KR20190004697A - 자동 자세 교정을 위한 시스템 및 방법 - Google Patents

자동 자세 교정을 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20190004697A
KR20190004697A KR1020187028680A KR20187028680A KR20190004697A KR 20190004697 A KR20190004697 A KR 20190004697A KR 1020187028680 A KR1020187028680 A KR 1020187028680A KR 20187028680 A KR20187028680 A KR 20187028680A KR 20190004697 A KR20190004697 A KR 20190004697A
Authority
KR
South Korea
Prior art keywords
posture
user
calibration
activity
correction factor
Prior art date
Application number
KR1020187028680A
Other languages
English (en)
Inventor
다니엘 리
안드레아스 마틴 하인스타인
청 -체 찰스 왕
앤드류 로버트 장
Original Assignee
사이즈믹 홀딩스, 인크.
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 사이즈믹 홀딩스, 인크. filed Critical 사이즈믹 홀딩스, 인크.
Publication of KR20190004697A publication Critical patent/KR20190004697A/ko

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
    • A61B5/103—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
    • 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
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

자세 피드백을 위한 시스템 및 방법은, 사용자에 결합된 활동 모니터링 디바이스에 의해 운동학적 데이터를 수집하는 것; 활동 모니터링 디바이스의 기본 보행 방위에 대해 운동학적 데이터를 교정하는 것 - 교정하는 것은, 운동학적 데이터를 통해 보행 활동 상태를 검출하는 것, 및 보행 활동 상태가 검출될 때, 운동학적 데이터로부터 기본 보행 방위를 생성하는 것을 포함함 - ; 자세 정정 인자를 설정하는 것; 교정된 운동학적 데이터로 사용자 자세를 측정하는 것; 자세 정정 인자에 의해 조절된 사용자 자세에 기초하여 자세 피드백을 트리거하는 것을 포함할 수 있다.

Description

자동 자세 교정을 위한 시스템 및 방법
관련 출원의 상호 참조
본 출원은 2016년 3월 9일자로 출원된 미국 가특허 출원 제62/305,883호의 이익을 주장하며, 그 전체 내용은 이러한 참조에 의해 포함된다.
기술 분야
본 발명은 일반적으로 자세 피드백 디바이스들(posture feedback devices)의 분야에 관한 것이고, 더 구체적으로는 자동 자세 교정(automatic posture calibration)을 위한 새롭고 유용한 시스템 및 방법에 관한 것이다.
시장에서 입수할 수 있는 피트니스 및 활동 추적 및 코칭 디바이스들의 몇몇 변형들이 존재한다. 이 제품들은 통상적으로 사용자가 부착하거나 착용하는 센서를 수반한다. 그러한 제품들의 하나의 응용은 자세 또는 인체공학적 코칭일 수 있다. 그러나, 공통적인 문제는 감지 디바이스가 종종 사용자에게 일관성 없게 부착되어, 정확한 자세 코칭을 제공하는 데에 문제들을 야기한다는 것이다. 감지 디바이스는 종종 소정 형태의 교정을 사용하지만, 적합한 교정은 어려운 일이고, 때로는 교정을 위해 미리 정해진 액션들을 따르는 사용자 개입에 의존하며, 이는 사용자에게 번거로울 수 있고 에러에 취약할 수 있다. 교정에도 불구하고, 감지 디바이스의 방위 또는 사용자의 변화로 인해, 감지 디바이스는 활동 동안의 자세, 인체공학, 또는 다른 생물기계학적 양태들을 정확하게 표현하지 못할 수 있다. 따라서, 자세 피드백 디바이스의 분야에서 자동 자세 교정을 위한 새롭고 유용한 시스템 및 방법을 생성할 필요가 있다. 본 발명은 그러한 새롭고 유용한 시스템 및 방법을 제공한다.
도 1은 바람직한 실시예의 시스템의 개략도이다.
도 2는 의복에 결합하기 위한 예시적인 설계의 개략적인 표현이다.
도 3은 바람직한 실시예의 방법의 흐름도 표현이다.
도 4는 상이한 교정 상태들의 개략적인 표현이다.
도 5는 예시적인 좌표 시스템의 개략적인 표현이다.
도 6 내지 도 8은 운동학적 데이터의 피치 및 요 정정을 보여주는 예시적인 데이터의 그래픽 플롯들이다.
도 9는 복수의 활동 상태를 다루는 것의 개략적인 표현이다.
도 10은 기본 보행 방위에 대해 운동학적 데이터를 교정하기 위한 프로세스들의 흐름도 표현이다.
도 11은 기본 방위 행렬 및 타겟 방위 행렬로부터 자세 정정 인자를 생성하는 것의 개략적인 표현이다.
도 12는 바람직한 실시예의 수동 교정을 위한 방법의 흐름도 표현이다.
본 발명의 실시예들의 이하의 설명은 본 발명을 이러한 실시예들로 제한하도록 의도되는 것이 아니라, 본 기술분야의 통상의 기술자가 본 발명을 이루고 사용할 수 있게 하도록 의도되는 것이다.
1. 개요
바람직한 실시예의 자동 자세 교정을 위한 시스템 및 방법은 사용자의 자세와 생물기계학을 평가하기 위해 상이한 활동 상태들 동안의 디바이스의 방위 교정을 사용하는 기능을 한다. 시스템 및 방법은 바람직하게는 활동 데이터 및/또는 자세 데이터를 제공하는 데에 사용되는 활동 모니터링 디바이스의 콘텍스트에서 적용된다. 활동 모니터링 디바이스에 의해 수집된 원시 센서 데이터(예를 들어, 원시 가속도계 데이터)는 사용자 자세 및 신체 상에서의 센서 배치에 의존할 수 있다. 시스템 및 방법은 센서 데이터의 변환을 생성하고 착용 시의 위치 및 방위를 보고하는 활동 모니터링 디바이스를 교정하는 접근법을 이용한다. 이러한 교정 프로세스는 의식적인 사용자 개입 없이, 즉 자동 교정으로 백그라운드에서 발생할 수 있다. 교정 후, 센서 데이터는 신체 상에서의 센서 배치로부터 분리될 수 있고, 대신에 사용자 자세를 반영할 수 있다.
더 구체적으로, 바람직한 실시예의 시스템 및 방법은 제2 활동 상태의 교정된 방위, 및 제1 활동 상태와 제2 활동 사이의 연관된 오프셋들을 간접적으로 참조하여, 제1 활동 상태의 자세를 모니터링하는 기능을 한다. 예를 들어, 하나의 바람직한 구현은 사용자가 걷고 있을 때 기준 방위를 확립한 후, 다른 활동 상태(예를 들어, 착석)에서의 자세를 양호한 착석 자세(sitting posture)와 보행 자세(walking posture) 사이의 오프셋들에 기초하여 평가한다. 특히, 보행은 사용자가 실질적으로 일관성 있는 자세를 보이는 것으로 밝혀진 활동이다. 추가적으로, 보행은 용이하게 검출가능하고, 지속 기간의 진행 동안 주기적으로 수행되며, 이는 기준 방위의 재교정을 가능하게 한다.
시스템 및 방법은 다수의 잠재적인 이점을 제공할 수 있다. 하나의 잠재적인 이점으로서, 시스템 및 방법은 사용 동안의 센서의 섭동 및 이동에 강건할 수 있다. 관성 측정 유닛(IMU: inertial measurement unit)을 구비하는 센서는 일반적으로 자세를 감지하고 검출하고 모니터링하는 데에 사용된다. 센서는 일반적으로 신체의 일부 또는 의복 물품에 부착하거나 접착함으로써 사용자에 결합될 것이다. 센서와 사용자의 상대적인 방위는 사용자의 생물기계학의 이해에 중요하다. 그러나, 센서는 정상적인 사용을 통해서만 이동할 수 있거나, 심지어는 사용자에 의해 능동적으로 이동되거나 조절될 수 있다. 시스템 및 방법의 자동 교정(및 재교정) 기능들은 상대적인 방위에서의 그러한 변화들을 처리할 수 있다. 추가적으로, 사용자가 교정한 설정들(user-calibrated settings)은 복수의 사용 세션에 걸쳐서, 또는 심지어는 복수의 디바이스에 걸쳐 확장될 수 있다. 사용자가 각각의 사용에 대해 교정을 개시하는 것이 회피될 수 있다. 예를 들어, 센서가 상이한 상대적 방위들을 가진 사용자에 결합되더라도, 사용자는 복수의 사용에 걸쳐서 정확하고 커스터마이즈된 자세 모니터링을 가질 수 있을 수 있다.
시스템 및 방법의 다른 잠재적인 이점은 개선된 정확성일 수 있다. 시스템 및 방법의 일부 변형들은 특정 사용자 또는 사용자 클래스를 타겟화하기 위해, 자세 감지 및 모니터링을 커스터마이징할 수 있다.
다른 잠재적인 이점으로서, 시스템 및 방법은 복수의 교정 프로세스를 통해 사용자를 유도하지 않고서 교정을 가능하게 할 수 있다. 사용자는 단순히 타겟화된 자세를 교정할 수 있고, 시스템은 사용자가 걸을 때 자동으로 교정할 수 있다.
마찬가지로, 방법의 시스템의 다른 잠재적인 이점은 활동 모니터링 디바이스가 사용자에게 부착되는 방식에서의 유연성일 수 있다. 시스템 및 방법은 가슴 위쪽, 등, 골반부, 팔다리, 및/또는 임의의 적합한 신체 위치와 같은 다양한 신체 위치에서의 활동 모니터링 디바이스의 물리적 결합을 지원할 수 있다. 추가적으로, 활동 모니터링 디바이스 및 사용자의 일반적인 방위는 변할 수 있다. 예를 들면, 활동 모니터링 디바이스는 정면(face)을 위로, 아래로, 오른쪽으로, 왼쪽으로, 전방으로, 후방으로, 및/또는 임의의 적합한 방위로 하여 부착될 수 있다.
다른 잠재적인 이점으로서, 시스템 및 방법의 자세 감지 및 모니터링은, 앉기, 장시간 서기(prolonged standing), 걷기, 달리기(running), 운전, 및/또는 임의의 적합한 활동에 대해 자세가 고유하게 모니터링될 수 있도록 복수의 활동 상태로 확장될 수 있다.
다른 잠재적인 이점으로서, 시스템 및 방법은 자세 피드백 사일런싱(posture feedback silencing)과 같은 다른 유용성 특징들을 지원할 수 있다. 일부 경우들에서, 사용자는 자세 타겟이 달성되고 있지 않을 때 액티브 피드백을 일시적으로 유예하기를 원할 수 있다. 일 구현에서, 사일런싱 특징은 시스템 및 방법에 통합 될 수 있다. 또한, 사일런싱 특징을 가능하게 하기 위한 메커니즘은 교정 이벤트를 시그널링하는 것과 동일한 동작을 수행하는 것으로 단순화될 수 있다. 예를 들어, 사용자에 의해 실질적으로 유사한 방식으로 사용되는 하나의 버튼은 무엇을 양호한 자세로 고려하는지 및 무엇이 자세 피드백을 일시적으로 중지시키는지에 관하여 시스템을 코칭하기 위해 이용될 수 있다.
시스템 및 방법은 자세 코칭, 인체공학적 코칭, 달리기 또는 자전거 타기와 같은 활동의 생물기계학적 속성들의 감지, 및/또는 임의의 적합한 용도와 같은 다양한 용도를 위해 이용될 수 있다. 여기서, 시스템 및 방법은 주로 사용자의 척추 자세를 모니터링하기 위해 사용되는 것으로 설명되지만, 시스템 및 방법은 대안적으로 임의의 적합한 신체 부위의 방위를 교정하고 모니터링하기 위해 사용될 수 있다.
2. 시스템
도 1에 도시된 바와 같이 바람직한 실시예의 자동 자세 교정을 위한 시스템은 활동 모니터링 디바이스(110) 및 자동 교정 모듈(120)을 포함한다.
바람직한 실시예의 활동 모니터링 디바이스(110)는 사용자의 이동 및/또는 방위를 검출하기 위한 센서로서 작용한다. 활동 모니터링 디바이스(110)는 바람직하게는 사용자에게 결합된 웨어러블 디바이스이다. 활동 모니터링 디바이스(110)는 사용자에 의해 직접적으로 착용 또는 부착되거나, 착용된 의복 물품에 부착함으로써 간접적으로 결합될 수 있다. 하나의 변형에서, 활동 모니터링 디바이스(110)는 다른 컴포넌트들에 독립하여 동작할 수 있는 독립형 디바이스이다. 다른 변형에서, 활동 모니터링 디바이스는 개인용 컴퓨팅 디바이스 상에서 동작가능한 애플리케이션, 또는 서버 시스템 상에서 동작가능한 웹 서비스와 같은 적어도 제2 디바이스에 통신 결합될 수 있다. 개인용 컴퓨팅 디바이스는 이동전화, 스마트 워치, 스마트 웨어러블, 및/또는 임의의 적합한 컴퓨팅 디바이스를 포함할 수 있다. 하나의 바람직한 실시예에서, 활동 모니터링 디바이스(110)는 의복 물품에 제거가능하게 부착되도록 구성된 케이싱 및/또는 고정 메커니즘을 포함한다. 체결 메커니즘은 핀, 클립, 또는 임의의 적합한 래칭(latching) 메커니즘일 수 있다.
도 2에 도시된 2-부분 펜던트 구현에서, 활동 모니터링 디바이스(110)는 메인 하우징(즉, "펜던트") 및 자석 커플러를 포함한다. 펜던트는 바람직하게는 주요 계산 컴포넌트들을 하우징한다. 자석 커플러는 바람직하게는 자기 결합 영역에 대해 펜던트에 자기 결합된다. 적어도 하나의 자석은 자기 결합 영역 및/또는 자석 커플러 내에 위치될 수 있다. 자기 결합은 바람직하게 의복의 층을 통한 흡인(attraction)을 촉진하기에 충분히 강하다. 사용자는 의복의 하부 상에 본체 하우징을 넣을 수 있고, 다음으로 의복의 반대측에 자석 커플러를 자기 결합함으로써 펜던트를 제자리에 고정할 수 있다. 버튼은 자기 결합 영역의 아래에 위치될 수 있고 자기 결합 영역을 포위할 수 있으며, 그에 의해 사용자는 펜던트 상의 버튼을 활성화하기 위해 자석 커플러를 누를 수 있게 된다.
활동 모니터링 디바이스(110)는 바람직하게는 관성 측정 유닛(112)을 포함하는 센서 시스템을 포함한다. 관성 측정 유닛(112)은 활동의 복수의 운동학적 속성을 측정하도록 기능한다. 관성 측정 유닛(112)은 적어도 하나의 가속도계, 자이로스코프, 자력계, 및/또는 다른 적합한 관성 센서들을 포함할 수 있다. 관성 측정 유닛(112)은 바람직하게는 3개의 직교 축을 따른 운동학적 속성들의 검출을 위해 정렬된 센서들의 세트를 포함한다. 하나의 변형에서, 관성 측정 유닛(112)은 3축 자이로스코프, 3축 가속도계, 및 3축 자력계를 포함하는 9축 모션 추적 디바이스이다. 활동 모니터링 디바이스(110)는 센서 융합(sensor fusion)을 제공하는 통합된 프로세서를 추가적으로 포함할 수 있다. 센서 융합은 불확실성을 감소시키기 위해 다양한 센서들로부터의 운동학적 데이터를 조합할 수 있다. 이러한 응용에서, 그것은 중력에 대하여 방위를 추정하는 데 사용될 수 있고, 센서로부터의 데이터에 대한 힘들 및 감지된 역학들을 분리하는 데에 이용될 수 있다. 온-디바이스 센서 퓨전은 다른 적합한 센서 편의들을 제공할 수 있다. 대안적으로, 운동학적 측정치들의 세트를 제공하기 위해, 복수의 별개의 센서가 결합될 수 있다. 온-디바이스 센서 퓨전 컴포넌트들은 이하에 설명되는 방법에 따라 관성 측정 유닛(112)을 교정하기 위해 제어될 수 있다.
활동 모니터링 디바이스(110)의 감지 시스템은 고도계, 위성 위치 확인 시스템(GPS), 또는 임의의 적합한 센서와 같은 다른 센서들을 추가적으로 또는 대안적으로 포함할 수 있다. 생체학적 센서들이 추가적으로 포함될 수 있다.
추가적으로, 활동 모니터링 디바이스(110)는 하나 이상의 컴퓨팅 디바이스, 또는 하나 이상의 센서를 갖는 추가의 활동 모니터링 디바이스들에 대한 통신 채널을 포함할 수 있다. 예를 들어, 관성 측정 시스템은 스마트폰에 대한 블루투스 통신 채널을 포함할 수 있고, 스마트폰은 지오로케이션, 이동 거리(distance covered), 고도 변화, 및 다른 데이터에 대한 데이터를 추적하고 검색할 수 있다.
활동 모니터링 디바이스(110)는 활동 모니터링 디바이스(110)의 교정을 지시하는 데에 이용되는 교정 이벤트를 트리거하고/하거나 임의의 다른 적합한 정보를 시그널링하기 위해 신호가 발생될 수 있게 하도록 기능하는 교정 입력부(114)를 추가적으로 포함할 수 있다. 교정 입력부(114)는 상술한 2-부분 펜던트 구현에 설명된 것과 같은 활동 모니터링 디바이스 상의 물리 또는 가상 버튼일 수 있다. 대안적으로 또는 추가적으로, 교정 입력부(114)는 사용자 애플리케이션과 같은 접속된 디바이스에 의해 제공되는 사용자 입력 메커니즘일 수 있다.
하나의 바람직한 동작 상태에서, 교정 입력부의 활성화는 타겟(즉, 기준) 자세 샘플을 결정하는 데에 사용되는 운동학적 데이터의 수집을 트리거한다. 예를 들어, 사용자는 양호한 자세로 기립한 다음, 교정 입력부를 활성화하고 그 자세를 최소한의 지속시간 동안 유지함으로써 이러한 자세를 인식하도록 시스템을 교정함으로써, 양호한 자세로 고려되는 것에 관해 시스템에게 지시할 수 있다.
교정 입력부(114)는 다른 신호들을 지시하기 위해 오버로드될 수 있다. 예를 들어, 교정 입력부(114)는 자세 피드백을 일시적으로 유예할 수 있는 사일런싱 이벤트를 트리거하도록 추가적으로 구성될 수 있다. 예를 들어, 사용자는 안락하고 편안한 때 자신의 불량한 자세를 통지받기를 원하지 않을 수 있다. 특정한 불량한 자세에 있는 동안의 교정 입력부의 활성화는 교정 이벤트를 대신하여 사일런싱 이벤트로서 분류될 수 있다. 이에 응답하여, 사용자가 최소한의 시간량 동안의 "불량한" 자세로부터 이동한 후에 또는 임의의 적합한 조건을 만족시킨 때에 자세 피드백이 재활성화될 때까지, 자세 피드백이 일시정지될 수 있다.
활동 모니터링 디바이스(110) 및/또는 시스템의 다른 디바이스는 (예를 들어, 디바이스 상에서의 또는 애플리케이션 내에서의) 그래픽 피드백, 촉각 피드백, 오디오 피드백, 정보 피드백(예를 들면, 데이터 분석 표현들), 및/또는 다른 형태들의 피드백을 제공할 수 있는 적어도 하나의 사용자 인터페이스 요소를 포함할 수 있는 사용자 피드백 메커니즘을 포함할 수 있다.
자동 교정 모듈(120)은 활동 모니터링 디바이스에 의해 생성된 운동학적 데이터를 처리하는 기능을 한다. 자동 교정 모듈(120)은 바람직하게는 아래에 설명되는 교정 프로세스의 적어도 일부를 용이하게 하도록 구성된 연산 로직을 포함한다. 특히, 자동 교정 모듈(120)은 활동 모니터에 의해 수집된 운동학적 데이터를 기본 보행 방위(base walking orientation)에 대해 교정하도록 구성될 수 있다. 추가적으로, 자동 교정 모듈(120)은 활동 상태들을 검출하고, 교정 이벤트를 검출하고, 자세 정정 인자를 설정하도록, 및/또는 자동 자세 교정을 위한 방법의 다른 프로세스들을 위해 구성될 수 있다. 자동 교정 모듈(120)은 바람직하게 활동 모니터링 디바이스(110)에 통합된다. 대안적으로, 자동 교정 모듈(120)의 일부 또는 전부가 스마트폰 또는 스마트 워치와 같은 2차 디바이스와 통합될 수 있다. 예를 들어, 사용자 애플리케이션은 자동 교정 모듈(120)의 자동 교정 프로세스의 적어도 일부를 처리하도록 구성될 수 있다.
3. 방법
도 3에 도시된 바와 같이, 바람직한 실시예의 자동 자세 교정을 위한 방법(S100)은 사용자에 결합된 활동 모니터링 디바이스에 의해 운동학적 데이터를 수집하는 단계(S110), 운동학적 데이터를 활동 모니터링 디바이스의 기본 보행 방위에 대해 교정하는 단계(S120), 자세 정정 인자를 설정하는 단계(S130), 교정된 운동학적 데이터로 사용자 자세를 측정하는 단계(S140), 및 자세 정정 인자에 의해 조절되는 사용자 자세에 기초하여 자세 피드백을 트리거하는 단계(S150)를 포함할 수 있다.
방법은 바람직하게는 위에서 설명된 것과 같은 시스템에 의해 구현되지만, 대안적으로 임의의 적합한 시스템에 의해 구현될 수 있다. 방법은 바람직하게는 운동학적 데이터의 적어도 하나의 포인트를 수집하는 적어도 하나의 활동 모니터링 시스템과 연관하여 구현된다. 예를 들어, 감지 디바이스는 의복의 가슴 위쪽 영역에 부착될 수 있지만, 감지 위치는 대안적으로 허리 영역, 골반 영역, 등, 머리, 또는 임의의 적합한 위치와 같은 임의의 적합한 위치일 수 있다. 대안적으로, 방법은 복수의 포인트로부터의 운동학적 데이터를 감지하고, 자세의 교정 및 모니터링에 그 운동학적 데이터를 적용하는 것을 추가적으로 수반할 수 있다.
하나의 변형에서, 방법은 감지 시스템과 접속된 독립형 디바이스 상에서 구현된다. 다른 변형에서, 방법은 개인용 컴퓨팅 디바이스(예를 들어, 스마트폰, 웨어러블 컴퓨팅 디바이스, 또는 개인용 컴퓨터) 상에서 동작가능한 네이티브 애플리케이션 상에서 구현된다. 또 다른 변형에서, 방법은 원격 서버 상의 클라우드 내에서 구현될 수 있다. 방법은 대안적으로 임의의 적합한 시스템을 통해 구현될 수 있다.
방법의 변형들은 자세의 감지 및 모니터링, 사용자가 개시한 교정(user-initiated calibration), 및/또는 데이터 중심(data-driven) 기계 학습에서, 미리 구성된 속성들을 사용할 수 있다. 방법은 추가적으로 활동 모니터링 디바이스의 동작 모드들을 변경하는 데에 사용될 수 있다. 간단한 구현의 일례로서, 활동 모니터링 디바이스는 고정된 자세 정정 인자로 미리 구성될 수 있다. 일부 경우들에서, 보행 자세로부터의 2도의 오프셋은 대부분의 사용자들에 대해 양호한 타겟 자세에 가까울 수 있다. 활동 모니터링 디바이스의 상태 변화들의 다른 예에서, 활동 모니터링 디바이스는 도 4에 도시된 바와 같이 수동 교정과 함께 자동 교정을 지원할 수 있다.
사용자에 결합된 활동 모니터링 디바이스에 의해 운동학적 데이터를 수집하는 것을 포함하는 블록(S110)은 사용자 모션 및/방위를 반영하는 시계열 센서 데이터를 감지하거나 검출하거나 다르게 획득하는 기능을 한다. 하나의 변형에서, 운동학적 데이터 스트림들의 데이터는 활동 모니터링 디바이스로부터 검출된 원시 미처리 센서 데이터이다. 위에서 설명된 바와 같이, 활동 모니터링 디바이스는 바람직하게는 적어도 하나의 관성 측정 유닛을 포함하지만, 임의의 적합한 감지 시스템이 이용될 수 있다. 대안적인 중간 데이터 소스는 임의의 적합한 시스템으로부터 수집된, 저장된 데이터를 제공할 수 있다. 다른 변형에서, 데이터는 사전 처리될 수 있다. 예를 들어, 데이터는 필터링되거나 에러 정정되거나 다르게 변환될 수 있다.
운동학적 데이터에서의 개별적인 운동학적 측정치들은 바람직하게는 정의된 축을 따른 별개의 운동학적 측정치들에 대응한다. 운동학적 측정치들은 바람직하게는 정규직교 축들의 세트(예를 들어, x, y, z 좌표계)를 따른다.
운동학적 측정치들은 가속도, 속도, 변위, 힘, 각속도, 각 변위, 틸트/각도, 및/또는 활동의 운동학적 속성 또는 동적 속성에 대응하는 임의의 적합한 메트릭을 포함할 수 있다. 바람직하게는, 감지 디바이스는 3개의 정규직교 축을 따라 가속도계에 의해 검출된 가속도를 제공한다. 운동학적 데이터 스트림들의 세트는 바람직하게는 본 명세서에서 x, y, z 축으로 표시된 3차원 공간에서의 임의의 정규직교 축들의 세트 내의 가속도를 포함한다. 따라서, 운동학적 데이터를 수집하는 것은 3축의 가속도계 데이터를 수집하는 것을 포함할 수 있다. 3축 자이로스코프로부터의 3축 각속도와 같은 추가의 운동학적 센서 데이터가 추가적으로 수집될 수 있다. 추가적으로, 감지 디바이스는 자력계(예를 들어, 3축 자력계)를 통해 자기장을 검출할 수 있다. 운동학적 데이터는 바람직하게는 소정의 샘플 레이트(예를 들어, 25 Hz)에서 수집된다. 이동이 없는 경우, 가속도계 판독치들은 바람직하게 지구 중력만을 반영하여, 다음과 같이 된다:
Figure pct00001
여기서,
Figure pct00002
이다.
아래에 설명되는 바와 같이, 측정치들의 축은 활동의 바람직한 또는 가정된 좌표계와 정렬되지 않을 수 있다. 따라서, 하나 이상의 센서에 의한 측정치의 축은 블록(S120)에서 교정될 수 있다. x, y 및 z의 상대적 값들은 가속도계의 현재 방위에 의해 결정된다. 교정을 목적으로, 우리는 사용자가 양호한 자세로 서 있거나 똑바로 앉아있을 때 다음과 같이 되도록 방위 프레임 R을 찾기를 원한다:
Figure pct00003
R과 곱한 후의 방위는, 본 명세서에서 사용되고 도 5에 도시된 선택된 좌표들에 대해 오른쪽으로 구부린 때는 x'이 포지티브로 되고, 후방으로 구부린 때는 z'이 포지티브로 되는 한편, 상향 가속도에 대해 y'이 증가하게 되는 것이어야 한다. 완벽한 직립 위치에 대해 θ = 90°이도록 정방향/역방향 각도 θ를 정의한다. 정방향으로 구부린 것은 더 작은 각도 θ를 야기할 것이다.
활동 모니터링 디바이스는 바람직하게는 사용자의 신체 또는 의복에 물리적으로 결합된다. 결합은 상대적 결합 방위/위치의 총 변화가 짧은 기간들에 걸쳐 일정하게 유지되도록 적어도 부분적으로 안정적이다. 그러나, 방법은 바람직하게는 상대적 방위의 국소화된 변동들을 지원하기에 충분히 강건하다. 예를 들어, 활동 모니터링 디바이스는 사용자가 착용하는 셔츠에 결합될 수 있고, 셔츠의 이동은 활동 모니터링 디바이스의 상대적 방위를 변화시킬 수 있지만, 변화들은 활성 모니터링 디바이스가 셔츠 상의 어디에 부착되는지에 기초하는 영역 내의 변화들로 국소화된다. 위에서 논의된 바와 같이, 활동 모니터링 디바이스는 다양한 위치들 및/또는 방위들로 부착될 수 있다. 이러한 방식으로, 사용자는 그들이 활동 모니터링 디바이스를 부착하는 위치 및 방법에 더 많은 유연성을 가질 수 있다. 바람직한 구현에서, 운동학적 데이터 스트림들의 수집(S110)은 일관성 없게 장착되는 활동 모니터링 디바이스로부터 수집될 수 있다. 일반적으로, 활동 모니터링 디바이스는 상이한 마운팅들(예를 들어, 활동 모니터링 디바이스는 사용들 사이에서 상이한 위치들에서 사용자에 결합될 수 있음) 및 상이한 사용자들 사이에서 센서의 방위가 실질적으로 동일하지 않을 때 일관성 없게 장착된 것으로서 특징화된다. 일반적으로, 센서는 사용들 사이에서, 그리고 잠재적으로 사용 동안 상이한 방위들을 가질 것이다. 방법의 블록(S120)은 바람직하게는 방위 변화들에서의 그러한 가변성을 처리할 수 있다.
활동 모니터링 디바이스의 기본 보행 방위에 대해 운동학적 데이터를 교정하는 것을 포함하는 블록(S120)은 운동학적 데이터를 보행 시의 그것의 일반적 방위에 대해 정규화하거나 "중심맞춤(center)"하는 기능을 한다. 더 일반적으로, 블록(S120)은 대안적으로 기본 활동 동안 활동 모니터링 디바이스의 기본 활동 방위에 대해 운동학적 데이터를 교정하는 것을 포함할 수 있다. 보행 활동 상태는 그것이 교정에 사용되는 기본 활동을 위한 매력적인 후보이게 할 수 있는 특정한 특징들을 갖는다. 일반적으로, 보행이 수행되어, 교정 및 교정의 업데이트를 위한 수 회의 기회를 제공한다. 보행은 초기 교정 전에도 검출될 수 있다. 일반적으로, 보행 시에, 사용자 자세는 일관성 있고 양호한 자세에 가깝다. 대안적으로 또는 추가적으로, 대안적인 활동 상태들이 사용될 수 있다. 하나의 변형에서, 복수의 활동 상태가 사용될 수 있고, 여기서 시스템은 상이한 활동들에 기초한 교정 사이에서 전환할 수 있다.
도 10에 도시된 바와 같이, 기본 보행 방위에 대해 운동학적 데이터를 교정하는 것은 바람직하게는, 보행을 검출하는 것(S122), 및 보행 시에 운동학적 데이터로부터 기본 보행 방위를 생성하는 것(S124)을 포함한다.
운동학적 데이터를 통해 보행 활동 상태를 검출하는 것을 포함하는 블록(S122)은 보행 활동 상태를 검출하는 기능을 한다. 운동학적 데이터를 통해 보행을 검출하는 다양한 접근법들, 예컨대 2015년 9월 5일자로 발행된 미국 특허 제9,128,521호에서 발견되는 보행 검출을 위한 접근법들이 사용될 수 있고, 그것의 전체 내용은 이러한 참조에 의해 본 명세서에 포함된다. 보행 활동 상태의 검출은 센서 위치를 장정하기 위한 임의의 교정 전에 수행될 수 있다. 따라서, 보행 활동 상태를 검출하는 것은 상이한 방위들 하에서의 작업에 강건해야 한다.
보행 활동 상태를 검출하는 하나의 잠재적인 접근법은 가속도계 판독치들의 에너지를 평가하고, 그 에너지를 보행을 나타내는 임계치와 비교하는 것이다. 시간 t에서 기록된 샘플 데이터에 대한 바람직한 가속도계 에너지 점수의 측정치 At는 다음에 의해 주어질 수 있다:
Figure pct00004
xt, yt 및 zt는 시간 t에서 축 x, y 및 z를 따르는 가속도계 측정치들이다.
이러한 양의 변화는 모션을 나타낸다. 그러므로, 이전 프레임에 대한 차이는 다음과 같이 계산될 수 있다:
Figure pct00005
에너지 점수 차이들은 합산되고 임계치와 비교될 수 있다. 하나의 특정한 구현에서, 에너지 점수 차이들은 2초의 폭의 바틀릿 윈도우(Bartlett window)에서 합산된다. 샘플링 레이트가 25Hz인 구현에서, 이 계산은 다음과 같을 수 있다:
Figure pct00006
그리고, 그것의 스케일링된 형태는 다음과 같다:
우리의 보행 점수 St가 시간 t에서 설정 임계치를 초과한다면, 가속도계 판독치는 보행 샘플로서 분류될 수 있다. 하나의 예시적인 구현에서, 평균 1.118G와 등가인 실험적으로 결정된 임계치 70(1G는 2048을 표현함)이 임계치로서 사용될 수 있다. 이러한 가속도계 전력 평가들은 반복적으로 수행될 수 있다. 보행 활동 상태는 하나의 그러한 판독치에 대해 검출될 수 있지만, 보행 활동 상태로서 자격을 얻기 위해 최소 수의 연속적인 판독치가 보행 샘플로서 분류될 필요가 있을 수 있다.
대안적인 구현들은 대안적인 감지 접근법들을 통해 보행 활동 상태를 검출할 수 있다. 예를 들어, 보행 리듬이 검출되는 시기를 검출하기 위해, 보수계 센서(pedometer sensor)가 사용될 수 있다. 대안적으로, 보행 활동 상태는 위치 변화율에 기초하여 검출될 수 있다. 예를 들어, 이동 디바이스의 GPS 또는 위치 서비스와 같은 위치 검출 디바이스가 위치 변화들을 검출하기 위해 사용될 수 있다. 변화율이 보행 속도 내에 있으면, 보행 상태가 검출될 수 있다. 다른 변형에서, 사용자 또는 다른 엔티티는 사용자가 보행 활동 상태에 있음을 활동 모니터링 디바이스에 시그널링할 수 있다. 예를 들어, 사용자는 사용자가 보행 중임을 나타내는 버튼을 누를 수 있다. 보행 활동 상태를 검출하기 위한 다른 대안적인 접근법들이 사용될 수 있다.
기본 보행 방위는 바람직하게는 적어도 최소량의 보행 활동의 검출 시에 확립된다. 하나의 변형에서, 최소 수의 걸음(예를 들어, 적어도 5 걸음, 적어도 10 걸음 등)이 검출될 필요가 있다. 다른 변형에서, 보행 활동 상태는 최소량의 시간(예를 들어, 적어도 5초, 적어도 10초 등) 동안 검출되거나 활성이어야 한다. 운동학적 데이터는 바람직하게는 적어도 그 최소량의 보행 활동에 대해 기록된다. 대안적으로, 운동학적 데이터의 단일 스냅 샷이 아마도 사용될 수 있다.
보행 시의 운동학적 데이터로부터 기본 보행 방위를 생성하는 것을 포함하는 블록(S124)은 자세 모니터링 및/또는 다른 형태의 활동 추적에 사용될 운동학적 데이터의 기준 방위를 교정하는 기능을 한다. 기본 기준 방위를 교정하기 위한 다양한 접근법이 사용될 수 있다. 하나의 바람직한 구현은 운동학적 데이터의 피치(pitch)를 정정하고/거나 요(yaw)를 정정하는 것을 포함할 수 있다. 기본 보행 방위의 교정은 그 기준 방위에 대해 운동학적 데이터를 교정하도록 설정되는 하나 이상의 회전 행렬의 생성에 의존할 수 있다. 바람직하게, 기본 보행 방위는 보행 방위 프레임에 대해 운동학적 데이터를 교정하는 데에 사용되는 회전 행렬을 적용한 결과인 기본 방위 프레임의 계산을 통해 확립된다. 기본 방위 프레임은 Rbase로서 주어질 수 있고, Rbase = RyRxRz로서 주어질 수 있다.
운동학적 데이터의 피치 및 롤을 정정하는 것은 충분한 수의 보행 판독치가 수집된 후에 달성될 수 있다. 하나의 변형에서, 적어도 3초 또는 3 걸음이 사용될 수 있다. 일부 바람직한 구현들에서, 10 걸음, 10초 또는 대략 250개의 샘플이 최소 임계치로서 사용할 수 있지만, 임의의 적합한 임계치가 사용될 수 있다. 자연스러운 보행은 척추를 양호한 또는 적어도 일관성 있는 자세로 유도할 수 있다:
Figure pct00008
다음으로, 하나의 바람직한 구현에서, 회전 행렬
Figure pct00009
는 다음과 같이 계산될 수 있다:
Figure pct00010
Figure pct00011
는 2개의 회전의 곱이다:
Figure pct00012
여기서, Rx는 다음에 의해 주어진다:
Figure pct00013
그리고, Rz는 다음에 의해 주어진다:
Figure pct00014
회전 행렬
Figure pct00015
및 그것의 성분들 Rx 및 Rz는 피치 및 롤을 교정하는 데에 이용된다. 각도들 θ 및 ø는 다음과 같이 정의된다:
Figure pct00016
및
Figure pct00017
.
운동학적 데이터의 요를 정정하는 것은 다양한 접근법들에서 유사하게 이루어질 수 있다. 하나의 단순한 접근법에서, 활동 모니터링 디바이스의 방위는 0도 또는 180도 중 어느 하나로 가정될 수 있다. 방위 가정은 더 높은 해상도 정정을 대신하여 사용할 수 있다. 방위 가정(orientation assumption)은 또한 충분한 운동학적 데이터가 수집됨에 따라 일시적인 해법으로서 사용될 수 있다. 요 정정에서 사용되는 분산들 및 공분산들은 다수의 샘플(예를 들어, 적어도 750개의 샘플, 또는 25Hz로 샘플링된 30초의 보행)을 필요로 할 수 있다. 하나의 바람직한 구현에서, 운동학적 데이터 샘플들의 세트는 운동학적 데이터의 다차원 플로팅의 형상의 분석을 통해 에러에 대해 조절될 수 있다. 더 큰 고유 벡터들(eigenvectors)과 z 축의 정렬이 측정치들의 좌우 대칭 클라우드를 야기하도록, 인간들이 실질적으로 좌우 대칭이라는 가정이 이루어질 수 있다. 요 형상 정정은 바람직하게는 피치 및 롤의 정정 후에 수행된다. 여기서, 운동학적 데이터 샘플들의 세트는 다음에 의해 표현된다:
Figure pct00018
피치 및 롤 정정을 준비하고서, 모델링 가정은 다음과 같을 수 있다:
Figure pct00019
및
Figure pct00020
이러한 모델링 가정은 (avg(x), avg(y), avg(z))의 회전이 y 축 상에 있게 하는 것에 기초한다[예를 들어, avg(x) = 0 및 avg(z) = 0]. 모델링 가정도 또한 이루어질 수 있다:
Figure pct00021
샘플들의 고유 벡터들은 운동학적 데이터 샘플들의 세트에 적용될 정정 회전(corrective rotation)을 결정하는 데에 이용될 수 있다. 실례로서, 도 6은 3차원 플롯에서의 피치 및 롤에 대한 정정 전과 후의 보행 활동 상태 동안의 1000개의 가속도계 판독치들을 보여주며, 여기서 등 아래쪽에 착용된 센서는 피치 및 롤에 대한 정정 전과 후에 우측으로 시프트된다. 이러한 예에서, x 및 z의 평균은 정정 후에 대략 0으로 되는 것이 관찰될 수 있다. y의 대략적인 평균은 1g이고, 이러한 예에서 이는 2048의 센서 값에 의해 표현된다. 도 7은 대응하는 데이터를 고유 벡터와 함께 2차원 플롯으로 보여주며, 이것은 요의 정정을 위해 사용될 수 있다. 도 8은 더 큰 고유 벡터에 의해 정의되는 각도만큼 회전한 후의 대응하는 데이터를 보여준다.
이러한 구현은 주성분 분석(PCA: Principal Component Analysis)을 활용할 수 있다. PCA 접근법은 바람직하게는 단순화 전략으로서 2개의 차원만을 고려한다. PCA의 2차원 변형을 수행하는 것은 공분산 행렬을 생성하는 것, 고유 벡터들 및 고유 값들(eigenvectors)을 생성하는 것, 및 고유 벡터의 각도에 대응하는 요를 정정하는 것을 포함할 수 있다. 여기서는 제한된 배터리, RAM 및 컴퓨팅 능력들을 갖는 컴퓨팅 디바이스에 특히 이로울 수 있는 공분산 행렬 및 고유 벡터들 및 고유 값들을 추정하기 위한 하나의 특정한 접근법이 설명된다. 임의의 적합한 접근법이 사용될 수 있다.
공분산 행렬의 생성에서, XZ 공분산 행렬은 다음과 같이 정의될 수 있다:
Figure pct00022
여기서,
Figure pct00023
및
Figure pct00024
이다.
여기서, 가속도계 판독치들은 랜덤 변수들로서 취급되기 때문에 대문자들이 사용된다. 여기서, E(X)는 X의 관측된 측정치들의 평균을 취하거나 임의의 적합한 추정을 사용하여 추정될 수 있는 X의 기대치를 나타낸다.
상술한 계산들은 평균에 의존하므로, 일 구현에서, 메모리 저장 접근법은 이전의 모든 샘플을 저장하지 않고서 새로운 샘플 판독치로 평균을 업데이트할 수 있다. X의 이전의 N개의 값의 알려진 평균
Figure pct00025
을 가정하면, 다음과 같이 된다:
Figure pct00026
그러한 평균화 접근법은 E(X), E(Z), E(X2) 및 E(XZ)를 추정하고, 기대치 추정들로부터 공분산 행렬의 추정치를 계산하기 위해 사용될 수 있다. 더 큰 샘플 크기들(예를 들어, 100개를 초과하는 샘플)이 주어지면, 더 엄격한 또는 전통적인 추정기들로부터의 차이는 무시가능할 수 있다. 도 6에 도시된 예로부터의 1000개의 포인트에 대해, 추정된 공분산 행렬은 다음과 같다:
Figure pct00027
2개의 차원에 대한 고유 벡터들 및 고유 값들을 생성하는 것은 닫힌 해(closed solution)를 갖는 2차 방정식으로 축퇴될 수 있다. 2D 공분산 행렬은 다음과 같은 형태를 가질 수 있다:
Figure pct00028
다음으로, 2개의 고유 값은 다음과 같이 설정될 수 있다:
Figure pct00029
여기서,
Figure pct00030
이다.
cov(X, Z)≠0이므로, 대응하는 고유 벡터들은:
Figure pct00031
또는
Figure pct00032
중 어느 하나이다.
고유 벡터의 각도에 대응하는 요를 정정하는 것은 바람직하게는 운동학적 데이터 포인트들의 세트를 y축에 대하여 ve와 z축 사이의 각도만큼 회전시키며, 여기서
Figure pct00033
는 더 큰 고유 값에 대응하는 고유 벡터이다. ve와 z축 사이의 각도는 다음에 의해 주어질 수 있다:
Figure pct00034
그러면, 요 정정은 y축에 대해 -φe만큼 회전시키는 것이다.
Figure pct00035
다음으로, 완전한 기본 방위 프레임은 Rbase=RyRxRz로서 정의될 수 있다. 고유 벡터의 네거티브 또한 고유 벡터이므로, 방법은 적합한 고유 벡터를 선택하기 위해 휴리스틱 접근법을 이용할 수 있다. 활동 모니터링 디바이스가 등 아래쪽에 착용된다면, 정방향/역방향 방위가 정정되는 경우에 cov(Y, Z)는 네거티브일 것으로 예상된다. cov(Y, Z)가 포지티브인 경우, 요 정정 각도에 180도의 정정이 추가될 수 있다. 센서가 상반신의 정면 상에 착용되는 경우, 상황은 반전되고, 올바른 정방향/역방향 방위는 포지티브 cov(Y, Z)에 대응한다. 대략적인 센서 위치는 가정되거나 검출되거나 지정되거나 다르게 결정될 수 있다. 다른 신체 영역들에 대한 정정들도 사용될 수 있다.
상술한 예에서, φe는 -19.8도로 계산된다. 도 8에 도시된 바와 같이, 운동학적 데이터 판독치들의 세트는 x축에 대해 실질적으로 대칭으로 정렬되도록 정정되고, 이는 사용자의 일반적인 좌우 대칭에 대응한다.
블록(S120)은 바람직하게는 기본 활동 상태(예를 들어, 보행 활동 상태)의 검출 시에 자동으로 트리거된다. 블록(S120)은 바람직하게는 각각의 사용 세션에 대한 기본 활동 상태의 초기 검출 시에 수행된다. 더 바람직하게, 활동 모니터링 디바이스의 상대적 방위의 변화들 또는 다른 변화들을 처리하기 위해 운동학적 데이터가 정정될 수 있도록, 블록(S120)은 바람직하게는 반복적으로 수행된다. 따라서, 블록(S120)은 보행 활동 상태를 후속하여 검출한 때 운동학적 데이터를 재교정하는 것을 포함하고, 여기서 기본 보행 방위는 방위의 후속 분석에 적어도 부분적으로 기초하여 업데이트된다.
추가적으로 또는 대안적으로, 기본 보행 방위는 수동으로 활성화된 트리거에 응답하여, 정적으로 교정될 수 있다. 사용자가 양호한 자세에 있고 수동 교정 이벤트를 트리거할 때, 수동 교정은 완전한 방위 프레임 Rtarget = RyRxRz을 결정하는 것으로 구성된다. 수동 교정 이벤트는 활동 모니터링 디바이스의 물리 또는 가상 버튼을 활성화하거나 임의의 적합한 트리거를 사용하여 트리거될 수 있다. 다음으로, 타겟 자세는 센서의 방위를 교정하기 위해 사용되며, 이는 후속하여 사용자의 자세 및 생물기계학을 평가하기 위해 사용될 수 있다. 수동으로 교정된 타겟 자세는 블록(S120)의 활동 기반 교정과 함께 자세 정정 인자를 결정하기 위한 기준 자세로서 사용될 수 있다. 수동 교정은 독립적으로, 교정의 유일한 방법으로서, 또는 자동 교정과 함께 수행될 수 있다. 하나의 변형에서, 수동 교정은 자동 교정 활성화 전에, 예컨대 사용자가 보행하기 전에 사용될 수 있다. 예를 들어, 활동 모니터링 디바이스가 최초로 활성화된 때, 활동 모니터링 디바이스는 사용자가 보행할 때까지 수동 교정 모드를 이용할 수 있고, 사용자의 보행은 자동 교정 모드의 사용을 활성화할 것이다. 다른 변형에서, 활동 모니터링 디바이스는 사용자가 자동 교정 모드와 수동 교정 모드 사이에서 교정 모드를 변경할 수 있도록, 선택가능한 교정 모드들을 포함할 수 있다. 다른 변형에서, 방법은 활동 검출을 포함하지 않을 수 있고, 사용자는 기본 활동 동안 수동으로 교정하도록 안내될 수 있다. 예를 들어, 사용자는 보행 동안, 또는 다른 적합한 기준 활동 동안 교정을 수동으로 트리거할 수 있다. 수동 교정 모드가 활성인 때, 자세 정정 인자는 계산 또는 사용되지 않을 수 있는데, 왜냐하면 사용자는 수동 교정 이벤트를 트리거할 때 양호한 자세를 예시하는 것으로 가정되기 때문이다. 자세 정정 인자를 설정하는 것을 포함하는 블록(S130)은 기본 활동(예를 들어, 보행)에서의 방위와 적어도 제2 활동(예를 들어, 착석) 사이의 차이를 확립하는 기능을 한다. 자세 정정 인자는 바람직하게는 자세 평가들을 변환하기 위해 이용될 수 있는 일반적으로 관측되는 차이 또는 오프셋을 특징화한다. 일 구현에서, 특정 활동에 대한 자세 정정 인자는 타겟 자세 방위와 기본 방위 사이의 하나 이상의 각도 오프셋일 수 있다. 추가적으로, 상이한 활동들은 상이한 자세 타겟들 및 상이한 대응하는 자세 정정 인자들을 가질 수 있다. 보행 활동은 기준 방위로서 이용될 수 있는데, 왜냐하면 사람들은 일반적으로 일관성 있는 보행 자세를 갖고, 보행 시에 일반적으로 양호한 자세를 갖고 균형을 유지하며, 그렇지 않으면 사람이 넘어지기 때문이다. 자세 정정 인자는 보행 자세에 대해 교정될 때 활동 모니터링 디바이스에 의해 검출되는 방위로부터의 오프셋들의 세트일 수 있다. 예를 들어, 사용자는 정방향 2도 각도를 갖는 자세로 걸을 수 있다. 활동 모니터링 디바이스는 보행 방위에 대해 보정되므로, 직립 착석 자세로의 자동 교정된 각도(즉, 제로 각도)는 보행 자세를 이용하여 네거티브 2도의 정정 오프셋으로 검출될 수 있다. 이러한 예에서, 자세 정정 인자는 네거티브 2도 오프셋으로 설정될 것이다.
자세 정정 인자는 다수의 대안적인 접근법을 통해 설정될 수 있다. 하나의 변형에서, 자세 정정 인자들은 디폴트로 설정될 수 있다. 예를 들어, 대부분의 사용자에게 사용될 수 있는 일반적으로 적용가능한 자세 정정 인자들을 결정하기 위해 다양한 테스트가 사용될 수 있다. 다른 변형에서, 자세 정정 인자들은 개인화 된 특징들에 기초하여 설정될 수 있다. 예를 들어, 자세 정정 인자들은 인구통계(예를 들어, 나이, 성별, 위치), 적합성 메트릭[예를 들어, 이동 통계(running stats)에 기초한 적합성 레벨], 또는 임의의 적합한 메트릭에 기초하여 사용자에게 할당될 수 있다. 보다 바람직하게, 자세 정정 인자들은 교정 이벤트들을 통해 설정될 수 있다. 타겟 방위 프레임 Rtarget = RyRxRz는 이러한 교정을 통해 위에서 설명된 바와 같이 계산될 수 있다. 다음으로, 타겟 방위 프레임과 기본 방위 프레임의 비교를 통해 자세 정정 인자가 계산될 수 있다. 일례로서, 자세 정정 인자는 도 11에 도시된 바와 같이 정규직교 축들 {xb, yb, zb}에 의해 표현되는 기본 방위 프레임과 정규직교 축들 {xt, yt, zt}에 의해 표현되는 타겟 방위 프레임 사이의 중력 벡터의 각도 오프셋(들)에 부분적으로 기초할 수 있다. 중력 벡터는 각각의 방위 프레임에서 상이하기 때문에, 자세 정정 인자는 이러한 프레임들 간의 이러한 차이를 처리한다. 휴리스틱 및/또는 기계 지능은 새로운 교정 이벤트에 대해 새롭게 계산된 방위 프레임에 기초하여 타겟 방위 프레임을 업데이트하는 데 적용될 수 있다.
수동 교정 모드에서와 같은 일부 변형들 또는 대안적인 실시예들에서, 타겟 자세는 Rbase = Rtarget인 기본 자세와 등가일 수 있고, 그에 의해 적용될 필요가 있는 자세 정정 인자의 오프셋 성분은 존재하지 않게 된다. 수동으로 설정된 타겟 자세는 자세 정정 인자에 이러한 오프셋 성분이 필요 없는 하나의 경우이다. 기본 활동 상태의 자세가 제2 활동 상태와 실질적으로 등가인 경우는 다른 시나리오일 수 있다.
이러한 경우들에서, 상이한 자세 정정 인자들은 이용가능한 데이터에 기초하여 사용될 수 있다. 예를 들어, 활동 모니터링 디바이스는 처음에는 일반 오프셋으로 디폴트 설정될 수 있고, 다음으로 인구통계 정보가 수신되고 나면 자세 정정 인자를 사용하며, 다음으로 사용자를 타겟화하기 위해 자세 정정 인자가 교정될 수 있고 나면, 교정된 자세 정정 인자들을 이용한다.
언급된 바와 같이, 자세 정정 인자를 설정하는 것의 하나의 변형은 적어도 하나의 교정 이벤트에 기초하여 자세 정정 인자를 설정하는 것을 포함할 수 있다. 블록(S130)은 활동 모니터링 디바이스를 통해 교정 이벤트 신호를 수신하고, 교정 이벤트 신호에 응답하여 지속 기간 동안 대표 자세를 측정하고, 대표 자세에 기초하여 자세 정정 인자를 설정하는 것을 포함할 수 있다. 교정 이벤트 신호는 사용자 상호작용에 응답하여 트리거되는 논리 신호일 수 있다. 예를 들어, 사용자는 활동 모니터링 디바이스 상의 교정 버튼을 눌러 교정 이벤트를 트리거할 수 있다. 대안적으로, 사용자는 접속된 애플리케이션을 통해 (예를 들어, 스마트폰 앱을 사용하여) 교정 이벤트를 트리거할 수 있다. 대안적으로, 교정 이벤트는 다른 메커니즘들을 통해 트리거될 수 있다.
대표 자세를 측정하는 것은 활동 모니터링 디바이스의 방위를 소정의 지속 기간 동안 기록하는 것을 포함할 수 있다. 모션(예를 들어, 달리기 또는 걷기)이 존재하는 활동들에서, 대표 자세 및 오프셋을 특징화하기 위해, 모션, 방위 변화들, 및 다른 운동학적 아티팩트들이 처리될 수 있다. 일부 경우들에서, 대표 자세는 오프셋을 특징화하는 데에 사용될 수 있는 방위이다. 다른 경우들에서, 대표 자세는 중간 자세, 평균 자세, 자세 범위 및 변동(posture range and variation), 및/또는 자세의 다른 속성들과 같은 다른 양태들을 특징화할 수 있다.
수동 설정 변형에서, 대표 자세에 기초하여 자세 정정 인자를 설정하는 것은, 자세 정정 인자를 교정 이벤트의 대표 자세에 대응하는 업데이트된 자세 정정 인자로 대체하는 것을 포함할 수 있다. 예를 들어, 사용자는 타겟 자세로 착석하고 교정 입력부를 활성화함으로써 새로운 타겟 자세를 설정할 수 있고, 이전의 타겟 자세는 대체되거나 업데이트될 수 있다. 더 바람직하게는, 자세 정정 인자를 설정하는 것은 대표 자세의 처리, 및 더 이른 교정 이벤트들로부터의 대표 자세의 이력에 기초하여 자세 정정 인자를 설정하는 것을 포함한다. 예를 들어, 자세 정정 인자를 설정하는 것에 있어서의 가장 최근의 10개의 대표 자세가 평균화될 수 있다.
기계 지능 변형에서, 대표 자세에 기초하여 자세 정정 인자를 설정하는 것은 복수의 교정 이벤트 동안 대표 자세에 대한 기계 학습 분석으로서 자세 정정 인자를 설정하는 것을 포함할 수 있다.
일 구현에서, 다수의 수동 설정된 자세 정정 인자가 수집되고, 감독된 회귀 문제(supervised regression problem)로서 분석될 수 있으며, 여기서 더 양호한 예측을 획득하기 위해, 트레이닝 오프셋들 및 타겟 오프셋들은 신경망 또는 지원 벡터 회귀(support vector regression)와 같은 기계 학습 접근법을 통해 공급될 수 있다. 분석에 사용되는 자세 정정 인자들은 단일 사용자에 대해 수집될 수 있지만, 사용자들의 그룹에 대해서도 측정될 수 있다.
휴리스틱 및/또는 기계 지능은 특정 시나리오들을 검출하고 다루는 데에 추가적으로 적용될 수 있다. 방법은 시나리오 분류에 기초하여, 교정 입력부의 활성화를 콘텍스트에 따라(contextually) 차별화하고, 교정 이벤트, 사일런싱 이벤트, 또는 임의의 적합한 유형의 이벤트 중 어느 하나를 선택적으로 트리거하는 단계를 포함할 수 있다. 일부 시나리오들에서, 현재 조건들이 이벤트에게 교정을 위해 사용되도록 또는 사일런싱 피드백을 위한 신호로서 자격을 부여하지 않을 때, 교정 입력부의 활성화가 무시될 수 있다.
하나의 극단적인 사례의 시나리오는 우연히 버튼이 눌러질 때 발생할 수 있는 우연한 교정 이벤트들을 다루는 것이다. 방법은 교정 이벤트를 분류하고, 오류 교정들로 분류된 교정 이벤트들을 거절하는 단계를 포함할 수 있다. 예를 들어, 분류기는 정확한 교정들에 맞지 않는 교정의 세부사항들을 찾아봄으로써 오류 교정 이벤트들을 자동으로 감지하고 거절하도록 설정될 수 있다. 이것은 신경망들, 방사상 기저 함수들(radial basis functions), 지원 벡터 기계들, k-최근접 이웃들(k-nearest neighbors) 등을 이용할 수 있는 감독된 분류 문제로서 취급될 수 있다. 우연한 교정 이벤트들은 휴리스틱 기반 규칙들을 통해 추가적으로 또는 대안적으로 검출될 수 있다. 교정 이벤트들은 거절될 수 있고/있거나, 업데이트된 자세 정정 인자는 다양한 규칙들에 기초하여 다르게 가중될 수 있다. 일부 예시적인 규칙들은 새롭게 측정된 자세 정정 인자(즉, 교정 이벤트에 응답하여 측정된 것)와 현재의 자세 정정 인자의 차이가 차이 임계치보다 큰지를 검출하는 것; 이전의 모션이 모션 임계치보다 큰 교정 이벤트를 검출하는 것; 및 변화 임계치보다 큰 자세 정정 인자의 변화를 검출하는 것을 포함할 수 있다. 다른 적합한 휴리스틱 기반 규칙들이 사용될 수 있다.
다른 극단적인 사례의 시나리오는, 사용자들이 일시적인 비이상적 자세에 대해 자세를 교정하려고 시도할 때, 예컨대 사용자들이 의자에 등을 기대고 편안하게 있을 때이다. 방법은 교정 이벤트를 분류하고, 교정 이벤트가 사일런싱 이벤트로 분류되는 자세 상태 동안 자세 피드백을 유예하는 단계를 포함할 수 있다. 고도로 불규칙한 자세로 인해 사일런싱 교정 이벤트가 검출될 수 있다. 예를 들어, 교정 이벤트에 대해 계산된 오프셋이 설정된 임계치보다 큰 경우, 교정 이벤트는 사일런싱 이벤트로 고려될 수 있다. 예를 들어, 사용자가 뒤로 깊게 기댈 때, 사용자는 그들이 편안하게 있는 동안 자세 피드백을 "사일런싱"하기 위해 교정 입력부를 활성화할 수 있다. 자세 피드백의 유예는 설정된 시간량 동안, 운동학적 데이터에서 소정의 활동 조건이 검출될 때까지, 또는 임의의 적합한 조건에 기초하여 지속될 수 있다.
자세 정정 인자는 바람직하게는 특정 활동에 대해 설정된다. 구체적으로, 자세 정정 인자들은 바람직하게는 착석 상태에 대하여 설정된다. 따라서, 방법은 2개의 상태 사이의 활동 상태 전이를 검출하는 단계를 포함할 수 있다. 착석 시에 자세를 모니터링하는 경우에서, 방법은 착석 활동 상태와 적어도 제2 활동 상태(예를 들어, 걷기, 달리기, 서기, 운전 등) 사이의 활동 상태 전이를 검출하는 단계를 포함할 수 있다.
방법은 도 9에 도시된 바와 같이 복수의 독립적인 자세 정정 인자를 추가적으로 지원할 수 있다. 예를 들어, 방법은 서기, 앉기, 달리기, 운전 또는 임의의 적합한 활동에 대해 상이한 자세 정정 인자들이 설정되고 교정될 수 있게 할 수 있다. 추가의 자세 정정 인자들은 지오로케이션, 시각, 또는 다른 적합한 속성들에 기초하여 할당될 수 있다. 복수의 자세 정정 인자로 작업할 때, 방법은 적어도 제2 자세 정정 인자를 설정하는 단계를 포함할 수 있으며, 여기서 제1 자세 정정 인자는 제1 활동 상태를 위한 것이고, 제2 자세 정정 인자는 제1 활동 상태와는 별개인 제2 활동을 위한 것이며; 여기서 자세 피드백을 트리거하는 것은 제1 활동 상태에 있을 때 제1 자세 정정 인자에 의해 조절된 사용자 자세에 기초하여 자세 피드백을 트리거하고, 제2 활동 상태에 있을 때 제2 자세 정정 인자에 의해 조절된 사용자 자세에 기초하여 자세 피드백을 트리거하는 단계를 포함한다. 방법은 바람직하게는 활동 상태를 검출하고, 자세 정정 인자를 적절하게 선택하는 단계를 포함한다.
교정된 운동학적 데이터로 사용자 자세를 측정하는 것을 포함하는 블록 (S140)은 사용자 자세를 모니터링하는 기능을 한다. 사용자 자세는 바람직하게는 활동 모니터링 시스템으로부터의 운동학적 데이터 측정치들에 의해 특징화된다. 측정된 사용자 자세는 바람직하게는 블록(S150)에서 사용자의 자세의 속성들을 평가하거나 추적하는 데 사용된다. 사용자 자세를 측정하는 것은 활동 모니터링 디바이스의 활성 상태들 동안 연속적으로 수행될 수 있다. 예를 들어, 사용자 자세를 측정하는 것은 대안적으로 특정한 활동 상태들로 제한될 수 있다. 예를 들어, 사용자 자세는 사용자가 착석 활동 상태에 있는 것으로 검출된 때에만 수행될 수 있다. 사용자 자세를 측정하는 것은 블록(S150)에서 기본 방위 프레임 및 자세 정정 인자와 비교하는 데 사용될 수 있는 현재 방위 프레임을 생성하는 것을 포함할 수 있다.
교정된 운동학적 데이터로 사용자 자세를 측정하는 것은 사용자 자세의 품질을 평가하는 것을 추가적으로 포함할 수 있고, 이는 교정된 방위를 처리한 후에 자세를 판단하는 기능을 한다. 사용자 자세를 측정하는 것, 그리고 더 구체적으로는 일 구현에서 품질을 평가하는 것은 위에서 설명된 것과 유사한 방식으로 운동학적 데이터를 수집하고, 자세 정정 인자에 의해 조절된 기본 방위와의 비교를 생성하는 것을 포함할 수 있다. 비교는 다양한 방식으로 접근될 수 있다. 일 구현에서, 현재 방위 프레임은 상술한 기본 방위 프레임과 실질적으로 유사한 방식으로 계산될 수 있으며, 여기서 현재 방위 프레임은 최근에 샘플링된 운동학적 데이터에 기초한다. 다음으로, 현재 방위 프레임 Rcurrent는 자세 정정 인자에 의해 정정되거나 보강된 기본 방위 프레임 Rbase와 비교될 수 있다. Rbase 방위 프레임이 지속적으로 또는 주기적으로 업데이트되기 때문에, 센서 방위가 시프트하는 경우 Rtarget을 하루 종일 자주 업데이트하지 않아도 된다. 다른 구현에서, 실시간 운동학적 시계열 데이터는 Rbase에 의해 실시간 자세 값으로 변환되고, Rbase 및 자세 정정 인자(예를 들어, 자세 오프셋)에 의해 정의된 이상적인 자세와 비교된다. 이러한 비교는 방위 차이를 나타낼 수 있고, 이는 오프셋과 유사하게, 타겟화된 이상적인 자세로부터의 실시간 자세 값의 편차의 척도일 수 있다. 예를 들어 이상적인 착석 자세로부터 정방향으로 5도 기울어진 사용자는 5도의 방위 차이를 가질 수 있다. 방위 차이는 다양한 벡터들에 따른 자세 편차들을 추가적으로 특징화할 수 있다(예를 들어, 역방향 각도 방위 차이, 측면 방위 차이로 기대는 것 등). 다음으로, 방위 차이는 자세 품질을 평가하는 방식으로서 다양한 조건들에 대해 분석될 수 있다. 바람직하게는, 이러한 방위 차이는 "훌륭한 자세", "정상 자세" 및/또는 "불량한 자세"를 특징화하는 것과 같이, 상이한 유형들의 자세를 특징화할 수 있는 자세 임계치들의 세트와 비교될 수 있다. 자세 임계치는 하나 이상의 축에 대한 방위의 각도 범위로서 정의될 수 있지만, 임의의 적합한 특징화가 사용될 수 있다. 예를 들어, 양호한 자세는 이상적인 자세 각도를 중심으로 하는 (또는 포함하는) 각도 범위로서 특징화될 수 있고, 불량한 자세는 각도 범위를 벗어난 각도를 갖는 사용자 자세로서 특징화될 수 있다. 이상적인 자세는 일반적으로 자세 정정 인자가 타겟 자세로서 장려하고 있는 방위 프레임이다. 대안적인 자세 조건들은 시간 경과에 따른 평균 사용자 자세, 날짜 또는 시간 윈도우의 진행에 걸친 특정 자세에서의 총 지속시간, 자세 변화들, 및/또는 다른 인자들과 같은 다른 인자들을 처리할 수 있다. 추가적인 변형에서, 자세 조건들은 자세 정정 인자의 트레이닝에 기초하여 변경될 수 있다. 예를 들어, 타겟 자세에 대해 허용되는 변형은 트레이닝 샘플들의 변형에 기초하여 조절될 수 있다.
자세 정정 인자에 의해 조절되는 사용자 자세에 기초하여 자세 피드백을 트리거하는 것을 포함하는 블록(S150)은 타겟 자세 상태에 대해 판단될 때의 현재 사용자 자세에 반응하는 기능을 한다. 자세 피드백은 바람직하게는 현재 자세가 조건을 만족시킬 때 전달된다. 자세 피드백은 포지티브일 수 있고, 이는 사용자가 양호한 자세를 보여주고 있음을 나타낸다. 자세 피드백은 추가적으로 또는 대안적으로 네거티브일 수 있고, 이는 사용자가 양호한 자세를 보여주고 있지 않음을 나타낸다. 휴리스틱 기반 규칙들 및/또는 알고리즘 분석은 자세 피드백이 전달되는 시기와 방법을 결정하는 데 사용될 수 있다. 블록(S140)으로부터의 자세 품질의 평가 및 분석은 바람직하게는 자세 피드백을 결정하는 데에 사용된다. 예를 들어, 자세 조건들의 세트는 자세 분류(예를 들어, 훌륭한 자세, ok 자세, 불량한 자세 등)를 결정할 때 사용되는 자세 범위 임계치들로 설정될 수 있고, 자세의 분류에 기초하여, 지정된 형태의 피드백이 전달된다. 다른 예에서, 양호한 자세를 장려하기 위해 피드백이 모델링되도록 동적인 방식으로 피드백을 적용하도록 기계 학습이 적용될 수 있다. 이것은 신경망들, 방사상 기저 함수들, 지원 벡터 기계들, k-최근 이웃들 등을 이용할 수 있는 감독된 분류 문제로서 취급될 수 있다.
피드백은 (디바이스 상에서의 또는 애플리케이션 내에서의) 그래픽 피드백, 촉각 피드백, 오디오 피드백, 정보 피드백(데이터 분석 표현들), 및/또는 다른 형태들의 피드백을 포함하지만 이에 한정되지 않는 다양한 접근법들로 전달될 수 있다. 예를 들어, 피드백은 자세가 타겟 자세로부터 벗어날 때 활동 모니터링 디바이스 또는 애플리케이션을 통해 전달되는 촉각 진동 피드백일 수 있다. 피드백은 대안적으로 정보적일 수 있고, 그래픽 사용자 인터페이스 또는 생성된 보고서의 데이터 표현을 통해 표현될 수 있다.
도 12에 도시된 바와 같이, 하나의 바람직한 실시예의 수동 교정을 위한 방법(S200)은 수동 교정만을 사용하는 활동 모니터링 디바이스에 대해 본 명세서에 설명된 접근법들 중 일부를 이용할 수 있으며, 이는 사용자에 결합된 활동 모니터링 디바이스에 의해 운동학적 데이터를 수집하는 단계(S210); 활동 모니터링 디바이스를 통해 교정 이벤트 신호를 수신하는 단계(S220); 교정 이벤트를 검출하는 것에 응답하여, 활동 모니터링 디바이스의 기본 방위를 설정하는 단계(S230); 교정된 운동학적 데이터로 사용자 자세를 측정하는 단계(S240); 및 기본 방위와 비교된 사용자 자세에 기초하여 자세 피드백을 트리거하는 단계(S250)를 포함한다. 여기서, 활동 모니터링 디바이스의 기본 방위를 설정하는 것은 블록(S120)의 기본 방위를 설정하는 것과 실질적으로 유사할 수 있고, 자세 정정 오프셋을 설정하는 대신에 기본 방위를 업데이트하는 것이 사용될 수 있다. 이 방법은 독립적으로 사용될 수 있거나, 본 명세서에 설명된 자동 교정 방법과 함께 사용될 수 있다. 하나의 모드에서, 방법은 활동 모니터링 디바이스가 자동 교정 모드에 있을 때 방법(S100)을 수행하고, 수동 모드에 있을 때 방법(S200)을 수행하는 것을 포함할 수 있다.
위에서 설명된 자세 정정 인자를 설정하는 데 사용되는 다양한 접근법들 중 다수는 수동 교정 동안 기본 방위를 설정하는 데 적용될 수 있다.
기본 방위를 설정하거나 업데이트하기 위해 교정 이벤트들이 사용되는 변형들에서, 운동학적 데이터를 교정하기 위해 방위 프레임을 설정하는 것은 자세 정정 인자를 설정하는 데 사용되는 동일한 접근법들 중 일부를 이용할 수 있다.
하나의 변형에서, 수동 교정 모드는 콘텍스트에 따라 교정 이벤트들을 차별화하고, 교정 이벤트들을 필터링하거나 폐기하는 것을 포함할 수 있으며, 이는 오류 버튼 트리거들을 무시하도록 기능할 수 있다. 마찬가지로, 방법은 교정 이벤트의 패턴들에 기초하여 기본 방위의 기본 방위 프레임을 업데이트할 때 새로운 방위 프레임의 가중을 변경하는 것을 포함할 수 있다.
수동 교정 모드의 다른 변형은 복수의 교정 이벤트의 기계 학습 분석으로서 기본 방위를 설정하는 것을 포함할 수 있다.
수동 교정 모드의 다른 변형은 교정 이벤트가 발생할 때 검출된 활동 상태에 기초하여 특정 활동 상태들에 대해 상이한 기본 방위들을 설정하는 것을 포함할 수 있다. 예를 들어, 앉기, 서기, 걷기 등에 대한 수동으로 교정된 상이한 자세들에 대해 상이한 방위 프레임들이 설정될 수 있다.
수동 교정 모드의 또 다른 변형은 위에서와 유사한 방식으로 자세 상태 동안 교정 이벤트를 분류하고 자세 피드백을 유예하는 것을 포함할 수 있다. 자동 교정 접근법의 다른 변형들은 수동 교정 모드에 유사하게 적용될 수 있다.
실시예들의 시스템들 및 방법들은 컴퓨터 판독가능한 명령어들을 저장하는 컴퓨터 판독가능한 매체를 수용하도록 구성된 기계로서 적어도 부분적으로 실시 및/또는 구현될 수 있다. 명령어들은 애플리케이션, 애플릿, 호스트, 서버, 네트워크, 웹사이트, 통신 서비스, 통신 인터페이스, 사용자 컴퓨터 또는 모바일 디바이스의 하드웨어/펌웨어/소프트웨어 요소들, 손목띠, 스마트폰, 또는 그것들의 임의의 적합한 조합과 통합된 컴퓨터 실행가능한 컴포넌트들에 의해 실행될 수 있다. 실시예의 다른 시스템들 및 방법들은 컴퓨터 판독가능한 명령어들을 저장하는 컴퓨터 판독가능한 매체를 수용하도록 구성된 기계로서 적어도 부분적으로 실시 및/또는 구현될 수 있다. 명령어들은 위에서 설명된 유형의 장치들 및 네트워크들과 통합된 컴퓨터 실행가능한 컴포넌트들에 의해 실행될 수 있다. 컴퓨터 판독가능한 매체는 RAM, ROM, 플래시 메모리, EEPROM, 광학 디바이스(CD 또는 DVD), 하드 드라이브, 플로피 드라이브, 또는 임의의 적합한 디바이스와 같은 임의의 적합한 컴퓨터 판독가능한 매체 상에 저장될 수 있다. 컴퓨터 실행가능한 컴포넌트는 프로세서일 수 있지만, 임의의 적합한 전용 하드웨어 디바이스가 (대안적으로 또는 추가적으로) 명령어들을 실행할 수 있다.
본 기술분야의 통상의 기술자가 이전의 상세한 설명으로부터 그리고 도면들 및 청구항들로부터 인식할 수 있는 바와 같이, 다음의 청구항들에 정의된 바와 같은 본 발명의 범위를 벗어나지 않고서 본 발명의 실시예들에 대한 수정 및 변경이 이루어질 수 있다.

Claims (18)

  1. 자세 피드백(posture feedback)을 위한 방법으로서,
    ● 사용자에 결합된 활동 모니터링 디바이스에 의해 운동학적 데이터(kinematic data)를 수집하는 단계;
    ● 상기 활동 모니터링 디바이스의 기본 보행 방위(base walking orientation)에 대해 상기 운동학적 데이터(kinematic data)를 교정(calibrating)하는 단계 - 상기 교정하는 단계는:
    ■ 상기 운동학적 데이터를 통해 보행 활동 상태를 검출하는 단계, 및
    ■ 보행 활동 상태가 검출될 때, 운동학적 데이터로부터 상기 기본 보행 방위를 생성하는 단계를 포함함 - ;
    ● 자세 정정 인자(posture correction factor)를 설정하는 단계;
    ● 교정된 운동학적 데이터로 사용자 자세를 측정하는 단계;
    ● 상기 자세 정정 인자에 의해 조절된 상기 사용자 자세에 기초하여 자세 피드백을 트리거하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서, 자세 정정 인자를 설정하는 단계는 상기 활동 모니터링 디바이스를 통해 교정 이벤트 신호를 수신하는 단계를 포함하는, 방법.
  3. 제2항에 있어서, 자세 정정 인자를 설정하는 단계는 상기 교정 이벤트 신호에 응답하여 지속 기간(sustained period)에 걸쳐서 사용자 자세를 측정하고, 상기 자세 정정 인자를 복수의 교정 이벤트 동안 측정된 사용자 자세의 평균으로서 설정하는 단계를 추가로 포함하는, 방법.
  4. 제2항에 있어서, 자세 정정 인자를 설정하는 단계는 상기 교정 이벤트 신호에 응답하여 지속 기간에 걸쳐서 사용자 자세를 측정하고, 상기 자세 정정 인자를 복수의 사용자의 측정된 자세의 기계 학습 분석의 결과로서 설정하는 단계를 추가로 포함하는, 방법.
  5. 제2항에 있어서, 상기 교정 이벤트 신호를 분류하고, 오류 교정들로 분류된 교정 이벤트들을 거절하는 단계를 추가로 포함하는 방법.
  6. 제2항에 있어서, 상기 교정 이벤트 신호를 분류하고, 교정 이벤트가 사일런싱 이벤트(silencing event)로 분류되는 자세 상태 동안 자세 피드백을 유예(suspending)하는 단계를 추가로 포함하는 방법.
  7. 제2항에 있어서, 상기 활동 모니터링 디바이스는 사용자의 의복 물품(article of clothing)에 부착되고, 상기 교정 이벤트 신호는 상기 활동 모니터링 디바이스 상의 입력부의 활성화에 의해 트리거되는, 방법.
  8. 제1항에 있어서, 기본 보행 방위에 대해 상기 운동학적 데이터를 교정하는 단계는, 후속하여 보행이 검출될 때 상기 운동학적 데이터를 업데이트된 기본 보행 방위에 대해 재교정하는 단계를 포함하는, 방법.
  9. 제8항에 있어서, 기본 보행 방위에 대해 상기 운동학적 데이터를 교정하는 단계는, 적어도 5 걸음에 대한 상기 보행 활동 상태 동안 운동학적 데이터를 기록하는 단계를 추가로 포함하는, 방법.
  10. 제1항에 있어서, 착석 활동 상태(sitting activity state)를 검출하는 단계를 추가로 포함하고, 상기 교정된 운동학적 데이터로 사용자 자세를 측정하는 단계는 상기 착석 활동 상태 동안 측정되는, 방법.
  11. 제1항에 있어서, 적어도 제2 자세 정정 인자를 설정하는 단계를 추가로 포함하고, 상기 제1 자세 정정 인자는 제1 활동 상태를 위한 것이고 상기 제2 자세 정정 인자는 상기 제1 활동 상태와는 별개인 제2 활동을 위한 것이며; 자세 피드백을 트리거하는 단계는 제1 활동 상태에 있을 때 상기 제1 자세 정정 인자에 의해 조절된 사용자 자세에 기초하여 자세 피드백을 트리거하고, 상기 제2 활동 상태에 있을 때 상기 제2 자세 정정 인자에 의해 조절된 사용자 자세에 기초하여 자세 피드백을 트리거하는 단계를 포함하는, 방법.
  12. 제1항에 있어서, 운동학적 데이터로부터 상기 기본 보행 방위를 생성하는 단계는 상기 운동학적 데이터의 피치(pitch) 및 롤(roll)을 정정하는 단계를 포함하는, 방법.
  13. 제11항에 있어서, 운동학적 데이터로부터 상기 기본 보행 방위를 생성하는 단계는 상기 운동학적 데이터의 요(yaw)를 정정하는 단계를 포함하는, 방법.
  14. 자세 피드백을 위한 시스템으로서,
    ● 사용자에 결합된 활동 모니터링 디바이스
    를 포함하고, 상기 활동 모니터링 디바이스는
    ■ 운동학적 데이터를 수집하는 관성 측정 유닛,
    ■ 사용자 피드백 메커니즘, 및
    ■ 프로세서
    를 포함하고,
    ● 상기 프로세서는:
    ■ 상기 운동학적 데이터를 통해 보행 활동 상태를 검출하고,
    ■ 상기 보행 활동 상태에 있을 때 상기 운동학적 데이터를 교정하고,
    ■ 자세 정정 인자를 설정하고,
    ■ 사용자 자세를 측정하고,
    ■ 상기 자세 정정 인자에 의해 조절된 사용자 자세에 기초하여 상기 사용자 피드백 메커니즘을 활성화하도록
    구성되는, 시스템.
  15. 제14항에 있어서, 상기 활동 모니터링 디바이스는 교정 입력부(calibration input)를 추가로 포함하고, 상기 프로세서는:
    ● 상기 교정 입력부에 의해 트리거되는 교정 이벤트 신호를 검출하고,
    ● 상기 교정 이벤트 신호에 응답하여 지속 기간에 걸쳐서 사용자 자세를 측정하고,
    ● 상기 자세 정정 인자를 복수의 교정 이벤트 동안 측정된 사용자 자세의 평균으로서 설정하도록
    추가로 구성되는, 시스템.
  16. 제15항에 있어서, 상기 교정 입력부는 버튼이고, 상기 사용자 피드백 메커니즘은 진동 액추에이터인, 시스템.
  17. 제14항에 있어서, 상기 활동 모니터링 디바이스는 교정 입력부를 추가로 포함하고; 상기 프로세서는:
    ● 상기 교정 입력부에 의해 트리거되는 교정 이벤트 신호를 검출하고,
    ● 상기 교정 이벤트 신호에 응답하여, 지속 기간에 걸쳐서 사용자 자세를 측정하고,
    ● 상기 자세 정정 인자를 복수의 사용자의 측정된 자세의 기계 학습 분석으로서 설정하도록
    추가로 구성되는, 시스템.
  18. 제14항에 있어서, 상기 프로세서는 상기 교정 이벤트 신호를 분류하고, 교정 이벤트가 사일런싱 이벤트로 분류되는 경우 상기 사용자 피드백 메커니즘의 활성화를 유예하도록 구성되는, 시스템.
KR1020187028680A 2016-03-09 2017-03-09 자동 자세 교정을 위한 시스템 및 방법 KR20190004697A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662305883P 2016-03-09 2016-03-09
US62/305,883 2016-03-09
PCT/US2017/021566 WO2017156267A1 (en) 2016-03-09 2017-03-09 System and method for automatic posture calibration

Publications (1)

Publication Number Publication Date
KR20190004697A true KR20190004697A (ko) 2019-01-14

Family

ID=59788837

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187028680A KR20190004697A (ko) 2016-03-09 2017-03-09 자동 자세 교정을 위한 시스템 및 방법

Country Status (6)

Country Link
US (1) US20170258374A1 (ko)
JP (1) JP2019512366A (ko)
KR (1) KR20190004697A (ko)
CN (1) CN109310364A (ko)
SG (1) SG11201807561YA (ko)
WO (1) WO2017156267A1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210000567A (ko) * 2019-06-25 2021-01-05 가톨릭관동대학교산학협력단 관성 정보 기반 보행 안정성 평가 장치 및 보행 안정성 평가 방법
KR20210105617A (ko) * 2020-02-19 2021-08-27 동의대학교 산학협력단 자세 교정 알림 장치
KR20210109378A (ko) * 2020-02-27 2021-09-06 동의대학교 산학협력단 학습자세 예측 시스템
WO2022050644A1 (ko) * 2020-09-01 2022-03-10 삼성전자주식회사 전자 장치 및 이의 제어 방법
KR20220121755A (ko) * 2020-08-06 2022-09-01 재단법인 아산사회복지재단 척추측만증 자세교정장치, 자세교정방법 및 자세교정시스템, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9128521B2 (en) 2011-07-13 2015-09-08 Lumo Bodytech, Inc. System and method of biomechanical posture detection and feedback including sensor normalization
US8928484B2 (en) 2011-07-13 2015-01-06 Lumo Bodytech, Inc. System and method of biomechanical posture detection and feedback
US20140142442A1 (en) * 2012-11-19 2014-05-22 Judy Sibille SNOW Audio Feedback for Medical Conditions
US11406289B2 (en) * 2014-03-17 2022-08-09 One Million Metrics Corp. System and method for monitoring safety and productivity of physical tasks
US10314520B2 (en) 2015-10-02 2019-06-11 Seismic Holdings, Inc. System and method for characterizing biomechanical activity
US10463909B2 (en) 2015-12-27 2019-11-05 Seismic Holdings, Inc. System and method for using performance signatures
US10959647B2 (en) 2015-12-30 2021-03-30 Seismic Holdings, Inc. System and method for sensing and responding to fatigue during a physical activity
TWM537280U (zh) * 2016-07-06 2017-02-21 Idesyn Semiconductor Corp 分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置
US11406285B2 (en) * 2018-05-08 2022-08-09 Seismic Holdings, Inc. Exosuit systems and methods for posture session segmentation and biomechanical feedback
US11350853B2 (en) 2018-10-02 2022-06-07 Under Armour, Inc. Gait coaching in fitness tracking systems
EP3654346A1 (en) * 2018-11-16 2020-05-20 Koninklijke Philips N.V. Determining a transformation matrix
DK3684079T3 (da) * 2019-03-29 2024-04-15 Sonova Ag Høreapparat til orienteringsestimering og metode til dets drift
WO2021016536A1 (en) * 2019-07-25 2021-01-28 Inspire Medical Systems, Inc. Systems and methods for operating an implantable medical device based upon sensed posture information
CN113850104A (zh) * 2020-06-28 2021-12-28 香港中文大学 用于肢体的运动模式识别方法
WO2023170948A1 (ja) * 2022-03-11 2023-09-14 日本電気株式会社 歩容計測装置、計測装置、歩容計測システム、歩容計測方法、および記録媒体
CN117122275A (zh) * 2023-02-10 2023-11-28 荣耀终端有限公司 睡眠姿势的监测方法、电子设备及可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9107615B2 (en) * 2002-12-18 2015-08-18 Active Protective Technologies, Inc. Method and apparatus for body impact protection
JP4686681B2 (ja) * 2004-10-05 2011-05-25 国立大学法人東京工業大学 歩行介助システム
US8753275B2 (en) * 2011-01-13 2014-06-17 BioSensics LLC Intelligent device to monitor and remind patients with footwear, walking aids, braces, or orthotics
KR102009711B1 (ko) * 2011-02-07 2019-08-12 뉴우바란스아스레틱스인코포레이팃드 운동 동작 모니터링 시스템 및 그 방법
US8928484B2 (en) * 2011-07-13 2015-01-06 Lumo Bodytech, Inc. System and method of biomechanical posture detection and feedback
US20140343460A1 (en) * 2013-05-15 2014-11-20 Ut-Battelle, Llc Mobile gait force and motion analysis system
US9808185B2 (en) * 2014-09-23 2017-11-07 Fitbit, Inc. Movement measure generation in a wearable electronic device

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210000567A (ko) * 2019-06-25 2021-01-05 가톨릭관동대학교산학협력단 관성 정보 기반 보행 안정성 평가 장치 및 보행 안정성 평가 방법
KR20210105617A (ko) * 2020-02-19 2021-08-27 동의대학교 산학협력단 자세 교정 알림 장치
KR20210109378A (ko) * 2020-02-27 2021-09-06 동의대학교 산학협력단 학습자세 예측 시스템
KR20220121755A (ko) * 2020-08-06 2022-09-01 재단법인 아산사회복지재단 척추측만증 자세교정장치, 자세교정방법 및 자세교정시스템, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램
WO2022050644A1 (ko) * 2020-09-01 2022-03-10 삼성전자주식회사 전자 장치 및 이의 제어 방법

Also Published As

Publication number Publication date
SG11201807561YA (en) 2018-10-30
WO2017156267A1 (en) 2017-09-14
US20170258374A1 (en) 2017-09-14
JP2019512366A (ja) 2019-05-16
CN109310364A (zh) 2019-02-05

Similar Documents

Publication Publication Date Title
KR20190004697A (ko) 자동 자세 교정을 위한 시스템 및 방법
US20200046263A1 (en) System and method for characterizing biomechanical activity
US20180264320A1 (en) System and method for automatic location detection for wearable sensors
Skog et al. Zero-velocity detection—An algorithm evaluation
US7450002B2 (en) Method and apparatus for monitoring human activity pattern
US8876738B1 (en) Human activity monitoring device
JP5740285B2 (ja) 歩行分析装置及び歩行分析プログラム
US10660395B2 (en) Smart terminal service system and smart terminal processing data
US20160113551A1 (en) Fall detection system and method
WO2018094011A1 (en) System and method for personalized exercise training and coaching
US20110054358A1 (en) Gait and posture analysis system and method using corrected foot pressure
JP2012532652A (ja) 転倒防止
US11918856B2 (en) System and method for estimating movement variables
KR20170062826A (ko) 자세균형 훈련 시스템
WO2014154352A1 (en) Human motion analysis method and device
KR102043104B1 (ko) 운동 인식 방법 및 장치
CN109077710B (zh) 自适应心率估计的方法、装置和系统
US20170215769A1 (en) Apparatus and a method for detecting the posture of the anatomy of a person
CN109328094A (zh) 运动识别方法及装置
KR20180056094A (ko) 자세 교정 시스템 및 방법
Sabatini Inertial sensing in biomechanics: a survey of computational techniques bridging motion analysis and personal navigation
JP6372804B2 (ja) 生体情報計測装置およびそのプログラム
US20180125394A1 (en) Apparatus and method for determining a sedentary state of a subject
US11564439B2 (en) System and method for determining foot strike pattern
KR20180103440A (ko) 보행 및 주행 모니터링을 위한 운동 인식 방법 및 장치