JPWO2018116476A1 - 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

ＩｏＴデバイスは、ＩｏＴデバイスを装着する歩行者の移動方向の変化を検出する。そして、ＩｏＴデバイスは、移動方向の変化量が閾値未満の間、ＩｏＴデバイスの上下方向の振幅成分から歩行者の１歩ごとの移動量を検出する。そして、ＩｏＴデバイスは、推定された移動量を用いて歩行者の位置を推定する。その後、ＩｏＴデバイスは、移動方向の変化量が閾値以上となった場合、推定された変化量が閾値未満の間に検出された移動量を用いて、歩行者の位置を推定する。

Description

本発明は、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。

従来から、スマートフォンやＩｏＴ（Internet of Things）デバイスなどを利用した歩行者の自律航法（ＰＤＲ：Pedestrian Dead Reckoning）が知られている。例えば、高齢者などの対象者にＩｏＴデバイスを装着して対象者のＰＤＲ軌跡を測定し、見守り等を行うサービスなども普及している。

屋外の測位では、ＧＰＳ（Global Positioning System）や、カーナビの地図情報等を併用した測位手法が一般的であるが、屋内などでは地図情報のないことも少なくなく、またＧＰＳの電波を受信できなくなってしまう事が多い。このため、近年では、屋内ユーザ向けに、様々な電波測位や音響測位に加え、歩行による上下方向の振動の振幅から歩幅の大きさを推定し、推定した歩幅の大きさを用いて、ＰＤＲ軌跡を併用し、高精度の位置情報を算出する技術が知られている。

特開２０１２−２０８０１１号公報 特開２０００−０９７７２２号公報

しかしながら、上記技術では、測定対象者が方向転換を行ったときに、位置の測定精度が低下する。例えば、歩行者が進行方向を変える際、歩行者が無意識に踏み込む動作を行うほか、方向転換に伴う遠心力の影響が重畳し、検出される上下方向の振動が大きくなることから、歩幅の推定値が実際よりも大きくなり、ＰＤＲ軌跡が乱れる。

一つの側面では、歩行者の進行方向が変化したときの位置精度の低下を低減できる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。

第１の案では、情報処理装置は、前記情報処理装置を装着する歩行者の移動方向の変化を検出する検出部を有する。情報処理装置は、前記移動方向の変化量が閾値未満の間、前記情報処理装置の上下方向の振幅成分から前記歩行者の１歩ごとの移動量を検出し、推定された前記移動量を用いて前記歩行者の位置を推定する第１推定部を有する。情報処理装置は、前記移動方向の変化量が閾値以上となった場合、前記第１推定部によって前記変化量が前記閾値未満の間に検出された前記移動量を用いて、前記歩行者の位置を推定する第２推定部を有する。

一実施形態によれば、歩行者の進行方向が変化したときの位置精度の低下を低減できる。

図１は、実施例１にかかるＩｏＴデバイスのハードウェア構成例を示す図である。 図２は、実施例１にかかるＩｏＴデバイスの機能構成を示す機能ブロック図である。 図３は、加速度データの上下方向の振動成分を説明する図である。 図４は、姿勢の推定例を説明する図である。 図５は、進行方向の推定イメージを説明する図である。 図６は、進行方向の推定例を説明する図である。 図７は、歩幅の補正例を説明する図である。 図８は、全体的な処理の流れを示すフローチャートである。 図９は、方向転換の検出処理の流れを示すフローチャートである。 図１０は、実施例２にかかる方向転換を説明する図である。 図１１は、実施例２にかかる方向変換の検出処理の流れを示すフローチャートである。 図１２は、実施例３にかかる方向転換の検出処理の流れを示すフローチャートである。

以下に、本発明にかかる情報処理装置、情報処理方法および情報処理プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。また、各実施例は、矛盾のない範囲内で適宜組み合わせることができる。

［ＩｏＴデバイスの説明］
実施例１にかかるＩｏＴデバイス１０は、３軸の加速度センサ、ジャイロセンサ、地磁気センサが搭載されている情報処理装置の一例であり、バッヂ等に代表されるユーザの体幹部に装着される。また、ＩｏＴデバイス１０は、一般的な歩数計と同様のアルゴリズムを適用し、ＩｏＴデバイス１０を装着するユーザの歩数を計数する。さらに、ＩｏＴデバイス１０は、ユーザの位置を定期的に取得し、ユーザの移動軌跡を生成する。なお、軌跡の生成手法は、一般的なＰＤＲと同様のアルゴリズムを採用する。

［ＩｏＴデバイスのハードウェア構成］
図１は、実施例１にかかるＩｏＴデバイス１０のハードウェア構成例を示す図である。図１に示すように、ＩｏＴデバイス１０は、無線部１１、加速度センサ１２、ジャイロセンサ１３、地磁気センサ１４、記憶部１５、プロセッサ２０を有する。なお、ここで示したハードウェア構成は一例であり、ディスプレイやハードディスク、気圧センサなど他のハードウェアを有していてもよい。

無線部１１は、アンテナ１１ａを介して、他の端末やサーバとデータの送受信を実行するとともに、周辺のＷｉ−Ｆｉ（Wireless−Fidelity）基地局やビーコン電波を受信する等の電波測位に使用される。加速度センサ１２は、ＩｏＴデバイス１０の加速度を測定してプロセッサ２０に出力するセンサであり、ＸＹＺ軸の３方向の加速度（加速度ベクトル）を測定する３軸加速度センサである。ジャイロセンサ１３は、ＩｏＴデバイス１０の角度や角速度を測定してプロセッサ２０に出力するセンサである。地磁気センサ１４は、方位を測定してプロセッサ２０に出力するセンサである。

記憶部１５は、プログラムやデータを記憶する記憶装置であり、例えばメモリやハードディスクなどである。プロセッサ２０は、ＣＰＵ（Central Processing Unit）などであり、後述する各種処理の内容が規定されるプログラムを記憶部１５から読み出して実行し、後述する各種処理と同様の機能を発揮するプロセスを実行して、ＰＤＲに関する各種処理を実行する。

［ＩｏＴデバイスの機能構成］
図２は、実施例１にかかるＩｏＴデバイス１０の機能構成を示す機能ブロック図である。図２に示すように、ＩｏＴデバイス１０は、歩幅ＤＢ１５ａ、ＰＤＲ軌跡ＤＢ１５ｂを有する。また、ＩｏＴデバイス１０は、基準位置入力部２１、センサ検出部２２、重力方向検出部２３、歩行動作検出部２４、歩幅検出部２５、姿勢検出部２６、進行方向検出部２７、方向転換検出部２８、歩幅推定部２９、現在位置更新部３０を有する。

なお、歩幅ＤＢ１５ａ、ＰＤＲ軌跡ＤＢ１５ｂは、記憶部１５等の記憶装置に記憶される。基準位置入力部２１、センサ検出部２２、重力方向検出部２３、歩行動作検出部２４、歩幅検出部２５、姿勢検出部２６、進行方向検出部２７、方向転換検出部２８、歩幅推定部２９、現在位置更新部３０は、プロセッサ２０が有する電子回路の一例やプロセッサ２０が実行するプロセスの一例である。

歩幅ＤＢ１５ａは、歩幅検出部２５によって推定された歩幅を記憶するデータベースである。例えば、歩幅ＤＢ１５ａは、推定時刻と歩幅とを対応付けて記憶する。ＰＤＲ軌跡ＤＢ１５ｂは、現在位置更新部３０によって生成されたＰＤＲ軌跡を記憶するデータベースである。

基準位置入力部２１は、ＧＰＳ（Global Positioning System）またはＢＬＥ（Bluetooth（登録商標） Low Energy）に準拠したビーコン等を用いて基準位置を測定する処理部である。例えば、基準位置入力部２１は、ＧＰＳで得られる位置情報や、ビーコンの電波を利用した電波測位の結果から、予測誤差半径の小さなデータを検出する。そして、基準位置入力部２１は、検出したデータを基準位置として、現在位置更新部３０に入力する。なお、測定手法は、公知の様々な手法を採用することができる。

センサ検出部２２は、各種センサによって取得されたセンサ値を取得して、各処理部に出力する処理部である。例えば、センサ検出部２２は、加速度センサ１２がセンシングした加速度データを取得して、重力方向検出部２３、歩行動作検出部２４、歩幅検出部２５、進行方向検出部２７等に出力する。

また、センサ検出部２２は、ジャイロセンサ１３で取得した角速度データを姿勢検出部２６等へ出力する。また、センサ検出部２２は、地磁気センサ１４で取得した地磁気データを姿勢検出部２６等へ出力する。

重力方向検出部２３は、センサ検出部２２から入力された加速度データから重力方向を抽出する処理部である。例えば、重力方向検出部２３は、加速度データをローパスフィルタなどに通して、加速度の定常成分を重力方向（重力ベクトル）として算出する。そして、重力方向検出部２３は、検出した重力方向を歩行動作検出部２４等に出力する。

歩行動作検出部２４は、重力方向検出部２３によって検出された重力方向とセンサ検出部２２から入力された加速度データから上下方向の振動成分を抽出し、抽出した上下方向の振動成分から歩幅および歩数、１歩ごとの時間的区画等の歩行パラメータを検出する処理部である。例えば、歩行動作検出部２４は、入力された加速度データをバンドパスフィルタに通して、所定周波数付近の周波数を抽出し、振動成分を算出する。なお、抽出する周波数の一例としては、０．５Ｈｚから３Ｈｚなどが挙げられる。

その後、歩行動作検出部２４は、加速度データの重力方向（重力ベクトル）と振動成分の内積値から上下方向の振動成分を算出する。さらに、歩行動作検出部２４は、上下方向の振動成分から、ピークもしくはゼロクロス点を検出することで、一歩分の区画と歩数を得ることができる。そして、歩行動作検出部２４は、上下方向の振動成分および歩数を歩幅検出部２５等に出力する。

図３は、加速度データの上下方向の振動成分を説明する図である。図３の縦軸は周波数であり、横軸は時間である。図３に示す例では、約５０００と約−５０００とピーク時とする振幅成分を示しており、歩行動作検出部２４は、周波数が約０となる点をゼロクロス点として検出する。また、歩行動作検出部２４は、３つ分のゼロクロス点を一歩分の区画として検出する。

歩幅検出部２５は、歩行動作検出部２４から入力された上下方向の振動成分や一歩分の区間等を用いて、歩数を検出する処理部である。例えば、歩幅検出部２５は、２歩ごとの区画に対して、重力方向の振動成分のフーリエ級数展開を行うことで、歩幅を決定する。つまり、歩幅検出部２５は、２歩ごとに歩幅を検出し、検出した時間と歩幅とを対応付けて、歩幅ＤＢ１５ａに格納する。

なお、歩幅の検出方法は、これに限定されず、公知の様々な手法を採用することができる。例えば、歩幅検出部２５は、所定時間内に検出された区間の数を用いて、１区間にかかる時間を算出して、１区間の歩幅を推定することもできる。

姿勢検出部２６は、ＩｏＴデバイス１０の姿勢を検出する処理部である。具体的には、姿勢検出部２６は、地磁気センサ１４によってセンシングされた磁北データと重力方向検出部２３によって検出された重力方向とから、公知の一般的な手法を用いて北方向と東方向を特定する。図４は、姿勢の推定例を説明する図である。図４に示すように、姿勢検出部２６は、ＩｏＴデバイス１０の軸と世界座標とが一致しないことから、ＩｏＴデバイス１０の軸から上下・北・東方で成す世界座標への変換パラメータを、ＩｏＴデバイス１０の姿勢として検出する。

進行方向検出部２７は、ＩｏＴデバイス１０の進行方向を検出する処理部である。具体的には、進行方向検出部２７は、ＩｏＴデバイス１０の姿勢と上下方向・北方向・東方向とを用いることで、世界座標上でＩｏＴデバイス１０の進行方向を推定する。図５は、進行方向の推定イメージを説明する図である。図５に示すように、進行方向検出部２７は、ＩｏＴデバイス１０の姿勢を世界座標上で表現し、当該姿勢の傾き等を利用して、世界座標上でのＩｏＴデバイス１０の進行方向を検出する。そして、進行方向検出部２７は、検出した進行方向を現在位置更新部３０へ出力する。

なお、進行方向の検出には、公知の様々な手法を採用することができる。例えば、進行方向検出部２７は、ＩｏＴデバイス１０において予め定めた特定の方向を進行方向とすることもでき、水平方向の加速度を周波数解析して進行方向を検出することもでき、水平方向の加速度に主成分分析をかけることで進行方向を検出することもできる。

図６は、進行方向の推定例を説明する図である。図６の上図は、垂直方向すなわち上下方向の加速度の振幅成分であり、下図は、分離された東方向と北方向の振動成分すなわち水平方向の振動成分である。図６に示すように、踏み込みや蹴り出しによって、加速度データの水平方向の振動成分が大きく変化する。ここで、進行方向検出部２７は、左右の踏み込みで１セットとして２歩ごとに進行方向の算出を行うこととする。なお、歩幅と進行方向が推定できれば、前回の現在位置からの移動量が分かるので、公知の手法を用いて、現在位置を更新できる。

方向転換検出部２８は、歩行者の方向転換を検出する処理部である。具体的には、方向転換検出部２８は、重力方向検出部２３によって検出された加速度の重力方向の振幅成分と、ジャイロセンサ１３が検出した角速度データとの内積を算出して、方向転換成分を抽出する。そして、方向転換検出部２８は、抽出した方向転換成分に、ローパスフィルタをかけてノイズ除去を実行した後の内積値（角速度）が一定以上の場合に方向転換ありと判定する。その後、方向転換検出部２８は、方向転換ありまたは方向転換なしの情報を歩幅推定部２９に出力する。ここでは、即応性を重視して、大きな角速度を検出する。

歩幅推定部２９は、方向転換の有無によって、現在位置更新やＰＤＲ軌跡の算出に使用する歩幅の推定を実行する処理部である。具体的には、歩幅推定部２９は、方向転換検出部２８によって方向転換なしが通知された場合、歩幅検出部２５によって検出された歩幅を使用すると判定し、方向転換検出部２８によって方向転換ありが通知された場合、歩幅検出部２５によって検出された歩幅ではなく、過去もしくは直前に方向転換なしと判定されたときの歩幅を使用すると判定する。

例えば、歩幅推定部２９は、方向転換なしの場合、歩幅ＤＢ１５ａから最新の歩幅を読み出して現在位置更新部３０に出力する。一方で、歩幅推定部２９は、方向転換ありの場合、歩幅ＤＢ１５ａから最新の歩幅ではなく、一つ前に検出された歩幅すなわち２歩前の歩幅を読み出して現在位置更新部３０に出力する。なお、歩幅推定部２９は、２歩前に限らず、例えば一歩ずつ歩幅が検出されている場合は、一方前の歩幅を読み出して出力することもでき、数歩の平均値を算出して出力することもできる。

また、歩幅推定部２９は、方向転換が発生している間は、過去の歩幅を現在位置更新部３０に通知し続ける。例えば、歩幅推定部２９は、連続して方向転換が発生している場合は、１歩前の歩幅ではなく、方向転換が最初に検出されたときに通知した歩幅を連続して通知する。より詳細には、歩幅推定部２９は、時刻Ｔ１：直進、時刻Ｔ２：方向転換、時刻Ｔ３：方向転換、時刻Ｔ４：方向転換、時刻Ｔ５：直進と判定された場合、時刻Ｔ２から時刻Ｔ４の間は時刻Ｔ１の歩幅を通知し、時刻Ｔ５ではそのときの歩幅を通知する。

現在位置更新部３０は、歩行者のＰＤＲ軌跡を生成してＰＤＲ軌跡ＤＢ１５ｂに格納する処理部である。具体的には、現在位置更新部３０は、基準位置入力部２１から入力された位置を基準位置（スタート）として、歩幅推定部２９から通知された歩幅と進行方向検出部２７から通知された進行方向とを用いて現在位置を更新し、基準位置から現在位置を結んだ軌跡をＰＤＲ軌跡として算出する。

つまり、現在位置更新部３０は、基本的には歩幅検出部２５によって検出された歩幅を用いてＰＤＲ軌跡を算出するが、方向転換が発生したときだけ、最新の検出された歩幅ではなく、それまでに保存された過去の歩幅を用いてＰＤＲ軌跡を算出する。

図７は、歩幅の補正例を説明する図である。図７の（ａ）に示す軌跡は、４歩目で方向転換を行った実際の歩行者の軌跡であり、ＩｏＴデバイス１０は、この軌跡に近いＰＤＲ軌跡を生成する。ここで、方向転換が発生した場合、方向転換によって生じる遠心力の影響で加速度の重力方向の推定精度が悪くなり、遠心力と歩行による横方向への振動が重畳し、移動方向の精度が悪化する。さらに、方向転換のため踏み込みが強くなり、移動距離が大きく見積もられて余計に位置精度が悪化する。

つまり、図７の（ｂ）に示すように、方向転換が発生した場合の歩幅をそのまま利用すると、移動方向時に一部の軌跡で歩幅が急激に増大するので、図７の（ａ）に示す実際の軌跡と大きく異なるＰＤＲ軌跡が生成される。そこで、実施例１にかかるＩｏＴデバイス１０は、方向転換が発生した場合に、その時の歩幅ではなく、方向転換が発生していないときに検出された歩幅を用いてＰＤＲ軌跡（図７の（ｃ））を生成することで、実際の軌跡との誤差を小さくすることができる。なお、ＰＤＲ軌跡の算出方法は、公知の様々な手法を採用することができる。

［全体的な処理の流れ］
図８は、全体的な処理の流れを示すフローチャートである。図８に示すように、ＩｏＴデバイス１０のセンサ検出部２２がセンサ値を検出すると（Ｓ１０１：Ｙｅｓ）、重力方向検出部２３は、センサ検出部２２から入力された加速度データから重力方向を抽出する（Ｓ１０２）。

続いて、歩行動作検出部２４は、重力方向検出部２３によって検出された重力方向とセンサ検出部２２から入力された加速度データから、上下方向の振動成分および歩幅を検出する（Ｓ１０３）。

そして、歩幅検出部２５は、歩行動作検出部２４から入力された上下方向の振動成分や一歩分の区間等を用いて、歩数を検出して（Ｓ１０４）、検出時間と対応付けて歩幅ＤＢ１５ａに保持する（Ｓ１０５）。続いて、姿勢検出部２６は、地磁気センサ１４によってセンシングされた磁北データと重力方向検出部２３によって検出された重力方向とから、ＩｏＴデバイス１０の姿勢を検出する（Ｓ１０６）。

そして、進行方向検出部２７は、ＩｏＴデバイス１０の姿勢と上下方向・北方向・東方向とを用いて、世界座標上でＩｏＴデバイス１０の進行方向を検出する（Ｓ１０７）。

その後、方向転換検出部２８によって方向転換が検出された場合（Ｓ１０８：Ｙｅｓ）、歩幅推定部２９が、歩幅検出部２５によって検出された現在の歩幅ではなく、所定時間前の歩幅を用いると決定し、現在位置更新部３０は、決定された歩幅を用いて、現在位置を更新する（Ｓ１０９）。

一方、方向転換検出部２８によって方向転換が検出されない場合（Ｓ１０８：Ｎｏ）、歩幅推定部２９が、歩幅検出部２５によって検出された現在の歩幅を用いると決定し、現在位置更新部３０は、決定された歩幅を用いて、現在位置を更新する（Ｓ１１０）。

その後、現在位置更新部３０は、Ｓ１０９またはＳ１１０で更新された現在位置と、それまでの位置関係等から、ＰＤＲ軌跡を生成してＰＤＲ軌跡ＤＢ１５ｂに保存する（Ｓ１１１）。

［方向転換検出処理］
図９は、方向転換の検出処理の流れを示すフローチャートである。図９に示すように、方向転換検出部２８は、センサ検出部２２から角速度データを取得し（Ｓ２０１）、重力方向検出部２３が検出した重力成分を取得する（Ｓ２０２）。

続いて、方向転換検出部２８は、重力成分と、角速度との内積を算出して、方向転換成分を抽出する（Ｓ２０３）。その後、方向転換検出部２８は、抽出した方向転換成分に対してノイズ除去を実行した後（Ｓ２０４）、ノイズ除去後の方向転換成分である角速度が閾値以上である場合（Ｓ２０５：Ｙｅｓ）、方向転換ありと判定し（Ｓ２０６）、角速度が閾値未満である場合（Ｓ２０５：Ｎｏ）、方向転換なしと判定する（Ｓ２０７）。

［効果］
上述したように、ＩｏＴデバイス１０は、歩行者が直進しているとき、一歩ごとの移動量を記録し、歩行者の進行方向が変化したときの移動量と記録した移動量とを比較し、一定閾値以上の差異がある場合、記録した移動量を用いて歩行者の位置を推定する。したがって、ＩｏＴデバイス１０は、歩行者の進行方向が変化したときの位置精度の低下を抑制することができ、ＰＤＲ軌跡の精度低下も抑制できる。また、歩調の変化時をトリガとしてユーザの状態変化イベント検出を行う場合においては、方向転換時の誤検出を抑えることができる。

ところで、実施例１では、即応性を重視して、大きな角速度を検出することで方向転換を検出する例を説明したが、これに限定されるものではない。例えば、実際に検出されたＰＤＲ軌跡から確実に方向転換を検出することもできる。そこで、実施例２では、実際に検出されたＰＤＲ軌跡から方向転換を検出した場合に、ＰＤＲ軌跡を修正する例を説明する。

図１０は、実施例２にかかる方向転換を説明する図である。図１０に示すように、ＩｏＴデバイス１０は、２歩ごとに歩幅を検出してＰＤＲ軌跡を生成する。ここで、図１０の左図に示すように、ＩｏＴデバイス１０は、ＰＤＲ軌跡を生成した後、現在の位置より２歩前、６歩前の軌跡情報から進行方向の変化を検出する。

例えば、ＩｏＴデバイス１０は、現在位置までのＰＤＲ軌跡から、６歩前から２歩前までのベクトルを算出する。そして、ＩｏＴデバイス１０は、６歩前から２歩前までの進行方向を示すベクトルと、現在位置との角度が閾値以上であるときに、方向転換が発生したと検出する。

つまり、歩行者が横歩きした場合は角速度の変化が小さく、実施例１の手法だけでは正確性にかけることもあるが、実施例２の手法を用いることで、横歩きによる方向転換を検出できるので、ＰＤＲ軌跡の精度を向上させることができる。

図１１は、実施例２にかかる方向変換の検出処理の流れを示すフローチャートである。図１１に示すように、Ｓ３０１からＳ３０５までの処理は、Ｓ２０１からＳ２０５までの処理と同様なので、詳細な説明を省略する。

そして、角速度が閾値未満の場合（Ｓ３０５：Ｎｏ）、方向転換検出部２８は、現在位置までのＰＤＲ軌跡から、６歩前から２歩前までのベクトルを算出し、６歩前から２歩前までの進行方向を示すベクトルと現在位置との角度とから方向転換角度を算出（Ｓ３０６）。

そして、現在位置更新部３０は、方向転換角度が閾値以上である場合（Ｓ３０７：Ｙｅｓ）、所定時間前に算出された歩幅を用いて現在位置を修正し（Ｓ３０８）、修正した現在位置を用いてＰＤＲ軌跡を修正する（Ｓ３０９）。一方、方向転換角度が閾値未満である場合（Ｓ３０７：Ｎｏ）、現在位置およびＰＤＲ軌跡の補正を行わずに、そのまま処理を終了する。

また、Ｓ３０５において、角速度が閾値以上と判定された場合（Ｓ３０５：Ｙｅｓ）、Ｓ３０８以降が実行される。なお、角速度が閾値以上と判定された場合は、修正は行わずに、そのまま処理を終了することもできる。すなわち、実施例１による更新結果を維持することもできる。

このように、実施例１で説明した即応性の高い角速度に加えて、実際に検出されたＰＤＲ軌跡から方向転換を検出してＰＤＲ軌跡を修正することができるので、ＰＤＲ軌跡の精度を向上させることができる。なお、実施例１と実施例２の手法は、それぞれ単独で実行することもでき、組み合わせることもできる。

ところで、実施例１では、方向転換が検出された場合は、直進時の歩幅を用いてＰＤＲ軌跡を生成する例を説明したが、実際には一定以上の歩幅の変化を検出した際に、方向転換の検出を行うこともできる。そこで、実施例３では、実施例１と異なり、歩幅の変化時にのみ方向転換時の検出を行う例を説明する。

図１２は、実施例３にかかる方向転換の検出処理の流れを示すフローチャートである。図１２に示すように、Ｓ４０１からＳ４０８までの処理は、図８で説明したＳ１０１からＳ１０８までの処理と同様なので、詳細な説明は省略する。

そして、進行方向が検出されると、歩幅推定部２９は、最新の歩幅すなわち方向点転換検出時に測定された歩幅と、前回の歩幅すなわち直進時に測定された歩幅との差を算出し（Ｓ４０８）、差が閾値以上か否かを判定する（Ｓ４０９）。

ここで、現在位置更新部３０は、差が閾値以上であり（Ｓ４０９：Ｙｅｓ）、方向転換があったことが検出された場合（Ｓ４１０：Ｙｅｓ）、前回の歩幅すなわち直進時に測定された歩幅を用いて、現在位置を更新する（Ｓ４１１）。

一方、現在位置更新部３０は、差が閾値未満であった場合（Ｓ４０９：Ｎｏ）、もしくは、方向転換がない場合（Ｓ４１０：Ｎｏ）、歩幅検出部２５によって検出された現在の歩幅（最新の歩幅）を用いて、現在位置を更新する（Ｓ４１２）。

その後、現在位置更新部３０は、Ｓ４１１またはＳ４１２で更新された現在位置と、それまでの位置関係等から、ＰＤＲ軌跡を生成してＰＤＲ軌跡ＤＢ１５ｂに保存する（Ｓ４１３）。

このように、ＩｏＴデバイス１０は、方向転換時のユーザの踏み込みが弱い場合や方向転換の角度等が小さい場合、実際に検出された歩幅を用いてＰＤＲ軌跡を生成することができるので、実際の歩行軌跡により近いＰＤＲ軌跡の生成を実現できる。なお、実施例３の手法も実施例１や実施例２と組み合わせることができる。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。そこで、以下に異なる実施例を説明する。

［方向転換の検出例、挙動検出］
例えば、ＩｏＴデバイス１０は、１歩ごとの移動量を随時比較し、移動量が閾値以上となったときに、方向転換が発生したか否かを判定することもできる。より詳細には、ＩｏＴデバイス１０は、歩幅が検出されるたびに、前回の歩幅との差を算出する。そして、ＩｏＴデバイス１０は、前回との差が所定値以上の歩幅が検出された場合に、実施例１や実施例２の手法を用いて、方向転換が発生したか否かを判定することもできる。

さらに、ＩｏＴデバイス１０は、前回との差が所定値以上の歩幅が検出されるとともに、方向転換が検出されなかった場合、フロア移動や脚立の昇降などと判断する。そして、ＩｏＴデバイス１０は、ユーザの挙動に対する異常検出と判断して、管理者等にアラームを通知することもできる。なお、上記歩幅の差は、最新の歩幅が前回よりも予想以上に大きくなったことを検出するだけではなく、最新の歩幅が前回よりも予想以上に小さくなったことを検出する場合も含まれる。なお、方向転換が検出されるとともに、前回との歩幅の差が閾値以上である場合に、過去の歩幅を用いて現在位置を更新し、方向転換が検出されても、前回との歩幅の差が閾値未満である場合に、推定された歩幅をそのまま用いて現在位置を更新することもできる。

また、上記実施例では、ＩｏＴデイバス１０で現在位置を更新してＰＤＲ軌跡を生成する例を説明したが、これに限定されるものではなく、サーバがＩｏＴデバイス１０から各種情報を受信して上記各実施例の処理を実行することもできる。また、ＩｏＴデバイス１０が現在位置を更新し、サーバがＰＤＲ軌跡を生成することもできる。

［システム］
また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともできる。あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。なお、上記実施例で説明した各処理のフローは、矛盾のない範囲内で処理の順番を入れ替えることができる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られない。つまり、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

１０ ＩｏＴデバイス
１５ａ 歩幅ＤＢ
１５ｂ ＰＤＲ軌跡ＤＢ
２１ 基準位置入力部
２２ センサ検出部
２３ 重力方向検出部
２４ 歩行動作検出部
２５ 歩幅検出部
２６ 姿勢検出部
２７ 進行方向検出部
２８ 方向転換検出部
２９ 歩幅推定部
３０ 現在位置更新部

Claims (7)

1. 情報処理装置において、
   前記情報処理装置を装着する歩行者の移動方向の変化を検出する検出部と、
   前記移動方向の変化量が閾値未満の間、前記情報処理装置の上下方向の振幅成分から前記歩行者の１歩ごとの移動量を検出し、推定された前記移動量を用いて前記歩行者の位置を推定する第１推定部と、
   前記移動方向の変化量が閾値以上となった場合、前記第１推定部によって前記変化量が前記閾値未満の間に検出された前記移動量を用いて、前記歩行者の位置を推定する第２推定部と
   を有することを特徴とする情報処理装置。
2. 前記情報処理装置の角速度と前記情報処理装置の重力成分との内積値を算出する第１算出部をさらに有し、
   前記検出部は、前記内積値が閾値以上である場合に、前記移動方向の変化量が閾値以上であると検出することを特徴とする請求項１に記載の情報処理装置。
3. 前記情報処理装置の角速度と前記情報処理装置の重力成分との内積値が閾値未満である場合、前記第２推定部によって推定された前記歩行者の現在位置と、前記現在位置までの前記歩行者の軌跡とから、前記現在位置と前記現在位置の直前の位置との方向転換角度を算出する第２算出部をさらに有し、
   前記第２推定部は、前記方向転換角度が閾値以上である場合は、前記第１推定部によって前記変化量が前記閾値未満の間に検出された前記移動量を用いて前記歩行者の位置を再度推定し、前記現在位置を更新することを特徴とする請求項２に記載の情報処理装置。
4. 前記第２推定部は、前記情報処理装置の上下方向の振幅成分から前記歩行者の前記移動量を検出し、検出した前記移動量と前記第１推定部によって検出された前記移動量との差が閾値以上の場合は、前記第１推定部によって検出された前記移動量を用いて前記歩行者の位置を推定し、前記差が閾値未満の場合は、前記上下方向の振幅成分から検出した前記移動量を用いて前記歩行者の位置を推定することを特徴とする請求項１に記載の情報処理装置。
5. 前記検出部は、前記情報処理装置の上下方向の振幅成分から推定される前記移動量が閾値以上変化した場合に、前記閾値以上の移動量が推定されたときの前記歩行者の移動方向が前記閾値以上の移動量が推定された直前の前記歩行者の移動方向から閾値以上変化しているか否かを判定することを特徴とする請求項１に記載の情報処理装置。
6. 情報処理装置が、
   前記情報処理装置を装着する歩行者の移動方向の変化を検出し、
   前記移動方向の変化量が閾値未満の間、前記情報処理装置の上下方向の振幅成分から前記歩行者の１歩ごとの移動量を検出し、推定された前記移動量を用いて前記歩行者の位置を推定し、
   前記移動方向の変化量が閾値以上となった場合、前記変化量が前記閾値未満の間に検出された前記移動量を用いて、前記歩行者の位置を推定する
   処理を実行することを特徴とする情報処理方法。
7. 情報処理装置に、
   前記情報処理装置を装着する歩行者の移動方向の変化を検出し、
   前記移動方向の変化量が閾値未満の間、前記情報処理装置の上下方向の振幅成分から前記歩行者の１歩ごとの移動量を検出し、推定された前記移動量を用いて前記歩行者の位置を推定し、
   前記移動方向の変化量が閾値以上となった場合、前記変化量が前記閾値未満の間に検出された前記移動量を用いて、前記歩行者の位置を推定する
   処理を実行させることを特徴とする情報処理プログラム。

Images