JPWO2018092219A1 - 情報処理システム、情報処理装置、情報処理方法および情報処理プログラム - Google Patents

Abstract

情報処理システムは、動作を測定するセンサと、前記センサから前記動作に関する動作データを受信する情報処理装置と、を備え、前記情報処理装置は、前記動作データに基づいて、第１の動作特徴量が第１基準以上となる１または複数の動作方向を特定する特定部と、前記特定された方向を用いて、変換後の前記方向での第２の動作特徴量が第２基準以上となる、前記動作データの変換に用いられるパラメータを決定する決定部と、を含む。

Description

本発明は、情報処理システム、情報処理装置、情報処理方法および情報処理プログラムに関する。

例えば、病院内のみで行われていた患者に対するケアが、患者宅や各地域の介護施設等で行われることが増加している。また、患者に対するケアを行う担当者は、患者が自宅や介護施設等にいる場合でも、患者の状態やその経過（変化）を把握できることが求められている。

関連する技術として、体参照システムと方向検知ユニットに係る参照システムとの間の変換関係を決定することにより体に関してデバイスの相対的な方向を決定する技術が提案されている（例えば、特許文献１を参照）。行動検知装置の中心点を中心とした回転角の検出を行い、検出結果に基づいて加速度データの補正を行う技術が提案されている（例えば、特許文献２を参照）。加速度ベクトルデータから計算される前方向のベクトルの大きさの総和と後方向のベクトルの大きさの総和の差異に基づいて歩様バランスを判定する技術が提案されている（例えば、特許文献３を参照）。

また、関連する技術として、ジャイロセンサを用いて歩行検知し、歩行速度や歩幅などを定量化する技術が提案されている（例えば、非特許文献１を参照）。また、加速度センサ、ジャイロセンサを用いて着席、起立を検知する技術が提案されている（例えば、非特許文献２を参照）。

特表２０１３−５３２５３９号公報 特開２００５−１７２６２５号公報 国際公開第２００７／０５２６３１号

Fraccaro et al., "Real-world Gyroscope-based Gait Event Detection and Gait Feature Extraction". eTELEMED 2014 Van Lummel et al., "Automated approach for quantifying the repeated sit-to-stand using one body fixed sensor in young and older adults". Gait & Posture. Vol.38, pp.153-156, 2013

例えば、装着型のモーションセンサを用いて計測対象者（例えば、患者）の動作を検知し、検知された動作を定量化することが考えられる。しかし、上記のモーションセンサの装着位置が想定された位置からずれている場合、動作を定量化する精度が低下する。

１つの側面として、本発明は、動作の定量化の精度低下を抑制することを目的とする。

１つの態様では、動作を測定するセンサと、前記センサから前記動作に関する動作データを受信する情報処理装置と、を備え、前記情報処理装置は、前記動作データに基づいて、第１の動作特徴量が第１基準以上となる１または複数の動作方向を特定する特定部と、前記特定された方向を用いて、変換後の前記方向での第２の動作特徴量が第２基準以上となる、前記動作データの変換に用いられるパラメータを決定する決定部と、を含む、ことを特徴とする情報処理システム。

１つの側面によれば、動作の定量化の精度低下を抑制することができる。

各軸の方向を示す図である。 実施形態のシステムの全体構成の一例を示す図である。 歩行時の動作データの例である。 第２の実施形態の情報処理装置の一例を示す図である。 データ取得装置の一例を示す図である。 実施形態の処理の流れの一例を示すフローチャートである。 歩行時の動作データにおける動作区間の例を示す図である。 混合度の判定結果の例を示す図である。 動作変換前後の動作データの例を示す図である。 動作変換前後の動作データの例を示す図である。 動作変換前後の動作データの例を示す図である。 第２の実施形態の情報処理装置の一例を示す図である。 第２の実施形態の情報処理装置の流れの一例を示すフローチャート（その１）である。 第２の実施形態の情報処理装置の流れの一例を示すフローチャート（その２）である。 センサが固定されている場合と固定されていない場合の歩行時の動作データの例を示す。 装着位置が徐々に変化する場合の脚の動作データの例を示す図である。 装着位置が徐々に変化する場合の混合度の変化の例を示す図である。 歩行中に後ろ向きに歩く動作が含まれる場合の動作データの例を示す図である。 変換パラメータが局所解となる場合の変換前後の動作データを示す図である。 異常な動作を含む動作データの区間分離を示す図である。 複数の動作区間における変換後の方向転換の動作データの例を示す図である。 方向転換の変換後の動作データを示す図である。 脚の回転方向を示す図である。 第１の実施例における抽出部が取得した各センサからの動作データである。 動作抽出アルゴリズムの例を示す図である。 抽出された動作区間の例を示す図である。 混合度の判定指標の例を示す図である。 状態変換量ＤＢに記憶される情報の例を示す図である。 第１の実施例における変換前後の動作データの例を示す図である。 特徴量ＤＢに記憶される歩行に関する動作特徴量の例を示す図である。 第２の実施例における抽出部１２が取得した各センサ４からの動作データである。 第２の実施例における変換前後の動作データの例を示す図である。 特徴量ＤＢに記憶される方向転換に関する動作特徴量の例を示す図である。 情報処理装置のハードウェア構成の一例を説明する。

以下、図面を参照して、実施形態について説明する。本実施形態の説明に用いる各軸について説明する。図１は、計測対象者を基準とした各軸の方向を示す図である。本実施形態の説明は、図１に示す軸に基づいて行われる。計測対象者は、例えば、患者や介護対象者等である。

前額面は、計測対象者の体を腹側と背側に分割する任意の平面である。水平面は、重力方向に垂直な平面である。矢状面は、計測対象者の体の正中を通り、体を左右に分ける面と平行な面である。

前額−水平軸は、矢状面に対して直交する軸である。矢状−水平軸は、前額面に対して直交する軸である。垂直軸は、水平面に対して直交する軸である。

なお、図１では、各軸が交わる原点は体の中心付近にあるが、原点の位置は図１に示す位置には限られない。例えば、歩行を示す動作データを取得する場合、原点の位置は足元付近となる。

本実施形態の説明において、前額−水平軸を中心とした回転方向の動作データをＸ’（ｔ）とする。垂直軸を中心とした回転方向の動作データをＹ’（ｔ）とする。矢状−水平軸を中心とした回転方向の動作データをＺ’（ｔ）とする。

なお、本実施形態における動作データは、各軸を中心とした回転方向の単位時間毎の角速度を示す。本実施形態の説明において、動作データの方向を区別しない場合、単に動作データと記載する。動作データは、角速度以外のデータ（例えば、速度）であってもよい。

＜実施形態のシステムの全体構成の一例＞
図２は、実施形態のシステムの全体構成の一例を示す。図２の例に示されるように、情報処理装置１は、ネットワーク２を介して、複数の中継装置３に接続される。中継装置３は、複数のセンサ４に接続される。中継装置３およびセンサ４は１つであってもよい。

情報処理装置１は、センサ４が測定した動作を示すデータ（以下、動作データと称する）をネットワーク２、中継装置３、を介して取得する。情報処理装置１は、例えば、病院に設置される。情報処理装置１は、コンピュータの一例である。

ネットワーク２は、例えば、広域通信網であり、情報処理装置１と中継装置３との間の通信に用いられる。

中継装置３は、例えば、患者の自宅や介護施設等に設置される。中継装置３は、ネットワーク２とセンサ４との間の通信を中継する。

センサ４は、例えば、動きを測定するモーションセンサであり、計測対象者の手や足等に装着される。センサ４は、例えば、角速度を測定するジャイロセンサ、または加速度センサ等の慣性センサである。センサ４は、複数の種類のセンサを含んでいてもよい。

本実施形態のシステムは図２に示す構成に限られない。実施形態のシステムは、例えば、中継装置３を含まなくてもよい。その場合、例えば、情報処理装置１がネットワーク２を介して、センサ４から動作データを取得してもよい。

また、本実施形態のシステムは、センサ４から動作データを受信し、受信した動作データを中継装置３に送信する装置（例えば、サーバ）を含んでいてもよい。

実施形態の情報処理装置１は、センサ４が計測対象者の特定の位置に装着されたことを想定し、特定の種類の動作に対応したアルゴリズムを用いて、動作を定量化する。

例えば、動作種類が歩行である場合、歩行中の前額−水平軸方向における回転速度を測定することにより、踏み出し、着地、離地の速度、タイミングなどを定量化することができる。また、動作種類が起立である場合、起立時の前額−水平軸方向における回転速度、加速度変化を測定することにより、前傾する時の速度、タイミング、姿勢変化などを定量化することができる。

しかし、センサ４が特定の位置に装着されたことを想定して動作を定量化する場合、センサ４の装着位置が想定された位置（正常な位置：正常位置）からずれると、動作の定量化精度が低下する場合がある。

例えば、センサ４の初期的な装着位置（初期装着位置）が、想定された位置からずれると、動作の定量化精度が低下する。また、センサ４を装着した計測対象者の動きによって、センサ４の装着位置が想定された位置からずれることもある。この場合も、動作の定量化精度が低下する。

図３は、歩行時の動作データの例である。図３（ａ）は、センサ４が、計測対象者の脚の正常位置に装着されている場合の歩行時の代表方向の動作データである。図３（ｂ）は、センサ４が正常位置に装着されていない場合の代表方向の動作データである。

なお、代表方向は、図１に示すいずれかの軸の回転方向である。代表方向は、複数方向毎の動作データを検出する場合、動作データの動作特徴量が所定基準（第１基準）以上である方向を示す。第１基準は任意に設定されてよい。

代表方向は１つとは限らず、２つ以上であってもよい。代表方向の特定に用いられる動作特徴量は、例えば、動作データの時間変化量の値である。代表方向の特定に用いられる動作特徴量は、例えば、該時間変化量の、絶対値、ピーク値、またはピーク区間の面積であってもよい。

動作種類が歩行である場合、通常、代表方向は前額−水平軸の回転方向となる。センサ４が正常位置に装着されていない場合、センサ４が正常に装着されている場合と比べて、前額−水平軸の角速度が低くなる。そのため、図３に示す例では、図３（ａ）の動作データに比べて、図３（ｂ）の動作データの方が、角速度が低い。

一方、センサ４が正常位置に装着されているか否かにかかわらず、センサ４を装着した計測対象者の動作自体は変わらない。例えば、センサ４が正常位置に装着されているか否かにかかわらず、通常、計測対象者は、歩行時は脚を回転させながら前に移動する。また、計測対象者は、方向転換時は脚を回転させながら体を旋回させる。よって、歩行の場合、前額−水平軸の回転方向の動作量が大きくなる特性がある。

動作量は、例えば、センサ４の出力値の、所定区間における絶対値の合計値（積分値）である。

また、例えば、動作種類が歩行であれば前額−水平軸の回転方向への回転が生じるという方向性がある。また、動作が方向転換であれば垂直軸の方向への回転が生じるという特性がある。

＜第１の実施形態の情報処理装置の一例＞
図４は、第１の実施形態の情報処理装置の一例を示す図である。情報処理装置１は、第１記憶部１０と、第１通信部１１と、抽出部１２と、混合度判定部１３と、特定部１４と、決定部１５と、変換部１６と、算出部１７とを含む。

第１記憶部１０は、動作抽出アルゴリズムＤａｔａＢａｓｅ（ＤＢ）１０ａと、判定指標ＤＢ１０ｂと、状態変換量ＤＢ１０ｃと、特徴量ＤＢ１０ｄとを含む。

第１通信部１１は、センサ４から送信された、動作に関する動作データを受信する。
抽出部１２は、センサ４から、第１通信部１１を介して動作データを取得し、動作データの動作特徴量が閾値以上となる区間の動作データを抽出することにより動作データのうち検出対象の動作を示す区間のデータを抽出する。

混合度判定部１３は、動作データに基づいて、動作の代表方向の数を示す混合度を判定する。混合度判定部１３は、例えば、３次元の各方向における動作データのばらつきに基づいて混合度を判定する。

特定部１４は、動作データに基づいて、動作特徴量（第１の動作特徴量）が第１基準以上となる１または複数の動きの方向（代表方向）を特定する。特定部１４は、動作特徴量が最大となる１または複数の代表方向を特定することが好ましい。特定部１４は、例えば、動作データを回転変換させたデータの各方向の動作特徴量の大きさに基づいて、混合度と同数の代表方向を特定する。

決定部１５は、特定部１４により特定された代表方向における動作特徴量（第２の動作特徴量）に基づいて、動作データの変換に用いられるパラメータを決定する。決定部１５は、例えば、特定された代表方向を用いて、特定部１４が特定した代表方向における変換後の動作特徴量が所定基準（第２基準）以上となるように、動作データの変換に用いられるパラメータを決定する。決定部１５は、例えば、上記の動作特徴量が最大となるように、動作データの変換に用いられるパラメータを決定することが好ましい。

変換部１６は、決定部１５により決定されたパラメータを用いて動作データを変換する。

算出部１７は、変換部１６が変換した動作データに基づいて、動作種類を特定し、動作の特徴量を算出（定量化）する。

＜センサの一例＞
図５は、センサ４の一例を示す図である。センサ４は、第２通信部４１と、動作測定部４２と、第２記憶部４５とを含む。第２記憶部４５は、動作情報ＤＢ４５ａを含む。

第２通信部４１は、情報処理装置１に動作データを送信する。動作測定部４２は、動作を測定して、動作を示す動作データを動作情報ＤＢ４５ａに記憶させる。動作情報ＤＢ４５ａは、動作測定部４２が生成した動作データを記憶する。

センサ４は、例えば、動作データを一時的に動作情報ＤＢ４５ａに記憶させ、中継装置３、ネットワーク２を介して定期的に情報処理装置１に送信する。

＜第１の実施形態の処理の流れの一例＞
図６は、第１の実施形態の処理の流れの一例を示すフローチャートである。第１通信部１１は、センサ４が測定した動作を示す動作データを受信する（ステップＳ１０１）。

抽出部１２は、受信した動作データから検出対象の動作を示す動作区間のデータを抽出する（ステップＳ１０２）。予め指定された動作種類が設定されている場合、抽出部１２は、上記の区間のデータを抽出する前に、動作抽出アルゴリズムＤＢ１０ａから、予め指定された動作種類のデータから動作区間を抽出するためのアルゴリズムを取得する。本実施形態では、予め「歩行」という動作種類がユーザから指定されていたとする。

抽出部１２は、例えば、各方向の動作データの動作特徴量を所定区間毎に算出し、動作特徴量が上記アルゴリズムに含まれる閾値（抽出閾値）を超えている区間のデータを抽出する。ステップＳ１０２で用いる動作特徴量は、例えば、各方向の動作データの合成値、最大値、最小値、または平均値である。

動作データの合成値は、例えば、以下の式（１）のように表される。式（１）において、Ｘ（ｔ）、Ｙ（ｔ）、Ｚ（ｔ）は、動作データの各方向の動作量を示す。Ｓ（ｔ）は、Ｘ（ｔ）、Ｙ（ｔ）、Ｚ（ｔ）の合成値を示す。

抽出部１２は、例えば、各方向の動作データの動作特徴量の分散値、周期、またはピーク値がアルゴリズムに含まれる抽出閾値を超えている区間を抽出してもよい。

アルゴリズムは、例えば、特定の動作パターンを含んでいてもよい。そして、抽出部１２は、例えば、取得した動作データと特定の動作データパターンとを比較して差異が所定値以内である区間のデータを抽出してもよい。

予め指定された動作種類が設定されていない場合、抽出部１２は、動作特徴量、または動作特徴量の分散値、周期、もしくはピーク値が動作種類に依らない抽出閾値を超えている区間のデータを抽出してもよい。

図７は、動作区間の抽出例を示す図である。図７（ａ）は、直進歩行の動作データの合成値を示す。図７（ｂ）は、方向転換の動作データの合成値を示す。図７に示すように、対象となる動作が行われたと判定された区間（動作区間）が、抽出部１２より特定される。

図６に示されるように、情報処理装置１は、ステップＳ１０２で抽出した動作区間毎の繰り返し処理を開始する（ステップＳ１０３）。ステップＳ１０３において、Ｎを動作区間数とすると、各動作区間ｉ（ｉ＝１〜Ｎ）について繰り返し処理が行われる。なお、Ｎおよびｉは、自然数である。

混合度判定部１３は、動作区間ｉについて、動作の代表方向の数を示す混合度を判定する（ステップＳ１０４）。混合度判定部１３は、例えば、混合度の判定指標を含む判定指標ＤＢ１０ｂから、対象の動作種類に対応する判定指標を取得し、判定指標に基づいて混合度を判定する。混合度判定部１３は、例えば、主成分分析を用いることにより、３次元の各方向における動作データのばらつきに基づいて混合度を判定する。

ステップＳ１０４において、混合度判定部１３は、例えば、対象区間の動作データについて、主成分分析を行い、生成された軸の累積寄与率を算出してもよい。そして、混合度判定部１３は、累積寄与率が所定の閾値（累積寄与率閾値）（例えば、０．９）以上である軸の数のうち、最も少ない軸の数を混合度に用いる。累積寄与率閾値は、判定指標ＤＢ１０ｂに記憶された判定指標に含まれる。

図８は、混合度の判定結果の例を示す図である。図８（ａ）に示す例（第１の例）は、直進歩行する動作について、主成分分析により作成された軸の数と、累積寄与率とを示している。図８（ａ）に示す例は、全ての軸数において累積寄与率が累積寄与率閾値（０．９）を超えている。そのため、混合度判定部１３は、累積寄与率が累積寄与率閾値を超えた軸の数のうち最も少ない軸の数である「１」を混合度に用いる。

例えば、直進歩行する場合、脚を前に回転させる動作が主体であるため、前額−水平軸の回転方向の動作量が大きく、前額−水平軸の回転方向が代表方向となる。一方、矢状−水平軸の回転方向と垂直軸の回転方向の動作量は少ない。すなわち、主成分分析において前額−水平軸の回転方向の寄与率及びばらつきは大きく、矢状−水平軸の回転方向と垂直軸の回転方向の寄与率及びばらつきは少ないので、上記の処理により混合度（代表方向の数）は、「１」となる。

図８（ｂ）に示す例（第２の例）は、方向転換を行った場合の動作データについて、主成分分析により作成された軸の数と、累積寄与率とを示している。図８（ｂ）に示す例では、軸数が２の場合と３の場合とにおいて累積寄与率が累積寄与率閾値（０．９）を超えている。そのため、混合度判定部１３は、累積寄与率が累積寄与率閾値を超えた軸の数のうち最も少ない軸の数である「２」を混合度に用いる。

例えば、方向転換する場合、脚を前に回転させながら旋回するため、前額−水平軸の回転方向と垂直軸の回転方向の動作量が大きく、前額−水平軸の回転方向と垂直軸の回転方向が代表方向となる。一方、矢状−水平軸の回転方向の動作量は少ない。すなわち、主成分分析において前額−水平軸の回転方向と垂直軸の回転方向の寄与率及びばらつきは大きく、矢状−水平軸の回転方向の寄与率及びばらつきは少ないので、上記の処理により混合度（代表方向の数）は、「２」となる。

図８（ｃ）に示す例（第３の例）は、螺旋階段での昇降を行った場合の動作データについて、主成分分析により作成された軸の数と、累積寄与率とを示している。図８（ｃ）に示す例では、軸数が３の場合において累積寄与率が累積寄与率閾値（０．９）を超えている。そのため、混合度判定部１３は、累積寄与率が累積寄与率閾値を超えた軸の数のうち最も少ない軸の数である「３」を混合度に用いる。

例えば、螺旋階段を昇降する場合、脚を前に回転させながら旋回し、さらに上下方向への動作が発生する。よって、前額−水平軸の回転方向と垂直軸の回転方向と矢状−水平軸の回転方向の全ての動作量が大きく、全ての方向が代表方向となる。すなわち、主成分分析において全ての方向の寄与率が大きいので、上記の処理により混合度（代表方向の数）は、「３」となる。

図６に示されるように、特定部１４は、混合度に基づいて動作特徴量が第１基準以上となる代表方向を特定する（ステップＳ１０５）。特定部１４は、例えば、複数の方向のうち動作データの動作特徴量の大きさの順位が所定の順位以内となる代表方向を特定してもよい。または、第１基準は、例えば、所定の閾値（第１閾値）であってもよい。すなわち、特定部１４は、複数方向のうち動作特徴量がより大きい方向を代表方向として特定する。第１基準は、予め設定可能である。

ステップＳ１０５において、特定部１４は、例えば、混合度が１であれば、複数の方向のうち動作データの動作特徴量が最大となる１方向を代表方向であると特定する。特定部１４は、例えば、混合度が２であれば、２方向の動作特徴量の合計のうち動作特徴量が最大となる２方向を代表方向であると特定する。特定部１４は、例えば、混合度が３であれば、３方向全てを代表方向とする。

特定部１４は、動作種類が予め設定されている場合、動作種類に応じて代表方向を特定してもよい。例えば、特定部１４は、動作種類が直進歩行であると設定されていた場合、前額−水平軸の回転方向が代表方向であると特定する。また、例えば、特定部１４は、動作種類が方向転換であると設定されていた場合、前額−水平軸の回転方向と垂直軸の回転方向が代表方向であると特定する。また、例えば、特定部１４は、動作種類が螺旋階段の昇降であると設定されていた場合、全ての方向が代表方向であると特定する。

決定部１５は、例えば、代表方向における動作特徴量が第２基準以上（例えば、最大）となるように、動作データの変換に用いるパラメータ（変換パラメータ）を決定する（ステップＳ１０６）。

決定部１５は、例えば、複数の変換パラメータの候補を決定する。そして、決定部１５は、決定した変換パラメータの候補を用いて動作データを変換し、変換後の動作データに用いた変換パラメータを代表方向における動作特徴量の大きい順に順位付けする。そして、決定部１５は、例えば、順位が所定順位以内となる変換パラメータを変換に用いるパラメータに決定してもよい。または、第２基準は、例えば、所定の閾値（第２閾値）であってもよい。すなわち、決定部１５は、代表方向の動作特徴量がより大きくなるように変換パラメータを決定する。なお、第２基準は、予め設定可能である。

ステップＳ１０６で用いられる動作特徴量は、例えば、動作データの時間変化量の値、または該時間変化量の値の絶対値、ピーク値、もしくはピーク区間の面積である。

次に、特定部１４及び決定部１５の処理の具体例を説明する。変換後の動作データは、式（２）〜（４）に示すＸ’（ｔ）、Ｙ’（ｔ）、Ｚ’（ｔ）により表される。式（２）〜（４）に示すＸ’（ｔ）、Ｙ’（ｔ）、Ｚ’（ｔ）は、３軸の動作データＸ（ｔ）、Ｙ（ｔ）、Ｚ（ｔ）を、変換パラメータθ＝（α、β、γ）を用いて回転変換して得られた動作データである。

特定部１４は、例えば、混合度が１である場合、以下の（５）〜（７）に示す動作特徴量の評価関数Ｅ_１１〜Ｅ_１３を、それぞれ複数の変換パラメータの候補θ＝（α、β、γ）に関して算出する。特定部１４は、例えば、Ｅ_１１〜Ｅ_１３のそれぞれの最大値を比較する。

特定部１４は、評価関数Ｅ_１１〜Ｅ_１３のそれぞれの最大値のうち、Ｅ_１１の最大値が最も大きい場合、Ｘ’（ｔ）が代表方向の動作データであると特定する。決定部１５は、その場合、Ｅ_１１が第２基準以上（例えば、最大）となる変換パラメータを変換に用いるパラメータに決定する。

特定部１４は、評価関数Ｅ_１１〜Ｅ_１３のそれぞれの最大値のうち、Ｅ_１２の最大値が最も大きい場合、Ｙ’（ｔ）が代表方向の動作データであると決定する。その場合、決定部１５は、Ｅ_１２が第２基準以上（例えば、最大）となる変換パラメータθ＝（α、β、γ）を変換に用いるパラメータに決定する。

特定部１４は、評価関数Ｅ_１１〜Ｅ_１３のそれぞれの最大値のうち、Ｅ_１３の最大値が最も大きい場合、Ｚ’（ｔ）が代表方向の動作データであると特定する。決定部１５は、その場合、Ｅ_１３が第２基準以上（例えば、最大）となる変換パラメータθ＝（α、β、γ）を変換に用いるパラメータに決定する。

また、特定部１４は、例えば、混合度が２である場合、以下の（８）〜（１０）に示す評価値Ｅ_２１〜Ｅ_２３を、それぞれ複数の変換パラメータθ＝（α、β、γ）に関して算出する。

特定部１４は、評価関数Ｅ_２１〜Ｅ_２３のそれぞれの最大値のうち、Ｅ_２１の最大値が最も大きい場合、Ｘ’（ｔ）およびＹ’（ｔ）が代表方向の動作データであると特定する。決定部１５は、その場合、Ｅ_２１が第２基準以上（例えば、最大）となる変換パラメータを変換に用いるパラメータに決定する。

特定部１４は、評価関数Ｅ_２１〜Ｅ_２３のそれぞれの最大値のうち、Ｅ_２２の最大値が最も大きい場合、Ｘ’（ｔ）およびＺ’（ｔ）が代表方向の動作データであると特定する。その場合、決定部１５は、Ｅ_２２が第２基準以上（例えば、最大）となる変換パラメータを変換に用いるパラメータに決定する。

特定部１４は、Ｅ_２１〜Ｅ_２３のそれぞれの最大値のうち、Ｅ_２３の最大値が最も大きい場合、Ｙ’（ｔ）およびＺ’（ｔ）が代表方向の動作データであると特定する。決定部１５は、その場合、Ｅ_２３が第２基準以上（例えば、最大）となる変換パラメータを変換に用いるパラメータに決定する。

また、特定部１４は、例えば、混合度が３である場合、以下の（１１）に示す評価値Ｅ_３を、複数の変換パラメータに関して算出する。

特定部１４は、混合度が３である場合、Ｘ’（ｔ）、Ｙ’（ｔ）およびＺ’（ｔ）が代表方向の動作データであると特定する。決定部１５は、その場合、Ｅ_３が第２基準以上（例えば、最大）となる変換パラメータを変換に用いるパラメータに決定する。

上記の例では、決定部１５は、抽出部１２が抽出した動作区間毎にパラメータを変換した。決定部１５は、動作種類毎に変換パラメータを推定してもよい。決定部１５は、例えば、動作種類に基づいて決定した期間（区間）毎に、特定された動作方向における第２の動作特徴量が第２基準以上となるパラメータを決定してもよい。動作種類は、例えば、歩行または方向転換であり、動作種類毎の動作パターンあるいは動作検知アルゴリズムやそのパラメータが予め第１記憶部１０に記憶されているとする。そして、決定部１５は、動作種類を、記憶された動作パターンとのマッチングに基づいて決定してもよいし、動作検知アルゴリズムを用いて決定してもよい。

また、決定部１５は、混合度が共通または類似する動作毎に変換パラメータを決定してもよい。決定部１５は、混合度に基づいて決定した期間（区間）毎に、特定された動作方向における動作特徴量が第２基準以上となる前記パラメータを決定してもよい。

動作種類毎、または混合度が共通または類似する動作毎に変換パラメータを決定する場合であって、対象の動作データが複数の動作区間を含んでいる可能性がある。その場合、決定部１５は、例えば、複数の区間における評価関数を加算あるいは平均した値が所定基準以上（例えば、最大）となるパラメータを変換に用いるパラメータに決定してもよい。

また、代表方向が予め設定されている場合、決定部１５は、設定された代表方向における動作特徴量が第２基準以上（例えば、最大）となる変換パラメータを決定してもよい。例えば、動作が直進歩行である場合、代表方向が前額−水平軸の回転方向であることが推定できるため、代表方向が前額−水平軸の回転方向であることが予め設定される。代表方向が予め設定されている場合、決定部１５は、例えば、設定された代表方向における動作特徴量が所定基準以上（例えば、最大）となる変換パラメータを決定してもよい。

図９は、代表方向の数に応じた動作変換前後の動作データの例を示す図である。図９において、実線が変換後の動作データＸ’（ｔ）、Ｙ’（ｔ）、Ｚ’（ｔ）を示し、点線が変換前の動作データＸ（ｔ）、Ｙ（ｔ）、Ｚ（ｔ）を示す。

図９（ａ）は、代表方向が１方向であり、Ｘ’（ｔ）が代表方向である場合の動作変換の例を示す。図９（ａ）に示す例では、Ｘ（ｔ）は増加するように変換され、Ｙ（ｔ）およびＺ（ｔ）が減少するように変換される。

図９（ｂ）は、代表方向が２方向であり、Ｘ’（ｔ）およびＹ’（ｔ）が代表方向である場合の動作変換の例を示す。図９（ｂ）に示す例では、Ｘ（ｔ）およびＹ（ｔ）は増加するように変換され、Ｚ（ｔ）が減少するように変換される。

図９（ｃ）は、代表方向が３方向であり、Ｘ’（ｔ）、Ｙ’（ｔ）およびＺ’（ｔ）が代表方向である場合の動作変換の例を示す。図９（ｃ）に示す例では、Ｘ（ｔ）、Ｙ（ｔ）およびＺ（ｔ）は増加するように変換される。

次に、変換部１６は、決定部１５が決定した変換パラメータを用いて、動作データを変換する（ステップＳ１０７）。例えば、変換部１６は、決定部１５が決定した変換パラメータθ＝（α、β、γ）を式（２）〜（４）にそれぞれ代入する。そして、代入後のＸ’（ｔ）、Ｙ’（ｔ）およびＺ’（ｔ）が変換後の動作データとなる。

変換部１６は、変換パラメータが既知である場合、既知の変換パラメータを用いて、動作データを変換してもよい。または、変換部１６は、既知の変換パラメータと決定した変換パラメータを比較していずれかを選択してもよい。

変換部１６は、例えば、センサ４の装着位置のずれが既知である場合に、装着位置に基づいて過去に算出した変換パラメータから変換パラメータを選択してもよい。または、変換部１６は、装着者の癖に基づく動作や異常動作が既知である場合に、想定されるセンサ４の装着位置に基づいて過去に算出した変換パラメータから変換パラメータを選択してもよい。

図６に示されるように、情報処理装置１は、全ての動作区間に関してステップＳ１０４〜Ｓ１０７の処理を完了した場合に、繰り返し処理を終了する（ステップＳ１０８）。

図１０は、動作変換前後の動作データの例を示す図である。図１０（ａ）〜（ｃ）は、１つの代表方向を含む３方向の動作データのうち、代表方向における動作データを示す。図１０（ａ）は、センサ４を正常位置に装着した場合の動作データである。図１０（ｂ）は、センサ４を正常ではない位置（回転ずれした位置）に装着した場合の動作データである。図１０（ｃ）は、図１０（ｂ）の動作データを変換した動作データである。

図１０（ｂ）に示す動作データは、センサ４が正常に装着されていないため、代表方向の動作データにおける動作量が図１０（ａ）における動作データと比べて小さい。一方、図１０（ｃ）に示すデータは、図１０（ｂ）に示す動作データより動作量が大きく、図１０（ａ）における動作データに近いデータとなる。図１０（ｃ）に示すデータは、変換後の代表方向の動作特徴量が最大となる変換パラメータを用いて変換が行われたからである。

図１１は、動作変換前後の動作データの比較例を示す図である。図１１（ａ）は、代表方向の動作データの一部を示す。図１１（ａ）は、センサ４を正常位置に装着した場合の代表方向の動作データと、センサ４を正常ではない位置（回転ずれした位置）に装着した場合の変換前と変換後の代表方向の動作データとを示す。

図１１（ａ）に示すように、変換後の代表方向の動作データは、センサ４を正常位置に装着した場合の代表方向の動作データに近いデータとなる。

図１１（ｂ）は、代表方向以外の動作データの一部を示す。図１１（ｂ）は、センサ４を正常位置に装着した場合の代表方向以外の動作データと、センサ４を正常ではない位置（回転ずれした位置）に装着した場合の変換前と変換後の代表方向以外の動作データとを示す。

代表方向以外の動作データは、図１１（ｂ）の例に示すように、センサ４を正常でない位置に装着した場合に、正常な位置に装着した場合と比べて動作量が大きい場合がある。一方、変換後の動作データは、正常な位置に装着した場合の動作データに近いデータとなる。

次に、算出部１７は、変換された動作データを用いて、特徴量を算出する（ステップＳ１０９）。算出部１７は、変換された動作データを用いて、動作種類（例えば、歩行、方向転換等）を特定してもよい。算出部１７は、例えば、変換後の動作データと、予め記憶された各動作種類のパターンとを比較することにより、動作種類を特定してもよい。算出部１７は、既に動作種類が設定されている場合、その動作種類を定量化に用いてもよい。

また、算出部１７は、例えば、動作種類が歩行である場合、歩行速度、歩幅などの特徴量を算出（定量化）する。また、算出部１７は、例えば、動作種類が方向転換である場合、回転方向、回転量（角度）などの特徴量を算出する。

以上により、本実施形態の情報処理装置１は、変換後の代表方向の動作特徴量が所定基準以上（例えば、最大）となる、変換パラメータを決定し、動作データを変換する。そして、図１０、１１に示すように、変換後の代表方向の動作特徴量が増加することにより、正常位置に装着されていた場合の動作データに近い動作データを得ることができる。

そのため、センサの初期装着位置が想定された位置からずれていたり、計測対象者の動きによって装着位置が想定された位置と異なる位置に移動したりした場合であっても、動作の定量化の精度低下を抑制することができる。

また、情報処理装置１は、例えば、変換パラメータを蓄積し、可視化することにより、センサ４の状態（装着位置）の変化や異常の把握が可能となる。また、決定された変換パラメータは、パワードスーツなどの動作補助装置の動作方向の決定などにも利用可能である。

また、例えば、患者（計測対象者）の状態を知るために病院で用いられている大規模なモニタリング装置は、設置スペースの確保や導入コスト、操作に対するスキルが要求される等の観点から、患者の自宅又は介護施設に設置することは容易ではない。

そのため、安価で簡便に使用できる装置により患者等の計測対象者の状態を把握することが望ましい。本実施形態の情報処理装置１を用いることにより、例えばジャイロセンサ等の小型の装置を用いて計測対象者の状態を把握することができるので、安価で簡便に計測対象者の動作を定量化することができる。

＜第２の実施形態の情報処理装置の一例＞
第２の実施形態の情報処理装置について、図面を参照して説明する。以下、特に説明しない構成および機能は、第１の実施形態の情報処理装置と同様であるとする。

図１２は、第２の実施形態の情報処理装置の一例を示す図である。第２の実施形態の情報処理装置１は、第１の実施形態の情報処理装置１に含まれる構成の他に、第１異常判定部１８と、第２異常判定部１９とを含む。

第１異常判定部１８は、動作データのばらつきに基づいて、センサ４の状態異常を判定する。

第２異常判定部１９は、混合度の時間経過に応じた変化に基づいて、センサ４の状態異常を判定する。

＜第２の実施形態の処理の流れの一例＞
図１３、１４は、第２の実施形態の情報処理装置の流れの一例を示すフローチャートである。図１３、１４に示すフローチャートは、図６に示す第１の実施形態のフローチャートに含まれる処理の他に、ステップＳ２０４〜Ｓ２０７を含む。図１３のステップＳ２０１〜Ｓ２０３、図１４のＳ２０８〜Ｓ２１３は、図６のステップＳ１０１〜Ｓ１０９の処理と同様である。

第１通信部１１は、センサ４が測定した動作を示す動作データを受信する（ステップＳ２０１）。抽出部１２は、受信した動作データから測定対象の動作を示す区間のデータを抽出する（ステップＳ２０２）。情報処理装置１は、ステップＳ２０２で抽出した動作区間毎の繰り返し処理を開始する（ステップＳ２０３）。ステップＳ２０３において、Ｎを動作区間数とすると、各動作区間ｉ（ｉ＝１〜Ｎ）について繰り返し処理が行われる。

第１異常判定部１８は、動作区間ｉにおける代表方向の動作データのばらつきが閾値（第１異常判定閾値）以上であるか判定する（ステップＳ２０４）。第１異常判定部１８は、例えば、対象動作区間において、代表方向の動作量の最大値が第１異常判定閾値を超えているかを判定する。または、第１異常判定部１８は、ある動作区間の動作量の統計値（最大値、平均値等）が一つ前の動作区間の動作量の統計値との差異を算出し、その差異が第１異常判定閾値以上であるかを判定してもよい。

ばらつきが第１異常判定閾値以上である場合（ステップＳ２０４でＹＥＳ）、第１異常判定部１８は、センサ４の状態が異常であると判定する（ステップＳ２０７）。そして、情報処理装置１は、処理を終了する。

動作データのばらつきが大きい場合、例えば、センサ４が緩く装着され、固定されていないことにより、計測対象者の動作に伴ってセンサ４が振動していることが想定される。その場合、動作データの変換を行っても正しく動作の定量化を行うことが困難であるため、異常であると判定された場合、情報処理装置１は、処理を終了する。

図１５は、センサが固定されている場合と固定されていない場合の歩行時の動作データの例を示す。図１５（ａ）は、センサが固定されている場合の歩行時の動作データを示す。図１５（ｂ）は、センサが固定されていない場合の歩行時の動作データを示す。

図１５（ｂ）に示す動作データは、図１５（ａ）に示す動作データと比べて、例えば、破線部分に示す動作量が大きい。図１５（ｂ）に示すように異常な動作データを含む場合、第１異常判定部１８は、センサの状態が異常であると判定する。

図１３に示されるように、第２異常判定部１９は、抽出された動作区間における混合度の時間経過に応じた変化量を算出する（ステップＳ２０５）。第２異常判定部１９は、例えば、動作区間ｉにおける所定時間幅内の動作データの累積値について混合度を算出し、時間幅および累積値を変化（例えば、増加）させて混合度を算出する処理を繰り返すことにより、混合度の時間経過に応じた変化量を算出する。

そして、第２異常判定部１９は、一つの動作区間中に動作種類が変化しているか判定する（ステップＳ２０６）。ステップＳ２０６において、第２異常判定部１９は、例えば、一つの動作区間中に混合度が変化している場合、動作種類が変化していると判定する。

第２異常判定部１９は、一つの動作区間中に動作種類が変化していると判定した場合（ステップＳ２０６でＹＥＳ）、センサ４の状態が異常であると判定する（ステップＳ２０７）。そして、情報処理装置１は、処理を終了する。

第２異常判定部１９は、例えば、ある動作区間の変換パラメータと、ある動作区間から所定時間離れた動作区間の変換パラメータの差異が閾値（第２異常判定閾値）以上である場合に、センサ４の状態が異常であると判定してもよい。

第２異常判定部１９は、例えば、特定の動作区間の変換パラメータと既知の変換パラメータを比較して、差異が第２異常判定閾値以上である場合に、センサ４の状態が異常であると判定してもよい。

図１６は、装着位置が徐々に変化する場合の脚の動作データを示す図である。図１６（ａ）は、装着位置が徐々に変化する場合の前額−水平軸方向における脚の動作データである。図１６（ａ）に示す例では、動作量が徐々に減少している。図１６（ｂ）は、装着位置が徐々に変化する場合の矢状−水平軸方向における脚の動作データである。図１６（ｂ）に示す例では、動作量が徐々に増加している。

図１６に示すように、例えば、歩行動作中に代表方向である前額−水平軸方向の動作量が減少し、他の方向の動作量が増加している場合に、センサ４が正常な装着位置から徐々にずれていることが想定される。

図１７は、装着位置が徐々に変化する場合の混合度の変化を示す図である。図１７に示すように、動作区間の初期では各軸で累積寄与率が累積寄与率閾値を上回るので混合度が１であるが、時間経過とともに１軸の累積寄与率が低下して累積寄与率閾値を下回る。よって、混合度が１から２に変化している。

図１６、１７に示す例の場合、第２異常判定部１９は、一つの動作区間中に動作種類が変化していると判定し、センサ４の状態が異常であると判定する。

ステップＳ２０６で動作種類が変化していないと判定された場合、混合度判定部１３は、動作区間ｉについて、動作の代表方向の数を示す混合度を判定する（ステップＳ２０８）。特定部１４は、混合度に基づいて動作特徴量が第１基準（例えば、最大）となる代表方向を特定する（ステップＳ２０９）。決定部１５は、代表方向における動作特徴量が第２基準以上（例えば、最大）となるように、動作データの変換に用いるパラメータ（変換パラメータ）を決定する（ステップＳ２１０）。

次に、変換部１６は、決定部１５が決定した変換パラメータを用いて、動作データを変換する（ステップＳ２１１）。情報処理装置１は、全ての動作区間に関してステップＳ２０４〜Ｓ２１１の処理を完了した場合に、繰り返し処理を終了する（ステップＳ２１２）。そして、算出部１７は、変換された動作データを用いて、特徴量を算出する（ステップＳ２１３）。

以上のように、本実施形態の情報処理装置１は、センサ４の状態が異常であるか判定し、異常である場合、処理を終了するので、異常な動作データの変換を行わない。そのため、異常な動作データに基づく定量化を行うことを避けることができる。

＜第３の実施形態の情報処理装置の一例＞
第３の実施形態の情報処理装置について、図面を参照して説明する。第３の実施形態の情報処理装置について、特に説明しない構成および機能は、第１の実施形態または第２の実施形態の情報処理装置と同じであるとする。第３の実施形態の情報処理装置の構成は、第１の実施形態または第２の実施形態の情報処理装置の構成と同様であるため、説明を省略する。

図１８は、歩行中に後ろ向きに歩く動作が含まれる場合の動作データの一例を示す図である。図１８は、左右の脚の動作データのうち、代表方向の動作データを示している。図１８に示すように、例えば、前向き歩行の動作データの一部に後ろ向き歩行の動作データが含まれている場合、動作データの正負が逆転する。図１８に示すような動作データを変換した場合、変換結果が正常にならない可能性がある。

よって、動作データが歩行であることが予め設定されている場合、決定部１５は、動作データの正負に依らない動作特徴量に基づいて変換パラメータを決定する。決定部１５は、例えば、代表方向における正負に依らない動作特徴量が第２基準以上（例えば、最大）となるように変換パラメータを決定する。正負に依らない動作特徴量は、値が正となる動作特徴量であり、例えば、動作データのピークの絶対値やピーク区間の面積等である。

決定部１５は、第１の実施形態で説明したように、式（５）〜（１１）のいずれかの評価関数が所定基準以上（例えば、最大）となるように変換パラメータを決定してもよい。式（５）〜（１１）は、各動作データＸ'（ｔ）、Ｙ'（ｔ）、Ｚ'（ｔ）の絶対値に基づく評価関数であるため、動作データの正負に関わらず、正のデータとなるからである。

歩行中は、進行方向に関わらず前額−水平軸の回転方向を代表方向として脚が回転する。そのため。変換部１６は、動作データの正負に依らない動作特徴量に基づいて算出された変換パラメータを用いることにより、前向き歩行と後ろ向き歩行の動作データが混在している場合であっても、適切な変換後データを得ることができる。

図１９は、変換パラメータが局所解となる場合の変換前後の動作データを示す図である。τは、動作区間毎に付与された区間番号である。図１９に示す例では、区間τの変換パラメータがθ＝（150,60,240）であり、区間τ＋１での変換パラメータがθ＝（150,240,60）である。すなわち、代表方向以外の２方向の変換パラメータが逆転していたとする。

しかし、通常、センサ状態は短時間で大きく変わらないため、図１９に示すような変換パラメータは適切ではない可能性が高い。そのため、決定部１５は、短時間で大きく変わる変換パラメータを採用しないようにする。

例えば、決定部１５は、以下の式（１２）のように制約を付加した評価関数を用いて変換パラメータを算出する。

式（１２）は、式（５）に制約を付加した例である。θ_τ+１は、第１動作区間の変換パラメータであり、θ_τは、事前に算出された、第１動作区間より所定時間前の１または複数の第２動作区間の変換パラメータである。εは、対象動作区間の変換パラメータと一つ前の動作区間の変換パラメータとの差異をどの程度許容するかを示すパラメータである。

決定部１５は、式（１２）に示すように、第１動作区間（τ＋１）での変換パラメータと事前に算出された所定時間前の第２動作区間（τ）での変換パラメータとの差異（例えば、ユークリッド距離）に所定のパラメータを乗算した値を減算する。

決定部１５は、例えば、θ_τ+１に複数の変換パラメータの候補を代入して、式（１２）に示す評価関数が最も大きくなるように、変換パラメータを決定する。制約を付加したことにより、第１動作区間（τ＋１）での変換パラメータと事前に算出された所定時間前の第２動作区間（τ）での変換パラメータとの差異（例えば、ユークリッド距離）が大きくなるかに応じて評価関数は小さくなるので、差異（例えば、ユークリッド距離）が大きい場合の変換パラメータが変換に用いられる可能性は低くなる。すなわち、変換パラメータが短時間で大きく変化した場合、その変換パラメータは、変換に用いられる可能性は低くなる。

式（１２）は、式（５）に対応する評価関数であるが、決定部１５は、式（６）〜（１１）についても、同様の制約（式（１２）の第４項）を付加して変換パラメータの決定に用いてよい。

第２動作区間は、例えば、第１動作区間の一つ前の動作区間である。第２動作区間は、例えば、第１動作区間より後の動作区間であってもよい。

決定部１５は、例えば、カルマンフィルタ、状態空間モデルを適用し、対象動作区間より前の動作区間の動作データと変換パラメータを用いて、短時間での変化量が少ない変換パラメータを推定してもよい。

以上のように、決定部１５は、動作データのうちの第１動作区間における変換パラメータの候補と、第１動作区間より所定時間前の第２動作区間について決定した変換パラメータとの差異を算出する。そして、決定部１５は、その差異に基づいて、変換パラメータの候補の中から第１動作区間における変換パラメータを決定する。そのため、情報処理装置１は、例えば、取得した動作データに異常な動作データが含まれていても、適切な変換パラメータを決定することができる。

図２０は、異常な動作を含む動作データの区間分離を示す図である。図２０に示すように、例えば、動作データの傾向が短時間で大きく変わる場合がある。動作データの傾向が短時間で大きく変わる原因は、例えば、計測対象者がセンサ４を手で触ったり、センサ４が障害物にぶつかったりして衝撃を受けたことによりセンサ４の状態（例えば、装着位置）が変わることである。一つの動作区間に異なるセンサ状態の動作データが含まれる場合、その後、動作区間毎に混合度の判定およびパラメータ変換が行われた際に、適切な結果が得られない可能性がある。

計測対象者がセンサ４を手で触ったり、センサ４が障害物にぶつかるなど、センサ４が衝撃を受けた場合、その衝撃に基づく異常な動作データが発生している場合がある。よって、抽出部１２は、ある動作区間の動作データが異常な動作データを含む場合、動作区間を異常な動作データの前後の区間に分離する。抽出部１２は、例えば、動作データのピーク値が抽出閾値以上である場合、異常な動作データであると判定する。そして、抽出部１２は、分離後の動作区間を混合度判定部１３に出力する。

以上のように、抽出部１２は、動作データの中の異常動作を示す部分を検知し、前記動作データを、前記異常動作を示す部分より前の区間と、異常動作を示す部分より後の区間とに分離し、分離された各区間を抽出する。区間を分離することにより、一つの動作区間に複数のセンサ状態に基づく動作データが含まれることを抑制することができる。そして、決定部１５が、分離後の動作区間毎に変換パラメータを決定することにより、適切なパラメータを決定することができる。

図２１は、複数の動作区間における変換後の方向転換の動作データの例を示す図である。図２１の動作区間（１）及び動作区間（２）は、方向転換中の動作区間である。方向転換の代表方向は、Ｘ’（ｔ）とＹ’（ｔ）であるとする。図２１に示すように、動作区間（１）では、Ｙ’（ｔ）の動作量が最も大きいが、動作区間（２）では、Ｘ’（ｔ）の動作量が最も大きい。

図２１に示すように、同じ動作種類の動作データであっても、代表方向のうち動作量が最も大きい方向（以下、支配軸方向と称する）が動作区間毎に異なる場合がある。このような動作データを用いて、動作データの変換及び定量化をした場合、精度が低下するおそれがある。よって、特定部１４が２つ以上の代表方向を特定した場合、支配軸方向がどの方向かを区別することが好ましい。

決定部１５は、例えば、代表方向が２つ以上である場合、各代表方向の変換前の動作データの動作量を算出し、動作量が最も大きい方向（支配軸方向）を決定する。そして、決定部１５は、支配軸方向の変換後の動作特徴量が最大となる変換パラメータを決定する。決定部１５は、例えば、変換前の動作データの支配軸方向がＹ（ｔ）である場合、Ｙ’（ｔ）に基づく動作特徴量（例えば、式（８）の第２項）が最大となる変換パラメータを決定する。

ただし、決定部１５は、歩行など、動作種類が事前に分かっている場合は、動作種類に応じて支配軸方向を決定してもよい。例えば、動作種類が歩行である場合は、前額−水平軸の回転方向を支配軸方向であると決定してもよい。また、決定部１５は、同じ種類の動作が複数回繰り返されている場合には、複数回の動作に対応する動作データ中で合計の動作量が最も大きい方向、または、変換後に最も合計の動作量が大きくなる方向を支配軸方向と決定してもよい。

以上のように、代表方向が２つ以上である場合、決定部１５は、代表方向のうち最も動作量が大きい方向の動作特徴量が最大となるパラメータを決定するので、定量化精度の低下を抑制することができる。

図２２は、方向転換の変換後の動作データを示す図である。図２２（ａ）は、正常に変換された場合の動作データを示す。図２２（ｂ）は、正常に変換されなかった場合の動作データを示す。

本実施形態では、Ｙ’（ｔ）が正である場合、右旋回を示し、Ｙ’（ｔ）が負である場合、左旋回を示すとする。しかし、図２２（ｂ）に示すように、本来右旋回の動作データが変換によって負のデータとなる場合がある。

図２２に示す例では、Ｘ’（ｔ）が前額−水平軸の回転方向の動作データであるとする。前向き歩行中に旋回した場合、旋回方向に関係なく脚は前に回転するため、Ｘ’（ｔ）は、通常、正となる。しかし、図２２（ｂ）では、Ｘ’（ｔ）が負のデータとなっているため、異常な動作データであることが分かる。すなわち、例えば、前向きの歩行中の動作データであることが分かっていれば、Ｘ’（ｔ）の動作データの正負に基づいて、変換後の動作データが正常か判定することが可能である。

よって、決定部１５は、例えば、動作の種類が方向転換であることを示す場合、Ｘ’（ｔ）の動作データが正となるように変換パラメータを決定する。以下の式（１３）は、式（８）においてＸ'（ｔ）の絶対値を外した式である。

式（１３）に示すように、複数の代表方向の動作データのうち、支配軸の回転方向ではない動作データＸ'（ｔ）の絶対値を外したことにより、Ｘ'（ｔ）が負である場合の変換パラメータは実際に変換に用いるパラメータとして採用されづらくなる。よって、Ｘ’（ｔ）の動作データが正となるように変換パラメータが決定される。

以上のように、情報処理装置１は、複数の代表方向のうち一つの方向が既知であれば、既知の方向の動作データの正負に基づいて、変換パラメータを決定するので、本来の動作データと正負が逆転する可能性を抑制することができる。 図２３は、脚の回転方向を示す図である。通常、動作が直進歩行である場合、前額−水平軸の回転方向が代表方向となる。特定部１４は、ステップＳ１０５またはＳ２０９の処理において、代表方向を特定する。しかし、動作データの変換処理によって代表方向以外の方向の動作データが入れ替わって推定される場合がある。

例えば、前額−水平軸の回転方向がＸ’（ｔ）である場合に、矢状−水平軸の回転方向の動作データがＹ’（ｔ）として出力される場合があり、Ｚ’（ｔ）として出力されてしまう場合がある。また、垂直軸の回転方向の動作データがＺ’（ｔ）として出力されてしまう場合があり、Ｙ’（ｔ）として出力される場合もある。

通常、動作が直進歩行である場合、矢状−水平軸の回転方向は、垂直軸の回転方向の動作量と比較して小さい。歩行中に足首を回転させる動作が行われる可能性はあるが、横に振り上げる動作は、通常、行われないからである。よって、決定部１５は、代表方向ではない方向の動作データのうち、動作量が大きい方向の動作データが垂直軸の回転方向の動作データ（本実施形態では、Ｙ’（ｔ））となるように変換パラメータを決定する。

決定部１５は、例えば、式（５）に制約条件を加えた下記式（１４）に基づいて、変換パラメータを算出してもよい。式（１４）を用いた場合、垂直軸の回転方向の動作データがＹ’（ｔ）となり、矢状−水平軸の回転方向は、Ｚ’（ｔ）となることが想定される。

以上、直進歩行の場合の例について説明したが、直進歩行の場合に限定されない。代表方向以外の方向の動作データの大小関係が既知であれば、決定部１５は、その大小関係を制約として用いて変換パラメータを決定すればよい。

以上のように、情報処理装置１は、代表方向以外の方向の動作データの大小関係が既知である場合に、大小関係を制約として用いて変換パラメータを決定するので、代表方向以外の方向の動作データが変換により入れ替わることを抑制することができる。

＜第１の実施例＞
第１の実施例として、計測対象者が左脚にセンサ４を１個装着し、右脚にセンサ４を５個装着した場合の、直進歩行中の歩き方の特徴を定量化する例を説明する。

図２４は、第１の実施例における抽出部１２が取得した各センサ４からの動作データである。図２４では、代表方向の動作データのみを示し、代表方向以外の動作データの図示を省略する。図２４に示す例では、右脚に装着したセンサ４はそれぞれ異なる位置に装着されているため、動作データも異なっている。

図２５は、動作抽出アルゴリズムの例を示す図である。抽出部１２は、動作抽出アルゴリズムＤＢ１０ａから、予め指定された動作を抽出するためのアルゴリズムを取得し、検出対象の動作を示す区間のデータを抽出する。

図２５に示すように、動作抽出アルゴリズムは、アルゴリズムＮｏ．と、動作抽出に用いる各パラメータを含む。パラメータは、例えば、合成値のピーク値、合成値のピーク間隔、合成値のピーク幅、及び合成値のピーク勾配である。各アルゴリズムは、例えば、パラメータの要否（○または×）、各パラメータの閾値を含む。動作抽出アルゴリズムは、各パラメータを用いた抽出方法を含んでいてもよい。

動作抽出アルゴリズムは、例えば、動作種類毎に記憶されている。本実施例では、動作抽出アルゴリズムＤＢ１０ａは、歩行動作に対応するアルゴリズムＮｏ１を適用する。

図２６は、抽出された動作区間の例を示す図である。図２６に示すように、動作データのうち、検出対象の動作を示す部分が抽出される。

次に、混合度判定部１３は、混合度の判定指標を含む判定指標ＤＢ１０ｂから、対象動作に対応する判定指標を取得し、判定指標に基づいて混合度を判定する。

図２７は、混合度の判定指標の例を示す図である。図２７に示すように、判定指標ＤＢ１０ｂには、判定指標の定義Ｎｏと、対象動作と、混合度の判定指標とが対応付けられて記憶されている。また、混合度の判定指標は、主成分分析の累積寄与率の閾値、独立成分分析の比の閾値、その他の動作データのばらつきを示す値（例えば、共分散、標準偏差等）の閾値を含む。すなわち、混合度の判定指標は、３次元の動作方向を含む動作データのばらつきを評価する判定閾値（例えば、ばらつきの大きさの最小閾値等）である。

混合度判定部１３は、動作データの判定指標に対応する値が閾値以上である軸の数のうち、最も少ない軸の数を混合度に用いる。本実施例では、対象動作は直進歩行であるため、定義Ｎｏ１の判定指標を混合度の判定に用いる。混合度判定部１３は、定義Ｎｏ１の判定指標を用いて混合度を判定し、混合度が「１」であったとする。

次に、特定部１４は、混合度に基づいて代表方向を特定する。本実施例では、混合度が「１」であるため、特定部１４は、複数の方向の動作特徴量のうち動作特徴量が最大となる方向を代表方向であると特定する。

次に、決定部１５は、代表方向における動作特徴量が最大となるように変換パラメータを決定する。

図２８は、状態変換量ＤＢに記憶される情報の例を示す図である。決定部１５は、決定した変換パラメータを状態変換量ＤＢ１０ｃに記憶させる。図２８に示すように、状態変換量ＤＢは、日時と、動作開始時刻と、動作終了時刻と、状態変換量とが対応付けられて記憶されている。状態変換量は、例えば、Ｘ軸回転量（α）と、Ｙ軸回転量（β）と、Ｚ軸回転量（γ）とを含む。状態変換量は、変換パラメータに対応する。

決定部１５が決定した変換パラメータを状態変換量ＤＢ１０ｃに記憶させ、一定量のデータを蓄積させて可視化することにより、センサ状態（位置）の変化や異常の把握の確認が可能となる。

次に、変換部１６は、決定部１５が決定した変換パラメータを用いて、動作データを変換する。図２９は、変換前後の動作データの例を示す図である。図２９において、Ｘ’（ｔ）は前額−水平軸の回転方向の動作データであり、Ｙ’（ｔ）は、垂直軸の回転方向の動作データであり、Ｚ’（ｔ）は、矢状−水平軸の回転方向の動作データである。また、図２９は、右脚（１）の３方向（Ｘ’（ｔ）、Ｙ’（ｔ）、Ｚ’（ｔ））の変換前後の動作データと、右脚（２）〜（５）のＸ’（ｔ）の変換前後の動作データを含む。左脚の動作データ、右脚（２）〜（５）のＹ’（ｔ）、Ｚ’（ｔ）の動作データの図示は、省略されている。

図２９において、右脚（１）の変換パラメータは、θ＝（１５０，６０，２４０）であり、右脚（２）の変換パラメータは、θ＝（３００，３３０，６０）であり、右脚（３）の変換パラメータは、θ＝（１８０，６０，３６０）であるとする。また、右脚（４）の変換パラメータは、θ＝（３３０，６０，２４０）であり、右脚（５）の変換パラメータは、θ＝（３３０，３６０，３０）であるとする。

図２９に示すように、Ｘ’（ｔ）に関しては、変換により動作量が増加している。また、Ｙ’（ｔ）、Ｚ’（ｔ）は、変換により動作量が減少している。本実施例では、動作は歩行であり、Ｘ’（ｔ）が代表方向であるため、変換により代表方向の動作量が増加し、代表方向以外の動作量が減少したこととなる。変換後の動作データは、センサ４を正常位置に装着した場合の動作データに近いデータとなる。

次に、算出部１７は、変換された動作データを用いて動作種類を特定し、動作を定量化する。本実施例では、算出部１７は、変換された動作データが歩行であると特定したとする。算出部１７は、変換された動作データに基づいて、歩行に関する特徴量を定量化し、特徴量ＤＢ１０ｄに記憶させる。

図３０は、特徴量ＤＢに記憶される歩行に関する動作特徴量の例を示す図である。図３０に示すように、歩行に関する動作特徴量は、日時、左脚歩行速度、右脚歩行速度、左脚歩幅、右脚歩幅を示す。

算出部１７は、例えば、動作データの振幅を歩行速度として特徴量ＤＢ１０ｄに記憶させる。算出部１７は、例えば、動作データの積分値に基づいて歩行幅を算出し、歩行幅を特徴量ＤＢ１０ｄに記憶させる。

＜第２の実施例＞
第２の実施例として、計測対象者が左脚にセンサ４を１個装着し、右脚にセンサ４を５個装着した場合の、方向転換中の歩き方の特徴を定量化する例を説明する。本実施例において、特に記載しない処理は、第１の実施例と同様であるとする。

図３１は、第２の実施例における抽出部１２が取得した各センサ４からの動作データである。図３１では、代表方向の動作データのみを示し、代表方向以外の動作データの図示を省略する。図３１に示す例では、右脚に装着したセンサ４はそれぞれ異なる位置に装着されているため、動作データも異なっている。

抽出部１２は、動作抽出アルゴリズムＤＢ１０ａから、予め指定された動作を抽出するためのアルゴリズムを取得し、検出対象の動作を示す区間のデータを抽出する。本実施例では、図２５のアルゴリズムＮｏ２に対応付けられているアルゴリズムを用いて、検出対象の動作を示す区間のデータを抽出する。

次に、混合度判定部１３は、混合度の判定指標を含む判定指標ＤＢ１０ｂから、対象動作に対応する判定指標を取得し、判定指標に基づいて混合度を判定する。本実施例では、混合度判定部１３は、図２７の定義Ｎｏ２に対応付けられている混合度判定指標を用いて、混合度を判定する。本実施例では、混合度判定部１３は、混合度が「２」であると判定したとする。

次に、特定部１４は、混合度に基づいて代表方向を特定する。本実施例では、混合度が「２」であるため、特定部１４は、２方向の動作特徴量の合計のうち最大となる２方向を代表方向であると特定する。

次に、決定部１５は、代表方向における動作特徴量が最大となるように変換パラメータを決定する。

次に、変換部１６は、決定部１５が決定した変換パラメータを用いて、動作データを変換する。図３２は、変換前後の動作データの例を示す図である。図３２において、Ｘ’（ｔ）は前額−水平軸の回転方向の動作データであり、Ｙ’（ｔ）は、垂直軸の回転方向の動作データであり、Ｚ’（ｔ）は、矢状−水平軸の回転方向の動作データである。また、図３２は、右脚（１）の３方向（Ｘ’（ｔ）、Ｙ’（ｔ）、Ｚ’（ｔ））の変換前後の動作データと、右脚（２）〜（５）のＸ’（ｔ）の変換前後の動作データを含む。左脚の動作データ、右脚（２）〜（５）のＹ’（ｔ）、Ｚ’（ｔ）の動作データの図示は、省略されている。

図３２において、右脚（１）の変換パラメータは、θ＝（１５０，１２０，３６０）であり、右脚（２）の変換パラメータは、θ＝（１５０，１５０，３６０）であり、右脚（３）の変換パラメータは、θ＝（１５０，２１０，３６０）であるとする。また、右脚（４）の変換パラメータは、θ＝（１５０，２４０，１８０）であり、右脚（５）の変換パラメータは、θ＝（１５０，１５０，１８０）であるとする。

次に、算出部１７は、変換された動作データを用いて動作種類を特定し、動作を定量化する。本実施例では、算出部１７は、変換された動作データが方向転換であると特定したとする。算出部１７は、変換された動作データに基づいて、方向転換に関する特徴量を定量化し、特徴量ＤＢ１０ｄに記憶させる。

図３３は、特徴量ＤＢに記憶される方向転換に関する動作特徴量の例を示す図である。図３３に示すように、方向転換に関する動作特徴量は、日時、左脚回転方向、右脚回転方向、左脚回転量、右脚回転量を示す。

算出部１７は、例えば、動作データの動作量が正であれば右回転方向、負であれば左回転であると判定し、回転方向を特徴量ＤＢ１０ｄに記憶させる。算出部１７は、例えば、動作データの１周期内の積分値に基づいて回転量（回転角度）を算出し、回転量を特徴量ＤＢ１０ｄに記憶させる。

＜情報処理装置のハードウェア構成の一例＞
次に、図３４の例を参照して、情報処理装置のハードウェア構成の一例を説明する。図３４の例に示すように、バス１００に対して、プロセッサ１１１とRandom Access Memory(RAM)１１２とRead Only Memory(ROM)１１３とが接続される。また、該バス１００に対して、補助記憶装置１１４と媒体接続部１１５と通信インタフェース１１６とが接続される。

プロセッサ１１１はＲＡＭ１１２に展開されたプログラムを実行する。実行されるプログラムとしては、実施形態における処理を行う情報処理プログラムが適用されてもよい。

ＲＯＭ１１３はＲＡＭ１１２に展開されるプログラムを記憶する不揮発性の記憶装置である。補助記憶装置１１４は、種々の情報を記憶する記憶装置であり、例えばハードディスクドライブや半導体メモリ等を補助記憶装置１１４に適用してもよい。媒体接続部１１５は、可搬型記録媒体１１８と接続可能に設けられている。

可搬型記録媒体１１８としては、可搬型のメモリや光学式ディスク（例えば、Compact Disc(CD)やDigital Versatile Disc(DVD))、半導体メモリ等を適用してもよい。この可搬型記録媒体１１８に実施形態の処理を行う情報処理プログラムが記録されていてもよい。

図４、１２に示す第１記憶部１０は、ＲＡＭ１１２や補助記憶装置１１４等により実現されてもよい。図４及び図１２に示す第１通信部１１は、通信インタフェース１１６により実現されてもよい。

図４、１２に示す抽出部１２、混合度判定部１３、特定部１４、決定部１５、変換部、算出部、並びに図１２に示す第１異常判定部１８及び第２異常判定部１９は、与えられた情報処理プログラムをプロセッサ１１１が実行することにより実現されてもよい。

ＲＡＭ１１２、ＲＯＭ１１３、補助記憶装置１１４および可搬型記録媒体１１８は、何れもコンピュータ読み取り可能な有形の記憶媒体の一例である。これらの有形な記憶媒体は、信号搬送波のような一時的な媒体ではない。

＜その他＞
本実施形態は、以上に述べた実施の形態に限定されるものではなく、本実施形態の要旨を逸脱しない範囲内で種々の構成または実施形態を取ることができる。

１ 情報処理装置
２ ネットワーク
３ 中継装置
４ センサ
１０ 第１記憶部
１１ 第１通信部
１２ 抽出部
１３ 混合度判定部
１４ 特定部
１５ 決定部
１６ 変換部
１７ 算出部
１８ 第１異常判定部
１９ 第２異常判定部
１１１ プロセッサ
１１２ ＲＡＭ
１１３ ＲＯＭ

Claims (21)

1. 動作を測定するセンサと、
   前記センサから前記動作に関する動作データを受信する情報処理装置と、
   を備え、
   前記情報処理装置は、
   前記動作データに基づいて、第１の動作特徴量が第１基準以上となる１または複数の動きの方向を特定する特定部と、
   前記特定された方向を用いて、変換後の前記方向での第２の動作特徴量が第２基準以上となる、前記動作データの変換に用いられるパラメータを決定する決定部と、
   を含む、
   ことを特徴とする情報処理システム。
2. 前記特定部は、前記動作データに基づいて、前記第１の動作特徴量が最大となる前記１または複数の動きの方向を特定する、
   ことを特徴とする請求項１記載の情報処理システム。
3. 前記決定部は、前記特定された方向における前記第２の動作特徴量が最大となる、前記動作データの変換に用いられるパラメータを決定する、
   ことを特徴とする請求項１または２記載の情報処理システム。
4. 前記情報処理装置は、
   前記動作データの動作特徴量が抽出閾値以上となる区間の前記動作データを抽出する抽出部を含む、
   ことを特徴とする請求項１乃至３のうちのいずれか１項に記載の情報処理システム。
5. 前記情報処理装置は、
   前記動作データに基づいて、前記動きの方向の数を示す混合度を判定する混合度判定部を含む、
   ことを特徴とする請求項１乃至４のうちのいずれか１項に記載の情報処理システム。
6. 前記情報処理装置は、
   決定された前記パラメータを用いて前記動作データを変換する変換部を含む、
   ことを特徴とする請求項１乃至５のうちのいずれか１項に記載の情報処理システム。
7. 前記情報処理装置は、
   変換された前記動作データに基づいて、前記動作の特徴量を算出する算出部を含む
   ことを特徴とする請求項６に記載の情報処理システム。
8. 前記混合度判定部は、
   ３次元の各方向における前記動作データのばらつきに基づいて前記混合度を判定する
   ことを特徴とする請求項５記載の情報処理システム。
9. 前記決定部は、
   前記動作の種類に基づいて決定した期間毎に、前記特定された方向における前記第２の動作特徴量が前記第２基準以上となる前記パラメータを決定する
   ことを特徴とする請求項１乃至８のうちのいずれか１項に記載の情報処理システム。
10. 前記決定部は、
    前記混合度に基づいて決定した期間毎に、前記特定された方向における前記第２の動作特徴量が前記第２基準以上となる前記パラメータを決定する
    ことを特徴とする請求項５に記載の情報処理システム。
11. 前記情報処理装置は、
    前記動作データのばらつきに基づいて、前記センサの状態異常を判定する第１異常判定部を含む、
    ことを特徴とする請求項１乃至１０のうちのいずれか１項に記載の情報処理システム。
12. 前記情報処理装置は、
    前記混合度の時間経過に応じた変化量に基づいて、前記センサの状態異常を判定する第２異常判定部を含む、
    ことを特徴とする請求項５に記載の情報処理システム。
13. 前記決定部は、
    前記動作の種類が歩行である場合、前記特定された方向の前記第２の動作特徴量であって値が正となる前記第２の動作特徴量が前記第２基準以上となる前記パラメータを決定する、
    ことを特徴とする請求項１乃至１２のうちのいずれか１項に記載の情報処理システム。
14. 前記決定部は、
    前記動作データのうちの第１動作区間における前記パラメータの候補と、前記第１動作区間より所定時間前または所定時間後の１または複数の第２動作区間について決定したパラメータとの差異に基づいて、前記パラメータの候補の中から前記第１動作区間における前記パラメータを決定する
    ことを特徴とする請求項１乃至１３のうちのいずれか１項に記載の情報処理システム。
15. 前記抽出部は、
    前記動作データの中の異常動作を示す部分を検知し、前記動作データを、前記異常動作を示す部分より前の区間と、前記異常動作を示す部分より後の区間とに分離し、分離された各区間を抽出する、
    ことを特徴とする請求項４に記載の情報処理システム。
16. 前記決定部は、
    前記特定された方向が２つ以上である場合、前記方向のうち最も動作量が大きい方向の前記第２の動作特徴量が前記第２基準以上となるパラメータを決定する
    ことを特徴とする請求項１乃至１５のうちのいずれか１項に記載の情報処理システム。
17. 前記決定部は、
    前記動作の種類が方向転換である場合、前記特定された方向のうち動作量が最も少ない方向の動作データの値が正となる、前記パラメータを決定する
    ことを特徴とする請求項１乃至１６のうちのいずれか１項に記載の情報処理システム。
18. 前記決定部は、
    前記動作の種類が直進歩行である場合、前記特定された方向以外の方向のうち、動作量が最も大きい方向が水平面に直交する垂直軸の回転方向となる前記パラメータを決定する
    ことを特徴とする請求項１乃至１７のうちのいずれか１項に記載の情報処理システム。
19. 動作を測定するセンサから前記動作に関する動作データを受信する通信部と、
    前記動作データに基づいて、第１の動作特徴量が第１基準以上となる１または複数の動きの方向を特定する特定部と、
    前記特定された方向を用いて、変換後の前記方向での第２の動作特徴量が第２基準以上となる、前記動作データの変換に用いられるパラメータを決定する決定部と、
    を備えることを特徴とする情報処理装置。
20. 動作を測定するセンサから前記動作に関する動作データを受信し、
    前記動作データに基づいて、第１の動作特徴量が第１基準以上となる１または複数の動きの方向を特定し、
    前記特定された方向を用いて、変換後の前記方向での第２の動作特徴量が第２基準以上となる、前記動作データの変換に用いられるパラメータを決定する、
    処理をコンピュータが実行することを特徴とする情報処理方法。
21. 動作を測定するセンサから前記動作に関する動作データを受信し、
    前記動作データに基づいて、第１の動作特徴量が第１基準以上となる１または複数の動きの方向を特定し、
    前記特定された方向を用いて、変換後の前記方向での第２の動作特徴量が第２基準以上となる、前記動作データの変換に用いられるパラメータを決定する、
    処理をコンピュータに実行させることを特徴とする情報処理プログラム。

Images