JPWO2019187099A1 - 身体機能自立支援装置およびその方法 - Google Patents

Abstract

少なくとも人物を検出対象とする１又は２以上のセンサから、人物の身体状態を示す身体状態情報を取得する取得部と、取得部の取得した身体状態情報の時系列変化を基に人物の身体機能の変化を分析する身体機能分析部と、身体機能分析部の分析結果を基に人物の身体機能の変化に対して、身体機能の改善案を示す身体機能改善提案情報を生成して出力する身体機能改善提案部とを備える。

Description

本発明は、身体機能を分析し、身体機能を維持又は改善することを支援する身体機能自立支援装置およびその方法に関する。

介護ビジネスでは、介護が必要な高齢者に対して、様々なサービスや施設が提供されている。例えば、在宅介護、医療サービス、介護付き老人ホーム、保険施設、療養型設備、グループホーム、デイ・ケア等市場としては大変成熟している。高齢者向け健康診断、管理、生活の支援等を、介護者が行うことの需要は顕在的に存在する。しかし、介護者による高齢者支援には、大量なリソースが必要となる。

近年、65歳以上の高齢者人口の増加に伴い、高齢者介護の市場も拡大している。介護ビジネスでは、介護が必要な高齢者だけではなく、将来的に介護が必要となる可能性のある高齢者や、健康な高齢者に対してのサービスも拡大している。それに応じて、高齢者の状態を計測する技術が発展している。計測項目は、大きく分けると、身体形態情報、身長、体重等人体寸法の計測と、身体機能情報を計測する技術がある。

従来の身体機能情報を計測する技術として、ウェアラブルセンサを用いた、心拍数・血圧・脳波等の計測や、非接触的なセンサを用いた、人の動作や姿勢をデジタル化して計測する技術がある。

非接触的なセンサを用いた、人の動作のデジタル的な計測技術として、関節等にマーカを装着させて、検出されたマーカの情報を処理することにより人の動作のデジタル化を行う、Motion Capture技術がある。また、人物の位置情報、骨格情報を画像処理により抽出し、人の歩行・静止等の行動を検出する技術もある。また、Deep Learning技術が発展し、マーカの代わりに、専用のアクティブセンサを用いることにより、単眼カメラで撮影した映像より、人の複数な骨格を抽出することができ、姿勢をデジタル的に計測することができる。

これらの技術を使った装置として、特許文献１に記載された、歩行動作を処理する装置がある。この装置は、人の骨格、着地点の位置、移動軌跡情報を抽出することにより、歩行状況を評価する情報を提供する。歩行状況を評価する情報は、リハビリテーションにも利用することが可能である。例えば、リハビリテーションにおいて、歩行人の各関節の座標情報を抽出し、歩く速度、歩幅等の情報をブレなく表示することができる。

また、歩行・静止等の人の動作や姿勢の他に、生活行動をデジタル化して計測する技術がある。例えば、特許文献２に記載された、人物の動作モニタ方法、動作判定方法は、複数のセンサを用いて、人物の動作および位置等の情報を抽出することができ、介護向け高齢者の生活行動を把握することが可能となる。また、その情報を可視化することにより、位置情報と設備の情報に合わせて、転倒、滑り等の異常行動を予測し、介護者へ提示する。例えば、高齢者が、段差のあるところに移動しようと判断された場合は、段差移動の補助を介護者に表示することが可能となり、そのリスクを予防することが可能となる。

特開2015-042241号公報 特開2016-66308号公報

従来、高齢者の健康寿命を向上させるための自立支援のシステムとして、「（１）高齢者自身が自分の身体機能で「できること」を把握し、分析すること、（２）「できること」をスムーズに行えるように、身体機能の能力を維持または改善すること、」については配慮されたものは提案されていない。

特許文献１では、人の歩行という動作・姿勢をより評価しやすいようにすることが記載されているが、歩行の能力を維持また改善することは記載されてない。また、特許文献２では、人の生活行動を計測しているが、生活行動よりも人の健康を向上させるために、人の健康を維持または改善することは提案されていない。

すなわち、従来の計測方法は、介護者が介護しやすいように、介護された人の情報を正しくデジタル化することである。介護者は、情報さえあれば、介護された人への支援を行うことができるはずと理解しているためである。ここでは、介護者は専門知識を持つことは絶対条件である。高齢者たちは専門知識がないため、自分の身体状態を把握することは困難である。自分自身は自分の健康を向上させることは更に困難である。従来のように、専門家の意見を従って訓練を行うことでは自立はできない。

本発明の課題は、自立した健康管理を支援するための情報を提供することにある。

前記課題を解決するために、本発明は、少なくとも人物を検出対象とする１又は２以上のセンサと情報の送受信を行う身体機能自立支援装置であって、前記センサから、前記人物の身体状態を示す身体状態情報を取得する取得部と、前記取得部の取得した前記身体状態情報の時系列変化を基に前記人物の身体機能の変化を分析する身体機能分析部と、前記身体機能分析部の分析結果を基に前記人物の身体機能の変化に対して、身体機能の改善案を示す身体機能改善提案情報を生成して出力する身体機能改善提案部と、を有することを特徴とする。

本発明によれば、自立した健康管理を支援するための情報を提供することができる。

本発明の実施例１に係る身体機能自立支援システムの構成例を示す構成図。 本発明の実施例１に係るサーバのソフトウェア資源の構成を例示する構成図。 本発明の実施例１に係るデータベースＳ１８の構成例を示す構成図。 本発明の実施例１に係る身体状態分析部１２の分析結果の表示例を示す構成図。 本発明の実施例１に係る身体機能分析部１４の具体的構成を示す構成図。 本発明の実施例１に係る身体機能分析部１４の分析結果の表示例を示す構成図。 本発明の実施例１に係る身体機能改善提案情報の構成の例を示す構成図。 本発明の実施例１に係る標準指標の作成例を示す説明図。 本発明の実施例１に係る身体機能改善提案部１６で提案された情報の表示例を示す構成図。 本発明の実施例１に係る健康な高齢者向けに健康維持支援を行うときの処理フローを示すフローチャート。 本発明の実施例１に係る高齢者の変調管理を行うときの処理フローを示すフローチャート。 本発明の実施例１に係る高齢者の診断・治療を行うときの処理フローを示すフローチャート。 本発明の実施例２に係る高齢者のグループに対して、身体機能支援を行うときの表示例を示す構成図。 本発明の実施例２に係る複数の高齢者を複数のグループに分け、各グループに属する高齢者の身体機能を分析するときの処理フローを示すフローチャート。 本発明の実施例３に係る子供の運動教育に対して、運動機能支援を行うときの処理フローを示すフローチャート。 本発明の実施例４に係る作業員の作業に対して、身体機能支援を行うときの処理フローを示すフローチャート。

以下、本発明の実施例について、図面を参照して詳細に説明する。以下に示す本発明の身体機能自立支援システムと装置の実施例の説明においては、高齢者の身体機能自立支援システムを例として説明する。

図１に、本発明の実施例１に係る身体機能自立支援システムの構成例を示す。図１において、身体機能自立支援システム１は、サーバ２と、ネットワーク３と、１又は２以上のユーザ端末４を備え、サーバ２が、ネットワーク３を介してユーザ端末４に接続される。

サーバ２は、例えば、ＣＰＵ（Central Processing Unit）２ａ、入力装置２ｂ、出力装置２ｃ、通信装置２ｄ、記憶装置２ｅおよびバス２ｆを備えたコンピュータ装置であって、身体機能自立支援装置として構成される。ＣＰＵ２ａ、入力装置２ｂ、出力装置２ｃ、通信装置２ｄ及び記憶装置２ｅは、バス２ｆを介して互いに接続される。ＣＰＵ２ａは、サーバ全体の動作を統括的に制御するコントローラ（中央処理装置）として構成される。入力装置２ｂは、キーボードまたはマウスから構成され、出力装置２ｃは、ディスプレイまたはプリンタから構成される。また、同じ機能を持つタブレット等のスマートデバイスからの構成も可能である。通信装置２ｄは、例えば、無線ＬＡＮ（Local Area Network）又は有線ＬＡＮに接続するためのＮＩＣ（Network Interface Card）を備えて構成される。さらに記憶装置２ｅは、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）等の記憶媒体から構成される。

ユーザ端末４は、少なくとも人物（高齢者、子供、作業員等）を検出対象とする複数のセンサ、例えば、ウェアラブルセンサ４ａ、環境センサ４ｂ、映像センサ４ｃを備えると共に、パーソナルコンピュータ（ＰＣ）４ｄを備えて構成される。ウェアラブルセンサ４ａと環境センサ４ｂとは、ネットワーク３を介してサーバ２と接続され、映像センサ４ｃは、パーソナルコンピュータ（ＰＣ）４ｄを介してサーバ２と接続される。パーソナルコンピュータ（ＰＣ）４ｄは、例えば、ＣＰＵ、メモリ、入出力インタフェース、ディスプレイ（いずれも図示せず）等を備えたコンピュータ装置で構成される。なお、ウェアラブルセンサ４ａと環境センサ４ｂをパーソナルコンピュータ（ＰＣ）４ｄを介してサーバ２に接続することもできる。

ウェアラブルセンサ４ａは、身体機能自立支援の対象者である人物、例えば、高齢者の身体に着用され、高齢者の身体状態に関する身体状態情報を計測するセンサである。例えば、ウェアラブルセンサ４ａには、心拍センサ、血圧センサ、脳波センサ等がある。これらのセンサは、高齢者の身体から生理的な信号を受け取ることができる。多くのウェアラブルセンサ４ａは、加速センサ、脈波センサ、体温センサ等に設置されている。

環境センサ４ｂは、高齢者の身体に依存し、環境に関する情報を収集するセンサである。例えば、環境センサ４ｂは、位置情報を把握するＧＰＳ（Global Positioning System）センサ、高齢者の声をセンシングする音声センサ、天気に関する情報を検出するセンサであって、温度を検出する温度センサ、気圧を検出する気圧センサ、湿度を検出する湿度センサ等がある。

映像センサ４ｃは、単眼カメラ、ステレオカメラ、ＴｏＦ（Time of Flight）カメラ、アクティブセンサ等、高齢者の画像（情報）を取得できるセンサである。単眼カメラは、画像センサとレンズが構成されている。画像センサは、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）やＣＣＤ（Charge Coupled Device）等の撮像素子を含む機構である。レンズは、ズーム可能なレンズや固定レンズである。ズーム可能なレンズは、ズームすることにより、遠望領域を撮像することを可能とし、近傍領域を撮像することも可能である。固定レンズは、一定範囲での領域を撮影することが可能である。撮影されたものはＢＭＰ、ＪＰＧＥ等の型式に保存する。それには、色情報としてのＲＧＢ情報が含まれている。ステレオカメラは、複数視点から同時に撮影することにより、奥行きDepthが取得できるカメラである。また、ＴｏＦカメラは、光を発光して、その発光した光が物体に反射して受信するまでの時間を計測し、光の速度を併せて、奥行きDepthを計測できるセンサである。単眼カメラは、ステレオカメラとは異なり、ＲＧＢ情報が無い。アクティブセンサは、画像ＲＧＢに加え、奥行きDepthを取得することができる、ＲＧＢＤセンサである。これらの映像センサは、高齢者の様子を撮影し、撮影したデータを画像データとして生成する。

以上で述べたセンサを一つ或いは、複数個組み合わせて利用することが可能である。なお、これらのセンサは、ネットワーク４に直接接続された構成（図１ではウェアラブルセンサ４ａ、環境センサ４ｂ）、ＰＣに接続された構成（図１では映像センサ４ｃ）のいずれでも良い。

図２は、サーバのソフトウェア資源の構成を例示する構成図である。図２において、サーバ２は、ソフトウェア資源として、センサ取得部１０、特徴抽出部１１、身体状態分析部１２、身体状態分析結果表示部１３、身体機能分析部１４、身体機能分析結果表示部１５、身体機能改善提案部１６、身体機能改善案表示部１７、データベースＳ１８、データベースＡ１９を備えている。この際、ＣＰＵ２ａが、記憶装置２ｅに格納された各種処理プログラム、例えば、センサ取得プログラム、特徴抽出プログラム、身体状態分析プログラム、身体状態分析結果表示プログラム、身体機能分析プログラム、身体機能分析結果表示プログラム、身体機能改善提案プログラム及び身体機能改善案表示プログラムをそれぞれ実行することにより、センサ取得部１０、特徴抽出部１１、身体状態分析部１２、身体状態分析結果表示部１３、身体機能分析部１４、身体機能分析結果表示部１５、身体機能改善提案部１６及び身体機能改善案表示部１７の機能が実現される。

なお、ウェアラブルセンサ４ａ、環境センサ４ｂ及び映像センサ４ｃの検出による情報（データ）は、それぞれセンサ取得部１０によって取得され、身体状態分析結果表示部１３、身体機能分析結果表示部１５及び身体機能改善案表示部１７でそれぞれ生成される画像情報は、出力装置２ｃの画面上に表示される。

センサ取得部１０は、ウェアラブルセンサ４ａ、環境センサ４ｂ及び映像センサ４ｃから、各センサの検出による情報、例えば、人物の身体状態を示す身体状態情報を取得し、取得した情報を特徴抽出部１１に出力する。

特徴抽出部１１は、センサ取得部１０から入力された情報(身体状態情報)の中から特徴となる特徴情報を抽出し、抽出した特徴情報を身体状態分析部１２に出力する。ここで、特徴抽出部１１の抽出による特徴情報を特徴データと定義する。各センサの検出による情報をすべで処理することは、システム的にコストが大きい。そこで、コストを減少するため、特徴抽出部１１では、センサ取得部１０から入力された情報（身体状態情報）の中から特徴データを抽出する。例えば、ウェアラブルセンサ４ａからの身体状態情報として、心拍数の情報を入力した場合、標準により高いまた低いデータを特徴テータとして抽出する。映像センサ４ｃから身体状態情報が入力された場合には、画像のＲＧＢ情報、および、奥行きDepth情報を用いて、特徴データを抽出することが可能である。近年Deeplearningが発展し、画像上で、人検知、人認識、行動認識、行動理解は簡単にできるようになり、精度も高くなった。例えば、人の骨格情報、足元位置、位置情報、行動情報等は、すべで特徴データとして考えられる。環境センサ４ｂから身体状態情報が入力された場合には、異常天気情報等を特徴データとして抽出することができる。複数のセンサからの身体状態情報を利用する場合は、それぞれの身体状態情報から特徴データを得ることできる。

身体状態分析部１２は、特徴抽出部１１で抽出した特徴データを用いて、例えば、高齢者を現時点で計測して得られた計測データと特徴データとを比較し、高齢者の身体状態を分析する。身体状態は、生活行動、動作、姿勢、身体疲労度、身体負担度等、高齢者の健康指標として見られるものである。例えば、特徴抽出部１１で抽出した特徴データである足元位置、頭位置等を使って、高齢者の姿勢を分析することが可能である。身体状態分析部１２は、特徴データを用いて分析した結果を示す情報、例えば、姿勢情報をデータベースＳ(status)１８に保存する。

このデータベースＳ（第一のデータベース）１８には、身体状態分析部１２の分析結果を示す身体状態分析情報が保存される。このデータベースＳ１８には、高齢者毎の情報（身体状態分析情報）を、各高齢者を特定するＩＤ（Identification）に対応づけて保存することができる。このＩＤを用いて、高齢者の身長、体重、履歴等、健康と関連する個人情報を管理することも可能である。また、このデータベースＳ１８には、高齢者毎の情報を時間軸に沿って保存することも可能である。

図３に、データベースＳ１８の構成の例を示す。データベースＳ１８は、記憶装置２ｅに格納される情報であって、時間１８ａと身体状態分析情報１８ｂを含み、身体状態分析情報１８ｂは、姿勢１８ｃ、行動１８ｄ、身体負担・疲労１８ｅから構成され、高齢者毎に付けられるＩＤ：１〜ｎによって管理される。データベースＳ１８には、各高齢者の身体状態を分析して得られた身体状態分析情報１８ｂが記録される。

時間１８ａには、身体状態分析部１２が各高齢者の身体状態を分析した時間に関する情報として、「年/月/日/分：秒」が記録される。姿勢１８ｃには、各高齢者の姿勢に関する情報として、「歩行速度」、「腕振り」、「体幹角度」、「バランス度」、「歩幅」等が記録され、行動１８ｄには、各高齢者の行動に関する情報として、「散歩」、「ストレッチング」、「体操」、「筋力トレーニング」、「寝る」等が記録され、身体負担・疲労１８ｅには、各高齢者の身体負担・疲労に関する情報として、「血圧」、「心拍数」、「酸素量」、「筋力」、「脳波」等が記録される。

姿勢１８ｃに属する情報（「歩行速度」、「腕振り」、「体幹角度」、「バランス度」、「歩幅」）は、特徴抽出部１１で抽出した足位置（足元位置）、頭位置等の特徴データを分析することで得られる。また、行動１８ｄに属する情報（「散歩」、「ストレッチング」、「体操」、「筋力トレーニング」、「寝る」）は、特徴抽出部１１で抽出した位置情報、動き情報等の特徴データであって、現在の行動状態を示す特徴データを分析することで得られる。例えば、散歩の時間、ストレッチング、体操、トレーニングのコースと時間、寝る、座る、転倒する等、現在の行動状態を示す特徴データが挙げられる。また、身体負担・疲労１８ｅに属する情報（「血圧」、「心拍数」、「酸素量」、「筋力」、「脳波」）は、現在の血圧、心拍数、酸素量、筋力、脳波を計測して得られた特徴データを分析することで得られる。データベースＳ１８は、複数のセンサより抽出した身体状態情報を蓄積し、管理することも可能である。

身体状態分析部結果表示部１３は、身体状態分析部１２の分析結果を可視化するための画像情報を生成し、生成した画像情報を出力装置２ｃの画面上に表示する。この際、身体状態分析部結果表示部１３は、リアルタイムで分析結果を出力装置２ｃの画面上に表示したり、指定された時間を探索し、その時間での分析結果を出力装置２ｃの画面上に表示したりすることが可能である。

図４に、身体状態分析部１２の分析結果の表示例を示す。図４（ａ）の表示画面４０は、分析した高齢者の歩行速度と心拍数を組み合わせて表示したものである。骨格情報と映像情報を加えて表示することで、高齢者に対して分かりやすくなる。図４（ｂ）の表示画面４１は、高齢者の寝る行動と心拍数を表示したものである。この際、高齢者の寝る期間も表示することが可能である。図４（ｃ）の表示画面４２は、高齢者が転倒した際に、転倒行動と心拍数を表示したものである。また、地図情報にあわせて、身体状態分析結果を可視化することが可能である。例えば、図４（ｄ）の表示画面４３は、机で読書している高齢者の心拍数、脳波を表示したものである。

身体機能分析部１４は、センサ取得部１０の取得した身体状態情報の時系列変化を基に、人物の身体機能の変化を分析する。この際、身体機能分析部１４は、センサ取得部１０の取得した身体状態情報を時系列で保持し、保持した身体状態情報を基に人物の身体機能の変化を分析することができる。また、センサ取得部１０の取得した身体状態情報の中から特徴となる特徴情報を抽出する特徴抽出部１１の出力による特徴情報を利用する場合、身体機能分析部１４は、特徴抽出部１１の抽出による特徴情報の時系列変化を基に人物の身体機能の変化を分析する。この場合、特徴情報を利用しないときよりも、情報処理の高速化を図ることができる。また、センサ取得部１０の取得した身体状態情報を時系列で蓄積するデータベースＳ１８を利用する場合、身体機能分析部１４は、特徴抽出部１１の抽出による特徴情報とデータベースＳ１８に蓄積された身体状態情報とを基に人物の身体機能の変化を分析する。この場合、特徴情報を利用しないときよりも、情報処理の高速化を図ることができる。また、身体機能分析部１４は、身体状態分析部１２の分析結果と時間列で蓄積された身体状態の情報（データベースＳ１８に蓄積された身体状態分析情報）とを用いて、高齢者の身体機能を分析し、分析結果を身体機能分析結果表示部１５と身体機能改善提案部１６に出力する。図５に、身体機能分析部１４の具体的構成を示す。身体機能分析部１４は、身体機能改善分析部５０、運動機能分析部５１、生活行動分析部５２を備えて構成される。

身体機能改善分析部５０は、身体状態分析部１２の分析結果とデータベースＳ１８に記録されたデータ（身体状態分析情報）を基に、高齢者の身体状態が改善されているか否かを分析する。身体状態は、データベースＳ１８に記録された情報であり、高齢者の健康状態を表すものである。運動機能分析部５１は、身体状態分析部１２の分析結果とデータベースＳ１８に記録された行動データ（行動１８ｄに属する情報）に基づいて、運動種類、消化するカロリー、運動時間を総計的に分析し、分析結果から運動の適切さを評価する。また、高齢者の運動の際の平均心拍数、平均筋力、平均血圧を分析することで、高齢者の運動能力を評価することができる。生活行動部５２は、身体状態分析部１２の分析結果とデータベースＳ１８に記録されたデータ（身体状態分析情報）を基に、高齢者の生活行動を分析し、分析結果から生活が急変しているかを評価する。

身体機能分析部１４は、高齢者の身体状態を評価する機能によって、分析内容を変更することができる。例えば、評価時間列は、１週間、１ヵ月、１年間単位で設定し、分析することが可能である。また、リハビリテーション効果を評価する場合は、基本３ヵ月間、リハビリテーションの効果を示す必要があり、リハビリ前とリハビリ後の身体状態を比較し、高齢者の身体機能が改善されているか否かを分析することが可能である。

身体機能分析結果表示部１５は、身体機能分析部１４の分析結果を可視化するための画像情報を生成し、生成した画像情報を出力装置２ｃの画面上に表示する。図６に、身体機能分析部１４の分析結果の表示例を示す。図６（ａ）の表示画面６０は、身体機能改善解析６１と老化改善６２に関する情報を表示するものである。身体機能改善解析６１には、高齢者の歩行速度の変化を示す情報が表示される。歩行速度の変化を蓄積して得られたデータを基に表示することで、高齢者の歩行速度の変化を評価することができる。図６（ａ）の場合、2017年3月の歩行速度と比較して、2018年3月の歩行速度は大幅に改善されたことを示している。ここで評価した結果によって、高齢者の歩き方が改善され、老化改善６２には、改善されて情報として、「猫背歩行」、「小股スロー歩行」、「二直線歩行」の情報が表示される。

また、図６（ｂ）の表示画面６３は、運動機能分析６４と運動急減６５に関する情報を表示するものである。運動機能分析６４には、高齢者の運動項目（「トレーニング」、「体操」、「ストレッチング」、「散歩」）について、時間とカロリーに関する情報が表示される。運動項目および時間は週毎に評価することによって、月単位の運動が急減することがわかった。その変化は、運動急減６５の情報として、例えば、「運動量減少」、「運動項目減少」、「体重増加傾向」が表示される。

また、図６（ｃ）の表示画面６６は、生活行動分析６７と生活急変６８に関する情報を表示するものである。生活行動分析６７には、高齢者の生活行動（「寝る」、「読書」、「家事」、「運動」）の割合に関する情報として、2017年と2018年の情報が表示される。一年間の生活行動を比較することで、高齢者の生活が急変した場合、その内容が生活急変６８に表示される。例えば、生活急変６８には、「寝質が悪化」、「家事負担増加」、「趣味減少」が表示される。これらの情報から、高齢者に、生活急変で精神的に、身体的に負担がかかることを分析することが可能である。

それらの分析結果を表示する場合、時間列の調整は可能である。例えば、１週間、１ヵ月、１年間の変化を表示することで、その期間における傾向を分析することができる。また、その変化や傾向によって、身体機能への影響を分析することも可能である。

身体機能改善提案部１６は、身体機能分析部１４の分析結果を基に人物の身体機能の変化に対して、身体機能の改善案を示す身体機能改善提案情報を生成して出力する。例えば、身体機能改善提案部１６は、身体機能分析部１４の分析結果と、データベースＡ（第二のデータベース）１９に記録された情報（身体状態分析情報の標準指標を示す標準指標情報）とを比較し、比較結果を基に身体機能改善提案情報を生成する。具体的には、身体機能改善提案部１６は、データベースＡ１９に記録された情報と身体機能分析部１４で分析した内容に応じて、高齢者の身体機能を維持又は改善するための情報（身体機能改善提案情報）を生成し、生成した情報をシステム的に自動的に提案し、提案した内容（身体機能改善提案情報）をセンサ取得部１０と身体機能改善案表示部１７に出力する。

図７に、身体機能改善提案情報の構成の例を示す。身体機能改善提案情報７０は、項目７１、身体状態７２、改善案７３、身体状態分析情報標準指標７４を備えた構成される。項目７１には、「老化改善」、「運動急減」、「生活急変」の情報が記録される。身体状態７２には、項目７１に対応した情報として、例えば、「老化改善」に対応して、「猫背歩行」、「小股スロー歩行」、「二直線歩行」が記録される。改善案７３には、項目７１および身体状態７２に対応した情報として、例えば、「老化改善」と「猫背歩行」に対応して、「ストレッチング ３０分/日」、「上半身筋力トレーニング ３０分/日」が記録される。身体状態分析情報標準指標７４には、項目７１と身体状態７２に対応した情報として、例えば、「老化改善」と「猫背歩行」に対応して、「バランス度 ０度」、「歩行速度 ０．７ｍ/s」、「腕振り １５度」、「体幹角度 ０度」、「歩幅 ０．７ｍ」が記録される。

身体機能改善提案情報７０のうち身体機能分析部１４で分析した結果は、項目７１と身体状態７２に反映される。そして、その身体状態７２に応じて、改善案７３を指摘することが可能である。また、身体状態７２に属する情報に対して、身体状態分析情報標準指標７４に属する情報も提示される。その際、身体状態分析情報標準指標７４は、標準データを学習させて、モデル化した指標値を用いることできる。この指標値は、改善したい指標である。改善案７３に属する情報は、この標準指標に対して、健康を維持または改善するための情報となる。なお、身体機能改善提案部１６は、身体機能分析部１４の分析結果に人物の健康維持に関する情報が含まれ、データベースＡ１９に人物の健康維持の標準指標を示す標準指標情報が蓄積されている場合、身体機能改善提案情報に属する情報として、人物の健康維持を支援する情報を生成する。

図８に、標準指標の作成例を示す。標準データベース８０は、身体機能改善提案部１６で管理されるデータベースであって、作業員作業行動データベースと健康高齢者データベース、および子供教育データベースに関するデータを蓄積するデータベースとして構成される。標準データベース８０に蓄積されたデータのうちウェアラブルセンサ４ａで検出されたデータは、ウェアラブルセンサデータベース８１に格納され、映像センサ４ｃで検出されたデータは、映像センサデータベース８２に格納され、環境センサ４ｂで検出されたデータは、環境センサデータベース８３に格納される。ウェアラブルセンサデータベース８１から抽出されたデータは、モデル８４として定義され、モデル８４を用いて、標準指標が算出される。算出された標準指標は、データベースＡ１９に保存される。映像センサデータベース８２から抽出されるデータは、モデル８５として定義され、モデル８５を用いて、標準指標が算出される。算出された標準指標は、データベースＡ１９に保存される。環境センサデータベース８３から抽出されるデータは、モデル８６として定義され、モデル８６を用いて、標準指標が算出される。算出された標準指標は、データベースＡ１９に保存される。

データベースＡ１９に保存される身体機能の標準指標は、標準データベース８０に蓄積されるデータ（学習されたデータ）によって異なる。例えば、健康高齢者データベースに蓄積されたデータを基に算出された標準指標がデータベースＡ１９に保存される場合、データベースＡ１９に保存されたデータは、高齢者の自立支援への適応が可能である。また、子供教育データベースに蓄積されたデータを基に算出された標準指標がデータベースＡ１９に保存される場合、データベースＡ１９に保存されたデータは、子供教育データセットへの適応が可能である。このデータを利用することで、子供の勉強行動、運動行動等を向上することが期待できる。また、作業員作業行動データベースに蓄積されたデータを基に算出された標準指標がデータベースＡ１９に保存される場合、データベースＡ１９に保存されたデータは、作業員の行動を把握し、改善案を提示することに利用できる。

身体機能改善案表示部１７は、身体機能改善提案部１６で提案した情報を基に、高齢者の身体機能を維持・改善する案および、その予測効果を可視化するための画像情報を生成し、生成した画像情報を出力装置２ｃの画面上に表示する。改善案に関する画像は、図８で述べたものを、文字や映像で提示することが可能である。また、現状の身体機能と比較して、改善案の予測効果を画像で表示することも可能である。図９に、身体機能改善提案部１６で提案された情報の表示例を示す。図９（ａ）の表示画面９０は、高齢者の現状の身体機能を示す正面画像であり、図９（ｂ）の表示画像９１は、高齢者の現状の身体機能を示す側面画像である。図９（ｃ）の表示画像９２は、高齢者の改善案の身体機能を示す正面画像であり、図９（ｄ）の表示画像９３は、高齢者の改善案の身体機能を示す側面画像である。表示画像９０から、例えば、高齢者の現状としては、正面から見ると、手の上げ具合が悪く、水平に対して１５度であることが分かる。表示画像９１から、高齢者の現状としては、側面から見ると、背中が１５度回って、歩き幅が小さいことが分かる。改善案の期待効果は、表示画像９２、９３に示すように、手の上げ具合、背中の回る度、歩幅がそれぞれ標準指標（０度、０度、０．７５）になることが期待される。

また、図９（ｅ）の表示画像９４は、標準指標９５と、高齢者の心拍数（ウェアラブルセンサ４ａで検出された心拍数）９６、９７との関係を示す画像である。高齢者の心拍数（２０１８/３）９６と、高齢者の心拍数（２０１７/３）９７を、理想の状態を示す標準指標９５に対して表示することで、改善効果が分かりやすくなる。

また、身体機能改善提案部１６は、改善効果を観察するため、再度センサ取得部１０からのデータを基に、高齢者の身体状態を把握し、高齢者の身体機能を分析しながら、改善効果を把握することができる。高齢者の健康を維持する場合も、身体機能改善提案部１６は、改善効果の処理と同じ流れで、高齢者に対して、身体状態が変わりなく、身体機能が低下しないことも、現状維持することも提示することが可能である。

図１０に、健康な高齢者向けに健康維持支援を行うときの処理フローを示す。まず、センサ取得部１０は、センサ（ウェアラブルセンサ４ａ、環境センサ４ｂ、映像センサ４ｃ）からデータ、例えば、画像データ、心拍数のデータを取得し、取得したデータを特徴抽出部１１に出力する（Ｓ１００）。特徴抽出部１１は、センサから取得したデータの中から特徴（例えば、人の足、輪郭、心拍数の低い値）を抽出し、抽出したデータを特徴データとして身体状態分析部１２に出力する（Ｓ１０１）。身体状態分析部１２は、特徴抽出部１１で抽出された特徴データを用いて、高齢者の現在の身体状態を分析し、分析結果をデータベースＳ１８に保存すると共に、身体機能分析部１４に出力する（Ｓ１０２）。

身体機能分析部１４は、身体状態分析部１２の分析結果とデータベースＳ１８に蓄積されたデータを基に高齢者の現状の身体機能を分析し（Ｓ１０３）、今回の分析結果と前回の分析結果とを比較し、高齢者の身体機能は、現状を維持できるか否かを判定する（Ｓ１０４）。ステップＳ１０４で現状を維持できると判定した場合、身体機能分析部１４は、分析結果を身体機能分析結果表示部１５に出力し（Ｓ１０５）、ステップＳ１００の処理に戻り、センサからのデータを取得し、次のサイクルを繰り返す。なお、現状を維持できると判定した場合、ステップＳ１０５において、図６の画像や、「このままでＯＫ」等の情報が出力装置２ｃの画面上に表示される。

ステップＳ１０４で現状を維持できない判定した場合、身体機能分析部１４は、分析結果を身体機能改善提案部１６に出力する。身体機能改善提案部１６は、データベースＡ１９に蓄積されたデータと身体機能分析部１４の分析結果を基に高齢者の身体機能の維持や改善するための身体機能改善案を分析し（Ｓ１０６）、分析結果を示す情報（身体機能改善提案情報）を身体機能改善案表示部１７に出力する（Ｓ１０５）。この場合、ステップＳ１０５において、図７の画像（身体機能改善提案情報７０の画像）が、出力装置２ｃの画面上に表示される。

図６又は図７の画像から、高齢者が健康を維持しているか否かを観測することが可能である。

図１１に、高齢者の変調管理を行うときの処理フローを示す。まず、センサ取得部１０は、センサ（ウェアラブルセンサ４ａ、環境センサ４ｂ、映像センサ４ｃ）からデータ、例えば、画像データ、心拍数のデータを取得し、取得したデータを特徴抽出部１１に出力する（Ｓ１１０）。特徴抽出部１１は、センサから取得したデータの中から特徴（例えば、人の足、輪郭、心拍数の低い値）を抽出し、抽出したデータを特徴データとして身体状態分析部１２に出力する（Ｓ１１１）。身体状態分析部１２は、特徴抽出部１１で抽出された特徴データを用いて、高齢者の現在の身体状態を分析し、分析結果をデータベースＳ１８に保存すると共に、身体機能分析部１４に出力する（Ｓ１１２）。

身体機能分析部１４は、身体状態分析部１２の分析結果とデータベースＳ１８に蓄積されたデータを基に高齢者の現状の身体機能を分析し（Ｓ１１３）、今回の分析結果と前回の分析結果とを比較し、高齢者の身体機能は、悪化したか否かを判定する（Ｓ１１４）。ステップＳ１１４で悪化していないと判定した場合、身体機能分析部１４は、分析結果を身体機能分析結果表示部１５に出力する（Ｓ１１６）。身体機能分析結果表示部１５は、身体機能分析部１４の分析結果として、例えば、「このままでＯＫ」の情報、或いは、図６（ｂ）の表示画像６３を出力装置２ｃの画面上に表示する。

ステップＳ１１４で悪化していると判定した場合、身体機能分析部１４は、分析結果を身体機能改善提案部１６に出力する。身体機能改善提案部１６は、データベースＡ１９に蓄積されたデータと身体機能分析部１４の分析結果を基に高齢者の身体機能を改善するための身体機能改善案を分析し（Ｓ１１５）、ステップＳ１１０の処理に戻り、センサからのデータを取得し、次のサイクルを繰り返す。さらに、身体機能改善提案部１６は、分析結果を示す情報（身体機能改善提案情報）を身体機能改善案表示部１７に出力する（Ｓ１１６）。身体機能改善案表示部１７は、例えば、図７の画像（身体機能改善提案情報７０の画像）を出力装置２ｃの画面上に表示する。

図６又は図７の画像から、高齢者の身体機能の変調を把握することができる。

図１２に、高齢者の診断・治療を行うときの処理フローを示す。まず、センサ取得部１０は、センサ（ウェアラブルセンサ４ａ、環境センサ４ｂ、映像センサ４ｃ）からデータ、例えば、画像データ、心拍数のデータを取得し、取得したデータを特徴抽出部１１に出力する（Ｓ１２０）。特徴抽出部１１は、センサから取得したデータの中から特徴（例えば、人の足、輪郭、心拍数の低い値）を抽出し、抽出したデータを特徴データとして身体状態分析部１２に出力する（Ｓ１２１）。身体状態分析部１２は、特徴抽出部１１で抽出された特徴データを用いて、高齢者の現在の身体状態を分析し、分析結果をデータベースＳ１８に保存すると共に、身体機能分析部１４に出力する（Ｓ１２２）。

身体機能分析部１４は、身体状態分析部１２の分析結果とデータベースＳ１８に蓄積されたデータを基に高齢者の現状の身体機能を分析し（Ｓ１２３）、計測が終了したか否かを判定する（Ｓ１２４）。ステップＳ１２４で計測が終了していないと判定した場合、身体機能分析部１４は、ステップＳ１２０の処理に戻り、センサからデータを取得し、次のサイクルを繰り返す。

ステップＳ１２４で計測が終了したと判定した場合、身体機能分析部１４は、このルーチンでの処理を終了する（Ｓ１２５）。なお、身体機能分析部１４は、分析結果を身体機能分析結果表示部１５に出力し、分析結果を出力装置２ｃの画面上に表示させることもできる。

また、身体状態分析部１２は、分析結果をデータベースＳ１８に保存した場合、データベースＳ１８に蓄積されたデータを身体状態分析結果表示部１３に出力する（Ｓ１２６）。この場合、出力装置２ｃの画面上には、診断・治療のため、粒度が高く、情報量が多い分析結果の画像が表示される。このため、医者（介護者）１２７は、出力装置２ｃの画面上に表示された画像を診断・治療に利用することができる。

なお、身体状態分析結果表示部１３と出力装置２ｃは、データベースＳ（第一のデータベース）１８に蓄積された身体状態分析情報１８ｂを基に身体状態分析結果に関する画像情報あるいは人物の診断・治療に関する画像情報を生成し、生成した画像情報を表示画面上に表示する第一の表示部として機能する。また、身体機能分析結果表示部１５と出力装置２ｃは、身体機能分析部１４の分析結果を基に人物の身体機能分析結果に関する画像情報を生成し、生成した画像情報を表示画面上に表示する第二の表示部として機能する。さらに、身体機能改善案表示部１７と出力装置２ｃは、身体機能改善提案部１６の生成による身体機能改善提案情報７０を基に人物の身体機能改善案に関する画像情報を生成し、生成した画像情報を表示画面上に表示する第三の表示部として機能する。

本実施例によれば、自立した健康管理を支援するための情報を提供することができる。すなわち、自立した健康管理を支援するための情報として、身体機能を維持また改善するために提案された改善案を示す身体機能改善提案情報が表示されるので、高齢者は、自分自身の身体機能を常に、わかりやすく把握することができる。更に、その身体機能を維持また改善するため提案された改善案を参考として、自立ケアができる。これによって、従来、介護ビジネスは、専門の介護者がいる施設で行われていたが、自立支援できることによって、施設等に制限されることなく、在宅での自立ケアが可能となる。

また、従来の介護では、専門介護者がそれぞれ高齢者の身体状態をすべで把握する必要があり、負担が大きい。特に、一対一の支援には、大量の人員リソースが必要であるが、介護人材は大変不足している。これに対して、本実施例によるシステムを用いることで、高齢者の自立を支援することができ、介護の負担、人材問題を解消することが期待される。

さらに、健康な高齢者向に対して、健康な身体機能を維持し、自立ケアが可能になることで、高齢者の健康寿命を向上する効果が期待できる。

本実施例は、複数の高齢者を複数のグループに分けて管理し、各グループに属する高齢者の身体機能を支援するものであり、身体機能自立支援装置（サーバ２）の構成は実施例１と同様である。なお、データベースＳ１８には、複数の高齢者に関する情報が複数のグループに分かれた状態で蓄積されている。

図１３に、高齢者のグループに対して、身体機能支援を行うときの表示例を示す。介護施設は、グループで生活する高齢者が多い。それらのグループの身体機能について自動的に支援することが可能である。まず、身体機能自立支援装置（サーバ２）を利用して、各自の身体機能分析を行い、分析結果を全てプロットして出力装置２ｃの画面上に出力する。例えば、図１３（ａ）に示すように、身体機能の表示画面１３０に、各高齢者の分析結果１３１〜１３４をプロットして表示する。各高齢者の分析結果１３１〜１３４をプロットして表示することで、各高齢者は、グループ生活中で身体機能のランクが分かり、自分自身はもっと改善してほしいことが分かる。また、介護者に対して、高齢者の中には、グループ中で健康改善が遅い、健康がよくない状況にある人がいることを指摘することができる。

また、複数の高齢者を複数のグループに分け、各グループに属する高齢者の身体機能を分析し、分析結果をグループ毎にプロットして出力装置２ｃの画面上に出力することができる。図１３（ｂ）の表示画面１３５は、複数の高齢者をグループＡとグループＢに分け、各グループに属する高齢者の身体機能を分析し、分析結果１３６、１３８をグループ毎にプロットして出力装置２ｃの画面上に表示したものである。表示画面１３５から、全体的にグループＡに属する高齢者は、グループＢに属する高齢者よりも健康（値）が、より低下していることは分かる。またグループＢに属する高齢者は、平均的に健康であり、その中の分析結果１３７に対応する高齢者は、最も活発で、健康である。この高齢者の分析結果を可視化することで、例えば、グループＢに属する高齢者にいい影響を与えることが分かる。

一方、図１３（ｃ）の表示画面１３９に示すように、分析結果１３７に対応する高齢者をグループＢからグループＡに移動し、グループＡとグループＢの分析結果を調整すると、グループＡに属する高齢者全体の平均値が上がるので、グループＡに属する高齢者に対して、更に健康の向上効果を期待できる。この際、グループ毎に身体機能を把握することで、個人だけではなく、グループに属する高齢者の健康を支援することができる。

図１４に、複数の高齢者を複数のグループに分け、各グループに属する高齢者の身体機能を分析するときの処理フローを示す。センサ取得部１０は、センサ（ウェアラブルセンサ４ａ、環境センサ４ｂ、映像センサ４ｃ）からデータ、例えば、画像データ、心拍数のデータを取得し、取得したデータを特徴抽出部１１に出力する（Ｓ１４０）。特徴抽出部１１は、センサから取得したデータの中から特徴（例えば、人の足、輪郭、心拍数の低い値）を抽出し、抽出したデータを特徴データとして身体状態分析部１２に出力する（Ｓ１４１）。身体状態分析部１２は、特徴抽出部１１で抽出された特徴データを用いて、高齢者の現在の身体状態を分析し、分析結果をデータベースＳ１８に保存すると共に、身体機能分析部１４に出力する（Ｓ１４２）。

身体機能分析部１４は、身体状態分析部１２の分析結果とデータベースＳ１８に蓄積されたデータを基にグループＡに属する高齢者の現状の身体機能を分析し（Ｓ１４３）、且つ身体状態分析部１２の分析結果とデータベースＳ１８に蓄積されたデータを基にグループＢに属する高齢者の現状の身体機能を分析する（Ｓ１４４）。

次に、身体機能分析部１４は、ステップＳ１４３における分析結果とステップＳ１４４における分析結果をそれぞれ標準指標と比較し、グループＡに属する高齢者と、グループＢに属する高齢者の全てが健康か否かを判定する（Ｓ１４５）。全ての高齢者が健康であると判定した場合、身体機能分析部１４は、ステップＳ１４３における分析結果とステップＳ１４４における分析結果を、それぞれ身体機能分析結果表示部１５を介して出力装置２ｃに出力する（Ｓ１４６）。例えば、「このままでＯＫ」等の情報が出力装置２ｃの画面上に表示される。この場合、各グループに属する高齢者は、身体機能の改善は必要ないと判断できる。

一方、ステップＳ１４５で全ての高齢者が健康でないと判定した場合、身体機能分析部１４は、例えば、グループＡに属する高齢者の身体機能の平均値と、グループＢに属する高齢者の身体機能の平均値とを比較して、グループＡは、グループＢより健康か否かを判定する（Ｓ１４７）。ステップＳ１４７で、グループＡは、グループＢより健康であると判定した場合、身体機能分析部１４は、グループＡに属する高齢者の中から、最も活発な高齢者（身体機能が最も高い高齢者）を選別し（Ｓ１４８）、選別した高齢者をグループＢに入れる（Ｓ１４９）。この後、身体機能分析部１４は、ステップＳ１４０の処理に戻り、次のサイクルを繰り返す。この際、身体機能分析部１４は、身体機能が最も高い高齢者が減少したグループＡと、身体機能が最も高い高齢者が増加したグループＢをそれぞれ新たなグループＡ、Ｂとして、各グループに属する高齢者の身体機能を再度評価する。

ステップＳ１４７で、グループＡは、グループＢより健康でないと判定した場合、身体機能分析部１４は、グループＢに属する高齢者の中から、最も活発な高齢者（身体機能が最も高い高齢者）を選別し（Ｓ１５０）、選別した高齢者をグループＡに入れる（Ｓ１５１）。この後、身体機能分析部１４は、ステップＳ１４０の処理に戻り、次のサイクルを繰り返す。この際、身体機能分析部１４は、身体機能が最も高い高齢者が増加したグループＡと、身体機能が最も高い高齢者が減少したグループＢをそれぞれ新たなグループＡ、Ｂとして、各グループに属する高齢者の身体機能を再度評価する。

本実施例によれば、活発且つ健康な高齢者を他のグループに入れることで、活発且つ健康な高齢者が入ったグループの全体的な健康を向上させる効果を期待できる。また、グループ間、グループ内で高齢者達がお互いに助け合うことで、各高齢者の自立効果の向上を期待できる。なお、各グループに属する高齢者をグループ分けする場合、各高齢者のグループ情報を事前に指定することができる。また、活発且つ健康な高齢者を選別する場合、図１３（ｂ）の画面が表示された際に、画面上で活発且つ健康な高齢者を選別することもできる。

本実施例は、複数の子供の身体機能を支援するものであり、身体機能自立支援装置（サーバ２）の構成は実施例１と同様である。なお、データベースＳ１８とデータベースＡ１９には、複数の子供に関する情報が蓄積されている。

図１５に、子供の運動教育に対して、運動機能支援を行うときの処理フローを示す。まず、センサ取得部１０は、センサ（ウェアラブルセンサ４ａ、環境センサ４ｂ、映像センサ４ｃ）からデータ、例えば、画像データ、加速度のデータを取得し、取得したデータを特徴抽出部１１に出力する（Ｓ１６０）。特徴抽出部１１は、センサから取得したデータの中から特徴（例えば、子供の骨格、速度）を抽出し、抽出したデータを特徴データとして身体状態分析部１２に出力する（Ｓ１６１）。身体状態分析部１２は、特徴抽出部１１で抽出された特徴データを用いて、子供の現在の運動状態を分析し、分析結果をデータベースＳ１８に保存すると共に、身体機能分析部１４に出力する（Ｓ１６２）。

身体機能分析部１４は、身体状態分析部１２の分析結果とデータベースＳ１８に蓄積されたデータを基に子供の現状の運動機能を分析し（Ｓ１６３）、今回のデータと標準動作を示すデータとを比較し、子供の動作は標準動作に達成しているか否かを判定する（Ｓ１６４）。ステップＳ１６４で、標準動作に達成していると判定した場合、身体機能分析部１４は、分析結果を身体機能分析結果表示部１５に出力し（Ｓ１６５）、ステップＳ１６０の処理に戻り、センサからのデータを取得し、次のサイクルを繰り返す。なお、身体機能分析部１４が標準動作に達成していると判定した場合、「このままでＯＫ」等の情報が出力装置２ｃの画面上に表示される。

ステップＳ１６４で標準動作に達成していないと判定した場合、身体機能分析部１４は、分析結果を身体機能改善提案部１６に出力する。身体機能改善提案部１６は、データベースＡ１９に蓄積されたデータと身体機能分析部１４の分析結果を基に子供の運動機能を維持又は改善するための運動改善案（運動機能改善案）を分析し（Ｓ１６６）、分析結果を示す情報（運動機能改善提案情報）を身体機能改善案表示部１７に出力する（Ｓ１６５）。この場合、運動機能改善提案情報を基に生成された画像が、出力装置２ｃの画面上に表示される。なお、身体機能改善提案部１６は、身体機能分析部１４の分析結果に人物の運動教育に関する情報が含まれ、データベースＡ１９に人物の運動教育の標準指標を示す標準指標情報が蓄積されている場合、身体機能改善提案情報に属する情報として、人物の運動教育を支援する情報を生成する。

本実施例によれば、出力装置２ｃの画面上に表示される画像を観察することで、子供自身でも、自分の動作と標準動作とを比較することができ、結果として、改善すべ点を把握することができる。また、このシステムは、子供の運動教育に対して、運動機能をシステム的に支援することができるので、講師等の学校側の負担を減少できる。さらに、このシステムは、子供の現状の運動機能が標準動作に未達成の場合は、運動改善案を分析し、分析結果を表示するので、子供は、標準動作に達成するまで、動作を繰り返すことが可能である。

また、このシステムを子供の身体機能の自立支援に応用することによって、子供の成長に合わせて、子供の運動機能と健康機能が向上することが期待できる。そして、子供の自立をシステム的な支援することで、学校の負担を減少させることが期待できる。

本実施例は、複数の作業員の身体機能を支援するものであり、身体機能自立支援装置（サーバ２）の構成は実施例１と同様である。なお、データベースＳ１８とデータベースＡ１９には、複数の作業員に関する情報が蓄積されている。

図１６に、作業員の作業に対して、身体機能支援を行うときの処理フローを示す。まず、センサ取得部１０は、センサ（ウェアラブルセンサ４ａ、環境センサ４ｂ、映像センサ４ｃ）からデータ、例えば、画像データ、心拍数のデータを取得し、取得したデータを特徴抽出部１１に出力する（Ｓ１７０）。特徴抽出部１１は、センサから取得したデータの中から特徴（例えば、人の手位置、角度、目線等）を抽出し、抽出したデータを特徴データとして身体状態分析部１２に出力する（Ｓ１７１）。身体状態分析部１２は、特徴抽出部１１で抽出された特徴データを用いて、作業員の現在の作業状態を分析し、分析結果をデータベースＳ１８に保存すると共に、身体機能分析部１４に出力する（Ｓ１７２）。

身体機能分析部１４は、身体状態分析部１２の分析結果とデータベースＳ１８に蓄積されたデータを基に作業員の現状の作業精度を分析し（Ｓ１７３）、今回の分析結果と標準の作業精度とを比較し、作業者の作業精度は、標準（標準の作業精度）に達成しているか否かを判定する（Ｓ１７４）。ステップＳ１７４で標準に達成していると判定した場合、身体機能分析部１４は、分析結果を身体機能分析結果表示部１５に出力し（Ｓ１７５）、ステップＳ１７０の処理に戻り、センサからのデータを取得し、次のサイクルを繰り返す。なお、標準に達成していると判定した場合、「このままでＯＫ」等の情報が出力装置２ｃの画面上に表示される。

ステップＳ１７４で標準に達成していないと判定した場合、身体機能分析部１４は、分析結果を身体機能改善提案部１６に出力する。身体機能改善提案部１６は、データベースＡ１９に蓄積されたデータと身体機能分析部１４の分析結果を基に作業員の作業精度を維持又は改善するための作業改善案（作業精度改善案）を分析し（Ｓ１７６）、分析結果を示す情報（作業精度改善提案情報）を身体機能改善案表示部１７に出力する（Ｓ１７５）。この場合、作業精度改善案情報を基に生成された画像が、出力装置２ｃの画面上に表示される。なお、身体機能改善提案部１６は、身体機能分析部１４の分析結果に人物の作業教育に関する情報が含まれ、データベースＡ１９に人物の作業教育の標準指標を示す標準指標情報が蓄積されている場合、身体機能改善提案情報に属するとして、人物の作業教育を支援する情報を生成する。

このシステムは、作業員の現状の作業精度が標準（標準の作業精度）に未達成の場合、作業改善案を分析し、分析結果を表示するので、作業員は、作業精度が標準に達成するまで、動作を繰り返すことが可能である。

本実施例によれば、本実施例のシステムを、作業員のトレーニングに適応でき、一人の熟練者のデータを標準として、改善案を示すことは、数名の作業員のトレーニングに利用することができる。そのため、トレーニングのコストを減少させることができる。また、作業項目によって、分析する作業状態も調整することが可能であり、トレーニング効果を向上させることが可能である。更に、システム的に標準に達成するか否か分析しているため、作業の質も向上することができ、製品の品質を向上させることも期待できる。

同じく、本実施例のシステムを、作業員の身体機能の自立支援に応用する場合は、作業員の作業行動の改善と作業効率を向上させることが期待できる。そして、現場の知見をデジタル化し、デジタル化された情報をシステムに適用することで、作用員の教育をシステム的に支援することができる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、出力装置２ｃに表示される画像情報を、ネットワーク３を介してユーザ端末４に送信し、ユーザ端末４のディスプレイに表示することもできる。この場合、ユーザ端末４のディスプレイに表示された画像を見ることで、高齢者等のユーザは、健康状態を確認することができる。上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各構成、機能等は、それらの一部又は全部を、例えば、集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、または、ＩＣ（Integrated Circuit）カード、ＳＤ（Secure Digital）メモリカード、ＤＶＤ（Digital Versatile Disc）等の記録媒体に記録して置くことができる。

１：身体機能自立支援システム、２：サーバ、２ａ：ＣＰＵ、２ｂ：入力装置、２ｃ：出力装置、２ｄ：通信装置、２ｅ：記憶装置、３：ネットワーク、４：ユーザ端末、４ａ：ウェアラブルセンサ、４ｂ：環境センサ、４ｃ：映像センサ、１０：センサ取得部、１１：特徴抽出部、１２：身体状態分析部、１３：身体状態分析結果表示部、１４：身体機能分析部、１５：身体機能分析結果表示部、１６：身体機能改善提案部、１７：身体機能改善案表示部、１８：データベースＳ、１９：データベースＡ、５０：身体機能改善分析部、５１：運動機能分析部、５２：生活行動分析部、８０：標準データベース、８１：ウェアラブルセンサデータベース、８２：映像センサデータベース、８３：環境センサデータベース、８４〜８６：モデル

Claims (15)

1. 少なくとも人物を検出対象とする１又は２以上のセンサと情報の送受信を行う身体機能自立支援装置であって、
   前記センサから、前記人物の身体状態を示す身体状態情報を取得する取得部と、
   前記取得部の取得した前記身体状態情報の時系列変化を基に前記人物の身体機能の変化を分析する身体機能分析部と、
   前記身体機能分析部の分析結果を基に前記人物の身体機能の変化に対して、身体機能の改善案を示す身体機能改善提案情報を生成して出力する身体機能改善提案部と、を有することを特徴とする身体機能自立支援装置。
2. 請求項１に記載の身体機能自立支援装置であって、
   前記取得部の取得した前記身体状態情報の中から特徴となる特徴情報を抽出する特徴抽出部を更に備え、
   前記身体機能分析部は、
   前記特徴抽出部の抽出による前記特徴情報の時系列変化を基に前記人物の身体機能の変化を分析することを特徴とする身体機能自立支援装置。
3. 請求項２に記載の身体機能自立支援装置であって、
   前記取得部の取得した前記身体状態情報を時系列で蓄積する第一のデータベースを更に備え、
   前記身体機能分析部は、
   前記特徴抽出部の抽出による前記特徴情報と前記第一のデータベースに蓄積された前記身体状態情報とを基に前記人物の身体機能の変化を分析することを特徴とする身体機能自立支援装置。
4. 請求項１に記載の身体機能自立支援装置であって、
   前記取得部の取得した前記身体状態情報の中から特徴となる特徴情報を抽出する特徴抽出部と、
   前記特徴抽出部の抽出による前記特徴情報を基に前記人物の身体状態を分析する身体状態分析部と、
   前記身体状態分析部の分析結果を身体状態分析情報として時系列で蓄積する第一のデータベースと、を更に備え、
   前記身体機能分析部は、
   前記身体状態分析部の分析結果と前記第一のデータベースに蓄積された前記身体状態分析情報とを基に前記人物の身体機能の変化を分析することを特徴とする身体機能自立支援装置。
5. 請求項４に記載の身体機能自立支援装置であって、
   前記第一のデータベースには、
   前記身体状態分析情報として、前記人物の姿勢、行動、身体負担・疲労を示す情報が時系列で蓄積されていることを特徴とする身体機能自立支援装置。
6. 請求項４に記載の身体機能自立支援装置であって、
   前記身体機能分析部は、
   前記身体状態分析部の分析結果と前記第一のデータベースに蓄積された前記身体状態分析情報とを基に前記人物の身体機能が改善されたか否かを分析する身体機能改善分析部と、
   前記身体状態分析部の分析結果と前記第一のデータベースに蓄積された前記身体状態分析情報とを基に前記人物の運動機能の変化を分析する運動機能分析部と、
   前記身体状態分析部の分析結果と前記第一のデータベースに蓄積された前記身体状態分析情報とを基に前記人物の生活行動の変化を分析する生活行動分析部と、を含むことを特徴とする身体機能自立支援装置。
7. 請求項５に記載の身体機能自立支援装置であって、
   前記身体状態分析情報の標準指標を示す標準指標情報を蓄積する第二のデータベースを更に備え、
   前記身体機能改善提案部は、
   前記身体機能分析部の分析結果と前記標準指標情報とを比較し、比較結果を基に前記身体機能改善提案情報を生成することを特徴とする身体機能自立支援装置。
8. 請求項７に記載の身体機能自立支援装置であって、
   前記身体機能改善提案部は、
   前記身体機能分析部の分析結果に前記人物の健康維持に関する情報が含まれ、前記第二のデータベースに前記標準指標情報が蓄積されている場合、前記身体機能改善提案情報に属する情報として、前記人物の健康維持を支援する情報を生成することを特徴とする身体機能自立支援装置。
9. 請求項７に記載の身体機能自立支援装置であって、
   前記身体機能改善提案部は、
   前記身体機能分析部の分析結果に前記人物の運動教育に関する情報が含まれ、前記第二のデータベースに前記標準指標情報が蓄積されている場合、前記身体機能改善提案情報に属する情報として、前記人物の運動教育を支援する情報を生成することを特徴とする身体機能自立支援装置。
10. 請求項７に記載の身体機能自立支援装置であって、
    前記身体機能改善提案部は、
    前記身体機能分析部の分析結果に前記人物の作業教育に関する情報が含まれ、前記第二のデータベースに前記標準指標情報が蓄積されている場合、前記身体機能改善提案情報に属するとして、前記人物の作業教育を支援する情報を生成することを特徴とする身体機能自立支援装置。
11. 請求項４に記載の身体機能自立支援装置であって、
    前記第一のデータベースに蓄積された前記身体状態分析情報を基に前記人物の診断・治療に関する画像情報を生成し、生成した前記画像情報を表示画面上に表示する第一の表示部を更に備えることを特徴とする身体機能自立支援装置。
12. 請求項４に記載の身体機能自立支援装置であって、
    前記身体状態分析部の分析結果を基に前記人物の身体状態分析結果に関する画像情報を生成し、生成した前記画像情報を表示画面上に表示する第二の表示部を更に備えることを特徴とする身体機能自立支援装置。
13. 請求項８、９、１０のうちいずれか１項に記載の身体機能自立支援装置であって、
    前記身体機能改善提案部の生成による前記身体機能改善提案情報を基に前記人物の身体機能改善案に関する画像情報を生成し、生成した前記画像情報を表示画面上に表示する第三の表示部を更に備えることを特徴とする身体機能自立支援装置。
14. 請求項４に記載の身体機能自立支援装置であって、
    前記身体機能分析部は、
    前記身体状態分析部の分析結果と前記第一のデータベースに蓄積された前記身体状態分析情報とを基に前記人物を複数のグループに分け、各グループに属する人物の身体機能の変化をグループ毎に分析することを特徴とする身体機能自立支援装置。
15. 少なくとも人物を検出対象とする１又は２以上のセンサと情報の送受信を行う身体機能自立支援方法であって、
    前記センサから、前記人物の身体状態を示す身体状態情報を取得する取得ステップと、
    前記取得ステップで取得した前記身体状態情報の時系列変化を基に前記人物の身体機能の変化を分析する身体機能分析ステップと、
    前記身体機能分析ステップでの分析結果を基に前記人物の身体機能の変化に対して、身体機能の改善案を示す身体機能改善提案情報を生成して出力する身体機能改善提案ステップと、を有することを特徴とする身体機能自立支援方法。

Images