徴量ベクトルと歩行状態ラベルとの対応関係を模式的に示す表である。 交差検証の結果を示す表である。 第３実施形態に係る歩行環境判定装置の機能ブロック図である。 第３実施形態に係る歩行環境判定装置により行われるモード切り替え処理の一例を示すフローチャートである。 第４実施形態に係る情報処理装置の機能ブロック図である。

以下、図面を参照して、本発明の例示的な実施形態を説明する。図面において同様の要素又は対応する要素には同一の符号を付し、その説明を省略又は簡略化することがある。

［第１実施形態］
本実施形態に係る歩行環境判定システムについて説明する。本実施形態の歩行環境判定システムは、ユーザの歩行環境の判定を含む歩行状態の計測及び解析を行うためのシステムである。なお、本明細書において「歩行環境」とは、ユーザが歩行している場所の地面の状況を意味する。より具体的には、「歩行環境」とは、例えば、ユーザが歩行している場所が平地であるか、あるいは、階段、坂道等の平地以外の場所であるかを指す。また、「歩行状態」とは、歩行環境に加えて、ユーザの歩行パターンに含まれる特徴（歩容）を含む。

図１は、本実施形態に係る歩行環境判定システムの全体構成を示す模式図である。歩行環境判定システムは、互いに無線通信接続され得る歩行環境判定装置１と、情報通信端末２と、サーバ３と、荷重計測装置６ａ、６ｂとを備える。なお、荷重計測装置６ａは第１の荷重計測装置と呼ばれることもあり、荷重計測装置６ｂは第２の荷重計測装置と呼ばれることもある。

歩行環境判定装置１及び荷重計測装置６ａ、６ｂは、例えば、ユーザ４が履いている靴５の底付近に設けられる。歩行環境判定装置１と荷重計測装置６ａとの間及び歩行環境判定装置１と荷重計測装置６ｂとの間は、配線等により通信可能に接続される。荷重計測装置６ａ、６ｂは、ユーザ４の足底から受ける荷重を計測するためのセンサである。荷重計測装置６ａ、６ｂは、歩行環境判定装置１の制御に応じてユーザ４から受ける荷重を電気信号に変換して歩行環境判定装置１に出力する。荷重計測装置６ａ、６ｂの荷重変換方式は、ばね式、圧電素子式、磁歪式、静電容量式、ジャイロ式、歪ゲージ式等であり得るが、特に限定されるものではない。荷重計測装置６ａ、６ｂは、ロードセルと呼ばれることもある。歩行環境判定装置１は、荷重計測装置６ａ、６ｂの制御機能、計測された荷重情報を解析する情報処理機能、情報通信端末２との通信機能等を備える電子機器である。

なお、歩行環境判定装置１及び荷重計測装置６ａ、６ｂは、靴５の中敷に設けられていてもよく、靴５の底面に設けられていてもよく、靴５の本体に埋め込まれていてもよい。また、歩行環境判定装置１及び荷重計測装置６ａ、６ｂは、靴５と着脱可能であってもよく、靴５に着脱不可能に固着されていてもよい。また、歩行環境判定装置１及び荷重計測装置６ａ、６ｂは、足の荷重を計測できる位置であれば、靴５以外の部分に設けられていてもよい。例えば、歩行環境判定装置１は、ユーザ４が履いている靴下に設けられていてもよく、装飾品に設けられていてもよく、ユーザ４の足に直接貼り付けられるものであってもよく、足に埋め込まれるものであってもよい。また、図１においては、１つの歩行環境判定装置１及び２つの荷重計測装置６ａ、６ｂがユーザ４の片足に設けられている例が図示されているが、ユーザ４の両足にそれぞれ１つの歩行環境判定装置１及び２つの荷重計測装置６ａ、６ｂが設けられていてもよい。この場合、両足分の荷重情報を並行して取得することができ、より多くの情報を得ることができる。

なお、本明細書において「足（foot）」とは、ユーザ４の下肢のうちの足首よりも先端側を意味するものとする。また、本明細書において、「ユーザ」とは、歩行環境判定装置１を用いた歩行環境の判定の対象になっている人物を意味するものである。「ユーザ」に該当するか否かは、歩行環境判定システムを構成する歩行環境判定装置１以外の装置の使用者であるか、歩行環境判定システムにより提供されるサービスを受ける者であるか等とは無関係である。

情報通信端末２は、携帯電話、スマートフォン、スマートウォッチ等のユーザ４が携帯する端末装置である。情報通信端末２には、歩行状態の解析用のアプリケーションソフトがあらかじめインストールされており、当該アプリケーションソフトに基づく処理を行う。情報通信端末２は、歩行環境判定装置１で得られた歩行環境の判定結果、歩行状態等のデータを歩行環境判定装置１から取得し、当該データを用いた情報処理を行う。情報処理の結果は、ユーザ４に通知されてもよく、サーバ３に送信されてもよい。また、情報通信端末２は、歩行環境判定装置１の制御プログラム、データ解析プログラム等のソフトウェアを歩行環境判定装置１に提供する機能を有していてもよい。

サーバ３は、情報通信端末２に対して歩行状態の解析用のアプリケーションソフトの提供及びアップデートを行う。また、サーバ３は、情報通信端末２から取得したデータを蓄積し、当該データを用いた情報処理を行ってもよい。

なお、この全体構成は一例であり、例えば、歩行環境判定装置１がサーバ３に直接接続される構成であってもよい。また、歩行環境判定装置１と情報通信端末２が一体の装置として構成されていてもよく、歩行環境判定システム内に更にエッジサーバ、中継装置等の別の装置が含まれていてもよい。

図２は、本実施形態に係る荷重計測装置６ａ、６ｂの配置を示す模式図である。図２は、靴５を底面側からみたときの透視図である。荷重計測装置６ａは、ユーザ４の踵に対応する位置に設けられており、荷重計測装置６ｂは、荷重計測装置６ａよりも爪先側に設けられている。より具体的には、荷重計測装置６ａは、足のリスフラン関節７（中足骨と足根骨の間の関節）に対応する位置よりも踵側に設けられており、荷重計測装置６ｂは、足のリスフラン関節７に対応する位置よりも爪先側に設けられている。なお、図中の符号「７」が付された一点鎖線は、ユーザ４が靴５を履いたときのリスフラン関節７の位置を示している。

図３は、歩行環境判定装置１のハードウェア構成例を示すブロック図である。歩行環境判定装置１は、例えば、マイクロコンピュータ又はマイクロコントローラである。歩行環境判定装置１は、ＣＰＵ（Central Processing Unit）１０１、ＲＡＭ（Random Access Memory）１０２、ＲＯＭ（Read Only Memory）１０３、フラッシュメモリ１０４、通信Ｉ／Ｆ（Interface）１０５、センサ制御装置１０６及びバッテリ１０７を備える。なお、歩行環境判定装置１内の各部は、バス、配線、駆動装置等を介して相互に接続される。

ＣＰＵ１０１は、ＲＯＭ１０３、フラッシュメモリ１０４等に記憶されたプログラムに従って所定の演算を行うとともに、歩行環境判定装置１の各部を制御する機能をも有するプロセッサである。ＲＡＭ１０２は、揮発性記憶媒体から構成され、ＣＰＵ１０１の動作に必要な一時的なメモリ領域を提供する。ＲＯＭ１０３は、不揮発性記憶媒体から構成され、歩行環境判定装置１の動作に用いられるプログラム等の必要な情報を記憶する。フラッシュメモリ１０４は、不揮発性記憶媒体から構成され、データの一時記憶、歩行環境判定装置１の動作用プログラムの記憶等を行う記憶装置である。

通信Ｉ／Ｆ１０５は、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）等の規格に基づく通信インターフェースであり、情報通信端末２との通信を行うためのモジュールである。

センサ制御装置１０６は、荷重を計測させるように荷重計測装置６ａ、６ｂを制御し、荷重計測装置６ａ、６ｂから荷重を示す電気信号を取得する制御装置である。取得された電気信号はデジタルデータとしてフラッシュメモリ１０４に記憶される。これにより、歩行環境判定装置１は、荷重計測装置６ａ、６ｂにより計測された荷重を時系列データとして取得することができる。荷重計測装置６ａにより計測された荷重は、第１の荷重情報と呼ばれることもあり、荷重計測装置６ｂにより計測された荷重は、第２の荷重情報と呼ばれることもある。また、荷重計測装置６ａにより計測された荷重の時系列データは、第１の時系列データと呼ばれることもあり、荷重計測装置６ｂにより計測された荷重の時系列データは、第２の時系列データと呼ばれることもある。なお、荷重計測装置６ａ、６ｂで計測されたアナログ信号をデジタルデータに変換するＡＤ変換（Analog-to-Digital Conversion）は、荷重計測装置６ａ、６ｂ内で行われてもよく、センサ制御装置１０６により行われてもよい。

バッテリ１０７は、例えば二次電池であり、歩行環境判定装置１の動作に必要な電力を供給する。また、荷重計測装置６ａ、６ｂに電力供給が必要な場合には、荷重計測装置６ａ、６ｂにも電力を供給してもよい。歩行環境判定装置１にバッテリ１０７が内蔵されていることにより、歩行環境判定装置１は、外部の電源に有線接続することなく、ワイヤレスで動作することができる。

なお、図３に示されているハードウェア構成は例示であり、これら以外の装置が追加されていてもよく、一部の装置が設けられていなくてもよい。また、一部の装置が同様の機能を有する別の装置に置換されていてもよい。例えば、歩行環境判定装置１は、ユーザ４による操作を受け付けることができるようにボタン等の入力装置を更に備えていてもよく、ユーザ４に情報を提供するためのディスプレイ、表示灯、スピーカ等の出力装置を更に備えていてもよい。このように図３に示されているハードウェア構成は適宜変更可能である。

図４は、情報通信端末２のハードウェア構成例を示すブロック図である。情報通信端末２は、ＣＰＵ２０１、ＲＡＭ２０２、ＲＯＭ２０３及びフラッシュメモリ２０４を備える。また、情報通信端末２は、通信Ｉ／Ｆ２０５、入力装置２０６及び出力装置２０７を備える。なお、情報通信端末２の各部は、バス、配線、駆動装置等を介して相互に接続される。

図４では、情報通信端末２を構成する各部が一体の装置として図示されているが、これらの機能の一部は外付け装置により提供されるものであってもよい。例えば、入力装置２０６及び出力装置２０７は、ＣＰＵ２０１等を含むコンピュータの機能を構成する部分とは別の外付け装置であってもよい。

ＣＰＵ２０１は、ＲＯＭ２０３、フラッシュメモリ２０４等に記憶されたプログラムに従って所定の演算を行うとともに、情報通信端末２の各部を制御する機能をも有するプロセッサである。ＲＡＭ２０２は、揮発性記憶媒体から構成され、ＣＰＵ２０１の動作に必要な一時的なメモリ領域を提供する。ＲＯＭ２０３は、不揮発性記憶媒体から構成され、情報通信端末２の動作に用いられるプログラム等の必要な情報を記憶する。フラッシュメモリ２０４は、不揮発性記憶媒体から構成され、歩行環境判定装置１と送受信するデータの記憶、情報通信端末２の動作用プログラムの記憶等を行う記憶装置である。

通信Ｉ／Ｆ２０５は、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、４Ｇ等の規格に基づく通信インターフェースであり、他の装置との通信を行うためのモジュールである。

入力装置２０６は、ユーザ４が情報通信端末２を操作するために用いられるユーザインターフェースである。入力装置２０６の例としては、マウス、トラックボール、タッチパネル、ペンタブレット、ボタン等が挙げられる。

出力装置２０７は、例えば表示装置である。表示装置は、液晶ディスプレイ、ＯＬＥＤ（Organic Light Emitting Diode）ディスプレイ等であって、情報の表示、操作入力用のＧＵＩ（Graphical User Interface）の表示等に用いられる。入力装置２０６及び出力装置２０７は、タッチパネルとして一体に形成されていてもよい。

なお、図４に示されているハードウェア構成は例示であり、これら以外の装置が追加されていてもよく、一部の装置が設けられていなくてもよい。また、一部の装置が同様の機能を有する別の装置に置換されていてもよい。更に、本実施形態の一部の機能がネットワークを介して他の装置により提供されてもよく、本実施形態の機能が複数の装置に分散されて実現されるものであってもよい。例えば、フラッシュメモリ２０４は、ＨＤＤ（Hard Disk Drive）に置換されていてもよく、クラウドストレージに置換されていてもよい。このように図４に示されているハードウェア構成は適宜変更可能である。

サーバ３は、図４に示したものと概ね同様のハードウェア構成を有するコンピュータである。サーバ３のハードウェア構成は、携帯可能でなくてもよい点を除けば情報通信端末２と概ね同様であるため、詳細な説明を省略する。

図５は、本実施形態に係る歩行環境判定装置１の機能ブロック図である。歩行環境判定装置１は、取得部１２０、特徴量抽出部１３０、歩行環境判定部１４０、記憶部１５０及び通信部１６０を有する。特徴量抽出部１３０は、歩行周期特定部１３１及び特徴量演算部１３２を有する。

ＣＰＵ１０１は、ＲＯＭ１０３、フラッシュメモリ１０４等に記憶されたプログラムをＲＡＭ１０２にロードして実行する。これにより、ＣＰＵ１０１は、特徴量抽出部１３０及び歩行環境判定部１４０の機能を実現する。また、ＣＰＵ１０１は、当該プログラムに基づいてセンサ制御装置１０６を制御することにより取得部１２０の機能を実現する。また、ＣＰＵ１０１は、当該プログラムに基づいてフラッシュメモリ１０４を制御することにより記憶部１５０の機能を実現する。また、ＣＰＵ１０１は、当該プログラムに基づいて通信Ｉ／Ｆ１０５を制御することにより通信部１６０の機能を実現する。これらの各部で行われる具体的な処理については後述する。

本実施形態においては図５の機能ブロックの各機能は歩行環境判定装置１に設けられているものとするが、図５の機能ブロックの機能の一部が情報通信端末２又はサーバ３に設けられていてもよい。すなわち、上述の各機能は、歩行環境判定装置１、情報通信端末２及びサーバ３のいずれによって実現されてもよく、歩行環境判定装置１、情報通信端末２及びサーバ３が協働することにより実現されてもよい。

図６は、本実施形態に係る歩行環境判定装置１により行われる歩行環境判定処理の一例を示すフローチャートである。図６の処理は、例えば、ユーザ４が歩行しているときのように、歩行環境判定装置１が歩行を検出しているときに実行される。あるいは、図６の処理は、歩行の有無とは無関係に常に実行されるものであってもよく、所定の時間間隔で実行されるものであってもよい。

ステップＳ１０１において、取得部１２０は、荷重計測装置６ａ、６ｂを制御して、各々から荷重の時系列データを取得する。すなわち、取得部１２０は、荷重計測装置６ａから第１の時系列データを取得し、荷重計測装置６ｂから第２の時系列データを取得する。これにより、取得部１２０は、ユーザ４の歩行により生じた荷重の時間変化を取得することができる。取得された荷重の時系列データは、デジタルデータに変換された上で記憶部１５０に記憶される。また、この荷重の時系列データは歩行の特徴を示すものであることから歩行データと呼ばれることもある。この歩行データは、本実施形態の歩行環境判定に用いるだけでなく、ユーザ４の歩容解析又は個人識別に用いることもできる。

ここで、歩行に含まれる特徴が十分得られるためには、荷重の時系列データは、少なくとも１歩行周期に相当する期間のデータを含むことが望ましい。１歩行周期について図７を参照して説明する。図７は、歩行周期について説明するための概念図である。図７は、１歩行周期分のユーザ４の右足と左足の動きを模式的に示している。図中の正規化時間は、１歩行周期の長さが１００になるように正規化した時間を示している。すなわち、図中の正規化時間０は右足が着地する瞬間であり、図中の正規化時間５０は左足が着地する瞬間であり、図中の正規化時間１００は再び右足が着地する瞬間である。正規化時間０から１００までの期間が１歩行周期である。

また、足が地面に着いている期間を立脚期と呼び、足が地面から離れている期間を遊脚期と呼ぶ。より詳細には、例えば、右足の立脚期は、右足の踵が着地する瞬間（着地時）から、右足の爪先が地面から離れる瞬間までの期間（離地時）であり、一般的には１歩行周期の約６０％の期間を占める。右足の遊脚期は、右足の爪先が地面から離れる瞬間から、右足の踵が着地する瞬間までの期間であり、一般的には１歩行周期の約４０％の期間を占める。図７に示されるように、歩行時には、立脚期と遊脚期が交互に繰り返される。また、右足と左足とで、立脚期と遊脚期の位相が逆である。

ステップＳ１０２において、歩行周期特定部１３１は、第１の時系列データ及び第２の時系列データの１歩行周期を特定する。歩行時には、一歩ごとに概ね同じ動きが繰り返されるため、時系列データの周期性を検出することにより１歩行周期を特定することができる。例えば、時系列データのピーク又はディップの出現時刻、時系列データをフーリエ変換して得られた周波数スペクトルに含まれるピークの周波数等に基づいて１歩行周期を特定することができる。

ステップＳ１０３において、特徴量演算部１３２は、少なくとも１歩行周期内の第１の時系列データ及び第２の時系列データから歩行環境を示す特徴量を抽出する。抽出された特徴量は記憶部１５０に記憶される。この特徴量の抽出について、具体例を挙げて説明する。

図８は、１歩行周期内に荷重計測装置６ａで取得された荷重の第１の時系列データの一例を示すグラフである。また、図９は、１歩行周期内に荷重計測装置６ｂで取得された荷重の第２の時系列データの一例を示すグラフである。図８及び図９の横軸は１歩行周期における正規化時間を示しており、図８及び図９の縦軸は任意単位（arbitrary unit）による荷重を示している。なお、正規化時間の値は歩行周期の始点と終点の定義によって変わり得るため、図８及び図９においては、正規化時間の値は図７と必ずしも一致していない。

図８及び図９において、線種の異なる５つのグラフは、ユーザ４の歩行環境の違いによる荷重の時間変動の違いを示している。グラフ中の「平地」は、ユーザ４が平地を歩行している場合を示している。グラフ中の「階段登り」及び「階段下り」は、ユーザ４が階段を登っている場合及び階段を下っている場合をそれぞれ示している。グラフ中の「傾斜登り」及び「傾斜下り」は、ユーザ４が傾斜を登っている場合及び傾斜を下っている場合をそれぞれ示している。

図８及び図９より理解されるように、歩行環境の違いに応じてピークの出現時刻が顕著に異なっている。また、歩行環境の違いによりピークの大きさの差も見られる。そのため、１歩行周期内の第１の時系列データ及び第２の時系列データから特徴量を抽出することにより、ユーザ４の歩行環境を判定することができる。本処理において抽出される特徴量の具体例としては、ピークの出現時刻、ピークの大きさ等が挙げられる。本処理において抽出される特徴量は複数の要素を含んでもよく、言い換えると、本処理において抽出される特徴量は特徴量ベクトルであり得る。

ステップＳ１０４において、歩行環境判定部１４０は、抽出された特徴量に基づいて歩行環境を判定する。これにより、歩行環境判定部１４０は、ユーザ４が歩行している場所が平地であるか、あるいは、階段、坂道等の平地以外の場所であるかといった歩行環境を判定することができる。

なお、歩行環境判定部１４０によって行われる特徴量から歩行環境を判定する処理には、あらかじめ機械学習により生成され、記憶部１５０に記憶されている学習済みモデルが用いられる。機械学習に用いられるアルゴリズムの例としては、決定木、ランダムフォレスト、サポートベクトルマシン、ニューラルネットワーク、ディープラーニング、ロジスティック回帰、最近傍分類法（Ｋ－ＮＮ：k-nearest neighbor algorithm）、アンサンブル分類学習法、判別分析等が挙げられる。また、機械学習による学習済みモデルの生成（学習処理）は、あらかじめ準備されたサンプルデータを用いて、歩行環境判定装置１、情報通信端末２又はサーバ３において行われる。

上述のステップＳ１０４における歩行環境の判定に用いられる学習済みモデルを生成するための学習処理についてより詳細に説明する。本処理は、図６の処理に先立ってあらかじめ歩行環境判定装置１、情報通信端末２又はサーバ３において行われる。本実施形態の説明では、学習処理はサーバ３において行われるものとする。

図１０は、本実施形態に係るサーバ３により行われる学習処理の一例を示すフローチャートである。図１０の処理は、歩行状態判定処理に先立って、工場出荷時、ユーザ４が歩行環境判定装置１を使用する前のキャリブレーション時等のタイミングで行われる。

ステップＳ２０１において、サーバ３は、学習用のサンプルデータを取得する。このサンプルデータは、例えば、ステップＳ１０１からステップＳ１０３の処理により得られる特徴量ベクトルに歩行状態を示すラベルを対応付けたものであり得る。なお、歩行状態を示すラベルは、ユーザ４、歩行環境判定システムの管理者等によりあらかじめ付されている。より具体的には、ユーザ４が平地、坂道等の様々な場所を実際に歩いて歩行環境判定装置１にデータを取得させるとともに歩いた場所を入力することにより、特徴量ベクトルとラベルとが対応付けられたサンプルデータを作成することができる。

ステップＳ２０２において、サーバ３は、サンプルデータを教師データとして機械学習を行う。これにより、特徴量ベクトルの入力に対して適切な歩行状態が出力されるような学習済みモデルが生成される。

ステップＳ２０３において、サーバ３は、学習済みモデルを記憶装置に記憶する。その後、サーバ３は、学習済みモデルを歩行環境判定装置１に提供する。具体的には、サーバ３は、学習済みモデルを情報通信端末２に送信する。情報通信端末２は、受信した学習済みモデルを歩行環境判定部１４０における処理用のソフトウェアとして歩行環境判定装置１にインストールさせる。

図１１は、本学習処理により得られる特徴量ベクトルと歩行状態ラベルとの対応関係を模式的に示す表である。図１１に示されるように、「第１の時系列データのピーク時刻」、「第１の時系列データのピークの大きさ」、「第２の時系列データのピーク時刻」等を含む特徴量ベクトルに対応して「平地」、「階段登り」等の歩行状態ラベルが決定される。言い換えると、本学習処理により得られる学習済みモデルは、特徴量ベクトルを説明変数として入力したときに、歩行状態ラベルを応答変数として出力する機能を有する。なお、本学習処理による学習済みモデルの生成は、歩行環境判定の対象者ごとに個別に行われてもよく、対象者によらず共通であってもよい。

［実施例１］
第１実施形態の歩行環境判定システムを用いて実際に歩行環境の判定を行った結果を実施例１として説明する。本実施例では、「平地」、「階段登り」、「階段下り」、「傾斜登り」、「傾斜下り」の５種の歩行環境を含む歩行データを取得した。これらの歩行データから多数の特徴量ベクトルを抽出して学習用及び検証用のデータ群を作成した。本実施例では、このデータ群を用いて交差検証を行った。具体的には、データ群のうちのランダムに選択した一部のデータを検証用データとし、残りのデータを学習用データとした。すなわち、データ群の一部の学習用データを用いて学習済みモデルを生成し、残りのデータを用いて学習済みモデルの認識率を検証した。なお、交差検証の分割数は１０である。

図１２は、このデータ群を用いて交差検証を行った結果を示す表である。表の「予測されたクラス」は、第１実施形態の歩行環境判定システムにより判定された歩行環境のクラスであり、「真のクラス」は、被験者が実際に歩行した場所の歩行環境を示すクラスである。表中のクラスの番号「１」、「２」、「３」、「４」、「５」は、それぞれ、「平地」、「階段登り」、「階段下り」、「傾斜登り」、「傾斜下り」を示している。例えば、真のクラスが「４（傾斜登り）」である１６個のデータ群について歩行環境判定システムにより予測を行った場合には、１６個のうちの１４個について正しくクラス「４」を予測することができている。これに対し、１６個のうちの２個については誤ったクラス「５」が予測されている。図１２に示されているように、第１実施形態の歩行環境システムでは約８５％の高い正解率で歩行環境を判定できた。このように、本実施形態によれば、高精度に歩行環境を判定することができる歩行環境判定装置１及び歩行環境判定システムが提供される。

以上のように、本実施形態によれば、歩行環境の判定に用いられる特徴量を好適に抽出することができる情報処理装置が提供される。また、情報処理装置により抽出された特徴量を用いることにより、高精度に歩行環境を判定することができる歩行環境判定装置１及び歩行環境判定システムが提供される。

本実施形態の歩行環境判定システムは、ユーザ４が歩行している場所は平地であるか否かを判別することができる。以下、本実施形態の歩行環境判定システムの用途の例を説明する。

一般的に、人間の歩行パターンは、平地と平地以外とで異なる。そのため、ユーザ４の歩行パターンの解析（歩容解析）を行う際に、坂道、階段等の平地以外の場所の歩行データを除外して解析を行う場合がある。そのような場合に、歩行データからユーザ４が歩行している場所が平地であるか否かを判定するニーズがある。本実施形態の歩行環境判定システムを用いて歩行環境を判定することにより、歩容解析用の歩行データから平地以外の場所の歩行データを容易に除外することができる。また、歩行データの取得時に平地以外の場所の歩行データを削除するデータ処理を行うことで、歩行データの記憶容量及び通信量を低減することができる。あるいは、平地以外の場所の歩行データを取得しないように歩行環境判定装置１を制御することにより、歩行環境判定装置１の消費電力を低減することができる。

［第２実施形態］
本実施形態の歩行環境判定システムは、２つの荷重計測装置６ａ、６ｂから取得された時系列データを加算してから特徴量の抽出を行う点が第１実施形態と相違する。以下では主として第１実施形態との相違点について説明するものとし、共通部分については説明を省略又は簡略化する。

図１３は、本実施形態に係る歩行環境判定装置１の機能ブロック図である。歩行環境判定装置１の特徴量抽出部１３０は、第１実施形態で述べた構成に加えて、時系列データ処理部１３３を更に有する。

図１４は、本実施形態に係る歩行環境判定装置１により行われる歩行環境判定処理の一例を示すフローチャートである。図６の処理と同じステップには同じ符号が付されており、図６と共通する説明を省略又は簡略化する。

ステップＳ１０５において、時系列データ処理部１３３は、荷重計測装置６ａから取得された第１の時系列データと、荷重計測装置６ｂから取得された第２の時系列データとを加算して第３の時系列データを生成する。この処理では、第１の時系列データと第２の時系列データの同時刻の荷重のデジタルデータ同士を加算する。これにより、荷重計測装置６ａ、６ｂの両方から出力された荷重に基づく特徴を含む第３の時系列データを取得することができる。

なお、ステップＳ１０１とステップＳ１０５の順序及び内容は適宜変更可能である。ステップＳ１０１とステップＳ１０５は、同時に行われてもよく、一連の処理として行われてもよい。例えば、これらの処理は、荷重計測装置６ａ、６ｂから時系列データを取得する際に両者を加算して第３の時系列データを生成し、保存するといった処理に変形されてもよい。この場合、第１の時系列データと第２の時系列データを記憶する必要はない。また、これらの処理は、荷重計測装置６ａ、６ｂで計測されたアナログ信号をＡＤ変換前に回路的に加算する処理に変形されてもよい。この場合、加算は、取得部１２０によるデータの取得前に完了している。この処理方法では、ＡＤ変換の処理回数が低減される。

ステップＳ１０６において、歩行周期特定部１３１は、第３の時系列データの１歩行周期を特定する。ステップＳ１０７において、特徴量演算部１３２は、少なくとも１歩行周期内の第３の時系列データから歩行環境を示す特徴量を抽出する。抽出された特徴量は記憶部１５０に記憶される。この特徴量の抽出について、具体例を挙げて説明する。

図１５は、荷重計測装置６ａ、６ｂで取得された荷重の合計値である第３の時系列データの一例を示すグラフである。グラフの表記は図８及び図９と同様であるため説明を省略する。

図１５より理解されるように、各グラフには２つのピークが存在する。以下、この２つのピークを時刻の早い方から順にＰ１、Ｐ２と呼ぶこともある。歩行環境の違いに応じてピークＰ１、Ｐ２の出現時刻は、顕著に異なっている。また、歩行環境の違いによりピークＰ１、Ｐ２の大きさの差も見られる。そのため、１歩行周期内の第３の時系列データから特徴量を抽出することにより、ユーザ４の歩行環境を判定することができる。本処理において抽出される特徴量の具体例としては、ピークＰ１、Ｐ２の出現時刻、ピークＰ１、Ｐ２の大きさ、Ｐ１とＰ２の時間差等が挙げられる。本処理において抽出される特徴量は複数の要素を含んでもよく、言い換えると、本処理において抽出される特徴量は特徴量ベクトルであり得る。

ステップＳ１０４において、歩行環境判定部１４０は、第１実施形態と同様にして学習済みモデルを用いた歩行環境の判定を行う。図１６は、本実施形態の学習済みモデルの生成のための学習処理により得られる特徴量ベクトルと歩行状態ラベルとの対応関係を模式的に示す表である。図１６に示されるように、「Ｐ１の時刻」、「Ｐ１の大きさ」、「Ｐ２の時刻」、「Ｐ２の大きさ」、「Ｐ１とＰ２の時間差（Ｐ２の出現時刻とＰ１の出現時刻との差）」等を含む特徴量ベクトルに対応して「平地」、「階段登り」等の歩行状態ラベルが決定される。このように複数のピークに基づいて特徴量を抽出することにより、多くの特徴を抽出することでき、判定精度が向上され得る。

［実施例２］
第２実施形態の歩行環境判定システムを用いて実際に歩行環境の判定を行った結果を実施例２として説明する。本実施例では、「平地」、「階段登り」、「階段下り」、「傾斜登り」、「傾斜下り」の５種の歩行環境を含む歩行データを取得した。これらの歩行データから多数の特徴量ベクトルを抽出して学習用及び検証用のデータ群を作成した。本実施例では、このデータ群を用いて実施例１と同様の交差検証を行った。なお、交差検証の分割数は１０である。

図１７は、このデータ群を用いて交差検証を行った結果を示す表である。表の記載は図１２と同様であるため説明を省略する。図１７に示されているように、第１実施形態の歩行環境システムでは約８３％の高い正解率で歩行環境を判定できた。このように、本実施形態においても、第１実施形態と同様に高精度に歩行環境を判定することができる歩行環境判定装置１及び歩行環境判定システムが提供される。

以上のように、本実施形態においても第１実施形態と同様に、歩行環境の判定に用いられる特徴量を好適に抽出することができる情報処理装置が提供される。また、情報処理装置により抽出された特徴量を用いることにより、高精度に歩行環境を判定することができる歩行環境判定装置１及び歩行環境判定システムが提供される。

［第３実施形態］
本実施形態の歩行環境判定システムは、歩容解析用の歩行データの測定機能と、消費電力が異なる２種のモードの切り替え機能とを備える点が第１実施形態と相違する。以下では主として第１実施形態との相違点について説明するものとし、共通部分については説明を省略又は簡略化する。

図１８は、本実施形態に係る歩行環境判定装置１の機能ブロック図である。歩行環境判定装置１は、第１実施形態で述べた要素に加えて、更にモード切替部１７０を有する。本実施形態の荷重計測装置６ａ、６ｂは、通常モードと、通常モードよりも消費電力が小さい省電力モードとにより動作可能である。モード切替部１７０は、荷重計測装置６ａ、６ｂの動作モードを通常モード又は省電力モードに制御する機能を有する。なお、通常モードはより一般的に第１モードと呼ばれることもあり、省電力モードはより一般的に第２モードと呼ばれることもある。

通常モードと省電力モードとの間の差は、荷重計測装置６ａ、６ｂが実行可能な処理の種類の差であり得る。例えば、省電力モードは、荷重計測装置６ａ、６ｂ内の一部の装置の機能を停止させることで消費電力を低減させるものであってもよい。あるいは、通常モードと省電力モードとの間の差は、サンプリングレートの違いであってもよい。この場合、省電力モードでは通常モードに比べてデータを取得する頻度を小さくすることにより、荷重計測装置６ａ、６ｂ内のセンサにおける消費電力を小さくすることができる。

ＣＰＵ１０１は、ＲＯＭ１０３、フラッシュメモリ１０４等に記憶されたプログラムをＲＡＭ１０２にロードして実行することにより、モード切替部１７０の機能を実現する。なお、モード切替部１７０の機能は、情報通信端末２又はサーバ３に設けられていてもよく、荷重計測装置６ａ、６ｂ内に設けられていてもよい。

図１９は、本実施形態に係る歩行環境判定装置１により行われるモード切り替え処理の一例を示すフローチャートである。図１９の処理は、例えば、ユーザ４が歩行しているときのように、歩行環境判定装置１が歩行を検出しているときに実行される。あるいは、図１９の処理は、歩行の有無とは無関係に常に実行されるものであってもよく、所定の時間間隔で実行されるものであってもよい。

ステップＳ３０１において、歩行環境判定装置１の各部は、歩行環境判定処理を行う。この歩行環境判定処理は、図６のステップＳ１０１からステップＳ１０４と同様のものであり、説明を省略する。

ステップＳ３０２において、モード切替部１７０は、歩行環境判定処理の結果に基づいて、ユーザ４の歩行環境が平地であるか否かを判定する。歩行環境が平地であると判定された場合（ステップＳ３０２においてＹＥＳ）には、処理はステップＳ３０３に移行する。歩行環境が平地ではないと判定された場合（ステップＳ３０２においてＮＯ）には、処理はステップＳ３０４に移行する。

ステップＳ３０３において、モード切替部１７０は、荷重計測装置６ａ、６ｂの動作モードを通常モードに制御する。その後、ステップＳ３０５において、取得部１２０は、荷重計測装置６ａ、６ｂを制御して歩容解析用の歩行データを取得する。

ステップＳ３０４において、モード切替部１７０は、荷重計測装置６ａ、６ｂの動作モードを省電力モードに制御し、処理は終了する。なお、省電力モードにおいても歩容解析用の歩行データの取得が可能である場合には、ステップＳ３０４の後にステップＳ３０５と同様の処理を行ってもよい。

適切に歩容解析を行うためには、歩行環境が平地である歩行データを用いることが望ましい。これに対し、平地以外の歩行環境で得られた歩行データは歩容解析に対してはさほど有効でないことも多い。そこで、本実施形態の歩行環境判定装置１は、歩行環境が平地である場合には通常モードにより歩容解析用の歩行データを取得でき、歩行環境が平地でない場合には省電力モードに切り替えることで消費電力を低減させる。したがって、適切な歩行データの取得と低消費電力とを両立することができる。

以上のように、本実施形態の歩行環境判定装置１は、第１実施形態と同様の効果が得られることに加え、歩行環境が平地でない場合に荷重計測装置６ａ、６ｂを省電力モードに制御することにより、消費電力を低減させることができる。本実施形態のように荷重計測装置６ａ、６ｂがユーザ４の靴５等に設けられる場合には、荷重計測装置６ａ、６ｂを駆動するバッテリ１０７の電力容量をあまり大きくすることができない。そのため、本実施形態による消費電力の低減が有効である。

なお、上述の例では、荷重計測装置６ａ、６ｂの動作モードを切り替える例を説明したが、歩行環境判定装置１が通常モード又は省電力モードで動作可能な構成である場合には、歩行環境判定装置１の動作モードを切り替えてもよい。具体的には、歩行環境判定装置１は、通常モードのときに荷重計測装置６ａ、６ｂからデータを取得し、省電力モードのときはデータを取得しない、あるいは取得頻度を小さくするというものであり得る。この場合、歩行環境判定装置１の消費電力を低減させることができる。

なお、上述の例では、第１実施形態の構成にモード切替部１７０の機能を追加したものを例示したが、本実施形態は、第２実施形態の構成にモード切替部１７０の機能を追加したものであってもよい。

上述の実施形態において説明した装置又はシステムは以下の第４実施形態のようにも構成することができる。

［第４実施形態］
図２０は、第４実施形態に係る情報処理装置６１の機能ブロック図である。情報処理装置６１は、取得部６１１及び特徴量抽出部６１２を備える。取得部６１１は、ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する。特徴量抽出部６１２は、荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出する。

本実施形態によれば、歩行環境の判定に用いられる特徴量を好適に抽出することができる情報処理装置６１が提供される。

［変形実施形態］
本発明は、上述の実施形態に限定されることなく、本発明の趣旨を逸脱しない範囲において適宜変更可能である。例えば、いずれかの実施形態の一部の構成を他の実施形態に追加した例や、他の実施形態の一部の構成と置換した例も、本発明の実施形態である。

上述の実施形態では、歩行環境判定処理は歩行環境判定装置１の内部で行われているが、この機能は、情報通信端末２に設けられていてもよい。この場合、情報通信端末２は、歩行環境判定装置として機能する。

上述の実施形態では２つの荷重計測装置から荷重の時系列データを取得する例を示したが、荷重計測装置の個数、配置等はこれに限定されるものではない。例えば、荷重計測装置の個数は１個であってもよく、３個以上であってもよい。荷重計測装置が１個である場合には、取得されるデータの量が少なくなるため、データ処理量が低減し得る。荷重計測装置が３個以上である場合には、より多くの情報を得ることができるため、歩行環境の判定精度が向上し得る。

また、上述の実施形態では荷重計測装置はロードセル等のユーザ４の足底の局所的な荷重を取得する例を示したが、足底の広範囲にわたる荷重分布を取得可能な構成であってもよい。例えば、靴５に多数の荷重計測装置を配置する構成、あるいは、多数の荷重検出素子が２次元配列されたシートセンサを靴５に配置する構成であってもよい。この場合、ユーザ４の足底の荷重分布の時系列データを取得することができ、より多くの情報を得ることができるため、歩行環境の判定精度が向上し得る。

上述の実施形態の機能を実現するように該実施形態の構成を動作させるプログラムを記憶媒体に記録させ、記憶媒体に記録されたプログラムをコードとして読み出し、コンピュータにおいて実行する処理方法も各実施形態の範疇に含まれる。すなわち、コンピュータ読取可能な記憶媒体も各実施形態の範囲に含まれる。また、上述のプログラムが記録された記憶媒体だけでなく、そのプログラム自体も各実施形態に含まれる。また、上述の実施形態に含まれる１又は２以上の構成要素は、各構成要素の機能を実現するように構成されたＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）等の回路であってもよい。

該記憶媒体としては例えばフロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ（Compact Disk）－ＲＯＭ、磁気テープ、不揮発性メモリカード、ＲＯＭを用いることができる。また該記憶媒体に記録されたプログラム単体で処理を実行しているものに限らず、他のソフトウェア、拡張ボードの機能と共同して、ＯＳ（Operating System）上で動作して処理を実行するものも各実施形態の範疇に含まれる。

上述の各実施形態の機能により実現されるサービスは、ＳａａＳ（Software as a Service）の形態でユーザに対して提供することもできる。

なお、上述の実施形態は、いずれも本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

上述の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。

（付記１）
ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する取得部と、
前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出する特徴量抽出部と、
を備える情報処理装置。

（付記２）
前記特徴量抽出部は、前記時系列データに含まれるピークに基づいて前記特徴量を抽出する、
付記１に記載の情報処理装置。

（付記３）
前記特徴量抽出部は、前記ピークの出現時刻及び前記ピークの大きさの少なくとも１つに基づいて前記特徴量を抽出する、
付記２に記載の情報処理装置。

（付記４）
前記取得部は、前記足底に設けられた第１の荷重計測装置によって計測された第１の時系列データと、前記第１の荷重計測装置よりも前記足底の爪先側に設けられた第２の荷重計測装置によって計測された第２の時系列データとを取得し、
前記特徴量抽出部は、前記第１の時系列データ及び前記第２の時系列データに基づいて、前記特徴量を抽出する、
ことを特徴とする付記１に記載の情報処理装置。

（付記５）
前記特徴量抽出部は、前記第１の時系列データと前記第２の時系列データとを加算することにより得られる第３の時系列データに基づいて前記特徴量を抽出する、
付記４に記載の情報処理装置。

（付記６）
前記特徴量抽出部は、前記第３の時系列データに含まれるピークに基づいて前記特徴量を抽出する、
付記５に記載の情報処理装置。

（付記７）
前記特徴量抽出部は、前記第３の時系列データに含まれる複数の前記ピークに基づいて前記特徴量を抽出する、
付記６に記載の情報処理装置。

（付記８）
前記第１の荷重計測装置は、前記ユーザの足のリスフラン関節よりも踵側に設けられており、
前記第２の荷重計測装置は、前記リスフラン関節よりも爪先側に設けられている、
付記４乃至７のいずれか１項に記載の情報処理装置。

（付記９）
前記特徴量抽出部は、前記第１の時系列データ及び前記第２の時系列データのみに基づいて、前記特徴量を抽出する、
付記４乃至８のいずれか１項に記載の情報処理装置。

（付記１０）
前記取得部は、前記荷重計測装置によって計測された前記足底の荷重分布の時系列データを取得し、
前記特徴量抽出部は、前記荷重分布の時系列データに基づいて、前記特徴量を抽出する、
ことを特徴とする付記１に記載の情報処理装置。

（付記１１）
前記特徴量は、前記ユーザの歩行環境が平地であるか否かの判定に用いられる、
付記１乃至１０のいずれか１項に記載の情報処理装置。

（付記１２）
前記情報処理装置又は前記荷重計測装置は、第１モードと、前記第１モードよりも消費電力が小さい第２モードとで動作可能であり、
前記ユーザの歩行環境が平地であると判定された場合には、前記情報処理装置又は前記荷重計測装置は、前記第１モードで動作し、
前記ユーザの歩行環境が平地ではないと判定された場合には、前記情報処理装置又は前記荷重計測装置は、前記第２モードで動作する、
付記１１に記載の情報処理装置。

（付記１３）
付記１乃至１２のいずれか１項に記載の情報処理装置により抽出された前記特徴量に基づいて前記ユーザの歩行環境を判定する、
歩行環境判定装置。

（付記１４）
付記１乃至１２のいずれか１項に記載の情報処理装置と、
前記特徴量に基づいて前記ユーザの歩行環境を判定する歩行環境判定装置と、
前記荷重計測装置と、
を備える、歩行環境判定システム。

（付記１５）
ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、
前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出するステップと、
を備える情報処理方法。

（付記１６）
コンピュータに、
ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、
前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出するステップと、
を備える情報処理方法を実行させるためのプログラムが記憶された記憶媒体。

１ 歩行環境判定装置
２ 情報通信端末
３ サーバ
４ ユーザ
５ 靴
６ａ、６ｂ 荷重計測装置
７ リスフラン関節
６１ 情報処理装置
１０１、２０１ ＣＰＵ
１０２、２０２ ＲＡＭ
１０３、２０３ ＲＯＭ
１０４、２０４ フラッシュメモリ
１０５、２０５ 通信Ｉ／Ｆ
１０６ センサ制御装置
１０７ バッテリ
１２０、６１１ 取得部
１３０、６１２ 特徴量抽出部
１３１ 歩行周期特定部
１３２ 特徴量演算部
１３３ 時系列データ処理部
１４０ 歩行環境判定部
１５０ 記憶部
１６０ 通信部
１７０ モード切替部
２０６ 入力装置
２０７ 出力装置

Claims (7)

1. ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得する取得部と、
   前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出する特徴量抽出部と、
   を備え、
   前記取得部は、前記足底に設けられた第１の荷重計測装置によって計測された第１の時系列データと、前記第１の荷重計測装置よりも前記足底の爪先側に設けられた第２の荷重計測装置によって計測された第２の時系列データとを取得し、
   前記特徴量抽出部は、前記第１の時系列データと前記第２の時系列データとを加算することにより得られる第３の時系列データに基づいて前記特徴量を抽出する、
   情報処理装置。
2. 前記特徴量抽出部は、前記第３の時系列データに含まれるピークに基づいて前記特徴量を抽出する、
   請求項１に記載の情報処理装置。
3. 前記特徴量抽出部は、前記ピークの出現時刻及び前記ピークの大きさの少なくとも１つに基づいて前記特徴量を抽出する、
   請求項２に記載の情報処理装置。
4. 請求項１乃至３のいずれか１項に記載の情報処理装置により抽出された前記特徴量に基づいて前記ユーザの歩行環境を判定する、
   歩行環境判定装置。
5. 請求項１乃至３のいずれか１項に記載の情報処理装置と、
   前記特徴量に基づいて前記ユーザの歩行環境を判定する歩行環境判定装置と、
   前記荷重計測装置と、
   を備える、歩行環境判定システム。
6. ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、
   前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出するステップと、
   を備え、
   前記荷重情報は、前記足底に設けられた第１の荷重計測装置によって計測された第１の時系列データと、前記第１の荷重計測装置よりも前記足底の爪先側に設けられた第２の荷重計測装置によって計測された第２の時系列データとを含み、
   前記第１の時系列データと前記第２の時系列データとを加算することにより得られる第３の時系列データに基づいて前記特徴量が抽出される、
   情報処理方法。
7. コンピュータに、
   ユーザの足底から荷重計測装置に加えられた荷重に基づく荷重情報を取得するステップと、
   前記荷重情報に含まれる少なくとも１歩行周期の時系列データから、歩行環境を示す特徴量を抽出するステップと、
   を備える情報処理方法を実行させるためのプログラムであって、
   前記荷重情報は、前記足底に設けられた第１の荷重計測装置によって計測された第１の時系列データと、前記第１の荷重計測装置よりも前記足底の爪先側に設けられた第２の荷重計測装置によって計測された第２の時系列データとを含み、
   前記第１の時系列データと前記第２の時系列データとを加算することにより得られる第３の時系列データに基づいて前記特徴量が抽出される、
   プログラム。

Images