JPWO2019087563A1 - 歩行振動解析装置、歩行振動解析方法、及びプログラム - Google Patents

歩行振動解析装置、歩行振動解析方法、及びプログラム Download PDF

Info

Publication number
JPWO2019087563A1
JPWO2019087563A1 JP2019549904A JP2019549904A JPWO2019087563A1 JP WO2019087563 A1 JPWO2019087563 A1 JP WO2019087563A1 JP 2019549904 A JP2019549904 A JP 2019549904A JP 2019549904 A JP2019549904 A JP 2019549904A JP WO2019087563 A1 JPWO2019087563 A1 JP WO2019087563A1
Authority
JP
Japan
Prior art keywords
data
individual
walking
walking vibration
acquired
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2019549904A
Other languages
English (en)
Other versions
JP6801923B2 (ja
Inventor
秀幸 清水
秀幸 清水
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Solution Innovators Ltd
Original Assignee
NEC Solution Innovators Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Solution Innovators Ltd filed Critical NEC Solution Innovators Ltd
Publication of JPWO2019087563A1 publication Critical patent/JPWO2019087563A1/ja
Application granted granted Critical
Publication of JP6801923B2 publication Critical patent/JP6801923B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

歩行振動解析装置１０は、歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、２値化処理部１１と、変換後の２値化データを、予め個人毎に、当該個人の歩行振動データを２値化データに変換することによって作成されている、個人特定データに照合して、歩行振動データの取得元の個人を特定する、個人判定部１２と備えている。

Description

本発明は、歩行によって生じた振動を解析するための、歩行振動解析装置、及び歩行振動解析方法に関し、更には、これらを実現するためのプログラムを記録したコンピュータ読み取り可能な記録媒体に関する。
近年、在宅時における高齢者の見守り等のために、宅内にセンサを設置するシステムが提案されている。このようなシステムでは、居住者のプライバシーの保護と、居住者の識別とを両立する必要がある。このため、プライバシーの保護を鑑みて、カメラセンサを用いず、振動センサを用いて居住者を識別する方法が提案されている。即ち、宅内に設置した振動センサで計測した歩行に伴う振動（以下「歩行振動」と表記する。）から、個人の特徴を抽出し、識別する方法である（例えば、特許文献１及び非特許文献１参照）。
具体的には、特許文献１は、歩行振動から個人を特定するシステムを開示している。特許文献１に開示されたシステムは、計測した歩行振動から、空間内で人間の動作によって発生する振動の周波数又は複数歩の周期を個人の特徴量として抽出し、あらかじめ収集していた個々人の周波数・周期と照合して、個人を特定する。
また、非特許文献１も、歩行振動から個人を特定するシステムを開示している。非特許文献１に開示されたシステムは、振動パターンが個人毎に異なることを利用して、個人を特定する。
特開２００４−２２７０５３号公報
伊藤和輝、他３名、「歩行振動データを用いた個人識別システムの構築」、［online］，生体・感性及び高度情報処理シンポジウム, 2017，［平成２７年８月３１日索］，インターネット＜URL：http://pelican.nagaokaut.ac.jp/2017symposium/pdf/09-S-1%E3%80%80%E4%BC%8A%E8%97%A4%E3%80%80%E5%92%8C%E8%BC%9D%EF%BC%88%E9%98%BF%E5%8D%97%E5%B7%A5%E6%A5%AD%E9%AB%98%E7%AD%89%E5%B0%82%E9%96%80%E5%AD%A6%E6%A0%A1%EF%BC%89.pdf＞
しかしながら、実際には、歩行振動のパターンは、同一人が同じ場所を歩いた場合でも、一定ではなく、ばらついている。このため、特許文献１に開示されたシステム及び非特許文献１に開示されたシステムでは、いずれにおいても、個人を特定することが難しいという問題がある。
［発明の目的］
本発明の目的は、上記問題を解消し、歩行振動にばらつきが発生した場合であっても、歩行振動からの個人の特定を可能にし得る、歩行振動解析装置、歩行振動解析方法、及びコンピュータ読み取り可能な記録媒体を提供することにある。
上記目的を達成するため、本発明の一側面における歩行振動解析装置は、
歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、２値化処理部と、
変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、個人判定部と、
を備えている、ことを特徴とする。
また、上記目的を達成するため、本発明の一側面における歩行振動解析方法は、
（ａ）歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、ステップと、
（ｂ）変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、ステップと、
を有する、ことを特徴とする。
更に、上記目的を達成するため、本発明の一側面におけるコンピュータ読み取り可能な記録媒体は、コンピュータに、
（ａ）歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、ステップと、
（ｂ）変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、ステップと、
を実行させる命令を含む、プログラムを記録していることを特徴とする。
以上のように、本発明によれば、歩行振動にばらつきが発生した場合であっても、歩行振動から個人を特定することができる。
図１は、本発明の実施の形態における歩行振動解析装置の概略構成を示すブロック図である。 図２は、本発明の実施の形態における歩行振動解析装置の構成をより具体的に示すブロック図である。 図３は、本発明の実施の形態で取得される歩行振動データの一例を示す図である。 図４は、本発明の実施の形態で得られる２値化データの一例を示す図である。 図５は、本発明の実施の形態で取得されるサンプルデータの一例を示す図である。 図６は、図５に示したサンプルデータを２値化した状態を示す図である。 図７は、本発明の実施の形態において合成されたサンプルデータの一例を示す図である。 図８は、図７に示すサンプルデータのフィルタリング後の状態を示す図である。 図９は、本発明の実施の形態において作成されたハイレベルデータの一例を示す図である。図９（ａ）〜（ｄ）は、それぞれ異なる個人のハイレベルデータを示している。 図１０は、本発明の実施の形態において作成される個人特定データをまとめたテーブルの一例を示す図である。 図１１は、本発明の実施の形態において判定対象となる２値化データの一例を示す図である。 図１２（ａ）は、図１１に示した２値化データと人物Ａの個人特定データとを重ね合わせた状態を示す図であり、図１２（ｂ）は、図１１に示した２値化データと人物Ｂの個人特定データとを重ね合わせた状態を示す図である。 図１３は、本発明の実施の形態における歩行振動解析装置の個人特定データ作成処理時の動作を示すフロー図である。 図１４は、本発明の実施の形態における歩行振動解析装置の個人特定処理時の動作を示すフロー図である。 図１５は、本発明の実施の形態における歩行振動解析装置を実現するコンピュータの一例を示すブロック図である。
（実施の形態）
以下、本発明の実施の形態における歩行振動解析装置について、図１〜図１５を参照しながら説明する。
［装置構成］
最初に、図１を用いて、本実施の形態における歩行振動解析装置の概略構成について説明する。図１は、本発明の実施の形態における歩行振動解析装置の概略構成を示すブロック図である。
図１に示す本実施の形態における歩行振動解析装置１０は、歩行によって生じた振動を解析して、個人を特定するための装置である。図１に示すように、歩行振動解析装置１０は、２値化処理部１１と、個人判定部１２とを備えている。
２値化処理部１１は、歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、２値化データに変換する。２値化データは、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現するデータである。
個人判定部１２は、変換後の２値化データを、個人特定データに照合して、歩行振動データの取得元の個人を特定する。個人特定データは、予め個人毎に、各個人の歩行振動データを２値化データに変換することによって作成されたデータである。
このように、本実施の形態では、歩行振動解析装置１０は、２値化によって、歩行振動における個人の特徴を抽出し、抽出した特徴によって個人を特定している。このため、本発明によれば、歩行振動にばらつきが発生した場合であっても、歩行振動から個人を特定することができる。
続いて、図２〜図１２を用いて、本実施の形態における歩行振動解析装置１０の構成をより具体的に説明する。図２は、本発明の実施の形態における歩行振動解析装置の構成をより具体的に示すブロック図である。
まず、本実施の形態では、図２に示すように、歩行振動解析装置１０は、歩行振動を検出するための振動センサ２０に接続されている。振動センサ２０としては、例えば、加速度センサが用いられる。また、振動センサ２０は、例えば、住宅等の建物２２の床に取り付けられ、そこにいる人２１の歩行によって生じた振動を検知する。
２値化処理部１１は、まず、振動センサ２０が出力したセンサデータを取得する。センサデータは、歩行に伴って発生した歩行振動を特定する歩行振動データである。そして、２値化処理部１１は、歩行振動データ（センサデータ）の標準偏差σを算出し、算出した標準偏差σを閾値として用いて、歩行振動データを、２値化データに変換する。
具体的には、２値化処理部１１は、図３に示す一定区間の歩行振動データをＭ歩分（Ｍ：任意の自然数）取得する。図３は、本発明の実施の形態で取得される歩行振動データの一例を示す図である。図３の例では、一定区間は、一歩分の区間であり、人の一方の足のかかとが床に接地した時点（時点Ａ）から、その足のつま先が床に接地する時点（時点Ｃ）までを含んでいる。また、図３の例において、時点Ｂは、他方の足のつま先が床から離れた時点である。図３に示された歩行振動データは、一歩分の歩行振動データである。
また、図３の例では、振動センサ２０のサンプリングレートは、１ｋｓｐｓに設定されている。更に、一定区間における歩行振動データの数Ｎは２９９個、長さは２３０ｍｓに設定されている。従って、ｍ歩目（ｍ＝１〜Ｍ）における任意の時点での各歩行振動データの値を「ａｍｎ」（０≦ｎ≦Ｎ）とすると、２値化処理部１１は、一定区間のｍ歩目の歩行振動データの値として、ａｍ０〜ａｍＮを取得する。
続いて、２値化処理部１１は、取得した歩行振動データ（ａｍ０〜ａｍＮ）毎に、下記の数１に基づいて、標準偏差σを算出する。なお、下記数１においてａバーは、ａｍ０〜ａｍＮの平均値である。
Figure 2019087563
更に、２値化処理部１１は、図４に示すように、算出した標準偏差σを閾値として用いて、歩行振動データを、２値化データに変換する。これにより、Ｍ歩分の歩行振動データが２値化される。図４は、本発明の実施の形態で得られる２値化データの一例を示す図である。このようにして得られた２値化データにおいて、横軸は時間、縦軸は信号の発生確率を示している。
具体的には、２値化処理部１１は、例えば、１０ｍｓ毎に歩行振動データの平均値Ａｖを算出し、算出した平均値と標準偏差σとを比較する。そして、２値化処理部１１は、下記の数２に示すように、比較の結果、平均値Ａｖが標準偏差σより小さい場合は、比較対象となった歩行振動データの値ａｍｎを「ｂｍｎ＝０」に設定する。一方、平均値Ａｖが標準偏差σ以上の場合は、２値化処理部１１は、比較対象となった歩行振動データの値ａｍｎを「ｂｍｎ＝１」に設定する。
Figure 2019087563
また、図２に示すように、本実施の形態においては、歩行振動解析装置１０は、２値化処理部１１及び個人判定部１２に加えて、個人特定データ作成部１３とデータ格納部１４とを備えている。個人特定データ作成部１３は、個人毎に個人の個人特定データを作成する。また、個人特定データ作成部１３は、作成した個人特定データをデータ格納部１４に格納する。
具体的には、個人特定データ作成部１３は、まず、個人毎に、個人の複数歩分の歩行振動データを取得する。このとき、取得される歩行振動データは、個人特定データの作成に用いられるデータであり、以下「サンプルデータ」と表記する。また、個人特定データ作成部１３は、個人毎に、取得した各個人の複数歩分のサンプルデータそれぞれを２値化データに変換する。なお、このとき、個人特定データ作成部１３は、２値化処理部１１と同様の処理によって２値化を行っても良いし、２値化処理部１１に対して、サンプルデータの２値化を指示しても良い。
図５は、本発明の実施の形態で取得されるサンプルデータの一例を示す図である。図６は、図５に示したサンプルデータを２値化した状態を示す図である。図５の例では、ある個人の１歩目の歩行で得られたサンプルデータと、２歩目の歩行で得られたサンプルデータとが示されている。これらのサンプルデータは、同一人物から取得されたにもかかわらず、一致していないため、図６に示すように二値化後も互いに異なるデータとなる。図６においても、横軸は時間、縦軸は信号の発生確率を示している。
続いて、個人特定データ作成部１３は、二値化データに変換された複数歩分の歩行振動データに基づいて、ハイレベルとなる部分の発生確率を、歩行開始からの経過時間に紐付けて算出し、算出した発生確率を各個人の個人特定データとする。この点について、図７〜図１０を用いて詳細に説明する。
図７に示すように、個人特定データ作成部１３は、まず、特定の個人について、取得されているＭ歩分のサンプルデータを合成する。合成は、下記の数３を用いて、各サンプルデータのｎの値が同一のデータ（値＝ｂｍｎ）毎に平均値ｃｎを算出することによって行う。図７は、本発明の実施の形態において合成されたサンプルデータの一例を示す図である。図７においても、横軸は時間、縦軸は信号の発生確率を示している。
Figure 2019087563
続いて、図８に示すように、個人特定データ作成部１３は、下記の数４に示す閾値αを用いて、合成後のサンプルデータをフィルタリングする。閾値αは、信号の発生確率が低く、且つ、ノイズの可能性がある箇所を、フィルタリングするために用いられる。これにより、サンプルデータの値ｃｎは、閾値αに基づいてｄｎに変換される。図８は、図７に示すサンプルデータのフィルタリング後の状態を示す図である。図８においても、横軸は時間、縦軸は信号の発生確率を示している。図８では、閾値αは０．２５に設定されている。
Figure 2019087563
そして、得られた図８に示すフィルタリング後のデータは、特定の個人の歩行振動データにおける、ハイレベルとなる部分の発生確率を示すことになる。言い換えると、図８において、０ではない部分は、ハイレベルとなる部分が高い確率で発生する部分を示している。以下、図８に示すデータを、「ハイレベルデータ」と表記する。また、ハイレベルデータは、図９に示すように、個人毎に作成される。図９は、本発明の実施の形態において作成されたハイレベルデータの一例を示す図である。図９（ａ）〜（ｄ）は、それぞれ異なる個人のハイレベルデータを示している。
また、図９（ａ）〜（ｄ）それぞれに示された、ハイレベルとなる部分のうち、図３に示す時点Ａに対応している部分を「山１」と表記し、図３に示す時点Ｂに対応している部分を「山２」と表記し、図３に示す時点Ｃに対応している部分を「山３」と表記する。
そして、図９（ａ）から、人物Ａでは、山１及び２の発生確率が高いことが分かる。同様に、図９（ｂ）から、人物Ｂでは、山１、２及び３発生確率が高いことが分かる。また、図９（ｃ）から、人物Ｃでは、山１及び３の発生確率が高いことが分かる。更に、図９（ｄ）から、人物Ｄでは、山１の発生確率が高いことが分かる。
このようにして得られた、図９（ａ）〜（ｄ）それぞれに示した各ハイレベルデータが、各個人の個人特定データとなる。各個人特定データにおいては、ハイレベルとなる部分の発生確率は歩行開始からの経過時間に紐付けられている。このように、本実施の形態では、個人特定データは、複数歩の歩行振動を重ね合せ、ハイレベルとなる部分がどのタイミングでどれくらいの確率で発生するかを指標化することによって、個人特定データが作成されている。
また、個人特定データ作成部１３は、各個人の個人特定データから、図１０に示すテーブルを作成する。図１０は、本発明の実施の形態において作成される個人特定データをまとめたテーブルの一例を示す図である。図１０に示すテーブルでは、発生確率の高い山の組合せによって、人物Ａ〜Ｄはカテゴリ１〜４のいずれかに分けられている。
また、本実施の形態では、個人判定部１２は、まず、データ格納部１４から、個人特定データ作成部１３によって作成された各個人の個人特定データを取得する。続いて、個人判定部１２は、２値化処理部１１から、判定対象となる２値化データを取得する。そして、個人判定部１２は、個人特定データ毎に、取得した２値化データのハイレベルの部分と、各個人特定データのハイレベルとなる部分の発生確率とを対比する。
例えば、取得された判定対象となる２値化データが、図１１に示す２値化データであるとする。そして、図１１に示す２値化データと図９（ａ）〜（ｄ）に示した個人特定データとを重ね合わせた結果は、図１２（ａ）及び（ｂ）に示す通りとなる。図１１は、本発明の実施の形態において判定対象となる２値化データの一例を示す図である。図１２（ａ）は、図１１に示した２値化データと人物Ａの個人特定データとを重ね合わせた状態を示す図であり、図１２（ｂ）は、図１１に示した２値化データと人物Ｂの個人特定データとを重ね合わせた状態を示す図である。
そして、個人判定部１２は、２値化データと個人特定データとの対比の結果に基づいて、個人特定データ毎に、歩行振動データの取得元の個人が、個人特定データに対応する個人である確率を算出する。
具体的には、判定対象となる２値化データの各値をｓ０〜ｓＮとすると、個人判定部１２は、下記の数５に基づいて、まず、個人特定データの値（ｄ０〜ｄＮ）と、２値化データの値（ｓ０〜ｓＮ）との積和Ｓを算出する。
Figure 2019087563
次に、個人判定部１２は、人物毎の発生確率の分布の偏りを除去するため、下記の数６に基づいて、上記の数５によって算出された積和Ｓを正規化する。正規化によって得られた値ｓは、判定対象となる歩行振動データの取得元の個人が、個人特定データに対応する各個人である確率を示している。
Figure 2019087563
例えば、個人特定データが図９（ａ）〜（ｄ）に示したデータであり、判定対象となる個人の歩行振動データの２値化データが図１１に示したであるとする。この場合、個人判定部１２による確率ｓの算出結果は下記の通りとなる。従って、個人判定部１２は、判定対象となる歩行振動データの取得元の個人は、「人物Ａ」であると判定する。このように、本実施の形態では、得られた歩行振動データの２値化データと個人特定データとを対比して、その類似性を検証することで個人が特定されている。
人物Ａ：０．７８６
人物Ｂ：０．４４８
人物Ｃ：０．０００
人物Ｄ：０．０００
また、個人判定部１２は、図１１に示す２値化データに存在する山の位置を求め、求めた山の位置と、図１０に示すテーブルとを対比して、判定対象となる歩行振動データの取得元の個人を判定しても良い。
［装置動作］
続いて、本実施の形態における歩行振動解析装置１０の動作について図１３及び図１４を用いて説明する。以下の説明においては、適宜図１〜図１２を参酌する。また、本実施の形態では、歩行振動解析装置１０を動作させることによって、歩行振動解析方法が実施される。よって、本実施の形態における歩行振動解析方法の説明は、以下の歩行振動解析装置１０の動作説明に代える。
最初に、図１３を用いて、歩行振動解析装置１０による個人特定データの作成処理について説明する。図１３は、本発明の実施の形態における歩行振動解析装置の個人特定データ作成処理時の動作を示すフロー図である。
図１３に示すように、最初に、個人特定データ作成部１３は、まず、個人毎に、サンプルデータとして、個人の複数歩分の歩行振動データを取得する（ステップＡ１）。サンプルデータは、振動センサ２０から取得されても良いし、別の端末装置等から入力されても良い。
次に、個人特定データ作成部１３は、個人毎に、ステップＡ１で取得した各個人の複数歩分のサンプルデータそれぞれを２値化データに変換する（ステップＡ２）。
次に、個人特定データ作成部１３は、個人毎に、２値化データから、個人特定データを作成し、作成した個人特定データをデータ格納部１４に格納する（ステップＡ３）。
具体的には、個人特定データ作成部１３は、上述した数３を用いて、個人毎に、サンプルデータを合成する。そして、個人特定データ作成部１３は、更に数４を用いて、合成後のサンプルデータからハイレベルデータを作成し、ハイレベルとなる部分の発生確率を算出する。その後、個人特定データ作成部１３は、個人毎に算出した発生確率を各個人の個人特定データとして、データ格納部１４に格納する。
続いて、図１４を用いて、歩行振動解析装置１０による個人の特定処理について説明する。図１４は、本発明の実施の形態における歩行振動解析装置の個人特定処理時の動作を示すフロー図である。
図１４に示すように、最初に、２値化処理部１１は、歩行振動データとして、振動センサ２０が出力したセンサデータを取得する（ステップＢ１）。
次に、２値化処理部１１は、ステップＢ１で取得した歩行振動データを２値化データに変換する（ステップＢ２）。また、２値化処理部１１は、変換によって得られた２値化データを個人判定部１２に渡す。
次に、個人判定部１２は、２値化データを受け取ると、データ格納部１４から、個人特定データ作成部１３によって作成された各個人の個人特定データを取得する（ステップＢ３）。
次に、個人判定部１２は、個人特定データ毎に、ステップＢ１で取得した２値化データのハイレベルの部分と、ステップＢ３で取得した各個人特定データのハイレベルとなる部分の発生確率とを対比する。そして、個人判定部１２は、対比の結果に基づいて、歩行振動データの取得元の個人が、個人特定データに対応する個人である確率を算出する（ステップＢ４）。
その後、個人判定部１２は、ステップＢ４で算出した確率を用いて、ステップＢ１で取得された歩行振動データの取得元の個人を特定する（ステップＢ５）。
［実施の形態における効果］
このように、本実施の形態では、個人特定データは、複数歩の歩行振動を重ね合せ、ハイレベルとなる部分がどのタイミングでどれくらいの確率で発生するかを指標化することによって、個人特定データが作成されている。そして、ハイレベルとなる部分の発生確率は、個人に特有の値となるので、得られた歩行振動データの２値化データと個人特定データとを対比することで個人の特定が可能なる。このため、本実施の形態によれば、歩行振動にばらつきが発生した場合であっても、歩行振動から個人を特定することができる。
［プログラム］
本発明の実施の形態におけるプログラムは、コンピュータに、図１３に示すステップＡ１〜Ａ３、図１４に示すステップＢ１〜Ｂ５を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における歩行振動解析装置１０と歩行振動解析方法とを実現することができる。この場合、コンピュータのプロセッサは、２値化処理部１１、個人判定部１２、及び個人特定データ作成部１３として機能し、処理を行なう。
また、本実施の形態におけるプログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、各コンピュータが、それぞれ、２値化処理部１１、個人判定部１２、及び個人特定データ作成部１３のいずれかとして機能しても良い。
ここで、本実施の形態におけるプログラムを実行することによって、歩行振動解析装置１０を実現するコンピュータについて図１５を用いて説明する。図１５は、本発明の実施の形態における歩行振動解析装置を実現するコンピュータの一例を示すブロック図である。
図１５に示すように、コンピュータ１１０は、ＣＰＵ（Central Processing Unit）１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。なお、コンピュータ１１０は、ＣＰＵ１１１に加えて、又はＣＰＵ１１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えていても良い。
ＣＰＵ１１１は、記憶装置１１３に格納された、本実施の形態におけるプログラム（コード）をメインメモリ１１２に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであっても良い。
また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。
データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。
また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記録媒体、又はＣＤ−ＲＯＭ（Compact Disk Read Only Memory）などの光学記録媒体が挙げられる。
なお、本実施の形態における歩行振動解析装置１０は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェアを用いることによっても実現可能である。更に、歩行振動解析装置１０は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。
上述した実施の形態の一部又は全部は、以下に記載する（付記１）〜（付記１２）によって表現することができるが、以下の記載に限定されるものではない。
（付記１）
歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、２値化処理部と、
変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、個人判定部と、
を備えている、ことを特徴とする歩行振動解析装置。
（付記２）
前記２値化処理部が、取得した前記歩行振動データの標準偏差を算出し、算出した前記標準偏差を閾値として用いて、取得した前記歩行振動データを、前記２値化データに変換する、
付記１に記載の歩行振動解析装置。
（付記３）
前記個人毎に、当該個人の前記個人特定データを作成する、個人特定データ作成部を更に備え、
前記個人特定データ作成部は、前記個人毎に、当該個人の複数歩分の歩行振動データを取得し、取得した複数歩分の歩行振動データそれぞれを前記２値化データに変換し、変換後の複数歩分の歩行振動データに基づいて、ハイレベルとなる部分の発生確率を、歩行開始からの経過時間に紐付けて算出し、算出した前記発生確率を当該個人の前記個人特定データとする、
付記１または２に記載の歩行振動解析装置。
（付記４）
前記個人判定部が、前記個人特定データそれぞれ毎に、変換後の前記２値化データのハイレベルの部分と、当該個人特定データの前記ハイレベルとなる部分の発生確率とを対比して、前記歩行振動データの取得元の個人が当該個人である確率を算出する、
付記３に記載の歩行振動解析装置。
（付記５）
（ａ）歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、ステップと、
（ｂ）変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、ステップと、
を有する、ことを特徴とする歩行振動解析方法。
（付記６）
前記（ａ）のステップにおいて、取得した前記歩行振動データの標準偏差を算出し、算出した前記標準偏差を閾値として用いて、取得した前記歩行振動データを、前記２値化データに変換する、
付記５に記載の歩行振動解析方法。
（付記７）
（ｃ）前記個人毎に、当該個人の前記個人特定データを作成する、ステップを更に有し、
前記（ｃ）のステップにおいて、前記個人毎に、当該個人の複数歩分の歩行振動データを取得し、取得した複数歩分の歩行振動データそれぞれを前記２値化データに変換し、変換後の複数歩分の歩行振動データに基づいて、ハイレベルとなる部分の発生確率を、歩行開始からの経過時間に紐付けて算出し、算出した前記発生確率を当該個人の前記個人特定データとする、
付記５または６に記載の歩行振動解析方法。
（付記８）
前記（ｂ）のステップにおいて、前記個人特定データそれぞれ毎に、変換後の前記２値化データのハイレベルの部分と、当該個人特定データの前記ハイレベルとなる部分の発生確率とを対比して、前記歩行振動データの取得元の個人が当該個人である確率を算出する、
付記７に記載の歩行振動解析方法。
（付記９）
コンピュータに、
（ａ）歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、ステップと、
（ｂ）変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、ステップと、
を実行させる命令を含む、プログラムを記録しているコンピュータ読み取り可能な記録媒体。
（付記１０）
前記（ａ）のステップにおいて、取得した前記歩行振動データの標準偏差を算出し、算出した前記標準偏差を閾値として用いて、取得した前記歩行振動データを、前記２値化データに変換する、
付記９に記載のコンピュータ読み取り可能な記録媒体。
（付記１１）
前記プログラムが、前記コンピュータに、
（ｃ）前記個人毎に、当該個人の前記個人特定データを作成する、ステップを実行させる命令を更に含み、
前記（ｃ）のステップにおいて、前記個人毎に、当該個人の複数歩分の歩行振動データを取得し、取得した複数歩分の歩行振動データそれぞれを前記２値化データに変換し、変換後の複数歩分の歩行振動データに基づいて、ハイレベルとなる部分の発生確率を、歩行開始からの経過時間に紐付けて算出し、算出した前記発生確率を当該個人の前記個人特定データとする、
付記９または１０に記載のコンピュータ読み取り可能な記録媒体。
（付記１２）
前記（ｂ）のステップにおいて、前記個人特定データそれぞれ毎に、変換後の前記２値化データのハイレベルの部分と、当該個人特定データの前記ハイレベルとなる部分の発生確率とを対比して、前記歩行振動データの取得元の個人が当該個人である確率を算出する、
付記１１に記載のコンピュータ読み取り可能な記録媒体。
以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施の形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
この出願は、２０１７年１１月２日に出願された日本出願特願２０１７−２１２７３７を基礎とする優先権を主張し、その開示の全てをここに取り込む。
以上のように、本発明によれば、歩行振動にばらつきが発生した場合であっても、歩行振動から個人を特定することができる。本発明は、歩行振動からの個人の特定が求められるシステム、例えば、高齢者の見守りを行うシステム、防犯システム等に有用である。
１０ 歩行振動解析装置
１１ ２値化処理部
１２ 個人判定部
１３ 個人特定データ作成部
１４ データ格納部
２０ 振動センサ
２１ 人
２２ 建物
１１０ コンピュータ
１１１ ＣＰＵ
１１２ メインメモリ
１１３ 記憶装置
１１４ 入力インターフェイス
１１５ 表示コントローラ
１１６ データリーダ／ライタ
１１７ 通信インターフェイス
１１８ 入力機器
１１９ ディスプレイ装置
１２０ 記録媒体
１２１ バス
本発明は、歩行によって生じた振動を解析するための、歩行振動解析装置、及び歩行振動解析方法に関し、更には、これらを実現するためのプログラムに関する。
［発明の目的］
本発明の目的は、上記問題を解消し、歩行振動にばらつきが発生した場合であっても、歩行振動からの個人の特定を可能にし得る、歩行振動解析装置、歩行振動解析方法、及びプログラムを提供することにある。
更に、上記目的を達成するため、本発明の一側面におけるプログラムは、コンピュータに、
（ａ）歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、ステップと、
（ｂ）変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、ステップと、
を実行させる、ことを特徴とする。
更に、２値化処理部１１は、図４に示すように、算出した標準偏差σを閾値として用いて、歩行振動データを、２値化データに変換する。これにより、Ｍ歩分の歩行振動データが２値化される。図４は、本発明の実施の形態で得られる２値化データの一例を示す図である。このようにして得られた２値化データにおいて、横軸は時間、縦軸は加速度（絶対値）を示している。
例えば、取得された判定対象となる２値化データが、図１１に示す２値化データであるとする。そして、図１１に示す２値化データと図９（ａ）及び（ｂ）に示した個人特定データとを重ね合わせた結果は、図１２（ａ）及び（ｂ）に示す通りとなる。図１１は、本発明の実施の形態において判定対象となる２値化データの一例を示す図である。図１２（ａ）は、図１１に示した２値化データと人物Ａの個人特定データとを重ね合わせた状態を示す図であり、図１２（ｂ）は、図１１に示した２値化データと人物Ｂの個人特定データとを重ね合わせた状態を示す図である。
次に、個人判定部１２は、個人特定データ毎に、ステップＢ２で取得した２値化データのハイレベルの部分と、ステップＢ３で取得した各個人特定データのハイレベルとなる部分の発生確率とを対比する。そして、個人判定部１２は、対比の結果に基づいて、歩行振動データの取得元の個人が、個人特定データに対応する個人である確率を算出する（ステップＢ４）。
（付記９）
コンピュータに、
（ａ）歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、ステップと、
（ｂ）変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、ステップと、
を実行させる、プログラム。
（付記１０）
前記（ａ）のステップにおいて、取得した前記歩行振動データの標準偏差を算出し、算出した前記標準偏差を閾値として用いて、取得した前記歩行振動データを、前記２値化データに変換する、
付記９に記載のプログラム。
（付記１１）
前記コンピュータに、
（ｃ）前記個人毎に、当該個人の前記個人特定データを作成する、ステップを実行させ、
前記（ｃ）のステップにおいて、前記個人毎に、当該個人の複数歩分の歩行振動データを取得し、取得した複数歩分の歩行振動データそれぞれを前記２値化データに変換し、変換後の複数歩分の歩行振動データに基づいて、ハイレベルとなる部分の発生確率を、歩行開始からの経過時間に紐付けて算出し、算出した前記発生確率を当該個人の前記個人特定データとする、
付記９または１０に記載のプログラム。
（付記１２）
前記（ｂ）のステップにおいて、前記個人特定データそれぞれ毎に、変換後の前記２値化データのハイレベルの部分と、当該個人特定データの前記ハイレベルとなる部分の発生確率とを対比して、前記歩行振動データの取得元の個人が当該個人である確率を算出する、
付記１１に記載のプログラム。

Claims (12)

  1. 歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、２値化処理部と、
    変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、個人判定部と、
    を備えている、ことを特徴とする歩行振動解析装置。
  2. 前記２値化処理部が、取得した前記歩行振動データの標準偏差を算出し、算出した前記標準偏差を閾値として用いて、取得した前記歩行振動データを、前記２値化データに変換する、
    請求項１に記載の歩行振動解析装置。
  3. 前記個人毎に、当該個人の前記個人特定データを作成する、個人特定データ作成部を更に備え、
    前記個人特定データ作成部は、前記個人毎に、当該個人の複数歩分の歩行振動データを取得し、取得した複数歩分の歩行振動データそれぞれを前記２値化データに変換し、変換後の複数歩分の歩行振動データに基づいて、ハイレベルとなる部分の発生確率を、歩行開始からの経過時間に紐付けて算出し、算出した前記発生確率を当該個人の前記個人特定データとする、
    請求項１または２に記載の歩行振動解析装置。
  4. 前記個人判定部が、前記個人特定データそれぞれ毎に、変換後の前記２値化データのハイレベルの部分と、当該個人特定データの前記ハイレベルとなる部分の発生確率とを対比して、前記歩行振動データの取得元の個人が当該個人である確率を算出する、
    請求項３に記載の歩行振動解析装置。
  5. （ａ）歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、ステップと、
    （ｂ）変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、ステップと、
    を有する、ことを特徴とする歩行振動解析方法。
  6. 前記（ａ）のステップにおいて、取得した前記歩行振動データの標準偏差を算出し、算出した前記標準偏差を閾値として用いて、取得した前記歩行振動データを、前記２値化データに変換する、
    請求項５に記載の歩行振動解析方法。
  7. （ｃ）前記個人毎に、当該個人の前記個人特定データを作成する、ステップを更に有し、
    前記（ｃ）のステップにおいて、前記個人毎に、当該個人の複数歩分の歩行振動データを取得し、取得した複数歩分の歩行振動データそれぞれを前記２値化データに変換し、変換後の複数歩分の歩行振動データに基づいて、ハイレベルとなる部分の発生確率を、歩行開始からの経過時間に紐付けて算出し、算出した前記発生確率を当該個人の前記個人特定データとする、
    請求項５または６に記載の歩行振動解析方法。
  8. 前記（ｂ）のステップにおいて、前記個人特定データそれぞれ毎に、変換後の前記２値化データのハイレベルの部分と、当該個人特定データの前記ハイレベルとなる部分の発生確率とを対比して、前記歩行振動データの取得元の個人が当該個人である確率を算出する、
    請求項７に記載の歩行振動解析方法。
  9. コンピュータに、
    （ａ）歩行に伴って発生した歩行振動を特定する歩行振動データを取得し、取得した歩行振動データを、歩行開始からの経過時間に沿って振動の値をハイレベルとローレベルとの２値で表現する、２値化データに変換する、ステップと、
    （ｂ）変換後の前記２値化データを、予め個人毎に、当該個人の歩行振動データを前記２値化データに変換することによって作成されている、個人特定データに照合して、前記歩行振動データの取得元の個人を特定する、ステップと、
    を実行させる命令を含む、プログラムを記録しているコンピュータ読み取り可能な記録媒体。
  10. 前記（ａ）のステップにおいて、取得した前記歩行振動データの標準偏差を算出し、算出した前記標準偏差を閾値として用いて、取得した前記歩行振動データを、前記２値化データに変換する、
    請求項９に記載のコンピュータ読み取り可能な記録媒体。
  11. 前記プログラムが、前記コンピュータに、
    （ｃ）前記個人毎に、当該個人の前記個人特定データを作成する、ステップを実行させる命令を更に含み、
    前記（ｃ）のステップにおいて、前記個人毎に、当該個人の複数歩分の歩行振動データを取得し、取得した複数歩分の歩行振動データそれぞれを前記２値化データに変換し、変換後の複数歩分の歩行振動データに基づいて、ハイレベルとなる部分の発生確率を、歩行開始からの経過時間に紐付けて算出し、算出した前記発生確率を当該個人の前記個人特定データとする、
    請求項９または１０に記載のコンピュータ読み取り可能な記録媒体。
  12. 前記（ｂ）のステップにおいて、前記個人特定データそれぞれ毎に、変換後の前記２値化データのハイレベルの部分と、当該個人特定データの前記ハイレベルとなる部分の発生確率とを対比して、前記歩行振動データの取得元の個人が当該個人である確率を算出する、
    請求項１１に記載のコンピュータ読み取り可能な記録媒体。
JP2019549904A 2017-11-02 2018-09-04 歩行振動解析装置、歩行振動解析方法、及びプログラム Active JP6801923B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017212737 2017-11-02
JP2017212737 2017-11-02
PCT/JP2018/032779 WO2019087563A1 (ja) 2017-11-02 2018-09-04 歩行振動解析装置、歩行振動解析方法、及びコンピュータ読み取り可能な記録媒体

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2020193315A Division JP7074299B2 (ja) 2017-11-02 2020-11-20 歩行振動解析システム、歩行振動解析方法、及びプログラム

Publications (2)

Publication Number Publication Date
JPWO2019087563A1 true JPWO2019087563A1 (ja) 2020-11-12
JP6801923B2 JP6801923B2 (ja) 2020-12-16

Family

ID=66333034

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2019549904A Active JP6801923B2 (ja) 2017-11-02 2018-09-04 歩行振動解析装置、歩行振動解析方法、及びプログラム
JP2020193315A Active JP7074299B2 (ja) 2017-11-02 2020-11-20 歩行振動解析システム、歩行振動解析方法、及びプログラム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2020193315A Active JP7074299B2 (ja) 2017-11-02 2020-11-20 歩行振動解析システム、歩行振動解析方法、及びプログラム

Country Status (4)

Country Link
US (1) US20200289029A1 (ja)
EP (1) EP3705040A4 (ja)
JP (2) JP6801923B2 (ja)
WO (1) WO2019087563A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6801923B2 (ja) * 2017-11-02 2020-12-16 Ｎｅｃソリューションイノベータ株式会社 歩行振動解析装置、歩行振動解析方法、及びプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001059742A (ja) * 1999-08-25 2001-03-06 Sharp Corp 歩行データ計測器
JP2004227053A (ja) * 2003-01-20 2004-08-12 Yamatake Corp 生活見守り装置
JP2006110072A (ja) * 2004-10-14 2006-04-27 Mitsubishi Heavy Ind Ltd 非接触歩行検出方法とシステム及び該システムを用いた個人認証方法とシステム
JP2011164993A (ja) * 2010-02-10 2011-08-25 Toyota Motor Corp 個人認証システム
JP2012168647A (ja) * 2011-02-10 2012-09-06 Nippon Telegr & Teleph Corp <Ntt> 歩行音分析装置、方法、およびプログラム
JP2015139667A (ja) * 2014-01-30 2015-08-03 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 移動運動解析装置、方法及びシステム並びにプログラム
WO2017188418A1 (ja) * 2016-04-28 2017-11-02 Ｎｅｃソリューションイノベータ株式会社 歩行振動解析システム、振動解析装置、歩行振動解析方法、及びコンピュータ読み取り可能な記録媒体

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001190527A (ja) * 2000-01-12 2001-07-17 Sharp Corp 個人認識装置および個人認識方法
JP2002197437A (ja) * 2000-12-27 2002-07-12 Sony Corp 歩行検出システム、歩行検出装置、デバイス、歩行検出方法
JP4927441B2 (ja) * 2006-05-12 2012-05-09 関西電力株式会社 個体特定システム及びセキュリティシステム
KR101000789B1 (ko) * 2008-08-04 2010-12-13 한국전자통신연구원 사용자 인식 장치 및 사용자 인식 방법
JP2010051548A (ja) * 2008-08-28 2010-03-11 Seiko Instruments Inc ピッチ計測機能を有する電子機器
US9811720B2 (en) * 2013-10-22 2017-11-07 Bae Systems Information And Electronic Systems Integration Inc. Mobile device based gait biometrics
JP6164154B2 (ja) 2013-12-27 2017-07-19 キヤノンマーケティングジャパン株式会社 認証情報管理システムと画像形成装置と、その処理方法及びプログラム
JP6795980B2 (ja) * 2014-01-30 2020-12-02 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 加速度の測定値を処理して、ユーザによるステップを識別する方法及び対応するコンピュータプログラム、並びに加速度の測定値を処理して、ユーザによるステップを識別する装置及びそのような装置を備えるデバイス
WO2016130571A1 (en) * 2015-02-09 2016-08-18 Carnegie Mellon University Indoor identification of individuals through footstep induced structural vibration
JP6801923B2 (ja) * 2017-11-02 2020-12-16 Ｎｅｃソリューションイノベータ株式会社 歩行振動解析装置、歩行振動解析方法、及びプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001059742A (ja) * 1999-08-25 2001-03-06 Sharp Corp 歩行データ計測器
JP2004227053A (ja) * 2003-01-20 2004-08-12 Yamatake Corp 生活見守り装置
JP2006110072A (ja) * 2004-10-14 2006-04-27 Mitsubishi Heavy Ind Ltd 非接触歩行検出方法とシステム及び該システムを用いた個人認証方法とシステム
JP2011164993A (ja) * 2010-02-10 2011-08-25 Toyota Motor Corp 個人認証システム
JP2012168647A (ja) * 2011-02-10 2012-09-06 Nippon Telegr & Teleph Corp <Ntt> 歩行音分析装置、方法、およびプログラム
JP2015139667A (ja) * 2014-01-30 2015-08-03 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 移動運動解析装置、方法及びシステム並びにプログラム
WO2017188418A1 (ja) * 2016-04-28 2017-11-02 Ｎｅｃソリューションイノベータ株式会社 歩行振動解析システム、振動解析装置、歩行振動解析方法、及びコンピュータ読み取り可能な記録媒体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YUICHI NAKAMURA ET AL.: "Individual Identification by Gait Vibration Data Transmitted Floor", 2016 16TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND SYSTEMS, JPN6020040520, 26 January 2017 (2017-01-26), pages 1371 - 1376, ISSN: 0004372399 *

Also Published As

Publication number Publication date
JP7074299B2 (ja) 2022-05-24
JP6801923B2 (ja) 2020-12-16
EP3705040A4 (en) 2021-08-18
US20200289029A1 (en) 2020-09-17
EP3705040A1 (en) 2020-09-09
WO2019087563A1 (ja) 2019-05-09
JP2021015657A (ja) 2021-02-12

Similar Documents

Publication Publication Date Title
JP6106340B2 (ja) ログ分析装置、攻撃検知装置、攻撃検知方法およびプログラム
US20210049452A1 (en) Convolutional recurrent generative adversarial network for anomaly detection
CN110309388B (zh) 数据对象信息违法风险识别方法、装置以及计算机系统
CN108932456B (zh) 人脸识别方法、装置和系统及存储介质
KR102665757B1 (ko) 악성 스크립트 탐지 장치 및 방법
CN105426713A (zh) 用于基于触摸事件分析来区分触摸屏使用者的方法和装置
US20140304236A1 (en) Hash value generation apparatus, system, determination method, program, and storage medium
JP6557995B2 (ja) 計測プログラム、計測装置及び計測方法
CN105320867B (zh) 电子装置和指纹辨识方法
CN108847941B (zh) 身份认证方法、装置、终端及存储介质
AU2013204156B2 (en) Classification apparatus and program
JP7074299B2 (ja) 歩行振動解析システム、歩行振動解析方法、及びプログラム
JPWO2014013686A1 (ja) 照合装置及び照合装置の制御方法、並びにコンピュータ・プログラム
CN112771522A (zh) 生物体认证装置、生物体认证方法以及生物体认证程序
Pham et al. A wearable sensor based approach to real-time fall detection and fine-grained activity recognition
CN108875538B (zh) 属性检测方法、装置和系统及存储介质
US20150081477A1 (en) Search query analysis device, search query analysis method, and computer-readable recording medium
JP7375692B2 (ja) 情報処理装置、情報処理方法、及び情報処理システム
US10346034B2 (en) Dynamically generating characters with personalized handwriting character font characteristics method and system thereof
KR102337217B1 (ko) 전자 장치 및 그 동작 방법
JP5676210B2 (ja) 監視装置、監視方法、及びプログラム
JP7248348B2 (ja) 顔認証装置、顔認証方法、及びプログラム
Yang et al. An automatic fall detection system based on derivative dynamic time warping
JP2009211578A (ja) サービス支援システム
WO2022079841A1 (ja) グループ特定装置、グループ特定方法、及びコンピュータ読み取り可能な記録媒体

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200424

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200424

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20201027

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201119

R150 Certificate of patent or registration of utility model

Ref document number: 6801923

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150