JP7480851B2 - 検出装置、検出システム、検出方法、およびプログラム - Google Patents

Description

本開示は、歩行イベントを検出する検出装置等に関する。

体調管理を行うヘルスケアへの関心の高まりから、歩行の特徴を含む歩容を計測し、その歩容に応じた情報をユーザに提供するサービスが注目されている。歩行に関するデータから、踵が地面に接地する事象や、爪先が地面から離れる事象などの歩行イベントを検出できれば、歩容に応じたサービスをより的確に提供できる。

特許文献１には、靴のインソールに設けられた感圧センサによって取得された、歩行時および静止立位時における所定時間の足底圧のデータを解析する方法について開示されている。特許文献１の方法では、歩行時における足底圧パラメータ、足圧中心パラメータ、および時間パラメータと、静止立位時における足底圧パラメータおよび足圧中心パラメータとを取得して蓄積する。

特許文献２には、歩行に起因する身体部位の加速度変化から、被験者の歩行動作を判定する装置について開示されている。特許文献２の装置は、身体に装着されて歩行に起因する身体部位の左右軸方向以外の単一軸方向の加速度を検出する１軸加速度センサを備える。特許文献２の装置は、１軸加速度センサの検出結果から生成される加速度波形の特徴量を抽出する。特許文献２の装置は、歩行周期における左右脚の動作にそれぞれ対応した立脚期の加速度波形の特徴量を用いて、歩行動作の左右バランスが正常であるか否かを判定する。

特許文献３には、使用者の下肢に電気刺激を付与する装置について開示されている。特許文献３の装置は、歩行動作のフェーズが遊脚期のとき、膝関節を跨ぐ筋肉のうちの下肢の背面側に存在する下肢背側筋群に対応する背面部分に取り付けられた背面電極部に電流を出力させる。特許文献３の装置は、歩行動作のフェーズが立脚期のとき、膝関節を跨ぐ筋肉のうちの下肢の正面側に存在する下肢腹側筋群に対応する正面部分に取り付けられた正面電極部に電流を出力させる。

国際公開第２０１８／１６４１５７号 特開２０１０－００５０３３号公報 特開２０１５－１３６５８４号公報

特許文献１の手法では、感圧センサを用いて取得された足底圧のデータに基づいて、立脚期や遊脚期を自動検知できる。しかしながら、特許文献１の手法では、足底圧のデータに基づいて歩行イベントを検知するため、立脚期におけるデータは取得できるが、遊脚期におけるデータを取得できなかった。すなわち、特許文献１の手法では、両足の足底圧のデータを用いても、遊脚期における歩行イベントを検知できなかった。

特許文献２の手法では、腰背部等のように、身体の正中線上などで左右対称性を分析できる身体部位に装着された１軸加速度センサによって、単一軸方向の加速度を検出する。特許文献２の手法では、歩数や歩行距離、歩行速度、歩幅などの歩行パラメータとともに、歩行動作の左右バランスを判定することはできるが、歩行イベントを細分化するための情報を得ることはできなかった。すなわち、特許文献２の手法では、単一のセンサを用いて、詳細な歩行イベントを検出することができなかった。

特許文献３の手法では、大腿部や下腿部、足部に取り付けられたセンサによって検出されたデータに基づいて、大腿や下腿、足の動作を検知し、立脚期や遊脚期を細分化できる。しかしながら、特許文献３の手法では、大腿部や下腿部、足部に分けて、複数のセンサを用いる必要があった。また、特許文献３の手法では、爪先と踵の下に設けられた圧力センサによって足の動きを検知するため、遊脚期における歩行相を細分化するためには、大腿部や下腿部に設けられたセンサによって検出されたデータで補間する必要があった。すなわち、特許文献３の手法では、歩行イベントを検出する際に、複数のセンサを用いる必要があった。

本発明の目的は、片足に装着されたセンサによって計測される足の動きに関する物理量に基づいて、両足の詳細な歩行イベントを検出できる検出装置等を提供することにある。

本開示の一態様の検出装置は、歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成し、生成された時系列データから歩行波形を抽出する抽出部と、抽出部によって抽出された歩行波形から、歩行者の両足の歩行イベントを検出する検出部と、を備える。

本開示の一態様の検出方法においては、コンピュータが、歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成し、生成された時系列データから歩行波形を抽出し、抽出された歩行波形から、歩行者の両足の歩行イベントを検出する。

本開示の一態様のプログラムは、歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成する処理と、生成された時系列データから歩行波形を抽出する処理と、抽出された歩行波形から、歩行者の両足の歩行イベントを検出する処理と、をコンピュータに実行させる。

本開示によれば、片足に装着されたセンサによって計測される足の動きに関する物理量に基づいて、両足の詳細な歩行イベントを検出できる検出装置等を提供することが可能になる。

第１の実施形態に係る検出システムの構成の一例を示すブロック図である。 第１の実施形態に係る検出システムのデータ取得装置を履物の中に配置する一例を示す概念図である。 第１の実施形態に係る検出システムのデータ取得装置に設定されるローカル座標系と世界座標系について説明するための概念図である。 第１の実施形態に係る検出システムが検出する歩行イベントについて説明するための概念図である。 第１の実施形態に係る検出システムのデータ取得装置の構成の一例を示すブロック図である。 第１の実施形態に係る検出システムの検出装置の構成の一例を示すブロック図である。 第１の実施形態に係る検出システムの検出装置が生成する足底角の歩行波形について説明するためのグラフである。 第１の実施形態に係る検出システムの検出装置によって切り出される一歩行周期分の歩行周期について説明するための概念図である。 被験者の歩容を計測する際に靴の周辺に取り付けられる目印の位置について説明するための概念図である。 被験者の歩容を計測するためのカメラの配置について説明するための概念図である。 モーションキャプチャによって計測された爪先と踵のＺ方向高さの時系列データの一例のグラフである。 モーションキャプチャによって計測された反対足の爪先と踵のＺ方向高さの時系列データの一例のグラフである。 第１の実施形態に係る検出システムの検出装置が、進行方向の加速度（Ｙ方向加速度）の歩行波形から爪先離地のタイミングを検出する一例について説明するためのグラフである。 第１の実施形態に係る検出システムの検出装置が、進行方向の加速度（Ｙ方向加速度）の歩行波形および重力方向の加速度（Ｚ方向高さ）の歩行波形から踵接地のタイミングを検出する一例について説明するためのグラフである。 第１の実施形態に係る検出システムの検出装置が、ロール角速度の歩行波形から反対足踵接地のタイミングを検出する一例について説明するためのグラフである。 第１の実施形態に係る検出システムの検出装置が、ロール角速度の歩行波形から反対足爪先離地のタイミングを検出する一例について説明するためのグラフである。 第１の実施形態に係る検出システムの検出装置が、重力方向の加速度（Ｚ方向高さ）の歩行波形から脛骨垂直のタイミングを検出する一例について説明するためのグラフである。 第１の実施形態に係る検出システムの検出装置が、進行方向の加速度（Ｙ方向加速度）の歩行波形から足交差のタイミングを検出する一例について説明するためのグラフである。 第１の実施形態に係る検出システムの検出装置が、ロール角速度の歩行波形から踵持ち上がりのタイミングを検出する一例について説明するためのグラフである。 第１の実施形態に係る検出装置の動作の一例について説明するためのフローチャートである。 第１の実施形態に係る検出装置の歩行イベント検出処理の一例について説明するためのフローチャートである。 第１の実施形態に係る検出装置による爪先離地の検出の一例について説明するためのフローチャートである。 第１の実施形態に係る検出装置による踵接地の検出の一例について説明するためのフローチャートである。 第１の実施形態に係る検出装置による反対足踵接地の検出の一例について説明するためのフローチャートである。 第１の実施形態に係る検出装置による反対足爪先離地の検出の一例について説明するためのフローチャートである。 第１の実施形態に係る検出装置による脛骨垂直の検出の一例について説明するためのフローチャートである。 第１の実施形態に係る検出装置による足交差の検出の一例について説明するためのフローチャートである。 第１の実施形態に係る検出装置による踵持ち上げの検出の一例について説明するためのフローチャートである。 第２の実施形態に係る検出システムの構成の一例について説明するためのブロック図である。 第２の実施形態に係る検出システムの検出装置の構成の一例について説明するためのブロック図である。 第２の実施形態に係る検出システムの検出装置によって切り出される一歩行周期分の歩行周期における片足支持期間と両足支持期間について説明するための概念図である。 第２の実施形態に係る検出システムの検出装置によって切り出される一歩行周期分の歩行周期における歩行の非対称性について説明するための概念図である。 第２の実施形態に係る検出システムの検出装置が用いる学習済みモデルを機械学習によって生成する一例を示す概念図である。 第２の実施形態に係る検出システムの検出装置が学習済みモデルに特徴量を入力することによって、ユーザの身体情報が出力される一例を示す概念図である。 第２の実施形態に係る検出システムの検出装置による身体状態の推測の一例について説明するためのフローチャートである。 第２の実施形態に係る検出システムの検出装置による筋力低下状況の推測の一例について説明するためのフローチャートである。 第２の実施形態に係る検出システムの検出装置による骨密度の推測の一例について説明するためのフローチャートである。 第２の実施形態に係る検出システムの検出装置による基礎代謝の推測の一例について説明するためのフローチャートである。 第２の実施形態に係る検出システムの検出装置によって推測された身体状態に関する情報を携帯端末の表示部に表示させる一例を示す概念図である。 第２の実施形態に係る検出システムの検出装置によって推測された身体状態に応じた情報を携帯端末の表示部に表示させる一例を示す概念図である。 第２の実施形態に係る検出システムの検出装置によって推測された身体状態に関する情報を医療機関等に送信する一例を示す概念図である。 第３の実施形態に係る検出装置の構成の一例を示すブロック図である。 各実施形態に係る検出装置を実現するハードウェア構成の一例について説明するためのブロック図である。

以下に、本発明を実施するための形態について図面を用いて説明する。ただし、以下に述べる実施形態には、本発明を実施するために技術的に好ましい限定がされているが、発明の範囲を以下に限定するものではない。なお、以下の実施形態の説明に用いる全図においては、特に理由がない限り、同様箇所には同一符号を付す。また、以下の実施形態において、同様の構成・動作に関しては繰り返しの説明を省略する場合がある。

（第１の実施形態）
まず、第１の実施形態に係る検出システムについて図面を参照しながら説明する。本実施形態の検出システムは、歩行者の足部に設置されたセンサによって取得されたセンサデータを用いて、その歩行者の歩行イベントを検出する。特に、本実施形態においては、歩行者の片足の履物に設置されたセンサによって取得されたセンサデータを用いて、その歩行者の両足の歩行イベントを検出する。詳細については後述するが、歩行イベントは、足が地面に着く事象や、足が地面から離れる事象などを含む。本実施形態においては、右足を基準の足とし、左足を反対足とする系について説明する。本実施形態においては、左足を基準の足とし、右足を反対足とする系についても適用できる。

（構成）
図１は、本実施形態の検出システム１の構成の一例を示すブロック図である。図１のように、検出システム１は、データ取得装置１１および検出装置１２を備える。データ取得装置１１と検出装置１２は、有線で接続されてもよいし、無線で接続されてもよい。また、データ取得装置１１と検出装置１２は、単一の装置で構成してもよい。また、検出システム１の構成からデータ取得装置１１を除き、検出装置１２だけで検出システム１を構成してもよい。

データ取得装置１１は、足部に設置される。例えば、データ取得装置１１は、右足の履物に設置される。データ取得装置１１は、靴等の履物を履くユーザの足の動きに関する物理量として、加速度（空間加速度とも呼ぶ）および角速度（空間角速度とも呼ぶ）を計測する。データ取得装置１１が計測する足の動きに関する物理量には、加速度や角速度に加えて、加速度や角速度を積分することによって計算される速度や角度、軌跡も含まれる。データ取得装置１１は、計測された物理量をデジタルデータ（センサデータとも呼ぶ）に変換する。データ取得装置１１は、変換後のセンサデータを検出装置１２に送信する。データ取得装置１１によって生成される加速度や角速度などのセンサデータを歩行パラメータとも呼ぶ。また、加速度や角速度を積分することによって計算される速度や角度、軌跡なども歩行パラメータに含まれる。

データ取得装置１１は、例えば、加速度センサと角速度センサを含む慣性計測装置によって実現される。慣性計測装置の一例として、ＩＭＵ（Inertial Measurement Unit）が挙げられる。ＩＭＵは、３軸の加速度センサと、３軸の角速度センサを含む。また、慣性計測装置の一例として、ＶＧ（Vertical Gyro）や、ＡＨＲＳ（Attitude Heading）、ＧＰＳ／ＩＮＳ（Global Positioning System/Inertial Navigation System）が挙げられる。

図２は、データ取得装置１１を靴１００の中に設置する一例を示す概念図である。図２の例では、データ取得装置１１は、足弓の裏側に当たる位置に設置される。例えば、データ取得装置１１は、靴１００の中に挿入されるインソールに設置される。例えば、データ取得装置１１は、靴１００の底面に設置される。例えば、データ取得装置１１は、靴１００の本体に埋設される。データ取得装置１１は、靴１００から着脱できてもよいし、靴１００から着脱できなくてもよい。データ取得装置１１は、足の動きに関するセンサデータを取得できさえすれば、足弓の裏側ではない位置に設置されてもよい。また、データ取得装置１１は、ユーザが履いている靴下や、ユーザが装着しているアンクレット等の装飾品に設置されてもよい。また、データ取得装置１１は、足に直に貼り付けられたり、足に埋め込まれたりしてもよい。図２においては、右足の靴１００にデータ取得装置１１を設置する例を示す。データ取得装置１１は、少なくとも一方の足部に設置されればよく、左右両方の足部に設置されてもよい。両足の靴１００にデータ取得装置１１を設置すれば、両足の動きに対応付けて歩行イベントを検出できる。

図３は、データ取得装置１１を足弓の裏側に設置する場合に、データ取得装置１１に設定されるローカル座標系（ｘ軸、ｙ軸、ｚ軸）と、地面に対して設定される世界座標系（Ｘ軸、Ｙ軸、Ｚ軸）について説明するための概念図である。世界座標系（Ｘ軸、Ｙ軸、Ｚ軸）では、ユーザが直立した状態で、ユーザの横方向がＸ軸方向（右向きが正）、ユーザの正面の方向（進行方向）がＹ軸方向（前向きが正）、重力方向がＺ軸方向（鉛直上向きが正）に設定される。また、本実施形態においては、データ取得装置１１を基準とするｘ方向、ｙ方向、およびｚ方向からなるローカル座標系を設定する。また、本実施形態においては、ｘ軸を回転軸とする回転をピッチ、ｙ軸を回転軸とする回転をロール、ｚ軸を回転軸とする回転をヨー、と定義する。

検出装置１２は、ローカル座標系のセンサデータをデータ取得装置１１から取得する。検出装置１２は、取得したローカル座標系のセンサデータを世界座標系に変換して時系列データを生成する。検出装置１２は、生成した時系列データから一歩行周期分または二歩行周期分の波形データ（以下、歩行波形とも呼ぶ）を抽出する。検出装置１２は、抽出された歩行波形から、後述する歩行イベントを検出する。検出装置１２によって検出される歩行イベントは、歩行者の歩容の計測等に用いられる。

図４は、検出装置１２が検出する歩行イベントについて説明するための概念図である。図４は、右足の一歩行周期に対応する。図４の横軸は、右足の踵が地面に着地した時点を起点とし、次に右足の踵が地面に着地した時点を終点とする右足の一歩行周期を１００％として正規化された時間（正規化時間とも呼ぶ）である。一般に、片足の一歩行周期は、足の裏側の少なくとも一部が地面に接している立脚相と、足の裏側が地面から離れている遊脚相とに大別される。立脚相は、さらに、立脚初期Ｔ１、立脚中期Ｔ２、立脚終期Ｔ３、遊脚前期Ｔ４に細分される。遊脚相は、さらに、遊脚初期Ｔ５、遊脚中期Ｔ６、遊脚終期Ｔ７に細分される。

図４において、（ａ）は、右足の踵が接地する事象（踵接地）を表す（ＨＳ：Heel Strike）。（ｂ）は、右足の足裏が接地した状態で、反対足（左足）の爪先が地面から離れる事象（反対足爪先離地）を表す（ＯＴＯ：Opposite Toe Off）。（ｃ）は、右足の足裏が接地した状態で、右足の踵が持ち上がる事象（踵持ち上がり）を表す（ＨＲ：Heel Rise）。（ｄ）は、反対足（左足）の踵が接地する事象（反対足踵接地）である（ＯＨＳ：Opposite Heel Strike）。（ｅ）は、反対足（左足）の足裏が接地した状態で、右足の爪先が地面から離れる事象（爪先離地）を表す（ＴＯ：Toe Off）。（ｆ）は、反対足（左足）と右足が交差する事象（足交差）を表す（ＦＡ：Foot Adjacent）。（ｇ）は、左足の足裏が接地した状態で、右足の脛骨が地面に対してほぼ垂直になる事象（脛骨垂直）を表す（ＴＶ：Tibia Vertical）。（ｈ）は、右足の踵が接地する事象（踵接地）を表す（ＨＳ：Heel Strike）。（ｈ）は、（ａ）の踵接地から始まる一歩行周期の終点に相当するとともに、次の歩行周期の起点に相当する。

本実施形態においては、右足の動きに関する物理量に基づいて、（ａ）～（ｈ）で示す事象（歩行イベントとも呼ぶ）の各々を検出する。本実施形態においては、上述した歩行イベント（踵接地ＨＳ、反対足爪先離地ＯＴＯ、踵持ち上がりＨＲ、反対足踵接地ＯＨＳ、爪先離地ＴＯ、足交差ＦＡ、および脛骨垂直ＴＶを、歩行者の歩行波形から検出する。

〔データ取得装置〕
次に、データ取得装置１１の詳細について図面を参照しながら説明する。図５は、データ取得装置１１の詳細構成の一例を示すブロック図である。データ取得装置１１は、加速度センサ１１１、角速度センサ１１２、制御部１１３、およびデータ送信部１１５を有する。また、データ取得装置１１は、図示しない電源を含む。以下においては、加速度センサ１１１、角速度センサ１１２、制御部１１３、およびデータ送信部１１５の各々を動作主体として説明するが、データ取得装置１１を動作主体とみなしてもよい。

加速度センサ１１１は、３軸方向の加速度（空間加速度とも呼ぶ）を計測するセンサである。加速度センサ１１１は、計測した加速度を制御部１１３に出力する。例えば、加速度センサ１１１には、圧電型や、ピエゾ抵抗型、静電容量型等の方式のセンサを用いることができる。なお、加速度センサ１１１に用いられるセンサは、加速度を計測できれば、その計測方式に限定を加えない。

角速度センサ１１２は、３軸方向の角速度（空間角速度とも呼ぶ）を計測するセンサである。角速度センサ１１２は、計測した角速度を制御部１１３に出力する。例えば、角速度センサ１１２には、振動型や静電容量型等の方式のセンサを用いることができる。なお、角速度センサ１１２に用いられるセンサは、角速度を計測できれば、その計測方式に限定を加えない。

制御部１１３は、加速度センサ１１１および角速度センサ１１２の各々から、３軸方向の加速度および角速度の各々を取得する。制御部１１３は、取得した加速度および角速度をデジタルデータに変換し、変換後のデジタルデータ（センサデータとも呼ぶ）をデータ送信部１１５に出力する。センサデータには、アナログデータの加速度をデジタルデータに変換した加速度データ（３軸方向の加速度ベクトルを含む）と、アナログデータの角速度をデジタルデータに変換した角速度データ（３軸方向の角速度ベクトルを含む）とが少なくとも含まれる。なお、加速度データおよび角速度データには、それらのデータの取得時間が紐付けられる。また、制御部１１３は、取得した加速度データおよび角速度データに対して、実装誤差や温度補正、直線性補正などの補正を加えたセンサデータを出力するように構成してもよい。また、制御部１１３は、取得した加速度データおよび角速度データを用いて、３軸方向の角度データを生成してもよい。

例えば、制御部１１３は、データ取得装置１１の全体制御やデータ処理を行うマイクロコンピュータまたはマイクロコントローラである。例えば、制御部１１３は、ＣＰＵ（Central Processing Unit）やＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ等を有する。制御部１１３は、加速度センサ１１１および角速度センサ１１２を制御して角速度や加速度を計測する。例えば、制御部１１３は、計測された角速度および加速度等の物理量（アナログデータ）をＡＤ変換（Analog-to-Digital Conversion）し、変換後のデジタルデータをフラッシュメモリに記憶させる。なお、加速度センサ１１１および角速度センサ１１２によって計測された物理量（アナログデータ）は、加速度センサ１１１および角速度センサ１１２の各々においてデジタルデータに変換されてもよい。フラッシュメモリに記憶されたデジタルデータは、所定のタイミングでデータ送信部１１５に出力される。

データ送信部１１５は、制御部１１３からセンサデータを取得する。データ送信部１１５は、取得したセンサデータを検出装置１２に送信する。データ送信部１１５は、ケーブルなどの有線を介してセンサデータを検出装置１２に送信してもよいし、無線通信を介してセンサデータを検出装置１２に送信してもよい。例えば、データ送信部１１５は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉＦｉ（登録商標）などの規格に則した無線通信機能（図示しない）を介して、センサデータを検出装置１２に送信するように構成される。なお、データ送信部１１５の通信機能は、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉＦｉ（登録商標）以外の規格に則していてもよい。

〔検出装置〕
次に、検出システム１が備える検出装置１２の詳細について図面を参照しながら説明する。図６は、検出装置１２の構成の一例を示すブロック図である。検出装置１２は、抽出部１２１および検出部１２３を有する。

抽出部１２１は、歩行者の履いている履物に設置されたデータ取得装置１１（センサ）からセンサデータを取得する。抽出部１２１は、センサデータを用いて、データ取得装置１１が設置された履物を履いた歩行者の歩行に伴う時系列データを生成する。抽出部１２１は、生成した時系列データから、一歩行周期分または二歩行周期分の歩行波形データを抽出する。

例えば、抽出部１２１は、データ取得装置１１からセンサデータを取得する。抽出部１２１は、取得されたセンサデータの座標系を、ローカル座標系から世界座標系に変換する。ユーザが直立した状態では、ローカル座標系（ｘ軸、ｙ軸、ｚ軸）と世界座標系（Ｘ軸、Ｙ軸、Ｚ軸）は一致する。ユーザが歩行している間、データ取得装置１１の空間的な姿勢が変化するため、ローカル座標系（ｘ軸、ｙ軸、ｚ軸）と世界座標系（Ｘ軸、Ｙ軸、Ｚ軸）は一致しない。そのため、抽出部１２１は、データ取得装置１１によって取得されたセンサデータを、データ取得装置１１のローカル座標系（ｘ軸、ｙ軸、ｚ軸）から世界座標系（Ｘ軸、Ｙ軸、Ｚ軸）に変換する。

例えば、抽出部１２１は、空間加速度や空間角速度などの時系列データを生成する。また、抽出部１２１は、空間加速度や空間角速度を積分し、空間速度や空間角度（足底角）、空間軌跡などの時系列データを生成する。抽出部１２１は、一般的な歩行周期や、ユーザに固有の歩行周期に合わせて設定された所定のタイミングや時間間隔で時系列データを生成する。抽出部１２１が時系列データを生成するタイミングは、任意に設定できる。例えば、抽出部１２１は、ユーザの歩行が継続されている期間、時系列データを生成し続けるように構成される。また、抽出部１２１は、特定の時刻において、時系列データを生成するように構成されてもよい。

検出部１２３は、抽出部１２１によって生成された歩行波形データから、データ取得装置１１が設置された履物を履いて歩行する歩行者の歩行イベントを検出する。例えば、検出部１２３は、足の動きに関する物理量の歩行波形から、歩行イベントごとの特徴を抽出する。例えば、検出部１２３は、抽出された歩行イベントごとの特徴のタイミングを、それぞれの歩行イベントのタイミングとして検出する。例えば、検出部１２３は、検出した歩行イベントを、図示しないシステムや装置に出力する。

〔歩行イベント〕
次に、検出装置１２による歩行イベントの検出例について図面を参照しながら説明する。本実施形態においては、立脚相の中央のタイミング（立脚終期の開始）を、一歩行周期の起点に設定する。本実施形態においては、踵接地、反対足爪先離地、踵持ち上がり、反対足踵接地、爪先離地、足交差、および脛骨垂直を歩行イベントとして検出する例について説明する。以下においては、一歩行周期の歩行波形における時系列の順番ではなく、歩行イベントの検出の順番に沿って説明する。

以下においては、データ取得装置１１が設置された履物を履いた被験者の歩容を検証した例について説明する。本検証では、一方の足（右足）にデータ取得装置１１を設置した。本検証は、年齢が２０～５０代、身長が１５０～１８０センチメートル、体重が４５～１００キログラムの男女３２名の被験者を母集団とする。本検証においては、３２名の被験者を母集団とし、データ取得装置１１が設置された履物を履いた歩行者の歩容を、モーションキャプチャと検出装置１２によって計測した。本検証においては、モーションキャプチャによって計測された歩容（Ｙ方向位置、Ｚ方向高さ、ロール角）と、データ取得装置１１によって計測された物理量に基づくセンサデータを用いて検出装置１２が計測した歩容とを比較した。

図７は、足底角の歩行波形について説明するためのグラフである。図７においては、爪先が踵よりも上に位置する状態（背屈）を負と定義し、爪先が踵よりも下に位置する状態（底屈）を正と定義する。足底角の歩行波形が極小となる時刻ｔ_dは、立脚相開始のタイミングに相当する。足底角の歩行波形が極大となる時刻ｔ_bは、遊脚相開始のタイミングに相当する。立脚相開始の時刻ｔ_dと遊脚相開始の時刻ｔ_bとの中点の時刻が、立脚相の中央のタイミングに相当する。本実施形態においては、立脚相の中央のタイミングの時刻を、一歩行周期の起点の時刻ｔ_mに設定する。また、本実施形態においては、時刻ｔ_mのタイミングの次の立脚相の中央のタイミングの時刻を、一歩行周期の終点の時刻ｔ_m＋1に設定する。

図８は、時刻ｔ_mを起点とし、時刻ｔ_m+1を終点とする一歩行周期について説明するためのグラフである。検出部１２３は、一歩行周期分の足底角の歩行波形から、極小（第１背屈ピーク）となる時刻ｔ_dと、第１背屈ピークの次に極大（第１底屈ピーク）となる時刻ｔ_bとを検出する。さらに、検出部１２３は、その次の一歩行周期分の足底角の歩行波形から、第１底屈ピークの次に極小（第２背屈ピーク）となる時刻ｔ_d+1と、第２背屈ピークの次に極大（第２底屈ピーク）となる時刻ｔ_b+1とを検出する。検出部１２３は、時刻ｔ_dと時刻ｔ_bの中点の時刻を、一歩行周期の起点の時刻ｔ_mに設定する。また、検出部１２３は、時刻ｔ_d+1と時刻ｔ_b+1の中点の時刻を、一歩行周期の終点の時刻ｔ_m+1に設定する。

検出部１２３は、データ取得装置１１によって計測された足の動きに関する物理量に基づくセンサデータの時系列データに関して、時刻ｔ_mから時刻ｔ_m+1までの一歩行周期分の歩行波形を切り出す。例えば、検出部１２３は、第１背屈ピークの時刻ｔ_dと第１底屈ピークの時刻ｔ_bの中点（時刻ｔ_m）を起点とし、第２背屈ピークの時刻ｔ_d+1と第２底屈ピークの時刻ｔ_b+1の中点（時刻ｔ_m+1）を終点とする一歩行周期分の歩行波形データを切り出す。同様に、検出部１２３は、データ取得装置１１によって計測された足の動きに関する物理量（空間加速度、空間角速度、空間軌跡）に基づくセンサデータの時系列データに関して、時刻ｔ_mから時刻ｔ_m+1までの一歩行周期分の歩行波形を切り出す。

例えば、検出部１２３は、切り出された一歩行周期分の歩行波形を、時刻ｔ_mから時刻ｔ_bまでの区間と、時刻ｔ_bから時刻ｔ_d+1までの区間と、時刻ｔ_d+1から時刻ｔ_m+1までの区間とに分割する。時刻ｔ_mから時刻ｔ_bまでの区間の波形を第１歩行波形Ｗ１、時刻ｔ_bから時刻ｔ_d+1までの区間の波形を第２歩行波形Ｗ２、時刻ｔ_d+1から時刻ｔ_m+1までの区間の波形を第３歩行波形Ｗ３、と呼ぶ。歩行イベントで表現すると、踵持ち上がりＨＲから爪先離地ＴＯまでの区間の波形が第１歩行波形Ｗ１、爪先離地ＴＯから踵接地ＨＳまでの区間の波形が第２歩行波形Ｗ２、踵接地ＨＳから踵持ち上がりＨＲまでの区間の波形が第３歩行波形Ｗ３である。図８において、一歩行周期の３０％は爪先離地のタイミングに相当し、一歩行周期の７０％は踵接地のタイミングに相当する。なお、各歩行イベントが発現するタイミングは、人物や身体状態に応じて異なるため、爪先離地や踵接地のタイミングは、図８の歩行周期と完全に一致するわけではない。

図９は、モーションキャプチャのための目印１３１および目印１３２を取り付けた靴１００の概念図である。本検証においては、両足の靴１００の各々に、５つの目印１３１と１つの目印１３２を取り付けた。靴の開口の周囲の側面には、５つの目印１３１を配置した。５つの目印１３１は、踵の動きを検出するための目印である。５つの目印１３１を剛体とみなす剛体モデルの重心が、踵の位置として検出される。靴１００の爪先の位置には、目印１３２を配置した。目印１３２は、爪先の位置として検出される。また、右足の足弓の裏側に当たる位置にデータ取得装置１１を設置した。

図１０は、目印１３１および目印１３２を取り付けた靴１００を履いた歩行者の歩容をモーションキャプチャで検証する際の歩行線と、複数のカメラ１５０を配置した位置について説明するための概念図である。本検証では、歩行線を挟んだ両側に５台ずつ（計１０台）のカメラ１５０を配置した。複数のカメラ１５０の各々は、歩行線から３ｍの位置に３ｍ間隔で配置した。複数のカメラ１５０の各々の高さは、水平面（ＸＹ平面）から２ｍの高さに固定した。複数のカメラ１５０の各々の焦点は、歩行線の位置に合わせた。

歩行線に沿って歩行する歩行者の靴１００に設置された目印１３１および目印１３２の動きは、複数のカメラ１５０によって撮影された動画を用いて解析した。踵の動きは、複数の目印１３１を一つの剛体とみなし、それらの重心の動きを解析することで検証した。爪先の動きは、目印１３２の動きを解析することで検証した。本検証においては、踵と爪先の重力方向の高さ（以下、Ｚ方向高さと呼ぶ）、体の中心軸に対する爪先および踵の進行方向の位置（以下、Ｙ方向位置と呼ぶ）、足裏の角度（ロール角）をモーションキャプチャによって計測した。

図１１は、モーションキャプチャによって計測された右足の爪先と踵のＺ方向高さの歩行周期依存性を示すグラフである。図１１においては、爪先のＺ方向高さの変化を破線で示し、踵のＺ方向高さの変化を実線で示す。爪先のＺ方向高さが最小になるタイミングが、爪先離地のタイミングである。踵のＺ方向高さが最小となるタイミングが、踵接地のタイミングである。

図１２は、モーションキャプチャによって計測された左足（反対足）の爪先と踵のＺ方向高さの歩行周期依存性を示すグラフである。図１２においては、爪先のＺ方向高さの変化を破線で示し、踵のＺ方向高さの変化を実線で示す。爪先のＺ方向高さが最小になるタイミングが、反対足爪先離地のタイミングである。踵のＺ方向高さが最小となるタイミングが、反対足踵接地のタイミングである。

以下において、データ取得装置１１によって計測された足の動きに関する物理量に基づいて、検出装置１２が歩行イベントを検出する一例について説明する。以下においては、一歩行周期の歩行波形における時系列の順番ではなく、歩行イベントの検出の順番に沿って説明する。具体的には、爪先離地、踵接地、反対足踵接地、反対足爪先離地、脛骨垂直、足交差、踵持ち上がりの検出について順番に説明する。

＜爪先離地＞
まず、検出装置１２は、一歩行周期分のＹ方向加速度の歩行波形から爪先離地のタイミングを検出する。

図１３は、モーションキャプチャによって計測された爪先のＺ方向高さと、データ取得装置１１によって生成されたセンサデータを用いて検出装置１２が生成したＹ方向加速度の歩行波形とを対応させたグラフである。モーションキャプチャによって計測された爪先のＺ方向高さの波形を実線で示す。検出装置１２が生成したＹ方向加速度の歩行波形を破線で示す。

図１３のように、Ｙ方向加速度においては、歩行周期が２０～４０％のあたりに検出される最大ピークに、二つの極大ピーク（ピークＰ_T1、ピークＰ_T2）と、一つの極小ピーク（ピークＰ_TV）が検出された（点線で囲った範囲内）。爪先離地のタイミングは、ピークＰ_T1が検出されるタイミングＴ_T1と、ピークＰ_T2が検出されるタイミングＴ_T2との間のピークＰ_TVが検出されるタイミングＴ_Tに相当する。

３２名の被験者を母集団とした場合、モーションキャプチャで検出された爪先離地のタイミングと、検出装置１２が検出した爪先離地のタイミングの回帰直線の二乗平均平方根誤差（ＲＭＳＥ：Root Mean Squared Error）は１．２２％であった。すなわち、モーションキャプチャで検出された爪先離地のタイミングと、検出装置１２が検出した爪先離地のタイミングとの間には、十分な相関関係が確認された。

＜踵接地＞
次に、検出装置１２は、一歩行周期分のＹ方向加速度またはＺ方向加速度の歩行波形から踵接地のタイミングを検出する。なお、一歩行周期分の歩行波形から爪先離地と踵接地を検出する順番は入れ替えてもよい。

図１４は、モーションキャプチャによって計測された踵のＺ方向高さ（左軸）と、データ取得装置１１によって生成されたセンサデータを用いて検出装置１２が生成したＹ方向加速度およびＺ方向加速度の歩行波形データ（右軸）とを対応させたグラフである。モーションキャプチャで計測された踵のＺ方向高さの波形を実線で示す。検出装置１２が計測したＹ方向加速度の歩行波形を破線で示す。検出装置１２が計測したＺ方向加速度の歩行波形を一点鎖線で示す。

モーションキャプチャで計測された踵のＺ方向高さ（実線）が最小となるタイミングが、踵接地のタイミングに相当する。しかしながら、Ｙ方向加速度（破線）およびＺ方向加速度（一点鎖線）には、踵接地において特徴的なピークは表れない。そのため、本実施形態においては、踵接地のタイミングの近傍に表れる特徴的なピークを用いて、踵接地のタイミングを特定する。

図１４のように、Ｙ方向加速度（破線）においては、歩行周期が６０％を超えたあたりに最小ピーク（ピークＰ_H1）が検出された。このピークＰ_H1は、遊脚終期における足の急減速のタイミングに相当する。また、Ｙ方向加速度（破線）においては、歩行周期が７０％のあたりに極大となるピークＰ_H2が検出された。このピークＰ_H2は、ヒールロッカーのタイミングに相当する。データ取得装置１１が足弓の位置に設置されていると、踵関節の回転軸よりも爪先側にデータ取得装置１１が位置するため、ヒールロッカー（回転）の動作の際に、進行方向（＋Ｙ方向）の加速度分量が生じる。そのため、ヒールロッカーの動作の期間には、踵接地後に、接地した踵の外周に沿った回転によって、重力方向（Ｚ方向）の加速度が進行方向（Ｙ方向）に変換される期間が含まれる。図１４のように、ピークＰ_H1が検出されるタイミングＴ_H1から、ピークＰ_H2が検出されるタイミングＴ_H2までの期間に、踵接地のタイミングが含まれる。本実施形態においては、ピークＰ_H1が検出されるタイミングＴ_H1と、ピークＰ_H2が検出されるタイミングＴ_H2との中点のタイミングＴ_Hを、踵接地のタイミングに設定する。Ｙ方向加速度（破線）においてピークＰ_H1が検出されるタイミングと、Ｚ方向加速度（一点鎖線）においてピークＰ_H3が検出されるタイミングとはほぼ一致する。そのため、Ｙ方向加速度（破線）においてピークＰ_H1が検出されるタイミングＴ_H1の替わりに、Ｚ方向加速度（一点鎖線）においてピークＰ_H3が検出されるタイミングを、遊脚終期における足の急減速のタイミングとして用いてもよい。

３２名の被験者を母集団とした場合、モーションキャプチャで検出された踵接地のタイミングと、検出装置１２が検出した踵接地のタイミングの回帰直線のＲＭＳは１．４０％であった。すなわち、モーションキャプチャで検出された爪先離地のタイミングと、検出装置１２が検出した爪先離地のタイミングとの間には、十分な相関関係が確認された。

＜反対足踵接地＞
次に、検出装置１２は、一歩行周期分のロール角速度の歩行波形から反対足踵接地のタイミングを検出する。検出装置１２は、Triangle thresholdingアルゴリズムを用いて、反対足踵接地を検出する。例えば、検出装置１２は、一歩行周期の起点から爪先離地までの第１歩行波形Ｗ１から、反対足踵接地を検出する。

図１５は、モーションキャプチャによって計測された踵のＺ方向高さ（左軸）と、データ取得装置１１によって生成されたセンサデータを用いて検出装置１２が計測したロール角速度の歩行波形（右軸）とを対応させたグラフである。モーションキャプチャで計測された踵のＺ方向高さの波形を実線で示す。モーションキャプチャで計測された爪先のＺ方向高さの波形を破線で示す。検出装置１２が計測したロール角速度の歩行変化を一点鎖線で示す。

左足の踵接地（反対足踵接地）は、右足の爪先離地の直前に発生する。左足の踵が接地すると、右足と左足の両足による両足支持状態となる。このとき、左足が右足の蹴り出しの支点を提供するため、右足が蹴り出される速度が上昇し、右足の回転速度が加速される。そのため、反対足踵接地のタイミングは、ロール角速度の第１歩行波形Ｗ１における加速変曲点のタイミングに相当する。検出部１２３は、ロール角速度の歩行波形において、一歩行周期の起点（０％）と爪先離地のピークを結ぶ線分Ｌ１から、ロール角速度の歩行波形に向けて引いた垂線の長さが最大となる点を加速変曲点として求める。検出部１２３は、ロール角速度の第１歩行波形Ｗ１における加速変曲点のタイミングを、反対足踵接地のタイミングとして検出する。

３２名の被験者を母集団とした場合、モーションキャプチャで検出された反対足踵接地のタイミングと、検出装置１２が検出した反対足踵接地のタイミングの回帰直線のＲＭＳＥは２，４１％であった。すなわち、モーションキャプチャで検出された反対足踵接地のタイミングと、検出装置１２が検出した反対足踵接地のタイミングとの間には、相関関係が確認された。

＜反対足爪先離地＞
次に、検出装置１２は、一歩行周期分のロール角速度の歩行波形から反対足爪先離地のタイミングを検出する。検出装置１２は、Triangle thresholdingアルゴリズムを用いて、反対足爪先離地を検出する。例えば、検出装置１２は、踵接地から一歩行周期の終点までの第３歩行波形Ｗ３から、反対足爪先離地を検出する。なお、一歩行周期分の歩行波形から反対足爪先離地と反対足踵接地を検出する順番は入れ替えてもよい。

図１６は、モーションキャプチャによって計測された踵のＺ方向高さ（左軸）と、データ取得装置１１によって生成されたセンサデータを用いて検出装置１２が計測したロール角速度の歩行波形データ（右軸）とを対応させたグラフである。モーションキャプチャで計測された踵のＺ方向高さの変化を実線で示す。モーションキャプチャで計測された爪先のＺ方向高さの変化を破線で示す。検出装置１２が計測したロール角速度の変化を一点鎖線で示す。

左足の爪先離地（反対足爪先離地）は、右足の踵接地の直後に発生する。右足が完全に着地しないと、左足は安定に蹴り出されないため、右足の回転が完全に終了した際に、左足の蹴り出しが発生する。そのため、反対足爪先離地のタイミングは、ロール角速度の第３歩行波形Ｗ３における減速変曲点のタイミングに相当する。検出部１２３は、ロール角速度の歩行波形において、踵着地のピークと一歩行周期の終点（１００％）とを結ぶ線分Ｌ３から、ロール角速度の歩行波形に向けて引いた垂線の長さが最大となる点を減速変曲点として求める。検出部１２３は、ロール角速度の第３歩行波形Ｗ３における減速変曲点のタイミングを、反対足爪先離地のタイミングとして検出する。

３２名の被験者を母集団とし、モーションキャプチャで検出された反対足爪先離地のタイミングと、検出装置１２が検出した反対足爪先離地のタイミングの回帰直線のＲＭＳＥは１．９８％であった。すなわち、モーションキャプチャで検出された反対足踵接地のタイミングと、検出装置１２が検出した反対足踵接地のタイミングとの間には、相関関係が確認された。

＜脛骨垂直＞
次に、検出装置１２は、一歩行周期分のＺ方向加速度の歩行波形から脛骨垂直のタイミングを検出する。例えば、検出装置１２は、爪先離地から踵接地までの第２歩行波形Ｗ２から、脛骨垂直を検出する。なお、一歩行周期分の歩行波形から脛骨垂直を検出する順番は、反対足爪先離地と反対足踵接地の前であってもよい。

図１７は、モーションキャプチャによって計測されたロール角（左軸）の波形と、データ取得装置１１によって生成されたセンサデータを用いて検出装置１２が生成したＺ方向加速度の歩行波形（右軸）とを対応させたグラフである。モーションキャプチャで計測されたロール角の波形を実線で示す。検出装置１２が生成したＺ方向加速度の歩行波形を破線で示す。

脛骨垂直は、地面に対して脛骨がほぼ垂直になる状態である。脛骨垂直において、踵関節は、ニュートラル状態となり、脛骨に対して足裏面が垂直になる。すなわち、脛骨垂直においては、踵関節の回転に伴うロール角が０度になる。図１７のように、モーションキャプチャによって計測されたロール角が０度のタイミングにおいて、Ｚ方向加速度の歩行波形のピークが最大になる。すなわち、脛骨垂直は、Ｚ方向加速度の歩行波形から切り出される、爪先離地と踵接地の間の第２歩行波形Ｗ２における最大値のタイミングに相当する。検出部１２３は、Ｚ方向加速度の歩行波形から切り出された第２歩行波形Ｗ２に発生するピークが最大になるタイミングを、脛骨垂直のタイミングとして検出する。

３２名の被験者を母集団とし、モーションキャプチャで検出された脛骨垂直のタイミングと、検出装置１２が検出した脛骨垂直のタイミングの回帰直線のＲＭＳＥは１．８５％であった。すなわち、モーションキャプチャで検出された脛骨垂直のタイミングと、検出装置１２が検出した脛骨垂直のタイミングとの間には、相関関係が確認された。

＜足交差＞
次に、検出装置１２は、一歩行周期分のＹ方向加速度の歩行波形から足交差のタイミングを検出する。例えば、検出装置１２は、爪先離地から脛骨垂直までの歩行波形（第４歩行波形Ｗ４とも呼ぶ）から、足交差を検出する。

図１８は、モーションキャプチャによって計測された左足の踵と爪先、右足の爪先のＹ方向位置（左軸）の波形と、データ取得装置１１によって生成されたセンサデータを用いて検出装置１２が生成したＹ方向加速度の歩行波形（右軸）とを対応させたグラフである。モーションキャプチャで計測された左足の踵のＹ方向位置の波形を実線で示す。モーションキャプチャで計測された左足の爪先のＹ方向位置の波形を破線で示す。モーションキャプチャで計測された右足の爪先のＹ方向位置の波形を一点鎖線で示す。検出装置１２が生成したＹ方向加速度の歩行波形を二点鎖線で示す。

本実施形態では、地面に接地している左足が右足に対して前にある状態において、右足の爪先が左足の踵の位置を通過するタイミングをａ、右足の爪先が左足の爪先の位置を通過するタイミングをｂと定義する。そして、タイミングａとタイミングｂの間の中央のタイミングを足交差のタイミングと定義する。図１８のように、足交差のタイミングは、Ｙ方向加速度の歩行波形から切り出される、脛骨垂直と爪先離地の間の第４歩行波形Ｗ４において、脛骨垂直に近い側の緩やかなピークの最大値のタイミングに相当する。検出部１２３は、Ｙ方向加速度の第４歩行波形Ｗ４において、脛骨垂直に近い側の緩やかなピークが最大になるタイミングを、足交差のタイミングとして検出する。

３２名の被験者を母集団とし、モーションキャプチャで検出された足交差のタイミングと、検出装置１２が検出した足交差のタイミング回帰直線のＲＭＳＥは２．０２％であった。すなわち、モーションキャプチャで検出された足交差のタイミングと、検出装置１２が検出した足交差のタイミングとの間には、相関関係が確認された。

＜踵持ち上がり＞
次に、検出装置１２は、連続する二歩行周期分のロール角速度の歩行波形から踵持ち上がりのタイミングを検出する。検出装置１２は、Triangle thresholdingアルゴリズムを用いて、踵持ち上がりのタイミングを検出する。例えば、検出装置１２は、二歩行周期の歩行波形において、一歩行周期目（第１歩行周期）の反対足爪先離地から二歩行周期（第２歩行周期）の反対足踵接地までの歩行波形（第５歩行波形Ｗ５とも呼ぶ）から、踵持ち上がりを検出する。

図１９は、モーションキャプチャによって計測された踵のＺ方向高さ（左軸）と、データ取得装置１１によって生成されたセンサデータを用いて検出装置１２が生成したロール角速度の歩行波形データ（右軸）とを対応させたグラフである。モーションキャプチャで計測された踵のＺ方向高さの波形を実線で示す。検出装置１２が計測したロール角速度の歩行波形を破線で示す。

踵持ち上がりにおいては、地面に接地していた右足の踵がＺ方向に変位し始める。地面に接地していた右足の踵がＺ方向に変位し始めると、ロール角速度に変化が生じる。踵持ち上がりは、ロール角速度の歩行波形から切り出される、第１歩行周期の反対足爪先離地と第２歩行周期の反対足踵接地の間の第５歩行波形Ｗ５における加速変曲点のタイミングに相当する。検出部１２３は、第５歩行波形Ｗ５において、第１歩行周期の反対足爪先離地のタイミングと第２歩行周期の反対足踵接地のタイミングとを結ぶ線分から、ロール角速度の歩行波形に向けて引いた垂線の長さが最大となる点を加速変曲点として求める。検出部１２３は、ロール角速度の第５歩行波形Ｗ５における加速変曲点のタイミングを、踵持ち上がりのタイミングとして検出する。

３２名の被験者を母集団とした場合、モーションキャプチャで検出された踵持ち上がりのタイミングと、検出装置１２が検出した踵持ち上がりのタイミングの回帰直線のＲＭＳＥは、４．４９％であった。すなわち、他の歩行イベントと比べてＲＭＳＥが大きいものの、モーションキャプチャで検出された反対踵持ち上がりのタイミングと、検出装置１２が検出した踵持ち上がりのタイミングとの間には、相関関係が確認された。

図１３～図１９を用いて説明したように、検出部１２３は、データ取得装置１１によって計測された足の動きに関する物理量に基づくセンサデータから歩行波形を生成し、生成した歩行波形から歩行イベントのタイミングを検出する。歩行イベントのタイミングを特定できれば、それぞれのタイミングにおける足の動きや、足の角度、足にかかる力などを検証することができる。また、歩行イベントが発生した時刻を特定すれば、片足支持と両足支持の期間の比率、立脚相と遊脚相の比率や、歩行の非対称性等について検証できる。例えば、検出部１２３によって検出された歩行イベントのタイミングは、図示しない別のシステムや表示装置などに出力されてもよい。検出部１２３によって検出された歩行イベントのタイミングは、歩容を計測する種々の用途や、歩容に基づいて身体状態を推測する種々の用途に応用できる。

（動作）
次に、本実施形態の検出システム１の検出装置１２の動作について図面を参照しながら説明する。以下においては、検出装置１２の抽出部１２１と検出部１２３を動作の主体とする。なお、以下に示す動作の主体は、検出装置１２であってもよい。

まず、抽出部１２１の動作について図面を参照しながら説明する。図２０は、抽出部１２１と検出部１２３の動作の一例について説明するためのフローチャートである。

図２０において、まず、抽出部１２１は、データ取得装置１１が設置された履物を履いて歩行する歩行者の足の動きの物理量に関するセンサデータをデータ取得装置１１から取得する（ステップＳ１１）。抽出部１２１は、データ取得装置１１のローカル座標系のセンサデータを取得する。例えば、抽出部１２１は、足の動きに関するセンサデータとして、３次元の空間加速度や３次元の空間角速度をデータ取得装置１１から取得する。

次に、抽出部１２１は、センサデータの座標系を、データ取得装置１１のローカル座標系から世界座標系に変換する（ステップＳ１２）。

次に、抽出部１２１は、世界座標系に変換後のセンサデータの時系列データを生成する（ステップＳ１３）。

次に、抽出部１２１は、空間加速度および空間角速度のうち少なくともいずれかを用いて空間角度（足底角）を計算し、足底角の時系列データを生成する（ステップＳ１４）。抽出部１２１は、必要に応じて、空間速度や空間軌跡の時系列データを生成する。

次に、抽出部１２１は、二歩行周期分の足底角の歩行波形において、極小となる時刻（時刻ｔ_d、時刻ｔ_d+1）と極大になる時刻（時刻ｔ_b、時刻ｔ_b+1）を検出する（ステップＳ１５）。

次に、抽出部１２１は、時刻t_dと時刻t_bの中点の時刻ｔ_mと、時刻t_d+1と時刻t_b+1の中点の時刻ｔ_m+1を計算する（ステップＳ１６）。

次に、抽出部１２１は、時刻ｔ_mから時刻ｔ_m+1までの波形を、一歩行周期分の歩行波形として切り出す（ステップＳ１７）。

そして、検出部１２３は、抽出部によって切り出された一歩行周期分の歩行波形から歩行イベントを検出する歩行イベント検出処理を実行する（ステップＳ１８）。

〔歩行イベント検出処理〕
次に、検出部１２３の歩行イベント検出処理（図２０のステップＳ１８）の概要について図面を参照しながら説明する。図２１は、検出部１２３の歩行イベント検出処理の一例について説明するためのフローチャートである。図２１のフローチャートは概略的なものであり、個々の歩行イベントの検出については順次説明する。

図２１において、まず、検出部１２３は、一歩行周期分の歩行波形から爪先離地および踵接地を検出する（ステップＳ１０１）。例えば、検出部１２３は、一歩行周期分のＹ方向加速度の歩行波形から、爪先離地および踵接地を検出する。

次に、検出部１２３は、爪先離地と踵接地のタイミングで、一歩行周期の歩行波形を３分割する（ステップＳ１０２）。例えば、検出部１２３は、歩行イベントの検出に用いられる歩行波形を、一歩行周期の始点から爪先離地までを第１歩行波形Ｗ１、爪先離地から踵接地までの第２歩行波形Ｗ２、踵接地から一歩行周期の終点までの第３歩行波形Ｗ３に分割する。

次に、検出部１２３は、第１歩行波形Ｗ１から反対足踵接地を検出し、第３歩行波形Ｗ３から反対足爪先離地を検出する（ステップＳ１０３）。例えば、検出部１２３は、ロール角速度の歩行波形において、第１歩行波形Ｗ１から反対足踵接地を検出し、第３歩行波形Ｗ３から反対足爪先離地を検出する。

次に、検出部１２３は、第２歩行波形Ｗ２から脛骨垂直を検出する（ステップＳ１０４）。例えば、検出部１２３は、Ｚ方向加速度の第２歩行波形Ｗ２から脛骨垂直を検出する。

次に、検出部１２３は、爪先離地と脛骨垂直の間の第４歩行波形Ｗ４から足交差を検出する（ステップＳ１０５）。例えば、検出部１２３は、Ｙ方向加速度の第４歩行波形Ｗ４から足交差を検出する。

次に、検出部１２３は、二歩行周期分の歩行波形から踵持ち上がりを検出する（ステップＳ１０６）。例えば、検出部１２３は、二歩行周期分の歩行波形において、第１歩行周期の反対足爪先離地から第２歩行周期の反対足踵接地までの第５歩行波形Ｗ５から、踵持ち上がりを検出する。

＜爪先離地＞
次に、爪先離地を検出するアルゴリズムについて図面を参照しながら説明する。図２２は、爪先離地を検出するアルゴリズムの一例について説明するためのフローチャートである。爪先離地は、遊脚相の開始のタイミングに相当する。

図２２において、まず、検出部１２３は、Ｙ方向加速度の歩行波形から、歩行周期が２０～４０％の範囲を切り出す（ステップＳ１１１）。

次に、検出部１２３は、切り出した波形から、極大となるタイミングＴ_T1およびタイミングＴ_T2を検出する（ステップＳ１１２）。

そして、検出部１２３は、タイミングＴ_T1とタイミングＴ_T2の中点のタイミングを爪先離地のタイミングＴ_Tとして検出する（ステップＳ１１３）。

＜踵接地＞
次に、踵接地を検出するアルゴリズムの一例について図面を参照しながら説明する。図２３は、踵接地を検出するアルゴリズムの一例について説明するためのフローチャートである。踵接地は、立脚相の開始のタイミングに相当する。

図２３において、まず、検出部１２３は、Ｙ方向加速度の歩行波形から、Ｙ方向加速度が最小になるタイミングＴ_H1を検出する（ステップＳ１２１）。

次に、検出部１２３は、Ｙ方向加速度の歩行波形から、タイミングＴ_H1以降において、Ｙ方向加速度の値が１Ｇよりも小さくなる範囲を切り出す（ステップＳ１２２）。

次に、検出部１２３は、切り出した波形から、Ｙ方向加速度が最小になるタイミングＴ_H1と、Ｙ方向加速度が最大になるタイミングＴ_H2とを検出する（ステップＳ１２３）。

そして、検出部１２３は、タイミングＴ_H1とタイミングＴ_H2の中点のタイミングを踵接地のタイミングＴ_Hとして検出する（ステップＳ１２４）。

＜反対足踵接地＞
次に、反対足踵接地を検出するアルゴリズムの一例について図面を参照しながら説明する。図２４は、反対足踵接地を検出するアルゴリズムの一例について説明するためのフローチャートである。反対足踵接地は、立脚相の遊脚前期の開始のタイミングに相当する。

図２４において、まず、検出部１２３は、一歩行周期分のロール角速度の歩行波形の始点から爪先離地までの区間を第1歩行波形Ｗ１として切り出す（ステップＳ１３１）。

次に、検出部１２３は、切り出された第１歩行波形Ｗ１から、ロール角速度が最大になる点を検出する（ステップＳ１３２）。

次に、検出部１２３は、第１歩行波形Ｗ１の始点と、ロール角速度が最大になる点とを結ぶ線分Ｌ１を引く（ステップＳ１３３）。

次に、検出部１２３は、線分Ｌ１から第１歩行波形Ｗ１に下ろした垂線の長さが最大になる点（加速変曲点）を検出する（ステップＳ１３４）。

そして、検出部１２３は、加速変曲点のタイミングを反対足踵接地のタイミングとして検出する（ステップＳ１３５）。

＜反対足爪先離地＞
次に、反対足爪先離地を検出するアルゴリズムの一例について図面を参照しながら説明する。図２５は、反対足爪先離地を検出するアルゴリズムの一例について説明するためのフローチャートである。反対足爪先離地は、立脚相の立脚中期の開始のタイミングに相当する。

図２５において、まず、検出部１２３は、一歩行周期分のロール角速度の歩行波形の踵接地から終点までの区間を第３歩行波形Ｗ３として切り出す（ステップＳ１４１）。

次に、検出部１２３は、切り出された第３歩行波形Ｗ３から、ロール角速度が最大になる点を検出する（ステップＳ１４２）。

次に、検出部１２３は、第３歩行波形Ｗ３の終点と、ロール角速度が最大になる点とを結ぶ線分Ｌ３を引く（ステップＳ１４３）。

次に、検出部１２３は、線分Ｌ３から第３歩行波形Ｗ３に下ろした垂線の長さが最大になる点（減速変曲点）を検出する（ステップＳ１４４）。

そして、検出部１２３は、減速変曲点のタイミングを反対足爪先離地のタイミングとして検出する（ステップＳ１４５）。

＜脛骨垂直＞
次に、脛骨垂直を検出するアルゴリズムの一例について図面を参照しながら説明する。図２６は、脛骨垂直を検出するアルゴリズムの一例について説明するためのフローチャートである。脛骨垂直は、遊脚相の遊脚終期の開始のタイミングに相当する。

図２６において、まず、検出部１２３は、一歩行周期分のＺ方向加速度の歩行波形の爪先離地から踵接地までの区間を第２歩行波形Ｗ２として切り出す（ステップＳ１５１）。

次に、検出部１２３は、切り出された第２歩行波形Ｗ２から、Ｚ方向加速度が最大になる点を検出する（ステップＳ１５２）。

そして、検出部１２３は、Ｚ方向加速度が最大になるタイミングを脛骨垂直のタイミングとして検出する（ステップＳ１５３）。

＜足交差＞
次に、足交差を検出するアルゴリズムの一例について図面を参照しながら説明する。図２７は、足交差を検出するアルゴリズムの一例について説明するためのフローチャートである。足交差は、遊脚相の遊脚中期の中央のタイミングに相当する。

図２７において、まず、検出部１２３は、一歩行周期分のＹ方向加速度の歩行波形の爪先離地から脛骨垂直までの区間を第４歩行波形Ｗ４として切り出す（ステップＳ１６１）。

次に、検出部１２３は、第４歩行波形Ｗ４に含まれるなだらかなピーク（脛骨垂直に近い側のピーク）から、Ｙ方向加速度が最大になる点を検出する（ステップＳ１６２）。

そして、検出部１２３は、Ｙ方向加速度が最大になるタイミングを、足交差のタイミングとして検出する（ステップＳ１６３）。

＜踵持ち上がり＞
次に、踵持ち上がりを検出するアルゴリズムの一例について図面を参照しながら説明する。図２８は、踵持ち上がりを検出するアルゴリズムの一例について説明するためのフローチャートである。踵持ち上がりのタイミングは、立脚相の立脚終期の開始のタイミングに相当する。すなわち、踵持ち上がりのタイミングは、一歩行周期の始点と終点に相当する。

図２８において、まず、検出部１２３は、ニ歩行周期分のロール角速度の歩行波形において、第１歩行周期の反対足爪先離地から第２歩行周期の反対足踵接地までの区間を第５歩行波形Ｗ５として切り出す（ステップＳ１７１）。

次に、検出部１２３は、切り出された第５歩行波形Ｗ５において、第１歩行周期の反対足爪先離地の点と第２歩行周期の反対足踵接地の点を結ぶ線分Ｌ５を引く（ステップＳ１７２）。

次に、検出部１２３は、線分Ｌ５から第５歩行波形Ｗ５に下ろした垂線の長さが最大になる点（加速変曲点）を検出する（ステップＳ１７３）。

そして、検出部１２３は、減速変曲点のタイミングを、踵持ち上がりのタイミングとして検出する（ステップＳ１７４）。

以上のように、本実施形態の検出システムは、データ取得装置と検出装置を備える。データ取得装置は、空間加速度および空間角速度を計測し、計測した空間加速度および空間角速度に基づいてセンサデータを生成し、生成したセンサデータを検出装置に送信する。検出装置は、抽出部と検出部を有する。抽出部は、歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成し、生成された時系列データから歩行波形を抽出する。検出部は、抽出部によって抽出された歩行波形から、歩行者の両足の歩行イベントを検出する。

本実施形態においては、歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて生成された時系列データから歩行波形を抽出する。そして、本実施形態においては、抽出された歩行波形から、両足の歩行イベントを検出する。そのため、本実施形態によれば、片足に装着されたセンサによって計測される足の動きに関する物理量に基づいて、両足の詳細な歩行イベントを検出できる。

本実施形態の一態様において、抽出部は、歩行者の進行方向加速度の時系列データを生成する。抽出部は、生成された進行方向加速度の時系列データから、一歩行周期分の進行方向加速度の歩行波形を抽出する。検出部は、抽出された一歩行周期分の進行方向加速度の歩行波形において、最大ピークに含まれる二つの山の間に谷が検出されるタイミングを爪先離地のタイミングとして検出する。検出部は、最小ピークが検出されるタイミングと、最小ピークの次に現れる極大ピークが検出されるタイミングとの中点のタイミングを踵接地のタイミングとして検出する。

例えば、抽出部は、歩行者のロール角速度の時系列データを生成する。抽出部は、生成されたロール角速度の時系列データから、立脚終期の開始のタイミングを始点とする一歩行周期分のロール角速度の歩行波形を抽出する。検出部は、抽出された一歩行周期分のロール角速度の歩行波形を、爪先離地のタイミングと踵接地のタイミングで、第１歩行波形、第２歩行波形、および第３歩行波形に分割する。検出部は、ロール角速度の第１歩行波形から反対足踵接地のタイミングを検出し、ロール角速度の第３歩行波形から反対足爪先離地のタイミングを検出する。

例えば、検出部は、ロール角速度の第１歩行波形からロール角速度が最大になる点を検出する。検出部は、ロール角速度の第１歩行波形の始点と、ロール角速度の第１歩行波形においてロール角速度が最大になる点とを結ぶ線分から、ロール角速度の第１歩行波形に垂線を下ろす。検出部は、垂線の長さが最大になる加速変曲点のタイミングを反対足踵接地のタイミングとして検出する。

例えば、検出部は、ロール角速度の第３歩行波形からロール角速度が最大になる点を検出する。検出部は、ロール角速度の第３歩行波形の始点と、ロール角速度の第３歩行波形においてロール角速度が最大になる点とを結ぶ線分から、ロール角速度の第３歩行波形に垂線を下ろす。検出部は、垂線の長さが最大になる減速変曲点のタイミングを反対足爪先離地のタイミングとして検出する。

例えば、抽出部は、歩行者の重力方向加速度の時系列データを生成する。抽出部は、生成された重力方向加速度の時系列データから、立脚終期の開始のタイミングを始点とする一歩行周期分の重力方向加速度の歩行波形を抽出する。検出部は、抽出された一歩行周期分の重力方向加速度の歩行波形を、爪先離地のタイミングと踵接地のタイミングで、第１歩行波形、第２歩行波形、および第３歩行波形に分割する。検出部は、重力方向加速度の第２歩行波形が最大になるタイミングを脛骨垂直のタイミングとして検出する。

例えば、検出部は、一歩行周期分の進行方向加速度の歩行波形から、爪先離地のタイミングと脛骨垂直のタイミングの間の第４歩行波形を切り出す。検出部は、進行方向加速度の第４歩行波形に含まれる、脛骨垂直のタイミングに近い側のピークが最大になるタイミングを足交差のタイミングとして検出する。

例えば、抽出部は、ロール角速度の時系列データから、立脚終期の開始のタイミングを始点とする二歩行周期分のロール角速度の歩行波形を抽出する。検出部は、抽出された二歩行周期分のロール角速度の歩行波形において、第１歩行周期の反対足爪先離地の点と、第１歩行周期に後続する第２歩行周期の反対足爪先離地の点とを結ぶ線分から、ロール角速度の歩行波形に垂線を下ろす。検出部は、垂線の長さが最大になる加速変曲点のタイミングを踵持ち上がりのタイミングとして検出する。

本態様においては、歩行者の歩行波形から、複数の歩行イベントを順番に検出する。そのため、本実施形態によれば、片足に装着されたセンサによって計測される足の動きに関する物理量に基づいて、両足の歩行イベントをより詳細に検出できる。

（第２の実施形態）
次に、第２の実施形態に係る検出システムについて図面を参照しながら説明する。本実施形態の検出システムは、歩行波形から検出された複数の歩行イベントの各々が発生した時刻を特定し、特定された時刻に基づいて歩容に関する時間因子を算出する。本実施形態の検出システムは、算出された歩容に関する時間因子を用いて、歩行者の身体状態を推定する。

図２９は、本実施形態の検出システム２の構成の一例を示すブロック図である。図２９のように、検出システム２は、データ取得装置２１および検出装置２２を備える。データ取得装置２１と検出装置２２は、有線で接続されてもよいし、無線で接続されてもよい。また、データ取得装置２１と検出装置２２は、単一の装置で構成してもよい。また、検出システム２の構成からデータ取得装置２１を除き、検出装置２２だけで検出システム２を構成してもよい。データ取得装置２１は、第１の実施形態のデータ取得装置１１と同様の構成である。以下においては、第１の実施形態とは異なる検出装置２２について、第１の実施形態との相違点に着目して説明する。

〔検出装置〕
図３０は、検出装置２２の構成の一例を示すブロック図である。検出装置２２は、抽出部２２１、検出部２２３、計算部２２５、および推測部２２７を有する。

抽出部２２１は、履物に設置されたデータ取得装置２１（センサ）からセンサデータを取得する。抽出部２２１は、センサデータを用いて、データ取得装置２１が設置された履物を履いた歩行者の歩行に伴う時系列データを生成する。抽出部２２１は、生成した時系列データから、一歩行周期分または二歩行周期分の歩行波形データを抽出する。抽出部２２１は、第１の実施形態の抽出部１２１と同様の構成である。

検出部２２３は、抽出部２２１によって生成された歩行波形データから、データ取得装置２１が設置された履物を履いて歩行する歩行者の歩行イベントを検出する。例えば、検出部２２３は、足の動きに関する歩行波形データから、歩行イベントごとの特徴を抽出する。例えば、検出部２２３は、抽出された歩行イベントごとの特徴のタイミングを、それぞれの歩行イベントのタイミングとして検出する。検出部２２３は、第１の実施形態の検出部１２３と同様の構成である。

計算部２２５は、検出部２２３によって検出された歩行イベントの時刻を特定する。計算部２２５は、特定された歩行イベントの時刻に基づいて、歩容に関する時間因子を算出する。例えば、計算部２２５は、特定された歩行イベントの時刻に基づいて、両足が地面に接地している期間（両足支持期間）と、片足が地面に接地している期間（片足支持期間）に関する時間因子を算出する。例えば、計算部２２５は、特定された歩行イベントの時刻に基づいて、右足が地面に接している期間（右足立脚期間）と、左足が地面に接地している期間（左足立脚期間）に関する時間因子を算出する。例えば、計算部２２５は、特定された歩行イベントの時刻に基づいて、右足のステップ時間と、左足のステップ時間に関する時間因子を算出する。

推測部２２７は、計算部２２５が算出した時間因子に基づいて、歩行者の身体状態を推測する。例えば、推測部２２７は、両足支持期間と片足支持期間の比率に関する時間因子に基づいて、歩行者の筋力低下状況を推測する。例えば、推測部２２７は、右足立脚期間と左足立脚期間の非対称に関する時間因子に基づいて、歩行者の骨密度を推測する。例えば、推測部２２７は、右足のストライド時間と左足のストライド時間の非対称に関する時間因子に基づいて、歩行者の基礎代謝を推測する。推測部２２７は、推測した歩行者の身体状態を、図示しないシステムや装置に出力する。

図３１は、立脚相の立脚終期の開始のタイミングを始点とする一歩行周期における、両足支持期間と片足支持期間について説明するための概念図である。立脚相の立脚中期Ｔ２、立脚終期Ｔ３、遊脚相の遊脚初期Ｔ５、遊脚中期Ｔ６、遊脚終期Ｔ７は、片足支持期間である。立脚相の立脚初期Ｔ１、遊脚前期Ｔ４は、両足支持期間である。本実施形態では、歩行イベントの発生時刻に基づいて、立脚相および遊脚相を細分化できるため、片足支持期間と両足支持期間を特定できる。

例えば、両足支持期間と片足支持期間の比率は、筋力と関連がある。人間は、加齢に伴って筋力が低下すると、歩行における両足支持期間が長くなる傾向がある。例えば、検出装置２２は、両足支持期間と片足支持期間の比率に関する時間因子を算出し、算出された時間因子に基づいて、歩行者の筋力低下状況を推測する。例えば、検出装置２２は、片足支持期間に対する両足支持期間の比率を時間因子として算出し、算出された時間因子の値が大きい場合、歩行者の筋力が低下傾向にあると推測する。

図３２は、立脚相の立脚終期の開始のタイミングを始点とする一歩行周期における、右足接地期間と左足接地期間について説明するための概念図である。立脚相の立脚初期Ｔ１、立脚中期Ｔ２、立脚終期Ｔ３、遊脚前期Ｔ４は、右足立脚期間である。遊脚相の遊脚初期Ｔ５、遊脚中期Ｔ６、遊脚終期Ｔ７は、左足立脚期間である。本実施形態では、歩行イベントの発生時刻に基づいて、立脚相および遊脚相を細分化できるため、右足立脚期間と左足立脚期間を特定できる。

右足立脚期間と左足立脚期間の非対称性は、骨密度と関連がある。人間は、骨密度が低下すると、右足立脚期間と左足立脚期間の非対称性が大きくなる傾向がある。例えば、検出装置２２は、右足立脚期間と左足立脚期間の比率に関する時間因子を算出し、算出された時間因子の値に基づいて、歩行者の骨密度を推測する。例えば、検出装置２２は、両足の立脚期間に対する、右足立脚期間と左足立脚期間の差の比率を時間因子として算出し、算出された時間因子の値が大きい場合、歩行者の骨密度が低下していると推測する。

右足のストライド時間と左足のストライド時間の非対称性は、基礎代謝と関連がある。人間は、加齢やメタボリックシンドロームなどの影響で基礎代謝が低下すると、右足のストライド時間と左足のストライド時間の非対称性が大きくなる傾向がある。例えば、検出装置２２は、右足のストライド時間と左足のストライド時間の比率に関する時間因子を算出し、算出された時間因子の値に基づいて、歩行者の基礎代謝を推測する。例えば、検出装置２２は、右足のストライド時間に対する、左足のストライド時間の比率を時間因子として算出し、算出された時間因子の値が小さい場合、歩行者の基礎代謝が低下していると推測する。

推測部２２７は、歩行波形から抽出された特徴量を学習させた学習済みモデルを用いて、歩行者の身体状態を推定してもよい。例えば、推測部２２７は、学習対象の歩行波形から抽出された特徴量を学習させた学習済みモデルに、推測対象の歩行波形から抽出される特徴量を入力し、歩行者の身体状態を推測する。例えば、学習済みモデルは、学習対象の歩行波形から抽出された特徴量（予測子とも呼ぶ）を組み合わせた予測子ベクトルを学習させたモデルである。例えば、学習済みモデルは、３軸方向の加速度や、３軸方向の角速度、３軸方向の軌跡、３軸方向の足底角のうち少なくともいずれかの歩行波形から抽出された特徴量（予測子）を組み合わせた予測子ベクトルを学習させたモデルである。

図３３は、学習装置２５が、予測子ベクトル（時間因子）と身体状態を学習する一例を示す概念図である。例えば、身体状態は、歩行者の筋力低下や骨密度、基礎代謝に関する指標である。図３４は、学習装置２５に学習させた学習済みモデル２５０に、歩行波形から抽出された特徴量１～ｎを入力し、身体状態が出力される一例を示す概念図である（ｎは自然数）。

学習装置２５は、足の動きに関する物理量に基づく歩行波形から抽出された特徴量（予測子）を組み合わせた予測子ベクトルと、身体状態とを訓練データとした学習を行う。学習装置２５は、学習によって、実測された歩行波形から抽出された特徴量を入力した際に、身体状態を出力する学習済みモデル２５０を生成する。例えば、学習装置２５は、爪先離地や踵接地、反対足踵接地、反対足爪先離地、脛骨垂直、足交差、踵持ち上げの発生時刻等の特徴量を説明変数とし、身体状態を応答変数とする教師あり学習によって、学習済みモデル２５０を生成する。例えば、学習装置２５は、爪先離地や踵接地、反対足踵接地、反対足爪先離地、脛骨垂直、足交差、踵持ち上げ等の歩行イベントの発生時刻を学習済みモデル２５０に入力した際の学習済みモデル２５０からの出力を、身体状態の推測結果として出力する。

（動作）
次に、本実施形態の検出システム２の動作について図面を参照しながら説明する。以下においては、検出システム２の検出装置２２が、歩行波形から検出された歩行イベントの時間因子に基づいて歩行者の身体状態を推測する処理について説明する。以下においては、検出装置２２を動作の主体として説明する。図３５は、検出装置２２が、歩行者の身体状態を推測する処理について説明するためのフローチャートである。

図３５において、まず、検出装置２２は、身体状態の推測対象の歩行波形を取得する（ステップＳ２０１）。

次に、検出装置２２は、取得した歩行波形から検出された各歩行イベントの発生時刻を特定する（ステップＳ２０２）。

次に、検出装置２２は、特定された各歩行イベントの発生時刻を用いて、歩容に関する時間因子を算出する（ステップＳ２０３）。

次に、検出装置２２は、算出された時間因子に基づいて、身体状態を推測する（ステップＳ２０４）。

そして、検出装置２２は、推測された身体状態を出力する（ステップＳ２０５）。

＜筋力低下状況＞
次に、検出装置２２が、歩行波形から歩行者の身体状態を推測する処理の一例として、筋力低下状況を推測する例について説明する。図３６は、検出装置２２が、歩行者の筋力低下状況を推測する処理について説明するためのフローチャートである。以下においては、検出装置２２を動作の主体として説明する。

図３６において、まず、検出装置２２は、筋力低下状況の推測対象の歩行波形を取得する（ステップＳ２１１）。

次に、検出装置２２は、取得した歩行波形から検出された反対足踵接地、爪先離地、踵接地、および反対足爪先離地の発生時刻を特定する（ステップＳ２１２）。

次に、検出装置２２は、反対足踵接地から爪先離地までの時間Ｔ１ａ、踵接地から反対足爪先離地までの時間Ｔ２ａ、一歩行周期の時間Ｔａを算出する（ステップＳ２１３）。

次に、検出装置２２は、以下の式１を用いて、筋力低下状況に関する時間因子Ｒ１（第１時間因子とも呼ぶ）を算出する（ステップＳ２１４）。
Ｒ１＝（Ｔ１ａ＋Ｔ２ａ）／（Ｔａ－Ｔ１ａ－Ｔ２ａ）・・・（１）
上記の式１は、一歩行周期における片足支持期間に対する両足支持期間の比率である。

次に、検出装置２２は、算出された時間因子Ｒ１に基づいて、筋力低下状況を推測する（ステップＳ２１５）。例えば、検出装置２２は、時間因子Ｒ１の値と筋力低下状況の指標値とを対応付けたテーブルを用いて、算出された時間因子Ｒ１に対応する筋力低下状況を推測する。

そして、検出装置２２は、推測された筋力低下状況を出力する（ステップＳ２１６）。

＜骨密度＞
次に、検出装置２２が、歩行波形から歩行者の身体状態を推測する処理の一例として、骨密度を推測する例について説明する。図３７は、検出装置２２が、歩行者の骨密度を推測する処理について説明するためのフローチャートである。以下においては、検出装置２２を動作の主体として説明する。

図３７において、まず、検出装置２２は、骨密度の推測対象の歩行波形を取得する（ステップＳ２２１）。

次に、検出装置２２は、取得した歩行波形から検出された反対足踵接地、爪先離地、踵接地、および反対足爪先離地の発生時刻を特定する（ステップＳ２２２）。

次に、検出装置２２は、反対足踵接地から反対足爪先離地までの時間Ｔ１ｂ、一歩行周期の始点から爪先離地までの時間Ｔ２ｂ、踵接地から一歩行周期の終点までの時間Ｔ３ｂを算出する（ステップＳ２２３）。

次に、検出装置２２は、以下の式２を用いて、骨密度に関する時間因子Ｒ２（第２時間因子とも呼ぶ）を算出する（ステップＳ２２４）。
Ｒ２＝（Ｔ１ｂ－Ｔ２ｂ－Ｔ３ｂ）／（Ｔ１ｂ＋Ｔ２ｂ－Ｔ３ｂ）・・・（２）
上記の式２は、両足の立脚期間に対する、右足立脚期間と左足立脚期間の差の比率である。

次に、検出装置２２は、算出された時間因子Ｒ２に基づいて、骨密度を推測する（ステップＳ２２５）。例えば、検出装置２２は、時間因子Ｒ２の値と骨密度の値とを対応付けたテーブルを用いて、算出された時間因子Ｒ２に対応する骨密度を推測する。

そして、検出装置２２は、推測された骨密度を出力する（ステップＳ２２６）。

＜基礎代謝＞
次に、検出装置２２が、歩行波形から歩行者の身体状態を推測する処理の一例として、基礎代謝を推測する例について説明する。図３８は、検出装置２２が、歩行者の基礎代謝を推測する処理について説明するためのフローチャートである。以下においては、検出装置２２を動作の主体として説明する。

図３８において、まず、検出装置２２は、基礎代謝の推測対象の歩行波形を取得する（ステップＳ２３１）。

次に、検出装置２２は、取得した歩行波形から検出された第１歩行周期および第２歩行周期の反対足踵接地および踵接地の発生時刻を特定する（ステップＳ２３２）。

次に、検出装置２２は、第１歩行周期の反対足踵接地から第２歩行周期の反対足爪先離地までの時間Ｔ１ｃ、第１歩行周期の踵接地から第２歩行周期の踵接地までの時間Ｔ２ｃを算出する（ステップＳ２３３）。

次に、検出装置２２は、以下の式３を用いて、基礎代謝に関する時間因子Ｒ３（第３時間因子とも呼ぶ）を算出する（ステップＳ２３４）。
Ｒ３＝（Ｔ１ｃ－Ｔ２ｃ）／（Ｔ１ｃ＋Ｔ２ｃ）・・・（３）
上記の式３は、両右足のストライド時間に対する、左足のストライド時間の比率である。

次に、検出装置２２は、算出された時間因子Ｒ３に基づいて、基礎代謝を推測する（ステップＳ２３５）。例えば、検出装置２２は、時間因子Ｒ３の値と基礎代謝の値とを対応付けたテーブルを用いて、算出された時間因子Ｒ３に対応する基礎代謝を推測する。

そして、検出装置２２は、推測された基礎代謝を出力する（ステップＳ２３６）。

（適用例）
次に、本実施形態の検出システム２の適用例について図面を参照しながら説明する。本適用例では、検出装置２２によって出力された身体状態に関する指標を表示させたり、健康管理システム等に送信させたりする例である。以下の例においては、歩行者の靴の中にデータ取得装置が設置され、そのデータ取得装置によって計測された足の動きに関する物理量に基づくセンサデータが、歩行者の所持する携帯端末に送信されるものとする。携帯端末に送信されたセンサデータは、携帯端末にインストールされたプログラムによってデータ処理されるものとする。

図３９は、データ取得装置（図示しない）が設置された靴２００を履いた歩行者の携帯端末２１０の画面に、その歩行者の身体状態に関する指標を表示させる例である。携帯端末２１０の画面に表示された身体状態に関する指標を閲覧した歩行者は、その身体状態に応じた行動をとることができる。例えば、携帯端末２１０の画面に表示された身体状態に関する指標を閲覧した歩行者は、その身体状態に応じて、医療機関や勤務先、保険会社等に自身の身体状態について連絡できる。例えば、携帯端末２１０の画面に表示された身体状態に関する指標を閲覧した歩行者は、その身体状態に応じて、自身に適した食生活や運動を実践できる。

図４０は、データ取得装置（図示しない）が設置された靴２００を履いた歩行者の携帯端末２１０の画面に、身体状態に応じた情報を表示させる例である。例えば、筋力低下の進行状態や、骨密度や基礎代謝の低下状況に応じて、歩行者が病院で診察を受けることを勧める情報を携帯端末２１０の画面に表示させる。例えば、筋力低下の進行状態や、骨密度や基礎代謝の低下状況に応じて、受診可能な病院のサイトへのリンク先や電話番号を携帯端末２１０の画面に表示させてもよい。

図４１は、データ取得装置（図示しない）が設置された靴２００を履いた歩行者の携帯端末２１０から、身体状態に応じた情報を、医療機関等に設置された健康管理システムに送信する例である。例えば、健康管理システムを扱う医療従事者等は、歩行者の筋力低下の進行状態や、骨密度や基礎代謝の低下状況に応じて、その歩行者に対して診察を受けることを勧める情報を、健康管理システムを介して携帯端末２１０に送信する。例えば、診察を受けることを勧める情報を閲覧した歩行者は、その情報に応じて病院に診察を受けに出向くことができる。

以上のように、本実施形態の検出システムは、データ取得装置と検出装置を備える。データ取得装置は、空間加速度および空間角速度を計測し、計測した空間加速度および空間角速度に基づいてセンサデータを生成し、生成したセンサデータを検出装置に送信する。検出装置は、抽出部、検出部、計算部、および推測部を備える。抽出部は、歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成し、生成された時系列データから歩行波形を抽出する。検出部は、抽出部によって抽出された歩行波形から、歩行者の両足の歩行イベントを検出する。計算部は、歩行者の歩行波形から検出された歩行イベントの発生時刻を特定し、特定された歩行イベントの発生時刻に基づいて歩容に関する時間因子を算出する。推測部は、算出された時間因子に基づいて歩行者の身体状態を推測する。

本実施形態においては、歩行者の歩行波形から検出された歩行イベントの発生時刻に基づいて歩容に関する時間因子を特定し、特定された時間因子を解析する。人間の身体状態は、歩行における非対称性に影響を及ぼすことがある。そのため、本実施形態によれば、歩行者の歩容に関する時間因子を解析することによって、その歩行者の身体情報を推測できる。

例えば、計算部は、特定された歩行イベントの発生時刻に基づいて、両足支持期間と片足支持期間の比率に関する時間因子を算出する。推測部は、算出された時間因子に基づいて歩行者の筋力低下状態を推測する。

例えば、計算部は、特定された歩行イベントの発生時刻に基づいて、右足立脚期間と左足立脚期間の比率に関する時間因子を算出する。推測部は、算出された時間因子に基づいて歩行者の骨密度を推測する。

例えば、計算部は、特定された歩行イベントの発生時刻に基づいて、右足のストライド時間と左足のストライド時間の比率に関する時間因子を算出する。推測部は、算出された時間因子に基づいて歩行者の基礎代謝を推測する。

本態様においては、歩行者の歩行の時間因子を解析することによって、歩行の非対称性を解析する。例えば、歩行の非対称性には、筋力低下状況や骨密度、基礎代謝等の身体状態が反映される。そのため、本態様によれば、歩行者の歩行の時間因子を解析することによって、歩行者の筋力低下状況や骨密度、基礎代謝等の身体状態を推測できる。

（第３の実施形態）
次に、第３の実施形態に係る検出装置について図面を参照しながら説明する。本実施形態の検出装置は、各実施形態の検出装置を簡略化した構成である。

図４２は、本実施形態の検出装置３２の構成の一例を示すブロック図である。検出装置３２は、抽出部３２１と検出部３２３を備える。抽出部３２１は、歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成する。抽出部３２１は、生成された時系列データから歩行波形を抽出する。検出部３２３は、抽出部３２１によって抽出された歩行波形から、歩行者の両足の歩行イベントを検出する。

本実施形態においては、歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて生成された時系列データから歩行波形を抽出する。そして、本実施形態においては、抽出された歩行波形から、両足の歩行イベントを検出する。その結果、本実施形態によれば、片足に装着されたセンサによって計測される足の動きに関する物理量に基づいて、両足の詳細な歩行イベントを検出できる。

（ハードウェア）
ここで、実施形態に係る検出装置等の処理を実行するハードウェア構成について、図４３の情報処理装置９０を一例として挙げて説明する。なお、図４３の情報処理装置９０は、各実施形態の検出装置等の処理を実行するための構成例であって、本発明の範囲を限定するものではない。

図４３のように、情報処理装置９０は、プロセッサ９１、主記憶装置９２、補助記憶装置９３、入出力インターフェース９５、および通信インターフェース９６を備える。図４３においては、インターフェースをＩ／Ｆ（Interface）と略して表記する。プロセッサ９１、主記憶装置９２、補助記憶装置９３、入出力インターフェース９５、および通信インターフェース９６は、バス９８を介して互いにデータ通信可能に接続される。また、プロセッサ９１、主記憶装置９２、補助記憶装置９３および入出力インターフェース９５は、通信インターフェース９６を介して、インターネットやイントラネットなどのネットワークに接続される。

プロセッサ９１は、補助記憶装置９３等に格納されたプログラムを主記憶装置９２に展開し、展開されたプログラムを実行する。本実施形態においては、情報処理装置９０にインストールされたソフトウェアプログラムを用いる構成とすればよい。プロセッサ９１は、本実施形態に係る検出装置による処理を実行する。

主記憶装置９２は、プログラムが展開される領域を有する。主記憶装置９２は、例えばＤＲＡＭ（Dynamic Random Access Memory）などの揮発性メモリとすればよい。また、ＭＲＡＭ（Magnetoresistive Random Access Memory）などの不揮発性メモリを主記憶装置９２として構成・追加してもよい。

補助記憶装置９３は、種々のデータを記憶する。補助記憶装置９３は、ハードディスクやフラッシュメモリなどのローカルディスクによって構成される。なお、種々のデータを主記憶装置９２に記憶させる構成とし、補助記憶装置９３を省略することも可能である。

入出力インターフェース９５は、情報処理装置９０と周辺機器とを接続するためのインターフェースである。通信インターフェース９６は、規格や仕様に基づいて、インターネットやイントラネットなどのネットワークを通じて、外部のシステムや装置に接続するためのインターフェースである。入出力インターフェース９５および通信インターフェース９６は、外部機器と接続するインターフェースとして共通化してもよい。

情報処理装置９０には、必要に応じて、キーボードやマウス、タッチパネルなどの入力機器を接続するように構成してもよい。それらの入力機器は、情報や設定の入力に使用される。なお、タッチパネルを入力機器として用いる場合は、表示機器の表示画面が入力機器のインターフェースを兼ねる構成とすればよい。プロセッサ９１と入力機器との間のデータ通信は、入出力インターフェース９５に仲介させればよい。

また、情報処理装置９０には、情報を表示するための表示機器を備え付けてもよい。表示機器を備え付ける場合、情報処理装置９０には、表示機器の表示を制御するための表示制御装置（図示しない）が備えられていることが好ましい。表示機器は、入出力インターフェース９５を介して情報処理装置９０に接続すればよい。

以上が、本発明の各実施形態に係る検出装置を可能とするためのハードウェア構成の一例である。なお、図４３のハードウェア構成は、各実施形態に係る検出装置の演算処理を実行するためのハードウェア構成の一例であって、本発明の範囲を限定するものではない。また、各実施形態に係る検出装置に関する処理をコンピュータに実行させるプログラムも本発明の範囲に含まれる。

さらに、各実施形態に係るプログラムを記録した非一過性の記録媒体（プログラム記録媒体とも呼ぶ）も本発明の範囲に含まれる。例えば、記録媒体は、例えば、ＣＤ（Compact Disc）やＤＶＤ（Digital Versatile Disc）などの光学記録媒体で実現できる。また、記録媒体は、ＵＳＢ（Universal Serial Bus）メモリやＳＤ（Secure Digital）カードなどの半導体記録媒体や、フレキシブルディスクなどの磁気記録媒体、その他の記録媒体によって実現してもよい。

各実施形態の検出装置の構成要素は、任意に組み合わせることができる。また、各実施形態の検出装置の構成要素は、ソフトウェアによって実現してもよいし、回路によって実現してもよい。

以上、実施形態を参照して本発明を説明してきたが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

上記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）
歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成し、生成された前記時系列データから歩行波形を抽出する抽出部と、
前記抽出部によって抽出された前記歩行波形から、前記歩行者の両足の歩行イベントを検出する検出部と、を備える検出装置。
（付記２）
前記抽出部は、
前記歩行者の進行方向加速度の時系列データを生成し、
生成された前記進行方向加速度の時系列データから、一歩行周期分の前記進行方向加速度の歩行波形を抽出し、
前記検出部は、
抽出された一歩行周期分の前記進行方向加速度の歩行波形において、
最大ピークに含まれる二つの山の間に谷が検出されるタイミングを爪先離地のタイミングとして検出し、
最小ピークが検出されるタイミングと、前記最小ピークの次に現れる極大ピークが検出されるタイミングとの中点のタイミングを踵接地のタイミングとして検出する、付記１に記載の検出装置。
（付記３）
前記抽出部は、
前記歩行者のロール角速度の時系列データを生成し、
生成された前記ロール角速度の時系列データから、立脚終期の開始のタイミングを始点とする一歩行周期分の前記ロール角速度の歩行波形を抽出し、
前記検出部は、
抽出された一歩行周期分の前記ロール角速度の歩行波形を、前記爪先離地のタイミングと前記踵接地のタイミングで、第１歩行波形、第２歩行波形、および第３歩行波形に分割し、
前記ロール角速度の第１歩行波形から反対足踵接地のタイミングを検出し、
前記ロール角速度の第３歩行波形から反対足爪先離地のタイミングを検出する、付記２に記載の検出装置。
（付記４）
前記検出部は、
前記ロール角速度の第１歩行波形から前記ロール角速度が最大になる点を検出し、
前記ロール角速度の第１歩行波形の始点と、前記ロール角速度の第１歩行波形において前記ロール角速度が最大になる点とを結ぶ線分から、前記ロール角速度の第１歩行波形に下ろした垂線の長さが最大になる加速変曲点のタイミングを前記反対足踵接地のタイミングとして検出する、付記３に記載の検出装置。
（付記５）
前記検出部は、
前記ロール角速度の第３歩行波形から前記ロール角速度が最大になる点を検出し、
前記ロール角速度の第３歩行波形の始点と、前記ロール角速度の第３歩行波形において前記ロール角速度が最大になる点とを結ぶ線分から、前記ロール角速度の第３歩行波形に下ろした垂線の長さが最大になる減速変曲点のタイミングを前記反対足爪先離地のタイミングとして検出する、付記３または４に記載の検出装置。
（付記６）
前記抽出部は、
前記歩行者の重力方向加速度の時系列データを生成し、
生成された前記重力方向加速度の時系列データから、立脚終期の開始のタイミングを始点とする一歩行周期分の前記重力方向加速度の歩行波形を抽出し、
前記検出部は、
抽出された一歩行周期分の前記重力方向加速度の歩行波形を、前記爪先離地のタイミングと前記踵接地のタイミングで、第１歩行波形、第２歩行波形、および第３歩行波形に分割し、
前記重力方向加速度の第２歩行波形が最大になるタイミングを脛骨垂直のタイミングとして検出する、付記５に記載の検出装置。
（付記７）
前記検出部は、
一歩行周期分の前記進行方向加速度の歩行波形から、前記爪先離地のタイミングと前記脛骨垂直のタイミングの間の第４歩行波形を切り出し、
前記進行方向加速度の第４歩行波形に含まれる、前記脛骨垂直のタイミングに近い側のピークが最大になるタイミングを足交差のタイミングとして検出する、付記６に記載の検出装置。
（付記８）
前記抽出部は、
前記ロール角速度の時系列データから、前記立脚終期の開始のタイミングを始点とする二歩行周期分の前記ロール角速度の歩行波形を抽出し、
前記検出部は、
抽出された二歩行周期分の前記ロール角速度の歩行波形において、第１歩行周期の前記反対足爪先離地の点と、前記第１歩行周期に後続する第２歩行周期の前記反対足爪先離地の点とを結ぶ線分から、前記ロール角速度の歩行波形に下ろした垂線の長さが最大になる加速変曲点のタイミングを踵持ち上がりのタイミングとして検出する、付記５乃至７のいずれか一項に記載の検出装置。
（付記９）
前記歩行者の前記歩行波形から検出された前記歩行イベントの発生時刻を特定し、特定された前記歩行イベントの発生時刻に基づいて歩容に関する時間因子を算出する計算部と、
算出された前記時間因子に基づいて前記歩行者の身体状態を推測する推測部と、を備える、付記１乃至８のいずれか一項に記載の検出装置。
（付記１０）
前記計算部は、
特定された前記歩行イベントの発生時刻に基づいて、両足支持期間と片足支持期間の比率に関する前記時間因子を算出し、
前記推測部は、
算出された前記時間因子に基づいて前記歩行者の筋力低下状態を推測する、付記９に記載の検出装置。
（付記１１）
前記計算部は、
特定された前記歩行イベントの発生時刻に基づいて、右足立脚期間と左足立脚期間の比率に関する前記時間因子を算出し、
前記推測部は、
算出された前記時間因子に基づいて前記歩行者の骨密度を推測する、付記９または１０に記載の検出装置。
（付記１２）
前記計算部は、
特定された前記歩行イベントの発生時刻に基づいて、右足のストライド時間と左足のストライド時間の比率に関する前記時間因子を算出し、
前記推測部は、
算出された前記時間因子に基づいて前記歩行者の基礎代謝を推測する、付記９乃至１１のいずれか一項に記載の検出装置。
（付記１３）
付記１乃至１２のいずれか一項に記載の検出装置と、
空間加速度および空間角速度を計測し、計測した前記空間加速度および前記空間角速度に基づいて前記センサデータを生成し、生成した前記センサデータを前記検出装置に送信するデータ取得装置と、を備える検出システム。
（付記１４）
コンピュータが、
歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成し、
生成された前記時系列データから歩行波形を抽出し、
抽出された前記歩行波形から、前記歩行者の両足の歩行イベントを検出する、検出方法。
（付記１５）
歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う時系列データを生成する処理と、
生成された前記時系列データから歩行波形を抽出する処理と、
抽出された前記歩行波形から、前記歩行者の両足の歩行イベントを検出する処理と、をコンピュータに実行させるプログラム。

１、２ 検出システム
１１、２１ データ取得装置
１２、２２、３２ 検出装置
１１１ 加速度センサ
１１２ 角速度センサ
１１３ 制御部
１１５ データ送信部
１２１、２２１、３２１ 抽出部
１２３、２２３、３２３ 検出部
２２５ 計算部
２２７ 推測部

Claims (9)

1. 歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う前記歩行者の進行方向加速度の時系列データを生成し、生成された前記進行方向加速度の時系列データから一歩行周期分の前記進行方向加速度の歩行波形を抽出する抽出手段と、
   前記抽出手段によって抽出された一歩行周期分の前記進行方向加速度の前記歩行波形から、前記歩行者の両足の歩行イベントを検出する検出手段と、を備え、
   前記検出手段は、
   最大ピークに含まれる二つの山の間に谷が検出されるタイミングを爪先離地のタイミングとして検出し、
   最小ピークが検出されるタイミングと、前記最小ピークの次に現れる極大ピークが検出されるタイミングとの中点のタイミングを踵接地のタイミングとして検出する検出装置。
2. 前記抽出手段は、
   前記歩行者のロール角速度の時系列データを生成し、
   生成された前記ロール角速度の時系列データから、立脚終期の開始のタイミングを始点とする一歩行周期分の前記ロール角速度の歩行波形を抽出し、
   前記検出手段は、
   抽出された一歩行周期分の前記ロール角速度の歩行波形を、前記爪先離地のタイミングと前記踵接地のタイミングで、第１歩行波形、第２歩行波形、および第３歩行波形に分割し、
   前記ロール角速度の第１歩行波形から反対足踵接地のタイミングを検出し、
   前記ロール角速度の第３歩行波形から反対足爪先離地のタイミングを検出する、請求項１に記載の検出装置。
3. 前記検出手段は、
   前記ロール角速度の第１歩行波形から前記ロール角速度が最大になる点を検出し、
   前記ロール角速度の第１歩行波形の始点と、前記ロール角速度の第１歩行波形において前記ロール角速度が最大になる点とを結ぶ線分から、前記ロール角速度の第１歩行波形に下ろした垂線の長さが最大になる加速変曲点のタイミングを前記反対足踵接地のタイミングとして検出する、請求項２に記載の検出装置。
4. 前記検出手段は、
   前記ロール角速度の第３歩行波形から前記ロール角速度が最大になる点を検出し、
   前記ロール角速度の第３歩行波形の始点と、前記ロール角速度の第３歩行波形において前記ロール角速度が最大になる点とを結ぶ線分から、前記ロール角速度の第３歩行波形に下ろした垂線の長さが最大になる減速変曲点のタイミングを前記反対足爪先離地のタイミングとして検出する、請求項２または３に記載の検出装置。
5. 前記抽出手段は、
   前記歩行者の重力方向加速度の時系列データを生成し、
   生成された前記重力方向加速度の時系列データから、立脚終期の開始のタイミングを始点とする一歩行周期分の前記重力方向加速度の歩行波形を抽出し、
   前記検出手段は、
   抽出された一歩行周期分の前記重力方向加速度の歩行波形を、前記爪先離地のタイミングと前記踵接地のタイミングで、第１歩行波形、第２歩行波形、および第３歩行波形に分割し、
   前記重力方向加速度の第２歩行波形が最大になるタイミングを脛骨垂直のタイミングとして検出する、請求項４に記載の検出装置。
6. 前記歩行者の前記歩行波形から検出された前記歩行イベントの発生時刻を特定し、特定された前記歩行イベントの発生時刻に基づいて歩容に関する時間因子を算出する計算手段と、
   算出された前記時間因子に基づいて前記歩行者の身体状態を推測する推測手段と、を備える請求項１乃至５のいずれか一項に記載の検出装置。
7. 請求項１乃至６のいずれか一項に記載の検出装置と、
   空間加速度および空間角速度を計測し、計測した前記空間加速度および前記空間角速度に基づいて前記センサデータを生成し、生成した前記センサデータを前記検出装置に送信するデータ取得装置と、を備える検出システム。
8. コンピュータが、
   歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う前記歩行者の進行方向加速度の時系列データを生成し、
   生成された前記進行方向加速度の時系列データから一歩行周期分の前記進行方向加速度の歩行波形を抽出し、
   抽出された一歩行周期分の前記進行方向加速度の前記歩行波形から、前記歩行者の両足の歩行イベントを検出し、
   前記検出において、
   最大ピークに含まれる二つの山の間に谷が検出されるタイミングを爪先離地のタイミングとして検出し、
   最小ピークが検出されるタイミングと、前記最小ピークの次に現れる極大ピークが検出されるタイミングとの中点のタイミングを踵接地のタイミングとして検出する検出方法。
9. 歩行者の一方の足部に設置されたセンサによって計測された足の動きに関する物理量に基づくセンサデータを用いて歩行に伴う前記歩行者の進行方向加速度の時系列データを生成する処理と、
   生成された前記進行方向加速度の時系列データから一歩行周期分の前記進行方向加速度の歩行波形を抽出する処理と、
   抽出された一歩行周期分の前記進行方向加速度の前記歩行波形から、前記歩行者の両足の歩行イベントを検出する処理と、
   前記検出する処理において、
   最大ピークに含まれる二つの山の間に谷が検出されるタイミングを爪先離地のタイミングとして検出する処理と、
   最小ピークが検出されるタイミングと、前記最小ピークの次に現れる極大ピークが検出されるタイミングとの中点のタイミングを踵接地のタイミングとして検出する処理と、をコンピュータに実行させるプログラム。

Images