JPWO2018211713A1 - 情報処理装置、情報処理システム、および情報処理方法 - Google Patents

Abstract

情報処理装置（１００）は、患者の複数の部位のそれぞれの部位の動きに関する計測情報（１０１，１０２）を取得する。情報処理装置（１００）は、取得した計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。情報処理装置（１００）は、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。情報処理装置（１００）は、それぞれの関係性について算出した評価値に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定する。

Description

本発明は、情報処理装置、情報処理システム、および情報処理方法に関する。

従来、医療分野では、患者に対して適切な医療処置をするために、患者の状態を詳細かつ正確に把握することが求められる。例えば、患者の歩き方は、疾病による身体の不調の度合いや疾病や怪我の回復の度合いなどに影響される傾向があり、患者の歩き方から患者の状態を把握することができる。具体的には、例えば、患者が足を引きずるような不自然な歩き方をしているか否かを正確に把握することが求められる。

そして、患者の歩き方を正確に把握可能にするために、センサを患者に装着し、センサから得られたデータに基づいて、患者の歩き方を定量化するアプローチが有効である。この定量化に当たって、まず患者によって歩行運動が行われた歩行期間を特定することが好ましく、その歩行期間における所定の特徴量を、患者の歩き方を把握する際に用いられる客観的な指標として算出することが好ましい。所定の特徴量とは、例えば、歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などである。本発明では、歩行期間の検出を目的とする。

関連する従来技術として、患者によって歩行運動が行われた歩行期間では、患者に装着したセンサ装置から得られるセンサデータに、歩行運動に対応する特徴的な波形パターンが現れる傾向があることを利用し、その歩行期間を特定する場合が考えられる。例えば、非特許文献１では、腰や脛や腿に装着したセンサから得た加速度を用い、加速度の周期性や振幅などの波形特徴量を抽出した後、事前に学習したモデルを観測した波形特徴量に適用することで、歩行を含む運動が発生した期間を検出する。また、歩行期間を検出するための閾値やモデルを事前設定せずとも、観測されたデータから逐次学習する手法もある。例えば、非特許文献２では、暫定的に歩行らしいと判定された期間を対象に、観測した角速度の振幅の統計値に応じて、歩行の１歩分に相当するステップ動作を検出する閾値を適応させ、この閾値を用いてステップ動作を検出し、ステップ動作が頻発に出現している箇所を歩行期間としていた。

特開２０１６−１０６９４８号公報 国際公開第２０１４／０９１５８３号 特表２０１４−５１１１８９号公報

Ｂａｏ， "Ａｃｔｉｖｉｔｙ Ｒｅｃｏｇｎｉｔｉｏｎ ｆｒｏｍ Ｕｓｅｒ−Ａｎｎｏｔａｔｅｄ Ａｃｃｅｌｅｒａｔｉｏｎ Ｄａｔａ" ， ２００４ Ｆｒａｃｃａｌｏ， "Ｒｅａｌ−ｗｏｒｌｄ Ｇｙｒｏｓｃｏｐｅ−ｂａｓｅｄ Ｇａｉｔ Ｅｖｅｎｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｇａｉｔ Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔｉｏｎ"， ２０１４

しかしながら、患者によって、あるいは、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などによって、歩き方が変化すると、歩行期間を特定することが難しくなる傾向がある。例えば、患者が脚を引きずって歩いていると、患者に装着したセンサ装置から得られるセンサデータに、予め用意した歩行運動に対応する特徴的な波形パターンと合致する波形パターンは現れないことがある。また、例えば、普段は健常に歩くことができる患者が、頭痛等により一時的に歩き方が変化すると、例えば、非特許文献２等を適用したときに、この一時的な歩行を検知できないおそれがある。

このように、従来技術では、患者によって歩行運動が行われた歩行期間を特定することが難しい場合がある。例えば、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などによって歩き方が変化すると、歩行期間を特定することが難しくなる。

１つの側面では、本発明は、歩行期間を特定する精度の向上を図ることができる情報処理装置、情報処理システム、および情報処理方法を提供することを目的とする。

１つの実施態様によれば、計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する情報処理装置、情報処理システム、および情報処理方法が提案される。

本発明の一態様によれば、歩行期間を特定する精度の向上を図ることができるという効果を奏する。

図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。 図２は、情報処理システム２００の一例を示す説明図である。 図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。 図４は、計測機２０１のハードウェア構成例を示すブロック図である。 図５は、情報処理装置１００の機能的構成例を示すブロック図である。 図６は、情報処理装置１００の動作の流れの一例を示す説明図である。 図７は、動作間の第１の関係性の一例を示す説明図である。 図８は、動作間の第２の関係性の一例を示す説明図である。 図９は、動作間の第３の関係性の一例を示す説明図である。 図１０は、動作間の第４の関係性の一例を示す説明図である。 図１１は、動作間の第５の関係性の一例を示す説明図である。 図１２は、動作間の第６の関係性の一例を示す説明図である。 図１３は、動作間の第７の関係性の一例を示す説明図である。 図１４は、動作間の第８の関係性の一例を示す説明図である。 図１５は、動作間の第９の関係性の一例を示す説明図である。 図１６は、動作間の第１０の関係性の一例を示す説明図である。 図１７は、情報処理装置１００が歩行期間であるか否かを判定する一例を示す説明図である。 図１８は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その１）である。 図１９は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その２）である。 図２０は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その３）である。 図２１は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その４）である。 図２２Ａは、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その５）である。 図２２Ｂは、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その６）である。 図２３は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その７）である。 図２４は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その８）である。 図２５は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その９）である。 図２６は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その１０）である。 図２７は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その１）である。 図２８は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その２）である。 図２９は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その３）である。 図３０は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その４）である。 図３１は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その５）である。 図３２は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その６）である。 図３３は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その７）である。 図３４は、情報処理装置１００が所定の特徴量を出力する一例を示す説明図である。 図３５は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図（その１）である。 図３６は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図（その２）である。 図３７は、ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例を示す説明図である。 図３８は、全体処理手順の一例を示すフローチャートである。 図３９は、歩行期間特定手順の一例を示すフローチャートである。 図４０は、評価値算出処理手順の一例を示すフローチャートである。 図４１は、尤度算出処理手順の一例を示すフローチャートである。

以下に、図面を参照して、本発明にかかる情報処理装置、情報処理システム、および情報処理方法の実施の形態を詳細に説明する。

（実施の形態にかかる情報処理方法の一実施例）
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。情報処理装置１００は、計測対象によって歩行が行われた歩行期間を特定するコンピュータである。計測対象は、生体または人工物である。生体は、人間であってもよいし、人間以外の動物であってもよい。生体は、例えば、医療機関による検査対象になる対象者である。生体は、具体的には、医師などの医療関係者による診断や治療、経過観察、または健康管理などを受ける患者である。人工物とは、例えば二足歩行ロボットである。

生体は、具体的には、医師などの医療関係者によるリハビリ指導などを受ける患者であってもよい。また、生体は、具体的には、スポーツインストラクターによる歩行指導を受ける被指導者であってもよい。生体は、例えば、自ら健康管理を行う個人であってもよい。生体は、動物であってもよい。以下の説明では、主として、計測対象を「患者」とする場合について説明する。

本実施の形態では、患者によって歩行運動が行われた場合に患者の部位の動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを評価することにより、歩行期間を特定する精度の向上を図ることができる情報処理方法について説明する。

（１−１）情報処理装置１００は、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得する。患者の複数の部位は、例えば、患者の左脚と右脚との２つの部位である。患者の複数の部位は、具体的には、患者の左脚の下腿と右脚の下腿との２つの部位である。患者の部位の動きに関する計測情報は、例えば、その部位に装着された計測機の角速度センサが計測した角速度を、時系列に並べた時系列データである。時系列データは、例えば、センサデータである。

情報処理装置１００は、例えば、患者の左脚の下腿に装着された計測機から、患者の左脚の下腿の角速度のセンサデータ１０１を受信し、患者の右脚の下腿に装着された計測機から、患者の右脚の下腿の角速度のセンサデータ１０２を受信する。これにより、情報処理装置１００は、センサデータを、患者の歩行期間を特定するために用いることができる。

（１−２）情報処理装置１００は、取得した計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。歩行運動動作の一部は、例えば、歩行運動の１歩である。歩行運動動作の一部は、例えば、歩行運動中の支持脚の静止、歩行運動中の両足が地面についた時の両足微動などであってもよい。

歩行運動動作の一部に対応する特徴は、例えば、歩行運動の１歩に対応する特徴である。歩行運動の１歩に対応する特徴は、例えば、角速度が閾値を超えて極大値になったことである。部位の動作は、患者の左脚または右脚が１歩分前に動く動作である。歩行運動動作の一部に対応する特徴は、例えば、歩行運動中の両足が地面についた時の両足微動に対応する特徴である。両足微動に対応する特徴は、例えば、角速度が閾値以下、かつ、振動が閾値以上であることである。

以下の説明では、１歩分前に動く動作を「ステップ動作」と表記する場合がある。ステップ動作は、脚が地面から離れた時点から、脚がスイングした後、脚が着地した時点までの動作である。脚が地面から離れた時点が、ステップ動作の開始時刻である。脚が着地した時点が、ステップ動作の終了時刻である。動作群は、例えば、ステップ動作群である。

情報処理装置１００は、例えば、対象期間において、患者の左脚の下腿の角速度のセンサデータ１０１において、その角速度が閾値を超えて極大値になったことを検知し、左脚のステップ動作があったことを検知する。情報処理装置１００は、左脚のステップ動作があったことを検知すると、そのステップ動作があった動作点を記憶する。

情報処理装置１００は、例えば、対象期間において、患者の右脚の下腿の角速度のセンサデータ１０２において、その角速度が閾値を超えて極大値になったことを検知し、右脚のステップ動作があったことを検知する。情報処理装置１００は、右脚のステップ動作があったことを検知すると、そのステップ動作があった動作点を記憶する。これにより、情報処理装置１００は、各脚のステップ動作を含むステップ動作群を検知することができ、患者の歩行期間を特定するために用いることができる。

（１−３）情報処理装置１００は、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。複数の関係性は、例えば、左脚のステップ動作と右脚のステップ動作が交互であるという第１の関係性を含む。複数の関係性は、例えば、一方の脚のステップ動作が終了してから、他方の脚のステップ動作が開始するという第２の関係性を含む。

複数の関係性は、例えば、一方の脚のステップ動作の最中は、他方の脚は支持脚になり他方の脚の動作量は所定の微小値より小さいという第３の関係性を含む。動作量は、例えば、角速度である。複数の関係性は、例えば、一方の脚の異なるステップ動作の特徴量が類似するという第４の関係性を含む。複数の関係性の具体例は、図７〜図１６を用いて後述する。これにより、情報処理装置１００は、様々な観点から、患者によって歩行運動が行われた歩行期間としての尤もらしさを評価することができる。

（１−４）情報処理装置１００は、それぞれの関係性について算出した評価値に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定する。情報処理装置１００は、例えば、それぞれの関係性について算出した評価値が、判定基準になる閾値を超えた場合に、対象期間が患者によって歩行運動が行われた歩行期間であると判定する。

これにより、情報処理装置１００は、様々な観点から歩行期間としての尤もらしさを評価するため、歩行期間を精度よく特定しやすくすることができる。情報処理装置１００は、例えば、患者が歩行と類似する非歩行運動、例えば、自転車をこぐ運動を行っていて、第１の関係性が現れた場合でも、第２の関係性や第３の関係性について算出した評価値も用いるため、この運動を行った期間は歩行期間ではないと判定することができ、歩行期間を特定する精度の向上を図ることができる。一方、情報処理装置１００は、例えば、患者が脚を引きずって歩いた場合や、極端に低速で歩いた場合においても、第１〜第１０の関係性の評価値のいずれも高いため、これらの運動を行った期間は歩行期間であると判定することができ、歩行期間を特定する精度の向上を図ることができる。

さらに、情報処理装置１００は、特定した歩行期間における所定の特徴量を算出し、その特徴量を出力することができ、医師などの医療関係者に、患者の歩き方を把握する際に用いられる客観的な指標を与えることができる。情報処理装置１００は、例えば、特定した歩行期間の長さや、その歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などを出力することができる。このため、情報処理装置１００は、医師などの医療関係者が、患者の歩き方を把握しやすくし、患者に対する診断や治療、経過観察、または健康管理などを効率よく行うことができるようにすることができる。

また、情報処理装置１００は、医師などの医療関係者に対し、例えば、病院外も含む患者の日常における歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値なども同様に出力することができる。このため、情報処理装置１００は、医師などの医療関係者が、日常における患者の歩き方を把握したり、日常の患者の運動量を把握しやすくし、患者に対する診断や治療、経過観察、または健康管理などを詳細かつ正確に行うことができるようにすることができる。

ここでは、計測機が、患者の左脚と右脚とに装着される場合について説明したが、これに限らない。例えば、計測機が、患者の片脚と腰とに装着される場合があってもよい。また、例えば、計測機が、患者の左脚と右脚と腰とに装着される場合があってもよい。この場合、情報処理装置１００は、患者の歩行期間を特定するために、各脚のステップ動作に対応する腰の体幹前進動作を検知することができる。腰の体幹前進動作は、ステップ動作の前後で体幹を動かす動作である。この場合、動作群は、腰の体幹前進動作を含んでもよい。また、患者の腕や頭に装着される計測機があってもよい。

ここで、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、患者の歩き方が異なり、具体的には、患者の各脚のステップ動作の周期が異なる場合や、足を地面に引きずったときにセンサデータにノイズ信号が含まれる場合がある。また、患者ごとに、患者の各脚のステップ動作の周期が異なる場合がある。このため、情報処理装置１００は、（１−２）で動作群を検知するに当って、患者の部位の動きに関する計測情報に対して、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用することにより、さらに歩行期間を特定する精度の向上を図ることができる。

例えば、情報処理装置１００は、患者の部位の動きに関する計測情報に対して、それぞれの帯域通過フィルタを適用した場合について、ステップ動作群を検知する。そして、情報処理装置１００は、検知したステップ動作群ごとに、それぞれの関係性が現れた度合いを示す評価値を算出し、対象期間が歩行期間であるか否かを判定する。情報処理装置１００が複数の帯域通過フィルタを用いる具体例は、図６〜図２６を用いて後述する。

また、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、患者の歩き方が異なり、具体的には、患者の各脚のステップ動作の時間長が異なる場合がある。また、患者ごとに、患者の各脚のステップ動作の時間長が異なる場合がある。このため、情報処理装置１００は、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定することにより、さらに歩行期間を特定する精度の向上を図ることができる。

例えば、情報処理装置１００は、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出し、対象期間が歩行期間であるか否かを判定する。情報処理装置１００が複数の時間長上限の候補を用いる具体例は、図６〜図２６を用いて後述する。

また、対象期間は、患者によって歩行運動が行われた歩行期間と、患者によって歩行運動が行われていない非歩行期間とを、両方とも含んでいることが考えられる。このため、情報処理装置１００は、それぞれの関係性について算出した評価値に基づいて、対象期間のいずれの部分期間が、歩行期間であるかを判定するようにしてもよい。情報処理装置１００が対象期間のいずれの部分期間が歩行期間であるかを判定する具体例は、図２７〜図３３を用いて後述する。

（情報処理システム２００の一例）
次に、図２を用いて、図１に示した情報処理装置１００を適用した、情報処理システム２００の一例について説明する。

図２は、情報処理システム２００の一例を示す説明図である。図２において、情報処理システム２００は、情報処理装置１００と、１以上の計測機２０１とを含む。情報処理システム２００において、情報処理装置１００と計測機２０１とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。

情報処理装置１００は、１以上の計測機２０１から、計測対象ｕとなる患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、患者によって歩行運動が行われた歩行期間を特定するコンピュータである。情報処理装置１００は、例えば、サーバ、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ノートＰＣ、タブレット端末、スマートフォン、ウェアラブル端末などである。

計測機２０１は、計測対象ｕとなる患者に装着されるコンピュータである。計測機２０１は、計測情報を生成し、情報処理装置１００に送信する。計測機２０１は、例えば、図４に示すセンサ部を有し、そのセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた時系列データを生成し、計測情報として情報処理装置１００に送信する。計測機２０１は、例えば、センサ装置である。センサ装置は、具体的には、モーションセンサと呼ばれる装置である。計測機２０１は、例えば、スマートフォン、ウェアラブル端末などであってもよい。

ここでは、計測機２０１が、時系列データを作成する場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機２０１から、計測機２０１のセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた対応情報を順次受信し、その対応情報をまとめた時系列データを作成する場合があってもよい。ここでは、情報処理装置１００と計測機２０１とが異なる装置である場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機２０１と一体である場合があってもよい。

ここでは、計測機２０１が、自装置が装着された患者の部位の動きに関する計測情報を生成する場合について説明したが、これに限らない。例えば、計測機２０１が、患者の腰に装着されても、加速度センサの計測値を解析することによって、患者の左脚と右脚との動きに対応する加速度を取得可能であり、患者の左脚と右脚との動きに関する計測情報を生成する場合があってもよい。この場合、情報処理システム２００は、患者ごとに１つの計測機２０１しか用いなくても実現することができる。

情報処理システム２００は、さらに、表示装置を有する場合があってもよい。この場合、情報処理装置１００は、歩行期間を特定した結果、歩行期間に関する所定の特徴量などを、表示装置を介して表示する。表示装置は、例えば、ＰＣ、ノートＰＣ、タブレット端末、スマートフォンなどである。

情報処理システム２００は、例えば、医療機関の医療システムに適用されたり、患者の状態を把握する見守りサービスを実現する場合に適用されたり、ＰＨＲ（Ｐｅｒｓｏｎａｌ Ｈｅａｌｔｈ Ｒｅｃｏｒｄ）向けのサービスを実現する場合に適用されたりする。

（情報処理装置１００のハードウェア構成例）
次に、図３を用いて、図２に示した情報処理システム２００に含まれる情報処理装置１００のハードウェア構成例について説明する。

図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。図３において、情報処理装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、記録媒体Ｉ／Ｆ３０４と、記録媒体３０５とを有する。また、各構成部は、バス３００によってそれぞれ接続される。

ここで、ＣＰＵ３０１は、情報処理装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。

ネットワークＩ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ３０３は、例えば、モデムやＬＡＮアダプタなどである。

記録媒体Ｉ／Ｆ３０４は、ＣＰＵ３０１の制御にしたがって記録媒体３０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ３０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体３０５は、記録媒体Ｉ／Ｆ３０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体３０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体３０５は、情報処理装置１００から着脱可能であってもよい。

情報処理装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、情報処理装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を有していなくてもよい。

（計測機２０１のハードウェア構成例）
次に、図４を用いて、図２に示した情報処理システム２００に含まれる計測機２０１のハードウェア構成例について説明する。

図４は、計測機２０１のハードウェア構成例を示すブロック図である。図４において、計測機２０１は、ＣＰＵ４０１と、メモリ４０２と、ネットワークＩ／Ｆ４０３と、センサ部４０４と、タイマー部４０５とを有する。また、各構成部は、バス４００によってそれぞれ接続される。

ここで、ＣＰＵ４０１は、計測機２０１の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。

ネットワークＩ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ４０３は、例えば、Ｗｉ−Ｆｉ（登録商標）に対応する通信回路、Ｂｌｕｅｔｏｏｔｈ（登録商標）に対応する通信回路などである。ネットワークＩ／Ｆ４０３は、例えば、３Ｇ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ）に対応する通信回路であってもよい。

センサ部４０４は、計測機２０１の状態を計測する。センサ部４０４は、例えば、計測機２０１の位置、動き、および向きのうち少なくともいずれかを計測する。センサ部４０４は、具体的には、加速度センサ、角速度センサ、地磁気センサ、光センサ、振動センサなどの少なくともいずれかを有する。また、センサ部４０４は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍｓ）受信機を有し、計測機２０１のＧＰＳ座標を検出してもよい。タイマー部４０５は、現在の時刻を計測する。

計測機２０１は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、計測機２０１は、上述した構成部のほか、記録媒体Ｉ／Ｆや記録媒体を有してもよい。この記録媒体は、計測機２０１から着脱可能であってもよい。

（情報処理装置１００の機能的構成例）
次に、図５を用いて、情報処理装置１００の機能的構成例について説明する。

図５は、情報処理装置１００の機能的構成例を示すブロック図である。情報処理装置１００は、記憶部５００と、取得部５０１と、検知部５０２と、評価部５０３と、判定部５０４と、算出部５０５と、出力部５０６とを含む。

記憶部５００は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域によって実現される。取得部５０１〜出力部５０６は、制御部となる機能である。取得部５０１〜出力部５０６は、具体的には、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、ネットワークＩ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶される。

記憶部５００は、計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を記憶する。計測対象は、例えば、患者である。複数の部位は、例えば、左脚と右脚とである。複数の部位は、腰を含んでもよい。記憶部５００は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けて、時系列に並べたセンサデータを記憶する。

計測値は、例えば、矢状面の角速度、横断面の角速度、冠状面の角速度の少なくともいずれかを含む。計測値は、例えば、上下方向の加速度、左右方向の加速度、前後方向の加速度の少なくともいずれかを含んでもよい。以下の説明では、上下加速度、左右加速度、前後加速度のそれぞれを「上下加速度」、「左右加速度」、「前後加速度」と表記する場合がある。計測値は、例えば、振動の大きさ、位置などを含んでもよい。これにより、記憶部５００は、センサデータを検知部５０２が参照可能にすることができる。なお、矢状面、横断面、冠状面の定義は図１９に、上下方向、左右方向、前後方向の定義は図２０に示す通りである。

記憶部５００は、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを特定する情報を記憶する。記憶部５００は、複数の帯域通過フィルタのそれぞれの帯域通過フィルタが抽出する周波数成分を示す第１パラメータを記憶する。これにより、記憶部５００は、検知部５０２が第１パラメータを参照可能にし、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを利用可能にすることができる。

記憶部５００は、ステップ動作の時間長上限に対する複数の時間長上限の候補のそれぞれの候補を記憶する。記憶部５００は、複数の時間長上限の候補のそれぞれの候補を示す第２のパラメータを記憶する。第２パラメータは、ステップ動作の時間長上限を示す。これにより、記憶部５００は、検知部５０２が第２のパラメータを参照可能にし、ステップ動作の時間長上限に、複数の時間長上限の候補のそれぞれの候補を設定可能にすることができる。

記憶部５００は、複数の関係性のそれぞれの関係性について評価値を算出する算出式のパラメータ群を記憶する。複数の関係性は、それぞれ、患者によって歩行運動が行われた場合に動作間に生じる可能性が大きい関係性である。複数の関係性は、例えば、図７〜図１６に後述する第１の関係性〜第１０の関係性である。複数の関係性は、図７〜図１６に後述する第１の関係性〜第１０の関係性の少なくとも２つであってもよい。これにより、記憶部５００は、評価部５０３が算出式のパラメータ群を参照可能にすることができる。

取得部５０１は、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得する。取得部５０１は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けて、時系列に並べたセンサデータを、計測機２０１から受信し、記憶部５００に記憶する。取得部５０１は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けた対応情報を計測機２０１から順次受信し、その対応情報をまとめたセンサデータを作成して記憶部５００に記憶してもよい。これにより、取得部５０１は、検知部５０２や評価部５０３などが患者のそれぞれの部位についてのセンサデータを参照可能なようにすることができる。

検知部５０２は、歩行期間であるか否かを判定する対象になる対象期間を設定する。検知部５０２は、所定の期間を、対象期間に設定する。検知部５０２は、利用者の操作入力に基づく期間を、対象期間に設定してもよい。検知部５０２は、取得した計測情報に基づいて、患者が静止状態ではない動作期間を特定し、対象期間に設定してもよい。

検知部５０２は、取得した計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。歩行運動動作の一部は、例えば、歩行運動の１歩である。歩行運動動作の一部は、例えば、歩行運動中の支持脚の静止、歩行運動中の両足が地面についた時の両足微動などであってもよい。歩行運動動作の一部に対応する特徴は、例えば、歩行運動の１歩に対応する特徴である。歩行運動の１歩に対応する特徴は、例えば、各脚の角速度が閾値を超えて極大値になったことである。

歩行運動動作の一部に対応する特徴は、例えば、歩行運動中の両足が地面についた時の両足微動に対応する特徴であってもよい。両足微動に対応する特徴は、例えば、角速度が閾値以下、かつ、振動が閾値以上であることである。動作は、例えば、ステップ動作である。左脚または右脚のステップ動作は、左脚または右脚が１歩分前に動く動作である。検知部５０２は、検知したステップ動作を、そのステップ動作に付与した通し番号と、そのステップ動作があった動作点とを用いて記憶する。

検知部５０２は、左脚についてのセンサデータにおいて、左脚の角速度が閾値を超えて極大値になったことを検知し、左脚の角速度が閾値を超えて極大値になったことを左脚のステップ動作として検知する。検知部５０２は、同様に、右脚のステップ動作を検知する。そして、検知部５０２は、左脚のステップ動作と、右脚のステップ動作とを含むステップ動作群を、動作群として検知する。これにより、検知部５０２は、歩行運動を判定する際に用いられる動作群を、評価部５０３が参照可能なようにすることができる。

検知部５０２は、さらに、腰についてのセンサデータに基づいて、ステップ動作の前後における腰の体幹前進動作を検知してもよい。腰の体幹前進動作は、左脚または右脚が１歩分前に動いたことに応じて体幹を動かす動作であり、ステップ動作の前後で発生する。検知部５０２は、評価値を算出するために腰の体幹前進動作を用いる場合には、ステップ動作群を検知した後、ステップ動作群のそれぞれのステップ動作に対応する腰の体幹前進動作を検知し、ステップ動作群と体幹前進動作群とを含む動作群を検知する。これにより、検知部５０２は、歩行運動を判定する際に用いられる動作群を、評価部５０３が参照可能なようにすることができる。

検知部５０２は、例えば、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。検知部５０２は、例えば、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動の１歩に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。検知部５０２は、具体的には、記憶部５００の複数の第１パラメータのそれぞれの第１パラメータを用いて、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。これにより、検知部５０２は、患者ごとに歩き方が異なり、患者ごとに各脚のステップ動作の周期が異なる場合、および、センサデータにノイズ信号が含まれる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。

評価部５０３は、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。評価値は、例えば、関係性が現れたか否かを示す２値の真理値であってもよい。評価値は、具体的には、１であれば、真であることを示し、関係性が現れたことを示す。これにより、評価部５０３は、対象期間の歩行期間らしさを示す指標を取得することができる。

評価部５０３は、検知部５０２が複数の動作群を検知した場合、動作群ごとに、それぞれの関係性が表れた度合いを示す評価値を算出してもよい。これにより、評価部５０３は、患者ごとの歩き方の違いに対応し、対象期間の歩行期間らしさを示す指標を取得することができる。

評価部５０３は、動作群において、それぞれのステップ動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出してもよい。評価部５０３は、例えば、記憶部５００の複数の第２パラメータのそれぞれの第２パラメータを用いて、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出する。これにより、評価部５０３は、患者ごとの歩き方の違いに対応し、対象期間の歩行期間らしさを示す指標を取得することができる。

判定部５０４は、それぞれの関係性について算出した評価値に基づいて、対象期間が歩行期間であるか否かを判定する。判定部５０４は、例えば、それぞれの関係性について算出した評価値が閾値以上である場合に、対象期間が歩行期間であると判定する。これにより、判定部５０４は、歩行期間を特定する精度の向上を図ることができる。

判定部５０４は、例えば、評価値を用いた論理演算の結果に基づいて、対象期間が歩行期間であるか否かを判定してもよい。判定部５０４は、具体的には、評価値が２値の真理値であれば、論理積が１である場合に対象期間が歩行期間であると判定する。これにより、判定部５０４は、判定にかかる処理量の低減化を図ることができる。また、評価値が取り得る値の範囲が極めて限定されるため、判定部５０４は、後述する状態遷移モデルの観測確率パラメータを人手で設定しやすくすることもできる。

判定部５０４は、例えば、それぞれの関係性について算出した評価値に基づいて、対象期間のうち歩行期間の候補期間を特定し、特定した候補期間の長さに応じた歩行期間としての尤度を算出し、尤度に基づいて、候補期間が歩行期間であるか否かを判定してもよい。これにより、判定部５０４は、対象期間に歩行期間と非歩行期間とが含まれる場合であっても、歩行期間を特定する精度の向上を図ることができる。

判定部５０４は、例えば、評価値を用いた論理演算の結果に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定してもよい。これにより、判定部５０４は、判定にかかる処理量の低減化を図ることができる。

算出部５０５は、判定部５０４が歩行期間であると判定した対象期間における所定の特徴量を算出する。所定の特徴量は、歩行期間に関する特徴量や歩行期間における患者の動きに関する特徴量などである。所定の特徴量は、例えば、歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などである。

出力部５０６は、算出部５０５が算出した所定の特徴量を出力する。出力部５０６は、歩行期間における、各ステップ動作の開始時刻および終了時刻などの所定の特徴量を出力してもよい。出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、ネットワークＩ／Ｆ３０３による外部装置への送信、または、メモリ３０２や記録媒体３０５などの記憶領域への記憶である。

（情報処理装置１００の動作の流れの一例）
次に、図６〜図１７を用いて、情報処理装置１００の動作の流れの一例について説明する。

図６は、情報処理装置１００の動作の流れの一例を示す説明図である。図６において、情報処理装置１００は、患者の腰の角速度や加速度を時系列に並べたセンサデータ、患者の左脚の角速度や加速度を時系列に並べたセンサデータ、患者の右脚の角速度や加速度を時系列に並べたセンサデータなどを、計測機２０１から受信する。

以下の説明では、加速度を時系列に並べたセンサデータを「加速度データ」と表記し、角速度を時系列に並べたセンサデータを「ジャイロデータ」と表記する場合がある。そして、情報処理装置１００は、受信したセンサデータに基づいて、患者が静止状態ではない動作期間を特定し、歩行期間であるか否かを判定する対象になる対象期間に設定する。

情報処理装置１００は、例えば、センサデータとして、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータを受信する。情報処理装置１００は、例えば、センサデータとして、上下方向の加速度データ、左右方向の加速度データ、前後方向の加速度データを受信する。

次に、情報処理装置１００は、対象期間におけるセンサデータに対して、複数の第１パラメータを用いて、検知器になる複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。第１パラメータは、減衰する周波数帯域と通過する周波数帯域とを特定する。そして、情報処理装置１００は、それぞれの帯域通過フィルタを適用した場合について、患者の腰と左脚と右脚とのステップ動作を含むステップ動作群を検知する。

帯域通過フィルタを適用し、ステップ動作を検知するために用いられるジャイロデータは、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータのいずれか一つであってよい。ステップ動作を検知するために用いなかったジャイロデータも、評価値を算出するために用いられる。

また、帯域通過フィルタを適用し、ステップ動作を検知するために用いられるジャイロデータは、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータを統合したジャイロデータであってもよい。

次に、情報処理装置１００は、検知したステップ動作群ごとに、第２パラメータを用いて、ステップ動作の時間長上限を設定し、各ステップ動作の開始時刻および終了時刻を特定し、動作間の複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。この場合、複数の関係性は、図７〜図１２に後述する第１の関係性〜第６の関係性である。そして、情報処理装置１００は、評価値に基づいて、対象期間が歩行期間であるか否かを判定する。

また、情報処理装置１００は、さらに、検知したステップ動作群ごとに、腰のセンサデータに基づいて、それぞれのステップ動作に対応する体幹前進動作を検知してもよい。そして、情報処理装置１００は、検知したステップ動作群と体幹前進動作群とを含む動作群ごとに、動作間の複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、その評価値に基づいて、対象期間が歩行期間であるか否かを判定する。この場合、複数の関係性は、図７〜図１６に後述する第１の関係性〜第１０の関係性である。

次に、図７〜図１６を用いて、情報処理装置１００が用いる、動作間の第１の関係性〜第１０の関係性の一例について説明する。まず、図７を用いて、動作間の第１の関係性の一例について説明する。

図７は、動作間の第１の関係性の一例を示す説明図である。ここで、患者が歩く際には、左脚のステップ動作と、右脚のステップ動作とは１つずつ交互に発生するという性質がある。図７の例では、左脚のステップ動作７１１〜７１４と、右脚のステップ動作７２１〜７２４とは１つずつ交互に発生している。

そこで、情報処理装置１００は、第１の関係性として、患者の各脚のステップ動作が交互に発生するという「左右交互性」を用いる。情報処理装置１００は、第１の関係性の評価値を算出する算出式として、下記式（１）を用いる。

ここで、ｘ_i ⁽¹⁾は、第１の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｓ_iは、ｉ番目のステップ動作が左脚によるものか、または右脚によるものか、を表す変数である。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１）において［…］の中身の条件は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが異なることを示す。

このため、上記式（１）は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが異なるとｘ_i ⁽¹⁾＝１になる。上記式（１）は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが同一であるとｘ_i ⁽¹⁾＝０になる。また、情報処理装置１００は、上記式（１）の代わりに、下記式（２）を用いる場合があってもよい。

ここで、ｘ_i ⁽¹⁾は、第１の関係性の評価値である。Ｓ_iは、ｉ番目のステップ動作が左脚によるものか、または右脚によるものか、を表す変数である。次に、図８の説明に移行し、動作間の第２の関係性の一例について説明する。

図８は、動作間の第２の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚が着地してから所定時間内に、患者の他方の脚が地面を離れるという性質がある。図８の例では、左脚のステップ動作８１１が終了して左脚が着地してから、所定時間８０１内に、右脚のステップ動作８２１が開始して右脚が地面を離れている。同様に、右脚のステップ動作８２１が終了して右脚が着地してから、所定時間８０２内に、左脚のステップ動作８１２が開始して左脚が地面を離れている。

そこで、情報処理装置１００は、第２の関係性として、患者の一方の脚のステップ動作が終了してから所定時間内に、患者の他方の脚のステップ動作が開始するという「左右順序性」を用いる。情報処理装置１００は、第２の関係性の評価値を算出する算出式として、下記式（３）を用いる。

ここで、ｘ_i ⁽²⁾は、第２の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（３）において［…］の中身の条件は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻があることを示す。

このため、上記式（３）は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻があるとｘ_i ⁽²⁾＝１になる。上記式（３）は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻がなければｘ_i ⁽²⁾＝０になる。

図９は、動作間の第３の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚がスイングしている最中は、患者の他方の脚は地面に着いたまま静止状態で患者の体重を支持しているため、その脚の角速度は小さいという性質がある。図９の例では、左脚のステップ動作の最中であり左脚がスイングしている最中は、右脚の角速度９０１は閾値以下である。左脚の角速度９０２や右脚の角速度９０３も同様である。

そこで、情報処理装置１００は、第３の関係性として、患者の一方の脚のステップ動作の最中は、患者の他方の脚のステップ動作の角速度が所定範囲内であるという「左右支持性」を用いる。情報処理装置１００は、第３の関係性の評価値を算出する算出式として、下記式（４）を用いる。

ここで、ｘ_i ⁽³⁾は、第３の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ω_invは、ｉ番目のステップ動作の脚ではなく、ステップ動作していない脚のセンサデータであり、ジャイロデータを表す。ｔは、時刻を表す変数である。α、βは、脚の静止状態を表す角速度の範囲を表す。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（４）において［…］の中身の条件は、ｉ番目のステップ動作の脚ではない脚の角速度の最大値が所定範囲内であり、その脚が静止状態であることを示す。

このため、上記式（４）は、ｉ番目のステップ動作の脚ではない脚の角速度のＴ^(TC)〜Ｔ^(IC)の最大値が所定範囲α〜β内であり、その脚が静止状態であるとｘ_i ⁽³⁾＝１になる。上記式（４）は、ｉ番目のステップ動作の脚ではない脚の角速度のＴ^(TC)〜Ｔ^(IC)の最大値が所定範囲α〜β内ではなく、その脚が静止状態ではないとｘ_i ⁽³⁾＝０になる。

図１０は、動作間の第４の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚のステップ動作の角速度は一定である傾向があるという性質がある。図１０の例では、左脚のステップ動作の角速度のピーク振幅１００１〜１００４は一定である。また、ピーク振幅のほか、ピーク時間が一定である場合がある。ピーク時間は、ステップ動作の前後で、角速度が極小値になった時点から、極大値になった時点を挟んで極小値になった時点までの時間である。

そこで、情報処理装置１００は、第４の関係性として、患者の一方の脚の複数のステップ動作の特徴量が類似するという「片側類似性」を用いる。情報処理装置１００は、第４の関係性の評価値を算出する算出式として、下記式（５）と下記式（６）とを用いる。

ここで、ｘ_i ^(4A)は、第４の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｐは、ステップ動作のピーク振幅を表す。ｐの上部にバーを付した記号は、ステップ動作群における、ステップ動作のピーク振幅の平均を表す。ωは、ｉ番目のステップ動作の脚のセンサデータであり、ジャイロデータを表す。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。

このため、上記式（５）は、患者の一方の脚のｉ番目のステップ動作のピーク振幅と、その脚の他のステップ動作のピーク振幅とが類似するとｘ_i ^(4A)は小さい値をとる。上記式（５）は、患者の一方の脚のｉ番目のステップ動作のピーク振幅と、その脚の他のステップ動作のピーク振幅とが類似しないとｘ_i ^(4A)は大きい値をとる。

ここで、ｘ_i ^(4B)は、第４の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｑは、ステップ動作のピーク時間を表す。ｑの上部にバーを付した記号は、ステップ動作群における、ステップ動作のピーク時間の平均値を表す。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。

このため、上記式（６）は、患者の一方の脚のｉ番目のステップ動作のピーク時間と、その脚の他のステップ動作のピーク時間とが類似するとｘ_i ^(4B)は小さい値をとる。上記式（６）は、患者の一方の脚のｉ番目のステップ動作のピーク時間と、その脚の他のステップ動作のピーク時間とが類似しないとｘ_i ^(4B)は大きい値をとる。

また、情報処理装置１００は、ピーク振幅ｐとして、ステップ動作の開始時刻の角速度、または、ステップ動作の終了時刻の角速度を用いてもよい。情報処理装置１００は、ピーク時間ｑとして、ステップ動作の開始時刻から角速度が極大になった時点までの時間、または、ステップ動作の角速度が極大になった時点から終了時刻までの時間を用いてもよい。また、情報処理装置１００は、ピーク時間ｑとして、ステップ動作の終了時刻から次のステップ動作の開始時刻までの時間を用いてもよい。

図１１は、動作間の第５の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の左右の脚のステップ動作の特徴量の比率は一定である傾向があるという性質がある。図１１の例では、左脚のステップ動作の角速度のピーク振幅１１１１〜１１１４と、右脚のステップ動作の角速度のピーク振幅１１２１〜１１２４との比率が一定である。また、ピーク振幅のほかピーク時間の比率が一定である場合がある。

そこで、情報処理装置１００は、第５の関係性として、患者の各脚のステップ動作の特徴量が類似するという「両側類似性」を用いる。情報処理装置１００は、第５の関係性の評価値を算出する算出式として、下記式（７）と下記式（８）とを用いる。

ここで、ｘ_i ^(5A)は、第５の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｐは、ステップ動作のピーク振幅を表す。ｒ_iは、左右の脚の連続するステップ動作のピーク振幅の比率を表す。ｒ_iの上部にバーを付した記号は、ステップ動作群における、左右の脚のステップ動作のピーク振幅の比率の平均値を表す。ｆ_L（ａ，ｂ）は、ａとｂのうち、左脚に関する特徴量、例えば、左脚のピーク振幅を選択する関数である。ｆ_R（ａ，ｂ）は、ａとｂのうち、右脚に関する特徴量、例えば、右脚のピーク振幅を選択する関数である。

このため、上記式（７）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作とのピーク振幅の比率と、左右の脚のステップ動作のピーク振幅の比率の平均値とが類似するとｘ_i ^(5A)は小さい値をとる。上記式（７）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作とのピーク振幅の比率と、左右の脚のステップ動作のピーク振幅の比率の平均値とが類似しないとｘ_i ^(5A)は大きい値をとる。

ここで、ｘ_i ^(5B)は、第５の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｑは、ステップ動作のピーク時間を表す。ｓ_iは、左右の脚のステップ動作のピーク時間の比率を表す。ｒ_iの上部にバーを付した記号は、ステップ動作群における、左右の脚のステップ動作のピーク時間の比率の平均値を表す。ｆ_L（ａ，ｂ）は、ａとｂのうち、左脚に関する特徴量、例えば、左脚のピーク時間を選択する関数である。ｆ_R（ａ，ｂ）は、ａとｂのうち、右脚に関する特徴量、例えば、右脚のピーク時間を選択する関数である。

このため、上記式（８）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作との長さの比率と、左右の脚のステップ動作のピーク時間の比率の平均値とが類似するとｘ_i ^(5B)は小さい値をとる。上記式（８）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作との長さの比率と、左右の脚のステップ動作のピーク時間の比率の平均値とが類似しないとｘ_i ^(5B)は大きい値をとる。

図１２は、動作間の第６の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の左脚のステップ動作の回転方向と、患者の右脚のステップ動作の回転方向とが一致するという性質がある。図１２の例では、各脚の横断面のジャイロデータを示す。また、図中の左右方向への回転角とは、横断面の角速度を時間方向に積分することで算出された値である。図１２の例では、右脚における左右方向への回転角１２０１は右回転を示し、同様に、左脚における左右方向への回転角１２０２は右回転を示しており、回転方向が一致する。

そこで、情報処理装置１００は、第６の関係性として、患者の各脚のステップ動作の回転方向が同一であるという「左右回転性」を用いる。情報処理装置１００は、第６の関係性の評価値を算出する算出式として、下記式（９）を用いる。

ここで、ｘ_i ⁽⁶⁾は、第６の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｒ_iは、ｉ番目のステップ動作の回転量を表す。回転量は、例えば、角速度の積分値である。ｓｇｎ（…）は符号関数であり、（…）の中身が０以上なら「１」、（…）の中身が０以下なら「−１」を返す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（９）において［…］の中身の条件は、ｉ番目のステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ−１番目のステップ動作の回転方向と同一であることを示す。

このため、上記式（９）は、ｉ番目のステップ動作の回転量が閾値を超え、かつ、そのステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ−１番目のステップ動作の回転方向と同一であるとｘ_i ⁽⁶⁾＝１になる。上記式（９）は、ｉ番目のステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ−１番目のステップ動作の回転方向と同一ではないとｘ_i ⁽⁶⁾＝０になる。

図１３は、動作間の第７の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚が着地する前後に、患者の腰にも大きな上下加速度が生じるという性質がある。図１３の例では、右脚のステップ動作１３０１，１３０２の直後に、体幹前進動作として腰の上下動作１３１１，１３１３が生じている。

このほか、患者の各脚が地面を離れる前後に、患者の腰にも大きな上下加速度が生じるという性質がある。図１３の例では、右脚のステップ動作１３０２の直前に、体幹前進動作として腰の上下動作１３１２が生じている。

そこで、情報処理装置１００は、第７の関係性として、患者の各脚のステップ動作が終了する前後の所定時間の範囲に、患者の体幹の上下方向のステップ動作が発生するという「上下交互性」を用いる。情報処理装置１００は、第７の関係性の評価値を算出する算出式として、下記式（１０）を用いる。

ここで、ｘ_i ⁽⁷⁾は、第７の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ａｃｃ_zは、患者の腰の上下加速度データを表す。γは、閾値である。Ｔ^(IC)は、ステップ動作の終了時刻を表す。τは、終了時刻の前後所定範囲を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１０）において［…］の中身の条件は、ｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上であることを示す。

このため、上記式（１０）は、患者の脚のｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上であるとｘ_i ⁽⁷⁾＝１になる。上記式（１０）は、患者の脚のｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上ではないとｘ_i ⁽⁷⁾＝０になる。

図１４は、動作間の第８の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚が進んだ場合、同様に患者の腰も進むという性質がある。図１４の例では、右脚のステップ動作１４０１，１４０２の直後、体幹前進動作として腰の前後動作１４１１，１４１２が発生し、腰の前後加速度の積分値が閾値以上になっている。

そこで、情報処理装置１００は、第８の関係性として、患者の各脚のステップ動作の最中は、患者の体幹の前進方向のステップ動作が発生するという「上下並進性」を用いる。情報処理装置１００は、第８の関係性の評価値を算出する算出式として、下記式（１１）を用いる。

ここで、ｘ_i ⁽⁸⁾は、第８の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ａｃｃ_Xは、患者の腰の前後加速度データを表す。ＴｓとＴｅとは、腰が前に進んでいる期間を決定する時間パラメータである。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１１）において［…］の中身の条件は、患者の両脚のステップ動作のうちｉ番目のステップ動作の終了時刻のＴｓ前〜Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きいことを示す。

このため、上記式（１１）は、ｉ番目のステップ動作の終了時刻のＴｓ前〜Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きいとｘ_i ⁽⁸⁾＝１になる。上記式（１１）は、ｉ番目のステップ動作の終了時刻のＴｓ前〜Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きくないとｘ_i ⁽⁸⁾＝０になる。

図１５は、動作間の第９の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚の回転方向と、患者の腰の回転方向とは一致するという性質がある。図１５の例では、右脚と腰との横断面のジャイロデータを示す。図１５の例では、右脚のステップ動作１５０１における回転方向と、腰の体幹前進動作１５１１における回転方向とが一致する。

そこで、情報処理装置１００は、第９の関係性として、患者の各脚のステップ動作の回転方向と、患者の各脚のステップ動作が終了した後の患者の体幹のステップ動作の回転方向が同一であるという「上下回転性」を用いる。情報処理装置１００は、第９の関係性の評価値を算出する算出式として、下記式（１２）を用いる。

ここで、ｘ_i ⁽⁹⁾は、第９の関係性の評価値である。Ｒ_i ^legは、右脚または左脚の回転量を表す。Ｒ_i ^waistは、腰の回転量を表す。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ω_Y ^waistは、腰の横断面のジャイロデータを表す。ω_Y ^legは、右脚または左脚の横断面のジャイロデータを表す。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。ＴｓとＴｅは、上半身が前進するタイミングを決定する時間パラメータである。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１２）において［…］の中身の条件は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致することを示す。

このため、上記式（１２）は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致するとｘ_i ⁽⁹⁾＝１になる。上記式（１２）は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致しないとｘ_i ⁽⁹⁾＝０になる。

図１６は、動作間の第１０の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の脚の移動量と、患者の腰の移動量とが類似するという性質がある。図１６の例では、右脚のステップ動作１６０１，１６０２の移動量と、腰の体幹前進動作１６１１，１６１２の移動量とが類似する。

そこで、情報処理装置１００は、第１０の関係性として、患者の各脚のステップ動作が示す移動量と、患者の体幹のステップ動作が示す移動量とが類似するという「上下移動性」を用いる。情報処理装置１００は、第１０の関係性の評価値を算出する算出式として、下記式（１３）を用いる。

ここで、ｘ_i ⁽¹⁰⁾は、第１０の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｖは、ステップ動作における足の移動量を表す。ｕは、体幹前進動作における腰の移動量を表す。η_minとη_maxとは、患者の脚の移動量と患者の腰の移動量の比率の範囲を表す定数である。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１３）において［…］の中身の条件は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲内であることを示す。

このため、上記式（１３）は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲内であるとｘ_i ⁽¹⁰⁾＝１になる。上記式（１３）は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲外であるとｘ_i ⁽¹⁰⁾＝０になる。

図１７は、情報処理装置１００が歩行期間であるか否かを判定する一例を示す説明図である。図１７において、情報処理装置１００は、ステップ動作群ごとに、上記式（１）〜上記式（１３）などを用いて算出した第１の関係性〜第１０の関係性の平均値などを、第１の関係性〜第１０の関係性の確信度として算出する。情報処理装置１００は、算出した確信度を乗算し、対象期間の歩行期間らしさを示す総評価値を算出する。情報処理装置１００は、確信度や総評価値を、結果管理テーブル１７００を用いて記憶する。

次に、情報処理装置１００は、それぞれのステップ動作群について算出した総評価値のうち最大値を特定する。そして、情報処理装置１００は、特定した最大値が閾値以上であるか否かを判定する。ここで、情報処理装置１００は、最大値が閾値以上であれば、対象期間を歩行期間であると判定する。一方で、情報処理装置１００は、最大値が閾値未満であれば、対象期間を歩行期間ではないと判定する。情報処理装置１００は、判定した結果を、結果管理テーブル１７００を用いて記憶する。

情報処理装置１００は、対象期間を歩行期間であると判定した場合、最大値が算出されたステップ動作群を、最も患者の歩き方を反映しているステップ動作群として用いてもよい。そして、情報処理装置１００は、最も患者の歩き方を反映しているステップ動作群を用いて、対象期間における所定の特徴量を算出して出力する。

（情報処理装置１００が歩行期間を特定する第１の具体例）
次に、図１８〜図２６を用いて、情報処理装置１００が歩行期間を特定する第１の具体例について説明する。

図１８〜図２６は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図である。図１８において、患者は、右脚と左脚と腰とに計測機２０１を装着する。計測機２０１は、患者の装着した部位において角速度や加速度を計測し、計測値と計測時刻とを対応付けてセンサデータ１８０１，１８０２などを生成する。情報処理装置１００は、計測機２０１が生成したセンサデータ１８０１，１８０２などを受信する。次に、図１９および図２０の説明に移行し、計測機２０１が計測する内容について説明する。

図１９に示すように、計測機２０１は、角速度を計測する場合、例えば、矢状面における角速度、横断面における角速度、冠状面における角速度を計測する。これにより、計測機２０１は、例えば、センサデータとして、矢状面における角速度を時系列に並べたジャイロデータ、横断面における角速度を時系列に並べたジャイロデータ、冠状面における角速度を時系列に並べたジャイロデータを生成する。

図２０に示すように、計測機２０１は、加速度を計測する場合、例えば、上下加速度、左右加速度、前後加速度を計測する。これにより、計測機２０１は、例えば、センサデータとして、上下加速度を時系列に並べた加速度データ、左右加速度を時系列に並べた加速度データ、前後加速度を時系列に並べた加速度データを生成する。次に、図２１の説明に移行する。

図２１において、情報処理装置１００は、受信したジャイロデータや加速度データを用いて、歩行期間であるか否かを判定する対象になる対象期間として、患者が静止状態ではない非静止期間を特定する。

情報処理装置１００は対象期間の特定に当って、例えば、左脚のジャイロデータと右脚のジャイロデータとに対して、それぞれ同じ時点から窓幅Ｗをもつ窓をずらし幅（Ｗ／２）でずらしていく。窓は、所定の長さの期間を示す。情報処理装置１００は、窓をずらすごとに、左脚のジャイロデータと右脚のジャイロデータとのうち、その窓に対応するセグメントデータを特定する。

情報処理装置１００は対象期間の特定に当って、窓をずらすごとに、その窓に対応するセグメントデータにおいて、角速度の平均値Ｍｇと分散Ｖｇとが、それぞれ所定値ＴＨ＿ＭｇとＴＨ＿Ｖｇとを超えるか否かを判定する。情報処理装置１００は、ある窓に対応するセグメントデータについて超えると判定した場合に、その窓が示す期間を、患者が静止状態ではない非静止期間として特定する。

情報処理装置１００は対象期間の特定に当って、特定した非静止期間のうち、連続する２以上の非静止期間があれば、その２以上の非静止期間を統合して、１つの非静止期間として特定する。情報処理装置１００は、特定した非静止期間を、対象期間として設定する。次に、図２２Ａおよび図２２Ｂの説明に移行する。

図２２Ａにおいて、情報処理装置１００は、対象期間におけるセンサデータに対して、Ｎ個の第１パラメータを用いて、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。第１パラメータは、帯域通過フィルタが通過させる周波数帯域を定義し、例えば、どんな周波数成分を減衰するかを示すカットオフ周波数によって表現される。これにより、情報処理装置１００は、患者ごとに歩き方が異なり、患者ごとに各脚のステップ動作の周期が異なる場合、および、センサデータにノイズ信号が含まれる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。

次に、情報処理装置１００は、それぞれの帯域通過フィルタを適用した場合について、患者の各脚のステップ動作を含むステップ動作群を検知する。情報処理装置１００は、例えば、それぞれの帯域通過フィルタを適用した場合について、左脚の角速度が閾値を超えて極大値になったことを検知し、左脚のステップ動作を検知する。また、情報処理装置１００は、例えば、それぞれの帯域通過フィルタを適用した場合について、右脚の角速度が閾値を超えて極大値になったことを検知し、右脚のステップ動作を検知する。次に、図２２Ｂの説明に移行し、情報処理装置１００がステップ動作を検知しやすいようにする一例について説明する。

図２２Ｂにおいて、情報処理装置１００は、第３パラメータとして、極大値を検知する際に用いる閾値に設定可能な、複数の閾値を用意している。情報処理装置１００は、センサデータまたはセンサデータに帯域フィルタを適用した結果に対して、極大値を検知するにあたって、複数の閾値のぞれぞれの閾値を適用することにより、複数のステップ動作群を検知してもよい。これにより、情報処理装置１００は、患者ごとに歩き方が異なり、患者ごとにステップ動作のスイングの速さが異なる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。

情報処理装置１００は、各脚のステップ動作の動作点として、各脚の角速度が極大値になった時点を記憶し、各脚のステップ動作を動作点によって記憶しておく。情報処理装置１００は、検知した各脚のステップ動作を含むステップ動作群を検知する。また、情報処理装置１００は、各脚のステップ動作に対応する腰の体幹前進動作を検知しておいてもよい。次に、図２３の説明に移行する。

図２３において、情報処理装置１００は、検知したステップ動作群ごとに、Ｍ個の第２パラメータを用いて、ステップ動作の時間長上限を設定し、複数の関係性の評価値を算出するために用いられる、ステップ動作の開始時刻と終了時刻とを特定する。この開始時刻は、例えば、踵または爪先または足裏が地面から離れたタイミングであり、終了時刻は、例えば、踵または爪先または足裏が地面に着地したタイミングである。第２パラメータは、ステップ動作の時間長上限を示し、動作点よりマージンタイム分前の時点から、動作点よりマージンタイム分後の時点までの長さを示す。

情報処理装置１００は、例えば、ステップ動作の動作点から、第２パラメータ分前までの間で、角速度が最小値になった時点を、開始時刻として特定する。情報処理装置１００は、例えば、ステップ動作の動作点から、第２パラメータ分後までの間で、角速度が最小値になった時点を、終了時刻として特定する。次に、図２４の説明に移行する。

図２４において、情報処理装置１００は、ステップ動作の検知においてＮ個の帯域通過フィルタを用い、ステップ動作の開始時刻と終了時刻の特定においてＭ個のステップ動作の時間長上限を用いることにより、Ｎ×Ｍ個のステップ動作群を検知している。情報処理装置１００は、それぞれのステップ動作群について、そのステップ動作群に含まれる各脚のステップ動作について、出現順に動作番号を割り当てる。

そして、情報処理装置１００は、各脚のステップ動作について、動作番号と、動作点と、開始時刻と、終了時刻と、どちらの脚のステップ動作かを対応付けて、脚動作管理テーブル２４００を用いて記憶する。情報処理装置１００は、各脚のステップ動作に対応する腰の体幹前進動作について、体幹前進動作管理テーブルを用いて記憶してもよい。次に、図２５の説明に移行する。

図２５において、情報処理装置１００は、ステップ動作群に基づいて、ステップ動作ごとに、第１の関係性〜第１０の関係性の評価値を算出する。情報処理装置１００は、ステップ動作ごとに算出した第１の関係性〜第１０の関係性の評価値を、そのステップ動作の動作番号に対応付けて、評価値管理テーブル２５００を用いて記憶する。次に、図２６の説明に移行する。

図２６において、情報処理装置１００は、第１の関係性〜第１０の関係性の評価値を、統一した基準で算出し直す。例えば、第２の関係性の評価値は、２値であり、１であれば歩行運動らしく、０であれば歩行運動らしくないことを示す。一方で、第３の関係性の評価値は、連続値であり、０に近いほど歩行運動らしく、値が大きいほど歩行運動らしくないことを示す。

このため、情報処理装置１００は、第３の関係性の評価値を、２値であり、１であれば歩行運動らしく、０であれば歩行運動らしくないことを示す評価値に変換する。情報処理装置１００は、例えば、第３の関係性の評価値が閾値未満であれば評価値を１に変換し、閾値以上であれば評価値を０に変換する。

そして、情報処理装置１００は、第１の関係性〜第１０の関係性の評価値を足し合わせ、総評価値を算出する。情報処理装置１００は、算出した総評価値が閾値以上であれば、対象期間が歩行期間であると判定する。これにより、情報処理装置１００は、歩行期間を特定する精度の向上を図ることができる。

（情報処理装置１００が歩行期間を特定する第２の具体例）
次に、図２７〜図３３を用いて、情報処理装置１００が歩行期間を特定する第２の具体例について説明する。

図２７〜図３３は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図である。ここで、対象期間は、患者によって歩行運動が行われた歩行期間と、患者によって歩行運動が行われていない非歩行期間とを、両方とも含んでいることが考えられる。このため、情報処理装置１００は、第１の関係性〜第１０の関係性について算出した評価値に基づいて、対象期間のいずれの部分期間が、歩行期間であるかを判定する。

図２７に示すように、情報処理装置１００は、歩行期間と非歩行期間を区別するために、それぞれのステップ動作の状態を「歩行」または「非歩行」とラベリングする隠れマルコフモデル（ＨＭＭ：Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）を適用する。

ＨＭＭは、観測される特徴量が、隠れ状態の状態固有の確率分布に基づいて生成されること、および、前の隠れ状態と、次に遷移する隠れ状態との間に依存関係があることを仮定した状態遷移モデルである。隠れ状態は、直接観測しない状態であり、例えば、ステップ動作の状態であり、歩行状態または非歩行状態である。

情報処理装置１００は、例えば、第１の関係性〜第１０の関係性について算出した評価値に基づいて、それぞれのステップ動作の状態を「歩行」または「非歩行」とラベリングする。そして、情報処理装置１００は、対象期間のうち、「歩行」とラベリングされたステップ動作に対応する部分期間に対して、ＨＭＭの尤度を算出し、歩行期間としての尤度とする。

図２７の例では、ステップ動作の隠れ状態として、単純に「歩行」と「非歩行」との状態だけでなく、歩行のダイナミクスをより正確に捉えるため、歩行状態を「初期歩行状態」、「中間歩行状態」、「末期歩行状態」の３つに細分化した状態が仮定されている。さらに、患者の歩き方が左脚と右脚で異なる場合に対応して、これら３つの状態を、右脚と左脚で区別し、さらに歩行状態が細分化される。なお、中間歩行状態は、複数あってもよい。

これにより、情報処理装置１００は、「歩行中」の歩行状態に比べて半歩しか進まない傾向がある「初期歩行状態（例えば、１歩目）」と「末期歩行状態（例えば、最終歩）」との歩行状態を区別することが可能になり、したがって「歩行」と「非歩行」の境界を正確に検出することが可能になる。また、情報処理装置１００は、患者が片足を怪我している場合などに対応するように、左脚と右脚との歩行状態を区別するようにする。次に、図２８の説明に移行する。

図２８において、情報処理装置１００は、第１の関係性〜第１０の関係性について算出した評価値系列Ｘに対して、上記７つの状態の中から尤もらしい状態を割り当てる。情報処理装置１００は、例えば、下記式（１４）で表現される、評価値系列Ｘと動作状態系列Ｙとについての同時確率ｐ（Ｘ，Ｙ）が最大になるように、Ｖｉｔｅｒｂｉアルゴリズムを用いて、動作状態系列Ｙを求める。

ここで、ｐ（ｘ_i｜ｙ_i）は、観測確率を表す。観測確率は、例えば、図３０を用いて後述する。ｐ（ｙ_i｜ｙ_i-1）は、状態遷移確率を表す。状態遷移確率は、例えば、図２９を用いて後述する。次に、図２９の説明に移行する。

図２９に示すように、状態遷移確率は、表２９００によって表現される。ここで、状態は、右脚の歩行状態と左脚の歩行状態とに、交互に遷移する性質がある。このため、状態遷移確率ｐ（ｙ_i｜ｙ_i-1）について、歩行状態を細分化した、左脚に関する歩行状態と右脚に関する歩行状態とは、交互に発生するように状態遷移確率が設定される。例えば、前の状態がＳ３であれば、次に遷移する状態はＳ４またはＳ６のいずれかになるように、状態遷移確率が設定される。

また、歩行開始時の１歩目の状態Ｓ１の後は歩行中の状態Ｓ４に遷移し、歩行開始時の１歩目の状態Ｓ２の後は歩行中の状態Ｓ３に遷移するように、状態遷移確率が設定される。また、最終歩の状態Ｓ５において歩行終了した後は非歩行の状態Ｓ７に遷移し、最終歩の状態Ｓ６において歩行終了した後は非歩行の状態Ｓ７に遷移するように、状態遷移確率が設定される。次に、図３０の説明に移行する。

図３０に示すように、観測確率は、表３０００，３０１０によって表現される。観測確率ｐ（ｘ_i｜ｙ_i）については、歩行状態と非歩行状態とのそれぞれの状態において、それぞれの評価値がとる値が特定可能であるため、ヒューリスティックに確率分布が設定される。確率分布の形状は、無相関な多次元正規分布を用いて、正規分布の平均パラメータと分散パラメータを表３０００，３０１０のように設定して、決定される。

例えば、歩行状態Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５，Ｓ６においては、評価値ｘ⁽²⁾、評価値ｘ⁽³⁾の平均パラメータが１、評価値ｘ^(4A)、評価値ｘ^(4B)の平均パラメータが０と設定される。一方で、非歩行状態ｓ７においては、評価値ｘ⁽²⁾、評価値ｘ⁽³⁾の平均パラメータが０、評価値ｘ^(4A)、評価値ｘ^(4B)の平均パラメータが１と設定される。

また、右脚のステップ動作に対応する歩行状態Ｓ１、Ｓ３、Ｓ５では、評価値ｘ⁽¹⁾の平均パラメータが１、左脚のステップ動作に対応する歩行状態Ｓ２、Ｓ４、Ｓ６では、評価値ｘ⁽¹⁾の平均パラメータが０と設定される。歩行開始時の１歩目に対応する状態Ｓ１、Ｓ２および歩行終了時の最終歩に対応する状態Ｓ５、Ｓ６では、角速度が小さくなりやすいため、歩行中の状態Ｓ３、Ｓ４と比べて、各分散パラメータが大きく設定される。次に、図３１の説明に移行する。

図３１において、情報処理装置１００は、状態観測確率と観測確率を用いて、Ｖｉｔｅｒｂｉアルゴリズムを適用することにより動作状態系列を特定する。情報処理装置１００は、例えば、動作状態系列を特定し、動作番号にさらに動作状態を対応付けて、評価値管理テーブル３１００を用いて記憶する。

情報処理装置１００は、１歩目の歩行状態から最終歩の歩行状態までの期間を特定する。情報処理装置１００は、特定した期間が、所定の歩数より多い歩数に対応する期間であれば、特定した期間を、歩行期間の候補期間として特定する。所定の歩数は、例えば、４歩である。

図３１の例では、情報処理装置１００は、動作番号１が開始時刻であり、動作番号１０が終了時刻である期間を特定する。情報処理装置１００は、特定した期間の歩数は１０歩であるため、特定した期間を歩行期間の候補期間と特定する。情報処理装置１００は、特定した候補期間における評価値を、評価値系列Ｘ^*に設定する。

そして、情報処理装置１００は、下記式（１５）を用いて、特定した候補期間について算出された同時確率ｐ（Ｘ^*、Ｙ^*）の尤度を、歩行期間としての尤度として算出する。

ここで、式（１５）によると、候補期間における歩数が少なく、ステップ動作の数が少ないほど、確率値が大きくなるため、尤度が大きくなってしまう傾向がある。このため、情報処理装置１００は、さらに、下記式（１６）を用いて、上記式（１５）の対数値を候補期間の歩数Ｋで平均化した指標値を、尤度として算出してもよい。次に、図３２の説明に移行する。

図３２において、情報処理装置１００は、それぞれのステップ動作群について尤度を算出しているとする。情報処理装置１００は、算出した尤度を、尤度管理テーブル３２００を用いて記憶する。情報処理装置１００は、尤度の最大値が閾値を超えているか否かを判定する。

情報処理装置１００は、尤度が閾値を超えて最大値になったステップ動作群を、患者の歩行期間に対応するステップ動作群として尤もらしいステップ動作群として選択する。そして、情報処理装置１００は、例えば、患者の歩行期間の開始時刻と終了時刻とを特定する。次に、図３３の説明に移行する。

図３３において、情報処理装置１００は、それぞれの対象期間について、同様に、歩行期間であるか否かを判定し、歩行期間の開始時刻と終了時刻とを特定したとする。情報処理装置１００は、判定した結果および特定した歩行期間の開始時刻と終了時刻とを、結果管理テーブル３３００を用いて記憶する。

（情報処理装置１００が所定の特徴量を出力する一例）
次に、図３４を用いて、情報処理装置１００が所定の特徴量を出力する一例について説明する。

図３４は、情報処理装置１００が所定の特徴量を出力する一例を示す説明図である。図３４において、情報処理装置１００は、特定した歩行期間、および、特定した歩行期間におけるステップ動作の開始時刻と終了時刻とを用いて、それぞれの歩行期間における所定の特徴量を算出する。所定の特徴量は、例えば、患者の歩幅、移動速度、移動時間、歩行のケーデンス、各脚の着地時の衝撃、各脚の接地時間などである。また、所定の特徴量は、歩行期間における、各ステップ動作の開始時刻および終了時刻であってもよい。情報処理装置１００は、例えば、算出した特徴量をさらに対応付けて結果管理テーブル３４００や脚動作管理テーブル２４００を用いて記憶する。

（複数の帯域通過フィルタを適用する動作の別の例）
次に、図３５および図３６を用いて、複数の帯域通過フィルタを適用する動作の別の例について説明する。

図３５および図３６は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図である。図３５および図３６に示すように、情報処理装置１００は、複数の帯域通過フィルタを適用する際に、予め複数の第１パラメータを用意しておかなくてもよい。

図３５において、情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果が単ピーク性を有するように、カットオフ周波数を設定する。単ピーク性は、一方の脚の角速度が極大値になった後、他方の脚の角速度が極大値になる前に、一方の脚の角速度が再び極大値になることがない性質である。単ピーク性は、例えば、一方の脚のステップ動作の後、同じ脚のステップ動作が所定時間以内に２つ以上発生しない性質である。情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、単ピーク性が現れなければ、その帯域通過フィルタよりも周波数帯域が広い帯域通過フィルタを適用する。次に、図３６の説明に移行する。

図３６において、情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、極大値が閾値以上になるように、カットオフ周波数を設定する。情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、極大値が閾値以上にならなければ、その帯域通過フィルタよりも周波数帯域が広い帯域通過フィルタを適用する。

これにより、情報処理装置１００は、センサデータに複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した結果のいずれかを、対象期間が歩行期間であるか否かを判定するために用いなくてもよい。このため、情報処理装置１００は、対象期間が歩行期間であるか否かを判定する処理量の増大化を抑制することができる。

（ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例）
次に、図３７を用いて、ステップ動作の時間長に複数の時間長上限の候補を設定する動作の別の例について説明する。

図３７は、ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例を示す説明図である。図３７に示すように、情報処理装置１００は、予め複数の第２パラメータを用意しておかなくてもよい。情報処理装置１００は、例えば、ステップ動作の時間長上限の候補となる第２パラメータを、適用した帯域通過フィルタの周波数帯域に応じて設定する。情報処理装置１００は、例えば、周波数帯域が狭いほど第２パラメータを大きくし、周波数帯域が広いほど第２パラメータを小さくする。情報処理装置１００は、例えば、関数３７００によって、周波数帯域が広いほど第２パラメータを小さく設定する。

これにより、情報処理装置１００は、ステップ動作の時間長上限に複数の時間長上限の候補を設定しなくてよく、ステップ動作の時間長上限に比較的好ましい候補を設定することができる。このため、情報処理装置１００は、対象期間が歩行期間であるか否かを判定する処理量の増大化を抑制することができる。

（全体処理手順の一例）
次に、図３８を用いて、情報処理装置１００が実行する全体処理手順の一例について説明する。

図３８は、全体処理手順の一例を示すフローチャートである。図３８において、まず、情報処理装置１００は、一定期間のセンサデータを計測機２０１から受信する（ステップＳ３８０１）。次に、情報処理装置１００は、センサデータに基づいて、一定期間のうち対象期間を抽出する（ステップＳ３８０２）。

そして、情報処理装置１００は、いずれかの対象期間を選択する（ステップＳ３８０３）。次に、情報処理装置１００は、選択した対象期間について、図３９に後述する歩行期間判定処理を実行する（ステップＳ３８０４）。そして、情報処理装置１００は、歩行特徴量を抽出する（ステップＳ３８０５）。

次に、情報処理装置１００は、抽出した対象期間をすべて選択したか否かを判定する（ステップＳ３８０６）。ここで、選択していない場合（ステップＳ３８０６：Ｎｏ）、情報処理装置１００は、ステップＳ３８０３の処理に戻る。

一方で、選択している場合（ステップＳ３８０６：Ｙｅｓ）、情報処理装置１００は、歩行期間および歩行特徴量を出力する（ステップＳ３８０７）。そして、情報処理装置１００は、全体処理を終了する。

（歩行期間特定手順の一例）
次に、図３９を用いて、情報処理装置１００が実行する歩行期間特定手順の一例について説明する。

図３９は、歩行期間特定手順の一例を示すフローチャートである。図３９において、まず、情報処理装置１００は、複数の第１パラメータと、複数の第２パラメータとに基づいて、第１パラメータと第２パラメータの組み合わせを選択する（ステップＳ３９０１）。

次に、情報処理装置１００は、選択した第１パラメータを用いて、センサデータに対して帯域通過フィルタを適用し、ステップ動作群を検知する（ステップＳ３９０２）。そして、情報処理装置１００は、選択した第２パラメータを用いて、ステップ動作群を構成する各ステップ動作の開始時刻および終了時刻を特定する（ステップＳ３９０３）。

次に、情報処理装置１００は、図４０に後述する評価値算出処理を実行する（ステップＳ３９０４）。そして、情報処理装置１００は、図４１に後述する尤度算出処理を実行する（ステップＳ３９０５）。次に、情報処理装置１００は、第１パラメータと第２パラメータの組み合わせをすべて選択したか否かを判定する（ステップＳ３９０６）。ここで、選択していない場合（ステップＳ３９０６：Ｎｏ）、情報処理装置１００は、ステップＳ３９０１の処理に戻る。

一方で、選択している場合（ステップＳ３９０６：Ｙｅｓ）、情報処理装置１００は、歩行期間を特定し、歩行期間における所定の特徴量を算出し、歩行期間における所定の特徴量を出力する（ステップＳ３９０７）。そして、情報処理装置１００は、歩行期間特定処理を終了する。

（評価値算出処理手順の一例）
次に、図４０を用いて、情報処理装置１００が実行する評価値算出処理手順の一例について説明する。

図４０は、評価値算出処理手順の一例を示すフローチャートである。図４０において、まず、情報処理装置１００は、いずれかのステップ動作を選択する（ステップＳ４００１）。

次に、情報処理装置１００は、第１の関係性について評価値を算出する（ステップＳ４００２）。また、情報処理装置１００は、第２の関係性について評価値を算出する（ステップＳ４００３）。また、情報処理装置１００は、第３の関係性について評価値を算出する（ステップＳ４００４）。また、情報処理装置１００は、第４の関係性について評価値を算出する（ステップＳ４００５）。また、情報処理装置１００は、第５の関係性について評価値を算出する（ステップＳ４００６）。また、情報処理装置１００は、第６の関係性について評価値を算出する（ステップＳ４００７）。

そして、情報処理装置１００は、腰に関するセンサデータがあるか否かを判定する（ステップＳ４００８）。ここで、センサデータがない場合（ステップＳ４００８：Ｎｏ）、情報処理装置１００は、ステップＳ４０１３の処理に移行する。

一方で、センサデータがある場合（ステップＳ４００８：Ｙｅｓ）、情報処理装置１００は、第７の関係性について評価値を算出する（ステップＳ４００９）。また、情報処理装置１００は、第８の関係性について評価値を算出する（ステップＳ４０１０）。また、情報処理装置１００は、第９の関係性について評価値を算出する（ステップＳ４０１１）。また、情報処理装置１００は、第１０の関係性について評価値を算出する（ステップＳ４０１２）。

そして、情報処理装置１００は、ステップ動作をすべて選択したか否かを判定する（ステップＳ４０１３）。ここで、選択していない場合（ステップＳ４０１３：Ｎｏ）、情報処理装置１００は、ステップＳ４００１の処理に戻る。

一方で、選択している場合（ステップＳ４０１３：Ｙｅｓ）、情報処理装置１００は、評価値算出処理を終了する。

（尤度算出処理手順の一例）
次に、図４１を用いて、情報処理装置１００が実行する尤度算出処理手順の一例について説明する。

図４１は、尤度算出処理手順の一例を示すフローチャートである。図４１において、まず、情報処理装置１００は、状態遷移確率を算出する（ステップＳ４１０１）。次に、情報処理装置１００は、観測確率を設定する（ステップＳ４１０２）。そして、情報処理装置１００は、動作状態系列を設定する（ステップＳ４１０３）。

次に、情報処理装置１００は、歩行期間の候補期間を特定する（ステップＳ４１０４）。そして、情報処理装置１００は、歩行期間の候補期間について歩行期間としての尤度を算出する（ステップＳ４１０５）。その後、情報処理装置１００は、尤度算出処理を終了する。

以上説明したように、情報処理装置１００によれば、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得することができる。情報処理装置１００によれば、計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知することができる。情報処理装置１００によれば、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出することができる。情報処理装置１００によれば、それぞれの関係性について算出した評価値に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、計測情報に対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知することができる。情報処理装置１００によれば、検知した動作群ごとに、それぞれの関係性が表れた度合いを示す評価値を算出することができる。これにより、情報処理装置１００は、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、または、患者ごとに、患者の各脚のステップ動作の周期が異なる場合でも、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、動作群において、それぞれの動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出することができる。これにより、情報処理装置１００は、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、または、患者ごとに、患者の各脚のステップ動作の時間長が異なる場合でも、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、歩行期間であると判定した対象期間における所定の特徴量を出力することができる。これにより、情報処理装置１００は、患者の状態を把握するために、利用者に所定の特徴量を通知することができる。

情報処理装置１００によれば、取得した計測情報に基づいて、患者が静止状態ではない動作期間を特定し、対象期間に設定することができる。これにより、情報処理装置１００は、歩行期間か否かを判定する対象となる対象期間の数の低減化を図り、処理量の低減化を図ることができる。

情報処理装置１００によれば、それぞれの関係性について算出した評価値に基づいて、対象期間のうち歩行期間の候補期間を特定し、特定した候補期間の長さに応じた歩行期間としての尤度を算出することができる。情報処理装置１００によれば、算出した尤度に基づいて、候補期間が歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、対象期間を、さらに、歩行期間と非歩行期間とに分けて、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、評価値が、関係性が現れたか否かを示す２値の真理値であれば、評価値を用いた論理演算の結果に基づいて、対象期間が歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、処理量の低減化を図ることができる。

情報処理装置１００によれば、複数の関係性に、患者の脚の動作に関する第１の関係性〜第６の関係性を用いることができる。これにより、情報処理装置１００は、患者の脚の動作について複数の観点から歩行運動らしさを評価し、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、患者の脚および患者の体幹の動作に関する第７の関係性〜第１０の関係性を用いることができる。これにより、情報処理装置１００は、患者の脚および患者の体幹の動作について複数の観点から歩行運動らしさを評価し、歩行期間を特定する精度の向上を図ることができる。

なお、本実施の形態で説明した情報処理方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本実施の形態で説明した情報処理プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本実施の形態で説明した情報処理プログラムは、インターネット等のネットワークを介して配布してもよい。

１００ 情報処理装置
１０１，１０２，１８０１，１８０２ センサデータ
２００ 情報処理システム
２０１ 計測機
２１０ ネットワーク
３００，４００ バス
３０１，４０１ ＣＰＵ
３０２，４０２ メモリ
３０３，４０３ ネットワークＩ／Ｆ
３０４ 記録媒体Ｉ／Ｆ
３０５ 記録媒体
４０４ センサ部
４０５ タイマー部
５００ 記憶部
５０１ 取得部
５０２ 検知部
５０３ 評価部
５０４ 判定部
５０５ 算出部
５０６ 出力部
７１１〜７１４，７２１〜７２４，８１１，８１２，８２１，１３０１，１３０２，１４０１，１４０２，１５０１，１６０１，１６０２ ステップ動作
９０１〜９０３，１２０１，１２０２ 角速度
１００１〜１００４，１１１１〜１１１４，１１２１〜１１２４ ピーク振幅
１３１１〜１３１３ 上下動作
１４１１，１４１２ 前後動作
１５１１，１６１１，１６１２ 体幹前進動作
１７００，３３００，３４００ 結果管理テーブル
２４００ 脚動作管理テーブル
２５００，３１００ 評価値管理テーブル
２９００，３０００，３０１０ 表
３２００ 尤度管理テーブル
３７００ 関数

本発明は、情報処理装置、情報処理システム、および情報処理方法に関する。

従来、医療分野では、患者に対して適切な医療処置をするために、患者の状態を詳細かつ正確に把握することが求められる。例えば、患者の歩き方は、疾病による身体の不調の度合いや疾病や怪我の回復の度合いなどに影響される傾向があり、患者の歩き方から患者の状態を把握することができる。具体的には、例えば、患者が足を引きずるような不自然な歩き方をしているか否かを正確に把握することが求められる。

そして、患者の歩き方を正確に把握可能にするために、センサを患者に装着し、センサから得られたデータに基づいて、患者の歩き方を定量化するアプローチが有効である。この定量化に当たって、まず患者によって歩行運動が行われた歩行期間を特定することが好ましく、その歩行期間における所定の特徴量を、患者の歩き方を把握する際に用いられる客観的な指標として算出することが好ましい。所定の特徴量とは、例えば、歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などである。本発明では、歩行期間の検出を目的とする。

関連する従来技術として、患者によって歩行運動が行われた歩行期間では、患者に装着したセンサ装置から得られるセンサデータに、歩行運動に対応する特徴的な波形パターンが現れる傾向があることを利用し、その歩行期間を特定する場合が考えられる。例えば、非特許文献１では、腰や脛や腿に装着したセンサから得た加速度を用い、加速度の周期性や振幅などの波形特徴量を抽出した後、事前に学習したモデルを観測した波形特徴量に適用することで、歩行を含む運動が発生した期間を検出する。また、歩行期間を検出するための閾値やモデルを事前設定せずとも、観測されたデータから逐次学習する手法もある。例えば、非特許文献２では、暫定的に歩行らしいと判定された期間を対象に、観測した角速度の振幅の統計値に応じて、歩行の１歩分に相当するステップ動作を検出する閾値を適応させ、この閾値を用いてステップ動作を検出し、ステップ動作が頻発に出現している箇所を歩行期間としていた。

特開２０１６−１０６９４８号公報 国際公開第２０１４／０９１５８３号 特表２０１４−５１１１８９号公報

Ｂａｏ， "Ａｃｔｉｖｉｔｙ Ｒｅｃｏｇｎｉｔｉｏｎ ｆｒｏｍ Ｕｓｅｒ−Ａｎｎｏｔａｔｅｄ Ａｃｃｅｌｅｒａｔｉｏｎ Ｄａｔａ" ， ２００４ Ｆｒａｃｃａｌｏ， "Ｒｅａｌ−ｗｏｒｌｄ Ｇｙｒｏｓｃｏｐｅ−ｂａｓｅｄ Ｇａｉｔ Ｅｖｅｎｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｇａｉｔ Ｆｅａｔｕｒｅ Ｅｘｔｒａｃｔｉｏｎ"， ２０１４

しかしながら、患者によって、あるいは、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などによって、歩き方が変化すると、歩行期間を特定することが難しくなる傾向がある。例えば、患者が脚を引きずって歩いていると、患者に装着したセンサ装置から得られるセンサデータに、予め用意した歩行運動に対応する特徴的な波形パターンと合致する波形パターンは現れないことがある。また、例えば、普段は健常に歩くことができる患者が、頭痛等により一時的に歩き方が変化すると、例えば、非特許文献２等を適用したときに、この一時的な歩行を検知できないおそれがある。

このように、従来技術では、患者によって歩行運動が行われた歩行期間を特定することが難しい場合がある。例えば、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などによって歩き方が変化すると、歩行期間を特定することが難しくなる。

１つの側面では、本発明は、歩行期間を特定する精度の向上を図ることができる情報処理装置、情報処理システム、および情報処理方法を提供することを目的とする。

１つの実施態様によれば、計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する情報処理装置、情報処理システム、および情報処理方法が提案される。

本発明の一態様によれば、歩行期間を特定する精度の向上を図ることができるという効果を奏する。

図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。 図２は、情報処理システム２００の一例を示す説明図である。 図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。 図４は、計測機２０１のハードウェア構成例を示すブロック図である。 図５は、情報処理装置１００の機能的構成例を示すブロック図である。 図６は、情報処理装置１００の動作の流れの一例を示す説明図である。 図７は、動作間の第１の関係性の一例を示す説明図である。 図８は、動作間の第２の関係性の一例を示す説明図である。 図９は、動作間の第３の関係性の一例を示す説明図である。 図１０は、動作間の第４の関係性の一例を示す説明図である。 図１１は、動作間の第５の関係性の一例を示す説明図である。 図１２は、動作間の第６の関係性の一例を示す説明図である。 図１３は、動作間の第７の関係性の一例を示す説明図である。 図１４は、動作間の第８の関係性の一例を示す説明図である。 図１５は、動作間の第９の関係性の一例を示す説明図である。 図１６は、動作間の第１０の関係性の一例を示す説明図である。 図１７は、情報処理装置１００が歩行期間であるか否かを判定する一例を示す説明図である。 図１８は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その１）である。 図１９は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その２）である。 図２０は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その３）である。 図２１は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その４）である。 図２２Ａは、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その５）である。 図２２Ｂは、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その６）である。 図２３は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その７）である。 図２４は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その８）である。 図２５は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その９）である。 図２６は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図（その１０）である。 図２７は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その１）である。 図２８は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その２）である。 図２９は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その３）である。 図３０は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その４）である。 図３１は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その５）である。 図３２は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その６）である。 図３３は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図（その７）である。 図３４は、情報処理装置１００が所定の特徴量を出力する一例を示す説明図である。 図３５は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図（その１）である。 図３６は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図（その２）である。 図３７は、ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例を示す説明図である。 図３８は、全体処理手順の一例を示すフローチャートである。 図３９は、歩行期間特定手順の一例を示すフローチャートである。 図４０は、評価値算出処理手順の一例を示すフローチャートである。 図４１は、尤度算出処理手順の一例を示すフローチャートである。

以下に、図面を参照して、本発明にかかる情報処理装置、情報処理システム、および情報処理方法の実施の形態を詳細に説明する。

（実施の形態にかかる情報処理方法の一実施例）
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。情報処理装置１００は、計測対象によって歩行が行われた歩行期間を特定するコンピュータである。計測対象は、生体または人工物である。生体は、人間であってもよいし、人間以外の動物であってもよい。生体は、例えば、医療機関による検査対象になる対象者である。生体は、具体的には、医師などの医療関係者による診断や治療、経過観察、または健康管理などを受ける患者である。人工物とは、例えば二足歩行ロボットである。

生体は、具体的には、医師などの医療関係者によるリハビリ指導などを受ける患者であってもよい。また、生体は、具体的には、スポーツインストラクターによる歩行指導を受ける被指導者であってもよい。生体は、例えば、自ら健康管理を行う個人であってもよい。生体は、動物であってもよい。以下の説明では、主として、計測対象を「患者」とする場合について説明する。

本実施の形態では、患者によって歩行運動が行われた場合に患者の部位の動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを評価することにより、歩行期間を特定する精度の向上を図ることができる情報処理方法について説明する。

（１−１）情報処理装置１００は、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得する。患者の複数の部位は、例えば、患者の左脚と右脚との２つの部位である。患者の複数の部位は、具体的には、患者の左脚の下腿と右脚の下腿との２つの部位である。患者の部位の動きに関する計測情報は、例えば、その部位に装着された計測機の角速度センサが計測した角速度を、時系列に並べた時系列データである。時系列データは、例えば、センサデータである。

情報処理装置１００は、例えば、患者の左脚の下腿に装着された計測機から、患者の左脚の下腿の角速度のセンサデータ１０１を受信し、患者の右脚の下腿に装着された計測機から、患者の右脚の下腿の角速度のセンサデータ１０２を受信する。これにより、情報処理装置１００は、センサデータを、患者の歩行期間を特定するために用いることができる。

（１−２）情報処理装置１００は、取得した計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。歩行運動動作の一部は、例えば、歩行運動の１歩である。歩行運動動作の一部は、例えば、歩行運動中の支持脚の静止、歩行運動中の両足が地面についた時の両足微動などであってもよい。

歩行運動動作の一部に対応する特徴は、例えば、歩行運動の１歩に対応する特徴である。歩行運動の１歩に対応する特徴は、例えば、角速度が閾値を超えて極大値になったことである。部位の動作は、患者の左脚または右脚が１歩分前に動く動作である。歩行運動動作の一部に対応する特徴は、例えば、歩行運動中の両足が地面についた時の両足微動に対応する特徴である。両足微動に対応する特徴は、例えば、角速度が閾値以下、かつ、振動が閾値以上であることである。

以下の説明では、１歩分前に動く動作を「ステップ動作」と表記する場合がある。ステップ動作は、脚が地面から離れた時点から、脚がスイングした後、脚が着地した時点までの動作である。脚が地面から離れた時点が、ステップ動作の開始時刻である。脚が着地した時点が、ステップ動作の終了時刻である。動作群は、例えば、ステップ動作群である。

情報処理装置１００は、例えば、対象期間において、患者の左脚の下腿の角速度のセンサデータ１０１において、その角速度が閾値を超えて極大値になったことを検知し、左脚のステップ動作があったことを検知する。情報処理装置１００は、左脚のステップ動作があったことを検知すると、そのステップ動作があった動作点を記憶する。

情報処理装置１００は、例えば、対象期間において、患者の右脚の下腿の角速度のセンサデータ１０２において、その角速度が閾値を超えて極大値になったことを検知し、右脚のステップ動作があったことを検知する。情報処理装置１００は、右脚のステップ動作があったことを検知すると、そのステップ動作があった動作点を記憶する。これにより、情報処理装置１００は、各脚のステップ動作を含むステップ動作群を検知することができ、患者の歩行期間を特定するために用いることができる。

（１−３）情報処理装置１００は、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。複数の関係性は、例えば、左脚のステップ動作と右脚のステップ動作が交互であるという第１の関係性を含む。複数の関係性は、例えば、一方の脚のステップ動作が終了してから、他方の脚のステップ動作が開始するという第２の関係性を含む。

複数の関係性は、例えば、一方の脚のステップ動作の最中は、他方の脚は支持脚になり他方の脚の動作量は所定の微小値より小さいという第３の関係性を含む。動作量は、例えば、角速度である。複数の関係性は、例えば、一方の脚の異なるステップ動作の特徴量が類似するという第４の関係性を含む。複数の関係性の具体例は、図７〜図１６を用いて後述する。これにより、情報処理装置１００は、様々な観点から、患者によって歩行運動が行われた歩行期間としての尤もらしさを評価することができる。

（１−４）情報処理装置１００は、それぞれの関係性について算出した評価値に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定する。情報処理装置１００は、例えば、それぞれの関係性について算出した評価値が、判定基準になる閾値を超えた場合に、対象期間が患者によって歩行運動が行われた歩行期間であると判定する。

これにより、情報処理装置１００は、様々な観点から歩行期間としての尤もらしさを評価するため、歩行期間を精度よく特定しやすくすることができる。情報処理装置１００は、例えば、患者が歩行と類似する非歩行運動、例えば、自転車をこぐ運動を行っていて、第１の関係性が現れた場合でも、第２の関係性や第３の関係性について算出した評価値も用いるため、この運動を行った期間は歩行期間ではないと判定することができ、歩行期間を特定する精度の向上を図ることができる。一方、情報処理装置１００は、例えば、患者が脚を引きずって歩いた場合や、極端に低速で歩いた場合においても、第１〜第１０の関係性の評価値のいずれも高いため、これらの運動を行った期間は歩行期間であると判定することができ、歩行期間を特定する精度の向上を図ることができる。

さらに、情報処理装置１００は、特定した歩行期間における所定の特徴量を算出し、その特徴量を出力することができ、医師などの医療関係者に、患者の歩き方を把握する際に用いられる客観的な指標を与えることができる。情報処理装置１００は、例えば、特定した歩行期間の長さや、その歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などを出力することができる。このため、情報処理装置１００は、医師などの医療関係者が、患者の歩き方を把握しやすくし、患者に対する診断や治療、経過観察、または健康管理などを効率よく行うことができるようにすることができる。

また、情報処理装置１００は、医師などの医療関係者に対し、例えば、病院外も含む患者の日常における歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値なども同様に出力することができる。このため、情報処理装置１００は、医師などの医療関係者が、日常における患者の歩き方を把握したり、日常の患者の運動量を把握しやすくし、患者に対する診断や治療、経過観察、または健康管理などを詳細かつ正確に行うことができるようにすることができる。

ここでは、計測機が、患者の左脚と右脚とに装着される場合について説明したが、これに限らない。例えば、計測機が、患者の片脚と腰とに装着される場合があってもよい。また、例えば、計測機が、患者の左脚と右脚と腰とに装着される場合があってもよい。この場合、情報処理装置１００は、患者の歩行期間を特定するために、各脚のステップ動作に対応する腰の体幹前進動作を検知することができる。腰の体幹前進動作は、ステップ動作の前後で体幹を動かす動作である。この場合、動作群は、腰の体幹前進動作を含んでもよい。また、患者の腕や頭に装着される計測機があってもよい。

ここで、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、患者の歩き方が異なり、具体的には、患者の各脚のステップ動作の周期が異なる場合や、足を地面に引きずったときにセンサデータにノイズ信号が含まれる場合がある。また、患者ごとに、患者の各脚のステップ動作の周期が異なる場合がある。このため、情報処理装置１００は、（１−２）で動作群を検知するに当って、患者の部位の動きに関する計測情報に対して、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用することにより、さらに歩行期間を特定する精度の向上を図ることができる。

例えば、情報処理装置１００は、患者の部位の動きに関する計測情報に対して、それぞれの帯域通過フィルタを適用した場合について、ステップ動作群を検知する。そして、情報処理装置１００は、検知したステップ動作群ごとに、それぞれの関係性が現れた度合いを示す評価値を算出し、対象期間が歩行期間であるか否かを判定する。情報処理装置１００が複数の帯域通過フィルタを用いる具体例は、図６〜図２６を用いて後述する。

また、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、患者の歩き方が異なり、具体的には、患者の各脚のステップ動作の時間長が異なる場合がある。また、患者ごとに、患者の各脚のステップ動作の時間長が異なる場合がある。このため、情報処理装置１００は、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定することにより、さらに歩行期間を特定する精度の向上を図ることができる。

例えば、情報処理装置１００は、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出し、対象期間が歩行期間であるか否かを判定する。情報処理装置１００が複数の時間長上限の候補を用いる具体例は、図６〜図２６を用いて後述する。

また、対象期間は、患者によって歩行運動が行われた歩行期間と、患者によって歩行運動が行われていない非歩行期間とを、両方とも含んでいることが考えられる。このため、情報処理装置１００は、それぞれの関係性について算出した評価値に基づいて、対象期間のいずれの部分期間が、歩行期間であるかを判定するようにしてもよい。情報処理装置１００が対象期間のいずれの部分期間が歩行期間であるかを判定する具体例は、図２７〜図３３を用いて後述する。

（情報処理システム２００の一例）
次に、図２を用いて、図１に示した情報処理装置１００を適用した、情報処理システム２００の一例について説明する。

図２は、情報処理システム２００の一例を示す説明図である。図２において、情報処理システム２００は、情報処理装置１００と、１以上の計測機２０１とを含む。情報処理システム２００において、情報処理装置１００と計測機２０１とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。

情報処理装置１００は、１以上の計測機２０１から、計測対象ｕとなる患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、患者によって歩行運動が行われた歩行期間を特定するコンピュータである。情報処理装置１００は、例えば、サーバ、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ノートＰＣ、タブレット端末、スマートフォン、ウェアラブル端末などである。

計測機２０１は、計測対象ｕとなる患者に装着されるコンピュータである。計測機２０１は、計測情報を生成し、情報処理装置１００に送信する。計測機２０１は、例えば、図４に示すセンサ部を有し、そのセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた時系列データを生成し、計測情報として情報処理装置１００に送信する。計測機２０１は、例えば、センサ装置である。センサ装置は、具体的には、モーションセンサと呼ばれる装置である。計測機２０１は、例えば、スマートフォン、ウェアラブル端末などであってもよい。

ここでは、計測機２０１が、時系列データを作成する場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機２０１から、計測機２０１のセンサ部の計測値と、そのセンサ部の計測値が得られた計測時刻とを対応付けた対応情報を順次受信し、その対応情報をまとめた時系列データを作成する場合があってもよい。ここでは、情報処理装置１００と計測機２０１とが異なる装置である場合について説明したが、これに限らない。例えば、情報処理装置１００が、計測機２０１と一体である場合があってもよい。

ここでは、計測機２０１が、自装置が装着された患者の部位の動きに関する計測情報を生成する場合について説明したが、これに限らない。例えば、計測機２０１が、患者の腰に装着されても、加速度センサの計測値を解析することによって、患者の左脚と右脚との動きに対応する加速度を取得可能であり、患者の左脚と右脚との動きに関する計測情報を生成する場合があってもよい。この場合、情報処理システム２００は、患者ごとに１つの計測機２０１しか用いなくても実現することができる。

情報処理システム２００は、さらに、表示装置を有する場合があってもよい。この場合、情報処理装置１００は、歩行期間を特定した結果、歩行期間に関する所定の特徴量などを、表示装置を介して表示する。表示装置は、例えば、ＰＣ、ノートＰＣ、タブレット端末、スマートフォンなどである。

情報処理システム２００は、例えば、医療機関の医療システムに適用されたり、患者の状態を把握する見守りサービスを実現する場合に適用されたり、ＰＨＲ（Ｐｅｒｓｏｎａｌ Ｈｅａｌｔｈ Ｒｅｃｏｒｄ）向けのサービスを実現する場合に適用されたりする。

（情報処理装置１００のハードウェア構成例）
次に、図３を用いて、図２に示した情報処理システム２００に含まれる情報処理装置１００のハードウェア構成例について説明する。

図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。図３において、情報処理装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、ネットワークＩ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、記録媒体Ｉ／Ｆ３０４と、記録媒体３０５とを有する。また、各構成部は、バス３００によってそれぞれ接続される。

ここで、ＣＰＵ３０１は、情報処理装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。

ネットワークＩ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ３０３は、例えば、モデムやＬＡＮアダプタなどである。

記録媒体Ｉ／Ｆ３０４は、ＣＰＵ３０１の制御にしたがって記録媒体３０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ３０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体３０５は、記録媒体Ｉ／Ｆ３０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体３０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体３０５は、情報処理装置１００から着脱可能であってもよい。

情報処理装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、情報処理装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を有していなくてもよい。

（計測機２０１のハードウェア構成例）
次に、図４を用いて、図２に示した情報処理システム２００に含まれる計測機２０１のハードウェア構成例について説明する。

図４は、計測機２０１のハードウェア構成例を示すブロック図である。図４において、計測機２０１は、ＣＰＵ４０１と、メモリ４０２と、ネットワークＩ／Ｆ４０３と、センサ部４０４と、タイマー部４０５とを有する。また、各構成部は、バス４００によってそれぞれ接続される。

ここで、ＣＰＵ４０１は、計測機２０１の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。

ネットワークＩ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、ネットワークＩ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。ネットワークＩ／Ｆ４０３は、例えば、Ｗｉ−Ｆｉ（登録商標）に対応する通信回路、Ｂｌｕｅｔｏｏｔｈ（登録商標）に対応する通信回路などである。ネットワークＩ／Ｆ４０３は、例えば、３Ｇ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ）に対応する通信回路であってもよい。

センサ部４０４は、計測機２０１の状態を計測する。センサ部４０４は、例えば、計測機２０１の位置、動き、および向きのうち少なくともいずれかを計測する。センサ部４０４は、具体的には、加速度センサ、角速度センサ、地磁気センサ、光センサ、振動センサなどの少なくともいずれかを有する。また、センサ部４０４は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍｓ）受信機を有し、計測機２０１のＧＰＳ座標を検出してもよい。タイマー部４０５は、現在の時刻を計測する。

計測機２０１は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカー、タッチパネルなどを有してもよい。また、計測機２０１は、上述した構成部のほか、記録媒体Ｉ／Ｆや記録媒体を有してもよい。この記録媒体は、計測機２０１から着脱可能であってもよい。

（情報処理装置１００の機能的構成例）
次に、図５を用いて、情報処理装置１００の機能的構成例について説明する。

図５は、情報処理装置１００の機能的構成例を示すブロック図である。情報処理装置１００は、記憶部５００と、取得部５０１と、検知部５０２と、評価部５０３と、判定部５０４と、算出部５０５と、出力部５０６とを含む。

記憶部５００は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域によって実現される。取得部５０１〜出力部５０６は、制御部となる機能である。取得部５０１〜出力部５０６は、具体的には、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、ネットワークＩ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶される。

記憶部５００は、計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を記憶する。計測対象は、例えば、患者である。複数の部位は、例えば、左脚と右脚とである。複数の部位は、腰を含んでもよい。記憶部５００は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けて、時系列に並べたセンサデータを記憶する。

計測値は、例えば、矢状面の角速度、横断面の角速度、冠状面の角速度の少なくともいずれかを含む。計測値は、例えば、上下方向の加速度、左右方向の加速度、前後方向の加速度の少なくともいずれかを含んでもよい。以下の説明では、上下加速度、左右加速度、前後加速度のそれぞれを「上下加速度」、「左右加速度」、「前後加速度」と表記する場合がある。計測値は、例えば、振動の大きさ、位置などを含んでもよい。これにより、記憶部５００は、センサデータを検知部５０２が参照可能にすることができる。なお、矢状面、横断面、冠状面の定義は図１９に、上下方向、左右方向、前後方向の定義は図２０に示す通りである。

記憶部５００は、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを特定する情報を記憶する。記憶部５００は、複数の帯域通過フィルタのそれぞれの帯域通過フィルタが抽出する周波数成分を示す第１パラメータを記憶する。これにより、記憶部５００は、検知部５０２が第１パラメータを参照可能にし、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを利用可能にすることができる。

記憶部５００は、ステップ動作の時間長上限に対する複数の時間長上限の候補のそれぞれの候補を記憶する。記憶部５００は、複数の時間長上限の候補のそれぞれの候補を示す第２のパラメータを記憶する。第２パラメータは、ステップ動作の時間長上限を示す。これにより、記憶部５００は、検知部５０２が第２のパラメータを参照可能にし、ステップ動作の時間長上限に、複数の時間長上限の候補のそれぞれの候補を設定可能にすることができる。

記憶部５００は、複数の関係性のそれぞれの関係性について評価値を算出する算出式のパラメータ群を記憶する。複数の関係性は、それぞれ、患者によって歩行運動が行われた場合に動作間に生じる可能性が大きい関係性である。複数の関係性は、例えば、図７〜図１６に後述する第１の関係性〜第１０の関係性である。複数の関係性は、図７〜図１６に後述する第１の関係性〜第１０の関係性の少なくとも２つであってもよい。これにより、記憶部５００は、評価部５０３が算出式のパラメータ群を参照可能にすることができる。

取得部５０１は、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得する。取得部５０１は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けて、時系列に並べたセンサデータを、計測機２０１から受信し、記憶部５００に記憶する。取得部５０１は、例えば、計測機２０１のセンサ部の計測値と、その計測値が得られた計測時刻とを対応付けた対応情報を計測機２０１から順次受信し、その対応情報をまとめたセンサデータを作成して記憶部５００に記憶してもよい。これにより、取得部５０１は、検知部５０２や評価部５０３などが患者のそれぞれの部位についてのセンサデータを参照可能なようにすることができる。

検知部５０２は、歩行期間であるか否かを判定する対象になる対象期間を設定する。検知部５０２は、所定の期間を、対象期間に設定する。検知部５０２は、利用者の操作入力に基づく期間を、対象期間に設定してもよい。検知部５０２は、取得した計測情報に基づいて、患者が静止状態ではない動作期間を特定し、対象期間に設定してもよい。

検知部５０２は、取得した計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。歩行運動動作の一部は、例えば、歩行運動の１歩である。歩行運動動作の一部は、例えば、歩行運動中の支持脚の静止、歩行運動中の両足が地面についた時の両足微動などであってもよい。歩行運動動作の一部に対応する特徴は、例えば、歩行運動の１歩に対応する特徴である。歩行運動の１歩に対応する特徴は、例えば、各脚の角速度が閾値を超えて極大値になったことである。

歩行運動動作の一部に対応する特徴は、例えば、歩行運動中の両足が地面についた時の両足微動に対応する特徴であってもよい。両足微動に対応する特徴は、例えば、角速度が閾値以下、かつ、振動が閾値以上であることである。動作は、例えば、ステップ動作である。左脚または右脚のステップ動作は、左脚または右脚が１歩分前に動く動作である。検知部５０２は、検知したステップ動作を、そのステップ動作に付与した通し番号と、そのステップ動作があった動作点とを用いて記憶する。

検知部５０２は、左脚についてのセンサデータにおいて、左脚の角速度が閾値を超えて極大値になったことを検知し、左脚の角速度が閾値を超えて極大値になったことを左脚のステップ動作として検知する。検知部５０２は、同様に、右脚のステップ動作を検知する。そして、検知部５０２は、左脚のステップ動作と、右脚のステップ動作とを含むステップ動作群を、動作群として検知する。これにより、検知部５０２は、歩行運動を判定する際に用いられる動作群を、評価部５０３が参照可能なようにすることができる。

検知部５０２は、さらに、腰についてのセンサデータに基づいて、ステップ動作の前後における腰の体幹前進動作を検知してもよい。腰の体幹前進動作は、左脚または右脚が１歩分前に動いたことに応じて体幹を動かす動作であり、ステップ動作の前後で発生する。検知部５０２は、評価値を算出するために腰の体幹前進動作を用いる場合には、ステップ動作群を検知した後、ステップ動作群のそれぞれのステップ動作に対応する腰の体幹前進動作を検知し、ステップ動作群と体幹前進動作群とを含む動作群を検知する。これにより、検知部５０２は、歩行運動を判定する際に用いられる動作群を、評価部５０３が参照可能なようにすることができる。

検知部５０２は、例えば、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。検知部５０２は、例えば、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動の１歩に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知する。検知部５０２は、具体的には、記憶部５００の複数の第１パラメータのそれぞれの第１パラメータを用いて、センサデータに対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。これにより、検知部５０２は、患者ごとに歩き方が異なり、患者ごとに各脚のステップ動作の周期が異なる場合、および、センサデータにノイズ信号が含まれる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。

評価部５０３は、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。評価値は、例えば、関係性が現れたか否かを示す２値の真理値であってもよい。評価値は、具体的には、１であれば、真であることを示し、関係性が現れたことを示す。これにより、評価部５０３は、対象期間の歩行期間らしさを示す指標を取得することができる。

評価部５０３は、検知部５０２が複数の動作群を検知した場合、動作群ごとに、それぞれの関係性が表れた度合いを示す評価値を算出してもよい。これにより、評価部５０３は、患者ごとの歩き方の違いに対応し、対象期間の歩行期間らしさを示す指標を取得することができる。

評価部５０３は、動作群において、それぞれのステップ動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出してもよい。評価部５０３は、例えば、記憶部５００の複数の第２パラメータのそれぞれの第２パラメータを用いて、ステップ動作の時間長上限を、複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出する。これにより、評価部５０３は、患者ごとの歩き方の違いに対応し、対象期間の歩行期間らしさを示す指標を取得することができる。

判定部５０４は、それぞれの関係性について算出した評価値に基づいて、対象期間が歩行期間であるか否かを判定する。判定部５０４は、例えば、それぞれの関係性について算出した評価値が閾値以上である場合に、対象期間が歩行期間であると判定する。これにより、判定部５０４は、歩行期間を特定する精度の向上を図ることができる。

判定部５０４は、例えば、評価値を用いた論理演算の結果に基づいて、対象期間が歩行期間であるか否かを判定してもよい。判定部５０４は、具体的には、評価値が２値の真理値であれば、論理積が１である場合に対象期間が歩行期間であると判定する。これにより、判定部５０４は、判定にかかる処理量の低減化を図ることができる。また、評価値が取り得る値の範囲が極めて限定されるため、判定部５０４は、後述する状態遷移モデルの観測確率パラメータを人手で設定しやすくすることもできる。

判定部５０４は、例えば、それぞれの関係性について算出した評価値に基づいて、対象期間のうち歩行期間の候補期間を特定し、特定した候補期間の長さに応じた歩行期間としての尤度を算出し、尤度に基づいて、候補期間が歩行期間であるか否かを判定してもよい。これにより、判定部５０４は、対象期間に歩行期間と非歩行期間とが含まれる場合であっても、歩行期間を特定する精度の向上を図ることができる。

判定部５０４は、例えば、評価値を用いた論理演算の結果に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定してもよい。これにより、判定部５０４は、判定にかかる処理量の低減化を図ることができる。

算出部５０５は、判定部５０４が歩行期間であると判定した対象期間における所定の特徴量を算出する。所定の特徴量は、歩行期間に関する特徴量や歩行期間における患者の動きに関する特徴量などである。所定の特徴量は、例えば、歩行期間の長さや、歩行期間における患者の歩数、歩幅の平均値、移動速度の平均値などである。

出力部５０６は、算出部５０５が算出した所定の特徴量を出力する。出力部５０６は、歩行期間における、各ステップ動作の開始時刻および終了時刻などの所定の特徴量を出力してもよい。出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、ネットワークＩ／Ｆ３０３による外部装置への送信、または、メモリ３０２や記録媒体３０５などの記憶領域への記憶である。

（情報処理装置１００の動作の流れの一例）
次に、図６〜図１７を用いて、情報処理装置１００の動作の流れの一例について説明する。

図６は、情報処理装置１００の動作の流れの一例を示す説明図である。図６において、情報処理装置１００は、患者の腰の角速度や加速度を時系列に並べたセンサデータ、患者の左脚の角速度や加速度を時系列に並べたセンサデータ、患者の右脚の角速度や加速度を時系列に並べたセンサデータなどを、計測機２０１から受信する。

以下の説明では、加速度を時系列に並べたセンサデータを「加速度データ」と表記し、角速度を時系列に並べたセンサデータを「ジャイロデータ」と表記する場合がある。そして、情報処理装置１００は、受信したセンサデータに基づいて、患者が静止状態ではない動作期間を特定し、歩行期間であるか否かを判定する対象になる対象期間に設定する。

情報処理装置１００は、例えば、センサデータとして、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータを受信する。情報処理装置１００は、例えば、センサデータとして、上下方向の加速度データ、左右方向の加速度データ、前後方向の加速度データを受信する。

次に、情報処理装置１００は、対象期間におけるセンサデータに対して、複数の第１パラメータを用いて、検知器になる複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。第１パラメータは、減衰する周波数帯域と通過する周波数帯域とを特定する。そして、情報処理装置１００は、それぞれの帯域通過フィルタを適用した場合について、患者の腰と左脚と右脚とのステップ動作を含むステップ動作群を検知する。

帯域通過フィルタを適用し、ステップ動作を検知するために用いられるジャイロデータは、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータのいずれか一つであってよい。ステップ動作を検知するために用いなかったジャイロデータも、評価値を算出するために用いられる。

また、帯域通過フィルタを適用し、ステップ動作を検知するために用いられるジャイロデータは、矢状面のジャイロデータ、横断面のジャイロデータ、冠状面のジャイロデータを統合したジャイロデータであってもよい。

次に、情報処理装置１００は、検知したステップ動作群ごとに、第２パラメータを用いて、ステップ動作の時間長上限を設定し、各ステップ動作の開始時刻および終了時刻を特定し、動作間の複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出する。この場合、複数の関係性は、図７〜図１２に後述する第１の関係性〜第６の関係性である。そして、情報処理装置１００は、評価値に基づいて、対象期間が歩行期間であるか否かを判定する。

また、情報処理装置１００は、さらに、検知したステップ動作群ごとに、腰のセンサデータに基づいて、それぞれのステップ動作に対応する体幹前進動作を検知してもよい。そして、情報処理装置１００は、検知したステップ動作群と体幹前進動作群とを含む動作群ごとに、動作間の複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、その評価値に基づいて、対象期間が歩行期間であるか否かを判定する。この場合、複数の関係性は、図７〜図１６に後述する第１の関係性〜第１０の関係性である。

次に、図７〜図１６を用いて、情報処理装置１００が用いる、動作間の第１の関係性〜第１０の関係性の一例について説明する。まず、図７を用いて、動作間の第１の関係性の一例について説明する。

図７は、動作間の第１の関係性の一例を示す説明図である。ここで、患者が歩く際には、左脚のステップ動作と、右脚のステップ動作とは１つずつ交互に発生するという性質がある。図７の例では、左脚のステップ動作７１１〜７１４と、右脚のステップ動作７２１〜７２４とは１つずつ交互に発生している。

そこで、情報処理装置１００は、第１の関係性として、患者の各脚のステップ動作が交互に発生するという「左右交互性」を用いる。情報処理装置１００は、第１の関係性の評価値を算出する算出式として、下記式（１）を用いる。

ここで、ｘ_i ⁽¹⁾は、第１の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｓ_iは、ｉ番目のステップ動作が左脚によるものか、または右脚によるものか、を表す変数である。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１）において［…］の中身の条件は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが異なることを示す。

このため、上記式（１）は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが異なるとｘ_i ⁽¹⁾＝１になる。上記式（１）は、ｉ番目のステップ動作の脚と、そのステップ動作の直後のｉ＋１番目のステップ動作の脚とが同一であるとｘ_i ⁽¹⁾＝０になる。また、情報処理装置１００は、上記式（１）の代わりに、下記式（２）を用いる場合があってもよい。

ここで、ｘ_i ⁽¹⁾は、第１の関係性の評価値である。Ｓ_iは、ｉ番目のステップ動作が左脚によるものか、または右脚によるものか、を表す変数である。次に、図８の説明に移行し、動作間の第２の関係性の一例について説明する。

図８は、動作間の第２の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚が着地してから所定時間内に、患者の他方の脚が地面を離れるという性質がある。図８の例では、左脚のステップ動作８１１が終了して左脚が着地してから、所定時間８０１内に、右脚のステップ動作８２１が開始して右脚が地面を離れている。同様に、右脚のステップ動作８２１が終了して右脚が着地してから、所定時間８０２内に、左脚のステップ動作８１２が開始して左脚が地面を離れている。

そこで、情報処理装置１００は、第２の関係性として、患者の一方の脚のステップ動作が終了してから所定時間内に、患者の他方の脚のステップ動作が開始するという「左右順序性」を用いる。情報処理装置１００は、第２の関係性の評価値を算出する算出式として、下記式（３）を用いる。

ここで、ｘ_i ⁽²⁾は、第２の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（３）において［…］の中身の条件は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻があることを示す。

このため、上記式（３）は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻があるとｘ_i ⁽²⁾＝１になる。上記式（３）は、ｉ番目のステップ動作の終了時刻の後に、そのステップ動作の直後のｉ＋１番目のステップ動作の開始時刻がなければｘ_i ⁽²⁾＝０になる。

図９は、動作間の第３の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚がスイングしている最中は、患者の他方の脚は地面に着いたまま静止状態で患者の体重を支持しているため、その脚の角速度は小さいという性質がある。図９の例では、左脚のステップ動作の最中であり左脚がスイングしている最中は、右脚の角速度９０１は閾値以下である。左脚の角速度９０２や右脚の角速度９０３も同様である。

そこで、情報処理装置１００は、第３の関係性として、患者の一方の脚のステップ動作の最中は、患者の他方の脚のステップ動作の角速度が所定範囲内であるという「左右支持性」を用いる。情報処理装置１００は、第３の関係性の評価値を算出する算出式として、下記式（４）を用いる。

ここで、ｘ_i ⁽³⁾は、第３の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ω_invは、ｉ番目のステップ動作の脚ではなく、ステップ動作していない脚のセンサデータであり、ジャイロデータを表す。ｔは、時刻を表す変数である。α、βは、脚の静止状態を表す角速度の範囲を表す。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（４）において［…］の中身の条件は、ｉ番目のステップ動作の脚ではない脚の角速度の最大値が所定範囲内であり、その脚が静止状態であることを示す。

このため、上記式（４）は、ｉ番目のステップ動作の脚ではない脚の角速度のＴ^(TC)〜Ｔ^(IC)の最大値が所定範囲α〜β内であり、その脚が静止状態であるとｘ_i ⁽³⁾＝１になる。上記式（４）は、ｉ番目のステップ動作の脚ではない脚の角速度のＴ^(TC)〜Ｔ^(IC)の最大値が所定範囲α〜β内ではなく、その脚が静止状態ではないとｘ_i ⁽³⁾＝０になる。

図１０は、動作間の第４の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の一方の脚のステップ動作の角速度は一定である傾向があるという性質がある。図１０の例では、左脚のステップ動作の角速度のピーク振幅１００１〜１００４は一定である。また、ピーク振幅のほか、ピーク時間が一定である場合がある。ピーク時間は、ステップ動作の前後で、角速度が極小値になった時点から、極大値になった時点を挟んで極小値になった時点までの時間である。

そこで、情報処理装置１００は、第４の関係性として、患者の一方の脚の複数のステップ動作の特徴量が類似するという「片側類似性」を用いる。情報処理装置１００は、第４の関係性の評価値を算出する算出式として、下記式（５）と下記式（６）とを用いる。

ここで、ｘ_i ^(4A)は、第４の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｐは、ステップ動作のピーク振幅を表す。ｐの上部にバーを付した記号は、ステップ動作群における、ステップ動作のピーク振幅の平均を表す。ωは、ｉ番目のステップ動作の脚のセンサデータであり、ジャイロデータを表す。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。

このため、上記式（５）は、患者の一方の脚のｉ番目のステップ動作のピーク振幅と、その脚の他のステップ動作のピーク振幅とが類似するとｘ_i ^(4A)は小さい値をとる。上記式（５）は、患者の一方の脚のｉ番目のステップ動作のピーク振幅と、その脚の他のステップ動作のピーク振幅とが類似しないとｘ_i ^(4A)は大きい値をとる。

ここで、ｘ_i ^(4B)は、第４の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｑは、ステップ動作のピーク時間を表す。ｑの上部にバーを付した記号は、ステップ動作群における、ステップ動作のピーク時間の平均値を表す。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。

このため、上記式（６）は、患者の一方の脚のｉ番目のステップ動作のピーク時間と、その脚の他のステップ動作のピーク時間とが類似するとｘ_i ^(4B)は小さい値をとる。上記式（６）は、患者の一方の脚のｉ番目のステップ動作のピーク時間と、その脚の他のステップ動作のピーク時間とが類似しないとｘ_i ^(4B)は大きい値をとる。

また、情報処理装置１００は、ピーク振幅ｐとして、ステップ動作の開始時刻の角速度、または、ステップ動作の終了時刻の角速度を用いてもよい。情報処理装置１００は、ピーク時間ｑとして、ステップ動作の開始時刻から角速度が極大になった時点までの時間、または、ステップ動作の角速度が極大になった時点から終了時刻までの時間を用いてもよい。また、情報処理装置１００は、ピーク時間ｑとして、ステップ動作の終了時刻から次のステップ動作の開始時刻までの時間を用いてもよい。

図１１は、動作間の第５の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の左右の脚のステップ動作の特徴量の比率は一定である傾向があるという性質がある。図１１の例では、左脚のステップ動作の角速度のピーク振幅１１１１〜１１１４と、右脚のステップ動作の角速度のピーク振幅１１２１〜１１２４との比率が一定である。また、ピーク振幅のほかピーク時間の比率が一定である場合がある。

そこで、情報処理装置１００は、第５の関係性として、患者の各脚のステップ動作の特徴量が類似するという「両側類似性」を用いる。情報処理装置１００は、第５の関係性の評価値を算出する算出式として、下記式（７）と下記式（８）とを用いる。

ここで、ｘ_i ^(5A)は、第５の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｐは、ステップ動作のピーク振幅を表す。ｒ_iは、左右の脚の連続するステップ動作のピーク振幅の比率を表す。ｒ_iの上部にバーを付した記号は、ステップ動作群における、左右の脚のステップ動作のピーク振幅の比率の平均値を表す。ｆ_L（ａ，ｂ）は、ａとｂのうち、左脚に関する特徴量、例えば、左脚のピーク振幅を選択する関数である。ｆ_R（ａ，ｂ）は、ａとｂのうち、右脚に関する特徴量、例えば、右脚のピーク振幅を選択する関数である。

このため、上記式（７）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作とのピーク振幅の比率と、左右の脚のステップ動作のピーク振幅の比率の平均値とが類似するとｘ_i ^(5A)は小さい値をとる。上記式（７）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作とのピーク振幅の比率と、左右の脚のステップ動作のピーク振幅の比率の平均値とが類似しないとｘ_i ^(5A)は大きい値をとる。

ここで、ｘ_i ^(5B)は、第５の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｑは、ステップ動作のピーク時間を表す。ｓ_iは、左右の脚のステップ動作のピーク時間の比率を表す。ｒ_iの上部にバーを付した記号は、ステップ動作群における、左右の脚のステップ動作のピーク時間の比率の平均値を表す。ｆ_L（ａ，ｂ）は、ａとｂのうち、左脚に関する特徴量、例えば、左脚のピーク時間を選択する関数である。ｆ_R（ａ，ｂ）は、ａとｂのうち、右脚に関する特徴量、例えば、右脚のピーク時間を選択する関数である。

このため、上記式（８）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作との長さの比率と、左右の脚のステップ動作のピーク時間の比率の平均値とが類似するとｘ_i ^(5B)は小さい値をとる。上記式（８）は、左右の脚のステップ動作であるｉ番目のステップ動作とｉ＋１番目のステップ動作との長さの比率と、左右の脚のステップ動作のピーク時間の比率の平均値とが類似しないとｘ_i ^(5B)は大きい値をとる。

図１２は、動作間の第６の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の左脚のステップ動作の回転方向と、患者の右脚のステップ動作の回転方向とが一致するという性質がある。図１２の例では、各脚の横断面のジャイロデータを示す。また、図中の左右方向への回転角とは、横断面の角速度を時間方向に積分することで算出された値である。図１２の例では、右脚における左右方向への回転角１２０１は右回転を示し、同様に、左脚における左右方向への回転角１２０２は右回転を示しており、回転方向が一致する。

そこで、情報処理装置１００は、第６の関係性として、患者の各脚のステップ動作の回転方向が同一であるという「左右回転性」を用いる。情報処理装置１００は、第６の関係性の評価値を算出する算出式として、下記式（９）を用いる。

ここで、ｘ_i ⁽⁶⁾は、第６の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。Ｒ_iは、ｉ番目のステップ動作の回転量を表す。回転量は、例えば、角速度の積分値である。ｓｇｎ（…）は符号関数であり、（…）の中身が０以上なら「１」、（…）の中身が０以下なら「−１」を返す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（９）において［…］の中身の条件は、ｉ番目のステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ−１番目のステップ動作の回転方向と同一であることを示す。

このため、上記式（９）は、ｉ番目のステップ動作の回転量が閾値を超え、かつ、そのステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ−１番目のステップ動作の回転方向と同一であるとｘ_i ⁽⁶⁾＝１になる。上記式（９）は、ｉ番目のステップ動作の回転方向が、直後のｉ＋１番目のステップ動作または直前のｉ−１番目のステップ動作の回転方向と同一ではないとｘ_i ⁽⁶⁾＝０になる。

図１３は、動作間の第７の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚が着地する前後に、患者の腰にも大きな上下加速度が生じるという性質がある。図１３の例では、右脚のステップ動作１３０１，１３０２の直後に、体幹前進動作として腰の上下動作１３１１，１３１３が生じている。

このほか、患者の各脚が地面を離れる前後に、患者の腰にも大きな上下加速度が生じるという性質がある。図１３の例では、右脚のステップ動作１３０２の直前に、体幹前進動作として腰の上下動作１３１２が生じている。

そこで、情報処理装置１００は、第７の関係性として、患者の各脚のステップ動作が終了する前後の所定時間の範囲に、患者の体幹の上下方向のステップ動作が発生するという「上下交互性」を用いる。情報処理装置１００は、第７の関係性の評価値を算出する算出式として、下記式（１０）を用いる。

ここで、ｘ_i ⁽⁷⁾は、第７の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ａｃｃ_zは、患者の腰の上下加速度データを表す。γは、閾値である。Ｔ^(IC)は、ステップ動作の終了時刻を表す。τは、終了時刻の前後所定範囲を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１０）において［…］の中身の条件は、ｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上であることを示す。

このため、上記式（１０）は、患者の脚のｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上であるとｘ_i ⁽⁷⁾＝１になる。上記式（１０）は、患者の脚のｉ番目のステップ動作の終了時刻の付近で、その患者の腰の上下加速度の変化が閾値以上ではないとｘ_i ⁽⁷⁾＝０になる。

図１４は、動作間の第８の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚が進んだ場合、同様に患者の腰も進むという性質がある。図１４の例では、右脚のステップ動作１４０１，１４０２の直後、体幹前進動作として腰の前後動作１４１１，１４１２が発生し、腰の前後加速度の積分値が閾値以上になっている。

そこで、情報処理装置１００は、第８の関係性として、患者の各脚のステップ動作の最中は、患者の体幹の前進方向のステップ動作が発生するという「上下並進性」を用いる。情報処理装置１００は、第８の関係性の評価値を算出する算出式として、下記式（１１）を用いる。

ここで、ｘ_i ⁽⁸⁾は、第８の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ａｃｃ_Xは、患者の腰の前後加速度データを表す。ＴｓとＴｅとは、腰が前に進んでいる期間を決定する時間パラメータである。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１１）において［…］の中身の条件は、患者の両脚のステップ動作のうちｉ番目のステップ動作の終了時刻のＴｓ前〜Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きいことを示す。

このため、上記式（１１）は、ｉ番目のステップ動作の終了時刻のＴｓ前〜Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きいとｘ_i ⁽⁸⁾＝１になる。上記式（１１）は、ｉ番目のステップ動作の終了時刻のＴｓ前〜Ｔｅ後までの範囲で、患者の腰の前後加速度の積分値が閾値より大きくないとｘ_i ⁽⁸⁾＝０になる。

図１５は、動作間の第９の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の各脚の回転方向と、患者の腰の回転方向とは一致するという性質がある。図１５の例では、右脚と腰との横断面のジャイロデータを示す。図１５の例では、右脚のステップ動作１５０１における回転方向と、腰の体幹前進動作１５１１における回転方向とが一致する。

そこで、情報処理装置１００は、第９の関係性として、患者の各脚のステップ動作の回転方向と、患者の各脚のステップ動作が終了した後の患者の体幹のステップ動作の回転方向が同一であるという「上下回転性」を用いる。情報処理装置１００は、第９の関係性の評価値を算出する算出式として、下記式（１２）を用いる。

ここで、ｘ_i ⁽⁹⁾は、第９の関係性の評価値である。Ｒ_i ^legは、右脚または左脚の回転量を表す。Ｒ_i ^waistは、腰の回転量を表す。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ω_Y ^waistは、腰の横断面のジャイロデータを表す。ω_Y ^legは、右脚または左脚の横断面のジャイロデータを表す。Ｔ^(TC)、Ｔ^(IC)は、それぞれ、ステップ動作の開始時刻と終了時刻を表す。ＴｓとＴｅは、上半身が前進するタイミングを決定する時間パラメータである。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１２）において［…］の中身の条件は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致することを示す。

このため、上記式（１２）は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致するとｘ_i ⁽⁹⁾＝１になる。上記式（１２）は、ｉ番目のステップ動作の腰の回転方向と足の回転方向が一致しないとｘ_i ⁽⁹⁾＝０になる。

図１６は、動作間の第１０の関係性の一例を示す説明図である。ここで、患者が歩く際には、患者の脚の移動量と、患者の腰の移動量とが類似するという性質がある。図１６の例では、右脚のステップ動作１６０１，１６０２の移動量と、腰の体幹前進動作１６１１，１６１２の移動量とが類似する。

そこで、情報処理装置１００は、第１０の関係性として、患者の各脚のステップ動作が示す移動量と、患者の体幹のステップ動作が示す移動量とが類似するという「上下移動性」を用いる。情報処理装置１００は、第１０の関係性の評価値を算出する算出式として、下記式（１３）を用いる。

ここで、ｘ_i ⁽¹⁰⁾は、第１０の関係性の評価値である。ｉは、ステップ動作群のうち、患者の両脚のステップ動作に対して出現順に割り当てられた番号であり、自然数である。ｖは、ステップ動作における足の移動量を表す。ｕは、体幹前進動作における腰の移動量を表す。η_minとη_maxとは、患者の脚の移動量と患者の腰の移動量の比率の範囲を表す定数である。Ｉ［…］は、指示関数であり、［…］の中身の条件が真であると１を返し、偽であると０を返す。上記式（１３）において［…］の中身の条件は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲内であることを示す。

このため、上記式（１３）は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲内であるとｘ_i ⁽¹⁰⁾＝１になる。上記式（１３）は、ｉ番目のステップ動作の患者の脚の移動量と、患者の腰の移動量との比率が、閾値範囲外であるとｘ_i ⁽¹⁰⁾＝０になる。

図１７は、情報処理装置１００が歩行期間であるか否かを判定する一例を示す説明図である。図１７において、情報処理装置１００は、ステップ動作群ごとに、上記式（１）〜上記式（１３）などを用いて算出した第１の関係性〜第１０の関係性の平均値などを、第１の関係性〜第１０の関係性の確信度として算出する。情報処理装置１００は、算出した確信度を乗算し、対象期間の歩行期間らしさを示す総評価値を算出する。情報処理装置１００は、確信度や総評価値を、結果管理テーブル１７００を用いて記憶する。

次に、情報処理装置１００は、それぞれのステップ動作群について算出した総評価値のうち最大値を特定する。そして、情報処理装置１００は、特定した最大値が閾値以上であるか否かを判定する。ここで、情報処理装置１００は、最大値が閾値以上であれば、対象期間を歩行期間であると判定する。一方で、情報処理装置１００は、最大値が閾値未満であれば、対象期間を歩行期間ではないと判定する。情報処理装置１００は、判定した結果を、結果管理テーブル１７００を用いて記憶する。

情報処理装置１００は、対象期間を歩行期間であると判定した場合、最大値が算出されたステップ動作群を、最も患者の歩き方を反映しているステップ動作群として用いてもよい。そして、情報処理装置１００は、最も患者の歩き方を反映しているステップ動作群を用いて、対象期間における所定の特徴量を算出して出力する。

（情報処理装置１００が歩行期間を特定する第１の具体例）
次に、図１８〜図２６を用いて、情報処理装置１００が歩行期間を特定する第１の具体例について説明する。

図１８〜図２６は、情報処理装置１００が歩行期間を特定する第１の具体例を示す説明図である。図１８において、患者は、右脚と左脚と腰とに計測機２０１を装着する。計測機２０１は、患者の装着した部位において角速度や加速度を計測し、計測値と計測時刻とを対応付けてセンサデータ１８０１，１８０２などを生成する。情報処理装置１００は、計測機２０１が生成したセンサデータ１８０１，１８０２などを受信する。次に、図１９および図２０の説明に移行し、計測機２０１が計測する内容について説明する。

図１９に示すように、計測機２０１は、角速度を計測する場合、例えば、矢状面における角速度、横断面における角速度、冠状面における角速度を計測する。これにより、計測機２０１は、例えば、センサデータとして、矢状面における角速度を時系列に並べたジャイロデータ、横断面における角速度を時系列に並べたジャイロデータ、冠状面における角速度を時系列に並べたジャイロデータを生成する。

図２０に示すように、計測機２０１は、加速度を計測する場合、例えば、上下加速度、左右加速度、前後加速度を計測する。これにより、計測機２０１は、例えば、センサデータとして、上下加速度を時系列に並べた加速度データ、左右加速度を時系列に並べた加速度データ、前後加速度を時系列に並べた加速度データを生成する。次に、図２１の説明に移行する。

図２１において、情報処理装置１００は、受信したジャイロデータや加速度データを用いて、歩行期間であるか否かを判定する対象になる対象期間として、患者が静止状態ではない非静止期間を特定する。

情報処理装置１００は対象期間の特定に当って、例えば、左脚のジャイロデータと右脚のジャイロデータとに対して、それぞれ同じ時点から窓幅Ｗをもつ窓をずらし幅（Ｗ／２）でずらしていく。窓は、所定の長さの期間を示す。情報処理装置１００は、窓をずらすごとに、左脚のジャイロデータと右脚のジャイロデータとのうち、その窓に対応するセグメントデータを特定する。

情報処理装置１００は対象期間の特定に当って、窓をずらすごとに、その窓に対応するセグメントデータにおいて、角速度の平均値Ｍｇと分散Ｖｇとが、それぞれ所定値ＴＨ＿ＭｇとＴＨ＿Ｖｇとを超えるか否かを判定する。情報処理装置１００は、ある窓に対応するセグメントデータについて超えると判定した場合に、その窓が示す期間を、患者が静止状態ではない非静止期間として特定する。

情報処理装置１００は対象期間の特定に当って、特定した非静止期間のうち、連続する２以上の非静止期間があれば、その２以上の非静止期間を統合して、１つの非静止期間として特定する。情報処理装置１００は、特定した非静止期間を、対象期間として設定する。次に、図２２Ａおよび図２２Ｂの説明に移行する。

図２２Ａにおいて、情報処理装置１００は、対象期間におけるセンサデータに対して、Ｎ個の第１パラメータを用いて、複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用する。第１パラメータは、帯域通過フィルタが通過させる周波数帯域を定義し、例えば、どんな周波数成分を減衰するかを示すカットオフ周波数によって表現される。これにより、情報処理装置１００は、患者ごとに歩き方が異なり、患者ごとに各脚のステップ動作の周期が異なる場合、および、センサデータにノイズ信号が含まれる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。

次に、情報処理装置１００は、それぞれの帯域通過フィルタを適用した場合について、患者の各脚のステップ動作を含むステップ動作群を検知する。情報処理装置１００は、例えば、それぞれの帯域通過フィルタを適用した場合について、左脚の角速度が閾値を超えて極大値になったことを検知し、左脚のステップ動作を検知する。また、情報処理装置１００は、例えば、それぞれの帯域通過フィルタを適用した場合について、右脚の角速度が閾値を超えて極大値になったことを検知し、右脚のステップ動作を検知する。次に、図２２Ｂの説明に移行し、情報処理装置１００がステップ動作を検知しやすいようにする一例について説明する。

図２２Ｂにおいて、情報処理装置１００は、第３パラメータとして、極大値を検知する際に用いる閾値に設定可能な、複数の閾値を用意している。情報処理装置１００は、センサデータまたはセンサデータに帯域フィルタを適用した結果に対して、極大値を検知するにあたって、複数の閾値のぞれぞれの閾値を適用することにより、複数のステップ動作群を検知してもよい。これにより、情報処理装置１００は、患者ごとに歩き方が異なり、患者ごとにステップ動作のスイングの速さが異なる場合に対応し、各脚のステップ動作を検知しやすいようにすることができる。

情報処理装置１００は、各脚のステップ動作の動作点として、各脚の角速度が極大値になった時点を記憶し、各脚のステップ動作を動作点によって記憶しておく。情報処理装置１００は、検知した各脚のステップ動作を含むステップ動作群を検知する。また、情報処理装置１００は、各脚のステップ動作に対応する腰の体幹前進動作を検知しておいてもよい。次に、図２３の説明に移行する。

図２３において、情報処理装置１００は、検知したステップ動作群ごとに、Ｍ個の第２パラメータを用いて、ステップ動作の時間長上限を設定し、複数の関係性の評価値を算出するために用いられる、ステップ動作の開始時刻と終了時刻とを特定する。この開始時刻は、例えば、踵または爪先または足裏が地面から離れたタイミングであり、終了時刻は、例えば、踵または爪先または足裏が地面に着地したタイミングである。第２パラメータは、ステップ動作の時間長上限を示し、動作点よりマージンタイム分前の時点から、動作点よりマージンタイム分後の時点までの長さを示す。

情報処理装置１００は、例えば、ステップ動作の動作点から、第２パラメータ分前までの間で、角速度が最小値になった時点を、開始時刻として特定する。情報処理装置１００は、例えば、ステップ動作の動作点から、第２パラメータ分後までの間で、角速度が最小値になった時点を、終了時刻として特定する。次に、図２４の説明に移行する。

図２４において、情報処理装置１００は、ステップ動作の検知においてＮ個の帯域通過フィルタを用い、ステップ動作の開始時刻と終了時刻の特定においてＭ個のステップ動作の時間長上限を用いることにより、Ｎ×Ｍ個のステップ動作群を検知している。情報処理装置１００は、それぞれのステップ動作群について、そのステップ動作群に含まれる各脚のステップ動作について、出現順に動作番号を割り当てる。

そして、情報処理装置１００は、各脚のステップ動作について、動作番号と、動作点と、開始時刻と、終了時刻と、どちらの脚のステップ動作かを対応付けて、脚動作管理テーブル２４００を用いて記憶する。情報処理装置１００は、各脚のステップ動作に対応する腰の体幹前進動作について、体幹前進動作管理テーブルを用いて記憶してもよい。次に、図２５の説明に移行する。

図２５において、情報処理装置１００は、ステップ動作群に基づいて、ステップ動作ごとに、第１の関係性〜第１０の関係性の評価値を算出する。情報処理装置１００は、ステップ動作ごとに算出した第１の関係性〜第１０の関係性の評価値を、そのステップ動作の動作番号に対応付けて、評価値管理テーブル２５００を用いて記憶する。次に、図２６の説明に移行する。

図２６において、情報処理装置１００は、第１の関係性〜第１０の関係性の評価値を、統一した基準で算出し直す。例えば、第２の関係性の評価値は、２値であり、１であれば歩行運動らしく、０であれば歩行運動らしくないことを示す。一方で、第３の関係性の評価値は、連続値であり、０に近いほど歩行運動らしく、値が大きいほど歩行運動らしくないことを示す。

このため、情報処理装置１００は、第３の関係性の評価値を、２値であり、１であれば歩行運動らしく、０であれば歩行運動らしくないことを示す評価値に変換する。情報処理装置１００は、例えば、第３の関係性の評価値が閾値未満であれば評価値を１に変換し、閾値以上であれば評価値を０に変換する。

そして、情報処理装置１００は、第１の関係性〜第１０の関係性の評価値を足し合わせ、総評価値を算出する。情報処理装置１００は、算出した総評価値が閾値以上であれば、対象期間が歩行期間であると判定する。これにより、情報処理装置１００は、歩行期間を特定する精度の向上を図ることができる。

（情報処理装置１００が歩行期間を特定する第２の具体例）
次に、図２７〜図３３を用いて、情報処理装置１００が歩行期間を特定する第２の具体例について説明する。

図２７〜図３３は、情報処理装置１００が歩行期間を特定する第２の具体例を示す説明図である。ここで、対象期間は、患者によって歩行運動が行われた歩行期間と、患者によって歩行運動が行われていない非歩行期間とを、両方とも含んでいることが考えられる。このため、情報処理装置１００は、第１の関係性〜第１０の関係性について算出した評価値に基づいて、対象期間のいずれの部分期間が、歩行期間であるかを判定する。

図２７に示すように、情報処理装置１００は、歩行期間と非歩行期間を区別するために、それぞれのステップ動作の状態を「歩行」または「非歩行」とラベリングする隠れマルコフモデル（ＨＭＭ：Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）を適用する。

ＨＭＭは、観測される特徴量が、隠れ状態の状態固有の確率分布に基づいて生成されること、および、前の隠れ状態と、次に遷移する隠れ状態との間に依存関係があることを仮定した状態遷移モデルである。隠れ状態は、直接観測しない状態であり、例えば、ステップ動作の状態であり、歩行状態または非歩行状態である。

情報処理装置１００は、例えば、第１の関係性〜第１０の関係性について算出した評価値に基づいて、それぞれのステップ動作の状態を「歩行」または「非歩行」とラベリングする。そして、情報処理装置１００は、対象期間のうち、「歩行」とラベリングされたステップ動作に対応する部分期間に対して、ＨＭＭの尤度を算出し、歩行期間としての尤度とする。

図２７の例では、ステップ動作の隠れ状態として、単純に「歩行」と「非歩行」との状態だけでなく、歩行のダイナミクスをより正確に捉えるため、歩行状態を「初期歩行状態」、「中間歩行状態」、「末期歩行状態」の３つに細分化した状態が仮定されている。さらに、患者の歩き方が左脚と右脚で異なる場合に対応して、これら３つの状態を、右脚と左脚で区別し、さらに歩行状態が細分化される。なお、中間歩行状態は、複数あってもよい。

これにより、情報処理装置１００は、「歩行中」の歩行状態に比べて半歩しか進まない傾向がある「初期歩行状態（例えば、１歩目）」と「末期歩行状態（例えば、最終歩）」との歩行状態を区別することが可能になり、したがって「歩行」と「非歩行」の境界を正確に検出することが可能になる。また、情報処理装置１００は、患者が片足を怪我している場合などに対応するように、左脚と右脚との歩行状態を区別するようにする。次に、図２８の説明に移行する。

図２８において、情報処理装置１００は、第１の関係性〜第１０の関係性について算出した評価値系列Ｘに対して、上記７つの状態の中から尤もらしい状態を割り当てる。情報処理装置１００は、例えば、下記式（１４）で表現される、評価値系列Ｘと動作状態系列Ｙとについての同時確率ｐ（Ｘ，Ｙ）が最大になるように、Ｖｉｔｅｒｂｉアルゴリズムを用いて、動作状態系列Ｙを求める。

ここで、ｐ（ｘ_i｜ｙ_i）は、観測確率を表す。観測確率は、例えば、図３０を用いて後述する。ｐ（ｙ_i｜ｙ_i-1）は、状態遷移確率を表す。状態遷移確率は、例えば、図２９を用いて後述する。次に、図２９の説明に移行する。

図２９に示すように、状態遷移確率は、表２９００によって表現される。ここで、状態は、右脚の歩行状態と左脚の歩行状態とに、交互に遷移する性質がある。このため、状態遷移確率ｐ（ｙ_i｜ｙ_i-1）について、歩行状態を細分化した、左脚に関する歩行状態と右脚に関する歩行状態とは、交互に発生するように状態遷移確率が設定される。例えば、前の状態がＳ３であれば、次に遷移する状態はＳ４またはＳ６のいずれかになるように、状態遷移確率が設定される。

また、歩行開始時の１歩目の状態Ｓ１の後は歩行中の状態Ｓ４に遷移し、歩行開始時の１歩目の状態Ｓ２の後は歩行中の状態Ｓ３に遷移するように、状態遷移確率が設定される。また、最終歩の状態Ｓ５において歩行終了した後は非歩行の状態Ｓ７に遷移し、最終歩の状態Ｓ６において歩行終了した後は非歩行の状態Ｓ７に遷移するように、状態遷移確率が設定される。次に、図３０の説明に移行する。

図３０に示すように、観測確率は、表３０００，３０１０によって表現される。観測確率ｐ（ｘ_i｜ｙ_i）については、歩行状態と非歩行状態とのそれぞれの状態において、それぞれの評価値がとる値が特定可能であるため、ヒューリスティックに確率分布が設定される。確率分布の形状は、無相関な多次元正規分布を用いて、正規分布の平均パラメータと分散パラメータを表３０００，３０１０のように設定して、決定される。

例えば、歩行状態Ｓ１，Ｓ２，Ｓ３，Ｓ４，Ｓ５，Ｓ６においては、評価値ｘ⁽²⁾、評価値ｘ⁽³⁾の平均パラメータが１、評価値ｘ^(4A)、評価値ｘ^(4B)の平均パラメータが０と設定される。一方で、非歩行状態ｓ７においては、評価値ｘ⁽²⁾、評価値ｘ⁽³⁾の平均パラメータが０、評価値ｘ^(4A)、評価値ｘ^(4B)の平均パラメータが１と設定される。

また、右脚のステップ動作に対応する歩行状態Ｓ１、Ｓ３、Ｓ５では、評価値ｘ⁽¹⁾の平均パラメータが１、左脚のステップ動作に対応する歩行状態Ｓ２、Ｓ４、Ｓ６では、評価値ｘ⁽¹⁾の平均パラメータが０と設定される。歩行開始時の１歩目に対応する状態Ｓ１、Ｓ２および歩行終了時の最終歩に対応する状態Ｓ５、Ｓ６では、角速度が小さくなりやすいため、歩行中の状態Ｓ３、Ｓ４と比べて、各分散パラメータが大きく設定される。次に、図３１の説明に移行する。

図３１において、情報処理装置１００は、状態観測確率と観測確率を用いて、Ｖｉｔｅｒｂｉアルゴリズムを適用することにより動作状態系列を特定する。情報処理装置１００は、例えば、動作状態系列を特定し、動作番号にさらに動作状態を対応付けて、評価値管理テーブル３１００を用いて記憶する。

情報処理装置１００は、１歩目の歩行状態から最終歩の歩行状態までの期間を特定する。情報処理装置１００は、特定した期間が、所定の歩数より多い歩数に対応する期間であれば、特定した期間を、歩行期間の候補期間として特定する。所定の歩数は、例えば、４歩である。

図３１の例では、情報処理装置１００は、動作番号１が開始時刻であり、動作番号１０が終了時刻である期間を特定する。情報処理装置１００は、特定した期間の歩数は１０歩であるため、特定した期間を歩行期間の候補期間と特定する。情報処理装置１００は、特定した候補期間における評価値を、評価値系列Ｘ^*に設定する。

そして、情報処理装置１００は、下記式（１５）を用いて、特定した候補期間について算出された同時確率ｐ（Ｘ^*、Ｙ^*）の尤度を、歩行期間としての尤度として算出する。

ここで、式（１５）によると、候補期間における歩数が少なく、ステップ動作の数が少ないほど、確率値が大きくなるため、尤度が大きくなってしまう傾向がある。このため、情報処理装置１００は、さらに、下記式（１６）を用いて、上記式（１５）の対数値を候補期間の歩数Ｋで平均化した指標値を、尤度として算出してもよい。次に、図３２の説明に移行する。

図３２において、情報処理装置１００は、それぞれのステップ動作群について尤度を算出しているとする。情報処理装置１００は、算出した尤度を、尤度管理テーブル３２００を用いて記憶する。情報処理装置１００は、尤度の最大値が閾値を超えているか否かを判定する。

情報処理装置１００は、尤度が閾値を超えて最大値になったステップ動作群を、患者の歩行期間に対応するステップ動作群として尤もらしいステップ動作群として選択する。そして、情報処理装置１００は、例えば、患者の歩行期間の開始時刻と終了時刻とを特定する。次に、図３３の説明に移行する。

図３３において、情報処理装置１００は、それぞれの対象期間について、同様に、歩行期間であるか否かを判定し、歩行期間の開始時刻と終了時刻とを特定したとする。情報処理装置１００は、判定した結果および特定した歩行期間の開始時刻と終了時刻とを、結果管理テーブル３３００を用いて記憶する。

（情報処理装置１００が所定の特徴量を出力する一例）
次に、図３４を用いて、情報処理装置１００が所定の特徴量を出力する一例について説明する。

図３４は、情報処理装置１００が所定の特徴量を出力する一例を示す説明図である。図３４において、情報処理装置１００は、特定した歩行期間、および、特定した歩行期間におけるステップ動作の開始時刻と終了時刻とを用いて、それぞれの歩行期間における所定の特徴量を算出する。所定の特徴量は、例えば、患者の歩幅、移動速度、移動時間、歩行のケーデンス、各脚の着地時の衝撃、各脚の接地時間などである。また、所定の特徴量は、歩行期間における、各ステップ動作の開始時刻および終了時刻であってもよい。情報処理装置１００は、例えば、算出した特徴量をさらに対応付けて結果管理テーブル３４００や脚動作管理テーブル２４００を用いて記憶する。

（複数の帯域通過フィルタを適用する動作の別の例）
次に、図３５および図３６を用いて、複数の帯域通過フィルタを適用する動作の別の例について説明する。

図３５および図３６は、複数の帯域通過フィルタを適用する動作の別の例を示す説明図である。図３５および図３６に示すように、情報処理装置１００は、複数の帯域通過フィルタを適用する際に、予め複数の第１パラメータを用意しておかなくてもよい。

図３５において、情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果が単ピーク性を有するように、カットオフ周波数を設定する。単ピーク性は、一方の脚の角速度が極大値になった後、他方の脚の角速度が極大値になる前に、一方の脚の角速度が再び極大値になることがない性質である。単ピーク性は、例えば、一方の脚のステップ動作の後、同じ脚のステップ動作が所定時間以内に２つ以上発生しない性質である。情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、単ピーク性が現れなければ、その帯域通過フィルタよりも周波数帯域が広い帯域通過フィルタを適用する。次に、図３６の説明に移行する。

図３６において、情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、極大値が閾値以上になるように、カットオフ周波数を設定する。情報処理装置１００は、例えば、ある帯域通過フィルタを適用した結果、極大値が閾値以上にならなければ、その帯域通過フィルタよりも周波数帯域が広い帯域通過フィルタを適用する。

これにより、情報処理装置１００は、センサデータに複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した結果のいずれかを、対象期間が歩行期間であるか否かを判定するために用いなくてもよい。このため、情報処理装置１００は、対象期間が歩行期間であるか否かを判定する処理量の増大化を抑制することができる。

（ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例）
次に、図３７を用いて、ステップ動作の時間長に複数の時間長上限の候補を設定する動作の別の例について説明する。

図３７は、ステップ動作の時間長上限に複数の時間長上限の候補を設定する動作の別の例を示す説明図である。図３７に示すように、情報処理装置１００は、予め複数の第２パラメータを用意しておかなくてもよい。情報処理装置１００は、例えば、ステップ動作の時間長上限の候補となる第２パラメータを、適用した帯域通過フィルタの周波数帯域に応じて設定する。情報処理装置１００は、例えば、周波数帯域が狭いほど第２パラメータを大きくし、周波数帯域が広いほど第２パラメータを小さくする。情報処理装置１００は、例えば、関数３７００によって、周波数帯域が広いほど第２パラメータを小さく設定する。

これにより、情報処理装置１００は、ステップ動作の時間長上限に複数の時間長上限の候補を設定しなくてよく、ステップ動作の時間長上限に比較的好ましい候補を設定することができる。このため、情報処理装置１００は、対象期間が歩行期間であるか否かを判定する処理量の増大化を抑制することができる。

（全体処理手順の一例）
次に、図３８を用いて、情報処理装置１００が実行する全体処理手順の一例について説明する。

図３８は、全体処理手順の一例を示すフローチャートである。図３８において、まず、情報処理装置１００は、一定期間のセンサデータを計測機２０１から受信する（ステップＳ３８０１）。次に、情報処理装置１００は、センサデータに基づいて、一定期間のうち対象期間を抽出する（ステップＳ３８０２）。

そして、情報処理装置１００は、いずれかの対象期間を選択する（ステップＳ３８０３）。次に、情報処理装置１００は、選択した対象期間について、図３９に後述する歩行期間判定処理を実行する（ステップＳ３８０４）。そして、情報処理装置１００は、歩行特徴量を抽出する（ステップＳ３８０５）。

次に、情報処理装置１００は、抽出した対象期間をすべて選択したか否かを判定する（ステップＳ３８０６）。ここで、選択していない場合（ステップＳ３８０６：Ｎｏ）、情報処理装置１００は、ステップＳ３８０３の処理に戻る。

一方で、選択している場合（ステップＳ３８０６：Ｙｅｓ）、情報処理装置１００は、歩行期間および歩行特徴量を出力する（ステップＳ３８０７）。そして、情報処理装置１００は、全体処理を終了する。

（歩行期間特定手順の一例）
次に、図３９を用いて、情報処理装置１００が実行する歩行期間特定手順の一例について説明する。

図３９は、歩行期間特定手順の一例を示すフローチャートである。図３９において、まず、情報処理装置１００は、複数の第１パラメータと、複数の第２パラメータとに基づいて、第１パラメータと第２パラメータの組み合わせを選択する（ステップＳ３９０１）。

次に、情報処理装置１００は、選択した第１パラメータを用いて、センサデータに対して帯域通過フィルタを適用し、ステップ動作群を検知する（ステップＳ３９０２）。そして、情報処理装置１００は、選択した第２パラメータを用いて、ステップ動作群を構成する各ステップ動作の開始時刻および終了時刻を特定する（ステップＳ３９０３）。

次に、情報処理装置１００は、図４０に後述する評価値算出処理を実行する（ステップＳ３９０４）。そして、情報処理装置１００は、図４１に後述する尤度算出処理を実行する（ステップＳ３９０５）。次に、情報処理装置１００は、第１パラメータと第２パラメータの組み合わせをすべて選択したか否かを判定する（ステップＳ３９０６）。ここで、選択していない場合（ステップＳ３９０６：Ｎｏ）、情報処理装置１００は、ステップＳ３９０１の処理に戻る。

一方で、選択している場合（ステップＳ３９０６：Ｙｅｓ）、情報処理装置１００は、歩行期間を特定し、歩行期間における所定の特徴量を算出し、歩行期間における所定の特徴量を出力する（ステップＳ３９０７）。そして、情報処理装置１００は、歩行期間特定処理を終了する。

（評価値算出処理手順の一例）
次に、図４０を用いて、情報処理装置１００が実行する評価値算出処理手順の一例について説明する。

図４０は、評価値算出処理手順の一例を示すフローチャートである。図４０において、まず、情報処理装置１００は、いずれかのステップ動作を選択する（ステップＳ４００１）。

次に、情報処理装置１００は、第１の関係性について評価値を算出する（ステップＳ４００２）。また、情報処理装置１００は、第２の関係性について評価値を算出する（ステップＳ４００３）。また、情報処理装置１００は、第３の関係性について評価値を算出する（ステップＳ４００４）。また、情報処理装置１００は、第４の関係性について評価値を算出する（ステップＳ４００５）。また、情報処理装置１００は、第５の関係性について評価値を算出する（ステップＳ４００６）。また、情報処理装置１００は、第６の関係性について評価値を算出する（ステップＳ４００７）。

そして、情報処理装置１００は、腰に関するセンサデータがあるか否かを判定する（ステップＳ４００８）。ここで、センサデータがない場合（ステップＳ４００８：Ｎｏ）、情報処理装置１００は、ステップＳ４０１３の処理に移行する。

一方で、センサデータがある場合（ステップＳ４００８：Ｙｅｓ）、情報処理装置１００は、第７の関係性について評価値を算出する（ステップＳ４００９）。また、情報処理装置１００は、第８の関係性について評価値を算出する（ステップＳ４０１０）。また、情報処理装置１００は、第９の関係性について評価値を算出する（ステップＳ４０１１）。また、情報処理装置１００は、第１０の関係性について評価値を算出する（ステップＳ４０１２）。

そして、情報処理装置１００は、ステップ動作をすべて選択したか否かを判定する（ステップＳ４０１３）。ここで、選択していない場合（ステップＳ４０１３：Ｎｏ）、情報処理装置１００は、ステップＳ４００１の処理に戻る。

一方で、選択している場合（ステップＳ４０１３：Ｙｅｓ）、情報処理装置１００は、評価値算出処理を終了する。

（尤度算出処理手順の一例）
次に、図４１を用いて、情報処理装置１００が実行する尤度算出処理手順の一例について説明する。

図４１は、尤度算出処理手順の一例を示すフローチャートである。図４１において、まず、情報処理装置１００は、状態遷移確率を算出する（ステップＳ４１０１）。次に、情報処理装置１００は、観測確率を設定する（ステップＳ４１０２）。そして、情報処理装置１００は、動作状態系列を設定する（ステップＳ４１０３）。

次に、情報処理装置１００は、歩行期間の候補期間を特定する（ステップＳ４１０４）。そして、情報処理装置１００は、歩行期間の候補期間について歩行期間としての尤度を算出する（ステップＳ４１０５）。その後、情報処理装置１００は、尤度算出処理を終了する。

以上説明したように、情報処理装置１００によれば、患者の複数の部位のそれぞれの部位の動きに関する計測情報を取得することができる。情報処理装置１００によれば、計測情報に基づいて、対象期間において、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知することができる。情報処理装置１００によれば、検知した動作群において、患者によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出することができる。情報処理装置１００によれば、それぞれの関係性について算出した評価値に基づいて、対象期間が患者によって歩行運動が行われた歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、計測情報に対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、患者の歩行運動動作の一部に対応する特徴が現れたそれぞれの部位の動作を含む動作群を検知することができる。情報処理装置１００によれば、検知した動作群ごとに、それぞれの関係性が表れた度合いを示す評価値を算出することができる。これにより、情報処理装置１００は、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、または、患者ごとに、患者の各脚のステップ動作の周期が異なる場合でも、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、動作群において、それぞれの動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、それぞれの関係性が現れた度合いを示す評価値を算出することができる。これにより、情報処理装置１００は、患者が歩く場所、患者が歩くときの周囲の環境、患者の状態などにより、または、患者ごとに、患者の各脚のステップ動作の時間長が異なる場合でも、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、歩行期間であると判定した対象期間における所定の特徴量を出力することができる。これにより、情報処理装置１００は、患者の状態を把握するために、利用者に所定の特徴量を通知することができる。

情報処理装置１００によれば、取得した計測情報に基づいて、患者が静止状態ではない動作期間を特定し、対象期間に設定することができる。これにより、情報処理装置１００は、歩行期間か否かを判定する対象となる対象期間の数の低減化を図り、処理量の低減化を図ることができる。

情報処理装置１００によれば、それぞれの関係性について算出した評価値に基づいて、対象期間のうち歩行期間の候補期間を特定し、特定した候補期間の長さに応じた歩行期間としての尤度を算出することができる。情報処理装置１００によれば、算出した尤度に基づいて、候補期間が歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、対象期間を、さらに、歩行期間と非歩行期間とに分けて、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、評価値が、関係性が現れたか否かを示す２値の真理値であれば、評価値を用いた論理演算の結果に基づいて、対象期間が歩行期間であるか否かを判定することができる。これにより、情報処理装置１００は、処理量の低減化を図ることができる。

情報処理装置１００によれば、複数の関係性に、患者の脚の動作に関する第１の関係性〜第６の関係性を用いることができる。これにより、情報処理装置１００は、患者の脚の動作について複数の観点から歩行運動らしさを評価し、歩行期間を特定する精度の向上を図ることができる。

情報処理装置１００によれば、患者の脚および患者の体幹の動作に関する第７の関係性〜第１０の関係性を用いることができる。これにより、情報処理装置１００は、患者の脚および患者の体幹の動作について複数の観点から歩行運動らしさを評価し、歩行期間を特定する精度の向上を図ることができる。

なお、本実施の形態で説明した情報処理方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本実施の形態で説明した情報処理プログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本実施の形態で説明した情報処理プログラムは、インターネット等のネットワークを介して配布してもよい。

上述した実施の形態に関し、さらに以下の付記を開示する。

（付記１）計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、
取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
制御部を有することを特徴とする情報処理装置。

（付記２）前記制御部は、
前記計測情報に対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
検知した前記動作群ごとに、前記それぞれの関係性が表れた度合いを示す評価値を算出する、ことを特徴とする付記１に記載の情報処理装置。

（付記３）前記制御部は、
前記計測情報に対して所定の帯域通過フィルタを適用した場合について、前記所定の帯域通過フィルタを適用した結果が単ピーク性を有し、かつ、ピーク値が閾値以上になるように、前記所定の帯域通過フィルタにおける通過帯域を設定し、
前記計測情報に対して前記所定の帯域通過フィルタを適用した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知する、ことを特徴とする付記１または２に記載の情報処理装置。

（付記４）前記制御部は、
前記計測情報または前記計測情報に所定の帯域通過フィルタを適用した結果に対して、複数の閾値のそれぞれの閾値を用いて極大値を検知した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
検知した前記動作群ごとに、前記それぞれの関係性が表れた度合いを示す評価値を算出する、ことを特徴とする付記１〜３のいずれか一つに記載の情報処理装置。

（付記５）前記制御部は、
前記動作群において、それぞれの動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、前記計測情報からそれぞれの動作の動作開始および動作終了を表す時点を検知し、検知した結果に基づいて前記それぞれの関係性が現れた度合いを示す評価値を算出する、ことを特徴とする付記１または２に記載の情報処理装置。

（付記６）前記制御部は、
前記動作群において、設定した前記通過帯域が低いほど、それぞれの動作の時間長上限が大きくなるように設定し、前記計測情報からそれぞれの動作の動作開始および動作終了を表す時点を検知し、検知した結果に基づいて前記それぞれの関係性が現れた度合いを示す評価値を算出する、ことを特徴とする付記３に記載の情報処理装置。

（付記７）前記制御部は、
前記歩行期間であると判定した前記対象期間における所定の特徴量を出力する、ことを特徴とする付記１〜３のいずれか一つに記載の情報処理装置。

（付記８）前記制御部は、
取得した前記計測情報に基づいて、前記計測対象が静止状態ではない動作期間を特定し、前記対象期間に設定する、ことを特徴とする付記１〜４のいずれか一つに記載の情報処理装置。

（付記９）前記制御部は、
前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間のうち前記歩行期間の候補期間を特定し、特定した前記候補期間の長さに応じた前記歩行期間としての尤度を算出し、
算出した前記尤度に基づいて、前記候補期間が前記歩行期間であるか否かを判定する、ことを特徴とする付記１〜５のいずれか一つに記載の情報処理装置。

（付記１０）前記制御部は、
前記対象期間において、前記動作群のそれぞれの動作に対して、前記それぞれの関係性について算出した前記評価値を用いて歩行状態または非歩行状態を割り当て、
前記歩行状態または前記非歩行状態を割り当てた結果に基づいて、前記対象期間のうち前記歩行期間の候補期間を特定する、ことを特徴とする付記９に記載の情報処理装置。

（付記１１）前記制御部は、
前記動作に対して、前記歩行状態として、歩行開始を表す初期状態と、歩行終了を表す末期状態とを含む、少なくとも２以上の状態のいずれかを割り当てる、ことを特徴とする付記１０に記載の情報処理装置。

（付記１２）前記制御部は、
前記動作に対して、前記歩行状態として、左脚に関する歩行状態と、右脚に関する歩行状態とを含む、少なくとも２以上の状態のいずれかを割り当てる、ことを特徴とする付記１０または１１に記載の情報処理装置。

（付記１３）前記制御部は、
前記歩行状態および前記非歩行状態における、現在の状態と次に遷移する状態との間に定義された状態間遷移確率に基づいて、前記それぞれの動作に対して、前記歩行状態または前記非歩行状態を割り当てる、ことを特徴とする付記１０〜１２のいずれか一つに記載の情報処理装置。

（付記１４）前記評価値は、前記関係性が現れたか否かを示す２値の真理値であり、
前記制御部は、
前記評価値を用いた論理演算の結果に基づいて、前記対象期間が前記歩行期間であるか否かを判定する、ことを特徴とする付記１〜６のいずれか一つに記載の情報処理装置。

（付記１５）前記動作は、前記計測対象の脚の動作を含み、
前記複数の関係性は、
前記計測対象の各脚の動作が交互に発生する第１の関係性と、
前記計測対象の一方の脚の動作が終了してから所定時間内に、前記計測対象の他方の脚の動作が開始する第２の関係性と、
前記計測対象の一方の脚の動作の最中は、前記計測対象の他方の脚の動作の動作量が所定範囲内である第３の関係性と、
前記計測対象の一方の脚の複数の動作の特徴量が類似する第４の関係性と、
前記計測対象の各脚の動作の特徴量が類似する第５の関係性と、
前記計測対象の各脚の動作の回転方向が同一である第６の関係性との少なくともいずれかを含む、ことを特徴とする付記１〜７のいずれか一つに記載の情報処理装置。

（付記１６）前記動作は、前記計測対象の脚および前記計測対象の体幹の動作を含み、
前記複数の関係性は、
前記計測対象の各脚の動作が終了する前後の所定時間の範囲に、前記計測対象の体幹の上下方向の動作が発生する第７の関係性と、
前記計測対象の各脚の動作の最中は、前記計測対象の体幹の前進方向の動作が発生する第８の関係性と、
前記計測対象の各脚の動作の回転方向と、前記計測対象の各脚の動作が終了した後の前記計測対象の体幹の動作の回転方向が同一である第９の関係性と、
前記計測対象の各脚の動作が示す移動量と、前記計測対象の体幹の動作が示す移動量とが類似する第１０の関係性との少なくともいずれかを含む、ことを特徴とする付記１〜４のいずれか一つに記載の情報処理装置。

（付記１７）前記歩行運動動作の一部は、歩行運動の１歩である、ことを特徴とする付記１〜１６のいずれか一つに記載の情報処理装置。

（付記１８）計測機と、前記計測機と通信可能な情報処理装置とを含む情報処理システムであって、
前記計測機は、
計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を生成し、
前記情報処理装置は、
前記計測機から前記計測情報を取得し、
取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
ことを特徴とする情報処理システム。

（付記１９）コンピュータが、
計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、
取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
処理を実行することを特徴とする情報処理方法。

１００ 情報処理装置
１０１，１０２，１８０１，１８０２ センサデータ
２００ 情報処理システム
２０１ 計測機
２１０ ネットワーク
３００，４００ バス
３０１，４０１ ＣＰＵ
３０２，４０２ メモリ
３０３，４０３ ネットワークＩ／Ｆ
３０４ 記録媒体Ｉ／Ｆ
３０５ 記録媒体
４０４ センサ部
４０５ タイマー部
５００ 記憶部
５０１ 取得部
５０２ 検知部
５０３ 評価部
５０４ 判定部
５０５ 算出部
５０６ 出力部
７１１〜７１４，７２１〜７２４，８１１，８１２，８２１，１３０１，１３０２，１４０１，１４０２，１５０１，１６０１，１６０２ ステップ動作
９０１〜９０３，１２０１，１２０２ 角速度
１００１〜１００４，１１１１〜１１１４，１１２１〜１１２４ ピーク振幅
１３１１〜１３１３ 上下動作
１４１１，１４１２ 前後動作
１５１１，１６１１，１６１２ 体幹前進動作
１７００，３３００，３４００ 結果管理テーブル
２４００ 脚動作管理テーブル
２５００，３１００ 評価値管理テーブル
２９００，３０００，３０１０ 表
３２００ 尤度管理テーブル
３７００ 関数

Claims (19)

1. 計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、
   取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
   検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
   前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
   制御部を有することを特徴とする情報処理装置。
2. 前記制御部は、
   前記計測情報に対して複数の帯域通過フィルタのそれぞれの帯域通過フィルタを適用した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
   検知した前記動作群ごとに、前記それぞれの関係性が表れた度合いを示す評価値を算出する、ことを特徴とする請求項１に記載の情報処理装置。
3. 前記制御部は、
   前記計測情報に対して所定の帯域通過フィルタを適用した場合について、前記所定の帯域通過フィルタを適用した結果が単ピーク性を有し、かつ、ピーク値が閾値以上になるように、前記所定の帯域通過フィルタにおける通過帯域を設定し、
   前記計測情報に対して前記所定の帯域通知フィルタを適用した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知する、ことを特徴とする請求項１または２に記載の情報処理装置。
4. 前記制御部は、
   前記計測情報または前記計測情報に所定の帯域通過フィルタを適用した結果に対して、複数の閾値のそれぞれの閾値を用いて極大値を検知した場合について、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
   検知した前記動作群ごとに、前記それぞれの関係性が表れた度合いを示す評価値を算出する、ことを特徴とする請求項１〜３のいずれか一つに記載の情報処理装置。
5. 前記制御部は、
   前記動作群において、それぞれの動作の時間長上限を複数の時間長上限の候補のそれぞれの候補に設定した場合について、前記計測情報からそれぞれの動作の動作開始および動作終了を表す時点を検知し、検知した結果に基づいて前記それぞれの関係性が現れた度合いを示す評価値を算出する、ことを特徴とする請求項１または２に記載の情報処理装置。
6. 前記制御部は、
   前記動作群において、設定した前記通過帯域が低いほど、それぞれの動作の時間長上限が大きくなるように設定し、前記計測情報からそれぞれの動作の動作開始および動作終了を表す時点を検知し、検知した結果に基づいて前記それぞれの関係性が現れた度合いを示す評価値を算出する、ことを特徴とする請求項３に記載の情報処理装置。
7. 前記制御部は、
   前記歩行期間であると判定した前記対象期間における所定の特徴量を出力する、ことを特徴とする請求項１〜３のいずれか一つに記載の情報処理装置。
8. 前記制御部は、
   取得した前記計測情報に基づいて、前記計測対象が静止状態ではない動作期間を特定し、前記対象期間に設定する、ことを特徴とする請求項１〜４のいずれか一つに記載の情報処理装置。
9. 前記制御部は、
   前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間のうち前記歩行期間の候補期間を特定し、特定した前記候補期間の長さに応じた前記歩行期間としての尤度を算出し、
   算出した前記尤度に基づいて、前記候補期間が前記歩行期間であるか否かを判定する、ことを特徴とする請求項１〜５のいずれか一つに記載の情報処理装置。
10. 前記制御部は、
    前記対象期間において、前記動作群のそれぞれの動作に対して、前記それぞれの関係性について算出した前記評価値を用いて歩行状態または非歩行状態を割り当て、
    前記歩行状態または前記非歩行状態を割り当てた結果に基づいて、前記対象期間のうち前記歩行期間の候補期間を特定する、ことを特徴とする請求項９に記載の情報処理装置。
11. 前記制御部は、
    前記動作に対して、前記歩行状態として、歩行開始を表す初期状態と、歩行終了を表す末期状態とを含む、少なくとも２以上の状態のいずれかを割り当てる、ことを特徴とする請求項１０に記載の情報処理装置。
12. 前記制御部は、
    前記動作に対して、前記歩行状態として、左脚に関する歩行状態と、右脚に関する歩行状態とを含む、少なくとも２以上の状態のいずれかを割り当てる、ことを特徴とする請求項１０または１１に記載の情報処理装置。
13. 前記制御部は、
    前記歩行状態および前記非歩行状態における、現在の状態と次に遷移する状態との間に定義された状態間遷移確率に基づいて、前記それぞれの動作に対して、前記歩行状態または前記非歩行状態を割り当てる、ことを特徴とする請求項１０〜１２のいずれか一つに記載の情報処理装置。
14. 前記評価値は、前記関係性が現れたか否かを示す２値の真理値であり、
    前記制御部は、
    前記評価値を用いた論理演算の結果に基づいて、前記対象期間が前記歩行期間であるか否かを判定する、ことを特徴とする請求項１〜６のいずれか一つに記載の情報処理装置。
15. 前記動作は、前記計測対象の脚の動作を含み、
    前記複数の関係性は、
    前記計測対象の各脚の動作が交互に発生する第１の関係性と、
    前記計測対象の一方の脚の動作が終了してから所定時間内に、前記計測対象の他方の脚の動作が開始する第２の関係性と、
    前記計測対象の一方の脚の動作の最中は、前記計測対象の他方の脚の動作の動作量が所定範囲内である第３の関係性と、
    前記計測対象の一方の脚の複数の動作の特徴量が類似する第４の関係性と、
    前記計測対象の各脚の動作の特徴量が類似する第５の関係性と、
    前記計測対象の各脚の動作の回転方向が同一である第６の関係性との少なくともいずれかを含む、ことを特徴とする請求項１〜７のいずれか一つに記載の情報処理装置。
16. 前記動作は、前記計測対象の脚および前記計測対象の体幹の動作を含み、
    前記複数の関係性は、
    前記計測対象の各脚の動作が終了する前後の所定時間の範囲に、前記計測対象の体幹の上下方向の動作が発生する第７の関係性と、
    前記計測対象の各脚の動作の最中は、前記計測対象の体幹の前進方向の動作が発生する第８の関係性と、
    前記計測対象の各脚の動作の回転方向と、前記計測対象の各脚の動作が終了した後の前記計測対象の体幹の動作の回転方向が同一である第９の関係性と、
    前記計測対象の各脚の動作が示す移動量と、前記計測対象の体幹の動作が示す移動量とが類似する第１０の関係性との少なくともいずれかを含む、ことを特徴とする請求項１〜４のいずれか一つに記載の情報処理装置。
17. 前記歩行運動動作の一部は、歩行運動の１歩である、ことを特徴とする請求項１〜１６のいずれか一つに記載の情報処理装置。
18. 計測機と、前記計測機と通信可能な情報処理装置とを含む情報処理システムであって、
    前記計測機は、
    計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を生成し、
    前記情報処理装置は、
    前記計測機から前記計測情報を取得し、
    取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
    検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
    前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
    ことを特徴とする情報処理システム。
19. コンピュータが、
    計測対象の複数の部位のそれぞれの部位の動きに関する計測情報を取得し、
    取得した前記計測情報に基づいて、対象期間において、前記計測対象の歩行運動動作の一部に対応する特徴が現れた前記それぞれの部位の動作を含む動作群を検知し、
    検知した前記動作群において、前記計測対象によって歩行運動が行われた場合に動作間に生じる複数の関係性のそれぞれの関係性が現れた度合いを示す評価値を算出し、
    前記それぞれの関係性について算出した前記評価値に基づいて、前記対象期間が前記計測対象によって歩行運動が行われた歩行期間であるか否かを判定する、
    処理を実行することを特徴とする情報処理方法。

Images