WO2017085770A1 - 電子機器、歩数計測方法および歩数計測プログラム - Google Patents

電子機器、歩数計測方法および歩数計測プログラム Download PDF

Info

Publication number
WO2017085770A1
WO2017085770A1 PCT/JP2015/082158 JP2015082158W WO2017085770A1 WO 2017085770 A1 WO2017085770 A1 WO 2017085770A1 JP 2015082158 W JP2015082158 W JP 2015082158W WO 2017085770 A1 WO2017085770 A1 WO 2017085770A1
Authority
WO
WIPO (PCT)
Prior art keywords
walking
hand
noise
waving
vibration component
Prior art date
Application number
PCT/JP2015/082158
Other languages
English (en)
French (fr)
Inventor
隼人 立田
陽介 千田
Original Assignee
富士通株式会社
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 富士通株式会社 filed Critical 富士通株式会社
Priority to PCT/JP2015/082158 priority Critical patent/WO2017085770A1/ja
Publication of WO2017085770A1 publication Critical patent/WO2017085770A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
    • G06M3/00—Counters with additional facilities

Definitions

  • the present invention relates to an electronic device, a step count measuring method, and a step count measuring program.
  • Acceleration sensors and geomagnetic sensors can now be attached to mobile devices such as smartphones and mobile phones and wristwatch-type IOT (Internet of Things) devices. Using acceleration, etc., measure the number of steps with mobile devices and IOT devices. Has been done.
  • the number of steps cannot be counted correctly if the state of walking with shaking hands and the state of walking without shaking hands are changed. Further, in the method of changing the center frequency of the bandpass filter, if the walking cycle that is an input value is mistaken at the start of processing, the accuracy is deteriorated. Although a method using a gyro sensor is also conceivable, it consumes much power and is not a preferable method.
  • An object of one aspect is to provide an electronic device, a step count measuring method, and a step count measuring program capable of improving the accuracy of step count counting.
  • the electronic device is gripped or worn by the user.
  • the electronic device includes a calculation unit that calculates a vibration component in the direction of gravity using acceleration data.
  • the electronic device includes a detection unit that detects whether the user's walking state is a non-hand-waving walking or a hand-waving walking.
  • the electronic device removes noise from the vibration component in the gravitational direction using a first bandpass filter when the electronic handshake is detected, and the electronic device detects the first bandpass when the handheld walking is detected.
  • a removal unit that removes noise from the vibration component in the gravitational direction using a second bandpass filter having a narrower pass frequency band than the filter.
  • the electronic apparatus includes a counting unit that counts the number of steps using the vibration component in the gravitational direction after the noise is removed.
  • the accuracy of the step count can be improved.
  • FIG. 1 is a diagram illustrating step count counting by the smartphone according to the first embodiment.
  • FIG. 2 is a schematic diagram illustrating an example of the hardware configuration of the smartphone according to the first embodiment.
  • FIG. 3 is a functional block diagram illustrating a functional configuration of the smartphone according to the first embodiment.
  • FIG. 4 is a diagram for explaining acceleration due to walking.
  • FIG. 5 is a diagram for explaining the band-pass filter.
  • FIG. 6 is a diagram for explaining the step count counting.
  • FIG. 7 is a flowchart showing a flow of vibration component calculation processing.
  • FIG. 8 is a flowchart showing the flow of noise removal processing.
  • FIG. 9 is a diagram illustrating an example of calculating a threshold value.
  • FIG. 10 is a diagram illustrating an adjustment table based on age.
  • FIG. 11 is a diagram illustrating an adjustment table based on height.
  • Embodiments of an electronic device, a step count measuring method, and a step count measuring program according to the present invention will be described below in detail with reference to the drawings. Note that the present invention is not limited to the embodiments. In addition, the embodiments can be appropriately combined within a consistent range.
  • FIG. 1 is a diagram illustrating step count counting by the smartphone according to the first embodiment.
  • the smartphone 10 will be described as an example.
  • an IOT device such as a pedometer attached to a body such as a mobile phone or a wristwatch type can be employed.
  • the smartphone 10 may be worn on an upper limb such as a user's arm or hand.
  • the smartphone 10 has a triaxial acceleration sensor (hereinafter sometimes referred to as an acceleration sensor), and measures triaxial acceleration data (hereinafter sometimes referred to as acceleration data) as needed.
  • the smartphone 10 has a step count application executed by the user and counts the number of steps using acceleration data.
  • the smartphone 10 calculates a vibration component in the gravitational direction using the acceleration data.
  • the smartphone 10 detects whether the user's walking state is non-hand-waving walking or hand-waving walking.
  • the smartphone 10 removes noise of vibration components in the gravity direction using the bandpass filter A.
  • the smartphone 10 removes noise of vibration components in the gravitational direction using the band-pass filter B having a narrower pass frequency band than the band-pass filter A.
  • the smartphone 10 counts the number of steps using the vibration component in the gravity direction after the noise is removed.
  • the smartphone 10 when the user is walking while moving his / her arm at a predetermined angle or more from the direction of gravity, the smartphone 10 removes noise using the bandpass filter B having a narrow pass frequency band and counts the number of steps. In other cases, the smartphone 10 counts the number of steps by removing noise using the bandpass filter A having a wide pass frequency band, or using the measurement data itself without performing noise removal. Count.
  • the smartphone 10 determines whether the number of steps is the walking state of the user to be measured or the hand-waving walking, and dynamically switches the bandpass filter for noise removal according to the determination result. Therefore, since the smartphone 10 can execute appropriate noise removal according to the walking state, the accuracy of the step count can be improved.
  • FIG. 2 is a diagram for explaining a hardware configuration example of the smartphone 10 according to the first embodiment.
  • the smartphone 10 includes a wireless unit 11, an audio input / output unit 12, a storage unit 13, a display unit 14, an acceleration sensor 15, a gyro sensor 16, a geomagnetic sensor 17, and a processor 20.
  • the hardware and sensors shown here are examples, and a GPS (Global Positioning System) receiver or the like may have other hardware, for example.
  • GPS Global Positioning System
  • the wireless unit 11 transmits and receives data to and from other terminals via the antenna 11a.
  • the audio input / output unit 12 collects sound via a microphone and outputs the sound via a speaker.
  • the storage unit 13 is a storage device that stores programs and data, and is, for example, a memory or a hard disk.
  • the display unit 14 is a display or a touch panel that displays various types of information.
  • the acceleration sensor 15 is a sensor that measures the acceleration of the smartphone 10 and outputs it to the processor 20, and is a three-axis acceleration sensor that measures acceleration in three directions (acceleration vectors) in the XYZ axes.
  • the gyro sensor 16 is a sensor that measures the angle and angular velocity of the smartphone 10 and outputs the measured value to the processor 20.
  • the geomagnetic sensor 17 is a sensor that measures the azimuth and outputs it to the processor 20.
  • the processor 20 is a CPU (Central Processing Unit) or the like, and reads and executes a program in which the contents of various processes described later are defined from the storage unit 13 and executes various processes related to step count counting.
  • CPU Central Processing Unit
  • FIG. 3 is a functional block diagram of the functional configuration of the smartphone 10 according to the first embodiment.
  • the processor 20 includes an acceleration acquisition unit 21, a vector separation unit 22, a state determination unit 23, and a step count counting unit 24.
  • the acceleration acquisition unit 21, the vector separation unit 22, the state determination unit 23, and the step count counting unit 24 are an example of an electronic circuit that the processor 20 has and an example of a process that the processor 20 executes.
  • the acceleration acquisition unit 21 is a processing unit that acquires acceleration data (acceleration vector). Specifically, the acceleration acquisition unit 21 acquires acceleration data measured by the acceleration sensor 15 and stores it in the storage unit 13.
  • the vector separation unit 22 includes a removal unit 22a, a low-pass processing unit 22b, and a high-pass processing unit 22c, and is a processing unit that estimates a gravity vector and a vibration component (walking acceleration vector) in the direction of gravity.
  • the removal unit 22a removes noise of less than a predetermined frequency and more than a predetermined frequency from the acceleration data acquired by the acceleration acquisition unit 21. That is, the removal unit 22a removes apparent noise from the measured acceleration data, and outputs the removed acceleration data (Ain) to the low-pass processing unit 22b and the high-pass processing unit 22c.
  • the low-pass processing unit 22b is a processing unit that performs a gravity vector (G ′) estimation by applying a low-pass filter to the acceleration data. For example, the low-pass processing unit 22b passes the acceleration data (Ain) input from the removal unit 22a through a low-pass filter, extracts a frequency below a predetermined frequency (cut-off frequency), and obtains a gravity vector (G ′). calculate. Then, the low-pass processing unit 22 b outputs the calculated gravity vector (G ′) to the state determination unit 23.
  • G ′ gravity vector
  • the high-pass processing unit 22c is a processing unit that performs an estimation of the vibration component (A) by applying a high-pass filter to the acceleration data. For example, the high-pass processing unit 22c passes the acceleration data (Ain) input from the removal unit 22a through a high-pass filter, extracts a frequency above a predetermined frequency (cut-off frequency), and calculates a vibration component (A). To do. Then, the high-pass processing unit 22 c outputs the calculated vibration component (A) to the state determination unit 23.
  • the state determination unit 23 includes an acceleration calculation unit 23a, a hand shake determination unit 23b, a selection unit 23c, and a noise removal unit 23d, and is a processing unit that performs noise removal by determining whether or not the hand is walking.
  • the state determination unit 23 receives “G ′” as a gravitational acceleration vector and “A” as a walking acceleration vector from the vector separation unit 22.
  • FIG. 4 is a diagram for explaining acceleration due to walking.
  • an acceleration component in the horizontal direction caused by hand shaking and an acceleration component in the gravity direction caused by walking are generated.
  • the back-and-forth movement of the shoulder occurs during walking, and the hand shake becomes a pendulum movement, so that the acceleration component in the direction of gravity is observed as a centrifugal force. Therefore, in this embodiment, an example in which a walking state is determined using only acceleration data will be described.
  • the hand shaking determination unit 23b is a processing unit that determines whether the user's walking state is a hand-waving walking state with a large hand swing or a non-hand-waving walking state with a small hand swing. Specifically, the hand gesture determination unit 23b separates gravity and vertical disturbance acceleration from the vibration component of the acceleration data, and estimates the size of the horizontal acceleration data.
  • the hand gesture determination unit 23b calculates a vibration component “Ahori” from each acceleration data acquired within a predetermined period. Then, the hand movement determination unit 23b calculates an average value of the vibration component “Ahori” within the predetermined period, and counts up if the average value is equal to or greater than a threshold value. Then, the hand movement determination unit 23b determines that the hand movement is performed when the count value exceeds the threshold value, and determines that the hand movement is not performed until the count value exceeds the threshold value. In addition, the hand gesture determination unit 23b outputs the determination result to the selection unit 23c.
  • the selection unit 23c is a processing unit that selects a bandpass filter according to the determination result by the hand movement determination unit 23b. Specifically, the selection unit 23c selects the bandpass filter A when the hand shaking determination unit 23b determines that it is a non-hand-waving walk, and when it is determined to be hand-waving walking, the selection frequency is higher than the band-pass filter A. The narrow band pass filter B is selected, and the selection result is notified to the noise removing unit 23d.
  • FIG. 5 is a diagram for explaining the band-pass filter.
  • the walking cycle is generally distributed over a wide range from 1 Hz to 3 Hz, and the hand-walking walking cycle is distributed over a narrower range.
  • the minimum frequency “fMin” and the maximum frequency “fMax” of the period of the hand-walking walk are 1.4 Hz and 2.2 Hz. Therefore, the selection unit 23c selects the band pass filter A that covers a wide range from 1 Hz to 3 Hz during non-hand-shake walking, and selects the band-pass filter B that covers a narrow range from fMin to fMax during hand-waving walking. .
  • the removal unit 22a of the vector separation unit 22 removes frequencies such as 0.5 Hz or less and 10 Hz or more in FIG.
  • the noise removing unit 23d is a processing unit that removes noise of the vibration component “acc” in the gravity direction when calculated by the acceleration calculating unit 23a using the bandpass filter selected by the selecting unit 23c. Specifically, the noise removing unit 23d applies the bandpass filter B to the vibration component “acc” during hand-waving walking to remove noise, and applies the bandpass filter A to the vibration component “acc” during non-hand-waving walking. Remove noise. Then, the noise removal unit 23 d outputs the vibration component “acc” after noise removal to the step count counting unit 24.
  • the step counting unit 24 includes a reversal detecting unit 24a, an integration calculating unit 24b, and a step calculating unit 24c, and by using the vibration component “acc” after noise removal, a processing unit that counts the number of steps the user has walked. It is.
  • the inversion detection unit 24a is a processing unit that detects a point at which the frequency becomes 0 from the vibration component “acc” after noise removal. That is, the inversion detection unit 24a counts so-called zero cross points.
  • the integral calculation unit 24b is a processing unit that calculates the area of the region surrounded by the points and waveforms detected by the inversion detection unit 24a in the vibration component “acc” after noise removal. That is, the integral calculation unit 24b executes a process for eliminating a region having a small area, in other words, an operation that is suspicious of walking.
  • the step count calculation unit 24c is a processing unit that counts the number of steps the user has walked. For example, the step count calculation unit 24c counts zero cross points in which the area calculated by the integration calculation unit 24b is equal to or greater than the threshold among the zero cross points detected by the inversion detection unit 24a, and calculates the counted number as the number of steps.
  • FIG. 6 is a diagram for explaining the step count counting. As shown in FIG. 6, the inversion detection unit 24a detects P1, P2, P3, P4... P9 as zero cross points.
  • the integral calculation unit 24b calculates each area of the regions E1, E2, E3,... E9 surrounded by the zero cross point and the waveform. Then, the step count calculation unit 24c determines that E1 and E2 are equal to or less than the threshold among the regions whose areas are calculated by the integration calculation unit 24b. As a result, the step count calculation unit 24c excludes P1 and P2 constituting the regions E1 and E2 from the zero cross points “P1, P2, P3, P4... P9”. Then, the step count calculation unit 24c counts the zero cross points “P3, P4... P9” as the number of steps. That is, the step count calculation unit 24c calculates the number of steps as “7”.
  • FIG. 7 is a flowchart showing a flow of vibration component calculation processing.
  • the vector separation unit 22 acquires acceleration data (Ain) from the acceleration sensor 15 (S101), and uses a low-pass filter to estimate the gravitational acceleration vector (G ′) from the acceleration data (Ain). ) Is calculated (S102). Subsequently, the vector separation unit 22 calculates a vibration component (A) that is a walking acceleration vector from the acceleration data (Ain) using a high-pass filter (S103).
  • the smartphone 10 calculates “Ahori” for each acceleration data measured within the period for each certain period, and calculates an average value of “Ahori” for each period.
  • FIG. 8 is a flowchart showing the flow of noise removal processing. As shown in FIG. 8, when the average value of “Ahori” calculated in FIG. 7 is equal to or greater than the threshold ( ⁇ ) (S201: Yes), the state determination unit 23 counts up (S202), and in FIG. When the calculated average value of “Ahori” is less than the threshold value ( ⁇ ) (S201: No), it counts down (S203).
  • the state determination unit 23 determines that the walking state is hand-waving walking (S205), and if the count value is less than the threshold value ( ⁇ ) (S204). : No), the walking state is determined as non-hand-shake walking (S206).
  • the state determination unit 23 performs noise removal of the vibration component “acc” in the gravity direction using the bandpass filter B (S208).
  • the state determination unit 23 performs noise removal of the vibration component “acc” in the gravitational direction using the bandpass filter A (S209).
  • the step counting unit 24 calculates the number of steps from the vibration component “acc” in the gravity direction after noise removal (S210).
  • the smartphone 10 can determine whether or not it is a hand-waving walk when walking, and can perform noise removal by switching the bandpass filter according to the determination result. Therefore, the smartphone 10 can increase the counting accuracy of the number of steps when the hand is shaken without reducing the counting accuracy when the hand is not shaken.
  • the smartphone 10 can execute from hand-walking walk detection to step count detection using only acceleration. Therefore, the smartphone 10 can suppress power consumption compared to a case where another sensor such as a gyro sensor is used. Moreover, the smart phone 10 can also realize circuit miniaturization by not mounting a gyro sensor or the like.
  • FIG. 9 is a diagram illustrating an example of calculating a threshold value. As shown in FIG. 9, the height of the waveform changes according to the angle at which the hand (arm) is shaken. From this, the threshold ( ⁇ ) is determined depending on how much height is determined to be a hand gesture using the norm of the waveform of the acceleration data.
  • AhoriMax g ⁇ sin ⁇
  • g the magnitude of gravitational acceleration
  • ⁇ the angle between the direction of gravity and the arm, and can be measured by the function of the smartphone 10 such as a gyro sensor. Therefore, whether or not the user is in the hand-walking state can be determined by whether or not the average value of the vibration component Ahori orthogonal to gravity is equal to or greater than the threshold value ⁇ .
  • a constant or an experimentally obtained numerical value, a table, or the like can also be adopted.
  • fmin and fMax may take larger values than adults because the length of limbs is reduced in small children. is expected. For this reason, fMin and fMax can also be adjusted according to height, age, or the like.
  • FIG. 10 is a diagram showing an adjustment table according to age.
  • the smartphone 10 has “adult, 1.4 Hz, 2.2 Hz” and “children, 1.8 Hz, 2.8 Hz” as “classification, minimum frequency (fmin), maximum frequency (fmax)”.
  • the division indicates an adjustment division according to age
  • the minimum frequency is the minimum frequency that can be passed by filtering
  • the maximum frequency is the maximum frequency that can be passed by filtering.
  • the smartphone 10 allows the user to select “adult” or “child” at the start of step counting or when the smartphone 10 is turned on. And the smart phone 10 sets the center frequency of the band pass filter B according to a selection result, and changes the width
  • FIG. 11 is a diagram showing an adjustment table based on height.
  • the smartphone 10 has “height, minimum frequency (fmin), maximum frequency (fmax)” of “180 cm or more, 1.3 Hz, 2.1 Hz” or “170 cm or more, 1.4 Hz. “2 Hz” and the like are stored in association with each other.
  • the smartphone 10 allows the user to select his / her height at the start of step counting or when the smartphone 10 is turned on. And the smart phone 10 sets the center frequency of the band pass filter B according to a selection result, and changes the width
  • the smartphone 10 can select the band-pass filter in consideration of the height and the age, it can execute a more accurate step count calculation.
  • the classification example of age and height mentioned above is an illustration, and can also be divided in more detail.
  • [system] 3 does not necessarily need to be physically configured as illustrated. That is, it can be configured to be distributed or integrated in arbitrary units.
  • the state determination unit 23 and the step count counting unit 24 can be integrated.
  • all or any part of each processing function performed in each device may be realized by a CPU and a program analyzed and executed by the CPU, or may be realized as hardware by wired logic.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of Distances Traversed On The Ground (AREA)

Abstract

スマートフォンは、加速度データを用いて、重力方向の振動成分を算出し、利用者の歩行状態が非手振り歩行か手振り歩行かを検出する。スマートフォンは、非手振り歩行と検出された場合、第１のバンドパスフィルタを用いて重力方向の振動成分からノイズを除去する。スマートフォンは、手振り歩行と検出された場合、第１のバンドパスフィルタよりも通過周波数帯域が狭い第２のバンドパスフィルタを用いて重力方向の振動成分からノイズを除去する。スマートフォンは、ノイズが除去された後の重力方向の振動成分を用いて歩数を計数する。

Description

電子機器、歩数計測方法および歩数計測プログラム
　本発明は、電子機器、歩数計測方法および歩数計測プログラムに関する。
　スマートフォンや携帯電話などの携帯機器や腕時計型のＩＯＴ（Internet　of　Things）デバイスに、加速度センサや地磁気センサが取り付けられるようになり、加速度などを用いて、携帯機器やＩＯＴデバイスで歩数を計測することが行われている。
　近年では、ＩＯＴデバイスが腕に装着されることが多いことから、腕振りを考慮して歩数を計数する手法が知られている。また、歩行周期にあわせてバンドパスフィルタの中心周波数を変化させて、歩数を計数する手法が知られている。
特開２０１３－１１４４８６号公報 特開２０１１－９０５４８号公報 特開２００５－３０９６９３号公報 特開２００９－９３４４０号公報
　しかしながら、上記技術では、ＩＯＴデバイス等が上肢体に装着される場合または手で把持される場合に、上肢体を振った際に発生するノイズにより、歩数の測定精度が悪くなる。
　例えば、腕を振った時の加速度の特徴を利用して歩数を計数する手法では、手を振って歩行する状態と手を振らずに歩行する状態を変化させると、歩数を正しく計数できない。また、バンドパスフィルタの中心周波数を変化させる手法では、処理の開始時点で入力値である歩行周期を誤ると、かえって精度が劣化する。なお、ジャイロセンサを利用する手法も考えられるが、電力消費が多く、好ましい手法とは言い難い。
　１つの側面では、歩数計数の精度を向上させることができる電子機器、歩数計測方法および歩数計測プログラムを提供することを目的とする。
　第１の案では、電子機器は、利用者に把持または装着される。電子機器は、加速度データを用いて、重力方向の振動成分を算出する算出部を有する。電子機器は、前記利用者の歩行状態が非手振り歩行か手振り歩行かを検出する検出部を有する。電子機器は、前記非手振り歩行と検出された場合、第１のバンドパスフィルタを用いて前記重力方向の振動成分からノイズを除去し、前記手振り歩行と検出された場合、前記第１のバンドパスフィルタよりも通過周波数帯域が狭い第２のバンドパスフィルタを用いて前記重力方向の振動成分からノイズを除去する除去部を有する。電子機器は、前記ノイズが除去された後の前記重力方向の振動成分を用いて歩数を計数する計数部を有する。
　一実施形態によれば、歩数計数の精度を向上させることができる。
図１は、実施例１にかかるスマートフォンによる歩数計数を説明する図である。 図２は、実施例１にかかるスマートフォンのハードウェア構成例を説明する図である。 図３は、実施例１にかかるスマートフォンの機能構成を示す機能ブロック図である。 図４は、歩行による加速度を説明する図である。 図５は、バンドパスフィルタを説明する図である。 図６は、歩数計数を説明する図である。 図７は、振動成分の算出処理の流れを示すフローチャートである。 図８は、ノイズ除去の処理の流れを示すフローチャートである。 図９は、閾値の算出例を説明する図である。 図１０は、年齢による調整テーブルを示す図である。 図１１は、身長による調整テーブルを示す図である。
　以下に、本発明にかかる電子機器、歩数計測方法および歩数計測プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。また、各実施例は、矛盾のない範囲内で適宜組み合わせることができる。
［歩数計数の説明］
　図１は、実施例１にかかるスマートフォンによる歩数計数を説明する図である。本実施例では、スマートフォン１０を例にして説明するが、これに限定されるものではなく、携帯電話、腕時計型などの体に装着する歩数計などのＩＯＴデバイスを採用することができる。また、本実施例では、スマートフォン１０をユーザが把持している例で説明するが、これに限定されるものではなく、ユーザの腕や手などの上肢体に装着されていてもよい。
　また、スマートフォン１０は、３軸加速度センサ（以下、加速度センサと記載する場合がある）を有しており、３軸の加速度データ（以下、加速度データと記載する場合がある）を随時測定する。また、スマートフォン１０は、ユーザによって歩数計数アプリが実行されており、加速度データを用いて歩数を計数する。
　図１に示すように、スマートフォン１０は、加速度データを用いて、重力方向の振動成分を算出する。スマートフォン１０は、ユーザの歩行状態が非手振り歩行か手振り歩行かを検出する。スマートフォン１０は、非手振り歩行と検出された場合、バンドパスフィルタＡを用いて重力方向の振動成分のノイズを除去する。スマートフォン１０は、手振り歩行と検出された場合、バンドパスフィルタＡよりも通過周波数帯域が狭いバンドパスフィルタＢを用いて重力方向の振動成分のノイズを除去する。スマートフォン１０は、ノイズが除去された後の重力方向の振動成分を用いて歩数を計数する。
　例えば、スマートフォン１０は、ユーザが重力方向から所定角度以上で腕を動かして歩行している場合に、通過周波数帯域が狭いバンドパスフィルタＢを用いてノイズ除去して歩数を計数する。そして、スマートフォン１０は、それ以外の場合には、通過周波数帯域が広いバンドパスフィルタＡを用いてノイズ除去して歩数を計数する、または、ノイズ除去を実行せず測定データそのものを用いて歩数を計数する。
　このように、スマートフォン１０は、歩数を計測対象のユーザの歩行状態か手振り歩行か否かを判定し、判定結果に応じて、ノイズ除去用のバンドパスフィルタを動的に切り替える。したがって、スマートフォン１０は、歩行状態に応じた適切なノイズ除去を実行できるので、歩数計数の精度を向上させることができる。
［ハードウェア構成］
　図２は、実施例１にかかるスマートフォン１０のハードウェア構成例を説明する図である。図２に示すように、スマートフォン１０は、無線部１１、オーディオ入出力部１２、記憶部１３、表示部１４、加速度センサ１５、ジャイロセンサ１６、地磁気センサ１７、プロセッサ２０を有する。なお、ここで示したハードウェアやセンサは例示であり、例えばＧＰＳ（Global　Positioning　System）受信器などを他のハードウェア等を有していてもよい。
　無線部１１は、アンテナ１１ａを介して、他の端末とデータの送受信を実行する。オーディオ入出力部１２は、マイクを介して音声を集音し、スピーカを介して音声を出力する。記憶部１３は、プログラムやデータを記憶する記憶装置であり、例えばメモリやハードディスクなどである。表示部１４は、各種情報を表示するディスプレイやタッチパネルなどである。
　加速度センサ１５は、スマートフォン１０の加速度を測定してプロセッサ２０に出力するセンサであり、ＸＹＺ軸の３方向の加速度（加速度ベクトル）を測定する３軸加速度センサである。ジャイロセンサ１６は、スマートフォン１０の角度や角速度を測定してプロセッサ２０に出力するセンサである。地磁気センサ１７は、方位を測定してプロセッサ２０に出力するセンサである。
　プロセッサ２０は、ＣＰＵ（Central　Processing　Unit）などであり、後述する各種処理の内容が規定されるプログラムを記憶部１３から読み出して実行し、歩数計数に関する各種処理を実行する。
［機能構成］
　図３は、実施例１にかかるスマートフォン１０の機能構成を示す機能ブロック図である。図３に示すように、プロセッサ２０は、加速度取得部２１、ベクトル分離部２２、状態判定部２３、歩数計数部２４を有する。なお、加速度取得部２１、ベクトル分離部２２、状態判定部２３、歩数計数部２４は、プロセッサ２０が有する電子回路の一例やプロセッサ２０が実行するプロセスの一例である。
　加速度取得部２１は、加速度データ（加速度ベクトル）を取得する処理部である。具体的には、加速度取得部２１は、加速度センサ１５が測定した加速度データを取得して記憶部１３に格納する。
　ベクトル分離部２２は、除去部２２ａ、ローパス処理部２２ｂ、ハイパス処理部２２ｃを有し、重力ベクトルおよび重力方向の振動成分（歩行加速度ベクトル）を推定する処理部である。
　除去部２２ａは、加速度取得部２１によって取得された加速度データに対して、所定周波数未満および所定周波数以上のノイズを除去する。つまり、除去部２２ａは、測定された加速度データから明らかなノイズを除去し、除去後の加速度データ（Ａｉｎ）をローパス処理部２２ｂとハイパス処理部２２ｃに出力する。
　ローパス処理部２２ｂは、加速度データにローパスフィルタをかけて重力ベクトル（Ｇ´）の推定を実行する処理部である。例えば、ローパス処理部２２ｂは、除去部２２ａから入力された加速度データ（Ａｉｎ）をローパスフィルタに通して、所定周波数（カットオフ・フリケンシー）より下の周波数を抽出し、重力ベクトル（Ｇ´）を算出する。そして、ローパス処理部２２ｂは、算出した重力ベクトル（Ｇ´）を状態判定部２３に出力する。
　ハイパス処理部２２ｃは、加速度データにハイパスフィルタをかけて振動成分（Ａ）の推定を実行する処理部である。例えば、ハイパス処理部２２ｃは、除去部２２ａから入力された加速度データ（Ａｉｎ）をハイパスフィルタに通して、所定周波数（カットオフ・　フリケンシー）より上の周波数を抽出し、振動成分（Ａ）を算出する。そして、ハイパス処理部２２ｃは、算出した振動成分（Ａ）を状態判定部２３に出力する。
　状態判定部２３は、加速度算出部２３ａ、手振り判定部２３ｂ、選択部２３ｃ、ノイズ除去部２３ｄを有し、手振り歩行か否かを判定してノイズ除去を実行する処理部である。この状態判定部２３には、ベクトル分離部２２から、重力加速度ベクトルである「Ｇ´」と歩行加速度ベクトルである「Ａ」が入力される。
　図４は、歩行による加速度を説明する図である。図４に示すように、腕を振って歩行した場合、手振りによる水平方向の加速度成分と歩行によって生じる重力方向の加速度成分が発生する。つまり、歩行で肩の前後運動は発生し、手振りが振り子運動となることから、重力方向の加速度成分が遠心力として観測される。そこで、本実施例では、加速度データのみを用いて歩行状態を判定する例を説明する。
　加速度算出部２３ａは、加速度データの重力ベクトルと振動成分の内積値から重力方向の振動成分「ａｃｃ」を算出する処理部である。例えば、加速度算出部２３ａは、ベクトル分離部２２から入力された重力加速度ベクトルである「Ｇ´」と歩行加速度ベクトルである「Ａ」と用いて、「ａｃｃ＝Ｇ´・Ａ」を算出する。そして、加速度算出部２３ａは、算出した「ａｃｃ」をノイズ除去部２３ｄに出力する。
　手振り判定部２３ｂは、ユーザの歩行状態が手の振りが大きい手振り歩行状態か手の振りが小さい非手振り歩行状態かを判定する処理部である。具体的には、手振り判定部２３ｂは、加速度データの振動成分から重力と垂直方向の外乱加速度を分離し、水平方向の加速度データの大きさを推定する。
　例えば、手振り判定部２３ｂは、加速度データの重力ベクトルと加速度データの振動成分とのノルムから、水平方向の加速度の大きさ、すなわち重力方向と直交する方向の振動成分「Ａｈｏｒｉ」を算出する。例を挙げると、手振り判定部２３ｂは、「Ａｈｏｒｉ＝｜Ｇ´×Ａ｜／｜Ｇ｜」で算出する。なお、「Ｇ」は加速度データから取得される重力ベクトルであり、「Ｇ´」はローパス処理部２２ｂで推定された重力ベクトルである。そして、手振り判定部２３ｂは、この振動成分「Ａｈｏｒｉ」の大きさが閾値以上か否かによって手振り歩行か非手振り歩行かを判定する。
　例を挙げると、手ぶり判定部２３ｂは、所定期間内で取得された各加速度データから振動成分「Ａｈｏｒｉ」を算出する。そして、手ぶり判定部２３ｂは、当該所定期間内の振動成分「Ａｈｏｒｉ」の平均値を算出し、この平均値が閾値以上であれば、カウントアップを行う。そして、手振り判定部２３ｂは、カウント値が閾値を越えた場合に、手振り歩行と判定し、カウント値が閾値を超えるまでは、非手振り歩行と判定する。また、手振り判定部２３ｂは、判定結果を選択部２３ｃに出力する。
　選択部２３ｃは、手振り判定部２３ｂによる判定結果にしたがって、バンドパスフィルタを選択する処理部である。具体的には、選択部２３ｃは、手振り判定部２３ｂによって非手振り歩行と判定された場合は、バンドパスフィルタＡを選択し、手振り歩行と判定された場合は、バンドパスフィルタＡより通過周波数が狭いバンドパスフィルタＢを選択し、選択結果をノイズ除去部２３ｄに通知する。
　図５は、バンドパスフィルタを説明する図である。図５に示すように、一般的に歩行の周期は、１Ｈｚから３Ｈｚまでの広範囲に分布し、手振り歩行の周期は、それよりも狭い範囲に分布する。例えば、手振り歩行の周期の最小周波数「ｆＭｉｎ」と最大周波数「ｆＭａｘ」は、１．４Ｈｚと２．２Ｈｚとなる。したがって、選択部２３ｃは、非手振り歩行時は１Ｈｚから３Ｈｚまでの広範囲をカバーするバンドパスフィルタＡを選択し、手振り歩行時はｆＭｉｎからｆＭａｘまでの狭範囲をカバーするバンドパスフィルタＢを選択する。なお、ベクトル分離部２２の除去部２２ａは、例えば図５における０．５Ｈｚ以下および１０Ｈｚ以上などの周波数を除去する。
　ノイズ除去部２３ｄは、選択部２３ｃによって選択されたバンドパスフィルタを用いて、加速度算出部２３ａによって算出されたら重力方向の振動成分「ａｃｃ」のノイズを除去する処理部である。具体的には、ノイズ除去部２３ｄは、手振り歩行時は振動成分「ａｃｃ」にバンドパスフィルタＢをかけてノイズを除去し、非手振り歩行時は振動成分「ａｃｃ」にバンドパスフィルタＡをかけてノイズを除去する。そして、ノイズ除去部２３ｄは、ノイズ除去後の振動成分「ａｃｃ」を歩数計数部２４に出力する。
　歩数計数部２４は、反転検出部２４ａ、積分計算部２４ｂ、歩数算出部２４ｃを有し、これらによって、ノイズ除去後の振動成分「ａｃｃ」を用いて、ユーザが歩行した歩数を計数する処理部である。
　反転検出部２４ａは、ノイズ除去後の振動成分「ａｃｃ」から、周波数が０となる点を検出する処理部である。すなわち、反転検出部２４ａは、いわゆるゼロクロス点をカウントする。
　積分計算部２４ｂは、ノイズ除去後の振動成分「ａｃｃ」において、反転検出部２４ａによって検出された点と波形によって囲まれる領域の面積を算出する処理部である。つまり、積分計算部２４ｂは、面積が小さい領域、言い換えると、歩行とは疑わしい動作を排除するための処理を実行する。
　歩数算出部２４ｃは、ユーザが歩行した歩数を計数する処理部である。例えば、歩数算出部２４ｃは、反転検出部２４ａによって検出されたゼロクロス点のうち、積分計算部２４ｂによって算出された領域が閾値以上のゼロクロス点を計数し、計数した数を歩数として算出する。
　ここで、上述した歩数計数について具体的に説明する。ここでは一般的なゼロクロス点による歩数計数を説明するが、これに限定されるものではなく、歩数計数を用いられる他の手法を採用することもできる。図６は、歩数計数を説明する図である。図６に示すように、反転検出部２４ａは、ゼロクロス点としてＰ１、Ｐ２、Ｐ３、Ｐ４・・・Ｐ９を検出する。
　続いて、積分計算部２４ｂは、ゼロクロス点と波形によって囲まれた領域Ｅ１、Ｅ２、Ｅ３、・・・Ｅ９の各面積を算出する。そして、歩数算出部２４ｃは、積分計算部２４ｂによって面積が計算された各領域のうち、Ｅ１とＥ２が閾値以下であると判定する。この結果、歩数算出部２４ｃは、ゼロクロス点「Ｐ１、Ｐ２、Ｐ３、Ｐ４・・・Ｐ９」から、領域Ｅ１とＥ２を構成するＰ１とＰ２を除外する。そして、歩数算出部２４ｃは、ゼロクロス点「Ｐ３、Ｐ４・・・Ｐ９」を歩数と計数する。つまり、歩数算出部２４ｃは、歩数を「７」と算出する。
［処理の流れ］
　次に、上述した処理の流れについて説明する。ここでは、重力方向の振動成分「ａｃｃ」を算出する処理とノイズ除去の処理について説明する。
（振動成分の算出処理）
　図７は、振動成分の算出処理の流れを示すフローチャートである。図７に示すように、ベクトル分離部２２は、加速度センサ１５から加速度データ（Ａｉｎ）を取得し（Ｓ１０１）、ローパスフィルタを用いて、加速度データ（Ａｉｎ）から重力加速度ベクトルの推定値（Ｇ´）を算出する（Ｓ１０２）。続いて、ベクトル分離部２２は、ハイパスフィルタを用いて、加速度データ（Ａｉｎ）から歩行加速度ベクトルである振動成分（Ａ）を算出する（Ｓ１０３）。
　その後、状態判定部２３は、重力加速度ベクトルである「Ｇ´」と歩行加速度ベクトルである「Ａ」と用いて、ベクトル内積値「ａｃｃ＝Ｇ´・Ａ」を算出する（Ｓ１０４）。一方で、状態判定部２３は、水平方向の加速度の大きさである「Ａｈｏｒｉ＝｜Ｇ´×Ａ｜／｜Ｇ｜」を算出する（Ｓ１０５）。
　なお、スマートフォン１０は、ある期間ごとに、当該期間内で測定された各加速度データについて「Ａｈｏｒｉ」を算出し、期間ごとに「Ａｈｏｒｉ」の平均値を算出する。
（ノイズ除去の処理）
　図８は、ノイズ除去の処理の流れを示すフローチャートである。図８に示すように、状態判定部２３は、図７で算出された「Ａｈｏｒｉ」の平均値が閾値（α）以上である場合（Ｓ２０１：Ｙｅｓ）、カウントアップし（Ｓ２０２）、図７で算出された「Ａｈｏｒｉ」の平均値が閾値（α）未満である場合（Ｓ２０１：Ｎｏ）、カウントダウンする（Ｓ２０３）。
　そして、状態判定部２３は、カウント値が閾値（β）以上である場合（Ｓ２０４：Ｙｅｓ）、歩行状態を手振り歩行と判定し（Ｓ２０５）、カウント値が閾値（β）未満である場合（Ｓ２０４：Ｎｏ）、歩行状態を非手振り歩行と判定する（Ｓ２０６）。
　その後、状態判定部２３は、歩行状態が手振り歩行と判定された場合（Ｓ２０７：Ｙｅｓ）、バンドパスフィルタＢを用いて、重力方向の振動成分「ａｃｃ」のノイズ除去を実行する（Ｓ２０８）。一方、状態判定部２３は、歩行状態が非手振り歩行と判定された場合（Ｓ２０７：Ｎｏ）、バンドパスフィルタＡを用いて、重力方向の振動成分「ａｃｃ」のノイズ除去を実行する（Ｓ２０９）。
　そして、歩数計数部２４は、ノイズ除去後の重力方向の振動成分「ａｃｃ」から歩数を算出する（Ｓ２１０）。
［効果］
　このように、スマートフォン１０は、歩行時に手振り歩行か否かを判定し、判定結果に応じて、バンドパスフィルタを切り替えて、ノイズ除去を実行できる。したがって、スマートフォン１０は、手振りを行わない場合の計数精度を落とさずに、手振りを行った場合の歩数の計数精度を上げることができる。
　また、スマートフォン１０は、加速度のみを用いて、手振り歩行の検出から歩数検出までを実行することができる。したがって、スマートフォン１０は、ジャイロセンサなどの他のセンサを用いる場合に比べて、電力消費を抑制することができる。また、スマートフォン１０は、ジャイロセンサなどを搭載しないようにすることで、回路の小型化も実現できる。
　さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。
［閾値αの算出手法］
　図９は、閾値の算出例を説明する図である。図９に示すように、手（腕）を振る角度に応じて、波形の高さが変化する。このことから、加速度データの波形のノルムを用いて、どの程度の高さを手振りと判定するかによって閾値（α）を決定する。
　ここでは、重力方向と直交する方向の加速度の大きさに注目する。手振り時に腕が振り子運動をしていることを考慮すると、手を振る前後方向へ、最大でＡｈｏｒｉＭａｘの加速度が生じる。つまり、「ＡｈｏｒｉＭａｘ＝ｇ×ｓｉｎθ」が波形の最大高さとなる。ここで、「ｇ」は、重力加速度の大きさであり、加速度データが測定することもでき、予め定めておいてもよい。また、「θ」は、重力方向と腕のなる角度であり、ジャイロセンサなどスマートフォン１０の機能により測定することができる。よって、手振り歩行状態にあるかどうかは、重力と直交する振動成分Ａｈｏｒｉの平均値が閾値α以上であるかどうかで判定することができる。
　そこで、閾値αは、例えばＡｈｏｒｉＭａｘを元に三角関数の平均値を考慮して、「α＝（ＡｈｏｒｉＭａｘ×２）／π」として計算することもできる。なお、定数または実験的に求めた数値やテーブル等を採用することもできる。
［バンドパスフィルタＢ］
　一般的に、「正常歩行における歩行速度、歩行率、歩幅の相互関係」によれば、身長の小さな子供では手足の長さが小さくなるため、ｆＭｉｎ、ｆＭａｘは成人にくらべ大きな値を取る事が予想される。このため、ｆＭｉｎおよびｆＭａｘは、身長や年齢等に応じて調整を行うこともできる。
　図１０は、年齢による調整テーブルを示す図である。図１０に示すように、スマートフォン１０は、「区分、最小周波数（ｆｍｉｎ）、最大周波数（ｆｍａｘ）」として「成人、１．４Ｈｚ、２．２Ｈｚ」や「子供、１．８Ｈｚ、２．８Ｈｚ」を対応付けて記憶する。ここで、区分は年齢による調整区分を示し、最小周波数はフィルタリングで通過可能な最小の周波数であり、最大周波数はフィルタリングで通過可能な最大の周波数である。
　スマートフォン１０は、歩数計数の開始時やスマートフォン１０の電源投入時などに、「成人」か「子供」かをユーザに選択させる。そして、スマートフォン１０は、選択結果に応じて、バンドパスフィルタＢの中心周波数を設定し、通過可能な幅を変更する。例えば、スマートフォン１０は、「成人」が選択された場合、バンドパスフィルタＢの最小周波数（ｆｍｉｎ）を１．４Ｈｚに設定し、最大周波数（ｆｍａｘ）を２．２Ｈｚに設定する。
　図１１は、身長による調整テーブルを示す図である。図１１に示すように、スマートフォン１０は、「身長、最小周波数（ｆｍｉｎ）、最大周波数（ｆｍａｘ）」として「１８０ｃｍ以上、１．３Ｈｚ、２．１Ｈｚ」や「１７０ｃｍ以上、１．４Ｈｚ、２．２Ｈｚ」などを対応付けて記憶する。
　スマートフォン１０は、歩数計数の開始時やスマートフォン１０の電源投入時などに、自身の身長をユーザに選択させる。そして、スマートフォン１０は、選択結果に応じて、バンドパスフィルタＢの中心周波数を設定し、通過可能な幅を変更する。例えば、スマートフォン１０は、「１８０ｃｍ以上」が選択された場合、バンドパスフィルタＢの最小周波数（ｆｍｉｎ）を１．３Ｈｚに設定し、最大周波数（ｆｍａｘ）を２．１Ｈｚに設定する。
　このように、スマートフォン１０は、身長や年齢をさらに考慮して、バンドパスフィルタを選択することができるので、より精度の高い歩数計算を実行できる。なお、上述した年齢や身長の区分例を例示であり、さらに詳細に分けることもできる。
［手振り検出］
　上記実施例では、加速度データのみを用いて手振り歩行か否かを判定する例を説明したが、これに限定されるものではない。例えば、ジャイロセンサを用いて、角速度が閾値以上の場合に、手振り歩行と判定することもできる。なお、ジャイロセンサに限らず、地磁気センサなど他のセンサを用いて、手振り判定を行うこともできる。
［システム］
　また、図３に示した各装置の各構成は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、任意の単位で分散または統合して構成することができる。例えば、状態判定部２３と歩数計数部２４とを統合することができる。さらに、各装置にて行なわれる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
　また、本実施例において説明した各処理のうち、自動的におこなわれるものとして説明した処理の全部または一部を手動的におこなうこともできる。あるいは、手動的におこなわれるものとして説明した処理の全部または一部を公知の方法で自動的におこなうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
　１０　スマートフォン
　２１　加速度取得部
　２２　ベクトル分離部
　２２ａ　除去部
　２２ｂ　ローパス処理部
　２２ｃ　ハイパス処理部
　２３　状態判定部
　２３ａ　加速度算出部
　２３ｂ　手振り判定部
　２３ｃ　選択部
　２３ｄ　ノイズ除去部
　２４　歩数計数部
　２４ａ　反転検出部
　２４ｂ　積分計算部
　２４ｃ　歩数算出部

Claims (6)

  1. 　利用者に把持または装着される電子機器において、
    　加速度データを用いて、重力方向の振動成分を算出する算出部と、
    　前記利用者の歩行状態が非手振り歩行か手振り歩行かを検出する検出部と、
    　前記非手振り歩行と検出された場合、第１のバンドパスフィルタを用いて前記重力方向の振動成分からノイズを除去し、前記手振り歩行と検出された場合、前記第１のバンドパスフィルタよりも通過周波数帯域が狭い第２のバンドパスフィルタを用いて前記重力方向の振動成分からノイズを除去する除去部と
    　前記ノイズが除去された後の前記重力方向の振動成分を用いて歩数を計数する計数部と
    　を有することを特徴とする電子機器。
  2. 　前記除去部は、身長が高いほど中心周波数が低くなる複数の前記第２のバンドパスフィルタの中から、前記利用者の身長に対応した前記第２のバンドパスフィルタを選択して、前記ノイズを除去することを特徴とする請求項１に記載の電子機器。
  3. 　前記除去部は、年齢が高いほど中心周波数が低くなる複数の前記第２のバンドパスフィルタの中から、前記利用者の年齢に対応した前記第２のバンドパスフィルタを選択して、前記ノイズを除去することを特徴とする請求項１に記載の電子機器。
  4. 　前記検出部は、前記加速度データにおける水平方向成分の加速度データの大きさが所定値以上である場合に、前記利用者の歩行状態が手振り歩行であると検出することを特徴とする請求項１から３のいずれか一つに記載の電子機器。
  5. 　利用者に把持または装着される電子機器が、
    　加速度データを用いて、重力方向の振動成分を算出する処理と、
    　前記利用者の歩行状態が非手振り歩行か手振り歩行かを検出する処理と、
    　前記非手振り歩行と検出された場合、第１のバンドパスフィルタを用いて前記重力方向の振動成分からノイズを除去し、前記手振り歩行と検出された場合、前記第１のバンドパスフィルタよりも通過周波数帯域が狭い第２のバンドパスフィルタを用いて前記重力方向の振動成分からノイズを除去する処理と
    　前記ノイズが除去された後の前記重力方向の振動成分を用いて歩数を計数する処理と
    　を実行することを特徴とする歩数計測方法。
  6. 　利用者に把持または装着される電子機器に、
    　加速度データを用いて、重力方向の振動成分を算出する処理と、
    　前記利用者の歩行状態が非手振り歩行か手振り歩行かを検出する処理と、
    　前記非手振り歩行と検出された場合、第１のバンドパスフィルタを用いて前記重力方向の振動成分からノイズを除去し、前記手振り歩行と検出された場合、前記第１のバンドパスフィルタよりも通過周波数帯域が狭い第２のバンドパスフィルタを用いて前記重力方向の振動成分からノイズを除去する処理と
    　前記ノイズが除去された後の前記重力方向の振動成分を用いて歩数を計数する処理と
    　を実行させることを特徴とする歩数計測プログラム。
PCT/JP2015/082158 2015-11-16 2015-11-16 電子機器、歩数計測方法および歩数計測プログラム WO2017085770A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/082158 WO2017085770A1 (ja) 2015-11-16 2015-11-16 電子機器、歩数計測方法および歩数計測プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/082158 WO2017085770A1 (ja) 2015-11-16 2015-11-16 電子機器、歩数計測方法および歩数計測プログラム

Publications (1)

Publication Number Publication Date
WO2017085770A1 true WO2017085770A1 (ja) 2017-05-26

Family

ID=58718483

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/082158 WO2017085770A1 (ja) 2015-11-16 2015-11-16 電子機器、歩数計測方法および歩数計測プログラム

Country Status (1)

Country Link
WO (1) WO2017085770A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022051378A (ja) * 2020-09-18 2022-03-31 カシオ計算機株式会社 ノイズ波形除去装置、モデル訓練装置、ノイズ波形除去方法、モデル訓練方法、生成モデル及びウェアラブル機器

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005309693A (ja) * 2004-04-20 2005-11-04 Seiko Instruments Inc 電子歩数計
JP2008084271A (ja) * 2006-09-29 2008-04-10 Seiko Instruments Inc 歩数計
JP2008191992A (ja) * 2007-02-06 2008-08-21 Seiko Instruments Inc 歩数計
JP2010026722A (ja) * 2008-07-17 2010-02-04 Sharp Corp 歩数測定装置
JP2013114486A (ja) * 2011-11-29 2013-06-10 Seiko Epson Corp 状態検出装置、電子機器及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005309693A (ja) * 2004-04-20 2005-11-04 Seiko Instruments Inc 電子歩数計
JP2008084271A (ja) * 2006-09-29 2008-04-10 Seiko Instruments Inc 歩数計
JP2008191992A (ja) * 2007-02-06 2008-08-21 Seiko Instruments Inc 歩数計
JP2010026722A (ja) * 2008-07-17 2010-02-04 Sharp Corp 歩数測定装置
JP2013114486A (ja) * 2011-11-29 2013-06-10 Seiko Epson Corp 状態検出装置、電子機器及びプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022051378A (ja) * 2020-09-18 2022-03-31 カシオ計算機株式会社 ノイズ波形除去装置、モデル訓練装置、ノイズ波形除去方法、モデル訓練方法、生成モデル及びウェアラブル機器
JP7342827B2 (ja) 2020-09-18 2023-09-12 カシオ計算機株式会社 ノイズ波形除去装置、モデル訓練装置、ノイズ波形除去方法、モデル訓練方法、及びウェアラブル機器

Similar Documents

Publication Publication Date Title
AU2015316575B2 (en) Inertial tracking based determination of the position of a mobile device carried by a user in a geographical area
JP5016698B2 (ja) 携帯身振りユーザインターフェースを安定化する方法、装置、およびシステム
Vezočnik et al. Average step length estimation models’ evaluation using inertial sensors: A review
US20140074431A1 (en) Wrist Pedometer Step Detection
US20170067933A1 (en) Pedometer With Lag Correction
US11131562B2 (en) Pedestrian pace estimation with pace change updating
US20160123738A1 (en) Pedestrian Dead Reckoning Position Tracker
KR20130138321A (ko) 모바일 디바이스에서의 우도 함수 값들의 결합을 사용하여 사용자 활동을 분류하기 위한 시스템들, 방법들 및 장치들
US10345426B2 (en) Device state estimation under pedestrian motion with swinging limb
KR20150097707A (ko) 걸음 검출에서의 흔들림 보상
JP2013222449A (ja) 操作動作検出装置、操作動作検出方法、及びプログラム
US20150241245A1 (en) Orientation estimation utilizing a plurality of adaptive filters
US20170059327A1 (en) Device state estimation under periodic motion
US20160231109A1 (en) System and method for detecting non-meaningful motion
US11051720B2 (en) Fitness tracking for constrained-arm usage
WO2014147544A1 (en) Recalibrating an inertial navigation system
US20150241243A1 (en) Method for counting steps and electronic apparatus using the same
US20150241244A1 (en) Low-power orientation estimation
US10018481B1 (en) Multi-band pedometer with mobility mode indicator
WO2017085770A1 (ja) 電子機器、歩数計測方法および歩数計測プログラム
US10895626B2 (en) Device state estimation with body-fixed assumption
US20160356804A1 (en) Pedestrian Velocity Estimation
US11112268B2 (en) Electronic device for performing step counting with false-positive rejection
JP6233123B2 (ja) センサ装置、サンプリング方法及びプログラム
CN108225368B (zh) 计步装置和计步方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15908710

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15908710

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP